实际上，我认为大模型公司估值的上限已经很明显了，哪怕现在增速还没有降低，但是增长的二阶导肯定是已经看到头了。原因有: 1.token的使用量不会指数增长，而是更加贴近对数增长。2.来自中国模型的压力是源源不断的。如果美国模型领先，中国就开源，如果中国模型能力打平或者领先，中国模型也必然更便宜。

实际上，我认为大模型公司估值的上限已经很明显了，哪怕现在增速还没有降低，但是增长的二阶导肯定是已经看到头了。原因有: 1.token的使用量不会指数增长，而是更加贴近对数增长。2.来自中国模型的压力是源源不断的。如果美国模型领先，中国就开源，如果中国模型能力打平或者领先，中国模型也必然更便宜。

好，我已经彻底领悟。 tldr：两个二阶导正在同步拐头。我的操作：做多2Y和5Y国债，做多GOOG和NBIS，不做多半导体。 第一个拐点：Fed鹰派再定价的速率见顶。 FOMC维持3.5-3.75%不变，3名委员异议支持hike，但Hammack、Kashkari、Logan已经打光了弹药还是输了，说明鹰派的天花板就在3票。Warsh也在淡化AI相关价格压力，把利率上行归因于经济强劲而非市场加息信号，暗示市场利率已经替代加息——"rates are higher today than June, markets didn't pause"。这个框架一旦建立就是结构性鸽派：只要市场利率维持在高位，Warsh就有理由按兵不动。而市场目前定价9月加息60%，但是我觉得很可能全年都利率不动。6月核心CPI -0.02%如果延续到8月PCE，前端利率会快速下行。 做多2Y是最pure的mispricing表达。加5Y是因为它同时捕获Fed路径重新定价和增长减速。避开10Y+，因为Warsh偏鸽会推高通胀预期，长端被breakeven和Q3国债供给contaminate。 第二个拐点：AI价值链从半导体建设端向云计算消费端的shift。 MSFT是AI capex叙事启动以来第一个超大规模企业没有上调capex指引，与此同时，微软Azure加速到43%固定汇率增长，Copilot付费座位突破3000万（净增1000万），Google Cloud +82% yoy。 这里的关键是价值链的时序结构。半导体订单是领先指标，云计算消费是滞后6-12个月的确认指标。现在出现了一个罕见剪刀差——半导体增长率在减速（MSFT capex收窄），但云计算消费增长率在加速（Azure 43%+Copilot 30M）。这个窗口通常只持续1-2个季度。 还有一些被忽略的细节：韩国存储专家电话会议透露LTA（长期协议）覆盖超过50%的服务器DRAM，包含预付款和take-or-pay条款。这意味着云服务商已经锁定了内存成本——明年HBM定价翻倍的预期主要由没签LTA的买家承担。半导体在卖"涨价预期"，云服务商在享受"成本锁定+消费加速"。 所以我做多云不做半导体。GOOG的Cloud +82%最猛但被反垄断压制估值，asymmetry更好。NBIS是pure-play AI云基础设施，直接表达utilization加速。不做空半导体是因为一阶导仍然很强（HBM翻倍、博通AI收入>$1万亿），做空一阶导仍然强劲的资产timing不对会被squeeze，正确的表达是不参与而非做空。 认错条件：8月核心PCE >0.25% m/m则债券thesis invalidate；Google或Amazon Q3 capex继续上调而非收窄，则AI价值链shift判断错误，本次维持capex是孤立事件。

我们7/22一键平仓了所有，避开了这一波巨大的flush。 事实上，这种内生性的去杠杆行情，如果没有外源利好，只会无限下跌。 短期之内能看到的利好有：fomc，msft，amzn，meta财报可能产生向上的动力。 跌吧多跌点，我要来捡尸体了。

看完了梁圣的演讲和很多twitter上面的观点，我先说下我的把。首先。GPU 五年折旧是合理的，CUDA 的单点锁定正在变弱，但 NVIDIA 的护城河并没有消失，而是从“软件锁定”升级成了“Token Economics＋AI Factory 全栈”。 五年折旧不代表一张 GPU 五年后仍处于技术前沿，而是它在五年内仍能持续产生经济收益。新卡最初服务前沿训练、强化学习和最高端推理，随后逐步下沉到模型后训练、微调、RAG、企业 Agent、客服、文档处理、视觉 AI、批处理和开发测试。技术领先期可能只有两年，但经济寿命完全可以达到五年甚至更长。 H100 在 B200、GB200 和 B300 推出后仍然存在真实租赁需求，大型 H100 集群也可以在 xAI、Meta、Anthropic 等不同客户和工作负载之间重新配置。中国影子市场甚至愿意为受限制、缺乏官方支持的 NVIDIA GPU 支付显著溢价。这说明 NVIDIA GPU 不是一次性消耗品，而是具备通用性、流动性、可转租性和二级残值的生产资产。真正需要判断的不是第五年还能不能运行，而是第五年的租金、利用率和电力成本能否继续产生正贡献。 AI 从 hyperscaler 向 enterprise、银行、政府、医疗、制造和主权客户扩散，会进一步强化这条折旧逻辑。前沿模型公司永远希望获得最新 GPU，但大多数企业推理任务不需要最新一代架构。大量稳定、延迟要求适中、模型规模有限的企业工作负载，正好为旧 GPU 创造“第二生命周期”。因此，enterprise inference 不仅扩大 AI 算力需求，也会降低旧卡闲置率，延缓租金下滑和资产减值。 从 Neocloud 角度看，最理想的商业模式是：先通过 hyperscaler 和模型实验室的长期合同锁定基础收入，用这些锚定合同完成融资、建设数据中心和采购 GPU；再把剩余容量出售给 enterprise、政府、金融、医疗、机器人和 AI-native 客户，提高利用率和租金上限。大客户负责保底，长尾客户负责提高 ROIC。 这也是为什么 NVIDIA GPU 对 Neocloud 比专用 ASIC 更有价值。Neocloud 的核心能力不是只服务一个固定内部工作负载，而是把同一批算力在不同客户、模型和行业之间反复变现。今天可以租给 Meta，明天可以租给 Anthropic，之后还可以拆分给银行、医疗、企业软件和推理客户。通用 CUDA 生态、NVLink、网络、通信库、模型兼容性、OEM 支持和二级租赁市场，共同提高了资产流动性。 Dell、HPE、Supermicro 最近的订单、backlog 和客户结构，也在验证 AI 正从少数科技巨头向 enterprise 和 sovereign 客户扩散。Hyperscaler 有能力开发 TPU、Trainium 或其他 ASIC，也有足够的软件和编译器团队承担迁移成本；普通银行、政府和制造企业没有。它们更关心的是能否由 Dell、HPE、SMCI 或 Cisco 直接交付，能否满足安全、数据主权、合规、可靠性和运维要求，出现问题时由谁负责。在这种 OEM 驱动的企业市场里，NVIDIA stack 仍然是风险最低、部署最快、生态最完整的默认选择。 梁文锋关于 CUDA 的判断有一部分是对的。TileLang、Triton 和 AI 编程正在降低 Kernel 开发和跨平台迁移难度，所以“客户因为代码无法迁移而永远离不开 CUDA”的护城河确实在变浅。但 CUDA 从来不只是写 Kernel。真正的平台还包括驱动、编译器、cuDNN、cuBLAS、TensorRT、NCCL、NVSHMEM、NVLink、InfiniBand、Spectrum-X、调试工具、集群调度、故障恢复、OEM 认证和云端支持。 Jensen 很早就开始把 NVIDIA 的竞争标准从“单颗 GPU 和 CUDA 锁定”上移到 AI Factory 的整体经济性：tokens per watt、cost per token、revenue per megawatt、集群利用率、部署速度和可靠性。 旧的 NVIDIA 护城河是： 你很难离开 CUDA。 新的 NVIDIA 护城河是： 你即使可以离开，也未必能获得更好的 Token ROI。 因此，真正威胁 NVIDIA 的，不是竞争芯片能够运行同一个模型，而是竞争平台能够同时做到接近的模型效果、tokens/watt、cost/token、集群可靠性、部署速度、OEM 支持和跨客户流动性。在此之前，CUDA 的单点锁定可能继续变弱，但 NVIDIA 作为 AI Token Factory 和 enterprise AI Factory 默认平台的系统级护城河仍然存在。

敏捷交易的核心，是把命运掌握在自己手里。 我会把每一次高点都当作潜在的历史大顶来审视。诚然，这可能让我过早离场，错过一部分后续行情；但我宁愿犯多次小错，也绝不允许自己犯下一次不可逆的大错。 因为当史诗级下跌真正到来时，我不想像邪教徒一样，对自己的持仓和判断抱有盲目信仰，在下跌中不断加仓，最终把整个牛市赠送的收益全部归还给市场。 交易可以判断错误，可以踏空，也可以反复止损，但不能让任何一次判断拥有摧毁账户的权力。 请切记：命运赠送的一切，早已在暗中标好了价格。

今天AI被一条 Meta 的新闻直接打爆了。 Bloomberg 的消息是，Meta 正在研究把自己多出来的 AI compute 拿出去卖，甚至可能做成一个新的 cloud business。这个计划还在早期，后面也可能调整，但市场已经先交易了：META 被买，Nebius 这些 NeoCloud 和半导体相关股票被砸。 表面上看，这个交易很容易理解。过去两年 NeoCloud 最核心的叙事，就是 GPU 短缺。大厂买不到足够的卡，所以只能找 CoreWeave、Nebius、Oracle 这些外部 provider 锁 capacity。现在 Meta 自己要反过来卖 compute，市场自然会开始怀疑：如果大客户自己都变成供应商了，那这条链是不是要从短缺走向过剩？ 但我觉得今天市场的的selloff真的很草履虫。 Meta 现在的行为，其实更像一个重资产公司在做库存管理和资产周转。一边，它确实可能有一部分阶段性富余的 GPU capacity 想拿出来变现。另一边，它还在继续签新的长期 AI capacity。Meta 和 Crusoe 签了新的 AI compute deal，从 Texas Childress 和 Missouri Warrenton 两个数据中心合计拿下大约 1.6GW 的容量。同时Google 曾经限制 Meta 对 Gemini 相关 compute 的使用，因为 Meta 想要的 capacity 超过了 Google 当时能提供的量。 所以“Meta 算力多到要卖”这个事情根本解释不通。一个真的不缺算力的公司，不会一边往外卖 compute，一边继续签 1.6GW 的大单，还一边因为外部 capacity 不够被 Google 限流。 更合理的框架是：Meta 手里不同代际的 GPU，经济价值开始分化了。 H100 / H200 这一代卡，过去两年是绝对核心资产。但 AI 模型继续往前走以后，frontier training 对系统的要求变了。现在拼的已经不只是单卡 FLOPS，而是 memory、interconnect、NVLink domain、scale-out network、cluster utilization、checkpoint、pipeline bubble、expert routing、collective communication。 简单说，H100 当然还能用，而且还能很好地用。但它越来越适合推理、fine-tuning、广告推荐、内容排序、企业模型服务、图像视频生成、中小模型训练，而不是继续承担最前沿模型的最高强度训练任务。 最新一代的 GB200 / GB300 / Rubin，才是 Meta 真正要留给 frontier model 的资源。因为到了这个级别，训练效率不只是技术问题，直接就是成本问题和迭代速度问题。谁能更快跑完下一代模型，谁就有更高的试错频率，最后就可能决定模型差距。 所以 Meta 现在做的事情应该是：最稀缺的新一代集群，继续自己用，继续锁长期 capacity。已经买下来的上一代高端 GPU，尽量不要闲置，能内部消化就内部消化，内部吃不完就对外卖，把 capex 变成 cash flow。这跟XAI把卡租给Anthropic没有任何区别。 这对 AI supply chain也根本不是利空。

那是遥远的2020年，我才刚刚进入股市。初出茅庐还仍旧相信价值投资的我立刻买入了我最看好的公司，腾讯和阿里巴巴。 那时候我觉得自己看得懂未来。十亿用户、护城河、印钞机一样的现金流，教科书里所有的好生意它们全占了。我甚至有点心疼那些不敢买的人，这么好的东西，怎么会有人不买呢？ 然后2021来了。 那时候我在某机构实习，蚂蚁上市被叫停那一晚，我就坐在屏幕前眼睁睁看着。紧接着是教培，7月24号一晚普跌七八十个点，整个行业被一纸文件打死。我们当时还觉得自己挺聪明，在好未来PB不到1的时候抄底，心想这总该是地板了吧。结果后面又跌了50%。地板下面，还有地下室。 后来我才慢慢咂摸出巴菲特那句话的意思，不要碰命运掌握在政策手里的生意。再便宜的估值，在一纸文件面前都不算什么安全边际，因为决定它生死的压根不是资产负债表，是别人的一句话。 那一年我学到的东西，比我之前看的所有书加起来都多。便宜，是有原因的。这句话我是用真金白银，外加一整年的实习工资，换来的。 五年过去，今天证监会联合八部门把老虎、富途、长桥一锅端了。没收全部违法所得，两年过渡期内存量只能卖出转出、不许买入不许入金，到期彻底关停。 又是熟悉的配方。昨天还合规运营、好好开着户的生意，今天就成了非法跨境展业。规则总是事后才写清楚，账却是当场就要结的。 所以我一直跟身边的朋友讲，为什么中概股是垃圾，为什么新兴市场的股票永远带着一层折价。不是公司不赚钱，很多公司赚钱赚得凶得很。是因为"规则会不会改变"这件事根本没人能给它定价。在一个朝令夕改、政策又不透明的地方，你买的从来不只是一家公司的现金流，你还顺手揣了一份自己根本对冲不掉的政治风险进兜里。人家成熟市场肯为"看得明白"多付钱，那轮到这边，为"看不明白"打个折，不是天经地义吗。 这个折价不会消失的，因为造出它的那个东西，从头到尾就没变过。 便宜，是有原因的。