美研芒格君 · X 阅读

那是因为你用 AI 用的还不够多。现在我用 AI 写代码，仅仅占了我 AI Token 总消耗的 50% 不到 此外，建议大家换一下对世界的理解方式。我们世界本来就是 0 和 1 组成的，从第一性原理来看，人脑做的每一个逻辑操作、消耗的每一个卡路里，本质上都是一个 Token可以去处理的最小逻辑单元 放下你作为人类的 ego，你才能真正理解 AI，才能把握住这次机会

继续上个帖子：如果 AI 的发展势不可挡，人类现在的职责分工必将终结，财富会重新洗牌，那普通人现在能做什么？ 我分享几点在硅谷我看到的和我正在做的，一定对你有帮助 1. 多放手一点，让 AI 帮你找方向 把你现在的工作、擅长的事情、遇到的困难，以及现实约束，认真讲给它听。让它先追问，弄清楚你的处境，再提出下一步 我们很容易只问自己已经想得到的问题。但GPT6，我认为它的灵性可以弥补你的盲区 2. 有条件的话，试一个月 200 美元档的Codex会员 这笔钱对很多人不便宜，量力而行。但如果预算允许，我真的建议拿一个月，体验高额度的模型使用，把一件复杂的事做下去。20$ 或者什么 API 中转站，根本无法支撑你去完成复杂任务 拿出一个你现在觉得最难、最害怕面对，甚至已经拖了很久的问题。把背景交代清楚，让它帮你分析，追问它的依据，再一起往前做 你得给它一个足够重要的问题，才能知道它对自己到底有多大用处。有些事情我们从来不去尝试，是因为早就默认自己做不到。现在有了AI，可以尽情释放你的想象力了 3. 放下对现有工作的执念，也放下周围人的评价 给自己留好收入和生活的余地，但别再把现在的职位、老板的表扬、过去最擅长的工作，当做最重要的。我跟我自己团队成员也是这样说的 一项工作今天被需要，不代表它会一直以同样的方式被需要。周围人认可你的能力，也不代表市场以后还会为它支付同样的价格 如果你已经看见变化，就值得花时间，为自己试出另一条路。哪怕它暂时没有成效，一定要坚持下去。当 AI 持续变强的时候，你过去所做的一切都会成为你的积累。到了某个节点，你会发现这件事情会一夕成真 4. 保持健身，降低皮质醇，享受活着的快乐 越觉得焦虑，越容易只刷消息、只焦虑，最后什么也没做。 身体和睡眠一旦跟不上，就会被社会彻底淘汰。每天推进一点具体的事，看看结果，改一下，再继续。做不动了就去运动、休息 写这个帖子的时候，我依然焦虑，这两天总共只睡了 6 个小时，剩下时间，除了吃喝拉撒，都给了 AI。这可能是普通人改变自己处境的一次重要机会。我也想把握住

日没夜用了两天 GPT-6、Fable 5.1。消耗了 21 亿 Token，我现在最大的感受是焦虑，以及深度恐惧。 我的核心判断：社会分工和财富会因为 AI 重新洗牌，而留给我们调整自己的时间，可能比想象中少得多。 这个帖子想给各位敲响警钟，也分享一下，我觉得普通人接下来应该怎么办。在硅谷，我几乎经历了整个机器学习到如今 AI 的演变。这一次，我觉得跨过了某个奇点 1/ 先分享一组数据：累计消耗了 2,101,817,483 个 token，我几乎重构了我所有的工作流，删掉了约 95% 的 prompt，效果甚至更好 我之前几个月的调优工作，在这次更新面前，突然显得微不足道。这让我开始怀疑，自己过去积累下来的方法，有多少只是为了弥补上一代模型的不足？ 2/ 2022 年 12 月，我第一次使用 ChatGPT 到现在，连四年都不到。四年，很多人可能才刚熟悉一份工作，AI 却已经跨过了这么多技术节点。以前还要反复追问、解释的东西，现在交流起来，我真的越来越觉得像在跟一个真人对话。甚至，我感觉这次出现了某种“灵性” 这个词不严谨，但它很接近我的感受。我暂时也不想展开解释，只能说，单看参数和跑分，已经很难传达这次使用带给我的冲击 3/ 让我恐惧的还有另一件事：这种能力，还没有充分进入每个人的日常工作 我坚定认为，一部分工作今天还需要人来做，只是因为把 AI 用到足够好、足够稳定，仍然很贵。 这些门槛到底还能维持多久？ 我感到的倒计时，是我们今天赖以挣钱的能力，还能稀缺多久。 一个人学一门技能，要读书、练习、犯错，可能花上好几年。模型的能力一旦得到改进，同一套能力就可以被部署到大量系统里。我们面对的是一种完全不同的积累和复制速度。拿它跟人类个体的学习速度比较，我只有无力感！ 所以我觉得，人类需要放下一部分 ego。包括我自己。 不能因为自己有经验、懂技术，就默认 AI 永远只能当实习生，永远只能等人类安排下一步 在它更擅长的问题上，我愿意让AI带着我走。让它指出我哪里想错了，告诉我还缺哪些信息，甚至提出一个我根本没想到的方向。能接受它来指导我，同时检查它的依据，是我这两天跟 AI 的相处模式 4/ 那普通人现在能做什么？ 篇幅有限，我把它放在评论区

根据我个人的过往实战经验：要赚钱，特别是大钱，买的是未price in的幅度。这等于看懂+耐心 即当前价格的隐含和基本面的delta。这是我上个帖子要讲的核心观点，没看懂的可以再看看我的上个帖子配合文章 另外我觉得你说的没问题，nvda基本面是无敌的，我也持有很多，但注意概念要保持一致，不能偷换。nvda好，delta小，上涨的是beta，不是alpha

MRVL 是我跟踪了多年、并且真正看懂，而且身在硅谷、对公司基本面和发展路线有信仰的综合选择。这也是为什么，对于看懂的股票，大道至简是最重要的 它不是一个我看了下 PE 数值，就决定想买的股票，这也就是为什么在MRVL中我盈利了很多。 ta不是市场上 random的 "too Many Stocks" 之一。倘若你看了下 PE 估值，觉得某只股票数字还可以就买，那大概率结果不会太好

@EricHuang4312 好问题，PE 的确认。我通常找到一个相对的锚点通过 AI 时代的历史隐含 PE和情绪基本面变化 很难有一个数学公式去推导。下次我可以发一个专门的帖子，来回溯一下现在的 PE 和历史 PE 的相对差值，以及什么是公允值？ https://t.co/TKRUdEfm77

很多人一直没搞懂 Price in。股票跌了，评论区就会出现一句：“之前预期太高，市场 price in 太多了”。这个其实和废话没什么区别 这个帖子我用过去一段时间的 $MRVL 实际例子 把Price-in 这件事讲清楚。为什么持有 3 年 $MRVL，一定能赚到钱 Price in 最值得理解的地方：你不能把买入时已经付过钱的那段增长，再算一遍投资回报。 Price in 本身不等于高估。它只是说，一项预期已经反映在价格里。真正要判断的是，这份预期有多高，兑现它需要什么 今天是 9 月 6 日，周日。最近一个常规交易日，MRVL 收盘 223.55 美元 1/ 我看 Price in，会先倒过来算：这个价格，需要公司赚到多少钱？ 假设给 30 倍市盈率，223.55 美元需要约 7.45 美元的年度每股盈利。给 25 倍，需要 8.94 美元；愿意给 35 倍，只需要 6.39 美元 华尔街对 $MRVL FY2028 调整后每股盈利的预测，大约在 6.60–7.24 美元。FY2028 大致对应自然年 2027。 也就是说，当前价格相当于这份盈利的 31–34 倍。按 30 倍算，需要盈利略高于这批预测；按 35 倍算，现有预测可以支撑 2/ 300 美元的 $MRVL 需要什么 price in? 美银的 365 美元目标价，正好可以解释这个问题 它预测 FY2029 调整后每股盈利达到 11.02 美元，再给约 33 倍估值，得到约 365 美元，FY2029 大致对应自然年 2028。11.02 是那一个年度的盈利 假设股价今天已经涨到 365 美元，你再买入，就相当于在这套模型下，已经提前按照“11.02 美元盈利，而且值得 33 倍”付钱 以后公司真的做到 11.02 美元，完成的是你买入时依赖的预期。假如到时候还是按这份盈利、33 倍来估值，价格依然在 365 美元附近 公司这几年利润增长了，你的股票却可能没赚到多少，甚至还可能下跌，这就是我们说的 price-in 3/ 现在的 $MRVL 到底price-in 了什么？ 假设未来某个估值时点，每股盈利都是 11.02 美元： 给 20 倍，对应 220.40 美元；给 25 倍，对应 275.50 美元；给 33 倍，对应 363.66 美元。 从 223.55 美元出发，三种情景对应约 −1.4%、+23.2%、+62.7% 的股价变化。 不过，看到 223.55 距离 365 还很远，也不能马上得出“便宜，空间很大”的结论 还得问，11.02 美元到底要靠什么赚出来 美银的模型里，总收入需要从 FY2028 约 180 亿美元，增长到 FY2029 约 285 亿美元。定制芯片收入要从约 42 亿增至 110 亿美元，占公司收入的比例从约 23% 提高到 39%。这一年新增收入中，约 65% 来自定制芯片 美银预测 11.02，不等于整个市场都相信 11.02；股价达到某家投行的目标价，也只能说明它达到了那套模型目前支持的水平 有人对盈利更乐观，却只愿意给较低倍数；有人对盈利没那么乐观，却愿意给更高倍数。不同的判断，可能形成相同的价格。这就是股市的不可预测性 “用 FY2029 盈利估值”也不等于“目标价必须等到 FY2029 才实现”，所以有的时候才会出现大超预期，股价暴涨 4/ 最后，我的思考和操作 220 美元对于 1-3 年的投资者，仍然具有吸引力。因此我目前继续 HOLD，并且定投+逢低买入 因此，下一次有人说 MRVL“已经 price in 太多”是个垃圾，我会继续问： 你用的是 FY2028 的 7 美元左右，还是 FY2029 的 11 美元左右？给的是 20 倍、25 倍，还是 33 倍？ 把这几项写下来，我们才能讨论到底贵在哪里，以及什么变化会让这个判断失效 公司增长得好不好，要看经营结果。你这笔投资回报好不好，还要看买入时，已经为这些结果付了多少钱 完整的 MRVL 文章还在写，这两天发出来

@AnotherXStr Thanks for calling me an engineer rather than a stock KOL. I really appreciate it

@chewthecud9527 目前而言，我看不到任何不持续上升的可能性

这绝对是个好问题。我尝试分享一下我的拙见，Overfitting芒格君（我自己）, 在 GPT 时代，不如叫蒸馏, 在投研里面是一件坏事吗？目前没有数据，这个我将来搭建好环境、训练好之后，会做回测。不过我认为和 machine learning、DL 的 overfitting 绝对是两回事 1. 我们通常说的 overfitting 更多见于深度学习和机器学习中，本质上还是用离散的数据或者连续数据去预测某种 logits，算 loss，然后有更好的表现。Overfitting的原因还是维度不够。而且 DL/ML 是尝试去拟合所有的数据、大众的数据，去预测一种普适规律；而投研是预测我的精准偏好 2. 在 GPT-6 面前，首先，GPT-6 的基本思维逻辑是聪明的，这是它学习的客观知识，智力到位了，他对自然和股市，还有知识规律，是有一个基本的理解的 下一步就是选择。这是为什么我尝试把 96,000 条我的真实交易策略蒸馏进去，我的目标就是让它 overfitting 我的策略，如果真的 overfit 了我自己，那我蒸馏真的成功了。我们有的时候给 AI prompt，让它学习一些股票大师的投资经验，其实也是在尝试主导 AI 的倾向和选择

@curious_hao 我觉得研报是锦上添花，但不是必须的，普通投资者可能需要花太多的时间去看，有时候也看不懂。我的建议是买华尔街几大投行（大摩、小摩、花旗）的研报，重点 cover 感兴趣的板块。后续我可以把我的研报用 GPT-6 蒸馏出来，直接分发，这个可能更省事

@l6666636 还是不够用，200 刀的 Pro 我 reset 了两次，一晚上就用完了。这说明啥？看好算力和互联，以及 host token 的云

我更看好已经持有的 AI 投资了！如果你问我 AI股市投资为什么能比普通交易者、分析师背景的人看得更透彻？ 原因是：AI 是我的工作，是我的生活，是信仰，我每天都在遇到和解决AI 的瓶颈和痛点。在硅谷，连中餐馆奶茶店讨论的都是 AI。耳濡目染，切身体验，这是纸上谈兵，看 K 线永远给不了的 高强度用完 GPT-6 和 Fable5.1，我无比坚定已经持有的 AI 投资了，并且打算大胆持续加码。新模型消除了我心中对算力需求的疑问，因为他们太强了 从两个维度来说，都有不少的上行空间： 1. 如果你持续追求强大的模型，你会发现 Token 的额度根本不够用，烧钱烧得太快了。因为推理强度高，特别是 GPT-6 的 Loop Transformer 架构，对 Token 的消耗量会进一步上升，我能看到这个未来的趋势 2. 当 AI 真正可用、达到了 AGI 的临界点，很多人也会开始使用。之前门槛比较高、不说人话、需要专业人士才能使用的工具，将来一定会被所有的大众用上，这个增量市场我不敢想象

09/05 我真的很爱 AI，昨天和 GPT 6 之后干了一个通宵，现在是早晨 8 点，一晚刷完了两张 reset 周卡，共计 13.24 亿 Token，跟大家汇报一下我做了什么，我想用 AI 解决什么问题？什么让我感到兴奋？ 以下都是我昨天晚上尝试的新鲜的一手体验 1/ 用 AI 帮我讲投行研报 体验就是终于开始说人话了，相比于 Fable 5.1 来说，我更觉得像是在跟一个真人同事对话。之前说的好像一坨，每个字都是正确的，串在一起就是不太懂，不得不追问好多轮 GPT 6 可以一次性说对，并且我能读得下去，这是最大的变化 2/ 用 AI 帮普通人规划 AI 学习路线，如何钻研透一个 domain，以及反向输出一套简历去 hack AI 大厂的筛选系统，并配上学习路径和方法 正如我所说，今年是大规模裁员开始的元年。普通 SDE 马上就要走到尽头了。周围很多人有焦虑，需要换工作，但不知道如何学起 我把我在硅谷一线厂看到的招聘原则、积累下来的学习资料以及 domain knowledge 都输入给 GPT6。输出是针对你想去的岗位生成一个完整编辑好的简历 Word/PDF，反向 hack 硅谷或者任意一个大厂的 HR 简历筛选系统 我认为秒杀许多的付费课，和人类简历修改 tutor，大家如果感兴趣，我可以把这个发布出来，大家也看看靠不靠谱。我给了我的团队成员，希望他能找到一份好的工作 3/ 强化学习我的投研策略，让 AI 基于一个开源模型，通过 SFT、fine-tuning 和 post-training 来彻底蒸馏我的投研方式以及决策 大部分人的蒸馏，还是用 AI 读一遍我所有的文章，通过文本生成 prompt 来给 AI，我认为会有漂移和幻觉，以及针对不到精髓 之前我们做机器学习或者深度学习、股票交易，更多的都是数据，你要把它变成离散值或者向量的数学表示。现在 GPT6 帮我全用多模态+强化学习，全方位蒸馏一个芒格君 我收集了我过去一年所有的交易记录，有成功的案例，也有失败的案例。然后让 AI 回溯了每一天我当时的交易切面：我是怎么想的、宏观有什么变化、微观有什么变化，当时的大背景是怎么样？是否有重要事件？ 我回测根据股价和 AI 的发展，注入了我通常的交易思路，构建了许多数据，总共 96K条 GPT-6 帮我构建了环境，清理了数据，创立虚拟环境，再模拟股票交易，并通过挣钱作为 reward，来复盘我喜欢的股票和对应的市场 sense 不幸，这个任务当前失败了，一个 query 消耗掉了我 120% 的 200% 的周 Token，GPT-6 写了 23,000 行代码搭建 RL 的 infra 环境。 这三个事情我会继续推进下去，这是给大家一个短暂的汇报，下个帖子我聊聊我观察到的目前最前沿模型的局限性和弱点，以及怎么规避

@yaoyaomua 我真心建议大家不要盲目跟单。我不卖课，也没有收费服务。 既然大家信任我，那挣钱了，大家不必分我；亏钱了，也请不要骂我. 投资需谨慎，需要对自己负责

@zhangyc52 每次模型迭代之前的 skill 和 prompt 都会成为新的模型的限制，我打算把之前的 prompt 全删掉，重新构建

@GRyanGreat 瓶颈在推理速度，更多的是算力互联，hbm调度问题问题，跟网速无关

@ebigsailor 记得保存好你跟GPT6的第一句对话，多年之后跟你孩子说

多年AGI之后，回顾这周，应该是载入历史的时刻。我真的掏心窝子地劝大家试用一下OpenAI的Astra，它真的不一样 Astra Ultra 使用的第二天，下班路上一直在想，兴奋+激动，我刚200$ Codex Plan充满了100% 的额度，打算周末大干一场 /goal，下周跟大家汇报我的成果 各位 Astra Ultra 用户准备周末做什么创造性的工作呢？

是我想谢谢大家。这个世界上信息一直存在，只是因为有信息差，而我想打破它 初衷就是分享一些在硅谷一线的工程经验、带团队的感悟，以及 AI 的投资方向 有 AI 味儿不是原罪，原罪是不加思考，把 AI 生成的内容一股脑地发布出来。善用 AI，AI 是我们这一代人最大的放大器