EP695 | 🍊

• 節目連結： https://www.youtube.com/watch?v=OcTI4yvvn2I
• EP695_2026-09-09 逐字稿： https://digitalgarden-five-azure.vercel.app/gooaye-transcripts/ep695
• 部落格好讀版： https://digitalgarden-five-azure.vercel.app/gooaye-notes/ep695

提及公司

• 美股：Google、Goldman Sachs、Tesla、Broadcom、Nvidia、Oracle、Microsoft、Berkshire
• 其他：SpaceX、Anthropic、OpenAI
• 概念股：AI 伺服器、AI Infra、Cloud、ASIC、TPU、GPU、AI 模型、AI 供應鏈、散熱

三句話總結

• 震盪盤懲罰追價：台股指數仍在高檔，但短線動能延續性下降，前日強勢股隔日反殺後，又數日復甦，頻繁 追價、停損 可能累積大量震盪成本。
• Google 資本效率極高：Google Cloud 揭露 AI 伺服器回收期不到 2 年，自研 ASIC、TPU 更縮短至約 1 年，快速資本回收為持續擴大 CapEx 提供經濟基礎。
• 算力成本權重上升：前沿模型領先期縮短、API 溢價受到壓縮 後，底層運算的性價比愈來愈重要，TPU、客製化 XPU 的成本優勢開始影響 AI 價值分配。

投資觀點

• 短線策略轉向防守：台股基本面尚未明顯惡化，但動能交易環境已改變，現階段應 降低追價、縮小部位，等待強勢標的回檔後再進場，避免反覆追高造成淨值耗損。
• 產業趨勢優先股價：短期 股價、題材輪動 難以預測，但只要 Google 等雲端業者的需求、AI Infra (基礎設施) 回收效率、供應鏈採購 持續向上，應優先順著產業方向持有，避免因震盪提前押注泡沫破裂。
• 反轉訊號看資金鏈：真正需要提高警戒的是 模型商成長明顯放緩、外部資本停止流入、終端採用不再擴張，進而使模型商無力履行 算力需求、雲端長約。
• 回購可視為資本效率訊號：若 Google 未來重新把大量資金轉向股票回購，可能代表 AI Infra 邊際投報下降，管理層已找不到目前這種高效率的再投資機會。

台股震盪盤

短線動能失去延續

• 隔日沖環境惡化：強勢股常在前 1 日鎖死後，隔日直接開低甚至跌停，但數日後又重新轉強，代表市場不是缺乏趨勢，而是短線動能缺乏延續性，進場時點對短線績效的影響大幅提高。
• 搶快成本累積：先前 3~6 月上車後快速噴出的交易模式已失效，每次追價承受的損失看似有限，但反覆累積可能侵蝕淨值 (5~10)% 以上。
• 低位等待更有效：孟恭選擇縮小交易規模，並開始降低追 漲停、強勢 股的操作規模，即使非常想買也先等待，因為不少標的數日後會重新回落，提供較好的成本。
• 突破仍未確認：大盤已接近新高，但尚未出現明確突破棒以恢復市場信心，因此現階段不需要過度聚焦 短期題材、動能交易。

Google AI Infra

Cloud 需求持續加速

• 新客取得速度翻倍：Google Cloud 新客戶獲取速度為 1 年前 2 倍，> 1 億美元的大型交易無論 QoQ、YoY 都呈現 > 2 倍成長。
• 客戶支出超越承諾：客戶若原先承諾採購 100 美元，最終支出通常 > 150 美元，顯示既有客戶使用量仍持續擴張。
• 產品規模全面擴張：Google Cloud 各產品線營收皆 > 10 億美元，營收、營業利益、市占率 同步改善，顯示需求並非只集中於單一 AI 產品。

自研晶片回本更快

• AI Server 2 年內回本：Google Cloud 表示一般 AI Server 的資本回收期 < 2 年，顯示擴大投入高額 AI Infra 支出不代表資本長期沉沒。
• TPU 1 年回本：Google 自研 ASIC、TPU 的回收期為一般 AI Server 的一半，成為 Google 加大 TPU 採購、Infra 投資 最直接的經濟誘因。
• CAPEX 優於回購：若新增 AI Infra 能在 1~2 年回收資本，管理層自然會優先把現金投入高 ROIC 擴產，而非用於股票回購，因此自由現金流轉負本身不足以構成利空。

  • ROIC (投入資本報酬率)：衡量公司每投入一元營運資本，能創造多少稅後營業利益，用來判斷資本運用效率。

• Infra 權重提高：Google 不代表放棄前沿模型，但在 Infra 報酬高度可量化的情況下，資源配置向 Cloud、TPU、基礎設施 傾斜具有合理性。

Infra 降低估值想像

• Infra 現金流更可估算：前沿模型能取得較高 想像空間、估值乘數，但轉向基礎設施供應者後，市場可能給較低乘數，換來的是更具可見度的實際現金流。
• 報酬確定性提高：Google AI Infra 已從需要想像未來商業模式，轉向可以直接估算 資本投入、收益 的生意，降低市場對 AI 投資只燒錢不獲利的疑慮。

模型商品化推升 TPU

前沿模型優勢快速消失

• 模型領先半衰期縮短：前沿模型之間的領先者快速輪替，單一模型即使短期取得優勢，也可能在數月內被下一代產品反超，不宜過早判定最終贏家。
• API 價格持續收斂：不同模型仍各自在 Coding 等領域具差異化，但 API Token 費用、特定能力 帶來的價格優勢持續縮小，模型層逐漸走向商品化。
• 模型溢價能力下降：當使用者不再願意為特定模型能力支付高額溢價，模型商就更難透過高毛利吸收昂貴的專屬算力成本。

TPU 成本優勢浮現

• 算力成本權重上升：模型收入、API 定價 逐漸接近後，模型商會更重視單位算力成本，使高 CP 值硬體的重要性提高。
• TPU 具成本優勢：Google 宣稱 TPU 訓練性價比較競爭對手高約 2.7 倍、推論高約 80%，其競爭優勢正集中在降低算力成本。
  • 現階段 TPU 已成為具吸引力的低成本算力選項，若市占持續提高，加上 Google 自研 ASIC 約 1 年即可回本，將進一步強化擴大採購與基礎設施投資的誘因。
• Broadcom 扶植 ASIC 生態：Broadcom 受惠於客戶擴大 ASIC 採用，針對特定工作負載設計的 TPU、客製化加速器 可降低運算成本，若模型商提高客製化 XPU 採用，Google TPU、相關 ASIC 生態 都有擴張空間。
• Nvidia 優勢仍可能改變格局：目前 TPU 的 CP 值具有競爭力，但後續 Nvidia Vera Rubin、Feynman 等新平台仍可能重新改變 成本、效能 比較，TPU、GPU 的競爭格局仍可能改變。

AI 資本循環

供應鏈需求仍高於供給

• Google 採購持續上修：過去數月至半年供應鏈觀察顯示，Google 採購量持續增加，部分特殊 AI Server 零組件即使集合全球供應能力，仍不足以完全滿足其 Forecast、Demand。
• 財務數字驗證需求：過去市場擔心 Hyperscaler 只是大量開支票採購設備卻無法獲利，但 AI Server 1~2 年的回收期提供了實際獲利證據，降低純粹資本泡沫的疑慮。
• 硬體出貨直接變現：晶片、零組件 供應商出貨即可認列收入，相較 模型商、雲商 承擔的 資本、需求 風險，供應鏈在現階段更直接取得 AI 投資支出。

循環融資仍可延續

• Cloud 商先墊資本：Google、Oracle、Microsoft 等 Cloud Provider 先支付設備成本，再透過多年合約逐步回收資金，部分案例已證明此模式可以產生高報酬，典型基礎建設約 5 年。
• 回收期提供安全邊際：若設備不到 2 年即可回本，而客戶合約長達約 5 年，代表資本回收期明顯短於合約期限，可降低前期高額資本支出的財務壓力。
• 模型商依賴外部資金：OpenAI、Anthropic 等模型商持續募集股東資本購買算力，而部分出資者本身就是雲端業者，使 AI 資本支出形成內部循環。
• 終端需求才是外部現金：整個循環真正從體系外流入的資金主要來自終端客戶，因此只要 終端採用持續成長、模型商仍能募資，循環仍有條件延續。

需求轉弱才是反轉點

• 供需平衡才是風險點：AI 循環最終可能如 Dot-com 反轉，但在 需求、回報 仍強的階段提前退出，只會錯過上升週期。
• 資金斷裂觸發反轉：若 外部資本不再進入、終端客戶停止擴大採用，模型商 成長率、財務指引 會率先惡化，接著影響其支付 Cloud 合約的能力。
• 雲商現金流遭反噬：模型商若無力支付原先承諾的算力支出，Cloud Provider 原本預計回收的長約收入就可能落空，資本循環才會由下游往上游反向爆炸。
• 循環終局不等於現在退出：在產業需求仍向上時應繼續參與，直到出現 模型商成長放緩、融資惡化、終端需求轉弱 等早期反轉訊號，再重新調整判斷。

QA

CPO 價值鏈配置

• 初期不宜單押環節：CPO 仍處於價值分配尚未明朗的階段，FAU、主動對位、封裝設備、COUPE、光學元件 都有可能形成高價值環節，無法在早期確定最終 Bottleneck。
• 題材配置先廣撒：進入新題材時通常先包覆多個可能受惠環節，而非試圖一開始就精準挑選最大贏家，再隨產業發展調整權重。
  • 孟恭會隨產業發展觀察真正 Bottleneck、客戶搶貨程度、漲價能力，再逐步把資金往價值更集中的環節調整，而非一開始就單押唯一贏家。
• 主題部位可以拆散：若高度看好單一產業，孟恭舉例可讓整體主題占部位約 30%～50%，再分散至約 10 檔股票，目標是押中產業方向，而非預測漲幅最大的單一標的。
• Bottleneck 不等於股價最大：真正影響短期報酬的除了技術瓶頸，還包括 供應商能否漲價、客戶是否搶貨、市場籌碼，因此最關鍵的技術環節不一定是漲幅最大的股票。
• 高價會催生替代供應：零組件廠若利用短缺大幅漲價，客戶通常會積極建立 Second、Third Source，因此超額利潤未必能長期維持。
• 分散提高命中率：若產業方向判斷正確，價值鏈多數標的通常都有機會跑贏大盤，因此可在不同環節各挑少數公司分散布局，降低單押錯誤標的的風險。

美股槓桿成本

• 美股融資成本偏高：美股 Margin 利率 > 10% 並不罕見，Option 換算隱含資金成本後也不便宜，相較台灣融資成本 3% 明顯更高。
• 槓桿以交易為主：美股主要透過 Option + Margin 建立槓桿，通常用於 短期行情、特定事件交易，不宜以高成本槓桿進行長期持有，讓槓桿負責放大判斷而不是取代投資邏輯。
• Option 報酬高度偏態：多數 Option 部位可能小賠虧損，偶爾命中大型行情才一次補回其他損失。
  • 如：近期 Intel 的獲利操作案例。
• 績效決定是否加槓桿：使用槓桿前應先評估歷史報酬是否足以覆蓋高融資成本，而非單純因槓桿可放大獲利就貿然使用。

Palantir 面對 Google DeepMind

• 市場不是零和競爭：Google DeepMind 切入 政府、軍工 市場不代表 Palantir 必然受損，新的參與者進場不等於既有公司必須退出。
• TAM 可以持續擴張：正常且具吸引力的市場本來就會吸引更多 Player 進入，若整體 TAM 同步擴大，多家公司可以在同一市場共同成長。

節目金句

• 「市場走了 5 千點，人也跟著繞了一圈，最後共同點還是一樣，晚上仍然睡不著，投資人真的是蠻忙的，有部位要顧，沒部位也會怕錯過，白天看臺股，晚上看美股，手機放下了，腦袋還在算明天到底是要加碼還是減碼，股票歸股票，人生還是得休息，不要讓頸椎跌破支撐。」
• 「當你今天有一個想法，你就要立刻去做嘗試嘛，你不要等到說可能東風俱備，所有東西都弄好才開始，因為一般來講你不一定會等到那個東風。」
• 「禮多人不怪嘛，你就是對每個人都是盡量把自己的姿態放低，反正從頭到尾也不覺得，自己真的是什麼了不起的東西嘛，你就是盡量就多問。」
• 「你不可以一直講說過去的事情，過去的事情沒什麼好講，重點是現在在發生什麼新的東西，有未來有什麼樣新的東西，可能是一個蠻重要的。」
• 「當你今天遇到這種奇怪的盤勢，要嘛就是你持續堅持你本來的做法，但是把部位給縮小，要嘛就是可能稍微的去調動一下自己的做法。」
• 「盡可能的用樂觀的心態，去面對所有的事情，是生命中一個非常重要的指導原則，不管你現在要多苦多慨，多不如意遇到多賽小的事情，你用樂觀的心態去解出來的機率，都會比較高一點。」
• 「給孩子自由，不是讓他想做什麼就做什麼，而是在該做的事情裡面，讓他自己能夠選擇可以接受的方式。」
• 「大家不要認為說這個世界是零和的，有人進來另外一個人就要去死，這個世界的經濟跟 TAM 都要去想像，它是會一直在擴張的，它不是一個這個零和的市場，有人進來然後另外一個人就會去死。」
• 「一個正常的市場本來就會越來越多 player 進來，這才是正常且值得去征途的市場。」