產業洞察 · 2026-11-11 · Aiden|首席酒保

AI 淘汰賽開始了:Token 越便宜,誰還有本錢留在牌桌上?

從 OpenAI、Anthropic、Google 到 SpaceX,當 AI 競賽遇上資本、電力與政治限制,真正的勝負不再只是模型能力。

一條發光的金線依序為一排香檳杯斟酒,左邊的杯子斟滿,愈往右酒液愈淺、杯子愈空,金線在中途斷開

一、AI 的酒還沒喝完,但能留在牌桌上的人,可能愈來愈少

10 月底,我在〈AI 用得越多,誰卻賺不到錢?〉一文中,提出一個問題:

如果 AI 使用量持續暴增、Token 價格卻不斷下降,那麼投入龐大資本建設算力的企業,真的都能賺到錢嗎?

當時的判斷是,AI 技術成功,不代表每一家 AI 公司都能獲得合理的投資報酬〔1〕。

短短兩週後,最新財報、Anthropic 的 IPO 文件,以及美國期中選舉後的資料中心政策變化,讓這個問題又往前推進了一步。

我開始認為,AI 產業可能正從最初的百花齊放,逐漸進入一場真正的淘汰賽。

但這場淘汰賽,並不是模型排行榜上的第一名擊敗第二名。

真正決定誰能繼續留在市場上的,可能是誰有足夠的資本、便宜的算力、穩定的電力、可持續的客戶收入,以及承受長期投資的能力。

而且,這場淘汰賽還有一個十分特殊的地方。

AI 使用者可能持續增加,技術也可能進步得愈來愈快。

但提供 AI 服務的企業,卻不一定能全部存活下來。

讀前提醒: 本文延續前文的研究評論。財務資料截至 2026 年第三季;OpenAI 的數據來自投資人資料的媒體報導,不等同於經審計財報。各公司營收、資本支出與自由現金流口徑不同,不宜直接加總為 AI 產業總市場規模。本文所稱「淘汰賽」是待持續驗證的產業結構假說,不代表已確認大規模倒閉、全面過度投資,或某家企業將退出市場。

二、營收創新高,卻未必代表財務競賽愈來愈輕鬆

先看最新的財務證據。

2026 年第三季,Microsoft Azure 營收年增 48%〔2〕,Amazon AWS 成長 39.3%〔4〕,Google Cloud 更成長 103%〔3〕。

這些數字說明,企業對雲端及 AI 基礎設施的需求仍然強勁。當然,雲端營收包含非 AI 業務,Google Cloud 的高速成長也包括 TPU 系統銷售,不能把全部成長都歸因於生成式 AI。

橫條圖:2026 年第三季 Azure 年增 48%、AWS 年增 39.3%、Google Cloud 年增 103%
2026 年第三季三大雲端業務營收年增率。需求確實存在;雲端營收含非 AI 業務,Google Cloud 亦含 TPU 系統銷售〔2〕〔3〕〔4〕。

但需求確實存在。

問題在於,需求的成長速度,是否足以支撐更龐大的資本投入?

Amazon 在最新財報中揭露,截至 2026 年第三季的過去十二個月,營業現金流約 1,683 億美元,自由現金流卻為負 424 億美元〔4〕。

Google 單季的營業現金流約 423 億美元,資本支出約 514 億美元〔3〕。

Meta 同季也出現約 21 億美元的負自由現金流〔5〕。

Microsoft 仍保有約 186 億美元的季度正自由現金流,但同樣正在進行大規模資本投資〔2〕。

Alphabet 單季營業現金流 423 億美元、資本支出 514 億美元;Microsoft 自由現金流正 186 億、Meta 負 21 億、Amazon 過去十二個月負 424 億美元
四家大型平台的現金流與資本支出。各家期間與口徑不同(單季或過去十二個月),圖中數字不可直接加總〔2〕〔3〕〔4〕〔5〕。

這幾家公司並不是沒有獲利能力。

相反地,它們擁有全球最成熟的雲端、軟體、廣告和電子商務業務。

連這些企業,都必須在龐大的 AI 投資與自由現金流之間重新取得平衡,那麼缺乏成熟現金流的新創 AI 公司,又該如何競爭?

11 月 10 日,OpenAI 的投資人財務資料又提供了一個對照。

據《華爾街日報》及 Reuters 報導,OpenAI 第三季營收約 100 億美元,季增約 50%,但調整後營業虧損約 109 億美元〔8〕。

另一方面,Anthropic 的最新 IPO 招股書顯示,第三季營收約 169.6 億美元,調整後營業利益率為正 15%〔6〕。

第三季營收:OpenAI 約 100 億美元,Anthropic 約 169.6 億美元;OpenAI 調整後營業虧損約 109 億美元,Anthropic 調整後營業利益率正 15%
兩家前沿模型公司的第三季:營收與調整後營運表現。OpenAI 數據來自媒體報導的投資人資料,兩家的收入認列、成本分類與調整項目並不一致〔6〕〔8〕。

這兩個數字不能直接當成完全相同的會計比較。兩家公司的收入認列、成本分類和調整項目並不一致;Anthropic 的 GAAP 營業損益也尚未持續轉正。

但它們至少說明一件事:

前沿 AI 模型公司的商業模式,已經開始出現值得重視的營運效率差距。

而當資本市場開始要求企業證明獲利能力,這些差距就不再只是財務報表上的小數字。

它可能開始影響下一輪募資成本、估值,以及未來能取得多少算力。

三、模型正在商品化,但參加前沿模型競賽的門票卻愈來愈貴

這裡出現了 AI 產業最矛盾的地方。

從使用者角度看,AI 正在變得愈來愈便宜。

模型能力提升、開放權重模型進步、推論效率改善,讓企業可以用更少的錢,完成過去需要昂貴前沿模型才能處理的工作。

對使用者來說,這是好消息。

但對試圖維持最頂尖模型能力的企業而言,競爭卻可能完全相反。

模型訓練、研究團隊、資料中心、GPU、HBM、電力、網路以及推論服務,都需要持續投入。

而且,對手不會停止投資。

當一家企業推出更強的模型,競爭者便面臨一個選擇:投入更多資本追趕,或逐漸失去領先模型市場的定價權。

從個別企業的角度來看,持續投入可能完全合理。

但當所有企業都這麼做,就可能再次出現上篇文章提到的問題:每一家企業都在理性地追求競爭優勢,整個產業卻可能因此投入超過合理報酬所能支持的資本。

更有意思的是,模型能力差距可能縮小,競爭者之間的資本實力差距卻在擴大。

未來的前沿 AI 模型市場,未必需要幾十家企業各自訓練世界級模型。

市場可能逐漸形成少數擁有完整算力、資金和分發能力的巨型平台,以及大量使用這些平台或開放模型開發服務的企業。

換句話說,AI 的創新可能繼續百花齊放,但最昂貴的基礎模型競賽,參賽者可能逐漸減少。

這並不是說小公司沒有機會。

只是它們的機會,可能不再是用有限的資本複製下一個 OpenAI。

而是尋找比大型模型公司更容易建立持續競爭優勢的市場。

四、Google、Microsoft、Amazon 和 Meta,正在改變競賽規則

如果說 OpenAI 和 Anthropic 代表前沿模型公司的競爭,那麼 Google、Microsoft、Amazon 和 Meta,則呈現出另一種模式。

它們不需要單靠 AI 模型本身賺錢。

  • Google 可以把 AI 整合進搜尋、廣告、雲端與企業服務。
  • Microsoft 可以把 AI 嵌入 Azure、Office、GitHub 和整個企業軟體體系。
  • Amazon 可以透過 AWS 出售算力及相關服務,同時利用 AI 改善零售、物流和廣告。
  • Meta 則已經在廣告推薦、使用者參與和營收貨幣化上,觀察到 AI 帶來的實際效益。

這些企業即使某一項模型產品的獲利不如預期,也不代表所有 AI 投資都失去價值。

它們可以把 AI 當成強化既有商業模式的工具。

更重要的是,它們擁有數以億計的使用者、成熟的企業客戶、支付管道,以及龐大的營運現金流。

這使得競爭開始出現不同的層次。

一家公司可能訓練出非常好的模型,卻必須花費大量資金取得新客戶。

另一家公司即使沒有最強的模型,也可能因為 AI 已整合在客戶每天使用的軟體中,而擁有更穩定的營收來源。

真正的競爭優勢,逐漸從單純的模型能力,擴展到整個商業系統。

不過,巨型平台也不是沒有風險。

Google、Microsoft、Amazon、Meta 的資本支出正在快速提高。即使 AI 可以強化既有業務,這些投資是否能在未來幾年創造超過資本成本的新增利潤,仍然需要驗證。

這裡不能把「有錢可以繼續投資」,直接等同於「投資一定可以回本」。

但它確實讓大型平台擁有比高度依賴下一輪融資的企業更大的財務緩衝。

而當競爭逐漸從技術能力轉向資本承受能力,這種緩衝就可能形成重要差異。

五、SpaceX/xAI:另一種競爭方式,直接把模型、算力和基礎設施整合起來

SpaceX 與 xAI 的整合,提供了第三種值得觀察的產業發展方向。

根據 SpaceX 最新財報,2026 年第三季 Super Intelligence 部門的營收已達約 75.6 億美元,單季 GAAP 營業利益約 4.31 億美元〔7〕。

但同一季度,該部門的資本支出約 164 億美元,遠高於當期營收〔7〕。

Super Intelligence 部門第三季營收約 75.6 億美元、資本支出約 164 億美元、GAAP 營業利益約 4.31 億美元
SpaceX Super Intelligence 部門 2026 年第三季:營收、資本支出與 GAAP 營業利益〔7〕。

這代表它雖已開始出現營業獲利,仍然處於極為資本密集的擴張階段。

SpaceX 的模式並不只是出售 Grok。

它試圖把 AI 模型、應用、資料中心、算力服務與其他基礎設施,整合在同一個企業體系之中。

這種模式的吸引力,在於企業可以控制更多供應鏈環節,減少對外部算力供應商的依賴。

但代價也相當清楚。

如果投入的算力無法持續轉化為客戶收入,巨額資產就會變成自己的財務負擔。

因此,未來 AI 產業可能出現幾種不同的競爭模式。

有些企業擅長製造模型,有些擅長提供雲端平台,有些則透過垂直整合控制更多資源。

這些模式未必有單一贏家。

真正的差別,在於哪一種資本結構能夠支持長期競爭,又不會因為技術更新太快而侵蝕原先預期的報酬。

六、美國期中選舉,讓資料中心第一次成為更明顯的政治風險

前一篇文章曾經討論 Dark GPUs。

也就是晶片已經採購,卻因為電力與資料中心尚未準備完成,而無法及時投入營運的情況。

現在,這個問題又多了一個新的變數。

2026 年 11 月 3 日,美國期中選舉期間,多個地方政府將資料中心開發限制交付選民表決。

根據 Ballotpedia 統計,41 項相關地方投票案中,有 40 項的結果傾向限制資料中心開發,或拒絕有利開發的提案。

其中,27 項通過限制或反對措施,另有 13 項否決促進開發的提案〔9〕。

41 項資料中心地方投票案:27 項通過限制或反對措施,13 項否決促進開發的提案,其餘 1 項
2026 年 11 月 3 日 41 項資料中心相關地方投票案的結果分布(Ballotpedia 統計)〔9〕。

這不代表美國已經實施全國性的資料中心禁令。

但它顯示了一個重要改變:

AI 資料中心不再只是科技公司與電力業者之間的商業決定,也逐漸成為地方居民、電費負擔、供水、土地使用與公共政策的問題。

民主黨在本次選舉取得新的國會政治優勢,增加了未來監管議題受到討論的可能性。但地方限制並非單一政黨現象,也不能直接假設所有資料中心都會因選舉結果延後。

真正值得關注的,是電力許可、土地使用、地方同意與融資成本開始同時限制資料中心的建置速度。

這會產生一個非常值得思考的結果。

假設 AI 需求持續增加,但新資料中心因為電網接入或地方審查延後一年。

已經取得電力、設備並能正常營運的算力供應商,短期反而可能受惠於供給緊張。

但還在建設中的企業,則可能開始承擔更長的建設期利息、更慢的營收實現,以及設備提前老化的風險。

而且,這與 2000 年的光纖問題又有不同。

當年的 Dark Fiber,部分原因是供給建設超過需求。

今天的 Dark GPUs,卻可能是需求已經存在,但設備與電力無法及時配合。

真正的風險不是只有算力過剩,也可能是算力投入的時間與客戶付費的時間,出現愈來愈難以承受的落差。

七、真正的淘汰賽,可能先從金融市場開始

當我們把最新財報、模型競爭與資料中心限制放在一起,就會發現 AI 產業正在形成一個更加複雜的資金循環。

1. 科技巨頭投資 AI 模型公司。 2. 模型公司向雲端供應商採購算力。 3. 雲端商向 GPU、記憶體與設備商採購硬體。 4. 資料中心業者利用長期租約、融資租賃、公司債和私募信貸取得資金。

在需求快速成長時,這個循環可以運作得非常順利。

但有一個問題不能忽略。

一條供應鏈上的多家公司都可能認列收入,不代表最終使用 AI 的企業與消費者,已經支付了同樣龐大的新增金額。

例如,同一個企業客戶支付的 AI 服務費,可能依序支持模型公司營收、雲端算力收入,以及上游硬體投資。

這些交易都可能真實且合理。

但如果把它們全部相加,就可能重複計算最終需求。

更重要的是,這個循環部分依靠外部融資支持。

當資本市場願意提供資金,AI 公司便可以根據未來需求預期持續擴張。

但如果未來收入沒有按照原先速度實現,金融市場可能開始要求更高的報酬。

  • 股權募資變貴。
  • 信用利差擴大。
  • 資料中心的融資條件收緊。
  • 部分開發商延後新案。
  • 最後才傳導到 GPU、記憶體、先進封裝與其他設備供應商的新增訂單。

而且,這一切可能在 AI Token 使用量繼續創新高的情況下發生。

金融市場不需要等待 AI 技術失敗,才會要求企業停止無法回收成本的投資。

這也意味著,真正先被迫退出市場的,未必是模型能力最差的公司。

反而可能是融資期限較短、客戶集中度較高、現金流不足,或正在興建大量尚未投入營運資料中心的企業。

在這樣的環境中,技術領先仍然重要。

但能否活到技術真正普及並開始大規模獲利,可能同樣重要。

八、淘汰賽的另一面:應用市場反而可能迎來真正的百花齊放

看到這裡,很容易認為 AI 產業正在進入一個只剩少數巨型企業的時代。

但我認為,這個結論可能只對了一半。

基礎模型與大規模算力供應可能逐漸集中,不代表所有 AI 應用都會被少數企業壟斷。

事實上,兩者甚至可能同時朝相反方向發展。

當模型變得愈來愈便宜、能力差異縮小,開發 AI 應用的成本也可能持續下降。

原本只有大型科技公司負擔得起的能力,逐漸進入中小企業、個人開發者及各種專業服務領域。

例如法律、會計、醫療、智慧財產、金融研究與企業內部管理,都可能出現新的 AI 原生服務模式。

這些服務不一定需要自己訓練最強大的模型。

它們可能更需要深厚的產業知識、專業資料、工作流程整合、客戶信任與責任承擔能力。

AI 模型負責理解和生成資訊。

但專業服務仍然需要有人確認結果正確、證據完整、法律責任清楚,以及決策符合客戶需求。

因此,當底層模型逐漸商品化,真正難以被取代的價值,可能轉移到能夠把 AI 變成可靠工作成果的企業。

不過,應用市場的進入門檻下降,也表示競爭可能更加激烈。

不是每一家使用 AI 的公司,都能因此建立護城河。

真正有價值的,是那些能夠提高客戶轉換成本、改善實際工作成果,並在價格競爭下維持利潤的業者。

所以,AI 的淘汰賽可能具有兩個面貌。

底層基礎設施與前沿模型逐漸集中;上層應用與專業服務則繼續大量創新。

AI 產業未必縮小。

它只是開始重新分配哪些企業應該承擔資本風險,哪些企業應該取得技術普及帶來的經濟利益。

九、未來兩年,可能出現三種不同的競爭結果

第一種,是 AI 的營收與生產力效益持續加速。

模型成本下降,企業擴大使用 AI,原本正在興建的資料中心逐漸投入營運。

雲端平台和模型公司開始把更大的營收轉化為自由現金流。

這種情境下,現在的龐大資本支出可能獲得合理回報。

產業依然會競爭,但不一定需要經歷大規模淘汰。

第二種,是技術繼續進步,產業卻開始整併。

較便宜的模型逐漸滿足大部分企業需求,只有少數公司能持續負擔最昂貴的前沿模型研究。

部分模型公司改為專注特定市場,其他則可能與大型雲端或科技平台進一步整合。

沒有差異化的算力商承受租金與融資壓力。

但具備客戶關係、專業流程與成本優勢的應用公司,反而可能快速成長。

這是一種 AI 革命繼續成功,但產業利潤重新分配的情境。

第三種,則是建設延誤與信用市場收縮相互強化。

部分資料中心無法按照原定時程投入營運,現金流實現速度落後於設備與融資成本。

資金供應者開始提高貸款條件。

企業被迫重新安排資本支出,供應鏈訂單也逐漸受到影響。

這時市場可能出現一個看似矛盾的現象。

企業仍然需要大量 AI 算力。

AI 服務的使用量也沒有衰退。

但部分 AI 基礎設施公司的估值與獲利,卻可能持續惡化。

三種情境:效益加速;技術進步但產業整併;建設延誤與信用收縮互相強化
三種情境由溫和到壓力,彼此不必互斥。屬情境推演,並非事件發生機率的預測。

這三種情境不必互斥。

市場可能先經歷一段整併和信用調整,之後再進入由真正生產力改善支持的下一輪成長。

目前的財務證據尚不足以確認哪一個劇本必然發生。

但它們已經足以提醒我們,研究 AI 不能再只看誰宣布更大的資本支出計畫。

十、接下來真正需要看的,不是誰花最多錢

如果 AI 產業確實進入淘汰賽,我會特別關注五個觀察方向。

第一,新增資本報酬率。 科技公司每增加一美元算力投資,未來能帶回多少可持續的營業利益與自由現金流?這需要追蹤新增投資、折舊、資產使用率與資本成本,不能只看季度營收。

第二,單位任務的經濟性。 相同品質的工作,AI 公司取得的實際收入和需要付出的成本如何變化?如果單位成本下降快於售價,商品化反而可能改善利潤;如果售價下降更快,則可能形成競爭壓力。

第三,實際通電算力。 不只看宣布興建多少資料中心、買下多少 GPU,而是看有多少 MW 真正完成接網、多少設備開始計費,以及原定交付時程是否延後。

第四,外部融資依賴。 模型公司與算力商的現金流缺口,能否由現有資金支持?再融資成本是否提高?是否出現合約重議、設備抵押價值下降或主要客戶集中風險?

第五,AI 生產力是否走出科技業。 如果 AI 是真正的通用技術,未來應該逐漸反映在更多產業的營業效率、單位勞動成本及持續性利潤改善上,而不只是少數科技公司的營收。

五個觀察方向:新增資本報酬率、單位任務經濟性、實際通電算力、外部融資依賴、AI 生產力是否走出科技業
五個觀察方向:持續改善會削弱淘汰賽假說,反向惡化則使它取得更強證據。

這五項如果持續改善,就會削弱「AI 已進入高風險淘汰賽」的判斷。

反過來,如果模型收入繼續成長,資本報酬率卻下降,實際算力部署延後,信用條件又同步惡化,那麼淘汰賽的假說,就會取得更強的財務證據。

十一、最後的思考:這場淘汰賽,真正淘汰的是什麼?

回到最初的問題。

AI 是否正在從百花齊放進入淘汰賽?

我認為,至少在資本最密集的產業環節,這樣的變化已經有值得重視的初步跡象。

但這並不是說 AI 產業的成長已經結束。

恰好相反。

AI 使用量可能繼續快速增加,模型能力可能持續改善,更多企業也可能因為 AI 商品化而取得更便宜的生產工具。

只是,當技術開始普及,資本市場可能逐漸不再願意為每一個雄心勃勃的 AI 故事提供相同的資金。

企業必須證明的不再只是自己能做出什麼。

而是有多少客戶願意持續付費,能夠保留多少利潤,以及投入的資本究竟能不能回收。

這讓我重新想到 2000 年網路泡沫留下的一個重要教訓。

網際網路成功了。

但並不是所有替網際網路鋪設光纖的公司,都成為最後的贏家。

AI 也可能如此。

最強大的技術,不一定帶來最好的股東報酬。

花費最多資本的公司,不一定擁有最好的商業模式。

甚至真正從 AI 革命取得最大利益的,可能不是今天正在建設資料中心的企業,而是未來大量使用便宜 AI、又有能力保留生產力收益的企業。

AI 的百花齊放或許還沒有結束。

但前沿模型、算力與資本市場的淘汰賽,可能已經開始。

而投資人真正需要分辨的,不是誰今天看起來最耀眼。

而是當資本不再無條件供應、算力不再永遠稀缺、模型不再永遠具有高溢價時,誰還能持續創造現金流。

市場負責倒酒,我們負責清醒。

資料口徑與研究限制: 一、財務資料截至 2026 年第三季;OpenAI 財務數據來自投資人資料的媒體報導,不能等同於經審計財報。二、各公司營收、資本支出與自由現金流口徑不同,不宜直接加總為 AI 產業總市場規模。三、「淘汰賽」是待持續驗證的產業結構假說,不代表已確認大規模倒閉、全面過度投資,或某家企業將退出市場。四、三種情境屬情境推演,並非事件發生機率的預測。

市場負責倒酒,我們負責清醒。

大方向

我目前的判斷

截至 2026 年 11 月 11 日,AI 使用量與雲端需求仍然強勁,但至少在資本最密集的環節,已出現淘汰賽的初步跡象:前沿模型公司的營運效率出現差距,大型平台的自由現金流承壓,資料中心的建置也開始受到電力、土地與地方政治限制。我的基準判斷是,基礎模型與算力供應可能逐漸集中,上層應用與專業服務則繼續大量創新。「淘汰賽」是待持續驗證的產業結構假說,並非已確認大規模倒閉、全面過度投資,或某家企業將退出市場。

失效條件

什麼情況代表我錯了

如果模型公司與雲端平台的收入持續成長,同時新增資本報酬率穩定或提高、新增算力按時通電計費、再融資成本沒有惡化,而且 AI 生產力開始在科技業以外的多個產業留下可辨識的改善,那麼淘汰賽假說就需要明顯下修。反過來,如果模型收入繼續成長,資本報酬率卻下降、實際算力部署延後、信用條件同步惡化,則代表這個假說取得了更強的財務證據。

下一個觀察點

未來數季,新增資本報酬率、單位任務經濟性、實際通電算力、外部融資依賴,以及 AI 生產力是否走出科技業,能否形成一致的方向;包括主要雲端業者對 2027 年資本支出的指引,與 Anthropic IPO 後續申報的財務資料。

可驗證收尾

來源與揭露

每項引用資料依各自基準日閱讀;資料截至 2026-11-11。

本期引用數值

Amazon 過去十二個月營運現金流
約 1,683 億美元Amazon 投資人關係|資料基準日 2026-09-30
  1. 〔1〕金融微醺沙龍|AI 用得越多,誰卻賺不到錢?(前篇)2026 年 10 月|2026-10-30本文使用:前篇提出的問題與「AI 技術成功不等於每家公司都有合理報酬」的判斷
  2. 〔2〕Microsoft 投資人關係|FY2027 Q1 財報電話會議FY2027 第一季|2026-10-28本文使用:Azure 年增率、季度自由現金流與資本投資
  3. 〔3〕美國證券交易委員會 EDGAR|Alphabet 2026 年第三季 Form 10-Q2026 年第三季|2026-10本文使用:Google Cloud 成長(含 TPU 系統銷售)、單季營業現金流與資本支出
  4. 〔4〕Amazon 投資人關係|Amazon.com Announces Third Quarter Results2026 年第三季|2026-10-29本文使用:AWS 成長率、過去十二個月營業現金流與自由現金流
  5. 〔5〕美國證券交易委員會 EDGAR|Meta 2026 年第三季財報新聞稿(8-K 附件 99.1)2026 年第三季|2026-10-21本文使用:單季自由現金流
  6. 〔6〕美國證券交易委員會 EDGAR|Anthropic Form S-1/A(修正第 2 號)2026 年第三季|2026-11-10本文使用:第三季營收、調整後營業利益率;IPO 申報不等於已完成上市
  7. 〔7〕美國證券交易委員會 EDGAR|SpaceX 2026 年第三季業績公告(8-K 附件 99.1)2026 年第三季|2026-10-20本文使用:Super Intelligence 部門營收、GAAP 營業利益與資本支出
  8. 〔8〕Reuters|OpenAI posts steep losses even as quarterly revenue rises to $10 billion, WSJ reports2026 年第三季|2026-11-10本文使用:OpenAI 第三季營收、季增幅與調整後營業虧損(媒體報導之投資人資料,非經審計財報)
  9. 〔9〕Ballotpedia|Voters favored limiting data center development in 40 of 41 local ballot measures on Nov. 32026 年 11 月 3 日地方投票|2026-11-06本文使用:41 項地方投票案的結果分布