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
| 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
| 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 |
|---|---|---|---|---|---|---|---|---|
| Oracle | 20 | 35 | 30 | 25 | 10 | 25 | 23 | 清算風險 |
| Neocloud(CoreWeave 等) | 15 | 30 | 20 | 25 | 5 | 30 | 20 | 清算風險 |
| Tier-2/3 模型實驗室 | 20 | 25 | 40 | 30 | 10 | 30 | 24 | 被收購/淘汰 |
| API 套殼應用(Wrapper) | 60 | 10 | 70 | 70 | 40 | 15 | 45 | 消失 |
| Meta | 65 | 55 | 40 | 35 | 30 | 70 | 51 | 爭議:開源生態掌控者 |
| Amazon | 60 | 50 | 55 | 40 | 35 | 55 | 50 | 中性偏弱 |
| Nvidia | 30 | 70 | 55 | 80 | 90 | 35 | 58 | 短期受創、長期份額流失 |
| Alphabet | 65 | 60 | 60 | 40 | 55 | 60 | 58 | 中性(自研 TPU 為緩衝) |
| Microsoft | 60 | 70 | 65 | 40 | 70 | 60 | 62 | 中性偏防禦 |
| Broadcom / AMD | 55 | 60 | 65 | 70 | 75 | 40 | 61 | ASIC 趨勢受益,但循環曝險 |
| TSMC | 80 | 85 | 70 | 50 | 75 | 65 | 73 | 純粹過路費收取者 |
| 電力/電網/核電資產 | 95 | 75 | 85 | 90 | 65 | 45 | 80 | 長期贏家 |
| 垂直 SaaS(專有數據) | 90 | 80 | 85 | 85 | 70 | 95 | 83 | 最大之通縮受益者 |
| Apple(控制組) | 100 | 70 | 90 | 90 | 90 | 50 | 84 | 輕資產、買智能而非建智能 |
| Tesla(控制組) | 100 | 50 | 65 | 60 | 55 | 45 | 68 | 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
| 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。
| 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 |
本報告不是建議你賣掉所有 AI 相關持股,也不提供任何權重。本報告主張的是:把「誰在建設」與「誰在使用」分開,把「誰在承擔資本支出」與「誰在享受成本下降」分開,把「誰的收入是自己給的」與「誰的收入是別人給的」分開。
這三個分開,就是這份報告全部 23 章的分析含意。技術會留下,估值會走。
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:
| 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 diverging | Oracle 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。
(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。
請不要把這張表當成選股清單。它是一個思考架構的量化表達:把「誰的收入是自己給的」、「誰的成本正在被推高」、「誰的產品正在變便宜」這三個問題,套用到每一個標的上。
如果你的判斷與本報告不同,請先確認分歧來自「事實認定」還是「權重設定」——前者可以查證,後者可以討論。這正是這套模型最大的價值。
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。
| 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。
- 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]
- Oracle / neocloud:見第 04、06、08 章之數據。
- 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。
- 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。
- 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)。
- 本頁之配置建議為概念性示意,不構成投資建議。
- 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。
- 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。