khuncc.bnb .fuel Tabi 🟧 🛸 (💙,🧡) 🐕🌖

@0xHashstack Contributor
#byebyebirdie Left to Phaver

[JRT @JRTDesk]

หลายคนกลัว「Leverage」แต่เอาจริงๆ นักลงทุน/trader หลายคนที่ผมเห็นเสียหายแบบหนักมากในชีวิตจริง หลายๆ คนกลับแทบไม่ได้ใช้ Margin.. Leverage ห่าเหวอะไรเลย...

บางคนถือหุ้นตัวเดียวเกือบทั้ง portfolio... บางคนเอาทรัพย์สินส่วนใหญ่ไปผูกกับ theme การลงทุนเดียว... บางคนขาย Options เก็บ Premium ต่อเนื่องหลายปีเพราะคิดว่ารายได้ที่ดูสม่ำเสมอแปลว่าความเสี่ยงต่ำ...

บน paper อาจไม่ได้ดูเหมือนกำลังใช้ Leverage แต่ในทาง Risk Management ถือว่ากำลังทำสิ่งเดียวกัน.. คือสร้าง Exposure ที่ใหญ่เกินกว่าที่เงินทุน.. สภาพคล่อง.. หรือสภาพจิตใจของตัวเองจะรับได้เมื่อเกิดเหตุการณ์ขึ้นจริง

ซึ่งเป็นบทเรียนที่สำคัญเกี่ยวกับ Leverage

Leverage มันไม่สร้างปัญหาในช่วงที่ทุกอย่างเป็นไปตามแผน.. Leverage ไม่ได้เปลี่ยนแค่ว่าเราจะกำไรหรือขาดทุนมากขึ้นเท่าไหร่ แต่มันเปลี่ยนลักษณะของความเสี่ยงด้วย.. การลงทุนที่ไม่มี Leverage หลายครั้งเป็นคำถามเรื่องมูลค่า.. สินทรัพย์นี้ถูกหรือแพง? ธุรกิจนี้ดีหรือไม่ดี?? สมมติฐานนี้ถูกหรือผิด? แต่เมื่อ Leverage สูงขึ้น คำถามจะเปลี่ยนไปเป็นถามเรื่องเวลา... เพราะต่อให้เราประเมินมูลค่าได้ถูกต้อง.. เข้าใจธุรกิจถูกต้อง.. หรือมอง Macro ได้ถูกต้อง.. ก็ไม่ได้หมายความว่าการลงทุนจะประสบความสำเร็จ.. หากตลาดใช้เวลานานกว่าที่เงินทุน สภาพคล่อง หรือโครงสร้างการถือของเราจะรับได้.. หลายครั้งปัญหาของ Leverage ไม่ใช่ว่าเราผิด แต่คือเราไม่มีเวลาพอที่จะรอจนกว่าจะพิสูจน์ได้ว่าเราถูก..

จากที่ผมเคยพยายามเรียนรู้ประวัติศาสตร์การเงินย้อนหลังที่ผ่านมา.. คนจำนวนมากไม่ได้ล้มเหลวเพราะไม่ฉลาดพอ.. และหลายครั้งก็ไม่ได้ล้มเหลวเพราะมุมมองผิด.. แต่ล้มเหลวเพราะหลายอย่างเกิดขึ้นพร้อมๆ กัน สภาพคล่องหายไป... Correlation เปลี่ยนไป... ความผันผวนเพิ่มขึ้น... ต้นทุนทางการเงินสูงขึ้น... และเวลาที่ตอนแรกคิดว่ามีกลับหมดเร็วกว่าที่คิด

ซึ่งเป็นช่วงเวลาที่เราจะเห็นต้นทุนที่แท้จริงของ Leverage

ในภาวะปกติ..... Liquidity ดูเหมือนมีอยู่ทุกๆ ที่.. // ทุกคนต้องการ Liquidity พร้อมกัน //Correlation ดูเหมือนกระจายตัว // สินทรัพย์จำนวนมากเคลื่อนไหวไปในทิศทางเดียวกัน // Position ดูเหมือน manage ได้ // Position เดิมอาจใหญ่เกินกว่าที่ตลาดจะรองรับได้..

เลยเป็นเหตุผลที่มืออาชีพหลายคนไม่เริ่มจากการตั้งคำถามว่า...

「 portfolio นี้จะทำกำไรได้เท่าไร??」

แต่จะเริ่มต้นจากคำถามว่า

「อะไรคือสิ่งที่จะทำให้ portfolio นี้เสียหายอย่างรุนแรง??」

เพราะ expected return เป็นเพียงการประมาณการ

แต่ความอยู่รอดสำคัญสุด.. เราสามารถผิดได้หลายครั้ง.. เราสามารถขาดทุนได้หลายครั้ง..เราสามารถ Underperform ได้หลายปี.. แต่สำคัญคืออย่าสูญเสียความสามารถในการอยู่ต่อ
.
.
หลายคนมอง Leverage เป็นเครื่องมือเพิ่มผลตอบแทน ซึ่งก็ไม่ผิด.. แต่ในมุมของการบริหารความเสี่ยงนั่นเป็นเพียงครึ่งเดียว.. อีกครึ่งหนึ่งคือ Leverage เป็นสิ่งที่ลด Margin for Error.. ยิ่ง Leverage สูง margin for error ที่ยอมรับได้ก็ยิ่งน้อยลง.. ในภาวะปกติความแตกต่างระหว่าง Leverage 1x กับ 2x อาจดูไม่มากนัก.. แต่ในภาวะวิกฤติ ความแตกต่างนั้นอาจเป็นเส้นแบ่งระหว่างการถือรอต่อได้... กับการถูก Forced Deleveraging

ระหว่างการถือรอต่อได้... กับการถูกบังคับลด Position.. ระหว่างการตัดสินใจด้วยตัวเอง... กับการถูกตลาดบังคับตัดสินใจแทน..

สมมติฐานที่ผิดเพียงเล็กน้อย.. ระยะเวลาที่ยาวกว่าที่คิดเพียงเล็กน้อย.. หรือความผันผวนที่สูงกว่าที่ประเมินไว้เพียงเล็กน้อย.. ก็เพียงพอที่จะเปลี่ยนการขาดทุนชั่วคราวให้กลายเป็น realized loss ได้..

ซึ่ง Leverage ไม่ใช่สิ่งที่ดีหรือเลวในตัวมันเอง มันเป็นเพียงตัวเร่ง/ตัวขยาย..

มันขยายทั้ง Edge และ Blind Spot..

ขยายทั้งความสามารถในการสร้างผลตอบแทน.. และขยายความเปราะบางของ portfolio..

ขยายทั้งผลลัพธ์ของการตัดสินใจที่ถูกต้อง.. และขยายต้นทุนของการตัดสินใจที่ผิดพลาด..

ดังนั้นคำถามที่สำคัญจึงไม่ใช่

「เราสามารถใช้ Leverage ได้มากแค่ไหน?」

แต่คือ....

「เราสามารถผิดได้มากแค่ไหน? โดยที่ยังรักษาเงินทุน.. สภาพคล่อง.. และความสามารถในการอยู่ใน game ต่อไปได้..」

เพราะในระยะยาว ความสำเร็จของการลงทุนไม่ได้ถูกกำหนดโดยผลตอบแทนสูงสุดที่ทำได้ในช่วงเวลาหนึ่ง..

แต่ถูกกำหนดโดยความสามารถในการหลีกเลี่ยง Probability of Ruin และรักษาความต่อเนื่องของการ Compounding ตลอดหลายทศวรรษ

P.S.
ตัวอย่างของกรณีที่ต่อให้ประเมินถูกต้อง แต่ Leverage ไม่ได้อยู่รอให้ทำกำไรได้.. ผมเคยใช้ประโยคนี้สอนนักศึกษาบ่อยๆ..「ถูกใน thesis ไม่ได้แปลว่าการลงทุนจะสำเร็จ」..

📖 John Maynard Keynes
ช่วง 1920s Keynes มองว่าหุ้นหลายตัวถูกมาก.. และสุดท้ายเค้าก็ถูกจริง แต่ปัญหาคือเค้าใช้ leverage.. ตลาดยังลงต่ออีกนานกว่าที่คิดไว้.. จนโดน margin calls หลายรอบและเสียหายหนักมาก.. หลังจากนั้น Keynes เปลี่ยนแนวทางการลงทุนเกือบทั้งหมด กลายมาเป็นนักลงทุนที่เน้น survival มากขึ้น..

📖 LTCM เป็นตัวอย่างที่ดีมาก.. หลาย trade ของ LTCM ไม่ได้ผิดนะ.. ถ้าดูย้อนหลัง.. หลาย spread ที่เล่นสุดท้ายก็ converge จริง.. ปัญหาคือมันใช้เวลานานกว่าที่พวกเค้ามี.. เมื่อ Russia ผิดนัดชำระหนี้ ตลาดเข้าสู่ panic.. spread กว้างขึ้นแทนที่จะแคบลง.. margin requirement เพิ่มขึ้น.. counterparties เริ่มกังวล... และ LTCM ก็ถูกบังคับลด position.. คือไม่ได้ตายเพราะ thesis ผิด.. แต่ตายเพราะเวลาหมดก่อน

📚Michael Burry หลายคนจดจำได้ในฐานะคนที่มองเห็นฟองสบู่ Subprime และทำเงินมหาศาลจากวิกฤติปี 2008 (จริงๆ มีหลายคนมองเห็นเช่นกัน หลายคนทำเงินได้เยอะกว่าด้วย แต่หนังเลือกนำ Michael Burry มาเล่า) แต่สิ่งที่คนมักลืมคือ.. Michael Burry ไม่ได้แค่ต้อง「ถูก」... แต่ต้องอยู่รอดให้นานพอที่จะได้รับการพิสูจน์ว่าถูก.. Burry เริ่มเข้า position ตั้งแต่ประมาณปี 2005.. ขณะที่ bubble ยังคงขยายตัวต่อไปอีกร่วม 2 ปี..

ระหว่างทางต้องเจอกับการขาดทุนแบบ Mark-to-Market.. แรงกดดันจากนักลงทุน.. และ doubt จากแทบทุกคนรอบตัว.. ปัญหาที่ใหญ่ที่สุดไม่ใช่ว่า Thesis ผิดหรือเปล่า.. แต่คือความเป็นไปได้ที่ตลาดจะใช้เวลานานกว่าที่เค้ามี.. ในที่สุด Burry ชนะในตอนนั้น.. แต่บทเรียนไม่ใช่การที่มองเห็นฟองสบู่ก่อนคนอื่น.. บทเรียนที่สำคัญคือมีเงินทุน.. โครงสร้างกองทุน.. และความสามารถในการรับแรงกดดันได้มากพอที่จะอยู่รอดจนถึงวันที่ฟองสบู่แตกจริงๆ..

ในโลกการลงทุน การถูกเพียงอย่างเดียวไม่เพียงพอ เราต้องอยู่รอดได้นานพอที่จะได้รับประโยชน์จากความถูกต้องนั้นด้วย

เพราะตลาดไม่ได้ถามแค่ว่าเราถูกหรือผิด มันยังถามด้วยว่า.. เรามีเงินทุน.. สภาพคล่อง.. และเวลามากพอที่จะรอให้เห็นว่าเราถูกหรือเปล่า?

หลายครั้งคนไม่ได้ล้มเหลวเพราะ Thesis ผิด แต่ล้มเหลวเพราะ Leverage สูงเกินกว่าที่จะอยู่รอดจนถึงวันที่ Thesis นั้นได้รับการพิสูจน์

[Chayanon Rakkanjanan @MrMessenger]

เจอตลาดผันผวนกันไปช่วงนี้ เริ่มกังวลกันแล้วใช่ไหมครับ?

หลายคนกำลังกังวลว่า AI Boom ครั้งนี้จะเป็นฟองสบู่เหมือน Dot-com 2000 หรือไม่ หรืออาจถึงขั้น คิดไปไกลกว่านั้น ถึงขั้นห่วงว่ามันใกล้จะพังหรือยัง?

ผมไปหาข้อมูลจากหลายๆ source ที่เป็น Research Paper ระดับโลกมาให้แล้วครับ

เอาคำตอบสั้นๆ ให้หายกังวลกันก่อนเลยนะครับ บทสรุป คือ ฟองสบู่จะยังไม่แตกในเร็วๆ นี้

… แต่เราต้องจับตา “ตัวชี้วัดสำคัญ” เหล่านี้ไว้ให้ดี

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

5 ตัวชี้วัด AI ที่สำคัญที่สุดตอนนี้

1. AI Adoption Rate (อัตราการนำ AI ไปใช้จริง)

ปัจจุบันอยู่ที่ประมาณ 18-21% ในธุรกิจสหรัฐฯ ยังเพิ่มขึ้นต่อเนื่องจาก 13% ในปี 2025 (ข้อมูลจาก Stanford AI Index และ US Census Bureau) และยังคงเพิ่มขึ้นอย่างต่อเนื่อง แสดงว่าธุรกิจต่าง ๆ ต้องการ AI อยู่ และเทรนยังแข็งแกร่ง (เป็นสัญญาณบวก)

2. GPU Rental Rates (ราคาเช่า GPU)

ราคาเช่า GPU สำหรับรันโมเดล AI ยังคงสูงและทรงตัวในระดับดี

H100 (80GB) ≈ $2.0 – $2.4 ต่อชั่วโมง
H200 / B200 ยังอยู่ในระดับสูงและทรงตัวดี

*ข้อมูลจาก RunPod, https://t.co/6JmFFoTSck, Lambda Labs, CoreWeave (แพลตฟอร์มเช่า GPU ชั้นนำ)

แสดงว่าความต้องการใช้งานจริงยังสูงมาก ไม่ใช่แค่ hype แสดงให้เห็นว่าเทรนยังแข็งแกร่ง (เป็นสัญญาณบวกเช่นกัน)

3. Memory Chip Prices (ราคาชิปหน่วยความจำ)

ราคา HBM (ชิปหน่วยความจำสำหรับ AI) ยังพุ่งสูงขึ้นต่อเนื่อง ส่วนชิปทั่วไปที่ไม่เกี่ยวข้องกับ AI เริ่มอ่อนตัวบ้าง

ตัวเลขปัจจุบัน:
HBM3E ราคายังสูงและขาดแคลน (เพิ่มขึ้นประมาณ 20-30% YoY)
HBM4 เริ่มส่งมอบ และราคายังอยู่ในระดับสูง

*ข้อมูลจาก Counterpoint Research, SK Hynix Earnings Report

แปลว่า แนวโฯ้มยังแข็งแกร่งในส่วน AI ชิบ (สัญญาณยังบวกเช่นกัน)

4. Token Spending / Usage (ปริมาณการใช้ Token)

ข้อมูลจาก Cloud Providers บอกว่า การใช้ Token ในระบบ Agentic AI (AI ที่ทำงานได้ด้วยตัวเอง) เพิ่มขึ้นอย่างชัดเจนใน Q2 2026 (เติบโตกว่า 40-60% QoQ) ก็ยังแปลว่า ยังเติบโตได้ดีเช่นกันครับ

5. Installations of Coding Assistants

ตัวสุดท้าย ติดตั้งการเขียนโค้ดด้วย AI

GitHub Copilot มีผู้ใช้งาน active กว่า 1.5 ล้านคน
Cursor และ Claude Artifacts ยังเติบโตดี

ยังคงรักษาระดับทรงตัวได้ดีหลังจากเติบโตเร็วมากในช่วงก่อนหน้า ถือว่า ทรงตัวในระดับสูงหลังจากเติบโตเร็วมากในปี 2025

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

มุมมอง MacroQuant

และพอนำตัวชี้วัด AI เหล่านี้ไปเทียบกับโมเดลเศรษฐกิจมหภาค (MacroQuant) จะพบว่า Equity Z-score ยังไม่ได้ตกไปอยู่ในโซนแดง (ต่ำกว่า -1)

แปลว่า ตลาดยังไม่ได้อยู่ในภาวะเสี่ยงสูงจนถึงขั้นต้องเปลี่ยนมุมมองเป็นลบทั้งหมด

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

สรุป มุมมองส่วนตั๋ว ส่วนตัว

ฟองสบู่ AI ยังไม่แตกในเร็วๆ นี้
เพราะตัวชี้วัดพื้นฐานยังแข็งแกร่งและกำลังพัฒนาต่อเนื่อง

การปรับฐานที่กำลังเกิดขึ้น มาจาก Reality Check หลังจากที่หุ้นวิ่งแรง ทั้งๆที่ช่องแคบฮอร์มุซยังไม่เปิด และ ความกังวลเรื่องเงินเฟ้อ เข้ามากวนใจนักลงทุนเพิ่มเติม

รวมถึงการเข้า IPO ของ SpaceX รวมถึง OpenAI และ Anthropic ที่จะตามมาในปลายปีนี้

แต่สุดท้าย นักลงทุนต้องจับตาให้ดีว่า
- ถ้า AI Adoption Rate หยุดเพิ่ม หรือเริ่มลดลง
- ถ้า GPU Rental Rates ตกหนัก
- ถ้า Token Usage ลดลงชัดเจน

…นั่นจะเป็นสัญญาณเตือนแรกที่บอกว่า “ฟองสบู่เริ่มมีปัญหา”

คำแนะนำสำหรับที่ยังเกาะกระแส AI อยู่ ก็คือ

อย่า Panic Sell แค่เพราะข่าวลบ
แต่ก็อย่า All-in แบบมองโลกในแง่ดีเกินไป

กระจายพอร์ต + ติดตามตัวชี้วัด AI เป็นประจำ จะปลอดภัยที่สุด

Mr.Messenger รายงาน

[JOYBOY USA @rdfgjii235]

RUSH Gold & RUSH STRONG
ลองแล้วไม่ผิดหวัง คู่เด็ดประจำร้าน
กลิ่นนุ่ม สูดง่าย เติมได้ไม่มีสดุด

♻️กดลิงค์สั่Jชื้D♻️
https://t.co/HHgTRLX9ZJ
♦️รับสมัคตัวแทนจำหน่าย♦️
https://t.co/EMS6nTJcZK

[Hyper Shark! @HyperSharkk]

IEA เคยประเมินว่า data center usage อาจจะโตจาก ~460 TWh ไป 1,000+ TWh ภายในไม่กี่ปีนี้

(ย้ำ และจะย้ำเรื่อยๆ) แต่ปัญหาคือ… ต่อให้มี GPU ก็ไม่ได้แปลว่าจะเปิด data center ได้ทันที

เพราะตอนนี้มันเริ่มติด
- grid capacity
- transformer
- interconnection queue
- transmission line
- power delivery

ผมเลยมองว่า Theme นี้มันน่าสนใจมาก เพราะหุ้นที่ “แก้คอขวดไฟ” ตลาดยังให้ค่าไม่เยอะเท่า AI compute เลย

ผมคัดมาละ หุ้นพวกนี้แหละที่ผมมองว่าอยู่ใน theme นี้...

-> Power / Grid
- $VRT
- $ETN
- $PWR
- $HUBB
• $NVT

-> Power Management / HVDC / Efficiency
- $NVTS
- $WOLF
- $ON
- $TXN

-> Energy Supply
- $CEG
- $VST
- $LEU
- $TLN

-> AI Infra / Power-ready DC
- $CRWV
- $NBIS
- $CIFR
- $IREN
- $CORZ

สุดท้าย AI มันคือ “industrial buildout” เต็มตัวแล้วนะครับ คือใครส่งไฟได้ก่อน คนนั้นอาจชนะก่อน และใครที่จัดการ บริหารไฟได้ดีกว่า คนนี้กินเค้กก้อนนี้ยาวๆ เลือกเอาจะไปทางไหน?

[Hyper Shark! @HyperSharkk]

ผมเคยบอกว่า CPO supercycle จะมา 2027 และนี่คือหลักฐานที่ชัดทีสุดตอนนี้ จากปาก CEO $ALAB

Jitendra Mohan CEO ของ $ALAB พูดในงาน JPMorgan Tech Conference ว่า

“CPO for scale out จะเกิดขึ้นเร็วสุดปี 2027 และ CPO for scale up ในปี 2028 เป็นต้นไป”

แล้วทำไมต้อง 2027 ?
-> เพราะมันเป็นเรื่องของฟิสิกส์ล้วนๆ ไม่ใช่แค่ trend
-> เมื่อไหร่ที่ AI cluster ขยายจาก 1 rack เป็น 3-6 racks ทองแดงจะวิ่งไม่ทันที่ความเร็ว 200G/400G
-> optical เลยไม่ใช่ทางเลือกอีกต่อไป แต่คจะเป็นทางรอดทางเดียว

แล้วหุ้นที่น่าจับตาก็เป็นใครไปไม่ได้ นอกจาก $COHR, $GLW, $LITE, $AAOI, $TSEM, $AEHR $SIVE, $SOI, $JBL, $IQE, $LPK

[EarthDeFIRE @EarthDeFIRE]

จ่าย Claude @claudeai เดือนละ $20 อาจจะเพียงพอแล้ว! ถ้าคุณ Optimize เป็น ด้วย 21 เทคนิคปฏิบัติ ที่ใช้งานได้จริงเหล่านี้

ไม่ต้องรีบอัปเกรดเป็นแผน $100 แค่ปรับ Workflow ให้ฉลาดขึ้น ก็ช่วยลดการบริโภค Token และทำให้แผน Pro คุ้มค่าที่สุด ฮะ

📌 ลองเช็คดูว่าคุณกำลังทำแบบนี้อยู่หรือเปล่า? และนี่คือวิธีแก้ไขครับ:

1. ❌ อัปโหลด PDF แบบดิบๆ: (กิน 500–4,000+ token ต่อหน้า)
✅ แก้ไข: คัดลอกข้อความใส่ Google Docs -> ดาวน์โหลดเป็น .md (Markdown) ไฟล์จะเล็กลงมาก เหลือไม่ถึง 200 โทเคน

2. ❌ เริ่มสร้างไฟล์ใน Cowork เร็วเกินไป:
✅ แก้ไข: วางแผนรายละเอียดใน Chat ให้เรียบร้อยก่อน แล้วค่อยย้ายไป Cowork เมื่อรู้ชัดเจนแล้วว่าต้องการอะไร เช่น

ใช้ Chat ก่อน เมื่อยังไม่ชัดเจนว่าต้องการอะไร เช่น brainstorm, ถามโน่นถามนี่, ลองหลาย direction, ยังไม่รู้ว่า output สุดท้ายจะออกมาหน้าตาแบบไหน

ย้ายไป Cowork เมื่อรู้แล้วชัดเจนว่าต้องการไฟล์จริงๆ เช่น สร้าง Excel, เขียน Python script, ทำ dashboard, แก้ไขโค้ด — งานที่มี deliverable ชัดเจนและต้องการให้ Claude จัดการ file system

3. ❌ เขียนพรอมต์ยาว 500 คำ สำหรับงานง่ายๆ:
✅ แก้ไข: เขียนสั้นๆ ก็พอ เช่น "ฉันอยากได้ [งาน] เพื่อ [เป้าหมาย]. ถามฉันด้วย AskUserQuestion ก่อนเริ่ม"

4. ❌ พิมพ์ "redo the whole thing" เพื่อแก้แค่จุดเดียว:
✅ แก้ไข: สั่งแก้เฉพาะจุด เช่น "Only redo section 3. Keep everything else. No commentary. Just the output."

5. ❌ ส่ง 3 ข้อความแยกกันสำหรับ 3 งาน:
✅ แก้ไข: มัดรวมใส่ข้อความเดียว เช่น "Summarize this, list the points, suggest a headline."

6. ❌ พิมพ์ "No, I meant..." แก้ไขงานเดิมจนประวัติแชทยาว:
✅ แก้ไข: กดปุ่ม Edit ที่ข้อความพรอมต์เดิม แก้ไขเนื้อหาแล้วกด Regenerate ทับไปเลย

7. ❌ เขียนพรอมต์ใหม่หมดทุกครั้งที่เริ่มงาน:
✅ แก้ไข: สร้าง Prompt Library เก็บไว้ ใช้โครงสร้างเดิม แค่เปลี่ยนตัวแปรต้นทาง

8. ❌ ใช้ Claude Opus (รุ่นท็อป) กับงานง่ายๆ เช่นตรวจ Grammar:
✅ แก้ไข: งานง่ายใช้แค่ Sonnet ก็พอ เก็บ Opus ไว้ใช้กับงานที่ต้องการความลึกและซับซ้อนจริงๆ

9. ❌ ไฟล์บริบท (เช่น About Me) ยาวเกินความจำเป็น:
✅ แก้ไข: ตัดให้สั้น กระชับ เหลือเฉพาะเนื้อๆ ไม่เกิน 2,000 คำ

10. ❌ ไม่เคยรีสตาร์ทแชทเลย ปล่อยให้คุยยาวจนเอ๋อ:
✅ แก้ไข: เมื่อ Cowork เริ่มเพี้ยน ให้กด "Restart the conversation from here" ที่ข้อความก่อนหน้าเพื่อล้าง context เก่า

11. ❌ ไม่เคยสรุปเนื้อหาเปนระยะก่อนแชทจะยาวเกินไป:
✅ แก้ไข: ทุกๆ 15-20 ข้อความ ให้สั่งสรุปแล้วกอปปี้ไปเริ่มเซสชันใหม่

12. ❌ ไม่ใช้ Projects สำหรับไฟล์ที่ต้องใช้บ่อยๆ:
✅ แก้ไข: ใช้ฟีเจอร์ Projects อัปโหลดไฟล์ครั้งเดียว ทุกแชทในโปรเจกต์จะเรียกใช้ได้เลย ไม่ต้องอัปโหลดซ้ำ

13. ❌ โยนไฟล์ 50 ไฟล์เข้า Cowork แบบ "เผื่อไว้ก่อน":
✅ แก้ไข: ใส่เฉพาะไฟล์ที่จำเป็นต้องใช้ในงานนั้นจริงๆ

14. ❌ คุยหลายหัวข้อตีกันมั่วในแชทเดียว:
✅ แก้ไข: หัวข้อใหม่ = แชทใหม่เสมอ context เก่าที่ไม่เกี่ยวข้องคือการเสียโทเคนเปล่า

15. ❌ เปิด Search และ Connectors ทิ้งไว้ตลอดเวลา:
✅ แก้ไข: ปิดเป็นค่าเริ่มต้น แล้วเปิดใช้เฉพาะเมื่องานนั้นต้องการจริงๆ

16. ❌ รันรายงานเดิมๆ ทุกสัปดาห์ด้วยการพิมพ์ใหม่มือ:
✅ แก้ไข: สร้าง Prompt Template สำหรับงานรูทีน เก็บไว้ใน Project แล้ว copy-paste ใช้ตอนเริ่มแชทใหม่

17. ❌ พิมพ์พรอมต์ยาวๆ ด้วยมือตลอด ไม่เคยใช้เสียงพิมพ์:
✅ แก้ไข: ใช้ระบบ Dictation (ไมโครโฟน) แทนการพิมพ์ (Mac: กด Fn 2 ครั้ง, Windows: Win + H)

18. ❌ ยังไม่ได้ตั้งค่า Personal Preferences:
✅ แก้ไข: ไปที่ Settings -> Personal Preferences ตั้งโทนและสไตล์การตอบกลับที่ต้องการไว้ครั้งเดียว

19. ❌ พิมพ์พรอมต์แบบ lazy เช่น "ทำให้ดีขึ้น" กับงานที่ซับซ้อน:
✅ แก้ไข: ใช้ https://t.co/AZYTJEIdVm หรือเสียงพิมพ์ อธิบายบริบท (context) ให้ครบถ้วนในครั้งเดียว

20. ❌ ใช้โควต้า (Message Limit) ทั้งหมดหมดภายในเช้าวันเดียว:
✅ แก้ไข: Claude ใช้ระบบ rolling window 5 ชั่วโมง พยายามแบ่งงานออกเป็นช่วงๆ ตลอดทั้งวัน

21. ❌ พยายามใช้ Claude กับงานที่มันทำไม่ได้ดี:
✅ แก้ไข: เลือกเครื่องมือให้ถูกงาน เช่น อยากได้ภาพ -> ไป Gemini, อยากค้นหา Real-time -> ไป Grok

💡 เทคนิคเหล่านี้ใช้เวลาตั้งค่าแค่ 1-2 ชม. แต่ช่วยยืดอายุแผน Pro เดือนละ $20 ให้คุ้มค่าสุดๆ โดยไม่ต้องอัปเกรดเป็นแผน Max ครับ

ขอขอบคุณข้อมูลดีๆ จากคุณ @rubenhassid

#EarthDeFIRE รายงาน 13/05/2026

#Claude #ClaudeAI #AI #Productivity

[ลงทุนแมน @longtunman]

แจก Prompt ของ NotebookLM สรุปงบหุ้น เหมือนมีทีมวิเคราะห์ส่วนตัว ทำงานเร็วขึ้น 10 เท่า /โดย ลงทุนแมน
Free NotebookLM Prompts for Stock Analysis: Like Having a Personal Analyst Team, 10x Faster /By Longtunman
(The English version is below.)

แต่ละปีหุ้นหรือบริษัทมักจะออกรายงานประจำปี ที่มีความยาวเฉลี่ย 200 ถึง 500 หน้า ขณะที่แต่ละไตรมาสก็มีการประกาศผลประกอบการ พร้อมกับมุมมองอนาคตของธุรกิจออกมาอยู่เรื่อย ๆ

หากเราเป็นนักลงทุนที่อยากทำการบ้านเป็นอย่างดี ต้องการอ่านงบให้ครบสัก 10 บริษัท อาจต้องใช้เวลาอ่านรวมกันนับพันหน้า ซึ่งต้องใช้เวลาเป็นสัปดาห์ หรืออาจเป็นเดือนเลยทีเดียว

พอถึงตอนนั้น ราคาหุ้นอาจจะสะท้อนเรื่องดี ๆ ไปหมดแล้ว

นี่ยังไม่นับว่าในตลาดหุ้น เฉพาะหุ้นสหรัฐฯ ก็มีจำนวนบริษัทเป็นหลักพันอีก

แล้วเราจะ Prompt ใน NotebookLM อย่างไร เพื่อให้ได้ทีมวิเคราะห์ส่วนตัว ที่สามารถเห็นสิ่งที่คนอื่นอาจมองไม่เห็นในงบ และทำให้นักลงทุนรายย่อยอย่างเรา เข้าใจธุรกิจอย่างรวดเร็วกว่าที่เคย ?

ลงทุนแมนจะเผยเทคนิคให้ฟัง
https://t.co/6XILkzfFZg

[Hyper Shark! @HyperSharkk]

สรุป 20 ประเด็นสำคัญที่เกิดขึ้นในตลาด (ตั้งแต่ต้นเดือนพฤษภา - ตอนนี้)

1. $INTC เด้งแรง เพราะมีข่าวว่า Apple เริ่มใช้ Intel ผลิตชิปบางส่วน = foundry story กลับมาละ
2. $MU ตอนนี้แทบจะพูดได้ว่า “ขายอะไรก็หมด” capacity ปี 2026 ล็อกหมดแล้ว AI ทำ memory กลายเป็นคอขวดจริงๆ
3. $SNDK วิ่งตาม memory theme เพราะ AI data center ต้องเก็บข้อมูลเยอะขึ้นเรื่อยๆ storage กลับมามี pricing power อีกรอบ
4. $NVDA ยังเป็น king ของ AI เหมือนเดิม รอบนี้หุ้นนิ่งเพราะตลาดเริ่มมองว่ามัน “ใหญ่เกินจะวิ่งแรงๆ” แล้ว (และผมพูดมาเสมอว่าอย่าหวัง 10 เด้งจาก $NVDA เพราะมันเป็นไปได้ยากแล้ว แต่มันก็กลับมาซึ่งความมั่นคง)
5. $AMD เริ่มได้ momentum จริงจาก MI series ตลาดเริ่มเชื่อว่าอย่างน้อยก็มีคู่แข่ง $NVDA แล้ว
6. $GOOGL Cloud โตแรงเพราะ AI เริ่ม monetize (หาเงิน) ได้จริง ไม่ใช่แค่ burn capex อย่างเดียว
7. $AMZN AWS โตแรงสุดในรอบหลายไตรมาส เพราะทุกคนแห่ build AI infra บน cloud กัน
8. $META ใช้ AI ยิง ads จนเครื่องปริ้นเงินกลับมาปริ้นเงินได้รัวๆ อีกครั้ง แต่ก็ยังน่าห่วงเรื่อง capex ของบริษัท
9. $AAPL งบยังแข็ง iPhone ยังขายได้ เงินสดล้นมือ เอาไปทำอะไรได้เยอะแยะ และดีล Intel ก็ช่วย narrative “Made in USA chips” เพิ่มไปอีก
10. $PLTR ดูจากงบจะเห็นว่า AI platform (AIP) โตแรงมาก แต่ valuation ก็แพงเหมือนกัน คนถือเลยต้องระมัดระวังมันหน่อย และถ้าใครจะเข้าตอนนี้ต้องดูความเสี่ยงด้าน valuation ให้ดี
11. $ANET คือ backbone networking ของ AI data center แบบเงียบๆ คนยังไม่ค่อยรู้ คือ GPU จะเก่งแค่ไหนก็ตาม แต่ถ้า network ตันก็จบ
12. $NET โดนเทขายเพราะ guidance ไม่ถูกใจตลาด ทั้งที่ business ยังโตดี นี่แหละที่เรียกว่า classic Wall Street moment 555+
13. $RXT เริ่มมีคนเก็งว่า small/mid cap cloud infra อาจจะได้วิ่งกันรอบใหม่จาก AI infra buildout
14. $FLNC AI data center ใช้ไฟหนักมากๆ energy storage เลยเริ่มถูกมองใหม่หมด (คนไม่กล้าถือ $EOSE กันเพราะธรรมภิบาลของทีมผู้บริหารมันพังไปแล้ว เลยหันมามอง energy storage for data center ตัวใหม่ๆ แทน)
15. $INOD ง่ายๆ ครับ คือ AI จะเก่งไม่ได้ถ้าข้อมูลห่วยแตก บริษัท data annotation เลยกลับมา Hot อีกรอบ (อันนี้ทำธุรกิจคล้ายๆ Scale AI)
16. $PINS AI recommendation ช่วย engagement + ads ดีขึ้น หุ้นเลยฟื้นแรง (1 เดือนขึ้นมา 18% นี่ถือว่าแรงสำหรับ $PINS แล้วนะครับ เพราะเพิ่งลงมายับๆ)
17. $DD คนลืมไปว่าพวก material ก็ได้ประโยชน์จาก semiconductor cycle เหมือนกัน
18. $BUD หุ้นเบียร์ยังขึ้นแบบโช๊คได้ในตลาด AI รอบนี้ คือเอามาเขียนเพราะอยากให้เห็นว่า liquidity ในตลาดมันไหลไปทั่วจริงๆ อยู่ที่ว่าใครจะได้มากได้น้อย อันนี้ขนาดหุ้นเบียร์ยังขึ้น 555+
19. $CRWD ยุค AI = hacker ก็ใช้ AI เหมือนกัน cybersecurity เลยยิ่งสำคัญขึ้นเรื่อยๆ
20. $WDC data explosion จาก AI ทำให้ HDD/SSD ยังจำเป็นมาก คนมองข้าม storage ไม่ได้แล้วววว

สรุปๆ
ตอนนี้เรารู้กันแล้วนะครับว่าตลาดเริ่ม shift จาก “ใครมี AI model เจ๋งสุด” ไป “ใครทำให้ AI scale ได้จริง” แล้ว

ตอนนี้เงินเริ่มไหลออกจาก pure software ไปหา
-> memory
-> networking
-> storage
-> power
-> cooling
-> cybersecurity
-> data infra
เพราะทุก token ที่ AI generate ออกมา มันกินทั้ง compute + bandwidth + electricity พร้อมกันหมด อย่างกะสัตว์ประหลาด

รอบนี้มันเริ่มดูเหมือน industrial revolution มากขึ้นเรื่อยๆ ละ

[Shay Boloor @StockSavvyShay]

10 WAYS TO BUILD AN AI POWER PORTFOLIO

1. $OKLO effectively building the “local nuclear plant” the AI economy will require by placing reactors directly next to data center campuses for 24/7 onsite generation.

2. $BE fuel-cell onsite power play helping data centers bypass the grid with dedicated energy for AI clusters with product backlog up 250% YoY to $6B.

3. $CEG nuclear baseload backbone of the AI era with a 20-year $MSFT PPA tied to the Three Mile Island restart to supply the 24/7 carbon-free power.

4. $VST hybrid power engine of AI combining nuclear, gas & storage with a 20-year $META agreement covering 2,600+ MW across three nuclear plants.

5. $GEV industrial supplier rebuilding the U.S. grid providing the turbines, transformers & hardware every AI-driven upgrade cycle depends on with $163B in backlog.

6. $VRT infrastructure gatekeeper for AI compute controlling the cooling & power systems that $NVDA class clusters cannot run without with Q1 backlog up 80% YoY to ~$12.5B.

7. $EOSE long-duration storage solution for a grid under strain helping utilities smooth volatility as AI demand overtakes supply.

8. $NEE clean-energy arm of the AI buildout with largest renewable development pipeline in the country positioned directly into data center load growth.

9. $LEU only U.S. source of HALEU fuel making it essential for powering the modular reactors needed around future AI campuses backed by ~3B DOE contract.

10. $UUUU secures the domestic uranium supply chain by turning nuclear fuel into a national-security asset for the AI age.

[Perth Woratana 🇦🇺🇹🇭 @woraperth]

นั่งลองสร้าง Second brain ของตัวเองด้วย AI

โหว ดีมาก ทำไมไม่ทำตั้งนานแล้ว 😂 เหมาะมากกับทั้งคนที่อยากจัดการชีวิตตัวเองให้เรียบร้อย และคนที่มีโปรเจคเยอะแยะ อยากจดเก็บไว้ดี ๆ

Obsidian (ด้านซ้าย) ฟรี ทำข้อมูลเราเป็นกราฟให้เห็นความเชื่อมโยงด้วย ชอบ

ส่วนฝั่ง AI ตอนนี้ใช้ Claude Cowork จ่าย $20/เดือน ต้องยอมเค้าจริง เข้าเว็บก็ได้ คุมคอมเราก็ทำได้

เสียนิด คือ ลิมิทรีเซ็ตทุก 4-5 ชั่วโมง คุยได้ประมาณนึงก็จะเต็ม ต้องรอ

แต่อนาคตถ้ามีวิธีถูกกว่านี้ก็น่าเทส อาจจะลองดูค่ายอื่นที่ฉลาดหน่อย และมี Desktop App หรือใช้แนว AI บนเครื่องสำหรับอ่านไปเลย

ส่วนงานหนัก ๆ ที่ต้องสร้างข้อมูล ค่อยไป Claude Cowork งี้

[Shay Boloor @StockSavvyShay]

SEMICONDUCTOR STOCKS BY PEG RATIO

PEG < 1 usually means mispriced growth
PEG > 2 starts to push into the danger zone

Here’s how they stack up:
• $INTC ~2.8x
• $LRCX ~2.0x
• $KLAC ~2.0x
• $AMAT ~2.0x
• $ASML ~1.7x
• $ALAB ~1.6x
• $ARM ~1.5x
• $ANET ~1.5x
• $LITE ~1.3x
• $TSM ~1.1x
• $CRDO ~1.0x
• $NVDA ~1.0x
• $COHR ~0.9x
• $AVGO ~0.9x
• $AMD ~0.7x
• $SNDK ~0.7x
• $MRVL ~0.7x
• $AAOI ~0.6x
• $ON ~0.5x
• $MU ~0.4x

[Shay Boloor @StockSavvyShay]

UPDATED FIB LEVELS FOR POPULAR STOCKS

AI Utility
• $IREN $50
• $NBIS $133
• $CIFR $17
• $CRWV $103

AI Power
• $EOSE $7
• $BE $194
• $NVTS $13
• $VRT $258

AI Hardware
• $NVDA $179
• $TSM $327
• $ASML $1,247
• $MU $494

AI Applications
• $PLTR $138
• $SNOW $134
• $CRWD $433
• $ZETA $17

AI Connectivity
• $AVGO $349
• $ALAB $189
• $CRDO $151
• $MRVL $131

Agentic AI
• $NET $180
• $DOCN $112
• $FSLY $17
• $MSFT $404

Physical AI
• $TSLA $359
• $AMZN $245
• $GOOGL $307
• $ISRG $448

Space
• $RKLB $73
• $ASTS $64
• $PL $27
• $BKSY $30

Drones
• $ONDS $10
• $UMAC $12
• $AVAV $170
• $KTOS $50

Nuclear
• $OKLO $69
• $UUUU $19
• $GEV $878
• $LEU $183

Photonics
• $AAOI $123
• $LITE $655
• $COHR $252
• $AEHR $67

CPU Bottleneck
• $AMD $321
• $INTC $88
• $ARM $186
• $AMKR $56

[Galadriel @Galadriel_TX]

รู้ไหมว่าสหรัฐ ฯ​ เคยยุบธนาคารกลางของตัวเองมาแล้ว
และไม่ใช่แค่ครั้งเดียวด้วย

เรื่องมันมีอยู่ว่า

หลังจากที่สหรัฐฯ ได้เอกราชจากอังกฤษในปี 1776 ประเทศใหม่แห่งนี้ไม่ได้เกิดมาพร้อมความมั่งคั่ง แต่เกิดมาพร้อมกับหนี้จำนวนมหาศาลที่เกิดจากการทำสงคราม ระบบการเงินของสหรัฐ ฯ ในยุคสร้างชาตินั้นต่างกระจัดกระจาย เพราะธนบัตรแต่ละรัฐมีมูลค่าไม่เท่ากัน จะทำมาค้าขายกันทีก็ต้องลุ้นว่าเงินใช้ได้จริงแค่ไหน ทำให้การค้าขายยุคนั้นสับสนวุ่นวายมาก

ตรงนี้เองที่ Alexander Hamilton รัฐมนตรีคลังคนแรกของสหรัฐฯ มองเห็นปัญหาใหญ่ Hamilton เชื่อว่า ถ้าประเทศใหม่อย่างสหรัฐ ฯ อยากยืนหยัดได้ต้องมีเครดิต และถ้าอยากมีเครดิต ต้องมีระบบการเงิน และถ้าอยากมีระบบการเงิน ต้องมีธนาคารกลางเหมือนอย่าง Bank of England เขาจึงเสนอให้ตั้ง First Bank of the United States ในปี 1791

หน้าที่ของ First Bank ไม่ใช่เป็นเพียงแค่ธนาคารรับฝากเงินรัฐบาล แต่คือการสร้างกระดูกสันหลังให้เศรษฐกิจสหรัฐ ฯ​ สามารถจัดการหนี้สงคราม สร้างเงินตราที่น่าเชื่อถือ
และควบคุมธนาคารท้องถิ่นไม่ให้พิมพ์เงินเกินตัว

แต่สิ่งที่ Hamilton มองว่าจำเป็นต่อการสร้างชาติ Thomas Jefferson และ James Madison กลับมองว่าเป็น อำนาจที่อันตรายเพราะรัฐธรรมนูญไม่ได้ระบุว่ารัฐบาลกลางมีสิทธิ์ตั้งธนาคารกลาง มันจึงไม่ใช่แค่เรื่องการก่อตั้งธนาคาร แต่มันคือศึกใหญ่ระหว่าง อำนาจรัฐบาลกลาง กับสิทธิของรัฐ

เพราะฝ่ายที่สนับสนุนบอกว่าประเทศจะเติบโตได้ ต้องมีศูนย์กลาง ส่วนอีกฝ่ายที่คัดค้านบอกว่าถ้ามีศูนย์กลางมากเกินไป เสรีภาพจะถูกกลืน

แต่ในที่สุดหลักการ Implied Powers ของ Hamilton ก็ได้ทำการโต้แย้งว่ารัฐธรรมนูญให้อำนาจโดยนัยแก่รัฐบาลกลางในการทำสิ่งที่จำเป็นเพื่อบรรลุเป้าหมายที่ระบุไว้ชัดเจน

สุดท้าย George Washington ก็เลือกข้าง Hamilton
First Bank จึงถือกำเนิดขึ้นด้วยทุนจดทะเบียน 10 ล้านดอลลาร์ในยุคนั้นถือว่ามหาศาล รัฐบาลถือหุ้น 20% เอกชนถือหุ้น 80% โดยมีสำนักงานใหญ่ตั้งอยู่ที่ฟิลาเดลเฟีย

ส่วนหลักการ "Implied Powers" ได้กลายเป็นมรดกทางกฎหมายที่สำคัญที่สุดของ Hamiltonที่ยังสืบทอดจนถึงปัจจุบัน

Hamilton ภูมิใจมากที่ก่อตั้ง First Bank ขึ้นมาได้ เพราะนั่นคือผลงานชิ้นโบแดงของเขา และในช่วงที่เขายังมีชีวิต First Bank ก็ทำผลงานได้ดีมาก Hamilton มองว่าการตั้ง Fist Bank พิสูจน์ได้ว่าแนวคิดของเขาถูกต้อง เขารู้ดีว่าศัตรูทางการเมืองของเขาอย่าง Jefferson และ Madison ไม่ยอมรับธนาคารนี้ ตลอดเวลาที่เขายังมีชีวิตอยู่ เขาเขียนทั้งจดหมายและบทความปกป้องธนาคารอย่างต่อเนื่องเพราะรู้ว่าการต่อสู้ยังไม่จบ

นอกจาก Hamilton เป็นผู้ก่อตั้งธนาคารกลางแห่งแรกของสหรัฐ ฯ ขึ้นมาแล้ว เขายังเป็นคนแรกที่สร้างพันธบัตรรัฐบาล (Government Bonds) ของสหรัฐ ฯ​ ซึ่งพัฒนามาเป็น US Treasury Bonds ที่เราใช้อยู่ทุกวันนี้

ช่วงสุดท้ายของชีวิต Hamilton น่าเศร้ามาก ก่อนเขาตาย Hamilton เผชิญกับความพ่ายแพ้ทางการเมืองหลายอย่าง
ในปี 1800 Jefferson ชนะการเลือกตั้งประธานาธิบดี ซึ่ง Hamilton มองว่าเป็นหายนะสำหรับประเทศ และเป็น Hamilton เองที่ต้องเลือกสนับสนุน Jefferson แทน Aaron Burr ในการเลือกตั้งที่สูสีมาก ทำให้ Burr เกลียด Hamilton อย่างถึงที่สุด

ในปี 1801 Hamilton ต้องเผชิญกับการสูญเสียครั้งใหญ่ เมื่อบุตรชายของเขา Philip Hamilton ลูกชายคนโตเสียชีวิตจากการดวลปืนในปี 1801 เพื่อปกป้องชื่อเสียงของเขา

หลังจากนั้นพรรค Federalist ที่เขาสร้างขึ้นเสื่อมอำนาจ เขาไม่ได้รับตำแหน่งในรัฐบาลอีกต่อไป จนกระทั่งปี 1804
Burr โกรธที่ Hamilton พูดในแง่ลบเกี่ยวกับเขา จึงท้าดวลปืน Hamilton ตัดสินใจไม่ยิงใส่ Burr โดยตั้งใจยิงขึ้นฟ้า แต่ Burr ยิงใส่ Hamilton และนั่นทำให้ Hamilton ได้รับบาดเจ็บสาหัสและเสียชีวิตในวันถัดมา

หลังจากที่ Hamilton เสียชีวิต สหรัฐ ฯ เกิดความขัดแย้งทางการเมืองและส่งผลกระทบถึง First Bank ด้วย กลุ่มผู้ถือหุ้นเอกชนของธนาคารมีนักลงทุนต่างชาติโดยเฉพาะนักลงทุนจากอังกฤษและฮอลแลนด์เข้ามาถือหุ้นจำนวนมาก ประเทศที่เพิ่งรบชนะอังกฤษ แต่ธนาคารของชาติกลับมีเงินทุนอังกฤษจำนวนมากถือหุ้น สำหรับฝ่ายชาตินิยมนี่คือเรื่องที่รับไม่ได้ แม้ว่า First Bank จะทำผลงานได้ดีมากแค่ไหนก็ตาม แต่ปัญหาเรื่องการเมืองเป็นสิ่งที่แก้ไขได้ยาก

ต่อมาในปี 1811 สัมปทาน 20 ปีของ First Bank หมดลง รัฐสภาต้องตัดสินใจว่าจะต่ออายุหรือไม่ ผลคือไม่ต่อให้ ผลโหวตในสภาผู้แทนราษฎรเฉียดฉิว 65 ต่อ 64 ส่วนวุฒิสภาเสมอ 17 ต่อ 17 รองประธานาธิบดีต้องลงคะแนนชี้ขาดทำให้ First Bank ถูกยุบ

ถ้า Hamilton ยังมีชีวิตอยู่คงโกรธและผิดหวังอย่างมาก เขาเชื่อสุดใจว่าธนาคารกลางคือสิ่งจำเป็นสำหรับประเทศ

นี่คือฉากแรกของบทเรียนการเงินครั้งใหญ่ของสหรัฐ ฯ เพราะปีต่อมาสหรัฐ ฯ ก็เข้าสู่สงครามกับอังกฤษในปี 1812 แต่คราวนี้ไม่มีธนาคารกลางอย่าง Fist Bank คอยจัดการบริหารเงิน บริหารงบประมาณทำสงคราม รัฐบาลต้องพึ่งธนาคารเอกชนและธนาคารท้องถิ่น ระบบการเงินของประเทศเริ่มมีปัญหา เงินเฟ้อพุ่งสูงขึ้น การคลังวุ่นวาย เครดิตของรัฐบาลไม่ได้รับความเชื่อถือ ทั้งหมดนี้เป็นเพราะนักการเมืองสหรัฐ​ฯ ทำลายเครื่องมือทางการเงินของตัวเอง

Hamilton เสียชีวิตในฐานะนักการเมืองที่กำลังเสื่อมอำนาจ แต่ปัจจุบันเขาได้รับการยกย่องว่าเป็นหนึ่งใน Founding Fathers ที่ยิ่งใหญ่ที่สุด ใบหน้าของเขาอยู่บนธนบัตร 10 ดอลลาร์ และระบบการเงินอเมริกาในปัจจุบันก็เดินตามแนวทางที่เขาวางไว้เกือบทั้งหมด

ชักจะยาว ... เอาไว้มาต่อตอนต่อไปในวันพรุ่งนี้ ...

[Galadriel @Galadriel_TX]

ตอนที่ 2

เมื่อวานเล่าเรื่องประวัติธนาคารกลางของสหรัฐ ฯ​ ปิดจบด้วยฉากการดวลปืนของ Hamilton และ Burr ซึ่งเป็นประวัติศาสตร์สำคัญช่วงหนึ่งของการเมืองสหรัฐ ฯ​

จะไม่เล่าเรื่องทั้งสองคนต่อก็ไม่ได้ เพราะเกี่ยวข้องกับปวศ. ระบบการเงินของสหรั​ฐ ฯ​ ด้วยกันทั้งคู่

ก่อนที่พวกเขาจะเป็นคู่อาฆาตนั้น ทั้ง Hamilton และ Burr รู้จักกันในฐานะนายทหารหนุ่มที่ต่อสู้เพื่ออิสรภาพของอเมริกา ความฉลาดหลักแหลมของ Hamilton ทำให้เขาได้เป็นผู้ช่วยคนสนิทของ George Washington ส่วน Burr เป็นนายทหารที่กล้าหาญเก่งกาจเรื่องการรบ สงครามที่สร้างชื่อเสียงให้กับเขา คือการนำทัพบุกฝ่าพายุหิมะในการบุกแคนาดา

หลังจบสงครามใหญ่ ทั้งคู่เปิดสำนักงานกฎหมายในนิวยอร์ก เป็นคู่แข่งกัน Hamilton เป็นคนที่มีหลักการชัดเจน พร้อมยืนหยัดในจุดยืนแม้ว่าจะต้องเสียเพื่อนก็ตาม ส่วน Burr เป็นคนที่เข้าได้กับทุกกลุ่ม มีความประนีประนอมยืดหยุ่นกว่า และนี่เป็นเหตุให้ Hamilton มองว่า Burr เป็นนักการเมืองที่ไม่มีหลักการ ถึงขนาดที่เขาเขียนจดหมายบอกเพื่อนๆว่าเขา ไม่ไว้ใจ Burr มาตั้งแต่ต้น

ช่วงปลายศตวรรษที่ 18 นิวยอร์กยังไม่ใช่มหานคร มันคือเมืองที่สกปรกแออัดเต็มไปด้วยบ่อน้ำเน่าเสีย ชาวนิวยอร์กต้องบริโภคใช้น้ำเน่าจนเกิดโรคระบาดป่วยเป็นไข้เหลืองไปทั่วทั้งเมือง

และตรงนี้เอง Burr มองเห็นโอกาสที่เขาอยากได้มาช้านาน ไม่ใช่แค่โอกาสในการแก้ปัญหาระบบน้ำประปา เขามองไปไกลกว่านั้นนั่นคือโอกาสในการจัดตั้งธนาคารของเขาเอง

ยุคนั้น ธนาคารไม่ใช่แค่ธุรกิจรับฝากเงิน ใครควบคุมธนาคาร
คนนั้นจะมีอำนาจมาก และนั่นคือสะพานที่จะเข้าไปควบคุมอำนาจทางการเมือง

แต่ปัญหาคือระบบธนาคารในนิวยอร์กตอนนั้นถูกผูกขาดโดยฝั่ง Federalist ของ Hamilton ซึ่งเป็นเป็นเจ้าของ Bank of New York และยังมี First Bank of the United States ศูนย์กลางอำนาจทางการเงินของประเทศที่ Hamilton ดูแลอยู่

แทบจะไม่มีหนทางเลยที่ Burr จะจัดตั้งธนาคารของตัวเองได้ เพราะเขารู้ดีว่า Hamilton ซึ่งเป็นรมต.คลังขณะนั้นต้องขวางแน่นอน

เขาจึงใช้วิกฤตที่เกิดขึ้นในนิวยอร์ก รับอาสาพัฒนาระบบน้ำประปา Burr ตั้งบริษัทชื่อ Manhattan Company แต่เบื้องหลังจริงๆแล้ว เขาต้องการแค่ใบอนุญาตทางการเงินเท่านั้น ซี่ง Hamilton ก็ไม่ได้ระแวงอะไรแถมยังสนับสนุนโครงการนี้

แต่ Hamilton พลาดไม่ได้เห็นข้อความในกฎบัตรของ Manhattan Company ถูกซ่อนอยู่ตอนท้ายประโยคระบุว่าบริษัทสามารถนำเงินทุนส่วนเกินไปลงทุนในกิจกรรมทางการเงินอื่นได้

และเพราะประโยคนี้ประโยคเดียว Burr สามารถเปลี่ยนบริษัทประปาให้กลายเป็นธนาคารได้ทันที

ธนาคารของ Burr ได้รับการอนุมัติในปี 1799 และ Manhattan Company ได้เปิดธุรกิจธนาคารที่ 40 Wall Street ได้สำเร็จ
ส่วนบริษัทประปาที่เป็นเหตุผลในการก่อตั้งบริษัท บริหารงานแบบขอไปที แทนที่จะดึงน้ำสะอาดจากแม่น้ำ Bronx ตามที่สัญญาบริษัทระบุไว้ กลับใช้น้ำจาก Collect Pond ซึ่งเป็นแหล่งน้ำปนเปื้อนเดิม ท่อน้ำก็ใช้วัสดุราคาถูก ฤดูหนาวน้ำแข็งเกาะรากไม้แทงทะลุท่อแรงดันน้ำต่ำจนใช้งานแทบไม่ได้ บริษัท Manhattan ไม่ได้สนใจที่จะพัฒนาระบบประปา แต่กลับโฟกัสไปที่ธุรกิจธนาคารเพียงอย่างเดียว

ความล้มเหลวของระบบประปาสร้างความเสียหายให้นิวยอร์กอย่างมหาศาล แต่ธุรกิจธนาคาร Manhattan ของ Burr กลับรุ่งเรือง

Burr กู้เงินจากธนาคารตัวเองเพื่อใช้หนี้เก่า แต่ยอดหนี้กลับสูงขึ้น เขาไม่มีปัญญาใช้หนี้ จนในที่สุด เขาลาออกจากบริษัท Manhattan บริษัทที่เขาก่อตั้งขึ้นเองในปี 1802

สิ่งที่เจ็บปวดที่สุดสำหรับ Hamilton คือเขามีส่วนช่วยให้แผนของ Burr สำเร็จ เขาคิดว่าตัวเองกำลังสนับสนุนโครงการสาธารณะแต่สุดท้ายกลับกลายว่า เขาไปช่วยสร้างธนาคารคู่แข่งเสียงั้น

ความขัดแย้งระหว่าง Burr กับ Hamilton รุนแรงขึ้นเรื่อย ๆ
ก่อนจะจบลงด้วยการดวลปืนกันในปี 1804 และ Hamilton เสียชีวิต

ส่วน Burr ถูกตั้งข้อหาฆาตกรรม ทำให้เส้นทางอาชีพนักการเมืองของเขาจบลง ปืนที่ใช้ดวลเป็นปืนของพี่เขยของ Hamilton ชื่อ John Barker Church ถูกเก็บไว้ในคฤหาสต์ของเขา

Burr ต้องหลบหนีแถมยังถูกตั้งข้อหากบฎแบ่งแยกดินแดนทางตะวันตก แม้จะพ้นผิดแต่ชื่อเสียงของเขาก็จบสิ้น

ส่วน Manhattan Company บริษัทน้ำประปาของเขาสร้างความทุกข์ระทมให้กับประชาชนนิวยอร์กจมอยู่กับน้ำเน่าเสียนานถึง 40 กว่าปี ในที่สุดรัฐนิวยอร์กก็สร้างระบบน้ำของตัวเอง Manhattan Company ก็ไม่มีเหตุผลต้องแบกรับธุรกิจประปาที่ขาดทุนอีกต่อไป จึงขายระบบทั้งหมดให้เมืองและหันมาทำธุรกิจธนาคารอย่างเดียวอย่างเต็มตัว

ในปี 1930 ปืนที่ใช้ดวลก็ถูกขายให้กับ Manhattan Bank ธนาคารที่ Burr สร้างเพื่อต่อต้าน Hamilton กลายมาเป็นเจ้าของปืนที่ใช้ยิง Hamilton เอง

Bank of the Manhattan Company สามารถยืนหยัดอยู่มาได้จนถึงปี 1955 Chase National Bank ซึ่งเป็นธนาคารใหญ่อันดับ 3 ของประเทศได้ควบรวมกับ Bank of the Manhattan Company กลายเป็น Chase Manhattan Bank เป็นครั้งแรกที่ธนาคารของ Burr ถูกกลืนเข้าไปอยู่ในองค์กรใหญ่กว่า

ต่อมาในปี 1996 Chase Manhattan Corporation ควบรวมกับ Chemical Banking Corporation ซึ่งเป็นธนาคารใหญ่อันดับ 2 ของประเทศ กลายเป็นธนาคารที่ใหญ่ที่สุดในสหรัฐฯ ในขณะนั้น
สิ่งที่น่าสนใจคือ แม้ Chemical Bank จะเป็นฝ่ายที่ใหญ่กว่า แต่ยังคงใช้ชื่อ Chase Manhattan เพราะว่ามีชื่อเสียงและความน่าเชื่อถือมากกว่า

และสุดท้าย… ในปี 2000 J.P. Morgan & Co. ได้เข้าควบรวมกิจการ Chase Manhattan Corporation และกลายเป็น JPMorgan Chase ธนาคารที่ใหญ่ที่สุดแห่งหนึ่งของโลกในวันนี้

ส่วนปืนที่สังหาร Hamilton ปัจจุบันตกเป็นของ JPMorgan Chase ถูกเก็บไว้อยู่ที่สำนักงานใหญ่ที่นิวยอร์ก ว่ากันว่าอยู่ในห้องประชุมผู้บริหาร ดังนั้นคนทั่วไปจึงแทบไม่มีโอกาสได้เห็น

เรื่องของ Manhattan Company คือเรื่องที่ดูเหมือนนิยายการเมือง แต่ทุกอย่างล้วนเกิดขึ้นจริงและที่น่าทึ่งคือปลายทางของเรื่องนี้ กลายมาเป็นธนาคารที่วันนี้เรารู้จักกันในชื่อ JPMorgan Chase

ถ้าจะเล่าเรื่อง Hamilton and Burr แบบเข้าใจง่ายที่สุดมันคือเรื่องของการใช้วิกฤตสาธารณะ เป็นบันไดสร้างอำนาจทางการเงิน ซึ่งสะท้อนให้เห็นว่าตั้งแต่วันแรกของการก่อตั้งสหรัฐอเมริกา ปัญหาเรื่องการเมือง การเงิน และผลประโยชน์แทบไม่เคยแยกออกจากกันเลย

เขียนยาวมาก พรุ่งนี้ค่อยเขียนต่อ

[lordachita - ai/acc @0xlordachita]

(120/365) ขออนุญาตเกาะจารนะครับ ฮ่าาาา

ล่าสุด เรียนคอร์สนึงของ Anthropic มาแล้วประทับใจมากๆ จะเรียนลึกในระดับที่มาทำความเข้าใจ AI เลยว่า ปัจจุบันทำอะไรได้บ้าง/มีข้อจำกัดอะไรบ้าง

คิดภาพว่าเราทำงานกับคนแล้วเราสามารถเข้าใจคนที่ทำงานด้วยได้ก็จะช่วยให้ทำงานแล้วไม่ตีกัน ยกตัวอย่างเวลาสั่งงาน AI (a.k.a Prompt Engineering) พอรู้ว่าปัจจุบัน AI ส่วนมากคิดงานแบบ Next-Token Prediction ก็ทำให้มักจะสั่งงาน AI สองรอบย้ำต้นและย้ำท้าย และจะไม่พยายามนำข้อมูลสำคัญไว้ตรงกลางเพราะ AI มีแนวโน้มจะลืม (Lost in the middle) หรือแม้กระทั่งตอนนี้ที่กำลัง build AI อยู่ ก็ช่วยให้เห็นภาพมากๆว่า feature ต่างๆเช่น subagent / agent skills เกิดมาเพื่อเติมจุดอ่อน LLM ในปัจจุบันทั้งนั้น (Context Overflow / Steering)

link คอร์สด้านล่าง

[Hyper Shark! @HyperSharkk]

ยาวหน่อย แต่ถ้าใครที่อยากลงทุนในหุ้นกลุ่ม photonics

แล้วกำลังมองว่าจะเข้าดีมั้ย? ยังไงดี? (อ่านโพสนี้ก่อนนะครับ เผื่อเห็นโอกาสในการลงทุน)

คืองี้ photonics อะ มันมี 2 wave คือ wave แรกหลายๆ คนอาจจะเข้าไม่ทัน แต่ไม่เป็นไร มี wave 2 ให้ได้ศึกษากันครับ

งั้นมาดู Wave 1 กันก่อน มันคืออะไร? มันคือ... Connectivity explosion มันเข้ามาช่วยแก้ปัญหาเรื่อง bandwidth เพราะ copper ช้า ร้อน เปลืองไฟ การเอา optical เข้ามาใช้เลยจะช่วยให้ ประหยัดไฟ เร็วแรง และไม่ร้อน แต่ที่สำคัญคือ โคตรแพง (เลยจะนิยมใช้กันใน DC ใหม่ๆ ก่อนการโล๊ะ copper ใน DC เก่าๆ) *** DC = Data Center

แล้ว Wave 2 มันคือการ Integration / CPO (co-packaged optics) คือเอา optics เข้าไปอยู่ “ใน package เดียวกับ chip เลย” แบบนี้การทำงานก็จะ smooth ขึ้น คือเหมือน V2 ของ Optical ที่เล่าในข้อ 1 แต่เร็วกว่ามากๆ latency ต่ำ เพราะไม่ต้องส่งข้อมูลผ่านหลายทาง เข้าที่เดียวพอ เพราะเอามารวมกันอยู่ตรงนี้ให้แล้ว

Wave 1 = demand มาแล้ว
Wave 2 = ยังไม่ fully priced-in

แล้ว CPO จะมาตอนไหน?
ก็ตอนที่ value จะ shift จาก component → system integration นั้นแหละครับ

คำถามต่อมาคือ แล้วจะรู้ได้ไง ว่า CPO มันจะมาแล้ว สังเกตจากอะไร? (จับตาพวกนี้ให้ดี)
-> roadmap ของ $MRVL ถ้ามีการพูดถึง CPO นั้นคือเริ่มแล้ว
-> การเคลื่อนไหวของ $NVDA (networking stack) อันนี้พี่เบิ้ม อาจจะ price in ไปแล้ว แต่ช่วยยืนยันอีกเสียงจาก $MRVL ว่าของจริงมาจะเต็มละ
-> ฝั่ง manufacturing อย่าง $JBL ก็ลองสังเกต order การทำ CPO

อีกทริคคือ ให้สังเกตคำว่า Platform/ System-level-solution/ integrate อะไรพวกนี้ตามข่าวของบริษัทในกลุ่ม photonics ก็น่าจะได้รู้ก่อนชาวบ้านชาวเมืองไป 1-2 ก้าวแล้วแหละ

[supawichable @supawichable]

พูดเรื่องท่องเที่ยว ใครสายเที่ยวอยากให้ลองไปโหลดแอป NomadMania มาเล่นดู ที่เราเคยระบายประเทศที่เคยไปมาแล้วมันดูเต็มๆ แม็ปนี่ เอามาใส่แอปนี้แล้วดู sparse ไปเลย โลกนี้ช่างกว้างใหญ่

สั้นๆ คือเขาแบ่งโลกออกเป็น 1367 meaningful destinations ตาม geography/people&culture/history/popularity มากกว่านับแค่เป็นประเทศๆ ไป เช่นคุณไปปารีส เท่ากับคุณได้ experience ปารีส ไม่ใช่ทั้งฝรั่งเศส พวก leaderboard มีให้ provide proof ว่าเคยไปมาแล้วจริงจังมาก

ตอนนี้มีแค่ 500 กว่าคนที่เคลมว่าไปมาทุก UN Countries แล้ว provide proof จริงจังได้ว่าไปมาครบจริง

[Vibe Coding Thailand @vibecodingth]

ทำไมพิมพ์ prompt ยาวๆ ละเอียดสุด แต่ Claude ก็ยังตอบไม่ตรงใจ

หลายคนคิดว่าเขียน prompt ยังไม่ดีพอ เลยพิมพ์ยาวขึ้น ใส่ตัวอย่างเพิ่ม ระบุ format ละเอียดขึ้นไปอีก

ความจริงคือปัญหาไม่ได้อยู่ที่ prompt
มันอยู่ที่ context

.

ลองนึกถึงพนักงานใหม่วันแรก สั่งให้ "ทำสไลด์สรุปยอดขายไตรมาสที่แล้ว"

ถ้าเขาไม่รู้บริษัทขายอะไร ลูกค้าเป็นใคร ปกติทำสไตล์ไหน เก็บไฟล์ที่ไหน อธิบายในประโยคเดียวยังไงก็ทำไม่ได้

แต่ถ้าทำงานมาสามเดือน รู้บริบทหมดแล้ว แค่บอก "ทำสไลด์สรุปยอดขาย" เขาก็ทำได้เลย

Claude ก็เหมือนกัน
prompt ที่ดี อยู่บน context ที่ดี

.

context ของ Claude มี 4 ชั้น

01 Workspace + Folder Instructions
ไฟล์ที่บอกว่าโฟลเดอร์งานนี้คืออะไร tone ภาษาแบบไหน ตั้งครั้งเดียวใช้ทั้งโปรเจค

02 Project Memory
สิ่งที่ Claude จำได้ข้ามบทสนทนา สไตล์ที่ชอบ ข้อห้ามที่เคยสั่ง ลูกค้าหลักเป็นใคร พอจำได้ ครั้งต่อไปไม่ต้องบอกซ้ำ

03 Skill
สูตรการทำงานเฉพาะทางที่เก็บไว้เป็นไฟล์ เหมือนคู่มือพนักงาน Claude เปิดอ่านเองตอนเจองานที่ตรงกับ skill

04 In-prompt detail
รายละเอียดเฉพาะของงานชิ้นนั้น เช่น ใช้ตัวเลขจาก Q1.xlsx ส่งภายในศุกร์นี้

.

คนส่วนใหญ่อยู่แค่ชั้นที่ 04 ตลอด

อยากให้ Claude เข้าใจอะไรก็พิมพ์เพิ่มในประโยคเดียวให้ยาวขึ้น แบบนี้เหนื่อย เพราะทุกบทสนทนาต้องเริ่มจากศูนย์ ทั้งที่ความจริงควรใส่ไว้ใน 3 ชั้นแรกตั้งแต่ต้น

.

ลองเปลี่ยน mindset ครั้งต่อไปก่อนสั่งงาน ถามตัวเองหนึ่งคำถาม

"ข้อมูลที่กำลังจะพิมพ์นี้ ใช้แค่ครั้งนี้ หรือใช้ตลอด"

ถ้าตอบ "ตลอด" อย่าใส่ใน prompt
ย้ายไปไว้ในชั้นที่เหมาะสม

prompt จะสั้นลง งานจะตรงใจขึ้น โดยไม่ต้องพิมพ์ยาว

.

นี่คือเหตุผลที่คนใช้ Claude เก่งๆ พิมพ์ prompt สั้นกว่ามือใหม่ ไม่ใช่เพราะตัดใจ แต่เพราะ context พร้อมหมดแล้ว

.

เรื่องนี้กระจายอยู่ในบทที่ 3 6 และ 8 ของ Claude Cowork: The Business Playbook คู่มือภาษาไทยสำหรับใช้ AI agent ทำงานจริง

Early access 1,290 บาท เหลืออีก 2 วันสุดท้าย
https://t.co/E1kfv6bP2i

[Shay Boloor @StockSavvyShay]

ACTIVE GROWTH PORTFOLIO WATCHLIST

1. $PL | Planet Labs
2. $OKLO | Oklo
3. $LMND | Lemonade
4. $OUST | Ouster
5. $FSLY | Fastly
6. $HROW | Harrow
7. $CRML | Critical Metals
8. $JOBY | Joby Aviation
9. $ACHR | Archer Aviation
10. $LEU | Centrus Energy

[invertedheadandshoulders @invertedXbt]

เห็นด้วยสุดๆกับ megatrend ที่พี่เค้าคัดมาเลยครับ

สิ่งที่ผมชอบที่สุด คือสิ่งเล็กๆที่ได้จากการปัด x ทุกวันๆ คือ วิธีคิดแบบต่อจิ๊กซอว์ของพี่เค้า วิธีการหาหุ้น upstream ทำนองนี้ คือต้องเป็นมือโปรจริงๆถึงจะทำได้แบบนี้

แต่คำถามคือ ถ้าเราเป็นมือใหม่ล่ะ? ยังไม่รู้จะเริ่มหาหุ้นยังไง? ยังไม่มีความรู้พอที่จะเฟ้นหาหุ้นรายตัวแบบนี้จะทำยังไง?

คุณ John C. Bogle ผู้ก่อตั้งกองทุน Vanguard ได้ทิ้ง message ไว้ให้ นลท หน้าใหม่ๆอย่างพวกเราว่า “Don’t look for the needle in the haystack. Just buy the haystack.“

แปลง่ายๆคือ แทนที่เราจะงมหาเข็มในกองฟาง ไม่สู้ซื้อกองฟางทั้งกองไปเลยดีกว่า 😆 ในบริบทนี้คือ คุณ John แนะนำให้ซื้อ ETF ที่ครอบคลุม megatrend ทั้งธีมไปเล้ยยย เอาซี้ๆๆๆ 😂

ตัวอย่างที่ผมชอบตอนนี้ (เป็นความชอบส่วนตัวนะ ห้ามทำตามเด็ดขาด เอามาให้ดูเป็น case ศึกษาในกรณี ถ้าเรายังไม่สามารถจำกัดและกำจัดความเสี่ยงได้ด้วยตัวเอง) Not Financial Advice

ARTY Future AI & Tech ETF ของแบคร็อค
SOXX Semiconductor ETF ของแบคร็อค
SMH Semiconductor ETF ของ Vaneck

ผลตอบแทนแบบ medium term ในช่วง 5 ปีที่ผ่านมาอาจจะไม่ได้ปังเท่า pick รายตัว แต่ก็ไม่ได้แย่ ตามรูป

สุดท้ายแล้วอยากจะบอกว่า ไม่มีใครเลือกหรือจัดการความเสี่ยงให้เราได้ดีเท่าตัวเราเองครับ

แล้วเพื่อนๆ ชอบแนวไหนมากกว่ากัน? คัดหุ้น gems รายตัวแบบพี่ HyperSharkk หรือเหมากองกองฟางชิลๆไปเลยแบบคุณ John ดีน้า