每月10%

Trader

[Metamental | 方外之域 @yijiangren]

美股博主推荐
不能只看粉丝，也不能只看收益率。
真正值得关注的，不是今天谁喊中了一个票，而是谁能长期提供一种稳定的信息增量。
我把自己最近关注的一批美股信息源，分成几个层级。

1.Serenity @aleabitoreddit
如果只用收益率高来理解 Serenity，其实是低估了她。
我真正觉得她值得研究的地方，不是她抓到了多少小票，而是她有一套非常清晰的产业链捕捉方式，我把它叫做“紫苏叶理论”。
详见：https://t.co/KnVHS8Ambx
AI 时代，大家都盯着金枪鱼，也就是英伟达、微软、谷歌、Meta 这些核心巨头。
但 Serenity 更擅长看的，是金枪鱼旁边那片不起眼的紫苏叶。
这类公司往往藏在 AI 基建、光通信、材料、设备、测试、供电、散热、制造瓶颈里。
她真正厉害的地方，是能从大叙事里拆出小环节，再从小环节里找到市场还没有充分定价的断供点。
所以 Serenity 不适合无脑跟单，更适合被当作产业链研究样本。
看她，不是为了抄作业。
而是为了学习：如何从“AI 很强”进一步拆到“AI 到底卡在哪里”。
授人以鱼不如授人以渔。

2.川沐 @xiaomustock
川沐大佬适合当半导体和存储赛道的研究样本。
他的价值在于，不会只讲什么票要涨，而是把周期、供需、库存、价格、Capex、下游需求一起拆。
尤其是半导体和存储这种行业，最怕只看股价，不看周期位置。
股价涨的时候，所有人都能讲故事。
但真正有价值的是在价格、库存、产能、需求还没有完全被市场看懂的时候，提前判断行业处在周期的哪一段。
所以他适合用来学习具体赛道的研究方法。
不是看结论，而是看他怎么拆行业。

3.Leopold Aschenbrenner @leopoldasch
Leopold 不是传统意义上的美股博主。
更像是 AI 宏观叙事源。
他的价值在于帮我们理解 AI 这条主线为什么可能不是普通科技周期，而是未来十年最重要的资本开支、算力竞赛和国家竞争。
适合用来建立大框架。

4.华尔街没有名字 @WallStreet0Name
街哥增长堪称迅猛，我觉得他适合作为市场温度计。
街哥覆盖的东西比较多，美股、黄金、原油、大宗、宏观情绪都能看。
他的价值不是让我们长期持有某个观点，而是观察市场当下在交易什么。

5.Cathie Wood @CathieDWood
Cathie Wood 是创新叙事的机构级样本。
她的价值在于，能帮投资者看到市场最乐观的一面。
AI、机器人、基因编辑、能源存储、区块链、自动驾驶，这些方向她几乎都长期覆盖。
但我更建议把她当作“创新叙事反向校准器”。
当 Cathie Wood 的叙事非常顺、市场非常兴奋、所有人都开始相信未来马上兑现的时候，往往就要回头看估值、现金流、利率和周期。
她适合理解未来，但不适合帮助投资者忽略价格。

6.Joseph Carlson @joecarlsonshow
他的价值是把长期投资、组合构建、股息、现金流、ETF、个股配置这些东西，用普通人能理解的方式讲出来。
这类内容的上限未必最高，但传播价值很大。
因为市场里永远有大量新人，不缺复杂结论，缺的是能听懂的第一步。
对成熟投资者来说，它未必提供最强 alpha。
但对内容创作者来说，很值得学习表达方式。
如何把复杂的资产配置问题，讲成普通人愿意看、看得懂、还能行动的内容。
这本身就是一种能力。

7.Dylan Patel @dylan522p
AI 和半导体，Dylan Patel 基本是绕不开的信息源。
他的强项讲 AI 基建的底层现实。
很多人看 AI，只看英伟达财报。
更深一层的人，会看英伟达的客户、供应链、封装、内存、网络和数据中心约束。
Dylan 的价值就在这里，他适合用来校准 AI 产业链的真实瓶颈。
如果说 Serenity 是从市场里找“紫苏叶”，Dylan 更像是直接把厨房、电路、水管、供应链图纸摊开给投资者看。

8.Lyn Alden @LynAldenContact
Lyn Alden 是宏观框架型信息源。
她和普通美股博主不一样，很多人只看公司，Lyn 会把股票放回到流动性、财政、货币、债务、能源、美元体系和实际利率里看。
这对于投资非常重要，因为美股不是孤立存在的。
纳指为什么涨？黄金为什么涨？比特币为什么涨？长债为什么跌？科技股估值为什么能撑住？
这些问题最后都会回到宏观流动性、真实利率、财政赤字和美元信用。
Lyn 的价值是帮投资者从“公司视角”切到“系统视角”。
尤其适合用来判断大周期。

9. App Economy Insights @EconomyApp
很适合看美股公司的商业拆解。
财报、收入结构、利润率、自由现金流、用户增长、估值、竞争格局，它会把一家公司的生意拆得比较清楚。
很适合研究软件股、平台型公司、AI 应用层公司。
它的价值，就是把故事拉回商业模型。

10.Metamental @yijiangren
我的优势来自交叉点：加密交易、普通人资产配置、AI 产业叙事、链上美股、支付宝/QDII/场内ETF路径，以及中文内容表达。
问题是普通投资者，在现实限制下，到底还能怎么获得美股敞口？
所以我会写支付宝纳指和标普基金。
会写场内ETF溢价。
会写QDII仓位。
会写港美股券商。
也会写链上美股。
我关心的不是把美股写得多高大上，而是把路径、风险、成本、流动性和底层逻辑讲清楚。

如果说 Serenity 提供的是产业链里的“紫苏叶方法论”，那我更想做的是普通投资者的“路径翻译器”。

把宏观叙事翻译成资产配置，把行业研究翻译成普通人能理解的路径，把复杂金融产品翻译成风险、成本和适用场景。

美股投资真正难的地方，不只是选股。
而是要知道，信息源不是越多越好。
真正重要的是，能不能把不同信息源放在正确的位置。

[Metamental | 方外之域 @yijiangren]

紫苏叶理论：AI 时代，最贵的不是金枪鱼，而是那片不能断供的叶子

最近认真看了很多 @aleabitoreddit 的内容。
一开始我觉得她最厉害的地方是收益率。

今年到目前为止4500%的收益率，从刚开始到现在大概是31000%，AXTI、AAOI、SIVE、RPI，一个个小票被她提前挖出来，然后在争议、嘲笑、质疑声中完成重估。
这种故事很刺激，但是我在研究交易和投资方法上，比较注重实用主义。
既然她能打出这么高的收益率，那么到底用的是什么方法。

研究之后，我发现她不是在寻找下一个英伟达，是在寻找英伟达背后，那些小到没人愿意看、冷到没人愿意写、但一旦断供整个 AI 产业链就会卡住的东西。
这就是我理解中，她的紫苏叶理论。

紫苏叶理论

所谓紫苏叶理论，最经典的比喻来自岛国的寿司店。
食客走进顶级寿司店，眼睛盯着的永远是金枪鱼大腹、海胆、鱼子酱。
它们昂贵、显眼、性感，是所有人都能理解的高价值资产。

但真正让一整套料理成立的，可能是一片来自特定产地的小小紫苏叶。

它不贵、普普通通、它不会出现在菜单最显眼的位置。
但它去腥、提香、装饰、定调。
没有金枪鱼，菜单可以少一道菜。
没有紫苏叶，整套餐可能就端不上来。

映射到 AI 投资里，英伟达是金枪鱼，微软、谷歌、OpenAI、Meta 是金枪鱼，数据中心、GPU、模型参数、CapEx 指引，都是摆在台面上的主菜。

但她看的不只是主菜，她往下拆。

GPU 之间怎么通信？
数据怎么传输？
万卡、十万卡集群同时工作时，最先撑不住的是哪里？
如果训练和推理规模继续扩大，瓶颈到底是在芯片本身，还是在互联、光源、衬底、外延、封装、对准、材料纯度这些更底层的物理环节？

普通人看到 AI，想到的是模型。
稍微懂一点的人，想到的是 GPU。
再深入一点的人，想到的是 HBM、电力、液冷、数据中心。

但Serenity的方法是继续往下。
她不是像我们一样从叙事出发，而是从物理限制出发。
这是紫苏叶理论真正厉害的地方。

AI 到最后不是 PPT 里的指数曲线，而是一个个真实世界里的物理问题：铜线有衰减，电信号有损耗，散热有上限，光耦合需要纳米级对准，外部激光光源需要稳定供应，化合物半导体需要高质量衬底，特殊材料需要极高纯度，产能扩张需要设备、认证和时间。
金融市场和华尔街只喜欢讲增长。
她喜欢问：增长撞到墙的时候，墙在哪里？
这句话，是整个紫苏叶方法论的核心。
比如 CPO，也就是光电共封装。
我们普通投资者听到这个词，第一反应是又一个 AI 概念。

但从产业逻辑看，它并不是凭空冒出来的热点，而是 AI 集群规模扩大之后，传统铜线互联在功耗、带宽、延迟和散热上不断逼近极限之后，必须出现的一种工程答案。
当数据不再只是从一台机器流向另一台机器，而是在成千上万张 GPU 之间高速交换，连接本身就从配角变成了主角。
这个时候，问题不再是“谁的芯片算得快”。
而是“数据能不能以足够低的损耗、足够低的功耗、足够高的带宽送过去”。
如果送不过去，再强的 GPU 也会被困在自己的孤岛里。

所以她开始拆 CPO。
从光纤阵列单元，到微透镜。
从外部连续波激光光源，到 DFB 激光器。
从 InP 衬底，到 MBE 外延设备。
从高纯度红磷，到 SOI 衬底。

每拆一层，她问的都不是这个概念有没有热度。
而是三个更加底层的问题
第一，这个东西是不是物理上必须存在？
第二，这个东西有没有可替代方案？
第三，如果需求突然放大，谁的产能最难复制？

这和普通炒题材完全不一样，反倒是有点像马斯克说的第一性原理。
普通题材投资，是先看到一个宏大叙事，再去找名字最响、流动性最好、讨论最多的股票。
Serenity 的路径反过来，她先从产业链最底层寻找不可替代性，再看这个不可替代性有没有被市场定价。

这就是为什么她会看AXTI。
在市场还没真正理解 AI 光通信之前，她就盯上了 InP，也就是磷化铟衬底。
这东西听起来冷门得不能再冷门。
不性感，不好传播，也不适合普通人茶余饭后聊天。
但它是光通信、激光器、光电器件的重要底层材料。
如果未来 AI 基础设施越来越依赖高速光通信，那么这种材料就不是边角料，而是地基。
更关键的是，做这类衬底的公司很少，产能不是说扩就能扩，质量不是说追就能追，客户认证不是说过就能过。
这就是典型的紫苏叶。
小、冷、不起眼。
但卡住了别人。
她看 SIVE 也是同样的逻辑。
很多人讨论 CPO，只会讨论博通、迈威尔、英伟达这些大公司。
但她盯的是外置连续波激光光源。
因为 CPO 不是一句光进铜退就完了。
要把光引进去，要有稳定可靠的光源；要让封装内的光电转换成立，就必须有足够成熟、足够高功率、足够可量产的激光方案。

于是，一个瑞典小公司就突然从边缘进入了 AI 基础设施的中心。
这就是她的思维习惯：不是看谁最大，而是看谁最窄。
最大的公司未必最有弹性，最窄的环节，才可能拥有最高的重估斜率。

树莓派

树莓派那一战，其实是紫苏叶理论的另一个变体。
表面上看，RPI 和 CPO、InP、激光器完全不是一类东西。
一个是教育开发板公司，一个是半导体材料和光通信链条。
但底层逻辑是一样的：同样的需求冲击，打在不同体量的公司身上，财务影响是天差地别的。
当 OpenClaw、PicoClaw、NanoClaw 这些工具开始火起来，我们的第一反应是：AI 又进化了，苹果 Mac Mini 可能受益。
但苹果太大，几万台、几十万台 Mac Mini 的需求变化，对苹果来说只是水面上的一点波纹。
可树莓派不一样。
它市值小，收入基数小，市场预期低，长期被贴着“教育硬件”“爱好者玩具”的标签。
一旦它从“学生买一块玩玩”变成“创业公司一次买几十块、上百块，用来部署本地 AI agent swarms”，它的可寻址市场就变了。
不是产品变了，是产品在新场景里的位置变了。
这也是我觉得 Serenity 很强的一点：她不只是看到需求变化，她能把需求变化翻译成财务影响。
大部分人看到 OpenClaw 火了，只会说AI好强。
她会继续问：谁会买硬件？买多少？一次性买还是持续买？会不会绕开云服务？为什么不用 AWS？什么场景必须本地部署？
这个需求打到苹果身上是噪音，打到树莓派身上是不是营收弹性？
这才是真正的研究。
后来财报验证，也确实让很多人闭嘴。
当初媒体急着给树莓派贴 meme stock 标签，说这是散户狂热，说这是 mass stupidity，说股价会 crash back to reality。
但 Serenity 从一开始讲的就不是轧空，不是表情包，不是散户抱团。
她讲的是 TAM 扩张、营收弹性、估值错配和市场共识失灵。

真正的交易员

这就是她和很多网红交易员最大的不同。
真正好的投资研究，不怕被质疑。
它怕的是没有可验证的路径。
Serenity 的很多判断，恰恰都有一条从物理限制到产业需求、从产业需求到公司收入、从公司收入到估值重估的链条。
当然，这并不意味着她永远正确。
紫苏叶理论也不是万能钥匙。
小市值、冷门、卡脖子，这三个词听起来很美，但每一个背后都有风险。

小市值意味着流动性差。
冷门意味着信息不透明。
卡脖子意味着一旦替代路线出现，估值也可能瞬间坍塌。
材料公司可能被周期反噬。
设备公司可能订单延迟。
光通信公司可能被大客户压价。
一个技术路线如果被验证，股价可以十倍；如果路线切换，也可能一夜回到原点。

所以我很欣赏 Serenity 的地方，不是她永远自信，而是她经常知道自己在赌什么。
她会讲风险。
会讲替代方案。
会讲为什么自己认为这个环节更难绕开。
也会用 AI 模型做反向辩论，让不同模型攻击自己的逻辑。

这点其实很重要。
很多人用 AI 是为了让它赞同自己。
Serenity 用 AI 是为了让它反驳自己。
这背后是一种很少见的研究纪律：我不是来证明自己对的，我是先假设自己可能错，然后看这个逻辑还能不能站住。
这也是为什么她的内容和普通喊单帖不一样。
喊单帖通常只有结论。
她的内容永远有路径。

从 GPU 到互联。
从互联到光通信。
从光通信到 CPO。
从 CPO 到激光器、衬底、外延、材料和封装。
从技术路线到供应商。
从供应商到产能。
从产能到收入。
从收入到估值。

最后才是股票。
很多人是先爱上一只股票，再给它找理由。
她更像是先画出一张物理世界的地图，然后看地图上哪个关口还没有被市场发现。
所以，紫苏叶理论真正值得学习的，不是买小票。
更不是谁被 Serenity 点名就冲。
如果只学到这一层，那很危险。

值得我们学习的

她真正值得学习的是一种研究顺序
一问产业的物理瓶颈在哪里
二问这个瓶颈有没有唯一性
三问唯一性有没有商业化路径
四问商业化路径有没有财务弹性
最后第五问才问市场有没有定价

顺序不能反。
如果先看涨幅，再找故事，那叫追热点。
如果先看叙事，再找标的，那叫炒概念。
如果先看物理约束，再找财务弹性，再等待共识修正，那才接近 Serenity 的方法。

我觉得这也是为什么她会在中文区突然出圈。
过去几年，AI 投资被讲得太宏大了，大模型改变世界，算力就是石油，英伟达卖铲子，数据中心是新时代电厂。
这些都对，但当所有人都站在同一个叙事入口，alph只会越来越少。
Serenity 提醒了我们另一件事：AI 不是飘在云里的神话，AI 是落在地上的材料、设备、线缆、光源、晶圆、封装、工厂、物流、认证和产能。
越往下，越脏，越累，越冷门。
但也越可能藏着真正的定价错误。
最大的alpha，有时候不是来自更宏大的想象力，而是来自更具体的耐心。

别人看见金枪鱼。
她去找紫苏叶。
别人看见英伟达。
她去找谁让英伟达的系统真正跑起来。
别人看见 AI 时代的海啸。
她去找海啸来临前，最先被冲垮、也最先被重建的那座桥。

这才是紫苏叶理论最打动我的地方。
它不是神化一个人，也不是鼓励散户去盲目追逐冷门小票，大部分自己追的小票都会以失败告终。
它真正提供的是一种新的观察角度：当一个大时代开始扩张时，不要只盯着最亮的灯，去看灯泡后面的电线，去看电线后面的铜、绝缘层、变压器、工厂和开关，去看那些没有名字、没有流量、没有故事感，但一旦消失，整个系统就会停摆的东西。

市场总是喜欢奖励显眼的东西。
但真正的瓶颈，往往藏在不显眼的地方。
这就是 Serenity 的紫苏叶理论。
也是我觉得我们最该从她身上学到的东西：不要只问什么最贵，要问什么最不能断。
诸君，共勉。

[Serenity @aleabitoreddit]

中文社区又出了一篇佳作！

当我发现像磷化铟（InP）衬底这样的产业链瓶颈或关键节点时，我通常会凭主观判断来进行操作。

这在很大程度上取决于能否准确预判下一次的技术架构演进！

尤其是去年，当所有人都在说光技术还为时过早、铜互连不会被取代时，我果断做多了光通信供应链。

看到大家如何解读我的投资思路，并将其转化为更偏算法化、系统化的逻辑，真的非常有意思。

[每月10% @10permonth]

@seanwei001 神說要有光

[Fang知识分享 @FLMdongtianfudi]

大家一定要记住，赚钱的第一性原理是什么！

[每月10% @10permonth]

@binghe @threeaus @AmandaAskell 費曼學習法

[每月10% @10permonth]

@kasi_lu76038 @xiaoshunli 短期美債

[每月10% @10permonth]

@VicentYip 沒錢和有錢的區別

[太阳闯关记 @dachaoren]

吉姆·罗恩在1981年的演讲
因为讲了这个世界财富的底层逻辑

所以一直被封杀，尤其在国内，根本不允许看。

五分钟就可以深度理解任何事物的运行法则。

[每月10% @10permonth]

@whyyoutouzhele 賺那麼多錢為什麼還要繼續做牛馬？

[每月10% @10permonth]

@NightSkyToday Xland

[每月10% @10permonth]

@lidangzzz 第一個有錯嗎？

[每月10% @10permonth]

@cuichenghao 什么时候分手的？

[每月10% @10permonth]

@yibingsg 這字一看就知道是啟功寫的

[每月10% @10permonth]

@lidangzzz 現在讓女人不要生孩子就是被左膠搞出來的偽論

[罗玉凤 @Menghuanlangqi2]

我想说一句扎心窝子的话：在美国指甲店打工，也比在中国做高级白领要强。
每个礼拜休息两天，一天工作10个小时。在曼哈顿的指甲店，工作环境超过国内白领，夏天有空调冬天有暖气，没事就玩手机。有的老板还提供水果和零食。
假设小工月收入4000美元，房租650美元。每个月能有2800美元剩余，一年存三万一点压力也没有。
如果不在纽约工作，在别的州找老板提供住宿的美甲店，连房租都省了。
在美国做餐馆的话，老板包吃包住，挣的钱都能存起来。
因为美国是一个以人为本的社会。

[每月10% @10permonth]

@lidangzzz 有副作用的

[每月10% @10permonth]

@whyyoutouzhele 清朝画质

[每月10% @10permonth]

【Gemini 3】Google「超神級」AI殺到！Gemini 3 Pro碾壓ChatGPT？打工仔必學5大絕招+免費功能教學！
https://t.co/dJSfuTQxSH功能?utm_source=45536&utm_medium=ct-app&utm_campaign=app_share_article