卢尔辰

统计数据

36

文章

0

粉丝

0

获赞

664

阅读

3周前

瑞典🇸🇪爱立信股价从1988年，到2000年，涨了1000倍。互联网泡沫破灭后，股价下跌了99%。在1990年代，资本市场的叙事是：爱立信 = 互联网时代的“世界神经系统建设者”。整个1990年代，所有人都相信“互联网将重构整个世界”，到1990年代后期，市场形成一个几乎没人怀疑的共识：所有人都会上网所有通信都会数字化数据流量会指数增长移动通信将普及全球而Ericsson、Nokia、Lucent、Cisco这四家是负责建基础设施的公司。当时市场的核心逻辑也很简单，谁控制通信网络设备，谁就控制信息时代的命脉。叙事也非常宏大，网络就是未来的电力系统，带宽就是未来的能源，通信设备商就是新时代的基础设施巨头爱立信那时候被相信远不止是卖设备, 在不断建设人类文明的底层系统。当年主流的一个典型的说法，数据流量会爆炸式增长，带宽永远不够，网络必须持续扩容，基站必须持续建设。市场也相信：通信需求 = 指数函数因此推导：网络设备收入 = 指数函数。后来发生了什么？现实世界的运行速度，永远慢于叙事。需求确实在增长，但没有预测那么快。互联网确实改变世界，但 adoption 有节奏、有周期、有摩擦。技术进步反而降低单位成本。因为设备效率提升、压缩技术进步、网络利用率提高。同样的需求，需要的硬件越来越少。因为前期的高利润，行业竞争极度激烈，产能扩张过快，企业为了利用固定成本只能降价。利润率被持续压缩。最终形成一个简单而残酷的结果：产能＞需求而基础设施行业，一旦利用率下降：资本回报模型崩溃，估值体系重置，股价断崖式回落。

3周前

投资标普500、纳指100基金，其实只需要记住几个核心代码就够了。个人建议没必要关注太多美股博主，也不用去记一大堆股票 / ETF 代码，把事情搞得过于复杂，很多时候反而会影响长期收益。标普500只用买 VOO、IVV 就可以。这两只都是全球规模最大的标普500 ETF 之一，管理费只有 0.03%，每年分红派息大约 1.1% ~ 1.3%，直接给你美元现金。纳斯达克100只用买 QQQ、QQQM 就行。两者管理费分别是 0.18% 和 0.15%，都由 Invesco 发行，是美国规模最大的纳指100 ETF 组合，分红派息大约 0.4%–0.5%。

3周前

幻想靠投资硬件股票长期暴富的人最后都会是一地鸡毛。硅谷传奇投资人Marc Andreessen最近在Cisco AI峰会上，说了一个观点：很多人都认为“芯片掌握价值”，但实际上历史上所有芯片最终都会商品化（commoditize）。大概逻辑是，再牛的芯片、再高的毛利，通常只能维持一段时间。只要这个市场足够大、技术路线足够清晰，最后就会出现一堆替代品，把它变成“差不多都能用、主要比价格/供货/生态”的标准件，于是利润从“芯片本身”被压薄，要么转移到别的层（软件/平台/应用/服务/渠道），要么只剩少数环节还能保持高利润。

1个月前

台湾人均gdp破了4万美元。但有一半上班族的工资月薪不到9K 人民币，折合年薪不到1.6万美元。似乎人均GDP和普通人工资脱钩现象在很多地区越来越严重了。

1个月前

最近，硅谷传奇投资人 Marc Andreessen 在一期播客中放出一个非常“反共识”的判断： AI 最具颠覆性的时代，才刚刚开始。他认为，这一轮 AI 并不是“取代普通人”，而是把少数有能力、有判断力的人，直接放大成超级个体，从而对冲两个已经确定发生的长期趋势： 👉 生产率下滑 👉 人口老龄化 / 人口萎缩这不是一句口号，而是一整套关于教育、工作、公司形态、产业结构的重构路径。下面是这期播客里，最值得反复咀嚼的核心观点⬇️ 1️⃣ AI 来得恰逢其时在人口增长放缓、劳动力变少的背景下，AI 并不会“让人更不值钱”，恰恰相反。它会让每一个还能创造价值的人，变得前所未有地值钱。 2️⃣ AI 是现代版“炼金术” 它真正转化的不是代码，而是：普通算力 → 稀缺的思考力、判断力、创造力。 3️⃣ 教育的终极形态，其实很原始一对一辅导依然是效率最高的学习方式，👉 足以把一个普通学生，从 50% 分位拉到 99% 分位。 AI 让这种“精英教育”，第一次具备了规模化的可能。 4️⃣ 生产率跃迁 = 价格通缩当 AI 大幅降低边际成本，👉 住房、医疗、教育等“最贵的东西”，长期都会更可负担。 5️⃣ 数字世界狂飙，物理世界停滞不是因为技术不行，而是官僚流程 + 监管惰性，让现实世界寸步难行。 6️⃣ 最大的阻力从来不是技术而是： 👉 牌照 👉 垄断 👉 行业卡特尔这些结构，本质上是在保护旧秩序。 7️⃣ 未来最值钱的人长什么样？不是“亲手干活的人”，而是： 👉 指挥 AI 的人 👉 从零到一， orchestrate 一整套 AI 工具完成产品。 8️⃣ 工作≠岗位，而是任务组合。岗位不会一夜消失，但任务结构一定会持续被替换。拒绝换任务的人，才是真正被淘汰的对象。 9️⃣ T 型能力将成为标配纵向：一个领域做到专家横向：懂工程 + 懂产品 + 懂设计 👉 才能真正与 AI、与人高效协作。 🔟 管 AI，本质上像管人你必须理解它为什么这么做，否则给不出好反馈，也得不到好结果。 1️⃣1️⃣ AI 改造分三层产品是什么，工作怎么做，公司还需不需要“公司”这种形态 1️⃣2️⃣ 终极幻想：一人十亿美元公司一个创始人 + 一支 AI 机器人军团，直接做到全球规模。 1️⃣3️⃣ 现实依然很骨感真正卡人的不是核心能力，而是无数行政琐事、边缘 case、脏活累活。 1️⃣4️⃣ AI 模型正在极速商品化这也说明：👉 高门槛 ≠ 长期护城河 1️⃣5️⃣ 风投的本质是“不确定的乐观主义” 一次性押注成千上万种未来，赌其中极少数会真的发生。 1️⃣6️⃣ 人类智力有上限，AI 没有人类 IQ 天花板大约 160，AI 在理论上，可以到 200、300，甚至更高。 1️⃣7️⃣ 类人 AI 只是中途站真正的质变，是 AI 全面超过人类顶级专家的那一刻。 1️⃣8️⃣ 媒体的信息“杠铃策略” 要么看即时信息，要么读 50 年前的经典，👉 中间那一段，噪音最大。 1️⃣9️⃣ 播客 & 通讯的时代来了直接听行业核心人物说话，绕过大众媒体的信息过滤。 2️⃣0️⃣ Vibe coding（氛围式编程）不用写代码，只要描述风格、美学、感觉，，软件就能被“生成”出来。一句话总结： AI 不是在替代人，而是在重新定义“什么样的人值得被放大”。真正的分水岭，不是会不会用 AI，而是你有没有判断力、品味和方向感。

1个月前

没有出过国的人，真的应该尽可能早点走出去看看真实的世界。如果条件允许，最好去那些更成熟、更文明的国家生活一段时间。否则，很多时候，自己已经身处井底，却毫无察觉。认知的边界，本质上是惊喜密度的边界。在信息论里有个很朴素的直觉：只有超出你预期的东西，才算信息。一件事如果完全符合你原有的世界观，几乎不产生任何信息；而一件事一旦彻底打破你的默认认知，往往意味着巨量的信息，震撼，甚至不适。对一个从未离开过本土环境的人来说，他的世界模型通常高度一致：同一套语言、同一套价值观、同一套社会规则、同一套生活节奏，以及一套几乎从未被挑战过的“什么是正常”的判断标准。结果就是，外界发生的绝大多数事情，其实早就被他预演过了。没有意外，也就谈不上真正的理解。而当你第一次长期置身于另一种社会系统中，冲击是连续发生的。原来被视为理所当然的规则，在别处根本不存在；原来被嘲笑、被边缘的生活方式，在那里反而是主流；原来被包装成“先进”的东西，在别人眼里早已过时；原来人真的可以用完全不同的方式，活得稳定、体面、从容。这些体验不是见识，也不是知识点。它们是对你原有世界模型的系统性反例。而这种反例，书本给不了，短视频给不了，新闻也给不了。因为你在看的时候，大脑依然站在旧坐标系里，一切都会被自动解释、消化，甚至过滤掉。只有当你身在其中、无处可退，当规则真正失效在你身上时，认知才会被迫重写。那是一种很安静、却不可逆的变化，一次认知与世界观的整体升级。

1个月前

很多所谓的“投资高手”，会在这轮 AI 基建泡沫退潮时现出原形。现在很多科技巨头之间那些数百亿、上千亿甚至万亿级的互投与采购协议，实际上是左手倒右手的资金循环：你投我，我用你的钱买你的算力和服务，再拉上几家公司形成闭环。账面上需求爆炸，实际上外部真实付费需求占比并不高。扒开财务看，主流 AI 公司依然深度亏损。无论内部预测还是外部分析，OpenAI、Anthropic 等头部玩家在 2030 年前实现整体盈利的难度都极大，部分路径甚至显示，未来几年仍可能单年亏损数百亿美元，只能靠持续输血维持。企业端看起来到处在上 AI，但真正能带来营收或利润的案例极少。MIT NANDA 2025 报告显示，95% 的生成式 AI 试点未能带来可量化的 P&L 改善。 Nvidia 的一部分收入可能来自这种循环性营收，在某些阶段占比或达 10%–15%。当真实需求跟不上资本叙事，当融资收紧、估值回调、亏损持续扩大，靠故事和互投撑起来的繁荣，终究站不住。 AI 基建泡沫破裂时，谁在创造价值，谁在裸泳，一目了然。

1个月前

转一个日经的观点：空前的半导体存储器泡沫，真的已经来了。 DRAM 价格在短短一年内上涨 2～4 倍，部分季度涨幅高达 200%，甚至一度出现“无法形成大宗交易价格”的极端情况。这并不是需求全面爆发，而是 AI 服务器挤占产能、厂商主动收缩成熟制程所造成的结构性错配。当三星、SK 海力士、美光全面转向 HBM 和 DDR5，DDR4 被边缘化，价格上涨并非来自终端繁荣，而是来自“没人愿意生产”。更危险的是，涨价已经开始反噬终端：PC 出货量被下调，低端手机承压，消费电子需求被动收缩。历史反复证明：当标准化工业品靠“供给消失”而非“需求扩张”上涨时，往往不是周期起点，而是泡沫正在成形。

1个月前

不同文明，对“如何活完这一生”的默认算法：中国人🇨🇳：少年儒家，中年道家，晚年佛家（轮换式：人生允许多次换轨）韩国人🇰🇷：一生儒家打底，佛教止痛，基督教给终极意义（叠加式：高压之下，用宗教托底）日本人：一生礼法与责任，崩溃靠美学，结局归于接受（审美消化式：把痛苦变得可承受）美国人🇺🇸：一生新教伦理，失败可重来，意义来自个人使命（循环更新式：人生可以反复重启）西班牙人🇪🇸：天主教兜底，生活优先，失败被宽恕，节奏允许慢下来（宽恕休憩式：人生不是用来证明的）

2个月前

睡眠，大于一切。这几年，我不断研究投资、商业，同时也花了很多时间研究身体健康、心理健康，以及一些更底层、跨领域的规律。慢慢我发现一件事：真正决定一个人长期幸福的因素，其实非常少，而且非常基础。当然幸福不是由单一变量决定的，但在我看来，最重要的因素之一，毫无疑问就是——你能不能长期睡好觉。当你睡眠充足、节律稳定的时候，你会非常直观地感受到变化：情绪更稳定，心态更松弛；专注力更强，判断更清晰；身体状态开始形成正反馈，而不是靠意志力硬扛。反过来，很多人为了追求所谓的商业成就或投资收益，长期用牺牲睡眠去换结果。在我看来，这是一笔极其不划算、而且隐含巨大长期风险的交易。因为只要时间一拉长，你就会发现：你换到的，往往不是更高质量的成功，而是更低水平的幸福，和一副持续被透支的身心状态。

2个月前

美国并非在平均意义上追求“幸福最大化”的国家，更像是倾向于“极值产出最大化”的国家。它容忍大量的失败，允许社会剧烈分化，也不为个人的人生失败兜底。但长期来看，这种机制不断催生出极少数的超级成功者（如乔布斯、马斯克等），持续拉高人类成就的上限，而非压平整体分布，从而强化个体的自我选择与个人责任。真正富有生命力的复杂系统，都运行在“秩序与混乱的边缘”（edge of chaos）。美国长期驻留在这个最难以维持、却回报最高的动态区间。

2个月前

中上层家庭孩子为什么很多会出现阶层跌落？最近读了一本书，读完后带来强烈冲击，也留下了长久的思考余地。书名叫《Privilege Lost: Who Leaves the Upper Middle Class and How They Fall》美国社会学家 Jessi Streib 花了整整 10多年时间，跟踪了 100 多个出生在“中上层家庭”的白人孩子。从十几岁，一路看到二十多岁。结果出来的时候，连她自己都愣了一下：差不多一半的孩子，最后都跌出了原本的阶层。不是破产，不是家道中落，不是世界大战。只是一步一步，安静地向下滑。很多人误以为，只要父母是医生、律师、高管、教授，孩子就“稳了”。现实是父母条件相似，孩子命运差异巨大。差别不在钱多钱少，而在一些看不见、却致命的东西：有没有被反复教过：规则是用来遵守的有没有被逼着面对现实：激情≠饭碗有没有被系统性地规划过：读什么、做什么、怎么退路有些家庭，给的是资源；有些家庭，给的只是自由。而自由，如果没有资源托底，往往是个陷阱。在研究中，他发现有三类中上层家庭的孩子，相对最容易出现阶层跌落⬇️：第一类是叛逆者，个性和自我极强，不断挑战学校、组织、制度。毕业后却突然发现：没有公司愿意接纳他。第二类是艺术家 / 运动员类型，坚信“热爱可抵万难”，却低估了一个事实：艺体类的专业岗位，尤其是可以赚大钱的，本来就极度稀缺第三类是理想主义者，在人生各种选择上，都是优先选择“我喜欢的”，而不是“我能积累的”。这些孩子做的选择，在当下看起来都很“酷”、很“自我实现”。但长期看，却在不断削弱自己留在原阶层的可能性。整个阶层向下流动的过程，几乎从来不是“突然发生”的。它不是一次重大失败，是在很多年里，一连串看似合理的选择： “这次不听话也没事” “先做喜欢的，再考虑现实” “爸妈以前也走过弯路，最后不也成功了？” 问题在于，他们看到了偶发成功，却忽略了长期资源不足的复利效应。等意识到的时候，阶层已经换了。但同时作者也发现，阶层跌落的孩子并没有由此更痛苦。这些“跌落”的人，并不一定更痛苦。他们未必更穷，但更自由。未必更成功，但更自洽。只是他们不再属于原来的世界了。

3个月前

美股七姊妹中几个科技巨头，总有一天会走到增长放缓、甚至见顶的阶段。别忘了上世纪的美股科技一哥 IBM，不也经历过同样的命运。日光之下，无新事。 AI 时代的第一阶段，是“七巨头把未来涨完了”。技术刚突破时，红利高度集中，所有资金都会拥挤在最核心的几家公司里。但真正决定长期财富的，从来不是“技术突破”，而是技术扩散（technology diffusion）。当 AI 成本下降、工具成熟、产业全面接入之后，技术红利会自然地、必然地从几只头部美股外溢，扩散到全球无数家真正“会用 AI 干实事”的企业身上。那个时候真正赚钱加速的主角开始换人，不再是平台股，而是那些能把 AI 融进现实世界的公司。第一阶段看到的是“技术源头的巨头”。第二阶段真正创造长期财富的，是技术扩散后的产业落地者。

3个月前

个人一个感受，最近20年，很多国内大城市移民到🇨🇦加拿大的高学历中产似乎戾气都非常重。很多人都在抱怨加拿大政府，且生活压力大，而且有种说不出的失落感。在那边到手收入没国内时高，生活成本是国内的几倍，且不断变高，治安也在不断恶化。这也说明了一个道理：无论在哪里，如果一个人主观经济压力过于大的话，对人的直接影响会远超过所谓的“制度”。

3个月前

很多人忽视了一个道理，美股波动是常态，而不是意外。你以为“美股今年波动很大”？事实是：每一年都波动很大。自 1980 年以来，标普 500 平均每年都会出现约 14% 的年内最大回撤跌幅，但与此同时，它的年化收益仍然高达 +12%。想避开风险？可以。代价是你同时也避开了回报。 “投资者因为担心下跌而错过的收益，远比下跌本身损失的更多。” ——彼得·林奇真正的高手，不是没恐惧，而是学会在恐惧中复利。

#美股波动 #风险与回报 #年化收益 #彼得·林奇 #投资策略

3个月前

最近阅读了很多心理学文献，发现00是心理健康状况最差的一代人，之后10后会更差。短视频、无限信息流、算法推荐、本质上是一种“计算机生成的多巴胺洪水”。未来几代父母的新“第一责任”，不再是传统意义上的“管教”，而是：对抗孩子更早、更频繁、更深度地接触智能手机与短视频。在这个技术指数级发展的时代，家庭教育最核心的任务正从“教知识”，转变为“保护认知环境”。

#00后心理健康 #多巴胺洪水 #智能手机依赖 #认知环境 #家庭教育

3个月前

最近周末那个访谈里，马斯克说出了他认为为什么 BYD、小米、理想都无法真正超越特斯拉的底层原因。 R. Baron 问他：中国企业也在“快速学习”，传统车企拥有更雄厚的资源、更悠久的历史，为什么他们却做不到你做到的事？马斯克的回答，带着典型的物理学思维： “因为他们走的是增量主义——一年改 5%，最多 10%。而我们，是从第一性原理重新审视整个系统。” 这一句话就把差距解释得明明白白：别人是在修补旧框架，而特斯拉是在重建新框架。增量改进，是在旧地图上找路；第一性原理，是重新绘制地图本身。

#马斯克 #特斯拉 #第一性原理 #创新 #超越

4个月前

很多投资AI硬件公司的人，其实并不真正理解“训练（Training）”和“推理（Inference）”在算力需求上的巨大差异。普通用户在使用AI应用时，实际消耗的算力极少，远远低于模型训练阶段。大模型（如 GPT-4、Claude、Gemini 等）在训练时，需要数千甚至上万张 H100 显卡并行运行数周。而进入推理阶段后（也就是你在手机上向ChatGPT提问时），只需几张 GPU 的部分算力，有时甚至仅靠 CPU 或低功耗芯片即可完成。就是说每次调用 GPT、Midjourney、Claude 等应用时，所消耗的算力仅为训练期的百万分之一到千分之一。

#AI硬件投资 #训练与推理差异 #算力需求 #大模型训练 #GPU

4个月前

2000年互联网泡沫的本质不是 dot-com，而是电信业（Telco）泡沫，背后资本大量投入光纤与基建，超前于实际需求。现在AI 也大概率会出现“数据中心泡沫”，资本投入过多 GPU 与算力，超出实际模型需求。每一轮科技泡沫的核心，其实从来不是新技术本身，而是为技术铺路的那批基础设施投资者。真正的过热，总是出现在最“看似稳健”的地方。

#互联网泡沫 #电信业泡沫 #数据中心泡沫 #AI #基础设施投资

4个月前

一个人突然发生巨大积极转变，通常源于两大动力：第一个是目标觉醒🎯，突然拥有一个更宏大、更清晰的目标，意识到当前的生活并非所愿，必须打破旧习惯、摆脱旧轨道，从而开启渐进式改变。第二个是恐惧驱动，突然预见“若继续现有习惯和生活”将走向何种结局，或可能成为怎样的人，这种恐惧如警钟，催生彻底的行动。

#目标觉醒 #恐惧驱动 #积极转变 #打破旧习惯 #警钟

4个月前

突然意识到，其实只要愿意亲自花一点时间去追溯信息源，一层一层往下挖，去读、去看最原始的材料，就已经领先了至少 99% 的人。以今年为例，美国 SEC 的几场关键讲话，以及几项重磅的加密法案（比如 Project Crypto），完整演讲视频其实都公开在 SEC 官方的 YouTube 频道上。我点进去看了一下——播放量竟然只有几千次。这意味着，绝大多数人接收到的，都是经过二次剪辑、解读、甚至被算法包装过的“二手信息”，甚至只是短视频里的片段。

币圈“1011”六倍崩盘：高杠杆爆仓潮，谁在裸泳？· 6476 条信息

#信息溯源 #SEC #加密法案 #二手信息 #独立思考

4个月前

有父母花时间陪伴的孩子，即使就读免费的公立学校（非垫底的那种），他们的成长结果往往也优于那些父母忙于赚钱、缺乏陪伴、却送孩子去高价国际学校的同龄人。美国社会学家罗伯特·帕特南（Robert Putnam）在 2015 年出版的《Our Kids: The American Dream in Crisis》中，总结了大量长期研究：真正能预测孩子教育成果的，不是家庭的经济资本，而是情感与社会资本（emotional capital）。即使在低收入家庭，只要父母积极参与孩子的生活、给予情感支持与时间陪伴，他们的孩子在升学率、心理健康和社会适应等方面，也能接近中产家庭的水平。

#阶层固化：求变之路，殊途同归· 976 条信息

#亲子陪伴 #教育成果 #情感资本 #社会资本 #家庭教育

4个月前

Dan Koe 最近在油管上的一个观点非常值得思考：在 AI 时代，单一技能的价值会被迅速稀释。但有几种能力，却几乎无法被AI取代： 🔗 跨领域连接的能力 —— 能把不同学科、不同经验串联成新的认知框架； 🧭 多角度思考的能力 —— 从逻辑、情感、系统、长远等不同层面看待问题； ⚡ 快速学习的能力 —— 面对新领域能迅速吸收、建模、验证； 🧩 整合资源与解决问题的能力 —— 把知识、工具、人脉转化为具体成果。在信息过剩、变化剧烈的时代，这些综合能力，才是人与 AI 的真正分界线。

#AI时代 #综合能力 #跨领域连接 #多角度思考 #快速学习

5个月前

与其直接追求某个结果，不如创造合适的制度或体系，让期望的秩序和成果自然而然涌现。

#制度建设 #体系优化 #秩序构建 #成果涌现 #积极

6个月前

99%的美股散户，最后都会输给市场，时间问题而已。研究显示，即便是在美股牛市的2024年，散户靠自己选股（非ETF基金）能跑赢大盘的，也只有约三分之一。换句话说，每年都会有约三分之二的散户会输给市场指数。如果把时间拉长到10年、20年，能持续跑赢市场并赚到超额收益的人，比例几乎低于1%。因为年复一年“筛选”下来，能留下来的赢家（领先市场指数的）会越来越少，直到只剩极少数人。 99%的普通人并不适合长期主动投资挑股票。更重要的是，要提醒这99%的人，不要轻易把自己幻想成那1%，否则早晚会在投资路上吃大亏。

#美股散户 #跑输市场 #主动投资风险 #长期投资 #警示