借助 AI，可以事先抓住内存股的机会吗？
猜想与反驳
May 14
借助 AI，可以事先抓住内存股的机会吗？
借助 AI，可以事先抓住内存股的机会吗？
猜想与反驳
May 14
Unprocessed episode, you can be the first!
AI 大爆发带火了内存超级周期，不少人完美错过这波红利。我们不禁追问：借助 AI，真的能提前锁定这类存储牛市机会吗？
本期和几位投资人从实战复盘出发，拆解内存股暴涨逻辑，对比周期股与垄断成长股差异，探讨 AI 在投资决策上的真实作用 —— 它能帮我们看清什么，又绕不过哪些坑。
🤔【猜想与反驳】
本周话题：用 AI 可以事先抓住内存股的机会吗？
⏰ 18:00（UTC + 8）2026 年 5 月 8 日（周五）
🙋常驻嘉宾：
Odyssey 推特 @OdysseysEth
Zhen Dong 推特 @zhendong2020
Peicai Li 推特 @pcfli
特邀嘉宾：
神鱼 推特 @bitfish1
Lijia 推特 @davidhornhouse
【space 金句】
💡 我现在反思，我们可能在某种程度上没有建立很好的，从观察事物到转换成配置资产的概念，中间有个断层。
💡 由于竞争使它的利润率也下降了 10 倍，需求增加了它的供应量，确实可能增长了 10 倍，但是利润率下降到原来的 1 / 10，其实赚的钱是一样的。
💡 它是一个放大你有关行业的 insight 的工具，如果没有行业的了解的话，也很难单靠 AI 去抓住东西。
💡 如果直接能问 AI 就能问出很好的答案的话，那大概率已经反映在股价里。
💡 如果一个机会非常明显，用 AI 打穿了某些认知上的壁垒，我觉得会有比之前更大的几率看到并且抓到他。
【音频时间戳】
00:05:00 神鱼复盘去年硅谷朋友的提醒：为何没有重仓内存股
00:13:00 内存带宽为何是 AI 绕不过的瓶颈
00:17:00 “垄断 + 成长” 与 “周期股” 的核心差异在哪里
00:39:00 Lijia 复盘一年前用 AI 分析存储，为何结论与后来走势相反
00:46:00 Peicai 对比大猩猩投资与周期股：决策复杂度多出好几层
00:54:00 Odyssey 总结 AI 在投资中的两种能力：望远镜与放大器
01:00:00 Odyssey 举例科网股泡沫：技术突破如何让紧缺瞬间变过剩
01:02:00 Odyssey 提出三个未来方向：颠覆性技术、伯克希尔式现金资产、泡沫后的平台机会
01:04:00 Lijia 补充如何抓到超级周期：在行业底部买入，靠随机事件带来超额收益
01:06:00 区分 AI 投资的两类方式：原生应用 vs 传统策略的 AI 增强
【要点精选】
* 神鱼 推特 @bitfish1
去年 9 月就通过硅谷的朋友感知到内存需求的紧张，但当时身边充斥着 AI 泡沫论，又联想到矿机周期中那些痛彻心扉的亏损，便只给了朋友一笔钱买了一点 Call，自己没敢深挖。
直到今年 1 月跑本地大模型时才切身体会到 KV 缓存和并发对内存带宽的窒息性需求，甚至第一反应是去抢购 Mac Studio 512G—— 但依然没把这份认知转化为投资仓位。
复盘下来发现自己长期存在一个结构性断层：从 “观察到一个瓶颈” 到 “下到一个可观的仓位”，中间缺了快速转化的机制。
过去没有 AI 时，这个周期极其漫长；现在即便 AI 降低了研究成本，如果仓位管理没有跟上，认知依然无法变现。
接下来会重点补齐 AI 产业链的认知和斯坦的 “三层楼” 仓位管理，先让屁股挪过去，再让研究深入，而不是永远停留在 “看懂了，但买少了” 的遗憾里。
* Lijia 推特 @davidhornhouse
作为一个完美错过内存超级周期的研究者，必须承认周期股投资需要极深的行业认知和大量非公开信息 —— 不是内幕消息，而是上下游供需的实时体感，这些不会第一时间出现在公开媒体。
AI 在金融领域有个天然劣势：股价上涨本身就是最大的广告效应，它会迅速集中大量分析并变成公开语料。
做了实验让 AI 忘掉过去一年的股价变化，它其实非常不看好当时正处于训练转型期的存储板块。
这就像航煤行情，战争爆发前 AI 搜不到精准逻辑，价格涨完后媒体蜂拥而至，AI 才 “头头是道”，但最佳窗口已过。
所以认为 AI 是放大器而非先知：如果你本身有行业 insight，它能帮你更高效地处理财报中的产能出清信号；如果没有，它只会用事后语料把你糊弄进动量陷阱。
* Zhen Dong 推特 @zhendong2020
区分了三个概念：大猩猩投资、周期股和超级周期。超级周期本质上是黑天鹅，如疫情、比特币的诞生，它的前置条件不会出现在你的日常经营假设里。
在大猩猩的光谱中，最好的垄断是生态复杂、护城河多元；
但超级周期的美妙之处在于，它突然把 “够用的寡头垄断” 和 “爆发的 10 倍需求” 组合在一起，就像锂矿或电池在电动汽车爆发时的状态 —— 你的功力不是十年苦修，而是突然掉进山洞被传功。
对于这类机会，不敢在陌生行业重仓，但可以通过深度期权配置 5%-10% 的显著仓位，使其对全资产贡献率达到 10% 以上。
AI 的价值在于，它能让人快速理解一个陌生行业 —— 比如 HBM 是什么、为什么只有四家厂商、历史格局如何 —— 信息获取效率大幅提升。
认为超级周期策略可以作为大猩猩框架的辅助，甚至并入其中，关键是剥离那种 “周期交易 = 短线投机” 的羞耻感。
* Peicai Li 推特 @pcfli
不想过多讨论内存的技术细节，但指出这轮内存机会与大猩猩策略存在某种同构：需求端因 AI Agent 出现数量级增长，供给端又被少数厂商牢牢卡住。
然而，周期股与大猩猩有一个致命差异 —— 大猩猩的增长是长期不可逆的，而周期股的需求可能回落。
关键难点在于，你如何在短时间内判断这是 10 倍增长还是 2 倍增长？如果是 2 倍且已反映到价格里面，你就是在高位接了盘。
同样，垄断是否坚固？AI 对新技术并不敏感，它无法预判会不会突然冒出一种工艺让供给暴增，就像当年西门子法让多晶硅价格暴跌。
承认 AI 能加速信息整理，但面对周期股，它在 “需求幅度” 和 “垄断持续性” 这两个核心判断上，数据支撑是否足够？持部分否定态度：AI 能帮你更快分析，但未必能帮你做出更高质量的决策。
* Odyssey 推特 @OdysseysEth
稍微乐观一点。AI 确实有局限，比如它擅长处理密集分布（历史上反复出现的范式），不擅长稀疏分布（真正的黑天鹅）。
但可以用一些技巧先让 AI 大量学习历史上供需失衡、流动性紧缺、技术瓶颈的结构，再让它去扫描当前哪些行业具备类似结构。
这样它就像一个望远镜，能帮你看到更远、更广的机会 —— 哪怕你原本不熟悉那个行业。
目前在探索三个方向：
1）是否存在某个技术路线，能让内存或 AI 电力的需求降低 3-4 个数量级；
2）伯克希尔哈撒韦这种大量囤现金、相对跑输指数的资产，像整个 AI 浪潮的看涨期权；
3）科网股泡沫之后，硬件成本暴跌催生了亚马逊、谷歌这类平台公司的崛起 ——AI 泡沫之后，类似的软件 / 平台机会值得提前布局。
【关于 E2M Research】
From the Earth to the Moon
E2M Research 聚焦投资和数字货币领域的研究与学习。
文章合集 :mirror.xyz
关注推特 :twitter.com ️
音频播客：e2m-research.castos.com
小宇宙链接：www.xiaoyuzhoufm.com
DC 链接：discord.gg
本期和几位投资人从实战复盘出发，拆解内存股暴涨逻辑，对比周期股与垄断成长股差异，探讨 AI 在投资决策上的真实作用 —— 它能帮我们看清什么，又绕不过哪些坑。
🤔【猜想与反驳】
本周话题：用 AI 可以事先抓住内存股的机会吗？
⏰ 18:00（UTC + 8）2026 年 5 月 8 日（周五）
🙋常驻嘉宾：
Odyssey 推特 @OdysseysEth
Zhen Dong 推特 @zhendong2020
Peicai Li 推特 @pcfli
特邀嘉宾：
神鱼 推特 @bitfish1
Lijia 推特 @davidhornhouse
【space 金句】
💡 我现在反思，我们可能在某种程度上没有建立很好的，从观察事物到转换成配置资产的概念，中间有个断层。
💡 由于竞争使它的利润率也下降了 10 倍，需求增加了它的供应量，确实可能增长了 10 倍，但是利润率下降到原来的 1 / 10，其实赚的钱是一样的。
💡 它是一个放大你有关行业的 insight 的工具，如果没有行业的了解的话，也很难单靠 AI 去抓住东西。
💡 如果直接能问 AI 就能问出很好的答案的话，那大概率已经反映在股价里。
💡 如果一个机会非常明显，用 AI 打穿了某些认知上的壁垒，我觉得会有比之前更大的几率看到并且抓到他。
【音频时间戳】
00:05:00 神鱼复盘去年硅谷朋友的提醒：为何没有重仓内存股
00:13:00 内存带宽为何是 AI 绕不过的瓶颈
00:17:00 “垄断 + 成长” 与 “周期股” 的核心差异在哪里
00:39:00 Lijia 复盘一年前用 AI 分析存储，为何结论与后来走势相反
00:46:00 Peicai 对比大猩猩投资与周期股：决策复杂度多出好几层
00:54:00 Odyssey 总结 AI 在投资中的两种能力：望远镜与放大器
01:00:00 Odyssey 举例科网股泡沫：技术突破如何让紧缺瞬间变过剩
01:02:00 Odyssey 提出三个未来方向：颠覆性技术、伯克希尔式现金资产、泡沫后的平台机会
01:04:00 Lijia 补充如何抓到超级周期：在行业底部买入，靠随机事件带来超额收益
01:06:00 区分 AI 投资的两类方式：原生应用 vs 传统策略的 AI 增强
【要点精选】
* 神鱼 推特 @bitfish1
去年 9 月就通过硅谷的朋友感知到内存需求的紧张，但当时身边充斥着 AI 泡沫论，又联想到矿机周期中那些痛彻心扉的亏损，便只给了朋友一笔钱买了一点 Call，自己没敢深挖。
直到今年 1 月跑本地大模型时才切身体会到 KV 缓存和并发对内存带宽的窒息性需求，甚至第一反应是去抢购 Mac Studio 512G—— 但依然没把这份认知转化为投资仓位。
复盘下来发现自己长期存在一个结构性断层：从 “观察到一个瓶颈” 到 “下到一个可观的仓位”，中间缺了快速转化的机制。
过去没有 AI 时，这个周期极其漫长；现在即便 AI 降低了研究成本，如果仓位管理没有跟上，认知依然无法变现。
接下来会重点补齐 AI 产业链的认知和斯坦的 “三层楼” 仓位管理，先让屁股挪过去，再让研究深入，而不是永远停留在 “看懂了，但买少了” 的遗憾里。
* Lijia 推特 @davidhornhouse
作为一个完美错过内存超级周期的研究者，必须承认周期股投资需要极深的行业认知和大量非公开信息 —— 不是内幕消息，而是上下游供需的实时体感，这些不会第一时间出现在公开媒体。
AI 在金融领域有个天然劣势：股价上涨本身就是最大的广告效应，它会迅速集中大量分析并变成公开语料。
做了实验让 AI 忘掉过去一年的股价变化，它其实非常不看好当时正处于训练转型期的存储板块。
这就像航煤行情，战争爆发前 AI 搜不到精准逻辑，价格涨完后媒体蜂拥而至，AI 才 “头头是道”，但最佳窗口已过。
所以认为 AI 是放大器而非先知：如果你本身有行业 insight，它能帮你更高效地处理财报中的产能出清信号；如果没有，它只会用事后语料把你糊弄进动量陷阱。
* Zhen Dong 推特 @zhendong2020
区分了三个概念：大猩猩投资、周期股和超级周期。超级周期本质上是黑天鹅，如疫情、比特币的诞生，它的前置条件不会出现在你的日常经营假设里。
在大猩猩的光谱中，最好的垄断是生态复杂、护城河多元；
但超级周期的美妙之处在于，它突然把 “够用的寡头垄断” 和 “爆发的 10 倍需求” 组合在一起，就像锂矿或电池在电动汽车爆发时的状态 —— 你的功力不是十年苦修，而是突然掉进山洞被传功。
对于这类机会，不敢在陌生行业重仓，但可以通过深度期权配置 5%-10% 的显著仓位，使其对全资产贡献率达到 10% 以上。
AI 的价值在于，它能让人快速理解一个陌生行业 —— 比如 HBM 是什么、为什么只有四家厂商、历史格局如何 —— 信息获取效率大幅提升。
认为超级周期策略可以作为大猩猩框架的辅助，甚至并入其中，关键是剥离那种 “周期交易 = 短线投机” 的羞耻感。
* Peicai Li 推特 @pcfli
不想过多讨论内存的技术细节，但指出这轮内存机会与大猩猩策略存在某种同构：需求端因 AI Agent 出现数量级增长，供给端又被少数厂商牢牢卡住。
然而，周期股与大猩猩有一个致命差异 —— 大猩猩的增长是长期不可逆的，而周期股的需求可能回落。
关键难点在于，你如何在短时间内判断这是 10 倍增长还是 2 倍增长？如果是 2 倍且已反映到价格里面，你就是在高位接了盘。
同样，垄断是否坚固？AI 对新技术并不敏感，它无法预判会不会突然冒出一种工艺让供给暴增，就像当年西门子法让多晶硅价格暴跌。
承认 AI 能加速信息整理，但面对周期股，它在 “需求幅度” 和 “垄断持续性” 这两个核心判断上，数据支撑是否足够？持部分否定态度：AI 能帮你更快分析，但未必能帮你做出更高质量的决策。
* Odyssey 推特 @OdysseysEth
稍微乐观一点。AI 确实有局限，比如它擅长处理密集分布（历史上反复出现的范式），不擅长稀疏分布（真正的黑天鹅）。
但可以用一些技巧先让 AI 大量学习历史上供需失衡、流动性紧缺、技术瓶颈的结构，再让它去扫描当前哪些行业具备类似结构。
这样它就像一个望远镜，能帮你看到更远、更广的机会 —— 哪怕你原本不熟悉那个行业。
目前在探索三个方向：
1）是否存在某个技术路线，能让内存或 AI 电力的需求降低 3-4 个数量级；
2）伯克希尔哈撒韦这种大量囤现金、相对跑输指数的资产，像整个 AI 浪潮的看涨期权；
3）科网股泡沫之后，硬件成本暴跌催生了亚马逊、谷歌这类平台公司的崛起 ——AI 泡沫之后，类似的软件 / 平台机会值得提前布局。
【关于 E2M Research】
From the Earth to the Moon
E2M Research 聚焦投资和数字货币领域的研究与学习。
文章合集 :mirror.xyz
关注推特 :twitter.com ️
音频播客：e2m-research.castos.com
小宇宙链接：www.xiaoyuzhoufm.com
DC 链接：discord.gg
