大家好，我是 KP，歡迎來到第 58 期的《週末思考筆記》。

最近有個朋友問我：「KP，我看你最近兩期的深入分析的主題都不是AI，是不是對 AI 的前景有些動搖，或者不看好了？」

其實，FOMO 研究院，從來都不是一個純粹只研究 AI 的地方。

事實上，我在 Substack 寫的第一期深度分析，主角既不是晶片巨頭，也不是大語言模型，而是醫藥巨頭諾和諾德（Novo Nordisk）。

在那篇文章裡，我花了很多篇幅去拆解他們面臨的挑戰，並試圖將減肥藥（GLP-1）的分子結構與作用機制一層層解構出來。

對我而言，把一個複雜的生物分子結構拆開、看懂它在人體內的化學反應，與拆解一顆 GPU 的架構、或者分析台積電的先進封裝工藝，帶給我的智力樂趣是完全一樣的。

我對 AI 當然有著極大的熱情，這幾年沉浸式的深度研究，也讓我對這個行業略懂一二。

但如果問我最根本的驅動力是什麼？

我真正感興趣的，是去理解這個世界上各種複雜系統背後的「底層運行規律」。

無論它是加密貨幣、生物科技、宏觀貨幣政策，還是人工智能。然後，在這些規律中，找到投資機會。

這讓我想起Charlie Munger說過的一句經典名言：

「對於一個手裡只有錘子的人來說，世界上的所有問題看起來都像是一顆釘子。」 (To the man with only a hammer, every problem looks like a nail.)

Munger一生都在倡導「多元思維模型」，他認為我們不能只用單一學科的視角去解釋世界。

放到今天的投資市場來看，如果你的手裡只有「AI」這把錘子，你的視野就會被這把錘子徹底綁架，無法意識到整個市場在發生甚麼事。

這就是為什麼，我堅持要讓自己的視野保持足夠的寬度，去構建自己的「思維模型網格」。

生物科技讓我們理解生命的密碼與人類需求的終極邊界；加密貨幣讓我們思考信任的去中心化與新型生產關係的建立；宏觀經濟則讓我們看清資金在不同資產類別之間流動的洋流 。

這些領域看似風馬牛不相及，但它們在底層邏輯上是互通的。

跨學科的思考，不會分散我們研究 AI 的專注度；相反，它給了我們一架更宏觀的望遠鏡，讓我們在看 AI 時，能看得比別人更深、更立體。

所以，不用擔心，我對 AI 的關注從未減少。

只是，當我們偶爾把目光從晶片上移開，去看看這個世界的其他維度時，你會發現，許多原本模糊的答案，反而變得清晰了。

過去兩期深度分析其實都十分具價值，推薦大家還未看的都去看看。

這個星期，我準備了五個主題，長短不一，但各自精彩。

另外，如果你還沒有閱讀昨天關於博通（Broadcom）的最新財報分析，推薦你點擊閱讀；在今天筆記的主題四，我也為大家整理了一份精華摘要，方便大家快速掌握核心邏輯。

以下是本期的五大主題：

• 主題一 | Nvidia 聯手聯發科，進行 ASIC 佈局？

• 主題二 | OpenAI 斷供 Cursor 的啟示

• 主題三 | 非農爆表，要升息了？

• 主題四 | 博通 CEO：不要只看毛利率下跌，要看營業利潤率

• 主題五 | 日圓急升，這次能守住嗎？

讓我們開始吧。

主題一 | Nvidia聯手聯發科，進行ASIC佈局？

聯發科獲得了Nvidia 35 億美元的投資。這消息一出，聯發科股價立刻上漲，很多人解讀為「Nvidia看好聯發科在 AI 方面的發展前景」。

但實際上，這是因為Nvidia現在面臨一個新的問題：

當全球的科技大公司都在自己設計 AI 晶片時，這些晶片做出來之後，到底要插在哪家的伺服器機架裡？用誰的網路？用誰的記憶體系統？

Google、Amazon、微軟、Meta、OpenAI 這些公司都在開發自己的 AI 晶片。每家公司每年投入上千億美元，都在設計自己的晶片架構。

Nvidia無法阻止這種趨勢，他們總不能要求別人不要自己做，繼續購買Nvidia的 GPU。

但是，現在半導體的新方向是：晶片早已不是唯一的產品。

真正的產品其實是「整座伺服器機架」。它需要能讓幾百顆晶片串連起來運算，讓大型模型的訓練過程不會中斷。

這包括了晶片之間的通訊、記憶體控制、封裝技術、散熱、電力供應以及軟體。Nvidia花了十年時間才建立起這些硬體能力。

因此，Nvidia的策略改變了：既然無法阻止客戶自己設計晶片，那就要讓每一個晶片，無論是誰設計的，最終都透過Nvidia的接口來連接。

這就是Nvidia推出的 NVLink Fusion 方案。

Fusion 到底是什麼？

Fusion 聽起來像是一顆晶片，但實際上它是Nvidia為客戶自行研發的晶片提供的「三層外殼」：

第一層（晶片溝通）：讓客戶自行研發的 AI 晶片，能以極高的速度和極低的延遲與Nvidia的中央處理器（CPU）進行通訊。

第二層（高速網路）：在一整座伺服器機架裡，讓數十顆晶片之間能夠高速互聯。客戶不需要自己花大錢設計這套複雜的網路，只要安裝Nvidia的專用橋接晶片，就能直接連接到Nvidia的網路系統。

第三層（記憶體控制）：Nvidia將最複雜的高頻寬記憶體（HBM）控制器移走，放在Nvidia設計好的基礎架構上。這樣一來，客戶的晶片可以省下大約 25% 的空間來增加運算能力，速度更快，也更省電。

Nvidia希望達到的目標是：客戶所謂的「自行研發晶片」，實際上只有負責計算的核心部分是客戶自己設計的。

記憶體控制是Nvidia的、晶片之間的連接是Nvidia的、機架內的網路也是Nvidia的。甚至機架、散熱、電力到軟體，都將由Nvidia提供。

為什麼聯發科需要Nvidia

很多人會問：聯發科自己也能做晶片傳輸、也能做封裝，為什麼非得要Nvidia的「Fusion 認證」？

現在最新型的 AI 超級伺服器，一整櫃的用電與發熱量，是一般傳統機房的十倍以上。

這種驚人的密度，多裝幾隻風扇根本散不了熱，必須全套改用液冷、重做電力與結構。

Nvidia過去十年最厲害的，就是把幾十顆，甚至上百顆晶片、超高速纜線、散熱水管、電源和調度軟體，直接組裝成「一整櫃買來就能用」的超級電腦。

沒有Nvidia認證前，聯發科就算做出頂級晶片交給客戶，客戶也得自己想辦法：

• 「這顆晶片要怎麼跟旁邊 70 幾顆晶片溝通？」

• 「發熱量這麼大，要怎麼插進超高功率的機櫃裡？」

除了 Google 或亞馬遜這種有上千人頂尖工程團隊的巨頭能自己解決，其他中小型雲端公司或 AI 實驗室，根本搞不定這些周邊配套。

有了Nvidia Fusion 認證，聯發科對客戶講話的底氣完全不同了： 「最重要的運算大腦由你設計；傳輸、記憶體組裝、散熱和機櫃對接，我們跟Nvidia幫你全包。」

聯發科的角色，正式從「賣零件的工程師」，升級成「提供一整套系統解決方案的統包商」。

客戶為什麼會願意用

客製化 AI 晶片是一個極度封閉的頂級俱樂部，玩家只有 Google、Meta、微軟、OpenAI 這幾家巨頭。過去這個市場九成以上被博通與 Marvell 壟斷。

新進業者最大的門檻，不是晶片畫不出來，而是客戶不相信你有能力順利出貨。

過去，聯發科其實一直在幫 Google 代工部分周邊晶片，實力很強，但多數只是供應鏈傳聞，沒有名分。

Nvidia這次做的事，意思很簡單：

「任何客戶想做自研晶片，只要找聯發科，就能無縫接軌Nvidia的機櫃生態。」

這對聯發科有三大關鍵好處：

1. 省去敲門時間：對一家剛要擴大伺服器業務的公司來說，有了Nvidia背書，比派 200 個業務去敲門更有效。

2. 解決產能排隊問題：台積電最先進的封裝產能（CoWoS）極度缺貨，大家都要排隊。走Nvidia Fusion 認證的產品，等於是搭上Nvidia的「特快車」，台積電自然優先處理。

3. 定位轉變：在台積電眼裡，聯發科不再是前來搶產能的「第三者」，而是「幫Nvidia把更多客戶帶進生態系」的自己人。

聯發科的三條業務線

許多人認為聯發科只是一家「生產手機晶片，最近想搭 AI 熱潮製作客製化晶片（ASIC）」的公司，但這種看法過於簡單。

聯發科實際上擁有三條截然不同的業務線：

第一條：手機和電視晶片。

這是大家最熟悉的產品，也是公司主要的獲利來源。

第二條：傳統客製化晶片。

這條業務線已經營運很久，他們曾為 Sony 和微軟製造遊戲機晶片，也為電信巨頭提供網路設備晶片。

第三條：AI 資料中心晶片。

這是Nvidia此次投資的目標。客戶提供核心運算架構，聯發科則負責周邊的高速訊號傳輸、先進封裝以及與台積電協調代工事宜。這是一條全新的高利潤業務。

聯發科能夠承接這項新業務，並非因為他們突然學會了設計 AI 核心，主要是因為他們花了十年的時間，將高速傳輸團隊從一個「交換器」的夢想，轉變成一個「ASIC 承包商」。

大約十年前，聯發科曾雄心勃勃地想挑戰博通，開發自有品牌的資料中心網路交換器。投入幾年資金後，公司高層做了一個非常艱難的決定：放棄自有品牌，退居幕後，專心為大廠提供客製化代工服務。

這次策略上的調整，讓聯發科深刻認識到自己的定位：不建立自己的商業帝國，只做頂級的承包商。

這恰恰是Nvidia所需要的。博通的 CEO 想要建立自己的完整生態系統，從晶片到網路一手包辦；而聯發科的心態是「你提供設計圖，我幫你把它做出來，我不搶風采，也不搞封閉的生態系統」。

聯發科在手機時代傳承下來的傳輸訊號控制、先進封裝技術、以及省電設計能力，讓他們成為一個沒有稱霸野心，卻擁有頂級製造技術的超級代工廠。

金融工具的密碼

了解了聯發科的實力，你才能明白Nvidia這 35 億美元的投資背後有什麼考量。

Nvidia並非直接購買聯發科的股票，而是買下了聯發科發行的「五年期零息海外可轉換公司債」。

對聯發科來說，零息美元債券是一種非常划算的資金來源，可以用來支付台積電昂貴的晶圓和 HBM 費用。

對Nvidia來說，這是一種「信用保證加上期權看漲」的合約。如果業務失敗，五年後可以拿回本金；如果業務成功，則可以分享股價上漲的紅利。

在聯發科於 AI 領域還在快速發展的階段，利用這筆資金將Nvidia的標準深度整合到底層架構中，比未來面對這些科技巨頭時再去談判要划算得多。

與Marvell交易的相異

理解了聯發科的定位後，再回頭看Nvidia先前投資 Marvell 的 20 億美元交易，你會發現黃仁勳同樣在佈局「伺服器機架的控制權」，只是細節有所不同。

這兩筆投資實際上都在購買同一件事：即使無法阻止客戶自己設計 ASIC 晶片，也要確保這些 ASIC 晶片內部或旁邊，仍然包含Nvidia的零件。

黃仁勳實際上的潛台詞是：「你可以選擇不買我的旗艦 GPU，但你絕對無法在不使用我的系統架構、網路技術和晶片互聯標準的情況下，建立起一個 AI 集群。」

那麼，「Nvidia的零件」具體指的是什麼呢？Marvell 和聯發科的強項各有不同。

Marvell 解決的是「跨晶片的通訊問題」。

當幾千顆晶片需要串連時，傳統的銅線傳輸已經達到極限，資料傳輸緩慢且產生大量熱能。

Marvell 最近斥巨資收購了矽光子新創公司 Celestial AI，掌握了全球最頂尖的光學傳輸與網路技術。

Nvidia給 Marvell 20 億美元，實際上是購買了「用光代替電」的能力。讓客戶自行研發的晶片在離開晶片本身後，能透過 Marvell 的光學網路，以光速連接到Nvidia的機架中。

Marvell 的任務是讓晶片能夠跨越空間，以極高的頻寬進行互聯。

聯發科則解決的是「晶片本身的實體整合與落地問題」。

光有光學網路是不夠的，客戶設計的運算核心圖紙，該如何與高頻寬記憶體（HBM）結合？如何進行先進封裝（CoWoS）？如何在極高功耗下做好散熱？這正是聯發科的專長。

聯發科與台積電有著深厚的合作關係、扎實的高速 I/O 傳輸經驗以及省電設計技術。Nvidia給聯發科 35 億美元，買的是「頂級的實體建造工藝」。

聯發科的任務是將客戶設計的核心，包裝成一個可以真正出貨、能安裝在伺服器里的實體成品。

簡單來說：Marvell 讓晶片能夠互相溝通，聯發科則讓晶片能夠實際安裝並運行。

真正的目標

Nvidia的合作夥伴名單中有 Intel、Marvell 和聯發科，但沒有博通（Broadcom）。

這是因為博通正在打造一套能夠完全繞過Nvidia的替代方案。

在伺服器和資料中心的跨機架通訊方面，博通大力推動超乙太網路聯盟，並搭配自家的高階網路交換晶片系列，試圖證明「開放架構的乙太網路比Nvidia專用的 InfiniBand 或高速交換平台更好用」。

從客製化加速處理核心、晶片間的高速互聯、跨機架的乙太網路交換，到光學傳輸模組，博通擁有完整的技術藍圖。

科技巨頭只要找博通，就能建立一個完全不需要Nvidia技術、從硬體到網路都排除Nvidia的 AI 資料中心。

資助博通，等於是幫助了唯一有能力提供「去Nvidia化」完整解決方案的對手。因此，Nvidia的策略非常明確：支持第二名（Marvell），扶持第三名（聯發科），孤立第一名（博通）。

現實情況是，博通仍然是客製化 AI 的主要承包商，與 Google 的合約將持續到 2031 年，預計在 2027 年仍能看到數千億美元級的 AI 收入。

但是，客製化晶片市場正從一家獨大的局面，走向需要為客戶提供第二個選擇的階段。而黃仁勳的目的，是讓這個新興起的聯發科，從一開始就採用Nvidia的技術語言。

Nvidia無法阻止別人設計晶片。但Nvidia希望確保，那些晶片最終安裝的伺服器，仍然有Nvidia的技術存在。

主題二 | OpenAI斷供Cursor的啟示

Cursor的創辦人 Michael Truell 曾經這樣形容他和 OpenAI 的關係：「我們只是把他們的 AI 當作事業基礎設施，大家各取所需。」

結果短短三個月後，OpenAI 就宣佈直接斷供，不再賣 AI 給他們。

很多人第一時間的反應可能是：「Sam Altman跟 Elon Musk 又吵架了吧？」

這當然是原因之一，但如果只把它當成富豪之間的私人恩怨，就會錯過一個影響整個 AI 業界的關鍵大趨勢。

Cursor 是什麼

Cursor 是一套給工程師用的程式編輯軟體。工程師在介面裡寫程式，旁邊會有一個 AI 助手，幫忙讀取整個專案並修改程式碼。

這個助手背後接的是各大科技巨頭的模型，包括 Anthropic 的 Claude、Google 的 Gemini、xAI 的 Grok，以及 OpenAI 的 GPT。

雖然 Cursor 自己也有開發 AI，但目前市面上最強的 AI 大腦依然掌握在這些巨頭手上。

那 Cursor 的價值在哪？答案是工作流程整合。

雖然三大 AI 實驗室掌握著性能最強的模型，但 Cursor 把焦點放在介面與系統開發上，讓 AI 能直接讀取完整專案、一次修改數十個檔案、自動執行測試，並在出錯時快速復原。

對工程師來說，底下換哪一家 AI 模型不重要，軟體好用最重要。

憑著這個優勢，這家公司在短短兩年內快速崛起，年營收衝上 40 億美元，公司估值高達 500 億美元。

真正引爆衝突的轉捩點

今年 8 月，SpaceX 出價 600 億美元，以全股票收購的方式把 Cursor 整家買了下來。

而xAI則是SpaceX底下的公司，這意味著 Cursor 現在跟 xAI 的 AI 模型（Grok）變成了同一個老闆。

SpaceX 花了 600 億美元，買下的其實是無數工程師每天盯著看十幾個小時的「軟體入口」，並確保能把自家的 Grok AI 放到最顯眼的位置。

站在 OpenAI 的角度看：Cursor 本來是一家幫大家賣 AI 的「中立經銷商」，現在卻一夜之間變成了「最大對手的直營專賣店」。

如果你是 OpenAI，你還會繼續把自家最核心的產品，供貨給對手的專賣店嗎？

5% 與 10 億：兩個數字如何同時成立？

Cursor 執行長 Michael Truell 當下的回應很簡短：OpenAI 的模型只佔 Cursor 總流量約 5%，雙方仍在協商。

但幾天後，媒體披露了另一個數據：OpenAI 內部估算，這筆合作每年能帶來超過 10 億美元的收入，Cursor 曾是 OpenAI 前五大客戶之一。

一個說 5%，一個說 10 億，誰說的才是真的？

答案是兩者都對，因為「使用次數不等於收費金額」。

Cursor 的收費模式分成兩層：平常寫簡單程式、自動補齊文字時，系統會調用價格便宜、甚至自家的 AI 模型，這類基礎請求佔據了 95% 的總流量。

但當工程師需要處理極度複雜的系統架構、分析大量資料時，才會動用 OpenAI 最頂級、也最昂貴的模型。

那 5% 的流量雖然次數少，但每一次運算收費極高。更重要的是，企業客戶願不願意花錢訂閱 Cursor，看重的往往就是這 5% 的高階處理能力。

對 OpenAI 來說，斷供等於直接放棄每年 10 億美元以上的批發收入；對 Cursor 來說，則失去產品最關鍵的賣點。

企業客戶在採購時，勢必會猶豫：Cursor這裡還能不能用到市面上最強的 AI？

OpenAI 為何選擇斷供？

OpenAI 在聲明中特別提到過去的糾紛：Elon Musk 買下 Twitter 後撕毀了與 OpenAI 的資料授權，後續也在法庭上承認 xAI 曾違反 OpenAI 的使用條款。

簡單來說，一個正在與你打官司的競爭對手，買下了你最大的經銷商。從此之後，你提供的技術很可能被對方拿去改良自己的產品。

商業合約中通常設有「控制權變更條款」，當客戶被收購時，供應商有權終止合作，避免自家技術間接服務於競爭對手。

一般情況下很少公司會使用這項條款，因為這意味著放棄客戶與收入。

OpenAI 這次選擇執行這項條款，代價是損失每年 10 億美元以上的營收。

真正讓 OpenAI 下定決心的，是即將推出、程式能力大幅提升的新一代模型 Astra。

把這項技術提供給一般客戶是合理的商業風險，但如果提供給資源充足且具備直接競爭關係的對手，就等於將核心技術直接送進競爭陣營。

Anthropic的「雙標」

整場事件中最引人關注的，是另一家 AI 巨頭 Anthropic 的反應。

在 OpenAI 宣布斷供後，Anthropic 的計算負責人 Tom Brown 隨即在社群上高調表態：「我們將繼續加碼算力，支持 Cursor 裡的 Claude 模型。」

你可能會想：Anthropic比較溫和、比較看重合作。

但回顧過往紀錄，情況並非一直如此。

一年前，當傳出 OpenAI 打算收購另一款程式工具 Windsurf 時，Anthropic 在幾天內就終止了對 Windsurf 的技術供應，其創辦人當時直言「把自家技術賣給 OpenAI 很奇怪」。

今年初，他們也曾因競爭對手的工程師透過 Cursor 使用 Claude，而直接暫停過服務。

為什麼之前選擇切斷，這次卻選擇留下來？

關鍵在於雙方龐大的資金與設備綁定。今年 5 月，Anthropic 租下了 SpaceX 龐大資料中心的所有運算設備，每月需支付高達 12.5 億美元的租金。

這讓 SpaceX 同時具備了三重身份：

• Anthropic 的設備出租方（房東）

• 競爭對手 Grok 的母公司

• 程式工具 Cursor 的母公司

如果 Anthropic 此時選擇對 Cursor 斷供，等於直接得罪自己的設備供應商。

再加上 Claude 目前是 Cursor 用戶最常使用的模型，一旦停止合作，不只會失去龐大的銷售收入，還可能面臨設備合約被影響的風險。

這項合作背後並非單純的夥伴信任，而是每月高達 12.5 億美元的利益牽制。

Anthropic 評估風險後，選擇一邊租用對手的設備、在對手的平台上銷售服務，來爭取市場發展的時間。

垂直整合才是真正的護城河

將時間軸拉長來看，這兩起事件顯示出整個 AI 產業的轉變。

Cursor 過去的優勢並非擁有自研的頂級 AI，而是像一家大型選品店，讓工程師自由選擇各家最優秀的模型。

這種獨立性是它能在兩年內快速成長至 40 億美元年營收的核心原因。但在被巨頭收購後，獨立經營的模式便難以為繼。

在這場競爭中，各方策略呈現不同的取捨：

OpenAI 丟了批發量，換取了確定的安全邊界。

它把防線往後撤，試圖將開發者逼回 ChatGPT、Codex 這些「一等公民通道」。

SpaceX (Cursor) 雖然失去了獨立中立的招牌，卻抓牢了 AI 最關鍵的兩個資源：廣大工程師的使用習慣，以及每天寫程式產生的真實數據。

自家 Grok 還不夠強時，先靠出租算力設備大賺租金；等 Grok 練成了，再順理成章接管整個軟體，把收益全部收進口袋。

Anthropic 賺到了眼前的銷售額，卻等於把自己的產品，擺在對手開的店裡賣。未來數據會不會被拿來訓練，也是未知之數。

這再一次說明了，「包一層別人模型再賣」的應用層，其護城河只是一種商業幻象。

主題三 | 非農爆表，要升息了？

八月的非農就業數據出來了，新增 16.2 萬人。

相比市場原先預估的 5 萬多，這個數字高出不少，失業率則維持在 4.1%。

數據公布後，市場預期美聯儲在九月加息的機率，從原本的 50% 上升到約 60%。

但這麼火熱的數據，升息機率怎麼才增加 10%？不是應該肯定要升息了嗎？

16.2 萬的含金量

當你把 16.2 萬拆開來看，你會發現這個超預期的來源非常集中。

• 餐飲服務業：單月增加 5.9 萬人（過去一年的月平均僅約 1.2 萬人）。

• 地方政府教育部門：增加 4.2 萬人（主要屬於暑假結束後的季節性人力回補）。

光是這兩個行業就貢獻了 10.1 萬人，占了整體增幅的 62%。

相對地，過去表現穩健的醫療保健業，本月僅增加 1.3 萬人（低於過去一年平均的 3.2 萬）。

而資訊行業則繼續萎縮，減少了 2.3 萬人，主要集中在數據處理、出版和內容廣播。這是「AI 正在取代部分白領工作」最直接的體現。

這說明就業市場僅由餐飲反彈與開學季節因素帶動，整體並未全面強勁。

此外，薪資成長幅度溫和（年增率從 3.2% 微降至 3.1%），這意味著，雖然人招得多了（主要在餐廳和學校），但並沒有引發任何「薪資—通膨」螺旋的跡象。

理事的發言

事實上，在非農公佈之前，有兩位美聯儲官員都分別發表了講話。

9 月 3 日，美聯儲理事 Waller 在接受採訪時把話說得非常直白。

他傾向「有條件的按兵不動」。他提到：「給通脹降溫一個機會，我們可以等一次會議。現在加息 25 個基點並不能把 CPI 降到 2%。」

但他緊接著補充了下半句：「如果通脹數據火熱，我會考慮加息。」他強調目前的政策僅僅是「輕微限制」需求，因此「不需要通脹加速太多，就能促使我採取行動」。

前一天，紐約聯儲主席 Williams 也表達了極度相似的立場。

Williams 表示，目前沒有明確跡象表明當前的貨幣政策是否足夠，必須等待完整的數據圖景，也就是下週的通脹。他沒有否決九月加息的可能性，但明確把決定權交給了通脹的後續軌跡。

這兩位重量級官員的表態，在 16.2 萬非農出爐前就已經定下了一個基調：勞動力市場並非這場會議的決定性變量。真正的決定性變量，是通脹。

16.2 萬背後的「數據噪音」

這場數據大戲最耐人尋味的地方，在於預測與現實的巨大落差。

市場原本預估新增 5 萬多，結果爆出 16.2 萬；兩天前 ADP 民間數據才顯示就業疲軟，前兩個月的非農數字甚至還一口氣上修了 5.5 萬人。

短時間內，整體經濟氛圍彷彿徹底翻轉。

這並非經濟學家算盤打錯，這純粹是統計數據本身的真實性格。 暑期的季節性調整充滿了干擾與統計雜訊，點狀的預測值在誤差範圍面前顯得相當脆弱。

「經濟微幅擴張」與「經濟再次升溫」，在初期往往被包在同一層數據噪音裡。

數據無法精準預測，但依然可以理性解讀。

看待這類數據，不必過度執著於「標題數字與預期的落差」，而應細看產業變化與薪資走勢，才不會被短期的統計波動弄亂了陣腳。

主題四 | 博通CEO：不要只看毛利率下跌，要看營業利潤率

博通（Broadcom）最新一季的財報，營收大漲，但毛利率卻從上季的 77.1% 掉到 75%，下一季的指引更是直接降到 73%。

面對市場對毛利率下滑的疑慮，CEO Hock Tan 給出了一個很明確的指引：不要盯著毛利率，要看營業利潤率（Operating Margin）。

他是在轉移焦點，還是博通真的該這樣看？

答案是：兩者都有道理，但角度不同。

為什麼 Hock Tan 是對的？

要理解 Hock Tan 的邏輯，得先看博通現在最熱門的成長引擎：客製化 AI 晶片（XPU）。

這類晶片需要搭配非常昂貴的HBM。博通的做法是把昂貴的 HBM 買進來，封裝進晶片後再整包賣給客戶。

這招讓博通的營收數字暴增，但因為 HBM 是高價進、低利差轉手，本質上記帳方式更像是幫客戶代購加組裝。

在這種模式下，要維持過去 80% 的高毛利是不切實際的。Hock Tan 追求的，是靠龐大規模疊加出來的總利潤。

況且，Hock Tan 是業界出了名的「省錢與控管大師」。

上一季博通半導體部門營收暴增 127%，但營運費用（如研發、人事、行政）僅成長 22%。

即使毛利率下降，博通憑藉極致的成本控制，依然把營業利潤率推上了 67.9% 的歷史新高。

簡單來說：HBM 的採購成本（影響毛利率）由市場決定，CEO控不住；但公司開銷與人力（影響營業利潤率）是 CEO 說了算。 他叫你看營業利潤率，因為那是他掌控力最強、也做得很漂亮的成果。

但為什麼毛利率依然重要？

既然營業利潤率這麼漂亮，我們能完全無視毛利率下滑嗎？

答案是不行。因為毛利率下滑，反映出博通業務結構正在發生根本性的轉變。

以前，博通主要賣高利潤的晶片設計和 VMware 軟體（軟體毛利率高達 94%）。

但現在，XPU 佔總營收的比例從第二季的 49% 飆升到第三季的 56%，第四季指引更將達到 62%。高利潤的軟體業務佔比被快速稀釋了。

這和 Nvidia 的情況不同。Nvidia 的毛利率下滑，主要是因為 HBM 短期漲價，是一個明確的、可控的短期週期。但博通的毛利率下滑，是結構性的。只要客製化晶片賣得比軟體快，毛利率就會繼續往下掉。

毛利率是一個預警指標，它告訴你生意的本質與結構正在發生變化。博通正在從一家賣輕資產設計和軟體的公司，變成一家扛著沉重物料成本的硬體整合巨頭。

兩個指標，兩種視角

所以，我們不應該在毛利率和營業利潤率之間二選一。因為它們代表了博通不同的面貌。

營業利潤率（第四季指引 66%）告訴你管理層有多會賺錢和省錢，它是規模效應和執行力的體現。

毛利率的下降，在告訴你這門生意的護城河形態和資本密度正在發生什麼改變，它是商業模式演進的領先指標。

Hock Tan 沒有騙人，他無疑是全球最懂成本控管與資本配置的 CEO 之一，他指出的指標確實證明了博通優秀的執行力。

但作為投資人，我們依然需要同時觀察毛利率。因為將這兩個數字對照著看，才能真正明白博通為了拿到 AI 時代的門票，正在經歷怎樣的基因重組。

主題五 | 日圓急升，這次能守住嗎？

日本和美國聯手在八月花了 15.4 兆日圓干預匯市，創下單月歷史紀錄，日圓卻還是慢慢滑回 160 邊緣。

於是，他們再次出手，把日圓從160拉升到155。

為什麼撒錢救不了日圓？

我們先來快速重溫干預的本質。

日本銀行干預匯市，必須先賣掉外匯存底裡的美國公債換取美元，再拿美元去買日圓。

今年七月美日聯手干預時，美國特意允許日本透過聯準會的 FIMA 窗口抵押美債來借美元，確保日本不用在市場上拋售美債。

八月日本和美國自己下場，用真金白銀去救，結果無功而返。

原因很簡單：決定日圓走勢的根本是「美日利差」。美元利率遠高於日圓，全世界的資金都想把日圓換成美元拿去存高利息。

光靠日本政府拿著幾千億美元進場護盤，根本檔不住全市場蜂擁而至的套利資金。

G20 那個週末發生了什麼

八月底的 G20 財長會議，事情終於有了變化。 美國財長 Bessent 會後見了日本央行總裁植田和男與財務大臣片山皐月。隨後他對媒體講了一句非常微妙的話：

「我掌握了市場不知道的資訊，我相信日本政府會做出讓日圓走強的決定。」

日本央行總裁植田也隨即補充：「未來的每一次會議，我們都可能調整利率。」 日圓應聲跳升，但這次和上次有甚麼區別？

簡單來說，下場買日圓是治標，讓市場相信利差會縮、財政會收，才是治本。

日本政府的「雙重矛盾」

日圓過去之所以一直站不穩，除了利差，核心問題在於日本內閣的「政策矛盾」。

首相高市早苗為了討好選民與刺激經濟，推出了高達 143 兆日圓的龐大預算，還打算把食品消費稅從 8% 降到 1%。 這讓日本經濟政策陷入了嚴重的自我衝突：

1. 央行想升息（踩煞車）：藉由調高利率來拉近與美元的利差，拯救日圓。

2. 財政部卻大撒幣發債（踩油門）：政府大舉借錢支出，等於告訴市場「弱日圓造成的物價上漲，由政府發債買單」。這會讓日本公債利率失控飆高。

一旦日本財政失控、公債賣不掉，日本最終可能會被迫賣掉手上的美國公債來救急，這會直接拖垮美國的債券市場。

美方在 G20 會議上的態度非常明確：日本必須回到可持續的財政軌道上，不能靠無限發債來玩這場遊戲。

美國的底線：不要賣我的美債

對美國來說，底線是日本不要倒美債。但這條底線有兩層。

官方管道（美方可控）：

日本政府或央行干預匯市時需要的美元，現在可以透過 FIMA 窗口以美債作為抵押來借取，避免了在公開市場上直接拋售美債。

民間金主（美方難控）：

真正的隱患在於日本民間的壽險公司、商業銀行與養老基金（GPIF），他們持有著龐大的美債與美股資產。

如果日圓突然暴漲、日本國內利率快速上升，這些民間巨額資金就會掀起龐大的撤資潮。

這解釋了為什麼華盛頓一方面為日本官方開闢 VIP 通道，另一方面又嚴厲要求日本做到財政收斂。因為政府如果繼續大撒幣，民間資金終究會引發拋售美債的風暴。

美國要的是「慢速升息」

美國對日圓的要求非常微妙，有下限，也有上限。

下限（不能太弱）： 日圓不能再跌破 164。

一旦跌破，日本政府又得砸錢干預，這會再次消耗美國給的 VIP 通道。

上限（不能升太快）： 日圓絕對不能「暴風式大升」。

還記得 2024 年 8 月日本央行突然升息嗎？當時全球金融市場引發大雪崩，日股一天大跌 12%，美股也跟著遭殃。這種「無序暴跌」是美國最害怕的。

因此，華盛頓要的是一個「可預測的慢動作」：日本央行一次只升息一小步（例如 0.25%），態度稍微偏鷹派，維持威脅就好。

讓美日利差慢慢縮小，絕不能給市場任何驚喜或恐慌。

升息對日本政府會有甚麼影響？

日本每年有高達 180 兆日圓的國債到期，絕大部分都需要「借新還舊」。這個規模甚至超過了許多發達國家的 GDP。

在過去接近零利率的時代，政府的利息開支尚可承受；但如果利率從 1% 上升到 2%，日本政府每年需要額外支付的利息將激增超過 20 兆日圓。

首相高市早苗承諾將食品消費稅降至 1%，每年將產生約 5 兆日圓的預算缺口。

當政府光是支付利息就要多花十幾兆日圓時，「減稅福利」與「飆升利息」將在同一張預算表上形成不可調和的矛盾。

日圓的漲勢能撐多久？

這件事最難地方在於，日本根本沒有無痛的選擇。

日本經濟長期處於低速運轉，過快升息會直接打擊企業投資與民眾消費，讓脆弱的復甦雪上加霜。

面對供應鏈重組、能源轉型與人口老化，日本需要巨額資本進行產業升級。升息帶來的借貸成本上升，大幅抬高了這些長期投資的門檻。

通家庭盼望日圓升值來平抑制物價；但利率一旦上升，房貸負擔加重、企業融資變貴，政府更是被天價利息壓得喘不過氣，無法提供進一步的減稅或福利。

高市早苗試圖透過大幅減稅來穩住支持率，美國則在背後強力施壓要求她「少撒錢、快升息」。

每當政局動盪或民調下滑，東京當局重新大撒幣來挽救支持率的衝動就會再次佔據上風。

暫時來看，美國的施壓在短期內取得了成效。但在接下來的每一次國會攻防中，政策走向隨時可能再次出現翻盤。

美方逼出的政策承諾能維持多久，日圓的升勢就能延續多久。

謝謝你閱讀到這裡，如果你覺得這份筆記為你帶來了價值，請不吝按下一個讚，這是我持續分享的最大動力。

我在Facebook和Threads都有每天發佈當天對市場的觀察，大家也可以考慮追蹤我的社交媒體。

另外我在Telegram有頻道，每天早上我會發當天重要新聞摘要。

同時，如果想開戶的話，可以考慮用我的富途/口袋證券獨家推薦碼，會有更多優惠。

全部資訊在以下鏈結：

https://linktr.ee/fomo_soc

另外，如果你已經加入付費會員，不要浪費了群組的功能，進入我們Substack的Chat功能一起討論市場!

· KP

博通（Broadcom）的股價已經橫盤整理了好一陣子。

另一邊，競爭對手來勢洶洶。Marvell 與聯發科相繼攻入 Google 的自研晶片（TPU）供應鏈，Google 投資 Marvell，連 NVIDIA 也宣佈投資聯發科。

緊接著，博通交出了營收大增 86% 的亮眼財報，股價卻不升反跌。

一家喊出 AI 業務要「每年翻倍」的半導體巨頭，市場為什麼開始不買帳？究竟是華爾街看錯了，還是背後真的藏有隱憂？

先說結論：博通的成長性依然極強，但「財務品質」與「資本結構」卻在轉型中發生了實質變化。

這不一定是壞事，因為這種「品質下降」是管理層為了搶下極致 AI 規模而刻意為之的戰略選擇，但這也正是機構開始猶豫、甚至重新精算風險的關鍵。

在這篇深入財報分析，我會為大家帶來7個重點。

雖然涉及不少硬核數據，但我保證會用最白話的邏輯講透。看完後，你將徹底明白博通當前的真實處境，並得出屬於你自己的投資結論。

重點一｜成長幾乎全部來自 AI

重點二｜指引其實算保守

重點三｜採購承諾與供應鏈數據能對上

重點四｜與競爭對手的對比

重點五｜毛利率下滑，因為賣的東西變了

重點六｜XPV 解決了今天的資金，沒有消除明天的信用風險

重點七｜「按暫停鍵」的零回購：資本配置戰略轉向

重點一｜成長幾乎全部來自 AI

1. 成長接近 100% 靠 AI 在撐

• 過去的博通像「多功能綜合體」（高毛利 VMware 軟體 + 穩定的傳統晶片 + AI 想像空間）；現在則變成「AI 單核主引擎 + VMware 提供現金流防守墊」。

• Q3 總營收季增 $74 億美元，光是 AI 晶片就貢獻了 $59 億美元（佔新增營收約 80%）。

• Q4 預計總營收再增 $52 億美元，其中 AI 包辦 $50 億美元，代表傳統業務幾乎不再貢獻新成長。

2. Q3 表現：超越預期，但全靠 AI 超額發揮

• 財報總數字擊敗預期，但拆解細項會發現，是 AI 的暴衝補足了軟體與傳統晶片的微幅落後。

• 實際 vs. 原先指引：

  • AI 半導體： $167 億美元（預期 $160 億，多出 $7 億）。

  • 非 AI 半導體： $41.4 億美元（預期約 $45 億，少約 $3.6 億）。

  • 基礎設施軟體： $87.5 億美元（預期約 $89 億，少約 $1.5 億）。

  • 總營收： $295.9 億美元（高出指引 $1.9 億美元，年增 86%）。

3. 華爾街胃口被養大

• AI 業務本身完全沒有失誤，但華爾街對總營收的要求極高。非 AI 業務與軟體成長拉平，導致總體展望稍微低於市場最樂觀的預期。

• Q4 總營收指引： 給出 $348 億美元，略低於市場預期的 $350 億–$351 億美元

• Q4 AI 展望： 強勢達 $217 億美元（年增 236%），佔總營收超過 62%。

4. 軟體與傳統晶片：壞掉了嗎？

• 軟體只是從「高暴衝期」轉為「平穩築底」，並未崩盤；傳統晶片則呈現溫和打底。

• 軟體業務（含 VMware）： Q3 營收 $87.5 億美元（年增 29%），營運利潤率高達 84%，依舊是極穩固的現金牛。

• 非 AI 晶片： Q4 預計維持在 $43 億美元 左右，呈現季度持平。

5. 管理層長期展望

• 執行長 Hock Tan 為了平撫市場疑慮，直接給出未來幾年狂暴的 AI 營收藍圖。

• 2026 財年 AI 營收： 從 $560 億上調至 $580 億美元。

• 2027 財年 AI 目標： $1,150 億美元（翻倍成長）。

• 2028 財年 AI 目標： $2,300 億美元（再翻倍）。

本節重點

重點二｜指引其實算保守

1. 天價數字已經是打過折的了

• 博通喊出的未來 AI 營收數字雖然誇張，但執行長 Hock Tan 表示，客戶想買的遠比指引更多。

• 執行長 Hock Tan 指出，客戶實際的需求看得到也拿得到，但部分訂單受限於施工與供應鏈進度，會滑出 2027–2028 年的交付窗口。這份指引是將可交付時程扣緊後的穩健數字。

2. 指引其實「非常保守」

• 客戶總需求： 博通點名的 6 大核心客戶（含 OpenAI、Anthropic 等）合計需要 30 GW 的資料中心電力。

• 單 GW 博通價值： 每 1 GW 電力配置約 $200 億–$300 億美元 的博通晶片與網路元件（註：此為博通本身的出貨價值，非整座資料中心的總建造成本）。

• 理論總價值： 30 GW × $200–300 億 = $6,000 億–$9,000 億美元。

• 指引採納率： 兩年合計指引的 $3,450 億美元，僅佔理論總額的 38%–57%，代表管理層已預先扣除掉了建設延誤的風險。

Read more

2026 年 8 月 19 日，這個標題在全球各大媒體的推送中刷屏。Moderna的癌症疫苗通過了最高等級的臨床驗證，患者復發率大幅下降。

社交媒體上，「癌症被攻克」的字眼到處飛舞。

如果你是一個投資者，看到這個標題的第一反應大概是：生技股要起飛了。

但 9 天後，BioNTech 跟羅氏終止大腸癌二期。

同一類技術，一個戰場過關，另一個被獨立委員會叫停。

「治癒癌症」是一個醫學敘事，但投資是一門關於利潤率的生意。

這篇分析要做的，是把那個令人熱血沸騰的標題拆開，看看裡面到底藏著什麼。

誰真的會因為這件事賺到錢？誰只是在蹭一個好聽的故事？

我知道生技對大多數人來說是一個陌生的領域。術語艱澀、數據複雜、失敗率高得驚人，很多人看到新聞熱一下就過去了，根本不知道從哪裡下手。

所以這篇文章不會給你複雜的估值模型，也不會告訴你「買什麼」(雖然向來都不會)。

它更像是一張地圖：帶你走一遍這條產業鏈，從手術室裡的腫瘤切片，到工廠裡的疫苗合成，再到診所裡的那一針，搞清楚每個環節站著誰、錢是怎麼流動的。

有了這張地圖，下次再看到「癌症疫苗突破」這類新聞，你就不會只停留在「哦，生技要漲了」的層面。

你會知道該看什麼、該問什麼問題、以及該對哪些熱鬧保持冷靜。

第一章｜從奇蹟到失落：mRNA 的十年浮沉

2020 年，COVID-19。

全球幾十億人的生活陷入停擺，而幾家原本默默無聞的生技公司，正站在歷史轉折點的最前線。

Moderna 與 BioNTech，這兩個原本只有少數生技投資人與學界知曉的名字，在短短幾個月內變成了家喻戶曉的救世主。

1.1 2020：從天而降的救世主

在傳統醫學史冊裡，開發一款新疫苗的平均時間是十年。1960 年代最快的腮腺炎疫苗紀錄是四年。

Moderna 與 BioNTech 只花了不到十二個月，就把針頭扎進了全球數十億人的手臂裡。

在此之前，mRNA（信使核糖核酸）只是生技投資圈裡一個聽起來很美，卻連年虧損的邊緣概念。

Moderna 成立十年，累計燒掉了數十億美元，門面裡沒有一款上市產品，華爾街對它的態度基本上是無視。

隨後，世紀大疫情降臨。

mRNA 在一夜之間從實驗室神壇走入人間。Moderna 的年營收在2021年狂飆至 185 億美元，2022 年進一步攀升至 193 億美元的歷史高峰，帳上現金與短期投資的總額，在 2021 年底攀升至過百億美元；其股價從每股 20 美元一路狂飆至近 500 美元，市值逼近兩千億。

然而，神話的下一章並不是總是這麼完美。

1.2 2022-2025：後疫情時代的雪崩

病毒會突變，人類的恐懼會衰減。

隨著全球接種率飽和，疫苗的訂單開始以肉眼可見的速度斷崖式萎縮。到了 2024 年，Moderna 的營收已萎縮至高峰期的六分之一，超過 90% 的市值在短短兩年間灰飛煙滅。到了 2026 年第二季，單季營收只剩一億四千五百萬美元。

投資人的質疑非常直接：

「疫情是一個百年一遇的黑天鵝事件，你恰好手上有對的工具。但疫情結束了，你的下一個成長引擎在哪裡？」

「你的現金正在以每年數十億美元的速度燃燒。2026 年底，帳上可能只剩下不到五十億美元。你的研發管線裡，有什麼東西能在那之前產生百億級別的營收？」

「mRNA 技術確實厲害，但它除了打病毒，還能做什麼？」

對普通人來說，能做出一款救世的新冠疫苗，已經是天大的醫學成就。但在華爾街眼中，只會做「預防性疫苗」的公司，根本撐不起千億美元的高估值。

理由非常簡單：疫苗這門生意，本質上很難賺大錢。

大多數疫苗打一兩針就能保護很多年，無法提供源源不絕的重複消費。即使做流感或呼吸道疫苗，市場規模依然有限，而且早就被葛蘭素史克與賽諾菲等傳統老牌藥廠佔據了大部分市場。

Moderna 每年光是維持實驗室與全球工廠運作就要燒掉數十億美元，如果只靠賣幾支利潤薄弱的病毒疫苗，公司每年都會面臨巨大的虧損。

更重要的是，Moderna 創立時向投資人許下的承諾，從來就不是做一家「疫苗公司」。

1.3 攻克癌症的願景

他們的創辦團隊一直把 mRNA 技術比喻為人體的作業系統。

只要輸入正確的程式碼，人體就能自主製造出各種治病的蛋白質。在他們原本的藍圖裡，打病毒是最基礎的初級測試。攻克癌症，才是這項技術真正的終極戰場。

如果 mRNA 技術繞了一大圈，最終只能用來預防病毒感染，就等於宣告這個被寄予厚望的平台，在癌症與罕見病等最核心的領域徹底失敗。

為了證明自己不是曇花一現，Moderna 必須親手拿下一座最難攻克、但也最有價值的聖杯：個人化癌症治療。

然而，這項任務的難度與預防病毒完全是兩個世界。

病毒是通用的，一瓶疫苗可以打三億人；癌症卻完全不同。這世界上沒有兩顆完全相同的腫瘤，正如沒有兩個完全相同的靈魂。

要用 mRNA 攻克癌症，就必須為每一位患者量身訂做一劑獨一無二的個人化藥物。

流水線規模化量產的預防針，與一對一精準客製化的抗癌藥，在商業操作與製造難度上屬於完全不同的物種。

從 2023 年到 2025 年，Moderna 的腫瘤學管線進入了一段漫長的等待。

不是完全沒有進展，二期追蹤數據持續正面，三期正在收人。但市場等不了，投資人看到的只有現金在燃燒，營收在萎縮，腫瘤學的商業化收入依然是零。

更致命的是政策逆風，2025 年，美國政府陸續取消了多項 mRNA 相關合約，mRNA 技術被貼上了政治標籤。

技術在推進，現金在失血，政策在逆風。三重夾殺之下，市場漸漸失去了耐心。

所有人都在問：mRNA 難道真的只是一場短暫的煙火？

1.4 百年癌症疫苗的墳場

要理解癌症疫苗有多難，我們必需回看一下歷史。

早在 1900 年代，人類就嘗試過將患者的腫瘤組織磨碎後重新注回體內，試圖喚醒免疫系統。

1970 到 1990 年代，無數科學家嘗試過滅活癌細胞、蛋白質載體、樹突狀細胞……每一個策略都曾在實驗室裡閃爍過希望，卻無一例外地在規模臨床中失敗。

2010 年，FDA 批准了史上首款癌症疫苗 Provenge。然而，這款定價九萬美元、需要把患者血液抽出活化再輸回的繁瑣藥物，最終只能將中位存活期延長短短 4 個月。

四年後，其開發商宣布破產。

直到 2026 年 8 月 19 日。

那天早上，Moderna 與默沙東聯合發布了一份新聞稿：

個人化 mRNA 癌症疫苗 intismeran autogene 聯合 Keytruda，在三期臨床試驗 INTerpath-001 中，正式宣告成功。

這是 mRNA 癌症疫苗在人類醫學史上，第一次在最高等級的三期臨床試驗中奪下勝果。

但這個勝利到底是怎麼實現的？它背後的科學邏輯，跟過去一百年所有失敗的癌症疫苗有什麼本質上的不同？

第二章｜通緝令與解煞車：個人化癌症疫苗的科學邏輯

2.1 失敗的死結

為什麼過去的癌症疫苗總是失敗？原因出在免疫系統與癌細胞之間，一場「警察抓小偷」的博弈。

在人體內，T 細胞扮演著巡邏警察的角色。

過去癌症疫苗的思路很簡單：把癌細胞的特徵製成疫苗打入體內，相當於發給 T 細胞一張「通緝令」，讓它學會識別敵人。

在早期的實驗室階段，這個方法看起來很完美。血液檢測確實顯示，T 細胞被成功激活、個個摩拳擦掌。

但奇怪的是，一旦進入真實的腫瘤戰場，這些警察卻集體熄火，療效大打折扣。

因為科學家漏掉了一個關鍵：癌細胞是會「踩煞車」的。

當攜帶著通緝令的 T 細胞好不容易找到腫瘤時，狡猾的癌細胞會主動釋放一種抑制信號。

這個信號就像一個「強行熄火裝置」，會強制讓 T 細胞進入休眠狀態。

結果，T 細胞雖然拿著通緝令認出了壞人，武器系統卻被關閉了，只能眼睜睜看著腫瘤繼續長大。

2.2 破解煞車機制

直到最近十年，一種名為「免疫檢查點抑制劑」的藥物出現，才打破了這個僵局。

默沙東（MSD）開發的明星藥物 Keytruda（俗稱 K 藥），就是這類藥物的代表。

K 藥的作用非常單純：它唯一的任務，就是「剪斷煞車線」。屏蔽癌細胞釋放的抑制信號，讓 T 細胞的武器系統維持運作。

「煞車」雖然被解開了，但新的挑戰又來了。

如果患者剛做完手術，體內只剩下極微量、散落各處的殘留癌細胞。

這時候，單純用 K 藥解開煞車，T 細胞雖然戰鬥力爆表，卻不知道該去哪裡找敵人。

沒有精準的「通緝令」指引方向，這群解開限制的警察只會在體內盲目亂晃，依然無法徹底清除殘存的癌細胞。

至此，科學家意識到，要徹底消滅癌症，必須同時擁有兩樣武器：精準的通緝令，以及解開煞車的工具。

而那張「通緝令」的精準度與生產速度，成了拼圖的最後一塊。

2.3 從「手工雕刻」到「極速 3D 列印」

既然需要精準的通緝令，過去為什麼做不到？

因為癌細胞非常狡猾，每個病人的癌細胞基因突變完全不同。

即使是兩位同樣患有黑色素瘤的患者，他們癌細胞的突變特徵，重疊率可能也低於 1%。

這意味著，世界上不存在一種「萬能疫苗」可以通殺所有人的癌症。要達到最佳效果，必須為每一位患者量身訂做專屬的「私人訂製疫苗」。

然而，傳統生技藥物的製造方式，就像是「手工雕刻」。

需要在實驗室裡培養細胞、提取蛋白質，如果為了解救一個病人而重新走一遍這個流程，通常需要幾個月甚至半年的時間。

對於剛動完手術、急需防止癌症復發的患者來說，這個時間根本等不起，殘留的癌細胞可能早已擴散。

mRNA 技術的出現，徹底改變了遊戲規則。它把藥物開發從「傳統的生物培養」，轉變成了一種「訊息處理與化學合成」。

現在，科學家不需要在實驗室裡費時費力地培養細胞，只需要將患者腫瘤的基因特徵轉譯成「數位代碼」，輸入電腦。

化學合成設備就能像 3D 列印一樣，在極短時間內將這段代碼列印成 mRNA 疫苗。

這帶來了兩個顛覆性的改變：

• 極致的速度：從取得患者的腫瘤切片，到專屬疫苗合成完畢，整個週期被壓縮到短短數週。這恰好落在患者手術後、身體恢復並準備迎戰復發的「黃金窗口期」內。

• 無限的彈性：服務下一位患者時，不需要重新建立生產線或重新培養細胞，只需要在電腦裡更換一段「代碼」。這讓「一人一配方」的個人化醫療，第一次具備了工業化量產的可能。

Moderna 解決的，正是這張通緝令的「製作速度」與「專屬精準度」。

2.4 組合拳的誕生

前面分別講了「通緝令」和「解煞車」。這次試驗，就是人類第一次把兩者組合在一起。

試驗設計很直觀：一組患者同時接受疫苗和 K 藥，另一組只接受 K 藥。

結果非常清晰：在 K 藥已經解開煞車的前提下，加上疫苗提供的 34 個精準特徵，能顯著降低高風險黑色素瘤患者的復發與轉移機率。

過去一百年，科學家要嘛只有通緝令，要嘛只能解煞車。這一次，人類第一次將兩者結合，並在最高等級的臨床試驗中驗證了療效。

這次實驗，其實只是科學家選擇了最容易攻克的戰場。

第三章｜熱腫瘤、冷腫瘤與技術的真實邊界

2026 年 8 月 19 日的臨床數據公布後，許多媒體紛紛報導「癌症疫苗成功」的消息。

這個說法雖然符合事實，但在科學與商業層面，它忽略了一個關鍵細節。

Moderna 與默沙東選擇的戰場，是經過精密計算的。

Read more

大家好，我是 KP，歡迎來到第 57 期的《週末思考筆記》。

這期的前言稍微短一些，因為本週我準備了足足 6 個主題，內容資訊量相當大。

本週大家應該已經收到第二篇「財報解剖」，這次我們聚焦在 NVIDIA。由於這個系列剛推出不久，我想順道向大家梳理一下目前《FOMO 研究院》的內容架構：

• 週中【深入分析】：研究院的核心主菜。每篇動輒萬餘字，適合深度閱讀。許多讀者反饋，光是一篇的價值就超越了一個月，甚至一整年的訂閱費。此系列為付費會員專屬內容。

• 週末【思考筆記】：也就是你現在閱讀的這篇。內容完全免費，每期由 4–6 篇短評組成，整理我對過去一週市場關鍵事件的觀察與思考。

• 不定期【財報解剖】：作為付費會員的專屬 Bonus。只有當出現極具拆解價值的財報時，我才會特別撰寫。

不論你是免費訂閱者還是付費會員，都希望你能在這裡找到有價值的洞見。

另外提醒大家，付費會員在 Substack 設有專屬討論區（這也是全網唯一的官方社群，其餘皆為詐騙），歡迎大家多來交流，裡面有非常多的精彩洞見。

這個星期有六個主題，包括：

主題一 : Warsh鷹派發言，準備升息了嗎？

主題二：NVIDIA打算買 Hugging Face？為了甚麼？

主題三：OpenAI 的推出新辣椒晶片，要拋棄NVIDIA了嗎?

主題四：Salesforce 暴漲 20%，不再被AI殺死了？

主題五：市場在不滿Marvell的甚麼？

主題六：混合鍵合（Hybrid Bonding）又被推遲了？

主題一 : Warsh鷹派發言，準備升息了嗎？

千呼萬喚始出來。

上週美財長Scott Bessent操作，導致市場對美長債利率十分關注後，市場都變得十分關注Fed主席Kevin Warsh講話。

這番講話結束後，市場的解讀幾乎是一面倒的：「極度鷹派」。

反映在數據上，FedWatch 顯示的九月升息機率，在短短數小時內從 35% 飆升至近 60%。緊接著，美國長債利率應聲回落，短債利率則迅速推高。原本緊繃的債市警報，看起來暫時解除了。

但，事實真的如此簡單嗎？

Warsh說了甚麼？

在這場備受矚目的演說中，Warsh其實從頭到尾都沒有講過「九月必須升息」這六個字。

然而，他卻用極其嚴密的邏輯，向市場解釋了「為什麼Fed有可能要升息」。

• 引擎依然強勁： 企業在設備與無形資產上的投資，年增率達到了 9%，其中超過一半的動能來自人工智慧（AI）的軍備競賽。

• 就業並未失溫： 4.1% 的失業率，意味著勞動力市場依然處於充分就業的健康狀態。

• 資金依然充沛： 當前的金融環境，根本談不上「緊縮」。

而在天平的另一端，通膨的陰霾並未散去。PCE 通膨年增率仍有 3.7%，近六個月的年化數據甚至回升到了 4.1%，更糟的是，超過一半的消費品價格漲幅依舊高於 3%。

Warsh的潛台詞很清晰：既然經濟依然強壯，而通膨還在持續，Fed就沒有任何理由降息，甚至，不排除升息。

在政策框架上，他重申 2% 是不可動搖的鐵律，聯準會應該專注於調整短期利率，而不是頻繁動用資產負債表等非常規武器。

同時，他繼續主張一個「保持沉默」的聯準會。少做承諾，少給市場畫未來的路線圖。

但事實上，這不是Warsh第一次表達這些觀點。

他為什麼非鷹不可？

要理解Warsh為何必須表現得如此強硬，我們必須把時鐘撥回上週。

當時，財政部長Bessent宣布，將 10至 30年期公債的流動性回購上限翻倍。在三十年期美債殖利率創下 2007 年以來新高的敏感時刻，財政部的這項舉動，在市場眼中無異於「出手干預長端利率」。

「財政主導（Fiscal Dominance）」，變成了過去一週，討論度最高的詞。

市場在問，聯準會的貨幣政策，會否也被迫配合財政部的發債需求，甚至幫政府的融資成本「護盤」？

在這種質疑聲浪下，Warsh沒有退路。

如果他在這次演說中表現出任何一絲溫和或妥協，市場就會坐實這個猜想，反而可能繼續拋長債、推高期限溢價。

因此，Warsh反覆強調 2%目標、強調短率才是主要工具、強調非常規措施必須退場，都是在向市場宣告：聯準會依然是獨立的，我們不會為財政部的債務壓力買單。

這場鷹派演說，是聯準會為了維護自身信譽，而不得不付出的代價。

那應該怎麼看這件事？

我認為，與其說這是一場升息預告，不如說這是 Kevin Warsh 對 Fed 的一次信譽修復。

在那個處境下，不論他內心真正的想法是什麼，他都必須擺出這個姿態。這場演說，是寫好的劇本，也是他別無選擇的對手戲。

我認為，不升息、維持現狀，大概率依然是 Warsh 心底最真實的偏好。

畢竟在實體經濟尚未失控、AI 投資正熱的當下，沒有人想在沒有絕對必要的情況下，主動重啟緊縮，去承擔戳破資產泡沫或壓抑成長的風險。

更不要提Kevin Warsh是Donald Trump親自欽點的主席了，他大概率不想一開始就被不斷炮轟。

但九月升息確實因為這番話，被重新擺上了檯面，成了一個真實選項。這不代表聯準會已經下定決心要動手，只是這個選項不再能被完全排除。

這場演說的本質，是 Warsh 用強硬的言詞築起了一道防波堤。從結果來看，第一階段的防禦成功了。

但最終要不要真的灌下升息這劑猛藥，主動權不在他的口才裡，而在接下來的數據手中。未來的 CPI 是否再度抬頭、失業率是否守在 4.1% 不動。

這些數據，才是決定九月命運的真正裁判。

主題二：NVIDIA打算買 Hugging Face？為了甚麼？

市場傳出 NVIDIA 願意用大約 129 億美元收購 Hugging Face。

Hugging Face 據報年化收入約 1.5 億美元。若交易成真，NVIDIA 等於付出超過 80 倍收入。

若把 Hugging Face 當成普通軟體公司，這個價格實在十分昂貴。

重點在於：它能給 NVIDIA 什麼戰略價值？

Hugging Face 是做什麼的

假設你是軟體工程師，老闆要你幫公司做 AI 客服。你通常不會從零訓練模型，會先找現成模型：

• 哪一個中文較好？

• 哪一個較小、較便宜？

• 哪一個能部署到公司伺服器？

• 哪一個適合 NVIDIA GPU？

• 要怎麼接進自己的程式？

Hugging Face 就是解這個問題的平台。

它像 AI 模型的 App Store 加 GitHub：開發者可以搜尋模型、查看評價與下載量、測試效果、下載模型，也能找到資料集與工具，進一步微調、測試和部署。

目前平台約有 1,300 萬名使用者、超過 200 萬個公開模型、50 萬個公開資料集。這代表它已經成為許多 AI 專案的起點。

買的是 AI 開發的「入口」

Hugging Face 上的模型絕大多數是公開模型，屬於Meta，Mistral，DeepSeek等上傳者。

NVIDIA 收購後，也不會直接擁有這些模型權重。它想掌握的，是開發者選模型、試模型、決定部署方式的地方。

這就像 Amazon 不需要自己生產所有商品，它的價值在於它是消費者找東西的起點。對開發者來說，Hugging Face 就是那個起點。

當開發者在這裡搜尋、比較、測試模型時，搜尋結果的排序、部署的難易度，都會潛移默化地影響模型最終會跑在哪套硬體上。

NVIDIA 目前已經掌握了 AI 產業最核心的「生產設備」（GPU、伺服器架構與加速軟體），但唯獨缺乏開發者「決定用哪個模型」之前的入口。收購 Hugging Face 正好補上這塊拼圖。

如果雙方整合順利，整個 AI 專案的流程就會變成一個完美的變現漏斗：在 Hugging Face 找模型 → 測試 → 調整 → 部署 → 最終順理成章地使用 NVIDIA 的 GPU 與雲端算力。

事實上，這個漏斗早就開始運作了。雙方從 2023 年就合作雲端訓練與推論服務，NVIDIA 也在 Hugging Face 的 D 輪募資中進場成為股東，這一切都為了讓這條「從模型到算力」的路徑變得更無縫接軌。

為什麼 NVIDIA 需要「開放模型」？

封閉前沿模型那一層，客戶是 OpenAI、Anthropic、Google 這類大型公司。

當客戶足夠大的時候，它們就有能力跟 NVIDIA 議價，甚至自己開發晶片。

但開放模型不是這樣。它背後可能是幾萬家公司、研究機構、政府和開發者。

需求非常分散。NVIDIA 不需要和每一個模型討價還價，它只需要讓大家覺得：「如果我要跑這些模型，用 NVIDIA 最方便。」

平台掌握的是開發者開始找模型、比較模型、決定部署路徑的那一步。

誰排在前面、哪條部署路徑最順，最後都會影響 GPU 和算力賣給誰。

資安變得重要

當 AI 越來越強大，企業在導入時最擔心的問題之一是：「我用的模型安全嗎？有沒有被惡意竄改過？」

今年 7 月，OpenAI 在內部做資安測試時，一批本應被隔離的 AI Agent 逃出沙盒，侵入 Hugging Face 的正式環境，拿到憑證、進入伺服器，還下載了內部程式碼。

Hugging Face 在這裡扮演了 AI 模型「履歷中心」的角色。它詳細記錄了每個模型是誰上傳的、使用了什麼資料、經歷過哪些版本更新。

未來，當企業為了避免供應鏈攻擊，而願意為「安全、可追溯的模型來源」付費時，Hugging Face 的商業價值將會進一步提升。

中立性的問題

這筆交易最大的風險跟它最大的價值來自同一個地方。

Hugging Face 今天之所以受到開發者歡迎，是因為大家相信它是一個相對開放、中立的平台。AMD 可以用，其他雲端可以用，各種不同公司的模型也可以放在上面。

2025 年底，NVIDIA 曾經提出再投 5 億美元、把估值做到 70 億美元，Hugging Face 拒絕了。當時的理由很直接：它不想讓單一投資人左右這座被視為中立基礎設施的平台。

不到一年，市場傳出的卻是同一家公司可能把整間公司買走。

對開發者來說，這正是緊張的來源。少數股權都怕被左右，百分之百控股之後，平台還能不能維持現在大家習慣的開放程度？

如果 NVIDIA 收購之後開始明顯偏袒自己的 GPU，改變模型曝光方式，或讓開發者很難把模型搬去其他平台，社群可能就會離開。

而開發者也不是沒有其他選擇，GitHub、ModelScope，以及各大雲端公司自己的模型平台，都可能承接這些需求。

所以這筆收購最有趣的地方是：NVIDIA 花大錢買下 Hugging Face 之後，最好的策略可能反而是不要太用力控制它。

保留獨立品牌、管理團隊和多硬體支援，再讓 NVIDIA 靠產品本身的效能和便利性，把更多工作量自然吸引到自己的平台。

怎麼看這筆交易？

只看 Hugging Face 目前收入，129 億美元很難合理化。

但若把它看成 AI 開發者的入口，邏輯就清楚了：NVIDIA 想把開發者從「找模型」到「跑模型」的路徑，盡量接回自己的軟體、GPU 和雲端算力。

最樂觀的情況是，Hugging Face 保持中立，社群持續成長，越來越多模型最終透過 NVIDIA 的軟體、GPU 和算力平台運行。

即使 Hugging Face 本身難以支撐 129 億美元的收入估值，只要它能避免開放模型入口落入 AMD、雲端廠商或其他競爭者手中，對 NVIDIA 就具有戰略價值。

主題三：OpenAI 的推出新辣椒晶片，要拋棄NVIDIA了嗎?

8 月 25 日的 Hot Chips 大會上，OpenAI 端出了他們的第一顆自研推理晶片 Jalapeño(墨西哥辣椒)。

這顆 700W、搭載 HBM4 的晶片，在 SemiAnalysis 的第三方測試中，不僅在 tokens/W 與低延遲上擊敗了現役的 Blackwell（GB300），甚至在部分指標上，連 NVIDIA 剛開始出貨的下一代 Vera Rubin 都感受到了威脅。

跑分確實很漂亮。但在你跟著一起興奮之前，我們需要先拆解這場「勝利」的含金量，以及它背後真正在發生的結構性變化。

一場不公平的對決

先講結論：Jalapeño 打贏 Blackwell，某種程度上是「應該發生的事」。

為什麼？因為記憶體世代不對等。

Jalapeño 用的是最新的 HBM4；而它對標的 Nvidia GB300，用的是上一代的 HBM3E。

在推理（尤其是逐字吐出的 decode 階段）這個極度依賴記憶體頻寬的場景裡，換一代 HBM，效能曲線本來就會整段上移。

更何況，Jalapeño 的額定功耗是 700W（實測甚至壓在 550W 以下），而 GB300 動輒 1400W。用更低的功耗、更新的記憶體去打上一代的量產貨，數字好看是很合理的事情。

紙面勝利 vs. 量產護城河

當我們在 2026 年 8 月談論這場對決時，NVIDIA 的 HBM4 旗艦 Vera Rubin，已經在向各大雲端客戶出貨了。

而 Jalapeño 呢？它目前還只是實驗室裡的工程樣品。預計 2026 年底才會極小量進 OpenAI 自家的機房，真正有意義的放量要等到 2027 年，全力運轉甚至要到 2028 年。

這正是 NVIDIA 最難被撼動的地方：強大不僅在架構，更在於它能把極其複雜的系統，穩定做出來、交到全球客戶手上。

等到 Jalapeño 終於在 OpenAI 機房裡大規模運轉時，對面不會還是今天的 GB300，而是軟體已經挖過一輪的 Rubin 艦隊，以及 NVIDIA 下一組推論組合（包含把低延遲吐字分出去的 Groq 路線）。

科技產業的時鐘不等人。Jalapeño 在 2026 年的實驗室裡打贏了上一代 Blackwell，但等它真正走上戰場，面對的會是已經迭代過軟體棧、產能全開的新世代艦隊。

所以，跑分確實證明了 OpenAI 的技術實力。但要說這能立刻動搖 NVIDIA 的根基？子彈還得再飛一會兒。

架構的賭注：AI 運算到底要不要「搬家」？

要看懂這顆晶片的設計，我們得先用最簡單的方式，理解 AI 吐出回覆時的兩個步驟：

「讀題」階段（Prefill）：當你丟給 AI 一大段文章，AI 必須一次性把整段文字讀進去、理解上下文。這個階段就像是「開卷考試」，非常消耗腦力（算力密集，也就是GPU）。

「答題」階段（Decode）：理解完之後，AI 開始一字一字地把答案吐出來。這個階段不需要太複雜的思考，但需要大腦極快地從記憶庫裡提取下一個詞（記憶體頻寬密集）。

面對這兩個截然不同的步驟，NVIDIA 今年的策略是「極致分工」。

他們把需要大量腦力的「讀題」交給 Rubin GPU，把需要快速反應的「答題」交給 Groq 3 這種專門快速吐字的晶片。

但 OpenAI 偏不拆。

Jalapeño 是一顆「平衡晶片」。它就像是一個全能型選手，把讀題的算力、答題的記憶體，全部整合在同一個晶片上，並且把答題時需要用到的「臨時記憶（KV cache）」牢牢鎖在晶片本地。

為什麼要這樣做？因為 OpenAI 賭的是未來 AI Agent 的行為模式。

未來的 AI 代理人會像真人一樣，一會兒讀資料、一會兒講話、一會兒又去調用工具，任務切換極其頻繁。

如果按照 NVIDIA 的做法，把讀題和答題拆給兩種不同的機器，AI 的「記憶和狀態」就必須在不同的機器之間搬來搬去。

想像一下，你每寫一個字，就得把整疊參考資料從一樓抱到五樓，寫完再抱回一樓。這個「搬家稅」在 Agent 時代會變得極度昂貴。

OpenAI 的選擇是：蓋一棟夠大的辦公室（本地 128 顆，全域 2048 顆聯網），讓請求盡量待在同一張網裡，少付跨異質機器的搬家稅。

域內當然還是要傳資料，重點是不要在讀題、答題切換時，把記憶搬去另一種矽。

這是一場關於「未來 AI 工作長什麼樣」的哲學分歧。

NVIDIA 賭的是極致分工，OpenAI 賭的是狀態不搬家。誰對誰錯，要等 2027 年的電費單和延遲數據來判決。

打破了客製晶片的冷啟動詛咒

Jalapeño 最特別的，其實是它的開發過程。

傳統上，自己做晶片（ASIC）有兩大問題：

硬體研發太慢：從設計到晶片做出來，通常要花兩三年。等晶片做出來，AI 模型早就換代了。

軟體翻譯太難：晶片做出來只是塊石頭，你得花好幾年寫「翻譯軟體（編譯器與底層代碼）」，AI 模型才能在上面跑。

這也是 NVIDIA CUDA 護城河最深的地方，不是沒人想換，是懶得、也來不及重新適應一套翻譯層。

但 Jalapeño 從設計到送去製造（Tape-out），只花了 9 個月。

OpenAI 怎麼做到的？他們用自己的 AI模型，去幫自己設計晶片、寫翻譯代碼。

為了測試跑分，原本晶片上缺少的運算語法（如 DeepSeek R1 用的 MLA 算子），工程師直接叫 AI 現做。

他們直接用內部的 AI（Codex）在短短兩週內，從零「搜尋並自動編寫」出可運行的程式碼。

現場他們甚至用 AI 提示詞，直接把經典遊戲《毀滅戰士》（Doom）移植到了這顆晶片上，證明這套系統不是只能跑自家的模型。

這意味著，「第一代自研晶片一定不好用、軟體一定要開發兩年」的冷啟動難題，被 OpenAI 自己用 AI打破了。

這並沒有殺死 CUDA，在需要超大規模訓練的戰場上，NVIDIA 依然是絕對的霸主。

但它動搖了一個核心假設：未來其他 AI 實驗室如果想做自己的推理晶片，軟體開發的門檻已經被 AI降得極低。

供應鏈的影響

這場局裡，帳面最清楚的贏家是 Broadcom。

它拿下客製 ASIC 的落地、Tomahawk 6 的網路，也鎖進 OpenAI 後面幾代的設計案。

在Google開始嘗試分散供應商的時候，Broadcom急需一個新的增長故事。

回到最現實的問題：Jalapeño 會減少對 Nvidia 的需求嗎？

短期幾乎不會，OpenAI 依然掛著到 2030 年約 12GW 的 Nvidia 算力承諾。訓練盤、全球 API 節點、多模態任務，短期還是 Nvidia 的天下。

Jalapeño 不能外賣，它是 OpenAI 用來壓自家推理電費的工具。

總體來看，這顆晶片短線幾乎不會動到 NVIDIA 的出貨量與營收；雙方合作與制衡仍是主旋律。被碰的，是中期推論還能不能繼續按平台價賣。

它更像風向標，預示基礎設施會怎麼演。

第一，若未來的 Agent 真的頻繁切換讀題與答題，「狀態要不要搬家」會變成架構變數；

第二，用 AI 設計、編排 AI 晶片的時代，已經開始了。

主題四：Salesforce 暴漲 20%，不再被AI殺死了？

Salesforce 財報公布後股價大漲，是因為營收或獲利比預期好很多嗎？

老實說，只是還好。

營收只是小勝，EPS看起來很漂亮，主要是兩件事疊在一起。

第一，公司持有 Anthropic，墊高了每股盈餘約 2.43 美元。

第二，今年 3 月發行 250 億美元公司債，幾乎全數用來回購股票，稀釋後股數少了近 15%，大約再把每股盈餘抬高 0.6 美元。

兩件事都跟這季多賣了多少軟體沒有太大關係，把 Anthropic 持股重估拿掉之後，本業每股盈餘只是略勝預期，甚至略低於去年。

我認為，市場這次重新定價的核心，完全在於「敘事」的翻轉：

從「AI 會不會取代 Salesforce」，變成「Salesforce 看來不是受害者」。

AI 無法取代的企業底層邏輯

過去一年，軟體公司的最大疑慮之一，就是 ChatGPT、Claude 這類 AI 工具會不會逐漸取代傳統企業軟體。

因為如果未來員工不用再打開 Salesforce，而是直接對 Claude 說：「幫我找出這季最可能流失的客戶，整理原因，再準備一份續約方案。」

那 Salesforce 原本最重要的入口，不就消失了嗎？

而今季的Salesforce，嘗試改變大家的理解。

他們說：AI 擅長理解問題與整理資料，但缺乏企業內部的「規則與上下文」。

當業務員詢問 AI「最多能給客戶多少折扣」時，AI 無法自動得知該業務員的查閱權限、公司的折扣上限規定、主管簽核流程，以及後續的跨部門通知機制。

這些高度客製化的企業邏輯與權限控管，深植於 Salesforce 系統中，大型語言模型本身無從得知。

退讓前端入口，守住後端系統

因此，Salesforce選擇與Anthropic聯手，推出 Claudeforce 以及內建 37 項銷售技能的 Salesforce in Claude 外掛。

簡單來說，Salesforce已經接受了一件事：

未來員工很可能只會打開Claude或其他 AI，而不會每天打開Salesforce。

因此，他們的新策略不再跟 Claude 搶使用者入口。

他們轉而選擇確保 AI 在讀取客戶資料、修改訂單或批准折扣時，必須嚴格遵循 Salesforce 的底層資料、權限與流程。

前端對話介面可以隨時從 Claude 切換到 ChatGPT 或其他模型，但企業累積十幾年的客戶數據、權限架構與業務流程極難遷移。

Salesforce 新的定位變成了：它無需成為企業 AI 的「大腦」，只要穩固成為 AI 執行任何商業動作前，必定會經過的「神經中樞與執行引擎」。

AI 甚至可能讓 Salesforce 更容易賣

在這次財報中，CEO Benioff邀請了一個嘉賓進行分享，是Ohalo 公司的CEO David Friedberg。

Ohalo 起初打算利用 AI 自行開發客戶管理系統，因為建立前端頁面的門檻確實很低。

但實際動手後，他們發現真正的挑戰在於繁瑣的後台治理：帳號管理、資料保護、離職權限收回與系統維護。

最終，Ohalo 仍選擇以 Salesforce 為底層，僅自行開發農業領域的特殊應用。

更有意思的是，他們利用 Claude 和 Cursor 幫忙設定 Salesforce，不到一個月完成；Benioff 則說，以前這種導入可能要半年到一年。

這反而提供了一個跟「AI 殺死軟體」完全不同的角度。 Salesforce 過去最大的問題之一，就是貴、複雜，而且導入時間很長。

如果 AI 可以把這些設定工作大量自動化，那它消滅的可能不是 Salesforce，而是 Salesforce 原本的導入摩擦。

以前一家中小企業可能會想：「導入Salesforce 太複雜了，我們用不起。」

未來可能變成：「反正 AI 幾個星期就可以幫我設定好，那我乾脆直接用 Salesforce 當底層。」

如果這件事情真的發生，Salesforce 的市場反而可能變大。

大漲的邏輯可以延續嗎？

這季最大的進展，是 Salesforce 開始回答「AI 會不會把我取代」這個問題。

目前答案看起來是： 至少沒有市場之前想得那麼悲觀。

而且管理層對下半年營收重新加速相當有信心。新增訂單成長快於既有業務、客戶流失率接近歷史低點，合約期限也拉長。

公司甚至還準備繼續增加銷售人員，代表管理層認為目前還可以有更強的成長。

但另一個更重要的問題還沒有解決：AI 該如何實質轉化為 Salesforce 的營收？

過去的訂閱制非常直觀：1,000 名員工使用，就購買 1,000 個帳號。

若未來大量工作由 AI Agent 自動完成，人類使用者可能減少至 700 人，但系統呼叫量與算力消耗卻暴增十倍。

Salesforce 必須重新設計商業模式：究竟該按人頭、AI Agent 數量、API 呼叫量，還是按創造的商業成果來收費？目前公司仍在測試多種方案。

這次價值重估如果要能長久延續，Salesforce 必須證明 AI 能夠為公司帶來實質的營收躍升。

接下來 Dreamforce 大會公布的最新定價策略、Claudeforce的客戶付費意願，以及下一年度的有機成長指引，將會是比單純追蹤 Agentforce 客戶數量更關鍵的觀察指標。

主題五：市場在不滿Marvell的甚麼？

Marvell 繳出一份很好的季報。第二季營收年增 37%，資料中心業務強勁，公司甚至把 2028 財年的營收指引上修至 180 億美元。

財測上修，股價卻下跌，這合理嗎？

如果你聽了財報會議後的 Q&A，管理層被不斷追問同一個問題，就會理解投資人在糾結什麼。

老實說，大家最關心的，是那個充滿想像空間的 Google 大單。

1,200 億美元屬於採購上限，大頭其實落在 2029 年

在財報前幾天，Marvell 與 Google宣佈了一項高達 1,200 億美元的合作案，令市場十分興奮，投資人原本滿心期待，這筆大單會大幅推升 2028 財年的營收。

然而管理層在電話會議給了個相當乾脆的答案：2028 年的客製化業務確實包含部分 Google 訂單，但真正能帶來顯著規模貢獻的大頭，得等到 2029 財年及以後。

這個時間差讓市場感到失望。Google 訂單的作用，是拉高 2029 年之後的成長天花板，並沒有全面改寫 2028 年 180 億美元的指引目標。

此外，這份商業協議實質上屬於認股權合約（Warrant Agreement）：Google 的累計採購金額達到特定門檻，才能分階段解鎖對應股權。

所以 $1,200 億是合作框架推演出來的上限，不能直接當積壓訂單（Backlog）塞進估值。

撐起 2028 年財測的真正主力

既然 Google 訂單的大頭在 2029 年，Marvell 將 2028 年營收上修至 180 億美元的底氣究竟從何而來？

管理層講的是資料中心全面加速：光互連與 DSP、交換、客製化本身在 FY28 仍會逾倍，scale-up 光學的 FY28 展望也明顯上修。

目前 800G DSP 需求依然強勁，1.6T 開始接棒放量，51.2T 交換晶片今年營收更預計成長超過一倍。

這些標準化產品擁有更廣泛的客戶群與清晰的可視度，穩穩撐住了 2028 年的基本面。

Google 買的是周邊晶片

市場另一個常見誤解，是以為 Marvell 搶下了 Google TPU 的主晶片。

事實上，這次合作聚焦於 TPU 生態系的周邊晶片，包括推論加速器、儲存控制器、網卡與記憶體介面。

這類晶片深深鎖進系統架構，客戶黏著度極高，但產品結構會直接拉低利潤率表現，因為客製化 ASIC 晶片本身的毛利率顯著低於標準化產品。

隨著下半年客製化晶片開始放量，Marvell 第三季毛利率指引已小幅回落至 57.5% 至 58.5%。

未來隨著 Google 訂單佔比擴大，產品組合將持續向低毛利區間傾斜，公司必須完全依靠營收規模放大帶來的營業槓桿（Operating Leverage），來維繫整體營業利益率。

同時，若 Google 的認股權全數行使，將產生約 7% 的股本稀釋。這意味著營業利益率擴張並不等於每股盈餘（EPS）能同步提升，公司後續必須展現足夠的股票回購力道，才能真正回饋到股東口袋。

接下來該看什麼？

整體而言，Marvell 的基本面依舊健全，但估值跟不上想像空間。

市場目前的定價，是在提早拉回並消化 2029 年 Google 訂單的想像空間；而公司給出的，則是 2028 年由標準化產品堆疊出的實打實底氣。

接下來 10 月 6 日的 Investor Day，市場觀察重點將聚焦在三個具體數據：

• 2029 年客製化營收的實際增量：取得具體預估總額，避免市場繼續粗暴地將 1,200 億美元上限直接年化計算。

• 周邊晶片與 XPU 本體的營收佔比結構。

• 客製化業務放量後的毛利率中樞，以及認股權稀釋後的每股實質效益。

唯有這些變數塵埃落定，市場才能對 Marvell 的下一步給出更精準的估值模型。

主題六：混合鍵合（Hybrid Bonding）又被推遲了？

隨著 AI 晶片需要處理的資料量爆發，記憶體（HBM）的堆疊層數也從 8 層、12 層一路往 16 層甚至 20 層邁進。

外界原本認為，傳統用來連結晶片的「微凸塊（Microbump）」技術很快就會碰到散熱與厚度極限，產業必須全面改用新一代的「混合鍵合（Hybrid Bonding）」技術。

這項技術轉型，曾被市場視為新一代設備廠（如 Besi、應用材料）業績大爆發的核心引擎。

然而，SK 海力士在 Hot Chips 大會上宣佈：混合鍵合不會用在 HBM4E 上，現有的 MR-MUF 技術將繼續沿用。混合鍵合的登場時間點將順延至 HBM5（約 2029 到 2030 年）。

為什麼這項新技術又被延後了？

規範放寬，空間夠用了

負責制定標準的 JEDEC 協會放寬了 HBM 的高度上限（從 HBM3E 的 720 微米放寬到 HBM4 的 775 微米）。

多出來的空間意味著，只要把晶片磨得更薄、將間距縮小，舊工法依然能塞進 16 層晶片，不必急著換新技術。

客戶目前不需要 20 層

目前 12 層已進入量產、16 層正處於驗證階段。Nvidia下一代 Rubin 架構晶片並不需要 20 層堆疊。

只要需求停在 12 至 16 層，現有的工法（MR-MUF 與 TC-NCF）就還撐得住。

良率與成本考量

混合鍵合設備的價格是傳統設備的 2 至 3 倍，且現階段良率仍未成熟。

只要堆疊過程中有一層損壞，整顆高昂的 HBM 就宣告報廢。

在 HBM 供不應求且價格昂貴的當下，廠商自然不願冒良率掉入崖邊的風險。

不要把「所有混合鍵合」混為一談

在解讀這項產業變化時，必須將HBM與邏輯晶片的 3D 混合鍵合區分開來：

邏輯晶片端（Logic）進度不變：

台積電用於處理器與 AI 晶片的 SoIC 技術（如 AMD 3D V-Cache、MI300 及蘋果未來的 M5 Pro）依然按計畫擴產，並未受到影響。

記憶體端（HBM）確實延後：

這次被推遲的，僅限於 HBM 記憶體晶片彼此之間的垂直堆疊。

HBM 的稀缺性會持續更久

原本市場預期新技術上線後能迅速提升產能與產量，進而緩解價格壓力。

如今新技術推遲，代表未來兩年 HBM 的供給瓶頸仍卡在晶圓分配與 12/16 層的製造良率上，高單價（ASP）也將獲得支撐。

由於廠商用舊工法製作 12 層與 16 層的良率偏低，Nvidia為了確保 2027 年的 Rubin Ultra 晶片能順利出貨，現在也在積極考慮調整策略，推出容量較小（如 8 層）的版本，以避免陷入記憶體斷貨的風險。

設備供應商消長

• 受益者： 現有的封裝設備廠（如 Hanmi、ASMPT）及擁有一線製造護城河的廠商（SK 海力士、三星），其現有技術和設備的生命週期延長了 2 到 3 年。

• 延後者： Besi 與應用材料（Applied Materials）在 HBM 混合鍵合的量產敘事時間點延後。不過需要注意，Besi 在邏輯晶片封裝的業務並未受影響，並不代表其長期價值改變。

整體而言，這並不是「3D 封裝被取消了」，也不代表記憶體傳輸瓶頸消失。

16 層 HBM 依然會陸續出貨，只是製造商選擇繼續使用熟悉但挑戰更高的舊工法來過渡這段時期。

謝謝你閱讀到這裡，如果你覺得這份筆記為你帶來了價值，請不吝按下一個讚，這是我持續分享的最大動力。

我在Facebook和Threads都有每天發佈當天對市場的觀察，大家也可以考慮追蹤我的社交媒體。

另外我在Telegram有頻道，每天早上我會發當天重要新聞摘要。

全部資訊在以下鏈結：

https://linktr.ee/fomo_soc

另外，如果你已經加入付費會員，不要浪費了群組的功能，進入我們Substack的Chat功能一起討論市場!

· KP

NVIDIA 的需求明年還能成長 70%，但毛利率反而下滑？

很多人看完 NVIDIA 這份財報，只會得到一個結論：

AI 需求還是非常強。

第二季營收 962 億美元，年增 106%、季增 18%；

資料中心營收 890 億美元，年增 117%，第三季營收財測更達到 1,080 億美元；

AWS 追加 200 萬顆 GPU，主權 AI 單季成長 35%，Vera Rubin 史上最快量產。

這絕對是一份很強的財報。但事實是，NVIDIA的財報每季都十分好。

我們要知道的，是「好在哪裡」，細節中有沒有隱憂，我們要關注甚麼重點，管理層將重點放在哪裡。

這篇文章不會只告訴你「需求很好」。我會帶你逐項拆解這份財報裡，最重要的七個訊號：

重點一｜70% 增速大幅超越市場預期？

重點二｜買家結構正在質變？

重點三｜巨頭的需求見頂了嗎？

重點四｜毛利率為什麼反而下滑？

重點五｜現金流卻大幅下降？

重點六｜「非 GPU」的東西怎樣？

重點七｜循環融資的問題解決了嗎？

重點一 | FY2028 財測才是本季焦點，70% 增速大幅超越市場預期

打破「成長見頂」的市場擔憂

• 法說會前，華爾街預估 FY2028（截至 2028 年 1 月）營收成長約 44%–45%（約 $5,700 億美元）。

• 市場原本以為 NVIDIA 的成長會一路下滑，因而降低了股票的溢價。

• NVIDIA 直接給出 70% 的成長預測，徹底打破市場的預期。

70% 代表「產能極限」，實際需求更強

• 這是公司罕見提前一年給出完整的年度成長目標。

• 管理層透露，客戶實際要求的訂單量其實接近翻倍（100%）。

• 70% 只是目前「供應鏈做得到」的交貨極限，賣不更多是因為工廠產能跟不上，而不是沒人買。

財測本質是發給供應商的「擴產動員令」

• 更深一層去看，NVIDIA 提前公開預測，是為了給台積電、記憶體廠、封裝廠與伺服器供應商信心。

• 讓供應鏈敢放膽砸下數千億美元擴建工廠與產能。

• 黃仁勳（Jensen）希望客戶、股東與供應商能對未來的龐大需求達成共識。

若公司這份預測成立，以現價看，前瞻估值其實很低

• 法說前華爾街的 FY2028 模型，對應現價大約 17 倍PE，那是建立在「明年只再增 45%」之上。

• 代入公司自己的數字：營收約 $6,900–7,000 億，毛利率用他們給的 72–73%，EPS 大約 $15–16。以 $220 計算，FY2028 前瞻本益比約 14 倍。

• 對「還能再增 70%」的一年來說，14 倍極低。

• 但「便宜」有前提：FY2028 的 70% 要達標，且再下一年不是直接掉到 30–40%。

重點二 | ACIE 板塊崛起與買家多樣化

買家結構出現轉變

• NVIDIA 把買家分為「四大科技巨頭」與「其他所有客戶（ACIE）」兩大類。

• 結果顯示：非巨頭客戶的採購成長速度，已經明顯超越傳統科技巨頭。

• 大型雲端巨頭（Hyperscale）：營收 $487 億美元（季增 13% / 年增 102%）。

• ACIE 板塊（AI 雲端、企業、政府主權 AI 等）：營收 $403 億美元（季增 25% / 年增 138%），已佔資料中心總收入的 45%。

• 兩邊都在成長；差別是 ACIE 更快，需求正在從巨頭向外擴散，而不是巨頭停買。

• 口徑說明：本季因一家客戶商業模式改變，將其從 ACIE 重分類至 Hyperscale，並重編前期。上文增速皆為重編後口徑。

• 有買家「升級」進巨頭分類後，剩下的 ACIE 仍季增 25%，擴散不是靠分類堆出來的。

各國政府與各行各業開始大買算力

• 其中「主權 AI」（各國政府自建的 AI 算力）表現最亮眼，單季成長 35%，一年內翻了三倍以上。

• 這代表算力需求不再只是美國矽谷巨頭的專利，世界各國為了資料安全與技術自主，正興起一波自建 AI 基礎設施的採購潮。

NVIDIA 的最強護城河：賣「打包好的 AI 工廠」

• 一般企業、區域電信商與各國政府，不像科技巨頭有能力自行研發客製化晶片（ASIC）。

• 對這些買家來說，自己買零件組裝太複雜；他們更傾向直接購買 NVIDIA 搭配好的「整套 AI 工廠方案」（包含晶片、網路、軟體與融資服務），買來就能立刻開機使用。

• 這正是 NVIDIA 最具統治力、競爭對手最難超越的商業模式。

閱讀數據時的隱藏盲點

• ACIE 其實是個「大雜燴」分類，同時包含了新興雲端商（如 CoreWeave、Nebius）、一般企業機房與政府主權 AI。

• 管理層這次只強調了主權 AI 的「成長率」，並沒有公布「具體金額」。

• 投資人不要把 ACIE 的 $403 億美元全部當成是政府主權 AI 的貢獻，本質上它依然包含很多不同類型的客戶。

重點三 | 巨頭的需求同樣遠未見頂

Read more

過去一週，加密市場從長時間的沉寂中突然醒來。

比特幣從約 6 萬美元附近快速拉升，一度逼近 8 萬美元，創下近三個月新高。市場上立刻出現兩種主流解釋：

第一，財政部長 Scott Bessent 在 8 月 19 日宣布將長端國債回購規模至少加倍。Ray Dalio 也在同一時期公開建議投資人持有更多黃金和「一點比特幣」，作為對美國債務危機的保護。

第二，同一週內，Trump 在白宮會見 Coinbase、Kraken、Ripple 等加密產業高層，公開呼籲國會通過「公平版本」的 CLARITY Act，為監管明朗化帶來新的預期。

在這段時間內，市場還出現了大規模空頭清算（估計 16 億至 40 億美元）以及近 20 億美元的美國現貨比特幣 ETF 淨流入。

這篇文章想做的，不是純粹的看多或看淡加密貨幣。

我更想回答的，是一個更根本的問題：

美國政府真的需要加密產業來協助吸收國債嗎？如果需要，它走到了哪一步？卡在什麼地方？

這篇文章會解答以下問題：

• 穩定幣目前作為美債買家的真實規模有多大？

• GENIUS Act 通過後，穩定幣規模有甚麼變化？

• 真正卡住穩定幣成長的兩道門是什麼？CLARITY Act 又打算如何解開它們？

• 為什麼「能不能付息」這件事，對穩定幣能否成為結構性買家如此關鍵？

• 銀行業、道德條款與 60 票門檻，如何影響 CLARITY 的通過機率？

• 無論 CLARITY 最終過不過，對比特幣、以太坊、SOL/XRP、Coinbase、Circle 分別意味著什麼？

• 貶值交易與「穩定幣擴張美元勢力」這兩條邏輯，如何同時存在於同一個產業？

我們先從財政部最近的操作，以及市場對它投下的不信任票開始。

第一章｜Bessent 的把戲，與市場投下的不信任票

1.1 一個房東的窒息

過去幾年，美國政府的處境越來越窒息。

長期國債殖利率持續攀升，8月17日，30年期美債收在 5.31%，20年期 5.30%，10年期約 4.72%；18日盤中30年期更觸及 5.34%，創下多年新高。

在接近 40 兆美元的龐大基數下，哪怕利率只上升 0.5 個百分點，每年就會多出幾千億美元的利息費用。

面對不斷膨脹的財務帳單，財政部長 Scott Bessent 在 8 月 19 日給出了一個方案。他宣布把長端國債的回購規模從 20 億美元加倍到 40 億美元以上，9 月 9 日起生效。

這在金融市場被稱為扭曲操作（Operation Twist）。

想像你是一位房東，你揹著 40 兆美元的 30 年期房貸，每個月光是利息就把你的收入吃光。

你試著跟銀行商量，能不能把 30 年的固定利率房貸，換成 3 個月期的信用卡循環信用。因為信用卡的利率比較低，每個月要付的利息立刻少了一大截。

但這裡有一個風險。

3 個月期的信用卡，每 3 個月就得重新找人借錢。如果有一天，沒有人願意借錢給你呢？

尷尬的是，在Scott Bessent操作後，市場並沒有買單，長端殖利率依然居高不下。

1.2 財政主導

華爾街給這套操作的定性為：財政主導（Fiscal Dominance）。

什麼是財政主導？

簡單說，就是一個政府欠的錢多到，央行和財政部不能再把「控制通膨」或「反映真實風險」放在第 1 位，而必須把「確保政府借得到錢、還得起利息」放在第 1 位。

利率不再由市場供需決定，而是被債務的存續需求拉著走。

Bessent 在 2024 年才罵過前財長 Yellen 搞積極的國債發行管理，現在他自己做著一模一樣的事情，這降低了財政部指引的整體可信度。

當市場意識到，政府為了還利息，開始用會計魔術來重塑債務結構時，信心就開始動搖了。

1.3 加密上漲的真正機制：貶值交易

在我看來，加密近期的上漲，本質上是貶值交易（Debasement Trade），和黃金的邏輯是一模一樣的。

當市場看穿財政部在玩弄債務魔術，當大家意識到 40 兆美元的債務最終只能靠稀釋來解決時，資金就會尋找逃生口。

加密貨幣的上漲，正是市場對美國財政部投下的不信任票，它反映的是法幣購買力的流失。

因此，財政部也要製造新的、結構性的買家，來接住這些不斷膨脹的債務，也就是很多人提到的穩定幣。

1.4 有意義的起點，但遠不足以改變格局

先看這個買家目前有多大。

根據 2026 年第一季（截至 3 月 31 日）的 BDO 認證報告，Tether 直接與間接持有的美國國債曝險約 1410 億美元（對應總資產約 1918 億美元），Circle 的持倉也在持續增加。

整個穩定幣發行商群體，已經是美國短債市場裡不可忽視的參與者。

這些數字單獨看不小，但放到財政部的需求裡，就顯得有限了。

我們可以從兩個角度來衡量：

第一，它在國庫券市場裡占多少。

穩定幣大約持有 2,000 億美元左右的國庫券，而整個國庫券市場規模約 6.5 至 6.7 兆美元，占比大概 3%。

當然，以 Tether 為主的發行商，確實是過去 2 年短債市場裡持續的淨買家。這個角度看，它的邊際貢獻會比單純看存量占比大一點。

第二，它和貨幣市場基金的差距有多大。

目前穩定幣總市值約 3,000 億美元，對比最相關的「政府型」貨幣市場基金（專門投資短期美國國債與政府機構債的那一類），規模約 6.54 兆美元。

如果拿整個貨幣市場基金產業來看，總資產甚至已經站上 7.93 兆美元的歷史高位。無論用哪個口徑，穩定幣與傳統短債買家之間的量級差距仍然非常大。

兩個角度合在一起看，結論很清楚：穩定幣已經是一個有意義的起點，但距離真正改變格局還很遠。

就像 1 個剛入職的實習生。你不會說他拯救了公司，也不能說他完全沒貢獻。他確實在做事，只是產出還不足以左右整間公司的命運。

1.5 期限錯配：買在錯的地方

除了規模太小，還有 1 個結構性的限制。

財政部真正缺買家、殖利率飆升的，是長端（10 年期、30 年期）。但根據 GENIUS Act 的儲備要求，穩定幣依法只能持有極短期的資產（T-bills）。

換句話說，穩定幣正在解決 1 個財政部並不算太缺的東西。

貨幣市場基金（MMF）目前的資產規模站在 7.93 兆美元的歷史高位。7 月份財政部淨發行 2,700 億短債，MMF 照單全收。

1.6 外資撤退的結構性缺口

外資持有美債的比重，從金融海嘯後的接近6成掉到 2025 年底的3成左右。

(要注意的是，外資持有的絕對金額仍在歷史高位附近（約 9.2 至 9.3 兆美元），只是美國公債發行速度遠快於外資需求的成長。)

穩定幣要填的不只是新增發行，還有這個因發行過快而被拉開的結構性缺口。用 3,000 億的體量去填補外資撤退留下的兆級空洞，在數學上還差得很遠。

當然，如果穩定幣的規模能從 3,000 億成長到兆級，即使只買短債，它的絕對量也足以在短債市場上形成顯著的邊際影響。

財政部的目標並非空想，只是需要時間和條件。

而美國政府在過去 2 年，分別推出了 2 個主要的法案：GENIUS 和 CLARITY Act。

前者已經獲得通過，而後者正在審議當中。

我們就來看看，這 2 條法案究竟是甚麼。

(其實，關於美債的問題，和銀行業的分析，我在去年年底曾經深入分析過，我誠邀你也重溫這篇文章)

第二章｜穩定幣是什麼？GENIUS 做了什麼？

2.1 穩定幣到底是什麼？

想像你走進一座超大型遊樂園。

門口有一個兌換亭，你把口袋裡的 100 美元遞進去，工作人員給你 100 枚塑膠代幣。

這些代幣可以在園內玩任何設施。你不需要每次都掏鈔票，代幣就是你的「園內貨幣」。

離開時，你可以把剩下的代幣拿回兌換亭，換回等值的美元。100 枚代幣，換回 100 美元。

穩定幣就是加密貨幣世界的遊樂園代幣，當你想買任何的加密貨幣，無論是比特幣還是以太幣，你都要先將手上的法幣換成穩定幣，然後去買你想要的加密貨幣。

然後，每一枚 USDC 或 USDT，都承諾可以跟發行商換回 1 美元。它的價格永遠釘在 1 美元上，不漲不跌。

但這裡有一個關鍵問題：遊樂園老闆拿到你的 100 美元後，會怎麼處理？

他不會把 100 美元鎖在保險箱裡，因為每天有幾千萬人來換代幣，保險箱裡堆著幾十億美元的現金，這太浪費了。

他會把這些錢拿去買最安全的東西，賺一點利息。而這個世界上最安全的短期資產，就是美國國債。

這就是穩定幣發行商成為國債買家的物理機制。他們手上堆滿了客戶的美元，而國債是唯一一個既能保本、又能隨時變現、又能賺點利息的去處。

2.2 GENIUS Act 的 4 條規則

理解了穩定幣的物理機制，我們就能看懂 2025 年 7 月 18 日簽署的《GENIUS Act》到底在幹什麼。

很多人把它解讀為「美國政府終於擁抱加密貨幣了」，這個說法也不是不對，但其實有更深層的意義：

它是在確保穩定幣公司收到的每一分錢，都很大可能是拿去買美國的國債。

它的核心條款，可以翻譯成 4 條規則：

第一條：每一枚代幣背後，都必須有一張我的借據。

法案要求穩定幣發行商必須持有等值的高品質儲備資產。在實務上就是美國短期國債、央行存款、以及極短期的回購協議。

第二條：你不能把代幣變成銀行存款。

法案明確禁止穩定幣發行商向持有者支付利息或收益。這一條看似在保護消費者，其實是在保護銀行業。

如果穩定幣可以付息，它就會變成一個沒有分行、沒有監管成本的「網路銀行」，直接搶走銀行的存款基礎。國會不允許這件事發生。

第三條：你必須接受聯邦或州的監管。

發行商必須取得執照，接受定期審計，遵守反洗錢規定。

第四條：你的儲備必須透明。

發行商必須每月公開儲備組成，接受獨立會計師事務所的審計。

政府對穩定幣發行商說的話，翻譯成白話文就是：「你可以合法開業，你可以讓幾億人使用你的代幣。但代價是，你保險箱裡的每一分錢，都必須是我的借據。」

2.3 地基打好了，但規模還起不來

GENIUS Act 解決了一個關鍵問題：穩定幣終於有明確的合法地位。儲備要怎麼放、要不要審計、誰來監管，都有了基本規則。

從這個角度看，它完成了自己的任務。穩定幣不再處於灰色地帶，發行商知道該怎麼合規營運，監管機構也有了執法依據。

但合法不等於能夠做大。

因為GENIUS 管的是穩定幣本身怎麼發行、怎麼儲備；但它沒有處理：

1. 「穩定幣怎麼和其他現金管理工具競爭」

2. 「整個加密市場的交易與託管規則」。

第三章｜兩道被鎖住的門

3.1 GENIUS 簽署後，穩定幣沒有明顯擴張

如果穩定幣真的是國債需求的重要來源，那麼在取得明確法律地位後，我們應該能看到它的規模明顯成長。

但結果並非如此。到 2026 年 8 月，美元穩定幣總市值大約落在 3,000 億美元上下。雖然比立法前有成長，但並未出現大幅擴張，近期甚至出現停滯與小幅回落。

Read more

大家好，我是 KP，歡迎來到第 56 期的《週末思考筆記》。

雖然在平時的文章中，我寫得最多的是 AI 產業鏈。但老實說，宏觀經濟一直是我極其重視、且花費大量精力關注的板塊。

但你好像不會看到我經常寫關於宏觀的分析，那又是為甚麼呢？

有些人喜歡每天都對著各種經濟數據做不同的解讀，但對我而言，我每天都在密切跟進宏觀的變化，但我不會每天都寫它。

因為宏觀大勢就像是風向。

風，是不會每分每秒都改變方向的。它是一種「大勢」，我們只需要每天默默觀察，確保大方向還在軌道上、沒有發生根本性的逆轉就夠了。

在風向穩定的時候，我們更應該把精力聚焦在微觀的個股和產業研究上。

對我而然，宏觀與微觀，兩者並沒有誰比誰更重要。

如果把投資比作航海，個股和產業是你的船，而宏觀就是風向。如果海上的風向正在悄悄發生轉變，你的帆若不跟著調整，船隻前行的速度就會受阻，甚至偏離航道。

我們不需要每天大驚小怪地預言暴風雨，但當風向真的出現結構性轉變時，我們必須停下來，重新校準我們的風帆。

而這個星期，毫無疑問，就是這樣一個需要我們看清風向的時刻。

本週最重要、最值得所有投資者關注的事件，絕對是美國財政部下場，嘗試干預債市（加碼長債回購）。

因此，這星期的《週末思考筆記》在結構上會與以往有些不同：

我不打算分散精力去寫四五個零散的小主題。這一次，我們只專注這一個宏觀大題目，進行一次徹底的深度拆解。

我會為大家抽絲剝繭：

• 債市到底發生了什麼？為什麼財政部在這個時候不得不出手？

• 這種干預背後的底層邏輯是什麼？

• 最重要的它將如何影響市場？

為了幫助大家更好地消化這個硬核主題，我在文章最後附上了兩篇【延伸閱讀】，誠邀大家也閱讀。

8月19日，美國財政部宣佈把長期國債的 「回購規模」翻倍，從每次20億美元提高到至少40億美元，專挑10年到30年的長債下手。

首先，長債利率為什麼這麼重要？

30年期美債殖利率直接影響美國30年期房貸利率、企業長期借款成本，以及美國政府每年要付出去的利息。

房貸變貴，家庭每月負擔加重；企業融資成本上升，擴張與招聘就會變慢；政府利息支出暴增，又會進一步排擠其他預算。這直接影響家庭現金流與經濟活動的現實成本。

因此，長債利率走高，對各方面都有影響，美國政府有必要將它控制住。

然後，下個問題，也是很多人問的問題，「美國又在印鈔撒錢（QE）了嗎？」

其實完全不是。

財政部這次的做法，是用多發短債的方式，把長債從市場買回來。

市場上長債變少、短債變多，長端利率因此被往下壓。總錢數幾乎沒有增加，只是債務的期限結構被重新排列。

這招更像聯準會(Fed)以前玩過的「扭曲操作（Operation Twist）」，差別只在於，這次發起操作的是財政部。

聯準會 vs. 財政部

我們要先理解美國金融體系中，有兩股調控利率的主要力量。

聯準會掌控 「錢的多寡」與「借錢有多貴」。

他們控制市場上有多少資金在流動，主要靠調整基準利率來控制大家借錢的成本，或者透過 QE（印錢）與 QT（回收資金）來改變市場上的總錢數。

只要它動手，整個市場的資金總量就會直接變多或變少。

財政部決定的，是 「借條發哪一種」與「哪時候要還」。

財政部不能自己印錢，但能決定要拿「30年後才還的長債」還是「3個月就還的短債」出來賣。它是透過改變不同期限國債的「供需比例」，來間接引導市場定價。

而這一次，主動出手的是財政部。因此，這不是印錢，並不是QE，只是調整利率曲線。

為什麼這個操作撐不過兩天？

30年期美債殖利率在公告當天跌到約 5.19%，隔天立刻爬回 5.23% 到 5.26%，直接抹平跌幅。

這次多出來的回購規模大約 140 億美元。對比超過 30 兆美元的美債市場，這個數字微乎其微，大約只相當於市場幾週的交易量。

第一天的下跌，賣的是「聯邦政府願意出手」的驚喜感。

在夏末成交量低迷的市場裡，一個意外消息會逼得空頭停損買進。市場隔天冷靜下來，發現實質買盤金額小到可以忽略，漲幅自然迅速歸零。

然後，政策干預的效應只會越來越弱。

第一次出手，市場覺得驚喜；第二次、第三次，大家有了心理準備，就必須要有更大的動作才能打動市場。

財長Scott Bessent公開喊話說回購規模還能再擴大，是在製造「後面還有大招」的威脅感。但是，這只會是狼來了的故事。

真正壓垮長債的兩大背後推手

問題是，這項操作處理不了真正的病根，長端美債現在面臨的是供需兩端的同時夾擊。

首先看供給端。

科技巨頭正在大舉發債，直接搶走美債的資金。

2026年，以亞馬遜、Alphabet、Meta、Oracle為主的AI巨頭已發行約2,200億美元的公司債，全年預估約達2,500億美元。

而這些大多是長天期債券，屬於「淨新增」的長債供給，直接與美債爭奪相同的買家（退休基金、保險公司等）。

作為對照，美國財政部目前一年發行的20年期＋30年期長債，規模大約落在3,700億至4,500億美元之間。

換言之，僅僅這幾家科技公司今年的長債發行量，就已相當於財政部全年長債發行量的五成到七成左右。

財政部的回購只是在搬移既有的政府債務，並沒有減少市場上的長債總量；科技公司發債則是實實在在地增加了長期債券的供給壓力。

再看需求端。

過去各國央行買美債是為了外匯儲備，對殖利率高低並不敏感。

中國持有的美債在2026年6月降至6,334億美元，創下2008年9月以來近18年新低；日本雖仍是最大外國持有者，但6月也減少了264億美元。

幾個星期前，日本為了挺日圓在匯市干預，美國財政部罕見加入，這是近十多年來美日首次聯合干預。

華盛頓之所以出手，就是極度害怕日本為了換現金而拋售美債。

這場行動暴露了財政部最深層的焦慮：外國買家一旦收手，美債殖利率就會失控。

長端美債的邊際買家已經轉向對價格高度敏感的私人投資者。

過去外國央行買美債，主要是為了外匯儲備，對殖利率高低並不特別敏感，他們比較像「必須持有一定數量美債」的剛性買家。

現在邊際買家變成退休基金、保險公司和避險基金，這些人會精算「風險補償夠不夠」。一旦他們覺得期限溢價不夠吸引人，就會要求更高的利率才願意接手。

這才是真正麻煩的地方：過去可以靠「不太看價格」的買家穩住長端，現在這些人慢慢退場，剩下的買家對價格極度敏感。

只要科技公司繼續大舉發債，外國央行接盤的意願持續下降，長債利率就會面臨源源不絕的上壓。這是區區幾十至數百億美元的回購完全擋不住的。

為什麼可能讓事情更糟

如果僅僅是「沒用」，那頂多是一次無效的嘗試，但這次操作，卻可能帶來幾個副作用。

副作用一：破壞幾十年建立的信譽

幾十年來，財政部管理債務的核心原則只有六個字：

「規律且可預測」。

投資人之所以願意持有幾十年的美債，就是相信政府不會為了短期利益臨時亂改發債結構。

這種可預測性，本身就是降低「期限溢價」的最大關鍵。

所謂期限溢價(Term Premium)，白話講就是時間的風險補償。把錢借給政府 30 年，跟借 3 個月面臨的風險完全不同。

這 30 年間可能發生通膨爆發、戰爭或財政失控，投資人自然會要求額外的利息，當作承擔這段漫長不確定性的補償。

這套回購機制在 2024 年 5 月剛啟動時，財政部官員 Josh Frost 曾公開立下三大原則：操作會規律且可預測、不做戰術性或臨時性干預、不拿來應對市場急性壓力。

當時的初衷很單純，只為了給流動性較差的舊債一個出口，並調節季節性的現金流。

8 月 19 日的這項公告，幾乎把先前的承諾全翻掉了。

規模調整選在正常季度再融資週期之外，還直接貼上記者會標籤，宣稱這是「對長端殖利率飆升的回應」。這讓原本中立的流動性工具，瞬間變成了看心情使用的政策工具。

當政府開始插手干預，市場反而會心慌：政府是不是快付不起利息了？

未來的發債計畫會不會隨時說變就變？這種政策不確定性，會逼得投資人索取更高的期限溢價，結果適得其反，推升長期利率。

第2個副作用：選舉的巧合。

這次擴大回購的時間落在 9 月 9 日到 11 月 4 日，恰好完美覆蓋了美國中期選舉前的衝刺期，包括多數州的提前投票窗口。

長端殖利率直接決定了 30 年期房貸利率。對選民來說，房貸負擔是最有感的痛點。

即便只是暫時把房貸利率壓低 10 到 20 個基點，都能被拿來做宣傳。

同時，在選前把長端利率從失控邊緣拉回來，也能減弱反對黨批評政府利息支出排擠預算的力道。

當干預時間點跟選舉日曆疊加得這麼精準，投資人難免懷疑動機。這種懷疑會進一步推高期限溢價。

更糟的是，這會養成市場的壞習慣：一旦看到政府能在選前出手，未來每次大選前大家都會要求比照辦理，讓非選舉期間的債務管理變得舉步維艱。

第3個副作用：借短債的路徑依賴。

目前美國流通的美債裡，大約有 33% 會在未來 12 個月內到期。

平均到期期限不到 6 年，對大型經濟體來說已經偏短。這次回購操作買回長債、發行短債補位，會把這個期限拉得更短。

發短債現在看來利息較低，能幫政府省錢，但代價是每隔幾個月就要重新找錢。

只要短期利率衝高，或者市場對短債的需求降溫，政府的利息成本會立刻暴增。這是典型的用今天較低的支出，換取明天更高的風險。

2022 年之後政府利息支出暴漲的教訓還歷歷在目。當時一大批在零利率時代發行的低息債到期，不得不換成高利率的新債。

現在如果刻意提高短債比例，就是在重蹈覆轍。而且一旦到期期限被拉短，未來想再把它拉長，只會變得更貴、更困難。

Fed的思路

之前提到，美國利率有兩大推手，一個是財政部，另一個是Fed。

財政部出手了，Fed的取態又是怎樣？

在 7 月 29 日的 FOMC 記者會上，Kevin Warsh明確指出，自上次會議以來的 42 天裡，名目與實質殖利率在整條曲線上都出現了「過去二十年來最顯著的升幅之一」。

他非但沒有對此表示憂慮，反而正面評價：

「市場參與者正在學習看球本身，而不是看裁判。市場價格會依自己認為合適的方向與幅度去反應。」

「這在我看來是更好的改變，而且我們才剛開始。」

這句話的含義很清楚：Warsh 歡迎長期利率上升，認為這代表市場定價功能正在恢復，不再過度依賴央行的前瞻指引。

他傾向讓市場自己決定長期利率水平，而不是由政策當局去壓制。

加上他主張繼續縮減資產負債表，聯準會的縮表本身就會對長端利率形成上行壓力，這正好與財政部想壓低長期利率的目標背道而馳。

其實我認為，這大概就是 Warsh 目前最希望看到的局面。

作為 Donald Trump 欽點的新主席，在白宮不斷施壓降息的政治陰影下，要說他完全沒有壓力絕對是騙人的。

當然，現在的情況下，降息是沒可能的，他最多能做的，就是做到維持利率不動。

通膨壓不下去，身為央行總裁又不能坐視不管。此時最合理的棋路，就是把短端利率死死扣在原地不動(向Donald Trump交代)，同時放任長端利率自由往上衝。

利用飆升的長期資金成本來替市場降溫、壓制通膨，這就是 Warsh 在政治壓力與央行天職之間，找出的最佳解法。

Fed 就算想幫，也幫不了

那 Fed 能不能配合財政部，幫忙把長端利率壓下來？

答案幾乎是否定的。而且原因是它如果真這麼做，只會越幫越忙。

把長期利率壓低，等於在幫整體金融環境鬆綁。這帶有刺激經濟的效果，跟央行壓制物價的緊縮目標完全衝突。

在通膨風險還沒有完全消退的當下，Fed 如果主動去壓長端，等於一邊踩煞車一邊踩油門。

更重要的是信譽問題。一旦市場認定聯準會是為了幫政府省利息才放寬政策，央行多年建立的獨立性會立刻受到質疑。

而獨立性一旦動搖，市場對通膨的預期就會失錨，長端利率反而會因為更高的通膨溢價而進一步上升。Fed 越幫，長端越高。

這就是為什麼 Warsh 必須反覆強調「讓市場自己定價」。他需要市場相信，利率的變化是市場自己的判斷，而不是央行在背後操縱或放任的結果。一旦這個認知被打破，整個定價邏輯就會崩潰。

Fed 真正害怕的，是市場開始講一個叫「財政主導」的故事。

所謂財政主導，就是政府龐大的融資需求開始綁架央行，壓過央行根據通膨和就業獨立決策的能力。

市場開始打入一種預期：貨幣政策最終會向財政妥協，被迫降息、重啟印鈔，或者乾脆容忍更高的通膨來慢慢蒸發政府債務。

目前這個故事還沒有成真，但它是一個 Fed 必須全力避免的均衡。

但問題是，財政部越是搶著插手長端，Warsh 這個立場就越難維持。

市場會開始問：如果財政部一直在干預，Fed 的「不配合」到底能撐多久？

Bessent的真正算盤

因此在我看來，Bessent 不是真的相信40億美元的回購能把長端利率壓下去了。

Bessent 是市場出身的人。他比任何人都清楚，在赤字、期限溢價、企業發債、外國需求、Fed的限制，這些結構性力量面前，回購操作根本不可能把長端重新錨定在一個明顯更低的水準。

我相信，他真正的目標，更接近於「別讓殖利率失控飆升得太快」。

他用的手法是突襲加上威脅。突然宣布翻倍，讓空頭措手不及；同時公開表示「我們還有很大的工具箱」，讓市場不敢輕易加碼做空。

他的目的不是把長端壓下去，而是提高做空長端的成本和風險，讓投機性的空頭部位在短期內不敢囂張。

Bessent 在玩一個「減速」的遊戲，不是一個「反轉」的遊戲。

他不需要長端跌回 4%，他只需要長端不要在三週內從 5.2% 衝到 5.8%。在選舉前的窗口期，把速度控制住，就夠了。

對黃金和加密貨幣的影響

這幾天，對此反應最大的，是黃金與加密貨幣。

短期看，財政部買債帶來了流動性放鬆與美元走弱，但由於這次回購的實際效果有限，這個流動性紅利可能來得快、去得也快。

但我覺得，流動性紅利未必是重點，以下的幾點才是更長期的敍事。

當市場察覺政府開始對長端利率感到焦慮、甚至願意偏離原本「規律且可預測」的發債原則時，它同時觸發了兩件事：

第一，市場開始猜測 Fed 最終會不會被迫配合，全球金融條件有沒有可能因此鬆動；

第二，即便 Fed 不下場，政府干預本身也在持續削弱法幣體系的信譽風險，投資人需要一個不受任何單一政府控制的價值儲存。

在兩者之中，加密貨幣在低位徘徊已久，籌碼清洗相對充分，現在就只差一個敍事去點燃。

隨著美債長端殖利率居高不下，在我看來：

美國政府極需要穩定幣，成為美債短端的「結構性買盤」。

讓我們回想一下，財政部長 Bessent 的策略是「買回長債、增發短債」。

但要讓這個策略順暢運作，關鍵在於短端是否有足夠的承接力，而穩定幣發行商正是最理想的解答。

依據現時的法案，支付型穩定幣必須 1:1 由短期國庫券（T-bills）等資產做背書。目前整個行業已貢獻了逾 1,700 億美元的美債需求（Tether 甚至已是全球主要的 T-bill 持有者之一）。

這意味著，穩定幣的膨脹能為短端美債提供一個對價格不敏感的民間剛性買盤，有效替財政部減輕長端壓力。

未來，若針對市場結構的法案順利通過並掃除監管迷霧，將進一步驅動機構資金入場與鏈上金融規模化。

這不僅僅是加密市場自身的利多，更是徹底放大了「穩定幣消化美債短債」這套財政機制的關鍵觸媒。

對股市的影響

對股市來說，這並不意味著全面熊市，而是資金會變得極度「挑剔」。

傳統觀念認為高利率必然重創股市，但在真實的資金配置中，我認為不會這麼簡單。

首先，長端美債波動劇烈且政策不確定性高，讓傳統「買債券避險」的吸引力大打折扣。

當長期債券不再是無風險的避風港，大筆機構資金依然需要尋找回報出口，股市依然是少數能對抗長期通膨與債務稀釋的資產類別。

其次，優質企業的獲利成長依然紮實。因此，市場不會全面撤離股市，而是會進行嚴苛的 「品質篩選（Flight to Quality）」：

• 純靠故事與遠景的股票：在資金成本居高不下的環境下，估值溢價會被持續壓縮。

• 具備高品質營運的企業：擁有強勁資產負債表、定價能力，並能實打實轉化出自由現金流的公司，反而會持續吸引從債市與劣質股流出的資金。

財政部每一次干預帶來的估值反彈，或許不會演變成全面性的大牛市，但會成為資金向少數「高品質龍頭」集中的催化劑。

三條可走的路

把解決長端利率問題的路徑攤開來看，其實只有三條路可走。

但結合我們前面的分析，你會發現每一條路都有它的問題：

第一條路：財政部繼續自己玩債務管理工具（回購加調整發債）。

前面說過，這改變不了債務總量，也擋不住科技公司發債。這招用一次是驚喜，用三次就是狼來了，邊際效應只會遞減。

只要不砍發債規模，殖利率很快就會彈回去。

幾週前美日聯合干預匯市就是最好的對照組：戰術性的干預可以讓市場安靜幾天，但它扭轉不了赤字與供需失衡的長遠軌跡。

第二條路：聯準會出面配合（重啟買債或降息）。

在通膨還沒降下來前，Fed 跑去壓低長端利率等於一手踩油門一手踩煞車，央行信譽會徹底崩塌。

不是不可能，但很可能會有反效果。

第三條路：政府拿出可信的多年減債計畫。

這是唯一能從根本降低「期限溢價」的解法。但在美國大選前夕，要政治家砍預算、縮減赤字，在政治現實上完全不可能發生。

照我看來，1的可能性是最高的。很多人在期待2的發生，但在這樣的環境下發生2的話，我認為是最壞的情況。

我們要關注的點

第一個節點：8月28日 Jackson Hole 年會，看 Warsh 的底線

全球央行年會在 8 月 27 到 29 日舉行，Fed 主席 Warsh 將在 28 日發表主題演講。

這是他就任後第一次重大公開表態，而且時間點剛好卡在財政部與央行張力最緊張的時刻。

市場這次會緊盯他的字裡行間：他會不會重申「長端利率應該由市場決定，即使政府借貸成本變高」？他會不會暗酸財政部干預市場？還是他會態度軟化，釋出願意與財政部協調的訊號？

第二個節點：11月4日季度再融資公告，看 Bessent 的真牌

中期選舉前夕，財政部將公佈新一季的發債計畫。

如果財政部真的宣布削減 20 年期與 30 年期長債的拍賣規模，那才是供給端出現改變的實質利多。

如果規模完全沒動，甚至為了回購而進一步增發短債，市場就會徹底看清：這次的翻倍回購，就只是一塊為了選舉硬貼上去的臨時OK繃。

過去 15 年，全球投資人習慣了一個世界：只要長期利率一有壓力，聯準會總會跳出來兜底。

從 QE、扭曲操作，一路到疫情期間的無限量放水，央行永遠是市場的最後買家。

但現在的格局是：財政部有心無力，聯準會有力無心，財政整頓遙遙無期。

當這三道牆同時擋在前面，長端利率的維持高位，就會是常態。

如果看完這篇之後，還想了解更多我對宏觀經濟，以及債息的看法，我挑選了兩篇過去的「深入分析」。

其實一路以來，利率路徑的走勢，也和我推演的情況差不多。

我誠邀大家重溫這兩篇分析，你會對當前形勢有更深入的想法。

謝謝你閱讀到這裡，如果你覺得這份筆記為你帶來了價值，請不吝按下一個讚，這是我持續分享的最大動力。

我在Facebook和Threads都有每天發佈當天對市場的觀察，大家也可以考慮追蹤我的社交媒體。

另外我在Telegram有頻道，每天早上我會發當天重要新聞摘要。

全部資訊在以下鏈結：

https://linktr.ee/fomo_soc

另外，如果你已經加入付費會員，不要浪費了群組的功能，進入我們Substack的Chat功能一起討論市場!

· KP

在過去十年的雲端與移動互聯網時代，華爾街評估科技巨頭的黃金法很簡單：自由現金流收益率（FCF Yield）。

軟體與平台具備高毛利與規模經濟，科技巨頭能將 60% 到 80% 的淨利轉化為自由現金流，並透過巨額回購推升股價。

它們是名副其實的「印鈔機」。

但到了 2026 年，這個方法失效了，巨頭們的自由現金流消失了。

第零章 | AI的四層價值鏈與估值重構

自由現金流的公式極其簡單：FCF = 營運現金流 - 資本支出 (CapEx)。

當資本支出大幅增加，計算出的自由現金流自然迅速收縮，甚至轉為負值。

看看 2026 年第二季的數據：

• Alphabet： 單季砸下 449 億美元 CapEx，導致單季 FCF 首度轉負（-59 億美元）。

• Meta： 單季 CapEx 達 311 億美元，FCF 暴跌 91%，僅剩 7.84 億美元。

• 亞馬遜與微軟： 同樣承受巨大的資本壓力，部分季度 FCF 承壓或必須依賴會計手段（如拉長折舊年限）來維持帳面正數。

如果你拿著傳統的 FCF Yield 模型去衡量這四家公司，得出的結論只有一個：它們正在毀滅價值，股票應該全部賣出。

0.1 四層價值鏈

但 CapEx 其實有兩種。

有些 CapEx 是維持現有業務的「維護性消耗」，這種花費無法帶來額外增長。四大巨頭大部分的 CapEx，屬於「成長性投資」，理論上這些支出在未來會帶來回報。

問題在於：公司說是「成長性投資」，就真的算成長性投資嗎？

因此，我們需要一個框架。而在評價巨頭時，我認為有四層重點，決定了CapEx 的品質。

• 矽（Silicon）： 誰能控制單位 Token 的成本底線？在 Token 價格長期走低的環境下，擁有自研晶片（如 TPU、Trainium）是防守毛利率的唯一護城河。

• 模型（Model）： 誰掌握了前沿能力？是自研突破、深度綁定合作夥伴，還是到處花錢租用？這直接決定了議價權與對外依賴度。

• 分發（Distribution）： 誰擁有無法流失的原生需求？搜尋、社交等自有流量永遠不會取消訂單，這是營收確定性的終極保證。

• 變現形式（Monetization）： 收費模式是軟體席次費、算力消耗量，還是廣告費？這決定了營收的可預測性與現金流品質。

看懂這四個收費站，我們就能明白，為什麼同樣是砸錢蓋資料中心，四家公司的回報路徑卻有著天壤之別。

0.2 估值框架的重構：PE 與 SOTP 的匹配原則

既然四家公司的商業本質與風險特徵截然不同，我們就絕對不能用同一套尺去衡量它們。

散戶最喜歡犯的錯誤，就是把它們放進同一個 P/E 表格裡直接比較，然後得出結論：Meta最便宜所以買入，亞馬遜最貴所以不值。

面對這四家公司，我會拆分為兩種估值方法：

1. 業務高度交織：標準化 P/E（整體估值法） 如果一家公司的各業務線共享底層基礎設施、產品互相捆綁銷售，強行把它切開估值只是循環論證。微軟和 Meta 屬於這一種。

2. 業務高度獨立：SOTP（分部加總估值法） 如果各業務線的風險特徵完全不同、利潤率差異巨大，把它們攪在一起算平均數會掩蓋真實價值。亞馬遜和 Google 屬於這一種。

框架已經建立。接下來的四章，我將會極為深入地和大家分析每個巨頭在做甚麼、背後的投資邏輯，以及現在的估值究竟包含了甚麼：

• 微軟： 探討當「獨家代理權」退化為「最好的通路」時，如何用標準化 P/E 定價。

• 亞馬遜與 Google： 這將是一場 SOTP 的實戰演練，切開它們龐大的身軀，找回被掩蓋的利潤引擎。

• Meta： 展開一場關於廣告營收曲線與折舊曲線「誰跑得快」的終極博弈。

寫在前面

這絕對是我寫過最硬核、也最折磨人的分析之一。

看着大家投票選出這個主題的時候，我心裡其實在想：「大事不妙!」

（感謝各位的厚愛，真是個令人又愛又恨的票選結果）。

但我確實喜歡這個題目。

微軟、亞馬遜、Google 和 Meta，這四家公司可能是當今科技界最重要的存在。理解它們在 AI 時代的底層差異，是每一個投資人的必修課。

只是，這個題目寫起來真的非常痛苦，甚至可以說是我寫作生涯中最痛苦的一次。

很多人可能覺得，寫四家公司，難度無非就是寫一家公司的四倍。

但實際上，難度是呈指數級上升的。

如果我只是單獨寫微軟，我只需要順著它的商業邏輯往下挖。

但當我把四家放在一起時，我不僅要深挖它們各自的商業本質，還必須在她們之間來回穿插、對比、解構。

我需要解釋為什麼微軟用 P/E 而亞馬遜用 SOTP，為什麼 Google 的 TPU 是四通道而 Meta 的算力可能是去庫存，為什麼同樣的折舊在四家身上引發的估值反應截然不同。

這種跨公司的邏輯編織與框架統一，極度消耗腦力。

每一家公司單拎出來，其實都值得幾萬字的深度剖析。

事實上，在此之前，我已經為這四家公司分別寫過獨立的深度分析。

在這篇文章裡，我不得不做大量的取捨，只保留最核心的估值骨架與戰略邏輯，並絞盡腦汁思考如何把它們清晰地呈現給大家。

如果你在閱讀過程中覺得某些商業細節難以理解，我強烈建議你先去重溫一下我之前寫的那幾篇獨立深度分析。

有了那些商業細節打底，這篇對比分析會好懂得多。

最後，提前給大家打個預防針：這篇文章裡會有不少計算和估值拆解。

我會盡最大努力把白話文說到最直白，但如果有些數學推導你實在覺得枯燥或燒腦，直接跳過完全沒關係。

只要你能記住每一章最後的「實戰追蹤信號」，這篇分析的核心價值你就已經拿到了。

坐穩了，我們開始。

我們先從最簡單的開始，微軟。

第一章 | Microsoft：從「獨家代理」到「最好的通路」

打開微軟的財報，官方在架構上清晰地劃分為三大業務板塊：「智慧雲端」（Intelligent Cloud）、「生產力與商業流程」（Productivity and Business Processes），以及「更多個人計算」（More Personal Computing）。

「更多個人計算」，其實就是Xbox遊戲、Surface消費性硬體與部分搜尋廣告。

很明顯，這塊業務既不與當前的 AI週期正相關，佔整體營業利益的比重也很低，因此我們不需要浪費時間處理這部份。

因此，我們將目光放到「智慧雲端」和「生產力與商業流程」。

1.1 商業本質：高度交織的兩個部門

「生產力與商業流程」，本質是「應用層 SaaS」。

它包含了全球企業日常運作離不開的 Microsoft 365（Word、Excel、PowerPoint、Teams、Outlook）、企業資源規劃與客戶關係管理軟體 Dynamics 365，以及專業職場社群 LinkedIn。

這塊業務的商業模式主要以「按人頭計費的訂閱制」（Per-seat Subscription）為主。

而「智慧雲端」，本質是「底層基礎設施與平台（IaaS / PaaS）」。

其最核心的增長引擎是 Azure 公有雲，同時涵蓋 Windows Server、SQL Server 等伺服器產品，以及開發者平台 GitHub。

這塊業務的商業模式以「用多少付多少的算力與儲存消耗制」（Consumption-based）為主。

當然，我們可以將兩者分開，對「生產力」套用純 SaaS 軟體的倍數，對「智慧雲端」套用純雲端基礎設施的倍數。

但在真實的商業運作中，這兩大分部根本切不開，因為它們在底層高度交織、互為表裡：

1. 共用算力骨幹與 CapEx 黑盒子

微軟每年投入數百億甚至上千億美元的資本支出（CapEx）採購 GPU、興建超大規模資料中心與鋪設全球光纖，這些成本在底層是完全共享的。

當企業員工在 M365（生產力板塊） 裡點擊 Copilot 生成一份簡報或摘要郵件時，背後每一次 AI 推理消耗的，全都是 Azure（智慧雲端板塊） 的算力叢集。

你無法在財務報表上乾淨地切分：哪一張 GPU 是用來賺取 Azure 的雲端租賃收入，哪一張是為了支撐 M365 的軟體後端運作。

強行切分兩者的成本與折舊，只會得出失真的分部毛利率。

2. GTM（業務拓展）與企業級鐵三角的捆綁銷售

微軟的銷售團隊拜訪跨國企業 CIO 時，談判桌上擺的永遠是標準的捆綁式銷售。

企業簽署微軟企業協議（Enterprise Agreement）時，通常是一攬子打包了 Azure 雲端承諾消費額、M365 辦公套件席次、GitHub 代碼平台，以及橫跨全端點的 Entra ID / Defender 企業安全防護。

客戶之所以願意在 Azure 上擴大支出，是因為他們的員工每天都在 M365 上辦公，兩者在數據流通與身份權限管理上天生無縫。

反之，企業大規模採購 M365 Copilot，又會反向鎖定 Azure 作為企業內部唯一的數據與模型底座。

3. 業務相關性趨近於 1，SOTP 失去增量資訊

在市場上，你找不到任何一家「只賣雲端算力卻不賣任何軟體與身份驗證」的純對標公司，也找不到一家「只做辦公軟體卻擁有全球頂級資料中心與自研晶片」的獨立 SaaS 巨頭。

「智慧雲端」與「生產力與商業流程」的相關性趨近於 1：

• AI 週期順風時： 企業既加購 M365 Copilot 席次（生產力分部），又在 Azure 上調用更多模型 API（智慧雲端分部），兩者同步加速。

• 企業縮減 IT 預算時： 企業會同時精簡軟體授權席次並減少雲端資源消耗，兩者同步承壓。

強行用 SOTP 將這兩個官方分部切開並分別給予乘數，只是把市場早已隱含的綜合估值人工拆散再加總，毫無增量資訊。

因此對於微軟，我們直接使用整體標準化的 Forward P/E 來評估，才是最符合其商業本質且最誠實的估值方式。

1.2 戰略重構：從「獨家代理」到「成本-產出」的毛利防守戰

在財報會議上，CEO Satya Nadella 用一句話定調了微軟的 AI 戰略：

「我們正在推進成本-產出曲線的前沿，確保每個客戶都能將 Token 轉化為商業成果。」

過去兩年，市場聚焦的是「模型到底能多聰明」，但在真實的企業市場裡，決定 AI 能否普及的關鍵是 ROI。

對企業來說，Token 就像是電費，如果調用大模型的成本高於它節省的人工工時，技術就無法大規模落地。

微軟所定義的「前沿」，是如何把解決具體商業問題的「每單位 Token 履約成本」壓到最低，而非無上限地燒錢追求 Benchmark 跑分。

這解釋了微軟近期的三大戰略動作：

1. 利潤流向反轉與資本解放

根據 4/27 修訂案，微軟停止向 OpenAI 支付營收分潤，改由 OpenAI 定期向微軟付款至 2030 年，但加上了總額上限。

同時，OpenAI 開始轉向 AWS 或 Oracle 採購算力，等於讓競爭對手替微軟分攤了高風險的訓練算力投資。

CFO Amy Hood 強調，微軟全年超過 2,140 億美元的雲端營收中，近 90% 來自前沿模型實驗室以外的實體企業客戶。

2. 議價權反轉與「企業級路由器」

如果市場上只有一家 OpenAI，微軟只是被綁定的經銷商。

但如今微軟雲端平台上架了超過 11,000 個模型，Nadella 指出「使用多供應商模型的客戶數自年初以來成長 5 倍」。

當各家模型在 Azure 上互相競爭，微軟便握有了壓低採購成本的議價空間。

未來的關鍵是一套能自動分流的「企業級路由器」：

約 90% 的常規需求（摘要郵件、基礎代碼），直接由成本極低的自研小模型（MAI）搭配自研晶片（Maia）處理；不到 10% 的複雜邏輯，才調用外部昂貴的前沿大模型。

在固定價格的訂閱制下，一旦模型品質跨過企業日常辦公「夠用」的門檻，模型能力再強 10%，微軟的席次收入也不會增加一毛錢。

但如果能把單次推理成本降低 80%，省下的錢直接落到營業利潤。

這就是微軟不必贏模型戰的全部理由。

3. 自研矽的實戰數學

在底層硬體上，微軟推出了 3nm 製程的自研晶片 Maia 200，走「推理優先」路線。

這套「固定收入（30美元/月訂閱）、變動成本（推理算力）」的商業數學，已在實戰中展現威力：

• PowerPoint 圖像生成： 透過自研模型，GPU 成本降低最多 84%。

• GitHub Copilot（MAI-Code-1-Flash）： 程式碼採納率較 GPT-5.4 Mini / Claude Haiku 4.5 高約 10%，中位 token 用量少 10%。Amy Hood 明確證實，Azure 超預期的部分原因，正是歸功於 GitHub Copilot 商業模式變更後、消耗量強於預期。

現實檢驗：毛利型護城河是中期論點

這套以極致成本為核心的模式，是微軟的長期目標。事實上，當季財報尚未反映這一成果。

目前微軟仍處於重資本投入期：Microsoft Cloud 毛利率降至 65%，Azure 毛利率約 47.5%。單季資本支出達 410 億美元（年增 70%）。

自研小模型與晶片帶來的成本效益，目前仍難以完全抵消 AI 伺服器折舊帶來的短期毛利壓力。

這份成本紅利，要在資本支出週期見頂回穩後，才會真正反映在未來的利潤率上。

1.3 估值濾鏡：盯緊 60 億美元的「真帳單」

因為持有 OpenAI 約 27%的複雜股權，每當 OpenAI 進行重組或融資，微軟帳面上就會憑空多出幾十億美元的「紙上收益」；而當 OpenAI 擴大研發虧損，微軟又得在帳面上按規則認列一部分損失。

因此，面對微軟，看官方提供的 「調整後非 GAAP 營運 EPS」（Adjusted EPS） 會更為準確。

真正值得我們認真看待的，是財報附註裡首次揭露的兩筆真實商業帳：

營收集中度（比想像中健康）：

FY26 全年，微軟從 OpenAI 身上收取的商業協議與雲端分潤共 241 億美元。

對比 3,318 億美元的總營收，佔比僅約 7.3%；對比 2,140 億美元的雲端業務，佔比也只有 11%。

這證明微軟的雲端底座並不是靠 OpenAI 一家在充場面。

應收帳款（真正的信用底線）：

截至 2026 年 6 月底，微軟帳上對 OpenAI 的應收帳款高達 60 億美元。

這意味著微軟已經交付了 60 億美元的高級算力，但這筆真金白銀還沒全數落袋。

OpenAI 是否具備足夠的造血能力按時清償，才是微軟資產負債表上真正承受的信用風險。

1.4 估值邏輯：大道至簡的 P/E

既然我們確立了微軟不適合用 SOTP 拆解，那麼它的估值公式其實非常簡單：

合理股價 = 合理的 P/E 倍數 × 調整後的非 GAAP EPS

但這裡的關鍵是：市場願意給微軟多少倍的 P/E，完全取決於它認為這場「成本戰」的勝率有多高。

當前華爾街共識的 FY27 調整後 EPS 大約在 $19-20 左右，然後你可以根據以下三種情境，填入你對未來 12 個月 EPS 的判斷，再乘上你認為合理的 P/E 倍數，就能得出自己的估值區間：

Read more

大家好，我是 KP，歡迎來到第 55 期的《週末思考筆記》。

這兩星期，我寫的主題都比較宏觀。上週聊了機器人（Robotics），這週則探討了主權 AI（Sovereign AI）。

坦白說，這兩期的後台數據都挺慘淡的。

但我想了一下，覺得這很正常。

因為坦白講，這些題目沒有明顯的「交易機會」。

不是那種市場上所有人都在討論、你看完不讀就覺得自己落後了的東西。

沒有人急著下單，自然就沒有人急著點進來。

做研究的人和做內容的人，很多時候是矛盾的。前者追求的是「這有沒有用」，後者追求的是「這有沒有流量」。

我既是做研究的，又是做內容的，所以我每天都在這兩件事之間拉扯。

很感謝各位會員，讓我可以很多時候不需要為流量，而決定寫甚麼主題，而是可以跟隨我認為值得研究的主題去走。

這讓我想起之前有會員在「主題提名區」留言，問我有沒有什麼有潛力的熱門主題可以分享。

我完全理解，作為投資者或交易員，我們永遠在渴望新的標的、新的交易機會，這件事本身是很興奮的。

但說句真心話，至少對我自己而言，大部分時間我做的事情不是找「可以馬上買的東西」。

我大部分的時間，其實都花在理解真實世界的產業趨勢、默默地「打底」上。

很多時候，一個好的產業、一個好的公司、一個好的方向，不代表你明天就能進場。你還需要一個好的價格、一個好的時機。

所以重點是：你必須在沒人討論的時候就去研究。等到所有人都在談的時候，你通常已經晚了。

機器人和主權 AI，我深信它們會是未來極其重要的趨勢，只是我們無法精準預測風口何時吹來。

所以，我選擇在風還沒吹起、市場最安靜的時候，先幫大家打好地基。雖然現在沒有立竿見影的財富密碼，但這些底層邏輯的研究，才是最堅實的護城河。

這週有一個小插曲讓我蠻開心的。

這星期，有一位在機器人行業工作的讀者跟我說，說我上週寫的那篇機器人專題，方向是對的，跟他在業界看到的東西吻合。這給了我極大的鼓舞。

每次收到業內人士的反饋，說「你寫的跟我的實際經驗一致」，我會覺得，嗯，這條路沒有走偏。

好，講一個新嘗試。

從這週開始，我會試一個新系列，叫財報解剖，付費會員應該已經收到了文章。

目前 FOMO研究院有兩條線：

週中的深入分析，一個產業或公司主題，深挖到底；

週末的週末筆記，相對短一點的一週市場觀察與隨筆（雖然「短」也只是相對的）。

但我一直有個需求沒被滿足：有時候我想把一家公司的財報拆得細一點，逐項去看。

問題是，它不適合放進深入分析，因為那不夠「專題化」；放進週末筆記又太重了，週末筆記的節奏不是那樣。

所以我想，乾脆開一個新的位置給它。

我想先講清楚這個系列「不是」什麼。

「財報解剖」，不會是你們在 X 或各大Facebook財經號上看到的那種東西。

財報一出，幾小時內就發出來，標題寫著「Beat by 3 cents」「Revenue miss」，配一張綠紅箭頭圖。

那種東西，說實話，不需要我來寫，你刷一下任何一個財經 feed 就有了。

我想做的，是慢下來，把一份財報真正「消化」過。不是告訴你 Beat 還是 Miss、Beat 了多少，那些其實對投資沒有用處。

我想找的是：這份財報裡面，有哪些角度是你真正應該理解的？管理層的語氣變了沒有？某個部份的結構有沒有在悄悄改變？指引的措辭跟上一季比，是收縮了還是放寬了？

這些東西，不會出現在財報出來後兩小時的熱帖裡，但它們往往才是決定你三個月、半年後要不要持有這檔股票的關鍵。

這個系列未必適合所有人。

如果你只想知道「數字好不好」，你大概不需要它。

但如果你跟我一樣，喜歡把一份財報攤開來慢慢讀、喜歡從數字背後去推一家公司真正的狀態，我想你會覺得它有意思。

不過，我想先管理好大家的預期：這個系列是「實驗性質」，且「不保證更新頻率」。

財報解剖不會每期都有，也不會保證寫哪一家公司。拆一份財報非常耗時間，我只會在有時間、而且我真的覺得值得寫的時候才寫。

《FOMO 研究院》的核心主菜，依然是週中的【深入分析】和週末的【思考筆記】。這個【財報解剖】將作為給付費會員的專屬不定期Bonus。

對免費讀者來說，你不會少任何東西。我會把幾個關鍵觀察放進週末筆記，長度和洞察跟以前一樣。只是付費會員會偶爾收到這份額外的驚喜。

再次強調，這是一個實驗，我們邊走邊看，不保證任何發文頻率。

這星期的筆記一共有 4 個主題。

其中第一個主題的篇幅非常長，幾乎是平時兩個主題的量。因為 Nvidia 與頂級金融機構的聯手，是一件影響極其深遠的大事，我用了極大的篇幅去深度剖析它。

4個主題包括：

主題一 | 5,000 億算力融資平台：黃仁勳變成了金融架構師？

主題二 | 馬斯克說「AI 佔 SpaceX 99% 價值」?

主題三 | CoreWeave和Nebius為何同時暴漲？

主題四 | SanDisk投資者日，有甚麼重點？

主題一 | 5,000 億算力融資平台：黃仁勳變成了金融架構師？

八月十日，Nvidia 宣布與 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs、KKR 六家華爾街巨頭簽署備忘錄，建立獨立的「算力融資平台」，目標撬動超過 5,000 億美元的第三方資本，用於 AI 基礎設施建設。

一家芯片公司，為什麼要跟資產管理公司一起搞個平台？

事實是，黃仁勳正在做一件前所未有的事：他正在把 AI算力，從一種高風險的科技硬體，硬生生包裝成一種類似房地產與收費公路的生息資產。

而他自己，是這個資產類別的「保險公司」。

為什麼是現在？

因為錢不夠了。

Goldman Sachs 的測算顯示，五大雲端巨頭2026 年的資本開支將達到約 7,500 億美元，2027 年將突破 1.1 萬億。

而這些公司的營運現金流，已經無法覆蓋全部帳單。Alphabet 在 2026 年 Q2 錄得了上市以來第一個自由現金流為負的季度。Goldman 預計，2027 年巨頭們將透過發債籌集約 4,000 億美元來填補缺口。

過去，蓋數據中心的錢主要來自科技巨頭自己的現金流和股權。

但現在，越來越多的錢來自項目融資、私人信貸、基礎設施基金、以及專門的資產支持結構。2025 年，私人基礎設施基金募資創下 2,210 億美元的歷史紀錄。

換句話說，AI 基建的資金池，正在從「科技公司的資產負債表」轉移到「華爾街的資本市場」。

而這個轉移，需要一個錨。一個讓銀行和退休基金敢把錢放進來的錨。

NVIDIA就是那個錨。

銀行最怕什麼？

銀行借出幾百億美元蓋數據中心時，最怕的事情只有一件：萬一借錢的公司倒閉了，留下一堆二手 GPU，拍賣掉也還不上貸款怎麼辦？

這個問題之所以難回答，是因為 GPU 的折舊曲線極度不可預測。

新一代芯片一出，舊一代可能瞬間貶值。銀行沒有能力判斷「這批 H100 三年後還值多少錢」，因為那個答案取決於 Nvidia 下一代產品的性能躍升幅度、發布時間、以及軟體生態的更新節奏。

換句話說，GPU 的殘值，只有黃仁勳自己知道。

所以他做了一件事：他給銀行提供了一份「折舊保險」。

25% 的殘值支持

根據這個架構，金融機構獨立審核每個項目，承擔主要的放款風險。Nvidia 的角色是提供技術平台，並在必要時提供最高 25% 的殘值支持。

簡單來說，萬一借錢蓋資料中心的 AI 公司倒閉了，二手 GPU 賤賣後的價值不足以償還貸款，輝達會在專案基礎上，幫忙吸收最高 25% 的跌價損失。

有了這 25% 的「下行保險」，銀行就會願意把放款利率從「高風險風投等級」直接降到「基礎設施地產等級」。

Nvidia這樣做，當然是為了讓客戶買得起更多晶片，但這不是唯一的好處。

Nvidia 官方在說明中提到，這些融資平台將帶來「長期、與使用量掛鉤的收入」（long-duration usage-linked revenue）。

摩根士丹利據此做了情境推估：假設 Nvidia 能從超出盈虧平衡點的 GPU 使用收益中抽取約 35% 的盈餘分成，在全球每年新增 5GW 算力、租賃價格維持在較高水平的假設下，每年有潛力為 Nvidia 額外創造約 510 億美元、接近 100% 毛利的營收。

讓數據中心變得標準化

但光有折舊保險還不夠，銀行要願意把幾百億美元放進一個資產類別，它還需要一個前提：這個資產必須是標準化的。

Nvidia 從 2025 年下半年開始，就公開大力推廣 DSX AI Factory Reference Design。

2026 年 3 月，Vera Rubin DSX 參考設計正式發布，涵蓋了 compute tray、機櫃、NVLink 架構、網路、電力、冷卻、設施基礎設施的完整規格。

官方文件寫得很清楚：這是「generation-specific, validated AI factory architectures」，目標就是讓不同廠商按照同一套藍圖重複建設。

Nvidia的願景是，未來的 AI 數據中心會像連鎖超商一樣標準化。相同的機櫃、相同的 NVLink 架構、相同的電力配置。

A 公司倒閉了，銀行把數據中心扣押下來，B 公司接手時完全不需要重新裝潢或改線路，直接插上電源就能繼續運作。

標準化帶來了同質性，同質性帶來了流動性，流動性帶來了銀行敢貸的勇氣。

一台專為某家客戶量身打造、軟硬體高度綁定的數據中心，違約後很難找下一個買家。

但如果大家用的是同一套 DSX 參考設計，它就更像一架標準化的飛機或一個標準化的貨櫃。有二手市場，有可比對的殘值，有接盤的人。

算力證券化

黃仁勳在發布會上的原話是：「In AI, compute is revenue。」在 AI 時代，算力就是營收。

這句話的金融含義是：如果算力能產生穩定的、可預測的現金流，那它就可以被證券化，可以被分層，可以被打包成 ABS 或 CLO，賣給退休基金和保險公司。

解決了折舊問題，解決了標準化問題，下一步就有可能走向「資產證券化」。

銀行理論上可以把這些由 Nvidia 提供有限殘值支持、具備租金收益的 GPU 與資料中心債務，重新打包成資產支持證券（ABS）、擔保貸款憑證（CLO）甚至更複雜的結構。

透過分級設計，華爾街有機會把高風險的 AI 專案債務，包裝成獲得「投資級」評級的金融產品，然後賣給全球的退休基金和保險公司。

這聽起來很耳熟，2008 年次貸危機時，華爾街最擅長的正是把特定風險轉化成系統性風險。

但證券化本身並非原罪。

飛機租賃運作數十年，即使在金融危機中也相對穩健，關鍵就在於資產高度標準化、有二手市場、且殘值風險有一定管理機制。

數據中心 ABS、基站REIT、設備租賃 ABS 也都是成功把專業基礎設施轉化成長期可投資資產的例子。

真正的分水嶺在於：底層資產的品質、標準化程度、以及承銷紀律。

如果 GPU 集群真的能像飛機一樣具備流動性與可重新部署性，這套結構有機會成為「AI 時代的基礎設施債券」；如果殘值假設過度樂觀、或利用率不如預期，風險依然可能集中爆發。

黃仁勳正在嘗試讓 AI 基礎設施獲得更接近傳統基礎設施的融資成本。至於這個故事最後會走向哪一邊，取決於那些租金，到底能不能持續收上來，以及銀行與基金是否真的能保持獨立、嚴格的承銷標準。

循環融資的疑慮

過去幾個月，市場對 Nvidia 最大的質疑就是「循環融資」：Nvidia 借錢給客戶，客戶拿錢買 Nvidia 的芯片，錢繞一圈回到 Nvidia 口袋。

七月傳出可能高達 7,500 億美元的相關安排時，Nvidia 的 CDS 利差一度飆到歷史新高。

這個新架構，是黃仁勳對那個質疑最直接的回應。

六家金融機構獨立審核、獨立放款、獨立承擔風險，資本是第三方的，Nvidia 的直接暴險被限制在最高 25% 的殘值支持。

它不再是一個「借錢給客戶買自己芯片」的賣方，它變成了一個「提供技術平台和有限保險」的基礎設施供應商。

但這裡有一個有趣的點。Goldman Sachs 既是這個融資平台的六家合作夥伴之一，同時也是發布 hyperscaler 資本開支預測最激進的機構。

它一邊幫 Nvidia 搭建融資架構，一邊發布報告論證「為什麼需要這麼多融資」。

這不意味著數字是假的，但它意味著這個「獨立審核」的生態系統裡，存在著機構層面的利益重疊。

風險被重新分配了，但沒有消失

Michael Burry 把這個 5,000 億的平台稱為「華爾街的噱頭」，並把它比作 2008 年之前的金融工程：「Meet the new Boss. Same as the old Boss.」

他的批評有道理嗎？有一部分是有道理的。

這個架構確實把風險從 Nvidia 的資產負債表上移走了，但它沒有讓殘值風險和利用率風險消失。它只是改變了誰吸收前 75% 的損失，誰吸收後 25%。

如果 AI 應用的營收增長慢於產能擴張，如果下一代架構比預期更早到來導致舊硬件加速貶值，如果某個大型客戶突然違約，這些風險依然存在。它們只是從「Nvidia 的或有負債」變成了「私人信貸基金和 SPV 的持有資產」。

而且底層抵押品依然是 Nvidia 的 GPU 和全端系統。如果殘值大幅下跌，損失依然集中在 Nvidia 的生態系統裡，即使第一層虧損由基金承擔。

更大的圖景

如果你把鏡頭拉遠，你會看到黃仁勳正在完成一個完整的閉環。

• 第一步，他設計了全世界最好的 AI 芯片。

• 第二步，他用 CUDA 建立了一個無法被替換的軟體生態。

• 第三步，他用標準化架構讓 GPU 集群變成可互換、可轉移的「通用基礎設施」。

• 第四步，他用自己的 roadmap 知識和生態掌控力，為這個基礎設施提供「折舊保險」。

• 第五步，他拉來華爾街的長期資本，讓這個資產類別獲得「基礎設施等級」的融資成本。

從芯片設計師，到生態系建構者，到基礎設施定義者，到保險提供者，到資本市場架構師。

過去每一次工業革命，都需要有人定義基礎設施、有人提供資本、有人承擔風險。蒸汽機時代有鐵路債券，電力時代有電廠融資，互聯網時代有光纖租賃。

而這次，黃仁勳正在親手定義這個AI世代。

主題二 | 馬斯克說「AI 佔 SpaceX 99% 價值」?

「AI 將佔據 SpaceX 99% 的價值。」馬斯克最近說到。

SpaceX 不是一家火箭和衛星公司嗎？現在已經變了一家純AI公司了嗎？

1.9 兆美元的數學題

要理解馬斯克為何要這樣做，我們得先算一筆很現實的數學題。

截至八月初，SpaceX 的估值大概在 1.9 兆美元附近，這是一個極其龐大的數字。它目前的火箭和衛星業務撐得起這個估值嗎？答案是不能。

看看第二季的數據。毫無疑問，Starlink（連接業務）是目前的現金牛，單季創造了 42.9 億美元的營收和 16.6 億美元的營業利潤，用戶數翻倍達到 1,200 萬，年增長 66%。這是一家非常健康且高速增長的衛星寬頻公司。

但如果我們把 Starlink 的營收年化（大約 170 億美元），並給它一個非常慷慨的基礎設施或電信業估值倍數（比如 15 到 25 倍的市銷率），算出來的價值大約在 2,500 億到 4,250 億美元之間。

再把太空發射業務（單季營收不到 10 億美元，且因為 Starship 的研發還在虧損 5.4 億美元）的價值加上去，你依然離 1.9 兆美元十萬八千里。

這中間巨大的估值落差，完全且唯一地，是由「AI 敘事」和「Starship 帶來的太空算力期權」來填補的。

這就是為什麼馬斯克必須大聲疾呼 AI 將佔據 99% 的價值。因為如果不把 AI 的總可尋址市場（TAM）和估值倍數撐起來，現有的估值其實很難說是合理的。

算力地主的估值天花板

但問題來了，如果 SpaceX 的 AI 業務，本質上只是買 Nvidia 的 GPU，在地球上蓋數據中心，然後把算力租給別人的話，它就跟 CoreWeave 這些公司沒有本質區別。

Neoclouds沒有不好，但始終是一個高資本支出，競爭十分大的行業，故事仍然不夠性感。

因此，馬斯克不需要一個清晰可見的天花板，他需要一個無法用傳統模型計算的估值。

值得留意的是，馬斯克沒有說AI 會佔 99% 的「營收」，他說的是99%的「價值」。

這是一個經典的平台轉移（Platform Shift）劇本，為了理解這個劇本，我們得先看看蘋果和亞馬遜是怎麼做的。

蘋果與亞馬遜的劇本

硬體貢獻了蘋果大部分的營收，但服務業務（App Store、iCloud、Apple Music）貢獻了超過四成的毛利。

市場給蘋果的高倍數，是把它當作一家高毛利的生態系公司。

iPhone 是一個極其昂貴且精美的獲客渠道，一旦用戶買單，後續的軟體服務就會源源不斷地產生利潤，蘋果的護城河是生態鎖定與用戶習慣。

再看看亞馬遜。

零售業務營收龐大但利潤微薄，AWS 只佔總營收的不到兩成，卻貢獻了超過一半的營業利潤。

市場早就把亞馬遜當作一家雲端運算公司來定價，零售業務是一個巨大的流量入口與數據飛輪，用來攤銷基礎設施的成本。

亞馬遜的護城河是規模效應與基礎設施的先發優勢。

在這兩個案例中，原來的核心業務退居幕後，成為支撐新業務的基礎設施。

市場給這些公司的估值，從來不看它們當前營收佔比最大的那一塊，看的是那個擁有最高增長和最深護城河的新業務。

馬斯克的算盤也是一樣。火箭和衛星就是 iPhone 和網購，是基礎設施，是印鈔機。AI 才是「價值」所在。

Starlink 單季賺的 16.6 億美元營業利潤，正在被全數投入 AI 這個無底洞。

第二季 SpaceX 的總資本支出高達 184 億美元，其中 158 億美元砸在了 AI 算力上。

把護城河挖到外太空

為了讓 SpaceX 的 AI 業務擺脫「普通算力地主」的標籤，馬斯克必須給它加上一個別人絕對抄不走的物理壁壘。這個壁壘，就是太空。

馬斯克在財報電話會上給出了一個誇張的數字對比：目前 SpaceX 用 Falcon 火箭每年將大約 2,500 噸的物資送入軌道，而 Starship 的目標是每年將 100 萬噸、甚至最終 1,000 萬噸的物資送入軌道。

如果 SpaceX 真的能在近地軌道部署龐大的 AI 算力集群，它就不再是一家普通的 Neocloud 了。

你無法用標準倍數去估值一家壟斷了太空算力的公司，你只能用「科幻倍數」來定價。

這就是馬斯克想要達到的效果：讓 SpaceX 成為市場上獨一無二的標的，讓傳統的估值模型徹底失效。

你不需要相信那個 99%

AI 會在四五年內佔據 SpaceX 99% 的價值嗎？大概率不會。這個數字太誇張了，軌道算力的經濟學還遠未驗證，地表算力的競爭也遠未結束。

但我們從來就不應該只看馬斯克字面上說了什麼。

99% 這個數字不重要，重要的是他為什麼要說這個數字，以及這個數字在做什麼。

主題三 | CoreWeave和Nebius為何同時暴漲？

這個星期，CoreWeave 和 Nebius 同時狂飆。標題都是那些：AI 算力供不應求。

但需求強不是新聞，我們應該更關注的是財報裡面的細節。

第一個拐點：利潤率與定價權的真正證實

過去市場對這類公司最大的擔憂，是怕它們變成「永遠需要砸大錢買設備，但自己卻永遠賺不到錢」的生意。

但 CoreWeave 這一季，給出了一個很明確的「利潤率拐點」。

第一季時，利潤率難看，管理層解釋這只是機房蓋好但租金還沒進帳的「時間差」，當時市場半信半疑。

結果到了第二季，這個說法被數字證實了：新簽合約的預期邊際利潤，比前幾期高出 5 到 10 個百分點。

一個細節是，CoreWeave 在 7 月份全面提價了約 25%，而第二季展現出來的利潤改善，甚至還沒把這次漲價的效果完全算進去。

這說明早在漲價之前，公司的賺錢效率就已經在自我提升；而在供給極度短缺的市場裡，他們確實成功把成本轉嫁給了客戶，拿到了實質的定價權。

第二個拐點：舊晶片簽到了 2029 年

另一個打破市場迷思的細節，是硬體的生命週期。

CoreWeave 分享了一個案例：他們把早在 2020 年就推出的舊款 A100 晶片，又成功簽下了一份一路延伸到 2029 年的新合約，而且出租單價還維持在高位。

為什麼這很重要？因為這批晶片當初剛買進來的時候，第一份長約收到的租金，就已經足夠還清買設備的貸款，並賺到了合理利潤。這批設備早就「回本」了。

這意味著現在不管是續約還是轉租，賺到的每一分錢幾乎都是純粹的額外淨賺。這直接證明了 GPU 的真實經濟壽命，遠比會計帳面上預設的折舊年限長得多。

這改變了我們估算這門生意長期資本回報率的底層邏輯。

Nebius 的合約設計

Nebius 單日漲了 34%，很多人會直接看同比營收增長454%。

但更值得注意的，是他們怎麼設計合約結構。

他們把合約分成三類：

• 一到三年的核心合約，穩定基本盤。

• 三到六個月的短期合約，趁供給緊張時拿溢價。

• 跟頂級大企業簽的超長合約，不是為了賺最多錢，而是拿去給銀行看，證明未來有穩定還款能力，壓低融資成本。

三種合約各管一件事：穩收入、賺利潤、降資金成本。

護城河到底在哪？

以上這些數字與信號都很正面。但如果我們把 Neocloud 的商業模式拆開，本質上依然是：買 Nvidia GPU、找電、蓋機房，再把算力租出去。

GPU 不是它設計的，電力不是它獨有的，它最大的客戶本身就有能力自己蓋基礎設施。

如果五年後，這些公司還是在比「同一張 GPU，我每小時比你便宜多少」，那最後一定會陷入價格戰。

真正可能形成護城河的，是軟體層與客戶黏著度。例如 CoreWeave的「託管推理服務」，幫客戶包辦底層技術細節，年化收入從 100 萬美元暴增到超過 1 億。

當客戶把模型部署、監控、優化流程都建在你的平台上，轉移成本才會真正出現。

「財報解剖」會聊什麼

我們了解幾個最改變認知的亮點：利潤率拐點的證實、舊晶片的超長壽命、以及合約結構的巧思。

但在他們的財報中，還有更多值得深挖的細節：

• 資本結構： 為什麼 CoreWeave 走得更快但背負 350 億債務包袱，而 Nebius 身段更輕卻面臨股權稀釋風險？

• 天價數字的背後： Nebius 提到的「每兆瓦 4,000 到 5,000 萬美元」短期價格，為什麼絕對不能直接套用到長期估值？

• 產能交付的時間差： 機房通電了為什麼不等於能立刻收錢？中間數個月的工程黑洞在哪裡？

• 定價權的折扣： 現在的溢價，到底是因為服務夠強，還是單純吃到了「全行業缺貨」的紅利？

利潤率拐點是真的，運營槓桿也是真的。但這些「真的」背後，幾乎全部需要同一個前提：算力仍然供不應求。

主題四 | SanDisk投資者日，有甚麼重點？

記憶體產業最近流行起一種新玩法。

之前美光大喊「戰略客戶協議（SCA）」，SK 海力士緊跟在後，現在輪到 SanDisk 在投資人日上推出自己的版本，叫「新商業模式（NBM）」。

名字各家都不一樣，但說白了，這幾家巨頭做的事情一模一樣：跟客戶簽長約、鎖定最低採購量、設下「價格地板」，順便叫客戶先交押金。

這代表整個記憶體產業正在集體「戒毒」，試圖戒掉過去「賺錢就瘋狂擴產、賠錢就殺價見底」的毒癮，努力讓自己活得更像台積電一點。

80% 的毛利地板

SanDisk 這次最吸睛的宣言是：即使未來景氣下滑、客戶只付合約規定的「地板價」，它的毛利率依然能守在驚人的 80% 左右。

要知道，在過去任何一個記憶體週期中，NAND 的毛利率在巔峰時大約 40% 到 50%，在谷底時跌到負數。80% 是一個極度誇張的數字。

SanDisk已經跟 8 個大客戶（包括 3 家美國雲端巨頭）簽好了合約，客戶實打實地押了 165 億美元的真金白銀作為保證金、信用狀或擔保。客戶想賴帳，就得付出巨額代價。

他們的另一個底氣，來自它與鎧俠（Kioxia）合資工廠的極高效率。

過去幾年，他們只用了整個 NAND 產業約 13% 的資本支出，就生產了市面上近 30% 的晶片。背後主要有兩個原因：

• 第一，合資結構的槓桿。工廠由雙方共同出資、共同分攤成本，SanDisk 在財報上只認列自己那一半的資本支出，卻能享有龐大的產能份額。這讓它的資本密集度看起來異常低。

• 第二，製造效率本身就強。他們把資源集中在現有廠房的技術升級與良率優化，而不是瘋狂蓋新廠，因此每一塊錢資本支出能換來的晶片產量，明顯高於產業平均。

這種「低資本支出、高產出」的體質，讓 SanDisk 即使在地板價，依然能維持遠高於同業的獲利能力。

80%是「絕對保證」嗎？

別傻了。

商場上沒有任何合約是絕對撕不毀的。如果未來市場出現極端崩盤，或者 SanDisk 自身的製造成本大幅超標，合約依然面臨重新談判的壓力。

歷史經驗告訴我們，記憶體的長期合約在週期谷底時往往會被要求重啟談判。

因此，我會把 80% 視為一個結構性改變，但數字本身我會打個折扣。

更重要的是，即使 SanDisk 自己的合約再穩，整個 NAND 市場的供需平衡，最終仍取決於美光、三星、SK 海力士和鎧俠會不會繼續大舉擴產。

如果產業整體供給失控，價格保護再堅固也會被慢慢侵蝕。供給紀律，才是這場戒毒能否成功的真正關鍵。

HBF 的實質進展與免費選擇權

除了合約，SanDisk 也更新了 HBF（高頻寬快閃記憶體）的進展。

這技術並非新面孔，但這次給出了最實質的進度：第一顆晶片已成功投片（Tape-out），預計 2027 年送樣、2028 年開始貢獻營收。

SanDisk的一組模擬數據是：4 顆配備 HBF 的 GPU，產出了與 8 顆純 HBM GPU 相同的 token 輸出。省下來的不只是 4 張 GPU 的錢，還有背後幾百萬美元的電費、散熱成本和機房空間。

HBF 不會完全取代 HBM。最聰明的做法是混搭：最核心、需要極速運算的資料留在 HBM；龐大的模型檔案和暫存資料，則丟給更便宜的 HBF。這讓 NAND 有機會從單純的儲存層，向上躍遷至近計算層。

目前 HBF 普遍沒有被計入投行的基礎財務模型中。換句話說，它是一個完全免費的看漲期權。如果它成功落地，SanDisk 將獲得一個全新的 AI 估值維度。

資本配置與估值重塑

SanDisk 承諾把 100% 的多餘現金流回饋給股東，優先透過回購。

目前剩餘的回購額度大約 155 億美元。

在一個資本密集度只有 mid-single digits 的商業模式裡，配合 50% 的自由現金流利潤率，這個承諾的含金量極高。

它傳遞的訊號非常明確：管理層認為當前的股價，尚未充分反映長期合約帶來的確定性。

同樣的底牌，不同的風向

說到底，SanDisk 的 NBM，本質上跟美光的 SCA、海力士的 LTA 玩的是同一套邏輯。

它們都在做同一筆交易：主動放棄現貨市場暴漲時的超額利潤，來換取景氣下行時更安全、更有能見度的獲利底線。

但為什麼美光六月底宣布 SCA 的時候，市場的反應跟現在不一樣？

答案在於情緒窗口。

六月底，記憶體股票已經漲了一大波，估值在高位，利潤率在極端水平。

市場開始問兩個讓人不安的問題：「這些好消息是不是已經全部反映在股價裡了？」以及「如果供需緊張提前結束怎麼辦？」在那種氛圍下，結構性改變的故事很容易被當成週期頂部的噪音。

到了八月中，市場經歷了一輪調和消化。SanDisk 的宣布恰好落在一個不同的情緒窗口裡，投資人更願意重新審視「結構性改變」這個敘事，而不是本能地把它歸類為利多出盡。

同樣的故事，不同的時間點，市場給出的定價完全不同。

這也解釋了為什麼記憶體族群的股價總是如此顛簸。

投資人正處於一場漫長的「價格發現」過程中，兩個高度波動的變數在互相拉扯：

一個是獲利，即便有了合約保護，記憶體轉換依然有其物理週期；

另一個是估值倍數，市場到底該給這種「類合約制」的新模式多少溢價。

這兩個變量都在動，而且往往朝不同的方向動。所以 SanDisk 的股價依然會劇烈波動，因為價格發現的過程本身，就是一場永無止境的拉鋸。

記憶體產業正在集體戒毒，這個方向是對的。但戒毒的過程從來都不會平滑。

謝謝你閱讀到這裡，如果你覺得這份筆記為你帶來了價值，請不吝按下一個讚，這是我持續分享的最大動力。

我在Facebook和Threads都有每天發佈當天對市場的觀察，大家也可以考慮追蹤我的社交媒體。

另外我在Telegram有頻道，每天早上我會發當天重要新聞摘要。

全部資訊在以下鏈結：

https://linktr.ee/fomo_soc

另外，如果你已經加入付費會員，不要浪費了群組的功能，進入我們Substack的Chat功能一起討論市場!

· KP

這個星期，CoreWeave 和 Nebius 的股價同時狂飆。

兩家公司大漲的根本原因是一樣的：AI 算力需求依然遠遠超過供給，兩份財報都證明了同一件事，現在的瓶頸在產能，而不在需求。

但老實說，需求強這點，其實也不能說是甚麼新聞，大家都清楚，因此我們需要深入一點去分析。

CoreWeave：兩個拐點

CoreWeave 這一季的財報，確實給了市場全面上調的理由。

• 營收 25.8 億美元，同比增長 112%，全年指引上調至 124 到 132 億美元。

• 期末待履行訂單高達 1,040 億美元，同比暴增 246%。

• 第三季初又簽了超過 250 億美元的新客戶承諾，包括 Meta 追加的 210 億和 Anthropic 的多年期協議。近期產能基本售罄。

• 此外，一個讓市場很安心的細節是客戶集中度改善了。最大客戶的營收占比從之前的 71% 降到了 36%。

這些數字加在一起，解釋了為什麼股價會大漲。

但在這些亮眼數字背後，我最在意的其實不是營收增長，也不是訂單有多大。

我反而更注意兩件事：一是利潤率是不是真的迎來了拐點，二是 GPU 的經濟壽命到底有多長。

CoreWeave 兩者都給出了不錯的答案。

Read more

天下大勢，分久必合，合久必分。

從 1970 年代的大型主機（集中），到 1990 年代的個人電腦（分散），再到 2010 年代的雲端運算（再次集中）。

每一次鐘擺的轉向，都伴隨著舊巨頭的衰落、新霸主的崛起，以及千億級別資本的重新洗牌。

過去四年，生成式 AI 的爆發將這種「集中化」推向了極致。全球企業將最核心的數據與業務邏輯，打包送進少數幾家矽谷巨頭的遠端黑盒子裡。

企業不需要蓋機房，只要插上 API 的插頭，就能獲得無盡的智力。

市場理所當然地認為，這種高度集中的壟斷格局就是 AI 時代的一切。

但鐘擺，已經觸及了反彈的臨界點。

當 AI 從辦公桌上的「問答機器」，進化為接管企業核心流程的「自主代理（Agent）」，甚至成為國家級別的戰略資產時，這種接駁API的做法開始出現了不同的問題。

「開源模型」和「主權AI」開始冒起，成為新的敍事。

我不打算，也沒有能力預測哪一個大模型會贏得最終的智力競賽。

我更關心的是：當企業與國家開始奪回 AI 的控制權時，價值將會流向哪裡？

在這篇分析中，我將會帶你完整地走一趟整條「主權AI」的價值鏈，從掌控決策的軟體層、重新劃分地盤的雲端層、售賣算力的基礎設施層，一直到觸及物理世界的邊緣層。

我們開始。

第一章｜閉源模型的裂痕

在 AI 興起的頭幾年，企業引進 AI 的方式非常簡單：按月訂閱，按量計費。

老闆們不需要花大錢蓋機房，只要把資料傳給遠端的科技巨頭，電腦就能吐出聰明的解答。

這種向外採購 AI 能力的模式，讓無數公司體驗到了前所未有的便利。大家習慣了把核心業務交給雲端，以為只要按時繳費，就能輕鬆享受全球頂尖的科技成果。

但在2026年，這套模式開始遇上了兩個危機。

1.1 Uber 的預算告急與「Tokenmaxxing」的結束

第一個危機是財務上的實質衝擊。

以 Uber 為例，其內部工程師使用 Agentic coding 工具（如 Anthropic 的 Claude Code）的比例，從 2 月的 32% 飆升到 95%，高達 70% 的提交代碼由 AI 生成。

這種狂熱帶來了驚人的帳單。雖然多數員工每月的 API 消耗約在數百美元，但重度使用者每月的成本可達 500 到 2,000 美元。

整體採用速度遠超財務部門的假設，Uber 後來甚至不得不為每位員工、每個工具設定每月 1,500 美元的使用上限。

Uber CTO Praveen Neppalli Naga 宣布，這是一場「Tokenmaxxing era（狂衝 Token 的時代）」的結束。

同時，Uber 營運長 Andrew Macdonald 公開質疑：「我們很難劃出 AI 使用量飆升，與實際交付產品功能之間的明確關聯。」

這意味著，企業已經意識到，無限制提供最昂貴 API 的時代結束了，成本控管與實質效益的驗證成為剛需。

1.2 微軟的帳單管理

即便是資金雄厚的微軟，也面臨同樣的帳單問題，他們開始在內部導入嚴格的 AI 財務管理（FinOps）與模型路由機制。

當員工發起一個簡單任務，系統會自動分派給較低成本的小模型；只有複雜任務才會呼叫昂貴的前沿模型。

透過這種精準控管，微軟設法將龐大的 Token 支出拉回可控範圍。

1.3 Agent 的興起與 Token 暴增

帳單失控的背後，有一個關鍵的技術轉折。

2023 年的時候，員工只是把 AI 當作簡單的問答機器人。你輸入一段提示詞，AI 回覆兩段文字，一次對話通常只消耗幾百個 Token，費用微乎其微。

到了 2025 年與 2026 年，企業開始全面導入自主代理工具（Agentic AI）。

AI 開始接管複雜的多步驟任務，從被動回答問題，轉向主動規劃與執行。

當一名工程師下達指令要求 AI 在系統中尋找漏洞時，自主 Agent 為了理解情境，會在背景自動載入整個專案程式庫中數萬行的背景資料，並在系統內部重覆呼叫與測試幾十次。

任務的複雜度增加了十倍，背後消耗的 Token 數量卻暴增了五十倍。

企業原本期待藉由遠端模型來提升效率，結果卻發現，只要員工開始將多步驟的自動化工作流交給 AI，計費速度會遠超財務部門的預算規劃。

龐大的雲端 API 費用按月遞增，企業不僅沒有建立起專屬的技術護城河，反而讓營運預算持續膨脹，難以預測。

1.4 當供應商變成直接對手

第二個危機則是商業信任。

2026 年 4 月，Anthropic 發表了名為 Claude Design 的新產品，用戶可以直接利用自然語言生成 UI 設計、原型與簡報。

這款產品的定位，顯然重疊了設計巨頭 Figma 與 Canva 的核心領地。

當時的 Figma，恰好是 Anthropic 在企業端最重要的模型採購客戶之一。更令人敏感的是，Anthropic 的產品長 Mike Krieger，當時同時擔任 Figma 的董事會成員。

在 Claude Design 正式發布的前幾天，Krieger 突然宣布辭去 Figma 董事職位。

隨後爆出的細節顯示，Anthropic 在之前的溝通中，將該產品的能力描述得相當基礎，實際發表的產品卻直接進入 Figma 的核心市場。

這導致 Figma 選擇中途退出原本規劃的聯合發布計畫。Figma 執行長 Dylan Field 事後公開指出，Anthropic 在合作過程中缺乏持續的坦誠。

這讓整個科技業意識到閉源模式隱藏的深層風險。

Figma 的遭遇未必是資料被挪用的鐵證，但它揭示了一個重要的結構性利益衝突。

當模型供應商為了追求增長，開始往應用層擴張時，企業永遠無法確定，今天提供底層 API 的合作夥伴，明天會不會憑藉對你業務邏輯的理解，直接推出產品成為你的競爭對手。

1.5 Alex Karp 的警告

在 Palantir 的 2026 年第二季財報會議與專訪中，CEO Alex Karp 將這種企業界的集體焦慮，化為更具攻擊性的行業警告。

Karp 指出，許多企業陷入了一場無意義的 Token 狂熱。

公司高層為了展現轉型成果，鼓勵員工大量調用雲端 API，耗費數百萬美元購買 Token，忽視了這些支出並未帶來實質的營運效益。

Karp 在受訪中使用了「數位殖民」這個詞來形容閉源大廠的商業邏輯。

他的意思是：閉源模型實驗室在遠端收集全球企業的業務邏輯與專業數據，消化吸收後，再將升級後的模型賣給企業的競爭對手。

Karp 提出「AI 主權」的概念，企業與政府必須擁有自身數據、模型權重與工作流的絕對控制權。

1.6 黃仁勳的第一條推文

2026 年 7 月 24 日，長期謝絕個人社群動態的黃仁勳，發出了他個人在 X 平台上的第一條推文。

這條推文分享了一封名為《開放權重與美國 AI 領導力》的聯合公開信，迅速吸引了超過百家科技機構聯署。

黃仁勳在信中強調，世界既需要前沿的閉源模型，也需要開放模型。

AI 技術將由每一個國家與企業親自建造，開放權重是確保技術安全與主權的基礎。

1.7 從智力租賃走向主權重構

從 Uber 的預算超支、Figma 的供應商疑慮，到 Alex Karp 的警告與黃仁勳的推文，這些事件標誌著全球 AI 產業權力結構的轉移。

企業與國家開始意識到，真正的技術壁壘，在於能否將智力與數據的主導權握在自己手中。

這場運動普遍被稱為「AI 主權」。

但「主權」到底意味著什麼？它跟開放模型之間，又是什麼關係？

第二章｜一體兩面：主權 AI 與開放權重

如果租賃模式有這麼多問題，為什麼過去四年，全球企業還是排著隊把數據送上去？

2.1 電網的黃金歲月與隱藏代價

答案很簡單。2023 年，自己訓練一套接近 GPT-4 水準的模型，成本可能高達數億美元。相比之下，可能調用 API 只需要數千美元。

插上電，比蓋電廠合理。

這種租賃模式在 2023 到 2025 年間，確實為企業創造了巨大的生產力價值。但第一章的三個案例已經揭示了它的隱藏代價：成本不可控、供應商可能變成競爭者、數據與控制權握在別人手上。

過去企業大多選擇忍受，因為替代方案的成熟度還不夠。那時的開放模型能力有限，在複雜推理與企業級任務上仍有明顯差距。

2.2 什麼是 Sovereign AI？

現在，替代方案開始出現。企業與政府開始追求「Sovereign AI」（主權 AI）。

主權 AI 的核心，是把 AI 的控制權從第三方手裡拿回來。

它至少包含五個維度：

• 數據主權。 你的業務數據、客戶資料、產線參數，盡可能不經過第三方伺服器。合約寫得再漂亮，只要數據離開你的控制範圍，風險就仍然存在。

• 模型主權。 你用的模型權重由你擁有、你微調、你更新。供應商不能任意遠端變更你的模型版本，也不能單方面中斷你的使用。

• 算力主權。 運行 AI 的硬體，盡可能落在你可掌控的環境。關鍵系統在網路不穩或受限時，仍能維持基本運作。

• 決策主權。 AI 做出的重要判斷，你能審計、能追溯、能回滾。它不再只是一個無法解釋的黑盒子。

• 供應鏈主權。 你的 AI 系統盡量降低對單一國家或單一公司技術棧的絕對依賴。關鍵環節出現變數時，仍有調整空間。

這五個維度加在一起，構成了主權 AI 的基本框架。它本質上是一套控制權的結構。

實務上，主權 AI 是一個光譜，涵蓋從完全斷網到數據駐留的多個位置。

完全斷網、物理隔離是一端；數據駐留在指定地區、客戶持有加密金鑰、操作過程可審計，則是光譜上的其他位置。

很多企業追求的，是「足夠的控制」，未必需要絕對的物理隔離。不同產業、不同風險承受度，會落在這個光譜的不同位置。

2.3 開放權重是燃料，主權 AI 是需求

定義完主權 AI，下一個問題是：怎麼實現？

如果模型鎖在閉源 API 背後，你擁有的更多是使用權，而非完整的主控權。數據通常必須經過對方的環境，模型版本也由對方主導。對方的商業策略一旦改變，你的調整空間就會受限。

開放權重改變了這個結構的可能性。當模型權重可以被下載、被擁有、被微調、被部署在你選擇的環境中，模型主權才變得實際可行。

開放權重是燃料，主權 AI 是需求。

反過來說，如果沒有主權 AI 的需求，開放權重只是眾多技術選項之一。

企業可以繼續使用閉源 API，因為更省事。正是政府要求數據受控、企業希望降低對單一供應商依賴的需求，給了開放權重更強的商業驅動力。

但開放權重只是起點。有了燃料之後，還需要引擎、方向盤、底盤和車輪。接下來的章節，我們逐一拆解這套系統。

2.4 從概念到現實

概念清楚了。接下來的問題是：這些開放模型，到底是怎樣在短短幾年內，從「不夠用」變成「足以支撐許多主權 AI 場景」的？

2023 年的開源模型，在處理較複雜的推理任務時，仍經常出現明顯落差。那時的它們，確實難以承擔關鍵業務。

但到了 2025 年與 2026 年，情況出現了明顯變化。這場性能追上的過程，是如何發生的？

第三章｜開放權重的追趕：智力的大宗商品化

AI 中最諷刺的事情之一，莫過於「OpenAI」這個名字。

2015 年，當 Elon Musk 與 Sam Altman 等人共同創立 OpenAI 時，這家非營利機構的初衷是將最新的 AI 技術「Open」給全人類，避免這項技術被少數巨頭壟斷。

然而到了 2024 年，當 GPT 系列模型被嚴密封鎖在黑盒子裡、成為商業授權工具後，Musk 將 Altman 與 OpenAI 告上法庭，指控對方背離了初始的開放承諾。

2026 年 5 月，加州陪審團以「已超過訴訟時效」為由駁回了 Musk 的主要指控。

無論最終結果如何，「OpenAI」這個名字本身，已經成為科技界最大的名不副實之一。

真正接下「開放」這面旗幟的，是一群原本被視為外圍挑戰者的研究團隊與科技公司。

3.1 Zuckerberg 的算盤

開放模型浪潮的第一個轉折點，來自 Meta 創辦人 Mark Zuckerberg。

2023 年，Zuckerberg 決定將 Llama 模型權重免費開放給全球下載。

Zuckerburg 打算做善事？當然不是。

他在智慧型手機時代吃過虧，缺乏自己的作業系統，讓 Meta 長期受制於 Apple 的政策調整。

他下定決心，絕不在 AI 時代再次讓出底層平台的主導權。

Meta 的策略是將模型層徹底大宗商品化，當全球工程師都在 Llama 基礎上開發時，模型本身的軟體價值被壓縮，價值則轉移到 Meta 自身的社群與硬體生態。

但 Llama 只是開了門。真正讓開放陣營變得有威脅的，是 2024 到 2026 年間，一波來自不同地區、不同團隊的密集創新。

3.2 性能平權：開放模型憑什麼追上？

2023 年到 2024 年上半年，開放模型與閉源前沿之間隔著一道明顯的能力鴻溝。

Llama 2 在簡單問答上表現尚可，但碰到多步驟推理、複雜數學、或長上下文的程式生成，就會開始出現偏離事實的解答。那時候的差距，用「年」來計算。

先解釋一個貫穿全文的概念。業界常把模型的「參數量」比喻為一本經驗手冊的厚度，以為手冊越厚、模型就越聰明。

早期的軍備競賽也確實遵循這個邏輯：閉源前沿模型的參數量據傳超過萬億，訓練一次動輒數億美元。

然而，參數量從來不是衡量能力的唯一尺度。模型的實際表現，同樣取決於訓練資料的純度、架構的設計，以及推理時的計算方式。

過去幾年「拚命堆疊參數」的單一邏輯，正是被這些新技術路徑所打破。

第一，架構創新讓算力用得更精準。

混合專家架構（MoE）讓模型面對每個問題時，只調動最相關的一小部分參數，其餘參數保持待命。

配合合成數據與知識蒸餾，訓練團隊可以用明顯更少的算力，逼近過去需要天量資源才能達到的效果。

「擁有自己的模型」，從超級巨頭的專利，變成了中型企業也負擔得起的選項。

第二，推理時計算讓模型學會「多想一會」。

傳統模型是快問快答。2025 年初出現的推理型模型，把「在草稿紙上多算幾步」變成了可規模化的能力。

這讓開放模型在數學、程式生成、複雜邏輯推理這些過去被閉源鎖死的硬指標上，突然變得非常有威脅。

第三，開放生態的迭代速度，是閉源陣營無法複製的。

閉源模型幾個月發一版。開放權重模型一旦釋出，全球社群立刻開始微調、量化、蒸餾、做特化版本。一個模型從發布到被優化到各種場景可用，往往只需要幾週。

3.3 DeepSeek 的衝擊

這三條路徑交匯在一起，在 2025 年初觸發了一個讓整個市場重新定價的事件：

DeepSeek 發布了 V3 與 R1。

V3 用 MoE 架構把算力用得更省，R1 把推理時計算做成了可規模化的能力，在多項數學與推理基準上逼近甚至超越當時部分閉源模型，在代碼基準上也與 Claude 3.5 Sonnet、GPT-4o 互有勝負。

DeepSeek 的衝擊是雙重的。

第一重，性能上的心理關卡被打破。

過去業界普遍認為，前沿推理能力幾乎被閉源實驗室鎖死。DeepSeek 證明，開放權重模型也能在最難的任務上打到接近的水準。

第二重，「高性能等於超高成本」的假設被動搖。

一個資源遠不如矽谷巨頭的團隊，用明顯更低的預算，做出了威脅前沿的模型。

它意味著，繼續為閉源 API 支付高昂溢價的合理性，正在快速下降。

3.4 從獨木橋到多極競賽

DeepSeek 打開了局面之後，開放生態迅速從少數先鋒變成了多隊競賽。

法國的 Mistral 證明了歐洲路線的可行性，不需要美國超大資本也能產出有競爭力的開放模型。

阿里巴巴的 Qwen 走的是另一條路：把權重免費開放，換取開發者進入自己的雲端生態，後續的託管與運算服務才是利潤沉澱的地方。

到了 2025 年下半年，智譜的 GLM、月之暗面的 Kimi 等模型持續加壓。

Kimi 把參數規模推到超大級別，同時選擇開放權重，直接挑戰了「最大最貴的模型只能待在閉源 API 後面」這個潛意識假設。

開放模型的舞台，從 Llama 的獨木橋，變成了一條多線並進的高速公路。

這對主權 AI 的推動者來說是一個關鍵信號：開放生態不依賴任何單一公司。押注開放路線的風險，正在被分散。

3.5 差距收斂與「夠用」門檻

到了 2026 年，最佳開放權重模型與閉源前沿的平均落後，已從過去的「以年計算」縮短到大約三到四個月。

在多數企業實際會用到的工作負載上，這個差距已經小到可以接受。

這裡有一個容易被忽略的結構性變化：企業真正天天在用的任務，很多並不需要絕對前沿。

文件摘要、客服問答、代碼輔助、報表生成，這些場景佔了企業 AI 支出的絕大部分。當開放模型在這些「夠用區間」站穩，閉源模型的溢價就變得越來越難辯護。

性能差距大幅收斂，成本卻仍有數倍到十倍以上的落差。對許多企業而言，繼續為剩餘的邊際效能支付高昂租金，已經不再是理性選擇。

3.6 開源與開放權重

這裡需要精準區分「開源」與「開放權重」。

真正的開源意味著公開訓練程式碼、原始數據集與完整訓練日誌。極少有頂級模型能做到這種程度的完全透明。

目前市場上廣受歡迎的模型，嚴格來說屬於開放權重：你拿到的是模型的完整運算結構，可以下載、微調、離線部署，但訓練過程未必完全公開。

對於尋求數據安全的企業與國家而言，擁有權重檔案確實提供了極大的自主性。海外廠商無法單方面切斷你的 API 服務，也無法遠端靜默升級你的模型。

當然，拿到權重檔案只是第一步。

開放權重消除了「模型 API 的單點控制」，但企業依然會依賴底層的推理框架、GPU 軟體棧（例如 NVIDIA 的 CUDA）與硬體算力。

真正的主權 AI，不僅是掌握權重，還要在整個軟硬體供應鏈中，盡可能建立自己的控制權。

不過，這裡隱含著一個深刻的矛盾：當所有主權方案都建立在同一家美國公司的底層技術上時，「主權」到底意味著什麼？

3.7 免費的模型，大家靠什麼賺錢？

模型權重免費了，開放生態靠什麼盈利？通常有四種模式。

答案其實非常簡單：它們把免費的模型權重當成了最強大的商業誘餌。

這些開放模型實驗室的獲利模式，主要可以縮影為四種策略：

第一是賣極致省事的官方 API 服務。

雖然模型可以自由下載，但企業自己租伺服器運作其實非常折騰。實驗室最懂得如何優化自家模型，因此能提供全市場最便宜、最快且穩定的官方 API 接口。

許多開發者試了一圈後發現，直接付費調用 DeepSeek 或 Mistral 的官方 API，反而比自己架伺服器更省錢省心。

第二是賣企業私有授權與客製化工程。

許多團隊採用雙重授權。中小企業與個人可以免費下載；一旦大型企業或政府機構需要將模型部署進自家機房，並要求二十四小時專人維護、商業合規承諾與專屬數據微調，就必須支付昂貴的企業級授權費與顧問費。

第三是背後母公司的戰略補貼。

Meta 免費釋出 Llama，是為了防止 OpenAI 壟斷底層平台，保護自家的社群與廣告帝國；阿里巴巴全力投入 Qwen，目標是吸引全世界的開發者進入阿里的雲端生態。

模型研發費用對背後的巨頭來說，只是帶動龐大本業運轉的行銷與生態投資。

第四是獲得免費的全球研發團隊。

模型一開放，全球數百萬名工程師便會免費替實驗室找漏洞、修程式碼、開發外掛，並提供真實的使用反饋。

實驗室省下了天價的測試成本，得以用極高的速度迭代出更強大的下一代模型。

3.8 並不是下載就能運作

假設你是一家中型公司的 CTO，讀完前面的內容後決定行動。你讓團隊下載了最新的開放權重模型，準備在公司內部部署一套專屬的 AI 系統。

權重檔案下載完成了。然後你發現，真正的麻煩才剛開始。

這些權重檔案知道怎麼理解語言、怎麼做推理。但它不知道你的客戶是誰，不知道哪些數據可以給誰看，不知道 AI 做了一個錯誤的判斷該由誰負責，更不知道該在哪台機器上跑。

你需要解決四個問題：

• 誰來管 AI 的決策（軟體層）？

• 在哪裡跑（雲端層）？

• 硬體從哪裡來（基礎設施層）？

• AI 怎麼到達人的手上（邊緣層）？

在這四層價值鏈中，有一家公司的足跡幾乎無處不在：NVIDIA。

接下來四章，我們逐一拆解。

第四章｜軟體層：方向盤與煞車

第一章提過，黃仁勳在 X 平台上發出了第一條推文，而 Alex Karp 則對閉源巨頭發起砲轟。

這兩位科技巨頭幾乎在同一時期做出動作，是因為他們正在聯手打造一套能讓主權 AI 真正落地的軟體控制系統。

Read more

大家好，我是 KP，歡迎來到第 54 期的《週末思考筆記》。

這個星期，市場可以說是平靜了不少。

但平靜之下，有不少人開始感到不安：為甚麼跌了這麼多，市場還不來個乾脆利落的 V 型反彈？

我用上星期說過的話，再說一次：因為故事（敘事）需要時間重新建立。

在這波修正中，之前的市場寵兒，也就是AI 基礎設施和硬件板塊，被狠狠地殺了一輪。

在經歷了這種重創後，你很難要求市場立刻重拾信心。

這其實也是市場最真實、也最諷刺的本質：

絕大多數人的「信仰」，是由價格決定，而不是由邏輯決定的。

當股票天天漲，所有人都有「終極信仰」，覺得 AI 將在三年內改變人類，估值再高也合理；當股票開始跌，信仰瞬間崩塌，大家又開始懷疑這是不是一場世紀騙局。

但作為一個真正的投資人，我們的思維應該是反向的。

當所有人都在盲目狂熱、高喊「這次不一樣」時，我們保持冷靜與質疑；當市場陷入恐慌、大家開始對未來失去信心時，我們反而要回歸常識，冷靜地問自己：這家公司，到底有沒有實質的價值？它的護城河還在不在？

在這種「敘事真空」的震盪市裡，最忌諱的就是胡亂出手。

因為下一個引領市場的主線還沒有明朗。這時候，你有兩種最合理的選擇。

一種是，如果你看好某些基本面極佳、且估值已經被殺到合理區間的優質資產，現在是分批、慢慢收集籌碼的好時機。

但如果你更傾向於看清趨勢、確認贏家出現後再進場，那麼現在就是最完美的觀察期。

一個優秀的獵人，絕對不會在森林裡盲目地四處開槍、浪費子彈。他會安靜地潛伏在草叢中，耐心地觀察風向，直到獵物進入最完美的射擊範圍，才給出致命一擊。

投資的大部分時間，其實都不是在交易，而是在等待與研究。

這也就是為什麼，我這週的深度研究主題是機器人（Robotics）。

坦白說，機器人板塊現在可能還沒有出現立竿見影的交易機會（也許有，但並不顯著）。但我認為，現在正是花時間為這個產業「打底」的最佳時機。

在市場喧囂、動能主導的時候，你根本沒有心思靜下來讀幾十頁的產業報告；而在市場平靜、去槓桿的空窗期，去理解一個龐大產業的底層邏輯、供應鏈結構和技術壁壘，反而是最奢侈、也最回報豐厚的投資。

當下一次風口吹來時，機會只會留給那些在安靜時默默做好功課的人。

在沒有明確敍事的情況下，倒不如繼續花時間思考基本面。這個星期的思考筆記將會有5個主題，包括：

• 主題一 | 為何美國要下場救日元？

• 主題二 | 美國準備限制中國光模組了？

• 主題三 | AMD 的財報究竟是好還是不好？

• 主題四 | Palantir 解答了一個甚麼問題？

• 主題五 | Google又一大將離開，發生甚麼事了？

最後也會有商周專欄的過去6期合集，付費會員不要錯過了!

再次呼籲大家一定要定期來聊天室一起討論市場，裡面內容含金量極高，而這是FOMO研究院唯一一個聊天室!

主題一 | 為何美國要下場救日元？

七月二十三日，日元兌美元掉到 164，創下四十年來的最低紀錄。

日本四月底已經砸了將近 740 億美元干預，撐了幾個星期就沒了。七月三十日再進場，單日估計燒掉 530 億美元，幾乎是史上最大規模的單日匯市干預；隔天又加碼了 340 億美元。

但這一次，美國也下場了。這是十五年以來美日首次聯合買入日元。

美國財政部動用外匯穩定基金，賣出歐元、買入日元。兩國政府隨後發表聯合聲明：如果必要，我們會再次行動，毫不猶豫。

一個國家的貨幣在跌，另一個大國跑來幫忙。美國為什麼要管日本的貨幣？

日元為什麼這麼弱？

1. 利差

日本利率雖然升到了三十一年來的最高點，但放在全球來看依然極低。投資者借便宜的日元去買高收益的美元資產，Carry Trade 持續把資金往外抽。日本央行升了息，但利差縮小的速度遠不夠快。

2. 財政

日本政府債務超過 GDP 的 200%，是所有主要經濟體中最高的。持續的預算赤字深深侵蝕著市場對日本資產和日元的信心。

3. 能源

日本幾乎所有能源靠進口，大部分石油來自中東。中東衝突推高油價，日本必須用更多美元買同樣的能源。

同時，衝突引發的通膨讓市場對美國利率的預期從降息翻轉為加息，美元資產更有吸引力，日元承壓更大。

日元貶值推高了國內物價，直接送走了兩任首相，這已經變成了一場嚴重的政治危機。

干預有用嗎？

短期有用，長期看基本面。

歷史上的規律很清晰：日本每次干預，日元會在幾秒鐘內跳升 2 到 3 円，幾個小時內跳升 4 到 5 円。但如果基本面沒有改變，反彈很快消退。2024 年，日本四次在 160 円附近干預，每次都是彈一下然後繼續跌，一直跌到今年的 164。

干預能買時間，但買不了趨勢。

但這次有一個關鍵的不同。美國花了大約 50 到 100 億美元，跟日本兩天燒掉的 900 多億美元相比幾乎可以忽略，但它的效果可能比那 900 億加起來還大。

之前日本單方面干預，投機者的策略是：等日本把反彈做完，然後繼續做空。他們知道日本會進場，也知道日本一個人撐不了多久。

美國的參與改變了博弈結構。投機者現在必須考慮：如果我再做空日元，美國會不會再介入？會介入多深？會不會有第二次、第三次聯合行動？「毫不猶豫」這四個字的威懾力，比實際花出去的那 50 億美元大得多。

美國為什麼要下場？日本手中的美債「人質」

因為日本手裡，握著美國金融體系最大的「人質」：1.1 兆美元的美國國債。

日本要干預匯市、買入日元，需要大量美元。最直接的來源，就是賣掉手上的美國國債。

但如果日本大規模拋售，美國國債價格下跌，殖利率上升，美國的借貸成本跟著飆升。在通膨已經因為中東衝突而抬頭的背景下，這是美國最不想看到的事情。

所以美國幫日本撐日元，表面上是幫朋友，實際上是在保護自己的債券市場。

FIMA：一個精妙的金融工程

為了既能幫日本拿到美元，又不用在公開市場上砸盤美債，一個工具被推到了前台：FIMA 附買回機制（Repo Facility）。

它的功能很簡單：日本把手上的美國國債「抵押」給聯準會，換取短期美元現金，到期再贖回來。

國債的所有權沒有變，只是在聯準會的帳上暫時過了一下。日本不用賣國債就能拿到美元去買日元，美國債市也不會被衝擊。一個工具，同時解決了兩邊的痛點。

日本財務大臣片山五月明確表示後續行動將使用 FIMA；美國財政部長貝森特公開稱它是「重要的後盾」，並敦促聯準會擴大規模。

這場保衛戰的真正賭注

但所有的干預和工具，最終都在買同一樣東西：時間。

日元要真正企穩，需要利差收窄、財政紀律改善、能源價格回落。這些沒有一個是干預能解決的。

高市早苗政府也在嘗試其他路徑：鼓勵企業把海外資金匯回、推動養老基金增加國內配置、發布 AI 和半導體的產業投資戰略。方向是對的，但它們需要以年為單位才能見效，而日元的壓力是以天計算的。

日本有 1.09 兆美元的外匯儲備，有 FIMA，有美國的聯合背書，彈藥是夠的。但彈藥解決的是症狀，不是病因。如果利差持續、財政惡化、能源高企這三個問題沒有改善，日元遲早會再次試探底線。

160 曾經是那條線，現在是 164。下一次會在哪裡？

美國願意陪日本走多遠，取決於一個很現實的計算：幫日本撐日元的成本，和讓日本被迫拋售國債的成本，哪個更大？

目前，美國的答案是前者。但這個答案，不會是永遠的。

在進入主題二前，會員們請為下一期深入分析主題進行投票!請注意，這個投票不是下一期，而是再下一期。

主題二 | 美國準備限制中國光模組了？

美國政府正在草擬一項禁令：限制中國製造的光模組進口。

消息一出，中際旭創、新易盛的股價暴跌，Coherent、Lumentum 的股價大漲。市場的第一反應很直覺：美國要斷中國的貨，西方供應商要受益了。

但我的看法是，這是一條美國「寫得出法條，卻極難在短期內執行」的禁令。

為什麼是「光模組」？

光學收發模組，簡單講，就是一個「電轉光、光轉電」的轉換器。在 800G 甚至即將爆發的 1.6T 時代，光模組就是 AI 數據中心的「血管」。

「血管要是堵了，再強大的 GPU 大腦也只能處於『腦死』狀態。」

而這個領域，目前是中國廠商的天下：

• 市場主導權： 以中際旭創為首的中國廠商，拿下了全球光模組市場超過一半的份額。

• 核心供應鏈： 在 Nvidia 最核心的 800G 供應鏈中，中際旭創和新易盛兩家，包辦了將近 60% 以上的份額。

供應鏈不是單向的

這場博弈最有趣的地方，在於雙方「你中有我，我中有你」的奇妙結構。

在一個高階光模組的成本結構（BOM）中，有 50% 到 65% 的成本，是花在兩個最核心的西方晶片上：

1. DSP（數位訊號處理器）： 這幾乎被 Broadcom、Marvell 壟斷，中國自研率極低。

2. EML（電吸收調製雷射器）： 高階 100G/200G 雷射晶片，依然由 Lumentum、Coherent 和日本三菱主導。

即使是這些「西方核心晶片」，上游也並非完全脫離中國。EML 雷射的關鍵基板是磷化銦（InP），而全球精煉銦約 70% 來自中國。

目前全球 InP 基板產能高度集中在少數幾家，其中 AXT 的主要產線就設在中國，出貨必須取得中國出口許可。

2025 年中國已將 InP 納入出口管制後，基板交期與價格都出現明顯壓力。

換句話說，連美國最賺錢的「大腦」之一，也卡在中國手上的上游材料。

中國廠商真正強大的地方，在於「極致的工業化整合與封裝能力」。在微米甚至奈米級的精度下，把雷射器、光纖、透鏡和 DSP 完美對準、封裝，並在數百萬支的量產規模下保持極高的良率。

這就形成了一個有趣的循環：

• 美國擁有最賺錢的大腦（DSP、雷射晶片），但大腦的原料仍部分依賴中國。

• 中國擁有最強壯的手腳（精密封裝、量產、測試與交付）。

如果美國禁了中國的光模組，博通和 Marvell 的 DSP 就少了一大塊下游客戶；而西方光模組廠就算拿到了晶片，也無法在短期內大量交貨。更諷刺的是，他們自己的雷射晶片供應，同樣受制於中國控制的 InP 原料。

那西方為什麼接不住？

讀到這裡，你可能會想：Coherent 和 Lumentum 既然握有核心晶片技術，也有成品模組產線，砸錢擴產不就行了嗎？

他們確實正在擴產（如 Coherent 推動 6 吋 InP 產能、Lumentum 在北卡建新廠、Nvidia 砸 20 億美元綁定產能），但絕大部分資金都砸在了 InP 雷射晶片這一層。

成品模組的封裝產能，擴得慢，也不是他們的戰略優先。

為什麼？因為雷射晶片的毛利結構、定價權和技術護城河，都遠比成品模組要深。

模組封裝是一個高度競爭、量產規模越大利潤越薄的環節；而雷射晶片是一個寡頭壟斷、供不應求、客戶排隊等貨的環節。

「Lumentum 和 Coherent 過去十幾年的戰略選擇，是佔據供應鏈最上游、最稀缺的位置，把『幾百萬支模組的封裝、對準、測試、交付』這個又苦又累又需要極大規模的活，留給了中國廠商。」

這個選擇在過去是利潤最大化的最優解，但到了今天，它變成了一種結構性的依賴。

根據產業推算，即使全力擴產，12 到 24 個月內也無法吸收中際旭創加新易盛的出貨量。

2026 年全球對 1.6T 光模組的需求預估高達 800 萬到 1,300 萬支，光是 Nvidia 一家就鎖定了大半。

如果硬要全面禁，結果只有一個：美國的 AI 基礎建設進度被迫按下暫停鍵。

最終的禁令形態

所以我相信，這一次很可能會走 FCC 的老劇本：不溯及既往，但「新送審的型號」會被看得很緊。

• 800G： 已經通過認證的模組，繼續用，繼續進口。

• 1.6T： 下一代的新型號與重大改版需要重新申請認證，而中國廠商的認證可能不會被批准。

1.6T 還在量產爬坡的早期，中際旭創被預期拿下早期份額的五成以上。如果 1.6T 的認證被卡住，影響的是整個下一代 AI 集群的部署節奏。

「這更像是一個談判籌碼，或者一個長期施壓工具。它告訴中國：我們打算在下一代上開始削弱你們的製造優勢，但我們不會今天就動手，因為我們自己還沒準備好。」

對中國廠商來說，信號也很清楚：800G 的生意還能做一陣子，但 1.6T 之後的北美市場會越來越難進入。

「造芯片」和「造東西」是兩種能力

如果我們再拉遠一點看，這件事揭示了一個很多人沒有認真想過的問題：在 AI 供應鏈裡，什麼才是真正的「技術領先」？

美國在芯片設計上毫無疑問是領先的，但中國領先的是另一種能力：把這些芯片變成幾百萬顆、良率 95% 以上、按時交付的成品模組。 中際旭創在新一代模組的量產認證上，通常比西方競爭對手快半年以上。

過去這種能力被歸類為「組裝」，被認為是低附加值的。但在 AI 基礎設施的語境下，它已經變成了一種高度工程密集、難以快速複製的系統性能力。

「美國可以設計出最好的芯片。但如果沒有人能把它們快速、大規模、高良率地變成可用的光模組，那這些芯片就只是躺在倉庫裡的矽片。」

主題三 | AMD 的財報究竟是好還是不好？

過去幾個季度，AMD 的數據中心敘事一直是「強勁增長，勢頭很好」。但這一次，我們有了更確實的數字。

數據中心按年增長從上季的 57% 跳到 107%。蘇媽明確說了，下半年會「加速」，伺服器收入按年增長超過 80%。而 2027 年，整個數據中心部門的收入將「翻倍以上」。

有分析師試探「Instinct 2027 年 300 億」的估計，她直接回了一句：「可能太保守了。」

這跟上一季的語言完全不同。上一季是「我們很有信心，機會很大，長期目標是幾百億」。這一季是具體的倍數、具體的年份、具體的客戶部署量。

而這件事，有兩個主要的引擎。

兩個引擎

AMD 把伺服器 CPU 的長期市場規模（TAM）從上一季說的 1,200 億美元，直接上修到了 2,200 億美元。CAGR 從 35% 跳到超過 50%。

Agentic AI 對 CPU 的重要性，已經討論過很多次，在此不再多述。

上一季的 1,200 億美元已經很誇張，而新的 2,200 億美元更誇張了。

不過，自從 Helios 的出現後，AMD 的故事早不止是 CPU 了。

Helios 是 AMD 第一個完整的機架級 AI 系統。它把 EPYC CPU、Instinct GPU、Pensando 網絡和 ROCm 軟件整合在一個機架裡，作為一個整體產品賣給客戶。

這一季，Helios 從「即將推出」正式進入「量產並準備出貨」。第三季末開始交付，第四季放量。Anthropic 承諾了最多 2 吉瓦的 MI450。微軟 Azure 在擴大部署。OpenAI 和 Meta 的多世代、多吉瓦級合作已經在跑。

當 AMD 賣一顆 GPU 的時候，它是供應鏈裡的一個零件；當 AMD 賣一個機架的時候，它是一個平台。切換成本更高，整合更深，關係更長。

但這兩個引擎要全速運轉，是有代價的。而且這個代價，正在變得越來越可見。

贏得訂單的代價正在變得可見

為了鎖定 OpenAI 和 Meta 的多吉瓦級 Helios 訂單，AMD 早前發行了認股權證（Warrants）。

OpenAI 和 Meta 各最多 1.6 億股，合計最多 3.2 億股。行權價只有 0.01 美元。歸屬條件綁定了客戶實際部署的吉瓦里程碑和 AMD 的股價階梯（最高一檔是 600 美元）。

截至第二季結束，這些 warrants 還沒有任何一股歸屬。但如果全部歸屬並行使，大約相當於目前流通股的 19% 到 20%。

如果把這些 warrants 的經濟價值當作費用看待，未來三到四年會對 EPS 造成明顯稀釋。營收增長會很漂亮，但盈利增長不會跟營收增長一樣乾淨。

這裡有一個很有意思的結構性問題。這些 warrants 的歸屬條件同時綁定了「客戶出貨量」和「AMD 股價」。意思是：AMD 的客戶出貨越多、AMD 股價漲得越高，客戶拿到的有效折扣就越大。

AMD 在用股東的股權去補貼大客戶的採購成本。營收是 AMD 的，但那個營收的「入場費」是由所有現有股東分攤的。

這會對每股盈餘（EPS）造成稀釋，讓 AMD 未來的獲利成長看起來不如營收成長那麼乾淨。

對毛利率的壓制

Helios 這種「整車輸出」的模式雖然能大幅拉高客單價和營收規模，但因為裡面包含了大量非 AMD 自研的第三方硬體（高昂的 HBM、電源、機箱與網絡元件等），毛利率會明顯低於純賣晶片。

這也是為什麼在數據中心營收明顯加速的同時，AMD 第三季非 GAAP 毛利率指引仍只能維持在約 56%，無法出現市場期待的「規模效應暴利」。

資本支出的上升

另一個類似的代價是資本支出。

Q2 Capex 從上一季的 3.89 億跳到 8.08 億美元，幾乎翻倍，自由現金流從 25.7 億掉到 15.6 億。

你會想：AMD 是 fabless 啊，晶圓製造靠台積電，它自己不做晶圓，CapEx 怎麼會突然跳這麼多？

原因是當 AMD 從「賣晶片」變成「賣機架」，它需要自己做的事情突然變多了：組裝、整合、測試、品質驗證、出貨前的系統調校。

這些都是物理層面的工作，需要廠房、設備、產線。再加上庫存從上一季大幅攀升到約 85 億美元，為了備齊 MI450 和 Helios 的零部件以應對下半年的加速出貨，這些全部需要前期資本投入。

Fabless 省掉的是晶圓廠的幾百億 CapEx，但它省不掉「把一千個零件組成一臺能開機的機架」所需要的投資。

當你的產品從一顆晶片變成一個系統，你的 CapEx 結構就會跟著變。

所以，這份財報到底告訴了我們什麼？

AMD 的財報是一個很好的觀察窗口。因為它同時横跨 CPU 和 GPU、同時服務 hyperscaler 和 AI lab、同時在做晶片和機架、同時在用傳統銷售和股權補貼。它幾乎踩在了每一個結構性轉折的交叉點上。

如果蘇媽這次給出的數字與客戶部署量大致兌現，AMD 數據中心業務的成長軌道確實會比市場一年前預期的更高、更長。

但真正值得關注的，已經不是「機會是否存在」，而是「抓住機會的方式」本身。

Helios 把 AMD 從零件供應商推向平台供應商；Warrants 則用股權換取多吉瓦級的長期鎖定。

這兩件事都有效，也都有代價，毛利率結構被改變、資本支出與庫存上升、未來成功的一部分價值被預先轉移給最大客戶。

營收可以很亮，市佔可以上升。只是這條路的獲利品質與每股價值創造，會比過去「純賣晶片」的時代更複雜。

主題四 | Palantir 解答了一個甚麼問題？

Palantir 終於迎來了暴漲。

表面上的原因很簡單：Q2 營收 19.4 億美元，年增 93%，大幅超出預期。美國商業客戶收入年增 149%。GAAP 淨利潤率 55%。調整後自由現金流利潤率 63%。Rule of 40 得分 155%。全年指引上調幅度是史上最大的一次。

但在我看來，真正的重點是，Palantir 回答了一個重要的問題：「OpenAI 和 Anthropic 會不會把你吃掉？」

市場真正在怕什麼

過去幾個季度，Palantir 的業績一直很好。增長在加速，利潤率在擴張，指引在上調。但股價年初到財報前跌了大約 30%。

因為市場有一個揮之不去的恐懼：如果前沿大模型越來越強，企業直接調用 OpenAI 或 Anthropic 的 API 就能解決問題，那 Palantir 這種「中間層」還有什麼存在價值？

這個恐懼在 Q1 財報後達到頂峰。那次營收年增 85%，但股價反而跌了 7%。美國商業客戶的增速從 137% 微降到 133%，市場立刻解讀為「增長見頂了，LLM 競爭開始侵蝕 Palantir 的份額」。

所以 Q2 財報的任務，不只是「繼續超預期」。它需要正面擊碎這個敘事。

拒絕成為大模型底層的「附庸國」

Alex Karp 在致股東信中，給出了他的答案：

「一場爭取獨立與 AI 主權的全球運動正在上演。全球的企業正在覺醒，他們意識到，如果把機構的鑰匙直接交給大模型創造者、讓模型在自家後院肆意妄為，將面臨巨大的風險。我們的客戶拒絕成為這些大模型實驗室的『附庸國』（Vassal States）。」

Karp 甚至幽默地說，Palantir 的商業模式「帶有馬克思主義色彩」，因為它主張客戶應該自己掌握生產工具。

Sovereignty Bootcamp：舊劇本，新敘事

財報發布前大約一週，Palantir 辦了一場叫「Sovereignty Bootcamp」的活動。邀請函只提前了十天左右發出，結果 101 家公司的 150 多人從全球各地飛來參加，其中很多還不是現有客戶。

如果你熟悉 Palantir 的歷史，你會立刻認出這個結構。2023 年到 2024 年初，AIP 剛推出時，Palantir 用的就是 AIP Bootcamp 加上 AIPCon 這一套組合。

這個組合把客戶拉進高強度的現場環境，用他們自己的數據，在幾天內做出能跑的用例。這套方法大幅壓縮了銷售週期，是把 Palantir 從「一個有趣的 AI 工具」變成「企業真正在大規模使用的 AI 平台」的關鍵轉折。

Sovereignty Bootcamp 幾乎是同一套劇本的新版本。但有一個關鍵的差別：

• 2023 到 2024 年的 Bootcamp：在推一個新的產品能力，「來，試試 AIP 能做什麼」。

• 2026 年的 Sovereignty Bootcamp：在推一個新的控制權敘事，「來，把你的數據、權重、業務邏輯拿回來」。產品已經成熟了，現在要賣的是一種關於「擁有」的信念。

Nvidia 也在這場活動中深度參與，推廣其開源權重模型 Nemotron。

Palantir 的 CTO Shyam Sankar 提出了一個概念轉變：企業不再盲目追求通用大模型的「跑分」（Benchmarking），而是開始建立屬於自己業務的「專屬標準」（Benchmaking）。

Palantir 表示，在本體論架構下，即便是運行一個普通的開源權重模型，在真實業務場景中的表現也能擊敗最頂尖的封閉式大模型。

數字怎麼證明這個敘事

一次活動本身證明不了什麼。但當你把它放在 Q2 的數字旁邊看，它就成了敘事從概念落地成商業現實的關鍵證據。

淨美元留存率從 Q1 的 150% 跳到了 157%

這個數字特別重要，因為它代表的是「現有客戶」在大幅增加支出，而不只是新客戶進來。已經部署了 Palantir 的企業，正在把更多預算、更多業務場景往平台上搬。

美國商業 TCV 達到 21.3 億美元，年增 153%

創歷史紀錄。剩餘合約價值達到 62.4 億美元，年增 124%。

客戶數僅增長 35%，營收卻增長 149%

增長的驅動力來自於現有客戶的深度擴展。企業正在把 Palantir 從「試點項目」升級為「核心基礎設施」。

更大的圖景

Palantir 這份財報揭示了一個正在 AI 產業裡發生的結構性轉變。

第一波 AI 浪潮（2023 到 2025 年）的主題是「部署 AI」：

企業的問題是「我怎麼把大模型用起來？」答案是：調 API、買 GPU、上雲端。這一波的最大受益者是模型公司和基礎設施公司。

第二波 AI 浪潮（可能正在開始）的主題是「擁有 AI」：

企業的問題變成了「我怎麼讓 AI 為我工作，同時不把最核心的數據和業務邏輯拱手讓人？」這一波的需求是控制權、主權、可替換性。

Palantir 把自己定位在第二波的核心位置：它不做模型，它做模型之上的控制層。數據在你手裡，權重在你手裡，業務邏輯在你手裡，模型可以隨時換。

你用的是 AI，但你沒有把鑰匙交出去。

沒有人想把自己的 alpha 拱手讓人。這個恐懼有多真實，Palantir 的天花板就有多高。

主題五 | Google又一大將離開，發生甚麼事了？

Jeff Dean 的告別信裡有一個細節。他在 Google 的二十七年裡，換了十八次桌子。

1999 年，他以第三十號員工的身份走進那間辦公室。

然後他去了搜索基礎設施、分布式系統、深度學習革命、TPU、TensorFlow、Google Brain、Gemini。十八次換桌子，大概也換了十幾次辦公室、好幾棟大樓、無數個 org chart。

但最後這一次，他換掉的不是桌子。他走出了大門。

跟他一起走的，是三個老搭檔：Sanjay Ghemawat、Oriol Vinyals、Quoc Le。四個人，一起創辦了一家叫 Discovery Loop 的公司。

當研究讓位給工程

Jeff Dean 是 Google 技術底座最核心的架構者之一。

MapReduce、Spanner、TensorFlow、TPU，Google 過去二十年的輝煌，大半寫著他的名字。

他代表的是 Google 最輝煌的「研究者治國」時代：給最聰明的人無限的資源與自由，讓他們去探索未知的邊界。

然而，今天的 AI 競賽已經進入了刺刀見紅的商業化階段。

現在的 Google 必須面對季度財報、向華爾街證明 Gemini 的變現能力、跟微軟和亞馬遜在雲端市場貼身肉搏。

當珍貴的 TPU 算力必須優先供應給能賺錢的雲端客戶和急需迭代的 Gemini 旗艦模型時，那些回收週期漫長的基礎研究，自然會被邊緣化。Google 內部為了爭奪算力早已吵得不可開交。

說得直白一點：現在的 Google 需要的是能立刻上線、拉動營收的工程師，而不是整天想著解決科學難題的科學家。

把最近一年的事情串起來看，這個離開的時間點不令人意外。

Noam Shazeer，Transformer的合著者，去了 OpenAI。John Jumper，AlphaFold 的創造者、諾貝爾獎得主，去了 Anthropic。一批 Gemini 的貢獻者散落各處。

Ghemawat說了一句很直白的話：「我們想用不同於 Google 現在做事的方式，去建造一些東西。」

把研發移出資產負債表

Alphabet 是 Discovery Loop 的創始投資人，提供算力，承諾研究合作。與其讓這四個人像 Shazeer 那樣直接去 OpenAI、像 Jumper 那樣直接去 Anthropic，不如投資他們，保留一個選擇權。把「損失」轉化為「期權」。

但這個投資同時也是一個承認。如果 Google 內部還能容納這種工作，他們不需要離開。

Discovery Loop 採用了「公共利益公司」的架構，法律上可以不以短期利潤最大化為唯一目標。

Jeff Dean 需要離開 Google，才能做「不一定符合公司最純粹財務利益」的事。 這句話本身就是對 Google 現狀最好的總結。

他要去做的，是造一台「讓 AI 自己進化的引擎」，用 AI 自動化科學實驗的完整循環。

這個野心，放在一家每季度要跟華爾街交代 Cloud 營收增長率的上市公司裡，確實很難呼吸。

敍事的改變

Dean 的告別信寫得很溫暖。沒有抱怨，沒有指責。但告別信的溫暖，遮不住一個事實：Google 最 Google 的那個人，走了。

短期內，Google 的賺錢機器不會停擺。Search、YouTube、Cloud、Gemini，這些是幾萬人的系統在跑，不依賴任何一個人的研究方向。

但市場在擔心的，從來不是下個季度的營收。

你回想一下 Google 過去一年的股價。它的大重估，核心驅動力是什麼？是 Gemini 3 讓市場重新相信了一件事：Google 是頂級的前沿實驗室。

它還在牌桌上，它還能打出最好的牌。這個信念撐起了更高的估值倍數。

Google 賺了很多錢，這沒錯，但那不是重估的主因。市場給它更高的倍數，是因為相信 Google 的 AI 故事還有最長的跑道。

而這個信念的基礎，是人才。 Dean 的離開，加上 Shazeer、Jumper 和一批 Gemini 貢獻者的散落，正在侵蝕的恰恰就是這個信念。

它不會立刻反映在營收裡，但它會反映在市場願意給 Google 的 AI 業務多少年的期權上。同樣賺一百塊錢，市場給二十倍還是三十倍，取決的是「你是不是最厲害的那個」。

如果越來越多的頂尖研究者選擇離開，市場遲早會重新問那個問題：Google 還是那個最前沿的地方嗎？

一旦這個問題的答案開始動搖，估值倍數就會跟著壓縮。這不需要等到營收下滑。信念鬆動的那一刻，倍數就已經開始掉了。

這些東西不會出現在任何一個季度的財報裡。但它們會決定五年後 Google 站在什麼位置。

商周專欄解禁版(付費會員專享)

謝謝你閱讀到這裡，如果你覺得這份筆記為你帶來了價值，請不吝按下一個讚，這是我持續分享的最大動力。

我在Facebook和Threads都有每天發佈當天對市場的觀察，大家也可以考慮追蹤我的社交媒體。

另外我在Telegram有頻道，每天早上我會發當天重要新聞摘要。

同時，如果想開戶的話，可以考慮用我的富途/口袋證券獨家推薦碼，會有更多優惠。

全部資訊在以下鏈結：

https://linktr.ee/fomo_soc

另外，如果你已經加入付費會員，不要浪費了群組的功能，進入我們Substack的Chat功能一起討論市場!

· KP

根據協議，專欄文章在刊登滿一個月後，我會將完整內容解禁，專屬分享給研究院的付費會員。

💡 閱讀前的小提醒：

1. 原汁原味的「導演剪輯版」： 商周刊登的版本經過了編輯部的精簡與潤飾，而我發布在這裡的，是未經刪減的原始草稿。即使你已經看過雜誌版本，這篇原稿保留了更多我個人的推演過程，讀起來會有截然不同的風味。

2. 底層邏輯，不怕過時： 你可能會想，一個月前的文章現在看會不會太遲？熟悉我的老讀者都知道，我寫作的核心始終是拆解「底層的商業邏輯」，而非追逐短線新聞。因此，這份產業鏈的結構性分析，即使過了一個月，含金量依然不減。

3. 為何沒收到這篇的 Email 通知？ 為了避免過度轟炸大家的信箱，這系列的解禁文章，我都會以「不發送 Email 與推播」的形式獨立上架。我會在週末的常規電子報中，再把連結整理給大家慢慢回顧。

祝大家閱讀愉快！👇

第十七期專欄(出刊日期： 2026-05-28)

解讀輝達「財報大重組」訊號，92％ vs 8％的AI新未來圖像

https://www.businessweekly.com.tw/archive/Article?StrId=7014252

Read more

Elon Musk 多次公開表示，Optimus 不只是 Tesla 有史以來最重要的產品，更可能是「史上最大的產品」，他甚至判斷未來 Tesla 八成的價值會來自機器人，而非汽車。

在中國，宇樹科技連續兩年登上了央視春晚的舞台：2025 年扭秧歌轉手絹，2026 年直接與小朋友打功夫。幾億人在電視前看到人形機器人流暢地平衡、移動，甚至做出一連串複雜動作。

這些畫面讓人覺得，「機器人」不再是科幻小說裡的想像，隨時會走入現實世界。

不過，畫面越吸睛，越容易讓人產生幻覺。在社群媒體熱傳的十秒短片與幾百億美元的估值背後，真實的商業狀況究竟走到哪一步？

其實每次寫這種主題，都十分棘手。(抱歉，這也是為何我改了又改，導致晚了一天發出的原因)

這就像要分析 AI 產業，可以談半導體、雲端運算，也可以談大語言模型，光是半導體內部就包含 GPU、CPU 與記憶體等不同層面。

如果要用一篇文章講AI的話，需要作出極多的取捨，思考在廣度與深度之間作出平衡，同時讓大家有所得著。

機器人產業同樣龐大且複雜。

對多數人來說，機器人依然是尚未親身接觸過的領域。如果一開始就直接切入技術細節，很容易讓人看得一頭霧水。

這篇文章會以最宏觀的視角切入。

因為，這不會是FOMO研究院唯一的機器人文章，未來隨著產業發展，會有更多針對特定主題的深入探討。

但我希望這篇文章，可以作為一個基石，讓每個FOMO研究院的讀者，都先有一個概念：明白目前的產業發展階段、整條供應鏈的分布結構，以及投資時需要關注的核心細節。

有了這個基礎，未來在面對各個細分主題時，理解起來就會更加得心應手。

如果讀完後覺得某個細節值得探討得更深，請不用擔心，那些深入的專題分析都會留給未來的文章，大家也可以留言說出你的想法。

話不多說，我們正式開始!不妨考慮先讚後看，哈哈。

第一章 | 鋼鐵手臂的誕生：1961年，紐澤西與「發明者詛咒」

1950年代的汽車工廠裡，空氣裡瀰漫著濃濃的機油和冷卻液味，耳邊充斥著震耳欲聾的金屬撞擊聲。

那時候的工廠完全依賴人力，成千上萬的工人在流水線上重複著機械式的動作。

直到1961年，一台外形笨重、一點都不像人的金屬手臂被引入通用汽車的工廠。

1.1 酒吧裡的科幻小說

1956年秋天，康乃狄克州威爾頓鎮的一個雞尾酒會上，兩位男士正圍著喝酒。

一位是44歲的George Devol，沒有上過大學，是個自學成才、隨時記錄點子的發明家。二戰期間，他接觸過雷達和微波技術，對自動控制非常著迷。

另一位是31歲的Joseph Engelberger，擁有哥倫比亞大學的物理學士和電機碩士學位，當時在一家航空機械公司擔任主管，是一位非常有商業頭腦的工程師。

兩人越聊越投機，話題很快轉到了Isaac Asimov 的機器人科幻小說。

聊到一半，George Devol 拿出了一份名為「可編程物件轉移裝置」的專利申請。

他的想法很直接：當時工廠的自動化設備太死板，只能做單一動作，生產線改換產品就需要全部拆掉重做。

他想製作一個可以重複使用的機械手臂，透過磁帶儲存動作軌跡。只要更換磁帶上的數據，手臂就能隨時切換工作內容。

Engelberger 聽完眼睛一亮。他敏銳地意識到，戰後工廠工資上漲且環境危險，如果能用機器代替人力做危險的工作，全球的工廠都會搶著要。

那一晚的酒吧聊天，成了工業機器人歷史的起點。Engelberger 負責找投資、談客戶，Devol 則在工作室搞研發，將想法變成實體。

1.2 第一次把手伸進高溫模具

經過幾年的嘗試，他們終於做出了樣機，並命名為 Unimate。1961年，這台將近兩噸重的金屬龐然大物被裝上卡車，運往通用汽車位於紐澤西州特倫頓的壓鑄工廠。

當時，這個工廠的壓鑄車間環境非常惡劣，空氣中瀰漫著刺鼻的金屬粉塵。高溫壓鑄機會將融化的金屬注入模具，壓製出車門把手等零件。

零件剛出爐時溫度高達數百度，工人必須戴著厚手套、忍著高溫用鉗子夾出零件，然後迅速放入水中冷卻。這項工作非常辛苦，工人稍有分心，輕則燙傷，重則手臂被壓鑄機夾住。

Unimate 的任務就是接替這項工作。工程師接通電源和液壓管路後，這台金屬手臂發出沉悶的運轉聲，緩緩伸進高溫模具，精準地夾住剛出爐的金屬零件，轉身放入水池，最後回到原點等待下一輪。

這是人類歷史上第一次，將工廠裡極度危險的體力活交給了一台沒有痛覺的金屬機器。

1.3 笨拙但管用的鋼鐵巨物

以今天的標準來看，第一代 Unimate 非常笨拙。

它的身體由厚重的金屬部件和液壓管路組成，控制系統是一個會旋轉的金屬鼓。使用前，工程師需要手把手引導手臂走一遍路徑，將位置記錄在金屬鼓的磁軌上。運作時，它就像播放磁帶一樣重複動作。

它沒有眼睛或觸覺感測器，只能呆板地執行指令。如果壓鑄機沒有按時開模，或者零件位置有偏差，Unimate 也會毫不猶豫地伸手去抓，直到撞壞機械結構或液壓系統過載。

儘管如此粗糙，它卻徹底改變了工廠的運作方式。

過去，整條生產線的節奏都跟著人的體力走，因為工人會累，需要休息。

當 Unimate 站在壓鑄機旁時，工廠展現出了前所未有的節奏：機器不知疲倦，只要不壞就能持續運作。

生產線的節奏不再由人的體力決定，而是由機器的液壓閥門和電路決定。

1.4 為什麼美國巨頭不買帳？

Unimate 順利運作後，Engelberger 非常興奮。他拍攝宣傳片，跑遍各大汽車廠，甚至登上電視節目表演倒酒，希望能將這項新技术推廣到全美。

然而，市場的反應卻異常冷淡。

1960年代正是美國製造業的鼎盛時期。通用、福特等汽車巨頭賺得盆滿缽滿，當時企業的營運邏輯很直接：多蓋廠房、多招工人，車子就能賣出去。

在他們看來，一台售價數萬美元、動不動就壞且需要專人維修的液壓機器人，更像是一個昂貴的新奇玩具。

另一個阻礙來自工會。

當時美國汽車工會勢力龐大，對 Unimate 充滿戒心，認為這些不拿薪水、不生病、不罷工的金屬手臂是老闆用來打壓工資、搶走工人飯碗的工具。

許多管理層為了避免工人抗議，乾脆打消了引進的念頭。

此外，美國企業看重短期財報。購買機器人需要一次性投入大筆資金，而節省的人力成本卻需要數年才能收回，這筆帳算起來並不划算。

1.5 「發明者詛咒」

Engelberger 成立的 Unimation 公司長期虧損。他們花了大量時間和資金去教育市場、改進技術，但訂單量始終上不去。

這正是所謂的「發明者詛咒」：最早開發新產品的公司，往往耗盡所有資源開拓市場，卻可能在產業爆發前夕因資金緊張而倒閉。

Unimation 後來幾經易手被併購，逐漸淡出了歷史舞台。

不過，美國這段時期的嘗試並非全無價值。雖然工廠不願購買，但國防機構以及麻省理工、史丹佛等頂尖大學看中了其潛力，開始投入資金研究機械臂的運動學和電腦控制，這無意間為機器人軟體的發展奠定了基礎。

至於特倫頓工廠裡的那台 Unimate，後來被拆卸下來送進了博物館保存。它證明了機器人代替人力是可行的，但也留下了一個巨大的商業空白。

1967年，幾位西裝革履的日本工程師飛抵康乃狄克州。他們來自川崎重工，在展示廳裡專注地看著 Unimate 搬運重物。

與心存疑慮的美國大廠不同，這群遠道而來的訪客，從這台笨重的機器人身上看到了解決國家未來命運的關鍵。

這項在美國遭受冷落的技術，即將跨過太平洋，在日本找到最適合它發展的土壤。

第二章 | 日本接管：豐田、川崎與「四大家族」的精密哲學

1967 年，日本正處於戰後經濟快速發展時期。到處都在蓋新廠房，工廠日夜運轉，老闆們最頭疼的問題是找不到足夠的工人。

這時候，一群日本工程師看到了 Unimate。他們立刻意識到，這台在美國被忽視的機械手臂，正是解決日本產能不足問題的理想方案。

1968 年，川崎重工獲得了 Unimate 的技術授權，並在 1969 年組裝出了日本第一台國產工業機器人。這次引進技術不僅讓機器人產業得以發展，也改變了全球製造業的格局。

2.1 為什麼是日本？

到了 1980 年代，全球工廠安裝的工業機器人中，超過 60% 在日本。

明明是美國人發明的技術，為什麼最後是日本人靠它賺了大錢？答案在於當時日本特殊的社會和制度環境。

首先是迫在眉睫的人力短缺問題。

1960 年代末，日本戰後嬰兒潮結束，加上經濟快速增長，工廠急需年輕勞動力。如果買不到機器，工廠就只能眼睜睜地看著訂單流失。

其次是獨特的「終身僱傭制」。

在美國，工人一聽到自動化就擔心失業，所以工會極力反對。但在日本，只要進了公司，就等於有了「一輩子鐵飯碗」。

引進機器人時，日本工人不用擔心失業，反而很高興不用再從事高溫、搬重物、容易受傷的危險工作。他們轉而去學習操作和維護機器，成為了技術人員。

最後，日本政府也起到了關鍵作用。

當時的通商產業省（現在的經濟產業省）將機器人列為國家戰略產業，提供租賃補貼，讓中小企業也能負擔得起，並且給予高額的稅務優惠。

從政策制定者、企業到一線工人，整個日本都把機器人視為解決問題的關鍵。

2.2 鋼鐵手臂遇上精益生產

日本之所以能震撼全球製造業，是因為他們將機器人與豐田汽車（Toyota）發明的「精益生產（TPS）」完美結合。

美國工廠在使用 Unimate 時，通常只是把它當成一個獨立的工具，放在特定的生產環節來替代工人。

但日本人的想法完全不同：要讓機器發揮最大的價值，就必須重新設計整個生產線，甚至連零件都要重新設計，讓零件更容易被機械手臂抓取。

日本工程師把生產動作和搬運拆解得非常細緻。機器人不再是單獨工作，而是像齒輪一樣，嚴絲合縫地嵌入到整條「零庫存、極致順暢」的生產線中。

當日本汽車利用高效率、極低缺陷率的自動化生產線大量銷往全球時，底特律的汽車巨頭們終於被驚醒，意識到當年隨手丟棄的新奇玩具，已經被對手打造成了最具殺傷力的商業武器。

2.3 「四大家族」的誕生與分化

隨著全球製造業對自動化的大量需求，市場迎來了爆發期，逐漸形成了四家巨頭壟斷的局面，被稱為「四大家族」。

第一家是發跡於山梨縣的 FANUC。

它原本是富士通（Fujitsu）內部的一個控制系統部門。獨立後，創辦人稻葉清右衛門將所有精力都集中在電腦數控（CNC）和機器人控制上。

他們把工廠建在富士山腳下，用標誌性的黃色塗裝所有機器和廠房。FANUC的核心優勢在於將控制系統與機械本體整合在一起，利潤率非常高。

第二家是安川電機（Yaskawa Electric）。

它原本以伺服馬達和變頻器起家。伺服馬達就像是關節處的神經和肌肉，決定了動作的精準度。

安川憑藉頂尖的電機技術順利進入了這個領域，在弧焊和搬運機器人方面佔據了很大的市場份額。

歐洲也孕育出了兩家巨頭。

一家是瑞典的 ASEA 和瑞士的 BBC 合併成立的 ABB。

它的優勢在於強大的電力和自動化控制技術，與歐洲頂級汽車製造商緊密合作，在軟體演算法和複雜自動化系統方面做得非常出色。

另一家是德國的 KUKA。

它在 1970 年代開發出了全球第一批電機驅動的六軸機器人，深深紮根於德國汽車工業體系。保時捷（Porsche）和寶馬（BMW）的車身焊接車間裡，幾乎清一色是 KUKA 標誌性的橘色機械手臂。

2.4 日本機器人的精密哲學與後來的包袱

從 1980 年代開始，日本機器人產業建立了一套無可比擬的核心理念：極致的可靠性、精密度和專用性。

在裝有日本機器人的工廠裡，你會發現機器人可以一秒都不差地運行十幾年，重複誤差比頭髮絲還要小。

為了達到這種極致的穩定性，日本企業在減速器、伺服馬達、精密加工等硬體工藝上做到了極致。

他們認為好的機器人就像完美的機械錶，不需要花哨的功能，只要堅固、準確、永遠不會壞就行。

當科技發展趨勢轉向人工智能、軟體演算法和多模態感知時，這些習慣於「把重複動作做到極致」的巨頭們發現，面對依靠軟體自主決策的新浪潮，自己建立的硬體堡壘顯得有些笨重，轉型也變得緩慢。

2.5 日本的下一步在哪裡？

從商業模式來看，日本接管機器人產業的這三十年裡，摸索出了一套非常穩健的賺錢方式。

不管汽車製造商之間如何競爭，或者哪家電子產品大賣，只要工廠需要擴大生產，就必須向 FANUC 或安川購買機器人和核心零件。

這種生意的現金流非常好，而且機器人一旦進入工廠，後續三十年的零件更換和維護就成了穩賺不賠的長尾收入。

但是，這套模式也有一個隱藏的弱點。當全球的汽車和電子工廠逐漸建成，擴產的腳步放緩時，這種生意的天花板就會顯現。

工業機器人是耐用設備，如果工廠不再擴建，舊機器又不容易壞，那麼新機器的銷量就會停滯。

更重要的是，傳統的工業機器人一直被限制在結構化的車間裡。它們無法走出工廠去照顧老人，無法在物流倉庫裡分揀包裹，更無法進入家庭。

日本企業用極致的工藝把「工廠裡的鋼鐵手臂」做到了頂峰。

這種生意有一個弱點：鏟子做得再好，如果金礦搬走了，鏟子就賣不動了。

而金礦，確實正在轉移。

第三章 | 中國十年追趕——3C電子、協作機器人和AMR的局部勝利

從1990年到2010年，全球工廠經歷了一次大搬家。

從紡織品和玩具的生產基地遷往珠江三角洲，再到電子產品組裝轉移到深圳和東莞，整條供應鏈最終都在中國落腳。

到2010年前後，中國已經擁有全球最密集的工廠群和數量龐大的產線工人。

雖然日本的四大機器人廠商仍然製造著最好的機器人，但中國深圳、蘇州和重慶等地已經成為了最大、增長最快的客戶。

來這裡尋求機會的人換了一批，但很快就遇到了和當年日本一樣的問題：人手不足。

3.1 不再只做買家

2011年7月，富士康董事長郭台銘宣布要在三年內部署一百萬台機器人。

當時富士康全球產線總共才用了不到一萬台，這意味著要增長一百倍。

但幾年過去，這「一百萬台」的目標最終只實現了幾萬台，這個豪言壯語似乎成了一個商業笑話。

但這個笑話的背後，是真實的擔憂：依賴人力堆積起來的製造業，已經快要堆不動了。

2012年以後，珠三角和長三角的工廠面臨著巨大的招工壓力，即使工資上漲兩成也留不住人。年輕人更願意去送快遞、開直播，而不願在流水線上工作。

「世界工廠」的引擎仍在運轉，但燃料卻越來越貴。

中國工人的流動性很高，企業對工人的控制力也越來越弱，這種「用工荒」的緊迫感更加強烈。

2013年，中國成為全球最大的工業機器人買家，超越了日本。

但在決策層看來，僅僅「當買家」是一根刺：擴充產線需要看日歐廠商的排期，設備出了故障要等外國工程師來，而且在價格上更是沒有任何話語權。

2015年前後，「中國製造2025」將機器人列為重點發展領域，各級政府紛紛設立專項補貼和產業基金。

將近十年過去，數字已經給出了階段性的答案。2024 年，中國安裝了 29.5 萬台工業機器人，佔全球 54%。

更關鍵的是，中國本土廠商在國內的市佔率從十年前約 28% 升到了 57%，首度賣得比外商多。

中國的目標很明確：不再只做買家，要做創新的製造者。

3.2 中國為何能製造機器人

當年日本能夠成功發展機器人產業，得益於多重因素的同時出現：勞動力短缺、終身僱傭制、日本通產省（MITI）的補貼以及豐田的精益生產模式。

中國的故事也有其結構性的支撐，而中國恰好掌握著世界上獨一無二的三張牌：

第一張牌

全球最大、最多樣的製造業應用場景。產品種類繁多、生產線更換頻繁，這為機器人提供了最豐富的試錯機會。

一款機器人可以在中國的電子廠擰螺絲，在電池廠塗布，或在倉庫裡搬運，應用場景越多，技術迭代的速度就越快。

第二張牌

全球最完整的硬體供應鏈。中國在馬達、減速器和結構件等關鍵零部件方面擁有最密集的供應商網絡。

這意味著即使是改進設計，也能在兩週內拿到新零件，極大地降低了試錯成本和硬體更新換代的週期。

第三張牌

全球最龐大的國內市場。電子商務和新能源產業帶來了海量的真實訂單，企業無需拓展海外市場，就能通過規模化生產攤薄研發成本。

這三張牌構成了一個正向循環：多樣化的應用場景加速了技術迭代，完整的供應鏈降低了生產成本，龐大的國內市場提供了規模效應。

3.3 三張牌各自打開了哪些市場

當中國企業試圖正面進入汽車焊裝車間等日本四大廠商的傳統優勢領域時，發現門很難打開，汽車製造商不會為了節省兩成的成本而冒著停產的風險。

正面競爭難以奏折，但三張牌同時打開了不同的新市場：

3C電子與新能源

手機和精密電子元件的生命週期很短，這需要「小巧、快速、靈活」的輕型機器人。日本四大廠商對此反應較慢，而埃斯頓、埃夫特和新松等中國企業則在這些細分領域站穩了腳跟。

協作機器人的價格戰

節卡、遨博、越疆等公司憑藉供應鏈的整合能力，將原本數萬美元的協作機器人價格降到了中小企業能夠負擔的範圍內，這使得協作機器人的應用範圍擴展到了咖啡館和餐廳。

AMR物流機器人

龐大的電子商務網絡為輪式搬運機器人提供了巨大的應用空間。極智嘉和海柔創新等公司迅速跟進。

平坦的地面和一到兩年的投資回報週期，加速了AMR的商業化，甚至出現了逆向出口到歐美的現象。

中國機器人的崛起，並非在日本的傳統賽道上追趕。他們選擇在日本未重點佈局的場景中，利用結構性的優勢開闢了新的道路。

3.4 三張牌打不到的地方

但同時，這三張牌有其局限性。

它們的本質是圍繞著規模、速度和成本，能夠製造出「夠用」的機器人，在中低負荷的場景下建立性價比優勢，但卻難以攻克頂端的兩塊陣地。

• 高端關節：汽車焊裝車間和半導體潔淨室對設備的要求極高，Harmonic Drive、Nabtesco等品牌的減速器和安川的伺服電機仍然是唯一的選擇。中國在極致高負載、超長使用壽命等領域仍然存在差距。

• 控制軟件與工藝積累：日本四大廠商與汽車製造商幾十年來積累的工藝資料庫、預警模型和豐富經驗，僅靠政府補貼和價格競爭是無法複製的。

3.5 補貼退潮後，誰能真正站穩腳跟

結構性優勢和政府補貼促使產業中湧現出數千家企業，但其中相當一部分企業缺乏核心技術，僅僅依靠申請補貼和低價競爭來生存。

截至 2025 年，中國已有超過 140 家人形機器人製造商，推出 330 款以上產品。

隨著補貼的逐漸退去，那些缺乏自身造血能力的組裝廠開始面臨虧損，大規模的行業洗牌也在隨之而來。

審視這十年來湧現出的公司和產品，一個問題自然浮現：這些企業各自處於產業鏈的哪個環節？誰在做最賺錢的生意，誰又在做最辛苦的投入？

要回答這個問題，我們需要靜下心來，將一台機器人真正地拆開來看。

第四章｜中場復盤：一台機器人的解剖圖

去了美國、日本、中國三個地方，我們看到了很多公司的名字，像是 FANUC、安川、Harmonic Drive、綠的諧波、節卡、極智嘉、Figure AI 等等。

這些名字聽來聽去，但感覺就像是散落在桌上的零件，說不上來它們之間到底是什麼關係。

在我們深入探討 AI 時代之前，先把這些零件撿起來，放到對的位置上。

4.1 從大腦到骨骼

Read more

大家好，我是 KP，歡迎來到第 53 期的《週末思考筆記》。

這個星期，用周星馳在《唐伯虎點秋香》裡的一句話來形容再貼切不過：「人生大起大落得太快，實在是太刺激了！」

這個星期的頭幾天，市場氣氛極差，AI 相關的股票跌得沒完沒了，我手機中的不同股票群組都在唉聲嘆氣。

但到了星期四，大家都知道發生了什麼，市場突然來了個驚天大逆轉。

我一向不喜歡做預測，因為說了也沒什麼大意思。不過在我看來，這個月以來 AI 板塊被狠狠地殺了一波，應該已經跌到一個階段性的低點了。

為甚麼我這樣說？

因為我覺得這次下跌，大概只有兩成是基本面問題，八成是技術層面的原因。

當然，有些擔憂是真的存在，像是油價、戰爭、加息、循環融資、資本開支過大等等。但老實說，這些情況每隔幾個月就會重演一次。

這些都不是新鮮事了。

AI 基建公司依然在賺大錢，AI 的發展軌道並沒有偏離。我不會說完全無憂，但這絕對不是終局。

真正讓市場崩潰的，是槓桿。

過去幾個月，太多人帶著過高的槓桿進場，太多沒有風險意識的人衝進來，太多人因為害怕錯過（FOMO）而孤注一擲。

當市場開始回檔，這些高槓桿的部位被迫賣出，就引發了連鎖反應，形成了一場「多殺多」的下行螺旋。

這種時候，基本面根本不重要。沒人在乎你的本益比（P/E Ratio），也不在乎你下個季度的業績預期。這完全是流動性的問題，是技術性的恐慌性拋售。

所以真正該問的問題只有一個：

去槓桿完了沒有？

這就是為甚麼 Situational Awareness 的爆倉，意義極其重大。

一個價值 250 億美元的基金被清盤，這當然不是什麼值得高興的事。但它是一個信號，告訴你：一大批槓桿已經被迫出清了。

如果你是做空的投資者，看到這樣一個大基金倒下，心裡大概會想：「差不多了，可以收手了。再往下壓，利潤有限，但風險反而變大了。」

那這是否意味著市場會馬上V型反彈？

我真的不喜歡預測，但我傾向認為，市場不會那麼容易回到之前的最高點。原因有兩個：

1. 邊際買家已經換人了

在市場上漲的時候，那些在高點買進的人，是一群槓桿用滿、被 FOMO 驅動的散戶。

這個月之後，下一個進場定價的人，角色完全不同了。他們會更加懷疑，資金會更分散，要求看到真實的盈利，而且考慮的時間範圍是以月甚至年為單位，而不是星期。

這意味著 AI 板塊內部的結構會重新調整，那些只靠概念支撐的公司，不會和那些真正有盈利的公司一樣同步反彈。

2. 敘事真空

市場的運作離不開故事。過去的敘事是「AI 只漲不跌，不進場就落後了」，但這個敘事已經破滅了。

新的敘事還沒出現。「AI 基本面穩健，估值合理，未來十八個月會慢慢往上走」，這句話也許是對的，但它不是一個能讓人熱血沸騰的故事。

它不會在社交媒體上瘋傳，也不會讓你鄰居打電話來問你該買什麼。

在新的爆發性故事出現之前（可能是 AI Agent 真正開始產生收入，或是某個應用場景有了突破），市場很難立刻回到風險偏好的模式。

我認為不會快速 V 型反彈，不是因為基本面不好，而是因為故事需要時間重新建立。

但對我這樣重視基本面的人來說，現在的環境反而是好事。

過去這幾個月，說實話，不是我最喜歡的。你花時間研究一家公司的營收質量、競爭優勢等等，結果市場卻說：「不重要。隨便買，閉著眼睛買，加槓桿買，都會漲。」那時候，動能就是唯一的投資優勢。

但那個階段，大概率過去了。

當槓桿退潮，當 FOMO 散場，當「無腦漲」的音樂停下來，市場會重新回到比較傳統的模式：你買的東西，到底能不能賺到錢？它的競爭優勢在哪裡？三年後它還在不在？

這些問題，在以動能為主的市場裡，沒有人會問。但在去槓桿之後的市場裡，它們會重新成為定價的核心。而對我們來說，那恰恰是我們擅長的領域。

所以，是的，這個星期很刺激。

但刺激過後，我反而覺得腳踏實地了一點。一個靠槓桿和 FOMO 撐起來的市場，是脆弱的，讓人整晚都睡不好。

當波動性降低，當資金開始分散到不同的板塊，當進場的人不再是賭徒而是真正願意長期持有的人，那才是一個健康的市場。

少一點刺激，多一點沉悶。而沉悶，往往是長期回報最好的朋友。

「人生大起大落得太快，實在是太刺激了。」

下星期，拜託無聊一點。

這個星期的週末筆記，有四個主題，兩個微軟，一個Meta，一個亞馬遜，看完後你會對這三家公司的財報有更深厚的認知。

最後，再次呼籲大家一定要定期來聊天室一起討論市場，裡面內容含金量極高，而這是FOMO研究院唯一一個聊天室!

主題一 | 微軟財報最重要的，不是Azure的增長數字

微軟最新一季的財報出來了，數字非常漂亮。Azure 增長 43%，微軟雲端收入接近 600 億美元，商業 RPO（未履約合約）暴增到 6,780 億美元。

不過在我看來，這份財報中最重要的，其實是這條曲線：

1,500 萬 → 2,000 萬 → 3,000 萬+

在過去三個季度裡，Microsoft 365 Copilot 的付費座位（Paid Seats）從一千五百萬漲到超過三千萬，淨增速度季季翻倍。

為什麼我認為這個數字比 Azure 的增長更重要？

因為不論是 Azure 的加速、雲端營收的增長，還是龐大的 RPO，它們背後都混雜了太多傳統企業的雲端搬遷、一般計算工作負載及長期的非 AI 合約。把它們放在一起是一個「大雜燴」，你很難拆出其中到底有多少是純粹由 AI 驅動的。

只有 Copilot 的數據，是目前唯一真正具有指標意義、最能直接證明「AI 到底能不能幫微軟賺到錢」的硬指標。

消滅「買了不用」的尷尬

市場過去一年對 AI 軟體最大的焦慮，是「軟體閒置（Shelfware）」風險。

在企業軟體市場中，最怕出現一種情況：CIO（資訊長）迫於 AI 焦慮，大手筆採購了幾萬套 Copilot，結果員工用不順手，最後把軟體「供」在電腦裡折舊，第二年直接退訂。

微軟這次拿出的數據，顯然是想證明 Copilot 已經跨越了這條生死線：

• 用戶滿意度： 在過去三季翻倍。

• 使用頻率： 每位用戶的對話次數年增近一倍。

• 每週活躍度（Engagement）： 已追平 Outlook 和 Teams 這些日常必備工具。

這意味著，Copilot 正在從一個「偶爾嚐鮮的玩具」，變成企業員工不可或缺的工作習慣。

如果我們算一下帳：微軟目前在全球擁有約 4.5 億至 4.8 億的 M365 商業付費基礎。拿 3,000 萬的 Copilot 席位來計算，其搭售率（Attach Rate）大約在 6% 左右。

這是一個非常有趣的數字。一方面，它代表滲透率還很低，AI 的實質營收貢獻相較於微軟龐大的體量，依然只是毛毛雨，還無法完全撐起那龐大的資本支出；但另一方面，這也意味著背後有著極大的增長腹地。

Satya 真正在解決的問題：馴服 AI 推理成本

要讓這 6% 的搭售率往雙位數邁進，微軟必須解決一個致命的技術與成本瓶頸。

在技術架構上，執行長 Satya Nadella 再次在 X 上明確勾勒出微軟的「新模型系統（New Model System）」。簡單來說，微軟正在將 AI 的「大腦（模型本身）」與「調度層（編排與工具層）」徹底分離。

過去，不論客戶是想做簡單的郵件草稿潤飾，還是複雜的跨國財務分析，微軟後台都得調動 OpenAI 的頂級旗艦模型（如 GPT-5.6）。

這就像開著一輛耗油量極大的超跑去巷口買便當，對微軟而言，用戶每一次點擊都是在燃燒高昂的推理成本（Inference Costs），嚴重侵蝕著軟體的毛利率。

現在，微軟建立了一個聰明的「後台調度員」。系統會根據用戶輸入任務的難易度，在後台進行即時的智能路由（Model Routing）：

• 簡單、重複性的日常任務： 自動切換到成本極低的微軟自研輕量級模型（SLM）或開源模型。

• 棘手、需要深度推理的難題： 才切換到 OpenAI 的頂級模型。

這項架構調整，釋放了兩個極為強烈的戰略訊號：

第一，微軟正在主動降低對 OpenAI 的單一依賴。 在商言商，沒有一個帝國願意將自己的核心命脈，永遠寄託在另一家公司的單一模型上。

第二，這是微軟馴服 AI 營運成本的關鍵一步。 唯有透過這種動態路由，微軟才能在用戶規模呈指數級增長時，守住軟體高毛利的底線。

從「經銷商」到「電網」的維度躍遷

這讓我想到一個比喻。

在 AI 時代，底層大模型就像是「發電廠」。

競爭極其慘烈，資本開支極高，且技術迭代極快。如果微軟只把 OpenAI 的模型包裝成 Copilot 賣給企業，它本質上只是一個「電力經銷商」。經銷商的利潤率，完全取決於上游發電廠的定價與臉色。

但透過 Azure AI Foundry 和這個多模型路由架構，微軟正在把自己變成「電網」。

電網的價值不在於發電，而在於調度。

不管電是哪個發電廠發出來的（不論是 OpenAI、Meta 的開源模型，還是微軟自研的小模型），電網負責用最有效率、成本最低、最穩定的方式，把電送到終端用戶手裡。

一旦微軟成功確立了 AI 時代「電網」的定位，它就擺脫了對單一模型廠商的綁定，成功將最豐厚的利潤留在了調度層。

而這份財報的數據，正在驗證這個轉型已經發生。

微軟雲端全年營收突破 2,140 億美元，其中近 90% 來自非前沿模型公司(例如是OpenAI)。

商業 RPO 暴增 84% 至 6,780 億美元，但如果你把 OpenAI 的承諾拿掉，它依然增長了 25%。而且所有季增的 RPO，全部來自非前沿模型公司。回顧今年稍早，OpenAI 一度佔了 RPO 的約 45%；現在這個集中度正在快速稀釋。

換句話說，電網上的「用電戶」正在幾何級數地增加，而且他們不是來買同一個發電廠的電。他們來，是因為電網本身。

微軟在賭一件事：模型終將貶值

市場在為 Azure 的爆發、Copilot 的席位增長而鼓掌。但 Satya 真正在慶祝的，可能是 Copilot 對模型的「不忠誠」。

一個不綁定任何模型的產品，恰恰是最深的護城河。因為發電廠會被淘汰，電網不會。

微軟在賭一件事：大模型會越來越便宜，越來越可替換。

而且這個賭注，已經開始在資產負債表上兌現了。

當 OpenAI 在 RPO 中的佔比從 45% 滑落、當非 OpenAI 的 bookings 從 +7% 加速到 +18%、當 Azure 下季指引給到 45% 的恆定匯率增長，這些數字合在一起說的是同一件事：微軟的增長引擎，正在從「一個客戶」切換到「一個生態」。

發電廠可以被取代。但當你的客戶已經把整條產線接上了你的電網，他不會因為隔壁發電廠便宜了兩毛錢就拆線重接。

主題二 | 微軟的CAPEX真的下降了嗎？

你可能會看到這樣一則新聞標題：「微軟下調 2026 年資本開支指引，從 1,900 億降至 1,750 億美元。」

看到這個數字，許多分析師與投資人都鬆了一口氣。壓了科技股股價好幾個月的「AI 軍備競賽失控」敘事，似乎終於出現了「自我節制」的信號。

然而，如果仔細聽 CFO Amy Hood 在財報電話會議上的原話，她講得很清楚：

「除了這個使用壽命調整帶來的影響之外，我們在 2026 日曆年的 CapEx 投資預期完全保持不變。」

翻譯成白話文就是：我們其實一分錢都沒少花，只是換了個會計標籤。

15 年變 25 年：一個看似枯燥的會計調整

自 2027 財年起，微軟將數據中心與辦公大樓的估計使用年限從 15 年延長至 25 年。微軟給出的理由相當正當：根據多年的實際營運經驗，這些鋼筋水泥建築確實可以用更久。

這項看似枯燥的會計變更，卻在財報上記錄資產的方式上產生了奇妙的連鎖反應。

在美系會計準則（US GAAP）下，微軟租用數據中心主要分為兩類：

• 融資租賃（Finance Lease）： 相當於「分期付款買房」，這筆租金支出必須算進資本支出（CapEx）。

• 經營租賃（Operating Lease）： 就像「單純租房」，這筆錢歸類在營運費用，不需要算進 CapEx。

界定這兩者的關鍵標準之一，在於「租期是否佔了建築預估壽命的 75% 以上」。

在過去，建築壽命估計為 15 年，簽一個 12 年的租約就會達到 80%（超過 75%），因此必須計入人人緊盯的 CapEx 欄位。現在壽命改為 25 年後，同樣 12 年的租約佔比降到了 48%，會計分類便順理成章轉為「經營租賃」，不再需要列入 CapEx。

數字變漂亮了，然後呢？

這正是微軟將 2026 年 CapEx 指引從 1,900 億下調至 1,750 億美元的真相，減少的 150 億美元完全來自會計分類的轉變。

微軟在電話會議上也說得很坦白：除了這個會計調整之外，我們在 AI 基礎建設上的實際投資計劃、要買的 GPU 數量、要蓋的機房規模，完全沒有任何改變。

微軟該花的錢一分沒少，蓋廠的速度一天沒慢。他們只是把原本要放在「資本支出」籃子裡的帳，移到了「營運費用」的籃子裡。

這就像房貸太高嚇人，於是把一部分包裝成日常房租。雖然口袋裡掏出的現金一模一樣，但記帳本上的大額債務看起來好看多了。

市場真的被騙了嗎？

你可能會想：投資人難道看不懂這個會計機制嗎？

當然看得懂。許多法人分析師在電話會結束後幾分鐘內就指出了這一點。但在現在這個節骨眼上，市場太需要一個「CapEx 沒有失控」的藉口了。

過去幾個月籠罩在科技巨頭身上的烏雲，是「AI 支出會不會無止境飆升」的敘事恐慌，Alphabet 曾因 CapEx 數字過高嚇壞市場；微軟上一季 1,900 億美元的指引也讓大家神經緊繃。

市場怕的不只是某一季的現金流，更是這個數字還會不會無休止地往上加。

再加上 Azure 增長加速到 43%、Copilot 付費席位突破 3,000 萬且按季翻倍、營收和 EPS 都超預期的基本面加持，整個故事就完美轉變成：「花得沒有更多，賺得還在加速。」

這是一場心照不宣的妥協：微軟得到了繼續大舉投資的空間，市場得到了想要的「安全感」。

會計變動背後，藏著一個真實的戰略信號

把數據中心使用年限延長至 25 年，也是微軟對市場的一次正式表態：他們認為這些數據中心在 25 年後仍有巨大的使用價值。

這是一個相當大膽的判斷。AI 硬體迭代極快（H100 兩年前是頂級產品，現在已被 B200 追趕），GPU 的經濟壽命可能僅有 3 到 5 年。

但數據中心的土地、建築、電力與冷卻系統確實可以用很久。只要不斷更換內部的晶片，建築主體就能一直運作。

微軟把壽命拉到 25 年，等於正式宣佈：AI 基礎設施是跨世代的基礎建設，如同電廠與高速公路。

這個判斷可能太過樂觀，但至少展現了微軟內部對 AI 需求持續性的真實信念。

我們該怎麼看待現在的微軟？

這份財報告訴我們，微軟依然是這場 AI 戰役裡底氣最足、跑得最快的選手。他們的業務增長是真實的，AI 的變現能力也是行業領先的。

但同時，我們也要保持清醒：科技巨頭們的軍備競賽，並沒有因為這份財報而有絲毫的降溫。

微軟依然在以每年近兩千億美元的規模瘋狂砸錢。這場「燒錢遊戲」的本質完全沒變，只是微軟用了一套更聰明、更體面的方式，把這筆龐大的帳單呈現給了世界。

主題三 | Meta財報怎樣這麼爛？

如果你只看標題，你會以為 Meta 出了什麼大問題：

• EPS 6.18 美元： 低於市場預期的 7.14 至 7.22 美元（約低了 13%）；

• 營業利潤率： 從四十出頭掉到 31%；

• 自由現金流： 從每季 100 到 120 億美元暴跌至僅剩 7.84 億美元。

一家上個季度還在瘋狂印鈔的公司，這個季度的自由現金流幾乎歸零，股價也應聲下跌。但這代表 Meta 不行了嗎？

核心生意沒有壞：剝開表面數據的真相

把表面數據剝開，Meta 的基本面其實極其健康：

• 廣告收入按年增長 27% 至 28%；

• DAP（日活躍人數）維持健康成長；

• AI 模型對廣告排序和推薦的改善有實證數據支撐，轉換率顯著提高；

• 扣除 36 億美元的一次性法律和解與裁員費用後，營業利潤按年其實逆勢增長了 9%。

Meta 的現有生意不僅沒有惡化，反而依然是全球最強大的廣告帝國。

那市場到底在定價什麼？

既然基本面沒壞，股價跌什麼？答案是：不確定性的折價。

市場看到的是：你砸了 1,300 億至 1,450 億美元的年資本支出（CapEx），費用暴增 55%，把自由現金流壓縮到了極致。

花錢不可怕，前提是看得到回報的輪廓。但這一季，那個輪廓比以前更模糊了。

七月初 Bloomberg 曾爆料，Meta 打算將閒置 AI 算力出租給外部客戶。投資人原以為會看到一個像 AWS 那樣能立刻貢獻營收的「AI 雲端新故事」，以此完美對沖掉可怕的 CapEx 帳單。

然而在電話會議上，Mark Zuckerberg 親手冷卻了這個預期。他承認確實有數不清的客戶捧著大筆現金想買算力，但他表示：

「我們不賣，因為我們自己都不夠用了。」

這把「新收入線」的敘事從「即將發生」放回了「長期選項」的抽屜裡。這意味著在未來幾個季度，市場必須繼續忍受「只有支出、沒有直接對等收入」的陣痛期。

分析師步步進逼，本質上是在質疑這場 AI 戰役的 ROI：

• 這 1,400 億美元的支出，有多少只是為了「不落後於 Google 和 OpenAI」的防守型軍備競賽？

• 有多少是真正能開闢藍海、帶來爆發成長的進攻型投資？

在 Meta 拿出量化的「AI 產品直接變現數據」之前，市場的焦慮不可能平息。股價下跌，是完全合理的反應。

Zuckerberg 的選擇：承擔短期的不確定性折價

Zuckerberg 做了一個有意識的選擇：他選擇不玩季度的遊戲。

他的邏輯很純粹：AI 是下一代平台，贏家需要龐大算力；算力需要 CapEx，這會短期壓制現金流，但長期會產生遠超投入的回報。過早給出「新業務收入目標」，只會為了達成短期 KPI 而做出次優的長期決策。

他寧可承受股價的短期壓力，也不願把還在探索的業務太早量化成一個承諾。

你不給短期數字，市場就會自己填一個。而投資人填的數字一定更保守、更悲觀。

市場是在向 Meta 表態：「你不告訴我未來長什麼樣子，那我就用更低的估值倍數來為你的不確定性定價，這很公平。」

你站在哪一個時間軸？

這份財報真正值得思考的，不是「Meta 是不是要完了」（沒有），也不是「市場是不是反應過度」（也沒有）。

在 AI 投資的這個階段，「信任」正在變成最重要的定價因子。

當回報的主要依據仍是定性的（「AI 在改善廣告」、「未來會有新產品」），股價支撐的就是對管理層判斷力的投票。Zuckerberg 在元宇宙上曾押注過重，也在移動轉型和 Reels 上證明過自己。今天的定價，就是這兩段記憶的加權平均。

Zuckerberg 選擇不給短期故事，專注於長期佈局。這個選擇有其道理，也有其代價。幾件事同時為真，沒有誰錯了——只是時間軸不一樣：Zuckerberg 在看五年，市場在看一個季度。

作為投資人，你面對的是一個極其純粹的問題：你相不相信 Zuckerberg 對 AI 的判斷？

如果你相信，現在的股價是短期噪音帶來的折扣；如果你不確定，要求更高的風險補償完全合理，你不需要在沒有收據的時候全額買單。

主題四 | 亞馬遜的財報究竟好在哪？

亞馬遜（Amazon）最新一季財報出來了。EPS 達 5.75 美元，遠超分析師預期的 1.82 美元，盤後股價應聲大漲。

不過這個漂亮的 5.75 美元裡面，包含了一筆高達 534 億美元的「其他收入」，主要來自亞馬遜對 Anthropic 投資的公允價值上漲。Anthropic 估值飆升，亞馬遜持有的股份跟著值錢，這筆帳面浮盈被塞進了損益表。

剝掉這筆非經常性收益後，真實的經營表現其實依然優於市場預期：營業利潤（Operating Income）按年大增 43%，達到 275 億美元。

這個大家心裡都有數，不需要多講。這份財報真正值得花時間細讀的，是另外三個數字。

三個你該盯緊的核心數字

1. AWS 營收增長 37%

這是過去 18 個季度以來最快的增速。在年化超過 1,690 億美元的巨大體量下重新加速到 37%，極其罕見。通常這種規模的業務增速只會逐漸放緩，但 AWS 這輛重卡已經連續幾季踩下油門。

更誇張的是，後備訂單（Backlog）已經堆高到 4,960 億美元，管理層甚至挑明：到 2027 年產能依然供不應求。

2. AI 業務年化營收突破 250 億美元

AI 業務的年化營收從上一季的 150 億美元跳升至 250 億美元，單季多了 100 億美元的年化營收，這是三位數的年增長率。

Bedrock（生成式 AI 平台）過去六個月新增的客戶數超越上線前兩年的總和，第 2 季客戶花費甚至超過以往所有季度的加總。這是典型的「從實驗走向產能放量」的拐點信號。

3. 自研晶片業務年化營收突破 250 億美元

這兩組同樣是 250 億美元的數字，背後其實藏著同一個故事。

拆解 250 億美元：真金軟體，還是過渡期的算力？

先講 AI 業務那 250 億美元。它並不是一個純粹的高毛利軟體數字。

先前 AI 營收有六成以上是客戶租用 AI 基礎設施（IaaS），本質上是賣計算小時。

到了第 2 季，隨著 Bedrock 用量大幅加速，這個佔比雖已下降，但硬體出租依然占有相當比重。這部分屬於重資產、低毛利、高競爭的硬體出租，跟其他雲端廠商的生意沒有太大區別。

真正決定未來勝負的，是 Amazon Bedrock。 客戶透過 API 調用各種前沿模型，按用量付費。這部分毛利更高、黏性更強、更難被替代。

亞馬遜的 AI 營收結構，正在從單純的「賣算力」向「賣平台服務」快速蛻變。

根據推算，一年前 Bedrock 在 AI 營收中的佔比大約只有 9%；到今年第一季升到了 37% 左右（年化營收約 55 億美元）；而到了這一季，管理層直接表示「客戶在 Bedrock 上的花費超過之前所有季度的加總」，合理推估 Bedrock 的年化營收已經明顯上了一個台階，進入百億美元量級。

沉默的 250 億美元自研晶片

現在講自研晶片那 250 億美元。你可能會好奇：亞馬遜開始對外賣晶片了嗎？

並沒有。這個數字的絕大部分是「內部轉移定價」。亞馬遜自己設計晶片（Trainium 做訓練、Inferentia 做推理、Graviton 做通用計算），裝進自己的 AWS 數據中心，然後在內部記一筆「晶片部門賣給 AWS 部門」的收入。它至今沒有把晶片直接賣給外面的客戶。

CEO Andy Jassy 早前說過一句話：如果把這些晶片當成一家獨立公司、像 Nvidia 那樣對外銷售，等效營收大約是內部數字的兩倍。

這成為了在 Google 之外，第二個被驗證過的自研 AI 晶片規模化案例。

如果你把 Bedrock 的增長和 Trainium 的增長放在一起看，會看到一個更完整的畫面：

Bedrock 在平台層快速放量，Trainium 在硬體層快速規模化。一個往上走，一個往下扎。這兩條線同時出現，意味著亞馬遜的 AI 全端架構正在成形。

當 AWS 越來越多的 AI 算力跑在自己的 Trainium 上，它的單位計算成本會結構性地低於那些純粹依賴 Nvidia 的競爭對手。

同時，Bedrock 佔比提升意味著越來越多營收來自高毛利的平台層。成本端在降，營收品質在升，這兩條線如果持續交叉，AWS 的 AI 利潤結構會跟今天完全不同。

代價寫在現金流裡

當然，這一切都有代價。

亞馬遜今年的資本開支（CapEx）指引上調到了 2,200 億美元。自由現金流已經轉負，過去十二個月淨流出 76 億美元（一年前這個數字還是正的 182 億美元）。

營運現金流依然強勁，年增 33% 達到 1,610 億美元，但再投資的速度更快。這就像一個人年薪漲了三分之一，但同時把信用卡刷爆了，因為他正在瘋狂蓋房子。

而管理層那句「到 2027 年產能依然不夠」，意味著資本開支的強度短期內根本不會下降。

Jassy 給了一個罕見的承諾：三年回本公式

在這種燒錢規模下，投資人最想知道的答案是：這些錢到底多久能賺回來？

對此，Andy Jassy 在電話會議上給出了一個非常罕見且具體的「回本公式」：

「在伺服器與網路設備上，我們平均只需要不到三年的時間就能實現投資平衡（Break-even）。而這些設備的實際使用壽命至少有五到六年。更重要的是，我們目前簽署的大多數 AI 算力合約，期限都在五年以上。」

在理想的狀態下，這是一筆極其性感的數學帳：

• 前 2.5 到 3 年： 透過客戶合約收回硬體投資成本。

• 後 2 到 3 年： 設備繼續運轉，合約繼續執行，此時產生的幾乎是純粹的、高利潤的自由現金流。

但你必須注意兩個前提：第一，這是「平均值」，高端 AI 集群的折舊與經濟模型可能更為苛刻；第二，整個等式成立的前提是「利用率維持在高位」。如果終端的 AI 需求放緩，回本週期就會被無情拉長。

最重要的信號

這份財報的營運面確實強勁，AWS 的加速是真的，AI 業務的放量是真的，自研晶片的規模化也是真的。

但如果你看完這份財報只想記住一件事，我希望你記住的是亞馬遜「全端架構」的成形。

一個靠會計模型估算、撐起來的漂亮 EPS，過兩個季度就沒人記得了。

但一個從晶片到平台、徹底擺脫單一供應商依賴的「全端成本優勢」，會留在資產負債表上，幫亞馬遜賺很多年。

謝謝你閱讀到這裡，如果你覺得這份筆記為你帶來了價值，請不吝按下一個讚，這是我持續分享的最大動力。

我在Facebook和Threads都有每天發佈當天對市場的觀察，大家也可以考慮追蹤我的社交媒體。

另外我在Telegram有頻道，每天早上我會發當天重要新聞摘要。

全部資訊在以下鏈結：

https://linktr.ee/fomo_soc

另外，如果你已經加入付費會員，不要浪費了群組的功能，進入我們Substack的Chat功能一起討論市場!

· KP

二〇二六年七月，一則來自 The Information 的報導，在半導體產業圈投下了一顆小石子。

中國的一家研發團隊，做出了自己的浸潤式 DUV 光刻機。今年五台，明年二十台。要交付給中芯國際和華虹。

消息一出，討論立刻分成兩派。

一派說：「中國終於突破了，準備要挑戰 ASML了。」另一派說：「五台機器？ASML 一年出一百三十台。這算什麼突破？」

要理解這則新聞的真正重量，你不能只看「五台 vs. 一百三十台」這個數字。

你需要理解光刻機到底是什麼、浸潤式為什麼是一道門檻、EUV 和 DUV 之間隔著什麼、ASML 的護城河到底建在哪裡、以及 High NA EUV 這場正在發生的路線分裂，將如何決定這家公司的下一個十年。

這篇文章會從一塊沙子講起，一路講到四億歐元的機器、講到地緣政治、講到估值。

讀完之後，你對 ASML 的理解，會跟市場上百分之九十的人不一樣。

第一章｜為什麼「光刻」是晶片製造的靈魂

現代晶片常被形容為人類科技的奇蹟，但它的起點其實非常樸實。

晶片的原材料是矽，也就是沙子的主要成分。半導體製造的本質，就是把一塊平整、不導電的矽晶圓，透過成百上千道工序，改造成一個擁有數百億個微型開關的立體迷宮。

在這個極其複雜的製造過程中，有一個步驟決定了整顆晶片的性能與生死，這個步驟就是「光刻」，也就是我們俗稱的「畫電路」。

1.1 為什麼只能用「光」來畫電路？

晶片內部就像一座極其複雜的「立體微縮城市」。在這座城市裡，有數十億個微小的開關（電晶體）以及連接這些開關的極細導線。

這些電晶體的作用非常簡單，它們就像你家裡的電燈開關，透過「開（1）」與「關（0）」來處理所有的電腦訊號。

當數百億個開關以每秒幾十億次的速度切換時，你的手機就能流暢地播影片、玩遊戲。

問題來了：我們要怎麼在一塊「指甲蓋大小」的沙片上，雕刻出擁有數百億個零件的城市？

世界上沒有任何一種鋼刀或鑽頭可以做得比原子還要細，更不用說要在上面雕刻出奈米級別的線條了。

既然沒有實體的刀，科學家便找到了一種無形、不佔空間、又絕對不會磨損的雕刻刀：「光線」。

不過，光線本身是沒辦法直接在堅硬的矽晶圓上「燒出」痕跡的。要讓光線發揮雕刻刀的作用，我們需要一種神奇的化學藥水：感光膠（Photoresist）。

這整個過程，其實非常像「在暗房裡沖洗照片」。

1.2 光刻到底怎麼「畫」？三個關鍵步驟

我們會用三個步驟來「畫出設計圖」：

第一步，鋪上畫布

工程師會在平整的矽晶圓表面，均勻地塗上一層薄薄的「感光膠」。這層膠對光線極其敏感，就像是老相機底片上的感光塗層。

第二步，光影投射

這時候「光刻機」登場了。

它就像一台超級投影機，讓強光穿過一張畫有電路圖的「掩膜版」（就像一張畫有圖案的黑白投影片），然後透過鏡頭，把這個圖案精準地投射到塗了感光膠的晶圓上。

被光線照到的感光膠，結構會變軟、變容易溶解；沒被照到的地方，則依然保持堅硬。

第三步，顯影與雕刻

工程師用特殊的化學藥水清洗這塊晶圓。

這個步驟就像「洗照片」：被光照到變軟的感光膠會被藥水洗掉，露出底下的矽表面；沒被照到的感光膠則留下來形成保護層。

最後用酸性氣體或液體去「咬」這塊晶圓（蝕刻），沒有保護層的地方會被挖出深溝，有保護層的地方則完好無損。

當我們把剩下的保護膠洗掉後，一條完美的微小電路通道就出現在晶圓上了。

光刻機在這裡扮演的角色，是利用光線的物理特性，在感光膠上精準地定義出「哪裡該被挖掉、哪裡該被保留」。

因為光沒有實體，只要鏡頭足夠完美，光線就可以被縮得極小，讓我們能在微觀世界裡隨心所欲地作畫。

1.3 為什麼「畫畫」是整個流程中最困難的一步？

製造晶片有許多步驟，比如鋪材料的「薄膜沉積」、挖深溝的「蝕刻」。這些步驟雖然重要，但它們都有一個共同的特點：它們都是「盲目」的。

這就像是：

• 鋪材料的機器只負責把整張桌子鋪滿水泥。

• 洗材料的化學藥水只負責把沒蓋蓋子的地方通通融化。

這些機器本身並沒有「導航系統」，它們不知道哪裡該留、哪裡該挖。唯一能幫它們「畫出施工邊界」的，就只有光刻。

光刻就像是整條生產線上的「總設計師兼測量員」。

如果光刻把施工線畫歪了，或者畫得太粗，後面所有的鋪材料、挖深溝步驟都會在錯誤的地方進行，整顆晶片直接報廢。

這正是為什麼光刻是所有步驟中最困難的，它面臨兩大極限挑戰：

1. 「細度」的挑戰：

現代晶片的線條寬度只有幾奈米，相當於把一根頭髮絲縱向切成幾萬份。

在這種尺度下，工廠地板有一點點微小的震動、溫度變高 0.1 度，甚至空氣中有一顆灰塵，畫出來的線條就會直接歪掉。

2. 「對準」的挑戰（蓋樓房）：

晶片不是平面的，它是由幾十層電路像蓋大樓一樣，一層一層疊上去的。每一層的圖案，都必須與前一層完美對齊。

1.4 為什麼它是決定晶片性能的關鍵？

半導體界有一個著名的摩爾定律：晶片上的電晶體數量，每隔一段時間就要翻倍。電晶體越小，電流跑的距離就越短，晶片運算就越快、越省電。

而要讓電晶體變小，唯一的辦法就是「把電路圖畫得更細」。

限制整個半導體產業前進的最大瓶頸，是「我們手上的那支筆（光刻機），筆尖到底能做多細」。

如果光刻技術無法突破，畫筆的筆觸無法變細，那麼無論晶片設計師的藍圖畫得再精妙，晶片的性能也無法再往前推進一步。

這就是為什麼在晶片製造的眾多環節中，光刻被公認為最核心的靈魂。

第二章｜從普通照相機到深紫外線（DUV）

今天，當我們談論先進晶片製造時，ASML 這個名字幾乎等同於光刻技術的代名詞。然而，在光刻技術發展的前期，這家荷蘭公司甚至連參賽的門票都拿得十分勉強。

這是一段關於技術選擇、產業同盟與物理極限的歷史。

2.1 早期光刻機：從「普通照相機」到「精密工業母機」

在半導體產業的萌芽期，也就是二十世紀六十至七十年代，光刻機其實並沒有想像中那麼神祕與複雜。

當時的晶片線寬大約在幾微米到十幾微米之間，這個尺寸在今天看來非常巨大，大約是人類頭髮絲直徑的十分之一。

因為尺寸要求不高，早期的光刻機在結構上非常簡單，本質上就像是一台被固定在架子上的高級照相機。

那時候，光刻機的製造門檻並不高，許多美國本土的精密儀器公司都能生產。

當時的晶片製造商甚至會自己動手改裝設備：他們把設計好的電路圖畫在一張巨大的透明塑料板上，用普通的強光燈泡照射這張塑料板，透過一組簡單的放大鏡，將光線投射到塗有感光膠的矽晶圓上。

在整個階段，光刻機更像是一種工業消耗品，只要能把圖案投射出來、對準位置，就能生產出合格的晶片。

然而，隨著個人電腦的興起，人類對晶片運算速度的要求開始呈指數級增長。原本像照相機一樣簡單的光刻機，開始面臨一場前所未有的光學革命。

這場革命直接將光刻機從普通的工業設備，推向了人類精密製造技術的巔峰。

2.2 鏡像的藝術：為什麼相機巨頭能跨界稱霸？

要理解光刻機，最簡單的方法是把它的運作想像成「倒過來的相機」。

平時我們用手機或相機拍照，是把高大的俊男美女、一整座大山，透過鏡頭「縮小」並記錄在小小的感光元件或底片上。

而光刻機做的事情剛好相反：工程師先畫出一張像客廳地板一樣大、密密麻麻的晶片電路設計圖，然後利用一組極其精密的鏡頭，把這張大圖等比例縮小百萬倍，精準地「照」在只有指甲蓋大小的矽晶圓上。

既然都是「玩弄光線與鏡頭」的藝術，二十世紀八十年代，全球光刻機市場成了相機巨頭：日本尼康（Nikon）與佳能（Canon）的天下。

對相機來說，鏡頭如果有一點點瑕疵，拍出來的照片頂多是邊緣有點模糊。但在光刻機的世界裡，光線需要穿過數十片像卡車輪胎一樣大、卻比嬰兒皮膚還要光滑的鏡片。

如果鏡片上有哪怕一奈米（百萬分之一毫米）的凹凸不平，光線就會走偏，導致縮小後的電路產生變形、斷裂，整顆晶片直接報廢。

尼康和佳能憑藉著數十年製造頂級相機鏡頭的「神級磨鏡技術」，超越了當時的美國對手。

2.3 畫筆的極限：從普通光到深紫外線（DUV）的跨越

隨著晶片上的電晶體越擠越多，工程師遇到了一個極其頭痛的問題：畫筆太粗了。

這就像是要你在一個米粒上寫完一整部《心經》。如果你拿的是粗粗的彩色筆，筆尖一落下去，墨水就會糊成一團，什麼字都看不清。

在光刻機裡，這支「畫筆」就是光線，而筆尖的粗細，取決於光的波長。

光是一種波。當我們想用光線畫出一條比光波波長還要細的線條時，光就會調皮地「繞射」。

這就像海浪穿過狹窄的防波堤缺口後，會向兩側散開一樣。如果光線散開，畫出來的電路就會模糊、黏在一起，導致晶片短路。

要解決這個問題，唯一的辦法就是換一支更細的筆，也就是找波長更短的光：

• 早期： 工程師用的是看得見的藍光或綠光（波長約 400 到 500 奈米）。

• 中期： 當晶片線寬要縮小到 1 微米以下時，可見光不夠細了。工程師決定跨越肉眼極限，改用能量更強、波長更短的「深紫外線（DUV）」（波長一路縮短到 248 奈米，甚至 193 奈米）。

但換筆並不容易。深紫外線的能量極高，普通相機用的玻璃鏡片只要被它照上幾天，就會像被烈日暴曬一樣變黃、變濁，甚至導致損傷。

為了承受這支「超強畫筆」，科學家不得不放棄普通玻璃，改用極其昂貴、純度高達 99.9999% 的人工石英或氟化鈣晶體來重新打造鏡頭。

每一次換筆，都是一場材料科學的極限挑戰。

2.4 157 奈米的物理高牆與浸潤式的豪賭

到了二十世紀末，193 奈米的畫筆已經發揮到了極限。業界巨頭們一致認為，下一步必須研發波長更短的 157 奈米光刻機。

然而，157 奈米的光線實在是太「霸道」了，它幾乎會被世間萬物吸收，甚至連空氣中的氧氣都會把這種光擋住。

這意味著整台光刻機內部必須抽成絕對真空，而且當時根本找不到任何鏡片材料能承受這種光的照射。

研發進度因而陷入停滯。

就在全球半導體巨頭一籌莫展時，2002 年，台積電的研發經理林本堅提出了一個顛覆性的想法：

「我們為什麼不試試在鏡頭和矽晶圓之間，倒一點水？」

你可以想像一下，當你把筷子插進水杯裡，筷子看起來會折斷，這是因為光線在水中的折射率比在空氣中高。

林本堅指出，如果繼續使用現成、技術成熟的 193 奈米光源，只要在鏡頭下方注入一層薄薄的清水，光線穿過水之後，波長就會被「等效縮短」成 134 奈米，這比大家辛辛苦苦研發卻做不出來的 157 奈米還要細。

這個方案在當時聽起來非常不可思議。在高度精密、通電運作的光刻機內部注入水，這在許多工程師眼裡是極具風險的舉動。

水滴的抖動、水中產生的微小氣泡，或者水對鏡頭的污染，都可能讓整台機器報廢。

當時的市場霸主尼康評估後，認為這個方案風險過高，決定繼續專注於原本的 157 奈米技術。

然而，當時還只是個「小弟」的荷蘭公司 ASML 敏銳地察覺到，如果跟著日本巨頭的腳步走，自己永遠只能當配角。

於是，ASML 決定賭上公司的命運，與台積電聯手，全力研發林本堅的「浸潤式方案」。

僅僅一年後的 2003 年，ASML 就成功推出了全球第一台浸潤式光刻機樣機。這台機器的出現，證實了水折射方案的可行性，並以極高的性價比直接宣告了尼康 157 奈米研發路線的失敗。

這一步棋，讓 ASML 第一次在技術上超越了日本巨頭，並奪走了大量的市場份額。

第三章｜物理極限的終局之戰：極紫外光（EUV）與 ASML 的獨霸之路

在浸潤式光刻技術取得巨大成功後，ASML 成功逆襲日本巨頭，躍升為全球光刻機市場的新霸主。

不過，這場關於「把筆尖削細」的物理競賽並沒有因此結束。

隨著晶片製程向個位數奈米逼近，ASML 很快就發現，即便是浸在水裡的 193 奈米深紫外線（DUV），也已經被壓榨到了物理極限。

為了繼續推動摩爾定律，半導體產業必須做出下一個嘗試：放棄已經無路可走的深紫外線，跨越到一種全新的光源：極紫外光（EUV）。

這是一場長達二十年、耗資數百億美元、幾乎挑戰人類工程極限的科技豪賭。

3.1 為什麼 DUV 不夠用了？「多重曝光」的痛苦與代價

當晶片的線寬縮小到 10 奈米甚至 7 奈米以下時，等效波長為 134 奈米的浸潤式光刻機，其筆尖就顯得太粗了。這就像是要用粗馬克筆在一張小小的郵票上畫出精細的清明上河圖，線條會全部糊在一起。

為了克服這個限制，工程師們想出了一個非常繁瑣的妥協方案：「多重曝光（Multiple Patterning）」。

既然筆尖太粗無法一次畫出密集的線條，工程師就把設計圖拆成好幾張：

1. 第一步： 用光刻機畫出第一批線條，中間留出較寬的空白。

2. 第二步： 將晶圓稍微移動幾奈米，再畫出第二批線條，填補剛才的空白。

3. 第三步： 透過連續三次甚至四次重複曝光與化學蝕刻，最終在晶圓上拼湊出極其細密的電路。

這種方法雖然延長了 DUV 光刻機的壽命，但代價極其高昂。

每一次曝光都需要極其繁複的清洗、塗膠、對準與蝕刻。

這不僅讓晶片的生產週期成倍增加，更致命的是，只要其中任何一次繪畫產生了幾奈米的對準偏差，整片晶圓就會直接報廢。

隨著製程越來越先進，多重曝光的良率開始大幅下滑，生產成本呈指數級上升。半導體產業意識到，多重曝光已經走進了死胡同。

要讓晶片繼續變小、變便宜，唯一的出路就是尋找波長只有 13.5 奈米的全新光源：極紫外光（EUV）。

3.2 捕捉「不存在於地球」的光：EUV 的三大物理難題

從 DUV 的 193 奈米直接跳躍到 EUV 的 13.5 奈米，在物理上是一個巨大的跨越。

然而，要將這個光源應用在實際生產中，科學家遇到了三個物理障礙：

難題一：製造光源（狂風中射飛蚊）

極紫外光在地球上無法自然存在，這種高能量的光線極度接近 X 光，通常只存在於恆星內部。

為了解決這個問題，ASML 開發了一套極其複雜的系統：他們將液態錫加熱熔化，讓直徑只有頭髮絲三分之一的錫滴以每秒五萬滴的速度高速落下。

當錫滴落下的瞬間，高功率雷射器會連續發射兩槍雷射：第一槍先將圓形錫滴打扁，第二槍在百萬分之一秒內再次擊中變形的錫滴，將其瞬間加熱到數十萬度，轉化為高溫等離子體並釋放 13.5 奈米的 EUV。

這個過程每秒要重複五萬次，就像是在狂風中用弓箭連續射中幾公里外高速飛行的蚊子，而且必須百發百中。

難題二：萬物皆是阻礙（真空環境）

極紫外光會被幾乎所有的物質吸收，只要碰到任何東西就會立刻消失。

在過去，光線可以穿過空氣與玻璃鏡片。但因為空氣會吸收 EUV，整台重達 180 噸的光刻機內部，必須被抽成比太空還要乾淨的極致真空環境。

更麻煩的是，世界上沒有任何一種玻璃鏡片能讓 EUV 穿過，只要一碰到玻璃，光線就會被完全吸收。

難題三：鏡子的極限（平整度極致）

既然無法使用透鏡折射，科學家只能改用鏡子來反射光線。德國光學巨頭蔡司研發了一種超薄奈米反射鏡，利用光學干涉原理，勉強將 EUV 的反射率提升到 70%。

這意味著光線每經過一面鏡子反射，就會損失大約 30% 的能量。在光刻機內部經過十幾面鏡子反射後，照射到晶圓上的能量只剩下不到 2%。

此外，這些反射鏡的平整度要求達到了人類製造史上的極限：如果把鏡子放大到整個德國的大小，鏡子表面的最大起伏不能超過一枚硬幣的厚度。

3.3 為什麼這個戰場只剩下三家巨頭？

光刻機擁有如此高昂的售價與戰略價值，為什麼其他科技巨頭或實力雄厚的大國，無法憑空研發出自己的設備來加入競爭？答案在於兩道無法逾越的超級護城河：

• 全球頂尖供應鏈的壟斷：

一台先進的光刻機擁有超過十萬個零件，來自全球數千家最頂尖的供應商（德國蔡司的鏡頭、美國 Cymer 的雷射光源、瑞典的精密軸承、日本的特殊材料）。

這種合作關係是排他的，新玩家必須在數十個基礎科學領域同時超越這些百年老店。

• 極度畸形的市場回報比：

全球有能力購買最先進光刻機的客戶，以往只有台積電、三星與 Intel 這三家巨頭。

研發一代全新光刻機需要投入數百億美元，如果無法獲得這三家巨頭的訂單，龐大的投資將直接打水漂。

3.4 為什麼只有 ASML 贏得了 EUV 的終局之戰？

在面對 EUV 這個終極難題時，日本企業選擇了相對保守的路線：尼康認為技術風險過高決定繼續優化 DUV；佳能則轉向研發奈米壓印等替代技術。

與日本對手的謹慎不同，ASML 選擇了全力孤注一擲，並採取了獨特的「利益綑綁」戰略：

1. 綑綁頂尖供應商： 入股德國蔡司確保頂尖鏡片的獨家供應；2013 年收購美國光源製造商 Cymer，將核心雷射產生技術納入麾下。

2. 綑綁核心客戶： 2012 年在 EUV 研發最艱難、資金幾乎耗盡的時刻，ASML 啟動了共同投資計劃，邀請 Intel、台積電與三星共同出資入股。三家競爭對手為了獲得未來先進設備的優先購買權，破天荒地向 ASML 注入了數十億美元的研發資金。

這種獨特的產業生態圈，讓 ASML 獲得了源源不斷的資金與全球最頂尖的工程智慧。

當 DUV 的物理潛力終於被壓榨殆盡，半導體產業無可避免地走向 EUV 時代時，人們驚訝地發現，市場上只有 ASML 做好了準備。

尼康與佳能因為早期的戰略放棄，在 EUV 領域出現了無法逾越的技術斷代。

這台重達百噸、由十萬多個零件組成的巨型機器，最終將 ASML 推上了全球科技版圖的權力巔峰。

第四章｜中國在光刻機戰場的困境與抉擇

當 ASML 站在全球科技權力的巔峰，獨佔了極紫外光（EUV）的至高王座時，全球半導體產業的版圖正經歷著一場劇烈的動盪。

在這個高度依賴全球合作的精密行業中，一個擁有龐大市場與雄心壯志的玩家，正經歷著從「瘋狂買家」到「被迫自立」的劇烈轉變。

這個玩家，就是中國。

4.1 中國曾經的「掃貨」狂潮

在科技鐵幕完全落下之前，中國是全球半導體設備市場上最引人注目的超級買家。隨著中國大力發展本土晶片製造業，國內的晶圓廠對光刻機產生了近乎飢渴的需求。

由於當時尚未受到全面封鎖，中國企業手握巨額資金在全球市場上大舉採購，中國甚至一度成為 ASML 最重要的營收支柱之一。

除了最先進的設備，中國企業幾乎買下了 ASML 所能提供的各類深紫外光（DUV）光刻機：

• 設備總數： 根據統計，截至 2023 年底，ASML 在中國裝配的 DUV 及計量設備總數已高達 1,400 台左右。

• 採購比例： 在高峰時期，中國買家甚至吞下了 ASML 全球高達七成以上的浸潤式 DUV 光刻機出貨量。

這種全力買進的策略，幫助中國在極短時間內建立起了龐大的晶片產能，也為後來的技術過渡奠定了厚實的硬體基礎。

然而，這種極度依賴外部供應的繁榮，背後隱藏著巨大的安全隱憂。當地緣政治的風向轉變，這條看似暢通的買辦之路，在轉瞬間被切斷。

4.2 EUV 的終極封鎖與 DUV 禁令的邊界

這場買家狂歡的終結，源於一系列的出口管制政策。許多人常聽說中國被禁售光刻機，但這項禁令的具體邊界究竟在哪裡？

1. 鐵幕背後的真相：中國真的從未擁有過 EUV 嗎？

Read more

大家好，我是 KP，歡迎來到第 52 期的《週末思考筆記》。

第 52 期，是十分特別的一期。因為我每個星期都會寫一篇思考筆記，風雨不改。去到第 52 期，這代表著我在 Substack 寫了整整一年。

真的，來到了一週年，很衷心地感謝大家。

一年前開始寫Substack的時候，我沒有想過會發展成今日這個地步。更不要提兩年多前，我開始在 Facebook、Threads 分享的時候，那更不是現在這個模樣。

那時候的我，連自己到底要寫甚麼、寫給誰看，都還在摸索。

在資訊越來越氾濫的年代，輸出已經變成了很容易的事情。最難的，反而是得到每個人的專注力。

一條簡單的喊單推文，一條講述「10 隻最受惠 AI 概念股」的短影音，半分鐘就能看完，就能獲得股票代碼，就能打開股票 APP 下單。為甚麼要花上一個小時去閱讀一篇長文？

我沒有標準答案。或者說，如果你讀到了這裏，你大概已經有自己的答案。

半分鐘給你的是資訊，一個小時給你的，是思考的框架。資訊會過期，框架不會。

下週那 10 隻股票可能換了另外 10 隻，但你理解一門生意的邏輯、你拆解一個宏大敘事的能力，是跟著你走的。

趁著一週年，我想誠實地向大家坦白一件事：在投資與產業的領域裡，還有太多太多我不知道的事情。

你以為我寫每一個題目之前，都已經是完全的專家嗎？當然不是。很多時候，我在動筆前也只掌握了冰山一角。

但做研究這件事，我是真的享受。 把一堆散亂的資訊，梳理成一篇你讀得下去、讀得明白的分析，這件事我是真的享受。

而更讓我感到無比驕傲的，是我們共同建立起來的這座「FOMO 研究院」社群。

這是一個非常「反常」的社群。 在喧囂的投資世界裡，這裡幾乎沒有人會問我「現在能不能買？」、「目標價看多少？」這種簡單粗暴的投機問題。

相反地，這是一個會認真讀完，然後跟我說：「KP，你第三段的邏輯我不同意，因為……」的社群。

(繼續鼓勵大家多到討論區逛逛，即使不發表意見，每天也有很多精彩討論，下面是連結)

寫這種硬核、不帶報牌性質的內容，永遠拿不到市場上最高的流量。在這個「流量即正義」的時代，這看起來似乎不太聰明。

但獲取最高的流量，從來就不是我的目標。

找到對的人，坐在一起，形成一個正向的循環。你因為讀了而多想了一層，我因為你的反饋而下次寫得更準，這才是我最大的目標。

邁向第二年的我們

比起一年前的我，我敢說自己進步了不知多少倍。

而我也敢說，如果你有一直和我們前行，今天的你，比起當初剛剛按下訂閱的你，也肯定進步了不知多少倍。

所以，謝謝你。

謝謝你願意在一個甚麼都求快的世界裏，花上你寶貴的時間，跟我一起思考和進步。

下一年，我希望我們繼續。不會每次投資都贏錢，但求對的時候多對一點，錯的時候少錯一點。 每個星期，都比上個星期的自己，進步那麼一點點。

第 52 期，我們繼續。

這個星期有6個主題，包括：

主題一：AMD用Helios反攻Nvidia？

主題二：Nvidia CUDA護城河在消退？

主題三：黃仁勳的第一條推文，叫美國「開放」一點？

主題四：從Google財報看Gemini的策略

主題五：Elon Musk 為什麼破天荒公開感謝美光？

主題六：Intel的業績應該怎樣看？

主題一：AMD用Helios反攻Nvidia？

要了解 Helios 機櫃的重要性，我們要先理解，過去幾年 AMD 和 Nvidia 最大的差別在哪。

MI300X、MI325X 時代的 AMD，本質上在做一件事：把一顆顆效能不錯的 GPU 交給客戶，然後說：「剩下的，你自己搞定。」

伺服器怎麼組、網路怎麼接、散熱怎麼做、軟體怎麼調，統統是買家自己的事。

這就像你去買車，經銷商把引擎交到你手上，然後微笑著說：「底盤、變速箱、空調系統，麻煩您自行組裝。」

同一時間，Nvidia 在幹什麼？從 NVL72 開始，黃仁勳賣的早就不是 GPU 了。

他賣的是一整個機櫃，72 顆 GPU 透過 NVLink 綁成一個巨大的運算域，網路、散熱、電源、軟體棧全部打包好，插上電就能跑。客戶要做的決定從「怎麼整合」簡化成「要不要買」。

差距在哪裡？三個字：摩擦力。

AMD 的客戶要自己解決 8 顆 GPU 以上的擴展瓶頸，要自己跟 ROCm 的成熟度搏鬥，要自己搞定液冷和高速網路。

每一層整合工作，都在消耗客戶的工程資源和耐心。而 Nvidia 的客戶？開箱即用，CUDA 生態現成，72 顆 GPU 像一顆一樣運作。

商業模式的重大演進

Helios 是 AMD 歷史上第一個真正的機櫃級 AI 平台。

一個標準 Helios 機櫃裡裝了 72 顆 MI455X GPU、18 顆第六代 EPYC Venice CPU、31TB 的 HBM4 記憶體，加上 Pensando 的網路晶片和全套液冷系統。整個機櫃被設計成一個統一的運算域，具備明確的系統級架構意志。

這項設計的真正價值在於路線選擇：

• 規格標準： 基于 Meta 主導的 Open Rack Wide（ORW）開放規格。

• Scale-up： 採用 UALink-over-Ethernet。

• Scale-out： 使用 Ultra Ethernet。

雲端巨頭可以自由選擇 Broadcom 或 HPE Juniper 等不同廠商的網路交換器，擺脫 Nvidia 專有 InfiniBand 與 NVSwitch 的生態綁定。

對於極度抗拒被單一供應商鎖定的巨頭而言，這項開放特性具有極高的戰略吸引力。

技術的妥協：首代 Helios 的潛在瓶頸

然而，開放標準在現階段也伴隨著技術妥協。

第一代 Helios 系統將 UALink 封裝並運行在標準乙太網路交換器上，尚未採用原生的 UALink 特殊應用晶片（ASIC）。

這會帶來額外的協定開銷（Protocol Overhead），導致延遲增加，並降低小封包傳輸的效率。

相較之下，Nvidia 專有的 NVLink 軟硬體棧在通訊效率上依然保有優勢。在超大型模型訓練任務中，Nvidia 的架構理論上更為出色。

原生的低延遲 UALink 交換器預計要到 2027 年左右才會問世。2026 年出貨的首批 Helios 系統，本質上是一個兼顧時效與開放性的折衷方案。

輕資產商業模式：AMD 的算力變現路徑

在商業落地上，AMD 與 Nvidia 的利潤捕獲方式有明顯差異：

Nvidia 傾向於高度控制整套系統的設計與規格，GPU、Grace CPU、NVLink 交換器、網路晶片全部自家出品，合作夥伴主要負責組裝與交付。

Nvidia 對整體架構的掌控力極強，系統利潤的分配也由其主導。

AMD 則負責定義並設計開放式機櫃藍圖（Helios），實際的硬體組裝與銷售交由 Supermicro、HPE 等系統合作夥伴執行。

AMD 的營收來源是機櫃內的高價值矽晶片：MI455X GPU、Venice CPU、Pensando 網卡。

這種模式讓 AMD 以較低的資產投入，專注於晶片銷售，同時迴避了整機製造與庫存的沉重風險。

搭售率：AMD 跟自己的過去算帳

Helios 對 AMD 最直接的財務意義，在於解決了一個困擾多年的老問題：搭售率（Attach Rate）。

在商業世界中，搭售率就像速食店的經典策略。你點了一份主餐漢堡（GPU），店員順口問一句「要不要加購薯條和可樂（CPU 與網路晶片）？」

GPU 是吸引客戶上門的招牌主餐，CPU 與網路晶片則進一步提升整體營收貢獻。

過去，客戶單獨購買 AMD 的 GPU 後，很可能轉頭去買 Intel 的 CPU 或 Broadcom 的網路卡。AMD 的晶片只佔了系統成本的一小部分，搭售率長期受限。

Helios 改變了這個局面。AMD 直接在機櫃藍圖上把自家最頂級的 Venice EPYC 處理器和 Pensando 網路晶片「預先畫好」。

當客戶決定採用 Helios 架構時，AMD 的全套晶片就是預設配置。搭售率從「碰運氣」變成「寫在設計圖裡」。

這跟 Nvidia 的高搭售率有本質區別。Nvidia 靠的是封閉生態的強制綁定，你別無選擇。AMD 靠的是開放架構下的預設最優解，你理論上可以換，但換了效果會變差。

關於價格的迷思

市場上流傳一種說法：「Helios 比 Nvidia 還貴。」這個結論聽起來很有衝擊力，但經不起推敲。問題出在比較基準的錯亂。

多數人喊貴，是拿 Helios（估計約 500 萬美元以上）去跟上一代的 GB200/GB300 NVL72（估計約 300–400 萬美元）比。

這就像拿 2026 年的旗艦車去比 2025 年的中階款，然後驚呼「怎麼變貴了」。當然貴了，你比的根本不是同一代產品。

如果拿 Nvidia 真正的下一代 Vera Rubin NVL72（摩根士丹利預估約 780 萬美元）來比較，Helios 會比上一代貴，但比下一代便宜，而且記憶體容量還多了大約 50%。

如果我們把三代產品放在同一張桌子上，真實的價格排序其實是：

GB200/GB300 ≤ Helios < Vera Rubin NVL72

AMD 的定價邏輯很清楚：用更激進的價格和更充裕的記憶體，在 Nvidia 世代交替的窗口期搶下市占。

市占率現實與客戶投票

戰略轉型的最終檢驗標準是訂單。截至 2026 年 7 月：

• Microsoft 確認將 Helios 用於 Azure 前沿模型推理。

• Meta 簽下高達 6GW 的多年期大單。

• Anthropic 確認部署 2GW 的 MI450 系列系統。

• Oracle 與 OpenAI 亦深度參與。

這些訂單將直接推動 AMD 市占率的結構性改變。過去幾年，AMD 在 AI 加速器市場的營收市占率始終徘徊在 3% 至 8% 的個位數，Nvidia 則穩佔 80% 以上。

Helios 的出貨，很可能將幫助 AMD 在 2027 至 2028 年間突破雙位數門檻。

Helios 無法瞬間推翻 Nvidia 的絕對主導地位，CUDA 生態系的護城河依然深厚。但 AMD 已成功拿到高階機櫃級市場的入場券，從邊緣玩家晉升為具備實質威脅的替代選項。

最後的洞察

AMD 過去的困境源於客戶總擁有體驗的缺失。ROCm 軟體生態的追趕固然重要，完整的基礎設施解決方案才是決勝關鍵。

Helios 的出現，讓我們評估 AMD 時不能再只看「GPU 效能與市占率」。

它同時改變了收入結構（更高的 CPU 與網路晶片搭售）、競爭定位（從性價比替代變成完整第二系統選項），以及長期毛利率的潛力。

如果 Meta、Anthropic、Microsoft 等 GW 級承諾能如期落地，市場過去給 AMD AI 業務的「軟體與生態折扣」應該適度收斂。

合理的估值框架，已經從「週期性 GPU 供應商」往「具備系統級架構能力的平台型公司」移動了一步。

主題二：Nvidia CUDA護城河在消退？

一個工程師，一個週末，一個全新的機櫃。

Anthropic 共同創辦人 Tom Brown 分享了一個故事：他們拿到一台 AMD MI355 機櫃，工程師只對 Claude 下了句「幫我把這台機器搞起來」，丟著跑過週末，結果竟跑出了連續改善的效能圖表。

前沿模型在全新硬體上的表現，就這麼被 AI「自己」拉了起來。

過去要讓一塊新硬體從開箱到跑得順，得靠專職團隊花上數週甚至數月。你得懂驅動載入、記憶體分層、卡跟卡之間的溝通，還要熟知各種文件裡沒寫的東西。這十年累積的調優知識，過往正是 CUDA 生態真正的護城河。

同一時間，AMD 與 Anthropic 宣布深度合作，Anthropic 將部署高達 2GW 的 AMD Instinct MI450 系列 GPU，並明確寫下要用 Claude 來優化 Instinct 的工作負載與 ROCm 開發。

模型不只是跑在晶片上，模型正在替晶片寫軟體。

護城河還在，但水在退

CUDA 今天依然擁有結構性優勢。NVIDIA 把晶片、互連網路與系統軟體整套綁在一起賣，那種深度整合的效率，絕非一個週末就能複製。

再加上極度成熟的除錯工具，以及整個開源生態「CUDA 優先」的強大慣性，當你燒掉幾百萬美元跑幾週訓練時，你依然會選「已知的好」，而不是「理論上可以的好」。

但護城河的性質正在改變：

• 兩年前： CUDA 的護城河是「不可進入」。你根本不知道從何開始，光移植一個核心運算就夠小團隊折騰半天。

• 今天： 它正在變成「偏好性」。你可以離開了，只是離開之後的巔峰性能和穩定性還差一截，而且你現有的工程習慣仍長在 CUDA 上。

從「不可能」變成「麻煩但可行」，這中間的距離，才是 AI 硬體格局重新洗牌的真正空間。

不只一個人在這麼說

DeepSeek 創辦人梁文鋒也在流出的投資人會議內容中直言：「NVIDIA 的 CUDA 護城河正在快速崩解。」

他的理由如出一轍：AI 已經能寫程式，大幅降低了建立軟體生態系的人力門檻。 他甚至樂觀地認為，中國晶片在軟體上的問題一年內能基本解決，真正的瓶頸反而落在製造產能。

DeepSeek 自己已跑了上萬張華為 Ascend 950，並認為其 SuperNode 在性價比上能替代 GB200/GB300 的工作負載。

話術會否有點誇大，大家可以自行判斷，但方向上，他和 Anthropic 指向的是同一件事：強大的 Coding Agent 正在將「建立替代軟體棧」的難度，從多年大型工程壓縮成可快速迭代的日常任務。

真正的新瓶頸：寫得出，和信得過

軟體護城河被 AI 填平了嗎？對，但只對了一半。競爭的缺口已悄悄轉移到「能不能信得過」。

模型能在幾小時內生出高效能程式碼，通過單元測試與中等規模基準。

但你未必知道它在極端條件下會不會安靜地出錯，也許訓練跑到第三週數值開始微幅漂移，也許擴展到兩千張卡時觸發了隱藏 bug。這些都是在昂貴的生產環境中才會發生的鬼故事。

AI 打下了生產程式碼的成本，卻沒有降低「信任這段程式碼」的成本。團隊容易累積大量跑得快、但無人深讀的程式碼，維護與除錯成了新黑洞。

稀缺資源從「會寫程式的人」，變成了「能嚴謹驗證、壓力測試，並敢為機器程式碼扛責任的人」。而這種人更為稀有。

CUDA 的殘存優勢，就在於你在最關鍵的任務上，依然「不敢完全離開」。

NVIDIA 會怎麼接招？

NVIDIA 真正在做的，是把黏性往更高的地方搬。

如果把寫程式比喻成「砌磚頭」，AI Agent 確實能幫你快速把牆砌好。但 NVIDIA 現在賣的，已經不只是磚頭，而是整座「智慧大樓」——地基、高速電梯、中央空調、物業管理一次到位。

低階程式碼愈來愈容易被 AI 搬到別的平台，但整棟樓怎麼蓋得又穩又快、各樓層怎麼高效溝通，這種深度整合的能力，目前還是 NVIDIA 明顯領先。別人可以很快蓋出能住的房子，但要蓋出同樣高效運轉的大樓，難度依然很高。

更關鍵的是，AI Agent 寫程式已是大勢所趨。當開發者發現：叫 Agent 優化 CUDA，十分鐘搞定；換到其他平台卻要折騰一小時，那股本來在削弱舊護城河的力量，反而變成幫 NVIDIA 加固新護城河的水泥。

• 舊護城河： 「你的程式碼離不開我。」

• 新護城河： 「你的整套 AI 營運，最後還是最想待在我這棟樓裡。」

真正在發生什麼？

十八個月前，AI 公司的算力採購是單選題：買 NVIDIA，或者慢慢等。

今天它變成了多選題：NVIDIA、AWS Trainium、AMD、自研晶片等。每一條路的軟體轉移成本都在下降，因為模型本身成了施工隊。

這甚至形成了一種奇妙的循環：Claude 正在讓未來跑 Claude 的硬體更高效，高效的硬體又養出更強的下一代模型。

這並不意味著 NVIDIA 會被輕易取代。壟斷的力量雖然軟化，但系統整合的領先溢價依然存在。多數公司會為了產能與成本分散供應商；但當預算充足且任務極度關鍵時，我相信大家依然會走那條信心最高的路。

CUDA 的護城河沒有乾涸。它只是從一座不可逾越的城堡，變成了一條你可以涉水而過、只是鞋子會濕的河。

主題三：黃仁勳的第一條推文，叫美國「開放」一點？

2026 年 7 月 24 日，黃仁勳發了他人生中的第一條推文。

不是新晶片發布，不是簽下了一個新客戶，他卻在談一件事：開放模型（Open-weights model）。

一個市值四兆美元公司的 CEO，社交媒體的處女秀，不是推銷自己的產品，而是替「別人可以免費拿走、修改、部署的 AI 模型」背書。

那封標題為〈Open Weights and American AI Leadership〉的聯署信，簽名欄讀起來像矽谷的復仇者聯盟：Microsoft、Meta、IBM、Hugging Face、Palantir、a16z、Y Combinator……洋洋灑灑，幾乎把半個科技圈都拉上了船。

信裡到底說了什麼？

信的核心論述，用一句話概括：美國 AI 要贏，不應該靠幾家閉門造車的 AI 公司，而是鋪天蓋地的開放生態。

它開頭就拉出了一個歷史類比：1980 年代的開源軟體運動。

就像 80 年代的開源軟體撐起了今天的網際網路一樣，只有讓每個人都能拿去改、拿去用，美國的技術標準才會成為全球標準。

對手一定會用 AI 攻擊你，如果你把防衛能力都鎖在 OpenAI 或 Google 身上，一旦他們被攻破，全美國就集體癱瘓。讓廣大社群一起檢視程式碼，才是最堅固的盾。

對於爭議最大的「蒸餾技術」（用大模型輸出幫小模型升級），黃仁勳說：這是站在前人肩膀上的合法演進，該用法律解決的是惡意偷竊，而不是用一刀切的禁令扼殺技術。

但如果你只讀到這裡就點頭稱是，那你大概還沒看懂黃仁勳想做甚麼。

鏟子商的生存焦慮

NVIDIA 不賣模型。NVIDIA 賣的是讓模型跑起來的那塊矽、那台機器、那整座資料中心。

它是 AI 時代的鏟子商，不挖金礦，但每一個挖金礦的人都得找它買鏟子。問題是：如果金礦只有三座呢？

當 AI 的世界被壓縮成 OpenAI、Anthropic、Google 幾家封閉巨頭的遊戲，使用場景被侷限在 API 調用，算力需求再大也是「幾家公司的採購預算」。

更致命的是，這些巨頭每一個都在偷偷磨自己的鏟子：Google 有 TPU，Amazon 有 Trainium，Meta 在搞 MTIA。今天你是他們唯一的供應商，明天你就是他們最想擺脫的依賴。

但如果模型開放呢？

生態會瞬間從「幾家巨頭」變成「一百萬個玩家」：從微調模型的新創、做研究的大學、部署本地影像診斷的醫院，到為了資料主權自建機房的中東政府。每一家都需要 GPU，每一家都需要 CUDA，每一家都變成了 NVIDIA 的客戶。

黃仁勳在採訪裡說得幾乎是赤裸裸的：

「免費的 AI 對硬體是好事。免費的 AI 對晶片是好事。免費的 AI 對資料中心是好事。」

翻譯成人話：你們儘管把模型免費撒出去，撒得越廣越好。因為每一個「免費」的背後，都站著一個需要買我晶片的人。

那封信真正的讀者

表面上，這封信寫給政策制定者。

它用「國家安全」「主權」「競爭」「創新擴散」這些大詞把自己包裝成一份愛國文件，呼籲不要過早限制開放模型，不要把創新趕到海外。

因此，我們會看到聯署名單裡有 Palantir、有 CrowdStrike，這些名字出現在「國家安全」語境裡，最合理不過了。

它在告訴華盛頓：限制開放權重，不是保護美國，是削弱美國。 黃仁勳把商業利益和國家利益綁在一起，把「我想賣更多晶片」翻譯成「美國不能輸掉 AI 競賽」。

更深一層，這封信是寫給投資人的。

它在說：不要怕開放模型，不要怕效率提升，不要怕「免費」。開放不是 NVIDIA 的威脅，是 NVIDIA 的增長引擎。 模型越開放、越免費、越無處不在，跑這些模型所需要的算力就越是天文數字。

而最實際的一層：全球有多少政府和受監管行業，出於隱私、合規、地緣政治的原因，不可能把資料送進美國公司的雲端 API？他們要的是「模型在我自己的機房裡跑」。

開放權重加 NVIDIA 全棧方案，是目前這個命題唯一成熟的答案。每一座「主權 AI 工廠」的背後，都是一排排閃著綠光的 GPU 機架。

最危險的位置，和最安全的位置

黃仁勳比誰都清楚：在 AI 時代，最有利的位置不是「擁有最好的模型」，而是「成為所有人跑模型時繞不過去的那一層」。

模型會過時，架構會迭代，今天的頂級模型，明天就會變成免費的大路貨。但基礎設施層，一旦成為預設選項，就有了近乎永恆的黏性。

封閉讓少數人強大，但開放，才能讓所有人對你產生依賴。

主題四：從Google財報看Gemini的策略

最近社群媒體上嘲笑 Gemini 的梗圖越來越多了。

說實話，他們沒說錯。在純粹的前沿模型能力上，在長鏈條工具調用上，在 agentic coding 的指令遵循上，Gemini 確實落後於 Claude 和 GPT，甚至可能已經比不上其他的後來居上者了。

Pichai 自己在財報電話會上都承認了，Google 在 agentic coding 上「有點落後」。Gemini 3.5 Pro 從 I/O 大會承諾的六月時間表一路滑到「合作夥伴測試中」，這種跳票模式已經變成了一種敘事慣性。

所以，是的，Gemini 的前沿模型確實不夠強。這件事沒什麼好辯護的。

但事實上，Google 的精力並不完全在於產出最前沿的模型。

市場問錯的問題

華爾街和科技媒體最執著的問題是：「Gemini 是不是絕對的第一名？」每次 Pro 版本延遲，這個問題就被重新拿出來鞭一次。

這個問題本身沒有錯，但它預設了一個前提：純模型能力的排名決定商業勝負。

Google 內部顯然已經不這麼想了。翻開 Q2 財報電話會的紀錄，你會發現一個非常清晰的訊號。

Pichai 談論 Gemini 4 的預訓練時用了「十分進取」這個詞，態度認真，資本支出也確實砸下去了（全年指引上調到 1950 至 2050 億美元）。但整場電話會的重心，全部指向另一個方向：產品整合。

AI Overviews 和 AI Mode 合併成無縫的搜尋體驗，月活突破 10 億。Gemini App 達到 9.5 億月活，日活在一年內翻了三倍。Ask YouTube 在六月觸及 1.4 億用戶。搜尋營收年增 17%，達到 633 億美元。

Google 正在做的事情，用一句話概括：把模型變成調味料，撒進十億人每天已經在用的產品裡。模型是食材，搜尋、YouTube、Workspace、廣告系統才是那盤菜。

Flash 才是真正的中心

當大家都在盯著 3.5 Pro 什麼時候發布時，Google 卻在瘋狂地迭代、發布各種 Flash 變體（包括 3.6 Flash、3.5 Flash-Lite，以及針對網絡安全的 Flash Cyber）。

Pichai 在電話會議上直言：Flash 已經成為 Google 的「中流砥柱」。