圖片來源：Gemini 製圖
台股連兩日急跌，籌碼面出現散戶死撐、官股護盤縮手的錯位，融資斷頭賣壓恐持續宣洩。儘管技術面回測半年線後或有逃命波反彈，但受限於AI終端應用陷入普及率頂峰與信任度暴跌的矛盾，需求遭膨風質疑，高估值AI概念股仍面臨回修正風險。
昨日（7/28）台股的瘋狂，不只寫在加權指數重挫4.65%的紀錄裡，籌碼面同樣看得一清二楚。微台指散戶多空比在大盤重挫的同時不減反增，顯示散戶的多方部位並未因為指數下殺而縮手，追價情緒依然濃厚；與此同時，八大官股銀行的買盤卻明顯縮手，165.93億元的買超金額，遠不如過去同等級重挫時的力道。散戶越跌越樂觀、官股卻越跌越保守，這種籌碼結構的錯位，也讓賣壓一路延續到今天。
今日（7/29）台股再次走低，盤中一度重挫逾2,200點，最低來到39,384點，回測半年線，尾盤指數收斂跌幅逾500點，終場收在40,039點，下跌1,564點，跌幅3.76%，成交量放大到10,836億元，而國巨（2327）、台達電（2308）成為跌勢最兇的權值股。面對連續兩個交易日出現千點以上的殺盤，融資斷頭壓力鋪天蓋地，加上當沖搶短慘遭套牢引發的違約交割，頓時成為許多投資人的噩夢。在市場信心備受嚴峻考驗之際，不少人也開始引頸期盼：這波強烈修正跌深之後，是否終於要迎來一次強勁的反彈了？
回到台股：把時間軸拉長看，官股與散戶籌碼的完整輪廓
把時間拉回今年3月，中東地緣政治風險引爆全球股災的那幾天，官股護盤的動作其實相當明確。3月3日與3月4日這兩個被市場形容為「跌勢較重」的交易日，八大官股銀行各自買超201億元，連續兩天都站穩護盤陣線；到了3月9日台股再度重挫，官股單日買超金額拉高到264.73億元，當時加權指數收在32,110.42點。
但這次不一樣。7月24日加權指數收在43,654.84點，單日重挫1,195.97點、跌幅2.67%，關鍵是這一跌直接跌破季線，外資也同步由買轉賣、單日調節超過600億元。季線失守後，官股買盤力道明顯開始縮手；到了7月28日台股再度重挫4.65%，官股這次卻僅買超165.93億元——不到3月同等級重挫時的三分之二。跌破季線這道防線一旦失守，官股護盤的態度似乎也從「積極攔截」轉為「被動應對」，這正是這次力道明顯縮手的關鍵轉折點。
＜上圖：玩股網－八大公股銀行買賣超金額與動向＞
把這段官股力道的變化，放進最近15個交易日的完整脈絡裡，投資人可以明顯發現，賣超的力道與過去出現轉變。
一、八大官股銀行買盤縮手
檢視7月7日至7月28日八大官股銀行（合庫、土銀、台銀、台企銀、彰銀、第一金、兆豐銀、華南永昌）的每日買賣超合計金額，可以觀察到官股在7月14日跌破季線時呈現大買，之後台股反彈站回季線，就開始賣出持股，且7月27日破季線後轉變成賣股，隔日重挫買超力度下滑超過五成：
二、微台指散戶多空比：多方傾斜持續擴大，與指數同步墊高
另一個值得同步觀察的訊號，是微台指散戶多空比。從 2025年8月到 2026年 4月，散戶多空比大致呈現負值（偏空傾向），期間夾雜幾波短暫翻正；但從4月開始出現明顯轉折，多空比由負轉正，並在5月到7月這段期間，呈現持續且逐步擴大的多方傾斜，紅色多方棒體愈來愈密集、愈來愈長。
＜下圖：玩股網－微台指散戶多空比＞
這種「散戶多方部位隨指數創高同步擴大」的型態，通常被視為偏謹慎的訊號，而從最新數據來看，微台指散戶多空比不減反增，但小台指散戶多空比卻出現回落。＜下圖：小台指散戶多空比＞
雖然微台多單持續增加風險不容忽視，但小台的多方出現明顯減少，仍讓盤勢出現反彈希望。小台保證金門檻較高，部分散戶多單很可能已在小台端因虧損擴大、保證金不足而被迫減碼或斷頭，剩餘資金則降規格轉往微台繼續硬撐。換句話說，微台的散戶終究還是陣亡的一群，只是小台的投資人換了個更便宜的台指期約，把陣亡的過程再度拉長。
隨著台股回測半年線、多檔個股股價劇烈拉回，已經有不少個股觸及融資維持率警戒，斷頭賣壓恐怕會在明天（7/30）早盤集中出籠。這波賣壓宣洩後，指數或許能暫時擺脫「多殺多」的狀態，但即便台股就此出現反彈，這種建立在散戶籌碼持續流失之上的反彈，可能只是逃命的機會，而非趨勢反轉的訊號，為什麼？因為 AI在終端產品上出現信任危機！
AI信任死亡交叉成真：普及率衝新高，但「說謊哄你開心」的證據也一次補齊
我們之前提到，AI產業正走向一個矛盾的臨界點：使用率不斷創新高，使用者的信任度卻同步崩跌。這幾週最新出爐的學術研究，證明問題不是「AI偶爾犯錯」這麼簡單，而是AI在特定類型的對話中，準確率會系統性地崩壞，而且崩壞的方向剛好就是「社交諂媚」長期累積下來的結果。更值得留意的是，這種討好傾向並非單次的訓練瑕疵，而是訓練機制本身的結構性產物：人類評分者在訓練過程中，往往給附和、順從的回答更高分，誠實糾正反而拿到較低分數；模型從數百萬次的訓練迭代中學到「肯定使用者得高分、糾正使用者得低分」，一代一代訓練下來，只會越來越傾向討好，而不是越來越誠實。
消費者已經在用腳投票：普及率衝頂，信任度腰斬
市調機構Fractl與Search Engine Land在2026年第2季，針對1,008名美國消費者、150名行銷從業人員進行的年度調查顯示，AI搜尋的使用量已經到頂：70%的消費者表示過去一年使用AI搜尋的頻率增加，只有4%完全沒用過。但同一份調查也發現，認為AI搜尋比傳統搜尋更有幫助的消費者比例，從2025年的82%暴跌到2026年的54%，一年內少了28個百分點；同時認為AI「不如傳統搜尋」的比例，則從3%上升到17%。這點跟我自己實際使用的經驗也相當吻合，免費版與付費版給出的答案，準確度落差相當明顯，換句話說，不花錢用AI，很可能就等於甘願被唬得一愣一愣的。
更直接跟品牌利益掛勾的數字是：27%的品牌表示自己已經在AI生成的回答中被錯誤呈現，14%的品牌坦言AI的不準確已經實際影響到客戶關係、銷售或公關事件。這不是消費端獨有的焦慮。此外，Gartner在2026年的調查也發現，有50%的美國消費者，更願意把生意交給「不在客服訊息、廣告或內容裡使用生成式AI」的品牌。
為什麼AI跟你聊心事時最不準？牛津大學給了答案
AI的錯誤率並不是均勻分布的，而是分門別類、有規律可循的。牛津大學網路研究所（Oxford Internet Institute）發表於《Nature》期刊的研究，測試了5種主流AI模型，產出並分析超過40萬則回應，找到了一個明確的因果關係。
研究團隊把同一個模型訓練成兩個版本：一個維持原樣，一個訓練得更「溫暖親切」，接著讓兩者處理醫療建議、假訊息查核、陰謀論反駁等題目。結果發現，被訓練得更溫暖的版本，同意使用者錯誤信念的機率比原版高出約40%；而且準確度下滑最明顯的時刻，剛好就是使用者在提示中流露出悲傷或其他情緒訊號的時候，這正是使用者最需要被誠實對待、卻最容易被敷衍帶過的時刻。
具體數字更驚人：當提示中包含悲傷情緒的表達，溫暖版模型與原版模型的準確率差距，會比中性問題整整擴大60%；在這類悲傷情境下，溫暖版模型的錯誤率比原版高出11.9個百分點。研究團隊另外訓練了一個「冷淡版」模型做對照組，結果冷淡版的準確度跟原版幾乎一樣，這證明問題出在「溫暖」這個特質本身，而不是任何語氣調整都會拖累準確度。
換句話說：當你問AI「1+1等於多少」，它大概率不會騙你；但當你帶著情緒說「我覺得我做得對，你也這麼認為吧？」，AI很可能會選擇附和你，而不是誠實指出問題，因為這類問題本來就沒有標準答案，AI於是滑向一種「完美的社交諂媚」，用認同取代準確。
AI消費端滲透率早已到頂，跨平台交叉驗證恐讓「需求」灌水
回到消費端這件事，核心問題其實不在硬體。就算手機、筆電陸續搭載更新的AI晶片、標榜端側運算更快更省電，也很難真正打動消費者掏錢包，會用AI的人早就已經在用了，不會用、不需要的人，也不會因為裝置多了一顆NPU就突然改變習慣。真正卡住消費端滲透率的，從來不是運算力，而是準確度：只要AI還在「順著你說話」而不是「對就是對、錯就是錯」，使用者就得自己想辦法補上這個漏洞。
而補這個漏洞最常見的做法，就是交叉使用，同一個問題，丟給兩三款不同的AI互相對照。根據一份針對388位活躍AI用戶的跨平台調查，受訪者平均同時使用2.83款AI服務，超過八成的人同時使用兩款以上、過半數的人甚至用到三款以上。這種行為表面上看起來像是「AI滲透率極高」的證據，換個角度看恐怕正好相反：這代表沒有一款AI能單獨讓使用者放心信任，消費者被迫用「問好幾家」的方式，自己做人工的事實查核。這種跨平台交叉驗證的需求，很容易被上游業者誤讀成「用戶對AI的需求暢旺」，進而支撐更龐大的資本支出與更樂觀的營收預期，但實際上，這可能只是同一批使用者的同一個問題，被重複計算了兩三次而已，也造成了「AI需求膨風」。
當「進步」跟「需求」都在膨風，AI概念股的本益比撐不住太久
放回股市來看，這正是為什麼即使指數在斷頭賣壓宣洩後出現技術性反彈，市場也不該倉促為那些動輒二、三十倍本益比的AI概念股摸底。這裡還有一層更根本的問題：AI的進步速度，其實遠低於市場原先的預期。市場一度樂觀認為，2026年就能看到接近AGI等級的準確率持續攀升，但實際狀況卻是多個關鍵指標同步卡關，擴大模型規模帶來的效益明顯遞減，算力需求呈指數增長，訓練資料本身也已逼近枯竭。
追蹤頂尖AI科學家、產業領袖與專業預測者意見的2026年最新調查（LEAP第8波）顯示，專家對AGI出現時間的中位數預測落在2047至2050年之間，跟「2026年就會兌現」的樂觀想像，足足差了超過二十年。更值得注意的是，這不只是時程認知的落差——AI學界最權威的官方組織AAAI（國際人工智慧促進協會）在2025年發布的總裁小組報告，訪問475位研究者後發現，高達76%認為單純擴大現有AI模型的規模，不太可能達到AGI，顯示問題不在於「還要等多久」，而在於「現在這條路本身走不走得通」。
深度學習教父級人物Yann LeCun的立場也呼應了這一點：他根本不承認「AGI」這個詞，他認為人類的智慧本身也是高度專業化、有局限性的，「通用」這個前提本身就站不住腳，因此他更傾向使用「人類等級的智慧」或「進階機器智慧」（AMI）來描述未來的AI。對於其他科技巨頭喊出的2到5年時程，LeCun直言「差得遠了」，要達到人類等級的智慧需要數十年，甚至得經歷好幾次重大的技術架構革命，絕不可能在近年內發生，他也在2025年底離開Meta、自己創辦AMI Labs，用超過10億美元的募資規模，把這個判斷變成一場實際的商業押注，而不只是一句訪談金句。
如果連研究這件事最久、資歷最深的人與最權威的官方學術組織，對AGI的時程與可行路徑都抱持這種懷疑態度，市場對AI概念股的樂觀定價，恐怕比想像中更脆弱。如果最終端的真實需求本來就存在灌水成分，再疊加技術進展遠不如預期這個變數，這些估值建立在「AI能力只會越來越強、需求只會越來越大」雙重假設上的個股，本益比恐怕很難在現在的高檔水準維持太久。
本文內容僅供參考，無任何買賣建議，投資人應謹慎評估，風險自負。
