thomas hue mraz

invest, trading, bottlenecks

[川沐｜Trumoo🐮 @xiaomustock]

现在确实是AI非常早期的阶段，
大厂之所以巨额投入，
就是想通过自己海量的算力，海量的存储，
抢先干出AGI时刻，
那就是赢家通吃的时刻，
AI瞬间席卷摧毁变革所有行业，
赢家会成为人类有史以来市值最庞大的公司

你不投入不卷算力卷内存卷人才，那么你最终突破的几率就比别人少一点，
一旦突破的不是你，
那市场最终只有1和0。

为啥国内的智驾汽车卖不到美国，
跟特斯拉满血fsd比它就是1，其他就是0。
即使有人买也是美国底层傻逼实在是太多，智力分层严重。

我们此刻的恐惧，担忧，都受限于我们的想象力。老黄让康宁扩产10倍，总不能还没扩产AI没了，你聪明还是老黄聪明，你有远见还是老黄有远见。
他之所以提前让康宁扩大10倍的产能就是不想再未来下个阶段的产品重蹈存储三巨头的覆辙。康宁在英伟达下个阶段产品中对老黄太重要了。

[animajoe0917 @JoeAnima]

1/8 🚀 康宁（Corning）最新推出的 GlassBridge™ 技术，正在对全球光互连行业上演一场史诗级的“材料学降维打击”。
​如果用一句话形容这场变革：
“康宁 GlassBridge 就像是智能手机取消 3.5mm 耳机孔、改用 Type-C。受到灭顶之灾的是那些死守老工艺、做‘定制耳机线’的传统 V 槽作坊；而拥有接口标准与材料壁垒的核心玩家，则转身包揽了万亿级的新战场。”👇
​2/8 🛠 核心技术：GlassBridge 到底解决了什么变态痛点？
在 AI 催生的 CPO（共封装光学）和玻璃基板架构中，最大的瓶颈是尺寸失配（Size Mismatch）。芯片上的硅光波导只有几百纳米宽，而光纤纤芯有 9 微米，两者相差几十倍。直接对接就像“开着卡车进自行车道”，以往只能靠高精度机械通电微调、耗时数分钟的“主动对准”，效率极低。
​3/8 🧬 纳米到微米的“材料学魔术”
康宁利用两个大招直接把高难度封装“固化”在材料内部：
1️⃣ 晶圆级离子交换技术（IOX）： 用半导体光刻工艺，在特种玻璃内部通过化学离子交换直接“烧录”出三维光路径，精度达纳米级，彻底规避了机械累积误差。
2️⃣ 3D 绝热锥形波导（Adiabatic Taper）： 这个 6.4mm 宽的玻璃块内部波导呈“漏斗状”，芯片端收缩至纳米级，光纤端放大到微米级（模式匹配），实现光线无损过渡（损耗 < 1.5 dB），并支持秒级“物理盲插/被动对准”。
​4/8 💼 赢家圈：美系“铁三角”与标准躺赚者
控制权彻底前移（从后段封装转到前端晶圆制造与材料标准），生态格局巨变：
​$GLW (康宁)：头号赢家。从卖原材料的升级为手握 CPO 核心物理接口 IP 的全栈方案商，已锁定 NVIDIA、Meta 巨额订单。
​US Conec (非上市霸主)：全场占比最高的无冕之王。GlassBridge 尾端直接套用了它主导的“标准 TMT 插芯格式”。可插拔（Detachable）趋势让它的连接套件直接贴着 AI 芯片大批量部署，BOM 价值几何级暴涨。
​$GFS (格芯)：Foundry 阵营大赢家，与康宁在硅光领域深度联合研发，卡位前端晶圆制造。
​5/8 🇯🇵 日本巨头：不是受害者，而是执剑人
很多人以为传统 FAU 霸主 $5803.T (藤仓) 和 $5802.T (住友电工) 会被一枪干掉。错！她们早已深度加入了康宁和 US Conec 主导的 TMT 连接器 MSA（多源协议）。
​康宁做前面的“玻璃桥”，藤仓与住友则在后方提供高门槛的保偏（PM）光纤线缆与配套 TMT 拔插组件。她们凭借垄断级别的光纤供应链，从“组装代工厂”成功晋升为“CPO 俱乐部的生态合伙人”，利润率不降反升。
​6/8 🌐 全球顶层玩家：扫清 HVM（高量产）最后障碍
​$TSM (台积电) / $2330.TW：其终极硅光封装平台 COUPE 此前被传统 FAU 的极其低效的后段组装拖累。GlassBridge 的晶圆级被动对准，等于帮台积电扫清了 CPO 通往大规模高量产的最后一块绊脚石。
​$AVGO (博通) / $NVDA (英伟达) / $CSCO (思科)：可拆卸（Detachable）设计让 AI 服务器主板在测试或运输损坏时，不用像以前那样把整颗高价值芯片一起报废，只需像拔插网线一样更换光纤组件，系统良率和可维护性暴涨，获得极大的财务解脱。
​7/8 🟥 那么，全球视野下到底谁在痛？
真正遭受挤压的是缺乏前端晶圆级波导能力、重度依赖传统后段精密机械/胶水固化的代工厂与传统路线。
​台系光通讯代工链（如 $3081.TW (联亚)、$3450.TW (联钧)）：原本属于后段封装厂的“高难度工艺红利”，被前端的康宁和格芯通过 GlassBridge 截流。如果不能快速切入新生态，代工价值将被稀释。
​大陆传统光模块/FAU 巨头（如 $300308.SZ (中际旭创)、$300502.SZ (新易盛)、$300394.SZ (天孚通信)）：GlassBridge 大幅降低 CPO 门槛，会加速 AI 核心网络向 CPO 演进，压缩传统可插拔光模块的黄金周期；高端长 FAU 需求将面临利润率 and 份额的严峻挤压，倒逼其向玻璃集成和新接口生态加速转型。
​精密主动对准设备商：如 ficonTEC（A 股相关标的 $300757.SZ (罗博特科) 拟收购），传统的“点灯”对准设备采购结构面临调整，必须向晶圆级检测加速转型。
​8/8 🔮 投资总结
2026-2028 是 GlassBridge 的商业化量产良率爬坡期，也是 NVIDIA 次世代 GPU（如 Rubin）全面拥抱玻璃基板架构的爆发前夜。这场材料革命不是为了消灭产业链，而是为了清除低效的后段手工，把利润搬进有材料壁垒和标准专利的“Type-C 俱乐部”里。盯紧 $GLW、 $AVGO、 $TSM 及其生态圈！
(以上逻辑都建立在康宁良率会缓步提升的情况下)
​#CPO #硅光子 #先进封装 #玻璃基板 #美股 #日股 #台股 #A股

[Rocky @Rocky_Bitcoin]

最近投研团队一直在挖具身智能和人形机器人这个赛道，我的判断是：2026年下半年，机器人赛道将迎来投资的最佳拐点，类似25年年中的存储赛道！🧐

我讲讲其中的逻辑：

首先，技术验证已经完全落地了，量产在即！

特斯拉明确表态了，下半年Optimus要大规模量产。Optimus原型2022年就开始搞，为啥拖到现在才量产？因为有两个瓶颈一直卡着。

第一个瓶颈是人形机器人的大脑。

• AI多模态大模型，现在已经完全够用，能理解复杂的外部物理世界，不是机械执行预设代码那么简单。

• 端到端具身智能网络，比如特斯拉FSD V12衍生出来的机器人控制算法,过去一年简直是划世代的突破。

尤其是去年，上千台Optimus在特斯拉工厂进行B样C样的测试，千锤百炼，生产验证已经达标,离量产就差临门一脚。

第二个瓶颈是人形机器人的躯壳。

特斯拉Optimus Gen-2已经证明了触觉传感器、灵巧手、高度集成的线性和旋转执行器的供应链全部打通。马上发布的Gen-3性能是2.5的两倍,基本能干大多数家务活。(如下面👇视频)

现在物理躯壳和AI大脑，属于双向奔赴状态，天时地利人和全齐了。而且SpaceX上市以后，马斯克吹的那些牛逼，什么超级芯片工厂Terafab、火星基地、太空AI，都需要大量人力，人力成本是重要考量项。

📊咱们再看看美国高成本的制造业现状：

美国制造业，面临两大扎心痛点。

第一，蓝领工人成本高得离谱。

2026年最新数据，一线制造工人平均时薪超过30美元，算上医疗、养老和福利等全额补偿成本，雇主实际花费接近46.3美元每小时。

第二，长期职位空缺。

美国劳工部数据显示，制造业职位空缺高达40-50万。招一个工人成本动辄四五千美元，留人更难，三分之一的制造业老板直言蓝领短缺是制约扩产的首要瓶颈。

站在这个逼仄的劳动力市场上，Tesla的Optimus大规模量产一亮相，市场需求将会井喷。目前市场预测，机器人市场规模高达2-3万亿美金。

咱们算算成本账：

马斯克的乐观预期是Optimus成本控制在2万美金以内，即使悲观估计，单台机器人初期成本3-4万美元。按保守算法用年工作4000小时，折合每小时运营支出低至3-5美元，远低于人类工人的46美元。

这差距不仅体现在工资上，机器人没有工会、没有离职、也没有事故率，管理成本几乎归零。

更关键的是，这一切将在2026年下半年迎来实锤。

Optimus量产上市将开启人形机器人从试验田到工厂车间的落地大潮。过去两年是技术炒作期，2025年是技术验证和小批量试产，2026年则是整个产业链开始真正飞速奔跑的节点。

资本市场、供应链端，都在倒数计时。特斯拉的供应商，从线性执行器到减速器、传感器厂商，都将成为最大赢家。

这不仅是科技的游戏，也是硬核的商业数学。

我相信所有人都会算这笔账，尤其是AI大周期下，各家企业都在扩产。你想想看，Optimus投资回收期不到一年，24小时可以作业，潜在产能将从几千台迅速冲刺至几十万台，抢占美国制造业自动化蓝领替代入口。这个想象空间，无疑是巨大的！

简而言之：

AI需要一个肉身才能真正进化，物理世界的蓝领工作不可能永远靠人力撑着，Optimus今年下半年的量产投放，将是催生人形机器人爆发的临界点。

围绕人形机器人这条主线，我们梳理了美股相关的优质公司，包括核心供应链龙头，从性能稳定的执行器，到边缘计算芯片，咱们来讲讲其中的核心企业。🧐

1️⃣ 特斯拉 $TSLA

这公司大家都熟，不过别把它只当车企看了，现在华尔街都把它形容成造车送机器人，说明性价比极高。

• 主营：电动车全球老大，同时在搞FSD自动驾驶、储能系统Megapack，还有人形机器人Optimus。

• 核心壁垒：数据飞轮+垂直整合。特斯拉现在不只是造车的，它是全球算力平台。FSD积累了数十亿英里真实路测数据，自己的超算中心，软硬件闭环，一体化压铸，这个成本护城河传统车企根本没法跟。

• 看点：从车企变成AI具身智能公司。Robotaxi商业化落地，Optimus开始去工厂上班，下半年开始大规模量产，全球储能网络爆发式增长，估值逻辑完全不一样了。

• 在机器人上的优势：自动驾驶的AI能力，感知+决策，直接迁移到人形机器人上。神经网络推理、大规模数据训练、电池管理、轻量化结构设计，这些都是核心能力。算法和硬件要是持续领先，这就是人形机器人的引领者，改写人机交互的未来。

2️⃣ Symbotic $SYM

• 主营：AI驱动的超高密度仓库自动化物流系统。用一堆移动机器人在三维货架里高速存取货物，密度和速度都是传统AS/RS的好几倍。

• 核心壁垒：沃尔玛深度持股，包揽它所有配送中心升级。百亿级订单流水，物理硬件+调度算法做到极致，异形纸箱混装拆垛都不是问题。

• 看点：全球零售和物流巨头都在降本增效，蓝领劳动力短缺，这就是终极解法。商业模式往高毛利的软件订阅和维护转型，订单排到几年后。

• 具身智能逻辑：虽然不是传统人形机器人，但多机器人协调、动态路径规划、高精度物理交互，这些技术积累都是具身智能的关键。多自由度机械臂、智能移动平台、实时感知+决策，这套东西往类人形机器人方向扩展，基础是现成的。

• 价值：系统集成能力+软件驱动，往服务型机器人和行业专用机器人市场扩展，空间很大。

3️⃣ Ambarella $AMBA

• 主营：低功耗、超高清视频处理+边缘AI视觉芯片设计。早期是GoPro的核心供应商，安防摄像机也用它的芯片，现在全面转型智能驾驶和机器人视觉。

• 核心壁垒：每瓦算力效率，行业天花板级别。独家CVflow架构，在极低功耗下跑高难度深度神经网络算法。车载和机器人场景散热、能耗受限，这种能效比就是技术代差。

• 看点：从安防往大算力自动驾驶芯片、电子后视镜、具身智能视觉核心转型。越来越多的Tier 1和机器人公司用它做视觉底座，AI业务拐点来了。

• 在机器人上的优势：高效低延迟视频编解码+神经网络加速，提供实时视觉感知和行为决策。智能视觉是具身智能的核心能力，它的芯片方案提高机器人对动态环境的响应速度和识别准确度，实现复杂交互和自学习。

4️⃣ Timken $TKR

• 主营：全球高端精密轴承和动力传动产品龙头。应用在航空航天、轨道交通、风电、重型矿山、自动化工程。

• 核心壁垒：极限工况下的材料科学+信任资产。深海、太空、风电巨型齿轮箱，这些地方轴承一旦失效，成本高得吓人。Timken靠百年积累的特种冶金工艺和免维护寿命，垄断了这些核心工业节点。

• 看点：风电光伏基础设施大规模建设，重工业自动化升级。现金流稳健，分红优异，顺周期制造明珠。

• 在机器人上的优势：高性能轴承用在人形机器人的多自由度关节上，高耐磨低摩擦，解决机械能耗和耐久性瓶颈。更关键的是，它们自研的智能传感轴承带在线健康诊断，机器人能"自我感知"机械状态，提升状态反馈和故障预警能力。

• 价值：机器人往长时间可靠运行和精细动作控制方向走，Timken这种动力链底层壁垒是不可替代的。智能轴承技术会成为高阶人形机器人感知和控制的关键硬件。

5️⃣ Moog-A $MOG.A

• 主营：全球顶级精密运动控制+电液伺服系统设计制造商。产品用在飞行控制、航天器调姿、武器定位这些金字塔尖的应用，五代战机、导弹导航、民用客机都在用。

• 核心壁垒：航天国防级高准入门槛，几乎垄断。高频高响应电液伺服阀和作动器，在极端高压、极高低温环境下对机械动作精度控制到微米级，直接关系到机毁人亡的安全问题。波音、空客、军用五代机飞控系统里的生态位不可替代，这就是技术代差+认证壁垒。

• 看点：从传统重工业往防务科技资产转型。地缘政治升温，北约和亚洲盟国国防预算刚性上升，订单池持续飙升，能见度看满未来几年。大飞机交付周期复苏，产品提价+运营效率优化，利润率往上拉，防御性军工科技明珠。

• 在机器人上的优势：电液伺服阀+高精密运动控制器，长期服务军工级复杂系统，高响应速度+极高可靠性，直接适配高自由度人形机器人关节要求。高性能驱动解决方案，提升动作流畅性和细腻度，力反馈和触觉层面是行业标杆。

除了上述美股上市公司之外，一些欧洲和日本公司，也值得关注。(这里暂时不推荐A股，估值普遍炒作太离谱)。

比如在线性执行器与 T-R 丝杠领域，尤其是行星滚柱丝杠是机器人腿部和重载关节的核心。其壁垒在于 C3/C5 级超高精密螺纹磨削工艺和抗疲劳热处理。目前全球产能严重卡在欧洲，比如瑞典 SKF，它全球最大的滚动轴承生产商。德国 Schaeffler，它是高端机器人关节执行器、精密减速器、滚柱丝杠、特种轴承及电机的核心供应商。

另外旋转执行器与减速器也是人形机器人关键零件， 旋转关节核心是谐波减速器和高密度行星减速器。要求零背隙、高扭矩体积比。日本公司 Harmonic Drive System (HDS)， 几乎垄断了高端市场！(东京股票代码：6324)。

以上标的，每一个都不是概念炒作，是有真东西的。而且估值相对都比较合理，无论是技术壁垒、商业模式、在人形机器人板块的卡位，都属于关键位置。26年下半年将是人形机器人投资的关键拐点，值得深入研究。DYOR🙏

目前上述提及的公司在 #MSX 上面基本都有，炒美股，我选择用 #RWA 美股代币化平台 #MSX，一同投资参与美股市场：https://t.co/x4ykUw3WBj

早期美股投资粉丝和伙伴，可以私信我，填写表单后，可免费进入美股交流和探讨社群(目前每周仅限定10人，助理审核，可能需要一点时间，感恩🙏)！

[Gregory Blotnick @gregoryblotnick]

Michael Platt in "Hedge Fund Market Wizards" -- one of the greatest excerpts ever, on why he prefers market makers to analysts:

"I look for the type of guy in London who gets up at seven o’clock on Sunday morning when his kids are still in bed, and logs onto a poker site so that he can pick off the U.S. drunks coming home on Saturday night. I hired a guy like that. He usually clears 5 or 10 grand every Sunday morning before breakfast taking out the drunks playing poker because they’re not very good at it, but their confidence has gone up a lot. That’s the type of guy you want— someone who understands an edge. Analysts, on the other hand, don’t think about anything else other than how smart they are."

[ネログリ @gaasych]

メモリばっか注目されとるけど、モルガン・スタンレーが面白いレポート出しとる。次に効いてくるのはMLCC（積層セラミックコンデンサ）やと。

数字がえげつない。AIサーバー1台でMLCCを約44万個も食う。従来サーバーの10〜15倍やで。NVIDIAのGB300はフルキャビネットで約32万個、ハイエンドスマホの30倍。さらに次のVera Rubinは1.8倍の搭載価値らしい。要は、AIが進化するほど地味な部品がアホみたいに要るってことや。

そんで需要は2025〜2030年で4倍超に伸びる見込みやのに、生産能力は年10〜15%しか増えへん。完全に供給が追いつかへんパターンや。実際チャネル調査では1Q26以降で価格が200〜300%上がっとる。出荷額も2025年の147億ドルから2028年に243億ドル、CAGR18%って、これもう立派なスーパーサイクルやろ。

ここで効いてくるのが、この市場のシェアや。村田製作所が45%、SEMCOが40%、あとTDKや太陽誘電。つまりMLCCの主役は完全に日本株サイドやねん。メモリでSK Hynixやマイクロンが主役なら、コンデンサは日本勢の独壇場。

ここ数日DRAMもKOSPIも暴落して、#Gold に逃げたりナンピンで耐えたりみんな大変やけど、こういう真っ赤な相場やからこそ、構造的に需要が確定しとるテーマを冷静に拾っとくのは大事やと思う。デイトレの値動きと、5年スパンの構造変化は分けて考えなあかんよな。

メモリの次はコンデンサ。AIの恩恵は、思っとるより広く効いてくるかもしれん。

※モルガン・スタンレーのレポートに基づく個人的な整理やで。投資は自己判断でな🙏

[thomas hue mraz @zimmer888]

Excellent 👌

[TheValueist @TheValueist]

https://t.co/aMf2on17py

[Serenity @aleabitoreddit]

Very interesting statement today: $MU CEO predicts a multi-decade memory demand cycle driven by humanoid robots.

"Humanoid robots, he says, will require roughly ten times more memory than today’s Level 2+ autonomous vehicles."

"And that demand wave is set to begin before the decade is out."

Something as well as was "Over time, we expect the value of on-device AI combined with pent-up unit replacement demand to drive memory demand growth"

Which is also another trend (Apple Intelligence is currently dog, but I'm sure we'll see innovations with localized/edge AI).

Feels like all the industry leaders from $TSM Chairman, $TSLA Elon Musk, to $MU CEO see humanoids as the next major trend so physical AI is probably next.

I wonder if the world is going to have enough memory. Or if we'll see enough breakthroughs to shrink memory usage.

[thomas hue mraz @zimmer888]

Просто бриллиант!

[Chesny @chesny]

https://t.co/GLxSdsSSX1

[Pascal @creatorpascal]

https://t.co/mEyHyxStkA

[DAN KOE @thedankoe]

https://t.co/9DllJuH2ie

[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

[大宇 @BTCdayu]

我这两年听过最震撼的一句话是：每个人都会成为他本该成为的人。

这话是段永平讲的，第一次听，有点像宿命论；但越想越觉得，它讲的不是命，而是因果。

一个人最后成为什么样的人，并不是某一天突然决定的。它是长期选择、性格底色、认知水平、欲望结构、习惯路径共同作用的结果。

你每天看什么，想什么，害怕什么，追逐什么，逃避什么；你在压力下如何反应，在诱惑前如何选择，在无人看见时如何自处——这些东西都会一点点塑造你。

时间很公平，它不会听你怎么说，它只会看你反复怎么做。

所以，一个人不是“突然成功”，也不是“突然失败”。所谓结局，往往只是过程终于显影。

有人看似错过了很多机会，其实是他的认知接不住；
有人看似运气很好，其实是他长期站在正确的位置上。

命运有时候像偶然，但偶然背后，常常藏着漫长的必然。

这句话也有一种孙宇晨讲的“残酷的温柔”：它提醒我们，不必过度羡慕别人，也不必过度怨恨自己。

今天是谁，是过去无数个自己的合力；
未来是谁，也正在被今天这个自己悄悄决定。

人最终会成为他本该成为的人。

但这个“本该”，不是天上写好的剧本，而是我们每天亲手投下的一票。每一次诚实、懒惰、勇敢、逃避、学习、放纵，都会进入命运的账本。

最后，人生不会审判你，它只是结算你。

所以真正重要的，不是焦虑自己会不会赢，而是不断问自己：我现在的选择，正在把我带向一个什么样的人？

[JewBiz @JewBizLogic]

这几年，女孩要富养、要多见世面成了一种政治正确。很多姑娘一毕业，兜里揣着打工攒的或父母给的钱，第一件事就是飞去冰岛看极光、去巴黎打卡美术馆、去米其林餐厅精致摆拍，把朋友圈经营得像个贵妇。

她们觉得，这就是眼界，这样以后才不会被男人的小恩小惠骗了。

但这其实是最大的底层误区：真正的见世面，从来不在消费端，而在生产端。

消费端是别人精心编织的美丽新世界，它的唯一目的就是让你沉溺、让你心甘情愿地掏钱。你在大牌专柜、网红景点看到的一切，不过是商业社会包装出来的“果”。你只看得到“果”，就永远只是个等着被收割的采摘者。

而生产端，才是支撑这个世界运行的因。

一件在商场标价3000块的法国品牌时装，如果你去过服装代工厂，就会发现它的面料、人工、水电和税费加起来，总成本可能不到100块。剩下2900块的差价，全是品牌方通过讲故事、请明星、铺渠道砸出来的营销溢价。

如果你只在消费端，你就是那个为了巨大差价买单的韭菜，你所谓的品位和见识，都是品牌方强行投喂给你的。

但如果你一头扎进生产端，去跑过供应链、去盯过品控、去跟过单，去看看一瓶上千块的贵妇精华到底是由多少钱的化学原料变成的。这时候，你就拥有了生产者的视角，俗称开天眼。

你能摸出一件衣服的工艺好坏，你能看透一个客户是走快时尚还是长线性价比，你开始看懂了商业世界的骨骼与经络。

在消费端见世面，你是在不断耗散自己的能量；而在生产端扎根，你是在积累自己的能量。

社会总有一种声音在给女性洗脑：你要负责貌美如花，要懂生活。潜台词是，你只要在消费端负责精致，自然会有男人来为你的成本买单。这往往是一个温水煮青蛙的陷阱。当你把全部价值押在消费端时，你本身就成了一个有标价、会折旧的商品。

而一个真正懂生产端逻辑的女生，她自己就是价值的创造者。她去看一个男人，不会只看对方开什么车、戴什么表，而是看他是一个创造价值的人，还是一个消耗价值的人。这样的姑娘，谁能骗得了她？她自己就是豪门。

所以，不要被消费端的虚幻彩沫迷了眼。真正想让自己变强大的姑娘，试着一头扎进生产端去，去工厂、去后台、去那些看起来不那么体面的地方，去了解一件商品从0到1的全部过程。

这个过程会很苦、很枯燥，但它会赋予你在这个世界上最硬核的武器——常识。

有了常识，你才拥有了对人生的定价权。不要让别人来定义你的世面，当你能创造价值的时候，你本身，就是世面。

[Art of Speculation @ArtofSpecuycky]

我把AI未来3年的核心瓶颈排了个序，大概是这样：

1. 存储（HBM + DRAM + eSSD，已经涨价、签长单、利润兑现）
2. 光互连（800G / 1.6T + Scale-Up + Scale-Across，连接接棒算力）
3. 先进封装（CoWoS + CoPoS + HBM封装，HBM和GPU放量的前提）
4. ASIC + Networking（自研芯片、交换芯片、SerDes、DSP，MRVL/AVGO核心位置）
5. 电力 / AI Factory（变压器、电网、UPS、800V DC、BBU，并网容量是真瓶颈）
6. 液冷（DLC、CDU、冷板，高功率机柜必选项）
7. 核能 / 发电（长期空间巨大，但兑现节奏慢于电力设备）
8. PCB / ABF / CCL（AI服务器和先进封装配套材料，真实受益但控制力弱于前面）
9. MLCC / 被动元件（高频高压高功率带来用量提升，属于配套瓶颈）
10. 半导体设备（检测、量测、测试、先进封装设备，卖水给淘金者）
11. Physical AI（机器人、自动驾驶、工业AI，空间大但2026仍偏预期）
12. Agent / 数据层（方向确定，但赢家和利润分配还不清晰）
13. 稳定币 / AI金融（AI Agent支付层，空间大但商业化还早）

未来三年市场会越来越关注：谁是真瓶颈，谁能把瓶颈兑现成利润，谁控制下一代架构。
我目前最看好的，还是存储第一，光互连第二，先进封装第三。因为AI发展到最后，拼的是谁真正卡住了整个产业链的命脉。

[thomas hue mraz @zimmer888]

@Gaurav_Cx10 Why specifically 11WEMA?

[CK Capital @CKCapitalxx]

The biggest sectors in the market five years from now will be these. Position early and let the decade do the work.

AI Infrastructure. The backbone everything runs on. The data centers, the compute, the owned infrastructure powering every model on earth. Every other sector on this list runs on top of it.

Space. Connectivity and infrastructure moving off the planet and into orbit. Direct to phone networks, launch, and satellite constellations turning space into the next commercial frontier.

Photonics. The plumbing that moves the data. As clusters scale to hundreds of thousands of GPUs, moving information at the speed of light becomes the constraint. A market tripling this decade as 800G goes to 1.6T goes to 3.2T.

Nuclear Energy. The only power source that can actually feed AI at scale. Data centers need enormous, constant, carbon free baseload, and the grid cannot deliver it fast enough. Nuclear is the answer the entire industry is racing toward.

Memory. The bottleneck nobody can build fast enough. Every AI server needs 8 to 10 times the memory of a normal one, the makers are sold out, and the shortage runs for years. No memory, no AI.

Humanoid Robotics. AI stepping out of the screen and into the physical world. A market going from under $2 billion today to $38 billion by 2035. The companies making the brains, eyes, and sensors win no matter which robot wins.

Quantum Computing. The frontier that breaks the limits of classical computing entirely. Still early, still small, but governments and the biggest tech companies on earth are pouring billions in. The most asymmetric bet of the group.

Seven sectors. One direction. This is where the wealth of the next decade gets created, and we are early in every single one.

[thomas hue mraz @zimmer888]

@aleabitoreddit Что думаете про $FN?

[Matias Scalbi @MatiasScalbi]

🔥 "Market Intraday Momentum" Los primeros 30 minutos del día predicen los últimos 30. Operando solo esa media hora final, Sharpe 1.08 contra 0.29 del comprar y aguantar. Si abre fuerte cerrás comprado, si abre flojo cerrás vendido

Lei Gao, Yufeng Han, Sophia Li y Guofu Zhou agarraron datos de alta frecuencia del ETF del S&P 500 entre 1993 y 2013 y encontraron un patrón que se repite todos los días: el retorno de la primera media hora, medido desde el cierre del día anterior, predice el de la última media hora

La estrategia es así de simple: si la primera media hora fue positiva, comprás en la última. Si fue negativa, shorteás. El resto del día estás afuera. Operás 30 minutos y listo

Sobre toda la muestra:
- La primera media hora predice la última con una pendiente de 6.94, significativa al 1%
- El R cuadrado es 1.6%, que para predecir retornos es altísimo
- Sumando la penúltima media hora sube a 2.6%, y en días volátiles llega a 3.3%
- La estrategia da un Sharpe de 1.08, contra 0.29 de comprar y aguantar

Y acá está lo lindo:
- Estar siempre comprado en la última media hora da un Sharpe de menos 0.18, o sea pierde
- La señal de la primera media hora es lo que convierte esa misma operación en un Sharpe de 1.08
- Funciona fuera de muestra y aguanta los costos de transacción

Por qué pasa: los grandes fondos rebalancean al cierre, y la información que llegó temprano la terminan operando los rezagados sobre el final. La apertura deja una huella que se completa en el cierre

Y es más fuerte justo cuando más se opera: días volátiles, de alto volumen, de recesión y de datos macro. Cuanto más se mueve el mercado, más predecible es el cierre

Mi conclusión: el día no es ruido aleatorio de punta a punta. Cómo arranca el mercado en los primeros 30 minutos te dice algo de cómo va a cerrar, y la mayoría no lo está mirando

Link al paper en el primer comentario

[dylan ツ @demian_ai]

People keep asking me what the bottleneck is, but I've stopped trying to find the bottleneck in AI.
There isn't one: there's a current one, and it moves the second you solve it.

- we pushed transistor density about as far as it goes
-> the gate moved to how you package the chips together

- we started solving package area by moving to big glass panels
-> the gate moved to keeping the panel flat and drilling clean holes through the glass

- we ran copper interconnects out of headroom
-> the gate moved to optical, which moved it to the lasers, which moved it to the substrate under the lasers, which moved it to a licensing office in Beijing.

Every single time the industry removes a wall, it does not get open road, it gets a new wall, one floor down, almost always somewhere less glamorous and harder to scale than the thing it just fixed.

This is the actual shape of the buildout, and once you see it you read every headline differently. The constraint everyone is talking about is, by definition, the one that's already visible and already being attacked. The money is in the next one, the layer that is about to bind while everyone's still celebrating the last fix.

So I don't look for the bottleneck anymore. I look for the handoff, the place the pressure is about to move to, because that's where the supply is thinnest and the pricing power is highest right before the crowd arrives.

There is no bottleneck, there's a relay race of them, and the trade is always the next runner.

(image credits to @renstocks_ )

[Prof @TheProfInvestor]

3 years on X. 6 years on Stocktwits.

This week alone:

→ Someone left corporate and now trades for a living - spends 3x more time with family
→ Someone expecting their first baby has the funds to give them the best life
→ Someone paid off their parents' mortgage

I get to be part of stories like this every single week.

If I had to give you ONE post to follow to the T - this is it.
The framework that's helped change lives:

A). Technical Analysis

Price action. 2 moving averages (9 EMA and 21 EMA). Volume. Bull flags. Wedges.

Relative strength on red days.

That's it.

B). Allocation

No more than 15% per trade. That's the limit, not the goal. Most trades should be 7-10%.
The 15% is reserved for your highest conviction setups only.

C). Stop Loss

Your SL is NOT optional. If you can't pre-define your loss, you shouldn't be in the trade.

Valid stop loss levels:
→ Horizontal support
→ Swing low
→ Undercut of a moving average

Anything else is a guess.

D). Trade Frequency

Long term investor: 15-20 trades per year
Swing trader: 15-20 trades per month
Day trader: Only when you see an opportunity

Overtrading kills more accounts than bad setups.

E). Sentiment Lows (Where Fortunes Get Built)

VIX at 30 → You buy.
VIX at 50 → You buy more.
VIX at 70 → You buy as much as you can.

(That last one comes once a decade. Don't be one of the people who fumbles it.)

F). Events & Assets to Avoid

→ Bio companies with binary catalysts
→ Stocks heading into earnings (unless that's your edge)
→ Halted stocks
→ Low float pump and dumps
→ Anything you can't explain in one sentence

G). Environment Check

Track sector rotation.
Watch bonds, yields, and the dollar.
Monitor NAAIM, AAII sentiment.
Stocks making new highs vs new lows.

This tells you what kind of market you're in BEFORE you trade it.

H). People to Follow

→ Those who take accountability
→ Those who are open about losses
→ Those who actually share real positions (not just hindsight wins)
→ Those willing to admit when they're wrong

The impact this platform allows me to make is unmatched.

This is the real power of community, humility, and paying it forward.

200,000 people now follow me between two platforms. I'm the only one who hasn't changed. Still read every comment. Still reply to the ones where I can offer real value. Still take losses publicly. Still call my own mistakes out before anyone else does.
That's not going to change at 500K. Not at a million. Not ever.