看板 Stock作者 ccchang123 (超時空)標題 Re: [情報] google財報亮眼時間 Fri Jul 24 14:42:01 2026
※ 引述《Zzell (n/a)》之銘言：
: ※ 引述《asahi98 (あさひ)》之銘言：
: : 我原文底下後來特地講清楚，這波谷歌財報再加上知本支出消息，寧願借錢來買硬體建廠就表示，谷歌要先拿錢下訂單，受惠的都是硬體。
: : 另一派人則說，花這些錢建廠賺的回來嗎？我認為不止googlet，微軟跟蘋果還有meta也都在增加知本支出建中心。這些公司難道不怕水丟水裡面嗎？況且巴菲特也已經注資Google，這樣表示前股神眼光也錯了嗎？
: : 剛剛我看到很多硬體廠商一路上漲，之前被錯殺的記憶體已經站回來了關鍵價位。
: : 還有一群人說中國語言模型會削價競爭，導致這些大廠會被捲入。這點剛好找到資料
: : http://i.imgur.com/3WvZO4f.jpg
: : 從這資料來看根本沒有便宜多少，只低了0.09，有差很多成本嗎？至於是使用誰的晶片就不瞭解，網紅推估高機率是走新加坡管道的輝達未閹割晶片。
: : 至於下面這些評分，各位自己看吧！
: : 剛剛查到的
: : http://i.imgur.com/JpFDc0j.jpg
: : http://i.imgur.com/Jat2GMD.jpg
: : http://i.imgur.com/OIb77ao.jpg
: : http://i.imgur.com/WgO0PRv.jpg
: : 所以現在沒有什麼便宜的，好用的都差沒多少，效能差的反而就便宜蠻多的。
: : 另外xAI把算力租給anthropic價格很好，meta打算有樣學樣，蓋完多餘的就租給別人用，當包租公。現在google可能發現這是條致富道路，也增加資本支出。蘋果也增加蓋資料中心，都是為了AI使用。
: : 從以上這點來看，多餘折舊的東西還是有人要，價格租的好不好而已，看包租公會不會當了。
: 我有個疑問
: 為什麼你各位多頭都預設LLM真的會有大量需求
: 資料中心就是以前的鐵路跟網路線？
: 有沒有可能LLM除了coding就是廢物
: 而就算用在coding也因為很多物理因素不能全面展開
: 最後LLM就是一個還不錯但商業價值不高（不值得現在這些資本支出）的技術？
你的問題並不是完全沒有道理。
AI 很有用，不代表每家公司、每一筆資本支出、每一個目前的估值都必然合理；AI 最後
即使成功，也完全可能先經歷設備過剩、折舊壓力或類似網路泡沫的估值修正。
但你一直把問題限縮成：
「目前賣 Token 的收入，能不能直接支付 LLM 的訓練、推理與資料中心成本？」
這個框架可能太小了。
科技巨頭現在買的並不只是「聊天機器人的 Token 產能」，而是在買未來十年以上的算
力基礎設施、技術選擇權與戰略生存權。
未來需要算力的，也不只是 Coding：
Agent、自動化、搜尋、廣告、翻譯、影音、科研、藥物與材料開發、晶片設計、自駕、
機械人、無人機、軍事系統、數位孿生，都可能共用相近的資料中心、網路、電力與加速
器基礎設施。
你說簡單工作可以直接寫傳統自動化流程，這沒有錯。
但傳統自動化適合的是規則固定、輸入結構化、例外很少的工作。
企業裡真正昂貴的部分，往往是模糊需求、非結構化文件、自然語言溝通、例外處理，以
及不同系統之間的臨時整合。
LLM 的商業價值，未必是取代既有程式，而是大幅降低原本「根本不值得寫程式處理」的
長尾自動化成本。
你也一直問：「怎麼確定需求足以支撐兆美元投資？」
答案是：現在沒有人能百分之百確定。
但不能因為無法精確計算，就反推需求不存在或 LLM 可能除了 Coding 都是廢物。
新興基礎建設本來就不可能等所有需求、價格與報酬率完全確定後才開始興建。等到需求
已經完全證明，GPU、電力、土地、機房、HBM 和人才也不會按一下 Enter 就立即出現。
而且這已不只是單純的財務投資。
AI 算力正在變成國家與企業的戰略武器。
假如競爭對手先做出更強的模型、Agent、自動化平台、機械人或軍事系統，落後者損失
的可能不是幾季折舊，而是搜尋入口、雲端市占、軟體生態、人才與國家安全。
因此巨頭面對的是不對稱風險：
多蓋一些，可能降低資本報酬率；
少蓋而判斷錯誤，可能直接失去下一個世代的平台控制權。
這就是為什麼它們即使知道可能過度投資，也不敢停止。
Token 現在昂貴，也不等於永遠無法商業化。
價格高的一部分原因，本來就是 GPU、HBM、電力、網路與可用容量仍然稀缺。算力增加
、晶片效率提升、模型稀疏化、量化、快取與推理架構改善，都可能降低單位工作成本。
當然，成本下降也可能伴隨售價下降，所以最後誰能賺到超額利潤，仍然值得質疑。
但更精確的問題應該是：
「AI 需求會有多大、價值最後由晶片商、雲端商、模型商還是應用商取得，以及目前估
值是否已經提前反映太多？」
而不是先假設：
「LLM 除了 Coding 可能都是廢物，所以資料中心大概沒有需求。」
AI 最後可能非常成功，而目前部分股票與資本支出仍然過熱。
這兩件事情完全可以同時成立。
你質疑估值沒有錯，但把技術、產業、國家競爭與未來所有算力需求，全都縮成今天一
顆 Token 的毛利，就很容易低估這場競賽真正的規模。
--
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.34.161.138 (臺灣)
※ 作者: ccchang123 2026-07-24 14:42:01
※ 文章代碼(AID): #1gOmaxId (Stock)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1784875323.A.4A7.html
※ 同主題文章:
Re: [情報] google財報亮眼
07-24 14:42 ccchang123.
推 DustToDust: 沒錯啊 所以我說AI是國家建設 至於賺錢是另一回事當然是無數的投資人破產 後面的人才有便宜可用2F 07/24 14:44
推 kutkin: 寫到這樣有點像網路泡沫時代了4F 07/24 14:44
推 zerg999: 整天看空，看什麼都空，自然忽略掉其他5F 07/24 14:45
推 EZTW0000: 但會放緩支出，強如估狗的業績強勁，現金流都是負，其他廠商又有多少承受能力6F 07/24 14:45
→ kutkin: 照這樣的說法，那是不是各國都要為了確保物流
各國都要有自己的國籍航海航空一樣8F 07/24 14:46
推 rebel: 我推這篇 現在的資本支出的確是可能過度投資 但比起投資不足的傷害 這些巨頭寧願過度 反正他們燒的起10F 07/24 14:46
→ kutkin: 我們森青可以不賺錢 但台灣人不能沒有健康
我們google可以不賺錢 但美國人不能沒有算力13F 07/24 14:47
推 offstage: 每個國家條件不同，不可能萬事都兼顧，所以會有
所謂政策。比方說進口稻米更便宜，那國家要不要
自己種稻？沒有絕對標準答案。15F 07/24 14:49
推 paracase: 是個贏者全拿的競爭,企業和國家現在只能不停的加碼18F 07/24 14:50
推 jim543000: 幻覺無法解決的一天 就無法走入實用化 就這麼簡單19F 07/24 14:50
推 DustToDust: 網際網路 GPS本來就是老美軍方發展才進入民間20F 07/24 14:50
→ offstage: 比方說海地，1987年之前稻米能自給自足，但因為21F 07/24 14:50
→ paracase: 確保自己仍在競爭行列之中,並同時提高自己在未來是22F 07/24 14:50
→ offstage: 1980之後開放市場，大量便宜稻米進口，重擊本土農業23F 07/24 14:50
→ asel: 一條32G 記憶體賣1萬5 一台機器人你打算賣多少 可怕喔24F 07/24 14:50
→ DustToDust: 現在是政府沒錢靠市場籌資發展 至於賺賠誰知道26F 07/24 14:51
→ paracase: 那個贏家的機率,至於何時比賽才結束,沒人知道27F 07/24 14:51
→ jim543000: 但現有架構下 幻覺是不可能解決的 因為llm根本不知道自己做的動作是否正確 他只是很像在思考的聊天機器人28F 07/24 14:51
→ offstage: 當你糧食完全仰賴進口，就跟被人掐著卵蛋一樣，31F 07/24 14:51
推 stlinman: 說LLM還沒實用化的是活在那個時空裡啊?32F 07/24 14:52
→ offstage: GPS很重要，但全世界能建構自己衛星系統的國家
個位數。你要用老美的GPS，那就不能與他為敵。33F 07/24 14:52
→ DustToDust: 現在網路這麼發達 也是先燒掉無數人的錢錢啊36F 07/24 14:52
推 lakershank: 最後一定是先看誰把LLM綁進機器人，5年後再來驗證37F 07/24 14:52
→ offstage: 因為台灣預設不會與美國為敵，所以台灣不需要建構自己的GPS系統。依此類推。38F 07/24 14:53
推 endlesswalk: 推~感覺google是犧牲這幾年的現金流去拼，拼贏了當下一世代的霸主。拼輸了也許幾年後就止損不搞，閒置的算力學xAI一樣租人，現金流又回來了。40F 07/24 14:53
→ stlinman: 失智老人、瘋子狂人都能當美國總統了! AI有點幻覺就43F 07/24 14:54
→ offstage: LLM可能有幻覺，人類也可能有，人類還會明知故犯、說謊、自我欺騙，所以解決方式不是把人類訓練成44F 07/24 14:54
→ stlinman: 不能幹活啦? 會不會太嚴苛了!46F 07/24 14:54
推 rebel: 覺得好AI有幻覺就不可能實用的要不要先跟我講人會不會犯錯 人有沒有實際在工作 XD48F 07/24 14:55
→ offstage: 不會有幻覺不會說謊，而是導入覆核或監控機制。
你怎麼對待人類犯錯，就怎麼對待AI犯錯。50F 07/24 14:55
→ stlinman: 真實世界那有百分之百正確? 這世界並不完美，沒看過52F 07/24 14:56
→ jim543000: 所以你是把花了一堆錢 投入一堆軟硬體的聊天機器人跟失智老人瘋子狂人類比 那也是很有趣53F 07/24 14:56
→ offstage: LLM根本不需要百分之百正確，這是沒有意義的目標55F 07/24 14:56
→ offstage: 工業革命時期，一樣有人類抗拒機器。當年愛迪生
特斯拉在推電器的年代，還有人故意去惡搞電線，57F 07/24 14:57
推 rebel: 所以不說失智老人 一般在工作的人會不會犯錯？59F 07/24 14:57
→ offstage: 讓馬車去觸電，想藉此讓大眾覺得電是很不安全的。60F 07/24 14:57
→ jim543000: 這是很嚴重的問題 llm根本不知道自己錯在哪61F 07/24 14:57
→ offstage: 時至今日，電依然很不安全，你碰到漏電死掉的機率很高，但相信99.9%的人都希望生活在有電的世界。62F 07/24 14:58
→ stlinman: 你以為選美國總統都不用花錢唷? 投入會比投AI少?64F 07/24 14:58
→ offstage: LLM根本不需要知道自己錯在哪，因為人類更糟糕
人類知道自己錯在哪，一樣會跟你硬凹、說謊、卸責。65F 07/24 14:58
→ jim543000: 今天你糾正他 他會說我錯了 然後硬掰答案 這不是大家都知道的事情嗎 因為他就是chatbot67F 07/24 14:58
→ atelier: 除了coding 太多太多工作都已經被LLM影響了69F 07/24 14:59
推 endlesswalk: 感覺gemini可能跟Google+輸給FB一樣，輸給市場先行70F 07/24 14:59
→ rebel: 你以為人犯錯都知道自己錯在那嗎 那每個人數學都100分了 XD71F 07/24 14:59
→ endlesswalk: 者的open AI跟anthropic，最後整合進雲端服務的一部份。73F 07/24 14:59
→ jim543000: 不對啊 你要用它取代人類 但兩個一樣會亂掰75F 07/24 14:59
推 happytiger: 科技失敗例子一堆 實在話 成不成功 都是之後上帝視角 人類沒辦法預測未來經濟76F 07/24 14:59
→ offstage: 所以犯錯不是問題，關鍵是你如何偵測以及更正錯誤78F 07/24 14:59
→ stlinman: 糾錯問責誰叫你當事人(AI)? 是不是找其他第三方唷!79F 07/24 15:00
→ jim543000: 那聊天機器人除了不用吃飯睡覺 哪裡贏過人類80F 07/24 15:00
→ rebel: 是阿 那為什麼不能取代呢 都一樣會亂掰阿 你講的81F 07/24 15:00
→ offstage: 比方說科技執法一定有誤判，但人類也會誤判，所以83F 07/24 15:00
→ offstage: 只要你建立好稽核軌跡以及申訴制度，科技監控絕對比人類監控省錢又有效率。
你糾結在錯誤率沒意義。85F 07/24 15:01
→ rebel: 犯錯的人也不會糾錯啊89F 07/24 15:01
→ jim543000: 你產出的東西有問題 review時會發現有異常 但chatbot不會 懂嗎90F 07/24 15:01
→ offstage: 機器就是不用吃飯睡覺所以贏人類阿。你去高雄會搭高鐵還是用走路？
"review時會發現有異常"，所以現在導入AI時很重要的點就是 "human in loop"，也就是我講的審查機制。92F 07/24 15:01
→ rebel: 產出的東西有問題 你叫AI review也會發現問題啊 一樣啊96F 07/24 15:02
推 reyes2222: 目前硬體端大賺，其它還在支出費用，能持續多久？98F 07/24 15:02
→ offstage: 所謂的AI取代人類，不是100%每一件事都只有AI零人力99F 07/24 15:03
→ jim543000: 產出了 review也是同一套架構 判定pass 沒人負責100F 07/24 15:03
→ offstage: 這個世界上不是只有1跟0。101F 07/24 15:03
→ rebel: 所以AI會犯錯 人不會犯錯嗎 一樣啊102F 07/24 15:03
→ offstage: 你用同一套架構去review，那就是你自己的問題啊，誰叫你要球員兼裁判？沒人逼你這樣做吧？
我讓AI寫code，人類審查過後再merge，哪裡有問題？103F 07/24 15:03
推 Windtears: 會說什麼聊天機器人，幻覺，就是沒真實在使用，還停留在網路上問答…106F 07/24 15:04
→ rebel: 錯 同樣的產出 同樣的review也可能會發現問題108F 07/24 15:04
→ offstage: 唯一會有問題的，反而是那個審核的人類呢。109F 07/24 15:04
→ jim543000: 這就是大問題 這套架構下永遠也解決不了的問題 你以為是起司理論一樣過一個洞就會撞到起司嗎？不是喔 llm架構是突破一次全部突破110F 07/24 15:04
→ offstage: 那是你自己個人的假設而已，實務上就不是這樣用113F 07/24 15:05
→ rebel: 但的確不同model review是常態 就像人類稽核會是另組人一樣 所以都一樣啊114F 07/24 15:05
→ offstage: 我們公司用了大量的AI agent，除了幫忙寫code，還用來查詢伺服器異常、交易狀態等，反正最後都還是由人類下決定，AI就是maker，人類是checker116F 07/24 15:05
推 jim543000: 所以你質疑他的正確性 又相信他的正確性 又說錯了沒問題人類會review 又說最大的優點就是不用休息 先去整理一下邏輯吧 ai吹119F 07/24 15:06
→ offstage: 而為了防止人類叫AI寫出惡意程式然後自己審核，
所以目前的審核還是維持雙人類，也就是不能自己審核122F 07/24 15:06
→ rebel: 你都說會有幻覺 難道幻覺每次都出現？那就不是幻覺了吧 那產出時出錯 review變正常抓到很常見阿124F 07/24 15:07
推 joygo: 我還是認為問題在於漲太快 營收 毛利 全部都太快
自然開始質疑126F 07/24 15:07
→ offstage: 自己(的AI)所產生的code128F 07/24 15:07
→ rebel: 所以你說不出不一樣在那阿 AI會犯的 人也都會犯阿129F 07/24 15:07
→ offstage: 你對人類員工也一樣是相信他的正確性，但同時也要質疑他的正確性阿。你們公司該不會沒有外部稽核130F 07/24 15:08
推 jim543000: 先去弄清楚你們的破爛邏輯吧 大家都知道碼農做的事情就是丟給ai review然後merge 還在雙人類review
笑死 你看得完嗎132F 07/24 15:08
→ offstage: 跟ISO27001之類的框架吧？
這種內稽內控的概念算很基本了，跟AI與否無關。135F 07/24 15:08
→ jim543000: 不要騙了啦 業界我也知道現在什麼屎樣137F 07/24 15:09
→ demintree: 正確性是需要證明的，人寫的也沒有證明AI寫的也沒138F 07/24 15:09
→ BC0710: 不是 你知道uni test嗎139F 07/24 15:09
→ offstage: 不用一直叫別人弄清楚邏輯啦..LLM邏輯一定比你強
你用看不完當藉口自願放棄人類review，那是你的選擇就跟現階段讓電動車自動駕駛自己在睡覺一樣，
如果不幸撞上防撞車，就自己負責囉~140F 07/24 15:09
推 rebel: 先去弄清楚你的破爛邏輯吧 AI會犯的錯 人類也會犯從來就不是要求人不能犯錯然後才能工作144F 07/24 15:10
推 jim543000: llm邏輯比我強還會有9.11比9.9大這種白癡回答出現 好了啦146F 07/24 15:11
→ offstage: 你的屎業界又不等於我的屎業界，而且業界定義這麼廣148F 07/24 15:11
→ demintree: LLM邏輯不一定比較強，畢竟是機率，但人也會錯149F 07/24 15:11
→ offstage: Meta、AWS容忍AI直接進行變更導致正式系統出問題
又不代表每間公司都能容忍。150F 07/24 15:11
→ rebel: 所以你要回答AI會犯錯 人會不會犯錯了嗎?152F 07/24 15:12
→ offstage: 說到底，也是因為他們那種公司犯錯被罰的代價不高153F 07/24 15:12
推 molsmopuim: 勉強市場開始用的 高佔比是文字 以後圖片影片佔比使用率開始拉還得了154F 07/24 15:12
→ offstage: 好啦~你的邏輯比9.11強，可以了吧。
這點蠻值得寫在個人履歷上的呢156F 07/24 15:13
推 jim543000: 結果隨便甩個例子ai吹就只能崩潰 笑死158F 07/24 15:15
推 rebel: 所以你要回答人會不會犯錯了沒？別閃躲阿 XD159F 07/24 15:16
→ offstage: 推文其實也示範了跟AI或者跟人類偕同工作 哪個較好160F 07/24 15:17
推 stlinman: 說難聽一點人犯錯可能沒軌跡可循，AI犯錯你還可以溯源勾稽。 嘴巴不承認，但AI確實改變生產工作流程!162F 07/24 15:19
→ zzahoward: LLM怎麼溯源勾稽 LLM =/= 自動化耶164F 07/24 15:24
推 rebel: 還在AI會犯錯就不可能實用的就脫節太久 人會犯錯
整個社會還不是可以維持運作 本來運作體系就不是建立在都不會犯錯的前提下的165F 07/24 15:25
推 stlinman: 撇除LLM內部權重不提，LLM在工作決策流程至少一定有168F 07/24 15:27
→ bunjie: AI語氣文169F 07/24 15:27
→ stlinman: 軌跡。人在工作流程中就不一定留有軌跡。170F 07/24 15:28
→ offstage: LLM內部無法勾稽，也不需要勾稽，就像我們不知道
也不需要知道為什麼人會說謊，只要知道怎麼防範
偵測人類說謊，以及怎麼控制損害範圍就可以了。
重點是LLM做出了哪些步驟，這些步驟就會有軌跡171F 07/24 15:29
推 redzero: ai文 你要被ai取代了嗎175F 07/24 15:39
推 SecondRun: 太慘了 以後PTT也只有一堆AI在吵架了176F 07/24 15:41
推 offstage: 我們公司還真的開放使用AI Agent在通訊軟體上
你休長假回來可以叫AI幫你讀一大堆未讀訊息，然後用你的名義發1對1訊息給相關的人177F 07/24 15:42
--