學習筆記：台積電漲停板，為什麼市場又開始樂觀了？這次是真的嗎？

TL;DR

市場對 AI 前景的樂觀情緒，推動了台積電等相關公司的股價上漲，然而 OpenAI 等 AI 龍頭公司面臨巨大的營運成本與盈利挑戰，其廣告收入預期能否實現仍待觀察。

快速結論

• AI 發展推動市場樂觀情緒： 近期市場出現對 AI 的樂觀情緒，反映在台積電、韓國股市的漲停或創單日新高表現，這與 AI 科技的持續投入和潛在的獲利前景有關。
• OpenAI 面臨嚴峻的成本與盈利挑戰： OpenAI 預計在 2030 年光靠廣告收入達到 1000 億美元的目標，但其營運成本極高，例如 2020 年預計花費 500 億美元購買算力，是同年全年營收的近 4 倍。即使有付費企業用戶，但成功看到財務回報的比例不高，且消費者免費用戶佔比極大。
• 開放模型興起，挑戰 OpenAI 的商業模式： 隨著 OpenAI 的部分模型開始降價，以及 Microsoft 等合作夥伴尋求成本更低的開放模型選項（如 DeepSeek），OpenAI 的高價封閉模型模式面臨挑戰。黃仁勳等業界領袖支持開放模型，認為這能促進創新和競爭力。
• AI 巨頭的資金鏈與風險： Oracle 和 NVIDIA 等公司對 OpenAI 的巨額融資和訂單承諾，顯示了 AI 產業的資金鏈緊密，但也伴隨著風險。Oracle 因過度集中於 OpenAI 的訂單而面臨信評下調，NVIDIA 則為 OpenAI 資料中心和晶片採購提供融資，承擔潛在損失。

這支影片在說什麼

這支影片探討了近期市場對 AI 行業的樂觀情緒，以及推動這波樂觀情緒背後的原因。影片聚焦於 OpenAI 的商業模式、其面臨的成本與盈利挑戰，以及開放模型對其市場地位的影響。同時，也分析了 NVIDIA、Oracle 等關鍵 AI 產業鏈公司的資金流動與風險。影片適合關心 AI 產業發展、投資市場動態以及科技公司商業模式的觀眾。

最重要的 3-5 個重點

1. AI 產業景氣與市場信心： 市場出現對 AI 的樂觀情緒，導致台積電漲停、韓國股市創單日新高，這反映了對 AI 科技未來發展的預期。
2. OpenAI 的高成本與盈利困境： OpenAI 的營運成本極高，特別是算力與晶片成本，遠超其營收，即使擁有大量免費用戶，獲利模式仍需依賴企業用戶和預期的廣告收入，但後者目標雄心勃勃且挑戰重重。
3. 開放模型崛起，分散 AI 模型市場： 以 NVIDIA、Meta 為首的公司支持開放模型，這提供了成本更低的選擇，並可能削弱 OpenAI 等封閉模型提供者的市場主導地位。
4. AI 產業鏈的資金風險與相互依存： NVIDIA 和 Oracle 等公司對 OpenAI 提供巨額資金和融資擔保，雖然能促進 AI 發展，但也將自身暴露於 OpenAI 潛在的財務風險之下。
5. OpenAI 的廣告收入預期與實現難度： OpenAI 預計 2030 年廣告收入達 1000 億美元，但目前廣告業務仍處於早期測試階段，面臨用戶接受度、廣告商出價、以及如何平衡廣告與用戶信任等挑戰。

知識架構

• 市場樂觀情緒的來源
  • AI 科技的潛在價值
  • 相關公司股價表現（台積電、韓國股市）
• OpenAI 的商業模式與挑戰
  • 高昂的營運成本：
    • 算力與晶片採購
    • 資料中心、電力成本
  • 收入來源與困境：
    • 消費者免費用戶
    • 訂閱制（Plus, Pro, Business, Enterprise, 教育）
    • 企業用戶（營收佔比逐年提升，但財務回報比例不高）
    • 預期的廣告收入（2030 年目標 1000 億美元）
  • 挑戰：
    • 收費模式的天花板
    • 廣告模式的不可行性與風險
• 開放模型與封閉模型的對比
  • **封閉模型 (

OpenAI, Anthropic)：** * 官方平台或 API 提供 * 用戶需透過介面使用 * 按訂閱或使用量收費 * 模型儲存於雲端 * 開放模型 (Meta, DeepSeek)： * 可下載至企業伺服器 * 資料機密性更高 * 無 API 費用限制

• AI 產業鏈的資金流動與風險
  • Oracle：
    • 與 OpenAI 簽署巨額合約（3000 億美元）
    • 面臨信評下調風險
    • 要求客戶預付款或提供硬體
  • NVIDIA：
    • 為 OpenAI 資料中心提供融資
    • 為 OpenAI 晶片採購提供融資
    • 擔憂循環融資風險
• 各公司對 AI 模型的不同策略
  • NVIDIA： 軟體、伺服器、GPU 銷售
  • Meta： 廣告收入（改善推薦、排序、互動）
  • Microsoft： 整合 Copilot，推動 Azure 平台與高價軟體方案
  • Amazon (AWS)： 提供雲端服務與各家模型
  • Google： 整合 Gemini 於搜尋，鞏固搜尋廣告業務
  • Elon Musk (Starlink)： AI 模型帶動其他業務收入
• OpenAI 的廣告前景分析
  • 潛在用戶規模（9.4 億活躍用戶，目標 27.5 億）
  • 廣告商出價問題
  • 廣告限制（未成年、心理相關內容）
  • 廣告與用戶信任的平衡

關鍵概念

• 自由現金流 (Free Cash Flow): 指公司在支付了營運費用和資本支出後剩餘的現金。
• 資本支出 (Capital Expenditure, CAPEX): 公司用於購買、升級或維護其有形資產（如廠房、設備）的資金。
• 算力 (Computing Power): 指電腦系統處理資訊的能力，在 AI 領域尤其重要，與 GPU 相關。
• 開放全種模型 (Open-source Models): 模型架構和程式碼公開，允許任何人自由使用、修改和分發的模型。
• 封閉模型 (Closed Models): 模型架構和程式碼不公開，通常由公司透過 API 或平台提供服務，並收取費用。
• 循環融資 (Circular Financing): 一種風險較高的融資模式，其中供應商先投資或擔保客戶的運營，然後客戶再向該供應商購買產品或服務，形成一個資金閉環。
• API (Application Programming Interface): 允許不同軟體應用程式之間進行互動和溝通的介面。

重要例子與細節

• 台積電漲停板： 代表市場對 AI 相關產業鏈的強勁需求和信心。
• OpenAI 2020 年預計花費 500 億美元購買算力： 相當於其當年全年營收的近 4 倍，顯示其龐大的成本結構。
• Google 搜尋引擎 vs. ChatGPT： 雖然兩者都有免費使用模式，但後者每次免費對話的成本（晶片、電力）極高。
• IBM 2025 年調查： 僅 25% 的 AI 專案達到預期投資回報，16% 成功擴展到整個公司，顯示企業導入 AI 的實際挑戰。
• Coinbase 執行長 Brian Armstrong 的觀點： 將文書、簡單任務交給便宜的開放模型，複雜任務才用高價封閉模型。
• Microsoft 考慮將 DeepSeek 加入 Copilot： 表明連主要合作夥伴也在尋求成本更低的 AI 模型選項。
• OpenAI 預計 2030 年廣告收入達 1000 億美元： 相較於測試初期 1 億

美元年化收入，需要成長 40 倍。

• OpenAI 廣告模式的限制： 廣告商無法修改或影響 GPT 的答案，且非所有流量都能投放廣告（例如未成年、心理相關主題）。
• Oracle 與 OpenAI 的 3000 億美元訂單： 導致 Oracle 面臨信評風險，並要求客戶預付款。
• NVIDIA 為 OpenAI 資料中心提供最高 2500 億美元融資： 顯示 NVIDIA 在 AI 供應鏈中的關鍵角色與風險承擔。
• NVIDIA 討論為 OpenAI 提供 3500 億元晶片採購融資： 再次凸顯循環融資的擔憂。
• 黃仁勳支持開放全種模型： 與 NVIDIA、Microsoft、Meta 等公司聯署，傳遞不應過早限制開放模型的訊息。
• Google Gemini 整合搜尋： 即使 Gemini 本身暫不賺錢，但能鞏固搜尋廣告業務。
• Meta 的 AI 策略： 透過改善推薦、廣告排序和用戶互動來變現。

可學習的洞察

1. AI 產業的「燒錢」本質： AI 技術的發展，特別是大型語言模型，需要巨額的資本投入，這使得擁有強大資金支持或能有效轉化為營收的公司，才能在競爭中生存。
2. 單一收入來源的脆弱性： OpenAI 過度依賴單一或少數幾種收入模式（訂閱、預期廣告）來支撐其龐大成本，這種模式風險較高，容易受到市場變化和競爭影響。
3. 開放模型是趨勢而非選項： 業界領袖支持開放模型，顯示這不僅是降低成本的方式，也是推動創新、促進生態系發展的關鍵。封閉模型在未來可能面臨越來越大的市場壓力。
4. 資金鏈的風險與機會並存： 大型合作案（如 Oracle、NVIDIA 與 OpenAI 的合約）能加速產業發展，但同時也將參與方置於巨大的財務風險之中。這種高風險的資金鏈是 AI 產業快速擴張的同時，也隱藏著潛在的危機。
5. AI 的「應用」價值大於「模型」價值： 對於 NVIDIA、Microsoft、Meta 等公司而言，AI 模型更像是賦能其核心業務（如雲端服務、廣告、軟體方案）的工具，其價值在於提升現有產品的效能和吸引力，而非模型本身獨立賺取利潤。

可行動的整理

• 持續關注 OpenAI 的廣告業務發展： 觀察其用戶增長、廣告商接受度、以及實際收入狀況，評估其 2030 年 1000 億美元目標的可行性。
• 研究開放模型生態系： 了解 Meta、DeepSeek 等開放模型的技術優勢、應用案例，以及它們如何影響現有 AI 市場格局。
• 追蹤 NVIDIA 和 Oracle 的財務報告： 關注其對 OpenAI 的依賴程度，以及如何管理相關的財務風險。
• 評估 AI 專案的投資回報： 參考 IBM 的調查結果，思考企業在導入 AI 時，如何評估和確保專案的財務回報。
• 了解不同公司 AI 策略的差異： 分析不同科技巨頭如何利用 AI 模型來鞏固或擴展其核心業務，而不僅僅是獨立盈利。

複習問題

1. 根據影片，市場近期對 AI 行業的樂觀情緒主要體現在哪些方面的股價表現？
2. OpenAI 面臨的主要成本挑戰是什麼？其預計 2030 年廣告收入目標的挑戰點在哪裡？
3. 影片中「開放全種模型」和「封閉模型」的主要區別是什麼？哪些公司在推動開放模型？
4. NVIDIA 和 Oracle 在 AI 產業鏈中，分別扮演了什麼樣的角色，又面臨哪些潛在風險？
5. 影片中提到，除了 OpenAI 和 Anthropic，其他公司（如 NVIDIA, Meta, Microsoft, Google）如何利用 AI 模型來獲利或鞏固其現有業務？

待確認資訊

• 無明顯待確認資訊。