上杉绘梨衣

[上杉绘梨衣 @Hellopanpano]

@likangli0088 你好 请问静静老师的交易视频可以分享下吗 谢谢

[上杉绘梨衣 @Hellopanpano]

@Yashiine001 奶龙酱～请问静静老师的交易视频可以分享下吗 谢谢

[上杉绘梨衣 @Hellopanpano]

@lovebiebersaid @Jingxin147741 求分享～

[上杉绘梨衣 @Hellopanpano]

@wavekani1 Y浪时间超过W浪的5倍了，而且你标的那个Y浪更像驱动浪，是5段

[fin @fi56622380]

AI半导体终局推演2026(I)
当新token经济学范式从GPU算力转移到HBM

本文从从GPU架构进化路线本质出发，解释这个市场长久以来担心的问题:
每个GPU的HBM内存需求为什么一定会是指数增长，为什么HBM需求指数增长不会停滞?

并推导token经济学在当前架构下第一性原理:token吞吐 = HBM size X HBM BW带宽

同时讨论了，为什么GPU的天花板被HBM的两个发展维度所决定

HBM周期性这个话题争议一直很大，乐观派认为AI带来的需求比以前要大的多，但市场主流仍然认为前几次上升周期也有需求每年20%+增长，这次又有什么不一样呢？AI不影响HBM和传统DRAM一样有commodity属性，一旦在需求顶峰扩产遇上需求下行又���重���覆辙。

我们可以从算力芯片架构视角,从第一性原理出发，来拆解和推演一下这个问题：为什么这次真的不一样

-------------------------------
历史：CPU算力时代

很久以来，我们都处在CPU主导算力的时代，CPU的最高级KPI就是performance，跑的更快，所以每一代的CPU都用各种方法来提高跑分，最开始是频率上升，后来是架构演进superscaler等等

这个时候为什么DDR不需要很快的技术进步速度？比如DDR3到DDR5竟然经历了15年之久

因为这个时期的DDR的角色是纯粹的辅助，而且辅助功能极弱，以业界经验，DDR的速度即便是提高一倍，CPU的performance一般只能提高不到20%这个量级

为什么DDR带宽速度提高了用处不大？两个原因

1. CPU设计了各种架构去隐藏 DDR延迟，比如superscaler，加大发射宽度，用海量��ROB和register renaming来提高并行度隐藏延迟，一级缓存cache，二级缓存cache，削弱了DDR的带宽速度需求

2. CPU workload对DDR带宽要求并不高，大部分日常负载比如打开网页，DDR带宽是严重过剩的，甚至云端负载

也就是说，在CPU时代，DDR的带宽速度是不太有所谓的，DDR4和DDR5除了少数游戏就没啥差别，甚至JEDEC标准也进步缓慢。

另外，绝大部分app需要一直停留在DDR上的部分并不多,需要的时候从硬盘上调度到DDR即可，app的size增长没那么快，导致对DDR的容量需求也较为缓慢。

所以最近十年来，平均每台电脑上的DDR容量大概从7~8GB变成了23GB，十年只增长了3倍。

而这部分升级缓慢直接影响了营收，size容量计价是赚钱的主要方式，速度的提高只是技术升级，提高size的单价，这两个的升级需求都不大��需求主要是随着电脑/手机数量增长而增长

所以DRAM在带宽速度和容量这两个维度上，一直是都是芯片产业锦上添花性质的附属品，DDR升级带来的边际效用是很低的，跟CPU时代的最高KPI几乎没什么直接联系

--------------------------------------------
而到了genAI 大模型为主导的新时代，计算范式转移让最高级KPI起了根本变化

GPU发展到AI推理的时代，不再像CPU那样只看跑分，最高级的KPI不再是算力TOPS/FLOPS，而是token的成本，特别是单位成本/单位电力下的overall token throuput

其次是token吞吐速度，因为在agent时代，很多任务变成了串行，token吞吐速度成了用户体验的重要瓶颈。

这也是为什么老黄发明AI工厂概念的原因：最低成本的输出最多token，同时尽量提高token吞吐速度

AI训练时代，老黄的经济学是TCO(total cost ownership)，买的GPU越多，省的越多

而���黄在推理时代的token经济学是：

AI推理的毛利润很可观，所以逻辑已经转换成：Nvidia GPU是这个世界上让token单价最便宜的GPU，买的GPU越多，赚的越多

最高的KPI变成了Pareto frontier曲线，在提高token 吞吐throughput和提高token速度两个维度上尽量优化
（见图一）

NVIDIA 的 token factory 代际进步，其实是在把整条 Pareto frontier 往右上推，这就是是AI推理这个时代最重要的KPI

----------------------------------

接下来是本文最重要的逻辑链，如何从token吞吐量指数型增长的本质出发，推导出天花板瓶颈在HBM size和HBM 带宽的指数型增长

单卡GPU推理单线程batch size = 1的时代，token吞吐只有一个维度，就是HBM的带宽速度，带宽速度越高，token吞吐越大

但进入NVL72的年代，推理不再是单卡GPU时代，而是72个GPU + 36个CPU整个系统级别的token工厂，把HBM带宽和算力用满，获得极致的token吞吐���

Token 吞吐throughput的增长，依赖两个东西：同时批处理的请求数 X 每个user请求的平均token速度

也就是batch size X per user token 速度

以Rubin NVL72为例，在平均token速度是100 token/s的情况下，同时批处理1920个请求，得到token吞吐量是19.2万token/s 一个Rubin NVL72大概是120KW（0.12MW）的功率，所以得到单位MW能处理1.6M token/s

（见图一）

所以，我们需要想方设法提高这两个参数：批处理数量batch size和per user token的平均速度，这两者相乘就是我们的最高KPI，也就是token的吞吐量

-------
第一个参数：batch size的增长，瓶颈在HBM size

批处理量里的每一个请求req，都会自带kv cache，这部分kv cache是需要存在HBM里的，大小大概在几个GB到数十GB不等 因为hot kv cache是随时需要高频高速读取，所以必须放在HBM里，比如一个大模型的层数是80层，那么每一个token的生成阶段，都需要读取80次HBM里的kv cache

随着批处理数量batch size的增长，会带来hot kv cache的线性增长

又因为这个批处��量的所有请求的hot kv cache，都要放在HBM上，这也就带来了HBM size必须要随着批处理量batch size线性增长

就像是机场接驳车，登机口尽量快的接旅客到飞机，HBM size小了，相当于接驳车size小了，就得多接一趟

结论是：批处理量的数量batch size，瓶颈依赖于HBM size的增长

---------
第二个参数：每个user请求的平均token速度，瓶颈在HBM带宽

大模型decode阶段的速度，瓶颈取决于HBM的带宽速度，因为每生成一个 token,都要把激活的权重和kv cache 读很多遍

LPU的出现，在batch不那么大的情况下，把激活权重这个部分搬到了SRAM上，但是每生成一个 token仍然要从HBM读很多次KV cache。HBM带宽越高，生成每一个token的速度也就越快，基本上是线性对应的

就像是机场接驳车，登机口尽量快的接旅客到飞机，hbm本身带宽速度就像是接驳车的车门有多宽，门越宽，旅客上接驳车越快

GPU的其他配置，都是在适配batch的增长以及要让token compute的速度配平HBM的增长，甚至会用多余的算力来获得部分的带宽（比如部分带宽压缩技术）

—-----
在那个接驳车的比喻例子里

接驳车的车厢大小 = HBM Size（容量）： 决定了一次能装下多少名旅客（也就是能同时装下多少个请求的 KV Cache）。车厢越大，一次能拉载的旅客（Batch Size）就越多。如果车太小，想拉100个人就得分两趟，系统整体的吞吐量就上不去。

接驳车的车门宽度 = HBM Bandwidth（带宽）： 决定了旅客上下车的速度。门越宽，大家呼啦啦一下全上去了（Decode/生成Token的速度极快）。如果门很窄，哪怕车厢巨大能装200人，大家也得排着队一个一个挤上去，全耗在上下车的时间里了。

旅客的吞吐量 = 接驳车车厢容量 x 接驳车旅客上车速度(车门宽度)

—---------------------------

至此，我们从逻辑上推演出了token经济学的硬件需求第一性原理：

Token throughput = HBM size X HBM Bandwidth
AI推理这个时代的最高KPI，实际上是高度依赖于HBM的两个维度的进步的

如果要维持token throuput每一代两倍的增长，实际上意味着，每一代的单GPU上，HBM size X HBM BW带宽之积要增长两倍！

这也是历史上第一次，HBM内存的size可以影响最高的KPI token throughput！

要验证这个理论，可以把Nvidia从A100���Rubin Ultra这几代的token 吞吐throughput，和HBM size X HBM BW 放在同一个图里比较
（见图二）

可以发现，这两个曲线的走势在对数轴上惊人的一致

HBM size x HBM带宽增长的甚至要比token吞吐量更快，���竟HBM决定的是天花板，实际上这个天花板增长的利用率utilization是很难达到100%的，也就是说，HBM size x HBM 带宽就算增长1000倍，其他算力和架构的配合下，很难把这1000倍的天花板潜力全部榨干

这条曲线不是巧合，而是系统最优化的必然解

throughput = batch × Bandwidth，这就是token factory 经济学最绕不开的第一性原理

—--------
软件的影响呢？软件的优化会不会降低带宽的需求？降低HBM的需求？

这跟硬件是独立两个维度的，这好像在问，如果CPU上的软件优化了之后跑的更快，是不是CPU就十年不用发展了？反正软件跑的更快了嘛

这样的话，CPU厂还能赚得到钱吗？CPU想要存活下去，只有一条路可走，在标准benchmark，不考虑软件优化，每一代CPU必须要跑分更高，不然就卖不出去
GPU也是一样，软件优化如何，和自己的token吞吐量KPI每年都要大幅进步，是两回事

只要token的需求继续增长，对token throuput的追求就绝不会停止，那么对HBM size X HBM 带宽的追求也不会停止

如果HBM size和HBM 带宽发展慢了，老黄一定会亲自到御三家逼着他们技术升级，因为这就是老黄gpu的天花板，天花板要是钉死了不进步，老黄的GPU还能卖出去吗？

当然了，Nvidia需要绞尽脑汁去从异构计算的架构角度榨取HBM天花板之外的部分，比如LPU就是一个很好的尝试，把Pareto frontier从另一个角度改善了很多 （右半边高token速度的部分）

—--------------------------------------

HBM内存已然告别了那个随波逐流的旧时代，在这条由指数级需求铺就的单行道上，以一种近乎宿命的方式走到了产业史诗的主舞台中央

推理范式第一性原理演化到这一步，只要老黄还要卖GPU，HBM就必须翻倍，而且必须代代翻倍。这是supply side的内生压力，与AI需求无关，与宏观周期无关，与hyperscaler的心情也无关

剩下的问题，只有一个：

当需求被物理锁定为指数增长的时候，供给侧的三个玩家，会不会还像过��三十年那样，亲手���自己再拖回一次周期的泥潭？

[上杉绘梨衣 @Hellopanpano]

@grok 伊朗陆军总司令身亡了吗

[Nebraskangooner @Nebraskangooner]

🔥 THE 6 PILLARS OF SUCCESSFUL TRADING

1️⃣ Master ONE Strategy First (Not 12)

Most traders fail because they dabble in too many systems.

Pick one core strategy and excel at it before adding anything else. Some proven ones:

- Breakout trading
- Trend continuation
- Mean reversion
- High-timeframe swing trading
- Indicator-based confirmation (like OBV or Top Goon X)

Your goal: 👉 Turn one setup into a repeatable playbook with known probabilities.

---

2️⃣ Risk Management = Your Survival

Great traders don’t win because they're always right.
They win because they don’t blow up when they’re wrong.

The rules that matter:

Never risk more than 1–2% of account per trade (general rule of thumb)

Stop-loss must be planned BEFORE you enter

Position sizing must be calculated based on stop loss placement

Avoid overtrading — your worst enemy

A great trader can be profitable with a 40–50% win rate IF their risk is well managed.

---

3️⃣ Treat Trading Like a Business (Not a Casino)

Success comes from repeatability.

You need:

A written trading plan

A watchlist selection process

A daily routine (scan → plan → execute → review)

A trade journal (screenshots + notes on why you entered)

Consistency ROUTINE > consistency RESULTS.

---

4️⃣ Master Your Emotions (The Hardest Part)

Two things blow up more accounts than any chart:

- FOMO 🫠
- Revenge trading 😡

💡 Solutions:

Pre-define your entries and exits

Follow your system even when emotions scream otherwise

Track emotional mistakes in your journal

Take breaks after 2 consecutive losses

Don’t trade when tired, stressed, or bored

Trading = emotional control disguised as financial activity.

---

5️⃣ Know the Market Context

The same strategy behaves differently in different markets.

You must always know:

Are we in a trend, chop, or distribution phase?

Are big caps strong or weak?

Are rates, inflation, or earnings driving short-term moves?

Great traders don’t trade the chart alone —
they trade the environment the chart lives in.

---

6️⃣ Continuous Review + Optimization

Winners iterate.

Every month, ask:

Which setups made me the most money?

Which ones cost me the most?

Am I overtrading?

What were my top emotional mistakes?

Which timeframes am I best on?

Could I size up on my best setups?

Success comes from small improvements, repeated for years.

---

⚡ Putting It All Together

Design a success plan tailored to YOU:

Mine would go something like this:

✔ Focus on swing trading + momentum plays

I'm pretty confident in my TA and defining key levels.

✔ A structured weekly routine

Monday: market prep
Tue–Thu: trading + content
Friday: portfolio cleanup + journaling
Fridays: macro review + watchlists

✔ Top Goon X scan to reinforce your process

✔ Avoid burnout and take breaks when needed

I trade crypto + stocks + content creation + properties + gym + family.
Too much noise = bad trading decisions.

---

💥 Build yourself a Trading for Success Blueprint:

Create a personalized:
- Daily routine
- Watchlist formula
- Entry/exit rules
- Journaling system
- Risk model
- 30 day trading impro plan

Always learn and always grow. The markets are constantly evolving and you should be too!

[Nebraskangooner @Nebraskangooner]

#Bitcoin

Daily close above $91,550 today would likely see a push to the upper resistance zone.

[Nebraskangooner @Nebraskangooner]

#Bitcoin

Fractal bounced right where it was supposed to.

If we continue to follow along then we'll see some choppy PA here sub $100k before another leg down.

Or, we'll break above $100k and invalidate the fractal.

What do you guys think will happen?

[Nebraskangooner @Nebraskangooner]

📝 SIMPLE WAY TO IDENTIFY IF AN ALTCOIN IS IN BULLISH OR BEARISH TREND:

1. Open the daily time frame chart on Tradingview
2. Add two indicators:
- Gooner EMA
- Smoothe Moving Average (change
value to 99)
3. Observe chart

BULLISH TREND 📈:
Both Gooner EMAs and candlesticks are ABOVE 99smma

BEARISH TREND 📉:
Both Gooner EMAs and candlesticks are BELOW 99smma

Please retweet and follow me for more simple tips and tricks to help you conquer the markets 🙌

[上杉绘梨衣 @Hellopanpano]

@caolei1 核裂变也行啊 钍基熔盐堆

[陈桂林 @Guilin_Chen_]

一， $BTC 技术分析

从111920开始的上涨，是整体从74508开始的上涨的最后一段；

目前的下跌已经接近吃掉这最后一点的上涨，级别可能已经扩大到针对74508→124474这段上涨的回调中；

而74508→124474这段上涨可能是整体从15476开启的上涨的第五段；

那么先假定几个关键吃撑位，看价格到了之后的表现，由近及远：112000（最后一段的起涨点），108706（今天的价格，日线级别MA120），92503（今天的价格，3日级别MA120），74508（终结斜纹的起涨点）。
指标：

大饼日线级别指标中性，日线以下级别偏空，日线以上级别是从高位（超买）回落的修复过程中；

特别需要注意的是，日过多头持续弱势的话，周线MACD就要死叉了，大级别指标，相对确定性高，周线死叉如果确认，要么就是长时间的修复（2024-03→2024-08），要么就是暴力的下杀（2025-01→2025-04）。

二， $ETH 技术分析

E子在这段4月8日开始的整体行情中是具有代表性的，不管是拉升幅度，还是带动市场情绪，E子在这轮中取代了饼子的地位。

从3354开始的拉升可以看做是3浪5或者是从1300开始的拉升的5浪（无法确定）；

目前日线级别指标回调过程中，MACD未回归0轴；

大级别滞后于大饼，认为还是好跟随大盘，大盘好，他会比大盘猛，但是如果大饼拉胯，他不可能独自硬。

三，其他

昨天的下跌才是整体金融市场的共振，前几天只是币圈跌，美股根本没反应，昨天是美股币圈一起跌。

如果美股不好，币圈不可能独善其身，要知道，这轮的主线，大饼以太的ETF，可全都是美股大佬在出钱拉盘。

1，目前的整体调整行情，还没有加速；小级别涨涨跌跌，但是看日线收盘，基本都是实体阴；

2，扫了一圈宏观推和政策推也没看到什么理由就能奔着7万4去；

目前的行情，处于我也不是很明确的知道怎么做的阶段，那采取的策略就是放弃小机会，只把握自己能看得懂的稍微大一点的机会去做，毕竟，桂林曾经说过，级别越大，稳定性越高；

一个事实是，从4月以来，我们已经经历了4个多月的上涨了。

[Nebraskangooner @Nebraskangooner]

BUYING BULLISH STRUCTURE CHARTS AND AVOIDING BEARISH STRUCTURE CHARTS FOR BETTER RESULTS 🧵

It never fails that altcoins (or other charts) in bearish structure are heavily shilled on Twitter because "they are due" when in reality, the trend can not only last longer than you realize but also a chart can die and never recover into bullish trend.

So what are we looking for exactly when buying dips and what do we want to avoid?

[EliZ @eliz883]

First tp here

the plan was perfect $BTC

[上杉绘梨衣 @Hellopanpano]

@Bleeding_Crypto $INJ and $TIA please

[上杉绘梨衣 @Hellopanpano]

@Nebraskangooner INJ，please！

[上杉绘梨衣 @Hellopanpano]

@CastilloTrading DM

[上杉绘梨衣 @Hellopanpano]

@Nebraskangooner $dot ,thanks

[上杉绘梨衣 @Hellopanpano]

@Nebraskangooner $dot

[上杉绘梨衣 @Hellopanpano]

@Nebraskangooner Thanks🥳🥳🥳