美研芒格君 · X 阅读

AI半导体投资第一性原理，其实就是在投 AI 变强的这条路上的瓶颈。这篇可以帮助你认知提升 我自身就在硅谷带AI 训练、推理团队。这个帖子我从一线第一性技术原理角度，解读一下过去算力、存储、互联的股票上涨原理，我的展望和布局。 希望你看完也有迹可循、能把好的标的拿住，看看是不是所有上涨时间线都符合我这三条路线的发展状态 三条路分别是 ① 预训练：把模型养大 ② 强化学习 RL：教模型推理 ③ 推理时算力：答题时多想一会儿 1/ 预训练（图 1） 当模型参数、数据、算力一起放大，模型的"底子"稳定变好。这就是过去3年 AI 的主叙事 算力越大，loss 越低，效果越好。一个 fun fact： 训练数据 token 数是参数量的 20 倍左右时候，效果最优。70B 参数的模型就该配约 1.4T token。这就是著名的 Chinchilla 定律 但问题来了，撞上了两堵墙 1. 数据墙： 人类数据快被读完了。 2. 经济墙：以前 10 倍算力换质变，现在 10 倍算力（几十亿美金一次训练）只换 loss 降 0.0x 预训练从投资角度来看，不会停止，但最赚钱的时候已经过了。 $SNDK $MU $NVDA 等等都是这个逻辑 2/ 强化学习 RL 这是最近业界的重要主线 原理：让 pre-train 好的模型自己刷题，做对了给奖励。这样现实生活中，agent 好干活 这就是为什么 $META 要录屏员工电脑，把员工蒸馏。因为员工的操作是宝贵数据 简单认为，RL 越多，数据越好，模型干活实际表现越好。集群内部的通信量爆炸。海量 rollout 意味着模型权重、KV Cache 在机器之间反复搬运——东西向流量成为瓶颈 目前投入 RL 的算力，比预训练还小一到两个数量级——意味着这条坡还很长，各家实验室的增量算力正在往这里搬 RL 训练的主要工作量是 rollout——让模型海量"试做题"。而试做题，本质上就是推理负载，也就是推理时算力 3/ 推理时算力 token 消耗量指数增长，推理成本成为每家 AI 公司的 COGS（销货成本） 谁能把每 token 成本打下来，谁就有毛利。整个行业从"融资竞赛"进入"成本曲线竞赛" 图三展现的曲线是，简单理解：相同模型，例如都是 Opus5或者 GPT 5.6，对于用户每次单次回答，投入算力越多，模型越聪明，投入少就更笨 有的时候你发现 Claude/GPT 变笨了，只是因为公司算力不够了偷偷降智。 这就是为什么你能看到 $NVDA $AMD $MRVL $ALAB 等等出现持续新的增量， $NBIS $MSFT $GOOG 等自有算力，host 模型公司出现新增量 通信需要光模块 $LITE $COHR 而 内存的价值居高不下，因为持续的消耗 4/ 我的观点和操作哲学 资本开支的结构在变，从一次性超大训练集群，转向 RL rollout + 用户推理的持续性负载 预训练决定原材料 → RL 锻造解题能力 → 推理时算力临场兑现。 任何一层的墙都会向下传导。目前的状态是：第一条轴的投资曲线在往 2/3移动 而 RL 和推理时负载，我认为总量会超过第一阶段，目前还在需求的早期 提到的标的我都持续持有，没有任何长线卖出打算

持续的大规模训练后，GEN1.5 物理 AI 大脑突然"涌现"通用泛化智能，这是我绝对不能错过的投资机会 看完之后，我有强烈的感受：Physical AI 可能爆发点快来了，让我联想到了当时 22 年的 GPT 时刻，非常相似。 当时 GPT 时刻解决的问题也是类似的：不必让文本任务针对场景进行特化，有一个大一统的模型可以指挥所有的下游任务。，之后算力和存储的暴涨，大家也都有目共睹 Physical AI将来必然在某个时间段会有一次真正的爆发。现在问题变成了：投谁？什么时候买？ 先看看 GEN1.5的发布视频，这件事情本身是说明 Physical AI 的 model当训练数据量足够大，模型突然"涌现"出一个没人教过的能力，这是 GEN1.5 表达出来的 one shot learning 建议大家都看看这个视频，想象一下，当大脑足够通用，物理、行业的投资机会和瓶颈，即将从大脑转换成具身 根据我22 年到 26 年的投资经验，现在是值得布局的最佳时间。聊的人还不够多，真正的落地、大型商业化还没有出现 Generalist、Physical Intelligence、Figure全在一级市场，散户买不到；二级市场的敞口本质上是 $NVDA、 $TSLA 这类平台，目前都在我的持仓当中 这套主线我也加入了我的投研 Agent Brain，会持续进行调研和跟踪、买入

@Jeff30817874 不到350不考虑动长线

你可以讨厌AI，直到AI有一天救了你爱的人。 史上首个III期成功的mRNA癌症疫苗：AI算法从病人肿瘤测序数据里挑出34个靶点，为每个人定制一剂专属疫苗。不是一种药治所有人，是千人千药 没有AI，这种模式不可能规模化

@wzh_cc 放下coding plan，看看AI更大的世界吧。real time api/服务器，存储，RL的环境，裸卡等等，这是自己玩和搭真正产品的区别

真理来自于实践。我每个月从个人钱包里都会花$8,000 到 10,000 美元用于我的 AI 实践 我也真心建议每个投资的朋友，都结合自身的情况，把赚的钱拿出一部分购买 AI，买一些多模态音频实时交互的模型。实在不行，可以从 GPT 和 Claude Code 买起。 从沃顿商学院毕业后，我有幸一直从事 AI 训练和推理, 买半导体股票，我有两个原则： 1. 只买自己看懂的（是真正看懂的），并且日常工作中实际在使用的 2. 紧跟 AI 主旋律：找到我工作中方向要解决的问题，找到去解决这个方向上的关键玩家 纸上得来终觉浅，AI 这事儿绝对得躬行。 沉浸式使用 AI 几个小时，远远比在网上看半天胡乱推理的财经小小作文有用 我的工作恰好就是投资和 AI 的结合，每天都高强度使用 8 个小时上下，已经彻底融进了我的生活和工作，这也是我信仰的独特来源

在 AI投资里，我多年总结下来有几条线是华尔街最喜欢奖励的基本面条件 1. 现金流开始由负转正 2. 新的新增收入确认 3. 叙事的转换 4. 等等 这篇我从 $MRVL 讲讲第三点，以及我为什么能安心持有快三年，几乎没有卖出。我认为 Marvell 在我清晰可见的技术主线上，坚定地一步一步向前进 $MRVL 过去最大的争议就是：一个 hyperscaler custom ASIC 的设计平台，怎么能承担起这么大的估值？ 最近一步步证明：它不只定制 ASIC，还有光通信、DSP 网络芯片这种毛利润高的收入。 在谷歌和英伟达等算力巨头的扶持下，互联即将成为把存储 X 算力发挥到极限、提升经济的关键玩家 是的，一个叙事发生了转换，但我认为市场还没有完全 price in 这个叙事。我认为需要时间，但目前 on track。我不知道明天的股价，但如果你问我明年，我觉得大概率会不错的 我们再来从 4 月到捋一遍 1/ 4 月 Google-Marvell 传闻 今年 4 月 Reuters 已经报道过，Google 正在和 Marvell 谈两类 AI 推理芯片：一个是配合 TPU 的 memory processing unit，另一个是专门跑 AI model inference 的新 TPU。今天 8-K 披露的 AI inference accelerators、memory interface controllers、near-memory compute 2/ 5月 $MRVL 财报，管理层的口径非常保守，scale up 和谷歌的这些利好一句话也没提，股价横在了 200。因此我认为是一个不错的供应价，可以用我之前提到的相对估值法 3/ 黄仁勋高喊 MRVL万亿美元，市场提前把 Scale up/out互联 和谷歌等合作打满，股价提升到了 300 美元 4/ 7 月半导体集体下跌，因为市场算力过剩的故事发酵。七月，我每天都在更新解读市场新闻，欢迎回看。同时，伴随着存储涨价、存储供不应求的小作文满天飞，大家也能看到，一台 AI 服务器大部分的利润都给了存储，毛利率 80% 多 5/ MRVL 的 FMS 叙事被强化。 Marvell 8 月初刚在 FMS 推 AI memory / storage infrastructure，核心口径就是 agentic AI inference 以后会被 memory capacity、bandwidth、latency、data movement

面对 $MRVL 昨天的下跌，我加了不少（昨天帖子里有提到）。 今天传出来$GOOG 把 $MRVL 拉进了 TPU 生态的“定制芯片 + 内存/网络/存储控制器”供应链的消息 Google 在 TPU 体系里给 MRVL 开了一扇大门，画了一个到 FY2033、最高 1200 亿美元的采购路径。同时 $NVDA 在 NV 体系给 $MRVL 开了一扇门 这个路径太清晰了。内存是一堵墙，大家都要打破它，而 Marvell 有关键打破互联墙的能力 这其实一个新消息了，我 4-8月结合我从朋友那里听到的消息，已经提过很多次，文章帖子都在 如果你问市场上谁看好 MRVL，谁不看好 MRVL，很多人都能说得头头是道。 但如果再问：MRVL 是做什么的？看好哪个产品线？在等什么机会？ 我想，很多人都会哑口无言。这就是为什么要看懂，基本面的力量。看到了基本面，剩余的等它慢慢兑现就好 我依然保持看好，TPU 的合作只是第一条路线，这个方向的渗透率我预期会继续增加。另外一块是 Scale Up，我认为目前还没有 pricing-in，等待 Marvell 今天的 8-K 写得很直接，感兴趣可以看看原文 https://t.co/fvUjyrMMhC

最近很多朋友问我，怎么从 SDE（Software Engineer）转到做 AI Infra 和大模型相关的工作？ 或者普通人想做 Pro 级别的 AI 投资者，零基础怎么扫盲，怎么搞懂这么多术语？给大家推荐两个免费的入门友好的 AI 相关学习网站（课） 如果你要做基本的 AI 投资，看完第一个 Stanford CS336 课程也就差不多了。如果想专攻某个领域，可以看看第二个的公开课？ 1. Stanford s开课 Stanford CS336 Language Modeling from Scratch https://t.co/i0Hw0ro6Fc 2. https://t.co/QSYkhUTQxY @AndrewYNg 创办的学习平台， 里面的课程非常多，点开你就使劲学吧，从 pre-training 到 post-training，从训练到推理，全都涵盖 链接⬇️ https://t.co/jkrBlOPKFm 不知道我的 follower 中有多少对这些感兴趣的。可能和投资不直接相关，但我觉得都是很好的认知提升课程。 有时间还是要多看教程、多看课、多读书，武装自己的大脑 如果有朋友感兴趣，我后续可以分享更多

@SebastianYyx 我会觉得200是一个不错的公允价值，基于当下基本面，这是上次财报验证过的，适合加仓/补仓。但马上财报就要来了，估值模型需要变化，静候更多信息

今天大跌，很多人坐不住了，如坐针毡，甚至开始怀疑起了自己刚建立的信心。7 月份恐慌的开始，7 月 28 号的底部，以及底部后的暴力拉升，这才过去了一个月 关于今天的暴跌，我怎么看？ 今天 $MRVL 跌去 9%， $COHR 跌去 12%， $MU 跌去 7%。但与此同时，过去一年： $MU +658.07% $MRVL +178.77% $COHR +241.61% 自从上个帖子到现在，短短两个周，很多高 Beta 的股票也普遍涨了 30% 到 50%。因此，我没有看到任何违和的地方 其次，我不知道明天会涨会跌，但我知道 AI 趋势一定是向上的。我更看重的是本月 MRVL 和 NVDA 的财报，这才是决定下一阶段趋势的关键点 今天又加了部分我看好的标的，短期内我会买好 protective put，做好保护，留好大量现金，等待财报的到来

@AowangXi3693111 不好意思，上条说谦虚了，是涨了一年的工资。以及我不在乎每天跌多少。每个月的税后工资只是一个衡量单位罢了 我也不太在乎每天的短期波动，没什么意义 https://t.co/tjD6TUgR0i

上周涨了将近一年税后的工资；单日的起伏，经常就是几个月的税后工资, 比如今天。借着这个机会，分享一下大跌和大涨的感受 我还记得我第一次跌破2 个月工资的时候，多年之前了，那天头昏脑胀，请了个假，不想上班。 再后来，被市场渐渐地毒打，学会了纪律、仓位管理和期权保护。到现在，每天打开账号，不论涨跌，我的心态都没有任何的变化了 到今年年初，拿着 $MU $SNDK 存储和光模块，基本上是天天涨。很多时候，下跌的时候才会天天去想、去分析；上涨的时候，反而感受不到涨幅。最多的一天涨了几年的工资，说实话，非常兴奋，不过后来也淡去了 在硅谷这边待了很多年了。无论涨跌多少，餐厅还是那么多，房子、车子也不会买更多，对生活其实没有什么本质的变化，就像看游戏里的欢乐豆一样 基本面看对了，涨了就卖，跌了再买入。我不看什么复杂的策略，用最朴素的方式进行操作 资金量一大，很容易睡不着觉。这让我在选择投资标的的时候，谨慎、谨慎再谨慎。此外，我觉得我的账号最近有点走偏了，还是想回归基本面，踏踏实实做好分析，而不是变成一个股票分享账号，这没什么意义

08/18 今天 $MRVL、 $COHR、 $SNDK 集体大跌，刚起床发现天塌了。不过买的protective put终于发挥了作用，加上 45% 的现金仓位，账号还是跌去了4个月工资，不过早已习惯了，没什么心情变化 调查了一圈，发现并没有什么大事，硬要归因解释是："美债利率上行"，通过我们高中都学过的 DCF自由现金流公式，利率上升，高弹性估值下降 分享给大家两条最近我发现胜率高于 90% 的规律，如果你刷到了这条帖子，看过我的账号的话，那我默认你已经找到了那些基本面比较好的公司 规律一：涨多了的股票（一两周涨 10-20%），重大事件（财报）前，市场总能翻出旧理由把它砸下来。要么分批止盈，要么花点小钱买保护（put） 规律二：跌多了但基本面没坏的股票，市场总会借关键催化剂（财报/重要会议）把它拉回去 跌多了 + 基本面没坏 = 预期打到地板 + 空头堆积。当基本面没有发生任何变化时，总有一个催化剂会点燃空头 听着像玄学？回看一下过去一个月这几个股价的变化 $SNDK $MRVL $MU $NBIS $ORCL 都应验了 仓位管理，永远排在规律前面。至于说未来，我认为 MRVL 正踩在规律 2 的前夕，前提是要继续下跌 我暂时没有卖出我的长期仓位的意愿，并且我还想继续加倍我的总体仓位，所以希望再跌一跌，给一些好的机会 当然也有规律三：预期拉得太满，财报后很难创出新高。对于半导体来说，有直观的 insights，我有一个好的估值模型。明白自己在投什么，才能游刃有余

大家可以参考一下，类似于这种的评论区的人都是骗子 我相信关注我的人都是独立思考的、智力超群的朋友，应该不会被这种伎俩骗了。不过还是提醒一下 有一种显著特征可以辨别，就是我绝对不会开什么 WhatsApp 群组，让大家跟着我买任何的股票

我在硅谷一线推理训练公司，带20 人的团队，我需要了解每个人的项目。随着团队 AI 改革用得更深入，我…已经感受到了痛苦，并且有点痛恨 AI 在了解每个人项目的文档和群组的过程中，免不了要阅读一些 AI 生成的冗杂文章，我大脑的 context 已经被打爆了。在跟一些成员聊天的过程中，一问三不知，要一起坐下来给 AI prompt 获得答案，经常气不打一处来，但要 professional，保持克制 我真的觉得每天很痛，但是也确实没什么办法。这就是为什么财报 CBRS 大跌后，我愿意继续追加买入 我认为现在的文本状态 AI 只是 AI 的第一阶段（以文本为主）。思考时间这么长的交互形式一定不是最终状态，只是过渡形态 这个时候我就幻想，如果能有实时生成的语音（不是现在那种Voice mode，而是能够真正像 GPT 5.6 Sol一样的思考深度），并且能够获得实时的速度，那该多好 不用看冗长的文字，可以像人一样跟 AI 实时、深度地去交流。可以开车、走路的时候都聊上两句，而不用像现在这样，电脑盖子不敢合上，只能对着一个小手机屏幕敲 prompt 也可以跳过一些把大脑托管给 AI 的团队成员，直接和 AI 进行一对一的沟通

1/ 账号为啥分享？ 为了乐趣，也为了我自己的认知积累。 我目前在使用强化学习把我的投研思维和taste蒸馏出来，为我服务。终极目标是我的分身替我投资，递归自我改进（Recursive Self-Improvement），我就自己躺在海岛享受人生了🏝️ 除去在大厂外，投研是我的日常。这就是为什么我不卖课，更不会带单，没意思 2/ 为什么说话这么一本正经？ 说话风格而已。我不喜欢无脑宣泄情绪。投资在事和理，不在情绪。我喜欢逻辑阐述 3/ 是否投研用ai？ 我投资ai、工作是ai推理训练。ai不是原罪，是某些滥用和低质量内容污染了大家的眼睛 同一个ai，用的人不同，结果也不同。我如何用ai投研⬇️看我之前帖子分享 https://t.co/jQU8GlUiNH

过去5天我的账户上涨了约8.7%。突破新高，超过了我6个月的工资 很多人抱怨没有机会，但在我看来明明遍地都是机会。168的 $MRVL ，290的 $COHR ，1200的 $SNDK ，220的 $CBRS 。回看我的帖子，都有聊到为什么看好，认知是一种复利，持续学习，等待机会 很多半导体股票，绝大部分散户的声音其实都是噪音 我不是一个推荐股票的账号，从沃顿毕业后，在硅谷多年的工作经验和人脉给了我认知。在一线工程师里比较懂金融，在二级散户投资里非常懂技术，这是我的独特定位 关于我的投资逻辑，可以看我置顶贴。我在x上只有这一个账号，我只投大盘价值股，不会喊单让大家跟单购买，评论区有冒充我的别被骗

周末沉迷于 Vibe Coding，在自己的电脑上三天花了 2300$左右。周日晚上一看，AI 在定下目标就走偏了，后来在错误的方向上发挥出了超常的水平和智力，整个项目错的非常离谱 这让我开始质疑和反思自己。从无比相信 AI、觉得 AI 特别牛逼。使用到现在，我开始想，怎么样才是使用 AI 的正确方式？ 我观察下来（包括我自己），周围人对 AI 的掌握程度大概分为四个阶段。大家也可以自查一下，现在处于哪个阶段，认识的朋友在哪个阶段 阶段 1：不信 AI，只相信自己。觉得 AI 是泡沫，生成的东西都是没有意义的 阶段 2：开始试探 AI, 给 AI 一些问答和简单的指令，渐渐 AI 简直无敌牛逼，越来越相信 AI，什么事情都托管给 AI。看都不看直接交付 （伪赋能，会吃亏的） 阶段 3：随着深入了解，开始怀疑 AI。发现 AI 只是表面做得漂亮，少了灵魂和 taste。而且 AI 维护着维护着就越来越乱，导致项目不断的放弃 阶段 4：??? 质疑、信任、共存, 探索一种新的提效方式：保留自己作为人类的主观能动性和品味，真正让 AI 为我们服务 目前我自认为处于阶段四，希望阶段 1 到 4 这不是一个循环轮回

AI 当前到底有没有见顶？到底是不是泡沫？ 说句良心话，大家不要对 Twitter 或者小红书刷到的 AI 内容信息茧房产生焦虑。其实真实的普通人 AI 使用率，就我观察下来，还不足 5%。 在当下。我在硅谷观察下来，AI 模型的使用和渗透有两个重要结论： 1/ AI 重度用户的钱包已经见底，增量只能来自渗透率和新客户 2/ 在智力程度可用的临界点下，使用正在往开源迁，大家偏爱便宜模型，比如开元模型 能看到这条帖子并产生思考的人，我们已经抓住了时代AI 的红利，请大可放心，坚持下去，走在前沿 以下是我的数据佐证 7 月美国top 1% 企业 AI 支出 $7,400/人/月，top 10% $650，中位数 $11.95。 过往三个月 top 1% 消耗量分别是 是 $7,500 → $7,449 → $7,400，基本持平。同期中位数 $10.59 → $11.95，+13% Fable 5定价$10/百万 token、两倍于 GPT-5.6 Sol ，上线一个月只拿到 Anthropic token 量的 6%、金额的 11.4 我建议大家偏向便宜模型， 用模型服务平台的企业占比 1月 4.5% → 6月 5.8% → 7月 6.1%。这批企业人均 AI 支出 $248，是中位数企业的 23 倍，环比还在 +21%