Skip to content

台積電表現明明超好，股市為什麼突然變得很悲觀？【邦妮區塊鏈】

📺 来源信息

✨ Highlights

  • 台积电最新季报表现极其亮眼：营收超1.27兆新台币，税后纯益达7065亿元，年增77.4%，平均每天赚78亿元。然而，这份近乎完美的成绩单发布后，股价反而大跌，市场担忧其资本支出激增将侵蚀未来毛利率。
  • 当前AI市场的核心矛盾在于：上游硬件与基础设施需求依然强劲，但下游企业开始面临严峻的投资回报拷问——它们斥巨资购买的算力与AI token，真的能创造足够的增量收入或节省相应的成本吗？
  • 硅谷知名投资人Chamath Palihapitiya 提出了“Token Maxing”的概念，批评企业将AI使用量（花掉多少token）误当成AI创造的价值，根本没有静下心来计算最基本的营运数学，可能会面临下游成本传导困难。
  • BitMEX 联合创始人 Arthur Hayes 警告，美国AI公司的定价权面临严重挑战。当更便宜甚至开源的模型能提供同等服务时，高昂的 token 价格将无法维系，巨大的资本支出预设的昂贵模型长期付费假设可能会在2028年前后崩塌。
  • Palantir 执行长 Alex Karp 指出更深层次的危机：企业为了使用AI，正在将自己多年积累的核心运营数据与产业经验锁入AI平台，导致自身的竞争优势（Alpha）被稀释，甚至失去数据控制权。

近期AI市场浮现出一个极为显眼的矛盾信号：台积电刚交出一份几乎无可挑剔、获利创历史新高的成绩单，证明AI军备竞赛仍在全力冲刺；但几乎在同一时间，硅谷顶级投资人 Chamath Palihapitiya 与 Palantir 执行长 Alex Karp 却接连对当前AI的商业模式发出严重警告。

这两组看似相反的讯号，其实指向的是AI产业链上不同阶段的问题。整条AI产业链可以分为几个层面：最上游是NVIDIA、AMD这类负责设计芯片的公司，以及像台积电这样负责制造芯片的厂商。接下来，Microsoft、Google、Amazon、Meta 等科技巨头会采购这些芯片，建造资料中心，提供运行AI需要的算力。再往下，模型与算力才会进入企业软体、各类AI工具及消费者应用中，最终交到企业与一般使用者手上。台积电处于上游，而 Chamath 等人看到的危机，则集中在下游的应用与变现环节。

1. 台积电的亮眼成绩，及股价为何不涨反跌？

台积电在新一季法说会上给出的成绩单，几乎无法挑剔。第二季营收超过1.27兆新台币，税后纯益高达7065亿元，年增77.4%，再次刷新历史记录。平均算下来，台积电每一天可以赚进78亿元。

具体来看，本季毛利率冲高到67.7%，意味着它每收到100元营收，扣除直接生产成本后能留下67.7元。另一个值得注意的讯号是，2奈米制程首次开始贡献营收。公司还预估，第三季营收会继续成长。从台积电手上掌握的订单来看，客户完全没有踩刹车的迹象，大家仍在疯狂买芯片、抢产能，并且朝着更先进、成本更高的制程前进。台积电无疑是这场AI军备竞赛中，将AI热潮最直接、最明确地兑现为实际利润的公司之一。

既然如此，为何股价反而在财报发布后大跌？市场的担忧集中在成本端。为了满足庞大的AI芯片需求，台积电必须投入比原先预期更多的资金来扩张产能。公司一口气将今年的资本支出从原本预估的520亿至560亿美元，调高到600亿至640亿美元。再加上美国、日本等海外工厂的生产成本天生就比台湾高，投资人开始担忧，未来几年能否维持如此亮眼的高毛利率将面临压力。

2. 下游的隐忧：AI巨额投资，何时能赚回来？

台积电面临的挑战是扩张后如何维持高毛利，这属于供给侧的问题。而下游企业面临的拷问则更为根本：买了这么多芯片、囤积了庞大的算力并支付了天价token费用后，到底能不能创造出足够的收入，或者节省相应的成本？

近期，数位科技界大佬开始透露出保留态度，其担忧可以归纳为以下三个层次：

2.1 Chamath Palihapitiya 的“Token Maxing”警告：错把花费当成效

硅谷知名投资人 Chamath 在节目中直言，现在AI太有用，所有公司一窝蜂冲进去，却“没有人有机会停下来计算公司营运最基本的数学”。很多公司为了证明自己有跟上潮流，不仅鼓励员工多用，甚至还开始比较谁用掉的 token 最多。他认为这极其荒谬，并称之为 “Token Maxing”。

他提出一个关键的类比：如果把AI模型生成的内容比作石油，如果每桶原油价格高达86美元，但是，市场上Anthropic的好模型一桶（以百万 token 计）只卖26美元，OpenAI卖56美元，Elon Musk卖1美元，Zuckerberg即将卖1.5美元，而中国公司甚至只卖50美分，那么当初那些押注极高价格、并试图将成本向下游转嫁的商业模式，就会变得完全行不通，并“开始出点问题”。他认为，很多公司的CEO和财务长可能根本还没意识到，为AI投入的账单数额有多庞大；他们突然发现，AI似乎没有立刻提升利润，反而推高了营运成本。

有两个实际案例佐证了这一点：

  • Uber：今年4月传出，仅仅三到四周，就烧光了全年的AI token与基础设施预算。
  • Instagram：负责人Adam也透露，他们关掉了一些公司内部的“非常蠢”的做法，才把AI成本控制住。

第一个危机由此浮现：企业正在将AI的“使用量”误当成AI创造的“价值”，现在才开始回顾，这笔巨额支出到底值不值得。

2.2 Arthur Hayes 的定价权质疑：昂贵的模型费用能否持续？

BitMEX 联合创始人 Arthur Hayes 从价格层面提出了更深层的挑战：如果 DeepSeek 或 Kimi 这类中国模型，只需花费当前西方模型十五分之一甚至更低的价格，就能生成同等质量的 token，那么消费者会如何选择？

对使用者来说，模型越来越便宜自然是好事，企业可以用更低成本导入AI。但对美国AI公司而言，这构成了一个毁灭性问题。这些公司现在所有的估值、投融资乃至庞大的资本支出，都建立在一个核心假设之上：未来会有大量客户，长期愿意为最顶级的模型支付非常高昂的价格。如果这个假设不成立，即便使用量暴增，每个 token 的价格却越来越低，那么，需求可能很真实，但收入必然无法支撑前期这些巨额投资。

Arthur Hayes 甚至预测，大约到2028年前后，这些商业假设都会开始遭到严峻的考验。

2.3 Alex Karp 的“护城河”风险：当企业交出数据，还剩下什么？

如果说前两者谈论的是成本和价格，Palantir 执行长 Alex Karp 那段引发疯传的演说，则指向了更核心的经营与国安危机：一个公司的 Alpha。Alpha 可以理解为一家公司真正赢过对手的地方，例如更高的良率、更精准的风险判断、更有效率的物流安排，或是长期对客户观察的累积与产业决策方法。这些能力分散在公司的资料库、员工经验与工作流程中。

他用一个珍奶店的例子就可以讲明白：假设一家连锁珍奶店用AI来决定每间门市进货量、何时打折。用得越久，公司就越会把自己各区客户口味偏好、节日前多久要追加库存等销售资料与经验，全数交给这个AI。问题在于，这个AI模型系统与定价权，完全掌握在AI平台手中。珍奶店付了token费，投喂了自己的核心数据，最后可能发现自己多年累积的竞争经验与优势，完全被锁死在平台系统里，再也出不来。

Alex Karp 进一步指出，这还关系到国家安全。当军方开始用AI进行情报收集与战场判断，这么重要的系统，不可能把控制权完全交给几家西岸的硅谷公司。他认为，硅谷公司游走在“我们创造了超级上帝”和“这是大规模杀伤性武器，快立法监管”的两种高姿态话术之间，而业界需要有人点破这种游戏背后的风险。

归根结底，台积电反映的是AI产业链最上游、需求最真实的芯片与基础设施环节，它已经从中赚取了惊人利润。而 Chamath、Arthur Hayes 和 Alex Karp 讨论的，则是这些昂贵的芯片和算力进入到企业应用层面后，到底能不能帮企业赚回本。上游需求强劲，下游开始质疑投资回报，这两件事完全可以同时成立。就像淘金热时期，卖铲子的人赚得盆满钵满，但铲子卖得好，并不代表每一个买铲子的人最后都能挖到金子。