短期是階段泡沫，長期理性繁榮周末，關於AI泡沫的言論在不斷髮酵！我近期一直指出，從ChatGPT誕生到現在馬上進入2026年，前三年（23-24-25年）AI帶來的效率提升與capex的FOMO效應推動企業不斷通過AI省opex並轉為capex，但是opex的節省到了當前時點也面臨很多掣肘，一方面是技術能力的問題，當前AI agent在很多複雜的工作流領域的能力尚不足以應付，另一方面就是持續裁員效應帶來的人倫反噬。WIRED（Brian Merchant）把 Goldfarb & Kirsch 的“科技泡沫四要素”——不確定性 / 純正押注（pure plays）/ 新手資金 / 宏大敘事——逐條套在 GenAI 上，作者與學者的結論都是“滿分 8/8”；文中還串聯了“95% 企業 GenAI 試點無正向收益”的 MIT 報告熱點。The Atlantic（Matteo Wong & Charlie Warzel）主旨是“美國正在成為 Nvidia-state”：AI 已成 S&P 主要增量驅動、算力資本開支的槓桿鏈條越來越複雜（私募信貸→資料中心租約證券化/分層→再融資），還點名 OpenAI↔Oracle↔Nvidia 的“循環式資本流”。央行/賣方側的外部警示也在同步放大：英格蘭央行直言 AI 相關估值“易受情緒轉折”；J.P. Morgan 的市場月報給出自 ChatGPT 上線以來，AI 相關成分貢獻了 S&P500 漲幅的 ~75%。WIRED 的“8/8 泡沫評分”到底在打什麼分？Goldfarb & Kirsch 在《Bubbles and Crashes》(2019) 裡用四要素判斷“技術是否進入泡沫態”：不確定性、純正押注（pure plays）、新手資金、宏大敘事。Brian Merchant 把這套尺子直接套到 GenAI，逐條給出“滿分 8/8”的結論與證據：不確定性：推理成本高、很多面向消費者的互動仍在虧錢；企業端“到底能賺什麼錢、何時回本”並不清楚；MIT 調研引爆關注點——95% 的企業 GenAI 項目沒帶來可計量 P&L。純正押注：VC 資金大規模單點湧向 AI（SVB 資料：今年 ~58% 的風投流向 AI），二級市場出現 CoreWeave 等純 AI 概念的“直接標的”；NVDA 自身也被界定為最純的“AI 上游押注”。新手資金：AI 太新，連機構在很多賽道都是“新手”；同時移動端券商/碎股降低了散戶參與門檻，抬升了泡沫自增強的“廣譜參與”度。敘事協調：從“AGI 將無所不能/必須加速以贏過CN”到“AI 改造一切”，形成強耦合的必然性敘事，歷史類比最像航空/廣播電台——都經歷了“敘事先於商業閉環”的泡沫—崩塌—再消化。The Atlantic 的“融資→工程→折舊→循環資本”鏈條這篇把一條資金-工程-折舊的閉環講得很直：(A) 融資工程：視角 1：可見度——“新卡萊爾（印第安納）”衛星圖下一年內綠地變資料中心園區，7 座在建、23 座在途，電力需求將超過“兩座亞特蘭大”。視角 2：結構——為了不把槓桿抬上母公司資產負債表，表外 JV+長期租約+144A/分層證券化成了範本：Meta×Blue Owl 的 Hyperion ~$27–30B 私募信貸＋債券分層、Meta 僅持 20% 股權、PIMCO/BlackRock 等為主力資金，A+ 評級、144A 定價。這是“把 Capex 變成 OpEx”的財務工程。(B) 工程現實：電力與上架功率成為主約束，且建設/並網周期對現金流形成滯後。文章直白指出：即便建設繼續加速，能耗與基礎設施約束也會限制“無節制”擴張。(C) 折舊/技術半衰期：資料中心“晶片快速過時”，裝置折舊極短、代際更替快——這讓資產的經濟壽命<會計壽命，放大資本開支的周期性風險。這裡我展開補充一下：把“經濟壽命 < 會計壽命”這件事拆成證據→機制→連鎖效應→對策/監控四層，說透它為什麼會在 AI 資料中心裡放大資本開支的周期性風險。證據：會計折舊越拉越長，技術代際卻在加速雲三巨頭系統性拉長折舊年限：Microsoft，把伺服器和網路裝置折舊從 4 年延至 6 年，一次性把 $3.7B 折舊費用從 FY23 往後移；Alphabet/Google，2023 年把伺服器及部分網路裝置壽命改為 6 年，僅 Q1 就少提折舊 ~$0.99B；Amazon，2024 年先從 5→6 年；2025 年又因“AI/ML 技術進步加速”把一部分伺服器與網路裝置回呼至 5 年（已在 2025 Q1 10-Q 寫明）。這就是典型的會計壽命>經濟壽命被迫“糾偏”。晶片代際節奏轉向“年更”，NVIDIA 在 2025 年 GTC 明確表示基礎設施按“年度節奏”迭代（Blackwell→Vera Rubin…）。這意味著 GPU 代際≈1 年、網路 800G → 1.6T 也進入兩年一階。機櫃與供冷門檻躍升，Blackwell NVL72 是整櫃液冷形態；單櫃 ~132 kW、72 GPU 同一 NVLink 域。大量傳統 10–40 kW 機櫃與風冷房根本承接不了這代平台。小結：報表上摺舊在延長，但技術與工程門檻在縮短/抬高；兩條曲線背離，就是“經濟壽命 < 會計壽命”的客觀圖景。機制：為什麼“壽命錯配”會放大資本開支（Capex）的周期性？代際性能/成本台階H100→H200→B200/GB200 在吞吐/頻寬/能效上是跳階；新代系下 $/1k tokens、時延與能耗曲線同步下台。舊代資產的單位經濟學迅速劣化，被迫提前退役或下沉到低價值負載——其經濟壽命自然短於會計帳上的 6 年直線法。架構相容性“整櫃化”NVL72 把 72 GPU織成單一 NVLink 域，功率與互連都“捆綁到櫃”。這會引發級聯升級：不是“換幾塊卡”，而是整櫃/整列更換（GPU→主機板→互連→光模組→供電/供冷），於是周期振幅被放大。供冷與配電的“門檻跳變”Uptime 2024/2025 的冷卻調查顯示直液冷滲透還很低（~22% 在用），而 AI 櫃密度已逼近 60–120 kW/櫃。舊房（風冷/低密度）對新代平台的承載落差，把“折舊未完即翻修/遷建”的機率推高。二手/處置價值受限嚴格的出口管制與合規要求限制了高端 GPU 的二手流通與可回收價值；一旦主要二級市場受限，殘值跌→經濟壽命更短（同樣的帳面年限，真實可回收現金更少）。會計與監管的“觸發條件”當技術躍遷/利用率下滑/價格跳水構成“觸發事件”，US GAAP ASC 360 要求做可回收性測試，可能帶來減值與折舊年限重估（前者一次性打損益，後者推高後續 D&A）。連鎖效應：從財報到融資、從產能到網路利潤表錯覺 → 反身性回擺：延長折舊年限能短期抬高營業利潤（MSFT/GOOGL/AMZN 都出現過），但回呼/減值會一次性吞噬利潤（AMZN 2025 已對部分資產回呼至 5 年，明確因 AI/ML 創新加速）。對高估值資產而言，這是二階放大器。融資與再融資鏈的脆弱點：壽命縮短+殘值下降，會抬高租賃/ABS 的隱含殘值風險溢價；若與“表外 JV + 長租約 + 分層證券化”的融資結構疊加，利差走闊/再融資失敗的系統性風險被放大。網路/光模組與電力的“級聯周期”：800G→1.6T 節奏更快，後端網路與光模組支出佔比上升（不是只換 GPU），周期幅度因此更大、節奏更密。資產處置與持有待售：Meta 2025 把 $2.04B 資料中心資產分類為待售，反映出“規劃—施工—折舊”節拍與技術/項目變更脫鉤時的資產重整代價。循環資本（最敏感的一環）：“OAI→Oracle→Nvidia→再投 OAI”的閉環：媒體與研報交叉指稱OpenAI 對 Oracle 的 ~$300B/5y 採購、Oracle 以此大買 NVDA 晶片、NVIDIA 擬向 OpenAI 投資“up to $100B”。這不等於違法，但脆弱性上升（現金流高度互賴）。備註：$300B 由多家一線媒體/評級機構持續跟進報導但仍屬商業合同口徑（現金流節奏/條件在演進），解讀需保留頻寬。在 AI 資料中心裡，“技術年更 × 架構整櫃化 × 供冷/配電門檻躍升 × 合規二手受限”這四件事共同把經濟壽命往下拽，而財報端過去兩年的“會計壽命拉長”又把表觀利潤往上托。背離越久，回擺越猛——AMZN 2025 的“回呼至 5 年”就是一次小型演練。3) JPMorgan 的 S&P “AI 貢獻拆解”說明啥風險？Michael Cembalest（JPMAM）的《Eye on the Market》把自 2022-11 ChatGPT 上線以來的 S&P500 表現做了結構分解：價格回報貢獻：AI 相關籃子≈ 75%；盈利增長貢獻：≈ 80%；Capex+R&D 增長貢獻：≈ 90%。報告還給出“AI 直達/AI 公用事業/AI 資本裝置”三籃子（合計 41 隻）與債務/權益比對比，並點名 OpenAI→Oracle 合同將改變科技資本周期（從現金流自我供血→更債務驅動的軍備競賽）。若 AI 貢獻度從 “75/80/90” 回落至“50/60/70”，指數邊際驅動將顯著鈍化（尤其是盈利與 Capex 口徑）。貢獻高度集中意味著“系統承重梁”風險：一旦龍頭（特別是 NVDA 生態）出現裝機節奏/訂單能見度與業績錯位，二階效應通過指數被放大。我也承認，AI階段性不是“有沒有泡沫”，而是那條鏈先成為薄弱環節以及何時有可能觸發？融資與信用鏈（私募信貸×租約證券化）新發的資料中心“租約債/ABS”發行利差較定價後一月走闊 ≥ 75 bp並伴隨縮量/推遲。類 Hyperion 交易的二級價低於發售價且成交放量兩周以上。信評機構對核心承租方或承建方的展望下調/風險提示增多（Moody’s 已就 Oracle 的 $300B 合同集中過度與槓桿提出警示）。事實基線：Meta×Blue Owl 的 Hyperion 以“租約支援/表外 JV+大額債券”的範本落地，隨後市場討論迅速擴散。若這一範本二級價差走闊或承銷受阻，就是首要裂縫。經濟回報鏈（企業側 ROI → CFO 稽核 → Capex 節流）大型上市公司披露GenAI 項目由“試點→停擺/縮編”的比率≥ 3 連季上行；管理層在 MD&A 裡把 GenAI 從“增長引擎”降級為“效率工具/成本中心”。三大/五大雲廠商合計AI Capex 同比增速出現≥ 2 個季度的階梯式下滑，同時把“AI 單位經濟學改善”目標後延。行業調查更新把“正 ROI 佔比”仍壓在 ≤ 10% 區間。事實基線：MIT Media Lab/Project NANDA《State of AI in Business 2025》：95% 的 GenAI 試點無可計量的 P&L 貢獻；多家一線媒體與投研二次報導已把這一統計放大為“ROI 真空”。硬體與核心載荷鏈（NVDA 作為“承重梁”）NVDA 訂單/供貨“去坡度”（訂單能見度與資料中心上馬節奏“脫鉤”），或下游延遲/取消訊號邊際增多。次級算力資產（轉租/二手 GPU、雲端搶佔價）的連月下行與利用率下滑平行。模型代際躍遷收益（推理成本/延遲/質量的單位改進）邊際遞減被一線應用實證反覆印證。事實基線：Nvidia 剛被多家權威媒體實錘為全球首家 $5T 公司；AI 相關對美股的邊際拉動高度集中。高度集中=脆弱性。“崩塌路徑” vs “軟著陸路徑”——把三條敘事合起來崩塌的機械鏈（The Atlantic 的核心命題）：ROI 遲遲不兌現（MIT：95% 無 P&L）→ CFO 收緊預算；資料中心債/ABS，二級價差走闊、承銷放緩；代際折舊+功耗/電價重壓，使現金流更敏感；循環資本，任一環“失火”（違約/延期/評級觸發）→ 傳導到硬體上游與指數。我嘗試把“泡沫學（BM-SL v2.0）”可觀測面徹底鋪開，結合LLM做一張指標雷達地圖（12 維度 × 每維 4–8 個核心指標），指標雷達地圖（12 維 · 多模型對應）記號：↑=值越大泡沫風險越高；↓=值越大風險越低。每項後標出對齊位：[BM因子] / [舊模型鉤子]1) 融資 & 信用（Financing, F）2) 工程 & 能源（Engineering, E）3) 折舊 & 資產壽命（Depreciation, D）4) 閉環 & 對手方集中（Closed-Loop, C）5) 不確定性 & ROI（Uncertainty, U）6) 純押注 & 新手資金（P, N）7) 敘事 & 開放集（S, NOV）8) 貢獻度集中（CCI）9) 需求吸收 & 單位經濟學（DA · GAP-OS 核心）10) 微觀執行 & 容量守則（µ · Z-Trigger/Tech-Edge）11) 供給鏈硬約束（HSD-OS）12) 指數技術 & 行為訊號（Tech-Edge v2.0）下面是用 BM-SL OS對“AI 全產業鏈（北美/美股權重）”做的當期復評（截至 2025-11）。結論：Regime：R1（高利率×緊信用）；Composite-Z = 0.857 → p_bubble ≈ 0.659（HEDGE 檔，臨界偏高）。融資端仍然暢通但表外化/分層化上量；工程側 >100–120 kW 液冷架級與 PJM 容量價將風險“傳導放大”；折舊/壽命錯配被 AMZN 在 10-Q 中“6→5 年”實錘；閉環依賴（OpenAI↔Oracle↔NVIDIA）繼續上行；指數層面 AI 貢獻 75/80/90 的集中度未緩解。所以，如果從當前的證據與過往經驗來看，AI確實出現泡沫的特徵，但我們人類不總是會高估短期影響而低估長期影響嗎？從長期來看，AI會是理性繁榮嗎？我一點也不懷疑（作為一個堅定的AI從業者，我個人更傾向於理性繁榮，只是當前謹慎一些總是沒錯吧！）軟著陸反證集（能破壞“崩塌敘事”的資料點）：企業正 ROI 佔比提升到 ≥30% 並連續兩季擴大；頭部應用單位經濟學顯著改善（$/1k tokens 持續下台階且公開披露可審計）；DC 債/ABS 利差穩中縮小、144A/分層繼續順利發，且配電/並網瓶頸緩解；AI 對淨利率的淨貢獻在龍頭財報裡被明示且連續兩個季度擴大。我相信作為人類第四次工業革命，智能化革命帶來的長期價值仍沒有體現出來，所以反證目標與判定口徑（Bayes）是怎麼樣的？原假設 H₁：AI 處於泡沫自增強階段（融資→工程→折舊→閉環的“機械鏈”主導）。對立假設 H₀：AI 進入理性繁榮/軟著陸（需求吸收與單位經濟學改善可以自洽支撐估值與 CAPEX）。判定規則（與 v3.0 對齊）：連續 2 個評估窗（≥1 季）滿足反證分組裡 ≥5/8 項為“綠/強反證”；且 p_bubble ≤ 0.50 或 (0.50,0.65] 且 hazard t50 ≥ 240d → 切換為 BUILD；若 p_bubble ≤ 0.35 且 t50 ≥ 300d → ACCELERATE。“理性繁榮”八大反證簇（每簇給指標/閾值/解釋）方向統一：值越好=反證越強。閾值為默認行業級，可按類股/區域覆寫。A. ROI 與業務兌現（U/DA·硬反證）B. 單位經濟學“三元”改善（成本/時延/質量）C. 融資質量與信用“再定價”（F）D. 工程與能源門檻“軟化”（E/HSD）E. 折舊/壽命“重新對齊”（D）F. 閉環去脆弱（C）G. 指數與市場結構“去集中”（CCI/µ）H. 利潤率與會計揭示（SL-MARGIN）因果與滯後：把“證據→結果”串成可檢驗鏈（v3.0 Gate-Graph 版），A（ROI/DA）→ B（三元）→ C（信用）→ D（工程）→ E（壽命）→ F（閉環）→ G（指數）→ H（利潤）邊的要求：正號：A↑ 必須先行後推 C↑（利差回落）/H↑（淨利提升）；滯後：A→C 60–90d，A→H 90–180d；衰減：若 B 回落，C/H 隨之於 120–180d內回落。只有鏈路里的符號/滯後/衰減被資料序列反覆驗證，我們才把 p_bubble 系統性下調；否則維持審慎（HEDGE）。當前強反證命中 2/8（融資、單位經濟學-成本），其餘 6 組未達“綠檔”閾值；這兩項反證已經在我們上一輪 BM-SL v3.0 / BBSF 中計入，因此後驗機率不變：p_bubble ≈ 0.66（HEDGE，臨界偏高）；要切到 BUILD 至少還差 ≥3 組強反證連續成立一個評估窗（建議 1 季）。所以，只要：正 ROI 佔比≥30%、Token→Revenue/GP 彈性≥0.30/0.20、$/1k tokens YoY≤−30%、DC 利差≤+25bp&覆蓋≥2.0×、DLC≥30%、econ/book≥0.90、Top-3 集中≤0.45&兌現≥0.8、S&P 貢獻≤60/70/80 和 AI 對淨利率正貢獻連 2 季這八項裡 ≥5 項連續兩窗成立，BM-SL 的後驗 p_bubble 就會結構性下行到 ≤0.50（甚至更低），此時把檔位從 HEDGE→BUILD/ACCELERATE 是有審計憑據的，而不是“主觀樂觀”。最後，說一句，投資或者研究research，最重要的是什麼呢？我們都經歷了大大小小的各種周期，不迷信，無執念，看資料，講證據，無所住而生其心！ (貝葉斯之美)

從先驗訊號到實際訂單落成的完美樣本甲骨文交出了超級稀有的財報季，其中最讓人咂舌的是RPO的數量與增速！看這個恐怖狂暴的RPO增速有點過於誇張，相對於本季度RPO環比增長了超過3000億。甲骨文首席執行官薩弗拉·卡茲表示：“我們在第一季度與三家不同的客戶簽署了四份價值數十億美元的合同。這導致 RPO 合同積壓增長了 359%，達到 4550 億美元。這是一個令人震驚的季度，而且對 Oracle 雲基礎設施的需求也在持續增長。在接下來的幾個月裡，我們預計將簽約幾家價值數十億美元的新客戶，RPO 規模很可能超過 5000 億美元。近期 RPO 的大幅增長使我們能夠大幅上調甲骨文整體財務計畫中雲基礎設施部分的收入，我們將在下個月的財務分析師會議上詳細介紹該計畫。作為預測，我們預計本財年 Oracle 雲基礎設施的收入將增長 77%，達到 180 億美元，並在接下來的四年裡分別增至 320 億美元、730 億美元、1140 億美元和 1440 億美元。這份五年預測中的大部分收入已經計入我們報告的 RPO 中。甲骨文在 2026 財年取得了輝煌的開局。”對比起來微軟的商業在手訂單RPO為3680億，這個狂暴的RPO增長直接把甲骨文的股價打爆了！這是一次甲骨文官方口徑裡的爆表式躍遷：RPO 同比 +359% 到 4,550 億美元（Q1 FY26，截止 8/31），管理層稱當季與 3 家客戶簽了 4 份“數十億美元”的大單；公司還預計“未來數月 RPO 大機率突破 5,000 億美元”。環比的量級：上一季（Q4 FY25）甲骨文 RPO 為 1,380 億美元，這季升到 4,550 億美元，單季淨增約 3,170 億美元。對比微軟：微軟最新一個季度披露的商業 RPO 為 3,680 億美元，其中約 35% 將在未來 12 個月確認。所以從存量在手這個單一指標看，甲骨文字季的“台階”確實一把就超了微軟。這波“誇張”的背後是什麼？超大年限 IaaS 合同驅動，管理層明確是幾筆 multi-billion 合同把 RPO 頂上去；此外，多雲資料庫（在 AWS/Google/Microsoft 上跑 OCI 資料庫）的收入同比 +1,529%，並計畫再交付 37 個資料中心給三大雲，合計 71。這些都指向長約+擴容型的訂單結構。與 AI 超大項目繫結，7 月公開的 OpenAI × Oracle 4.5GW “Stargate” 擴建協議，是典型的多年期、容量預留式的基礎設施大單，能顯著抬高長期 RPO。甲骨文預告 OCI 收入 5 年路徑：180 億 → 320 億 → 730 億 → 1,140 億 → 1,440 億（單位：美元）。5 年合計約 3,810 億；管理層說“五年預測的大部分收入已計入我們報告的 RPO”。把 3,810 億 對上 4,550 億，口徑上是自洽的（“大部分”≈84%）。但短期遞延收入僅 121 億美元，說明新增 RPO 絕大多數是長尾年限，不是馬上變現的“近端收入”。兩家都遵循 ASC-606 的 RPO邏輯，但披露層次不同：微軟報“商業 RPO”（並給出 12 個月內確認佔比），甲骨文這次強調“總 RPO”。歷史 10-K 披露也顯示甲骨文會給出未來 12/36/60 個月的分佈（上年末 RPO 1,378 億美元中，約 33% 在 12 個月內確認）。這意味著節奏/久期結構很重要，不能把“總 RPO”直接等同於近端業績。所以，從指引與RPO來看，這不是“單季小提速”，而是合約結構級的躍遷：幾筆超大、超長、以 AI 計算為核心的 IaaS 合同，把甲骨文的“已簽未來收入”曲線一次性抬到行業頂格；與微軟的 3,680 億商業 RPO 對比，量級確實實現反超，難怪股價“被打爆”。接下來，真正決定股價持續性的，是產能交付與收入確認的斜率，而不是單一的“總 RPO 數字”。從等級來看，這個訂單是屬於“極稀有”的“指引/訂單衝擊型拐點”，基本是又是數萬份財報才會出現一次的結果，和 2023-05 的輝達、2024-02 的 Meta 類似。本次 ORCL 的“稀有性”來自三重共振：① 前瞻指引躍遷、② 訂單/合約台階抬升（RPO）、③ 超常價格反應（20%+ 的巨無霸單日拉升）。為什麼可類比 NVDA 2023-05（且足以判定 Lv2“已確認拐點”）？1) 前瞻“指引衝擊”管理層把 OCI FY26 增速從“>70%”上調到約77%（至 $18B），並展望 4 年內 OCI 年收至約 $144B——這類“二階導”式上修，是拐點稀缺訊號之一。2) “訂單/RPO台階”前所未見Q1 FY26 報告 RPO = $455B（同比 +359%），且披露三家客戶、四筆數十億美元級合同；管理層還稱 RPO“可能跨越 $500B”。對比 Q4 FY25 的 $138B，這是季度間的巨幅躍遷（不僅僅是季節性）。註：Oracle 在新聞稿中明確以 RPO（剩餘履約義務）口徑披露 $455B。RPO屬已簽約未履約的GAAP指標，但履約節奏取決於產能與交付3) 價格“確認線”遠超閾值財報後 股價盤後/次日一度 +23%～27%，對一個 $500B+ 量級的公司而言極罕見——這類“20%+ 的巨無霸單日反應”在近幾年僅見輝達 2023-05（指引遠超預期，+24%）與 Meta 2024-02（+20%，當日刷新美股史上最大單日市值增量）。4) 結構性佐證（多雲/資料庫）多雲資料庫相關營收 +1,529% YoY；對三大公有雲的“嵌入式”OCI 合作&將交付/規劃合計 71 座資料中心，為未來履約提供供給面支援。綜上，合成 Z ≈ 3.8–4.5σ判斷是合理的：這不是傳統“營收/EPS 大超”（本季小幅 miss），而是“指引 + RPO + 結構 + 價格”四向量共振，其稀有性與 NVDA 2023-05非常相近（路徑不同但訊號強度可比）。“稀有事件”成立的邊界與校驗（避免誤判）RPO≠立刻可確認收入：RPO 轉化率/節奏取決於 機房建設、算力與能耗配給；Q4 FY25→Q1 FY26 的跨季躍升需在後續季度看到分拆與兌現路徑（IaaS 消耗、帳單與現金流對應性）。多雲依賴的可交付性：與 AWS/Azure/GCP 深度整合雖放大銷售半徑，但也帶來交付/治理/定價複雜度；“71 座”落地節奏將直接影響 RPO→收入的時間常數。價格後效：巨幅跳空後，需觀察 5D/20D 動量延續與 IV 回落是否健康，以確認“再定價”而非“脈衝”。貝葉斯更新的又一次重大勝利！其實甲骨文的RPO訂單暴增的貝葉斯先驗訊號在GPU的採購份額分配中已經有了前期的指引訊號，具體參見我前期的文章AI雲服務，格局變了？一文，對AI 雲進行了深度的分析。2025 年預估資料顯示，Azure GPU 佔有率約 30%，GCP 20%，AWS 20%，而 Oracle + CoreWeave 等新雲陣營合計竟拿下 30% 的 NVIDIA 高端 GPU。對比其不足 7% 的雲收入佔比，這是一場典型的“算力逆襲”。從“算力份額→訂單份額”的先驗到訂單的確認。這波 RPO 台階躍遷，和年內幾件超大規模算力鎖定事件是一條連續因果鏈：容量先鎖、合同後到：OpenAI × Oracle 宣佈共建 4.5GW “Stargate” 資料中心能力（OpenAI 官方稱 5GW 對應 200萬+晶片量級），這類多年期容量預留通常以長期服務合同/最低承諾落地，天然會直灌 RPO。新雲陣營的“外接容量”：CoreWeave 與 OpenAI 的 5 年、最高 $11.9B 計算合約，及其近期與 Google/OpenAI 的供給關係報導，本質也是把高端 GPU 規模轉為多年 TCV。主流雲也在外包算力：微軟為補足 AI 容量，剛與 Nebius 簽 $17.4B/5 年 GPU 基礎設施合同；說明“第三方算力長單”正成為行業通用解。結果側驗證：Oracle Q1（截至 8/31）披露 RPO 同比 +359% 至 $4550 億，並上修 OCI 5 年收入路徑（當年 $180 億 → 四年後 $1440 億）；這與上面的超長約高度自洽。“算力份額”與“雲份額”錯位：Q2’25 全球 IaaS 份額裡，Oracle ~3%、CoreWeave ~1%（約），遠小於它們在高端 NVIDIA GPU上的席位與增配節奏——這正是你說的“算力逆襲”所帶來的RPO 彈性放大。把“先驗→後驗”的方法固化成可跟蹤訊號先驗（算力）高端 GPU（H100/B200/Blackwell）長期供給/預留公告與合作清單（NVIDIA 直供、第三方代建）。在建/規劃電力（GW）與冷卻能力（液冷/浸沒）的落地節奏。第三方算力長單（CoreWeave、Nebius 等）的 TCV/年限/不可取消條款線索。證據（訂單）4) RPO/CRPO 的久期結構（未來 12 個月佔比 vs 總 RPO）與遞延收入變化，用來校準“近端兌現斜率”。兌現（收入/毛利）5) OCI 實際收入軌跡 vs 管理層 5 年路徑（18→32→73→114→144）與毛利/CapEx 密度（單位 $CapEx 帶來的 OCI ARR）。簡化的對應可寫成：RPO_jump ≈ α × (ΔComputeShare × 行業高端GPU TCV) × AvgTerm × Utilization。其中 α 由合同條款（最低承諾/不可取消/價格階梯）與交付節奏決定（工程化可做成你看板裡的“哨兵→觸發器”）。所以，在“AI 雲服務，格局變了？”裡用GPU 採購份額失衡作為先驗，確實提前指向了這次 RPO 爆表——現在已被 OpenAI-Oracle 4.5GW、CoreWeave $11.9B、微軟-Nebius $17.4B 等合約化容量所驗證。接下來最關鍵的是：CRPO 佔比與OCI 實收斜率能否跟上“超長約”的建成與通電節奏。最後對甲骨文字次財報做個貝葉斯模型總結：Fusion-TP OS v1.1｜甲骨文 Q1 FY26（截至 2025-08-31）深度判定本季 ORCL = Rare-Shock（稀有衝擊）Lv2–Lv3 邊界，已確認拐點。三重共振：① 指引躍遷（OCI 年增速上調至 ~77% → $18B，並給出四年路徑 $32B → $73B → $114B → $144B），② 訂單台階（RPO $455B，+359% YoY；披露三家客戶 4 筆“數十億美元級”大單；管理層望跨越 $500B”），③ 價格確認（公告後 +23%~27%）。1) 稀有度（RSI）與 σ-幅度z_guidance（指引驚奇）從“>70%”到 ~77%、並外推 4 年至 $144B 的路徑上修；以歷史/同業誤差分佈校準，z_g ≳ 2.5–3.5σ（強尾）。z_orders（訂單台階）RPO +359% YoY 至 $455B，並稱將“越過 $500B”；以過往 RPO 波動口徑估算，z_o ≥ 3σ。z_price（價格確認）公告後 +23%~27%，按美股大盤分佈，z_p ≳ 2σ。屬於“指引/訂單衝擊型”稀有拐點。2) BBTP 兩錨（Dual-Anchor）BBTP-F（事實錨）Q1 FY26 = T 季 多序列同季聚集（指引上修 + 訂單台階 + 收入結構化加速），T+1/T+2 以 RPO 演進/交付里程碑與 OCI 收入兌現做持續確認。BBTP-E（預期錨）前一季/年已有“FY26 70%+”的口頭路徑與多雲擴張預期，但未達到 三閘（指引 z≥2.5、確認機率≥0.67、文字自信 z≥1）的強觸發，判定 E=觀察。3) 三閥確認（最低充分條件）閥① 訂單台階：RPO YoY +359%、4 筆十億美元級大單 → ✅；閥② 兌現斜率：IaaS +55% YoY、雲總收入 +28% → ✅；閥③ 價格確認：公告後 1D ≥ +8%（實為 20%+） → ✅。→ 三閥全亮 = Lv2（已確認）/ 合成 Z ~ 3–4σ。4) 上游先驗 → 下遊觀測（因果鏈）上游先驗（Dirichlet + Δα）多雲/大模型擴容與 Microsoft/AWS/Google 的多雲互聯、OpenAI 選擇 OCI 作為 Azure 的擴展容量，為需求側提供“外延產能”——對 Emerging/多雲份額加權（Δα>0）。資料中心交付“累計/在建合計 71 座資料中心”的對外口徑，作為 RPO→收入 轉化的供給側約束替換項。下遊觀測（似然 logBF）Orders，RPO/大單；Revenue：IaaS/雲 YoY；Guidance：Δbps/多年路徑；Price：1D 缺口保持。合成 logBF 與 Z 均處高位。5) 關鍵事實卡（核驗要點）總營收 $14.9B（+12%）；雲 $7.2B（+28%）；IaaS $3.3B（+55%）。RPO $455B（+359% YoY）；披露三家客戶 4 筆十億美元級大單；管理層稱 RPO 可能越過 $500B。OCI 指引：FY26 ~77% 至 $18B；中期路徑至 $144B；股價 +23%~27%。多雲資料庫相關營收 +1,529% YoY；累計/規劃 71 座資料中心。ORCL 本季是“指引/訂單衝擊型”稀有拐點的標準樣本：指引躍遷 + 訂單台階 + 價格確認三向量同步到位，且有多雲/上電供給作後盾。按 Fusion-TP v1.1（σ-校準），當前判定 Lv2（已確認），後續用 DC 交付、RPO→收入轉化、指引連續性三條哨兵做動態校驗與倉位伸縮。 (貝葉斯之美)

“勝者與確定性” VS 估值，誰的權重更大？作為美股AI應用領域最優秀的幾個範本，我前期也分析了很多次，但更多的是從基本面與商業模式的角度深度分析，而從投資方法論的角度來看，如果能做到持有，則是更為關鍵的，尤其是這些公司在上漲的過程中一直伴隨著各種質疑，輝達相對較好，但是palantir則將高估值演繹到了極致，動態PS超過100倍，市場對於勝者的確定性溢價給到了極致。從投資方法層面，市場對於競爭贏家與確定性的權重很高，而對估值則是次要，本文我將以輝達、palantir、applovin，2023年至今的股價走勢作為樣本案例深度分析，深度展開分析投資這類股票的方法論策略。所以，在時代浪潮中，尤其是AI這樣足夠宏大的敘事，頭頂人類第四次工業革命的“巨大光環”，能帶來足夠上限的市值，但是AI本身發展尚且處在初期，AI本身又伴隨極大的新舊轉換動能，大量舊的技術堆疊、商業模式在AI時代可能就不存在了，大模型內化了很多的能力，這個前期的文章也討論的比較多了。所以在這樣一個“無比宏大的敘事帶動巨大的行業TAM上行” VS “創新者窘境與技術替代擔憂” 糾纏的市場中，市場在新範式裡，把“勝者與確定性”權重放在估值之上。從三個不同領域贏家2023年至今的走勢與事實，抽象出一套“勝者×確定性”投資範式：怎麼識別？如何上倉？何時加碼/減倉？以及如何把它產品化到看板裡做持續決策。1) 三個樣本的“共同劇本”：超拐點 → 估算上修 → 平台化標籤升級輝達：貝葉斯“超級拐點”的範本2023年5月24日財報把當季收入指引直接抬到 $110億（±2%），相對一致預期約 $71.5億 的“斷層式上修”，股價當日近+24%，等於正式宣告“AI資本開支進入指數級階段”。隨後二季度實際收入 $135億，資料中心 $103億，驗證了“供給約束的需求洪峰”；到2024-2025財年，季度收入繼續爬升至 $300億（2024年8月）→ $351億（2024年11月）→ $393億（2025年1月），Blackwell與GB200 NVL72的“機架級系統”敘事落地，平台標籤再次上移。這背後是什麼含義呢？當企業給出系統性供需錯配＋多季度持續上修，市場會主動抬升確定性權重，估值體系換軌。Palantir：從“講故事”到“可驗證盈利＋指數標籤”的路徑2023年開始的 AIP（Artificial Intelligence Platform）與密集 Bootcamp，把“AI能落地”的證據節律化；公司實現連續多個季度 GAAP盈利，並在2024年9月加入標普500。2025年多次上調年內收入展望，成為當年標普500漲幅榜第一梯隊——市場在意的不是靜態倍數，而是美國商業/政府兩條曲線同時加速與盈利可驗證的“確定性”。AppLovin：演算法“二代躍遷”驅動的再評估AXON 2.0（2023年起）使廣告引擎效率階躍提升，帶動2024年“史詩級”股價年漲幅；2025年Q1、Q2延續高增長（例如Q1收入約 $14.84億；Q2廣告業務繼續高增長且EBITDA擴張），公司聚焦AdTech主業、出售自有App資產，敘事從“遊戲發行+廣告平台”升級為“AI驅動的效果廣告基礎設施”。估值雖高、期間也遭遇空頭報告波動，但“盈利與現金流的確定性”成為更強錨。上面三段都指向同一件事：當“勝者地位×確定性曲線”爬升時，市場容忍高估值；而曲線回落時，估值才重新變成主角。2) 抽象投資範式：Winner–Certainty（W–C）框架核心命題：在冪律分佈的股市裡，極少數贏家貢獻了大部分長期財富；要賺大錢，關鍵不是“猜便宜”，而是在勝者的確定性加速期敢於集中持有與順勢加碼。學術資料也支援：美國股市長期淨財富創造主要來自頭部約2–4%公司；而盈餘意外和分析師上修在後續收益上有持續性。具體參見股市是一台冪律機器：當“複利”遇上“極端偏態”把它落成一個可交易的“W–C引擎”：(A) 勝者識別（Winner）系統級優勢：晶片→系統→網路→軟體棧一體化（NVDA的Blackwell/GB200 NVL72 + NVLink）；或資料/模型/交付閉環（PLTR的AIP）；或分發/競價網路的演算法優勢（APP的AXON 2.0）。生態位鎖定：開發者/客戶遷移成本高、介面與標準掌控（CUDA、AIP工作法、AXON接入）。(B) 確定性評分（Certainty）D 需求確定性，客戶CapEx/預算上修、訂單能見度、使用/呼叫量（NVDA連續多季資料中心收入爆表；PLTR美國商業/政府雙線提速；APP廣告花費在AXON上“翻倍再翻倍”）。S 供給/交付確定性，產能、交期、產品代際節奏（NVDA從Hopper到Blackwell平行、機架級出貨節拍）；對APP是投放面/流量面與管道政策的可預期性。E 生態/標籤確定性，平台化標籤升級與“敘事β”共振（Shiller“敘事經濟學”的直觀證據）。(C) 行為與交易規則買點通常是貝葉斯超拐點（一次指引/財報把“世界觀改寫”，如NVDA 2023/5/24）；兩季以上連續上修；標籤上移（產品→系統/平台）。持有。EPS上修期內允許估值溢價擴張；用“估值-在-後座”的紀律，直到“上修衰減＋供給轉松＋敘事降級”出現2/3。加減，圍繞事件（財報、產品發佈、指數納入（PLTR 2024年9月進標普500）、負面輿情）做衛星倉高拋低吸，核心倉儘量不動。3) 三個案例怎麼對應到框架？A. 輝達（NVDA）超級拐點識別：2023/5/24 指引斷層上修，確認“AI CapEx主導周期”。隨後幾個季度持續放大，把“GPU公司”上移為“機架級AI系統平台”。方法論動作要領：2023/5/24 超級指引確立貝葉斯超級拐點，買高加高，把超拐點當天作為“再定價起點”而非“兌現點”；二階變數，跟蹤HBM/封裝/網路與GB200 NVL72交付節奏來判斷上修持續期；估值退位，只要資料中心上修和訂單能見度未拐頭，靜態PE不具約束力。風險/哨兵，客戶CapEx顯著轉弱、供給顯著過剩、網路範式被替代；（2024-2025年NVDA持續把“平台化”往外延伸——Blackwell與NVLink、乃至更開放的系統介面以適配異構晶片——都是對這些風險的提前避險）。B. Palantir（PLTR）超級貝葉斯拐點逐步兌現，拐點2023年起AIP商業化與Bootcamp加速轉化，隨後多季GAAP盈利，2024/9進入S&P 500；2025年二次上修強化“確定性溢價”。方法論動作要領：“盈利+指數”雙確認後，提高對高倍數的容忍度；用“客戶數/合同價值”與“美國商業/政府雙引擎”驗證持續性；敘事β高時（媒體/賣方一邊倒）謹慎用衛星倉對衝波動。風險/哨兵：政府訂單節奏＋商業客戶滲透放緩、估值擁擠、輿情/政策風險。C. AppLovin（APP）AXON 2.0帶來廣告端的單位效果躍遷，2024年股價“再定價”；2025年Q1/Q2繼續高增＋高利潤；公司聚焦AdTech主業，故事更純方法論動作：演算法代際躍遷=平台化標籤：觀察花費份額、客戶留存/復投與ROI證據；波動管理：遇到空頭報告等“標籤突襲”，以基本面更新頻率為錨（財報/指引/大客戶案例）做衛星倉避險，不輕易動核心倉。風險/哨兵：隱私/生態政策變動（iOS/Android）、管道依賴、極端競爭降價。4) 把“估值放後座”的數理化：上修驅動的估值再錨定一個實用心法：預期回報 ≈ f{（EPS上修強度 × 上修持續期） × 平台/生態加成 × 敘事β} − 風險項。學術上，盈餘意外與分析師上修常常帶來後續收益（所謂PEAD/Revision效應）；現實裡，NVDA/PLTR/APP的多季上修與標準/平台地位疊加，解釋了為何“估值貴”也能繼續走強。5) 可落地的執行手冊是怎麼樣的？① 發現超拐點（Bayes）規則：一次指引或財報改寫“世界觀”（如NVDA 2023/5/24），或兩季連續大幅上修；LR（似然比）>10 則“倉位與倍數容忍同步上調”。② 量化“確定性三雷達”（Tri‑Radar™）D需求客戶預算/CapEx與呼叫量；S供給產能/交期/代際節奏（或演算法與流量側的“供給穩定性”）；E生態介面/工具鏈/客戶留存與開發者熱度。綜合分 S* = 0.35·D + 0.35·S + 0.30·E（階段不同可調）。③ 組合結構：核心＋衛星核心鎖定“W–C>閾值”的贏家（NVDA/PLTR/APP處於此列）。衛星圍繞財報/產品發佈/指數變動/空頭報告等事件做“T+ε”戰術倉位。④ 進出紀律（Snap‑Back™）跟蹤“股價相對未來12M EPS上修”的偏離Z分。Z>+2 且 S*回落→ 先減衛星；Z回均且仍上修 → 加衛星。負面三訊號觸發≥2/3（一致預期下修 + 供給/交付轉松 + 敘事降級）→ 核心降到戰略位。⑤ 觀念升級容許集中度自然膨脹（冪律市場裡，不要機械再平衡）。Bessembinder的統計提醒我們，長期財富主要由極少數“超級贏家”創造。所以，與其“信仰＋忽視靜態估值”，不如把輝達這類冪律贏家放進一套跨學科、可執行的框架裡：從“產業傳導—生態位—行為—交易術—風控”五層一起看。時間軸復盤：該做什麼，而不是該想什麼階段A：預拐點（~2022）動作：在“基本面未壞＋估值被動殺”的階段用小步快跑建底倉；跟蹤雲巨頭AI資本開支指引、CUDA生態活躍度、資料中心訂單/交期這些領先指標，而不是盯PE。階段B：拐點確認（2022Q4–2023Q2）ChatGPT式“殺手級應用”驗證“算力=瓶頸”。策略：買高更要敢加高——拐點後的超預期指引（2023-05-24那一槍）是“二次建倉點”，接受估值抬升的制度性變化（盈利質變→估值體系換軌）。階段C：供給約束牛（2023–2024）供給端（HBM/CoWoS/封測/網路）成為收益率更高的二階變數。動作：圍繞“供給瓶頸—產能擴張—價格/產品Mix”滾動上調盈利；用估計-上修-再超預期節奏做“事件驅動加倉”，而不機械止盈。階段D：平台化鞏固（2024–2025）從“訓練繁榮”過渡到“推理/應用滲透”。動作：堅持“持有到下一條S曲線”，用EPS修正趨勢而非絕對倍數決定倉位；對“見頂焦慮”保持耐心，直到客戶CapEx顯著轉折＋供給過剩這兩個條件同時成立。產業周期視角：三張表的傳導雲巨頭現金流量表→資本開支→NVDA收入/毛利模型需求雷達（Demand）：AWS/Azure/Google/Meta/Tesla等AI相關CapEx/推理支出指引；大模型訓練參數、推理呼叫量、AI廣告/電商ROI回流。供給雷達（Supply）：HBM（SK hynix/Samsung/Micron）產能與良率、TSMC CoWoS產能、整機（OEM/ODM）交期、網路/光模組供給。價格與Mix：新代際（H→B系列等）ASP與軟體/網路附加值；NVLink/InfiniBand/軟體訂閱滲透對結構性毛利的抬升。要點：這是一輪資本開支主導的周期，利潤更受產能與配套決定；因此“看需求曲線斜率＋供給瓶頸強度”比分母估值更有效。產業階段儀表：在那個階段，買什麼、怎麼持？階段 0（探索期）：原型/科研驅動，殺手級應用未現。→ 小倉位“買期權”（LEAPS/權證思想）。階段 1（訓練擴容）：算力即瓶頸，資本開支爆發。→ 買高加高核心平台（NVDA 等），二階受益配比（HBM/網路/整機）。階段 2（推理解鎖）：呼叫量爆增、成本曲線快速下行。→ 增配系統與軟體訂閱受益、觀察“通用→專用”分化。階段 3（平台化/標準化）：生態定型、系統級整合抬升毛利。→ 持有至“下一條 S 曲線”（新架構/新介質/新網路）。階段 4（通用化/替代壓力）：價格競爭、專用 ASIC 滲透。→ 降權重、轉向“規模低價 + 服務化”贏家與應用龍頭。階段切換以三訊號判定：（A）雲 CapEx 斜率變更＋（B）供給瓶頸緩/轉＋（C）生態/標準落錘。≥2/3 同向即視為階段遷移。3) 競爭格局：四道護城河＋三類威脅護城河軟體/CUDA堆疊（編譯器、庫、框架最佳化）→開發者鎖定與後向相容；系統工程（GPU架構＋NVLink/NVSwitch＋網路）→從晶片到機架級協同；供應鏈協同（TSMC先進封裝、HBM繫結產能）→稀缺產能優先權；生態共生（ISV、系統整合商、雲市場化SKU）→“平台化”議價力。三類威脅：A) 定製ASIC/自研（TPU/Trainium 等）：威脅集中在規模最大、演算法相對穩定的工作負載；B) 通用CPU/低價GPU做推理：對長尾、低延遲場景更敏感；C) 開源編譯/中間層繞過：降低軟體鎖定度。應對之道：用“Total System Cost of Ownership”統一口徑比較，關注系統級吞吐/瓦/美元，而不是單晶片TFLOPS。4) 確定性金字塔（從底到頂）約束確定性：供給瓶頸（HBM/CoWos封裝）→短中期供需偏緊；客戶確定性：雲巨頭/網際網路平台的多年CapEx承諾與部署節奏；生態確定性：CUDA與工具鏈勢能、ISV適配度、開發者遷移成本；產品節奏確定性：代際Roadmap與“性能/功耗/記憶體頻寬”躍遷；財務確定性：訂單能見度、毛利結構改善、費用率紀律。倉位規則：確定性≥3層上漲→維持/加碼；跌破2層並伴隨EPS下修→減倉。5) 投資“標籤度”：敘事β的可交易化標籤清晰度從“GPU公司”→“AI基礎設施平台”→“AI作業系統＋機架級系統公司”。共鳴度指標新聞佔比、財報提及“AI/推理/推理即服務”的頻次、開發者大會熱度、Google Trends、GitHub/ArXiv等開放資料。切換時點每次標籤上移（定位抬升）通常對應倍數再評價的窗口；反之，當標籤開始分裂（“成本中心”敘事抬頭）要謹慎。6) 生態位、紅皇后與共生生態位，NVDA佔據“通用加速—多樣工作負載”的寬生態位；路徑依賴來自CUDA與工具鏈沉澱。紅皇后動態，競爭者與客戶自研都在奔跑；平台方必須用代際躍遷＋系統工程＋軟體堆疊維持適應度領先。共生關係，TSMC/HBM廠商/高速網路/整機廠與之互利共生，“優先配額”形成繁殖優勢（份額與毛利的累積效應）。突變事件，若出現“範式突變”（例如更適配推理的低功耗體系）→先看生態可遷移性與編譯層適配速度。7) 行為金融：讓自己不“聰明反被聰明誤”錯殺/錨定把2020以前的倍數當錨會錯過“質變估值”。過度分散冪律分佈要求容許頭部持倉膨脹；“把10%讓它長到30%”往往是賺“大錢”的必要條件。過度擇時頂/底難以預測，順著EPS上修與價格動量比預測宏觀更有效。兌現衝動機械“翻倍就減半”能鎖住小勝、錯過大勝；更好的辦法是圍繞核心頭寸適度高拋低吸，而非砍核心。8) 交易與倉位：如何“賺到更多更大的錢”P（優先順序/持倉權重） = f〔D·需求指數化 × S·供給稀缺 × L·標籤化估值 × B·貝葉斯斷層訊號〕，其中 D、S、L、B 皆可量化打分，並隨產業階段動態調權。D｜需求指數化（Demand Indexing）核心客戶（雲巨頭/AI平台）把“AI/算力”從項目制變成預算指數化的長期投入；以CapEx 斜率 + 使用/呼叫量作為領航指標。頂級客戶 CapEx 同比增速、指引上修幅度與覆蓋面（家數）；關鍵應用呼叫量/訓練參數/推理請求量 proxy（可用公開披露與第三方指數替代）。S｜供給稀缺（Supply Scarcity）系統瓶頸（HBM/先進封裝/高端網路/電力）導致交付受限且可持續，使龍頭享有配額與定價權。CoWoS/封裝稼動率與交期變化、HBM 訂單鎖定比例、ASP 方向；機架/網路側的交付瓶頸與替代難度（InfiniBand/高端以太、液冷等）。L｜“標籤化”估值（Label‑Driven Multiple）從“晶片公司”躍遷為“機架級 AI 系統平台 / 行業標準持有者”，敘事上移帶動倍數再評價。“平台/系統/標準/訂閱”在財報與大會中的提及密度與落地證據；開發者/ISV 生態活躍度、客戶鎖定/遷移成本指標；指數納入/權重提升等“標籤強化”事件。B｜貝葉斯“斷層”訊號（Bayesian Break）單次或連續幾次資訊流徹底改寫先驗（例如 2023‑05‑24 的指引斷層）。設定兩個假設 H（進入指數期）與 ¬H（線性期），計算似然比 LR = P(D|H)/P(D|¬H)。當 LR ≥ 10 進入“超拐點”——倉位與倍數容忍同步上調。單季/單次指引超預期 Z 分（相對歷史分佈的分位數）、環環/同同增速斷層、客戶多點共振（≥2 家雲巨頭同步上修）。結構化持倉，核心長期＋戰術衛星。核心不輕易動；衛星圍繞財報/產品發佈/產能新聞做事件驅動與波段。估值的“新錨”，用FCF/營收與雲CapEx的彈性、系統級毛利上修做錨，而非靜態PE。期權工具（進階），在“拐點確認後—供給仍緊”的階段，用長天期LEAPS＋滾動減Gamma提高資本效率；或避險式領口/對敲管理回撤。風控，用三訊號減倉法——(1) EPS一致預期三周連續下修；(2) 供給轉“顯性過剩”（交期顯著回落＋價格鬆動）；(3) 敘事從“增長—平台”滑向“成本—替代”。觸發≥2/3再動刀。操作十誡（濃縮為可執行清單）:先驗小、證據大：用 LR 累積證據，不憑主觀看空/看頂。估值服從平台化：冪律期看 P/E∗P/E^*P/E 抬升 × EPS 上修，別用靜態倍數止盈。容許集中：10%→30% 靠“事實得分”與“風險預算”，而非“等權回呼”。久期優先：核心久期 + 事件價差；不賣上行 gamma。雙閘管理：價格閘=回歸帶；基本面閘=兩鑰匙。只在“事實”上賣：份額/交付/ASP/ROI/生態連貫惡化才系統降配。替代門禁：tokens-per-$ 優勢≥25% + 規模訂單 → 先降槓桿。狀態機：訓練→混合→推理/應用，用 D、P 的變形率判斷相位。回撤紀律：先減槓桿、後動久期；擁擠峰值不輕易清空核心。10. 復盤閉環：每次“放/收”都留證據鏈，回測“放任 vs 修剪”的長期差異。所以，在“贏家—確定性”主導的時代，估值只是結果變數。 把注意力放在超拐點發現、持續上修驗證、平台化標籤升級與紀律化的持有/加減上，你就更有機會在NVDA/PLTR/APP這類資產上，不僅賺到“對的方向”的錢，更能賺到“足夠多、足夠大的錢”。 (貝葉斯之美)

就在剛剛，Verses團隊研發的Genius智能體，在Pong中超越了人類頂尖玩家！而且它僅僅訓練2小時，用了1/10資料，就秒殺了其他頂級AI模型。 最近，Verses團隊在AI領域投下了一枚重磅炸彈，他們自研的Genius智能體，創造了一個幾乎不可能的奇蹟—— 只用10%資料，訓練2小時，就能打造出最強AI智能體！ 在經典遊戲Pong中，Genius智能體多次達到完美的20分，一舉超越了苦練數天的其他AI，和頂尖的人類玩家。

2022年，ChatGPT問世。 一經出現便掀起滔天巨浪。 如果你跟ChatGPT聊過天，一定會震撼於它所涉獵極廣： 既能創造詩歌，也能修改代碼。