Asianometry 聽後心得：矽谷走在鋸齒邊緣，掉下去比以前容易

目錄

1. 10 月中的舊金山：西岸最後一次設備展
2. 同一週的場外：160 億美元被嫌不夠
3. 場內的答案：鋸齒邊緣
4. 再下一層：靠訂閱補貼活著的小公司
5. 他這幾天在想數學
6. 利多出來為什麼股價反而跌
7. 明顯的那幾個題材都漲過了，接下來怎麼看
8. 可以參考的資料
9. 帶得走的一件事

利之中取大，害之中取小。

—— 《墨子・大取》（戰國）

2026 年 10 月 30 日這集《Asianometry》，主持人 Jon Y 在波士頓錄下他在舊金山待一個月的觀察：矽谷裡面的人照樣在蓋，外面的錢開始算帳。他走訪的那一週《金融時報》報出 Anthropic 的 160 億美元營收與漂亮毛利，市場嫌不夠，AI 類股當週翻騰；同一時間 Lam Research 在 10 月法說會把 2027 年全球晶圓廠設備支出看到 2,000 億美元以上，高盛看 2027 年 2,180 億、2028 年 2,810 億，業界耳語喊到 3,000 億。他自己講得明白，2028 年那組「再加 40 到 50 吉瓦」的數字是他聽來的、還在變，別拿去引用。

10 月中的舊金山：西岸最後一次設備展

他這趟去舊金山是為了在 Semicon West（北美最大的半導體設備展）旁邊的測試論壇做開場演講，講自動測試設備產業從 1950 年代到今天的演變，那場沒有錄影。10 月 14 日早上下飛機就去走展場，他說自己有點累，這可能影響了印象，但他的感覺是：2026 年這場像一個時代安靜地落幕。去年有人告訴他展覽以後要在亞利桑那和舊金山輪流辦，現在這個計畫看來不會發生，好幾個人跟他說這是舊金山的最後一場，2027 年的 Semicon West 改到 2027 年 3 月、辦在亞利桑那。離前一場只隔六個月，他猜是為了避開撞期。

撞到的是同一時間在聖荷西的 OCP 全球峰會（開放運算計畫，資料中心硬體的廠商聯盟）。那場票賣光了他沒進去，但去過的人跟他說現場很熱。他的解讀是：晶圓製造與設備產業七十幾歲了，仗打完了，誰坐哪個位置已經分層分好；OCP 打的是推論硬體這類新戰場，散熱和網路這些關鍵位置的指定廠商還沒定下來。再加上美國半導體產業的重心從聖塔克拉拉那個以英特爾為軸的時代移到了內陸新廠區，他預期這個展最後會走到德州去。

同一週的場外：160 億美元被嫌不夠

出了矽谷，氣氛不一樣。做金融的人坐不住。《金融時報》那週報出的 Anthropic 數字，放在任何一門生意上都算好看，160 億美元營收加上漂亮毛利，市場判定不夠，AI 交易的股價就翻騰起來。

他上一集講過 2027 年下半年可能出現算力過剩，這次說供應鏈得開始想 2028 年了。2027 年底要有 50 吉瓦的算力，用現有的電力基礎建設撐得起來；2028 年的增量在跳動，他聽到的氛圍是再加 40 到 50 吉瓦，這個數字還在變。設備要花一年到一年半才做得出來，所以最終決定得等到 2027 年年中或稍早，也就是六到八個月後。他把問題擺在那裡沒答：六個月後看到的東西，夠不夠讓供應鏈相信 2028 年還要再加一個 50 吉瓦？

而設備端的錢已經先衝出去了。Lam Research 在 2026 年 10 月法說會說 2026 年的晶圓廠設備支出會收在 1,500 億美元左右，2027 年看 2,000 億美元以上；高盛估 2027 年 2,180 億、2028 年 2,810 億；其他公司的耳語喊到 3,000 億以上。這個成長率高出算力的成長率一截。

有意思的是他在 Semicon West 聽到的雜音：設備公司在凍結招聘。他說這是零星的訊號，不成形，但他聽到了。長鞭效應講的是同一個需求訊號往供應鏈上游傳，每傳一層就被放大一次——他認為這組設備支出預估就是長鞭正在形成，而那些公司在為它做準備。

場內的答案：鋸齒邊緣

場內的人沒在管這些。他問他們「你們為什麼要做這個」，反覆聽到同一個詞：鋸齒邊緣。

意思是今天的大型語言模型在不同的事情上表現落差很大，而落差在哪裡不直覺。這就是新創該自己訓練專門模型的理由——世界模型、處理特殊情境的模型。Anthropic 或 OpenAI 的模型寫程式很行，能啃納維-斯托克斯方程式之類的數學題，也會攻網站；一旦走出黃金路徑，表現就掉下來。

他說同一個詞也被用在中國的開源模型上：某幾件事做得好，另外幾件缺得厲害。

還有一層判斷支撐著他們：那些吉瓦不會全部按時到位。發電缺口、美國的勞動力、資料中心的鄰避抗爭、政治風向，看起來都讓進度拖後。所以訓練模型的新創繼續做多算力，他遇到的幾個最聰明的人也在做多算力，他們相信每一單位增量算力會比現在更值錢。

做多的方式是我聽完最在意的地方。合理的做法是增資、少借錢，因為還不出債才是公司死掉的方式。可是也有人跟他說，新創不買夠算力也會死，規模被對手壓過去就沒了，所以募到一億美元買晶片還不夠，你應該拿這些晶片再去借錢、買更多晶片；不這樣做的人照他們的講法叫「結構性做空」。他聽到這句笑了，說這應該是在開玩笑。笑話裡有一件嚴肅的事：當所有人把「不押到底」定義成做空，中間那條保守的路就沒人站了。

再下一層：靠訂閱補貼活著的小公司

這趟他想去看蓋在前沿實驗室上面的小公司——它們是 Anthropic 這些大實驗室要賣的企業客戶，他想知道這些公司怎麼經營。打到他的是它們對補貼的依賴。SemiAnalysis 在 2026 年中發過一份研究，算出 ChatGPT 和 Claude 的訂閱價值高出 API 定價一大截：買一個 200 美元的方案，拿到的 API 價值大約在 2,000 到 14,000 美元之間。現金不多的新創知道這件事，於是買好幾個訂閱輪著用，把每個額度榨到底，看到額度重置公告就加倍燒。他說這不該讓他驚訝，這些公司在想辦法撐到穩定，能占的便宜都會占。但他也聽到有新創把面向客戶的產品直接接上這些訂閱，拿補貼的額度對外營運，他的評語是：糟糕而且扭曲的經營方式，誰都看得出它撐不下去，可是他知道這在發生。

他想到 Uber 和 Lyft。2015 年 Uber 要征服世界的時候，兩家在乘客補貼上燒掉好幾億美元；2016 年外流的財務數字顯示它的乘客只付了實際行程成本的 41%。他補一句公道話：那是混合數字，裡面含著當時中國市場的荒謬——Uber 中國付給司機的獎金高到車資的三倍，把那塊拿掉帳沒那麼難看。他認為現在的 AI 訂閱沒補貼到那個程度，高價方案還有價格歧視的空間，OpenAI 已經開了 500 美元的方案。

這些新創也在為那一天準備：產品的帳用 API 定價來算，同時試編排，聰明的專有模型當主代理、開源模型當子代理，子代理甚至可能跑在本機。他的結論只有一句：再看看。

他這幾天在想數學

走出舊金山，數學圈發生的事也有人在講。做數學的人正在面對自己的世界在幾個月內被炸開的可能。他想到西洋棋和圍棋被 AI 攻陷之後那兩個圈子轉成了運動，棋手順勢變成有人追的人物；數學也許走同一條路，他說他懷疑。他的猜測是這個領域會變，對不同人影響不同：像陶哲軒那樣的老教授沒事，年輕博士也沒事，還有時間調整；受衝擊最大的是中間那群人，已經把數學當職業，名聲還沒建立起來。

他在想的是為什麼。OpenAI 和 Anthropic 在這上面砸的錢不少，那些納維-斯托克斯數學題按 API 代幣價格估大約 650 萬美元——他順手算成「約三個 200 美元的訂閱」，然後自己哼了一聲。就算前沿實驗室的算力多到不知道怎麼花，為一篇行銷部落格花這個數也太多。他的第一個解釋是這就是行銷，或者純粹為了愛：只要展示模型能力讓估值多一個百分點，理論上就把 API 成本賺回來了。

但有幾個人給他另一個說法：這兩家這麼專注在數學，是因為數學接到 RSI。RSI 在這裡指遞迴自我改進。聽到這個詞你可能想像資料中心裡一座無人工廠，自己跑的循環不斷生出新想法；那是終點，現在的門檻謙卑得多：先讓模型能穩定地把一個假設證成或證偽，像證一道數學題；做到之後，就能讓模型自己跑過一大堆假設——目前這些假設還是人寫的——判真判假，再把學到的東西餵回模型。照這個說法，RSI 就是把訓練實驗自動化。他傾向把解數學題看成這兩家研發計畫的一部分，畢竟這些行銷並沒有換來外界的好感。他還在想一條側面理論：他們把 Lean（數學形式驗證語言）那邊的成果拿去做晶片設計的形式驗證。他說這聽起來有意思，但他對這個領域還不夠懂，不下判斷。

如果 RSI 這個猜測成立，那未來一年那波算力海嘯要用來做什麼就有解了。他之前在影片裡拿信封背面算過一次，假設訓練和推論五五分，而推論在經濟上吃不下那麼多吉瓦，他當時就覺得哪裡算錯了。出路在那個比例：訓練七成五、推論兩成五，比五五開重得多，多出來的訓練量靠的就是這套自動化實驗。

利多出來為什麼股價反而跌

這集最適合拿來練手的是 Anthropic 那則新聞：160 億美元營收加上漂亮毛利，整個 AI 交易卻翻騰。看財報的人常被這種事弄糊塗，數字明明好啊。

我自己的理解是，市場定價的對象是預期；事實落在哪裡只有一個用途，就是跟原本的預期比。160 億美元之所以被判定不夠，是因為支撐這批估值的敘事裡寫著更大的數，而那個數不會出現在新聞稿上，你得自己去推。所以看到好消息股價跌的時候，我會先問一句：我知道市場原本在等什麼嗎？答不出來，就代表我剛才那個「數字很好」的判斷沒有參照點。

明顯的那幾個題材都漲過了，接下來怎麼看

他在結尾講了一段我猜很多人心裡也在想的話：專業投資人覺得現在貴。AI 交易是美國少數還有效的大趨勢，科技以外的任何產業、任何國家你都找得出毛病；可是 AI 交易也不像以前好做了，晶片、電力、光學、記憶體這些事後看來顯而易見的標的都漲過一輪，估值在高位。他問接下來是什麼，沒有給答案——他不做投資建議。

我聽到這段想到的是：這一輪的「顯而易見」是回頭看才顯而易見的。當時要站上去，你得先相信一條供應鏈裡某一層會卡住，而且卡住的那層收得到租。這集留下的是一組可以追的數字：設備支出的實際落點、吉瓦的實際併網時間、招聘凍結的訊號有沒有從零星變成成形。

私募那邊他說資助這些做多算力的新創要花不少錢，胃納還在，但這扇窗開多久不清楚。我把這句當成一個可證偽的點：如果到 2027 年年中，那些靠增資買算力的公司開始改用借錢來買，「結構性做空」那個笑話就變成了這一輪的融資條款。

可以參考的資料

• 《Asianometry》2026 年 10 月 30 日那集，本文的來源
• 《金融時報》2026 年 10 月關於 Anthropic 營收的報導，節目中提到的那則
• Lam Research 2026 年 10 月的法說會紀錄
• 高盛對 2027 與 2028 年晶圓廠設備支出的估計
• SemiAnalysis 2026 年中關於訂閱價值與 API 定價落差的研究
• Semicon West 與 OCP 全球峰會的官方議程
• Uber 2016 年外流財務數字的相關報導

帶得走的一件事

這集留給我的一個觀念是：能力的邊界長成鋸齒。同一個工具、同一個人，在兩件看起來相鄰的事情上，表現可能一邊好得離譜、一邊差得離譜，而邊界在哪裡不直覺——所以靠「它很強」或「他很可靠」這種整體評價去分配工作的人，會在莫名其妙的地方翻車。

我試過的一個做法，跟投資無關也做得起來：挑一個你最倚賴的工具或人，拿一張紙分兩欄，寫下它做得好的三件事和做壞的三件事，要具體到當時發生了什麼。然後在這六件事裡找一組「看起來差不多卻結果相反」的——同一個人記得住整年的報價卻記不住三天後的會議。找到那一組，你就看到鋸齒長在哪，下次派事情之前知道要繞過哪個缺口。

Markdown 原文

本文為投資方法論的教育性分享，不構成任何個股買賣建議、不提供目標價、不針對當期標的。投資有風險，任何決策請自行判斷或諮詢合格的專業人士。