Hawke

[Hawke @Hawke49131]

@ShanghaoJin @cherryPayment 买intc 还不如买tsem

[Lin @Speculator_io]

Jensen literally told you where to invest:

Layer 1: Energy
$BE $GEV $PWR $FPS $FCEL $VICR $VST $NVTS $BWXT $CEG $UEC $CCJ

Layer 2: Chips
$NVDA $TSM $INTC $AVGO $AMD $ASML $ARM $MRVL $AAOI $AXTI $SNDK $MU $SKHY $COHR $LITE $AEHR $WDC $GLW

Layer 3: Infrastructure
$NBIS $IREN $CRWV $APLD $VRT $DELL $HPE $ORCL

Layer 4: Models
$GOOGL $META $AMZN $SPCX

Layer 5: Applications
$NOW $PLTR $DOCN $SNOW $NET $FSLY $GTLB $TSLA

[摸鱼局长 | MoyuChief @Jason23818126]

白毛股神看人形机器人，有个角度我很认同

视频看整机，赚钱可能要看供应链

我也顺着这个思路，整理了一版【机器人赛道全产业链股票】

1. 整机平台

这一类最直观，就是谁在做人形机器人

海外可以看 $TSLA、Boston Dynamics / 现代汽车 005380.KS

Agility Robotics 可以顺着 $CCXI 看，合并完成后预计代码 $AGLT

Figure AI、Apptronik、1X Technologies 还没上市，可以先放进观察池

港股、A股可以看优必选 https://t.co/iMwSHXGbOu、小鹏 $XPEV / https://t.co/anoj6zu4qL、小米 https://t.co/Gky9RtFlVw、比亚迪 https://t.co/ZOyy0DrpGI、宇树科技

这里我主要看量产进度和真实订单

演示视频再好看，最后还是要看能不能交付

2. 减速器 / 传动系统

这一块我会放在比较前面

机器人每个关节都要动，动作还要稳、准、耐用，减速器和传动系统很关键

海外可以看 Harmonic Drive Systems 6324.T、Nabtesco 6268.T

A股可以看绿的谐波 https://t.co/SJtpeAKx4N、双环传动、中大力德

如果后面人形机器人真的放量，关节数量一多，这一块需求会被直接放大

3. 电机 / 伺服 / 运动控制

这一层可以理解成让机器人动起来的系统

走路、抬手、转身、抓东西，都离不开电机和控制系统

海外可以看 Yaskawa Electric 6506.T、FANUC 6954.T、$ABB、$ROK、$EMR

A股可以看汇川技术、鸣志电器、禾川科技、步科股份、江苏雷利

这类公司没那么有话题，但如果机器人先进工厂和仓库，需求会更实在

4. 视觉 / 传感器

机器人要干活，先要知道周围有什么

看见物体、判断距离、感受到力度，这些都靠视觉和传感器

海外可以看 $CGNX、Keyence 6861.T、Sony 6758.T、$TEL、$HON、$VPG

A股可以看奥比中光、韦尔股份、柯力传感、汉威科技、华工科技

这块不像整机那么热闹，但真实场景里离不开

5. 芯片 / AI 算力

人形机器人本质上也是一个会移动的 AI 设备

训练、仿真、识别环境、做动作判断，都需要芯片和算力

美股可以看 $NVDA、$QCOM、$AMD、$INTC

A股可以看寒武纪、海光信息、工业富联、景嘉微

$NVDA 还是最核心的底层公司，机器人训练、仿真和边缘推理都绕不开

6. 内存 / 存储 / 电池

AI 机器人后面会用到大量内存和存储

内存方向可以看 $MU、SK hynix 000660.KS、Samsung Electronics 005930.KS

电池方向可以看比亚迪 https://t.co/ZOyy0DrpGI、宁德时代 https://t.co/X8tokBruuS、Panasonic 6752.T、Samsung SDI 006400.KS

电池不一定最会讲故事，但续航、安全和重量都会影响机器人能不能真正落地

7. 软件 / 仿真 / 开发工具

机器人不能一上来就在真实世界里试错，很多训练要先在虚拟环境里完成

这一块可以看 $NVDA、$ADSK、$PTC、Dassault Systemes

我会把它理解成机器人正式上岗前的训练场

说实话，人形机器人最吸引人的肯定是整机视频

但我自己看下来，反而更想盯后面的供应链

减速器、电机、传感器、芯片这些公司，没那么热闹

可真到量产，可能才是最该看的地方

这份名单后面会继续补充

仅作为产业链梳理，不构成投资建议

[Frenchie @Frenchie_]

J’ai cartographié la chaîne de valeur des robots humanoïdes

Gardez-la en mémoire, elle est beaucoup plus large que ce que je pensais

Voici les trois goulots d’étranglement que je relève :

1. Les actionneurs et la mécanique de précision

Le rôle de cette brique clé, c’est de permettre aux bots d’obtenir suffisamment de force et de précision dans des articulations compactes, légères et fiables. Il faut faire tenir les moteurs, les transmissions et les capteurs dans un corps aux dimensions humaines, sans sacrifier les performances. Le sujet, c’est de produire des articulations qui tiennent dans la durée, à un coût compatible avec un déploiement massif

Trois noms ressortent : $SKF, Leaderdrive et Schaeffler ($SHA0). Le suédois SKF et le chinois Leaderdrive ont annoncé une coentreprise dédiée aux transmissions de précision pour les articulations des humanoïdes, en combinant expertise des roulements, savoir-faire robotique et capacités industrielles. L’allemand Schaeffler développe de son côté des actionneurs linéaires et rotatifs, avec des accords de développement et de fourniture déjà signés

2. Les mains et le sensing

Voir un objet ne suffit pas pour le manipuler. Il faut aussi doser la force, détecter qu’il glisse et corriger le mouvement avant de le lâcher. Figure explique justement avoir développé ses propres capteurs tactiles après avoir jugé les solutions disponibles insuffisamment robustes pour les usages réels. Le problème n’est pas seulement la dextérité, c’est la dextérité qui résiste à une utilisation répétée

Je m’étais intéressé à $VPG, notamment pour Micro-Measurements et ses jauges de contrainte utilisées dans la mesure des forces et des couples.
Mais il existe d’autres plays plus larges : Novanta ($NOVT), via ATI sur les capteurs de force et de couple, et TE Connectivity ($TEL), à la fois sur les capteurs et la connectique nécessaire à leur intégration

3. La vision et les capteurs de perception

Reconnaître une tasse sur une image et savoir précisément où elle se trouve dans une cuisine sont deux problèmes différents. Le robot doit estimer les distances, repérer les obstacles et suivre ses propres mouvements pour garder l’équilibre. C’est là qu’interviennent les capteurs d’image, les capteurs de profondeur et les centrales inertielles. Le vrai sujet va être de combiner ces données pour obtenir une perception fiable en temps réel, même quand le robot bouge ou que son environnement change. Et le marché est mûr, on a déjà eu l'incident caméra vs LiDar donc je pense qu'on verra moins de gros repricing sur ce domaine.

Ce qui m’intéresse ici, c’est cette capacité à fournir plusieurs briques ensemble, plutôt qu’un capteur isolé comme chez $STM, car les équipementiers vont chercher à centraliser les "suppliers"

Quelques noms à retenir : STMicroelectronics ($STM la stack est folle d'ailleurs, onsemi ($ON), Ouster ( $OUST )

--

Le narratif prendra probablement du temps à s’installer. On a déjà eu, et on aura encore, des phases de hype puis de repli. La temporalité peut très bien se décaler vers la droite. Mais à mon sens, ce thème restera l’un des narratifs les plus puissants des prochaines années

C’est justement pour cela qu’il est crucial de comprendre qui fait quoi dans la stack, où se situent la demande et surtout quelles sociétés pourront capter cette dernière.

[Nico投资有道 @tychozzz]

我认为这是所有新手小白第一次接触 AI 的正确姿势：

用 20 美元订阅 ChatGPT，买一台 Macbook，安装 Codex。

然后一步步把所有数字世界的任务都交给 Codex，彻底重塑自己的工作流。

重塑的过程，绝对也是构建 AI Native 意识的过程。

[Michael Sikand @michaelsikand]

My prediction.

- Fed holds

- Anthropic S-1 leads to a violent AI infra rally

- Anthropic IPO then triggers rotation out of semis into Anthropic (like space got rugged for $SPCX)

- Choppy for midterms

- We all go play GTA 6 until next leg up

[Colt Harrison @FemmyYohana]

Listen carefully: The next trillion-dollar expansion will be built across these 5 sectors.
The leaders are already taking shape:

1. Robotics / Automation :
$SYM
$OUST
$SERV
$ARBE
$CGNX

2. AI Infrastructure :
$CRWV
$NBIS
$APLD
$IREN
$VRT

3. Space Economy :
$RKLB
$ASTS
$RDW
$LUNR
$BKSY

4. AI Power / Nuclear :
$OKLO
$SMR
$CEG
$NNE
$LEU

5. Cyber-AI / Software :
$PLTR
$PATH
$NET
$SOUN
$AI

The next generation of wealth will be built by investors who arrive before the sector rush.
Get there before the market makes it obvious.

If you're not following us with notifications turned on, you might probably not see us again.

[Serenity @aleabitoreddit]

Here's the humanoid exposure crowdsourced list:

- $OUST
- Rainbow Robotics (277810)
- $AMBA
- Ubtech Robotics
- $MKA
- Nextronics
- $SYM
- Harmonic Drive (6324)
- $VPG
- Beijing Geekplus
- $MBLY
- $ARBE
- Nabtesco (6268)
- $SERV
- $HSYDF
- Robotstrategy
- $ZBRA
- $CATL
- $ABB
- $BOT
- Unitree (not public yet)
- $LSCC
- Esunny Robot (300024)
- $NOVT
- $RR
- $PDY
- Hesai (2525)
- $SHA.DE
- $XBOT
- $XPEV
- $BAM
- $ALNT
- 6268.T
- $AMBQ
- $ATOM
- $MRAM
- $ISRG
- $HLIT
- Robosense (2498)
- $HG
- $ACUVI
- $CGNX
- $KLIC
- $BSL
- $AEVA
- $AUR
- $CTH.V
- $IMSR
- $NEO
- $KDK
- $MRLN
- $KITT
- $INDI
- $NOVT

Off the top of my head:

Harmonic Drive, $OUST, $BOT, $VPG, $MBLY, and Ubtech showed up the most.

Will start doing DD into mentions.

[Shay Boloor @StockSavvyShay]

10 WAYS TO PLAY ROBOTICS IN 2026

1. $TER tests AI chips & owns the cobots through Universal Robots
2. $NOVT precision photonics & motion inside surgical & industrial robots
3. $OUST eyes & perception for physical AI machines that need to see & map physical world
4. $HIMX provides vision & display chips that help robots process images, depth & sensor inputs at edge
5. $AMBQ low power edge AI layer for robots & devices that need intelligence without burning massive amounts of energy
6. $ON becomes physical AI edge stack after acquiring $SYNA combining power, sensing, connectivity & edge AI for robotics
7. $SYM warehouse automation pure play using robotics & software to redesign how goods move through fulfillment centers
8. $VPG sits in force sensing & precision measurement layer that helps robots understand pressure, weight & real world movement
9. $TSLA humanoid platform bet with Optimus combining custom hardware, AI inference, autonomy software & real world manufacturing scale
10. $CCXI gives public market exposure to Agility Robotics which is one of clearest pure play humanoid robotics companies through its Digit warehouse robot

[Art of Speculation @ArtofSpecuycky]

我把AI未来3年的核心瓶颈排了个序，大概是这样：

1. 存储（HBM + DRAM + eSSD，已经涨价、签长单、利润兑现）
2. 光互连（800G / 1.6T + Scale-Up + Scale-Across，连接接棒算力）
3. 先进封装（CoWoS + CoPoS + HBM封装，HBM和GPU放量的前提）
4. ASIC + Networking（自研芯片、交换芯片、SerDes、DSP，MRVL/AVGO核心位置）
5. 电力 / AI Factory（变压器、电网、UPS、800V DC、BBU，并网容量是真瓶颈）
6. 液冷（DLC、CDU、冷板，高功率机柜必选项）
7. 核能 / 发电（长期空间巨大，但兑现节奏慢于电力设备）
8. PCB / ABF / CCL（AI服务器和先进封装配套材料，真实受益但控制力弱于前面）
9. MLCC / 被动元件（高频高压高功率带来用量提升，属于配套瓶颈）
10. 半导体设备（检测、量测、测试、先进封装设备，卖水给淘金者）
11. Physical AI（机器人、自动驾驶、工业AI，空间大但2026仍偏预期）
12. Agent / 数据层（方向确定，但赢家和利润分配还不清晰）
13. 稳定币 / AI金融（AI Agent支付层，空间大但商业化还早）

未来三年市场会越来越关注：谁是真瓶颈，谁能把瓶颈兑现成利润，谁控制下一代架构。
我目前最看好的，还是存储第一，光互连第二，先进封装第三。因为AI发展到最后，拼的是谁真正卡住了整个产业链的命脉。

[The Kobeissi Letter @KobeissiLetter]

September 16th is about to be a wild day.

We now have President Trump threatening to "stop trading" with all countries that the US has a trade deficit with if the Fed does not CUT rates.

This would effectively cut off trade with ~50% of all US trading partners, including Mexico, China, Taiwan, Germany, Japan, South Korea, Canada, and India.

Trump says the Supreme Court has ruled that he has an "absolute right" to do so.

Meanwhile, the market now thinks Fed Chair Warsh, who was just appointed by President Trump, will HIKE rates in his first rate move.

Just months ago, President Trump said it was a precondition that his Fed Chair appointee is willing to cut rates.

September 16th marks the next Fed decision.

If the Fed doesn't cut rates on September 16th, a potential of $300+ billion in monthly US trade volume could apparently come to a halt.

We will be breaking it all down in real-time.

[Serenity @aleabitoreddit]

Let me get this straight chat… you have:

$NVDA 70% supply constrained revenue growth projections (would be 100%+)

$AVGO AI revenue growing 100%+ Y/Y for next 2 years from mid ~$50B -> $230B

OpenAI Astra blowing away AGI benchmarks and starting to train itself.

$MSFT / $GOOGL / $AMZN stating compute demand imbalances into next year, with Nvidia projecting $1.3T spend for 2027.

You’re seeing this flow through supply chains from Samsung 70% capacity LTAs into 2031 to Powertech advanced packaging capacity 100% booked into 2030.

Even your legacy players like Winbond are starting 2029-2030 allocations.

Markets always have temporary drawdowns and macro scares… but…

How can anyone not think AI stock go brrr?

[NickSung @NickSung2017]

https://t.co/g4YKsVp547

[Art of Speculation @ArtofSpecuycky]

高通到底是什么公司？——6月24日投资者大会前说说我的看法
我答应过推友要写高通的分析。下周二6月24日高通有投资者大会，趁这个时间点写一篇。
市场目前依然把高通定义为一家手机芯片公司。但如果未来几年AI真正从云端走向现实世界，高通可能是整个AI产业链里被低估最严重的公司之一。我看好高通的逻辑是因为我认为它正在从一家移动芯片公司，转型为横跨端侧AI、Physical AI、数据中心AI和智能终端的计算平台公司。它已经同时占了好几个赛道，今天把这件事拆开讲清楚。

先说基本面和护城河
今天的高通已经有多个增长引擎：Snapdragon手机平台、AI PC、汽车芯片、工业和IoT、XR设备、数据中心AI、Physical AI。

四层护城河
第一层，是全球5G专利授权体系。
不管谁卖5G手机，都需要向高通支付标准必要专利（SEP）授权费。即便未来苹果完全不使用高通基带，只要继续生产5G iPhone，理论上依然需要支付相关专利费用。这项业务每年贡献接近60亿美元收入，利润率远高于芯片业务，是高通最稳定、也是最容易被忽视的现金流来源。
第二层，是全球领先的基带和无线连接技术。
基带芯片不是简单的数字逻辑，而是全球频段兼容、射频优化、功耗管理和十几年工程经验的积累。苹果投入巨大、研发多年，直到今天仍处于逐步替代过程中，本身就说明无线连接技术的门槛。
第三层，也是我认为最重要的一层：高通已经拥有全球最大的端侧计算入口之一。
手机、PC、汽车、XR、IoT……这些设备今天未必都是AI终端，但未来很可能都会变成AI终端。而高通已经提前进入了这些市场。
第四层，是超低功耗AI计算能力。
如果未来AI最终进入现实世界，那么机器人、眼镜、汽车、手机，都不可能背着几千瓦的数据中心。它们需要本地推理，延迟，超低功耗，永远在线。
这是高通过去二十年最擅长的事情。
英伟达定义了AI训练时代。而高通，正在争夺AI进入现实世界时代的话语权。

汽车业务已经不是讲故事了。过去几年，高通汽车业务收入已经从数亿美元增长到单季度超过10亿美元，并积累了约450亿美元的Design Win。Design Win不是收入，但它意味着未来几年，全球主流车企正在用真金白银提前下注。至少说明，软件定义汽车和AI汽车的趋势，已经开始兑现。

从估值角度看，高通其实是一家很有意思的公司。它目前年营收约450亿美元，已经接近英特尔的规模，明显高于AMD。盈利质量也并不差。Non-GAAP口径下，高通毛利率约55.5%，净利润率约27%；AMD毛利率约55%，净利润率约22%；英特尔毛利率约41%，净利润率约11%。无论是盈利能力还是现金流，高通都算得上大型芯片公司中的优等生。但市场给它的估值，却依然像一家成熟手机公司。

当然，市场这样定价，也并非毫无道理。AMD拥有数据中心GPU和AI推理业务，英特尔拥有代工、PC复苏以及AI PC的预期，而高通的端侧AI、汽车、XR、机器人以及数据中心ASIC，大部分仍然处于兑现早期。市场担心的是AI推理需求会不会继续集中在数据中心？汽车和端侧AI的爆发会不会比想象中更慢？高通能不能真正摆脱手机公司的标签？这些疑问都是真实存在的。

但我认为，市场可能低估了一件事：AI最终不会永远停留在云端。真正大规模的AI，最终一定会进入现实世界。进入手机、PC、眼镜、汽车、机器人、工业设备。
而这些设备，需要的是低功耗、低延迟、本地推理、永远在线的AI计算平台。

如果这个趋势成立，那么今天市场给予高通的，可能仍然是手机公司的估值。而未来，它获得的可能是Physical AI时代平台公司的估值。

华尔街分析师平均目标价在191美元，我觉得严重低估了它的潜力。摩根大通最近把目标价从165上调到265美元，华尔街给出的最高目标价是300美元。

AI最终一定会从云端走向终端
AI训练发生在数据中心，但AI应用最终必须进入现实世界——手机、PC、智能眼镜、汽车、工业设备、机器人、无人机。这些设备有三个共同需求：低延迟、低功耗、本地推理，而这恰恰是高通最擅长的领域。
英伟达定义了AI训练时代，高通有机会成为AI进入现实世界时代的重要平台。如果未来每个人身边都有AI Agent，每辆车都有AI，每个机器人都有AI，终端侧计算的重要性只会越来越高。

数据中心AI和ASIC，是高通最大的估值重估机会
5月26日，高通宣布与字节跳动达成了一项数百万颗级别的AI数据中心定制芯片大单，这意味着高通不再只能享有传统手机公司的估值，而是可以对标博通和Marvell，Forward PE差不多在35到40倍。
4月底电话会议上，管理层已经确认正在和一家头部超大规模云厂商合作，华尔街推测可能是微软、亚马逊、Meta或谷歌中的一家，6月24日的投资者大会很可能正式宣布。这次合作属于多代际合作，首批产品预计今年年底开始出货，同时还在推进多个大型云客户的合作机会。
高通已经推出AI200和AI250 AI推理加速器，正式进入AI基础设施市场。

Tenstorrent这笔潜在收购，可能补上最后一块拼图
市场传出高通正在讨论收购Tenstorrent，交易规模可能达到80到100亿美元，如果成了会是近三年来最大的芯片收购案。
这件事重要的原因在于Tenstorrent不只是有AI加速器技术、RISC-V能力和数据中心IP，更重要的是拥有Jim Keller，他曾参与AMD Zen、苹果芯片和特斯拉芯片设计这几个传奇项目。如果交易达成，高通会同时获得数据中心CPU能力、AI Accelerator能力、RISC-V布局和顶级芯片人才。

6月24日投资者大会，五个看点
核心主题是围绕Agentic AI时代更新增长和多元化战略。
第一，数据中心芯片是最大看点，管理层预计会披露数据中心和Physical AI路线图，包括2026年底开始向某家超大规模云厂商交付定制芯片。
第二，芯片产品架构。管理层已预告数据中心战略分三块：CPU、XPU推理加速器，以及为单一客户定制的ASIC，且不需要昂贵的HBM，被定位为成本和供应优势。
第三，营收量级和时间表。管理层称数据中心营收必须达到数十亿美元级别，已经把部分收入提前到FY2027，ASIC最早2026自然年内开始出货。
第四，6G，是手机基带主业的下一代延伸叙事。
第五，潜在并购，Tenstorrent这笔交易市场会关注管理层有没有更明确表态。

总结
市场把高通当成手机公司估值，但它真正在做的是把自己变成Physical AI时代连接人与机器、云与边缘的底层平台。下周三的投资者大会，会是验证这个故事的第一个重要节点。

[Lin @Speculator_io]

This is the best time in human history to be an investor.

The gap between what the average person thinks AI can do and what AI can actually do is already massive. And it keeps widening every day.

AI models are becoming so smart that they can already do things most people would have thought impossible just a few years ago. All of that intelligence requires compute, and demand is growing faster than we can build the physical infrastructure.

So, compute will likely be constrained for years.

I don't think the market has fully priced in what that means.

[Nico投资有道 @tychozzz]

你可以口头反对黄仁勋，但一定不要用仓位去做空黄仁勋。

他在 AI 推理全面爆发之前，就提出了 Token 经济学，单位 Token 成本决定算力价值。

他在全球大规模扩建数据中心之前，就说过 AI Factory 是新时代的基础设施。

他在上半年市场因为 AI 恐慌抛售软件股的时候，就说过这是世界上最不符合逻辑的事情。

而上个月他又顶着压力，联合华尔街搭建 5000 亿美元级别的算力融资平台。

黄仁勋关于 AI 的前瞻性观点和做法，历史正确率基本上可以达到 100%，但很多人还是将这些话，简单粗暴地解读成是为了卖 GPU…

[美股OK哥 @artinmemes]

博通财报中规中矩，出来就跌，CEO电话会讲点好话又补回来，bitget上看很明显

和8月底的ASIC小弟MRVL财报后走势很像，财报不够惊喜，就拉稀。目前市场在用英伟达的标准要求所有头部大厂

不过好消息是：

1. 丝毫看不出AI军备竞赛拐点迹象
2. ASIC增速已经超过GPU，2027年颗数反超，AI资本开支从训练转推理，前期超跌的AVGO MRVL可能受益

接下来，就看今晚8点半沃勒讲话，和明晚8点半的非农了

沃勒是9月FOMC静默期前最后一位重量级理事发言，还是关键摇摆票，非农更不用说，加不加息就看这俩了

准备迎接大波动

[Paradis @ParadisLabs]

Bought some stocks today...finally.

1. $NBIS - Already a top 10 position for me, but one of my highest conviction names.

2. $INTC - I don't own enough Intel.

3. $CRDO - Averaging my position down on this earnings drop (I personally think earnings were good). I started my Credo position on last quarter's earnings drop.

4. $BE - We all know the bottleneck by now...

5. $AMZN - Can never own enough Amazon. Nearly 10% down in a month is a treat (imo). I don't care about day-to-day fluctuations w/ Amazon since I'll be a shareholder for a *very* long time.

If you've been reading my macro notes recently, you'd note that I've been holding cash (and buying some hedges like "defensive tech" AKA software).

But it got to a point today where I just couldn't resist buying some discounted names for my core AI portfolio.

This is obviously NFA - as per my macro note earlier, I think that semis still have room to go lower (war = bad narrative).

I personally have enough cash / hedges to unwind - to buy more semis on additional drops...idk if you do which is why this is never individual advice.

[Nico投资有道 @tychozzz]

评论区里有一个朋友分享了自己做的播客聚合网站，里面都是与前沿科技投资相关的播客，提供了中英文版本的逐字稿和摘要，我感觉挺不错的，感兴趣的朋友可以去看看：https://t.co/rQbg96xgZ5

[Nico投资有道 @tychozzz]

看到评论区里有一些朋友问我常听的播客。

中文主要听硅谷 101、晚点聊、硅谷坐标、张小珺商业访谈这些，英文主要听 All in Podcast、Cleo Abram，偶尔也会听 lex fridman 和 a16z。

中文播客就用小宇宙 App 听，英文播客就用 Youtube 或者 Spotify。

其实我自己听的类型也不多，一般只听前沿 AI 行业相关的播客，看目前 AI 发展到了哪一步，最近有哪些新的行业观点见解，这是我最感兴趣最想听的内容，也是我每天工作的一部分。

至于怎么筛选质量好信息价值高的播客，其实并没有一个很好的参考标准，只能靠自己听，听不下去、感觉没营养那就换下一个，没那么多弯弯绕。

像硅谷 101 这种订阅数比较大的访谈播客，有时候质量很高，但有时候也会很无聊没干货，很大一部分取决于嘉宾的质量、嘉宾分享欲有多大、能透漏多少内部的一手观点。

其实在 AI 时代，我觉得只要不是身处一线或者能直接接触到一线的大佬，大家的信源都是一样的。

播客就是目前最优质的获取高价值信息的方式。