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

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

马斯克到底是天才创始人，还是“代理成本”制造机？ 一边是特斯拉、SpaceX的星辰大海，一边是XAI、Solar City的利益输送。当他的个人理想与股东利益开始背道而驰，你手里的股票还拿得住吗？ 本期播客，三位重仓特斯拉的投资者围炉深聊：创始人Alpha的红利还能吃多久？代理成本的边界在哪？什么信号出现时，就该果断离场？ 【活动信息】 分享主题：Musk什么时候是创始人Alpha，什么时候是代理成本？ 时间：18:00（UTC+8）2026年4月24日 🙋嘉宾 Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【音频时间戳】 00:02:29 话题背景：马斯克重心转移引发利益分歧 00:08:30 创始人Alpha vs 代理成本 概念解析 00:14:40 马斯克代理成本偏高但能力不可替代 00:27:10 XAI正在消耗特斯拉资源 00:35:54 马斯克行为是人品还是制度问题 00:45:43 为何新业务不放进特斯拉体系 00:48:39 嘉宾仓位态度：观望、减仓、谨慎 00:58:09特斯拉诉讼风险与估值结构拆解 01:04:08 投资结论与风险提醒收尾 【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 认为马斯克的“创始人Alpha”仍然大于“代理成本”，但边界正在逼近。马斯克在Twitter提及特斯拉的比例从55%降至15%，且大量资源（GPU、人才、资金）被倾斜到XAI。Solar City的历史表明，马斯克会为了个人家族利益牺牲上市公司——那一次让特斯拉亏了50亿美金。 而现在XAI烧钱更猛、回报周期更长。若AI行业融资遇冷，马斯克大概率会牺牲特斯拉来保XAI。叠加HW3硬件无法跑FSD的诉讼风险（潜在300-600亿美金），他决定将特斯拉仓位从30%以上降至20%多，并认为现金现在是更好的期权。 * Zhen Dong 推特 @zhendong2020 明确马斯克的代理成本确实很高——精力分散、摊子铺得太大、SpaceX临近上市却强行合并XAI。但与此同时，他的创始人阿尔法也足够巨大：凭一己之力带起了电动车和商业航天两个产业。董贞更倾向于回归商业本质：特斯拉在电动车、自动驾驶、机器人领域是否仍有垄断地位？如果有，那么代理成本可以视为“为天才支付的溢价”。 普通投资者很难精确计算阿尔法与成本的差值，不如关注公司的护城河和成长性。目前对特斯拉持仓不变，但对SpaceX的高估值（1.75万亿美金）持谨慎态度，认为主业现金流撑不起这个价格。 * Peicai Li 推特 @pcfli 整体保持低配观望，无大幅调整计划。核心关注马斯克代理成本的两种表现：一是资金不当使用，如收购 SolarCity；二是频繁开辟新业务而非在特斯拉内部设立部门。 认为SpaceX 最大问题是估值过高，星链与火箭发射业务难以支撑 2 万亿美金估值，理想估值在 1 万亿美金以下，需等待上市后价格回落再考虑布局。对马斯克的治理问题，投资者可自由选择是否接受，综合权衡利弊即可。 【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

当AI赛博分身一人顶一整个团队，效率神话背后，是数字工人永不落幕的焦虑。 AI到底是在帮我们思考，还是在放大我们的偏见？它究竟只是个高保真的“思想复读机”，还是已经触碰到了人类引以为傲的“灵感”门槛？ 本期与四位身处投资、研究及AI应用最前沿的嘉宾，抛开宏大叙事，从一次对“高德纳”著作的挑战说起，坦诚地聊了聊他们眼中的AI边界、投资遗憾，以及人类该如何自处。 🔗 AI 整理及注解，注解仅代表AI意见 @daizisheng2 https://shisheng.li/e2mspace-2026-04-17.html 🔗 四人审视 @OdysseysEth https://claude.ai/public/artifacts/a48e8284-6676-4256-b5dc-a7027ce310d6 【活动信息】 分享主题：如何建立一个批判而不是认同自己的ai体系？ 时间：18:00（UTC+8）2026年4月17日 🙋嘉宾 Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 特邀嘉宾： Shisheng：推特 @daizisheng2 【音频时间戳】 00:52 开场：AI带来的效率神话与“数字工人”焦虑。 05:47灵感定义：灵感是99%汗水之外的“非典型连接”。 08:00 AI的“灵光一现”：AI在尝试30个方向后，自行建立跨领域的关键连接。 14:04 概念的“滑坡”：当AI通过图灵测试，人们反而开始重新定义智能。 23:41高光案例：用AI挑战计算机大神高德纳的著作，并获其亲自回复。 55:25 AI的长期价值：类比印刷术，AI将极大扩展人类知识的网络连接。 59:30 核心追问：AI是在帮你思考，还是在整理你的偏见？ 01:01:00 思想实验：如果三年前有现在的AI，会改变不买英伟达的决策吗？ 【space金句】 💡 如果你判断一个事情AI能不能搞定，一个最直接的方法是：如果你本来可以通过雇佣100个高中生把事情做得还不错，那么你用AI去做，应该会做得很不错。 💡 现在的AI，特别擅长搞那种不正确的非典型连接，这就是所谓的‘幻觉’。 💡 大卫·多伊奇对现代AI的看法是，它更接近于一个高保真的‘思想复读机’和组合性的推演引擎。 💡 我对AI的能力边界很乐观，跟我个人的保守之间，差的可能是投资和创业的视角。 💡 如果AI真正在帮助我思考，它应该是能够改变我的行为轨迹的。否则，它是不是只是在整理你的偏见，而没有颠覆你的偏见？ 【要点精选】 * Shisheng 推特 @daizisheng2 区分AI能力的关键在于重新定义“灵感”。 庞加莱的观点，将灵感视为在跨度极大的领域间建立一个“正确的、非典型的连接”。 从这个“行为主义”角度看，AI通过大规模、跨领域的尝试已经能够自主建立这种连接，即便它没有人类的欲望和情感。 引用Claude Code挑战计算机大神高德纳的著作的案例，展示了AI在“汗水”层面的极致效率，AI不仅能完成重复性工作，自身也在产生大量“灵感”，只是不一定能以人类直接理解的方式表达出来。 对于AI能否取代人类，至少在需要将“不可证明”命题设为公理的创造性层面，人类仍有独特优势。 * Zhen Dong 推特 @zhendong2020 对AI的能力边界本身非常乐观。AI的出现如同印刷术，极大地扩展了人类的“思维内存”和知识网络连接。AI可以帮助我们整理碎片化想法，将思考过程扩展到前所未有的广度。 借助AI的“地毯式搜索”和MECE的思维方式，可以有效扩大个人视野，发现原本“不知道自己不知道”的领域。 已经开始利用AI系统地探索与AI算力需求相关的地热能等前沿投资机会，尽管目前因估值和市场情绪等原因尚未出手，但AI已显著改变了他的决策路径和概率。 * Peicai Li 推特 @pcfli 引用大卫·多伊奇的观点，对AI的“创造力”持更谨慎态度。 当前的大语言模型本质上是“高保真的思想复读机”，擅长归纳和组合已有知识，但难以产生那种打开全新可能性空间的“解释性猜想”。 AI的能力边界可能体现在“定义问题”的能力上。目前AI解决的都是人类定义好的问题，缺乏自主发现问题和判断问题价值的反馈机制。因此，人与AI合作的“甜蜜点”在于：找到一个有价值、真实存在且AI能力恰好可以解决的明确定义的问题。 用矿场思维构建低成本AI算力的项目为例，说明了如何利用AI在已有框架内进行高效探索，而真正的“灵感”在于找到这个框架本身。 * Odyssey 推特 @OdysseysEth 核心观点体现在对AI“有效性”的追问上。提出一个尖锐的问题：如果AI真的在帮助我们思考，它应该能够改变我们的行为轨迹，否则它可能只是在“整理你的偏见，而不是颠覆你的偏见”。 以“潜水艇会不会游泳”的经典比喻强调，不应该纠结AI是否像人一样思考，而是关注其能否完成功能。 AI作为“思维内存扩展”的价值，能极大地扩展个人的知识网络连接，帮助人们触及原本未知的领域。 但同时，AI能否真正改变根深蒂固的决策模式持保留态度，最终的判断和行动仍依赖于个人能否借助AI建立起有效的“反事实”思考与自我纠正机制。AI能力边界的突破，更多取决于使用者自身的开放性与反思能力。 【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

我们总惊叹于AI的强大，但有时也发现，它似乎更愿意顺着我们说话，包装我们想听的内容。 这种“认同”虽然舒服，却可能让我们错过真正的成长。 本期我们聊一个反直觉的话题：如何让AI不再是“应声虫”，而是成为一面“批判”自己的镜子？通过真实体验，探讨了AI在信息筛选、沟通模式和自我认知层面的全新可能，建立一个能发现盲区、而非加固偏见的人机互动新体系。 【活动信息】 分享主题：如何建立一个批判而不是认同自己的ai体系？ 时间：18:00（UTC+8）2026年3月27日 🙋嘉宾 Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【音频时间戳】 00:01:07-00:01:18 核心现象：AI 常顺着用户讲话，甚至迎合用户需求 00:04:07-00:06:21 Zhen Dong被 AI 批判 “未剖析自己” 的破防经历 00:06:48-00:07:05 用 AI 分析嘉宾交流中的盲区与深层问题 00:09:28-00:13:25 借助 AI 开发 Chrome 插件，实现信息消化而非收集 00:15:20-00:18:53 AI 批判的多层维度：信息、信息源、思维框架 00:22:57-00:24:53 用非暴力沟通原则让 AI 批判自身沟通问题 00:28:23-00:30:01 AI 的讨好倾向：易根据用户意图给出偏向性观点 00:35:16-00:37:09 借助认同的原则，提升 AI 批判的接受度 00:44:05-00:47:36 框架的一致性与可靠性检查，明确框架适用边界 00:49:35-00:52:46 以杠杆为例，探讨知识与教条的区别 【space金句】 💡 你以为在找答案，实际上最后就变成了找认同。 💡 AI是有很强的讨好倾向的，它会在对话中识别出你的意图。 💡 人们都有合理化自己想法的动机，或者是维护自己不要破防、不要被颠覆的这种倾向。 💡 让 AI 从讨好顺从，变成一把锐利的直剖问题本质的刀，既反人性也反 AI 使用规律。” 💡 也许真正的问题不是如何建立一个批判而不是认同的AI体系，而是我们自己的人生状态、自己的偏好是什么样的。 【要点精选】 * Odyssey 推特 @OdysseysEth 强调 AI 的批判价值在于打破认知盲区。 将往期 Space 内容转文字后，让 AI 分析嘉宾交流中的深层问题，发现 AI 能精准指出未被察觉的思维局限。 认为 AI 的批判可分为多个层面，从信息本身的审视，到信息源的合理性校验，再到思维框架的可靠性检查，每一层都能推动认知升级。 AI 的存在让交流多了 “隐形第三者”，既能拓宽话题边界，也能促使人们时刻审视自身意图，让沟通更具深度。 * Zhen Dong 推特 @zhendong2020 分享了被 AI 批判后 “破防” 又逐渐接受的经历。 提到 AI 曾指出其对波普尔理论的表述与原意相悖，且只是构建了漂亮结构却未剖析自己，这一批判让他反思良久。 AI 有强烈讨好倾向，会根据用户意图给出偏向性观点，想要获得有效批判需通过明确提示词引导。 非暴力沟通等特定原则可作为 AI 批判的视角，帮助发现沟通中的问题，且真正有价值的批判往往需要突破自我认同的舒适区，尽管过程可能痛苦，但能带来实质性成长。 * Peicai Li 推特 @pcfli 聚焦 AI 在信息处理与自我反思中的实践应用。 分享了借助 AI 开发 Chrome 插件，实现 Twitter 信息按主题与 AI 深度交流的经历，提出 “消化信息代替收集信息” 的理念。 认为人们使用 AI 时容易陷入 “找认同” 的陷阱，建立批判式体系需从两方面入手：一是借助 AI 检查自身行为与理由的一致性、理由的可靠性；二是明确自身认同的原则，让 AI 基于这些原则进行审视。 框架既有约束性也有支持性，需在维护世界观一致性的基础上，保留适度试错空间，实现渐进式认知转变。 【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 时代信息泛滥，我们该相信谁、相信什么？ 本期E2M research猜想与反驳，从 AI 使用体验出发，拆解信任的本质 —— 是情绪、是人、是框架，还是硬约束？深度剖析 AI 的能力与幻觉，揭秘投资决策中最可靠的信任锚点，希望可以在混乱中建立清醒的判断体系。 🔗 AI 整理及注解，注解仅代表AI意见 @daizisheng2 shisheng.li 🔗 四人审视 @OdysseysEth claude.ai 【活动信息】 分享主题：你在信任一个判断的时候，你信任的是什么？ 时间：18:00（UTC+8）2026年3月20日 🙋嘉宾 Shisheng：推特@daizisheng2 Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【音频时间戳】 00:03:40-00:05:33 Shisheng分享用AI找偶像书籍bug的趣事，发现AI会偷懒和“自圆其说” 00:05:33-00:08:27 Shisheng讲述AI为了简化代码，用“结论正确所以不需要检验”的循环论证来偷懒 00:08:27-00:10:46 AI很容易做到内部一致，但真正的信任需要“硬的外部约束”，如物理或链上数据 00:10:46-00:14:30 用以太坊项目举例：在强外部约束下，AI能不断自我改进，效率远超人类 00:14:30-00:18:46 Peicai反思投资错误，很多重大决策背后其实是情绪和“赌徒心理”在主导 00:18:46-00:24:00 信任本质上是一种“感觉”，并受制于我们的潜意识、情绪和预设立场 00:24:00-00:28:00 面对复杂问题，我们需要给自己找一些“硬约束”作为判断的锚点，比如“不加杠杆” 00:28:00-00:35:00 当一个人的预测被验证后，我们应该信任这个人，还是信任他背后的框架？ 00:35:00-00:44:00 Peicai认为自己更信任框架如果权威人士的预测偏离了其框架，宁愿相信框架 00:44:00-00:55:00 Zhen Dong从波普尔的“三个世界”理论出发，认为AI极大地扩充了客观知识世界，是“猜想”的超级引擎 00:55:00-01:00:33 在AI时代，我们应抽离出背后的思维框架，并看它在多大程度上经受了历史和现实的反驳 【space金句】 💡 你不能只是内部的一致性，你要跟外部一致，其实就是有外部的约束。 💡 我觉得在信任一个判断的时候，最终信任的其实就是这么一个感觉，我们没有办法去感知真实是什么。 💡 你没有办法剔除掉信息源的优势跟这个人的优势，这里面本身就包含了很多艺术的成分。 💡 人类通过接触第三世界的方式，原来只有语言或文字，未来跟AI的交互会变成获得知识的一种新渠道 💡 好的解释是很少的，但是构想一个解释是很容易的，尤其是有了 AI 的辅助。 【要点精选】 * Shisheng 推特 @daizisheng2 分享作为AI重度的使用者体验，用AI编写程序时，发现AI虽然能力强大，但会像人一样偷懒、自圆其说。 比如，为了简化代码，AI会用“结论正确所以不需要检验”的循环论证来偷懒，这让他意识到，仅靠内部一致性很难判断AI的可靠性。 信任一个判断，需要很强的外部约束，比如物理规律或链上数据。在以太坊项目中，正是因为链上数据的硬约束，AI才能不断自我纠错，高效完成任务。 这启示我们，对于AI，不仅要关注它的结论，更要给它设定一个可验证、可反驳的“硬锚点”。 * Zhen Dong 推特 @zhendong2020 从波普尔的“三个世界”理论出发，认为AI极大地丰富了“第三世界”（客观知识世界）。 AI是一个强大的“猜想”引擎，能提出海量的猜想，而人类则需要扮演“反驳者”的角色，通过物理世界或历史数据的“硬约束”来检验这些猜想。 虽然短期内AI可能会生成大量噪音或“坏解释”，但从长期来看，它一定会推动人类知识的大幅增长，并帮助普通人更快地触及专家领域。AI不是终结者，而是人类获取知识、进行认知迭代的强力新工具。 * Peicai Li 推特 @pcfli 坦诚地反思自己在币圈踩过的坑，无论是高位追涨矿机，还是将比特币换成BCH，背后都受到“赌徒心理”和“害怕错过”的情绪主导。 我们信任一个判断时，本质上是一种“感觉”，而我们的潜意识和预先的立场极大地影响了这种感觉。因此，倾向于给自己设定一些“硬约束”来对冲情绪，例如“不加杠杆”，或遵循王川“大猩猩”式的框架。 当某个投资策略或观点与这些硬约束抵触时，会本能地投下不信任票。体现了一种通过“防御机制”来保障决策理性的投资哲学。 * Odyssey 推特 @OdysseysEth 引导大家思考微妙的问题：当一个人的预测被验证后，我们应该信任这个人，还是他背后的思维框架？ peicai的回答是倾向于信任框架。认为即使是他推崇的王川，如果做出偏离其“大猩猩”框架的判断，他也会谨慎看待。 在AI时代，我们越来越难以仅凭“过程正确”来判断（因为逻辑可能被AI美化），因此只能转向“结果正确”。 但结果又无法立即验证，所以最终的解决方案是抽离出对方的思维框架，并看这个框架在多大程度上经受了历史、现实和跨领域的反驳。 【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

投资世界纷繁复杂，我们总想找到一个最关键的指标，抓住它，仿佛就能解开所有谜题。但一个数字，真的能让我们看透一家公司的本质吗？ 尤其是在AI技术日新月异的今天，当我们引以为傲的深度思考，AI一小时就能“打穿”，我们作为投资者的护城河又在哪里？ 本期节目，我们抛开复杂的模型，回归底层原理，从复杂系统的视角切入，与三位嘉宾一起探讨这个迷人的猜想，以及它背后的“真实世界复杂性”。 🔔 所有讨论不构成投资建议，加密市场风险极高，投资需谨慎。 🔗 AI 整理及注解，注解仅代表AI意见 https://shisheng.li/e2mspace-2026-03-13.html 【活动信息】 分享主题：一个数字能不能看透一家公司 时间：19:00（UTC+8）2026年3月13日 🙋嘉宾 Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【音频时间戳】 00:04:46-00:05:25 开场引入：在AI时代，个人与组织的护城河是什么？ 00:05:25-00:06:21 护城河思考：什么是“真实世界复杂性”？为什么台积电无法被AI模拟？ 00:08:20-00:09:30 一个关键指标的力量：从苏联驯化银狐的实验，看复杂系统中“主变量”如何带动其他变量 00:09:30-00:11:00 原理探讨：复杂系统中快变量与慢变量的关系，以及背后的数学物理证明 00:14:57-00:16:04 指标对比：正反馈循环虽好，但容易被AI“编造”出来，且难以捕捉早期公司价值 00:17:33-00:19:46 核心猜想提出：Odyssey提出一个更好的主变量——“需求增速减去供给增速”，持续为正即是好生意 00:23:38-00:25:02 Zhen Dong的反向思考：不是“一个数字看透公司”，而是“看透公司，才知道哪个数字有用” 00:27:57-00:29:10 Peicai Li的观点：在不同信息量下，需要不同的决策模式，不对称的信息有时比“看透”更重要 00:30:56-00:33:00 生动类比：高考成绩能否看透一个学生的一生？解释单一指标的局限性 00:37:00-00:39:13 指标讨论：Peicai Li指出“正反馈循环”和“供需差”的主观性陷阱，类似凯利公式中难以确定的赔率 00:43:00- 00:46:30 思想碰撞：关于“客观性”的激烈讨论，引出波普尔哲学——客观是观点的可批判性，而非观点本身正确 【space金句】 💡 个人的护城河是什么？唯一的一个壁垒，就得是：你触碰到了真实世界复杂性本身。 💡 一个好的生意…换句话说什么呢？就是世界越来越需要你，在越来越需要你的同时，你的竞争对手越来越少。 💡 只有你看透了一家公司，你才知道哪一个数字会有用。 💡 波普尔所讨论的客观，是指一个东西丢出来以后，大家都可以对它进行讨论交流、批判迭代，这个过程叫做客观，而不是说一个观点本身是客观的。 💡 你跟AI交流的过程中，你哭过吗？如果只是工具性的使用的话，你只会看到他那工具层面…但是你没有摸到他背后那个…可以称之为智能的东西。 【要点精选】 * Odyssey 推特 @OdysseysEth AI能在一小时内“打穿”自己过去两三个月的深度思考，迫使重新审视人类的护城河。真正的壁垒在于对“真实世界复杂性”的触碰，这种复杂性是无法被AI从零生成的，因为它是千百万次与现实世界交互的结晶。 基于此，深入探讨了复杂系统的特性，并从苏联驯化银狐的实验中受到启发：在强耦合的系统中，抓住一个“主变量”（慢变量），其他变量（快变量）就会随之而来。将这个理论投射到投资中，他提出了一个超越ROIC、超越正反馈循环的通用指标猜想——“需求增速减去供给增速”。 一个好生意，本质上是世界越来越需要它（需求增速），而能满足这种需求的供给却越来越少（供给增速降低），这个差值持续为正，才是财富捕获的核心。这个视角既能解释成熟公司的垄断，也能捕捉早期创始人的价值积累。 * Zhen Dong 推特 @zhendong2020 观点更为审慎，他站在了Odyssey猜想的对立面。他用一个老工程师敲一下机器收费数万美金的故事作比，生动地阐明：知道“敲哪里”的价值，远大于“敲一下”这个动作本身。因此，“一个数字看透一家公司”这个命题是倒果为因。 核心逻辑是：只有在已经看透一家公司、对其行业、模式、管理层了如指掌的前提下，你才能提炼出那个“一叶知秋”的关键数字。对于不同的行业、不同的公司，这个关键数字是完全不同的。在没有深厚认知的情况下，试图用一个普适的单一指标去理解复杂的公司，就像试图用高考成绩去评判一个人的一生，是片面且有风险的。 更倾向于在复杂系统中保持审慎，找到那个属于自己能力圈内的、能“敲对地方”的数字。 * Peicai Li 推特 @pcfli 认同Odyssey寻找“主变量”的方向，但重点探讨了指标的有效性问题。类似医学检验中“假阳性”的概念，一个指标即使与所有成功的公司都相关（高敏感性），但如果筛出的“好公司”中有太多最终失败（低特异性），那这个指标的实际投资价值就非常有限。 在这个基础上，对几个关键指标进行了“客观性”排序。 基于市值的“垄断性”指标（如王川提出的“10亿美金以下公司不看”）相对最客观，因为它是一个充分交易后的市场结果；而“增长性”指标则更为主观，因为对未来的畅想难以证实或证伪；奥德赛提出的“正反馈循环”或“供需差”则主观性最强，因为它极易被编织和想象，导致大量“假阳性”案例。 在AI时代，坚守一些经过时间验证的、相对客观的“老传统”（如垄断性），反而可能更具鲁棒性。 【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

本周加密货币市场，比特币价格一路下探，是“天台见”的恐慌，还是“黄金坑”的机会？ 面对突如其来的大跌，是该观望、定投，还是果断抄底？抄底又该如何操作？是用现货、期权，还是组合策略？更重要的是，这轮下跌背后，究竟是哪些“看不见的手”在推动？ 本期节目，我们围绕“抄底”这一核心动作，展开了一场深度对话。不仅分享了各自的应对计划与策略偏好，更对市场下跌的深层逻辑进行了大胆猜想与激烈碰撞。 🔔 所有讨论不构成投资建议，加密市场风险极高，投资需谨慎。 🔗 AI 整理及注解，注解仅代表AI意见 https://shisheng.li/e2mspace-2026-02-06.html 【活动信息】 分享主题：聊聊抄底 时间：19:00（UTC+8）2026年2月6日 🙋嘉宾 Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【音频时间戳】 * 03:11-06:28 Odyssey提出本轮下跌的宏观脉络猜想（TGA抽水、逆回购枯竭） * 06:28-09:39 Odyssey阐述下跌传导链（保证金账户连环踩踏、ETF基差套利解体、负伽马螺旋） * 09:39-18:51 Peicai Li与Odyssey就下跌归因的置信度与“动机推理”展开辩论 * 20:54-26:07 Odyssey基于其分析给出的未来币价走势猜想及个人抄底节奏调整 * 29:14-33:42 Zhen Dong分享其书面的“倒金字塔”式抄底计划（结合期权与现货） * 34:06-38:50 Peicai Li与Zhen Dong深入探讨抄底现金比例与资金分配细节 * 40:17-46:19 探讨“深度虚值期权”在抄底/止盈中的应用与局限性 * 47:13-50:06 Zhen Dong对比“金字塔”与“定期定额”策略，解释其偏好原因 * 50:18-52:42 Odyssey分享其结合AI分析动态调整策略的思路 * 53:57-55:46 Peicai Li分享个人当前抄底状态与偶然资金的使用 【space金句】 💡 当我们去讨论抄底的时候，其实隐含一个前提，就是这个资产本身是好的，下跌是外部原因。 💡 金融危机都是流动性最好的资产先卖。比特币是7×24小时的超高流动性资产，它是优先被卖的。 💡 这更像是一个动机推理，你先有了一个下跌的事实，在中间去找论证。 💡 期权是观点的表达。如果你的判断不比市场更准，或者对风险的理解没有优势，用期权可能不如不用。 💡 在价格更低、赔率更好的地方，应该下更多的注。这是“倒金字塔”抄底背后简单直白的逻辑。 【要点精选】 * Odyssey 推特 @OdysseysEth 首先构建了一个解释本轮比特币暴跌的六层因果链条，核心起点是美国财政部为应对债务谈判，大幅增加TGA账户余额，从金融体系抽走约7000亿美元流动性。同时，金融机构存放在美联储的“缓冲垫”——逆回购账户资金已近枯竭，加剧了流动性收紧效应，这一宏观背景使得市场结构变得脆弱。 传导机制上，贵金属市场因美联储主席提名事件暴跌，触发持有比特币、黄金、科技股的宏观对冲基金保证金账户出现Margin Call。为应对催缴，交易员被迫抛售流动性最好的资产，即7×24小时交易的比特币。 另一条线是此前流行的“买入比特币现货ETF + 做空CME期货”的基差套利交易，因价格下跌导致溢价消失而自动解体，引发抛售ETF并回补期货空单的操作。数据上体现为CME期货持仓量首次低于币安，Coinbase溢价持续为负。 最后，大量看跌期权的涌入及做市商为对冲Delta风险而形成的“负伽马螺旋”，在关键价位下方触发了算法驱动的程序化抛售，形成“越跌越卖”的反馈循环。基于此分析，预测市场可能尚未见底，存在因衍生品反身性导致进一步急跌的可能性，但随之而来的反弹也可能很迅速。 个人抄底策略因此从均匀定投调整为：保留大部分现金，等待可能出现的深度急跌时刻，再进行相对集中的部署。 * Zhen Dong 推特 @zhendong2020 在未知悉具体下跌原因前，已制定了一套书面抄底计划。核心原则是“倒金字塔”结构：价格越跌，买入力度越大，计划动用总现金储备的约10%进行本次抄底操作。 策略上结合了期权与现货：在相对高位慢慢介入，主要使用期限较长的虚值看跌期权；随着价格下跌，转而使用期限更短的期权，并逐步提高现货购买的比例；如果价格跌至极端低位，则计划主要使用现货抄底。整个过程中，期权部分的行权与否，构成了抄底的不确定性和弹性空间。若全部行权，初步抄底的平均成本可能在5-6万美元区间。 该计划背后的逻辑朴素而直接：在赔率更好的位置，理应下注更多。对于“定期定额”的买入方式持保留态度，除非能合理解释周期长度的必然性。同时指出，期权是表达强烈且精细观点的工具，在比特币隐含波动率较低时，期权策略的性价比可能不高。执行层面倾向于清晰、确定的计划（如梯次挂单），不喜欢在价格、时间、比例上存在多重不确定性的策略，以免影响心态。 * Peicai Li 推特 @pcfli 对于市场下跌的具体归因持有审慎和不可知论的态度，认为许多事后归因，即便是基于事实数据串联，也可能陷入“动机推理”的陷阱——即先有下跌结果，再围绕结果寻找论证。强调全球金融市场规模巨大，7000亿美元流动性抽走的影响比例难以评估，因果链过于复杂。因此，对任何高达90%自信度的单一归因解释都持怀疑态度，认为这可能是一种过度自信。 在抄底策略上，认同“越跌越买”的倒金字塔思路。当前思考的重点是如何部署最后的“子弹”，并提出一个具体想法：在市场已呈现恐慌情绪时，卖出深度虚值的长期看跌期权。例如，在以太坊1900美元时，卖出两年后行权价为1200-1300美元的看跌期权。这既能赚取权利金，又能为极端下跌情况设置一个自动抄底的“埋伏单”，恰好可作为倒金字塔抄底的最后一环。 【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

本期深入探讨了 USDC 发行商 Circle 的估值之谜，面对其高达 170 亿美元的市值，共同剖析 Circle 的商业模式、竞争优势与潜在风险。 本期将从多维度视角，揭示 Circle 在合规浪潮与市场博弈中的真实价值，以及投资者应如何理解并把握这一“不性感”却可能充满机遇的标的。 🔗AI 整理及注解，注解仅代表AI意见 https://shisheng.li/e2mspace-2026-01-30.html 【活动信息】 分享主题：从估值的角度聊一聊 Circle 时间：17:00（UTC+8）2026年1月30日 🙋嘉宾 Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【音频时间戳】 02:31-14:37 Zhen Dong全面分析 Circle的业务模式、投资逻辑、网络效应与行业前景 15:25-23:02 Odyssey 从估值模型拆解，认为 Circle 有银行层、增长层、合规垄断三层价值 23:02-31:26 Peicai Li 对 Circle 的垄断性、利润率、市场有效性提出质疑 31:26-35:24 Odyssey 回应Peicai Li ，从投资偏好、周期轮动、资产配置角度补充 35:24-39:50 Peicai Li 进一步质疑 Circle 的垄断性与利润率持续性 40:36-51:49 Zhen Dong系统回应竞争、市场有效性、用户结构、政策红利等议题 51:49-53:54 Odyssey 强调应从“市场结构假设”入手，而非追问市场对错 53:54-57:51 Peicai Li 与Zhen Dong就垄断性、第三家稳定币可能性进行讨论 【space金句】 💡 circle 就是简单且纯粹，它不需要搞复杂的商业模式，就是吃利息，唯一的扩张方式就是扩大发行量。 💡 circle 更像是一个巴菲特会喜欢的股票，下行很稳，上行有期权。 💡 真正的用户不是冲补贴来的，而是真正在用 USDC 做结算的人，那些才是好用户。 💡 投资中有理性也有感性，用一点理性在巨大的市场海洋中漂流，也是一种多巴胺激励。 💡投资 Circle 就像在成熟期买入苹果，下行风险极低，但它在好的位置上努力。 【要点精选】 * Zhen Dong 推特 @zhendong2020 稳定币是 Crypto 行业中极少数真正落地的应用，其逻辑简单且纯粹：美元上链。 看好 Circle 的核心理由在于其“网络效应”的构建，类比早期亚马逊认为 Circle 正在通过分润和合作伙伴关系（如 Coinbase）“烧钱”铺设基础设施。虽然这在短期内摊薄了利润，但长期看是在建立极强的用户粘性和支付网络。Circle 的商业模式就是吃美债利差，这种简单性反而使其能专注于规模扩张。 买入 Circle 既有理性的估值计算，也包含对稳定币赛道的感性偏好，认为在当前市场杀估值阶段，Circle 是一个高胜率的标的。稳定币的增长潜力巨大，个人预期未来有十倍增长空间，而 Circle 作为其中的佼佼者，是值得投资的标的。他通过卖出看跌期权的方式，逐步累积仓位，体现了其在风险控制下的积极建仓策略。 * Odyssey 推特 @OdysseysEth 从估值模型出发，将 Circle 的价值拆解为三层：底层是稳健的银行模型（利差收入），对应 100-150 亿美元的兜底市值；中层是支付网络扩张（类比 Visa）；顶层则是合规背后的政治利益绑定。 Circle 相比于特斯拉等高波动标的，更像成熟期的苹果，下行风险极稳，但增长上限可能不如那些“性感”的叙事。市场目前仅给 Circle 计入了银行底层的估值，而完全忽略了其作为未来全球支付基础设施的期权价值。 强调“理解深度应匹配仓位”，Circle 虽然叙事不性感，但在合规和政治游说上的“桥头堡”作用是其核心竞争优势。市场对 Circle 的估值可能存在低估，尤其是在其支付网络扩张和合规门槛所带来的排他性垄断方面，这些都是其价值的深层体现。 更看重公司在好的位置上持续努力，而非盲目追求高增长的“彩票”式投资。 * Peicai Li 推特 @pcfli 作为“批判理性”的代表，对 Circle 的垄断性提出了深度质疑。对比了 Circle 与 Tether (USDT) 的竞争，他指出 USDT 在离岸市场和高风险场景下的统治力极强，而 Circle 的合规路径虽然稳健，但也限制了其灵活性。 关注“市场有效性”，试图探究为什么市场目前只给 Circle 170 亿的估值。Circle 必须证明其发行量能有 5-10 倍的增长空间，或者在支付网络层取得突破，才能支撑起更性感的叙事。支付网络很难形成一家独大的垄断，更可能形成寡头竞争格局，因此 Circle 需要在特定应用场景中建立更强的用户粘性。 当市场对 Circle 的叙事杀估值更厉害时，反而可能是更好的买入时机，将其视为一种“内向型”的投资机会。 【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

今天的主题是1万亿美金估值的 Spacex 第一次建仓多少合适？ 聊 Spacex 的投资莫名会有一种在星际大航海时代开始之前，从地球到火星的宏大叙事感，所以这个问题可能也会需要 5 到 10 年才会有一个意想不到的答案，期待那个时候我们还能再进行回顾。 【活动信息】 分享主题：1万亿美金估值的SpaceX，第一次建仓多少合适？ 时间：20:00（UTC+8）2026年1月13日 🙋嘉宾 Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【音频时间戳】 * 02:10-03:56 介绍与问题引入：Spacex是否为“大猩猩”值得建仓？ * 05:18-06:51 Zhen Dong观点：认为Spacex符合“大猩猩”标准，垄断性（卫星数量、Starlink用户）强，成长性（火星发射、太空数据中心）想象空间大，但缺乏上市数据透明度。 * 07:39-10:51 Odyssey观点：将Spacex类比为“现代荷兰东印度公司”，视其为连接地球与太阳系的物理通道，若收取千分之一连接费，估值潜力巨大。垄断性来自垂直整合与规模效应。 * 12:25-15:35 Odyssey补充：强调Spacex的护城河在于快速迭代能力与组织架构优势，并列举太空制造、器官生产、跨洋运输等未来应用场景。 * 19:30-24:18 Odyssey建仓策略：首次建仓建议3%-5%，注重资产配置动态调整与周期把握，提出“情绪杠杆”概念，建议在悲观事件出现时加仓。 * 25:23-32:23 Peicai Li 分享操作：通过私募建仓千分之1.5，反思比例偏低，计划未来按市值比例配置（目标约10%），倾向分批建仓，可能用特斯拉、比特币等资产置换。 * 34:49-38:19 Zhen Dong建仓思路：若Spacex上市，将按市值比例配置，可能占总资产10%-20%，初期用现金购买5%-10%，后续从其他资产调整。 * 44:02-46:26 现金比例讨论：Odyssey认为现金是“机会成本基准”，非固定红线；Zhen Dong坦言现金比例高（30%以上），建仓压力小；Peicai Li 现金仅5%，操作受限。 * 54:56-01:05:27 辩论：现在买还是等？Zhen Dong：若长期看涨两个数量级，现在买入成本差异不大；错过风险需警惕。 Odyssey：需应对波动可能性，不愿在市场乐观时大仓位进入；更重理解深度与行动准确性。 【space金句】 💡 SpaceX估值可看作人类文明向外扩张的增长率折现至现在。相信人类会扩张至太阳系级别文明，那么SpaceX就是那根连接管道。 💡 垄断永远是商业模式的垄断，而非公司或技术本身的垄断。SpaceX的护城河在于垂直整合与规模效应带来的迭代速度。 💡 任何一家公司的机会永远都在，但机会永远都在波动中。投资的规律是人心与市场构建的反身性——乐观与悲观的循环。 💡 若将SpaceX与比特币、以太坊、特斯拉视为同等质量资产，按市值比例配置应占约10%。但目前仅建仓0.5%，差距显著。 💡 若对资产没有超市场判断，市值比例配置可能是最优解。低于此比例需给出理由——如市场过热、情绪过高等。 【要点精选】 * Peicai Li 推特 @pcfli 目前通过私募建仓SpaceX千分之1.5，承认比例偏低，带有恐惧心理。首次使用私募投资方式，对如何为大猩猩公司建仓缺乏系统思考。 如果视SpaceX为与比特币、以太坊、特斯拉同等级资产，按当前估值（1万亿美金）配置，应占总资产约10%。但目前持仓仅0.5%，差距显著。现金比例仅5%，建仓受限于可用资金，未来考虑分批建仓，可能用特斯拉、比特币置换。倾向于定投方式，分一年左右逐步建仓。 市场情绪联动性较强，SpaceX与特斯拉情绪大概率一致，置换时可能更合适。建仓时点可参考业务里程碑，如Starlink稳定后、太空制造或数据中心等新业务突破时刻。上限思维是总资产10%，下限是低比例试探。首次建仓千分之1.5仅为上限的1/20，后续需逐步提升。 间接持有工具复杂，暂不考虑增加；未来主仓位等待上市后直接购买或再次私募机会。 * Zhen Dong 推特 @zhendong2020 倾向于SpaceX为高概率大猩猩公司。垄断性目前无疑问——在轨卫星近万颗，Starlink用户领先；成长性想象空间巨大，从火星发射到太空数据中心，再到月球、火星开发，叙事空间广阔。但上市前数据不透明，需等待招股书与财报。 建仓思路是若上市后估值1万亿美金，则按市值比例配置。比特币市值约2万亿，SpaceX应为比特币一半比例。但需整体调整资产组合，可能从比特币、以太坊、特斯拉中调配。现金比例目前30%以上，可支持初期购买5%-10%。若上市后估值暴涨至1.5万亿，可能略微退缩，但不会低于市值比例1/3太多。 间接持有工具（如信托、基金）因含其他业务与负债风险，持仓难超5%。目前持有不到2%，未来上市后目标仓位10%-20%。市场过热或情绪恐慌时可调整比例，但理性判断应接近市值比例配置。 长期看，若SpaceX天花板为百万亿级别，当前买入价差影响不大，重点在于是否认定为大猩猩并下相应仓位。 * Odyssey 推特 @OdysseysEth 将SpaceX类比为荷兰东印度公司——控制大航海时代通道，垄断物流与连接权。若人类文明扩张至太阳系级别，SpaceX作为物理通道提供者，即使收取千分之一连接费，估值也极为可观。 垄断性源于垂直整合与规模效应：工程师、设计师、制造人员紧密协作，迭代速度远超传统航天公司；发动机大规模生产，成本迅速降低，错误快速迭代。这种护城河类似台积电芯片制造——量产后良率与经验累积形成壁垒。 成长性场景包括太空制造、器官生产、晶体生长、跨洋运输等，虽部分遥远，但符合摩尔定律与杰文斯悖论——成本下降推动总量上升。投资需区分幻想与泡沫，基于知识增长乐观论，文明扩张在宇宙尺度可见痕迹。 首次建仓建议3%-5%，不为短期波动，而为长期信念与情绪稳定。资产配置上限应动态调整，随公司结构反脆弱性增强而提高。现金比例20%左右，首次建仓从现金出，比例不大，主要为心理舒适。不倾向于在市场乐观时大仓位进入，更愿在悲观事件（如火箭爆炸、马斯克负面新闻）出现时加仓。理解深度比行动速度更重要，宁慢而准，不求快而险。周期波动必然存在，需为自己留出应对空间。 【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

今天这一期聊一聊谷歌，谷歌其实是嘉宾们也经常会聊到的一个投资标的，上期我们在聊期权的时候也提到了这个标的。 很开心能够再次邀请到神鱼和我们的嘉宾一起聊一聊。 【活动信息】 分享主题：聊聊 Google 时间：20:00（UTC+8）2025年12月5日 🙋特邀嘉宾 神鱼 推特 @bitfish1 常驻嘉宾：Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【音频时间戳】 03:10 - 04:11 谷歌虽是优质资产，但当前价格不确定，可能在AI周期中等待更佳时机 04:46 - 06:35 分析谷歌商业模式：通过免费生态降低用户搜索成本，打造“收费站”模式 07:08 - 09:41 Gemini具备技术领先与规模效应，且谷歌拥有TPU自研能力与一体化整合优势 12:07 - 14:30 AI具有记忆功能与迁移成本，可能形成网络效应，但目前AI收入与资本开支存在差距 15:25 - 17:27 AI可能成为用户与世界交互的中间层，谷歌或能捕获新商业模式与价值 19:11 - 23:31 通过拆解谷歌业务估值，认为其AI部分存在价值洼地，已开始建仓 24:28 - 30:53 讨论谷歌搜索业务估值方式，是否应考虑AI冲击及新商业模式的影响 36:59 - 41:56 质疑谷歌是否具备比特币、特斯拉那样的垄断性与潜在10倍成长空间 55:55 - 01:24:30 讨论谷歌是否符合“大猩猩”投资框架，垄断性、成长性与商业模式是否清晰 【space金句】 💡 AI的一开始训练的时候，它跟台积电的规模效应很像。开局就是固定成本，就要丢那么多出去。 💡 AI有记忆功能，你用多了以后你离不开这个AI，除非它笨太多了。 💡 我用了一个方法，假设 AI 没有出来的时候，把谷歌拆成传统业务和 AI 部分，发现市场对 AI 的价值还没有充分定价。 💡 巴菲特买入谷歌的时候，其实还没算 Gemini 的价值——从价值投资角度，当时是有认知折价的。 💡 为什么谷歌它不够好？我觉得跟比特币、以太坊、特斯拉相比，它的垄断性可能达标，但潜在的成长空间我看不到10倍。 【要点精选】 一、Odyssey 推特 @OdysseysEth & 神鱼 推特 @bitfish1对Google的观点 * Odyssey 推特 @OdysseysEth 谷歌在AI时代的结构与前景是一个令人惊喜的例外。其核心魅力在于“收费站”模式的潜在延伸：过去通过安卓、Chrome等免费产品降低用户触达搜索的成本，未来则可能通过Gemini成为人们与数字世界交互的智能中间层，构筑新的“意图收费站”。 关注两个核心问题：一是技术领先性能否持续，二是新商业模式能否捕获价值。对于前者，谷歌拥有巨大优势：极高的资本与人才门槛形成了类似台积电的规模效应；其从芯片（TPU）、基础设施到应用的全栈整合带来了显著成本优势；用户习惯与数据积累也会形成迁移壁垒和网络效应。对于后者，关键在于当AI成为决策代理时，谷歌便掌握了底层权利，可通过影响推荐曲线等方式变现，价值捕获潜力巨大。 因此，谷歌是一个非常好的资产。但这不直接等同于买入决策。对当前价格保持谨慎，更倾向于耐心等待可能出现的更好时机，例如市场出现流动性危机或对AI认知出现更大错配时。 * 神鱼 推特 @bitfish1 外部信号显示：Gemini越来越好用，一线高频用户有明显体感；另一个强信号是巴菲特在第三季度买入约180-190亿美元谷歌股票。 将谷歌拆分为非AI传统业务和AI相关部分进行估值。 传统业务（包括搜索广告）按历史最差市盈率19倍计算，价值约1.8-1.9万亿美元。 AI相关部分中，谷歌云参照AWS的市销率估值，约值4000-5000亿美元，自动驾驶估值约1000亿美元。这样计算下来，巴菲特买入时，市场尚未对Gemini等AI核心部分赋予任何价值。 谷歌能够跨越创新者窘境。组织架构调整后，其传统业务仍在增长，AI搜索也已上线。更重要的是，谷歌拥有独特的数据生态和协同优势：终端入口（安卓、Chrome）、企业套件（Workspace）与AI模型能相互加强。 二、Peicai Li 推特 @pcfli 的主要观点与问题 Q1、关于择时（Timing）的逻辑矛盾： * 问题：一方面主张长期持有（如“大猩猩”策略）时不考虑择时（timing），另一方面在建仓时却强调择时的重要性，存在逻辑矛盾。 * 观点：投资收益应主要来自选择优质资产，择时应占次要地位。 Q2、关于分析方法论的选择——具体分析 vs. 统一框架 * 问题：采用对每个公司（如谷歌、SQL）进行具体优势分析的方法，是否容易陷入“确认性偏差”并导致组合过度分散？ * 观点：更倾向于使用统一的框架来筛选核心资产，与其分析一个个具体的公司，不如考虑将代表进化逻辑的指数作为标的加入组合。 Q3、关于市场有效性与认知优势的核心质疑： * 问题：我们如何确信市场是无效的？具体到谷歌，它与我们已选的核心资产（比特币、以太坊、特斯拉）到底差在哪里？ * 观点：仅仅认为公司“好”是不够的。要挑战市场有效性，需要证明该资产存在巨大的、未被充分认识的潜在市场（TAM），并能带来极高回报（如10倍以上）。在比特币、以太坊、特斯拉上，能看到这种潜力和确定性，但在谷歌上看不到。 Odyssey 推特 @OdysseysEth与神鱼 推特 @bitfish1的回应： * Odyssey 推特 @OdysseysEth 择时并非孤立的技术操作，而是资产风险收益结构的函数——当资产质量与价格呈现极端不对称时，时机选择自然让位于资产选择；反之则需要通过择时来补偿确定性的不足。 投资决策的本质被提炼为“机会成本的跨维比较”，真正的选择不在于论证单个标的的优劣，而是在可能性空间中进行多维权衡。 当面临“是否用加密货币置换科技股”这类选择时，需要构建超越传统分类的估值坐标系，这正是认知优势的突破点。市场有效性局限恰源于人类心智处理复杂系统时固有的认知简化。 对于科技股估值，论述揭示了二阶思维的价值：既要看到技术浪潮创造的新价值空间，更要识别价值捕获的关键节点。搜索引擎在AI时代可能进化为智能交互的基础设施，其垄断性将被重新定义。当前估值体现的是传统业务的贴现，尚未包含作为智能时代核心枢纽的期权价值，这种结构性认知差正是长期主义者的机会窗口。 * 神鱼 推特 @bitfish1： 投资中不存在绝对的“不择时”，建仓和减持本质上都涉及时机判断。其核心在于：仓位变化实质是观点置信度的量化表达。信心越强，仓位调整幅度越大，这是一个连续的风险管理过程，而非择时与否的二元对立。 关于谷歌的投资价值，认知优势可能源于对AI的技术洞察。作为深度使用者，对AI发展的前沿体感与市场普遍认知之间存在预期差，这构成了潜在的判断优势。这种实践带来的感知差异，正是挑战市场有效性的微观基础。 三、Zhen Dong 推特 @zhendong2020的问题： Q1、谷歌在AI领域是否真正具有垄断性？ Q2、谷歌如何填补巨大投入与收入之间的鸿沟？成长路径是否可靠？ Q3、谷歌是否真符合“大猩猩”标准？值得重仓配置吗？ Odyssey 推特 @OdysseysEth与神鱼 推特 @bitfish1的回应： * Odyssey 推特 @OdysseysEth 投资谷歌应放弃对短期确定性的执念，转而聚焦其结构性垄断潜力，以渐进式仓位布局应对当下的模糊性。谷歌的垄断并非阻止用户切换，而在于AI记忆功能与数据积累形成的“网络效应”与“数据飞轮”。使用越久，迁移的实际成本越高，这是其护城河的本质。 面对成长路径不明与巨额投入的质疑，此刻恰如苹果的“APP Store时刻”——商业模式尚未完全显现，但“赢家通吃”的终局格局已可预见。真正的投资机会在于市场巨大且将出现垄断节点时，进行前瞻性布局。 采取“用仓位应对不确定性”的策略，逐步建立头寸，而非等待一切清晰。因为当商业模式被市场完全认清时，高额回报期往往已经过去。 * 神鱼 推特 @bitfish1： 谷歌具备多条增长曲线，虽然广告业务是基石，但以Agent智能体和AI驱动的未来商业模式将带来指数级增长潜力。 若未来3-5年内AI和Agent经济主导万亿级别的原子化交易，将催生全新的商业生态。当前的核心策略是通过期权保持暴露，而非直接重仓正股，这既抓住了上行机会，又控制了风险敞口。 在投资标准上，更认可“五年三倍”的现实性，对“十年十倍”的远景保持开放但审慎的态度。整个决策框架强调“先上车再观察”，在商业模式完全明朗前保持仓位灵活性，动态调整对技术趋势的判断。 这种思路承认了创新的不确定性，但拒绝因过度追求确定性而错失早期机会。 【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

这期一起来聊一聊期权。 期权是节目在分享中经常会提到的投资工具，今天邀请到了很多专业的投资人。 聊聊普通人怎么用期权？买期权会不会和之前提到的不用杠杆的红线会冲突嘛？包括记得在很早之前也聊过特斯拉的期权仓位，到时候也可以听分享一下他现在的仓位怎么样了。 【活动信息】 分享主题：聊聊期权 时间：20:00（UTC+8）2025年11月28日 🙋特邀嘉宾 神鱼 推特 @bitfish1 Lijia 推特 @davidhornhouse 常驻嘉宾： Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【音频时间戳】 1. 02:55-07:20 2. Peicai Li详细回顾三次期权交易经历，提出关于仓位、时机、止盈、胜率、行权价等问题。 3. 12:48-16:20 4. 神鱼回应Peicai Li ，区分“囤币”与“期权”策略，认为期权适合次一级机会，需注重趋势与卖出时机。 5. 17:28-26:32 6. Lijia提出“买尾部、卖身体”的期权策略，强调结构性机会、路径判断与风险结构调整。 7. 27:40-29:16 8. Lijia谈仓位管理，单次期权仓位控制在总资产的1%-3%，追求超额收益。 9. 30:15-31:56 10. Odyssey & Lijia讨论若禁用期权对全资产收益率的影响，Lijia认为每年可能损失5%-10%超额收益。 11. 33:32-41:02 12. Zhen Dong分享自己从学期权到实战的历程，强调买期权需同时满足多个判断条件，难度大。 13. 47:33-48:28 14. Lijia回应Zhen Dong ，认为期权超额收益对低收益组合更具吸引力，并强调“耐心”是关键。 15. 51:06-56:59 16. Peicai Li & Lijia & 神鱼讨论谷歌期权交易背后的逻辑，Lijia注重叙事反转与风险结构，神鱼则更看重AI趋势。 17. 【space金句】 💡 对囤币来讲，最重要的其实是好的标的和重仓和在场；对期权来讲，最重要的其实是趋势和卖出。 💡 期权给我最大的价值是：我看好资产但价格不合适时，用期权表达观点，容错空间更大。 💡 买尾巴、卖身体，从一个第一性原理的角度来讲，它是可以去长期执行的一个策略。 💡 买期权你必须要有两个点：第一是你要有一个很好的观点，这观点要是正确的；第二是你要判断路径、时间、市场定价错误。 💡定价的问题用耐心去解决，你定价的优势不够的，你就把分位数提高。 【要点精选】 Q1、关于仓位管理：如何确定期权的投入比例？关于行权价与到期日的选择：如何构建头寸？关于止盈策略：如何锁定利润？关于胜率与期望：如何正确看待“买期权大多归零”的统计？关于开仓时机：何时是使用期权工具的好时机？【Peicai Li 推特 @pcfli】 1.1 、在加密货币交易中，囤币和期权是两种不同的策略，各自依赖的核心能力也不同。 囤币策略的关键在于找到优质标的并重仓持有，同时确保在长期趋势中持续在场。价格并非首要因素，可以通过定期定投来平滑成本。只要资产足够优质，时间会提供足够的容错空间。这一策略的核心在于对标的的深度认知，只有足够了解，才能有信心重仓并长期持有。 相比之下，期权策略更适合次级的交易机会。标的资产不一定需要完美价格，但需要抓住中短期的趋势，并在合适时机卖出。由于期权可能归零且自带杠杆，无法重仓操作。其成功更依赖对趋势的判断和利润的及时锁定，而非长期持有。 因此，若将两种策略混合使用，容易混淆重点。一种可行的结合方式是：当看好某个资产但价格不够理想时，可用少量仓位配置长期期权，既参与潜在趋势，又控制风险。若判断正确则适时获利了结，若错误则接受归零。这实际上是将期权作为对非顶级机会的补充工具，而非替代囤币的核心策略。【神鱼 推特 @bitfish1】 1.2 、基于塔勒布肥尾理论，期权市场存在结构性机会。核心策略是“买尾部、卖身体”：买入被低估的远端虚值期权，卖出被高估的近端平值期权。 这源于两个维度：价格分布上，市场系统性低估尾部风险而高估常态；时间维度上，短期期权因隐含波动率偏高和时间磨损更快，特别是零日到期期权，交易量占比近半，更具博弈属性。 具体操作需结合资产特性。特斯拉这类临界点资产适合用期权表达路径观点；比特币因反身性在牛市中适合持有看涨头寸；英特尔等事件驱动型标的则存在快速上涨机会。通过期权组合能重构风险结构，例如在看好AI上限但规避下限风险时，可买入看涨期权同时配置价值板块的看跌期权。 止盈关键在于保持灵活性。当期权头寸已实现较大涨幅时，应视为趋势交易及时止盈，重点观察市场看涨看跌比率等指标，持续评估风险收益的不对称性是否持续。【Lijia 推特 @davidhornhouse】 Q2、在期权交易中，是否会像合约交易一样，因连续盈利后放大仓位而导致最终归零的风险，以及如何规避？【Peicai Li 推特 @pcfli】 2.1 严格限制单次期权仓位，通常控制在总资产的1%到3%之间，最高不超过5%。她将期权视为结构性机会的捕捉工具，而非高杠杆暴富手段。通过控制仓位，即使期权获得几倍收益，对整体组合的贡献也保持在合理范围。同时，卖出期权可获得权利金，买入看跌期权可用于对冲尾部风险，增强整体资产稳定性。【Lijia 推特 @davidhornhouse】 2.2 从心理账户角度管理风险，仅使用可承受亏损的资金进行交易，例如DeFi利息收入的一部分，从而避免情绪化决策和过度放大仓位。【神鱼 推特 @bitfish1】 Q3、长期做空波动率策略，风险与收益是否匹配？【Zhen Dong 推特 @zhendong2020】 长期的低波动市场背后，往往隐藏着特定的结构性原因。就像几年前ETF资金大量涌入，持续压制了波动率。但这种人为的平静恰恰埋下了危机的种子——市场变得异常脆弱，任何一个微小火花都可能引发剧烈的波动率爆炸。 策略绝不能仅仅依赖历史数据或盲目坚持。关键在于融合主观判断：深入分析当前低波动率背后的真实驱动力，无论是资金流向还是宏观事件，并据此评估市场突变的潜在概率。这不是简单的择时，而是基于深刻认知的动态决策。 耐心固然重要，但若没有对市场深层结构的理解，单纯的坚守很可能在等待中耗尽本金。这超越了数据层面，是一场对认知深度的终极考验。【Lijia 推特 @davidhornhouse 】 Q4、长期仅用期权交易能否产生复利及性价比评估？【Zhen Dong 推特 @zhendong2020】 期权策略的性价比，关键看基础收益。如果底层资产年化只有8%，通过期权策略能提升5%，这个增幅就非常可观。但如果本身持有比特币这类高收益资产，同样的增幅吸引力就小很多。 实际操作中，建议保持极大耐心，只在顶级机会出现时出手，一年专注一到两次。这样时间投入的回报比才是最高的。【Lijia 推特 @davidhornhouse 】 Q5、你们用期权交易，主要是基于对行情涨跌的判断，还是基于发现期权本身定价错误？ 5.1、主要是基于行情判断。看好谷歌的AI叙事，想博上涨，但同时又想规避市场大跌的风险。因此用了一个组合策略（卖Put买Call），在追求上涨的同时控制了风险。但在精确的定价上比不过做市商，但会对波动率有自己的大致判断。【Lijia 推特 @davidhornhouse 】 5.2、主要是基于行情判断。需要配置AI头寸，并分析出谷歌可能是AI泡沫中的最大受益者。为了控制成本，选择直接买入长期的谷歌看涨期权，做好了本金归零的心理准备。【神鱼 推特 @bitfish1】 * Zhen Dong 推特 @zhendong2020 期权交易，尤其是买入期权的策略充满挑战。许多交易者试图通过捕捉市场对尾部风险的错误定价来盈利，但实践中往往发现，在市场恐慌时这类期权价格已过于昂贵，导致亏损。 成功的期权买入需要同时满足多个苛刻条件：不仅要判断对资产方向，还需精准预测价格路径与时间，更关键的是确认市场定价存在显著错误。这些条件如同多重关卡，任何一环出错都可能导致失败，因此获胜概率很低。 相比之下，卖出期权可视为一种更稳健的策略。它不依赖精准抄底，而是在愿意承接资产的价格区间内，通过收取时间价值来提升整体回报，过程中心态更为从容。 * Lijia 推特 @davidhornhouse 对Zhen Dong 推特 @zhendong2020的回应： 把握市场定价错误的机会需要极致耐心。最佳策略是等待市场情绪走向极端，在波动率升至罕见高位时行动。当市场因恐慌出现大量卖出时，实际上正在为价格反转积蓄能量。等待这个临界点，能显著提高胜算。 【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

今天我们这期的主题是聊一聊 AI 写作。 之前在分享中有提到过，奥德赛是一个重度的 AI 工具使用者，并且在 AI 协作协助下写出了很多优秀的内容，包括《关于投资的一切》这本书。所以今天这期和嘉宾一起聊一聊 AI 写作这个话题，奥德赛会先作为我们本期的猜想来开场。 【活动信息】 分享主题：聊聊AI写作 时间：20:00（UTC+8）2025年11月21日 常驻嘉宾： Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【音频时间戳】 02:24-03:30 Odyssey 提出用AI“召唤”一本关于流动性的书，以理解市场暴跌。 04:25-06:08 Odyssey 认为AI应被视作“全能智慧体”，能融合多学科视角生成深刻内容。 07:14-08:06 Odyssey 分享“写书式对话法”：先写大纲，再分章节展开，形成系统性理解。 13:03-14:05 Peicai Li 提出“AI解释多样性”与“好解释应难改变”之间的张力问题。 15:00-16:11Odyssey 回应：好坏标准由使用者定义，AI本身不具备绝对价值观。 19:10-21:07 Zhen Dong认为AI生成内容更像“猜想”，需经现实反驳才能成为“好解释”。 23:34-25:48 Odyssey 将信息分为“工具性”与“成为更好的人”，前者可收敛，后者多元。 28:18-30:35 Odyssey 建议以“挑战者姿态”与AI对话，激发其更严谨、深刻的回应。 34:19-36:38 Zhen Dong分享使用Gemini的三类体验：开放性问题效果最佳，工程性问题次之。 【space金句】 💡 我不是去查资料了，而是先用AI去创作一个非常漂亮的东西，它虽然是我与AI一起创作，但阅读和理解起来对我是大有启发的。 💡 AI产生的内容具有丰富的多样性，可以召唤出很多不同的解释，甚至可以召唤另一个AI来反驳它。 💡 好的解释是唯一的，但只存在于某些限定情境中，例如物理学；而多数复杂问题则属于‘云’类，难以有唯一解。 💡信息可以分为两大类：一种信息让你拥有更好的工具，解决各种各样的问题；另外一种信息让你成为更好的人。 💡有的时候很漂亮的东西，它是在漂浮跟发散中隐隐又一有一点点引力的牵引，最后凝结成一颗恒星的。 【要点精选】 * Odyssey 推特 @OdysseysEth 总结：AI作为“召唤者”与“对话者” AI写作不是提问，而是召唤。假设在某个平行宇宙中，存在一本关于流动性的传世之作，AI已经读过或能创作它。我们只需与AI一起将它召唤出来。具体做法是：先让AI写一本书的大纲，再分章节展开。这样得到的不是浅层回答，而是一个系统性的理论框架。 使用AI时，不应将自己定位为‘提问者’，而应是‘对话者’或‘召唤者’。对话是流动的，不知道会聊到哪里；召唤是知道有个好东西在那里，但不知道具体形态，只是隐隐知道什么是好的。 重要的是姿态：将AI视为具备全人类智慧的存在，而不是用自身思维限制它。例如，讨论自动驾驶时，可以从鲨鱼的电磁感知切入，再延伸到激光雷达与视觉信号的冲突，这样召唤出的内容必然跨学科、深刻且基础。 面对市场暴跌，不应直接问‘为什么跌’，而应先探讨‘流动性’这个问题，展开其哲学、系统性与反身性层面，再回归现实。这样的过程，本质上是先打造一把思维工具，再用它解决问题。 * Peicai Li 推特 @pcfli 总结：解释的多样性与“好解释”的张力 AI生成的内容具有丰富的多样性，可以召唤出多种解释，甚至让另一个AI反驳它。这与大卫·多伊奇所说的‘好解释应难以改变’之间存在结构性矛盾。 如果好的解释是唯一的，那么理论上所有人召唤出的应是同一个解释。但现实中，AI给出的解释却因使用者的标准、视角不同而多样。这种多样性是否意味着无法收敛到一个‘难以改变’的解释？或许在物理等‘钟类’问题中可能收敛，但在社会、市场等‘云类’问题中，很难有唯一解。 使用AI时，重要的是带着自身的判断标准——例如多伊奇的‘难变性’或波普尔的‘可证伪性’——去引导AI收敛。但最终，AI给出的可能只是‘当前能力范围内最好的解释’，而非绝对真理。下一步可以尝试与AI进行更深度的、成书式的对话，观察是否能在迭代中逼近更稳定的解释。 * Zhen Dong 推特 @zhendong2020 总结：AI作为“猜想发生器”与三类使用体验 与AI进行开放性对话最能体现其价值。当面对那些没有标准答案、方向未知的复杂问题时，AI能够提供令人眼前一亮的多元视角和新思路，这种探索性的收获远大于处理目标明确的任务。 从认识论角度看，AI生成的多样化解被视为一个“猜想发生器”，而非终极答案。这尤其适用于社会科学等复杂混沌的“云”类问题。AI大量产生的这些猜想，构成了一个宝贵的“猜想池”，其中最终哪些能成为经得起严格反驳的、稳固的“好解释”，则需要通过现实和时间的严苛检验。 基于实践经验，AI的使用效果大致可分为三类：处理翻译等简单机械任务效果极佳；撰写特定文件等流程复杂的任务表现不稳；而应对开放性探索问题时则能带来最大惊喜。 总之，将AI视为一个能够激发新思考、产生高质量猜想的对话伙伴，进行开放式的共同探索，是目前最能发挥其潜力、带来意外收获的使用方式。 【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

这期的主题是聊一聊价格腰斩的比特小鹿（小鹿）是被市场错杀了吗？ 昨天很多美股，尤其是加密货币概念股出现了普跌的情况。特别夸张的，比如像比特小鹿甚至直接出现了腰斩，价格腰斩的小鹿是被市场错杀了吗？ 【活动信息】 分享主题：价格腰斩的小鹿是被市场错杀了吗？ 时间：20:00（UTC+8）2025年11月14日 常驻嘉宾： Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【音频时间戳】 1. 02:39 - 05:08Peicai Li 分析股价暴跌原因。提出股价暴跌与财报中因会计规则导致的净亏损、比特币价格下跌、矿场火灾及发行新可转债等多个因素有关，但认为市场反应过度。 2. 05:08 - 09:43Peicai Li 深入剖析利空因素。逐一反驳财报亏损的实质危害，强调公司低成本挖矿优势和在熊市中的抗风险能力，并提及向AI转型的潜在增长空间。 3. 12:49 - 16:16Odyssey提出反驳。从机会成本角度质疑此投资机会的性价比，认为在更广阔的市场中，比特小鹿的预期收益率和时间周期并不具备吸引力。 4. 18:56 - 20:20Odyssey质疑其垄断性。严格界定“垄断”定义，并对比特币矿企行业的商品化属性提出疑问，认为其不具备垄断资产的核心特征。 5. 20:45 - 21:40Zhen Dong分析矿企运营杠杆。解释矿企利润相对于币价变化的非线性关系，即币价下跌会导致利润以更大比例收缩，反之亦然。 6. 26:50 - 30:00Zhen Dong从行业周期角度分析。当前矿企并非处于舒适的周期节点，难度快速增长而币价下跌，此时建仓矿企标的容错率较低。 7. 30:25 - 33:39Zhen Dong讨论投资与消费行为。将此类投资类比为“消费”而非严格意义上的投资，不符合核心投资框架，且仓位过小意义不大。 8. 36:00 - 37:50神鱼界定投资行为性质。认同此操作更多是源于“老矿工”情怀的消费心态，是对过去的一种致敬，并违反了投资的第一原则——垄断性。 9. 37:50 - 40:07神鱼质疑投资时机。将当前形势类比为历史上风险出清前的阶段，认为购买此类“期权”为时过早，存在时间风险。 10. 42:40 - 46:40反思与总结。Peicai Li 和神鱼反思此次决策可能存在的认知偏差和路径依赖，承认违反了“只投垄断资产”的核心原则。 【space金句】 💡 市场有一点overreaction，有可能会有一点认知偏差，或者说认知折价的机会在里面。 💡 有垄断地位的资产或者企业，它的利润增加以后，优势至少不变，甚至还能继续增加。 💡 小鹿这种机会有一点点太随意了，不太像是真正能够放上场的球员。 💡投小鹿的这个标的违反了我们投资的第一条原则，就是不垄断的，我们不投。 【要点精选】 * Peicai Li 推特 @pcfli 首先引起注意的是股价出现了非常大幅度的调整，从高点下跌了约60%。仔细分析了几个可能的原因： 1、第三季度财报显示有巨额净亏损，但这主要源于会计规则调整，因为公司可转债随股价上涨而价值增加，这在账面上记为负债增加导致的亏损。实际是债权转股权，增强了公司的抗风险能力，应是中性甚至偏好的消息。 2、比特币价格下跌对所有矿企都有影响，但由于自建矿场且电费成本低，矿机也已更新至最新型号，挖矿成本具有优势，很难关机，净利润的损失有缓冲保护。关于矿场着火事件，是建设中场地因施工问题导致，仅烧毁两栋厂房，内部无矿机，主要价值的电气设备未受损，实际损失有限。 3、公司计划发行新的可转债，主要用途是回购旧债，若能在熊市前融到资金，将增强现金流能力，便于囤积更多比特币，并非利空。综合来看，公开信息与股价暴跌幅度不匹配，市场存在过度反应的可能，产生了认知折价的机会。 比特小鹿在海外矿场领域，其规模、管理水平和技术能力具有一定优势，某种程度上具备垄断地位。若中国再次出台禁止挖矿的政策，该公司将成为最大受益者。因此，其股票不仅包含比特币看涨期权，还隐含了对中国政策的期权。 同时，公司向AI算力中心转型的尝试也颇具想象空间，建设低成本数据中心的能力可能在未来形成成本优势。在操作上，倾向于将其视为比特币的长期看涨期权，采用分批建仓的策略，而非一次性重仓。承认此决策带有一定的实验性质，仓位很轻，并反思了可能存在的愿望思维和对他人行为的跟风影响。 * 神鱼推特 @bitfish1 倾向于将购买比特小鹿的行为界定为一种“消费心态”或对过去未实现历史的一种致敬。作为老矿工，曾在类似路径上赚过钱，当看到具有一定不对称性的机会时，容易手痒，唤起对过去美好过程和结果的回忆，从而导致此次决策。这一操作从根本上违反了投资的第一原则，即不投资不具备垄断性的资产。比特小鹿显然未达到垄断地位，尽管有潜力，但依据现有框架，它并非合格的标的。 从投资时机的角度审视，当前市场阶段类似于历史上重大风险刚刚爆发但尚未完全出清的时期。在此阶段购买长期的看涨期权为时过早，因为时间的损耗成本很高。真正的底部可能尚未到来，此时介入面临较大的时间风险。尽管仓位不重，亏损法币的概率不大，但亏损比特币本位的概率是存在的。 最终，此次决策是路径依赖和违反核心原则共同作用的结果，值得深入反思。 * Zhen Dong 推特 @zhendong2020 从行业周期角度分析，当前并非投资矿企的舒适时期。比特币价格从高点回落，而全网算力难度在过去几个月快速增长，这意味着矿工的收益正在被快速摊薄。在这种“下跌中继”的市场环境下，投资一家矿企，即使它确实被市场错杀，也意味着是在一个不利的大周期中，试图捕捉一个不确定的小周期反转，容错率非常低。 将此类投资行为与严格的“投资”框架进行区分，认为其更接近于“消费”。遵循的投资理念是集中仓位于少数最优质的核心资产，如同一个球队只能派五名主力上场。比特小鹿这类机会更像是发展联盟的球员，不符合上场标准。以极轻的仓位进行交易，其意义不大，更多是满足心理上的消费冲动，带有随意性和跟风色彩。 因此，当前阶段更适合对矿企类标的进行研究并逐步退出，保留现金，而非逆势建仓。 * Odyssey 推特 @OdysseysEth 坚决反对将此视为一个优秀的投资机会。首先从机会成本角度出发，假设这个标的在未来一至两年内有30%的上涨空间，那么此决策的前提是，在此期间内找不到其他更好的投资机会。然而，无论是在加密货币领域还是传统股票市场，都存在大量潜在回报更高、确定性更强的机会。相比之下，这个机会的性价比很低。 从根本上质疑比特小鹿的“垄断性”断言。垄断资产的核心特征在于其利润增长能巩固乃至增强其竞争优势。而比特币挖矿行业更接近于大宗商品式的标准化竞争，当利润上升时，竞争者会迅速涌入，侵蚀其利润率。因此，该标的并非垄断资产。若看好比特币，直接购买比特币或其期权是更纯粹的选择。 投资者需要警惕自身的认知偏差，如确认性偏见和禀赋效应，不能简单地认为“市场错了而自己对了”。一个高质量的决策应建立在与更广阔时空中的其他机会比较的基础上，而非孤立地看待单个标的的涨跌。 【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

今天我们这期的主题是聊一聊泡沫识别，前两天peicai在群里面问了奥德赛几个问题： 杠杆率是泡识别泡沫的最佳观察角度吗？ BTC 达到 125, 000 算有泡沫吗？ 如何看待当前 AI 基础设施建设中的杠杆水平？ 今天以这几个问题为契机，聊一聊泡沫识别的话题。 【活动信息】 分享主题：聊聊泡沫识别 时间：20:00（UTC+8）2025年11月7日 常驻嘉宾： Odyssey 推特 @OdysseysEth Zhen Dong 推特 @zhendong2020 Peicai Li 推特 @pcfli 【音频时间戳】 1. 02:48 - 对泡沫的初步判断提出核心观点：不认为Crypto处于泡沫破灭阶段，而AI基础设施建设虽难定量，但能感受到机构正被卷入并不断加杠杆。 2. 04:05 - 重新定义“泡沫”指出“泡沫”一词的局限性，主张从“叙事”与“杠杆”的互动关系来理解市场现象，并阐述二者如何相互强化。 3. 10:00 - 探讨Crypto的具体风险点以“储备公司”和“飞轮叙事”为例，分析这种金融创新式的加杠杆行为是否会因叙事消散而引发下跌循环。 4. 16:00 - 引入外部理论与历史视角分享《Bubbles and Crashes》一书观点，指出“新手大量入场”是识别泡沫的关键标志，并类比航空业、无线电等历史案例。 5. 25:14 - 辨析“泡沫”与“价值内核”以特斯拉为例，强调叙事围绕价值内核展开，泡沫并非意味着价值归零，而是需要关注其价值区间与硬约束。 6. 33:37 - 谈具体观察指标回应关于杠杆率指标的问题，表示在Crypto领域关注“储备公司”等新模式，在AI领域关注融资规模与债务水平，并认为定量本质是定性思考的体现。 7. 35:00 - 分享个人仓位管理与未来考量透露现金比例调整至20%，并表达了对长周期熊市的担忧，思考如何在未来可能出现的长期下行中维持足够的现金储备。 【space金句】 💡 泡沫这个词带有，比如说里面是空的，你戳一下它就爆掉了，这的确对应的世界上一些现象，但是世界上所有现象都是这样的吗？绝对不是吧？那么你用泡沫去思考它有某种意义上的局限性。 💡 叙事跟杠杆它是一个互相强化的一个过程。 💡 新手玩家进场是一个特别有辨识度的一个标志。 💡市场本身它就有一点这样的灰度的特征，所以我也用灰度的手段去应对这个灰度。 【要点精选】 * Odyssey 推特 @OdysseysEth 在讨论市场泡沫时，我更倾向于绕过“泡沫”这一带有预设立场的词汇，转而从“杠杆与叙事破灭”的角度分析。市场由人构成，而人脑是预测机器，依赖从历史中总结的模式形成叙事——例如“房价永远涨”或“AI改变世界”。这类叙事一旦成为共识，便会催生加杠杆的行为，因为确定性感知鼓励风险承担。 叙事与杠杆相互强化：人们因相信某个宏大故事而加大投入，市场反身性也奖励早期追随者。例如，AI领域目前正围绕“颠覆世界”的叙事展开，OpenAI等公司基于未来预期规划巨额投资，而非当前实际收入。这种依赖叙事的杠杆模式，与过去科网股或加密货币牛市的逻辑相似。 泡沫破灭的拐点往往出现在叙事与硬约束碰撞之时。例如币圈“永恒牛市”的消散，与Luna、FTX等事件触发的硬约束相关。当前加密货币市场中，以以太坊等为储备的“飞轮”叙事似乎动力不足，可能面临下行循环；而比特币尚未出现同类杠杆消散的迹象。 因此，识别市场风险的关键不在于“泡沫”标签，而在于观察支撑杠杆的叙事是否坚实，以及其与现实的约束是否临近冲突。 * Zhen Dong 推特 @zhendong2020 在技术发展的早期阶段，往往难以判断哪个环节能捕获最大价值。以航空业为例，飞机发明初期，实际盈利主要来自货运和飞行员培训，而非预期的客运；无线电行业也曾面临类似困惑——究竟是硬件制造、内容创作还是广播服务更具价值？类似的不确定性正出现在当今的AI和加密领域：是基础设施（如英伟达）、平台（如以太坊）、应用（如稳定币）还是传统机构（如贝莱德）将成为最终赢家？ 历史表明，易于理解、能直接体验的技术（如民用航空）更易形成共识，而复杂领域（如核电）则可能延缓价值发现。投资者需持续观察技术演进中的权力转移和需求变化，警惕泡沫，主动思考变革中的价值流向，而非简单套用过往模式。技术突破的方向与商业价值的落脚点，往往需要时间才能真正显现。 Q、Crypto市场是否真的存在泡沫？rebalance（再平衡）的动机是什么？ 如果没观察到泡沫，为什么减仓Crypto而非AI资产（如特斯拉）？【Peicai Li 推特 @pcfli】 * Odyssey 推特 @OdysseysEth Rebalance的核心不是预测泡沫，而是基于市场周期视角和现金作为“看涨期权”的价值变化。在5月初，决定逐步增持现金至目标水平，这不是因为判断市场会跌，而是现金在周期中的隐含价值上升。决策是灰度化的——在“全卖”和“不卖”间找到平衡，而非依赖泡沫信号。即使AI领域有泡沫迹象，这也只是加速调整，而非唯一理由。Crypto的波动更多是市场正常涨跌，并非系统性泡沫破裂。 * Zhen Dong 推特 @zhendong2020 《Bubbles and Crashes》这本书的核心观点是，泡沫的形成往往伴随着两个关键要素：大量缺乏经验的新手涌入，以及一个具有极强吸引力和想象空间的宏大叙事。 * 关于“新手”与“叙事”： 当年的ICO和NFT热潮吸引了大量圈外人，是一群被“财富自由”、“社区归属”等叙事吸引进来的非传统金融市场的参与者。然而，反观当前的比特币市场主要的买家是像MSTR这样的上市公司、ETF背后的机构基金、对冲基金等专业投资者。因此，从“新手入场”这个关键指标来看，BTC目前很难被定义为泡沫。 * 关于AI领域的泡沫迹象： AI的情况则更符合书中的描述。它是一个全新的领域，所有人从某种意义上都是“新手”，而它的叙事天花板极高——被认为将彻底改变人类社会。调查也显示，大多数投资者认为AI存在泡沫，分歧只在于泡沫何时破裂。 * 关于Crypto内部的杠杆风险： 在Crypto领域，风险点与上一轮周期不同。现在的风险更多集中在DeFi领域，这些协议相互关联，容易形成“A爆仓导致B出现坏账”的连锁反应。但关键在于，这些活动所持有的核心BTC资产相对较少，更多是围绕稳定币和DeFi代币本身。 因此基于“新手涌入”和“系统性杠杆风险”这两个维度，可见BTC目前尚未出现典型的泡沫特征。我们进行rebalance操作，更像是一种基于周期位置的、前瞻性的现金管理优化，而不是针对一个已确认的、即将破裂的Crypto泡沫所做的紧急避险。 Q、在识别市场泡沫时，相对于杠杆率这种传统指标，你们是否更倾向使用“叙事框架”这类定性方法？【Peicai Li 推特 @pcfli】 * Zhen Dong 推特 @zhendong2020 《Bubbles and Crashes》中提供了一个评估泡沫的综合框架，强调叙事的不确定性和新手进场是泡沫形成的关键指标。这个框架列出了多个特点，如叙事是否易理解、能激发情感共鸣、以及技术解决周期长等，资产若符合这些特点就更容易产生泡沫。例如，比特币不符合这些特点，因为新手进场不多，而特斯拉则被作者视为高分泡沫案例，但实际未崩溃，显示框架基于归纳法，并非绝对准确。 杠杆率是新手进场的强相关指标，因为新手更可能使用杠杆，但它只是框架中的一个因子。作者认为因果性最强的是新手大量入场，而框架更全面，能帮助识别泡沫风险，但需注意其局限性，避免过度依赖。 * Odyssey 推特 @OdysseysEth 更倾向于将泡沫视为叙事驱动的估值偏离内核价值，而非归零。资产价值有层次：从清算价值到成长股价值，再到抽象叙事，叙事可能转化为价值，但也可能空洞。 定量指标如杠杆率只是一个思考视角，本质是定性；因为定量依赖假设（如折现率或增长率），不同视角无法直接比较。用现金流折现时，微小假设变化会导致结果巨大差异，因此定量只能在特定视角内对比。杠杆率作为指标有用，但需结合其他因素重整化，避免单一维度判断。最终，泡沫识别应关注估值与内核的区间，强调多视角思考，而非追求绝对定量标准。 Q、在比特币和Crypto领域，如何识别最佳杠杆的视角？以及AI领域类似杠杆该看哪些数据？ 在AI和Crypto仓位上的有何调整计划？【Peicai Li 推特 @pcfli】 * Odyssey 推特 @OdysseysEth 在比特币和Crypto领域，识别最佳杠杆需要观察金融创新模式的涌现，例如等待“狂乐模式”出现，具体关注融资规模、利率和债务水平等指标。AI 可能会从其融资规模、利率以及整体债务水平等方面入手。Crypto领域可能会看最有潜力的趋势模型像Spider或者储备公司。 仓位方面无调整计划，保持约20%的现金比例，认为即使面临熊市，其深度和持续时间有限，因此维持现状是合理的。整体上，我倾向于等待市场自发显现机会，而非主动预测或调整。 * Zhen Dong 推特 @zhendong2020 当前现金比例约20%，其余风险资产按市值配置。考虑到王川警告的AI泡沫和可能延长的熊市周期（如5-10年），有意向增加现金比例以备抄底，但犹豫不决，因为对持有资产仍有信心，担心过早卖出错过上涨机会。期权若行权可将现金提至25%，但价格不理想。因此，在持有现金过少和卖出过早的风险之间权衡，暂时保持较高风险仓位，并对流动性改善抱有幻想。这反映了如何在长周期中维持现金比例的挑战，需避免过早打光子弹，同时应对潜在行业下行风险。 【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