跳至主要內容

搜尋摘要

目錄
財報狗 節目封面
40:17 ~5 分鐘

489.【財經時事放大鏡】Google 黑化成魔王 x 金融外匯難題

Google TPU 訓練出 Gemini 3 的驚艷表現掀起 AI 晶片格局大討論;分析指出在供不應求的市場中技術優勢未必等於商業勝出,供應鏈生態系與通路布局才是真正護城河。

在 Apple Podcasts 收聽

本頁摘要由 AI 自動生成,著作權屬原節目創作者;可能存在錯誤或遺漏,建議收聽 原節目《財報狗》 以獲取完整資訊。

重點摘要

  • AI 晶片市場目前「有多少買多少」,NVIDIA 與 Google TPU 的競爭並非零和遊戲,技術優劣不直接決定商業勝負,NVIDIA 的 Inception 合作夥伴生態系被視為核心護城河
  • Google TPU 採全光交換(OCS)Scale-Out 架構技術先進,但光纖高成本與資料中心基礎建設重建障礙,使大規模商業落地仍具挑戰
  • ASIC(特殊應用積體電路)如 Google TPU 針對特定演算法高度優化,若 AI 訓練方法根本性轉變,其優勢可能急速消失,而通用 GPU 靈活性更高
  • 金管會推動壽險業匯率避險會計改革,目標從「美化財報」轉向「真實反映風險承受能力」,由台灣會計學者鄭丁旺參與研討
  • 自 2025 年年報起,產能、銷量、ASP 等財務細節改為自願揭露,僅約三分之一企業繼續公開,衝擊投資人分析基礎

詳細內容

Meta 帳號解封始末

主持人薇宇分享財報狗 Instagram 與 Meta 個人帳號在封鎖約兩週後成功解封。解封關鍵在人脈:一是透過任職 Meta 的工程師朋友,二是借助知名 YouTuber 志祺七七旗下 MCN(多頻道網路)團隊直接聯繫 Meta 上層進行人工審查。薇宇指出,市面上有人收費 10 至 30 萬元聲稱代辦解封,多數仍以失敗告終,此類問題「靠錢無用、靠人脈才行」。

Google TPU vs. NVIDIA GPU 格局之爭

商業視角:技術好不等於賣最多

Google Gemini 3 以張量處理單元(TPU)訓練的優異表現引爆討論,但主持人 Skype 強調:目前 AI 晶片市場需求遠超供給,NVIDIA 與 Google TPU 並非零和競爭——市場持續成長下,技術能力只是商業成功的一塊拼圖,供應鏈掌控(台積電產能、CoWoS 先進封裝)、合作夥伴生態系與通路布局同等重要。NVIDIA 的 Inception 孵化器計畫——整合夥伴廠商共同推廣、讓各方「有肉吃、有湯喝」——被認為是重要的商業護城河。

架構比較:Scale-Up vs. Scale-Out

Google TPU 採 4×4×4(共 64 個計算單元)架構;NVIDIA 最新 GB300 系列則持續走「Scale-Up」路線強化節點內算力。Google 的「Scale-Out」策略核心是全光交換網路(OCS,Optical Circuit Switching):消除光電互轉(OEO)的兩次光電轉換耗損,大幅降低資料中心能耗與延遲,理論上可將運算叢集橫向擴展至數千個 TPU 節點。

OCS 全光交換的商業化阻礙

儘管 OCS 技術先進,落地面臨三大障礙:(1) 成本:光纖造價高出銅線 2 倍以上(曾達 10 倍),業界需等待差距縮小至 1.5–2 倍以內才有採用誘因;(2) 供應:光纖元件廠商(如 Coherent、Lumentum)供貨缺口仍大;(3) 生態慣性:現有資料中心深度依賴電氣架構,整體改建成本高昂。Google 計畫將 TPU 硬體系統對外銷售,目標讓 TPU 業務占公司總營收 10%,但其企業通路與客戶服務體系的累積遠不及 NVIDIA。

ASIC 的演算法風險

Google TPU 屬於 ASIC,針對大型語言模型(LLM)多模態訓練高度優化。然而若主流 AI 訓練方法發生根本性轉變(多位前沿科學家已指出現行 Scaling Law 邊際效益遞減,業界正在尋找下一代訓練方法),ASIC 的針對性優勢可能迅速消失。主持人舉例:曾有晶片公司為前一代演算法開發 ASIC,LLM 浪潮席捲後該晶片直接報廢,「不管花多少錢開那顆晶片,就是垃圾」。相較之下,NVIDIA GPU 支援 FP4、FP8 等多種計算精度,通用性優勢明顯。

社群上流行「TPU 是 ASIC、GPU 是通用,所以不構成競爭」的說法,主持人認為此論述不精準——當前 NVIDIA GPU 最主要的購買理由本就是多模態 LLM 訓練,而這正是 Google TPU 的設計標的,兩者在核心應用上確實存在競爭關係。

Meta 轉向 Google TPU

Meta 原本自行開發 AI 加速晶片(ASIC),但進展不順加上人才持續外流;近期有媒體報導 Meta 計畫採購 Google TPU,進一步強化市場對 Google TPU 商業化前景的關注。

AI 伺服器市況更新

戴爾(Dell)公布最新法說會,AI 伺服器業務強勁,NVIDIA GB300 系列出貨加速後帶動展望上修(此前市場擔憂從 GB200 世代過渡至 GB300 的轉換期影響營收,現已消除)。另一家同時涉足 DRAM、記憶體與 SSD 業務的科技廠商法說會表現亦優,表示短期成本不利因素將被出貨量大幅成長所抵銷。整體而言,多家法說會信號顯示 AI 基礎建設短期需求持續健康,投資人無需過度擔憂。

台積電洩密事件

主持人透露,一名台積電工程師拍攝廠內照片的洩密事件,引發台積電創辦人張忠謀(Morris Chang)極度震怒,並親自與總統會面表達立場。主持人坦言,從公開資訊完全無法還原事件全貌,各方解讀紛紜(包括「與美國政府有關」等說法),僅作為業界八卦分享,建議投資人不必過度解讀。

壽險業匯率避險會計改革

金管會啟動壽險業匯率避險機制改革,核心目標是從「以財報穩定為目的的避險行為」,轉型為「以真實管理匯率風險為導向的避險準則」。改革邀請台灣知名會計學者鄭丁旺(著有《中級會計學》,業界尊稱「台灣會計第一人」)參與研討。

背景:台灣壽險保單密度居亞洲之冠(人均約 2.9 張),保費資金規模龐大,但台灣缺乏足夠長天期新台幣公債供配置,壽險公司被迫大量持有美國國庫券等外幣資產,形成高度匯率暴露。台幣匯率大幅波動時,相關未實現外匯損益不列入損益表(EPS),僅反映於「其他綜合損益」,形成隱性財務風險。

目前討論中的方案包括:(1) 未實現損益攤銷至金融資產剩餘年限(業界傾向,但不符合現行會計準則);(2) 以期末表達性分錄認列年度實際損益;(3) 繼續採附註揭露(現行做法)。最終方向尚未定案。

年報揭露項目縮水

金管會推動企業自明年(2026 年)起,將永續(ESG)報告書整合進年報。與企業協商的結果是:以放寬強制揭露產能、銷量、ASP(平均售價)等財務細節作為換取條件。2025 年公布的年報中,僅約三分之一企業仍揭露上述數據,投資人用以估算產能利用率及各產品線毛利率的基礎資料大幅縮減。

主持人直言批評:ESG 揭露對投資決策幫助有限(「在投資角度來說一點用都沒有」),此舉反而犧牲了真正重要的財務透明度,屬於「走回頭路」。主持人並呼籲,監管機關應強制規定法說會問答記錄(Q&A)公開,並推動年報採用結構化數位格式(如 XBRL 或 HTML),而非延續難以機器讀取的 PDF。

精選語錄

「技術非常非常好,這件事我覺得那個絕對沒問題,你絕對會在上面占有一席之地。但在這個綜合來看,你技術很好跟你可以賣最多的人,這件事情就很有趣啦。」

「你開了 ASIC,就一開完以後,LLM 出來,直接死在地上。不管你花多少錢去開那顆晶片,這個就是垃圾。」

「誰要看 ESG?他們投資誰在乎 ESG?只有法規在乎,只有你的供應鏈跟法規在乎。在投資角度來說,一點用都沒有。」

時間軸

逐字稿中無明確時間標記,無法提供詳細時間軸。

相關主題