@GopunL 类比成 ASIC 和 GPU 的关系. 你说到点上了,这就是为什么我要埋伏到明年 GTC 3 月
保存的原文
X 阅读
按原发时间浏览 · 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。
@blackcloud_nyc ofc,看之前的帖子分享过
保存的原文
据我了解到:OpenAI 正在把推理市场切成三层:GPU 做训练和灵活 workload,Jalapeño 做大规模高性价比 inference,Cerebras 做 premium Ultrafast
我认为对 $AVGO 偏正面,但今天市场反应不大,我认为市场有低估的可能。资本片面解读 $GOOG 订单被 $MRVL 抢走,存在单边走的逻辑解读,这是我很喜欢的逻辑错误。
今天我买入部分 $AVGO ,以保持我的投资逻辑和对冲mrvl风险
但这并不是新消息,市场早已知道会新增 10GW,我先给大家梳理一下这一条已经推进近一年的时间线:
2025 年 10 月,OpenAI 与 Broadcom 宣布共同部署 10GW OpenAI 自研加速器和网络系统,计划从 2026 年下半年开始,到 2029 年底完成
2026 年 1 月,OpenAI 与 Cerebras 签约,加入 750MW 超低延迟推理容量,分批上线至 2028 年
2026 年 6 月 24 日,OpenAI 正式展示第一代 Jalapeño 工程样片
2026 年 8 月 13 日,GPT‑5.6 Sol Ultrafast 开始由 Cerebras 提供,最高约 750 output tokens/s
今天,OpenAI 第一次公布 Jalapeño 的具体性能测试结果
保存的原文 · 长文
$MRVL 今天依然没有任何理由的下跌?其实不必怀疑自己。看之前的帖子,我跟大家分享了我买入的时机,以及买入put的时机
其实很简单:只要公司基本面没有任何变化,股价脱离了基本面太多,我就会进行买入和卖出,胜率基本高于80%。仔细体会下,是不是很认同?
上个财报,MRVL 彻底成为了光互联公司。我认为这周是今年 MRVL 最重要的一周
$MRVL 的资金现在面对的是连续两次二元事件:
周三看 Nvidia 是否能证明 AI 基建需求仍然足以支撑高估值;
周四看 Marvell 能否把 Google 合作、custom silicon 和互联需求真正落到业绩指引里
事件结束后,我会给大家带来一手的 insights 和解读。
保存的原文 · 长文
在硅谷的大厂工作,拿着几十万甚至将近百万的工资,为什么会选择离职?
周末,我跟几位在 Google/META 这几个月离职的朋友交流
大家普遍表示,在 AI 时代,大公司病越来越严重,严重到不能忍的程度。在人才密度如此之高的地方,却只能做这么一点事情,觉得失望,于是就走了
朋友跟我讲说,没走的人很多,也是在观望,像是温水煮青蛙。没走,只是因为下一份工作工资不够高,或者身份问题走不了,或者干脆躺平。
只有很少一部分人还在为梦想和理想奋斗
保存的原文
值得一读
@AndrewYNg 发布了2026年当前,如何成为AI- Native的人,或是转型AI的工作 https://t.co/oIdNZIpZaw
保存的原文
我的投资方式,和短线长线持仓逻辑哲学在我置顶帖子中
https://t.co/tUkbv5bKqJ
保存的原文
$TSLA 今日继续上涨 5%。tsla 跌破了 300时,我买入了 3000 股,后面当晚发布了 X 分享了我的买入操作,至今已经23%涨幅(欢迎回看帖子)
https://t.co/iFEfWFrKUB
恭喜各位一起买入的股东们。别人恐惧时候买入是最好的机会
市场质疑的核心问题是: $TSLA 能不能把 Robotaxi 从几个城市的小规模实验,变成真正可以复制的商业网络?能不能落地 Optimus?
我认为是板上钉钉的事情,这只是时间问题,在硅谷我看的很清楚,所以愿意为了自己的认知下注
今天我止盈了部分,同时扩大了长期持有的仓位
保存的原文
如何投资黄金,核心看什么?值不值要不要投资?
16%的基金经理调查认为黄金是低估,美银的首席策略Michael Hartnett也认为“美元贬值/财政赤字/债券市场风险原因,加上AI股票涨的太多太乐观预期,那么买黄金。
这个判断最大问题在于,几乎每个人都能传播这个叙事套路,“债务、去美元化、滞胀”利好黄金,简单粗暴流传。
实际上历史上看,这些都没什么相关性,更谈不上因果。黄金唯一比较确定影响因子就是利率,为什么?
很简单,因为黄金没有现金流,持有的成本就是时间和机会成本。现在黄金涨唯一原因就是央行购买,因为去全球化的政治风险
未来,实际利率系统性提升下,黄金不是优质资产,只有投资能真正产生现金流的资产股票才有价值。现在这种反弹都是年初大跌以来的技术性修复,基金经理是从低估角度,央行是平衡主权风险角度。
黄金价值核心来自于未来判断多少人愿意把财富变成黄金,而且企业股票的核心,在于企业未来能创造出多少今天不存在的财富。如果你看不懂行业/企业基本面和估值,那么最好还是买点黄金,求个心理安慰。
保存的原文 · 长文
$MRVL是我当前比较有信心的一只标的,我也有信心我是推特中文圈对mrvl看的最明白的人之一,我观察到存储逐渐也在向互联转向
财报前我不准备卖出长线,买入下周五到期的protective put,迎接财报
$MRVL 今年一共有两波主升浪,第一波是4月-6月。当时我发了很多文章,很多朋友说没有抓住机会。7月底开始了第二波,到今天已经有48%涨幅
7月下跌过程中,顶着质疑大量买入,长线仓位也近乎double
由于我看到了明确的前景,我预计到明年GTC之间,将我mrvl的仓位找机会再double一倍,希望能有好的机会
保存的原文
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
保存的原文 · 长文
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
保存的原文 · 长文
@Jeff30817874 不到350不考虑动长线
保存的原文
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
保存的原文
@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
保存的原文
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
保存的原文 · 长文
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
保存的原文 · 长文
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
保存的原文 · 长文
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
保存的原文 · 长文
@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
保存的原文