XZWJ

[XZWJ @xzwj2016]

@davemacromatrix 看着像Ming’s

[XZWJ @xzwj2016]

@davemacromatrix 双儿都是BLS学生，德胜哥牛逼

[硅谷居士 @SVScholar]

我从2020年开始重仓VGT，算是吃到了这一波红利。

2026年初，我开始加仓SMH，已经收益不菲。希望能再享受十年甚至数十年的红利。

[W @zm2123]

大家一定要记住这句话

就是永远用行为去确定关系，而不是用关系去包容行为

[老沉 @laochenusa]

Mag 7从各自2022年低点以来，谁涨得最多？

如果把七家公司分别从自己2022年的最低点重新设为100，到现在差距已经非常大：

$NVDA：+1933%
$META：+742%
$GOOGL：+330%
$TSLA：+244%
$AMZN：+216%
$AAPL：+174%
$MSFT：+142%
先说明一下：这里比较的是各家公司从自己2022年低点反弹多少，低点日期并不完全相同，所以它衡量的是“低谷后的修复能力”，不是同一起点的严格投资收益排名。
$NVDA：从周期股变成AI基础设施核心
$NVDA完全是另一个量级。
2022年低点以后涨了接近20倍。
原因也最清楚：市场对它的定价逻辑发生了根本变化。
过去更多看游戏显卡、加密货币周期和数据中心芯片；生成式AI爆发之后，GPU变成大模型训练和推理最核心的基础设施之一。

所以$NVDA这几年并不只是“盈利恢复”，而是市场认为它进入了一个全新的需求周期。

这���是为什么它远远甩开其他Mag 7。

$META：从“元宇宙烧钱”到AI重新定价

$META排第二，而且这个反弹其实很有代表性。

2022年最低只有大约88美元，现在已经到741美元附近，从低点上涨约742%。

$META的路径大概分三步：

第一步，削减成本、裁员，提高利润率，“Year of Efficiency”先把市场信心拉回来。

第二步，AI推荐系统提高广告效率，Reels的变现逐渐改善。

第三步，现在开始尝试把AI从“帮助广告赚钱”，进一步变成独立产品和新的收入来源。

所以$META的上涨，本质上经历了：

成本修复 → 广告修复 → AI重新估值。

$GOOGL：AI焦虑之后，市场重新承认它的护城河

$GOOGL从2022低点上涨约330%。

它这几年的故事比较曲折。

ChatGPT出来以后，市场最早担心的就是搜索会不会被颠覆。

���$GOOGL后来证明了一件事：

搜索现金流没有快速崩塌，同时Gemini、Cloud、AI基础设施都在快速投入。

$GOOGL的优势不是单一模型，而是：

搜索 + YouTube + Android + Cloud + 自研芯片 + AI模型。

所以它的修复其实是市场从“AI会不会毁掉$GOOGL”，逐渐转向“$GOOGL可能本来就是AI最大分发平台之一”。

$TSLA：反弹很大，但逻辑最不稳定

$TSLA从2022低点上涨约244%。

这个幅度不小，但它和前面几家公司不太一样。

$TSLA这几年一直在两个估值体系之间摆动：

一个是传统汽车公司，看销量、利润率、价格战；

另一个是科技平台，看FSD、Robotaxi、AI和机器人。

只要市场开始交易自动驾驶和Robotaxi，估值可以迅速抬升；一旦重新回到汽车基本面，股价又容易承压。

所以$TSLA是Mag 7里预期波动最大的一家公司。

它上涨244%，并不代表这244%全部来自盈利改善，很大一部分来自市场重新给未来业务定价。

$AMZN：低调但扎实的利润率修复

$AMZN从2022低点上涨约216%。

它的逻辑其实没那么戏剧化，但比较扎实。

2022年市场担心疫情后电商需求正常化、物流投入过大、成本失控。

后来$AMZN逐步提高零售效率，AWS重新加速，同时AI资本开支又给Cloud业务增加了新的增长故事。

所以$AMZN这一轮上涨可以理解成：

零售效率改善 + AWS恢复 + AI云计算重新估值。

它不像$NVDA那样爆炸，也不像$META那样经历巨大叙事反转，但基本面修复比较完整。

$AAPL：涨得不少，但主要靠生态和现金流

$AAPL从2022低点上涨约174%。

这个成绩放在普通股票里非常强，但在Mag 7里反而靠后。

原因也比较明显：

$AAPL过去几年没有出现像$NVDA那样的新增长曲线，也没有像$META那样利润率大幅修复。

它主要靠的还是：

iPhone生态、服务收入��回购、现金流和品牌护城河。

所以$AAPL更像是一只“高质量大型科技资产”，而不是高增长AI股。

市场愿意给它高估值，但最近几年它在AI叙事上明显不是最领先的那一家。

$MSFT：反弹最小，反而说明2022年没跌那么惨

$MSFT从2022低点上涨约142%，在七家公司里最低。

但这个数字不能简单理解成“$MSFT表现最差”。

因为这种算法有一个很大的特点：

2022年跌得越惨，后面反弹百分比越容易很高。

$MSFT在2022年虽然也跌了，但基本面和市场信心一直相对稳定，所以低点本身没有像$META、$NVDA那样被极端压低。

后来Azure、OpenAI、Copilot和企业AI继续强化它的增长预期。

所以$MSFT更像是：

低点没那么低，之后继续稳步复利。

把七家公司放在一起，其实可以看到三种不同的上涨模式：

第一类：产业革命型——$NVDA

AI直接创造了新的超级需求周期。

第二类：叙事反转型——$META、$GOOGL、$TSLA

市场先极度悲观，然后因为业务、成本���者新故事重新定价。

第三类：高质量复利型——$AMZN、$AAPL、$MSFT

基本盘没有崩，���利润、云、生态和现金流持续抬升。

所以这张图最有意思的地方，不是谁涨得最多，而是：

同样叫Mag 7，过去四年的上涨来源完全不同。

$NVDA靠AI算力，$META靠效率和AI，$GOOGL靠搜索与AI防守反击，$TSLA靠未来预期，$AMZN靠云和利润率，$AAPL靠生态，$MSFT靠企业软件与AI。

这也说明，Mag 7从来不是一个统一交易。

下一阶段真正值得看的，是这七家公司里，谁还能把巨额AI资本开支继续变成收入、利润和现金流。

[XZWJ @xzwj2016]

@ShanghaoJin @LGWthe 我记忆里，金老师是我全网关注的所有博主里，第一个在去年底就预言CPU会缺货的博主。而且又是唯一一个，在过去的半年里反复提到，CPU会涨价的博主。可以说金老师是我对INTC和AMD投资的信念所在。只可惜由于我自己的风险偏好和投资水平问题，没有坚持持有，遗憾max！

[小毛哥SuperMao （苏北薄肌币圈嘻哈歌手 & 超级个体） @supermao]

我在上个牛市、上上个牛市的时候，从没有人跟我讲过这个道理，但我现在很想把这段话分享给新人们，算是肺腑之言了：

这个世界上努力的人很多，真正能拿到大结果的人永远只是少数，所以如果你到现在还没有赚到很多钱，也没有抓住所谓的人生大机会，真的不用气馁，更不需要焦虑，因为很多时候真正把人拖垮的，并不是暂时没有结果，而是在一个离金钱很近、所有人都在展示结果的环境里，不知不觉开始拿自己和别人比较，别人赚钱，你觉得自己落后，别人暴富，你觉得自己错过，最后每天接收了大量信息，却只留下了内耗。

越是在这种时候，越要安住其心，把注意力从别人身上收回来，从纷乱的信息里只提取真正对自己有用的东西，然后继续照顾好自己的身体、情绪、判断和节奏。

你要记得，这个世界本来就是你一个人的游戏，别人比你快一点、赚得多一点、暂时站得高一点，其实都和你没有那么大的关系，你真正要做的，只是把自己的这一局继续玩好。独善其身，是这个时代最被低估的能力，也是对抗长期内耗最有效的解药。

��你在这个牛市玩得愉快，也祝你赚到钱之后，心里依获得平静。Love & Peace From 小毛哥 ❤

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

最先进的技术，最古老的欲望

我从现在开始，会把我最主要的精力放在 Bio领域。

数千年来，人类每一次的科技进步以后，通常不会先拿它去做什么高尚的事情。

最先行的永远是人类最古老的欲望与恐惧：

怎么打仗？
怎么治病？
怎么满足性欲？
怎么赚大钱？

就像是圣经中的天启骑士，我们害怕死亡，我们害怕被杀，害怕疾病，害怕衰老，害怕身体一点点失去控制，我们想要肏屄，想要发大财。

火药还没有出现的时候，人已经在杀人；

以前杀一个人需要走到他面前，后来可以站得远一点，再后来可以隔着一片海，现在甚至可以让机器自己去找对方，让AI分析怎么去杀对方。

医学还没有出现的时候，人已经怕死；

皇帝炼丹，富人找名医，穷人烧香，现在大家开始训练模型，方法变了，���题没有变。人活到七十岁，想活到八十岁，活到八十岁，又觉得九十岁也不错。如果有一天可以活到一百二十岁，大概到了119岁，人还是会觉得明年很重要。

互联网还没有出现的时候，人已经好色；

每一种传播技术刚出现不久，人类都会很快找到一种办法把裸体放进去，摄影是这样，录像带是这样，互联网也是这样，现在轮到人工智能。

技术公司喜欢谈生产力、知识和创造力。

用户有时候想得简单一些，他们只想知道这个东西能不能把衣服脱掉？@grok 你如何看待？每天有多少人让你脱别人衣服？

交易所还没有出现的时候，人已经想靠投机发财。

以前的人掷骰子，后来买马，再后来买股票、期货、加密货币，现在还有预测市场。

工具越来越复杂，人的念头还是那一个：

这一次，也许轮到我发财了。

赢钱的时候，人相信自己聪明。
输钱的时候，人开始研究概率。

Always，always.

我觉得应该去研究AI BIO，这一定是人类最关心的永恒主题。面对永恒的贪欲和恐惧，人们特别愿意付钱，底层欲望足够强，人会主动接受���高风险，更高价格和更差的用户体验，只为了更早去获得能力。

技术一直往前走，人站在原地。

后来技术走得太远了，只好回头，把人也一起带上。

人上车以后，想了一会儿，说：

先带我去赚钱，然后去医院，路上如果可以，再帮我把仇人解决一下。

去关注怕死这个领域，方向是不会错的。

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

我希望今后陆续的为大家总结各家Bio公司在MS Healthcare Conference具体做了什么。

第一家： $TEM

$TEM 在 Morgan Stanley Healthcare Conference 做的事情，就是同时说服两类投资者。

一类是传统 Healthcare / Bio 投资者。

另一类是 Tech / AI 投资者。

过去，TEM 很容易被两边看成两个不同的公司。

Bio 投资者看到 diagnostics。

Tech 投资者看到 healthcare data + AI。

这次 Eric Lefkofsky 把两套逻辑放进了同一张利润表。

一、先说服 Bio 投资者：检测业务正在释放利润

TEM 的检测业务仍在增长，更重要的是价格开始发生变化。

xT 获批之后，solid tumor testing 可以进入更高的 ADLT 定价。管理层预计，这部分可以增加大约8000万到1亿美元的收入和利润贡献。

xF liquid biopsy 如果后续获批，当前大约3200美元的 reimbursement 有机会提高到7000美元以上。管理层给出的潜在年化增量是2.5亿到3亿美元。

两项合计，潜在收入增量达到3亿多到4亿美元。并且检测成本不会随着 reimbursement 同比例上升。

所以一旦定价兑现，利润弹性会很大。

这对传统 Healthcare 投资者很好理解：检测量增长，ASP提高，毛利率改善，利润释放。

然后是 V940。

这是 Merck 和 Moderna 的个性化癌症疫苗。Eric 在会上披露：“Merck / Moderna 为未来 commercial rollout 做了一轮全国性 RFP，Tempus 赢了。”

个性化癌症疫苗需要读取患者自己的肿瘤信息，再决定这个患者的疫苗如何制造。这让 sequencing 有机会进入药物交付流程。Eric 的表述是：在这个 workflow 中，如果没有完成对应 sequencing，就不能获得这款个体化药物；而 Tempus 赢得了 national rollout RFP。

如果 V940 成功商业化，TEM 的角色也会从检测供应商，向治疗基础设施延伸。这些都是 Bio 投资者熟悉的语言。

药物成功，然后患者增加，随后检测量增加。

二、再说服 Tech 投资者：TEM 手里的核心资产是数据

接下来 Eric 开始讲另一套逻辑。

TEM 的 Data Licensing 业务仍在高速增长。公司已经和 AstraZeneca、BMS、GSK、Merck、BioNTech 等药企建立长期数据合作，其中部分合同规模超过1亿美元。

Eric 认为，仅 oncology data business 就有机会维持大约30%的长期增长。

这里的核心是数据资产。

TEM 把患者的 genomic data、clinical history、治疗记录、病理影像和最终 outcome 连在一起。药企真正想知道的是：这个患者有什么 mutation？用了什么药？后来发生了什么？

这种 longitudinal data 对药物研发和医疗模型很稀缺。

Eric 还提到，如果未来 OpenAI、Anthropic、Google 这类 hyperscaler 开始大规模购买医疗数据训练模型，今天30%的增长率可能都不算高。

这里需要区分现状和想象空间。

Pharma 已经在买。

OpenAI、Anthropic 目前仍然属于潜在需求，还不是已经确认的大客户。

但这句话给 TEM 增加了一个新的理解方式：

healthcare data infrastructure

三、Morgan Stanley 这场会真正做的是把两套投资逻辑接起来

这也是我认为这场 Conference 最重要的地方。

TEM 没有靠一个新的“革命性AI模型”来推动故事。它把 Healthcare 和 Tech 两套估值语言接了起来。

对 Bio 投资者，它讲检测量、ASP、reimbursement、V940、MRD。

对 Tech 投资者，它讲 proprietary data、data licensing、长期增长和 hyperscaler optionality。

最后，两边看到的是同一家公司。

Diagnostics 持续产生数据。

这些数据可以卖给 Pharma，也可以成为未来医疗模型的训练资产。

精准医疗和个性化药物的发展，又会增加检测需求。

于是 TEM 开始形成一个闭环：检测业务提供收入，也持续积累数据。数据业务提高增长质量���利润率。新的精准药物扩大检测需求。

整个故事开始可以用 Revenue、Margin 和 EBITDA 来衡量。

所以我认为，TEM 在 Morgan Stanley 做的事情，是同时说服两类投资者。

它让两类原本使用不同估值语言的人，更容易用同一套财务结果理解这家公司。

[𝟡𝟜 ᴾᴸᴬʸᶠᴼᴿᴳᴱ @94vanAI]

昨天说要写的泳装skill：

未审核版抓拍skill（泳装篇） https://t.co/vU6NwM974j

[NullOreo @NullOreo_]

人类与任何工具的关系，本质上都是信任的让渡，而信任的让渡会导致人的异化。

导航软件普及后，很多人失去了看地图和凭记忆记路的能力，输入法和自动联想普及后，很多人也变得提笔忘字。

当我们开始习惯与AI交流，使用AI阅读与写作，我们就已经将某些行为权重外包给了机器。

这种让渡在前期带来极其舒适的效率飞跃，但依赖是甜蜜又可怕的。

AI的输出逻辑、偏好和价值观偏���，就会潜移默化融入人的认知体系。依稀记得一篇推文是，我们在训练AI上似乎产生了某种共性的行为，隐隐有种被AI引导着往“那个方向”去训练的意思，然后很多模型都失去了“人味”。

AI输出的文本通常理性、客观、充满结构感，甚至我自己都感到我的写作表达都已经被AI重塑了...

如果依赖AI是不可逆的趋势，人类到底该如何在这场信任的博弈中保持主体性？

[Terry @RichTerry123]

经历过 20、21 年初互联网和消费大泡沫，有几点宝贵的经验：
1、泡沫是有基本面支持的，没有基本面支持的泡沫难长久、也难大

2、末端的上涨加速是纯资金面驱动的，和基本面无关

3、下跌的第一段也是由资金面驱动的，当时基本面大概率没出大问题

4、经常跌着跌着，几个月后基本面真出问题了，开始第二阶段的下跌

5、极少数好的公司最后花几年时间，股价能回去，但是中途也会有大跌，大部分公司别说回去，回到当初的 50% 甚至 25% 都不太可能了

6、最惨的就是末端加速阶段疯狂补仓和刚下跌就加仓的。

[XZWJ @xzwj2016]

这个帖子里的回复太有意思了

[Alpha哥AI投资日记 🌴 📈 @AlphaguyTrading]

存储这波行情结束了。今天Trump 奶了两次，美光都不涨，1000 都不一定守得住

应该是 Smart Money 已经知道了 Anthropic ARR 要出问题。半导体存储去杠杆，可能会超乎大家想象。800 的美光是一定能看到的。

[烦恼小羊 @fannaoxiaoyang]

未来18个月，也许是千禧和Z代积累一生财富的重要机会。我不想用世纪崩盘这类情绪词，只提示凯恩斯百年潮汐即将回归，没有立场，也无对错。

这无关AI或任何产业前景，这是Covid后各国对经济周期疯魔干预、对凯恩斯主义极致滥用的必然总清算。我们从1929大萧条后开始第一次实验，历经无数个繁荣和绝望的日夜后，一次次证明了人无法真的胜天，不止经济周期，也有病毒防控。

每一次潮汐涨落的变化，都伴随着完美的清算风暴，当然，还有大政府和小政府的周期更迭（凯恩斯主义→新自由主义）。

我们需要担忧吗？我认为不必，2026H2中期选年让我们有足够多的机会积累打折优产；我们需要准备吗？我认为需要，健康的现金流和现金等价物，是面对任何风暴的底气。

尽人事、听天命，深挖洞、广积粮。

[投资TALK君 @TJ_Research]

完全认同，价值转向大云和软件，成本下来了，现在才是真正展示派发和落地的时候。AI的确给了10人以下的小公司软件自由度，也有像星巴克这种要自己尝试的，但对大多数来说，AI的落地是靠软件公司投喂的，现在考验的是怎么用AI把产品做得更好。

[Frank trading @Franktradinglog]

好，我已经彻底领悟。
tldr：两个二阶导正在同步拐头。我的操作：做多2Y和5Y国债，做多GOOG和NBIS，不做多半导体。

第一个拐点：Fed鹰派再定价的速率见顶。
FOMC维持3.5-3.75%不变，3名委员异议支持hike，但Hammack、Kashkari、Logan已经打光了弹药还是输了，说明鹰派的天花板就在3票。Warsh也在淡化AI相关价格压力，把���率上行归因于经济强劲而非市场加息信号，暗示市场利率已经替代加息——"rates are higher today than June, markets didn't pause"。这个框架一旦建立就是结构性鸽派：只要市场利率维持在高位，Warsh就有理由按兵不动。而市场目前定价9月加息60%，但是我觉得很可能全年都利率不动。6月核心CPI -0.02%如果延续到8月PCE，前端利率会快速下行。
做多2Y是最pure的mispricing表达。加5Y是因为它同时捕获Fed路径重新定价和增长减速。避开10Y+，因为Warsh偏鸽会推高通胀预期，长端被breakeven和Q3国债供给contaminate。
第二个拐点：AI价值链从半导体建设端向云计算消费端的shift。
MSFT是AI capex叙事启动以来第一个超大规模企业没有上调capex指��，与此同时，微软Azure加速到43%固定汇率增长，Copilot付费座位突破3000万（净增1000万），Google Cloud +82% yoy。
这里的关键是价值链的时序结构。半导体订单是领先指标，云计算消费是滞后6-12个月的确认指标。现在出现了一个罕见剪刀差——半导体增长率在减速（MSFT capex收窄），但云计算消费增长率在加速（Azure 43%+Copilot 30M）。这个窗口通常只持续1-2个季度。
还有一些被忽略的细节：韩国存储专家电话会议透露LTA（长期协议）覆盖超过50%的服务器DRAM，包含预付款和take-or-pay条款。这意味着云服务商已经锁定了内存成本——明年HBM定价翻倍的预期主要由没签LTA的买家承担。半导体在卖"涨价预期"，云服务商在享受"成本锁定+消费加速"。
所以我做多云不做半导体。GOOG的Cloud +82%最猛但被反垄断压制估值，asymmetry更好。NBIS是pure-play AI云基础设施，直接表达utilization加速。不做空半导体是因为一阶导仍然很强（HBM翻倍、博通AI收入>$1万亿），做空一阶导仍然强劲的资产timing不对会被squeeze，正确的表达是不参与而非做空。
认错条件：8月核心PCE >0.25% m/m则债券thesis invalidate；Google或Amazon Q3 capex继续上调而非收窄，则AI价值链shift判断错误，本次维持capex是孤立事件。

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

当前，我已经不太想继续讨论半导体了。或者更准确地说，我觉得我们普通韭菜已经很难只靠讨论“算力需求无限”“AI对存储需求无限”，来理解今天的半导体市场。

不是因为需求不重要，而是因为需求与订单之间，已经多了一层金融体系。

我们的问题在于，真的不是很能看懂这复杂金融体系的运作。

AI基建早已不同于前几年。那时，Capex基本还是hyperscaler资产负债表内部的事情：

模型变强
→ 算力需求增加
→ hyperscaler扩大Capex
→ GPU、HBM、网络和电力设备订单增长。

这条链很简单。需求强，巨头有现金，就会购买。

现在则变成了：

AI需求
→ 项目能否产生足够回报
→ 长期利率与信用利差
→ 债券和私人信贷是否愿意融资
→ 数据中心能否建设并通电
→ GPU与HBM订单能否最终兑现。

据Reuters估算，五家主要hyperscaler到2027年的新增资本开支约为5,340亿美元，而新增经营现金流约为3,400亿美元。换句话说，每增加1美元经营现金流，对应约1.57美元新增投资。

AI正在把原本轻资产的软件平台，推向越来越资本密集的商业模式。

当经营现金流无法覆盖全部建设需求，资金就必须来自公司债、项目融资、私人信贷、SPV和基础设施基金。AI基建因此不再只是产业扩张，而成为一个高度金融化的过程。

BIS的研究也显示，hyperscaler债券发行明显增加，部分公司的CDS利差随之扩大，尤其集中在信用质量相对较弱、项目回报更不确定的主体。

所以，今天做多半导体，实际上已经同时做多了：

AI需求＋hyperscaler信用＋债市流动性＋长期利率＋数据中心融资能力。

过去，Capex主要局限在科技巨头自身的资产负债表内。我们判断需求强，巨头有钱，订单自然兑现。

现在，这些开支被包装成各种债券、贷款和结构化融资，由银行、保险公司、养老金、私人信贷和债券基金共同持有。风险没有消失，而是被分散、证券化，并交给整个金融体系重新定价。

这既是 $JPM、 $GS 等银行股强势的原因之一，也让半导体投资变得比过去复杂得多。

我们仍然可以相信AI对算力和存储的长期需求，但需求不再能够直接转化为订单。

在需求和基本面之间，已经隔着一整层金融体系。

因此，未来研究半导体，不能只看GPU出货、HBM价格和hyperscaler Capex，还必须同时看科技债利差、CDS、长期利率，以及资本市场是否仍愿意为下一座数据中心提供资金。

债市已经成为半导体基本面的一部分。

��� $AAPL 被资金选择原因也很简单，因为以上这套复杂的金融化， $aapl 没参加。

本文由 @coinbase 赞助，Coinbase当前注册流程已经极度简化，且已经支持更多地区的用户交易股票永续合约： https://t.co/qVfgeGomIi

欢迎体验，欢迎咨询。

[shr1always1wins @newshr0930]

@bboczeng 特斯拉这种纯靠流动性推高股价的标的，股价是流动性是否充足的风向标。

特斯拉涨的好然后转跌说明流动性不足了，这时候苹果大涨科技股大跌往往是开始，掩护大盘指数和vix的。

最后苹果和其他科技股一起跌，vix暴涨，大盘指数跟着大跌，才是左侧进场接近底部的位置。

[Jensen Huang @JensenHuang]

For my first post, I’m sharing a letter @NVIDIA signed on why open models matter.

AI will transform every industry, power every company, and be built by every country.

Open models strengthen safety and cybersecurity, accelerate innovation and diffusion, and enable sovereignty.

The world needs both frontier closed models and frontier open models.

https://t.co/AUKzoQ5Ikb