google財報亮眼

感覺每三個月或每半年 主題又重新回圈 這些落地裡面 大眾認知比較少注意就是To-B

就是垂直AI應用層發展

以法律來說 法律事務所 entry-level職缺大量砍 而Harvey這家公司 今年ARR已經破300M**Disclaimer 第一句敘述過於個人主端臆測 細節參照這

https://chatgpt.com/share/6a629191-550c-83ea-8…

醫療底下 這個是最沒效率錢坑 光是電話醫療約這塊就養活Elise AI

這家新創今年營收已經破了200M ARR 他是從房地產虛擬專員起家

https://www.mg21.com/eliseai.html

你自己算一算多少產業會被這家公司影響

你想知道現在語音服務AI進展 參照OpenAI GPT-live-alpha模型 我測過

這玩意跟真人沒啥兩樣了 他是基於full-duplex設計 完全沒延遲 所有客服都可以死去

前陣子在我去參加Databrick 的AI Summit 在裡面遇到Kaiser科技人員(醫療保險業)他說他們IT部門全部let go 因為採用了Databrikc AI Agent方案 許多人力需求下降

那設計領域公司(上市了) Figma 他們營收還在成長 也開始自己建立模型

Figma跟Cursor很像 都是走通一個營業模式 然後被人類學抄走 直接胖揍

自動化IT公司serval 讓一兩個人類主管就能幫你打造IT管理 這故事我講過N次

https://www.ptt.cc/bbs/Stock/M.1765648618.A.1D…

電影業更是慘不忍睹 現在一堆10人 studio就可以取代以前1000人公司的movie studio搭配AI 對岸已經搞出AI演員了 一堆演員龍通失業 AI影片發展更是誇張

Netflix採用AI影片也只是遲早的事情

垂直AI這個競爭對手就是人類員工 以前人類教印度外包 現在只是人類教AI

數學領域最近都很夯用AI tool幫忙證明

多虧此 整個舊金山房地產火箭大爆升 一堆屋主寧願收御二家員工股票 而不是收現金賣房

然後多虧對岸開源 從Qwen到Kimi 現在新創終於有機會回去跟御二家在垂直AI打架

比方說Figma 最近開始要跟人類學打架了

AI如果要泡沫 就是垂直AI和應用領域大爆炸 證明無法取代人類

--

上面我打得一堆公司 都是用狗家雲方案 那些營收從來不是從每個月20美金或免費仔而是專業從眾人員 等哪天token價值比該國人類最低時薪低 就是領域屠殺

現在token價錢是比美國人便宜 但還沒比台灣人便宜

而token價錢就是記憶體 算力 資料中心 進展

以前已經貼過了 資料中心就是一個世代國家之間競爭

https://www.ptt.cc/bbs/Stock/M.1739774611.A.96…

這麼快，就是這些數據太多了，而且標準明確所以容易訓練獲得結果。但帶來的衝擊也是很明顯的，這就不多贅述了

3. 長期 2027 年，我看完財報比較有懷疑的是 gemini enterprise 80% 的增長到底是怎麼來的。按照我所知的很多企業自己怎麼用 AI 都搞不清楚。連數據都亂七八糟的就算喂進去不管模型多聰明效果也有限。有玩notebooklm 的人應該能理解我在說什麼。有人說 LLM 可以拿來做很多東西啊，比如翻譯、比如 RAG 還有很多東西。但目前 google除了在 gmail（幫我搜 email 總結內容）、google worksuit（幫我做 ppt） 、搜索的ai overview 幫我做總結意外，在消費級的體感上並沒有爆炸性的突破。

長期不認為賣 token 是一個好生意，這個模式到最後就是比誰最好最便宜。跟電商的多快好省差不多邏輯。習慣賺高毛利的互聯網公司不會長期做這件事情

結論

Google 如果沒出什麼黑天鵝要輸的機率不大。他是目前牌桌上少數有技術、有數據（幾乎全世界的 search query）、有錢（廣告跟 GCP 現金流）、有硬體（TPU）的公司。如果這些辦法除了搞 gemini 賣 token 以外再做出什麼面向消費者的 killer application 估計也幾個人能搞出來了。

如果上述被證明屬實等於變相證明 LLM 是個看起來華麗但沒辦法對廣大消費者造成改變並帶來業務增量的技術。這樣 mega7 是否會願意繼續付錢？nvda 是否能繼續獲得訂單？這整個擊鼓傳花的資本敘事是否能繼續？

—- 以下是題外話

AI 的定義很廣，被新聞媒體用爛了

沒 chatgpt 之前的搜索引擎、ranking、matching、語意理解這些也屬於 AI 領域的範疇，現在很多人的 AI = LLM 這樣理解也是有偏頗的。

coding agent 只是讓寫程式的演變

第一代人寫組合語言到機器碼執行

第二代人寫程式語言透過 compiler/interpreter 轉到機器碼執行

第三代人利用自然語言透過 LLM 寫程式語言透過 compiler/interpreter 轉到機器碼執行

轉譯越來越多不一定是好事情，但第三代成本低可以 24 小時運作，完成事情的邊際成本降低，這樣就變成工業化的形式

另外一個是利用 LLM 產電商產品圖、文案、內容從廠商的角度看起來很棒，但最後還是要?真人買單才能轉成 GMV。如果大眾天然對模型做的內容反感，那這些所謂的「增效」是否真的有用？

有人會舉之前工業化前的商品作為例子，但核心區別在一個是摸的到的實體工業化產出，而這波是看不到摸不著成本更低規模更大的產出。我認為越多內容垃圾，會降低整體人類跟模型的智力

--

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 1.160.117.39 (臺灣)

※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1784842068.A.B1…

※ 編輯: jyuny1 (1.160.117.39 臺灣), 07/24/2026 05:32:08

※ 編輯: jyuny1 (1.160.117.39 臺灣), 07/24/2026 05:34:47

--