# 來源與講者備註

## 免責聲明

1. 本內容不構成投資建議。
2. 本人目前可能持有，且未來也可能持有文中提到的一些上市公司的股票或金融衍生品。

資料核驗截至2026-09-18（本次新增資料）；既有案例核驗日2026-09-16。所有金額為原來源口徑。

## 1. 活動免責聲明

活動內所載之資料、嘉賓分享、講座內容、市場觀點或任何第三方提供之資訊，均只屬一般性資料及 / 或相關人士之個人意見，不代表致富證券之立場，亦不應被視為投資建議或作為任何投資決策之依據。

致富證券不保證有關資料之準確性、完整性、可靠性或即時性，並不就因依賴該等資料而引致之任何損失或損害承擔任何責任。

活動內容僅供一般參考，並不構成、亦不應被視為任何證券、期貨、基金、結構性產品或其他投資產品之要約、招攬、邀請、建議、推薦或買賣任何投資產品之依據，亦不構成任何投資、法律、稅務、會計或其他專業意見。

投資涉及風險，投資產品價格可升亦可跌，過往表現並不代表未來表現。

任何人士在作出任何投資決定前，應充分了解相關投資產品之性質、風險、收費、法律、稅務及會計影響，並根據自身之財務狀況、投資目標、投資經驗及風險承受能力作出獨立判斷；如有需要，應諮詢獨立專業顧問意見。

本活動由致富證券有限公司提供，內容未經香港證券及期貨事務監察委員會審閱。

來源：活動方提供之免責聲明

## 2. AI下半場 一線從業者的觀察與認知

1分鐘。今天我以AI一線從業者的身份，分享做產品、使用Agent與組織社區形成的觀察與認知。主線從大家的工作出發：AI能接手哪些交付？能力普及後，競爭優勢留在哪裡？再看支撐這些工作的模型、芯片與能源。具體誰在賺錢、財務和估值怎樣看，最後留給大家交流。我的產業判断會明确標示，公開案例作為輔證。
1. 本內容不構成投資建議。
2. 本人目前可能持有，且未來也可能持有文中提到的一些上市公司的股票或金融衍生品。

講者分析框架。

## 3. 黃仁勳的AI五層蛋糕

1分鐘。這是黃仁勳在黃仁勳公開演講中的演講的現場畫面，右下方是黃仁勳，背後是五層架構。畫面由下而上寫Energy、GPUs、Infrastructure、Models、Applications。2026年NVIDIA五層框架將芯片層概括為Chips：https://blogs.nvidia.com/blog/ai-5-layer-cake/ 。下一頁沿用較廣義的芯片分類，涵蓋GPU與專用芯片。今天用這張產業地圖追問：客戶付的錢，最後由誰賺走？五層都有需求，不代表五層中每家公司都能持續獲利。

來源：https://www.tomsguide.com/computing/live/nvidia-gtc-october-2025-live

## 4. 每一層，都有不同的生意

1分鐘。先從最上層的客戶需求講起，然後看基模和推理服務怎樣支持應用，最後往下追到芯片、機房和電力。我們主要從應用、模型API接入和交付的角度觀察市場。HolyCrab做模型與API聚合，目前聚焦影片生成，不把自己說成底座模型研發商。五層之間互相支撐，但產業鏈營收不能簡單相加，否則同一筆終端付款會重複計算。

來源：https://blogs.nvidia.com/blog/ai-5-layer-cake/

## 5. 我做產品，也組織AI社區

1分鐘。我是Bruce Huang，之前在微軟、阿里雲做平台相關工作，之後創業。我發起OpenClaw Asia，連接實際使用與搭建Agent的人；也創辦HolyCrab.ai，AI模型與API聚合平台，目前聚焦影片生成。左邊是2月ClawCon HK，中間是5月底在澳門威尼斯人舉辦的ClawCon Macao，右邊是HolyCrab的公開產品介面。我在社區看到人們怎樣開始用Agent，在產品中看到一次任務怎樣變成可交付成果。今天把兩邊的觀察放到商業和投資問題上。

來源：https://brucehuang.ai/talks/ai-ultra-agent-work-2026-09/

## 6. Agent從問問題走向交辦任務

2分鐘。沿用AI Ultra的Agent循環圖。一個目標交出去，Agent選擇工具執行，讀回環境結果，再決定下一步或回來求助。例如查到兩個相互矛盾的收入數字，它應繼續找原始披露，而不是直接挑一個。這裡的根據反饋調整，不是說模型每次都重新訓練。工具、檔案和可保存的進度構成工作環境；今天不展開Harness術語。人保留目標、權限與驗收責任。

來源：https://www.anthropic.com/engineering/building-effective-agents

## 7. 白領的重複工作 正在被重新定價

3分鐘。我的判斷：未來五至十年，標準化白領任務會大量自動化，部分初級崗位需求可能收縮。這是我的情景判斷。先看OpenAI內部Figure 3b：法務88%、招聘89%是各部門員工平均28日AI輸出token中Codex的份額，並非裁員率或工作時間。再看Sarah Friar在9月15日CNBC自述，單次信用核查從約200美元降到0.17美元；她同時說，人應轉向更複雜的工作。我的建議是從你每週一份可驗收的交付物開始：讓Agent做初稿，人核驗來源、處理例外與負責決策。
被問到才補充：這是前沿公司內部樣本；管理層未披露完整成本口徑，不能外推香港就業比例。

來源：https://openai.com/index/how-agents-are-transforming-work/ ; https://pressroom.versantmedia.com/cnbc/press-releases/cnbc-transcript-openai-cfo-sarah-friar-speaks-cnbcs-jim-cramer-mad-money-today ; https://arxiv.org/abs/2606.26959

## 8. 一份公司研究 可以交辦成完整任務

2分鐘。把AI Ultra的任務卡改成投資人熟悉的公開資料研究。不要只說幫我研究一家公司，要交代材料、問題、交付格式和核對方式。例如三份公告做一頁對比，每條事實附來源，缺的資料明確留空；收入和融資不能混用。Agent可搜尋、讀文件、做表格、追查矛盾和修改成果。人判斷來源可信度、商業假設和投資決策。本頁是教學流程，沒有聲稱一個已測量的客戶部署。

來源：https://brucehuang.ai/talks/ai-ultra-agent-work-2026-09/

## 9. 三類角色 在AI產業中創造不同價值

2分鐘。這是我在AI Ultra講的三類角色，今天用投資人的角度重新看。研究者證明新能力或效率，搭建者讓系統能執行、處理錯誤和驗收，業務使用者定義真正值得付錢的結果。一家公司可以跨幾層，不是嚴格分類。關鍵是它掌握的優勢在哪裡：模型、流程、行業資料、客戶入口或交付能力。不能因為使用了某個大模型，就認為所有價值都由底座公司獲得。

來源：https://brucehuang.ai/talks/ai-ultra-agent-work-2026-09/

## 10. Agent生意能否成立 要看完整交付成本

2分鐘。讓Agent工作更久，不一定創造更多價值，也可能只增加費用。看一次合格交付，包含模型調用、失敗重試、人工核驗和服務運營。訂閱、用量和按成果收費是可選模式，要看合同與客戶需求。真正重要的是高頻痛點、續費和全成本毛利。模型升級之後，產品是否仍有客户關係、流程整合、專屬資料與驗收標準？用這幾個問題接下一頁Genspark的具體成本案例。

講者分析框架。

## 11. Agent的成本 要按完成的工作算

3分鐘。Genspark使用MiniMax M3開放權重底座，與Fireworks合作後訓練Gen-1 Slides。200項真實任務、同一執行環境的公司自測，每套PPT模型调用成本0.44美元，對照Opus 5為4.16美元。不是完整研發、訓練或人工交付成本；不是獨立測評或所有任務的全面勝出。投資人應看任務頻率、客戶付費、留存和人工修改量。
MiniMax為港交所上市公司（0100.HK）；本頁僅轉述公開技術合作，不構成推薦。
圖只比較公司自測的模型調用支出，不表示相同質量下全成本低9.5倍。4.16/0.44約9.45。

來源：https://www.genspark.ai/blog/gen-1-slides ; https://www.hkex.com.hk/eng/market/sec_tradinfo/ds20260330.htm

## 12. 影片生成，接進真實工作場景

3分鐘。先播放已公開工作坊的AI概念廣告。這是生成效果示例，不是Apple官方廣告，也不代表已完成商業客戶委託。請觀眾想像自己擁有品牌、產品或渠道時會如何用它。分開模型API、製作交付、內容運營三種收入。生成費不等於可交付成片成本；重試、修改、人工後期都要計入。
我的產品判斷：影片生成要接進實際製作流程，關鍵在能否按需求修改並交付可用成片；這是產品取向，不是已量化的客戶留存或毛利結論。
先播放iPhone概念廣告，再播放我的日文自我介紹（約34秒）。後者是此前AI Ultra分享的本人日文介紹案例，用於展示跨語言溝通；不據此推斷製作模型或實際商業轉化。

來源：https://brucehuang.ai/talks/ai-ultra-video-workshop-2026-09/cli-review/#16 ; https://brucehuang.ai/talks/ai-ultra-agent-work-2026-09/

## 13. 字節的用量、收入與投入 要分開看

2分鐘。180萬億來自6月23日大会現場報道，是用量，不是收入，也不宜乘統一單價估算。Seedance有公開按量計價API，能證明收費機制。6月23日谭待指出市場流傳Seedance 2.0收入數字偏高，因此不採用月入10億元傳言。集团收入不等於AI收入；免費、自用和付費調用也不能混為一談。 今天看完應用需求，往下看模型和服務入口。

來源：https://www.yicai.com/news/103241988.html

## 14. Stripe 協議收購 OpenRouter

2分鐘。Stripe於8月19日宣布協議收購OpenRouter，官方未披露價格，本次未確認完成交割。OpenRouter提供跨模型接入、路由和計量。我的解讀：當模型供給增加，客戶入口與交易關係可能具有價值；這不是已披露的交易盈利預測。接下來看硬件公司為何投資模型生態。 金額採Reuters 2026年8月19日引述匿名知情人士口徑：略高於80億美元（slightly more than $8 billion），屬媒體報道而非官方確認。另有紐約時報75億美元口徑（IT之家8月20日轉述）；報道存在差異，不視為已核定成交價。

來源：https://stripe.com/newsroom/news/stripe-agrees-to-acquire-openrouter ; https://www.investing.com/news/stock-market-news/payments-firm-stripe-to-buy-ai-developer-platform-openrouter-4867997 ; https://www.ithome.com/0/991/918.htm

## 15. NVIDIA 宣布收購 Hugging Face

2分鐘。NVIDIA於9月3日公布收購Hugging Face，公告約129.3億美元。SEC將股東對價與留任安排分開，預期2027上半年完成。官方說明開放模型採用與硬件需求的聯繫，並承諾繼續支持其他算力供應商。不能說所有開放模型只能用NVIDIA。 下一個案例看開源底座如何支撐本地語言需求。

來源：https://blogs.nvidia.com/blog/nvidia-to-acquire-hugging-face/ ; https://www.sec.gov/Archives/edgar/data/1045810/000104581026000078/nvda-20260902.htm

## 16. 主權AI可以從 開源模型底座起步

2分鐘。9月3日HUMAIN宣布humain-m3，由其委託MiniMax開發交付，沿用MiniMax-M3譜系，使用超過1萬億阿拉伯語token繼續預訓練。當時為研究預覽，不能稱沙特政府已全面部署。模型研發地、服務供應商和部署所在地是不同概念。新聞未披露此項目收入或GPU採購合同。
這是開源底座本地化的案例；接下來討論能力擴散之後，競爭優勢留在哪裡。
MiniMax為港交所上市公司（0100.HK）；本頁僅轉述公開技術合作，不構成推薦。

來源：https://www.prnewswire.co.uk/news-releases/humain-unveils-humain-m3-a-frontier-arabic-language-model-developed-by-minimax-in-research-preview-on-humain-node-302869160.html ; https://www.hkex.com.hk/eng/market/sec_tradinfo/ds20260330.htm

## 17. 我的判斷：能力更快普及 交付能力更難複製

3分鐘。這就是我的判斷：部分模型能力的領先窗口在縮短，優勢正向客戶工作流、可靠交付，以及能按時供應的算力與能源延伸。對在座各位，值得問的是你掌握哪一種難以替代的交付能力。
蒸餾是用強模型的示範訓練另一個模型，能降低部分學習與試錯成本。DeepSeek-R1公開的蒸餾模型是技術實例；效果有任務邊界，並不保證全面追平。
格里菲斯大學助理教授、AI安全研究者劉藝在晚點2026年9月17日訪談中，提出模型創新、算力、基礎設施與能源的優勢演變觀點，與我的看法相呼應。這是輔證與討論，不是已驗證的必然順序。
被問到才補充：前沿公司仍可靠持續研發、數據與產品保持優勢；數據使用是否獲授權另行判斷，不推測特定公司。蒸餾可能降低單次算力消耗，總需求取決於新增工作量。下一頁看Token工廠如何承接這些需求。

來源：https://mp.weixin.qq.com/s/YmhvRJU6MlIVZ5eX2Cvs6Q
https://github.com/deepseek-ai/DeepSeek-R1
https://www.anthropic.com/news/detecting-and-preventing-distillation-attacks ; https://liuyi-academic.github.io/

## 18. Token工廠 已形成服務收入

3分鐘。Token在這裡是模型處理內容的計量單位，不是加密資產。Fireworks於7月15日自報年化收入運行率超過10億美元，同時宣布15.05億美元融資和175億美元估值。三個數字是不同口徑。运行率不等於過去12個月確認收入，也不證明盈利。看付費客戶、毛利、續約與客戶集中度。

來源：https://fireworks.ai/blog/series-d-announcement

## 19. Anthropic每賺1美元 要付多少算力費？

2分鐘。公開報道中的Q1算力成本佔收入71%，Q2當時預測56%。我的觀察是，市場已開始把模型公司當成有收入與成本結構的生意看，而不只看能力排名。這組比例指向盈利預期改善，下一頁會說明它與上游算力需求可以同時增長。
WSJ在2026年5月報道公司提供給投資者的預測；其公開摘要中的Q2收入預測為109億美元。71%與56%依該報道的公開轉述，未取得審計成本明細。56%保留當時預測口徑。被問到才補充：調整後營業利潤、淨利與自由現金流分開看；成本比例下降可來自效率、售價、產品組合或採購條件，需要進一步驗證。 圖上差額：每1美元收入，算力成本由0.71降至0.56美元，少花0.15美元；支付算力後餘額由0.29升至0.44美元，但仍需扣除研發、人員及其他費用，不能將其視為淨利潤。

來源：https://www.wsj.com/tech/ai/mind-blowing-growth-is-about-to-propel-anthropic-into-its-first-profitable-quarter-7edbf2f4 ; https://www.cnbc.com/2026/05/20/anthropic-revenue-explosive-growth-ipo-profitable-quarter.html ; https://finance.yahoo.com/sectors/technology/articles/anthropic-nears-first-quarterly-profit-120712552.html

## 20. 成本佔比下降 算力支出仍可能增加

1分半。計算：100×71%=71，150×56%=84，84/71-1=18.3%。模型公司留存比例改善，上游收到的算力費仍可能增加，兩者可以同時成立。前提是收入增幅足以抵消成本占比下降。這不是Anthropic季度支出的估計，不把此前56%預測與後續115億美元收入混算為已發生成本。算力服務支出也不等於當期芯片訂單，要經過雲廠商現有容量、利用率及新增投資決策。效率提升會減少單次任務所需資源，總工作量則可能增長。接下來看算力費究竟流向誰。
更清楚的判斷標準：收入增長超過71/56−1=26.7857%，算力絕對支出才會增加。收入增長20%時算力支出67.2，低於原來71；增長50%時為84。這是算力支出增減門檻，不是公司盈虧平衡點。

講者分析框架。

## 21. 算力訂單也會 在不同芯片之間分配

1分半。Anthropic官方4月6日公告說明使用AWS Trainium、Google TPU和NVIDIA GPU，並新增與Google及Broadcom的多GW下一代TPU容量合作，預計2027年起上線。這證明採購多元化，不能證明某平台帶來了71%至56%的全部改善。對半導體投資人，要區分工作量、每單位效率、采购價格和供應商份額。若模型公司財務改善，可能更有能力承擔長期算力合同；若收入不及預期或訓練成本反彈，擴張節奏可能調整。GPU、定制芯片及配套供應商的收入影響需要各自訂單證據，不能把模型公司的採購承諾當成全部當期設備收入。

來源：https://www.anthropic.com/news/google-broadcom-partnership-compute

## 22. AIDC的收入 始於能交付的合同

前面看字節的應用用量，這裡回到它支撐海外AI的算力融資安排。2分鐘。Reuters於9月4日報道字節296億美元貸款安排，當時即將簽署，知情人士稱支持海外AI，並指其是東南亞多個在建數據中心的容量購買方。這不是已提款、已支出或機房已確認收入。AIDC機房租賃、GPU租賃、模型API是三種生意，不能加總成三倍需求。評估合同、信用、電力交付、付費利用率、融資與折舊。

來源：https://www.marketscreener.com/news/bytedance-secures-29-6-billion-loan-in-ai-push-sources-say-ce785bdad189f22c

## 23. 電力能否按時接入 決定算力何時開始收錢

1分半。最後回到蛋糕最底層。NVIDIA五層框架把能源作為基礎：算力需要穩定供電。投資分析要查可交付的電力容量、接網與驗收時間、冷卻要求、電價條款，以及延誤由客戶、運營商還是承包商承擔。土地或機櫃數量不能取代按時通電與可用率。模型公司簽了算力合同，機房仍要完成交付才可能按條款起租。這一頁是評估框架，不指某一地區必然缺电，也不推薦個別能源股票。 回扣我的判斷：能力擴散很快，物理設施交付有建設週期。能按時供應的算力與能源更值得關注，但回報仍取決於合同、成本與利用率。圖為GTC Washington DC 2025舞台畫面：黃仁勳介紹Omniverse DSX，展示大型AI工廠園區及基礎設施合作夥伴。園區畫面是發布會方案示意，不代表已投產實景；合作夥伴標誌不等於訂單或收入。先請觀眾看園區及合作夥伴，再講供電、冷卻、工程交付。

來源：https://www.phaidra.ai/blog/phaidra-nvidia-ai-agents-for-gigawatt-scale-ai-factories

## 24. 我最想留下的三個認知

1分半。這是我今天的產業判斷，不是選股結論。對自己的工作，先拆出可以驗收的任務；對企業，關注客戶需求與交付能力；對產業，關注能按時供應的算力與能源。公開案例讓這些判斷有討論依據，但不把判斷包裝成已證明的定律，也不虛構HolyCrab客戶數、收入或留存。下一頁把財務與估值問題交給大家交流。

來源：講者產業判斷；依本場Agent、開源模型與基礎設施案例綜合

## 25. 誰在賺錢，怎樣看估值？ 留給大家一起交流

2分鐘交流起點。今天我分享的是一線從業者的觀察與認知。各位更熟悉財務和市場，我想把這些產業判斷與大家的財務視角接起來：哪些收入能持續？哪一層能保住毛利？價格已反映多少預期？這張表是討論線索，欢迎提出不同判断与具体案例。
2分鐘。把故事落回收入質量和估值。應用看留存與毛利，推理看單位成本和客戶集中度，GPU看訂單與更新週期，AIDC看合同、交付、負債與現金流。好產業不保證任何價格都有好回報。本頁是分析框架，沒有對個股作買賣建議，也未用未核驗股價圖製造因果。 回到開場五層：每層都要看其自身的收入和成本。好消息仍可能低於股價預期，不能把產業增長等同投資回報。

講者分析框架。

## 26. 送你一份AI體驗禮物

會後邀請：今天送大家《認知機器》一本，以及HolyCrab平台價值5美元的體驗金。歡迎來領，順便聊聊你想用AI解決的問題。加對外Profile可會後交流；PPT碼開啟本場演講及下載入口；Profile碼開啟公開個人介紹與連結。體驗金用於平台體驗，非現金或投資回報。兌換卡由現場領取，不展示照片中的單張卡片兌換碼。
1. 本內容不構成投資建議。
2. 本人目前可能持有，且未來也可能持有文中提到的一些上市公司的股票或金融衍生品。

來源：講者提供的贈書照片及現場贈禮說明（2026-09-18）

## 27. 活動免責聲明

活動內所載之資料、嘉賓分享、講座內容、市場觀點或任何第三方提供之資訊，均只屬一般性資料及 / 或相關人士之個人意見，不代表致富證券之立場，亦不應被視為投資建議或作為任何投資決策之依據。

致富證券不保證有關資料之準確性、完整性、可靠性或即時性，並不就因依賴該等資料而引致之任何損失或損害承擔任何責任。

活動內容僅供一般參考，並不構成、亦不應被視為任何證券、期貨、基金、結構性產品或其他投資產品之要約、招攬、邀請、建議、推薦或買賣任何投資產品之依據，亦不構成任何投資、法律、稅務、會計或其他專業意見。

投資涉及風險，投資產品價格可升亦可跌，過往表現並不代表未來表現。

任何人士在作出任何投資決定前，應充分了解相關投資產品之性質、風險、收費、法律、稅務及會計影響，並根據自身之財務狀況、投資目標、投資經驗及風險承受能力作出獨立判斷；如有需要，應諮詢獨立專業顧問意見。

本活動由致富證券有限公司提供，內容未經香港證券及期貨事務監察委員會審閱。

會後交流：左／上方對外Profile二維碼用於加Bruce好友；右／下方對外Profile為https://brucehuang.ai/#links，包含公開介紹、X與工作連結。個人對外Profile原圖由講者在PolyU會話提供，本次授權復用。
現場贈禮：《認知機器》一本及HolyCrab US$5平台體驗金。歡迎會後領取並交流。

來源：活動方提供之免責聲明

## 媒體

|檔案|權利人／來源|使用依據|
|---|---|---|
|stripe-openrouter.png|Stripe / OpenRouter；https://stripe.com/newsroom/news/stripe-agrees-to-acquire-openrouter|公告識別與評論，保留比例|
|iphone-duo-result.jpg / mp4|Bruce / HolyCrab；https://brucehuang.ai/talks/ai-ultra-video-workshop-2026-09/cli-review/#16|此前已公開的本人工作坊作品；AI概念廣告，非Apple官方廣告|

|openclaw-asia-hk-focused.jpg / clawcon-macao-focused.jpg / holycrab-video-generator-public.png|Bruce Huang / OpenClaw Asia / HolyCrab; https://brucehuang.ai/talks/ai-ultra-agent-work-2026-09/|使用者指定復用既有AI Ultra介紹頁素材|
|agent-loop.png|Anthropic; https://www.anthropic.com/engineering/building-effective-agents|官方Agent循環圖，注明來源教學解說|
|contact-qr.png|https://brucehuang.ai/|生成的公開網站QR|

|jensen-gtc2025-five-layers-stage.png|Tom’s Guide GTC 2025年10月現場報道；https://www.tomsguide.com/computing/live/nvidia-gtc-october-2025-live；原圖 https://cdn.mos.cms.futurecdn.net/etPUSnbTubGeXdnTpvXDrd.png|演講教學評論；1920×1080完整畫面，保留人物與全部標籤。2026-09-17核驗|

|codex-departments.png|OpenAI, Figure 3b, June 2026; https://openai.com/index/how-agents-are-transforming-work/|復用AI Ultra原始圖；保留坐標與圖例|
|profile-qr.png|https://brucehuang.ai/#links|公開Profile機讀碼|

|bruce-japanese-intro.mp4 / .jpg|Bruce提供；復用AI Ultra日文自我介紹 https://brucehuang.ai/talks/ai-ultra-agent-work-2026-09/|本人此前公開案例，約34秒|
|gtc-dsx-campus.png|GTC Washington DC 2025舞台；Phaidra https://www.phaidra.ai/blog/phaidra-nvidia-ai-agents-for-gigawatt-scale-ai-factories|教學評論；保留黃仁勳、園區圖及全部合作夥伴標誌|
|chart-genspark.png / chart-anthropic.png / chart-threshold.png|依对应页來源与假設算例重製|PPT中為可編輯原生圖表|

|gift-book.jpg|講者提供的《認知機器》實拍照片，2026-09-18|現場贈禮說明；未公開單張卡片兌換碼|
|deck-qr.png|https://brucehuang.ai/talks/chief-securities-ai-talk-2026-09-18/|本場演講及PPT下載入口|

|nvidia-huggingface.png|NVIDIA官方收購公告 https://blogs.nvidia.com/blog/nvidia-to-acquire-hugging-face/ |公告原圖，保留比例及雙方標誌；教學評論|