左手财报，右手代码。AI 行业观察、美股财报笔记、成长认知。 https://cybercaesar.bond/ 2026-10-23T09:20:00+08:00 Caesarhttps://cybercaesar.bond/ https://cybercaesar.bond/log-009 2026-10-23T09:20:00+08:00 2026-10-23T09:20:00+08:00

我未必知道自己要去哪里，但最好清楚自己现在在哪里。

<p>最近在读霍华德·马克斯的《周期》。这本书讲的是市场：经济的周期、信贷的周期、投资者情绪的周期，以及怎么判断自己处在周期的哪个位置。读到一半，我发现自己在用另一种方式读它，把书里描述市场的那些话，一句一句拿来对照自己。</p> <p>学金融的人对周期并不陌生。我们习惯看图表上的起伏，知道没有只涨不跌的资产。可轮到自己的状态、情绪和判断，我很少用同一套眼光去看，好像市场有周期，人没有。</p> <h2>情绪是一只钟摆</h2> <p>马克斯在书里花了很多篇幅讲投资者心理的钟摆：在狂喜和沮丧之间来回摆，在只看到好消息和只盯着坏消息之间来回摆，在什么都信和什么都不信之间来回摆。他说，钟摆停在中点的时间很少，大部分时候，它都在去往某一端、或者从某一端回来的路上。</p> <p>回头看自己这几年的状态，几乎能画出同样的轨迹。学一样新东西，开头几周进步很快，会觉得找到了方向，什么都想试；过一阵碰上一个怎么也绕不过去的难点，又开始怀疑之前的判断全错了。做事顺手的那几天，看什么都像机会；卡住的那几天，看什么都像问题。事情本身未必变了那么多，变的是我站在钟摆的哪一头。</p> <p>知道这一点，并不能让钟摆停下来。但至少在情绪很满或者很空的时候，我会提醒自己：这时候看到的东西，大概被放大了。</p> <h2>先弄清楚自己在哪里</h2> <p>书里有一句话我反复读过，大意是：我们也许永远不知道要去哪里，但最好清楚自己现在在哪里。马克斯的意思是，预测未来很难，判断当下的位置却是可以做到的：价格高不高，人们是贪婪还是恐惧，风险是被重视还是被忽视。</p> <p>放到个人身上，这句话很实用。我没办法预测一年后自己会在做什么，但可以问自己几个关于当下的问题：最近是不是做什么都觉得顺？是不是开始觉得某件事稳了，不需要再检查？或者反过来，是不是已经很久没有进展，开始怀疑一切？这些问题比“我应该往哪走”容易回答，也更能帮我决定下一步该多做还是少做。</p> <h2>周期总会转向</h2> <p>马克斯反复强调，周期最可靠的一点，是它会反转。树不会长到天上去，大多数东西也不会跌到零。好的趋势走得太远，会埋下自己转向的原因；坏的局面持续太久，也会慢慢积累回升的条件。</p> <p>这对我既是安慰，也是提醒。状态好的阶段，我容易把它当成新的常态，觉得终于找到了方法，以后都会这样。状态差的阶段，又容易把它当成最终的结论，觉得自己就是不行。两种想法犯的是同一个错：把周期里的一段，当成了整条线。</p> <p>所以我现在尽量做两件事：顺的时候，不把它当成常态；低的时候，不把它当成结论。</p> <h2>风险最高的时候，往往感觉最安全</h2> <p>书里另一个观点我印象很深：风险最高的时候，往往是人们觉得风险最低的时候。大家都觉得安全，就会放松标准、加大押注，风险正是在这种放松里积累起来的。反过来，人人恐惧的时候，价格里已经包含了大量坏消息，真正的风险反而在下降。</p> <p>人也一样。最容易出问题的，往往不是最难的那段日子，而是一切都很顺、开始觉得不用那么小心的时候。连着几次判断都对了，我会不自觉地少做一步验证，多接一件事，把计划排得更满。等到出错再回头看，问题多半是在那段最轻松的时间里种下的。</p> <h2>太早和错了，看起来一样</h2> <p>马克斯说过，太超前于时代，和犯错没有区别。方向看对了，时间点不对，结果上和看错是一样的。这和他在《投资最重要的事》里讲的第二层思维是连在一起的：第一层思维只问“这是好事还是坏事”，第二层思维还要问“别人怎么看，已经反映了多少，什么时候会被看到”。</p> <p>用在自己身上，它让我对“看对了却没结果”多了一点耐心，也多了一点诚实。有些方向我可能确实看早了，坚持下去未必是错的，但得承认，在结果出来之前，它和错了看起来没有区别。我能做的，是不把全部精力押在一个时间点上，给自己留出等待的余地。</p> <h2>在极端处少做一点</h2> <p>读完这本书，我没有得到一套管理自己的方法。马克斯自己也说，周期没法精确预测，能做的只是根据所处的位置调整姿态：在高处更谨慎一些，在低处更积极一些。</p> <p>落到我自己身上，就是在两端少做决定。情绪很高的时候，不急着加码，不急着许诺；情绪很低的时候，不急着放弃，不急着推翻。重要的决定，尽量等钟摆回到中间附近再做。这样并不能让我躲开周期，但能让我少在最差的位置上做最大的动作。</p> <p>以前我只在图表上看周期，现在开始试着在自己身上看。</p> https://cybercaesar.bond/log-008 2026-10-23T09:10:00+08:00 2026-10-23T09:10:00+08:00

这一轮担心的不是没人要算力，而是要算力的人能不能一直借到钱。

<p>10 月 22 日，周四，纳指跌 2.60%，收在 26,008.86，是 6 月以来最差的一天；纳斯达克 100 跌 2.90%，标普 500 跌 1.21%。道指反而涨了 0.02%。</p> <p>同一个市场里，科技股集中抛售，蓝筹几乎不动。卖压压在一个很具体的地方。</p> <h2>周四跌的是哪一层</h2> <p>费城半导体指数单日跌 6.7%，距 6 月 22 日的高点已回撤超过 26%。AMD 跌 8.10%，Intel 跌 8.04%，ASML 跌 6.93%，美光跌 6.26%，英伟达跌 4.40%。GE Vernova、Bloom Energy 这类给数据中心供电的公司跌超 11%，算力租赁商 CoreWeave 跌 10.06%。</p> <p>芯片、设备、电力、算力出租，这是一条完整的 AI 基建链。前两周我写过，供应商交易的是大厂资本开支的增量。这周的不同在于，市场怀疑的不再是大厂想不想花，而是钱从哪里来。</p> <h2>一份超预期的财报，为什么跌了 7%</h2> <p>Meta 三季度收入 646 亿美元，同比增 26%，高于预期，盘后一度涨 3%，第二天收跌 6.98%。</p> <p>转折在利润表之外。当季自由现金流为负 21.2 亿美元，是 2012 年上市以来第一次。季报列出约 3557 亿美元未起租的租约和 4545 亿美元不可撤销的合同承诺，合计约 8100 亿。它还准备设立无投票权的 C 类股，文件写到未来几年可能要筹集“数千亿美元”，融资环境“越来越有挑战”，要赶在竞争对手占满融资渠道之前行动。当天，Meta 五年期信用违约互换的价格创下历史新高。</p> <p>过去两年，大厂的资本开支基本由自己的经营现金流覆盖，市场争论的是回报率。现在，最赚钱的公司之一写明要去外部融资，还担心排不上队。问题从利润表挪到了资产负债表，从“值不值”变成了“付不付得起”。</p> <h2>资本成了新的瓶颈</h2> <p>同一天，黄仁勋对 CNBC 说，新云厂商的需求“爆表”，但对资本的需求远大于资本的供给。10 月 12 日，Broadcom CEO 陈福阳也说过，最大的约束可能是资本。</p> <p>这改变了这轮基建的约束条件。过去两年的瓶颈在供给，GPU、内存、电力，谁拿到货谁就有收入，供给瓶颈给了供应商定价权。资本瓶颈压在买方身上：买方融不到钱，订单就要排序、延期，最先被砍的是边际上最弱的那部分需求。CoreWeave 的债券收益率和信用违约互换一直在高位，是这个机制最直接的样本。另一边，Blackstone 当天涨了 8.4%，理由是 AI 相关债务的信用利差走阔，可以锁定更高回报。资金还在，只是要求的回报变高了。</p> <h2>油价在涨，收益率却在跌</h2> <p>有报道称美国和以色列计划在中期选举后重新打击伊朗，布伦特原油涨 4% 到 113.17 美元，是 5 月以来最高。按常理，油价上行意味着通胀压力，长端利率该往上走。实际上，10 年期美债收益率下行超过 17 个基点，到 4.972%。</p> <p>我的理解是，债券市场这一天更担心增长。AI 基建是这一轮美国企业资本开支里最大的一块，融资链一收紧，这台发动机就会降速。收益率下行对估值是一种缓冲，但它来自对增长的担忧。</p> <h2>接下来盯什么</h2> <p>截至 10 月 22 日周四收盘，纳指本周累计跌 0.50%，道指涨 1.66%。周一到周三纳指反弹了约 2.2%，周四一天几乎全部回吐；而上一周，它刚走完 6 月以来最差的一周。</p> <p>第一是其他大厂陆续发布的财报。看的不只是资本开支指引，更是经营现金流能覆盖多少、缺口打算怎么融。这一季真正要细读的，是现金流量表和承诺事项的附注。</p> <p>第二是信用市场：CoreWeave 的债券、Meta 的信用违约互换，以及 AI 相关公司新发债的利差。股价可以一天来回，利差的方向更难掩饰。</p> <p>第三是油价和收益率的关系。油价涨、收益率跌，说明对增长的担心在加深；两者一起往上走，压力会回到估值本身。</p> <p>需求还在，黄仁勋和陈福阳都没有否认这一点；变的是兑现需求的成本。我不预测点位，能写下来的只有我在看什么、为什么看。</p> <p>以上只是我自己的读法，不是买卖建议。</p> https://cybercaesar.bond/log-007 2026-10-23T09:00:00+08:00 2026-10-23T09:00:00+08:00

切换成本下降时，定价权会从被选的一方，移到做选择的一方。

<p>这一周最值得留意的，是一张账单。</p> <p>10 月 21 日，OpenAI 和 Google 宣布，GPT-6 Astra、GPT-6.1 Sol 和 GPT-6 Luna 进入 Google Cloud 的 Model Garden，先向部分企业客户开放预览。费用走 Google Cloud Marketplace，记在同一张 Google Cloud 账单上，还能抵扣客户已经签下的云消费承诺。</p> <p>单看标题，这是两家竞争对手的一次合作。和同一周的另外几件事放在一起，它更像一个更大变化的一部分：AI 产业链上把买方锁在某一家供应商那里的东西，正在一层一层松开。</p> <h2>模型开始跟着预算走</h2> <p>企业买模型，很多时候不是先比哪个最强，而是先看预算已经承诺给了哪朵云。签下的云消费承诺是一笔迟早要花掉的钱，哪个模型能从里面扣，哪个模型就少了一道采购流程。</p> <p>Google 说它现在是唯一同时提供 Gemini、Claude 和 GPT 的超大规模云厂商，Model Garden 里有 200 多个模型；GPT 之后还会进入 Google 自己的编程工具 Antigravity。OpenAI 则强调，微软仍是它的主要云合作伙伴。</p> <p>对 OpenAI，独家渠道曾经是议价筹码，现在它拿独家去换覆盖面。对 Google，自家工具里摆上对手的模型看似吃亏，其实它做的是货架生意：客户留在它的云上，用谁的模型都在它的账单里结算。模型越来越像货架上的商品，握着预算入口的一方，分量在变重。</p> <h2>芯片的护城河，有一半是软件</h2> <p>10 月 19 日，AWS 发布 TorchNeuron 公测版，PyTorch 代码改一行配置就能跑在 Trainium 上。第二天，Google 开源 TorchTPU；在此之前，PyTorch 用户想用 TPU，要么用 JAX 重写，要么用较旧的 torch_xla。</p> <p>过去从英伟达 GPU 迁走，代价是重写代码、重新调优、承担出错的风险。这笔切换成本是 GPU 定价权的重要组成部分，它不写在芯片规格里，写在开发者的时间里。两家最大的云厂商在两天内先后把它往下压，等于在说：以后选芯片，更多看每美元换来多少算力，而不是代码被锁在哪里。</p> <p>不过，目前还没有同一模型在不同芯片上的公开对比，门槛在降，还没降到零。</p> <h2>推理栈被摊开</h2> <p>10 月 20 日，DeepSeek 以 Apache 2.0 协议开源了支撑自家服务的推理框架 DeepInfer，支持英伟达和华为昇腾芯片，但保留了 KV 缓存、预填充与解码拆分、负载均衡这几块最难的部分。同一天，Google Cloud、Red Hat 和 IBM 发布的 llm-d 1.0，恰好补上了这些，能跑在英伟达、AMD、Intel 的 GPU 和 Google 的 TPU 上。</p> <p>“把模型跑得便宜”一直是模型公司和推理云不太对外讲的手艺，每个 token 的成本差异，很大一部分来自这一层。手艺变成公共代码，单靠“跑得比别人省”赚到的利润就会被摊薄。</p> <h2>买方开始算账</h2> <p>这些变化集中出现，是因为买方的态度变了。IBM CEO Arvind Krishna 在 10 月 21 日的财报电话会上说，大企业越来越在意 AI 支出的真实回报，也担心一部分支出“完全失控”。按他的估算，在自有机柜上运行开源权重模型，token 成本大约是前沿模型的 10% 到 25%。</p> <p>切换成本一旦下降，定价权就会从被选择的一方，慢慢移到做选择的一方。模型可以在云之间换，代码可以在芯片之间换，推理框架可以直接拿来用，企业能比较的选项多了，议价自然变硬。</p> <h2>绑定松开以后，价值落在哪里</h2> <p>这并不意味着所有人都更好赚。陈福阳 10 月 12 日给过一组估算：前沿实验室大约用 1000 亿美元支出换来 1200 亿美元收入，开源权重阵营花得差不多，回收只有约 300 亿。对买方，替代品让账单变轻；对卖方，被替代的那一层很难留住利润。</p> <p>所以这一周真正变的是竞争方式。以前靠绑定留住客户，以后要在客户随时可以换掉你的情况下仍然被选中。能做到的大概有两类：一类握着客户的预算入口，另一类在每一次重新比较时，依然是性价比最好的那个。</p> <p>这和同一周资本市场的情绪是一体两面：基建投入越大，越需要用户长期付钱，而用户手里能选的东西正在变多。</p> https://cybercaesar.bond/log-006 2026-10-15T09:20:00+08:00 2026-10-15T09:20:00+08:00

所谓正反馈，不是被夸，而是“我刚才的困惑，被解开了”。

<p>回头看从小到大的学习，我发现自己收到的反馈，绝大多数是负的。</p> <p>作业本上的红叉，试卷上被圈出来的扣分，课堂上被点名答不上来的那几秒安静。我们很少因为“懂了”被奖励，更多是因为“没懂”被提醒。久而久之，学习在脑子里和一种感觉绑在了一起：紧张、怕错、怕被看出来不会。</p> <h2>卡住之后没人接</h2> <p>真正难受的，其实不是题难，而是卡住之后没人接。</p> <p>老师在讲台上讲了一遍，你没听懂。课堂节奏不会为你停下来；举手再问，又怕大家觉得你笨。下课回家翻书，书上的解释和老师讲的是同一套话，换个排版而已。问同学，同学自己也是半懂。最后的结局往往是：把那一步硬背下来，考试能过，心里一直虚着。</p> <p>这种“虚”会累积。一个概念没吃透，后面三个建在它上面的概念也跟着晃。很多人觉得自己“不是学这个的料”，我越来越怀疑，问题不在料不料，而在于每次卡住的时候，身边都没有一个能让你一直问下去的人。</p> <h2>问问题不再有成本</h2> <p>AI 出来以后，我第一次体会到学习可以是另一种感觉。</p> <p>我没有编程背景，大学和研究生读的都是金融。后来开始做自己的产品，很多东西是从零学起的。</p> <p>做 duetfolio 的时候，终端里突然冒出一大段红色报错，我一个字都看不懂。放在以前，这一步大概就是放弃的开始。那天我把报错整段贴过去问：这是什么意思？它解释完，我接着问：为什么会这样？再问：下次怎么避免？一路问下来，问题解决了，我也第一次算是看懂了一段报错在说什么。</p> <p>这件事对我来说最大的变化，不是答案来得更快，而是问问题不再有成本。</p> <p>不用怕问得太基础，不用怕耽误别人时间，不用担心对方不耐烦。同一个问题换三种说法问，它都会认真回答；让它“讲得再简单一点”“举个生活里的例子”，它也照做。人跟人之间那层“怕显得自己不懂”的顾虑，在这里不存在。</p> <h2>反馈从一个学期变成一来一回</h2> <p>我后来想明白了，所谓正反馈，不是被夸，而是“我刚才的困惑，被解开了”。</p> <p>每问懂一个为什么，就是一次小小的确认：原来我能弄懂。这种确认积累多了，学习的感觉就反过来了。以前是怕碰到不会的东西，现在碰到不会的，第一反应是好奇，想去问。</p> <p>过去的学习之所以难坚持，是因为回报来得太晚、太少：要等到期末、等到考试，才知道自己学得怎么样，中间大部分时候只有挫败。AI 把反馈的周期从“一个学期”压缩到了“一来一回”。问一句，懂一点，再问一句，再懂一点。反馈够快、够密，人自然愿意继续。</p> <h2>正反馈的边界</h2> <p>说正反馈，也得说清楚它的边界。</p> <p>AI 会答错，而且答错的时候语气和答对一样笃定。所以我给自己留了两个习惯：一是关键的东西，拿官方文档或者实际运行结果去验证；二是问懂之后，试着用自己的话把它讲一遍，讲不出来，就说明还没真懂。</p> <p>还有一点更重要：一直问“为什么”，前提是你自己在想。如果只是把问题丢过去、把答案抄回来，那得到的不是正反馈，只是一个更快的抄作业工具。真正的变化发生在你追问的那几步里，每一个“为什么”，都是你自己的思考在往前推。</p> <h2>门槛没了以后</h2> <p>小时候我们总被教育“不懂就要问”，可现实里，问的门槛一直很高。现在这个门槛几乎没了。</p> <p>我们这代人大概是第一批可以在任何时候、对任何问题、一直追问下去的学习者。这不只是效率的提升，而是学习这件事的底色变了：从害怕犯错，变成了享受弄懂。</p> <p>如果你也曾经觉得自己“学不会”，不妨换个方式再试一次。这次卡住的时候，你可以一直问下去。</p> https://cybercaesar.bond/log-005 2026-10-15T09:10:00+08:00 2026-10-15T09:10:00+08:00

利率和 AI 叙事不是两件事。资本开支越来越靠借钱，利率就直接抬高了它要跨过的那道回报门槛。

<p>10 月 6 日，纳指收在 27,599.79，历史收盘新高，此前连涨四周。八天之后，它站在 26,692.87。</p> <p>中间发生的事看上去很普通：10 月 13 日跌 0.15%，收 27,204.38；10 月 14 日跌 1.88%，是 7 月 23 日以来最大的单日跌幅。三天累计 -2.46%，距高点 3.29%，年内仍然 +14.85%。</p> <p>数字不吓人，但跌的方式值得多看两眼。</p> <h2>为什么是半导体先跌</h2> <p>领跌的是 AI 基建和半导体。这并不意外，但原因比“它们涨得多”更具体。</p> <p>供应商的收入，本质上是大厂的资本开支。更准确地说，它们的增长取决于资本开支的增量，而不是存量。大厂明年的 capex 只要不再增长、停在今年的水平，对大厂来说只是“不再加码”，对供应商来说，收入增速就会直接掉到零附近。</p> <p>所以市场一旦开始怀疑 AI 投入的持续性，最先被卖的一定是这一层。它们交易的是资本开支的二阶导数，任何一点放缓的迹象，在它们身上都会被放大。</p> <h2>三根导火索，其实是一根</h2> <p>10 月 14 日的盘面：VIX 涨 10.48% 到 16.87，10 年期美债收益率 5.19%，WTI 原油 95.08 美元，黄金 4,119.50 美元，比特币 81,704 美元。</p> <p>通常的解释是三根导火索：偏热的 CPI 推迟了降息预期，AI 资本开支和债务让人不安，油价又在添火。分开看，它们像三件事；放在一起看，其实是连着的。</p> <p>油价在 95 美元上方，CPI 就难降温；CPI 不降温，长端利率就下不来。10 年期 5.19% 意味着，持有股票相对于持有国债的那点溢价被压得很薄，高估值的成长股本来就靠“未来更高的利润”撑着，利率一高，远期利润折回今天就更不值钱。</p> <p>更关键的一层在 AI 资本开支本身。这一轮投入越来越多地靠发债和融资来完成。利率越高，这些投入要跨过的回报门槛就越高。所以利率和 AI 叙事不是两件事：利率上行，等于直接抬高了 AI 投资“值不值”的及格线。</p> <h2>回调，不是破位</h2> <p>说完压力，再说我的判断：这是历史高位的一次快速回调，还谈不上趋势破坏。</p> <p>年内 +14.85%，离高点 3 个点，连涨四周后出现这种幅度的回撤，节奏上很正常。VIX 的涨幅看着大，16.87 的绝对水平仍然偏低，市场紧张了，离恐慌还远。小时级别的 RSI 打到 22.93，这种超卖位置通常至少对应一次 pause，在这里追空，赔率并不好。</p> <p>也就是说，短线的价格行为本身，还不足以说明什么已经坏掉了。</p> <h2>悬在头顶的那件事</h2> <p>真正需要盯的，是 AI 估值叙事本身有没有在被重新定价。</p> <p>这一周有三条信号。IMF 警告，AI 股票急跌可能威胁全球金融稳定；Broadcom 的 CEO 把一部分 AI 投资比作赌博；CXMT 的消息拖累了亚洲半导体股。</p> <p>IMF 的警告不新鲜，说风险是它的本职。Broadcom 的表态分量不同，它站在 AI 资本开支的收款端，每多一块钱的投入它都可能分到一份。收钱的人主动说有人在赌，说明场内的人也开始区分：哪些投入有回报，哪些只是在跟。</p> <p>与此同时，大厂的预算还在往上走。微软计划把数据中心容量从约 12GW 扩到 38GW 以上，Meta 继续砸前沿模型。一边是投入在加速，一边是场内的人在重新评估这笔投入能否持续。估值倍数就夹在这两股力量中间。</p> <h2>接下来盯什么</h2> <p>第一是大厂三季报里的 capex 指引，月底开始陆续发布。我会看的不只是绝对金额，更是增速。指引继续上调，说明大厂自己仍然看得见回报，这次大概率只是一次洗盘；增速开始放缓，供应商那一层会最先感受到，倍数压缩也会有延续性，那就不是一次回调能讲完的事。</p> <p>第二是 26,000 一线，也就是 9 月 18 日低点附近。往下先看那里有没有承接。守得住，高位震荡的格局还在；守不住，我会重新审视自己的判断。</p> <p>第三是利率和油价。它们不决定 AI 股的方向，但决定这道回报门槛有多高。ASML 刚刚被 AI 需求推着超了预期，说明订单端暂时没断，这条我会和 capex 指引对照着看。</p> <p>我不预测点位，也不猜明天红绿。能写下来的，只有我在看什么、为什么看。</p> <p>以上只是我自己的读法，不是买卖建议。</p> https://cybercaesar.bond/log-004 2026-10-15T09:00:00+08:00 2026-10-15T09:00:00+08:00

用户不是护城河。没有付费关系的用户，在资产清单上几乎不值钱。

<p>这一周最值得记住的数字，不是哪个模型的跑分，而是 2000 万美元。</p> <p>10 月 13 日的消息，Character.AI 申请破产，Disney 以大约这个价格收购了部分资产。几年前，它是生成式 AI 最耀眼的名字之一，有过让所有人眼红的使用时长。到了清算桌上，这一切只值一个零头。</p> <h2>用户不是护城河</h2> <p>很多人会把这件事读成“AI 泡沫开始破了”。我不这么看。它暴露的是消费级 AI 一个更底层的问题：成本结构。</p> <p>互联网产品的边际成本接近于零，多一个用户几乎不多花钱，所以先做流量、再谈变现，这条路是通的。AI 产品不一样，用户每多聊一句，后台就多烧一份算力。使用时长越长，亏得越多，除非每一次使用都能对应到一笔收入。Character.AI 的用户恰恰最爱聊、聊最久，而它的模型能力又不是独家的，换个产品也能聊。</p> <p>所以 2000 万美元这个价格本身就是答案：没有付费关系的用户，在资产清单上几乎不值钱。模型可以租，界面可以抄，真正能被估值的，只有“谁在持续给你付钱”。买家买走的是角色和内容，不是一门生意。</p> <h2>Apple 抢的不是智能，是执行权</h2> <p>同一天，Apple 在 “Welcome Home” 发布会上摆出整套家居产品：299 美元的 HomeView 中枢、HomePod mini 2、新款 Apple TV 4K、重做的 Siri，以及门锁、摄像头、门铃、温控。</p> <p>大家讨论最多的是新 Siri 够不够聪明。我觉得这不是重点。家里的 AI，瓶颈从来不在“懂不懂你”，而在“能不能替你动手”：开门、调温度、看一眼门口是谁。这些动作需要的是设备上的权限，而权限长在硬件上。</p> <p>Apple 这次铺的，正是这层权限。门锁和摄像头一旦装进家里，替换成本远高于换一个聊天应用。Siri 落后几个月可以追，执行权一旦被别人占住，就很难再拿回来。把它和 Character.AI 放在一起看很有意思：一个有注意力，但既没有付费关系，也没有执行权；另一个两样都有，智能反而是可以晚一点补上的部分。</p> <h2>模型正在变成一种快速折旧的资产</h2> <p>OpenAI 这周把 GPT-5.5 从 ChatGPT、Work 和 Codex 全线撤下，切到 GPT-5.6 Sol；GPT-4o 和 GPT-4.1 的 API 定在 2027 年 1 月 14 日退役，接班的是 gpt-6-luna。Google 则把 Gemini 4 Argon 开给 AI Pro 用户和搜索 AI 模式，100 万 token 输出，Vals Index 排第一。</p> <p>表面上是正常换代，往下看有两层含义。</p> <p>对下游，退役是一种定价权。上游决定了一个模型什么时候下线，下游就得跟着重测、重调、重算成本。一家建在别人模型上的公司，它的毛利率有一部分写在上游的产品路线图里，自己说了不算。</p> <p>对上游自己，问题更大。一个旗舰模型的领先期，已经短到以月计；可训练和运行它的数据中心，按十几二十年折旧。资产负债表一边是寿命越来越短的模型，一边是寿命极长的机房和电力合同。这种期限错配，在金融里是最需要警惕的结构之一。</p> <h2>安全，正在从成本变成资产</h2> <p>Anthropic 在新加坡开了亚太第 5 个办公室，和新加坡数字发展部签了 AI 安全谅解备忘录，同期开了 IPO 前的投资者说明会。</p> <p>安全投入过去被当成成本，是拖慢发布、增加合规的那部分。但对要走向公开市场的公司，它的意义变了：公开市场最怕的是无法定价的尾部风险，一份和政府签下的安全协议，等于提前把一部分监管风险定了价。同时，政府和受监管行业的客户，恰恰是付费最稳、换供应商最慢的那一类。</p> <p>Anthropic 把一项成本，变成了估值的一部分，也变成了一条获客渠道。</p> <h2>人形机器人：出货不等于需求</h2> <p>IDC 的数据，2026 年上半年人形机器人出货接近 2.5 万台，同比涨 432%，中国占 95% 以上。可 69% 去了科研、教育和展示，不是工厂。</p> <p>这组数字说明的是采购逻辑。科研、教育、展示的预算，看的是“需不需要有一台”，不看回本；工厂买设备，看的是多久能把钱赚回来。前一种需求来得快，也走得快；后一种来得慢，但一旦来了就是规模。人形机器人什么时候真正起量，要看哪天工厂开始用回本周期来算这笔账。</p> <h2>同一个问题</h2> <p>再把 Meta 新一代前沿模型、微软那份监管文件——2032 年前数据中心容量从约 12GW 扩到 38GW 以上——和 ASML 被 AI 需求推高的 Q3 放进来，这一周的轮廓就清楚了。</p> <p>应用层在出清，基建层在加码。可两头问的是同一个问题：谁付钱，付多少，付多久。Character.AI 没答上来，所以被清算；Apple 和 Anthropic 在用不同方式锁住付钱的人；而那几十个吉瓦的投入，押的是未来十几年都有人持续付钱，去养一批每隔几个月就要换代的模型。</p> <p>这笔账算不算得通，眼下没人能给出答案。我能确定的只是，从这周开始，市场问这个问题的声音会越来越大。</p> https://cybercaesar.bond/log-003 2026-10-07T12:00:00+08:00 2026-10-07T12:00:00+08:00

开发的成本特别容易被低估，因为它不走账。但时间是本金。

<p>我写代码最值钱的习惯，跟哪个框架用得熟没关系，是在券商那几年被逼出来的一个条件反射：钱花出去之前，先问这笔钱能不能回来。</p> <p>这话听着像废话。但我见过不少写代码的朋友在这上面栽跟头，包括刚开始做独立项目的我自己，而且栽得还挺体面——代码漂亮、架构干净、测试写得整整齐齐，就是没人用。</p> <p>那会儿我对一个功能特别上头，具体是什么就不说了，反正是那种"我觉得用户一定需要"的东西。我花了差不多两周，数据结构推翻重来两次，交互抠到每个按钮的动效，上线那天还挺得意。然后盯着后台看了一周，几乎没人点。</p> <p>那种感觉与其说是失落，更像是月底对账对不平。在券商的时候，一个项目要过会，材料第一页永远是：市场多大、谁买单、凭什么是我们、多久回本。没人会因为模型做得好看就批钱。可轮到自己写代码，我居然直接跳过了这一页，因为写代码太爽了，爽到让人忘了它也是一笔投入。</p> <p>开发的成本特别容易被低估，因为它不走账。你花两周写一个功能，银行卡余额一分没少，所以不心疼。但时间是本金。</p> <p>从那以后我给自己定了个有点土的规矩：任何超过三天的开发，动手前先写一页"立项说明"。不用正式，就回答几个问题——谁会用，他现在怎么凑合，他凭什么换成我的，我怎么知道他真的想要。这一问最狠，因为"我觉得"不算答案。</p> <p>"我怎么知道他真的想要"，在金融里对应的东西叫尽调。你不能听管理层讲故事就下判断，得去看现金流、看客户、看渠道。放到独立开发上，尽调的办法其实很朴素：去用户待的地方看他们在骂什么，发个帖子问一句，做个只有一屏说明的落地页看有没有人留邮箱，或者干脆先用最笨的办法手工帮几个人把事办了，看他们会不会回头再来找你。</p> <p>duetfolio 就是这么来的。我自己同时拿着美股和港股，两个市场、两种币种、交易时间还错开，现成的工具用着总有点别扭，我就先拿最笨的办法自己记。凑合了挺久，确认这个别扭是天天都在、不是一时兴起，才认真把它写成产品。那时候动手，心里是有底的，因为需求不是我坐在桌前脑补出来的。</p> <p>这跟做研究其实是一回事。好的投资逻辑很少是关起门推出来的，多半是你在某个地方看见价格和价值之间有条缝，然后去验证它。写产品也一样。</p> <p>工程那一半给我的东西同样要命，而且是金融那几年给不了的。金融人有个通病：分析得很透，做得很少。我以前能把一个行业研究写到几十页，结论清清楚楚，但从没亲手造出一个东西让别人用。</p> <p>工程里我最受用的是"小步快跑、随时能回滚"。在券商，一个判断错了代价很大，所以大家习惯想清楚再动。软件不一样，试错成本可以压到很低：一个想法，半天出个能跑的版本，扔出去看反馈，不行就删。这其实是把金融里"控制下行风险"那套用到了极致——每次下注都很小，次数很多，亏损有上限，上行没上限。</p> <p>两边一直是互相拽着的。金融那一半负责踩刹车，问值不值；工程那一半负责踩油门，说先做个最小的试试。</p> <p>我现在的习惯大概是这样：一个点子冒出来，先用金融脑子过一遍——有没有人愿意为它付钱或者付时间，我够不够得着这批人，做它的机会成本是什么。过得去，再切到工程脑子——能验证需求的最小版本长什么样，一个周末能不能做完，哪些先写死、先手工、先不优化。</p> <p>AI 出来以后，这套算账反而更重要了。以前写代码慢，慢本身就是一道过滤网，懒得做的东西自然就不做了。现在一个下午就能让 AI 搭出一个看着挺完整的应用，造东西几乎没门槛了。门槛一没，"为了做而做"的诱惑就更大。我自己就有过一阵，隔几天开一个新坑，每个都能跑，每个都没人用，仓库列表越拉越长，活像一个买了一堆股票却从不看基本面的散户。</p> <p>那段时间让我重新琢磨了自己那句座右铭："把重复留给机器，把时间留给自己。"以前我理解偏了，以为重点是让机器多干活。其实重点在后半句：时间是留给自己的，所以每一块都得花在值得的地方。AI 把写代码的成本打下来了，省出来的时间要是又拿去造没人要的轮子，等于把省下的钱原样亏回去。</p> <p>现在我开项目比以前慢一点点，但扔掉的项目少了很多。wps-agent-skills、muse-file-bridge 走的也是同一条路：先在自己的日常里被同一件麻烦事烦了好多次，确定它会反复出现，才动手。renqing-ledger 解决的事情很小，但小不要紧，要紧的是我确定它有人需要。</p> <p>每次准备熬夜写一个"大家肯定需要"的功能，我会先停半小时，在备忘录里把那一页立项说明写出来。"我怎么知道他真的想要"那一栏要是空着，我就合上电脑。</p> </div> https://cybercaesar.bond/log-002 2026-10-07T12:00:00+08:00 2026-10-07T12:00:00+08:00

AI 股的定价权，已经从发布会手里交回给订单和现金流了。

<p>这一季财报教会我的就一件事：AI 股的定价权，已经从发布会手里交回给订单和现金流了。</p> <p>谁的发布会更炫，不再自动换来涨幅。谁能拿出签了字的订单、算得清的毛利，谁才有资格给自己定价。</p> <p>Alphabet 发布 Gemini 4 那天，股价是跌的。放在两年前，旗舰模型一发布，基本等于一根阳线，大家抢着讲故事、算想象空间。现在市场看完 demo，脑子里转的是另一个问题：这东西花了多少钱训出来，什么时候变成收入，变成谁的收入？</p> <p>美光 Q4 营收 542 亿美元，同比涨了 379%，EPS 33.42，毛利率 87%。我在券商那三年看过不少存储公司的报表，这个行业向来是强周期，拼产能拼价格，景气顶点毛利能冲高一截，下行期又被砸回原形。87% 是什么概念？这已经不像在卖大宗商品，更像在卖稀缺品。</p> <p>毛利率是我翻财报第一眼看的东西。收入涨可以靠铺量，靠降价抢份额，靠并购堆规模；毛利率涨，基本只有一个原因——买方离不开你。</p> <p>真正让我坐直的是后面两样：下季指引 615 亿美元，超出预期；还有 320 亿美元的供应承诺，外加管理层说产能紧张会持续到 2028 年。</p> <p>指引是管理层拿自己的信誉押的数。说高了下季交不出来，股价会加倍惩罚，所以敢给超预期的指引，通常意味着他们能看见的订单够厚。供应承诺更硬，它是长期供货的约定，需求方愿意提前把量锁住，说明人家怕的不是买贵，是买不到。至于"2028 年产能紧张"，翻译成大白话就是：未来两三年，价格由卖方说了算。我说的"订单"就是这个意思。不是路演 PPT 上的潜在市场规模，是有人已经下了单，或者排着队等着下单。</p> <p>美光股价冲到 1100 之后回落了。有人会说利好出尽，这当然是一种解释。我更愿意这么看：订单和现金流拿回定价权，不等于它们只会往上定。它们给的是一个锚。锚附近，预期打满了照样有人获利了结。发布会时代真正的问题是没有锚，故事讲多大，估值就飘多高；现在好歹有个东西能拿来算。</p> <p>Nike Q1 FY2027 的数字，放进任何一个选股筛选器都很难看：中国区下滑 26%。可这个下滑里有相当一部分是自己砍出来的——它主动收紧了 Dunk、Jordan 这些爆款的供给。我管这叫"自杀式重建"。爆款卖太多会贬值，满大街都是的时候，品牌溢价也就没了。Nike 选择拿短期收入，去换回品牌的稀缺感。</p> <p>它跟 AI 八竿子打不着，但回答了一个财报季绕不开的问题：市场到底肯为什么样的坏数字买单。</p> <p>我的看法是，能讲清楚因果、并且最终指向毛利和现金流的坏数字，是可以被定价的。Nike 的收入下滑如果换来的是更少的打折、更高的毛利，那它只是把钱从今年挪到了后面几年，账是算得通的。反过来想，一家 AI 公司收入猛涨，但毛利被算力成本吃掉，经营现金流常年是负的，这种"好数字"反而经不起推敲。</p> <p>美光在周期顶点，Nike 在主动探底，位置完全相反，读法却是同一套：数字本身不重要，重要的是它通向哪里。</p> <p>我现在拆一份财报大概是这样走的。营收增速只当入场券，看完马上追问：这增长是量堆出来的，还是价撑起来的？毛利率会替你回答。比当季数字更要紧的是指引，因为股价交易的是未来，管理层自己押上信誉的数，比卖方模型里的假设更有信息量。接着我会去翻那些带约束力的东西，供应承诺、积压订单、客户预付款，这是需求最诚实的证据——嘴上说看好不花钱，签合同要花。现金流留到收尾核对，利润有会计口径可以调，钱进没进账很难装。</p> <p>碰到收入下滑的公司，我也按这个路子过一遍，只多问一句：这个下滑是被动挨打，还是主动选的？主动的那种，有没有换到毛利？</p> <p>9 月 30 日纳指大涨 280 点，科技五巨头齐涨。10 月 3 日非农爆冷，只有 2.9 万，纳指反而创了 27192 的新高。就业差，降息预期升温，资金成本往下走，成长股的估值就有了托底，"坏消息就是好消息"说的就是这套降息交易的逻辑。</p> <p>但降息交易是水位，水涨的时候所有船一起浮。正因为这样，财报季才更关键——它是分辨哪条船有底、哪条船只是被水托着的时候。</p> <p>这阵子我白天写 duetfolio（一个美股加港股的组合追踪工具），晚上切过去翻财报，一页页找供应承诺和客户预付款藏在哪个附注里。</p> <p>以上只是我自己的读法，不是买卖建议。</p> </div> https://cybercaesar.bond/log-001 2026-10-07T12:00:00+08:00 2026-10-07T12:00:00+08:00

模型越来越像发电厂，几家都能发电；真正稳赚的，是站在门口抄表收租的那个。

<p>这周最该看的，不是谁家模型又刷了几个第一，而是谁在电表上刻了自己的名字。</p> <p>模型越来越像发电厂，几家都能发电；真正稳赚的，是站在门口抄表收租的那个。带着这个视角回看这一周，几件看似不相干的事，其实是同一件事。</p> <h2>OpenAI Dots</h2> <p>9 月 29 日 DevDay，OpenAI 发了 Dots，一个全天候在线的 AI 助理。现场演示翻车了。更尴尬的是，"全天候助理"这个方向也谈不上首创，Grok、Meta 的 Muse，还有大陆一款同名产品，都比它早。</p> <p>放在几年前，OpenAI 是定义赛道的那个人。现在它在走别人已经走过的路。</p> <p>它这次真正上心的是定价：新增了一个 $500/月 的 Pro 500 档位。产品是跟进的，定价是激进的。OpenAI 自己门儿清，助理这个形态谁先做不要紧，要紧的是你每天醒来第一个打开谁、每个月自动扣款的是谁。全天候助理说穿了就是一个常驻入口，挂在你生活里 24 小时不下线。入口拿到手，收租就是顺手的事。</p> <p>这让我想起券商行业的老规律：佣金打到地板价没关系，只要账户开在你家，后面的融资、理财、增值服务都是你的。开户才是生意，交易只是由头。Dots 就是 OpenAI 的开户。</p> <h2>Gemini 4 Argon</h2> <p>第二天，9 月 30 日，Google 发了 Gemini 4 Argon。成绩单很好看：18 项基准拿了 13 项第一。细看，知识工作是碾压级的，编程就参差不齐了。</p> <p>我更在意的是它怎么发。这么强的模型，Google 没有一股脑推给所有人，而是先向网络安全的防御者开放，同时 3.5 Pro 被事实上取消了。</p> <p>到了这个能力水平，"最强"已经不够当发布理由，反倒成了一个需要管住的风险。先给防御者，等于先把墙砌好再开门。安全不再是上线之后打的补丁，它本身就是发布策略。</p> <p>编程表现参差这一点，开发者得记住：榜单第一不等于你手上那个活儿第一，选模型还得拿自己的任务去试。</p> <p>就算是这样一个 13/18 的模型，这周它掀起的讨论也没压过下面这件事。</p> <h2>Google 杀 Gems，推开放 Skills</h2> <p>这是我眼里本周分量最重的一条。</p> <p>Google 砍掉了自家的 Gems，转头推开放 Skills，用的还是 Anthropic 的格式。在"怎么教 AI 干活"这件事上，Google 向 Anthropic 投降了。</p> <p>手里攥着刚拿了 13 个第一的模型，却在工作流格式上选择跟随别人。这说明 Google 算过账了：模型可以自己练，可开发者已经按某种格式写好了一堆技能、搭好了一堆流程，你另起炉灶，就得求所有人重写一遍。</p> <p>护城河在搬家。以前护城河是模型本身，谁分高谁赢。现在护城河是 AI 干活的那套规矩：一个技能怎么描述、怎么调用、怎么组合。谁定了这套规矩，就像当年定了文件格式、接口标准的公司，后来者再强也只能兼容它。</p> <p>Anthropic 这一手下得漂亮。基准它未必项项赢，但它让最大的对手用上了自家格式。</p> <p>写代码的人对这点感受最直接。我做 wps-agent-skills 时就有体会：模型换来换去是常态，技能的写法一旦沉淀下来，才是真正挪不走的资产。</p> <h2>ChatGPT 个人理财开放全美</h2> <p>ChatGPT 的个人理财功能开放给了全美所有档位，查账这件事，从银行 App 搬进了聊天框。</p> <p>我在券商干过三年，对这一步特别敏感。金融行业最值钱的从来不是哪个具体产品，而是用户的钱在哪儿被看见。你每天在哪个 App 看余额，谁就离你下一笔决策最近。这个位置过去属于银行、券商、记账软件，现在 OpenAI 要坐过来。</p> <p>先是查账，接下来会是什么，懂行的人心里都有数。等你习惯了在聊天框里问"这个月花超了没"，下一句"那帮我挪一点去……"就只是时间问题。所有档位都开放，连免费用户都照顾到。OpenAI 想当钱的入口。</p> <p>把这条和 Dots 摆在一起看更清楚：一个盯着你的生活，一个盯着你的钱包，两条腿都在往收租的方向迈。</p> <h2>这周的账怎么算</h2> <p>模型还在进步，而且进步飞快，Argon 就是证据。可这几件事拼起来，指向同一个结论：模型强弱正在变成入场券，决胜局在别处。</p> <p>OpenAI 在抢入口，产品跟进也无所谓，月费先挂上；Google 有最强的模型，却在规矩上低了头；Anthropic 分数不见得最高，却让对手用上了自家格式。</p> <p>这让我想起看券商股时的一个习惯：不太看它这一季交易量有多大，先看新开了多少户、户均资产涨了多少。量是一阵子的，户是长的。</p> <p>拿这把尺子去量 AI 公司，问题就变了。不再是谁的模型排第几，而是每天有多少人醒来第一个打开它，有多少人的钱、文件和工作流程已经长在它身上，搬走要花多大力气。</p> <p>这个月底几家大厂陆续发三季报，我会先翻付费用户数和订阅收入那几行，再去看模型那一页。</p> </div>