EP355. 沒有黃仁勳的輝達、谷歌 OpenAI 新模型、FSD 進台灣法律問題 | M觀點

M觀點 · 2026-11-19

重點

章節

這集談到的

這一集談到的個股與題材,有 11 項在發布前 30 天內也被其他節目談到,沒有看法相反的。

各個股與題材在本集與其他節目的看法對照是會員內容。

AI巨浪下的暗礁:從輝達接班人難題、台股重挫到自動駕駛法律戰的全景解析

近期市場遭遇資金收緊、政治變天與輝達黃仁勳下台的三重打擊,導致台股與AI基礎設施類股大幅回檔。本文深入剖析沒有黃仁勳的輝達將面臨的技術路線、人才流失與市場競爭力衰退危機,並同步探討Google與OpenAI新一輪的AI模型大戰,以及特斯拉FSD進入台灣所引發的自動駕駛法律責任歸屬難題。

三波海嘯重創AI信心:從資金變貴到黃仁勳下台,投資人如何自處?

近期市場的劇烈動盪讓許多投資人措手不及,特別是過去一年重壓AI基礎設施股的投資者更是首當其衝。這一波修正主要源於三股力量的疊加:首先是資金成本變貴,其次是美國期中選舉民主黨大勝帶來的政策不確定性,最後也是最致命的一擊,則是NVIDIA創辦人黃仁勳的無預警下台。這三波海嘯接連襲來,導致台股加權指數從歷史高點大幅回檔,許多AI概念股的估值更面臨腰斬的壓力。

主持人分享了自己的實戰經驗,雖然早在十月初就將美股主動部位中的AI基礎設施股從25%降至20%,並在選舉後進一步調降至16-17%,但面對這波下殺,仍難免感到「肉痛」。特別是在台股部位,由於採取類似存股的概念,並未保留太多現金,導致0050與00935等ETF部位回吐幅度高達兩到三成。這也提醒了投資人,在多頭市場待久了,往往會忽略風險控管的重要性,一旦市場反轉,缺乏避險意識的投資組合將承受巨大壓力。

面對市場對AI建設是否會減速的擔憂,主持人提出了大膽的假設:若民主黨真的出手限制資料中心的擴建,AI基礎設施公司的估值砍半都屬合理。然而,市場究竟反映了多少利空仍屬未知。在此混沌階段,相對安全的資金避風港或許是三大公有雲等科技巨頭,因為它們不僅擁有現成算力可享受漲價紅利,資本支出的放緩反而有助於改善其獲利結構。

沒有黃仁勳的輝達:技術路線決策權與市佔率保衛戰的隱憂

黃仁勳的離去對NVIDIA而言,絕非僅僅是失去一位精神領袖,更可能動搖其未來的技術霸權。在AI運算領域,通用型GPU正面臨來自Google的TPU、亞馬遜的Trainium以及各家自研ASIC的強力挑戰。隨著大型語言模型架構趨於大一統,ASIC的優勢日益明顯,對NVIDIA極為不利。過去幾年,黃仁勳宛如一名拳擊手,憑藉著FP4精度搶先導入、Dynamo動態調配、NVLink強化以及投資LPU等一連串眼花撩亂的招式,硬是彌補了GPU先天的劣勢,減緩了市佔率流失的速度。

若無黃仁勳的強勢領導,新的執行長幾乎不可能複製這種「狂人式」的技術決策速度與積極度。主持人比喻,這就像在Michael Jordan全盛時期將他換下場,即便補上其他明星球員,球隊勝率也必將從八成跌落至六成。在技術路線的十字路口上,少了黃仁勳的精準判斷與快速出招,NVIDIA的GPU市佔率恐將面臨從90%大幅滑落的風險,這對公司的長期估值將造成毀滅性的打擊。

輝達的「人」與「策略」危機:人才流失骨牌效應與市場壟斷戰術的瓦解

除了技術路線,黃仁勳的離開也將引發NVIDIA內部頂尖人才的嚴重流失。黃仁勳過去直接管理約60名一線主管,這種極度扁平的組織架構全靠他的個人魅力與權威進行仲裁。一旦換上新的執行長,無論是內部晉升或外部空降,都難以服眾,預估未來一兩年內這群核心高手將流失三成以上。更令人擔憂的是,這些早已財務自由的技術專家,並非單純加薪或發放股票就能留住的,若黃仁勳另起爐灶,NVIDIA最精銳的部隊極可能瞬間解體。

在市場競爭策略上,黃仁勳向來以「在戰場外決勝負」聞名,例如壟斷HBM貨源、進行生態系循環融資等。這些看似激進的招數,正是NVIDIA能持續甩開對手的關鍵。然而,市場傳出新任執行長可能會在這些「灰色地帶」戰術上縮手,這在主持人看來是極其愚蠢的錯誤。黃仁勳那種「進賭場就All-in」的創辦人狂人特質,是職業經理人難以複製的。因此,主持人坦言已減碼兩成NVIDIA持股,並計劃在確認黃仁勳無法回任後,將總部位降至原本的一半,因為沒有黃仁勳的輝達,其長線投資信心已大不相同。

AI模型三國志:Google Gemini 4 Neo橫空出世,OpenAI以成本優勢迎戰

正當NVIDIA陷入接班危機時,AI模型層的戰火也越演越烈。Google近期推出的Gemini 4系列模型表現亮眼,尤其是最新的Gemini 4 Neo,不僅在Artificial Analysis的智力排行榜上超越自家最強的Carbon,其任務成本更僅有Carbon的一半,以及Anthropic Opus 5.5的三分之一。這款主打智慧與效率平衡的次前沿模型,在實際工作表現上極為強悍,象徵著Google在AI競賽中已重新站穩腳跟。

另一方面,OpenAI則發表了GPT-6.2 Astra與Soul模型。雖然Astra在智力得分上名列前茅,Soul在成本上更具備極大優勢(僅為Opus 5.5的十分之一),但社群實測反饋卻指出這代模型存在穩定性不足的問題,例如遇到困難時會突然停擺或溝通不夠細膩。主持人認為,這是OpenAI為了搶在Anthropic IPO前推出而趕鴨子上架的結果,後訓練(Post-training)明顯尚未完成。預估在一到兩週內,OpenAI便會透過更新來修復這些「不夠好用」的痛點。整體而言,AI模型市場已形成Anthropic最聰明、OpenAI最便宜、Google急起直追的三強鼎立格局。

自動駕駛過渡期的法律真空:當方向盤不再由你掌控,責任歸誰?

隨著特斯拉FSD(全自動輔助駕駛)即將在台灣上線,自動駕駛的法律責任歸屬成為熱議焦點。來賓Sean指出,目前法律與社會共識仍處於「人類駕駛」與「系統駕駛」的過渡階段。現行的FSD本質上是極度先進的Level 2輔助駕駛,因此一旦發生事故,駕駛人仍需負起最終責任。然而,真正的挑戰在於未來當系統容許駕駛人分心的時間越來越長,若在系統「負責」的時段內出事,責任便會轉移至車廠。

這種「有時人開、有時系統開」的混合模式,將是法律最混亂的時期。Sean舉例,賓士雖已開放有條件的Level 3自動駕駛,但刻意將速限壓在極低範圍以控制風險。未來隨著技術演進,車廠將逐步擴大系統負責的範圍,但在此之前,駕駛人仍需保持警覺,不可完全放手。

台灣政府審驗FSD的背後:主權展現與在地化學習的陣痛期

針對台灣政府目前正在逐項審驗FSD功能,Sean分析這不僅是安全把關,更是一種「主權的展現」與法規制定的學習過程。由於FSD是一系列功能的總和(如自動變換車道、上下交流道等),台灣政府正透過這個首次案例,來釐清未來自動駕駛的法規該如何調整。有趣的是,這過程也可能是特斯拉反過來「教導」台灣政府如何測試,讓雙方都能累積經驗。

特斯拉在台灣的在地化學習同樣至關重要。Sean提到,過去台灣國道常見的「緩撞車」撞擊事件,正是因為該場景在國外較少見,系統無法事先學習。經過這幾年的數據累積,特斯拉已學會避開緩撞車,這也證明了自動駕駛系統必須適應各國獨特的交通文化與道路安全規則,才能安全上路。

特斯拉的台灣交通大補帖:從緩撞車到獨特路況的適應之旅

延續在地化議題,Sean與主持人深入探討了台灣特殊的交通情境。過去幾年間,幾乎所有品牌的Level 2輔助駕駛都曾發生撞上緩撞車的事故,唯獨特斯拉在經過大量數據訓練後,已成功克服此一難題。這顯示了自動駕駛系統並非一體適用,而是需要針對特定地區的「非典型」障礙物進行額外學習。

這也說明了為何台灣政府需要嚴謹的審驗流程。除了緩撞車,台灣道路常見的機車穿梭、田間小路導航等複雜情境,都是系統必須克服的挑戰。Sean認為,特斯拉在台灣的測試過程,不僅是車廠在適應台灣,同時也是台灣政府在學習如何管理這項新科技,為未來更多自動駕駛車款的引進鋪路。

事故責任的終局之戰:當人類駕駛與AI駕駛共存於混亂的十字路口

針對FSD事故責任的實務判定,Sean強調關鍵在於「誰是當下的駕駛人」。若事故發生在系統允許駕駛人分心的時段,且系統未發出警告,則車廠必須負責;反之,若駕駛人未依規定保持警覺,責任仍歸屬於人類。這種「逐步開放」的模式,意味著未來將有一段很長的混亂期,路上同時存在手動駕駛、輔助駕駛與全自動駕駛車輛。

Sean預測,當自動駕駛普及率達到一定程度前,交通事故的責任歸屬將變得極其複雜,這反而會為法律與保險業帶來一波業務榮景。特別是當車禍發生在系統與人類交接控制權的灰色地帶時,如何透過行車紀錄器與車輛數據來還原真相,將是決定賠償歸屬的關鍵。

CyberCab登台的最大障礙:沒有方向盤的車,該如何通過台灣法規?

談及特斯拉未來可能引進的完全自動駕駛計程車CyberCab,Sean直言台灣現行法規「鐵定會有問題」。由於台灣車輛檢驗法規早已明定一輛車必須具備方向盤、油門等基本操控裝置,像CyberCab這種完全無方向盤的設計,在現行制度下根本無法通過驗車程序。

Sean認為,台灣政府體制傾向於過度保護民眾安全,對於移除方向盤這類顛覆性設計的接受度極低。即便美國已透過要求車廠投保高額保險來分散風險,台灣仍可能因擔心「人命問題」而卡關。這也反映出一個矛盾現象:台灣雖是全球晶片大國,但在擁抱自動駕駛等實體創新應用上,態度卻相對保守,法規調整的速度遠遠跟不上科技進步的腳步。

自動駕駛衝擊下的法律產業:混亂期即是律師與保險業的榮景

面對自動駕駛是否會讓車禍案件減少的提問,Sean給出了出乎意料的答案:短期內業務不僅不會減少,反而會迎來一波榮景。原因在於,當道路上同時存在人類駕駛與系統駕駛時,責任歸屬將變得前所未有的混亂。人類駕駛與AI的決策邏輯不同,事故發生後的攻防空間反而更大。

此外,Sean指出,真正受到最大衝擊的其實是保險公司。當車廠具備足夠大的規模,能夠自行承擔賠償風險時,傳統的車險模式將被打破。不過,考量到台灣社會完全接受全自動駕駛至少還需十年以上,且車輛更換週期長達七到八年,這段漫長的過渡期仍將為法律諮詢服務提供穩固的市場需求。

訂閱制律師實戰案例:從肇責翻盤到爭取隱形損失,工程師的逆轉勝

Sean分享了一個訂閱服務的經典案例:一位工程師客戶發生車禍後,初判表顯示他需負擔部分責任。然而,在Parmor的協助下,該客戶進一步申請車輛行車事故鑑定,最終成功翻盤為「零責任」。更關鍵的是,Sean進一步指導客戶,除了修車費用外,還可向對方保險公司求償「價值減損」與「代步車費用」這兩筆保險公司通常不主動理賠的隱形損失。

在Parmor協助備妥訴訟文件後,對方保險公司評估進入法院也將敗訴,最終選擇全額賠償。這個案例顯示了交通事故處理中「資訊不對稱」的嚴重性,多數民眾並不知道除了修車費外,還有許多依法可請求的損失項目,而這正是專業法律服務的價值所在。

一年四場車禍的啟示:資訊透明化時代,別再用「賭一把」處理事故

另一個令人印象深刻的案例是一名自認「從未出過車禍」的駕駛,在老婆替他訂閱服務後,竟在一年內發生了四場事故。Sean回顧對話紀錄才發現,這位客戶過去認為只要沒把人撞到重傷就不算車禍,總是花錢消災、私下和解。然而,現代社會資訊極度流通,受害者隨時能透過網路查詢自身權益,以往那種「賭對方不會再來找麻煩」的處理方式已徹底失效。

Sean分析,現在出車禍後,每個人都會用手機查資料、問AI,當發現自己應得的賠償遠高於對方提出的金額時,便會引發更大的糾紛。這也意味著,在資訊透明的時代,唯有具備專業知識的一方,才能在事故處理中佔據優勢,避免因無知而吃虧。

結論

本集內容從資本市場的巨幅波動出發,深入探討了輝達在失去靈魂人物黃仁勳後,在技術、人才與市場策略上可能面臨的長期衰退風險,這也直接影響了投資人對於AI基礎設施股的長線信心。同時,AI模型層的競爭已進入白熱化階段,Google與OpenAI各顯神通,預示著未來的AI應用將更便宜、更普及。最後,透過法律專家的視角,我們預見了自動駕駛時代來臨前的法律陣痛期,無論是駕駛人還是立法者,都必須加緊腳步適應這場科技帶來的交通革命。