EP325. GPT Luna 大降價、特斯拉中國會賣嗎、梁文鋒的流出談話 | M觀點

M觀點 · 2026-08-03

重點

章節

AI價格戰全面開打：OpenAI降價重拳、特斯拉中國分拆疑雲與DeepSeek梁文鋒閉門策略全解析

本週市場焦點圍繞AI產業的劇烈變動。OpenAI對其GPT-5.6 Luna版本進行高達80%的驚人降價，此舉不僅重塑了前沿模型的競爭格局，更打破了AI公司虧損賣算力的迷思。同時，特斯拉與SpaceX的合併傳聞再起，其中國業務的潛在分拆成為關鍵議題；而DeepSeek梁文鋒的閉門談話則揭示了AI模型商品化、算力差距及未來AGI發展路徑的深度洞察。

市場情緒回穩與AI修正潮觀察：長線投資者的波動應對

近期市場情緒出現明顯轉折，與上週的壓力氛圍大相逕庭。儘管上週四節目直播時美股已開始反彈，但當天台股仍處於下跌狀態，市場壓力尚未完全釋放。然而，隨著上週四五美股連續大漲，台股在週五早盤隨即強勢反攻，讓許多面臨融資斷頭壓力的投資人獲得喘息空間。對於長線投資人而言，此類波動僅是投資過程中的正常雜訊，無需過度恐慌。

目前市場最關注的議題在於，這一波的AI修正潮是否已經正式結束，市場是否已進入一個相對穩定的整理期。從盤勢觀察，雖然短期內出現強勁反彈，但是否能延續為多頭攻勢仍需一至兩週的時間來確認。對於長線投資者來說，只要核心的產業趨勢並未改變，短期的股價回調反而是檢視持股與分批布局的良機。

在市場波動中，我們更應將焦點回歸到實際的產業競爭狀況。與其猜測大盤的漲跌，不如深入分析影響科技巨頭未來版圖的關鍵事件。本週最重要的兩個產業新聞，分別是OpenAI的API價格大幅調降，以及DeepSeek V4 Flash新版本的發布，這兩者都將對未來的AI供應鏈與市場版圖產生深遠影響。

GPT-5.6 Luna降價80%：OpenAI的價格重拳如何顛覆前沿模型梯隊

本週最震撼的產業消息莫過於OpenAI對其GPT-5.6 Luna版本進行了高達80%的降價。GPT-5.6被認為是過去一個月以來市場表現最成功的模型，其成功度甚至遠超Fable Fight。該模型分為三個版本：最強的Soul（太陽版）、中階的Tera，以及最低階的Luna（月亮版）。令人驚訝的是，Luna雖然是整個系列中最小、最便宜的版本，但其能力已經觸及前沿模型的尾巴，實力不容小覷。

在目前的AI前沿模型競賽中，第一梯隊（Tier 1）由Fable 5、Opus 5與GPT-5.6 Soul佔據，得分約在58至60分之間。第二梯隊則包含Kimi K3、GPT-5.6 Tera等，得分落在54至57分。而GPT-5.6 Luna的實力約在50至53分，屬於第三梯隊，但這已相當於Meta傾全力打造的最強開源模型Muse Spark 1.1，以及GLM 5.2的水準。這意味著OpenAI的最低階版本，已足以抗衡競爭對手的一線模型。

這次降價後，GPT-5.6 Luna的API成本僅剩Tera版本的10%，每個任務成本僅0.07美元。相較於Meta的Muse Spark 1.1（0.29美元）便宜了四倍，比起Gwag 4.5（0.44美元）便宜了六倍，更遠低於Google的Gemini 3.6 Flash（0.56美元）。這種極致的性價比，讓Luna在處理80%的簡單任務時，成為比Tera更具吸引力的選擇，甚至讓Tera的市場定位顯得有些尷尬。這不僅是對內部產品線的自我挑戰，更是對其他歐美模型競爭對手的一記重拳。

打破虧損迷思：AI公司賣API的暴利真相與Anthropic的逆風

市場上長期存在一個錯誤觀念，認為AI公司都在虧錢賣API。事實上，無論是OpenAI還是Anthropic，早在一兩年前就已反駁此說法。單純從販售API Token的業務來看，這是一個毛利率極高（甚至高達80%至90%）的生意。以GPT-5.6 Luna為例，即便降價80%後仍能獲利，代表其成本極低，降價前的利潤更是驚人。AI公司的主要成本與虧損其實來自於研發下一代前沿模型的巨額投資，以及ChatGPT或Google Gemini這類消費者應用中，服務數億免費用戶所產生的推理成本。

然而，GPT-5.6 Luna的降價也敲響了警鐘：除了第一梯隊的前沿模型外，其他模型已正式進入價格戰時代。模型最終將無可避免地走向通用商品化，一旦進入此階段，規模經濟與成本控制能力將成為關鍵。這對於Anthropic而言是巨大的逆風，因為該公司過去專注於打造最聰明的模型，卻未積極優化成本，其模型的營運成本一直是業界最高。在價格戰的趨勢下，缺乏補貼能力與成本優勢的Anthropic，其中低階產品線的市場壓力將日益加劇。

特斯拉中國業務分拆疑雲：SpaceX併購的必要之惡與馬斯克的絕對控制權

《華爾街日報》獨家報導指出，特斯拉內部正討論分拆中國業務，以因應未來可能與SpaceX的合併。雖然馬斯克在社群平台上直斥此為假新聞，但從其先前在財報電話會議上曖昧的態度來看，他並未直接否認合併的可能性，僅表示不適合在該場合討論。這暗示內部確實存在相關的戰略思考。

馬斯克有極強的動機推動SpaceX併購特斯拉。特斯拉掌握著未來實體AI（Physical AI）的關鍵，包括全自動駕駛與Optimus人形機器人，但馬斯克在特斯拉的投票權僅約兩成多，無法取得絕對控制權。由於特斯拉已是上市公司，無法再發行超級投票權特別股，而SpaceX本身具備此制度。透過SpaceX併購特斯拉，馬斯克便能利用其特別股，輕易取得合併後新實體的過半控制權，確保其對AI未來願景的主導地位。

然而，SpaceX作為涉及美國國安的星鏈技術擁有者，若合併後特斯拉仍在中國擁有龐大業務，將形成國安漏洞。中國可能利用特斯拉在當地的工廠與市場作為人質，威脅SpaceX在地緣衝突中讓步。因此，在合併前處理掉中國業務，不僅是商業上的必要之舉，更是美國監管機構能否批准此交易的關鍵前提。

中國業務的切割方案：從金雞母到技術授權的戰略取捨

對馬斯克而言，這是一個在「中國市場利益」與「特斯拉絕對控制權」之間的選擇。雖然特斯拉上海超級工廠是全球生產效率最高、成本最低的生產基地，且中國是重要的電動車市場，但相較於未來自駕計程車（Robotaxi）與Optimus機器人帶來的巨大價值，這些傳統業務顯得較為次要。中國市場長期來看內卷嚴重，競爭日益激烈，其戰略重要性正逐漸降低。

若要分拆中國業務，單純出售工廠的價值並不高，因為其設備專為生產特斯拉車款設計。最可行的方案是將整個中國業務（包含工廠與經銷權）出售給某家中國汽車公司或私募基金，並搭配技術授權模式。特斯拉美國總部可授權買家繼續生產Model 3與Model Y，但核心的自動駕駛軟體與AI電腦仍由美國掌控並單獨出口。特斯拉則從每輛車的銷售中抽取10%至20%的權利金。如此一來，特斯拉不僅能一次性回收中國業務80%的價值，更能大幅降低未來因地緣政治風險而被中國政府威脅的程度，將潛在損失控制在可接受的範圍內。

梁文鋒閉門談話：DeepSeek的企業定位與AI模型通用商品化的必然

DeepSeek創辦人梁文鋒在流出的閉門談話中，明確闡述了公司的核心定位：只專注做好模型這一層，不向上或向下整合整條AI產業鏈。這與OpenAI或Google試圖從底層硬體、中間模型到上層應用全包的全棧式策略形成鮮明對比。歐美巨頭極力避免模型淪為通用商品，因此積極切入應用層以掌握客戶，防止被殺價。

梁文鋒的策略邏輯在於，DeepSeek從一開始就認定AI模型最終將走向通用商品化，因此公司的核心價值觀就是追求極致的低成本與計算效率。與其在前沿智慧上燒錢競逐，不如在相對聰明的前提下做到最便宜。一旦市場進入價格戰，DeepSeek將擁有最強大的競爭優勢。此外，梁文鋒對當前火熱的企業B2B AI業務提出警示，認為其成長上限並非來自算力供給，而是需求。若企業無法利用代理型工作流程（Agentic Workflow）創造實際營收，僅停留在節省成本的階段，需求很快就會觸頂。

通往AGI之路：多模態非核心、持續學習才是關鍵突破點

梁文鋒對多模態能力的看法相當獨到，他直言多模態與更高的智慧無關，它本質上是一種工具使用能力，就像搜尋一樣。這解釋了為何專注於通用人工智慧（AGI）的OpenAI與Anthropic並未將多模態視為焦點，而Google與Meta則因搜尋與智慧眼鏡等業務需求而大力發展。他認為，評估模型的聰明程度時，不需過度考量多模態因素。

至於AGI的下一步關鍵，梁文鋒認為是「持續學習」。目前的AI模型雖然能在對話中暫存技能，但這些能力並未即時回饋並內化到模型本身的神經網路中。真正的持續學習，是讓AI能從與全球用戶的每一次互動中，自動化、持續性地累積智慧，每天更新模型的大腦，而非依賴實驗室每季一次的批次訓練。他堅信，實現這種自我進化的能力，才是通往AGI的最後一哩路。

資料為王：高品質數據佔模型能力五成，Meta與XAI的隱形優勢

梁文鋒在談話中強調，資料的重要性約佔模型能力的一半，甚至高於人才與算力的總和。特別是在強化學習與後訓練階段，高品質的標註資料至關重要。此觀點進一步驗證了Meta與SpaceX旗下XAI的長期潛力。Meta擁有Facebook、Instagram等全球最大社群網絡，掌握海量數據；而XAI旗下的X平台（前Twitter），雖然數據量不及Meta，卻聚集了全球英文世界最精華、最高品質的深度討論內容。

對AI訓練而言，X平台上每單位資料的價值極高，遠非一般生活化社群平台可比。馬斯克收購Twitter的初衷雖是為了言論自由，卻意外為XAI鋪設了一條寶貴的資料護城河。這也解釋了為何即便Meta與XAI目前在模型能力上落後，但憑藉其無可比擬的資料資產，它們在未來的AI競賽中仍極具追趕與翻盤的實力。

中美算力鴻溝與中國AI的追趕策略：小模型、拼效率、借鏡歐美

梁文鋒坦承，中國與美國的AI算力存在數量級的差距，最樂觀估計是美國的三分之一，悲觀來看可能落後八到十倍。在這種絕對劣勢下，中國公司的因應策略是放棄追求最前沿的模型，轉而專注於開發參數較小的模型，並全力拼計算效率。

由於算力不足以支撐多方試錯，中國團隊的策略是讓美國巨頭在前面燒錢探路，待其試出有效方法後，再快速借鏡與抄襲。梁文鋒甚至直言，只要能買到輝達的Blackwell B200晶片，且價格合理，買越多越划算，因為其效率遠超中國本土的替代方案。他對華為晶片的評價則相當直接，指出其最新晶片需要四張才能抵得上一張輝達晶片，且長期運作的能耗效率較差，這番言論也凸顯了中國AI發展在硬體上的無奈與現實。

CUDA護城河動搖：TileLang技術與代理式編碼的雙重衝擊

梁文鋒提到了TileLang這項新技術，它是一種語法類似Python的領域專屬語言，能讓開發者無需直接編寫輝達CUDA程式碼，便能優化底層硬體。這大幅降低了AI程式在不同GPU平台（如超微）之間移植的難度，動搖了CUDA過去因程式碼相容性所建立的護城河。

更深層的影響來自代理式編碼（Agentic Coding）。過去，輝達花費二十年為各領域打造了大量的加速函式庫，這是競爭對手難以複製的深厚壁壘。然而，現在AI代理能夠自動化地將CUDA的加速函式庫轉譯為適用於超微等平台的版本。雖然AI轉譯的程式可能僅達真人工程師七八十分的優化水準，但這已足以讓競爭對手的硬體從「完全不能用」進化到「具有競爭力」。這等於為全世界提供了數百萬個廉價的程式設計師，正在系統性地削減輝達的軟體優勢。

Agentic Coding的顛覆力量：如何削弱輝達的深層護城河

代理式編碼對輝達的衝擊不僅限於TileLang這類新語言，更在於它解決了長期困擾競爭對手的加速函式庫難題。過去，若企業想將程式從輝達GPU遷移至超微GPU，工程師需要手動搜尋並取代數百個CUDA函式，過程中極易因參數設定不同或遺漏而產生Bug，移植成本極高。

如今，開發者只需對AI代理下達指令，AI便能理解CUDA函式庫的邏輯，並自動生成對應的超微加速函式庫。雖然AI生成的版本可能無法達到原生CUDA的100%極致效能，但能輕鬆達到七八成的效果，這足以讓原本時速20公里的超微瞬間加速到75公里，具備與輝達一較高下的競爭力。隨著AI代理技術的成熟，輝達過去二十年積累的軟體生態系護城河正在被快速填平，這將是未來半導體產業競爭中最值得關注的結構性變化。

軟體護城河的黃昏：從CUDA生態系看輝達的未來挑戰

儘管輝達的CUDA護城河正受到侵蝕，但該公司並非僅依賴單一護城河。執行長黃仁勳早已意識到代理式編碼帶來的威脅，並積極在其他領域構建新的競爭壁壘。然而，不可否認的是，CUDA過去所代表的「舊有程式碼相容性」與「開發者習慣」這兩大優勢正在減弱。

更關鍵的「加速函式庫」護城河，原本是輝達最深的壁壘，因為競爭對手無力為成千上萬的應用場景逐一編寫優化庫。但代理式編碼的出現，等於為市場提供了海量的自動化移植工具。這不僅讓超微等硬體廠商看到了追趕的曙光，更意味著AI發展的未來，將不再被單一硬體平台的軟體生態系所綁架。對於投資人而言，關注輝達如何在硬體效能之外，繼續透過系統化整合（如NVLink、DPU等）來維持其領先地位，將是評估其長期價值的關鍵。

結論

本週的產業動態清晰地描繪出AI賽道正在經歷的質變。OpenAI的降價重拳不僅是對競爭對手的壓制，更標誌著AI模型從技術軍備競賽正式邁入價格戰與商品化階段，這將對Anthropic等成本結構較高的新創公司構成嚴峻生存挑戰。與此同時，馬斯克為了掌握實體AI的絕對控制權，極有可能推動SpaceX與特斯拉的合併，而切割中國業務將是這項世紀交易成敗的關鍵前提。最後，DeepSeek梁文鋒的談話揭示了AI產業的深層邏輯：算力差距迫使中國走上一條「拼效率、借鏡歐美」的獨特路線，而高品質資料與持續學習能力，將成為決定下一階段AGI競賽勝負的關鍵變數。

相關個股