AI 投資觀察：殺手級應用迷思、股價拆解與 SaaS 定價難題
一句話重點：AI 投資不必苦找殺手級應用，而應觀察技術成本與垂直應用是否湧現，並檢視長期獲利與 AI 定價模式能否真正轉成營收，因為殺手級應用只是機率下的產物、事後才看得出來。
關鍵觀點
- 殺手級應用是機率下的產物，早期找不到也不必找；更實際的做法是觀察新技術成本是否降得夠快、垂直型應用是否大量出現、創投是否往這邊投。
- 股價可拆成 EPS 乘以本益比：PE 上修的前提是長期 EPS 與競爭力改善，不是情緒灌高；Google 的例子顯示，即使短期 EPS 不降，長期成長展望下修，本益比仍會被往下調。
- 用台股供應鏈邏輯反推美股有陷阱：台灣擴產越多，對海外大廠可能是 margin 下降，且同一行為在不同時期解讀可以完全相反。
- 大廠自己做軟體常是示範性質，市場擴大對雲端大廠是好事，第三方只要把複雜功能做得簡單直覺就有空間；投資人一開始就用「微軟、Google 也在做」濾掉小開發商，反而會濾掉機會。
- 判斷 AI 能否轉成營收要看定價：成本隨使用量上升、收入卻不同步增加最危險；SaaS 改按用量計費會讓淨留存率下滑而陷入兩難，Palantir 因無訂閱制包袱反而受惠。
分段摘要
1:20KGI 分析師背景與台股視角
Freddy 回顧 2016 年起在 KGI 看消費性網路（FANGs，後加入 Microsoft），當時台灣缺乏專門美股分析師，他因國壽計畫替壽險買方做研究。台灣分析師靠半導體供應鏈與學長學弟網絡洞燭機先，他則體悟可反過來直接買蘋果等美股終端大廠。
▶ 從這裡看6:20擴產解讀陷阱與買賣方互動
他指出用台股供應鏈邏輯反推美股的陷阱：台灣擴產越多，對海外大廠可能是 margin 下降，且同一行為在不同時期（如 AI 熱潮前後）解讀可以完全相反。同時說明買賣方互動機制，以及他從消費性網路一路深入企業軟體、Database、資安等基礎設施的研究脈絡。
▶ 從這裡看12:35資訊升級與廣告技術細節
2020 年前台灣美股分析師稀少，借鑒外資明星分析師敘事架構很有效，之後資訊普及、機構必須升級。Freddy 常向第一線的 co-founder Richard 請教數位廣告技術細節，如 SSP、DSP 等；但也承認這些術語不常用就會忘記，如同台股群組的陌生公司名，看完就忘、用到再查是正常現象。
▶ 從這裡看17:35訊息轉換獲利估算與 PE 拆解
投資人很難把新產品或 AI 發表等正面訊息轉換成未來獲利估算，連業界多數人也做不到；市場常見夢想型畫餅直接漲。他拆解股價等於 EPS 乘以本益比：情緒性灌高 PE 不可靠，結構性上修應建立在長期獲利與競爭力改善，而外資分析師多受此訓練。
▶ 從這裡看21:20AI 早期既視感與應用層轉折
AI 時代像 Mainframe 與 iOS 早期，高度垂直整合、開發者還得處理底層，直到 Deepseek 出現才轉向應用層。他看好應用層：半導體與基礎設施每年 3 位數成長的黃金期可能已過，基期墊高後成長一定會放緩，因此要觀察成本下降與垂直應用是否湧現。
▶ 從這裡看30:05大廠示範論與新創定位
大廠自己做軟體常是示範性質，做得更好更便宜反而樂見，因為整體市場會擴大。投資人盲點是一開始就用「微軟、Google 也在做」濾掉小開發商；第三方只要把複雜功能做得簡單直覺就能吃下份額。廠商不會重複造輪子，創業應聚焦取得客戶與服務精緻化，除非像馬斯克自建資料中心。
▶ 從這裡看33:50Google 的自我革命與分拆
Google 面臨自我革命的兩難：搜尋廣告約佔全球數位廣告 60%，Google 又佔其中約 90%，AI 做得太好等於自己打趴自己。他認為 Google 擴展 Cloud、收購 Wiz 是在為分拆做準備，以 Sum of Parts 加總評價可釋放股東價值；他也提到，即使短期 EPS 不下修，只要長期成長展望低於數位廣告平均成長，本益比仍會被下修。
▶ 從這裡看41:20祖克柏力挺 Databricks 話題
Freddy 說在台灣從業的框架下不宜談個股推薦，但可談有代表性的公司。主持人提到最近常看到 Databricks，因為祖克柏在演講中大力推崇其執行長，猜測可能有投資或策略結盟；Freddy 也因此去研究，過去只知道 Snowflake，並指出現在 Lake 與 Warehouse 的界線越來越模糊，資料庫相關話題備受關注，但術語繁雜。
▶ 從這裡看43:50Warehouse 與 Datalake 之辨
解釋 Warehouse 與 Datalake 的角色差異：AI 剛興起時最大迷思是認為 Snowflake 會受惠，不少人因此賠錢。因 Snowflake 以 SQL 為主，Databricks 走 Not only SQL 路線，能處理更廣泛的資料型態與工作負載。
▶ 從這裡看46:20AI 營收轉化與定價難題
AI 營收沒有隨之暴增有兩種原因：一是假 AI 產品，二是訂閱制讓 AI 帶來的效益無法反映在售價或用量上。關鍵在定價方式，例如按 Token 計費或加購模組；若 AI 成本隨使用量上升、收入卻不同步增加，就是成長曲線不匹配，最危險。SaaS 若改成完全按用量計費以保住毛利，淨留存率會立刻下滑，大客戶也不買單，形成兩難；Palantir 沒有訂閱制包袱反而成為優勢，未來的受惠者未必是現在這批 SaaS。
▶ 從這裡看53:50台股網路公司 IPO 經驗
他在凱基內部寫了意藍資訊的第一份意見書，當時還沒有生成式 AI 概念，主打網路溫度計、預測分析與自有機房，毛利率 90% 以上；過了幾年，尤其 2022 年之後，敘事主題完全改變。往生成式 AI 發展需投入新的資本支出，一定會侵蝕原本 90% 以上的毛利率，但好壞很難論斷。他也提到 2020 年左右陪同承銷部拜訪凱鈿（凱基協辦、主辦為元大），當時點點簽還只是剛開始做的 side project。
▶ 從這裡看58:50凱鈿 pivot 與 KK 集團上市
凱鈿疫情後掙扎 pivot，把原本是 side project 的點點簽（台灣版 DocuSign）變成主力，圍繞 OCR 技術，現在可加入生成式 AI 做驗證機制。話題接著談到 KKBOX：他個人認為 10 年前就該上市，當時規劃的主題是 KKBOX 作為穩定的現金牛，養著幫日本電信業者做白牌串流的 KKStream；KKStream 因雲端用量大，還代理銷售 AWS 服務。他認為這種多元現金流養人養團隊，是台灣老創的生存方式之一，但也坦言這段沒做細節研究。
▶ 從這裡看1:07:35AI 工具實用心得
他最近最常用 AI 做理財規劃：丟入條件後，AI 雖仍會算錯，方向上合理，還會提出沒想過的平衡方式；他會追問論點依據，並要求移除不可靠的參考來源後重新整理。工具上，他覺得 Gemini 數學較準、算財務相對可靠，Grok 在數學與即時資訊上表現較好，而 Claude 直接對話時幻覺較嚴重，原因不明。
▶ 從這裡看1:08:50職涯轉換與崩盤後傾聽
他近況是照顧小孩當運動；四月因職涯轉換期在休息，所以才能暢所欲言。許多人來找他聊職涯經驗，他免費協助，感覺像心理諮商；四月股市崩盤，不少被資遣的人來傾訴，他會先請 AI 做初步歸類再協助。最後推薦應景的《秘密會議》，他從宗教、面對不確定性與偵探片三個角度欣賞。
▶ 從這裡看1:11:20擁抱不確定與資產配置
《秘密會議》談到如何面對不確定性，應擁抱不確定、不要有定見；Freddy 延伸到投資，覺得什麼事情都知道的人通常會出事。他自 2020 年起 100% 採用多元資產配置，用 ETF 涵蓋股票、債券、原物料，靠低相關或負相關資產對沖風險，只留一小部分資金做選股等主動投資。他因 2018、2020 年被市場修理，加上專注單一產業的偏見在 2022 年會爆掉、放空又常出問題，最後選擇放棄主動路線。
▶ 從這裡看