這次下跌的本質是什麼？

一般而言，市場短期的震盪或回調，對企業基本面的影響其實有限。但這一次的情況有一點不同，主要源於運輸鏈受阻以及油價攀升。市場最擔憂的是油價長期維持在高位無法回落，進而對實體企業的營運環境和整體經濟造成實質打擊。

很多人喜歡在此時高談闊論，預測高油價將持續多久、對通脹的確切影響幅度，或者實體經濟會因此下滑多少。除非你擁有內幕消息，或者具備足以左右地緣政治及全球通脹走向的影響力，否則準確預測宏觀經濟走勢幾乎是不可能的任務。對於我們些普通個人投資者而言，最誠實且理性的回答其實是：我不知道

預測沒有意義，但理解影響路徑很重要。

雖然我們無法預知未來的宏觀走向，也不會依賴這些預測來隨意改動投資組合，但這並不代表我們什麼都不用做。在市場動盪時，我通常會回歸投資的基本步，專注於分析各項因素會否影響企業的基本面，並找出需要密切追蹤的關鍵數據。

我們可以透過基本的估值邏輯來拆解每次的影響。就像我這篇文章提到估值公式約等於

而如果單拿r中權重最大的Re 又可以寫成：

所以，我們可以推論出能源價格所引發的輸入性通脹，會從以下幾種情況對企業估值產生影響：

一、對企業利潤的影響

如果公司缺乏定價能力，無法透過加價將成本轉嫁給消費者，其利潤率會下降，最終導致自由現金流（第一條公式的E或改成FCF）減少，公司估值隨之下跌。

二、對利率的影響

若通脹持續居高不下，為防止其演變成惡性通脹，聯儲局通常會放緩減息步伐甚至加息。這意味著公式中的無風險利率會上升，同樣會壓低公司估值。

三、對整體經濟與成長的影響

加息會直接增加企業的借貸成本，迫使公司放緩擴張計劃。同時市場整體資金流動性下降，經濟發展減速，這會導致企業的盈利與自由現金流增長被下調，公司估值也必須相應地向下修正。

理解了這些潛在的連鎖反應後，我們的任務便是評估市場價格下跌是否已經過度反映了上述情況的轉壞。我們需要思考：

目前的價格是否已經跌得太過分？情況會逆轉嗎？情況逆轉需要多少時間？這些風險是否值得我們去承擔？

持續追蹤關鍵數據

接下來的行動就是持續監測相關的實質數據。例如在即將到來的財報季中，我們需要仔細檢視目標公司的盈利或自由現金流增長是否真的出現放緩，同業其他公司的業績表現又如何，以及聯儲局最新公佈的利率點陣圖是否有變化等等。

我從不試圖預測事態的最終走向，但我會提前做好準備。當實際的財務數據和宏觀指標出爐時，我已經清楚知道自己該採取什麼應對措施。只要建立了這套應對機制，我們就不會對市場下跌感到恐懼，也不會輕易被悲觀的新聞報導左右決策。

我們必須明白，油價與利率都不可能永遠停留在極端高位。大部分事情都是在一個周期當中來回擺動。當油價在高位維持足夠長的時間後，自然會引發市場或政策的反向作用力（例如民眾聲音的壓力／政府的行動等等），最終走向均值回歸，向另一個方向擺動。只要我們在這個過程中沒有被強制平倉，能夠繼續留在市場中，價格波動就只是一個必經的過程。長遠來看，Rf 無風險利率會均值回歸，決定公司價值的依然是：

1. 創造出來的自由現金流量 （E or FCF）

2. 自由現金流增長幅度g

3. 創造自由現金流的穩定情度（Risk premium）

總結另一篇文章的觀點：如果你擁有充足的資金且能承受波動，這是一個增加優質公司的好時機。如果現金儲備有限，則可以考慮進行換倉。

我的市況關注名單與估值排名

最後，我想分享一下我個人對近期市況中部分公司的觀察與排名。沒有出現在列表上的公司並不代表它們缺乏投資價值，可能只是因為我對其業務模式不夠熟悉，或者我認為它們目前的價格尚未達到足夠吸引的安全邊際，因而沒有在這篇文章內分享。

這裡的 Tier 代表公司的質素等級，而在同一等級中，排在越前面的公司，我認為其當前的估值越具吸引力。這些排名和估值都是基於目前的概略判斷，大家不需要過度執著於排名的細微差異。詳細的財務數據與估值模型，可以參考我製作的估值網站上的具體估值計算。

目前市場上大部分的頂級 Tier S 與優秀 Tier A 公司都已經出現了顯著的折讓，因此我現階段不太需要將精力分散到質素較次的企業上。

需要特別說明的是，由於我個人在軟件與科技相關領域認識較深，因此列表中包含了較多的軟件公司。如果你對軟件板塊面臨的AI挑戰持保留態度，請將此列表視為純粹的參考，切勿盲目將不熟悉的領域納入自己的投資組合。

估值吸引力排名 （排序越前，估值越吸引)）

Tier S：META＞BN＞NVDA｜BX｜MSFT＞BAM

Tier A：ADBE＞NOW＞CRM＞APO＞SNPS＞PANW＞CRDW

風險評估排名 （排序越前，不確定性與受影響機率越低）

Tier S：NVDA | MSFT＞META＞BX｜BN｜BAM

Tier A：SNPS＞APO＞PANW｜CRDW｜NOW＞CRM＞ADBE

最後想簡單談一下NVDA的估值，早前老黃提出到2028 FY (日歷年2027年尾)，單是Blackwell & Rubin 就有合共1T 的收入，如果加上其他segment 的收入，其未來2年總收入增長率都很可觀，絕對配得起現價的估值。

只是很多人都忘記了半導體以前是一個高度週期股的行業，而現價估值其實是price in 了NVDA不再是週期股，而是打後10年都有穩定成長率。那到底其他科技大廠的Capex 往後能否繼續支撐起NVDA的增長，NVDA到底又能否真的透過這次機會把公司打造成更具週期抗性，收入及增長更具預見性，才是現價估值的核心判斷。

話雖如此，現價估值仍具吸引力，即使週期再現（假設有時會收入倒退），現價與此情況的差距未算很大，值博率還是不錯的。

每一篇文章都花費筆者大量時間和心思去思考和整理，如果你喜歡我的文章，懇請各位給予最直接的付費訂閱，同時我也會盡力提供更多福利回饋會員。

Subscribe now

歡迎各位like, share, comment!

現時功能比較簡單，十分歡迎各位提出不同意見，無論是現有功能改進、新功能的提議、或者是發現有bug。

另外，由於現時只有我自己為每間公司遂一研究後才製作估值模型，涵蓋的公司和產業數量相當有限，如有錯誤的數字／未更新的模型，也請各位提醒一下，我會盡快修改。

如果有讀者有興趣一起參與製作估值模型，一起貢獻這網站，亦十分歡迎私信聯絡我！

最後感謝各位的支持，請多多踴躍使用及參與！

使用簡介

鏈結在這：

https://daydaydreamretire.web.app/

請按右上角登入或註冊新帳號後，即可查看公司的估值模型

估值閱讀的方式跟我平時的文章一樣，上面有三種不同情況的假設（紅，橙，黃），主要留意收入增長率（Revenue Gr %）及FCF as percentage of Revenue （FCF %）。

首兩年的收入增長率多數會用公司的預測數值／Wall Street 分析師的預測數值。而FCF % 則多數按過去5-10年的中位數或我認為合理的數值。

紅，橙，黃的假設不一定是順序的高至底三個情況（但大多數情況是）。紅色有時只是反向計算，用現時股價看看需要多少增長率才有合理價。

下面Per share value 的三列就分別對應上面三種情況，而左面可以看到WACC （或者叫Required Rate of Return）的數值。

綠色底色代表比現價便宜，現價數值在左上角股票代號下方。而% Diff 則比現價平／貴多少。

估值下面有相關的文章，可以點進去看估值的具體邏輯。

電話上看也有特別調整過，看起來更舒適。

每一篇文章都花費筆者大量時間和心思去思考和整理，如果你喜歡我的文章，懇請各位給予最直接的付費訂閱，同時我也會盡力提供更多福利回饋會員。

Subscribe now

歡迎各位like, share, comment!

如果要比較年資及歷史，Brookfield 始於1899年，比Blackston 1985年還要早得多。在CEO Bruce Flatt 這20多年的帶領下，Brookfield 展現出極高的增長速度，特別近年的AUM 增長極快，幾近要追平Blackstone 1.2T AUM了。這是很值得投資人花多點時間去研究的好機會。

由於兩間公司的整體業務邏輯很接近，那些行業共同的特點我就不重覆了，如果還未看Blackstone 那篇的朋友可以先去回看。

公司的架構

主要由三大核心業務板塊組成，並在母公司層級透過靈活的資本配置將這三個板塊串聯起來，形成強大的飛輪效應：

1. 資產管理 （Asset Management, 簡稱 BAM）

這是一個分拆出來的純資產管理業務，AUM接近1.2 T美元的全球性平台，投資領域涵蓋再生能源與轉型、基礎設施、私募股權、房地產及信貸。

• 商業模式：屬於輕資產模式。其核心是替客戶管理資金，主要利潤來源為收取管理費所產生的手續費相關利潤（Fee-related earnings, FRE），以及當投資表現超過預定門檻時所獲得的附帶權益（Carried Interest, 利潤分潤）。該板塊的增長依賴於持續擴大收費資本規模與維持營運成本的紀律

2. 財富解決方案 （Wealth Solutions, 簡稱 BWS）

這是一個以投資為主導的保險機構（Investment-led insurance organization），目前管理約 1,350 億至 1,450 億美元的保險資產。

• 商業模式：屬於重資產負債表模式。公司透過發行低風險、長天期且具可預測性的保險負債（例如年金、財產與意外險、退休金等）來獲取龐大的浮存金（Float）。接著，公司將這些資金配置到 Brookfield 擅長的實質資產（債權與股權）中，以賺取投資回報與保單資金成本之間的利差（Spread）。此模式極度強調風險控管，並以遠低於傳統保險公司的營運槓桿（約 7-8 倍）來產生高質量的收益。

3. 營運業務 （Operating Businesses）

• 架構：包含四個全球性的營運平台：再生能源與轉型 (BEP)、基礎設施 (BIP)、私募股權 (BBU) 以及房地產 (BPG)。

• 商業模式：直接持有並營運高質量、構成全球經濟骨幹的實質資產。其價值創造來自於：獲取穩定、具抗通膨能力且持續增長的現金流（如營運 FFO 或 NOI），並透過營運改善來提升資產價值，最後透過資產循環（Asset Recycling）（即在資產成熟時高價出售，再將資金投入更高增長的機會中）來實現資本增值。

除了像一般資產管理公司一樣向外募集資金之外，保險業務亦為 Brookfield 提供另一個長期、穩定且資金成本較低的資金來源。

因此，Brookfield 的資金飛輪主要由三部分組成：BN自身資金、保險業務（BWS）的浮存金、向外部投資者募集的資金。

這些資金最終都會投入到資產管理業務 BAM。BAM 之後會把資金投資到旗下不同主題的投資平台，而在這些平台之中，有一部分是以長期持有並實際營運為目標的業務（Operating Businesses）。

核心引擎—資本配置：除了上述三大業務，Brookfield 商業模式中最關鍵的一環是母公司BN的集中式資本配置。

• 各個營運業務每天產生大量自由現金流，這些資金會向上匯集到母公司。

• 母公司以宏觀的視角，將這些過剩現金流靈活地重新投資於回報率最高的領域（例如支持 BWS 擴張、投入 BAM 的新基金，或是進行戰略併購）。

• 當市場價格低於公司內在價值時，母公司會利用這些現金流在公開市場上大量回購自家股票（例如 2025 年回購超過 10 億美元的股票），從而直接提升剩餘股東的每股價值

投資為主導的保險機構BWS

傳統保險的營運模式：主要目標是賺取承保利潤。它們收取保費後，通常會將資金交給外部經理人進行極低風險的投資，最高指導原則是「投資不要虧錢，靠保險承保來賺取利潤」

BWS (投資為主導)：主要目標是賺取投資回報。BWS 尋求的是浮存金，而不是盲目追求保單規模。它的原則是「保險承保不要虧錢，靠投資來創造利潤」，其決策完全是由投資機會來驅動，而非保費流入量

資產配置與投資管理方式

• 傳統保險公司：通常將大部分資金外包給第三方經理人，資產配置極度保守。一般約 70% 至 80% 的資金放在流動性證券（現金與固定收益），僅有 20% 至 30% 投入實質資產，因此淨資產報酬率通常僅約 50 到 100 個基點。因為投資端的報酬率較低，通常需要依賴較高的槓桿來為股東創造回報，營運槓桿大多在 10 倍至 12 倍，部分公司甚至高達 20 倍

• BWS：不當被動的投資者，而是將吸收到的資金直接對接 Brookfield 龐大的實質資產投資生態系。BWS 採用槓鈴策略（Barbell approach），大約 50% 保持在流動性極高的現金與短期證券以應對風險，另外 50% 則大舉投入 Brookfield 擅長的高殖利率實質資產（如基礎設施、房地產、再生能源等），這使得其淨資產報酬率可達約 200 個基點。因為能在投資端創造較高的報酬，因此不需要依賴高槓桿就能達成 15% 以上的股東權益報酬率（ROE）。BWS 的營運槓桿維持在非常保守的 6 到 8 倍，且隨著資本累積，這個數字未來還會進一步下降

這種模式之所以對BN如此重要，主要有以下幾大核心優勢

1. 開闢龐大且長期的保險資金池
   這為 Brookfield 在傳統的機構投資者與自身資產負債表之外，帶來了龐大的第三方來源資金。這些吸收進來的保險負債（浮存金）具有低風險、具預測性且長天期的特性，這正好與 Brookfield 擅長投資的長天期資產完美匹配。

2. 推升 BAM 增長

   BWS 不僅自身創造利潤（Spread related earning），還能作為引擎推動資產管理業務BAM的AUM爆發性增長。BWS 會將龐大的保險資金直接配置到BAM旗下的投資產品平台中，能為BAM帶來豐厚的管理費收入。

3. 創造低槓桿、高品質、高回報的收益

   BWS 則能直接對接 Brookfield 生態系中的優質投資項目。Brookfield 在基礎設施、再生能源、房地產等領域累積了 25 年的深厚專業營運能力。這種專屬的資訊與營運優勢，讓 BWS 能夠獲取遠高於保險同業的風險調整後回報。BWS 的利潤品質更高、現金流更持久且承擔的營運風險更低

4. 永久資本後盾確保長遠發展

   BWS 可以依靠 Brookfield 高達 1,800 億美元的永久性資本來支持發展。這使得公司能以最長遠的眼光來做決策，完全與保單持有人的利益一致，而不是盲目追求短期規模。

有興趣的讀者也可以去聽聽2025 investor day其中詳細講解BWS 的部分

同樣的模式Apollo (APO)也在做，可見這是一個創新的大方向。

BAM、BN 大不同：兩者的定位與取捨

很多投資者在考慮投資 Brookfield 時，往往不確定應該選擇 BAM 還是 BN，亦未必清楚兩者之間的分別及各自的優缺點。因此，需要先了解整個公司的架構。

Brookfield 的整體公司架構

在最上層的是 Brookfield Corporation（股票代號 BN），即整個集團的控股公司。其主要業務結構如下：

1. Brookfield Asset Management（股票代號 BAM）

   • 負責管理和投資來自不同來源的資金

2. Brookfield Wealth Solutions（股票代號 BNT）

   • 保險及財富解決方案業務

   • 未來將會與 BN 合併，合併後將不再使用 BNT 這個股票代號

3. 營運業務（Operating Business），有多個股票代號

   • 這些資產會保留在 BN 的資產負債表上

   • BN 會與第三方資金共同投資（co-invest）

   • 投資目標通常是 長期持有並實際營運相關資產

其中，BN 擁BAM 73%權益，剩餘約 27% 為市場流通股份，即投資者可以在市場上直接買到的 BAM 股票。

BN跟BNT合拼後, BN會對BNT擁有100% 權益，BNT代號會消失。換言之，保險業務最終會完全整合至 BN 的結構之內。

如果投資者對某些特定的實體資產或營運業務更有興趣，也可以透過不同的股票代號，直接投資旗下的個別上市營運平台。而 BN 對這些營運業務的持股比例，則如圖中所示。

BAM的角色與優缺點

BAM 是一家純粹的資產管理公司，利潤全來自於收取管理費所產生的手續費相關利潤（FRE），以及投資達標後賺取的附帶權益（Carried Interest），由於BAM不會投入任何BAM自家的資金，所以不會有直接投資收益及虧損，基本上BAM也會把大部分DE 以派息的方式回報股東。因此，收入增長全依賴AUM增長。

優點

• 業務模式簡單清晰
  收入主要來自管理費與績效分成。

• 增長不依賴資本投入（CAPEX）
  作為輕資產模式，公司不需要大量資本支出即可擴大業務。

• 利潤率較高
  管理費收入通常具有較高的利潤率。

• 不需進行自有資金投入
  由於不需要投入自有資金與客戶共同投資，因此不必直接承受投資市場波動帶來的資本風險。

• 市場估值通常較高
  由於現金流穩定、資本需求低，市場通常給予較高的估值倍數。
  這也是將 BAM 獨立上市的原因之一，使其能獲得更接近資產管理業務本質的市場定價。

缺點

• 成長依賴於 BN 的資金與平台
  BAM 的資產管理業務在很大程度上依賴 BN提供的整體投資平台。假如BN出現了什麼問題，BAM 的AUM 也很大機會受到影響，從而影響FRE → DE → 估值

• BN 自有資金投資部分不產生 FRE
  若投資資金來自 BN 自有資金，該部分通常不會為 BAM 帶來管理費收入。

• 缺乏資產價值支撐
  由於 BAM 是輕資產公司，若公司出現問題導致 AUM 大幅下降，便沒有實體資產可作為價值底線支撐，股價主要依賴 FRE 收入的穩定性。

BN的角色與優缺點

BN是整個集團的母公司，擁有整個投資系統的資源，並掌握資本配置與資源調配的決策權。

優點

• 能夠捕捉多種收入來源
  除了透過持有 BAM獲得管理費收益與股息外，BN 亦可以選擇動用多少自有資金參與投資項目。

• 掌握投資周期中最有價值的部分
  透過自有資金與平台控制權，BN 可以確保在整個投資周期中取得最具價值的收益部分。
  例如 Brookfield Wealth Solutions（BNT） 的合併。當 BN 認為保險業務具有高成長潛力時，可以將其合併回母公司，利用母公司的資金快速擴張該業務，從而獲得最大增長收益。當某項業務的增長進入成熟階段時，BN 亦可以重新將該業務分拆並上市，以回收資金，再投資於下一個高速成長的業務。

  換言之，BN有權力在不同投資階段持續捕捉最具價值的部分。

缺點

• 需要投入自有資金與第三方資金進行共同投資
  若投資項目出現損失，BN 亦需要承擔相應的資本損失。

• 公司架構複雜
  由於涉及大量共同投資以及多方投資者參與，公司架構較為複雜。
  在分析三大財務報表時，往往包含不同投資方與資金來源的數據，有時難以單獨分離出 BN 自身的實際營運情況與風險。令投資者去了解及評估的難度大增。

• 估值折扣
  由於業務結構複雜，公開市場往往難以給予完全公平的估值，因此股價可能長期低於其內在價值，類似於許多綜合企業所面臨的估值折扣。

總結來說：

如果您偏好「清晰度」與「合理的市場定價」，更適合選擇 BAM。

如果您是「堅定的長期價值投資者」且看重「深度折價與複利效應」，更適合選擇 BN。

業務發展概況

由於篇幅所限，本文就不再逐一詳細說明公司各個業務的營運數據與細節。只是簡單介紹發展趨勢。

資產管理業務

BAM 的業務模式相對簡單，核心仍然是持續募集資金並擴大資產管理規模AUM，從而推動管理費與相關收入的增長。

營運業務

在營運業務方面，受 AI 發展帶動，市場對電力與能源基礎設施的需求大幅增加。因此，公司在再生能源與能源基礎建設領域預期將迎來強勁的投資需求。公司預計，電力相關基礎設施的需求未來有機會出現倍數成長，為相關資產帶來良好的投資回報。

在房地產業務方面，公司認為市場已經走過最困難的低谷，目前正逐步復甦。未來五年，公司預計將透過資產循環（Capital Recycling），逐步出售成熟資產，從而實現資本收益（Realized Gains），回收資金並重新部署至新的投資機會

保險與財富解決方案業務

Brookfield Wealth Solutions（BWS）預計將成為公司未來增長最快的業務之一。該業務主要受惠於兩個長期結構性趨勢：人口老化、退休儲蓄缺口等的需求持續擴大。在這些趨勢下，公司能夠獲得大量長期、穩定且成本較低的資金，並透過投資這些資金來賺取投資收益差額。

對細節有興趣的讀者可以參考公司最新年報，或閱讀友台的分析文章。

R投資養成之路

私募投資巨頭 - Brookfield (BN) (一)

Brookfield 就像一台超級複合增長機器，靠三個引擎源源不絕地賺錢。過去 30 年年化回報 19%，遠勝 S&P 500 的 11%，Brookfield系環環相扣，「雞生蛋、蛋生雞」的模式讓股東財富以指數級增長。本文會先簡單講解BN系的Business Model,下一篇文章會討論估值…

Read more

4 months ago · 19 likes · 1 comment · R投資養成之路

ChatMrLee

分兩篇講的Brookfield，今日講業務，明天再估值

之前在Threads 有講過，我對目前AAM類型股票買感興趣…

Read more

a month ago · 2 likes · ChatMrLee

估值

對於BN公司利用SOTP 有計一個估值數字出來，計算方法分兩部分，分別是：

1. 有在公開市場交易的資產會按市價計算

2. 沒有在公開市場交易的資產會把該業務的DE乘一個倍數 （類似PE的慨念）

然後把兩者相加：

這方法很常用，但市場價格不一定等於內在價值，公司給的倍數數字雖然尚算合理，只是稍為粗略。最簡單我們可以按這數字打折，留一點安全邊際給自己。

我自己則會源用計算BX的估值方法，直接拿公司DE做DCF，多一個估值參考數字。

BAM的估值

公司預計未來5年DE每年成長18%

簡單地設定17%, 15%, 18% 3個case看看如何。可以看見，市價跟內在價值還是挺接近，以18%增長計算，WACC 約在10%

BN的估值

公司預計未來5年，在不計算資產變現前，可以有每年17%增長，計及在內後能有25%增長。

這裡有幾個位要注意：

• 由於Beta 很高，計算出來的WACC也很高。再加上我沒有計及債務的較低資金成本部分，即是這個WACC數字其實是等於CAPM ，讀者可自行調低一點，或可以當成安全邊際

• 由於難以分離balance sheet 中應屬股東的部分，數字沒有包括任何balance sheet 中的現金、投資資產、債務

最後情景設定為未來5年增長率在20%、15%、25%，在這麼高的折現率下仍然低於市場現價，我認為這價格是相當吸引。

不過要留意，相比BX，BN投放更多自有資金一起進行投資，因此投資能力及回報率對公司的影響更直接。假如有什麼黑天鵝或系統性風險，如果投資回報很差，不單止BN要承受資本損失，更可能因而影響投資者對BN投資能力的信心，出現AUM永久性下跌。這就是BN要面對的雙重下殺風險所在。

當然，以上情況很極端，風險控制也是公司很著重的一環，投資本來就是透過承擔自己接受到的風險去獲得利潤。

最後附上友台的SOTP估值，各位又多一個數字參考：

ChatMrLee

Brookfield 估值小分享

昨天，我們談了BN的業務。今天我們集中討論估值…

Read more

a month ago · 2 likes · ChatMrLee

每一篇文章都花費筆者大量時間和心思去思考和整理，如果你喜歡我的文章，懇請各位給予最直接的付費訂閱，同時我也會盡力提供更多福利回饋會員。

Subscribe now

歡迎各位like, share, comment!

黑石集團是目前全球最大的另類資產管理公司。很多人第一次聽到另類資產管理（Alternative Asset Management）這個詞，未必清楚到底是什麼意思，所以首先需要解釋一下這個概念。

什麼是「另類資產管理」？

首先，「資產管理」的意思很簡單——就是幫別人的錢去做投資。

而「另類（Alternative）」的意思，則是指它投資的資產並不是傳統公開上市、可以自由交易的股票或債券，所有其他非傳統、非公開上市、非公開交易的資產都可以叫另類資產，例如：

• 房地產（Real Estate）

• 私募股權（Private Equity）

• 私人信貸（Private Credit）

• 基礎設施（Infrastructure）

拿其中兩種大類別簡單說明一下:

私募股權

就是直接出資買下或投資未上市企業，然後透過改善公司經營，提升企業價值等方法，最後再將企業出售或上市，從中賺取利潤。

私人信貸

就是扮演一個非傳統銀行的角色。簡單來說，就是一對一直接借錢給企業，而不是透過銀行系統，藉此賺取穩定的利息回報。

黑石的業務運作方式

黑石的核心模式是：

向第三方投資者募集資金 → 投資各樣另類資產 → 提升資產價值 → 為投資者創造回報

第一步，募集資金：

黑石向機構投資者（如養老基金、主權財富基金、保險公司）以及越來越多的高淨值與大眾富裕的個人投資者募集資金

第二步，投資各樣另類資產，提升價值：

黑石的運作圍繞著四大業務主題板塊（房地產、私募股權、信貸與保險、多資產投資），並透過設立不同結構的投資工具來管理資金。

基金結構： 資金主要透過以下兩種核心結構運作：

• 承諾提款型基金（Drawdown / Carry Funds）： 投資者承諾一筆資金，黑石在需要進行特定投資時才向投資者召喚（Call）資金。這類基金通常有固定的存續期，黑石買入資產、持有並進行營運改善數年後，將其出售並把利潤與本金返還給投資者。

• 永久資本與開放式基金（Perpetual Capital & Open-ended Funds）： 這是黑石近年大力發展的模式。這類基金沒有固定的到期日或清算要求，投資者的資金通常在申購時一次性投入，並可依照規定（如每月或每季）申請贖回（通常設有贖回上限），例如黑石房地產收益信託（BREIT），以及黑石私募信貸基金（BCRED）。這種模式為黑石提供了長期、無須強制返還的穩定資金池

第三步，最後出售退出／永續運行：

投資與管理： 黑石的投資團隊負責尋找、評估、談判並執行投資，隨後透過其營運專長推動被投資公司的轉型與成長。為了確保利益一致，黑石及高階主管也會將自有資金與客戶資金一起投入這些基金中。

黑石的三大收入來源

從整個運作模式來看，可以簡單理解為：用別人的錢來投資，並透過收取「固定比例的租金（管理費）」來涵蓋日常營運成本，再透過「幫客戶賺大錢後的抽成（績效收入）」來創造公司的無本生利。透過不斷擴大資產管理規模（尤其是無須隨時間返還的永久資本），黑石能夠持續推升其管理費基數，並大幅擴張未來的績效分成潛力。

因此公司收入主要來自三方面：

1. 管理與諮詢費（Management and Advisory Fees）—— 穩定的經常性收入：這是黑石最基礎且穩定的收入來源，只要管理著資產就能持續收取，但由於多數會按基金的淨值去計算，投資標的短期價格波動也會有輕微影響。言而，有別於公開交易的資產，另類資產由於通常沒有公開交易紀錄，因而也很少有「市價」，投資標的通常很少有大幅價格波動。

2. 績效收入（Performance Revenues）—— 創造超額回報的豐厚分潤：這是黑石利潤最具爆發力的來源，也是最能無本生利的一種。當黑石為投資者賺取利潤並達到特定門檻時，就能從中分得一定比例的利潤

   1. 附帶權益（Carried Interest / Performance Allocations）： 主要來自承諾提款型基金。當基金出售資產並實現獲利，且該獲利超過給予投資者的優先回報率（通常為每年 5% 至 8%）後，黑石可以分得超出的利潤當中高達 20% 的淨實現利潤。這部分收入必須等到資產真正賣出變現時才能落袋，且如果在基金生命週期末期整體績效下滑，黑石甚至可能觸發回撥（Clawback）機制，必須將前期多拿的利潤退還給投資者。

   2. 激勵費用（Incentive Fees）： 主要來自永久資本、避險基金或業務發展公司（BDCs）等結構。當這些基金的資產淨值在特定測量期內增長，或超過約定的基準與高水位線（High Water Mark）時，黑石可收取約定的利潤比例（如 7% 至 20.0% 不等）。與附帶權益不同，激勵費用通常定期結算，且一旦實現並入帳，通常不需面對回撥風險

3. 自身資本投資收入（Principal Investment Income）： 黑石為了與投資者利益綁定，會將公司的自有資本投入自己管理的基金中。當這些基金的底層資產升值或出售實現獲利時，黑石作為共同投資人，也會按比例獲得實際的投資回報（實現與未實現收益）以及股息、利息等收入

資產管理行業的代理人問題

資產管理行業天生存在一個問題，叫做代理人風險（Agency Problem）。簡單來說，基金經理人拿著別人的錢投資：

• 如果投資失敗，虧的是投資者的錢

• 如果收益很高，基金經理人可以拿到額外績效獎金

這樣很容易導致經理人傾向投資高風險資產。為了解決這個問題，整個行業逐漸發展成讓高階基金經理人／資產管理公司必須投入自己的資金一起投資。這樣如果投資失敗，大家會一起虧錢，利益才會真正一致。

由於上述原因，很多另類資產管理公司都採用合夥人制度。黑石的公司結構也變得非常複雜，並不像一般上市公司那樣簡單直接的有限公司制度。這一點在之後閱讀財報時會產生影響。不過這裡先不深入，等之後分析財報時再詳細說明。

資產管理公司的真正核心競爭力是什麼？

很多人可能會以為，資產管理公司最重要的就是投資能力。但其實並不完全是。綜合以上運作方式，可見資產管理公司最重要的次序其實是：

1. 品牌與信譽

投資者必須信任公司，才會願意把錢交給它管理。相信公司不會胡亂偷走客戶的錢，或是做出對投資者利益不一致的事情。大品牌的信譽和口啤，多年來累積的投資績效、風險管理的歷史案例等等，並不是其他公司數年內能打破的最強護城河。

即使競爭對手的回報再高，費用再低，只要投資者對該公司有信用憂慮，就不會安心把錢交給這樣的公司。

2. 募資能力（銷售能力）

不竟資產管理規模（AUM）越大，管理費收入就越高。而公司募資不單單依賴投資的能力或品牌本身，很多時候經理人自己的關係網絡（想想如果你認識哪個中東石油王子，能一下子投以億計的資金）、銷售技巧等等也有很大影響力。

3. 投資能力

投資能力仍然很重要，但它更多是：支撐品牌信譽的基礎。良好的長期績效可以強化品牌，提升募資能力，三者之間形成正向循環。

所以，一間資產管理公司最重要的指標就是資產管理規模（AUM）及其基金結構，資金愈是長期及永久，公司的管理費收入就愈穩定及可累積上去。因此，我們看公司數字時，只要心中保留一句宗旨：

資金多進來，少退出，沒有到期日。

黑石的收入數字

從下圖可知，黑石有約56% 收入為穩定的管理費。

另一項最大收入為投資的收益，約為36%，績效獎金（Performance）佔了25%。

激勵費用（Incentive Fee）約為7%。

如果我們看YoY change，可以更清楚收入的穩定性。除了管理費能穩定每年成長外（因為AUM不停增加），資本投資的收益及績效獎金都會有大幅波動，主要受市場價格及清算日期影響。

基於以上原因，我們很難知道當年到底公司實際賺了多少現金，而不是會計上的非現金純帳面利潤，所以公司也很貼心地給出一個可分派收入（Total Segment Distributable Earnings），讓投資者知道公司實際真正到手的利潤有多少，我們只要跟蹤這數據，也可以把它當成自由現金流的替代數字。

如果我們看YoY % change，其實起伏也不少，因為資產管理這行業本來就很複雜，影響的因素也很多，非行內人很難簡單地去預測未來的數字。我們可以簡單預期未來AUM增長乘以管理費率作為DE的增長。

其他重要數字

我們上面提到，公司最重要就是資金多進來，少退出，不清算。所以我們看深入一點也要跟蹤其下各種基金的實際資金進出情況：

最好當然每年的inflow > outflow，那公司AUM才會每年增加。值得留意除了inflow/ outflow 外，基金清算（Realizations）也會減少AUM，公司年報是有列出

我們可見，大部分基金每年都有net inflow 的，只是少數幾年的multi-asset investing 是net outflow。2025年按總balance 計，房地產及信貸與保險為最大組成，而管理費率最高則為私募股權

• Real Estate $279,427,148 (30.3%)

• Private Equity $240,959,058 (26.1%)

• Credit & Insurance $315,640,583 (34.2%)

• Multi-asset investing $85,647,665 (9.3%)

黑石的複雜公司架構

上面提到由於黑石是合夥人制度＋有限公司制度，所以上面提到的報表當中並非全部歸屬於普通股股東（即如果你在公開市場買入BX股票成為股東），當中有很大部分歸屬於合夥人及其他非控股權益（non controlling interest）。

很複雜對吧？不用擔心，圖片只是用來嚇大家一下（哈哈…），不理解也沒有問題，我們作為股東只是最右上角那個common stockholder。

但我們必須要很清楚知道，有多少東西是歸屬於我們，因為計算估值時，只能把那些計算在內，其他非歸屬我們的東西不能包括進去

我們就是Common Stock Oustanding 的部分，只要簡單用Common Stock Oustanding/ Participating blackstone holding partnership unit 就是我們應得的東西，約為60%

同樣，在看Balance sheet 時，報表包含了很多非普通股股東的東西。例如Cash held by Blackstone Funds and other 就不是我們的東西，要整個扣掉。其他項目如Cash，Loans Payable 也不是全都歸屬於我們，我們同樣要乘60%。

最底公司也有列出Total Stockholders’ Equity of Blackstone（即是我們）有多少淨值權益，有多少是其他NCI（Non controlling interest）的。

公司估值

寫了這麼多，那最重要的估值怎麼辦？結構如此複雜，業務本身又難以估計。

坊間對於大部分資產管理公司都采用SOTP（Sum of the part）的估值方式，原因就是太複雜了，只能逐個業務用一個相對粗略的倍數去乘，然後把所有業務相加，從以得出整間公司的估值。

不過這樣的估值方式相對不太精準，因為倍數稍為更改一下對整個公司估值變化就很大，而這個倍數同時包含了很多東西。就像我這篇文章提到那樣，這個倍數其實就是另類的PE倍數，當中一個數字包含了無風險利率、個股風險溢價、增長率等等太多不同的影響因素。

所以我自己用另一個方法對BX做估值，就是利用公司的DE當作自由現金流（FCF） 做現金流折現（DCF），又或者直接拿著公司派發的股息做股利折現模型（DDM）。雖然數字並不完全代表FCF，但我認為這總比用SOTP倍數計出來準一點。

給估值前多補其他有用資料

1. 公司說了派息的政策為DE的85%以下

2. FRE/ Eqty 可約略估算出最基本的ROE，由於有其他績效獎金，實際ROE會更高一點

3. 可以看到公司在派息及回購股分後也沒有用盡DE

4. 派息近年只佔6-7成DE

估值計算

第一個情況（紅色）：

我用Total DE * 60% * 85% 。第1個60%是我們普通股股東應屬權益，第2個85%是根據公司派息政策粗略估算的股息。這裡想粗略用股息做DDM來計算估值。然後增長率頭2年我拿了分析師預期的總收入增長率。當然收入增長率不等於股息增長率，但就是一個數字看看估值如何。現價約為等於Required Rate of Return (RRR) 11.45% 這樣的預期。

由於股息應為<= FCF，所以這裡有一點margin of safty。但由於我的增長率是用總收入增長率，而理應股息增長<= 總收入增長，所以這個數字又令margin of safty少了一點。上拉下補，各位自行去衡量。

第二個情況（橙色）：

我用Total DE * 60%。這裡就把DE 當成FCF去計算，增長率胡亂設定成10%及每年遞減1%，我個人認為以資產管理一哥來說，10%增長率是十分保守了，整個行業AUM增長率預期在15-20%之間，這個估值足夠保守有多。

第三個情況（黃色）：

這更保守了，我假設公司只有Fee Related Earnings收入，其他Total Net Realizations不計算在內。

補充:

上面約$100股價的估值當中有約$2.14為股東應屬的現金，$26的自有資本長期投資，$12.75的債務。即代表有約淨$16價值來自Balance sheet。

在計算這些數據時，我已經乘了60%

後記

正如上文提到，資產管理公司最怕就是客戶失去信心，資金流失，特別是在熊市價格很差時，如果投資者大量要求贖回資金，會十分影響投資回報率及AUM（不竟投資能力再高，客戶在最差時機時要求贖回資金，經理人也挽救不了）。所以有別於公開開放給所有人的資產管理公司，另類資產管理公司通常向機構投資者募集資金，減少這方面的風險。

更重要的是黑石有明確的贖回資金限制條款，資金贖回在一段時間內不得超過某數目（通常每季不得超過AUM 5%），黑石有最終決定權是否批準贖回資金的要求。這些條款大大保障了黑石的AUM及收入穩定性。而客戶在給錢黑石時，老早就知道及接受了這條條款（除了保障黑石，也是保障客戶不會被其他無知亂來的客戶拖累回報率。俗稱：陀衰家、老鼠屎）。

所以每當你又看到新聞說什麼贖回資金潮，什麼資金提取擠對，黑石要玩完了等等，就知道那記者/ KOL/ 評論員是在亂說，又在炒作新聞了。那些文章與內容，還是少看為妙。如果股價因而下跌，就是進場最好機會。

每一篇文章都花費筆者大量時間和心思去思考和整理，如果你喜歡我的文章，懇請各位給予最直接的付費訂閱，同時我也會盡力提供更多福利回饋會員。

Subscribe now

歡迎各位like, share, comment!

詳細的方法可以去重溫JS兄的期權文章

ATHM 汽車之家

背景：

• 一間汽車消費者在線服務平台，解決了汽車買賣雙方的「資訊不對稱」問題。消費者需要看車評、比價，車廠 (OEMs) 與經銷商需要精準的潛在買家名單 (Leads)

• 2016年中國平安集團正式成為汽車之家的控股股東

• 2025年海爾集團子公司卡泰馳成為汽車之家的最大控股股東，而平安產險將繼續作為汽車之家的主要股東之一

• 營收來源主要分為三大板塊:

  • 媒體服務

    這是公司最基礎的業務，主要向汽車製造商 (車廠) 提供品牌推廣、新車發佈的定向廣告與精準行銷服務。

  • 線索生成服務

    公司允許各地汽車經銷商在平台上建立線上虛擬展示廳，並將對特定車款感興趣、留下聯絡資訊的潛在買家名單賣給實體經銷商。

  • 在線營銷及其他板塊

    這是公司目前力推的第二增長曲線，主要聚焦於數位化轉型與交易服務。包含向經銷商和車廠提供基於大數據的SaaS數位化解決方案 (幫助店家提升營運效率與轉換率)、二手車交易撮合服務 (如天天拍車)，以及與平安集團深度協同的汽車金融與保險產品。

機會：

• 公司業務雖然在收縮，但仿有正net income 及 free cash flow。每年都仍在賺錢

  

  
  

• 現金加短期投資=3,075,332 千USD，約3.0753B USD，沒有債務
  

  

• 現時市值約2.24B USD，低於市值，P/ Net cash ~= 0.7x

風險：

• 新能源車 (EV) 的直營模式：特斯拉、理想、蔚來等新勢力大多採用直營店，完全繞開了傳統經銷商網絡，這直接動搖了汽車之家依賴經銷商賣線索的商業基礎

• 短影音平台的：字節跳動旗下的懂車帝、抖音、快手等平台正在大量抽走用戶的時間與車企的廣告預算，搶走了大量市佔率

• 汽車屬於非必需的高價可選消費品。在經濟衰退期，大眾延後購車，車廠與經銷商必然大砍廣告與行銷預算，公司的營收會受到直接衝擊

• 期權交易量少，價差大，要有耐心落GTC

小結：

• 於現價short put，由於有net cash 打底，除非未來業務極度消耗現金，同時轉型失敗，ROI 低於0.7，否則現在SP是用$70 買$100現金，有很好的防守性。SP 不求股價升，但求不會再跌，股價不變就繼續穩袋權金

INMD Inmode

背景：

• 一家總部位於以色列的跨國醫療設備公司，主要致力於開發、製造和銷售基於創新射頻技術的微創和無創醫療美容設備。

• 專利技術主要依賴射頻能量，該技術能精準穿透皮膚表面，深入皮下脂肪組織進行加熱，從而達到溶解脂肪、收緊皮膚和促進膠原蛋白增生的效果

機會：

• cash + short term investment = 302,543+83,632+169,159=555,334 , no debt

• PE = 13.64/1.43 = 9.5

• FCF = OCF-Depre = 85,257-695=$84,562

• Market cap / FCF = 864,213/84,562 = 10.2

• 如果扣掉net cash 後的市值去計算P/FCF，可得出864,213-555,334=308,879，308,879/84,562=3.65，即市場給公司業務估值只有3.65倍

風險：

• 毛利每年下降2-3%，顯示出競爭力不足，要降價賣貨

• 同時收入每年仍在下跌，

• 有不少的SBC，只是也有大量的buy back repurchase

• 總部在以色列，有戰爭風險

• 期權交易量少

小結：

• 整體風險較高，不像ATHM 有淨現金>市值做鐵底

• 公司業務不停少縮，雖然比去年改善不少，分析師（只有11位）也預期明年能有正增長，但仍是未知之數

• 如果整體業務已收縮到底，現時P/FCF 估值十分平，但如果未到底，則有可能是被誤導

  ---

每一篇文章都花費筆者大量時間和心思去思考和整理，如果你喜歡我的文章，懇請各位給予最直接的付費訂閱，同時我也會盡力提供更多福利回饋會員。

Subscribe now

歡迎各位like, share, comment!

AI 的代理鐵三角——感知、推理與行動

以前的系統由於是一行行代碼寫成，具高度確定性。所以整個系統可以簡單總結為：

UI → 後台一堆商業情景的邏輯（例如不同情景下應該做什麼檢查或動作，if-then-else） → 數據存取（CRUD）

當中軟件工程師要做的就是把那亂七八糟的商業情景邏輯和數據存取做優化，令系統能高效，安全地運作。

現在一個成熟的代理系統不能是盲目地呼叫大型語言模型（LLM），而是建立在感知（Perception）、推理（Reason）與行動（Action）的鐵三角基礎之上。這種設計將模型從無狀態的推論引擎昇華為具備執行力的數位代理。

感知：就是讓模型跟用戶的認知及接收到的信息同步，最簡單就是把上次對話歷史過程紀錄並一起回傳給模型，其他狀態可以是執行過的動作、思考過程、執行後的結果等等。

推理：則是模型自帶的湧現效果。

行動：定義模型或用戶可執行的動作範圍。如同人類有手腳可以活動，系統必須明確界定模型的權限與能力邊界，模型才能規劃出最佳結果。

AI 的記憶

由於模型本身不具任何記憶功能，要讓 AI 代理發揮真正的價值，解決其「金魚腦」的問題至關重要。記憶機制是連接無狀態的推論引擎與具備狀態化、連貫性用戶體驗的關鍵橋樑 。現代 AI 記憶體管理架構深受人類認知科學的啟發，將記憶分層為負責當下對話的短期記憶，以及負責知識累積的長期記憶系統。

短期記憶（Short-term / Working Memory）負責處理正在進行中的對話上下文。它的作用是維持單一互動環節內的語意連貫性，使系統理解指代代名詞與前後文脈絡 。在技術實作上，短期記憶受限於底層大語言模型的上下文視窗（Context Window）大小，通常利用 LangChain 或 AutoGen 等框架中的對話滾動緩衝區（Conversation Buffer）來維持 。為了確保對話的極低延遲，這些記憶資料多半儲存於如 Redis 這樣具備亞毫秒級（Sub-millisecond）回應速度的記憶體內資料庫中 。

長期記憶（Long-Term Memory, LTM）則賦予了系統跨越會話（Cross-session）的持久適應能力。它能無限制地儲存長達數月甚至數年的過往經驗、用戶偏好與業務規則 。長期記憶在架構上高度依賴強大的傳統資料庫或向量資料庫（Vector Databases），資料被切分為語意區塊並轉換為數學向量儲存；當系統需要提取記憶時，不依賴精確的關鍵字對比，而是透過概念上的語意相似度來精準檢索歷史數據 。

進一步細分，長期記憶包含了「用戶專屬事實記憶」（記錄個人的歷史、偏好與目標以維持對話連貫性）以及「環境事實記憶」（記錄外部世界的狀態與企業知識庫，主要透過 RAG 技術實現）。也可以用背景流程，不斷地將短期記憶中的有價值片段提取、壓縮並寫入冷儲存的長期知識庫中 。

AI 的推理

現時有四種能夠帶來顯著效能躍升的基礎代理設計模式 ，這四種在大部分情況下都會用到。

多代理協作 (Multi-agent Collaboration)

將龐雜的業務流程分發給多個具備特定角色（Persona）與專長的次級代理。例如，一個負責撰寫文本，另一個負責扮演嚴格的編輯進行審查。這種多模型間的博弈與合作，往往能激發出遠超單一大型模型能力的精湛表現 。這種方法跟現代人的專業分工（Division of labour）很像，我們期望把一個巨大任務進行細分後，獨立不同的agent 在不同背景提示詞下能專注特定任務，從而提高輸出質量。

協調者與路由模式 (Ｏrchestrator/ Routing Pattern) 設立了一個處於核心位置的「路由器代理」。當用戶輸入請求時，協調者不親自處理任務，而是對請求的意圖進行語意解析，並將其動態派遣（Dynamic Dispatch）給最適合的專業下游代理 。這種模式極大地提升了系統應對複雜業務（如大型客服中心）的靈活性，儘管它同時也帶來了模型呼叫次數增加與潛在延遲的副作用 。針對需要進一步細分的龐大任務，則可延伸為階層式任務分解模式 (Hierarchical Task Decomposition Pattern)，由根節點代理逐層向下拆解任務，直至最底層的工作者代理能夠獨立執行為止 。

為了縮短整體處理時間，平行化與分散聚合模式針對那些互不依賴的子任務，實施併發執行。多個代理同時運作，最終再由一個聚合代理統整所有分支結果，這在處理需要跨多個資料庫進行大規模檢索的場景中尤為關鍵 。

此外作為orchestrator掌控住解決問題的大方向，工程師能把該領域最優解決問題的方法論設計到系統當中，讓orchestrator用經驗證過的思考方式去拆解問題並逐一解決。

規劃 (Planning)

面對模糊且龐大的複雜目標，代理需要能夠自主進行任務拆解，將大目標切割為一系列循序漸進的子任務，並建立任務間的依賴關係，確保執行路徑的合理性

為避免對話式代理即興發揮的風險，系統需引入固定方法論。

• Skill 的定義：並非單純的工具調用 (Tool Call)，而是封裝了固定執行模板的方法論 (Methodology)。其價值在於將工作流程的穩定性引入代理中，補齊深度執行上的短板，防止在長鏈任務中偏離路徑。

• 任務拆解矩陣：包含將大目標拆解為可控子任務、組織達成目標的策略架構，以及在執行中監測進度並視需要尋求用戶反饋的柔性調整。

AI 的行動

工具調用與上下文工程（Tool use & context engineering）

為代理裝備網頁搜尋、資料庫查詢或計算機等介面，使其能跨越自身知識庫侷限，獲取即時資訊並執行實體操作 (Tool Use)。然而，工具增加會引發注意力稀釋陷阱，導致提示詞長度爆炸，使模型指令遵循能力下降。

隨著代理系統需要調用的工具數量不斷增加，一個常見的陷阱是將所有的指令、歷史對話與原始資料全部塞入提示詞中。這種做法會嚴重稀釋模型的注意力，導致指令遵循能力顯著下降。為了解決這個問題，系統必須引入上下文工程及隔離機制：確保頂層的協調者 (Supervisor) 與專精的下游次級代理 (Sub-agents) 在執行特定步驟時，只會接收到它們必要的確切資訊，從而防止不同任務之間的上下文互相污染。

RAG 與長上下文模型的對比

長上下文模型的最大魅力在於簡潔性。開發者無需建置複雜的檢索基礎設施，可將整份長篇報告直接放入提示詞中，讓模型進行全局推理。這種方法在處理範圍小、靜態且需要全盤綜合分析的專案時部署極快。然而，若不加篩選地採用這種暴力策略 (Brute-force)，不但會引發「迷失在中間」 (Lost in the Middle) 效應（中文名亂翻譯），導致模型遺漏隱藏在長文中間的關鍵細節，還會伴隨極高的運算成本與嚴重的回應延遲。

上下文瘦身 (Context Slimming) 與 RAG 的優勢

與其將龐大且未經整理的上下文全數丟給大型語言模型自行梳理，現代架構師更傾向採用上下文瘦身策略。開發者利用 RAG 或 Code as Tool (例如撰寫 Python 或 Linux 腳本) 等技術，針對用戶的具體查詢，動態搜尋並精確提取相關的規則與工具描述。 透過這種方式，RAG 將文件切塊並建立向量索引，在用戶提問時僅檢索最相關的片段附加於提示詞中；而 Code as Tool 則能針對結構化資料進行極高精度的篩選。這不僅讓傳遞給模型的資訊保持精簡，大幅降低計算成本並提升速度，更提供了一個開卷考試的除錯環境，有效抑制模型產生幻覺。

工具使用模式 (Tool Use Pattern) 與審閱流程 (Review Process)

在上下文精簡的基礎上，工具使用模式賦予了模型跨越自身原生限制的能力，使其能夠安全地呼叫外部 API 以收集即時數據或執行實體動作。然而，開發者絕不能盲目信任這些外部工具的輸出，因為外部系統可能回傳錯誤、甚至是遭受劫持的惡意資料。因此，系統設計中必須強制納入審閱流程 (Review Process)，確保代理具備審查、總結或優雅處理錯誤工具輸入的防禦機制，保障整體業務邏輯的穩定與安全。

混合架構的完美平衡

綜合上述考量，目前的最佳實踐已不再是單一技術的站隊，而是採用結合兩者優勢的混合架構：利用 RAG 與 Code as Tool 進行上下文瘦身與隔離，確保提示詞精簡且資訊具備高度時效性與準確性；同時運用長上下文模型強大的推理能力來消化這些經過嚴格審閱與篩選的精華片段，從而達成效能、成本與安全性的完美平衡。

反思 (Reflection)

放棄讓模型一次性生成最終結果的傳統做法，轉而建立反覆的「生成-批評-改寫」循環。例如在撰寫程式碼時，代理先生成初稿，隨後自我審視代碼的正確性、風格與效率，並利用這些批評回饋作為上下文，重新生成品質更高的版本。這項模式可透過整合單元測試等外部工具來進一步強化，讓代理基於測試報錯訊息進行自我修正 。

反思過程需具備多維度評估指標 (Validator)，包含輸出品質 (與真實情況吻合度)、相關性 (精準回答用戶意圖)、完整性 (無遺漏關鍵要求)，以及內部邏輯一致性等待。當然，我們也可以對特定任務加入特定的評估指標，以加強輸出質素和任務執行的準確率。

結語

總結來說，了解這些代理系統的底層架構與技術方向，最大的價值在於思維的轉換。身為日常使用者，即使不寫程式，只要在對話過程中將上述的系統化思維與各種技巧及機制手動代入提示詞中，我們也能突破模型本身的限制，提升輸出質素，使我們用起來更得心應手。

每一篇文章都花費筆者大量時間和心思去思考和整理，如果你喜歡我的文章，懇請各位給予最直接的付費訂閱，同時我也會盡力提供更多福利回饋會員。

Subscribe now

歡迎各位like, share, comment!

在上一篇文章中，我從技術架構層面分析了 Palantir 的產品設計為何具備高度前瞻性，以及其在未來整合 AI 模型、轉型為System of Action時所具備的先天優勢。該篇文章亦指出，Palantir 與既有工具型軟體之間更多呈現互補關係，而非直接競爭。

Palantir 的核心價值，起始於管理及分析數據，同時扮演「連接孤島系統與數據的膠水」。它將原本彼此分離的系統（Silo Systems）與數據整合為一體，使企業能夠在全局視角下進行決策與營運優化。從而追求全局最優（Global Optimal），而非僅止於部門層級的局部最優（Local Optimal）。

市場上能夠提供這類「連結底層系統」價值的產品並不多，而該領域的另一大巨頭，正是 ServiceNow。本文將從產品設計、技術特性、定價策略及商業護城河等不同維度，深入比較這兩者的異同。

一、設計哲學的根本差異：決策中心 vs. 流程中心

這兩家公司的根本差異，始於它們如何看待企業運作的「原子單位」。

Palantir：以決策為核心的數據建模平台

Palantir 提供的價值核心在於賦能決策。

其 Foundry / AIP 平台透過 Ontology（本體論）建立企業的數位孿生模型（digital twins）。與傳統系統不同，Palantir 並非要求企業將資料轉換成固定標準格式，而是直接從底層原始數據（Raw Data） 出發，映射至共享的統一商業語言（Business Context）。也就是說，它的原子單位是「商業物件（Object）」，目標是建模真實世界的複雜性。

其特點包括：

• 高保真數據攝取能力（結構化與非結構化數據，包括影片、文本、感測器數據）

• 支援複雜「What-if」模擬與模型運算

• 深度決策邏輯引擎

• 可直接對業務數據進行操作性寫回（Action Framework）

簡單說：

Palantir 整理並清洗了一次數據，從而試圖更真實地理解現實世界。

ServiceNow：以流程為核心的工作流編排平台

ServiceNow 的哲學，則根植於 Workflow Orchestration（工作流編排）。

它的價值主張是：

在分散的遺留系統之上，建立一個統一操作界面（Single Pane of Glass）

目標是Platform of Platforms，將 SAP、Oracle、Salesforce 等系統整合到統一流程框架中。

適用場景是問題定義清晰（如筆記本電腦壞了）、流程可重複。旨在消除系統孤島，讓數據在不同部門間順暢流動。

ServiceNow 的核心單位是流程（Task），並透過狀態機（State Machine）管理任務流轉，例如：新建 → 處理中 → 已解決

其架構優化目標包括：

• 流程合規性

• 可視性

• 自動化的執行效率

ServiceNow 採用 CSDM（Common Service Data Model）作為標準模型，企業需將其他系統映射至其既定架構，方能實現整合。因此其整體粒度（Granularity）相對較低，但複雜性及整合門檻亦較低。

核心哲學：秩序與混沌的對立

如果我們用更抽象的維度來看，ServiceNow 與 Palantir 的根本差異，可以用「秩序」與「混沌」來概括：

• ServiceNow 在「秩序」中茁壯： 它適合問題定義清晰、流程可重複的環境。它試圖規範和自動化秩序，側重標準化、優化、自動化例行任務。

• Palantir 在「混沌」中生存： 它專為問題定義不明確、數據高度混雜的環境而生。它試圖理解並模擬混亂，從中提煉決策。

二、AI 整合深度與未來重疊風險

在 AI 整合層面：

• Palantir 的 AIP（Artificial Intelligence Platform）：將 LLM 深度嵌入 Ontology 物件，強調從數據分析到決策，再到行動執行。

• ServiceNow 的Now Assist：將 LLM 嵌入工作流，從摘要、自動工單流轉、工單動作執行建議，再到行動執行等各方面去提高後台工作效率。

本質差異在於：

• Palantir 解決新穎、跨系統的動態問題

• ServiceNow 自動化例行、標準化任務

然而，若 Palantir 未來全面轉型為 System of Action，其角色可能由「決策層」向「執行層」延伸，與 ServiceNow 在流程執行層產生部分重疊，形成潛在競爭。

ServiceNow 適合處理已知、標準化的流程（如重置密碼）；Palantir 則擅長處理跨系統、高複雜度的動態決策（如供應鏈中斷應對）。雖然兩者目前側重點不同，但隨著Palantir 轉向「行動系統」，兩者在「連結孤島系統」以及「誰來驅動企業行動」這一點上將產生重疊，未來競爭勢必加劇。

三、商業模式與成本分析：價格與門檻

功能強大並不代表能在商業上全勝，我們必須從價格、導入成本及銷售週期等綜合商業角度來考量。

定價模式的根本差異

ServiceNow (按量/人頭計費)：

• 主要是 User-based 或 Module-based。企業通常先採購 ITSM 模組，起步成本較低且可預測。對於預算有限或需求單純的企業，這極具吸引力。

• 費用可預測性高

• 可從單一部門開始

• 隨著不同AI功能的加入，定價模式亦新增了不同層級（Pro plus）以按用量計算

Palantir (價值/算力計費)

• 主要是 Value-based 或 Compute-based。它不限使用者人數，而是看解決了多大價值的問題（如省下多少燃油）。這導致單筆合約金額極高。

實際成本比較

當我們深入檢視市場數據時，會發現 Palantir 與 ServiceNow 在定價策略上存在著巨大的鴻溝。這不僅是價格的差異，更是產品定位的直接體現。

Palantir

• 平均單一客戶年營收約 400–500 萬美元

• 大型企業客戶500–1000 萬美元以上

• 入場門檻通常 100 萬美元起

ServiceNow

• 平均單一客戶年營收約 150–170 萬美元

• 大型企業客戶100–500 萬美元

• 入場門檻可從數萬美元模組開始

其實ServiceNow 的產品對比市場上其他SaaS工具類產品，一點都不便宜，所以它的客戶大多都是誇國大企業。

但Palantir 的平均合約價值（ACV）要比 ServiceNow 的再貴2–3 倍以上。Palantir 的高昂費用設立了極高的入場門檻，而 ServiceNow 則提供了更靈活的起步選擇。

採購情境舉例：同是財富 500 強，截然不同的帳單

為了讓這個數字更具體，我們設想一家 Fortune 500 企業的採購場景：

• 採購 ServiceNow： 企業為 5,000 名 IT 員工購買授權以管理日常運維。由於是按人頭/模組計費，合約金額可能落在 $200 – $300 萬美元。

• 採購 Palantir： 企業為了整合全公司的供應鏈與生產數據，雖然實際使用系統的核心分析師與決策層可能只有 500 人，但因為其價值在於解決核心難題，合約金額可能直接從 $500 – $800 萬美元 起跳。

這種高昂的定價策略是一把雙面刃，直接篩選了它的客戶群體：

• 在穩定行業的劣勢： 對於產業變化較少、競爭相對穩定的行業，Palantir 的性價比極低。這解釋了為何像 Coca-Cola、American Express、Home Depot 等企業，在導入後發現價值提升不如預期（ROI 不足以覆蓋高昂成本），最終選擇取消合作或縮減規模。對這些公司而言，ServiceNow 的標準化流程已足夠好用且更划算。

• 在複雜行業的優勢： 唯有在環境極度複雜、變化快速、且決策錯誤成本極高的行業（如國防、航空、能源、危機處理），Palantir 那高昂的費用才顯得物有所值。

價格本身就是一種篩選機制。ServiceNow 適合追求高性價比的「維穩」，而 Palantir 則是昂貴但必要的「突圍」工具。

四、銷售週期與導入成本

傳統大型 SaaS尤其針對 C-level 決策（如 ServiceNow）的銷售與導入通常是一場馬拉松。原因是受影響部門多，總採購價格高：

• 銷售週期：約 6 個月以上

• 導入時間：約 6 個月以上

• 需跨部門整合與大量客製化

Palantir Palantir 聲稱透過 1-5 天的 AIP Bootcamp，能用真實數據做出成果，讓客戶「先看到價值再簽約」，將銷售週期縮短至數週。雖然官方未有公開完整導入時間數據，但坊間資料稱可於數週內上線。然而考慮到 Ontology 建模的複雜性，實際情況可能依產業與數據複雜度而異。

個人觀點： Palantir 的系統極為複雜，且 Ontology Mapping 理論上應該極為耗時，但網上資料普遍顯示其導入速度極快。雖然我對「數週內完成複雜系統導入」持保留態度，但若其真能大幅縮短銷售週期，這將是巨大的競爭優勢。

五、轉換成本與長期競爭格局

最後，我們探討「轉換成本」。

大型誇國企業現時已深度依賴 ServiceNow：

• 所有 BAU 流程皆建立於其工作流架構

• 更換系統需重新設計流程

• 可能涉及營運中斷與法規風險

• 成個系統換掉的實際損失可能遠高於簽約費用

因此，ServiceNow 的客戶留存率通常很高（約98%）又穩定。ServiceNow 的客戶黏著度極高，我認為被直接取代的可能性很低。

潛在的增長危機

然而，高遷移成本並不代表 ServiceNow 高枕無憂。Palantir 的威脅不在於「替換舊系統」，而在於「搶佔新預算」。

如果 Palantir 的產品展現出比 ServiceNow 更強的決策與分析能力，且兩者發展路徑高度重疊，客戶可能會將新增的預算用於採購 Palantir，而非加購 ServiceNow 的進階模組。這將導致 ServiceNow 的 Cross-sell / Up-sell 變得困難。雖然不至於立即影響現有的留存率，但其未來的增長速度可能會因此放緩。

ServiceNow 勝在標準化與低門檻，守住了企業日常運作的基本盤。而 Palantir 則以解決複雜問題的高價值切入，試圖在決策層與未來的行動層佔據高地。

結論：功能強不等於必勝

從技術能力而言，Palantir 在複雜數據建模與決策層面確實更具深度。

但企業軟體競爭從來不只取決於功能強弱，而包括：

• 價格門檻

• 導入成本

• 組織阻力

• 轉換成本

• 產業複雜度

在變化緩慢、流程標準化程度高的產業中，ServiceNow 的性價比可能更優。

在高度不確定、數據複雜、決策價值巨大的環境中，Palantir 的價值主張則更具吸引力。

因此，兩者並非單純的「誰會取代誰」，而是代表兩種不同的企業操作哲學：

• 一種是優化秩序

• 一種是理解混沌

這場「秩序」與「混沌」的對決，數年內未必會看到正面競爭。未來是否會重疊、競爭或持續互補，將取決於 AI 與 System of Action 演進的速度，以及企業對決策價值的重新定義。但如果長遠來看，兩者很有可能會碰面一決高下。當然，那時候的競爭格局與技術發展很可能與今天已有很大不同。

最後，這兩間公司的可能競爭方式令我想起早前寫關於Palo Alto Networks 與CrowdStrike的對決，有興趣的讀者可以去回顧及感受一下關於技術系統設計與商業手段的對決。

P.S. 我要強調一點，本篇文章不是在說明ServiceNow 對AI的擔憂。相反，我從未擔心過它在AI 路上的轉型。我想表達的是，對於ServiceNow 來說，正因為AI，它才能接觸這個全新的市場，而這賽道和市場上，它不再是以前沒有競爭對手的獨一存在。AI打開了軟件公司的能力邊界，讓它們可以接觸更廣更大的用戶需求。在發展的初期，很大機會是一個藍海的市場，但最後隨著各軟體公司的能力重疊，最終可能會加劇競爭。

每一篇文章都花費筆者大量時間和心思去思考和整理，如果你喜歡我的文章，懇請各位給予最直接的付費訂閱，同時我也會盡力提供更多福利回饋會員。

Subscribe now

歡迎各位like, share, comment!

雖然大家都承認它的技術很厲害，但這種「人力密集」的模式很難快速複製與擴張。如果每服務一個新客戶都需要派出一隊工程師，那麼它的成長速度將永遠受限，且高昂的成本也讓一般企業望之卻步。因而，當初認為它對市場的影響能力有限。

然而，今日再次深入研究，它似乎已經解決了「無法規模化」這個最致命的問題。

另外，其產品架構展現出高度前瞻性的系統設計理念，很可能是下一代 AI 原生企業軟體（AI-native Enterprise Software）的雛形。因此，本文嘗試用相對白話的方式，逐步拆解 Palantir 的技術核心，讓沒有技術背景的投資人，也能理解未來 AI 軟體可能的發展方向。

本文將主要聚焦於商業應用場景，而非國防或政府專案。

當市場再次因為「AI 取代 SaaS」而恐慌、導致軟體股大幅修正時，透過理解 Palantir 的技術細節，將能幫你更有能力判斷：哪些公司能通往下一代軟體架構，哪些不能。

一、Palantir 的整體系統架構：三層式設計

從宏觀來看，Palantir 的系統可以拆分為三個清楚的層次。

底層：資料層（Raw Data & Data Model）

最底層是原始資料與資料模型，負責資料的存取與串接。這些數據不一定存放在 Palantir 系統內部，也可以來自企業既有的外部系統，例如 SAP、Salesforce 等。

頂層：應用層（Application Layer）

最上層是實際的商業應用層，目前主要涵蓋：

• 數據分析

• 任務執行

• 流程調度與調節

這一層主要服務的是非技術背景的業務人員，讓他們能直接使用系統完成實際工作。

中間層：Ontology（本體論）——整個系統的關鍵

位於中間的 Ontology，是 Palantir 最核心、也最具差異化的一層。
它扮演的是技術世界與現實業務之間的橋樑，將深澀難懂的底層數據，轉化為企業實際可運作的業務模型，並且是雙向打通的。

二、核心地基：Ontology（本體論）＝企業的「數位雙胞胎」

要理解 Palantir，首先必須理解它如何看待數據。

不同於 Snowflake 或 Databricks 專注於把數據「存起來」或「算得更快」，Palantir 關注的是一件更上層的事情：決策（Decision Making）。

而所有決策的基礎，正是 Ontology（本體論）。

一個直觀的比喻

如果把一家企業比喻成一個人：

• 傳統數據平台：像是不同的細胞，專注於如何有效存取數據

• Palantir Ontology：則更像是神經系統

它不只是儲存資訊，而是定義：

• 世界中有哪些「東西」（名詞）

• 這些東西彼此如何互動（關係）

• 以及可以對它們做什麼（動詞）

2.1語義層：把冷冰冰的數據翻譯成「人話」

在傳統企業架構中，數據分散在 SAP 的數千張表格，或雲端資料湖中，充滿了像 ‘T001_MAT_LOC’ 這類只有資深工程師才看得懂的代碼。無論是AI 模型或人都一樣，無法直接理解這些符號背後的業務含義。

Ontology 除了是語義層，更是一個雙向、可執行的操作環境，負責將：

• 底層技術數據（表格、行、Log）→

• 轉換為人類與 AI 都能理解的業務物件（Objects）與行動（Actions）

若你有軟體背景，可以將它理解為：

• Domain Driven Design（DDD）在資料層的實現

• DDD 解決的是系統設計上的語言問題

• Ontology 則處理資料層，且粒度更細，因此可支撐更多上層應用

這個過程本質上做了兩件極其關鍵、卻常被低估的事情：

1. 大量繁瑣但必要的資料清洗（Dirty Work）

2. 將資料映射為一致的業務語言

Palantir 的 Ontology 就像一台超級翻譯機，對企業資料進行一次深度的「業務語言映射」。

Ontology 的三個核心元素

1. 物件（Objects）
   系統不再只是資料列，而是明確定義為「一架飛機」、「一座工廠」、「一位客戶」或「一張訂單」。

2. 關聯（Links）
   定義物件之間的關係，例如：
   客戶 → 提交 → 訂單 → 包含 → 產品 → 由 → 工廠生產
   這讓系統能像人一樣理解業務邏輯。

3. 多模態數據整合
   一個「保單物件」可以同時包含資料庫中的保費金額（結構化數據），以及 PDF 理賠文件、甚至事故現場照片（非結構化數據）。

這樣處理後，數據不再是零散碎片，而是乾淨、有上下文的業務實體。
對業務人員而言，就像閱讀一本整理好的教科書，而不是面對碎紙機裡的紙屑。同時，這也大幅提升後續交給 AI 使用時的準確度。

2.2 動力層：從「名詞」進化到「動詞」（Actions）

這正是 Palantir 與 Tableau、PowerBI 等僅能「看報表」工具的本質差異。

Ontology 不只描述世界是什麼，還定義如何改變世界。動力層主要有兩大類別：

1. 行動類型 (Action Types)：系統預先定義了經過授權的邏輯，允許用戶或 AI 修改狀態。例如：「重新安排維修」、「批准貸款」或「調整庫存」。

2. 功能 (Functions)：這是運行在物件上的複雜邏輯。例如，編寫一個函數來計算「供應商風險評分」，一旦評分超過警戒線，系統就自動觸發警報。

由於 Ontology 已先清洗並結構化最關鍵的資料，當應用與數據連接後，便能在Ontology 上安全地疊加各種業務功能，並執行各種自定義的動作。

三、AI 的大腦：AIP（Artificial Intelligence Platform）

AIP 是深度整合在 Ontology 之中的「決策大腦」。它的目標是解決生成式 AI 進入企業的最後一哩路：讓 AI 能安全地參與業務，而不只是對話。

3.1 AIP Logic：從聊天進化為邏輯推理

AIP Logic 是一個低代碼環境，用來構建由大型語言模型（LLM）驅動的業務流程。其運作方式更像一位謹慎的參謀，而非即時聊天機器人：

1. 檢索（Retrieve）：在 Ontology 中找出受影響的訂單物件

2. 推理（Reason）：結合庫存、地理位置等資訊，詢問最佳方案（Ontology 的數據）

3. 模擬（Simulate）：透過數位雙生（Digital Twins）預測不同方案的後果

4. 建議（Propose）：生成經過沙盤推演的行動建議，交由人類決策

這種「本體論感知生成（Ontology-Aware Generation, OAG）」使用的是結構化事實，而非單純文字，大幅降低 AI 幻覺風險。

3.2 AIP Agents：有限度的自動駕駛

系統進一步支援自主代理（Agents），它們像被賦予任務的基層員工，能在安全範圍內全天候監控狀態，並自動執行修復行動。

四、寫回機制（Write-Back）與決策閉環

多數數據平台本質上是唯讀的。就像汽車儀表板，它能告訴你沒油了，但不能替你加油。

Palantir 的另一個核心壁壘，在於其安全的寫回（Write-Back）能力。

3.1 安全執行交易

當使用者或 AI 決定採取行動時（例如：向供應商追加訂單），Palantir 系統會透過連接器，安全地將指令寫回源系統（例如呼叫 SAP 的接口更新生產計劃）。

這不僅僅是修改數據，而是一個嚴格的交易協議。Foundry 不允許對底層數據進行直接任意的 UPDATE 或 DELETE 操作。所有的更改必須封裝在行動類型（Action Type） 中 ，確保數據一致性。同時系統嚴格管控誰（或哪個 AI）在什麼條件下可以執行操作。

這些行動類型定義了：

• 參數： 需要輸入什麼數據。

• 邏輯： 如何修改物件。

• 驗證： 誰可以執行，什麼條件下可以執行。：

這讓企業首次真正實現：
數據感知 → AI 推理 → 模擬後果 → 執行行動 → 狀態更新
形成完整的閉環決策系統。而目前市場上極少有軟體能做到這一點。

五、系統層級的強化學習思維

整體架構與強化學習（Reinforcement Learning）的理念高度相似：

• 模擬不同行動的結果

• 評估對其他業務物件的影響

• 找出最優解

• 回饋並持續優化決策

差別在於：

強化學習的理念，被寫進了整個系統設計，而非只存在於單一個演算法。

這種閉環決策系統，並帶有強化學習理念的設計方式，使產品能不停自我進化，每一次使用都加強系統對公司及商業的理解，從而增強下一次AI生成結果的準確度。這種系統層級的設計，比起單純的Chatbot 整合要強很多倍。

六、市場定位及與其他軟件產品的關係

許多投資者容易混淆 Palantir 與其他數據公司的關係。Palantir 宣稱自己不是資料庫，也不是雲端，而是位於這些基礎設施之上的「邏輯決策層」。

我們可以這樣理解整個 IT 堆疊：

• 底層 (Infrastructure)：AWS, Azure, GCP。它們提供算力與儲存空間（就像提供土地和水電）。

• 數據層 (Data Layer)：Snowflake, Databricks。它們負責儲存數據表與文件（就像倉庫，負責保管貨物）。

• 邏輯層 (Palantir)：它儲存的是業務邏輯的意義（本體論）和決策模型（行動）。它不一定儲存原始數據（可透過虛擬表聯邦查詢）。它將分散的 IT 資產編織成一個連貫的運作體系，就像是指揮中心。

與 Snowflake 和 Databricks 的關係：互補大於競爭

雖然Snowflake 和 Databricks等各類為定義為數據分析（Data Analytics）的產品有重疊之處，但這些市面上的產品大多數專注於底層的數據技術，以及面向專業數據分析師及資料科學家為主。而Palantir則專注更多建立在這些底層數據之上能延伸出來的價值。

• 對比 Snowflake：Snowflake 側重於 SQL 查詢與儲存。Palantir 可以作為 Snowflake 上層的應用層，透過 HyperAuto 技術自動對接其數據，賦予那些冰冷數據業務意義。

• 對比 Databricks：Databricks 側重於讓科學家「製造 AI 模型」。Palantir 則專注於讓業務人員「使用 AI 模型」。兩者在中間層（如 MLOps）雖有重疊，但目標客群不同。

下圖就說明了Palantir 與Databricks 如何可以互補雙方，在不同產品之間提供不同用途，同時又能互通雙方數據。

兩者關係既有少量競爭，但卻有更多互補性。Palantir 更專注於complex decision making 這一高價值項目。

結語

本文花了相當篇幅討論 Palantir 的技術細節，核心目的並不在於推薦任何投資標的，而是希望說明：目前市場上，真正採用這類系統架構設計理念的產品其實並不多。然而，正是這種設計方式，使其能夠與下一代 AI 原生產品自然銜接，甚至有潛力成為未來企業軟體架構的發展參考藍圖。

必須強調的是，一個優秀的產品，與一間優秀的公司之間，仍然存在不小的距離。而一間優秀的公司，與一項值得投資的股票之間，距離往往更遠。產品設計與技術能力，固然是必要條件，但並非好股票的充分條件。

因此，本文僅作為一篇技術與架構層面的科普與觀察，提供讀者在理解 AI 原生軟體發展方向時的一個參考視角，而非任何形式的投資建議。在進行實際投資決策之前，仍應投入更多時間，對企業基本面、商業模式、競爭環境以及估值進行充分而獨立的研究與判斷。

最後，在研究完Palantir 的系統設計後，我反而對原先充滿信心的ServiceNow 打起了警號。下一篇會聚焦於這兩間公司的未來發展與各種商業上的競爭可能性，嘗試更深入去了解Palantir 對軟件市場的影響。

每一篇文章都花費筆者大量時間和心思去思考和整理，如果你喜歡我的文章，懇請各位給予最直接的付費訂閱，同時我也會盡力提供更多福利回饋會員。

Subscribe now

歡迎各位like, share, comment!

談到投資，市場上對「數字」與「故事」往往存在兩種截然不同的看法。

一派認為，數字只是事後的產物，過去的數字無法代表未來。投資本質上是押注未來，只看財報、盯著歷史數據，就像用後照鏡開車，並不實際。

另一派則完全相反。他們認為所謂的「故事」往往只是包裝與吹捧，可以講得天花亂墜、前景無限，但在實際執行上卻毫無成果。故事本身就是泡沫，過度依賴只會帶來風險。

這兩種觀點，都沒有錯，但也都不完全正確。

投資的確是投資未來，而故事本身也確實代表一家公司的發展方向與願景。但關鍵不在於「有沒有故事」，而在於：

• 這個故事是否能夠落地？

• 是否存在嚴重誇大的成分？

• 投資人究竟應該為這個故事付出多少價格？

這正是利用數字進行估值存在的意義。

用數字，為故事定價

估值的目的，不是否定故事，而是將故事轉化為可量化、可比較、可計算的數字，從而推導出公司合理應有的價值。

同時，過去的財務數字也反映了一家公司的執行能力。公司的歷史表現，就像一份履歷表。履歷本身確實是靜態的，卻在很大程度上說明了這家公司過去實際完成過什麼、能做到什麼程度。

因此，讀者在閱讀我的公司分析時，通常會看到我在估值中設計多種情境，搭配不同的假設與數字。這些情境，對應的正是公司所描繪的不同故事與未來藍圖；而透過與過往財務數據的對照，我們可以判斷哪一種情境最有可能實現。

各種估值方法，其實源於同一個核心

談到估值，市面上存在各式各樣的模型與公式，初學者往往會感到無所適從，不知道應該使用哪一種，也不清楚它們之間的差異。

但在我看來，市面上大多數估值方法，本質上是相通的。它們背後的核心概念一致，只是為了計算方便，對某些項目進行了簡化或省略。我自己在分析時，也會依據不同公司的特性，適度調整公式，讓估值更貼近公司的關鍵經營指標。

所有這些估值方法，幾乎都可以追溯到同一個源頭：折現現金流模型（DCF）。

DCF：所有估值的根源

DCF 的概念其實非常直觀：
將公司未來所有可產生的現金流，按照一個折現率 r，逐年折算回今天的價值。

實務上，若逐年計算數十年的現金流，會相當繁瑣，因此一般做法是：

• 明確預估前 5–10 年的現金流

• 再加上一個「終值（Terminal Value）」

終值通常以以下方式表示：

其中，g 為永續成長率，通常會設定為低於長期 GDP 成長率，一般落在 2–3%。

理解這個公式後，剩下的工作，其實只是將公司財報中的數字代入模型。

從財報到現金流

在 DCF 中，我們把CF換成公司的自由現金流（Free Cash Flow, FCF）。
自由現金流代表公司在扣除所有維持現時競爭力所需的必要支出後，真正可以自由支配的現金。

一般情況下，最簡單可以從營運現金流（OCF）出發，扣除折舊與攤銷（depreciation and amortization），以及必要的非現金或經常性支出（如股權激勵、壞帳等），作為近似的 FCF。

接下來，假設公司未來 10 年的 FCF成長率，就能推算出前 10 年與第 11 年的現金流。此時，模型中剩下最關鍵的一個變數，就是折現率 r。

折現率：WACC 與投資人的報酬要求

學術上，折現率通常以 WACC（加權平均資金成本） 計算。

WACC 同時考慮股東與債權人的資金成本，並納入負債利息的稅盾效果，因此在 DCF 中常被用作折現率。

其中，負債成本 Rd 可直接取公司實際借款利率；股權成本 Re則多半透過 CAPM 計算，反映股東因承擔市場風險而要求的最低報酬率。

β 值越高，代表公司股價相對市場波動越大，股權資本成本也越高。

對於負債比例不高的公司，實務上直接使用 CAPM 作為折現率通常已相當足夠。若不想過度精細計算，可以使用至少 8% 以上的折現率也能作為粗略估計（因為標準普爾指數一般長年都會有8%回報率）。

我個人通常會使用 10%，因為折現率除了代表公司的資金成本，也等同於投資人自身的最低報酬要求（Required Rate of Return）。折現率設得越低，代表你願意用越高的價格買入同一家公司。

從 DCF 簡化而來的各種估值指標

完整的 DCF 模型需要大量假設與資料，若只是想快速判斷一家公司是貴還是便宜，可以透過進一步簡化公式。

第一個常見的簡化版本是 股利折現模型（DDM），將 FCF 改為實際派發的股利。由於長期可持續的派息必須低於 FCF，因此 DDM 得出的估值通常比 DCF 更保守，等於多加了一層安全邊際。

若再進一步簡化，不預測前 10 年，只保留終值，並將 Dividend 改為 Earnings，便可推導出：

由此便可推導出本益比（P/E）。在實務上，P/E 多半被用來做同業之間的比較，或是比較同一家公司在不同時間點的估值，原因就是假設相似的r和g情況下，哪一間公司更貴或便。因此投資人往往不太關注其「絕對數值」本身所代表的意義。

但若從上述推導方式來看，P/E 的絕對值其實可以理解為1/r - g。

在假設成長率 g不變的情況下，P/E 的變化主要來自折現率 r 的改變。而根據前述的 CAPM 模型，r 會隨著無風險利率的變動而調整，這也解釋了為何在不同利率環境下，市場願意給予的合理 P/E 區間會有所不同。

此外，這裡需特別注意的是，在推導過程中，我們將原本的自由現金流（FCF）簡化為盈餘（Earnings 或 EPS）。在一般情況下，Earnings 與 FCF 應該相當接近。然而，當公司的應收帳款與應付帳款出現較大變化時，兩者之間便可能產生明顯落差。因此，在進行快速估算時，投資人需要意識到這個潛在的誤差來源。

若公司尚未獲利，甚至連 Earnings 都為負數，市場便會再退而求其次，改用 Operating Income、Revenue（P/S），甚至 P/TAM 等指標。

然而，從 Dividend/ Repurchase → FCF → OCF → Earning → Operating Income → Revenue，估值所依賴的數字每往後退一步，與投資本質的距離就越遠，解釋力也越來越低。

回到故事本身

回到最初談到的「故事」。公司的願景與敘事，其實都可以放進不同層次的估值模型中檢視：

• 它依賴的是哪一種數字？

• 不確定性有多高？

• 究竟是單純的過度想像，還是有過往執行成果作為支撐？

透過估值，投資人不只是聽故事，而是能更有底氣地判斷：這個故事，有多少成分是可行的？市場對它的定價，是過度瘋狂，還是相對合理？

故事，決定想像的上限。
估值，決定你是否付出合理的價格。

而真正成熟的投資，從來不是二選一，而是讓兩者彼此約束、互相驗證。

每一篇文章都花費筆者大量時間和心思去思考和整理，如果你喜歡我的文章，懇請各位給予最直接的付費訂閱，同時我也會盡力提供更多福利回饋會員。

Subscribe now

歡迎各位like, share, comment!

乍看之下，數字並不難看：
TPV 年增 6%、Revenue 年增 4%、Operating Income 年增 14%、Net Income 年增 26%。如果只停留在 headline，甚至會覺得公司正在改善。

但真正重要的資訊，全藏在細項裡。

從最基本的公式看問題

PayPal 的收入結構，其實非常簡單：

Revenue = Price × Quantity

• Price：交易手續費率（Take Rate）

• Quantity：用戶數 × 交易次數 × 交易金額（TPV）

而這兩個變數，都不是今季才出問題。

只是過去幾年，整體成長尚能掩蓋結構性惡化；直到現在，成長放緩，問題才被徹底放大。

Take Rate 的長期下滑，是核心警訊

把 Revenue 除以 TPV，就能得到 PayPal 的 take rate。

從數據來看，Take Rate 已由 2016 年的 2.87%，一路下滑至 2025 年的約 1.85%，而且近年下跌速度並沒有趨緩。

這代表什麼？

代表 PayPal 已經無法維持高利潤的核心產品定價權。用戶不再願意為同樣的支付服務，支付過去那樣的費率。

在 2022 年以前，公司尚能用「用戶數成長」來彌補 take rate 的下滑；但當用戶增長停滯、每用戶交易次數與單筆金額又無法有效拉升時，整個 Q 端開始失靈。

至此，所有變數同時確認了一件事：
產品競爭力正在結構性轉弱。

這不是一次性失誤，而是護城河侵蝕

這也是為什麼，只看TPV YoY 成長已經毫無意義。

當 take rate 持續下滑，代表公司在競爭中只能不斷讓利；而當 Q 端也無法補上，topline 就會逐步失速。這不是執行層面的短期問題，而是護城河正在被侵蝕的結果。

個人投資反思：Short Put 不是護身符

坦白說，我原本對 PayPal 的直接持股並不高，但由於見估值十分便宜，便一直有做 short put。在市場每次「shock the world」時接貨，部位也就慢慢累積起來。

這次給了我一個非常清楚、也非常痛的教訓：

Short put 的期權金不能彌補公司體質變差的差距，一切也要回歸公司基本面

當底層資產的護城河與產品競爭力不足時，試圖靠 rollover、用時間換空間，往往是行不通的。因為當公司體質轉弱，時間不再是朋友，而會成為敵人。

公司業績若持續下滑，roll over 所賺取的期權金，根本無法彌補基本面惡化所帶來的價值流失。

「估值便宜」無法彌補競爭力下滑

這次另一個深刻體會是：
當公司的 核心毛利與定價能力持續下降，本身就已經是一個嚴重警訊。

當初會覺得 PayPal「估值不貴」，以為可以彌補基本面上的不足，結果再次驗證了巴菲特那句被重複無數次、卻仍常被忽略的話：

用合理的價格買進偉大的公司，
永遠勝過用便宜的價格買進一家質素平庸、甚至持續下滑的公司。

護城河與產品競爭力，永遠應該放在估值之前。

換 CEO，能解決問題嗎？

公司將問題歸因於「執行太慢、execution 不夠好」，因此更換 CEO。但我對此非常保留。

新任 CEO Enrique Lores本身就是 Board Chair，過去多年一直在董事會內部，親眼看著 PayPal 發展至今日。如果真能靠管理層調整扭轉局勢，理論上早就該發生，而不會等到今天。

更重要的是，我並不認為 PayPal 的問題只是 execution。產品定位、競爭環境、使用者黏性與定價權，這些都不是單靠換人就能解決的。

正如前 PayPal 員工的評論一樣：

市場究竟在 price in 什麼？

最後，我用 TPV → Take Rate → Revenue → FCF 做了一個簡化的 DCF，來理解目前股價反映了哪些假設：

• 紅色情境：TPV 每年 +3%，Take Rate 每年 -0.04%

• 橙色情境：TPV 每年 +3%，Take Rate 每年 -0.08%

• 黃色情境：TPV 零成長，Take Rate 每年 -0.08%

結論很清楚：
只要 take rate 的下滑無法止住，即使 TPV 有溫和成長，估值空間依然極其有限。

相反，如果公司真能阻止take rate 下跌，甚至回升，估值將會迎來徹底反轉。

總結

PayPal 的問題，不在於某一季表現不好，而在於核心產品競爭力的長期流失。當定價權消失、用戶成長停滯、交易密度無法提升，Ｐ跟Q同時失去動力，財報終究會反映現實，單用財務手段是無法改變公司惡化。

這次經驗，再次提醒我自己：

投資最怕的不是短期波動，而是對護城河退化視而不見。

而市場，遲早會看到你現在不願意面對的那一面。

一、 穩定產息資產：債券與高息股的實作

最直觀的槓桿操作方式，就是借入成本較低的資金，轉而買入能夠產生穩定現金流的資產。這種做法的核心在於在買入那一刻進行槓桿，然後利用資產發放的利息或股息，自動進行去槓桿，逐步降低負債比例。

1. 債券的結構性保護

債券是實踐利差交易（Carry Trade）最基礎的工具。其投資邏輯並非追求公司未來的成長故事，而是評估公司在債券到期前，是否具備足夠的財力持續派息並歸還本金。

從結構上看，債券具有下行保護。即便公司經營不善、現金流（流量）不佳，但只要其資產負債表上的資產…

Read more

談到槓桿，多數人第一時間想到的都是放大回報。
但這其實只是槓桿的起點，而不是終點。

真正成熟的槓桿思維，並不是不停把倍數拉高，而是理解一件事：

槓桿存在的目的，只是為了加速起動，並讓你最終不再需要它。

槓桿的藝術：從啟動到去槓桿的完整思維

我們可以將投資想像成一顆巨大的石頭，停在一條長長的斜坡上。

• 啟動階段（Leveraging）：

  槓桿就像一根棍子與支點，讓你用較少的資本（力量），撬動原本無法推動的大額資產。在這個階段，槓桿是必要的，目的是為了讓投資組合開始運轉，產生動能。

• 運行階段（Momentum）：

  當投資組合開始產生穩定的現金流，石頭開始自行滾動時，重點就不再是那根棍子（槓桿），而是石頭本身的狀態。

  此時，你不需要再主動利用槓桿加速，而是需要確保三件事：

  • 石頭是否走在正確的軌道上

  • 是否能穩定向前

  • 是否能持續滾動

  對投資組合而言，再投資與資產配置，才是真正決定長期結果的關鍵。因此，單純追求某一筆投資在槓桿後的資本回報率，其實是空洞的。因為透過槓桿放大的回報，並不等同於可持續、可複製的真實回報。

• 動態去槓桿階段（Deleveraging）：

  真正有效的槓桿策略，必須包含「去槓桿」的機制。槓桿負責幫你加速，去槓桿負責幫你穩定達到目標。

  我們應該利用槓桿帶來的短期放大現金流，持續進行再投資與資產配置，或直接減少債務。隨著資產規模擴大，你的淨資產增加及債務數目減少，債務跟資產的比例自然下降，整體結構會隨時間變得更強健，更能抵抗市場環境的變動。

投資沒有終點，它是一個不斷循環的過程

長期來看，能夠產生穩定且成長中的被動收入，關鍵從來不在帳面回報，而在現金流的持續性。

投資是一個沒有終點的輪迴。高回報不是終點，源源不絕的現金流才是。這些現金流是你未來的子彈去支持下一次再投資。

試想一個極端但現實的問題：今天你賺了一百萬，把股票全數賣掉，然後呢？

如果這筆錢不足以支撐你未來的生活，你大概率仍然會回到市場，繼續投資、繼續承擔風險。若缺乏持續的現金流，一旦發生系統性風險，高度槓桿的投資組合可能會瞬間崩塌，足以摧毀多年累積的成果——這種事，發生一次也太多了。

這也是為什麼槓桿雖然能幫你加速，卻同時放大風險。而去槓桿的存在，正是為了減速、增加穩定性。

使用槓桿的三大前提

槓桿是一把雙面刃，它放大了資金，也放大了風險。並非所有情況都適合使用槓桿。在動用之前，必須同時確認以下三個條件：

1. 利差必須存在且足夠（Positive Carry）

槓桿的本質其實就是使用他人資金來賺取利差（Other people money）。如果資產回報率無法顯著高於借貸成本，你放大的只有風險，沒有利潤。不同資產的風險不同，所需的安全利差也不同。若沒有明確概念，我自己保守的參考值是至少約 3% 的穩定利差。

2. 利差必須穩定且可持續

健康的槓桿投資應該隨時間自動降低風險。 若利差忽高忽低、無法長期維持，去槓桿的過程便會中斷，整個槓桿—去槓桿的循環將變得極度不穩定，也無法事前計算。這樣的槓桿，本質上只是賭運氣，而不是投資。

3. 資產價格必須具備穩定性

這一點至關重要，因為槓桿對應著「保證金制度」。 即使你對資產的長期價值有信心，但若價格波動過大，短期的劇烈下跌可能觸發追繳保證金（Margin Call），迫使你在低點被動平倉（斷頭）。

• 第一原則： 永遠確保能順利度過波動，保留足夠的安全空間，避免因為一次爆倉而抹去多年積累。

如果一項投資能同時滿足上述三個條件，利用槓桿來提升回報率是合理的選擇。

然而，現實中要找到同時符合「高利差」、「高持續性」且「價格穩定」的資產並不容易。當任一條件缺失，槓桿就會帶來額外的風險暴露。

精明的投資者之所以將槓桿視為一門藝術，因為這是一個平衡過多風險與放大回報的過程，他們懂得評估情況是否符合條件，並透過資產配置來減少風險，以最小的風險換取最大的回報。這就是槓桿哲學的核心——用風險換取回報，再用機制減少風險。

如何去衡量同評估風險？

要實質地衡量和評估槓桿風險，首先必須認識「保證金制度」的計算方式。各家券商的算法可能有所不同，以下將以 盈透證券 (Interactive Brokers, IB) 作為範例進行說明。

理解個股的保證金要求與槓桿倍數

1. 在 IB 的系統中，點擊每隻股票都會顯示其「保證金要求」。例如NOW開新倉保證金要求是 16.5%，而要保留舊有倉位的保證金要求是 15%。
   計算槓桿上限: 1/0.15 = 6.667倍。意味著你擁有的每$1本金，最多可以保留價值 $6.667 的股票。

   

風險評估的核心

除了關注底層資產的價格穩定性，更重要的是將這種穩定性與你的「保證金率」及「實際槓桿倍數」一起考慮。你需要評估還有多少保證金空間緩衝。

假如你可以最大槓桿6倍，而你現在有1.5倍槓桿，即使股價下跌 20-30%，賬戶通常也能安然無恙。但如果你持有的資產最大允許槓桿是2倍，那麼同樣開到1.5倍其實已經非常危險，缺乏足夠的安全邊際。

你必須確保資產的最大回撤 (Maximum Drawdown) 不會超過你的最大可用槓桿空間。

投資組合的保證金管理策略

IB 的保證金是按整個投資組合計算，而非單一隻股票。但在操作上，了解個別股票的保證金率依然重要。

應對保證金追繳的策略

如果不幸面臨保證金追繳，除了單純追加入現金或賣出持股外，你也可以採取「換倉」策略：

• 操作：賣出那些「低可槓桿倍數」（即保證金要求較高）的資產，換入「高可槓桿倍數」（即保證金要求較低）的資產。

• 目的：在不減低整體槓桿倍數（維持曝險）的情況下，降低維持保證金的需求，從而釋放流動性，提高組合的可承受槓桿空間。

關鍵數據與計算公式

Read more

其實內容跟我另一篇講科技軟件護城河是差不多的。

Read more

這一篇，想把焦點放在另一家同樣極具競爭力、方向相同，但實行路線截然不同的公司——CrowdStrike（CRWD）。

天價估值

CrowdStrike 成立於 2011 年，短短十多年內，已成為全球第二大的純網路安全公司，市值直逼 Palo Alto Networks。然而，若從財務數據來看，CrowdStrike 的年收入至今只是Palo Alto Networks的一半。

在上一文中我已提過，Palo Alto Networks 的估值本身並不便宜，市場早已 price in 了相當程度的未來成長。那麼，當CrowdStrike的收入規模只有 Palo Alto Networks一半、但市值卻相近時，意味著CrowdStrike的估值實際上比Palo Alto Networks更高，甚至可說是貴上一倍。

市場為什麼願意長期給予CrowdStrike如此高的估值？這就關係到它從第一天開始就選擇的一條路——雲原生（Cloud-native）的通用架構

從零開始的雲原生設計

CrowdStrike 從創立之初，就完全以雲端環境為核心來設計其資安架構（後面會有解釋），採用：

• 單一代理（Single Agent）

• 單一平台（Single Platform）

• 單一資料存儲與分析架構

這使得其產品對於運行在雲端的應用程式支援更完整，也能更靈活地擴展到不同使用場景。透過內部研發，CrowdStrike持續在同一架構上疊加新功能。

相較之下，雖然傳統防火牆仍佔據企業資安預算的大宗，但其成長率已明顯趨緩。市場的競爭重心，正逐漸轉向「雲原生應用保護平台（CNAPP）」與「下一代安全營運中心（Next-gen SOC）」。

在這些新使用情境上，CrowdStrike與 Palo Alto Networks在功能完整度上已非常接近，幾乎都能提供全面的解決方案。但CrowdStrike則受惠於其架構，能提供更好的使用體驗，更強的防禦能力和更有彈性的系統擴張。

Falcon 平台：降低資安部署摩擦力的核心

CrowdStrike 的戰略核心，在於利用其雲原生架構，將資安採購、部署與擴展的摩擦力降到最低。

Falcon 並不是一組鬆散的產品集合，而是一個透過單一代理程式，即可遞送超過 28 種安全模組的平台型生態系。

過去，企業若需要新增一項安全功能，往往必須在終端設備上安裝新的軟體，導致管理複雜、系統效能下降。CrowdStrike 的做法是：
每台設備只需安裝一個極為輕量的代理程式（現時也開始發展成不需任何代理程式安裝，即Agentless），即可完成所有監測與防護工作。新增功能時，無需重新安裝或重啟系統。

這不只是便利性問題，而是顯著改善了整體使用體驗。這在平台化的路上，具有天然優勢。

(CrowdStrike 這簡報根本就是對著Palo Alto Networks來攻擊的嘛…挺有趣的)

平台的大腦與感官：Security Cloud + Single Agent

Falcon 平台可以拆解為兩個緊密協作的部分：平台的感官與平台的大腦。

平台的感官：輕量級代理程式

安裝在端點、伺服器與雲端工作負載上的單一代理程式，就是 Falcon 的感官系統，其職責包括：

1. 資料收集：即時監控設備活動，並將關鍵數據串流回安全雲

2. 指令執行：接收雲端指令，在本地即時阻止威脅

最關鍵的是其「輕量化」設計，對系統效能的影響極低，解決了傳統資安軟體拖慢系統的長期痛點。

平台的大腦：Security Cloud

CrowdStrike 的 Security Cloud 可被視為一個全球共享的威脅情報中心，甚至是一個「集體免疫系統」。

來自全球客戶設備的匿名威脅數據，會被持續匯入雲端，用以訓練與優化 AI 模型。這正是 CrowdStrike 所強調的核心概念——The Power of the Crowd。

每新增一位客戶：

• 數據量增加

• 模型變得更準確

• 全體客戶的防禦能力同步提升

當 Falcon 在某個環境中偵測到新型攻擊時，這個情報會即時同步給全球所有客戶。使用者越多，整體防禦網絡就越強（網絡效應），形成典型的正向循環。

架構差異，才是與 Palo Alto Networks的本質分野

從功能面來看，CrowdStrike與 Palo Alto Networks最終要提供的防護功能其實相當接近。但由於架構與實現方式不同，當平台規模擴大時，使用體驗、防護效果與成本結構便開始出現明顯差異。

CrowdStrike 所有功能（防毒、EDR、身份保護、漏洞管理、IT Hygiene）皆由同一個感測器執行，資料直接串流至雲端 Threat Graph 分析，無需重啟即可啟用新模組。

反觀 Palo Alto Networks，其平台化策略很大程度來自多次大型併購。這導致不同產品之間整合程度較低，往往需要部署不同代理程式、切換不同控制台，增加了營運與維護成本。

這不只是技術問題，而是資料難以共享、分析效率下降的結構性限制。隨著客戶購買的產品模組越多，Palo Alto Networks的總持有成本（TCO），尤其是維運成本，往往會高於 CrowdStrike 。

Falcon Flex：從商業模式層面擴大差距

除了技術架構，CrowdStrike 近年更推出 Falcon Flex，試圖顛覆傳統資安訂閱模式。

傳統做法下，企業若要新增功能，必須重新走一次預算審批與合約談判流程，嚴重拖慢 擴張速度。Falcon Flex 則採用「彈性消費池」概念，客戶只需承諾一筆總體預算，即可存取 Falcon 平台上的所有模組。

這帶來兩個關鍵效果：

• 無摩擦試用與部署：CISO 可在不重新經過採購審核的情況下，立即啟用新模組

• 更深的模組滲透率：目前訂閱客戶中，採用 6 個以上模組的比例達 49%，8 個以上達 24%

Falcon Flex 本質上加速了 CrowdStrike 在單一客戶內部的擴展深度。

技術的優勢能持久嗎?

有讀者可能會質疑是：軟體技術不是很容易被複製嗎？那這樣的優勢真的算護城河嗎？

如果只是單一功能或開發單一功能需要的技術，答案是肯定的。但 CrowdStrike 的差異並不在技術難度，而是在整個架構層級的設計選擇。

要複製這套架構，並不是技術上做不到，而是意味著競爭者必須推翻既有產品，重新從底層開始建構。對已經擁有大量既有客戶與系統的公司而言，這是一個營運風險極高的決策。就像建築公司已經把地基打好，蓋好多棟大樓、完成裝潢，突然發現別人有一套更靈活的地基設計。要抄，只能拆掉重來，而代價極高。

結語：雙寡頭格局下，兩種完全不同的擴張邏輯

綜合來看，CrowdStrike 與 Palo Alto Networks 的競爭，本質上是兩種策略的對決：

• CRWD：押注以雲原生架構與商業彈性，降低採用摩擦及TCO，快速深入客戶

• PANW：押注轉換成本會高於兩間公司TCO的差距，以資本實力進行併購，直接買功能和客戶進入生態系，再整合。以速度去取勝

由於資安本身是有極高轉換成本的產業，一旦被整合進 Palo Alto Networks生態系，客戶往往不願輕易轉換，也因此能建立極強的防守能力。但代價是，長期使用體驗與架構彈性，較難追上CrowdStrike 。

反過來說，CrowdStrike 資金實力比Palo Alto Networks差，只能透過極致的產品差異化去用有機方式吸引客戶，獲客速度上未必及得上。

在純資安公司(不包括Microsoft等平台型公司)中，真正能參與這場平台化競爭的，幾乎只剩 CrowdStrike與 Palo Alto Networks。其他公司既缺乏 Palo Alto Networks的併購資本，也難以在功能完整度與平台化上追趕，只能在利基市場中生存。

不過，這場競爭對雙方都不是零和遊戲。在數千億美元的市場中，兩間公司都有成長空間，最終亦很可能成為雙寡頭格局。但從長期來看，CrowdStrike的統一架構與彈性商業模式，使其具備更好的成本結構與營運效率。相對地，Palo Alto Networks則需持續承擔併購策略帶來的高資本支出、整合成本、折舊等等。

這正是市場願意給予 CrowdStrike 明顯高於 Palo Alto Networks的估值溢價的根本原因。

財報與估值

最後當然要看一下財報數字跟那誇張的估值代表了多少未來的增長。

如果單看CrowdStrike ，它的財報數字就是典型的成長中軟件公司，等待規模化後把營運成本比例壓下來。Gross margin穩定提升約75% ，大部分軟件公司在這位置就開始不會再提升了，就算能提升，最多也只是到80%。

Net income margin 仍在微正與微負間，這裡我想多加一些個人見解。其實到這階段，大部分軟體公司是有能力做到正net income，但有些公司會刻意去達到少量正跟負淨利之間。

為什麼呢？因為多數情況下，軟件公司不缺現金去營運，也不急著返還回報給股東。相反，市場的成長空間仍然很大，公司想盡最快速度成長，盡全力衝刺去搶市佔率。所以有些公司會刻意控制營運支出的比例，在沒有出現太大盈利虧損及風險情況下，盡力提高營運支出比例去搶佔市場來成長。軟體業嬴者全拿的特性，再加上資安行業自帶的高轉換成本護城河，搶佔市場佔有率的速度變得很重要。以上只是我對軟件業的觀察，不一定正確，各位就當作參考吧。

現金流方面，還是那個軟件業的老掉牙問題，股票薪酬(SBC)佔比很高，扣掉SBC後的自由現金流(FCF) 跟net income margin 一樣在少量正跟負之間。

CrowdStrike 跟Palo Alto Networks財報比較

接著，我想把CrowdStrike 跟Palo Alto Networks放在一起比較(CrowdStrike 的單位是thousand , Palo Alto Networks的單位是Millions，把CrowdStrike的數字除1000就對了)

Palo Alto Networks 2021年營收 4,256M，CrowdStrike 2025 年營收 3,953M。我們先來看增長率。

CrowdStrike 的超高成長率(>40% YoY)，明顯是不可持續，因為基數變大，增長率會自然降下來。如果我們看Palo Alto Networks 營收在2000M - 7000M之間都能保持25%以上YoY增長率。未來CrowdStrike 可能也會有類似的情況，增長率在2X%左右。言而，分析師預期2026年增長率已經會跌到22%。所以從增長率來看，其實CrowdStrike 沒有比當年的Palo Alto Networks更出色。

我們再看一下研發+資本支出對比營收的比例，來看看兩者對「搶佔市場的速度」有多願意投放。

CrowdStrike 可能因為之前營收增長遠大於R&D的支出增長，所以比率一直在下降。相反，Palo Alto Networks從40-50%的高峰回落一段時間後又重新再加速投放，主是要收購增加。但我相信兩者都會把比率維持在30至40%左右。

老實說，從各數據來看，CrowdStrike 也沒有比當年的Palo Alto Networks出色多很多（以相同營收數字的年份去比較）。市場給出的估值溢價，明顯是其架構帶出來的故事。故事雖然吸引，但實際落地到財務數字上卻沒有反映估值溢價應該要帶出來的差距。

又或者我們看看未來數年，CrowdStrike 能否在跟Palo Alto Networks相同營收水平下，超越Palo Alto Networks現在15%的增長率，或是有更低的營運成本吧？

DCF估值

Read more

殘酷的真相：技術本身並非護城河

在科技投資的圈子裡，有一個最普遍、也最致命的誤解：認為技術領先就是護城河。

無論是否具備技術背景，很多人很容易被「高大上」的新技術迷惑。當一項技術聽起來極度先進、開發難度極高時，直覺會告訴我們：「這東西別人做不出來，這就是優勢。」

但在軟體世界，技術幾乎從來不是持久的護城河。

為什麼？因為技術的傳播速度極快。只要一項技術能被實踐（例如通過論文或開源代碼），它最終一定會被競爭對手重現。矽谷最不缺的就是聰明人，只要證明路走得通，再高的牆也會被翻過去。

一個經典案例：大型語言模型 (LLM)

近年最火熱的 AI 模型就是最好的例子。雖然訓練基礎模型需要極高深的數學與工程知識（門檻幾乎全是博士級別），但自從 Google 發表了那篇經典論文《Attention is All You Need》後，Transformer 架構迅速成為業界標準。

今天，訓練 AI 模型的真正障礙不再是技術秘密，而是算力（GPU）與資本規模。技術領先頂多為你贏得幾個月的「先行者優勢」，但它無法阻止對手追趕。

軟體產業的基因：贏家全拿 (Winners Take All)

要理解軟體公司的護城河，必須先理解它的商業本質：高前期研發投入、極低邊際成本。

軟體一旦寫好，複製一份的成本幾乎為零。每增加一個用戶，公司增加的維運成本微乎其微。這種特質讓軟體具備強大的擴張性，只要產品達到「產品市場媒合點」(Product-Market Fit)，就能跨越國界迅速壟斷。

因此，判斷一家軟體公司的長期競爭力，不能看它現在的技術有多酷，而要看它如何「綑綁」用戶。

技術從來都只是一個高效率的工具，如何綑綁用戶才是護城河的關鍵

軟體產業最常見的兩種護城河：轉換成本與網路效應

在軟體產業的競爭中，最穩固的護城河通常不來自程式碼本身，而是來自這兩個方向：

1. 高轉換成本：讓使用者「離不開」。

2. 網路效應 ：讓使用者「進來越多，原本的使用者獲得價值越高」。

其中，轉換成本並非單一維度，它根據綑綁的深度，由淺入深可以分為四個層次。層級愈往後，護城河就愈難以被攻破：

第一層：人性的舒適圈（學習曲線與使用習慣）

第二層：數據的數位資產（資料與數據）

第三層：生態系統的聯動（產品矩陣）

第四層：營運的中樞神經（深度嵌入業務流程）

一、高轉換成本：從人性開始的護城河

軟體護城河的第一塊基石，是建立在人類的生物本能上。

1. 學習成本與舒適圈

人類大腦本質上是一個高度耗能的系統，因此天生傾向「認知節儉」。一旦我們花費大量時間學會某套工具，神經路徑已經形成，重新學習本身就會帶來強烈的排斥感。

當你已經熟悉 Excel 的快捷鍵、Photoshop的操作邏輯，或某套 CRM 的流程設計，轉換到新軟體並不只是換個介面，而是必須重新訓練整個思考與工作方式。

所以只要現有工具「還算好用」，價格沒有到難以忍受，多數人都會選擇留在原本的舒適圈。

2. 數據的枷鎖

軟體公司最成功的策略，是讓你的數據進入它之後，變得易入難出。

2.1 專有格式與協作標準

照片、純文字本身幾乎沒有護城河，因為它們屬於通用格式。但一旦資料進入專有格式，情況就完全不同。

Microsoft Office 的文件格式，就是最經典的例子。當整個產業鏈都以某種格式作為溝通語言，不使用它的人，就是那個無法協作的邊緣人。這種標準化的力量（也可視為網路效應的一種），讓數據變成了隱形的鎖鏈。即使技術上可以轉換格式，排版錯誤、相容性問題，仍然足以迫使使用者回到主流平台。

隨著即時協作（co-editing）成為常態，使用同一套軟體，幾乎成為合作的前提。

當然，這類護城河是否成立，仍取決於轉換時的實際損失程度。如果資料轉換幾乎沒有損耗，或市場願意投入資源開發完整的轉換工具，這道護城河就會逐漸被侵蝕。

2.2 資料規模與歷史依賴

另一種更強的數據護城河，來自資料本身的體量與歷史價值。

搬移 10GB 的個人資料或許很容易，但要一家跨國企業遷移過去十年數 PB 級的客戶合約、交易紀錄與營運數據，轉換系統的成本就不只是金錢和時間，而是實際可行性問題。更重要的是，這些資料往往承載著企業的營運邏輯、客戶行為與決策依據。這簡直是「心臟移植手術」。

一旦更換系統導致歷史資料缺失，對企業而言，可能是災難性的風險，遷移的風險與成本就呈指數型增長。

2.3 數據探勘與行為預測：從「資料庫」進化為「預言機」

在「數據即石油」的年代，軟體公司手握的海量用戶行為數據，正是其最堅實的武裝。

隨著 AI 與機器學習的普及，私有數據已成為企業最核心的競爭力。通用數據隨處可得，但唯有自家企業長期累積的客戶行為、交易習慣與營運細節，是外界無法複製的「特供燃料」。

這導致了一個現象：企業會竭盡所能地保留並累積這些數據。因為數據累積得愈多，AI 預測就愈準確；而一旦選擇切換平台，就意味著要放棄這些經過多年調教、最了解自家業務的「預言能力」。

對企業而言，放棄一套成熟的數據系統，不只是損失資料，更是集體失憶。這種對歷史數據的依賴，讓軟體公司成功將客戶從單純的「使用者」轉變為「數據共生者」，構建出一道競爭對手極難逾越的隱形護城河。

3. 生態系統的綁定效應

頂尖的軟體公司從不滿足於解決單一問題，它們真正的目標是打造一個讓使用者進得來、出不去的生態系統 (Ecosystem)。

3.1 減少管理的「摩擦力」

對於企業資訊部門而言，管理數十個零散的軟體授權是一場災難。透過單一訂閱帳號涵蓋文書處理、團隊溝通、雲端儲存到專案管理，這不僅僅是使用上的便利，更意味著管理成本與安全風險的大幅下降。當企業能在一處統一設定權限、監控資安與開立發票時，整合平台的吸引力便遠超零散的工具。

3.2 協作效率的「重力場」

一旦公司內部的文件、溝通訊息與資料流動都發生在同一個生態系中（例如在 Microsoft Teams 裡直接編輯 Excel，或在 Adobe Creative Cloud 內無縫同步設計稿），這個生態系就產生了強大的協作慣性。

• 單點替換的代價：如果你想把其中一個環節（如雲端硬碟）換成另一個更好用、更便宜的單獨軟體，你很快就會發現，為了彌補這 1% 的功能提升，你必須支付 20% 的額外時間去處理系統不相容或資料搬運的問題。

• 整體大於部分之和：這就是為什麼「功能夠用但整合完美」的產品，往往能擊敗「功能卓越但孤立存在」的產品。

對決策者而言，他們看重的是整體的穩定性與連動性，而非單一功能的極致。這種生態系綁定讓巨頭們擁有一種近乎不公平的防禦優勢。

4. 深度嵌入營運流程：軟體成為企業的「中樞神經」

當一款軟體不再只是輔助，而是深度參與了企業的日常營運流程，它就完成了從「工具」到「基礎建設」的身分轉變。這也是軟體產業中最難以跨越的一道護城河。

這就像是在高速公路上全速行駛時更換引擎。更換一套深度嵌入的企業資源規劃(ERP) 或系統，這類決策涉及的早已不是幾萬美金的授權費，而是業務連續性的問題。一旦遷移過程中出現數據錯誤或系統斷層，導致的是營收停擺、供應鏈斷裂，甚至對品牌商譽造成毀滅性的打擊。

正因為風險極高，更換軟體的決定權會從技術部門或行政部門，直接上升到 CEO 甚至董事會級別。當一個產品的汰換需要驚動最高管理層來評估風險時，這道護城河就已經深不可測了。

反過來，如果軟體本來就由Ｃ級別管理層統一採購並推動，那麼基層部門或員工幾乎不可能隨意提出更換請求。對員工而言，適應系統是工作的一部分，而非選擇。

這也是為什麼，多數 B2B 軟體公司，長期穩定性通常高於 B2C 軟體。而當公司採用同一套軟體的模組越多，留存率也越高。這一種綁定幾乎是所有B2B軟體公司在追求的護城河。

二、網路效應：當使用者本身變成了價值的一部分

除了轉換成本，軟體產業另一道最令人稱羨的防線就是網路效應（Network Effects）。簡單來說，就是當平台上的使用者越多，平台對每一位現有使用者的價值就越高。

社群媒體（Facebook）、雙邊市場（Airbnb）、支付網絡（Visa）都是典型的例子。然而，並非所有的網路效應都一樣穩固。作為投資人，在分析這道護城河時，必須深入思考以下四個維度：

1. 邊際價值的持續性

   使用者數量的增加雖然會提升平台價值，但其提升速度往往會面臨邊際價值遞減的挑戰。以通訊軟體為例，從 1 萬人增長至 100 萬人時，用戶體驗到的連接價值有質的飛躍；但當用戶基數達到 10 億時，額外增加的用戶對現有使用者的價值提升已微乎其微。若價值增長過早進入高原期，競爭對手便容易透過切入分眾市場來瓦解既有優勢。

2. 臨界規模的門檻效應

   網路效應的建立存在一個明確的臨界點。在未達此門檻前，平台通常處於極其脆弱的階段；一旦跨越門檻，平台將產生強大的自我生長吸力。投資者的核心觀察點在於，該平台是否已具備讓對手無法逾越的領先規模，從而形成規模屏障。

3. 平台排他性與單棲特質

   網路效應的強度受使用者「單棲」或「多棲」行為的影響。若使用者傾向於同時採用多個類似平台（例如同時使用多個叫車軟體），其網路效應將被顯著稀釋。最強大的護城河源於排他性——當使用者產生「僅需此平台即可滿足需求」或「離開此平台將失去必要溝通」的認知時，護城河才算真正成形。

4. 關鍵節點的結構性風險

   平台上使用者的重要性並非均等。在雙邊市場中，核心供給方（如熱門商戶）或核心意見領袖 (KOL) 承載了不成比例的價值。若這些關鍵節點發生流失，極易引發雪崩式的反向循環，導致使用者群體產生集體遷移的連鎖反應。

三、觀察數字：將護城河從「質化」落實到「量化」

正如前文所提到，護城河不能只停留在質化分析。當我們已經理解一家公司的護城河來源是什麼之後，下一步就是尋找對應的量化指標，用數字來驗證這道護城河是否真實存在、是否正在加深，抑或逐漸流失。

理想情況下，我們希望找到領先指標或同步指標，因為它們能較早反映公司基本面的變化。若無法取得，落後指標亦可作為輔助的確認訊號。

以下將以科技公司中常見、以轉換成本及網路效應為護城河的商業模式為例，說明可觀察的關鍵指標。

高轉換成本的量化指標

一、領先指標

Read more

最近發覺substack 的subscriber 跟view 的統計數據不知不覺間影響了我的日常生活，會很常去留意數據，想自己寫的東西有更多人喜歡。漸漸對心態和情緒都有影響，變得有點急燥和焦慮。最後反過來又影響到自己的創作內容，整件事變得本末倒置。

所以決定把後台數據關掉，先專注把自己想創作的內容完成，再決定以後如何發展。

不過讀者放心，我目標仍然是繼續寫我相信的那套價值投資理念，把各種需要的心態，技術，工具等都先整理一次放在這裡。公司分析的文章也會依舊，內容不會變，只是不會花太多時間去處理文章結構、順通度、用字等細微的東西。重點把想表達和記錄的東西寫下來。同時亦不會再硬性要求自己必須每星期兩篇文章了，希望這種改變能令我走得更遠。望各位讀者能明白及體諒。

另外亦會加入這類我的個人雜談想法，但相信結構…

Read more

為什麼企業一旦用了 Salesforce，就很難離開？

這背後並非單純的功能優勢，而是一場關於「數據、員工合作、企業日常營運流程」的深度捆綁。

一、 產品矩陣：從「發現客戶」到「終身服務」的全流程閉環

要理解 Salesforce，必須先看懂它的五大戰略模組（Segments）。這五個工具將企業與客戶接觸的每一個微小瞬間，都串連在一起：

1. Sales (銷售雲)：
   是 Salesforce 的起點，也是目前最核心的模組。它協助銷售團隊管理潛在客戶、銷售互動、團隊協作、績效追蹤，以及訂單與營收流程。除了提高效率，更重要是把原本高度依賴個人經驗的銷售流程，轉化為可複製、可追蹤、可優化的系統。

2. Service (客服雲)：
   則負責成交之後的世界。售後支援、客戶查詢、案件追蹤與現場服務，確保企業與客戶的關係不只停留在交易當下，而是能持續延伸，並確保客戶買完產品後不會變成孤兒，維持品牌忠誠度。

3. Platform & Other (平台與協作)：

   這是企業的客製化大腦，模組讓企業可以在 Salesforce 平台上建立自訂工作流程、應用程式，甚至 AI agents，讓Salesforce更完美地去配合公司內部的流程。在Slack 被納入其中後，亦補上了即時溝通與跨部門協作，讓「人」也正式進入這個資料與流程的網絡。

4. Marketing & Commerce (行銷與電商雲)：
   負責銜接行銷與交易。Marketing 模組用於規劃與管理行銷活動，而 Commerce 則協助企業在不同客戶接觸點中，建立一致且流暢的購物體驗。兩者共同的目標，是讓行銷不再只是曝光，更能直接轉化為實際交易。

5. Integration & Analytics(數據分析)：
   整個系統的底層黏著劑。透過 MuleSoft，Salesforce 能將資料串接至企業內部或外部的各種系統。而 Tableau 則提供資料分析與視覺化工具，協助企業發掘趨勢、預測結果、並在適當時機獲得決策建議。這一模組確保資料能被更有效使用，例如各種數據挖掘等等。

一旦銷售、售後服務、行銷與內部協作都依賴同一套資料來源與工作邏輯，轉換平台的成本就不再只是金錢，而是整個組織的運作方式。

二、Salesforce 的核心護城河是什麼？

在年報中，Salesforce 對自身護城河的描述相當清楚：
成為一個單一真相來源(single source of truth)，將分散於不同系統、應用與裝置的客戶資料整合起來，支援銷售、服務、行銷與交易。

換句話說，Salesforce 的護城河並不只是某一個功能，而是透過以上的所有功能達到：

1. 數據綁定：客戶資料被綁定在同一個生態系中

   數據不僅僅是存放，更在於歷史連貫性與格式獨特性。當企業的所有客戶互動紀錄、交易歷史與偏好設定都累積在特定平台時，若要更換供應商，企業必須面臨巨大的數據遷移(Data Migration)風險，可能導致格式遺失或數據斷層。
   隨著時間推移，累積的數據越多，這使得「留下來」的獲益遠高於「重新開始」的成本。

2. 員工綁定：不同部門、不同角色需要共同存取與依賴同一套資料

   這創造了一種協作慣性。當銷售、行銷、客服甚至財務部門都在同一個平台上協作時，該軟體就不再只是工具，而是公司的「溝通語彙」。
   單一部門可能想換軟體，但因為其他部門的資料與流程都鎖定在此，導致「牽一髮而動全身」，決策者往往會因為不想破壞跨部門協作而維持現狀。

3. 企業流程綁定：銷售與客戶管理流程被深度整合進企業的日常運作(BAU workflow)

   軟體的功能已經融合在公司的各個標準作業程序(SOP)中，系統不再是外掛，而是企業的數位骨幹。一旦拔除，日常運作會立即受到影響，銷售人員將不知道今天該聯絡誰，主管也無法產出即時報表。
   再者，許多企業會針對特定流程進行客製化開發，競爭對手若想取而代之，不僅要提供核心功能，還必須能 1:1 還原這些複雜的客製化流程，技術與時間成本極高。

這種結構自然形成了極高的轉換成本，撤換 Salesforce 不只是換個軟體，而是要重新搬遷海量數據、改寫工作習慣，並承擔業務中斷的風險。

最終反映在流失率上，其客戶流失率（attrition rate）表現極其穩健，從 2022 年約 7.5% 到 2025 年僅約 8%（註：此數值僅計入流失，未包含既有客戶增值部分）。在 SaaS 圈，這等於是客戶對你至死不渝。

三、 市場現狀與天花板：從 SMB 走向大型企業

從歷史來看，Salesforce 由中小企業（SMB）起家，逐步向大型企業滲透。以客戶數量計算，目前仍以中小型企業為主：約 49% 為員工數少於 50 人的小型企業，40% 為中型企業，僅約 11% 為員工超過 1,000 人的大型企業。(Data sheet)

但值得注意的是，在 Fortune 500 企業中，Salesforce 的滲透率已接近九成。這意味著，在大型企業市場中，單靠「增加客戶數量」來推動成長的空間其實有限。

雖然公司未公開不同客戶類型的收入占比，但市場普遍認為，這 11% 的大型企業，貢獻了相當可觀的收入比例。假設每家大型企業僅占總收入的 3–4%，整體加總後，也可能已佔 30–40% 左右，足以說明其重要性。

在地域分布上，亞洲市場仍被視為主要的成長空間之一。

四、 AI 浪潮：是威脅還是第二增長曲線？

在談到未來成長時，管理層反覆提及「深化既有客戶關係」，也就是透過 cross-sell 與 up-sell 提升每位客戶的平均收入。市場曾擔憂 AI 會取代傳統 SaaS 工具，但我認為對 Salesforce 而言，這是一個全新的機會。

過去，Salesforce 提供的是「工具」；而在 AI 加持下，它開始能夠協助企業直接 自動化並執行某些行動。這代表每位客戶能從平台上獲得更多價值，提高 revenue per customer，也讓 Salesforce 有合理空間收取更高費用。不過，回看現在業界AI Agent 對自動化並執行行動這方面的交付產品效果，仍未完全滿足客戶的要求，仍需要等待技術上的進一步突破，方能看到全面開花式的發展和擴張。

這也是我不太認同「AI 會顛覆 Salesforce」這種簡化說法的原因。Salesforce 的核心護城河，本來就不是單一功能，而是將資料、人員與企業的日常運作跟Salesforces的應用綁定。即使新興 AI 工具再強，如果資料難以遷移，或者無法貼合公司現有的 BAU (Business as Usual) 運作習慣，它就無法取代 Salesforce。

相反地，Salesforce 利用 AI 將自己從「提供工具」進化到「代執行任務（Automate & Execute）」。以前它只提供報表，現在它可以自動幫你分析並執行下一個銷售動作。既然幫客戶做更多事、節省更多人力，收費自然能水漲船高。這對 Salesforce 來說是增加每用戶平均收入（ARPU）的絕佳契機。

五、 專業化挑戰：通用 CRM 的局限性

儘管 Salesforce 極其強大，但它在 CRM 市場的佔有率大約僅 20% 左右。這在一般軟體市場「贏家全拿」的慣例下顯得很不尋常。(資料來源)

一個合理的解釋是：CRM 並非一個標準化工作流程。不同產業、不同公司、甚至不同銷售團隊，對 CRM 的使用方式與需求都差異甚大，很難有一套通用解決方案適用所有情境。例如：一個賣藥的業務員需要的工具（如 Veeva 在醫藥產業的壟斷地位），與一個賣房子的業務員完全不同。

這也解釋了為何垂直型 CRM 能成功崛起，透過深度理解產業流程，建立了極具黏性的解決方案，反映出通用型 CRM 的天然限制。同時， Salesforce 近年強調 「Focus on Industries」。他們正努力為各行業量身打造解決方案，以防守垂直領域競爭對手的蠶食。

我自己對銷售及客戶關係工作認識不深，如果有在這類型工作的讀者，可以留言提供你的看法。

六、財務數據分析

在功能分佈上，收入算是十分平均，沒有太嚴重依賴單一模組。這一項也再次則面反映出所有產品矩陣閉環所帶來的護城河。

Gross margin 一直穩定提升，是體現產品競爭力的最直接數據。

營運支出方面，跟其他服務大型B2B客戶的公司一樣，需要大量投入在Sales & Marketing，以獲取及維繫C Level管理層的信心與關係。可幸的是，佔比隨著規模化一路下降，未來維繫關係的成本會比早期的獲客成本低。其次則是R&D, 佔比則平穩在15%。

近2年的Operating margin 有大幅提升，是個十分好的良好信號。期望可以逐步提升到30-40%的成熟軟件公司水平。

在年化百分比方面，Revenu growth 從以往高雙位數逐步回落至10%或以下。這是現有市場飽和的表現，正如上面提到，公司除了需要在亞洲多發展，同時期望AI Agent 技術的改進能為公司帶來第二增長曲線。

現金流方面，其自由現金流明顯比net income margin 高，是一個很好現像，進一步觀察，是基於公司早就把客戶的錢收到，再提供服務。公司的剩餘履約義務RPO(Remaining Performance Obligation) 大約是2年的收入，其中約一半是cRPO (Current Remaining Performance Obligation)，即未來一年會提供服務及實現為收入。
相信隨著operating margin的改善，自由現金流要在公司成熟後達到40%不算困難。

以往我很少highlight軟件公司的資產負債表，原因是一般都沒有什麼特別之處。但Salesforce以往收購了很多公司，Goodwill 佔比很大。其實只要收入及現金流沒有問題，大Goodwill 也不是什麼危險指標，只是我們在看資產時，記得這項目純粹是會計項目，不能掉賣或變成現金，需要扣除這項目就可以了。

七、估值計算

Read more

如何判斷，一家公司到底有沒有護城河？

這不是靠某一個財務比率就能回答的問題。

真正可靠的方法，是在「數字」與「結構」之間來回驗證：

先看數字 → 倒推結構 → 再回到數字做長期追蹤。

如果公司本身已經是規模成熟、營運穩定的大型企業，我通常會先從量化數據入手。不是為了用數字下結論，而是透過數字去「找線索」——看看公司長期維持的某些財務特徵，背後到底靠什麼撐住。

接著再做質性分析，把那條真正的護城河說清楚：它是品牌？轉換成本？網路效應？還是成本結構？

最後再回到量化層面，替這條護城河找一兩個領先或同步指標，作為長期追蹤護城河強弱的錨點。
做到這一步，你會發現市場資訊開始自動分層：哪些只是雜訊、哪些才是影響公司長期競爭力的核心訊號。

Read more

第一類，是買「變化」，買站在變化最前線的公司。
第二類，是買「不變」，買那些長期不變，即使世界怎樣變，也難以被挑戰的公司。

前者，買的是顛覆。
後者，買的是護城河。

Read more

Read more