币思达研究院BSTA.AI

一、核心内容摘要 本期分享会的主线不是单纯复盘行情，而是把 WuKong AP 最近的产品方向和未来一段时间的投资叙事放在一起看：一边讨论我们为什么想做“投资界的 CrossFit”，用 AI 帮投资者建立每日输入、思考、辩论和输出的训练系统；另一边讨论当前市场最重要的几条压力线，包括流动性是否还能扛住冲击、Warsh Fed 如何面对美国债务、AI 泡沫会不会被油价和政治刺破，以及 AI capex 是否正在从 data center 继续传导到晶圆厂、材料、存储和特气环节。 投资上，本期把未来一段时间的主线压成三条：长期看 AI mission-critical software，中短期看晶圆厂和材料端重估，短中期用 Hayes 的 AI bubble energy hedge 做风险对冲。市场没有被判断为转熊，但交易模式需要从“追 AI beta”切换到“识别叙事、验证订单、低吸有预期差的 alpha”。 二、WuKong AP 最近在做什么？ WuKong AP 最近在做的，不是一个单纯的 AI 工具，也不是普通财经播客，而是一个面向 AI 时代投资者的训练系统。用 CrossFit 做类比：健身动作本身并不神秘，一个人理论上也可以在家练，但现实中大多数人很难长期坚持系统化训练。所以 CrossFit 的价值不只是动作，而是标准化训练、社群、节奏、反馈和长期习惯。 WuKong AP 想做的，就是“投资界的 CrossFit”：每天提供市场喂料，带领用户和 AI 讨论，再把讨论变成市场日志，最终训练用户形成长期输入、思考、辩论和输出的能力。 产品形态上，当前核心是 Radar Feed、播客和社群。Feed 负责每天筛选高质量信息源和市场叙事，播客负责解释这一周要重点训练什么、为什么这些问题值得研究，社群则服务真正深度使用 feed 的人。未来目标不是把工具卖给所有人，而是先找到 100 个深度用户，让他们每天用 feed 和自己的 AI 讨论市场，并把讨论总结发回来。AI 可以作为 editor，把大家的市场日志提炼成一个“百人版 Radar Feed”。这件事的价值不在于替代人的思考，而在于把人的非共识、判断、问题意识和交易直觉结构化保存下来，再用 AI 聚合、评分、比较和放大。 理念上，WuKong AP 认为 AI 时代最稀缺的不是信息，而是持续思考、持续输出和叙事判断能力。单纯使用 AI 工具很快会被模型厂商自身功能替代，但一个长期训练的投资者社群不会被轻易替代。工具只服务于社群，社群才是产品本身。目标是培养一批有动力、有自律、有输出习惯的 AI-native 投资者，让他们能更快识别市场叙事，用 AI 反复辩论判断，再把观点沉淀成自己的市场日志。 三、核心问题摘要 1、LLM 真正的投资价值，为什么不是“多产出”，而是“大儒辩经”？ 本期最重要的观点是：现在很多深度 AI 用户都在卷产出，写更多代码、生成更多图片、生产更多文本，但产出增加不等于需求增加，很多内容最后只会变成 AI slop。真正有价值的用法，不是让 AI 无限执行，而是让 AI 带着人类历史知识、行业经验和多种思维框架，持续辩证你的想法。 所谓“大儒辩经”，就是你提出一个投资判断、创业方向或者交易设想，让 AI 扮演不同角色：空头、多头、行业专家、宏观策略师、产业分析师，反复找漏洞、拆假设、推演情景。过去一个投资人很难随时找到高手和自己辩论，现在只要会提问，就可以每天让 AI 帮自己做反方推演。这个能力的价值在于，它能帮你决定“不做什么”。而在投资里，不做什么和做什么同样重要。 2、现在市场还抗不抗揍？流动性压力到底在哪里？ 当前市场的综合流动性压力大约在历史 50 分位，属于中性区间，不是系统性崩盘最典型的位置。银行体系水位仍在低压区，久期供给压力不高，油价虽然有反复，但还没有回到前期最紧张的状态；短端和长端利率在 FOMC 后重新上行，但也没有进入失控状态。所以结论是：市场现在还算“抗揍”，不是一扎就破的紧绷气球。 真正要小心的是筹码和边际买盘。AI capex、存储、光模块、半导体、电力、液冷、晶圆厂和材料端已经吸走了大量风险资金，6 月底到 7 月初还叠加季末再平衡，养老金、主权基金、央行等长期资金可能会卖股票、买债券。期权结构上，上方 7500—7700 是阻力区，7600 附近是 Call Wall；下方 7420—7200 是负 Gamma 区，7300 是 Put Wall。市场不是不能涨，但已经不适合无脑追涨，回调反而更像筛选买点的窗口。 3、Warsh 化债的核心是什么？为什么这不是简单的降息问题？ 本期对 Warsh 的讨论核心是：市场不应该只问他加息还是降息，而要问他如何处理美国长期债务问题。美国债务的真正危险不是本金，而是高利率环境下的利息支出。如果利率长期维持在 4%—5%，美国财政会进入债务螺旋：债越多，利息越高；利息越高，赤字越大；赤字越大，又要借更多债。 常规化债只有三条路：紧缩、违约、通胀稀释。紧缩在政治上很难，因为加税和砍福利等于选举自杀；违约不现实，因为美债是全球金融体系核心资产；剩下的就是金融抑制，也就是让利率长期低于通胀，用真实购买力缩水来稀释债务。Warsh 的组合拳是：一边控制流动性、缩表、限制市场无约束扩张；另一边赌 AI 能提高生产率，用增长抵消高债务和缩表压力。简单说，就是“用 AI 增长和金融抑制一起消化债务”。 4、东大卡脖子原材料为什么重要？钨和 WF6 的机会与风险在哪里？ 本期重点讨论了钨和 WF6。钨粉、APT、三氧化钨等中间品可以和氟反应形成 WF6，而 WF6 是 3D NAND、HBM 和先进逻辑 CVD 工艺里的关键材料。尤其是高层 NAND、HBM 和先进制程，对高纯度 WF6 的需求更高。中国掌握全球大部分钨粉供应，如果限制钨粉、APT、三氧化钨等中间品出口，海外厂商即使有技术，也很难低成本、稳定地生产高纯 WF6。 这条线的交易机会可以分三层：第一层是中国高纯 WF6 / 电子特气企业，这是最贴近卡脖子本体的环节；第二层是钨资源、APT、钨粉中间品，包括 A 股钨企业和海外非中国钨资源；第三层是中国 memory 扩产链，因为 CXMT、YMTC 如果有更稳定的国内材料供应，可能在全球 memory 紧缺时获得供应链优势。风险在于，不能简单买所有钨概念或工业气体概念，必须看资源、产能、纯度、客户认证和定价权。 5、Tom Lee 说的下半年四大风险，真正指向什么？ Tom Lee 的判断不是“现在就是顶部”，而是“下半年可能出现像熊市一样的市场状态突变”。他提到的四大风险分别是：第一，Warsh Fed 框架不确定性，市场会反复测试 Kevin Warsh 的通胀框架、沟通方式和政策反应函数；第二，SpaceX 解禁以及 OpenAI、Anthropic 可能 IPO 带来的一级市场抽水，超级 AI 资产可能从风险偏好证明，变成流动性吸水口；第三，霍尔木兹和油价供应链风险，如果油价重新上行，会推高通胀预期并压制 Fed 转鸽空间；第四，投机资金耗尽，一旦场外资金不愿继续接盘，而融资盘和杠杆又处在高位，市场承接会突然变差。 他没有现在喊顶，是因为当前流动性还没有完全恶化，市场情绪也未必已经到极端亢奋。但如果这些变量在 9 月到 10 月附近共振，尤其叠加 FOMC、税期、TGA 补库、SpaceX 解禁和潜在 AI IPO，市场就可能出现一次快速而剧烈的回调。 6、Arthur Hayes 为什么卖 crypto、买能源？他的 AI bubble hedge 逻辑是什么？ Arthur Hayes 的核心逻辑是：当前风险不是 crypto 本身，而是 AI 泡沫和宏观政治正在进入压力测试期。他认为油价是第一块骨牌。伊朗、霍尔木兹和库存回补可能让未来几个月油气价格重新上行，通胀和 affordability 压力会继续压着 Trump。Trump 如果想赢中期选举，又无法快速解决通胀，就可能临时转向反 AI 叙事，比如攻击数据中心、AI 富豪、AI 税和监管。 Hayes 认为，现在 AI 资产买的不是 earnings，而是 AI capex 的加速度。如果 capex 绝对值还在增长，但加速度下降，市场就不愿意继续给 50x、70x、100x 的估值。SpaceX、OpenAI、Anthropic 这类超级 IPO 又会吸走流动性。如果 AI 泡沫被政治、油价和利率刺破，crypto 不会立刻成为避险资产，而是先相关性归一、一起下跌。所以他先卖高 beta crypto，转向 T-bills 和能源股。他不是说 AI 没前途，也不是说 BTC 长期不行，而是认为当前风险收益不适合继续重仓高 beta。 7、晶圆厂为什么会被重估？fab rerate 的底层逻辑是什么？ 晶圆厂重估的底层逻辑是：AI capex 正在从 data center 往上游制造端传导。市场第一阶段买的是 GPU、服务器、电力、液冷和数据中心；第二阶段会继续问：这些 GPU、HBM、NAND、光芯片、功率芯片到底从哪里制造出来？答案就是晶圆厂、材料、设备、良率测试和封装测试。 所以 fab rerate 不是简单说“晶圆厂又要扩产了”，而是 AI 硬件链条正在把估值压力传导到更底层的制造能力：先进逻辑、存储、特色工艺、化合物半导体、测试、特气和关键材料。真正值得重估的不是所有晶圆厂，而是那些能承接 AI 相关需求、产能可以切换、客户认证存在壁垒、同时估值还没有完全反映新需求的环节。 8、这期的三条主叙事分别是什么？它们对应什么时间尺度？ 第一条是 AI mission-critical software，这是长期主线。它关注的是 AI 最终会进入哪些企业关键流程，比如监控、合规、金融、语音网络、开发者工具、工作流系统。它不是普通 AI app，而是企业必须持续付费的管理费用和基础设施费用。 第二条是 fab rerate，这是短期到中期的制造端重估主线。它关注 AI capex 从 data center 往晶圆厂、设备、测试、材料、特气和特色工艺产能传导。第三条是 Hayes AI bubble energy hedge，这是短中期防守叙事，用能源、短债和现金对冲 AI 高 beta 回撤，尤其防油价、Fed、Trump 反 AI 和超级 IPO 吸水。 9、AI mission-critical software 为什么是长期主线？DDOG、BAND、NET、NOW 怎么看？ 本期认为，普通 AI 应用和第三方 agent 可能很快被大模型厂商自己替代，因为 Anthropic、OpenAI 这类公司会把 agent、浏览器、代码、工作记忆和聊天记忆整合成超级入口。小型 AI 工具如果只是做模型上层封装，会越来越难。真正更有确定性的，是复制成本高、网络效应强、带合规/基础设施属性、企业离不开的软件。 DDOG 被认为非常贴合这个叙事，因为 AI 时代企业系统更复杂，监控、可观测性、成本管理、安全和故障定位会更重要。BAND 的逻辑是它拥有 voice over IP 网络和合规电信基础设施，AI agent 不能凭空复制这种网络。Cloudflare 也有 AI 网络叙事，但问题是竞争很多，AWS、Google 等大玩家都有 CDN，大客户也可能自建 CDN。ServiceNow 有 AI workflow 角度，但它需要证明自己的 enterprise stack 能在 agent 时代继续吃到预算。 10、SKM 为什么跌？它对“选叙事，不只选单票”有什么启发？ SKM 之前被市场当成 Anthropic 公开市场 proxy，因为 SK Telecom 投资并合作 Anthropic。但 Fable / Mythos 访问权限事件之后，SKM 突然卷入美国政府对 Anthropic 模型访问控制的监管问题。川普政府要求 Anthropic 取消 SKM 的部分授权，市场开始担心 SKM 作为 Anthropic proxy 的政治风险。 这件事最大的启发是：你可能看对了 Anthropic 叙事，但买错了单一表达工具，仍然会被事件风险打到。相比只押 SKM 这种单票，更好的方式是围绕 Anthropic-like enterprise AI 建立一组表达：模型公司、企业 AI workflow、mission-critical software、云平台、数据安全和 agent 基础设施。叙事可以长期正确，但单票可能短期出问题。 11、AAOI 和美股光模块要担心什么？中国供应链为什么会改变赔率？ 本期讨论到，光模块里很多环节中国具备更强产能优势。如果中国能够快速上产能，并且产品和 AAOI 这类美股公司没有明显差异，那么对美股光模块小票就是不好的消息。因为一旦供给可以快速扩张，模块 ASP 和毛利率就会受到压力。 这并不意味着光模块逻辑坏了，而是要区分哪一环是真正瓶颈。美股光模块公司如果只是成品模块扩产，就容易被中国供应链竞争；如果卡在激光器、InP、CPO、光纤预制棒、上游材料或客户认证，护城河会更强。未来研究重点不是简单买“AI 光模块”，而是拆清楚：到底是模块成品、激光器、InP、光纤、硅光、CPO，还是客户认证和本土供应链 hedge。 12、fab rerate 里哪些小票最有弹性？Mirae、X-FAB、UMC、GFS、WOLF 分别怎么看？ 在 fab rerate 里，最重要的不是买所有半导体票，而是找到不同环节的弹性表达。第一类是订单已经兑现的测试设备，如 Mirae，受益中国 memory capex 和 YMTC / SK Hynix 订单；第二类是 specialty foundry，如 X-FAB、UMC、GFS、SKYT，逻辑是成熟/特色产能可能转向 AI 相关需求，而且部分产能切换不需要巨大 capex；第三类是化合物半导体和材料，如 IQE、AXTI、WOLF，受益 InP、GaAs、SiC、光互联和电力半导体重估。 这里和第 7 个问题不同：第 7 个讲的是为什么晶圆厂会被重估，第 12 个讲的是如何选票。核心标准不是“名字像半导体”，而是看有没有真实订单、产能切换空间、客户认证、材料或工艺壁垒，以及估值是否还没有完全反映 AI 需求。 13、EQR 和 Almonty 为什么值得看？钨资源股和 WF6 公司的逻辑有什么不同？ EQR.AX 和 Almonty 被提到，是因为它们代表非中国钨供应链。如果中国限制钨粉、APT、三氧化钨等中间品出口，海外就会更重视非中国来源的钨资源。EQR 是澳洲钨资源股，Almonty 则是韩国非中国钨供应替代方案。它们不是直接的 WF6 成品公司，但在“钨变成半导体特气卡点”这个叙事里，资源端会被战略重估。 不过要区分：钨矿股是 commodity beta，高纯 WF6 / 电子特气才是最贴近卡脖子本体的 alpha。钨矿公司需要验证产量、成本、现金流和纯化能力；WF6 公司则需要验证 6N / 7N 纯度、客户认证、产能扩张和价格持续性。两者都能交易，但资源股更像上游价格和供应安全 beta，WF6 更像半导体材料卡点 alpha。 14、RKLB 和 FLY 这类航天票现在怎么看？SpaceX 上市后小票还有没有波段？ 本期对 RKLB 和 FLY 的看法偏谨慎。之前看好航天票，是因为 SpaceX 没有上市，市场需要用 RKLB、FLY 这类公开市场标的表达 space / launch / satellite 叙事。但 SpaceX 上市后，大资金更容易直接买 SpaceX，公开市场小票反而可能被抽走关注度。 RKLB 前期从低位到高位已经完成了一轮比较好的波段，现在再追的赔率不如 4—5 月低位时舒服。短期两三个月，RKLB 和 FLY 未必有大反弹，除非 SpaceX 自身出现大波动后重新带动整个航天链。也就是说，航天叙事没有消失，但 SpaceX 上市改变了资金表达方式，小票从主表达变成二阶跟随。 15、这三条叙事接下来如何落到研究和交易执行？ 接下来不是简单押一条主线，而是按不同时间尺度分工。长期仓更适合跟踪 AI mission-critical software，看哪些软件真正进入企业关键流程、能吃到管理费用和基础设施费用；中短期研究重点放在 fab rerate，看 AI capex 是否继续往晶圆厂、测试、材料、特气和特色工艺传导；防守端则保留 Hayes energy hedge 的思路，用能源、短债和现金对冲油价、Fed、Trump 反 AI 和超级 IPO 抽水风险。 执行上，不能再用“AI 概念一起买”的方式。每条叙事都要拆成问题：有没有订单？有没有产能？有没有客户认证？有没有定价权？估值是否已经透支？如果只是大票 beta，就等回调；如果是有订单、有材料卡点、有供应链安全溢价的小票，才值得继续深挖。核心不是追涨，而是把叙事拆成可验证的 alpha。 👋 加入社区： 请关注 www.x.com/memely 获取最新消息 加入我们的社群，请添加群主微信号：wish12779 ⚖️ 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 这期的核心判断是：当前不是 AI 泡沫崩盘的开始，而是 6 月偏震荡回调期。压力来自强非农、CPI/PPI、FOMC、SpaceX IPO 抽水、韩国市场去杠杆、以及 AI capex 交易过度拥挤；但因为核心 AI 巨头的远期估值还没有进入完全失控区间，大型 IPO 前市场也不太像直接崩盘。 更重要的主线是：AI 投资逻辑正在从“只买硬件 capex”升级为两条线：一条继续围绕 faster / cheaper token 找最精准的硬件瓶颈；另一条开始寻找 AI mission-critical software，也就是企业大规模使用 AI 后必然需要的监控、治理、安全、成本控制、数据还原等软件。 二、WuKong AP WuKong AP 最近的 Product / build in public，核心是在把每日交易日 note 改造成 Feed format。这个 Feed 不是普通 newsletter，而是给用户的 AI agent / LLM 读取的市场认知文件：每天盘前，用户可以让自己的 agent 读取固定网页，从而获得 Wukong AP 当天对宏观、AI capex、标的、风险和交易节奏的更新。当前先在 TG 群发布，下一步会放到固定网站，形成一个持续更新、URL 不变的“市场喂料入口”。 它背后的理念是：让用户多用大模型，用 AI 来读 Feed、理解市场、形成自己的投资判断。用户可以把 Wukong AP 的内容持续喂给自己的 agent，让 agent 的思考框架逐渐接近 Wukong AP 的研究框架。 更底层的产品目标可以概括成一句话：把 Wukong AP 的市场认知和研究精髓，更容易、更稳定地分享给用户和用户的 AI agent。 播客最后用了“神交”这个词：不是简单把内容交给 AI，而是把核心精髓交给 AI，让用户通过自己的 agent 与 Wukong AP 的思考方式同频。 三、核心问题摘要 1、宏观上，现在是回调还是崩盘？6 月最重要的风险事件是什么？ 现在不是崩盘，是回调。 上周 AI、半导体和成长股承压，主要触发因素是博通财报虽然不差，但 AI 指引没有满足市场最乐观预期；同时 5 月非农强于预期，使市场重新交易高利率维持更久、降息推迟甚至加息风险。成长股、高估值科技股和 AI 交易因为前期涨幅大、仓位拥挤，所以成为主要下跌对象。 但播客明确认为，现在还不到泡沫破裂阶段。原因是核心 AI 公司的远期 PE / 营收估值还没有进入互联网泡沫顶点那种无法自洽的区间，而且市场每次下跌都在讨论“泡沫要破”，这反而不像真正顶部的疯狂 FOMO。6 月需要重点关注四类风险：CPI / PPI、6 月 FOMC 和 Kevin Walsh 的首次主席沟通、SpaceX IPO 抽水、韩国市场去杠杆，以及 Apple WWDC、Oracle / Adobe 财报对 AI capex 信心的影响。 2、SpaceX IPO、Anthropic IPO 和 6 月流动性压力，为什么会影响 AI 交易？ SpaceX IPO 被视为 6 月的重要抽水事件。即便它上市初期流通盘不大、不一定破发，它也会从市场吸走部分风险资金，尤其会影响成长股、科技股和与 SpaceX 概念相近的交易。叠加 CPI、FOMC、Oracle 财报和韩国去杠杆，6 月的路径会比较复杂，不适合盲目追高。 Anthropic IPO 则是更大的 AI 叙事锚点。播客里有一个明确判断：在 Anthropic 这种大型 AI IPO 完成之前，所有大跌都更像机会，而不是崩盘确认。 但操作上不是无脑大抄，而是“小抄、不大抄”：承认中期主线没有死，同时尊重 6 月事件密集、流动性偏紧、波动放大的现实。 3、AI 1.0 和 AI 2.0 的区别是什么？为什么 faster / cheaper token 是当前 AI 投资的主轴？ AI 1.0 类似互联网 1.0：大家开始大量使用，热情很高，VC、二级市场、企业甚至国家都在加速投入，但商业模式还比较单一。现在 AI 已经能提升效率、帮助娱乐和辅助工作，但严格来说，还没有大规模出现“个人或企业靠 AI 直接创造全新收入模式”的阶段。 AI 2.0 的关键是新的商业模式真正跑出来。只要 AI 2.0 还没出现，大模型公司的变现就仍然依赖 token 消耗，因此投资主轴就会回到 faster / cheaper token：谁能让 token 更快、更便宜，谁就更靠近当前 AI capex 的核心矛盾。硬件票也要按这个标准筛选：越直接打到 token 成本和速度，价值越高；越间接，越需要更低价格和更谨慎仓位。 4、为什么 Google 仍然有价值，但不一定是 AI 2.0 的最终赢家？ 播客复盘了去年的 Google：Google 最大优势不是 Gemini 最聪明，而是 distribution / 入口优势。用户问简单、快速、实时的问题时，很多时候还是会直接打开 Google 搜索，而不是打开一个大模型 app 等待回答；Google 的搜索入口正在变成 Gemini 的入口，所以它在分发上有巨大优势。 但长期看，播客更倾向于把 Google 看成互联网基础设施公司，而不是 AI 2.0 的最终王者。Google 有搜索、浏览器、Gmail、Drive、YouTube 等强大基础设施，但这些旧世界资产也会变成包袱。未来真正引领 AI 2.0 的公司，更可能是新的前沿大模型公司，而不是背负旧商业模式的互联网巨头。 5、Cerebras 代表什么样的硬件机会？ Cerebras 在本期里代表的是一种 非传统 GPU 路线的高并发推理硬件机会。讨论的起点是：当前大模型反应速度仍然偏慢，而如果要让用户体验发生质变，可能不是快一两倍，而是要快 10 倍以上。要实现这种变化，可能需要从推理芯片架构上发生变化，而不是只沿着现有路径线性优化。 播客里把 Cerebras 形容成“特种兵”：芯片形态很特别，主打高并发推理速度，理论上能在某些场景里带来数量级的速度差异。问题是估值很贵、新上市后股价持续下跌，所以它不是一个简单“立刻买入”的结论，而是一个需要跟踪的硬件方向：当市场开始追求更快 token 时，异构推理架构会成为一个值得持续观察的分支。 6、什么是 Tokenmaxxing？它为什么既强化 AI capex，又带来新的风险？ Tokenmaxxing 指的是企业鼓励员工尽可能多使用 AI、尽可能多消耗 token，并把 token 用量当作 AI adoption 或 productivity 的指标。简单说，企业不再只问“你有没有用 AI”，而是开始用“你用了多少 token”来衡量 AI 是否真正进入工作流。 前期这对 AI capex 是利好：员工用得越多，token 消耗越高，模型服务商、推理需求、GPU、网络、存储、光互联等底层硬件链条就越受益。它把企业 AI adoption 从口号变成了真实消耗，也解释了为什么市场过去愿意继续交易 AI capex 上修。 但风险也在这里。当企业发现 token 预算烧得太快，CFO / CIO 就会追问：token 花到哪里了？哪些调用是高价值 productivity，哪些只是低效消耗？这会压制一部分 AI capex 叙事，因为企业可能开始限制低价值 token 使用；但同时，它也会催生新的软件机会，包括 token 监控、AI 使用治理、成本归因和 AI workload 管理软件。 所以 Tokenmaxxing 不是单纯利好或利空，而是两段式逻辑：第一阶段，它强化 AI capex；第二阶段，它倒逼企业管理 token 成本，从而推动 AI mission-critical software 出现。 7、什么是 AI mission-critical software？为什么它是 AI native 的新机会？ AI mission-critical software 指的是：一家企业大规模使用 AI 后，为了管理、安全、成本控制、数据还原、审计和治理 agent 行为而必然需要的软件。它不是大模型本身，而是大模型进入企业工作流之后，企业为了让 AI 可控、可解释、可审计、可恢复、可规模化，必须补上的软件层。 这是 AI native 的机会，是因为它不是传统软件公司硬蹭 AI，而是 AI 使用本身自然长出来的新需求。只要企业真的把 AI 放进生产环境，就一定会遇到这些问题：token 怎么花的？模型调用有没有浪费？agent 做了什么？数据误删能不能恢复？AI workload 出问题能不能定位？这些都不是锦上添花，而是企业级 AI 从玩具走向生产系统时必须解决的基础设施问题。 本期举了两个典型 use case：第一，CFO 发现 token 预算被提前烧完，CIO 就必须搞清楚 token 到底花在哪里，于是产生 AI 成本监控、token 监控和使用治理需求；第二，企业员工大量使用 agent / coding agent 后，可能误删、误改、误操作数据，于是需要面向 agent 的数据还原、审计和安全治理软件。 按照这个逻辑，大家可以继续往下推：凡是企业“用了 AI 以后才变得更痛”的环节，都可能孕育 AI mission-critical software。不要只问“这家公司有没有 AI 功能”，而要问“如果企业 AI 使用量增加 10 倍，这个软件会不会变得更必要”。 8、Datadog 在 AI mission-critical software thesis 里是什么位置？ Datadog 是这个 thesis 里最清晰的 observability 龙头之一。它本来就是云原生 observability、security、logs、APM 和 AI workload monitoring 平台，本质是在企业系统越来越复杂时，提供统一可见性、故障定位和安全监控。当 AI workload、GPU monitoring、模型调用、inference、token 消耗和 agent 行为增加后，Datadog 很自然可以被市场重新理解为 AI mission-critical software 的代表。 一句话购买理由是：DDOG 买的是 AI 复杂度上升后的观测与安全底座。 AI 带来的不是软件减少，而是 telemetry、模型调用、GPU 使用、推理链路、agent 行为和企业系统之间的复杂度上升。越复杂，越需要 observability；越进入生产环境，越需要 Datadog 这类平台。 数据上，DDOG Q1 FY2026 收入首次突破 $1B，达到 $1.006B，同比 +32%；$100k+ ARR 客户约 4,550 个，高于去年同期约 3,770 个；Non-GAAP operating margin 22%，free cash flow $289M，FCF margin 约 29%。这说明头部 SaaS 并没有被 AI 杀死，反而可能因为 AI workload 增加而重新加速。 但 DDOG 的问题是，市场已经更早看到它的龙头位置，reprice 可能已经先走了一段。按约 $85B 市值和 FY2026 revenue guide $4.30–4.34B 看，DDOG 已不是低估值修复票，而是高质量 AI software compounder。它在组合里的定位不是“便宜票”，而是这个方向的大票锚点和估值坐标。短期不适合无脑追涨，后续要重点看 DASH 会议、Q2 指引和收入加速能否延续。 9、Dynatrace 在 AI mission-critical software thesis 里是什么位置？ Dynatrace 是本期更偏重点的弹性机会。很多软件赛道都会有“老大 + 老二”的组合，例如 CDN 里有 Cloudflare / Fastly，AI 语音或通信软件里有 Twilio / Bandwidth；这一次在 observability / AI monitoring 里，Datadog 是老大，Dynatrace 是老二。 一句话购买理由是：DT 买的是 DPS 消费先跑、ARR 后确认的估值修复。 Dynatrace 是 enterprise observability 和 AI-powered automation 平台，偏大型企业、复杂 IT、云迁移和 AI 应用可靠性。相比 DDOG，DT 的弹性来自两点：第一，它同样处在 AI observability / AI mission-critical software 框架里；第二，它还没有像 DDOG 那样完成明显 reprice。 数据上，DT FY2026 ARR 超过 $2B，Q4 revenue $532M，同比 +19%；FY2027 revenue guide 为 $2.317–2.335B；Q4 有 22 个 ACV 超 $1M 的大单，其中 9 个是新 logo；logs 业务 Q4 consumption 同比继续超过 100%；FY2026 free cash flow $529M，FCF margin 26%。 DT 的核心争议在 DPS consumption 模型。客户先签多年承诺并消费，ARR 往往要等续约或重置时才反映真实用量。如果 FY2027 是一批 FY2024 DPS 客户续约重置窗口，那么 DT 的表观 ARR 增速可能低估了真实需求。 估值上，按约 $12.8B 市值、FY2027 revenue guide midpoint 约 $2.33B 估算，DT 约 5.5x forward sales；按 FY2027 FCF guide $613–620M，则约 20x forward FCF。若 ARR 因 DPS 重置回到 high-teens，市值有机会向 $15–18B 修复；若 ARR 继续停在 16% 左右，估值大概率维持低位。 所以 DT 比 DDOG 更适合做估值修复头仓，但前提是必须看到 ARR / net new ARR 兑现。它不是确定性比 DDOG 更强，而是弹性可能更大；如果下季仍无加速，只能当低估值 cash-flow 软件看。 10、还有哪些股票可以被放进 AI mission-critical software 框架？应该怎么继续思考？ AI mission-critical software 不是只看 Datadog 或 Dynatrace，而是一套选股框架。核心问题是：当企业 AI 使用量增加 10 倍、agent 行为增加 10 倍、token 成本增加 10 倍、AI workload 复杂度增加 10 倍时，哪些软件会从“有用”变成“必须用”？ 可以从四类方向去找：第一，observability / monitoring，谁能看清 AI workload、系统调用、故障、成本和性能；第二，security / access control，AI agent 做事越多，谁来管权限、审计和安全边界；第三，backup / recovery / data resilience，AI 或 agent 误删误改后，谁来恢复数据和系统状态；第四，cost governance / usage analytics，谁来帮助 CFO / CIO 搞清楚 token 花在哪里、ROI 怎么算、低价值调用怎么限制。 播客里提到的大票候选包括 Cloudflare、Datadog、Rubrik。Cloudflare 对应网络安全、边缘网络和企业安全入口；Datadog 对应 observability / monitoring；Rubrik 更接近数据安全、备份、恢复和 cyber resilience。它们的共同点是：原本就是企业关键软件基础设施，AI 部署越深入，企业越需要这些软件来保证系统安全、稳定、可恢复。 这类软件的优势在于，它们不是低成长、低质量公司，而是原本业务已经比较强，只是 AI 相关增量还处在 very early 阶段。后续更多企业正式部署 AI 后，这些原本的企业基础设施软件可能获得新一轮需求和估值重估。 所以继续挖这条线时，不要只问“这家公司有没有 AI 产品发布”，而要问：AI 进入企业生产环境后，它解决的是不是新增痛点？预算刚性会不会变强？CIO / CISO / CFO 会不会主动买？收入能不能随着 AI workload 增长而增长？只有能回答这些问题的公司，才真正有资格进入 AI mission-critical software 框架。 👋 加入社区： 请关注 www.x.com/memely 获取最新消息 加入我们的社群，请添加群主微信号：wish12779 ⚖️ 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 这期分享会的主线是：AI capex 正在从“买 GPU 龙头”进入“拆解整柜 AI factory”的第二阶段。市场暂时忽略 PCE、油价、美联储新主席和高利率压力，是因为 Nvidia、Micron、韩国 memory、台湾供应链继续把风险偏好拉回 AI 硬件链；但这不是全面普涨，而是半导体、memory、CPO、PCB、电力、先进封装等瓶颈环节的结构性扩散。 整场播客的核心判断是：接下来不是继续无脑追 Nvidia，而是把 AI capex 拆成 8 层技术瓶颈，找每一层还没充分 pricing 的 beta / alpha。 其中，短期最强的是 memory，未来更值得继续挖的是 CPO / 光互联、先进封装、Rubin PCB / CCL、电力 800V DC、以及 Anthropic proxy / agentic infra 这类二阶方向。 二、WuKong AP 最近在做什么？ WuKong AP 最近做的不是单纯“多发内容”，而是在尝试把内容生产方式从 to consumer 转成 to agent。 人的注意力已经严重透支，传统靠固定更新时间、流量、点赞、粉丝增长的内容运营方式，越来越像旧时代的电话本广告；未来真正有价值的内容，是能被用户的 AI agent 持续读取、整理、筛选和复用的内容。也就是说，播客、note、研究过程，不只是给人当下听，而是要成为用户 agent 的长期 feed。 最近 Product / build in public 的 MVP 是：把每天和 AI 的高质量对话、投资思考、市场判断，整理成 agent-readable markdown file，再通过 Gmail / Google Groups / 网页等方式分发。第一版甚至不需要代码，只需要用 prompt 让 AI 定时生成 markdown，并发到 mailing list；用户端也可以让自己的 agent 定时读取邮件或网页，结合自己的仓位、兴趣和风险偏好做二次筛选。 这个产品的理念是：未来投资学习不是人硬读所有内容，而是让 agent 帮人沉淀 context。 人的价值在于提出方向、品味、预期差和判断，AI 的价值在于持续记忆、检索、提醒和组合信息。目标不是马上做一个复杂 SaaS，而是用最轻的方式先跑通“高质量内容 → agent feed → 个性化投资判断”的闭环。 更底层的目标是：WuKong AP 想把自己沉淀成一个 AI 时代的投资 context layer。用户可以不记得每期节目里提过什么，但他的 agent 不能忘；用户可以没时间听完全部播客，但他的 agent 可以定期读、筛选、提醒：“一个月前提到的标的，现在开始涨了，要不要重新评估？”这就是 WuKong AP 最近 build in public 的核心方向。 三、核心问题摘要 1、宏观市场复盘与流动性分析：为什么说本周不是全面牛市，而是 AI capex 结构牛？ 本周标普、纳指继续创新高，但等权标普和高收益债的涨幅明显弱于半导体和纳指，说明这不是一个非常健康的全面普涨，而是 AI capex 继续主导风险偏好的行情。市场交易的不是衰退消失，也不是系统性风险解除，而是 AI 投资周期还能继续外溢，尤其是从 Nvidia 扩散到 memory、networking、PCB、power、cooling、ODM 和亚洲供应链。 流动性上，要分成静态和动态两层。静态流动性短期有支撑：TGA 下降、银行准备金回升，给风险资产提供缓冲；但 RRP 接近枯竭，意味着未来财政部补库或短债发行时，市场缓冲会变薄。动态流动性方面，CTA 和被动 ETF 仍在支撑指数，但已经从“新增买盘”变成“高仓位后的脆弱支撑”：指数继续稳住时还能涨，一旦 PCE、利率、油价或半导体回撤触发波动，CTA、vol-target、杠杆 ETF 可能形成机械卖盘。 2、AI compute / rack-scale 这一层的核心变化是什么？ AI compute 的核心变化是：市场不再只交易“谁的 GPU 更强”，而是在交易“谁能把 GPU、CPU、内存、网络、电源、液冷、软件整合成一整柜 AI supercomputer”。以前是 chip-level performance，现在是 rack-level throughput；单颗 GPU 再强，如果 GPU 之间连不起来、内存喂不上、CPU 调度跟不上、网络和电力冷却堵住，最终都跑不出有效吞吐。 Nvidia 的 GB200 / GB300 / Rubin CPX 就是这个趋势的代表：rack 本身正在变成新的计算单位。更重要的是，rack-scale 的竞争也开始从 Nvidia 闭环走向 open architecture，因为 hyperscaler 需要第二供应源、定制化 ASIC、不同 workload 对应不同架构，所以 AMD / HPE / Broadcom / UALink / Ethernet scale-up fabric 这条开放路线会逐渐获得 option value。 3、AI compute / rack-scale 这一层看哪些标的？ 这一层的核心标的是 AMD、QCOM、ALAB。AMD 的预期差在于，它不是简单和 Nvidia 正面对打，而是提供 Nvidia 闭环之外的 rack-scale alternative：CPU、Helios、open Ethernet fabric、封装和系统化方案。尤其在 agentic AI 和 inference 场景里，CPU 调度、缓存、系统适配的重要性上升，AMD 的位置会变得更清晰。 QCOM 的逻辑是 edge computing、端侧 AI、未来 AI inference accelerator 和 ASIC 机会；如果更多应用层公司需要定制化 CPU / ASIC / 边缘推理方案，高通的估值框架会被重新定义。 ALAB 则不是简单 PCIe retimer，而是 AI rack connectivity / CXL memory controller / fabric switch 的连接层，未来 rack 内 CPU、GPU、ASIC、memory、network 协同越复杂，ALAB 越像连接税收者。 4、存储还能买吗？美光、海力士、三星怎么看？ 当前核心技术方向是 HBM4 和 CXL-attached memory：前者解决更高带宽、更大容量和更定制化的 AI 训练需求，后者解决 inference 时代的 memory economics，让 agent、长上下文、KV cache、RAG 等场景不用把所有缓存都堆在昂贵 HBM 里。 交易上，美光、海力士、三星仍是最核心的 memory beta，但不能因为 PE 低就简单认为便宜，因为存储股在盈利高点时 PE 往往最低。已有仓位可以继续拿；空仓不建议在情绪最热时重仓追。相对稳妥的思路是：逢低买一点 beta，优先看三星这类相对没那么拥挤的补涨；alpha 则看 ALAB、PENG 这类围绕 CXL、cache 和 inference efficiency 的标的。 判断 memory 是否见顶，重点看三个信号：一是利润率是否开始下滑，二是 HBM / DRAM 价格是否松动，三是中国厂商产能落地后是否压低价格。下半年中国有两只存储股 IPO，也可以作为观察供给扩张和市场情绪变化的间接信号。 5、先进封装这条线怎么理解？ 先进封装解决的是：AI 芯片做出来以后，如何把 GPU、CPU、HBM、chiplet 这些东西真正封装成可交付系统。CoWoS、2.5D、bridge、chiplet heterogeneous integration 是近端最明确的方向，因为单颗 die 越做越大，良率和成本都会恶化，必须通过先进封装在系统层继续提升性能。 更中期的预期差是 embedded substrate / integrated passive substrate。当 AI 芯片功耗越来越高、瞬态电流越来越大、封装越来越密，传统把 MLCC、电容、电阻贴在基板或 PCB 表面的方式会遇到供电响应、寄生电感、PDN 噪声和空间限制。embedded substrate 把部分被动器件嵌进基板内部，本质上是在做 AI package power integrity 的系统级优化。 6、先进封装看哪些标的？ 先进封装主线里，播客提到的核心 beta 是 TSMC、ASE、AMKR，alpha 是 Samsung Electro-Mechanics / 三星电机。TSMC 是 CoWoS 和先进制程绝对龙头，但它太大且已经很共识；ASE 是先进封装和测试的近端兑现 beta，advanced packaging 业务有明确财报验证；AMKR 是美国先进封装本土化的 alpha，核心是美国不能只建 fab，也要补封装测试能力。 Samsung Electro-Mechanics 更偏中期预期差，因为它同时具备 MLCC、substrate、PCB 和被动元件能力，天然卡在 embedded substrate 的位置。如果 AI/HPC substrate 后续进入客户验证、设备投资和收入披露，它可能从传统电子元件公司，被重新理解成 AI package power integrity 平台。 7、Rubin PCB /CCL 这条线的机会在哪里？ 到了 GB200、GB300、Rubin 这一代，PCB 不再只是“把东西焊上去的板子”，而是 AI rack 里的高速神经系统。整柜里有 GPU、CPU、NVSwitch、网卡、DPU、电源、液冷、线缆、连接器、存储和大量高速信号通道；系统越大、数据越多、信号越快，PCB / CCL 的材料要求就越高。 这条线的关键不是泛 PCB，而是 AI accelerator board、data center switch board、高速低损耗材料、M8/M9 CCL、224G / 448G 信号要求。核心标的是 胜宏科技、台光电、联茂。胜宏是 AI PCB beta anchor，但已经不算冷门；台光电是材料端 alpha，关键看高端 CCL mix 和毛利率弹性；联茂是第二供应源 alpha，赔率更高，但必须验证它卖的是真正高端 AI CCL，而不是泛 server CCL。 8、为什么 CPO / 光互联是最值得重视的方向？ CPO / 光互联被认为是最值得重视的方向之一，因为它的重要性已经明显上升，但赛道整体市值和涨幅还没有像 HBM / memory 那样充分 pricing。AI rack-scale 和 massive-context inference 会带来巨量数据流动，光互联解决的是数据在 GPU、switch、rack、data center 之间高速传输的问题。相比存储行业，光模块和 CPO 厂商过去没有经历过存储那种几十年扩产周期，所以供需紧张可能持续更久。 这条线的另一个优势是：它有清晰的中长期确定性。CPO 还没有全面落地，LITE、COHR 等买的是预期；在过渡期，传统可插拔光模块仍要承接需求。也就是说，短期有传统光模块，长期有 CPO 和硅光升级，中间还叠加 1.6T / 3.2T / data center networking 的扩容，这使得光互联比商业航天这类 attention trade 更适合承载大仓位。 9、CPO / 光互联核心标的是什么？ CPO / 光互联这条线可以分成三层看：第一层是最直接的硬件 beta，主要是 LITE、COHR；第二层是平台型公司，主要是 MRVL；第三层是网络和数据传输基础设施，主要是 NOK。它们解决的不是“有没有 AI 算力”，而是 AI factory 里海量数据如何在 GPU、rack、cluster、data center 之间高速、低功耗、低延迟地流动。 LITE 和 COHR 是最直接的光模块 / 光器件 beta。短期它们受益于传统可插拔光模块需求，长期受益于 CPO 和硅光渗透率提升。它们的逻辑不是单纯“今天有没有 CPO 收入”，而是市场开始提前定价下一代 AI data center 从电连接向光连接迁移。缺点是这类标的已经被市场反复交易，弹性仍有，但最好等回调和订单验证，而不是在情绪最热的时候追。 MRVL 是更综合的平台型标的，可以理解成“小博通”逻辑。它不仅有光互联和 data center networking 相关业务，也同时覆盖 custom ASIC、switch、SerDes、DSP、硅光和 3.2T 相关技术路径。3.2T 很重要，因为当 1.6T 光模块逐步成为当前主流升级方向后，市场会提前交易下一代 3.2T：谁能支持更高速率、更低功耗、更高密度的数据传输，谁就更容易拿到下一代 AI cluster 的架构红利。 NOK 不是纯 CPO 硬件股，而是 AI data movement 的基础设施股。它解决的是更大范围的数据传输问题：数据中心内部、数据中心之间、云到边缘、AI-RAN、optical transport、IP network、trusted western infrastructure。换句话说，LITE / COHR 更像“光器件和模块”，MRVL 更像“芯片和互联平台”，NOK 更像“数据流动的网络底座”。 更高赔率的小票里，SIVE 是最值得单独讨论的。SIVE 的核心不是简单贴 CPO 标签，而是它被市场理解成 AI 光互联供应链里一个潜在高弹性的 alpha，尤其和光源、材料、硅光、下一代高速光连接的预期有关。并且 Sive 有头号摇旗手重仓推动，所以资金情绪可能比普通小票持续更久。 IQE、SOI、FOCI、MSS Corp、Nexttronics、AEHR、TSEM 这类标的，则分别对应更细分的材料、光源、封装、测试、台股 / 日股供应链环节。它们的共同特点是：空间可能很大，但验证难度更高，流动性、交易资格、信息透明度和波动都比大票更复杂。所以这类标的不应该和 MRVL、NOK、LITE、COHR 放在同一个仓位层级里，而应该作为小仓位的 alpha basket 来管理。 10、电力 / 800V DC / GaN / SiC 这一层怎么选？ 电力层的核心变化是 AI rack 功耗快速上升，Nvidia 正在推动 800V DC 这类更高压、更高效率的 rack power architecture。以前市场谈 AI 基建，容易只看 GPU、HBM 和网络；但如果电力、配电、功率转换、冷却跟不上，AI factory 就无法交付。因此电力不再只是“公用事业”叙事，而是 AI rack 能不能规模化部署的底层约束。 核心标的是 VRT、POWL、POWI、NVTS。VRT 是最直接的 800V DC / rack infra beta，播客认为“只要买电力，VRT 至少要配一点”；POWL 是配电设备和 backlog 逻辑；POWI 更偏高压功率半导体 alpha；NVTS 是 GaN / SiC / 800V DC 小票方向。Alex 还补充 FLNC、FCEL，分别对应储能 / 电力系统和类似“小 BE”的数据中心旁侧发电逻辑。 11、为什么现在需要回看 SKM？ SKM / SK Telecom 的逻辑是二级市场里相对稀缺的 Anthropic 影子股。它本体是韩国电信运营商，业务稳定、有股息、波动相对小；但它持有 Anthropic 股份，因此比 Amazon、Google 这类主业变量更复杂的公司，更接近一个纯 Anthropic proxy，SK Telecom 持有约 0.5% Anthropic 股权。 SKM 现在重要，不只是因为它是 Anthropic proxy，而是因为 Anthropic 最近又在推进新一轮融资，短期本身就有估值上修预期。Anthropic 正在寻求融资超过 300 亿美元，目标估值约 9000 亿美元；Anthropic Q1 2026 收入约 48 亿美元，并预计 Q2 收入达到 109 亿美元，年化收入 run-rate 可能接近 310 亿美元。也就是说，Anthropic 已经从“AI 模型公司叙事”进入“收入高速兑现 + 估值继续上修”的阶段。 所以 SKM 现在的变化在于：一方面，Anthropic 新一轮融资和未来 IPO 预期会带来短期催化；另一方面，如果 Anthropic 私下 SPV 交易受限，普通投资人能接触 Anthropic 估值上修的二级市场入口会更稀缺。SKM 的传统电信主业提供下行保护，Anthropic 股权则提供 AI native 龙头的 upside，适合作为“稳主业 + AI 期权”的左侧配置。 12、SpaceX IPO、Google I/O 怎么看？ SpaceX IPO 如果推进，会成为商业航天板块的重要催化，但对 RKLB、FLY、LUNR 等小票的影响不一定是单边利好。一种可能是流动性外溢，资金继续寻找 SpaceX 相关替代品；另一种可能是利好兑现，资金回流到 SpaceX 本身，反而压制部分航天小票。因此，商业航天更适合作为事件驱动和 attention trade 跟踪，不宜简单当成确定性主线。 Google I/O 的评价需要平衡看：Google 仍然拥有 Search、Android、Chrome、Gmail、Drive、YouTube、Cloud 等巨大入口，分发能力非常强，不应简单低估；但任何一个新技术时代，最值得关注的往往不是上一代巨头如何把新功能接进旧产品，而是新技术 native 的新巨头如何重新定义入口。AI 2.0 的核心竞争是模型智能、语境理解和 agent 执行能力，OpenAI、Anthropic 这类 AI 原生公司更代表新周期的主线变量。 13、6 月懒人策略怎么看？ 在 5 月的基础上，新增 MRVL、NOW、VRT、POWI、POWL、SKM。 MRVL 是 CPO / 光互联和 custom ASIC 的平台型标的，重点看 3.2T、data center networking 和财报指引；NOW 是川普家族喊单；VRT 是 AI rack 电力和液冷基础设施 beta；POWI、POWL 则分别对应功率半导体和配电设备，是 AI power stack 里的二阶机会；SKM 是 Anthropic 影子股，受益于 Anthropic 新一轮融资、估值上修和未来 IPO 预期。 👋 加入社区： 请关注 www.x.com/memely 获取最新消息 加入我们的社群，请添加群主微信号：wish12779 ⚖️ 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 这期分享会的主线是：短期市场已经开始从 AI 硬件单边上涨，转向“宏观压力 + 流动性分化 + AI 主线轮动”的阶段。上周回调主要由中美会谈利好不及预期、油价和霍尔木兹风险、长端美债收益率上行、Fed 换帅后宽松预期下降共同触发；但从资金池看，市场并非完全没钱，真正的问题是资金质量分化，后续要重点跟踪 FINRA 保证金数据、hyperscaler 2027 CapEx、Fed 短债购买节奏和纳指/标普比率。 更大的主题是 AI 2.0：讨论认为，AI 1.0 主要是效率工具、代码工具和企业降本，但真正能承载万亿级市场的 AI 2.0 可能是 Agent Social / AI 原生社交网络。投资上，未来机会不只在 GPU 和存储，而在大模型平台、社交入口、健康 AI、CPO/CDN/通信/台积电供应链等 AI 2.0 底层与入口资产；同时要警惕传统互联网平台税、SaaS 中间商和纯效率工具的长期估值压力。 二、核心问题摘要 1、宏观市场复盘与流动性：本周回调到底发生了什么？ 本周市场不是全面转熊，而是前期 AI 硬件上涨后的第一次明显校正。播客里认为，CTA 买盘结束后，市场仍然靠散户和少数 attention 足够高的 AI 硬件股继续向上走了一段；但上周后半周，尤其周四、周五，随着中美会谈不及预期、油价和通胀压力传导、美债长端收益率上行，AI 硬件带动指数开始回调。这个回调并不均匀，很多非主线股票此前其实已经在震荡下跌，真正上涨和下跌的都是少数 AI 硬件/高关注度标的。 流动性角度，会议重点提出要把“七指标看板”固定纳入每周宏观部分，尤其关注 FINRA 保证金数据、0DTE/期权反身性、散户动量资金、Fed 小放水、hyperscaler CapEx、纳指/标普比率等。核心判断是：市场短期仍有向上燃料，但不稳定，未来 5 月底更偏震荡回调，6 月要根据宏观数据和科技股基本面重新判断路径。 2、当前资金池结构如何？为什么说“表面有水，质量分化”？ 播客把资金池拆成几类：退休金、保证金借款、散户和 0DTE、公司回购、外资和私募信贷、Fed 小放水、hyperscaler CapEx 等。结论是，资金池不是完全枯竭，但支撑越来越集中在 Fed 每月约 400 亿美元短债购买和大科技 AI CapEx 上；散户和 0DTE 提供速度和波动，保证金与回购的边际支撑下降，外资和私募信贷偏压力。 这里最重要的是反身性。散户不仅买现货，还大量买 call option，做市商为了对冲 Gamma 风险需要买卖现货和期货，形成“call 买盘—做市商追买—指数上涨—更多散户买 call”的循环；但同样的结构向下也会放大回撤。会议因此强调，接下来不能只看指数点位，而要看资金池是否继续提供边际买盘。 3、AI 2.0 和互联网泡沫如何类比？现在处在泡沫哪个阶段？ 分享会将当下 AI 与 2000 年互联网泡沫做类比：互联网泡沫时，真正成为后来平台巨头的 Google、Facebook 等，在泡沫顶部时大多还没上市；当年先涨的是第一代门户网站和半导体基础设施。对应今天，AI 1.0 先涨的是 GPU、存储、半导体和 AI CapEx，而真正 AI-native 的应用和社交形态可能还没有完全进入资本市场。 但当前与 2000 年不同的是，今天 AI 基建的主要客户是 hyperscaler，而不是一批会倒闭的 dotcom 公司；半导体估值也没有当年那么极端。因此会议的阶段判断更偏：现在接近泡沫高潮开始，但未必已经到最终顶部。最大风险是 AI 2.0 可能像互联网 2.0 一样，在泡沫破裂后才真正到来；最大机会是如果 OpenAI、Anthropic 等大模型平台在泡沫破裂前上市，市场主线可能从硬件转向大模型平台。 4、AI 2.0 的范式转移是什么？为什么从效率工具转向社交网络？ AI 1.0 的主流用法仍然是把大模型当 editor、代码工具、内容生成工具或企业降本工具；这条路本质上是提高效率、减少成本，甚至是 GDP reduction，不一定能创造足够大的新增需求。真正能承载万亿市值的 AI 2.0，必须是改变人类行为方式、创造新连接和新消费场景的产品。 因此，他们认为 AI 2.0 很可能走向 Agent Social。原因是大模型掌握的不是传统社交图谱，而是用户长期对话、目标、情绪和思考路径，比 Meta、TikTok、淘宝、携程这类平台更了解“真实的你”。未来社交网络可能不再只是“你 follow 谁”，而是 AI 帮你找到同路人、合作伙伴、投资伙伴和精神路径相近的人。 5、AI 2.0 的投资趋势是什么？ 第一类机会是大模型平台。分享会明确提到，如果 OpenAI 或 Anthropic 上市后因为各种原因估值低于 1 万亿美元，可能会是未来几年的重要机会；只要故事继续讲下去，它们有潜力成为新的七姐妹成员，甚至冲击 4–5 万亿美元估值区间。 第二类机会是 AI 2.0 的底层承载资产，包括 CDN、CPO、通信、光电、台积电供应链和部分小票。比如 Cloudflare 被视为 CDN 方向的重点，因为 AI 视频、内容生成和流量增长最终要体现在 CDN 需求上；CPO 方向则把台积电视为底层龙头，并进一步寻找台积电供应链里的小票。 6、AI Agent 会如何冲击互联网平台税？ Agent Social 不只是社交产品，也会重塑互联网平台经济。例子是外卖、酒店、机票、维修服务等：今天用户需要通过美团、携程、OTA 或各类平台找供给方，平台从中抽取 20%–30% 的 take rate；未来如果用户直接让自己的 agent 搜索、比价、判断评论、下单，那么餐厅或酒店是否在平台上，重要性会下降。 因此，传统平台税会面临长期压力。并不是说 AI 不收费，而是 agent 的收费率可能显著低于原有平台抽成。例如如果 agent 只收 5%，而平台抽成 20% 以上，供需两端都有动力绕开传统中间商。这是对外卖、OTA、本地生活、部分流量平台的长期结构性威胁。 7、Howard Marks 的五个问题如何用于当前市场？ 播客引用 Howard Marks 的框架，不是为了预测明天涨跌，而是判断周期位置。五个问题可概括为：第一，顶级投资者不是更会预测未来，而是更会判断基础概率；第二，不是预测明天，而是判断当前处于周期的哪个位置；第三，信息必须同时重要且可知；第四，风险不是波动，而是结果不按预期发生；第五，落实到动作上，不是 all in 或清仓，而是根据周期位置调整仓位。 对当前市场的应用是：既不能因为 AI 长期对就满仓追高，也不能因为泡沫风险高就完全清仓。更合理的是保留核心仓位，同时随着流动性、估值、资金池和市场宽度变化做 calibration；如果市场进入高位末端，可以用对冲工具降低组合尾部风险。 8、AI 时代如何学习？核心是“成为自己”。 AI 时代的学习不是“问 AI 一个问题，得到答案就结束”，而是形成 问题—行动—结果—复盘 的闭环。好的问题不是随机产生的，而来自你在持续探索“自己想成为一个什么样的人”。AI 会极大降低知识获取门槛，所以真正稀缺的不再是信息，而是你能否围绕一个长期方向持续提出问题、采取行动、接受反馈，并在这个过程中逐渐成为自己。 换句话说，AI 时代的学习不是堆知识，而是把知识压进现实行动里。一个人今天问地球为什么转，明天问怎么修电脑，后天问妈妈为什么生气，这些问题单独看都可能有价值，但如果没有一个稳定的自我方向，它们很难形成知识体系。真正有效的问题，往往来自一个更深的追问：我到底想成为谁？我为什么要学这个？我希望用它改变什么？ 投资被认为是普通人最容易建立这个闭环的场景。因为你和 AI 讨论一个标的后，会做出买入、观察、减仓或不买的动作；市场随后给出涨跌结果；你再用结果和 AI 复盘，这个循环会迫使认知不断校准。相比单纯读知识，投资更容易把 AI 学习变成实践性学习。 所以，AI 时代最重要的学习能力，不只是会问问题，而是通过问题不断校准自我。AI 会放大你的思考，但也会放大你的混乱；如果你没有方向，AI 只会让你更发散。如果你知道自己想成为什么样的人，AI 就会变成一个加速器，帮助你更快完成“理解—行动—反馈—修正”的成长循环。 9、苹果为什么是 AI 2.0 时代值得重新讨论的标的？ 苹果的关键点不是传统意义上的 Apple Intelligence 或 Siri，而是它仍然掌握着最重要的 硬件入口 / 移动设备入口。如果 AI 2.0 从网页、App、企业软件，进一步走向个人生活、移动场景和随身智能体，那么入口很可能不只是浏览器或聊天窗口，而是手机、耳机、手表、眼镜和未来更多可穿戴设备。苹果的优势在于，它已经占据了用户每天最高频、最贴身、最稳定的硬件触点：iPhone 是移动入口，AirPods 是语音入口，Apple Watch 是身体入口，未来智能眼镜可能是视觉入口。这意味着苹果不一定需要在大模型能力上成为最强，但它有机会成为 AI 2.0 的终端分发层和个人上下文入口。 第二层逻辑是 wearable + health AI。分享会认为，健康可能是苹果在 AI 2.0 里最自然、最有差异化的方向。Apple Watch、AirPods、iPhone 和未来更多可穿戴设备，可以长期贴近用户身体，持续收集心率、睡眠、运动、体温、血氧、行为习惯等生理和生活数据。这类数据不是一次性输入，而是长期、连续、低摩擦、几乎无感地沉淀。 它和 Tempus AI 的区别在于，Tempus 更偏机构侧医疗数据、临床数据库、肿瘤数据、药企合作和医疗研究场景；苹果掌握的是普通用户日常生活中的连续生理数据和硬件入口。前者更像医疗数据资产和研究工具，后者更像 C 端健康 AI 的长期入口。如果未来用户健康问题越来越多地直接问 AI，苹果有机会成为普通人健康 AI 的前端入口，而不只是一个设备公司。 第三层逻辑是 AI CapEx 压力低。苹果几乎是七巨头里少数没有大规模重押 AI 数据中心 CapEx 的公司之一，因此在市场担心 hyperscaler AI 资本开支过高、GPU 采购过猛、自由现金流被 AI 基建吞噬时，苹果反而有一定防守属性。它的 AI 叙事不是“我要买更多 GPU”，而是“我已经有硬件入口、用户数据、操作系统和设备生态，只需要把 AI 嵌进去”。所以苹果在 AI 2.0 里的潜在价值，不一定来自算力竞赛，而可能来自移动设备入口、健康数据网络和个人 AI 分发层。 10、HIMX 的逻辑是什么？为什么它被放在台积电产业链和 AI 2.0 基础设施里讨论？ HIMX 的核心逻辑是：它不是纯 AI 硬件龙头，而是一个可能从传统显示驱动 IC 公司，向 smart glasses、ultra-low power AI、CPO / 光互连、汽车显示升级 等高毛利增长引擎切换的小票。Himax 原本服务 TV、手机、汽车显示等市场，业务基础偏传统；但现在市场重新关注它，是因为 AI 2.0 如果走向可穿戴设备、AR 眼镜、边缘 AI 和低功耗交互终端，显示、传感、低功耗芯片和光电相关能力都会重新变得重要。 它在台积电产业链里的位置，可以理解为 台积电制造生态下的 fabless IC / 光电与显示相关设计公司。也就是说，HIMX 不是台积电这种底层制造平台，也不是 CPO 最大龙头本身，而是依托台积电先进制造与台湾半导体生态，在显示驱动、低功耗边缘 AI、AR/智能眼镜和光电相关芯片方案中寻找增量。分享会里的思路是：如果 CPO、硅光、低功耗 AI 和新一代可穿戴设备成为 AI 2.0 的基础设施，那么除了台积电这种最大底层平台，也要向下寻找台积电供应链和生态里的弹性小票。 HIMX 的稀缺性在于，它既有成熟显示 IC 客户基础，又有向新场景迁移的可能。AI 2.0 不只是数据中心里的 GPU，也包括终端侧交互、智能眼镜、低功耗视觉、边缘推理和光互连。如果未来 AI 从“办公室效率工具”进入“日常生活入口”，那么显示、传感、低功耗处理和光电接口都会成为基础组件，HIMX 就有机会从传统显示周期股，切换成 AI 2.0 终端与光电基础设施的可选标的。 但这个逻辑不是短期追涨，而是“1.0 不一定最耀眼，2.0 后劲可能更强”的小票筛选框架。HIMX 当前更像一个估值切换候选：如果市场只把它当显示驱动公司，它是传统周期股；如果市场开始把 smart glasses、ultra-low power AI、CPO 相关方案和汽车显示升级纳入定价，它就可能获得新的叙事溢价。关键验证点是：非驱动业务收入占比、毛利率改善、智能眼镜/边缘 AI 客户进展、以及它在台积电生态中能否拿到更清晰的光电/低功耗 AI 供应链位置。 👋 加入社区： 请关注 www.x.com/memely 获取最新消息 加入我们的社群，请添加群主微信号：wish12779 ⚖️ 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。