👤 同一博主

🎬 到底還有沒有 AI 泡沫？2000 年 vs 今天，數據一次看完

📊 估值对比：当前 AI 市场 vs 2000 年互联网泡沫 Forward PE（远期市盈率）对比：2000 年互联网泡沫顶峰时，纳斯达克前十大公司的 Forward PE 极高，微软 60 倍、Cisco 131 倍、Intel 50 倍、Qualcomm 421 倍、Yahoo 623 倍，纳斯达克指数整体约为 60 倍。相比之下，当前纳斯达克 100 指数整体 Forward PE 约为 25.2 倍，仅为当年的 40% 左右。 个股估值现状：当前主要科技股估值相对合理，NVIDIA 约 22.5 倍，Apple 33 倍，Google 25.9 倍，微软 25 倍，Amazon 28.8 倍，Meta 18.1 倍，美光 6.3 倍。特斯拉除外，其 Forward PE 高达 169.4 倍。 S&P 500 指数估值：当前 S&P 500 的 Forward PE 约为 20 倍，处于 30 年均值加一个标准差的范围内；而 2000 年泡沫顶峰时约为 25.2 倍。从估值角度看，当前市场虽略高于长期均值，但远未达到 2000 年的泡沫级别。 🏢 市场集中度与盈利质量 市值集中度差异：当前 S&P 500 前十大公司市值占比高达 40%，创下过去 100 年新高，其中 NVIDIA 单独占比 8%。而在 2000 年泡沫顶峰时，前十大公司市值占比仅为 27%。 盈利贡献对比：2000 年前十大公司仅贡献了 15% 的盈利，属于“虚胖”，获利跟不上估值。当前前十大公司贡献了 32% 的盈利，虽然集中度高，但盈利是真实且强劲的。 Cisco 与 NVIDIA 的历史类比：Cisco 在 2000 年泡沫前五年股价涨幅约 3590%（35 倍），净利率仅 14%，Forward PE 高达 105-150 倍。NVIDIA 过去五年股价涨幅约 440%（34 倍），走势相似，但净利率超过 55%，Forward PE 仅 22.5 倍。两者涨幅相似，但 NVIDIA 的获利能力远强于当年的 Cisco。 💸 资金流向与潜在风险信号 资本支出（CapEx）激增：四大云端巨头加上 Oracle 的 CapEx 从 2023 年的 1500 亿美元，预计 2025 年增至 3800 亿美元，2026 年指引更冲高至 8000 亿美元，三年翻五倍。 融资方式转变：过去 Big Tech 主要使用自有现金支付 CapEx，但近期开始大量借债。2026 年（截至 8 月）公司债发行已达 1820 亿美元，意味着今年约四分之一的 CapEx 来自借贷。 现金流压力：Oracle 上一财年 CapEx 为 557 亿美元，而营运现金流仅 320 亿美元，CapEx 是现金流的 1.7 倍，自由现金流为负。四大云端巨头的 CapEx 占营运现金流比例从过去的 40% 升至今年的 60% 以上，仅微软能完全用自有现金覆盖。 其他风险因素：包括硬件折旧时间被故意拉长、循环融资游戏（互相投资与采购）以及散户大量涌入、杠杆工具泛滥等。 🛡️ 投资策略与资产配置建议 分散投资：避免 All-in 单一板块（如股市或记忆体），应配置股票、债券、房地产、黄金等多元资产。Ray Dalio 倾向于配置黄金，近期黄金表现良好，且多国央行及 Tether 正在囤积黄金。 现金管理：现金因通胀侵蚀购买力，被视为最差投资。建议配置短期国债，如美国的 SGOV 或台湾的 IB01，目前回报率约 3.7%。 建立安全边际：投资者需评估在无收入情况下的生存能力，建立“软着陆”的安全气垫。仅用多余资金进行高风险投资，避免在极端行情下被迫止损或爆仓。 对冲工具：可利用 CFD（差价合约）进行短期对冲，如通过 MyTrade 平台做空以保护长期仓位，其优势包括无时间价值损耗、杠杆灵活、入金便捷（支持 Apple Pay、信用卡、USDT 等）且零手续费。 个人配置示例：采用平衡配置，包含高风险高报酬仓位、中低度保守仓位（如 VOO、QQQ 大盘指数）、美国短期国债（IB01），以及房地产、比特币和黄金。 🔮 结论与观察重点 泡沫判断：从估值（Forward PE）看，当前并非 2000 年式的泡沫；但从资金流向（信用扩张、借债投资）看，存在泡沫形成的迹象。 潜在导火索：若泡沫破裂，导火索可能不是 NVIDIA 财报不及预期，而是某家公司因过度借贷导致资金链断裂（爆雷）。 重点监控指标： Oracle 等公司的五年期限信用违约互换（CDS）是否创新高。 M7 公司的自由现金流是否恶化。 私募信贷对 AI 数据中心的投资是否出现违约或暴雷。

🎬 Palantir 還能買嗎？財報後噴 37%，AI 應用層的王者？

🏢 Palantir 业务模式与产品架构 核心定位：Palantir 被视为 AI 应用层的“地基”或“操作系统”，主要解决非科技企业（如传统制造业、金融业）在 AI 转型中效率低、成本高且数据易泄露的问题。其核心价值在于通过 Forward Deploy Engineering（FDE，前向部署工程）团队，将分散的企业数据连接，并利用 AI/ML 技术协助决策与预测。 四大核心产品： Foundry：面向企业，整合销售、制造、财务等数据，支持机器学习分析与仪表盘决策。 Gotham：面向政府及军事情报单位，用于掌握复杂局势（如 2011 年协助定位本·拉登）。 AIP (Artificial Intelligence Platform)：解决企业使用 LLM 时的数据主权与安全痛点。通过权限控制与监控，防止核心商业价值被 OpenAI、Anthropic 等模型提供商无偿获取，确保 AI 输入输出在可控范围内。 Apollo：负责软件部署与更新，特别适用于无网或封闭环境（如阿富汗军营），确保国防软件的安全迭代。 📈 Q2 财报关键数据与增长逻辑 营收爆发：第二季度营收达 19.35 亿美元，同比增长 93%。过去六个季度增速分别为 39%、48%、63%、70%、85%、93%，呈现罕见的“越变越大、越变越快”的加速增长态势，打破了软件业营收规模扩大后增速放缓的常规（大树法则）。 盈利能力：净利润史上首次突破 10 亿美元，EPS 为 0.41。单季净利润超过去年同期整季营收，显示 Bottom Line 极强。全年营收指引上调至 81.5 亿美元，创历史新高。 增长驱动力： 商业部门爆发：AIP 产品成功切入企业市场，满足企业对 AI 主权和数据安全的需求，营收规模已接近政府部门业务。 客户粘性极高：净收入留存率（NDR）达 157%，仅既有客户扩张就贡献了 57% 的增长。 大单激增：千万美元以上合约数量从去年的 42 张增至本季度的 73 张。 政府业务强劲：美国政府支出同比增长 90%。 ⚠️ 投资风险与潜在隐患 客户集中度高：共有 1049 个客户，但前 20 大客户年均消费 1.24 亿美元，贡献了约 40% 的营收。若大客户流失，将对营收造成重大打击。 资本支出隐忧：虽自称轻资产（单季 CapEx 仅 1400 万美元），但财报附注显示已签署至少 56 亿美元的十年期云端合约，为未来 AI 算力囤货。若需求不及预期，现金流可能承压。 内部人士抛售：员工及高管持续卖出股票兑现，且公司无回购计划，散户买入相当于为内部人提供流动性。 竞争加剧：微软、OpenAI、Anthropic、Databricks 等巨头正争夺 AI 部署层市场，商业领域竞争将非常激烈。 💡 估值分析与操作策略 高估值现状：股价约 172 美元，Forward PE 约为 108 倍，属于标普 500 中最昂贵的公司之一，不适合传统价值投资逻辑。 市场情绪与波动：Palantir 具有类似特斯拉的高波动特性，“追高早死”。机构做空压力大，适合在市场恐慌时抄底。 核心观点：若认同 AI 应用层商业模式已确立（即部署层比模型层更具商业价值），且 Palantir 作为该领域王者能维持加速增长，可考虑建仓。建议等待市场因非理性原因恐慌回调时分批买入，而非追高。

🎬 現在的市場很神奇：財報漂亮，股價慘跌

📉 核心观点：市场因过度担忧资本支出（CapEx）而惩罚高增长科技股 当前市场处于“神奇”状态：即便财报营收超预期，若资本支出指引上调或自由现金流转负，股价仍会暴跌。这种反应源于投资者对AI投资回报率的极度不信任，认为巨额投入难以回本。然而，对于长期看好AI颠覆行业的投资者而言，这反而是绝佳的买入时机。 📊 关键事实与论据 科技巨头财报与市场反应： 特斯拉 (Tesla)： 营收超预期，但因担忧运营支出（OpEx）导致负现金流烧钱至明年，股价暴跌15%。 Google (Alphabet)： 营收年增24%，GCP暴增82%。但全年CapEx指引上调至1950-2050亿美元，自由现金流首次出现负值（-59亿美元），导致股价次日暴跌6%-8%。 Meta： 营收增长28%，毛利增长26%。因研发及行政费用暴增（含24亿美元一次性法律费用）致EPS不及预期，且CapEx指引维持在1300-1450亿美元高位，股价周四跌近8%。 微软 (Microsoft)： 营收年增18%，Azure增长43%。季度CapEx减少10亿美元至410亿美元，低于市场预期，全年指引不变，股价反而暴涨15%。 行业逻辑与类比： 市场惩罚的是“扩张”而非“衰退”。如同餐厅生意火爆却借钱扩建厨房导致账面现金为负，股东因短期现金流压力而恐慌。 Big Tech CEO拥有完全控制权可随时削减支出以提振股价，但他们选择继续投资AI，表明需求真实存在（Google称供应受限，Meta称算力不足，微软称需求超过可变供应）。 记忆体类股波动： 美光、SK海力士等近期出现剧烈暴跌（跌幅达20%），伴随散户爆仓。机构操作迹象明显，被视为无理由暴跌的抄底机会。 💡 结论与策略 宏观风险： 需警惕高通胀、美联储政策不确定性、地缘政治（伊朗战争、石油）及美国中期选举等潜在利空。 投资心态： AI正在颠覆自动驾驶、医疗、工业等多个行业，长期逻辑未变。市场永远存在恐慌时刻，关键在于保持充足现金（Dry Powder）。 操作建议： 避免过度杠杆，维持高现金仓位（如45%），以便在恐慌抛售时进场。可利用CFD进行对冲以保护长期仓位，利用其无时间损耗、零手续费等优势灵活做多或做空。

🎬 特斯拉財報後股價暴跌15%，一切都結束了？

📉 特斯拉Q2財報深度解讀：營收增長背後的盈利挑戰與AI擴張戰略 💰 財務表現：營收創新高，盈利能力下滑 營收強勁：第二季營收達 282.36 億美元，同比增長 26%，大幅超出預期，為過去四個季度以來最高。 淨利縮減：淨利潤僅 11.53 億美元，同比減少 17%，為過去四個季度最低。每股盈餘（EPS）成為市場失望的主要原因。 自由現金流轉負：第二季自由現金流自 2024 年第一季以來首次轉負，主要受資本支出激增影響。 🏗️ 成本與利潤分析：三大因素導致 EPS 下滑 營運費用暴增（YoY +47%） 研發成本（R&D）：從去年同期的 16 億美元飆升至近 24 億美元，同比增長 49%。 銷售及管理費用（SG&A）：同比增長 45%。 員工股權獎勵：包含 2025 年薪酬獎勵在內，同比增長 81%。特斯拉持續擴編 Optimus、Cybercab 等崗位，無裁員現象，需支付高薪搶奪 AI 與科技人才。 能源業務毛利率崩塌 毛利率從上一季的 39.5% 驟降至 20.4%。 一次性因素：產生 2.4 億美元的保固補足（Warranty True Up）開銷；第一季因關稅帶來的利益未重複出現，回歸正常值。 競爭降價：能源儲備業務平均售價（ASP）因競爭對手搶奪市場而降價，毛利率指引下修至 20%-25%。 汽車業務毛利率下滑 毛利率從 19.2% 跌至 16.3%。 回歸正常值：第一季的高毛利受保固回充及關稅減免影響，第二季無此一次性利好。 成本與價格壓力：利率補貼成本提升；單車平均售價從去年同期的 45,345 美元降至 42,730 美元。 監管信用收入銳減：碳排放積分收入同比下跌 67%，因美國新法案將燃油車罰款歸零，過去十年特斯拉靠此賺取 110 億美元的優勢不再。 🚀 資本支出與戰略轉型：從保守轉向激進擴張 CAPEX 創歷史新高：第二季資本支出達 57.89 億美元，同比增長 142%；上半年總計 82.8 億美元。全年指引超過 250 億美元，意味著下半年需投入約 167 億美元以上。 擴張領域：Robotaxi 車隊、Optimus 產能、半導體 Fab、太陽能製造及 AI 算力。 戰略轉變：馬斯克（Elon Musk）在財報電話會議中表示，寧可犧牲一點資本效率以提早完成目標，展現從「保守」轉向「激進」的領導風格。公司可能透過發債融資來支持擴張。 財務健康度：儘管自由現金流轉負且 CAPEX 高企，但憑藉過往累積的強大賺錢能力，整體財務狀況仍被認為是穩健的。 🧠 AI 產業鏈與 FSD 關鍵指標 記憶體需求強勁：馬斯克提到 Micron（美光）供貨需做艱難分配決策，證實 AI 供應鏈尤其是記憶體需求未見放緩。這利好記憶體類股如 Micron、SK Hynix 等。 FSD 訂閱增長：自動駕駛訂閱人數同比增長 56%，用戶黏性高。 技術優勢：採用「Photons in, Controls out」（光子進，控制出）架構，反應延遲控制在 10-50 毫秒，模擬生物運作。Robotaxi 已累積超過 38 萬英里無監督載客服務且無重大事故。 未來潛力：FSD 是 Robotaxi、Optimus 及 Semi 卡車的基礎大腦，其穩定性與成長決定了特斯拉業務的執行能力。 📊 結論與市場展望 短期波動原因：股價暴跌反映市場對高 OPEX（營運支出）和 CAPEX（資本支出）的不安，尤其在宏觀環境面臨戰爭風險、原油價格飆升及通脹壓力下，投資者偏好保守盈利狀態。 長期觀點不變：對於長期投資者而言，核心邏輯未變。關鍵在於 Robotaxi 的 rollout（部署）速度與安全性。若擴展新城市時間縮短且無重大事故，將是極佳訊號；反之則可能導致股價橫盤或進一步下跌。 投資啟示：關注 AI 基礎設施（如記憶體、半導體）的確定性收益，以及特斯拉 FSD 技術進展對其生態系價值的解鎖能力。

🎬 為什麼我投資 Meta？

📊 核心观点 Meta 具备长期持有价值，其广告业务是强大的“印钞机”，而 AI 投入旨在优化推荐系统并开辟算力租赁新收入源。尽管市场担忧巨额资本支出（CapEx）及硬件折旧风险，但 Meta 在 M7 中估值最低，且由创始人主导决策，战略方向清晰。 💡 关键事实与论据 财务表现强劲：第一季度营收达 563 亿美元，为 2021 年以来最快单季增长；EPS 为 10.44（剔除一次性税务利益后仍超 7）；净利润创历史新高。Forward PE 约 20，在 M7 中最低，低于 NVIDIA。 AI 投入与回报：2026 年 CapEx 指引上调至 1250-1450 亿美元，占全年营收约 53%。AI 驱动的广告工具年化营收规模超 600 亿美元，助力广告营收同比增长 33% 至 550 亿美元。 新业务拓展：筹建云端业务“Meta Compute”出租多余算力；发布首个付费前沿大语言模型 Muse Spark 1.1；正与 Anthropic 洽谈最高 100 亿美元的两年期算力租赁合约。 管理层变动：AI 负责人更换为来自 Scale AI 的 Alex，被视为更懂 AI 的年轻人才；公司仍保持创始人主导（Founder-led）结构。 ⚠️ 风险与挑战 硬件折旧质疑：Michael Burry 指出 AI 硬件经济寿命仅 2-3 年，但 Meta 等公司将折旧摊至 5-6 年，若无法快速回收成本，可能导致获利虚高及估值下调。 模型竞争白热化：LLM 研发趋于同质化，开源模型迅速追赶前沿水平，最终比拼效率与单位计算成本。Meta 的模型研发未必带来巨大现金流，但算力推理需求将持续增长。 🎯 结论 长期看好 Meta 的广告业务，随着人类工作减少、居家时间增加，社交媒体注意力将更集中，AI 将进一步增强用户粘性并提升广告变现能力。当前股价距华尔街目标价 820 美元仍有约 27% 上涨空间。

🎬 美股歷史新高，2026 下半年怎麼佈局？我選擇轉保守

📊 核心观点 2026年下半年市场处于高位，S&P 500与QQ指数接近历史新高，投资环境充满不确定性。 采取保守策略，现金持有量占股票资产价值的40%，以应对潜在的市场回调。 强调耐心与风险控制，避免情绪化交易（soft hands），认为长期存活比短期获利更重要。 认为AI、芯片及内存需求故事在下半年不会结束，但科技巨头可能开始控制资本支出。 📈 关键事实与论据 市场风险：若美国与伊朗冲突拖延，可能导致美债下跌、油价上涨、通胀失控，迫使美联储加息，进而引发股市暴跌（S&P 500回调10%，QQ可能20%以上）。 个股配置： 加仓标的包括美光（Micron）、SNDK、Incore Holdings（ICHR）。 ICHR市值约30亿美元，是半导体流体运送子系统供应商，被视为小市值增长机会。 内存股被视为对冲仓位，目标仅为跑赢大盘，而非追求夸张回报。 主要持仓：特斯拉（Tesla）、NVIDIA、Palantir等Alpha股近期表现震荡，特斯拉在350-480区间震荡近一年，NVIDIA在200美元区间震荡。 实体资产：持续定投比特币，认为当前周期资金集中在股市，未来热钱轮动至实体资产（比特币、黄金、房地产）时，其增长可能超越股市。 杠杆风险：引用SK Hynix股价从高点下跌38%的案例，警告杠杆交易（weak hands）在市场清洗中的高风险。 💡 结论与建议 维持30%-40%的现金仓位，除非出现大规模回调，否则不大力加仓。 不建议使用杠杆，保留场外收入能力以应对抄底机会。 对于横盘整理的持仓股，可通过卖出Cover Call赚取权利金，前提是具备强烈信念且了解操作风险。 投资是一辈子的长期战争，重点在于长期累积财富与存活率，而非单轮牛市中的暴利。

🎬 科技業工作 10 年後，我正式離開職場。沒薪水，錢從哪來？

🎯 核心观点 结束科技业十年工程师职业生涯，视其为职业阶段的正式收尾，明确不再接受全职工作。 建立多元化收入来源与财务冗余机制，确保单一收入中断不影响生活。 利用 AI 降低一人公司创业门槛，结合工程背景优化执行与管理效率。 💰 关键事实与论据 收入来源： 期权行权：采用保守稳健策略，通过工具监控持仓，规避财报风险，年收入可抵原工程师薪水。 房地产：Airbnb 租金收入稳定，99% 管理由专业公司处理，资产转入 LLC 以隔离个人财产风险。 副业：为企业做 Infra 与 DevOps，核心执行交由团队，个人侧重沟通、规划与管理。 自媒体：YouTube 广告分润微薄，视为分享心态而非被动收入，需警惕平台流量波动与舆论风险。 离职背景： 加入朋友初创公司初衷为协助而非薪资，因工作强度大、身心消耗高且缺乏职业愿景认同而离开。 公司完成 4000 万美元 B 轮融资，团队完善，认为此时离开是合理时机。 财务安全网： 构建多重收入流，包括国债、短期国债、加密货币稳定币放贷等，每项收入均可独立覆盖生活开销。 即使所有投资归零，仍具备无需上班即可维持生活的能力。 🚀 结论与规划 未来方向：继续探索感兴趣的项目，优化副业，管理资产，并增加旅行时间。 内容输出：在 YouTube 分享投资与创业心路历程，群组内提供每日市场摘要、个股分析及交易学习资源，强调免费交流与学习。 核心建议：打造具备高容错率的个人财务模式，避免依赖单一节点，以应对职场变动或投资波动。

🎬 10 支價值投資股：性價比，還是價值陷阱？

📊 价值投资定义与筛选逻辑 核心观点：价值投资聚焦于 Forward PE 较低、客观数据显示性价比高、营收记录良好且非投机性的公司。 筛选标准：排除尚未落地的故事型公司，关注基本面强劲但被市场低估的标的。 策略背景：作者虽非传统价值投资者，但认为在大规模回调时，价值股具有防御作用，且部分公司具备长期前景。 🏢 科技巨头：Meta 与 Microsoft Meta：Forward PE 为 18 倍，低于其五年平均值 22 倍；PAC Ratio 为 0.86，低于 1 代表被低估。2026 年 Q1 营收增长 33% 至 563 亿美元，营业利益率高达 41%。风险在于 AI 资本支出能否变现，但作者认为其现金流强劲，优于 2022 年元宇宙时期。 Microsoft：Forward PE 为 22 倍，股价年初至今回撤约 20%。最新季度营收增长 18%，EPS 增长 21%，Azure 增长 40%，AI 业务年化营收增长近 1.2 倍。风险在于 AI 投资回报率及资本支出放缓后的现金流回收情况。 💻 软件与 SaaS：Adobe 与 Salesforce Adobe：Forward PE 低于 8，股价从 688 跌至 200 以下，RSI 为 30 处于超卖区。最新季度营收增长 13%，订阅营收增长 14%，AI 业务年收入超 5 亿美元。风险在于市场认为其护城河浅，易被 AI 工具取代，存在价值陷阱风险，投资期望值较低。 Salesforce：Forward PE 低于 11，营收稳定增长。拥有 15 万企业级客户，工作流程深度植入，转换成本高，护城河深于 Adobe。风险在于未来不确定性，但具备从传统 SaaS 向 AI Agent 转型的能力。 🏦 银行业：Bank of America 与 Citigroup Bank of America：Forward PE 为 12.58，盈利能力评级 A+。作为美国第二大银行，技术动能良好，华尔街普遍给予 Strong Buy 评级。风险相对较低，属于稳健蓝筹。 Citigroup：PB Ratio 为 1.1，为美国前五大银行中最低。最新季度净利增长 42%，EPS 增长 56%。通过削减 14 个国际市场的消费金融业务进行重组，过去四个季度中有三个超预期。风险在于 ROE 仍低于同业，需观察重整结果。 🏥 医疗与能源：CVS 与 Devon Energy CVS：Forward PE 约 13 倍，低于联合健康（22 倍）和 Humana（近 40 倍）。最新季度营收突破 1000 亿美元，增长 6%，Aetna 部门转正盈利约 30 亿美元。股息率 2.71% 为同类最高。风险包括债务水平、美国医药保险政策变动及成本控制能力。 Devon Energy：Forward PE 为 7.65 倍，比能源类股中位数便宜 37%。自由现金流收益率 12.6%，资产负债表干净，完成对 Cartera 的并购并加码股息与回购。风险主要受油价及地缘政治影响。 🌏 半导体：TSMC 与 Micron TSMC：Forward PE 约 23 倍，虽不便宜但护城河深。自由现金流利润率明年预计回到 30% 以上，2028 年接近 34%。风险在于地缘政治，包括台湾海峡局势及美国对先进设备出口管制。 Micron：基于 2027 年预估 EPS 118 美元计算，Forward PE 约 9.6 倍。最新季度营收年增长 196%，毛利率达 74.4%，HBM 产能锁定至 2027 年。风险在于记忆体产业的周期性，低本益比可能出现在景气高点，存在价值陷阱可能，需确信 AI 趋势持续。 ⚠️ 总结与风险提示 核心结论：上述十家公司在估值上具备吸引力，但是否真正便宜取决于投资者对公司未来的确信度。 关键风险：需警惕价值陷阱，特别是 Adobe、Micron 等受行业周期或技术替代影响较大的公司。 免责声明：内容仅为不同视角的分享，不构成投资建议，作者未持有所有提及股票。

🎬 SpaceX 砸 600 億收購 Cursor？揭露 Elon 背後的神操作

🚀 核心观点 SpaceX 以 600 亿美金收购 Cursor，旨在获取真实工作流数据以强化 Grok 模型的 Coding 能力。 此次收购被视为构建“算力-数据-模型”飞轮的关键拼图，而非单纯购买 IDE 工具。 利用 SpaceX IPO 后的市值溢价支付股权，对现有股东稀释极小，被视为高杠杆的战略操作。 📊 关键事实与论据 收购估值：Cursor 2024 年 6 月 ARR 约 40 亿美金，收购价约为营收的 15 倍；低于 Google 收购 Wiz（32 倍）、Salesforce 收购 Slack（26 倍）及微软收购 GitHub（30 倍）的历史倍数。 支付结构：采用 100% SpaceX 股权支付，基于交割日前 7 天股价加权平均计算；若市值维持 2.5 万亿美金，该交易仅消耗 IPO 后约 7300 亿美金溢价中的 8%。 算力基础：SpaceX 拥有 Colossus 集群，配备超 33 万张 NVIDIA GPU，算力规模足以出租给 Google 和 Anthropic。 数据价值：Cursor 拥有超 100 万日活开发者，其产生的 Accept/Reject 反馈、Debug 轨迹及 Agent 协作数据属于稀缺的动态行为数据，优于 GitHub 等平台的静态开源代码。 模型短板：Grok 在 Frontier Model 中 Coding 能力相对较弱，缺乏类似 Claude Code 或 Codex 的成熟开发者平台，收购旨在补齐这一短板以对抗 OpenAI 和 Anthropic。 💡 结论与展望 战略意义：收购将 Cursor 的高频使用转化为 Grok 的强化学习数据，形成“更强模型吸引更多用户，更多用户产生更多数据”的正向循环。 行业趋势：AI 竞争焦点已从静态代码数据转向真实工作流中的动态交互数据；未来 AI 可能进入递归自我改进阶段。 投资视角：该交易降低了 SpaceX 股东的短期成本，长期看好 SpaceX 在 AI 基础设施与模型应用层面的整合潜力。

🎬 35 個做空 Nvidia 的理由？擔心 AI 泡沫的你一定要看完

📉 核心观点与背景 视频内容基于 Seeking Alpha 分析师 Jeremy Bloom 的文章《35 reasons I'm still short NVIDIA》，探讨做空 Nvidia 的理由及 AI 泡沫风险。 作者 Terry 长期持有 Nvidia，认为当前股价仍具吸引力，但承认文章中部分观点值得深思，特别是关于 AI 生态链内部资金循环及需求可持续性的问题。 文章核心主张：Nvidia 面临 AI 投资泡沫化、需求增长不可持续、大型云厂商自研芯片竞争加剧以及收入来源过度集中等多重压力。 💰 资本支出与现金流压力 2025 至 2026 年，微软、Google、Amazon、Meta 及 Oracle 五大云厂商的资本支出（Capex）合计预计达 7600 亿美元。 2026 年 Capex 占营运现金流比例：Amazon 为 111%，微软为 110%，Oracle 高达 192%，五家平均为 108%，意味着利润不足以覆盖 AI 投入。 Google 曾通过增发股票筹集 847 亿美元，Berkshire Hathaway 参与认购 100 亿美元，显示其需稀释股权以维持数据中心建设。 Oracle 云端在手订单（RPO）暴增至 6380 亿美元，年增 363%，但因自由现金流为负 237 亿且需额外融资，股价单日下跌约 12%，市值蒸发超 700 亿美元。 🔄 循环融资与客户集中度 Nvidia 对非上市公司股权投资从一年前的 30 亿增至 423 亿美元，包括投资 OpenAI（约 300 亿）、CoreWeave 等，形成“左手换右手”的循环融资。 作者认为该风险被夸大，因 Nvidia 主要营收来自拥有真实业务现金流（广告、电商、软件）的云巨头，而非仅靠供应商融资。 文章称四大客户占营收 65%，但 Nvidia 10-Q 文件显示前三大直接客户占比分别为 21%、17%、16%，合计 54%。 直接客户多为鸿海、广达等代工厂，真正的终端巨头常以间接客户身份出现；OpenAI 将 2030 年前算力采购承诺从 1.4 兆美元下修至约 6000 亿美元。 📊 AI 需求与 ROI 争议 MIT 报告称 95% 企业导入生成式 AI 后未见明显损益贡献；PwC 调查显示 56% CEO 表示 AI 未增加营收或降低成本。 反驳观点：Nvidia 营收主要来自加速扩张的云厂商及 AI 模型公司，而非普通企业。GCP 最新季度年增 63%，AWS 增 28%，Azure 增 40%，三家在手订单超 1.5 兆美元。 Google 每月处理 AI Token 量一年增 7 倍至 3200 兆；企业生成式 AI 支出两年内从 17 亿增至 370 亿美元；Anthropic 年化营收 5 个月内从 90 亿增至 470 亿美元。 所谓“85% AI 营收为内部循环”缺乏严谨研究支持，且云厂商资金多源于本业利润，不同于 2000 年互联网泡沫。 ⚡ 能效、竞争与估值对比 DeepSeek 预训练成本 560 万美元仅为最后阶段费用，其服务器资本支出约 16 亿美元，使用 5 万颗 Nvidia H800 芯片；后续尝试华为芯片失败，仍依赖 Nvidia。 能效提升通常导致用量增加（如蒸汽机省煤但总煤耗增加），AI 算力需求预计持续上升，能源成为限制因素。 自研芯片（如 Google TPU、Amazon Trainium）出货量年增 44.6%，Nvidia 市占率从 86% 降至 73%-80%，但未引发价格战。 Nvidia 最新季度毛利率 74.9%，下一季指引 75%，Blackwell 芯片供不应求；Meta 在签 AMD 大单同月仍与 Nvidia 签署多年合约。 当前 Nvidia 前瞻市盈率（Forward PE）约 23 倍，远低于 2000 年 Cisco 超 100 倍的估值水平。 🏁 结论与长期展望 作者认为 AI 宏观趋势未变，短期回调不可避免但属暂时现象；当前瓶颈在于企业如何有效应用 AI 而非需求放缓。 维持长期持有 Nvidia 及 Palantir 的立场，看好其通过平台赋能企业提升 AI ROI 的能力。 建议投资者自行研究 Seeking Alpha 原文，理解风险但不必盲目跟随做空观点，关注真实现金流与订单数据。

🎬 矽谷大裁員的真相：AI 只是藉口

📉 核心观点：AI 并非裁员主因 硅谷科技业过去四年大规模裁员（累计约 130 万人，今年预计再裁 37 万人），普遍归因于 AI 替代工程师，但这被指为管理层推卸责任的借口。 真正驱动裁员的因素包括税法变更、宏观利率环境逆转、地理套利成本优化以及纠正前期过度扩张造成的效率低下。 AI 仅起到催化作用，核心动机在于资本紧缩后，公司回归利益最大化原则，通过重置人力成本结构来改善财报。 📜 关键事实与论据 Section 174 税法影响：该规定于 2022 年 1 月 1 日生效，要求研发（R&D）人事成本需在 5 年内平摊抵扣，首年仅可抵扣 10%。这导致科技公司税负增加，例如微软 2023 年多缴约 48 亿美元税款，Netflix 多缴 3.7 亿美元（占当年总利润 8%）。 利率环境与招聘泡沫：2020-2021 年美联储实施零利率及 QE 政策，资金成本极低，科技公司进行“军备竞赛”式扩招，导致人员冗余。2022 年 3 月起美联储快速加息，18 个月内联邦利率上升 525 个基点，引发股市熊市及 Meta 股价暴跌（一度跌破 90 美元）。 裁员成效与案例： Meta 在 2022 年 11 月裁员 1.1 万人（占员工总数 13%），随后股价回升。 Elon Musk 收购 Twitter 后裁员 80%，该公司在 2024 年实现盈利，被视为通过“工程效率”优化臃肿组织的成功范例。 2023 年 1 月，微软裁员 1 万人，Google 裁员 1.2 万人，且股东要求 Google 继续裁员 20%。 地理套利（Geo Arbitrage）数据：根据 Levels.fi 数据，Google L3 级别工程师在美国的总薪酬（TC）为 21.4 万美元，而在印度仅为 4.5 万美元，成本差异接近 80%。Google、微软、Amazon 均在印度扩招，同时在美国裁员。 人才市场供需逆转：由于大厂裁员导致求职者供给增加，公司得以重置薪酬标准。新入职员工的 TC 可能降至 30-40 万美元或更低，远低于因股票上涨而膨胀的现有员工薪酬。 💡 结论与影响 成本重置逻辑：裁员不仅是削减开支，更是为了打破因股票上涨导致的薪酬泡沫。通过大规模裁员后重新招聘，公司能以更低的市场价格填补必要岗位，实现人力成本结构的优化。 效率提升机制：剩余员工面临更高工作强度（如加班、周末工作），在恐惧被裁的压力下提升产出效率。公司通过动态调整团队规模（如从 2 人增至 3 人）来测试并维持极限效率。 行业心态转变：过去工程师群体存在“TC 驱动”而非“使命驱动”的心态，导致组织效率低下。裁员潮迫使行业回归产品价值与核心业务，淘汰冗余政治游戏。 个人建议：裁员虽带来短期冲击，但也可能促使个人重新审视职业方向。对于寻求转行或提升技能的工程师，建议关注系统设计实战等技能提升机会，以适应当前更激烈的市场竞争环境。