OpenAI，就是AI 泡沫中的雷曼兄弟？
文章翻译并分析了 Ed Zitron 关于 OpenAI 泡沫的论点，指出 AI 行业的繁荣建立在 OpenAI 巨额亏损的基础上，本质是一场由云巨头推动的集体狂热。文章详细拆解了 OpenAI 的资金链危机、云巨头的心理战策略，以及泡沫破裂后对消费者、软银和甲骨文等各方造成的毁灭性连锁反应。
相关文档
History Doesn't Repeat, but It Rhymes：互联网泡沫与AI时代对比
作者通过对比1998-2000年电信设备泡沫与当今AI时代的结构相似性，追踪了45家当年融资超1亿美元或以3亿美元以上被收购的电信设备创业公司的结局。13家早期被收购的 公司为投资人带来巨额回报，但其中10家产品两年内被砍掉；32家未及时退出的公司69%几乎血本无归，至今没有一家作为独立企业存活。文章指出创始人背景与融资金额与回报呈负相关，退 出时机（Vintage）才是决定胜负的关键。作者认为当前AI行业的结构（卖铲人垄断、超大规模厂商高资本开支、实验室巨额算力承诺、高估值创业公司）与当年高度相似，但英伟达盈利能力、 客户真实收入增长等是关键不同。
AI Semiconductor Endgame (IV)：开源模型对半导体的影响
文章探讨开源模型的崛起是否冲击半导体需求这一热门问题。作者指出市场担忧的核心在于开源是否会压低毛利，进而削弱模型公司购买GPU的能力。但通过动态均衡框架分析，token价格下降的同时，硬件与软件的效率提升（每十年各贡献千倍优化）使成本同步快速下降，毛利得以维持。以每GW算力测算，旗舰模型推理毛利率仍达75%-80%以上，开源模型约60%-70%，token收入是硬件摊销成本的十倍。结论是开源不会伤害半导体行业，动态均衡将持续推动AI基础设施扩张。
AI 厂商 Token 已经用不完了！半导体、AI 股会崩吗？
文章指出 AI 市场出现新变化：各家厂商的 Token 额度开始过剩。Claude Max 用户反映 Opus 5.5 周额度用不完；智谱夜间订阅可随意开子代理、高并发，Flash 模型免费；OpenAI 的 dots 模型免费无限使用；FreeBuff 免费提供 Flash 模型，付费 8 美元每天可用 30 小时；OpenCode 的免费模型仅需 10 美元 Go 套餐即可无限使用。作者由此提出疑问：Token 从稀缺转向过剩，是否意味着半导体和 AI 相关股票将面临崩盘风险。
“大空头”伯里，刚刚做出了一个危险的决定
文章分析了“大空头”迈克尔·伯里对AI泡沫的最新做空操作。他从押注Palantir、英伟达等个股空头，到2026年9月将所有裸空头寸转换为2027年到期的看跌期权，并声称“正在提前时间表”。其核心论点包括：AI收入无法覆盖巨额资本开支、半导体周期性见顶、以及AI需求可能存在“循环融资”的虚假繁荣。文章同时指出做空的时间风险——方向对但时间错同样会亏损，并借此向普通投资者介绍在低波动率环境下用远期put和波动率产品布局尾部风险保护的策略思路。
Ben Thompson 谈 AI 竞争：从地缘博弈、铁路泡沫到 OpenAI 的 Dropbox 困境
宝玉推荐并梳理 Ben Thompson 在 Invest Like the Best 播客中的核心观点：美国在 AI 上压倒性胜利反而危险，中国博弈论最优解可能是炸掉台积电；AI 资本开支面临时间错配风险，类比铁路泡沫；AI 能力局限于可验证领域；推理成本两极分化挑战聚合理论。最精华部分是 Dropbox 教训：消费者不愿为软件付费、不在乎效率，OpenAI 正以百倍规模重演 Dropbox 故事，被迫转向广告。此外还讨论算力短缺的风险转移、台积电保守扩产救了英特尔、Amazon 护城河最深、英伟达真正的对手是云厂商等，观点独特，信息量大。
深度拆解 OpenAI 自研推理芯片 Jalapeño：英伟达 GPU 的推理瓶颈与软硬协同解法
本文深度拆解 OpenAI 自研推理芯片 Jalapeño 的设计哲学。首先指出英伟达 GPU 在推理场景的三大缺陷：访存密集型任务下 SIMT 掩盖延迟失效、UMA 与庞大 L2 Cache 导致高延迟、全局同步与网络 I/O 瓶颈。接着分析 Jalapeño 的激进重构：砍掉全局 L2 Cache 采用去中心化 Core Slice 架构、在 SM 内塞入超标量控制核心、实现网络直达核心缓存。最后提出行业三大结论：别盲目搞 CUDA 兼容、训练与推理算力格局将两极分化、AI 设计芯片的闭环正在到来。
底层看稀缺 顶层看客户：SpaceX IPO、AI 基建周期与产品化自己
本文是 indigo 8月末直播的整理，围绕“当智能变得便宜且无限供给，稀缺的东西才有定价权”这一主线展开。文章回顾了三个月内的 AI 大事：SpaceX 完成史上最大 IPO、Anthropic 估值近万亿、中国开源模型追平美国前沿、AI 基建信贷化成为“数字时代新房地产”。作者分析了软件不可投资、思考不可外包、投资 Alpha 无法由 LLM 发现等观点，指出知识工作者的护城河在于稀有数据、品位与信任；并从物理约束探讨 AI 算力瓶颈（电、内存、封装），最后落脚于“产品化我自己”——在后 AI 时代通过稀缺性构建个人竞争力。
“钟才文”连发四文，释放关键信号？
本文解读中财办马甲“钟才文”近期连发的四篇系列文章。作者指出该系列文出现在7月政治局会议之后，是对最高层经济决议的补充解释。文章分析了决策层对经济的新评价体系“稳、韧、新、优”，认为短期稳增长政策门槛抬高，科技与产业政策力度将加大；今年增长目标需至少保住4.5%下限；增量政策存在但触发条件与形势变化挂钩；投资“止跌回稳”目标放弃一半，转向新基建与新产业；商品消费被认定趋于饱和，政策重点转向服务消费；决策层警惕政策“依赖症”，不会有大水漫灌式强刺激；对房地产态度偏乐观，进一步刺激有限。
每个类别都有一个赢家
尽管SaaS行业整体估值下滑，但几乎每个细分领域都有领导者脱颖而出。CrowdStrike、Cloudflare、Shopify、Samsara、ServiceNow、Figma、Twilio和Salesforce等公司凭借AI战略，在各自领域获得了远超行业中位数的估值倍数。这些公司利用AI代理、数据优势和平台效应，实现了高增长和高估值。文章还指出，虽然市场估值天花板从2021年的100倍降至34倍，但头部公司的估值正在回升。
从+13%到-14%：光模块两日过山车，光互连真正的主战场却刚开始
本文深入分析了CPO（共封装光学）正式量产后的产业格局，指出市场在短期波动中忽略了根本问题：CPO量产意味着什么被淘汰、什么被放大。文章从物理第一性原理出发，阐述了224G PAM4信号在铜线上的物理极限，解释了CPO/NPO降低功耗的底层逻辑。通过对比MZM与MRM调制器、EML/CW/TFLN光源的优劣，分析了技术路线的分岔。重点剖析了CPO量产的三大瓶颈：良率、产能和测试，并指出NPO作为近中期主力被市场低估。文章还讨论了可靠性验证、Foundry竞争、渗透率曲线以及DSP的价值迁移，最后给出了对投资者的启示。
AI投资赚他妈的100倍：产业链全景与机会分析
本文从投资视角出发，将AI产业链划分为算力基础设施、模型层、中间件、应用层及能源约束四个层级。作者主张建立“知识仓”，深入理解产业逻辑，以应对未来的市场波动。文章详细分析了英伟达等核心公司的护城河，并指出了光互连、散热等第二、三圈层的潜在投资机会，强调了从“训练”向“推理”转变带来的市场格局变化。
当所有人都相信AI是骗局，才是它真正改变世界的开始
文章类比2000年互联网泡沫，深入剖析了当前AI市场的现状。虽然四大云厂商巨额的资本支出与AI变现速度之间存在错配，且开源模型正在通过压低价格摧毁商业护城河，但作者认为这并不意味着AI是骗局。泡沫破裂会清洗掉投机者，留下的廉价算力基础设施将为未来真正改变世界的伟大公司铺平道路，恰如当年的亚马逊。
