“不要做个老登。” “缺电缺的并不是电量，而缺的是负荷。” “任何行业供需决定状态，不取决于你的商业模式多牛逼、壁垒有多牛逼。” “一旦需求不增长，设备需求不是从 100 降到 80，而是降到 10 到 20。” “你现在买一台要五年以后交货，他还是选择不扩产。” “你一直看一个行业，就会 miss 掉这个行业超级范式转移的机会。” 主持：Raymond - 美元二级基金合伙人，苔藓之火主播 视频播客：小红书 ｜B站 ｜抖音 ｜视频号｜Youtube 其他地方：Substack | Linkedin｜即刻 ｜公众号：苔藓之火 嘉宾：唐奕波 - 私募基金分析员，播客《随处奔波》，文章（公众号"奔波儿r"） * 《AI 到底是泡沫吗——从 100 年前的电气化找答案》 * 《让研究的归研究，交易的归交易》 * 《投资的审美》 * 开源项目（github.com/Benboerba620）：ai-signal 每天抓一线推特/播客/论文；ai-workspace-hub 带知识库闭环的 AI 投研工作流 * 本期提到的（《三点下班》）唐奕波 v.s. 星辰 免责申明：本节目的所有内容都并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或法律上的任何建议。 主题： 中国 2021 缺电、美国/欧洲电力缺口、燃气轮机三巨头、叶片瓶颈、北美缺电链扩散，以及 AI 数据中心把电力变成新瓶颈。 Shownotes 1. 00:07 开场：AI 最大瓶颈是能源，中国并非一直不缺电。 2. 01:18 嘉宾介绍：新能源+电力研究员，公众号“奔波尔”。 3. 02:27 2018 年看光伏：531 退补、龙头必死、后发优势。 4. 05:22 全球缺电：中国 2021 先缺，缺的是负荷不是电量。 5. 07:49 可控系数：煤电 0.8，风电 5%，光伏 0.01，储能为什么重要。 6. 10:51 中国解法：快速核准煤电，2023 年后缓解。 7. 14:47 美国/欧洲缺电：需求十年不增长，制造业回流+AI 拉动。 8. 17:34 市场化传导：电价涨→CEG/VST→GEV 订单，24 年中才显著。 9. 18:55 燃气轮机格局：GE、西门子能源、三菱，85% 份额，中国为何缺席。 10. 22:10 商业模式：设备+15 年服务，服务利润率高，备件粘性强。 11. 25:25 下行周期：2015–2024，2018 裁员关厂，2024 才转。 12. 30:51 北美缺电链扩散：重燃→轻燃→燃料电池→燃气发动机→航改。 13. 36:43 周期结束看重燃扩产，瓶颈在叶片；Howmet/PCC/应流股份。 14. 44:31 还有左侧吗？设备链拥挤 8–9 分，机会或转向发电端/欧洲电力公司。 15. 54:35 欧洲：结构性缺电、数据中心接网排队、买接网权、北欧南欧机会。 一句话总结： AI 把电力从“老经济”重新变成瓶颈；中国缺电是供给结构问题，美国缺电是需求突增问题，而北美缺电链从重燃扩散到最 marginal 的方案，设备端已很拥挤，下一步机会可能转向电力运营和区域转移。 一、核心观点总结 1. AI 的最大瓶颈是能源，但中国并非一直“能源充足” 中国在 2021 年就出现过全国性缺电、拉闸限电。问题不是总电量不够，而是稳定电源和负荷能力不够。 2. 缺电缺的是“负荷”，不是“电量” 风电、光伏发电量可以增长很快，但它们是间歇式电源。缺电看的是某一时点的功率，而不是全年发了多少度电。 文本中给出一个关键对比：煤电可控系数约 0.7–0.9，风电约 5%，光伏约 0.01。装 100GW 光伏，对系统可控负荷贡献极小。 3. 中国 2021 缺电的根源：新能源上太快，煤电停太多 2020 年前煤电新建断崖式下跌，风光装机猛增，导致可控电源除以最高负荷的“可控系数”跌破 1.2，出现拉闸限电。居民感受不明显，因为优先保民用；工业则错峰生产。 4. 中国的解法简单粗暴：快速核准煤电 2021 年后政策转向，大规模核准煤电，文中提到“8880”“每年约 80GW”等口径。中国建设速度快，2023 年后缺电问题基本缓解。 5. 储能不能简单替代稳定电源 日内平衡配 20%–40% 功率、约 2 小时储能即可；但跨日、跨周要配 10 小时甚至 1:10 的储能，成本爆炸。光伏+储能要变成类似火电的稳定电源，比例可能到 1:10 甚至 1:16。 6. 美国/欧洲缺电：需求 10–20 年不增长，突然被制造业回流和 AI 拉动 美国电力需求约 10 年不增长，欧洲约 20 年。22 年后制造业回流、半导体/电池/新能源车工厂、AI 数据中心一起拉动，可控系数也掉到 1.2 以下。 7. 美国靠市场化解决，传导很慢 涨电价 → 发电商赚钱 → 下设备订单。CEG、VST 等股价 2023 年先涨，GEV 燃气轮机订单到 24 年中才显著变好。 8. 燃气轮机是工业皇冠，格局极其稳定 GE、西门子能源、三菱三家占全球约 85%，几十年没有新进入者。中国缺天然气、缺内需，也缺航空发动机/燃气轮机这种高端制造能力。 9. 燃气轮机商业模式：设备+长期服务，服务更赚钱 卖设备可能低毛利甚至白送，但绑定约 15 年服务合同，服务总价约为设备 2 倍，服务利润率约 40%，备品备件粘性极强。 下行周期 2015–2024，2018 年三家裁员 1/3、关厂 1/3，2024 年才转。 10. 北美缺电链不断扩散：从重燃到最 marginal 的方案 重燃 → 轻燃（贝克休斯）→ 燃料电池（Bloom Energy）→ 燃气发动机（卡特彼勒、康明斯、潍柴）→ 航改/退役发动机。 只要重燃不扩产，后面的方案就有经济性；一旦重燃扩产，后面可能被抹掉。 11. 周期结束看重燃扩产，扩产瓶颈在叶片 叶片全球主要是 Howmet、PCC 两家，中国有应流股份等。叶片验证周期 3–4 年，需要持续投入 10 年，壁垒极高。 12. 设备链已经很拥挤，偏左侧机会可能在发电端和区域转移 嘉宾给北美缺电链热度打 8–9 分，认为股票演绎充分。 更偏左侧的方向：美国数据中心因电价和中期选举受阻，可能向日本、韩国、东南亚、欧洲转移；北欧水电核电、南欧光伏、欧洲市场化电厂可能有弹性。 13. 欧洲是结构性缺电，不是总量缺电 欧洲电力需求 25 年才恢复增长，但午间光伏多、电价低，晚高峰电价高，价差大，储能发展好。 数据中心接网申请量激增，接网排队 8–10 年，买废弃工厂/火电厂的接网权变得很值钱。 14. 老行业研究员容易 miss 范式转移 传统汽车分析师很多 miss 比亚迪、特斯拉；传统电力分析师也可能低估 AI 带来的需求突变。 “不要做个老登。” EP55 中文逐字稿：https://insights.mossfire.xyz/posts/gas-turbines-ai-power-bottleneck/ English transcript: https://insights.mossfire.xyz/en/posts/gas-turbines-ai-power-bottleneck/

世上才俩月，AI又几年；最近两个月的AI又发生了很多重要的变化。 9月8号，Muse的发布带火了To C的个人agent的落地场景，结合claude Tag在小型企业产品化的尝试以及Sap、埃森哲、OpenAI、Anthropic在大客户用FDE的方式推进AI，已成三箭齐发之势。 O和A两家的GPT-6 Astra的电脑使用（computer use）和Opus 5.5的前端设计和审美能力同时又迎来跃升。虽然股票行情陷入争论，但行业发展继续如火如荼。 这一期再聊聊9月份以后，我对AI的非coding场景落地的观察和看法，欢迎收听。 时间轴 * 01:05 AI 渗透率：广度与深度 * 03:41 降低门槛，三类场景的落地路径 * 06:57 个人 Agent：数据接入、交互与具体用途 * 17:07 使用成本、商业模式与商家的应对 * 22:27 小企业：Claude Tag 与软件推广 * 28:24 大企业：FDE、采购预算与产品化 * 36:37 模型能力提升与商业价值归属 * 40:33 垂直 Agent 与未来的交互方式 * 44:35 总结与后续观察 术语速查 * Agent / Personal Agent：智能体／个人智能体，可使用工具完成任务。 * to C / to B：面向消费者／面向企业。 * FDE（Forward Deployed Engineer）：深入客户现场，帮助软件或 AI 落地的工程师。 * CRM / ERP：客户关系管理／企业资源计划，分别管理销售客户和企业经营流程。 * SaaS：通过网络提供、通常按订阅收费的软件服务。 * API / UI：程序调用接口／用户界面。 * context / token：AI 可参考的上下文／模型处理内容及计算用量的单位。 * computer use / coding agent：AI 操作电脑／以编程任务为主的智能体。 * AI-native / know-how：把 AI 纳入日常协作／实践积累的经验和方法。 * TAM / capex / ROI：潜在市场总规模／资本开支／投资回报率。 产品与公司名：Muse、Instinct、today.ai、OpenAI dots、OpenClaw、Claude Tag、Claude Code、Codex；GPT-6 Astra、Claude Opus 5.5；Siebel、Salesforce、Accenture（埃森哲）、SAP、Palantir、Anthropic、Block。 数据口径补充 开头的 Ramp 数据按样本企业统计，不能当作全美员工的付费率。支出数据比较的是企业人均月度支出；前 10% 和前 1% 的数字是各组内部中位数。 美国人口普查局论文中的 18% 是企业业务职能的 AI 采用率，32% 是按就业人数加权后的企业采用率。它不是逐个员工的使用率，也不是付费率。 参考链接 * Ramp AI Index（节目引用 2026 年 8 月数据）｜美国人口普查局论文 * Muse 官方介绍｜OpenAI dots｜Instinct * Claude Tag 官方介绍 * a16z：个人 Agent 讨论 * AI Signal：我的公开项目 主播：奔波儿。节目中的成本、商业模式与未来方向，包含个人观察和推测。

当问题被问出的那一刻，答案就已经注定了。 三个月后，再次和韦华聊AI。这三个月里我的想法变化不小：向几位做量化、用大模型搭投研系统的朋友请教之后，我果断放弃了让AI端到端做决策的主观投研模式，想清楚了未来我的形态就是 AI 做 Copilot、我来做判断。公众号写作也完全回到了纯粹的古法手搓。这种"回退"反而让效果和我的感受都更好了，更可控，对最终质量也更满意。有价值的不是AI生成的回答，而是你的思考和你的问题。 这期从AI投研这条主线出发，往外延伸到三个方向：国产模型上半年的进展怎么看、AI安全的刹车到底在哪里、以及一个组织要怎样才算真正的AI Native。基本上把我最近几个月的思考集中在一起了，欢迎收听。 内容纯属个人观点，未必专业，有错误欢迎评论区拍砖，提前滑跪。 【时间轴】 00:00:16 开场：这次聊AI使用、国产模型、安全和组织 00:01:18 AI越来越强，为什么公众号反而回到自己写？ 00:09:14 执行任务与探索问题：AI能不能端到端完成投研？ 00:17:15 模型和Harness都没有锁定我：核心仍是Copilot与人的判断 00:18:36 换模型像换灵魂？我们对工具的依赖有什么不同 00:19:54 辛苦积累的Skill，会不会被下一代模型抹平？ 00:24:11 AI是我的Copilot，最终判断仍然自己做 00:28:27 国产模型半年报：收入增长之外，模型和工程能力怎么看？ 00:38:49 假如有一吉瓦算力，你会分给训练还是推理？ 00:41:43 蒸馏、数据与模型：追赶者的路径 00:46:17 资本开支还在增加：需求、算力与电力怎么匹配？ 00:55:40 中美模型的差距与前沿竞争 01:01:36 从Hugging Face案例讲起：智能体如何绕过评测？ 01:12:35 进攻与防守不对等：安全担忧和自我改进意味着什么？ 01:22:41 中国模型的发展路线：集中力量，还是分散探索？ 01:35:31 AI Native的关键：业务用了AI，还是组织围绕AI重建？ 01:45:27 拿私募基金做例子：AI能不能减少投研协作的摩擦？ 01:48:29 FDE为什么难落地：业务经验、部门利益与改造的阻力 01:57:00 回到自己：我们现在能做什么？ 【关键词】 #AI投研 #国产大模型 #AI安全 #AINative #组织变革 【音乐】 片头：Lord Huron — Ends of the Earth 片尾：The Paper Kites — Bloom

朋友们，我自己录的第一期节目终于上线了！还是一起单口，真的很紧张，录了三次，第一次相当于打草稿，第二次录了一半才发现没录上，第三次录的时候脑子已经不太转了，所以中间有不流畅、卡壳的情况，请大家多多包涵，也欢迎大家提出选题和形式的建议，我会努力改进的。 文字稿会发布在我的公众号—《奔波儿r》上，欢迎大家关注和查阅。 【本期简介】 第一期还是从AI和投资聊起，AI从7月份的大幅回调以后，进入了一个相对稳定期。目前已经达成了很多共识，例如开源的冲击已经被充分认识。分歧点已经缩圈了。担忧聚焦在资本开支、收入、电力供给和库存，这些担心最后都绕回了同一个问题：Coding 之外，下一个能撑起需求的场景在哪里？ 关键是企业里的 AI 为什么难落地、我在等什么样的产品和持续学习进展。 最后聊聊我最近在研究什么，为什么开始研究软件、油和油运。分享一本最近在看的书《The Art of Execution》：执行才是决定投资收益的关键。 【时间轴】 00:00 片头 00:16 为什么做《随处奔波》：从 AI 和投资聊起 01:12 先算一笔账：AI 的资本开支、收入和电力能对上吗？ 05:14 订单都很好，为什么还要担心库存？ 07:20 绕了一圈，我们担心的还是需求 08:58 Coding 之后的新场景：白领工作与 AI for Science 13:06 AI 怎么进入企业？从 FDE 聊起 19:14 从 Chatbot 到 Agent，下一种产品形态是什么？ 23:33 模型越来越聪明，就能解决落地的问题吗？ 24:37 持续学习：模型能不能在具体工作中学会做事？ 28:07 长期相信 AI，短期怎么面对不确定性？ 29:27 收缩注意力：少追一些共识，多盯关键变化 30:35 为什么开始研究软件？生意模式比想象中更难懂 37:04 把视野挪出 AI：最近在看油和油运 41:26 《The Art of Execution》：判断之后，你怎么行动？ 47:12 片尾 【音乐】 片头：Lord Huron — Ends of the Earth 片尾：The Paper Kites — Bloom

“替代人不是AI的极限，AI的极限是创造我们想象不到的东西。” “你如果只用自由现金流去衡量Capex，那铁路、电气化一开始全是泡沫，但它们是文明的基石。” “开源模型把中低端智能打成白菜价，但闭源模型只要比人类天才再高一点点，就能拿走绝大部分价值。” “现在AI就像1920年的电车和电灯，你想象不出收音机，但收音机后来涨了300倍。” “Token价格下降不可怕，可怕的是需求弹性不够。AI弹性的上限是‘智力替代能源’。” “债务本身不是坏事，高杠杆才是。目前AI的杠杆远低于运河和铁路泡沫时期，跌40%也没人爆仓。” 本次播客的核心矛盾在于：AI的巨额资本开支（Capex）究竟是即将破裂的泡沫，还是文明级技术革命的必经成本？多方认为，市场错把“成长股”当“价值股”来估值。他通过算账指出，单G瓦数据中心已能实现极高回报率（年收入可达成本的1.5倍以上），且AI对标的是电气化革命——前十年投入占GDP 2%却未见生产力爆发，后期才催生收音机等颠覆性应用。AI是“智力”本身，TAM不止于Coding或SaaS（3000亿），而是全球40万亿白领市场，甚至能创造人类无法想象的新物种。当前的股价波动不影响实体采购，泡沫破裂须待极高杠杆（如4万亿Capex）出现，现在远未到顶。空方则质疑万亿美元级的年折旧需要5万亿收入支撑，而全球七姐妹总营收仅2万亿；同时Token价格长期趋近于零（如电费），行业可能沦为公用事业，且企业级AI目前尚未带来财报上的显著提效。最终结论偏向长期乐观：AI的“智力”属性决定了其弹性远高于光伏或互联网，但短期场景能否从Coding扩散到全企业工作流，仍是决定市场二阶导的关键胜负手。 主持：Raymond - 美元二级基金合伙人，苔藓之火主播 关注我们：小红书 ｜B站 ｜抖音 ｜视频号｜Youtube ｜公众号/苔藓之火 嘉宾：唐奕波 - 私募基金分析员，播客《随处奔波》，文章（公众号"奔波儿r"） * 《AI 到底是泡沫吗——从 100 年前的电气化找答案》 * 《让研究的归研究，交易的归交易》 * 《投资的审美》 * 开源项目（github.com/Benboerba620）：ai-signal 每天抓一线推特/播客/论文；ai-workspace-hub 带知识库闭环的 AI 投研工作流 * 本期提到的（《三点下班》）唐奕波 v.s. 星辰 免责申明：本节目的所有内容都并非旨在提供任何形式的建议，包括但不限于投资、税收、会计或法律上的任何建议。 时间轴（Time Table） 00:00 开场：七月市场巨震后，AI多头还剩下谁？ 01:00 嘉宾自我介绍：8年私募研究员，从新能源到AI硬件 02:40 核心争论：Capex每年七八千亿，钱从哪来？够不够？ 04:00 拿自由现金流质疑Capex是错的，电气化、铁路都这样 05:30 算账：1个G瓦数据中心=400-600亿成本，年收入600-1000亿（闭源推理） 07:30 开源模型收入低40-50%，但利润率也低 10:00 Token价格战：中国开源模型倒逼OpenAI降价，但唐认为这倒逼闭源向前沿狂奔 14:00 光伏 vs AI：光伏TAM被火电价格锁死，AI的TAM是“人类智力天花板”，无上限 18:00 后发优势：中国用1/10成本训出90%性能，但探索前沿的人必须烧钱 24:00 市场主要矛盾：不是Capex太多，而是担心只有coding一个场景 30:00 企业级AI突破：Claude Tag（公司级Agent）可能改变组织架构，Block已裁员40%提效 37:00 AI帮他20分钟从800只股票中筛出MLCC大牛股 44:00 空头发问：5万亿收入从哪来？全球SaaS才3000亿 51:00 对标电气化——Capex占GDP 2%投了15年，前10年无生产力提升 55:00 债务观点：泡沫破裂要到杠杆极高时，现在远未到 1:07:00 AI是“智力”，它不只是替代人，它会创造新物种，就像电催生了收音机 关键词：Capex，TAM，电气化对标，Token价格，推理收入，开源vs闭源，智力商品化，折旧压力，自由现金流，杠杆率，场景扩散，企业级Agent，AI-native应用，后发优势，需求弹性 中文逐字稿：https://insights.mossfire.xyz/posts/ep47-last-ai-bull/ English transcript: https://insights.mossfire.xyz/en/posts/ep47-last-ai-bull/

感谢浩哥和星辰！7月寒风刺骨，我心仍似骄阳！抱住浩哥充值信仰，接受星辰的拷问。 长期信仰满满，但短期也不和市场battle，不断滚动向前，寻找确定性最强的方向。这期聊了聊现在的AI需求争议，当前AI确定性更高的方向，我们如何适应充满量化的市场。 【本期亮点】 * "看多的有理，看空的也有理，这种问题我一般不讨论。40% 对、60% 对没什么意义，我要 80% 对。" * "一开始电只有电灯，没有电器、没有电话。"——token 之前只有问答，agent 出现才半年 * "所有人都拉着我说存储超预期——那到底是谁不知道？" * "我看对了，钱一分没挣到，还挨了一路的骂。" * 浩哥收尾："每个人的嘴巴再硬，都抵不过我们大 A 的铁拳。" 【本期提到】 主播：浩哥、星辰（《三点下班》）｜嘉宾：奔波儿r 原片：https://www.xiaoyuzhoufm.com/episode/6a66c8386356eb2d9be8ed13 我的文章（公众号"奔波儿r"）： * 《AI 到底是泡沫吗——从 100 年前的电气化找答案》 * 《让研究的归研究，交易的归交易》 * 《投资的审美》 我的开源项目（github.com/Benboerba620）：ai-signal 每天抓一线推特/播客/论文；ai-workspace-hub 带知识库闭环的 AI 投研工作流 【时间轴】 * 00:15 星辰的连环拷问："我没买的时候天天产业趋势不可逆，我一上车就价值回归了？" * 02:45 我是谁：私募研究员第八年，新能源 → 电力 → 周期 → 今年 AI 硬件 * 06:41 AI 渗透率难的不是分子是分母：算程序员工资（5500 亿），还是算白领工资（50 万亿）？ * 11:24 多空都有理的问题我不讨论，只做 80% 对的方向 * 14:09 我看好的两个方向：开源模型 + 应用，国产模型跨过可用门槛 * 20:25 现场质疑：终端客户的 ROI 到底够不够？卡是真缺还是营销手段？ * 24:44 Anthropic 用量里 coding 只占 35%，渗透率是一条往下滑的梯队曲线 * 32:12 GEV 业绩炸裂却跌 8 个点：叙事和定价比增速重要 * 35:40 存储的两个空头叙事：长鑫扩产 + 算法优化砍一刀，短期完全无法证伪 * 41:20 跟 AI 聊了 10 小时复盘电气化：我们还没走到 1919 年 * 44:46 反面观点：第三波加速要是五年后才来，这条链先被杀一轮 * 53:44 AI 投研工作流：把研究拆成五步，看它在哪一环最强 * 56:37 最震撼我的一次：AI 自己跑去市政府扒数据中心的拿地公告 * 1:00:17 小白第一步：先装 workbuddy，不用翻墙、不用选模型 * 1:04:36 细分方向：最看好国产算力 * 1:09:03 跟 AI 聊完量化的结论：短周期你赢不了它们 * 1:17:11 隆基那五年：我看对了，一分钱没挣到，还挨了一路的骂 * 1:18:57 边走边看，浩哥："我还是相信，但账户不允许我这么坚定地相信" 【本期亮点】 * "看多的有理，看空的也有理，这种问题我一般不讨论。40% 对、60% 对没什么意义，我要 80% 对。" * "一开始电只有电灯，没有电器、没有电话。"——token 之前只有问答，agent 出现才半年 * "所有人都拉着我说存储超预期——那到底是谁不知道？" * "我看对了，钱一分没挣到，还挨了一路的骂。" * 浩哥收尾："每个人的嘴巴再硬，都抵不过我们大 A 的铁拳。" 【本期提到】 主播：浩哥、星辰（《三点下班》）｜嘉宾：奔波儿r 原片：https://www.xiaoyuzhoufm.com/episode/6a66c8386356eb2d9be8ed13 我的文章（公众号"奔波儿r"）： * 《AI 到底是泡沫吗——从 100 年前的电气化找答案》 * 《让研究的归研究，交易的归交易》 * 《投资的审美》 我的开源项目（github.com/Benboerba620）：ai-signal 每天抓一线推特/播客/论文；ai-workspace-hub 带知识库闭环的 AI 投研工作流

最近在系统性地重新思考怎么去构建一个闭环的AI协作系统，而不仅仅是一个个单点的功能。闭环的系统才能够陪伴我们持续不断地迭代进步。 这期不聊具体的细节，主要是提供思路和落地的原则。 第一个环节：拆解投研的工作流。 第二个环节：以近期很火的MLCC为例，这是一个AI从idea的获得就深度参与的案例，给大家分享一下实际应用中这个系统是怎么工作和落地的。 第三个环节：从零构建的原则——拆解工作流、最小可运行原则、AI first、一定要有反馈。以及最关键的开放心态和好奇心！ 祝大家端午快乐！ 串台《小苔花园》，第一次参加线下播客的录制，感谢韦华和帅总的邀请和小黑的技术支持。如果有播客界的朋友想聊聊AI和投资，也欢迎联系我！我的公众号是奔波儿r，二维码在shownotes最后。 E005_唐奕波：如何从0到1搭建自己的AI投研智能体？| 零代码基础上手指南 - 小苔花园 | 小宇宙 - 听播客，上小宇宙 🎤主播：唐奕波 ｜ 主持：王韦华、樊帅 ｜ 技术支持：小黑 🕙时间线 引言 00:50 嘉宾唐奕波介绍 05:48 用Claude Code之前的基础准备 第一章 拆解投研工作流 07:30 用好AI的第一步是先了解自己的工作 08:00 私募研究员投研工作的六个环节 * 10:08 第一个环节：Idea收集 * 15:19 第二个环节：信息收集 * 16:02 第三个环节：深入研究 * 17:24 第四个环节：给老板汇报 * 17:59 第五个环节：决策 * 20:28 第六个环节：跟踪研究 * 22:14 知识库 第二章：实践案例——MLCC * 24:00 Stage1：IDEA从哪来 * 27:58 Stage2：信息收集 * 29:03 Stage3：深入研究 * 31:24 Stage4：给老板汇报 32:36 Stage5：决策 32:48 Stage6：跟踪研究 * 35:19 总结六个步骤 第三章：理解AI投研智能体的基本原则，从零开始搭建 我的双层系统架构：内层系统 38:32 三个闭环 * 39:07 闭环1：假设验证 * 39:31 闭环2：知识沉淀 * 39:41 闭环3：规则晋升 我的双层系统架构：外层系统 40:22 外层元系统 42:28 什么是Skill？ 44:44 “逐层展开”原则 47:39 什么是斜杠触发命令？ 52:45 外层系统：摩擦记录与反馈 53:00 四层自我进化 第四章 先建一个MVP（最小可运行架构） 53:23 第一重要原则——MVP原则 * 54:03 MVP的最小文件夹 * 54:54 最小系统也要三级路由，从CLAUD.md开始 * 55:35 文件夹的结构 56:21 MVP的本质就是由路由的MD文件和文件夹的结构构成 第五章 从MVP开始“做加法” 输入端和知识库的拓展 * 58:34 输入端的拓展 * 01:00:00 知识库的拓展 输出端的拓展和反馈 * 01:01:03 输出的拓展 * 01:01:10 反馈机制 本节总结： 拓展的原则 01:04:02 拓展原则之人机协作 * 01:04:16 给AI读的 * 01:04:52 给人读的 第六章：给系统做“减法” 01:06:48 定期清理 01:08:30 为什么要清理项目路由文件中的“规则”？ 第七章：进阶需要的两大思维 01:09:16 “AI First”思维 01:09:44 什么是GitHub？ 01:11:25 “平等的协作者”思维 * 01:15:10 AI智能体的局限之一：审美 * 01:18:15 我的“小豆花” 第八章：研究员与AI投研智能体的关系 01:18:29 现状：从“协助”到“相互加强” 01:18:44 AI智能体的局限之二：文章结构 01:20:38 “相互加强”的案例：接受AI的意见，也要指出AI的错误 01:21:24 终极目标：端到端 01:21:30 进一步成长 第九章：如何摆脱不会构建AI智能体的焦虑？ 01:23:23 觉得构建AI投研智能体麻烦，不做又焦虑怎么办？ 01:24:17 商品化的AI投研智能体：Alpha派、AlphaEngine、Wind等的讨论 总结：请记住四大原则 01:29:09 四大原则 * 01:29:11 拆解自己的工作流 * 01:29:27 第一重要的原则——MVP原则 * 01:29:42 第二重要的原则——AI First * 01:29:55 反馈系统 01:31:08 原则之外：要“开放” 01:31:20 价值投资者和AI 01:32:46 把“不想干的活”丢给AI 彩蛋：闲聊和问答 01:33:21 Mac和Windows上构建AI投研智能体有啥区别？ 01:34:30 第一次亲密接触AI投研智能体的时间和过程？ 01:37:42 AI提升效率会不会让你工作更轻松？ 01:39:27 对于伟大企业家的研究，AI可能没法帮你“做广”，但可以帮你“做深” 01:41:19 你的判断、审美更重要 01:43:47 每天消耗多少Token？用中转站还是直接账户？ 01:47:28 樊帅感谢奕波，期待早日再来！ 本期金句 * AI First，想到就去做，AI干不了再说。 * 你给它喂再多巴菲特，它也成为不了巴菲特。 * 你想让AI学会审美是几乎不可能的。 * AI没有目的，AI的目的就是你给它的那个任务。 * 要做加法的同时持续做减法，保持系统可运行。 * 你跟AI是平等的，它check你，你也check它。 * 杰文斯悖论：用了AI反而每天12点不想睡。 * AI变化太快了，它不是以年维度，是以月维度变化的。 * 要适应硅基时代的作息规律。 * 你用了AI不见得快特别多，但你不用，有可能慢很多。 工具与资源： * ClaudeCode、Codex、Anthropic、DeepSeek * Substack、Reddit（海外 idea 来源） * FMP（海外财务数据 API，约 200 美金/月） * Obsidian（笔记软件入口） * Macmini（定时跑任务） * 刘小排：《防封号指南》mp.weixin.qq.com * 秋芝2046：《Claude Code 上手指南》 www.bilibili.com 法律声明 在任何情况下，本播客文字、音频、图片、链接等形式所载信息均不构成对任何人的投资建议。订阅者不应单独依靠本播客内容而取代自身独立的判断，应自主做出投资决策并自行承担投资风险。对依据或者使用本播客内容所造成的任何后果，主播及节目嘉宾均不承担任何形式的责任。 本播客所有内容的版权均为节目参与人所有。未经书面许可，任何机构和个人不得以任何形式转发、转载或部分转载、发表或引用本播客任何内容。

光伏行业是我入行以后看的第一个行业，是典型超级卷的中国制造业，但又有他自己不断技术迭代，不断颠覆自己的特殊性。希望和大家聊聊我对光伏行业的理解，希望能够给大家提供一些不一样的视角，一个小小的折射点😄 这是第一次做播客，已经努力剪辑了，但还是有一些口误、口癖和断句失误影响了听感，以及努力剪辑了但还是没法完全消除，希望大家多多包涵，以后会努力改进的。 00:00 简单自我介绍 01:59 正片开始，从现金流看除了增长一无所有的光伏 05:32 龙头必死，过去25年光伏的四大龙头复盘 16:47 5年周期的颠覆式创新 19:15 创新周期内后发优势 26:06 新进入者涌入，极致的产能周期 28:09 同质化竞争，只能卷成本 31:58 作为投资者，只能曾经拥有，不可天长地久 33:14 我研究光伏的经历，同样波动巨大 38:49 光伏行业影射了我的人生