今天三則 AI 新聞放在一起，有一個非常強烈的反差。
上游正在發生的是：
幾十億美元的 AI 訂單還在快速增加。
但到了真正使用 AI 的企業端：
很多公司其實還沒有走出「偶爾用一下」的階段。
今天 Cisco 公布：
單單第四季，超大型雲端客戶下給它的 AI 基礎設施訂單就達到：
40 億美元。
另一邊，AI 晶片公司 Cerebras 第二季營收雖然比去年增加 74.3%，雲端收入甚至接近四倍成長，但因為營收沒有達到市場預期：
盤後股價反而跌了大約：
16%。
然後今天清晨又出現第三個數字。
Reuters 對日本企業所做的最新調查顯示：
真正把 AI 當成全公司重要工具使用的企業只有：
16%。
超過八成企業：
不是只在部分工作中使用。
就是還沒決定要不要真正導入。
這三件事共同指出：
AI 現在最大的問題，已經不只是「還要不要投資」，而是這麼大量的基礎設施，最後能不能真正變成企業每天願意使用、願意付費的工作能力。
一、Cisco 單季拿到 40 億美元 AI 基礎設施訂單
先看第一則。
講 AI 資料中心時，大家最容易想到的是：
Nvidia GPU。
但一大堆 GPU 放進資料中心後，還有一個非常重要的問題：
這些機器怎麼互相交換資料？
所以 AI 資料中心需要的不只是運算晶片。
還需要：
- 高速交換器。
- 路由設備。
- 資料中心網路。
- 高速連線。
- 安全設備。
Cisco 正好就是這一層的重要供應商。
第四季 AI 訂單達 40 億美元
Cisco 最新財報顯示：
截至 7 月 25 日的第四季，來自 Hyperscaler，也就是大型雲端公司的 AI 基礎設施訂單達：
40 億美元。
整個 2026 財年累計則達到：
93 億美元。
這個變化非常值得注意。
因為去年大家討論 AI 基礎設施時：
最容易看到的是 GPU。
現在訂單開始往外擴。
從：
晶片。
走到：
伺服器。
再走到：
網路。
電力。
冷卻。
整座資料中心。
Cisco 預期下一個財年還會繼續成長
Cisco 預估 2027 財年營收約為：
722 億至 734 億美元。
高於市場原先平均預估。
公司也預期：
2027 財年僅來自 Hyperscaler AI 基礎設施訂單的相關收入，就可能達到：
75 億美元。
這代表 AI 資料中心的建設：
目前還沒有明顯停下來。
為什麼 AI 愈強，反而需要更多網路？
可以把一座 AI 資料中心想成一間超大型工廠。
GPU 是裡面的機器。
如果工廠裡只有一台機器：
彼此不用溝通。
但如果是：
幾千顆。
幾萬顆。
甚至更多晶片共同處理一個大型模型：
資料必須不斷在它們之間移動。
這時候：
資料搬得不夠快，再強的 GPU 都可能在等。
所以 AI 資料中心接下來競爭的不只是：
每顆晶片算多快。
還包括：
整座資料中心裡的資料能不能跑得夠快。
這也是為什麼「網路」開始變成 AI 生意
以前看到 Cisco：
很多人想到企業網路。
路由器。
交換器。
現在 AI 正在替這個老市場增加新的需求。
因為一個大型 AI Cluster 最後不是：
「買很多 GPU。」
而是：
把大量 GPU 變成一台共同工作的超級電腦。
而把它們連起來的網路，就是關鍵的一部分。
但市場反應卻沒有一起大漲
有意思的是：
Cisco 的預測高於市場預期。
AI 訂單也很強。
盤後股價卻一度下跌超過 4%。
為什麼？
因為市場現在對 AI 公司開始有一個很高的要求：
「我知道 AI 很強，我早就知道了。現在我要看你到底能不能比我原本預期更快。」
這是一個重要變化。
幾年前：
公司只要說自己有 AI。
市場可能就很興奮。
現在：
AI 成長已經變成基本要求。
二、Cerebras 營收成長 74%，股價為什麼還跌 16%？
第二則更能看出這件事。
Cerebras 是 Nvidia 之外非常受注意的 AI 晶片公司。
它最有名的技術是：
Wafer-Scale Engine。
一般晶片公司把一片晶圓切成很多小晶片。
Cerebras 的做法很不同：
它把非常大的一塊晶圓做成一顆超大型 AI 處理器。
大小大約就像：
一個餐盤。
Cerebras 第二季其實成長非常快
第二季營收：
1.8011 億美元。
比去年同期增加：
74.3%。
這絕對不能叫沒有成長。
其中最有意思的還不是硬體。
而是：
Cloud Revenue。
Cerebras 的雲端收入增加到：
1.26 億美元。
大約是去年同期的四倍。
這代表 Cerebras 的生意也正在改變
以前談 AI 晶片，很容易想成：
把晶片賣給客戶。
但 Cerebras 現在另一種模式越來越重要：
客戶不用自己買機器。
而是直接買：
AI 運算能力。
這和 AWS、CoreWeave、Nebius 等 AI Cloud 的邏輯很接近。
企業真正需要的未必是：
「我擁有什麼晶片。」
而是：
「我的模型現在有沒有算力可以跑。」
但硬體收入反而下降
Cerebras 第二季硬體收入從去年同期約：
7,030 萬美元。
下降到：
5,410 萬美元。
所以同一家公司裡出現兩個非常不同的方向。
Cloud：
快速增加。
Hardware：
下降。
這也表示 AI 晶片公司的商業模式：
可能逐漸從單純賣設備，往持續賣運算服務延伸。
那股價為什麼還跌？
因為市場原本預估 Cerebras 第二季營收約：
1.9423 億美元。
實際只有：
1.8011 億美元。
雖然年增 74%。
還是：
低於預期。
盤後股價因此一度下跌約 16%。
這就是現在 AI 市場非常現實的一面。
以前：
成長 74% 已經很驚人。
現在：
如果市場原本期待你更高。
74% 仍然可能被認為：
不夠。
這代表 AI 泡沫破了嗎？
不能這樣下結論。
因為 Cerebras 同時：
提高全年營收預測。
也提高全年毛利率展望。
公司現在預估 2026 年營收約：
8.8 億至 8.9 億美元。
而且它目前尚未認列、預計未來轉成收入的合約金額達：
254 億美元。
所以現在比較準確的說法是：
需求仍然很大。
但市場開始要求：
你有這麼多 AI 訂單，什麼時候真正交付？
更大的考驗來自 OpenAI
Cerebras 目前還有一筆很重要的合約。
它與 OpenAI 簽下：
200 億美元、多年的 AI 運算合作。
這對 Cerebras 是非常大的機會。
也是壓力。
因為簽到合約和真正把合約變成：
營收。
獲利。
現金流。
是三件不同的事。
這也是 AI 投資進入第二階段的特徵
第一階段市場問：
你有沒有 AI？
第二階段問：
你拿到多少訂單？
現在開始進第三題：
訂單能不能照時間交付，而且能不能賺錢？
Cerebras 今天股價的反應，就是這個差異。
三、真正使用 AI 的企業，速度卻完全沒有上游那麼快
接著看今天清晨最新公布的日本企業調查。
Reuters 與 Nikkei Research 調查：
510 家日本企業。
其中有：
219 家回覆。
結果顯示：
只有：
16%。
表示已經把 AI 作為全公司不可缺少的工具來部署。
那其他公司呢？
約：
60%。
表示 AI 目前只在公司部分領域使用。
另外：
18%。
還沒有決定是否導入。
還有：
6%。
目前甚至沒有考慮導入。
所以如果把後三者放在一起：
超過八成日本企業：
還沒有走到真正全面導入 AI 的階段。
這是一個非常重要的反差
我們昨天才看到：
鴻海包含 AI 伺服器的雲端與網通產品，已占第二季營收 51%。
今天又看到：
Cisco 一季拿到 40 億美元 AI 基礎設施訂單。
Cerebras 手上還有數百億美元未來合約。
整個上游看起來像：
所有人都在瘋狂準備更多 AI 算力。
可是最終企業端呢？
大量公司現在還只是在：
寫文件。
整理內容。
局部試用。
沒有真正改造整套工作。
為什麼會有這麼大的差距？
因為「使用 ChatGPT」和「企業導入 AI」根本不是同一件事。
一名員工可以：
今天註冊。
明天開始用。
但公司真正導入，需要處理：
資料。
權限。
流程。
安全。
系統整合。
成本。
員工訓練。
責任。
一間公司買 Gemini 或 ChatGPT，不代表完成 AI 轉型
例如：
員工可以用 AI 寫 Email。
這叫：
有使用 AI。
但如果：
客戶資料還在舊 CRM。
訂單資料在另一套 ERP。
庫存在 Excel。
財務系統不能連。
每個部門格式不同。
AI 最後仍然只能：
幫你寫一段字。
這就是很多企業目前真正卡住的位置。
日本調查裡有一句話非常典型
其中一家企業表示：
公司雖然已經全體開始使用 AI。
但是：
主要還是拿來製作文件。
另一家公司則直接表示：
不知道應該如何把 AI 真正用進工作。
這其實不是日本特有的問題。
它可能就是全球企業 AI 下一階段的核心問題。
「買 AI」已經變簡單，「改工作」才難
以前導入大型企業軟體：
可能需要很久。
現在 ChatGPT、Claude、Gemini：
幾分鐘就能開始使用。
所以大家很容易產生錯覺：
AI 導入速度一定非常快。
但真正困難的是：
原本公司怎麼工作？
哪一步交給 AI？
AI 要讀什麼資料？
可以修改什麼？
什麼要人確認？
出了錯誰負責？
這些問題沒有答案：
模型再強也沒有辦法直接替公司解決。
日本企業其實沒有打算縮減 AI 預算
這份調查還有另一個值得注意的地方。
雖然真正全面導入的企業只有 16%。
但沒有任何受訪公司表示：
未來一到兩年準備減少 AI 預算。
相反地：
很多公司預計增加。
也就是說：
企業不是認為 AI 沒有用。
而是：
很多公司仍然不知道怎麼把預算變成真正的流程。
這可能才是 AI 工具下一個最大的商機
未來企業需要的可能不只是：
更大的模型。
而是有人幫它把：
資料。
工具。
權限。
工作流程。
確認點。
測試。
ROI。
整理清楚。
所以 AI 市場真正的大生意，不一定全部在模型公司。
還可能出現在：
AI 工作流程。
系統整合。
教育訓練。
治理。
測試。
顧問。
把今天三則新聞放在一起
Cisco 告訴我們：
AI 資料中心建設還在快速增加。
Cerebras 告訴我們：
只講高速成長已經不夠，市場開始要求公司把 AI 訂單真正變成可交付的收入。
日本企業調查則告訴我們：
真正的企業需求端，仍然有非常大的導入缺口。
這三層其實是一條完整的 AI 產業鏈：
基礎設施。
↓
模型與運算。
↓
企業工作。
現在最大的錢：
仍然大量投入前兩層。
但最後真正決定這些投資能不能長期回本的是：
第三層。
企業到底有沒有每天真的用。
所以 AI 產業真正不能只看 GPU
如果全球企業最後：
只用 AI 偶爾寫 Email。
偶爾整理文件。
那麼現在建這麼大量的 AI 基礎設施：
最終回報會受到考驗。
反過來：
如果未來企業真的把 AI 放進：
客服。
研發。
供應鏈。
行銷。
財務。
製造。
採購。
日常行政。
那現在大量增加的算力：
就可能找到真正的長期需求。
一般企業現在最應該問什麼？
不是：
「我們公司有沒有用 ChatGPT？」
改問：
「我們到底有哪一條工作流程，已經因 AI 真正改變？」
例如：
以前處理一筆詢價要 20 分鐘。
現在剩 8 分鐘。
以前客服每天人工分類 300 件問題。
現在 AI 先分類 250 件。
以前會議結束還要人工整理一小時。
現在 10 分鐘就完成確認。
這才叫：
AI 進入工作。
可以直接使用的企業 AI 導入盤點 Prompt
你是我的企業 AI 導入顧問。
不要只問我的公司有沒有使用 ChatGPT、Gemini 或 Claude。
我要知道：
AI 是否真的進入工作流程。
我的公司／工作是：
[描述]
目前使用的 AI：
[工具]
目前把 AI 用在：
[列出工作]
請把目前使用方式分成四層。
第一層：個人輔助
例如：
寫作。
摘要。
翻譯。
找資料。
這些主要提升個人效率。
第二層：固定工作
例如：
固定整理 Email。
產生會議摘要。
分類詢問。
建立報表草稿。
第三層：工作流程
AI 已經與：
Email。
文件。
CRM。
試算表。
資料庫。
客服。
其他工具。
形成固定流程。
第四層：公司核心流程
AI 已經直接影響：
客服效率。
銷售。
產品。
生產。
採購。
供應鏈。
成本。
收入。
請告訴我：
我們目前真正在哪一層。
不要因為員工很多人使用 ChatGPT，就把公司判定成「全面導入 AI」。
再找出一條最適合從現在層級往下一層升級的工作。
要求：
有明確資料來源。
有人工確認點。
有完成標準。
可以量測導入前後人工時間。
可以追蹤錯誤率。
如果目前資料或流程不適合，直接說明卡在哪裡。
最後只給我一條最值得先做的流程，不要一次提出十個 AI 專案。
今天最容易誤讀的三件事
第一，Cisco 的 40 億美元不是公司全部 AI 營收。
這是第四季從 Hyperscaler 收到的 AI 基礎設施訂單。
訂單和已經認列的營收不能直接畫上等號。
第二，Cerebras 第二季不是業務衰退。
它的營收仍年增 74.3%，雲端收入也大幅增加。
股價下跌主要反映：
實際營收沒有達到市場原本更高的期待。
第三，日本「超過八成沒有全面導入」不代表超過八成完全沒使用 AI。
很多企業其實已經在部分工作中使用。
真正的問題是：
使用還沒有深入到全公司的日常流程。
今天最重要的判斷
今天三則新聞最值得帶走的，不是哪家公司股價漲跌。
而是一個正在快速形成的 AI 落差。
上游：
Cisco、Cerebras、Nvidia、伺服器與資料中心業者，正在為大量 AI 運算需求準備更多設備。
錢真的在投入。
訂單真的在增加。
但到了企業端：
很多公司仍然停在：
「我有在用 AI。」
還沒有走到：
「我的工作已經因 AI 重新設計。」
這兩者之間的距離：
可能就是 AI 下一個最大的市場。
未來最有價值的不一定只是：
再做一個更強的模型。
而是：
誰能把已經存在的大量 AI 能力，真正塞進普通公司的每天工作裡，而且證明它能省時間、降低錯誤或增加收入。
當這一層開始大量發生：
今天 Cisco 收到的訂單。
Cerebras 建立的算力。
資料中心裡新增的 GPU。
才真正找到長期買單的人。
所以 AI 熱潮現在真正要回答的問題已經從：
「我們能建多少算力？」
逐漸變成：
「這麼多算力，最後能不能變成每天有人真正需要的工作？」
今天，和 AI 一起進步一點。
每天學會一個 AI 技巧。
每天節省一點時間。
每天提升一點能力。
SasaDaily，陪你一起成長。
