左手财报，右手代码。AI 行业观察、美股财报笔记、成长认知。 https://cybercaesar.bond/ 2026-10-09T12:00:00+08:00 Caesarhttps://cybercaesar.bond/ https://cybercaesar.bond/log-003 2026-10-07T12:00:00+08:00 2026-10-07T12:00:00+08:00

开发的成本特别容易被低估，因为它不走账。但时间是本金。

<p>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。</p> <p>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。</p> <p>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"我觉得用户一定需要"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。</p> <p>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。</p> <p>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。</p> <p>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"立项说明"。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"我觉得"不算答案。</p> <p>"我怎么知道他真的想要"，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。</p> <p>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。</p> <p>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。</p> <p>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。</p> <p>工程里我最受用的是"小步快跑、随时能回滚"。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"控制下行风险"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。</p> <p>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。</p> <p>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。</p> <p>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，"为了做而做"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。</p> <p>那段时间让我重新琢磨了自己那句座右铭："把重复留给机器，把时间留给自己。"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。</p> <p>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。</p> <p>每次准备熬夜写一个"大家肯定需要"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。"我怎么知道他真的想要"那一栏要是空着，我就合上电脑。</p> </div> https://cybercaesar.bond/log-002 2026-10-07T12:00:00+08:00 2026-10-07T12:00:00+08:00

AI 股的定价权，已经从发布会手里交回给订单和现金流了。

<p>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。</p> <p>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。</p> <p>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？</p> <p>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。</p> <p>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。</p> <p>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。</p> <p>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"2028 年产能紧张"，翻译成大白话就是：未来两三年，价格由卖方说了算。我说的"订单"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。</p> <p>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。</p> <p>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"自杀式重建"。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。</p> <p>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。</p> <p>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"好数字"反而经不起推敲。</p> <p>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。</p> <p>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。</p> <p>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？</p> <p>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，"坏消息就是好消息"说的就是这套降息交易的逻辑。</p> <p>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。</p> <p>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。</p> <p>以上只是我自己的读法，不是买卖建议。</p> </div> https://cybercaesar.bond/log-001 2026-10-07T12:00:00+08:00 2026-10-07T12:00:00+08:00

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。

<p>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。</p> <p>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。</p> <h2>OpenAI Dots</h2> <p>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，"全天候助理"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。</p> <p>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。</p> <p>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。</p> <p>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。</p> <h2>Gemini 4 Argon</h2> <p>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。</p> <p>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。</p> <p>到了这个能力水平，"最强"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。</p> <p>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。</p> <p>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。</p> <h2>Google 杀 Gems，推开放 Skills</h2> <p>这是我眼里本周分量最重的一条。</p> <p>Google 砍掉了自家的 Gems，转头推开放 Skills，用的还是 Anthropic 的格式。在"怎么教 AI 干活"这件事上，Google 向 Anthropic 投降了。</p> <p>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。</p> <p>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。</p> <p>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。</p> <p>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。</p> <h2>ChatGPT 个人理财开放全美</h2> <p>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。</p> <p>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。</p> <p>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"这个月花超了没"，下一句"那帮我挪一点去……"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。</p> <p>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。</p> <h2>这周的账怎么算</h2> <p>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。</p> <p>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。</p> <p>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。</p> <p>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。</p> <p>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。</p> </div>