大家好，我是 KP，歡迎來到第 59 期的《週末思考筆記》。
大家都應該收到我幾天前的信件了。是的，從上個星期開始，我已經正式轉為全職營運《FOMO 研究院》。
這意味著，未來大家可能會開始在更多不同的場合或平台上，看到我的真身與原創內容。
過去幾天寫了不少感性與感言，這裡就不再贅述。
這篇前言主要想溫馨提醒大家：本週五我們將正式調漲月費訂閱價格（年費保持不變，既有訂戶的價格也將永久鎖定）。
如果你還在觀望，這幾天會是最好的進場時機；如果是目前採用月訂閱的朋友，我也誠摯邀請你考慮轉為年費方案，這不僅是對我研究品質的信任，我相信對你而言也會是一個非常划算的長期投資。
(如果還在猶豫的，不妨閱讀一下「我離職了」那篇下面的留言，算是有很多五星好評，哈哈哈)
數據出爐與 Fed 的博弈：為什麼升息一次反而是好事？
昨晚 CPI 數據正式出爐。在一連串強勁的經濟與就業數據後，一份符合預期的通脹數據，大概率足以讓下週的 FOMC 會議做出再升息一次的決議。
坦白說，在這個時間點升息，我反而認為是件好事。
資本市場最厭惡的是不確定性。
當市場對升息與否的預期長期維持在 50/50 的拉鋸狀態時，機構與投資人很難進行中長期的資產配置。
如果通脹數據居高不下，而美聯儲卻遲遲不敢行動，反而會損及 Fed 的政策公信力。
因此，在此刻明確升息一次、隨後進入數個月的政策觀望期，只要這不演變成新一輪的連續升息週期，對市場長期發展反而能發揮清理不確定性的作用。
我過去的核心情境始終認為：Kevin Warsh 與決策圈的主觀意願並不希望過度緊縮，即便被迫升息，至多也就是一次性的防禦性舉措（One-and-done），對資產價格的中長期趨勢影響有限。
這點在我幾個月前的深度分析，與後續追蹤中已詳細論述過。
有趣的是，在最近的一場訪談下方，有位讀者留言：「KP，你之前說覺得不會升，現在又說會升，這打自己的臉吧？」
是的，投資本來就是一個不斷自我修正、甚至「打自己臉」的過程。
當新的數據、新的邊際資訊出現時，我們沒必要為了維護面子而堅持錯誤的舊假設。
投資中的自我修正
John Maynard Keynes 有一句名言：「當事實改變時，我的想法就會改變。先生，那你會怎麼做？」
在金融市場裡，最昂貴的代價莫過於傲慢與執念。
許多人把「堅持己見」當成獨立思考，但真正的獨立思考，是在接收到新資訊時，能根據新證據重新調整先前機率的推演。
觀點是動態的，隨數據而變：承認下週可能升息一次，改變的是我對短期政策路徑的「觀點」。
框架是長期的，決定你如何解讀數據：我評估美聯儲政策邊際效應遞減、以及企業核心基本面決定長期回報的「框架」，始終如一。
總體經濟預測從來沒有黑與白的二元對立。我們做分析，是在尋找期望值最高、勝率與賠率最不對稱的下注機會。
當邊際數據將升息概率從 50% 推升至 90% 時，調整應對策略是基本的風險控管，無關乎被打臉。
作為研究者與投資人，我的責任是建立一個高度透明、基於事實與邏輯的推演體系，而非扮演預言未來的神仙。
當事實變了，我也會第一時間將最新的推演呈現給各位。
本期精彩主題預告
這個星期，我們共有六個重磅主題要與大家深入探討，其中包含了兩篇針對蘋果秋季發表會（Apple Event）的深度拆解：
主題一 | 蘋果究竟如何用定價轉移成本？
主題二 | Apple Watch是AI助理的試行點？
主題三 | Oracle忽然要挑戰Palantir?
主題四 | 高盛把2028光模組市場看高一倍？
主題五 | Palantir指定Nebius為官方夥伴？
主題六 | Muse代表Meta的AI策略起飛了嗎？
不妨考慮先讚後讀，我們正式開始!
主題一 | 蘋果究竟如何用定價轉移成本？
蘋果發表會剛過，iPhone 18 Pro 賣 1,199 美元，比去年貴了 100 美元。
漲價，這是沒辦法的事情。大家都清楚，手機記憶體產能被嚴重擠壓
今年第二季，手機工作記憶體的價格單季暴漲了七到八成。到了第三季，一台 Pro 裡的記憶體成本，居然是一年前的四到五倍。
去年的記憶體只是整支手機成本裡的配角，今年一躍變成占比高達三成以上的昂貴主角。
為了買到晶片，蘋果只能掏出龐大的現金預付款，跟記憶體廠簽下多年的長約，甚至接受了「合約不設價格上限」這種非常屈辱的條件。
市場漲多少，蘋果就得付多少。
有趣的地方來了。既然成本漲得這麼離譜，發表會前，華爾街對價格的預測一路拉高。
從偏保守的調漲 50 美元，到部分研究機構認為要保住舊毛利率得加價近 270 美元，市場共識普遍落在 100 到 200 美元的區間。
最後答案揭曉，蘋果只漲了 100 美元，落在預測區間的下沿。
起價只漲 100 美元？
蘋果從來不害怕調高售價。
事實上，新 Pro 漲了 100 美元，舊款全部跟著漲 100 美元，1TB 和 2TB 大容量版本更是加價加得非常犀利，連 Mac 和 iPad 也在幾個月前就先調高了價格。
但單看記憶體成本，蘋果這次每支手機大約多付了 140 到 150 美元，起價卻只多收 100 美元。中間差的幾十塊美金，蘋果選擇自己先吞下來。
為什麼不乾脆把 200 或 300 美元的漲幅直接印在起價上？
答案跟今年的產品安排有很大關係。
今年秋天，蘋果店裡完全沒有 799 美元的基本款 iPhone，普通版全部被延後到明年春天，架上只剩下最貴的 Pro 系列和摺疊機。
這意味著，消費者如果覺得 Pro 太貴，在店裡根本找不到便宜的替代品。
如果起價一下子加得太猛，客人不會勉強自己多掏錢，而是直接選擇觀望、等待明年春天的便宜款，或者轉身去看隔壁打折的三星。
把漲幅全額轉嫁出去，換來的可能不是更高的利潤，而是賣不掉的空貨架。
真相是，蘋果沒有在發表會這一季把所有缺口一次填平。它把這張帳單拆成「當季收的錢」、「當季讓的利」，以及「未來幾年慢慢收的服務費」。
第一張單：大容量版本多收錢
如果只看起價只漲 100 美元的新聞標題，很容易讓人以為漲幅很溫和。但只要把規格表攤開，就會發現真正的漲價藏在 512GB 之後：
256GB 到 512GB： 跟去年一樣，多加 200 美元。
512GB 升 1TB，加價從去年的 200 美元改成 400 美元；1TB 這台同比貴 300 美元。
1TB 到 2TB（Pro Max）： 從去年的 1,999 美元直接跳到 2,499 美元，同比暴漲 500 美元。
蘋果把大眾拿來比較的入門起價壓低，把成本轉嫁給那些喜歡大容量的，對價格沒這麼敏感的用家。
新聞標題寫的是漲 100 美元，但會有不少人實際上是多付了 300 到 500 美元。
而且 Pro、Pro Max 與折疊機 Duo 這三條產品線，容量加價規則完全一致：一律是多加 200、400、600 美元。
這套規格溢價加上機身溢價的組合模組，讓財務管理非常乾淨，跟上游記憶體廠商談判時也更加清晰。
第二張單：舊款同步漲價，封鎖便宜退路
這次舊款手機完全沒有降價空間。從 17、17e、Air 到還在賣的 16，起價通通跟著調漲 100 美元，把整條產品線的地板同時抬高。
秋天想買新機，最低門檻就是 Pro 的 1,199 美元；如果想避開高價去買舊款，舊款也已經不是以前那個便宜價格。
有趣的是，Pro Max 的加價策略相當耐人尋味。
從 256GB 的 Pro 升級到 512GB Pro，要多花 200 美元，只買到額外的儲存空間；但從 256GB Pro 升級到 256GB Pro Max，只要多花 100 美元，就能直接換到 6.9 吋大螢幕與大電池。
對於卡在預算邊緣的買家來說，加價換螢幕遠比加價換容量划算。這會順理成章地把大家推向單價更高、利潤更好的 Pro Max。
當季主動讓利：附件與以舊換新
有些東西沒漲價，並不代表蘋果賺到了錢，而是為了保住銷量：
手錶和耳機故意按住不漲：
Watch Series 12 依然 399 美元起，AirPods 5 入門款甚至加入主動降噪。手錶和耳機用的記憶體量小，成本衝擊本來就低。
iPhone 已經變貴，如果週邊商品也著漲，購物車總價會太難看，大家就不買配件了。發票寫在 iPhone 上，附件先不動。
以舊換新其實是吃毛利：
官方提供最高 1,200 美元的舊機折抵。
剛換機不久的老客戶淨支出非常低，直接被留下來；只有新手或轉系統的人才付完整的標價。以舊換新是用利潤換銷量，用來安撫忠誠客戶，不是拿來補貼成本的工具。
少漲的那 50 到 100 美元，蘋果並沒有白白虧掉，也沒有幻想能在一季內就把成本補平。
未來幾年慢慢收：雲端與訂閱服務
大容量機型的價格拉得極高，很多消費者會選擇「先買小容量，再每個月花錢買 iCloud+ 雲端空間」。
加上 Apple Music 和 AppleCare，這些服務在用戶持有手機的幾年裡，每個月穩定貢獻現金流。
蘋果這次的定價邏輯非常清楚：起價只加 100 美元，是為了不讓秋天架上唯一的 Pro 機型被嚇空。
當季能收的成本，由大容量買家和買舊款的人買單；當季讓出去的利潤，換來的是舊客戶換機與週邊配件的銷量。
至於剩下的缺口，就留給未來幾年的雲端訂閱服務，在一點一滴的月費裡慢慢收回來。
蘋果的漲價，基本上都是關於記憶體。
在過往幾個星期，記憶體都不再是鎂光燈下的主角了。在這平靜的時刻，不妨重溫一下記憶體的估值邏輯，為下一階作出準備。
(研究院最硬核一篇)記憶體擺脫週期了？單位數PE真的是在撿便宜？ - 深入分析第56期：美光，SK海力士，三星
「美光 Forward PE 只有 7 倍，美國人真的不會做股票，這麼便宜都還要下跌。」
主題二 | Apple Watch是AI助理的試行點？
在 Apple 最近的發布會上，大家都在討論折疊機或最新晶片等話題。
但其實，Apple Watch這次公佈了一堆新功能。
如果從 AI 助理的長遠佈局來看，這些小功能雖然不起能，但卻是AI助理佈局的重要一環。
「個人資料」爭奪戰
生成式 AI 發展至今，最稀缺的資源是「只有你才有的個人資料」。你每天的對話、睡眠、身體變化，累積五年就是無可取代的資料庫。
早前 Apple 控告 OpenAI 挖角硬體人才，暴露了 OpenAI 在「入口分發」上的焦慮。
只要 ChatGPT 只是 iPhone 裡的一個 App，互動入口與感測器權限就永遠被 Apple 捏在手裡。未來人與 AI 之間的中介者之爭，才是核心。
對 Apple 而言，他們根本無需重新發明 AI 裝置。
口袋裡的 iPhone、耳朵上的 AirPods、手腕上的 Watch，就是最高頻的感測網。特別是手錶，手機能放桌上，手錶卻始終貼身。
當未來模型能力拉平，勝負關鍵在於「誰能長期累積獨一無二的個人生理與生活數據」。
Apple 這次到底發表了什麼？
1.高頻連續生理追蹤
從過去的抽樣轉為高頻連續監測（如每 5 秒心率、白天 HRV）。推出結合睡眠的 Readiness，以及結合血檢（目前限美國）與運動數據的 Health Age。
護城河的邏輯是「從今天起用更高密度接著記」。
2.環境對話理解
雙按 Digital Crown 觸發 Live Rewind，回放 15 秒對話；Siri Recap 則自動整理會議或聊天摘要。
數據來源從「App 操作紀錄」延伸至「真實世界的經歷」。
3.不漲價的門票
維持原價，用穩定價格把用戶留在感測網內。
現實的瓶頸：成為真正 AI 助理前的三大限制
1.隱私與記憶深度的矛盾
為了讓用戶敢開麥克風，Recap 設定為七天刪除的暫時備忘錄，限制了長期記憶的累積。同時，手錶長期聽取私人對話，便利與毛骨悚然的界線極薄。
2.缺乏交辦執行力（Agency）
若 AI 記錯，個人記憶會變負資產。
就算記對了，若你問「上次推薦的東京飯店」，Siri 目前只能找出摘要，還無法自動比價、避開行事曆並完成訂房。Apple現在的跨系統執行力仍是弱項。
3.體驗門檻高
完整 AI 體驗僅限搭載最新晶片的新錶，多數舊用戶尚無法享受。
這輪 Watch 更新，比較像一個試行點
這輪 Watch 更新密度高、討論度低，比較像一個「試行點」，用來確認 Apple 敢不敢把助理做成「長期跟著你的身體和生活」，而非只做一個更會聊天的 Siri。
它符合試點該有的樣子：手錶螢幕小，適合做低介面實驗；功能上排程、限地點、七天不存就刪，是在精準測量「便利與毛骨悚然」的界線。
它不跟新硬體搶鋒頭，卻清楚暴露了 Apple 的意圖：用現有裝置當感測網，先用隱私換許可，再用許可換時間。
主秀仍是 iPhone，Watch 則是最小代價的前哨站。
所以接下來真正該看的
所以接下來看 Apple Intelligence，我反而會問一個更核心的問題：Apple 能不能在 其他公司的新硬體出現以前，先讓使用者習慣把自己的人生交給 Siri 記？
模型與裝置都能換，但若一個 AI 陪你五年，熟知你的身體與生活細節，要把這些重新教給另一個 AI，將是極其昂貴的 switching cost。
OpenAI 想做一台 AI 時代的新裝置；Apple 則想證明你根本不需要另一台。而手錶上那個不起眼的 Siri Recap，正是這場入口戰最值得關注的前哨。
AI代理人時代很快會到來，我們是時候裝備好自己，知道在這個新世代中，會產生甚麼重大變化。
推薦大家重溫Datadog的介紹。
主題三 | Oracle忽然要挑戰Palantir?
Oracle 的最新財報會議上，出現了一個極其罕見的名字：Palantir。
Oracle 寫道，Palantir 是企業本體論（Enterprise Ontology）的先驅，但他們是為每個客戶手工精心打造。
接著 Oracle 話鋒一轉，宣布自家的 AI Data Platform 能夠全自動生成企業本體論，讓這件事變得便宜、簡單且快速。
在法說會上，高管們沒有再頻繁提及 Palantir，但這個定位已經非常明確。
Oracle 正在把 Palantir 定義為昂貴且耗時的高級訂製服，並宣稱自己準備好開啟工業化量產的時代。
不想只當 GPU 房東
要看懂甲骨文（Oracle）這份公關稿，得先拆解他們真實的財報數字：
最新一季，甲骨文的雲端基礎建設（OCI）營收大增 121%，但核心的雲端軟體（SaaS）卻只成長了 10%。
同時，公司還預計投入超過 900 億美元去買設備、建資料中心，導致現金流持續吃緊。 這是一個非常危險的訊號。
如果甲骨文只靠賣算力與基礎建設，它最終只會淪為「出租 GPU 的數位房東」，花了天價買設備，卻只賺到微薄的工具過路費。
現狀是：客戶用甲骨文的設備來訓練 AI，但真正賺錢、掌握關鍵決策的高利潤業務（例如商業邏輯判斷、AI Agent 自動執行、資料回寫），卻全在 Palantir、Databricks 或微軟的平台上運作。
在 AI Agent 的時代，價值的關鍵不再是「誰儲存資料」，而是「誰決定資料怎麼用、誰擁有執行權限」。
如果決策權被其他巨頭拿走，甲骨文引以為傲的資料庫，只會降級成一個無足輕重的「後台資料庫（Source System）」。
正因如此，甲骨文推出 AIDP（AI 資料平台）的主因，是為了打一場護城河保衛戰：在自家的核心產品（Fusion、NetSuite、醫療系統、雲端資料庫）外圍，強行套上一層 AI 與決策護盾。
甲骨文的商業策略很明確：當底層的硬體與算力越來越不值錢時，就必須把戰場向上轉移，搶奪高價值的軟體控制權。
甲骨文能攻佔Palantir嗎？
長期以來，Palantir 的核心競爭力是他們強大的「前線工程師（FDE）團隊」。
這群工程師會直接進駐客戶公司，花費幾個月甚至幾年的時間，親手把客戶內部混亂、髒亂的數據與業務流程，梳理成一套完美的運作架構（Ontology）。
這種做法極度依賴頂級人才，雖然單價高、客戶黏性強，但也像是一件件耗時的「手工精雕精品」。
甲骨文現在宣稱：我們能用 AI 將這個過程「工業量產」。
甲骨文高管在法說會上亮出了極具吸引力的時間表：導入醫療系統的時間能從幾十個月縮短到幾個月；NetSuite 系統的導入更能從幾十個月縮短到幾週。
甲骨文的信心，來自於它掌握了數十年的企業運作標準。
甲骨文擅長的是「後台紀錄（System of Record）」，在自家的 Fusion、NetSuite 或醫療系統裡，什麼是發票、工單、理賠，早就被定義得一清二楚。
要 AI 在自家本就乾淨的數據上自動貼標籤，對甲骨文來說並不難。
但 Palantir 做的是「前線操作（System of Operation）」。
Palantir 的客戶往往沒有統一的系統，他們的 AI 必須橫跨 40 個不同品牌的混亂舊系統（如 SAP、物聯網設備、工會規則），去動態判斷「一架飛機是否準備好起飛」，並直接下達執行指令。
換言之，甲骨文是讓 AI 去繼承企業原本就跑在自家平台上的標準規矩；而 Palantir 則是從零開始，幫客戶在無序的亂局中建立秩序。
有趣的是，甲骨文在宣傳「全自動」的同時，也開始招募並配備自己的「前線部署工程師（FDE）」。
這無疑是一次無聲的承認：自動化是有極限的，AI 落地的最後一哩路，終究需要人肉去填平。
為什麼偏偏是現在？
這背後有三個原因。
第一，「本體論」這個詞已經破圈了。
它不再是 Palantir 的內部行話，Databricks、Snowflake 和微軟都在用。當這個詞成為行業標準時，Oracle 必須搶下定義權，否則就會被邊緣化。
第二，Palantir 證明了這是一個真實的預算項目。
Palantir 美國商業客戶營收增長超過 130%，這向所有 CIO 證明了「基於本體論的企業 AI」是值得花大錢的。
Oracle 不能眼睜睜看著這筆預算，流向一個只是把 OCI 當作底層租戶的競爭對手。
第三，Oracle 的股價需要一個「軟體故事」。
在華爾街眼裡，Oracle 現在更像是一個槓桿化的 GPU 建築商：背負著巨大的資本支出和微弱的現金流。
在財報中點名 Palantir，等於是在告訴市場：我們不僅要賺電費（基礎設施），我們還要賺應用層的軟體利潤。
這是一道防禦性高牆
這場對決的真實本質，我會用以下四個問題來總結：
這是一個突然開闢的新市場嗎？
不是。 產品（AIDP）已經推出近一年，變的是甲骨文的公關敘事，它試圖借用 Palantir 的光環來抬高自己。
甲骨文有能力兌現承諾嗎？
部分可以。 在甲骨文自家的生態系內，它的自動化能力無庸置疑；但在跨系統的複雜營運場景中，它依然缺乏實證。
甲骨文為什麼要這麼做？
為了防止 OCI 淪為廉價的算力管道，重新激活增長緩慢的 SaaS 業務，並將軟體的高利潤牢牢鎖在自己的數據庫重力之內。
這會是 Palantir 殺手嗎？
不是。 甲骨文的志不在消滅 Palantir，而是在自己的核心客戶群周圍築起一道防禦性高牆，並向中端市場提供一個「夠用就好」的平價替代品，從而壓縮 Palantir 向下滲透的空間。
最合理的結論是：甲骨文並沒有一夜之間變成 Palantir，它只是竭力避免自己淪為 NVIDIA 的房東，手裡卻握著一個增長乏力的 SaaS 部門。
Oracle向來是一家評價十分兩極的公司。Oracle的最新財報，我剛剛深入分析了所有重要的數字。看完後，你會清楚明白現在Oracle究竟處於甚麼狀態。
OCI 暴增 121% 卻狂燒 54 億？到底是 AI 贏家還是仍然不太行？- 財報解剖: ORCL | 26年9月
先說結論： Oracle的新一季財報，其實沒有甚麼全新的故事，比較像是上一季同一套結構的「加速版」。
主題四 | 高盛把2028光模組市場看高一倍？
9 月 7 日，高盛發布了一份關於全球光收發器的研究報告，將 2028 年的光模組市場規模預測大幅上調至 1485 億美元。
伴隨這份報告的，是對中際旭創（Innolight）極其激進的目標價：A 股 2645 人民幣，隱含超過 200% 的上漲空間。
如此激進的目標價，背後邏輯是甚麼？
從「買更多機櫃」到「把 GPU 綁得更緊」
大家可能都知道這個定理，AI 晶片光是靠堆數量不夠用了，現在大家是在拼把幾百顆 GPU 塞在同一個超級機櫃裡、綁得緊緊的。
但要把這些GPU組在一起，資料傳輸的速度就決定了一切。
這就是為什麼高盛突然發覺自己之前預估得太保守，趕緊拉高未來的市場數字。主要有三個原因：
1. 每顆晶片分到的光模組變多了
像輝達新一代的 Rubin Ultra，搭的高速光模組數量直接大幅追加。
甚至連 Google 這類大廠的自研晶片(每顆晶片需要搭配 12 個 1.6T 模組)，用量也多得嚇人。
2. 高密度超級機櫃(Rack scale)賣得比想像中快
這種把一大堆 GPU 緊密塞在一起的機櫃出貨爆發(2026年達到 5.5 萬個，2027年突破 10.5 萬個)。晶片離得越近、溝通要越快，對超高傳輸速度的要求就越高。
3. 大家搶著用最頂規的規格
原本以為還要等一陣子的 3.2T 頂規光模組，大廠們 2027 年就要開始大量拉貨，到了 2028 年甚至會直接變成主力。
為什麼是中際旭創？
高盛為何調升中際旭創？最主要就是看中他們在「矽光子（SiPh）」這項技術上的領先地位。
到了 1.6T 這種超高速規格，如果用傳統的 EML 雷射零件，光是雷射成本就要 160 美元左右；但如果換成矽光子技術，雷射成本直接降到 15～20 美元。
成本暴降，獲利空間自然被打開。
因為成本優勢太明顯，高盛預估到了 1.6T和 3.2T 世代，矽光子技術的採用率會從原本的 60% 直接拉到 80% 以上。
掌握這項技術產能的人，就能拿到最豐厚的利潤。
中際旭創作為龍頭，隨著 1.6T 矽光模組大量出貨，毛利率有機會一路向 50% 逼近。
大部分市場法人還以為它只是一般代工組裝廠，但高盛認為它享有技術帶來的成本紅利，因此給出的獲利預估比市場共識高出了兩到四成。
CPO 真的會淘汰可插拔光模組嗎？
很多投資人擔心，如果晶片大廠直接把光學元件封裝到晶片旁（CPO），原本的外接「可插拔光模組」就會被淘汰。
但高盛認為：在 2028 年之前，這種威脅完全在可控範圍內，市場是自己嚇自己。
主要有三個理由：
1. 兩者負責的區域不同
CPO 主要用在同一個機櫃內超短距離的連接；但要連結不同機櫃或整個算力叢集，依然需要大量高速的可插拔光模組（800G、1.6T、3.2T）來幫忙傳輸數據。
2. CPO 還有很多技術難關要過
CPO 遇到了製造良率低、散熱困難以及技術過於複雜等問題。在 2027 年之前，沒有任何大廠敢拿整個系統的穩定度開玩笑，冒然把所有賭注都押在還沒完全成熟的 CPO上。
3. 模組大廠也在同步轉型
像中際旭創這類龍頭廠並不是坐以待斃，他們早就開始研發 CPO 所需要的核心元件（例如光引擎）。就算未來 CPO 比例提高，他們依然能從中分到一杯羹。
高盛的看法是，至少在 2028 年以前，CPO 只會是光通訊市場的「技術補充」，不會是可插拔光模組的「毀滅者」。
看好的是「矽光子產業鏈」
其實，高盛看好的不只是一間中際旭創，而是整個「矽光子生態系」。
他們的看法是，既然 1.6T 與 3.2T 世代必然走向矽光子，那整個供應鏈裡掌握核心瓶頸的玩家都會受惠：
光模組龍頭：
如中際旭創，享受 BOM 成本暴降與滲透率提升的毛利紅利。
上游 CW 雷射與磊晶片（Epi-wafer）：
矽光子模組需要外接強大的連續波（CW）光源，上游磊晶與化合物半導體晶圓廠（如聯亞、穩懋相關供應鏈）成了關鍵產能瓶頸。
高精度封裝設備：
矽光子與光引擎的對準與封裝精度要求極高，自動化封裝與檢測設備商（如羅博特科）同樣迎來確定性極高的需求爆發。
看懂算力網絡的「物理鐵律」
高盛給出兩千六百元人民幣的目標價，到底靠不靠譜？
說實話，精準的目標價從來不是重點，看懂產業背後的結構性轉折才是。
光模組在 AI 基礎設施中的角色，正在發生根本性的改變。
過去，它是伺服器的配件，成本佔比微不足道，屬於標準化的週期性零組件。現在，它是算力集群的神經系統，是決定上萬顆 GPU 能否真正發揮算力的核心瓶頸。
關於光，我又一次寫了一篇新的深入分析。這次集中在對比兩大巨頭，Lumentum和Coherent。
通過這篇分析，你會對整個光產業的認知又上一個層次。
主題五 | Palantir指定Nebius為官方夥伴？
這個星期，Palantir 宣佈將 Nebius 指定為「首選主權 AI 基礎設施夥伴」。
消息一出，Nebius 股價大漲，Palantir 則略跌。
這筆消息，對兩家公司的影響分別在哪？
喊著不要被殖民，算力卻還是要向雲端巨頭租
Palantir 的客戶可以分為兩派： 一派是「租用派」，只要能用上最新的 OpenAI 或 Gemini 就好。
Palantir 幫他們套上權限控管、收收軟體費，大家都開心。
另一派是核心的「自建派」。
執行長 Alex Karp 一直告誡企業：「千萬別把自己的核心機密送到別人的 AI 實驗室裡去被『殖民』。」
這群企業聽進去了，想用開源模型，在自己的圍牆內用專屬資料做訓練與推理。
問題是，Palantir 過去只交了一半的作業。它擅長「資料權限控管」（告訴你誰能看資料），但自己不蓋機房也不買 GPU。
企業要跑算力，還是得向 AWS 或 Azure 租 GPU，但這些雲端巨頭偏偏又是各大 AI 實驗室的大房東。
企業想保護核心機密，繞了一圈卻還是回到原點。
把算力直接搬進圍牆
這就是 Nebius 登場的原因。
Palantir 把 Nebius 的運算設備直接整合到自家的安全系統裡，讓企業在不用離開防護罩的情況下，就能調用算力，真正掌控自己的資料與模型。
租算力的廠商這麼多，為什麼偏偏選 Nebius？
如果只比硬體實力，CoreWeave 是市場上的熱門強敵，晶片上線、集群調度都做得非常出色。
但它有個說不出口的尷尬點：它把大部分算力賣給了 OpenAI。
Karp 一邊呼籲企業「不要把核心資料送去給 AI 實驗室」，一邊帶客戶去租 AI 實驗室大房東的設備，故事邏輯就會出現矛盾。
Nebius 也有微軟、Meta 這類大客戶，但至少在市場印象中，沒有被鎖定為「某一家 AI 實驗室的專屬後勤」。
對 Palantir 來說，合作對象不一定要號稱天下第一，重點是不能破壞自家的業務訴求。
除了理由要說得通順，運作方式也很特別。部分 Neocloud 只租硬體，就像出租一台空電腦，買家租回去還要自己裝軟體、設帳號密碼。
Nebius 的做法是把硬體、網路、管理工具包裝成一整套現成服務，拿來就能用。
最關鍵的是，Nebius 願意完全聽從 Palantir 的安全管轄，把操控權交出來，鎖進 Palantir 的安全大門裡。
客戶買到的不是一台租來的機器，是一個被安全防線包覆好的現成工具，開箱就能安心使用。
Palantir 的 2026 組裝時間軸
Palantir 在 2026 年花了整整一年，拼湊出一套自己完全不用花錢蓋機房的做法。
三月，與NVIDIA 達成合作：NVIDIA 提供硬體、網路與開放模型，Palantir 專心做掌控資料權限的軟體。
巧合的是，NVIDIA 也在這個月砸下 20 億美元投資 Nebius，取得近一成股份。
六月，推出新的部署工具，讓企業可以在極度安全的環境下使用開源模型。
七月，找來技術服務商 Rackspace 負責現場安裝與維護，解決落地問題。
九月，與 Nebius 合作，補齊最後也最重要的兩大要素：GPU 晶片與電力。
串聯起來，分工體系非常清晰：NVIDIA 出設備與模型，Rackspace 出人力營運，Nebius 出算力與電力，Palantir 掌管最核心的安全與權限。
作為一家高毛利軟體公司，Palantir 完全不用自己砸錢蓋資料中心，設施成本通通甩給合作夥伴。它賣給客戶的始終是最高層級的控制權，而不是冰冷的機器。
算力瓶頸的真相
合作聲明中提到，雙方要在「電力充足的場址」設置預先組裝好的模組化資料中心，以便迅速提供新的算力。
這項細節透露了當前 AI 發展的核心難題：市場缺的並非晶片本身，而是穩定的電力供應、變壓器等基礎設施，以及建置機房的時間。
傳統蓋一座全新資料中心，從土地開發、土建到安裝散熱與電力系統，從規劃到通電往往要三到五年。
所謂「模組化」，就是打破這種從零蓋起的方式：業者在工廠裡，把伺服器機櫃、冷卻管道、供電變壓器預先裝進像大型貨櫃的標準化鋼構小屋，測試完成後用大貨車運到有現成電力的空地，像堆積木一樣拼裝、插上電源，就能立刻運作。
等待通電的時間，從幾年縮短到幾個月。
這種做法既滿足了 Palantir 客戶的需求，也替 Nebius 解開了產能困局。Nebius 雖然簽了龐大的電力合約，但「預約電力」不等同於「已經通電」。
年底前實際接通電源、可以開始收費的產能依然有限，且絕大部分已被微軟與 Meta 預訂完畢。一般企業客戶上門，Nebius 無力讓他們無止境排隊。
模組化機房，成為 Nebius 在新廠房建成前，快速為企業客戶提供算力的彈性捷徑。這反映出看似高深的安全科技，最終還是得回歸最基礎的問題：
現場是否有電、設備能否順利安裝。
Nebius 降低對巨頭的依賴
對 Nebius 來說，這是一筆極具戰略價值的合作。
目前它大部分的算力都被微軟跟 Meta 等巨頭包走，雖然收入穩定，但利潤較低且過度依賴少數大客戶。
直接嵌入 Palantir 的軟體系統後，Nebius 不僅能接觸到非巨頭的企業客戶，還能借用 Palantir 現成的安全審查與銷售管道，省下龐大的業務開發開銷，並以更好的價格賣出企業級算力。
這還不是一張確定入帳的訂單
需要特別留意的是，這份合作完全沒有承諾最低採購金額或固定採購量。
微軟跟 Meta 給 Nebius 的是能拿去向銀行融資的確定合約；Palantir 給的則是一張高規格的認證門票。
算力設備要真正轉化成 Nebius 的實際收入，還得看 Palantir 的客戶願不願意花時間與成本，放棄現成的 OpenAI 服務，改為自行訓練專屬的開源模型，最後實際付費使用算力。
未來要驗證這筆合作，只需要關注兩件事
這項合作能否真正轉化為實質業績，關鍵只看兩個指標：
第一，系統整合完成後，Palantir 客戶在安全防線內的算力使用量有沒有顯著增加？
第二，Nebius 的財務報告中，有沒有出現可以明確點名的企業級管道收入？
公關稿講了多少次「主權」並不重要，只要觀察客戶有沒有真的付費使用算力，答案就非常清楚了。
關於Nebius的財報，我幾個星期前曾經深入分析過。
看完這筆合作新聞後，不妨又重次重溫。
主題六 | Muse代表Meta的AI策略起飛了嗎？
Meta這個星期推出了Muse，暫時只在美國推行。
這次的產品重心不在於大模型，願景是直接把 WhatsApp ，或是Muse App變成AI分發渠道。
你：只管在WhatsApp下命令（「幫我訂今晚四人的餐廳」）
你的 AI 跑腿（Muse）：負責上網比價、填資料、產生虛擬卡刷卡
店家的 AI 客服：負責確認位子、收錢、出單
使用者不需要切換視窗，只要在每天慣用的對話框裡，就能讓「你的 AI」與「店家的 AI」直接對話並把事情辦完。
Muse到底是怎麼運作的？
你可以把 Muse 想像成 Meta 在雲端幫你租了一台專屬的隱形電腦。
這台電腦有自己的瀏覽器與硬碟，最厲害的地方在於，就算你把手機關掉、洗澡睡覺，它依然在雲端默默幫你開網頁比價、填寫表格、處理各種繁瑣雜事。
為了不讓它「暴走」，Meta 還在門口放了一位保安系統。
只要它準備做出刷卡或寄信這種關鍵動作，保安就會先跳出來檢查。
到了最後付款那一刻，它也不會碰你的信用卡正本，而是產生一張只能刷一次、額度剛剛好的虛擬卡，並直接把所有進度回報到你的 WhatsApp 對話框裡。
這種「幫你操作電腦」的技術，科技圈的工程師其實早就在用了，像是自動幫忙改程式碼的工程工具。
但 Meta 認為：工程師要的是自動寫程式，普通人要的只是有人幫忙把日常生活裡的麻煩事處理掉。
站在不同的位置，想法自然就不一樣
Zuckerberg在訪談裡把願景講得很迷人，說要給全世界每個人一個全天候工作的數位助理。
但事實是，Meta 沒有像微軟或 Google 那樣的雲端伺服器生意，無法單靠賣算力給企業賺錢。
上一代模型的表現也不如預期，逼得公司只能重組團隊，把模型閉源重新修煉。
既然沒有雲端服務可以賣，模型又還在趕路，Meta 只能靠自己最大的優勢來打這場仗，就是通路。
所以 Meta 選擇免費給大多數人用，自己吸收電費與硬體成本，等大家習慣讓 AI 辦事之後，再向配合的商家抽取微小的交易手續費。
免費的代價與隱形的風險
這種「先免費、後抽成」的招數，代價全部體現在 Meta 的財務報表上。
Meta 今年預計投入上千億美元買設備與蓋資料中心。上一季公司的整體營收雖然成長，淨利卻出現下滑。
除了龐大的電費壓力，這套模式還有兩個很現實的問題要面對：
第一是刷卡出事了算誰的？
當 AI 拿著虛擬卡幫你買完東西，後續如果遇到商品寄丟、退貨或者價差爭議，這個損失究竟是付款公司要吞，還是 Meta 要扛？
這會直接影響 Meta 未來到底能從商家身上抽到多少手續費。
第二是隱私與信任問題。
要讓 AI 幫忙辦事，你就得把信箱、行事曆和支付權限交出去。但在保護用戶隱私這件事上，大眾對 Meta 的信心向來比較脆弱。
在還沒辦法做到完全隱密隔離之前，這會是大家敢不敢放心交出資料的一大隱憂。
Muse對Meta的重要性在哪？
1. 燒錢燒得「有看頭」了
Meta 一年要砸 1,300 到 1,450 億美元買設備、蓋資料中心。
之前華爾街一直質疑：微軟跟 Google 燒錢可以把算力租給企業賺回來，Meta 憑什麼燒？
Muse 出現後給了華爾街一個答案，龐大的支出終於變成了一個一般消費者摸得到、看得見的產品。
2. 賺錢靠「抽成」，不靠訂閱
$20 或 $100 的月費只是拿來補貼重度用戶的電費，避免把幾十億的免費用戶擋在門外。
Meta 真正想練的企圖，是未來 AI 幫你買完東西後，向商家抽取微小的交易手續費。
3. 2026 年的財報還吃不到
這項功能今年還沒開始抽成，對今年的獲利影響極微。將它稱為「第二曲線」言之過早，這只是一張買給未來的長期期權。
股價能繼續往上嗎？
市場重估的本質，在於 Meta 準時交貨。這讓分析師有理由，把之前因為「盲目燒錢」疑慮而扣掉的估值折價重新加補回來。
下一季電話會議，我們要關注三個數字：
有多少人在 WhatsApp 開啟 Muse？
有多少人敢把信用卡和信箱交給它？
真的幫忙完成了多少筆交易？
數字交得出來，行情繼續；交不出來，市場還是會回頭檢討龐大的電費與設備帳單。
關於Meta的投資邏輯，我在幾個星期前曾經詳細分析過。當時我的推論是，當時的現價，市場已經預定了Meta的AI計劃會失敗。
現在Meta推出了新的AI產品，是時候重溫這個估值邏輯了，讓自己重新思考價值在哪。
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）。
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：
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
感謝 KP 大的深入分析的好文，有關 Meta 的 Muse，我跟 Claude 有一個深入的討論，以下是 Claude 給我的啟示:
=======
看好它的分析師認為這是 Meta 十多年來最重要的產品，理由是它讓 Meta 第一次能在賣廣告之外賺錢 —— 向用戶收訂閱費，或從它替你完成的每筆交易中抽成。但仔細看會發現，這套論證講的全是「Meta 能賺到多少錢」和「Meta 的安全防護做得多嚴密」，卻幾乎沒有回答最根本的問題：一般人為什麼想用？文中舉的用途是訂旅遊、填表格、發派對邀請這類家務。這些事的共同點是一年只做幾次、每次省下的時間有限，而且一旦出錯（訂錯機票、買錯東西）代價是自己承擔。算下來，對多數人並不划算。這也解釋了一個常被忽略的現象：許多人在工作中天天用 AI 代理，回到私人生活卻幾乎只拿它來聊天問問題。差別不在於他們沒想到用途，而在於工作場合有明確的任務、清楚的對錯標準、出錯能立刻修正，私人生活這三樣都沒有。目前在消費端真正普及的 AI，也都不是效率工具，而是聊天陪伴、圖像生成、當搜尋引擎用——人們在下班後要的是放鬆，不是效率。
「Meta 的安全架構就是它的護城河」這個說法，我認為方向錯了。那套設計（每人一台獨立虛擬機、助理碰不到你的真實密碼、另一個獨立程式負責審核每筆付款）技術上確實紮實，但看得懂的是工程師，而要交出信用卡的是幾億個普通人，他們心裡想的只有「這是 Facebook」。Meta 蓋這道防線，是為了把長年隱私爭議造成的信任折價補回到起跑線，而不是跑贏別人。同樣地，Meta 的資料優勢也被高估了：社群網路知道你喜歡什麼，但一個助理要能替你辦事，需要知道的是你的行事曆、信箱、帳單、孩子幾點放學——這些都在 Google、Apple 和銀行手上，Meta 得請你一項一項手動授權，而開口的那一刻正好撞上前述的信任問題。更麻煩的是，Meta 暗示抽成可能由交易對面的商家支付；一個由對方付錢的代理人，立場上就不完全站在你這邊，這等於把廣告模式原封不動搬進了助理裡。真正說得通的場景只剩一個：Facebook Marketplace 上的二手買賣——寫商品描述、盯價格、跟買家來回議價確實煩人且頻繁，而這裡的資料本來就在 Meta 手上。但那是一個特定用途的工具，撐不起「最重要產品」的期待。
=======
目前我是看衰這項產品的，就讓時間來檢驗吧~
寫得真好！