frog Z

[GOLD @Honcia13]

兄弟们就别沉迷刷抖音了。
强烈推荐花3个小时看完北京大学内部投资学习课程。 投资必看！
李录演讲：全球价值投资与时代
经典中的经典

[流氓兔🐰 @LiumangtuCrypto]

建议兄弟们都去看这部Netflix高分纪录片

《聪明生活经济学》

看完彻底刷新金钱认知。

[宝总的财富指南 @baozong_facai]

刚刚刷了李嘉诚专访完整版。

现在再看，他很多决策真的走在了时代前面。

不得不佩服他的判断和远见

[Adam Livingston @AdamBLiv]

MSTR Reality Check

Emotions are running high!

People are getting manipulated by all of the engagement farming FUD and for some reason think Saylor and Strategy are on the brink of some death spiral.

As per usual, these people don't do math. They just post a red chart with a doomer sentence for clicks.

If I remember correctly, MSTR survived 2022. Actually, I don't have to remember, because I can buy the stock today.

Let us compare it to the absolute depth of the 2022 bear compared to today.

On November 21, 2022, Strategy had 130,000 BTC.

Their outstanding debt (senior claims) was equivalent to 146,735 Bitcoin.

Yes, the amount of Bitcoin that MSTR shareholders were economically exposed to was NEGATIVE. -16,735 Bitcoin.

The senior claims left zero residual for the common stock, and yet the stock never went to zero. On that same day, the stock closed at $15.72. The common equity bitcoin exposure NAV per share was -$2.33.

Today, they have 847,363 Bitcoin, with senior claims in Bitcoin at ~351,567 BTC.

Yes, in 2022 the common equity was exposed to -16,735 BTC and now it is exposed to 495,796 BTC.

2022 common equity sats/share: −14,786 sats/share
2026 common equity sats/share: 138,146 sats/share

2022 common equity NAV per share: -$2.33
2026 common equity NAV per share: +$81.69

Yes, right now the stock is trading at $87.64 vs the NAV per share of $81.69.

That means the true CEBE mNAV is 1.07x, a 7% premium to the residual left over after senior claims.

Strategy has a balance sheet built for war.

This is a cake walk compared to 2022.

[Art of Speculation @ArtofSpecuycky]

英特尔CEO陈立武最新访谈，提到的几个被市场低估的方向
英特尔CEO陈立武最近的一场访谈，提到了几个值得关注的新材料和资源方向，整理一下，结合我自己的判断说说怎么看。

陈立武这次访谈让我印象最深的是他反复提到的几个底层方向：SiC、GaN、Glass Core，以及很多人忽略的人造钻石。这几个方向看起来都不性感，却指向同一个问题：AI正在从拼算力，转向拼连接、拼散热、拼材料、拼电力。未来市场会越来越关注谁控制瓶颈，谁掌握关键材料。

1. InP（磷化铟）
作用：光模块，光通信，800G/1.6T，AI数据中心互连

投资逻辑: AI集群越大，光互连越重要。高速激光器和下一代光引擎，越来越依赖InP材料。

首选股票: 纯InP（AXTI），InP + 光器件龙头（COHR、LITE）

2. SiC（碳化硅）
作用：电动车，电源管理，AI数据中心电源

投资逻辑: AI最大的瓶颈之一是电力。SiC提升电源转换效率，是下一代高功率系统的重要材料。

首选股票：ON、STM
高风险高弹性：WOLF

3. Glass Core（玻璃基板）

作用：下一代封装基板，超大尺寸GPU封装，HBM高层堆叠，高频高速信号传输

投资逻辑：随着GPU越来越大、HBM堆叠越来越高，传统ABF有机基板正在接近物理极限。Glass Core拥有更好的平整度、更低的热膨胀系数以及更优异的高频信号性能，被认为是下一代先进封装的重要基础材料。

首选股票：GLW（康宁）

4. Gallium Nitride（GaN，氮化镓）

作用：AI数据中心电源，800V DC，电源管理，射频通信

投资逻辑：
GaN属于第三代半导体材料，拥有更宽的禁带宽度、更高的击穿电场以及更高的开关频率。相比传统硅器件，GaN能够实现更高的电源转换效率、更小的体积和更低的能耗，因此正在逐渐进入AI服务器、电源模块和下一代数据中心供电架构。

首选股票：NVTS、POWI、IFNNY（ADR）

5. 人造钻石
这个是很多人忽略的。

作用：GPU散热，ASIC封装，高频光器件

投资逻辑：AI芯片越来越热，散热正在成为新的瓶颈。
人造钻石拥有远超铜的导热性能，未来有望应用于GPU、ASIC等高功率芯片散热，甚至部分高端光器件热管理。但目前成本和工艺仍是限制，更像是2030年以后值得重点关注的新材料方向。

首选股票：大部分都是A股公司，严格说没有特别纯的美股标的。

如果按我自己的投资优先级排序：
Glass Core（玻璃基板）≈ InP（磷化铟） > SiC（电力） > GaN（氮化镓） > 人造钻石

[Alpha捕手 @alphahunter000]

HBM的原理到底是什么？
中间为什么会反复穿插PCB和先进封装
这三个方向就是未来一段时间AI的投资方向

[Phil Rosen @philrosenn]

Jordi Visser (@jvisserlabs) is buying AI stocks that win the next decade and most investors aren't ready.

We sat down to unpack why he's moving off the Mag 7, how to invest in AI bottlenecks, benchmark arbitrage, and how to lean into new technology to make more money.

Jordi combines decades of Wall Street experience with cutting edge AI research.

This is a must-listen conversation with one of the best in the industry.

Spotify: https://t.co/5yhRIhUC14

TIMESTAMPS:

0:00 - Your capex is my opportunity
3:06 - Entering the Physical AI Stage
5:12 - 5-Layer AI Economy
7:06 - Fading the Mag 7
8:52 - Benchmark Arbitrage
11:37 - Signal, Alpha, Agency
16:22 - The bubble argument that holds
17:43 - Selling Micron $MU
22:49 - Are bottleneck trades obvious?
24:19 - Parabolic asset prices
25:46 - Earnings risk
26:10 - Price vs. fundamentals rotation
28:32 - Risks to memory trade
30:44 - Silver bull thesis
31:43 - Marvell $MRVL
34:20 - Eli Lilly $LLY
37:39 - Government stake in AI
42:52 - Leaving Wall Street
47:39 - Career advice for the AI era
50:45 - Follow Jordi

[The Assembly @InTheAssembly]

Jensen Huang has been saying it for months.

AI's energy needs are going to break the grid, and nuclear is the answer.

3 stocks I have been watching are not getting the same attention as the usual nuclear names.

Here’s the list:

IMSR (Terrestrial Energy).

Building the Integral Molten Salt Reactor, a Generation IV SMR that produces electricity and high-temperature process heat. NRC just approved their key safety report. Also signed an MoU with Riot Platforms to co-locate plants with data centers for AI compute, up to 4 GW total. DOE agreements stacking up.

NUKX (Nicholas Nuclear Income ETF).

Actively managed, focused on nuclear industry stocks plus direct uranium exposure through US-listed uranium ETFs. Has an options overlay for income on top of the sector play. Launched in March. A clean way to get diversified exposure without picking single names.

XE (X-Energy).

Building the Xe-100, a pebble-bed high-temperature gas-cooled reactor. Each unit is around 80 MWe, with a four-pack plant putting out 320 MWe. Uses proprietary TRISO-X fuel (billiard ball-sized pebbles holding thousands of TRISO particles). Inherently safe, flexible for electricity or industrial heat. Just submitted for UK Generic Design Assessment.

Nuclear is starting to get real momentum.

At The Assembly, we track this stuff so you don’t have to.

But you need to follow us so you do not miss our alerts. This is extremely important.

A lot of people are going to wish they followed us sooner.

[frog Z @frogZ51316582]

@ViewsOfChris 中国公司的治理差，中国人的诚信差，原因在于短择，没人看长远。无论是现在还是古代，都没有私有产权保护，百年基业都没有。短择是理性的选择。国家治理，中央极权，外儒内法，重农轻商，这些共同影响了文化，割是必然。你不割，你build，你就是肥羊

[frog Z @frogZ51316582]

@TiezhuCrypto fed不是要缩表吗 怎么又要买coupon 现在一直再把长久期的滚动减少吧

[Art of Speculation @ArtofSpecuycky]

黄仁勋在Computex说AI的尽头是连接——这就是为什么我一直在拿着NOK

说一件我觉得市场还没完全price in的事
过去三年大家炒的方向是GPU、HBM、ASIC、先进封装。背后逻辑只有一个：怎么把更多算力塞进一个机柜。这个阶段叫Scale-Up，现在基本已经是共识了。
但Scale-Up有一个天花板。
AI工厂越建越大，单个数据中心已经撑不住未来的训练规模。电力、土地、冷却、并网、施工，每一个都是硬约束，不是砸钱就能解决的。所以未来一个超大规模的AI集群，不会只存在于一栋楼，是分布在多个机房、多个园区、甚至多个地理位置，一起训练同一个模型。
这个方向最近在各大云厂商的财报电话会里出现的频率越来越高，有一个词 Scale-Across。
Scale-Across一旦成为主流，连接的重要性就开始第一次真正接近计算本身。
以前是GPU决定一切，网络没那么重要。但Scale-Across的逻辑反过来了，GPU每增加一倍，连接需求可能增加两倍甚至更多。因为每新增一个计算节点，都需要和更多现有节点互相通信，这是指数级的需求增长。
所以你最近会看到一批看起来完全不同的公司开始讲同一件事：有人讲分布式AI训练，有人讲数据中心互联，有人讲骨干光纤，有人讲Pump Laser。这些不是孤立的故事，背后是同一个逻辑在展开。
Murphy在Computex提到的The Distance-Free Datacenter，就是这个逻辑的终极形态：GPU池化、存储池化、CPU池化，不一定挨在一起，只要连接足够快，整个系统从外面看还是一台超级计算机。而实现这一切的基础设施，就是光。

现在很多人讨论光通信，还在第一层
800G到1.6T到3.2T到CPO，这条路没错，但它只是整个故事的开头。
完整的连接革命分三层：机柜内的连接是Scale-Up，光模块和交换机解决数据中心内部是Scale-Out，而跨数据中心、跨园区的连接是Scale-Across，这一层需要的是相干光DSP和骨干光传输系统。
CPO解决的是第一层，但Scale-Across需要的是第三层。这是市场目前还没有充分定价的地方，只有部分price in。
第一层Scale up基本price in，第二层Scale out大部分price in，第三层Scale across只有一部分price in。

为什么Nokia值得关注
很多人对Nokia的印象还停留在传统通信设备公司，这是市场目前给它相比于CIEN定价依然偏低的根本原因（CIEN forward pe 139，NOK forward pe 43.8）。
去年Nokia收购了Infinera。Infinera最核心的资产是相干光DSP的自研能力，这恰好是数据中心互联和骨干光传输最关键的技术环节。收购完成之后，Nokia同时拥有了相干光DSP芯片、可插拔光模块、骨干光传输线路系统，覆盖了从器件到系统的完整链条。1.6T已经在量产，2.4T和3.2T正在测试中。
这种纵向深度是大多数纯光模块厂商做不到的。
业绩层面，今年一季度AI和Cloud客户的订单同比增长49%，单季新增约10亿欧元，同时上调了全年指引。这已经是在兑现了。
但市场还是在用传统通信公司的估值逻辑来给它定价。
现在Nokia身上堆叠的叙事越来越多：光通信、AI数据中心互联、AI-RAN、边缘AI、Physical AI、英伟达生态合作。大部分这些方向还没有真正进入估值模型。

还有一个没有被充分讨论的供应链瓶颈
大家讨论光通信，通常会聚焦在光模块、DSP、EML激光器。但我觉得真正最缺的是InP，磷化铟。
Pump Laser、Narrow Linewidth Laser、Gain Chip、相干器件、光放大器，这些关键器件几乎都依赖InP。而InP的晶圆产能和硅完全不是一个量级，扩产周期也更长。
过去几个季度，Lumentum、Coherent、Nokia、Fabrinet、Applied Optoelectronics的财报里都提到了类似的问题：激光器交期拉长、InP产能跟不上、订单积压。
这里就要说到Nokia收购Infinera这笔交易为什么重要。
Infinera的核心资产之一，是自己有InP晶圆的垂直整合能力。它不只是买InP器件，它自己能做。从InP晶圆到相干光DSP芯片到可插拔光模块，整条链条在内部打通了。Nokia收购Infinera之后，等于把这个能力一起拿进来了。
这意味着当整个行业都在喊InP缺货、激光器交期拉长的时候，Nokia有一个别人没有的优势——它不完全依赖外部供应链，部分关键器件可以自己供给自己。在供应链紧张的环境下，这个能力的价值会被重新定价。
AI扩张的链条很清晰，GPU增加，机柜增加，数据中心增加，园区增加，跨园区连接需求增加，相干需求爆发，InP产能成为新的瓶颈。
市场的关注点会从HBM扩散到光模块，再进一步到相干DSP、Pump Laser、InP产能、光纤基础设施。这条链条还在向外延伸，目前走到哪一步都还没到头。

还有一层更远期的逻辑
黄仁勋最近反复在讲Physical AI。
未来不只是云端Agent，还有大量物理Agent会出现：机器人、自动驾驶、工业设备、智能工厂，每一个都是AI节点。
当算力从数据中心扩散到基站、工厂、汽车、机器人，连接的需求又会提升一个台阶。
Nokia在这里的位置很特殊。它本来就在替电信运营商建基站，有深厚的无线整合能力和运营商关系。英伟达想推AI-RAN，把基站变成微型AI数据中心，Nokia刚好站在这个交汇点上。
这部分现在还很早，短期不会有业绩兑现，叙事在推进就够了。

我怎么看自己的仓位
在13.8买的2028年1月21号 27的LEAPS还有15.6买的一部分现货，没打算动。
中间10%、20%的波动我不太在意。真正的风险是逻辑成立之后却在爆发之前提早卖了（比如说不知道老黄突然又来个喊单像mrvl这样😅，长期来说我挺不喜欢这种消息面直接拉涨的，还是喜欢慢慢涨，慢慢涨才健康，筹码充分换手）。
现在市场讨论AI，大部分注意力还在GPU和HBM，连接层的重新定价才刚刚开始。
AI第一阶段解决的是算力，第二阶段解决的是存储，第三阶段解决的是连接。
如果这个判断是对的，Nokia现在的估值和它应该有的估值之间，距离比大多数人想的要大得多。
逻辑没变，就继续拿着。

[浪飞价值投机 @yangskyfly]

学习了

[Freda Duan @FredaDuan]

Capex/FCF -> Debt/Leverage

Most ROI analysis on AI has focused on Big Tech capex and FCF.

But as more companies approach zero or negative FCF, I think the focus needs to shift toward net debt and leverage.

Given the ROI we are seeing from AI investments, I suspect companies will not pause spending simply because FCF hits zero - which is already happening for some names. The real constraint is more likely to come when companies (first) move into net debt, and (then) when leverage reaches a level that is no longer sustainable.

The complication is that many Big Tech companies now have meaningful off-balance-sheet obligations - finance leases, operating leases, JVs, purchase commitments, and cloud/infrastructure commitments. These may not show up as debt today, but they will likely become a drag on FCF over time.

-------------------
$GOOGL

$GOOGL is relatively clean from an off-balance-sheet perspective, other than approximately $76B of leases not yet commenced.

Management has also said $Googl does not intend to move into a net debt position. Using consensus estimates from Visible Alpha and assuming $Google is willing to run down to roughly zero net cash, the implied maximum capex for FY27 would be approximately $280B, or roughly 50% YoY growth.

$GOOGL also has some buffers:
- ~$40B from the $80B equity raise (a $15B convert, $15B common equity, $10B private placement, and $40B ATM offering) (source: https://t.co/wAEEfPLeoo)

- ~$10B per year of dividends that could theoretically be adjusted.

-------------------
$META

$META has much larger off-balance-sheet commitments.

The two biggest buckets are:

1. Leases not yet commenced - $183B off balance sheet as of 1Q26

2. Non-cancelable contractual commitments - $238B as of 1Q26
Importantly, $42.25B is due in 2026 and $47.65B is due in 2027.

$Meta also disclosed several additional items that are worth tracking separately:

- A contingent obligation to purchase up to $14.72B of cloud capacity over five years

- April 2026 infrastructure contracts that increased non-cancelable commitments by another ~$24B

- Unconsolidated VIE exposure of $46.0B maximum exposure to loss tied to venture economics

It is impossible to know the exact future FCF, cash, and debt impact from these off-balance-sheet items. But directionally, $Meta looks much more likely to move into a net debt position once we account for these obligations - especially given the $42.25B due in 2026 and $47.65B due in 2027.

-------------------
Bottom line

The AI capex debate should not stop at reported capex and FCF. For companies with large off-balance-sheet commitments, the better question is: what does the balance sheet look like once these obligations start flowing through cash? On that basis:

$GOOGL still looks relatively clean and has the most balance-sheet flexibility.
$META has the most meaningful off-balance-sheet risk and is likely to move into a net debt position.
$AMZN has large commitments and seems certain to move into net debt.

Net-net, I actually (weirdly) feel better after going through this exercise.

1/ These companies still have some cash buffers. Even after adjusting for off-balance-sheet commitments, most are not getting to an unsustainable leverage position in the near term.

2/ This analysis is based on consensus cash flow from operations. Actual CFO could come in higher if AI ROI starts showing up more meaningfully.

3/ Companies still have some flexibility - not a ton, but some - if they decide to slow or pause share repurchases and dividends.

So the conclusion is not that Big Tech is immediately constrained. The better question is: how far can they push AI infrastructure spending before the balance sheet, not the income statement, becomes the constraint?

+++
Full analysis: https://t.co/2ZzO8YJ9xy

[Manchurius Hao — Greeks.live首席赌狗 @AntonLaVay]

为什么 MLCC 又重要了？

本文专注于三个问题，大家各取所需：

1. 为什么现在MLCC变得重要了？
2. 为什么是高端MLCC？
3. 为什么本次更像是结构性短缺而非补库存周期。

请注意，本文的逻辑您可以直接复制给你们的AI，AI会告诉你基于本文描述的情况还能找到哪些其他的产业，或是在中国A股有什么标的。

本文不赘述此处，但是欢迎大家评论区留言讨论。

觉得大家有点价值，欢迎大家画一刀点个订阅。

---------TL:DR---------

1. 为什么现在MLCC变得重要了？

过去看MLCC，会把它当成一个手机、PC、汽车电子周期品。

手机出货好，MLCC好；消费电子差，MLCC差。这个理解不能说错，但在AI服务器时代，它已经不够用了。

因为AI数据中心正在把MLCC从一个“普通被动元件”，重新推回到一个非常关键的位置：Power Delivery Network，也就是供电网络。

AI服务器的核心问题，不只是GPU够不够多，HBM够不够快，光模块够不够密。还有一个更底层、更物理的问题：

这么大的电流，如何稳定、低损耗、快速响应地送到GPU/ASIC核心？这就是MLCC重新变得重要的原因。

现在的数据中心供电架构正在发生变化。传统服务器时代，12V供电已经用了很多年。但AI rack功耗暴涨之后，行业正在往48V/54V，甚至±400VDC/800VDC演进。

Google、Meta、Microsoft推动OCP Diablo 400；NVIDIA也在推800VDC AI factory power stack；TI、Vertiv、ABB、Delta这些公司也都在围绕800VDC架构布局。

但这里有一个容易被误解的点：

高压供电解决的是远距离传输效率，不是芯片核心附近的供电问题。800V也好，48V也好，最终到GPU/ASIC核心，仍然要变成不到1V的核心电压。

而一个1000W级别的AI芯片，如果核心电压约1V，意味着它附近要处理的不是几十安培，而是数百到上千安培的瞬态电流。

这才是真正可怕的地方。

AI芯片不是一个稳定耗电的灯泡。它的负载会快速跳变。某个计算任务起来，电流需求瞬间拉高；电源网络如果响应不够快，电压就会下陷，也就是voltage droop。droop太大，轻则降频，重则错误、宕机、可靠性下降。

所以越靠近GPU/ASIC，越需要大量电容作为局部电荷缓冲，压低PDN阻抗，抑制噪声和电压波动。

这就是MLCC在AI服务器里的真实作用。

它不是“板子上随便贴一堆小电容”。它是在帮GPU/ASIC维持高速运行时的供电稳定性。

2. 为什么是高端MLCC？

但这里必须强调：真正重要的不是所有MLCC，而是高端MLCC。

为什么？

因为AI服务器需要的不是普通消费级规格。它要的是：高容量、小尺寸、低ESL、低高度、高可靠、高耐压、耐高温，甚至要能放在package附近、land-side、die-side，或者参与嵌入式PDN设计。

普通MLCC解决不了这个问题。因为在高频场景下，电容不是只看容量。ESL，也就是等效串联电感，会变得非常关键。ESL太高，电容在高频下就不像电容，反而会失去去耦效果。

所以AI服务器真正需要的是低ESL、短电流路径、大电流截面积、能贴近芯片的MLCC。

这就是为什么村田在AI服务器供电指南里，不是泛泛而谈“MLCC需求增加”，而是专门讲die-side、land-side、低ESL、低高度、小型高容量，以及PDN仿真和元件摆放。

这背后的意思是：高端MLCC已经不只是材料问题，而是供电架构问题。这也解释了为什么这轮更像“结构性短缺”，而不是普通周期补库存。

3. 为什么本次更像是结构性短缺而非补库存周期？

普通MLCC并不一定短缺。手机、PC、一般消费电子需求并不强，很多标准规格并没有进入全面紧缺。

但AI服务器用的高端MLCC是另一回事。

它受限于几个东西：

第一，需求增长不是单纯来自AI服务器数量增加，而是每块AI baseboard、每个power module、每个GPU/ASIC附近的电容用量和规格都在上升。

第二，高端MLCC产线不是普通产线随便切一下就能做。小型化、高容量、低ESL、高耐压、高温可靠性，都涉及良率、工艺、材料和测试能力。

第三，AI服务器客户认证周期长。进入GPU/ASIC供电网络的元件，不是今天报价、明天替换。它要和主板、封装、电源模块、热设计、仿真模型一起验证。

第四，头部供应商不太可能为了短期需求疯狂扩普通产能。经历过多轮MLCC周期后

村田 (村田製作所, Murata https://t.co/lHXrdl6yMw)
太阳诱电(太陽誘電, Taiyo Yuden https://t.co/erVijg8q33)
三星电机 (삼성전기，Samsung Electro-Mechanics https://t.co/TA9R56J2MA)
TDK (https://t.co/FLE55Ou2C7)

这些厂商更倾向于把产能分配给高端、高可靠、高利润规格，而不是重走低端过剩路线。

所以我们看到的可能不是“MLCC全行业普涨”，而是：

低端松，高端紧。消费级松，AI服务器紧。普通规格松，高容量/高耐压/低ESL/低高度规格紧。

这就是结构性短缺。

还有一个问题：硅电容会不会替代MLCC？

我的理解是，不是简单替代，而是分工。越靠近die、越高频的位置，硅电容会更有价值。它可以进入封装，interposer、die-side附近，处理极高频瞬态。但板级、power module、48V输入输出、land-side、中高频去耦，仍然需要大量高端MLCC。

所以硅电容的出现，并不是否定MLCC逻辑，反而说明同一个趋势：

AI芯片附近的电源完整性，正在变成新的价值池。

未来不是某一种电容通吃，而是MLCC、硅电容、聚合物电容、嵌入式电容基板一起分工。

因此，MLCC这条线最重要的判断，不是“会不会像2018年那样全行业大缺货”。

我认为更正确的问题是：

AI服务器高端MLCC会不会持续紧？

我的答案是：大概率会。

因为AI rack功耗还在继续上升，48V/54V只是当前阶段，±400VDC/800VDC是下一阶段，但不管远端电压怎么升，最终芯片核心附近都必须面对低压、大电流、高瞬态、高热密度的问题。

只要这个问题存在，高端MLCC就会继续重要。

短缺也更可能出现在这些方向：

高容量、小尺寸MLCC

低ESL、低高度MLCC

land-side / die-side 用MLCC

48V电源系统里的高耐压MLCC

高温、高可靠、服务器级认证规格

能参与PDN仿真和客户协同设计的高端料号

所以这不是简单的“被动元件涨价故事”。

更准确地说：
MLCC正在从消费电子周期品的一部分，变成AI基础设施供电网络的一部分。

这也是为什么它值得重新研究。

AI产业链的利润池，不只在GPU、HBM、光模块。
当算力继续堆高，瓶颈会自然扩散到供电、散热、互联、存储这些底层物理环节。

而MLCC这一次站上的，正是“供电完整性”这个位置。

这才是这轮高端MLCC行情最值得重视的地方。

[Manchurius Hao — Greeks.live首席赌狗 @AntonLaVay]

https://t.co/7AtkKLRCi2

[Art of Speculation @ArtofSpecuycky]

跟着黄仁勋的时间线走，每一阶段的钱都在提前切换

过去一年，如果你认真拆老黄每次GTC、财报会、闭门峰会说了什么，会发现AI基建的主线其实一直在切换。真正厉害的资金从来不是等新闻出来再追，而是提前拆下一阶段CapEx会流向哪里。

整个时间线其实非常清晰。

第一阶段：GPU → HBM → CoWoS → Memory
最早被老黄反复强调的方向。
Blackwell开始，HBM已经从外围配件升级成AI架构核心。老黄在财报会上明确说了：Blackwell和Vera Rubin的性能瓶颈，越来越取决于HBM带宽与供应。
很多人还把 $MU当周期股。但老钱已经开始把存储当AI structural asset来定价。

第二阶段：Ethernet → 光通信 → Silicon Photonics
2026上半年真正爆发的第二条主线。
AI集群进入十万卡级别后，真正限制效率的已经不是单卡性能，而是GPU之间的数据流动效率。老黄开始疯狂强调Spectrum-X、Ethernet、Scale-Out、Silicon Photonics。
NVLink解决的是Scale-Up，柜内互联。真正的大规模AI集群最终拼的是Scale-Out，柜外组网。AI越大，Ethernet的地位反而越强。
$ANET $MRVL $CRDO $ALAB $LITE ——这些AI数据流动收费站开始进入估值扩张阶段。

第三阶段：Inference CPU / Agentic AI
2026 Q1财报会后华尔街开始重新定价的方向。
很多人之前觉得AI时代CPU会边缘化。但老黄在5月财报会明确：Inference爆发后，CPU反而重新成为瓶颈。Agentic AI、Inference、Orchestration都需要大量CPU调度。 $ARM $QCOM $ADI $TXN $MCHP开始明显走强。
很多人还在盯GPU，但老钱已经开始提前布局Inference infrastructure。

第四阶段：AI-RAN + Edge AI + Physical AI
我认为这是2026下半年到2027真正可能成为主场的方向。
AI第一阶段是Training，第二阶段是Scale-Out。接下来AI必须真正离开hyperscaler数据中心，进入现实世界。
老黄已经把话说得很清楚：未来AI会进入运营商网络、边缘节点、基站、机器人、工厂、汽车。AI不会永远只待在云里。
这一阶段分三类受益方向。
AI-RAN和边缘网络：未来全球几百万个基站可能都会变成边缘AI节点。真正值钱的是射频、DAC/ADC、FPGA、边缘推理网络。 $NOK是AI−RAN联盟的核心发起人，英伟达直接投资背书。
Edge AI和On-Device AI：Agentic AI开始长进PC、手机、汽车、边缘网关。设备端AI最大的问题是低功耗推理加本地memory加实时连接。 $QCOM $SIMO这些传统边缘芯片公司的估值可能会被重新定价。
Physical AI和Robotics：散户喜欢炒机器人概念，但真正决定机器人能不能大规模落地的是工业控制、PLC、伺服系统、自动化基础设施。未来真正持续扩估值的，可能不是最性感的人形机器人概念，而是卡住物理世界执行层的工业收费站。 $TSLA $ABB $SYM $ROK。

总结
AI的下一阶段已经不只是训练模型。而是让AI真正进入现实世界。每一次老黄开口，都是在提前告诉市场下一阶段的钱会流向哪里。

#PhysicalAI #EdgeAI #AIRAN #光通信 #机器人 #数据中心 #半导体 #AI算力

[NullOreo @NullOreo_]

可能是提高你投资成熟度的一篇内容。

投资真正需要看重的，不是某一个仓位赚了多少倍，不是某一笔具体的巨大盈利，是整个账户能不能长期、稳定地向右上倾斜。也就是说，是能不能构建出一条稳定增长的账户曲线。

老生常谈的“慢就是快”“复利”其实就是这么个东西，但真正想做到账户曲线平滑，稳定增长，其实是非常难的。这个右上倾斜，不是每天都涨。它可以有回撤，有横盘、震荡，但它不能是尖峰式的暴涨暴跌。

它应该像台阶一样，一层一层往上走。

按我个人的认知，想要做到这样需要三个东西

第一，要待在一个长期有正期望的资产或策略里
第二，要避免尖峰式的回撤
第三，要有再平衡和利润沉淀机制

如果一个账户永远在短线进出，永远在猜明天涨跌，永远想躲开每一次回撤，那它很难真正吃到一个长期逻辑的完整兑现。

很多真正大的收益，往往不是一天两天产生的。它需要时间，需要趋势延展，需要企业基本面持续兑现，也需要市场逐渐重新定价。如果没有长期持有的能力，就很容易在刚刚赚到一点钱的时候离场，也很容易在一次普通回撤里被洗出去。

为什么我们的仓位总是拿不长呢？我们可能需要重新认识“浮盈”。

浮盈是你拥有一项资产的当前市场报价，而不是已经锁定的现金。

很多时候，我们以为自己拿不住，是因为心态不好，是因为不够坚定，是因为没有信仰。但真正的问题可能是：我们把浮盈看得太像现金了。

比如一个仓位从盈利 10% 变成盈利 50%，账户余额也因此上去了。这个时候，我们的大脑会很自然地认为：这部分钱已经属于我了。

但市场并不这么认为。

只要你没有卖出，只要这部分资产还在市场里，它就仍然每天被重新定价。今天市场愿意给你这个价格，明天它可能就不愿意了。

你的资产，每天都在被市场重新定价，你需要不断重新赢得你的浮盈。

这件事很反人性。

比如你持有一只股票，从 40 涨到 100，你账面上赚了很多。但只要你没有卖出，这部分利润仍然暴露在市场里。第二天它可能涨到 110，也可能跌回 85。你当然可以说自己是长期持有者，但当账户曲线真的从高点往下掉的时候，你会面临非常真实的心理压力。

这也是为什么很多人一回撤就想卖。

不是因为他们完全不懂长期逻辑，而是因为浮盈回吐太痛了。人很容易把账户高点当成自己的真实财富，一旦从高点回落，就会感觉自己“亏了”。即使从成本看还赚很多，心理上也会觉得那部分钱曾经拥有过，现在又失去了。

我们必须接受一个现实：

资产不可能天天上涨，也不可能永远不回撤。

只要你投资的是风险资产，它就一定会回撤。股票会回撤，指数会回撤，再好的公司也会回撤。甚至很多后来涨了十倍、二十倍的公司，中间也经历过非常深的下跌。

所以问题从来不是“能不能避免回撤”。

真正的问题是：

这个回撤带给你的心理压力是不是可承受？
它会不会让你在长期逻辑兑现之前，被迫离场？

有些回撤，是长期持有必须支付的成本。比如一个好公司从高点回撤 15%、20%，如果它的基本面没有被破坏，行业逻辑仍然存在，这种回撤虽然难受，但它可能只是正常波动的一部分。

但有些回撤，是账户结构失控的结果。比如你用了太高的杠杆，仓位过度集中，期权占比太大，结果一个普通的市场调整，变成了账户级别的巨大伤害。这样的回撤就不是长期投资的代价，而是风险管理出了问题。

我们不是要躲掉所有回撤。

我们要避免的是那种会让自己失去行动能力的回撤。（这就是我讲的保持流动性）

这也是为什么再平衡很重要。

再平衡的目的，不是为了精准卖在最高点。
也不是因为你不看好原来的持仓。
再平衡的真正目的，是在上涨之后，把风险重新拉回一个你能承受的范围。

比如一个仓位原本只占账户 8%，后来因为涨得很好，变成了 20%。这当然说明你判断对了，但同时也说明，它对整个账户的影响变大了。它再涨，你会很开心；但它如果大幅回撤，你的账户曲线也会被明显影响，你的心态会产生波动，进而可能就会导致你情绪失控地放弃了某一个长期逻辑，做出了情绪化的操作。

我觉得这句话很重要：

再好的方向，也不应该让整个账户失去平衡。

所以再平衡是为了让我们持有一项资产时能拿得更稳，让账户曲线更像不断右上的台阶。

所以我个人认为不必每次都把利润最大化。

每一次上涨之后，都能守住一部分成果。
每一次回撤之后，账户不会回到原点。
每一轮行情结束之后，账户的底部都比上一轮更高。

可能这才是复利真正需要的东西。

不要永远满仓、不要永远高杠杆、不要永远不留现金，那会让你的账户在上涨时当然很快，但一旦回撤，就很容易引发冲动的情绪化操作，然后不断连败回到起点。

不必一次赚满，月盈则亏，水满则溢。日拱一卒才是正确的留在市场上的心态，然而市场上总是充满一夜暴富的故事。（如果你有幸看过一些凄惨的期货故事，你应该知道有些暴富的神话最后下场如何。）

寻找长期逻辑，根据风险和价格以及新的信息不断调整仓位。你可以长期看好一家公司，但不必用同一个仓位比例从头拿到尾。只要长期逻辑还在，账户结构还健康，你就仍然在这场游戏里。

如果很多年后回头看，账户不是一次又一次尖峰式暴涨暴跌，而是像台阶一样，一层一层往上走，那可能就已经非常难得了。

以上就是我理解的，真正成熟的投资。

[柴郡🔔｜Crypto+AI Plus @0xCheshire]

吉林大学教授当年一段对股票的投资逻辑，讲得深入浅出。

建议收藏并观看，绝对会让你受益匪浅！

[0x鸣人 @LuBtc888]

所有交易员必看！

油管大佬Billionaire Bears推出26分钟深度影片，完整复盘日本顶尖交易员BNF的传奇交易生涯。

该视频播放量现已突破330万，内容制作水准拉满，堪称圈内经典佳作。

所有投身交易领域的兄弟，都值得静下心认真观看学习。

[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