SpaceX 第三季度营收 146 亿美元，同比增长 161%，净利润 44 亿美元，扭转上年同期亏损。其最大业务已不再是火箭，而是 AI 超级智能业务（76 亿美元，增长约 830%），超过 Starlink 和发射业务。作者认为 SpaceX 正构建独一无二的完整体系：火箭、全球通信网络（Starlink 1360 万用户）、吉瓦级算力和能源，形成竞争者无法复制的飞轮。公司市值约 2 万亿美元，作者论证通往 10 万亿乃至 100 万亿估值的路径，同时提示资本开支巨大、AI 信贷周期和关键人物风险。
文章解读ASML 2026年Q3财报：营收116.6亿欧元，毛利率高达57.5%超预期，全年指引上调。毛利率飙升主要靠高毛利的晶圆厂设备升级套件与软件优化业务，装机量管理单季收入32.9亿欧元。订单方面，预付款单季净增57亿欧元，客户订单已排至2029-2030年，ASML甚至暂缓接受远期订单。先进制程上，Intel High-NA EUV曝光突破100万片晶圆，台积电与ASML联手研发12英寸超大光掩模，直指2033年物理极限。中国市场占比23%需求坚挺，存储超级周期驱动DRAM强劲增长。文章认为ASML凭技术护城河实现跨越周期，享有确定性溢价。
文章介绍如何利用 GPT-6 Astra 与 Minara 两个 AI 工具，零成本系统学习金融知识，避免被'喊单'和付费课程割韭菜。作者提出'核对链'方法：Minara 负责行情与公司数据，GPT-6 Astra 负责把财报和策略翻译成白话，关键数字须回到原始来源核对。内容涵盖金融知识地图（资产、成交、数据、仓位、成本、绩效）、工具安装配置、多角色研究分工（协调员、研究员、执行设计员、风险审查员）、团队章程模板，以及用假想交易演示仓位计算、费用与止损的完整教学流程，强调只读研究、不连接交易账户、每个数字都要有时间和来源。
作者使用蚂蚁百灵与中金公司联合打造的金融增强模型 Ling-3.0-flash-Fin，对华南城2022/23年报进行债务与流动性避雷初筛。模型不推荐买卖，而是将数百页年报结构化为检查清单：定位现金覆盖、票据到期、经营现金流、利润质量、资产减值等关键风险点，并把管理层表述与报表数据并排比对，帮助普通投资者从'看故事'变成'看证据'。作者认为金融AI的真正价值不是荐股，而是降低公开信息阅读门槛，让非专业人士也能接近专业级的财报分析能力。
文章指出炒股者多依赖二手信息，而AI读财报虽有价值，却存在编造数字、跨表算错、盲目自信、中途改口径崩溃等问题。作者以中兴通讯2024/2025年报为测试案例，用Apodex 1.1验证了一套四步验伪法：问网上搜不到的问题、强制列出数据出处、跑到一半改口径、手动核对至少一个数。测试显示AI能发现负少数股东损益异常并交叉验证数据，但作者仍抓到一处补充说明中约6%利润抬升的错误概括（实际两年相差一个数量级）。结论强调每个带百分比的句子都要核对，并介绍了FrontierAgent开源harness及相关工具。
作者深度分析 Marvell 财报后的投资价值：季度收入 27.39 亿美元，数据中心占约 79%，管理层将下财年收入展望从 165 亿上调至 180 亿美元。文章拆解了 Marvell 在 AI 系统中的三种连接场景（scale-out、scale-up、scale-across），分析光互联、交换芯片、CPO/NPO 技术路线，以及与 Google 的 1200 亿美元认股权证协议（非最低采购承诺）。作者认为定制芯片业务扩展到 XPU attach 配套产品，存储与内存接口能力重回主线，与博通竞争、获 NVIDIA 20 亿美元投资合作。结论：市场尚未完全定价其眼前加速业务与远期机会。
文章介绍蚂蚁集团推出的金融垂直大模型 Ling-3.0-Flash-Fin，该模型基于124B总参数、5.1B激活参数的稀疏架构，针对财报解析做了专项优化。作者以腾讯Q2现金流转负这一市场争议话题为例，将该模型导入最近四个季度财报进行分析。模型按照专业投研流程逐层拆解：先锚定报表事实，识别现金流转负源于算力预付款而非经营恶化；再做时序对比、拆分AI投入与核心业务盈利、交叉校验多张报表，最后分层输出短中长期判断并列出需跟踪的观测指标。作者认为金融垂直模型在财报分析上比通用大模型更严谨，能有效规避数据幻觉和口径混淆问题。
作者通过梳理美股和A股2026年Q2财报季中Agent相关公司的数据，指出Agent已从发布会走向财务报表。ServiceNow、Salesforce、Workday、Palantir等率先兑现收入的企业，普遍掌握企业核心数据、权限和工作流。衡量指标从注册用户、Token调用量转向AI贡献的ARR、ACV、生产环境客户数和实际任务完成量。A股方面，金山办公、税友股份、汉得信息在垂直场景开始验证，但财务质量需重点关注。作者提出Agent产业链四层结构：基础模型、数据治理、工作流执行、垂直行业Agent，并将2026年定义为Agent的财务验证元年。
英伟达财报连续15个季度超预期，但市场已对此脱敏：财务数据公布时股价反应平淡甚至小幅下跌，隐含波动率也降至近年低位。真正推动股价上涨4%的，是黄仁勋电话会议的前瞻表态——宣称“AI拐点已经到来”，并上调2028年远期增长目标。作者认为，投资者当前更关注AI算力能否转化为终端软件收入与自由现金流、商业闭环何时成型，这些决定估值分母端的因素远比单季业绩超预期更重要。后续可观察此轮信心提振能维持多久。
文章分析英伟达即将发布的财报，指出真正决定未来几个季度预期的是六个关键信号：AI云订单能否从融资驱动转向收入驱动、Rubin能否无缝接续Blackwell、Vera CPU能否形成独立收入线、Groq 3 LPX能否留住专用推理预算、服务器涨价后毛利率能否守住75%，以及英伟达亲自介入土地、电力和融资所带来的商业模式变化。文章认为当前AI行情的核心已从GPU供给转向客户资本与回报的可持续性。
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。
文章探讨了在信息过剩时代，普通人如何建立高质量信息渠道。作者推荐了6类高价值信息源：政府官方数据库、学术论文、行业报告、企业财报、技术社区及直接与行业人士交流。文章强调主动寻找源头而非被动接收，并提供了具体的使用建议。
文章介绍了GitHub上热门的开源美股分析项目Day1Global-Skills，包含科技股财报深度分析、价值评估等5个工具。作者详细讲解了在Claude、Claude Code和Codex中的安装步骤，提供了实战提示词模板，并分享了在财报季的高效使用流程及注意事项。
文章整理了美股投资中常用的工具清单，涵盖行情数据、财报研究、宏观数据、机构持仓追踪及新闻资讯等类别。作者推荐了多个免费及付费的高效工具，并提醒投资者远离付费荐股和虚假消息，强调工具仅是辅助，核心在于独立思考。
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。
