crystal liu
Create a spreadsheet from your last answer.
Checking the spreadsheet skill guidelines before building the file.
Reviewing the skill file before drafting the sheet’s contents.
正在規劃試算表的工作表結構。
正在計算兩間公司估值增長的驗算公式。
正在決定用英文還是中文寫試算表內容。
Weighing English against Chinese for the spreadsheet’s wording.
Weighing bilingual headers for the spreadsheet.
Planning sheet contents for the spreadsheet.
Listing sources and sorting valuation figures into a fact-check sheet.
Organizing the fact-check and comparison tables.
Planning the spreadsheet’s verification formulas and calculator.
Adding formulas for valuation multiples and annualized growth rates.
Weighing a crossing-time calculator for the valuation sheet.
Deciding whether to include a crossing-time calculator.
Read the xlsx skill before creating the spreadsheet
SKILL.md
Setting the font and CJK fallback for the spreadsheet.
Checking how fallback fonts behave in LibreOffice rendering.
Planning the spreadsheet’s sheet names and cell formatting.
Choosing sheet names and layout for the fact-check workbook.
正在整理各項估值的核對資料。
正在核對 OpenAI 與 xAI 的估值來源。
正在核對 DeepMind 與 Meta AI 的架構及收購資料。
正在核對 Anthropic 與 OpenAI 的收入及估值數字。
正在比較兩類案例的結構與可驗證的量化特徵。
正在設計驗算表的估值增長率比較與超車時間計算器。
正在整理 AI 學派的分類對照表。
整理說明及來源欄位的版面設定。
Formatting the fact-check rows and their source links.
正在核對各家 AI 公司的估值來源與日期。
正在核對 DeepMind、Meta AI 及收入數字的來源。
設定估值增長率比較的驗算表格式與連結。
設定超車時間計算器的公式與輸入格式。
設定兩個後來者超車時間差的計算器。
Setting up the crossing-time formulas for the newcomers.
正在設定估值數字的格式與來源連結。
Checking the crossing-time results against the dates.
Setting the workbook’s page layout and freeze panes.
Writing the README and facts sheets in Chinese.
整理「說明」工作表的內容與版面。
正在核對 xAI 與 OpenAI 上市狀況的來源。
正在核對 DeepMind 與 xAI 的獨立市值來源。
正在核對 DeepMind 收購價與收入數字的來源。
正在設定結構比較表的版面與結論欄位。
正在整理 AI 學派的分類對照表。
整理「AI學派」工作表的分類對照與結論。
Setting cell formats and row heights for the workbook’s table.
設定超車時間計算器的輸入與結果公式。
設定結果列的數字格式與輸入列的配色。
Setting the spreadsheet’s formulas and linking the comparison text.
Linking the comparison text to the computed ratio.
bash
mkdir -p /home/claude /mnt/user-data/outputs && cat > /home/claude/build.py << 'EOF'
import os, math
from datetime import date
from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill, Alignment, Border, Side
from openpyxl.worksheet.properties import PageSetupProperties
OUT = "/mnt/user-data/outputs/ai_company_structure_check.xlsx"
def F(kw):
base = dict(name="Arial", size=10)
base.update(kw)
return Font(base)
f_norm = F(); f_bold = F(bold=True); f_title = F(size=14, bold=True)
f_note = F(italic=True, color="595959"); f_head = F(bold=True, color="FFFFFF")
f_in = F(color="0000FF"); f_link = F(color="008000")
f_url = F(size=9, color="0563C1", underline="single")
def fill(h): return PatternFill("solid", start_color=h, end_color=h)
fill_head = fill("1F3864"); fill_in = fill("FFFF00"); fill_bad = fill("F8CBAD")
fill_warn = fill("FFE699"); fill_sec = fill("D9E1F2")
thin = Side(style="thin", color="BFBFBF")
box = Border(left=thin, right=thin, top=thin, bottom=thin)
top_wrap = Alignment(wrap_text=True, vertical="top")
ctr_wrap = Alignment(wrap_text=True, vertical="center", horizontal="center")
def units(s):
return sum(2 if ord(ch) > 0x2E80 else 1 for ch in str(s))
def est_lines(text, width):
if text is None or text == "":
return 1
n = 0
for part in str(text).split("\n"):
n += max(1, math.ceil(units(part) / max(width - 1, 1)))
return n
def put(ws, ref, value, font=f_norm, fill_=None, fmt=None, align=top_wrap, border=box):
c = ws[ref]
c.value = value
c.font = font
if fill_ is not None: c.fill = fill_
if fmt: c.number_format = fmt
if align is not None: c.alignment = align
if border is not None: c.border = border
return c
def widths(ws, ws_widths):
for col, w in ws_widths.items():
ws.column_dimensions[col].width = w
def header_row(ws, row, labels, start_col=1):
for i, lab in enumerate(labels):
col = chr(ord("A") + start_col - 1 + i)
put(ws, f"{col}{row}", lab, font=f_head, fill_=fill_head, align=ctr_wrap)
def page(ws):
ws.page_setup.orientation = "landscape"
ws.page_setup.fitToWidth = 1
ws.page_setup.fitToHeight = 0
ws.sheet_properties.pageSetUpPr = PageSetupProperties(fitToPage=True)
wb = Workbook()
---------- 說明 ----------
ws = wb.active
ws.title = "說明"
ws.sheet_view.showGridLines = False
widths(ws, {"A": 14, "B": 110})
ws["A1"].value = "AI 公司「階梯式超車」結構比較(整理自上一則回覆)"
ws["A1"].font = f_title
info = [
("整理日期", "2026-10-28"),
("內容來源", "上一則回覆的三節(核對數字、結構比較、AI 學派分類),以及該回覆所引用的公開報道;來源與連結見「核對數字」工作表。"),
("工作表", "核對數字:逐項核對你提出的數字\n結構比較:K-pop、AI 公司、「總權力」的四項檢查及三個定量簽名\n驗算:估值增長率粗略比較與超車時間計算器(含公式)\nAI學派:機器學習與三大學派的關係"),
("顏色約定", "藍字=手動輸入的數值或日期;黑字=公式或一般文字;綠字=連結自其他工作表;黃底=可修改的輸入或關鍵假設;紅底=與說法不符;橙黃底=未確定、已押後或不適用。"),
("披露", "Anthropic 是 Claude 的開發商。本表關於 Anthropic 的內容只依公開報道整理,不作評價,亦不構成投資建議。Anthropic 的上市估值尚未定案,資料可能隨時變動。"),
("限制", "估值是價格,不是累積計數器;部分數字來自二手來源(Exploding Topics、ValueAdd VC 等),未逐一對照原始文件。「總權力」尚未有操作性定義,因此相關欄位標示為「未定義」。"),
("語言", "內容為繁體中文;如需英文版可再生成。"),
]
r = 3
for k, v in info:
put(ws, f"A{r}", k, font=f_bold, fill_=fill_sec)
put(ws, f"B{r}", v)
ws.row_dimensions[r].height = max(est_lines(v, 110), 1) * 13.5 + 4
r += 1
page(ws)
---------- 核對數字 ----------
ws = wb.create_sheet("核對數字")
cols = {"A": 5, "B": 24, "C": 22, "D": 46, "E": 14, "F": 16, "G": 16, "H": 30, "I": 52, "J": 50}
widths(ws, cols)
ws["A1"].value = "核對數字:逐項核對你提出的說法"
ws["A1"].font = f_title
ws["A2"].value = "資料截至 2026-10-28;金額單位 US$ bn(十億美元);「數值」欄只填可供計算的數字。來源為搜尋到的公開報道,部分為二手來源。"
ws["A2"].font = f_note
header_row(ws, 4, ["#", "項目 Item", "你的說法 Claim", "核對結果 Verified", "數值 Value (US$ bn)", "狀態 Status", "時點 As of", "來源 Source", "連結 URL", "備註 Notes"])
ws.row_dimensions[4].height = 30
U_FELLO = "https://felloai.com/anthropic-vs-openai/"
U_YAHOO = "https://finance.yahoo.com/markets/stocks/articles/anthropic-targets-pre-thanksgiving-ipo-111436118.html"
U_VAVC1 = "https://valueaddvc.com/blog/highest-valued-private-ai-companies-2026"
U_VAVC2 = "https://valueaddvc.com/blog/ai-company-valuations-in-2025-how-the-top-ai-startups-are-being-priced"
U_BEAGLE = "https://brooklyneagle.com/425306/anthropics-record-2-trillion-stock/"
U_WIKI = "https://en.wikipedia.org/wiki/Google_DeepMind"
U_EXPL = "https://explodingtopics.com/blog/anthropic-revenue"
facts = [
("anth_latest", "Anthropic 最近一次定價", "「接近兩萬億」", "Series H 後估值 US$965B(募資 US$65B),高於 OpenAI 當時的 US$852B。", 965, "不符", "2026-05-28", "Fello AI:Anthropic vs OpenAI", U_FELLO, "兩萬億是上市目標(見下一行),不是已定價估值。為後估值(post-money)。"),
("anth_early", "Anthropic 較早估值", "—", "US$61.5B(2025 年 3 月)。", 61.5, "參考", "2025-03", "Exploding Topics:Anthropic Revenue and Valuation Statistics", U_EXPL, "與最近一次定價相比約 16 倍;用作「驗算」工作表的起點。"),
("anth_ipo", "Anthropic 上市目標估值", "「接近兩萬億」", "Bloomberg 報道:潛在投資者估值 1.8 至 2 萬億美元;尚未最終確定,亦未上市。報道指路演最早 11 月第二週開始,目標在感恩節前上市。", None, "未最終確定", "2026-10 報道", "Yahoo Finance(引述 Bloomberg)", U_YAHOO, "區間上限接近你所述的「兩萬億」,但屬預期,不是已實現市值。"),
("oai_latest", "OpenAI 最近一次定價", "「一萬億左右」", "US$852B(2026 年 3 月 31 日完成 US$122B 融資)。", 852, "不符", "2026-03-31", "ValueAdd VC:The 10 Highest-Valued Private AI Companies in 2026", U_VAVC1, ""),
("oai_early", "OpenAI 較早估值", "—", "約 US$500B(2025 年 10 月 tender offer)。", 500, "參考", "2025-10", "ValueAdd VC(同上)", U_VAVC1, "tender offer 一般屬二級股份出售,定價性質與新股融資不同(一般常識,非來源原文)。用作「驗算」工作表的起點。"),
("oai_ipo", "OpenAI 上市狀況", "—", "已押後上市;據 Bloomberg,Altman 稱現時上市並不明智。另有報道指傾向 2027 年上市。", None, "已押後", "2026-09/10 報道", "Yahoo Finance(引述 Bloomberg);Al Jazeera", U_YAHOO, "Al Jazeera:https://www.aljazeera.com/news/2026/9/17/what-are-the-biggest-ai-companies-and-how-much-are-they-worth"),
("xai", "xAI", "「第三位係 DeepMind 或 xAI」", "被 SpaceX 收購前最後一次定價約 US$230B;現已併入 SpaceX,無獨立市值。", 230, "無獨立市值", "收購前(來源未註明日期)", "ValueAdd VC:AI Company Valuations 2026", U_VAVC2, "因此「第三位」沒有客觀答案。"),
("spacex", "SpaceX 上市估值", "—", "2026 年 6 月上市,估值約 US$1.77 萬億。", 1770, "參考", "2026-06", "The Conversation(經 Brooklyn Eagle 轉載)", U_BEAGLE, "此為上市公司整體估值,不可當作 xAI 的單獨估值。"),
("deepmind", "Google DeepMind", "「第三位係 DeepMind 或 xAI」", "Alphabet 旗下子公司,無獨立市值。", None, "無獨立市值", "—", "Wikipedia:Google DeepMind", U_WIKI, "如要比較,只能用分部估值(sum-of-the-parts)推算,屬估計而非市價。"),
("meta", "Meta AI", "「第三位係 DeepMind 或 xAI」", "屬 Meta 內部業務,無獨立市值。", None, "無獨立市值", "—", "—(公司架構,一般常識)", "", ""),
("anth_rev", "Anthropic 2026 年第二季收入", "「最高 revenue 嘅 AI 公司」", "初步收入逾 US$11.5B,高於 OpenAI 同期。", 11.5, "資料(二手來源)", "2026 Q2(2026 年 8 月報道)", "Exploding Topics(引述 Bloomberg、WSJ)", U_EXPL, "「逾」代表下限;收入口徑(總額或淨額)未核實。"),
("oai_rev", "OpenAI 2026 年第二季收入", "—", "US$6.7B,低於 Anthropic 同期。", 6.7, "資料(二手來源)", "2026 Q2(2026 年 8 月報道)", "Exploding Topics(引述 Bloomberg、WSJ)", U_EXPL, "收入口徑(總額或淨額)未核實。"),
("dm_price", "DeepMind 2014 年被 Google 收購價", "「billion 級別」", "報道價介乎 US$400M 至 US$650M(2014 年 1 月 26 日 Google 確認收購)。", None, "不符", "2014-01-26", "Wikipedia:Google DeepMind", U_WIKI, "屬數億美元級,不是 billion 級。早期報道:Re/code 稱 US$400M,The Information 稱逾 US$500M。"),
]
row_of = {}
r0 = 5
for i, (key, item, claim, ver, val, status, asof, src, url, notes) in enumerate(facts):
r = r0 + i
row_of[key] = r
put(ws, f"A{r}", i + 1, align=ctr_wrap)
put(ws, f"B{r}", item, font=f_bold)
put(ws, f"C{r}", claim)
put(ws, f"D{r}", ver)
c = put(ws, f"E{r}", val, font=(f_in if val is not None else f_norm), fmt='#,##0.0;(#,##0.0);-')
sfill = fill_bad if status == "不符" else (fill_warn if status in ("未最終確定", "已押後", "無獨立市值") else None)
put(ws, f"F{r}", status, fill_=sfill)
put(ws, f"G{r}", asof)
put(ws, f"H{r}", src)
cu = put(ws, f"I{r}", url if url else None, font=f_url)
if url: cu.hyperlink = url
put(ws, f"J{r}", notes)
lines = max(est_lines(item, cols["B"]), est_lines(claim, cols["C"]), est_lines(ver, cols["D"]),
est_lines(asof, cols["G"]), est_lines(src, cols["H"]), est_lines(url, cols["I"]), est_lines(notes, cols["J"]))
ws.row_dimensions[r].height = lines * 13.5 + 4
last = r0 + len(facts) - 1
put(ws, f"A{last+2}", "註", font=f_bold, border=None, align=None)
ws[f"B{last+2}"].value = "藍字=手動輸入的數值(來自上列來源);「數值」欄供「驗算」工作表連結。時點為來源所述日期或報道月份。"
ws[f"B{last+2}"].font = f_note
ws.freeze_panes = "C5"
page(ws)
---------- 結構比較 ----------
ws = wb.create_sheet("結構比較")
widths(ws, {"A": 28, "B": 40, "C": 40, "D": 40})
ws["A1"].value = "結構比較:K-pop 總觀看次數 vs AI 公司 vs「總權力」"
ws["A1"].font = f_title
ws["A2"].value = "整理自上一則回覆;「總權力」欄反映的是尚未定義、未經驗證的框架假設。"
ws["A2"].font = f_note
header_row(ws, 4, ["檢查項", "K-pop 總觀看次數", "AI 公司", "「總權力」(你的框架)"])
cmp_rows = [
("是否只增不減的計數器", "是", "否(估值是價格,可跌)", "未定義"),
("越新增長越快", "大致是", "似是", "你的框架的假設(尚無數據)"),
("同一個起飛基底", "YouTube 全球化", "大模型 scaling、算力、資本", "金融/數碼層(你的框架的說法)"),
("最前一級是否可量度", "可(自己頻道口徑)", "否(DeepMind 沒有獨立市值)", "未定義"),
]
for i, row in enumerate(cmp_rows):
r = 5 + i
put(ws, f"A{r}", row[0], font=f_bold)
for j, v in enumerate(row[1:]):
put(ws, f"{'BCD'[j]}{r}", v)
ws.row_dimensions[r].height = 30
merged = [
(10, "結論", "同一類結構(後來者越來越快、共用基底、超車時間被壓縮),但並非一模一樣。"),
(11, "AI 公司可驗證的超車", "只有「Anthropic 追過 OpenAI」一次(按定價,2026-05-28 Series H)。「兩個後來者在短窗口內各自追過同一個領跑者」這一核心結構無法檢驗,因為領跑者(DeepMind)沒有價格。"),
(12, "同步機制差異(推論)", "估值的超車時間可能受融資輪次及可比公司定價帶動,與觀看次數的自然累積屬不同的同步機制;此為推論,未經驗證。"),
]
for r, lab, txt in merged:
put(ws, f"A{r}", lab, font=f_bold, fill_=fill_sec)
ws.merge_cells(f"B{r}:D{r}")
put(ws, f"B{r}", txt)
for col in "CD":
ws[f"{col}{r}"].border = box
ws.row_dimensions[r].height = est_lines(txt, 118) * 13.5 + 8
ws["A14"].value = "三個定量簽名(用以判斷是否「同一結構」)"
ws["A14"].font = F(size=11, bold=True)
header_row(ws, 15, ["簽名", "檢驗內容", "目前狀態", "所需資料"])
put(ws, "A16", "1. 增長率逐級遞增", font=f_bold)
put(ws, "B16", "各級增長率是否隨世代遞增")
put(ws, "C16", '="AI 公司:初步支持(Anthropic 年化連續增長率約為 OpenAI 的 "&TEXT('驗算'!H8,"0.0")&" 倍,窗口不同,僅供參考);K-pop:大致符合"', font=f_link)
put(ws, "D16", "各級時間序列(收入或估值)")
put(ws, "A17", "2. 起飛集中在基底成熟之後", font=f_bold)
put(ws, "B17", "後來者起飛時點是否集中於共同基底成熟之後")
put(ws, "C17", "尚未驗算")
put(ws, "D17", "各級起飛時點、基底事件日期")
put(ws, "A18", "3. 超車時間差 ≈ ln(規模比) ÷ 增長率差", font=f_bold)
put(ws, "B18", "以公式預測的超車時間差,對比實際")
put(ws, "C18", "尚未驗算(可用「驗算」工作表中的計算器)")
put(ws, "D18", "規模與增長率時間序列")
for r in (16, 17, 18):
ws.row_dimensions[r].height = 44
ws["A20"].value = "你可以貼上 AI 公司的收入或估值時間序列,以逐項驗算以上簽名。"
ws["A20"].font = f_note
page(ws)
---------- 驗算 ----------
ws = wb.create_sheet("驗算")
widths(ws, {"A": 30, "B": 16, "C": 14, "D": 16, "E": 14, "F": 12, "G": 12, "H": 20, "I": 14, "J": 46})
ws["A1"].value = "驗算:估值增長率粗略比較與超車時間計算器"
ws["A1"].font = f_title
ws["A2"].value = "藍字=手動輸入;黑字=公式;綠字=連結自「核對數字」;黃底=可修改的輸入或關鍵假設。"
ws["A2"].font = f_note
ws["A4"].value = "A. 估值增長率粗略比較(「增長率逐級遞增」簽名的初步檢查)"
ws["A4"].font = F(size=11, bold=True)
header_row(ws, 5, ["公司", "起始估值 (US$ bn)", "起始日期", "終結估值 (US$ bn)", "終結日期", "經過年數", "倍數", "年化連續增長率 r (/年)", "年化倍數 (/年)", "備註"])
ws.row_dimensions[5].height = 44
blocks = [
(6, "Anthropic", "anth_early", date(2025, 3, 1), "anth_latest", date(2026, 5, 28), "起點:2025 年 3 月估值(月初近似);終點:Series H 完成日。"),
(7, "OpenAI", "oai_early", date(2025, 10, 1), "oai_latest", date(2026, 3, 31), "起點:2025 年 10 月 tender offer 估值(月初近似);終點:2026 年 3 月融資完成日。"),
]
for r, name, k0, d0, k1, d1, note in blocks:
put(ws, f"A{r}", name, font=f_bold)
put(ws, f"B{r}", f"='核對數字'!E{row_of[k0]}", font=f_link, fmt="#,##0.0")
put(ws, f"C{r}", d0, font=f_in, fill_=fill_in, fmt="yyyy-mm-dd")
put(ws, f"D{r}", f"='核對數字'!E{row_of[k1]}", font=f_link, fmt="#,##0.0")
put(ws, f"E{r}", d1, font=f_in, fill_=fill_in, fmt="yyyy-mm-dd")
put(ws, f"F{r}", f"=(E{r}-C{r})/365.25", fmt="0.00")
put(ws, f"G{r}", f"=IF(B{r}>0,D{r}/B{r},"n/a")", fmt='0.0"x"')
put(ws, f"H{r}", f"=IF(AND(ISNUMBER(G{r}),F{r}>0),LN(G{r})/F{r},"n/a")", fmt="0.00")
put(ws, f"I{r}", f"=IF(ISNUMBER(H{r}),EXP(H{r}),"n/a")", fmt='0.0"x"')
put(ws, f"J{r}", note)
ws.row_dimensions[r].height = 44
put(ws, "A8", "增長率比(Anthropic ÷ OpenAI)", font=f_bold, fill_=fill_sec)
put(ws, "H8", '=IF(AND(ISNUMBER(H6),ISNUMBER(H7)),IF(H7<>0,H6/H7,"n/a"),"n/a")', fmt='0.0"x"', font=f_bold)
for col in "BCDEFGIJ":
ws[f"{col}8"].border = box
ws[f"{col}8"].fill = fill_sec
ws["A10"].value = "假設與限制"
ws["A10"].font = F(bold=True)
limits = [
"1. 起始日期取月初近似(來源只註明月份);終結日期為融資完成日。黃底日期可修改。",
"2. OpenAI 起點為 tender offer(二級出售)估值,Anthropic 起點為融資估值;兩者窗口長度不同(約 1.2 年對約 0.5 年),只供粗略比較。",
"3. 估值是價格而非累積計數器;Anthropic 的終結值包含 Series H 一次性重新定價,年化增長率亦反映這種階梯式跳升。",
"4. 此結果只說明「Anthropic 近期估值增長率高於 OpenAI」,是「增長率遞增」簽名的初步檢查,並不證明兩個領域的結構一模一樣。",
]
for i, t in enumerate(limits):
r = 11 + i
ws.merge_cells(f"A{r}:J{r}")
c = ws[f"A{r}"]
c.value = t; c.font = f_norm; c.alignment = top_wrap
ws.row_dimensions[r].height = 28
ws["A16"].value = "B. 超車時間計算器(兩個後來者追過同一個領跑者)"
ws["A16"].font = F(size=11, bold=True)
ws["A17"].value = "公式:t = ln(領跑者存量 ÷ 後來者存量) ÷ (後來者增長率 − 領跑者增長率),假設各方均為指數增長。只修改黃底藍字的 B19:B24;預設值是示例(非真實數據),可直接覆蓋。"
ws["A17"].font = f_note
header_row(ws, 18, ["參數", "數值", "說明"])
ws.merge_cells("C18:J18")
params = [
(19, "領跑者存量 L", 1000, "示例;單位自定,須與後來者一致"),
(20, "領跑者增長率 rL (/年)", 0, "連續增長率;0 表示近乎走平"),
(21, "後來者 M 存量 S_M", 1, "示例"),
(22, "後來者 M 增長率 r_M (/年)", 1, "示例;每年約 ×2.7"),
(23, "後來者 A 存量 S_A", 0.1, "示例;起步比 M 小"),
(24, "後來者 A 增長率 r_A (/年)", 1.3, "示例;比 M 快"),
]
for r, lab, v, note in params:
put(ws, f"A{r}", lab, font=f_bold)
put(ws, f"B{r}", v, font=f_in, fill_=fill_in, fmt="#,##0.00")
ws.merge_cells(f"C{r}:J{r}")
put(ws, f"C{r}", note)
for col in "DEFGHIJ":
ws[f"{col}{r}"].border = box
header_row(ws, 26, ["結果", "數值", "說明"])
ws.merge_cells("C26:J26")
res = [
(27, "M 追過領跑者 t_M (年)", '=IF(OR($B$19<=0,B21<=0),"輸入需為正數",IF(B21>=$B$19,0,IF(B22>$B$20,LN($B$19/B21)/(B22-$B$20),"不會追過")))', "0.00", "0 表示起點已高於領跑者"),
(28, "A 追過領跑者 t_A (年)", '=IF(OR($B$19<=0,B23<=0),"輸入需為正數",IF(B23>=$B$19,0,IF(B24>$B$20,LN($B$19/B23)/(B24-$B$20),"不會追過")))', "0.00", ""),
(29, "A 追過 M t_AM (年)", '=IF(OR(B21<=0,B23<=0),"輸入需為正數",IF(B23>=B21,0,IF(B24>B22,LN(B21/B23)/(B24-B22),"不會追過")))', "0.00", ""),
(30, "三次交叉窗口 (年)", '=IF(COUNT(B27:B29)=3,MAX(B27:B29)-MIN(B27:B29),"n/a")', "0.00", "最晚減最早的交叉時間"),
(31, "窗口 ÷ 首次交叉時間", '=IF(COUNT(B27:B29)=3,IF(MIN(B27:B29)>0,B30/MIN(B27:B29),"n/a"),"n/a")', "0.0%", "越小代表三次交叉越擠"),
]
for r, lab, fml, fmt, note in res:
put(ws, f"A{r}", lab, font=f_bold)
put(ws, f"B{r}", fml, fmt=fmt)
ws.merge_cells(f"C{r}:J{r}")
put(ws, f"C{r}", note)
for col in "DEFGHIJ":
ws[f"{col}{r}"].border = box
page(ws)
---------- AI學派 ----------
ws = wb.create_sheet("AI學派")
widths(ws, {"A": 38, "B": 28, "C": 70})
ws["A1"].value = "AI 學派分類:機器學習屬於哪一派?"
ws["A1"].font = f_title
ws.merge_cells("A2:C2")
ws["A2"].value = "三大學派(符號主義、連接主義、行為主義/行動主義)按「智能如何產生」分類;機器學習按「如何學習」分類,兩條軸不同,所以機器學習橫跨三派,並非單屬其中一派。"
ws["A2"].font = f_note
ws["A2"].alignment = top_wrap
ws.row_dimensions[2].height = 30
header_row(ws, 4, ["技術/方法", "所屬學派", "說明"])
school = [
("深度學習、LLM 預訓練", "連接主義", "以神經網絡為基礎。"),
("強化學習(含後訓練中的 RLHF 類方法)", "行為主義(行動主義)一脈", "透過與環境互動、獎懲回饋來學習。"),
("決策樹、規則歸納", "偏符號主義", ""),
("傳統統計學習(例如 SVM)", "不太貼近任何一派", ""),
("專家系統", "符號主義", "標準叫法為「專家系統」或「規則系統」;「答案機/答題機/做題機」是你自創的比喻,沒有固定術語。"),
("前沿模型(整體)", "混合體", "連接主義為底,強化學習做後訓練,再接符號式工具(代碼執行、搜尋、檢驗器)。"),
]
for i, (a, b, c_) in enumerate(school):
r = 5 + i
put(ws, f"A{r}", a, font=f_bold)
put(ws, f"B{r}", b)
put(ws, f"C{r}", c_)
ws.row_dimensions[r].height = max(est_lines(a, 38), est_lines(b, 28), est_lines(c_, 70)) * 13.5 + 6
put(ws, "A12", "結論", font=f_bold, fill_=fill_sec)
ws.merge_cells("B12:C12")
put(ws, "B12", "「兩樣都有」是對的,甚至三樣都有。")
ws["C12"].border = box
ws["A14"].value = "註:概念整理(一般分類,不同教科書略有差異);非來自搜尋結果。"
ws["A14"].font = f_note
page(ws)
wb.save(OUT)
print("saved", OUT, row_of)
EOF
cd /home/claude && python build.py
Output
saved /mnt/user-data/outputs/ai_company_structure_check.xlsx {'anth_latest': 5, 'anth_early': 6, 'anth_ipo': 7, 'oai_latest': 8, 'oai_early': 9, 'oai_ipo': 10, 'xai': 11, 'spacex': 12, 'deepmind': 13, 'meta': 14, 'anth_rev': 15, 'oai_rev': 16, 'dm_price': 17}
Presented file
AI 學派分類:機器學習屬於哪一派?
三大學派(符號主義、連接主義、行為主義/行動主義)按「智能如何產生」分類;機器學習按「如何學習」分類,兩條軸不同,所以機器學習橫跨三派,並非單屬其中一派。
技術/方法 所屬學派 說明
深度學習、LLM 預訓練 連接主義 以神經網絡為基礎。
強化學習(含後訓練中的 RLHF 類方法) 行為主義(行動主義)一脈 透過與環境互動、獎懲回饋來學習。
決策樹、規則歸納 偏符號主義
傳統統計學習(例如 SVM) 不太貼近任何一派
專家系統 符號主義 標準叫法為「專家系統」或「規則系統」;「答案機/答題機/做題機」是你自創的比喻,沒有固定術語。
前沿模型(整體) 混合體 連接主義為底,強化學習做後訓練,再接符號式工具(代碼執行、搜尋、檢驗器)。
結論 「兩樣都有」是對的,甚至三樣都有。
註:概念整理(一般分類,不同教科書略有差異);非來自搜尋結果。
驗算:估值增長率粗略比較與超車時間計算器
藍字=手動輸入;黑字=公式;綠字=連結自「核對數字」;黃底=可修改的輸入或關鍵假設。
A. 估值增長率粗略比較(「增長率逐級遞增」簽名的初步檢查)
公司 起始估值 (US$ bn) 起始日期 終結估值 (US$ bn) 終結日期 經過年數 倍數 年化連續增長率 r (/年) 年化倍數 (/年) 備註
Anthropic 61.5 2025-03-01 965.0 2026-05-28 1.24 15.7x 2.22 9.2x 起點:2025 年 3 月估值(月初近似);終點:Series H 完成日。
OpenAI 500.0 2025-10-01 852.0 2026-03-31 0.50 1.7x 1.08 2.9x 起點:2025 年 10 月 tender offer 估值(月初近似);終點:2026 年 3 月融資完成日。
增長率比(Anthropic ÷ OpenAI) 2.1x
假設與限制
- 起始日期取月初近似(來源只註明月份);終結日期為融資完成日。黃底日期可修改。
- OpenAI 起點為 tender offer(二級出售)估值,Anthropic 起點為融資估值;兩者窗口長度不同(約 1.2 年對約 0.5 年),只供粗略比較。
- 估值是價格而非累積計數器;Anthropic 的終結值包含 Series H 一次性重新定價,年化增長率亦反映這種階梯式跳升。
- 此結果只說明「Anthropic 近期估值增長率高於 OpenAI」,是「增長率遞增」簽名的初步檢查,並不證明兩個領域的結構一模一樣。
B. 超車時間計算器(兩個後來者追過同一個領跑者)
公式:t = ln(領跑者存量 ÷ 後來者存量) ÷ (後來者增長率 − 領跑者增長率),假設各方均為指數增長。只修改黃底藍字的 B19:B24;預設值是示例(非真實數據),可直接覆蓋。
參數 數值 說明
領跑者存量 L 1,000.00 示例;單位自定,須與後來者一致
領跑者增長率 rL (/年) 0.00 連續增長率;0 表示近乎走平
後來者 M 存量 S_M 1.00 示例
後來者 M 增長率 r_M (/年) 1.00 示例;每年約 ×2.7
後來者 A 存量 S_A 0.10 示例;起步比 M 小
後來者 A 增長率 r_A (/年) 1.30 示例;比 M 快
結果 數值 說明
M 追過領跑者 t_M (年) 6.91 0 表示起點已高於領跑者
A 追過領跑者 t_A (年) 7.08
A 追過 M t_AM (年) 7.68
三次交叉窗口 (年) 0.77 最晚減最早的交叉時間
窗口 ÷ 首次交叉時間 11.1% 越小代表三次交叉越擠 AI 學派分類:機器學習屬於哪一派?
三大學派(符號主義、連接主義、行為主義/行動主義)按「智能如何產生」分類;機器學習按「如何學習」分類,兩條軸不同,所以機器學習橫跨三派,並非單屬其中一派。
技術/方法 所屬學派 說明
深度學習、LLM 預訓練 連接主義 以神經網絡為基礎。
強化學習(含後訓練中的 RLHF 類方法) 行為主義(行動主義)一脈 透過與環境互動、獎懲回饋來學習。
決策樹、規則歸納 偏符號主義
傳統統計學習(例如 SVM) 不太貼近任何一派
專家系統 符號主義 標準叫法為「專家系統」或「規則系統」;「答案機/答題機/做題機」是你自創的比喻,沒有固定術語。
前沿模型(整體) 混合體 連接主義為底,強化學習做後訓練,再接符號式工具(代碼執行、搜尋、檢驗器)。
結論 「兩樣都有」是對的,甚至三樣都有。
註:概念整理(一般分類,不同教科書略有差異);非來自搜尋結果。
結構比較:K-pop 總觀看次數 vs AI 公司 vs「總權力」
整理自上一則回覆;「總權力」欄反映的是尚未定義、未經驗證的框架假設。
檢查項 K-pop 總觀看次數 AI 公司 「總權力」(你的框架)
是否只增不減的計數器 是 否(估值是價格,可跌) 未定義
越新增長越快 大致是 似是 你的框架的假設(尚無數據)
同一個起飛基底 YouTube 全球化 大模型 scaling、算力、資本 金融/數碼層(你的框架的說法)
最前一級是否可量度 可(自己頻道口徑) 否(DeepMind 沒有獨立市值) 未定義
結論 同一類結構(後來者越來越快、共用基底、超車時間被壓縮),但並非一模一樣。
AI 公司可驗證的超車 只有「Anthropic 追過 OpenAI」一次(按定價,2026-05-28 Series H)。「兩個後來者在短窗口內各自追過同一個領跑者」這一核心結構無法檢驗,因為領跑者(DeepMind)沒有價格。
同步機制差異(推論) 估值的超車時間可能受融資輪次及可比公司定價帶動,與觀看次數的自然累積屬不同的同步機制;此為推論,未經驗證。
三個定量簽名(用以判斷是否「同一結構」)
簽名 檢驗內容 目前狀態 所需資料
- 增長率逐級遞增 各級增長率是否隨世代遞增 0 各級時間序列(收入或估值)
- 起飛集中在基底成熟之後 後來者起飛時點是否集中於共同基底成熟之後 尚未驗算
- 超車時間差 ≈ ln(規模比) ÷ 增長率差 以公式預測的超車時間差,對比實際 尚未驗算(可用「驗算」工作表中的計算器) 規模與增長率時間序列
你可以貼上 AI 公司的收入或估值時間序列,以逐項驗算以上簽名。
核對數字:逐項核對你提出的說法
資料截至 2026-10-28;金額單位 US$ bn(十億美元);「數值」欄只填可供計算的數字。來源為搜尋到的公開報道,部分為二手來源。
項目 Item 你的說法 Claim 核對結果 Verified 數值 Value (US$ bn) 狀態 Status 時點 As of 來源 Source 連結 URL 備註 Notes
1 Anthropic 最近一次定價 「接近兩萬億」 Series H 後估值 US$965B(募資 US$65B),高於 OpenAI 當時的 US$852B。 965.0 不符 2026-05-28 Fello AI:Anthropic vs OpenAI https://felloai.com/anthropic-vs-openai/ 兩萬億是上市目標(見下一行),不是已定價估值。為後估值(post-money)。
2 Anthropic 較早估值 — US$61.5B(2025 年 3 月)。 61.5 參考 2025-03 Exploding Topics:Anthropic Revenue and Valuation Statistics https://explodingtopics.com/blog/anthropic-revenue 與最近一次定價相比約 16 倍;用作「驗算」工作表的起點。
3 Anthropic 上市目標估值 「接近兩萬億」 Bloomberg 報道:潛在投資者估值 1.8 至 2 萬億美元;尚未最終確定,亦未上市。報道指路演最早 11 月第二週開始,目標在感恩節前上市。 未最終確定 2026-10 報道 Yahoo Finance(引述 Bloomberg) https://finance.yahoo.com/markets/stocks/articles/anthropic-targets-pre-thanksgiving-ipo-111436118.html 區間上限接近你所述的「兩萬億」,但屬預期,不是已實現市值。
4 OpenAI 最近一次定價 「一萬億左右」 US$852B(2026 年 3 月 31 日完成 US$122B 融資)。 852.0 不符 2026-03-31 ValueAdd VC:The 10 Highest-Valued Private AI Companies in 2026 https://valueaddvc.com/blog/highest-valued-private-ai-companies-2026
5 OpenAI 較早估值 — 約 US$500B(2025 年 10 月 tender offer)。 500.0 參考 2025-10 ValueAdd VC(同上) https://valueaddvc.com/blog/highest-valued-private-ai-companies-2026 tender offer 一般屬二級股份出售,定價性質與新股融資不同(一般常識,非來源原文)。用作「驗算」工作表的起點。
6 OpenAI 上市狀況 — 已押後上市;據 Bloomberg,Altman 稱現時上市並不明智。另有報道指傾向 2027 年上市。 已押後 2026-09/10 報道 Yahoo Finance(引述 Bloomberg);Al Jazeera https://finance.yahoo.com/markets/stocks/articles/anthropic-targets-pre-thanksgiving-ipo-111436118.html Al Jazeera:https://www.aljazeera.com/news/2026/9/17/what-are-the-biggest-ai-companies-and-how-much-are-they-worth
7 xAI 「第三位係 DeepMind 或 xAI」 被 SpaceX 收購前最後一次定價約 US$230B;現已併入 SpaceX,無獨立市值。 230.0 無獨立市值 收購前(來源未註明日期) ValueAdd VC:AI Company Valuations 2026 https://valueaddvc.com/blog/ai-company-valuations-in-2025-how-the-top-ai-startups-are-being-priced 因此「第三位」沒有客觀答案。
8 SpaceX 上市估值 — 2026 年 6 月上市,估值約 US$1.77 萬億。 1,770.0 參考 2026-06 The Conversation(經 Brooklyn Eagle 轉載) https://brooklyneagle.com/425306/anthropics-record-2-trillion-stock/ 此為上市公司整體估值,不可當作 xAI 的單獨估值。
9 Google DeepMind 「第三位係 DeepMind 或 xAI」 Alphabet 旗下子公司,無獨立市值。 無獨立市值 — Wikipedia:Google DeepMind https://en.wikipedia.org/wiki/Google_DeepMind 如要比較,只能用分部估值(sum-of-the-parts)推算,屬估計而非市價。
10 Meta AI 「第三位係 DeepMind 或 xAI」 屬 Meta 內部業務,無獨立市值。 無獨立市值 — —(公司架構,一般常識)
11 Anthropic 2026 年第二季收入 「最高 revenue 嘅 AI 公司」 初步收入逾 US$11.5B,高於 OpenAI 同期。 11.5 資料(二手來源) 2026 Q2(2026 年 8 月報道) Exploding Topics(引述 Bloomberg、WSJ) https://explodingtopics.com/blog/anthropic-revenue 「逾」代表下限;收入口徑(總額或淨額)未核實。
12 OpenAI 2026 年第二季收入 — US$6.7B,低於 Anthropic 同期。 6.7 資料(二手來源) 2026 Q2(2026 年 8 月報道) Exploding Topics(引述 Bloomberg、WSJ) https://explodingtopics.com/blog/anthropic-revenue 收入口徑(總額或淨額)未核實。
13 DeepMind 2014 年被 Google 收購價 「billion 級別」 報道價介乎 US$400M 至 US$650M(2014 年 1 月 26 日 Google 確認收購)。 不符 2014-01-26 Wikipedia:Google DeepMind https://en.wikipedia.org/wiki/Google_DeepMind 屬數億美元級,不是 billion 級。早期報道:Re/code 稱 US$400M,The Information 稱逾 US$500M。
註 藍字=手動輸入的數值(來自上列來源);「數值」欄供「驗算」工作表連結。時點為來源所述日期或報道月份。
AI 公司「階梯式超車」結構比較(整理自上一則回覆)
整理日期 2026-10-28
內容來源 上一則回覆的三節(核對數字、結構比較、AI 學派分類),以及該回覆所引用的公開報道;來源與連結見「核對數字」工作表。
工作表 "核對數字:逐項核對你提出的數字
結構比較:K-pop、AI 公司、「總權力」的四項檢查及三個定量簽名
驗算:估值增長率粗略比較與超車時間計算器(含公式)
AI學派:機器學習與三大學派的關係"
顏色約定 藍字=手動輸入的數值或日期;黑字=公式或一般文字;綠字=連結自其他工作表;黃底=可修改的輸入或關鍵假設;紅底=與說法不符;橙黃底=未確定、已押後或不適用。
披露 Anthropic 是 Claude 的開發商。本表關於 Anthropic 的內容只依公開報道整理,不作評價,亦不構成投資建議。Anthropic 的上市估值尚未定案,資料可能隨時變動。
限制 估值是價格,不是累積計數器;部分數字來自二手來源(Exploding Topics、ValueAdd VC 等),未逐一對照原始文件。「總權力」尚未有操作性定義,因此相關欄位標示為「未定義」。
語言 內容為繁體中文;如需英文版可再生成。