与「Research」相关的搜索结果

AI时代，半导体公司到底该怎么估值？ 昨天听了@ShanghaoJin 老师的space，获益匪浅。 但我对于存储板块，乃至整个半导体板块的在目前ai产业革命超级周期背景下的估值方法，有一些不同的想法，所以简单记录一下，也供herman老师拍砖。 过去很长时间里，半导体一直是典型周期行业。景气时利润暴涨，低谷时利润迅速蒸发。很多公司上一年PE几十倍，下一年直接亏损。所以过去市场并不太相信半导体公司的利润持续性，更喜欢用 PB、重置成本、EV/EBITDA，而不是PE。因为市场默认这些利润大概率只是周期利润，而不是长期利润。 但AI时代正在改变这一切。HBM、CoWoS、AI Networking、光模块、先进封装、电力与数据中心基础设施，开始出现长期供需失衡。整个行业的估值逻辑，也开始从“资产思维”转向“现金流思维”。 截至2026年，行业仍处在AI驱动的强景气阶段。根据 SIA 数据，2025年全球半导体销售额达到7917亿美元，同比增长25.6%，并预计2026年接近1万亿美元。SEMI 也预计设备销售将在2026、2027继续增长。这种环境下，很多股票估值已经提前包含高增长预期。重要的是增长质量，以及它所处的周期位置。 很多人喜欢只看 PE、forward PE 或 PEG，但半导体行业的问题在于，“周期 + 高成长 + 高资本开支 + 技术代际”全部混在一起，单一估值倍数很容易骗人。周期顶部时，利润爆炸，PE反而会显得特别便宜；周期底部时，利润低迷，PE又会显得特别贵，甚至失去意义。重要的是判断当前利润到底处在周期的哪个位置。 PE 本质上是： PE = \frac{Market\ Cap}{Net\ Income} 它看的是最终归属于股东的利润，因此会受到利息、税率、折旧和资本结构影响。而 EV/EBITDA 更接近企业经营本身的赚钱能力： EV/EBITDA = \frac{Enterprise\ Value}{EBITDA} 其中： EV = Market\ Cap + Debt - Cash 很多人会疑惑为什么现金要减掉。因为 EV 本质上是在看“买下整个公司的真实净成本”。债务需要接手，而账上的现金买下后也归你，所以现金会降低真实收购成本。重要的是理解 EV 关注的是经营业务本身值多少钱，而不是公司账上堆了多少现金。 这也是为什么 Apple、Alphabet、Meta Platforms 经常出现 EV 小于市值的情况，因为它们账上现金太多。 但AI时代又带来了一个新问题。很多公司的现金已经不再是“闲置现金”，而是GPU储备、数据中心扩张储备、AI基础设施战争储备。重要的是区分 Excess Cash、Operating Cash 和 Strategic Cash。有些现金未必真的应该全部减掉。 AI时代另一个巨大变化，是行业进入超级重资本时代。EUV越来越贵，High-NA越来越贵，CoWoS扩产越来越贵，HBM扩产越来越贵，数据中心基础设施越来越贵。整个行业折旧（D&A）正在快速上升。于是很多公司的 EBITDA 非常漂亮，但净利润没有那么夸张，因为大量利润被折旧吞掉了。重要的是现在 PE 和 EV/EBITDA 的差异，正在明显扩大。 不同子行业差异尤其明显。Fabless公司差异最小，比如 NVIDIA、AMD、Broadcom。因为它们不自己建厂，折旧压力较低，因此 EV/EBITDA 往往只比 PE 低20%-40%。 但 Foundry 完全不同。比如 Taiwan Semiconductor Manufacturing Company、Samsung Electronics、Intel。这些公司 CapEx 极大，折旧极高，厂房设备生命周期极长，所以 PE 和 EV/EBITDA 差异会明显扩大。TSMC 当前常见情况大概是 PE 20-30x，而 EV/EBITDA 只有12-18x。重要的是理解很多折旧本质上其实是“增长投资”。 存储行业更加极端。Micron Technology、SK hynix 过去长期是最典型的周期行业，市场几乎不相信利润持续性。但 HBM 改变了部分逻辑，市场开始认为其中一部分利润可能是结构性利润，于是行业开始重新定价。重要的是 HBM 让市场开始重新评估存储行业的长期盈利能力。 而半导体设备公司则是另一种情况。比如 ASML、Applied Materials、Lam Research、KLA。这些公司更像“拥有工业外壳的软件公司”，因为它们毛利率高、ROIC高、FCF强、资本效率极高，所以市场已经越来越多使用 PE、EV/EBITDA、EV/FCF 和 ROIC 来定价。 真正的问题，从来不是哪个指标最好。重要的是哪个指标适合哪个子行业。 Trailing PE 适合盈利稳定的成熟公司，但周期股在景气高点 PE 会显得特别便宜，在低谷又会显得特别贵。Forward PE 更重要，因为市场买的是未来12-24个月利润。重要的是盈利预期是否还在持续上修，而不是单纯看一个低 forward PE。 PEG 对稳定高成长公司很好用，但对周期行业非常危险。很多时候 EPS 从低谷恢复，会让 PEG 看起来异常便宜。重要的是判断这个增长到底来自长期成长，还是仅仅来自周期反弹。 EV/EBITDA 更适合设备、IDM、存储这些资本结构差异大的行业。重要的是最好使用中周期 EBITDA，否则很容易在周期顶部被误导。 我个人更喜欢 FCF Yield 和 EV/FCF。重要的是这两个指标会逼着你回答一个问题：这些利润最后到底能不能变成真钱。 EV/Sales 只适合高增长、利润暂时被投入压低的平台型公司。重要的是结合毛利率、经营杠杆和长期利润率一起看。 不同子行业应该看不同指标。AI/fabless 芯片更应该看 forward PE、EV/FCF、收入增速、毛利率、客户集中度和平台护城河；半导体设备更应该看 EV/EBITDA、订单、积压和 WFE 周期；存储更应该看 P/B、EV/EBITDA、库存以及 DRAM/NAND/HBM 价格；晶圆代工和 IDM 更应该看利用率、CapEx、折旧、ROIC 和 FCF；模拟、功率和车规更应该看 FCF yield、库存周期和工业需求；EDA/IP 更应该看 EV/Sales、EV/FCF 和长期增长确定性。 所以不要只按 PE、forward PE 或 PEG 买半导体股。重要的是先分子行业，再做多指标综合。 我的框架会更简单一些。第一看质量，包括毛利率、营业利润率、ROIC、技术壁垒和客户粘性。第二看增长。重要的是增长到底来自结构性需求，还是只是周期复苏。第三看现金流，包括 FCF margin、CapEx 强度、库存变化和应收变化。第四才是估值，包括 forward PE、EV/EBITDA、EV/FCF、PEG，并与同行和自身历史区间比较。最后才是风险，包括客户集中、出口限制、库存、产能过剩和盈利预期下修风险。 半导体行业最重要的一点，是不要被低PE欺骗。重要的从来不是今天便不便宜，而是未来3-5年的现金流和竞争地位，能不能支撑今天的估值。 AI时代最大的变化，本质上也是这个。过去市场担心的是“下一轮周期会不会崩”，现在市场开始关心的是“这些利润到底是周期性的，还是结构性的”。 如果市场认为只是周期，那么 EV/EBITDA 不会给太高，PE 也不会持续扩张。如果市场开始相信 AI需求是长期的、基础设施建设是长期的、供需失衡是长期的、行业进入结构性短缺，那么整个行业的估值体系就会继续升级，从 PB → EV/EBITDA → PE → FCF 一路向上迁移。 最终获得长期高估值的公司，往往都是那些 ROIC 持续提升、资本效率持续改善、拥有长期定价权、能把AI需求持续转化为现金流的企业。

We first built Merciv to serve enterprise teams handling complex, fragmented data at scale. Now, we’re bringing that same technology to individuals and emerging brands to help them make better, more confident decisions faster. Identify whitespace opportunities, conduct market research, synthesize reviews, build and talk to user personas, and validate and test ideas. We just moved Merciv’s self serve product into open beta. Link to sign up below.

Most investors have no idea what $VIVO is building right now After going deep into the company, I think the market is underestimating the long-term opportunity ahead One of the more overlooked asymmetric stocks I’ve researched lately Full deep dive:

Anthropic is paying $3,850 a week to people with no AI experience. No PhD required. No published papers. No prior research background. Just a strong technical mind and a genuine interest in making AI safe. This is the Anthropic Fellows Program. And it is one of the most underrated opportunities in technology right now. Here is exactly what it is. The Anthropic Fellows Program is designed to accelerate AI safety research and foster research talent providing funding and mentorship to promising technical talent regardless of previous experience. Fellows work for 4 months on empirical research questions aligned with Anthropic's overall research priorities, with the aim of producing public outputs like a paper. Four months. Full-time. Paid. Mentored by the researchers building the world's most advanced AI. And the results from the first cohort were not small. Fellows developed agents that identified $4.6 million in blockchain smart contract vulnerabilities and discovered two novel zero-day exploits, demonstrating that profitable autonomous exploitation is now technically feasible. A year prior, an Anthropic fellow developed a method for rapid response to new ASL3 jailbreaks, techniques that block entire classes of high-risk jailbreaks after observing only a handful of attacks. This work became a key component of Anthropic's ASL3 deployment safeguards. Other fellows published the subliminal learning paper, the research proving AI models transmit behavioral traits through unrelated data which landed in Nature. Others produced the agentic misalignment research showing frontier models resort to blackmail when facing replacement. Others open-sourced attribution graph tools that let researchers trace the internal thoughts of large language models. Over 80% of fellows produced papers. Over 40% subsequently joined Anthropic full-time. 80% published. 40% hired. From a program that does not require any prior AI safety experience to enter. Here is what the program looks like in practice. Anthropic mentors pitch their project ideas to fellows, who choose and shape their project in close collaboration with their mentors. You are not assigned busywork. You are not a research assistant. You own the project. You work alongside the people who built Claude, who designed its safety systems, who published the papers that define the field. The stipend is $3,850 USD per week, approximately $61,600 for the full 4 months with access to a compute budget of approximately $10,000 per fellow per month for running experiments. Here is what the 2026 program covers. Research areas include scalable oversight, adversarial robustness and AI control, model organisms, mechanistic interpretability, AI security, model welfare, economics and policy, and reinforcement learning. Something for every technical background. Not just ML engineers. Successful fellows have come from physics, mathematics, computer science, and cybersecurity. You do not need a PhD, prior ML experience, or published papers. The one requirement: work authorization in the US, UK, or Canada. Anthropic does not sponsor visas for fellows. Here is the timeline you need to know. The next cohort begins July 20, 2026. Applications are reviewed on a rolling basis — earlier applications get more consideration. The process includes an initial application and reference check, technical assessments, interviews, and a research discussion. Applicants are encouraged to apply even if they do not meet every listed qualification. The program values potential, motivation, and research curiosity over rigid credential requirements. This is the rarest kind of opportunity in technology. A company at the frontier of AI, one valued at over $900 billion offering outsiders direct access to its research infrastructure, its mentors, and its most important open problems. Paying them generously to do it. And then hiring 40% of them afterward. Most people who want to work on AI safety spend years trying to publish papers, get into the right PhD program, and find a way in. The Fellows Program is the door they did not know existed. It is open right now.

RESEARCH: Crypto is leading the risk-on move this month. The majors basket ($BTC, $ETH, $SOL, $BNB) is up 6% MTD, ahead of the SPX at 4.3%. @Binance is at the centre of it, capturing 78% of net inflows among exchanges that gained MTD.

I never use planning mode in Codex. GPT 5.5 loves to research, so I just have a conversation and reach a pseudo-plan in chat. Then, I let it implement, maybe with a /fork beforehand to keep that plan as a revisit-able point. Probably the biggest switch coming from Claude Code

【美股信息KOL第一集】 推特上关于美股的信息很多，但真正长期稳定输出、有独立观点的账号其实并不算多。很多时候，有价值的信息会被热点炒作和情绪内容淹没。 第一集总结的8位KOL的覆盖方向包括： 宏观与流动性/美联储与利率政策/债市与经济周期/ AI和半导体产业链/科技股与商业模式/趋势与实战观察 这些账号各自侧重点不同，放在一起看会比较全面互补。我把每位博主的特点和关注方向都整理成了表格，方便按需求选择关注： 1. Joseph Wang｜@josephwang 经常拆解美联储、准备金体系和美元流动性这些内容，专业度会高一些，但认真看下来，对理解市场运行机制帮助很大。 2. Liz Ann Sonders｜@LizAnnSonders 偏宏观方向，主要看流动性、市场结构以及整体环境变化。她的图表一直做得比较直观，适合拿来辅助判断大盘环境。 3. 美股OK哥｜@artinmemes 偏交易和市场机会观察，内容更接近实战派风格，适合看短中期市场情绪。 4. Lyn Alden｜@LynAldenContact 长期研究货币、财政、能源、信用这些底层逻辑。很多内容不只是讲市场涨跌，而是帮助你理解背后的原因。 5. Jim Bianco｜@biancoresearch 比较典型的传统宏观分析风格，重点会放在利率、债市以及政策预期这些方向。适合用来对照市场情绪。 6. 投资TALK君｜@TJ_Research 偏宏观和实战结合路线，会分析美联储、美股以及 AI 等热门方向，内容逻辑比较清晰。 7. Nico投资有道｜@tychozzz 偏长期投资和定投思路，平时会分享美股和比特币相关内容，整体风格稳健。 8. Byrne Hobart｜@ByrneHobart 擅长把金融、科技和商业模式放在一起聊，很多观点都比较有框架感。适合喜欢深度思考的人。

Can your AI agent win our new simulated challenge? 🧑‍🌾 The all-new capstone challenge for our 5-Day AI Agents: Intensive Vibecoding Course with @Google is here: Kaggriculture! Join our no-cost, hands-on course designed by Google researchers and engineers from June 15–19 to learn how to build and deploy your own winning AI agent.

Flik Tutorial: Agent mode vs Manual Mode. Agent mode handles the research, the creative direction, and the prompting. Manual mode hands you the controls for when you want to directly prompt models. Your call.

Culper Research 发布做空英伟达（ $NVDA ）的详细解读 Culper Research 是一家美国激进做空机构，它的模式非常简单，先建立空头仓位，再发布调查报告，攻击上市公司的财务、业务、监管、关联交易或信息披露问题。 所以 Culper 的报告并不是一份中立的研究，而是交易的一部分。 不过这类机构真正的价值，是把市场没注意到的异常线索，挖掘出来，但从我个人的理解来看，可能更多的是对于做空标的短期的价格影响，长期还是要看企业本身的业绩。尤其是对于 英伟达 这种 AI 风口浪尖的企业来说。 这次 Culper 做空英伟达，核心表述只有一个，就是 英伟达 的中国业务，可能没有真正归零。潜台词就是 英伟达 可能没有完全遵循美国的对于中国的限制。 英伟达对市场的公开表述是： 2025年4月 美国收紧出口限制后，公司在中国的算力业务已经基本归零。黄仁勋也多次说，英伟达在中国的 compute business 从接近 95% 份额跌到 0%。 那么市场因此会认为： 既然中国业务已经没了，那么未来如果中美关系缓和，或者出口限制放松，中国就是英伟达的额外增量。尤其是这次在最后关头 黄仁勋 也加入了访华团队，这对于打开 英伟达 在中国的销售可能会有帮助。 但 Culper 的判断正好相反，Culper 认为中国需求并没有消失，只是从直接销售，变成了东南亚中转、云算力租赁、OEM 供货和中间商采购的形式。 也就是说，英伟达财报上看到的可能不是中国收入，但最终真实需求仍然可能来自中国客户。 Culper 报告里最重要的几条线索： 第一， Megaspeed Megaspeed 是一家新加坡 AI 算力云服务商，表面上是在东南亚购买英伟达服务器，然后把算力租给客户。 英伟达曾为 Megaspeed 背书，说它没有中国股东，也没有发现芯片转移。但没有中国股东，不等于没有中国资金。 Megaspeed 2023 年底体量还很小，2024 年底资产负债表突然膨胀到接近 30 亿美元，主要来自 29 亿美元可退还押金。 同时，它又有接近 29 亿美元对子公司的应收款，资金继续流向马来西亚子公司 Speedmatrix。 第二，Speedmatrix 和阿里相关资金链 Culper 指出，Speedmatrix 曾把自己的业务、设备和未来资产抵押给一家新加坡公司 Apex Enterprise Solutions。 而新加坡文件显示，Apex 的母公司是 Alibaba Group，业务目的包括 procurement activities。Apex 账上有超过 41 亿美元预付款，同时有约 42 亿美元来自阿里相关公司的贷款。 所以 Culper 的推论是阿里相关资金可能通过 Apex 进入采购结构，再通过 Megaspeed 和 Speedmatrix 体系购买英伟达服务器。 第三，Aivres Speedmatrix 从 2024 年底到 2026 年初进口了约 46 亿美元产品，其中约 40 亿美元来自 Aivres Systems。Aivres 是英伟达 Elite OEM compute partner，负责组装高端英伟达服务器。 但 Aivres 的前身是 Inspur Systems，也就是浪潮体系的一部分。浪潮集团被美国列入实体清单后，Inspur Systems 改名为 Aivres。 Culper 认为，Aivres 表面上是美国公司、合规 OEM 伙伴，但它和中国需求之间的关系非常敏感。如果 英伟达 把货卖给 Aivres，财报上可能体现为美国客户收入。 但如果这些服务器最终通过马来西亚、新加坡、印尼等路径服务中国客户，那么市场看到的区域收入分布，就可能低估英伟达对中国真实需求的依赖。 第四，Supermicro / OBON 案件 2026年3月，美国司法部起诉了几名与 Supermicro 有关的人士，指控他们通过东南亚中间实体，把至少 25 亿美元英伟达芯片服务器走私到中国。 这个案件对 Culper 很看重，因为它证明了东南亚中转 + 假数据中心 + 真实服务器转移到中国不是幻想，而是已经进入司法程序的真实案例。 第五，马来西亚数据中心 Culper 认为，东南亚数据中心是绕开出口限制的关键节点。美国限制的是高端 GPU 直接出口中国。但如果 GPU 放在马来西亚、新加坡、泰国的数据中心，中国公司远程租用算力，形式上可能不是芯片出口，但实质上仍然是在满足中国 AI 需求。 这才是英伟达中国问题的复杂之处。问题不是芯片有没有被直接运进中国。而是算力是否被中国客户实际使用。这也是 Culper 对英伟达最严重的指控，认为 英伟达 不可能完全不知道。 因为 英伟达 理论上可以通过客户 KYC、订单规模、客户成立时间、保修记录、服务器 IP、软件更新、延迟数据、设备心跳信号等方式，判断 GPU 是否真的在申报地点运行。 如果几万张 GPU 声称部署在马来西亚、新加坡，但实际使用路径异常，英伟达不应该完全没有感知。如果英伟达知道、默许或者放任，那就会变成出口管制、收入质量和管理层可信度问题。 当然，到这里复杂的情况就变多了，因为要证明 英伟达 主观知情，门槛非常高。英伟达有能力知道和英伟达已经知道并故意放任，完全是两回事。 所以这份报告真正的目的，并不是在于 Culper 能不能定罪英伟达，而在于后续监管会不会接手调查。 如果美国商务部、司法部、新加坡、马来西亚继续调查 Megaspeed、Speedmatrix、Aivres、YTL、Novagate 这些链条，那它就不是单纯做空报告，而是监管事件。 总体来说 Culper 做空英伟达的核心逻辑就是市场认为中国是英伟达未来的潜在增量。而 Culper 认为中国其实是英伟达过去一年隐藏的存量。 如果中国业务早就归零，那么未来放松限制就是利好。但如果中国业务过去只是藏在东南亚、OEM 和云算力渠道里，那么当美国继续收紧出口管制，中国又推动国产替代时，英伟达面对的就不是增量消失，而是隐藏存量被切断。 这才是 Culper 做空英伟达的真正逻辑。