AI競爭新局現金流爭霸、台積電續強 法人：台廠成擦鞋董了
美股收黑，台積電ADR續漲，台指期回檔堅守四萬大關，市場關注AI語言模型進程。前基金經理人沈萬鈞表示，大模型競爭已從模型能力，轉為收入質量與成本結構的競爭！能把Token轉成穩定現金流的公司，就會拿到估值溢價。台灣站在這場大戰的制高點，金鏟子供應商讓台灣真的是賺得盆滿鉢滿，也難怪擦鞋童變成了擦鞋董。
沈萬鈞指出，AI模型能力這條線，過去半年一度由Gemini搶下市場聲量；但GPT近期在多模態、影像生成與推理體驗上重新加速，他也用得非常開心，讓OpenAI又回到技術焦點，已經許久沒開Gemini(就算付費也被降智）。回到華爾街，真正讓資本市場重新定價的，卻是另一條線：Anthropic靠企業API與Claude Code，把大模型從流量生意拉進企業生產流程，成為投資人眼中的AI基礎設施珍寶。
Anthropic 的ARR在極短時間內從300億美元拉升至440億美元，同時毛利率站上70%。這組數字改變了市場對大模型商業模式的定價方式。原本被視為高資本消耗、低利潤的模型公司，開始呈現出類似基礎設施平台的財務輪廓。
核心差異在於收入來源。OpenAI 仍以C端訂閱為主，流量規模巨大，但免費用戶消耗大量推理資源，邊際成本壓力持續存在。Anthropic 則將重心放在企業API，約八成收入來自開發者與企業端，直接綁定實際業務使用量。當企業把模型嵌入內部流程，支出會隨業務成長同步放大，收入可預測性與留存率都明顯提升。
這也是ARR出現J型曲線的原因。從2025年初約10億美元，到2026年單月數十億的收入節奏，本質上是企業端部署進入規模化，而非單純用戶數成長。毛利率的反轉同樣來自結構，而非單點優化。算力端開始去單一供應依賴，從NVIDIA GPU轉向Google TPU與Amazon Trainium。推理成本下降，加上長上下文、快取機制與模型壓縮技術，Token的實際成本快速下滑。當單位Token能完成更複雜任務，價格與成本之間的差距被放大，毛利自然上升。
這裡的關鍵不是「算力變便宜」，而是Token開始對應人力成本。企業支付1美元取得的計算結果，可能替代數十甚至上百美元的人力輸出。定價基準從資訊檢索轉向生產力輸出，付費意願出現結構性提升。
這個變化正在往上游反推整個產業鏈。
過去兩年，市場把重心放在算力供給，輝達（NVIDIA）、電力、散熱與資料中心成為資金主線。現在開始出現另一個現象：模型公司拿到更高毛利與現金流後，開始主導算力採購與架構設計，甚至透過多雲策略重新分配訂單。
Alphabet 這一季雲端RPO從2400億美元跳升至4600億美元，單季增加2200億。這不是一般企業採購可以堆出來的數字，只可能來自長期算力合約。公開資訊能對上的，是Anthropic 與Google Cloud、AWS之間數百億到千億美元等級的算力承諾。若以5GW算力推估，對應金額落在千億美元區間，足以解釋大部分backlog增量。
這代表一件事：AI需求已經從「用多少算多少」，轉成「先鎖十年供給」。算力不再只是成本項，而是企業營運的必要資產。同時也改變競爭邏輯。模型公司不再只是算力的消費者，而是開始影響供應鏈結構。多雲部署、客製化晶片、長約鎖定電力與機房容量，都在提升議價能力。上游的定價權開始鬆動，價值逐步往模型與應用層移動。
沈萬鈞分析，從產業位置來看，這是一個典型的價值鏈下移過程。早期由硬體決定產業節奏，現在開始由應用與收入結構反過來定義硬體需求。當Token直接對應企業產出，模型公司變成最接近現金流的位置。
這個階段的關鍵變數有三個：
第一，企業端滲透速度。如果Agentic AI能持續進入軟體開發、客服、營運決策等核心流程，Token需求會呈指數級放大。
第二，成本下降曲線是否延續。硬體（FP8、FP4）、軟體優化與快取機制目前仍在加速，短期內看不到停點。
第三，供應鏈是否出現新的瓶頸。電力、機房、網通與先進封裝仍在吃緊，這會影響部署速度與資本開支節奏。
沈萬鈞認為，整體來看，大模型競爭已經從模型能力比較，轉為收入質量與成本結構的競爭。能把Token轉成穩定現金流的公司，就會拿到估值溢價。台灣站在這場大戰的制高點，金鏟子供應商讓台灣真的是賺得盆滿鉢滿，也難怪擦鞋童變成了擦鞋董。