《宋分分析師備忘錄 #9》不是全面牛市，是「確定性分化」｜當AI開始賺錢，市場才剛進入下一段

這週市場共識在轉向什麼？

週末的投資紀律寫了資金行情的下一步是分化行情，

不少讀者已經發現這次的財報季就是一個很明顯的分化分水嶺，

而當市場已經進入「分化行情」，我們就不能再用「全面牛市」的思維在操作。

---

一 ｜分化行情的第一個落地案例：Apple，這不是 iPhone 週期，是定價權週期

年初開始因為記憶體成本上升，大家直覺的思考“終端消費電子一定會被壓縮”，當時高通也下修了全年手機出貨量，所以今年消費電子(尤其沒有AI相關的)都沒有起色，

但我看了最新MS針對智慧型手機的調查的細節中有兩件互相矛盾的關鍵，就是消費者對於“升級意願是上升的”，但供應商的”出貨量預測卻是下降的“，代表需求不是變多，是變貴、變集中。

所以消費電子並不是全垮，接下來看手機產業會轉變為：不是看”量“，是看”product mix”，白話文就是：不再看賣幾支手機，轉而看賣什麼等級的手機

因為高階機型可以轉嫁成本、中低階以下沒有定價權，所以智慧型手機也正在經歷分化行情，

而只要出現“分化”行情，就會有新的機會出現。

我在備忘錄#7有提到市場現在對 Apple 的期待是AI 能不能變成新的變現模式，

因為它不需要自己燒 CAPEX 做模型，但它卻可以用生態系 + 付費牆（類似 iCloud）變現，但這短期還不會 re-rate，因為還沒看到收入模型，也還沒看到用戶付費行為。

不過現在出現短期能夠將apple在市場共識上修的新觀點，也就是Apple會是這輪智慧型手機分化中最大受益者，因為apple用戶忠誠度最高、定價能力與供應鏈掌握最強，有些 Android 廠可能連 unit economics 都不成立，所以因為記憶體漲價的因素，導致手機產業開始出現結構性淘汰，在需求沒有變強(整塊餅沒有變大)的狀況下，有定價權的公司會變的更強所以市場接下來不是在交易需求復甦，會是在交易誰有能力把需求變成利潤。

週五Apple的財報，亮點不在於營收跟獲利還有展望的優於預期與上修，

機構在看的是三個關鍵re-rate的trigger：

1.成本通膨 → 但毛利率創新高(GM 49.3%下一季GM仍有機會48%)，代表Apple 有能力把成本壓力轉嫁掉，而且不是用單一方法轉嫁，是用高階product mix去打+壓供應鏈+低成本記憶體庫存，甚至十年來第一次明講“價格”即將成為他們的正式工具，當公司開始“主動談價格”，那就明確再告訴你“它有定價權”。

2.成長結構變了，很多人會誤解這季是 iPhone cycle，但sellside分析師全部在強調“Services佔43%毛利”，而且還成長16%，代表Apple再次往平台 + recurring cash flow靠攏，所以他的評價“地板”會越來越高。

3.自由現金流爆發，在CSP的FCF岌岌可危的狀況下，apple的F1H FCF +64% YoY、FY26 +53%，還持續可以回購，這是機構最愛的安全感

目前市場已經在押注iphone18的漲價幅度有多少以及折疊手機能否再度提升product mix中的高階比重，而新的CEO對於公司將針對目前擁有的現金流做出哪些令市場期待的舉措，也是大家正在關注的焦點。

現在的apple已經不是一個需求復甦的故事，而是一個定價權重新分配的故事。

---

二 ｜ MSFT會不會是下一家被re-rate的全棧式AI基礎設施？

這次財報後很多人會納悶，為什麼兩家評價高的繼續高、評價低的繼續低。差別在於，現在已經不是4家CSP，其中兩家已經是AI基礎設施(AMZN+GOOGL)，這兩家因為開始將自研晶片從成本變成收入，已經默默的被市場重新定價

大家應該有發現AMZN股價壓抑了幾乎一年，卻在4/9發出年度股東信後開始一路向上。為什麼？轉折點在於公司宣布很有可能把自研晶片外賣(甚至是整櫃方案)，那一刻就被重新定價為全棧式AI基礎設施。

既然這兩家因為自研晶片成為AI基礎設施重新被定價，那會不會有下一家呢？我也在財報後跟幾家機構客戶討論了這一題

雖然MSFT的自研晶片起步的很晚、輸其他兩家很多，但很難不思考下一個成為全棧式AI基礎設施的就是MSFT，所以與其說要盯著MSFT回報率或是現金流，我反而會盯著他的ASIC合作夥伴看看他的自研晶片進度是否跟上，再盯著管理層接下來對自家自研晶片的信心與展望，當某一刻真的從管理層口中透露出“自研晶片可能不再只是自用”的時候，MSFT也將再次被重新定價

而MSFT這次財報，市場還在看CAPEX太高，Copilot 滲透太慢，但財報透露出一個關鍵的訊息：6/1 GitHub Copilot 會從 seat-based 開始轉向seats+usage，當軟體從「人頭收費」變成「使用量收費」，成長就不再是線性，而是幾何級數(TAM被打開了)，市場還沒price in：使用量的重要性已經大於席位的滲透率。

我在備忘錄#7 也有提到：很多人以為AI 成長 = 更多人用，其實不是

真正的成長是：同一個人 / 同一家公司，用更多次，因為使用量才是收費暴增的關鍵

就像是水電公司，10個人加起來用5度電收的錢多，還是一個人用50度電收的錢多？

而如果單純看席位，其實也很亮眼，Copilot seats從1500萬一季跳到2000萬，AI ARR已經有 37B（+123% YoY），我會期待下一季MSFT的AI ARR是否有機會因seats + usage大幅跳升

當市場還在看CAPEX太高的時候，就給我們思考的機會：費用真的是費用，還是會變成未來的資產？為什麼市場不price呢？因為現在市場的想法是：我知道這很大，但我還不知道有多大？不知道是否真的能貢獻？

Apple 在漲價格，Microsoft 在改計價方式，但本質是一樣的：定價權正在集中。

而接下來股價會不會 re-rate，取決於：

1.usage 成長能不能爆發

2.pricing 能不能成立（企業願不願意付）

3.margin 能不能撐住

---

三 ｜Meta真的應該跟其他CSP拿來一起比嗎？

對市場來說，Meta現在的AI變現都屬於舊業務的「優化」，不是「新收入來源」

花了很多錢，但沒有backlog也沒有Saas訂閱可以預估未來的收入，
所以Meta的支出目前市場看起來像成本，而不是未來的資產，這是最致命的一點。

所以市場不信任 Meta是因為它沒AI收入可見性，但問題來了，這個框架真的對嗎？

如果一家公司擁有接近 40 億用戶、95% 收入來自廣告、每提升一點效率，都直接影響收入。那它做 AI，真的應該長得像Cloud？SaaS？模型公司？還是其實，它的 AI 本來就會長得完全不一樣？

回到我在備忘錄 #2 講過的一個觀點

我當時寫過一句話：市場在比較 Llama 與 Gemini，但可能看錯了 Meta 的 AI 策略

如果把 Meta 的 AI 拆開來看，它其實在做三件事：

1.AI 推薦內容 → 提升用戶停留時間
2.AI 生成素材 → 降低廣告製作門檻

3.AI 優化投放 → 提升轉換率

最後會影響一個指標：ARPU（每用戶平均收入）

而 Meta 自己也講過：AI 可以讓廣告 ROAS 提升約 20%+

那問題來了，如果廣告變得更好做、廣告主願意花更多錢，

這跟「新收入來源」，真的有本質差別嗎？

如果 Meta 的 AI 目標，不是賣模型，而是讓廣告主「更願意把錢花在它身上」

那市場現在用它有沒有“新產品收入”來評價它，會不會一開始就看錯方向？

這一題，連機構的答案都很分歧，

但是當市場有分歧的時候，就有機會

對我來說，CSP 在賣算力與工具，Meta 在賣使用場景，

GOOGL是搜尋入口、AMZN是消費入口、Apple是裝置入口、而Meta是社交入口

也有不少讀者很納悶：為什麼Google也是把AI放進原本的業務，市場會買單，但Meta做一樣的事，市場卻說他沒有AI收入？

關鍵在於，Google 的 AI，有 Cloud、有 API、有 backlog，甚至TPU外賣，所以google從“用”AI的公司，變成“賣”AI的公司，

但 Meta 還停留在“用”AI的公司，用AI把自己原本的廣告業務提升，但這些提升，沒有一個可以被單獨標價的單位，差別就在這裡。

---

如果用我的定價三階段來看現在：

GOOGL是第一家從第二階段(基本面跟上估值)再次重新回第一階段(敘事)的CSP，

現在換AMZN從第二階段再次回第一階段，

他們重新第一階段的敘事是成為了AI基礎設施。

而現在的MSFT與META正在第二階段(股價最不會動的階段)，

市場還在等他們的基本面跟上估值，

接下來MSFT如果因agentic AI或真的有機會將自研晶片外賣，也將重回第一階段

而META必須有新的敘事(或許也是agentic AI）讓他重回第一階段。

---

現在市場的共識是，只有「可收費的 AI」才值得高估值，

但歷史上，每一次新的技術週期，都會出現一件事：

一開始，市場只相信「看得見的收入」

但最後，真正賺最多的，往往是那些一開始「看不清楚怎麼賺錢」的公司

就像是最開始的AWS，他是被包在零售業務裡面的，也沒有單獨揭露，沒有人估的出來AWS會賺多少錢，市場當時的想法是：這就是AMZN拿來支撐自己電商的infra成本，甚至很多分析師當時覺得AWS是“拖累利潤”，直到AWS單獨拉出來之後，就是這樣的劇本了：看不清楚 → 看清楚了 → 估值一次性重估

所以有時候，市場看不清楚，反而常常是機會

當市場從「看不懂」變成「看懂」的那一刻，才是真正報酬最大的一段

-

我們下週見

宋分

《美股送分題》