【mu和lite】这两只票都是我的重仓。 今年账户前半段收益主要来自LITE，从310一路拿到1050，正股和LEAPS都贡献了非常可观的收益。而同期MU从1月到4月基本处于横盘状态。 谁能想到风水轮流转。进入第二阶段后，MU为代表的存储板块开始接棒，从300多一路涨到1200附近，LEAPS收益超10倍；反而此前一路领跑的LITE，在突破1000之后震荡了接近三个月。 这也是为什么我们一直强调Portfolio Diversification。 很多人理解的分散持仓只是为了控制风险，但我认为更重要的是提升持仓体验，保持投资者的“身心健康”😂。 如果你的持仓全部集中在一个赛道，那么一旦这个板块进入调整期，整个账户都会承受压力，投资过程会非常痛苦。 但如果你的组合里同时配置了光通信、存储、ASIC、cpu等多个自己长期看好的方向，那么即使板块之间出现轮动，往往总会有一部分仓位在创造收益。 你永远无法准确预测下一个领涨的是光通信、存储还是ASIC，但只要方向判断正确，轮动最终都会体现在账户净值上。 对于长期投资者来说，一个能够持续上涨、波动相对平稳的组合，不仅能够带来更好的收益曲线，也能够让自己在市场波动中保持更好的心态。 投资最终不仅仅是赚多少钱的问题，更是如何长期活下来并坚持下去的问题。

整理了6个AI炒股skill，散户友好 我以前很排斥让机器碰我的持仓。 上个月开始变了。 不是因为它变聪明了，是因为我把杂活交给它了。 查数、翻财报、把业绩会上的官话翻译成人话，这些事它比我快，也比我有耐心。 最后决策判断还是我自己做。 1、Stock Market Pro，查行情。 输入代码，报价、历史 K 线、A 股美股都能覆盖。 现在看价格变化、市场异动，我直接开口问，不在几个 App 之间来回切。省下来的是切换的时间，不是研究的时间，这个得分清楚。 2、Longbridge Fundamentals，翻财报。 收入、利润、现金流，从几十页甚至上百页里把核心指标提出来。我拿它当第一遍筛子，它圈重点，我再回原始报告细看。它管筛选，不管判断。 3、Earnings Analysis，拆业绩会。 管理层说符合预期、加大投入，这种话到底在说什么。它能把表述和财务数据对上，把官话拆开。我的经验是，它翻译得动字面，翻译不动语气。会上一句轻描淡写的略有压力，有时比三页风险提示都重。 4、DCF Valuation，算估值。 常听人说一只股票贵了便宜了，问怎么算出来的，就是现金流折现。未来增长、折现率，一套假设灌进去，出个数。这里得说清楚，假设一换，结果就变。它告诉你估值是怎么形成的，不告诉你这只股票该值多少钱。当尺子用，别当价格用。 5、Diversification，看持仓结构。 手里股票多的，让它查一下行业集中度，看看是不是不知不觉全压在一个板块上。我每个月翻一次，跟体检一个性质。查出来有问题，改不改另说，先得看见。 6、ARTi，把前面几个串起来。 前面五个各管一段，这个把信息整理、多维度分析、研究复盘接到一条流程里，判断逻辑也留档，下次回头看自己当初为什么这么想。适合不想逐个配置的人。 说到底它是个流程工具，不是决策工具，这句话放哪个 Skill 上都成立。 这六个我都还在用，分工很明确。 机器管把事做完，我管定夺。

今天谈谈学术近亲繁殖。 十年前，我特别羡慕本硕博八年贯通的人。 那时候觉得，在一所学校从青涩呆到成熟，校园里每一棵树、每一栋教学楼都刻满回忆，甚至连食堂阿姨都认识你，是一件极其浪漫且幸福的事情。 看着国内很多高校推行的长周期培养项目，总觉得这种长情的陪伴代表着学术的极致深耕。 直到后来，本科到美国的学术体系里，才慢慢发现，本硕博都在同一个学校对于学术层面其实是一个极其明显的隐性扣分项。 现代科学作为一套全球化生态，有着它非常冷酷且底层的运行逻辑。 本硕博如果都在同一个系甚至同一个课题组，你大概率会完美继承导师的思维盲区、研究范式，甚至连说话的腔调都如出一辙。 科学的突破往往发生在不同知识领域的交叉碰撞边界，长期的近距离同质化，会把一个人的学术视野牢牢锁死在舒适区里。 你可能会问：苏姿丰不就是MIT本硕博吗？ 其实，学术界，尤其是高校教职招聘对学术血统纯正性的焦虑，很多时候是为了防止圈子固化和思想近视。 而工业界，像芯片研发这种极度看重工程落地与执行力的领域对出身的教条没那么敏感，它只认你能打出什么样的硬仗。 在北美学术圈层，招聘市场的硬性排他上的局限是存在。因为在顶尖大学的教职招聘中，名校普遍遵循避嫌和引血原则，即极少直接留用自己的博士毕业生。 委员会更看重你是否有过多重异质环境的生存能力（比如本科在A、博士在B、博后在C）。 如果简历从头到尾只有一个校名，往往会被默认缺乏跨圈层交流和独立开辟新阵地能力。 从系统论角度，科学研究本质上是一个抗拒熵增、追求信息持续输入的系统。 人类，天然喜欢低熵的熟悉感，本硕博留在原地确实省去了所有社会适应成本； 但我想，一个具有生命力的学者，必须不断把自己扔进未知的、充满异质性的外部环境中，去对抗思维的僵化。 一个人的知识来源、导师网络、评价体系、合作网络和研究范式长期来自同一个局部生态，是很危险的。 不过我之前跟同学聊，比如一个人本硕博都在 MIT，但期间： 本科做理论物理； 博士转 CS； 去 Stanford 做博后； 与欧洲实验室长期合作； 最后研究一个完全不同的问题； 他的学术基因可能比一个本科 A、硕博 B、但一直在同一个课题组的人更加多样。 反过来，一个人本科 A、博士 B、博后 C，但每一步都沿着同一个导师网络、同一个范式走，也未必真正实现了 intellectual diversification。 所以我会把学术近亲繁殖重新定义为知识与评价机制的局部闭环。 我不知道大家是否观察到现在的一种非常普遍的情况：所有人都非常聪明，但所有聪明人都在同一个坐标系里聪明。 这和之前谈非平衡系统时的思路非常接近。 我认为，一个局部系统如果没有足够的外部扰动，就会越来越接近自己的稳定吸引子。 这里，我也想引入我那位朋友的观点。 她认为近亲繁殖也并非全是坏事，因为科学进步同样需要高度连续性。 假设一个人本科四年换一次范式，硕士换一次，博士换一次，博后再换一次，所有东西都浅尝辄止。他的 entropy 很高，但未必有 deep work。 她的论据是，伟大的科学家往往需要在一个问题上连续投入十年、二十年。 所以学术成长其实存在一个很漂亮的张力，即局部深耕与外部扰动的动态结合。 没有深耕，只有漂泊，会没有理论积累。 没有扰动，只有深耕，容易形成范式锁定。 其实到这里，我觉得学术圈和演化系统很像：mutation 太低，stagnation；mutation 太高，无法积累。 判断一个系统是否有生命力，其实需要看它是否在稳定遗传与持续变异间维持动态平衡。 一个具有生命力的学者，必须不断把自己扔进未知的、充满异质性的外部环境中，去对抗思维的僵化。 或者，我会更进一步，把它理解成一种更一般的科学观： 优秀学者，要去主动寻找能够让自己暴露于认知误差的环境。 本科 → 硕士 → 博士 → 博后 → 教授 上面这个路径只是表象。 具有原创性的人，人生轨迹应该是： A领域 → B领域 → 某个偶然问题 → C领域 → 又回到A → 创造此前不存在的交叉点。 他的大脑里存在多个互相竞争的模型，而一个现象出现的时候，他不会只有一种解释框架。物理学家可能用动力系统看它；计算机科学家可能用算法复杂度看它；生物学家可能用演化看它；经济学家可能用激励机制看它。 而原创性经常就产生于这些模型在同一个人的脑子里发生碰撞的瞬间。 回到我最初的议题，关于本硕博在一个学校和学术近亲繁殖问题。 其实本硕博同校不好只是表象。 我要强调的是，科学需要积累，但科学家不能只继承。知识来源过于单一，以至于一个人逐渐失去了发现自己认知边界的能力的情况，是需要随时警惕的。 从这个意义上说，学术近亲繁殖，其实是一个知识系统的遗传多样性问题。