One Good Trade

[Justin Banks @RealJGBanks]

THIS IS HOW YOU RETIRE IN THE NEXT 5 YEARS.

I’ll be following where capital flows.

This is how I believe the AI Supercycle evolves:

2026–2027: AI Infrastructure

AI demand accelerates.

Capital pours into the companies building the foundation.

• AI Compute: $NVDA $AMD $AVGO $MRVL
• Memory: $MU $SNDK $WDC
• AI Infrastructure: $VRT $SMCI $NBIS $IREN

2028–2030: Power & Grid

AI becomes an energy problem.

Capital shifts toward:
• Power Infrastructure: $VRT $ETN $PWR $HUBB
• Battery Materials: $ALB $SQM
• Copper & Grid: $FCX $TECK $SCCO
• Rare Earths: $MP $CRML $USAR
• Nuclear: $CCJ $UUUU $SMR $OKLO

2030+: Physical AI

Intelligence moves into the real world.

Capital expands into:
• Robotics: $TSLA $SYM
• Autonomous Mobility: $ACHR $JOBY
• Defense: $LMT $NOC $KTOS $AVAV
• Space: $RKLB $ASTS $LUNR $PL

Bookmark this.

The biggest winners usually come from following capital before everyone else.

[Viktor @viktork1289]

DGX Spark vs Apple M4 Pro
Qwen3.6-35B-A3B NVFP4 vs MLX

Wasn’t able to run the 256k context test on 64GB Memory on the Mac Mini.

[Ivan Fioravanti ᯅ @ivanfioravanti]

I'm pushing DGX Spark to its very limit with vllm right now with nvfp4, DFlash and Qwen3.6-27B-AEON-Ultimate-Uncensored-Multimodal-NVFP4-MTP-XS model.

Up to 183 toks/s using batch 16!
Prefill is so freaking fast 👀

lm-eval is running.

Thanks to @SpaceTimeViking @AgentSparko and @MiaAI_lab for the ton of direct and indirect hints I've got from you! 🙏

[Mia @MiaAI_lab]

DeepSeek v4 Flash DSpark running on 2x @NVIDIAAI DGX Sparks at 60 tok/s.

~50% improvement from the previous recipe! Context set to 256k conservatively — ~3 concurrent sessions.

Thanks to @rafaelcaricio for making this happen 👇

https://t.co/6HXa9pxqhj

[AlexAImaginator @TraffAlex]

Outgrown 32–64 GB VRAM and unsure
what's next? (myself included 😅)

The answer: DGX Spark.
128 GB unified memory. $4,699.
Runs models your GPU can't even load.

Here's everything — 2x Spark cluster
setup, best models with benchmarks,
working docker commands, and the flags
that actually matter. All sourced from
tested community results on https://t.co/IrZFzgs2ry +
official NVIDIA docs.

🔩 HARDWARE — DGX Spark

• SoC: NVIDIA GB10 Grace Blackwell
• Memory: 128 GB unified (CPU + GPU
shared pool)
• Price: $4,699 / unit
• Network: ConnectX-7 (CX7) 200GbE
QSFP ports
• Storage: 4TB NVMe M.2 (encrypted)
• Size: 150mm x 150mm x 50.5mm
• Performance: 1 PFLOPS FP4

🔗 2x SPARK CLUSTER — "Sweet Spot"

(Tested and verified by @MiaAI_lab)

Hardware needed:
• 2x NVIDIA DGX Spark
• 1x QSFP cable (direct 200GbE
link — full bandwidth, 1 cable)

Setup (from official NVIDIA
dgx-spark-playbooks on GitHub):

1. Make sure both units have the
same username:
$ whoami
(if not: sudo useradd -m nvidia
&& sudo usermod -aG sudo nvidia
&& sudo passwd nvidia
&& su - nvidia)

2. Physically connect QSFP cable,
identify active interface:
$ ibdev2netdev
(look for "Up" — each port has
2 names, use enp1s0f... not
enP2p...)

3. Network config — choose ONE:

A) Automatic (link-local) —
1 QSFP cable only:
$ sudo tee /etc/netplan/
40-cx7.yaml > /dev/null
<<EOF
network:
version: 2
ethernets:
enp1s0f0np0:
link-local: [ ipv4 ]
enp1s0f1np1:
link-local: [ ipv4 ]
EOF
$ sudo chmod 600 /etc/netplan/
40-cx7.yaml
$ sudo netplan apply

B) Manual static IPs
(recommended):
# Node 1:
$ sudo tee /etc/netplan/
40-cx7.yaml > /dev/null
<<EOF
network:
version: 2
ethernets:
enp1s0f0np0:
addresses:
- 192.168.100.10/24
dhcp4: no
enp1s0f1np1:
addresses:
- 192.168.200.12/24
dhcp4: no
EOF
# Node 2:
$ sudo tee /etc/netplan/
40-cx7.yaml > /dev/null
<<EOF
network:
version: 2
ethernets:
enp1s0f0np0:
addresses:
- 192.168.100.11/24
dhcp4: no
enp1s0f1np1:
addresses:
- 192.168.200.13/24
dhcp4: no
EOF
$ sudo chmod 600 /etc/netplan/
40-cx7.yaml
$ sudo netplan apply

C) Manual CLI (temporary —
resets on reboot):
# Node 1:
$ sudo ip addr add
192.168.100.10/24
dev enp1s0f1np1
$ sudo ip link set
enp1s0f1np1 up
# Node 2:
$ sudo ip addr add
192.168.100.11/24
dev enp1s0f1np1
$ sudo ip link set
enp1s0f1np1 up

4. Passwordless SSH:
$ ssh-keygen -t ed25519
$ ssh-copy-id [email protected]

Or use official script:
$ bash ./discover-sparks
(from dgx-spark-playbooks)

5. Verify connectivity both
directions:
$ ssh 192.168.100.11 hostname
$ ssh 192.168.100.10 hostname

6. NCCL test — confirm distributed
communication works
(driver versions must match on
both units)

🔙 Rollback (if something breaks):
$ sudo rm /etc/netplan/
40-cx7.yaml
$ sudo netplan apply
Or for CLI method:
$ sudo ip addr del
192.168.100.10/24
dev enp1s0f0np0

🐛 Troubleshooting:
"Network unreachable"
→ verify netplan YAML,
run sudo netplan apply
SSH failures
→ re-run ./discover-sparks,
enter passwords
Node 2 not visible
→ check QSFP cable,
confirm IP config
NCCL fails
→ driver versions MUST be
identical on both units

🏆 BEST MODELS — What Runs

1x DGX Spark:
• Qwen 3.6 35B NVFP4
→ 256k ctx, 110 tok/s
(Alibaba, April 2026,
Apache 2.0 license)
• DeepSeek V4 Flash REAP
→ HF: 0xSero/
DeepSeek-v4-Flash-REAP
• Qwen 3.6 27B
→ 256k ctx, 19 tok/s
• Nemotron Super
→ NVIDIA's own model,
optimized for DGX Spark

2x DGX Sparks ← SWEET SPOT
(recommended by @MiaAI_lab):
• DeepSeek V4 Flash
→ 1M ctx, 40-45 tok/s
(1 session)
~79 tok/s with 3 concurrent
sessions (NVFP4 quantization)
Repo: https://t.co/ZfQSdSBJoe
deepseek-ai/
DeepSeek-V4-Flash-DSpark
• Step-3.7-Flash (StepFun)
→ 256k ctx, image support,
30 tok/s
Available via NVIDIA NIM

4x DGX Sparks:
• GLM 5.2 NVFP4 (Zhipu)
→ ~20 tok/s, 1M context
• 2x DeepSeek V4 Flash
(each on its own 2x Spark pair)

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
🚀 HOW TO RUN — vLLM Docker
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

A) Single Spark — Best model:

$ docker run -d --name vllm \
--ipc=host \
--restart unless-stopped \
--gpus all -p 8000:8000 \
-e HF_TOKEN="$HF_TOKEN" \
-v ~/.cache/huggingface:\
/root/.cache/huggingface \
vllm/vllm-openai:cu130-nightly \
vllm serve nvidia/\
NVIDIA-Nemotron-3-Super-\
120B-A12B-NVFP4 \
--served-model-name \
nemotron-3-super \
--trust-remote-code \
--max-model-len 131072 \
--gpu-memory-utilization 0.85 \
--max-num-seqs 4 \
--reasoning-parser \
nemotron_v3 \
--enable-auto-tool-choice \
--tool-call-parser \
qwen3_coder

B) 2x Spark — Distributed
inference:

Add --tensor-parallel-size 2
to the serve command.

# Node 1:
$ docker run -d --name vllm \
--ipc=host --network=host \
--gpus all \
-e HF_TOKEN="$HF_TOKEN" \
-v ~/.cache/huggingface:\
/root/.cache/huggingface \
vllm/vllm-openai:cu130-nightly \
vllm serve deepseek-ai/\
DeepSeek-V4-Flash-DSpark \
--tensor-parallel-size 2 \
--max-model-len 1048576 \
--gpu-memory-utilization 0.85 \
--max-num-seqs 4 \
--trust-remote-code

# Node 2 — same model + same
--tensor-parallel-size 2
(vLLM auto-discovers the second
node over 200GbE link)

C) Quick start — Qwen 3.6 35B
NVFP4 (1x Spark):

$ docker run -d --name vllm \
--ipc=host \
--gpus all -p 8000:8000 \
-e HF_TOKEN="$HF_TOKEN" \
-v ~/.cache/huggingface:\
/root/.cache/huggingface \
vllm/vllm-openai:cu130-nightly \
vllm serve Qwen/\
Qwen3.6-35B-NVFP4 \
--max-model-len 262144 \
--gpu-memory-utilization 0.85 \
--max-num-seqs 4 \
--trust-remote-code

💡 CRITICAL FLAGS & TIPS

• --gpu-memory-utilization 0.85
→ leaves room for OS, kernel
page cache, container

• --max-num-seqs 4
→ above 4 concurrent streams,
bandwidth tax outweighs
batching gains

• --max-model-len
→ set per model
(131072 / 262144 / 1048576)

• --kv-cache-dtype fp8
→ optional, eases memory strain
(may affect predictability)

• NVFP4 → pre-quantized, NEVER
add --quantization flag, engine
auto-detects

• Keep CUDA graphs active
→ default behavior, don't
disable

• Quantization/MoE backends
→ default to auto, usually
optimal

• Cache models before serving
→ download weights first
(safetensors = 10-15 min
default load)

• Try InstantTensor /
fastsafetensors
→ faster weight loading

• Warm-up request after boot
→ fire a tiny request to warm
JIT kernels (~25s cold start)

• Pin specific image digest
→ don't rely on moving nightly
tags in production

🔌 EXPANDING TO BIGGER CLUSTERS

For 4-8 Sparks, you'll need
a 200GbE switch:

• MikroTik CRS504
→ up to 4 Sparks
(~1% slower vs direct 200Gb)
• Check MikroTik's lineup for
8-port 200GbE options

(Note: specific switch model
numbers from original source
could not be independently
verified — check https://t.co/GXCkIFqxE3
for current 200GbE lineup)

📚 OFFICIAL RESOURCES

• NVIDIA DGX Spark page:
https://t.co/RZg1dX8gfq
workstations/dgx-spark/

• Buy ($4,699):
https://t.co/wSm7BPxbAV
developer/dgx-spark/

• Playbooks (GitHub):
https://t.co/wvU99eF6K0
dgx-spark-playbooks

• 2x Connect guide:
nvidia/connect-two-sparks/

• vLLM guide:
https://t.co/fqSjes5oyT
vllm-dgx-spark

• User Manual:
https://t.co/7pTT2eZ7af
dgx-spark/

• Quick Start PDF:
https://t.co/0vDag1IpAB
Solutions/dgx-spark/
DGX-Spark-Quick-Start-Guide.pdf

🐦 KEY SOURCES (https://t.co/IrZFzgs2ry)

• @MiaAI_lab
— tested models, benchmarks,
2x sweet spot config
(34K views on original tweet)

• @WescheNex1q
— cluster switch recommendations

• @mr_r0b0t
— GitHub playbooks, NCCL tips

• @sudoingX
— DGX Spark vs AMD Strix Halo
benchmarks

• @aijoey
— real setup photos + experience

[The Real LLO @LaikLaikoglu]

Eski bir Porsche mühendisi olarak anlatayım, bu koca kafalar endüstriyi nasıl batırdı ve muhtemelen neden bir daha toparlanamayacaklar.

Her şey Elon Musk eşeğinin elektrikli araba işini tamamen reklama yaslanarak zorlamasıyla başladı. O dönemde batarya maliyeti ve altyapı yetersizliği yüzünden ekonomik bir mantığı yoktu akülü arabaların, büyük çaplı ticari başarı gösteren de yoktu zaten. Anlamlı olsaydı yaparlardı, ilk Tesla akıl etmedi bu işi 100 yıllık teknoloji zaten.

Daha sonrasında ne oldu, Tesla ağır bir propaganda sonucunda viral oldu ve çok ciddi büyüme oranlarına ulaştı. Burada Porsche de dedi ki biz de deneyelim moruk bu işin kralı biziz zaten, şirketi büyütmek için fırsat zaten viral olmuş teknolojiye dahil oldular.

Bu vizyonla Taycan çıktı, çıktığı gibi de satışları patladı, bir anda en çok satılan model oldu vs. Porsche de dedi ki lan ne güzel işmiş, o zaman biz gidelim 718'leri Macan'ları da elektrikli yapalım zaman içinde komple dönüştürelim model gamını. Makina mühendislerini attılar, araba görse bomba sanacak yazılımcıları şirkete doldurdular, her yer akülü tekerlekli bilgisayar dizayn edecek tiplerle doldu.

Sonra bu dönüşümün ortasında bir şey yaşandı, Taycan kullanıcıları deli gibi hata bildirmeye ve forumlarda isyan etmeye başladılar. Araçlar sürekli bozuluyordu, elektronik sistemler tamir edilemediği için sürekli değişim ücretleri çıkıyordu ve korkunç paralar isteniyordu, bu tarz sorunlar üst üste binince ikinci el fiyatları magmaya düştü akülü Porsche'lerin. Taycan satışları 2023'ten 2025'e yaklaşık %60 eridi, 2020 model Taycan 4S sıfırken 110 bin dolardı bugün ikinci eli 50 bin dolara düştü.

911 dünyanın en az değer kaybeden seri üretim otomobili, bazı GT versiyonları sıfırından bile pahalıya satılabiliyor. Porsche'nin en büyük değerlerinden biri ikinci el fiyatının korunmasıyken Taycan'da böyle bir değer kaybı görüntüsü direkt olarak sıfır araçları alanları da vazgeçirdi. 2 yıl sonra BMW parasına düşecekse neden baştan 3x para ödüyorum dedi insanlar gidip akülü daha ucuz rakiplerini almaya başladılar.

Süper zeka yöneticiler ne yapmış oldu, spor araç seven ve kullanan 50 yıldır Porsche alan sadık kitlesini çöpe attılar, 718 ve Macan'ları elektrikli yaptılar ve artık bu kitleye 911'den başka araç sunamıyorlar. Benzinli 718 üretimi durdu, yerine gelecek elektrikli versiyonun da iptal edilmesi gündemde, yani orta segmentte koca bir boşluk oluştu.

Elektrikli almak için gelen fake büyüme göstergesi yeni müşteriler 3-5 yılda markayı terk etti. 100 yıllık alman otomotiv geleneğini kendi geliştirdiği içten yanmalı motor mirasını rafa kaldırarak mahvetmiş oldular.

Üzerine de mum dikecek olan Rusya savaşı geldi, enerji krizi geldi, Almanya nükleer santrallerini kapattı, elektrik ve üretim maliyetleri tavan yaptı. Bir taraftan satışlar eridi, diğer taraftan üretim maliyetleri uçtu, iki taraftan birden küçülüyorlar.

Şimdi toplu işten çıkarmalara başladılar. Ama asıl trajedi şu, tekrar içten yanmalıya dönmek isteseler bile dönemeyecekler, çünkü 10 yıldır sistematik olarak bu alanı kurutmuş durumdalar. Üniversitelerde içten yanmalı motor üzerine okuyan kalmadı, araştırma yapan kalmadı, sektörde yetişmiş mühendis kalmadı. Elektrikliye geçeceğiz diye kapının önüne koydukları deneyimli mühendisler artık bambaşka sektörlerde bambaşka işler yapıyorlar. Geri gelmezler. Bu tek yönlü bir yoldu ve farkında olmadan sonuna kadar gittiler.

Aşağıda 2025 yılının ilk yarısında en çok satılan araba markaları var, peşine takılıp koca şirketleri batırdıkları Tesla listede nerede? Evet.

[Fiscal.ai @fiscal_ai]

The gap between free cash flow and net income has never been wider at Amazon.

TTM Net Income: $76B
TTM Free Cash Flow: $11B

$AMZN

[Subu Trade @SubuTrade]

Margin Debt increased +42% in the past 7 months. Investors went all-in.

This only happened 5 times before, and the S&amp;P 500 was lower 1 year later every time.

The last 2 times? February 2000 &amp; May 2007

[Sergey @SergeyCYW]

Let's examine SaaS companies* valuations by analyzing the Forward EV/Gross Profit (GAAP) multiple relative to their projected NTM revenue growth.

This multiple considers product efficiency—gross profit margin. Gross profit margin is a critical metric for software companies. Consistently high or improving margins are often viewed as indicators of a company's strong competitive position and market potential.

I also include data on Operating Margin in the chart, as it impacts company valuation. Companies with a high positive operating margin should be valued higher than those with a negative operating margin.

On the chart, companies with a negative operating margin are marked in red, those with an operating margin below 5% in yellow, and those with an operating margin above 5% in green.

In this case, I used the GAAP Operating Margin from the most recent quarter. It helps identify the latest trends and highlights companies that have recently achieved operating profitability. However, for companies affected by seasonality, the data may be distorted.

*-Selection criteria: software companies with the majority of their revenue subscription-based, EV over $1 billion, and a gross margin above 40%.

The chart includes the most popular stocks: $CRWD $PLTR $NET $RBRK $SHOP $ZS $SNOW $NOW $AXON $PANW $FIG $DUOL $MSFT $AMZN $GOOGL $APP $ORCL.

P.S. To make the data on the chart easier to read, I removed $PLTR, which is trading at 133.3 Forward EV/GP and +46% Est Growth Rate.

[Orlando @thisisorlando]

Stanley Druckenmiller, one of the greatest macro investors of all time, arguably the GOAT, saying the quiet part out loud 🧠

Diversification is where conviction goes to die.
All eggs in one basket, full accountability, ruthless monitoring.
That’s how asymmetry is built.

[Wall Street Günlükleri @WallStDiaries]

$QQQ
90'ların Çöküşünü Bilen İsimden Şaşırtan Yorum: Asıl Risk Teknoloji Balonu Değil! Asıl Tehlike...

1990'ların sonundaki piyasa çöküşünü doğru tahmin eden duayen stratejist Charles Clough, yatırımcıların teknoloji rallisini geçmiş balonlarla karşılaştırarak "yanlış soruları" sorduğunu belirtiyor. Clough'a göre, dot-com döneminin aksine, mevcut piyasa güçlü bilanço, likidite ve iyi sermayelendirilmiş şirketler tarafından destekleniyor.

Yapay zeka balonu endişelerini yersiz bulan Clough, boğa piyasalarının dar bir liderlikle karakterize edilmesinin olağandışı olmadığını ve yüksek değerlemelere rağmen güçlü piyasa likiditesinin hisse senedi fiyatlarını desteklemeye devam edebileceğini vurguluyor.

Peki asıl tehlike ne? Clough'a göre gerçek riskler makroekonomik ve yapısal. Özellikle Federal Rezerv'in (FED) büyümeyi önemli ölçüde yavaşlatacak bir politika hatası veya genç işsizliği ve hatalı politikaların körüklediği kuşaklararası toplumsal bir çöküş, piyasalar için en büyük tehdidi oluşturuyor.

#SP500 #Nasdaq #Dowjones #Crypto #Borsa #Hisse

[Mike Zaccardi, CFA, CMT 🍖 @MikeZaccardi]

Nasdaq P/E dipped to 29x this past week GS
SPX 23x
SPX EW 17x
Midcaps 16x

[Pusholder @pusholder]

Galatasaray, Ajax’ı deplasmanda mağlup eden ilk Türk takımı oldu.

[Cuma Cevik @cevikfinance]

30 yıl boyunca yıllık ortalama %30 getiri performansı yakalamış ve bu süre zarfında hiç bir yıl zarar etmemiş efsanevi yatırımcı Stanley Druckenmiller'in "Teknik Analiz" hakkındaki görüşü:

Spiker: Teknik analiz mi, temel analiz mi? Bir yatırım ya da alım-satım kararı verirken bu ikisini nasıl birleştiriyorsunuz? Bugünlerde grafiklere ne kadar zaman ayırıyorsunuz?

Druckenmiller: Her akşam saat 16:30 civarında 272 grafik alıyorum. Bu grafikler, borsadaki hemen her sektörü, ilgilendiğim her emtia ve döviz kuru çiftini, dünya genelindeki tüm sabit getirili piyasaları kapsıyor. Grafikler genellikle günlük, haftalık ve aylık olarak geliyor. Günlük grafikler 8-20 günü, haftalık grafikler 8-20 haftayı, aylık grafikler ise 8-20 ayı öngörmek için kullanılıyor.

Yatırım kararlarımı verirken bazen (inanması güç gelebilir) fikir grafiklerden çıkabiliyor. Ama sadece grafiğe bakarak asla yatırım yapmam. Öte yandan, eğer temel analiz açısından çok güçlü bir teze inanıyorsam ama grafikler berbatsa, o işe de girmem.

Eski patronum hep şöyle derdi (kadın izleyicilerden özür dilerim) piyasada 6.000 kız var; bunlardan 20-30 tanesi harika görünüyorsa, diğerleriyle uğraşmaya gerek yok. En azından hisse senetlerinde, hem temel hikayesi güçlü hem de grafiği iyi olan 20-30 fırsat her zaman bulabilirsiniz. Çünkü ben her zaman piyasanın bir şeyler biliyor olabileceğini varsayarım ve piyasaya büyük saygı duyarım.

Yani fikirlerimin %75 ila %80’i temel analizden gelir, ardından grafiklerle doğrulanır. Ama bazen de grafiklerden bir fikir çıkar, sonra temellerini keşfederim. Kariyerime biraz kestirmeden başladığım için, grafikler benim için erken dönemde müthiş bir araçtı çünkü temel analizi zamanında öğrenemedim. Ama 20 yıl boyunca en iyi grafik sistemleriyle tanıştım ve sonunda bir teknik analiz sistemi satın alıp şirket içine entegre ettik.

Bu sistem, ikinci türev (değişim hızı) kullandığı için, genellikle temel göstergelerden bir yıl, hatta bir buçuk yıl önce dip yapabiliyor. Bu da size, tezi araştırmak için zaman kazandırıyor. O yüzden bazen fikir ilk olarak grafiklerden çıkar, sonra hikâyeyi bulmaya çalışırım.

[Simon Ree @simon_ree]

If your timeframe is 12 months or less, valuation has got NOTHING to do with stock price performance.

Even if your timeframe is 5 years, 68% of a stock's return can be explained by things other than valuation.

Many people refuse to accept this.

[One Good Trade @OneGoodTrade2]

Real ONE !

[*Walter Bloomberg @DeItaone]

DEEPSEEK'S CHATBOT ACHIEVES 17% ACCURACY, TRAILS WESTERN RIVALS IN NEWSGUARD AUDIT

Chinese AI startup DeepSeek's chatbot achieved only 17% accuracy in delivering news and information in a NewsGuard audit that ranked it tenth out of eleven in a comparison with its Western competitors including OpenAI's ChatGPT and Google Gemini.

The chatbot repeated false claims 30% of the time and gave vague or not useful answers 53% of the time in response to news-related prompts, resulting in an 83% fail rate, according to a report published by trustworthiness rating service NewsGuard on Wednesday.

[Wasteland Capital @ecommerceshares]

The biggest issue in AI is that while tech is touting the “productivity gains” it supposedly delivers, it’s just talk. Big tech is not showing us any AI-related productivity gains at all.

If their own Llama model made their people more productive doing coding or sales or anything else, $META wouldn’t fire the bottom 5% performers, they’d fire 20%+. Every bank fires the bottom 5% performers every year, that’s not news or productivity gains, it’s just business as usual.

$CRM is another example, Benioff talked about hiring 2000 (!) more people in sales to sell AI features. But why hasn’t his own sales force become more productive from these AI features (his own!)? If his own CRM AI product would improve productivity, he’d tout metrics like “Our sales people are generating 25% more per person”. That hasn’t happened. If you look at their sales & marketing vs price increases, his productivity is going down, not up, meaning his own tools so far have negative (!) productivity gains. All (100%+) of the growth has come from price increases, not better sales productivity.

So far, the touted productivity gains are bullsh*t. You can go through every single one of these public companies and so far AI has delivered nothing but costs for them. Any cost savings have come from cutting the “day-in-the-life” TikTokkers who sit and drink free smoothies. You can’t ask non-tech companies to buy AI tools for productivity when you have nothing to show for it?

Tech needs to show, not tell. That would give AI another wind in the sails. Show us the productivity, and we will buy. The products, and the stocks.

[Wasteland Capital @ecommerceshares]

Key question right now for market: While the Fed (panic) cut 50bps, market consensus shows accelerating EPS growth in 2024-25 (see charts from BofA &amp; MS below).

Is this realistic? Will rate cuts support EPS growth… just enough?

Q3 earnings &amp; FY25 guidance will be a banger!😋