Tesla和SpaceX考慮合併？Anthropic超越OpenAI？Dell為甚麼大漲？ - KP思考筆記(第44期)
大家好，我是 KP，歡迎來到第 44 期的《週末思考筆記》。
最近我在重讀 Peter Lynch 的經典著作One Up on Wall Street。雖然這是一本四十年前的書，裡面的很多案例在今天的科技環境下看似已經過時，但其中的核心邏輯與哲學，卻依然十分適用。
Lynch 曾提到：「如果你理解一家公司的基本業務，那麼掌握這家公司的發展就會變得容易得多。」
這正是我一直以來堅持深耕不同產業的原因。我們必須不斷擴張自己的知識邊界，去理解更多不同商業模式的底層邏輯。因為只有當你「看懂」了生意，你才不會在市場波動時被情緒牽著走。
提到 Lynch，我最喜歡的一句名言是：「投資者為了準備修正，或試圖預測修正所損失的錢，遠比在修正本身中損失的還要多。」（Far more money has been lost by investors preparing for corrections... than has been lost in corrections themselves.）
這句話簡直就是過去兩個月市場的縮影。
我並不是在鼓吹大家應該盲目 All-in，或是樂觀地認為一切大好、絕對不會崩盤。
事實上，我還是那句老話：我不知道市場明天會發生什麼。
但如果你相信 AI 的浪潮會持續進化，或者看好大格局下人類科技與社會的進步，那麼「過度準備修正」，比如長期持有過高比例的現金、或是因為恐懼而錯失優質標的，往往並非明智之舉。
「保持謹慎」並不代表「停止投資」。 真正的謹慎，應該體現在對標的篩選的嚴苛，以及對倉位配置的紀律，而不是體現在對市場崩盤的無端預測上。
事實上，很多人常把「波動」誤認為「風險」。
用 Lynch 的邏輯來說，股價的短期下跌只是波動，而真正的風險是你「不在場」。如果你總是擔心回調的風險，而選擇在場邊觀望，你失去的不只是短期的漲幅，而是讓複利滾動的機會成本。在科技投資的領域，這種代價尤其巨大，因為領先者的增長往往是非線性的。
這也回到了為什麼我強調要「看懂生意」。
當你真正理解一家公司的商業邏輯，你對「修正」的看法會完全不同。你會發現，市場的雜訊往往是在幫你剔除那些意志不堅定的投機者。
擴張知識邊界的目的，並不是為了讓我們變成預測大師，而是為了讓我們在市場情緒失控時，手裡還握有一份準確的「價值地圖」。
重讀四十年前的經典，是為了修煉那份在混亂中保持冷靜的定力。
這個星期的思考筆記將會有5個主題，包括：
主題一：Tesla和SpaceX考慮合併？
主題二：Marvell 其實不只是ASIC的第二名？
主題三：Snowflake從「AI敗將」突然變成「AI贏家」？
主題四：Dell這家組裝廠為甚麼能大漲？
主題五：Anthropic最新融資輪告訴我們甚麼？
不妨考慮先讚後看，我們立刻進入主題!
主題一：Tesla和SpaceX考慮合併？
最近市場上最熱的話題，莫過於 SpaceX 準備在六月中旬以 1.5 兆至 1.75 兆美金 的估值進行 IPO。
但更讓人興奮的是隨之而來的猜測：Tesla 和 SpaceX 會不會合併？
如果真的發生，對於投資者來說，這究竟是 1+1>2 的紅利，還是充滿風險的豪賭？
為什麼華爾街分析師敢喊出 90% 的成功率？
Wedbush 知名分析師 Dan Ives 預測，在 2027 年上半年，兩家公司合併的機率高達 80-90%。支撐這一大膽預測的核心邏輯在於「AI 生態系的終極閉環」。
當 SpaceX 完成上市後，兩家公司都將成為公開交易實體，這使得「股票換股票」的合併案變成了具備市場定價基準的標準操作。
更深層的動機在於馬斯克對 AI 生態系統的絕對控制權。
Tesla 掌握了真實世界的物理數據，從自動駕駛車隊到 Optimus 機器人，再到能源儲存系統；而 SpaceX 則提供了全球覆蓋的連網能力（Starlink）與潛在的邊緣運算能力。
將兩者結合，將創造出一個從地表延伸至軌道的「垂直整合 AI 實體堆疊」，這種軟硬體與通訊的深度整合，是任何競爭對手都難以複製的護城河。
結構上的「不對稱性」
為什麼這場合併在操作上是有可能的？關鍵在於投票權。
在 SpaceX，馬斯克擁有約 42% 的股權，但透過雙重股權結構，他掌握了 85% 的投票權。換句話說，只要他想併，SpaceX 這邊基本上就是他一個人說了算。
但 Tesla 這邊就沒那麼簡單了。Tesla 是單一類別股權，馬斯克持股約 20%，他需要說服廣大的公眾股東、機構法人，還要面對獨立董事會的審查。這是一場完全不同的硬仗。
此外，資深投資人不會忘記 2016 年 Tesla 收購 SolarCity 時引發的巨大爭議。當時馬斯克被指責是利用 Tesla 的現金流去拯救自己另一家陷入困境的公司。
雖然他最終在德拉瓦州法院贏得訴訟，但「自我交易」（Self-dealing）的標籤已成為投資者心中難以抹滅的陰影。這次若要併購估值破兆的 SpaceX，監管機構與股東的放大鏡將會前所未有的嚴厲。
紅利與風險的雙面刃
從樂觀角度看，合併後的紅利確實誘人。
Tesla 加SpaceX這種一加一大於二的敘事，讓合併後的實體在資本市場具備更強的議價能力，能以更低成本取得資金來投資長期的火星任務或 AI 研發。
但風險同樣巨大，兩者合併很可能會出現「集團折價」（Conglomerate Discount）風險：SpaceX 目前享有純粹的太空溢價，一旦與波動劇烈的汽車業務掛鉤，公司結構的改變可能導致整體估值倍數下降。
預測市場的冷靜 vs. 分析師的狂熱
有趣的是，雖然 Dan Ives 喊到 90%，但預測市場（如 Kalshi）的賠率卻顯示，2027 年前達成合併的機率不到 40%。
我的看法是：短期內成事的機率極低。
SpaceX 當前的首要任務是完成一場乾淨、破紀錄的 IPO。在上市初期估值尚未穩定時就啟動併購，會讓法律風險呈幾何倍數增長。
但若將時間拉長至 3 到 5 年，當兩家公司的技術協同（如衛星通訊之於自動駕駛）變得不可或缺時，「帝國整合」幾乎是馬斯克性格下的必然選擇。
說到底，這筆交易只有在「AI 與運算的協同效應足以抵消整合摩擦」時才具備說服力。對股東而言，這是一場關於未來 10 年 AI 霸權 的豪賭。
無論最終結果如何，在接下來的 18 個月裡，馬斯克的每一份 SEC 文件與公開發言，都將成為市場重新定義「跨星際企業」價值的關鍵線索。
無論你站在哪一邊，有一件事是確定的：這個話題不會消失。
在接下來的十二到十八個月裡，每一次馬斯克的公開發言、每一份 SEC 文件、每一個預測市場的價格波動，都會被市場用放大鏡檢視。
主題二：Marvell 其實不只是ASIC的第二名？
Marvell過去長年被視為「比較小號的 Broadcom」、「ASIC 第二名」、「定位有點尷尬的網通公司」。為什麼這家公司在這一年裡，股價可以走出這麼陡峭的曲線？
我覺得大部分人對這檔股票的理解，還停留在舊時的版本。
Marvell 已經悄悄變成另一家公司了，市場現在才剛剛追上這個事實。
一個被嚴重誤讀的故事
過去兩年，市場給 Marvell 貼的標籤是「ASIC / 客製化晶片公司」。Amazon Trainium、Google TPU 之外的第三方 ASIC 玩家，主要就是 Broadcom 和 Marvell。
市場的敘事很簡單：超大規模雲廠商要做自己的 AI 晶片，誰能幫他們設計，誰就吃到這波紅利。
這個故事沒錯，但它只是 Marvell 的一半。
從上季開始，CEO Matt Murphy把資料中心業務明確拆成三塊來講：
「我把討論分成三個類別：Interconnect（互連）、Switching（交換）、Custom（客製化晶片）。」
「互連，已經成為我們資料中心業務中佔比最大的部分。」
請看清楚這句話。佔比最大的不是 ASIC，是 Interconnect。
Interconnect 才是主角
我們先把名詞搞清楚。
ASIC / Custom Silicon 是「算的」。客戶要做一顆 AI 加速器，Marvell 幫他設計出來。這是邏輯運算的部分。
Interconnect 是「連的」。把幾萬顆 GPU、XPU 連在一起的高速通道。光模組、DSP、TIA、driver、coherent module、CPO/NPO 這些東西，全都是 interconnect。
以前如果你問所有人「AI 基礎設施的瓶頸是什麼？」答案是 GPU 不夠、HBM 不夠、算力不夠。所以那時候錢都往算力跑，Nvidia 一家獨大。
但是 2025 年下半年到 2026 年，情況變了。當 AI 模型架構從單純的 Dense transformer 進化到 Mixture of Experts、reasoning models、agentic workflow，當訓練叢集從幾千顆 GPU 變成幾十萬顆，當推論需要跨多個機架做 KV cache 共享時，瓶頸就從「算力」變成「連接」。
事實上，Marvell 把 interconnect 這塊業務的成長預期，從原本的 +50% YoY 一口氣拉到 +70% YoY。它意味著管理層在三個月內看到的訂單能見度，已經明顯超出他們三個月前的判斷。
「互連，已經成為我們資料中心業務中佔比最大的部分。」
為什麼要特地把「互連」拆出來講？
Marvell 以前也習慣把這些通通歸類在「網路（Networking）」裡。現在大動作把它們拆開，背後有三個極其關鍵的戰略考量：
第一，它們是完全不同的技術領域（「光學物理」vs.「數位邏輯」）。
交換器（Switching）是「數位邏輯」，寫的是程式碼、路由表和演算法，本質上是純粹的矽晶片設計。
而互連（Interconnect）則是「物理與光學」，處理的是雷射、光波、訊號衰減和類比電路。要設計出能在 1.6T（極高頻寬）下保持光訊號乾淨不失真的光學 DSP，需要的工程技術，和設計交換器晶片是完全不同的兩撥人。
第二，Marvell 在這兩個市場的「江湖地位」完全不同。
在交換器（Switching）領域，Broadcom 是無庸置疑的泰山北斗，Marvell 雖然成長很快，但目前仍是挑戰者。
如果混在一起談，會掩蓋掉 Marvell 的鋒芒。因為在互連（Interconnect）領域，Marvell 才是「一哥」。透過當年收購光通訊巨頭 Inphi，Marvell 在光學 DSP 市場擁有超過 60% 的絕對市佔率。
拆開來，Marvell 就能驕傲地告訴華爾街：「看，這是我們利潤極高、幾乎沒有對手能威脅我們的黃金帝國。」
第三，AI 的瓶頸已經轉移到了「互連」上。
在過去，電腦的瓶頸在於晶片算得不夠快（Compute）。但在 AI 時代，瓶頸變成了「晶片之間溝通不夠快」（Interconnect）。
因為 AI 模型太龐大了，GPU 往往有大半的時間都在「等」其他 GPU 傳資料。Marvell 把 Interconnect 獨立出來，等於是在向市場宣告：「我們掌握了徹底解決 AI 塞車問題的終極鑰匙，這就是為什麼這個板塊能實現年增率超過 70% 的成長！」
事實上，Marvell 把 interconnect 這塊業務的成長預期，從原本的 +50% YoY 一口氣拉到 +70% YoY。它意味著管理層在三個月內看到的訂單能見度，已經明顯超出他們三個月前的判斷。
圍繞「互連」的收購
看懂了這個框架，你就能理解 Marvell 近幾個月連續完成的三筆收購的布局：
Celestial AI：光子互連，專門做 scale-up（機架內、機架間的高頻寬連接）。已經被一家頂級 hyperscaler 選中。光是這一筆，就把 Marvell 的 scale-up 光學市場機會從原本估的 1.5 億美元，拉高到 FY2028 的 3 億美元。
XConn：PCIe / CXL 交換晶片。記憶體解耦合（memory disaggregation）的關鍵零件。
Polariton：等離子體矽光子技術，調變頻寬可達 1 THz，是傳統矽光子的 10 倍。為 3.2T 以上的速率鋪路。
這三筆收購，構成了 Marvell 從 scale-out 到 scale-up 到 scale-across 的完整光學連接堆疊。
於是，你也能明白為何 Nvidia 要對 Marvell 進行 20 億美元 的戰略投資。Nvidia 自己也知道，當叢集規模繼續擴大，光學互連會是它最大的瓶頸，它需要一個能在矽光子做出規模的合作夥伴。
那 ASIC 怎麼辦？
既然 Marvell 把 Interconnect（互連）講得這麼大聲，大家可能會問：是不是它的 ASIC 業務碰壁了，所以才拿光通訊來轉移焦點？
答案是：並不是。
事實上，管理層在法說會上，將 FY2028 的 ASIC 營收展望從原先的預期，直接上調至「不只翻倍（more than double）」，並重申了 FY2029 突破 100 億美元 營收的長期目標。
這背後的底氣，來自於其旗艦 XPU 項目已經擁有了跨世代的產品能見度。更重要的是，AI 推論（Inference）時代的到來，正在為 Marvell 創造全新的戰場。
所以，ASIC 沒有被淡化，它只是不再是唯一的故事。
Marvell 已經從過去的「單引擎成長股」，正式蛻變為「客製化算力 ＋ 極速互連」的雙引擎旗艦。
在估值邏輯上，這有著本質的差別：雙引擎意味著當其中一個板塊面臨週期性調整時，另一個引擎依然能提供強勁的成長動能。對長期資金而言，這極大地降低了投資的不確定性。
理解AI運算的新戰場
這檔股票近半年的大漲，不是市場瘋了，是市場對「Marvell 是什麼公司」的認知，重新校準了。
兩年前的 Marvell：一家做 ASIC 和網通晶片的中型半導體公司。
現在的 Marvell：一家在 AI 叢集的算力和連接兩個關鍵層都有領先地位的純 AI 基礎設施玩家。
這兩個版本在估值上應該值多少錢，是天差地別的。光纖和交換晶片的單位經濟學，會比過去任何時候都重要。
這是 Marvell 的故事，更是整個 interconnect 這個賽道的故事。
主題三：Snowflake從「AI敗將」突然變成「AI贏家」？
Snowflake公布財報之後，股價單日暴漲35%，創下公司史上最大單日漲幅。
這種漲法在大型企業軟體公司非常罕見。不是因為業績好一點點，而是因為市場對這家公司的認知在一天之內徹底翻轉。
三個月前，市場還在擔心Snowflake會不會在AI時代被邊緣化。現在，大家開始討論Snowflake是不是企業AI基礎設施的關鍵玩家。
這中間發生了什麼事？
先看這筆 60 億美元的「天價合約」
Snowflake 宣布與 AWS 簽署了多年期戰略合作協議（SCA），承諾在未來五年投入 60 億美元的基礎設施支出。
這是 Snowflake 史上最大手筆的承諾，直接把 2023 年簽的 25 億美元合約翻了將近 2.5 倍。
這 60 億美元，主要花在兩個地方：
AWS Graviton 處理器（AWS 自研的 ARM 架構 CPU）。
GPU 加速的 AI 運算實例（主要是 NVIDIA 的算力）。
簡單來說，Snowflake 要用 AWS 自家最便宜、性價比最高的晶片（Graviton）來跑資料倉儲的核心工作，然後把昂貴的 NVIDIA GPU 留給 AI 訓練和推論。
為什麼市場以前把Snowflake當「AI輸家」
在這個消息出來之前，華爾街對Snowflake的主流看法其實蠻悲觀的。
很多人認為，Snowflake就是一個資料倉儲公司，後來加了一些AI功能。真正的AI工作負載，不是會被巨頭自己的工具吃掉（AWS Bedrock、Azure AI、Google Vertex），就是會被更「AI原生」的競爭對手搶走（主要是Databricks）。
Snowflake之前的成長確實有放緩的跡象，分析師開始懷疑他們的Cortex AI功能到底有沒有人在用，還是只是客戶拿來玩玩看。
更根本的疑問是：在AI時代，企業真的需要一個獨立的資料平台嗎？還是會直接把資料丟給雲端供應商的AI服務？
這是為什麼Snowflake的股價在過去兩年跑輸很多AI概念股。市場覺得他們受惠於「資料增長」，但不確定他們能不能真正參與「AI基礎設施」的大餅。
敘事改變了嗎？
這筆交易之所以能讓市場態度一百八十度轉變，是因為它一次回答了好幾個懸而未決的問題。
首先，它證明了 AI 功能已經開始變現。
最新財報顯示，已有超過 13,600 個客戶在使用他們的 AI 功能，且淨收入留存率（NRR）開始改善。這代表 AI 不再是行銷話術，而是實打實的營收引擎。
第二，它證明了Snowflake願意把真金白銀砸在AI基礎設施上。
60 億美元不是小數目，而且是綁定在特定的技術架構上，這代表他們對自己在企業AI生態系統中的定位有明確的長期規劃。
第三，也是最重要的，它重新定義了Snowflake在AI時代的角色。
企業開始發現一個重要的現實：光有聰明的大模型（LLM）根本沒用，它只是個會吹牛的實習生。企業真正要的，是能幫忙幹活、解決問題的「AI Agent（智能體）」。
一個能幫你自動對帳、報稅、甚至調度供應鏈的 AI Agent，需要做什麼？
它要拆解複雜任務。
它要調用各種工具與 API。
最關鍵的是：它必須在絕對安全、合規的環境下，讀取企業最核心、最敏感的私有數據。
這正是 Snowflake 的主場。數據在哪裡，AI 的物理邊界就在哪裡。
這筆 60 億美元的合約，本質上是 Snowflake 在向全世界宣告：我們不只是存數據的地方，我們要把 AI 運算直接拉到「數據的保險箱」裡。
透過 Snowflake Cortex AI，企業不用把敏感數據搬來搬去，直接在原地就能訓練、調用 Agent。
Graviton的驗證意義
以AWS的規模，60 億美元分攤到五年（每年約12億）對整體營收的影響其實很有限。AWS的季度營收已經是幾百億美元的量級，多一個大客戶加深投入，從數字上只是漸進式的成長。
真正重要的是這筆交易的「示範效應」和「模板效應」。
Snowflake是目前市面上最成熟、規模最大的獨立資料平台之一，他們對雲端經濟學的理解非常深。
當他們公開把真金白銀押在Graviton上，而且明確表示是因為「顯著的價格效能優勢」，這對市場發出了一個很強的訊號：客製化ARM晶片在大規模生產環境中是可行的，而且是有利的。
AWS 數據指出，Snowflake 將工作負載遷移到 Graviton 後，平均效能提升了 10%，碳排放砍了 57%，在某些場景下效能提升甚至超過 30%。
這再一次證明了：Agent 系統其實有大量的「CPU 需求」。
Agent 的運作流程中，任務調度、工具調用、狀態維持、安全管控等「文職工作」，其實更適合用便宜、省電的 Graviton CPU 來跑；而昂貴的 NVIDIA GPU，應該被精準地保留給大模型推理。
在自研通用 CPU 的賽道上，AWS 走得最早（2018 年推出 Graviton），而 Google 的 Axion 和微軟的 Cobalt 仍在苦苦追趕。
Snowflake 的這筆大單，無疑是幫 AWS 的自研晶片飛輪注入了最強燃料，也給其他還在猶豫要不要擁抱 ARM 架構的企業，打了一劑強心針。
同一天的Natoma收購
很多人只注意到60 億美元的數字，但Snowflake在同一天還宣布了另一件事：收購Natoma。
Natoma 是一個專注於企業 AI Agent 治理和「模型上下文協定（Model Context Protocol, MCP）」的平台。
當 AI Agent 擁有調用企業數據的權力時，企業最怕的就是它「失控」（例如：AI Agent 幫你自動採購，結果理解錯指令，把整年的預算一次花光）。
Natoma 的角色，就是給這些在數據庫裡奔跑的 Agent，裝上「煞車」和「方向盤」。
Snowflake希望不只是要做一個「有 AI 功能的資料平台」，而是要成為企業部署、治理、運行 AI Agent 的「Trusted Execution Environment（可信賴執行環境）」。
狂歡背後：Snowflake 面臨的關鍵風險
雖然市場情緒高漲，但這場高調的轉型背後，本質上是一場巨大的豪賭。
最直接的壓力來自那筆 60 億美元的承諾。這相當於每年要燒掉 12 億美元，對 Snowflake 的現金流與毛利率是極大的考驗。
如果企業 AI 的普及速度不如預期，這筆龐大的基礎設施支出，隨時可能從「增長引擎」變成「沉重的財務包袱」，甚至加深對 AWS 的過度依賴。
更關鍵的是，AI 變現的真實進度依然模糊。雖然有 13,600 個帳戶採用 Cortex AI，但具體貢獻了多少營收？財報裡並沒有給出答案。
在技術執行上，要建構安全且不失控的 Agent 系統極其複雜，而 Databricks 與雲端巨頭早已在前方虎視眈眈。
這會引發 SaaS 行業的基礎設施軍備競賽嗎？
Snowflake 的大手筆投入，是否意味著其他軟體公司也會跟進，展開基礎設施的軍備競賽？
答案是否定的。
大多數 SaaS 公司在導入 AI 時，會選擇更輕量、低風險的路線。他們會傾向於直接調用第三方 API（如 OpenAI、Anthropic，或雲端巨頭的 Bedrock、Vertex AI 等），這比自己構建和維護龐大的底層硬體更便宜且安全。
只有像 Snowflake、Databricks 這種核心產品與「數據及 AI 基礎設施」深度綁定的平台型公司，才有足夠的動機去進行如此龐大的直接基礎設施投資。
至於真正的重資本支出，主要還是由 AWS、微軟和 Google 等雲端巨頭在承擔，大多數 SaaS 公司只是他們的客戶，而非基礎設施的競爭者。
敘事翻轉的啟示
Snowflake這次的經歷是一個很典型的「敘事翻轉」案例。
三個月前，同樣的公司、同樣的產品、同樣的客戶基礎，市場給的故事是「可能被AI時代邊緣化的傳統資料平台」。
現在，因為一筆大型基礎設施承諾加上強勁的業績數字，市場給的故事變成「企業Agentic AI的關鍵基礎設施玩家」。
這兩個故事哪個才是對的？說實話，可能都有一部分對。
真實的答案，通常落在兩者之間的某個地方。Snowflake 確實面臨著來自雲端巨頭與 Databricks 的激烈競爭，但他們也確實握有別人拿不走的資產——企業客戶對其「數據治理能力」的終極信任。
市場的定價永遠在「極度悲觀」與「極度樂觀」兩個極端之間擺盪。
但對投資人來說，真正的問題不是「現在的敘事對不對」，而是「如果新敘事是對的，股價還有多少空間？如果不是，下行風險有多大？」
主題四：Dell這家組裝廠為甚麼能大漲？
「去買部Dell電腦吧!」
幾個星期前， Donald Trump在公開場合這樣說道。
現在回頭看，原來我們當時該買的不是 Dell 的電腦，而是它的股票。
Dell 剛剛交出了一份出色的財報：
單季營收：438 億美元（年增 88%，遠超市場預期的 350 億美元）
AI 伺服器營收：161 億美元（年增 757%）
全年 AI 伺服器營收指引：直接上調至 600 億美元
財報公布後，Dell 盤後股價狂飆 30%。這絕對不是什麼正常的市場波動，這是市場在用真金白銀承認：「我們之前的預測模型錯了，而且錯得很離譜。」
究竟，華爾街低估了 Dell 什麼？
「非 AI」的 IT 基礎設施大翻新
在過去，很多分析師的預測模型都假設：企業的 IT 預算是一塊固定的餅，買了昂貴的 AI 伺服器，就會排擠掉傳統伺服器和儲存設備的預算。
但現實情況完全相反。AI 正在產生強大的「拉動效應（Pull-through effect）」。
當一家企業決定部署大規模 AI 模型時，它不可能把這些GPU 孤零零地放在舊機房裡。為了不讓運算卡關，企業必須同步升級周邊的基礎設施。
Dell 本季傳統伺服器與網路營收達到 85 億美元，年增 92%。因為並非所有 AI 工作都需要最貴的 GPU，大量的推論（Inference）和輕量微調，其實是在傳統 CPU 或中低階加速伺服器上運行的。
同時，引進 AI 叢集，意味著機房的電力、散熱、機架空間和儲存系統（Storage）必須全面現代化。
這解釋了為什麼 Dell 的傳統業務不減反增，AI成為企業終於下定決心翻新「整間機房」的催化劑。
「企業級」與「主權 AI」成為主引擎
過去兩年，AI 基礎設施的買方主要是那幾家超大規模雲端巨頭（Hyperscalers，如微軟、Google、Meta 等）。這群客戶雖然買得多，但他們非常挑剔、價格敏感，且訂單極其不穩定。
但從這一季開始，風向變了。AI 的需求正在快速向「企業端（Enterprise）」與「主權 AI（Sovereign AI）」擴散。
Dell 的 AI 客戶數在短短半年內暴增 50%，突破了 5,000 家，而其中成長最快、管道最粗的，就是企業級客戶。
這對 Dell 來說是天大的好消息。因為企業和政府客戶不像雲端巨頭那樣懂技術，他們需要的是「一站式解決方案」。這直接帶出了 Dell 最深的護城河。
Dell 的護城河
每個人都用 NVIDIA 的晶片，Dell 的差異化在哪裡？
管理層反覆強調的是他們降低「摩擦、風險和價值實現時間」的能力。把晶片買回去，跟把晶片「跑起來」，是完全不同的兩回事。
要把成千上萬顆 GPU 塞進機架、拉好極速光纖、解決功耗與散熱問題，最後還要讓軟體穩定運行，這中間的工程複雜度高到一般企業根本無法想像。
Dell 有成千上萬名專業工程師，能直接到客戶現場幫你把整套複雜的 AI 叢集在最短時間內裝好、調校完畢。對企業來說，早一天上線，就是巨大的競爭優勢。
同時，AI 專案的初期資本支出（CapEx）極其驚人。Dell 透過自家的金融服務（Dell Financial Services），提供租賃、按需付費等靈活方案，直接幫預算有限的企業和新興雲廠商（Neocloud）解決了資金痛點。
這就是為什麼 Dell 能在激烈的競爭中持續贏得份額。它解決了客戶「想用 AI 但不會裝、沒錢買」的痛點。
20 年來最強的「營運槓桿」
最後，是這份財報中最性感的財務指標：營運槓桿（Operating Leverage）。
市場過去一直擔心，AI 伺服器的毛利率比傳統硬體低，隨著 AI 佔比提高，Dell 的利潤率會被稀釋。但這一季，Dell 用實力證明了什麼叫「規模效應」：
本季營收暴增 88%，但 Dell 的營運費用（OpEx）僅僅增長了 9%。這導致 OpEx 佔營收比重暴跌至 8.4%，創下 20 多年來的歷史新低。
當營收規模大到一定程度，固定的研發和管理成本被極度稀釋，利潤就會大幅上升。這也是為什麼其 Non-GAAP EPS 能達到驚人的 $4.86，遠超市場預期的 $2.9。
高處不勝寒，後續該看什麼？
當然，狂飆過後，我們也必須保持冷靜。
記憶體成本通膨：HBM 和 DDR5 的價格正在飆升，Dell 能否順利將成本轉嫁給客戶，將是下半年毛利率的考驗。
新舊交替的陣痛：目前積壓的 513 億美元訂單大多是 Grace Blackwell 架構，而下一代 Vera Rubin 還在管道中。新舊平台轉換期的供應鏈調配，非常考驗管理層的執行力。
但無論如何，這份財報已經徹底重塑了 Dell 的定位。
它不再是那家「賣 PC 和伺服器的傳統硬體廠」，而是一家在 AI 基礎設施爆發期中，不可或缺的「全棧式系統整合公司」。
市場用 30% 的盤後漲幅回應了這份財報。這是市場在說：我們之前低估了這個故事的規模。
問題是：這個重估是否足夠？還是市場仍然低估了 AI 基礎設施周期的廣度和持久性？
主題五：Anthropic最新融資輪告訴我們甚麼？
Anthropic這家 AI 獨角獸在同一週內完成了兩筆募資。
先是敲定了 650 億美元 的 Series H 股權融資，估值直接飆到 9,650 億美元，一舉超越 OpenAI 成為全球最貴的 AI 獨角獸；緊接著，媒體披露了一筆高達 360 億美元 的 TPU 租賃債務融資。
多數媒體的報導都聚焦在「估值超越 OpenAI」這件充滿火藥味的新聞上。但對投資人與產業觀察者來說，真正值得細看的，是那筆高達 360 億美元 的債務交易。
因為它揭示了一個正在成形的新遊戲規則：AI 公司籌措運算資源的方式，正在發生結構性的轉變。
用「昂貴的股權」買大腦，用「聰明的債務」買肌肉
過去，AI 公司的融資邏輯很簡單：拿 VC 的錢，或者拿雲端巨頭（Hyperscaler）的「算力折抵（Cloud Credits）」來做研發。
但當算力需求走向「十萬卡、百萬卡」的怪獸級規模時，這種玩法撐不住了。
這筆交易的架構是這樣的：Apollo 和 Blackstone 這兩家全球最大的私募信貸巨頭，正在籌組一筆約 360 億美元 的債務融資。
這筆錢會用來向 Google 購買大量的 TPU 晶片，然後再把這些晶片租給 Anthropic 使用。Broadcom 則為交易中最大額的部分提供付款擔保。
換句話說，Anthropic 不直接買晶片，而是透過租賃的方式取得運算能力。
這個模式其實不新。航空公司很早就這樣做了，多數航空公司不直接買飛機，而是向飛機租賃公司租。道理很簡單：飛機太貴，買了就卡死一大筆資金；租的話，資金可以更靈活運用，也更能因應市場變化調整機隊規模。
AI 晶片現在面臨類似的處境。訓練前沿模型需要的晶片數量極為龐大，而且這些晶片迭代很快，今天最先進的硬體，三年後可能就落伍了。直接買下來，不只佔用大量資金，還要承擔技術過時的風險。
但這筆交易的規模和複雜度，讓它跟一般的設備租賃很不一樣。360 億美元 是什麼概念？這可能是史上最大的單筆晶片相關融資。
而且參與的不是傳統銀行，而是 Apollo 和 Blackstone 這種私募信貸巨頭。Broadcom 願意為最大額的部分提供擔保，也代表這個生態系的主要玩家對這筆交易有足夠的信心。
這代表 AI 產業的資本結構走向了更成熟的「分層化」：AI 公司可以把極其昂貴的股權資金，留給真正需要長期資本、風險較高的事情——研發、人才與模型開拓（大腦）；而硬體這種相對標準化、有明確市場價值的資產，則用債務與租賃去處理（肌肉）。
對 Anthropic 來說，這也是運算來源多元化的一步。它本來就跟 Amazon 有深度合作關係（Amazon 是這輪股權融資中承諾資金的一部分來源）。
現在透過這筆交易，它又取得了大量 Google TPU 的使用權。在高階 AI 晶片供應仍然吃緊的環境下，同時握有多個運算來源，既是避險，也增加了議價籌碼。
當「賣鏟人」變成「合夥人」：供應鏈巨頭的深層綁定
如果說 360 億美元 的「債務層」解決了硬體租賃，那麼 650 億美元 的「股權層」則揭示了另一個深層趨勢：錢從哪裡來，就會流向哪裡。
在這輪 Series H 的投資人名單中，除了傳統的成長型基金與黑石（Blackstone）、Brookfield 等機構外，最引人注目的名字是 Micron（美光）、Samsung（三星）與 SK Hynix（SK 海力士）。
這三家是全球高頻寬記憶體（HBM）與先進晶片封裝的絕對霸主，它們是 AI 物理基礎建設中最核心的「賣鏟人」。
當供應鏈最上游的記憶體廠開始直接投資最下游的 AI 實驗室，這意味著 AI 競賽已經超越了「VC 供血」的階段，進入了「物理供應鏈的深度戰略綁定」：
對記憶體大廠來說，投資 Anthropic 等於在源頭鎖定了未來數年最龐大、最穩定的 HBM 需求，有助於他們進行極其昂貴的晶片產能規劃（Capacity Planning）；對 Anthropic 來說，讓供應商成為股東，等於在產能極度吃緊的市場中，拿到了一張「優先供貨」的隱形特權門票。
加上 Amazon 持續的重金參與（佔 150 億美元雲端承諾中的大頭），這張股權名單構成了一個「晶片/記憶體源頭 → 雲端基礎建設 →前沿 AI 模型」的超強垂直整合生態系。
新的融資範式正在成形
這種分層資本結構在其他資本密集產業（航空、能源、基礎建設）早就很普遍。AI 產業現在開始走向這個方向，某種程度上是成熟的標誌。
但這也帶來新的複雜性。當一家 AI 公司同時有大量股權投資人、債務融資方、雲端合作夥伴、晶片供應商股東，利益的協調會變得更複雜。
在景氣好的時候，大家的利益一致；一旦環境轉變，不同資本層級之間的優先順序和利益衝突就會浮現。
無論如何，這週發生在 Anthropic 身上的事，不只是「又一輪大額募資」這麼簡單。它標誌著 AI 產業在資本結構上的一次演進。
下次看到 AI 公司的融資新聞時，除了看估值數字，或許也值得問一句：這筆錢是股還是債？買的是什麼？誰在背後擔保？
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
精彩總結了過去一週的科技界+投資界大事👍，最近FOMO聊天室也熱鬧起來，歡迎大家加入，單是收看已值回票價 😬
請問怎樣能聽到廣東話？使用Pixel 9，已在電話text-to-speech 改成廣東話，但按listen 仍然是國語，國語只能聽明一半。
謝謝指教。