HKEJ - AI and Token

華爾街向來偏愛可預測的利潤率。但在生成式人工智能（AI）的淘金熱中，企業客戶正集體墜入一個由矽谷精心鑄造的定價黑洞。黑洞的核心，是聽起來極具科學嚴謹性、實則比橡皮筋還充滿彈性的計價單位：Token。如果你以為在不同AI模型之間比對每百萬Token的報價，就像在比較每加侖汽油的價格一樣直觀，那你大概已經是這場計程器騙局裏最順從的乘客。

在撕開這層科技術語的偽裝前，先講一個搬屋的故事。搬屋公司A報價每箱10元，用大箱子，你的單位裝了10箱，賬單100元。搬屋公司B報價低兩成，每箱只需8元，但紙箱像鞋盒大小，同樣的家當裝了18箱，盛惠144元。那個「更便宜」的報價，讓你多付了四成四。B沒有撒謊，每個數字都千真萬確，但你實質所付的錢更多，這就是今天AI模型定價的現況。

分詞器切分結果不同

表面上，各大模型供應商似乎在展開激烈的價格戰，數據說的卻是另一回事。把完全相同的內容餵給不同模型，並以OpenAI的GPT-5.4設為基準，所謂的「標準單位」瞬間現出原形。以Anthropic的旗艦模型Claude Opus 4.7為例，在處理包含工具調用（Tools）的複雜任務時，它的分詞器（Tokenizer）會將同樣的指令切碎成高達基準值2.65倍的Token數量。純文字場景已有一成七的膨脹；一旦進入企業最倚重的Agentic工作流，膨脹率便像吹氣球般失控。

這代表什麼？意味着即使牌面報價看起來相差無幾，實際的賬單卻會讓你大跌眼鏡。GPT-5.4在工具調用場景下的有效成本穩定在每百萬輸入Token 2.5美元，Claude Opus 4.7是13.25美元，相當於OpenAI的5.3倍。即便是處理普通JSON，Claude Opus 4.7的有效成本也高達8.5美元，是GPT-5.4的3.4倍。有趣的是，市場上並非沒有更誠實的標尺：Gemini 3.1 Pro Preview在純文字和結構化數據上的實際成本，比GPT低10%到15%，唯獨在工具調用上微幅上揚。但多數企業高管在簽署採購合約時，根本不知道自己應該問這些問題。

學術界早已對此發出警報：模型供應商完全有能力在不改變底層輸出的情況下，透過操縱分詞過程來浮報Token數量。試想一下，一個簡單的專有名詞「Damascus」正常分詞是兩個Token，但若供應商回報為8個，坐在API另一端的企業客戶要如何驗證？服務提供商能觀察到完整的生成與分詞過程，用戶只能看到輸出的文字和隨之而來的賬單。這不僅僅是技術上的不透明，根本是商業模式上的結構性尋租。

然而，這裏存在一個反直覺的弔詭。即使企業看穿了分詞器的把戲，它們也未必會離開。原因很簡單：轉換成本。企業已為某個模型量身打造的提示詞工程（Prompts Engineering）、圍繞其輸出特性校準的評估框架（Evals）、針對其上下文窗口微調的檢索架構、已經熟練掌握其API的整支工程團隊，這些沉沒投資構成了一道無形高牆。若要推倒重來，代價之高，足以讓企業在明知Anthropic的Tokenizer效率遠遜於GPT的情況下，仍然理性地選擇留下來，繼續繳納那筆隱形的溢價。

轉換含成本 黏性不等於價值

Anthropic創辦人阿莫迪（Dario Amodei）顯然深諳此道。他曾公開反駁「API業務終將被商品化」的論點，更進一步指出，AI模型之間的差異化程度遠高於雲端基礎設施。每個模型有不同「個性」，就像跟不同人交談。他甚至打趣道：如果房間裏有10個知識和身高都跟我差不多的人，難道我就被商品化了嗎？但我們都知道人力市場不是這樣運作的，AI也不是。

這番話很精巧，也很危險。精巧在於它確實點出了模型間的質性差異，不同模型擅長不同任務，輸出風格迥異，這不是CPU核心數那種可以量化到小數點後兩位的競爭。危險在於它同時是一張精美的遮羞布，把一個關鍵事實掩蓋在「個性」的華麗詞藻之下：黏性不等於價值。雲端服務的歷史已經把這個劇本演過一遍，AWS、Azure、GCP之間的技術差異，客觀上遠小於客戶實際體驗到的轉換摩擦。雲端廠商的利潤率裏，有多少是服務費，有多少是轉換成本的租金？這個問題，正在AI產業以10倍的速度重演，且計費層面的不透明度有過之而無不及。鎖定效應可以讓客戶多付五成甚至更多，而這些超額支付與模型品質毫無關係。

對於投資者而言，這幅圖景的含義值得逐一去拆解。

首先，Anthropic的收入品質需要被打上問號。如果其旗艦模型在工具密集型場景下的實際有效成本是OpenAI的5倍以上，那麼它在企業AI領域的市佔率，究竟有多少建立在模型能力上，又有多少建立在客戶尚未意識到分詞器差異的認知落差上？

Google全棧優勢被低估

隨着平行基準測試的分析日益普及，這層資訊屏障終將瓦解。屆時，Anthropic在下一輪融資或潛在IPO中的估值敍事，能否承受住這種定價脆弱性的衝擊？

與此同時，Google的定價紀律被市場嚴重低估了。Gemini在文字和結構化數據上的實際成本比GPT低10%到15%，在大規模企業部署中意味着數以百萬計的節省。市場的注意力被基準測試排名吸走了，卻忽略了一個更冷靜的事實：對於絕大多數企業工作負載，模型品質的差異可能只有個位數百分比，但成本的差異是倍數級。Google Cloud坐擁從TPU到模型到企業銷售的全棧優勢，一旦企業開始認真計算有效成本而非標價，Gemini的滲透率加速可能會讓市場措手不及。

更根本的趨勢是，Token作為計費單位的時代，可能正在走向終結。當一個計量單位如此缺乏標準化、不透明，如此容易被結構性地利用時，市場遲早會要求替代方案。無論按任務計費、按結果計費、按固定月費，哪一種都比「用一把你看不見刻度的尺子來量布」更誠實。率先推出透明定價模型的供應商，獲得的將不僅是商譽，而是與技術優勢同等量級的競爭護城河。

阿莫迪說得對，AI模型不是商品，它們各有所長。但當賣方同時定義計量單位、執行計量過程、並回報計量結果時，經濟學中最經典的「道德風險」與「資訊不對稱」便應運而生。

投資界有一條老規矩：永遠不要信任一個自己設定計量標準的賣方。當供應商告訴你每百萬Token只要幾美元時，你的第一個問題不應該是「這比競爭對手便宜嗎」，而應該是你的Token「有多大」？

這個問題的答案，價值數十億美元。而大多數企業，似乎還沒有開始問。

HKEJ - Byron Tsang 2026-04-29 [儲局議息後資訊含意靠估]

今天美國聯儲局又會完成一次議息會議，香港時間星期四凌晨2時，聯邦公開市場委員會發表議息聲明，半小時後主席會開記者會。3星期後，會議紀錄又會公開。這些程序，理財投資版的讀者都耳熟能詳。

一般看法是，聲明或記者會完結後，股市升即是市場喜歡，股市跌意味市場不喜歡，若股市無甚反應，就是沒有新聞了。這種看法不能說完全錯，惟可以問深一層：市場消化的，到底是什麼資訊？

3種方法分析市場反應

近年流行的一個研究題目，就是利用聯儲局事件前後極短時間內的金融市場變化，去量度其中包含的是什麼消息。事件包括聲明和記者會，可以是成員的演詞，也可以是主席到議會被照肺。

之所以限於極短時間，道理很簡單。若我們只看一整日的市場變化，中間有太多事情發生，業績公布、地緣政治，根本難以分辨。只看事件公布前後30分鐘，甚至更短的時間，雜音相對少。這時候期貨價格、債息若有明顯變動，就較有信心視之為聯儲局的影響。

只是影響從何而來？最簡單也是最傳統的解釋，是純粹的意外或驚喜/驚嚇。市場本來以為聯儲局會較溫和，結果聲明或記者會聽起來較強硬，貨幣政策比預期緊縮，股票就下跌了。

另一個可能是，聯儲局不是嚇市場一跳，而是在透露其對經濟走勢的判斷。市場若相信聯儲局掌握的訊息較全面、判讀較早，即使聯儲局沒有公開講「我們知道一些你不知道的事」，市場也會這樣解讀聲明。若聯儲局趨向緊縮，市場可能反而覺得經濟比想像中好，股市不跌反升。這個說法在學界一度相當流行，不過近年也遇到不少質疑。

還有一個近年愈來愈受重視的可能。市場其實早已知道大部分經濟消息，例如通脹、就業數字、金融條件，市場意想不到的，是聯儲局對這些消息的反應比預期要強或要弱。換言之，市場不是在了解「經濟發生了什麼」，而是在探究聯儲局的反應為何。

解讀空間比數據要多

這個分別聽起來很微細，其實很重要。若通脹數據剛公布，市場本以為聯儲局會輕輕帶過，結果主席相當重視，利率期貨自然會有所動作。這時候，市場不是突然知道通脹高，而是突然覺得聯儲局會更認真對付通脹。兩者在利率市場上表面相似，但經濟含義並不一樣。

這個研究題目的難度在於，我們不難證實市場對事件有所反應，惟要把事件分門別類，拆解成不同形式的資訊，答案可以眾說紛紜。

問題在於，剛才提到的資訊都不是直接可以觀察得到的東西，而是需要利用模型，再加上一堆假設，才能推算出來。就算我們同意來自聯儲局的資訊有以上3種，只要我們使用的模型不同，又或對於某些假設有不同意見，就會有不同解讀了。麻煩的是，聯儲局一年通常只有8次例會，即使加上記者會、會議紀錄、演詞和國會作證，真正可以研究的事件仍然有限，而每一次事件的解讀空間卻很多：是政策本身出乎意料，是聯儲局透露了經濟前景，還是市場重新估計聯儲局的反應？

學術研究的「實用」之處，往往不是提供確切的答案，而在提供一套分析方法。如何解讀聯儲局事件，雖然答案眾說紛紜，但這些研究至少可以幫我們釐清問題。下次議息聲明公布後，若新聞標題又說市場「消化」聯儲局言論，大家就可以追問：市場到底消化了什麼？

HKEJ - Tommy Leung 2026-04-24 [從對手股價看百佳惠康合併] (市場集中度效應與效率效應)

街坊放工去超市，第一個問題通常不是超市市場有否壟斷，而是今晚買餸去邊間較就腳、會員價是否真有誠意、盒蛋有沒有又悄悄加了兩元。據英國《金融時報》及多家本地財經媒體報道，擁有惠康的怡和正與長和（00001）磋商，研究收購百佳，並把兩個品牌整合。若成事，香港超市版圖肯定要重畫。

消息一出，很多人都認為兩大超市合併，還得了？以後街坊是否連「第二件半價」都要靠回憶過活？這個擔心不難理解，但經濟學的第一步通常不是先喊壟斷，而是先問一個聽來有點悶、其實最關鍵的問題：我們究竟在談哪一個市場？

壟斷與否視乎市場界線

欄友徐家健指出，判斷是否壟斷，先要看市場如何界定。若把時間拉回未有網購、未有即時送貨的年代，香港超市市場確實長期由百佳與惠康主導。若今天仍然只把實體超市視為市場，兩者一旦合併，市佔率自然高得驚人。按照一些舊口徑數據，2023年兩者合計份額甚至接近九成。

但問題是，2026年的街坊未必再只在屋苑樓下兩間超市之間二選一。外賣平台foodpanda、HKTVmall、淘寶和京東（09618）到港配送，甚至各類即時送貨服務，全部都在搶同一個錢包、同一張餐桌，某程度上也是在搶同一部手機。對實體店來說，今日最兇猛的對手，未必是對面街那間超市，反而可能是褲袋裏那個App。

更重要的是，消費者的轉換成本正不斷下降。以前嫌轉去另一間店麻煩，現在按幾下、比一比價、順手再輸入優惠碼，貨已在路上。於是，反壟斷問題很多時不是答案太難，而是問題本身怎樣問。市場邊界畫得窄，合併就像怪獸。市場邊界畫得闊，圖像又完全不同。

合併雙方會否覺得划算，這點其實幾乎不用討論：若百佳和惠康都覺得完全無着數，交易根本不會談。真正值得看的，是其他沒有參與合併的競爭者會怎樣。這正是我在工業組織理論課堂常教的一個概念。

競爭者受兩股力量拉扯

合併對行內其他競爭對手，至少有兩股力量在拉扯。第一股是市場集中度效應。當行業集中度提高，競爭壓力下降，大家都更容易賺錢。假如這股力量較大，受惠的不只是合併後的新巨頭，連競爭對手都可能搭順風車，因為整個行業都沒有以前鬥得那麼狠。

第二股是效率效應。兩大超市若真的整合，理論上可以關掉重複店舖，合併物流、倉儲和採購，減少人手和後勤重疊，甚至提高對供應商的議價能力。如果節省下來的成本足夠大，合併後那家公司會變得更強、更有效率，到時它未必只會更容易加價，更可能是更有本錢搶生意、做促銷、壓對手。這樣一來，競爭對手反而會受壓。

在教科書的理論模型裏，這兩股力量誰較大，往往可以從局外人的股價反應看出端倪。倘消息一出，其他競爭者股價也升，市場多半覺得集中度效應佔上風。若其他競爭者股價跌，市場較可能相信這次合併的重點是效率提升，而不是單純多了一個加價藉口。

若以這個角度看，4月16日和4月17日幾隻相關股票的表現【附表】，多少有點參考價值。

如果只看這張圖表，市場似乎比較像在押注效率效應。京東和HKTVmall母企香港科技探索（01137）都跌，阿里則幾乎不動，甚至微升。當然，這個訊號不能讀得太實。京東和阿里的主要戰場都不在香港，香港超市消息對其整體估值只是大海中一滴水。阿里業務太多，股價本來就容易被其他中國科技消息蓋過。至於HKTVmall，成交一向不算特別活躍，價格噪音也較大。

即使如此，若然與本地食品零售、網購雜貨更貼近的競爭者沒有受惠，反而下跌，這至少和「合併後只會更易加價，所以大家都應該開心」的故事不太一致。市場更像是在認為，百佳與惠康真的合體，最可怕的地方未必是它們更大，而是它們可能更精簡、更有效率，之後連會員價、送貨、存貨管理和促銷節奏都較難應付。

HKEJ - Ivan Ho 2026-04-27 [費半指數十八連升引大淡友進場]

今年美股勢再創多個新紀錄，在納指十三連升後，轉眼納指又新高，高手們就算捕捉到納指斷纜回落一天，不止賺也立即轉蝕。除了納指強勢，人工智能（AI）應用逐步見曙光，亦帶動了半導體及中央處理器（CPU）的需求爆發，費城半導體指數連升18個交易日。股市這麼瘋狂的走勢，自然有不少聲音警告隨時崩盤。

美股瘋狂非純炒市幻率

現時美股的急升，與二千年時科網股泡沫年代的不同之處是推動股市上升的企業，的而且確受惠於人工智能發展而獲得不少金額龐大的訂單。回看科網股泡沫時，公司估值是假設公司建立網站後，點擊率可轉化成多少盈利及廣告收益，估值基本上都是建基於估算。當市場後來發現流量未能轉為利潤時，高昂的估值隨即崩塌。相反，現時急升的人工智能概念企業，大部分的而且確獲得不少大型科企的訂單，而這些科企本身現金流強勁，不是一些虛假銷售，與科網年代純粹炒概念而定估值，有所不同。

目前美股市場面臨的最大風險，是這些訂單的持續性仍有待驗證，因為一旦人工智能應用未能普及，大型科企可隨時煞停新訂單，而本身以未來3年至5年盈利增長作估值的公司，估值可迅速腰斬。這個最壞情況，市場在去年第四季時的確較為憂慮，也正正是美股去年第四季起，大型科技股一度高位回落兩成以上的原因。

Anthropic破局 英特爾回歸

不過，人工智能企業Anthropic本年首季開始，為企業人工智能應用找到突破口，與其在人工智能助理的迅速發展有關。據今年4月最新數據，其年化營收呈現爆發式增長，至4月已突破300億美元，而去年年底時為90億美元，在4個月內營收翻了幾倍。它最新公布的技術，更發現了銀行業界的軟件保安歷年未曾發現的漏動，銀行業界日後哪有理由不乖乖付鈔請求意見之理？

Anthropic現時主打以企業為目標的人工智能代理，精準對應企業需求，令人工智能應用的變現，突然變得清晰可期。在人工智能代理的工作過程中，人們發現會對中央處理器（CPU）及各樣硬體的需求大為增加。中央處理器的需求上升主因在於AI系統由純推理（GPU執行），轉向執行與調度資源，而CPU是工序的大腦。在人工智能化情景下，CPU端的處理時間將可能佔整個工作的50%到90%。這個對於CPU及各樣硬體需求再爆發的預期，令市場走出第四季的觀望情緒，市場不止爭相平淡倉，更有新資金進場炒CPU加價及可能供不應求，情況有點像去年底開始炒上的內存記憶體。在資金一窩蜂湧入半導體股份下，令費城半導體指數連升18日。

英特爾（INTEL）剛公布的業績，更是火上加油，它的季績顯示CPU的需求正在擴張，Google亦已承諾將使用多代英特爾CPU來運行AI推理與代理工作負載。英特爾王者回歸，兼成為美版台積電的憧憬，一下子令公司股價創出歷史新高兼帶動CPU類股份急升。

如此瘋狂的升勢，再度吸引了專門投資市場「尾部風險」的Michael Burry進場，他上周指自己造淡費城半導體指數，並同時繼續持有輝達的淡倉。雖然我早前同意他造淡Palantir的看法，但這次他純粹認為市場過熱，或許未有留意股價上升是產品需求有機會猛增。相對Palantir的百倍市盈率，半導體指數的估值現時遠未達到那個程度。在市傳Anthropic尋求在年內上市下，未來由它引發的AI代理故事只會更多，此時此刻因十八連升而沽，就算短線稍回，中期而言我亦有保留。

除了投資市場的「尾部風險」，他也喜歡撈底，他同時公布已買入軟件股Adobe，希望賺取「尾部利潤」。這點我不太認同，他為何要買護城河較弱，最易被顛覆的其中一隻軟件股呢？反正市場軟件股普跌，為何不選其他？例如上周五公布業績的SAP，積極把生成式AI助手嵌入系統，且與Google Cloud的Gemini Enterprise深度整合，強化其商業AI生態系統，公司本季業績增長勝預期，顯示軟件公司如能在AI及雲端業務上整合得宜，也有可能日後印證市場錯殺。當然，每隻軟件股的經營生態不同，估值高低不一，散戶投資者還是要考慮，是否如Michael Burry一樣，要向高難度挑戰，還是直接順勢而行。

HKEJ - Ivan Ho 2026-04-24 [眾市皆升港股獨跌因資金嫌棄]

不是說中東戰事資金轉到香港嗎？我相信透過香港轉戰內地股市也許是有的，但轉戰港股呢？我不會說零，但如果說很多，那麼港股仍是一潭死水，這也許是看輕了油王們的資金實力。現實上把港股與其他地區的股市作比較，反而是資金從港股換馬到其他市場，我不知道當中有沒有中東資金，但外資的資金流向基本上都是沽港股買其他，就連研究報告也建議買A股而非買港股為主。

權重股與熱炒概念無關

每談港股弱，皆有港股支持者說「人們恐懼我貪婪」。然而，我們得先看看最近港股走弱的原因，再作出是否值得貪婪的結論。港股出了什麼結構性問題而導致跑輸全球市場，甚至是A股表現也較港股優勝呢？這點我在此欄也談及多次，就是港股權重股與當下市場主題及盈利爆發行業沾不上邊。

現時不少港股權重股的盈利僅是持平，甚至是倒退，變相人家股市升是因為企業盈利蒸蒸日上，而企業盈利持平或倒退的港股，憑什麼覺得日後會突然有資金追落後呢？因此，港股跑輸其實談不上資金恐懼，更多是反映了追着企業盈利下注的資金選不上你，甚至在資金運用上選擇沽出盈利前景排名較後的股份。

放眼全球，當下盈利增長最快的行業都是與人工智能掛鈎的。而港股市場與當下人工智能主題相關的股份，為數及市值仍然較小，對港股交投及市值幫不了多少；對投資港股者帶來的財富效應亦相當有限，難以推熱市場投資氣氛。

簡而言之，如果手中的港股持股與人工智能發展沒任何關係，它的盈利不處上升周期，最終能獲利的理由，便只剩下它業績沒市場預期那麼差，或要待突如其來的內地政策。如果一直持有，卻面對全球股市下跌，又或是內地一直沒有大規模政策，單靠企業自身盈利能力，股價便難有大升空間，甚至可以是長期跟跌不跟升，而你卻一直說「人們恐懼我貪婪」。

買末日期權只可對沖或小注

堅持只投港股而不選海外股市的投資者，不妨想想為什麼全球資金連升13日的美股隨時回吐之險仍要追買，而同時不升的港股，它們卻是一開市便爭相沽售？

有些說法是美股存在重大泡沫，甚至有投資者因而選擇造淡美股、日股等。但我的看法是，港股沒有泡沫，是港股本身不具備炒出泡沫的條件。港股弱美股強，你不同意資金的選擇，大可不買美股，續守港股，倘若因美股升勢強而沽空，則最終可以兩邊皆輸。

近日每天都有網友問SQQQ（納指反向兩倍槓桿ETF）是否好選擇，因為美股連升十幾天了。我的答覆是，如果沽空的僅僅是因為那個市場升了很多，是一個很危險的做法，因為這無視了大量資金進場的理由，而僅僅是主觀地覺得升幅大。除非你能給出一個大環境在短期逆轉的理由，否則那些非常超買，博回落值博率高的說法，則請各位明白市場調整不是沒可能，但在極度強勢的市場，調整是可以是以非常短的時間及幅度完成，隨後即再行上升，而任何以槓桿形式博短期回落的操作，也是高風險兼難度高之操作，只宜小注為之。

特此一提，因為在過去十幾天美股的持續上升中，我也收到了一些網友指自己不斷沽美股而巨虧。其中一個例子是，有網友為了追回損失，買入美國市場的即日到期期權博美股回吐，結果歸零。據聞港交所（00388）來年也會有類似的期權推出，特意提醒散戶們，這些末日期權，只應作對沖或小注為之的產品，特別是逆勢而為。

HKEJ - Ivan Ho 2026-04-20 [美股創新高大好友改看淡]

截至上周五（17日），美股連升13個交易日，見頂之聲不絕於耳，更有人擔心股災快現。近日有兩家美國企業改名兼聲稱轉型人工智能（AI）相關業務，股價即倍升，更令人感到情況不妙。近年一直看好美股的華爾街紅人Tom Lee指出，標普500指數有機會在4月升抵7300點後，即會出現15%至20%左右的大幅回吐，其後再在年底升至7700點。他認為美股會出現調整的原因，是新任聯儲局主席沃什上場後，其縮表政策及接受白宮干預利率政策的憂慮，將令美股出現深度技術調整。簡而言之，他認為市場預期沃什可能會促使聯儲局收緊流動性，抽走市場熱錢，或觸發市場深度獲利回吐，但其後在企業盈利帶動下，最後還是會皆大歡喜。

Tom Lee料標指最多回吐兩成

美股一周內會有回吐，幾近是全場共識，但什麼時候才出現調整，調整前尚有多大升幅，回吐的幅度有多大，卻難以準確預測，主因是當前美伊的資訊相當混亂，而且市場經常有「春江鴨」，最終回吐可以是以好消息出貨的方式出現，變相猜到有好消息亦未必有用。近日特朗普一方面不斷發好消息，更指可隨時拿筆飛到伊斯蘭堡準備簽永久和約。同時，伊朗外長亦曾指所有商船在美伊停戰期間可自由通過霍爾木茲海峽。可是，特朗普在感謝伊朗後，即指會維持封鎖船隻進出伊朗港口，直至伊朗與美國正式簽訂協議為止；最終伊朗指美國反悔承諾，恢復封鎖霍爾木茲海峽，周一初段美股正常情況下，又可能因而回吐，轉角位難以捕捉。

不過，在美伊仍未能落實簽訂協議前，過去兩周市場資金已急不及待爭先進場，雖說升勢如此快與猛烈與空倉被挾有一定關係，但也不能毋視平空倉以外的全球資金入市原因：好像市場認歐洲及東亞市場受油價上升影響較大，美國經濟受高油價的衝擊較小，以及源源不絕的人工智能發展消息及企業受惠相關訂單，導致全球游資大舉轉投美國市場，這情況在香港投資者間亦甚為明顯。

最近當我在直播時，談論美股的時段觀眾人數節節上升，但一談港股則突然會有一堆觀眾即時轉台，我自覺投資港股與美股的資金比例，已由港六美四，變成美六港四，甚至是美七港三的程度。香港出現這情況，全球其他投資者的取態亦大概率類同，基金被迫追貨，游資大量流入美股市場，轉角點隨時出現。

GPU及光通信業下季或更熾熱

縱然如此，全球市場資金正非常看好美企盈利前景，就算美伊談判仍舊反覆，在短期利淡因素有可能消褪下，就算短期出現回吐，幅度亦未必太大。如果翻查以往美股連升超過12個交易日後表現的歷史，雖然市場在往後一個月都會出現短期調整或跑輸其他市場，但在一年後的勝率，卻是高達九成以上。換句話說，就算美股短期終結連升紀錄後出現回吐，但亦未必如坊間普遍無持貨者看得那麼悲觀，認為股災將至。不過，我非常認同Tom Lee的觀點，是美股在第二季尾至第三季初或有一次深度調整，原因是當美伊戰事結束，資金或回流歐洲及亞洲市場，而且市場對企業盈利預期甚為樂觀，過度透支了利好因素。一旦聯儲局換屆出現混亂，或觸發市場先套利，而高估值股由高位回吐三四成亦是等閒事，情況一如去年狂炒的稀土及量子電腦股。

由於此輪美股強勢涉及全球游資加持，調整時出現的波幅，亦可能較以往為高，投資者汲取了此次美伊之戰的急跌急彈經驗，應謹記屆時宜採取分注低吸優質科技股或前景具憧憬板塊的策略，不要過早用盡手上現金入場。以現時人工智能應用的普及趨勢，相關產業鏈如GPU及光通信行業逐步予市場無限想像空間，在調整過後，美股第三季或有更熾熱的狀況。

HKEJ - Ivan Li 2026-04-17 [AI賭波會輸炒股有望贏錢] (AI)

早前本報引述外媒提到〈八模型投注英超 全蝕錢收場〉。AI賭波唔掂，十分正常，AI炒股又得唔得？難講。首先要定義，如何才算「掂」？筆者相信，AI賭波還是會輸錢，炒股卻會贏錢──皆因長賭近乎必輸，但長線投資應該必勝。AI要勝過人類，相信不難，只是AI用家要贏錢，又是另一回事。

美股再創新高，也有其他股市破頂。筆者看着身家回升，當然開心。同時間，歐聯進入八強階段，筆者也有小注怡情，當然輸錢收場。筆者投資多年，斬獲不錯。大跌市的年份會輸錢，但整體來看自2008年「輸身家」後，累計投資收益都是正數，一般年份都略為跑贏指數。另一方面，筆者投注足球賽事多年，一直輸，上賽季有幸獲得正回報，卻在今季「嘔凸」。

若筆者冰雪聰明，理應投資賭波兩得意；相反，若筆者是不學無術，理應炒股又輸買波又輸（坊間這種人不少）。為何在這兩個遊戲，表現差天共地？是投資特別醒目，賭波時則智商大跌？恐怕不是。關鍵是背後的遊戲規則：冷血的數學。投資和賭博的分別，表面看來不像讀書和打NBA的分野般大，但正是小小不同，結果相差千里。

投資「time is your friend」

作為「資深足球投注者」，筆者沒有道德包袱。不過，坊間經常把「投資」和「賭博」混為一談，筆者感到極奇怪以及厭煩。投資和賭博有何分別，筆者在《信報月刊》寫過，友欄涂國彬兄亦肯定可以寫上10萬字。

肯定的是，投資和賭博，相似之處甚多。問題是，小小的不同，才是關鍵。很多人只看「大同」，卻不看「小異」。男人和女人也很相似呀！但就是小小不同，便差天共地。人和黑猩猩也很相似呀，你怎不找黑猩猩談戀愛？

人人皆知長賭必輸，切忌「磨爛蓆」。最好不要賭，但若真的有人拿着槍逼你要賭，最佳策略是一次過買大或買細，大約有45%多一點的機會（若規則容許，有讀者提過，應該兩邊一齊買，然後抽身）。若將資金分成小注慢慢買，近乎是保證輸光。這不是什麼「風水陣」，「運氣用完」，而是數學。

投資卻是另一回事。無數例子和數據都證明，對投資者來說「time is your friend」。筆者投資路上做錯不少決定，但很少真的「後悔」，唯一就是沒有更早開始投資。筆者願意拿七位數字，換取早10年開始投資（當然，這可能只是事後孔明，即使筆者穿越回當年重遇自己，相信只會認為這位未來的我有病）。

那份「AI賭波輸清光」的論文，未經同行評審（peer review），筆者也未有時間細閱。論文的實驗方法類似回溯測試（backtest），以真實的賽季數字，歷史重演。禁止AI模型連上互聯網（否則可以出術），只提供當時可以拿到的數據，然後叫AI模型下注，結果，當然是全數輸錢，有些更破產收場。懷疑論者，可以質疑測試者下的指令未必精準，又或者將來AI會更進步。不過，筆者大膽相信，一般來說，AI賭波還是會輸錢。

博彩偏袒莊家

為什麼？因為賭波就是一個偏袒莊家的遊戲，賭波背後涉及的數據未必很多，AI革命之前已有人做分析。問題是，你很難敵得過殘暴的莊家優勢，這有點像一場買通球證的球賽，你再好波，還是難敵黑哨。

換個講法，AI輸錢不足為奇。應該比較的是，一般人表現又怎樣？相信多數人賭波，都是輸錢（否則莊家賺什麼？）。AI雖然輸錢，但可能比人類輸得少，勝過人類。

另一方面，AI炒股又如何？坊間有很多測試，聲稱AI炒股回報如何強勁，一個月回報150%，贏錢率九成！不過，筆者武斷相信，這些成績不可複製，也難以持續。十居其九是斷章取義，又或者cherry picking，只挑好的結果來講，忽視了千古的skill versus luck問題。背後目的不外乎是叫人課金，購買其「AI選股課程」，又或者根本是騙局。

因為，這些「AI炒股個個月賺150%，九成月份贏錢」的講法，似乎通過不了最原始的「瑞士山區肺測試」──若有如此好搵的主意，為何要和你分享？再犬儒點講，若AI模型如此神奇，那些AI公司就不會年年蝕錢，要藉生成色情圖像希望賺錢。

話說回頭，AI炒股要賺錢，當然不難！很多股市就是長升，亂買都贏錢。此外，大家都知，絕大多數人類都跑輸大市，所以AI要跑贏人類，根本並不困難。真實的情況極有可能是「大市勝AI、AI贏人類」。

世間本無事，庸人自擾之。AI要勝過人類，不難，因為AI理論上沒有情緒，應該坐得較隱。誇張點講，AI長買追蹤標普500指數的ETF，已經夠跑贏大多數人類，但如此表現是否叫「出色」，就見仁見智。

最後補充，「AI炒股出色」是一回事，但「你用AI炒股出色」又是另一回事。無數慘劇或意外都見到，電腦和機器，真的很少犯錯。十居其九，都是人禍。核電廠也好，空難也好，明明電腦有警示，人類卻可能嫌麻煩早早關掉警示，或者自作聰明無視之。放在AI炒股，也會是一樣。

「刷存在感」不容忽視

AI愈來愈進步，真的是好事？10年後的今天，你問AI，應該如何投資，如何做人處世。全能的AI告訴你，算吧啦，閣下資質平庸，少時不努力，人又衰格，心地又差，還是躺平算了，不要搞那麼多東西，收到如此「忠實」的建議，保證你掟爛電腦，上網出文鬧爆（很可能要靠另一AI模型才懂寫作）。

誇張？不。買波經買馬經的人，當然認為「準」或「有參考價值」才買，但即使是極準的波經馬經，你看賭仔會不會照單全收，第一場買這隻，決賽買這隊？當然不會。什麼都聽你的，我還有什麼意義？AI炒股可能比人類好，卻克服不了用家自己刷存在感的問題。數據每次都告訴你，別人恐懼時你要貪婪。去年「關稅解放日」，美股VIX升上50，AI一定告訴你是入市良機。又如何？無數人還是覺得，「今次不同」，還是應該「止蝕」，「增持現金」，最後是低位打靶，錯失反彈。不過，若凡事都聽AI，老子還有存在價值嗎？不可能的。

HKEJ - Ivan Ho 2026-04-17 [美股炒停戰憧憬淡友成助燃劑]

「美伊還未結束戰事，油價還在高位，還是等一等再入場，待戰事結束才進場穩陣一些。」這是不少散戶投資者周初的說法。可是當戰事正式結束，股市應早已大幅回升，到時才入市，其實已沒太多水位。投資者要取得高於指數升跌的超額回報，永遠不可能是當大家都不再恐懼時才出手。

TACO造就快速挾空倉

面對美股一口氣回升，一般散戶最多不買，但總有不少對沖基金因對沖戰事而建立空倉，也有不少膽大散戶跟沽，甚至是因為錯過了低位買入，賭氣而掉頭開淡倉。原因總是認為股市表現與經濟背馳，以及會刺破人工智能泡沫等。結果，是次美國總統特朗普在美伊戰事上TACO（Trump Always Chickens Out）的態度，以及Anthropic最近大量發布人工智能代理程式，又再一次令淡友成為股市的助燃劑，間接造就了創連升紀錄兼破頂的美股。

為什麼這樣說呢？特朗普先是威脅把戰事升級，投資者因而沽空或買入淡倉對沖，但他突然願意和談，雖然他仍對伊朗提出談不成隨時再打的說法，但雙方在停火期內已相當克制，兼且副總統萬斯說特朗普的底線是伊朗永遠不能擁核，兩國最終達成協議的機會已大增。至於霍爾木茲海峽，只要兩國就擁核問題達成方案，自然會重開，而海峽最終是否會收費，只要美國解凍伊朗資產讓伊朗有資金重建，我相信伊朗亦未必想與其他中東國家為敵去硬收過路錢。

AI變現漸成真 M7再得寵

從伊朗角度看，它也需向民眾交代停戰所得，而獲全面解除制裁則是一個選項。如此一來，市場360度轉向，相信最壞情況已過，自然會爭相平掉淡倉，兼追買與美伊戰事相關度較低的人工智能科技股。結果一下子造成了納指錄得連升最長紀錄，兼創出新高。總括而言，是次美股如大時代般急升破頂，與空倉突然需大量回補有一定關係。

除此之外，美股本年成也Anthropic，敗也Anthropic。雖然它的大量新發布令軟件股在第一季大幅下跌，拖累納指表現，但其客戶量大增，連帶Token使用量上升，市場看到人工智能應用變現的初型。去年第四季開始市場擔心科企天價人工智能基建投資無法收回成本，現在Anthropic獲得不少企業客戶而且算力需求增，算力供不應求，甚至開始加價，市場資金重新流入擁有算力的科企上，M7（科企七雄）中的雲企數日間大幅反彈，年內迅速由跌轉升，剛好為美股破頂助力。

最後，不少人聚焦媒體上油價高企的標題，油價現時仍處近百美元高位，難免令人較為憂心。回看這樣的油價水平，其實在2023年也維持了一段時間，對當時美國經濟未至於構成嚴重衝擊。由於美國是原油淨出口國，油價對美國影響可控，油價上升，惟不會沒供應。既然海峽重開看來只是時間問題，油價雖高但將逐步回落，因此市場已開始無視其對經濟的影響。這些都解釋了為何當美伊達成協議預期加深，資金即大舉回流美股。如果投資者抱着錯過了3月低位，認為沒理由未打完仗便入場，以及油價高企油股理應向好的想法，就平白錯過了過去數天龐大的升幅，兼坐守大幅回吐的石油股。

投資者需謹記，股市大部時間是反映未來的憧憬，而非現在發生的事。到憧憬的事情兌現，反而再沒有想像空間，股市往往逆向而行。正如美國與伊朗一旦正式停戰，股市屆時高開後，反而有機會出現明顯獲利回吐。

AI令人變蠢四大條件(AI)

近來最常見的AI焦慮，不是「它會否搶走飯碗」，而是更日常的問題：用得多，人會不會變蠢？學生用ChatGPT做功課，打工仔叫AI起email，programmer讓Copilot補function，analyst把資料丟進模型要它先寫摘要。這些做法當然省時，但本質上都是把原本要自己做的思考，暫時外判給機器，心理學把它叫做cognitive offloading。

問題在於，外判有價。今日你少寫一封email，少debug一段code，少自己搭一個分析框架，效率固然高了，練習也少了。這亦正正可能是它最危險地方：它幫你快，卻未必幫你長本事。

互補程度愈低 易「去技術化」

麻省理工學院兩位學者最近有篇研究值得和大家分享一下【註】。作者把AI的生產力拆成兩部分：第一部分，是AI不靠你本身能力都可以直接交到貨的產出；第二部分，是AI與人的能力互補的部分，也就是你自己愈有判斷力、經驗和基本功，AI愈能被你用得其所。與此同時，AI亦會減少練習，令技能慢慢折舊。

研究的理論有趣的分析是，即使你完全知道技能會流失，用AI仍然可能是理性選擇。今天趕deadline，老闆只看今季KPI，學生只求明天交功課，誰會為3年後的能力折舊而拒絕眼前的方便？於是一個可能的情況是，開始採用AI時產出上升，但長遠穩定下來之後，你的能力和產出反而比未用AI時更低。若制度本身又特別短視，名義上你的產出是增強，結果卻是個人能力比一開始不用AI時更差。

什麼情況最容易「變蠢」？第一，是AI太獨立，與人的能力互補程度太低。像文案寫作、初級分析、客戶服務，AI幾乎做晒，人只負責按掣和複製貼上。第二，是短視誘因太強。香港打工仔對這點一定不陌生。上司看「做事效率」、季度表現，員工為升職自然願意把更多工作丟給AI。這就是典型的誘因不配合，老闆拿到短期好處，員工承擔長期折舊。

第三，是技能沒有外部價值。若你學的只是公司內部prompt、專有工具和格式，離開公司未必有用，人便更容易放棄真正可攜帶的基本功。第四，是過早使用AI，尤其是新手。未識寫，就先學改稿。未識做model，就先問ChatGPT拿答案。研究的一個結論，正是在互補程度低的場景下，高手會愈來愈識用AI，新手則可能一路「去技術化」，最後沒有AI便做不到。

電腦程式工程師是最好例子。資深工程師用AI寫boilerplate、找bug、起單元測試，很多時候都屬互補程度高的情況，因為他知道哪段程式可用，哪段只是看似可用。但若新手連一些電腦程式的基本概念都未搞清楚，就靠AI生成一組程式再提交，短期像開了外掛，長期卻是把debugging能力直接典當。

長期恐培養不出中層人才

學生用ChatGPT做功課都一樣，若它只是幫你整理思路、指出盲點，可能是補習老師。假如它連答案、論證、例子都包辦，學生交到功課，腦袋卻沒有上課。顧問或分析員的處境更微妙。AI很適合起草稿、寫報告、整理訪談，但初級分析員原本就是在這些「苦工」中學會framing、取捨和判斷。如果一入行就把報告交給AI先寫，公司短期賺到生產力的提升，長期卻培養不出中層人才。

醫生的例子最能看出互補程度的分別。若AI只根據症狀自動給出流水式診斷，而醫生只是照單執藥，那就是互補程度低，久而久之臨床判斷會鈍化。若AI幫忙讀片、提示罕見可能、整理病歷，而最終診斷仍要靠醫生理解病人脈絡，那就是互補程度高。AI不是取代判斷，而是令好判斷更值錢。

換言之，AI會否令人變蠢要看情況。不過，在香港，我們的職場本來就重KPI、重速度、重即時交貨。教育上又長期迷信標準答案，補習文化本就鼓勵「最短路徑解題」。當AI把這條最短路徑壓到幾乎零成本，我們是會更聰明，還是只有更快拿到答案？

FB - Ivan Ho 2026-04-15 【又長文-點解係要拗買港股定美股？】

最近講美團及昨晚講美股的post，意外地出現較激烈的討論情況。大概是港股還叫人買，仲要買美團？美股仲叫人買？一定隨時崩盤。當中有些留言較明顯是源於政治取態，有些則是估值角度，前者我不作討論，僅一句是太強的政治傾向會影響對市場的判斷。

我集中講估值。如果以絕對估值（即PE/PB）等看，港股處多年來的中位水平，大家可參考下圖。但港股近年PE處企位原因，是成份股盈利增長減慢。我大概給一個概念，就是一旦企業盈利趨向零增長，10倍或以下PE其實很正常。相對美股，美股預期市盈率約20倍，但企業盈利以年率20%以上增長。故市場給予較高估值。如果再深入些看，美股炒得最熱的板塊，有很多股現時仍是虧損，那些股份是否存在很大的泡沫呢？這其實要看人工智能應用市場的發展，可以是，但也可以不是，很在乎於您的估算。港股相對美股令人感覺較實在，從好的角度是盈利都是實實在在的，但另一個說法，就是沒有盈利想像空間，一直是炒無咁差。所以很難用歷史盈利作絕對估值比較。

我自己其實中線及短線都有兼顧，中線是睇估值，而短線的確可以炒得很短。短炒我現在比較少作即市分享，因為唔係太多人拿捏到，而且總有buy and hold 策略既hater衝入嚟，我唔想花時間解釋太多，所以現在FB大部分時間都只是講sector，講指數range睇法，大家參考左就自己諗下點做。對於港股，中線我尚樂觀，且估值屬中間位，所以我是維持一定比例；但短線技術走勢弱，所以我減少左短炒；至於美股，中線估值略高，所以過市倉其實比例較低，但它短線動能明顯較強，所以我短炒的密度會較高。每個人都有不同策略，賺錢就好，實在毋須口誅筆伐他人。

講賺錢，我相信高手在民間，買美股及港股都一樣有人賺大錢，只是容易程度，美股較散戶友善，自己熟哪個市場多一點，便自行操作，不用特意挑戰，投資只是找最合適自己的投資方式。一入場講自己賺幾多，坦白說我有點無視這些人，因為講得這些，大多是我的一套就是王道的人，討論亦無得益，而且講賺得多，呢個世界永遠有人賺得比您更多。您睇人地既方法可能會輸，很多時只是那種方法不適合您。

最近美伊之戰，如果大家由頭有跟我跟到尾，其實我一直既重點，是市場預估與實際情況的落差。由最初睇跌，睇納指100會因戰事不會咁快作結而調整至23000，到我後來沒坊間那麼悲觀，覺得已見短底會大反彈，是源於實況與投資者主觀的差異，我能作這判斷是因為我大多數時間睇哂兩方面的資訊，亦不單單以技術分析作趨勢判斷。而這亦是我為何說市場分析有太多政治立場，又或是在事件主導市場中以純技術分析操作的盲點所在。

補充短線想法，挾埋正式開會日期，或者美股到時去到高位/破了高位，我不會追，但會定止賺，業績及挾淡倉是市場短期overshoot的動能。而港股要睇美股這浪帶到港股上多幾多。悲觀是26300又完，樂觀則是美伊有大進展油價再回，則是一日追回，再重試27000。最後要講下自己都一定有盲點，好像我是一個對某些股不喜歡就是不喜歡，喜歡就可能比較留戀的人，所以您聽我講那些股的看法/策略時，就要調節一下。

暫時講住咁多，太多大家未必消化到。謝謝收看。

HKEJ - Ivan Ho 2026-04-13 [高估值壓垮公司「護城河」]

美股市場有一個特性，就是每當有一個行業獲資金追捧，忽然不少公司都會被指是好公司而且有「護城河」，其盈利增長的預期，也會即時水漲船高。當前已有盈利的公司，其市盈率（P⁄E）可以幾何級數上升，至於仍然錄得虧損的，更是在無限憧憬下升得更多。到了某些時候，當行業或公司盈利增長未如預期或市場預期有所改變，股價便在短時間內打回原形。近日美股市場的主角、「大空頭」布瑞（Michael Burry）再對陣的Palantir便是一例。

「大空頭」沽Palantir已大賺

相信本欄讀者也知道布瑞一向不看好Palantir，甚至隔空與其CEO卡普（Alex Karp）爭辯。自去年起，布瑞多次公布買入其認沽期權長期看淡，原因是公司估值過高。本季Anthropic不斷公布新的企業用人工智能模型，布瑞指出從Anthropic對企業的收益大幅增長來看，它正在短時間內做了Palantir多年來才做到的事，而且會吃掉Palantir的「午餐」。他的想法是既然Palantir也是用Anthropic的模型來向客戶提供服務，那麼為何用戶日後不直接採用Anthropic？

這個看法可能較為主觀，甚至引來一眾Palantir死忠恥笑其不認識公司優勢與「護城河」。因為Palantir的行業經驗，讓它可以協助企業把公司業務用人工智能串連起來，而且能為企業帶來很多有用的建議。許多企業使用其服務後，亦增加對Palantir的訂單，企業自行使用Anthropic，可能得不到同樣的效果。這個想法新近獲得美國總統特朗普罕有地發文加持，指Palantir在美伊戰事中貢獻極大。

但無論如何，布瑞在Palantir股價200美元左右公布造淡，現時該公司股價已跌至130美元以下，喜歡的話，已可隨時「食糊」，死忠們大可繼續持蟹貨恥笑他。

布瑞同樣看淡輝達（Nvidia），惟暫時未取得甜頭，原因是輝達的估值水平不算高，對市場突如其來的憂慮有相當大的緩衝。Palantir美好故事的另一面，是當Anthropic變得更普及，大型公司的確有機會不再外判工作予Palantir，而是自行設立一個新的部門，將公司營運用人工智能串連，好處是調整營運或修正模型時更有彈性，情況有點像外聘一間專業公司，還是自行建立一個公司部門的分別。對於大公司而言，如果有足夠資源，長遠有可能採用自建團隊的模式。

究竟未來會否如此，尚待觀察，但任何會影響Palantir未來增長前景的憂慮，足對Palantir的股價構成壓力，原因是其股價本身已因樂觀的增長預期而在較高估值水平交易，一旦憂慮稍為改變預期，殺估值便會使Palantir股價大幅回落。這情況與一眾軟件股持續下跌的原因相近，也是由於原來的高增長預期被Anthropic橫空出現而受到衝擊。

盈利高增長低P/E才值博

在軟件股下跌之初，「護城河」之說大行其道，隨意在網上找尋，高盛、摩根士丹利、晨星等自2025年第三季起，持續發表報告指市場過度憂慮人工智能取代軟件股，亦極力建議客戶關注一些具「護城河」的軟件股，如今大部分建議股份之價格較當時低了一大截。本人不反對它們就某些股份擁有「護城河」而不易被即時取代的看法。可是，不易被即時取代，並不代表其未來增長情況會像以往般一帆風順，而且接入人工智能以加強自身「護城河」亦會帶來額外成本，影響毛利率。

最重要的是大家要想想，有「護城河」者是否等於什麼估值也是合理，有買貴無買錯呢？市場現在告訴大家，答案顯然不是，這也給一眾分析員大力打臉。

不少分析員定平貴，往往以同業平均值比較，但當整個行業估值被下調，最有「護城河」或估值相對同業便宜者，僅是跌得較小而非能逆勢上升。依「護城河」概念買股，只有在企業估值絕對偏低時才有效。什麼是絕對偏低？就是低市盈率而企業未來盈利仍可維持持續高增長。因應每間公司的業務及盈利增長不同，很難有統一的數值參考。本人認為軟件股的預測市盈率，如現時仍處於30倍以上水平，值博率不高，因為當一家公司被認為未來增長只有低單位數或僅持平，市盈率可回落至單位數字，Adobe及此前提及的騰訊音樂（01698），便是朝此方向發展。

張五常的歌手理論 (From Gemini)

張五常（Steven N.S. Cheung）是當代著名的經濟學家，他以實證和產權理論聞名。你提到的「歌手理論」，其實是他用來解釋勞動力契約、分成租佃（Sharecropping）以及生產要素定價的一個經典案例。

張五常非常擅長將複雜的經濟邏輯簡化為生活中的故事，他對「歌手與夜總會」的分析，核心在於探討為什麼不同的工作會有不同的計酬方式。

---

1. 核心邏輯：契約的選擇

張五常認為，任何經濟交易的本質都是「契約」。歌手在表演時，報酬通常有三種形式，這反映了不同的風險分擔與監督成本：

• 固定工資（Fixed Wage）： 夜總會付歌手固定的出場費。

  • 風險： 老闆承擔所有風險（如果沒客人，老闆虧大）。

  • 缺點： 歌手可能「出工不出力」，缺乏表演熱情，監督成本高。

• 固定租金（Fixed Rent）： 歌手租下場地，自己賣票，收入全歸自己。

  • 風險： 歌手承擔所有風險。

  • 缺點： 對於知名度不穩定的歌手來說，風險太高。

• 分成制（Percentage Commission）： 根據門票或酒水收入按比例分成。

  • 優點： 風險共擔，且歌手更有動力吸引觀眾，因為表現越好，收入越高。

---

2. 為什麼有些歌手能拿「分成」？

張五常指出，這取決於信息費用（Information Costs）。

在《分成租佃制》中，他論證了如果監督成本為零，任何契約形式的產出都一樣。但在現實中，歌手的「努力程度」很難被量化監督，因此透過「分成」讓歌手成為「合夥人」，能有效降低監督成本並提高生產效率。

關鍵點： 分成制不是因為剝削，而是因為在某些情況下，它是最能激發潛能、且交易費用（Transaction Costs）最低的一種制度安排。

---

3. 「歌手與醫生」的對比

張五常曾將歌手與醫生的收入做對比，用以說明**「租值」（Rent）**的概念。

• 一個頂尖歌手的收入，大部分來自於其天賦（不可替代的資源）。這種收入在經濟學上被視為「租值」。

• 如果政府對歌手抽重稅，只要稅後的收入仍高於他轉行去做其他工作的收入，歌手依然會選擇唱歌。這就是為什麼張五常主張，對高額「租值」徵稅對生產意願的損害，有時比對普通勞動徵稅要小。

---

4. 對演藝產業的觀察

張五常對歌手理論的應用還包括：

1. 捧紅效應： 唱片公司初期可能給歌手極低分成，這是因為公司在承擔「挖掘與推廣」的風險與成本。

2. 名氣的價值： 歌手的名氣（品牌）是一種無形的資本，其合約條件會隨著名氣的增長（租值的提升）而不斷重議。

總結

張五常的「歌手理論」本質上是交易費用理論在演藝行業的具體呈現。他讓我們明白，合約的形式（是拿死工資還是拿分紅）並非隨機，而是勞資雙方為了應對不確定性和監督難度，所達成的最優安排。