$SPY $QQQ $NVDA $META 是的，DeepSeek他们确实有 50,000 台NVDA H100。 他们声称只用了 2048 台 GPU 来训练他们的新大语言模型（LLM）。 通过拥有一个由 50,000 台 H100 构成的超级集群，他们可以先练习代码，并通过训练一些模型来了解如何在更小的芯片集群上进行优化。 但是，他们在 LLM 上完成的任何事情，都离不开 OpenAI 提供的先锋模型（Frontier Model），而且他们也无法绕过 $META，因为他们在代码中使用了 Llama。 $META 的模型一直是开源的，因此他们早就知道，大语言模型正在逐步变成一种商品。如果他们创建了一个开源模型，之后一群“草根”开发者基于此进行了二次开发，并开源了自己的代码，那也不过是这个模型的延续。事实上，这种模式从一开始就注定会被后来的开发者接力并继续迭代。 国家安全风险在于，即使模型是开源的，模型最初的代码作者依然掌握了模型的训练过程。这意味着，模型的核心可能存在中国的特色。即使这些模型可以本地化运行（这对于业内人士来说是一次令人惊叹的成就），能够在本地运行复杂的模型并得到良好的结果固然值得赞赏，但这并不能改变模型核心中的潜在特色以及可能存在的问题。 降低新技术的成本曲线，实际上是发展的关键目的，而不是负面因素。这一点已经被历史验证过。你只需要搜索“杰文斯悖论（Jevons Paradox）”，就能明白历史如何反复验证这一点 。 压低成本曲线，使技术更具普及性。成本下降后，需求上升，潜在市场规模也随之扩大。更多人和企业可以负担得起，从而推动需求进一步增长。 扩大 AI 的普及范围，依靠的是 NVDA 的 GPU。但目前反应过激的“无知者”根本不理解即使按照表面逻辑，“草根”开发者利用 2000 多块 GPU（后备还有 50,000 块 H100），优化了所

$AVGO $NVDA 我猜很多人会在$AVGO一路狂飙时忍不住追高，心里不断在重复：“够了，我绝不能再眼睁睁看着它涨了！” 然后他们就卖掉$NVDA，说：“够了，我也不能再眼睁睁看着它跌了！” 于是他们换仓——通常恰好是在行情即将反向的时候。 有没有经历过在高速路上忍受不了自己的车道停滞不前，终于换到隔壁正在移动的车道，结果刚过去，那条车道立马停住，而他之前的车道反而开始移动了... 我很喜欢AVGO，但它现在的估值跟NVDA比起来……有点不太对等啊、而且目前看来是偏虚。 我是Broadcom（AVGO）的铁粉，我一直强调：AVGO对于那些大规模数据中心玩家来说，几乎就是“类NVDA”——因为他们正用AVGO来打造自己的定制芯片。 不过，这一切并不构成对NVDA的威胁，因为市场比大家想象得更大、更多元化。NVDA的芯片根本不够卖，而且你也不需要在每个工作负载上都用NVDA的芯片，那对很多任务来说太“杀鸡用牛刀”了。

$NVDA 一家由数学“天才”领导的🇨🇳对冲基金量化团队，用数学手段戏耍了华尔街，Deepseek  你们刚刚经历了一次“里根星球大战计划”（可以去查下这个例子的结局）的重现，但这次是由🇨🇳推动的  一些最聪明的大脑被那些比我们更了解自己历史的人所欺骗  往往你的敌人会比你自己更深入地研究你。 NVDA和其他芯片公司因这套“DeepSeek”胡扯而受到极大压力。这是一场彻头彻尾的误导和骗局 误导真相揭示： 1. 关于GPU的谎言： 🇨🇳公司不能声称从NVDA获得了大量GPU，因为制裁的原因，NVDA本来就不允许向他们提供GPU！据消息来源称，实际情况是他们获得了至少5万颗H100芯片。然而，这和特斯拉H100的供应规模几乎一致，根本没有什么特别的。 2. 技术水平远不及现有模型： 这些运行在🇨🇳数据上的模型，远不能与基于先进AGI技术的稳健大语言模型相比。即使开源代码可以使用，原始开发者仍然可以改变代码。 3. 算力上的巨大差距： 他们所使用的A100芯片即便配上最先进的软件层，也无法匹敌200-3000亿晶体管所带来的计算能力。这就是为什么业内人士早已知道他们的H100集群而根本没当作威胁。 4. 与全球科技对比： 这和当年Google Cloud上的TPU是一样的局面——这是针对特定任务的芯片，不适合处理未来的超高复杂度任务。Rubin和GraceHopper Blackwell的技术层级将完全凌驾于这些芯片之上。 5. 全球计算平台的重构： 当前价值100万亿美元的CPU基础设施正面临淘汰，全部转向GPU。即使购买了旧款NVDA芯片，你也需要解决供应、维护、以及CUDA等软件层支持的问题。能生产NVDA芯片的公司只有两家，它们会为了你而重启旧芯片的生产线吗？ 6. 误导交易者： DeepSeek这种“改装本田思域”的技术，却被夸大成“超级

写在今晚美国消费者物价指数报告之前。 如今，美国CPI报告的重要性已不如从前。虽然市场仍会根据数据出现短期的波动，但宏观层面上，分析重点已经逐渐转向PPI（生产者价格指数），因为PPI的部分组成对核心PCE（个人消费支出价格指数）的计算更为重要。 住房成本仍然是CPI和整体通胀数据中的最大组成部分，占比约40%，但在核心PCE中的权重仅为18%左右。 目前，经济学家们普遍预计本月环比上涨0.3%，这主要归因于月初二手车价格的上涨（这在CPI数据中占有很大权重）以及受飓风影响，导致酒店成本上升。 从我的角度看，情况较为复杂。大多数经济学家和研究人员对上述数据导致的0.3%涨幅预期一致，然而，住房成本的数据一直是个难题，特别是OER（业主等效租金）的计算公式多年来问题重重，但现在OER数据终于有所下降。美联储降低利率后，供需曲线逐渐趋于平衡，因为开发商在高利率环境下难以增加供应，而高利率也提高了房贷成本，使得个人和房东将成本转嫁给租户。 然而，这种趋势是暂时的，因为近期飓风引发的短期租金和酒店成本激增。 即使在鲍威尔看来，这些情况也是暂时的。他最近表示对通胀向美联储目标靠拢充满信心，但预计过程中会有一些波动。目前核心通胀的上涨是偏离美联储目标的一个“预期内”的波动。 因此，我预计数据将符合预期，但“鹰派”将借此提出三个月来核心通胀的连续上涨。他们会指出，联邦基金期货对12月降息的概率曾高达77%，而最近跌至62%。若报告再度降低这一概率至50%左右，市场情绪可能会更加悲观。 不过，这种情绪不会持续太久，正如鲍威尔在上次美联储新闻发布会的问答环节中所说的那句经典比喻：“飞机降落时会减速，并会伴随颠簸。”这是在形容宽松的态度。即使股市表现良好、通胀停滞，降息依然必要。很多人不理解指数和比率的数学原理，认为降息意味着宽松，实际情况则是，即使降息，货币政策仍然会保持紧缩。 因此，关于今

关于英伟达财报的关键点 其实早已体现在台积电（$TSMC）和SK海力士（SK HYNIX）的财报及电话会议中。这些半导体设备制造商透露，一旦新masks的生产良率达到预期，他们将扩大产能。半导体领域复杂而深奥，但简而言之，这对英伟达意味着什么？ 与其他芯片制造商不同，英伟达在masks流程中的产量提升不仅仅是提高单一芯片的良率，而是创造了一个全新的、先进的计算平台。这种平台具有完全不同的意义，因为即使平台中的单个半导体被替换，平台本身依然持续存在并被优化。 因此，创建这一全新平台稳固了英伟达在多个方面的竞争优势： 1. 高价GPU服务——每块GPU售价约为4000美元； 2. CUDA平台主导地位——成为开发者的嵌入式AI软件平台； 3. 企业级软件锁定——NIM企业软件账户由于依赖先进计算平台（而非单独芯片）变得难以更换。这种“骨架结构”（以Blackwell为核心连接到Rubin等模块）展示了其不可替代性。 让我们做些数据分析 在财报发布前，$NVDA股价大幅上涨，部分原因是云服务提供商Nebius Group宣布将在美国部署包含35,000块NVDA芯片的GPU集群。按每块芯片4万美元计算，这笔订单价值约14亿美元，占英伟达10月Grace Hopper AI芯片总出货量的约4%。 对于那些仍认为市场需求会经历“消化期”的人，我想强调的是，市场需求远未饱和。越来越多的客户和主权国家正在重构其基础设施，从CPU转向GPU。我已经提到很久了，现在你们终于看到像Nebius这种不为人知的公司，也能下出接近特斯拉（$TSLA）规模的大订单。 基于以上信息，加上黄仁勋亲自表示Blackwell的需求“疯狂”，以及台积电和SK海力士因良率提升而增加产能的趋势，我对本季度的财报充满信心，预计英伟达将超预期并上调下一季度指引。 预期本季度收入约为320亿美元，但分析师们又不断调高预期

$TSLA 特斯拉的小时级别RSI已跌至14  这是多年来的最低水平  自2023年熊市底部以来的第三低  每次出现这种情况，都会引发大幅反弹，每一次都是！  其中有一次，股价创出更低的低点，但RSI却形成更高的低点，这一背离标志着熊市底部，随后股价上涨330点，涨幅约200%  只是数据，自己看着办。

$英伟达(NVDA)$  为什么中国要花1370亿美元，而不是用600万美元就能搞定？ 因为600万美元根本做不到！！！ 这件事只是加速了对更多算力的竞争。 所有政府都在支持这一点，因为赢得AI竞赛的国家就能赢得世界 。 Stargate、META资本支出、主权AI——对高端和大规模算力的需求简直是从四面八方涌来，不仅持续增长，而且已经被提前锁定。而现在Deepseek还为较便宜的旧硬件增加了更多的需求。

关于 Deepseek 和 $NVDA  那些自称 DEEPSEEK 专家的朋友们 ，你们知道自主AI（即机器人技术）需要怎样的芯片和算力吗？ 你们以为能用老旧的优化芯片运行一个稀释版的大语言模型，就能搞定复杂机器人技术？ 按照你们这些“专家”的推算，美国的自动驾驶交通系统全都实现，只需要花600万美元？ 更大的计算需求： • 生物、DNA 和分子科学： 你们知道这些领域需要多强的算力吗？这些领域是开源就能搞定的吗？ • 封闭与开源的案例： 如果是警用机器人或医院的救援机器人： • 它们会是完全开源的吗？ • 如果原始代码被某人恶意破坏，在紧急情况下会发生什么？ • 这里是否有数以千计的类似例子表明，封闭源代码有它的独特必要性？ 这些问题的答案进一步说明：开源和封闭源代码会根据工作负载的需求而各有用武之地。 关于未来基础设施： • 初始阶段的“缓冲余地”： 你们知道为 DNA 研究、机器人技术、分子科学等未来社会搭建的基础设施，需要的硬件和软件环境吗？你不能一开始就用优化极致的老硬件。 为什么？ • 你需要预留扩展的余地，未来的技术会成长到这个“空间”中。 • 社会的发展需要的不只是“当前可用”的技术，而是“超越当下”的硬件与软件基础设施。 电影中的社会： • 汽车与机器人相互通信的未来： 实现这一切需要的，不只是 Blackwell，也不仅仅是 Rubin 和 Rubin Ultra。这些新技术的名字很多人可能都不了解，但它们是未来的基石。 • 大趋势： AI 的未来已经出航，这艘船不仅没有停下，反而在变得越来越大。Deepseek 所做的并没有阻止AI的发展，相反，它以某种方式加速了这一进程。 总结： • 这不是臆测，而是基于清晰逻辑和多年的研究。AI 和未来基础设施的建设如同 2+2=4 一样简单明确。 • 我的使命是用几十年的研究和智慧，为我的社区提供最准