AI 交易正由「稀缺性」轉向「經濟性」：隨着模型訓練及推理（inference）成本下跌，開源系統、雲平台及 API 促進更廣泛採用，同時削弱部分開發商及硬件供應商的定價能力。中國競爭正推動降價及提升效率，阿里巴巴推出其最大模型，而 DeepSeek 提供超低成本定價，鼓勵在「夠用」勝於前沿表現的應用場景落地。超大型雲服務商（hyperscalers）仍在擴建產能，但採購正變得更審慎，買家更聚焦「每項任務成本」；市場共識下微軟、Alphabet、亞馬遜、Meta 及甲骨文的資本開支（capex）由 2026 年初約 4,850 億美元升至 7 月約 7,300 億美元；UBS 則預期 2026 年增長 76%，2027 年放緩至 25%，2028 年再降至 6%。需求或轉向客製化加速器、推理優化、網絡、電力及散熱，而非單純追求最高 GPU 密度。

就南韓而言，持倉更「乾淨」或支持戰術性反彈，但不保證出現新一輪盈利周期。摩根大通估計槓桿 ETF 去槓桿已完成，對沖基金亦約完成 90% 去槓桿，惟風險在於記憶體預期可能先於實際需求見頂。TrendForce 仍預期 DRAM 供不應求，需求增長或至 2027 年仍快於供給；不過 HBM 及先進伺服器 DRAM 可能持續偏緊，而商品 DRAM 及 NAND 則維持較周期性波動。更宏觀的信息是：回報將更多歸於分發渠道、專有數據及平台，加上高效率基建，而不僅是第一階段的供應瓶頸。

隨 AI 經濟性轉變，期權市場進入過渡期

我們觀察到期權市場正處於關鍵過渡：AI 交易由原始基建的稀缺轉向成本效率。衍生品交易員應為主要硬件供應商的引伸波幅（implied volatility）下降作準備，因為「搶晶片」的緊張情緒正在降溫。我們建議把焦點轉向可利用此轉變的期權策略，尤其是在 hyperscaler 資本開支增速開始放緩之際。

最新行業數據顯示，雖然微軟、Alphabet 及 Meta 等科技巨頭合計資本開支今年料接近 7,300 億美元，但增速預期明年放緩至 25%。增速放慢意味硬件股認購期權（call）的高溢價更難自圓其說。我們建議把目標放在成功將更便宜 AI 模型變現的大型軟件與數碼平台，採用牛市認購價差（bull call spreads）策略。

南韓方面，我們看到記憶體「見頂」預期似乎已反映於 KOSPI 估值之中，即使高頻寬記憶體（HBM）供應仍偏緊。歷史周期顯示，記憶體股估值往往較企業實際收入提前數個季度見頂。為管理此風險，我們偏好在主要記憶體製造商上運用認沽期權（put）或熊市認沽價差（bear put spreads），以對沖估值收縮。

隨着行業焦點由大型訓練模型轉向更便宜的推理，客製化晶片（custom silicon）及專用基建正在升溫。這亦反映在中型網絡及電源管理企業的期權成交量上升。我們可透過在受益於效率導向的特定基建供應商上沽出認沽期權（sell puts），在較穩定的現金流基礎上收取期權金（premium），以捕捉此趨勢。

對沖硬件敞口並把握軟件平台機會

主要半導體 ETF 的引伸波幅偏斜（skew）近期開始由偏向認購轉為偏向認沽，顯示機構投資者正積極對沖其硬件敞口。這意味純硬件動量帶來的「容易錢」階段現時或已告一段落。我們認為，在這些硬件標的上交易短期期權日曆價差（calendar spreads），可在不需要押注方向性的情況下，利用高期權金獲利。

中國科企對開源模型的進取定價正加速全球成本通縮，並擠壓模型開發商利潤率。這場價格戰令純 AI 開發商的長期期權（長期 call）風險高且偏投機。相對地，我們偏好買入成熟企業軟件平台的長年期認購期權（long-dated calls）：這些平台可較易整合更廉價模型，從而提升自身利潤率。

立即開始交易 — 點擊此處開設您的 VT Markets 真實賬戶。