<?xml version="1.0" encoding="utf-8"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="zh-CN">
  <title>CyberCaesar · LOG</title>
  <subtitle>左手财报，右手代码。AI 行业观察、美股财报笔记、成长认知。</subtitle>
  <link href="https://cybercaesar.bond/atom.xml" rel="self" />
  <link href="https://cybercaesar.bond/" />
  <id>https://cybercaesar.bond/</id>
  <updated>2026-11-14T09:20:00+08:00</updated>
  <author><name>Caesar</name><uri>https://cybercaesar.bond/</uri></author>
  <entry>
    <title>成长认知：无心插柳</title>
    <link href="https://cybercaesar.bond/log-018" />
    <id>https://cybercaesar.bond/log-018</id>
    <published>2026-11-14T09:20:00+08:00</published>
    <updated>2026-11-14T09:20:00+08:00</updated>
    <summary>我能控制的是多插几根柳，以及哪根活了就去浇水。</summary>
    <content type="html">&lt;p&gt;上个月底，我用 AI 把两个现成的开源项目拼在一起，做了一个带拼音的古诗词阅读器，叫吟诗。搜一首诗，逐字注上拼音，可以打印，适合给孩子读。从提出想法到在本地跑起来，不到一个小时。&lt;/p&gt;
&lt;p&gt;一周后的一个晚上，它突然开始涨星。第二天上午四十颗，晚上六十八颗，现在八十多颗。在这之前，我做过不少项目，有的前前后后改了好几周，没有一个超过十颗星。&lt;/p&gt;
&lt;p&gt;那天下午我脱口说了一句：无心插柳柳成荫，有心栽树树不成。这周想把这句话想清楚。&lt;/p&gt;
&lt;h2&gt;用心是对自己说的&lt;/h2&gt;
&lt;p&gt;那些没人看的项目，确实是用心做的。功能想得很全，文档写得很长，细节反复调过。可这些投入，衡量的是我花了多少力气，不是别人需要多少。&lt;/p&gt;
&lt;p&gt;打开一个项目的人，不知道背后改了几轮，也不在乎。他只问一件事：这个东西对我有没有用。吟诗回答这个问题只要一秒钟，家里有孩子背古诗的人，看一眼截图就知道它是干什么的。我之前的项目，大多要先读一段说明，才知道它解决什么问题，而且解决的往往是很少一部分人才有的问题。&lt;/p&gt;
&lt;p&gt;用心本身没有错，只是它容易让人误以为，自己觉得重要的东西，别人也会觉得重要。&lt;/p&gt;
&lt;h2&gt;门槛比打磨重要&lt;/h2&gt;
&lt;p&gt;回头比较，差别不在做得好不好，而在用起来难不难。&lt;/p&gt;
&lt;p&gt;吟诗是一个网页，点开就能用，不用安装，不用注册，不用懂任何技术。之前那些项目，很多要先装环境、配参数，甚至要先知道某个工具是什么。每多一步，就筛掉一批人。最后能走到“用上”这一步的，只剩下本来就和我差不多的人。&lt;/p&gt;
&lt;p&gt;我以前把力气花在把东西做深，其实更该先把门槛降低。一个人人都能用的普通工具，往往比一个只有少数人看得懂的精致工具走得更远。&lt;/p&gt;
&lt;h2&gt;曝光没法安排&lt;/h2&gt;
&lt;p&gt;更意外的是，流量从哪里来。&lt;/p&gt;
&lt;p&gt;我自己做过的推广，几乎都没起作用。给阮一峰的周刊投了自荐，没有被收录；在小红书发了笔记，几乎没有浏览量。真正让它涨起来的，是 GitHubDaily 在一个晚上转发了它，帖子有将近一万次浏览，星从那天晚上八点开始涨。我事先不知道这件事，也没有找过他们。&lt;/p&gt;
&lt;p&gt;这件事让我承认一个现实：一个东西会不会被看见，很大程度上不由做的人决定。能安排的是把东西做出来、放出去，什么时候被谁看到，只能等。&lt;/p&gt;
&lt;h2&gt;有心栽树也不白费&lt;/h2&gt;
&lt;p&gt;不过，柳能插得这么快，靠的恰恰是之前栽树的那些时间。&lt;/p&gt;
&lt;p&gt;正因为之前做过很多项目，我才知道怎么把两个开源项目接起来，怎么处理授权，怎么部署上线，怎么写一份别人看得懂的说明。没有那些看起来白费的积累，吟诗不会只用一个小时。树没长成，但手上的功夫留下来了。&lt;/p&gt;
&lt;p&gt;所以我不打算从中得出“用心没用”的结论。更准确的说法是，用心决定了我能做多快、做多稳，但决定不了哪一个会被需要。&lt;/p&gt;
&lt;h2&gt;接下来怎么做&lt;/h2&gt;
&lt;p&gt;想清楚之后，我给自己定了两条。&lt;/p&gt;
&lt;p&gt;一是多插柳。既然没法提前知道哪个会被需要，就让每次尝试的代价小一点：先做一个普通人一句话能看懂、点开就能用的版本，放出去看反应，而不是在一个方向上闷头打磨几周。&lt;/p&gt;
&lt;p&gt;二是哪根活了，就去浇水。吟诗已经证明有人要，接下来该做的是把它养大，修用户提的问题，看每天有多少人在用、从哪里来，而不是马上转身去种下一棵树。&lt;/p&gt;
&lt;p&gt;这次是哪根柳活下来，不是我选的。活下来之后怎么对它，是我能选的。&lt;/p&gt;</content>
  </entry>
  <entry>
    <title>纳斯达克笔记：钱变贵了，借钱的人也少了一个</title>
    <link href="https://cybercaesar.bond/log-017" />
    <id>https://cybercaesar.bond/log-017</id>
    <published>2026-11-14T09:10:00+08:00</published>
    <updated>2026-11-14T09:10:00+08:00</updated>
    <summary>新云少借一块钱，就少下一张 GPU 订单。</summary>
    <content type="html">&lt;p&gt;11 月 13 日，周五，纳指收在 25,136.27，全周涨 2.27%；纳斯达克 100 涨 3.53%，标普 500 涨 2.51%。三大指数都是 8 月初以来最好的一周，纳指和标普结束了连续四周的下跌。&lt;/p&gt;
&lt;p&gt;只看周线，像是上周那轮调整告一段落。拆开每一天，结构并不轻松：周一到周三芯片股领涨，周四英伟达 CEO 辞职，周五费城半导体指数跌 3.4%，涨的那一段吐回去不少。上周压的是估值倍数，这一周压力往下走了一层，落到 AI 买方的钱从哪里来。&lt;/p&gt;
&lt;h2&gt;两条钱路&lt;/h2&gt;
&lt;p&gt;AI 资本开支的买方，尤其是新云厂商和一部分模型公司，买芯片的钱大致有两条来路。&lt;/p&gt;
&lt;p&gt;一条是公开资本市场，发债、发股，价格锚在美债利率上。另一条是英伟达自己的资产负债表。它入股客户、参与融资，按 CNBC 的统计，上一季申报里还有约 360 亿美元的表外云协议和产能兜底。英伟达不是银行，但在这个生态里，它扮演了一部分放款人的角色。&lt;/p&gt;
&lt;p&gt;这一周，两条路同时变窄。&lt;/p&gt;
&lt;h2&gt;第一条：利率&lt;/h2&gt;
&lt;p&gt;周二公布的 10 月 CPI 环比涨 0.4%，核心涨 0.3%，都比预期高 0.1 个百分点，已经是连续第三个月不低于 0.4%。理事沃勒在数据公布前说，即使通胀降温，12 月也应该加息，情况恶化就该考虑 50 个基点；古尔斯比称这份 CPI“近乎令人不安”。周五的 PPI 环比低于预期，但同比 6.5%，是 2022 年 11 月以来最高。&lt;/p&gt;
&lt;p&gt;到周五，按 CME 的数据，市场对 12 月加息的定价是 100%，其中加 50 个基点的概率约一成多，一周前还是零。按美国财政部的数据，2 年期美债收益率从 4.51% 升到 4.88%，一周升 37 个基点，是两年多来最大的周升幅；10 年期从 4.86% 升到 5.15%。&lt;/p&gt;
&lt;p&gt;对一家要借钱买 GPU 的公司，这就是成本直接上升。CoreWeave 2031 年到期的债券收益率在 14.79%，5 年期信用违约互换仍在 1000 个基点以上。&lt;/p&gt;
&lt;h2&gt;第二条：英伟达&lt;/h2&gt;
&lt;p&gt;周四盘前，英伟达宣布黄仁勋辞去 CEO 和董事职务，CFO Colette Kress 任临时 CEO。股价开盘一度跌 14%，收跌 4.34%。全周跌 13%，连续第六周下跌，是 2012 年以来最长的一次。&lt;/p&gt;
&lt;p&gt;市场关心的不只是管理层。英伟达今年参与了大量客户融资和生态投资，谈这些交易的人正是黄仁勋。高盛的分析师说，未来可能更难以同样规模谈下新的多方生态投资。已经承诺的会兑现，新增的会变少。&lt;/p&gt;
&lt;h2&gt;价格给出的证据&lt;/h2&gt;
&lt;p&gt;几组价格放在一起，说的是同一件事。&lt;/p&gt;
&lt;p&gt;好消息不涨。思科营收增长 24%，上调了全年指引，预计超大规模云的 AI 基础设施收入翻倍以上，周五跌 6%。应用材料营收增长 53%，下季指引高于预期，周四、周五合计跌了 6% 多。市场质疑的不是今年的需求，而是 2027 年的订单由谁买单。&lt;/p&gt;
&lt;p&gt;融资结构决定定价。Nebius 营收增长 571%，周四跌 16.8%，因为它同时上调了资本开支，并且更依赖客户预付和资产支持融资。CoreWeave 周三因财报超预期涨 24.7%，随后两天跌了 13% 左右。&lt;/p&gt;
&lt;p&gt;替代交易只活了一天。周四资金从英伟达换到 AMD 和博通，两家都涨了 5.5% 以上；周五 AMD 跌 8.8%，博通跌 4.8%。如果市场认为只是蛋糕换手，AMD 和博通应该守得住。它们守不住，说明市场在交易的是蛋糕可能变小。&lt;/p&gt;
&lt;p&gt;没有资本开支包袱的公司反而受益。苹果周五盘中创下纪录，市值超过 5.2 万亿美元。&lt;/p&gt;
&lt;h2&gt;这和上周有什么不同&lt;/h2&gt;
&lt;p&gt;上周的问题是倍数，政策风险抬高了远期现金流的折现率。倍数压缩可以靠时间和盈利慢慢消化。&lt;/p&gt;
&lt;p&gt;这周的问题是资金。融资成本上升、资金来源减少，会直接反馈到订单上：新云少借一块钱，就少下一张 GPU 订单。到了那一步，下调的就不只是倍数，而是盈利预测本身。本周纳指 100 反弹 3.5%，更像油价回落和超卖之后的修复，底下的变量已经换成了资金的成本和资金的可得性。&lt;/p&gt;
&lt;h2&gt;接下来看什么&lt;/h2&gt;
&lt;p&gt;11 月 17 日英伟达的财报，是 Kress 的第一次，重点看她怎么讲生态投资、应收账款和表外兜底。11 月 18 日 Anthropic 的 IPO 定价，看股权市场能不能接替一部分供应商融资。还有 12 月的议息会议，加 25 个基点还是 50 个基点，决定第一条钱路会窄到什么程度。&lt;/p&gt;
&lt;p&gt;点位我不猜，只记下自己在看什么。&lt;/p&gt;
&lt;p&gt;以上只是我自己的读法，不是买卖建议。&lt;/p&gt;</content>
  </entry>
  <entry>
    <title>AI 行业观察：供应商在给客户垫钱</title>
    <link href="https://cybercaesar.bond/log-016" />
    <id>https://cybercaesar.bond/log-016</id>
    <published>2026-11-14T09:00:00+08:00</published>
    <updated>2026-11-14T09:00:00+08:00</updated>
    <summary>认购名单和供应商名单是同一张表。</summary>
    <content type="html">&lt;p&gt;11 月 10 日，Anthropic 公布了 IPO 定价区间：8.25 亿股，每股 70 到 78 美元，全面摊薄估值最高约 1.4 万亿美元，报道称 11 月 18 日定价、19 日在纳斯达克上市，散户配售约 20%。&lt;/p&gt;
&lt;p&gt;公开发行之外，还有一笔 260 亿美元的定向认购，买的是没有投票权的股份。认购方是 AMD、博通、谷歌、美光、微软、英伟达和台积电，其中谷歌和英伟达各 100 亿美元。这七家公司，几乎全是 Anthropic 的芯片、内存、代工和云供应商。&lt;/p&gt;
&lt;p&gt;这份名单比估值更值得看。它说明 AI 资本开支的钱，正在越来越多地由卖方先垫上。&lt;/p&gt;
&lt;h2&gt;供应商为什么要买客户的股&lt;/h2&gt;
&lt;p&gt;Anthropic 的招股书写着，它的算力和基础设施承诺是 9009 亿美元，10 月底的年化收入是 810 亿美元，前九个月净亏损 1040 亿美元。承诺大约是年化收入的 11 倍。&lt;/p&gt;
&lt;p&gt;对供应商来说，这 9000 亿美元是未来的订单。客户要有钱，订单才能兑现。所以买它的股，本质上是在给自己的订单补一块资金。台积电同一周也批准分别向 OpenAI 和 Anthropic 投资最多 5 亿美元，逻辑一样。&lt;/p&gt;
&lt;p&gt;这种做法有名字，叫卖方融资。它不等于造假，在产能紧张的时候，它确实能让项目更快落地。问题在于它把买卖双方绑在了一起：供应商的收入取决于客户能不能继续融到钱，客户能不能融到钱，又有一部分取决于供应商愿不愿意继续出资。&lt;/p&gt;
&lt;h2&gt;美联储开始点名&lt;/h2&gt;
&lt;p&gt;11 月 10 日，美联储副主席鲍曼在一次讲话里给出了几组数字。她说，AI 相关债务今年有望超过 8000 亿美元，包括公司债、私募信贷和项目融资；长期租约、合同承诺和残值担保这类潜在支付，是这些债务的三倍以上。她还提到，大公司用表外负债为小公司做担保，芯片商入股自己的客户，“造成了循环融资的观感”。&lt;/p&gt;
&lt;p&gt;央行官员一般不会这样具体地描述一个行业的融资结构。她担心的不是哪一家公司，而是这些安排都押在同一个前提上：AI 的回报要按预期到来。前提一旦松动，各个环节会同时承压。&lt;/p&gt;
&lt;h2&gt;中间层在把风险推回去&lt;/h2&gt;
&lt;p&gt;夹在中间的新云厂商，已经在调整自己的位置。&lt;/p&gt;
&lt;p&gt;CoreWeave 三季度收入 36.6 亿美元，增长 168%，积压订单 1325 亿美元，但季度利息支出 8.46 亿美元，净亏损 7.09 亿美元。它说不会按现在的收益率发行无担保债，未来三个月预计收到约 90 亿美元的客户预付款和押金，同时缩短合同、上调价格。&lt;/p&gt;
&lt;p&gt;意思很直接：钱不再先向债市借，而是让买算力的客户先付。风险没有消失，只是从中间层推回给了上下游。&lt;/p&gt;
&lt;p&gt;软银给了一个反面例子。它这一季亏损 71 亿美元，其中超过 30 亿美元来自燃气轮机押金的减值。报道称它两年前锁定的轮机，比实际需要多了将近一半。抢产能的时候，提前下单是优势，需求一旦对不上，押金就变成了亏损。&lt;/p&gt;
&lt;h2&gt;IPO 是风险换手的时刻&lt;/h2&gt;
&lt;p&gt;过去两年，这套循环里的钱主要来自三处：大公司自己的现金流，一级市场的私募资金，以及供应商的垫付。这一周，另外两条线也出现了变化。OpenAI 被报道以 1.25 万亿美元估值融资 150 亿美元，原计划是 1.4 万亿美元估值融 300 亿，规模减了一半；英伟达今年参与了 105 轮融资，是这套循环里最大的出资方之一，而它的 CEO 在周四辞职。&lt;/p&gt;
&lt;p&gt;Anthropic 的 IPO 就出现在这个时候。报道称认购约 6 倍超额，说明市场仍愿意接。但接手的含义变了：私募估值一年调整几次，上市之后每天都有价格，散户拿到的份额也比常规 IPO 更高。循环融资里积累的风险，第一次有了一个明确、分散、每天定价的持有人。&lt;/p&gt;
&lt;p&gt;需求本身并没有塌。Anthropic 的年化收入一个月增加了约 100 亿美元，OpenAI 三季度收入环比增长近五成，CoreWeave 还在涨价。这套结构真正怕的不是需求消失，而是增速放慢：承诺是按高增速签的，增速一慢，缺口就会落到垫钱的人身上。&lt;/p&gt;
&lt;h2&gt;接下来看什么&lt;/h2&gt;
&lt;p&gt;11 月 17 日英伟达的财报，看它怎么讲战略投资和对客户的兜底；11 月 18 日 Anthropic 能不能在区间上沿定价，上市后能不能守住发行价；还有鲍曼说的那些表外承诺，会不会被要求更多披露。&lt;/p&gt;
&lt;p&gt;供应商替客户垫钱，在需求上升的时候是加速器。这一周要看的，是公开市场愿不愿意把这份垫付接过去。&lt;/p&gt;</content>
  </entry>
  <entry>
    <title>成长认知：从会做到会判断</title>
    <link href="https://cybercaesar.bond/log-015" />
    <id>https://cybercaesar.bond/log-015</id>
    <published>2026-11-07T09:20:00+08:00</published>
    <updated>2026-11-07T09:20:00+08:00</updated>
    <summary>能做出来的东西越来越多，值得做的东西并没有变多。</summary>
    <content type="html">&lt;p&gt;最近我注意到一个变化：一天下来，真正花在“做”上的时间越来越少，花在“想”上的时间越来越多。&lt;/p&gt;
&lt;p&gt;一个页面、一篇初稿、一个小工具，交给 AI，很快就能有一个能看的版本。以前我卡在做不出来，现在很少卡在这里了。新的问题是，做出来的东西摆在面前，我常常说不清它到底好不好，也说不清它值不值得继续。&lt;/p&gt;
&lt;h2&gt;难点挪了位置&lt;/h2&gt;
&lt;p&gt;以前做一件事，大部分力气花在执行上。会不会做、做不做得完，几乎决定了结果。那时候判断也重要，但它藏在执行后面，因为做一次的代价很高，本身就会逼着人少做、慎做。&lt;/p&gt;
&lt;p&gt;现在执行的代价降下来了，这层天然的过滤也跟着没了。想到什么都能做出一个版本，结果就是手上的东西越来越多，方向却不一定越来越清楚。我慢慢意识到，执行便宜了，不代表事情变简单了，只是难的部分从手上挪到了脑子里。&lt;/p&gt;
&lt;h2&gt;选对做什么&lt;/h2&gt;
&lt;p&gt;最先感受到的，是选择变难了。&lt;/p&gt;
&lt;p&gt;能做的事一多，每个念头看起来都可行。可行和值得是两回事。我现在开始一件事之前，会多问自己两个问题：做成了，谁会用，它解决的是不是一个真实存在的麻烦；这件事和我真正想去的方向，有没有关系。&lt;/p&gt;
&lt;p&gt;有一次我花了一个晚上，给一个想法做了三个版本的页面，配色、文案、结构都换了几轮。做完才发现，我从头到尾没想过谁会打开它。三个版本都挺像样，但放在一起比较毫无意义，因为问题根本不在页面上。&lt;/p&gt;
&lt;p&gt;这两个问题回答不上来，做得再快也只是在原地打转。方向不清楚的时候，速度帮不上忙，只会让我更晚发现自己走偏了。&lt;/p&gt;
&lt;h2&gt;什么不做&lt;/h2&gt;
&lt;p&gt;比选做什么更难的，是决定不做什么。&lt;/p&gt;
&lt;p&gt;以前不做一件事，常常是因为做不了，不需要什么决心。现在几乎什么都能试一下，“不做”就变成了一个需要主动下的决定。我发现自己很容易被“反正很快”说服：这个功能顺手加上，那个想法先做个样子看看。每一件单独看都不费事，加在一起，就把注意力切成了碎片。&lt;/p&gt;
&lt;p&gt;所以我开始给自己留一张“暂时不做”的清单。想到的东西先放进去，过几天再看。很多当时觉得非做不可的事，过几天再看，已经没那么重要了。留下来的那几件，才是我真正想做的。这张清单的用处不在于记住它们，而在于让我不用当场就决定，给判断留出一点时间。&lt;/p&gt;
&lt;h2&gt;什么时候停&lt;/h2&gt;
&lt;p&gt;另一个需要判断的，是停下来的时间点。&lt;/p&gt;
&lt;p&gt;AI 可以一直改下去。每一轮都能挑出一点问题，每一轮都能再好一点点。改到后来，我有时说不清是在把东西变好，还是只是在换一种写法。修改不再有成本，人就很难自己喊停。&lt;/p&gt;
&lt;p&gt;我现在的办法是在开始前就想好“够用”的样子：这个东西是给谁看的，要达到什么程度就可以拿出去。到了那个程度就停，剩下的问题等真正有人用过之后再说。比起在自己手里多改十轮，放出去得到一次真实的反应，通常更有用。&lt;/p&gt;
&lt;p&gt;反过来也一样。有些事做到一半，已经能看出方向不对，这时候该停的是整件事，而不是接着把细节打磨好。这一步对我来说一直不容易。已经投入的时间会让人舍不得，总觉得再做一点就能看到转机。可执行便宜了以后，已经投入的那部分其实也没那么贵，放下它的代价比以前小得多。&lt;/p&gt;
&lt;h2&gt;怎么判断好坏&lt;/h2&gt;
&lt;p&gt;最根本的，是判断结果本身的好坏。&lt;/p&gt;
&lt;p&gt;AI 给出的东西，表面上往往都很完整：结构清楚，语气笃定，看起来没什么毛病。正因为看起来都不错，分辨哪个真的好，反而更费力。如果我对这件事本身没有理解，就只能凭感觉说“还行”，而“还行”是最危险的判断，它会让一个平庸的东西顺利通过。&lt;/p&gt;
&lt;p&gt;比如同一段开头，让它写两个版本，两个读起来都通顺。以前我会凭第一眼挑一个顺眼的。现在我会逼自己说出差别：哪一个更快说到重点，哪一个更像我会说的话，哪一个读者看完会愿意往下读。说着说着，常常发现两个都不行，真正的问题是我自己还没想清楚这一段要讲什么。&lt;/p&gt;
&lt;p&gt;所以我给自己的要求是，评价一个结果时，要能说出具体的理由：好在哪一处，差在哪一处，和我想要的差了什么。说不出来，就说明我还没看懂，需要回到问题本身，而不是再让它多出几个版本让我挑。&lt;/p&gt;
&lt;h2&gt;判断力从哪里来&lt;/h2&gt;
&lt;p&gt;判断不像执行那样可以直接交出去。它来自对一件事的理解，也来自一次次做完之后的复盘。&lt;/p&gt;
&lt;p&gt;我现在会刻意留一点时间，回头看自己做过的决定：当时为什么选这个，为什么放掉那个，结果和预想差在哪里。重要一点的决定，我会在做之前先写下一两句理由和预期，事后再拿出来对照。不写下来，事后很容易替当时的自己找补，觉得自己早就料到了。执行的部分越来越多地交给工具，这部分却只能自己来。做得越多，越需要回头看，不然速度带来的只是更多的东西，而不是更好的眼光。&lt;/p&gt;
&lt;p&gt;能做出来的东西越来越多，值得做的东西并没有变多。我现在花更多时间在分辨这两者上。&lt;/p&gt;</content>
  </entry>
  <entry>
    <title>纳斯达克笔记：盈利没变，倍数先变了</title>
    <link href="https://cybercaesar.bond/log-014" />
    <id>https://cybercaesar.bond/log-014</id>
    <published>2026-11-07T09:10:00+08:00</published>
    <updated>2026-11-07T09:10:00+08:00</updated>
    <summary>风险落在未来的需求被不被允许兑现时，眼前这一季超预期多少，就不太重要了。</summary>
    <content type="html">&lt;p&gt;11 月 6 日，周五，纳指涨 1.09%，收在 24,579.42，全周仍跌 3.4%，连续第四周下跌，收盘距 10 月 6 日的纪录低 10.9%。真正的伤口在周四：纳指单日跌 5.52%，是 2025 年 4 月以来最大跌幅，确认进入技术性调整。&lt;/p&gt;
&lt;p&gt;这一周有选举、有财报、有非农，信息很密。把几天的走势连起来看，最清楚的一条线是：公司的盈利预期几乎没动，市场愿意为这些盈利付的价钱先动了。&lt;/p&gt;
&lt;h2&gt;周三：同一个结果，两个方向&lt;/h2&gt;
&lt;p&gt;周二是中期选举，民主党拿下参众两院，并在得克萨斯、俄亥俄等州赢下州长。周三市场先松了一口气，道指涨 3.03%，是 2025 年 4 月以来最好的一天；纳指涨 1.44%。&lt;/p&gt;
&lt;p&gt;水面下却分成了两半。微软涨 6.7%，亚马逊涨 6.1%，苹果和微软都创了新高。另一边，费城半导体指数跌 3.1%，到了六个月低点；数据中心运营商 Hut 8 跌 23%，IREN 跌 11%，得州电力公司 Vistra 跌 14%。&lt;/p&gt;
&lt;p&gt;同一条消息，在交易两端的符号相反。新的数据中心如果更难建，对花钱的一方，资本开支可能被动放缓，自由现金流的压力变小，已经建好的机房还会因为稀缺而更值钱；对卖芯片、卖设备、卖电的一方，这是未来收入的一块缺口。周三，市场先把这笔账按买卖双方分开算。&lt;/p&gt;
&lt;h2&gt;周四：分歧消失，只剩一个因子&lt;/h2&gt;
&lt;p&gt;周四分歧没了。费城半导体指数跌 12.25%，是 2020 年 3 月以来最大单日跌幅；英伟达跌 9.26%，AMD 跌 17.26%，美光跌 17.46%，SanDisk 跌 22.26%。纳斯达克 100 跌 6.3%，标普 500 跌 4.4%，前一天上涨的几家大型科技公司也跌了 2% 到 4%。&lt;/p&gt;
&lt;p&gt;AMD 最能说明问题。周二盘后它公布了史上最大的一个季度：收入 134 亿美元，增长 45%；数据中心收入 85.5 亿美元，增长 97%；四季度收入指引约 170 亿美元，分析师原本预期 163 亿；苏姿丰还说 2027 年收入增长会超过 80%。盘后股价一度涨 8%。两天后，这些数字一个没变，股价跌了 17%。&lt;/p&gt;
&lt;p&gt;美银分析师 Wamsi Mohan 的判断是，这轮 AI 硬件股的下跌来自估值倍数下调，而不是盈利预测下调。我同意这个读法。选举带来的风险不在下个季度：新的州长和国会议员明年 1 月才上任，至今没有任何法律生效。但数据中心从选址到通电要好几年，市场担心的是几年之后，这些需求还被不被允许兑现。在估值里，远期现金流恰恰是分量最重的那一段。风险落在那里时，眼前这一季超预期多少，就不太重要了。&lt;/p&gt;
&lt;p&gt;Palantir 是另一个版本。周一盘后它公布三季度收入 23.1 亿美元，增长 96%，美国商业收入首次超过政府收入；周二股价仍跌 1.65%，分析师指向的是新签合同总价值增长放缓。估值越高，市场越只看前瞻指标。&lt;/p&gt;
&lt;h2&gt;苹果：AI 的成本从另一头传过来&lt;/h2&gt;
&lt;p&gt;AI 基建对纳指的影响不只在芯片股。苹果周一公布的季度收入 1144.8 亿美元，增长 12%，好于预期；但它给十二月季度的毛利率指引是 45% 到 46%，低于上一季的 47.9%，也低于市场预期的 46.3%。管理层说，下滑的大部分来自内存成本，另一部分来自 Siri AI 的投入。周二苹果跌 2.3%。&lt;/p&gt;
&lt;p&gt;这是同一轮 AI 投资的另一面。数据中心吃掉了大量内存产能，消费电子公司就要为同样的零件付更多的钱。苹果能靠提价转嫁一部分，iPhone 17 已经涨价 100 美元，转嫁不掉的那部分，落在毛利率上。&lt;/p&gt;
&lt;h2&gt;周五：非农把短端托住了&lt;/h2&gt;
&lt;p&gt;周五公布的十月非农新增 16.5 万个就业，远高于预期的 5.9 万；失业率降到 4.1%，时薪环比涨 0.4%，前两个月合计上修 8.4 万。按 CME 的数据，市场对 12 月 8 日至 9 日会议加息 25 个基点的定价，从周四的约 67% 升到 77% 左右。按美国财政部的数据，2 年期美债收益率从周四的 4.46% 回到 4.51%。&lt;/p&gt;
&lt;p&gt;放到一整周看，利率的形状更值得留意。10 年期收益率从上周五的 4.94% 降到 4.86%，2 年期从 4.56% 降到 4.51%，长端降得更多。布伦特原油一周跌了约 16%，加上对 AI 投资放缓拖累增长的担心，长端在往下走；短端却被加息预期托着，2 年期收益率仍比联邦基金利率 4% 的上限高出半个百分点。&lt;/p&gt;
&lt;p&gt;对纳指这类长久期资产，长端回落本来是缓冲，但这一周它被两样东西抵消了：一是政策带来的风险溢价，二是降不下来的短端。折现率里能松的那一截在松，压着估值的那一截没动。&lt;/p&gt;
&lt;h2&gt;接下来看什么&lt;/h2&gt;
&lt;p&gt;我会看三样东西。一是英伟达下一份财报对需求和订单的表述，看倍数下调之后，盈利预期会不会跟着往下修。二是新当选的州长和国会会做什么：暂停审批、附加条件，还是只停留在听证，三种情况对远期产能的影响差别很大。三是 12 月议息会议之前的通胀数据，它决定短端利率还要往上走多少。&lt;/p&gt;
&lt;p&gt;这一周变的不是盈利，是市场给远期盈利的定价方式。点位我不猜，只记下自己在看什么。&lt;/p&gt;
&lt;p&gt;以上只是我自己的读法，不是买卖建议。&lt;/p&gt;</content>
  </entry>
  <entry>
    <title>AI 行业观察：算力的新关卡是“准不准建”</title>
    <link href="https://cybercaesar.bond/log-013" />
    <id>https://cybercaesar.bond/log-013</id>
    <published>2026-11-07T09:00:00+08:00</published>
    <updated>2026-11-07T09:00:00+08:00</updated>
    <summary>新的产能要等许可，已经通电的机房就开始收稀缺租金。</summary>
    <content type="html">&lt;p&gt;11 月 3 日美国中期选举，10 个州有 41 项和数据中心有关的地方投票，其中 21 项在俄亥俄。按 Ballotpedia 和 CNBC 的统计，除了北达科他州的哈伍德，其余每一项的结果都站在数据中心的对面。CNBC 的选民调查里，56% 的人说数据中心是影响自己投票的关键或主要因素。&lt;/p&gt;
&lt;p&gt;州长选举也是一样。俄亥俄新当选的州长 Amy Acton 支持“有条件暂停”：数据中心要承担 100% 的公用事业成本，并且只用工会劳工建设。得克萨斯新当选的州长 Gina Hinojosa 承诺叫停新的数据中心建设。&lt;/p&gt;
&lt;p&gt;两天后，OpenAI 发布了一份承诺：自己拥有和运营的数据中心，全额支付电力成本，公开施工计划，征求社区意见，不再和公职人员签保密协议。Meta 随即表示，它今年 3 月就做过类似承诺。&lt;/p&gt;
&lt;p&gt;过去两年，AI 基建的约束清单是芯片、电力、资本。这一周清单上多了一项：当地准不准你建。它从三个方向改变这个行业：成本由谁付，时间拖多久，已经建成的产能值多少钱。&lt;/p&gt;
&lt;h2&gt;选票改的是谁来付账&lt;/h2&gt;
&lt;p&gt;数据中心引起反对，核心是一笔外部成本。大量新增用电推高电网投资和电价，这部分过去很大程度上摊进了居民和小企业的电费；再加上税收优惠、用水和噪音，当地承担了相当一部分代价，收益却主要落在远处的模型公司和云厂商身上。&lt;/p&gt;
&lt;p&gt;Meta 总裁 Dina Powell McCormick 在《华尔街日报》科技大会上说得很直白：数据中心是 AI 看得见的样子，人们可以说“我不要它建在我这里”，背后是人们对 AI 本身的感受。&lt;/p&gt;
&lt;p&gt;OpenAI 和 Meta 的承诺，本质上是把这笔外部成本收回到自己的账上：自付电费，出钱升级电网，把税收盈余导向当地教师和急救人员，尽量用本地劳工。账单并没有消失，只是换了付款人。每兆瓦的建设和运营成本会上升，俄亥俄提出的工会劳工条件还会推高施工成本。过去几年数据中心选址时享受的那部分隐性补贴，正在被选票收回。&lt;/p&gt;
&lt;h2&gt;时间比钱更贵&lt;/h2&gt;
&lt;p&gt;钱的问题还能靠融资解决，时间的问题更难。&lt;/p&gt;
&lt;p&gt;按国际能源署的数据，在北弗吉尼亚给一个 100 兆瓦的项目接入电网大约要七年。三菱电力的高管上个月对彭博说，燃气轮机的交付已经排到 2031 年。于是有的数据中心开始把退役客机的发动机改装成燃气发电机组，图的是 24 个月就能投运，代价是效率更低、排放更高。xAI 在密西西比装了八台这样的机组，给孟菲斯的 Colossus 2 供电。微软上个月退出了 Nscale 在英国 Loughton 的项目，原因是当地电网要到 2030 年代早中期才供得上足够的电。&lt;/p&gt;
&lt;p&gt;现在，电网排队之上又叠了一层政治审批的时间。&lt;/p&gt;
&lt;p&gt;时间之所以贵，是因为芯片会过时。这一周有报道称，微软没有续签 2023 年和甲骨文签下的一份算力合同，正在陆续关掉相关服务器，原因是里面跑的是较老的英伟达芯片，已经不适合它现在的工作负载。一座机房晚两年通电，原本为它准备的芯片可能已经落后一代。算力的价值取决于两样东西：用的是哪一代芯片，什么时候能上线。审批每拖一个季度，后者就往后推一个季度。&lt;/p&gt;
&lt;p&gt;OpenAI 首席全球事务官 Chris Lehane 在介绍俄亥俄项目时说，数据中心的计算设备每三到五年就要更换，所以能给当地带来持续的工作。同一个事实换个角度看，是一只折旧时钟：设备从买下那天就开始贬值，不管机房有没有拿到许可。&lt;/p&gt;
&lt;h2&gt;已经通电的机房在涨价&lt;/h2&gt;
&lt;p&gt;新的产能要等许可，已经建好、已经通电的产能就更值钱。&lt;/p&gt;
&lt;p&gt;Anthropic 11 月 2 日提交的招股书修订版给了一个具体样本。三季度收入 169.6 亿美元，环比增长 47%，经营利润却从二季度的 9.74 亿美元变成亏损 5.67 亿美元。文件把原因主要归到 50 亿美元按短期合同采购的算力上，这部分算力“明显贵于”多年期合同。它的多年期算力通常提前 12 到 18 个月锁定，需求一旦超出，就只能去短期市场补。文件还提醒，部分算力供应商依赖第三方融资建设产能，融资如果变贵或者断掉，合同里的产能可能被推迟、重新定价、缩减，甚至无法交付。&lt;/p&gt;
&lt;p&gt;Meta 站在另一边。Powell McCormick 说，Meta 每天都接到电话，想租用它已经建好的算力。&lt;/p&gt;
&lt;p&gt;这是许可约束最直接的后果：新增供给的节奏不再只由需求和资本决定，还要看审批；短期需求的波动，就更多压到现有产能的价格上。提前锁定长期产能的一方占了便宜，依赖短期采购补缺口的一方，毛利率会被挤压。&lt;/p&gt;
&lt;h2&gt;价值落在哪里&lt;/h2&gt;
&lt;p&gt;把这几件事放在一起，AI 基建里最稀缺的东西正在从 GPU 换成另一组资产：已经拿到许可的地块，已经排上队的电网接入，能自己发电的设备，以及已经在运行的机房。&lt;/p&gt;
&lt;p&gt;建设方的竞争方式也会跟着变。以前比的是谁拿得到芯片、谁融得到钱，接下来还要比谁能让一个县愿意接受它：电费自己付到什么程度，税收怎么分，当地能拿到多少工作。这些条件会写进合同，也会写进每兆瓦的成本。&lt;/p&gt;
&lt;p&gt;新当选的州长和国会议员要到明年 1 月才上任，目前还没有任何一条新法律生效。但一个项目从选址到通电动辄三五年，这一周的选票，影响的是 2028 年以后的产能曲线。&lt;/p&gt;</content>
  </entry>
  <entry>
    <title>成长认知：先做出来，再做好</title>
    <link href="https://cybercaesar.bond/log-012" />
    <id>https://cybercaesar.bond/log-012</id>
    <published>2026-10-31T09:20:00+08:00</published>
    <updated>2026-10-31T09:20:00+08:00</updated>
    <summary>以前我在开始之前要求完美，现在我把完美留给第十版。</summary>
    <content type="html">&lt;p&gt;我以前一直觉得自己有拖延症。想做的事情很多，真正开始的很少。一件事在脑子里转了好几个星期，笔记记了一堆，资料收藏了一堆，第一步却迟迟没有迈出去。&lt;/p&gt;
&lt;p&gt;用了一段时间 AI 之后，我发现这个毛病好了很多。不是因为我突然变得自律，而是做事的顺序变了。&lt;/p&gt;
&lt;h2&gt;拖延的底下是完美主义&lt;/h2&gt;
&lt;p&gt;回头看，我拖的那些事情有一个共同点：我对它们的期待都很高。&lt;/p&gt;
&lt;p&gt;我是一个有完美主义倾向的人。做一件事之前，总想先把准备做足：方向要想清楚，资料要看全，方法要选对，最好一开始就做成一个像样的东西。准备本身会给人一种在推进的感觉，可它也会不断抬高开始的门槛。准备得越多，越觉得还差一点；越觉得还差一点，就越不敢动手。&lt;/p&gt;
&lt;p&gt;时间久了，我开始明白，很多时候我怕的不是做不好，而是第一版做出来太差，和脑子里想的那个样子差得太远。只要不开始，那个完美的版本就一直还在。&lt;/p&gt;
&lt;h2&gt;AI 把开始的成本拆掉了&lt;/h2&gt;
&lt;p&gt;AI 改变的，正是这一步。&lt;/p&gt;
&lt;p&gt;以前从零到一个粗糙的初稿，要花掉大量时间和心力，这一段最痛苦，也最容易放弃。现在我有一个想法，可以直接让 AI 先搭一个大概：一篇文章的框架，一个页面的雏形，一份分析的初步结论。几分钟之后，东西就摆在眼前了。&lt;/p&gt;
&lt;p&gt;它当然不完美，常常还很粗糙。但有了一个具体的东西，我面对的问题就从“要不要开始”变成了“哪里需要改”。前一个问题会让人一直犹豫，后一个问题却很好回答：这里不对，那里不够，这一段要重写。改一个已经存在的东西，比凭空造一个东西容易得多。&lt;/p&gt;
&lt;h2&gt;完成比完美更重要&lt;/h2&gt;
&lt;p&gt;这让我重新理解了“完成比完美更重要”这句话。&lt;/p&gt;
&lt;p&gt;以前我觉得这是给不够用心的人找的借口。现在我觉得它说的是一个顺序问题：完美不是不要，而是不能放在开头。放在开头，它就是门槛；放在后面，它才是方向。&lt;/p&gt;
&lt;p&gt;我现在的做法是，先用 AI 做出一个能看、能用的版本，然后一段一段地改，一步一步地往上提。每一轮只解决几个最明显的问题，改完再看下一轮。很多东西改到第五版、第十版，才慢慢接近我原来想要的样子。而按以前的方式，它们大多会停在第零版，也就是从来没有开始。&lt;/p&gt;
&lt;h2&gt;想到就去做&lt;/h2&gt;
&lt;p&gt;这个变化带来的另一件事，是我开始习惯想到什么就直接去做。&lt;/p&gt;
&lt;p&gt;以前一个念头出现，我会先在心里评估很久：值不值得，有没有人做过，自己能不能做好。评估到最后，大部分念头就这样过去了。现在验证一个想法的成本低了很多，与其反复想，不如先做一个小版本出来看看。做出来之后，值不值得继续，往往一眼就能看清楚，比在脑子里推演可靠得多。&lt;/p&gt;
&lt;p&gt;行动力和执行力就是这样一点点提上来的。不是我变得更有毅力了，而是每一次开始都变得更轻，轻到不需要什么毅力。&lt;/p&gt;
&lt;h2&gt;快起来之后要留意的&lt;/h2&gt;
&lt;p&gt;当然，这种方式也有需要提醒自己的地方。&lt;/p&gt;
&lt;p&gt;开始得容易，也就放弃得容易。粗稿来得太快，我有时会同时开好几件事，每件都停在一个半成品。所以我给自己定了一个简单的规矩：开始可以随意，但已经开始的事，要么改到一个能交付的版本，要么明确放下，不让它悬在那里。&lt;/p&gt;
&lt;p&gt;还有一点是，AI 给的第一版只是起点，判断还得是我自己的。它能帮我更快地走到“有东西可改”的位置，但改成什么样、哪里算好，仍然要靠我对这件事的理解。速度提上来了，标准不能跟着降下去。&lt;/p&gt;
&lt;p&gt;以前我在开始之前要求完美，现在我先做出来，再一步步把它做好。&lt;/p&gt;</content>
  </entry>
  <entry>
    <title>纳斯达克笔记：市场从看叙事转向看现金流</title>
    <link href="https://cybercaesar.bond/log-011" />
    <id>https://cybercaesar.bond/log-011</id>
    <published>2026-10-31T09:10:00+08:00</published>
    <updated>2026-10-31T09:10:00+08:00</updated>
    <summary>资本开支一旦吞掉经营现金流，估值看的就不再是故事有多大，而是兑现之前要等多久。</summary>
    <content type="html">&lt;p&gt;10 月 30 日，周五，纳指跌 2.86%，收在 25,437，是 6 月 5 日以来最大的单日跌幅，距 10 月 6 日的收盘纪录回撤 7.8%。全周跌 2.0%，连续第三周下跌。整个十月跌 5.3%，是 2025 年 3 月以来最差的一个月；按路透的统计，纳斯达克 100 成分股这个月蒸发的市值超过 2 万亿美元。&lt;/p&gt;
&lt;p&gt;这一周最有信息量的，是几家大公司财报之后的分化。它们讲的 AI 故事差不多，股价却走向完全不同的方向，分界线落在现金流上。&lt;/p&gt;
&lt;h2&gt;同样在花钱，为什么一个涨一个跌&lt;/h2&gt;
&lt;p&gt;周三盘后，微软和 Alphabet 同时公布季报。&lt;/p&gt;
&lt;p&gt;微软的 Azure 收入增长 48%，下季度指引 49% 到 50%。含融资租赁的资本开支 452 亿美元，低于公司自己给出的指引；自由现金流 186 亿美元，比分析师预期多出约 100 亿。管理层还表示，整个 2027 财年都会保持自由现金流为正。盘后股价涨了 4% 左右。&lt;/p&gt;
&lt;p&gt;Alphabet 的 Google Cloud 收入翻了一倍，单看增长并不弱。但当季资本开支 514 亿美元，自由现金流为负 90.7 亿美元，分析师原本预期是负 27 亿。周四股价跌 12.6%，是 2004 年上市以来最差的一天，市值蒸发约 5000 亿美元。&lt;/p&gt;
&lt;p&gt;更让市场不安的是搜索。Google 说搜索查询量的增长是五年来最强的，搜索收入却连续第二个季度低于预期。首席商务官 Philipp Schindler 把部分原因归到 AI Mode：这类查询的变现水平更低。资本开支在加速，核心业务每单位使用量带来的钱却在变少，现金流从两头被挤压。&lt;/p&gt;
&lt;p&gt;两家都在大举投入 AI，区别在于投入有没有被经营现金流覆盖。微软给出的答案是覆盖得了；Alphabet 的答案是暂时覆盖不了，而且核心收入的单价在往下走。&lt;/p&gt;
&lt;h2&gt;亚马逊和 Intel：超出预期的资本开支&lt;/h2&gt;
&lt;p&gt;周四盘后，亚马逊公布三季度资本开支 773 亿美元，比 FactSet 统计的预期高出近 190 亿；过去十二个月的自由现金流净流出 424 亿美元，一年前还是流入 148 亿。AWS 增长 39%，管理层说明年的资本开支还会明显更多。&lt;/p&gt;
&lt;p&gt;Intel 的当季利润超预期，但四季度收入指引在 150 亿到 160 亿美元之间，低于市场预期的 171 亿，公司还提示自由现金流短期内难以转正。周五股价跌 28.6%，是 1974 年以来最差的单日表现。费城半导体指数当天跌 7.2%，十月累计跌超过 15%；AMD 跌 10.9%，英伟达跌 4.2%。英伟达市值接近 5 万亿美元，这 4.2% 对标普 500 的拖累比 Intel 还大。&lt;/p&gt;
&lt;p&gt;芯片股的下跌，表面上由 Intel 引爆，底下是同一个问题沿供应链往上游传导。下游大厂的资本开支如果开始受自由现金流约束，芯片订单未来几年的增速就要重新打折。&lt;/p&gt;
&lt;h2&gt;估值的锚换了&lt;/h2&gt;
&lt;p&gt;叙事主导的阶段，市场给 AI 相关公司定价，看的是远期市场空间和收入增速，资本开支被当作对未来的投资，越多越说明决心。一旦资本开支大到吞掉经营现金流，它就从现金流量表里的一行，变成决定股东最终能拿到多少现金的核心变量。&lt;/p&gt;
&lt;p&gt;在现金流折现的框架里，自由现金流是分子。近几年的分子转负，意味着公司价值更多依赖遥远年份的现金，久期变长，对折现率也更敏感。这时估值要回答的就不只是故事好不好，而是故事兑现之前要等多久、按什么利率折回来。&lt;/p&gt;
&lt;p&gt;这也解释了为什么微软周四发了 250 亿美元的债，市场却并不担心。它的经营现金流覆盖得了资本开支，举债是在优化资本结构，不是在填缺口。&lt;/p&gt;
&lt;h2&gt;利率没有帮忙&lt;/h2&gt;
&lt;p&gt;另一个变量是利率。周三美联储按兵不动，联邦基金利率维持在 3.75% 到 4%，但投票结果是 10 比 2，两位官员主张加息。周四公布的数据显示，三季度 GDP 年化增长 3.4%，高于预期；9 月 PCE 同比 3.6%，核心 PCE 3.1%。按 CME 的数据，市场对 12 月加息的定价在七成五左右。&lt;/p&gt;
&lt;p&gt;经济越强、通胀越黏，短端利率往下走的空间就越小。10 年期美债收益率这一周回落到 4.94% 附近，更多来自科技股抛售带出的避险买盘，而不是对降息的期待。对长久期资产来说，这是一个不舒服的组合：分子在变小，折现率却没有因为货币政策放松而明显下降，短端还在往加息的方向定价。&lt;/p&gt;
&lt;h2&gt;钱流向了哪里&lt;/h2&gt;
&lt;p&gt;指数的下跌，盖住了水面下的轮动。这一周标普 500 跌 0.6%，等权重标普 500 反而涨了 0.8%；罗素 2000 涨 1.3%，11 个行业里有 9 个上涨，医疗保健板块创了新高。截至周四，今年以来剔除七巨头的大盘股 ETF 涨了 15% 以上，七巨头 ETF 不到 6%。&lt;/p&gt;
&lt;p&gt;资金没有离开股市，而是在找当期现金流稳定、估值没有被 AI 叙事抬高的地方。能源、必需消费、医疗这几个板块的共同点是，现金流看得见，不依赖一个还没被验证的远期假设。&lt;/p&gt;
&lt;h2&gt;接下来看什么&lt;/h2&gt;
&lt;p&gt;下周一苹果和 Palantir 公布财报，周二是 AMD，同一天是美国中期选举，周五是十月非农。&lt;/p&gt;
&lt;p&gt;我会重点看三样东西。一是 AMD 对数据中心需求的表述，看大厂的资本开支约束有没有落到具体订单上。二是各家公司的现金流量表，而不只是收入和每股收益：经营现金流能覆盖多少资本开支，缺口打算怎么补。三是非农数据和 12 月加息的定价，它决定长久期资产的折现率会不会继续往上走。&lt;/p&gt;
&lt;p&gt;这一周市场并没有否定 AI 的需求，变的是定价依据：从收入增速和远期空间，转向当期能拿出多少自由现金流。我不预测点位，只记下自己在看什么、为什么看。&lt;/p&gt;
&lt;p&gt;以上只是我自己的读法，不是买卖建议。&lt;/p&gt;</content>
  </entry>
  <entry>
    <title>AI 行业观察：用模型越来越便宜，造模型越来越贵</title>
    <link href="https://cybercaesar.bond/log-010" />
    <id>https://cybercaesar.bond/log-010</id>
    <published>2026-10-31T09:00:00+08:00</published>
    <updated>2026-10-31T09:00:00+08:00</updated>
    <summary>收入是按 token 一笔一笔收回来的，成本却是按年份一次签下的。</summary>
    <content type="html">&lt;p&gt;10 月 26 日，周一，同一天出现了两份文件。&lt;/p&gt;
&lt;p&gt;一份是 OpenAI 发布 GPT-6.1 Terra 时给出的价格：每百万输入 token 1 美元，输出 5 美元，比上一代 GPT-5.6 Terra 和自家更强的 GPT-6.1 Sol 便宜一半。OpenAI 还称，在一项评测上它能追平旗舰 GPT-6 Astra，每个 token 的价格只有后者的十分之一。&lt;/p&gt;
&lt;p&gt;另一份是 Anthropic 向美国证监会公开提交的 S-1，计划以 ANT 为代码在纳斯达克上市。文件列出，它对 Google、亚马逊和微软三家云厂商的长期算力承诺合计约 2690 亿美元，并写明这些钱“无论使用多少”都要付。&lt;/p&gt;
&lt;p&gt;一份说用模型越来越便宜，一份说造模型越来越贵。两件事并不矛盾，它们来自同一个结构。&lt;/p&gt;
&lt;h2&gt;价格为什么一路往下走&lt;/h2&gt;
&lt;p&gt;token 降价，表面上是竞争，底下有三股力量。&lt;/p&gt;
&lt;p&gt;一是蒸馏和架构改进。前沿模型做出来以后，同等能力可以被压进更小、更快的模型里，Terra 这样的中档模型，本质上是把上一代旗舰的能力批量生产。二是推理侧的工程。缓存、批处理、专用芯片，让每个 token 的边际成本持续下降。Terra 的缓存输入价格是每百万 0.05 美元，只有普通输入的 5%，这个折扣本身就说明了成本结构：重复的上下文几乎不花钱。三是开源权重给价格设了上限。&lt;/p&gt;
&lt;p&gt;10 月 29 日，Mistral 把 Large 4 的权重放上 Hugging Face，总参数约 1.05 万亿，每个 token 激活约 520 亿。它的托管 API 定价是每百万输入 0.7 美元、输出 2.1 美元；更重要的是，有一台八卡 B200 级别服务器的机构就可以自己部署。只要市场上存在一个能力接近、可以自己跑的选项，闭源模型在中档区间就很难维持高价。&lt;/p&gt;
&lt;p&gt;所以中档以下的模型，价格越来越接近推理成本加上一点利润。这一层在通缩。&lt;/p&gt;
&lt;h2&gt;招股书里的另一本账&lt;/h2&gt;
&lt;p&gt;Anthropic 的 S-1，是第一次有前沿实验室把完整的账摊开给公众看。&lt;/p&gt;
&lt;p&gt;收入增长很快：2026 年上半年 163 亿美元，去年同期只有 12 亿。但真正决定这家公司形状的是成本一侧。文件写明，收入成本“几乎全部”与算力和基础设施相关；固定或最低保证的算力承诺约 2656 亿美元，期限 1 到 20 年；把设备租赁和尚未定价的远期产能算进去，总承诺在 5420 亿到 5670 亿美元之间。&lt;/p&gt;
&lt;p&gt;这里有一个期限错配。收入按 token 一笔一笔收，客户随时可以换模型、降用量；成本按年份签下，签了就要付。收入端的弹性和成本端的刚性放在同一张报表里，利润率就会随着新算力到位的节奏上下波动，招股书自己也是这么写的。&lt;/p&gt;
&lt;p&gt;更值得留意的是承诺的用途。外界能看到算力占收入的比重在下降，却看不到这些承诺里有多少用于训练下一代模型、多少用于服务现有客户。服务客户的算力会被收入摊薄；训练用的算力是在为下一轮竞争提前付费，不产生当期收入。&lt;/p&gt;
&lt;h2&gt;训练暂停为什么写进风险因素&lt;/h2&gt;
&lt;p&gt;S-1 的风险因素部分有一段披露：Anthropic 曾把下一代前沿基础模型的预训练暂停一个多月，原因是要加强对模型权重和知识产权被盗的防护。文件同时提醒，类似的暂停可能推迟收入，让公司落后于对手。&lt;/p&gt;
&lt;p&gt;放在成本结构里看，这件事的含义很具体。算力是按年签的，训练暂停的一个多月里，算力不会停止计费，可以挪去服务客户，但下一代模型的时间表往后推了。在一个靠每一代模型维持定价的行业里，代际时间就是现金流的时间。&lt;/p&gt;
&lt;p&gt;同一周 Google 发布的 Gemini 4 Carbon 是另一个角度的例子。它是 Google 目前最强的模型，却先只开放给一部分网络安全防御方，等护栏迭代之后再向开发者和企业放开。公布的入门价是每百万输入 2 美元、输出 10 美元。最前沿的那一层，发布节奏开始受安全约束，而不只是受竞争驱动。安全投入成了建造成本的一部分，也直接影响收入从哪天开始确认。&lt;/p&gt;
&lt;h2&gt;一方的承诺，是另一方的资本开支&lt;/h2&gt;
&lt;p&gt;Anthropic 欠三家云厂商的 2690 亿美元，在云厂商那里是积压订单，也是它们扩建数据中心的依据。这一季，Alphabet 和亚马逊的自由现金流都转成了负数，Meta 稍早公布的季报也一样。&lt;/p&gt;
&lt;p&gt;把这条链连起来看：模型公司向云厂商承诺长期采购，云厂商据此加大资本开支，资本开支先吃掉自己的经营现金流，再靠模型公司的付款慢慢收回；模型公司的付款，最终又来自每百万 1 美元、5 美元这样的 token 收入。链条末端在降价，前端在加码，中间每一环都押注同一件事：用量增长得比单价下降得更快。&lt;/p&gt;
&lt;p&gt;用量能不能接上，目前的证据并不一致。同一周，DoorDash CEO 徐迅在财报电话会上说，来自第三方 AI 代理的订单“总共大概几百单”，而 DoorDash 仅三季度就处理了 9.93 亿单。代理被认为是最消耗 token 的用法，Anthropic 的招股书也写到，代理类产品在结构上更耗算力。可落到具体的消费场景，代理带来的真实交易还非常少。&lt;/p&gt;
&lt;h2&gt;价值落在哪一层&lt;/h2&gt;
&lt;p&gt;两头放在一起，大致能看出利润会往哪里流。&lt;/p&gt;
&lt;p&gt;中档模型在通缩，开源权重设了上限，这一层的利润会越来越薄，留给能把单位成本压到最低的玩家。最前沿的一层还能定价，但要承担越来越高的训练成本、越来越长的安全周期，还要用长期承诺提前锁定算力。握着算力和客户预算入口的云厂商，在承诺期内收到的是相对确定的现金，代价是先把自己的现金流掏空。&lt;/p&gt;
&lt;p&gt;IPO 披露的意义在这里。过去这些账藏在私募条款和合作协议里，现在其中一家把成本结构、承诺期限和风险写进了要对公众投资者负责的文件。接下来市场给这些公司定价，会更多参照这本账，而不只是收入曲线的斜率。&lt;/p&gt;</content>
  </entry>
  <entry>
    <title>成长认知：人也在周期里</title>
    <link href="https://cybercaesar.bond/log-009" />
    <id>https://cybercaesar.bond/log-009</id>
    <published>2026-10-23T09:20:00+08:00</published>
    <updated>2026-10-23T09:20:00+08:00</updated>
    <summary>我未必知道自己要去哪里，但最好清楚自己现在在哪里。</summary>
    <content type="html">&lt;p&gt;最近在读霍华德·马克斯的《周期》。这本书讲的是市场：经济的周期、信贷的周期、投资者情绪的周期，以及怎么判断自己处在周期的哪个位置。读到一半，我发现自己在用另一种方式读它，把书里描述市场的那些话，一句一句拿来对照自己。&lt;/p&gt;
&lt;p&gt;学金融的人对周期并不陌生。我们习惯看图表上的起伏，知道没有只涨不跌的资产。可轮到自己的状态、情绪和判断，我很少用同一套眼光去看，好像市场有周期，人没有。&lt;/p&gt;
&lt;h2&gt;情绪是一只钟摆&lt;/h2&gt;
&lt;p&gt;马克斯在书里花了很多篇幅讲投资者心理的钟摆：在狂喜和沮丧之间来回摆，在只看到好消息和只盯着坏消息之间来回摆，在什么都信和什么都不信之间来回摆。他说，钟摆停在中点的时间很少，大部分时候，它都在去往某一端、或者从某一端回来的路上。&lt;/p&gt;
&lt;p&gt;回头看自己这几年的状态，几乎能画出同样的轨迹。学一样新东西，开头几周进步很快，会觉得找到了方向，什么都想试；过一阵碰上一个怎么也绕不过去的难点，又开始怀疑之前的判断全错了。做事顺手的那几天，看什么都像机会；卡住的那几天，看什么都像问题。事情本身未必变了那么多，变的是我站在钟摆的哪一头。&lt;/p&gt;
&lt;p&gt;知道这一点，并不能让钟摆停下来。但至少在情绪很满或者很空的时候，我会提醒自己：这时候看到的东西，大概被放大了。&lt;/p&gt;
&lt;h2&gt;先弄清楚自己在哪里&lt;/h2&gt;
&lt;p&gt;书里有一句话我反复读过，大意是：我们也许永远不知道要去哪里，但最好清楚自己现在在哪里。马克斯的意思是，预测未来很难，判断当下的位置却是可以做到的：价格高不高，人们是贪婪还是恐惧，风险是被重视还是被忽视。&lt;/p&gt;
&lt;p&gt;放到个人身上，这句话很实用。我没办法预测一年后自己会在做什么，但可以问自己几个关于当下的问题：最近是不是做什么都觉得顺？是不是开始觉得某件事稳了，不需要再检查？或者反过来，是不是已经很久没有进展，开始怀疑一切？这些问题比“我应该往哪走”容易回答，也更能帮我决定下一步该多做还是少做。&lt;/p&gt;
&lt;h2&gt;周期总会转向&lt;/h2&gt;
&lt;p&gt;马克斯反复强调，周期最可靠的一点，是它会反转。树不会长到天上去，大多数东西也不会跌到零。好的趋势走得太远，会埋下自己转向的原因；坏的局面持续太久，也会慢慢积累回升的条件。&lt;/p&gt;
&lt;p&gt;这对我既是安慰，也是提醒。状态好的阶段，我容易把它当成新的常态，觉得终于找到了方法，以后都会这样。状态差的阶段，又容易把它当成最终的结论，觉得自己就是不行。两种想法犯的是同一个错：把周期里的一段，当成了整条线。&lt;/p&gt;
&lt;p&gt;所以我现在尽量做两件事：顺的时候，不把它当成常态；低的时候，不把它当成结论。&lt;/p&gt;
&lt;h2&gt;风险最高的时候，往往感觉最安全&lt;/h2&gt;
&lt;p&gt;书里另一个观点我印象很深：风险最高的时候，往往是人们觉得风险最低的时候。大家都觉得安全，就会放松标准、加大押注，风险正是在这种放松里积累起来的。反过来，人人恐惧的时候，价格里已经包含了大量坏消息，真正的风险反而在下降。&lt;/p&gt;
&lt;p&gt;人也一样。最容易出问题的，往往不是最难的那段日子，而是一切都很顺、开始觉得不用那么小心的时候。连着几次判断都对了，我会不自觉地少做一步验证，多接一件事，把计划排得更满。等到出错再回头看，问题多半是在那段最轻松的时间里种下的。&lt;/p&gt;
&lt;h2&gt;太早和错了，看起来一样&lt;/h2&gt;
&lt;p&gt;马克斯说过，太超前于时代，和犯错没有区别。方向看对了，时间点不对，结果上和看错是一样的。这和他在《投资最重要的事》里讲的第二层思维是连在一起的：第一层思维只问“这是好事还是坏事”，第二层思维还要问“别人怎么看，已经反映了多少，什么时候会被看到”。&lt;/p&gt;
&lt;p&gt;用在自己身上，它让我对“看对了却没结果”多了一点耐心，也多了一点诚实。有些方向我可能确实看早了，坚持下去未必是错的，但得承认，在结果出来之前，它和错了看起来没有区别。我能做的，是不把全部精力押在一个时间点上，给自己留出等待的余地。&lt;/p&gt;
&lt;h2&gt;在极端处少做一点&lt;/h2&gt;
&lt;p&gt;读完这本书，我没有得到一套管理自己的方法。马克斯自己也说，周期没法精确预测，能做的只是根据所处的位置调整姿态：在高处更谨慎一些，在低处更积极一些。&lt;/p&gt;
&lt;p&gt;落到我自己身上，就是在两端少做决定。情绪很高的时候，不急着加码，不急着许诺；情绪很低的时候，不急着放弃，不急着推翻。重要的决定，尽量等钟摆回到中间附近再做。这样并不能让我躲开周期，但能让我少在最差的位置上做最大的动作。&lt;/p&gt;
&lt;p&gt;以前我只在图表上看周期，现在开始试着在自己身上看。&lt;/p&gt;</content>
  </entry>
  <entry>
    <title>纳斯达克笔记：从“谁有需求”到“谁付得起”</title>
    <link href="https://cybercaesar.bond/log-008" />
    <id>https://cybercaesar.bond/log-008</id>
    <published>2026-10-23T09:10:00+08:00</published>
    <updated>2026-10-23T09:10:00+08:00</updated>
    <summary>这一轮担心的不是没人要算力，而是要算力的人能不能一直借到钱。</summary>
    <content type="html">&lt;p&gt;10 月 22 日，周四，纳指跌 2.60%，收在 26,008.86，是 6 月以来最差的一天；纳斯达克 100 跌 2.90%，标普 500 跌 1.21%。道指反而涨了 0.02%。&lt;/p&gt;
&lt;p&gt;同一个市场里，科技股集中抛售，蓝筹几乎不动。卖压压在一个很具体的地方。&lt;/p&gt;
&lt;h2&gt;周四跌的是哪一层&lt;/h2&gt;
&lt;p&gt;费城半导体指数单日跌 6.7%，距 6 月 22 日的高点已回撤超过 26%。AMD 跌 8.10%，Intel 跌 8.04%，ASML 跌 6.93%，美光跌 6.26%，英伟达跌 4.40%。GE Vernova、Bloom Energy 这类给数据中心供电的公司跌超 11%，算力租赁商 CoreWeave 跌 10.06%。&lt;/p&gt;
&lt;p&gt;芯片、设备、电力、算力出租，这是一条完整的 AI 基建链。前两周我写过，供应商交易的是大厂资本开支的增量。这周的不同在于，市场怀疑的不再是大厂想不想花，而是钱从哪里来。&lt;/p&gt;
&lt;h2&gt;一份超预期的财报，为什么跌了 7%&lt;/h2&gt;
&lt;p&gt;Meta 三季度收入 646 亿美元，同比增 26%，高于预期，盘后一度涨 3%，第二天收跌 6.98%。&lt;/p&gt;
&lt;p&gt;转折在利润表之外。当季自由现金流为负 21.2 亿美元，是 2012 年上市以来第一次。季报列出约 3557 亿美元未起租的租约和 4545 亿美元不可撤销的合同承诺，合计约 8100 亿。它还准备设立无投票权的 C 类股，文件写到未来几年可能要筹集“数千亿美元”，融资环境“越来越有挑战”，要赶在竞争对手占满融资渠道之前行动。当天，Meta 五年期信用违约互换的价格创下历史新高。&lt;/p&gt;
&lt;p&gt;过去两年，大厂的资本开支基本由自己的经营现金流覆盖，市场争论的是回报率。现在，最赚钱的公司之一写明要去外部融资，还担心排不上队。问题从利润表挪到了资产负债表，从“值不值”变成了“付不付得起”。&lt;/p&gt;
&lt;h2&gt;资本成了新的瓶颈&lt;/h2&gt;
&lt;p&gt;同一天，黄仁勋对 CNBC 说，新云厂商的需求“爆表”，但对资本的需求远大于资本的供给。10 月 12 日，Broadcom CEO 陈福阳也说过，最大的约束可能是资本。&lt;/p&gt;
&lt;p&gt;这改变了这轮基建的约束条件。过去两年的瓶颈在供给，GPU、内存、电力，谁拿到货谁就有收入，供给瓶颈给了供应商定价权。资本瓶颈压在买方身上：买方融不到钱，订单就要排序、延期，最先被砍的是边际上最弱的那部分需求。CoreWeave 的债券收益率和信用违约互换一直在高位，是这个机制最直接的样本。另一边，Blackstone 当天涨了 8.4%，理由是 AI 相关债务的信用利差走阔，可以锁定更高回报。资金还在，只是要求的回报变高了。&lt;/p&gt;
&lt;h2&gt;油价在涨，收益率却在跌&lt;/h2&gt;
&lt;p&gt;有报道称美国和以色列计划在中期选举后重新打击伊朗，布伦特原油涨 4% 到 113.17 美元，是 5 月以来最高。按常理，油价上行意味着通胀压力，长端利率该往上走。实际上，10 年期美债收益率下行超过 17 个基点，到 4.972%。&lt;/p&gt;
&lt;p&gt;我的理解是，债券市场这一天更担心增长。AI 基建是这一轮美国企业资本开支里最大的一块，融资链一收紧，这台发动机就会降速。收益率下行对估值是一种缓冲，但它来自对增长的担忧。&lt;/p&gt;
&lt;h2&gt;接下来盯什么&lt;/h2&gt;
&lt;p&gt;截至 10 月 22 日周四收盘，纳指本周累计跌 0.50%，道指涨 1.66%。周一到周三纳指反弹了约 2.2%，周四一天几乎全部回吐；而上一周，它刚走完 6 月以来最差的一周。&lt;/p&gt;
&lt;p&gt;第一是其他大厂陆续发布的财报。看的不只是资本开支指引，更是经营现金流能覆盖多少、缺口打算怎么融。这一季真正要细读的，是现金流量表和承诺事项的附注。&lt;/p&gt;
&lt;p&gt;第二是信用市场：CoreWeave 的债券、Meta 的信用违约互换，以及 AI 相关公司新发债的利差。股价可以一天来回，利差的方向更难掩饰。&lt;/p&gt;
&lt;p&gt;第三是油价和收益率的关系。油价涨、收益率跌，说明对增长的担心在加深；两者一起往上走，压力会回到估值本身。&lt;/p&gt;
&lt;p&gt;需求还在，黄仁勋和陈福阳都没有否认这一点；变的是兑现需求的成本。我不预测点位，能写下来的只有我在看什么、为什么看。&lt;/p&gt;
&lt;p&gt;以上只是我自己的读法，不是买卖建议。&lt;/p&gt;</content>
  </entry>
  <entry>
    <title>AI 行业观察：每一层的绑定都在松开</title>
    <link href="https://cybercaesar.bond/log-007" />
    <id>https://cybercaesar.bond/log-007</id>
    <published>2026-10-23T09:00:00+08:00</published>
    <updated>2026-10-23T09:00:00+08:00</updated>
    <summary>切换成本下降时，定价权会从被选的一方，移到做选择的一方。</summary>
    <content type="html">&lt;p&gt;这一周最值得留意的，是一张账单。&lt;/p&gt;
&lt;p&gt;10 月 21 日，OpenAI 和 Google 宣布，GPT-6 Astra、GPT-6.1 Sol 和 GPT-6 Luna 进入 Google Cloud 的 Model Garden，先向部分企业客户开放预览。费用走 Google Cloud Marketplace，记在同一张 Google Cloud 账单上，还能抵扣客户已经签下的云消费承诺。&lt;/p&gt;
&lt;p&gt;单看标题，这是两家竞争对手的一次合作。和同一周的另外几件事放在一起，它更像一个更大变化的一部分：AI 产业链上把买方锁在某一家供应商那里的东西，正在一层一层松开。&lt;/p&gt;
&lt;h2&gt;模型开始跟着预算走&lt;/h2&gt;
&lt;p&gt;企业买模型，很多时候不是先比哪个最强，而是先看预算已经承诺给了哪朵云。签下的云消费承诺是一笔迟早要花掉的钱，哪个模型能从里面扣，哪个模型就少了一道采购流程。&lt;/p&gt;
&lt;p&gt;Google 说它现在是唯一同时提供 Gemini、Claude 和 GPT 的超大规模云厂商，Model Garden 里有 200 多个模型；GPT 之后还会进入 Google 自己的编程工具 Antigravity。OpenAI 则强调，微软仍是它的主要云合作伙伴。&lt;/p&gt;
&lt;p&gt;对 OpenAI，独家渠道曾经是议价筹码，现在它拿独家去换覆盖面。对 Google，自家工具里摆上对手的模型看似吃亏，其实它做的是货架生意：客户留在它的云上，用谁的模型都在它的账单里结算。模型越来越像货架上的商品，握着预算入口的一方，分量在变重。&lt;/p&gt;
&lt;h2&gt;芯片的护城河，有一半是软件&lt;/h2&gt;
&lt;p&gt;10 月 19 日，AWS 发布 TorchNeuron 公测版，PyTorch 代码改一行配置就能跑在 Trainium 上。第二天，Google 开源 TorchTPU；在此之前，PyTorch 用户想用 TPU，要么用 JAX 重写，要么用较旧的 torch_xla。&lt;/p&gt;
&lt;p&gt;过去从英伟达 GPU 迁走，代价是重写代码、重新调优、承担出错的风险。这笔切换成本是 GPU 定价权的重要组成部分，它不写在芯片规格里，写在开发者的时间里。两家最大的云厂商在两天内先后把它往下压，等于在说：以后选芯片，更多看每美元换来多少算力，而不是代码被锁在哪里。&lt;/p&gt;
&lt;p&gt;不过，目前还没有同一模型在不同芯片上的公开对比，门槛在降，还没降到零。&lt;/p&gt;
&lt;h2&gt;推理栈被摊开&lt;/h2&gt;
&lt;p&gt;10 月 20 日，DeepSeek 以 Apache 2.0 协议开源了支撑自家服务的推理框架 DeepInfer，支持英伟达和华为昇腾芯片，但保留了 KV 缓存、预填充与解码拆分、负载均衡这几块最难的部分。同一天，Google Cloud、Red Hat 和 IBM 发布的 llm-d 1.0，恰好补上了这些，能跑在英伟达、AMD、Intel 的 GPU 和 Google 的 TPU 上。&lt;/p&gt;
&lt;p&gt;“把模型跑得便宜”一直是模型公司和推理云不太对外讲的手艺，每个 token 的成本差异，很大一部分来自这一层。手艺变成公共代码，单靠“跑得比别人省”赚到的利润就会被摊薄。&lt;/p&gt;
&lt;h2&gt;买方开始算账&lt;/h2&gt;
&lt;p&gt;这些变化集中出现，是因为买方的态度变了。IBM CEO Arvind Krishna 在 10 月 21 日的财报电话会上说，大企业越来越在意 AI 支出的真实回报，也担心一部分支出“完全失控”。按他的估算，在自有机柜上运行开源权重模型，token 成本大约是前沿模型的 10% 到 25%。&lt;/p&gt;
&lt;p&gt;切换成本一旦下降，定价权就会从被选择的一方，慢慢移到做选择的一方。模型可以在云之间换，代码可以在芯片之间换，推理框架可以直接拿来用，企业能比较的选项多了，议价自然变硬。&lt;/p&gt;
&lt;h2&gt;绑定松开以后，价值落在哪里&lt;/h2&gt;
&lt;p&gt;这并不意味着所有人都更好赚。陈福阳 10 月 12 日给过一组估算：前沿实验室大约用 1000 亿美元支出换来 1200 亿美元收入，开源权重阵营花得差不多，回收只有约 300 亿。对买方，替代品让账单变轻；对卖方，被替代的那一层很难留住利润。&lt;/p&gt;
&lt;p&gt;所以这一周真正变的是竞争方式。以前靠绑定留住客户，以后要在客户随时可以换掉你的情况下仍然被选中。能做到的大概有两类：一类握着客户的预算入口，另一类在每一次重新比较时，依然是性价比最好的那个。&lt;/p&gt;
&lt;p&gt;这和同一周资本市场的情绪是一体两面：基建投入越大，越需要用户长期付钱，而用户手里能选的东西正在变多。&lt;/p&gt;</content>
  </entry>
  <entry>
    <title>成长认知：学习第一次变成了正反馈</title>
    <link href="https://cybercaesar.bond/log-006" />
    <id>https://cybercaesar.bond/log-006</id>
    <published>2026-10-15T09:20:00+08:00</published>
    <updated>2026-10-15T09:20:00+08:00</updated>
    <summary>所谓正反馈，不是被夸，而是“我刚才的困惑，被解开了”。</summary>
    <content type="html">&lt;p&gt;回头看从小到大的学习，我发现自己收到的反馈，绝大多数是负的。&lt;/p&gt;
&lt;p&gt;作业本上的红叉，试卷上被圈出来的扣分，课堂上被点名答不上来的那几秒安静。我们很少因为“懂了”被奖励，更多是因为“没懂”被提醒。久而久之，学习在脑子里和一种感觉绑在了一起：紧张、怕错、怕被看出来不会。&lt;/p&gt;
&lt;h2&gt;卡住之后没人接&lt;/h2&gt;
&lt;p&gt;真正难受的，其实不是题难，而是卡住之后没人接。&lt;/p&gt;
&lt;p&gt;老师在讲台上讲了一遍，你没听懂。课堂节奏不会为你停下来；举手再问，又怕大家觉得你笨。下课回家翻书，书上的解释和老师讲的是同一套话，换个排版而已。问同学，同学自己也是半懂。最后的结局往往是：把那一步硬背下来，考试能过，心里一直虚着。&lt;/p&gt;
&lt;p&gt;这种“虚”会累积。一个概念没吃透，后面三个建在它上面的概念也跟着晃。很多人觉得自己“不是学这个的料”，我越来越怀疑，问题不在料不料，而在于每次卡住的时候，身边都没有一个能让你一直问下去的人。&lt;/p&gt;
&lt;h2&gt;问问题不再有成本&lt;/h2&gt;
&lt;p&gt;AI 出来以后，我第一次体会到学习可以是另一种感觉。&lt;/p&gt;
&lt;p&gt;我没有编程背景，大学和研究生读的都是金融。后来开始做自己的产品，很多东西是从零学起的。&lt;/p&gt;
&lt;p&gt;做 duetfolio 的时候，终端里突然冒出一大段红色报错，我一个字都看不懂。放在以前，这一步大概就是放弃的开始。那天我把报错整段贴过去问：这是什么意思？它解释完，我接着问：为什么会这样？再问：下次怎么避免？一路问下来，问题解决了，我也第一次算是看懂了一段报错在说什么。&lt;/p&gt;
&lt;p&gt;这件事对我来说最大的变化，不是答案来得更快，而是问问题不再有成本。&lt;/p&gt;
&lt;p&gt;不用怕问得太基础，不用怕耽误别人时间，不用担心对方不耐烦。同一个问题换三种说法问，它都会认真回答；让它“讲得再简单一点”“举个生活里的例子”，它也照做。人跟人之间那层“怕显得自己不懂”的顾虑，在这里不存在。&lt;/p&gt;
&lt;h2&gt;反馈从一个学期变成一来一回&lt;/h2&gt;
&lt;p&gt;我后来想明白了，所谓正反馈，不是被夸，而是“我刚才的困惑，被解开了”。&lt;/p&gt;
&lt;p&gt;每问懂一个为什么，就是一次小小的确认：原来我能弄懂。这种确认积累多了，学习的感觉就反过来了。以前是怕碰到不会的东西，现在碰到不会的，第一反应是好奇，想去问。&lt;/p&gt;
&lt;p&gt;过去的学习之所以难坚持，是因为回报来得太晚、太少：要等到期末、等到考试，才知道自己学得怎么样，中间大部分时候只有挫败。AI 把反馈的周期从“一个学期”压缩到了“一来一回”。问一句，懂一点，再问一句，再懂一点。反馈够快、够密，人自然愿意继续。&lt;/p&gt;
&lt;h2&gt;正反馈的边界&lt;/h2&gt;
&lt;p&gt;说正反馈，也得说清楚它的边界。&lt;/p&gt;
&lt;p&gt;AI 会答错，而且答错的时候语气和答对一样笃定。所以我给自己留了两个习惯：一是关键的东西，拿官方文档或者实际运行结果去验证；二是问懂之后，试着用自己的话把它讲一遍，讲不出来，就说明还没真懂。&lt;/p&gt;
&lt;p&gt;还有一点更重要：一直问“为什么”，前提是你自己在想。如果只是把问题丢过去、把答案抄回来，那得到的不是正反馈，只是一个更快的抄作业工具。真正的变化发生在你追问的那几步里，每一个“为什么”，都是你自己的思考在往前推。&lt;/p&gt;
&lt;h2&gt;门槛没了以后&lt;/h2&gt;
&lt;p&gt;小时候我们总被教育“不懂就要问”，可现实里，问的门槛一直很高。现在这个门槛几乎没了。&lt;/p&gt;
&lt;p&gt;我们这代人大概是第一批可以在任何时候、对任何问题、一直追问下去的学习者。这不只是效率的提升，而是学习这件事的底色变了：从害怕犯错，变成了享受弄懂。&lt;/p&gt;
&lt;p&gt;如果你也曾经觉得自己“学不会”，不妨换个方式再试一次。这次卡住的时候，你可以一直问下去。&lt;/p&gt;</content>
  </entry>
  <entry>
    <title>纳斯达克笔记：一次 1.88% 的回调</title>
    <link href="https://cybercaesar.bond/log-005" />
    <id>https://cybercaesar.bond/log-005</id>
    <published>2026-10-15T09:10:00+08:00</published>
    <updated>2026-10-15T09:10:00+08:00</updated>
    <summary>利率和 AI 叙事不是两件事。资本开支越来越靠借钱，利率就直接抬高了它要跨过的那道回报门槛。</summary>
    <content type="html">&lt;p&gt;10 月 6 日，纳指收在 27,599.79，历史收盘新高，此前连涨四周。八天之后，它站在 26,692.87。&lt;/p&gt;
&lt;p&gt;中间发生的事看上去很普通：10 月 13 日跌 0.15%，收 27,204.38；10 月 14 日跌 1.88%，是 7 月 23 日以来最大的单日跌幅。三天累计 -2.46%，距高点 3.29%，年内仍然 +14.85%。&lt;/p&gt;
&lt;p&gt;数字不吓人，但跌的方式值得多看两眼。&lt;/p&gt;
&lt;h2&gt;为什么是半导体先跌&lt;/h2&gt;
&lt;p&gt;领跌的是 AI 基建和半导体。这并不意外，但原因比“它们涨得多”更具体。&lt;/p&gt;
&lt;p&gt;供应商的收入，本质上是大厂的资本开支。更准确地说，它们的增长取决于资本开支的增量，而不是存量。大厂明年的 capex 只要不再增长、停在今年的水平，对大厂来说只是“不再加码”，对供应商来说，收入增速就会直接掉到零附近。&lt;/p&gt;
&lt;p&gt;所以市场一旦开始怀疑 AI 投入的持续性，最先被卖的一定是这一层。它们交易的是资本开支的二阶导数，任何一点放缓的迹象，在它们身上都会被放大。&lt;/p&gt;
&lt;h2&gt;三根导火索，其实是一根&lt;/h2&gt;
&lt;p&gt;10 月 14 日的盘面：VIX 涨 10.48% 到 16.87，10 年期美债收益率 5.19%，WTI 原油 95.08 美元，黄金 4,119.50 美元，比特币 81,704 美元。&lt;/p&gt;
&lt;p&gt;通常的解释是三根导火索：偏热的 CPI 推迟了降息预期，AI 资本开支和债务让人不安，油价又在添火。分开看，它们像三件事；放在一起看，其实是连着的。&lt;/p&gt;
&lt;p&gt;油价在 95 美元上方，CPI 就难降温；CPI 不降温，长端利率就下不来。10 年期 5.19% 意味着，持有股票相对于持有国债的那点溢价被压得很薄，高估值的成长股本来就靠“未来更高的利润”撑着，利率一高，远期利润折回今天就更不值钱。&lt;/p&gt;
&lt;p&gt;更关键的一层在 AI 资本开支本身。这一轮投入越来越多地靠发债和融资来完成。利率越高，这些投入要跨过的回报门槛就越高。所以利率和 AI 叙事不是两件事：利率上行，等于直接抬高了 AI 投资“值不值”的及格线。&lt;/p&gt;
&lt;h2&gt;回调，不是破位&lt;/h2&gt;
&lt;p&gt;说完压力，再说我的判断：这是历史高位的一次快速回调，还谈不上趋势破坏。&lt;/p&gt;
&lt;p&gt;年内 +14.85%，离高点 3 个点，连涨四周后出现这种幅度的回撤，节奏上很正常。VIX 的涨幅看着大，16.87 的绝对水平仍然偏低，市场紧张了，离恐慌还远。小时级别的 RSI 打到 22.93，这种超卖位置通常至少对应一次 pause，在这里追空，赔率并不好。&lt;/p&gt;
&lt;p&gt;也就是说，短线的价格行为本身，还不足以说明什么已经坏掉了。&lt;/p&gt;
&lt;h2&gt;悬在头顶的那件事&lt;/h2&gt;
&lt;p&gt;真正需要盯的，是 AI 估值叙事本身有没有在被重新定价。&lt;/p&gt;
&lt;p&gt;这一周有三条信号。IMF 警告，AI 股票急跌可能威胁全球金融稳定；Broadcom 的 CEO 把一部分 AI 投资比作赌博；CXMT 的消息拖累了亚洲半导体股。&lt;/p&gt;
&lt;p&gt;IMF 的警告不新鲜，说风险是它的本职。Broadcom 的表态分量不同，它站在 AI 资本开支的收款端，每多一块钱的投入它都可能分到一份。收钱的人主动说有人在赌，说明场内的人也开始区分：哪些投入有回报，哪些只是在跟。&lt;/p&gt;
&lt;p&gt;与此同时，大厂的预算还在往上走。微软计划把数据中心容量从约 12GW 扩到 38GW 以上，Meta 继续砸前沿模型。一边是投入在加速，一边是场内的人在重新评估这笔投入能否持续。估值倍数就夹在这两股力量中间。&lt;/p&gt;
&lt;h2&gt;接下来盯什么&lt;/h2&gt;
&lt;p&gt;第一是大厂三季报里的 capex 指引，月底开始陆续发布。我会看的不只是绝对金额，更是增速。指引继续上调，说明大厂自己仍然看得见回报，这次大概率只是一次洗盘；增速开始放缓，供应商那一层会最先感受到，倍数压缩也会有延续性，那就不是一次回调能讲完的事。&lt;/p&gt;
&lt;p&gt;第二是 26,000 一线，也就是 9 月 18 日低点附近。往下先看那里有没有承接。守得住，高位震荡的格局还在；守不住，我会重新审视自己的判断。&lt;/p&gt;
&lt;p&gt;第三是利率和油价。它们不决定 AI 股的方向，但决定这道回报门槛有多高。ASML 刚刚被 AI 需求推着超了预期，说明订单端暂时没断，这条我会和 capex 指引对照着看。&lt;/p&gt;
&lt;p&gt;我不预测点位，也不猜明天红绿。能写下来的，只有我在看什么、为什么看。&lt;/p&gt;
&lt;p&gt;以上只是我自己的读法，不是买卖建议。&lt;/p&gt;</content>
  </entry>
  <entry>
    <title>AI 行业观察：一家倒下，几家 All in</title>
    <link href="https://cybercaesar.bond/log-004" />
    <id>https://cybercaesar.bond/log-004</id>
    <published>2026-10-15T09:00:00+08:00</published>
    <updated>2026-10-15T09:00:00+08:00</updated>
    <summary>用户不是护城河。没有付费关系的用户，在资产清单上几乎不值钱。</summary>
    <content type="html">&lt;p&gt;这一周最值得记住的数字，不是哪个模型的跑分，而是 2000 万美元。&lt;/p&gt;
&lt;p&gt;10 月 13 日的消息，Character.AI 申请破产，Disney 以大约这个价格收购了部分资产。几年前，它是生成式 AI 最耀眼的名字之一，有过让所有人眼红的使用时长。到了清算桌上，这一切只值一个零头。&lt;/p&gt;
&lt;h2&gt;用户不是护城河&lt;/h2&gt;
&lt;p&gt;很多人会把这件事读成“AI 泡沫开始破了”。我不这么看。它暴露的是消费级 AI 一个更底层的问题：成本结构。&lt;/p&gt;
&lt;p&gt;互联网产品的边际成本接近于零，多一个用户几乎不多花钱，所以先做流量、再谈变现，这条路是通的。AI 产品不一样，用户每多聊一句，后台就多烧一份算力。使用时长越长，亏得越多，除非每一次使用都能对应到一笔收入。Character.AI 的用户恰恰最爱聊、聊最久，而它的模型能力又不是独家的，换个产品也能聊。&lt;/p&gt;
&lt;p&gt;所以 2000 万美元这个价格本身就是答案：没有付费关系的用户，在资产清单上几乎不值钱。模型可以租，界面可以抄，真正能被估值的，只有“谁在持续给你付钱”。买家买走的是角色和内容，不是一门生意。&lt;/p&gt;
&lt;h2&gt;Apple 抢的不是智能，是执行权&lt;/h2&gt;
&lt;p&gt;同一天，Apple 在 “Welcome Home” 发布会上摆出整套家居产品：299 美元的 HomeView 中枢、HomePod mini 2、新款 Apple TV 4K、重做的 Siri，以及门锁、摄像头、门铃、温控。&lt;/p&gt;
&lt;p&gt;大家讨论最多的是新 Siri 够不够聪明。我觉得这不是重点。家里的 AI，瓶颈从来不在“懂不懂你”，而在“能不能替你动手”：开门、调温度、看一眼门口是谁。这些动作需要的是设备上的权限，而权限长在硬件上。&lt;/p&gt;
&lt;p&gt;Apple 这次铺的，正是这层权限。门锁和摄像头一旦装进家里，替换成本远高于换一个聊天应用。Siri 落后几个月可以追，执行权一旦被别人占住，就很难再拿回来。把它和 Character.AI 放在一起看很有意思：一个有注意力，但既没有付费关系，也没有执行权；另一个两样都有，智能反而是可以晚一点补上的部分。&lt;/p&gt;
&lt;h2&gt;模型正在变成一种快速折旧的资产&lt;/h2&gt;
&lt;p&gt;OpenAI 这周把 GPT-5.5 从 ChatGPT、Work 和 Codex 全线撤下，切到 GPT-5.6 Sol；GPT-4o 和 GPT-4.1 的 API 定在 2027 年 1 月 14 日退役，接班的是 gpt-6-luna。Google 则把 Gemini 4 Argon 开给 AI Pro 用户和搜索 AI 模式，100 万 token 输出，Vals Index 排第一。&lt;/p&gt;
&lt;p&gt;表面上是正常换代，往下看有两层含义。&lt;/p&gt;
&lt;p&gt;对下游，退役是一种定价权。上游决定了一个模型什么时候下线，下游就得跟着重测、重调、重算成本。一家建在别人模型上的公司，它的毛利率有一部分写在上游的产品路线图里，自己说了不算。&lt;/p&gt;
&lt;p&gt;对上游自己，问题更大。一个旗舰模型的领先期，已经短到以月计；可训练和运行它的数据中心，按十几二十年折旧。资产负债表一边是寿命越来越短的模型，一边是寿命极长的机房和电力合同。这种期限错配，在金融里是最需要警惕的结构之一。&lt;/p&gt;
&lt;h2&gt;安全，正在从成本变成资产&lt;/h2&gt;
&lt;p&gt;Anthropic 在新加坡开了亚太第 5 个办公室，和新加坡数字发展部签了 AI 安全谅解备忘录，同期开了 IPO 前的投资者说明会。&lt;/p&gt;
&lt;p&gt;安全投入过去被当成成本，是拖慢发布、增加合规的那部分。但对要走向公开市场的公司，它的意义变了：公开市场最怕的是无法定价的尾部风险，一份和政府签下的安全协议，等于提前把一部分监管风险定了价。同时，政府和受监管行业的客户，恰恰是付费最稳、换供应商最慢的那一类。&lt;/p&gt;
&lt;p&gt;Anthropic 把一项成本，变成了估值的一部分，也变成了一条获客渠道。&lt;/p&gt;
&lt;h2&gt;人形机器人：出货不等于需求&lt;/h2&gt;
&lt;p&gt;IDC 的数据，2026 年上半年人形机器人出货接近 2.5 万台，同比涨 432%，中国占 95% 以上。可 69% 去了科研、教育和展示，不是工厂。&lt;/p&gt;
&lt;p&gt;这组数字说明的是采购逻辑。科研、教育、展示的预算，看的是“需不需要有一台”，不看回本；工厂买设备，看的是多久能把钱赚回来。前一种需求来得快，也走得快；后一种来得慢，但一旦来了就是规模。人形机器人什么时候真正起量，要看哪天工厂开始用回本周期来算这笔账。&lt;/p&gt;
&lt;h2&gt;同一个问题&lt;/h2&gt;
&lt;p&gt;再把 Meta 新一代前沿模型、微软那份监管文件——2032 年前数据中心容量从约 12GW 扩到 38GW 以上——和 ASML 被 AI 需求推高的 Q3 放进来，这一周的轮廓就清楚了。&lt;/p&gt;
&lt;p&gt;应用层在出清，基建层在加码。可两头问的是同一个问题：谁付钱，付多少，付多久。Character.AI 没答上来，所以被清算；Apple 和 Anthropic 在用不同方式锁住付钱的人；而那几十个吉瓦的投入，押的是未来十几年都有人持续付钱，去养一批每隔几个月就要换代的模型。&lt;/p&gt;
&lt;p&gt;这笔账算不算得通，眼下没人能给出答案。我能确定的只是，从这周开始，市场问这个问题的声音会越来越大。&lt;/p&gt;</content>
  </entry>
  <entry>
    <title>成长认知：那些没人用的代码教会我的事</title>
    <link href="https://cybercaesar.bond/log-003" />
    <id>https://cybercaesar.bond/log-003</id>
    <published>2026-10-07T12:00:00+08:00</published>
    <updated>2026-10-07T12:00:00+08:00</updated>
    <summary>开发的成本特别容易被低估，因为它不走账。但时间是本金。</summary>
    <content type="html">&lt;p&gt;我写代码最值钱的习惯，跟哪个框架用得熟没关系，是在券商那几年被逼出来的一个条件反射：钱花出去之前，先问这笔钱能不能回来。&lt;/p&gt;
            &lt;p&gt;这话听着像废话。但我见过不少写代码的朋友在这上面栽跟头，包括刚开始做独立项目的我自己，而且栽得还挺体面——代码漂亮、架构干净、测试写得整整齐齐，就是没人用。&lt;/p&gt;
            &lt;p&gt;那会儿我对一个功能特别上头，具体是什么就不说了，反正是那种&quot;我觉得用户一定需要&quot;的东西。我花了差不多两周，数据结构推翻重来两次，交互抠到每个按钮的动效，上线那天还挺得意。然后盯着后台看了一周，几乎没人点。&lt;/p&gt;
            &lt;p&gt;那种感觉与其说是失落，更像是月底对账对不平。在券商的时候，一个项目要过会，材料第一页永远是：市场多大、谁买单、凭什么是我们、多久回本。没人会因为模型做得好看就批钱。可轮到自己写代码，我居然直接跳过了这一页，因为写代码太爽了，爽到让人忘了它也是一笔投入。&lt;/p&gt;
            &lt;p&gt;开发的成本特别容易被低估，因为它不走账。你花两周写一个功能，银行卡余额一分没少，所以不心疼。但时间是本金。&lt;/p&gt;
            &lt;p&gt;从那以后我给自己定了个有点土的规矩：任何超过三天的开发，动手前先写一页&quot;立项说明&quot;。不用正式，就回答几个问题——谁会用，他现在怎么凑合，他凭什么换成我的，我怎么知道他真的想要。这一问最狠，因为&quot;我觉得&quot;不算答案。&lt;/p&gt;
            &lt;p&gt;&quot;我怎么知道他真的想要&quot;，在金融里对应的东西叫尽调。你不能听管理层讲故事就下判断，得去看现金流、看客户、看渠道。放到独立开发上，尽调的办法其实很朴素：去用户待的地方看他们在骂什么，发个帖子问一句，做个只有一屏说明的落地页看有没有人留邮箱，或者干脆先用最笨的办法手工帮几个人把事办了，看他们会不会回头再来找你。&lt;/p&gt;
            &lt;p&gt;duetfolio 就是这么来的。我自己同时拿着美股和港股，两个市场、两种币种、交易时间还错开，现成的工具用着总有点别扭，我就先拿最笨的办法自己记。凑合了挺久，确认这个别扭是天天都在、不是一时兴起，才认真把它写成产品。那时候动手，心里是有底的，因为需求不是我坐在桌前脑补出来的。&lt;/p&gt;
            &lt;p&gt;这跟做研究其实是一回事。好的投资逻辑很少是关起门推出来的，多半是你在某个地方看见价格和价值之间有条缝，然后去验证它。写产品也一样。&lt;/p&gt;
            &lt;p&gt;工程那一半给我的东西同样要命，而且是金融那几年给不了的。金融人有个通病：分析得很透，做得很少。我以前能把一个行业研究写到几十页，结论清清楚楚，但从没亲手造出一个东西让别人用。&lt;/p&gt;
            &lt;p&gt;工程里我最受用的是&quot;小步快跑、随时能回滚&quot;。在券商，一个判断错了代价很大，所以大家习惯想清楚再动。软件不一样，试错成本可以压到很低：一个想法，半天出个能跑的版本，扔出去看反馈，不行就删。这其实是把金融里&quot;控制下行风险&quot;那套用到了极致——每次下注都很小，次数很多，亏损有上限，上行没上限。&lt;/p&gt;
            &lt;p&gt;两边一直是互相拽着的。金融那一半负责踩刹车，问值不值；工程那一半负责踩油门，说先做个最小的试试。&lt;/p&gt;
            &lt;p&gt;我现在的习惯大概是这样：一个点子冒出来，先用金融脑子过一遍——有没有人愿意为它付钱或者付时间，我够不够得着这批人，做它的机会成本是什么。过得去，再切到工程脑子——能验证需求的最小版本长什么样，一个周末能不能做完，哪些先写死、先手工、先不优化。&lt;/p&gt;
            &lt;p&gt;AI 出来以后，这套算账反而更重要了。以前写代码慢，慢本身就是一道过滤网，懒得做的东西自然就不做了。现在一个下午就能让 AI 搭出一个看着挺完整的应用，造东西几乎没门槛了。门槛一没，&quot;为了做而做&quot;的诱惑就更大。我自己就有过一阵，隔几天开一个新坑，每个都能跑，每个都没人用，仓库列表越拉越长，活像一个买了一堆股票却从不看基本面的散户。&lt;/p&gt;
            &lt;p&gt;那段时间让我重新琢磨了自己那句座右铭：&quot;把重复留给机器，把时间留给自己。&quot;以前我理解偏了，以为重点是让机器多干活。其实重点在后半句：时间是留给自己的，所以每一块都得花在值得的地方。AI 把写代码的成本打下来了，省出来的时间要是又拿去造没人要的轮子，等于把省下的钱原样亏回去。&lt;/p&gt;
            &lt;p&gt;现在我开项目比以前慢一点点，但扔掉的项目少了很多。wps-agent-skills、muse-file-bridge 走的也是同一条路：先在自己的日常里被同一件麻烦事烦了好多次，确定它会反复出现，才动手。renqing-ledger 解决的事情很小，但小不要紧，要紧的是我确定它有人需要。&lt;/p&gt;
            &lt;p&gt;每次准备熬夜写一个&quot;大家肯定需要&quot;的功能，我会先停半小时，在备忘录里把那一页立项说明写出来。&quot;我怎么知道他真的想要&quot;那一栏要是空着，我就合上电脑。&lt;/p&gt;
          &lt;/div&gt;</content>
  </entry>
  <entry>
    <title>纳斯达克笔记：财报季我在看什么</title>
    <link href="https://cybercaesar.bond/log-002" />
    <id>https://cybercaesar.bond/log-002</id>
    <published>2026-10-07T12:00:00+08:00</published>
    <updated>2026-10-07T12:00:00+08:00</updated>
    <summary>AI 股的定价权，已经从发布会手里交回给订单和现金流了。</summary>
    <content type="html">&lt;p&gt;这一季财报教会我的就一件事：AI 股的定价权，已经从发布会手里交回给订单和现金流了。&lt;/p&gt;
            &lt;p&gt;谁的发布会更炫，不再自动换来涨幅。谁能拿出签了字的订单、算得清的毛利，谁才有资格给自己定价。&lt;/p&gt;
            &lt;p&gt;Alphabet 发布 Gemini 4 那天，股价是跌的。放在两年前，旗舰模型一发布，基本等于一根阳线，大家抢着讲故事、算想象空间。现在市场看完 demo，脑子里转的是另一个问题：这东西花了多少钱训出来，什么时候变成收入，变成谁的收入？&lt;/p&gt;
            &lt;p&gt;美光 Q4 营收 542 亿美元，同比涨了 379%，EPS 33.42，毛利率 87%。我在券商那三年看过不少存储公司的报表，这个行业向来是强周期，拼产能拼价格，景气顶点毛利能冲高一截，下行期又被砸回原形。87% 是什么概念？这已经不像在卖大宗商品，更像在卖稀缺品。&lt;/p&gt;
            &lt;p&gt;毛利率是我翻财报第一眼看的东西。收入涨可以靠铺量，靠降价抢份额，靠并购堆规模；毛利率涨，基本只有一个原因——买方离不开你。&lt;/p&gt;
            &lt;p&gt;真正让我坐直的是后面两样：下季指引 615 亿美元，超出预期；还有 320 亿美元的供应承诺，外加管理层说产能紧张会持续到 2028 年。&lt;/p&gt;
            &lt;p&gt;指引是管理层拿自己的信誉押的数。说高了下季交不出来，股价会加倍惩罚，所以敢给超预期的指引，通常意味着他们能看见的订单够厚。供应承诺更硬，它是长期供货的约定，需求方愿意提前把量锁住，说明人家怕的不是买贵，是买不到。至于&quot;2028 年产能紧张&quot;，翻译成大白话就是：未来两三年，价格由卖方说了算。我说的&quot;订单&quot;就是这个意思。不是路演 PPT 上的潜在市场规模，是有人已经下了单，或者排着队等着下单。&lt;/p&gt;
            &lt;p&gt;美光股价冲到 1100 之后回落了。有人会说利好出尽，这当然是一种解释。我更愿意这么看：订单和现金流拿回定价权，不等于它们只会往上定。它们给的是一个锚。锚附近，预期打满了照样有人获利了结。发布会时代真正的问题是没有锚，故事讲多大，估值就飘多高；现在好歹有个东西能拿来算。&lt;/p&gt;
            &lt;p&gt;Nike Q1 FY2027 的数字，放进任何一个选股筛选器都很难看：中国区下滑 26%。可这个下滑里有相当一部分是自己砍出来的——它主动收紧了 Dunk、Jordan 这些爆款的供给。我管这叫&quot;自杀式重建&quot;。爆款卖太多会贬值，满大街都是的时候，品牌溢价也就没了。Nike 选择拿短期收入，去换回品牌的稀缺感。&lt;/p&gt;
            &lt;p&gt;它跟 AI 八竿子打不着，但回答了一个财报季绕不开的问题：市场到底肯为什么样的坏数字买单。&lt;/p&gt;
            &lt;p&gt;我的看法是，能讲清楚因果、并且最终指向毛利和现金流的坏数字，是可以被定价的。Nike 的收入下滑如果换来的是更少的打折、更高的毛利，那它只是把钱从今年挪到了后面几年，账是算得通的。反过来想，一家 AI 公司收入猛涨，但毛利被算力成本吃掉，经营现金流常年是负的，这种&quot;好数字&quot;反而经不起推敲。&lt;/p&gt;
            &lt;p&gt;美光在周期顶点，Nike 在主动探底，位置完全相反，读法却是同一套：数字本身不重要，重要的是它通向哪里。&lt;/p&gt;
            &lt;p&gt;我现在拆一份财报大概是这样走的。营收增速只当入场券，看完马上追问：这增长是量堆出来的，还是价撑起来的？毛利率会替你回答。比当季数字更要紧的是指引，因为股价交易的是未来，管理层自己押上信誉的数，比卖方模型里的假设更有信息量。接着我会去翻那些带约束力的东西，供应承诺、积压订单、客户预付款，这是需求最诚实的证据——嘴上说看好不花钱，签合同要花。现金流留到收尾核对，利润有会计口径可以调，钱进没进账很难装。&lt;/p&gt;
            &lt;p&gt;碰到收入下滑的公司，我也按这个路子过一遍，只多问一句：这个下滑是被动挨打，还是主动选的？主动的那种，有没有换到毛利？&lt;/p&gt;
            &lt;p&gt;9 月 30 日纳指大涨 280 点，科技五巨头齐涨。10 月 3 日非农爆冷，只有 2.9 万，纳指反而创了 27192 的新高。就业差，降息预期升温，资金成本往下走，成长股的估值就有了托底，&quot;坏消息就是好消息&quot;说的就是这套降息交易的逻辑。&lt;/p&gt;
            &lt;p&gt;但降息交易是水位，水涨的时候所有船一起浮。正因为这样，财报季才更关键——它是分辨哪条船有底、哪条船只是被水托着的时候。&lt;/p&gt;
            &lt;p&gt;这阵子我白天写 duetfolio（一个美股加港股的组合追踪工具），晚上切过去翻财报，一页页找供应承诺和客户预付款藏在哪个附注里。&lt;/p&gt;
            &lt;p&gt;以上只是我自己的读法，不是买卖建议。&lt;/p&gt;
          &lt;/div&gt;</content>
  </entry>
  <entry>
    <title>AI 行业观察：本周值得关注的产品</title>
    <link href="https://cybercaesar.bond/log-001" />
    <id>https://cybercaesar.bond/log-001</id>
    <published>2026-10-07T12:00:00+08:00</published>
    <updated>2026-10-07T12:00:00+08:00</updated>
    <summary>模型越来越像发电厂，几家都能发电；真正稳赚的，是站在门口抄表收租的那个。</summary>
    <content type="html">&lt;p&gt;这周最该看的，不是谁家模型又刷了几个第一，而是谁在电表上刻了自己的名字。&lt;/p&gt;
            &lt;p&gt;模型越来越像发电厂，几家都能发电；真正稳赚的，是站在门口抄表收租的那个。带着这个视角回看这一周，几件看似不相干的事，其实是同一件事。&lt;/p&gt;
            &lt;h2&gt;OpenAI Dots&lt;/h2&gt;
            &lt;p&gt;9 月 29 日 DevDay，OpenAI 发了 Dots，一个全天候在线的 AI 助理。现场演示翻车了。更尴尬的是，&quot;全天候助理&quot;这个方向也谈不上首创，Grok、Meta 的 Muse，还有大陆一款同名产品，都比它早。&lt;/p&gt;
            &lt;p&gt;放在几年前，OpenAI 是定义赛道的那个人。现在它在走别人已经走过的路。&lt;/p&gt;
            &lt;p&gt;它这次真正上心的是定价：新增了一个 $500/月 的 Pro 500 档位。产品是跟进的，定价是激进的。OpenAI 自己门儿清，助理这个形态谁先做不要紧，要紧的是你每天醒来第一个打开谁、每个月自动扣款的是谁。全天候助理说穿了就是一个常驻入口，挂在你生活里 24 小时不下线。入口拿到手，收租就是顺手的事。&lt;/p&gt;
            &lt;p&gt;这让我想起券商行业的老规律：佣金打到地板价没关系，只要账户开在你家，后面的融资、理财、增值服务都是你的。开户才是生意，交易只是由头。Dots 就是 OpenAI 的开户。&lt;/p&gt;
            &lt;h2&gt;Gemini 4 Argon&lt;/h2&gt;
            &lt;p&gt;第二天，9 月 30 日，Google 发了 Gemini 4 Argon。成绩单很好看：18 项基准拿了 13 项第一。细看，知识工作是碾压级的，编程就参差不齐了。&lt;/p&gt;
            &lt;p&gt;我更在意的是它怎么发。这么强的模型，Google 没有一股脑推给所有人，而是先向网络安全的防御者开放，同时 3.5 Pro 被事实上取消了。&lt;/p&gt;
            &lt;p&gt;到了这个能力水平，&quot;最强&quot;已经不够当发布理由，反倒成了一个需要管住的风险。先给防御者，等于先把墙砌好再开门。安全不再是上线之后打的补丁，它本身就是发布策略。&lt;/p&gt;
            &lt;p&gt;编程表现参差这一点，开发者得记住：榜单第一不等于你手上那个活儿第一，选模型还得拿自己的任务去试。&lt;/p&gt;
            &lt;p&gt;就算是这样一个 13/18 的模型，这周它掀起的讨论也没压过下面这件事。&lt;/p&gt;
            &lt;h2&gt;Google 杀 Gems，推开放 Skills&lt;/h2&gt;
            &lt;p&gt;这是我眼里本周分量最重的一条。&lt;/p&gt;
            &lt;p&gt;Google 砍掉了自家的 Gems，转头推开放 Skills，用的还是 Anthropic 的格式。在&quot;怎么教 AI 干活&quot;这件事上，Google 向 Anthropic 投降了。&lt;/p&gt;
            &lt;p&gt;手里攥着刚拿了 13 个第一的模型，却在工作流格式上选择跟随别人。这说明 Google 算过账了：模型可以自己练，可开发者已经按某种格式写好了一堆技能、搭好了一堆流程，你另起炉灶，就得求所有人重写一遍。&lt;/p&gt;
            &lt;p&gt;护城河在搬家。以前护城河是模型本身，谁分高谁赢。现在护城河是 AI 干活的那套规矩：一个技能怎么描述、怎么调用、怎么组合。谁定了这套规矩，就像当年定了文件格式、接口标准的公司，后来者再强也只能兼容它。&lt;/p&gt;
            &lt;p&gt;Anthropic 这一手下得漂亮。基准它未必项项赢，但它让最大的对手用上了自家格式。&lt;/p&gt;
            &lt;p&gt;写代码的人对这点感受最直接。我做 wps-agent-skills 时就有体会：模型换来换去是常态，技能的写法一旦沉淀下来，才是真正挪不走的资产。&lt;/p&gt;
            &lt;h2&gt;ChatGPT 个人理财开放全美&lt;/h2&gt;
            &lt;p&gt;ChatGPT 的个人理财功能开放给了全美所有档位，查账这件事，从银行 App 搬进了聊天框。&lt;/p&gt;
            &lt;p&gt;我在券商干过三年，对这一步特别敏感。金融行业最值钱的从来不是哪个具体产品，而是用户的钱在哪儿被看见。你每天在哪个 App 看余额，谁就离你下一笔决策最近。这个位置过去属于银行、券商、记账软件，现在 OpenAI 要坐过来。&lt;/p&gt;
            &lt;p&gt;先是查账，接下来会是什么，懂行的人心里都有数。等你习惯了在聊天框里问&quot;这个月花超了没&quot;，下一句&quot;那帮我挪一点去……&quot;就只是时间问题。所有档位都开放，连免费用户都照顾到。OpenAI 想当钱的入口。&lt;/p&gt;
            &lt;p&gt;把这条和 Dots 摆在一起看更清楚：一个盯着你的生活，一个盯着你的钱包，两条腿都在往收租的方向迈。&lt;/p&gt;
            &lt;h2&gt;这周的账怎么算&lt;/h2&gt;
            &lt;p&gt;模型还在进步，而且进步飞快，Argon 就是证据。可这几件事拼起来，指向同一个结论：模型强弱正在变成入场券，决胜局在别处。&lt;/p&gt;
            &lt;p&gt;OpenAI 在抢入口，产品跟进也无所谓，月费先挂上；Google 有最强的模型，却在规矩上低了头；Anthropic 分数不见得最高，却让对手用上了自家格式。&lt;/p&gt;
            &lt;p&gt;这让我想起看券商股时的一个习惯：不太看它这一季交易量有多大，先看新开了多少户、户均资产涨了多少。量是一阵子的，户是长的。&lt;/p&gt;
            &lt;p&gt;拿这把尺子去量 AI 公司，问题就变了。不再是谁的模型排第几，而是每天有多少人醒来第一个打开它，有多少人的钱、文件和工作流程已经长在它身上，搬走要花多大力气。&lt;/p&gt;
            &lt;p&gt;这个月底几家大厂陆续发三季报，我会先翻付费用户数和订阅收入那几行，再去看模型那一页。&lt;/p&gt;
          &lt;/div&gt;</content>
  </entry>
</feed>
