rick awsb ($people, $people)

统计数据

295
文章
0
粉丝
0
获赞
6370
阅读
avatar
川普版“房住不炒”的真正目的 川普这两天连续就美国房地产问题发声： 一边喊话要限制华尔街资本继续收购独栋住宅，一边又提出政府买入约 2000 亿美元抵押贷款支持证券（MBS）、压低房贷利率。 熟悉中国地产过去几年发展的投资者是不是很眼熟？ 这不就是房住不炒吗？ 川普既打压房价，又托底地产。 他真正要防的，其实是三件事： 房地产快速下跌 → 中产资产负债表恶化 成交冻结 → 地方经济与社区银行出问题 “股市新高 + 房价下跌” → 强烈政治反噬影响中期选举 长期来看，美国已经进入“AI 经济的k形增长” 房地产在 AI 时代，成了重要的社会稳定器 对很多普通家庭来说： AI 红利拿不到 股票仓位有限 唯一能感知、能确认“我还没掉队”的资产，就是房子 一旦房价快速下跌、交易枯竭，心理冲击会远大于经济数据本身。 这也是为什么，川普及美国的精英阶层，肯定不希望房地产失控下行，因为这可能进一步的演变成社会撕裂的一个触发器（另一个是就业）。 川普的房住不炒，其实和东大的房住不炒，非常像 川普这套房地产政策，本质上是为中期选举控风险、稳情绪、抢叙事。 对川普中期选举来说，房地产政策是否成功不重要，重要的是： 选民别在投票前“感觉更穷” 别出现区域性、结构性的民生危机 叙事上站在“普通人对抗资本”的一边 理解这点，就能理解川普的“房住不炒”，并不能重启或者催生房地产大行情，而仅仅是兜底。
avatar
我简单看了一下 川普4月没有抄底的，ai第一波一直怀疑泡沫没有上车的，和现在还认为26年ai落地风险很大的 基本都是同一拨人 粉红，左派 这真是意识形态决定智商，智商决定收益吗？ 还是我信息茧房了？
avatar
《谁才是委内瑞拉真正的敌人？》 --- 难得的墙内好文，对说中文的“精神委内瑞拉人”骂得痛快！ 趁还没404，全文转发。 作者，公众号：捉刀时间max “奥古斯丁指出：国家一旦没有了正义，就沦落为一个巨大的匪帮。 克莱蒙梭也说：没有了正义，祖国就是一座监狱。 但德国二战时期的宣传部长却认为：没有了国家，你什么都不是。 显然，那些精神委内瑞拉人，秉持的便是后一种价值观。” 以下是全文： 据多家权威媒体报道，美国实施了比斩首更诛心的抓捕行动。委内瑞拉的马杜罗夫妇，为什么这么容易就被美军带走，川普解释称是因为美军的专业、精良、高效，但实际原因是委内瑞拉的人民做了带路党。 至于美国为什么会动手，可以参看上个月公布的《美国国家安全战略》，美国将严厉打击拉美的非法移民和成瘾品，这几乎复活了19世纪的门罗主义。 至于委内瑞拉人民为什么愿意做带路党，原因也很好理解，委内瑞拉自查韦斯以来，经济一落千丈，老百姓生活困苦，以至于屡试不爽的民粹主义，到了马杜罗时代，竟然玩不下去了。 上世纪90年代，委内瑞拉凭借石油出口一度实现经济繁荣，人均GDP位居世界前列，是拉美最富裕的国家之一，民众享受着免费的教育、医疗等等优厚福利。然而自查韦斯上台后，他推行强制国有化，将石油收归国有，关闭媒体，鼓吹民粹，削弱国会，异化司法，将军队深入嵌入行政，从而建立起了高度集中的权力体系，并通过渲染外部风险，把自己塑造成了反美斗士，最终通过修改根本大法，实现了终身制。 但所有命运馈赠的礼物，都已在暗中标好了价码。查韦斯的强制国有化，导致外资被迫清零，委内瑞拉的制造业，包括石油精炼技术一落千丈。更致命的是，石油的国有化成为了权力寻租的温床。委内瑞拉石油公司作为国家经济的“主动脉”，竟然沦为了分赃的工具，查韦斯集团任人唯亲，甚至就连技术岗都被亲信占据。 马杜罗上台第二年，委内瑞拉便不再公布经济数据，但据世界银行测算，2024年委内瑞拉的人均GDP已经不足1500美元，距最高点暴跌90%。而且通货膨胀率奇高，2019年通货膨胀率高达9585%，2020年为2959%，2025年预计高达270%。换句话说，如果2015年你有100万，2025年已经不值1块。据世界货币基金组织测算，2024年，86%的委内瑞拉人生活在贫困线之下，也就是月均收入不足210美元。随着石油产业的崩溃，委内瑞拉的福利早已名存实亡，比如医疗覆盖率从45.8%下降到了3.4%。 正如《掉队的拉美》的作者爱德华兹所说：委内瑞拉的衰落并非偶然，过度干预、货币操纵与彻底腐败，共同织就了委内瑞拉的发展牢笼。爱德华兹将委内瑞拉形象的描述为租金国家，也就是政府通过将石油国有化，即可过上地主收租的日子，自然无需对民众负责，权力异化的风险自然也会急剧攀升。 诺奖得主斯蒂格利茨也曾指出：资源富集不一定是福祉，若缺乏健全的制度约束，丰富的资源只会成为腐败的催化剂。这句话精准概括了委内瑞拉的悲剧，作为全球石油储量第一的国家，委内瑞拉90%以上的财政收入依赖石油出口，但这笔巨额财富并未惠及全民，而是被腐败网络层层截留，成为了少数阶层的提款机。 比如2017年，委内瑞拉国家石油公司仅仅在东部奥里诺科河流域的石油项目中，通过虚报价格、虚构合同等等方式，造成国有资产损失高达350亿美元。马杜罗集团的核心人物、国民议会主席卡贝略，被曝涉嫌多起重大腐败案件，收受贿赂超过5000万美元。 有精神委内瑞拉人睿智的指出，委内瑞拉人民有能力自己解决自己国家的问题，川普逮捕马杜罗，是干涉他国主权，美西方和带路党，才是委内瑞拉的敌人。 像这样一个骑在人们头上作威作福的政权，难道就不该有外来的干涉吗？对于这样的流氓国家，难道只能放纵其肆意践踏和压榨民众吗？ 奥古斯丁在《上帝之城》中犀利的指出：国家一旦没有了正义，就沦落为一个巨大的匪帮。法兰西之虎克莱蒙梭也说：没有了正义，祖国就是一座监狱。但另一种价值观，比如德国二战时期的宣传部长却认为：没有了国家，你什么都不是。显然，那些精神委内瑞拉人，秉持的便是后一种价值观。 把一个国家缩小到一家企业，如果企业的管理层肆意践踏劳动者、压榨劳动者，难道你依然认为，这是企业的内部事宜，企业的管理权不容外来的干涉吗？除非你压根不是劳动者，而是管理层，你当然不会与劳动者共情。 雨果在他的最后一部长篇小说《九三年》中写道：祖国，就是那个当你不得不离开时，会为之流泪的地方。这泪水，是为大好河山而流，是为家乡父老而流，是为文化记忆而流，绝不是为了掌权者而流。掌权者不等于国家，掌权者的敌人也不等于国家的敌人。 所以，委内瑞拉的敌人到底是谁？ 1930年，胡适的政论文集《我们走那条路？》一经刊出，瞬间搅动了风雨如晦的思想界。1930年7月，梁漱溟致信胡适诘问道：大家公认的第一大仇敌是帝国主义，其次是封建军阀。您却认为不是，而是贫穷、疾病、愚昧、贪污、扰乱，这有什么道理？ 胡适的回信透着一股怒其不争的意味：什么都归结于帝国主义，那么张献忠、洪秀全又归咎于谁？今日满天满地的罂粟，难道都是帝国主义强迫我们种的？帝国主义扣关门，为何日本却藉此一跃而起？ 这便是著名的梁胡之问。 当委内瑞拉的民众在艰难度日时，马杜罗集团却垄断了石油、电信、金融等几乎所有的赚钱行业。跟老百姓一起富，哪怕是一起穷，权力也是稳固的，但若一起穷，那要权力还有何用？因此，阶层分化是必然的，特权阶层是内生的。 所以，谁是委内瑞拉真正的敌人？ 答案早已明晰，西方与美国不过是历史的过客，专制、愚昧、奴性才是潜伏在委内瑞拉的敌人。 只有当委内瑞拉人民决定不再继续当奴仆，他们才能获得真正的自由。那时，那些作威作福者，就会像一个底座被抽去的巨像，轰然倒地，摔得粉碎。
avatar
抓捕马杜罗之后：美国真的“赚”了吗？ —--- 委内瑞拉会不会立刻变成一个亲美国家？ 在马杜罗被移除之后，委内瑞拉内部博弈来看，其接下来政治走向可能性最大的有三条： 权力碎片化的长期拉锯，或者去马杜罗、但不亲美的军方势力主导的务实型政府，以及中立的反对派组建的新政府。 第一条路径：碎片化与拉锯，其实是“对手成本最大化” 权力碎片化意味着委内瑞拉短期内难以恢复稳定秩序，军方、派系和利益集团相互制衡，国家进入更低效率运转状态。 从道义看，很糟糕； 但从大国竞争视角看，这反而是对美国的高性价比局面。 一个无法迅速恢复秩序的委内瑞拉，不再是中国和俄罗斯可以低成本经营的“稳定支点”，而是一个持续消耗资源的负资产。托底它，需要外交、金融、能源和安全层面的长期投入。 而美国，并不需要接手治理。 换句话说，这是一次典型的不对称消耗： 美国付出一次性行动成本，对手承担长期结构性成本。 混乱的委内瑞拉，是美国对抗中俄的阶梯！ 第二条路径：不亲美，但“去马杜罗”，反而更现实 另一种可能，是出现一个以军方或技术官僚为主导的新政府。它不会公开倒向美国，但会主动寻求制裁缓解、能源合作和经济恢复。 这种政府，对美国来说并不“完美”，却高度可交易。 因为在能源问题上，新政府如果不想重蹈马杜罗的覆辙几乎必然采取务实路线，与美国和西方石油体系重新建立有限合作。 这无形中意味着降低对中俄的依赖。 在拉美政治环境中，这种结果反而更容易被周边国家接受，也更可持续。 第三条路径：相对中立政府 这种政府的典型姿态是： 对美国保持合作但不绑定 对中俄关系降级 对内回避意识形态，强调恢复经济与秩序 这条路径对美国最有利，但这本身在委内瑞拉目前的政治生态中，是高难度选项。 原因很简单： 中立意味着必须同时承受来自多方的压力，却缺乏足够的制度与经济缓冲能力。 在委内瑞拉这种高度资源化、制度被掏空的国家，中立政府往往面临两种风险： 要么迅速被外部力量重新拉拢；要么在内部权力博弈中失去军方与安全系统的信任。 所以，美国这次行动到底是亏是赚？ 如果问题是： “美国能不能马上换出一个亲美政府？” 答案是：可能性不高。 但如果问题换成： “美国是否削弱了一个对手阵营的稳定支点，并提高了自身在能源与金融秩序中的议价权？” 答案就很明确了。 无论是碎片化拉锯，还是去马杜罗化，委内瑞拉都不再是一个可靠的反美节点。这本身，就已经改变了博弈结构。 更重要的是，这次行动重新强化了一件事： 美洲，仍然是美国人的美洲！ 图：川普和门罗
avatar
推特上开始有人yy东大可以对台湾进行美国对委内瑞拉类似的斩首行动了 简单科普一下政治学基本原理： 斩首行动对台湾无效 因为台湾体制高度制度化、去人格化（不是抓一个人能解决） 非个人集权体制，决策与动员机制有冗余： 权力交接宪法规定，赖不能履行总统权力，会顺位过渡给下一个可履行权力的行政官员， 这点和某些国家完全不同
avatar
美国在对委内瑞拉打击所展示的算法 + 情报 + 斩首的能力，只适用于特定条件的对手： 权力高度个人化，安全体系对个人高度绑定，内部存在忠诚问题，核心决策集中在少数节点 委内瑞拉只是样本之一 当然，对于核大国，这样的能力肯定不会这么用，但仍是可验证的威慑工具 因为美军不需要真的行动，只需要让对方相信： 我知道你在哪，知道什么时候最脆弱，有能力进行打击 这本身就会： 改变对方行为 提高对方安全成本 限制对方外交/军事动作 这甚至可以成为和有核大国战争前的最后一层选项
avatar
《从斩首马杜罗看美军委内瑞拉行动的战略战术特点》 --- 含可能受益的美股分析 川普刚刚发推称，美军已经生擒马杜罗！ 从战术层面看，这是一次典型的“斩首行动” 这意味着，作战窗口极短，火力使用克制，美军不需要长时间暴露 可圈可点的地方在于，马杜罗在被活捉前几小时，还在会见中国外交官员，这说明： 情报验证完成后，几乎没有缓冲期 行动本身时间短、路线固定、节点清晰 美军在行动前很可能已经知道，马杜罗的位置，安保安排，马杜罗行程等应该是委内瑞拉国家顶级机密的信息。 这些信息，单凭外部情报工作几乎不可能完全获得 截至目前，委内瑞拉： 没有爆发全国性军事对抗 没有出现大规模忠诚反扑 高层体系迅速“静默” 这说明，委内瑞拉的安全与军警系统，早已在心理与组织上被分层渗透和瓦解 这次行动，是美国系统能力的体现。 全球实时 ISR 网络的优势是“代差级”的 ISR = 情报、监视、侦察 美国在以下方面几乎没有对手： 卫星（光学 + 雷达 + 红外） 空中平台（高空无人机 + 侦察机） 信号情报（通信、定位、电子特征） 金融与通信数据交叉验证 为什么中国、俄罗斯没有提供“有效支持”，尤其是情报支持？ 很可能不是没能力，而是太多漏洞： 委内瑞拉通信系统高度暴露 高层通信极易被监听 任何“异常加密通信”都会被美方标记 没有后续行动能力 情报如果不能转化为： 转移 反制 突破 那就是单向暴露自己情报网络 委内瑞拉内部的“忠诚问题”才是致命因素 这一点往往被忽略： 情报不是被“外部压制”，而是内部已经不再可靠 军警系统经济利益分化 高层对马杜罗个人命运不再绑定 美方长期通过制裁、豁免、威慑制造裂缝 在这种情况下： 任何外部情报支持都会被迅速泄露 甚至反过来帮助美方校验信息 总的来说， 美国这次行动，堪称完美，其展示的是，低烈度、高确定性、高度可控的情报和军事能力 估计接下来，还会有更多的这次行动的相关信息披露，而这里面的幕后大脑，估计少不了我们熟悉的那个名字：pltr （本文非投资建议，本人持有推文提及资产，观点充满偏见，dyor）
avatar
ai吞噬软件趋势下的，下一代高价值软件的 5 个硬标准 --- 读懂这些标准，才能预判下一代应用，和下一代web3应用的形态 1️⃣ AI 是“执行主体”，不是“辅助工具” 旧软件： 人点 → 系统算 → 人确认 新软件： AI 决策 → AI 执行 → 人审计 AI 不只是帮你写文案，而是： 自动跑流程 自动调用资源 自动处理异常 2️⃣ 软件直接绑定“结果”，而不是“功能” 下一代软件卖的不是： “我能帮你做什么” 而是： “我对结果负责” 例如： 自动完成一个合规流程 自动达成一个业务目标 自动控制风险在阈值内 👉 责任绑定 = 护城河 3️⃣ 软件是“长期运行的系统”，不是一次性交互 模型即应用，解决的是： 单次问题 即时响应 下一代软件解决的是： 持续状态 长期博弈 多主体协同 只要系统需要： 状态记忆 历史约束 责任追溯 👉 模型就不够，必须有软件系统。 4️⃣ 软件深度嵌入现实世界的“不可逆约束” 例如： 钱（结算、风控） 法律（合同、合规） 物理世界（能源、物流、制造） 越靠近现实摩擦的软件，越不可能被“模型即应用”吞噬。 5️⃣ AI 反而提高了系统迁移成本 这是最反直觉的一点： AI 越深度参与，系统越难换。 因为： AI 学习的是你的数据 你的数据嵌在系统里 系统嵌在你的组织流程里 👉 AI = 黏合剂，而不是破坏者（对系统层而言）
avatar
美光ath，wdc ath，sndk ath neo cloud 强劲反弹 加速还在被加速！
avatar
《新年重磅！运行轨道下调，Starlink的再一次降维打击》 ---480这个数字意味着什么？ 新年第一天，SpaceX就来了个大的， 其副总裁Michael Nicolls今天宣布（马斯克没有亲自宣布，估计一年难得休息一天），将对 Starlink 星座进行一次大规模轨道重构： 今年开始，把原本运行在 约 550 公里高度的约4400颗卫星，整体下调到 约 480 公里，预计27年完成调整 从官宣看，这是一项“为了太空安全、减少碎片风险”的工程调整。 当然，各媒体和自媒体并没有意识到，这实际上是spacex独霸LEO近地轨道最佳数字通讯太空层的野心的进一步实现。 一、为什么要从 550 公里降到 480 公里？ 先看最直接的工程与监管逻辑。 轨道越低，大气阻力越大，这意味着： 卫星需要更频繁的轨道维持（station-keeping） 单颗卫星的自然在轨寿命会缩短 但与此同时： 失效卫星和碎片的自然再入时间显著缩短 一次事故不再意味着几十年的公共风险 在 ~550 公里： 碎片可能滞留二三十年甚至更久 事故的外部性是长期、公共、不可逆的 在 ~480 公里： 失效后再入更快 外部性显著降低 更符合监管“风险可控”的底层偏好，从而更容易获得监管的放行 因为 太空数据中心一旦成规模，就不只是商业问题，而是太空安全问题 在这种语境下： 480 km：失效可控、外部性低，更容易被制度接受 550 km：一旦出事，就是几十年的公共风险 因此，这次降轨的表面逻辑是： 用工程复杂度和单星寿命，换取ITU等国际组织的制度空间与长期合规性。 二、480 公里不是普通低轨，而是稀缺的“甜蜜点” 近地轨道并不是均质空间。 从通信与算力星座的角度看： 300–400 公里：衰减太快，补网成本失控 600 公里以上：碎片滞留时间长，监管压力迅速上升 450–500 公里区间： 延迟足够低 工程上可长期运行 外部性与监管风险相对可控 这一区间，才是真正的 轨道甜蜜点（sweet spot）。 综合轨道动力学、避碰复杂度与监管实践来看： 当 ~480 公里轨道壳层内的在轨卫星数量达到约 6,000–8,000 颗时， 该高度将的空间的飞行器容量几乎让竞争对手不再可能同规模的复制spacex的卫星数量。 其中，~7,000 颗是一个重要的现实分界点。 在这个密度下： 单星自治已经不够 必须依赖星座级协同调度 风险不再线性增长，而是陡峭上升 后来者即使具备发射能力： 前几百颗还能运行 上千颗之后，监管、保险与资本压力迅速放大 竞争对手想再在此轨道上部署上千颗卫星，在风险收益约束下几乎不可持续 三、为什么 480 公里对“太空数据中心”是相变点，而 550 公里不是？ 很多人会以为： 480 km 和 550 km 的差别，只是“更低一点、更安全一点”。 但对 太空数据中心（space-based / orbital data center） 来说，这个差异是本质性的。 1️⃣ 延迟：决定“算力是不是能进计算闭环” 480 km： 地面 ↔ 在轨 RTT 约 20–40 ms 已进入： 实时推理 军事/安全决策 高频数据预处理 的可用区间 550 km： RTT 更接近 30–60 ms 开始被地面边缘云与地面数据中心压制 更像“中继节点”，而非计算节点 2️⃣ 网络形态：没有轨道级 mesh，就没有数据中心 太空数据中心的核心不是算力，而是网络。 在 480 km： 卫星密度足够高 星间激光链路可以形成稳定的 mesh 更接近“轨道骨干网” 在 550 km： 节点更稀 网络相对更偏航天通信 更难以形成数据中心级互联拓扑 3️⃣ 以能力，形成新的高国际标准 在太空中，密集的飞行器，只有在 480 km 这一高度附近，才会比较快的自动再进入大气层烧毁。 因此这个高度的发射许可，更容易为国际监管所接受。 但是，失效节点再入快，也意味着维持轨道的成本更高，但这恰恰是spacex的独家优势。spacex的独步全球的低成本运力，才能让starlink在这个轨道上，给卫星提供更多燃料，补网节奏可控，而且还可以把卫星视为“消耗型节点” 而在 550 km： 节点更像“必须长期不出事的资产” 仍停留在航天器可靠性逻辑 当spacex形成480公里轨道的事实的标准后，未来国际组织制定新的标准更可能参考spacex，而这又将给后来者造成极大的进入门槛。 结论 如果未来回头看，Starlink 从 550 公里下移到 480 公里，很可能不会被记作一次普通的工程调整，而是： 近地轨道从“航天项目竞争”， 走向“通信基础设施”， 走向太空标准定义 再走向“轨道级计算与数据基础设施”的关键一步。 这将为即将ipo的spacex增加多少市值？时间会告诉我们
avatar
说实话，如果得到对ai是这个认知 那得到还真挺无知的。。。
avatar
《美股生命科学2026展望：从市场错误中寻找alpha》 截至目前，当市场谈论 AI × 生物科技（BioTech） 时，并没有开始真正重新思考ai带来的范式转移，仍大量的沿用旧周期经验来指导对公司的估值和投资。 这正是我们可以找到Alpha的地方。 本文的目标，就是来讨论2026，市场可能会错在哪里。 一、从“AI 药物设计”到“物理机制 + 人体效应建模”的迁移 当前 AI 在药物研发中的成功，主要集中在早期候选体筛选： 分子生成、靶点匹配、活性预测。 但真正决定价值的，并不仅仅是“能不能生成候选分子”，而是： 能不能预测真实人体中的疗效与安全性。 传统 AI 依赖统计拟合，本质上难以处理人体内复杂、非线性的系统反应。这也是为什么临床转化率始终是行业的硬天花板。 正在发生的迁移是： AI + 生物物理机制模型 + 系统级仿真。 一旦“可解释的机制模型”被引入，AI 不再只是筛选工具，而开始触碰临床成功率的决定性变量。 这可能是 2026 年前后一个真正的分水岭。 市场误判点： 仍把这类平台当作“更聪明的筛选器”，而非临床风险定价工具。 二、投资不是关键，合规才是：定价权来自“被迫统一” 市场普遍认为： 生物医药监管严格，AI 只能在早期发现阶段提效。 但 AI 的真正冲击并不是“发现更快”，而是： 监管机构开始只认可“某一类可解释、可审计的 AI + 合规流程”。 一旦发生这件事，传导路径会非常残酷： 资本进入 → 监管提高可解释性要求 → 合规流程被系统化 → 行业被迫采用统一合规栈 → 合规系统获得准垄断定价权 当某个平台被 FDA / EMA / 大药企内部“指定采用”， 它不再是 SaaS，而是准监管基础设施。 市场误判点： 低估了“合规接口层”的结构性权力。 三、对生命科学来说，算力不是最大的瓶颈，数据闭环才是 带着对大模型的理解，大量的市场投资者认为： AI 制药 = 算力 + 大模型 CapEx 越多 → 模型越强 → 成功率越高 但bio tech的真正的瓶颈，很可能不在算力，而在： 实验能否持续、标准化地产生数据 临床与生产过程是否可被结构化为“可学习对象” 真实的传导路径是： 算力 → AI 辅助实验服务 → 实验 / 生产运维标准化 → 高质量、可追溯数据资产 → 反向喂养模型 → 定价权从模型转移到数据系统 这也是为什么一些看起来像设备商 / 外包 / 工业服务的公司， 其经济属性正在切换为：AI 数据基础设施。 四、AI 不是省钱，而是“提前释放未来现金流” 旧经验认为： AI 只是提高效率、降低成本，因此估值影响有限。 但在 BioTech 中，AI 真正改变的是： 失败率的分布，而不是流程速度。 如果 AI 能显著改善 II → III 期 的成功概率， 那么未来现金流的后验概率就会被系统性上调。 这不是“效率提升”，而是资产风险定价模型的改变。 市场的典型误判是： 仍把 AI 视为 Opex 优化工具，而不是风险曲线重塑工具。 五、AI 不是替代临床，而是重塑临床 传统逻辑下，早期临床资产被系统性折价，因为失败率高、随机性强。 但现实变化是： AI 能提前识别亚组受益人群 优化中间指标与替代终点 提升真实信号被捕捉的概率 这意味着： “失败率高”不再等价于“不可押注”。 Alpha 机会，存在于那些用 AI 重构临床设计与证据生成路径的资产中，而不是传统意义上的“赌运气”。 六、监管也许拖慢 AI，但可能加速分化 市场常假设： 监管周期长 → AI 创新难以快速被认可。 但现实趋势是： 监管机构正越来越关注可解释、可验证的 AI for Drug Discovery。 在监管咨询阶段就能形成共识的 AI 技术， 其估值重估往往早于商业化落地。 误判在于： 低估了监管对“高质量证据生成系统”的需求强度。 七、AI 让“药物再定位”第一次具备规模经济 药物再定位在旧周期中，接近随机试验。 但 AI 可以： 系统性挖掘公共与私有数据 快速构建高概率验证路径 形成低成本、高成功率的资产组合 GLP-1 的从糖尿病药到减肥药，就是这个领域教科书级别的案例。 GLP-1 的再定位，本质上是依赖长期临床观察而不是依靠ai 未来，这样的重定位依靠ai，将不再是小众策略，而是一种可复制的资产生成机器。 展望：真正的 Alpha，来自市场可能犯错的地方 AI 驱动的 BioTech 投资，最大的风险不是看错技术，而是用对过去十年有效的框架，去理解一个已经开始换底层逻辑的行业。 不光对生命科学，对几乎各行各业，在新的一年里，我们都可能能找到类似的机会，巨大的机会！
avatar
2026 年潜在高回报资产的系统性梳理（基于 AI 驱动的经济结构重构） --- 新年的第一份小组讨论的会议纪要 一、问题定义 2026 年，市场上潜在 risk-reward 最好的资产类别有哪些？ 判断标准不基于短期行情或市场热度，而是： 基本面增长幅度 / 斜率 趋势是否发生结构性改善 是否存在市场尚未充分定价的重大变化 二、方法论确立：本轮讨论采用的“统一判断框架” 在反复对比多个板块后，我们逐步收敛出一套隐含但稳定的判断逻辑： 该板块是否处在“系统层级”的位置，而不是边缘应用？ AI / 新技术是否改变了它的“经济属性”，而不只是效率？ 市场是否仍在用旧的定价模型理解它？ 其重点是： risk-reward 是否呈现非对称（下行有托底、上行有重估） 三、第一轮筛选：哪些板块自然进入讨论？ 在这一阶段，进入讨论的板块包括： AI 核心基础设施（算力 / 电力 / 系统效率） 太空板块（是否只是军工？） 数字资产 能源转型 新材料 生物科技 贵金属 军工 制造（3D 打印） 网络安全 / 数据安全 关键判断： 👉 “这个板块的增长，是线性的，还是范式级的？” 四、分析和结论 1️⃣ 为什么 AI 核心基础设施被锁定为 Top 1？ 逻辑链条： AI 不是产品周期，而是生产系统重构 算力 → 电力 → 系统效率 已成为真实物理约束 CapEx 已经发生，而不是预期 下行风险由“系统刚需”托底，上行来自“定价低估” 👉 结论： 这是最确定的主线，且尽管共识有所增加但市场仍未形成全面共识。 2️⃣ 太空板块为何被“重排”至前列（Top 2）？ 最初疑问： 太空会不会只是军工 / 高端制造的延伸？ 澄清后的逻辑链条： AI 把太空从“传感器”升级为： 网络节点 数据层 潜在算力延伸 商业需求首次超过政府预算 轨道资源具备稀缺性和不可复制性 市场尚未形成统一定价框架 👉 结论： 太空 × AI 是斜率可能最陡、但理解最慢的基础设施层。 3️⃣ AI 驱动的新材料：为什么是“发现层”，而不是制造层？ 关键区分： AI 新材料解决的是： 👉 “能不能发现/设计出更好的材料？” 它重写的是上游生产函数 但： 商业化传导较慢 上市 PurePlay 稀缺 👉 结论： 这是一个真实的高增长方向，但需要和制造层区分开来。 4️⃣ AI × 3D 打印：为什么要单列，而不是并入新材料？ 这是一次资产分类升级。 核心逻辑： 新材料 = 发现 / 设计层 AI × 3D 打印 = 制造范式迁移 AI 的作用不是“打印更好”，而是： 提升良率 提升一致性 使其首次具备规模化制造可行性 👉 结论： 这是一个独立板块，但不确定性高。 5️⃣ 数字资产 逻辑链条： 属性已从投机资产 → 准货币 / 储备资产 机构化完成第一阶段 Beta 很强，但结构性 Alpha 正在收敛 Clarity act等新法案及ai+crypto有可能带来新的爆发式增长点 👉 结论： 上涨概率高，不确定性大，尤其是普涨的不确定性大。 6️⃣ 能源转型：aidc的二阶传导 长期方向正确 高确定，高竞争，慢变量 2026 年： 供给扩张快 政策影响大 价格弹性被稀释 👉 结论： 是长期复利资产，单个标的而不是板块可能在2026 年爆发性增长。 7️⃣ 生物科技：为何被定义为“事件驱动”，而非 AI 驱动？ 产业层面： AI 正在显著提升科研效率（判断正确） 定价层面（2026）： 现金流确认仍依赖临床 / 监管事件 👉 结论： 长期逻辑对，但 2026 年仍以事件驱动定价。 8️⃣ 贵金属 贵金属是宏观状态函数 新金融格局大国博弈的筹码（之一） 不参与新生产系统构建 不存在生产函数升级 👉 结论： 重要，但角色是对冲与稳定器，非增长主线。 9️⃣ 军工：重要但不具备范式跃迁 核心判断： 军费增长具备政治刚性 但增长是线性的，且美股板块大多已priced in AI 在军工中是“效率升级”，而非需求函数重写 👉 结论： 是高确定性资产，但不是高斜率 Alpha。 🔟 数据 / 网络安全 逻辑链条： AI 把数据变成生产资料 AI 引入全新攻击面（模型、Agent、数据污染） 安全预算去周期化 安全从 IT 成本 → 系统前置条件 标的普遍已经是高pe 👉 结论： 增长不爆炸，但系统不可或缺。 五、最终结论：2026 年 Top 10 板块（排序） ✅ 2026 年 Top 10（终版） AI 核心基础设施 太空 × AI × 基础设施 AI 驱动的新材料（发现 / 设计层） AI × 3D 打印（制造范式迁移） 数字资产（BTC 为核心） 能源转型（非 AI 电力部分） 美股军工（结构升级子方向） 生物科技（事件驱动定价） 贵金属（宏观对冲） 数据 / 网络安全 / AI 安全基础设施 声明：以上信息非投资建议dyor
avatar
《新回合开始：Meta 收购 Manus VS openai和accenture合作》 --- 为什么巨头的游戏是中国ai创业圈的致命诱惑？ 一、这为什么不是一笔“普通的 AI 并购”？ 关于 Meta 收购 Manus，市场上已经迅速给出了几种看似合理的解释： Meta 在补 Agent 能力 Meta 在补 AI 应用层 Meta 想加速 C 端 AI 产品落地 这些解释都不算错，但它们有一个共同的问题：停留在产品或业务层。 如果只从功能补齐的角度出发，就无法回答一个更关键的问题： 为什么是现在？为什么是并购？ 真正需要被重新提出的问题，并不是： Manus 做了什么功能？ 而是： 在模型能力已经显著过剩的背景下，为什么 AI 的真实使用仍然严重不足？ AI 的竞争瓶颈，是否已经从“能力上限”转向了“使用效率与交互范式”？ 如果问题是后者，那么这笔收购的性质就发生了根本变化。 Meta 收购 Manus，不是一次战术性产品补充，而是一场针对 AI 竞争关键瓶颈的结构性布局。 要理解这件事，必须把它放进 Meta 整体 AI 战略的连续性中来看，而不是孤立分析。 二、Meta AI 战略的连续性：三类动作，围绕同一个“非线性瓶颈” 回看 Meta 过去几年在 AI 方向上的关键动作，大致可以分成三类： 高薪招募顶级 AI 科学家 收购 Scale AI 收购 Manus 表面看，这三件事指向完全不同的方向：人才、数据、产品。 但如果只看到差异，就会错过真正重要的部分。 它们的共同点在于： 都不是短期营收导向 都不是“追热点”的被动反应 都围绕 AI 竞争中一个非线性瓶颈展开 Meta 的目标从来不是“做一个 AI 功能更强的 Meta”， 而是为自己在 AI 时代构建一种长期、不可轻易复制的竞争优势。 Manus 必须被放在这条主线中理解，而不是被当作一个孤立的产品或团队。 三、第一阶段：高薪招募 AI 科学家 ——解决“Meta 有没有资格参与 AI 顶级竞争” 第一阶段的目标非常清晰：入场资格。 Meta 需要补齐的是： 模型与算法的能力上限 基础研究与原创能力 在基础模型层的自主权（如 LLaMA 路线） 这里要解决的关键问题是： Meta 是否具备与 OpenAI、Google 正面竞争的研究实力？ 是否有资格留在第一梯队？ 这一阶段的战略意义偏防守型、能力建设型。 如果不做这一步，Meta 会被直接排除在顶级 AI 竞争之外。 但这一步只解决“能不能做出来”，并不解决“能不能长期演进”。 四、第二阶段：收购 Scale AI ——解决“强模型能否被持续、规模化训练” 当模型规模不断放大后，一个结构性问题开始显现： 算法不再是唯一瓶颈。 真正限制模型持续突破的，是： 数据供给的稳定性 质量控制能力 成本曲线与工程化效率 Scale AI 所补齐的，是数据 → 训练 → 反馈这一整条工业化闭环。 这一步的本质，并不是“让模型更强一次”， 而是确保模型能力可以持续、可控地演进。 从产业链角度看，这是对 AI 中游基础设施控制权的争夺。 如果没有这层控制权，模型突破很容易变成一次性事件，而不是长期能力。 五、第三阶段：收购 Manus ——解决“模型能力是否会被真实使用” 前两步，解决的是能力上限与供给可持续性。 第三步，解决的却是一个完全不同层级的问题： 模型能力，是否会被真实使用？ 这是一个长期被低估、但正在变得决定性的瓶颈。 现实是： 模型能力 ≠ 用户能力 AI 能力被严重高估，但真实使用率、渗透率极低 大量算力与模型处于“空转”状态 没有被转化为稳定的生产力， 也没有被转化为持续的行为结构。 Manus 所补齐的，不是功能，而是 Human-to-AI Interface： 人 → 模型 之间的使用接口与行为桥梁。 这一步，意味着竞争层级的变化。 六、关键质变：Manus 不是补强，而是“锁定用户习惯” 这一步与前两阶段存在本质区别。 AI 科学家 & Scale AI： 提升的是 模型能力上限 Manus： 改变的是 能力被使用、被消耗的方式 Meta 的问题开始从： AI 能不能做出来？ 转向： AI 会不会被 30 亿用户自然地用起来？ 这是一个终局相关的问题。 因为能力上限可以被追赶， 但使用范式一旦固化，平台位置就会被锁定。 七、关键类比：OpenAI × Accenture ——同一个问题，不同层级的解法 OpenAI 官方已经多次承认一个结构性事实： 模型能力，远远超过用户（尤其是企业）的使用能力。 OpenAI × Accenture 的解法是： 面向对象：大 B 手段：咨询、系统集成、流程改造 本质：用服务体系，替组织“用 AI” 这是服务型、外包式桥梁。 Meta × Manus 解决的是同一个第一性问题， 但方式完全不同： 面向对象：C 端 / small B 手段：产品化、内生式嵌入 本质：让用户“默认通过 AI 行动” 这对应的是完全不同的 adoption 曲线。 八、进一步的战略外延：从“社交网络”到“AI 行动网络” 当 AI 不再只是工具，而开始： 参与行动 协作 生产 它就会成为社会系统中的新节点。 Manus 的潜在定位，不只是一个功能模块， 而是 Meta 社交体系中的 AI 行动层。 这可能是 Meta 从社交平台，向 AI 原生平台迁移的过渡结构。 九、一个被忽略但极其关键的判断 ——如果 Manus 主要面向中国市场，这笔收购几乎不可能发生 这里开始，逻辑必须变得更现实。 Manus 能被收购，并不只是因为产品或方向， 而是因为它满足了一整条必要条件链条： 市场国际化 资本国际化 合规可迁移性（美国监管框架） 估值锚定在全球比较体系中 如果 Manus 的主要市场在中国，这条链条会在最早阶段断裂。 这是一个不太舒服，但必须承认的事实。 十、中美资本市场差异，正在系统性地改变创业路径 中国资本市场，更偏好： 确定性 现金流 已兑现的规模 长期期权、范式价值，往往被低估。 美元资本市场，则更擅长定价： 战略稀缺性 平台型潜力 并购与长期期权 即便 Manus 拥有全球用户， 在中国资本市场的估值，也很难与美元体系对齐。 这不是谁好谁坏，而是定价函数不同。 十一、对 Manus 团队而言： “资本与算力约束，被一次性解除” 被 Meta 收购后，Manus 团队发生的最大变化，并不是资源变多，而是： 不再需要为融资窗口担忧 不再受限于区域性资本定价 资本约束与算力约束同时解除 在 AI 时代，真正稀缺的从来不是想法，而是： 长期稳定的算力供给 支持高强度试错的资本耐心 这会彻底改变团队的激励结构： 从 如何活到下一轮 变成 如何把一件长期正确但短期不确定的事做到极致 这对探索 Human-to-AI Interface 这种高不确定性方向，尤为关键。 十二、对中国 AI 创业公司的示范与诱惑 这已经不只是一个并购故事，而是一个路径示范。 对 TikTok、DeepSeek 以及各个规模的中国 AI 创业团队而言，真正的启示不是： 能不能卖给美国公司？ 而是： 是否值得从一开始，就进入全球资本与算力体系？ 在 AI 这种高度资本密集、算力密集的竞争中， 国际化不是市场问题，而是“能否进入核心资源池”的问题。 可能带来的结构性后果是： 更多中国 AI 创业团队选择： 产品国际化 公司结构国际化 合规路径国际化 创业目标，也将从： 在国内独立做大 转向： 成为全球 AI 生态中的关键模块 因为只有这样，才能更快速的增长 只有这样，才能获得更高的资本溢价（中美资本市场对创业项目的溢价，短期内不会改变，原因涉及资本市场的本质，本文篇幅所限，不展开） 这对中国ai团队来说，是致命诱惑。 这对中国vc来说，可能是唯一选项。 十三、从投资视角看： 这次收购，为什么提升了 Meta 的长期质量？ 这不是一笔“赌输赢”的投资， 而是一笔提高长期成功概率的战略投入。 对投资者而言，最怕的不是失败， 而是公司在错误的问题上持续投入。 Manus 是否成功，是结果变量； Meta 是否押对了 AI 竞争的关键问题，才是核心。 在范式转移期： 方向正确 + 持续迭代 往往比一次性成功更重要 而 Meta，已经清晰地站在了： “补齐 AI 使用范式”这一正确方向上。 这也是为什么： Meta 收购 Manus，本身就是一次投资价值上的加分项。 图：meta最近三次收购对比
avatar
ai正在商品化（LLMs are a commodity）我认为是25年资本市场最愚蠢的观点（可能没有之一）： 因为 智力永远不可能商品化 爱因斯坦的脑子能商品化吗？ 能更快解决衰老，研发常温超导，推进核聚变的能力，能商品化吗？ 只有商品化的脑子，才会认为ai会商品化
avatar
tsmc 3nm提价3-10%，但客户毫无影响（眼都不眨一下） amd nvda的gpu也提价 这。。。还让不让下游过年了🤣
avatar
越南2025年全年的进出口总额估计达约9200亿美元，比2024年增长16.9%。 从结构上看，越南出口中，电子产品、机电设备及其零部件的比重持续提高。 2025年前11个月，中国货物贸易进出口总值约约 5.75 万亿美元，同比增长约 3.6%
avatar
《日本的胶，中国的土，逆向工程的euv》 这几天，关于中国的曼哈顿计划 — 逆向工程asml的光刻机，讨论热度不小。大家也很兴奋，毕竟是一个重大突破。 但如果从工程技术角度，摒除意识形态，仔细扒一扒，就会发现，事实和理想还有差距，而且不小。 因为如果把问题真正拆到工程层面，会发现决定一条技术路线能不能长期跑下去的，往往不是最热的媒体热点，而是一些看起来不起眼的细节。 本文暂不讨论逆向光刻机的进展等细节，仅讨论一下最近另外一条不那么起眼的新闻：日本对华（限）断供光刻胶 在先进制程中，光刻胶决定的是工艺窗口有多宽、随机缺陷能不能被压住、良率的尾部会不会失控。 换句话说，有euv，但没有光刻胶，也无法让先进制程的良率上去，没有良率，成本就下不了，成本下不来，就没有订单，至少没有国际订单。 这也是为什么，卡光刻胶往往比卡设备更隐蔽，但在工程上更致命。 没有多少民科了解日本光刻胶的难度，习惯性的认为只是一个光刻过程中的耗材。但现实要复杂的多。 日本高端光刻胶非常难以复刻，因为这不仅关系到某些化学结构，更重要的是取决于整套生产与控制过程，线性的，无法快速迭代的，生产与控制过程。 从超高纯原料控制、聚合反应路径选择、分子量分布管理，到杂质统计、批次一致性、长期老化行为，这是一套高度工程化、长期演化的体系。 它是靠几十年的失败样本慢慢堆出来的。 累积成大量的专利，但更重要的是，很多关键判断，写不进论文，也很难完整写进专利。 它们存在于工程师对“这批料能不能上产线”的直觉里，存在于生产线对异常的经验判断中，存在于企业数十年的工艺参数和失败数据中，存在于对流程和控制日积月累的改善当中。 这就是“日本的胶”的真正含义。 不是一瓶产品，而是一整套长期运行的材料工业能力。 中国在这方面有一个非常有意思、但经常被忽略的参照： 重稀土的提炼处理能力。 这其中，真正难以复制的，不是资源本身，而是把复杂矿物分离、提纯、稳定到工程可用状态的工艺体系。 这是经过千万次失败反复试错的过程，中间要消耗大量资源，产生大量污染。 欧美并不是没有稀土资源，但真正难的是把“土”变成可规模、可控、可长期供应的工业材料。 那同样是一套高度工程化、长期积累的能力。 这也是为什么，中国的“稀土”能用来卡欧美的脖子。 更有意思的是，日本光刻胶的主要供应商之一，信越化学，同时也是欧美日为数不多的有重稀土提炼能力的生产商。（信越化学为什么既能做光刻胶，又能做稀土，我们下次另文详述） 同样的，日本的光刻胶，一样能卡住中国的脖子。 因为日本光刻胶断供，影响的是稳定性和良率。 而日本的光刻胶，在euv光刻机量产上，是绝对的垄断，也就是说，光有euv，如果没有日本光刻胶，还是生产不出5nm及以下的芯片。 就算在目前中国的 7nm的生产过程中，尽管并不是使用EUV，而是 193nm ArF DUV 加多重曝光，但仍在良率上受限于日本的高端光刻胶： 非关键层，国产胶已经可以稳定使用； 次关键层，可以国产与进口混用； 真正决定成败的关键层，仍然高度依赖日本的高端 ArF 光刻胶。 因为多重曝光会把任何微小的不稳定放大。 一旦高端光刻胶断供，7nm本已经不高的良率，将进一步下降，成本将进一步升高。 为什么EUV更离不开日本光刻胶？因为只有成熟的光刻胶才能压制光子统计噪声和随机缺陷。 7nm 关键层真正实现可控的国产替代，仍可能需多个研发周期，更不用说5nm 所需的 EUV 光刻胶。 其中一个研发周期，一般耗时3-5年，因为其必须至少包含 5 个几乎无法并行的很花时间的阶段： 基础配方探索 实验室 → 中试放大 设备联调（Scanner + Track） 产线验证（Wafer 级） 长期稳定性验证 设备的零件也许是显性的，但材料和工艺是隐性的；机器可以被拆解、被复刻，但材料和工业所需的时间，无法被逆向工程压缩。 日本的光刻胶，和中国的重稀土一样，都是那种只有在产线上、在良率曲线的尾部、在连续多年不出事故的稳定运行中，才能真正显现价值的能力。 如果说逆向 EUV也许能“把门打开”，那光刻胶决定的，是能不能在这条路上走得久。 而半导体这件事，最残酷的一点在于—— 一次成功没有意义，只有连续数年的时间不出问题，才算成功。 而时间，即使在ai时代，也是唯一无法被逆向工程的东西。
avatar
中长期贷款，是居民对未来 20—30 年收入路径的判断。 拒绝（目前如此低息的）长期贷款意味着居民已经不相信未来收入上升的预期。 这是一种典型的“去参与化”行为：个体不再愿意将自身的长期命运，与系统绑定。 这一变化对任何以“宏大叙事”为基础社会契约的体制都极具挑战性。 无论产业多完善、复兴多伟大，最终都必须通过收入来稳定预期，否则叙事的约束力会持续减弱。
avatar
Google 今天发布了A2UI ---「AI 自动生成 UI」， 这可能ai人机交互的一小步，但可能是“模型即应用”的一大步。 A2UI 做的事，其实很直接： 让模型不只负责算结果， 还可以自己生成界面、引导流程、决定下一步怎么走 也就是说，你和ai对话的时候，ai会在需要的时候，生成ui，提升和ai的交互效率 这是ai人机交互的一小步，但可能是“模型即应用”一大步。 具体有个例子，看图（图片来自公众号：ai产品自由）： 看出区别了没？ 以前是要什么功能用什么应用，按应用的界面，一个个点 现在是什么时候需要，ai就生成什么界面，无需查找翻页，只需点一下。 效率极大提升。 另外，模型可以自己生成界面也就意味着可以引导流程，那么，应用的结构就开始变了。 原来是： 后端逻辑 + 前端界面 + 人来操作 现在变成： 模型负责逻辑 + 流程 + 界面，人只是在“协作”。 很多传统软件的界面，其实都是“中间层”： 表单、后台、控制台、配置页…… 这些东西，也就会慢慢被淘汰了，随时要用，LLM随时生成。 所以 A2UI 看起来是 UI， 但真正冲击的是应用、甚至操作系统。 模型即应用，模型即os，模型即流程，模型即创新 自动化程度越来越高，用户友好性越来越强 使用场景越来越广 对算力的需求嘛，你知道的。。。
avatar
今天oracle新建数据中心的财务合作伙伴blue owl传将退出合作，引发市场对orcl债务的恐慌，进一步拉低ai板块，带跌了大盘。 那么，对orcl负债的恐慌是否有道理呢？ 这个问题关乎整个数据中心板块，甚至整个ai板块在相当一段时间的走势。 如果只看几个孤立指标，答案可能是有点危险； 但如果把债务从哪来、钱花到哪、现金流什么时候回来 这三件事连起来看，结论可能会完全不同。 1、市场上常见的一个说法是： Oracle 负债 1800 亿、1900 亿美元 这在风险判断上是严重误导的。 真正需要看的只有一个数字： 计息债务（真正要付利息的债），约 105–110 billion 美元 其他数字里，混进了大量并非“债务”的项目，比如： 递延收入 应付账款 合同负债 这些不产生利息，也不构成违约压力。 2、还有一个非常关键、但常被忽略的事实： Oracle 现在背着的那 1000 多亿美元债务， 大多数并不是为了 AI 数据中心。 这笔债务主要形成于 2016–2022 年，核心用途只有三类： Cerner 医疗 IT 并购（最大的一笔） 多年累计的股票回购 低利率时期的资本结构优化 而真正用于 AI 数据中心的钱，更多体现在最近两年的 资本支出（CapEx） 上，而不是新发的大额长期债。 这也是为什么你会看到一个看似矛盾的现象： 自由现金流为负 但债务规模并没有同步爆炸式上升 3、另外就是自由现金流为负，这是很多投资者最紧张的地方。 但这里必须分清两个概念： 经营现金流（OCF）：来自主营业务 自由现金流（FCF）：OCF – 资本支出 Oracle 的现实情况是： 经营现金流仍然很强（一年约 200 多亿美元） 自由现金流转负，主要因为： AI 算力 GPU 大型数据中心 的 资本支出在一个阶段性高峰 这是一个典型的基建型现金流模型（对房地产熟悉的朋友应该很清楚），先投资建设，再慢慢回收。 4、那利息会不会压垮 Oracle？ 数字说话： 年利息支出：约 30–34 亿美元 经营现金流：约 210–220 亿美元 也就是说： 利息覆盖倍数在 6–7 倍左右 这是一个在信用市场里非常安全的水平，远不到“危险边缘”。 更关键的是—— 已投产的 AI/OCI 算力 已能覆盖 约一半以上的年利息 到 2026 年高概率投产的大型数据中心相关经营性现金流合计 大概率可以覆盖公司的全部年利息（注意是全部，包括之前并购等非数据中心业务的利息） 这意味着 Oracle 的现金流结构还会继续改善 5、那为什么评级看起来已经快到垃圾债了？ 这并不是 Oracle 独有的问题，而是一个评级体系的结构性滞后。 评级模型更擅长评估的是： 轻资产软件公司 或传统周期性行业 它对以下情况并不友好： 前期 CapEx 极高 回收期 3–5 年 但现金流确定性很强的 AI 基建模式 于是结果就是： FCF 为负 → 扣分 债务绝对值高 → 扣分 身份模糊（不像微软，也不像电信） → 再扣分 从模型角度看“合规”， 但从现金流事实看，确实偏苛刻。 总结：Oracle 不是一家“债务危险的公司”， 而是一家正在从传统软件公司， 转型为 AI 基建现金流公司的企业。 市场和评级，对这一转型的理解明显慢了一拍。 真正值得关注的，已经不是“它会不会出问题”， 而是： 它会不会选择去杠杆？ 还是继续用 AI 现金流加速扩张、回购？ 这是战略选择的问题，不是生存问题。 如果用 AI 基建 + 现金流周期 的视角重新看它， 就会发现：很多“风险”，其实只是转型期的噪音。
avatar
市场错了！--- 复盘小记 美股和加密在11月和本月的两次摸顶回调，我做了个对比，如图 简单来说， 第一次是对ai的恐高， 第二次是对宏观的恐高 如果说第一次之后是市场意识到自己的错误，随着ai板块基本面的改善而修复的话，那么，这次因为宏观因素而杀ai板块， 市场更是错上加错，因为这次的ai板块的各公司随着财报不断发布，明显能看出，基本面比11月更好。 这次市场是用 AI 来承载宏观风险释放，其实也没有其他原因，因为当市场需要降低风险时，资金会卖两种票： 涨得最多的 流动性最好的 市场还没完全意识到，这次是K形增长 而这也就应该顺理成章的，成为我们抓反转（不是反弹）的主旋律 如果还要再细分，就是两个方向： 叙事增强，业绩兑现 叙事增强，如最近的太空数据中心概念 业绩兑现，如前不久财报的mdb 这将不仅仅是接下来一段时间，而很可能会成为整个2026年的主旋律！
avatar
量子，从通信开始 通信，从卫星开始 卫星，从老马开始 所以羡慕老马，理解老马，加入老马， 成为spacex概念股票，是ionq这次收购的最终目的？🤣
avatar
《从50亿颗芯片订单，看Starlink一个不为人知的万亿市场》 路透社昨天的报道称SpaceX和意法半导体过去12年订单总量已经达到50亿颗芯片。 市场可能还没有意识到，这是一个Starlink不为人知的隐藏赛道。它不仅仅是一个"卫星互联网项目"，还是一个全球性的电磁感知基础设施。 这50亿颗芯片是射频前端模块（radio-frequency front-end modules），也叫天线单元（antenna elements），它们基于BiCMOS工艺制造，用于Starlink用户终端的相控阵天线。 简单说，这些芯片让你家的"锅"能够自动追踪高速移动的卫星，保持稳定连接。 Starlink用的相控阵是军用雷达技术吗？ 新闻提到Starlink的终端天线用了"相控阵"技术。这听起来很军工——没错，这和战斗机雷达、宙斯盾系统用的是同一类技术。 相同点：都是电子扫描天线，通过精确控制每个天线单元的信号相位，让波束可以快速转向，不需要机械转动。 关键差异：目的完全不同，所以精度不同。 Starlink的应用方向，不是雷达而是通信技术，但它未来可能具备"雷达式感知"的潜力。 能"感知"什么？ 四个字：RF感知。 Starlink终端在和卫星通信时，信号会穿过大气层、经过各种环境。这个过程中，任何异常都会在信号里留下痕迹。 它能感知的东西分三层： 第一层（最精准）：电磁环境本身——哪里有干扰源、频谱异常、噪声变化。这对通信系统本身就有巨大价值。 第二层（可持续建模）：传播环境——下雨、沙尘、湿度、电离层扰动。气象公司会很感兴趣。 第三层（模糊但有用）：大尺度物体——比如某个区域是否有大型飞行器或船只经过。注意，它只能回答"有没有"、"有没有变化"，不能精确识别是什么。 精度对比： 军用雷达：厘米到米级 RF感知：百米到公里级 所以RF感知不是"弱版雷达"，而是一个永远在线的全球异常检测系统。雷达是手电筒，看得清但照得窄；RF感知是环境光，到处都有但很模糊。 starlink相控阵通信感知技术的竞争优势极难复制，由于其不可逆的工程路径和物理资源先手。 五道护城河： 1. 相控阵×消费级×百万规模：历史上几乎没人同时做到这三件事。军工相控阵很贵，消费电子没这精度，百万级规模需要完全不同的供应链。 2. 射频制造学习曲线：50亿颗芯片的制造经验不光是订单问题，还是时间积累：每一轮生产都在优化良率、降低成本、发现问题。。。 3. 芯片成本的极致压缩：把军工级核心部件降到1美元以下（虽然牺牲了部分性能）。这50亿颗订单本身就是"成本消化器"——只有这种规模才能把单价压到这个程度。 4. 系统复杂度下沉到终端：传统思路是让终端简单、网络复杂。Starlink反过来，让终端承担更多计算，这样卫星和网络可以更灵活。这是反直觉的设计选择，一旦跑通就成了结构性优势。 5. 垂直一体化：SpaceX同时控制火箭、卫星、终端、网络。这意味着它可以"有序失败"——某一层出问题，其他层可以补。别人只做其中一环，就没有这种容错空间。 另外，还有LEO轨道的垄断性优势 Starlink选择了低地球轨道（LEO），大约550公里高度。这不是随便选的。 LEO是相控阵通信感知网络的最优选择 信号损耗低，延迟低（20-40毫秒，打游戏够用） 终端功耗可接受（不需要大功率天线） 卫星移动快，网络拓扑持续变化——这意味着AI有大量数据可学习 竞争对手的困境： 更低轨（VLEO）：大气阻力大，卫星寿命短，需要频繁补充。技术可行，商业上几乎不可行。 同轨但晚来：轨道密度、频谱分配、避碰规则全面受限。你不能在人家卫星旁边乱飞。 更高轨（MEO/GEO）：通信能做，但延迟变高，终端功耗上升。更重要的是，轨道变化慢，AI学习材料少，感知能力被"钝化"。 LEO是通信和感知同时成立的最优高度。Starlink已经在这个高度部署了超过6000颗卫星，预计3-5年，将几乎占满LEO空间所有可用轨道。 和6G的关系 严谨地说，6G技术上不强制要求天地一体化。但战略上，几乎必然。 原因不在于速度（5G的速度对大多数应用已经够了），而在于： 覆盖的完整性：海洋、沙漠、极地、航空，这些地方地面基站覆盖不到。 网络级可靠性：地震、战争等极端情况下，地面网络可能瘫痪，卫星网络是兜底。 AI网络需要全局视角：未来的AI应用需要在全球范围内调度计算和数据，没有天基网络就是瘸腿的。 没有非地面网络（NTN）能力的6G，将被视为"不完整"。 覆盖全球的天基雷达？ 尽管starlink不会变成高精度的全球雷达。技术上做不到，也没必要。 但会演化成一个全球持续在线、低精度、AI驱动的感知底座。 未来的分层结构可能是： 第一层：Starlink类RF感知——覆盖广、连续、低精度。相当于全球的"背景感知网"。 第二层：高性能军用雷达——数量少、精度高。在关键区域提供精确信息。 第三层：无人机/高空气球等机动节点——按需部署，灵活补盲。 这三层不是替代关系，而是协同。第一层发现异常，第二、三层精确跟进。 Starlink的全球感知网络市场多大？ 未来5-10年的市场空间，从大到小： 6G融合基础设施：与地面网络融合，成为全球通信底座的一部分。万亿美元级。 国家级主权通信：关键基础设施的通信保障，政府客户。千亿美元。 航空/海事/能源/物流：飞机WiFi、远洋船舶、偏远矿区等需要连续连接的场景。千亿美元。 政府/军方感知服务：非火控级别的态势感知。百亿美元。 全球RF感知与环境智能：气象、海洋、频谱监测等。百亿美元。 总结 Starlink的真正护城河不在单一技术，而在于： 它率先把最适合相控阵+AI的物理空间（LEO）占满，并在其上跑出了真实规模的系统。 它正在成为全球电磁环境的"持续在线感知层"。
avatar
今天美股大跌最重要的原因，并不是orcl，avgo财报不好，至少不是最重要的原因 最重要的原因是，联储开始降息，但长期国债收益率不降反升，收益率曲线变陡（熊陡）。 说明市场认为，短端由 Fed 控制，长端fed控制不了！ 在 AI 产业革命拉动生产率提升，同时要大规模基建的背景下，真实资本需求上升，自然利率本来就应该高。 这让联储本就困难的局面雪上加霜： 联储当前面临的并非传统通胀–衰退二选一，而是多目标约束下的次优解选择。 其隐含的新平衡可概括为： 中等偏高通胀 + 被压低的短端利率 + 放手但不失控的长端利率 + 就业托底 这意味着： 在相当长的时间内，美联储将系统稳定与就业托底置于优先级前列 通胀目标从“硬约束”退化为“长期方向” 不愿、也难以实施显性 YCC，但更倾向于通过结构与工具设计维持金融系统可运行性（隐性YCC） 在该框架下，全面宽松不再是常态，全面紧缩同样不可持续。 在这样的政策与利率结构下，股市面临的环境具有以下特征： 流动性不断供，但不外溢 长端利率持续压制估值扩张 波动率、结构性分化加剧 股市可以长期运行，但难以依靠流动性实现系统性估值抬升。 在这样的环境中，市场奖励的不是“叙事”，而是真正的业绩增长，正现金流，高资本效率、低融资依赖 这也就决定了作为投资者，要找的标的范围更小，也更简单。