X 阅读

2026-08-26

4 条已保存原文 · 时间显示为 Toronto 当地时间

保存说明:除条目另有标注外,正文尚未人工核对 · 图片未保存 · 引用或对话上下文可能不完整。

美研芒格君 @Kay2289123
原帖 ↗
盘后 $OKTA +20%, $NVDA +5%, $MRVL +4%,心情不错,都在我的长线持仓里。同时也恭喜各位股东,今天也吃到肉了 上午发的帖子跟大家说准备小赌一下 $NVDA ,为了知行合一,match 上之前分享过的短线入手理念,也给大家打个样,开完会买了 3000 股。 买的不多。今晚卖出了,小赚两万 usd, 打算叫个沙县外卖奢侈一把。这个帖子分享一下,为什么我要赌财报 首先,我觉得英伟达的基本面很好,长线一直持有,今天的短线(纯短线)为了验证之前分享过的两个逻辑 1. 基本面没变跌多了,就会借助财报或者催化剂拉起来 https://t.co/GJnGELh99x $NVDA 这些天一直在跌,触发了我的警报 2. 网上一片唱衰,说英伟达财报之后必跌。通常来说,出现这类这种没有逻辑的集体一致,我就知道稳了 英伟达的财报是不单独披露互联 NVLink 的收入结构以及订单情况的, 静候明天 $MRVL 财报 我正股持有很多,同时买入了 protective put。等两个财报都结束后,这周我会给大家带来整体光互联的新季度展望
保存的原文 · 长文
来源与保存记录

Post ID: 2092808023567974850
保存时间:2026-10-04T20:13:50.564Z
正文状态:UNVERIFIED
媒体状态:NOT_ARCHIVED
上下文状态:PARTIAL
已知缺失:Linked or quoted context may not be saved

QUOTES: x:post:2092651051115856357 · https://x.com/i/status/2092651051115856357

美研芒格君 @Kay2289123
原帖 ↗
08/26 $NVDA 今天发布财报, 08/27 $MRVL 发布财报。今天市场非常平静,在这种平静的日子,适合安静下来学习。看懂,自然能安心 Neil 是我见过思路最清楚的人之一。上班堵车的路上,把这个播客听了一半,打算上班摸鱼,继续听完 我特别喜欢这个 podcast 的原因是:Neil把整个 inference stack 串起来:从硬件、电力,到 ML systems、模型架构,再到最后的经济账,以及所谓 abundant intelligence 到底怎么实现。 看完这个视频,搞懂了背后的逻辑原理,再来看财报,可能有新的收获。我学到了很多,希望对你有帮助 不瞒大家说,我在思考收盘前买些英伟达的正股,赌下财报。纠结的点是,Nvidia 太大,市场已经完全读懂、啃透、完美定价了。 另一方面,我觉得 Nvidia 差不到哪里去,而且网上普遍都认为它会下跌,跟大众反着来是一种玄学的操作。 等我开完早会,把决定做了
保存的原文 · 长文
来源与保存记录

Post ID: 2092651051115856357
保存时间:2026-10-04T20:13:50.564Z
正文状态:UNVERIFIED
媒体状态:NOT_ARCHIVED
上下文状态:PARTIAL
已知缺失:Linked or quoted context may not be saved

QUOTES: x:post:2092226959711334544 · https://x.com/i/status/2092226959711334544

美研芒格君 @Kay2289123
原帖 ↗
上次推荐完 AI 学习资料,大家很喜欢,我决定从今天开始,投资和 AI 认知提升交叉分享。我会分享我看过的、认为有用的、筛选过的高质量教程 几天给大家推荐一套我看过的,认为顶级质量**公开免费**的 LLM 内部原理可视化视频,来自大神 @3blue1brown ,看完后,很多大学教授和 PhD 都觉得自愧不如 如果你想转行做 AI但一直读不懂 Transformer/KVQ/MLP,或者想做 pro 投资者搞懂 KV Cache 究竟是什么,HBM 到底在搬什么?GPU 在算什么?为什么互联这么重要,我认为如果你看懂了这一套视频,能够彻底搞懂 链接是 https://t.co/AQF8NXJE0m 有条件我建议全部看完,赶时间的话可以看 Transformers, the tech behind LLMs | Deep Learning Chapter 5 Attention in transformers, step-by-step | Deep Learning Chapter 6 How might LLMs store facts | Deep Learning Chapter 7
保存的原文 · 长文
来源与保存记录

Post ID: 2092642696490045626
保存时间:2026-10-04T20:13:50.564Z
正文状态:UNVERIFIED
媒体状态:NOT_ARCHIVED
上下文状态:PARTIAL
已知缺失:See source observations for media and context status.

美研芒格君 @Kay2289123
原帖 ↗
这条新闻很重要,我认为背后有另外一层深层暗线:未来自研芯片 ASIC 的门槛可能会迅速下降。目前信号不明确,对这条暗线适合按兵不动,但我认为可能是下一阶段的重要转向 对应的是 $MRVL 和 $AVGO 新的压力/或者新的增量市场,必须要持续关注,这个帖子我说说为什么? 1/ 为什么会有压力 昨天和一位做 $GOOG TPU 的朋友吃饭,ta 给我讲:做一颗芯片,需要很多不同团队配合。 有人负责画电路图,也就是 RTL;有人负责写编译器;有人负责写最底层的算子;还有人负责搭建模拟器、测试性能、不断调参 OpenAI 可能把其中很大一部分工作,直接交给了自己的 AI。这也是为什么Jalapeño能生产得这么快 比如让 GPT 帮忙写芯片设计代码,让 GPT 学会 Jalapeño 自己的 ISA(芯片的“母语”)然后直接用汇编给固定的几个模型写最底层程序 OpenAI 最清楚自己的模型每天在算什么、哪里最慢、哪里最费电,所以它也最适合为自己的模型量身定做芯片 2/ 为什么会有新的市场 其实专门为了打破英伟达的供应限制,制作给 Transformer 架构推理的 ASIC,这几年一直在喊。 AI 可以帮你写图纸、写程序、做优化,但它不能凭空生产晶圆,也不能自己制造 HBM、交换芯片和光模块 以前只有 Google、Apple、Amazon 这种公司,才能养得起几百上千人的芯片团队。未来一个掌握前沿 coding model 的公司,可能用更小的团队,就能完成过去需要大量工程师才能完成的工作 当 ASIC 更多,整个供应链继续赚设计、落地、制造、封装、存储、互联的钱 3/ 我怎么操作? 目前信号不明确,但我认为可能是下一阶段的重要转向
保存的原文 · 长文
来源与保存记录

Post ID: 2092633804888539418
保存时间:2026-10-04T20:13:53.110Z
正文状态:UNVERIFIED
媒体状态:NOT_ARCHIVED
上下文状态:PARTIAL
已知缺失:Linked or quoted context may not be saved

QUOTES: x:post:2092300846675505602 · https://x.com/i/status/2092300846675505602