SWUFE.BA

GM Consensus, SWUFE Chainnovation
@SWUFE1925

[SWUFE.BA @SWUFEBA]

GM Consensus, SWUFE Chainnovation🥳

We are SWUFE explorers where finance meets the future. Fueled by curiosity and code, we bridge traditional economics and revolutionary Web3. From DeFi to tokenization, we build, debate, and search🧐.

[Musolsol.𝟎𝐱𝐔 @MMMusol]

https://t.co/LZmReOrfT7

[Jared 宗源 @jaredliu_bravo]

https://t.co/95gbwN9xcC

[Musolsol.𝟎𝐱𝐔 @MMMusol]

30倍

十年

一个被SEC调查、股价不到10美元的二线芯片厂，怎么变成了AI基础设施的隐形霸主？

万字拆解 $MRVL，基本面、财务到风险，一次讲透

[Musolsol.𝟎𝐱𝐔 @MMMusol]

整理了这场 Base 生态开发者圆桌比较重要的干货👇

四个项目创始人坐一块儿聊了一个多小时——Surplus 的 Mark @mac_eth 、Juno 的 Tom @tomosman 、LienFi 的MLee @MLeeJr 、Aeon 的 Aaron @aaronjmars

这里想说很有意思的一点，他们的背景很多元：有搞心理学的、有传统金融出身的、有科技咨询转过来的，但现在全扎在 AI × Crypto 这个方向上。

整场聊下来一个很清晰的共识：现在是给普通人造工具的窗口期。

$Surplus ——AI 推理的开放市场

Mark 觉得现在 AI 推理市场效率太低了。

他在做的事情也很直接：搭一个用稳定币结算的 AI 模型交易市场。你有算力可以挂上去卖，你要用模型直接买调用权。

核心是把好的 AI 能力从大厂手里拽出来，谁都能碰得到。社区增长很猛，Mark 说这恰恰证明全球对 AI 市场化的需求是真实的，不是伪命题。

$Juno ——用 Agent 跑通一家公司

Tom 的想法比较大胆：让个人通过 AI Agent 直接运营公司，几乎零人力成本。

代币设计想得很清楚——会员权限、购买推理算力、交易公司模板，三条线并行。

目前已经落地了 Robot Mining 等应用，而且他们发币不是随便上，要走人工审核流程，跟那些纯 Meme 玩法不一样。

$LFI ——TradFi 资产上链

Emily 卡的位置是传统金融和 Crypto 的交叉口。

做法是把真实资产收益搬到链上，持币能质押、参与生态准入，项目方也会拿业务收入做回购。

逻辑偏传统但非常扎实——有真实现金流撑着的东西，在这个市场里反而稀缺。

$AEON——自进化 Agent 框架

Aaron 做的偏底层。一个基于 Claude Code 搭的 Agent 框架，核心是自我迭代——Agent 不只是听指令干活，而是自己判断情况、自己拆解问题。

已经有 50 个开发团队在上面搭东西了，进度超出他自己预期。

他还提了个挺有意思的概念叫"所有权代币"：持币等于持股，业务收入直接回购，代币不只是 utility，带 equity 属性。

最后，为什么他们都选择了 Base @base ？

四个人反复提到了几个点：Coinbase 品牌信任度高，MLee 特别提到对传统金融机构来说进场门槛低很多、开发者社区活跃、跟 Banker 团队配合紧密。

Aaron 补了一句：EIP-402 这类协议对 Agent 自主支付是刚需，Base 在这块走得比较前面。对做 AI 方向的团队来说，Base 上的氛围确实比其他 L2 浓不少。

那么共识的挑战是什么？

大家都承认最难的是教育市场。

怎么让普通人理解这些东西的价值？
怎么把技术复杂度藏在一个好用的界面后面？

信任和安全也绕不开，监管还不明朗的情况下，用户凭什么信你。扩容方面 Base 本身解决了一部分，剩下的靠各自优化资源调度。

一言蔽之，AI Agent + 链上支付 + Base 基础设施，这三样东西碰到一起，可能真会跑出新东西来。

最后，非常感谢baby姐 @btcbabycow 和Gerace姐 @0xgerace 共同组织和主持这次space，受益匪浅，期待下次的Space了~

[Sac @Saccc_c]

跟着老黄走，轻松赚到手，上半年没赚到的兄弟们要抓紧了！

老黄的喊单力也是一绝，昨天产业链背景图刷屏，$NBIS等AI云板块公司直接爆了；现在又是Marvell夜盘暴涨

下一个轮到谁？我把英伟达GTC大会上公布的美股财富密码梳理了一下：

1、AI 算力云/NeoCloud
$CRWV（+57%）：NeoCloud 规模龙头，NVIDIA 绑定最深，大客户长约和订单储备充足
$NBIS（+194%）：优势在全栈 AI 云平台，获得 NVIDIA 融资支持和生态背书
$IREN（+53%）：优势是低成本电力和现成站点，能更快转成 AI 云产能

2、AI工厂软件平台
$IBM（+10%）：核心看 Red Hat/OpenShift，优势在企业混合云和 AI 集群管理，是 AI 工厂的软件底座

3、AI数据中心设计建造
$CDNS（+33%）：EDA 与仿真软件龙头，受益于 DSX 推动 AI 数据中心前期仿真和数字孪生需求
$J（-9%）：工程设计与交付服务商，受益于 DSX 参考设计向真实 AI 工厂项目落地的需求

4、供配电与液冷温控
$VRT（+84%）：AI 数据中心电力和液冷纯度最高的标的之一，直接绑定高密度 GPU 机柜
$ETN（+22%）：供配电龙头，受益于 AI 数据中心供配电系统升级
$GEV（+40%）：电力设备龙头，受益于 AI 数据中心带来的新增发电和电网扩容需求

5、AI数据中心基础设施
$EQIX（+38%）：互联型数据中心龙头，优势在全球网络节点和企业客户连接
$DLR（+19%）：超大规模数据中心龙头之一，直接受益于 AI 算力扩建带来的机房和电力容量需求

抓紧研究、提前布局，下一个风口可能就属于你了

[Jared 宗源 @jaredliu_bravo]

活久见，X 文章居然支持 Markdown 一键粘贴了？
封面、表格、图片、代码块都能带过去。
我靠，写长文的人终于不用一张张传图、一段段重新排版了。

等一下。 好像不是 X 支持了，是我自己给 YouMind 加了个功能😂
点击下面链接 10 秒钟立刻上手：
https://t.co/77XIJYXfHw

[Dave.𝟎𝐱U @bc1qDave]

这篇写于两个月前的帖子早就该 recall 一下了，但是这两个月美股行情太好，赚得也比加密货币爽多了，所以一直没有回应这篇帖子：现在的负费率走出来啦，前几天开始便可以放心空

如果说心得呢？是有的，那就是理解散户，尤其推特上大量的 KOL，本质上就是个大号散户

第一层境界是不要被他们的噪音干扰，有些 KOL 交易水平稀烂，但是传销能力很强，经常把人搞上头，不要理这帮家伙。第二层境界是理解散户，很多时候散户才是盈利来源，我记得 82、83 的时候，身边很多很多朋友都平空了，随后行情就迎来了顺利的下跌，大家可以再去翻看我之前的推文，有说过这个事。理解散户不只是看到他们的动作，还要想他们做这个动作的想法是什么。想完这一层，就会顺理成章地想：主力在此刻的想法是什么？这样慢慢复盘下去，就能掌握行情的节奏

如果说后悔呢，那也是有的，就是做比特币做的不够，把太多的精力放在了山寨上面。比如我前段时间空了 TON，现在被狠狠教育了，不可控的单点风险太多。回想起比特币在 82 83 的时候走得那么标准，无比有性价比，对于这种极高确定性的空间又较为可观的，完全可以用更高的杠杆来弥补山寨币更大的跌幅。

今天 @ZTZZBTC 给 0xU 上课，“少看狗山寨。多看btc，其次是bnb,sol,mstr,xrp” 太精辟了，早点听到就好了，麻痹熊市里狗山寨只会给带来超额风险，而不会有超额收益。尤其是比特币性价比这么高的时候，可惜了。下次夺回属于我的一切

[Metamental | 方外之域 @yijiangren]

昨天收到了一个非常有意思、而且非常实际非常重要的问题！关于 @aleabitoreddit 的

问题是：黄仁勋先生在发布会上展示出来的供应商生态系统，和serenity的紫苏叶理论，有没有什么相关联的地方。

我的回答是有，如果说英伟达是金枪鱼，那么这些供应商就是桌上的主菜，而这些供应商的供应商，甚至第三第四级的供应商，才可能出现紫苏叶。
那些更小、更窄、更不起眼，但一旦断供，整个系统就会卡住的环节。

黄仁勋先生展示的是 AI Factory 的产业地图。
Serenity找的是这张地图上最容易堵车的收费站。
这就是最关键的关联。
我们看老黄发布会，第一反应是老黄好帅，第二反应是谁上了英伟达的 PPT？谁和英伟达合作？谁站在了 AI 生态中心？
没错，不过未到究竟啊兄弟们。

如果只停在这儿，我们的交易很容易变成“看图炒股”。
看到 Dell，就想 Dell。（我是Dell电脑的多年用户了）
看到 HPE，就想 HPE。
看到 Foxconn、Wistron、Wiwynn、Supermicro，就开始找服务器代工厂。
看到 Schneider、Vertiv、Trane，就开始讨论电力和液冷。
看图炒股不是说必亏，只是赚钱的概率不大，而且赚的不多。

但 Serenity 的方法不是这样。
她从不停在logo墙上，她真正关心的是这些公司要交付 AI Factory，背后到底需要什么？

它们最难买到的零件是什么？
扩产最慢的环节在哪里？
认证周期最长的是谁？
替代方案最少的是谁？
需求一旦放大，谁的收入弹性最大？

这才是紫苏叶理论的核心。
紫苏叶不是主菜。
但它决定这桌菜能不能完整端上来。

这张图，本质上可以分成几层。
第一层，是云和 AI cloud。
第二层，是软件和工业设计系统。
第三层，是服务器 OEM/ODM 和系统集成商。
第四层，是电力、冷却、机房、数据中心基础设施。

再往下，才是更细碎的东西，这些东西不一定出现在 PPT 最中央。
很多散户听都没听过。
但问题是，AI Factory 真正落地的时候，最容易出问题的，往往就是这些东西。
这也是 Serenity 厉害的地方。
她不找“AI 概念”，她找 AI 从叙事变成工程时，那个最容易被忽视的物理瓶颈。
以前讨论 AI，大家最先想到的是 GPU，GPU 是核心，没问题。
后来大家意识到，只有 GPU 不够，还要 HBM。
再后来，开始意识到，AI 集群不是单机性能竞赛，而是成千上万张 GPU 之间的系统工程。
于是问题开始变换形态
不是单张卡有多强，而是这些卡之间的数据怎么跑。
带宽够不够？延迟够不够低？功耗能不能压住？光电转换能不能稳定？网络能不能撑住 million-GPU 级别的 AI Factory？
这时候，CPO、光通信、交换网络、外部光源、激光器、InP 衬底这些东西，就不再是冷门小词。
它们变成了 AI Factory 的毛细血管。

英伟达讲的是百万 GPU 级别的 AI 工厂需要新的光互联 fabric。
Serenity 拆的是这个 fabric 背后，谁提供最难复制的那片紫苏叶？

所以她会去看 $AAOI 这种光通信链条里的公司。
也会去看 $SIVE 这种和 CPO 外部光源相关的逻辑。
也会去看 $AXTI 背后的 InP 磷化铟衬底。

这些标的本身可能不大，名气也不响。
但它们共同指向一个问题：当 AI 工厂越来越大，瓶颈就会从“有没有 GPU”，迁移到“GPU 之间能不能高效连接”。
这就是黄仁勋先生和 Serenity 在逻辑上的重合点。
老黄把 AI Factory 的终局画出来。
Serenity 去拆这个终局里最细、最窄、最容易断的环节。
一个是产业级叙事。
一个是瓶颈级选股。
再看服务器 OEM/ODM 这一层，也很有意思。

图里最显眼的那一排，有 Dell、Foxconn、GIGABYTE、HPE、Lenovo、Pegatron、QCT、Supermicro、Wistron、Wiwynn。
这些公司是把英伟达芯片变成整套系统的环节。
但问题是，这些公司的确定性太显眼了。
显眼，就意味着越来越多人在看，就意味着赔率会变差。
Serenity 的思路通常会继续往下拆：这些厂商要交付 Vera Rubin、GB 系列、DSX-ready 系统，最容易卡在哪里？
真正的 alpha 往往不是第一层 logo。
而是订单从第一层 logo 往下流的时候，被市场漏掉的第二层、第三层、第四层公司。
这就是紫苏叶理论最值得学习的地方。

它不是让你看到一个 AI 供应商名单，就去买名单上的公司。
而是让你从名单出发，继续追问：
谁给这些公司供货？
谁供的东西最难替代？
谁的产能最难复制？
谁的收入体量小到足以被这波需求重新定价？

如果一个公司已经很大，同样的需求打上去，可能只是财报里一个小波纹。
但如果一个公司足够小，足够冷门，又刚好卡在瓶颈上，同样的需求就可能变成一次重估。

这也是 Serenity 选股里非常核心的一点：她不是买最大的 AI 公司，她买的是最大 AI 公司背后，最容易断供的小零件。
再往下看，电力和冷却可能会成为下一轮紫苏叶理论的新战场。
以前大家觉得 AI 的单位是 GPU。
后来发现 AI 的单位可能是机柜。
再后来，黄仁勋已经把问题说得更清楚了：AI Factory 的单位，越来越像 megawatt。
不是你想堆多少卡，就能堆多少卡。
得有电、得能散热、得能部署、得能把 power、cooling、control 全部协同起来。
所以这张图里，Schneider Electric、National Grid、Trane、Vertiv 这些公司才会出现。
它们说明 AI Factory 不只是芯片问题，而是基础设施问题。
当 AI 从模型战争进入工厂战争，真正的瓶颈就会从芯片，迁移到电力、冷却、部署速度、工程能力和供应链协同。
这个时候，紫苏叶也会跟着迁移。
下一批紫苏叶，可能不只藏在半导体里。

也可能藏在变压器、配电柜、液冷系统、冷板、泵阀、热交换、备用电源、储能系统、数据中心电力管理这些看起来很“土”的东西里。
越土，越容易被忽视。
越被忽视，越可能出现定价错误。

AI 到最后不是一个纯科技叙事。
AI 是制造业叙事、是能源叙事、是材料叙事、是供应链叙事、是工程落地叙事。
大家喜欢讲模型参数，讲 AGI，讲 token，讲智能爆炸。
但真正让 AI 跑起来的，是光，是电，是铜，是硅，是铟，是磷，是水冷，是机柜，是工厂，是物流，是认证，是良率。
这些东西不性感，但真实，而且越真实，越容易产生瓶颈。

图里还有 Cadence、Dassault Systèmes、PTC、Siemens 这些工业软件公司。
这一层和Serenity常看的小盘股不是直接对应，但它证明了另一件事：AI Factory 正在变成一个极其复杂的制造业系统。
芯片设计、服务器制造、电力系统、冷却系统、工厂仿真、运维调度、能耗优化，全部都要被重新组织。
系统越复杂，紫苏叶越多。
因为复杂系统里，最值钱的东西往往不是最大件，而是那个一出问题，整套系统都跑不起来的小件。
所以我觉得黄仁勋先生这张生态图，本质上是 Serenity 紫苏叶理论的一次产业级验证。
但不是Serenity预测了黄仁勋，也不是说Serenity点过的每只股票，都一定会被英伟达收进供应链。
这种说法太粗糙，也太容易变成玄学。
更准确的说法是：Serenity 一直在拆的，不是某几只股票，而是 AI Factory 从概念走向现实过程中，必然发生的瓶颈迁移。
最开始，瓶颈是 GPU。
后来，瓶颈是 HBM。
再后来，瓶颈是高速互联、光通信、CPO、交换网络。
接下来，瓶颈可能是电力、液冷、机柜、部署速度、供应链协同和工业仿真。

黄仁勋先生把这些东西摆到了台面上。
Serenity做的，是在台面下面继续找那些还没有被市场重新命名的公司。
这就是我觉得她真正厉害的地方。
很多人看趋势，是停留在概念层，什么火了买什么，永远追涨杀跌。
但 Serenity 的问题永远更具体：这个趋势落地时，最先缺什么？最难扩什么？最不能替代什么？哪个小公司会因为这个需求，财务模型被彻底改写？
这才是从叙事到投资的关键一步。

否则只是知道世界在变，但不知道钱会流向哪里。
紫苏叶理论不是鼓励大家无脑去追小盘股。
小盘股风险极高。
流动性差，波动大，信息不透明，容易被情绪放大，也容易被故事反噬。
真正该学的，不是“买小”。
而是理解Serenity的拆解顺序。

所以回到一开始的问题：黄仁勋先生的供应商生态系统，和的紫苏叶理论有没有关系？
再次声明答案：有。
而且这张图恰恰说明，紫苏叶理论的前景依然广阔。
因为 AI Factory 越往现实里走，越不可能只靠一家公司完成。
它会变成一个巨大的供应链系统。
系统越大，瓶颈越多，被市场忽视的紫苏叶也越多。

散户看黄仁勋的 PPT，是在找谁站上了台面。
Serenity 的紫苏叶理论，是在找谁虽然没上台面，但一断供，台面上的所有公司都得停工。
这就是两者真正的关联。

英伟达是金枪鱼
供应商生态是主菜
而真正的紫苏叶，可能还藏在主菜背后的厨房里

[小树 @AmberTreelet]

https://t.co/woFnmYKMut

[最爱吃兽奶的兔🐰 @0xMilkRabbit]

嘉信入金保姆级教程（二）：usdt 篇

上一篇介绍了港卡如何入金嘉信，
今天分享 usdt 如何入金嘉信教程。

方式一 : 港卡入金教程
请参考：https://t.co/0XLZtPk3C8

方式二 : usdt 入金教程（以 safepal 为例）

1️⃣ 在和嘉信相同 kyc 的 safepal里（切记要相同实名），
进入 Bank - 转账 - 转账到交易平台
（见图 1，图 2 🙌🏻）

2️⃣ 币种保持 EUR ，选择 Charles Schwab
（见图 3🙌🏻）

3️⃣ safepal 已经内置了嘉信欧元帐户的信息，只需要输入金额和转账参考
（见图 4 🙌🏻）

转账参考这栏信息是输入你姓名的拼音，以及上一篇第 3 步让你记住的 8 位数账户号数字名在前，姓在后

（8 位数账户号获取见图 5 🙌🏻）
图中嘉信官网登陆账户地址：https://t.co/NkrwImBeVE

最后，转账成功后同样也是工作日当天或第 2 天到账嘉信。
第一次转账的确认速度较慢，后面会快一些，
大家记得首次先小额测试并存储下来付款参考信息🫶

如果还想要想要降低汇损，
推友们可以参考👇
「胜利证券关门，我是如何出金的」：https://t.co/mhBRge4hmu

🐰特别提醒：

这种外币入金的转账方式有 0.15% 左右的汇损，我觉得可以忽略不计，适合于大多数人，
电汇方式不适合小额散户。

wise 配合 ACH 虽然可能汇率更好，
但快进快出容易触发 wise 风控。建议还是保护好自己的 wise 账户，
关户了就很难再开了。

[Musolsol.𝟎𝐱𝐔 @MMMusol]

不知道大家有没有听过一句话，叫“人生发财靠康波”。

这句话出自中信建投前首席经济学家周金涛。

他说过，普通人这辈子能积累多少财富，85%取决于经济周期，只有15%靠个人能力。

举个例子吧，比如70后那批人，2000年到2010年买一套房，现在都能身家千万。

但80后90后，同样努力工作存钱，结果房价涨得比工资快，怎么追都追不上。

其实，这不是能力问题，而是时代问题。

周金涛当年精准预测了2008年金融危机、2015年股灾，靠的就是对康波周期的研究。

他在2016年提出了一个非常著名的论断：“人生发财靠康波。2019年是85后第一次人生机会，40岁以上的人最后一次机会在2030年左右。”

他说，普通人一生中真正能改变命运的财富机会，只有3次左右。

关键在于，我们能不能踩准那个节奏。

所以什么叫康波周期？

简单说就是全球经济每50到60年会来一次大的波动循环。

这个理论最早是苏联经济学家康德拉季耶夫在1925年提出来的，他研究了一百多年的经济数据，发现每次技术革命都会带来一轮财富大洗牌。

从1782年的蒸汽机革命开始，人类已经经历了五次这样的周期——每次周期里都会诞生一批新富人，同时淘汰一批旧富人：

第一次是蒸汽机和纺织业，英国靠这个成了世界工厂。

第二次是铁路和钢铁，美国开始崛起。

第三次是电力和汽车，通用电气的股票20年涨了10倍。

第四次是石油和消费社会，房地产成了主角。

到了第五次，也就是我们刚刚经历的这一轮，核心是信息技术革命。

1991年到2000年，互联网起飞，纳斯达克指数涨了49倍。

2001年到2008年，中国加入WTO，房价十年涨十倍。

2009年之后智能手机普及，数字经济爆发。

但是到了2020年，这一轮的红利基本吃完了。

其实我们会发现，尤其是2020年往后这几年特别难。

但其实不是我们不努力，而是整个技术红利在衰退——
旧的增长引擎熄火了，新的还没完全启动。

这就是萧条期的特征。

但重点是，2026年，第六次康波周期或许要开始了。

这次的核心驱动力是人工智能、新能源、生物技术。

这三个东西会像当年的蒸汽机、电力、互联网一样，彻底改变世界。

你可能会说，AI和新能源不是早就有了吗？

对，但之前都是技术积累阶段，现在是商业化爆发的前夜。

再举个例子，2025年AI岗位的平均月薪是6.18万，算法工程师能拿到7.1万。

光模块这种给AI服务器做配件的行业，2026年预计增长120%。储能行业因为AI数据中心耗电太多，增速能超过80%。

这些数字意味着，如果你现在30岁左右，未来十年是你人生最关键的财富积累期。

因为每个周期的回升期，是普通人参与门槛最低、成长空间最大的阶段。

等到繁荣期再进场，成本就高了，风险也大了。

换句话说，2026年到2035年这十年，是我们最大的机会窗口。

但普通人应该怎么抓住呢？我觉得有三个方向可以想。

第一个维度是资产配置：

很多人存钱只会放银行或者买理财，但在不同周期里，资产的表现差别巨大。

萧条期最适合持有现金和黄金，比如2001年到2011年，黄金从255美元涨到1921美元，涨了6倍多。

但如果你在萧条期炒股，基本就是白忙。

回升期和繁荣期则恰恰相反，现金会贬值，股票特别是科技股会暴涨。

1982年到2004年，道琼斯指数年化回报率11.42%，如果你只拿现金，就等于在亏钱。

所以2026年之后，需要把资产往科技赛道上挪。

第二个维度是职业选择：

如果你还年轻，或者正在考虑转行，一定要往新周期的赛道上靠。

AI领域现在非常缺人，算法工程师、AI产品经理、AI应用开发，这些岗位的薪资溢价能到20%以上。

新能源也一样，储能系统设计、光伏技术、锂电材料，这些方向的薪资都在往上走。

但你可能会说，我现在的工作跟这些完全不沾边，怎么转？

别急着裸辞，用三步的策略：先稳住主业，业余时间学AI或新能源的基础知识。

等能做点副业项目了，比如开发个AI应用，或者给中小企业做新能源咨询，这时候副业收入能到主业的30%，再考虑跳槽。

第三个维度是技能投资：

很多人觉得学习是成本，其实学习才是最划算的投资。

每个月拿出收入的5%到10%，用来学AI、学编程、学数据分析。

这笔钱看起来不多，但长期回报率比买房还高。

因为技能是跟着你走的资产，房子还可能跌价，但学会的东西不会。

2026年是个分水岭。

往前看五年，是第五次周期的萧条期，往后看十年，是第六次周期的回升期。

你现在做的选择，会决定你未来十年的财富增长速度。

所以别再抱怨时代不公平了，时代确实不公平，但规律是公开的。

真正的自由，是看懂周期之后，顺势而为。

顺势者昌，逆势者亡，驭势者独步天下。

[竹贤会BamBooZ @BamboozCrypto]

@SWUFE1925 101周年快乐！
同样也祝福 @SWUFEBA 1周年～
一起前行。

[Panda.𝟎𝐱𝐔 @CryptoPandasim]

Wow，好像被Serenity转发了，获得了一波大流量。
恭喜学弟！

[凶悍的里脊肉 @0xAgata]

下午用opus4.8给 @MossAI_Official 做了一个像素风小游戏，感觉这次Claude模型升级后额度消耗的更快了。

大家可以玩玩：https://t.co/1UgQbuH2m9

[Frank 丨冰糖橙聚合 @0x0Frank]

顶级思维！

[周期手牛牛 @niuniu255431]

Mark

[Sea @Sea_Bitcoin]

5 月 12 号晚上注册嘉信理财，5 月 30 日凌晨收到邮件，已经开户成功。

实测通过中国护照 + 国内地址证明即可。要开户的赶紧行动起来，早注册一个备用。

中间收到过一封需要补充文件的邮件，联系客服说其实是误发，不用处理什么。

嘉信的注册流程应该是几大券商里最冗长繁琐的，可以看 @0xMilkRabbit 写的这篇教程: https://t.co/slKNS9grbn

查了下嘉信的政策，推荐人 A 邀请 B 开户，A 是没有返佣收益的；B 开户并转入合格资产后，可以拿 $100–1,000 的奖励，取决于入金金额。

[Musolsol.𝟎𝐱𝐔 @MMMusol]

非常感谢武哥，看到您的认可真的很激动🥲真的过奖了~

其实自己一开始的初心就是想好好研究一下树莓派这一轮行情的逻辑，顺藤摸瓜把 @aleabitoreddit 老师从2月开始公开分析 $RPI 到昨天call back的大逻辑好好理顺了一遍，希望能用自己的方式给大家分享清楚🤓

武哥和兔兔姐 @0xMilkRabbit 还有Dave哥 @bc1qDave 都是我很早的几位美股启蒙老师之一，对我的影响都特别大，在这里再次表达感谢！

还记得第一次看到武哥写的文章，还是去年2月份的那篇：“过去二十年美股调整的规律”，第一次看到我就觉得怎么有人能把投资的底层逻辑写的这么清晰，我这种小白也能看个一知半解，当时就下定决心一定要把武哥从25年开始的雄文全部都啃下来，其实说实话今年才完成了一大半哈哈哈，还有好多在学习日程上没来得及学习(^^ゞ

武哥的文章很多时候给我带来很多感悟和思考，我相信也有很多人因为他的文章，无论是认知还是财富都有很大的提升，如果你希望在美股从宏观等角度再精进一二，武哥的文章非常值得去看看。

再次感谢一直以来不嫌我笨不厌其烦教我的老师们哈哈哈😆😆😆

[Panda.𝟎𝐱𝐔 @CryptoPandasim]

问题是，峰哥他走错方向了。
目前的中国正在消费转型的过程，人们越来越注重精神消费。

精神消费里面最典型的就是推崇消费，也就是说，人们愿意把钱花在追星上、二次元上、演唱会上、泡泡玛特上等等。

[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。