供应链分析
产业链结构、上下游与瓶颈环节研究 · 共 1315 条 · 滚到底自动加载更多
-
澄清供应链映射简化，补充COHR等潜在供应商及谷歌多源采购。
是的，只是想补充一个免责声明：这是对可能供应链的极度简化映射。 $COHR、Eoptolink 或 Fabrinet 很可能也是。在输入端方面，JX/Sumitomo/AXTI 也是。如果你再往上游追溯一级，Vital 也许也是。 $GOOGL 肯定使用许多来源。
英文原文
Yes, just wanted to add a disclaimer: this is an extremely oversimplified mapping of the likely supply chain. $COHR, Eoptolink, or Fabrinet are likely too. Alongside JX/Sumitomo/AXTI on the inp side. Maybe Vital if you go one level higher upstream. $GOOGL definitely uses many sources.
-
对比摩根士丹利与麦格理对三星及SK海力士营收预测，前者更保守。
摩根士丹利(Morgan Stanley)对SK海力士(SK Hynix)和三星(Samsung)的预测看起来更接地气一些。 摩根士丹利 vs. 麦格理(Macquarie)关于三星的预测： 2026年：约1820亿美元 vs. 约2108亿美元 2027年：约2351亿美元 vs. 约3337亿美元 SK海力士： 约1329亿美元 vs. 约1905亿美元 约1670亿美元 vs. 约3128亿美元（哇） 麦格理在各方面都显著更乐观，他们对SK海力士2027财年的预测简直完全是另一个世界了，哈哈。
英文原文
Morgan Stanley's projections here seem a bit more grounded on Sk Hynix/Samsung. MS vs. Macquarie on Samsung 2026: ~$182.0B USD vs. ~$210.8B USD 2027: ~$235.1B USD vs. ~$333.7B USD SK Hynix: ~$132.9B USD vs. ~$190.5B USD ~$167.0B USD vs. ~$312.8B USD (wow) Macquarie is significantly more bullish across the board and their projections for SK Hynix in FY2027 are in a completely different world lol.
-
看好光子学、内存、先进封装及电网板块，因超大规模云服务商投资集中于此。
我对光子学(Photonics)、内存(Memory)、先进封装(Advanced Packaging)以及美国的电力/电网(Sector)板块个人非常看好！ 超大规模云服务商(Hyperscalers)日益增长的投资全部流向这些领域。毕竟资金最终总要流向某处，因此我认为上述提到的股票群体将受益最大（成为首选标的）。
英文原文
フォトニクス、メモリ、先端パッケージング、それに米国の電力／グリッドセクター、個人的にめちゃくちゃ期待してます！ ハイパースケーラーの増大する投資は全部そこに向かってますからね。資金は結局どこかに流れるわけじゃないですか？だから、上に挙がってる銘柄群が最大の恩恵を受ける（大本命になる）と思います
-
简街资本因错判贝莱德韩国指数期权波动率而面临亏损风险。
@MansaTrader 简街资本(Jane Street)很可能是贝莱德(BlackRock)韩国指数基金的对手方。他们在2028年期权链上错误定价了隐含波动率(Implied Volatility)。仅波动率风险敞口(Vega)的扩张就足以在一周内使期权价值翻倍，而隐含波动率的快速上升通常会导致做市商(Market Makers)亏损。
英文原文
@MansaTrader Jane Street is the likely counterparty of the Blackrock’s South Korea Index. They mispriced IV on the 2028 option chain. Vega expansion alone would have doubled option values in a week and rapid IV increases typically cause a loss to MMs.
-
指出电力与半导体是主要瓶颈，并赞赏对方对术语的严谨态度。
@darydayani 电力、半导体(Semiconductors)以及其他瓶颈*。 但我很欣赏这种语义上的严谨。
英文原文
@darydayani Power, Semis, and other bottlenecks*. But appreciate the semantics
-
SK海力士三星创新高，AI算力产业链迎世代财富机遇。
满眼皆是绿色（上涨）。SK海力士、三星（以及大概率 $EWY）今日均创历史新高。人工智能正在为算力（电力、瓶颈环节和半导体）的未来拥有者带来世代财富。
英文原文
It’s just an endless sea of green. SK Hynix, Samsung (and likely $EWY) are all time highs today. AI is bringing generational wealth to the future owners of compute (Power, Bottlenecks, and Semis). https://t.co/igFzY9whEB
-
类比Toto和Yamamura，分析内存与光子学供应链瓶颈。
@hanbonjovi 在内存领域，确实存在与 Toto（马桶制造商）的相似之处。但在光子学领域，则是 Yamamura（瓶子制造商）。https://t.co/mG5BReQw7
英文原文
@hanbonjovi There’s definitely parallels to Toto the toilet maker for memory. But Yamamura, the bottlemaker for photonics. https://t.co/mGg5BReQw7
-
光子学2028年放量，存储需求结构性强劲且具定价权。
关于光子学(Photonics)的好问题，你可以看到2028年起会有大规模扩张。现在是2026年，市场正在提前定价预期（$LITE的利润目前不算高，但随着Google TPU等项目及其他应用的规模扩大，预计未来几年利润将激增）。 对于存储(Memory)，你看到它现在正体现在资产负债表上，净利润同比增长约300%。预计这种势头将持续到2028年。 在我看来，存储需求是结构性的，他们将在2028年晚些时候之前保持很强的定价权。
英文原文
Good question for photonics you can see major scale up 2028 onward. It’s 2026 now and things are just getting priced in anticipation ( $LITE profits aren’t exactly high, but they’re expected to balloon in a few years as Google TPU programs and others scale up). For memory you see it hitting the balance sheet now as net income increases like 300% Y/Y. This is expected to last well into 2028. Memory demand is structural and they’ll maintain a lot of pricing power into late 2028 though imo.
-
分析AI供应链中关键海外垄断厂商及美国本土瓶颈环节的投资逻辑。
哈哈 https://t.co/8i18XOIKK7 我重点关注的海外股票摘要： 1. 日本帝人博谢(Nitto Boseki) - T-玻璃(T-Glass) 2. 台湾欣兴电子(Unimicron) - 基板/玻璃基板(Substrates/Glass Core) 3. 三星/SK海力士 - 高带宽内存(HBM) 4. 日本铠侠(Kioxia) - 与 $SNDK 合作的 NAND 闪存 5. 台湾南亚科技(Nanya Technologies) - 内存 我通常更偏好做多美国供应链，如 $INTC (晶圆代工)、$MU (内存) 或 $LPTH (锗)，因为它们具备“美国制造”的瓶颈优势及供应链地位。但这些海外公司要么对整个人工智能(AI)基础设施建设至关重要，要么能捕获大量溢出需求。 如果你想知道如何投资海外市场？ - $IBKR 像帝人博谢这样的公司有美国场外交易(OTC)等价物，如 $NBCLF。如果你使用 Robinhood，$EWY / $FLKR 可以提供对韩国大型内存公司的敞口。 像帝人博谢这样的公司接近垄断，因此这是我特意去投资的极少数海外公司。
英文原文
lol https://t.co/8i18XOIKK7
-
建议AI实验室实施KYC验证以遏制模型蒸馏风险。
今天，Anthropic 点名批评了 DeepSeek、Moonshot 和 Minimax 的蒸馏行为。 OpenAI 也面临中国实验室同样的问题。 没人做的最愚蠢的修复方案： KYC 验证。 从 $HOOD 到 $IBKR 的每家金融机构都这样做以追踪资金流向（例如 Persona 自拍/ID）。 同样的规则应适用于 token 流。 美国前沿实验室应尽快对其最新模型实施此措施。 我确信他们关心无摩擦增长，但这关乎国家安全风险，且个人/企业只需经历一次此流程。 这是最容易在一天内完成的修复方案。 如果不这样做，中国实验室将继续找到绕过方法。
英文原文
Today, Anthropic called out DeepSeek, Moonshot, and Minimax for distillation. OpenAI has also faced the same issues with Chinese labs. The most braindead fix nobody is doing: KYC verification. Every financial institution from $HOOD to $IBKR does this to track flow of funds (eg. Persona selfie / ID) Same should apply to token flows. American Frontier Labs should start doing this soon for their latest models. I'm sure they care about frictionless growth, but this is national security at risk and people/enterprises only need to go through this process once. This is by far the easiest fix that can be done in a day. Chinese labs will continue to find bypasses if this is not done.
-
市场资金从虚高标的轮动至超大规模云厂商资本支出相关的电力与半导体板块。
@rioferdy838 如果市场将许多估值虚高的标的轮动到超大规模云服务商资本支出(Capex)交易中的电力股和半导体股，这并不令人惊讶。
英文原文
@rioferdy838 Not surprising if market rotated a lot of the inflated names into the hyperscaler capex trade in power names and semis
-
解析$EWY波动率错配引发的Vega扩张现象。
这是波动率错配引发的 Vega 扩张（Vega expansion）的实际表现。 $EWY 的隐含波动率（Implied Volatility, IV）指数下降。 整个长期期权链（Long term option chain）上涨。 https://t.co/EEuYTCyxYH
英文原文
This is Vega expansion in action from volatility mispricing. $EWY SK index down. Entire long term option chain up. https://t.co/EEuYTCyxYH
-
波动率交易因间接结构导致三星/SK海力士敞口远超50%上限。
虽然存在相关敞口，但波动率交易策略追求的是对三星/SK海力士的最大化敞口。基本上我发现它通过间接的通道结构间接地大幅超过了上限。人们常犯的错误是认为上限为50%（波动率降低），但像SK Square这样的公司基本上就是SK海力士的控股公司。三星电子也通过其他三星公司几乎被多次计入。随着市值上升，权重越来越向它们倾斜，而不是对两者都限制在50%。
英文原文
There’s exposure to those but the volatility trade is wanting max exposure to Samsung / SK Hynix. Basically I found it inadvertently largely exceeds the cap through indirect pass-through structures. And people make the mistake thinking it caps out at 50% (volatility gets lower) but companies like SK Square are basically a SK Hynix holding company. And Samsung Electronics is practically listed multiple times through other Samsung companies. As the marketcaps go up, it increasingly becomes weighted toward them, not capped at 50% for them both.
-
看好未来两年韩国股市及SK海力士、三星估值重估。
@Michael_Tran_90 你自己做决定！我最近发布了一篇关于 $EWY 波动率扩张的更新，我认为在接下来的两年里，韩国综合股价指数(KOSPI)、SK海力士/三星的估值将得到强劲重估。
英文原文
@Michael_Tran_90 Make that decision yourself! I posted an update on $EWY volatility expansion recently and I do see KOSPI, SK Hynix/Samsung being strongly rerated over the next two years.
-
电力成美国AI最大瓶颈，看好$XLU因降息及基建资本支出重估。
美国AI最大的瓶颈： 电力与电网容量。 最近，美国各大AI公司的CEO都反复强调这一点。 以下是从$MSFT到$AMZN的名单： 黄仁勋（$NVDA）：“在最底层：能源。中国的能源总量是我们的两倍，而我们的经济体量比他们大。这对我来说毫无道理……没有能源，你就无法发展任何新产业。”（CSIS活动） 埃隆·马斯克（$TSLA / xAI）：“价值数十亿美元的最先进AI硬件。处于闲置状态。不是因为芯片不工作。而是因为电力不足，无法运行它们。”（最近播客） 山姆·阿尔特曼（OpenAI）：“满足全球AI需求最终需要数百吉瓦的电力。谁控制了电力，谁就控制了AI价值链。”（最近采访） 安迪·贾西（$AMZN）：“[我们]最大的单一制约因素是电力。我不相信我们在几个季度内就能完全解决我们所需的需求容量。”（亚马逊财报电话会议） 萨提亚·纳德拉（$MSFT）：“我们现在面临的最大问题不是算力过剩，而是电力。也就是能否在靠近电力的地方快速完成建设。如果你做不到，你可能会有一堆无法插电使用的芯片库存。”（BG2 Pod） 每一位美国AI实验室的CEO都在告诉你美国人工智能的主要瓶颈是什么： 发电和扩大电网。 因此，我们可能会看到$XLU中无聊的公用事业和电力生产商因为以下原因被强烈重估： 1. AI推理+训练极端扩张以及对GW级数据中心的需求。 2. 超大规模云厂商向该领域投入极端资本支出。 3. 降息顺风。 最重要的是： 作为一个国家，美国必须重建其电网以赢得地缘政治军备竞赛。 （该推文引用了 @aleabitoreddit 的推文，引用内容仅供理解语境）: 如果我要在1年内将$10万变成$100万。 我会选择：$XLU 2年期虚值看涨期权 2026年是现代历史上市场首次同时具备： - 利率下降 - AI推理+建设 通过映射，XLU有潜在~40%的涨幅（虚值期权1000%+）。 这是我的宏观论点： 1. 降息 当美联储在不引发衰退的情况下降息时，公用事业债务成本降低，机构将低收益现金转向公用事业股息。 这导致估值倍数立即扩张： 1995年：标普公用事业板块在1995年回报+31.3%，1996年再+12.1% - 累计回报~47% 2019年中周期降息：结果：XLU在那一年产生了+25.9%的总回报 标准的软着陆降息周期自然映射到25%到30%的基准回报。而我们要进入2026年的新降息周期。 2. 基础设施超级周期资本支出 基础设施资本支出为该板块带来复合盈利增长。继2000年代初之后，公用事业进入了一个巨大的资本支出周期以现代化老化的电网基础设施。 因为他们不断支出并扩大其保证费率基数，XLU在2004年回报+23.5%，2005年+16.3%，2006年+20.8%，2007年+18.4%。 然而这一次： 2026年8000多亿美元的AI建设使得2004年的电网现代化看起来像零钱。 所以你有来自#1降息的估值倍数扩张（+15%到+20%）。来自#2资本支出历史数据的每股收益增长（+18%到+20%）。仅从历史教训来看。 但2026年是历史上AI使用最独特的时刻。 仅从我自己的模型预测来看，所有以前的估计可能都因AI极端扩张而错误（例如DOE/LBNL预测）： 超大规模云厂商资本支出流入（支出）（亚马逊、微软、Meta、谷歌、甲骨文）到数据中心估计： 2024年：2200亿美元 2025年：3500亿美元 2026年：5500亿美元 2027年：8000亿美元 2028年：1.2万亿美元（4年增长：+445%） 美国数据中心电力使用： 2024年：190 TWh 2025年：280 TWh 2026年：430 TWh 2027年：650 TWh 2028年：980 TWh（4年增长：+415%） AI消耗的总美国电力百分比： 2024年：美国电网的4.5% 2025年：6.6% 2026年：8.2-10.2% 2027年：13.4-15.4% 2028年：21.3-23.3% 劳伦斯伯克利国家实验室和能源部似乎在AI使用上偏离了（他们预测到2028年约为12%） 物理电网容量需求： 2024年：18 GW 2025年：35 GW 2026年：65 GW 2027年：105 GW 2028年：160 GW 基本上你可以看到2026年到2028年是拐点，而2024-2025年是爬坡的缓慢年份。 然后是独立公司的“绝望溢价”。因为电网容量已售罄，科技巨头向公用事业支付巨额溢价以插队。例如PJM互联（弗吉尼亚“数据中心巷”），容量价格从2024年的每兆瓦日28.92美元飙升至2026/2027年令人难以置信的329.17美元。 $VST或Constellation是ETF中独立电力生产商的大权重。 纵观全局，你可以看到从2026年（现在）到2028年的极端扩张，以及用于建设基础设施的极端资本支出，与往年相比。 2026年是现代市场历史上第一次所有因素同时为无聊的电网/电力板块发力，AI是最大的顺风。 正如埃隆所引用的：“价值数十亿美元的最先进硬件。处于闲置状态。不是因为芯片不工作。而是因为电力不足，无法运行它们”。 再次强调，2026年是一个绝对的历史异常值，由于AI和做市商已将历史隐含波动率（极度平坦~14%-16%）计入虚值看涨期权。 我们看到AI推理（超出之前的测量）以及训练（根据OpenAI今天的报告）的爆发。 所以地球上最无聊的板块（电力/电网），可能会因为超大规模云厂商/政府支出用于电网改进 -> AI推理/训练的极端电力消耗 -> 降息和其他因素，成为主要反弹的起点。 这只是我的个人论点，期权带有风险并放大下行风险。这些也是我自己的预测，不确定是否会超过或低于它们。 但基本上： 2026年是一个绝对的历史异常值。 美国的新瓶颈是电力。 来自AI的极端需求，极端资本支出，降息： $XLU看起来是最好的暴露交易。 时间会证明这是否正确与否。
英文原文
The biggest United States AI bottleneck: Power and Grid Capacity. This has been echoed by the CEOs of every major US AI company recently. Here's the list from $MSFT to $AMZN: Jensen Huang ( $NVDA ): "At the lowest level: energy. China has twice the amount of energy we have as a nation, and our economy is larger than theirs. It makes no sense to me... There are no new industries you can grow without energy." (CSIS event) Elon Musk ( $TSLA / xAI): "Billions of dollars of the most advanced AI hardware ever built. Sitting dark. Not because the chips don’t work. Because there isn’t enough electricity to run them." (Recent Podcast) Sam Altman (OpenAI): "Meeting global AI demand will eventually require hundreds of gigawatts of power. Whoever controls power controls the AI value chain." (Recent Interview) Andy Jassy ( $AMZN ): "[Our] single biggest constraint is power. I don't believe that we will have fully resolved the amount of capacity we need for the demand that we have in a couple of quarters." (Amazon Earnings Call) Satya Nadella ( $MSFT ): "The biggest issue we are now having is not a compute glut, but it's power. It's sort of the ability to get the builds done fast enough close to power. So, if you can't do that, you may actually have a bunch of chips sitting in inventory that I can't plug in." (BG2 Pod) You have every single CEO of American AI labs telling you what the major bottlenecks are for US Artificial Intelligence: Generating the Energy, and expanding the Grid. So, we might see boring utilities and power producers in $XLU be strongly re-rated because of: 1. AI inference + training extreme ramp and demand for GW-scale DCs. 2. Hyperscaler extreme capex pouring into the sector. 3. Rate Cut tailwinds. And most of all. That fact that: The United States as a country has to rebuild its grid to win a geopolitical arms race.
-
杰文斯悖论致AI算力需求增，Talaas硬件固化适合边缘而非前沿模型。
@luke_judges 没错，正是杰文斯悖论(Jevons Paradox)。如果成本下降，就会消耗更多的训练/推理资源。另外，我认为 Talaas 似乎被过度炒作了，但为小型静态模型进行硬件固化(hardwiring)确实非常酷。也许适用于边缘(edge)用例。但不适用于需要巨大吉瓦(GW)级功耗的前沿(frontier)模型。
英文原文
@luke_judges Yep spot on, jevons paradox. Just use up more training/inference if costs drops. Also my opinion is taalas seems overhyped but hardwriring a small static model is incredibly cool. Maybe for edge use cases. But not for frontier models which require enormous GW power usage.
-
AWS限制AI代理应用，本地裸机部署成趋势
这是一个没有技术背景的作家会忽略的细微观点： - 像 AWS 这样的云 TOS（终端操作系统）会阻止许多与代理（Agent）相关的应用，因此你需要在本地运行服务器。 例如，如果你打算用 AI 代理做营销，AWS 会终止你的实例，所以这必须仅在本地运行。 - 平台知道虚拟机（VM）并能检测虚拟机管理程序指纹。裸机（Baremetal）对于 AI 自动化来说可以绕过检测。 这是针对 AI 集群（Swarm）的情况，而不是在一台设备上运行多个实例。 - 为每个代理提供隔离环境。给予 openclaw 根权限存在危险，可能会摧毁多个环境。 - 树莓派（Raspberry Pi）用于编排带有轻量级 openclaw 版本的 LLM，而不是运行推理。
英文原文
It's a nuanced point that writers without a technical background miss: - Cloud TOS like AWS prevents many agentic related applications, so you need to run servers locally For example if you're going to do marketing with AI agents, AWS terminate your instance, so this needs to be local only. - Platforms know VMs and detect hypervisor fingerprinting. Baremetal pis for AI automation bypass detection This is for AI Swarm cases, not running multiple instances one one device. - isolated environments for each agent. there's dangers in giving openclaw root access nuking multiple environments - Raspberry Pi is for orchestration of LLMs with lightweight openclaw versions. not running inference.
-
博主确认存在类似低效现象，并指出近期在韩国市场发现了特定低效环节。
@unearthfinance 没错！市面上还有类似的情况。我最近一直在关注韩国市场，并特别注意到了这种低效现象。
英文原文
@unearthfinance Yep! There's others like this out there too. I've just been looking at South Korea markets a lot recently and noticed this inefficiency in specific.
-
AI从训练转向推理，电网成新瓶颈，电力股或迎起飞。
好问题！答案是宏观/芯片。2023-2024年AI起步时，美联储将利率大幅上调至5%+。公用事业股通常类似债券替代品，因为基建背负大量债务。当时最佳选择是$NVDA，因为硅/芯片短缺。2023年市场不太关心电网电力，因为服务器尚未联网。但现在Mag7囤积的数百万芯片终于开始运行。虽然$TSM仍是瓶颈，但美国电网可能是最大瓶颈之一。此外，我们从训练（约占AI电力预期的10-15%）转向推理，后者由数十亿人24/7使用。因此，在去年降息、今年进一步降息以及前所未有的推理扩张后，现在可能是电力/电网起飞的时候。
英文原文
Great question! Answer to that is macro/chips. 2023, 2024 when AI first started taking off, fed was jacking rates up to 5%+. Utilities are often kinda like bond proxies since they carry a lot of debt for infra buildout. Best play then was $NVDA since silicon/chips were in shortage. Market didnt really care about grid power back in 2023 because servers weren' connected. But now there's millions of chips hoarded by mag7 that are finally getting turned on. So while $TSM is still a bottleneck, US power grid is likely one of the biggest ones. Also we've shifted from training (which was like 10-15% of AI power expectancy) into inference, which just runs 24/7 used by billions of people. So after rate cuts last year, more this year, and just unprecedented inference expansion, probably now is the time for power/grid to take off.
-
超大规模云厂商负债投入AI基建，资金流向英伟达等上游供应商。
@LuffyDDK 他们真的在负债 lol 世界上最富有的公司正在为人工智能基础设施建设而负债。 尽管拥有数百亿美元的净利润，从 $AMZN 到 $GOOGL 的公司都大幅增加了资本支出(capex)： 以至于部分公司预计将在 2026 年出现净现金流出。 以下是结果及受益者： 亚马逊 ( $AMZN ) 2025: +460 亿美元 2026 (预估): +110 亿美元 Alphabet ( $GOOGL ) 2025: +803 亿美元 2026 (预估): +130 亿美元 Meta Platforms ( $META ) - 净债务(Net Debt) 2025: +229 亿美元 2026 (预估): -70 亿美元 (预计转为净债务) 微软 ( $MSFT ) 2025: +492 亿美元 2026 (预估): +590 亿美元 甲骨文 ( $ORCL ) 2025: -980 亿美元 (净债务) 2026 (预估): -1150 亿美元 微软似乎处于最安全的位置。虽然亚马逊和谷歌主要依靠运营收入为人工智能基础设施建设提供资金。 然而，巨大的现金流缓冲已消失。甲骨文和 Meta 似乎正在通过负债来推动建设，尽管 $META 实现了惊人的运营收入数字。 现在，资金流向哪里？ 运营收入预测： 1. $NVDA - 美国 1350 亿 -> 1865 亿 -> 2401 亿美元运营收入 2. 三星 - 韩国 ~302 亿 -> ~1700 亿 -> ~2267 亿美元 3. SK 海力士 - 韩国 ~327 亿 -> ~1240 亿 -> ~1610 亿美元 4. $TSM - 台湾 ~622 亿 -> ~863 亿 - ~1033 亿 – 1053 亿美元 5. $AVGO - 美国 ~415 亿 -> ~628 亿-651 亿 - ~847 亿-933 亿美元 当然，这些是基于分析师预测的粗略估计。 然而，从总体趋势来看，这看起来像是一种杠杆式赌注，即人工智能基础设施建设完成后将带来自由现金流(FCF)的分红回报。 但明显的赢家似乎是英伟达、三星、SK 海力士、博通和台积电。 随着超大规模云服务商(hyperscalers)中部分公司陷入债务，他们将资产负债表转移给这些供应商，期望从人工智能支出中获得长期投资回报率(ROI)。
英文原文
@LuffyDDK They literally are going into debt lol https://t.co/A4KDf93pYk
-
受马斯克采访启发，预计机构将轮动至电力电网板块。
谢谢，看到埃隆·马斯克关于电力是瓶颈的采访有助于建立一些信念。鉴于他正在运营一家人工智能公司，他通常在这些事情上方向正确。我猜测机构可能会在未来一年半内轮动进入电力/电网领域，如 $XLU。
英文原文
Thanks, seeing the Elon Musk interview regarding power as a bottleneck helped build some conviction. Here's usually directionally right about things given he's running an AI company.. My guess is instituions might rotate into electricity/grid like $XLU over the next year and half.
-
ETF持仓具定价权，电力供应未绕开公用事业。
@DavidLiaoCH @r0ck3t23 ETF 中很大一部分持仓是独立公司，拥有更强的定价权。此外，这并非完全绕过公用事业，指数中的公司（如 $VST）仍直接从这些公司获取电力。
英文原文
@DavidLiaoCH @r0ck3t23 Large % of concentration of the etf are independent that have more pricing pricing power Also it’s not quite bypassing utility, they still get the power directly from companies like $VST in the index
-
AI存储周期致$EWY隐含波动率被低估，存在结构性错配机会。
71%的隐含波动率(IV) $MU（1周期限）。 对比 40%的隐含波动率(IV) $EWY（同日）。 只是抛砖引玉……2028年价外(OTM)的LEAPS期权受益于这种百年一遇的隐含波动率错配。 这是由AI存储超级周期带来的结构性转变。 尤其是当做市商(MMs)参考韩国过去10年走势平坦的历史数据时。
英文原文
71% IV $MU (1 week) volatility. vs. 40% IV $EWY (same day) volatility. Just putting it out there… 2028 OTM leaps benefit from once a generation IV volatility mispricing. This is a structural shift from AI memory supercycle. Especially when MMs are looking at historical 10 year flat periods for Korea.
-
AXTI与住友垄断InP衬底，成AI光子化关键瓶颈。
你听劝了吗，匿名者？- $AXTI https://t.co/Pcuu4M3muO （该推文引用了 @aleabitoreddit 的推文，引用内容仅供理解语境）： 警告：整个AI行业可能会受制于两家公司的瓶颈： 1. $AXTI（市值7亿美元） 2. $SMTOY（市值317亿美元） 这两家公司控制了全球60-70%以上的磷化铟(InP)衬底市场。 未来的$NVDA、$GOOGL TPU v7集群、$META、$MSFT、$AMZN超大规模数据中心集群都需要基于磷化铟(InP)的激光器和接收器。 $AVGO、$LITE、$COHR使用磷化铟(InP)制造用于800G/1.6T光收发器的电吸收调制激光器(EML)、分布反馈(DFB)激光器和其他光基础设施。 如果没有磷化铟(InP)衬底，供应链就会瘫痪。 在查看了从TPU到Maia的物料清单(BOM)后，看起来未来的专用集成电路(ASIC)+GPU+超大规模部署严重依赖光子学。 而这两家供应商可能会冻结全球磷化铟(InP)衬底市场，涵盖几乎所有领域： - 超大规模光模块（TPU集群等） - 光收发器（5g，数据） - 激光雷达(LiDAR)（自动驾驶出租车，无人机，军事） - 光模块（互连集群） - 硅光子学激光芯片（Nvidia未来的共封装光学(CPO)和Intel/Broadcom硅光子学(SiPh)引擎使用磷化铟(InP)连续波激光阵列。） 由于这些公司占据了市场供应的大多数： -AXTI（估计~30-35%） -住友电工(Sumitomo)（估计~30%） - JX日矿（估计10-15%） 就这些。（例如，Yole 2021年的行业报告指出“住友电工+AXT共同拥有‘超过75%’的磷化铟(InP)衬底市场”） 超大规模/AI正在向光子学发展，但整个AI行业是脆弱的。 如果$AXTI或$SMTOY中的任何一家停止供应材料，整个未来的AI建设就会瘫痪。更疯狂的是，一家7亿美元的公司可能成为这一切的中心。 随着AI行业向光子学转变，磷化铟(InP)衬底可能会与高带宽内存(HMB)一起成为最大的瓶颈之一。
英文原文
Did you listen anon? - $AXTI https://t.co/Pcuu4M3muO
-
批评银行垄断阻碍加密创新，呼吁允许持牌非银机构参与。
我同意这个观点。法案可能会达成某种妥协，通过美元化（贝森特正在推动的方向）来加速美国利益。但这不应只是制造另一个银行瓶颈，并禁止非银行竞争对手创建产品。问题在于，摩根大通($JPM)等机构告诉人们，如果想创建产品就“变成银行”，但这有害，因为： - 银行游说延迟加密公司成为银行 - 并非每家金融科技(Fintech)都有资本成为银行。 应促进美国创新，允许持有货币传输许可证(MTL)等受监管的公司创建金融产品。不应只是让恐龙般的银行将他人列入黑名单，然后指望改变。
英文原文
In agreement here. There’s likely some compromise where the bill accelerates American interest with dollarization (what bessent is pushing). While not just creating another bank chokepoint and banning any competitors from creating products if they’re not a bank. The issue is JPM and others are telling people “just become a bank” if you want to create products but this is harmful because discretely - banks are lobbying for delays on crypto companies becoming banks - not every fintech has the capital to become a bank. Should promote American innovation allowing regulated companies with MTLs and others to create financial products. Not just have dinosaur banks blacklist others from doing so and then expecting change
-
独立电力公司具定价权，AI需求推动电网扩张。
@adenois 几点补充，$CEG、$VVST 等是独立公司，因此拥有更强的定价权。它们在 $XLU 的集中度中占比较大，且电力容量价格正在飙升。随着 AI 的发展，需求确实大于供应，Magnificent Seven（科技七巨头）正在为这一历史性的电网扩张提供主要资金。
英文原文
@adenois few things, $CEG, $VVST and others are independent so they have more pricing power. they're also a large % of $XLU concentration + power capacity prices are skyrocking. And with AI, yes demand > supply and mag7 is largely funding this new historic grid expansion.
-
OpenAI警告电力是AI竞争核心瓶颈，看好美国能源基建股。
@toptickcrypto 存在多个瓶颈。电力/电网是其中最大的瓶颈之一。 OpenAI 就 Deepseek 蒸馏问题向国会发送了一份备忘录： “维持美国在 AI 领域的优势，取决于我们能否可靠地大规模生成和输送电力。” 电力输送 - $VRT, $ETN, $PWR, $WMB, $KMI 一级能源供应商：$CEG, $VST, $TLN, $GEV, $NEE, $BEPC, $D 电网-能源/存储 - $TSLA, $FLNC, $NRGV, $BE 能源：$TE, $FSLR, $NRG 这对这些公司来说是一个被重申的顺风因素。 而对于那些已经锁定吉瓦(GW)级容量的公司，如 $IREN, $NBIS, $WULF 和 $CIFR，则存在二级顺风因素。 备忘录的核心问题围绕知识产权盗窃和国家安全问题。但关于维持优势的最大警告是能源。 OpenAI 警告国会，2024年中国新增了429吉瓦(GW)的电力容量，这超过了美国整个电网的三分之一，也超过了全球电力增长的一半。他们认为，如果没有对美国电网进行激进扩张，中国“蛮力”式的能源建设最终将使其超越西方的 AI 能力。 光子学(Photonics)、先进封装(Advanced Packaging)和存储(Memory)是目前增长最快的三个瓶颈。然而，OpenAI 明确警告美国政府，谁能产生最多的电力，谁就能赢得 AI 竞赛。 他们的信息是：投资美国能源。
英文原文
@toptickcrypto There's multiple bottlenecks. Power/grid is one of the largest ones. https://t.co/rIKoKRyQOu
-
反驳风险夸大论，指出可直接购电及监管难题。
@SnakePoops 风险在很大程度上被夸大了。它们仍然可以直接向 $CEG 或其他 $XLU 中的公用事业公司购买电力，以实现“离网”直接供电。此外，还存在大量的监管问题。
英文原文
@SnakePoops Risk is largely overstated. they still go directly to $CEG or others in $XLU to pull power directly for "off-grid". Lot of regulatory problems too.
-
评论指出从住友夺取市场份额，前景积极。
@RJCcapital 关于从住友手中夺取市场份额的评论非常有意思。看来未来走势积极。
英文原文
@RJCcapital Really interesting comments about gaining market share over Sumitomo. Seems positive moving forward
-
新基准显示中国AI模型在深度推理上大幅落后西方，数据与架构成瓶颈。
一项新基准显示，中国AI模型（Kimi、Minimax、DeepSeek）落后于西方前沿AI模型的程度远超市场预期。 Opus、Gemini和GPT的大语言模型(LLM)被证明处于领先地位。 名为SWE-rebench的新基准使用了新的GitHub任务： -> Minimax声称在原始SWE-bench上得分为80.2%。 -> 在未污染的SWE-rebench上，其得分暴跌至39.6%。 结论： 中国实验室已有效以极低成本解决了单提示推理和离散编码任务。 然而，长期行为所需的架构和高质量数据仍是严重瓶颈，蒸馏和优化基准无法伪造。 研究表明，中国模型在超大规模云服务商拥有的深度、适应性推理方面存在滞后。
英文原文
A new benchmark shows Chinese AI models (Kimi, Minimax, DeepSeek) are much further behind Western frontier AI models than markets expect. LLMs from Opus, Gemini, GPT and are shown to be leading. A new benchmark called SWE-rebench uses new GitHub tasks: -> Minimax claimed 80.2% on the original SWE-bench. -> On the uncontaminated SWE-rebench, it crashed to 39.6%. The takeaway: Chinese labs have effectively solved single-prompt reasoning and discrete coding tasks at a fraction of the cost. However, the architecture and high-quality data required for long-horizon behavior remain a severe bottleneck that distillation and optimizing for benchmarks cannot fake. Chinese models are shown to be lagging to the deep, adaptable reasoning that US hyperscalers have.