我们每天都在疯狂消费信息，但真正能沉淀为个人资产的，少之又少。 最近重读了 Billy Oppenheimer（畅销书作家 Ryan Holiday 的核心助理）关于“卡片笔记系统 (Notecard System)”的万字长文。这套不玩虚的硬核方法论，直接击碎了许多现代人“数字囤积”的幻觉。 今天拆解一下，这套系统到底怎么 Work，以及你该如何把它建起来。👇 基本原理：创作是“流水线”，不是灵光一现 绝大多数人没有过目不忘的天赋。如果你想持续产出高质量的内容（无论是写文章、做方案还是策划产品），你需要一个“外部记忆库”。 在这个系统里，你平时收集的各种引言、故事、数据和灵感，就像工厂仓库里的布料和线轴。当你需要产出时，不是痛苦地对着空白屏幕憋大招，而是去仓库里把这些素材提取出来、拼接、打磨。好作品是“流程的产物”，而卡片系统就是不断为你未来的创作“备料”。 原则一：拒绝“复制粘贴” 别用一键同步到 Evernote 或 Notion 这种偷懒的捷径。好主意值得你付出“机械阻力”——用手写下来，或认真敲击键盘重新组织。 如果你连花力气记录它的动力都没有，说明它根本不值得被记录。轻易复制粘贴的结果，就是造就一个极其臃肿且永远不会再看的数字垃圾场。 原则二：让“时间”做过滤器 读完一本书或一篇长文，别急着做笔记。把它搁置一两周。时间是极其残酷且高效的过滤器。 两周后回头看，你会发现当初画线的句子，大部分其实没那么惊艳。只把那些真正经得起时间考验、依然让你觉得有价值的洞察，转录到卡片上。 原则三：写给“陌生人”看 做笔记时，永远假设未来的你是个失去上下文的“陌生人”。 如果你只记下一句孤立的金句，几个月后你绝对想不起来当时为什么觉得它好。每一张卡片都应该是一个完整、独立、可被理解的思想单元。带上必要的背景，让未来的你不仅能看懂，还能被“再次惊艳”。 让笔记自己决定主题，别去框死它 别一开始就建一堆完美的分类文件夹。设立一个“候诊室 (Waiting Room)”。 先把所有触动你的卡片丢进去。过段时间当你发现有三四张卡片在底层逻辑上产生了奇妙的连接，再为它们单独建立一个新的主题分类。让体系自下而上、像有机体一样自然生长，而不是一开始就削足适履。 没有回顾，一切归零 收集只是前戏，如果你不定期回顾，这套系统毫无意义。“智慧只有在你能采取行动时才称之为智慧。” 每周设定一个固定的时间翻阅你的卡片。很多时候，让你拍案叫绝的灵感，恰恰来自于你在寻找 A 的时候，意外撞见了早就被你遗忘的 B。 我们每天都在用 AI 高频处理双语资讯、长篇 PDF 或 YouTube 视频。打破语言壁垒让你拥有了获取全球顶级信息的特权，但也极易让你落入“获取即拥有”的幻觉。 作为心智的掌控者，你需要刻意制造“阻力”。 用最先进的工具看最广阔的世界，用最“笨”的卡片系统沉淀最核心的资产。去建一个纸质卡片盒，或者在 Notion 里建个极简库。 从今天开始，为你未来的作品备料。 🔗：

当半导体各个环节都涨价涨的不可接受的情况下，随之而来的必然是各方都会给压力要求扩产，那么这个时候，设备和材料自然就是最顺畅的方向； $AMAT $UCTT #拓荆科技# #盛美上海# #中船特气# #胜高（3436#.T）

半导体正式进入技术性熊市。费城半导体指数较6月22日历史高点回撤超过20%，本周跌幅超过10%，创下2025年4月以来最大单周跌幅。从三星业绩兑现后的"Sell the News"，到韩股熔断、铠侠跌停、美光较高点回撤超30%，不到两周时间，市场便完成了一次从"AI永远上涨"到"AI会不会透支未来"的情绪切换。 我认为这轮下跌的核心并不是需求消失，而是资本市场开始质疑AI产业链的赚钱能力，能否匹配此前的估值扩张。过去一年市场交易的是"谁能卖GPU、卖HBM"，下一阶段交易的则是"谁能持续创造利润和现金流"。如果未来云厂商的资本开支开始放缓，产业链最先受到冲击的未必是英伟达，而是那些高度依赖单一客户、缺乏议价能力的上游供应商。 还有一个容易被忽略的变化，AI开始从"硬件叙事"向"软件变现"切换。过去几年，大部分流动性都流向GPU、HBM、光模块和电力基础设施，因为这些是AI训练阶段最稀缺的资源。但随着算力不断释放，资本市场终究会问一个问题：花出去的几万亿美元，什么时候才能真正赚回来？当市场开始追逐AI应用、Agent和企业软件带来的收入时，资金自然会从部分高估值硬件股流向新的方向。 8月财报季将成为关键验证窗口。如果HBM长期协议继续兑现、云厂商CapEx没有明显收缩，那么这更像是牛市中的一次估值修复；如果订单开始放缓、客户延迟扩产，市场担心的就不再是20%的技术性熊市，而是整个AI资本开支周期是否提前进入拐点。过去一年市场交易的是"AI需要多少算力"，未来一年市场交易的将是"AI到底能赚多少钱"。

自然资源部海洋发展战略研究所编制的《〈联合国海洋法公约〉评估报告：成就、定位与挑战》中英文版对外发布。中国官媒说，中方推翻南海仲裁案所谓法律依据。 根据官媒介绍，《报告》认为，《公约》没有涵盖海洋法领域的所有问题，不是海洋法的唯一渊源。《公约》未予规定的事项，应继续以一般国际法的规则和原则为准据。 《报告》指出，《公约》在实施中也面临一些固有难题和外部挑战，亟待破解。《公约》部分条款表述模糊、易生歧义，给各国统一、有效地实施《公约》带来了困扰。曲解条款、滥诉滥裁、越权扩权等实践乱象，损害了《公约》的严肃性、完整性和权威性，对《公约》所建立的法律秩序造成了深层破坏。 《报告》向国际社会提出三点建议：一是客观、全面、辩证地看待《公约》。二是完整、准确、善意地解释和适用《公约》。三是携手践行中国提出的四大全球倡议，破解《公约》实施的难题挑战，改革完善全球海洋治理，稳步迈向人类命运共同体。 因为官媒没有给出中方的这个报告在哪些方面推翻了南海仲裁案的法律依据（也许报告里，但没看报告，所以不能确定），仅从官媒的报道来看，说中方推翻南海仲裁案的所谓法律依据，是不是有点草率？

半导体产业链之上，数字孪生之前：良率提升的隐形冠军分析 如果把半导体制造当成一个系统来看，会发现一个被长期忽视的位置：在产业链之上、在数字孪生真正落地之前，存在一层尚未被完全定义的跨企业，全流程的“认知层”。PDF Solutions的价值，就来自这里。 它处理的不是单点数据，而是贯穿设计、工艺、设备、测试的因果链：某个设计结构，在某个工艺步骤、某台设备上形成特定缺陷，最终映射为电性失效。单个fab或者检测机构可以拥有某些环节的全部原始数据，但很难把这些数据稳定地连接成可复用的因果模型，这就是PDFS切入的本质。 为什么EDA、fab、设备厂没有把这件事自己做完？不是做不到，而是没有动力做到那一步。 设计端如Synopsys、Cadence Design Systems只能做到前馈优化，缺乏制造后的反馈闭环； fab如TSMC、Intel数据最全，但系统割裂、组织分散，跨流程整合成本极高； 设备厂如KLA Corporation、Applied Materials掌握检测和控制，但视角局限在单工序。 每一层都在优化局部，跨边界问题无人承接，于是在产业链之上，自然出现了一层“解释系统”的空白，这正是PDFS所在的位置。 产业链使用PDFS，是因为数据之间的断层——设计看设计，工艺看工艺，设备看缺陷，但没有统一机制把这些信息串成一条可解释的因果链。PDFS的作用，本质上是提供一种跨环节的“统一语言”，把原本无法关联的数据转化为可以用于决策的结构化认知。 PDFS复用的是抽象层：缺陷分类、特征工程、分析路径以及“模式—原因”的映射关系。这是一种“认知复利”，而不是互联网式的强网络效应。客户越多，模型越好。 PDFS为什么能做到今天的位置？ 因为他们从最苦的活开始。 他们最早不是平台公司，而是以工程服务切入，解决最棘手的良率问题。良率问题天然跨越设计、制造和检测，它从一开始就被迫打通全链条。随着项目积累，相似问题反复出现，分析方法和数据结构被不断沉淀，逐步从“人驱动”转向“方法驱动”，最终产品化为平台（Exensio）。所谓“覆盖全产业链”，并不是自上而下设计的结果，而是问题驱动下的自然扩张。 公司目前护城河仍然不足以自动演化为行业标准。决定其上限的三个条件，目前只有一个在加速：AI对数据结构的依赖。随着AI进入制造环节，企业更倾向于在既有数据框架上建模，而不是重建体系，这在强化PDFS的位置。但数据模型标准化仍然缓慢，跨公司协同也还停留在早期，飞轮尚未闭环。 与KLA Corporation相比，这种差异更清晰。KLA控制的是“看见什么”，数据来自设备，绑定物理世界，护城河刚性且直接；PDFS控制的是“如何理解”，属于认知层，依赖数据结构和经验积累。前者不可绕开，后者存在替代路径。因此当前阶段，KLA更强、更确定；PDFS上限更高，但路径未锁定。 用nvda老黄常挂在嘴边的词来看PDFs的end game，就是数字孪生。 数字孪生需要实时数据、因果模型和控制能力三者闭环。PDFS已经覆盖了最难的一块——因果建模和跨链条数据结构，因此它位于一个非常微妙的位置：既在产业链之上，又在数字孪生之前。它负责“理解世界”，以便让其他人“改变世界”。 从发展路径看，PDFS下一步很可能向三条主线收敛：标准化、AI化和嵌入化。标准化意味着把自身的数据结构变成行业默认语言；AI化意味着让模型能力依赖其数据体系；嵌入化则意味着从“分析建议”进入“生产决策”。如果这三点成立，它才有可能跨过那条界线，从认知层走向真正的系统层。 因此，对PDFS最准确的判断是：它站在一个特殊的位置——半导体产业链之上，数字孪生之前。 如果这一层最终被标准化，它可能成为基础设施；如果没有，它仍然只是高价值工具。 免责声明：本人持有文中提及的标的，观点必然偏颇，非投资建议，投资风险巨大，入场需极度谨慎

今天半导体跌得比较狠，相信很多朋友打开账户的时候心情都不太好，我也是 我把摩根大通最新的《Flows & Liquidity》报告看了一遍，我给大家总结了一下。 摩根大通整体观点偏乐观。 摩根大通最新发布的《Flows & Liquidity》是一篇从全球资金流向、市场仓位和流动性的角度分析市场的宏观策略报告。这篇报告主要说的是AI交易展开，认为市场开始进入产业链内部轮动阶段。过去一年，半导体、HBM和存储公司的股价持续跑赢Meta、微软、Google等云厂商，这种分化很难长期持续。摩根认为，更有可能出现的情况是，随着AI商业化不断推进，云厂商的盈利能力逐步改善，股价慢慢追上硬件板块；市场目前担心的则是另一种可能，如果云厂商未来赚钱速度跟不上资本开支，可能会放缓AI投资节奏，进而影响GPU、HBM等硬件需求。为此，小摩跟踪了空头仓位、GPU租赁价格、Token价格等多项指标，认为市场确实开始讨论这一风险，但现阶段还没有足够证据证明AI产业已经出现拐点。同时，美国流动性依然保持改善趋势，预计2026年M2将增加约1.8万亿美元，银行放贷意愿增强，美联储资产负债表也重新小幅扩张。在没有重大黑天鹅事件的情况下，充裕的流动性仍然有望继续支撑美股，因此摩根整体观点依然偏乐观。 结合今天盘面的走势，也说说我自己的理解 最近市场最大的分歧，集中在AI产业链未来的利润会如何分配。 过去一年，芯片、HBM、存储这些硬件公司的股价一路领先，而云厂商的表现明显落后。随着这个差距越来越大，市场开始担心，云厂商未来还能不能继续维持这么高强度的资本开支。 Meta最近传出出租部分GPU算力，把这种担忧进一步放大。很多人开始联想到，如果未来越来越多的大厂把闲置算力拿出来出租，会不会影响整个行业采购新GPU、HBM和存储的节奏。 又有消息称OpenAI正在寻求更多资金支持AI基础设施建设。这也反映出，大模型的发展依然需要巨额投入，训练和部署先进模型仍然是一门非常烧钱的生意。 所以今天市场更多是在重新评估未来几年AI产业链的盈利预期，重新计算产业链各个环节未来能够赚多少钱。 截至目前，我没有看到任何一个长期逻辑发生改变。美国没有停止投入AI，中国也在持续加大AI基础设施建设。各家云厂商也没有宣布削减资本开支，HBM供需紧张、数据中心扩张、AI推理需求增长，这些核心逻辑都还在。 短期来看，Meta的消息确实让半导体板块降了一点温，也给连续上涨后的行情一次消化情绪的机会。但对于长期投资的人来说，一两天的波动并不会改变一家公司未来几年的价值。 真正值得关注的，还是接下来进入7月份的财报季。 市场讨论再多，都不如财报里的CapEx指引、订单情况、HBM供需、GPU交付数据更有说服力。如果这些数据依然强劲，市场现在的很多担忧自然会慢慢消散。上涨的过程不会一帆风顺。每一轮牛市都会经历各种质疑、各种利空、各种FUD，把不坚定的人洗出去，再继续向前。 下周我会重点关注SMH日线EMA50附近575这个位置，我认为这里大概率能够守住。 最后分享一点我自己的想法 如果你做的是长期投资，我觉得没必要因为几天的波动打乱自己的节奏。 我自己倾向于持有优质公司的正股，或者期限一年以上的LEAPS，不会把重心放在短期期权上。短期Call除了判断方向，还要面对时间价值和波动率的影响，很多时候即使看对方向，也未必能赚到钱。做短线玩一玩可以，一定不能当成你portfolio的主要部分，这个要再次强调！ AI的大方向没有变，只是市场开始关心一些更深层的问题，比如未来产业链里的利润会怎么分、云厂商还能不能一直保持这么高的投入。这些讨论很正常，也是一轮新产业发展过程中都会经历的阶段。 我感觉现在的阶段有点像互联网时代的1998年下半年。当时互联网已经开始改变世界，但真正的大爆发还在后面。这个类比当然不会完全一样，历史也不会简单重复。只是我觉得，我们现在仍然处在一个长期产业趋势的发展过程中，可能只进行到一半，离尾声还有一段距离起码还有1-2年，我会耐心持有到明年年底。 目前无论标普还是纳斯达克，整体估值也没有脱离历史区间，企业盈利仍在增长，AI资本开支也没有出现明显收缩。在这样的背景下，我更愿意把注意力放在公司的长期竞争力。 市场每天都会有新的消息，也会有新的质疑，但推动股价长期上涨的还是业绩和盈利。 做好仓位管理，不要轻易满仓，也不要因为一次回调否定整个趋势。每一次大跌，都可以按照自己的计划分批买一点。只要AI资本开支没有明显转向、产业趋势没有改变，我会选择继续持有，耐心等待这轮AI浪潮真正走完。

今天韩股创新高，主力自然是海力士和三星（这俩都创新高），还是3月聊到的逻辑：当时调整的根源还是只情绪打满后的调整叠加了地缘冲突带来的潜在能源成本大幅走高的风险，带动半导体股进行估值消化，但并不是趋势的大拐点，调整到位还是很有机会的。 4月初硬着头皮买7709，算是近期最好的一次操作，今晚估计ewy也要创新高了。

韩国砸1.3万亿美元搞半导体，我把设备股重新研究了一遍 上周，韩国政府联合三星电子与SK集团，宣布了韩国史上最大规模的产业投资计划，未来十年内在韩国本土半导体、AI数据中心及相关领域的总投资规模逼近 2000 万亿韩元（约合 1.3 万亿美元）。 这个消息让我把半导体设备公司全部重新捋了一遍，整理一下思路。 先说我的核心结论 如果HBM、DRAM这些先进存储未来几年还是AI最大的瓶颈，那最先把这块红利吃进自己嘴里的是给存储厂卖设备的公司。毕竟存储厂要扩产，第一笔花的钱永远是先买设备，设备商的订单兑现速度比存储厂的产能爬坡更快。 现在内存厂商三星、海力士，加上制造龙头台积电，都开始大举资本开支积极扩产，这自然会推动半导体设备、材料、测试这整条产业链进一步爆发。这几家本身就是各自产业链里最有话事权的核心客户，他们要花钱扩产，自然要把钱花在买更多设备、买更多材料上，这笔钱最终会流进设备商和材料商的报表里。 AMAT 应用材料是我目前最看好的一家 倒不是因为它在哪个具体环节做得最强，而是因为只要是晶圆厂，几乎绕不开它的设备HBM、DRAM、NAND，不管三星、SK海力士还是美光在扩哪条产线，应用材料的设备基本都会出现在产线上。PVD、CVD、CMP、外延这几个前道制造的核心流程，几乎每一个都有它的位置。买应用材料更像是直接押注整个AI资本开支周期的体量，不是赌某一项具体技术能不能跑出来。也就是说AMAT的故事非常全面，他受益于TSMC，Intel Glass Substrate，Advanced Packaging，HBM等。资金覆盖面很广。AMAT几乎每条线都能讲故事。几乎什么CapEx它都受益。所以资金愿意一直配置。这也是为什么技术面4月份以来从来没有跌破过EMA 20，沿着EMA 20一路上行。 LRCX是我重点关注的第二家 如果说AMAT赢的是广度，Lam Research赢的是HBM弹性。HBM比传统DRAM多出大量刻蚀、TSV（硅通孔）、晶圆减薄这些复杂工艺，而这恰好是Lam Research最拿手的领域。应用材料管理层之前提过，HBM部分工艺步骤的数量比传统DRAM多出三到四倍。如果HBM接下来持续供不应求，Lam Research可能是设备板块里业绩弹性最大的一家。 剩下几家也快速说一下 KLAC做检测设备，是这个细分的龙头。HBM层数堆得越高，先进制程越复杂，良率管控的重要性只会越来越高，几乎每座新建的先进晶圆厂都离不开检测设备。它的特点是增长稳，但爆发力没有AMAT和Lam Research那么强。 ONTO是市场容易忽略的一家。它的看点不在传统晶圆制造，在先进封装这条线。HBM4、HBM5、混合键合、CoWoS这些技术持续升级，封装环节的计量和检测重要性会同步提升，如果先进封装继续是AI产业链最大的瓶颈之一，ONTO还有不错的成长空间。 Teradyne做测试设备，HBM堆叠越高、GPU越复杂，测试时间也跟着拉长，它会受益，但属于间接受益，绑定程度不像AMAT和Lam Research那样直接挂钩存储扩产。 AMKR是先进封装这条线上另一个值得关注的标的，台积电这边的资本开支扩张，对它也是直接受益，先进封装订单本身就是它的核心业务。 ACMR是值得长期盯着的国产设备公司，逻辑跟前面几家不太一样。它吃的是国内DRAM、NAND扩产和国产替代推进的红利，跟三星、SK海力士、美光那条全球扩产主线关系不大，是另一条独立的产业逻辑。 如果按未来存储扩产受益程度排个序，目前大概是AMAT和LRCX排在最前面。接下来是KLAC，然后是ONTO和AMKR，再然后是Teradyne，最后是ACMR。如果只盯HBM这一条主线，LRCX的弹性可能比AMAT更高。 但如果只能长期持有一家半导体设备龙头，我还是会选应用材料，AI时代真正持续增长的是资本开支这件事本身，只要全球晶圆厂还在建、设备还在买，应用材料几乎永远站在这条产业链最核心的位置。