文章指出私募股权行业的 AI 价值创造计划过于依赖裁员降本，把 AI 策略简化为成本目标。作者认为 AI 是工程问题，应该问 AI 能如何改变公司交付的产品、速度和客户付费意愿，而非仅计算可裁减的岗位。文章用 Freight Audit 服务案例说明生产力可以投入产品路线图，并引用 Box 和 Ramp 数据显示重度 AI 采用者反而扩大招聘。作者分析四个盲点，重点讨论退出倍数风险：成本节约可能被估值倍数下降抹去，尤其在 AI 颠覆软件行业的背景下。建议从'希望退出时拥有的企业'出发制定 AI 战略，让 AI 作用于收益增长、退出倍数和持有期三要素。
作者通过对比十二五到十五五四份五年规划，提出阅读五年规划的正确方法：不是搜索关键词找利好，而是纵向对比同一产业在不同规划中的演变。文章以互联网、平台经济、人工智能为例，展示数字经济如何从基础设施与电商工具升级为数字中国战略，政策措辞从鼓励发展转向规范监管时对估值的影响，以及AI产业链的细化拆解。核心观点：五年规划应被当作产业变化时间轴，用来确定未来值得重点研究的产业方向，而非直接指导买哪只股票。
作者回顾了自己从本科时期进入A股，到学习量化交易、搭建完整量化系统的经历。在多年实盘运行后，他发现自己赚到的钱与投入的时间精力严重不成正比，且量化并未真正排除主观情绪的干扰。最终让他淡出A股的不是亏损，而是机会成本：同期纳斯达克100指数涨幅远超他的A股策略收益，而他作为拥有香港身份、可便利投资美股的人，完全没必要把自己限制在A股。作者感悟到投资并非努力竞赛，选对市场和资产比努力更重要，A股量化研究不再是他资产配置的重心。
作者以买房为例科普期权交易的四种基本方式（买入看涨、买入看跌、卖出看跌、卖出看涨），重点讲解时间价值概念：买方需要方向、幅度、时间三者全对才能赚钱，而卖方只需不出现极端行情即可赚取时间价值。作者解释自己选择做期权卖方的原因——如同站到保险公司和赌场一方，胜率更高、心态更好。同时说明自己的风控原则：只在现价七折以下的价格卖SP、持有正股才卖SC、只做1-2周短期，并警告裸卖的风险。
文章以SpaceX 2026年上市为背景，提出投资重点不应是SpaceX本身，而应关注其供应链。作者将业务拆解为星链、火箭和AI三大板块，并按替代难度将供应商分为三档：不可替代型（如意法半导体）、高切换成本型（如Filtronic）和量产降本型。同时提出四级证据体系区分'实锤供应商'与'概念股'，认为中国科技公司的机会在于复制SpaceX验证的全球需求而非直接供货。文章还指出AI基础设施是供应链下一轮最大变量，并给出普通投资者跟踪供应链的6个季度指标。
本文介绍了一套名为“四层护城河”的资产配置方法，旨在帮助普通人无需复杂金融知识即可合理分配资金。四层分别为：救命层（10%）、安全垫层（40%）、增值层（30%）和机会层（20%），分别对应应急资金、稳健资产、增值资产和高波动机会资产。该方法强调先保命、再筑底、然后增值、最后才谈暴利，旨在实现本金安全、资产增长和心态稳定。
文章以'搬苹果'的比喻通俗解释套利的本质——低买高卖赚取市场定价错误的价差，区别于依赖预测方向的投机。通过巴菲特并购套利的经典案例（德州石油、动视暴雪收购），提炼出四条铁律：事件驱动不靠猜、与大盘脱钩、杠杆仅用于套利、严格筛选宁缺毋滥。作者指出A股散户所谓'套利'多为追传言接盘，真正可行的是要约收购、可转债条款、ETF折溢价、期权平价套利等。期权因多维定价网络天生适合套利，Delta中性、波动率套利等策略是不需预测方向的蓝海。文章最后推广期权俱乐部课程。
文章系统对比了美股、A股和港股三大市场的特点。美股占全球自由流通市值63.5%，具备开放性、完备监管、做空机制和注册制等优势，机构投资者主导，牛长熊短；A股以散户为主，上市审核严格，结构以金融地产等传统行业为主，牛短熊长；港股则是国际资金与内地资金共同参与的市场，波动剧烈，存在仙股和A/H折价等问题，投资时需兼顾国际与内地政策。作者建议投资者理解三个市场的差异，以做出更明智的投资选择。
作者深入研究 Hyperliquid 和 HYPE 后认为：项目很好，但当前约 $80 的价格赔率不够好。文章分析了 Hyperliquid 的价值捕获机制（交易费用→Assistance Fund→买入销毁 HYPE），指出简单年化收入的估值陷阱，构建了熊市/基准/牛市三情景估值矩阵，得出当前价格已接近最乐观组合的结论。作者绘制了价格地图：$70 以上观察、$50-60 试探、$40-50 配置、$30-40 进攻，并强调价格低不等于便宜，需结合基本面判断。文章还澄清了代币解锁与实际卖压的关系，提出应关注净供应变化，并列出了会改变其判断的五个条件。
文章质疑市场仅凭海外收入占比给出海公司估值的逻辑。以迈瑞医疗为例，其国际占比过半一半是国内业务塌陷衬托；拓普集团的机器人执行器业务收入占比仅0.05%，估值与实际体量差距巨大；恒立液压处于海外扩产阵痛期；赛轮轮胎则已现利润底修复信号。作者认为应关注海外毛利率与利润抗压能力，并给出分化的投资操作建议。
作者大宇认为当前已处于牛市初期，从周期规律、宏观流动性、币圈内生情绪三方面论证牛市已来。本轮牛市最大变化是资金来源：机构资金主导，重点看好链上金融基础设施及有真实收入、有回购的真实价值类项目（如HYPE、UNI、AAVE、MORPHO、ETHFI等），MEME仍是重头戏但建议买平台币而非具体MEME，同时警惕不上不下的VC币。采用杠铃策略布局，预计还有20%左右回调，是上车机会。
作者重发2023年11月旧文，阐述比特币减半带来的稀缺性：用存量-产量（SF）模型说明减半后比特币将成为比黄金更稀缺的资产；将比特币ETF比作连接传统资金与新池的苏伊士运河；以土地垄断类比比特币的价格锚定游戏，认为2100万总量的共识牢不可破；警告山寨币叙事是庄家骗走比特币筹码的陷阱，提出唯一正期望策略是熊市分批囤币、牛市逃顶，强调比特币本质是对法币超发的对冲工具。
作者分享了基金投资从入门到精通的路径。指出80%的投资者停留在“抄作业”阶段，剩余20%的人因性格差异分化进入不同的投资圈子，逐渐形成自己的方法论。从抄作业到入门必须主动学习技术面（K线、指标等）和基本面（财报、估值模型等）知识，以及宏观政策。但作者认为这些知识本身“什么用都没有”，真正的进阶在于像生物学中的“涌现”一样——大量基础知识堆叠后量变产生质变，最终涌现出属于自己的投资方法和策略。
本文是 168X 节目对 AI 产业挖掘机的访谈摘要。嘉宾认为，当前 AI 产业存在短期泡沫，Coding 之外缺乏新应用场景，开源模型冲击闭源模型，上游高毛利难以持续，AI 投资更像房地产而非 2000 年互联网泡沫。他建议散户空仓等待泡沫破裂，再捡拾政府会救的公司，并预警 2027 年可能是指数跌幅很大的一年。
本文从 Moderna 因个性化 mRNA 癌症疫苗三期成功而股价暴涨近 100% 的事件切入，探讨生物科技板块是否将接棒 AI 成为下一轮资金轮动的主线。作者引用知名投资人 Druckenmiller 的观点，指出其已提前布局生物科技，并认为 AI 的价值正从硬件向医疗等下游应用扩散。文章分析了生物科技板块估值低、AI 交易拥挤的现状，认为资金轮动至生物科技的可能性正在增加。
本文探讨了市场预测的不可约性，即市场规律因被广泛知晓而失效。作者通过97个选股指标在发表后收益衰减58%的实证，以及村口先知的故事，揭示了市场与天气的本质区别：市场会因预测而改变。文章分析了涌现、自指和计算复杂性三层机制，指出不可约性是市场运转的前提，收益是不可约性的租金。最后，作者为普通人提供了基于此结构的投资启示，强调区分可算与不可算、关注容量和持有不可算成分。
基于对1438个GitHub量化开源项目的深度分析，本文揭示了量化交易中最致命的八大陷阱：包括过拟合、前视偏差、零滑点假设、幸存者偏差等。文章通过真实案例拆解了回测与实盘断层的原因，指出70%的开源项目代码质量不达标，且鲜有项目防范核心风险。文末附带了30项上线前的严审检查清单与黄金法则，强调风控前置、样本外验证及对开源代码的理性批判，警示入门者敬畏风险，避免将“玩具代码”投入真金白银的实战。
本文通过回顾已故经济学家高善文的职业生涯，探讨了在AI冲击金融分析行业的背景下，人类分析师的不可替代性。文章区分了“做模型”与“做判断”两类分析师，指出高善文凭借其独特的认知框架和对“资产重估”、“刘易斯拐点”的精准预测，展现了超越AI的判断力。作者认为，AI能替代产出物，但无法替代根植于个体生命的直觉与担当。
文章指出量化交易的门槛已从昂贵的数据和工具降至零，通过 OpenBB 获取数据、Qlib 进行研究、backtesting.py 进行回测等免费开源工具，普通人可搭建完整交易系统。文章强调量化本质是寻找统计规律而非预测，并需严格执行风控纪律，AI 可辅助研究和编程，但不可直接下达交易指令。
文章通过回测 2000 至 2026 年数据，探讨了长期定投纳斯达克的最优策略。结果显示，单纯定投 QQQ 收益平庸（年化 19%），而裸定投 3 倍杠杆 TQQQ 虽收益极高但回撤达 −84%，人性难承。作者利用 AI 构建了一套基于 CAPE、回撤和 VIX 的动态仓位管理策略，在年化 34% 的收益水平下将回撤控制在 −52%，长周期终值收益是定投 QQQ 的 10 到 33 倍，实现了风险调整后的收益最大化。
文章指出，全球顶级大佬正从数字AI转向“物理AI”赛道，即具备感知和执行能力的具身智能。文章详细拆解了孙正义、黄仁勋和孙宇晨的布局逻辑，并列举了人形机器人、存储、能源、无人机、空间计算和工业自动化六大投资方向及相关A股核心标的，最后提示了甄别蹭概念公司和把握投资节奏的风险。
文章深入分析了被称为“美股最牛散户”的 Serenity 的独特投资策略。区别于大众追逐热门股（如英伟达）的方式，Serenity 通过深度拆解产业链，挖掘处于上游、具有垄断地位的“冷门票”供应商。其核心“紫苏叶理论”包含三步：自上而下追问不可替代的环节、寻找玩家数量极少的垄断环节、公开发表分析接受反驳以验证逻辑。文章通过 $AXTI、$SIVE、RPI 等案例拆解了该方法如何避开拥挤赛道，发现被市场忽视的价值洼地。
文章探讨了创业公司如何在 OpenAI 和 Anthropic 等大厂的阴影下生存。作者提出了“黄砖路”的概念，指代大厂直接主导的通用领域（如代码生成、写作），并建议初创企业应避开此路径，转而专注于“奥兹国其他地方”——即垂直领域、多步骤工作流及遗留系统整合等大厂难以通过单一模型解决的复杂问题。文章分析了数据飞轮、模型复杂性管理及私有行业知识作为初创公司的护城河。
本文是作者在内部分享会上的复盘，重点探讨了 AI 如何降低量化交易的工程门槛。文章指出，利用 OpenClaw 等智能体，个人开发者可以独立完成需求文档编写、回测框架搭建、API 接入等全流程工作。作者详细讲解了从回测到实盘的信号层统一、技术分析的规则化参数化、以及常见系统误区（如过拟合、流动性筛选），强调在 AI 时代，量化交易的核心不再是代码能力，而是交易逻辑的系统化拆解与数据验证能力。
本文介绍了作者如何利用 AI 智能体 Hermes 构建一套自动化的链上数据分析（Onchain Forensics）流程。该流程通过 x402 支付协议集成了 Nansen、DexScreener、Tokenomist 等工具，能够自动追踪钱包持仓、识别巨鲸买卖行为并生成可视化报告。文章展示了具体的技能组合配置、运行成本分析及实际应用案例，体现了利用 AI Agent 进行低成本、高效率加密货币投资的实践。
文章深入剖析了匿名推特账号 Serenity（@aleabitoreddit）的投资传奇。他通过深入研究 AI 供应链中的「瓶颈点」，精准挖掘并做多如树莓派（RPI）、AXTI 等冷门股票，引发巨大市场波动，甚至吸引了对冲基金跟单。文章详细复盘了其成名案例、独特的「瓶颈点」选股逻辑，同时也客观指出了其身份不可验证、业绩未审计等潜在风险。
本文旨在探讨未来两年内“物理 AI”（机器人和自动化技术）领域的投资 Alpha 机会。作者明确指出，最确定的需求不在于“人形机器人”的故事，而在于已经开始产生现金流的物理 AI 基础层，如车载感知、边缘计算和仓储自动化。文章重点分析了 Ambarella、Mobileye、Symbotic、Intuitive Surgical 等公司，认为利润将流向高附加值、高切换成本的环节，并给出了具体的买入排序和交易策略。
文章分析了 Dan Niles 对当前 AI 市场及宏观经济的最新洞察。核心观点包括：Google 凭借模型、芯片、现金流和云业务的完整闭环，成为未来 3-5 年最看好的 Mega Cap 公司；Agentic AI 的普及将导致 Token 需求暴增 10-100 倍，并提升 CPU 在硬件架构中的重要性；在投资策略上，需警惕油价与债收益率飙升带来的宏观风险，建议保持灵活仓位，重点关注 Google 及 CPU 厂商的结构性机会。
本文回顾了过去十年的投资经验，指出应用层竞争激烈而“收税层”（基础设施）回报丰厚。作者认为在Web3和AI时代，应关注具备“税权”的底层设施。文章详细分析了三个核心方向：数字美元的利差税（如Circle、Ondo Finance）、AI时代的物理刚需税（如Vertiv、Oklo核电）以及AI Agent的身份与分发税（如World、Bittensor），并给出了寻找10倍标的的投资公式。
文章针对过去 6 个月 AI 交易工具爆发式增长带来的选择困难，提出了一个三层结构分类法：交易所原生 Skill、通用 Agent 平台（如 Moss）和自制 Skill。文章重点分析了各层的优势与短板，并指出通用 Agent 平台是新手最合理的入口。作者还详细介绍了如何在 Moss 上设置参数、关注核心指标（胜率、PF、回撤），并推荐了几个值得长期关注的开源项目，总结了新手应避免的常见错误。
