Z zystery

Do right things

[Z zystery @Unionfreerich]

要赚钱，要赚大钱，要削尖了脑袋赚钱，要赚到尽可能多的钱，要不择手段的赚钱，赚钱是人生最大的爱好，要赚到所有人尊重你，巴结你，恐惧你

[Z zystery @Unionfreerich]

@Areskapitalon 太把市场反应当唯一正确结论来倒推了，就业数据不好今天也会暴跌，今天不暴跌明天也会暴跌
暴涨还是暴跌只是一件事实，把它和某个事件强因果联系上才是wallstreet的把戏

[Z zystery @Unionfreerich]

一百多页啊…马了明天看

[AB Kuai.Dong @_FORAB]

太牛批了，某大厂内网的万字长文。核心项目组员工，在离职前的长篇吐槽，里面出现好几位高管名字。

从见证 AI 立项，到 300 万日活，最后因管理者、员工、文化矛盾等问题，成为项目最后一位走的人。

https://t.co/mul6SF8WTX

[Z zystery @Unionfreerich]

@btcoindown @skyguoCypherium ？

[Z zystery @Unionfreerich]

nvidia前年就在讲的agent AI，Physic AI
今年agent AI已经让工作流完全革新了，老黄完全领先版本两年，跟先知一样的精准预言，也可以说nvidia确实就是有这个影响力，影响并且完全规划主导了AI技术的发展路线。
按照英伟达在光互连上的布局，从NOK MRVL COHR LITE GLW这几家的投资 其实都指向一件事情，那就是在光互连这样一个新领域，英伟达要制定自己的标准成为行业标准 我也思考过为什么英伟达没有这样子投资MU SK HYNIX SAMSUNG，我觉得是因为存储的行业标准已经制定了，从nand dram到hbm，它就是通用品，hbm也就是更先进的通用品，不存在太多被nvidia制定规则的空间 那么往后推，如果nvidia在physic ai也这样来制定标准的话。那么走向物理世界，它最有可能投资布局哪些公司？像在光互连中布局一样

[Z zystery @Unionfreerich]

人类不会停止对更高智能的追求，朝闻道夕死可矣

[Herman Jin @ShanghaoJin]

凡所有相，皆是虚妄。若见诸相非相，则见如来

作为一个AI死多头，我知道在所有人狂欢的时候，但凡发出一点悲观的言论都必被讥讽、嘲笑

但是，我很想写此文，其实是复盘与反思：不但是为自己这两年半写X、做交易做的；也是也是对这个疯狂市场做的

很幸运，作为闲暇的爱好，写X结识了很多新朋友。感谢互相欣赏与启发，在过去2年里，我从24年4月初清仓BTC换成AVGO NVDA，大选前AAOI PLTR TSLA INTC，关税战后INTC GOOG，25年底又加仓INTC AAOI，到今年春节逃跑、再满仓AMD NOK（最近又操作了ORCL LITE）。虽然，有买彩票SUP归零，MRVL MDB也有赚有亏，但是我一直坚信AI对token的需求会让半导体every dog has its time，获得了不差得收益。期间不少小伙伴们也都赚到不少于10倍收益

然而，此刻要清醒的意识到，收益并不是我们选股牛，眼光独到，而是市场牛！我复盘了我自己今年3月最后一周，周末前全仓买入。赚钱并不是因为当时买对了AMD，而是当时call 对了市场资金结构

所以，在这个时点上更需要静心凝神，好好反思下市场接下去会如何

喝醉酒的人是不会知道自己喝醉的；沉醉美梦中的人也不会意识到黄粱一梦，这过程可以很久，我们也可以继续疯，但是必须要清醒地在更高阶意识中，认识到随时有被敲醒的风险

One of the four beasts saying, COME AND SEE – Revelation 6:1

不同于华尔街很多人，我是“坚信”AI的

30年来第一次，AI模型用并行计算替代串联计算，把半导体的进步直接变成了生产力（之前科技进步只是作为平台，让用科技的软件、以及用软件的人创造价值）

AI的结果是token需求指数级升高vs 而半导体供应只能线性增加。加上整个半导体老登们在过去几年黄金时间，没有因 “信” 而扩产，今年需求真正开始爆发后全产业链缺货。造就了这轮大牛市

不过，大牛市的命脉是市场price in了:

模型收入加速度，不远得未来可以justify Hyperscalers 的Capex

要知道任何动摇命脉预期的都会让市场陷入恐慌

1. 铜墙铁壁：horseman之一就是微观、公司层面真的无懈可击

从看模型架构、从架构看需求，微观看半导体每一个赛道，每一个公司都近乎完美。每一个，都越看的细致，越了解深入，越是有自信---- 这就是典型低PE泡沫

Rule of Thumb：当看了几十、上百家公司，每家需求、盈利都真实solid，你就必须质疑这个市场有没有问题

低PE泡沫一样是一个泡沫，只是他不同于2000年。高PE是个预期泡沫，市场会不停设定更高的收益预期，一旦核心公司预期破灭，整体预期立即调整，多米诺骨牌一样一片片倒下。这就好像去年的IGV，市场忽然不给EV/EBITDA估值了

但是低PE泡沫没有这个问题，盈利增长会给你足够信心在稍微下跌之后不断加仓冲进去。毕竟谁能拒绝个位数PE的存储，每年涨价涨盈利，毛利率80%。这个过程中，小跌小买，大跌大买。只要不被切中“命门”市场会非常坚挺。持续性正反馈，好像美梦一样让人不愿醒来，也不相信是做梦（买过p2p的知道我说的什么感觉吧）

不对称反馈：明显的体验是在过去1年中，市场对于宏观负面风险的反馈明显弱于正面利好。此时，并非没有“野蛮人”，而是公司盈利能力的城池固若金汤。不管伊朗危机、油价、通胀、利率、Fed统统能拒之门外。反之，一旦命门被破，所有野蛮人都会杀回来，过去没跌的够的一次性补完

2. 去监管与宏观流动性宽裕：

整个金融体系自从2008年金融海啸之后经历了一轮长期的监管与去杠杆，为了弥补系统性流动性损失美联储对应展开了一轮持续的QE。银行当时平均杠杆x30~x40，后来降低到了x15~20。去年美联储降低了eSLR要求，实质性让银行理论可扩4-5万亿美元资产负债表
其实，4月后银行间流动性泛滥，也加剧了风险资产狂欢，低PE下杠杆入市

流动性是一切之王，流动性泛滥征服一切。如果说疫情期间120b/月是细水长流，现在就是开闸放水。对应过往平衡的QE没有转向QT情况下，直接放任银行去监管，制造大量流动性

但是流动性又如多巴胺，不是快乐分子，而是期待分子

放任之后，现在通胀黏着，Fed其实没有短期降息余地。甚至在危机一旦发生之后，都很难去QE，只有降息手段的Fed面对可能的危机是一个纸老虎。而短期流动性的另一面是，目前半导体、特别是存储中的杠杆已经太高了

3. 群雄并起：He went forth conquering, and to conquer

可能因为TSMC带头不相信AI，半导体行业整体在过去2年没有应对AI需求大规模扩产

后果是，当整个产业面临硅基洪流需求，忽然傻眼。过去半导体产业链主要是为了消费电子设计、定价的。而现在，不但订单忽然拉满，而且需要不停迭代架构

NVDA就从GPU fabless，进步到rack方案解决，再往token factory迈进。每个过程需要的技术、供货商都不同。所有供货商都没有经过如此量产设计。这就好像把一台拖拉机强行拉上高铁，让他以200mile速度奔驰，每个零件都会嗡嗡作响。半导体每个细分行业都缺货，缺产能，提高不够产能

与之伴生的一个问题是：原来卖方市场只有TSMC一个“守门员”控货源、控margin、控价格。原仔汤搓的产业有肉吃，需求方对价格产能有预期，良性发展。今天忽然五亿探长“雷诺”控制不住了，每个“小混混“都能来涨价、收保护费。真正的结果不是半导体都牛叉，而是失控：失控会影响每GW需要投入的成本核算，影响到命脉的预期。会给capex与模型收入会师蒙上阴影

4. 钢丝起舞

AI模型收入预期太满

回顾一下，市场坚信定价Anthropic + OpenAI + Gemini的收入会快速增加让Capex合理。这条命脉的信仰是不能有一点动摇的。哪怕略微的动摇都会导致二级市场剧烈波动

那么，过去GPT 5.0也有模型不及预期，市场质疑scaling law为什么没有让半导体大跌？

首先当时半导体没有像今天这样全面开花，也没有如此高的杠杆；其次，当时hyperscaler的现金流冗余较多，只要他们表示相信，拿钱来capex支持是很容易度过难关的。毕竟一旦他们有钱、继续capex，可见2年NVDA收益确定性高，没有人能顶风做空NVDA的

后来也发生过GPT被Gemini追平，并且导致Orcl持有其大量backlog订单而被做空。不过大总统的好兄弟老Larry敢对wall street说F you，用股权融资也要继续加注。很快， Opus横空出世让人意识到AGI时代已经到了

然而，今年capex已经到了770b，明年要1tril，华尔街是不会看Hyperscaler总营收多少的（道理就跟当时ORCL一样：OAI Anthropic可都是拿了他们投资款的），他们必须看到Anthropic 与OAI的增速持续，这个才是维系整个链条自转下去的核心

与此同时，这个游戏中大厂一直担任AI的监护人角色。但是他们的自由现金流已经变负了。“父母老了，力尽了“，后面的路要靠自己。而且市场满满预期下，对这条路一根筋的执着，不会给“主线”一丝一毫的容错

（你们可以回想NV rack液冷出问题，交换机CPO良率问题，这些小巫见大巫、假以时日一定能解决的问题，市场尚且没有任何容错）

命门在Anthropic：大过，大者过也。栋桡，本末弱也

供应延迟、乃至技术卡壳的问题是腠理之疾；任何模型端的风吹草动才是心腹大患

现在御三家模型的统一问题：算力不够，所以失智

我在自己大量使用模型编程、交易程序部署，多个AWS服务互动过程中发现，Opus4.8实际能力已经远远不如中国模型kimi了。虽然GPT还勉强可堪一用，但是也在逐步降智。市场在用固有软件思维考虑AI, 系统开发成本高、使用成本很低。试用好用将来也就可以稳定保证系统质量。但是AI是一个工厂，模型输出需要成本，饭店吃饭的人多了，厨房做不过来，质量自然变差了

第二个市场固有思维：指数的token需求是没有波动的，也不因质量改变。事实上，虽然我因为模型变蠢多用了很多token。但是我质疑token质量不断下降，token消耗增加的怪异剪刀差可以持久。现在很多公司确实对token使用有KPI考核，很多惯性订阅使用者也会加速使用，但如果算力瓶颈无法解决，我非常担心Anthropic增长曲线会变缓。而且算力问题非一蹴而就，也不是一个新模型能解决的

但是当市场开始意识到这个问题的时候，投资人会质问：

1. 跑不过蒸馏你的，模型花那么多钱训练干嘛？

2. 模型是不是商品化的model commoditize ？

当承载整个AI时代的模型“梦”也将受到质疑，整个盈收逻辑将来能否自我循环跑通将被质疑，所有今天拿了PE估值的半导体都同样会被质疑--- 你是不是周期性的？？

有人会说，失智既然因为算力不够就应该加大投入半导体解决问题

没错！但是钱呢？

如果刨掉OAI 与Anthropic拿到的融资款反哺云厂，他们能有多少净现金流可以继续支持这个投入？这个账对华尔街来说非常好算。当然不排除他们像当时orcl，哪怕融股权也要继续投入，熬过这关。到那时，可能市场的反应就会远远超过去年，假设AMZN Meta如果面临CDS 飙升、负现金流，他能否像老larry一样孤注一掷是不确定的

另外有人会说，OAI收入增加能不能弥补投资人担心。我认为预期如此之满的状况下，因为“比烂”而被替代是很难让人安心的（两军对战关羽被阵斩了，你说还有个张飞？没用的）

同时，我们也要意识到。这个Low PE的泡沫又是非常坚韧的，在没有直击到命门伤到命脉预期之前，几乎无敌。不过，一旦点中死穴就会轰然倒塌

我就业以来也曾看过好几次次纸碎金迷，潮起潮落，没有一次全民疯狂会ends well；

也没有一次梦在其中的人，会想明白这个赛道“怎么输”。最近一次币圈小伙伴熟悉的Defi summer。Uniswap很短时间狂卷几十bil USD，当时觉得取代部分传统金融只是时间问题、多少问题，根本不会想、也想不明白“怎么会输”。然而，如果喝醉酒的人想明白怎么会输，他就不会输了

不管Anthropic模型怎么样，面临什么问题，都不会动摇AI是人类第三次工业革命。AI过程不会受任何危机影响，碾着狂欢者的尸体也会继续前行，直到他替代几亿脑力劳动者

最后评论Low PE泡沫：不要说做空，哪怕踏空，痛苦指数都非常高。回头看看2007年做空subprime的哪些基金，有几个活到了最后狂欢？

牛市踏空都会变成笑柄的环境，我接下去会需要很多Aura力量与专注的力量，去一边看空一边做多。请原谅会减少在推特上消耗自己修为论道了，赠言：

可以喝酒，但是不能喝醉
可以讲故事，但是不能真信
可以跳上party桌子跳舞，但是双眼必须紧紧盯着DJ，他放着音乐跑了，你也得跟着跑

[Z zystery @Unionfreerich]

@MiriamLove9247 @shufen46250836 lol 我说的看不懂是指她满篇都是废话
你们这些懂的，或者是这人本人，来实盘上个仓位看一下？

[Z zystery @Unionfreerich]

@Jinn718 @shufen46250836 给你一次机会，再问一次我看不看得懂？

[Z zystery @Unionfreerich]

@TJ_Research lol

[Z zystery @Unionfreerich]

@dvdly0417 @shufen46250836 宏观都出来了，未必有点搞笑了

[Z zystery @Unionfreerich]

@shufen46250836 只看到你每天说多少多少家跌，多少多少家涨，然后说一些云里雾里的宏观
包括你提到的某些票是干什么的基本逻辑都是错的
说明你既没有坚持，也没有钻研
真不知道谁能把你的内容创作跟serenity联系起来，骗兄弟就算了，别把自己也骗了

[Z zystery @Unionfreerich]

$ARM 年初105建的重仓，intc财报那天翻倍走了，想便宜点接回来，到现在再也接不到了🤣
看到时间线上很多人和我一样卖飞，下面有人开始逼逼赖赖说什么认知不够的苍蝇叫
ARM现在的价格可以说是预期叙事打满打到天上去了，严重脱离实际价值，卖飞没什么可惜的
NVDA在arm 140的时候就退出了所有持仓
TSMC在200以下的时候也全部退出了
您这些说认知不够的，是认知比黄仁勋和魏哲家还要高不少对吗

[李翠芬 @belouga2000]

这个指数特别权威
我说低于30%就可以考虑买入了
低于20%就大买特卖
低于15%必须全仓杠杆
去年我就和我朋友讲
我也抄底了VRT,英伟达,特斯拉,苹果的call
因为那时候上下波动很大
我想玩点T
结果无一例外全部卖飞
我朋友和我一样烂泥扶不上墙
这一波都不能翻身
能怪谁

[Z zystery @Unionfreerich]

codex适合自己工作流的，自优化提示词，马上就成为真正的jarvis了

[Vaibhav (VB) Srivastav @reach_vb]

UPDATE: Came up with an even better version of this prompt after the feedback

Ask Codex to look across your sessions, Memories, and Chronicle, identify patterns, reuse what already exists, and only create the smallest useful skill, subagent, or automation.

"Look back over my recent work from the last 30 days, or all available history if shorter, and identify repeated manual workflows worth packaging.

Use available evidence in this order:
- Recent Codex sessions and task summaries.
- Codex Memories and rollout summaries to find patterns repeated across sessions.
- Chronicle, if enabled, to spot repeated work outside Codex. Use Chronicle for discovery only; confirm important details in the relevant source system when possible.
- Existing skills, custom agents, and automations, so you reuse or extend what already exists instead of duplicating it.

Look broadly for work that is repeated, time-consuming, error-prone, context-heavy, or benefits from a consistent process. Include workflows across coding, research, writing, planning, communication, operations, analysis, and personal administration.

Only act on a candidate when it:
- occurred at least twice, or is clearly likely to recur and costly to repeat;
- has stable inputs, a repeatable procedure, and a clear output or stopping condition;
- would materially improve speed, quality, consistency, or reliability;
- is not already adequately covered.

Choose the smallest appropriate form:
- Skill: a reusable workflow or playbook.
- Custom subagent: a bounded specialist role or investigation task suitable for delegation.
- Automation: a scheduled or recurring check, report, reminder, or monitor.
- Skip: work that is too one-off, ambiguous, sensitive, or poorly evidenced to package.

First produce a compact shortlist with:
- repeated workflow
- supporting evidence and dates
- frequency/confidence
- recommended form: skill, subagent, automation, extend existing, or skip
- why it is or is not worth creating

Then create only the high-confidence missing items. Keep them narrow, practical, source-aware, and easy to validate. Do not create speculative, overlapping, or overly broad assets.

Finish with:
- what you created or extended
- what you deliberately skipped
- what needs more evidence before packaging"

[Z zystery @Unionfreerich]

@caozlog 关注caoz的tg和公众号应该五六年了，那会儿还在上大学，啥都不懂，长大之后能看懂一些东西了。

[猴哥｜houge.sol @HougeSol]

看完才发现，我一直看的竟然是“阉割版”光模块视频…

这个讲光模块的视频确实不错，但我一直没想明白一个事。

为什么很多人搬运视频，总喜欢把原作者内容越搬越短?

原作者是视频号 #坤元财研 一共28分钟。

后来看到另一个号搬运，直接砍成25分钟。

结果但斌再搬一次，又砍成14分钟。

然后在X上疯狂传播的，就是 #但斌 这个版本，

总感觉前面刚讲明白，后面突然就跳了。

像看电影一样，中间莫名其妙少了几段。

后来一看，好家伙。

原来被连续动了两次刀。😂

有时候最有价值的东西，偏偏就在那些被剪掉的地方，这些东西，可以帮助你理解。

推荐大家直接看这个 #坤元财研 28分钟原版。

别最后吃了半天，发现上的还是删减版套餐。🤣

#CPO #光模块 #DSP #LPO #DML #EML #CW

[OpenAI @OpenAI]

Today, we share a breakthrough on the planar unit distance problem, a famous open question first posed by Paul Erdős in 1946.

For nearly 80 years, mathematicians believed the best possible solutions looked roughly like square grids.

An OpenAI model has now disproved that belief, discovering an entirely new family of constructions that performs better.

This marks the first time AI has autonomously solved a prominent open problem central to a field of mathematics.

[qinbafrank @qinbafrank]

https://t.co/hH0FQPgIt3

[Z zystery @Unionfreerich]

@tomzhanghui @zengying1107 这真他妈绷不住了。

[Z zystery @Unionfreerich]

Mark

[168X @168X_Fortune]

https://t.co/AT61QZk51k