AI焦點｜資深投資人：中國全棧AI被「忽視且低估」，20億美元Klin・Forget AI Stocks: This Defense・Nvidia推出新雲端與營收分享計畫，讓AI新創更容易取得算

📰 1. 資深投資人：中國全棧AI被「忽視且低估」，20億美元Kling交易預示重新定價

原文摘要

根據一篇市場報導，一位資深投資人公開喊話，認為中國的「全棧AI」（Full Stack AI）領域長期被華爾街忽視，估值明顯偏低。他特別點名最近一筆高達20億美元的Kling（可能為某中國AI公司或專案）交易，認為這筆鉅額資金流入就是市場開始「重新定價」的信號。簡而言之：中國AI不只是做應用層，從底層晶片、模型到終端產品一條龍整合的實力，目前被嚴重低估了。

我的觀點

這個論點我大致買單，但需要加個但書。中國AI生態確實正在從「單點突破」轉向「全棧整合」——比如華為的昇騰晶片配上盤古大模型，再搭上自家雲端服務，這種垂直打通的能力在美國也很少見（連輝達都不自己做模型）。但「低估」不代表「立即暴漲」，20億美元的交易量級對比美國動輒百億的AI投資，確實顯得小菜一碟，但這也恰恰說明了市場還沒意識到中國供應鏈的規模效應。我比較擔心的是：全棧AI的高資本密集度會不會讓新創窒息？如果只有巨頭玩得起，那估值故事可能就沒那麼性感了。

延伸思考

從這個Kling交易我們可以拉出一個更大的視角：全球AI的「雙軌制」正在成形。美國主導前沿模型與高算力，中國則擅長「低成本規模化」——把AI塞進工廠、監視器、甚至農業機械裡。這種全棧能力在特定場景（如自動駕駛、智慧城市）其實非常變態。但投資人要小心，中國AI公司常被地緣政治貼上「不透明」標籤，加上監管風險，折價是合理的。關鍵在於：這個折價會不會隨著技術差距縮小而收斂？如果下一個ChatGPT級產品從中國冒出來，那現在入場的人就賺翻了。

📝 編輯說：: 這篇文章在海外科技投資圈引發討論，筆者認為最有價值的觀點是「全棧AI的性價比容易被忽略」，值得深入追蹤相關標的。

📰 2. Forget AI Stocks: This Defense Giant Has Raised Its Dividend Each of the Last 10 Years and Currently Pays a 2.75% Yield

🔗 原文連結

TITLE:忘掉AI股票吧！這家國防巨頭連續10年調高股息，目前殖利率2.75%

原文摘要

華爾街最近都在瘋AI，NVIDIA跟Palantir的股價像坐火箭，但有一檔冷門的國防巨頭——洛克希德馬丁（Lockheed Martin，代號LMT），默默連續10年調高現金股息，目前年化殖利率高達2.75%。相比之下，AI股王輝達的殖利率只有0.03%，根本是零頭。這家公司靠著F-35戰機、飛彈防禦系統等政府合約，現金流穩到不行，過去十年股息成長率年增約10%，名副其實的「股息貴族」。

我的觀點

股息連續10年只升不降，年增10%，但殖利率2.75%其實也沒多到哪去——關鍵在於它的防禦屬性。AI股票漲跌像雲霄飛車，今年財報一開獎，某家AI新創可能直接腰斬；但國防巨頭有政府長約護體，就算經濟衰退，國防預算也不會砍。2.75%看起來不如高股息ETF（某些有5%），但你可以把它當成「債券+股票」的混合體：穩定配息、偶爾還能有10%左右的資本利得（因為長期股息成長會推升股價）。對不想盯盤、只想固定收息的人來說，這比買AI股票安心太多。

延伸思考

這其實點出一個老問題：成長 vs. 穩定，你選哪一邊？ AI是未來趨勢沒錯，但如果你現在50歲，拿退休金去賭一隻本益比50倍的AI股，壓力會很大。反觀洛克希德馬丁這類股票，更像「慢熟型」資產——股息每年慢慢調高，複利滾個20年，配息成本可能已經歸零。有趣的是，很多散戶看到2.75%覺得太少，卻忘記自己買的AI股根本沒有配息（或配超少）。如果從「總報酬」來看，LMT過去十年含息總報酬約200%，雖然輸給NVIDIA幾十倍，但勝在睡得安穩。投資心理學有一點很殘酷：長期持有不動的股票，通常不是漲最兇的，而是你不怕它跌的那支。

📝 編輯說：:這篇文章在Reddit的dividend板引發熱議，不少網友認為「國防股才是真正的AI概念股（軍武自動化）」，但筆者認為最值得思考的其實是：當市場都在追逐AI夢時，你願不願意選擇慢一點但穩一點的路？

📰 3. Nvidia推出新雲端與營收分享計畫，讓AI新創更容易取得算力

🔗 原文連結

原文摘要

根據外媒報導，Nvidia 近期公布了一項全新的雲端服務與營收分享計畫，目標是幫助 AI 新創公司更容易取得昂貴的 GPU 算力。這項計畫類似於「先使用、後付費」的商業模式：符合資格的新創可以先用 Nvidia 的雲端算力來訓練模型、開發產品，等到公司開始盈利或拿到融資後，再按一定比例分享營收給 Nvidia。這等同於把 GPU 算力從「買斷成本」變成了「變動成本」，讓資源有限的團隊可以專注在演算法與產品上，不用一開始就背負沉重的硬體支出。

我的觀點：如果你正在燒錢租雲端算力，這或許是救星

你有沒有這種經驗？明明 AI 模型的 prototype 已經跑通了，但為了訓練一次模型，可能要排隊好幾天，或者每個月的雲端帳單高到讓投資人皺眉。對很多 AI 新創來說，GPU 算力早就不是「技術瓶頸」，而是「財務瓶頸」。Nvidia 這個營收分享方案，其實就是把「資本支出」轉成「營收分成」，本質上類似 SaaS 公司的「先試用、後付費」，但目標是 GPU 算力這種硬資源。

這對早期新創非常友善：你不需要在種子輪就燒掉一大筆錢買 A100、H100，也不用被綁死在特定雲端平台的昂貴專案。Nvidia 自己跳下來做雲端合作，還能賺到未來的營收抽成，既綁住了生態系，又降低了新創的死亡谷風險。不過要注意，這類合約通常會有最低營收門檻或抽成比例，如果團隊後續爆發性成長，付出的「隱形利息」可能比直接買算力還貴。但對多數還沒賺錢的團隊來說，活下去比省錢重要多了。

延伸思考：這是 Nvidia 的「平台封鎖」還是「生態賦能」？

這不是 Nvidia 第一次用財務手段綁定開發者。過去它們就有 Inception 計畫，給新創免費或折扣的 GPU 資源，但這次直接跟營收掛鉤，明顯是想把自家的 CUDA 生態系統跟新創的成功深度綁定。一旦新創的產品真的用 Nvidia 算力訓練出來，後續要遷移到 AMD 或自研晶片就難上加難，因為模型可能已經深度優化了 Nvidia 的硬體指令集。

對比 Google、AWS 也有類似的「新創點數」方案，但 Nvidia 是直接提供硬體層級的算力池，而且抽成模式讓雙方利益更一致。假如你現在正在開發一個需要大量 GPU 的新模型（像是影片生成、多模態推理），不妨去申請看看，也許能省下好幾百萬的初期成本。但記得看清楚合約裡有沒有「獨家算力供應條款」或「優先使用權」，別讓自己變成 Nvidia 的長期佃農。

📝 編輯說：:這篇報導在科技新創社群引發不少討論，筆者認為最有價值的觀點是：把算力從固定成本變成變動成本，雖能解渴，但長期來看可能讓新創被綁在特定生態系，決策前先算清楚隱形成本。

📚 本日原文來源

本文由JK Space News彙整，不代表任何投資建議。