《M報》#500：美國政府大戰 Anthropic｜OpenAI 千億美元募資｜Meta 再戰穩定幣
【Ｍ觀點】#282 精華摘要（點擊標題能觀看網頁版）
很多人創業前想的是產品、市場、商業模式，但真正當了老闆之後你會發現，決定你賺不賺錢的，往往是財稅。
Miula 我自己也是公司老闆，很清楚一件事：關鍵不在營收數字好不好看，而在稅後實際能留下多少。帳面獲利和真正進入口袋的錢，常常是兩回事。你不懂稅務邏輯，很可能連自己到底有沒有賺到錢都說不準。更現實的是，同樣營收規模的公司，最後淨利差距很大，差異通常出在財稅規劃。
很多人會想：「這交給會計師處理就好。」但換個角度看，如果你自己完全不了解財稅基本架構，又怎麼判斷會計師的建議是否適合你的公司？一旦處理不當，被補稅甚至被罰，承擔責任的還是老闆本人。
這也是我會推薦《企業財稅必修課》的原因。
這堂課由台大法律學院副教授、《精準節稅》作者陳衍任老師主講。他長期擔任企業稅務顧問，既懂法規，也熟悉企業實務。課程規劃成五大模組，整理 30 種真實交易情境，從公司設立、日常營運到常見交易模式，帶你理解判斷邏輯與規劃方式，而不是只給你一堆法條。
與其等到國稅局來函才開始補救，不如一開始就把財稅架構建好。這件事影響的不是小幅度的成本差異，而是長期風險與實際獲利能力。
目前課程限時優惠中。如果你是創業者、公司負責人，或已經是有穩定營收的自媒體經營者，這堂課我會建議當成你的基本能力提升來投資。
---
《企業財稅必修課》
#專為中小企業設計，建立可落實的節稅與避險制度⚖️
— 課程亮點 —
🔹 法稅結合｜帶你重建財稅思維，主動規劃、提前預判不踩坑
🔹 獨創系統｜F.O.R.E.V 五大模組，輕鬆檢視不同階段的節稅重點
🔹 收斂問題｜解析常見30種交易情境，讓你能馬上判斷問題與行動方案
🔹 白話講解｜不用死背法條，讓你聽得懂、用得上、能落實！
即日起 ～ 3/27（五）限時低於 4 折！
使用專屬折扣碼「MLF350」可再折 350 元！
👉 課程連結： https://hi.sat.cool/uASDH
【美國政府大戰 Anthropic】
◼ Anthropic 槓上美國政府
• 這週 AI 領域最具爆炸性的新聞，出現在國防與國安圈：做出 Claude 的 Anthropic，和川普政府正面槓上。Anthropic 走到今天，很難再用「AI 新創」三個字帶過。它成立多年、估值規模也差不多到 3000 億美元，更貼近的說法應該是 AI 科技巨頭公司。偏偏就是這樣一間公司，因為「模型提供給美國政府使用的原則」談不攏，從原本的合約協商一路吵到政治層級，會議開了沒有結果，衝突反而越演越烈。
• 衝突升級的導火線，是國防部長 Pete Hegseth 的最後通牒：如果 Anthropic 在上週五的期限前不接受條件，就會被列為國家安全供應鏈風險。Anthropic 在 deadline 還沒到就先把門關起來，直接拒絕合作。供應鏈風險這個標籤，對企業來說殺傷力遠遠超過「國防部不買你」。它的意思是：只要任何想跟美國國防部做生意的供應商，只要產品或服務裡面用了你的技術，國防部就認定整套東西有風險，連帶禁止採購。用更好懂的方式比喻：假設美軍跟某軍工公司買無人機，只要那間公司在研發過程用 Claude 做過關鍵分析或流程整合，整個案子就可能被打成供應鏈風險，無人機直接不能賣。這種影響絕對不只是一紙幾億美元的合約，而是幾十億、上百億等級的長線商機。
• 接著川普本人又加碼，把事情往更硬的方向推。他要求所有政府單位禁止使用 Anthropic 的 Claude，並且給出六個月轉換期。這種放話的強度很高，Anthropic 也立刻反擊，表示如果真的被貼上供應鏈風險的標籤，就走法律途徑，看法院最後怎麼判。今天這裡先不討論誰會在法庭上贏，重點在於：這場衝突之所以能燒成這樣，是因為 Claude 其實早就深度滲透進美國政府的使用情境，尤其在國防體系裡不是路人。
• Claude 在「前沿模型」的競爭序列裡，長期屬於前段班。尤其像 OPUS 4.6 這種模型，很多人認為它在 coding 與 agentic workflow 這類需要長時間自主執行的工作階段，表現非常強。某些 benchmark 可能會輸給 Google 的 Gemini，但一旦換到真實工作的場景，需求是「讓 AI 自主運行很久、連續做一串任務、自己拆解步驟、自己追蹤狀態」，Claude 的優勢就很明顯。再加上 Anthropic 一開始就鎖定企業市場，對「可用性」和「工作流」的強化投入很重，所以它也成為第一家把前沿模型部署進美國政府機密網路的公司。媒體也提到，Claude 已被用在情報分析、模擬、作戰規劃、網路戰等任務之中。
◼ Anthropic 在國防上的應用與爭議點
• 實務上可以想像這樣的協作方式：國防部內部可能有類似 Palantir Gotham 這種情報中樞系統，負責整合、決策、可視化。但戰場與網路世界的訊息量巨大，像是攔截到的通訊、網路文字、各種雜訊資料，動輒上千萬字甚至更高，靠人類分析幾乎不可能。這時候就需要大型語言模型先把雜訊整理成可用的情資線索，再把整理後的內容輸入後端系統做下一步判斷。從國防部的使用視角來看，他們認為 Claude 在「把海量雜訊提煉成可行動資訊」這件事上，現階段能力很強，於是 Claude 成為軍方工具箱裡的重要一塊。也正因為它已經在用，後續談合約條款時的摩擦，才會引爆成這麼大的事件。
• 爭議的核心，落在 Anthropic 堅持要寫進合約的兩個「永不允許」。第一個，模型不能用於對美國公民進行大規模監控。第二個，模型不能用於開發 fully autonomous lethal weapons，也就是能致命、並且由 AI 百分之百自主控制與運行的武器。乍看之下，這兩個要求聽起來相當合理，因為美國本來就有限制政府不得大規模監控公民的法規與制度，也有自己的軍事規範與政策框架，表面上似乎沒有什麼不能同意的空間。但衝突真正爆開的地方，藏在細節：Anthropic 要求的約束強度，超出現行法律與國防部政策能接受的範圍。
• 在監控議題上，國防部的態度大致是「依法律行事」。如果法律禁止政府對公民做大規模監控，那就遵守法律，把這條寫進合約即可。Anthropic 想推動的是更高強度的限制，因為他們認為現有法律過時，技術能力提升後，很多「形式上不算大規模監控」的做法，實際上也能達到監控效果，因此應該額外加上更多公司自訂的規則，並且把這些規則直接寫進模型或條款裡。問題在於：哪些算監控、哪些不算，原本是由國會與民主制度在爭辯、協商、折衷後形成的社會共識。當一間私人公司把自己的道德潔癖與判準寫成不可妥協的條款，等於用單一公司的立場去改寫政府該如何執法、如何做軍事政策判斷。國防部不可能接受的點，就在這裡：憑什麼一間技術供應商的內規，能高過一個國家透過立法程序形成的共識。
◼全自動 AI 武器比人操作更好嗎？
• 更大的爭議在「全自動 AI 武器」的定義。Anthropic 的 human-in-the-loop 要求，靠近全流程即時審核：從判定是否為敵、要不要攻擊、攻擊哪裡、用什麼方式、到開火的每一個決策環節，都要人類參與並批准。OpenAI 與國防部更接近 human on top of the loop 的務實版本：整個擊殺鏈需要有人類決策參與與責任承擔，但不要求每一個微小環節都由人類逐次批准。換句話說，只要擊殺鏈中存在明確的人類授權與責任點，就不會被定義成百分之百純自動的致命武器。
• 這個差異，用戰場例子會非常直觀。假設有 100 台純無人 AI 轟炸機要去打擊 50 個地面目標。採取較寬鬆、強調人類責任的版本，可能是指揮官下令出擊，抵達戰區前由系統回報辨識結果，團隊再做一次確認，之後 100 台轟炸機就自主選擇攻擊路徑與目標分配，快速完成打擊任務。Anthropic 的版本會把流程拆得極細：每一台轟炸機在攻擊每一次目標、甚至每一次發射前，都要取得人類確認。假設每台轟炸機有 4 枚飛彈，攻擊次數很容易堆到 400 次確認。這種模式在真正戰爭中會出現一個致命問題：人的決策速度比 AI 慢，每一秒的遲滯都可能換成被擊落、被反制、任務失敗。戰場像即時戰略遊戲，不會針對每一個單位逐一下指令，主流一定是「人類下達意圖與責任點，系統自動執行大部分細節」。在這個框架下，Anthropic 的堅持看起來很道德，但在軍事上會導向一種「做得越安全，輸得越快」的結果。
◼ 公司的道德標準凌駕一切？
• 這件事最後會碰到一個更敏感的核心：AI 公司能不能憑藉「把規則寫進模型」而取得準政策制定權。想像未來有一把 AI 步槍，政府與 AI 公司都同意不能對平民開火。偏彈性的版本，可能是槍具有先進識別系統，遇到疑似平民時強烈警示並要求士兵確認，扳機仍由人扣下，扣下後如果違法，政府與士兵都要負責。Anthropic 的版本更接近硬編碼：系統判定是平民，就把扳機鎖死、強制退彈，前線指揮官也無法覆寫。戰場會出現偽裝成平民的敵人，這種硬鎖死的邏輯，可能反過來導致己方傷亡。制度問題在這裡浮現：若模型裡的邏輯不可挑戰、不可覆寫，等於一間公司把自己的判準凌駕於行政、立法、司法之上。民主政治裡，對錯與灰度應該透過制度分工與責任追究來處理，交給單一公司的硬規則去寫死，會變成非常危險的權力轉移。
• 站在這個角度來看，批評 Anthropic 的點，並不是「道德好不好」，而是它把自己的價值判準抬到高於制度共識的位置，並且想透過模型條款強制落地。這可以被視為一種傲慢，也可能被視為反民主的路徑。不過在民主社會裡，公司也有權利決定自己的模型如何被使用，這同樣是制度給它的保障。問題落回現實決策：川普政府有沒有必要在此刻就把 Anthropic 逼到供應鏈風險的懲罰等級，這件事本身仍然存在很大的討論空間。
• 因為供應鏈風險是強力施壓手段，影響面是「政府供應鏈全面禁用」，強度很接近棒打出頭鳥。若未來 AI 自動武器已經迫在眉睫、風險立即且不可逆，政府用重手處理會更容易被理解。但現在距離真正的大規模 AI 自動武器戰場形態，仍有時間差，所謂的國安風險也未必迫切到必須立刻把 Anthropic 打到失血。加上另一個現實是：Anthropic 的模型並非不可取代，它在企業市場吃香，靠的是對 agentic workflow 的調教，以及替模型打造一整套更好用的工具與使用環境。這些能力很強，但不構成別人完全做不到的技術護城河。只要其他公司願意投入，花幾個月把工作流、外殼、工具鏈補齊，就有機會追上。從商業與競爭的角度，政府其實也能透過採購需求與市場誘因，逼 OpenAI、xAI 等對手把缺口補起來，讓市場競爭去改變格局，而不是直接用供應鏈風險把一家公司打成禁區。
【OpenAI 千億美元募資】
◼ OpenAI 新一輪千億美元融資
• 今天第二個主題，是 OpenAI 這一輪規模高達 1100 億美元的新投資。OpenAI 對外已正式確認，本輪增資以 7300 億美元的 premoney valuation 進行，換句話說，資金到位之後，公司的估值將來到約 8400 億美元。在尚未上市之前，就已經逼近一兆美元等級。至於這個估值有沒有高估空間，那是另一個話題，但至少從資本市場的態度來看，這是一筆把 OpenAI 直接推進「準兆元公司」區間的融資。
◼ 本輪重量級股東
• 這 1100 億美元並不是分散在一大堆財務投資人手中，而是高度集中在三家重量級股東。第一是軟銀，孫正義過去一年最關鍵的資金來源之一；第二是輝達，投資約 300 億美元；第三則是本輪最受矚目的新大股東——亞馬遜，預計投資 500 億美元，而且金額高於軟銀與輝達。亞馬遜的資金採分階段投入，但即便如此，它依然成為這輪最大單一投資者。華爾街日報也報導，OpenAI 預計在 2026 年第四季 IPO，這意味著這一輪資金，很可能是上市前最後一次超大規模布局。
◼ 各大股東佈局角色
• 市場真正關心的焦點，當然是亞馬遜。過去的結構是微軟重押 OpenAI，Google 自建 Gemini，亞馬遜押注 Anthropic，各自站隊。現在亞馬遜同時入股 OpenAI，戰局開始出現交錯。根據雙方公布的協議，OpenAI 將購買亞馬遜自研的 Trainium 晶片作為算力來源，同時未來會推出一個新的企業平台「Frontier」，由 OpenAI 自行營運，但在 AWS 上架並銷售，而且屬於 AWS 端的獨家產品。這代表亞馬遜換到的不只是股權，還包括算力綁定與企業產品分銷權。
• 這件事的算力意義很關鍵。微軟目前仍握有 OpenAI API 的獨家銷售權，但在 ChatGPT 背後的實際運算資源上，微軟已經不是唯一供應者，部分負載已經轉往 Oracle。既然 OpenAI 承諾採用 Trainium，合理推論是，未來 ChatGPT 或其他服務的一部分推理需求，會部署在 AWS 上。OpenAI 不可能大量購買 Trainium 卻閒置不用，因此把部分算力需求轉移至 AWS，是高度可能的發展。這意味著 OpenAI 正在從「單一雲依賴」走向「多雲、多晶片」的分散策略。
• 即便如此，亞馬遜在股權上仍然是小股東。微軟因為早期投資，本輪後仍可能持有二成以上股權，而亞馬遜即使投資 500 億美元，占比也不到一成。差別來自於進場時間與估值差異。不過真正影響長期格局的，是微軟 API 獨家權的期限。這項獨家權綁定到 AGI 達成為止，一旦 AGI 被認定實現，微軟的獨家銷售權就會消失。市場普遍猜測 AGI 的時間點落在 2027 或 2028 年，若屆時獨家權解除，亞馬遜理論上也能銷售 OpenAI API，雲端分配格局將再次改寫。
• 對輝達而言，這一輪投資帶有明顯的防守意味。OpenAI 一方面採用 Trainium，一方面又與 Google 有合作紀錄，算力來源正在多元化。輝達入股，等於在董事會層面取得影響力，也在商業層面增加綁定關係，確保 OpenAI 仍以輝達 GPU 為核心算力來源。即便未來分散供應，主力仍不會輕易轉移。這是一種供應鏈層級的互相牽制。
• 軟銀的角色則更純粹。孫正義一向是重押型投資者，這一輪幾乎可說是他晚年最關鍵的一次押注。過去他有成功案例，也有慘痛教訓。這次把大筆資源集中在 OpenAI，兩三年後 IPO 若順利，將是重大勝利；若 AI 競局生變，壓力也會直接回到願景基金身上。這是一場高風險、高報酬的終局型布局。
◼ AI 市場的風向
• 更有意思的是市場風向。去年底到今年初，Google 的 Gemini 一度最熱；隨後 Anthropic 風頭正盛，OpenAI 被看衰已有一段時間。但這次融資釋放出一個清楚訊號：即便亞馬遜是 Anthropic 的最大股東，它仍然願意再押 500 億美元在 OpenAI 身上。這不是試水溫，而是重倉。亞馬遜不願意把未來全部壓在單一模型公司上，它選擇雙邊押注，確保自己無論誰勝出都不會缺席。
• 從產業結構來看，三大 hyperscaler 中的兩家——微軟與亞馬遜——都已成為 OpenAI 的股東，再加上輝達這個最關鍵的 GPU 供應商。很多人說 Google 有無限銀彈，但微軟、亞馬遜與輝達的現金流與市值規模同樣驚人。即便三家各自只拿出一部分資源支持 OpenAI，合計起來的火力也足以對抗任何單一對手。這不代表 OpenAI 一定勝出，而是代表它不會在資源層面被餓死。
• 從賽局角度來看，沒有人希望市場最後只剩一家模型公司。微軟不希望 Google 一家獨大，亞馬遜不會把命運交給單一夥伴，輝達也需要多家前沿模型客戶維持需求。維持三到四家頂級模型公司同時存在，是對整個生態系最有利的均衡。OpenAI 目前仍在前段班，因此它背後的股東都有強烈動機，確保它不會掉隊。
【Meta 再戰穩定幣】
◼ Meta 再戰穩定幣
• 今天第三個主題，要來聊 Meta 最新的穩定幣支付計畫。Meta 預計在今年下半年重新推出與美元掛鉤的穩定幣支付功能。不過這一次，跟 2019 年那個震撼全球監管圈的 Libra 計畫完全不同。當年的 Libra 是要自己發幣，而且還是用一籃子貨幣做支撐，某種程度上等於在挑戰各國貨幣主權。那條路的結果大家都知道：監管圍剿、政治壓力、金融巨頭抵制，最後草草收場。這一次 Meta 選擇退一步，不再碰發幣，而是專心做支付入口。
• 這次的模式非常白話：Meta 會做一個錢包，讓用戶可以收錢、轉帳、付款，但穩定幣本身不是自己發，而是用市場上現成、最合規的美元穩定幣。目前外界普遍猜測，最有可能採用的是 USDC。至於底層清算與基礎設施，Meta 很可能不自己做，而是與 Stripe 深度合作。Meta 提供前台入口與用戶流量，Stripe 提供金流底層與合規處理。Stripe 早已收購穩定幣基礎設施公司，與 Meta 長期合作，Stripe 執行長也在 Meta 董事會中，雙方建立一套共同打造大型穩定幣支付網路的結構，並非難以想像。
• 從消費者角度來看，這件事其實很直觀。未來在 Facebook 或 Instagram 上看到廣告，想買東西時可以直接在平台內完成付款，不需要跳到外部刷卡頁面，不必重新輸入信用卡資訊。錢包裡有多少 USDC，點擊確認就完成交易。欠朋友 200 美元，直接轉帳；在平台投放廣告，用穩定幣支付；喜歡創作者，直接打賞。更長期來看，若與實體場景整合，也可能出現類似 Line Pay 掃碼支付的模式，只是扣款來源從信用卡變成穩定幣餘額。
• 這次 Meta 的策略明顯走務實路線。它放棄了當年想建立新貨幣體系的野心，也避開最敏感的監管地雷。既然不發幣，就不會直接衝撞金融監理單位，也不容易引發銀行體系的全面反彈。Meta 只專心把錢包與支付體驗做好，把交易場景留在自己平台上。只要用戶夠多、交易金額夠大，Meta 自然能透過抽成、數據掌握與議價能力創造收益與影響力。
◼ Meta 的大戰略：超級 APP
• 對 Meta 而言，支付的戰略價值不只在手續費，而在於交易行為本身。現在許多交易會離開 Meta 平台，導向信用卡網站或第三方支付頁面。一旦支付留在平台內，Meta 對用戶的消費行為理解會更完整。用戶為什麼真正掏錢、在哪些場景願意付費，這些資料會回流到廣告與推薦系統，使商業化能力更強。若用戶逐漸習慣把錢放在 Meta 錢包裡，下一步甚至可能延伸到投資、保險或理財服務。支付只是入口，金融服務才是更高毛利的延伸。
• 這種路徑在其他市場已經驗證過。中國的微信支付與支付寶，最初只是解決轉帳與購物問題，後來金融產品與投資理財才成為重要利潤來源。東南亞的 SEA 集團也透過支付起家，逐步把金融產品疊加上去。所謂的 super APP，往往是從支付這個高頻入口出發，慢慢把整個金融生態疊在上面。Meta 這次的穩定幣支付計畫，某種程度上是在補齊社群平台最關鍵的一塊金融拼圖。
• 這也讓人聯想到馬斯克想在 X 上推動的支付布局。社群平台若想成為真正的超級應用，金融功能幾乎是不可或缺的一環。美國市場至今仍沒有像微信支付那樣深入日常生活的社群支付工具。Meta 若能把穩定幣支付自然嵌入社群場景，將有機會改變平台的變現結構，從單一廣告模式延伸到交易抽成與金融服務。
• 當然，Meta 過去在支付上的嘗試並非都成功。產品執行力時好時壞，我的看法很兩極。不過這一次策略明顯收斂，不再對抗整個金融體系，而是借力既有穩定幣與支付基建，專心把使用體驗做順。如果用戶一開始只是放幾千美元做小額支付，隨著時間累積信任，資金規模可能逐漸提高。這種以核心帳號為中心，逐步疊加更多服務的模式，在科技產業並不罕見。Meta 是否能真正走通這條路還有變數，但相較於 2019 年那次野心過大的嘗試，這一次成功機率顯然更高。
想獲得更多 Miula 的相關服務與資訊？請參考以下連結：
科技巨頭解碼: https://bit.ly/3koflbU
M觀點 Telegram - https://t.me/miulaviewpoint
M觀點粉絲團 - https://bit.ly/3u3XmLY