币思达研究院BSTA.AI

一、核心内容摘要 产业上，本期把两条更大的路线提到前台：一条是 美国国产替代，从光模块、太阳能、SiC、稀土一直向整个先进制造链扩散；另一条是所谓 “马斯克替代”——Musk 不满足于美国境内有供应链，而是试图把芯片、制造、电力、算力、模型乃至太空数据中心进一步内化到自己的体系里。由此具体寻找两类交易：有财报和订单验证的“优等生”回撤机会，以及处在强赛道、但经营最差、预期最低的“差生反转”。 二、WuKong AP 最近 WuKong AP 的 Product / Build in Public，本质上是在把过去比较依赖个人经验的 “发现信号 → 做研究 → 建立 thesis → 交易 → 复盘” 流程产品化。核心载体仍然是 WKAP Radar Feed + Thesis/Card + Watchlist：每天把市场噪音压缩成可以被 GPT / Claude 等 AI 继续加工的结构化输入，不只是告诉用户“今天什么值得看”，还要回答 Why Now、预期差在哪、什么位置能交易、什么情况下继续加、什么情况下 thesis invalidated。 现在进一步在做的是把这个流程变成一个可验证的系统，而不是不断堆内容。包括围绕标的建立统一 thesis object、记录催化剂与价格路径，用 7/30-day watchlist、50/90 类验证周期回看：当初为什么发现它、哪些证据最终有效、什么时候应该从 research 升级到 position、什么时候只是 attention trade。理念可以概括成一句话：AI 的价值不是替你多读几篇研报，而是重新组织投资者的认知工作流。 三、核心问题摘要 1. 为什么现在重新偏向乐观？8–9 月还适合抄底吗？ 本期对宏观的判断比上一期更积极。7 月市场交易的是加息、Momentum Crash 和韩国杠杆出清；现在非农开始走弱，下一步关键是 CPI 能不能继续提供“没必要再加息”的证据。即使 Fed 不马上降息，只要市场从 hike → hold → eventually cut 迁移，对成长股、黄金、白银和 BTC 都已经是边际改善。 同时，7 月第一轮 Momentum/CTA 机械卖盘已经明显减弱，美伊冲突和油价也暂时没有继续恶化。本期提出的主要尾部风险反而从 Fed 转向 Anthropic IPO 前后的流动性抽水：如果 10 月附近上市，8–9 月路演前的数据和市场环境反而可能被维持得比较漂亮。因此基准剧本是 指数不一定大涨，但未来一个多月缺少新的系统性利空，回调更像机会。 2. 为什么现在不应该执着于“长期价值投资”，而应该先做市场观察者？ 节目提出一个很强的观点：AI 每两三个月就可能重新定义一个行业的竞争格局，因此很多科技公司的“五年价值”其实没有过去那么可预测。Duolingo、The Trade Desk、Lemonade 等案例被拿来说明：过去看起来像护城河的东西，可能因为 frontier model 普及而迅速 commoditize。 因此更适合当前市场的方法不是先预言终局，而是 观察 → 等证据 → 捕捉阶段性 opportunity。尤其当基本面信息已经被 AI 极大平权之后，edge 更可能来自 timing、资金流、预期变化和对新叙事的提前识别。节目把自己定义成“市场观察者”，而不是为了证明一个长期 thesis 正确而死守。 3. Google 是否正在退出 frontier-model 第一阵营？ 节目讨论了 Google 最近的人事和战略变化：DeepMind / Gemini 相关核心人才变动、Gemini 新版本推迟，以及 SemiAnalysis 对 Google frontier-model strategy 的悲观看法。核心推演是：Google 可能正在从“必须争 AGI 第一名”逐渐转向 更现实地经营 cloud + TPU + model marketplace。 这条路线未必对短期财务是错的。无论 OpenAI、Anthropic、Meta 还是开源模型最后谁赢，都需要云和算力；Google Cloud 又有自己的 TPU。因此 Google 有可能从“参赛选手”更多转成“卖铲子的人”。但节目质疑的是：这可能再次体现 Google 在 长期战略胜利与短期财务回报之间选择后者的组织惯性。 4. 什么是“马斯克替代”？Terafab 真正意味着什么？ 本期提出的“马斯克替代”比美国国产替代更激进：美国国产替代是“美国境内有人能生产就行”，而 Musk 想做的是 自己体系里尽量什么都能生产。Terafab 因此不只是一个晶圆厂，而是 Musk 尝试复制 logic、memory、先进制造甚至光刻相关能力，把半导体供应链进一步收进 Tesla/SpaceX/xAI 体系。 终局如果成立，芯片甚至不需要对外出售，而是全部内部消化：AI5/AI6、机器人、自动驾驶、xAI 和未来轨道数据中心。真正被改变的不是芯片售价，而可能是 $/token——如果 Musk 能自产芯片、自产/控制能源，再通过 Starship 把算力送上轨道，他可能成为最大的 compute-cost destroyer。 5. “美国国产替代”当前最值得看的赛道是什么？ 节目把近期很多看似独立的行情放进同一条线：光模块 / InP、SiC、太阳能、稀土、关键材料，都属于美国试图减少对中国供应链依赖的资产。选股时一个很简单的判断标准变成：公司的真正产能在哪里？是否是美国本土稀缺制造能力？ AAOI 是美国光模块国产化的高弹性表达；TE 是美国太阳能制造；WOLF 是 SiC 本土制造能力；LPTH 则通过无锗材料替代中国/俄罗斯主导的 germanium supply。这种 trade 的核心不是“美国制造一定成本最低”，而是 战略稀缺性开始获得政策和资本市场溢价。 6. SMCI：600 亿美元订单都摆在桌上了，重估时刻？ SMCI 现在最好交易的不是“AI 服务器需求很好”这个共识，而是一个很直接的 订单 + 利润率 + 低估值预期差。公司预告 Q4 单季新订单超过 $60B，同时 gross margin 预计 15–17%，此前指引只有 8.2–8.4%；而当时估值仍大约 9–11x forward earnings。对照已经发生重估的 DELL，市场真正没有解决的问题是：SMCI 到底还是一个低毛利服务器组装商，还是已经开始通过 rack-scale、液冷和整套 AI factory 交付提高 value-add？ 所以交易上不应该因为“$60B 很大”就直接买，而是等数据完成第二次验证：订单有没有转 revenue、15–17% GM 能不能延续、working capital 有没有继续恶化。 SMCI 最大的反面不是 AI demand 消失，而是订单可取消、现金被库存和应收吞掉，再叠加出口管制调查。如果 8/11 财报证明 normalized GM 能稳定在 12%+、backlog 开始兑现，那才是 Event → Rotation 的升级；如果 GM 又掉回个位数，它仍然只是一个低倍数、高周转的 hardware assembler。 7. AEHR、AXTI 这种“优等生”已经涨了一轮，为什么下一棒反而可能轮到 WOLF、TE 这种“烂学生”？ 这是典型的 expectation trade。第一阶段最好做的是“赛道对 + 技术对 + 财报也对”的优等生，因为市场最容易先给确定性；但 AEHR、AXTI 这类公司已经经历第一轮快速重估以后，再想继续大幅上涨，就必须不断制造新的超预期。反过来，WOLF 和 TE 的经营数据都不好，市场预期已经压得极低，但它们占据的却分别是 美国 SiC 制造能力和美国本土太阳能制造能力——也就是说，“学生很差，但学校很好”。这正是第二阶段最容易出现赔率的地方。 两只的验证方式又不同。WOLF 重组后债务期限延长、利息压力下降，节目里讨论其手上约 $1.3B cash，但 non-GAAP gross margin 仍为负，因此交易的不是盈利，而是 只要亏损开始收窄，市场就会迅速重估存活概率和资产价值。TE 则更直接交易政策：多晶硅最低进口价和关税已经落地，FSLR 先涨，而 TE 仍处低位；但真正利润兑现主要在 2027，短期最大变量是融资和摊薄。换句话说：WOLF 赌经营从极差变成没那么差，TE 赌政策从纸面走向订单和融资可持续。 8. 如果 NVIDIA 真在减少 rack 里的 memory，为什么我们不只把它理解成存储利空，反而开始看 ALAB、SIVE、AXTI？ 因为系统性能不会凭空消失。假设 rack 内 memory content 下降，但 GPU compute 继续提高，那么为了维持 utilization 和吞吐，数据必须更频繁、更高速地在 chip-to-chip、rack-to-rack、scale-up / scale-out 之间移动。于是同一条消息可以同时是 memory content 的压力和connectivity content 的增量。这就是现在看 ALAB 的核心交易逻辑：不是泛泛赌 AI，而是赌数据中心 architecture 改变后，PCIe/CXL/SerDes/retimer 的价值量提高。节目也把 ALAB 定位为这条逻辑里基本面更直接、但估值更贵的一只。 SIVE / AXTI 则是更高 Beta 的下一层。它们更依赖 LITE、COHR 等光通信 major 的订单和财报去确认整个 optical tape 还在扩张，所以打法不是左侧去预测 CPO/NPO 谁最终胜出，而是 先看 major 有没有继续 beat，再用 junior 放大板块情绪。这也是本期最核心的方法之一：LITE/COHR 如果继续验证需求，SIVE/AXTI 才有理由继续持有；如果 major 财报开始降温，junior 应该比 major 更快撤。 9. 想炒宇树，为什么不直接买最纯的机器人 SPAC，反而去看做汽车芯片的 INDI？ 因为“最纯”不等于“最好交易”。CCXI 这类 SPAC 从 $10 起步，涨到 $16 实际已经提前交易了 约 60% 的机器人预期，而且 de-SPAC 前后的筹码、增发和价格行为都比较难控制。INDI 的结构反而更舒服：它不是靠机器人故事活着，原本就有汽车 ADAS / sensing 收入，而 Unitree / Agibot 的 design-in 是额外送给它的人形机器人期权。节目里给出的 Q2 数据是 收入 +24%、亏损继续收窄，同时约 33% 流通盘做空，因此同时具备基本面改善和 squeeze potential。 这只票真正需要验证的是 design-in → order，不是“和宇树有关系”这句话。当前 Unitree / Agibot 并没有公开明确采购金额，所以机器人部分仍然只是 option；真正提供底的是汽车业务和亏损曲线。如果后面量产时间表、订单金额出来，同时 operating loss 继续收窄，那么市场才有理由把机器人 optionality 加进估值；反过来，如果现金消耗继续、design-in 长期没有收入，33% short interest 就不是燃料，而是在提醒你 bear case 可能确实有东西。 10. AI 医药最缺的不是模型，而是第一支真正成功的药——ABCL 会不会成为这个“破零”的案例？ AI 医药过去最大的问题是：每家公司都能讲“AI 可以找分子、提高研发效率”，但资本市场一直缺一个 AI-driven discovery → 临床数据很好 → 真正形成药物价值的胜利样本。因此 8–9 月这条赛道重新值得看，不只是因为 OpenAI / Anthropic 都在强化科学应用叙事，更因为市场需要一个实证案例把“AI for science”从故事升级成资产。TEM、TWST 更偏数据和已有商业化，SDGR 交易 agentic drug discovery 的新产品，而 ABCL 的特殊性在于它突然拿出了临床数据。 所以 ABCL 的正确交易方式恰恰不是数据出来之前埋伏，而是 让价格先替你验证 narrative。节目当天 ABCL 因数据约上涨 36%；如果大涨后回撤有限、成交量继续保持，说明市场开始把它从普通 platform biotech 改价成“可能拥有成功自研资产的 AI drug company”。这时候再研究它有没有资格成为 sector leader，比事前猜 clinical outcome 更符合当前打法。真正的失效点也很清楚：后续数据无法复制，或者市场只把这次上涨理解成单一药物事件，而没有给 discovery platform 第二层估值。 11. Cloudflare 已经很贵、DDOG 又出现增长疑问，为什么软件里反而去看 FSLY、BAND、SMWB 这些小票？ 因为我们交易的不是“谁是最好的 SaaS 公司”，而是 major 已经证明赛道、junior 还没完全跟上。FSLY 最简单：Cloudflare 财报强、agent 带来的 internet traffic 明显增长，说明 CDN / edge demand 没问题；但 NET 已经非常贵，于是 FSLY 成为便宜的板块 Beta，而且自己的最近财报也不差。它最适合的不是长期 compounder，而是反复做 20–30% 的波段——major 提供方向，junior 提供弹性。 BAND 和 SMWB 则各有自己的数据验证点。BAND 是 voice API 的 junior，逻辑是 AI interaction 越来越从文字转向语音，同时它估值仍低、上面有 Twilio 做 major；SMWB 更特别，它一年 ARR 约 $300M，而节目讨论时市值只有约 $700M，同时越来越多大模型公司需要购买 web traffic / competitive-intelligence data。再加上同行被 Adobe 以明显更高估值收购，SMWB 具备现成的估值锚。这里真正要做的是：只在 major / industry data 继续验证时持有，不因为“AI data 很重要”就把 junior 变成长线信仰。 12. BTC 没新故事、Clarity Act 还推迟了，为什么这时候反而开始看 CRCL 和白银？ 因为有时候最重要的数据不是“出了什么利好”，而是 利空出来以后价格还跌不下去。节目观察到 BTC 在政策延期、特朗普相关链上卖出等消息之后，仍然没有有效跌破约 $60K，并长期徘徊在长期持有者成本区域附近；这意味着市场可能已经把相当一部分坏消息消化掉了。与此同时，NFP 让 9 月加息概率从此前高位降到约 45%，宏观交易开始从“还要不要 hike”转向“为什么还要 hike”。如果这个 regime shift 继续，BTC 就同时得到 流动性改善 + Clarity Act 后续监管进展两层催化。 CRCL 是这个逻辑的高 Beta equity expression：不需要 Clarity Act 明天通过，只要 BTC 止跌、稳定币监管方向继续往合法化推进，情绪就可能从“政策延期”重新交易“合规入口价值”。白银则是更纯的宏观赔率：如果黄金在 easing trade 里只有 5–10% 空间，银和银矿因为高 Beta + 工业属性，节目给出的目标弹性是 20–30%。所以这两类资产表面上完全不同，实际交易的是同一个东西：加息尾部风险下降后，市场愿意重新给 liquidity-sensitive assets 更高的价格。 👋 加入社区： 请关注 www.x.com/memely 获取最新消息 官网及 feed 订阅：https://wkap.ai/ ⚖️ 免责声明： 【免责声明】本播客及所有相关内容仅为信息分享和教育目的，不构成任何形式的投资建议或财务意见。市场有风险，投资需谨慎。在做出任何投资决策前，请务必进行独立研究并咨询专业顾问。

一、核心内容摘要 本期围绕两条主线展开：一是 WuKong AP 从“投资研究打卡工具”进一步转向 投资 Agent 的训练、比赛与评价系统；二是复盘 7 月 AI 硬件暴跌，判断这更像由拥挤仓位、Momentum Factor、韩国杠杆盘和大型基金强平共同造成的去杠杆，而不是 AI capex 与硬件需求已经系统性崩塌。 交易执行上，本期不再笼统地喊“抄底”，而是强调：当前抄底本质是波段，不是买入后无限期持有。优先寻找近期财报与指引仍强、公司逻辑未被证伪，却因板块抛售跌出空间的标的；市场快速给出 20%—30% 时可以兑现，在杠杆和筹码风险没有完全出清前，宁可踏空，也暂时不把反弹自动理解为 V 型反转。 二、WuKong AP 最近在做什么？ WuKong AP 正从最初的 Keep / Strava 式投资打卡产品，转向一个 KOL Agent 模拟与投资竞赛平台。我们计划先抓取 X 上 30—100 位投资 KOL 的历史发言，由 Agent 将每条观点转化成股票仓位、合成 ETF 或宏观交易，再用收益、胜率、回撤、持有期和相对指数表现，对其内容质量进行统一量化。 这意味着，KOL 不再只是“发了一个看多观点”，而是持续参加一场 24 小时运行的比赛。平台可以回答：谁真正跑赢了标普或纳指？谁的研究质量高但仓位管理差？谁只是叙事传播力强，却没有结果？未来真人还可以认领自己的模拟账户，WuKong AP 自己训练的 Agent 也会进入同一个赛场。 产品思路经历了三次演化： * Keep / Strava：用时间戳与 ledger 解决可信度，让“我早就说过”变成可核验记录。 * Hyrox：用 WoW、30/30、50/90 等标准化格式解决可比性。 * Real Steel：让 Agent 上场比赛，人类负责训练、调教和决策，解决人工打卡反人性、缺少观赏性的问题。 底层理念是：一个真正能管理资金的 Agent，不能因为接入了模型就天然拥有赚钱能力；它必须先接受训练、比赛、排名和长期验证。**就像学习语言需要 total immersion，投资 Agent 也需要沉浸在价格、新闻、情绪和顶级投资者的思考环境中，逐步学习“市场的语言”。 短期目标是建立可验证的 KOL 排名和高质量研究源，帮助用户找到真正值得跟踪的投资者；中期是形成 Agent 竞赛、账号认领、标准化 ledger 与 InfoFi 数据生态；长期则是建立一个 投资 Agent 的训练场、考试场与选拔系统。 WuKong AP 希望成为一家 agent-native 的研究实验室，而不是把互联网时代的内容平台、打卡、增长黑客重新包装一遍。真正需要先证明的，不是流量和变现，而是：能否把投资观点转化为可测试的仓位表达，并通过持续反馈训练出比原始 KOL、甚至比我们自己更优秀的 Agent。 三、核心问题摘要 1、宏观上，7 月的 AI 硬件下跌是周期结束，还是一次去杠杆？ 本期倾向于后者。7 月市场开始集中质疑 AI 万亿美元 capex 如何回收：Meta 出租算力、开源模型以更少硬件实现接近闭源模型的效果，以及 OpenAI、Anthropic 增速放缓，都让市场重新审视云厂的投入回报。但随后七巨头财报仍然证明，云收入、AI 部署和融资能力没有突然断裂，因此短期内更像筹码与仓位问题，而不是产业基本面已经坍塌。 真正导致抄底时点不够精准的，是 Momentum Factor、CTA、美国基金仓位和韩国散户杠杆。韩国投资者在下跌后继续使用杠杆抄底，使表面清算不断被新杠杆补回。美股可以在风险尚未完全消失前反弹，但要形成扎实的普涨式 V 型反转，仍需看到杠杆继续下降、旧动量龙头重新取得相对强势。 2、近期 AI 赛道有哪些值得关注的重点事件？ 第一条主线是 capex 回收路径被重新审查。市场不再笼统奖励所有投入 AI 的公司，而是区分谁已经把 capex 转化成云收入、客户部署和现金流；这也是微软、云厂相对占优，而单纯增加支出却缺少收入挂钩的公司受到质疑的原因。 第二条主线是 开源模型、国产算力和推理成本下降。它一方面压低 token 价格和应用层价值捕获，另一方面也可能通过 Jevons 效应扩大推理总需求。第三条主线是 CPO、光互联与芯片测试：市场正在从“GPU 数量”转向关注主机间连接、InP、激光器、先进封装和高功率芯片可靠性测试。AI 硬件并未失去增长，只是在不同瓶颈之间重新分配价值。 3、Situational Awareness 为什么会崩？为什么其 portfolio 值得关注？美国基金正在发生什么变化？ Situational Awareness 崩溃的关键不是 AI thesis 突然失效，而是高杠杆、极度集中和流动性错配。基金名义规模约 450 亿美元、杠杆接近 4 倍，gross exposure 可能超过千亿美元；当AI基础设施股票回撤 25%—30%，基金净资产被迅速侵蚀，prime brokers随即触发 margin call。公开股票无法直接在市场一次性卖出，只能通过机构竞价折价转给 Citadel，而 Anthropic 等私募持仓又难以及时变现。 其 portfolio 仍值得关注，因为它是一张高 conviction 的 AI 基础设施地图，强制平仓也可能制造基本面之外的价格错位。更重要的是，这次事件揭示了美国基金行业的变化：高杠杆、单主题和跟风复制AI赢家的基金正在被迫降仓，而 Citadel、Millennium、Jane Street 等大型平台越来越像“影子银行”，负责承接困境资产并提供市场流动性。资本未必正在离开 AI，而是在从脆弱的杠杆账户转移到资产负债表更强的机构。 4、Chris Camillo、Kevin Xu 和 Leopold 分别代表什么 edge？ Chris Camillo 代表 Social Arbitrage。他的 edge 来自现实世界与社交媒体：消费者行为、文化趋势和产品热度已经发生变化，但分析师模型尚未及时反映。他寻找的是“社会事实先变化、财报后确认”的注意力差，并通过集中仓位和期权放大收益。风险是社会信号可能只是短期噪声，而且期权会放大路径波动。 本期讨论的 Kevin Xu 更接近 Sir Jack 式集中波段交易者。他的核心方法是小账户、单一股票、主要使用正股，在一个催化剂兑现后快速切换下一只；他曾用约 3.5 万美元做到千万美元级别，之后把大部分财富转入指数，只用小账户重新挑战。他的 edge 不是复杂估值，而是叙事、价格位置、催化剂和极高专注度。相比 Camillo，他的工具更简单、对普通账户更接近，但极端集中仍然不可轻易复制。 Leopold Aschenbrenner 代表宏大世界观与杠杆表达。他从 AGI、算力集群和国家竞争的终局出发，再集中买入 AI 基础设施。三者的差异是：Camillo 在赌社会变化，Kevin 在赌下一轮注意力和短期重定价，Leopold 在赌世界将快速按宏大推演展开。前两者即使亏损仍能继续交易，Leopold 的杠杆则把长期判断变成了必须短期兑现的交易。 5、30/30 和 50/90 到底解决什么问题？ 50/90 是从约 90—100 只股票池中，筛选未来 90 天可能上涨 50%的标的；30/30 则更适合当前高波动环境，寻找未来30天可能反弹30%的票。它们解决的不是“什么公司最优秀”，而是把研究转成明确的时间窗口、赔率和执行标准。 30/30 的理想标的是：近期财报最好 double beat，下一季指引没有恶化，股价却因板块和筹码抛售跌出空间。长期看好的 NOK、QCOM 不一定进入当前名单，因为它们缺乏近期催化剂；反过来，一只公司即使很优质，没有30天内的边际买家，也不应硬塞进交易仓。 6、为什么 AEHR 是当前最值得反复交易的标的之一？ AEHR 的差异性在于晶圆级与封装级 burn-in。AI处理器、硅光和高功率芯片越来越昂贵，厂商更需要在进入先进封装之前筛掉早期失效器件。节目把它视为公开市场中少数能直接表达“大功率整片晶圆可靠性测试”的公司，并且其订单与 FY27 指引已经显示业务可能从 SiC 周期，转向 AI、硅光和高功率计算多条增长曲线。 商业模式也不只是一次卖设备：客户部署 FOX 或 Sonoma 后，新芯片和扩产通常需要新的 WaferPak、BIM、socket 与服务，形成 installed-base 收入。节目中特别关注它同时出现在 SemiAnalysis 的存储与光电 ETF 中，说明它横跨 HBM、AI处理器和光子芯片测试。但它仍不是固定订阅或绝对垄断，下一步必须看 backlog 能否转成收入。 7、AXTI 的核心预期差是什么？ AXTI 位于激光器最上游，提供 InP 衬底。它不需要准确押注 LITE、COHR、SIVE 谁最终获得更多 CW laser 份额：只要高速光互联和外部激光需求增长，几家下游厂商都需要合格的 InP substrate。 近期财报、毛利率改善和 Lumentum 预付款，提高了 InP 短缺的证据强度。风险则是市场已提前支付多轮扩产预期，同时还要面对良率、客户认证、出口许可和客户自建产能。节目把 AXTI 与 AEHR 都视为资金敏感、适合反复波段的高 beta 小票，但前提是熟悉其价格习性，不能把高波动误认为低风险。 8、INTC 与 MRVL，谁更符合当前的 30/30？ 节目认为 INTC 的短期事件密度略优于 MRVL。INTC 的预期差来自 Foundry 改善、美国政府战略支持、潜在外部客户，以及 Google 下一代 ASIC 可能采用 EMIB-T 封装的产业想象；同时它也是量化 Momentum 交易中的大票，一旦因子反转，弹性可能比传统大盘股更强。 MRVL 的长期 custom ASIC 和光互联逻辑没有变化，但上一轮上涨受 NVIDIA 与管理层互动等事件推动，这类催化难以重复，近期又缺少财报和新订单验证。因此 MRVL 可以继续研究，但当前不如 INTC 具备清晰的 Trigger Gate。两者也都不具备 AEHR、AXTI 那种20%左右反复波动的交易特征。 9、CPO 是否真的延期？LAZR 与 SIVE 应该怎么看？ 节目认为需要拆分时间线：switch-side、scale-out CPO 已经出现早期生产与合作伙伴交付，削弱了“整个 CPO 产业推迟到2028年以后”的极端叙事；但更复杂的机架级部署、维护、良率，以及 GPU 附近的 scale-up optical I/O 仍可能更晚。 SemiAnalysis 发布质疑 CPO 时间线的文章后不久，又与 Tema 推出 LAZR ETF，说明它真正看空的更可能是短期估值和部署速度，而不是长期光互联。LAZR 可以作为产业地图，覆盖 LITE、AXTI、Aixtron、TSEM、AEHR等环节；SIVE 则是高功率激光器的小市值高弹性期权，但在具名量产订单和收入兑现之前，仍主要是纯度与超跌交易。 10、PENG 为什么既有长期逻辑，又让人对短期交易犹豫？ PENG 不是存储制造商，而是通过 SMART Modular 和系统业务，将 DRAM、NAND、CXL内存与AI基础设施整合成可部署产品。随着模型、KV cache 和多机共享内存增加，独立内存层与CXL服务器可能成为新的基础设施需求。 问题是存储价格快速上涨时，PENG 的采购成本也同步上升，名义收入增长不一定转化为同比例毛利。换言之，它与存储制造商不是完全同向：正常价格环境下，公司自己的设计、认证、集成和服务价值反而更容易体现；当前超级周期则可能让收入很好看、毛利率却承压，因此它在30/30名单中的确定性低于AEHR和AXTI。 11、ISRG 为什么是好公司，却未必是当下的好股票？ ISRG 具有典型的“设备＋耗材＋服务”复利模式：医院购买 da Vinci 设备后，每次手术都会继续产生耗材与服务收入，医生培训和临床生态又形成高切换成本。从长期商业质量看，它与节目偏爱的 installed-base 公司非常一致。 但短期问题是真实存在的：美国医疗报销趋紧、医院控制成本、部分手术量增长放缓，使市场担心长期增长中枢下降。它不是纯粹因为市场情绪被错杀，而是需要 procedure growth 重新加速或指引上修才能证明路径恢复。因此，ISRG 更适合长期观察仓，而非当前30天内必须兑现的交易仓。 12、MXL 财报不差，为什么节目仍不愿把它作为优先标的？ MXL 的问题不是财报差，而是财报前已经上涨太多。Seeking Alpha 等平台把它纳入热门推荐后，Momentum 与注意力迅速集中，股价短期上涨数倍；财报虽然继续证明光互联业务不错，却没有再超越已经极高的买方预期，因此出现 sell the news。 这也说明30/30不能只看财报数字，还要看价格确认。节目更偏好“财报好、指引好、财报后价格也证明市场认可”的票；如果财报不错却大跌，至少说明当前估值、仓位或隐含预期仍有问题。在没有重新建立价格支撑前，MXL 的交易难度高于AEHR、AXTI等已经形成熟悉波动区间的标的。 👋 加入社区： 请关注 www.x.com/memely 获取最新消息 Feed 网站：https://wkap.ai/ ⚖️ 免责声明： 【免责声明】本播客及所有相关内容仅为信息分享和教育目的，不构成任何形式的投资建议或财务意见。市场有风险，投资需谨慎。在做出任何投资决策前，请务必进行独立研究并咨询专业顾问。

一、核心内容摘要 本期从“AI为什么更像电力革命，而不是互联网革命”出发：互联网降低的是信息搜索和分发成本，AI改变的是知识工作如何被完成。当前模型、Token和算力已经快速扩张，但企业大多仍把AI接入旧岗位和旧流程，尚未完成数据、权限、工作流与组织结构的重构。因此，AI下一阶段的关键不是单纯继续押模型和芯片，而是谁能率先成为AI时代的通用电气或福特，把智能真正转化为人均产出、收入和现金流。 投资策略上，本期借鉴Chris Camillo的Social Arbitrage，把WuKong AP过去的Attention Trade进一步收敛为WKAP 50/90：从具备现实稀缺性、产业地位和社交传播基础的标的池中，寻找因价格深度回撤、信息增量、财报催化和注意力回流，在未来90天内具备约50%潜在空间的交易机会。现阶段更偏向测试、封装、存储、光互连、特殊晶圆厂和电力服务等难以被新玩家快速复制的AI硬件环节。 二、WuKong AP：最近在做什么？ WuKong AP正在从单纯的播客、文章或Newsletter，转向一套AI原生的公开投资研究系统。 目前的产品结构可以概括为：Podcast + Agent-readable Feed + Daily Workout / WoW + Investor Log。 Podcast负责讲清产业框架、策略变化与重点标的；Feed 把每日新增信息、证据、催化剂和风险沉淀为 Agent 可读取的结构化研究对象；Daily Workout / WoW 用于持续选股、观察价格、执行和复盘；Investor Log 则长期记录当时看到了什么、为什么认为重要、选择了什么价格与时间窗口，以及结果如何。 其核心理念是把投资研究从单纯“发表观点”升级为人和Agent共同参与、可追踪、可验证、可复盘的Proof of Work：AI负责财报拆解、信息压缩和数据比较，人负责判断KOL影响力、注意力生命周期、价格敏感度，以及一条信息何时会真正进入市场定价。 当前整套产品正在围绕 WKAP 50/90 进一步收敛，即从具有稀缺产业位置、真实基本面和注意力基础的标的池中，筛选未来90天内具备约 50% 潜在空间的机会；50/90 不是收益承诺，而是统一研究资源、买入目的、催化窗口和退出纪律的过滤器，最终目标是让研究直接服务于交易动作，让用户也能参与训练、独立执行与复盘，并把长期积累的 Workout 和 Investor Log 转化为可被 Agent 读取和验证的个人投资能力档案。 三、核心问题摘要 1. 本周宏观环境是否已经开始主导 AI 交易？ 7月13日，韩国KOSPI大跌并再次触发熔断，SK海力士因本土机构下调二季度预期单日跌幅超过15%，美股盘前存储和半导体同步承压；与此同时，美伊冲突再度升温，布伦特原油回到约79美元。流动性短期有所改善：财政部一般账户下降、银行准备金回升，但逆回购缓冲已接近耗尽，股票融资杠杆仍然偏高，因此市场更容易发生快速去杠杆。 未来一至两周需要关注CPI、PPI、油价和霍尔木兹海峡实际通航，以及银行、ASML和台积电财报。宏观目前仍是风险约束，而非主导主线；只有能源短缺、通胀重新失控或信用数据明显恶化，才可能压过AI自身的订单与盈利逻辑。节目因此不主张长期持有原油等待二元事件，而更倾向在冲击中寻找被过度抛售的AI硬件。 2. 为什么 AI 更像电力革命，而不是互联网革命？ 互联网是一场信息与连接革命，主要降低搜索、复制和分发成本；AI则是一场智能生产力革命，直接参与代码、分析、研究、判断和执行，更像一种可以按需分配的脑力动力。判断AI进展时，不能只看用户数和Token量，更要看企业是否重写了生产流程。 电力早期先以电灯进入家庭，但电灯并未立即提升工厂生产率。工厂最初只是用大型电机替换蒸汽机，却继续沿用原有传动轴、机器布局和管理体系；直到分组电机、独立电机和流水线出现，生产率才集中释放。今天的Copilot和Chatbot更像当年的电灯与大型电机：证明技术可用，但距离全面重构生产系统仍有一段路。 3. AI 采纳为什么比模型能力更重要？ “使用AI”只是让员工多一个工具，“采纳AI”则意味着任务、数据、权限和责任都围绕AI重新设计。当前很多企业已经拥有很高的模型使用率，但研发变快后，法务、安全、审批和部署仍然维持旧速度，局部效率只是把瓶颈转移到其他部门。 真正的AI采纳需要把Agent嵌入端到端工作流，让AI读取企业数据、调用工具并执行任务，人类负责授权、监督和异常处理。企业最终会从Tokenmaxxing转向ROI审查：不再只问有多少员工使用AI，而是要求证明AI降低了多少费用、增加了多少收入、缩短了多少交付周期，以及是否真正提高了人均产出。 4. 谁可能成为 AI 时代的通用电气与福特？ Anthropic更接近AI时代的“通用电气”：它是AI原生组织，以研究和模型能力为中心，也有动力先用自身技术改造模型研发、代码、评估和企业服务。如果它能证明AI公司自身可以凭借Agent快速迭代和规模化，就能为其他企业提供组织模板。 “福特”则更可能来自已经存在的大企业。福特不是电力公司，而是把电力转化为流水线和大众汽车的组织创新者。今天需要寻找的，是能够把成熟业务、数据和客户基础与AI结合，并证明收入增长逐渐摆脱员工数量增长的公司。节目主要讨论了Meta和Amazon，同时也保留微软、Google等其他候选者。 5. Amazon 与 Meta 成为 AI 组织重构赢家，需要验证什么？ Amazon的优势是AI敞口最完整：AWS承接训练、推理和企业Agent，自研芯片降低成本，广告和推荐提高变现效率，物流与机器人则把AI带入物理世界。它需要验证的是，巨额资本开支能否持续转化为AWS增长、Anthropic生态价值、物流费用改善和广告效率提升，而不是只增加折旧和融资负担。 Meta的优势是创始人控制力强，广告、推荐、内容审核和产品开发都有明确改造空间；SemiAnalysis对其新模型的积极评价也推动了市场重估。但仍需验证两点：模型能力是否能在真实开发者和用户场景中复现，而非只体现在Benchmark；资本开支能否带来广告转化、产品增长、人均收入和自由现金流改善。Amazon的逻辑更像“所有模型都要经过的平台”，Meta则更像“用AI彻底改造自身的成熟企业”。 6. Chris Camillo 的 Social Arbitrage 策略是什么？ Camillo不主要依靠华尔街财务模型，而是观察消费者行为、Google Trends、TikTok、Reddit、工程师论坛和门店销售，寻找“现实已经发生变化、市场尚未理解”的信息差。他交易的是信息扩散过程：先发现异常，确认它会影响上市公司收入，再等待华尔街和更多投资者逐渐定价。 他最难复制的地方并不是找到信息，而是对增量信息和注意力变化的敏感度，以及在市场尚未认同时重仓甚至使用杠杆期权的能力。WKAP借鉴其“基本面之上的注意力套利”，但不照搬极端仓位，而是通过标的池、价格纪律、催化剂和公开复盘，把Social Arbitrage变成更可持续的系统。 7. SemiAnalysis 推出 DISK 与 LAZR，对 50/90 策略有什么意义？ DISK不是普通内存ETF，它通过提高SanDisk、Kioxia和SK海力士的权重，表达NAND、企业级SSD和长期数据存储可能成为下一阶段AI瓶颈的判断；Micron在组合中的排名反而较低。LAZR也不只是光模块ETF，而是覆盖衬底、外延、设备、激光器、晶圆代工、光模块和光纤网络，表达光连接不断向计算层靠近的完整供应链逻辑。 对WKAP而言，这两只ETF最重要的意义是提供了一个由SemiAnalysis研究框架筛选出的公开候选池。两只ETF合计覆盖约数十家存储和光子公司，其中包括不少小中盘标的。策略不是无差别买ETF成分，而是让Agent持续跟踪这些公司的价格、财报、订单和注意力，在深度回调中寻找50/90击球区。 8. AEHR 为什么成为本期最重要的具体标的之一？ Aehr最特别的地方，是同时出现在DISK和LAZR两只ETF中：在节目采用的数据中，DISK权重约2.84%，LAZR约3.66%。这意味着它既被纳入存储测试逻辑，也被纳入光子和化合物半导体测试逻辑。对于一家市值相对有限的测试设备公司，这种双重验证具有较强的注意力意义。 50/90逻辑并不是认定Aehr没有风险，而是认为测试是多条AI硬件产业链都无法绕开的环节，同时公司具有财报催化和较高价格弹性。执行上更强调等待深度回调和事件窗口，并在盘前因新闻快速上涨时及时兑现，而不是把短周期交易自动升级为长期持仓。 9. AMKR 为什么是先进封装中的 50/90 候选？ Amkor是节目中先进封装方向的重要候选，核心逻辑是AI芯片、存储和光子系统都需要更复杂的封装与测试，而美国本土半导体制造扩张也需要配套的外包封测能力。Amkor在亚利桑那州的布局与台积电美国扩产存在较强产业联系，因此不仅是传统OSAT周期股，也包含美国半导体本土化的增量。 交易上关注的不是“先进封装长期重要”这一共识，而是股价已经明显回撤、估值相对可控，并且未来财报和美国项目进展可以提供验证。它比完全依赖远期技术落地的小票更容易建立90天催化窗口，但仍需跟踪资本开支、产能爬坡和客户集中度。 10. 为什么 Kioxia 可能比传统Micron交易更有预期差？ DISK前几大持仓明显偏向SanDisk、Kioxia和SK海力士，反映其看重的不是单纯HBM，而是NAND、企业级SSD和Agent长期上下文存储。随着模型和Agent产生更多数据，全部信息不可能长期停留在昂贵的HBM与DRAM中，NAND和SSD会承担更多缓存、数据湖和长期存储需求。 Kioxia的额外催化是NAND业务纯度较高、日股杠杆结构相对韩股温和，以及节目中讨论的潜在美股上市预期。这个思路与此前SK海力士交易相似：上市入口和投资者覆盖扩张本身可能形成注意力重估。不过，Kioxia已经经历较大涨幅，后续仍需要价格回调、NAND定价和上市进展共同确认。 11. WLDN 为什么代表AI电力链中不同于发电设备的机会？ WLDN对应的不是发电机或电池本身，而是美国电网规划、许可、并网、能效和公用事业咨询服务。数据中心需要更多电力，不只是购买设备，还要完成选址、负荷评估、政府申报、电网规划和接入审批；这些步骤具有地方监管和项目经验壁垒，不能由模型或硬件供应商直接替代。 节目的交易逻辑是，公司基本面相较年初改善，但股价持续回撤，注意力也低于光通信和存储。如果后续财报继续改善，临近业绩时可能形成“基本面未恶化、价格从高点明显下跌、催化剂重新接近”的50/90结构。风险在于它仍偏服务型业务，增长和利润弹性不一定像纯硬件公司一样高。 12. 为什么 Wolfspeed 这类“问题公司”仍能进入候选池？ 50/90并不要求企业财务完美，而要求其拥有未来一两年内难以复制的产业位置。节目将Wolfspeed作为例子：公司可能面临重组、诉讼、资本结构和经营问题，但其美国本土SiC制造资产与工艺能力具有稀缺性，新竞争者无法在数月内建出同等产能。 这类标的不适合作为“闭眼长期持有”的价值股，却可能在估值被压至极低、产业地位仍然存在时反复出现Attention Trade。核心是区分公司是否会消失，与股票是否在未来90天拥有反弹空间；同时仓位必须反映其财务和执行风险。类似逻辑也适用于X-FAB、Velo3D等具备现实制造稀缺性的高波动公司。 13. WKAP 50/90 具体是什么意思？什么公司可以进入候选池？ “90”既代表一轮约90天的交易与验证周期，也代表一套持续记录、训练和复盘的计划；“50”是机会过滤器，即在当前价格、信息增量和催化剂条件下，标的是否有机会获得约50%的阶段性空间。对于大型公司，可适当采用30/90，但必须明确时间、空间和交易目的，避免只说“长期看好”。 进入候选池通常需要四个条件：第一，在未来一两年内具有难以被新玩家复制的产业位置；第二，价格已经显著回撤，为上行空间提供基础；第三，有财报、订单、上市、产品或政策等可观察催化；第四，在X和特定KOL圈层中拥有一定传播基础，注意力退潮后仍可能重新回流。执行上更倾向等待“鱼身”——第一轮主升浪结束、注意力下降后，在基本面未破坏的深度回调中重新寻找机会；池子足够大，就不需要追逐任何一只没有到达理想价格的股票。 👋 加入社区： 请关注 www.x.com/memely 获取最新消息 官网/Feed 订阅：https://wkap.ai/ ⚖️ 免责声明： 【免责声明】本播客及所有相关内容仅为信息分享和教育目的，不构成任何形式的投资建议或财务意见。市场有风险，投资需谨慎。在做出任何投资决策前，请务必进行独立研究并咨询专业顾问。

一、核心内容摘要 本期核心不是“AI 主线结束”，而是 AI 交易从“稀缺性定价”进入“ROI 定价”：过去两年模型、算力、HBM、工程人才都稀缺，所以整条 AI 链都能涨；现在 Token 降价、Meta 出租算力、Anthropic 自研芯片、Palantir/Karp 质疑无效 Token，说明市场开始重新问：谁真的创造价值，谁只是吃到了上一轮稀缺性溢价。 本期判断是：下半年四大风险正在变成 2.5 个风险。Token 价格战仍是完整风险；NVIDIA rack-scale 路线延迟和硬件执行仍是完整风险；记忆体/半导体拥挤交易反杀降成 0.5 个风险；宏观 Fed、油价、就业风险暂时降级为观察项。结论不是无脑看空 AI，而是从“买 AI beta”转向“买降价后更强、延迟后受益、客户不想买 Token 后还能卖结果的公司”。 二、WuKong AP WuKong AP 目前在做一套 AI-native 的投资研究产品线： * 第一层是官网 feed / radar，大家可以每天让自己的 agent 读取我们整理的市场信号、主题线索和标的观察； * 第二层是 WoW，Worth Watching Workout，用来记录每天“读了什么、关注什么、agent 给了什么建议、自己如何判断”； * 第三层是 skill / ledger，让进阶用户把自己的研究过程自动沉淀到公开、可追溯、可回测的记录系统里。 我们的理念不是把 Web2 内容社区搬到 AI 时代，而是做一个“人 + agent 共同参与”的投资研究 proof-of-work 系统。未来跟随一个 KOL，不应该只看他在 X 上说了什么，更应该看他的 ledger：他每天真实读了什么、注意力在哪里、agent 如何辅助决策、判断最终是否能被市场价格验证。这个 ledger 对人直接读可能没那么有趣，但对 agent 很有价值，因为机器可以长期追踪行为、过程和质量。 互动方式也很简单：官网是 https://wkap.ai/ ，大家可以直接让自己的 agent 每天读取 feed / radar；如果想参与 WoW，可以把每天的研究记录、关注清单或 agent 总结，直接发邮件到 [email protected]。我们也会持续 build in public，把产品进展、使用方式和新的玩法在分享会和社群里同步出来，欢迎大家一起测试、反馈、共建。 三、核心问题摘要 1. 本周市场到底是深回调，还是高位轮动？ 本周更像高位轮动，而不是系统性深回调。指数层面没有明显破坏，标普和纳指仍在高位，但 AI 硬件、光电、记忆体、小盘半导体波动明显放大；资金并没有离开风险资产，而是从最拥挤的 AI 硬件链，轮动到软件、医疗、金融、工业和部分防守方向。债市方面，10 年期美债在 4.46%–4.49%附近，2 年期约 4.1%，黄金和白银仍有韧性，油价在 70 美元附近震荡。 宏观暂时不是主矛盾。就业数据转弱降低了市场对 7 月加息的预期，季度末再平衡压力也基本接近尾声。当前判断是：宏观风险从主风险降级为观察项，市场接下来更看 AI 产业逻辑、半导体能否止跌、NVIDIA 是否回应路线图延迟，以及二季度财报前 hyperscaler 是否维持 AI capex。 2. Token 价格战是 AI 的坏消息，还是机会？ Token 降价不是 AI 需求消失，而是 AI 定价权从模型商手里，逐步转移到客户、应用、数据主权和工程交付手里。过去企业愿意为“最强模型”付高价，现在开始更精细地组合模型：高难度任务用贵模型，高频低价值任务用开源模型、本地模型、缓存和路由来降成本。 风险在于，单纯靠卖高价 Token、卖闭源 API 的公司，毛利和估值都会承压。机会在于，Token 越便宜，agent、客服、代码、投研、医疗、法务等高调用量场景越容易进入生产；同时也利好能帮企业做权限、审计、数据治理、模型调度和 ROI 管理的软件公司。 3. Meta 出租 AI 算力、Anthropic 自研芯片，会不会改变 AI capex 叙事？ Meta 计划做 AI 云或出租部分算力，市场第一反应是：如果连 Meta 都有多余算力，那 AI 算力是不是不再稀缺？这个新闻触发了 neocloud、存储、半导体硬件的回撤，因为它动摇的是“算力永远绝对短缺”的叙事。但这件事不能简单解读为 Meta 算力过剩。更合理的理解是，训练负载本身有峰谷，Meta 可能希望把内部 capex 资产外部商业化。它对应用开发者是利好，对独立 GPU 云和部分高估值 AI 基础设施是压力，对硬件链则意味着市场会更关心每一美元 capex 的利用率和回报。 Anthropic 探索定制芯片，本质是模型公司在降低对单一 GPU 供应商的依赖。OpenAI、Anthropic、xAI、Google、Amazon、Meta 都在不同程度上推进自研芯片、TPU、ASIC 或定制硬件，说明“闭源模型联盟天然依赖 NVIDIA”的格局开始变化。这不是短期替代 NVIDIA，因为软件生态、供应链、封装、良率和开发周期都很难。但长期看，NVIDIA 的独占性会被市场打折。NVIDIA 的应对不是只卖 GPU，而是把自己放进开源模型、推理软件、企业部署和主权 AI stack 的中心。 4. 中国开源模型会不会复制“电动车式降本”？ 播客里用中国电动车类比中国 AI 模型生态：一开始高端产品由美国公司领先，但中国公司通过成本控制、快速迭代、工程效率和开源生态，可能在大量应用层场景中反超。核心不是中国模型一定最强，而是很多企业任务并不需要最强模型，只需要足够好、足够便宜、可本地部署。 这会改变 AI stack。未来不是一个模型吃天下，而是贵模型、便宜模型、开源模型、本地模型混合使用。价值不一定留在模型层，而可能流向本地部署、模型路由、边缘推理、企业软件、私有云、数据治理和硬件效率。 5. PLTR / NVDA 合作真正说明了什么？开源生态里有哪些可交易映射？ Palantir 与 NVIDIA 的主权 AI 合作，核心不是“又一个 AI 合作新闻”，而是企业 AI 从“调用模型”转向“控制模型、数据、权限、流程和审计”的标志。Karp 批评企业花钱买无效 Token，同时把自己的数据、业务流程和行业 know-how 交给潜在竞争者，本质是在把 AI 安全重新定义成 intelligence sovereignty。 这里最值得讨论的是 NVIDIA 的角色变化。过去市场默认 NVIDIA 是闭源模型联盟的核心基础设施供应商，因为 OpenAI、Anthropic、xAI 等都大量依赖 GPU。但当这些模型公司开始自研芯片、寻找 ASIC 和多供应商路线后，NVIDIA 也有动力扶持 open models 和企业私有化部署生态。Nemotron open models、NIM、CUDA、AI Enterprise、TensorRT，再加上 Palantir 这种 control plane，可能让 NVIDIA 从“闭源模型军火商”变成“西方开源 / 主权 AI 生态的基础设施标准制定者”。这还不是确定结论，但已经是一个值得跟踪的趋势。 可交易映射可以分几层：PLTR 是 sovereign AI / enterprise control plane；NTNX 是私有云和混合云部署，和 AMD 合作后成为开源模型企业部署里的潜在黑马；IBM 依靠 Red Hat / hybrid cloud，有机会重新进入企业开源 AI 叙事；AKAM / NET / FSLY 是边缘分发、推理云、安全和开发者生态；QCOM、AMBA 则对应端侧推理和低功耗 physical AI。开源生态的本质不是“模型免费”，而是模型便宜后，企业更需要部署、权限、安全、边缘分发和本地算力。 6. PLTR 的叙事上限在哪里？ PLTR 的叙事上限不只是“国防 AI 软件公司”，而是“企业和政府 AI 的操作系统”。如果企业未来不愿把数据、流程和 alpha 交给闭源模型公司，那么它们需要一个中间层来管理数据 ontology、权限、模型调用、审计、workflow 和业务结果。Palantir 的 Ontology、AIP、Foundry、Apollo，正好对应这个需求。 这也是 PLTR 估值上限很高的原因：如果市场相信它是主权 AI 和企业 AI control plane，估值框架会从 SaaS / defense contractor，迁移到 mission-critical AI operating layer。但风险也在这里：如果前沿模型公司、云厂商或大型软件公司把 deployment layer 吃掉，PLTR 就会被重新看成高端集成商或强服务属性软件公司。换句话说，PLTR 的故事很强，但价格里已经包含很多未来；接下来要验证的不是故事，而是收入规模、客户扩展、AIP 转化率和政府订单兑现。 7. 云平台和边缘基础设施：NTNX、AKAM、NET、FSLY 怎么看？ NTNX 的逻辑是私有云、混合云和企业 AI 部署。AMD 入股并合作之后，它可以被放进“开放 AI 基础设施 + enterprise deployment”的框架里看。如果企业不想全部使用高价闭源 API，又不想把数据放到模型商那里，那么混合云、本地推理、多模型部署和企业 agentic AI platform 就会变得重要。NTNX 的问题是市场还没有完全把它 price in 成开源 AI / 私有化部署票，所以一旦叙事被验证，弹性可能比传统云软件更大。 AKAM、NET、FSLY 是另一层。Cloudflare 更偏 freemium 和开发者生态，免费用户基础极大，适合捕捉中小网站和开发者的 AI 工作负载；Akamai 更偏企业大客户、安全、CDN 和 edge compute，它的角度不是高 beta，而是企业推理、安全和边缘流量的防守型受益者；Fastly 更偏程序员友好和高 beta，弹性更大但稳定性弱。模型越便宜，推理越分散，边缘网络、安全、缓存和推理分发就越重要。 8. QCOM 怎么看：是 AI 低估票，还是手机周期票？ QCOM 的长期逻辑在 edge AI、AI PC、汽车、潜在数据中心芯片，但短期仍被手机周期和 Apple 相关风险压住。Apple / Tata 泄露、苹果自研通信芯片、苹果高端机涨价、存储成本上升，都会让市场重新思考手机链利润率和出货量压力。 所以 QCOM 不是典型 AI 泡沫票，也不是马上能吃到 AI 数据中心收入的票。它的交易逻辑是：如果市场开始相信推理会更多发生在端侧，QCOM 是边缘设备芯片的核心玩家；但在 AI 芯片收入真正体现前，股价可能还会被手机和 Apple 叙事牵制。更适合回调后观察，而不是追 AI 叙事高潮。 9. 特色半导体 / 光电外溢：MX、XFAB、HIMX 怎么看？ MX 是韩国小市值特色半导体反转票，优势是低市值、低估值、有收入支撑，并且处在韩国半导体政策保护的大背景下；问题是竞争对手包括中国厂商，价格压力仍在。它不是 AI 核心票，但在韩国半导体情绪修复、特色芯片周期复苏时，有低预期反转空间。 XFAB 是欧洲特色工艺 foundry，稀缺性在于欧洲 / 德州晶圆厂、汽车工业、电源、SiC / power 和特色制造。它不是最先进逻辑，也不能讲成 NVIDIA 替代核心，但 custom silicon、欧洲半导体自主和特色工艺复苏，对它不是坏事。HIMX 则是显示驱动、车载显示、edge sensing / AI optionality，逻辑不错但持股体验较差，节奏不一定跟主线同步。这一组更适合归入“特色半导体和周期修复”，不要当成纯 AI 主线票。 10. 半导体测试：AEHR、TRT 的逻辑是什么？ 测试链条的核心逻辑是：AI 越复杂，可靠性、burn-in、良率筛选和封装前测试越重要。AEHR 更偏设备和 wafer-level burn-in，历史上与 SiC、高可靠性芯片、先进封装、silicon photonics 等方向相关。它可以挂到 CPO / optical I/O 的上游测试逻辑，但要讲准确：AEHR 不是直接测完整 CPO 系统，而是测 silicon photonics IC、optical I/O 等器件在 wafer level 的可靠性、burn-in 和 stabilization。 TRT 是微盘半导体测试服务 / 设备，弹性更大，但流动性风险也更高。AEHR 和 TRT 更像半导体设备轮动池里的高波动品种，不能只讲“AI 测试 TAM 很大”，必须等订单、客户、backlog 和盈利波动验证。尤其是微盘票，第一风险不是故事，而是成交量、接盘和仓位纪律。 11. Physical AI / 机器人感知与边缘算力：AMBA？ AMBA 是 physical AI 里比较清晰的“眼睛”标的，交易逻辑不是机器人本体，而是低功耗 AI 视觉 SoC 在机器人、无人机、视频监控、自动驾驶和工业 AIoT 里的应用。它的好处是能挂上 physical AI、edge AI、低功耗推理这几条线，且不像纯机器人本体那样直接面临整机交付问题；风险是估值弹起来后，市场会立刻追问机器人和工业 AI 收入什么时候真正从 PPT 变成订单，所以更适合放在 physical AI 轮动池里观察，而不是当作已经验证的主线锚。 12. 高能量密度电池 / 无人机 / 电动航空：AMPX？ AMPX 不是 AI 核心票，而是硬科技高 beta 票，核心叙事在高能量密度电池、无人机、航空、国防和电动航空。它和 AI 的连接比较间接：如果 physical AI、无人机、机器人和国防自动化继续升温，市场会重新寻找“移动设备续航和能量密度瓶颈”的上游标的，AMPX 就有机会被扫进轮动池；但交易上必须注意，它的关键不是 TAM，而是量产良率、客户订单、现金需求和融资节奏。 13. AI 航空 / 自动飞行 / 国防自动化：MRLN？ MRLN 是典型的“AI + aviation + defense + autonomy”小票，弹性来自自动飞行、军方需求和国防自动化叙事。它的问题不是故事不性感，而是验证周期很长：FAA / 军方认证、合同转收入、交付节奏和现金 runway 都会决定股价能不能从概念走向基本面。深回调后不能只问“跌了多少”，而要问认证和订单有没有推进；如果没有验证，它仍然会被当作高风险故事股处理。 14. Space / Defense / Advanced Manufacturing：VELO？ VELO 是金属 3D 打印标的，最容易挂上的叙事是 space、defense、advanced manufacturing 和高端供应链重构。它的优点是主题很多，风险偏好一回升就容易被反复拿出来炒；缺点也很清楚，订单不连续、毛利改善慢、资产负债表压力和客户集中都会限制它的持续性。它更适合作为“制造业 AI / 国防供应链 / SpaceX 生态外溢”的高 beta 观察票，不适合当成纯 AI 票或主仓票。 15. 防守型 AI 基础设施 / 韩国 AI 生态：SKM？ SKM 更偏防守型 AI exposure，而不是高弹性 AI 芯片票。它的逻辑是电信现金流、股息、韩国 AI 数据中心、韩国政策支持，以及 Anthropic / 韩国 AI 生态的 optionality；但它的问题是催化可能慢，股价节奏也不像半导体小票那么直接。适合在市场想要“现金流 + AI exposure + 韩国生态”之间找平衡时讨论，不适合用来追求 AI 硬件链那种爆发弹性。 16. AI 医药 / TechBio：RXRX、SDGR、Insilico / Isomorphic？ AI 医药是 AI 硬件拥挤后的应用层轮动方向，因为它和 GPU、HBM、光模块这些链条不完全同步。RXRX 是高 beta 平台票，核心是数据资产、自动化实验和 AI drug discovery；SDGR 是物理建模 + ML，更偏工具平台，质量更高但弹性可能弱一些；Insilico / Isomorphic 未必都能直接交易，但能作为行业催化。关键不是“AI 已经解决制药”，而是大药厂是否继续愿意为 AI discovery 付预算，以及平台能不能最终转化成临床、监管、支付和商业化结果。 17. 稳定币 / 链上金融基础设施：CRCL？ CRCL 的核心不是 AI，而是稳定币、USDC、RWA rails 和数字资产结算基础设施。它和 AI 的连接在于未来可能的 AI agent payment、链上结算和数字美元 rails，但这个叙事目前偏远，不能作为短期交易主线。短期更重要的是 USDC 流通量、监管框架、利率路径、储备收益、支付网络竞争和交易所合作；如果收入仍然高度依赖利息，估值就会受利率和稳定币竞争影响很大。 18. Prediction Market / Sports Data Oracle：SRAD？ SRAD 是 sports data 和 prediction market oracle 方向的标的，逻辑在于未来预测市场、体育博彩、实时赔率和 AI agent 分析都需要高质量结构化数据。它的公司质地和数据壁垒不错，尤其在体育数据覆盖上具备稀缺性；但短期最大问题是 attention 不够，市场还没有把 prediction market / AI data oracle 这条线充分 price in。它更适合左侧跟踪，不适合期待马上变成主线。 19. 消费 SaaS / 餐厅 POS / 外卖费率替代：TOST？ TOST 不是 AI 硬件票，而是消费 SaaS 和餐厅基础设施票，核心逻辑是餐厅 POS、支付、CRM、订单系统，以及对 DoorDash 等高 take-rate 外卖平台的潜在替代。它的价值在于，如果餐厅希望降低平台费、掌握客户关系和订单数据，TOST 可以从收款机变成餐厅 operating system；但它的问题是美国餐饮消费压力、迁移成本、竞争格局和市场 attention 都需要验证。它属于非 AI 硬件轮动里的左侧现金流故事，不是短线 AI beta。 👋 加入社区： 请关注 www.x.com/memely 获取最新消息 关注网站：https://wkap.ai/ ⚖️ 免责声明： 【免责声明】本播客及所有相关内容仅为信息分享和教育目的，不构成任何形式的投资建议或财务意见。市场有风险，投资需谨慎。在做出任何投资决策前，请务必进行独立研究并咨询专业顾问。