之前在Substack 私訊中同付費網友簡單介紹過一間叫Angel Oak 的公司發行的嬰兒債AOMD，今日就詳細寫下

公司有兩張票面25的嬰兒債：

• AOMD：Angel Oak Mortgage REIT 9.750% Senior Notes due 2030

• AOMN：Angel Oak Mortgage REIT 9.500% Senior Notes due 2029

先介紹下業務

Angel Oak (AOMR) 專門在市場上負責一種特別的房貸 non-QM loans，全寫是non-qualified mortgage。即是不符合政府合資格房貸標準嘅貸款，相對於qualified mortgage貸款人通常收入穩定，銀行所徵收的按揭利率也較低

non-QM loans針對的就是以上人士以外又想申請按揭的人，但這並不代表申請人欠缺還債能力。例如自僱人士、物業投資者、商人。他們欠缺糧單證明自己收入，需要其他替代方式證明自己還款能力，例如Bank Statements 、生意狀況等

Angel Oak 就是 non-QM 市場的一個重大參與者，透過關聯公司Angel Oak Mortgage Solutions以及市場其他Non -qm 收購Non-qm loans，再進行證券化賣給第三方。自己也會保留部分未有賣出的按揭收息

所以我們要首先理解證券化的做法

1️⃣憑藉和母公司 Angel Oak Companies 的關係，收購符合 AOMR 風險偏好的Non-QM按揭資產

2️⃣將買來的貸款打包成證券（MBS. Mortgage-based securities）賣給市場上的機構投資人，藉此鎖定融資成本

3️⃣上圖的第三步會見到 Retain Portions of Securitization ，就是保留證券化後的部分資產，這部分我會在下圖進一步解釋

4️⃣證劵化的成功令到資金回收，從而再投資其他Non-QM按揭資產

這一幅圖就反映咗證劵化後的狀況

佢會將債券打包成為唔同嘅評級，然後部分賣給投資者，向佢哋提供保證回報，而佢自己亦都保留部分較為高風險嘅債券，向保證回報嘅投資者派發所有回報之後，自己就可以享受剩低嘅回報

AOMR 把收購來的房貸打包成MBS，當中85至90% 屬於 Senior Bonds，擁有 AAA 到 A 級的高信用評級 。這部分會賣給第三方，鎖定了利息成本

有5至10%屬於Mezzanine Bonds ，擁有 BBB 到 B 級 的評級，部份會保留、部分會賣出

Junior Equity & Interest Only 屬於無評級的最底層資產。AOMR 會精挑細選，刻意自己保留這些按揭資產

簡單來說，AOMR 的關鍵就是把85-90% 的低風險資產賣給保守機構，自己憑藉內部評估機制、豐厚的行業知識保留10% 高回報的底層

舉一個假設的例子，如果有一張證券化後的Non QM loans，價值10,000元，底層按揭人的平均息率為7%。佔80%的Senior bonds 的投資者會優先以較低利率，例如說5%獲得利息收入，佔10%的Mezzanine Bonds投資者也會以7%獲得利息收入。Angel Oak 則可分配到剩餘的利息

總利息收入

10000 x 7 %= 700

給其他投資者的分配

10000 x 80% x 5 % = 400

10000 x 10% x 7% = 70

Angel Oak 分配後所得

700-400-70 = 230

證券化後由於Senior Bonds以及的Mezzanine Bonds賣給了其他投資者，Angel Oak 實質的持貨成本只有

10000 x (1-80%-10%) = 1000元

1000元賺到230元，利率就由7%變成23%

AOMR 自己只出了 10% 的本金，去撬動並享受整個資產池扣除利息後的所有剩餘潤回報。我就覺得是幾有趣的金融操作

當然世界上沒有咁大隻蛤乸隨街跳之事，咁好賺必然有更多人跟住賺，隨即就沒有那麼好賺

Angel Oak 好賺的背後其實背負着更高風險

假如有10%的按揭違約

總利息收入就由

10000 x (1-10%) x 7 % = 630元

Angel Oak 分派所得就由原本的230元跌至

630-400-70= 160元，足足下跌30%，因為Angel Oak 順位低過上面兩種投資者，所以按揭違約衝擊就更大

如果按揭組合出現本金損失，用上面的例子是10%，Angel Oak 都要硬食，因為本金損失是由最低層開始計算

上述只是我為了大家方便理解的證券化運作狀況，上圖和上上圖則分別反映實際證券化下各類債券的比例和息率。上圖我們就見到公司在7月完成了2.7億元證券化，自行保留約946萬按揭資產

既然如此，我們就要關心Angel Oak 的資產質素

Angel Oak 的按揭資產實際分為兩類，包括上述證券化後保留的投資，以及尚未證券化直接持有的按揭

先講前者，我們值得注意的數字包括：

加權平均 FICO：這裡要科普一下FICO 係美國按揭最常用的信貸評分，滿分是850。

上圖的FICO分數有748，算是Very Good水平！

• 加權平均 CLTV：66.6%，類似首期的概念，簡單來說，按揭人為了購買物業，付了大約33%的首期。這也意味即使按揭人不能還錢，貸款人收回物業再出售取回本金，要樓價下跌三成才會虧蝕。當然賣樓要時間，貸款人會在期間蒙受現金流壓力

• 90天以上拖欠比率：只有2.1%

下圖是他們直接持有的Residential loans 狀況

• 加權平均 FICO 757分

• 加權平均綜合借貸成數 (CLTV) 68.7%

• 90天以上違約率，也只有0.7%

• 第一留置權比例 (first-lien loans)：82.9%。這個數字反映在按揭抵押品需要變賣時有多少比例公司是位於第一償還次序

以上數字足以證明Angel Oak 持有的房貸資產質素健康

當然資產質素沒有大問題，都不代表公司還得到我們張債，所以我們要壓測一下

我們先討論公司的還息能力

下圖可見在 26年第二季公司的利息收入有41398，利息支出則有30656，覆蓋比率就有1.35

從下面我哋亦見到由23年開始公司的利息收入一直覆蓋利息支出綽綽有餘。所以公司償還利息，包括給我們的債息應該不成壓力

接下來是資產清算狀況

上圖是公司的資產狀況：

在6月30日為止，公司擁有

• 現金 48629

• 受限現金 3426

• 應收本金及利息 16464

將上面相加就有68519的現金資產，這些資產在清算時都不需打折

投資資產方面有

• 直接持有住宅按揭 438790

• RMBS 54059

• 信託按揭資產 - 無追索證券化債務 = 2132720 - 1968763 = 163957

• MOA 20300

以上相加就有698262，如不幸要清算時，這些按揭資產未必能以帳面價值出售，所以需要打折計算

以七折為例，總清算資產

= 現金 + 投資

= 68519 + 686373 x 70%

= 548980

上圖是公司的債務情況

在清算時，優先贖回資本的次序

• 上圖四間銀行的Notes Payable 364599

• Securities sold under agreements to repurchase 70540

• 之後輪到其他非抵押債主，包括AOMD 和 AOMN 92500、Accrued expenses (3665+439)、Interest payable 1986 、管理費 856

換句話說，在清算時我們資產覆蓋比例

（548980 - 364599 - 70540）/ （92500 + 3665+439+1986+856）

= 1.14

即是排前面的債主分好了資產，我們仍足夠償還

這是建基於他們的按揭資產公平值下跌30%的假設，讀者喜歡也可以假設公平值下跌一半

(接下來SubstackPaid Tier的朋友可以看 到Angel Oak

• 償還情況繼續討論

• 風險

• 部署

過去一年來，有不少免費的文章，來覺得也花費 不少心機和時間，才開了Paid Tier。每個月只需要7.5美元，你就看到不少財報資訊，以及最新的估值追蹤表。希望大家可以訂閱，作為有心機寫作的支持)

Subscribe now

Read more

但其實和之前寫過的倫交所一樣，其業務點止交易所咁簡單

下圖取自ICE Investor Day Presentation ，我們可見ICE 業務分為三部分：

• 交易所

• 固定收入及數據

• 按揭科技

  

下面逐一介紹下

1️⃣交易所：最闊護城河的業務

以我目前的了解，最闊護城河的業務就是交易所

ICE 在全球營運 13 間受監管的交易所及 6 間結算所，紐交所只是其中之一

ICE的交易所提供多種衍生商品合約及金融證券的上市、交易及結算服務 ，最重要的資產類別就是能源期貨及期權。布蘭特原油常見於新聞之中，就是在ICE交易的期貨合約，原來全球 ¾ 的國際貿易原油都以它作定價參考，可以視為全球油價的參考價

一個航空公司的例子

布蘭特原油就成為全球的基準合約，讓客戶鎖定價格。

舉個例子，航空公司會對油價進行對沖，例如說鎖定油價100元至明年三月。即使油價升至150元，航空公司仍可用100元買入燃油。即使油價跌穿100，例如說80，航空公司仍要用100元買油，但對航空公司來說這不是重要之事，因為航空公司不是石油炒家，而靠銷售機票賺取收入，他們要的是確定性，想要移除油價這個變動因素，增加業務能見度

而雙方都需要對沖，即使是石油公司也害怕油價下跌，需要鎖定油價，減低風險實現的影響

布蘭特原油合約的買賣就發生在ICE的交易場所中。每次交易的完成，ICE都能抽取一小筆收入

除了布蘭特原油，不少商品合約都在ICE 交易，例如農產品(EG 糖、咖啡、可可、棉花 )以及利率期貨等

其核心都是協助商業世界參與者管理風險，差別只是鎖定原油、天然氣、可可豆咖啡豆、糖的價格，還是英鎊、歐元利率

貴金屬方面 ICE 走的是另一條路：它不是靠期貨成交量取勝，而是直接掌管價格本身 ， 全球黃金、白銀、鉑金、鈀金四大 LBMA 基準價，現時全部由 ICE 旗下的 ICE Benchmark Administration 管理

此外，隨住環保意識提升，各國都對碳排放實施限制，所以出現了碳配額市場。ICE 的碳期貨價格，也是全球碳定價的準則。企業也可以鎖死碳排放成本，避免因法規改變而虧損。ICE 的碳排放定價市場係全世界最大、流動性最高，其名儀價值已連續第五年突破 1 兆美元

Subscribe now

不容忽視的結算所

除了交易所外，ICE 也營運了六間結算所 ( clearing houses)，其價值在a central counterparty that becomes the buyer to every seller and the seller to every buyer ，即所有買家的賣家，所有賣家的買家

市場上存在交易對手風險（counterparty risk)，即是買賣雙方其中一方不願意、不能夠履約，這會令履約方的業務、財務蒙上不確定性

作為中央結算所，不論市況如何波動，另一方的交易和合約依然可以在ICE 的結算所執行，其交易對手變成ICE 本身

為了確保會員有足夠的資產完成交易，ICE 會向所有參與結算的機構收取保證金，包括開倉時存入的原始保證金(original margin)以及每日因價格波動產生的變動保證金 ( variation margin)

一旦結算會員不幸違約，ICE 會根據waterfall structure 逐層動用資金：

1. 沒收會員的保證金

2. 動用該會員自己注入的保證基金

3. 動用自身的資金

4. 動用違約保險

5. 必要時甚至動用健康會員投入的保證基金

以確保相關交易的完成

在2025年底，ICE 結算所託管的資金就高達812億美元成員保證金及保證基金，並且存放在主要央行戶口，就可以賺取利息

事實上，ICE 對會員資格有嚴格的查核，例如會定時對他們進行信用評估、實時監察會員的交易活動、持倉狀況、風險暴露等

到目前為止，ICE 在歷史上從未發生過任何因為會員違約而動用健康會員保證基金、ICE 自身資金去填氹之事

ICE 也有OTC 場外買賣，進行實體交割嘅天然氣、電力同精煉油合約嘅電子交易，ICE 則提供交易確認服務。其核心都是，協助買賣家尋找交易對手、將 OTC 產品納入中央清算、提供價格標準等

（這些都反映了網絡效應、無形資產護城河，我們會在下文繼續討論）

交易所其他業務

除了商品現貨及期貨買賣、結算外，ICE 的交易所業務還包括數據與連線服務(Data & Connected Services)、上市服務

前者受惠於數據飛輪，ICE 可以向彭博及各交易機構出售期貨市場的即時報價、歷史數據，形成重覆性很高的訂閱收入。

客戶將伺服器直接連接 ICE 網絡或存放在其數據中心，以獲得極低延遲的交易權限，也需要支付固定的連接年費

上市服務方面，紐交所作為世界上最大的股票交易所，原來已經有超過 230 年歷史。截至 2025 年底，大約七成 S&P 500 企業在此上市，協助企業融資。NYSE 亦係全球 ETF 上市龍頭，佔全美 ETF 資產管理規模 75%。無論何種產品，在NYSE上市就要付上市費，同樣為ICE提供穩定的經常性收入

話雖如此，單就NYSE 來說不是闊護城河業務， 美國法規強制股票落單route⾄最佳報價，各大證券行又有Dark Pool競爭。NYSE 比較特別的部分僅為上市品牌與收市競價而已

2️⃣ICE 的交易業務價值在滿足全世界風險轉移的需求

管理層就把世界風險分為兩類： Acts of God （不可抗力）以及Acts of Man（人為）

人為就包括

• 全球利率走向的不確定性、

• 主要央行步伐的不一致 （央行影響主要貨幣利率➡️ 增加客戶管理多貨幣匯率及利率的需求）、

• 關稅政策、

• 主要經濟體的貿易爭端、

• 大選的不確定性

Acts Of God包括天災、氣候變化，但一些看似人類的行為導致實體供應鏈擾亂，也被ICE視作Act of God。明顯的例子就有戰爭導致霍爾木茲海峽封閉、油管被炸毀、天然氣設施被無人機破壞

總而言之，任何突發事件導致實物流動造成障礙，都可以視為Acts Of God

其實我們只要了解，風險在這個世界常在，就永遠有避險的需求。不管風險是來自天意還是人為，活在充滿不確定性的世界中，就需要管理和控制風險

This is why we’ve intentionally placed ICE at the intersection of markets influenced by both physical dynamics or the acts of God, and those shaped by policy and human decisions or the acts of man

未來的走向會怎麼樣，基本上冇人知（如果有人言之鑿鑿地告訴你利率會怎樣行、邊隻股票一定升，不是出於無知，就是騙子），ICE也不會知道，但ICE無須估計利率走向都能賺錢

ICE的特別定位就是無論風險由God定Man造成，佢哋都提供交易合約俾市場參與者去管理風險，而網絡效應就是ICE最闊的護城河

此外，部分監管要求迫使企業必須對沖 ，例如上市公司董事會有風險管理政策，要求管理層必須就匯率進行對沖；銀行借錢給航空公司，也要求他們有一定比例的燃料對沖

全個人類社會對風險的規避就令到ICE續二十年收入創新高

Subscribe now

3️⃣網絡效應：ICE 最闊的護城河

在寫倫交所的時候，我哋就討論過流動性吸引流動性的論點，同樣的論點也適用於ICE的期貨合約

買賣雙方都喜歡去「最多人」的地方交易，因為最容易成交。ICE 已經聚集了全球最多的能源和特定利率交易者，新的競爭對手就算手續費打折，也很難把這些大客戶搶走

流動性高的交易所可以縮減買賣差價，盡快達至成交。即使有新對手降低手續費，但買賣差價過大，有可能高於手續費的節省，反而令到客戶的交易成本上升

結算所提供嘅安全網令投資者好放心喺 ICE 進行交易，成功吸引大量額外嘅交易量流入交易所。更多嘅交易量帶動更深嘅流動性，進一步壓低客戶嘅隱性交易成本，形成一個難以被競爭對手打破嘅強大網絡效應

4️⃣固定收益與數據服務

佔25年淨營收24%，透過數據、分析工具與電子化執行，提升全球固定收益與信貸市場的運作效率

全球不少固定收益金融產品，例如市政債、公司債、MBS等等，因為欠缺流動性，價格就沒有明顯市價可供參考，ICE 的評估服務(Evaluated Pricing)就涵蓋約 150 個國家、80 種貨幣的 300 多萬種欠缺流動性的固定收益產品。公司強調AI 即使要對它們估價，也無從入手，因為其公開市場成交疏落，自然沒有可供訓練的數據。相反，ICE就有3,500 萬檔證券的基礎參考數據，基於 30 多年的累積

基金一旦推出，列明參考誰的定價，也不是話改就改之事，因為寫入了基金章程。如果無緣無故轉供應商，對該債券基金來說也就會產生聲譽問題

令問題更加複雜的是，一個債券基金可以持有數以千計的債券，但僅只有數十隻有市價的話，基金公司要點樣向投資者報價呢？報價不是可有可無的事，例如法規要求基金管理人需要定期報價

除了定價參考外，ICE 也提供固定收益指數，被廣泛應用於債券 ETF 嘅追蹤基準，通常按追蹤該指數的資產規模收一個極細嘅費率。ICE 就能夠受惠於被動投資趨勢，只要基金管理人的管理資金不斷流入，ICE就可以坐收資產規模上升的收費

這部門也有數據與網絡技術、交易執行、清算等，道理和交易所業務相似，不贅

不過這部分應該屬於Narrow Moat，300 多萬種產品的估價，需要深厚的數據來源、30年的經驗，這是難以複製的。而這個規模一旦建立，服務多一個客戶只需很少的邊際成本。同理，債券ETF一旦參考了他們的指數，亦不會無啦啦轉

但ICE 不是唯一參加者，上次寫的倫交所、SPGI 都有為不流通的債券估價

而彭博在債券指數上更具代表性，ICE 在部分債券的細分領域才相對有優勢

收購 MarketAxess

這個部門最新季度較突破的發展是收購MarketAxess，這本身是針對機構投資者的固定收益電子交易網絡。收購完成後，可以將 MarketAxess 的機構客戶和ICE 的零售客戶連通

這令到想買賣公司債的散戶接上需要買賣的基金，散戶持有的債券流動性改善，機構也可以多了買賣渠道，ICE 也能從雙方成交受惠，甚至可以買了MarketAxess的數據，強化自己的數據飛輪

MarketAxess 的 2,100 多個機構客戶中，有許多並未使用 ICE 的定價、指數或分析數據服務。收購完成後，ICE可以將上述服務cross-sell給機構客戶，增加經常性收入

Mortgage Technology

佔淨營收21%

業務定位是把整把美國房貸生命週期數碼化，由按揭發起 ➡️ MSP ➡️ 結算，也有軟件和數據分析

MSP 是 Mortgage Servicing Platform的意思，銀行在批出按揭未必會保留該筆貸款三十年，可能會將按揭打包出售予投資者，但銀行依然會為這筆按揭提供服務，例如追收貸款、轉交按揭利息予投資者、處理物業稅、違約與壞賬管理等

這部分護城河更加弱了，可取的是MSP 是紀錄系統，改變系統有轉換成本；貸款機構寧願用ICE的平台以保持法規合適性。不過ICE 透過多次收購建立此業務，目標是促進整個抵押貸款流程的電子化，將高度分散的行業整合至單一平台上，反映出行業分散度高

Subscribe now

ICE 的不同業務如何賺錢

ICE的收入分為transactional 以及經常性收入兩種

(接下來Substack/Patreon Paid Tier的朋友可以看 到ICE

• ICE 的不同業務如何賺錢

• 全天候(All-weather)的業務主張

• 關鍵財務指標討論

• 風險

• 估值和部署

過去一年來，有不少免費的文章，來覺得也花費 不少心機和時間，才開了Paid Tier。每個月只需要7.5美元，你就看到不少財報資訊，以及最新的估值追蹤表。希望大家可以訂閱，作為有心機寫作的支持)

Subscribe now

Read more

今個月主要討論

• 估值追蹤表

• 軟件股看法

• 部署

• 未來會寫的文章

在這個月本頁最大最新就是推出估值追蹤表，方便自己和付費網友跟蹤公司估值

如果錯過了可以點擊下方連結

Read more

今次會寫

1. Hyperscale 以及ACIE 收入增長的底蘊點嚟

2. 循環融資疑慮

3. 唔係所有公司都有動機採用ASIC

4. 由上游下游兩方面著手去鎖定吃緊的供應鏈

5. 關鍵財務數據

6. 風險

7. 估值

NVIDIA 已率先對28財年提出增長指引，高達70%，這對市場來說應該係一大驚喜，也是我們下面估值部分的基礎。黃仁勳表明這只是 supply constrained 環境下的成長率，如果供應不受限制，更加可以擁有 100% 成長。換句話講，70% 反映的係產能，唔係需求上限

備受關注的數據中心業務就有890億，雲端巨頭的 Hyperscale 營收為 490 億美元，而ACIE (AI Clouds, Industrial & Enterprise)則有400 億美元，按季上升 25%

按CFO Commentary中，英偉達就表示因為ACIE 部分因為一間公司改變商業模式，而重新劃為Hyperscale

上季我們就分享過透過Hyperscale 以及ACIE 的分類，反映英偉達想證明算力需求廣泛，不只係嚟自大型雲端公司

目前Hyperscale vs ACIE 比例為 55:45，依然反映這一觀點

而管理層預計ACIE 增長會持續快過Hyperscale ，未來ACIE 成為較大一部分也不足為奇

Hyperscale 以及ACIE 收入增長的底蘊點嚟？

CFO 就表示，五大雲端巨頭CAPEX會由26年的8000億美元上升至2027年的13000億美元，呢部分自然推動Hyperscale 業務

ACIE 方面，新型雲(neocloud)的興起滿足企業、AI Start-up和主權國家的算力需求，就需要買更多算力，就會找Nvidia。CFO 提出了一個數字：新型雲的總安裝容量會由去年的3GW上升至今年底的8GW，係倍數級的上升

ACIE 和雲端巨頭關係唔係你死我亡的。興建一個數據中心動輒兩三年，雲端巨頭有好多錢都不能打破呢個物理的限制，當自身算力不敷應用時，就要搵Neocloud 去補充自己的基建

像 CoreWeave、Nebius 等新興 NeoCloud 夥伴，由於使用 NVIDIA 的 DSX 參考設計，能更快速地將產能上線並營運。當巨頭們自身自建的 Blackwell 產能跟不上客戶源源不絕的需求時，只能向這些 NeoCloud 租用或採購算力了

主權AI 方面，由於世界各國政府越嚟越重視數據安全，與其向外國巨頭租算力，不如將土地和電力直接批給本地的Neocloud

We don’t own a cloud ourselves, we are a neutral partner to every sovereign and NeoCloud. Because NVIDIA compute is productive, fungible, rentable and durable, regional cloud interest is surging around the world. We helped CoreWeave, Nebius and Nscale build entire infrastructure businesses, and NeoClouds are emerging everywhere.

由於GPU 係中性的，可以運行在任何雲上，就成為了世界各地不同政府、公司的自然合作顆伴

不過Neocloud 出租的算力需求雖然強勁，但Neocloud 的資本實力不如雲端巨頭 ，佢哋要擴充產能滿足需求，在金融市場上唔係容易的事。

金融機構會擔心今日供不應求，Neocloud自然大賺，但他朝產能過剩，如果我們借錢給你擴張，未來還到錢嗎？

英偉達扮演的角色正是為Neocloud 拍心口，提供了take-or-pay的承諾，意味住英偉達會保證部分產能有沒有使用到都好都會付款，作為條件，當該NeoCloud 數據中心營運後，其高於合約最低要求的租金收入，NVIDIA 可以按比例獲得分成

由於得到了資本雄厚的英偉達保證，金融機構就更願意借錢給Neocloud 擴張

Take-or-pay的承諾令到NVIDIA 唔需要出錢借貸，但呢個最低收入擔保給予了貸款銀行信心

CFO強調，每筆基礎設施融資交易，依然是由這些獨立的第三方金融機構，根據該專案本身的商業效益（on its own merits）去進行評估、承銷同核貸

正如CFO所講，We’re not making loans

NVIDIA 不直接放貸，因此不用承擔客戶未來可能破產、導致貸款無法收回的「壞帳風險」

咁對三方面都有好處：

• 金融機構：減少違約風險

• Neocloud：成功借錢擴張業務

• NVIDIA ：黃仁勳表示佢哋可以get paid twice，一次就係賣硬件俾Neocloud，第二次則係recurring的算力出租收入。佢更預期中長期內有機會為 NVIDIA 帶來數十億美元的額外營收

不過我覺得更大意義係推動AI 生態體系的建立。黃仁勳表示目前生產的token 都係profitable 的，目前的問題更多係資本和物理限制。透過英偉達的信用補貼Neocloud，更多AI Factory 就可以建立，促進AI 應用至各行各業。Counterfactually 地講，假如資本雄厚、算力王者英偉達唔作出這樣的擔保，AI 相關算力的需求只會更遲推出市場，令到AI 應用也受到很大限制。英偉達的做法是在創造需求，令到TAM 盡快實現

Over time, this model can expand our addressable market and create reoccurring usage linked revenue stream alongside our core platform revenue, with the potential to drive billions in revenue over the medium to long term.

類似的情況也發生在AI labs 上，CFO 表示已經在Frontier labs 上投資500 億

The Frontier AI labs have extraordinary demand for training and inference compute, but they are growing faster than what their balance sheets and credit profiles can support. They have rapidly growing customer demand, yet still lack the decades-long infrastructure contracts and investment-grade financing capacity needed to secure the AI factory infrastructure independently. In other words, their growth isn’t limited by their technology or customer demand. It’s limited by compute. For these companies, more compute means more and more intelligence, more users and more revenue. NVIDIA is needed to help power this flywheel

Frontier Labs 例如OpenAI、Anthropic 在快速成長，黃仁勳甚至表示他們的利潤率fantastic

只要Frontier Labs能夠部署更多的算力，就能產生更多高價值的profitable token，直接換取利潤

為了解決Frontier Labs 需求極強、但卡在冇錢興建DC的問題，NVIDIA 充當金主，利用自身富可敵國的Balance Sheet去支持佢哋

除了上述直接投資，NVIDIA 聯同 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 及 KKR 六大全球頂級金融機構簽署合作備忘錄，設立了獨立的 AI 算力基礎設施融資平台

目標係動員超過 5000 億美元嘅第三方長期資本，以具吸引力的利率和專屬資金池( dedicated pools of capital)，推動全球 AI 基礎設施同AI 工廠興建

呢個平台嘅設計本身，其實就係對循環融資質疑嘅一種回應。 按公司說法，六大機構負責將第三方資本引導去獨立平台，資金唔係由英偉達出即係話興建成本唔會加落英偉達自己張資產負債表

另一方面，NVIDIA也為AI labs 提供土地電力擔保，例如和軟銀旗下SB Energy合作，獲得了高達 4.25 GW容量的 PORTS-Pike Technology Campus 土地與電力，獨家交予OpenAI 興建 AI 工廠。同時，英偉達也為另一間AI labs 2GW算力提供selective credit enhancement

由於AI labs 得到英偉達的支持，獲得必要的土地和資金，就可以突破算力瓶頸，產生更多tokens，以及潛在營收

對英偉達嚟講，上述支持換來了客戶對其算力平台與 CUDA 生態系統的長期依賴。例如 OpenAI 已向 NVIDIA 承諾了至 2030 年的實質部署計劃，現有及規劃中的承諾已高達約 12 GW的 NVIDIA 運算容量

雖然 5,000 億融資平台嘅建設債務不在 NVIDIA 帳上，但管理層亦坦承，明年大約有 四分之一的業務 ，是建立在他們利用自身強大資產負債表提供金融背書的客戶之上

循環融資疑慮會一直存在，樂觀地睇這仍是AI 生態體系建立之舉

英偉達目前策略就是定位自己做AI 生態系統的中心，利用強大的Balance Sheet支持其他AI 相關企業，建立use case創造需求。

樂觀睇法，NVIDIA 憑藉雄厚資本實力再創造需求。悲觀睇法，確是左手交右手

循環融資論要成立，除非有證據證實AI 需求已經無以為繼，但目前由AI Token 的消耗、新創的ARR收入都未見到

另一方面，CFO 表示GPU 算力是通用(fungible) 和耐用(durable) ，咁會有兩個意義

1. 即使某一家AI 新創經營不善倒閉，GPU 與相關運算基礎設施也可以立刻「無縫重新部署」給其他排隊等待算力的客戶，資產不會變成壞帳

2. 不論未來 AI 演算法如何演變，客戶投入嘅百億級設備都不會過時風險，極易轉租、重新部署，金融機構可以視GPU為安全、保值的物理資產

當然市場上算力供應有ASIC/XPU，不過唔係所有公司都有動機採用ASIC

Beyond the hyperscalers lies a massive market, anxious to adopt AI, customers with no interest in designing their own custom silicon, NVIDIA is fully proven full stack platform is uniquely suited to help sovereigns, NeoClouds and enterprises build their AI infrastructure, bring it to full operation, continuously optimize it through CUDA software and connected to offtake demand from our vast developer ecosystem.

自研晶片的資金成本、研發週期以及技術風險都高得不切實際，幾間Hyperscalers 因為優化內部運算成本才有需要搞ASIC，但對AI初創、一般企業嚟講通用型GPU 才正好合適

建造與優化一座 AI 工廠需要極度複雜的軟硬件全棧協同設計，普通公司需要的只係proven full stack platform

正如前文所講，英偉達平台係fungible 的，令到無論技術迭代極快都好，都能夠完美運行不管係開源定閉源模型

黃仁勳表明

I’m fairly certain we’re the only platform that runs every frontier model, whether it’s closed or open. Most of them were built on NVIDIA and so they run great on NVIDIA. And so we’re delighted by any model succeeding. So long as models succeed, I’m very happy. And both closed and open models are going to succeed and they’re both simultaneously driving our sales.

開源模型的應用之所以在有啲行業不適合雲端運算，要在本地(on-perm) 應用AI，其結果都係為英偉達帶來新訂單

黃仁勳也指出市場太過關注hyperscalers，忽略了ACIE

To break it down, the way to think about that is most people see just hyperscalers. And that’s half of the picture. The other half of the picture is what we call [ ACIE ] and that’s all the enterprise, the NeoClouds, the sovereign AIs, that part of the world is invisible to everybody. And the reason for that is because they don’t buy custom chips, they don’t buy chips one at a time. They really need an entire factory platform built for them.

大型雲端公司如Google、微軟、Amazon有能力自研晶片，但無辦法複製一個軟件生態。沒有晶片研發能力的國家與企業，能直接利用 CUDA 快速把 AI 工廠投入營運並引進開發者，係上面巨頭都無法一時三刻複製的生態優勢

簡單嚟講，NVIDIA 已經不再係chip vendor 咁簡單，係AI 生態系統的中心。

系統級的共同設計（由Hopper (營收機會180億美元/GW ) ➡️ Blackwell (250億)➡️ 最新Vera Rubin 400億，整合 CPU、GPU、網絡、軟件等）、跨雲的fungibility、CUDA所構成的生態系統的確難以複製

已經討論了不少ACIE 部分的表現，咁並不代表Hyperscalers 放慢

目前雲端行業的合約積壓訂單就有20000億，公司預期在Q3 hyperscale 業務增長會略為減速，隨住Vera Rubin 平台出貨，Q4及明年會再加快

以過去討論的理解，巨頭雖然想減少對NVIDIA 的依賴，但在服務雲端客戶，以及內部模型訓練，GPU依然不可少

上文談論過NVIDIA 目前預測FY28營收會有70%增長，黃仁勳表明這只是supply constrained 環境下的成長率，如果供應不受限制，更加可以擁有100%成長

英偉達因此需要由上游下游兩方面著手去鎖定吃緊的供應鏈

包括鎖定記憶體供應、發電廠、電力傳輸公司，以及土地、電力與外殼（Land, power, shell. LPS）開發商

例如上述和SB Energy 合作鎖定了 4.25 吉瓦GW的土地、電力和數據中心外殼，才可以給客戶OpenAI服務上線，先至可以令到英偉達能夠成功買到 AI系統

簡單來說，NVIDIA 的護城河已經由產品和技術，延伸至金融、供應鏈的造王者

上述內容都比較敘事式，接下來講一啲關鍵數據

DSO 由 45 天升至 60 天。歷史上曾見過 67 日（FY22 高峰），所以呢個水平唔算前所未見，但近兩年一直喺 35 至 42 日之間行，今次係最急嘅單季跳升。CFO 解釋係某些大型客戶簽訂多季度協議、付款期限延長，即係出貨時點問題多過信用問題。如果AI需求爆破，DSO 應該持續高居不下，反映GPU根本賣唔出，這個數字值得留意

DSO 的拉長對現金轉化率都構成影響，trade receivable 由400億上升至630億，反映消耗更多營運資金，不過拖數的很可能係有更大議價能力的幾間巨頭，暫時都不用驚恐，留意下就可

上圖是現金流量表，我們可以見到今季的 OCF 只有24,077 相比起上一季度50,344 大跌了不少，下跌了262億美元

這和上述的營運資金拖累有關

27Q1 應收帳+存貨 = 40710+25797 = 66507

27Q2 應收帳+存貨 = 63059+31575= 94634

將兩者相減我哋就可以得出working capital 壓住了多少= 94634-66507 =28127，咁就對OCF 造成了281億 拖累

接下來我們就要留意應收帳升幅是否持續高於營收，因為這會持續影響公司的現金轉化能力

(接下來Substack/Patreon Paid Tier的朋友可以看 到NVDA

• 關鍵財務指標討論

• 風險

• 估值和部署

過去一年來，有不少免費的文章，來覺得也花費 不少心機和時間，才開了Paid Tier。希望大家可以訂閱，作為有心機寫作的支持)

Subscribe now

Read more

按照2026年財政年度更新業務分類，可以分為四大部分

• Parts Supply (FY26收入 45%，最大部分)

• Repair, Engineering, and Software (FY26 收入35%)

• Government Solutions(FY26 收入15%)

• Legacy Commercial Programs (FY26 收入 5%)

下面逐一講解一下

Parts Supply

顧名思義，這個部門負責分銷零件。 當中就包括經銷由原廠（OEM）供應的全新售後替換零件，以及銷售及出租二手零件(USM, used serviceable material )

先說USM，就是從引擎或舊飛機機身上拆落嚟的零件經翻新後，作為售後市場的替換零件重新使用。值得留意的是，公司不是直接負責改裝這些零件，而是交給第三方廠商負責，讓公司維持較輕固定資產

唔好以為二手貨就是垃圾，對航空公司來說，與購買全新零件相比，USM是一個極具成本效益且交期更快速的方法

年報就表示公司擁有廣泛行業關係及市場地位，所以佢哋就能夠從飛機營運商(航空公司)、飛機租賃公司)、其他貿易公司，獲得這些飛機零件，然後再再將翻新嘅零件賣返畀顧客

除了二手零件，他們也向航空公司、政府、 MRO供應商(Maintenance, Repair, and Overhaul)出售全新的OEM原廠替換零件

下圖就反映重要客戶、OEM夥伴、政府客戶

初初睇這一部分沒有什麼特別，但原來有90%的OEM經銷合約是長期以及獨家。這令到他們在特定市場，是唯一被授權提供特定產品的渠道，為他們帶來了全球競爭規模以及銷售優勢

Subscribe now

Repair, Engineering, and Software

佔收入佔比35%，包括維修機身、維修飛機引擎、結構零件、內部翻新等

公司自己有研發和製造合法替代零件（PMA, parts manufacturer approval）的能力

來自波音、空中巴士等OEM係正式零件，PMA則係指經過美國民航局認證，由其他合格廠商設計和製造的零件，安全性得到政府認證係一模一樣！

為甚麼要用PMA呢？

其實和上面USM 相同道理，就是更加便宜，也不用等待原廠生產時間，可以更合時地滿足航空公司等要求

不過值得留意，經過一番研究他們在PMA 市場遠遠落後於龍頭HEICO (HEI，這部分會在下面再講)

而AAR 擁有一批叫做DER ( designated engineering representative)的專家，簡單來說就是獲得民航局的認證，可以審批並簽紙通過改裝、維修的人員。因為內部存在這批專家，他們就無需要每次維修或改裝都要等候公務員慢慢審查，加快飛機維修速度，令到航空公司能及時推出航班

軟件服務上，他們提供雲端、移動、AI 軟件

• 行內最出名的係Trax，一個雲端飛機維修紀錄系統 (System of records)，可以搭配手機 App 進行即時操作。

• Aerostrat：協助全球航空公司規劃長期的維修計畫以及排期。

• Airvoyant：利用 AI 自動處理採購流程（從申請到開發票），並進行智能採購與自動下單。AI Agent 能夠自動化零件搜尋、報價整合、分析，實現「一鍵下單」採購決策

• Airinmar：提供保固索賠管理服務

一講到軟件，大家都擔心AI 顛覆風險。但正如本人向來主張：不是所有軟件都生而平等。飛機安全有非常嚴格的要求，大型語言模型本身沒有飛行數據。以Trax 為例，他們是航空公司的紀錄系統，掌管著飛機的維修歷史、零件庫存和採購紀錄。

外部的AI 模型需要讀取Trax 上的數據，才能進入飛機維修的工作流程。AIR的Airvoyant 平台，就能夠讀取Trax數據，利用AI 代理完成各種工作。

政府法規的嚴厲也不容許未經實證的大型語言模型9up，相信大家都好難想象由OpenAI 直接決定飛機何時需要維修！

可惜的是，在Investor Day反映26Q3 LTM 只有約5000萬收入，佔總體收入的1.6%而已

Government Solutions

作為主要承包商，為美國國務院執行 合約，負責操作及維護國務院在全球的固定翼與旋翼飛機機隊。

為美國戰爭部、國務院（DoS）以及外國政府提供支援飛機物料計劃、採購、物流、資訊與項目管理，以及零件和組件的維修與大修（overhaul）。

最後也會設計同製造政府或者救援組織打仗同人道救援時用嘅運輸設施

該部門在 2026 財年的銷售額約佔公司總銷售額的 15%

Legacy Commercial Programs

這是公司打算在3至4年內逐漸淘汰的重資產部門，因為需要自己買零件放在庫存入面賣俾航空公司，公司唔想再承擔庫存風險

目前這個業務只是佔整體營收的5%

Subscribe now

增長前景

全球可用座位公里（Available Seat Kilometer）是航空業用來衡量「總載客容量」的關鍵指標，可以視為客運航空需求的指標

下圖可見2026-30，業界的預測為平均每年3-5%

全球龐大的航空旅客量，將持續推動航空公司擴大機隊，並帶來長期的售後維修（Aftermarket）需求。過去的歷史經驗顯示，民航業在遭遇外在衝擊（Exogenous shocks，例如疫情或地緣政治）後，都能展現出極強的復甦能力。

公司也預期航空公司會持續保守營運，不會過多地退役舊機。一方面這是因為目前兩大飛機製造商產能遠遠跟不上訂單累積速度，另一方面航空公司越來越傾向減少資本開支，在飛機依然能夠飛的時候，先選擇花錢維修，自然就有利AIR 等第三方維修商

護城河

其實部分航空公司都有自家的維修團隊，AAR強調自己是獨立服務商，在行業有特殊地位。

不過一間沒有自己維修團隊的般空公司會非常顧慮光顧由競爭對手所擁有的維修廠，不是因為對手會hea做令飛機不安全（始終這方面受法規控制），反而係因為對手不會重視自己的維修，可能拖延處理，所以就要光顧AAR這些第三方專家

而且航空公司相信他們相比對手能管理敏感數據，又不會產生利益衝突

對航空公司來說，及時的起飛非常重要。據AAR分享，一架被迫停飛的飛機每天就會產生10萬美元以上的損失。由於停飛成本甚高，對AAR及時的服務產生依賴就甚大，從而產生轉換成本

另一方面，法規的嚴格要求迫使航空公司等不得不定時維修飛機，航空公司在選擇飛機維修商時自然傾向選擇行內信譽良好的公司。法規嚴格的奧妙也在於：除非以前有良好紀錄，否則就很難得到政府當下的認證，這就基本上排除了新興參與者

上文也提及AAR 和OEM在特定零件市場中，成為獨家合作伙伴。這是雙向獨家分銷模式(two-way exclusive distribution model)

• AAR ：在特定市場中，只代表 該 OEM 夥伴，不幫其他競爭對手賣同類產品

• OEM ：該原廠夥伴也同意 只與 AAR 合作，不找其他分銷商

這讓OEM只要面對 AAR 一個夥伴，就能搞掂所有零件供應與售後市場的需求

和原廠公司的緊密合作關係、廣闊的銷售網絡，相對難以被複製

上圖就可見公司35,000+ 種零件存放在世界各地主要區域，零件分銷合約的續約率高達 100%

上面睇好吸引，但再深入少少研究這市場，我最多只能評估公司有窄護城河

經過上述討論我們會發現AAR 本質是一間服務供應商與物流分銷商，而非製造商

​

相比起 HEICO 或 TransDigm 這些手握關鍵飛機零件專利的公司，AAR 並沒有絕對的定價權

公司在年報表明

Although we generated approximately 65% of our fiscal 2026 sales from the sale of products, we are engaged in only limited manufacturing activities and have minimal

exposure to fluctuations in both the availability and pricing of raw materials.

雖然公司把唔參與零件製造視為免疫於原材料價格波動，但另一方面亦反映他們非常依賴供應商供貨。上文提及到他們和不少OEM有獨家合作關係，這是因為OEM把他們視為一個廣泛銷售渠道，但未足以霸道到和OEM有絕對談判權

下圖取自TIKR，我們可以看到AAR Corp 的毛利率顯著低於TransDigm、 HEICO。這是因為TransDigm 擁有大量專利零件，航空公司必須直接或透過分銷渠道(當中就包AIR)跟它買，所以擁有很高的議價能力，所以他們的毛利率就由21年的 52%擴充至25年的60%

相似地，HEICO 其實是上述PMA 龍頭，據報市佔率高達50%，手握約 20,000 個 民航局認證零件。根據 HEICO 官方公佈的最新數據，公司擁有三大零紀錄

• 零空中停機

• 零適航指令

• 零服務通告

維持這些高安全標準，令到HEICO PMA 零件對航空公司擁有更高的定價權

近年，波音、空中巴士也積極發展自己的售後服務。例如波音在2025年報中提及以下資訊

簡單來說，飛機製造商也留意到全球民航機隊量正在增長，飛機的退役時間越來越遲，自己也想把握售後市場

上述DER/PMA 也不是AIR 獨有的，而且PMA只屬value-added engineering，相對兩間更大嘅對手HEICO 以及TransDigm擁有的proprietory engineering係 兩個層次嘅事

另一方面，飛機維修上也有大大小小不同的競爭，上網搵一搵除了航空公司自己的維修團隊，還有Lufthansa Technik、ST Engineering、StandardAero等

簡單來說，AAR 所擁有嘅護城河主要是廣闊嘅分銷網絡、法規嘅保護，而不是自己技術上嘅優先性，比較被動

另一方面所在市場其實非常分散，雖然AAR擁有全球網絡，但在世界各地都面對不少regional competitor，以香港來說就有港機工程 (題外話：港機工程在去年賣了美洲業務給AAR)

不同的regional competitor不需要爭贏AAR的全球生意，只需要扮演地頭蟲的角色，令到過江猛龍AAR也會面對競爭壓力

上圖可見公司的維修業務也只是僅佔全球的2%

軟件方面有很高的轉換成本，但軟件收入佔公司嘅總收入不高，因此好難稱得上是闊護城河公司

Subscribe now

估值

(接下來Substack/Patreon Paid Tier的朋友可以看 到AIR

• 估值和部署

過去一年來，有不少免費的文章，來覺得也花費 不少心機和時間，才開了Paid Tier。希望大家可以訂閱，作為有心機寫作的支持)

Read more

下圖應該是所有BN 投資者都非常熟悉

睇BN 需要知道公司業務分為三部分，此圖也清楚地寫了如何衡量三大業務價值

• Asset Management

• Wealth Solutions

• Operating Businesses

由於之前寫過2-3次，今次簡單更新更好。有興趣睇返舊文，可以pm我

其實BN 最核心留意Asset Management (有上市的 BAM 、直接投資)和Wealth Solutions (BWS) 便可

BAM 業務以收取管理費為主

26Q2 BN所佔有 4.9億，過去12個月則有19.9億

Fee-bearing capital 達到 6,720 億美元，年增達 19%，反映了強勁的募資能力，過去 12 個月內募集了 1,630 億美元 的資金，反映了本人常持觀點：隨住另類投資興起，BN/BAM 等具有信譽、投資紀錄良好的管理人

26Q2 股東信中，CEO Bruce Flatt 就寫道：

Businesses today stay private far longer than they once did, which means a growing share of the world’s essential assets and of the value they create now sits outside of the public markets. As a result, investors who own only public securities are participating in a shrinking share of global value creation, and are not getting exposure to the full opportunity set. Often, when they do, it is long after the substantial gains have been made.

就是指現在的企業維持私有地位、不上市的時間比過去長得多，意味著全球很大部分的價值創造過程，都發生在非公開市場上，這就迫使資金必須配置到另類投資市場，才能分享到早期的豐厚紅利

退休金是世界上存續期最長的資金之一，一個打工仔供退休金可以一供就2、30年。這類資金的最終目標是追求長期複利與通脹保護，因此非常適合BAM所投資的基礎設施、房地產、新能源等項物。這也是BAM 能源源不絕做吸水大笨象的關鍵

而在另類投資世界，很多優質項目都不是在市場公開競價。由於 Brookfield 的規模、經驗及信譽，各國政府、主權基金與科技巨頭往往會和他們進行直接的雙邊討論和戰略合作。正如管理層所講，佢哋成為了市場以上投資者尋求合作的first call

Subscribe now

Asset Management 分部也有Unrealized carried interest

意思是未實現的附帶權益，即代客投資超出目標後的利潤分成。累計、扣除成本及非股東應佔部分後，有 68 億。過去 12 個月新增 15 億、實現 5.2 億。

另外有Target Carried Interest

是公司預計未來的附帶權益，年化的目標附帶權益為65億，屬於股東的有35億，扣除成本有27億

值得分享多兩點：

• 去年底呢個目標都是27億，表現維持

• 下圖見到Annualized Target Carried Interest從2022年開始節節上升，反映吸金力、投資能力持續，這個數字也是管理層衡量公司plan value 的部分

最後則是動用自己Balance Sheet 投資的Direct Investment

年化收入為7億，帳面值106億。無乜特別，不用多講

BWS 則是賺取利差(spread)的業務

BWS 憑藉年金、退休金為主的保險債務，平均存續期為9年。由於供款年期已經鎖，BN 就可以輕鬆獲得低息浮存金

在得到這些浮存金後，BWS就可以交給BN系內資產管理人BAM投資各類型項目，由於BAM出眾的投資眼光，就可以賺取高於年金利息開支的回報，賺取豐厚的息差

截至26Q2止的過去12個月，BWS 息差有1.94%，但其實受收購影響，新收購的英國Just Group有較高的資金成本有待優化；如果排除收購影響，息差有2.24%，和上季LTM持平

Subscribe now

值得再強調的是BWS和BAM 兩個業務引擎可以相互強化

BWS 為BAM 帶來募資來源，增加AUM，推動FRE。BAM 則為BWS帶來勝於國債的回報擴大利差

最後，關於Private Credit 憂慮

股東信也有回應：

Concerns center on direct lending to sponsor-led, private-equity-backed borrowers and exposure to software businesses.

Our credit franchise is concentrated in areas where we have deep expertise: real asset finance, asset-backed lending, and opportunistic credit…For our own part, we kept leverage modest and underwriting selective…As an example, this quarter, redemption requests at Oaktree Strategic Credit Fund, our business development company, dropped below 5%, even as many others saw redemptions climb into the high double digits.

簡單來說，BN/BAM 投資的資產都是實物資產，例如數據中心、新能源、優質房產等。目前Private credit 之憂慮在軟件可能被AI顛覆，但他們的項目不會被取代之餘，還會受惠人工智能投資。他們旗下的一個BDC只是有不足5%的贖回申請，對比同業18-19%可謂沒有壓力

BN 一切businesses usual, so far so good。估值和部署已經私訊了付費網友 （如果miss了，可以搵我）

Subscribe now

不過我們向來主張係大跌唔代表平，大升也不代表貴，關鍵都是業務前景以及估值

之前同付費網友已經預告過，寫完MELI就會看ADYEN，適逢其會正好睇下

1. 先搞清楚成個支付 landscape

參考以下取自Visa財報的資訊

我們運用信用卡付款時，款項不是叮一聲由本人戶口即時過戶到商家戶口，要經過以下程序

1. 結帳時消費者可以

   • 用電子錢包（Apple Pay等），通常掛了不同的信用卡，例如Visa 和Mastercard 卡網絡；

   • 也有封閉式唔走卡網絡的錢包，香港人熟悉的例子就有微信支付、Alipay；

   • 亦都有國家級結算通道，例如上次寫MELI提及過的巴西PIX，香港的對應例子就是轉數快

2. 例如我用Apple Pay call UBER，就會進入了Payment Gateway，可以視為虛擬版收銀機。Gateway 好似輕鬆，但Uber分分秒秒都收緊全球乘客的錢，系統能否承載需求也非常重要

   由於互聯網分分秒秒存在住網絡攻擊，呢個收銀機在你確認付款後，就必須把你的資料加密，然後再把支付過程交給下一站風險控制

3. 風險系統的任務就是確保Gateway提供的資料應否trigger 最後一步的發卡銀行進行身份認證。但商戶不會想風險系統太多false alarm。如果錯誤攔截了正常交易，令到商戶完成不了訂單外，也會令到消費者不爽，有可能唔再幫襯

4. 來到了Acquirer (收單)機構，代表Uber出面收數。呢位收數佬就會透過傳統卡網絡，例如Visa、Mastercard 等，去搵要坐Uber的我嘅發卡銀行

5. 服務完成後再在我的信用卡扣錢

在這個過程中，各個企業就可以抽到唔同收入

• 發卡銀行可以抽走大份的interchange

• 支付網絡就抽走過路費

• Acquirer 和 Gateway 也可以賺到服務費

2. Adyen 點解決商戶嘅煩惱

Adyen 的優勢就是接受多種支付工具，把上面的多個步驟統一在自己平台內，做齊Gateway、反詐騙、Acquirer等不同角色，對商戶來說就不需要多個vendor 處理支付問題，免去和多個機構打交道的複雜

點解Adyen 做到呢？

相對傳統支付服務商往往透過收購唔同嘅地方科技公司，再將破碎嘅系統拼湊埋一齊運作。Adyen由零開始，將Gateway、風險管理、交易處理、Acquiring同結算（Settlement）完全自建喺同一個技術棧、同一個代碼庫同同一個數據模型之上

因為係單一架構，商戶只需要做單次系統整合（Single Integration），就可以直接使用Adyen 平台上所有已整合的全球與本地支付工具，完全唔需要為新付款方式重新編寫後台代碼

由於大型跨國客戶只需進行一次技術整合，即可在世界各地輕鬆地擴張生意，唔需要重新考慮各種支付關係

下圖可以見到，Adyen 的平臺支援全世界250種以上的支付方式

例如在26上半年，全球體能賽事品牌 HYROX 借助 Adyen 的架構，實現了在 3 天內就讓新市場上線運作的速度

26新發展就包括：

• 在印度Adyen 直接對接其國家卡網 RuPay 同即時支付 UPI；

• 在巴西，整合了 Pix、Pix Recurring（定期扣款）及 Pix Open Finance；

• 在日本，則接入了主流錢包 PayPay。

這讓跨境商戶在進入這些高潛力市場時，可以即刻提供最符合當地習慣嘅付款選擇

3. 銀行牌照優勢

Adyen 擁有歐盟、美國與英國的銀行牌照，也在巴西以及阿聯酋等高增長市場持有本地收單或支付牌照

在第1部分寫道，傳統上Acquiring需要依靠金融機構例如銀行啟動收數程序，由於Adyen 自己就是Acqurier，就不用依賴第三方銀行夥伴，不用承受第三方改變政策而對自己造成的營運風險

大多數 Fintech 公司本身沒有銀行牌照，其底層是由一堆合作銀行拼湊而成（patchwork of partner banks），一旦這些合作銀行的風險胃納改變、突然凍結賬戶，甚至忽然倒閉，依賴他們的 Fintech 及其商戶就會面臨付款中斷等嚴重營運風險。商戶等於被迫承擔了第三方的風險

Adyen 牌照令到商家擁有營運的穩定性，增加了客戶的信任，不需要像另一些支付平台要忌憚第三方銀行的政策

It means that our customers can plan and scale their business on top of our infrastructure, knowing that the rails will still be there today, tomorrow, and 10 years from now. (Investor Day 2025)

Operating these licenses ourselves allows us to perform mission-critical activities without relying on partner banks, improving reliability and settlement speed.

ADYEN不需依賴第三方合作銀行，從而掌控整個交易流程（授權 → 收單 → 結算 → 撥付）

在26Q1，股東信中就指出Google、Microsoft、Spotify、Uber 這些合作超過十年的跨國巨頭使用量仍然持續增長。這些信任令到對企業的share of wallet會由第 3 - 7 年嘅少過 20%，增加到第 12 年之後嘅超過 40%。管理層也很有信心新的業務也能跟隨這些過往的發展軌跡，也就是隨住合作深化，客戶加深對他們的信任，令到他們佔據客戶預算嘅份額增加

客戶只需要專注在全球業務擴張，底層複雜、棘手的金融運作與合規風險，則放心交由Adyen 負責

同時因為去中介化，Adyen 可以免去支付給第三方銀行嘅中介手續費，直接與 Visa、Mastercard等全球卡網絡連接，提升利潤率

4. 世界上也有越來越多非卡/本地卡網絡的支付方式

例如電子錢包 (WeChat、Alipay)，以及國家級的轉數系統 (巴西 PIX 、印度UPI)

Adyen 已經將多國的主流非卡即時支付系統直接整合至平台中

像 Pix、Alipay、WeChat Pay、或 PayMe 這類本地替代支付方式（Alternative Payment Methods），背後根本沒有卡片組織 (V/ MA)參與，Adyen 的角色是Gateway與技術整合商

簡單來說就是一條橋梁，把商戶和支付系統連結起來

Adyen 負責幫商家代收資金，也協助跨國客戶把當地貨幣轉換成本國貨幣

不論底層是哪一種付款方式 (卡或非卡)，Adyen 把全球數百種不同的 API 和技術規格，包裝成同一個接口。商戶只要接上 Adyen，就能同時啟用幾百種支付工具。商家不需要分別找不同的acquirer或gateway開戶，所有款項都會由 Adyen 統一結算並匯入商家的銀行戶口

也不論店鋪在同一天內收到了兩大卡網絡的錢，還是非卡網絡的錢，Adyen 都會把這些不同的資金打包在一起，在同一個結算日發放，並提供一份統一的財務報表，商家就不需要分開跟不同的支付商對帳

而在主戰場歐洲，支付方法非常碎片化，例如荷蘭最受歡迎的是iDEAL、德國則是Klarna、法國本地卡網絡CB。跨國企業如果要在歐洲發展，再不能夠自已接受兩大卡網絡，需要一個中間人嘅角色對接歐洲多數的支付平臺，Adyen 就發揮了這個作用

在全球的實體銷售業務上，Adyen 則提供POS機，同樣地連接世界上多種付款方式

既然我們大概知道了Adyen 幫助世界各地商家解決什麼問題後，可以看看他們的業務分類，以及更加重要的是如何賺錢

5. 業務分類

按照年報分類，公司業務分為3個部分：

• Digital：主要支持線上優先（online-first)的企業，例如訂閱服務、旅遊、外賣和出行等

• Unified Commerce：為全球零售商、住宿和餐飲集團連接線上與實體店面的支付系統

• Platforms ：使軟件提供商( SaaS 平台) 能夠在其生態系統中直接嵌入支付和金融服務。SaaS平台上的中小企業用戶（Submerchants）無需重複進行繁瑣的合規審查，即可通過SaaS平台快速開通各類型金融服務

以下就是一些著名顧客

在26H1前，較新的業務突破則包括

• 推出 Adyen Agentic，對接未來AI代理消費

• Intelligent Money Movement (IMM)協助跨國大企業(例如Etsy、Expedia)調動全球資金，免除資金在不同銀行流轉的延遲

以下就是三大業務的佔比

簡單來說就是，公司較為專注的Digital業務佔比最大，但收入增速 (13%) 開始放緩。Unified Commerce以及 Platforms則開始接力，尤其是後者，同比大升 37%

6. 業務是如何賺錢的呢?

公司的收入分為 Net non-interest revenue (非利息收入) 以及淨利息收入 (Net interest income)

非利息收入則分為

• 清算費：清算費就是在上述提及的處理卡網絡時，作為 Acquirer的清算服務。公司年報補充是按照交易金額的特定百分比所收取的

• 處理費：商家為使用 Adyen 支付平台所支付的每筆交易固定費用。不論交易金額多少，只要交易在 Adyen 平台上發起，Adyen 就會收取這筆固定費用。這就和上述非卡網絡交易有關係，當然運用卡網絡也會收取

• 產品銷售：出售POS機，協助客戶處理實體業務

• 其他服務：外匯兌換服務費、第三方佣金 、發卡服務等

Adyen 其中一個引以為傲的地方就是價格非常透明，我們可以上他們的官方網站就輕易搵到他們處理不同支付方法的收費，以下是香港 A字頭付款方法嘅情況

淨利息收入則不難理解，Adyen 擁有銀行牌照，平台客戶在其系統中開設商業帳戶存放資金。Adyen 將這些沉澱資金存放於中央銀行或商業銀行賺取利息（Finance Income），扣除支付給商家的存款利息（Interest Expense）後，即為 Adyen 的淨利息收入

更新的發展則有Adyen Capital，當一直有運用Adyen平臺的中小企想擴充生意時，Adyen可以利用平台累積的交易數據進行信用評估，免卻中小企向傳統銀行借款需要的繁複文件。而由Adyen給予這些中小企貸款，Adyen又可以賺取利息收入

上 2張圖可見，總營收快速增長，同比上升 19%，按固定匯率計算同比增長更達 21%

淨非利息營收同比增長約 19%，而隨着Adyen Capital 等新產品，淨利息收入亦按年增長 44%， 達 862 萬歐元，所以雖然目前佔比較少 (0.7% )但依然不容忽視

7. 重要的數據

(接下來Substack/Patreon Paid Tier的朋友可以看 到ADYEN

1. 重要的數據

2. 護城河總結

3. 風險

4. 我的估值和部署

過去一年來，有不少免費的文章，來覺得也花費 不少心機和時間，才開了Paid Tier。希望大家可以訂閱，作為有心機寫作的支持)

Subscribe now

Read more

Palantir 在 Q2 實現了高達 93% 的營收年增長，總營收達到 19.35 億美元。

其中美國業務整體增長 115%，美國商業營收更飆升 149%。

PLTR 引以為傲 Rule of 40 分數 (營收成長率93%+ 利潤率62%)攀升至155，單季產生 12.2 億美元的調整後自由現金流（調整後自由現金流比率高達 63%）

Rule of 40 是我的coververse 入面中的一哥

此外，其淨美元留存率（NDR）飆升至 157%。NDR遠高於100 反映的是現在顧客不但成功留存而且增加訂單

關於未來增長有2個指標：

• RDV (Remaining Deal Value)

• RPO(Remaining Performance Obligations, 剩餘履約義務)

RDV假設客戶會執行未來所有的續約選擇權，而且中間完全不會提早解約，但是合約中有提早解約條款，換句話講RDV 的金額並不保證未來一定賺得到

RDV達到 131 億美元，較去年同期增長了 83%，按季增長了 11%。為免過度樂觀，我們就要留意RPO

RPO代表已經簽約、但還沒有轉化為營收的不可取消 (Non-cancelable) 合約價值

RPO達到 49 億美元，較去年同期爆升 103%，按季也增長了 10%

RDV 和 RPO 都大幅成長，尤其是後者，反映出高增長的確定性

AI 主權轉化為你的獨特優勢 (AI Sovereignty Compounds Your Alpha)是今次earnings call 的核心敘事

首先我們要理解什麼是 AI主權，而PLTR 如何協助企業客戶維護AI 主權

AI 主權其實就是指企業內部的營運數據，即使交由人工智能處理，應該依然需要由企業自己掌握，而不是假手於人

按照earnings presentation所指，如果直接使用外部AI 服務 (Gemini、 ChatGPT等)，企業的商業機密可能會在不知不覺中變成大型公司訓練 AI 模型的材料，earnings call 進一步指這會令他們的服務商品化 (commoditization )，失去競爭優勢 (alpha)

為了對抗這種威脅，企業真正需要的就是AI 主權，亦即完整擁有其企業數據、業務邏輯、採取行動以及安全(data, logic, actions, and security)的營運定義

PLTR 主張越來越多企業明白到這一點，選擇AI 主權，而非對公用模型的依賴，也就是要在安全的環境營運AI，確保自身優勢牢牢掌握喺手入面

Subscribe now

PLTR 的服務如何做到這一點?

Palantir 的 AIP 與 Ontology底層架構 (關於什麼是ontology，以前多有討論，有興趣可以私訊相關連結)，由多個層級(layers)緊密結合，包括數據整合、Ontology、安全權限、AI 代理（Agent）的協調、評估系統（Evals）以及後訓練（Post-training）等

覺得複雜的就是只需要了解：這些layers互聯互通，形成了一個完整的運行環境

AIP 基礎設施實時捕捉 AI 代理和人類員工運作時產生的所有遙測數據（Telemetry），會被直接送入客戶安全邊界(customer security boundary)之中，利用這些營運足跡去微調（Fine-tuning） AI 模型 (例如 NVIDIA Nemotron )，成個後訓練（Post-training）同優化過程都係喺「邊界之內」私密進行

透過這個安全邊界內的模型工廠，AI 累積的所有智慧與部落知識 (Tribal Knowledge )，都會被直接寫入客戶自己 100% 控制的權重（weights they control）中

The model’s actually fine-tuned by us in our enterprise on an NVIDIA stack, outperform frontier models, and you own the weights, you own the alpha. You own everything.

簡單嚟講就是

1. 當企業前線員工在 AIP 上操作並解決問題

2. 系統會自動捕捉佢哋互動嘅遙測數據（Telemetry），也是公司獨有的部落知識

3. 呢啲數據留喺客戶嘅安全邊界之內，當作燃料送入「自動化模型工廠」，微調並重新訓練模型

4. 呢啲學習到嘅智慧，會被直接寫入客戶自己100%掌控嘅模型權重當中，唔會外洩給外部大模型供應商，從而實現「AI 主權」

上述多個layers緊密結合的AIP 優勢並不單是維持在吹水層次，美國商業營收除了上升149%外，也簽下了21億美國商業合約，按年勁升153%。公司的商業業務還在增速

PLTR 也表示舊客戶因為sovereign AI開始大規模將系統跨產品線升級至 Ontology與主權 AI 堆疊中，解釋了NDR 上升至157%的原因，成功做到land and expand 策略

PLTR 也強調自家的AIP 相比通用型模型優勝

技術長 Shyam Sankar 指出，市場盲目迷信前沿大模型(the frontier)性能永遠最好的假設，在真實的企業環境中根本站不住腳

我們看新聞都會見到，通用大模型喜歡在基準測試(benchmark)跑分，但分數高唔代表能夠在真實嘅企業環境中應用到

We’ve been beholden to a small number of benchmarks that people have been designing models to, and then releasing models saying, “Look how well it does on this benchmark.” The benchmark has actually almost nothing to do with your business.

按照管理層的講法就是，通用模型廠商一味追求在學術指標上拿高分(Benchmaxing)，但 AIP 則引領企業進入基準制訂（Benchmaking）。由於不同企業有自己的考量，他們可以應用AIP，根據自身的戰略、需要、規則來定義甚麼才是更好

AIP 可以因應唔同企業應用在實際環境中而度身訂做，Palantir 就舉例指，將標準版、無須任何額外後訓練（Post-training）的開源權重模型 NVIDIA Nemotron Ultra 引入 AIP 堆疊後，在短短 24 小時內，就找到了 5 個實際生產任務，其表現直接擊敗了前沿模型

簡單嚟講，就是讀書好嘅唔代表做得嘢，相信呢個大家都深有體會😂😂😂

PLTR 對於通用模型最大嘅抨擊係企業去採用根本就冇辦法轉成經濟價值，但係往往要燒很多token交出垃圾

In contrast,enterprises that are not using Palantir are seeing their token meters spinning endlessly just to get slop without any correlation to value.

We are laser-focused on turning tokens into real economic value for our customers. The reality is that the market has created far more intelligence than it has converted into value.

管理層有一個很實在的分享：

一間大型矽谷科技公司為了決定要採用甚麼AI 方案，決定舉辦一場技術實戰對決。參賽的雙方分別是Frontier Lab，以及Palantir AIP

雙方在同一個客戶、相同的時間線、甚至使用完全相同的底層 AI 模型下進行對決。技術長 Shyam Sankar誇張地分享，Froniter Lab被請出了大門（Shown the door），而PLTR成功獲得了1,000 萬美元的年度合約

呢個故事嘅教訓係，模型本身不是優勢，因為雙方都是使用同樣的模型。PLTR之所以拿到大訂單，係因為AIP的架構以及獨特 FDE 團隊的技術 （FDE會在下面風險部分再探討）

正如以前我們所提及模型自從DeepSeek moment 開始會變得商品化，運用模型變得越來越便宜，如果企業沒有一個合適嘅系統（例如 Ontology）去約束同引導模型，企業消耗越多呢啲商品化嘅模型，反而會帶來經濟損失以及營運越來越混亂

AIP 為企業提供咗一個靈活嘅控制面板（Control Plane），容許企業逐個工作流程（workflow by workflow）、持續不斷地喺以下三個維度之間進行權衡同動態切換模型：

• 成本（Cost）：呢個任務用呢個模型會消耗幾多 token？費用係咪合理？

• 性能（Performance）：模型輸出嘅精確度如何，會唔會產生 slop？

• 延遲（Latency）：前線員工操作時，系統反應夠唔夠快？

企業就可以根據唔同任務嘅性質（例如：簡單嘅工單分類 vs. 複雜嘅合約條款擬定），彈性調配最合適嘅模型，在成本和性能之間自決優化

Earnings Call 中有分析師提到，依賴單一frontier 模型存在極高風險，歷史上曾發生過frontier 突然被政府或廠商「撤回」或「變更」而導致企業關鍵系統瞬間癱瘓 (如無意外是指 Claude 被特朗普政府下令落架)

Palantir 嘅系統旨在支持將最合適嘅模型應用於最合適嘅用途 (bringing the right models to bear for the right purposes)。如果 A 模型突然用唔到，客戶可以隨時透過 AIP 將 A 模型抽起，無縫插上 B 模型繼續運作，確保關鍵任務永不停頓

Subscribe now

護城河

以前已經寫過PLTR 最大的護城河就是轉換成本

當企業把自己的工作流程和數據建立在ontology、AIP 上面，如果轉換其他解決方案就會打亂工作流程

Ontology 一旦成為企業嘅語意層（semantic layer），換走佢就等於要重畫成間公司嘅數據關係圖

例如，Palantir 的 AIP 平台為律師樓 Kirkland 針對私募股權基金（Private Equity Fund）在募集資金與設立需要，建立了Ontology，將原本分散在各處的基金文件、歷史交易案例、法規限制以及不同投資人的特殊要求，全部結構化並串聯在一起

Ontology 將 Kirkland超過 1,000 名資深律師累積數十年的業界經驗、談判手腕（tradecraft）和專業商業判斷「程式碼化」並安全地儲存起來

當律師輸入指令或郵件時，AI 不會憑空捏造法律條文，而是直接從上述結構化的歷史數據與資深合夥人的核心邏輯中，迅速提取精準的法律解決方案

Kirkland 強調，雖然這套軟件由 Palantir 開發，但 Palantir 完全接觸不到任何客戶的機密數據。而且，這軟件是 Kirkland 的資產，被禁止向法律界同行轉售，成為他們服務私募客戶時的Alpha

按照Kirkland合夥人 Erica Berthou

At the absolute beating heart of what we offer clients is our differentiated knowledge and judgment. We needed a platform that unlocked and leveraged those competitive advantages, while also ensuring fidelity to client confidences, ethical walls and data security. That’s why we built from the ground up our Fund Formation Engine, a new operating model for legal services,

除了律師樓外，其他需要機密的行業也會對採用AIP後產生黏性，例如核能

全球目前近 100% 的商業鈾濃縮（Uranium Enrichment）能力都掌握在外國政府控制的企業手中，對美國能源安全與下一代核反應爐發展構成了極大威脅

一間叫Centrus 的企業是目前唯一擁有美國本土所有權、且具備商業鈾濃縮能力。他們正在全力擴建位於俄亥俄州皮凱頓（Piketon, Ohio）的廠房。

核燃料的製造過程涉及極度嚴苛的法規、高機密技術環境以及複雜的離心機(Centrifuge )供應鏈

Centrus 引進了 Palantir 的 人工智慧平台（AIP） 來解決這些營運難題。Palantir 協助將 Centrus 內部涉密（Classified）與非涉密（Unclassified）的資料環境進行安全串聯，讓 AI 在符合國防安全規範的前提下讀取數據

簡而言之，企業很可能因為資料安全而不能任意給資料外部AI大模型，採用AIP處理這些資料，也會因為目前的決策、行動已經在AIP上圍繞，轉換後有不確定能否保持高機密性而留在平台

上述兩間公司都不約而同地指出在採納PLTR AIP成功加快預備功夫，令到服務推出嘅時間可以提升

本季由earnings call 依然持續見到轉換成本這一點

(我相信以上免費的分析內容已經非常豐富，接下來Substack/ Patreon Paid Tier的朋友可以看到PLTR

1. 轉換成本的繼續探討

2. 政府業務的增長空間

3. 風險

4. 我的估值和部署

過去一年來，有不少免費的文章，來覺得也花費不少心機和時間，才開了Paid Tier。希望大家可以訂閱，作為有心機寫作的支持)

Subscribe now

Read more

資產管理公司嘅收入模式是按照AUM (asset-under management) 收取管理費，而在協助客人達到投資目標後可以收取分成

但最經常性的收入還是管理費

下圖可見 Management and advisory fee 是在 fee related earnings 中擁有最大的佔比

Fee Related Performance Revenues 就是上述的績效獎金

除了和費用相關收入外，公司也有net realizations

當黑石實際賣出旗下的私募基金、房地產等資產並實現獲利時，所分得的利潤分成

這部分業務就缺乏經常性特質，進行估值時建議給予較低的倍數，又或者先拎走佢，率先評估經常性業務的價值

Net Accrued Performance Revenues反映未實現的累計投資表現

截至第二季度末，帳面上累積的未實現利潤上升至75億美元，如果保守的話在估值上可以考慮把這些未實現的利潤打個折扣，六折七折八折任君選擇

既然上述管理費如此重要我們就要留意公司的資產管理狀況

下圖可見公司的管理費收入資產（Fee-Earning AUM）以及永續資本(perpetual capital)都維持上升

Perpetual capital 因為沒有強制的清算到期日，投資在黑石基金的人不能任意把資本撤離，一方面可以確保資金嘅長遠佈局爭取更高回報，另一方面也令黑石的管理費收入更加穩定

此圖可以更加清楚地看到公司在不同另類資產資金流入度高於資金流走，即使是credit and insurance部分，也是市場最憂慮的部分依然做到了這一點

這又要拋開散戶思維，黑石主要吸引機構投資者長期投資，即使市場環境風吹雨打，機構投資者需求依然殷切，尋找具有信譽嘅資產管理人爭取更佳的長期回報

最後BX 對於AI 基礎建設也有很多投資

值得留意公司所稱嘅投資策略係Investing in the Picks and Shovels of AI，他們不是投資於特別的模型、軟件、晶片，而是AI發展必需要的基礎建設，特別是數據中心、電網、機房設備等等。如此不論邊一間AI 公司跑出，BX作為賣鏟人嘅角色都會受惠

關於BX 的估值，昨晚我已經和Substack 付費網友分享，如果有興趣可以訂閱，每個月7.5 美元，就有不少財報和估值分享，之前有網友反映幾便宜呢！

Subscribe now

既然有付費網友要求，就將佢放喺優先寫作位置

MELI以商品交易總額（GMV）衡量，其網購平台在拉美地區份屬龍頭，而金融科技平台在阿根廷、智利和墨西哥的月活躍用戶數（MAUs）中名列第一，在巴西則位居第二

由於購物和支付屬於同一生態系統，就可以為消費者、商家提供完整的交易體驗

以下係業務逐一介紹

Mercado Libre Marketplace

根據年報，網購平台交易額主要由第三方賣家貢獻，自家1P銷售只佔GMV 少於10%

可以交易的產品目不暇給，例如消費電子、服裝、家庭產品、汽車配件、玩具，以及超市商品

也有提供CBT ( cross border trade)，拉美消費者就可以買到美國和中國貨

令我想不到的是此一業務包括Classifieds，用戶可以刊登廣告出售汽車、房屋、各種服務

Mercado Envios

一個為網購買家賣家而設的物流平台，公司形容物流服務是integral and

crucial part of our value proposition 因為可以改善買賣雙方的交易體驗

利用自家建構的物流網絡也令平台的上的賣家無需要依賴第三方，從而減少物流成本，令到消費者也能得益。物流網絡圍繞自家倉儲中心而建，處理超過一半以上的貨量

MELI Places利用數千家合作夥伴門市，賣家可以寄件，買家就可以取貨和退貨 (即係自攜點)

雖然成個物流網絡嘅營運、倉儲、調派都由 MELI 自家承擔，但喺重資產嘅實體運輸工具上，佢哋選擇咗同第三方承運商深度協作

MELI 嘅物流體系中貨機、大貨車同成千上萬最後一哩路送貨車組成嘅運輸網絡絕大多數（the vast majority）係由第三方承運商（third-party carriers）所擁有同營運

如此可以確保 MELI 既能享有極高嘅配送速度、控制用戶體驗以提升轉換率，同時又唔需要將所有資金投入在購買實體車隊同直接僱用司機上，保持了資本結構靈活性

Mercado Ads（廣告解決方案)

賣家能夠接觸在網購平台上的數百萬消費者，並獲得由此產生的第一方數據。廣告主能夠精準定位目標受眾。

廣告展現方式也很多元化。包括贊助清單、產品輪播廣告、橫幅和影片等。而部分方式可以在平台內外投放

Mercado Play

串流平台，播放第三方影視作品。2025開始可以連接電視，是上述廣告業務的延伸，利用串流內容吸引用戶持續投入，並精準投放廣告，鼓勵他們回到網購平台消費

Meli+

會員訂閱服務，類似Amazon Prime 。提供物流優惠、分期付款優惠、現金回贈（回贈給以下金融平台戶口）

升級的會員訂閱包括常見的串流服務如Disney+、Netflix、HBO Max

上述業務產生以下收入來源：

• 按照3P商品價值抽取的分成

• 小額交易固定手續費

• 1P 商品銷售收入

• 物流配送費、存儲費

• 廣告費

• Classifieds 刊登費

Mercado Pago（金融科技平台）

最初只是為了促進平台交易而設，慢慢地就擴展至第三方，成為拉美最大的電子支付基建

之後更加有線下的實體支付 （透過POS 機和QR 支付），解決了線下支付以現金為主的不便

主要提供的解決方案，包括：

• 日常金融服務：繳納公用事業費、手機充值、個人對個人（P2P）轉賬等

• 預繳卡、記帳卡，可以由用戶的Mercado Pago戶口結餘提取現金付款

• 信用卡：利用累積多年的數據與機器學習演算法建立信用評估模型，精準地評估信貸風險

• 保險產品：包括延長保固、人身意外險、竊盜和損壞險

• 資產管理與儲蓄：提供戶口餘額生息（Remuneration），收益率高於傳統銀行存款；並在巴西提供存款證（CDs）以及多元的投資基金選擇

• 數位資產與穩定幣：用戶在app內買賣和比特幣、以太幣等加密貨幣。並在巴西、墨西哥和智利推出與美元掛鉤的自營穩定幣 Meli Dólar

上述業務就產生以下收入來源：

• 平台外線上線下交易產生的佣金收入

• 分期貸款的利息、也會把貸款打包賣給資產管理機構 (拉美消費者極度依賴分期，25年分期付款就佔了總支付額的19%)

• 用戶放錢落電子錢包的利息收入

• 用戶碌卡的手續費

• 商家貸款、個人消費貸款、信用卡利息

• ​賣 MPOS 刷卡機，賣硬件本身虧蝕，但裝了機就可以賺交易手續費

護城河

MELI 的護城河和多數平台公司一樣，就係匯聚供需兩方的網絡效應

由於網購平台已經聚集了拉美最多的網購消費者，商家要接觸更多顧客就需要在MELI 開店。隨住網店數目更多，滿足到不同消費者需要，就令消費者人數更多，形成了正向的飛輪效應

正如業務部分提及，MELI 對商戶提供的價值主張，不單是賣貨，還有一系列的支援服務，包括存貨、貨運、短期貸款等。支援服務可以加快3P網店售貨速度，做到貨如輪轉，係小型網購平台或者商家自身難以搭建的

數據累積的護城河

大型網購平台，包括MELI、AMZN 等長期搜集用戶喜好、消費數據，確保平台上的廣告更加針對用戶需求。廣告主願意付出更高的廣告費尋求願意成交的消費者

數據的妙用也適用於金融科技業務，由於累積了交易及庫存數據，就可以有效評估消費者及中小企的信用風險。由於拉美傳統信貸數據不發達，不少消費者、中小企被銀行拒諸門外，但MELI 憑藉大數據運用演算法更準確地評估風險，能夠承擔其他信貸機構不願承擔的風險，擴張了金融科技業務的潛在市場

同理，支付方式也是越多消費者使用，就越多商戶採納的雙向飛輪

一個自我強化的生態系統

MercadoLibre and Mercado Pago have become a daily habit for Latin Americans across the region, but the opportunity that we have ahead of us is even bigger. These are not 2 businesses running in parallel. This is one flywheel each side making the other one more valuable.

如果我要說MELI 最闊的護城河就係一個自我強化的生態系統，做到了 the whole is greater than the sum of its parts 。以3P為主大型網購平台本身已經是闊護城河業務，MELI 更加能將網購建立的優勢，發展在金融科技方面

由於是在本身非常受歡迎的網購平台展開支付服務，容易獲得商家、用戶信任，然後再將這份信任拓展至線下支持實體付款業務

一些業務相輔相成的證明

網購 ↔️ 金融科技

Marketplace 的龐大活躍買家群體，成為了 Mercado Pago 信用產品、儲蓄帳戶和信用卡的天然分銷管道，極大地降低了金融服務的用戶獲取成本 (customers acquisition cost)

當 Mercado Pago 向買家發放信用卡或「先買後付」額度時，能提升消費者的購買力，並直接轉化為 Marketplace 的交易額（GMV）與消費次數

同時使用網購 Marketplace 同 Mercado Pago 金融服務嘅生態系統用戶(ecosystemic users)，所產生的 GMV、TPV（交易總額）同 AUM（管理資產規模）都顯著高於普通用戶

信用卡的持有者成為「生態系統用戶」的概率高出 2 到 3 倍

這些信用卡持有人傾向於喺網購平台購買更多商品，並將更多個人金融生活（如出糧）帶入 Mercado Pago 帳戶，形成一個極難被打破嘅生態閉環

當用戶將資金存入 Mercado Pago 帳戶以賺取高於傳統銀行嘅利息（Remunerated Account）時，佢哋喺Marketplace嘅留存率同消費頻次都會上升

因為用戶每日生活都高度依賴 Mercado Pago 錢包來處理水電煤繳費、轉賬同購物，當佢哋面臨還款壓力時，往往會優先償還 MELI 嘅貸款，以確保日常必備嘅錢包賬戶唔會被凍結，這大幅降低了信貸業務嘅壞賬風險

如上所述，累積了長達 27 年的獨家交易、買賣雙方行為與物流數據。MELI就能夠比傳統金融機構更精準地評估用戶的信用風險

廣告 ↔️ 網購

Mercado Ads 能夠直接利用網購平台上數百萬用戶嘅搜尋、瀏覽同購買行為數據，為品牌商同賣家提供極其精準的廣告投放

Mercado Play影片串流服務為延長用戶喺 MELI App 內停留時間、提升用戶參與（Engagement），另一方面也為廣告業務創造了全新嘅影片廣告（Video Ads）版位，準確的廣告也令他們回到網購平臺購物

廣告業務具有極高的毛利率。當平台上的搜索量與交易量越高，廣告版位就越多，從而為MELI注入了高利潤的現金流，這使平台有能力進行大膽的戰略再投資（例如補貼免費送貨、研發 AI 技術、擴建物流中心等）

our advertising business growing 70-plus percent year-on-year, the acquiring business as well, we are continuing to deliver scale because of the growth that we are delivering consistently. So we are electing to reinvest in areas of the business, as we discussed before, lowering the free shipping threshold, 1P, CBT and so on.

物流 ↔️ 網購

物流改善令買家的購物體驗與頻率提升。銷量的增長會吸引更多賣家使用 MELI 的倉儲與訂單履行服務，這不僅增加了公司的收入，也提高了配送密度(volume density)，進一步降低單件貨物運送成本，如在巴西實現每運單物流成本(cost per shipment)年減 17%，形成良性循環

MELI 利用會員訂閱制，將物流、金融同網購綁定

訂閱 Meli+ 會員嘅用戶喺網購平台購物，或喺平台外使用 Mercado Pago 信用卡消費時，可以獲得現金回贈，並以 Meli Dólar（MELI 自家美元穩定幣，用美元不是本國貨幣可以令用戶對沖匯率風險）嘅形式存入用戶嘅 Mercado Pago 帳戶

用戶可以選擇喺錢包內持有、賣出，或者直接喺網購平台購物時使用呢啲 Meli Dólar 付款，形成一個完美嘅資金回饋閉環

Meli+ 會員可以選擇每週特定嘅某一天作為「MELI 配送日」來接收所有購買嘅商品

當用戶為了享受低客單價免運費而選擇較慢的配送（MELI 配送日）時，物流系統能在同一個箱子和同一個配送路線中合併商品，這使得平台能利用閒置的倉儲與運輸產能，以極低的邊際成本完成低客單價免運商品的運送，進一步優化了網購的利潤空間

這樣不僅提高了用戶嘅購買頻率，也幫助物流業務（Mercado Envios）稀釋了最後一公里的配送成本（Last-mile costs）

AI 發展狀況

On the one hand is improving our search through AI, and that’s proving to have positive results, both in terms of conversion rates, in the Marketplace, items sold and so on, but also on our advertising platform, the more AI we deploy to search, the better context we provide, the better ads we are able to pick, choose and display to our consumers and the more CTR that we get from those ads, so higher revenue

當 AI 被應用於 Marketplace 搜尋時，能更精準地理解用戶意圖，這不僅提升了網購轉化率，也提高了 Mercado Ads 的定位精準度與廣告投資回報（ROAS）

AI 也有助MELI 節省營運成本，四年前MELI有1萬名客服代表。儘管業務成長了三倍，客服人數卻只有7,000人。這是因為90%的客戶互動都是在無人干預的情況下完成的

同時，多數的程序已經由 AI 撰寫，管理層在26Q2表明human written code is the exception，這使產品研發費用（Product Development）在營收中的佔比大幅下降，為其他業務的再投資帶來空間

.

長遠增長機會

網購在拉美發展中國家不如中國、美國等盛行， 2026的普及率也只有15.9% (VS 中國40%、美國31%)，因此公司依然有好大嘅潛在增長空間。互聯網、流動數據的更普及也成為了公司作為網購市場先驅的順風

相似地，下圖可見零售廣告目前只是佔全拉丁美洲的數碼廣告13%，遠低於全球的22%。隨住拉丁美洲零售媒體廣告份額，以及數碼廣告佔比的提升，MELI精準、大型的廣告平臺極有可能受惠

目前拉美的銀行覆蓋率不高，平均只有74%，特別是墨西哥只有49%，遠低於美國(95%)和中國 (89%)

由於不少國民被銀行拒諸門外，需要一些非正統的存放金錢方法，為MELI帶來滲透機會

巴西四家傳統銀行佔據了59%的信貸業務，約2000億美元的資金被存放在低收益的「poupanca」帳戶中。MELI 利息較高的存款就可以吸引到用戶之餘，也有很大的滲透機會

支付方法方面，拉美國家依然有大量現金結算，較為方便的Digital Wallets 也會有不少順風

墨西哥現金仍佔交易額 38%，Digital Wallets只得 11%；阿根廷 27% vs 18%；巴西相對成熟，22% vs 18%。要留意以上係 2023 年數據，巴西之後 Pix 普及得好快，實際情況應該已經改變咗唔少 (PIX - 央行推動的巴西版轉數快，已經覆蓋了94%的成年人口，網購結算時，有 45% 的金額是行Pix ，信用卡則是41%)

關鍵財務數據分析

最核心的觀點係犧牲利潤率換取增長

在今年第一季管理層就指出

The margin compression reflects our choice to invest in strategic initiatives and the results of each investment reinforce our conviction that we are taking the right steps to build the largest and most engaged commerce and fintech platform in Latin America. Our investment decisions are guided by clear observable evidence and that evidence tells us that now is precisely the right moment to invest boldly in a market with significant multiyear growth runways ahead.

管理層更加表明，如果公司僅僅想要在短期內優化利潤率其實唔難(fairly easy for us)，他們只需要放慢投資即可。但在面對拉美網購和金融科技極低的市場滲透率時，公司選擇主動將投資強度維持在高位

上文AI投資所帶來的營運槓桿，MELI 沒有將這些慳返的錢留作短期利潤，而是即刻「再投資」到巴西免運費補貼、1P 自營商品、跨境電商（CBT）和信用卡發卡等高增長項目

從下圖可見，Operating margin 節節下跌，去到最新季度只有6.7%

與此同時營收增長卻不斷加快

按照Earnings presentation 的解釋，壞帳撥備的增加使公司的Operating margin 有2.4%的拖累

壞帳撥備所致年營收比例由2023年的7%一路上升至2025年的10.7%

上上圖的說明可以見到26Q2因為75%的信用資產規模(credit portfolio)上升，與此同時為公司帶來了高達 9.52 億美元的季度新增營收

當貸款規模（尤其是利潤極高的信用卡業務）在短時間內高速增長時，公司必須同步提前認列大筆的壞帳準備金。這在短期內對利潤率造成壓力，但可以換取未來拉丁美洲金融科技市場更龐大的長期複利與高額營收

事實上公司的信用卡portfolio size在Q2季內上升至77億美元，按年上升91%，反映出信用卡產品的廣泛採納

COGS 爲利潤率帶來更大的拖累，高達4.7%。

這是因為在巴西市場主動降低了免運費門檻以刺激消費者落單。MELI 必須吸收更多的物流與運輸成本，進而壓抑毛利率

上圖可見巴西的降低免運費門檻投資成效卓越，連續2個季度都做到了56%商品賣出件數的增長

COGS 也會因為公司擴大1P銷售、 CBT (正在增加來自中國和美國跨境貨物)而拖累，1P 自營業務的庫存採購需要直接計入COGS，利潤率結構天然低於 3P 平台佣金模式

1P補充了貨品嘅選擇，吸引消費者更頻繁訪問，最終也會帶動利潤率更高嘅廣告及金融科技等業務

兩者同樣是為了深化用戶黏性、鞏固拉美網購與金融市佔所做出的戰略性投入，屬於犧牲短期賬面利潤率、換取長期業務護城河的商業決策

上面我哋見到Direct Contribution 在26 上半年相對25 都係持平，也係短期增收不增利的證據

在未來如果投資有成效，免運補貼、新發卡前期撥備等能推動網購和金融業務帶來增量收入，DC 應該上升；否則可能反映投資成效不彰、競爭壓力加劇了

(我相信上面內容已經非常豐富，接著下來Substack/ Patreon Paid Subscribers 可以睇到MELI

1. 其他3個關鍵財政數據

2. 風險

3. 我的估值和部署

每個月只需 7.5 USD，又或者60蚊港元/240 臺幣，就可以看到不少財報分析！歡迎大家訂閱！)

Subscribe now

Read more

• 全年營收達 3318 億美元（按年⬆️ 18%，固定匯率⬆️ 16%）

• 季營收達 900 億美元（按年⬆️ 18%，固定匯率⬆️ 17%）

營收當中最重要的增長動力Microsoft Cloud年收2140億 （⬆️ 27%），Azure 更加突破1000億

慎防盈利數字有水份

• GAAP EPS 4.81 （⬆️ 32%）

• Non-GAAP EPS 4.74 （⬆️ 23%）

微軟嘅 non-GAAP 只係移除 OpenAI 投資收益，32 億 Anthropic 收益係冇被移走

所以Non-GAAP EPS 都仲係被一次性投資收益影響，唔係營運收益。做估值時，唔應該參考

如果移除埋Anthropic 收益，EPS就有4.41

雲業務表現反映了微軟作為AI 基建霸主的地位

Azure 單季增長 43%，較上季 40% 加速

值得留意的是Azure 負載的算力需求並不全是AI，以前微軟就已經分享過傳統雲端遷移依然進行當中

事實上，企業要用到AI 有必要加快把資料轉移至雲端，AI 代理需要極快地存取企業的資料庫、ERP 系統與實時上下文。如果資料庫依然留在本地（On-premises），而 AI 模型在雲端，兩者之間的網絡延遲和傳輸瓶頸將無法發揮 AI 代理的實時反應

AI 應用的爆發亦會帶動傳統雲端運算、儲存與網路資源的增長

總而言之，企業上雲的趨勢仍係發展當中，AI 應用更加係推動力

關於Big Tech 的大辯論總要提及CAPEX

剩餘合約價值RPO繼續上升至 6,780 億美元，按年⬆️ 84% ，即使扣除 OpenAI 依然增長 25%）。

全年微軟雲端收入（Microsoft Cloud Revenue）有接近九成來自 Frontier Model 以外的公司

由此可見，訂單全靠 OpenAI 撐住 呢個質疑有了反證

這些訂單中有 30%將在未來的 12 個月內轉化為實際營收，相比上季的25% 還要多。合理解釋是訂單兌現速度加快

12 個月內要確認嘅金額按年⬆️ 37%；12 個月以後訂單，按年⬆️ 112%

無論長期定短期嘅確定性都非常之好

基礎算力需求的確係強勁，三大雲服務供應商確係有必要燒錢以捕捉呢啲機會。以微軟為例，唔主動增加算力基建，肥水就會流向AWS、GCP等別人田

積壓的訂單為微軟的短期變現與資本開支回報提供了確定性

Subscribe now

CAPEX 燒喺邊度？

CAPEX 的應用 ⅔在 Short-lived assets，即係CPU、GPU、網絡設備和儲存設備

由此可見，CAPEX 大多用於 算力供應上，為的就是把握AI 和非AI 的所有workload。微軟也強調透過工程團隊的努力，加快GPU 上線時間。這非常關鍵，因為加快算力上線時間，在供不應求的環境就等於加快變現的時間

關於CAPEX 投資值唔值得，之前市場的擔心係Hyperscalers 可能盲目投資，純粹跟風

不過在追蹤過幾間超大規模公司的Earnings Call後，我更加相信佢哋係收放自如，微軟講法係：

when you start to think about over the duration……a lot of the expense, especially you see it in CapEx,......pivot toward what I would call and do call short-lived assets, which really, right, that’s CPUs and GPUs that have relatively shorter lead times. And so if the demand environment changes, you just slow down what is, in fact, the largest component, right, and the driver of COGS. The investment into land and data center builds is actually quite flexible, right? It’s a smaller percentage of the overall cost structure.

簡單理解晶片開支買算力，當需求不似預期，佢哋確實可以不買，並回歸集中現金流回報豐富的傳統業務。而且，算力係fungible/可換的，不供應給AI workloads ，也可供應給其他workloads

CFO Amy Hood 仲補咗兩層險：客戶組合按地區、行業、workload 分散(Diverse Book of Business)；同埋自己有一個好大嘅第一方應用業務，會用到第一批上線嘅算力產能

這種「1P + 3P 雙軌並行」嘅模式，確保微軟建置嘅任何 算力產能，就算第三方客戶需求出現短期波動，都可以立刻導流畀自家嘅 1P AI 產品進行快速變現與內部優化，形成一層需求緩衝

盡快獲得算力先把握機會屬明智之舉

關於CAPEX列帳方面

由27財年開始，微軟將數據中心和辦公室嘅預計折舊與使用壽命，由原本 15 年延長至 25 年

按照會計準則會由Finance Leases重新歸類為Operating Leases，由於前者會計入Capex入，但後者不會。如此就令帳面CAPEX 減少了 150億

值得留意，這只係帳面CAPEX 減少，不代表微軟真金白銀的支出減少

簡單嚟講，本身在租借數據中心等長壽資產，租約會計價值會在CapEx扣減。而歸類為Operating Leases後，則隨住時間逐年反映在OCF之中

OCF 多了Operating lease 而減少，CAPEX 雖然少了，FCF 也未必會減少。未來要留意OCF 和FCF 的變化

我哋唔係會計師，係投資者，需要理解的係

1️⃣ 緩解華爾街對CAPEX 失控憂慮 ➡️ 市場情緒問題多於實質情況改變

2️⃣ 帳面 CapEx減少不等於微軟算力基建投資放緩

3️⃣ 15年變成25年的延長反映數據中心真係變咗做長期基礎建設平台

微軟自家AI 應用Copilot 非常亮麗

M365 Copilot 付費席位突破 3000 萬個，單季淨增席位數較上季翻倍成長，對比返上季係 2,000 萬，這是非常強勁的採用

再次印證我們之前嘅觀點：模型未必最重要，分銷渠道才重要。由於微軟的生產力及企業軟件已經在企業生產流程中，所以更加容易獲得採納。

訂閱M365 Copilot超過50,000席的企業按年增加7倍。訂閱五萬席係咩類型企業？必然係跨國大企，反映了微軟的企業服務的確融入了不少巨企之中，也成功upsell佢哋

但企業真係用緊？定係買咗擺喺度？

由部署到高使用率（80% Monthly Active Usage）嘅時間，過去一年由幾個月縮短到幾日

微軟也分享了不少其他指標，例如使用頻頻率、對話次數、滿意度、企業內部使用活躍度等，我就唔喺度長氣討論，只要知道Copilot 有好強的企業參與便可

企業持續投入Copilot AI 產品應該反映企業工作效率有改善，不然佢哋會唔用甚至取消

計費模式也有變化

過去一年多，市場經常有Seat Compression 的質疑，即係話AI 太強大，引入AI 可以取代很多員工，就唔使訂閱那麼多席位

首先，M365 Commercial seats依然有6%增長。Seats 係增長的！

安裝基數（Installed base）持續擴張，主要受惠於中小企業（SMB）以及一線工作者（Frontline worker） offerings 嘅滲透。呢批客群為微軟構建了極之寬闊且穩固嘅用戶基礎

與此同時，微軟正引導龐大嘅 4.5 億席位升級至更高級的M365 Copilot、E5 以及最新推出嘅 E7 企業套件，提升ARPU (Average Revenue Per User)

過去用戶與 AI 互動通常是一對一、即時的對話，Cowork 是 Microsoft 365 Copilot 生態系統中一項協作功能，用戶可以委派（delegate） Copilot 並完成整項工作。它能協助客戶完成多步驟的複雜任務（multistep tasks)

為了配合這種消耗大量 Token 的複雜任務，微軟於 7 月正式為 Cowork 引入了使用量計費機制（usage-based billing）

客戶除咗支付基本席位訂閱費外，還會根據實際超額用量付費。目前已有數千間企業開始採取咁嘅付費方式

Cowork 這類AI 平台可以自主調動技能，會消耗更多token，微軟的看法係ARPU 與 TAM 將隨著 AI 實際使用量的爆發而持續增長

由於以前用人頭計價，總會碰上天花板的，但採用咪表式(meter)計價後，在人頭沒有減少情況下，可以憑住超出token授權以外的消耗計費，打開營收天花板

上述席位持續擴張、AI 服務提高 ARPU 、代理 Cowork 咪錶式收費嘅三重疊加，M365 商用雲收入增速會喺27財年內逐季加速，成為繼Azure之後第2引擎

咁 Token 失控點算？

呢個係企業 IT 部門最實際嘅顧慮

微軟也推出了E7 企業套件：Copilot + E5 + Entra + Agent 365 綑綁

E7套件為企業 IT 部門提供了精準監控與調配公司 Token 消耗的工具

由於Token 消耗的能見度(observability)以及可管理性（manageability）提高了，反過來普及seat+usage 計費模式

事實上，我也不太擔心Token 失控的問題，到目前為此我們都見到Token 使用量的持續增多。商業世界係重視業務結果的，Token 正在消耗，反映的係燒Token 確實能改善企業營運效率。只要用AI 慳到的錢比支付微軟Token 費用多，企業就會支付

呢個相信也係微軟上季所講的意思：

Like when we talk about IT budgets, IT budgets are going to have to be reshaped by a combination of business outcomes, making their way into IT budgets and maybe reallocation from other line items on the income statement like OpEx

模型方面：分銷渠道更重要

以前寫GOOG/META 都提出了一個觀點：大科企的分銷渠道或者比模型本身領先度重要

微軟身為OpenAI 的早期投資者，對於模型領先度重要性看法也有轉變

But more importantly, we are building a new model system where the harness, context, memory, and action space are separate from any one model family, thereby moving the frontier on the cost-to-outcome curve. And it’s not just about cost. It also has the added benefit of business continuity and resilience because every model is substitutable.

微軟不再只是單純把 AI 模型賣給客戶，而是正在建造一套模型解耦（Decoupling）的全新系統架構，就好似一個指揮一樣，將最適合嘅模型派畀相關嘅工作。這不僅能幫企業用最低的成本換取最好的業務回報，而且就算某個 AI 模型突然壞掉，企業也可以在背景一秒換成另一個模型，業務完全不受影響

隨住模型間差異性越來越少，賣模型本身並不是最賺錢。Azure 的定位就是模型平臺，不論是OpenAi、 Anthropic、微軟自家的MAI 系列模型、開源模型，你都可以在上面運算，也不用被某一特定模型綁死

年初至今，在 Foundry 平台上使用多個模型的客戶數量暴增了 5 倍。例如 Levi Strauss 混搭使用 OpenAI 同 Anthropic 的模型，在平台上構建了超過 1,000 個領域專屬的 AI 代理

微軟自己研發嘅 MAI 系列模型其核心定位非常明確：用最優化、體量較細嘅專用模型，去取代高成本嘅前沿大模型，從而幫微軟自己同企業客戶暴降 GPU 成本

例如

• 在 Cybersecurity中，系統可以先用自研嘅 MAI 模型處理九成常見工作，若遇到高難度任務，再自動調配到 OpenAI 或 Anthropic 的前沿大模型進行推理

• 喺 GitHub Copilot 上使用MAI-Code-1-Flash，不但帶來更高代碼接受率，還把中位數 Token 使用量降低了 10%

• 喺 Excel 入面，MAI-Code-1-Flash 處理日常任務嘅質量可以媲美 GPT-5.6，但運行成本就更低

• Dynamics 365 中導入 MAI-Voice-2-Flash 幫公司降咗 89% 嘅 GPU 成本

• PowerPoint 中採用 MAI-Image-2.5 亦令 GPU 成本暴跌了 84%

針對主權與安全合規需求(有些行業、政府資料基於敏感性必須要留在本地運算)，微軟同 Mistral 等模型合作，將其引入微軟主權雲（Sovereign Cloud），支持客戶在完全斷網、客戶控制的環境下安全運行模型

Subscribe now

同其他科網巨頭一樣，微軟持續強調自研晶片優勢

微軟將模型同自研晶片Maia 200進行協同設計（Co-design），並已支持 OpenAI 與微軟自研的 MAI 模型

當 MAI 系列模型運行在上時，每瓦性能（performance per watt）直接提升了 40%

每美元性能比起陣容中最新一代晶片提升 30%

簡而言之自研晶片的堅持不外乎因為

1️⃣降低總擁有成本（TCO）與提升性價比，例如運行自家服務時會比NVIDIA 晶片平

2️⃣剔除第三方的利潤抽成 (i.e. NVIDIA tax)➡️保護雲業務的毛利率

3️⃣避免供應商鎖定

當運行AI agent時，CPU 的重要性不亞於 GPU。微軟自研 Cobalt 200 CPU，比其第一代專為雲原生工作負載而設的處理器，提供了 50% 以上的性能提升

Cobalt 虛擬機（VMs）目前不僅支持微軟的第一方 AI 應用（M365 Copilot、GitHub Copilot），同時也為全球眾多大客運行大規模工作負載，包括：Adobe、Arm、OpenAI、TomTom 等等

Cobalt 200 可以降低晶片採購成本，也令微軟進入AI 代理競爭的底層硬件分一杯羹、協助客戶解決背景多步驟運算樽頸問題

of course, what we talked about on the Azure side between model efficiency, silicon, and component efficiency, including our investments in 1P solutions there and just the overall efficiency of running it at a hyperscale.

由此可見，我哋又見到全棧式主張

• 底層：基建、晶片(Maia、Cobalt )

• 中層：多模型、企業數據、AI代理控制面板（Agent 365）

• 頂層：AI 及非AI 應用 (M365 Copilot、Github Copilot、傳統生產力工具)

無論未來是 OpenAI、Anthropic 還是開源模型勝出，只要企業需要運行 AI 代理、需要對接企業數據庫（Fabric）並保障安全（Agent 365），Azure 雲端基礎設施都是全球唯一且最優秀的系統運行平台，這形成了護城河中的轉換成本

以上全棧的優勢，除了幾間Hyperscalers 有能力投資外，全世界無乜公司做到，形成護城河中的Entry barriers

幾個值得未來關注的指標

(我相信上面內容已經非常豐富，接著下來Substack/ Patreon Paid Subscribers 可以睇到MSFT

1. 幾個值得未來關注的指標

2. 風險

3. 我的估值和部署

每個月只需 7.5 USD，又或者60蚊港元/240 臺幣，就可以看到不少財報分析！歡迎大家訂閱！)

Subscribe now

Read more

• 營收 ⬆️ 28%

• 核心廣告業務 ⬆️ 27%，廣告價格 ⬆️ 12%，曝光次數 ⬆️14%，這是強勁的表現

• 亮麗的Family of Apps (FoA)其他營收 ⬆️73%，首次突破10 億美元，由WhatsApp 付費訊息以及訂閱服務帶動 (快速增長的非廣告收入頗為驚喜，下面會再講META 的潛在多元變現路徑機會)

• 營運利潤率由43%跌至31%，惟有36億屬法律及遣散費開支，應為一次性，將佢哋扣除，利潤率有37%

• 大家最關心的資本開支預期為1300-1450億元

利潤率雖然依然下跌，但不是想象中大。下跌反映折舊費用上升、數據中心營運成本、第三方雲端開支、AI 頂尖人才的薪酬，以及第三方AI Token。可以理解為參與人工智能競賽不可避免的營運成本

核心廣告業務強勁

META 的AI 投資有沒有回報最直接看核心廣告業務表現

上面回顧業績已顯示廣告價量齊升，廣告的量要提升就必須令用戶更多時間逗留在平台上

朱克伯格表示：

We are using LLMs to improve how our systems predict and rank the ads that we show. We’ve expanded the context that we can take into account around a person’s organic and ads activity to determine an ad’s relevance, driving significant increases in relevance and conversions on both Facebook and Instagram

由此可見，META 的廣告系統不只是片面地留意用戶目前點擊什麼，而能全面了解過去在平台上瀏覽影片、貼文以及與其他廣告互動的累積表現，這大幅提升了 FB和 IG 上的廣告相關性與轉換率

如此可以形成一個雙向飛輪：

只要用戶持續覺得內容相關就會留在平台，同理只要商家持續成功銷售給目標用戶，也會留在平台，META就成功匯聚雙方需求

IG 的瀏覽時間較去年同期就有雙位數百分比的提升；FB的影片觀賞時間也有9%的提升

Meta 的廣告業務按年收入增長速度，高於任何其他已公佈財報的科技公司的廣告業務，朱生作出定調：so these AI investments are paying off

上一季我們有談及到序列學習（sequence learning）技術，意思就是分析用戶過去在平台上的長期行為，精準哋預測用戶目前會感興趣的廣告或短片

相比起以前的推薦系統，只是了解用戶的個人特徵，未必詳細知道用戶行為的時間次序。例如去旅行，一般人都是先看機票，再查酒店資訊，然後買旅遊保險。以前的系統可能只是知道用戶對旅行有興趣，但係未必判斷到用戶是在預備旅行中的哪一個步驟

所以有時明明已經預約了酒店，但是平臺還是狂推酒店廣告給用戶。透過了解用戶的行為次序，系統就能夠了解用戶已經完成酒店預約，下一步應該是推介景點資訊又或者旅遊保險了

這樣做就能夠提升廣告嘅效率

META 在26Q2就表示在廣告排序上，Meta 將用戶理解模型、序列學習與 GEM（Generative Ads Recommendation Model廣告排名系統） 結合，為FB 帶來了 8.3% 的廣告點擊次數增長，以及 15.7% 的轉換（Conversions）提升

CFO 表示目前正在增長length of user interaction sequences，就是指系統會追蹤更加久遠的歷史行為，甚至會為用戶的行為標註細節 (Granular description)，如此系統就能夠判斷那些內容真正對用戶吸引，也就發揮上述飛輪中令到用戶停駐嘅效果

另一方面Meta Generative Recommender (MGR)利用LLM同時對廣告內容與用戶偏好（user preferences)進行推理（reasoning），進而預測最適合每個人的廣告，廣告投放變得更加精準，也就做到了對用戶不構成干擾，對企業成功銷售的效果

Meta 已將首個生成式模型部署於廣告檢索系統(Ads Retrieval System，可以視為幾百萬個廣告入面挑選前數千個廣告的第一層濾網）中。在早期測試中，利用 LLM 來增加了解用戶喜好，就提高了 1%IG 應用程式事件轉換率（app event conversions，意指完成了廣告主的任務目標）

另一個廣告業務值得留意嘅發展Advantage+，可以令廣告主自動化投放廣告。將廣告步驟化繁為簡

廣告商只需要喺系統輸入佢哋嘅業務目標（例如想賣嘢定係搵新客）、設定預算等，AI 就會幫廣告商尋找同鎖定最有可能成功轉化的目標客戶，比商家手動設定更為精準；又懂得決定將廣告放喺 FB、IG 哪個版位（Feed、Reels、Marketplace、Stories）才可以獲得最高廣告效益

其他的功能還包括改善廣告預算、調整廣告素材適合版面等

Advantage+ 相關的26Q2 ARR (年化營收)突破咗 750 億美元

廣告營收的加快反映了之前的投資有效，META 沒有道理不增加AI 投資

上文回顧META 業績提及非廣告業務由WhatsApp 付費信息帶動爆升

對龐然巨物META 來說季度營收10億，相比 594 億美元廣告收入，依然只佔總營收極小部分（約 1.6%）但增長不容忽視

I think that WhatsApp and our other messaging surfaces are going to be increasingly important. WhatsApp is already the leading surface where people engage with Meta AI -- and as we build out a platform for more agents across our messaging apps, we’re going to innovate on how to deliver a private and secure AI experience

以前有意見指WhatsApp 未有好好地變現，而家有可能成為新增長機會

Meta Business Agent

Meta 於本季正式在全球 WhatsApp 和 Messenger 推出Meta Business Agent。每週已有超過 100 萬商家運用呢啲代理同客戶溝通，甚至直接完成交易

理論上擴充收入來源，計入FoA other revenue，值得我們未來兩季再跟進

與此同時，meta business agent platform也給大企業採用去部署AI Agent，內建大公司重視的業級控制工具、安全防護欄（guardrails）與成效測量工具

Meta 就分享了一間巴西租車巨頭Movida的使用情況，在 WhatsApp 上，AI Agents處理完整的租車流程，包括揀車、報價、付款

在一個月測試期內，Movida 透過 WhatsApp 的每日訂單量按年大增 44%，且高達 85% 的對話完全由 AI 代理獨立解決，完全不用人類干預

Meta 展望未來在IG 也會推出相同的代理

朱生對這類AI 代理寄予厚望，相信他們會成為企業的商業大腦。目前嚟講，我的理解依然係AI 只是數據處理的方式變得更有效率，而商業代理每天和成千上萬的客戶交流自然累積超多數據，就可以透過這些數據不斷學習，不但可以總結客戶關心嘅話題，長遠更加可以向商戶提出業務建議，分析行銷手法是否有效

我認為META 核心都係想為商戶做廣告、做推廣，有了AI 純粹係將以前在FB、IG 平台的one-size-fit-all 廣告，變得對消費者更個人化、更度身訂做

變現方法上，meta business agent將會採取混合模式，包括訂閱制、按用量調用API次數收費、結果導向模式等。META 表明最後者其實同廣告收費差唔多，只有在 AI 代理達成實際業務目標時，才需向Meta付款（ where business only pay us when we achieve results for them，如成功引導客戶完成訂單、付款）

Meta One 推進訂閱收入

這季正式推出咗名為 “Meta One” 的訂閱產品，為content creators 以及商家提供更進階的AI 創作及連結工具。隨住需求增加，Meta 在未來會推出更多tiers及定價選擇

Meta One 對普通用戶的目標係推出個人代理，24/7 咁處理健康、財務、關係和日常工作。就我以前的追蹤理解，META AI 安裝在智能眼鏡中，也嘗試全天候了解用戶每天看到或聽到什麼，最終目的都是就佢哋嘅日常生活推薦最合適嘅廣告

總而言之，META 的AI 投資核心係推動廣告業務，並嘗試利用AI建立個人和商業代理精進這套廣告系統，而調動API、訂閱也可以趁呢個機會快速推動新收入來源

廣告係主綫任務，其他係副綫

其他可能的收入來源還有直接出租算力

朱克伯格表明：

we’re getting a lot of offers for compute at a significant premium over what we paid for it

值得留意和幾間巨頭相似，賣算力不是首選。

優先次序係：

1️⃣ 訓練自家模型 ➡️ 強化了解用戶喜好能力

2️⃣ 應用於核心平台

3️⃣ 建立下一代產品

4️⃣ 出售

頭3點已經討論不少，算力之之所以放在最後的次序係因為管理層相信賣智能(intelligence) 比賣算力 (compute) 更好賺

朱克伯格：

The question and thinking about this is we believe that there will continue to be a significantly higher margin on selling intelligence rather than selling compute directly.

朱克伯格也表明短期利益和長期利益總有trade off

I also think it would be foolish to basically just sell all of the compute and take a short-term profit. But when you have the opportunity to build intelligence on top of it which will be a multiple and that compounds the value of the compute on top of that.

樂觀的角度看賣出算力令Meta 即使無法推出令人驚豔的AI 產品，也能夠有profitable 的退路

但賣智能係咩意思呢？

朱克伯格的野望是要建構有深度推理、理解和解決問題能力嘅 AI 服務、API以及代理，將智能化的成果轉化為付費產品予企業或個人用戶

上面講的針對商戶和消費者的不同代理也就是賣智慧的產品

除此之外，Meta 將Superintelligence Labs研發、具代理和編程能力的 Muse Spark 1.1 模型，企業可從公用 API獲取，並在7月放上 Open Router 平台提供給開發者

開發者或企業付費調用這個 API，就可以買到Meta 的「模型大腦推理能力」，提升各自產品或內部生產力。客戶就無須自行買晶片、建數據中心進行推理，同時也保護了數據安全

賣 API 主要是按使用量計費（Volume-based pricing），用多少算力、調用多少字數就收多少錢

賣 API是把智慧打包成技術工具賣給開發者，而Agent則是把智能套餐賣給商家。兩者都反映 Meta 拒絕做單純嘅算力大業主，而是要利用 Llama/Muse 等模型去賺取高毛利嘅智能稅(vs 算力稅)

另一方面，META 堅持自己的基建係全棧式的

常見的一個誤解，係以為META 只是社交媒體及廣告公司，但朱生強調META 的全棧係最底層的基礎設施(數據中心、晶片) ➡️ 系統軟件 ➡️ AI模型 ➡️ 應用程式，都係一條龍自主研發和控制

點解要咁做呢？

由硬件、軟件、模型一條龍才能端至端優化，創造出更具效率的運算

朱生回想當年，FB 在眾多社交媒體中脫穎而出，就係因為底層代碼寫得好（自己讚自己？😂），FB 在其他社交網絡頻頻崩潰時，依然流暢運作

(我相信上面內容已經非常豐富，接著下來Substack/ Patreon Paid Subscribers 可以睇到META

1. 全棧式好處的討論

2. 需要研發最強模型才能突圍而出嗎?

3. 其他機遇和風險

4. 我的估值和部署

每個月只需 7.5 USD，又或者60蚊港元/240 臺幣，就可以看到不少財報分析！歡迎大家訂閱！)

Read more

Subscribe now

Read more

既然係咁我們事不宜遲，直接睇一睇BESI

首先複習一下晶片製程

上次寫Tokyo Electron 也略有提及，簡單嚟講可以分為前端及後端

以前寫的光刻、沉積、蝕刻、製程控製就屬於前端

後端就包括減薄、切割 (dicing)、貼片(die attach)、接合(wire bond)、封裝 、電鍍

我們可以看到Besi積極參與貼片以及封裝。當中80%收入是來自前者。除了AI推動外，還有來自手機、汽車等傳統行業

簡單嚟講，前端就是如何製造晶片，後端就是如何確保晶片發揮性能

BESI 提供的設備就係集在後端

本來前端才是光茫四射的明星，現在越來越多關注在後端，原因何在？

經過以前對於科技巨頭資本開支的討論，我們可以總結全球正處於AI 基礎設施的快速建設期，數據中心需要處理海量數據以及AI token的龐大運算需求

根據高盛的預測，2030年全球 AI 模型每個月將會產出高達 120 Quadrillion（12 億億） Tokens。 Besi 管理層還引述有趣數據：美國國會圖書館是世界上最大的圖書館之一，如果把該圖書館裡面所有館藏的印刷品數碼化，並轉換為 AI token，大約有 3 Quadrillion

這意味到了 2030 年，全球 AI 模型每個月所處理的資訊，等於 40 間美國國會圖書館。🤯目前我們每個月用 AI 產出的 Tokens 數量就已經超過了一整座國會圖書館的館藏

然而， 過去業界靠著縮小電晶體尺寸來提升效能（摩爾定律），但隨著製程逼近 2 奈米，條路越來越難行

Subscribe now

所以行業發展就來到轉捩點，不能單靠製程微縮了，更加需要將多塊晶片貼在一起

隨著 AI 晶片體積過大超越物理極限，傳統單一大型晶片 (Monolithic SoC)時代告終，進入小晶片 (Chiplet) 2.5D/3D 先進封裝時代，這也是封裝設備商例如BESI 的商機

在上面簡報可以睇到，單一晶片的尺寸已經達到了光刻機光罩尺寸（ reticle size）所能蝕刻的物理極限，即藍色線的850mm2，過去的晶片設計例如NVIDIA Hopper 仍可以在此極限下一整塊做出來

但我們見到2024 年開始綠色虛線非常傾斜地上升，晶片的總面積已經超出了maximum reticle size的絕對物理天花板，無法再單純透過把晶片「做大」來增加電晶體數量與效能

單一晶片的物理尺寸天花板被固定，設計如 NVIDIA Blackwell 這種最先進的 AI 晶片時，唯有把大晶片拆開印再合併

Besi 在投資者報告就表明：

you see every device now exceeding that reticle limit. That means that the devices have to be split into multiple chips. Once you do that……you start looking for ways to optimize what function do you put on this chip versus that one. We call that concept chiplets. That’s splitting devices into multiple chips using different process nodes to optimize cost and performance and then using advanced packaging to put it all together, and that’s what we help with.

簡單嚟講，就係指工程師現在必須把一大塊晶片拆解成多個較小的chiplets，一些核心的運算功能的chiplets交由較先進製程生產，其他功能使用較便宜的成熟製程，藉此優化成本與效能，再依靠先進封裝技術（Advanced Packaging） 把這些小晶片重新拼裝在一起，成為完整運作的晶片系統

Chiplet 的預計數量就由 2025年的1858百萬上升至2030年的25,698百萬

被拆分的Chiplets須依靠 2.5D 與 3D 先進封裝技術像積木一樣重新無縫拼接，成為晶片系統

簡單解釋下2.5D 和3D封裝分別

• 2.5D 封裝： 將多個小晶片並排（Side-by-side在一個被稱為矽中介層（Silicon Interposer的底座上（或者是晶圓上）。這個底座裡佈滿了極高密度的微小線路，負責讓這些並排的chiplets能夠互相溝通

  • 最出名的例子就係台積電的 CoWoS 技術。例如 AMD 的下一代 Venice CPU，就需要將多達 18 個不同的小晶片（包含運算核心與 I/O 晶片）放置到同一個基板上

  • 由下圖左邊可以見到，全球 2.5D 與 CoWoS 的年需求量（將從 2025 年的 2,000 千片，暴增到 2030 年的超過 12,000 千片。年複合成長率 (CAGR) 高達 50.4%

• 3D 封裝將小晶片垂直往上疊

  • 明顯的例子就有HBM，就是把十幾層記憶體晶片精準地垂直堆疊在一起，這樣可以在不增加平面佔用面積的情況下，極大地增加記憶體容量與資料傳輸通道

BESI 的設備最霸道的技術就是Hybrid Bonding (HB, 混合鍵合)

但值得留意HB設備只是廣闊的Bonding 產品組合部分，公司也有

• 先進熱壓鍵合系統（Thermo Compression Bonding, TCB）

• 覆晶鍵合（Flip Chip）

• 大規模回焊（Mass Reflow）

等不同設備，只是HB 係重大增長點，所以非常詳細寫

從下面分享可以看到，不論是傳統 CPU 還是 AI 晶片，都需要更大的靜態隨機存取記憶體（SRAM）容量來提升運算表現(減少空轉的情況)。但是SRAM 在5nm以下再進一步微縮幾乎沒有成本優勢

晶片公司如果能利用HB，將最尖端製程做的Core Chiplets，直接 3D 堆疊在成本較低、成熟製程做的底層 IO/SRAM 小晶片之上，就可以做到成本節省嘅效果

此外，為了配合 AI 晶片的強大算力，必須將HBM記憶體垂直堆疊，並整合共同封裝光學元件 (CPO) 以解決傳輸耗能，這些都讓組裝步驟的數量與設備精準度要求急遽上升

為什麼說BESI 設備主導的HB 相比其他bonding方式更霸道呢?

在將這些先進晶片與記憶體堆疊在一起時，傳統的熱壓鍵合 (TCB) 會遇到密度與散熱的極限

例如上圖右邊的富士通晶片可以見到

透過HB，晶片最終只有 30% 的面積需要運用昂貴的 2nm製程，其餘 70%（SRAM 與 IO）都用便宜的 5nm造，大幅削減了總體晶圓成本（Total Wafer Cost）

由此可見，HB是晶片設計巨頭為了節省成本和突破物理限制的必然選擇

先進封裝未來的下一步是將光學互連（Optical Interconnects)，整合到晶片封裝入面。這會讓組裝的步驟變得更多、更複雜。廠商必須購買精準度更高、但是更昂貴的設備

雖然業界有許多不同的組裝選擇，但當面對 3D-IC（也就是將兩塊邏輯晶片，或者邏輯+記憶體晶片垂直堆疊）時，業界的首選方法就是HB

HB 的技術優勢可以簡單理解一下：

先看看管理層在investor DAY所講的話

“So in hybrid bonding, we create a direct copper-to-copper interconnect... There’s no other interfacial material. It’s really functioning as if it was fabricated on the same device. Because of that, we can achieve much higher interconnect density... all the way down today to 6-micron pitch, even down to 1 micron in the future... The speed is higher. Ultimately, the energy-efficient performance... is 100x higher than it is for TCB.”

直接讓銅對銅(Copper to Copper)連接，無需使用任何其他介面材質(interfacial materials)，令到兩塊合起嚟嘅晶片就好似一塊一樣，就可以做到

• 更高的連接密度 (15倍)

• 更快的傳輸速度 (11.9倍)

• 更佳的能源效率 (是傳統TCB方法的100倍)

雖然單一裝置成本高，但因為接點密度極大，若以「單一接點成本」來計算，混合鍵合的成本實際上比先進的 TCB 低了 10 倍

這就和光刻巨頭ASML的主張接近，即使單一設備非常昂貴，但客戶用落去的平均生產成本反而會更低，擁有更低的total cost of ownership (TCO)

HB的客戶採用率正在極速成長，從下圖可見，採用的客戶從 2021 年的 2 間，一路飆升到 26Q1的 20 間，而且橫跨邏輯、記憶、矽光子、R&D等範疇

包含台積電 、日月光、Amkor、Intel、Nvidia

HB這種先進封裝技術的採用率和應用場景正在全面爆發，包含

• 邏輯：AMD、NVIDIA 、博通

• 記憶體：HBM 4e,2027年、HBM 5大量使用

• 共同封裝光學元件（CPO）以及

• 消費性電子產品：Apple M5 Pro/Max晶片、AI 手機、Meta智能眼鏡

既然我們知道了行業發展狀況對於HB等先進封裝設備非常利好，我們就可以討論公司的競爭位置

在HB領域，Besi 目前擁有超過 80%-90% 的市佔率 (相信個range係行業分類不同)

競爭對手目前仍在努力追趕其 100奈米精度的設備，而 Besi 已經準備推出精度達 50奈米的下一代設備，準備用於 2 奈米以下的邏輯晶片製程，技術實力領先對手至少一個世代

管理層甚至霸氣說出以下的話

In parallel, while we start launching this machine, we are already working on the next generation thereafter for even higher accuracy and more speed. And this is why I’m showing you this because this is a unique road map and a unique product lineup actually in a very short period of time that no other competitor of us is matching.

BESI 另一優勢是和應用材料 (Applied Materials) 的深度合作

Subscribe now

(我相信上面內容已經非常豐富，接著下來Substack/ Patreon Paid Subscribers 可以睇到

1. 應用材料合作的優勢

2. 廣闊產品組合互補

3. 成本優勢

4. 風險

5. 我的估值和部署

   每個月只需 7.5 USD，又或者60蚊港元/240 臺幣，就可以看到不少財務分析！歡迎大家訂閱！)

Read more

• 核心Search 業務，收入成長達17%，AI Mode 的全球月活躍用戶已突破 10 億人，繼續反映AI 未顛覆搜尋

• 雲業務加速成長，按年升82%，也是堅定看好者的理據

充斥頭條的為自由現金流轉負

先解釋CAPEX 以及折舊概念

假設你係賣西餅嘅，買一個焗爐50,000蚊投放生產力，$50,000 係即時在現金扣除的資本開支。與此同時，$50,000 被視為資產放在Balance Sheet上。你又會假定個爐可以用幾耐，比如說5年，每年就會有$ 10,000 的折舊反映在收支表上

假如你在第2年開始覺得生意好，每年買多一個爐，折舊就會累積，情況就好似咁

如果公司不斷買爐，折舊就會不斷累積下去

說回Alphabet，以下是推算折舊額

核心假設是咁的：

管理層披露 capex 約 60% 伺服器、40% 數據中心及網絡。按伺服器 6 年、數據中心 20 年分攤

2026 capex = $200,000M

伺服器： 200,000 × 60% ÷ 6 年 = $20,000M

數據中心：200,000 × 40% ÷ 20 年 = $4,000M

合計 = $24,000M

其他年份都係按CAPEX 預期增長咁樣計

26Q2 折舊開支就升了42%，反映出AI 前期投資成本已經列帳了

上面假設可以見到折舊開支在短短5年由450億 上升至1890億，如果收入增速慢於此，就令盈利受壓，也許這係市場擔心的原因

這部分可以留返之後估值部分討論，現在知道未來有大量折舊開支要認列，以及未來折舊不會影響現金流就好 （因為CAPEX 在首年已扣哂）

CAPEX 值得嗎？

頭條講得最多的係1950億至2050億資本開支，令到自由現金流轉負

CAPEX預告繼續加，自由現金流見負也很可能持續一年半載

值唔值得？廢廢地講，無人知，不過唔使唔得就肯定的

呢部分先睇Google Cloud Backlog

26Q2 高達5140億美元，舊年同期係1060億，上季係4620億

積壓訂單的不斷增加，反映CAPEX 必要性，如果唔大花金錢，呢啲積壓都不會變成實際收入

積壓訂單有50% 將會喺未來 24 個月內轉化為實際營收，為Google 帶嚟確定性高的營收增長

按照Sundar Pichai分享，公司依然面對Supply Constrained 的狀況，反映的係需要主動增加投資捕捉機會

Cloud 也顯示出高增長的業務品質，按年成長82%，利潤率35.6% (VS 25：20.7%)，營運利潤達88億

管理層也表明，雖然雲業務加入咗TPU 銷售的訂單，但絕大部分嘅積壓訂單仍然係嚟自GCP

縱合上述，CAPEX 投資的必要在捕捉雲服務收入確認。而雲服務在未來兩年認列一半backlog，依然會快速成長

不要忘記Google 的價值主張是全棧式的

Our continued momentum is driven by our integrated AI portfolio, consisting of chips, models, data, security and agent platforms, all designed to work together.

市場過去經常擔憂，若各家 AI 模型能力逐漸趨於一致，Google 的優勢何在？

全棧式解決方案正是大型科網公司例如Google價值所在

Sundar Pichai 就舉例指出，在Cyber Security，Google 結合了 Chronicle、Wiz，以及最新的 CodeMender AI Agent與 Gemini 3.5 Flash Cyber 模型，來偵測並修復漏洞，甚至媲美規模大得多的數碼安全模型 (comparable to far bigger cyber models )

值得留意這只是Flash，而不是Pro 模型，反映出能夠做到低成本、高效率

全棧式反映的除了有模型層，還有更底層的晶片

GCP提供的算力除了有TPU、 NVIDIA Vera Rubin，豐富嘅AI晶片組合為客戶提供更多選擇，根據自己的預算和運算需求，選擇最合乎性價比的方案，滿足 AI 實驗室到傳統企業的不同運算需求

此外也推出了專為 AI 代理而設的Axion CPU，每美元效能比同業的競爭產品高出了 30%

另外還有串連晶片的網絡架構Virgo Network，以及跨硬件的軟件堆疊(software stack)，對客戶來說好處就是避免被特定硬件例如NVIDIA GPU綁定風險

Google Cloud 如今也包含TPU的直接銷售

這可以直接擴大潛在市場，原因係部分公司基於監管因素，唔可以將所有數據上雲，而要在自家數據中心運算。賣TPU 俾佢哋就可以滿足佢哋本地運算需求

Google 表示絕大部分的 TPU 系統銷售營收，將會集中在 2027 年實現，這為公司帶來多一條變現路徑

不過硬件銷售歸於雲業務，無分開列出，而硬件毛利率會低過雲端軟件以及其他AI 解決方案，未來雲業務的利潤率或會受壓

另一方面，要賣實體硬件，Google 需要有pre-build 階段建立庫存，會對公司的營運現金流構成壓力，這也解釋了為何庫存由24億爆升至100億。特別係硬件交貨時間和以前雲訂閱的確定性有好大分別，此業務未來營收和利潤率會更波動

全棧式仲體現於自家應用層面

憑藉工程與硬件優化，即使加入了更先進的 AI 能力，AI Overviews和AI Mode 搜尋仍可以降低回應成本，甚至係推出以嚟最低點

正如以往常見論點提及，先進的模型都以配合分銷渠道，Google 擁有不少日常生活接觸用家的途徑，令AI Mode 的全球月活躍用戶突破 10 億人

Gemini已經部署在唔同產品之中，廣告客戶也能利用Gemini 了解複雜語句以及用家意圖。在導入 Gemini 後，Google 在購物廣告中「高度相關廣告」的展示率提升了 20%，自然協助佢哋將用戶轉換成消費客群

GOOGLE以前也解釋過AI MODE往往引發追問，令到他們可以展現更多關係的廣告

以我嚟睇，有效的廣告平台要將商戶和用家連結。對於商戶嚟講，要在茫茫人海中搵出真正願意消費的人，確保廣告費物有所值；與此同時，要讓用戶留在平台，就要確保佢哋搜尋期間搵到的資料係相關，有廣告都不是干擾，而Google 平台就成功匯聚了雙向需求

其他重要應用層數據：Gemini App月活躍用戶達到 9.5 億、客戶透過 API 處理的 Token 數量，從上一季的每分鐘 160 億個，進一步激增至每分鐘 220 億個

既然係咁，我們就了解為什麼算力嚴重供不應求了

一方面，Google需要向雲端客戶供應算力，另一方面，他們又要維持核心消費產品(Search、YouTube)的營運，更加重要的是前沿AI模型研發

這也解釋了為什麼Google等超大規模公司對於算力如飢似渴

Alphabet 的做法係將算力分配先用於前沿模型研發，這不難理解因為模型能力推動一切前線產品嘅質素。目前Gemini 4的預訓練就係算力分配的優先了

算力分配的第二順序就自然係上述核心消費者產品，因為呢啲係面向消費者層面，將AI普及化及變現的輕鬆途徑

跟住先嚟到經GCP出售算力，但依然係優先運行自家產品與模型，包括上述全棧式的Vertex AI、Gemini Enterprise、agentic workloads，以及數據分析、數碼安全等

而在呢個算力不足的環境，Google將擴大租用昂貴的第三方算力 (third-party capacity，即係所謂Neocloud) 來支援，作為過渡策略。Google 表明呢個做法，會在頭幾個月對雲端利潤率構成壓力，但從一份多年期合約的整體生命週期來看，這能成功綁定大客戶，帶來極高且具吸引力的長期投資回報

需求勁強大解釋了Google 以及Hyperscalers 同業增加CAPEX，另外為了獲得更多資本，Google 在季內也完成舉債和股權融資。幸好未來沒有大規模的equity raise計劃，減少對現有股東的稀釋。未來發展就唯有靠目前業務營運現金流為主了

如此公司就更難回購股票，由資本發還者變成資本投入者

於是就出現了CAPEX值唔值得的關鍵用字ROI

話說本來我也有考慮計數，但後來在Substack 見到一位作者有鉅細無遺的計算，我也決定不如藏拙，參考下佢邏輯也好

原文在此：

Alpha-File.com

Deep Dive: Google's ROIC

Everyone is staring at the same number this earnings season: Alphabet’s capex this year will likely exceed $200bn. That is more than the company spent in the entire decade from 2009 to 2019 combined. While Google trades at a pedestrian low-20’s P/E, stock comp fully expensed, quarterly FCF just went negative: so at the current low-20’s multiple, the mar…

Read more

a month ago · 14 likes · 1 comment · Alpha-File.com

為免有網友唔明要計乜，我白話解釋下

長線股票回報其實核心問題係，投一蚊落去公司度，佢有能力賺幾多

ROIC，Return on Invested Capital 就係計呢條數

傳統上，公式係 NOPAT / Invested Capital

原文作者主張投入資本不用教科書式的淨額，而用毛額，主因係想撇除折舊的會計意見，直接用購入固定資產時的價格計算

租賃資本化（lease capitalized）及商譽，以至歐盟拖欠罰款等也包在這個分母上，係一個很保守的數字

值得要打星留意的係作者有從毛額扣除Assets not yet in service，得出productive gross capital，ROI 高達38.2%，高於AI發展前

如此就解釋了Google 急住要做的不但是擴產，還要把算力產能盡快上線。這不是能否賺的問題，而是賺多快的問題

原文作者也計算了Incremental ROIC，顧名思義就係指新投入的資金到底賺幾多錢

作者計算到的數字係18%，但留意雲端資本投入不應假設今年投入，明年收成，因為數據中心等建成都有時間窗口

雖然原文作者推算很嚴密，但我覺得仲有不足之處，未能夠100%支持目前2000億的CAPEX

⬇️

(接下來Substack/ Patreon Paid Tier的朋友可以看到GOOG

1. 資本開支繼續討論

2. 估值以及部署

過去一年來，有不少免費的文章，來覺得也花費不少心機和時間，才開了Paid Tier。希望大家可以訂閱，每個月約60港元，作為有心機寫作的支持。)

Subscribe now

Read more

由於寫過太多次了，業務和機遇就不再重溫

整理下26Q2表現就好

26Q2，ASML 嘅總淨銷售額達到 93 億歐元，高過公司之前預測上限

具體數據如下：

• 系統淨銷售額：66 億歐元

  • 當中 EUV 系統銷售佔 38 億歐元（包括一部 High-NA 系統）

  • 非 EUV 系統銷售佔 28 億歐元。

  • 邏輯晶片以及記憶體晶片比例幾乎各佔一半 (51% VS 49%)

• IBM (Installed-base management)： 28 億歐元，比預期高出近 3 億歐元，受惠於額外嘅升級業務

營收超出預期主要係因為IBM表現比預期好所導致

ASML 的顧客在提升產量時可以選擇買機，或者升級。買機時間要耐一些，而升級則比較方便。晶圓代工廠為了滿足顧客的要求，自然會優先選擇升級途徑

CEO在電話會議上就指出：

The key element today is that customer wants to get more capacity on their existing fab as quickly as possible. This creates really strong condition for system upgrade. That’s true this year. I think we see that in our number. This will be still true next year and mostly beyond that. The need for capacity on very successful advanced node is there.

ASML 全公司的毛利率高過預期的54%，主因就係IBM 業務較高的毛利率所致

回到核心賣機業務的驚喜

由於AI 帶動先進邏輯與記憶體晶片的強勁需求，公司大幅提升了今年的出貨目標，係26Q2最大驚喜

Low-NA EUV

• 預計26 年出貨量為65 部 (vs 25: 48所有EUV)

• 計劃在 2027將 Low-NA EUV 產能提升約 30%，達到約 85 部的規模，之後再在2028提升30%產能，屆時就會有110部

High-NA EUV：

• 預計將有 4 到 5 部獲得認列

DUV

• 預期 2026 全年將出貨約 130 部浸潤式 DUV (Immersion DUV)，與 2025 年的產出水準相若

• 和EUV相似，ASML 計畫在 27 將Immersion DUV 的產能提升約 30%，2028 年將Immersion DUV 的產能進一步再提升 30%

• Immersion DUV 產能就會由26：130部 ➡️27：169部 ➡️28：220 部

• 乾式 DUV (Dry EUV)：2026 年乾式 DUV 系統的出貨量已出現顯著增長，但沒有俾數字

明確的產能目標（假如達到），配以出貨率(shipment)，乘返價格可以作為下文估值的基礎

High-NA EUV狀況更新下

管理層宣布Intel 正在使用 ASML 的 High-NA EUV ，於18A 製程上生產部分 Intel Core Ultra Series 3 處理器，標誌著 High-NA EUV 技術在實際生產環境中應用 (readiness in a production environment)

我哋見到沒有晶圓代工廠霸王台積電，事實上魏哲家在法說會 也有解釋：

We understand it’s a very high performance. TSMC make it clear that we work with ASML and try to make it more suitable for manufacturing in terms of the cost and in terms of the maturity. We always consider that technology maturity and the cost, and whether we use it or not.

目前 High-NA EUV 嘅曝光視場(field size)只有上一代設備嘅一半，這會衍生出光罩拼接（die stitching）等潛在技術挑戰。台積電明確表示，佢哋已經將呢個限制納入咗對整體製造成本嘅精算同考量之中

挑戰就好像影團體照一樣

舊相機（Low-NA）個取景框好闊，一下子就可以影曬全部人

新相機（High-NA） 畫質超高清，但目前技術的取景框細了一半，你要分兩次拍攝左面同右邊嘅朋友，然後再拼湊在一起 (die stitching)

對於台積電來說，一切都係成本考量，如果用LowNA機多重曝光，依然平過上述砌相的功夫，依然會選擇較便宜的Low NA

說到底對台積電嚟講，都係cost per wafer的問題。目前用low NA機已經足以維持較低成本產出每單位晶圓，就不用轉機。之後隨住製程持續微縮，曝光次數增加，成本驟升，High NA 每單位成本仲化算

情況就會好似下圖咁：

注意：目前台積電透露的消息可知A14 和A13 都不需 High NA，據報2030 A10 的1nm 製程才正式採納，但核心邏輯一樣的

至於Intel、Samsung 率先採用，原因就係佢哋屬製程追趕者，試圖透過先進設備超越競爭對手。然而，呢種策略可能影響它們的獲利能力。如果沒有足夠的訂單量來支撐這些投資，新建晶圓廠和設備折舊的巨額資本支出可能需要很長時間才能收回

如果良率沒有改善，採用high NA可能會進一步加劇兩者的財務壓力。台積電的觀望態度最終反成最大優勢

更強的定價能力

(接下來Substack/ Patreon Paid Tier的朋友可以看到ASML

1. 更強的定價能力

2. 嘗試拆開不同產品及服務線估值

3. 部署

過去一年來，有不少免費的文章，來覺得也花費不少心機和時間，才開了Paid Tier。希望大家可以訂閱，作為有心機寫作的支持。)

Subscribe now

Read more

接下嚟可以睇到

• 投資邏輯重溫

• 檢視一下26Q2數字

• 增加資本開支捕捉未來增長

• 先進封裝業務狀況

• 欣賞台積電管理層作風

• 投資風險

• 估值

Subscribe now

投資邏輯重溫：強大的晶片需求

在這一個季度

CEO魏哲家對AI推動的晶片需求有非常樂觀的看法：

Let me say that I believe from this day on all the way to probably 2029, 2030, the demand is very strong. Whether in between there’s a dip or not, I’m not very sure. The trend is so robust that I believe we are witnessing a kind of a new industry. I would like to say the new industry called AI industry, which is so common in our daily life because you’re going to affect our automotive, affect the humanoids, robot, and also impact to all the industry.

魏相信目前的secular trend令到需求足以延展到2029年，甚或2030之餘，還會造成AI行業的興起。以之前討論的理解，AI已經不會停留在一個聊天框，還會走入現實世界，例如上述自動駕駛、機械人，甚至工廠生產的大規模應用

此外，雖然今次台積電並未有提及，還有主權ai會推動總體晶片需求。 各大國為了保護國家機密與數據自主，正積極建立本土化 AI 模型與基礎設施

由此可見，晶片需求總體係長期向上，雖然魏哲家上述原文有提及Whether in between there’s a dip or not，但呢啲所謂dip都只係周期性，人類文明總體上係越來越先進，越來越自動化，越來越樂於採用科技解決傳統問題，而呢啲回歸至算力，也就是回歸至晶片的供應

下圖取自fiscal.ai 我們可以見到HPC (高效能運算)業務的收入佔公司的比重越嚟越高，去到2026Q2就已經來到了66%，反映AI相關晶片快速成長，遠超其他業務

檢視一下26Q2數字

• 營收：402億美元，在指引上部，按年升33.7%

• 毛利率：67.7%，勝過指引

• 營運利潤率：60.3%，勝過指引

• 淨利率要小心水份，包括出售世界先進半導體公司8.1%股權的一次性收入，帳面55.6%，扣除了則有50.6%，但都很不錯了

即使在海外設廠，毛利率實現擴張，因為產能利用率的改善，以及管理層對成本管理的努力

後者可以理解為需求上升，減少工廠設備閒置，固定成本被攤分至每單位晶圓

至於前者可以參考管理層關於製程靈活調配的看法：

We are also focusing on capacity optimization across node, which including flexible capacity support among N7, N5, and N3 nodes

舉例來說，台積電會將部分N5的設備轉換，用來支援需求更龐大的 3 奈米N3產能

透過這種彈性調配，台積電能大幅減少重複購買昂貴設備的資本支出，並降低機台閒置的折舊

而且台積電也分享了manufacturing excellence 的能力，結果是從既有廠房和設備中產出更多晶圓(generate more wafers output)，也就達致分攤固定成本的效果

展望未來台積電預計Q3 毛利率下跌至65-67%，更先進的2nm 製程會量產ramp-up up，將對Q3及下半年的整體毛利率造成 3%-4% 的稀釋。為了應付2nm量產，台積電需要跟昂貴的設備，這些前期資本開支會在設備運作後認列為折舊

每一代製程剛進入量產時，對公司整體毛利率造成稀釋是必然常態，例如規模不經濟尚未攤分成本。不過參考過去歷史，在量產數年後毛利率都能追上平均水平

樂觀地看，n2製程也會跟隨此一歷史軌跡，但要留意新製程A14、 A13等陸續有嚟，屆時有會有新一輪稀釋

增加資本開支捕捉未來增長

在這一季，台積電把全年資本開支調升至 600-640 億美元 (Q1: 520-560億)

至於在未來3年，會比過去3年總和的1010 億元even more significantly higher

我們要了解這些資本開支是必要的，公司必須要擴產才能把握未來成長機會

目前各大科技巨頭對AI晶片需求極度強勁，為了滿足積累的訂單，台積電 必須要興建新廠、更新設備。換句話說，如果台積電停止大額資本開支，他們就無法消化訂單，也不能夠將這些訂單化做真實的營收

以過去對台積電的追蹤，他們做生意的模式絕不冒進，是確實了需求才敢於投資

管理層在過去和今季都不停重覆：

At TSMC, a higher level of capital expenditures is always correlated to higher growth opportunities in the following years.

台積電顧客有冇可能過於樂觀誤導佢哋？

在派對中人人都處於狂歡，直至意外突然出現

我們可以肯定雲端巨頭燒錢都有完結一天，只是不知何時

台積電應對此一狂熱卻是一貫的務實：

We talk to customer, and customer’s customer. Those are the CSPs. We get all their input for the demand. We make a judgment. Now, remember that I believe every customer tell me the truth. Everyone. You put all the truths together, it’s not the truth.

意思就係人人都沉醉在AI 派對的歡樂，都相信自己會大賺，所以會買更多晶片。即使客戶誠實地相信自己的願景，但所有願景加起來就係不切實際的夢境

邏輯鏈大概係咁：

台積電對於市場狂歡是清醒的，所以除了相信顧客外，他們更加向顧客的顧客確認實際需求。台積電還會親自查核這些科技巨頭的數據中心實際建設進度、建築物、地理位置，以及真實需求。如此就確保了不管是為那一間晶片設計商製造的晶片都不會放在庫存發霉

Actually, we are checking the AI data centers of progress, the building, the location, the demand, the rest. We checking all that to make sure that TSMC’s chips will not be put in inventory.

Subscribe now

資本開支的增加也反映了AI Megatrend

單單係起一間新廠就要 2 到 3 年，之後仲要再花 1 到 2 年去提升產能，呢個過程係完全無捷徑可走

魏哲家：

it takes more than five years to develop the technology and product, prepare the capacity, and ramp it up to high volume production. Internally, TSMC employs a disciplined capacity planning system to assess the market demand from both a top-down and bottom-up approach. This is a continuous and ongoing process. Based on our assessment, we are stepping up our CapEx investment to increase our capacity to support our customers’ future growth.

台積電於本年度花費巨額開支，對當前產能幾乎沒有幫助，所以增加開支的目的就只有為了28, 29年啲訂單

如此就解釋了有分析師問到會否上調之前 AI相關業務 5年平均複合增長 50幾%的數字時，魏哲家就表示

If you asking about the AI’s CAGR, let me give you not a number, but it’s stronger and stronger. We don’t give you the number today because it continue to increase, so we don’t know how to answer this question. Stronger than what we said before.

AI相關業務 不斷上升，成長預計遠勝之前

魏哲家這一分享，可以作為我們後面估值部分的基礎

在晶片製造方面值得一提的還有 AI代理帶動的CPU需求復甦

魏哲家明確指出不論是 x86、Arm 還是 RISC-V 架構的CPU，都是台積電的顧客。類似的講法對於台積電的長期股東來說仿如舊夢重溫，就像過去不管哪一間GPU跑出、還是XPU後來居上，都要找台積電投產，現在故事發展來到CPU而已

先進封裝業務狀況

上一季度我們已經分享過先進封裝的必要性

簡單來說，靠微縮電晶體（推動先進製程）已經難以滿足 AI 晶片對效能嘅極端要求，將多塊晶片拼埋一齊嘅先進封裝成為咗關鍵，當中就包括台積電CoWoS技術

先進封裝收入2024年約佔8%、2025年略超10%、2026年之前也預期達低雙位數

魏哲家承認，目前台積電先進封裝產能緊缺，已經去到限制客戶業務增長（limiting my customers’ growth）地步，目前正努力地試圖盡快縮小龐大需求與實際產能之間的巨大缺口

為了滿足強大的封裝需求，上述資本開支增加大約 10% 至 20% 的預算將被分配用於「先進封裝、測試、光罩製作及其他項目

有分析師問到Intel EMIB-T技術的競爭，台積電似乎非常從容面對，魏哲家：

We welcome that additional flexibility in the market. That will help TSMC’s front-end wafer business growth, which is a majority part of TSMC’s business. The technology looks good, according to the newspaper. We hope they will be successful, that share some of the loading from TSMC

正因為台積電自身封裝產能非常緊張，他們反而覺得溢出嘅訂單流向對手，可以舒緩自家壓力，以及為客戶帶來彈性

而且當對手為自己和客戶解決封裝產能樽頸，客戶就可以順利出貨，最終反而會回頭帶動台積電最核心的前端晶圓代工業務

找回關於Intel封裝技術突破的報道，連結

(接下來Substack/ Patreon Paid Tier的朋友可以看到TSM

1. 先進封裝業務繼續討論

2. 欣賞管理層作風

3. 風險

4. 估值

過去一年來，有不少免費的文章，來覺得也花費不少心機和時間，才開了Paid Tier。希望大家可以訂閱，作為有心機寫作的支持。)

Subscribe now

Read more

上圖可見倫交所業務分為四大範疇

• Data & Analytics (營收44%)：提供高價值的金融市場數據、工作流與分析工具。此部份的經常性收入極高，達98%

• FTSE Russell (11%)：提供基準指數、指數編製、分析以及數據解決方案。完全是 recurring revenue （不過當中約三分之一係跟AUM浮動嘅asset-based收入，下文再講）

• Risk Intelligence (6%)：提供用作防範欺詐和金融犯罪的解決方案。經常性收入也頗多，高達78%

• Markets (39%)：這部分就是典型的交易所業務，包含清算和交易後服務，所以高達59%的都是交易性的收入

綜合分析可以確認 倫交所經過多年的業務收購以及擴張，已經不是純粹的交易所。經常性收入已經接近¾，收入擁有可視性

倫交所的價值主張已經是全生命週期服務Full Trade Lifecycle

包括 資本形成與發行 ➡️交易前與流動性發現➡️交易執行➡️交易後與資本優化

而且跨越多元資產：股票 、固定收益、外匯

在上圖最下方見到的data value chain，就是強調收購 Refinitiv 後，能將底層數據轉化為全周期、多資產的高附加價值的決策工具

所以我的理解係倫交所目前已經搖身一變為訂閱制賣金融數據，以及市場基建公司

因此數據的質素非常重要，也是倫交所抵禦AI 威脅的護城河

從上圖可見98%收入來自專屬數據，AI 即使幾咁強勁，也需要乾淨、可追溯的底層數據，否則LLM 生成也多屬9UP，不會得到大型金融機構信賴

下圖就顯示了LSEG Everywhere策略，和多間AI 巨頭包括微軟、OpenAI、Anthropic 等合作，客戶的 AI 系統可以直接、安全地透過 API 讀取 LSEG 的授權數據，用作自動生成分析，甚至部署AI 代理加快工作流程。由於LSEG 作為Model Agnostic 的基礎建設供應商，不論客戶採取邊個模型，都必須支付 LSEG 的數據授權費

事實上這些數據也正在驅動客戶的採納，下圖的左側顯示了倫交所數據長期存取協議(Long term LSEG data access, LDA)年化運行率相對Data & Analytics收入不斷提升，由2022年的6%，上升至去年的16%，代表越來越多金融機構客戶(例如花旗、美銀、渣打等)選擇與 LSEG 綁定長期合作，提升了 LSEG 收入的穩定性與能見度

我們也見到部分合約的綁定年限高達 7 年，鎖定了長期的現金流

Subscribe now

而回到data and analytics業務收入分類，當中的細項workflows確實有AI取代的風險

主要產品是 Workspace 終端機（傳統意義上對標 Bloomberg，存量市場本身局限成長，而且好多大行本身已經兩個服務都買，Workspace 好難搶走 Bloomberg 嘅核心用戶，多數只能做邊際替代）

以往金融從業人員需要學習複雜的指令或點擊大量選單來尋找資訊。現在，LLM透過自然語言就能直接生成圖表，用戶對於傳統桌面終端機的依賴就會降低

Workflows細項也涉及報告撰寫、Excel/PowerPoint 整合等日常，這恰恰是生成式 AI最擅長嘅地方。當然倫交所唔係坐以待斃，已經推出 Workspace AI 來應戰，試圖把 AI 變成工具內的一部分，而不是讓客戶離開他們平台

慶幸的是公司的自家數據非常強大，簡報中提到他們每秒處理 900 萬次價格更新、連接 575 間交易所，以及從 1996 年累積至今的歷史數據庫，是 AI 無法憑空變出黎

金融機構為了監管合規，傾向 LSEG 這種權威機構買數據來校準 AI

解釋了為什麼26Q1 Data & Feeds 細項的成長(7.3%)比起Workflows(2.9%)還要多

這也改變了Workflows 傳統按座位收費的業務，成為上述LDA模式的原因。LDA 協議直接在企業頂層劃定一個超大的數據邊界（Perimeter）。在邊界內，全公司多個部門都能同時共享、取用合約內涵蓋的所有數據。

對企業來說，每年支付一筆固定的、高昂的全包式訂閱費（Enterprise Fee），讓財務預算變得極其容易預測。對於倫交所嚟講亦都可以鎖定收入、對沖企業裁員風險、增加企業轉換數據公司的成本

呢類訂閱制數據業務的特點是邊際成本極低：數據中心早已建成，每多簽一個大客戶，賣多一份數據，增加的幾乎全都是純利

截至2025年12月25日，16%的數據與分析訂閱收入與LDA相關

FTSE Russell

指數業務就是金融機構的表現指標，例如羅素美國指數、全球的富時股票系列，作為基金管理人分配資產、建構投資組合，甚至衡量表現的準則

主動型基金管理人想評估績效時，就要繳交1至3年的訂閱費用

如果有人想發行追蹤這些指數的 ETF ，只要基金AUM規模越大，富時羅素就能按比例抽越多費用

隨住被動投資、債券市場指數化、多因子投資越來越盛行，指數業務就迎來順風，這部份的邏輯和以前寫過的MSCI一致

指數理論上人人皆可以建構，不過建構完有冇人採取為benchmark 則係另一回事。假使有個新興指數供應商出現，投資者卻不認識，投行也自然不願意圍繞該指數設計產品，因此指數建構長期都係由幾間人人都叫得出名的品牌，包括羅素、富時等盤據

Benchmarks分部就是反映資產價值的量度標準， 為全球的金融商品提供可靠、客觀的參考，涵蓋外匯價格、利率、固定收入收盤價等

收集也是訂閱制為主

隨著全球金融商品越來越複雜，這種高度專業、合規的定價基準和資產數據，變得越來越像必需品

不過FTSE Rusell 業務雖然聲稱100% recurring revenue，但有部分係假象，因為當中約三分之一係Asset-based收入（26Q1：訂閱£1.6億 vs Asset-based £0.88億），呢部分跟AUM收費，當市況不景，追蹤指數的基金價值都會下跌，直接衝擊Asset-based revenue

特意尋回上一次熊市2022狀況

2022 Index-ETF AUM 少了11.3%，令到收入只有平平無奇的 0.7%增長。收入沒有跟隨 AUM大幅下跌，箇中的原因就是隨住被動投資興起，定期供款、DCA等令到資金持續流入採用他們指數的基金，抵銷了市況下跌對AUM 的蒸發

上圖取自fiscal.ai 我們可以見到ETF AUM 總體上升趨勢

2025年市況良好，Index AUM 26Q1 較同期就上升了30.5%，自然可以推動Asset-based 收入增長 11%

Risk Intelligence

一個專為企業應對全球合規與安全風險的解決方案，佔當中高達 80%營收 訂閱制的 審查篩查（Screening） 業務、佔 15% 營收並以使用量計費的Digital Identity & Fraud業務；以及佔 5% 營收、混合式的 盡職調查（Due Diligence） 業務

這些業務應該擁有很高的轉換成本，主要是因為世界各地的金融法規越趨嚴苛，各地監管機構要求銀行認清客戶身分、資金流向，金融機構採用了他們解決方案的企業唔會無啦啦轉，以減少政治風險

呢部份我覺得沒有什麼特別好而寫，反正只是佔營收 6%。

Markets

Markets

我們可以見到佔收入比較大比例的包括Fixed Income (26Q1 4.5億鎊)、OTC derivatives (1.8億)，比較出名的Equities 只是第三

Fixed Income佔該業務的44%

主要產品Tradeweb ，一個全球領先債券電子交易平台，盈利模式為按Volume(交易量）收費，26Q1 日均成交 $3 萬億以上、橫跨 50 幾種產品

Tradeweb是領先的固定收益、信貸和貨幣市場交易場所

LSEG FXall同Matching兩個平台 同時也是外匯交易的主要場所

呢類交易所的護城河主要係流動性吸引流動性的網絡效應

而債券市場本身非常分散，Tradeweb 就打通了零售/財富管理、機構投資者、交易商間的批發市場

簡單嚟講就可以：幫買方大幅提升定價透明度、賣方能夠無縫對接全球網絡以加快資產負債表流轉、令財富管理同零售端都可以享有機構級嘅流動性

根據TradeWeb 透露26年6月為止，

• 在美國投資級別企業債 (U.S. High Grade)，Tradeweb 佔據咗全市場 26.9% 的總份額。如果單計全電子化交易，市佔率為 20.2%。

• 美國高收益企業債 (U.S. High Yield)：整體市佔率為 10.6%；單計全電子化交易則為 8.4%

• 美國國債市佔率達到 22.1%，而環球 IRS 市佔率為 24.1%

呢啲枯燥數字背後展現了公司作為固定資產收益市場的場所(venue)，有強大的網絡效應

另一個我覺得幾有趣嘅發現，上圖我們也見到electronification of fixed income market被公司視為成長機遇之一，對於向來電子買賣股債嘅我難以置信

翻查有獨立上市的TradeWeb10K

because large components of the market remain relationship-driven, we continue to focus on introducing technology solutions to solve inefficiencies in voice markets, such as electronic voice processing, which allows our clients to use Tradeweb technology to process voice trades.

原來傳統上債券市場由大機構主導，好多時一張單金額閒閒地都過百萬甚至幾千萬美元。如果將一單咁大嘅買賣盤直接掛上公開嘅電子螢幕，全世界都會知你想散貨，價格好快就會被質低。因此，大戶寧願靜靜地打電話畀相熟嘅交易商去接貨，以避免底牌盡露

Portfolio Trading就係 Tradeweb 最革命性嘅解決方案。大戶如果有一張極大嘅單想散貨，無需再逐隻債券去問價，而係可以將多至幾百隻債券打包成一籃子債券，要求交易商為成個組合報價

對於接貨商嚟講，佢買嘅係一個高度分散的債券組合，賣貨又可掩飾自己真正急於拋售嘅係邊一隻特定債券

電子化令原本人工操作需要花費數小時甚至數天才能處理完的數百檔債券交易，在幾秒鐘之內就能完成。

而TradeWeb電子平台有高度保密的協議下進行，亦能有效防止敏感的交易意圖外洩（Information Leakage），避免市場對手提前布局而導致價格變差

客戶也可以把流動性非常好的債券，與流動性極差的絡債券打包。交易商為了拿下優質債券的份額，會願意連同流動性差的債券一起承接，順利幫客戶解決了冷門債券賣不掉的痛點

其他推動電子化的趨勢包括：金融法規要求(美國Dodd-Frank Act、歐盟MiFID II，先利申一下我對這些法律毫不知情，個人認為只需要了解法律要求逼使電子化就夠）、COVID-19疫情以來的習慣等

(接下來Substack/ Patreon Paid Tier的朋友可以看到LSEG

1. 其他market業務的狀況

2. 風險

3. 估值和部署

過去一年來，有不少免費的文章，來覺得也花費不少心機和時間，才開了Paid Tier。希望大家可以訂閱，作為有心機寫作的支持。)

OTC derivatives

Subscribe now

Read more

張債代號ABXL，2028年11月到期，同多數Baby Bonds一樣票面值25，現價有溢價25.66

在呢篇文章，我會討論

• Abacus 業務

• 償還利息能力

• 資產質素

• 部署

Abacus 業務

Abacus 是一間位於 life settlements (人壽保單貼現)市場的公司，與其說賣人壽保險不如話係管理人壽保險資產

假設一名80歲長者一直以來都有供一份人壽保險，但對無收入的他來講供款壓力越來越大，而受益人又早過佢離世。佢可以選擇把人壽保險賣給Abacus ，由Abacus 為他供款，在他死後也成為受益人

上圖也會見到Abacus 會用高於退保現金價值( cash surrender value)，但低於身故賠償(death benefit)的價格向有現金需要的長者收購他們的保單

Abacus 收購人壽保單後

1️⃣trade ：會將保單再出售賣給機構投資者，去年以來更積極賣俾旗下基金➡️賺價差、服務費

2️⃣hold，係等長者離世自己賺收益，好處係回報率高，但長者一日未死都要俾保費

Subscribe now

上圖就示範了公司是如何賺錢的，在開始的年份向預期壽命7年長者購入保險，接著便替他交保費7年，假如他真的死去就收到身故賠償，內部回報率就高達 10% (細思極恐：長者越早死回報越豐😨)

同時佢哋也協助其他持有大量保單的機構進行保單託管服務，收取管理費

由此可見，佢哋服務幾特殊的市場，為需要現金周轉的長者解決問題，並向機構投資者提供優質的另類投資回報

隨住人口老化問題，人壽保險結算會是一個規模龐大的市場。65 歲以上的投保人中，高達 75% 最終會選擇主動取消保單或任由其失效，白白放棄權益。研究顯示，高達 90% 任由保單失效的長者表示，如果他們在失效前被告知有「壽險結算」這個合法的變現選項，他們一定會考慮。不過全個壽險結算行業在 2024 年僅捕捉了約 2% 的失效保單市場，留有極其廣闊的增長長尾。

除了上述Life Solutions業務外，公司還有佔比較少的資產管理(Asset Group，佔15%)以及科技業務(少於1%)。雖然公司的目標是長遠達至收入均衡，但這些業務發展的upside和股東的關係更大，作為債主我們更加需要關心佢哋還唔還到錢？

至於為什麼選擇選債唔選股？主要因為在另類資產管理，可以有更好的選擇，例如BN、BX。而且從下文討論可見，他們的收入來源不夠recurring，不符合我的選股原則

Subscribe now

既然係咁我們評估一下人壽保險作為資產的質素

其實人壽資產最終的付款人是各大保險公司。這類公司受到各州政府極其嚴格的監管要求（Rigorous Regulatory Oversight），且背後通常有大型再保險公司（Reinsurance）分攤風險

上圖可以見到人壽保險的支付優先：身故賠償（Face Value）➡️現金價值➡️ 債券➡️股東

由此可見人壽公司即使要清算，受益人也能優先獲得賠款。上圖也見到若保險公司不幸倒閉，各州將介入提供最後的理賠兜底保障

上 2張圖是Abacus 2026Q1的資產負債表

現金及等價物有3700萬，流動負債則有到期的長期債150萬，覆蓋比率為24.7，有充足的短期償還能力

至於我有興趣的債ABXL 2028年到期，我們也需要計算長期的覆蓋比例

所以我們除了要計算現金，還要計算他們的保單資產價值，再除以短期和長期負債

(37,209,747+392,770,863)/(1,500,000+275,802,521+38,156,705+14,541,873) = 1.3

未見到出現資不抵債的狀況

不過讀者可能最擔心就是資產當中有不少屬於人壽保險的價值，而點樣估算？會不會是公司說了就算？

上文講過公司其中一個賺錢方法，就是把保單出售。如果公司真的有吹噓估值的情況，出售價錢應該遠低於自己之前的估值

此圖可見其內賣出了價值1.976億元的保單，本來他們記錄了帳面升值3520萬(即圖中unwind部份，由於他們已經變賣了，所以當中的升值估算就要沖銷)

簡單計一計當時的人壽保單估值=(1976+352)M=2.328億

不過他們季內獲得9290萬實現盈利，咁就會計到(1976+929)M=2.905億

公司的保單實現價值其實是比較保單估值要高，不過值得留意2.905億，既包括轉售保單，又包括長者過身全部取得份額的價值，不代表所有保單都能夠超高價出售，但至少可以合理判斷保單的價值沒有被離譜地高估

還有一點必須誠實：這些成交絕大部分是賣給旗下基金(詳見下文)，價格的獨立性有折扣，真正的外部把關，其實是基金投資者，回報不對辦，他們就會停止注資。

下圖是公司提供的一些補充資訊，我們可以見到他們可以做到貨如輪轉，2026Q1週轉率衝上 1.9x，非常接近公司設定的 2.0x 目標上限，於季內加快保單轉手或結算的節奏。保單週轉率越高，資金回籠速度就越快，有利於還錢。賣出保單的平均持有期為290天，比留在帳上的保單209天更久，可以見到公司正在將年期夠久遠嘅保單出售換回資金，而26%的利潤率反映了保單有價有市

Subscribe now

我哋再睇下利息覆蓋比例

我哋可以睇一睇以下嘅收入構成

我哋可以見到收入部分最大的life solutions，當中有4800萬是保單投資收入，也就是上述賣出保單、又或等待長者百年歸老後的收入

較為經常性的收入包括846萬的asset management，以及36萬的科技平台收入，加埋就有882萬，但利息開支高達1050萬元，經常性收入連利息都不能冚

令到他們能夠覆蓋利息主要就是靠上述保單收入。所以如果擔心公司的保單轉售能力不如理想的話，此債確實有一定業務風險

不過我也不是那麼悲觀，從上上圖見到realized gain 一直都有20%以上水平。而且正如一直所講人壽保險保單即使賣唔出，公司也可以等待長者百年歸老之後理賠，而在市場不景氣，公司大可以減少收購保單嘅進度，以保留現金流償還債主

再仔細睇一下，他們的保單絕多數轉售給旗下基金，例如上圖可見9290萬實現收入當中的8790萬，就是賣給旗下基金(related parties)。只要旗下基金的底層需求強勁，公司就可以繼續轉售給他們接貨。26Q1 基金的資金流入就有 2.88億 ，管理層則預期上半年共有5億流入。需求似乎繼續

其實也可壓測一下

Recall 返數字

(接下來Substack/ Patreon Paid Tier的朋友可以看到ABXL

1. 壓測情況

2. 風險

3. 部署

過去一年來，有不少免費的文章，來覺得也花費不少心機和時間，才開了Paid Tier。希望大家可以訂閱，作為有心機寫作的支持。)

Subscribe now

Read more

當時我就咁寫：

下圖就展示Sanrio家傳戶曉的角色，符合阿爺個輩到個孫都認識的相信都有幾個

到底這些多 IP角色嘅發展，有沒有推動他們的業務呢？

答案係有的。Sanrio FY3/2026（2025年4月至2026年3月) 的全年業績表現非常亮眼，達成了連續五年的營收與利潤增長，並且雙雙創下歷史新高

• 淨銷售額 (Net Sales)：1,941億日圓，按年大幅增長 33.9%

而且營收增長速度是非常之快的，由2022年的 527億去到今日的1941億，5年平均成長就有38%。考慮到2022財年喺新冠疫情，基數難免較低，計埋4年平均成長，平均成長依然是38%。應該不屬虛火

Subscribe now

銷售增長如此快的另外一個擔心是他們是不是靠收購去推動增長呢？

原來沒有。呢段時間只有 2025年6月出資約 1,119 萬美元(約 16 億日圓)入股動畫巨頭 IG Port，以及在 2025年12月斥資 1,070萬美元向 Avex Inc. 收購了合資公司 SANRIO SOUTHEAST ASIA (SSEA) 剩餘的 30% 股權，使其成為全資子公司。這些的收購不會對營收構成重大影響。因此增長是由公司內部業務推動的organic growth

話雖如此，公司確預留了一大筆錢進行收購。佢哋表示在預留的500億日元收購預算中目前只是動用了數十億。這其實是一件好事，反映公司嚴謹財政紀律

管理層就表示由於目前娛樂產業的估值普遍偏高，很難找到完全符合他們財務回報標準（如維持 30% 的 ROE）的投資目標

除了過去強勁表現外，管理層對下一個財年的銷售指引依然充滿信心。預計 2027財年 的銷售額將達到 2,298.00億日圓，繼續保持 18.4% 的高速增長

在分析公司業績增長點解咁快之前，先略略介紹業務

核心業務主要分為三大支柱：

1. 商品銷售（Product sales，佔36%）

   就是直接賣產品，銷售渠道就包括直營店、百貨公司專櫃、網店、以及批發業務

2. 授權（Licensing，佔54%）

   呢個絕對係生金蛋嘅業務，公司透過將旗下IP授權給全球的品牌，將佢地印落自己的產品上，就可輕輕鬆鬆賺取權利金(Royalties)。以前就有網民講過到底有什麼產品是沒有Hello Kitty的，結果就算多奇怪的產品也能找到佢嘅身影

   收取Royalties 對於Sanrio來說幾乎沒有邊際成本，毛利率超高

3. 主題樂園（Theme Parks）

   呢部份和迪士尼的道理應該相似，就是讓人們和自己喜愛的人物互動，增加他們的喜愛，再進而買他們的產品。樂園中產品銷售的毛利也可以很高，例如在寫迪士尼時，就舉個例一粒橡皮糖可能只是賣1蚊，但米奇老鼠造型的就可以賣貴 好幾倍。類似道理可以應用在Melody身上

   公司甚至表明在未來會增加樂園產品的價格

上圖就反映樂園遊客的數量以及消費額按年都有不錯的升幅 (大家記住要按年比較，按季比較意義不大，因為旅遊總有旺季淡季)

另一個發展和迪士尼樂園類似，對樂園進行改造和擴建。預計初期將與其他授權合作夥伴共同投入約 100 億日圓，將Harmonyland改造為綜合娛樂渡假村。

參考以前寫迪士尼嘅諗法，投資於樂園雖仍在前期有不少開支，但為遊客帶來新鮮感刺激消費，渡假村又可以令到佢哋留多幾天➡️消費多幾天，擁有不錯的回報率。

此外，公司也積極開拓遊戲與數位（Digital/Games）以及教育娛樂（Edutainment）等新興業務 (New Business and Others)

Subscribe now

點解近年增長速度明顯加快?

首先就要回顧歷史，原來在2015至21年間公司的營收節節下跌，大問題就是公司的收入非常依賴Hello Kitty，在2010年代初，歐美突然間爆發Hello Kitty熱，可惜去到後來無以為繼。Hello Kitty當時佔公司收入的70%，結果潮流冷卻的時候，無論商品銷售還是高毛利的授權收入都受到很大的衝擊

同時創辦人辻信太郎做到九十幾歲，繼續沿用舊派方法做生意：實體店，等客上門。數碼化、粉絲數據、社交媒體營銷幾乎零。完全錯過了 Instagram、TikTok爆發時代

於是在2020年公司啟動second foundation (第2次創業)，由創辦人個孫 辻朋邦 接手管理

辻朋邦的戰略策略包括

在歐美市場營造熱話 (creating buzz，例如和Netflix、華納兄弟合作推出影視作品、推出更多電玩遊戲、積極經營社交媒體等)

中長期則包括增加粉絲的接觸點、擴充IP組合 (減少對Hello Kitty的依賴，在26年 Hello Kitty的貢獻就下跌至 30%)

所以回到題目：點解近年增長得比較快?

投資於不同媒體➡️深化和現代人的互動 ➡️建立忠誠的粉絲基礎➡️增加交叉銷售
➡️再投資發展新的媒體和角色 ➡️良性循環

比較重要的戰略發展係Global IP Platform (呢方面應該有參考泡泡瑪特，反而見證新社長不會墨守成規)

Sanrio會作為一個平台，引入其他公司的 IP、體育 IP，甚至是個人創作者（UGC）的內容，為這些產品提供附加價值，協助這些外部 IP 進行跨界合作與全球化推廣

(接下來Substack/ Patreon Paid Tier的朋友可以看到8136.T

1. Global IP Platform 策略

2. 強項和風險

3. 估值和部署

過去一年來，有不少免費的文章，來覺得也花費不少心機和時間，才開了Paid Tier。希望大家可以訂閱，作為有心機寫作的支持 )

Subscribe now

Read more