社区

🎯🔥 《透视亚马逊财报》 “最大化长期自由现金流，而不是短期利润” —— Jeff Bezos 这次 Amazon 的财报，本身并不差。 收入超预期，AWS 增速回升至约 24%，广告业务继续保持高速增长，电商与云的核心基本盘都依然健康。 如果只看经营结果，这是一份合格甚至偏强的财报。 真正引发市场剧烈反应的，不是收入，而是 CapEx 指引。 Amazon 宣布未来一年资本开支将达到 约 2000 亿美元，显著高于市场预期。 这意味着短期自由现金流会被明显压缩，也直接触发了投资者对利润率的担忧。 但如果把这件事放进亚马逊的历史和 AI 所处的阶段来看，这个决定并不反常，甚至非常“亚马逊”。 为什么 Amazon 要在这个时间点大幅拉升 CapEx？ 关键在于一句话： AI 需求不是“预测中的未来”，而是已经发生的现实。 AWS 管理层已经明确表示，当前存在大量客户在排队等待算力 capacity。 这意味着 Amazon 不是在为“也许会出现的需求”提前下注，而是在补一个已经存在的供给缺口。 在 AI 时代，竞争的核心并不在模型本身，而在 基础设施。 谁能提供更多算力、谁能更快交付、谁就能率先锁定客户。 一旦企业把 AI workload 部署在 AWS 上，迁移成本极高，涉及数据迁移、延迟优化、网络结构、权限体系等多个层面。 这不是“换个供应商”那么简单，而是一种结构性锁定。 因此，在这个阶段，CapEx 不是单纯的成本， 而是 AI 时代最关键的护城河建设。 从现金流角度看，Amazon 是否承受得起？ 答案是：完全承受得起。 过去 12 个月，Amazon 的 Operating Cash Flow 约 1150 亿美元。 AWS 本身每年贡献接近 500 亿美元级别的营业利润。 资产负债表上拥有接近 千亿美元现金，同时具备极强的融资能力。 是的，自由现金流在短期内

🎯🔥我不爱 AMD，也不恨 AMD。 我只是把财报读完，把数字拆开，然后把事实放在你面前，你自己决定怎么做。 如果你想知道到底发生了什么，数字真正说明了什么，那继续看。 AMD 曾经是一家典型的 PC 芯片公司。 你买它，是为了打游戏、挖矿，或者组一台性价比工作站。 那个阶段已经结束了。 现在，光是数据中心这一条业务线，就带来了 54 亿美元收入，占总营收 52% 以上。 这是历史上第一次，AMD 从 AI 基础设施 赚的钱，超过了游戏和消费级芯片。 真正的驱动力来自 EPYC CPU 和 MI300 GPU。 这些芯片已经被部署进 AWS、Oracle、HP，以及 OpenAI 的实际工作负载中。 这已经不只是“卖芯片”的收入了，而是平台级收入。 当云服务商围绕你的硅芯片搭建整体架构，他们不是下一张采购单那么简单，而是在为长期一致性、规模化和迁移成本下注。 问题在于，华尔街还没有完全给这种转型定价。 市场仍然把 AMD 当成一家高端零部件供应商，而不是一家 AI 基础设施公司。 这就是为什么现在，执行力比标题重要得多。 AMD 正在从单纯硬件，走向具备持续需求的 AI 基础设施模式。 他们还没完全到位，但这一步，已经改变了公司的身份。 从数字上看，这份财报本身是强的。 营收 103 亿美元，同比增长 34%； 每股收益 1.53 美元，明显超预期； Q1 指引预计 95–101 亿美元，也高于去年同期。 那为什么财报公布后，股价反而跌了 17%？ 原因很简单：这次“超预期”不干净。 其中有 3.9 亿美元，来自向中国出售 MI308 GPU 的收入，这部分在出口管制趋严的背景下，很可能不会重复。 同时，公司还冲回了 3.6 亿美元的库存减值准备，直接推高了毛利率，让利润看起来比实际经营更亮眼。 换句话说，这不是一个完全靠运营赢来的 beat，而是一次性收入加上会计层面的顺

📉🧠抄底，是账户死亡的最快方式之一 真正杀死大多数账户的，从来不是“没买到最低点”， 而是执念于最低点本身。 试图接住下坠中的刀， 本质是在和趋势、流动性、情绪三者同时对赌。 这不是交易，是赌博。 真正成熟的市场资金，做法几乎完全相反。 他们不抢底。 他们等底自己站稳。 底部不是一个价格， 而是一段时间里反复验证出来的结构。 先让市场完成出清， 让弱手交筹， 让杠杆消失， 让波动自然收敛。 然后你会看到第二步：强度开始出现。 不是反弹那种“一口气拉上去又掉下来”的假强， 而是回撤变浅、下跌无量、上涨有承接的真强。 这时，才是第三步。 回踩不破，才是买点。 买的不是最低价， 买的是： 趋势已经愿意给你“犯错空间”的那一刻。 这也是为什么，真正的长期财富， 几乎都不是在“市场最绝望的那一天”建立的， 而是在底部已经形成之后， 用纪律、一致性和时间慢慢堆出来的。 你不需要成为第一个进场的人。 你只需要避免成为最后一个接盘的人。 在这个阶段， 耐心比判断值钱， 现金比观点重要。 你更倾向于： 现在去赌一个“看起来很低”的价格， 还是等市场亲口告诉你：方向已经变了？ 📬我会持续跟踪关键指数、风险资产与加密市场的底部结构，一旦出现“强度+回踩”的组合信号，会第一时间拆解给你看，而不是喊情绪。 #Trading #MarketCycle #RiskManagement #Investing #PriceAction #TechnicalAnalysis #Macro #Liquidity

💥📊 $GOOGL 财报后下跌 5%：不是情绪失控，而是期权结构在“压顶” 财报公布后，$GOOGL 当天回撤约 5%。 这并不是一次简单的“财报不及预期”，而是一次期权结构主导价格路径的典型案例。 在财报前后，多家机构集中卖出大额 Call，名义价值达到千万级别，提前锁定权利金收益。 当这种行为出现在关键时间窗口，它本身就已经成为市场信号的一部分。 关键不在方向，而在市场结构层面的连锁反应。 卖出大量 Call，会在上方形成典型的 Call Wall（期权压顶）。 机制很清晰： 做市商站在对手盘一侧，买入这些 Call 为了对冲 Gamma 与 Delta 风险，只能选择卖出股票或减少主动买入 结果是—— 股价越向上，做市商的对冲卖盘越多 上涨并非被“利空”击落，而是被结构性供给压回 这就是为什么市场常说： 大量 Call 被卖出 等于在上方提前修好了一道“隐形天花板” 但这一步，并不等于机构看空。 很多交易并不是方向下注，而是收益与波动率管理。 第一种最常见的情况是 Covered Call。 机构已经持有大量 $GOOGL 现股 在认为短期涨幅受限的情况下 通过卖 Call 增强收益、降低持仓波动 这类操作的潜台词是： 不赌下跌，但也不押注继续快速上行 在指数产品中，这种行为更加普遍，例如 SPX QQQ IWM 第二种是纯粹的波动率交易。 当财报前 IV 被抬高 卖出高隐含波动率的 Call 押注的是波动率回落，而非价格方向 价格涨跌本身并不是核心变量 真正有价值的判断，来自三个维度的交叉验证。 第一，看卖 Call 的执行价分布。 如果成交密集在某一个区间 那个位置，往往会演变为短期阻力带。 第二，看是否同时配置 Put。 卖 Call + 买 Put 通常代表方向性偏空或风险对冲升级。 单纯卖 Call 更偏向震荡或收益增强。 第三，也是最关键的一点： 是否伴随

🚨🧠 马斯克罕见预警：芯片不是不够，而是“跑不动”了——真正的瓶颈是电力，不是算力 Elon Musk最近抛出了一个明显逆着市场共识走的判断： 今年底，全球芯片产能可能出现过剩。 不是需求突然消失，也不是 AI 熄火，而是一个更“底层”的问题开始浮出水面—— 没有足够的电力，去把这些芯片真正跑起来。 这句话的杀伤力，在于它直接挑战了当下资本市场最根深蒂固的叙事： “只要有 GPU，就一定有需求。” 但现实正在变成： GPU ≠ 可用算力 算力 ≠ 可持续运行的算力 真正稀缺的，不再是芯片本身，而是电力 + 散热 + 长期运行的物理条件。 马斯克顺势抛出了一个极具争议、但逻辑自洽的方向： 把一部分算力，直接搬到深空。 为什么是深空？ 因为在他看来，地面 AI 基础设施正在同时撞上三堵墙： 电网扩容速度 散热极限 能源成本 而太空，恰好在理论上绕开其中两项。 他给出的核心逻辑有三点： 第一，太空芯片可以“重新设计”，而不是沿用地面逻辑。 深空用芯片可以容忍更高温运行，对极端性能的要求反而没那么苛刻，结果是—— 散热系统可以大幅减重。 第二，辐射并不是致命问题。 太空辐射确实会带来“位翻转”，但对于拥有数万亿参数的大模型而言， 这种随机错误在统计上几乎可以被噪声淹没。 模型规模本身，反而成了“纠错机制”。 第三，真正的能源来源不是核，也不是地面输电，而是太阳本身。 深空太阳能不需要穿越大气，不受昼夜影响，理论上是一个持续、稳定、可规模化的能源池。 把这些点连在一起，你会发现： 这并不是一个“今年就能落地”的方案， 但它确实在回答一个越来越尖锐的问题： 当全球都在疯狂堆 GPU， 如果电力跟不上，这些芯片最后会变成什么？ 马斯克给出的答案很直接： 它们不会消失，但会被重新安置到“更适合它们运行的地方”。 这也解释了为什么他会说： “芯片会堆积如山，但跑不起来。” 这不是唱空 AI，

🔥🎯 $GOOGL 2025 年第四季度完整财报电话会议 @Google 营收：1138亿美元，同比增长约18%，超过分析师预期的1113亿至1114亿美元。 每股收益（EPS）：2.82 美元（调整后/GAAP），高于 2024 年第四季度的 2.15 美元，超过预期的 2.63 美元至 2.64 美元。 净利润：约 345 亿美元，同比增长约 30%。 Google Cloud：是增长的主要驱动力，收入飙升 48% 至 177 亿美元（远超预期的约 162 亿美元），反映出市场对人工智能和云服务的强劲需求。 营收首次突破 4000 亿美元大关（约 4028 亿美元，同比增长约 15%）。 全年每股收益约为 10.81 美元。 🔥 以下是谷歌自 2005 年以来每年的收入情况。 2005年：61亿美元 2006年：106亿美元 2007年：166亿美元 2008年：218亿美元 2009年：237亿美元 2010年：293亿美元 2011年：379亿美元 2012年：460亿美元 2013年：555亿美元 2014年：660亿美元 2015年：750亿美元 2016年：903亿美元 2017年：1109亿美元 2018年：1368亿美元 2019年：1619亿美元 2020年：1825亿美元 2021年：2576亿美元 2022年：2828亿美元 2023年：3074亿美元 2024年：3500亿美元 2025年：4028亿美元

🚀🌌 Elon Musk 抛出了一个极具冲击力、却被严重低估的判断。 “记住我说的话，30–36 个月内，很可能更接近 30 个月， 把 AI 部署在太空，将成为经济性最优的选择。 那些长期活在软件世界里的人，很快会在硬件面前，上一次深刻的课。” 这句话真正震撼的地方，不在“太空”， 而在于他点破了一个长期被忽视的现实： AI 的瓶颈，正在从软件，转向硬件与物理世界。 过去十多年，科技行业习惯了一件事： 算力问题＝写更好的代码、训练更大的模型、堆更多服务器。 但现在，情况变了。 当 AI 进入超大规模部署阶段， 真正限制它的，已经不只是芯片本身，而是—— 电力、散热、土地、基础设施密度，以及边际扩展成本。 这正是 Musk 提到“太空”的核心逻辑。 在轨道环境中： • 太阳能几乎无限 • 不需要复杂的地面散热系统 • 可以绕开部分地面电力与土地瓶颈 • 高度集中部署，边际算力成本可能显著下降 当模型规模、推理需求持续指数级增长时， 经济最优解，未必在地面。 而“软件出身的人即将被硬件教育”，这句话更狠。 它意味着： AI 的下一阶段竞争，不再是 谁写得更快、模型更大、参数更多， 而是： 谁能解决现实世界的工程约束。 电力怎么来？ 热怎么散？ 算力怎么规模化、低成本、长期稳定运行？ 这些问题，不存在于代码里， 它们存在于物理世界。 这也是为什么你会看到一个清晰的趋势： AI 正在和 能源、基础设施、航天、制造 强行绑定。 从这个角度看，Musk 的话并不是“科幻畅想”， 而是一个时间点判断： 当 AI 需求继续指数增长， 地面系统的边际成本开始失控， 资本自然会寻找新的物理承载方式。 太空，只是那个最极端、但也最干净的解法之一。 问题已经不只是： AI 会有多强？ 而是： 我们到底把 AI 放在哪里，才是最便宜、最可持续的？ 如果 AI 的“终极算力平台”真的开始向太空迁移，

💥📊 Sundar Pichai 刚刚给出了一个极具分量的信号。 Alphabet 正在进入一个全新的增长阶段。 “对 Alphabet 来说，这是一个辉煌的季度。年度营收首次突破 4000 亿美元。 Gemini 3 的发布是一个重要里程碑，我们目前的发展势头非常强劲。” 这不是一句情绪化的表态，而是一整套经营数据在背后支撑。 Gemini 已经不只是“模型展示”阶段： 第一方模型（如 Gemini）通过客户直接调用 API，每分钟可处理超过 100 亿个 token； Gemini App 的 月活跃用户超过 7.5 亿； 而搜索业务的使用量，再创历史新高，AI 正在实质性推动搜索的扩张，而不是侵蚀它。 这点非常关键—— 它意味着 Google 并没有被 AI 替代搜索，而是用 AI 放大了搜索的护城河。 拆开来看各条业务线，信号更清晰： YouTube 的年收入已超过 600 亿美元（广告 + 订阅）； 付费订阅用户数 超过 3.25 亿，核心驱动力来自 Google One 与 YouTube Premium； Google Cloud 的年化收入在 2025 年底前超过 700 亿美元，而增长的直接来源，是企业对 AI 产品的真实需求。 这已经不是“概念验证”，而是AI 在全面变现。 更值得注意的是资本支出指引。 为了满足客户需求、并提前锁定未来的增长曲线，Alphabet 预计 2026 年资本支出将达到 1750–1850 亿美元。 这不是防守型投入，而是非常典型的—— 在需求已经被验证之后的进攻式扩张。 当一家同时掌握： 模型（Gemini） 分发（Search / YouTube / Android） 企业入口（Cloud） 以及现金流（广告 + 订阅） 还愿意把 CapEx 拉到这个级别时，市场需要认真重新评估它的长期天花板。 问题已经不是「Google

🚀📊 最快增长赛道里的“核心公司名单”：AI 基建、存储、能源正在形成同一条主线 如果你把市场拆成“涨得快的公司”和“被逼着必须扩张的系统”， 真正值得长期下注的，往往出现在后者。 当前最清晰的三条结构性主线，正在同步加速： AI 基础设施 存储与内存 能源系统 它们不是轮动题材，而是同一件事的不同侧面： 算力需求正在被现实世界强行放大。 第一层：AI 基础设施（算力落地的物理承载） Iris Energy $IREN AI 原生数据中心，直接绑定算力扩张，对 GPU 需求高度敏感。 Nebius $NBIS 新一代 AI 基础设施平台，受益于云外算力与专用集群需求上升。 CoreWeave $CRWV AI 云算力代表性标的，客户结构决定其对模型扩张高度敏感。 Applied Digital $APLD 聚焦 AI 数据中心的“铲子股”，直接受益于算力资本开支周期。 这一层的共同点只有一个： AI 不是在“用云”，而是在吞噬物理基础设施。 第二层：存储与内存（被低估的 AI 瓶颈） Micron Technology $MU 高带宽内存与 AI 服务器配置升级的直接受益者。 Sandisk $SNDK 数据规模爆炸下，存储密度与成本效率成为核心变量。 当模型规模指数级增长， 算力只是前端，内存与存储才是持续消耗的底层资源。 第三层：能源（所有 AI 叙事的终点） Eos Energy $EOSE 长时储能解决方案，直面数据中心与工业用电稳定性问题。 Bloom Energy $BE 分布式能源与燃料电池，为高负载场景提供稳定供能。 Talen Energy $TE 发电侧资产，直接站在“算力=电力”的现实约束之上。 AI 最终会遇到的，不是算法问题， 而是电从哪里来、能不能持续供给。 把三条线放在一起看，你会发现一件事： AI → 算力 → 数据中心 → 内存与存储 →

$2倍做多白银ETF-ProShares(AGQ)$