

门外汉谈英伟达借着黄仁勋辞去董事会与 CEO 职位的市场热点,以及霍华德·马克斯《门外汉谈人工智能》的备忘录,本期《猜想与反驳》从非技术“门外汉”的视角切入,重新审视英伟达过去三年的六倍暴涨:它究竟是硅谷王川“大猩猩理论”下的真垄断,还是硬件超级周期与“关系权力”催生的阶段性红利? 当黄仁勋或马斯克这样的核心创始人突然离场,科技巨头的护城河又还剩下多少? 🤔【猜想与反驳】 本周话题:门外汉谈英伟达 ⏰ 18:00(UTC+8)2026年11月13日(周五) 常驻嘉宾: Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【space金句】 💡 如果一家公司有各种各样的替代品,或者别人有很强的竞争,很难维持一种护城河。 💡 想获取超越市场的收益,是每一个投资者想做的事,但不代表一定能做好。 💡 黄仁勋就是垄断节点的重要部分。 💡 成熟企业看商业模式,初创企业看创始人。 【音频时间戳】 00:33-02:45 从“黄仁勋不在了”这个假设出发,英伟达还值不值得买 02:45-15:28 Zhen Dong 复盘王川三年前看空英伟达:错过六倍涨幅,到底错在哪 16:03-27:27 Peicai Li 追问:大猩猩资产的判断,到底有多少是主观直觉 27:27-36:54 Odyssey 拆开两种权力:英伟达赚的是结构性优势,还是供应紧缺时的关系权力 36:54-41:35 英伟达更像垄断成长资产,还是 AI 超级周期里的硬件股 41:35-51:38 关系权力值不值得投:为什么 Peicai Li 仍然更看重稳定的结构性权力 52:48-57:13 错过英伟达之后,要不要为了下一次六倍行情改掉自己的框架 57:13-1:00:16 特斯拉的单点风险:如果马斯克不在了,仓位该怎么处理 1:00:16-1:07:17 把特斯拉拆成成熟业务和初创业务,重新计算马斯克的价值 1:07:17-1:10:36 不确定性不是敌人,但要先想清楚自己愿意承受什么损失 【要点精选】 * Q1:王川三年前不看好英伟达,但它后来涨了数倍,这该怎么理解? Zhen Dong: 我不觉得这件事能简单归结为“王川错了”或“王川没看懂 AI”。当时他对英伟达最大的担忧,是一家硬件公司在高估值下的增长能不能持续。回头看,英伟达的营收确实跟上了股价,利润率也没有掉下去,这说明 AI 带来的需求爆发是真实发生了。 但我现在更愿意把它放进另一个框架里看:它可能不是一只典型的长期垄断成长股,而是站在范式转移和供给紧缺交汇处的一家公司。 这个位置足以让它在几年里赚到非常强的利润,但不等于它的护城河能一直维持同样的强度。硬件行业的竞争、替代品和更长的熊市周期,都是不能略过的背景。 * Q2:英伟达到底算不算“大猩猩”资产? Peicai Li: 我关心的不是给它贴一个标签,而是这个标签背后的判断怎么成立。按照王川对“大猩猩”的理解,如果一家公司足够垄断,你应该一眼就能感受到它的不可替代性;但英伟达这件事很麻烦,它过去三年的收入、利润率和股价都表现得非常强势,可这到底证明它有长期垄断,还是只证明它刚好走过了一段特殊的历史路径? 我不太愿意在结果出来以后,再补一套“它其实只垄断三年”的解释。那样的话,任何判断都很难被证伪。 对我来说,更值得追问的是:不同投资者的主观判断,为什么有的人能看得更准?这个“更准”来自经验、直觉,还是来自一套能说清楚、也能被反驳的解释? * Q3:关系权力和结构权力,怎么帮助我们理解英伟达? Odyssey: 我会把垄断拆成两类。关系权力,像是供应很紧、需求突然爆发时,供给方可以要求客户提前几年锁货;你不签,后面可能就拿不到货。这种权力在一个周期里可以非常强,也能让现金流迅速变好。 结构权力则更像苹果或税务系统:用户和合作方已经被嵌进一套规则里,不是因为短期缺货才留下,而是整个网络本身让大家持续参与。英伟达显然有 CUDA 这样的结构性部分,但它过去几年的收益里,也有很强的关系权力——算力紧缺时,客户为了确保未来供应,不得不提前做承诺。 所以我不会把英伟达理解成一个纯粹的结构性垄断。对我来说,关键要看它是在沉淀权力,还是在趁供应紧缺消耗权力;两者都能赚钱,但后面的持久性不一样。 * Q4:黄仁勋的角色,为什么会改变对英伟达的判断? Odyssey: 如果一家公司只是出了普通坏消息、股价下跌,但它的垄断基础没有变,跌下来可能是买入机会。但如果坏消息刚好碰到了垄断的基础,性质就完全不同。 我的看法是,黄仁勋不仅是管理者,也是英伟达这个网络里的一个关键节点。他和上游供应商、下游大客户、融资和激励体系之间形成的关系,不一定能由任何一个职业经理人原样接住。CUDA 也许还在,但这个结构里有多少部分依赖他本人,需要重新估算。 这不是说创始人不在,公司就归零,而是我会把它视为一个会改变权力结构的变量。市场下跌本身不可怕,真正要分辨的是:跌的是情绪,还是公司原本赖以赚钱的那套关系和结构。 * Q5:把英伟达看成 AI 超级周期里的交易机会,有没有道理? Zhen Dong: 我觉得有这种可能。超级周期和普通周期股不太一样,它通常发生在范式转移的行业里:需求突然爆发,供给短时间跟不上,产业链里最有议价能力的公司可以拿到非常高的收益。 如果有人能在 2022、2023 年看清这个供需结构,买入英伟达,再在硬件供需开始转向时卖出,这当然是一笔很漂亮的交易。但这不是一句“AI 是大趋势”就能完成的。得判断供给什么时候缓解、需求能维持多久、市场已经把多少乐观预期放进价格里。 所以我更愿意把它当成一种需要择时的能力,而不是自动等同于长期持有的理由。它有点像我之前看内存股、硬件股,甚至以太坊时看到的某种结构:机会很大,但不代表拿得越久越好。 * Q6:既然英伟达提供过巨大的收益,投资框架是不是就该为它改变? Peicai Li: 我理解想把英伟达纳入框架的冲动。谁都不希望面对六倍涨幅时,只能说“它不在我的能力圈里”。但我也会追问:我们究竟想抓住多少次这样的机会?一年里每天都有涨得很好的股票,如果只因为不想错过收益,就匆忙为每一次上涨补一个理论,最后很容易变成病急乱投医。 对我来说,先有解释,再行动,还是很重要。市场长期能给你的回报有限;如果想稳定地跑赢市场,就得说清楚自己的优势在哪、凭什么能识别出价格和价值之间的偏差。想获得超额收益很正常,但不能把“我想赚到”误当成“我已经有能力赚到”。 * Q7:特斯拉的价值里,有多少来自马斯克?这会怎样影响仓位? Odyssey: 我会先把特斯拉拆成两部分看。一部分是已经成熟的汽车、Model 3、Model Y 和 FSD 业务;另一部分更像初创企业,包括机器人、芯片工厂和一系列还在展开的业务。马斯克对前一部分的影响可能有限,但对后面那部分的影响会非常大。 所以关键不是笼统地问“马斯克走了,特斯拉会不会跌”,而是要先判断两部分在当前市值中各占多少。如果你认为初创业务占比很大,又认为马斯克的能力无法被替代,那就必须把一次大幅回撤当成真实风险,仓位也不能装作没看见这个单点问题。 我不觉得风险意味着不能持有。风险是动态的:只要我事先知道自己在承担什么、仓位控制在能接受的范围里,它就不是完全不可处理的事。真正危险的是没想过后果,就把自己放进一个无法承受的位置。 本期内容仅为嘉宾个人观点与讨论,不构成任何投资建议。相关市场波动较大,请谨慎决策。 【关于E2M Research】 From the Earth to the Moon E2M Research 聚焦投资和数字货币领域的研究与学习。 文章合集 :mirror.xyz 关注推特 :twitter.com ️ 音频播客:e2m-research.castos.com 小宇宙链接:www.xiaoyuzhoufm.com DC链接:discord.gg
持仓变了,什么不应该变?几个月里,Odyssey 清了 ETH,减了特斯拉,买伯克希尔,又配了一点腾讯。每一笔都有一个词:不对称性、期权、试验。Peicai Li 提出:不是这些公司不能买,而是解释长得太快了,快到每一个新标的都能配上一套说法。 投资里最省力的事,就是事后替一次调仓补一个理由。难的是,在理由越来越多的时候,怎么知道自己是在反思,还是已经走远了。 🤔【猜想与反驳】 本周话题:持仓变了,什么不应该变? ⏰ 18:00(UTC+8)2026年11月6日(周五) 常驻嘉宾: Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【space金句】 💡 任何投资决策,都无法像数学一样被客观地证明是对的。 💡 真正相信市场有效性的人,持仓就应该直接持有标普。 💡 好的主观观点,恰恰应该包含更多客观性。 💡一个好的决策,应该经得住更多挑战,而不是急着证明自己是对的。 【音频时间戳】 00:04-03:07 开场:持仓变了,投资框架有没有一起变 03:07-10:15 Odyssey 回顾近期操作:减特斯拉、买伯克希尔、试配腾讯 10:15-27:11 “没被市场定价的期权”,到底是机会还是随时都能成立的叙事 27:11-35:16 AI 让研究更快之后,投资者会更接近真相,还是更容易过度解释 36:05-41:53 反思和漂移的差别:旧框架被挑战,还是只是换了一套说法 41:53-46:30 伯克希尔比现金更好吗?5% 仓位背后的不确定性 46:30-53:30 当“不对称机会”越来越多,有限的资金到底该怎么筛选 53:30-57:33 没有更好的解释之前,该坚持原来的框架吗 【要点精选】 * Q1:这半年为什么会频繁调整持仓? Odyssey: 如果只看结果,我这几笔操作没有拉开特别大的收益差距:减掉一部分特斯拉后,它又涨了;腾讯买入后还在亏;伯克希尔则有一定上涨。所以我不想先拿短期涨跌给自己的逻辑背书。 我做这些调整,背后其实想找的是“不对称性”。伯克希尔在我看来,像是在流动性紧张或资产被迫出售时,可能有能力低价买入优质资产的选择权;腾讯则是我觉得市场未必充分计算了它在 AI 产品化上的空间。它们都不是用来替代特斯拉或比特币的大仓位,而是用很小的比例去参与、观察和验证。 我也承认,这种尝试有可能是错的。对我来说,重点不是证明每一次买入都正确,而是弄清楚:我为什么认为它比持有现金多了一点值得研究的东西。 * Q2:为什么 Peicai Li 对“未被定价的期权”和“不对称性”保持警惕? Peicai Li: 我不是说期权价值一定不存在,而是这个说法太容易成立。你几乎可以对任何资产说:它还有一个市场没有充分定价的未来。以太坊可以有 AI Agent 的期权,房子可以有政策和地段变化的期权,任何公司也都可以有新业务的期权。 问题是,投资最难绕开的还是市场有效性和反身性。买卖双方都在用公开信息计算,价格本身已经包含了很多人的判断。你要挑战这个结果,就需要一个足够强、足够难被替代的解释,而不能只说“我觉得这里可能还有上行”。 我以前也用过凯利公式和不对称性找项目,当时确实赚过钱。但后来回头看,我对赔率和胜率的主观估计偏差很大。你以为有五倍空间、20% 胜率,事后可能才发现胜率接近零。所以我更愿意留在一个解释更紧、更能被验证的框架里。 * Q3:如果所有投资判断都带有主观性,怎么判断哪一种主观更好? Odyssey: 我同意所有投资判断都有主观性,也同意不是所有主观都一样好。但我不认为投资决策能在事前像数学题一样被证明正确。真有一个人人都能严格验证的策略,它很快就会被市场挤掉。 我更在意的是:这笔决策的利润来源是什么?它为什么有机会比市场平均更好?而不是事后涨了,就说自己当初判断正确。 对伯克希尔和腾讯,我没有把它们升到 10% 或 20% 的大仓位,就是因为我觉得自己的解释还没经受足够多挑战。它们只是一个尝试,不是结论。一个好的决策不是我能把它讲得多漂亮,而是别人持续质疑之后,它还有没有留下来的理由。 * Q4:AI 让研究公司变得更快,会不会也让投资者更容易“漂移”? Odyssey: 会,而且我自己确实感受到这个风险。现在借助 AI,我可以很快扫很多公司,抓到一个初步的商业模式、估值和可能的观察角度。原来需要花很久做的案头工作,现在快得多。 但快也有坏处。AI 很擅长帮你把零散信息捏成一个看起来合理的故事。你给任何公司写提示词,几乎都能找到一个“不对称”的角度。解释变得更快,可能只是表面上更完整,并不代表它真的更扎实。 所以我不觉得“看了更多公司”本身就是进步。更重要的是,有限的资金为什么选 A 而不是 B;判断错了会亏多少;它能不能承受后续的反驳。AI 可以扩大我的观察范围,但不能替我完成比较和取舍。 * Q5:伯克希尔只占 5%,现金却接近一半,这笔交易到底是判断还是测试? Odyssey: 更接近测试。我的现金接近 50%,伯克希尔只有 5%。如果我非常确信它比现金好,我确实应该把更多现金换进去;我没有这么做,说明我对这个判断本身没有那么确定。 我当时觉得,伯克希尔有大量现金,也有在危机里低价买资产的能力。相比自己拿着现金等机会,它可能是一个更好的间接参与方式。但后面我对谷歌以及伯克希尔可能的出手方向又产生了新的保留,所以我现在不会继续加仓。 这笔仓位涨了还是跌了,对我的判断影响都不应该太大。它赚了 20%,不代表逻辑自动成立;跌了,也不代表尝试本身没有价值。我更关心的是,原来的理由现在还剩多少。 * Q6:反思和漂移,应该怎么区分? Odyssey: 我会先区分这两个词背后的默认立场。反思的前提是:我过去的行为也可能错;漂移的前提是:原来那套东西大概率正确,偏离它的人需要被证明错。 我更倾向于反思。因为同一个标的会变。五年前的特斯拉和两年前的特斯拉,底层业务可能已经完全不同;如果我过去的逻辑没有变,但公司本身变了,继续持有反而可能是一种真正的漂移。 当然,反思不是随便换标的、也不是对每个新故事都下注。它应该包含对动机的观察、对逻辑的挑战,以及承认自己可能看错。持仓不变不一定代表坚持,持仓变化也不必然代表背叛框架。 * Q7:如果暂时没找到更好的解释,是否应该继续坚持原来的框架? Peicai Li: 我会继续坚持。不是因为原来的框架永远正确,而是我现在确实没有看到一个更好的解释,能够替代它去处理市场有效性和反身性这些困难。 我并不反对反思,也不认为只持有垄断成长资产就天然高明。但新的框架至少要有更紧的逻辑链条,能解释自己为什么有机会跑赢市场,为什么不会被市场很快套利掉。否则,它很容易变成对每一次新想法的临时包装。 所以对我来说,持仓可以变,但标准不该轻易变:我还是更看重解释是否足够扎实、能不能被检验,以及它有没有比原来的框架更好地解决问题。 本期内容仅为嘉宾个人观点与讨论,不构成任何投资建议。相关市场波动较大,请谨慎决策。 【关于E2M Research】 From the Earth to the Moon E2M Research 聚焦投资和数字货币领域的研究与学习。 文章合集 :mirror.xyz 关注推特 :twitter.com ️ 音频播客:e2m-research.castos.com 小宇宙链接:www.xiaoyuzhoufm.com DC链接:discord.gg
垄断成长资产如何择时这期从特斯拉聊到比特币、AI 和国债,最后落在同一件事上: 择时不是猜下一根 K 线,而是想清楚,什么情况下你愿意改仓位。 🤔【猜想与反驳】 本周话题:垄断成长资产如何择时 ⏰ 18:00(UTC+8)2026年10月30日(周五) 常驻嘉宾: Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【space金句】 💡 所有择时背后都会对应着一个比例,这个比例的稳固性决定了择时的稳固性。 💡 冗余最好的价值,是在别人不得不抛售、市场非常悲观的时候,你还能因此获益。 💡 逃顶比抄底更困难。 💡 我自以为在观察市场情绪,但我不可避免地也成为市场情绪中的一部分。 💡 只有核心纲领本身被冲击,这个东西才会被证伪 【音频时间戳】 00:04-02:48 开场:高垄断、高成长资产,到底要不要做择时 02:48-16:00 Zhen Dong 的困惑:长期看好,也该给仓位留一点现金冗余吗 17:06-30:20 Peicai Li 反驳:市场大多数时候有效,宏观不是一个稳固的卖出理由 30:54-37:50 FSD 值不值今天的估值?从错误率、Robotaxi 到利润空间 37:50-56:45 Odyssey 的新框架:不要预测情绪,试着寻找能长期比较的比例 57:13-01:00:05 股债切换、利率预期与市场有效性,能不能用来做择时 01:00:05-01:18:11 马斯克本人、特斯拉成熟业务和 FSD,应该怎么拆开看 01:18:26-01:25:15 王川的 AI 泡沫判断,要不要影响长期持仓 01:25:57-01:35:26 散户情绪、机构审美和财报预期,哪些信号可以拿来做小幅调整 01:35:28-01:36:24 结尾:长期持有不等于永远不看仓位 【要点精选】 Q1:长期看好一个资产,为什么还要讨论减仓和现金冗余? Zhen Dong: 我发起这个话题,不是因为我已经把择时做得很好。恰恰相反,过去我也写过再平衡计划,但真正执行下来,资产从 Crypto 转到现金的比例很小。去年市场很热的时候,我其实也能感受到一些过热迹象,但最后并没有做出太多调整。 我现在更在意的是冗余。即使非常看好某个垄断成长资产,也不代表它不会遇到产业链、流动性或宏观环境带来的冲击。手上留一部分现金,不只是为了躲跌,也是在别人被迫卖出、市场极度悲观时,自己还有余地去买。 所以我减掉一部分特斯拉,不是说我已经得出了它一定会跌的结论。我只是觉得,自己的现金比例太低会让我不舒服。卖完后它又涨了,这也提醒我:择时这件事本来就很难,不能把一次操作是否立刻赚钱,当成全部判断。 Q2:为什么大多数择时都不值得做? Peicai Li: 我对高市值、高流动性的资产,默认它是强有效市场。像比特币、以太坊、特斯拉,公开信息很多,参与者很多,市场对新信息的计算通常比单个投资者更快。你觉得自己看到了一个宏观信号、一个利率变化或一个泡沫迹象,价格很可能已经提前把这件事反映进去了。 所以我会把“择时有没有价值”和“持有现金会不会让人更安心”分开。现金当然有生活和心理上的价值,但如果你做再平衡是为了赚钱,那还是要看你卖出之后到底有没有跑赢继续持有。 我不会说完全不择时,但比例必须很小。对我来说,20% 到 30% 已经是上限,而且交易频率不能高。除非我认为市场的定价机制短暂失效,否则长期持有一个真正的垄断成长资产,通常比反复上下车更容易拿到结果。 Q3:如果市场大多数时候有效,什么时候才可能出现比较好的择时点? Peicai Li: 我觉得逃顶比抄底更难。因为我自己也是散户,市场情绪高涨的时候,我很难保证自己不一起乐观;而且卖早了,错过后面最猛烈的一段上涨,代价也可能很高。 相对来说,我更愿意看两类情况。第一类是散户过度乐观:价格短期涨得很多,身边突然出现大量人开始讨论、买入同一个资产,自己的现金比例又被资产上涨压得很低。这时可以考虑小幅再平衡。第二类是反过来的强制卖出:市场大跌、杠杆被清、有人明明不想卖却必须卖,这种时候反而可能是买入机会。 这不是说我能精确抓到顶和底。我只是觉得,在这些资产里,散户情绪和杠杆造成的短期偏离,比宏观叙事更接近可以观察的东西。 Q4:FSD 的价值,为什么不能只按每月 99 美元订阅费来算? Peicai Li: 我看 FSD 时,更在意的是错误率而不是正确率。自动驾驶从 90% 正确率到 99% 正确率,表面只差 9 个百分点,但错误率是从 10% 降到 1%,这背后可能是十倍差距。对语言模型来说,一次回答不准确未必有严重后果;自动驾驶一次错误,可能对应维修、赔付,甚至更严重的成本。 我觉得真正赚钱的 FSD,不会只停在每月几十、上百美元的订阅。若 Robotaxi 真正能跑起来,一辆车的运营成本和市场收费之间会有很大的空间。按我的推演,FSD 对单车每年创造的价值,可能远高于今天的订阅收入。 这当然是一个终局假设,但我认为市场仍可能低估了它的商业化上限。只要 FSD 的垄断性和规模效应还在,特斯拉就不能只按传统车企的估值方式去看。 Q5:更好的择时方法应该长什么样? Odyssey: 我不太相信靠不断观察情绪、跟着新闻预测,就能做出比市场更好的择时。你以为自己站在市场外面观察,但实际上你也是情绪的一部分。这样的判断底座很浮动。 我更愿意找一个相对稳定的比例。股债之间可以比较收益率:如果股票的预期收益和国债差不多,但国债明显更安全,那配置就应该调整。这个方法不一定能预测每一次波动,但它至少不是纯凭感觉。 放到特斯拉上,我在尝试想一个“马斯克含量”的比例:你花一块钱买特斯拉,里面有多少是马斯克能够继续调度、投入新业务的资本。马斯克擅长的不是把成熟业务打磨到极致,而是在大公司内部继续做大规模创业。市值涨得很快、他可调度资本没有同步增加时,我买到的“马斯克阿尔法”就变少了;反过来,比例变得有吸引力时,我才会更愿意加仓。 Q6:该把马斯克本人当作特斯拉最重要的投资逻辑吗? Peicai Li: 我不太愿意把马斯克本人和 FSD 的商业逻辑混在一起。马斯克在关键路线选择上当然很重要,比如坚持视觉路线、推动端到端模型,这些决定让 FSD 走到今天。但一个业务一旦跑起来,就要看它本身的解释力、竞争力和延展性。 对我来说,FSD 的价值来自它能不能达到足够低的错误率,能不能跨过无人监督驾驶的门槛,能不能最终形成一个有高利润空间的自动驾驶网络。这个问题不能简单归结为“马斯克厉不厉害”。 我也不会因为一个人过去做对过很多事,就默认他之后每一件事都对。特斯拉的造车业务、FSD、Roadster,应该拆开看。真正值得长期下注的,还是那些能独立成立、能被持续验证的业务。 Q7:王川对 AI 泡沫和硬件周期的担忧,要不要改变长期持仓? Peicai Li: 我会把王川和他的不同观点拆开看。他关于垄断成长资产的框架,我更信任,因为它和投资里的超额收益、规模效应、强者恒强这些问题连接得比较直接。 但关于 AI 泡沫、硬件周期和债务链条的判断,我会更保留。它可能是对的,但我觉得需求端的变化、模型能力的突破和政策环境都太复杂,单个人很难算清楚。市场也未必没有把这些风险考虑进去。 所以即使我认为王川这次可能是对的,也不一定会直接改变我的长期持仓。宏观判断对我来说更多是观察项,不是交易按钮。真要减仓,我还是更愿意等一个更具体的信号,比如短期价格上涨过快、散户情绪明显过热,或者仓位已经让我的现金比例失衡。 本期内容仅为嘉宾个人观点与讨论,不构成任何投资建议。相关市场波动较大,请谨慎决策。 【关于E2M Research】 From the Earth to the Moon E2M Research 聚焦投资和数字货币领域的研究与学习。 文章合集 :mirror.xyz 关注推特 :twitter.com ️ 音频播客:e2m-research.castos.com 小宇宙链接:www.xiaoyuzhoufm.com DC链接:discord.gg
聊聊特斯拉第三季度的财报特斯拉的财报总有点难聊。只看卖车、利润和 PE,它显然算不上便宜;但如果只把它当成一家车企,又很难解释市场为什么愿意给它这么高的估值。 大家最后聊的,是 FSD、Robotaxi 这些还没完全兑现的业务,究竟能不能在未来接住今天的价格。 🤔【猜想与反驳】 本周话题:聊聊特斯拉第三季度的财报 ⏰ 18:00(UTC+8)2026年10月23日(周五) 常驻嘉宾: Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【space金句】 💡 特斯拉就是一个大号的初创企业集合。 💡 唯一决定竞争力的要素是创新的速度。 💡 这个故事还在,但是它的时间好像又在被推延。 💡 我完全可以等到一个更便宜的时候买,或者在更便宜的时候上一个更大的仓位。 💡 造出车都是表面的,再往下一层是制造机器的机器。 【音频时间戳】 00:02-02:18 开场:一份几百倍 PE 的财报,究竟该从哪里看起 02:18-16:57 Peicai Li 的持仓逻辑:不先算估值,先看 FSD 能不能跑出数据飞轮 17:22-32:46 Odyssey 拆财报:造车业务之外,特斯拉更像一组烧钱、也可能爆发的大型创业项目 31:31-38:59 马斯克的“连续创新期权”到底值多少钱 39:45-41:51 Robotaxi 技术很强,不代表自建打车网络就是门好生意 41:59-50:56 Zhen Dong 为什么开始减仓:FSD 的进度、竞争和商业模式都还需要再验证 51:23-59:30 宏观拐点来了要不要躲?三人对“长期持有”和“仓位调整”的不同理解 01:00:06-01:02:48 Odyssey 把仓位减到 20% 后,为什么仍愿意留在车上 01:03:19-01:03:43 结尾风险提示与节目介绍 【要点精选】 * Q1:特斯拉几百倍 PE 摆在眼前,为什么还是不把估值当作第一判断? Peicai Li: 我看完财报,最刺眼的当然也是这个估值:无论按哪种口径,PE 都到了两三百倍。单看汽车业务、现金流和当期利润,很难直接把它和今天的市值对应起来。 但我一直用“大猩猩”的框架看这类公司:先看高垄断、高增长,再看它有没有明显的逻辑断裂。特斯拉现在的车和当期利润,不足以支撑这么高的估值,所以市场真正押注的,其实是未来几十倍、甚至上百倍的增长。对我来说,那个增长主要来自 FSD,而不是 Optimus 或财报里某一个季度的数字。 我不是说估值不重要,而是如果只看今天的 PE,就很难买进这类公司。真正要问的是:FSD 有没有可能成为一个远大于卖车利润的新业务?如果没有,今天的估值确实很难解释;如果有,眼前的 PE 就未必是最重要的事。 * Q2:为什么相信 FSD 可能成为特斯拉下一条真正的大收入线? Peicai Li: 我的判断建立在一个比较长的终局假设上:如果 FSD 先跨过“可用”的阈值,数据、用户和模型能力就可能开始互相推动。车越多,实际道路数据越多;模型越好,更多人愿意使用;更多使用又会带来更多数据。等这个循环跑起来,后来者想追上,成本会非常高。 我会从两个数字想这件事:未来特斯拉可能有多少保有量,以及它一年能从每辆车上赚多少钱。现在订阅 FSD 一年大约是一千多美元;如果未来真能替代部分司机服务,用户愿意支付的上限显然会更高。我不会假装知道准确数字,但如果未来有一两亿辆车、每辆车每年能贡献接近一万美元的 FSD 收入,今天的估值就不是完全无法理解。 这也是我继续持有的原因。我觉得 FSD 已经接近那个阈值,只是离终局还有多远,市场现在也还在猜。 * Q3:Odyssey 为什么说,特斯拉更像一组大型初创企业,而不是一家成熟汽车公司? Odyssey: 如果只从财报看,特斯拉现在的造车业务并没有给我特别兴奋的东西:汽车业务在下滑,现金流增长也不主要来自卖车本身。但它每个季度都还在把大量的钱投进芯片、算力、Robotaxi、机器人这些资本开支很高的方向。 所以我会把它理解成一个大号初创企业的集合。它用已有业务、融资和发债,继续下注下一批可能很大的业务。这样看,它当然不像一家稳定的二级市场公司,更像几家处在不同阶段的创业公司被装进同一个壳里。 这个视角也意味着风险很高。每个业务都有可能失败,资本开支也会很重。但马斯克有一个很特别的地方:他改错很快。自动化路线不对就调整,廉价车项目不合适就停,电池方案遇到问题也会妥协。对我来说,特斯拉值得看的不只是某一项业务,而是他不断下注、修正和推进下一项技术的速度。 Q4:为什么认可特斯拉的工程能力,却不觉得 Robotaxi 一定是门好生意? Odyssey: 我不怀疑特斯拉在工程上的能力,甚至觉得它可能比很多竞争者强很多。但技术很强,和商业模式漂亮,是两回事。 打车业务的难点在于地理密度。你在上海有再多车,对北京的用户没有帮助;一个城市刚开始只有几百、一千辆车时,用户不一定打得到,还是会默认打开滴滴或 Uber。对特斯拉来说,最有效的扩张方式,可能反而是接入当地已经成熟的平台和网络。 所以我会觉得,自建 Robotaxi 打车业务未必是一个特别轻、特别好看的网络效应生意。它的工程能力可能非常漂亮,但商业化最后未必会像市场想象得那么顺。技术突破和价值捕获之间,还是隔着一层。 * Q5:Zhen Dong 为什么在这份财报之后开始减仓? Zhen Dong: 我最近对特斯拉开始有一点迟疑,不是说 FSD 的故事不存在,而是它的时间表好像又在往后推。去年、年初到现在,特斯拉讲的扩张、交付和 Robotaxi 进展,和市场最早期待的节奏还是有差距。 另一边,我在中国看到的汽车竞争越来越激烈。很多车企密集发新车、卷配置、卷价格,而特斯拉在美国的竞争环境相对没那么激烈。于是我开始怀疑,它今天的领先里,有多少来自技术和数据飞轮,又有多少来自地区、政策和市场结构带来的优势。 再叠加宏观环境、AI 投资周期和市场风险偏好的变化,我会觉得自己需要更谨慎一点。所以我已经减了大约三分之一仓位,但也还在边减边想:这究竟是我太早担心了,还是市场确实已经把太多未来收入提前写进价格。 * Q6:对 FSD 商业模式最大的保留是什么? Zhen Dong: 我现在最想确认的,不是 FSD 用户有没有增长,而是它到底是不是一门足够好的生意。三季度财报没有把新增业务拆得很细:不同地区的订阅增长怎么样,买断和订阅分别贡献多少,用户增长背后到底有没有对应的收入变化,这些我都看不到。 如果 FSD 最后只是每个月几十美元的订阅,它和今天很多 AI 工具的订阅生意很像,未必天然是一个特别强的商业模式。市场更大的想象是:自动驾驶普及以后,会长出新的业态和收入来源。但至少到现在,我还没有看见那个模式足够明确地出现。 我也会看中国市场。很多公司都在做辅助驾驶,但目前还没有明显看到自动驾驶普及后催生了什么新的商业形态。所以我会对“FSD 一定能带来巨大收入”的推演保持谨慎。 * Q7:宏观环境转紧、市场情绪偏弱时,为什么 Peicai Li 反而不愿意为了判断去减仓? Peicai Li: 我不太愿意把宏观判断直接塞进“大猩猩”策略里。因为这类资产的大部分涨幅,往往集中在很少的一段时间里,而那段时间什么时候发生,本来就很难预测。你为了避开加息、泡沫或拐点去调仓,很可能恰好错过后面最重要的一段。 对我来说,再平衡可以做,但更多应该看情绪,而不是判断宏观。比如一项资产已经成了市场热点,大家都兴奋到觉得它只会涨,这时可以考虑降一点。现在无论特斯拉、比特币还是以太坊,我看到的都不是这种情绪。 当然,我也承认自己可能有自我辩护的成分。但只要我还认为特斯拉具备垄断来源和长期增长潜力,我就不会因为宏观担忧把它当作一笔短线交易来处理。 * Q8:仓位已经降到 20%,Odyssey 为什么还愿意继续拿着特斯拉? Odyssey: 我之前在大约 400 美元时减过仓,主要是因为我不太看好 xAI,也不舒服特斯拉把大量资本开支投向那个方向。现在 15% 到 20% 的仓位,对我来说是一个能承受的比例:我不需要假装自己看得特别清楚,也不至于完全错过马斯克真的做成某件事。 我仍然愿意拿一部分,是因为马斯克身上有一种很少见的“连续创新期权”。他可能会突破我现在很多保守的判断。但这不代表我必须在任何价格重仓。我完全可以等到市场更便宜、情绪更差、资本开支风险被重新定价的时候,再考虑上更大的仓位。 我不会因为相信马斯克,就忽略价格和风险。对我来说,特斯拉值得保留,但还没有便宜到让我愿意重新压得很重。 本期内容仅为嘉宾个人观点与讨论,不构成任何投资建议。相关市场波动较大,请谨慎决策。 【关于E2M Research】 From the Earth to the Moon E2M Research 聚焦投资和数字货币领域的研究与学习。 文章合集 :mirror.xyz 关注推特 :twitter.com ️ 音频播客:e2m-research.castos.com 小宇宙链接:www.xiaoyuzhoufm.com DC链接:discord.gg
评判一个人投资水平的标准是什么?看投资人,最省事的办法当然是看收益率。但一条漂亮的曲线,可能是运气,也可能是在压路机前捡硬币;一套听上去很完整的逻辑,也不一定能把人带出自己的理论。 再往下问:他赚的是谁的钱?策略什么时候会失效?如果一个真正厉害的投资者就站在面前,我们认得出来吗? 🤔【猜想与反驳】 本周话题:评判一个人投资水平的标准是什么? ⏰ 18:00(UTC+8)2026年10月16日(周五) 常驻嘉宾: Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【space金句】 💡 我觉得大众最容易步入的误区,是要看实战成绩,看过去收益率。 💡 一个好的投资人的投资水平比较高,和一家优秀的大猩猩企业构建护城河,这两个事情有可能是类似的。 💡 当一个非常新的机会真的到你眼前时,你发现它有很多似曾相识的地方。 【音频时间戳】 00:02-03:55 看一个投资人,到底是在挑基金经理,还是在找值得长期学习的人? 03:56-08:12 收益率、幸存者偏差与自洽逻辑:为什么都不够? 08:13-15:30 找不到第二个“王川”,要焦虑吗? 15:31-22:30 现金流停止增长时,人为什么容易加大赌注? 22:31-30:33 投资策略的层级:能不能抽象、赚的是谁的钱、何时该退出 30:34-38:50 正和与零和:Peicai Li 怎么给投资策略排序? 38:51-47:04 如果一位百年后才被认可的投资者站在面前,怎么识别? 47:05-53:06 看不懂西蒙斯,也能判断什么? 53:07-01:00:57 反共识的正确从哪里来?新一代投资者要补什么课? 01:00:58-01:02:00 AI 会减少投资盲区,还是只会让所有人更快看到同一件事? 【要点精选】 * Q1:为什么不能只用收益率判断一个人的投资水平? Odyssey: 收益率当然有筛选价值,但它更像相关性,不是因果性。有人靠运气拿到很高收益,也有人长期使用一种看似稳定、实际风险极大的策略,平时曲线很好看,等真正出问题时再一次性归零。只看过去战绩,很容易把幸存者误认为高手。 往下一层看逻辑,也不够。一个理论只要不能自洽,早就被淘汰了;真正麻烦的是,它太自洽,反而容易把人困在里面。比如自动驾驶的纯视觉路线和多传感器融合路线,各自都能讲出很漂亮的逻辑。站在理论内部,你未必能直接证明谁对谁错。很多时候,人不是靠推翻旧逻辑走出来,而是遇到一个明显更好的东西,才愿意换一套看法。 * Q2:如果不只看收益率,评判一套投资策略时到底该看什么? Peicai Li: 我会先要一个解释。这个策略赚的是什么钱?它参与的是正和博弈还是零和博弈?它怎样抵抗市场有效性?又怎样处理反身性?如果这些问题讲不清楚,后面的收益率再高,我也很难判断那到底是能力、运气,还是一个暂时没有暴露的问题。 正和博弈的策略,我会放在更高的位置。比如长期持有能够持续创造价值、规模不断增长的企业,赚到的更多是企业价值增长带来的收益;而偏交易型、零和的策略,赚到的往往是别的参与者失去的钱,更容易受市场结构和反身性影响。不是说零和策略不存在高手,而是它更难验证,也更难让外部的人稳定地跟随。 * Q3:投资人的能力,为什么有点像一家优秀公司在建护城河? Zhen Dong: 如果市场完全有效,大家拿到的信息和使用的策略都差不多,谁也不该长期拿到特别高的回报。一个投资人能持续赚到别人赚不到的钱,某种意义上也得有自己的“护城河”:他看得更早、理解得更深,或者有只有他能参与的机会。 我会问的是,这个策略为什么只有他能做?它还有没有空间?会不会随着资金规模扩大就失效?巴菲特早期能做很多交易型机会,但体量大了以后就做不了,这就是策略容量的问题。 真正高水平的投资者,可能不是每一次都靠规划赢,而是在关键节点看见了某种系统性的机会,像找到了世界运行里的一个 bug,并且有能力持续利用它。 * Q4:投资之外,为什么还要做业务? Peicai Li: 我对投资收益率没有那么焦虑,一部分原因是我可以接受长期投资策略的收益率不总是很高;另一部分原因是,我会把更多精力放到做业务上。业务和投资不是同一套逻辑。投资更像钱生钱,业务则可以把自己的时间、能力和执行力放进去,主动地创造现金流。 业务的容量可能有限,不会像一个好资产那样无限承接资金,但它给人的东西也不一样。比如一个项目的佣金、服务费,绝对金额未必巨大,但如果前期投入可控,收益率可以不错。 对我来说,大资金可以放在相对长期的投资框架里;业务则提供另一种更主动的收入来源。这样也不必要求单一投资策略解决所有问题。 * Q5:如果一位未来才会被证明伟大的投资者今天站在面前,我们怎么认出他? Odyssey: 我会看两端。第一端是他能不能避开历史上反复出现的坑:泡沫、靠讲故事支撑的增长、没有利润来源的繁荣。这个部分可以放进过去的案例里检验,看他的思维方式会不会把他带进类似陷阱。 另一端更难:他能不能看见真正新的东西。那不是简单的“反共识”,因为反共识大多是错的;而是有些观点会让你不舒服、和你的体系冲突,但你又没法证明它必然不成立。我会把这种人和想法先放在视野里,继续观察。 西蒙斯就是一个例子:我未必能解释他的整个黑箱,但他在科网泡沫破裂时获利、在量化策略普遍出问题时也会亏损,这些细节至少让我知道,他不太像单纯靠纸面增长或利益输送赚钱。 * Q6:下一代投资者的机会,可能藏在什么地方? Zhen Dong: 新的机会往往最难认,因为它既要反共识,又要正确。很多时候,不是你没听过某个概念,而是你还没有足够的经验和结构感去把它认出来。看得多、犯过错、错过过机会,都会留下某种“似曾相识”的能力。下一次类似结构出现时,你可能更敏感。 我觉得投资者的盲区大概有两类。一类是本来有能力理解,但没有投入时间去研究。比如很多优秀投资者未必真的细看过某个新行业的商业模式。另一类是大家都知道这是好东西,但因为爆仓、情绪、资金约束或组织限制,不得不卖掉。 后者更容易被看见。前者也许会因为 AI 而缩小一点:它可以帮你更快扫描行业、整理商业模式、补足研究覆盖面。但最终能不能识别出真正重要的结构,还是要靠人自己判断。 本期内容仅为嘉宾个人观点与讨论,不构成任何投资建议。相关市场波动较大,请谨慎决策。 【关于E2M Research】 From the Earth to the Moon E2M Research 聚焦投资和数字货币领域的研究与学习。 文章合集 :mirror.xyz 关注推特 :twitter.com ️ 音频播客:e2m-research.castos.com 小宇宙链接:www.xiaoyuzhoufm.com DC链接:discord.gg
AI时代,将会崛起怎样的商业模式?本期的话题,很容易从一张 20 美元的订阅账单,一路聊到电力、石油、数据中心和自动驾驶。大家真正卡住的,其实还是那件小事:AI 用户越来越多,到底是在积累资产,还是在把公司的成本越烧越高? 也许要等模型能力不再只靠烧钱往上堆、各家开始真正算账时,答案才会慢慢出现。 🤔【猜想与反驳】 本周话题:AI 时代,将会崛起怎样的商业模式? ⏰ 18:00(UTC+8)2026年10月9日(周五) 常驻嘉宾: Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【space金句】 💡 AI 因为非零边际成本的特点,赢家很有可能指向的是往成本端的优化,而不是互联网玩法往收益端的优化。 💡 现在大模型的竞争商业模式好不好?肯定是不好,核心原因在同质化竞争。 💡 如果最大的浪潮是所谓的端侧,意味现在全世界对所有数据中心的投资都是一场虚妄。 💡 智能水平的提升,成本巨大,但是收益又不明显。 💡 错过英伟达之后,我不想再错过下一个东西。 【音频时间戳】 00:03-02:45 从 AI 泡沫延伸出来的问题:下一代商业模式会在哪里出现? 02:46-06:05 AI 创业者的真实困境:用户越多,为什么不一定越赚钱? 06:06-12:41 从电力、石油到木桶:Odyssey 为什么从旧基础设施里找 AI 的参照物 12:42-18:02 “不要从头开始计算”:缓存、内存和上下文工程能不能成为新线索? 18:03-24:00 Peicai Li 的提醒:上下文可以迁移,模型会不会反而越来越同质化? 24:01-30:08 从案例法到人类智慧:AI 能否靠“复用已有计算”持续进化? 30:09-38:55 训练和推理为什么必须分开看?数据、智能水平与成本不是一回事 38:56-44:00 模型会无限训练下去,还是达到阈值后转向降成本、抢市场? 44:00-50:00 端侧 AI 与数据中心:两条路径会不会指向完全不同的投资结论? 50:01-57:11 自动驾驶会成为“够用就好”的有限游戏吗? 57:12-01:00:55 大模型是无限游戏,还是用户已经不愿意为更高智能付费? 01:00:56-01:12:54 大模型同质化之后,什么样的软硬件结合才可能形成护城河? 01:12:55-01:21:45 不想再错过下一个英伟达,但真的需要在最早期识别它吗? 【要点精选】 Q1:为什么互联网时代的创业打法,放到 AI 上可能不灵了? Odyssey: 互联网的核心前提是接近零边际成本:软件开发一次,多一个用户的成本很低,所以可以先免费、补贴、快速扩张,后面再靠网络效应和分发赚钱。但 AI 不一样,用户每一次调用都可能继续消耗推理资源。你补贴来的用户,不一定会像互联网用户一样沉淀为资产,也可能是持续烧钱的来源。 所以我会特别关注“避免从头开始计算”这件事。英伟达的带宽和计算架构、内存保存历史结果、上下文工程、个人助理的状态保存,在我看来都指向同一件事:把已经完成的计算保存、复用,让下一步不必退回起点。未来好的模式,也许不只是卖一次模型能力,而是能持续降低重复计算的成本,并把这种复用变成自己的优势。 Q2:为什么训练和推理必须分开看? Peicai Li: 我觉得训练和推理对应的是两套不同的问题。推理端的成本是持续发生的,每一次调用、每一次生成都会消耗资源,所以如果能把一部分推理成本放到用户本地设备,或者把成本压得足够低,当然会有优势。 但训练端不完全是成本问题。训练决定的是模型的智能水平,而智能水平和数据、模型参数、具体场景有关。一个模型训练更贵,但如果明显更好用,它仍然可能值得。尤其在垂直场景里,谁先拿到更多、更新的数据,把能力推过可商用的阈值,谁就可能形成数据、用户和模型效果之间的飞轮。不能因为 AI 的边际成本不为零,就忽略训练端的能力竞争。 Q3:模型能力会无限军备竞赛,还是到了“够用”之后转向降成本? Peicai Li: 我不觉得所有 AI 都会进入无限军备竞赛。有些场景更像 AlphaGo:达到足够高的能力以后,再继续提升的商业收益会越来越小。自动驾驶也可能如此。如果安全性已经达到足够高的阈值,后续更重要的可能不是无限做大模型,而是把模型压缩得更小、功耗更低、能部署到更多本地设备上。 现在一些头部模型产品也给了类似信号:能力继续提升,成本却很高,用户未必愿意为一点点提升付更多钱。那公司可能就会转向蒸馏小模型、降低价格、扩大场景,而不是继续把所有资源压在更高的智能水平上。我的判断不是说竞争会停止,而是未来竞争的重点可能从“谁更大”转向“谁更够用、成本更低、部署更广”。 Q4:大模型同质化之后,什么样的商业模式才可能形成护城河? Zhen Dong: 现在大模型公司的问题很直接:同质化竞争。今天用这个模型,明天切到另一个模型,用户的切换成本并不高。只要产品接近,大家就很难有足够利润,只能持续投入、持续竞争。 我会把 Token、算力和基础模型先看成偏标准化的基础设施。未来真正好的模式,可能不是单纯卖 Token,而是有人把这些通用能力和硬件、自研芯片、软件生态、场景数据、监管能力结合起来,做成一个用户愿意付高价的复杂产品。它有点像苹果:底层硬件并非全部独有,但系统、软件、交互和生态组合起来后,形成了后来者不容易复制的优势。AI 也许会沿着类似路径,先经历能力和成本的标准化,再从具体场景里长出新的护城河。 Q5:端侧 AI 会削弱数据中心,还是两者会长期并存? Odyssey: 这其实是两条很不一样的路径。如果 AI 的主要计算最终都跑在手机、电脑和车上,推理成本更多由用户设备承担,那么今天大规模建设数据中心的逻辑就会受到挑战。端侧计算越强,中心化算力投资越可能出现过度建设的问题。 但另一条路也成立:如果 AI 的使用量长期高速增长,尤其是高难度任务越来越多,数据中心的规模、能效和集中式优势仍然难以替代。Peicai Li 认为,端侧能力和小模型都在进步,像自动驾驶这样的垂直场景可能在“够用”后进入更慢、更稳定的升级周期;而我的前提不同,我会把通用大模型看成一个仍在扩张的无限游戏。两者的分歧不只在技术判断,也对应着完全不同的资产与商业模式。 Q6:不想再错过下一个英伟达,是否必须最早看见它? Odyssey: 错过英伟达以后,我确实会有一种焦虑:如果下一轮类似谷歌、亚马逊的机会出现,我能不能识别、能不能抓住?这也是我为什么特别想找到一个能理解未来的视角,哪怕它现在还不完整。 但 Peicai Li 提醒了我另一种方式:不一定要在最早期就识别出来。真正重要的公司如果能走到很大,未必只给最早的人机会;等它出现更明确的观察点,再跟上也可以。我可能更在意“做出好决策”本身带来的成就感,他则更愿意等待事实涌现。这不是谁更对,而是两种不同的投资心理:一种想提前看见未来,另一种接受自己可以晚一点确认。 本期内容仅为嘉宾个人观点与讨论,不构成任何投资建议。相关市场波动较大,请谨慎决策。 【关于E2M Research】 From the Earth to the Moon E2M Research 聚焦投资和数字货币领域的研究与学习。 文章合集 :mirror.xyz 关注推特 :twitter.com ️ 音频播客:e2m-research.castos.com 小宇宙链接:www.xiaoyuzhoufm.com DC链接:discord.gg
怎么看王川对AI泡沫的观点?一篇看空 AI 泡沫的文章,为什么会引出对“错过英伟达”更长时间的追问? 本期讨论拆开了几个更具体的问题: 一个成熟投资框架会不会错过新范式? 看空需要怎样的证据? 当机会已经错过、风险又在累积时,投资者究竟该加仓、等待,还是保留现金? 三位嘉宾从王川的思想框架出发,也回到了各自真实的仓位与应对。 🤔【猜想与反驳】 本周话题:怎么看王川对AI泡沫的观点? ⏰ 18:00(UTC+8)2026年10月2日(周五) 常驻嘉宾: Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【space金句】 💡 普通投资者知道规则,高手知道例外。 💡 我觉得在王川的思想里,好像对判断泡沫不是很擅长。 💡 不管泡沫破不破,王川现在对或者不对,更应该看背后的逻辑。 💡 我会出于敬畏这个世界,对一些我看不懂的东西,保留一部分仓位。 【音频时间戳】 00:01-03:32 王川看空 AI,到底是在判断泡沫,还是延续一套旧框架? 03:33-12:51 Zhen Dong 的选择:错过 AI 之后,为什么不急着追上车 12:52-17:32 一个尖锐问题:王川以后会写“我是如何错过英伟达”吗? 17:33-23:51 Peicai Li 的保留:看空泡沫,不能只看供给端和债务 23:52-29:20 王川的思想体系,是否注定会错过英伟达? 29:21-36:41 加息、债务与预期差:Zhen Dong 为什么把仓位放得更谨慎 36:42-42:28 王川过去的看空,错在方向还是错在过程? 42:29-47:13 看多和看空需要同样强的论证吗? 47:14-50:45 AI 时代的新商业模式,为什么未必是互联网平台经济的续集 50:46-57:57 现金该留多少?估值判断与“承认自己可能看不懂”之间 58:03-01:03:47 王川错过英伟达,是 ego、经验,还是对半导体的熟悉反而成了限制? 01:03:48-01:09:15 错过一轮大机会,能不能也成为下一次投资的情绪记忆? 【要点精选】 Q1:为什么认为自己可能错过了 AI,但现在仍然不想追? Zhen Dong: 我确实反思过,自己受到王川观点的影响比较大,也因为离 AI 产业链比较远、研究不够系统,错过了英伟达、存储等一些机会。身边也有朋友在这些方向上赚到了钱。回头看,存储本身就有很强的周期属性,如果能更早从供需和周期的角度理解,确实存在参与机会。 但对我来说,错过不等于现在就要追回来。现在 AI 一边是生产力提升和真实现金流,另一边又有债务、估值、商业模式和加息等风险。我最不愿意做的,是前面因为信了王川没上车,后面看到市场开始批评他,又在高位情绪化冲进去。既然没赚到,就先承认错过,保持谨慎和足够现金,等待真正看得懂的机会。 Q2:讨论王川的 AI 判断前,为什么要先拆开“王川本人”和“王川的思想”? Odyssey: 我觉得这两个问题不能混在一起。王川本人会不会因为过去的经历、在半导体行业的经验,或者个人的心理惯性而错过英伟达,和他的思想框架本身能不能识别英伟达,是两回事。 每个投资者都有自己的促狭和盲区。但一个足够好的思想体系,不应该只解释自己已经抓住的机会,也应该有能力面对错过的机会。我会更在意:王川是因为思科、英特尔的经验,过早把英伟达放进了旧分类里;还是说他的整个框架天然无法理解 AI 军备竞赛?这会影响我们怎么看他今天关于 AI 泡沫的判断。 Q3:为什么对“AI 泡沫会破”这件事没有那么高的确信? Peicai Li: 我觉得王川在选资产、看强者恒强这类问题上,有很强的底座;但判断一个泡沫一定会破,需要的是另一套更系统的逻辑。至少目前我看到的看空论证,更多是在谈供给端:大厂的资本开支、债务、数据中心、一些公司的现金流压力。 但需求端还在变化。今天的 AI 需求和去年的 AI 需求已经不同,明年会不会又出现新的应用和需求,我觉得没人能完全确定。要推导出“泡沫一定破”,不能只看供给端激进,还要证明需求增长不足以承接它。我没有看到足够完整的论证,所以我更倾向于把它视为不确定,而不是直接接受一个确定的看空结论。 Q4:看空为什么比看多更需要论证? Peicai Li: 我不是说看多就一定简单,但我觉得两者的难度并不一样。王川看多时,背后有强者恒强、指数增长容易被低估、市场会低估复利这些较稳定的逻辑底座。 但看空一个东西,尤其是在市场普遍看多的时候,需要解释的变量更多。它为什么会破?需求为什么不会继续增长?供给、融资、利率、政策和竞争会怎样一起作用?过去他对石油等资产的看空,也未必都按原先的路径发生。我不会因为王川某一次看空实现了,就认为“看空”本身已经成为一套可靠的通用能力。 Q5:为什么认为 AI 泡沫风险值得被认真对待? Zhen Dong: 我不觉得自己能断言 AI 一定会破,但我认同风险在积累。加息会改变资产的折现逻辑;一些公司的债务、未来披露的财务数据、增长速度的变化,也可能成为触发点。很多时候,从风险开始出现,到市场真正意识到趋势反转,中间本来就会有一段时间。 我现在的策略不是“坚定看空”,而是勇于不动。这个问题太复杂,远超过我能够完全看清的范围。我愿意为三到五年的防守做准备,也会关注商业模式有没有真正跑出来。对我来说,最大的风险不是错过一次上涨,而是在自己没有充分理解的时候,因为外界对王川的态度变化而做相反方向的情绪交易。 Q6:外界从“王川是神”转到“王川是骗子”,为什么是一个危险信号? Zhen Dong: 我看到的变化很明显:过去很多人相信王川的框架、跟着他的观点不碰 AI;后来 AI 相关资产持续上涨,不信他的人赚到钱,大家又开始用完全相反的方式评价他。对我来说,这种从极度相信到极度否定的摆动,本身就不太健康。 王川的文章和核心框架没有突然大幅变化,变化更多的是大家对他的评价。当你一开始因为崇拜一个人而错过,后来又因为愤怒而冲进同一件事,很容易两头挨打。比起站队,我更想把注意力放在:如果大模型公司现在商业模式不够好,未来真正好的 AI 商业模式会长什么样。 Q7:王川过去关于奔驰、宝马的看空,给 AI 泡沫判断留下了什么问题? Odyssey: 我觉得他对奔驰、宝马固定成本高、利润容易受边际变化影响的判断,本身未必错。但从“利润会大幅受影响”直接推到“它们会迅速破产”,中间可能漏掉了制度、国家、产业关系和企业自救能力。 百年企业即使往下走,也可能有很多降落伞。它和国家体系的绑定、政策上的缓冲、企业自己的工具,都会让过程比纯粹的正反馈坠落更复杂。我猜王川比较擅长看见范式转移和正反馈循环,但对一个旧系统会怎样被缓冲、被延迟、被重新组织,可能花的力气相对少。AI 泡沫即便有问题,也未必会按一条直线破掉。 Q8:不完全认同 AI 泡沫判断,投资上该怎么应对? Peicai Li: 我不认为王川一定错,只是我不想把仓位调整建立在“AI 泡沫必然会破”的判断上。很多事情本来就无法预测,明天发生什么、需求怎么变化,都不应该等到一个明确的泡沫观点出现后才开始准备。 所以我更倾向于做平均意义上的应对:保留足够冗余,而不是因为某个具体看空观点就做一次很极端的押注。风险管理不应该只服务于一个单一叙事。无论 AI 有没有泡沫,资产配置里留出空间,本来就是对自己有限认知的承认。 Q9:为什么把“寻找新商业模式”看得比判断 AI 泡沫更重要? Odyssey: 过去二三十年,很多大公司都建立在平台经济和双边网络效应上:淘宝、拼多多、抖音、App Store,本质上都享受接近零边际成本带来的扩张。 但 AI 可能不一样。模型推理、算力和服务本身都有持续成本,它未必会自然长成互联网平台那种商业模式,甚至可能更像石油:每增加一单位供给或服务,都要面对新的成本和竞争。所以我现在更想研究的是,AI 时代到底会长出什么新生意,以及过去石油时代的竞争和商业组织方式,能不能给我们一些参考。 Q10:现金比例为什么不只是“看空以后躲起来”? Odyssey: 我现在维持比较高的现金比例,不是因为我能精确预测泡沫什么时候破,而是觉得美股整体并不便宜,同时我还没想清楚新的机会到底在哪里。现金是为未来可能出现的便宜资产准备的。 我不会认为现金永远不动就是一种投资。既然它被放在组合里,就一定要有使用条件。对我来说,真正值得动用最后一部分现金的环境,应该是一个资产本身大家都知道不错,但因为强制平仓、波动和不确定性被砸得很低,市场既想买又不敢买的时候。保留现金,也是在承认我对世界还有看不懂的部分。 Q11:错过英伟达,能不能成为一种有价值的“情绪记忆”? Zhen Dong: 我过去更多经历的是买错的教训,比如 NFT 里亏过钱,所以后来会更警惕乱买质量一般的资产。但我发现自己不太有“错过”的情绪记忆。错过不一定马上带来亏损,却也有机会成本。 如果未来回头看,英伟达确实是一个本来有机会理解、却因为框架或惯性没有抓住的机会,那它也值得认真复盘。下一次面对新范式时,我们也许会更清楚:自己到底是因为没有能力理解,还是因为把旧周期、旧分类和过去的失败经验,过早套在了新事物上。 【关于E2M Research】 From the Earth to the Moon E2M Research 聚焦投资和数字货币领域的研究与学习。 文章合集 :mirror.xyz 关注推特 :twitter.com ️ 音频播客:e2m-research.castos.com 小宇宙链接:www.xiaoyuzhoufm.com DC链接:discord.gg
腾讯是一张便宜的 AI 彩票,还是被高估的期权?几位嘉宾围绕腾讯给出了截然不同的判断:有人把它看作“游戏和广告保底、AI部分几乎白送”的非对称期权; 有人质疑这个期权的兑现路径根本看不清;也有人承认自己不在能力圈内,但愿意回去认真研究。分歧不只在结论,更在于他们如何理解腾讯的生态位置、AI产品形态,以及“便宜”到底意味着什么。 🤔【猜想与反驳】 本周话题:聊聊腾讯 ⏰ 18:00(UTC+8)2026年9月11日(周五) 🙋特邀嘉宾: FOFA @MingFOFA 常驻嘉宾: Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【space金句】 💡 我腾讯是目前我看到最有诱惑力的一个选项。 💡 它并不是要做出最领先的模型,而是能够满足最够用的模型,且这方面进步速度很快。 💡 你觉得腾讯是一个类似于大猩猩的长期仓位,还是看到了一个非对称的期权特点的交易结构,是否对仓位的持有时间有预期? 💡 我买入腾讯并不是因为我认为它一定会赢,只是觉得它是一个值得弯腰去刮的彩票 【音频时间戳】 00:52-05:00 开场与嘉宾介绍:从BTC、ETH、特斯拉到腾讯这个新观察标的 05:01-10:20 价值投资纪律:为什么一个标的要研究两三年才敢下手 10:21-14:18 奥德赛的核心猜想:AI大模型标准化,腾讯是便宜的AI期权 14:19-17:14 腾讯AI产品:模型垃圾没关系,上下文和产品能力才是优势 17:15-20:33 腾讯战略转向与期权结构:市场只给AI部分5%溢价 20:34-24:33 peicai的顾虑:中概股天花板、AI投入可能打水漂、损失可控 24:34-28:25 市场为什么不给腾讯AI估值:它跟每个热点都不搭嘎 28:26-35:20 dongzhen追问:你押的是旧护城河加深,还是新AI应用业态? 35:21-40:00 奥德赛的三层分类:亚马逊被冲击、Meta被强化、腾讯是第三种 40:01-49:33 微创新与完整产品:WorkBody在小程序里调用云端主机 49:34-52:30 peicai的反驳:这不是路上捡彩票,是买房送彩票 52:31-58:16 以太坊与腾讯的对比:开放平台涌现 vs 垄断生态位的不确定性 58:17-01:02:00 特斯拉、英伟达与估值方法:强者恒强到底该怎么用 01:02:01-01:03:17 结尾复盘:没有统一结论,但讨论留下了可跟踪的问题 【要点精选】 Q1:你为什么对腾讯感兴趣?你的核心判断是什么?? Odyssey: 我感兴趣的第一个前提是,AI大模型层面正在接近标准化竞争,最领先的模型最多领先一两个月。 标准化之后,价值会外溢到上下游。上游是英伟达、内存厂商,估值已经很高;下游是云厂商,亚马逊、Google、微软,但我会担心AI agent冲击它们原有的搜索或电商业务。 回到中国,硬件公司要么买不了要么也很高,阿里的结构和亚马逊类似,很难算清楚旧业务会不会被消解。 腾讯不一样。如果简单拍脑袋,假设游戏和广告业务没有增长,这两块基本上也价值3万亿这个水平。市场给它的AI部分额外买单的大概只占市值的5%左右。也就是说,我买的是一个保底业务加上一张很便宜的AI期权。 腾讯的模型确实垃圾,但它可以接入别人的模型;它拥有用户大量的上下文,小程序可以直接调用各种服务。模型标准化之后,产品能力和易用性反而变成一个很重要的优势。上个季度腾讯开始疯狂砸钱买算力,战略转向很明显。我的判断是,它是一个天花板很高的AI期权。 Q2:你听了Odyssey的分享,最想追问的是什么? Zhen Dong: 我确实没有特别研究过腾讯,财报也没怎么看。 我就问两个问题:第一,你觉得腾讯是一个类似于大猩猩的长期仓位,还是说你看到了一个非对称的期权交易结构?你对它的仓位持有时间会有预期吗? 第二,刚才提到现在热点到了云厂商,是不是认为下一个热点会到腾讯、苹果这种之前没怎么投入AI的超级巨头?如果这个热点兑现,你会平仓,还是愿意持有它5到10年? 我自己有个观点,很多AI应用的前景我们其实没有知识,它可能需要涌现。就像Crypto的应用未来会增长10倍,但以太坊现在这个样子,我们也不知道那个应用到底是什么。那为什么会认为押注腾讯就能押到这个东西? Q3:你怎么回应“押注腾讯就能押到AI应用”这个问题? Odyssey: 我把企业分成三种。 第一种,AI出来以后威胁它原有业务,比如亚马逊,agent会打破信息不对称,冲击它的广告模式。 第二种,AI强化它原有业务,比如Meta用AI大幅改善广告能力。 腾讯是第三种:AI对它现有的游戏业务没有太好也没有太坏的影响,游戏是它的基本盘。 那未来怎么演化?第一种模式是纯看增长,像巴菲特买可口可乐,模式不变,市场直接增长。第二种模式更像微软和苹果,我们不知道AirPods一年能赚200亿美金,不知道微软后面能搞出Office、Teams、企业云。你买的是它未来演进的一种可能性。这个很虚,难点在估值。 今天大家买Anthropic、OpenAI就是出于这个逻辑,但对我来说我想象不出那个东西,我也觉得它太贵了。腾讯不一样,它用这么便宜的方式让你去买这种庞大的演进可能性,我觉得还算划算。 Q4:你对Odyssey的逻辑有什么顾虑? Peicai Li: 我以前对腾讯的主要顾虑是价值传递的问题,所以把它排除掉了,没有太仔细研究。刚才听下来,我觉得Odyssey的思维模型里有一块是:腾讯目前的估值没有太考虑AI爆发,投它有可能是在保底基础上还有一个期权。这个结构确实很有吸引力。 但我更担心的是,它在目前这个位置有没有可能让你亏钱。 中概股的限制是天花板被压着,腾讯再怎么样也不可能膨胀到美国公司那种地位和体量。第二层,如果腾讯每年几千亿去买算力跟显卡,这部分投资完全有可能打水漂。军备竞赛导致大家可能都不赚钱,就像当年投共享单车。你便宜,别人也便宜,显卡过几年还降价,甚至整个AI市场需求也许就是伪的,中国用户就不爱付钱。 但我觉得这个损失是可控的。基本盘主要在游戏和广告,AI的尝试最多就是这部分资源花错了地方。我自己拍脑袋,永久性资本损失可能10%到20%最多了。 Q5:你说市场没有给腾讯AI估值,具体原因是什么? Odyssey: 现在整个市场非常追捧OpenAI、Anthropic,国内智谱都能涨上天,大家看中大模型本身,给前端AI实验室最高的估值。而腾讯的混元模型特别垃圾,所以没人去捧腾讯。这是第一个点。 第二点,市场最近一两个月转向了云厂商,Google和阿里云财报出来很受追捧。腾讯云以前还出过各种各样的事故,跟这波AI也没有什么太深太大的关系,同样不在热点范围内。第三个点,像豆包、红果短剧这些字节家的产品,增量也非常快。我这样的用户直接上最强模型,天天在那边用,腾讯的WorkBody虽然说也是几千万人在用,但对很多投资者甚至AI前沿使用者来说,太隐形了。腾讯真的认真看的话,它跟每一个热点都不搭嘎。上个季度才开始大手笔投入资源到AI上。这就是为什么市场一时没有关注到。 Q6:你怎么看腾讯的AI产品形态和估值方法? Zhen Dong: 我倾向于认为你押注的是它旧的垄断护城河借助AI变得更深,还是说它会出现一个新的AI应用业态?如果是后面,新的AI应用业态到底是什么,我们还不是特别确定。这有点像你在押注一个不确定性的未来。 就像很多人在讲Crypto的应用未来会增长10倍,但现在以太坊这个样子,Solana这个样子,我们认为区块链的使用会变成mass adoption,但未来的应用到底是什么,我们是没有关于这个事情的知识的。它可能需要一些类似于涌现的东西,它的出现是在大家的意料之外的。那你为什么会认为押注腾讯就能押到这个东西? Q7:你怎么看WorkBody这个产品?它算不算一个完整的AI产品? Odyssey: 我觉得要先理清创新和完整产品,这是两个不同的概念。iPhone第一代出来的时候很创新,极客非常喜欢,但它不算一个完整产品。只有线下维修店、各种论坛、各种软件都齐全之后,它才变成面向主流市场的完整产品。 WorkBody有一个点,它在小程序里面可以直接调用云端主机,这样模式直接用。对普通人来说,你要配置Cursor或者Claude Code,你要开着电脑,然后远程在里面操作,上手成本对绝大多数人来说是非常高的。腾讯的话,朋友圈广告你点开那个东西,然后在小程序里面直接一个PPT或者各种研究出来了。我觉得这个是更接近完整产品理念的。 我傲慢地代入普通人的视角,对一个普通人去解决大多数问题,而且一开始上传免费的,我会觉得用这个还挺自然的。当然,我买入腾讯并不是因为我认为它一定会赢,我只是觉得它是一个值得弯腰去刮的彩票。 Q8:你刚才说“这不是路上捡彩票,是买房送彩票”,能展开讲讲吗? Peicai Li: 对,我纠正一下。Odyssey说腾讯是路上捡了一张彩票,白送你一个彩票。但我觉得不是,是你去买房,售楼中心送你一张彩票。你买腾讯这张AI彩票的前提是,要先买它的游戏和社交,买它的广告业务。这是一个比较大的区别。 另外,我觉得在你的描述里,可能更多像一个交易的机会,不是特别像一个按我的框架下,这种长期的、能够放到类似于大猩猩资产池里面的标的。 腾讯的Tam我不是很确定,能不能卡住AI的分发生态位,我没有那么大的确定性。如果未来的AI爆发是走agent,这里面是不是腾讯一定会卡住这个分发的生态位?我至少在对比,如果未来的链上资产大爆发,ETH会卡住这个生态位,我的信心可能还更多一点。这个可能是我认为以太坊我还敢拿着当核心资产,然后腾讯我反而还是有点疑虑的原因。 Q9:你最后怎么看“长期持有还是交易机会”这个问题? Odyssey: 我们很难讨论一个决策是不是长期,我们是为了一个决策好不好而做决定。如果买入腾讯明天它就涨了100倍,那我为什么还要坚持拿个10年或者5年?大众语境里面觉得长期往往是好的,是因为次数变少了,所以你犯错的可能性变少。 我们今天把腾讯拉到一个大众视野上去交流和讨论,恰恰就是在锻造一个长期决策的可能性。但目标不是长期本身,而是好决策本身。我并不排除也许腾讯过个两个月,我觉得买入的决定是错的,然后我把它给平仓了。我不排除这个可能性。所以我无法回应是否长期。 Q10:你最后提到以太坊和腾讯的对比,能再说一下吗? Peicai Li: 我觉得以太坊可能是一个开放式的平台,它的涌现不太依赖于开发团队的努力,更依赖于它是不是提供了一个跟原有基础设施相比更有竞争力的平台,类似于更高的激励、更少的监管、更多的自由度。这些让我觉得,虽然我们看不到,但我相信这个涌现一定会发生。 但同样是处在垄断生态位的腾讯,我觉得在这个层面上,和Odyssey说的“腾讯处在这个权力位上,涌现绕不过它”有一定的关联,但我又觉得不完全关联。如果未来的AI爆发是走agent,腾讯一定会卡住这个分发的生态位吗?我没有那么大的确定性。这个可能是我认为以太坊我还敢拿着当核心资产,腾讯我反而还是有点疑虑的原因。 本期内容仅为嘉宾个人观点与讨论,不构成任何投资建议。加密资产及股票市场波动较大,请谨慎决策。 【关于E2M Research】 From the Earth to the Moon E2M Research 聚焦投资和数字货币领域的研究与学习。 文章合集 :mirror.xyz 关注推特 :twitter.com ️ 音频播客:e2m-research.castos.com 小宇宙链接:www.xiaoyuzhoufm.com DC链接:discord.gg
以太坊的多头还有救吗?身边曾经最坚定的以太坊多头,这两年好像都在悄悄动摇? 这一期我们又把“以太坊还有没有救”这个话题搬回来了,这是一次没有急着下结论的 ETH 多空复盘。 Peicai Li 仍把以太坊看作高增长、高垄断的“大猩猩资产”;Odyssey 和 Zhen Dong 则更关注价值捕获、价格和周期性。三人的分歧不只在于是否继续持有,更在于:去中心化、低 Gas、L2 扩张这些现象,究竟是护城河,还是一套还没有跑通的商业结构?讨论一路追到更难的问题——当自己可能错了,该怎样识别和应对? 🤔【猜想与反驳】 本周话题:以太坊的多头还有救吗? ⏰ 18:00(UTC+8)2026年8月14日(周五) 🙋常驻嘉宾: Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【space金句】 💡 我对以太坊的发展是非常乐观的,但是我对于它的价格是不乐观的。 💡 哪怕以太坊是一个真的很垄断的资产,但是它不代表你能挣钱,或者不代表你持有这个资产就能获得这个权利。 💡 它还没有到这种收税的阶段,它现在是应该跟着生态一起成长的阶段。 💡 “我们讨论的东西其实有两个部分:这个资产本身质地怎么样,以及现在价格合不合适。 【音频时间戳】 00:03-02:58 三位嘉宾的最新立场:一个继续持有,两个已经转向谨慎 02:59-10:44 Peicai Li 的核心猜想:以太坊仍符合“高增长、高垄断”的标准 10:45-17:33 Odyssey 追问:你是在买现有价值,还是在为很远的未来付费? 17:34-20:15 低 Gas 是问题还是机会?Peicai Li 认为这是为生态扩张提前铺路 20:16-29:01 Zhen Dong 的判断:以太坊更像周期股,而不是大猩猩资产 29:02-37:54 区块空间、价值捕获和治理:以太坊的商业结构卡在哪里 37:55-44:58 “好资产”和“好价格”能不能分开讨论? 44:59-51:00 垄断性之争:低费用和去中心化,到底是优势还是价值泄漏 51:01-01:01:43 用英伟达、SpaceX 反问 ETH:不看价格的长期主义成立吗? 01:01:44-01:04:42 如果判断错了,持有者应该如何面对自己的盲区? 01:04:43-01:10:45 从“大猩猩”到“周期股”:Zhen Dong 如何完成观点转向 01:10:46-01:21:30 仍然乐观发展、但不乐观价格;本期分歧没有被强行收束 【要点精选】 Q1:为什么你现在还没有动以太坊仓位? Peicai Li: 我还是沿用“大猩猩资产”的框架来看 ETH:它要同时具备高增长和高垄断。我目前没有看到这两个判断发生根本变化。去中心化智能合约本身,依然是一个很大的市场空间;稳定币、RWA、链上原生资产等应用,也已经证明了这个框架并不只是概念。 从垄断性来看,以太坊在流动性、生态规模、TVL 和中立性上,依然有很明显的优势。价值捕获也不能只看手续费。ETH 在生态里还承担抵押品和货币属性,这部分并不完全依赖 Gas。我不觉得它已经到了“逻辑被证伪,所以必须退出”的状态。 Q2:Odyssey 为什么会追问“现在买的到底是什么”? Odyssey: 我不否认未来可能有很大的增长,我想问的是:我们今天付出的价格,到底有多少是在买现在已经实现的价值,有多少是在买未来的期权? 如果把 ETH 当成一项资产来估,不能只说“未来生态会长出来”。Rollup 的容量已经增长很多,但它们向主链支付的成本却在下降。即便你认可远期会有新的需求,也还是要问:这个需求何时出现?价值又会以什么方式回到 ETH 上?我不想因为“未来也许会发生”就忽略价格和时点。 Q3:低 Gas、L2 扩张和主链收入下降,为什么在 Peicai Li 看来反而是好事? Peicai Li: 我觉得现在便宜,恰恰是在为后面的生态扩张打基础。一个基础设施如果要承接大量应用,就不能在应用还没起来时先把使用成本抬得很高。L2 的部署成本低、用户在链上活动的成本低,才更容易长出小项目、原创项目和新的应用场景。 而且 Gas 的变化不是线性的。区块空间在不拥堵的时候确实很便宜,但当使用率过了阈值,价格可能会快速上升。我会把它理解成以太坊提前把基础设施修好,并预留了未来收费的权利。现在的问题不是收费能力不存在,而是生态还没有走到那个阶段。 Q4:Zhen Dong 为什么认为以太坊更像周期股? Zhen Dong: 我后来研究“超级周期”和周期股时,发现以太坊的很多表现更接近后者。上一轮 DeFi Summer 里,价格、Gas、交易量和各种创新一起爆发,很容易让人把短期的繁荣、稀缺和高利润,当成长期垄断的证据。 但把周期拉长以后,链上交易、稳定币活动和 DeFi 活跃度的高低点差距很大。繁荣时区块空间紧缺、手续费很高;周期退去后,需求和收入又明显回落。我不是说去中心化没有价值,而是觉得以太坊的业务表现有很强的周期性,不能自动等同于“高增长、高垄断”。 Q5:以太坊的价值捕获,核心问题在哪里? Zhen Dong: 如果把以太坊看成一门生意,我会先问它提供的区块空间是不是足够稀缺,生态的繁荣能不能稳定地回流到 ETH。现在的问题是,L2、其他公链和各种降费方案都在扩张供给,用户转账的成本已经大幅下降。 低费用对用户当然是好事,但对资产持有者来说,还是要看它能否捕获价值。很多链上协议的收入相对稳定,应用本身可以赚钱,但这些收入和 ETH 的关系不一定强。以太坊的生态可以很繁荣,可如果它没有形成稳定的“收税能力”,那它的垄断性和资产价值之间就还隔着一层。 Q6:去中心化成本高、治理变化慢,为什么 Peicai Li 认为这反而是护城河? Peicai Li: 我觉得这里首先要回到以太坊面对的到底是什么市场。它不是为了在所有场景都比中心化系统快、便宜;它真正瞄准的是无需许可、抗审查和中立的基础设施需求。 为了做到这一点,节点更多、成本更高、治理变化更慢,并不一定是缺点。恰恰因为没有一个单点可以随意决定规则,用户才更容易相信这个系统不会被某个团队、某个国家或某类短期利益改变。你不能一边要求它是中立、抗审查的基础设施,一边又要求它像一家由强管理层高效推动的公司那样运作。 Q7:投资“大猩猩资产”时,价格到底重不重要? Peicai Li: 不是说价格完全不重要,而是这个模型本身很难精确算出合理价格。对于高增长、高垄断资产,1800 美元、3600 美元甚至更高的价格,放在一个长期的定性框架里,误差可能都很大。 我更看重的是增长和垄断这些定性条件是否还成立。如果短期情绪特别高,我会考虑做少量再平衡;如果市场普遍悲观,价格相对低,我会更舒服一些。但我不觉得应该因为现金流模型很难算,就断定这个资产没有价值。这个框架的容错,来自长期价值可能被低估,而不是来自我自信能判断每一个价格点。 Q8:Odyssey 为什么坚持要把“好资产”和“好价格”分开? Odyssey: 我认为这是两个绕不过去的问题。一个资产未来可能很好,不代表任何价格买入都合理。拿英伟达、SpaceX 这类高度依赖未来预期的资产来比较,也不能因为未来市场足够大,就不去问今天的市值、价值捕获能力和持有结构。 我并不是要求大家用唯一的现金流模型估 ETH,而是希望把资产质地和介入时点分开。你可以看好很远的未来,但仍然需要有一个判断:什么信号出现后,你才愿意加仓、减仓或重新介入?如果没有这个部分,长期主义也可能变成对任何现实问题的回避。 Q9:如果对以太坊的判断最后错了,三人各自会怎么复盘? Zhen Dong: 如果回头看,我会认为自己过去最大的误判,是把周期繁荣当成了垄断性的证明。上一轮里,Gas 很贵、创新很多、需求看起来连续涌现,很容易相信这是一条会不断线性增长的路。但供给后来跟上了,需求也会在周期退潮后明显回落。 我现在对以太坊的发展依然乐观。去中心化基础设施会继续发展,也可能在上面长出更有价值的应用。但“行业会发展”和“ETH 的价格符合我的持有标准”不是一回事。一个很好的基础设施,并不天然意味着持有它的资产就一定能获得相应回报。 Q10:Peicai Li 给自己的风险约束是什么? Peicai Li: 我现在能明确反思的一点,是现金比例不够。我觉得现金应该至少提高到 20% 到 30%,熊市里甚至接近 40%。这是我对“自己可能错了”最实际的应对方式。 至于 ETH 本身在哪一点上一定会被证伪,我坦白说现在还想不出来一个足够清晰的答案。我会继续盯着那些支持我判断的定性条件:去中心化、中立性、无需许可、生态扩张和货币属性。如果这些条件被事实推翻,我会重新判断;但在目前,我还没有觉得它已经被推翻。 本期内容仅为嘉宾个人观点与讨论,不构成任何投资建议。加密资产及股票市场波动较大,请谨慎决策。 【关于E2M Research】 From the Earth to the Moon E2M Research 聚焦投资和数字货币领域的研究与学习。 文章合集 :mirror.xyz 关注推特 :twitter.com ️ 音频播客:e2m-research.castos.com 小宇宙链接:www.xiaoyuzhoufm.com DC链接:discord.gg
以太坊还有戏吗?三位嘉宾围绕同一个问题——“以太坊还是不是那个值得重仓的‘大猩猩’?”——聊出了完全不同的判断。Odyssey和Zhen Dong选择减仓或清仓,Peicai Li选择继续持有。 分歧不在信息差,而在对同一组事实的解读方式。在本期播客,会听到他们如何拆解“垄断性”、“需求刚性”、“超级周期”这些概念,也会听到彼此之间直接的追问和反驳。 🤔【猜想与反驳】 本周话题:投以太坊还有戏吗? ⏰ 18:00(UTC+8)2026年6月26日(周五) 🙋常驻嘉宾: Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【space金句】 💡 以太坊的确在垄断,是以太坊生态垄断,但ETH代币本身并没有垄断,或者说并没有捕获到价值。 💡 微软之所以作为恐龙时代的老古董公司,还能有这么高的市值,在于底层操作系统给了一个不回撤的、一个保底的、一个源源不断供应弹药的选项。 💡 大家被超级周期中的周期股给骗了,在周期过程中这些需求并不是长期的需求。 【音频时间戳】 00:52-04:10 为什么把以太坊拆成两层逻辑来看——一层是周期,一层是平台。 04:10-08:00 用Base和微软、苹果做对比,追问:以太坊基金会有没有“产品路线图”能力? 08:00-13:00 Peicai Li反推Odyssey的决策节奏:减仓之后才构建逻辑,会不会是心理层面的“应激反应”? 13:00-17:00 在“公链赛道是否被证伪”这个层面碰撞。 21:00-32:00 “超级周期”框架拆解以太坊。 32:00-39:00 用户真的在意用的是哪条链吗?如果不在意,以太坊的垄断性到底在哪? 39:00-47:00 Zhen Dong反思建仓时的判断。 47:00-52:00 用英伟达和Google的例子:关键不在于“未来有没有可能”,而在于“什么时间点、什么信号出现,才值得介入”。 52:00-58:00 Peicai:现有仓位不动,理由是“基本面没有变坏,反而在变好”——ETF合规、稳定币合规、监管清晰化。 58:00-1:04:00 Peicai 用诺基亚/功能机类比以太坊——现在只看到转账和简单交易,不代表未来不会长出复杂生态。 【要点精选】 * Odyssey 推特 @OdysseysEth 我思考的起点是:以太坊上有两个逻辑在并行。 第一个是周期逻辑——去中心化对多数人来说不是主动需求,而是“出事了才想起来”的保险。需求是脉冲式的,这本身就像周期股。 第二个是平台逻辑——我之前配置以太坊,是因为看中它的双边网络效应,类似Windows或iOS。 但我现在看到的是:以太坊生态在垄断,ETH代币本身却没有捕获价值。Base去年全年只给主链支付了不到50万美元,自己留下了7500多万。这意味着“平台垄断”和“代币价值”之间出现了断裂。更关键的是产品路线图能力。微软有Windows保底,不断扩展office、云服务;苹果有iOS保底,AirPods一年能产生几百亿美元收入。 以太坊基金会呢?预算削减、密码学研究组解散,更多是被动响应和维护。 我想要的不是抢一个50%的反弹,而是当初配置以太坊时那个“平台增长”的初衷。既然这个逻辑不成立了,我昨天把ETH换成了比特币。 有人问我是不是因为价格跌了70%才做这个决定。我的回答是我把问题置换一下——不是说以太坊未来没有可能,而是“什么时间点、什么信号出现,我才会重新介入”,现在我没看到那个信号。 * Zhen Dong 推特 @zhendong2020 我的切入点跟Odyssey不太一样,但结论接近。我最近在研究超级周期和周期股,越看越觉得以太坊像后者。我拆了三个角度。 第一是供给端:周期股的供给是相对同质化的,以太坊的区块空间和Solana、Avalanche的区块空间,用户在做稳定币转账时感受不到本质区别。 第二是需求端:周期股的需求不稳定,而且偏ToB,离终端消费者远。以太坊也一样——Defi Summer的时候需求暴涨,gas费冲到200美金一笔,但现在需求一退潮,大家发现最稳定的需求只有稳定币转账和借贷,这些不是高增长、高黏性的需求。 第三是供给侧出清:真正好的垄断企业,会在周期底部熬死竞争对手。但公链的维护成本太低了,你很难把那些小链“熬死”。 我反思了一下,当初建仓时被什么说服了——开发者生态、Defi的创新、去中心化的范式转移。但这些理由在三个节点之后陆续站不住了:Solana崛起时,开发者开始流失;AI爆发后,大量开发者直接离开了Crypto;现在连以太坊基金会都在裁员。 我承认我当初的判断有问题,但如果再来一次,我可能还是会在那个时间点买入——真正重要的是能不能更早识别出“这只是一个超级周期,而不是大猩猩”。 * Peicai Li 推特 @pcfli 我选择不动。不是说我没有听到他们说的那些问题,而是我觉得:以太坊的基本面没有变坏,甚至还在变好。 有ETF了,稳定币合规了,监管环境在清晰化。这些是实实在在的进展。 Odyssey说我是不是“不愿意认错”,我承认这种心理偏差可能存在。但我回头review了自己的判断框架——我当初买入以太坊,看的是“去中心化智能合约”这个范式转移本身。智能合约意味着低成本运行、无需许可、可组合性,这些特性今天依然成立。 以太坊比Solana更安全、更稳定、没有宕机风险,这些差异也依然存在。 我追问的是另一个问题:我们现在对以太坊的判断,是不是太受当前价格影响了?价格跌了70%,生态看起来冷清,所以我们觉得它不行了。 但反过来想,现在大家讨论英伟达时说的那些“垄断性”,在ChatGPT出现之前真的有那么明显吗?那时候英伟达的显卡和AMD的显卡,对普通用户来说区别也不大。 以太坊现在处于功能机时代,大家只看到稳定币转账和简单交易,不代表它上面未来不会长出复杂生态。我的意思是它确实面临很多问题,但把它完全等同于周期股或大宗商品,可能低估了它作为一个智能合约平台的潜力。 【关于E2M Research】 From the Earth to the Moon E2M Research 聚焦投资和数字货币领域的研究与学习。 文章合集 :mirror.xyz 关注推特 :twitter.com ️ 音频播客:e2m-research.castos.com 小宇宙链接:www.xiaoyuzhoufm.com DC链接:discord.gg
投资超级周期和投资垄断成长股冲突吗?当AI浪潮以指数级速度重塑世界,传统“大猩猩”投资框架是否依然万能?当周期股——尤其是那些看似缺乏长期护城河的硬件公司——爆发出惊人涨幅,究竟是短期噪音,还是一种全新的投资范式正在浮现? 本期围绕“超级周期”与“大猩猩投资”的交界地带展开了一场深度思辨。 从HBM内存的供需失衡到以太坊的“龙卷风暴”,从泡泡玛特的智能设计到矿机的周期性宿命,试图回答一个核心问题:在范式转移的时代,我们是否需要在垄断性上做出让步,以换取更高斜率的需求爆发? 🤔【猜想与反驳】 本周话题:投资超级周期和投资垄断成长股冲突吗? ⏰ 18:00(UTC+8)2026年6月19日(周五) 🙋常驻嘉宾: Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【space金句】 💡 我觉得超级周期的投资在时间上需要做一些判断,因为缺乏垄断性,时间不一定是你的朋友。或者随着时间越来越久,有可能是不利的。 💡 巴菲特试图解释的复利是企业盈利再投资,企业赚了钱以后的部分继续投资,变成一种生产资料再出去。 💡 投资需要解决一个问题,怎么理解市场有效性,为什么你是对的,别人没有看到。 💡 很多人会低估垄断性对于价值的获取,这也是大猩猩的力量来源之一。 【音频时间戳】 00:52 超级周期与大猩猩投资的“交界地带”猜想 03:10 Zhen Dong分享AI硬件暴涨引发的思考:软件吞噬硬件 vs 硬件股的惊人回报 07:00 超级周期与大猩猩的相似性:垄断性、成长性、龙卷风暴阶段 12:00 以太坊Defi Summer案例分析:同一资产可同时被视作成长股与商品周期 16:30 超级周期四要素:范式转移 + 垄断性/护城河 + 需求爆发 + 供给受限 21:00 超级周期投资的交易属性:垄断性让步 → 择时重要性提升 24:30 Odyssey追问复利本质、超额收益来源 35:00 Odyssey拆解两类周期投资逻辑 46:00 Peicai Li从矿工视角剖析放弃垄断后如何应对需求判断、市场有效性与时间不利的三大难题 54:00 矿机 vs 内存股对比:杠杆效应相似,但产业链复杂度与确定性差异显著 1:08:00大猩猩是很好但不是唯一解,学习仓位与多元能力圈拓展 【要点精选】 * Odyssey 推特 @OdysseysEth 从历史量化研究角度补充了超级周期的残酷特征:峰值越高、底部跌得越深,且下一个周期的均值比上一个更低。 “复利”的本质歧义——是数学上的连续盈利再投,还是企业盈利再投资于生产资料的复利? 针对周期投资,拆解两种主流逻辑:一是捕捉供给受限(关注资本投入周期、委托代理问题),二是预测需求爆发(如AI传导链条)。 用三星的逆周期投资案例质疑:如果没有预见AI这一范式转移,仅凭“逆周期扩张”逻辑,是否会在四五年前买入三星?这本质上是在拷问超级周期投资对抗市场有效性的难度。 * Zhen Dong 推特 @zhendong2020 “超级周期四要素”框架——范式转移、垄断性/护城河、需求爆发、供给受限。 超级周期与大猩猩投资存在明显的“交界地带”:许多大猩猩标的在成长过程中都会经历“龙卷风暴”式的高速增长阶段,而这本质上就是一种超级周期。以以太坊2020年Defi Summer为例,说明同一资产可以同时被视作创新成长股(范式转移+垄断地位)和商品周期(区块空间供给有限+需求爆发导致Gas费飙升)。 当超级周期遇到大猩猩时,会产生“A且B”的相乘叠加效应。 但若在垄断性上做出让步,则时间不再是朋友,需要更强的择时能力和交易策略来弥补。 * Peicai Li 推特 @pcfli 从比特币矿工的一线视角,放弃垄断性后将面临的三大难题: 如何准确识别需求(如ChatGPT出现后能否预判显卡需求量是翻1倍、3倍还是10倍?); 如何对抗市场有效性(等你反应过来,价格早已消化信息); 以及时间为何对你不利(需求反转时,矿机本身会被新技术淘汰)。 以矿机为例说明:牛市来临时,收入翻3倍但利润可能翻10倍,有极强的经营杠杆;但矿机厂商(比特大陆、神马等)才是真正具有垄断性的环节,而非矿机本身。 把大猩猩之外的仓位分为两类:偏动量的交易策略,以及能产生现金流的业务型投资(如矿场、高分红的股票)。 【关于E2M Research】 From the Earth to the Moon E2M Research 聚焦投资和数字货币领域的研究与学习。 文章合集 :mirror.xyz 关注推特 :twitter.com ️ 音频播客:e2m-research.castos.com 小宇宙链接:www.xiaoyuzhoufm.com DC链接:discord.gg
一万亿美元的伯克希尔被低估了吗?当AI热潮席卷全球,英伟达、存储股动辄翻倍,是否也在焦虑"错过了一个时代"? 本期我们不做追风者,而是冷静审视一个"反共识"命题:市值破万亿的伯克希尔·哈撒韦,在4000亿美元现金储备与保守估值的表象下,是否正被系统性低估? 从AI泡沫的焦虑出发,穿越到2000年互联网崩盘的经典场景,展开一场关于"现金即看涨期权"与"长期复利哲学"的深层思辨,从伯克希尔的估值拆解到投资框架的底层反思,聊聊 AI 时代的另类生存法则。 🤔【猜想与反驳】 本周话题:一万亿美元的伯克希尔被低估了吗? ⏰ 18:00(UTC+8)2026年5月29日(周五) 🙋常驻嘉宾: Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【space金句】 💡 想取得超额收益率,就要回答这个问题:为什么你认为市场是错的? 💡 我觉得被FOMO影响更多的,是一种恐惧——担心自己的理论是不是错了。 💡 大猩猩一个就够了,因为追求的是整体资金的长期复利,不是为了降低标准而加资产。 【音频时间戳】 00:00:52 发起话题:从AI投资焦虑出发,寻找"下行稳固、上行有优势"的期权结构 00:05:58 奥德赛核心论点:伯克希尔在AI泡沫破灭情景下的双重优势——注意力回归+危机定价权 00:14:03 dongzhen深度分析:分布估值视角、Christopher Bloomstran的1.2万亿估值、投资框架的选择困境 00:33:10 peicai尖锐反驳:第一层哲学缺失、行动焦虑与身份认同、大猩猩策略的"宁缺毋滥" 00:48:14 dongzhen追问"AI投资是否构成对大猩猩理论的反驳",peicai捍卫长期复利标准 01:03:15 仓位配置、候选清单、一眼识别"胖子"的标准之争 【要点精选】 * Odyssey 推特 @OdysseysEth 核心焦虑不是错过AI涨幅,而是"不知道何时卖、赚多少走"的结构性困境。 AI供应链股票虽能5倍10倍,但技术路线随时可能将其绕过——DeepSeek已证明可将显卡需求降低90%。寻找的是"期权结构":下行极稳固、上行有优势。 伯克希尔恰具备这种不对称性:4000亿现金在流动性危机中是垄断性定价者,可拿优先股等极端条款;在估值危机中,其传统业务(铁路、保险、能源)不受影响,而2000-2002年互联网泡沫中标普暴跌时伯克希尔反涨1/3。 阿贝尔接手后买谷歌,既回应了"错过科技时代"的批评压力,又受内部文化约束不做傻事——这种"有动力又有约束"的结构,让我愿意将5%现金置换为伯克希尔,作为"比现金更好"的看涨期权。 * Zhen Dong 推特 @zhendong2020 从Christopher Bloomstran的估值研究切入:伯克希尔约40%现金、20%投资持仓(苹果、可口可乐等)、40%传统运营业务,其内在价值约1.2万亿,市场给了85-88折。 关键假设是:若AI泡沫破灭,传统业务几乎不受影响,投资部分可能回撤20%,整体内在价值回撤约12%——这意味着"买伯克希尔"与"持现金等崩盘"近乎等价。 更深层的拷问是:愿意让阿贝尔帮你抄底,还是自己来? 我反思的是我们整个投资框架的颗粒度不足——段永平研究泡泡玛特会翻遍创始人所有公开资料,而我们对比特币、特斯拉的研究深度,可能远未达到"排除随机性"的标准。 牛市中我们在止盈、现金准备上做得并不好,这恰恰说明"适合熊市抄底"的模式,在牛市中需要更精细的进化。 * Peicai Li 推特 @pcfli 认为这场讨论的第一层哲学是缺失的。Odyssey将伯克希尔既当"现金替代"又当"大猩猩",两个逻辑混在了一起——巴菲特自己说"资金体量太大限制了收益率",这与"现金多才能抄底"是直接矛盾的。 更尖锐的是,我感受到一种"行动焦虑":错过AI后,既想站在散户反面、又想站在王川方面,于是非要做点什么。 但我的立场是"宁缺毋滥"——大猩猩策略追求50年15%复利,这个标准极严苛,真正有效的投资哲学极少。在没有构建"hard-to-vary"的第一层解释前,我不愿走到第二层选股。跟着丽佳操作比特币买入,是在不脱离大猩猩框架下的有限跟随;但泡泡玛特、伯克希尔这些"一眼看不出是胖子"的标的,我宁可等。 大猩猩的数量一个就够了,增加资产不会提高收益率,只会降低波动——不要为了配置而降低标准。 【关于E2M Research】 From the Earth to the Moon E2M Research 聚焦投资和数字货币领域的研究与学习。 文章合集 :mirror.xyz 关注推特 :twitter.com ️ 音频播客:e2m-research.castos.com 小宇宙链接:www.xiaoyuzhoufm.com DC链接:discord.gg
投资纪律和自我安慰的边界在哪里?看着别人赚钱,比自己亏钱还难受。当恪守纪律导致你“踏空”了别人十倍、百倍的收益时,你坚守的到底是理性的投资框架,还是一种变相的自我安慰? 这期我们深入探讨了这个让每个投资者都内心拉扯的问题从AI硬件、存储芯片的超级周期聊起,剖析了巴菲特、王川等顶级投资者的心路历程,最终回归到如何建立属于自己的、能够对抗fomo情绪的投资纪律。 🤔【猜想与反驳】 本周话题:投资纪律和自我安慰的边界在哪里? ⏰ 18:00(UTC+8)2026年5月15日(周五) 🙋常驻嘉宾: Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【space金句】 💡 如果错过了一个真实收益,而且不在你的框架内,有可能也是需要反思的。 💡 先有一个投资框架然后再去做投资,否则连错了都不太知道你为什么会错了。 💡 这个浪潮如果持续的更久的话,会不会在我们生理性的部分会像情绪一样会冲垮我们的认知边界? 💡 有可能你的投资的纪律或者是边界更多的是从内求的,更多是你自己来看待事情,当你指责别人或者是拿别人的框架来约束自己的时候,这里面会有很多的问题。 【音频时间戳】 00:00:52 从存储芯片(DRAM)板块的暴涨说起,没买到暴涨资产,是守纪律还是自我安慰? 00:02:32 Zhen Dong阐述话题背景:存储股暴涨、社群FOMO与王川的"反焦虑"文章 00:07:11 Zhen Dong核心反思:不应自我安慰,而应以小仓位主动探索新资产机会 00:10:00 大猩猩框架之问:AI硬件超级周期是否兼容原教旨主义大猩猩投资? 00:14:00 Zhen Dong提出"5%仓位学习法":用杠铃策略逼自己跟踪新范式 00:20:38 主持人抛出"巴菲特困境":避开泡沫者,事后也未必能捡起金子 00:22:08 Zhen Dong警惕偶像依赖,每个人都需建立独立于王川的投资视角 00:30:07 Peicai Li定义投资纪律:第一类错误本金永久损失与第二类错误错过收益 00:40:00 Peicai Li长期复利依赖"块状收益",新策略必须经得起重仓、扛跌、拿得住 00:50:00 情绪与认知的博弈:承认"理性是激情的奴仆",纪律是向内求 00:55:00 Peicai Li总结:投资底线如法律不可违,边界如道德需向内求 【要点精选】 * Odyssey 推特 @OdysseysEth 我们这几年太依赖王川了,很多人都喜欢在他的观点上加杠杆。但王川有他自己的资产结构、风险偏好和现金流状态,我们不可能100%复制他。 投资决策最终要自己负责,不能把责任丢给别人的框架。 此外,即使如巴菲特般理性,在面对长达数年的科技浪潮时,也会产生情绪波动。我们作为投资者不是“理性人”,当生理性的FOMO情绪持续冲击时,认知边界可能会被冲垮,这时单纯靠纪律可能不够,需要更多“向内求”的自我和解。 * Zhen Dong 推特 @zhendong2020 关于要不要用5%的仓位去尝试新资产有不同看法。 首先,小仓位对整体收益率影响微乎其微。 其次,它会让你养成“手松”的习惯。真正的投资策略必须能回答三个问题:你敢不敢重仓(投入10%-20%的仓位)?跌了40%-50%你扛不扛得住?涨了20%-30%你是想跑还是能拿住5-10倍?如果一个策略让你无法重仓、拿不住,那它对实现长期复利就是没有意义的。我们的收益来源不是靠大量小机会的累加,而是靠少数资产的巨大涨幅。 * Peicai Li 推特 @pcfli 认为投资中的“错误”需要细分。 第一类错误是本金的永久性损失,这是必须用纪律严防死守的底线。我们今天讨论的更多是第二类错误——错过收益。但不是所有错过的机会都需要反思。 我倾向于设定一个5-7年的评估周期。如果一个标的在这个长周期里依然大幅上涨(如英伟达),那错过的确是一个值得反思的“真实错误”;但如果只是短期暴涨随后可能归零(如很多山寨币),那错过并非坏事。 因此,面对存储芯片这类机会,关键在于判断它究竟是“真实收益”还是短期泡沫,这决定了我们是该坚守纪律,还是该调整框架。 【关于E2M Research】 From the Earth to the Moon E2M Research 聚焦投资和数字货币领域的研究与学习。 文章合集 :mirror.xyz 关注推特 :twitter.com ️ 音频播客:e2m-research.castos.com 小宇宙链接:www.xiaoyuzhoufm.com DC链接:discord.gg
借助AI,可以事先抓住内存股的机会吗?AI 大爆发带火了内存超级周期,不少人完美错过这波红利。我们不禁追问:借助 AI,真的能提前锁定这类存储牛市机会吗? 本期和几位投资人从实战复盘出发,拆解内存股暴涨逻辑,对比周期股与垄断成长股差异,探讨 AI 在投资决策上的真实作用——它能帮我们看清什么,又绕不过哪些坑。 🤔【猜想与反驳】 本周话题:用AI可以事先抓住内存股的机会吗? ⏰ 18:00(UTC+8)2026年5月8日(周五) 🙋常驻嘉宾: Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 特邀嘉宾: 神鱼 推特 @bitfish1 Lijia 推特 @davidhornhouse 【space金句】 💡 我现在反思,我们可能在某种程度上没有建立很好的,从观察事物到转换成配置资产的概念,中间有个断层。 💡 由于竞争使它的利润率也下降了10倍,需求增加了它的供应量,确实可能增长了10倍,但是利润率下降到原来的1/10,其实赚的钱是一样的。 💡 它是一个放大你有关行业的insight的工具,如果没有行业的了解的话,也很难单靠AI去抓住东西。 💡 如果直接能问AI就能问出很好的答案的话,那大概率已经反映在股价里。 💡 如果一个机会非常明显,用AI打穿了某些认知上的壁垒,我觉得会有比之前更大的几率看到并且抓到他。 【音频时间戳】 00:05:00 神鱼复盘去年硅谷朋友的提醒:为何没有重仓内存股 00:13:00 内存带宽为何是AI绕不过的瓶颈 00:17:00 “垄断+成长”与“周期股”的核心差异在哪里 00:39:00 Lijia复盘一年前用AI分析存储,为何结论与后来走势相反 00:46:00 Peicai对比大猩猩投资与周期股:决策复杂度多出好几层 00:54:00 Odyssey总结AI在投资中的两种能力:望远镜与放大器 01:00:00 Odyssey举例科网股泡沫:技术突破如何让紧缺瞬间变过剩 01:02:00 Odyssey提出三个未来方向:颠覆性技术、伯克希尔式现金资产、泡沫后的平台机会 01:04:00 Lijia补充如何抓到超级周期:在行业底部买入,靠随机事件带来超额收益 01:06:00 区分AI投资的两类方式:原生应用 vs 传统策略的AI增强 【要点精选】 * 神鱼 推特 @bitfish1 去年9月就通过硅谷的朋友感知到内存需求的紧张,但当时身边充斥着AI泡沫论,又联想到矿机周期中那些痛彻心扉的亏损,便只给了朋友一笔钱买了一点Call,自己没敢深挖。 直到今年1月跑本地大模型时才切身体会到KV缓存和并发对内存带宽的窒息性需求,甚至第一反应是去抢购Mac Studio 512G——但依然没把这份认知转化为投资仓位。 复盘下来发现自己长期存在一个结构性断层:从“观察到一个瓶颈”到“下到一个可观的仓位”,中间缺了快速转化的机制。 过去没有AI时,这个周期极其漫长;现在即便AI降低了研究成本,如果仓位管理没有跟上,认知依然无法变现。 接下来会重点补齐AI产业链的认知和斯坦的“三层楼”仓位管理,先让屁股挪过去,再让研究深入,而不是永远停留在“看懂了,但买少了”的遗憾里。 * Lijia 推特 @davidhornhouse 作为一个完美错过内存超级周期的研究者,必须承认周期股投资需要极深的行业认知和大量非公开信息——不是内幕消息,而是上下游供需的实时体感,这些不会第一时间出现在公开媒体。 AI在金融领域有个天然劣势:股价上涨本身就是最大的广告效应,它会迅速集中大量分析并变成公开语料。 做了实验让AI忘掉过去一年的股价变化,它其实非常不看好当时正处于训练转型期的存储板块。 这就像航煤行情,战争爆发前AI搜不到精准逻辑,价格涨完后媒体蜂拥而至,AI才“头头是道”,但最佳窗口已过。 所以认为AI是放大器而非先知:如果你本身有行业insight,它能帮你更高效地处理财报中的产能出清信号;如果没有,它只会用事后语料把你糊弄进动量陷阱。 * Zhen Dong 推特 @zhendong2020 区分了三个概念:大猩猩投资、周期股和超级周期。超级周期本质上是黑天鹅,如疫情、比特币的诞生,它的前置条件不会出现在你的日常经营假设里。 在大猩猩的光谱中,最好的垄断是生态复杂、护城河多元; 但超级周期的美妙之处在于,它突然把“够用的寡头垄断”和“爆发的10倍需求”组合在一起,就像锂矿或电池在电动汽车爆发时的状态——你的功力不是十年苦修,而是突然掉进山洞被传功。 对于这类机会,不敢在陌生行业重仓,但可以通过深度期权配置5%-10%的显著仓位,使其对全资产贡献率达到10%以上。 AI的价值在于,它能让人快速理解一个陌生行业——比如HBM是什么、为什么只有四家厂商、历史格局如何——信息获取效率大幅提升。 认为超级周期策略可以作为大猩猩框架的辅助,甚至并入其中,关键是剥离那种“周期交易=短线投机”的羞耻感。 * Peicai Li 推特 @pcfli 不想过多讨论内存的技术细节,但指出这轮内存机会与大猩猩策略存在某种同构:需求端因AI Agent出现数量级增长,供给端又被少数厂商牢牢卡住。 然而,周期股与大猩猩有一个致命差异——大猩猩的增长是长期不可逆的,而周期股的需求可能回落。 关键难点在于,你如何在短时间内判断这是10倍增长还是2倍增长?如果是2倍且已反映到价格里面,你就是在高位接了盘。 同样,垄断是否坚固?AI对新技术并不敏感,它无法预判会不会突然冒出一种工艺让供给暴增,就像当年西门子法让多晶硅价格暴跌。 承认AI能加速信息整理,但面对周期股,它在“需求幅度”和“垄断持续性”这两个核心判断上,数据支撑是否足够?持部分否定态度:AI能帮你更快分析,但未必能帮你做出更高质量的决策。 * Odyssey 推特 @OdysseysEth 稍微乐观一点。AI确实有局限,比如它擅长处理密集分布(历史上反复出现的范式),不擅长稀疏分布(真正的黑天鹅)。 但可以用一些技巧先让AI大量学习历史上供需失衡、流动性紧缺、技术瓶颈的结构,再让它去扫描当前哪些行业具备类似结构。 这样它就像一个望远镜,能帮你看到更远、更广的机会——哪怕你原本不熟悉那个行业。 目前在探索三个方向: 1)是否存在某个技术路线,能让内存或AI电力的需求降低3-4个数量级; 2)伯克希尔哈撒韦这种大量囤现金、相对跑输指数的资产,像整个AI浪潮的看涨期权; 3)科网股泡沫之后,硬件成本暴跌催生了亚马逊、谷歌这类平台公司的崛起——AI泡沫之后,类似的软件/平台机会值得提前布局。 【关于E2M Research】 From the Earth to the Moon E2M Research 聚焦投资和数字货币领域的研究与学习。 文章合集 :mirror.xyz 关注推特 :twitter.com ️ 音频播客:e2m-research.castos.com 小宇宙链接:www.xiaoyuzhoufm.com DC链接:discord.gg
聊聊过去两三年投资上犯的错如果投资是一场认知的变现,那过去两三年,你的认知升级了吗? 本期"猜想与反驳",不聊赚了多少钱,而是坦诚地聊聊过去两三年里,那些投资错误——在AI浪潮中完美错过英伟达的集体困惑、困于“路径依赖”而做出次优决策的无奈、因缺乏连续研究而与潜力标的失之交臂的遗憾。 这不仅仅是一场关于加密资产或美股的讨论,更是一份关于“知行合一”的深度体检报告。 【活动信息】 分享主题:聊聊过去两三年投资上犯的错 时间:18:00(UTC+8)2026年5月1日 🙋嘉宾 Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【space金句】 💡 我们几个人看起来都在聊天、都在思考,是不是一种假装思考呢? 💡 我们如果过去几年只是反复注意和讨论那几个资产的话,多少有点问题。 💡 佩服表面刚刚好拿着比特币的运气,还是佩服更深处的思维和决策机制? 【音频时间戳】 00:02:21 Zhen Dong反思AI浪潮中研究不足,英伟达、台积电、微软的选择题做错了 00:04:18 ETH路径依赖与按市值比例配置大新资产的纠结 00:06:17 Zhen Dong总结三类错误——做错事、错过事、研究缺乏连续性 00:09:12 Odyssey切入英伟达之错是个体错误还是群体错误?反思信息回音壁 00:13:30 深挖AI产业链传导逻辑(电力→核电→铀矿)的系统性错过 00:17:50Odyssey质疑"假装思考"陷阱——我们的决策有多少真正超越了王川框架? 00:21:30反思黄金、特斯拉自动驾驶"9个9"框架的盲区 00:26:30Peicai Li回应对产业链投资逻辑的谨慎,更明显的错误是现金配置过低 00:33:00 Odyssey追问Zhen Dong——你是在追求更好的投资,还是EGO想超越王川? 00:41:30 深度对话无聊vs突破、耐心vs行动、巴菲特买苹果的启示 00:52:00 回应推崇的是巴菲特的思想而非个人,接受"没硬上"的平庸 01:02:00 Odyssey提出"默认自己错了"的思维技巧 【space金句】 💡 特斯拉的品牌每损害一点,马斯克的个人身份认同反而增加一点。 💡 如果Elon Musk今天死掉了,对特斯拉是什么影响?或者是好还是坏? 💡 当一个人特别特别优秀的时候,你不一定能够认为他完全绑在你的身上。 💡 我们作为投资者也是自由选择,也事先知道他是这样的人,然后权衡利弊之后这样选。 💡 我们不是止盈或者止损,而是止错。 【要点精选】 * Odyssey 推特 @OdysseysEth 将这次的反思主题定为“过去两三年投资上犯的错”,背景正是AI时代的起点——ChatGPT的发布。 错过英伟达不是个别错误,而是一类错误。 它暴露了我们思考模式和信息环境的根本性问题:第一,可能陷入了“假装思考”,言语上的巨人,行动上的矮子,难以超越核心参考框架。第二,注意力被“大猩猩”等预设过滤,忽视了如黄金、核电和铀矿等在AI大潮下同样爆发式增长的机会。第三,对于已持有的资产如特斯拉和以太坊,“乐观”与“重仓”更多来自于无知而非基于清晰框架的判断。 希望通过不断地反思,找到自己认知的盲区和错误的结构,目的是做出更高质量的决策,而不仅仅是言语上的反思。 * Zhen Dong 推特 @zhendong2020 过去两三年投资收益整体“比较平庸”。 事后总结,主要犯了两种错误:做错的事和错过的事。最大的错过是在这一轮AI浪潮中没有拿到特别好的结果,尤其是在对英伟达的理解上,陷入了一种“单选题”的取巧思维,这本质上是在产业链的深入研究上“偷了懒”。 另一个反思是在BTC和以太坊的汇率上尝试择时,试图赚超出市场平均认知的钱,但事后回看,这些决策背后缺乏足够强大的解释来支撑。现在深刻体会到长期在一个领域深耕以形成“连续性”的重要性,无论是对MSTR的关注还是错过HyperLiquid的教训都说明,只有持续的积累经验,才能在转折点抓住机会。 * Peicai Li 推特 @pcfli 对错过AI机会的反思内心是矛盾的。沿着AI产业链去挖掘核电、存储等机会,是产业投资的逻辑,但这与我们熟悉的、强调长期性的“大猩猩”垄断资产逻辑非常不同。 这种产业链传导的判断,很容易变成追热点的“后见之明”,其难度远超想象,对自己是否具备这种能力存疑,因此也不太愿意草率地把它定义为一个“错误”。 相比之下这两年感知到最明显、本应做好却没做好的错误,是资产配置上的问题:一是对特斯拉的配置偏低,这背后也是路径依赖;更重要的是,现金的比例配置得太少,导致至少错过了两次以太坊等资产的绝佳抄底机会,这是过于低估了现金的“期权”价值所付出的代价。 【关于E2M Research】 From the Earth to the Moon E2M Research 聚焦投资和数字货币领域的研究与学习。 文章合集 :mirror.xyz 关注推特 :twitter.com ️ 音频播客:e2m-research.castos.com 小宇宙链接:www.xiaoyuzhoufm.com DC链接:discord.gg