EP351. Anthropic S1 更新、前沿 AI 公司能不能投、AI 泡沫要怎麼預警 ft. 商業解碼 Vincent | M觀點

M觀點 · 2026-11-05

重點

章節

這集談到的

這一集談到的個股與題材，有 11 項在發布前 30 天內也被其他節目談到，沒有看法相反的。

各個股與題材在本集與其他節目的看法對照是會員內容。

AI 股災與估值重構：從 Anthropic S1 解析前沿模型投資、AI 泡沫預警與商業判斷框架

本集深入探討 AI 股因監管疑慮重挫的市場動盪，並以 Anthropic 最新 S1 財報為核心，剖析其犧牲推論收入、全力投入訓練的戰略轉向。同時，節目結合來賓 Vincent 的商業解碼框架，深度對談 OpenAI 與 Anthropic 的護城河、AI 價值鏈的利潤分配，以及投資人該如何在關鍵轉折點與泡沫疑慮中建立長期優勢的判斷系統。

民主黨擬禁超級 AI 引發股災：AI 基礎設施股禍不單行

近期 AI 板塊遭遇重挫，導火線在於民主黨新科眾議員拋出「禁止發展超級 AI」的風向。市場解讀此舉可能直接威脅到當前最前沿的模型開發，包括 Anthropic 與 OpenAI 的旗艦產品。主持人指出，若以現行技術標準檢視，這些頂尖模型早已觸及所謂的超級 AI 門檻，導致市場恐慌性拋售。

觀察美國 AI 基礎設施股的表現，可謂「跌到爆」。以記憶體大廠 美光 為例，股價修正幅度驚人，顯示市場對於 AI 硬體需求的續航力產生了根本性的動搖。這波修正並非毫無預警，事實上 AI 基礎設施股在過去兩三週早已表現疲軟，此次政治利空僅是雪上加霜，印證了「福無雙至，禍不單行」的市場鐵律。

主持人坦言，民主黨此次選舉結果超乎預期，市場正在重新定價政治風險。雖然全面禁止 AI 發展的可能性不高，但嚴格監管的陰影已足以觸發多殺多的連鎖反應。對於重倉 AI 基礎設施股的投資人而言，從高點回撤三成以上的劇烈波動，無疑是對信仰與風險控管的終極考驗。

馬斯克的政治風險與估值掙扎：SpaceX 算力擴張的變數

在 AI 股災的背景下，特斯拉 與 SpaceX 的估值也面臨政治風險的考驗。主持人指出，馬斯克如今面臨真實的政治壓力，民主黨對其的不滿可能化為具體的監管行動。這對 SpaceX 的影響尤為關鍵，因為其未來的算力擴張計畫高度依賴資料中心的順利推進。

若民主黨執政的州政府刻意刁難 SpaceX 的資料中心建置，導致其算力擴張受阻，將直接衝擊其未來一年的營收成長曲線。主持人分析，雖然目前 SpaceX 的估值相對便宜，但投資人必須將最壞的情境納入估值模型。算力擴張的預期從 10 GW 下修至 6 GW，將顯著影響其成長溢價。

為了深入探討這些變數，節目預告了即將舉辦的 SpaceX 與 特斯拉 財報分析與估值展望活動。面對政治不確定性，投資人不僅要評估當下的便宜與否，更需動態調整對於未來現金流的預估，這正是成長股投資最艱難的修練。

Anthropic S1 更新：營收成長強勁但降價壓力浮現，上市估值恐下修

Anthropic 最新 S1 文件揭露了第三季營運數據，營收達 169.56 億美元，與市場先前外洩的預測高度吻合，季增 46.7%，年增率高達 1126.9%。然而，成長速度已較上半年略有放緩。更值得關注的是，公司為了應對競爭，對模型進行了降價並提供合約折扣，影響了約 6 億美元的營收。

主持人認為，這反映了市場競爭的加劇。若無降價，營收本可達 175 億美元以上。這種競爭態勢雖然侵蝕了短期收入，卻也驗證了自由市場競爭對整體產業發展的益處。然而，考量到當前 AI 股的慘澹行情，主持人擔憂 Anthropic 的上市進程可能延後，且原先挑戰 2 兆美元估值的雄心恐將落空，預估 1.5 兆美元已是相對樂觀的目標。

對於持股部位，主持人透露個人投資組合從高點回撤約一成多，但若單看 AI 基礎設施部位，跌幅則高達三成。這顯示出在 AI 浪潮中，不同層次的資產有著截然不同的波動性，投資人需審慎區分軟體模型層與硬體基礎設施層的風險屬性。

犧牲推論、全力投入訓練：Anthropic 第三季的豪賭與算力困境

Anthropic 第三季財報最關鍵的轉變在於成本結構。雖然推論毛利率維持在 85.7% 的高檔，但訓練費用暴增。總算力費用從第二季的 55.58 億飆升至 98.63 億，新增的算力中高達七至八成被投入於訓練與內部研發，而非能立即變現的推論業務。

此舉背後是激烈的模型軍備競賽。在 7、8 月間，Anthropic 的模型陷入劣勢，為了扭轉局面，公司不惜犧牲短期獲利，將 SpaceX 提供的新算力全數用於訓練新模型。這解釋了為何其小型與中型模型長時間未更新，因為算力不足導致研發排程嚴重落後。直到第三季算力到位，才得以在 9 月後推出新模型逆轉頹勢。

財務上，Anthropic 第三季因訓練費用大增而轉盈為虧，營業虧損 5.67 億美元，但扣除近 20 億的慈善捐款後，實質上仍處於獲利狀態。這凸顯出觀察 AI 模型公司的核心指標：訓練成本佔比。若訓練成本失控，將侵蝕推論帶來的豐厚利潤，這是投資人未來解讀財報時不可忽視的重點。

民主黨監管利空與課程開場：判斷力在資訊時代的價值

面對民主黨可能推動的 AI 監管，主持人判斷雖然不至於全面禁止，但嚴格管制的機率極高。在政治光譜中，民主黨內部的反 AI 勢力佔上風，這將成為未來科技股投資的長期宏觀風險。然而，節目也藉此帶出在資訊爆炸的 AI 時代，獨立判斷力的重要性。

節目邀請了業界稱為 V 大的 Vincent，介紹其「商業解碼」線上課程。Vincent 指出，許多訂戶在進行個案研究時，缺乏一套標準化的分析框架。因此，他將過去在投資與商業觀察中的經驗統整為骨架型概念，幫助學員從 20 分快速提升到 70 分的決策水平。

主持人強調，在資訊豐盛的時代，判斷力比資訊本身更關鍵。面對市場上眾說紛紜的分析，投資人需要一套工具來辨別誰的論點更具邏輯。這套框架不僅適用於投資，也能應用於企業內部的策略規劃，且能與 AI 工具搭配使用，加速學習曲線。

商業解碼框架：從好生意、好公司到好股票的三層次分析

Vincent 的分析架構將投資標的分為三個層次：好生意、好公司、好股票。他定義「好生意」必須能為客戶創造價值，但同時需考量成本與資源投入。以 特斯拉 Roadster 為例，它雖是超酷的產品，但量產後能否帶來足夠利潤仍是問號；然而，其背後的技術平台可能移轉價值到其他產品，創造想像空間。

在評估「好公司」時，Vincent 特別推崇 ROIC（投入資本回報率）指標。他解釋，ROA 與 ROE 容易因產業特性或財務槓桿而失真，例如預付型公司的負債實際上是營運資金，商譽也無法反映真實價值。ROIC 經過調整後更能貼近商業本質，且能跨產業比較，幫助投資人發現市場共識以外的差異化觀點。

主持人補充，ROA 受限於資產結構，ROE 則受舉債程度影響，而 ROIC 聚焦於「為了這門生意實際投入多少錢，又賺回多少」，這對股東而言是最直接的資本效率衡量。透過這種調整，投資人能更清晰地看出企業的真實競爭力，而非被會計數字誤導。

CSP 資本支出迷霧與 AI 模型公司的商業模式特殊性

Vincent 以 CSP 資料中心為例，說明 ROIC 調整的重要性。企業自建資料中心與簽訂長期租賃合約，在會計上分別列為資產與費用，但商業本質相同。近期 微軟 將資本支出轉為租賃，美化財報，而 Meta 則因揭露更大額的承諾支出引發市場擔憂，這些都是需要調整的財務技巧。

針對 Anthropic 與 OpenAI 的商業模式，Vincent 認為這是一種前所未見的特殊型態。雖然訓練模型需投入巨額資本，但 Anthropic 已證明光靠推論就能獲利，且研發支出全數費用化，打破了市場對其燒錢的刻板印象。然而，這種模式與傳統電信或大型製造業不同，模型迭代極快，兩三個月就需升級一次，難以找到完美的類比。

Vincent 提出，藥廠的研發模式或許是較接近的類比，但 AI 模型的半衰期更短，競爭更為激烈。贏者通吃的特性使得前沿模型的毛利率極高，但一旦落後，市場份額將迅速歸零。這種高風險高報酬的特性，對投資人的判斷力構成嚴峻挑戰。

GLP-1 類比與護城河之辯：非 AI 專家如何判斷前沿模型價值

主持人以 GLP-1 藥物競爭類比 AI 模型大戰，指出這是一場贏者全拿的遊戲。當最強模型出現時，次級模型將迅速失去市場，正如減肥藥市場的迭代。然而，Vincent 認為單純看模型訓練階段非常辛苦，但基礎技術平台能衍生出多種垂直應用，這才是真正賺錢的地方。

針對護城河，Vincent 肯定 Anthropic 與 OpenAI 具有極高的進入障礙，但困難在於難以想像其五年後的樣貌。他建議將模型端與應用端拆開分析，模型端需關注成本控制與 Token Economics，而應用端則需觀察公司如何打破既有巨頭的分發優勢，切入利基市場。

對於非 AI 專家的投資人，主持人提問是否只能每月追新聞來判斷輸贏。Vincent 回應，雖然不需每日盯盤，但至少每三個月需檢視一次公司的策略方向與市場地位。因為這些公司經常進行試點，若失敗會迅速調整，投資人必須保持對其長期競爭優勢的動態評估。

資料控制權與模型商品化：AI 未來的利潤分配之爭

Vincent 提出中長期競爭的關鍵在於「記憶與資料控制權」。企業為了避免被單一 AI 公司綁架，傾向將專有資料掌握在自己手中，以便在模型落後時能無痛切換。這正是 微軟 等雲端巨頭的策略，試圖將模型商品化，讓自己成為接觸客戶的最終介面。

主持人以 NBA 球員比喻，認為當前頂級模型已達同等級，僅有風格差異，不足以阻止客戶更換。除了少數如無人機戰鬥等 Winner-take-all 的場景外，多數應用端將走向商品化。因此，模型公司必須向應用端延伸，選擇戰場並深耕垂直領域，才能在未來的利潤分配中佔據有利位置。

總結來說，雖然兩家公司都是好公司，但屬於高不確定性的風險賭注。投資人應配置小部分資金參與這場全球最聰明人才的競賽，而非 All-in。因為五年後的樣貌難以預測，但完全缺席也非明智之舉。

輝達五層蛋糕理論：AI 價值鏈的利潤挪移與短缺紅利

討論延伸到 輝達 提出的 AI 五層蛋糕理論（能源、晶片、基礎設施、模型、應用）。目前利潤高度集中於硬體層，如晶片與基礎設施，因其處於供不應求的短缺狀態。但 Vincent 預測，長線來看利潤將逐漸往後段的模型與應用端挪移。

主持人指出，美光 等記憶體公司的超高毛利率反映了短缺紅利，但隨著時間拉長與產能擴張，供需終將趨於平衡。應用端因直接接觸客戶，能提供較大調整空間與策略彈性，長期而言將獲取較大比例的價值。

然而，現階段 AI 需求仍處於爆發期，若 AI Agent 等殺手級應用未能如預期般大規模落地，供需反轉的時間點可能推遲。投資人需密切關注資本支出與終端需求的賽跑，這將決定硬體層的超額利潤能維持多久。

AI 泡沫預警：需求波動性與高利率擴張的風險

針對市場對 AI 泡沫的擔憂，Vincent 認為長期結構性需求沒有問題，但中間的波動性極大。AI 需求不像傳統週期性產業會因價格過高而需求破壞，目前仍處於加速階段。但企業客戶與消費者的付費意願存在差異，若 AI Agent 未能顯著提升企業獲利，資本支出可能面臨修正。

主持人特別點出 AI 基礎設施公司借貸擴張的瘋狂程度，部分公司甚至以 10% 的高利率發債，這在過去難以想像。雖然這反映了對未來需求的極度樂觀，但也埋下了現金流週轉不靈的隱患。若需求成長放緩，高槓桿的企業將面臨巨大的財務壓力。

以全球 GDP 佔比推算，若 2030 年 AI 資本支出累積達 5 兆美元，尚在合理範圍，但若 AI Agent 未爆發，進一步往上將有困難。整體而言，AI 尚未進入全面泡沫，但供應鏈中的特定環節存在循環融資風險，市場將自然地進行優勝劣汰。

資本支出的天花板：從全球 GDP 佔比看 AI 產業的極限

Vincent 以全球 GDP 約 130 兆美元為基礎進行推估，若 2030 年 AI 資本支出達 5 至 6 兆美元，約佔 GDP 的 1% 至 2%，這並非不可能，但進一步成長需仰賴 AI 大幅提升生產力。主持人則以軟體產業類比，推估 AI 產業規模可能是軟體業的數倍，年度資本支出峰值可能落在 2 兆美元左右。

關鍵變數在於 AI 能否吃掉勞動力成本。目前全球 GDP 中約四成屬於勞動力，若 AI 能大規模替代人力，GDP 的基數將擴大，屆時資本支出的天花板也將隨之提高。但在此之前，投資人需警惕資本支出的線性外推過於樂觀。

結論是，雖然 AI 產業長期前景廣闊，但短期內資本支出的軍備競賽已略顯激進。市場將透過融資難度與股價修正來調節過熱的投資節奏，這對體質不佳的公司是危機，但對龍頭企業而言則是進一步鞏固地位的轉機。

關鍵轉折點的判斷：從特斯拉到 SpaceX 的典範轉移

主持人回顧過去成功預測 Netflix 與 特斯拉 轉虧為盈的經驗，指出關鍵轉折點是投資獲利最豐厚的階段。以 特斯拉 2018 年 Model 3 量產為例，當時市場仍質疑其償債能力與傳統車廠的競爭，但若能洞悉其成本優勢與能源生態系布局，便能抓住爆發性成長。

Vincent 坦承自己錯過了那段漲幅，因為在當時的資訊背景下，難以完全相信單一領導者的願景。他將此類比為醫藥研發，充滿了不確定性。然而，對於 SpaceX 併購 xAI 並成功轉型為 Neo Cloud 業務，他認為這與馬斯克擅長硬體整合與高效執行的技能高度吻合，因此信心度較高。

這顯示出在分析關鍵轉折時，除了財務數字，更需評估管理層的執行力與其過往的信用紀錄。投資人需建立一套排除法，去除物理上不合理的願景，並密切追蹤營運指標是否如期達標，才能在迷霧中找到真正的十倍股。

九宮格投資法與市場共識：好公司溢價與認錯的藝術

主持人分享其「九宮格投資法」，將公司分為好、中、爛，股價分為貴、合理、便宜。他主張爛公司無論價格多低都不碰，因為缺乏催化劑且資金效率低落。相對地，好公司即使買在偏貴的價格，只要時間拉長，其內在價值的成長將能消化估值溢價，投資人心理壓力也較小。

針對「市場連續三年不認同是否該認錯」的經典難題，Vincent 認為若營運數字與指標均符合預期，應堅持己見，但需回頭檢驗是否有造假或未發現的結構性風險。他強調，市場共識常因投資人結構差異而產生偏差，例如機構因績效壓力被迫賣出，反而為長期投資者創造買點。

最終，投資人要達到 Alpha，關鍵在於找到自己具有資訊解讀優勢的小眾領域，而非在熱門股中與全市場拼刺刀。利用框架工具建立屬於自己的決策系統，並在每一次的錯誤中持續進化，才是長期致勝之道。

結論

本集從 AI 股災的市場恐慌出發，深入探討了政治風險對估值的衝擊，並透過對 Anthropic S1 的抽絲剝繭，揭示了前沿 AI 公司犧牲短期利潤換取技術領先的戰略本質。在與 Vincent 的對談中，我們釐清了 AI 價值鏈的利潤流向，以及面對高度不確定性時，投資人應如何藉由 ROIC 分析、關鍵轉折點判斷與長期優勢系統的建立，在泡沫與機會並存的 AI 時代中，找到屬於自己的認知 Alpha。