严米旗推特叫啥
推特爆火的散户 serenity， 到底该不该跟百分之四千五百零二？这是 look on chin 统计的 serenity 今年以来的账面回报率， 它公开建仓的二十五只股票，涨幅全在一倍到十倍之间。 x 平台粉丝三十八万，付费订阅三点七万。 blumberg 和路透社引用他的研究，中文社区叫他白毛女股神，因为他的头像是白发二次元少女。 一个匿名散户，不露脸不开课不收费，全凭免费推文做研报，两个月内在投资圈炸了锅。但百分之四千五百零二这个数字，坦白讲，我第一反应是，先冷静，咱们慢慢拆。 先说它到底是何方神圣。 serenity 的 ready 的 时代叫 elabito， 是 wall street best 的 老炮，那时候它的风格是满仓索哈期权。尤洛伊特 罗上市的时候，它单笔十七点五万美元买入看涨期权，理由是 k 线图长得像金枪鱼腹，纯粹 w s b 毒狗画风。但二零二二年转到 x 平台之后，画风彻底变了。 他开始写长篇产业研报，专注 ai 供应链，自称前瑞思威基金会成员， ai 研究科学家，在 nature 发过论文，研究方式是从底层物理开始逆向拆解整个供应链， 不是看财报，不是看 k 线，而是去看阴屁衬底材料的产能，平静硅光子代工的量率数据， 光通信封装的设备垄断。这些内容，绝大多数散户和卖房分析师根本不会去看，也看不懂。他的核心投资哲学叫瓶颈理论，不买英伟达，而是买英伟达绕不开的那个环节，他打了一个很精妙的比方， a x t i。 这家公司就像全球石油运输的霍尔木兹海峡，阴屁衬底是光通信的核心材料， a x t i 占了全球供给的绝大部分。 ai 算力要扩容，光通信必须跟上，光通信要跟上阴屁衬底就是卡脖子的那个点。 它在 x t。 股价十二美元的时候公开喊目标价一百五十美元，现在正在逼近 类似的逻辑。他铺了一整条链，从原材料到干过设备，到衬底加工，到激光器，到光模块到测试到光缆，七个层级，每个层级找出那个不可替代的物理开关。 他还把触角伸到了存储、美光 m u a i。 云算力 c r w v n b i s。 能源 l n g 甚至加密货币 e t h combs。 这套逻辑有没有道理？有，而且很有道理。在康波萧条期尾声，新技术爆发的前夜， 基础设施层的投资回报率确实可能远超应用层。二零零零年互联网泡沫，最赚钱的不是雅虎和美国在线，是做光缆的康宁和做路由器的思科。 至少在泡沫破裂前是这样。 serenity 做的是同一件事，只是换了一个时代的技术站，但问题也恰恰在这里。说到这，你可能觉得结论已经很清楚了，这人是个天才，跟着买就行，但先别急。还有另一面。 第一个问题，百分之四千五百零二的回报率是怎么算出来的？卢克称的统计方式是他公开提到的二十五只股票从提到那一刻到最高点的涨幅。 注意，这是提到过的股票的涨幅，不是他个人账户的实际回报。两个数字差距可能非常大。他自己说年收益加百分之一百二十二，峰值加百分之五百零一，后来回撤。最近他自己都说 not doing so well anymore。 从百分之五百零一到百分之一百二十二，回撤了将近百分之八十，这说明他的持仓集中度和波动率都极高，纸面收益和落袋收益是两码事。而且他没有基金，没有十三 f 文件，没有第三方审计， 所有收益数据都是他自己在推特上贴的截图。不是说他在造假，而是说这些数字无法独立验证。 在金融圈无法验证的收益默认折扣百分之五十不过分。第二个问题，幸存者偏差。每年都有散户做出惊人收益，但你能看到他，恰恰说明他是那个读对了的 二零二四年做英伟达期权的散户。赚了十倍的不在少数，二零二五年做空特斯拉的也有赚五倍的，但这些人去年亏的时候不会上热搜。 serenity 的 wsb 时代做的是优乐期权， 这种策略的期望收益是负的，亏光本金的人你看不见，赚了二十倍的那个人会被人记住。 这不是否定他的能力，他确实做了扎实的供应链研究，这跟蠢赌运气不一样。但百分之四千五百零二的收益里，有多少是能力，多少是杠杆，多少是牛市背塔，很难拆开。第三个问题可能是最重要的， 他重仓的 new cloud 公司本身就是高杠杆的周期性。表弟 coreve c r w v， 他 重点推荐过二零二六年收入指引，一百二十到一百三十亿美元，但长期负债一百四十七亿美元， 资本开支计划三百到三百五十亿美元，这是什么概念？收入增长百分之一百，但债务增长百分之两百？ n、 b、 i、 s 情况稍好，但路径类似。这些公司的商业模式是借巨债建数据中心，签长期合同，用合同收入再借钱扩建。 ai 需求在这套飞轮转得动， ai 需求一放缓，债务就变成绞索。 他自己是跑过 wsb 的 人，一点四倍杠杆是常态。他的投资方法集中持仓，高杠杆压住单一主题，本质上是在赌 ai 基础设施周期的持续性。赌对了，当然是四十五倍。赌错了呢。 历史上这种故事并不新鲜。二零零零年，做光缆的康宁从六十美元涨到一百一十美元，然后跌回二美元。做路由器的思科从八十美元跌到十美元。平静理论在周期上行时是对的，但平静也会消失。 要么因为新能源释放，要么因为技术路线切换，要么因为需求本身崩塌。阴 p 趁底，今天是瓶颈，明天 a、 x、 t i 破产了，或者硅光子技术绕过了阴 p， 瓶颈就不在了。 不可替代的物理开关，这个说法很性感，但物理层的替代路径永远比你想象的多。 还有一个细节值得注意， serenity 验证自己研报的方法是对抗性 ai 辩论，就是在发表前用多个 ai 模型攻击自己的逻辑，找出漏洞。这个方法确实比大多数散户强，但它有一个天然盲区， ai 模型训练数据截止在某个时间点，对未来的结构性变化没有预判力。 ai 能帮你找到逻辑漏洞，但帮不了你预判。黑天鹅。归纳一下我的判断， serenity 的 供应链逆向研究方法确实是散户研究的天花板， 它的平静理论在 ai 基础设施投资中有其合理性，至少比追英伟达的散户多想了两层。 但他的超高收益是研究能力集中持仓杠杆和 ai 牛市背他四重叠加的结果，不是纯能力的产物。跟他学方法可以，跟他买股票不行。 说白了三个原因，第一，他的收益率无法验证折扣百分之五十是合理的。第二，他的核心持仓高度依赖 ai， 资本开支周期会非常惨烈， 他自己已经从加百分之五百零一回撤到加百分之一百二十二了，说明波动率远超普通人能承受的范围。 第三，幸存者偏差让你只看到了赌队的这一个 serenity， 看不到过去两年用同样策略亏光本金的那些阿里鼻头。对普通投资者来说， 从 security 身上该学的不是买什么，而是怎么想。供应链逆向思维，从物理层开始分析，找不可替代的节点，这一套方法论比它的具体标的更有价值。
粉丝6719获赞1.8万
相关视频
05:24查看AI文稿AI文稿硅谷正在发生一件完全违反商业常识的事，一群年薪上千万，管着几千号人的顶级技术高管，现在正排着队主动降薪降职，去同一家公司做最基层的技术员工。这家公司叫 antropic。 最新加入这场朝圣的是 ai 界的大神 andri capetti， 他曾是 openai 的 创始人兼前首席科学家，是特斯拉自动驾驶项目曾经的掌门人，更是氛围编程这个概念的发明者。就在五月十九日下午， carvercy 发了一条宣布入职的推特，短短一小时内就被三百万人围观，最终的总浏览量更是超过了两千六百万。在这条推特里， 他晒出了自己的新工牌，上面印着一个极其卑微的头衔， m t s， 也就是最基层的技术员工。这意味着，他不仅要向一个普通的团队主管汇报日常工作，更是要亲自上手去写预训练代码。 一个早就实现了财富和阶层自由的顶级 ai 元老，为什么主动按下了自己头衔的归零键？他在推特里只用了几个字来解释，回到研发，如果只是他一个人这么干，那叫个人选择。但当你翻开 anthropic 过去十八个月的入职名单，事情就开始不对劲了。 peter billys， 软件巨头 workday 的 前 cto， 曾经管着一万八千人的团队和八十亿美金营收的庞大业务。 i craigirl， instagram 的 联合创始人兼前 cto， 那 个亲眼见证平台从零做到十亿月活的男人。但这其中含金量最高的，还要数 nikki parmer 二零一七年那篇撑起今天所有 ai 大 模型架构的神级论文 attention is all you need。 他 就是核心作者之一。 整整六位估值百亿、千亿公司的 cto 排着队去了 entropic， 而且职位清一色全都是 mts。 你可能在想，是不是 anstopyp 给出了天价薪水？恰恰相反， mts 的 薪资天花板跟一个大厂 cto 的 待遇相比，绝对是断崖式的降薪。十八个月，六个顶级 cto 集体降级，扎堆儿同一家公司，这在硅谷历史上可以说是毫无先例。 专门追踪硅谷人才流向的机构 signalfire 给出过一个惊人的数据， open ai 工程师流向 antropica 的 频率是反向流动的八倍，而在 deepmind， 这个数字更是夸张的十一倍。所以问题来了，这群世界上最聪明的人，到底看到了什么？我们没看到的东西？ 答案其实就藏在 andri capelli 自己说过的一段话里。他说，如果你不在前沿实验室，你就不可能在前沿， 你的判断力会不可避免的开始漂移，你被夹在独立和相关性之间，那种感觉非常糟糕。他在害怕，他怕当自己离开第一线，当他不再每天摸到最新的模型，最新的数据，最新的算力，他会慢慢变成一个过气的高人， 他依然会很有名，依然会很有钱。但他心里清楚，自己已经不再懂今天的 ai 到底是怎么回事了，那为什么偏偏是 astropics 呢？ 今年三月， andrew cappercy 做过一个实验，他给一个 ai 编程 agent 接上了一个小型模型，让他在两天之内自己写代码， 自己测试，自己调整，全程没有任何人类监督。两天之后，这个 agent 自己完成了七百次实验，摸索出了二十个优化方案，最后硬生生把训练时间砍掉了百分之十一。 这件事真正可怕的地方在哪？根本不是那提升的百分之十一，而是它验证了一个逻辑，如果 anastropics 能用现在的模型，让下一代模型的训练效率哪怕只提升百分之五，而且能反复做到，那么他们就拿到了 ai 圈真正的圣杯。技术复利， 每一代模型都会成为下一代模型的研究员，模型自己改进模型，人类只需要在旁边看着这个能力，有一个专有名词叫递归，自我改进 capc 去 anastropic 就是 冲着这个去的。 资本的嗅觉永远是最敏感的，正因为看到了这种恐怖的潜力， anthropic 的 估值从几个月前的三千八百亿，直接飙到了正在谈判的九千亿美元。 连续三年，他保持着每年十倍的疯狂增长。连他们的 ceo dario amode 都忍不住凡尔赛地说，我们本来是按每年十倍增长来规划的，结果今年我们达到了八十倍。 说到这里，你可能会觉得这只是 ai 行业内部的神仙打架，跟普通人没关系，但其实它在讲一个所有人都该看懂的残酷规律。 在一个僵化的组织里，你离权力越近，你离真正的价值反而越远。硅谷的投资圈现在特别流行一句话， cloud 正在重做你的产品，你可以选择从内部参与塑造它，或者花一年的时间在外部眼睁睁看着它们吃掉你的公司。 在一个飞速变化的时代，真正值钱的从来不是你的头衔，而是你站在哪条曲线上。有些工作，你每多干一年，学到的东西就会变成下一年起点的基础，经历的项目会变成你判断力的样本， 这叫复利曲线。而有些工作，你每多干一年，学的都是马上就要被淘汰的工具，做的都是不断重复的执行，一旦离开这家平台，你就一文不值，这叫消耗曲线。这两种工作，在当下的职位头衔、光鲜程度，甚至工资可能都差不多， 但十年之后，命运天差地别。聪明人压住的从来不是哪家具体的公司，而是复利这个东西本身。 在这个世界上最可靠的信号，从来不是人们嘴上说了什么，而是他们愿意为了什么东西，去承担那些看起来很傻的代价。当一群最聪明的人都心甘情愿的降薪降级去靠近一件事的时候， 他们不是在选一家公司，他们是在选历史。我是阿畅，关注我，把硅谷的大脑装进普通人的口袋。
534阿畅聊AI
00:56查看AI文稿AI文稿其实世界上的好多的名人离我们的距离是非常近的，你要想了解他们你就去那个 x 上面，就是被马斯克收购了，之前叫推特，他相当于我们国内的微博，他有各界的名人都在上面发表自己的动态，发表自己的及时的想法，还有各个公司的呃，代表都在里面。 嗯，苹果 ceo 库克，什么贝索斯了，还有黄仁勋啊，很多人都在里面，包括一些明星啊。 嗯，小李子，莱昂纳多，还有什么什么复仇者联盟一系列的都在里面。嗯，斯加利，约翰逊啊，都在里面，还有各国的，什么印度的，什么英国的都在里面，非常的有意思，你可以看到他们及时即刻的想法，了解他们这个人啊。 嗯，有些时候我们国内把他们的一些话翻译过来啊。嗯，会给他们添油加醋，或者说误解他们的意思，非常有意思啊，你可以用个翻译软件看一下。
4洪小展
01:51
00:38查看AI文稿AI文稿关于这个视频韩文词的造谣，首先我们来看一下视频，在推特上随便一搜，韩国人把釜山首尔都称为 nala， 所以 韩国人在独立自己的城市嘛。然后韩文专指国家的文字叫 gaga， 这个词才是仅指主权国家的，足以说明张元英说的这个 nala 指的就是地狱。 引起争议的原因是因为 nasa 既可以指地狱，又可以指国家。早在二零一九年，韩语小组就整理过 nasa 这个词不仅被韩国人称呼过港澳台地区，还用于了韩国的平昌，甚至中国的广州，美国的夏威夷，各种 ai 软件优先。 nasa 翻译成国家也是因为中文语境里对这个词没有完美的对应词，因为上一条明显可以看出这个词是可以用于地狱上的。最后，一来中国就想吃北京烤鸭的张元英有啥错？ 在捐款中说的也是中国香港。不知道一直用假翻译造谣到底是什么意思？为了抹黑一个人，连自己的国家都不顾了吗？以上是对于开头视频的澄清，张元英的 zglc 一 直没问题。
1.3万张元英_CherryYard
06:45查看AI文稿AI文稿get up 一 周热点汇总第一百一十四期本期的内容呢，包括 deepsea v 四的终端编程 agent， astropica 的 金融领域 agent 全集开源电子签工具、新手 web 编辑教程和三 d 高斯 splite 在 线编辑器。那最后呢，还是分享两份资料，如果觉得内容不错啊，别忘了点赞和关注。 本项目呢，是一个为 deepsea v 四量身打造的编程 agent， 它的名字呢，叫 deepsea tui， 但它呢，不是 deepsea 官方的产品，而是呢，个人开发者基于 deepsea v 四开发的。 而且啊，非常有意思的是，它不是中国人开发的，是一个叫 hunter brown 的 美国老哥做的。那他当时在推特上宣传自己项目的时候啊，还特意呢把推文翻译成了中文。 说是呢，为了鲸鱼兄弟，他还求助鲸鱼兄弟们帮他搞一个微信。那当然呢，这个项目的爆火，一方面是鲸鱼兄弟们的助推，但另一方面呢， deepsea 啊，确实也一直缺一个对应的 codename agent。 比如呢，像其他的模型啊， gpt 加 codex， cloud 加 cloud code， 包括呢，国内的模型也都有什么千万 code， kimi code， k code 等等的工具。 所以呢，当一个还不错的项目填补上了这个空缺的时候，它获得热度也是一种必然。那 deepsea tui 呢，也提供了多种的安装方式，像 npm， cargo brown， dakar 都可以。一般来说呢，你能够搞得定 cloud code， 那 就能搞得定它。那 它有一个 auto mode 呢，还比较有意思啊，它会先用 deepsea v 四 flash 去判断该用哪个模型。那简单的任务呢，就是 deepsea v 四 flash 去省钱，复杂的任务呢，再调用更强的 deepsea v 四 pro 模型。 那其实抛开 deepsek 的 光环啊，我觉得这个项目呢，还是中规中矩的，其实并没有太多的亮点，那在项目的艺术当中啊，也能看到，目前呢，还是有很多问题需要去解决，所以呢，大家也不用盲目的去追捧，还需要一些时间的发展和验证。 反面兽 service， 看名字呢，就大概知道是干什么的。这是 islopec 最近开放出来的金融领域的 a 阵的合集，那可以用于呢，像投资银行啊，股票研究啊，私募股权啊，还有财富管理。 那金融行业呢，有大量的可结构化的认知劳动，那这些呢，需要去理解上下文，而且呢，不是创意的工作。那而 soropek 呢，就看到啊，这类的工作呢，恰好是 a 阵的最擅长的区间。 项目里呢，覆盖的场景呢，非常典型，比如像投行里的推销 agent 呢，会议准备 agent， 还有像研究里的市场研究，财报评审，还有基金管理，财务对账， kyc 审核。其实最近就能看出来啊， osmopec 不 单单只满足于去做大模型，那现在呢，他也开始去下场做各种行业的工作方法了。 那对于这个项目呢，我们可以做一个形象的比喻啊，那以前的时候，你用大模型可能就是拿一个 excel， 那 现在呢，人家啊，直接给了你一整套分析师常用的这种模板，还顺手呢，把数据库的连接和工作流啊，也都给你接好了。那你可以在 cloud co work 里去安装，或者呢是通过 cloud 的 management agent 的 api。 不过话说回来啊，这个项目呢，其实门槛还是不低的，普通开发者呢，用它来直接玩，可能没有那么高的收益，因为里面的很多价值啊，都是建立在真实的金融数据和内部的流程之上。本项目呢，是一个开源的平台，提供了安全高效的数字文档签名和处理。那他对标的呢，就是传统的电子签平台 dooku 赛。 一句话来说呢，就是如果你一直嫌杜克塞太贵，太重，太企业味的话，那么可以用它来去试一下。那它做的事情呢，很直接，就是在线的去编辑填写，还有签署 pdf 文档， 而且呢支持多人的提交邮件通知，还有存储到像 s 三等不同的存储，还支持呢 api webhook 的 集成，还能够自己去部署。 那安装的话呢，可以直接使用项目的多客镜像，或者呢，也可以直接先去在线的平台啊，来去了解一下功能。那他也提供了公司的徽标啊，白标啊，还有用户角色自动提醒，通过短信的邀请和身份的验证等专业的功能。 那其实很多公司啊，真正需要的并不是一个特别花里胡哨的一个合同管理平台。那所以呢，本项目的价值啊，就在于简化了这个流程，保留了关键的能力。那尤其啊，对于中小团队来说，这种体验呢，其实已经够用了。那市面上的电子线产品啊，其实不少的感觉呢，这应该是一个比较实用的方向。 那本项目是 datui 社区啊，出的一个 web 定的入门课程，他呢不是在教你某个框架怎么去写代码，而是啊，教你怎么和 ai 一 起呢，把应用做出来。 说白了呢，这个就不是一个传统的编程教程，它更像是一份啊，只要你会说话，就能开始做应用的学习技图。那仓库里最强的地方呢，就是它把很多啊，本来很抽象的东西做成了格式化，比如呢，像 step by step 的 教程啊，还有模拟的 ide 交互， reg 的 流程演示，还有终端概念的格式化。 那以及呢，一些 ai 生图的这些东西啊，都做了动画的图解，你可以把它理解成啊，是一个编程新手友好版的互动教材，不会让你去硬啃一些概念，而是呢，尽量的让你做到边看边点边试。 那这类项目还是比较有价值的，因为很多人呢，嘴上都说要外部抠顶，但实际呢，真正的新手啊，往往连环境啊， id 啊，终端啊， get prompt 这些都搞不明白，结果呢，就是一直卡在第一步。 如果你的身边啊，有人想学 ai 编程，但又不知道从哪下手，我觉得呢，这个仓库啊，可能比很多这种枯燥的长篇大论的课程要更适合。那本项目呢，是一个三 d 高斯 slide 编辑器，他做的事情呢，很简单，在浏览器里直接去查看编辑，还有优化发布三 d 高斯 slide， 那不用下载安装，打开网页呢，就可以直接开始玩了。那这个高斯 supply 是 什么呢？可以把它理解成啊，是一种把现实世界拍成一堆高质量光点，然后再拼接成三 d 场景的技术。 它看起来呢，有点像点云，或者呢像点的像素，但视觉效果呢，通常更真实，成本呢，也会比传统的方式啊要低一些。那 super supply 呢，像是这个领域的在线 ps， 专门呢是用来处理啊这些三 d 的 supply 资产。 那项目本身呢，是 playconworks 团队做的，走的呢，也是经典的 web 技术路线。那它的优势啊，也正好就是在浏览器里可以开箱即用，适合呢，你去做演示，迭代，还有分享。 那最后啊，还是分享两份资料，那第一份呢，是 ai token 经济学与推理利润入门指南。那这一份报告的核心呢，就在于拆解了 ai token 经济学。那为什么不同的 ai 模型，不同的模态，它的推理利润差距这么大？那重点分析了这点， ai 也就是智普，还有 mini max 的 推理成本， 那 token 的 定价，还有 k v k 是 g p u 利率等等啊，这些还是挺有意思的。那第二份呢，就是中国人工智能系列白皮书巨深智能。 那这一周啊，特斯拉的擎天柱说是未来要量产了，那马斯克呢，也跟着特朗普来到中国，那巨深智能呢，感觉会是越来越被人们关注。那可以先了解一些内容啊，那有需要的呢可以告诉我。那以上就是本周的全部内容，我们下次再见。
4436IT咖啡馆
