AGI（通用人工智慧）是甚麼？能幹嘛？有哪些概念股?

本文重點速覽

 

1. 核心突破在於通用性：

   • 目前的 AI 多專注於單一任務，而 AGI 具備媲美甚至超越人類的學習、推理與適應能力，能勝任幾乎所有的腦力工作。
      

2. 應用場景顛覆產業：

   • 從加速新藥開發、自動化軟體程式設計，到推動具身智能機器人進入真實工業場景，AGI 將大幅壓縮傳統的工作時間與成本。
      

3. 供應鏈分層受惠明確：

   • 投資機會可拆解為底層的算力晶片巨頭、中游的台灣硬體基礎建設供應鏈，以及長線受惠的大型雲端平台與軟體應用商。

 

 

---

 

一、 什麼是 AGI？與現有 AI 的差異

 

在探討 AGI 的投資機會前，我們必須先釐清一個關鍵觀念：現在我們常用的 AI 工具，嚴格來說還不算是 AGI。

 

人工智慧發展的三個階段

人工智慧的演進可以分為三大階段：

• 狹義人工智慧 (ANI)：
  • 這是目前最普遍的形式，專注於執行特定任務，例如影像辨識、語音助理或自然語言處理。
     
• 通用人工智慧 (AGI)：
  • 擁有類似人類的智能，能夠執行人類能做的任何腦力工作，具備高度的學習、推理和適應新情境的能
    力。
     
• 超級人工智慧 (ASI)：
  • 在幾乎所有領域（包括科學創新、一般智慧和社交技能）都超越最聰明人類大腦的智慧體。

 

換句話說，AGI 的核心突破在於「通用性」。它不再只是一個會下棋的程式或只懂聊天的機器人，而是一個在所有認知任務上都能媲美人類的數位大腦。

雖然目前真正意義上的 AGI 尚未存在，但全球頂尖的科技公司正以前所未有的速度推進研發。

 

業界大佬對 AGI 到來時間的預測

對於 AGI 何時會真正降臨，科技界的預測存在分歧：

 

• 樂觀派：
  • xAI 創辦人 Elon Musk 認為 AGI 有望在 2026 年到來。
     
• 穩健派：
  • Google DeepMind 創辦人 Demis Hassabis 與 Meta 首席 AI 科學家 Yann LeCun 均預估時間點落在 2030 至 2035 年之間。
     
• 保守派：
  • 圖靈獎得主 Geoffrey Hinton 則預測將在 2030 至 2045 年間實現。

 

知名創投紅杉資本則提出「能力時長」的概念來衡量進展。數據顯示，AI 智能體能獨立完成任務的時間長度，大約每七個月就會翻倍。按照此趨勢，2028 年的 AI 可完成人類專家一天的工作量；到 2030 年，自主智能體將能獨立執行為期一週的複雜專案。

 

---

 

二、 AGI 能做什麼？六大核心應用場景

 

一旦 AGI 成熟，它將在以下六大核心領域帶來顛覆性的改變：

 

1. 科學研究與新藥開發

AGI 具備處理極度複雜問題的能力，有望徹底革新醫療保健領域。傳統上，一款新藥從研發到正式上市往往需要耗費十年以上的時間與鉅額資金。

未來，AGI 可透過龐大的數據模擬與預測，將新藥開發、疾病診斷與治療規劃的週期壓縮至數年甚至更短。

 

2. 軟體開發與自動化程式設計

AI 在程式設計的影響力已然顯現。數據指出，2025 年 AI 生成程式碼的佔比已達三分之一，有效降低了初創公司的人力成本。

進入 AGI 時代後，基礎的軟體開發與程式撰寫工作，其邊際成本將逼近於零，人類工程師將轉向更高階的系統架構與邏輯設計。

 

3. 多模態內容創作

AGI 等級的模型能實現跨模態的「通感」能力。例如，當創作者輸入一個文字指令，模型便能同步生成對應的分鏡草圖、背景音樂與 3D 視覺場景。

這將使傳統影視、遊戲與廣告製作的週期大幅縮短 90%，徹底改變內容產業的生產模式。

 

4. 自主 AI 智能體 (Agent)

新一代的 AI 智能體不再需要人類預先設定所有規則，而是具備「思考、規劃、執行」的完整閉環能力。

在企業應用中，AGI 智能體能在極短時間內完成過去需要數週的人工任務（如社群數據分析、人才招募篩選等），大幅提升企業的營運與自動化效率。

 

5. 教育個人化

AGI 能為每位學習者量身打造專屬的學習體驗，提供因材施教的課程進度規劃與即時的解題回饋。

這不僅能提升學習效率，更將使高品質的教育資源變得更加普及。

 

6. 具身智能與機器人

隨著大語言模型與機器人運動控制技術的深度結合，人形機器人正逐漸脫離實驗室的展示階段。

預期在不久的將來，具身智能機器人將正式進入真實的工業製造與商業服務場景，接手高重複性或高危險性的勞力工作。

 

---

 

三、 AGI 浪潮下，哪些概念股最受惠？

 

AGI 的商業化路徑可以清晰拆解為三個層次：「底層基礎設施、中游算力平台、終端應用落地」。投資人可依此脈絡尋找對應的投資機會。

 

第一層：算力基礎建設 (最直接受惠)

要訓練與運行 AGI，需要極其龐大的運算能力，因此最底層的晶片設計與代工廠是首波也是最直接的受惠者。

輝達憑藉其全棧式的算力解決方案，佔據了全球高端算力市場的絕對優勢。

同時，雲端業者為了降低成本，也開始與博通等公司合作開發客製化 AI 晶片 (ASIC)。而這些高階晶片的最終製造，皆高度仰賴台積電的先進製程代工。

代表企業	受惠邏輯與產業地位
NVDA	全球 AI 訓練與推論 GPU 的絕對龍頭，與雲端巨頭深度綁定。
AMD	作為市場上關鍵的次要 GPU 供應商，積極搶佔高效能運算份額。
AVGO	專攻客製化 AI ASIC 晶片與高速網路傳輸晶片，滿足雲端廠客製需求。
台積電	全球先進製程代工霸主，所有頂尖 AI 晶片皆需仰賴其製造產能。

 

第二層：台灣 AI 供應鏈 (中游硬體支撐)

晶片造好後，需要組裝成伺服器並解決散熱與電力問題。台灣在伺服器代工、電源管理、散熱模組與高速銅箔基板等領域擁有完整的產業聚落。

拿下大量國際訂單的零組件與組裝業者，將是支撐 AI 基礎設施擴建的關鍵力量。

代表企業	受惠邏輯與產業地位
廣達 2382	全球頂尖 AI 伺服器系統組裝代工廠。
台達電 2330	提供伺服器所需的高效率電源管理與散熱系統解決方案。
奇鋐 3017	專精於 AI 伺服器的高階散熱模組製造。
世芯 3661	提供高階 ASIC 晶片設計服務，受惠客製化晶片浪潮。
高力 8996	具備液冷散熱技術與燃料電池雙引擎，解決機房散熱與用電痛點。
台光電 2383	AI 伺服器所需之高速傳輸銅箔基板主力供應商。
勤誠 8210	專注於 AI 伺服器高階機殼的設計與製造。
川湖 2059	伺服器導軌的全球領導廠商。

 

第三層：雲端平台與 AI 應用 (長期受惠)

長線來看，當底層硬體建置完善後，能將 AGI 技術轉化為實際商業應用的軟體與雲端平台將接棒成長。

微軟、Google、亞馬遜等雲端巨頭，不僅掌握著龐大的算力資源，更擁有將 AI 應用推廣至全球企業端與消費端的通路優勢，預期將在未來的 AI 軟體支出中獲取豐厚利潤。

 

---

 

四、 投資 AGI 領域的潛在風險

 

儘管 AGI 描繪的商業前景極具吸引力，但投資人在佈局時仍需保持理性，並留意以下三大風險：

 

1. 研發時程的不確定性

目前各界對於 AGI 真正實現的時間點仍無定論。圖靈獎得主楊立昆曾表示，僅靠現有的大型語言模型架構可能無法順利實現 AGI。技術突破的瓶頸可能導致商業化時程延宕，這意味著許多概念股的股價可能在「獲利實質兌現」之前就已過度反應預期。

 

2. 法規與監管的緊縮

隨著 AI 能力愈發強大，數據隱私、演算法偏見、版權爭議與倫理道德等問題也浮上檯面。各國政府極可能祭出更嚴格的監管法規，這將墊高 AI 企業的合規成本，甚至可能迫使部分商業模式面臨挑戰與轉型。

 

3. 市場估值過高與資金輪動

AI 概念股對市場消息極度敏感，容易在短時間內出現劇烈的暴漲暴跌。在 2025 至 2030 年這段技術過渡期，相關類股的投資格局將呈現「長線看多、短線劇烈震盪」的特徵，投資人須審慎評估進場位階與估值合理性。

 

---

 

五、 FAQ 常見問題

 

Q1：AGI 和現在我們常用的 ChatGPT 到底有什麼不同？

結論是：現在的 ChatGPT 偏向於專門處理文字語言的單一工具，而 AGI 則是一個具備全面思考能力的全能型大腦。理由是，目前的 AI 雖然很會寫文章或寫程式，但如果遇到超出它訓練資料範圍的新問題，它往往會給出錯誤答案。未來的 AGI 不僅能跨領域學習，還具備邏輯推理和解決未知問題的能力，就像一個真正的人類專家一樣，可以獨立規劃並完成複雜的工作計畫。

 

Q2：廣達電腦和台達電都在 AI 供應鏈中，這兩家公司的角色有何差異？

結論是：廣達主攻的是整台伺服器的「系統組裝代工」，而台達電則是專注於提供伺服器裡面的「關鍵零組件」。理由是，廣達的角色像是大廚，負責把晶片、主機板、機殼全部組裝成一台可以運作的 AI 伺服器交給雲端大廠；台達電則是專精於提供伺服器運作時最需要的「高效率電源供應器」以及「散熱系統」，確保這些耗電量極大的機器能夠穩定運作不當機。兩者在供應鏈中屬於上下游的合作與互補關係。

 

怎麼買 台積電 的股票？