#個人整理一定會有不完整或理解錯誤，請以Podcast的內容為主。
前導
A. Claudeforce 與 AI 軟體價值重分配
- Anthropic 與 Salesforce 合作，不代表 AI 將把既有軟體一鍋端。
- Salesforce 的企業資料、流程與信任關係可能形成進入門檻。
- Anthropic 可能掌握較多定價權，但企業閉鎖資料的價值仍待觀察。
B. Marvell 與光互連展望
- Marvell 上修展望，XPU 可能是重要增量之一。
- Scale-up 光互連、DSP 與交換晶片被視為後續成長動能。
- 光通訊族群重新轉強，但仍要觀察電話會議能否持續成為催化劑。
C. 自研 ASIC 與 NVIDIA 的競爭
- Jalapeño 的推論表現突出，但不能直接延伸為全面取代 GPU。
- NVIDIA 可能藉由採購規模與供應鏈關係建立競爭優勢，但相關動機仍屬判斷。
- ASIC 持續取得市占的同時，AI 市場擴張仍可能讓 GPU 保有大量價值。
完整內容
A. Claudeforce 與 AI 軟體價值重分配
1. Anthropic 與 Salesforce 合作
Anthropic 與 Salesforce（CRM）推出 Claudeforce。使用者未來可以在 Claude 介面中使用 Salesforce 提供的 37 項 skills，處理銷售及企業管理工作；在 Salesforce 介面中，則可能將 Anthropic 的模型作為預設選項之一。
Dario Amodei 與 Marc Benioff 接受 Jim Cramer 訪問時，都不認為存在所謂的「SaaSpocalypse」。AI 確實可能競爭掉部分軟體，但不能把市場簡化為軟體全部失敗、硬體全部受惠，也不能直接認定所有價值都會集中在模型層。較可能發生的是各個環節仍有價值，只是價值分配將出現大幅洗牌。
2. 企業資料與信任門檻
Salesforce 的產品在業界可能有不少抱怨與負面評價，但它掌握大量企業資料、營運流程與長期累積的 know-how。AI-native 公司即使模型能力很強，也不代表可以輕易進入每一種企業應用。
企業是否願意把資料直接交給新成立的 frontier AI lab，可能仍會考慮信任、資料落地及供應商長期存續等問題。Anthropic 雖然有漂亮的 run rate，營收與獲利成長速度也不錯，但尚未累積很長的 track record。企業無法確定這波競爭後誰能留下，也可能擔心現在建立在 Anthropic 上，之後又因 OpenAI 表現變化而需要轉換。
因此，把資料留在 Salesforce，再由 Salesforce 串接不同模型，或許會是一種較有自主性的做法。Marc Benioff 進入 founder mode 後，也被認為很快放棄死守介面層，將 Salesforce 的位置轉向後面的應用與行動層：介面與模型可以由新 AI 公司提供，企業資料、流程及實際行動仍留在 Salesforce。
3. 合作背後的定價權
從兩家公司對外說法推測，Claudeforce 看起來可能會形成兩筆帳單：使用 AI 模型需要付費，呼叫 Salesforce API 或超過方案額度時，可能還要另外付費。
表面上是合作，背後仍可能競爭客戶入口、包套方案與定價權。目前猜測 Anthropic 或許能掌握較多利潤，但仍須繼續觀察。大型模型目前大量使用公開資料，真正封閉的企業資料可能不願交給 frontier AI lab；說不定最後由這些資料產生的價值，會有更多留在 Salesforce。
B. Marvell 與光互連展望
1. XPU 可能是展望增量
Marvell（MRVL）上修財務預期，對主要增量的判斷是 XPU 可能占有相當重要的位置。Google（GOOGL）相關案子可能先取得 design win，之後再逐步轉成 ASIC 放量與出貨。
不過這類產品的實際成績通常要等到出貨較為確定後，公司才能反映在預測中，因此很難提前指出明確時間點。這次調整可能代表部分產品已經逐漸接近大量晶片進入市場的階段，但仍不能直接確定各項專案的放量時間。
2. Scale-up 光互連的催化劑
Marvell 上修內容的另一個重要部分是光通訊。執行長 Matt Murphy 將 scale-up 光互連與交換晶片視為後續強勁的成長動能。
市場先前已有不少人押注 Marvell 會在電話會議上調高 DSP 或光通訊展望，目前看起來確實朝這個方向發展。光通訊股票這一波表現特別強，部分標的已經進入新高；這也成為近期反彈的重要主軸之一。
後續要觀察這場電話會議能否繼續成為催化劑，推動上游材料、封裝及其他光互連相關股票。無論 XPU 或 GPU 要形成完整伺服器機櫃，都需要這些元件，因此光互連被視為未來重要的戰略物資。這個族群先前修正了相當長一段時間，目前重新轉強，在多場電話會議提供正面訊號後，可能仍有繼續觀察的空間。
C. 自研 ASIC 與 NVIDIA 的競爭
1. Jalapeño 的推論表現
OpenAI 的 Jalapeño 晶片交由 SemiAnalysis 使用 InferenceX 進行測試。從 token per watt 與推論表現來看，測試結果優於部分 GB200、GB300 系統。
這次測試被認為相對公允，但 Jalapeño 的主要用途就是推論。如果使用情境是訓練或其他需要較暴力算力的工作，表現可能仍會有所不足；因此不能只憑推論跑分，便直接延伸成 NVIDIA（NVDA）將全面失去競爭力。
NVIDIA 目前已推進至 Vera Rubin，依電話會議說法，接下來將快速放量，甚至可能成為歷來放量最快的產品。晶片與模型的競爭都迭代得非常快，每一兩個月便可能出現新的領先者，不宜只看當下跑分就判定長期輸贏。Google 的 Flash 模型也是類似例子：目前即使被市場看淡，說不定後續跳過中間版本，直接推出更強的新模型，市場看法又會改變。
2. 從採購觀察到 buy-side 論述
幾個月前曾注意到，NVIDIA 採購光通訊與雷射元件的數量似乎遠高於自身產品的直接需求。當時的判斷是，NVIDIA 可能想提前掌握更多產能，增加競爭者取得零組件的難度；後來也開始看到類似的 buy-side 論述。
要完成一台 AI 伺服器，不只需要運算晶片，也需要光通訊元件、交換器、板材、封裝及組裝能力。NVIDIA 電話會議談到許多環節缺貨時，Jensen Huang 還笑稱，過去只要跟哪家公司吃飯，那家公司很快就會漲一倍，因此不願直接指出哪個環節最缺。
目前觀察到的較大缺口之一在載板。NVIDIA 一次採購的規模很大，也可能願意付出較高代價取得產能，因而在供應鏈上具備很強的採購地位。由此產生一種想法：Jensen Huang 多次來台與台積電及其他供應鏈公司互動，可能不只是一般交流，也可能有鞏固供應鏈關係的考量。其他公司若要爭取相同資源，可能會面臨很大的挑戰。
3. 記憶體規格可能轉移缺貨
市場開始討論記憶體從 12-high 改成8-high，甚至出現回到 4-high 的說法；對於 4-high，目前仍抱持疑問。假設相關說法成立，可能代表設計端更重視頻寬，願意在容量上做部分折衷。
但容量對 KV cache 仍然重要，最後可能需要使用更大的板面或增加板材用量。這樣做未必解決缺貨，只可能把瓶頸從記憶體移到板材或載板，而且整體出貨數字也可能因此增加。
各家持續推出新的 XPU，但後續真正值得觀察的是能否取得足夠產能。晶片設計即使很強，若無法取得板材、光通訊元件與組裝資源，產品仍可能反覆遞延。甚至 NVIDIA 自己也可能因個別零組件問題調整 Vera Rubin 的放量時間，缺乏供應鏈管理經驗的競爭者可能面臨更大的挑戰。
4. GPU、ASIC 與市場擴張
NVIDIA 的 CPU 業務已開始產生不錯營收，後續可能持續成長；Connectivity 與光通訊方面也給出偏正向的訊號。
開源模型通常缺乏 first-party ASIC，訓練與推論需求增加時，可能需要購買更多通用 GPU。OpenAI、Anthropic 等封閉模型公司即使使用 Jalapeño、AWS 或自研 XPU，在訓練端可能仍需大量使用 NVIDIA；如果自研 XPU 出貨卡關，也可能回頭增加 NVIDIA 晶片採購。
未來幾年 ASIC 持續取得市占是合理推演，但整體 AI 市場的 TAM 也持續擴大，因此 NVIDIA 理論上仍可能取得大量價值。ASIC 吃市占的速度也可能被高估，因為晶片設計、供應鏈取得與量產時程是不同問題。
NVIDIA 面向眾多客戶銷售，可以把收入持續投入研發；自研 ASIC 多半以自用、提高效率及降低成本為主，不一定有同等資源長期競爭。從較長期角度看，GPU 仍可能具有很強的競爭優勢，並不會因為大量 ASIC 出現便直接失去價值。
供需最終仍可能走向價格平衡與需求破壞。Elon Musk 曾以 AI 需求成長約 200%、記憶體供給成長只有數十個百分點來說明漲價，但其他公司經營者可能更在意財務數字，進而尋找替代方案。例如即使載板也缺貨，只要漲價幅度相對較小，就可能成為設計調整的方向。
ASIC 與 GPU 同時爭取供應鏈資源，可能為台股的光通訊、板材與伺服器組裝帶來更多機會。幾場電話會議與訪問看下來，市場突然出現不少值得觀察的方向，因此期待後續能有族群帶頭，發展新一波多頭，但目前仍是希望發生的市場劇本。
QA
A. 使用 X 追蹤市場資訊
1. 目前關注的對象
目前較常關注 Jensen Huang、Elon Musk 與 Gavin Baker。Jensen Huang 最近開始使用 X，其長篇內容具有參考價值；Elon Musk 的評論也會持續閱讀。
現階段尤其喜歡 Gavin Baker 的內容，認為他對 AI 推論與光通訊的理解程度很高，因此會特別留意他的想法。
2. 資訊來源會持續更換
過去曾關注 Ray Dalio 與 Naval Ravikant，但後來不再認同其中部分內容。這反映資訊來源並非固定信仰，市場、個人能力與研究領域都會隨時間改變，過去喜歡的人可能逐漸不再適合。
目前喜歡 Gavin Baker，不代表未來一定不會改變。重點不是找到永遠正確的人，而是隨著自己的理解與研究範圍擴大，持續判斷哪些資訊來源適合當下使用。
#個人想法
那應該是可以找類似CRM這類的相關企業，說不定都有機會再做更深入的合作?查到的Salesforce（CRM）、ServiceNow（（NOW）、SAP、Snowflake（SNOW）、Palantir（PLTR）、Oracle（ORCL）、Workday（WDAY）、Atlassian（TEAM）都已有接入AI應用，不過是否也會在之後推出更好的合作方案?
但是覺得查的方向可能有錯，所以又在跟AI討論，改抓到的是Guidewire（GWRE）、Veeva（VEEV）、Adobe（ADBE）、Workday（WDAY）這一類的。