(又一硬核分析) 微軟失去GPT獨家反而更好？亞馬遜估值太貴？ 谷歌需要Gemini變強嗎？ Meta PE低是撿便宜？- 深入分析第60期：四大巨頭

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。

因此我們需要一個檢驗框架。在評價巨頭時，我認為有四個關鍵收費站，決定了 CapEx 的最終品質：

• 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：