damn，真的越看越魔幻啊😲。。。。 距离Nanobanana刷屏，才过去不到一年， 我到现在都记得那个晚上，Google的Nanobanana炸了整个科技圈， 生图能力直接霸榜第一，全网都在喊谷歌王者归来，说AGI终究还是谷歌的天下。 那时候Gemini是公认的第一梯队选手，稳坐全球前二，甚至一度摸到过榜首的位置。 结果今天刷到最新的智能指数榜， Claude第一，60分， GPT第二，59分， Kimi第三，57分， Grok第四，54分， 后面跟着智谱和Meta的模型， 谷歌的Gemini 3.6 Flash呢？50分，排第七。 不仅被老对手Anthropic和OpenAI远远甩在身后，还连续被Kimi、Grok、智谱超过，连第一梯队的尾灯都快看不到了。 AI这个领域真的太残酷了， 没有什么永远的王者，没有什么牢不可破的技术壁垒。 你慢一步，新发布的模型差一口气，曾经属于你的位置，立刻就被人填上。 几个月而已， 足够把一个全网喊着“王者归来”的领跑者，挤到第七名， 也足够把整个行业的座次，全部重排一遍。 看来在AI这个赛道，从来没有稳了这回事啊

美股常规交易时段一年只有大约 1638 个小时。一年总共 8760 小时，超过八成的时间，这个市场是关着的。 而财报，几乎全都在关门之后发。 昨晚就是现成的例子。苹果 -7.3%，亚马逊 +12.2%，一跌一涨接近二十个点的价差，全发生在市场熄灯之后。券商账户里的人只能看着，等第二天开盘按跳空后的价格接。 散户在财报季吃亏，很多时候不是判断错了，是判断对了也没用。规则不让你在那个时间点动手。 问题在于，盘后能不能交易，取决于那个时间有没有真实的深度 24 小时交易这句话很多平台都在喊。真正要问的是第二个问题：美股关门之后，你挂单有人接吗？ 合成资产靠协议对手方，AMM 靠链上资金池，还有些平台的盘口是第三方库存拼出来的。这几种在行情平稳时都能跑，一到波动放大就原形毕露，滑点、溢价、折价全来。而财报盘后恰恰是波动最大的时候，也就是最需要深度、最容易没深度的时候。 第三张图是同一时间的成交额榜：标普 500ETF 413 亿美元，纳指 100ETF 376 亿，美光 339 亿。这是美股已经关门几个小时之后的数字。Bitget 美股流动性远超你的想象。 底气来自结构。Bitget 的 rToken 由 Reality Protocol 发行，通过持牌券商基础设施直连纳斯达克和纽交所的实股流动性，每一枚背后是 FINRA 注册券商托管的真股，1:1 映射，再加上 Bitget 自有订单簿补充。 这一周发生了什么 微软 Azure 增速 43%，capex 反而低于预期，周四单日创下美股史上单日市值增幅最大的纪录。AI 基建的 ROI 叙事回来了，受益方指向 rNVDA。 亚马逊单季营收 2006 亿，历史上第一次破两千亿，AWS 增速 37%，18 个季度以来最快。 苹果营收创六月季度纪录，iPhone 增 22%，但服务收入和大中华区双双低于预期，下季度指引只有 9% 到 11%，盘后照样跌。这也是库克作为 CEO 的最后一场财报电话会。 SK 海力士锁定英伟达 HBM4 六到七成供应，产能卖到 2027 年。同一张榜单上，美光涨 22.45%，闪迪涨 30.75%。存储超级周期不是故事，是排产表，对应 rMU 和 rDRAM。 Meta 是反面，capex 下限上调到 1300 亿美元以上，自由现金流掉到四年新低。同样投 AI，微软被鼓掌，Meta 被打折。 这些事件里，只有周三的美联储决议是盘中发生的。其余全在你睡觉或者市场关门的时候。 能在盘后动手只是第一步，第二步是那时候你手上有没有子弹 看前两张图右下角那三行：可用 207 USDT，可开 1506 USDT，借款 0.00。 差出来的一千三从哪儿来的？右上角那个杠杆开关。打开之后，rToken 现货可以直接杠杆买入，用不到才不计息，所以借款还是 0。 统一账户 UTA 把 100 多种 rToken 纳进同一个保证金池。你持有的 rNVDA 不只是一份等着涨的持仓，它同时能给合约和杠杆当保证金，不用卖掉腾资金；也能抵押借出 USDT，融资成本低于券商两融，借出来还能回头再加仓。股息以 USDT 直接入账。 一份 rToken，能打三份工。 财报季真正的门槛从来不是信息，Azure 涨了多少全网都看得到。门槛是你拿到信息之后还剩多少可操作的空间——市场开不开，钱调不调得动，仓位能不能不卖就腾出来。 一年八成的时间市场是关的，这条规则不会为散户改。但你可以换一个不关门的地方。 杠杆和抵押都是双刃剑，盘后波动通常大于盘中，仓位别拉满。以上是个人观察，不构成投资建议。 今晚美股开盘会正式消化苹果和亚马逊这两份财报，有兴趣的话去 @bitget 看看 rToken 和美股永续在盘前时段的实际盘口深度。

微软和 Meta 的财报出来后，我第一反应不是追盘后，而是重新算了一遍自己的美股仓位。 微软 FY2026 Q4，Azure 同比增长43%，AI投入开始越来越清楚地变成云收入；Meta营收同比增长28%，广告业务依然很能打，但高额资本开支也在继续消耗现金流。 同样讲AI，同样舍得花钱，市场给出的答案却完全不同。 这轮财报周最麻烦的不是没机会，而是机会太多，本金只有一份。 如果每看好一个新标的，都要先卖掉手里的仓位再换过去，钱大部分时间都在来回赶路。这也是我最近反复研究 rToken 的原因。 它有意思的地方，不只是让我多了一个交易美股敞口的入口，而是买入以后，这份持仓还能继续被调用。 如果拿1万U举例，我会先用rMSFT、rMETA做核心仓位，再拿其中一部分去抵押借U。 抵押额度即使有很多，我最多只用35%—40%。借出的资金可以继续配置rAAPL、rAMZN，也可以先留着，等财报波动真正走出来再出手。 这样算下来，1万U的本金可以支持大约1.35万—1.4万U的资产敞口。 但必须说清楚：账户净资产并没有变多，多出来的是仓位，同时也是债务。 如果把新买入的rToken继续抵押、继续借币，就会进入循环借贷。敞口确实能一层层放大，LTV和利息也会跟着往上爬。 所以我会用，但不会贪层数。 这套组合能不能真正落地，还要看另一个很现实的问题：财报剧烈波动时，想加仓或者对冲，盘口能不能接得住。 项目方统计的7月21日至27日数据里，MSFT、AMZN、AAPL、META在Bitget合约端的5bps、10bps和50bps盘口深度，12组对比全部排在第一。 其中AAPL的5bps深度约80万USDT，第二名约6.85万，相差接近11.7倍；到了观察大单承接能力的50bps档位，依然领先约2.4倍。 这里我特意说“合约端”，因为这组数据不能直接当成rToken现货深度。 我的用法是让rToken负责持有和抵押，让流动性更好的合约端负责财报前后的加减仓与风险对冲。 融资成本也一样要算账。 借款成本是“借款金额×实时APR×持有天数÷365”，再拿它与同等合约仓位需要承担的资金费率比较。哪个成本更低，就用哪个，而不是为了循环而循环。 做到这里，我才真正理解“一份rToken，能打三份工”是什么意思： 持有美股价格敞口，抵押后释放流动性，再配合合约管理财报波动。 以前买完一只股票，资金只能留在里面等涨跌；现在持仓本身也能成为下一笔交易的起点。 本金只有一份，让它多干点活没问题，但别真把它累到爆仓😂 #Bitget# #rToken# #RWA# #rToken资金效率#

1 扎克伯克跑到x上宣布自己的模型打折给大家用 ： Meta 的首个付费 AI 模型 API  Muse Spark 1.1，定价只有 Claude 和 GPT 的约四分之一。   ps：不知道咋样，建议大家去排排雷，我是懒得去当小白鼠了。但这个其实暴露出来token基建的一个致命的商业模式bug。你只要机器c出来了，继续跑就是个电费，任何人有闲置的算力，只要是跑得赢电费，都会和你恶性价格战。。 ps2:最近好几个人问我什么投资token经济，估计就是被忽悠的去电力成熟的地方去投服务器看起来n年回本，我只能说，目前网络上n卡的租金已经回落到年初了，现在冲进去就是给全球token大降价添砖加瓦。 2 lv的案子影响越来越大，大家发现海外都没打赢唯独给中国的传统图案判给lv了··· ps：一次不公正的判决就是在污染水源。 我们的法律界有一些人脱离东方文化太久，已经脑袋烧掉了典型的就是劳某上次和法某的一个访谈，劳某在说x要合法的话劝男性那啥前录个音···x萧条这个事情，说小是小，说大了就是发展的共识在被毁灭。往近处看就是日本的食草趋势。 人一旦不想着繁衍，就啥都不想，集体坠入虚无主义深渊。尤其是年轻男性，没有小头驱动大头了，那就开始反思了，一旦形成某种无法截断的口号，对生产力的破坏会比我们想象的快得多。 3 这也解释了为什么鸡娃的女性比男性多，女性在生育后会有造物主的体验，孩子成为了她向世界创造的最伟大的作品，而男性往往很难自发的具有这种感觉。更偏向于一切靠运气的得过且过的存在主义危机。 20年前做工程的牛逼，今天可能已经老赖。 10年前做互联网的牛逼，现在可能已经套成了负资产毕业了 5年前移动互联网牛逼，现在估计正在和前东家打期权赔偿的官司。 男性喝酒吹逼混江湖，看的多了经历的多了，自然就绝望佛系的比例高得多，女性则认准某个规则，希望把规则推进到极致，获得现在规则下的利益最大化，殊不知，真正的男女之外的造物主，已经做好了随时修改规则的准备。 正所在，一将功成万骨枯，牛逼的永远不是个体，而是这个时代。 4 大饼这几天反弹不错，从strc的回暖就能看得出来。我之前一直的观点就是，strc几乎是企业债券市场流动性的巅峰了，不要从观点出发，要从事实出发，这个流动性就很难彻底暴雷。 5 海力士美股上市，涨的还不错，但是接下来咱们还有一个长鑫，卷起来了呗···叠加韩元最近要加息，你让我买我是不会去买的。 6 黄金目前的lp可以做到宽度10%年化30%，这么看还是很不错的，横盘对大家也没有什么不利的，慢慢熬呗

🧐 美股财报周简报 ： AI 算力需求加速，云计算增速超预期 这周四大科技巨头 Q2 财报出来了，让我们来快速过一遍： 1️⃣ 云计算增速超预期 ➤ AWS 增速 36.7%，18 个季度以来最快，年化收入 1690 亿美元 单一个亚马逊云就可以排进 500强 前 24，绝对是亚马逊的现金奶牛 积压订单：4960 亿美元 backlog，三位数增长，都是签约未交付的部分，提前锁定了未来几年的营收 💡 值得一题的是： 亚马逊单季净利润 626 亿美元，其中 534 亿来自非经营性收益（ 持有的 Anthropic 股份的增值 ） ➤ 微软 Azure 则是 43% 增速，年收入首破 1000 亿美元 股价单日 +15%，2008 年以来最佳，一天涨出近 4500 亿美元市值 🤔 虽然永远缺存储，但永远也缺算力，大家在存储叙事的噪音下，云计算绝对是被低估了的 2️⃣ 反面教材： $META （-8%） 同样烧钱，Meta 资本开支上调到 1300–1450 亿美元 自由现金流骤降 91%，但出租算力的变现计划还在 “画饼” 阶段 市场并不买单，单日跌幅 - 8%，持续打破连跌 11天 的记录 AI 叙事进入下半场，市场从为叙事付费，转向为「订单和现金流」付费 —— 最后 一姐 @heyibinance 说：何必东奔西走，币安全部都有，玩美股上币安！😆

微软 Azure 这个季度增速破 40%，年化收入首次站上千亿美元，更关键的是 capex 低于市场预期。烧钱和赚钱终于对上了，AI 变现这条路算是被验证了一半。 另一边，SK 海力士锁定了英伟达 HBM4 六到七成的供应量，产能已经卖到 2027 年，黄仁勋亲口确认它是最大内存合作伙伴，一口气锁了四条产品线。存储超级周期不是叙事，是排产表。 Meta 就没那么好看，营收涨 28%，自由现金流却砸到四年新低，2026 年 capex 下限直接上调到 1300 亿美元往上。同样是 AI 投入，市场给微软鼓掌，给 Meta 打折。 而这周还没完——苹果、亚马逊昨天盘后交卷，亚马逊单季营收首破两千亿、AWS 增速 37%，盘后涨超 8%；苹果营收创六月季度纪录，却因为服务收入和下季度指引不及预期，盘后跌超 6%。行情窗口密到这个程度，一年也没几次。 方向其实不难判断，难的是判断对的那一刻，你的钱调不调得动。 想布局英伟达，得开美股账户、出金、换汇、等到账，几天下来财报都跌完了。手里一堆 USDT，就是使不上劲。买完股票钱还锁死了，想开别的仓位必须先卖股。 给你看我 @bitget 账户里的一组数字。 USDT 余额 552，就这么多，没有别的现金。但打开股票合约页面，可用保证金显示 1588 USDT，可开 1522。 多出来的一千块从哪儿来的？账户里还躺着 1.14 个 rQQQ 折合 784 美元、0.23 个 rMSFT 折合 105 美元，加上 BGB 和一点 BTC，总资产 1643 美元。UTA 统一账户把这些全部算进同一个保证金池，1643 的资产折出 1588 的可用额度，折损很小。 关键在于，rQQQ 和 rMSFT 一分都没动。纳指涨它跟着涨，微软出财报它跟着走，敞口完整保留，同时这两份仓位已经在给合约账户当保证金了。 一份 rToken，能打三份工。 第一份工是拿敞口，1:1 对应真股票，股息以 USDT 到账。第二份工是当保证金，就是上面那组数字。第三份工是抵押借 USDT，不卖持仓就能拿到现金，融资成本明显低于券商两融，借出来还能回头再买 rToken，把敞口做厚。 第二张图值得单独说 SPCX 永续合约，20 倍全仓，注意左上角标着夜盘。 SpaceX 6 月 12 日在纳斯达克挂牌，发行价 135，上市后冲到 225 又一路回落，现在 113 出头，已经跌破发行价。7 月 7 日刚被纳入纳斯达克 100，8 月要交首份财报，同时还有大规模内部人解禁。这票接下来不会安静。 三个细节：图上是夜盘时段，美股已经收盘几个小时，盘口还在跑，而财报都在盘后发，券商账户里你只能干等第二天；买入开多和卖出开空并排摆着，这种腰斩过、后面还压着解禁的票，在券商做空要融券，额度不一定有，成本也不低；盘口挂着十几万到三十万 USDT，资金费率 0.0000%。Bitget 美股流动性远超你的想象。 顺带一说，第一张图里那份 rQQQ 现在也间接含着 SPCX，纳指 100 调整之后 QQQ 已经把它装进去了。一份 rQQQ 拿着纳指敞口，同时给这笔 SPCX 的仓位提供保证金，这个循环挺有意思。 财报季的胜负手不在于你看没看对方向，而在于看对的那一刻钱能不能跟上。同一笔钱同时干三件事，和只能干一件事，差的就是这个。 杠杆和抵押都是双刃剑，rToken 回调会直接压保证金率，涨出来的那部分保证金回调时也会原样收回去，SPCX 这种波动率的标的更要留够缓冲。以上是个人实测记录，不构成投资建议。 想让手里的 USDT 在这周真正用出效率，去 @bitget 的统一账户里自己对一遍数字就知道了。

拿遍硅谷顶级 lab offer 的人，写的ML面试指南 刚看完一篇 ML Research Scientist 面试指南，作者是 Silvia Sapora，PhD 做 ML，最后拿到了 DeepMind、Isomorphic Labs、Cohere、Meta和一家 stealth startup 的 offer，最后去了 DeepMind。 文章讲了很多实操指南，比如他说ML 求职已经越来越像一个工程项目、顶级researcher也会因为没准备面试而挂（原文里说，她认识很多极强的人，就是因为没准备而被拒）。感觉国内顶级researcher的面试也大概是这样。 总结一下看完体会最深刻的点，希望最优秀的研究员们，都能找到顶级的工作，不要因为没准备好面试，让才华短暂被埋没。 希望对大家有用。 1/ 拿到面试前，就是看简历 大家也可以按这个方向完善自己的履历： 3 篇以上一作/共同一作顶会 paper，至少一次大厂/前沿实验室实习，才比较稳定拿到 top lab 的 callback。 这里还有几个小细节： a.cold email 可能比想象中有效。尤其是直接写给 hiring manager 或团队成员，不要重复 CV 上已经有的东西，而是要讲清楚：你为什么 fit 这个 team，你为什么真的对他们的工作感兴趣。 b.cover letter 不要完全交给 LLM 写。可以让 LLM polish，但原始内容最好自己写，要有真实兴趣和个性。 c.LinkedIn / X 上的岗位信息要对看。很多 internship / research role 可能只通过某个 researcher 的帖子和 Google form 流出来。 2/ 一旦进面试，忘掉CV 但一旦进入面试，CV 基本就没用了。 很多面试官甚至不会仔细看你的简历。你有再多 ICLR / NeurIPS / ICML paper，这时候都没什么用了。 面试现在已经非常“杂技化”。 LeetCode、ML coding、debugging、ML fundamentals、LLM/RL/diffusion、system design、research discussion，全都可能问。 说白了，更像是一个压缩版竞技项目：45 分钟内，在陌生人注视下，把你平时几个月慢慢想、慢慢查、慢慢 debug 的东西，现场做。 b.这里有个很实用的方法。 每次面试前，她会把JD、公司、面试类型丢给 LLM，让它 mock interview，而且实际问题经常撞上（笑死，毕竟我估计问题也是AI写的）。 她还列了一张 baseline 清单，能在限时下从头写出来，才算状态在线： ① 端到端实现一个 transformer ② causal / cross / self attention ③ flash attention，以及它的 backward pass ④ MLP 的前向和反向 ⑤ 用 PyTorch 或 JAX 写一个带 SGD 的训练 loop c.还有个细节，越到顶级 lab，越不能靠“我懂这个方向”混过去。他们会问到非常基础，也会问到非常细，甚至会问你熟悉领域里最容易被忽视的部分。 3/ 情绪管理 她说自己最严重的问题是睡不好。一周 10 场面试的时候，整个人快被榨干。她还吃不下，看到食物会反胃，最后只能靠猛灌可乐补糖续命（她也说了，这不是什么最优解，只是她当时能想出的唯一办法）。 她还有一套面试前仪式：背景里插一束新鲜的花、化妆、看同样几个 comfort 视频。 听起来很琐碎，但我觉得非常真实。高压面试最可怕的，不一定是你不会，而是你明明会，但脑子突然空白。 4/ 谈薪是一场暗战，而且你大概率被读穿了 一天最好只排一场面试；先面自己没那么想去的公司练手；让不同 offer 尽量落在同一个窗口。 然后，主动告诉每家公司你还有其他流程。听起来很“职场”，但这些真的会影响最后结果。 到了谈 offer 阶段，peer offer 的重量也完全不一样。OpenAI / Anthropic / DeepMind 这种互相之间的 offer，才真的有谈判筹码（这部分大家都熟练了）。 这部分不要太信“谈判要像盲拍、别亮底牌”那套，好几家公司明确要求她出示竞争 offer 的截图才肯加价，有一家甚至当场质疑她截图的真假（lol）。 而且 recruiter 极其会读人。你多频繁提一家公司、用什么语气谈论它，全都是会被记录的信号。一旦对方知道自己已经是你的首选，你的谈判筹码基本就没了。她说自己很透明、很好读，所以在这上面吃了点亏。 唯一让人稍微松口气的是：公司真的想要你的时候，能报的数字比你以为的大得多。永远值得开口问，多数公司愿意谈。 其实她的履历已经很顶了。但她复盘下来，最有用的结论反而很朴素：做研究，和通过 ML 面试，是两套能力。

迈威尔 本来前天就想讲这一支的 但是排了其他推文 结果两天直接拉了百分之十几 先说清楚 这是一支需要慢慢买 低处买 然后长拿的标的 MRVL是一只很强的 AI 基建股，但现在是“高估值买兑现”。 中长期逻辑很顺，短期股价却已经把很多好消息提前吃进去了。 MRVL 当前股价约 190 刀，市值约 1666 亿刀，PE 约 61.8 倍，今日波动区间在 188.2-194.58 刀，说明市场情绪很热，波动不小。 宏观：AI 基建大周期 现在美股最大主线不是单纯 AI 应用，而是 AI 数据中心资本开支。 巨头继续砸钱建算力，需求从 GPU 扩散到：定制 ASIC、交换芯片、光互连、CXL、SerDes、以太网、硅光、数据中心互联。 这正好是 Marvell 的主场。 公司自己也把定位说得很清楚：它提供 custom silicon、interconnect、network switch 等 AI 基础设施核心技术。 所以宏观上，MRVL 不是在吃消费电子周期，而是在吃 AI capex 周期。只要微软、亚马逊、谷歌、Meta 这些云厂商继续加大数据中心投资，Marvell 就有机会继续受益。 但反过来，如果未来市场开始质疑 AI 投资回报率，或者美股整体杀估值，MRVL 这种高估值半导体会非常敏感。 行业：最核心的机会是“英伟达之外的 AI 铲子股” Marvell 不是 NVIDIA 那种 GPU 总龙头，它更像是 AI 数据中心里的连接层 + 定制芯片层。 它有三个关键方向： 第一，定制 AI ASIC 越来越多云厂商不想完全依赖 NVIDIA GPU，希望做自己的定制芯片，降低成本、优化功耗、绑定自家云生态。Marvell 就是这类 custom silicon 的重要玩家。 第二，数据中心网络 AI 集群越大，瓶颈越不只是算力，而是 GPU/ASIC 之间的数据搬运。网络、交换、互连、SerDes、光模块相关芯片会越来越重要。 第三，光互连和高速连接 未来 AI 数据中心的功耗和带宽瓶颈，会逼着行业从传统铜连接继续往光连接、硅光方向走。Marvell 在这个位置上很舒服。 这也是为什么 NVIDIA 近期投了 Marvell 20 亿美元，加强在定制 AI 芯片和网络方案上的合作。这个合作重点就是把 Marvell 的半定制芯片、光互连技术和 NVIDIA 的 CPU/网络生态结合起来，解决 AI 数据中心的带宽和能效瓶颈。 这条消息很重要。因为它说明 Marvell 不是被 NVIDIA 碾压的对象，而有可能成为 NVIDIA AI 生态里的关键基础设施伙伴。 基本面：增长很猛，市场已经给了高预期 Marvell 财年 2026 收入达到 81.95 亿美元，创历史新高；GAAP 净利润 26.7 亿美元，非 GAAP 净利润 24.66 亿美元。 更关键的是公司对未来的指引。Marvell 预计到 fiscal 2028，收入接近 150 亿美元，增长接近 40%，高于分析师此前约 129.2 亿美元的预期。 这就是 MRVL 今年股价大涨的根本原因： 市场不是只看今年，而是在提前买 2028 年 AI 数据中心收入放量。 但问题也在这里。现在股价已经涨到很高，Barron’s 报道里提到，MRVL 2026 年以来已经翻倍，近期因 custom AI 和光网络芯片需求创出新高，BofA 把目标价上调到 200 美元，但 Goldman Sachs 目标价只有 125 美元且维持中性。 这说明市场分歧很大 看多的人觉得它是 AI ASIC + 光互连核心龙头； 谨慎的人觉得现在估值已经透支。 技术：强趋势，短线不便宜 从技术面看，MRVL 现在是明显多头结构。 它当前价格在 50 日均线 131 和 200 日均线 94 上方，中期趋势仍然偏强。 我会看三个关键位置： 第一支撑：155-160 一旦跌破，说明市场可能开始重新杀估值。 第二支撑：130-140 到这个位置基本上是日线级别MA50的支撑 如果能到这个位置可以开始慢慢买入了 上方压力：190-195 这是近期高位区域。如果能有效放量突破，下一步市场会看 200 附近，也就是 BofA 的乐观目标价区域。 趋势没坏，短线不适合无脑追。 推演 乐观情景：200-230 AI capex 继续超预期，Marvell 继续拿到大客户 custom silicon 订单，NVIDIA 合作进一步强化，下一季财报和指引继续 beat。 这个情况下，MRVL 有机会先冲 200 美元，再看 220-230 美元。 但这需要非常强的业绩兑现。 中性情景：160-200 宽幅震荡 这是我认为概率最高的路径。 公司基本面强，但股价涨太快；市场会在“AI 长期空间”和“短期估值过高”之间反复拉扯。 这种情况下，MRVL 可能围绕 160-200 美元做大波动，财报前后尤其容易剧烈震荡。 悲观情景：130-140 美股整体杀估值、AI capex 被质疑、下季指引不够惊艳、custom silicon 订单延迟，或者毛利率被竞争压缩。 这种情况下，MRVL 不是逻辑坏了，而是估值需要重新降温。 跌到 130-140 ，反而会重新出现中长期性价比。 总而言之 言而总之 MRVL 是 AI 基建时代非常值得跟踪的核心股票。 它不像 NVIDIA 那么显眼，但它卡在 AI 数据中心几个非常关键的位置：定制芯片、网络互连、光通信、数据搬运。 但现在最大问题是：好公司不等于好价格。 我会这样看 长期：看好 AI 数据中心越大，Marvell 的战略地位越重要。 中期：看财报兑现 接下来每次财报，市场都会盯 custom silicon、data center revenue、毛利率和 fiscal 2028 指引。 短期：谨慎追高 190 附近已经很热，除非突破 200 后继续放量，否则更好的机会可能来一次回踩。 Marvell 是 AI 基建里的“数据搬运铲子股”，长期逻辑很硬；但当前股价已经进入高预期区，后面不是靠故事涨，而要靠订单、收入和利润连续兑现。

下周开盘前需要知道的几件事 先看最大的变量：伊朗宣布无限期关闭霍尔木兹海峡 这个大家都已经习以为常了，脱敏了。估计川子又是taco拉盘。 伊朗击中了一艘在霍尔木兹海峡南部航行的商船，随后宣布无限期关闭这条海峡。美军过去一周内已经是第三次对伊朗发动空袭，命中了大约140个军用目标，特朗普发表声明称海峡依然开放，美军会全力保障航行自由。但伊朗随即向中东5个国家发射了导弹和无人机，创下数月来最大规模的一次袭击，伊朗军方也表态称除了北部伊朗航线之外，海峡对所有交通全部封闭。这条地缘线短期内很难降温，需要密切留意油价和避险资产的联动反应。 下周宏观日程排得很满，CPI是重中之重 新任美联储主席沃什将于周二、周三盘后30分钟在国会作证，这场听证会的措辞会直接影响市场对未来货币政策路径的预期。周二盘前1小时会公布CPI数据，这个数据基本决定了美联储接下来是偏鹰还是偏鸽。周三还有PPI数据，周四是零售销售，周五是工业产出和密歇根大学消费者信心指数，整周信息量都很大，建议提前做好节奏安排，别在数据公布前重仓押方向。 大盘技术面：三角楔形已经突破，下周OPEX期权到期周看7600-7700 标普500上周五上涨0.42%，收在7575.26，正式突破了自4、5月大涨以来持续好几周的三角收敛楔形整理形态。下周正好是7月OPEX期权到期周，最大的伽马敞口集中在7600点(历史新高附近)，周五盘中资金流强力集中在7550这个行权价，大部分是Call净买单，为大盘继续向7600乃至7700冲击提供了资金层面的支撑。 SPY目前距离历史新高只差0.73%，上周五突破了752到752.50这个关键阻力区，一路飙升到755.50。上方需要关注6月15日阶段性高点所在的756到756.50区域，如果在这里受阻，大盘短期可能会进入一段剧烈震荡。下方支撑依次看752到752.50，再往下是749到750，一旦跌破749，短期盘面会转向偏空。 VIX方面，恐慌指数上周五下跌5%，收在15.01，期权累积净资金流显示，一旦VIX升到20这个关口，会有大量Call卖单涌入强力压制波动率，而在15和16这两个行权价上存在强负Gamma敞口，这也是VIX持续被压制走低的技术原因。 几个重点AI概念股的期权链信号 AMD自5月底以来一直在500这个关口上方高位盘整，10日、20日、50日均线全部保持向上发散，走势极其强势，从没有效跌破过20日均线。全链累积净资金流显示极其强烈的Call买单和Put卖单，目标直指600这个行权价，GEX在600处呈现强正向Gamma敞口，预示短线可能开启新一轮向600冲击的行情。操作思路上，只要没有效跌破20日均线，就应该坚决顺势回踩做多，不要提前猜顶。 MU（图2）在触及1200的顶峰后回落，近期一度跌破1000，过去数周1000这个位置一直是Gamma敞口最密集的支撑区域，下方更深的强支撑看50日均线(大约897附近)。周五净资金流重新转正，预示着在1000附近筑底巩固之后有机会重新挑战历史高点。操作上更稳妥的思路是等价格二次回踩前期结构低点(比如50日均线)之后再考虑做多，或者等有效突破均线EMA 20阻力后再顺势追多。另外6月25日连接6月30日、再连接7月9日的这条下跌趋势线，已经被反复测试三次都没能突破，第四次大概率会突破，但按照这条线目前的走法，更可能是先突破、再回踩确认，然后才是真正的上攻，不建议在还没确认突破有效性之前就急着追。7月22号海力士财报，在这之前跌了，那么大概率会有一波修复行情，美光我还是看跌破红色趋势线后会回踩然后再跌。1150有缺口 Meta从550的低位形成了强劲反弹，单日波幅接近10%，目前已经重新站回EMA 200和SMA 200上方，累积净资金流在650到700这个区间展现出明显的看涨净流入，仅在700附近存在部分Call卖压。如果短线回踩到650附近，会是一个不错的逢低建仓点位。 Q2财报季正式拉开序幕（图1） 整体来看，下周既是宏观数据(CPI、PPI、零售销售)高度集中的一周，也是财报季正式启动的第一周，叠加地缘政治的不确定性还没有消退，波动率大概率会比过去几周明显放大，建议保持灵活，跟随关键位置的确认信号操作，不要提前满仓押单一方向。

推掉 offer、延毕转AI safety，他一个月重新拿到 offer 刚看完一篇研究员求职复盘，作者 Yong Zheng-Xin，布朗大学五年级 PhD。 他的经历有点特别：读到最后一年，从多语言 / post-training 直接 pivot 到 AI safety，拿了 Astra Fellowship（在 OpenAI 做），为此把毕业推到 2027，还推掉了手上已有的 offer。 后来重启求职，本来计划 7 月才开始面，结果担心 headcount，5 月中就上了，6 月中就拿到满意的 offer，甚至撤掉了一些还在进行的面试。 他写了 6 个让他意外的点，我觉得对正在找 research 岗的人挺有用，整理一下👇 1/ 真正起作用的，可能只有一两篇 paper，甚至一篇都不靠 他多语言方向的 paper 数量远超 safety，还拿过 best paper。但 pivot 之后，这些一篇都没影响到面试结果。 paper 的作用其实就两个：① 敲门，你做过 team 感兴趣的东西，于是被放进 pipeline；② deep dive，research presentation 时聊一篇的动机和细节，有时短到只有 20 分钟。 所以发表数量除了证明 credibility，没那么重要。你随时可以转去一个你觉得更重要的方向，只要在新领域证明够强、team 想要你。 2/ 面试轮次的花样，超出预期 他本来以为就是 fresh-grad SWE 那套：LeetCode + behavioral + 一些 LLM / 深度学习。结果遇到了 system design、并行编程（用 asyncio 手写并发），甚至还有专门评估你“用 AI agent 用得好不”的轮次。 结论很简单：永远预期 wildcard。 3/ Work trial（试岗）越来越常见 他原以为 work trial 只在 AI safety 岗比较常见，结果发现 AI startup 也越来越多。 试岗和 onsite 完全是两回事：不是飞过去面几轮，而是真的跟团队一起做一个任务，有时还是开放式的。通常带薪，但有的线下试岗能持续整整一周。 副作用是：试岗期间你几乎没法准备别家面试，因为得全力扑在当前任务上。同时面多家、又赶时间的话，这点排期要特别小心。 4/ 时机的权重，比你想的大 去年秋天，AI safety 岗极难找，远不如 RL 相关的多；但现在一堆 startup 开始招 safety（比如 Lila、Mechanize）。 几个现实： 你的工作 viral 了，会有一波机构同时来找你，别被打懵，接住这个时机。 你的方向变热，机会整体变多，但窗口可能不到一个月，也可能拖上几个月。 headcount 一定要问 recruiter，尤其你打算推迟、或想同时面多家时。 面试可以试着往后推一两个月，但一旦开面，各轮之间的间隔通常很短。有些岗位还希望你下个月、下下个月就入职（这点能谈）。 5/ Return offer 很稀少 SWE 那边 return offer 基本是常态，research 岗就完全 case-by-case。 他 2024 在 Meta 实习，return 全职 offer 很少，高度依赖 headcount 和 team，身边不少人没拿到。他在 OpenAI 做 Astra fellowship，最后也还是和所有应聘者一样走完了全部面试轮。听说有的机构更快，如果 team match 成了，再补一两轮就行。 6/ 很多面试，跟你的方向根本没关系 他从能力研究（多语言）转到 safety，本以为 safety 相关的面试会占大头。 结果并不是。他遇到很多轮跟 safety 毫无关系，甚至跟他研究兴趣都不沾边。有些地方还是在考你“作为一个 AI researcher 够不够全面”。 他觉得这有道理（领域跑得快，基本功值得查），但预期还是落空了。也许 senior 岗会不一样。 前两天刚写完 Silvia Sapora 那篇顶级 ML Research Scientist 面试指南，这篇刚好补充了另外一个视角。