社区

TC  大家好，欢迎来到Bedrock播客。 Tracy  Hello，大家好，这里是Bedrock播客的第19期，欢迎大家收听。这一期我们邀请了Bill，他来自湾区，兼具AI与Crypto背景，可能是最懂投资的AI创业者，非常适合今天的话题。今天我们将和他一起讨论AI在投资中的应用。   Bill，不如你先给大家做个自我介绍？ Bill  Hello，大家好，我叫Bill孙卿云。2014至2019年在斯坦福攻读数学博士，也是2016年Google Brain最早参与Transformer研发的AI研究员之一。此外，我从事投资多年，曾在千禧年担任投资组合经理，用量化方法管理规模较大的股票策略；也在Citadel和Point 72运用机器学习方法交易股票与期货。  目前我正在推进一个AI创业项目“gen alpha”，近期推出了新产品“AIUSD到AI”，欢迎大家试用。这是一个稳定币余额宝产品，你可以存入USDC、USDT、USD One（支持多链），我们将为你提供20%的收益。AI会作为财富管理人和执行交易员，协助完成多链交易、跨链操作等。 Bill  在硅谷时我结识了TC，我们一起探索了如何利用AI自动化基本面投资，并让AI达到优秀买方基金的分析水平。我们进行了一些技术路径尝试和概念交流，觉得非常有意思。今天我们可以从这个话题展开讨论。 Bill  TC是我见过最出色的基本面投资者之一，他既能深入理解基本面，又能对未来技术趋势拥有清晰洞察。  TC，不如你介绍一下你的基本面分析方法，尤其是对那些难以用现金流折现估值的“高飞股”？你们是如何预测未来现金流的？如果有一个不知疲倦、24小时运转、可化身千万的AI分析师，能为你带来哪些增益？ TC  今天我们就轻松聊聊，关于AI、C

TC 大家好，欢迎来到BEDROCK播客。 Tracy Hello，大家好，这里是BEDROCK播客的第18期。这一期我们来聊聊巴西。最近我们花了两周时间在巴西进行走访，包括了解当地的风土人情、会见当地朋友，还拜访了一些公司，收获颇丰。所以今天就把我们当地的一些感受和讨论反馈给大家。参与讨论的有我Tracy、TC，还有Oliver。那我们还是从整个调研的观感开始聊起吧。 TC 嗯，对，最近去了两周。虽然主要聚焦巴西，但我们也和当地很多朋友聊到了整个拉美的情况。当然，大家也知道整个拉美最核心的国家就是巴西，所以我们今天的话题主要围绕巴西，顺带聊聊整个拉美的情况。这次我们去了几个城市，最核心的当然是圣保罗和里约，还有西部和南部的其他两个小城镇。这次走访感触比较多，因为以前我们对这个大陆以及上面的很多公司和机会的了解，更多是来自于报道、上市公司报告、卖方分析，以及与其他在当地的人士交流得出的。我们自己还没有非常深入地进行过走访，也没有如此高密度地和当地人交流。这次花两周时间，比较高强度地一方面与投资者，另一方面与当地的从业人员——有的在当地做零售、做电商、做运营，还包括一些当地上市公司——进行了比较广泛的交流，确实有很多感触。很多东西我觉得确实是你不到当地，想象和实际情况还是有比较大差异的。所以这次花两周时间还是非常值得的。Tracy，你可以先聊聊你的一些观感吧。 Tracy 我想聊两个偏见问题。在去巴西之前，你在各个渠道上很容易形成的印象是巴西的安全很成问题。第一是有大量的贫民窟，第二是经常在小红书上看到各种博主分享自己被抢的经历。所以总体印象觉得巴西很危险。另外一个印象，不仅是对巴西，还有对整个拉美的，就是说那边“离上帝太近”，资源很好，天气也很好，所以民众处于一种“躺平”状态。这两个印象在我去了以后，觉得都有或多或少的纠偏。第一个是安全问题。第一，我们在这些城市里有一些亲身

Tracy： Hello大家好，这里是Bedrock播客的第17期节目。这一期是我和TC从中亚调研归来后，对当地机会的一些讨论，欢迎大家收听。今天我们来聊聊中亚这个话题。最近我们花了差不多两周时间在中亚进行了实地调研，包括哈萨克斯坦的阿拉木图、首都阿斯塔纳，以及乌兹别克斯坦的塔什干。我们拜访了一些当地的机构，包括政府的招商引资部门、投资机构，还有一些当地的Startups孵化器、IT产业园以及一些SuperAPP公司，也参加了一些会议，走访了一些当地朋友。今天我们就从投资的角度来聊一聊。大家对中亚可能比较陌生，TC，要不你先讲讲这趟中亚之行的整体观感？有哪些印象深刻的地方，或者和原来预期很不一样的地方？ TC： 这次我们在中亚停留了两周。虽然时间不算特别短，但要全面深入地理解一个地区的发展仍然有限，因此我们尽可能多地与不同的人交流、走访各类机构，以加深对当地市场的认识。总体而言，目前的体会仍然是初步和片面的。 TC： 总体的感觉是，虽然大家在称谓上常把中亚当作一个区域来讲，地理环境上也确实有一些共通之处——比如都位于亚洲中心，基本都是内陆国家，是古丝绸之路的一部分，又处于中国和俄罗斯两大国的影响之下，是连接东西、沟通中俄的非常有意思的地理位置。过去发展相对滞后，但最近在不断变化。 TC： 受到中国、俄罗斯乃至欧美等各方面的影响，各个国家实际上走的是不同的道路，资源禀赋也不一样，存在一些区别。这是一个非常有意思、可以相互观察的区域，并非表面上“中亚”一词就能简单概括的。这是首先得出的一个总体的结论：虽然它叫中亚，但实际上是一个相当有意思且比较复杂的区域经济情况。 TC： 比方说这几个国家，中亚五国在91年苏联解体时采取的方针也有所不同。有些国家之前相对封闭，发展路线可能与前苏联时期类似，以自给自足和相对封闭的方针建国或治理。过去三四十年间，它们逐渐进行改革开放或选择不同发展路

I. Investment Review In September, our portfolio exposure increased slightly and remained at a medium-to-high level overall. Our core investment directions remain unchanged—Internet, semiconductors, cloud computing, consumer, and financial technology. Among these, AI continues to be our primary focus, spanning Internet, semiconductors, and cloud computing, with investments concentrated in AI applications, cloud infrastructure, and leading chip manufacturers. II. Market Outlook and Investment Strategy MacroEnvironment: No Fundamental Shift Since September, the macro environment has largely continued along the same trajectory, without fundamental changes. Although the Federal Reserve cut rates by 25 basis points, the 10-year U.S. Treasury yield did not fall significantly, instead rebounding

本文试图快速研究下中美当前冲突不进一步升级下，对经济的影响。其中借助了Grok、豆包等AI工具查询资料和数据，采用了比较粗糙的估算，不免有错误之处，请不吝指正。结论：1. 中国目前主要是债务问题，但短期控制住了；人口是长期问题，一时半会儿也不会“崩溃”，其他方面很有韧性；2. 如果base case是在当前情况下维持，中美冲突不进一步升级，不考虑刺激内需情况下，GDP可能受到10个百分点的负面冲击；3. 但如果同时考虑2万亿级别的消费刺激，估计能拉动6-8万亿消费，那么可以对冲5个点GDP影响；综合下来5个点左右负面影响。结构上：1. 出口差（可能有相当于GPD10%的负面影响，不容易对冲），以及会受到出口转内需冲击的需求也很差（供大于求，有价格压力，利润端会显著放大影响）；2. 私人投资相关需求非常差（搞不好大幅下滑），但考虑政府投资相关的相对好，整体投资可能走平；3. 内需消费的相对好一点（如果不刺激，可能受到相当于GDP5%的负面影响，但考虑刺激可能打平），比较大概率会刺激的方向还是家电、汽车、手机等，产值大、产业链较长、刺激效果好的领域。中国的反制&应对：1. 建立新伙伴关系、刺激内需；2. 报复性关税、贸易限制等；3. 卖美债和竞争性贬值很可能都不可取。以下是正文：中美冲突后续演进大致有两种情形：一种是，如果中美冲突短期不再升级，而其他地区通过和美谈判获得缓和；另一种是中美较量螺旋升级，其他地区也得不到缓解甚至冲突升级。目前看，第一种更像是base case。一、中国的应对&反制1. 报复性关税&贸易限制&调查制裁、减少购买美国商品：比如对美货物征税34%，限制出口稀土、国防航天航空商品等；2. 竞争性贬值？有约束，不能贬值太多太快形成贬值预期，会严重伤害其他出口国（这些国家相对脆弱很多，也更容易出现危机），与中国致力于成为区域领导

Market Review In October, U.S. risk-free interest rates increased, while risk premiums declined, reflecting the market's view that recession risks are diminishing. At the same time, the upcoming election and potential policy adjustments add uncertainty, which in turn can increase risk premiums. On one hand, concerns over a recession are easing, while on the other, election-related uncertainties loom. Overall, these factors combined have led to a reduction in market-traded risk premiums, with current levels among the lowest since 2002-2022 (in the top 25% range). Although the market has likely priced in both positive and negative factors, the extent of this pricing is uncertain, so we are adopting a wait-and-see approach. Q3 earnings reports have started to roll in, and here are some of our

近几年陆续看了几个美国消费品行业，在这里对现阶段的研究做一个简单的梳理和总结，理解肯定也存在局限性，如果有好的想法或者指正，欢迎大家交流和分享，希望这些观点能不断被推翻或修正，从而具有反脆弱性，也避免成为“手拿锤子的人，看什么都是钉子”。在这里分享的主要是两个行业，餐饮、能量饮料。选择这些行业深耕的核心原因是，他们的行业出现了结构性的成长机会，我们希望通过研究理解消费者需求的变化，对这些行业的公司进行合理的定价。餐饮：之前公众号的文章中提到《美国餐饮股牛股辈出》，做到百亿甚至千亿美元的市值，如果看24年YTD，也有几家公司的股价实现了50-200%的涨幅，比如SG, CAVA，抛开其他干扰因素，我们在这里试图从基本面去理解背后的原因。美国的食品支出主要分成两类，FAFH（Food away from Home，在外用餐）和FAH(Food at home，在家吃)，22年分别占比56%和44%，在外用餐的比例在过去不断提高，1929年只有16.7%。背后的原因，1是需求端，经济增长带来的消费能力提升，2是供给端，特别是LSR（*limited service restuarant，也就是我们常说的快餐；另一类则是FSR，full service restuarant，服务好，ticket size高，需要支付小费，连锁化程度低等，这里不重点讨论） 效率提高、连锁化提升的美国餐饮第一波的结构性变化，淘汰了卫生、出餐速度、口味等达不到标准的餐车、独立店的同时，也给消费者带来了新的用餐选项，更快、更好吃、甚至更便宜，逐渐替代了一部分在家吃的需求。过去，LSR连锁餐厅行业的快速增长十分受益于这波结构性变化，但未来的LSR连锁餐厅却可能再难拥有以上因素同时驱动带来的整体行业的快速增长。每个人用餐的次数一年大约就是1095（3*365）次，FAFH和LSR提升到一定比例可能会

我们对未来大模型训练的算力需求进行了测算，结论是大模型训练每升级一代，对算力的需求是倍数级增加，后续如果没有商业的正向循环，将越来越难跟进。参考MS测算，我们把参数调整为自己的理解，计算不同情形下每一代大模型训练需要的算力。核心的变量是大模型参数，训练天数，卡性能和单价。至少从目前看，大模型升级的过程还是伴随着参数量的倍数级增加，那么可以通过模型参数量，推导训练的tokens量，按照每token所需算力计算总算力需求，假设每一代模型训练天数适当延长的情况下，计算出每代模型训练需要多少投入多少GPU Capex。下表对A、H、B、”R”卡价格分别假设是1.1万、2.5万、3.5万和6万美金。在MS测算的基础上，根据NVDA目前爆料的路线图，我们调整了一下假设，以下是我们测算的Bull、Base和Bear case：结论是：训练GPT4，参数1760bn，训练100天，需要A100 2.5万张，买卡capex 不到3亿美金；训练GPT5，参数8800bn-15tn，训练150天，需要H100 15-26万张，买卡capex对应37-66亿美金；训练GPT6，参数35-85tn，训练200天，需要B100 58-232万张不等，买卡capex对应200-810亿美金。如果按60tn参数，对应需要~430亿美金；训练GPT7，参数106-340tn，训练250天，需要“R”100 45-720万张，买卡capex 270-4300亿美金。如果按180tn参数，需要~1300亿美金。花出去一千亿对巨头意味着什么？可以来看看巨头们的Capex情况：微软24FY在700-750亿美金，其中和设备相关只有50%，350-380亿，其他是新建和租赁数据中心（用于未来15年）。而且设备投入包括了CPU和GPU，既有Cloud也有AI投入。（有专家反馈今年微软采购gpu在70万张卡，金额基本能对

Investment Review: Maintaining High Exposure and Increasing Investment in Edge AIIn July, we maintained a high exposure, with a focus on holding positions in internet, cloud computing, semiconductors, consumer, and fintech sectors. The proportion of AI investments slightly increased to 40-45%, primarily targeting B2B applications, leading chip foundries, and edge AI. In July, we further increased our investment in edge AI. The proportion of overseas assets remained around 80%.Market ReviewIn early July, the U.S. stock market experienced a significant pullback, with panic starting to spread at the beginning of August. There are many explanations for this market behavior, including the unwinding of crowded trades (such as buying U.S. stocks of M7, yen carry trades, etc.), and concerns about

周末一边阅读《What It Takes》（非常精彩，推荐），一边修改我们的网站（www.bedrock-invest.com) ，突然翻到去年写的一篇小作文，想到当时正刚刚从创业以来各种危机中逐渐看到隧道的光亮。。。就觉得真是不容易。。。‍‍‍‍‍‍‍‍当然，直到今天我们依然处于创业的早期阶段，还远远谈不上成功，不过这个过程本身就已经充满收获和开心了。。。Bad luck?It is quite obvious that the timing of our establishment couldn’t have been worse. We resigned from our original company in the second half of 2021 to establish BEDROCK, and by the end of the year, we had set up a dual-currency fund in RMB and USD. In fact, we didn’t cherry-pick this timing. Although our investment style has always been long-term value investing, we believed at the time that as long as our global strategy (mainly focusing on China and the US) could find enough companies that were sufficiently cheap, even though it was quite difficult in that environment, we shouldn’t make choices based o