今天剛好有時間，就把該整理的東西整理一番
我發現很少人看但我會關注的公司基本面指標：CEO、員工人數及員工薪資 隱藏的代表了 1.公司的人力資本，從而加深技術門檻高度，通常業界高薪長期吸引更競爭的人才短期獲利不佳也沒關係 2.自動化效果，處於上升還是衰退週期 3.公司獲利對利害關係人的分配與再投資策略（傾向短期股利還是長期資本投資） 4.韌性，遇到逆風時，即使薪水下降還能保持住技術門檻而非潰敗。
財報數字很多都會受到季節性變動與一些認列干擾，但薪資不同，多少人做多少事，拿多少錢，這是在上市公司100%透明揭露，為什麼？因為多了一層勞保會自動做交叉驗證。
更大的投資人保護驗證：
投資最怕的是管理層口是心非，表面上說提升研發成本與競爭力，實際上在財報裡研發費用與員工人數如何改變？
Bottom to up的研究應該bottom到多底部？
我認為應該要回到商業的賺錢與人性，誰讓你賺錢，就替你服務，這是商品能賣出去、員工能夠來的基礎的邏輯。
如果賺錢是商業最誠實的動機，那薪資與員工人數、留任狀況就是員工是否真的相信並替公司付出的關鍵，另外，員工平均年齡也代表創新速度與穩定速度的取捨，如果CEO薪資與員工薪資的給付落差大，就可以評估是一超多強的公司體系，確認是否產業都有這種慣性還是商業策略。
既然各位都看到這了，來上個猛料，提供幾個我最喜歡看的指標，投資最大的策略就是避免災難，這套框架大概避免了超過20個糟糕的投資標的。
人數薪資變動分析
通常可以用以下的分類得到答案
- 人數趨勢 + 薪資趨勢 = 戰略意圖
- ↗人數 + ↗薪資 = 攻勢擴張（最佳）
- ↗人數 + →薪資 = 規模化降本（需驗證效率）
- →人數 + ↗薪資 = 精英化策略（研發密集型）
- ↘人數 + ↗薪資 = 自動化優化（成熟期）
- ↘人數 + ↘薪資 = 衰退或危機
員工年齡
- 年輕化（<30歲） 快速疊代、激進創新 軟體、消費互聯網 執行力不穩、流動性高
- 成熟化（35-45歲） 經驗積累、流程化 硬體、晶片、製藥 創新速度慢
- 老齡化（>50歲） 技術深度、穩定性 航空、國防、基建 可能陷入路徑依賴 雙峰分佈 老帶新、經驗傳承 最佳結構 需要文化融合
公司聲稱接到AI伺服器訂單、做AI轉型，這是真的嗎？建議去查員工年齡，如果平均年齡>45歲 ，估計只是法說會拿來騙騙散戶的劇本。
如果是30-35歲主力 + 少數資深專家 ，✅ 有執行力
傳統汽車產業說要做電動車，但工程師平均年齡50+，缺乏年輕工程師，難以吸引新思維，更不可能做。
一間公司要打入AI伺服器，結果請22歲大學畢業生，3萬5的工程師做，有可能？
CEO/員工薪資比
台灣其實更多是主管/非主管薪資比
看同業倍數、上下游倍數。
留任狀況評估
這個只有CEO比較明顯，一般員工要看人力資源調查網站。
- CEO任期長度
- 技術長/產品長任期
- 高管團隊整體任期中位數
穩定型5年以上，戰略連續性強(GOOGLE)
頻繁更替<2年，內部混亂或戰略失敗(INTEL)
薪酬制度：
看公司性別比、平均薪資，薪資成長幅度，獎金酬勞分配度。
我建議可以參考台灣IC設計公司研發費用；獎金制度與酬勞分配，因為人數少，絕大多數都是研發工程師，(因此報紙上說的平均薪資特別高)，就很清楚我在說的是甚麼。
以上方法特別適用在一些產業：
- 科技業，SaaS/硬體： 人才就是一切，薪資是最好的領先指標。
- 專業服務業，金融/顧問： 只有人才能創造營收。
較不適用於：
- 原物料/傳產（礦業/航運）： 資本支出（機具、礦權）比人力更重要。
最後的建議：
建議要多看幾家公司，多看幾個週期，另外，支出端的股利、薪奬政策是否同步，人均營收等，尤其AI時代看出人力與收入增速在AI導入的分析上可能比基礎薪資推斷研發的量表更多的比對驗證。
以下可以跳過，但為了讓文章更生動又避免工作的利益衝突，我請AI把公開資訊且我滿欣賞且成功的兩間公司案例提供出來：在 AI 伺服器浪潮下，薪資與人力結構能提前 6–18 個月映射設計導入與人均毛利的變化：散熱雙雄（3017 奇鋐、3324 雙鴻）的人才定價與專案配置，領先反映了水冷成長曲線。
為何有效（作用機制）
人才定價 → 設計與驗證能量 → design-in（設計導入）與客戶黏著 → 人均毛利提升 → 再投資擴產 → 逆風期持續招募關鍵職能 → 下一輪份額擴張。
Background Note: AI 伺服器液冷技術涵蓋水冷板、分歧管、CDU*[冷卻分配單元]*到整機熱設計，需跨學科能力，低薪難以吸引或留住能跑通整套系統的工程師。
最具代表性案例
A. 成功：3017 奇鋐（AI 液冷整機能力帶動人均產出）
證據要點
- 業務面： 2024–2025 年 GB200 進入量產，奇鋐在水冷板/快接頭/CDU 與機構整合的主供地位逐步鞏固；公司直言「2025 是水冷元年」，並持續擴充冷板/快接頭產能。2
- 招募面： 2024–2025 年持續釋出「水冷散熱工程師（LC）」與伺服器熱設計職缺，JD 明列液冷設計、實驗數據分析、跨廠協作等技能，顯示由「零件」走向「系統」。3
- 薪資與獲利： 非主管薪資中位數自 2020 的 80.9 萬逐步上升至 2024 年的 106.4 萬（+32%），與 AI 伺服器營運上行對應；2025 年前三季 EPS*[earnings per share]* 合計 32.25 元創高，營收與獲利雙創新高。4
逆風測試（2022–2023）
- 2022 年科技循環下行時，中位數薪資仍從 90.9 萬走到 2023 年的 104.6 萬；2023–2025 年水冷占比提升、AI 新平台密集導入，價格/毛利策略以可靠性優先，未採削價衝量。4
機制解析
- 用較高的人才定價換來「整機熱管理」能力與客戶端設計導入的主導權；水冷由零組件到系統，價值鏈地位提升後，人均產出與毛利彈性放大，形成再投資飛輪。1
B. 成功：3324 雙鴻（名校引才門檻提升，水冷比重持續走高）
證據要點
- 業務面： 2025 年雙鴻水冷營收占比於部分季別達約 35%，並向多家 CSP 擴大導入；2024 年 EPS 21.23 元創高。8
- 薪資： 非主管薪資中位數長期高於行業中位數（2023 年 105.3 萬，對行業 +18%），顯示對研發/熱傳人才持續給價。9
逆風測試（2022–2023）
- 2023 年中位數略由 107.1 萬回落至 105.3 萬，但未崩壞；隨後 2024–2025 年液冷板、分歧管與整機散熱需求轉強，營收與毛利率修復並創高。9
機制復盤
- 過去以 VGA/消費性為主的散熱職能，透過對熱流/CFD/液冷系統工程的引入與給價，提升招募天花板（更能吸引台清交等工程背景），使產品組合從「單點零件」升級為「高單價模組/系統」。11
