Chapter 18 · 投資分層 · Winners, Losers & The Control Group

贏家與輸家:
流動性退潮後,誰穿著泳褲

本報告一貫的主張是:這不會是全面毀滅,而是嚴厲的結構重構。這句話的分析含意非常具體——「看空 AI」是一個錯誤的表達,正確的表達是「看空基礎設施層的錯誤定價,看多效率層與應用層」。本章把這個判斷落到可以檢驗的層次:六個評分維度、二十個以上的標的與類別、以及每一層各自的風險來源。

SECTION 18.1評分模型

表 18-1:六個評分維度之定義與權重
維度權重高分(好)之意義低分(壞)之意義資料來源
循環曝險25%營收幾乎不依賴自己投資的客戶營收高度依賴內部交易與供應商融資第 03 章循環度評分
定價權20%能維持價格,或成本下降時能維持毛利價格由市場決定,且面臨結構性通縮第 07 章 API 價格曲線
資產可替代性15%資產可轉作他用、有二手市場資產專用、二手價值波動劇烈第 05 章
電力依賴15%電力成本占比低,或位於低電價地區電力占成本 60–70%,且位於高電價地區第 09、12 章
現金流緩衝15%自由現金流為正且穩定,負債低FCF 為負,依賴外部融資第 04 章
通縮受益度10%成本下降直接轉化為毛利或新需求成本下降導致價格競爭與收入下滑第 07、12 章

SECTION 18.2評分結果

表 18-2:主要標的與類別之評分與判定
標的 / 類別循環
曝險
定價
權
資產
替代
電力
依賴
現金
流
通縮
受益
加權
總分
判定
Oracle20353025102523清算風險
Neocloud(CoreWeave 等)1530202553020清算風險
Tier-2/3 模型實驗室20254030103024被收購/淘汰
API 套殼應用(Wrapper)60107070401545消失
Meta65554035307051爭議:開源生態掌控者
Amazon60505540355550中性偏弱
Nvidia30705580903558短期受創、長期份額流失
Alphabet65606040556058中性(自研 TPU 為緩衝)
Microsoft60706540706062中性偏防禦
Broadcom / AMD55606570754061ASIC 趨勢受益,但循環曝險
TSMC80857050756573純粹過路費收取者
電力/電網/核電資產95758590654580長期贏家
垂直 SaaS(專有數據)90808585709583最大之通縮受益者
Apple(控制組)100709090905084輕資產、買智能而非建智能
Tesla(控制組)100506560554568無 AI 資本循環曝險

表 18-2 之「加權總分」是模型在未四捨五入之維度分數上計算後取整;若以表內顯示的整數分數重算,最多可能相差約 1.5 分(例如 Tesla 68 對 66.5)。層次判定不受此差異影響,全表差異已列入 QA 檢核 [EST]。

SECTION 18.3四個層次的詳細論證

Oracle:槓桿化的基礎設施開發商,穿著軟體公司的衣服

致命組合:(一)資本支出/營收達 82.6%(2026),2027 年預估超過 100%;(二)自由現金流 −35.2%;(三)ROE 54% 建立在 ROA 8% 與約 6.8 倍權益乘數之上;(四)單一客戶集中(OpenAI);(五)$2,600 億未開工租賃未入表;(六)評級距垃圾級一階。
第 08 章已經記錄了市場的判決:Project Jupiter 貸款 89–91 美分、銀行被迫自留、CDS 創歷史新高。

Neocloud:結構性錯配的極致

致命組合:(一)利息支出超過 2025 年全年收入;(二)CDS 定價接近「擲硬幣」;(三)抵押品(GPU)的價值波動性大於租金的兩倍,而還款來源是租金;(四)貸款期限(12–36 個月)與會計耐用年限(5–6 年)錯配,若經濟年限為 2–3 年則抵押品在到期前蒸發;(五)客戶高度集中。
諷刺的是:同一家公司(CoreWeave)取得了穆迪 A3 的投資級評級。評級與市場定價的巨大分歧,本身就是最好的警訊。

Nvidia:這場遊戲的設計者,也是最大的單一曝險

輝達有極佳的現金流(FY2026 自由現金流約 $970 億)、75% 毛利率、無債務壓力。但它同時是:(一)循環度評分最高(68)的公司——持有約 $940 億客戶股權、提供 $1,050 億租賃擔保;(二)2026 年營收成長的 69% 來自集團內部;(三)中國市場份額由 40% 崩至 8%(第 13 章);(四)面臨 ASIC 的長期侵蝕。
判定:短期衝擊可控(現金流極強),但市場對其定價隱含的「長期成長永續」假設,是全部 Mag 7 中最脆弱的一個。

Meta:本報告最不確定的一個判定

原報告(8 頁版)認為 Meta 是長期贏家,因為它「掌控開源生態」。本報告部分同意,但必須加上三個但書:(一)Meta 不出售算力給第三方(沒有雲端業務),因此它的資本支出沒有直接的收入對應——這是它的曝險比雲端商更純粹的原因;(二)其自由現金流在兩季內由 $132 億降至 $17 億(−87%);(三)它同時延長了折舊年限($29 億減省)並提供 $280 億殘值擔保。
判定:Meta 的戰略位置(開源+二十億裝置的分發)確實是長期優勢,但它為此付出的財務代價在 2026–2028 年間會被完整定價。它是「對的公司,錯的時點」。

Microsoft:本報告認為的低調贏家

微軟是五家中唯一預期 2026 年自由現金流仍成長的公司,且是唯一同時擁有(一)雲端、(二)企業軟體訂閱、(三)持有 OpenAI 27% 股權(而非僅是供應商)的綜合體。關鍵在於它的「對沖」結構:若 AI 成功,Azure 與 Copilot 受益;若 AI 失敗,它的投資損失有限($130 億),而企業軟體基本盤不受影響。這使它在本報告的框架下成為基礎設施層中最接近防禦股的標的。

為什麼「通縮受益者」是本報告最偏好的類別

1999 年的歷史給出了最清楚的答案:光纖泡沫破裂後,最大的贏家不是電信公司,而是使用廉價頻寬的 Google、Amazon 與 Netflix。基礎設施的過度投資,對使用者是純粹的禮物。

2026 年的等價物是:「擁有海量專有數據,且能把極便宜的 AI 算力整合進既有工作流」的公司。它們的特徵是:(一)AI 是成本的下降而非收入的來源,因此價格戰對它們是純利多;(二)擁有非公開數據,這是模型公司無法複製的;(三)既有客戶關係與合規資格構成壁壘。
典型例子:金融資訊(Bloomberg 類)、資料分析與國防(Palantir 類)、醫療與法律之垂直軟體、以及各產業的既有系統整合商。

電力與電網資產同樣屬於這一類,但機制不同:它們受益於需求量的成長,而非價格的下降。而且它們的資產可替代性高(電力可以賣給任何人)、無循環曝險、且有管制資產的現金流穩定性。在本報告的四個情境中,這個類別在三個情境下都是贏家——這是全部標的中最高的情境覆蓋率。

Apple 與 Tesla:這場實驗的對照組

本報告在第 01 章的合併分析中做了一件重要的事:把 Apple 與 Tesla 放進 Mag 7,然後發現它們的循環交易曝險幾乎為零。Apple 甚至沒有出現在任何一組雙向對流中。

這使它們成為極有價值的控制組:如果市場對「Mag 7」的評價是建立在同一個 AI 敘事上的,那麼當這個敘事被拆解時,控制組與實驗組的價格行為應該出現分歧。本報告預期這種分歧會在 2027 年出現,而且它本身就是判斷「市場是否理解了循環交易問題」的最佳指標。

但 Apple 有一個必須指出的風險:它的策略是「買智能而不是建智能」——以授權方式取得模型能力,押注在二十億活躍裝置的分發優勢上。這個策略成立的前提是授權的模型品質足夠好,好到沒有人因此離開。若模型層的競爭導致品質分化,這個前提是 Apple 全部的風險所在。這正是輝達買下 Hugging Face($129 億)想要保護的同一件事:分發端的控制權。

SECTION 18.4中國標的的分層

表 18-3:中國相關標的之分層
類別判定理由主要風險
電力與綠電資產贏家詞元出海的直接受益者;一度電增值 22–785 倍;「算電協同」納入國家工程電價市場化改革;碳會計標準未統一
開源模型公司贏家(生態)
不確定(財務)
生態地位穩固;但 API 價格戰使其商業化路徑未明價格戰自我侵蝕;HBM 瓶頸限制擴張
國產芯片(華為、寒武紀)贏家(政策)出口管制創造的受保護市場;份額由 0 快速提升至接近 90%HBM 供應;軟體生態(CANN)成熟度
頭部雲端與互聯網公司中性偏弱同樣面臨由輕轉重(資本開支年增逾 80%),但融資對資本市場依賴度較低產能錯配(區位/世代/需求);減損風險
地方智算中心與國資平台輸家(長期低效)損失由財政吸收,不出現劇烈價格重定價,但資產長期低效利用率不足;需求由訓練轉向推論之錯配

SECTION 18.5分層的財務解剖:弱點落在哪一個維度

評分不是對股價方向的預測,而是對哪一種資產負債表機制會先斷裂的排序。把表 18-2 的十五個標的按判定歸為四層,就會看到一件事:分數的落差幾乎全部集中在「現金流緩衝」與「循環曝險」兩個維度——也就是「這家公司的錢從哪裡來」,以及「它的客戶是不是自己」。下圖把每一層在六個維度上的弱點(100 − 評分)攤開:顏色越紅,代表這一層在這個維度上越脆弱。本報告只做分類與排序,不提供任何權重。

最紅的一欄是輸家層的現金流緩衝(84)與通縮受益(75):它們既沒有能力用自己的現金支應資本支出,也不會從價格下跌中受益——價格下跌對它們是收入侵蝕。但這裡有一個必須誠實指出的例外:「通縮受益」是唯一出現明顯反轉的維度。它的順序是 75 → 45 → 50 → 40,中間兩層反轉 5 分(現金流緩衝那欄的 28 → 29 是同分並列,不是反轉);原因是電力與電網屬於「受益於需求成長」而非「受益於價格下降」,而 TSMC 與控制組的通縮受益度也只有 45–65 分。換句話說,「通縮受益」不足以單獨支撐本章最偏好的那個類別——真正支撐它的是「循環曝險 7」與「現金流 29」。這一點在第 18.7 節的反例中會再回來。

把弱點輪廓與融資結構放在一起看,四個層次的失敗機制並不相同,而且它們改變判定的條件也不相同。下表把這兩件事寫在一起,作為本章判斷的可檢驗版本。

表 18-4:四個層次的融資結構、壓力傳導機制與判定改變的條件
層次融資結構壓力下的傳導機制判定改變的條件(可觀察)
輸家層
Oracle・Neocloud・二線實驗室・API 套殼
以未來 Run-Rate 或不可撤銷合約為擔保的債務、GPU 抵押貸款與專案融資;貸款期限 12–36 個月,對應會計耐用年限 5–6 年租金(還款來源)與抵押品價值同時下跌 → 再融資窗口關閉 → 不可撤銷合約在流動性事件中失效 → 減損與違約① 專案貸款連續兩季成功再融資且利差收窄;② 二手 GPU 價格指數止跌;③ 單一客戶集中度降至 30% 以下
中性偏弱層
Meta・Amazon・Nvidia・Alphabet
以自有營運現金流為主,但資本支出強度快速上升;Nvidia 另有客戶股權與租賃擔保曝險折舊追趕 → 自由現金流壓縮 → 市場重新分類為「基礎設施」→ 倍數中樞下移(機制是重估,而非違約)① 自由現金流連續四季為正且成長;② 內部交易佔營收成長比重降至 20% 以下;③ 算力利用率維持 85% 以上
中性偏強層
Microsoft・Broadcom/AMD
訂閱制現金流,加上自研矽降低單位成本;槓桿明顯低於基礎設施層相對防禦:收入端受既有訂閱支撐,但資本支出仍受同一組物理瓶頸(電力、先進封裝)約束① ASIC 佔新增算力比重超過 30%;② 雲端成長率低於資本支出成長率;③ 企業 AI 預算被下修
贏家層
TSMC・電力與電網・垂直 SaaS・Apple・Tesla
管制型資產或輕資產;無循環曝險,融資不依賴單一客戶受益於需求成長(電力)或成本下降(SaaS 與控制組);主要風險是被過度定價,而不是基本面斷裂① 併網供給成長超過電力需求成長;② 開源模型取代專有數據的優勢;③ 控制組授權模型品質落後至影響裝置留存

SECTION 18.6分層的時程:重構不是一天發生的

贏家與輸家的分化不會同時發生。本報告將其分為三個階段,每一階段有不同的驅動機制,與不同的可觀察證據:

表 18-5:分層的三階段時程
階段時點驅動機制最先分化者最先可觀察到的證據
第一階段:信用分化2026Q4–2027Q2融資條件收緊;專案貸款定價與 neocloud 債券價格 divergingOracle 與 neocloud 最先被重新定價專案貸款二級報價走弱;neocloud 債券利差擴大
第二階段:獲利分化2027Q2–2028Q2折舊追趕效應顯現;資本支出撞上電力天花板;循環交易收斂Nvidia(營收成長減速)vs Microsoft(FCF 仍成長)Nvidia 營收成長減速,而 Microsoft 自由現金流仍成長
第三階段:估值分化2028–2030市場正式將產業重新分類為「基礎設施」;倍數永久下移;同時應用層受益於廉價算力垂直 SaaS、電力資產、控制組產業分類變更;倍數中樞永久下移

SECTION 18.7評分模型的限制與三個反例

限制一:評分是靜態的

本評分反映 2026 年 9 月的狀態。但公司的行為會改變:Meta 可能在 2027 年開始出售算力(它已成立雲端部門);Oracle 可能成功轉租部分產能;Nvidia 可能減少對客戶的投資。評分應被視為每季更新的快照,而非永久標籤。

反例一:為什麼 Nvidia 的分數不更低?

它的循環曝險是全部公司中最高之一,但它的現金流緩衝(90 分)與電力依賴(80 分)極佳,且不出售算力給終端客戶(因此不受詞元價格戰的直接攻擊)。

這是一個重要提醒:高循環曝險不等於高破產風險。輝達的問題是估值問題,不是生存問題。

反例二:為什麼 Apple 的分數不是最高?

Apple 在循環曝險、資產可替代性與電力依賴上都是滿分,但它不通縮受益(50 分)——因為它不建設、也不直接銷售算力,詞元價格下跌對它的成本結構影響有限,而它的模型授權成本是固定的。

它是「不受傷」,而不是「受益」。這兩者在投資上有重要差別。

反例三:2026 年下半年的三個新案例,為何不進表 18-2

(一)Akamai:以 $116 億/7 年的 Anthropic 算力合約,換出約 5% 股本的認股權證(387,051 股特別股、每股可轉 20 股普通股、履約價 $111.33)。這是自願的供應商融資,也是本報告最想提醒的模式;但 Akamai 自由現金流為正、負債可控、資產可多用,依六個維度估算約 47 分,落在「有壓力但不會清算」的區間——放進任何一層都會誤導。它是分數之外的案例:機制正確、結論不同。(二)Anysphere/Cursor:2026 年 8 月由 SpaceXAI 以 $600 億全股票收購;它是應用層的效率受益者,但已成為收購標的,屬「退出事件」而非可持續的評分對象。(三)Scale AI:2025 年 6 月 Meta 以 $143 億取得 49%。三者皆已列入第 03 章總帳明細,但不納入表 18-2——為了完整性而擴表,只會稀釋評分的判別力。

還有一個來自外部的反重量(2026 年 10 月 12 日):一份研究筆記把供應鏈合併成一家公司後建模「三重打擊」,對台積電同樣給出約 −69% 的股權回撤(第 17.8 節)。這不推翻表 18-2——台積電 73 分的含義是「結構曝險低、資產負債表是堡壘」,不是「對倍數壓縮免疫」。偏好區回答的是「誰最可能撐過週期」,不是「誰不會下跌」;第 18.6 節的時程參數說的正是同一件事:撐過去,不等於先跌七成。

SECTION 18.8採用者勝過供應者:外部框架對照

2026 年 9 月,David Einhorn(Greenlight Capital)提出了一個與本章分層邏輯互補、入手點卻完全相反的看法:他不買 AI 的供應方(硬體、雲端與模型層),理由是這些標的「已經被挑過了」而且不便宜;他買的是AI 的採用方——那些背著大量文件、資料與人力行政負擔、而 AI 能直接壓縮其營業費用的傳統產業公司。

18.8.1 價值捕獲的歸屬:為什麼是用戶贏

這個判斷的機制值得寫清楚,因為它剛好是本章「重資產化 → 超額報酬被競爭侵蝕」的另一面。Einhorn 的論證是三段:(一)轉換成本低——如果十家供應商能提供大致相同的生產力提升,企業客戶隨時可以換人;(二)網路效應不存在——單一使用者的提示與回應,不會因為其他人也在使用同一個模型而變得更有價值,這與 Facebook 或 Windows 的機制相反;(三)邊際成本不為零——每一次推論都要實際消耗 GPU、HBM 與電力,所以「寫一次、賣無限次」的軟體規模經濟並不成立。三者合起來的結果是:供應方難以維持壟斷性定價,而生產力提升所產生的經濟剩餘,會流向採用方。

這與本報告第 18.3 節的結論方向一致(本報告看多應用層與效率層),差別在於 Einhorn 把「誰是最終受益者」推到更下游:不只是 AI 應用層,而是任何一個能靠 AI 削減自身營業費用的傳統產業公司。

18.8.2 三層篩選條件

他把這個想法寫成可操作的條件,分三層:(一)質性——公司目前被大量行政、合規與文件流程拖住,且 AI 有明確可立即自動化的環節;(二)客觀——必須「就算 AI 沒發生也願意持有」,也就是不能為 AI 題材付溢價,AI 是免費的買權而非必要條件;(三)量化——以高行政費用占比搭配低資本密集度,找出「AI 槓桿」最大的公司。

表 18-6:AI 採用方之量化篩選指標(外部框架整理;門檻為該分析所提出之參考值 [EST])
指標定義參考門檻為何與 AI 槓桿有關
行政費用占比SG&A ÷ 營收> 25%後台與行政成本占比高,自動化可壓縮的空間最大
資本密集度資本支出 ÷ 營收< 4%輕資產,AI 省下的成本可直接轉為自由現金流
每位員工營收營收 ÷ 全職員工數低於同業中位數人力密集、流程重複性高
勞動強度指數人工成本 ÷ 營業費用> 50%費用直接暴露於薪資通膨與自動化替代
效率比率(金融業)非利息費用 ÷(淨利息+非利息收入)> 60%後台、KYC/AML 與放款流程的行政負擔
費用率(保險業)承保費用 ÷ 簽單淨保費> 28%人工核保與理賠處理的可自動化比例
貨運經紀淨營業比率營業費用 ÷ 毛利> 75%以人力媒合貨運配對的人工流程
管理式醫療行政邊際100% − 醫療損失率(MLR)15%–20%理賠與事前授權的行政成本可直接被壓縮

依 Einhorn 的框架,真正符合條件的公司必須同時滿足高行政費用、低資本密集度、低估值三個條件——他稱之為「無論如何都願意持有」的標的。本報告提醒:這是一套選股框架,不是對個別公司的評價;本章第 18.1–18.7 節的自建評分模型與此互為獨立方法,兩者結論方向一致時才值得提高信心。

18.8.3 模型層的租金在輪動

如果 Einhorn 的推論正確——供應方拿不到超額報酬——那麼模型層內部應該看到什麼?答案應該是:租金在同一層裡快速換手,而且沒有哪一家能把它固定下來。2023 到 2025 年的企業 LLM 採購份額正是這個形狀:OpenAI 由 50% 降到 27%,Anthropic 由 12% 升到 40%,Google 由 7% 升到 21%,Meta 由 16% 降到 8%。中間那一年(2024)是關鍵:Anthropic 24%、OpenAI 34%,交叉就發生在 2024 與 2025 之間,而那一年的企業採購預算還沒有開始被削。

兩個推論。其一,份額的移動幅度(OpenAI 掉了 23 個百分點、Anthropic 補上 28 個)遠大於整層利潤池的變動——這正是「層內競爭」的定義:不是把餅做大,是把別人的餅拿走。其二,換手的方向跟著「誰先把某個工作流吃下來」走:Anthropic 贏在 coding 與 agent,Google 贏在既有雲端綁約,Meta 的開源路線在企業採購裡反而變成扣分項。這張圖每 18 個月就得重畫一次,本身就是第 07 章「模型層沒有護城河」的量化版本。

樣本為企業 LLM 採購調查,不含中國市場與自建/自架部署;OpenRouter 的詞元份額(第 11.8 節)走的是另一條路徑,兩者不可互換。2024 年原圖未標數字,本圖以軸線校準自標記位置數位化(誤差約 ±1 個百分點),2023 與 2025 為原圖標示值。

  1. 評分為本報告依六個維度之定性與定量資訊編製,非市場共識評級。[EST]
  2. Oracle / neocloud:見第 04、06、08 章之數據。
  3. Nvidia:循環度 68、持有客戶股權約 $940 億、租賃擔保 $1,050 億、2026 年營收成長 69% 來自集團內部(第 01、02、03 章);FY2026 自由現金流約 $970 億。
  4. Meta:不出售算力給第三方;FCF 由 2026Q1 之 $132 億降至 Q2 之 $17 億;延長折舊年限認列 $29 億減省;殘值擔保最高約 $280 億。
  5. 1999 年歷史對照:光纖泡沫後之最大贏家為使用廉價頻寬之應用層公司(第 15 章)。
  6. 本頁之配置建議為概念性示意,不構成投資建議。
  7. 採用者框架整理自 David Einhorn 訪談摘要(YouTube,2026 年 9 月,qgAptlW97n0)及其後的延伸篩選分析;表 18-6 之指標為標準財務比率,門檻為該分析提出之參考值 [EST]。本報告未採用其中任何個股建議。
  8. 企業 LLM 採購份額:2023 與 2025 年之調查值(OpenAI 50%→27%、Anthropic 12%→40%、Google 7%→21%、Meta 16%→8%),經 Alberto Romero(2026/10/07)整理;原圖含 2024 年中間值,本報告只取端點。樣本不含中國市場與自建部署。