每次 Nvidia 或 Apple 的市值再創新高，社群媒體就會出現兩個陣營對罵：「泡沫！」vs「你不懂 AI！」這種爭論從來都不會有結果。
More...
此文章授權《東方日報》與 2026年3月5日《理財開路》專欄刊出，此篇原文收錄了報章版本以外更多的補充分析與個人觀點。東方日報文章連結在此。
老蕭是馬來西亞理財規劃師協會（FPAM）及投資經理聯合會（FIMM）的認證會員，身兼單位信託顧問、私人退休金顧問、理財部落客的斜槓一族，擁有國際認證高級理財顧問（CFP TM）資格。
為什麼損益兩平營收估值法，比 PE 更能終結爭論？
被譽為「估值之父」的紐約大學金融系教授亞斯華斯 · 達摩德仁（Aswath Damodaran），提出了一個更有效的切入點：先不問「這家公司值不值這個市值」，而是反問「它每年需要賺多少錢，才能讓這個市值說得過去？」
這個工具叫做損益兩平營收估值法（Breakeven Revenue），是老蕭讀完達摩德仁教授 2025 年 11 月的文章後，認為比 PE 本益比更直觀、更能對抗信仰式爭論的估值思維。以下是老蕭的拆解筆記。
一百年的市值冠軍，說明了一件事
達摩德仁教授整理了過去一個世紀，突破每個市值里程碑的公司：
- 1901 年：美國鋼鐵（US Steel），市值首破 10 億美元，比當年聯邦預算還大三倍
- 1955 年：通用汽車（GM），市值達 100 億美元
- 1999 年：微軟（Microsoft），網路泡沫高峰，市值破 5000 億美元
- 2018～2022 年：蘋果（Apple），連續突破 1 兆、2 兆、3 兆美元
- 2024～2025 年：Nvidia，先破 4 兆，再破 5 兆美元
1901 至 2025 年全球市值里程碑歷史數據表：從美國鋼鐵突破 10 億美元，到 Nvidia 於 2025 年突破 5 兆美元，包含各公司營收、成長率與淨利潤對比
這張時間表最值得注意的不是數字，而是一個結構性轉變：榜首從老牌、低成長的工業巨頭，換成了年輕、高成長的科技公司。Nvidia 在 2025 年突破 5 兆美元時，只有 32 歲，前一年的營收成長率高達 59%。美國鋼鐵當年突破 10 億時，公司才 1 歲。
這說明市場願意為「成長」付出的溢價，在過去一百年間愈來愈高。
別吵它「值不值」，先算「需要賺多少」
用珍奶店理解「損益兩平營收」的核心邏輯
想像你花1,000 萬令吉買下了你家家巷口的奶茶店。
朋友問你：「這家店值 1,000 萬嗎？」
你可以跟他吵估值理論，也可以換一個更務實的問法：「這家店每年至少要賣出多少杯珍奶、賺多少淨利，才能讓我這 1,000 萬花得值得？」
算出來的那個「年度淨利門檻」，換算回去就是「損益兩平營收」（Breakeven Revenue）。
Nvidia 5 兆市值的損益兩平計算實例
達摩德仁教授把這套邏輯套用在 Nvidia 的 5 兆美元市值上：
- Nvidia 過去 12 個月淨利率高達 53%
- 過去五年平均股東權益報酬率（ROE）約 64%
- 假設股權資金成本（Cost of equity） 8%（與標普 500 隱含回報率一致）、成長率 4%、通膨率預期為 2.5%
結論：Nvidia 必須達到約 4,834 億美元的年營收，才能在數學上撐住這個市值。
以上是達摩德仁教授引用於 2025 年 11 月的數據
若考量投資人還需要等待五年才能收到穩定現金流，這個門檻會上升到約 6,780 億美元（期間投資人獲得 2% 的股息）。
相比之下，若換成一家低利潤公司（淨利率 5%、ROE 10%），要支撐同樣的 5 兆市值，需要的是 8 兆美元的年營收，幾乎是整個美國科技業的規模。
這就是為什麼「高價不等於高估」（Highly Priced ≠ Overpriced）。 Nvidia 的高市值，有一部份是它超凡利潤率的數學回報，不是純粹的信仰或泡沫，因為高利潤 = 用更少的營收支撐更高的市值。
算出目標之後，再用 3P 測試過濾一遍
算出損益兩平營收只是第一步。下一個問題是：這個數字，現實上辦得到嗎？
達摩德仁教授提出 3P 測試（不是《3P備忘錄》 
）：
達摩德仁教授 3P 估值測試框架圖：從 Possible（市場夠大）到 Plausible（商業邏輯說得通）到 Probable（競爭環境下可達成）
Possible（可能）
市場夠不夠大？
珍奶比喻：你說你的店一年要賣 1 億杯，馬來西亞才 3,500 萬人，就算每個人每天喝一杯也不夠，這是「不可能」。
同樣地，若一家公司的損益兩平營收超過了它所在市場的總規模，這個定價就是相對合理的。例如 Nvidia 需要 5,900 億美元的年營收（2030 年目標），AI 晶片市場夠大嗎？目前看起來還在可能的範圍內。
Plausible（說得通）
商業邏輯合理嗎？
珍奶比喻：你說一杯利潤 90%，物理上可能，但若是真的，幾天內你店對面就會開三家店來進行削價競爭不是嗎？所以這在商業邏輯上說不通。一家公司若要在快速成長的同時維持超高利潤率，需要有很強的護城河，否則這個預設就「說不通」。
Tesla 的情況就屬於這個困境：若淨利率維持在 5.3%，損益兩平營收需要高達 2.2 兆美元，這幾乎挑戰了「可能」的極限，更別說「說得通」。
這也是為什麼老蕭作為 Tesla 創新思維的粉絲，成為 Tesla 的車主，但卻從來也沒有買如果 Tesla 的個股。
Probable（很可能）
考量競爭環境，真的能達成嗎？
Nvidia 在 Possible 和 Plausible 都過關，但 Probable 這關才是真正的硬仗：AMD、Google TPU、Amazon Trainium 都在追，Nvidia 最大的客戶同時也在自研晶片，這對利潤的壓力，是實質的逆風。
最危險的幻覺：每個人都以為自己會拿全班第一
這是整篇文章老蕭認為最精闢的概念。
班級比喻：班上有 10 個學生，每個人都跟爸媽保證期末考會拿「全班第一」。單看每個學生的計畫——認真讀書、補習，都覺得「說得通」。但把 10 個人加在一起，全班第一永遠只有一個。這就是「大市場錯覺」（Big Market Delusion）。
達摩德仁教授把這套邏輯套用在目前的 人工智能/大型語言模型（AI/LLM） 市場上，數字非常驚人：
公司 | 估值 | 過去 12 個月營收 | 估值/營收倍數 |
|---|---|---|---|
OpenAI (ChatGPT) | 5,000 億美元 | 130 億美元 | 約 38 倍 |
Anthropic (Claude) | 3,500 億美元 | 70 億美元 | 約 50 倍 |
xAI (Grok) | 2,300 億美元 | 32 億美元 | 約 72 倍 |
OpenAI, Anthropic, xAI 估值與營收對比表，大市場錯覺示意
把 Alphabet（Gemini）、Meta（Llama）、Amazon（Nova）、Deepseek 全部加進來，LLM 的整體估值超過 1.5 兆美元，但所有玩家的總營收加起來還不到 1,000 億美元。
每一個投資人都相信自己押注的那家會吃下 50% 的市佔率，但加總起來是 300% 的市佔率。市場根本沒有這麼大。
老蕭的四點延伸思考
達摩德仁教授的模型邏輯嚴密，數學正確，但老蕭讀完之後，有三個地方覺得值得更深一層思考。
一、「永恆利潤率」是最危險的靜態假設
達摩德仁教授的核心公式，是一個「單階段穩態模型」，意思是它假設 Nvidia 可以在無限期內維持 53% 的淨利率與 64% 的 ROE。
現實是：資本主義的引力叫做「均值回歸」。
一旦 AMD 追上來、Google TPU 成熟、各大科技巨頭的自研晶片上量，Nvidia 的定價權就會受到擠壓。假設淨利率從 53% 均值回歸到硬體業已經算極好的 30%，損益兩平營收就不再是 4,834 億美元，而是直接翻倍突破 1 兆美元。
這個模型對「利潤率」的敏感度極高。用歷史最高利潤率直接代入永續公式，是這個工具最需要使用者謹慎的地方。
二、AI 重資產的資本支出黑洞被低估
公式裡有一個「再投資率」（g/ROE）的變數，在 1999 年微軟這種輕資產軟體公司的年代，這個假設很合理。
但 AI 是一個極度重資產的產業。不管是 Nvidia 的客戶，還是 OpenAI、Anthropic 這些 LLM 巨頭，都在進行天文數字級別的 GPU 基礎設施建置。
關鍵問題是：這些 GPU 叢集的技術迭代速度極快。今天投入的硬體，三到五年後可能就已落伍，需要大規模折舊攤提。目前財報上的高利潤，有一部分是「尚未完全反映的資產折舊」所帶來的時間差幻象。
這個 CapEx （營運支出）黑洞，在靜態的損益兩平模型裡，是看不到的。
三、被動 ETF 改變了定價規則，模型邊界需重設
達摩德仁教授設定的股權資金成本是 8%。這個數字本身沒問題，但它忽略了一個過去十年才出現的結構性力量：被動型 ETF 的主導地位。
當 SPY、QQQ 這類指數型 ETF 佔據了市場多數資金，每一塊新流入股市的錢，都會無腦按市值比例買入 Mag Seven。這種機制人為壓低了這些巨頭的實際資金成本，讓它們享有了一種「流動性溢價」（Liquidity Premium）。
換句話說，市場能夠長期容忍達摩德仁教授口中「說不通」（Implausible）的估值，部份原因正是因為現代資本市場的結構已經和達摩德仁教授的模型所假設的年代不同了。這不是說模型是錯的，而是說使用者需要意識到這個「外力加成」的存在。
根據 TDSecurities 的數據，2026 年 ETF（包含被動型主導）佔美股日均名義成交量的比例已升至 32%，過去五年平均為 28%，被動型 ETF 流入佔總 ETF 43%
四、對創辦人強人治理的深刻不信任是否合理？
達摩德仁教授嚴厲批評了由創辦人把持的同股不同權結構，將 Sam Altman 與 Elon Musk 形容為不受制衡的「皇帝」（Emperors） 。這其實反映了傳統華爾街對「標準化公司治理與董事會制衡」的偏好，但刻意忽略了在需要快速迭代與極端承擔風險的破壞式創新領域，強人型創辦人及 CEO 往往是這些企業能殺出重圍的關鍵溢價來源。
如果Sam Altman 與 Elon Musk 等人成功實現了 AGI（通用人工智慧），傳統的「股東權益報酬率」也許將失去意義，因為利潤可能不會以現金形式發放，而是轉化為對全球運算的絕對控制權。我們現有的金融模型將無法衡量這種「奇異點級」的資產。
結語：好模型，但要知道邊界在哪裡
達摩德仁教授在他的文章末段說：「如果你來這篇文章是期待一個確定答案，你可能會失望。但我希望你用這個損益兩平試算表來幫助你自己做判斷。」
老蕭非常認同這句話，也想在上面加一層：
模型/工具的價值，在於讓爭論變得可以被數據檢驗。損益兩平營收的最大貢獻，不是給你一個「買」或「不買」的答案，而是把「AI 會改變世界」這種信仰式的說法，轉換成一個可以被現實數字不斷修正的假設。
但每一個工具都有它的邊界。達摩德仁教授的模型假設了靜態利潤率、輕資產再投資邏輯、以及不受結構性資金扭曲的市場。這三個前提在 2025 年的 AI 時代，都值得被重新審視。
知道模型能做什麼，更要知道模型做不到什麼。這才是真正的投資素養。
**本文為擁有 CFP 資格的理財教育工作者老蕭的個人閱後筆記，內容僅供教育與資訊分享，不構成任何投資建議。投資涉及風險，請自行評估並諮詢持牌財務顧問。
延伸閱讀 ｜ Aswath Damodaran 原文： Trillion Dollar Market Caps: Fairy Tale Pricing or Business Marvels?