MMXX

Museum lover | Value investor | Bayesianism

[AI产业挖掘🐔 @QihongF44102]

越来越觉得这轮 MLCC 周期，
大概率会比 2017-2018 更大。
因为需求逻辑已经彻底变了。

上一轮，
核心还是智能手机升级。

而这一轮，
MLCC 同时绑定了：
• AI 服务器
• 新能源汽车
• AI 终端化

本质上是整个电子系统复杂度在提升。
尤其 AI 服务器。

很多人只盯着 GPU，
但高端 GPU 最大的问题之一其实是供电。
功耗越高，
对高可靠性 MLCC 的需求越大。
算力往上卷，
电源系统复杂度也跟着指数级提升。

汽车电子也是一样。

新能源智能车的 MLCC 用量，
相比燃油车是倍数级增长。

而真正关键的是：
这一轮供给端远比 2018 年克制。

经历过上一轮行业大扩产之后，
日韩龙头明显开始控制资本开支，
新增产能也基本集中在高端领域。
所以这轮可能不是简单补库存。

而是：
AI + 汽车电子驱动下，
电子工业底层元件的一次重新定价。

重点关注：

$6981 村田
$6976 太阳诱电

[Arb_知微 @queen_nunaa]

对量化研究员而言，华尔街对冲基金给出的薪资极具吸引力，年薪普遍在20万到65万美元区间。

近期，Jane Street的一位量化交易员，在YouTube发布了一段50分钟的讲解视频，系统梳理了从零开始学习量化的完整路线图，其中还暗藏了Polymarket这类实盘场景的操作思路与技巧。

建议你直接收藏，抽空认真看完。相比社交平台上那些过度吹嘘的“万能公式”类内容，这条视频的参考价值更高，也更值得沉下心来研究。

#polymarket

[OpenAI Developers @OpenAIDevs]

It’s Codex Thursday, and yes, we have updates for you.

First up: Appshots, a new way to bring the context of what you’re working on into Codex.

On your Mac, press Command-Command to attach your app window to a Codex thread. Codex gets both a screenshot and text from the window, including content beyond what’s visible onscreen.

Appshots are available across plans on Mac, with enterprise access coming soon.

[0x卡卡撸特 @0xkakarot888]

这是真正做学问的，此文含金量9999，谢谢大漠哥开源分享！

我最近也借AI的东风在研究量化，其间踩坑无数，如果早点看到这篇文章就好了，哈哈哈。

[财经悟空 @wukong2021]

6月中旬-6月底风险提示

1、6月11日，世界杯开幕，金融市场过往表现较差

2、6月12日， SPACE X上市，资金虹吸过去

3、6月18日凌晨2点，(美6月17日)新任美联储主席沃什发言，可能快速缩表降息，缩表利空金融市场

[Sam Badawi @Sam_Badawi]

Gavin Baker built a massive position in $ALAB around the AI infrastructure theme, and the stock has now crossed $300. He thinks AI is different and that we are NOT in a bubble.

He expresses this thesis behind many of his top holdings, including $NVDA, $MU, and $AMZN.

[neeko @nekooechi]

https://t.co/C5uqSfiJUk

[Smartpig @Smartpigai]

这是目前让你最快上手的 Codex 教学视频！

仅用38分钟，手把手教你从零到精通Codex各种版本安装、语音交互、插件注入、MCP连接、自动化测试、工作流搭建、Github相关指令……

最新中文版本，一看就会

关键还免费，但内容至少值 400刀。

[SemiAnalysis @SemiAnalysis_]

One of the threads we kept pulling on in our recent piece on how AI labs are solving the power crisis is that onsite gas has stopped being a fringe option, and quietly turned into the default planning assumption for the next wave of US training clusters. (1/4) 🧵

[摸鱼巨匠🔨 @SunNeverSetsX]

如何深挖美股内幕交易？

很多人不知道的是，Financial Datasets MCP 有一个 get_insider_trades 工具：
它能直接拉取某只美股的所有内幕交易记录，能看到谁买/谁卖、买卖数量、价格、交易日期、交易后持股情况。

如视频所示👇

以下是 Financial Datasets 的配置方式：
1. 去 https://t.co/2N41f2tqKJ 注册账号（免费版即可）

2. 在终端中执行 claude mcp add --transport http financial-datasets https://t.co/bf0L3X67sK

3. 进入 Claude 执行 /MCP 指令，跟着指示连接 MCP

然后你就可以像我一样深挖美股的内幕交易啦

[Miles Deutscher @milesdeutscher]

If you read just one AI article this month, make it this.

How to automate ANYTHING in your life using AI in <10 minutes.

This is the most valuable article I could give you right now.

Follow this roadmap, and you'll instantly become more productive:

[駿HaYaO @QQ_Timmy]

從 NVDA 的 NVL72 機架配置來看
日本的領先製造商

[Wei @wei_wang]

https://t.co/fiYA86GQV1

[K三 凯 @kaikaibtc]

最可怕的不是他5个月32倍，是他把投研这件事外包给了AI

最近X上有个很火的美股交易员👉，「前 RISC-V Foundation 成员，AI 研究科学家；现在的工作是——交易那些没人注意到的瓶颈。」

看起来就是一个喜欢在网上吹牛的散户，对吧？直到我看到了他2026年5月晒出的那张收益截图。

2026年至今（5个半月）：+3,152.77%。
不是32%。是32倍。

而且这已经是「回撤之后」的数字。他在2025年7月才注册这个账号，到2025年底的半年里已经做到了630%的回报。

他买了23只股票。没有一只涨幅低于100%。涨得最多的那一只，翻了84倍。

如果你2026年1月1日给他1万美金，到5月20日，你可以拿回32.5万美金。10万进去，325万出来。

涨得最少的一只，翻了一倍。涨得最多的那一只，翻了84倍。

所以我把他这几个月的推特全部扒了一遍，发现这个人不是传统意义上的「基本面研究」。

他做的事情，我称之为——
「AI驱动的全球供应链瓶颈套利」。

👉23只股票，23次提前预知市场

这23只股票有一个共同特点：它们都不是什么明星股，全是你可能从没听过名字的公司。

但恰恰是这些没人注意的公司，每一只都精准地卡在AI产业链的「咽喉」位置——一旦断货，整个行业都得停下来等。

他看的是更底层的问题：如果AI继续扩张，哪一环会先不够用？

AI产业链的第一层瓶颈，比如GPU、HBM、电力、数据中心，已经被所有人盯烂了。真正能出超额收益的，往往是第二层、第三层：光模块、激光器、InP衬底、SOI晶圆、外延设备、晶圆级测试、IC载板、特殊玻纤。

最典型的是 AXTI。Serenity 在 Reddit / WSB 上发过一篇很夸张的帖子，把 AXTI 写成整个西方AI建设的“单点故障”：不是因为它名字响，而是因为 InP 衬底和上游材料卡在光通信、硅光、CPO这条线上。

👉他到底怎么实现的：普通人用AI看研报，他用AI制造研究差

很多人一听“AI投资”，脑子里想的是：问ChatGPT买什么股票，问DeepSeek这家公司好不好，问Perplexity总结一下财报。

这基本没用。因为同一个问题，所有人都能问，所有人都能得到差不多的答案。Serenity 的用法更像是把AI当成一整个投研助理团。

1. 先让AI拆产业链，而不是让AI推荐股票
如果全球AI数据中心继续扩张，从GPU、HBM、网络、光模块、衬底、外延、测试、封装、PCB、玻纤到电力，分别会卡在哪里？这个问题一变，答案就完全不一样，你会得到一张产业链地图
。

2. 再让AI沿着每个环节找供应商
比如你拆到光通信，就继续问：光模块里最难扩的是哪一段？激光器供应商有哪些？InP衬底谁供？外延片谁做？这些公司是上市公司吗？市值多大？过去有没有进入核心客户供应链？

3. 然后让AI做交叉验证，而不是只听一个故事
这个瓶颈会不会被替代？这家公司有没有产能？客户有没有验证？收入什么时候可能体现？有没有被稀释风险？有没有地缘风险？有没有管理层问题？估值是不是已经透支三年？

真正值得学的是问题 。

Serenity 这件事给普通人最残酷的提醒是：AI没有让投资变简单，AI只是把“研究量”的上限抬高了。

他的核心方法论可以压成五句话：
先确认超级趋势，不在小风口里找幻觉。
把趋势拆成物理供应链，不停留在概念层。
找第二层、第三层瓶颈，不追已经被充分定价的龙头。
用AI扩大检索、整理和反证能力，不让AI直接替你拍脑袋。
最后用人的产业理解和风险纪律决定仓位，而不是让模型替你冲。

Serenity在字典上是「宁静、安详」。

真正的宁静，不是不关心外界。而是当整个市场都在为「英伟达又涨了」而喧嚣、为「某某概念又火了」而狂热的时候——你却安静地坐在那里，看着一张全球供应链的地图，思考一个问题：

「如果AI继续扩张——下一个会被卡住的环节，在哪里？」

这个问题，才是他5个月32倍的真正秘密。

[AI Will @FinanceYF5]

1/🌍 Anthropic CEO Dario Amodei在达沃斯说了一句让人后背发凉的话：

这轮AI不会带来"技术红利→就业增长"的老剧本。

它会把人类撕成两半。

他给这个新顶层起了个名字：第0世界

一个Thread讲清楚👇

[Anatoli Kopadze @AnatoliKopadze]

this is f*cking gold

the Claude setup most people will never find on their own

if I had this a year ago, I would've worked 5x faster

in the right hands, this changes everything:

[戈多Godot @GodotSancho]

对 HBM、DRAM、DDR、CXL、SSD 等等存储名词，其实从硬件层面看，会更直观，一下子就明白了🧐🧐
$MU $DRAM

[DD @DD29397053]

关于存储，和 Codex 搓了两天，最后我自己的结论有两个。

第一，AI 存储未来 2-3 年大概率仍偏紧。
原因很简单：需求更接近软件和 capex 驱动的指数过程，供给却受 wafer starts × bits per wafer × 良率 × 封装 这些物理约束。AI 爆发之后，需求是虚拟产品和算力扩张拉出来的，供给还是一个很重的制造业问题。

第二，这轮存储周期真正该盯的，不只是“谁最高端”，而是谁的利润增速最陡。
市场最容易盯着 HBM，因为逻辑最直白：GPU 出货 × 单 GPU HBM 容量。但如果把视角从“产品档次”切到“利润斜率”，结论会更反直觉。

HBM 需求主要是 GPU 的函数。

服务器 DRAM 是 GPU 数量 × CPU:GPU 比例 × 每服务器内存容量，所以 agentic AI 若把 CPU:GPU 从过去的 1:4/1:8 拉向 1:1，服务器 DRAM 的需求会被显著抬高。

企业级 SSD 更接近 token 结构 的函数，而不只是 token 总量的函数。普通短问答 token 大多停留在 HBM/DRAM，真正会拉动 eSSD 的，是那些“高传导 token”：RAG、长期记忆、KV cache offload、agent 日志、checkpoint、审计留存。随着 agent 增长，这类 token 占比会上升，所以 eSSD 的需求斜率可能比很多人直觉里更陡。

Nearline HDD 则是冷温数据沉淀、保留周期和多模态数据湖的函数。

再看供给。真正重要的不是名义产能，而是可销售有效产能。

HBM 卡在先进 DRAM wafer、TSV/stack、测试和 CoWoS；

服务器 DRAM 卡在 DRAM bit 供给本身还要被 HBM 挤出；

企业级 SSD 就算把认证、客户导入、firmware 这些软墙都拆掉，最后也还是要撞上 wafer starts × NAND bits per wafer 这个更硬的物理天花板。即便企业级 SSD 靠 product mix 往 datacenter 倾斜，供给极限抬到 45%-55%，如果需求按高传导 token 结构去跑，还是大概率追不上。

这也解释了为什么供需缺口未必是 HBM 最大。HBM 的需求最快，但它也是全产业链最优先扩产的产品，供给响应最集中；服务器 DRAM 同时吃到 AI 需求上升和 HBM 挤出两层影响；企业级 SSD 更反直觉，NAND bit 本身未必最紧，但一旦 token 结构向 agent、长上下文、KV offload 倾斜，eSSD 的需求斜率会比总 token 更陡，而供给仍受 NAND 的物理增长速度限制。

产品价格和利润增速也不能混为一谈。高端产品不等于高利润增速。HBM 即使毛利率高，如果涨价幅度有限；而低端或中端产品若因供给被抽走、价格暴涨，利润增速反而可能更猛。最新财报里，SNDK 的 non-GAAP gross margin 已经高于 Micron，这其实很反直觉，也说明这轮里 eSSD/NAND mix + 涨价 + 低基数修复，完全可能把 NAND 厂的单季利润弹性推到比 HBM 更夸张。

如果中国厂商未来更充分承接 consumer SSD / client SSD / DDR4 / 部分 DDR5/LPDDR，全球龙头当然可以把更多资源转去高端产品。短期看这是利多，但中期也可能削弱高端稀缺性，让高端产品的利润增速边际放缓。不过在这个情景下，企业级 SSD、服务器 DRAM、HBM 大概率仍然偏紧，只是紧的程度不同。

以最后排利润增速，不能按“谁做的产品最先进”来排，而要按“谁处在低基数、价格弹性大、且供给转移暂时还没把稀缺性抹平”来排。

如果看短期 1-4 个季度的利润斜率，我更倾向于：Sandisk > Micron > SK hynix > Samsung。

如果看 2-3 年的确定性和持续性：SK hynix ≈ Micron > Samsung > Sandisk 更稳。

HDD 里的 Seagate / Western Digital 仍是 AI 数据沉淀的稳定受益者，但更像慢牛，不是爆发型弹性标的。

一句话总结：
这轮存储周期最容易被低估的，不是 HBM 有多热，而是服务器 DRAM 和企业级 SSD 的利润斜率，可能比市场现在理解的更陡。

[Miles Deutscher @milesdeutscher]

This is f*cking sauce.

This AI workflow will completely revolutionize how you trade.

If I had this years ago, I literally would've printed money.

In the right hands, this article is dangerous:

[The Great Martis @great_martis]

Ordinary mums and dads don't have the slightest clue that what is brewing beneath the surface is a coiling US 10-Year Treasury yield.

The consequence of energy building up over many years in such a pattern is best explained by this analogy: it is like lava pushing up against the mouth of a dormant volcano.

The endgame is chaos and hysteria.

Next week is critical. If the ceiling of the symmetrical triangle breaks and holds, Pandora's box opens wide.

Yours Truly,
The Great Martis✨