Sinfield wrote:
tonybo...(恕刪)
個人推論後期Google 跟apple 應該聯合卷死市場
話說這次google 的更新算有感了
之前的表現真的很糟糕
但整體而言還是比不上open ai
如果以理組文組來比喻
Open ai比較偏文組，懂人話
Google 比較理組，講邏輯
個人積分：3782分
文章編號：92454744
個人積分：15193分
文章編號：92455275
Sinfield wrote:
tonybo...(恕刪)
轉貼
——-
前有虎，後有狼，OpenAI 心慌慌
Sam Altman 內部備忘錄流出，該備忘錄指出，OpenAI 執行長 Sam Altman 私下跟員工說，公司現在正面臨「艱困局面」和「財政困境」，而且在跟 Google 的競爭上，已經完全落後了。
Altman 在備忘錄裡直接稱讚：「Google 最近在各個方面都做得非常好，尤其是在預訓練模型這塊」。各種測試也看得出來，Google 的 Gemini 3 Pro 在推理和寫程式上，已經完全輾壓 OpenAI 的 GPT-5.1，OpenAI 的護城河已經完全被填平了。
記不記得 Bard 剛出來時在發佈會上直接答錯「向八歲小孩解釋登月」的糗爺樣？還記不記得大家說 OpenAI 即將取代 Google 搜尋引擎的言論？一切都好像沒發生過。
更驚人的是財務預期。
悲觀地說，OpenAI 到 2026 年的營收成長可能只剩 5–10%，對比 2025 年還是三位數成長、收入達到 130 億美元(但是也不夠花)，這幾乎是踩煞車。同時，外界預估 OpenAI 到 2028 年可能出現高達 740 億美元的營運虧損，投資人能不能繼續買單，變成一個大問號。
備忘錄裡也提到，很多企業的 GenAI 專案卡在「試點 → 正式上線」這一段。某些大客戶因為成本、效益與算力限制在猶豫，有報告指出，高達 95% 的企業 AI 試點最後沒有真正實踐踐，變成昂貴的「閒置工具」如果企業實際用不起來、用不深，那背後龐大的算力投資就很難回本。
相反的，Anthropic 在企業內的表現是有目共睹，Claude 成為企業內部模型的首選，我在另一篇貼文中也說到 Anthropic 極可能是第一個實現獲利的 AI 頂部大廠。
然而很多人還是不想下車。OpenAI 內部還是堅持「算力為王」的路線，寧可怕算力不夠，也不怕算力太多用不完。總裁 Greg Brockman 此前曾表示：「我更擔心的是我們因為計算能力不足而失敗，而不是因為計算能力過強而失敗」。但現在的現實是，基礎設施燒錢燒很兇，企業導入卻沒有同樣速度成長，摩根士丹利的 Lisa Shallet 等分析師的警告也表達了類似的觀點，「超大規模資料中心及相關的資本支出增長了四倍，每年接近 4000 億美元」，但收入回報卻沒有相應增長。這中間的落差，就是 OpenAI 現在面對的生存壓力。
Altman 在備忘錄最後也坦承，OpenAI 雖然估值驚人，但「我們知道還有很多工作要做，只是我們正在努力追上去」。看到這裡，我自己最大的感想是，AI 從「神話期」走到「現實期」的速度，比大家想像中快很多。不管是 OpenAI 還是 Google、Anthropic，接下來真正能活得好的，應該是那些真的幫企業省到錢、賺到錢、提升效率的應用，而 Google 成功的絕對不會是單靠 Gemini 3.0 pro，生態系紅利將會是永遠花不完的提款機。
個人積分：1598分
文章編號：92461294
個人積分：1598分
文章編號：92462130
個人積分：1598分
文章編號：92462192
Cisco 花了 25 年才回到高點，Nvidia 會重蹈覆轍嗎？
思科 Cisco 的股價即將回到 2000 年 3 月的 80 元高點。
聽起來很勵志？但這花了整整 25 年。
更諷刺的是，即使 Cisco 的營收從 2000 年的 $19 billion 成長到 2025 年的 $57 billion（成長 201%），但它現在的市值只有當年高點 5,792 億美元的 52%。
為什麼？因為當年的本益比是 220 倍，現在"只"剩 30 倍。
這個故事，對現在的 Nvidia 投資人來說，特別值得警惕。
---
#2000年的Cisco：網路時代的鏟子
2000 年的 Cisco 是什麼地位？
它生產的網路設備（路由器、交換機）是當時網路時代必備的基礎設施。就像現在 Nvidia 的 GPU 是 AI 時代的基礎設施一樣。
當時 Cisco 的表現有多亮眼？
- 1998-2000 年營收成長率：31% → 43% → 55%
- 產品毛利率高達 65%
- 2000 年 3 月，市值達到 5,792 億美元，短暫成為市值最大公司
- 本益比 220 倍
媒體、分析師、投資人都瘋狂看好。有分析師甚至說：「Cisco 可能成為全球第一家市值破兆美元的公司。」
但就在 2000 年 3 月股價創下 $80 歷史高點後，一切都變了。
---
##崩盤的真相庫存失控
Cisco 股價在 2000 年這一年下跌超過 50%。
但在這一年它的營收成長率還高達 55%！
為什麼業績這麼好，股價卻崩盤？
答案在 2001 年揭曉：
營收成長率驟降到 18%，更嚴重的是，庫存完全失控。
看看這組數據：
- 1999 年：營收成長率 43% → 存貨增加 80%
- 2000 年：營收成長率 55% → 存貨增加 89%
- 2001 年：營收成長率 18% → 存貨增加 37%
存貨增速遠超營收增速。
從存貨周轉率也可以看出問題的嚴重性：
- 1998 年：9.47 次
- 1999 年：8.35 次
- 2000 年：7.14 次
- 2001 年：7.70 次
- 2002 年：5.38 次
存貨周轉率從 1998 年的 9.47 次，
一路下滑到 2002 年的 5.38 次，
代表商品銷售的速度越來越慢。
為什麼會這樣？
因為當時市場需求熱絡，Cisco 的生產時程又長，
下游客戶擔心缺貨，開始重複訂購。
但 Cisco 沒有察覺這種狀況，誤判需求，持續擴大生產。
結果到了 2001 年，千禧蟲危機過後，企業投資大幅縮水，需求驟降，Cisco 手上堆滿了賣不出去的庫存。
最後的結果：
- 打消 $22 億美元的庫存
- 裁員 18%
- 毛利率從 65% 跌到 49%
- 上市 11 年來首度虧損
股價在 2001 年再跌 47%。兩年內，Cisco 股價只剩高點的 20%。
---
#Nvidia2025相似的擔憂
現在的 Nvidia，也開始出現類似的質疑聲音。
最近市場關注的焦點是：應收帳款與存貨數據的變化。
不過從實際數據來看，雖然絕對數據是大幅上升了
但比率並沒有嚴重惡化，甚至還略為改善
應收帳款周轉率（從 DSO 推算）
- 2021 年：6.86 次
- 2022 年：5.78 次
- 2023 年：7.05 次
- 2024 年：6.09 次
- 2025 年：5.66 次
趨勢：下降。這可能代表客戶付款放緩或延遲。
存貨周轉率
- 2021 年：4.48 次
- 2022 年：4.53 次
- 2023 年：2.99 次
- 2024 年：3.18 次
- 2025 年：4.25 次
趨勢：2024-2025 明顯改善。
這些數據到底代表什麼？Nvidia 會不會重蹈 Cisco 覆轍？
---
#Nvidia不是Cisco
先說好消息。Nvidia 和當年的 Cisco 有幾個重要差異：
差異 1：估值合理很多
- Cisco 2000 年：本益比 220 倍
- Nvidia 2025 年：本益比 44 倍
Nvidia 的本益比只有 Cisco 的 1/5。
但說實話，44 倍仍不便宜，
但遠沒有到當年 Cisco 網路泡沫瘋狂的程度。
差異 2：存貨控制改善中
- Cisco 1999-2000 年：存貨周轉率 8.35 → 7.14（惡化）
- Nvidia 2023-2025 年：存貨周轉率 2.99 → 4.25（改善）
Nvidia 的存貨管理正在好轉，不像 Cisco 當年開始惡化。
差異 3：護城河更深
- Cisco：網路設備後來大宗商品化，競爭者湧入
- Nvidia：CUDA 生態系統建立了強大的護城河
---
#競爭格局正在改變
雖然 Nvidia 不是 Cisco，但也不是完全高枕無憂。
最大的風險是：競爭格局正在改變。
當年 Cisco 的困境是「網路設備大宗商品化」，
現在 Nvidia 面臨的是「科技巨頭開始自研晶片」。
從「買鏟子」到「自己造鏟子」
- Google：自研 TPU，Gemini 表現亮眼，不再完全依賴 Nvidia
- OpenAI + Nvidia 體系：相對表現較弱，反而凸顯 Google 自研晶片的優勢
- Grok (xAI)：特斯拉已經自行研發 AI 晶片
- Meta：早已投入自研 AI 晶片
- Amazon (AWS)：推出 Trainium 和 Inferentia 晶片
- Microsoft：傳出與 AMD 合作開發 AI 晶片
為什麼大家都想自己做？
1. Nvidia 毛利率太高（約 70-80%）
2. 市佔率太高（AI 晶片市場 80%+）
3. 高毛利 + 高市佔 = 肥美的市場
4. 這些公司需要更客制化，更符合自己需求的產品
就像當年 Apple 脫離了 Intel，自研 M 系列晶片。
現在科技巨頭不想被 Nvidia 綁架，紛紛自研 AI 晶片。
Nvidia 的成功，正在吸引所有人來搶食這塊大餅。
短期來看，雲端巨頭仍需大量採購 Nvidia GPU（因為需求太大，且 GPU 更具泛用性）。
但中長期來看，一旦自研晶片成熟，Nvidia 的市佔率可能下降，毛利率可能被壓縮。
這正是當年 Cisco 走過的路。
---
## 投資啟示：估值永遠重要
Cisco 的故事告訴我們一個殘酷的真相：
即使基本面持續成長，高估值也會讓你套牢 25 年。
那麼，Nvidia 會重蹈覆轍嗎？
我認為 Nvidia 不是 Cisco，但也不是完全沒風險。
關鍵在於：密切關注應收帳款、存貨、營收成長率的變化。
如果這些指標開始惡化（就像 Cisco 2000-2001 年那樣），
那就是警訊。
但更重要的是，不要盲目相信「這次不一樣」。
而且，一家好公司不等於一筆好投資。
最後關鍵還是在於價格。
---
數據來源
- Cisco 歷史數據：多篇財經媒體報導與分析
- Nvidia 財務數據：公司財報與市場分析
- 存貨與應收帳款周轉率：根據公開財報計算
---
Nvidia 會是下一個 Cisco 嗎？還是這次真的不一樣？
個人積分：522分
文章編號：92462220
個人積分：1598分
文章編號：92462456
============================
Meta傳出正洽談支出數十億美元採購Google研發的AI晶片，也就是專為AI推論打造的「張量處理器」（TPU），消息激勵Google母公司Alphabet股價在周一（24日）盤後交易大漲超過3%，輝達（Nvidia）則一度下跌2.7%
根據科技新聞網站「The Information」引述一位知情人士說法報導，Meta正在洽談2027年在旗下資料中心使用這些名為TPU的晶片。此外，Meta明年可能會向Google的雲端部門租用晶片。
若達成協議，可望幫助Google的TPU成為輝達AI晶片的替代選項，而Meta目前使用的是輝達的GPU（繪圖處理器）。不久前，Google已與另一家AI模型業者Anthropic達成協議，將提供多達100萬顆TPU。
The Information報導指出，這項業務也可能大幅推升Google的營收。根據一位聽到市場傳言的消息人士透露，Google Cloud部門的一些主管曾表示，這項業務可能讓公司搶下輝達年營收的10%。依照輝達營收規模計算，這代表Google每年可增加數十億美元營收。
Google吸引客戶採用TPU的方式之一，是強調它們比昂貴的輝達晶片便宜。輝達晶片的高價，使得像甲骨文（Oracle）等其他雲端服務供應商面臨高成本，難以靠出租輝達晶片的算力，產生良好的毛利率。
不過，目前輝達仍在AI加速器市場中占據主導地位，而且可能會想辦法阻止Google擴大在AI晶片市場的企圖。輝達的霸主地位也推升其收入與現金流，讓它能進一步投資於OpenAI和Anthropic等客戶。
Google和Meta的代表並未立即回應置評請求。
消息出爐後，Alphabet股價在周一盤後大漲3.3%，報每股329.10美元，延續收盤時上漲高達6.28%的漲勢；輝達則一度重挫2.7%至177.71美元。
個人積分：15193分
文章編號：92462892
個人積分：15193分
文章編號：92463695
Google 的突破不是 GPU 的終點，而是算力需求新一輪爆發的起點。
每當 Google 發表新一代 TPU 晶片，市場總會響起一樣的聲音：TPU 能訓練出更強大的模型、更便宜、更省電，輝達（NVIDIA）似乎離「吃鱉」不遠。這種論調在過去幾週再次出現，特別是當 Google 展示自家模型 Gemini 3.0 Pro 的強大時，許多人急著宣告 GPU 時代結束。
但實際情況可能正好相反。Google 的領先不但沒有削弱輝達的地位，反而在結構上成為輝達的大利多。原因不在晶片，而在於這場競賽本身再次證明：「Scaling Law」仍然有效。
■ Scaling Law 的續命，是輝達最好的消息
Google 在最新一代模型中證明，只要增加訓練規模，模型效能依然能持續提升。這代表「投入更多算力就能產生更好 AI」的邏輯仍成立。這一發現的意義遠超技術層面 - 它重新啟動了整個市場對算力的信心。
一旦 Scaling Law 被驗證，所有想追上 Google 的科技巨頭都別無選擇，只能加碼算力投入。微軟、亞馬遜、Meta、Anthropic、OpenAI 等公司沒有 Google 那樣成熟的自研晶片與垂直整合能力，唯有依靠輝達的 GPU 才能快速擴張訓練與推論能力。
換言之，Google 的技術突破不會削弱 GPU 市場，反而會刺激整體 GPU 採購。輝達賣的不只是晶片，而是算力擴張的「通用通道」- 只要產業還相信規模帶來優勢，輝達的需求就不會減少。
■ 外界誤解了 TPU 與 GPU 的效率比較
外界對 TPU 與 GPU 的比較，經常停留在單顆晶片的價格與功耗上。這樣的比較方式忽略了 AI 系統的本質：最終衡量單位不是瓦數，也不是美元，而是「每單位電力能產出的 token 數」——也就是生產效率。
從單顆晶片的理論數據來看，Google 的 TPU v6e 在 FP16 精度下提供 926 TFLOPS 的算力，而輝達的 GB200 約為 5000 TFLOPS。若只看每瓦效能（每瓦 TFLOPS），TPU 以 2.64 優於 GPU 的 1.85，效率高出約 42%。表面上，TPU 看似更效率更高更划算。
但這種比較忽略了實際應用的精度設定。FP16 已非主要推論模式，市場真正的主流是更低精度的 FP4 或 FP8。輝達的 GPU 可支援到 FP4，而 TPU 目前僅支援至 FP8 或 INT8。這一差異在推論效率上產生了反轉：在相同耗電下，輝達系統能產出約 40% 更多的 token。
也就是說，若以「AI 工廠」的角度衡量 - 每單位電力所能生成的輸出量，GPU 的系統效率並不輸 TPU。當整個產線以「token 產出」為核心指標時，輝達的整體性價比反而更高。
■ 資料中心的現實：空間、能耗與收益的經濟平衡
若將比較範圍從單顆晶片擴展到資料中心層級，輝達的優勢更為明顯。GPU 的運算密度更高，在同樣空間內能塞進更多算力，對租金與冷卻成本昂貴的雲端機房而言，這是關鍵的經濟因素。
假設一個資料中心擁有 100 個機櫃，若全部配置 TPU v6，在 FP16 精度下可達一定算力輸出；但若改裝成輝達 GB200，在相同空間與精度下，能產出約三倍的 token 數量，耗電則增加約四倍。然而，GB200 還能降低精度至 FP4，這讓 token 產出進一步提升至六倍，而耗電仍維持四倍水準。
結果是：在同一單位耗電條件下，使用輝達 GPU 的資料中心能比 TPU 機房多產出約 50% 的 token。
更重要的是，AI 推論的 token 銷售是「正毛利」的業務。每多消耗一倍電力，就意味著多創造一倍收入與更高的邊際獲利。從經濟效率的角度看，空間與能耗的限制下，填滿輝達 GPU 的資料中心，仍是更高報酬的投資組合。
■ GPU 雖貴，但整體性價比不低
的確，GPU 單價更高、耗電更多，但若以系統運行效率與產出計算，整體「每 token 成本」並不比 TPU 差。更重要的是，GPU 的通用性與軟體生態 - CUDA、TensorRT、以及龐大的開發者工具鏈，讓它在非 Google 的世界中，仍是不可取代的基礎設施。
TPU 是為特定架構與內部工作流程最佳化的封閉系統；而 GPU 是所有其他雲端供應商與模型公司的開放平台。這種「可擴展性與通用性」才是 GPU 的真正價值來源。當 AI 生產活動從單一公司內部實驗室擴散到全球雲端市場時，輝達仍然是唯一能即時擴充的算力供應者。
■ Google 的進展不是輝達的危機，而是市場的強心針
每一次有公司展示更高效的模型訓練，都會觸發市場對「AI 繼續擴張」的信心循環。Google 這次的成功，不是 GPU 的終章，而是下一輪算力投資的開場。
對輝達而言，這意味著更多的 GPU 將被部署在全球資料中心，用來支撐所有追趕者的野心。AI 產業最終不會變成「誰的晶片最省電」的比賽，而會是「誰能最有效率地擴張算力」的比賽。
而在這場比賽中，輝達依舊是唯一能讓整個產業「即刻放大」的基礎設施提供者。
個人積分：4887分
文章編號：92464966
