Dav

Go with the money flow

[qinbafrank @qinbafrank]

成长股的核心本质是什么？就是用业绩的高速增长来消化估值。很多人看成长股，尤其是AI产业链的股票，第一反应就是“市盈率这么高，还敢买？” 正好借着早上这个回复把“EPS高速增长消化估值”的逻辑聊一聊。核心就一句话：公司赚钱速度够快，就能用时间把现在看起来贵的估值，拉到合理甚至便宜的水平。

1、先聊聊最容易混淆的点
市盈率 = 股价 ÷ 每股盈利（EPS）
市盈率高 = 你现在为每一块钱盈利付的钱多，看起来贵。
但成长股买的从来不是“现在已经赚到的钱”，而是未来几年能赚多少钱。
如果公司EPS（每股盈利）每年都在快速增长，那未来EPS的基数会越来越大。
同样的股价，除以越来越大的EPS，市盈率自然就下来了。这就是“消化”。
简单说就是增长把分母（盈利）做大了，高估值就被稀释掉了。

2. 举个最直白的数字例子
假设现在有一只股票：股价100块
今年EPS只有2块
市盈率50倍（很多人一看就说“太贵了”）
情况A：每年EPS增长30%（比较稳健的成长）第1年：EPS变成2.6块 → 市盈率降到约38倍
第2年：EPS变成3.4块 → 市盈率降到约29倍
第3年：EPS变成4.4块 → 市盈率降到约23倍
第5年：EPS变成7.4块 → 市盈率只剩约13.5倍

情况B：每年EPS增长50%（很多AI供应链公司努力的方向）第1年：市盈率约33倍
第2年：约22倍
第3年：约15倍
第5年：只剩6-7倍

你看，股价没怎么变，只是因为公司赚钱越来越猛，市盈率自己就掉下来了。这就叫用增长消化估值。增长越快，消化得越彻底。2-3年时间就能看到明显效果，5年基本就完全消化了。

3.、为什么有些高市盈率的股票还能买？
因为市场给的不是“当前盈利”的价格，而是对未来盈利增长的定价。在AI基础设施这个阶段，很多公司现在还在重投入、盈利还没完全释放出来，市盈率自然高。但只要后面有真实订单落地，EPS就会加速增长。这时候你买的不是“故事”，而是能看得见的业绩兑现节奏。

增长一旦兑现，高估值就逐步被消化，股价反而有空间。反过来，如果只靠讲远期故事，没有订单、没有验证、没有业绩增速，那高估值就消化不了，反而是风险。

所以大家会看前瞻市盈率、前瞻市销率，本质就是这个逻辑。核心是看未来一年，或者两年业务增长能把估值消化到什么地步。

4、怎么判断增长够不够“消化”估值？
最早是彼得.林奇提出来的简单的一个指标叫PEG（把增长考虑进去的市盈率）：
PEG = 市盈率 ÷ 预期年增长率（%）
PEG接近1 → 价格和增长基本匹配，比较合理
PEG明显小于1 → 增长很快，相对来说不算贵
PEG明显大于1 → 增长一般，价格偏贵

举例：一只股票市盈率50倍，但预期每年增长50% → PEG=1（可以接受）
同样市盈率50倍，但只增长20% → PEG=2.5（贵）
市盈率20倍，但只增长10% → PEG=2（也贵）
所以不能只看市盈率高低，要看增长能不能跟得上。

5、实际投资里怎么用这个逻辑？
投资节奏很重要。纯讲“未来AI会怎么牛”的故事股，容易被高估值反噬。
真正有订单、能看到2026-2027年EPS明显增长的公司，才是增长在真实消化估值。
核心判断三条：
增长是不是有真实驱动（订单、客户验证、产能爬坡）？
增长速度能不能覆盖当前估值？（看PEG、看未来2-3年EPS复合增速）
万一增长没达预期，安全边际在哪儿？

6、也说说风险
增长消化估值不是自动的，它的前提是增长真的发生了。如果公司出了很多问题：
订单没落地
竞争太激烈导致价格战
宏观或者行业周期反转
公司自己执行力出问题
那高估值不仅消化不了，还会因为失望而进一步杀估值，这时候最惨。

所以真正明知的做法是：买那些增长路径清晰、已经开始兑现、而不是还在画饼的公司。这样即使短期波动，也能用时间和真实增长把估值消化掉。

上面聊了这么多，其实最核心还是看增长，特别是增长的速度，高市盈率不可怕，可怕的是增长跟不上。
只要EPS能保持高速增长，用2-5年时间，就能把现在看起来贵的估值，消化成合理的、甚至低估的水平。这不是理论，是过去很多成长股走过的真实路径。

所以成长股投资关键永远是两件事：
增长的确定性和兑现的节奏。

对一只成长股我们需要清楚：它到底是在用增长消化估值，还是在用故事透支估值。

[Z大诗 @Zh_Crypto517]

翻了美股大神 Serenity 几十条推文之后，我大概总结出了他的选股逻辑 @aleabitoreddit

先说结论：他不是简单地追 AI 热点，也不是单纯买大科技龙头
而是从大趋势出发，沿着产业链往上拆，找到真正卡住供给、最难绕开的瓶颈环节

1. 核心底座：垄断“算力”的卖水人
- 代表公司： $NVDA 、 $AMD、 $TSM 、 $ARM、 $INTC
- 逻辑：AI 时代的基石就是 GPU 和底层架构。无论是谁在做大模型，最终都要给卖铲子和造炉子的人交过路费。台积电的产能和英伟达/AMD的芯片，是避不开的底层印钞机

2. 隐藏的瓶颈：数据中心与光通信
- 代表公司： $AVGO、 $MRVL、 $LITE、 $COHR
- 逻辑：这是 Serenity 选股中最体现功力的一环！算力集群越大，数据传输的瓶颈就越大。GPU 算力再强，也需要博通的通信芯片和光子器件/激光模块来互联。买光模块和网络芯片，是比单纯买 GPU 更深入的聪明钱逻辑

3. 算力变现：云巨头与新锐 GPU 云基础设施
- 代表公司： $MSFT、 $GOOGL、 $AMZN、 $CRWV 、 $NBIS 不仅押注传统的北美云服务三大厂（他还盯上了像 CoreWeave 这样的纯正 GPU 云算力新贵
- 逻辑：巨头负责全生态收割，而垂直算力云则是当下最稀缺的基础设施。

4. 燃料、数据与高弹性资产
- 代表公司： $MU 、 $RDDT 、 $HOOD, $IREN、 $RKLB
- 逻辑：AI 需要海量的 HBM 存储和 Reddit 这种优质的语料数据池。除此之外，他还配置了具有极高弹性的资产作为“进攻矛”：比如加密货币/互联网券商、比特币挖矿转AI算力，以及硬科技火箭

但是每天盯着大神的推文去手动拆解逻辑、跟踪标的，实在太耗费精力了

有人对Serenity的选股逻辑进行蒸馏成了一个Skill并且公开在GitHub上面，目前已经斩获1.6k stars了

这个Skill会从热点出发，拆产业链，找供应链瓶颈，筛候选公司和基金方向，再检查公告、财报、客户、产能和风险，最后整理成一份优先研究清单

用 AI 的方式去投资 AI，才是这个版本的最终答案

仓库地址👉：https://t.co/miIvCRbZ66

[Lemon @111_114390]

五大紧缺物料，缺到什么程度

​​1.ABF载板（最缺）：AI芯片封装“专用地基”，缺60%+，交期18-24个月，英伟达Vera/Rubin、HBM都要它，没它高端芯片装不上。

​​2.低介电电子布（极缺）：PCB的“骨架”，AI服务器40-78层板专用，缺45%-65%，交期12-18个月，单台用量是传统服务器5倍。

3.​​碳氢树脂（很缺）：高端覆铜板“心脏”，英伟达M9级CCL标配，缺40%-55%，交期9-15个月，决定信号快慢。
​​4.PCB钻针（紧缺）：打微孔的“精密钻头”，78层板钻孔精度要求极高，缺30%+，交期6-12个月。

5.​​高速铜箔（紧平衡）：PCB“导电血管”，高频高速专用，缺15%-25%，交期3-6个月，涨价最猛。

[RJC @RJCcapital]

Investing in 2026 is deciding which cartoon character you trust more

[才谷 | 哪吒商业评论 @realCaigu]

Reddit 上有人制作了一个游戏，你可以在任何一家公司的股票走势图上开摩托车。

[Chris Lee @ViewsOfChris]

MLCC：下一个被 AI 重塑的千亿赛道
GPU—> HBM —> MLCC
当算力成为这个时代的石油,管住每一滴电流的 MLCC,就是那条没人注意却谁都离不开的管道。

[Dav @dav_finance]

@aleabitoreddit I just followed you like few weeks ago, so i haven’t really made big money through your post in X😂. But Im grateful, instead of spoon feeding, you teach us how to fish instead !

So, hope you will continue to share your idea. 🫡

[夏雪宜 @XXY177]

白毛女31个最喜欢的股票清单，我收下了：
1. $INTC - 美国铸造厂的希望，国家安全
2. $MRVL - 从未来的maia asics和附加产品如cpo中扩展收入，他们什么都做，数不过来了
3. $TSM - 半导体/AI的支柱
4. $COHR - 他们垂直整合做一切 + 捕捉光学周期
5. $RKLB - 太空的最终前沿将在5年后和20年后到来。
6. $DRAM - 三星/海力士的内存敞口
7. $AVGO - 超大规模云服务商不喜欢NVIDIA的GPU税
8. $AMZN - 没人能与厕纸的隔夜配送竞争。机器人将随着时间降低运营成本
9. $ARM - AGI CPU将在未来十年大幅扩展收入
10. $TSEM - 你将需要一个用于光基产品的铸造厂
11. $IBIT - 比特币，我们现在都知道了
12. $NBIS - 我觉得它是下一个AWS。他们还与Uber合作做自动驾驶汽车，拥有扩展中的数据库公司，数据标注。简直像个迷你谷歌。
13. $GOOGL - YouTube不会消失，Gemini很棒。他们用TPU垂直整合，用运营收入资助建设，所以我喜欢。
14. $AMKR - 超级设施将在2027-2028年末上线。从“美国制造”中受益
15. $HOOD - 我不喜欢短期，但长期我是Robinhood的粉丝，因为他们抓住了零售市场 + 正在扩展更多产品如银行等。产品创新很疯狂。
16. $CRCL - 我碰巧很喜欢稳定币，并视其为支付/持有未来的关键（取决于清晰法案）
17. $META - 人们不会很快停止使用Instagram或WhatsApp或其他产品。
18. $LITE - $GOOGL TPU敞口在BOM中占比不错。只要谷歌的AI项目继续运行，我认为$LITE会表现良好。
19. $LPTH - 锗和中国出口管制将始终是个问题，所以美国制造的工程替代品将始终重要
20. $FN - 有人需要组装光学产品
21. $JBL - 与上面相同，但加上Intel的SiPh收购IP，所以可能最终像Innolight？
22. $MP - 美国稀土计划极其重要，类似于$INTC的国家安全风险
23. $HIMS - 好吧，听我说，他们刚收购了一堆公司，以19美元的价格拥有全球DTC渠道。空头真的讨厌这家公司，但我觉得作为逆向长线它很有前景
24. $SMTC - LRO/LPO转型
25. $POWL - 美国对Hammond的开关设备DC类型瓶颈的替代品
26. $VPG - 人形机器人可能在2027-2028年后成为现实，这家公司生产传感器。
27. $MOG.A - 感觉在机器人领域和SpaceX供应链中到处都能看到他们
28. $MSFT - 以375美元的价格，有一天我们回顾时会视其为买入机会。
29. $CVX - 战争后石油可能崩盘，但这些石油公司将极其重要，尤其是委内瑞拉是个金矿。
30. $XLU - 我觉得降息可能重启，我们需要电力/电网来支持AI，所以从$CEG到$NEE这些股票将始终重要
31. $AAOI 和 $AEHR

[Emil Hartela @emilhartela]

Everyone is looking at $XFAB and $SIVE right now.

But there is a quieter bottleneck sitting one layer down, the one both Jensen and Goldman have already flagged: liquid cooling.

So I decided to map the entire liquid cooling supply chain, every name, in this thread.

[mark @cherryPayment]

我认为大家如果投资了 $sive，感兴趣的可以看看这张生态演化图，他讲解了Sivers从2020年到2026年，如何从Ayar Labs的单一激光供应商，演化成AI光学生态中不可替代的多路径核心节点。

我认为有几个重要节点大家可以关注：

1. 2024 OFC那一行是最关键的转折因为Sivers + Ayar演示16通道DFB激光阵列驱动SuperNova ELS公开亮相。这是整张图的历史性时刻，在这之前Sivers的价值是私下的、未被验证的；在这之后物理层护城河第一次被公开证明。

2. 颜色上博主做了区分，红色也代表着Sivers自己的路径是越来越密集，这意味着 $sive 慢慢从配角变成主角

3. 大家也可以多花时间去看看底部的五条路径图分别是：

Ayar Path → Sivers DFB Lasers → NVLink Fusion

Merchant ELS Path → Sivers Lasers → Hyperscale Datacenters

GF Path → Sivers Lasers → Broad Customers

WIN Path → Sivers Lasers → High Volume Production

POET Path → Sivers Lasers → AI/HPC Systems

每条路径的终点都是Sivers Lasers——这直接回答了’如果Ayar失败了怎么办’这个最大的投资风险

4. GF合作 + GF SCALE生态 + Ayar加入NVLink Fusion 这一行一定可以关注

总的来说博主做的非常棒！ 真的很感谢这样的分析，但如果可以在图里展示出Ningi做空报告、Nasdaq双挂牌进展、MSCI纳入时间线这些近期催化剂可能会更好。但也不影响因为这些是2026年当下最重要的短期博弈变量

博主对于该行业有很好的认知或者非常多的经验，支持！ 总结的很好

[Chris Lee @ViewsOfChris]

一起来看“币圈流量之王”，同时拥有两家交易所Poloniex和HTX “上帝视角”的超级90后孙哥语录！

孙宇晨.@justinsuntron 是一个独特的存在，极度聪明，偏执，同时也带给他巨额的回报，还有争议！ 他运营模式很“一人”公司，年富力强的他身家据说超过130亿美金。

2017年认识他，是史玉柱介绍。
很难以普通人角度和他做朋友，他一直往前冲，资源和利益的交换，目标导向。对自己的利益保护，不畏惧谁，包括了WLF的人，还有怼李林（后来握手言和）。

CZ赵长鹏. @cz_binance 和马斯克.@elonmusk 是他真正佩服的男人。
他也有他另外温情的一面，对待父母的孝道。

他很特别！认知高度超乎常人，你可以不喜欢他、讨厌他，但他有不少经典谈话值得思考、学习。

1、重塑世俗定义：房子只是居住资产，车只是代步工具，婚姻是双向选择而非人生必完成的任务。

2、30岁之前，不买房、不买车、不结婚把所有现金流投入自我增值赛道。

3、真正的努力不是埋头苦干，而是要知道趋势大于努力，方向错了再努力都是内耗。越早下注未来，越容易吃到时代的复利。真正的机会不是大家都看得见的，而是现在被嘲笑的东西。

4、婚姻是人类历史上绑定最紧密 也是最危险的合伙人制度，大多数人在30岁之前，都没能力当好婚姻合伙人。

5、财富来自叙事，而不是产品，创业者以为赚钱靠产品，其实是错的。
真正的财富来自“让别人相信未来”的能力。

6、大多数人不是没有机会，而是只敢做立刻有回报、即时有反馈的事情。

7、商业世界没有慢慢来，慢就等于死。市场从不给犹豫的人机会，只奖励敢执行的人，做事不要追求完美，要追求快速迭代。打仗不是比资源，是比意志力和速度。

8、所有的安全感不是完全没有风险，而是你拥有承受风险的能力。

9、低级负债是用来消费享乐，高级负债是用来放大现金流和撬动资源。

10、真正的高手都在持续积累可迁移的能力：表达、销售、判断、领导力和信用。

11、行业会消失，岗位会迭代，但可以迁移的能力永远不会过时。

12、财富自由不是有多少钱，而是不被迫做不想做的事。赚钱的终极意义是获得时间和选择权。现金流比存款更重要，系统比项目更重要。

13、真正的资产是认知和关系，而不是钱，赚钱只是游戏，自我成长才是终局。

13、把自媒体账号当成无限加杠杆的隐形股权，粉丝就是未来的稳定现金流。

14、越早承认自己的无能，就能越快踏上成长致富之路，承认不足永远是改变的第一步。

15、人和人的差距从来不是突然拉开的，而是在一次次小的选择和坚持里慢慢分层的。

16、做人要有边界感，没有边界感的人，亲情、婚姻和和合伙关系，随便哪一种关系都能把你消耗掏空。

17、拒绝是一种核心能力。学会拒绝不合理的责任、道德绑架和低价值的人情消耗。

18、赢在概率，而不是完美。人生是多次下注游戏，要提高胜率，而不是追求单次完美。财富是连续博弈，不是一次性考试。控制风险，不重仓爆死，保持40%~60%胜率，就能赢整个游戏。

19、财富自由不是钱多，而是选择权。真正的自由是：我想做什么可以做，不想做什么可以拒绝。所以他特别强调：钱不是目标，钱是买自由度的工具。

[伊泽🔶BTC |🧡 1000X GEM @EZ99131]

女股神 @Serenity 刚刚推荐新进场或者准备进场买 #美股 的朋友到底该上车哪只！

第一档：相对明确的当前关注

$AAOI、 $TSM、 $NVDA、 $MRVL

AAOI：高增长模型与市值之间存在潜在预期差
TSM：AI制程和封装核心
NVDA：AI平台核心
MRVL：AI互连和custom silicon核心。

第二档：需要继续观察数据

$JBL、三星电子、$INTC

JBL：等待1.6T LRO量产数据
三星：重点看2027—2028利润、HBM和代工改善
INTC：看产品、代工和资本效率能否兑现。
第三档：早期高弹性推测

$XFAB
商业化证据较少，赔率可能很高，但成功概率难判断。

第四档：已经验证的方法论案例

$RPI、 $AXTI

这两只更多是 Serenity 用来说明“自己如何发现预期差”的成功案例，并不意味着他在当前价格仍然同样看多。

#Serenity 方法的最大优势

1. 可以比分析师更早

正式研究报告往往需要：
公司指引
明确订单
管理层确认
可量化市场规模
但等这些信息齐全时，股价往往已经涨了一段。

#Serenity 的方法是在这些数据出现之前，从弱信号中建立假设，因此可能拥有时间优势。

2. 特别适合产业变革期

在 AI、光子学、CPO、边缘计算等新兴行业中，传统历史模型很容易失效。

例如：
过去树莓派主要用于教育，不代表未来不能成为本地Agent设备

过去InP市场很小，不代表AI光互连爆发后仍然很小
过去某晶圆厂没有光子学收入，不代表未来不会进入供应链。

Serenity 捕捉的是产业用途变化。

3. 她关注瓶颈，而不是只关注最终产品

她的股票经常位于上游：

InP衬底
外延片
光子晶圆代工
光模块
LRO
高速互连。
因为上游瓶颈一旦形成，利润弹性可能高于最终设备厂。

这种方法最大的风险
1. 容易把故事当证据
现实生活中看到几个人购买树莓派，并不能自动代表全球需求。
政府文件出现某家公司，也不等于它一定会获得大订单。

所以必须区分：
线索
初步证据
商业验证
量产收入。

2. 容易高估自己发现的关系

当一个投资者先建立结论后，可能只寻找支持结论的信息。

例如相信 XFAB 会成为CPO供应商后，就容易把所有相关文件都解释成利好。

解决办法是提前写出证伪条件：

多久没有订单就放弃
毛利率低于多少说明假设错误
客户验证推迟多久算失败
市占率没有提升是否减仓。

3. “瓶颈”可能很快被扩产解决

AXTI、InP、HBM、CoWoS都可能经历：

短缺 → 涨价 → 大规模扩产 → 供给过剩。

因此瓶颈股最危险的时候，往往是市场已经普遍承认它是瓶颈之后。

4. 猜对产业不等于买对股票

即使光子学超级周期成立，也可能出现：

公司执行差
融资稀释
大客户压价
技术路线改变
竞争者抢走订单
股价早已透支。

产业方向正确，不代表每只概念股都会上涨。

Serenity 并不是在说：

“这些股票都会涨。”

她真正说的是：

“我的优势不是比别人更会看财报，而是我愿意在财报出现以前，把现实趋势、供应链信息和不相关材料拼起来，推测下一条收入曲线。”

她最重视的三个方向是：

本地与边缘AI： $RPI
光子学与上游材料瓶颈： $AXTI、 $SIVE、 $IQE、 $XFAB、 $AAOI
AI基础设施核心平台与互连： $TSM、 $NVDA、 $MRVL、 $JBL

Serenity 正从早期的“发现隐藏瓶颈”，逐渐转向“将隐藏趋势转换成收入和市值模型”。

她的投资方法最有价值的地方，是寻找市场还没有建立的联系。最危险的地方，也是这些联系可能只是合理的故事，而不是最终会兑现的事实。

Serenity 买的不是当前财报，而是下一份财报里可能第一次出现、但市场现在还看不到的收入。

[币圈老司机🔶BNB @Bqlsj2023]

今天没事把白毛女的所有X 蒸馏了

让AI 用白毛女的思路判断美股行情走到哪一步了

并且现在有什么能够抄底的股票

目前，白毛女AI 给出的答案是

AXTI，POET，VECO，AEHR，AAOI，CRDO，ALAB，LITE，COHR，MTSI

其中VECO，AEHR，AAOI 因为财报稳健+高反弹 最为优先

[Serenity @aleabitoreddit]

I think my personal style of investing is a bit different, just some reflection:

It's inherently discretionary, based on stuff markets don't know yet. And a culmination of life experiences?

If you look at $AXTI, $RPI, $SIVE, $IQE and others.

Lot of it is guessing on unstructured relationships then seeing if it's right or not down the line.

$RPI is the perfect example:

1. Nobody really thought of Raspberry Pis for AI growth. Mainly people bought one or two just for class + education + hobbyist.
2. After OpenClaw, just noticed all my friends and people just buying Apple Mac Minis / RPIs for AI applications.
3. Found validation of that trend online with lot of people sharing video tutorials on AI orchestration with RPI.
4. AI was their ideal perfect growth vector, did some modeling, and thought it was compelling.

Earnings comes out and I was right.

Everyone in media was calling it a meme stock because there's nothing online that shows revenue growth from AI (was 14% forecasted revenue growth, turned out to be 58%, my projection was around 55%).

So it was a mix of guessing next industry trend (AI using lightweight hardware instead of GPU clusters), real life trends, then revenue forecasting off my guess.

For stuff like $AXTI:

1. Everyone called it a joke when I bought at ~$12. LLMs would hallucinate and say "hyperscalers/govs would have known about this by now and fixed this vulnerability with InP substrates"
2. Or would conflate very nuanced parts of InP substrate stack, where there's multiple different chokepoints in upstream processing.
3. So part of this was just discretionary based on what I've seen over InP substrate breakdowns, industry trends, etc.
4. Then also guessing the major supercycle was photonics (this was before everyone caught onto $LITE, and others). Or before you saw the $141B TAM projections from GS.
5. AXT owned 40% of InP supply chain, without them the supply chain just gets cripped).
6. All the "analysts" were forecasting steady InP substrate growth, few hundred million TAM, etc. or export controls.
7. Everyone kept trying to say $AXTI was overvalued based on TAM estimates. But if it's a few hundred million TAM you just think that's a joke and go into game theory over allocations.
8. Then I just had to guess, how much would this be worth if it were a NAND style bottleneck, what MC could it reach based on control, how much would hyperscalers price it as, etc.

A lot of the current research outputs from Goldman Sachs, or earnings reports from the Epiwafer companies, were confirmed after I published my piece on AXT. If you did research back then, lot of the same material /framing wouldn't have come up.

With stuff like $XFAB as you're seeing now, a lot of it is just pure guessing:

1. Not really any CPO materials, how much their MTP process makes in revenue, etc. Everyone online keeps saying they're not a photonics player.
2. But if you go through ASE docs or Gov websites, they all kinda cite XFAB as a major emerging player here.
3. $NVDA also evaluating them right now (maybe it's successful who knows).
4. No clear revenue around this area because their main silicon photonics process is still precommercial, but if you guess it's trying to create a EU supply chain to compete with $TSEM, once pre-commercial shifts to commercial, maybe similar but less volume contracts?
5. Then just seeing updates over the next few months to see if anything confirms this thesis guess.

_

I think a lot of information discovery still can be done with LLMs I'm seeing online. But it's also really hard to make a bunch of unstructured inferences based on unrelated material or even just trends you're seeing in real life.

So probably better to just do what's standard, eg. do valuation forecasting based on current numbers

Stuff like $AAOI, if they're projecting $471m/M h1 2027 and you see MC at $12B, probably undervalued might be a good idea to go long for next years.

Stuff like Samsung Electronics is easier, see what people are modeling for operating profits for 2027, 2028 then just seeing if it's undervalued or not at current levels.

Maybe something harder is $JBL. I haven't really seen any great volume numbers around 1.6T LRO, but you can just make a guess on how popular that might be then project how that might impact current MCs.

Or picking just good names everyone kinda agrees like $TSM, $INTC, $MRVL is also solid.

So a lot of things is just building up your life skills then applying that to markets. I don't think it's that can be taught with courses and stuff.

Of course, much of what I'm doing is just high conviction inference based on unconnected parts. Could always be wrong.

[qinbafrank @qinbafrank]

一张图拆解全球机器人产业链，虽然老黄喊韩国机器人产业，但事实求是来看中国在机器人领域还是占据了绝对领先优势。最值得关注的三个要点：1、真正的壁垒往往不在“造一台机器人”，而在减速器、伺服系统、传感器、视觉、控制软件和场景集成能力；

2、机器人产业中最关键的上游环节包括减速器、伺服电机、控制器、机器视觉、LiDAR、力传感器、AI芯片和末端执行器。代表公司包括Nabtesco、Harmonic Drive、Yaskawa、Keyence、Cognex、NVIDIA，以及中国的汇川技术、绿的谐波、双环传动、禾赛、速腾聚创、奥比中光等。这些环节通常比单纯本体制造更有壁垒。

3、机器人下一阶段竞争不只是硬件成本，而是具身智能、边缘AI、仿真训练、感知决策和真实场景落地能力。确定性较高的是减速器、伺服、机器视觉、医疗机器人和工业软件；弹性最大的是人形机器人执行器、力传感器、LiDAR和边缘AI芯片；

[Dr. Moyu｜摸鱼局长 @Jason23818126]

散户投研的外挂来了

Serenity @aleabitoreddit 白毛股神爆火，核心不是追龙头，而是找供应链瓶颈

我把 GitHub 上能找到的 Serenity 风格 Skill 全部挖了一遍，整理出这 10 个仓库

装进 Claude / Cursor / Codex 后，你的 Agent 就能直接套用这套框架做产业链拆解、卡点定位、标的初筛和 thesis 验证

1/ 核心方法论蒸馏版

完整复刻供应链瓶颈分析流程
热点拆链 → 找卡点 → 筛公司 → 核证据 → 排优先级

https://t.co/2bQRCVextr

2/ 推文 archive + Skill 版

基于 Serenity 公开推文和观点整理，带 ticker 知识库和周期跟踪，适合持续跟进她的最新焦点

https://t.co/As2GoNZVYF

3/ 多版本辩论融合包

融合 Serenity 和其他交易 / 研究思路，让 AI 从不同角度碰撞同一标的，适合做多视角 thesis review

https://t.co/tuIOkNt5td

4/ Alpha 假设生成版

适合把市场新闻转成可验证的 alpha 假设
新闻 → 需求变化 → 财报映射 → 小盘弹性 → 验证路径

https://t.co/5doTSGCjl0

5/ 0xAgata 粉丝精炼版

轻量、直接、好上手，适合快速体验 Serenity 式供应链瓶颈研究

https://t.co/D919U8m3rp

6/ W-Y-P 完整框架版

基于大量公开内容蒸馏出的投资框架 Skill，通用性强，适合做系统化产业链研究

https://t.co/rZn5hQDEaX

7/ LeslieYeo 深度资料版

包含 Serenity 思维框架、表达风格、投资决策、外部评价、时间线等资料，更像完整 persona + research framework

https://t.co/iGwdeFukLP

8/ ZadAnthony 中文 Claude Skill 版

面向 Claude Code 的中文 Skill，聚焦 Serenity 供应链卡点逆向投资方法论，中文用户上手很快

https://t.co/zV6h0sNPXq

9/ A股卡脖子选股版

把 Serenity 的 chokepoint / bottleneck 思路迁移到 A股场景，更适合做国产替代、设备材料、上游卡点筛选

https://t.co/tLcG5GDqrc

10/ AI 基建 / 半导体供应链分析版

面向 Claude Code 和 Cursor 的 AI infrastructure & semiconductor supply chain analysis skill，适合拆 AI 硬件、光模块、半导体设备材料等链条

https://t.co/aNSqe1JZ1v

Serenity 这套方法的价值，不是让 AI 直接告诉你买什么

而是逼你用更机构化的方式去问问题

这个环节是不是刚需
扩产是不是很难
认证周期是不是很长
供应商是不是很少
下游巨头是不是绕不开
财报里有没有验证
市场是不是还没 price in

装上这些 Skill，相当于给 Claude / Cursor / Codex 配了一个 24h 在线的供应链研究员

最后提醒

股市有风险，以上内容仅供学习和研究参考，不是投资建议
Skill 是研究工具，不是印钞机
仓库代码和具体标的都请自行 DYOR

[努力赚钱的菜狗 @jiroucaigou]

如果你投资股票，一定要把韩国博主加入你的信息渠道

韩国5千万人口，活跃的股票账户有1亿，全国都讨论美/韩股、AI半导体。相应的，韩国博主也都有真东西

本推介绍8位非常优质的韩国股票博主，拓宽你的信息源

1.@Semicon_player 分析美股+韩股、对AI/半导体研究深入，长期跟踪三星、海力士

2.@heoilikj 日常分享美股、韩股信息，适合想学组合管理的投资者

3.@Busanaz1 釜山大叔，分享实用洞见与日常观点，分析经济、股票走势、宏观

4.@admi_alts 理性风险管理、投资心理学，帮助新手建立优秀投资心态

5.@core_shooter 个人投资者，专注美股、韩股，结合AI+半导体机会做长期判断，实战博主

6.@KKDW_KOREA 韩国本土实操派，日常对经济、股市进行解读

7.@dons_korea 分析美股+韩股宏观信息，出口周期，宏观资金流

8.@JunDo1050 CIB从业者，从企业金融方面聊全球市场、产业链、股市等

9.@jiroucaigou 优质信息+实用咨询+美股信息聚合~

[Dav @dav_finance]

@GuoShenCN7 BTC

[Leonard @Leoskie_L]

$AVGO 跌的不是財報，是市場突然開始懷疑：這條 AI connectivity 鏈，到底誰是真的卡脖子，誰只是喊最大聲

Broadcom 這次如果你只看財報，其實根本沒什麼好嫌。Q2 FY26 營收 221.9 億美元，年增 48%。AI 半導體收入 108 億美元，年增 143%。Q3 AI 半導體收入指引拉到 160 億美元，年增超過 200%。FY26 AI semiconductor guidance 大概 560 億美元，年增接近 180%。這種數字放在別家公司身上，照理說應該直接噴到上頭。

但它盤後還是被砍。

所以問題不是「Broadcom 爛不爛」。問題是市場測量突然換了。以前只要你沾到 AI networking、AI optical、AI fabric，資金先買再說。現在不一樣了，市場開始問：你說你是 bottleneck，那你到底是真的不能替代，還是只是站在瓶頸旁邊收過路費？

這差很多。

AI 基建第一階段很簡單，就是缺什麼買什麼。缺 GPU，買。缺 HBM，買。缺 CoWoS，買。缺交換器、retimer、DSP、光模組、laser，也買。那時候大家不太分層，反正只要你在 AI cluster 裡面有一個位置，市場就先給你 premium。

但第二階段就麻煩了。

因為突然每家公司都在說自己是關鍵瓶頸。Broadcom 說我是 switch、fabric、DSP、CPO、ASIC 的核心。Marvell 說我也有 ASIC，也有 optical，也有 PAM4 DSP，也有 Ethernet，也有 DCI。Credo 說我的低功耗 SerDes、DSP、AEC 才是高速傳輸的關鍵。Astera 說你們 GPU cluster 裡面的 PCIe/CXL 交通沒有我會亂掉。Coherent、Lumentum 說你光沒有我，訊號根本送不出去。

欸，全部都對。問題是全部都對，不代表全部都值同樣的估值。

這就像一間餐廳突然外送單爆掉。廚房說沒有我你沒菜，外場說沒有我你出不了餐，外送平台說沒有我你送不到，包材廠說沒有我你會漏湯，機車行說沒有我你車會壞。每個人都重要，但最後老闆會付最高價給誰？不是聲音最大的人，是那個你真的換不掉的人。

Broadcom 最強的地方，是它想把這整包 AI fabric 盡量吃下來。Tomahawk、Jericho、custom ASIC、1.6T DSP、CPO、silicon photonics，全部往一個完整 AI networking 解決方案包。這很猛，因為它不是只賣一顆零件，它想賣的是整個 cluster scaling 的交通系統。

但這也正是市場開始緊張的地方。

因為只要你把自己包成「完整贏家」，市場就會給你完整贏家的 premium。可是反過來，只要裡面某一段 monetization 變慢，或某一層開始出現替代方案，這個 premium 就會被拆。

你說你是 AI fabric 的主幹，好，那市場現在問你：這個主幹到底是唯一高速公路，還是旁邊其實還有幾條替代道路只是現在還沒開通？

這就是 Broadcom 這根黑棒真正有意思的地方。它不是市場不信 AI。剛好相反，是市場太信 AI 了，信到開始不想把錢亂撒給每一個說自己在 AI connectivity 的公司。

以前是：有瓶頸就買。
現在是：你這個瓶頸是真的 bottleneck，還是可替代瓶頸？

真卡脖子 是什麼？像 TSMC CoWoS、高階 HBM、EUV、高良率矽光子整合。你沒有它，貨真的出不來。這種東西接近物理層卡死，不是故事，是產能、良率、材料、封裝、熱、電，全部卡在那邊。

可替代瓶頸就不一樣。Retimer、DSP、AEC cable、switch ASIC、optical module，很多時候不是不重要，而是客戶可以在 A、B、C 之間換。功耗不同、成本不同、效能不同、整合難度不同，但不是完全沒得選。

這種東西很重要，可是不能全部都給 monopoly premium。不然就搞笑了。每個人都說自己是水管的最後一公尺，結果最後發現整棟樓有五組水電師傅都能接，你說誰可以爽到拿獨佔價？

Astera 比較像機櫃裡面 PCIe/CXL 的交通管理。GPU、CPU、memory pool 之間訊號不要打架，要有人控流、重整、管理。它不是單純一顆小晶片，而是在 scale-up fabric 裡面當交警。

Credo 也不是「高速線公司」這麼簡單。它真正的底層是低功耗高速 PHY，SerDes、DSP、AEC。線只是表面，背後是高速訊號在短距離裡怎麼省電、怎麼穩、怎麼不要炸掉。

Marvell 更貪心，它幾乎什麼都想碰。XPU ASIC、PAM4 DSP、Ethernet、DCI optical、CXL、storage。市場有時候把它當小一號 Broadcom 不是沒道理，因為它也在講一個「我可以幫 hyperscaler 客製整包」的故事。

Coherent、Lumentum 則更偏光元件、laser、photonic supply chain。它們不是 cluster fabric 的總控，但光要出去，很多關鍵零件還是要靠這些人。

然後 Broadcom 站在中間說：我不只做其中一段，我要把 switch、fabric、DSP、CPO、custom ASIC 全部串起來。

很猛。也很危險。

因為市場現在開始問一個更狠的問題：AI cluster 到底需要多少 networking？

以前大家很直覺地想：GPU 變兩倍，networking 也差不多變兩倍。算力越多，交換器越多，光模組越多，DSP 越多，線越多。這個推論很爽，很線性，很適合拿來拉估值。

但等一下，事情可能沒那麼直。

如果 NVLink domain 越做越大，如果 rack-scale architecture 開始吃掉部分外部連接需求，如果 CPO 真的降低某些光模組需求，如果 hyperscaler 開始把 scale-up 跟 scale-out 架構重新切，那 networking 的成長速度，會不會低於 compute？

這才是 connectivity trade 現在最麻煩的地方。

不是沒有需求。需求一定有，而且很大。問題是估值買的不是「有需求」，估值買的是「需求會爆炸，而且你吃得到，而且別人搶不走」。

這三件事少一件，premium 就會縮。

Broadcom 財報好還跌，其實就是市場在做這個動作。不是說 Broadcom 不強，而是市場不想再讓整個 connectivity 全家桶一起爽同一個 AI premium。以前大家一起上車，現在開始查票。你是真 bottleneck，還是故事 bottleneck？你是缺你不可，還是目前剛好大家都很缺線所以你也被捧上來？

AI 基建的第一階段，是尋找瓶頸。
第二階段，是辨認哪些瓶頸真的不可替代。

Broadcom 這次下跌，比較像市場從第一階段進入第二階段。

這也是為什麼我覺得這根黑棒不是 Broadcom 的問題而已，而是整條 L5 connectivity 鏈的重新定價。市場不是在問「AI 還會不會成長」，那個問題已經太 old 了。

它現在問的是：
當 everyone says my connectivity is the best，到底誰真的在解 cluster scaling 的最後一公里？誰只是剛好站在路邊，趁大家塞車的時候收過路費？

更狠的是，這個問題現在才剛開始。