業績與正式訂單
檢驗ASML新增訂單、訂單積壓、驗收與EUV／DUV組合，並留意毛利率及既有設備升級服務的持續性。
AI供應鏈、安全與科學商機：
ASML、Nvidia、Google投資新階段
ASML交出可量化的第三季設備業績，並揭示遠期產能壓力；Nvidia投入英國AI安全研究，Google以模型與雲端額度支持歐洲科學界。三條成長路徑的證據強度截然不同：已認列營收、客戶採購意向與策略性研究投入，不能混為一談。
ASML 第三季營收｜已實現
116.62 億歐元
Nvidia 五年運算資源｜承諾
2.5 億美元
Google 科研雲端額度｜承諾
300 萬美元
01｜ASML：設備財報與長期產能壓力
ASML第三季營收、淨利與毛利率同步提高，維護升級及服務收入也帶來毛利率支持。這些已實現財務指標，比遠至2030年的採購興趣更能直接衡量當前景氣。
2026 Q3 營收
116.62 億€
Q2：93.26 億€
2026 Q3 淨利
49.60 億€
Q2：29.18 億€
2026 Q3 毛利率
57.5%
Q2：54.0%
新光刻設備銷售
113 台
Q2：86 台
季營收與淨利比較
單位：億歐元，2026年第二季與第三季
既有設備服務與升級收入
單位：億歐元；服務收入是毛利率改善的重要因素之一
公司財測｜尚未實現
第四季營收指引：142–152 億歐元。
全年營收指引：440–450 億歐元。
全年毛利率指引：約 56%。
產能規劃：2027年部分EUV及浸潤式DUV設備產能，原規劃相對2026年增加約30%；並研究2028年進一步擴產。
需求能見度｜客戶意向非訂單
部分客戶表達對2029年甚至2030年設備採購的興趣；公司指出按目前規劃，2027–2028年產能可能難以完全滿足需求。
證據邊界：遠期採購興趣並非已生效、不可取消的訂單，更不是已認列營收。請追蹤正式訂單、訂單積壓、交付、驗收及收入認列。
ASML是觀察晶圓廠資本支出循環的重要指標，但其業務涵蓋AI以外的邏輯與記憶體製程；不能把所有收入成長都歸因於生成式AI。相關設備商 AMAT、LRCX、KLAC 的受益程度也取決於各自產品組合。
02｜Nvidia：英國AI安全研究布局
2026年10月13日宣布
2.5 億美元
未來五年運算資源承諾價值
簡單平均約每年5,000萬美元；非已支付現金，亦非客戶訂單。
從AI能力走向可治理的代理系統
計畫透過英國 Nvidia Cloud Partners 提供研究運算存取，涵蓋AI Agent安全、系統安全、機器人與資安等研究。報告提及牛津大學主導的BOLD、UCL主導的SOFAIR與Imperial College London，並預計支援更廣泛研究社群。
權限控管限制代理可執行的工作與資料存取
稽核與追溯可重現測試、異常追蹤與問責
安全停止降低自主執行造成的系統風險
財務口徑：運算資源承諾價值，不等於Nvidia自身承擔的成本、不等於已實際使用的資源、更不等於2.5億美元新增營收。未來平台黏著度與資安商機仍須由實際採用及付費需求驗證。
相關觀察對象包括 NVDA、MSFT、PANW 與 CRWD，但研究計畫不能用來推定這些公司的訂單增加或最終市占。
03｜Google：AI for Science擴大應用入口
雲端運算額度｜研究支援承諾
300 萬美元
不是新增付費合約或已認列收入。
開放模型的研究人員數量上限
最多 200 名
不是200家企業客戶，也不等同付費採用。
科學模型與潛在應用場景
AlphaFold 3
分子結構研究
WeatherNext
天氣與氣象預測
AlphaGenome
基因分析
AlphaEvolve
演算法研究
AlphaEarth Foundations
地球與環境分析
潛在產業
醫藥、農業、能源、保險、材料科學
潛在轉換鏈：研究者試用模型 → 將工作流程、資料、儲存與運算部署在Google Cloud → 可能形成長期付費關係。各步驟並非已完成事實。
必要驗證：研究用戶轉付費、機構長期合約、Google Cloud營收與利潤率改善。科學工具採用也不保證發現成功、臨床療效或商業產品上市。
04｜三層AI投資機會與證據強度
第一層｜供應能力
設備產能稀缺性
ASML代表資本支出已傳導至半導體設備；設備交付、服務收入與毛利率可量測。
較直接：已實現財務與交付
第二層｜系統信任
AI Agent安全與治理
Nvidia投入安全研究，可能影響部署標準、平台軟體與企業資安需求。
待驗證：工具採用與商業轉換
第三層｜終端價值
科學AI可收費性
Google的研究入口有機會推動雲端長期使用，但額度與研究人數並非收入。
待驗證：付費合約與利潤改善
不同消息，不能用相同的營收證據衡量
| 證據類型 | 本報告案例 | 投資解讀 |
|---|---|---|
| 已實現財務結果 | ASML第三季營收、淨利、服務收入、毛利率與設備銷售 | 可直接檢驗當期經營成果 |
| 財測及遠期採購意向 | ASML第四季與全年指引、2029–2030年客戶興趣 | 屬未來展望；需正式訂單、交付及認列確認 |
| 研究資源承諾 | Nvidia五年運算資源、Google科研雲端額度 | 屬策略投入與生態系選擇權；不得作新增收入 |
05｜投資策略：從需求到現金流的驗證路徑
資本支出是否傳導
交叉比較晶圓廠與記憶體業者資本支出、建廠進度、設備採購和產能利用率，警惕雲端預算與設備訂單背離。
付費採用與自由現金流
觀察AI Agent安全工具的企業部署，及Google科學AI用戶轉化成長期付費客戶後，是否產生可持續毛利與現金流。
公司與主題追蹤表
僅整理報告實際提及的上市公司與驗證方向，不包含預估股價或虛構訂單。
| 公司／代號 | 產業定位 | 應追蹤的證據 | 定位 |
|---|
研究框架可將「財務可驗證、現金流穩健且估值合理」的公司列為核心研究對象；將仍在標準建立或商業模式驗證的題材列入觀察名單。成長確定性與股價安全邊際必須分別判斷。
06｜四項核心風險
01 估值風險
市場若已反映多年強勁需求，即使業績良好，交付時點變動也可能造成評價修正。
02 資本支出循環反轉
AI終端收益若不及投資成本，雲端業者可能延後擴建，向晶圓廠與設備端傳導。
03 監管與供應鏈限制
出口管制、精密零組件與人才瓶頸，及AI安全責任、標準與法規變化均可能限制成長。
04 商業化落差
資源承諾、免費額度與研究成果不代表同額收入；企業採購週期可能遠長於技術示範。
結論｜讓成長預期走向可驗證的現金流
ASML顯示先進半導體製造設備已出現可觀察的業績成長，但遠期需求仍待合約與交付確認；Nvidia透過英國AI安全研究參與未來系統信任與治理標準；Google則試圖藉科學模型打造新的雲端採用入口。三者分別代表已實現價值、產業標準布局與應用商業化選擇權。
後續最重要的四個驗證點：正式訂單、利潤率、付費採用與自由現金流。避免將研究承諾或客戶興趣視作當期營收，也避免以產業高成長直接推論股價便宜。