"从数学的角度，投资本质上就是解一个数学题。如果你的机会成本或者说IRR要超过15，基本上你必须要投复利型的资产。" 说这句话的人叫谭先生。 在我们的调研清单上，有这样一类管理人：业绩惊人，却几乎从不在公开场合露面，不写公众号，不发朋友圈，行业论坛都很少参加。谭先生就是其中之一。 过去近五年，他的旗舰产品累计收益率超过235%，同期沪深300几乎原地踏步。今年上半年很多老牌价值派私募公司录得负收益，他的私募产品上半年业绩翻倍。令我好奇的是——他用的明明是深度价值的分析框架，却做出了成长派才有的收益。 我认识谭先生多年，不仅习惯了他像运动员的有型体格，更习惯了他一开口那种绝对的理工男气质：不绕弯子，不煽情，每个观点背后都有严密的逻辑推导。说话务实本真，有什么说什么，不故弄玄虚，骨子里透着理性乐观派的底色。当然，也许是常年研究海外市场的原因，谭先生说话中带着大量英文，这让我想起他长期坚持用英文写的读书笔记。 带着"你到底是价值派还是成长派？"的好奇，探普FOF团队再次走访了他。 业绩反差：价值派的框架，成长派的业绩 谭先生是BS资本的创始人，有约15年投资经验。最早在某头部机构的资产管理板块做投资，大约五年前出来创业，创立了B资本，主要做全球性投资。 在FOF圈子里，BS资本并不是那种名声在外的"网红"私募。但在看过他业绩的同行中，评价高度一致：方法论极其纯粹，业绩极其不纯粹——好得不像价值派做出来的。 他的旗舰产品成立于2021年11月，统计区间截至2026年7月，累计收益率超过235%，在沪深300四年多几乎零增长的背景下，他跑出了将近30%的年化，超额收益超过230个百分点。 有意思的是，如果你只看他的方法论——深度价值、竞争壁垒、成本曲线、供需格局——你会以为这是一个格雷厄姆式的价值投资者。但他产出的收益，却是典型的成长派数字。 "价值派的方法论，成长派的收益。"探普F

弱节点堆出了文明；而现在第一次，组成它的节点和连线都可能换代 BEDROCK 投研 · 2026 年 6 月 当个段子看，它在笑那些听不进、记不住、张口就来的人；可它说中了更大的一件事。 前阵子有张图在技术圈出圈："我发现很多人其实是本地小模型"——参数小、上下文短、不会联网、没有思维链，输出不是幻觉就是过拟合。当个段子，它在笑那些听不进、记不住、张口就来的人。 但这个比喻往大了想，会逼出一个不那么好笑的判断。如果单个人就是一台又小又弱的本地模型，那人类社会，本质上就是一大堆本地小模型联在一起跑出来的系统。BEDROCK 真正在意的是后面这半句：文明的力量从来不在某个节点有多强，而在把弱节点连起来的那套架构；现在第一次，AI 要去动的，正是这套架构的底层。 顺着往下，有两件事值得想清楚。一堆这么弱的节点，凭什么堆出了数学、芯片和现代文明；以及 AI 这种新节点，到底能把这台机器变强多少，又把方向指向哪儿。 智能不在节点里，在架构里 我们习惯把文明的伟大，记在几个聪明脑袋的账上：牛顿、爱因斯坦。可单个大脑再强，也是一台二十瓦、一次记不住几句话的本地小模型。真正扛着智能的，从来不是节点，是把节点连起来的那套架构。 真正扛着智能的不是节点，是把弱节点连起来的三层架构：协议、外挂记忆、对齐。 这套架构，靠三样东西撑着。 先是语言和文字，一套统一的通信协议，让跨人、跨代的计算第一次成立。 再是外挂的记忆，图书馆和互联网。人脑存不下，就把知识甩给环境，自己只管建索引、做实时推理，这其实就是人类版的 RAG。 最后是那张筛子，法律、市场、同行评议、科学范式，把个体张口就来的幻觉一点点证伪、滤掉，剩下的才叫常识和技术。 想到这里，文明其实是一台分布式计算机：单点极弱，可架构让它跨越时空地攒。伟大不是哪个节点算得多准，而是这台机器能把每个节点那点微弱、还老出错的产出，一代代攒下来。 可这台机

BEDROCK | 路线会变，但检测、量测、测试不会消失 先进封装这条线，最值得看的不是某一个封装名词，而是 AI 芯片复杂度上升后，良率控制重新变成设备收入主线。CoWoS、HBM、玻璃基板、PLP、CPO 的技术路线会继续变化，但检测、量测、测试这些把复杂度关进良率闭环的环节不会消失。 Key takeaway • 算力增长正从“晶体管微缩”转向“chiplet 堆叠”，价值从前道重新流回中道与后道。 • 先进封装的第一性原理：用“更短、更密、更省电的连接”，去换“晶体管微缩”换不来的性能。 • 短期看 CoWoS 与 HBM 的确定性，长期看玻璃基板、PLP 与硅光（CPO）的空间。 • 路线会变（TCB→hybrid bonding、ABF→玻璃、CoWoS→面板级），但良率控制不会消失。 • 封装越复杂，检测 / 测试需求越是非线性（≈n²）上升——这正是“复杂度被稳定转化为收入”的机制。 • 跟踪排序：检测 / 量测（KLA、Onto、Camtek）＞ 测试 / 探针（Advantest、Chroma、FormFactor）＞ 减薄 / 切割（DISCO）＞ 键合（BESI 等，高弹性但验证后移的一层）。 一、微缩走不动：算力靠 chiplet 堆叠，落到四种主流封装 过去几十年，算力的增量主要来自晶体管微缩——节点每往前走一代，同样面积里塞进更多晶体管。但这条路正在走不动：先进节点的 PPA（性能/功耗/面积）改善越来越小，成本却快速上升，而单颗 die 继续做大又撞到光罩尺寸（reticle limit）和良率的天花板——die 越大，一个致命缺陷报废的面积就越大，良率掉得越快。结果是，靠"把一颗芯片做得更大更密"来拿算力的边际收益急剧下降。 于是行业转向 chiplet：把原本一颗大 SoC 拆成

A Thought Exercise in Financial History, from the FuturePrefaceWhat if our AI bullishness continues to be right...and what if that’s actually bearish?What follows is a scenario, not a prediction.This isn’t bear porn or AI doomer fan-fiction. The sole intent of this piece is modeling a scenario that’s been relatively underexplored. Our friend Alap Shah posed the question, and together we brainstormed the answer. We wrote this part, and he’s written two others you can find here.Hopefully, reading this leaves you more prepared for potential left tail risks as AI makes the economy increasingly weird.This is the CitriniResearch Macro Memo from June 2028, detailing the progression and fallout of the Global Intelligence Crisis.Macro MemoThe Consequences of Abundant Intelligence CitriniR

作为一家全球投资机构，我们一如既往在这里为大家带来最新的全球投资热点观察。本期呢，我们请到了TC（CIO）、研究员Tracy，和我们分享下最近热议的AI行业泡沫及相关产业话题。话题1：美联储12月利率决议及2026年展望Claire：聊AI之前，我们先聊一个这两天大家更关注的一个问题。美联储今天早上正好公布了利率决议和经济预期的摘要，我们想先听听TC的看法，因为TC平时在公众号上也会去更新我们在宏观这一块的观点。TC：这次用一个词来讲，叫做hawkish cup（鹰派降息），它虽然是降息了，但是对于明年的利率曲线的指引来说，其实还是比较偏鹰派。现在指引就只是在降一次息，分歧非常大，特别是对于2026年各位有投票权的委员的意见（降息意见）有一个词来形容，叫糖葫芦，就是它是一串的，每一个点位都是有几个人，但是没有一个非常明确的共识。明年到底是要降多少，在美国现在经济状态和现在这个利率水平，未来到底要怎么弄呢，就是分歧还是比较大的。一方面呢，现在不管是经济的韧性、就业率这些是面临一些压力的，但同时通胀也无法马上就能回到（联储）目标的2%，再加上今年已经连续降息多次，所以这个（利率）位置是否要进一步降低的分歧是比较大，我觉得是完全可以理解的。因为如果再降息，美债10年期利率，有可能就会进一步低于这个通胀目标。但是，我觉得基本明年美联储加息降息不太会是成为一个非常主要影响市场预期的一个因素，即很有可能美联储利率决议不是处于一个关键节点的变量，会来回反复。总的来说，我们觉得对美国经济的韧性、还是有通胀的可能性，甚至你可以认为现在就进入一个相对平稳的一个阶段了。所以明年我觉得宏观的干扰不能说没有，但是我们可能更想把精力更多放在一些结构性的一些机会上，即这些投资机会本身而不太依赖于整个宏观流动性突然大水漫灌预期之上。这个是我初步的一个想法，Tracy你可以再补充一下。Tracy：我非常同意

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

近期，Edge AI受到了越来越多的关注，我们在此分享一下近期的研究观点：新的换机周期？三星去年推出的S24是首款爆火的AI手机，今年6月的苹果WWDC进一步确认了AI手机就是下一个进步方向。尽管目前手机上的AI应用还比较初级且无用，但是我们首先需要认识到两个重点：第一，按照目前的大模型和小模型的能力和进步速度，出现手机上的killer app（无论是操作系统进步、语音助手、游戏还是其他应用）是大概率事件，只是还需要时间，让手机公司在硬件和软件上做好准备以及让创业者将创意变成现实。毕竟自第一代苹果手机在07年一月发布以后，又过了接近两年的时间才出现了愤怒的小鸟（09年12月发布）、水果忍者（10年四月）等经典触摸屏应用。在AI硬件上，高通去年十月推出的骁龙8gen3 AI算力达到45 TOPS，苹果去年的A17 pro的AI算力也达到了35 TOPS（支持的内存也首次从6G提高到8G）。在软件生态上，苹果在今年的WWDC上推出了AI开发工具APP Intents，便于广大开发者（超过3600万人）开发AI应用，相比于三星的S24主要依赖手机厂商三星和系统厂商谷歌提供AI应用，在供给端是一个巨大的飞跃。第二，即使因为种种原因（比如端侧AI能力太差、幻觉问题始终无法解决等等）导致killer app还要等很久甚至始终没有出现，手机厂商的相互竞争也会导致在供给侧AI手机占比越来越高，恰如当年的5G手机一样，尽管到目前为止都没有特别显著的应用，但是市场上能买到的手机尤其是高端机基本上全是5G手机，而AI手机的情况显著好于5G，因为从手机厂商到消费者都非常看好未来AI能带来更好的体验。这一情况在云端AI上已经预演过一次，尽管AI应用带来的收入还非常低（openAI的年化收入才34亿美元），但是各大公司的投入已经超过了千亿美元（预计NVDA今年的datacenter收入就超过1千亿美元