Danny2020

[fin @fi56622380]

AI半导体终局推演2026(II)

当半导体结构性演进到AI推理主线，内存和存储成为了最大瓶颈，市场对内存和存储最大的怀疑就是：

HBM/DRAM/SSD会不会摆脱传统周期性？

依赖HBM指数增长的GPU架构路线进化路线，会不会停止？什么时候停止？

长鑫扩产的影响有多大？会不会���这个市场重新带入周期泥潭？

本篇尝试去建立一个框架来梳理这几个问题

—---------—---------
万物皆周期，而内存的周期性又特别强，最大的来源在于扩产周期过长，无法快速扩产和需求短缺时期错配

摆脱传统周期性几种可能的方式

1. 定制化：产品不可互换，产能不能随便转移，需要签长约。

2. 结构性的指数级需求增长：需求曲线本身很陡峭，而且供给一直追不上。

3. 技术迭代快速升级：每一代产品都快速淘汰上一代。
满足任何一条，就能部分摆脱传统周期；满足两到三条，就能摆脱大部分传统周期

根据这个框架， HBM在三条里，大概占了两条半

1. 定制化，需要签长约（较弱，算半条）

HBM 确实有定制化和Nvidia codesign的成分，但并不是很强。真正定制的部分只在封装和 base die，上面那十几层 DRAM die 仍然是完全 JEDEC 标准化的。

比如当 Samsung 的 HBM3E 在 NVIDIA 的 qualification 上没过、份额从大约 60% 一路跌到 20% 的时候，它并没有把这批产能砸在手里报废，而是转手就供给了 Google 的 TPU、AMD. 物理上，给 NVIDIA 的 HBM3E 和给 AMD 的 HBM3E，是同一个东西。 所以产能仍然是部分可以自由转移的。

HBM4之后的定制化更多一些，包括在 base die 上集成定制逻辑和/或缓存。更复杂的方式是将 HBM4E 内存控制器和定制 die-to-die 接口直接放入逻辑 base die

SemiAnalysis 提到 OpenAI、NVIDIA 和 AMD 各自都在做定制 HBM 的工作，但这指的是 base die 的定制，上面的 DRAM 层仍然是标准的。

部分定制化的特性��HBM主要在封装上需要合作，这也导致了客户必须签长约，但产能也确实可以转移，所以HBM 能勉强算半条。

2. 结构性的指数需求增长（满足）

最直观的原因，就是Nvidia token factory token throughput的硬件升级需求，导致了HBM带宽的升级换代极快，以及HBM size需求的指数增长

这一条其实就是上一篇AI半导体终局推演2026(I)的结论：
token throughput = HBM size × HBM 带宽，每一代翻倍。

HBM size per GPU大概每年增长40%以上

这条需求曲线的陡峭程度，是DRAM供给端 14% 的 wafer 增长，乘以 9% 的 density 提升，很难追上的

在硬件领域，因为attn阶段KV cahce的极高带宽和极高memory size的要求，也导致了HBM独特的地位。即便是HBM涨价三五倍，把钱花在HBM上带来的边际token throughput提升，仍然比花在其他地方要划算的多。

其他几个Memory路线，SRAM，HBF，CXL，PIM，目前都无法在HBM的主力赛道kv cache/attention上正面竞争，起码未来5年甚至更长时间，不太可能找到替代路线

3. 技术迭代快速升级（满足）

DDR3时代过了15年，仍然只是DDR5时代，而HBM的升级换代的速度基本上是两年一代，比传统DDR要快很多很多，而且近来还有加速的趋势，HBM size x HBM BW每一代翻倍，目前是完全符合这个规律的

每两年一代HBM升级，NV GPU速度基本是指数型上升：2TB/s ->3.5TB/s->4.8TB/s ->8TB/s->22TB/s，而且HBM的速度和推理token throughput是完全线性正比的，上一代HBM的边际使用成本会不划算，大家都有动机去尽量用最新的产品，虽然更贵，但是带来的收益(token throughput)是更多的

Token factory时代的逻辑是，技术升级（HBM带宽）的越多，赚的越多

这个速度差，造成了一个和 CPU 类似的局面：旧产品快速贬值，于是囤货的价值在变低，比如说，HBM3的价值贬值的非常快，今天基本���主流产品不会用了

所以HBM 厂商的理性选择，从拼当前的产能去占市场（quantity competition），变成了在稳定性和HBM速度上拼技术，拼下一代在 NVIDIA 平台上的 qualification 份额（quality competition），从而避免了在传统周期的下行波段，大家都不愿减产掉市场份额的囚徒困境。

—--------------—--------------

HBM和传统DRAM比较，三个条件里满足了两个半，那么HBM能摆脱传统周期性吗？

内存周期性的来源，主流叙事是，DRAM 有Commodity属性（无差异化 → 价格战 →库存可囤积），所以有周期性。

而Commodity属性本身并不产生周期，它只是一个振幅放大器

特别是DRAM领域里，曾经产生过囚徒困境，在下行周期三星曾经扩产抢市场份额，谁先减产谁吃亏，导致谁也不敢轻易减产，最后大家都亏损惨烈

实际上周期性的主要结构性来源是供给周期太长，很容易和需求周期错位。建一座 fab 要 3 年��投资上百亿美元，一旦��策就不可逆，而需求增长会有不稳定性，每次出现新范式增长，比如云服务，移动互联网手机，疫情线上需求，会有爆发式增长，而过了两年增长会放缓，供给高于需求，降价过猛，就变成了亏钱周期

万物皆周期，HBM这一条同样是无法避免，但只要token需求仍然是指数型增长，结构性的指数增长会减弱周期性，因为需求可预测度更好，而且一旦降价，客户就有增大HBM size的需求（从而增大token throughput），加上HBM有一点定制化要求导致都是长约，从而从周期性转化成成长周期性，而且这一轮周期会特别长

周期性：上行周期赚的多，下行周期亏的多
成长周期性：上行周期赚的多，下行周期赚的少

另外，HBM/DRAM在这三条摆脱传统周期的条件的基础上，还有一条重要优势：

4. 因为DRAM密度增长scaling越来越慢，以及HBM升级换代导致DRAM堆叠倍数的增加，供给端的扩��难度持续增加

2000年附近，DRAM每片wafer上DRAM bit密度每年增长大概45%，也就是说，就算晶圆wafer数量不扩产，每年���供给端DRAM bit仍然可以增长45%

十年前，DRAM bit每年密度增长降到了20%，而现在，DRAM bit每年密度增长降到了9%。以前DRAM扩产甚至不怎么需要新建厂房就能得到每年20~30%的bit volume上升，现在DRAM要扩产，更多的是靠wafer数量的增长，也就是新建厂房和clean room。

另外一个HBM快速扩产难度在于，HBM3e大概需要3倍的DRAM wafer晶圆，而HBM4由于堆叠密度的增加，大概需要4倍的DRAM wafer晶圆数量，相当于HBM bit相对于DRAM bit一直变得更难制造，单位DRAM wafer数量制造的HBM bit越来越少，相当于在通缩

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

HBM未来有一天，会不会从成长周期性，变回传统周期性？最重要的因素是结构性指数增长，那么
AI推理时代，这个依赖HBM指数增长的GPU架构路线进化路线，会不会停止？什么时候停止？

token throughput = HBM size × HBM 带宽，这个HBM指数增长的第一性原理里的HBM size的增长原因正是KV cache的增长。KVCache的特性以及Attention的特性,也是非常契合HBM的。甚至让HBM领先于其他的技术路线, 能够最大化地让KVCache和Attention 阶段的利用率。

换言之， 如果KV cache从架构上不存在了，那么HBM size指数增长逻辑也会受到挑战

所以这个问题的���质其实是，这一轮以 Transformer 为代表的 attention 机制、以及由它衍生的 KV cache 机制，会不会消失？退潮之后会不会被取代？

从历史规律来看：每一次AI模型架构革命，真正被保留下来的，是那些在数学上具有某种普适性的 primitive 操作

举个例子：FFN（前馈网络，也就是模型里大量的 MLP 层）是 2012 年深度学习时代的产物，但它一路活到了今天的大语言模型里，并且仍然占据着模型相当大的参数量。它为什么能活下来？因为这也是一种universal approximation theorem（通用逼近定理）：任何足够宽的 MLP 都能逼近任意连续函数

Attention 大概率也是这样一个会被保留的 primitive。因为它解决的是一个同样 基础的问题：序列sequence 中任意两个位置之间的 dynamic routing（动态路由），让一个序列里任意两个位置都能按需建立联系。这个能力一旦被验证有效，就很难被丢弃

所以即便未来架构从纯 Transformer 向混合架构演进，或者向世界模型演进，但attention 层依然会存在，KV cache（或者它经过 latent compression 之后的等价物）依然需要，HBM依然会作为推理核心之一，这个依赖HBM指数增长的GPU KV cache架构路线进化路线，不会停止

—---------------—---------------

那么DRAM呢？在未来有没有摆脱传统周期性的可能？

HBM摆脱周期性在市场上有一定共识，但DRAM摆脱周期性，市场目前基本没有共识

还是回到刚才的框架，三个摆脱传统周期的条件里，DRAM是没有定制化的，所以就只能看技术迭代速度，最关键的还是要看，有没有结构性的指数增长，答案是有的

在 AI token factory 这个概念里，结构性指数增长的确实主要是 HBM。但事情在 2025 年年底之后起了变化：随着 agentic CPU开始释放潜力，CPU 附带的那部分 DRAM 需求，正在成为 DRAM 新的结构性指数增长来源

—------

这部分的增长逻辑分两层：第一层是CPU 服务器TAM的快速增长，第二层是每个服务器CPU core配备的DRAM用量的因为agentic flow快速增长

服务器CPU TAM的快速增长的4个逻辑在4月的CPU专篇详细写过，简单的说：

1. AI 加速器集群里CPU和GPU配比从传统的1：4变成1：2，甚至可能往1：1迈进

2. Agentic flow里CPU处理的延迟占比很高，50~90%成为重要瓶颈，需要同步扩容

3. AI coding让SDE的效率大幅提升，代码量数量级增长，软件API调用指数级增长，直接转化为这部分CPU hours指数级上升

4. Sandbox为保障数据安全与隔离，如Analytical Agent 需为每个任务复制大量数据库和用户上下文，导致内存(DRAM)和CPU核心的严重浪费，而且这个浪费问题五年甚至更久无法解决。另外CPU hours 在技术上很难通过优化的方法来通缩

这也就是为什么，上上个季度，AMD的财报说CPU TAM到2030年会到60B，两个月前，AMD/ARM把CPU TAM的2030年预测翻倍到120B，一个月前，Nvidia再次把CPU TAM的2030年预测翻倍到200B

而上个星期，Bernstein再次提升2030 CPU TAM指引到223B。在我看来，2031 CPU TAM未来上修到400B是没有太大悬念的事情，唯一的悬念是几个巨头会什么时候宣布上修这个指引

再说说第二层，为什么每个服务器CPU core配备的DRAM用量在agentic时代快速增长？

1. Agent 是带状态的长驻进程，不是无状态的请求-响应

传统 web/SaaS 是 stateless 的：请求进来，分配内存，处理完内存立刻回收。而一个 Agent 任务可以跑 一分钟到一个小时，这整段时间里，它的 message history、system prompt、工作记忆、长期记忆、工具结果 buffer 全部常驻 DRAM

和 CPU hours 一样，每个任务的内存足迹因为 stateful 和 sandbox 隔离(每个任务复制数据库和上下文)的要求，技术上很难压缩

2. 上下文窗口在指数级变长，每个会话的工作集随之膨胀，并发度 × 单会话memory footprint，乘数放大

context window 从 32K → 256K → 1M，reasoning / test-time compute 的序列长度爆炸，未来还会继续增大。每个活跃会话常驻的 messages 随 context 长度线性增长

现在把两层乘起来。

第一层，CPU server 的 TAM，朝 2030~2031 看大概是 5–7 倍的量级(60B → 120B → 200B → 223B，我认为还会到 400B)

第二层，每颗 CPU 的 DRAM 配比，大概 3–4 倍(4~8GB → 16~32 GB/core)，但这个增长可能大部分是一次性红利

两个独立变量相乘，server 侧的 DRAM 需求是数量级的增长

2030年，即便按保守的300B CPU TAM，一个CPU core按$50来算，agent时代最保守按16GB/core，这算出来新增量最少都是96EB，而今年的DRAM总产量只有47EB，明年勉强60EB，这是非常惊人的增量

虽然这个agentic CPU带来的DRAM指数级增长，在第二层很大程度上是一次性红利，但持续时间会持续很久很久，因为这个短缺的缺口实在是太大了

—--------

回到文章开头那个框架。三个摆脱传统周��的条件里，第一条DRAM 定制化，基本可以忽略

而第二条：一个结构性指数级、而且很难逆转的需求来源是成立的。commodity DRAM 现在也具备了部分摆脱传统周期性的资格。没有 HBM(两条半)那么彻底，但已经是实质性的变化

第三条，技术迭代速度，DRAM的节奏也跟以前不一样了

因为以前的DRAM技术迭代速度是严重依赖消费电子的，DDR的进步对于performance用处并不大，但可预见的未来里，碳基消费的传统DRAM，会远远小于硅基消费（CPU服务器）DRAM的用量

以前DRAM的速度升级带来的边际效用是很低的，但现在因为CPU服务器对memory的需求增大，以及端侧AI对DDR速度的要求也增大，比如苹果为了跑本地大模型，LPDDR速度越来越快

速度升级的边际效用高了不少，所以DDR6和LPDDR6的速度迭代需求比以前提升了太大了，这在图里也可以看到，LPDDR6/DDR6的迭代时间缩短了，而且速度斜率，重新开始抬头

以前新一代DDR/LPDDR技术出来，大家的反应都很冷淡，等降价了才会用

而现在LPDDR6出来，各家恨不得都在抢着能尽量早上就尽量早，因为速度的提升带来的performance提升是触手可及的

------

另外，DDR 的供给还要被 HBM 额外抽一道税。HBM 每年的扩产速度太快，导致每年都有一批原本可以做 commodity DDR 的 wafer 被拉去做 HBM，而 HBM 的转换比极低，HBM3E 大约要 3 片 DDR wafer 的产能才能做出等量的 bit，HBM4 是4 片。所以每年大约有 3% 到 5% 的 DDR bit 增长，是被这个 HBM bit tax直接吃掉的

所以DRAM bit volume虽然未来每年能增长24%左右（14%来自wafer增长，9%来自每个wafer的DRAM密度增长），但算上HBM bit tax之后，传统的、非 HBM 的 commodity DDR，每年的 bit growth 大概只有 20%（约 10% 的 wafer 增长 × 约 9% 的 node density 提升）

—---------------------

中国长鑫扩产的影响有多大？如果不讲武德拼命扩产，会不会把这个市场重新带入周期泥潭？

长鑫这几年的扩产速度还是很快的，2025年还是每个月20万晶圆，2026年北京晶圆厂及新增生产线的贡献��能到32~35万。

正在建设中的上海工厂一期和二期，一期预计到2027年每月新增10万片晶圆产能，二期预计到2028年每月新增10万片晶圆产能，也就是说，2027年每个月42万晶圆，2028年能到每个月50万晶圆。

但需要注意的是，长鑫的dram bit 密度大概只有御三家的一半左右，所以长鑫的每个月50万晶圆wafer能产出的dram bit volume只有其他家的一半，这里计算wafer per month的时候，就按等效一半来算

把这个折扣打上之后，长鑫对整个DRAM行业的冲击还是小了很多，从2025年年底到2028年年底，长鑫对DRAM bit产能CAGR的影响大概只有1.5%，全行业的DRAM产能CAGR大概从12.7%升到14.2%

DRAM月产能(kwspm) 2025E → 2028E CAGR

Samsung 685K → 920K 10.3%
SK Hynix 519K → 725K 11.8%
Micron 340K → 560K 18.1%
非中国其他 150K → 218K 13.3%
中国(密度折半) 117K → 274K 32.8%
—————————————————
含中国总计 1811K → 2697K 14.2%
无中国总计 1694K → 2423K 12.7%

就算是长鑫未来还能保持增产速度，2030年对全���业等效产能每年DRAM bit volume增产CAGR的影响，大概也不到3%，从20% CAGR变成23% CAGR，仅此而已

另外，长鑫被光刻机所限制，而DDR6 需要更高速率（14400 MT/s 起步）和更高密度,御三家做 DDR6 大概率会用 1c 或更先进节点（~12nm 以下），已经全面用 EUV。长鑫可能会在DDR6上速率受限，密度也只有一半。

—----------------

即便是成长性周期，为什么DRAM的这轮超级周期会持续很长时间，起码五年看不到头？

第一个原因是，刚才谈到的CPU服务器需求端的巨量增长带来的结构性DRAM需求指数增长，这里结合DRAM供给端的bit volume CAGR大概稳定20%增长，就可以很清晰的看到，DRAM未来几年的缺口为什么越来越大：

非HBM的传统DRAM供给端大概是每年增长20%，而需求端，按2026年60B CPU TAM，每个CPU消耗DRAM平均8GB/core，每个core $30~35来算，需求是16EB

2030年按400B CPU TAM，每个CPU消耗DRAM平均16GB/core，每个core $80来算(CPU涨价超过一倍)，需求是80EB，这部分DRAM的增长CAGR大概是50%，远远超过目前的估算

不同于HBM是直接和token throughput挂钩，从而和GPU赚钱效率直接挂钩，DRAM不够对于agent flow的影响主要是速度，比如说，8GB/core和16GB/core比起来，部分workload速度可能降低30%，部分低价值task实在要��等也能忍，结构性指数增长的动机很强，但需求不如GPU那么刚性

Semianalysis说今年的DRAM缺口式个位数百分数，明年是超过10%。从agent CPU数量激增导致的DRAM结构性来看，这个缺口每年都会继续加大，在2030年之前看不到降低的可能

—----

另外一个DRAM能延续强势很久的逻辑是，因为DRAM涨价之后，被涨价消灭的那部分需求，不是真的消失了，只是延迟了，需求蓄水池太多了。

所谓蓄水池，是指那些"内存一旦降价就会立刻被释放出来的潜在需求"。它们的存在，意味着即便供给阶段性跟上了，价格也很难崩，因为总有新的需求从蓄水池里涌出来接盘：

内存换算力/速度是一个蓄水池：

有大量本来需要靠额外内存来优化速度和算力的需求，在内存太贵时被压着，一旦内存降价就会被释放出来。

比如 Nvidia的CPX prefill 加速，本来的设计初衷是用额外的低成本GDDR7，来做一个专门的prefill加速器，结果LPDDR/GDDR都太贵了，比涨价前的HBM还贵，这个方案的ROI就不划算了，但等到普通内存降价，这样类似CPX的优化方案就还会回来

低价值task是一个蓄水池：内存涨价导致token价格居高不下时，高价值的 task 被优先保留，低价值的 task 被延后；内存一降价，这些被延迟的需求就回来了。

端侧 AI 是一个蓄水池：AI PC 的内存配置可能从 24GB 一路涨到 128GB。苹果已经明确要求最新的端侧AI满血版需要从8GB升级到12GB内存

常规消费电子、Agent PC、低端手机，因为内存涨价而减少的需求，全都是蓄水池。

这么多蓄水池叠在一起，构成了一个极厚的需求缓冲垫。这就是为什么 DDR 这轮的结构性增长，后劲会比市场想象的要强。

—-----

还有一个DRAM价格很难大幅下降的原因在于，HBM和DRAM产能可以互相转换，所以整个DRAM complex是一起re-rate的

在上行期DRAM的利润率远超HBM，HBM的涨价幅度甚至变成了由DRAM去推动。今年新签约的HBM4的价格，就是当���DRAM的价格 x 4，也就是正常堆叠倍数对应HBM4的价格

一旦DRAM降价毛利下滑，因为HBM的长约透明性，利润率都是有保障的，HBM就会间接抽走更多的DRAM产能，HBM的降价也会让GPU厂商更有动力尽可能的升级HBM size，这样也间接保障了DRAM的价格地板

DRAM的结构性指数增长的需求有了，density scaling放缓扩产难度在增加，厂商扩产计划都很谨慎，长鑫这几年带来的影响也是有限的，再加上需求的蓄水池非常庞大，这四个原因导致了，在可预见的至少五年甚至更长时间内，DRAM是很难进入周期低谷的。

—--------------

NAND SSD有希望摆脱传统周期性吗？

NAND 的结构性增长动力没有 DDR 那么强，今年的缺货主要原因是几个主要玩家的生产纪律保持的很好，并没有大规模扩产，每年的产能增加主要来源于技术改进：NAND堆叠层数的增加

第一个结构性增长来自AI，主要来自 KV cache 的 offloading，把HBM溢出的warm/cold KV cache 卸载到 NAND SSD上。

但神奇的事情是，这个kv cache offloading的增长甚至还没有大规模发生，SSD就已经缺的比DRAM还严重了，涨价也比DRAM要更多。等到明年Rubin CMX放量，加上KV cache offloading大规模应用，SSD的缺货也会因为这个结构性增长而增长

第二个，另一个去年年度总结里说到的未来可期的AI视频带来的结构性增量，今年已经有出圈的态势了

Seedance体量在以一年十倍到四十倍的速度增长。目前它还卡在缺卡算力不足的阶段，需求被算力压着没完全释放。但等到缺卡阶段过去，AI 视频对NAND存储的结构性需求增长，会持续相当长的一段时间。

第三个结构性增长也同样来自于agent flow带来的Sandbox使用量的指数级增长，Sandbox为保障数据安全与隔离，如Analytical Agent 需为每个任务复制大量数据库和用户上下文，导致内存(DRAM)和CPU核心的严重浪费，同样会带来大量的SSD的浪费（需求）

第四个也许在2030年之后发挥作用的结构性增长，来自于HBF路线需要用到SSD，在不少投行分析中被寄予厚望，但这个技术路线还有些遥远，主要角色定位只能作为存放大模型的weights，写一次权重然后做只读，而且必须要和GPU/HBM封装在一起（48TBps/96TBps），否则靠PCIE7/8速度太慢完全无法用，只能说未来可期，下一篇AI半导体终局推演2026(III)会有更详细的分析

总之，NAND SSD的结构性增长没有HBM那么强，但是胜在便宜，价格到2027年也只有$0.8/GB，是同期DRAM的四十分之一，所以也算是多级缓存里的万金油属性，结构性增长来源太广��了

也就是说，不存在DRAM/HBM单独涨价繁荣，而SSD不涨价的情况，因为如果这样的情况发生，那么大家就会想办法用SSD去承载DRAM/HBM的部分功能，用更低的成本实现类似的效果。HBM、DRAM、NAND 不是三个独立故事，而是同一 AI memory hierarchy 在不同温度层的结构性增长

结构性指数增长的需求有了，NAND SSD摆脱周期了吗？ 那么就要看NAND SSD厂家的生产纪律了，唯一可能不遵守生产纪律的，只有长存。毕竟这是一个囚徒困境，一旦有一家不讲武德拼命扩产，整个NAND产业要扩产的难度比DRAM简单的多。

但最起码的，这一轮NAND同样是超级周期，几个结构性指数增长带来的需求，下行期推迟到2030年问题不大

[qinbafrank @qinbafrank]

陈立武最近接受采访明显变多，最新的一期是接受NoPriors播客的采访，这一次重点是关于半导体供应链的重塑，他对先进封装、新材料领域的布局和对代工业务的定位值得重点看看，还透露出跟马斯克合作的Terafab项目的进展（英特尔提供技术与工艺）每周都跟老马开会，还有他的半导体产业投资框架和看好的新方向。梳理下要点：
1、陈立武明确提出，目标是5-10年内为股东实现10倍回报。他过去14个月已为股东创造约6倍回报，但强调“这只是开始”。他预计到2030-2032年，外界才能真正看到英特尔的潜力。

2、AI需求增长��临几个瓶颈：一是电力限制，一些国家根本没有足够的电力；二是氦气的影响，很多人没有意识到氦气对半导体行业的影响相当显著；三是存储器短缺，这是现在最紧迫的问题

3、技术路线重构：面对传统工艺节点微缩接近物理极限的挑战，陈立武正系统性转向先进封装和新材料领域：
1）主推EMIB先进封装技术，并在印度和美国新墨西哥州推进先进封装制造项目。
2）投资玻璃基板公司（3DGS），看好玻璃的散热与绝缘性能。
3）投资人工合成钻石晶圆公司，钻石作为隔热材料潜力巨大。
4）布局GaN（氮化镓）、SiC（碳化硅）、InP（磷化铟）等新材料领域。

4、AI带来的新机遇：智能体AI爆发正带动CPU需求强劲回升。数据中心CPU与GPU的配比已从过去的1:8降至1:4甚至更低。CPU在强化学习和智能体协调调度上表现更��。陈立武认为AI将深刻重塑半导体行业，远超互联网影响，并延伸至边缘计算、物理AI等领域。

5、代工业务定位：坚持发展晶圆代工业务，核心逻辑是美国本土先进制造的战略价值（供应链安全，不能过度集中）。代工本质是“信任的生意”，重点抓良率、缺陷密度、周期时间。与台积电是合作伙伴而非单纯竞争对手。预计2030-2032年代工业务的真正潜力才会显现。

6、与埃隆·马斯克共建Terafab项目
1）与马斯克共同判断：半导体基础设施的发展没有跟上AI的增长——无论是产能、生产效率，还是功耗效率，都存在缺口；
2）非常享受与马斯克合作的过程。他非常不拘一格，对每一个环节都会追问"为什么要用传统方式做"，这很让人耳目一新。我喜欢听到不同意见，然后大家一起找出最优路径，双方都能学到很多。他有一个清晰的愿景——他的机器人、他的汽车���要大量芯片。
3）英特尔每周开会提供技术和工艺支持，每周都和马斯克开会。

7、陈立武对于半导体产业投资框架和看好的方向：
1）在做VC阶段，陈立武有159家公司IPO、126个并购退出的记录，其中半导体投资超过200笔，38%在美国。
2）在投资方法上，始终从一个核心问题出发：瓶颈在哪里，你在解决什么问题。比如我投了Cradle Semiconductor，因为互连成为了瓶颈；我投了Celestial AI，因为光互连在集群内变得越来越重要——黄仁勋几乎投了所有光子学相关的公司，这不是巧合。
3）投资框架始终是：问题是真实存在的吗？客户真的在为此挣扎吗？然后非常重要的是：第一个目标客户是谁？倾向于选择超大规模客户——他们有能力、有意愿，如果他们喜欢你的东西，接下来几年愿意付出数百万甚至提供一定的保障，因为拿下一个大客户之后就可以规模化
4）看好的投资领域
-EDA���域有巨大机会，AI和机器学习能否帮助降低复杂度、提升设计质量；
-在新材料方面，氮化镓、碳化硅、磷化铟都是投资方向；
-功耗管理——从40V转换到1V这个过程损耗极大——也是看好的瓶颈赛道；
-物理AI是下一个重大前沿，要认真看全栈，非常看好用于物理AI的开源前沿技术，这是一座金矿。

8、转型框架与愿景：采用“爬-走-跑”模式，目前仍处于“爬”的阶段（夯实基础、搭建团队）。长期战略是整合XPU + 先进封装 + 代工能力，为不同工作负载提供定制化芯片解决方案。

能看出这次访谈聚焦战略转型而非短期财报或者股价。

[qinbafrank @qinbafrank]

美股6月下旬7月初走势推演：高位压力测试，关键窗口在6月25-30日。过去一周多美股大盘算是摆脱6月初的Fomo修正去杠杆行情https://t.co/38fQ6qLeUe，个人角度最大的催化剂是6月11号五月核心cpi环比低预期、12号开始就是美伊停战备忘录即将达成的强烈预期（也符合更合6月8号这里https://t.co/4QrkzeM6mS聊到的要等宏观上给一个信号），那未来两三周如何看？个人把未来两周定义为“高位震荡偏弱、先防回撤、再看7月初是否修复”的阶段。
因为五条线同时在影响市场：
沃什Fed重定价；
美元���数向上突破的可能性；
季度末养老金再平衡与CTA机械流；
AI token经济性审计；
财政部TGA重建+发债抽水。

基准结论：
6月25日—6月30日是最脆弱窗口；
7月1日—7月10日有季节性资金修复力量，但修复质量取决于美元指数、2年期美债、TGA和AI龙头反应。
期待7月中下旬新一轮财报季对市场的提振催化。

1、当前市场状态：趋势还没坏，但风险集中度很高
指数和AI龙头仍处于强趋势附近，风险偏好仍然很高。有个小问题是：当仓位、估值、预期都不低，市场对负面信息的容错率大幅下降。

2、详细聊聊未来两周影响市场的五条线
1）沃什首秀改变了市场对Fed的舒适感
18号沃什的首秀，Fed从“偏降息”转向“双向风险”，甚至出现加息尾部风险，市场开始重新定价短端利率。看到不少人担心9月加息，虽然个人https://t.co/pGTNUJHoOL 这里也聊最终还是看油价走势，这最终决定了通胀的走势。但在市场还没完全确定之前通胀反弹的走势已经开始逆转向下之前，市场还是会有担忧。

2）美元指数上破，是新增压力项，而且和Fed重定价同向
DXY���前���100.85附近，已非常接近52周高点101.13的技术突破位。沃什Fed之后，美元和2年期收益率同步上行

美元走强对美股的影响体现在几个方面：压制风险偏好，跨国公司海外收入折算受损，如果再叠加2年期收益率上行 又直接压制高估值环节。如果美元指数突破，短期对风险资产自然是承压。

当然之后如果市场确定美国经济真的很强，AI大幅提升生产力，那么美股美元同向运动也是很有可能，1995-2000年就是如此。

3）6月底机械资金流：养老金、CTA、OPEX共同提高波动
养老金季度末再平衡：股票涨得多、债券相对弱 → 机械性卖股票、买债券。前100大养老金资金充足率已到2001年以来最高，看两天摩根大通预计再平衡资金流动或引发潜在1650亿美元股票抛售。当然这种抛压是规则性的，并不是大危机。

本周四大OPEX（期权交割）之后，dealer gamma结构变化，市场失去部分“钉住”力量，宏观数据或资金流更容易推动单边波动。

CTA是路径依赖的，需要关注的是PCE/美元会不会先把指数打破技术位，然后CTA跟随卖出。

4）AI基本面
Ai增长依然强劲，但市场开始担心：企业越来越需要判断哪些任务值得用昂贵前沿模型，会设置token额度，把简单任务转向更便宜模型。最近看到不少报道企业在限制token消耗额度，虽然不改中长期趋势但是报道多了持续发酵短期还是会影响市场情绪。当然个人认为这最多属于情绪冲击。

5）财政部发债、TGA和银行准备金
当前Fed H.4.1已经显示TGA在上升、准备金在下降。财政部计划显示：6月底TGA目标约9000亿，但7月可能向1万亿附近重建，相当于抽走约1000亿准备金（上下500-1500亿区间）。

发债结算关键日：
6月30日：2年/5年/7年 + 多只Bills结算7月9日：多只Bills结算（含52周）
7月15日：3年/10年/30年结算
所以6月底压力主要是养老金再平衡+CTA+拍卖结算；
7月的新增问题是TGA重建持续抽水。

3、后续关键时间点
1）6月24日：Micron财报 + 银行压力测试（AI硬件链情绪锚）
2）6月25日：PCE（最核心宏观数据）、当周初请 、GDP三读等
3）6月30日：季度末 + 拍卖结算 + 养老金再平衡叠加

三个情景
1）个人认为的基准情景（50～55%）
PCE大致符合或略偏热、DXY在101附近反复、Micron验证需求但股价震荡。6月底技术性卖压，7月初新配置+回购资金尝试修复。

2）乐观情景（25-30%）：核心PCE温和、DXY冲高回落、2年期回落、Micron好业绩且股价能涨。
表现：
重新交易“AI盈利上修+7月季节性+回购”，QQQ和半导体继续领涨，但TGA仍在后台抽水，反弹质量不会太猛。

3）悲观情景（15-20%）：PCE偏热 + DXY有效站上101.5 + 2年期维持高位 + Micron好业绩却sell the news + 养老金+CTA共振。
表现：
从普通震荡变成更明显回撤，Nasdaq���半导体回撤更大，高估值AI应用和小盘成长承压最明显。

一句话总结：
6月底可以防守，7月初再看修复。
若美元突破失败、PCE温和、AI龙头稳住，6月底回撤可视为技术性压力；
若美元和短端利率继续上破，同时TGA重建抽走准备金，则要把美股从“高位震荡”下修为“流动性驱动回撤”。就要进一步看7月公布的6月非农和cpi数据了。

中期两大核心：
1）AI商业化（看大模型ARR和云厂商业绩增）
2）油价下行是否带动通胀下行，这决定了之前这里https://t.co/lipgpq4zYz聊的宏观重置是否能兑现。

[qinbafrank @qinbafrank]

https://t.co/1x6ijOW9vN

[孙云冉.eth @sunyunran]

受益终身的良性循环学习法：从初中到读博都能用！ 听听王老师的干货！

[猴哥｜houge.sol @HougeSol]

猴哥：避开虚火的 AI 投资，为何我只锁定了存储与光的物理底仓？

猴哥再说一遍，目前AI最强主线就是存储和光，其他都是支线！

什么MLCC，PCB，乱七八糟的，全是支线，不要被带偏了！

美股我持有 $DRAM 和 $FOTO 这2个基金，一个存储，一个光。

AI存储是最硬的瓶颈，HBM供不应求，DRAM涨价周期刚开始，三星，SK海力士，美光三家吃掉全球90%的份额。

买DRAM等于一键打包三巨头，尤其韩国厂商你在普通美股账户根本买不到，这个ETF帮你解决了通道问题，三家合计占比70%，够集中够纯粹，周期来了就是硬���性。

光这条线，GPU集群建完了数据要跑起来，光模块和激光器就是高速���路上的收费站，800G到1.6T的升级窗口刚打开，InP激光器产能被LITE和COHR锁死，供给侧比存储还紧。

FOTO只有15只票全是光子器件公司，LITE，IPGP，COHR，FN，AAOI一网打尽，目前市面上最纯的”光”主题ETF，没有之一。

我的逻辑很简单：DRAM吃存储涨价的beta，FOTO吃光通信爆发的beta，一个是数据存在哪，一个是数据怎么传，AI基建绕不开这两个物理层瓶颈。

如果你想更全面，可以考虑HBMX和EUV，HBMX是存储全产业链，除了存储，还包括设备，封测等，EUV除了光，还有光刻机和先进制程，这两个适和新手，想抓住AI光和存储的，但是又没配置其他仓位的选手。

提醒一下，HBMX和FOTO都是刚上市不到两周的新基金，流动性还在建立期，进场别太急。

DRAM两个月AUM冲到150亿美金，说明市场对存储主题的共识已经形成，光通信这边还在早期，先发优势属于敢下注的人。

（以上不构成投资建议，ETF有风险投资需谨慎，数据截至2026年6月，都是最新的）

[憨厚的麦总 @Michael_Liu93]

去年10月清仓之后，11月看到身边很多朋友开始抄底时写了这篇帖子，还有这篇熊市生存手册（大家可以回头看下预言中了几条）。https://t.co/IFwdtfDVV9

到了今天（我认为已经快到熊底阶段了），想分享一个我在前几轮熊底时犯的最大错误：“频繁短线交易并持续保持做空思维”

人的思维是有惯性的，如果你在过去将近一年时间里一直在做逢高空和大币的短线操作，等到牛市来的时候一定会在第一根上涨针的时候卖飞并在接下来的两三年买不下手甚至一直在找位置继续做空。

如果你还想吃下一轮周期的beta收益，接下来三四个月时间你要做的是找到币圈的核心资产并持续定投，且不要在这些资产上再做任何的短线交易。

这轮底部我会一直找机会买入的资产包括btc、crcl、hype（我认为下轮周期的核心资产）

不容易啊，这轮能活下来的真的都是精锐。

[Annie 所长 @web3annie]

2026最全AI产业链44只核心牛股：建议收藏，这是未来十年的印钞机地图！

1. 英伟达 $NVDA
核心AI算力王者，GPU+CUDA生态垄断级优势，AI训练与推理需求爆发直接受益

2. AMD $AMD
AI GPU替代与CPU双线突破，性价比路线切入数据中心算力扩张

3. 英特尔 $INTC
IDM+先进封装转型，试图重夺AI芯片与代工生态关键入口

4. 博通 $AVGO
AI网络+定制ASIC核心供应商，云厂商定制芯片最大受益者之一

5. 高通 $QCOM
边缘AI与移动端AI计算核心玩家，AI手机升级周期驱动

6. Arm $ARM
AI芯片架构底座，低功耗计算标准制定者，AI终端扩散核心受益

7. 美光科技 $MU
HBM高带宽内存核心供应商，AI训练带宽瓶颈直接受益

8. 台积电 $TSM
全球AI芯片唯一超级代工厂，先进制程+CoWoS封装绝对核心

9. 阿斯麦 $ASML
EUV光刻机垄断者，AI芯片制程升级不可替代设备核心

10. 应用材料 $AMAT
半导体设备全链条覆盖，先进制程扩产核心受益

11. KLA $KLAC
晶圆检测与良率控制核心，AI芯片良率决定者

12. 泛林集团 $LRCX
刻蚀与薄膜沉积关键设备龙头，先进制程不可或缺

13. 日月光 $ASX
全球封测龙头，AI封装产能紧缺核心受益

14. Amkor $AMKR
先进封装外包核心厂，Chiplet趋势受益者

15. ASEP/鸿腾精密 $06088.HK
高速连接与AI硬件代工，AI服务器组装关键节点

16. Vertiv $VRT
AI数据中心散热与电力基础设施龙头，算力密度提升直接受益

17. 伊顿 $ETN
AI数据中心电力系统核心，800V高压供电趋势受益

18. GE Vernova $GEV
全球电力基础设施升级核心，AI电网需求驱动

19. Coherent $COHR
光模块与激光技术核心，AI高速通信受益

20. Lumentum $LITE
光通信器件龙头，AI数据传输带宽升级受益

21. Credo $CRDO
高速SerDes芯片核心，AI服务器互联关键环节

22. Astera Labs $ALAB
AI数据中心互联芯片新贵，PCIe/CXL架构核心受���

23. Arista Networks $ANET
AI数据中心交换机龙头，AI网络架构核心公司

24. 思科 $CSCO
传统网络巨头转型AI数据中心基础设施

25. 康宁 $GLW
光纤与数据中心连接材料核心供应商

26. Wolfspeed $WOLF
碳化硅材料龙头，800V电源与高效供电核心

27. 意法半导体 $STM
宽禁带半导体与车用+AI电源双受益

28. 英飞凌 $IFNNY
功率半导体龙头，AI供电系统关键供应商

29. Monolithic Power $MPWR
高性能电源管理芯片核心，AI服务器供电核心

30. 德州仪器 $TXN
模拟芯片巨头，AI电源管理与工业控制基础层

31. 富士电机 $6504.JP
工业电力与功率半导体核心，日本能源转型受益

32. 三菱电机 $6503.JP
工业自动化+电力系统，AI基础设施间接受益

33. 日立 $6501.JP
能源与工业数字化基础设施核心

34. Micron HBM链 $MU
HBM供给紧缺周期核心受益者（AI内存瓶颈核心）

35. 迈威尔Marvell $MRVL
AI定制芯片+数据��心互联双轮驱动

36. ASMPT $00522.HK
先进封装设备核心供应商，Chiplet趋势受益

37. ON Semiconductor $ON
汽车+AI电源双赛道，功率器件龙头

38. Navitas $NVTS
GaN电源技术新玩家，AI高效供电方案受益

39. Macom $MTSI
高速模拟与光通信芯片关键供应商

40. Semtech $SMTC
高速互联与信号管理芯片厂商

41. Tower Semiconductor $TSEM
特色工艺代工，AI模拟与射频芯片受益

42. Flex $FLEX
AI服务器与硬件制造外包核心厂

43. Amphenol $APH
高速连接器龙头，AI服务器内部连接关键

44. TE Connectivity $TEL
全球连接器巨头，AI数据中心硬件基础设施核心

对照着👆一个个加入自选！

[𝙃𝘼𝙕𝙀𝙉𝙇𝙀𝙀 @hazenlee]

https://t.co/UmpY0mEYVw

[𝙃𝘼𝙕𝙀𝙉𝙇𝙀𝙀 @hazenlee]

https://t.co/felHuyCGMa

[𝙃𝘼𝙕𝙀𝙉𝙇𝙀𝙀 @hazenlee]

转
我用了三年才真正看懂《反脆弱》。

第一次读的时候，觉得塔勒布在卖弄——

一个交易员写这么厚一本书讲哲学，还动不动骂经济学家和银行家。

但三年后再翻，我发现他说的每一句话都是对的，只是我当时没资格懂。

这本书最狠辣的地方，是它揭穿了现代生活最大的谎言：稳定。

我们被教育要追求稳定——稳定的工作、稳定的收入、稳定的关系、稳定的人生规划。

整个社会都在贩卖这个幻觉：只要你足够努力，就能得到一份“稳定”的生活。

但塔勒布说，这是在自杀。

因为真实世界不是线性的。

你以为躲开了小波动，积累的能量会在某一天以黑���鹅的形式爆发。

2008年，那些在大银行工作的人，以为自己端着铁饭碗，结果一夜之间全部失业。

那些一辈子没生过病的人，一场大病就垮了。

那些从不吵架的夫妻，离婚时最决绝。

为什么？

因为他们从来没有接受过小的压力测试，失去了自我修复的能力。

塔勒布举了个例子我一直记得。

如果你给一个包裹贴上“易碎品”的标签，你是在乞求搬运工小心翼翼地对待它。

但现实是，没有人会真的小心。

这个包裹迟早会被摔。

真正的解决方案，不是乞求别人小心，而是让包裹本身能扛摔，甚至摔了之后变得更结实。

这就是——反脆弱。

而且塔勒布书里还有一个观点震撼了我：大部分的创新不是来自规划，而是来自试错。

我们以为是科学家在实验室里发明了技术，然后工程师拿去应用。

但历史的真相是反过来的——工匠在瞎搞的过程中发现了有用的东西，然后科学家写论文解释它为什么有用。

蒸汽机不是牛顿力学的产物，是工匠修修补补搞出来的。

飞机不是空气动���学的产物，是莱特兄弟摔了几百次摔出来的。

但我们的教育系统、公司管理、职业规划，全都建立在一个错误的假设上：

你要先想清楚再去做，你要有完美的计划，你要能预测结果。

这种思维最致命的地方是——它剥夺了你试错的权利。

它让你觉得失败是可耻的，是说明你没想清楚。

所以大家都不敢动，都在等一个“完美的时机”。

但塔勒布说，反脆弱系统的特征，就是大量的小试错。

每一次小失败都在给系统提供信息，让它知道什么不该做。

只要你控制好每次试错的成本，让它不至于毁掉你，那么随着试错次数的增加，你遇到大机会的概率就在不断上升。

这彻底改变了我对失败的看法。

以前我怕失败，因为觉得失败意味着我不行。

现在我知道，只要我控制好风险敞口，失败就是在给我反馈。

那么，怎么在这个充满不确定的世��里生存？

塔勒布给出了一个具体的方法：杠铃策略。

杠铃策略的意思是，把资源分配到两个极端：一头极端保守，一头极端激进，避开中间地带。

在投资上，就是90%的钱放在几乎零风险的地方，10%投在高风险高回报的机会上。

最坏的情况是损失10%，但收益没有上限。

而那些百分之百投资“中等风险”的人，会因为风险计算错误而完全毁灭。

中等风险最危险，因为它给你一种“稳定”的错觉，但其实既没有安全垫，也没有爆发力。

看完这本书，我开始用杠铃法则重新分配生活，整个人的状态变了。

以前我总想在工作和创业之间找平衡，结果两边都做不好。

工作不敢太投入怕没时间创业，创业不敢全力以赴怕没收入。

看起来在平衡，其实是在两头摇摆，焦虑得要死。

后来我明白了，塔勒布说的“杠铃”不是妥协，而是极端化。

一头极端保守：上班，拿工资，这是我的安全垫��

我不追求在公司里升职做到高管，也不幻想靠这份工作实现财务自由。

它的作用只有一个——让我活下来，给我时间。

一头极端激进：创业项目，all in，不设上限。

失败了最多损失的是时间和小额成本，但成功了收益是指数级的。

我不再追求那种“稳步上升”的幻觉。

因为在一个非线性的世界里，稳步上升本身就是个伪命题。

我上班的这几年，不是在浪费时间，而是在买一个保险。

它保证了即使我的创业项目全都失败，我也不会流落街头。

有了这个保底，我才敢在创业项目上真正冒险，去尝试那些回报很高但不确定性也很高的方向。

没有这个杠铃结构，我要么困在舒适区不敢动，要么破釜沉舟赌一把然后爆掉。

而现在，我在用时间换可选择性。

每一个失败的项目都在给我反馈，告诉我什么行不通。

每一次小规模的成功都在积累势能。

我不知道哪一个项目会真正起飞，但我知道——只要我一直在场、一直在试错，我遇到它的概率就在增加。

这才是杠铃策略的精髓——用确定性保护你的下限，用可选择性打开你的上限。

这才是真正的反脆弱——不是跑得最快，而是活得最久。

世界不会变得更稳定，只会更混乱。

与其追求一个不存在的稳定，不如让自己成为那个能在混乱中获益的人。

[Cell 细胞 @cellinlab]

“老登”经济学：不博、不熟、不被忽悠｜对话付鹏
https://t.co/CqWzmZZcp0

[KK.aWSB @KKaWSB]

黄仁勋2025 GTC华盛顿演讲核心要点（了解当前最新AI格局与技术走向的必看视频）

1. AI是第三次全球基础设施革命

黄仁勋强调，AI与电力、互联网一样，是新的全球基础设施。

NVIDIA定位为“AI基础设施的建筑师”，不再仅仅是芯片公司。

2. Blackwell芯片与超级计算机计划

Blackwell芯片在亚利桑那州全面投产，需求远超预期。

2025年，云厂商已订购 360万片Blackwell（2024年Hopper仅130万片）。
与美国能源部合作，建造 7台新型超级计算机，订单总额达 5000亿美元。

3. 量子计算与NVQLink

NVIDIA不造量子计算机，但提供 NVQLink，让量子与AI超级计算机互联。

目标是解决量子纠错瓶颈，加速量子计算商业化。

4. 6G与无线基础设施

投入 10亿美元 与诺基亚合作，升级全球基站。

AI驱动的6G网络将实现低延迟与智能化，美国要摆脱对外国硬件依赖。

5. 机器人与物理AI

预测未来将有 10亿台机器人、1000万工厂、15亿辆自动驾驶车。

推出 Newton物理引擎（开源） 与 Isaac Groot平台（基于Jetson Thor），支持机器人学习和自动化工厂。

6. 推理AI与DeepSeek-R1

展示 DeepSeek-R1，在推理能力上比H100提升4倍。

采用多种并行技术，推动万亿参数模型的训练与应用。
7. 路线图与新产品

Rubin架构将在2026年推出，之后每年更新。

2027年发布 Rubin Ultra（576 GPU）。
面向个人开发者的 DGX Spark AI超级计算机将在圣诞节上市。

8. 全球合作与中美关系

黄仁勋强调 “美国赢，中国赢” 的共存愿景。

提到H20 GPU的中国销售许可证申请，强调中国开源AI对全球的重要性。
在台湾设立 NVIDIA Constellation办事处，推动全球合作。

9. 总体愿景

AI将渗透所有行业：医疗、金融、制造、自动驾驶、��器人。

NVIDIA要“用AI重塑AI”，成为全球AI生态的核心推动者。
公开感谢特朗普政府政策支持，并强调美国科技领导力

完整中文翻译视频链接：https://t.co/wjNn72gRbj

[看不懂的SOL @DtDt666]

会等才是祖师爷，也许你只差了一个“等待”

俗话说，“会买的是徒弟，会卖的是师傅，会等的是祖师爷”。回顾多数人的投资生涯，我们总是费尽心思去找买点和卖点，恰恰忽略了最重要的关于“等待”的修炼。

这其实和人生一个道理，人们总是脚步不停歇地追求财富、地位、权力的步步向上。

没时间“无聊”，没时间“放空”，没时间等待，好像等待就是在浪费时间、浪费金钱一样。

当然今天和兄弟们不想去谈什么人生哲理，重点说一说投资中等待的重要性以及如何能够等待。

01等待心理学

我们每个人都有等待的经历，等待看病叫号，等待办理银行柜台业务，等待排队买票，等待排队游乐场的某个娱乐设施，等待某场约会，可以说等待无所不在，渗透在我们生活的方方面面。

心理学有一门分支叫“等待心理学”（或者称为“排队心理学”），重点研究了人们在等待过程中的心理变化。等待心理学的原理，本质是揭示 “等待体验” 与 “心理感知” 的关联规律。如果说得通俗一些，可以总结为以下3点：

1、心理时间≠钟表时间

因为“无所事事”会放大时间感知，当大脑处于 “闲置状态” 时，会将注意力高度集中在 “等待本身” 上，每一秒的流逝都会被刻意捕捉，进而产生 “时间变慢” 的错觉。比如纯站着排队买奶茶，10 分钟会觉得像 20 分钟；但如果排队时刷短视频，20 分钟可能只觉得过了 10 分钟。

2、“失控的等待” 易引发不满

人对 “失控感” 的容忍度极低：当排队过程中感到 “无法掌控、无法预测” 时，焦虑、愤怒等负面情绪会急剧上升；反之，哪怕等待时间变长，只要有 “掌控感”，不满也会大幅降低。

不清楚 “要等多久”“为什么要等” 时，大脑会自动脑补负面结果（如 “会不会错过重要事”“是不是排队白排了”），进而引发焦虑。比如医院候诊时，若护士不告知 “还要等多久”，患者会频繁询问、坐立不安；但明确告知 “前面还有 3 位患者，预计20分钟” 后，患者会更平静（哪怕实际等了25 分钟）。

3、“公平感” 与 “价值感” 决定接受度

排队的核心诉求是 “规则透明、机会均等”，一旦出现 “插队、熟人优先、隐性特权”，即使自己只等了5 分钟，也会因 “被剥夺公平权” 而愤怒。比如游乐场某设施有人插队，立即就会群情激愤，大打出手，可如果设计了费用更高的优先通道，大家就会非常理解并接受排队。

此外价值感也决定了等待的接受度，等待的 “结果重要性” 越高，人对排队的容忍度越强。比如中考后的探校活动，家长们拿着小板凳等在学校门口，却没有任何怨言（只要孩子能上好高中）。

02“等待”心理学现象与投资��对应

为什么我们要说“会买的是徒弟，会卖的是师傅，会等的是祖师爷”，我们要先看看投资中存在的“等待心理学”现象。

1、投资中的心理时间
我们的时间体感会呈现时间越短扭曲越明显的趋势。比如等待 1 分钟时，人可能觉得过了 3 分钟（偏差 200%）；但等待 1 小时时，通常只会觉得过了 1.2 小时（偏差 20%）。

短时间等待让“不确定性” 更高（比如 “市场会不会立即就拉升或下跌”），大脑会因 “期待落空” 的焦虑进一步放大时间感，从而做出不理智的投资决策。

为什么不鼓励普通投资者做日内交易或短线交易，原因就在于此，更短的交易策略会放大等待的心理时间，从而产生怕踏空或者怕做错的担忧。

相反长线持有，心理时间会缩短很多，时间越长越接近真实时间，可以更加从容的思考投资决策。

比如近期不断上涨的金价，让所有人跃跃欲试，但这个品种从��期来看就是抵御通胀的投资工具，所有短期内出现的上涨因素随时可能消失，但长线的逻辑始终清晰，显然这个属性决定了黄金更加适合长线持有。

如果从1950年算起，75 年黄金的年化增长率约为5%；如果从1971年布雷顿森林体系瓦解后算起，54年黄金的年化增长率约为8%；如果从1980年黄金的价格高点算起，45年黄金的年化增长率约为3%。

2、“失控的等待”

未知的等待会让人焦虑，自动脑补各种场景。去年十一假期是最好的例证，整个十一期间，由于无法交易，A股股民们都只能被动等待，这期间，即使是那些长期深耕股市的老股民都会彻夜难眠，更别说新手们了。所以，我们看到了各种奇葩场景。比如某个大爷非要将银行存款提前取出来，银行无法办理还会各种闹事，迫不及待要在假期后第一时间冲进去。

可以说，正是等待的失控让人们忘记了风险，忘记了交易系统，忘记了投资是一辈子的事情，脑补的场景是“大盘不断的涨停”。

3、“公平感”决定接受度

投资中的公平感建立“比较”的基础上，什么叫公平，别人赚钱我也赚钱就叫公平。如果别人赚钱，我却亏钱，难免心理产生不公平的感觉。��时交易，非常容易受情绪影响，从而出现被反复扇耳光的情况。

03如何“等待”

记得中学时看《基督山伯爵》，里面有一句至今依然印象深刻的话，“人类的一切智慧是包含在这四个字里面的：‘等待’和‘希望’。”

“等待”的智慧同样适用于投资，我们该如何“等待”。按照等待心理学的框架，我们需要拆解等待流程，降低不确定性，主动管理我们的心理预期。

大脑对 “即时反馈” 的依赖（源于进化中的生存本能 ），使得投资中 “长时间无收益” 的等待，会被解读为 “无回报风险”，进而引发焦虑。所以，你需要将“等待”这个因素纳入你的交易体系，接受某一类资产或策略，阶段性就是没有收益或失效的。当等待被纳入交易体系，并形成你不断迭代的规则，焦虑就会减轻。规则无非包括四方面：

第一是建立交易框架。确定什么时候买，什��时候止盈，什么时候止损，这些是建立在你的投资框架上的，因人而异，期货和现货投资的买卖规则自然也不同。大家不要去看视频网红的涨跌分享了，只会影响你的判断。

第二是依据性格选择投资方式。长期定期等额投资（月频、周频），还是资产下跌时买入，是长周期投资还是短线波动交易，你需要找到适合自己性格的方式，如果自己的性格让短线交易放大了你的缺点，就要考虑长线交易。见MBTI与投资：你的性格适合炒股吗

第三接受 “不确定性”。承认投资中 “等待未必有回报”，将等待纳入你的交易体系，可以通过 “分散投资、选择优质标的” 提高 “等待”成功 的概率，同时设定 “止损底线”，避免因 “侥幸等待” 导致无法挽回的损失。

第四赋予“等待”价值感。大家不想等待，无非就是觉得等待是在浪费时间和金钱，但生活中往往就是事缓则圆。

比如长期持有的价值感是什么，不是短期收益的涨跌，你的���标是为10年和20年后的孩子教育和养老提供帮助，所以短线的涨跌根本没有意义。

[零下二度 @jackli727]

sol这波会回调到哪？

因为是走周线级别调整，所以这个下跌大波段的最低点预测是参考上一个反弹大波段的涨幅。最高点是253.55，最低点取94.98。涨幅：253.55-94.98 = 158.57

158.57*0.618 = 97.996

253.55-97.99 = 155.56

所以回调到155.56是抄底的参考点。这个点位刚好接近5日线boll下轨，也接近10.11扎针的位置（虚破后的下一个支撑点）。

这个位置，在8.1也抄底过。这里是熊牛分界点。跌破后，即奔去100方向。跌不破，就会继续在180-236高位震荡。

[Danny2020 @DennySibolin]

@nemoyue0607 群主，已注册交易，拉我一下，谢谢

[小莫啊莫 @nemoyue0607]

二级交易小技巧①｜怎么看资金流向

我最近用 Coinglass 追踪资金流，短线胜率直线上升！它免费提供实时数据，帮你避开市场噪音。

第一步：打开 Coinglass，选你的币种（如BTC/ETH）

Coinglass是加密数据神器，聚合Binance、OKX等多家交易所数据。重点盯两个模块：

现货资金流（Spot Flows） → 追踪真实买卖（非杠杆），显示净流入/流出（正值=买入多，负值=卖出多）。这基于交易所的订单簿和交易量计算，帮你判断机构/散户力量。

期货资金流（Futures Flows） → 看杠杆投机情绪，净流入表示资金涌入合约市场（但不分多空）。结合持仓量（OI）和资金率，能预判爆仓压力。
数据更新实时，覆盖多种时间周期。

现货资金流 = 你的市场指南针 现货流向反映“真金白银”的动向：忽略噪音，直看谁在主导。Spot Flows常领先价格变化1-2小时。

大周期（4h/8h/12h） → 看整体��势，持续净流入，说明市场在积累多头力量。

小周期（5m/15m） → 抓短线脉动。

实战操作：

大周期净流入多 + 小周期也正值 → 趋势稳固，考虑建多仓（e.g., BTC现货流入1B+时，价格常跟涨5-10%）。止损设在近期低点。

大周期净流出多 + 小周期负值 → 卖压重，减仓或空头（避免FOMO抄底）。

案例：2024年BTC现货流入峰值时，价格从6万反弹到7万——用这个避开假突破！

期货资金流 = 情绪放大镜 期货流向不直接分多空，但显示杠杆资金集中度。

多头流入大，但价格滞涨 → 多头承压，资金率高企（>0.1%）时，易爆仓导致急跌。机会：准备空单。

空头流入大，但价格止跌 → 空头疲软，一旦资金率转负，反弹在即。机会：低位多单。

Pro Tip：用Coinglass热图（Heatmap）叠加查看多币联动——如果BTC期货流出，ALT币常跟跌。

如果帮到你，请关注转发评论����

[小莫啊莫 @nemoyue0607]

10.2 看了麦总的分享，了解几个合约交易常用指标数值范围参考：

一、来自gpt

1. OI（Open Interest 持仓量变化）

日维度（24h OI变化率）
> +20%：异常资金涌入，通常意味着大资金开始布局，有可能是趋势启动信号。
+5% ~ +20%：资金逐步进场，配合价格走势看方向。
< -10%：资金流出，行情可能进入衰退/出清阶段。

短周期（5m / 15m OI变化）
突然增加 +2% ~ +5%：往往对应庄快速建仓或爆仓连锁反应，要盯盘结合K线价格���向。
突然下降 -2% 以上：清仓或爆仓，注意是否伴随急跌。

2. 资金费率（Funding Rate）

> +0.05% 每 8h（偏高）：多单过于拥挤，市场情绪偏多，随时可能多杀多。

< -0.05% 每 8h（偏低）：空单过于拥挤，市场情绪偏空，随时可能空杀空。

中性区间：-0.01% ~ +0.01%：多空相对平衡，可继续观察 OI 变化来判断。

3. OI / 市值 比例

这是一个“杠杆敏感度”指标，衡量该币的合约持仓量相对现货市值的比重。

正常范围：1% ~ 5%
大部分主流币在这个区间，说明资金参与度适中。

偏高：5% ~ 10%
合约盘杠杆堆积，稍有波动就可能引发连环爆仓（风险与机会都大）。

极端：10%+
高度异常，说明“赌桌”上全是杠杆玩家，往往意味着要出大行情（庄最喜欢这种情况）。

👉 OI/市值比高 = 桌上全是杠杆玩家 → 更容易出现瀑布或者拉爆。

4. OI 变化 vs 价格变化（关���联动逻辑）

OI ↑ + 价格 ↑
大资金加仓做多，趋势可能���续向上。

OI ↑ + 价格 ↓
大资金加仓做空，或诱多后反杀（要小心庄控盘）。

OI ↓ + 价格 ↑
空单出局（空杀空），价格短线爆拉。

OI ↓ + 价格 ↓
多单出局（多杀多），价格短线急跌。

📊 扫盘实用流程

每天开盘前：
排序前 20 币种，按 24h OI 变化率 从高到低扫一遍。
标记异常值（比如 OI+30% 且价格大涨/大跌），这些基本就是“庄在搞事”的币。

盘中盯盘时：
5分钟 / 15分钟 OI 快速跳动，配合K线，往往就是行情启动点。建议在交易软件里设置 OI变化 > ±3% 短时提醒。

看日线 → 找潜在庄控盘币（异常OI + 价格联动）
看短线 → 盯庄资金进出场（5/15分钟OI剧烈变化）

核心指标：OI/市值比越大，越容易出现大行情；资金费率则用来反推市场情绪。

二、来自gemini

附上图一是gemini的参考值范围。

画出“高概率做多”和“高概率做空”机会的具体画像。

画像一：如何寻找“高概率做多”的机会 (主力拉升，顺势“蹭车”)
���后的故事： 主力资金（庄/游资）正在入场，一边拉升价格，一边建立多头仓位。我们的目标是在他们拉升的途中，找到一个回调或盘整的“上车点”。

量化筛选标准 (需同时满足至少3条):

1. 价格与持仓同步暴增 (核心信号):
24h Price Change > +10%
24h OI Change > +40% (红色警报级别)
为什么： 这是最经典的“价涨量(持仓)增”，说明有源源不断的新资金入场，且成功地推高了价格。上涨是健康的，有真实资金在支撑。

2. 主力控盘特征明显：
OI / Market Cap > 20% (黄色警报以上)
为什么： 说明合约市场的热度（持仓量）相对于这个币的总盘子（市值）来说非常高。这排除了BTC/ETH那种大盘股，目标直指那些被主力资金高度关注的“小盘妖币”。

3. 市场情绪尚未极端狂热：
Funding Rate 处于正常或黄色警报范围 (< +0.05%)。
为什么： 我们要找的是“拉升初期或中期”的机��。如果资金费率已经高到离谱（红色警报），说明散户已经全面FOMO，主力可能随时准备出货，此时追多的风险远大于收益。

入场信号 (盯盘时使用):
在满足以上条件后，当价格出现5/15分钟级别的小回调或横盘时，突然看到 5m OI Change 出现巨大的正值（比如 +10M USD）。
为什么： 这很可能是主力资金在利用回调“加仓”！这是最明确的“上车”信号，说明他们认为拉升还未结束。

画像二：如何寻找“高概率做空”的机会 (盛宴终结，空头猎杀)

背后的故事： 一个币经历了长时间的疯狂拉升，市场情绪达到顶点，所有散户都已入场追多。此时上涨乏力，早期入场的主力准备获利了结，收割后来的多头。

量化筛选标准 (需同时满足至少3条):

1. 价格狂热，后继乏力：
24h Price Change 曾一度非常高，但最近1h/4h K线在高位出现长上影线、十字星等滞涨信号。

2. 持仓量巨大，但出现背离 (��心信号):
24h OI Change > +50% (红色警报级别)。
并且，在15分钟或1小时图上，出现价格无法再创新高，但OI仍在增加的“顶背离”现象。
为什么： 这是最危险的信号！它说明价格上涨的动能已经衰竭，但不明所以的散户还在疯狂涌入开多。这些后来的多头，即将成为空头的“燃料”。

3. 市场情绪极度贪婪：
Funding Rate 极高，达到红色警报级别 (> +0.075%)。
Long/Short Ratio > 2.0 (红色警报级别)。
为什么： 极高的费率会让多头的持仓成本剧增，只要价格横盘不涨，他们就会“流血”。同时，一边倒的多空比表明市场上已经没有更多的多头可以接盘了，趋势反转一触即发。

4. 主力控盘特征明显：
OI / Market Cap > 30% (红色警报级别)。
为什么： 说明这个币已经变成了一个纯粹的“情绪赌场”，基本面被完全忽略，一旦情绪逆转，就会发生踩踏。

总结与实战流程

每日扫描 (定目标): 每天早上，按照上面的数值标准，快速扫描CoinGlass的“行情”页面，找出1-2个符合“画像一”或“画像二”的币，加入您的**“重点观察列表”**。

深入分析 (定策略): 对列表里的币，进行我们之前演练���的K线和现货资金流的深度分析，确认基本面和技术面是否支持您的判断。
制定计划 (等执行): 制定出精确的入场、止损、止盈点位，然后耐心等待“叶子”级别的入场信号出现。

[老张🤟与神对话 @zhang_bj_]

AHR999囤币指标

该指标由微博用户ahr999创建，辅助比特币定投用户结合择机策略做出投资决策。该指标隐含了比特币短期定投的收益率及比特币价格与预期估值的偏离度。

当ahr999指数 < 0.45 ，就可以抄底；

当ahr999在0.45-1.2之���，则适合定投；

当ahr999 >1.2，那么币价已经比较高了，不适合操作。

从长期来看，比特币价格与区块高度呈现出一定的正相关，同时借助定投方式的优势，用户可以控制短期定投成本，使其大都位于比特币价格之下。

[T神 @Tshen1688]

混社会要知道的30条经验：

1.没实力，就不娶老师、医生、银行女。

2.住酒店，千万别做夫妻之事。

3.不要轻易上去异性家里坐坐，喝口水。

4.不管别人的家事、钱事和情事。

5.对任何人，都要“事不过三”。

6.男人都好色，只不过有的隐藏比较深。

7.帮忙亲戚朋友看关系远近，否则就拒绝。

8.朋友再好，涉及利益一样翻脸!

9.烟酒茶财色，堪称社会办事儿潜规则必
需品。

10.没接通的电话，不要打第2遍！

11.半路下车的人很多，不必耿耿于一杯。

12.路上捡钱是破财，不能���，要赶紧花掉。

13.单位聚餐时，不要坐在领导正对面。

14.不要和朋友的老婆讲黄段子，也不要和闺蜜的老公单线联系。

15.欲多，为身体第一病。言多，为涉世第一病。

16.帮不上忙的事儿，别问。

17.把经历转化成经验，一心向前，大步向前走。

18.当你越来越有钱的时候,自然会有人喜欢你。

19.一定要学会赞美，不管是人前还是人后，都能让你交到朋友。

20.别空手吃别人的饭，也别空手去别人家里。

21.茶水喝多了，牙齿会变黄!

22.永远不要和这三类人合伙做生意：亲戚、朋友、女朋友。

23.出门只求财，不斗气。

24.买车，尽量不要买黑色。

25.看病人，不要拍照，不要发朋友圈。

26.干得好不如娶得好，婚姻的下半场拼的是妻子。

27.不要小看肤白貌美的女人，更不要小看耳朵高于眉毛的男人。

28.男人开车，女人不吵架；女人开车，男人不叽歪。

29.不要啃老，越是这样做，就会越穷!

30.人生都要吃苦，无论有钱没钱。人生都能快乐，无论有钱没钱。