這是《小島研究筆記》的第 7 集。

DeepSeek R1 出現時，金融市場最直接的擔憂是，更有效率的中國模型，會不會降低 AI 對 GPU、記憶體與資料中心的需求。

但是，當 Moonshot 推出 Kimi K3，我們開始看見另一種可能。模型效率提高之後，節省下來的資源未必只是用來降低成本，也可能被重新投入更大的模型、更長的內容，以及能夠自主完成工作的 AI 系統。當使用 AI 的價格下降，企業也可能開始使用更多 AI，而不只是用更少的算力完成原來的工作。

因此，中國模型真正可能改變的，未必是 AI 還需不需要算力，而是最先進模型原本具有的稀缺性與定價能力。中國模型不必全面取代美國模型，只要能力足夠、價格合理，而且企業可以穩定取得和使用，就能增加企業的選擇與議價空間。

這一集，我們將從 DeepSeek 到 Kimi K3，討論模型效率、開放權重、多模型採用與算力需求之間的關係，也進一步思考一個仍待驗證的投資問題。當能力足夠的 AI 模型愈來愈多，產業創造的利潤，最後會留在模型公司、低成本算力供應商，還是掌握客戶、資料與工作流程的軟體平台？

今天這一集，是從我寫過的一篇文章延伸出來的。這篇是〈From DeepSeek to Kimi K3, Why Financial Markets Are Paying Close Attention to Chinese AI Models〉，它討論的是，中國 AI 模型的進步，真正改變的可能不只是中美之間的技術競爭，也包括先進模型的稀缺性、封閉模型公司的定價權，以及未來 AI 產業的價值分配。

如果你對這些問題有興趣，歡迎到 Small Island Research Notes on Tech and Future 閱讀完整文章。

留言告訴我你對這一集的想法： https://open.firstory.me/user/cmnvdx9wd095r01ylemgg4j5w/comments

如果你喜歡這一集，也歡迎訂閱《小島研究筆記》。

讓我們一起從科技與產業訊號中，慢慢看見未來的方向。

更多文章與研究筆記，歡迎前往：https://smallislandresearchnotes.com

Powered by Firstory Hosting

這是《小島研究筆記》的第 6 集。

過去兩年，市場觀察 AI 基礎建設時，最關心的是 GPU、HBM、資料中心與電力是否足夠。但隨著投資規模不斷擴大，另一個問題開始浮現。這些基礎建設能否取得長期資金，並產生足以支撐債務與下一輪投資的穩定現金流？

本集從 Microsoft、Alphabet、Amazon、Meta、Oracle、CoreWeave，以及 TeraWulf 等公司的不同融資模式出發，說明 AI 需求如何透過租約、客戶承諾與信用支持，被轉換成資料中心、GPU 和電力建設所需的資本。

我們也將討論 AI 基礎建設的金融反身性，以及為什麼下一階段的競爭，不再只是模型、晶片與算力的競爭，也逐漸成為信用、融資能力與資本成本的競爭。

當金融市場仍然相信未來的 AI 需求能夠轉化為現金流，資本就會加快基礎建設的擴張。但當這項信念開始鬆動，最早出現變化的，可能不是模型能力或晶片需求，而是融資價格、信用條件與資本市場承擔風險的意願。

本集討論

• AI 基礎建設為什麼正從算力驗證走向金融驗證
• 大型科技公司的不同融資與風險承擔模式
• GPU、資料中心與長期合約如何成為可融資資產
• 金融反身性如何加快 AI 基礎建設
• 資產經濟壽命、現金流與再融資可能帶來的風險
• 為什麼資本成本將成為下一階段的競爭優勢

今天這一集，是從我寫過的一篇文章延伸出來的。這篇是〈AI Infrastructure Is Forming a New Financial Cycle: From Competing for Compute to Competing on the Cost of Capital〉，它想討論的是，當 AI 基礎建設的投資規模越來越大，另一個越來越重要的問題是，這些基礎建設能否取得足夠長期的資金，並且產生穩定的現金流，支撐龐大的資本支出、債務，以及下一輪投資。換句話說，AI 基礎建設正在從算力驗證，逐漸走向金融驗證。而下一階段的競爭，也可能不再只是誰擁有更多算力，而是誰能夠用更低的資本成本，支撐更長時間的投資。

如果你對這些問題有興趣，歡迎到 Small Island Research Notes on Tech and Future 閱讀完整文章。

留言告訴我你對這一集的想法： https://open.firstory.me/user/cmnvdx9wd095r01ylemgg4j5w/comments

如果你喜歡這一集，也歡迎訂閱《小島研究筆記》。

讓我們一起從科技與產業訊號中，慢慢看見未來的方向。

更多文章與研究筆記，歡迎前往：https://smallislandresearchnotes.com

Powered by Firstory Hosting

這是《小島研究筆記》的第 5 集。
Windows on Arm，指的是搭載 Arm 架構處理器的 Windows 電腦。這個概念已經被討論很多年，卻始終沒有真正突破。
過去，人們常認為，只要 Arm 處理器效能提升、功耗更低、電池續航更長，Windows on Arm 最終就會成功。但從 Windows RT 到 Chromebook，再到 Apple 晶片的轉換經驗，我們可以看到，真正的問題從來不只是處理器效能。
Windows 數十年累積下來的軟體、驅動程式、企業系統與使用習慣，讓架構轉換變成一個龐大的相容性與協調問題。即使 Arm 比較省電，也不代表消費者與企業會自然改變原本的選擇。
但代理型 AI 的出現，可能第一次改變了這個條件。當 AI 不再只是回答問題，而是需要長時間讀取資料、操作軟體、執行任務，本地運算、大容量記憶體、資料隱私與能源效率的重要性也開始提高。Arm 不一定需要先全面取代 x86，而可能先在本地 AI 與新型工作負載中找到位置。
這一集想討論的是，代理型 AI 是否正在重新改寫 Windows on Arm 的成立條件，以及未來個人電腦的競爭，是否會從單一處理器效能，走向中央處理器、圖形處理器、記憶體、作業系統、軟體與雲端的整體整合。
RTX Spark 還不能證明 Windows on Arm 已經成功，但它可能代表，市場正在用一個不同於「更省電的 Windows 電腦」的方式，重新理解 Arm 架構個人電腦。
今天這一集，是從我寫過的一篇文章延伸出來的。這篇是〈From Windows RT to RTX Spark: Has Agentic AI Changed the Conditions for Windows on Arm to Succeed?〉，它想討論的是，代理型 AI 是否改變了 Windows on Arm 過去的成立條件，讓搭載 Arm 架構處理器的 Windows 電腦，不必先全面取代 x86，而是能夠先從新的 AI 工作負載中，找到發展的空間。
如果你對這些問題有興趣，歡迎到 Small Island Research Notes on Tech and Future 閱讀完整文章。

留言告訴我你對這一集的想法： https://open.firstory.me/user/cmnvdx9wd095r01ylemgg4j5w/comments
如果你喜歡這一集，也歡迎訂閱《小島研究筆記》。
讓我們一起從科技與產業訊號中，慢慢看見未來的方向。
更多文章與研究筆記，歡迎前往：https://smallislandresearchnotes.com

Powered by Firstory Hosting

這是《小島研究筆記》的第 4 集。
AI 基礎建設會不會變成泡沫？
這個問題表面上看起來像是晶片公司、雲端平台和投資人的事，但其實它會影響未來 AI 服務的價格、速度和穩定性，也會影響 AI 能不能從科技熱潮，慢慢變成日常工具。
過去我們理解硬體循環，常常會看需求、缺貨、擴產和供給過剩。但這一輪 AI 基礎建設可能比較不同。
市場很早就開始討論泡沫風險，這可能讓供應商在擴產時更有紀律。同時，AI 基礎建設也越來越像一整套系統，瓶頸可能在運算、記憶體、儲存、電力、散熱和網路之間移動。
更重要的是，今天的 AI 需求雖然真實，卻不一定全部來自成熟的終端付費。有些需求來自實際使用，有些來自大型平台提前建設，有些來自新創公司的實驗，也有些來自戰略卡位。
這一集，我們不是要判斷 AI 是真是假，而是想問，如果 AI 的長期方向是真的，那麼這一輪基礎建設會如何走過自己的循環？
今天這一集，是從我寫過的一篇文章延伸出來的。這篇是〈Beyond the Traditional Hardware Framework: AI Infrastructure Is Forming a New System Cycle〉，談的是，這一輪 AI 基礎建設，可能不能只用過去硬體循環的方式來理解。
如果你對這些問題有興趣，歡迎到 Small Island Research Notes on Tech and Future 閱讀完整文章。

留言告訴我你對這一集的想法： https://open.firstory.me/user/cmnvdx9wd095r01ylemgg4j5w/comments
如果你喜歡這一集，也歡迎訂閱《小島研究筆記》。
讓我們一起從科技與產業訊號中，慢慢看見未來的方向。
更多文章與研究筆記，歡迎前往：https://smallislandresearchnotes.com

Powered by Firstory Hosting

這是《小島研究筆記》的第 3 集。

上一集，我們聊到 AI 時代，投資市場為什麼對很多軟體公司比較謹慎。這一集，讓我們把問題再擴大討論一點。

市場真的不相信 AI 嗎？也許不是。更準確地說，市場相信 AI，但它更相信看得見的 AI。

這一集，我會從三種 AI 需求來源談起；包括大型平台公司的提前建設、AI 新創公司的實驗需求，以及企業與一般使用者的成熟付費需求。這三種需求都是真實的，但穩定度不同，市場願意相信的程度也不同。

基礎建設、機房、設備、供應鏈與雲端支出，通常比較容易被市場理解，因為它們可以被建設、被採購、被出貨，也能比較快反映在訂單與營收裡。但 AI 應用能不能真正變成長期有人使用、有人付費、也能帶來利潤的產品，目前仍需要更多證據。

這一集想聊的是，現在的 AI 需求正在從提前建設與實驗擴張，慢慢走向真正成熟的終端付費需求。而這個轉換，可能才是接下來幾年最值得觀察的地方。

今天這一集，是從我寫過的一篇文章延伸出來的。

這篇是〈The Market Trusts Buildable AI, But Still Waits for AI That Customers Will Pay For〉，談的是為什麼投資市場比較容易相信看得見、蓋得出來、能反映在訂單和營收裡的 AI，卻對 AI 應用能不能形成穩定付費需求，仍然保持謹慎。


如果你對這些問題有興趣，歡迎到 Small Island Research Notes on Tech and Future 閱讀完整文章。


留言告訴我你對這一集的想法： https://open.firstory.me/user/cmnvdx9wd095r01ylemgg4j5w/comments
如果你喜歡這一集，也歡迎訂閱《小島研究筆記》。
讓我們一起從科技與產業訊號中，慢慢看見未來的方向。
更多文章與研究筆記，歡迎前往：https://smallislandresearchnotes.com

Powered by Firstory Hosting

這是《小島研究筆記》的第 2 集。

這一集想聊的是 AI 如何改寫軟體產業的成本結構，以及為什麼市場正在重新評價軟體公司。

過去 SaaS 公司的成長故事，很大一部分來自高毛利、低邊際成本與可預測的訂閱收入。但在 AI 時代，軟體的使用階段開始產生成本。每一次生成、查詢與推理，都需要 tokens、算力、能源與基礎設施支援。

當智慧本身成為一種需要被持續生產的輸出，軟體公司的競爭邏輯也開始改變。市場不再只問公司有沒有 AI 功能，而是開始問這些功能能否帶來新的付費意願，能否維持利潤率，以及公司是否仍然掌握重要的工作流程位置。

這並不是軟體產業的終結，而是市場重新思考如何評價 AI 時代軟體公司的開始。

今天這一集，是從我寫過的兩篇軟體股文章延伸出來的。
第一篇是〈AI Is Reshaping the Cost Structure of the Software Industry〉，談的是 AI 如何讓軟體的使用階段開始產生成本，也讓過去 SaaS 時代低邊際成本、高毛利的成長邏輯，開始面臨新的挑戰。
第二篇是〈In the AI Era, the Market Is Reassessing Software Companies〉，談的是為什麼有些軟體公司即使財報表現不差，市場仍然保持保守。因為市場正在重新判斷，AI 對這些公司的產品價值、成本結構、利潤率與長期角色，究竟是加分，還是新的壓力來源。

如果你對這些問題有興趣，歡迎到 Small Island Research Notes on Tech and Future 閱讀完整文章。


留言告訴我你對這一集的想法： https://open.firstory.me/user/cmnvdx9wd095r01ylemgg4j5w/comments
如果你喜歡這一集，也歡迎訂閱《小島研究筆記》。
讓我們一起從科技與產業訊號中，慢慢看見未來的方向。
更多文章與研究筆記，歡迎前往：https://smallislandresearchnotes.com

Powered by Firstory Hosting

這是《小島研究筆記》的第 1 集。今天想聊一個看起來簡單、但其實很有意思的問題。

為什麼大家離不開 NVIDIA？

幾乎所有科技巨頭都想降低對 NVIDIA 的依賴。它們一邊大量採購 NVIDIA 的晶片，一邊也努力發展自己的 AI 晶片。可是當新的 AI 需求突然出現，當推論需求變得更即時、更不規則，NVIDIA 仍然常常是最容易被調動、最容易被部署，也最容易被市場採用的系統。

這一集不是要討論 NVIDIA 會不會永遠贏，而是想用 NVIDIA 作為入口，觀察 AI 產業正在從模型競爭、晶片競爭，走向更深的系統競爭。

這一集延伸自我寫過的三篇 NVIDIA 文章。
第一篇是〈Why New AI Demand Still Often Flows to the NVIDIA Ecosystem〉，談的是為什麼新的 AI 需求，常常最後還是會流向 NVIDIA 生態系。
第二篇是〈After the Groq Move, NVIDIA’s Moat May Be Deeper Than It Appears〉，談的是 NVIDIA 的護城河，也就是它不只是做晶片，而是把不同技術整合成一整套 AI 基礎設施平台的能力。
第三篇是〈NVIDIA’s AI Narrative: When Supply Chain Signals Meet Market Headlines〉，談的是產業敘事和市場敘事之間的時間差。很多時候，產業端先看到變化，但市場要等到這些變化變成一個清楚的故事，才會真正重新理解一家公司的價值。

如果你對這些問題有興趣，歡迎到 Small Island Research Notes on Tech and Future 閱讀完整文章。


留言告訴我你對這一集的想法： https://open.firstory.me/user/cmnvdx9wd095r01ylemgg4j5w/comments
如果你喜歡這一集，也歡迎訂閱《小島研究筆記》。
讓我們一起從科技與產業訊號中，慢慢看見未來的方向。
更多文章與研究筆記，歡迎前往：https://smallislandresearchnotes.com

Powered by Firstory Hosting

這一集是《小島研究筆記》的第 0 集，我想先和你打個招呼。

這一集會聊聊我是誰，為什麼開始做這個節目，為什麼選擇用 Podcast 這個形式，以及未來想在這裡談些什麼。

如果你對科技、AI、產業變化、平台競爭與未來訊號有興趣，歡迎從這一集開始認識《小島研究筆記》。

Powered by Firstory Hosting