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

拉丁美洲的电子商务市场正在迎来新的机遇和挑战，特别是随着Mercado Libre（MELI）这样的平台的崛起。MELI作为拉美地区最大的电商平台之一，正在引领电商行业的变革，为消费者和企业提供便利和创新。拉美地区互联网接入率的提升和移动支付技术的普及，促使越来越多的消费者选择通过电子平台购物。尽管面临物流和支付基础设施的挑战，MELI通过投资和创新，不断优化服务并拓展市场。与此同时，中国电商企业也在积极探索拉美市场的机会，看中其年轻人口的增长、消费习惯的转变和数字化支付的普及。这种趋势不仅推动了拉美经济的数字化转型，也为中国企业提供了新的出海机会。我们也看到了Shein、Shopee、Temu这类中系公司已经在拉美进行了广泛的布局，提供差异化服务的同时也加剧了当地的竞争。拉美电商渗透率仍较低，成长潜力巨大根据Euromonitor最新的数据，2023年拉美地区零售总额大约为10,780万亿美元，其中1,580亿元为线上零售，占比16%。2023年美国线上零售大约是11,188万亿美元，中国线上零售18,991万亿美元。拉美线上零售业相当于美国的14%，中国的8.3%。从体量上来看，虽然拉美有6.5亿人口，但是电商的体量还是比较小的。体量小有两方面的原因，一方面是GDP本身比较低，另一方面是线上的渗透率比较低。中国目前的电商渗透率是40%，美国大约是21%左右。相比之下，拉美虽然在疫情之后电商渗透率有大幅度的提升，但是目前仅16%，未来还有很大的提升空间。我们认为出现电商渗透率在这三个地方不同的原因有以下几个方面。首先是零售业态的发展阶段有所差异，美国在电商发展之初就有了大量的商超，整个线下零售的体系非常发达，尤其是以沃尔玛和Costco为代表的线下零售商已经把线下的效率做到极致了，美国消费者线下的购物体验并不差，种类也比较丰富。中国线下零售的发展相对于美国滞后很多，在很多

了解了拉美的宏观经济情况之后，我们更多的看到的是拉美经济作为典型的新兴市场之一，存在着非常多的不确定性。但是我们在研究的时候也看到一些拉美经济发展过程中的确定性，那接下来让我们把目光转向拉美的银行业。2018年之后，随着科技的飞速发展，以及疫情的催化，拉美地区的银行业也在悄然发生着巨变。数字银行不仅带来了更加便捷的服务，还让很多以前难以接触到银行服务的人也能享受到金融的便利。接下来，我们就来聊聊拉美的数字银行是如何发展起来的、它们面临哪些挑战以及未来会走向何方。我们依旧会把重点放在巴西和墨西哥两个最主要的国家上。拉美银行业现状拉美银行的发展较为滞后。2022Q1 Nubank Earnings给出的数据反映出了当时拉美银行/信贷市场的不成熟。在Nubank招股书（2021年）中提到了关键的四点。拉美有1.32亿的无银行账户人群，占比20%左右。信用卡的普及率很低：巴西、墨西哥、哥伦比亚分别是27%，9.5%和13.9%。信用卡的TPV低：巴西、墨西哥、哥伦比亚分别是40%，24%和15%，美国和英国同期分别是51%和62%。家庭债务相对于GDP的比例较低：巴西、墨西哥、哥伦比亚分别是30.5%，16.2%和27.6%，其他发达国家55%-85%。巴西目前有170-180家银行，服务大约2亿人，平均一家银行服务120万人。美国有约5000家银行，服务3.3亿人，平均一家银行服务5600人。巴西银行的密度相比于美国是非常低的。所以，拉美地区的信用卡和信贷的市场渗透率较低，尤其还存在大量的无银行账户人群，大量的潜在需求没有被满足。第二个显著的特点是巴西的银行业几乎都是本土银行，而墨西哥的外资银行占比更大。由于曾经贸易保护政策，外资进入巴西变得困难，同时巴西传统银行之间进行率合并，头部化效应变得愈来愈明显。巴西五大头部银行控制了巴西81%的资产，并且拥有极高的利润，平均利率超过30

近年来，拉丁美洲作为一个充满多样性和潜力的地区，逐渐引起了全球投资者的关注。尤其在电子银行和电子商务领域，拉美展现出了令人瞩目的投资机遇。这一地区拥有大量年轻人口，他们普遍具有较高的手机普及率和频繁的使用习惯，更容易接受和采用新兴的平台和网络。同时，庞大而不断增长的中产阶级群体为电子商务市场带来了强劲的消费动力。随着互联网和智能手机的普及，越来越多的消费者开始选择在线购物，推动了电子商务平台的迅速发展。此外，数字银行的兴起填补了传统银行服务的空白，用极高的效率和极低的成本为拉美消费者提供优质的在线数字银行的各种服务。这一篇文章我们先从一个比较宏观的视角去了解一下拉美现在的经济状况。从人口和年龄的角度上来说，拉美人口和东南亚人口数量接近，且人群比较年轻。拉美大约有6.5亿人，人口增速0.7%。其中巴西有2.15亿人，墨西哥有1.27亿人。巴西和墨西哥两国的人口占拉美地区总人口52%。整个拉美平均年龄是31岁，巴西和墨西哥分别是34.7岁和30.6岁，都是处于生产力最旺盛的年龄段。相比于老龄化加剧的欧洲、北美以及中国，拉美地区的人口结构都更有利于经济生产的。Source：Median age by country, CIA World Factbook, 2016 est2022年拉美地区GDP总量约为6.3万亿，同年中国18万亿，大约是中国GDP规模的35%。其中巴西的GDP总量是1.92万亿、1.46万亿，两国GDP总量在拉美中的占比达到54%。所以，仅从GDP和人口的角度来说，巴西和墨西哥在拉美有着举足轻重的地位。2022年拉美人均GDP是9,559美元，同年中国人均GDP为12,720美元，美国人均GDP为76,329美元。其中巴西8,917美元，墨西哥11,496美元。墨西哥的人均GDP和中国差不多，巴西稍微少一些。根据IMF的预测，2024年巴西和墨西哥的

近期关于未来BTC能涨到多少有不小的争议，有很乐观的也有谨慎的，相比起来，我们相对乐观。这里仅仅做一个简单的情景分析，当然未必正确。本文来自于BEDROCK成员Eva全球财富（净资产）根据ubs的数据，2022年大约在454.4万亿，假设6%的增速（历史上增速要高于gdp增速），预计在2036年达到1,034万亿。其中，57%配置在了股票、固定收益、黄金、另类资产和加密货币上。根据测算，2023年底加密货币总市值1.65万亿，占全球全球财富（净资产）仅0.3%，比特币占比0.15%。按照最新数据，机构持有比特币的比例也仅12.7%；黄金etf 222b，BTC spot ETF AUM已经接近 57b，已经是黄金的25%，而比特币市值仅是all the above ground of gold value的11%左右，比特币将crossing the chasm。随着其去中心化“信仰”的传播和蔓延，etf等金融工具降低进入门槛，机构入场带来大量资金流入，比特币作为最成熟的加密货币资产，收益率和波动性也会逐渐趋缓，风险回报更加合理，但仍然相对其他传统金融资产吸引力更大等原因，比特币等加密货币具有从其他传统金融资产长期抢份额的逻辑，2036年金融资产（见下图）配置比例将在2036年占全球财富的47.7%，比如黄金假设下降到1.7%，固定收益和股票占比也下降，但另类资产预计可能会和加密货币一起高速增长。我们预计比特币在36年会达到全球财富的3%（也有可能尚未到头），参考2023年黄金（all the above-ground of gold）价值占比大约在2.5%（且一半都是珠宝等fabrication，流通性差）这里隐含的假设是比特币交易是商品交易，而比特币以外的部分涉及应用的加密货币交易可能被美国sec定义为investment contract的风险，发展速度可能低于比特币

2023年我们在投资经理朋友圈内做一些投资标的调研，并做了一些有趣的总结和研究，具体可以参考我们在去年年中的《L/S投资游戏的一些有趣的半年度总结》。现在2023年又已经过完了，我们在2024年年初又做了一次统计，收集了超过70位投资经理和研究员的成果，初步的统计结果如下：2023年下半年实际效果：分化巨大！半年下来，最优秀的组合获得了71%的收益，而最差的组合-66%。。。而平均收益在9.1%，中位数在8.3%。结合2023年上半年来看，2023年全年我们的投资经理朋友圈的平均收益在15.9%和12.5%，显著跑赢去年股票型基金行业中位数的-9.5%。。。看来我们朋友圈的水平还是很不错的！不过去年分化确实非常大，最好和最差的差距超过100%，不过总体而言集中在-15%-36%的占到绝大多数。巨大的差异主要来自于比较大的预期落差年中组合表现最好的5只组合有4只都是因为选择了PDD提供了巨大的收益，而另一只选中了EDU。表现最好的前五组合：而表现最差的组合往往是在空单上看错损失巨大，或过于押注宏观call所导致的。。。表现最差的前五组合：策略本身很难保证投资的效果单纯的策略（多或空），甚至市场的选择并没有显著的alpha，更多的还是选股优劣所产生的收益差距。投资经理们的多单的收益平均在6.4%，中位数在11.8%，而空单的平均收益在2.7%，中位数在0%。也就是大多数的投资经理所产生的收益还是来自于多单，而空单提供了一点补充，除了少数投资者空单影响较大以外，大部分投资者要么非常谨慎使用空单（平均仓位36%vs多单平均仓位84%），要么提供的收益不显著，但平均而言不是负贡献。‍‍‍另外，可能有不少人觉得市场选择可能对收益的影响非常显著，从广义上来讲确实如此，但就我们投资经理朋友圈的年中选择数据来看，平均收益在8.8%，中位数收益在2.4%，似乎显著的跑输了标普指数。。。而选择H

人口对投资的影响人口问题对于投资而言是非常重要的，尽管对于短期的宏观和投资走势更多还是和短期经济周期因素、信心、情绪等相对较短的因素更加相关，但对于长期投资而言，人口问题却是非常重要，属于持续性极强且很难以人们的意志为转移的相对刚性力量。‍‍‍‍‍‍‍‍简单而言，人口问题可能的影响包括但不限于：1，消费和投资倾向：年轻人相比老年人有更强的消费倾向，这似乎显而易见，尽管“躺”文化全球皆有，但总体而言年轻人还是更加会对未来充满期待的，相对而言你总不能指望一位80-90岁老人对未来依然充满欲望和投资热情；2，Productivity：人口数量*劳动时间*劳动效率基本是生产供给的基础，但更为重要的其实还要包括更多的地方，而不仅仅是数量问题；‍‍‍‍‍‍3，创新和创造力：即便延迟退休年龄，年轻人by nature也会比老年人有更强的creativity；马一龙非常看重新生对于长期智力创造当中所起到的的refresh或reboot的作用也是这个原因，新生让智力有机会重新从底层、从第一性的角度生长；‍‍‍‍‍4，奋斗意志：年轻人有更强力的从无到有创造自我的奋斗意志，这也是延迟退休增加就业时间本身所达不到的；‍‍‍5，城镇化，教育，住房等影响：生育率、人口的迁移倾向也明显显著的会影响城市的发展，教育，住房等重大需求的变化；‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍。。。当然，实际影响还远远不止，由此可见，这些问题对于投资区域和品种的选择都有着无比重要的影响。。。一些人口数据的研究近期出了对2023年人口数据的初步报道，尽管不见得很准确，但也可见一斑，不得不说这一数据竟然比我们的模型还要低。。。中国的情况根据目前的情况最为震惊的是适龄（目前平均28.7岁）人口的初婚率下降得过于离谱（对的，还没提生育率，但如果结婚率掉这么快，生育率很难指望），这一数据在2015年之前一直比较稳定的徘徊在100%附近到

周末参加朋友的一个活动的分享，想到既然已经写了就放到这里做一个备份，供大家参考~

美国调研回来已经2个多月，分期总结分享下收获，先讲讲通胀的问题：一、通胀现状：核心CPI较疫情前涨20%美国核心CPI指数相比疫情前涨约20%，相当于年复合增长4.6%，显著超过疫情前2%左右的水平。除了房价上涨、工资上涨、汽车价格上涨之外，此行我能够体验到的是食品和服务价格的上涨。比如，星巴克：疫情前中杯拿铁价格3.3美金，现在5.5美金，涨幅达到66%。Fine dining餐厅小费大幅增加：从之前10%起步，到18%起步，加上菜单价格的上涨后，吃一顿饭比之前贵了1-2倍。在美期间点了两次外卖，1次星巴克咖啡，咖啡5.75美金，加上各种费用一共13.51美金，其中服务费3.27美金。还有一次购买日用品。价值17.6美金的东西，其他费用5.3美金，其中服务费3.3，相当于所购物品价值近20%。二、房价/租金、人工是驱动涨价的重要因素推动核心物价上涨的主要因素中，房价/租金、人工是两个重要的直接/间接因素，而且不同于能源、食品和汽车价格，这两个因素相对而言易涨难跌，尤其是人工的上涨。房价、租金新租户租金指数疫情前总体在年增2-4%的水平，但疫情以前出现大幅上涨，目前相比疫情前累计涨幅达到24%，相当于年复合增速6%美国房屋售价中位数从疫情前33万美金上涨至43万美金，上涨30%。东北部房屋售价中位数从疫情前47万上涨至92万，涨95%。Source：Census; HUD人工休闲和酒店业平均周薪从疫情前430美金左右上涨至目前545美金，涨幅达到27%，平均年化增幅达到6%，显著超过了疫情前2-3%的年增长水平。三、通胀开始回落，但影响远未结束目前看下来至少有以下3个通胀后效应：人工贵又是成本大头时，利用效率高的企业获得明显优势，租金同理以餐饮为例，除了食材成本之外，成本费用的两项大头首先是人工成本，其次是租金。先讲人工成本，两家餐厅，一家人工效率更高（餐厅A）而一家更低（

Operation review: Increase in holdings of consumer goods and U.S. Treasuries, decrease in individual AI hardware holdings, with a re-allocation towards AI applications. This month, the risk-free rate of return in the United States has noticeably increased, leading to a downward shift in the valuation center. Therefore, some companies that have insufficient investment returns due to large price gains or fundamental adjustments have been reduced in holdings. This includes the continued reduction of AI hardware stocks that have experienced price overshooting in phases, and internet stocks whose price gains have decreased their IRR attractiveness. However, at the same time, we increased our holdings in consumer goods with higher IRRs and in internet stocks whose investment returns have increas

过去几个月以来，各类软件公司都推出了或者宣布要推出自己的 AI copilot 产品，如微软的 Github copilot、Office copilot、Windows copilot、Dynamics copilot，Salesforce 的 Einstein Copilot等等，他们的功能、定价更是千差万别。为了衡量他们的定价是否合理以及未来潜在的提价空间，我们提出了以下打分体系以便于比较。本文来自于BEDROCK成员Jimmy，及其和团队讨论记录。基本分析框架：首先，我们考虑该产品给用户带来了多少价值。这个可以进一步分解成三个方面：首先是AI  copilot能帮用户提升多少效率，这决定了能节省多少时间（每提升 20%打 1 分）；二是用户的工资水平，这体现了帮他们节省的时间成本（平均工资 6 万美元打  3分）；三是 AI的其他能力/优势，可以拓展人类的能力边界，做到人类做不到的事，例如批量处理任务（网络安全领域的成千上万个事件）等等。据此，对一些软件公司打分如下：其中，Github 作为程序员的工具，效率提升、用户工资、AI 额外能力（debug、阅读别人的代码等等）都处于较高水平；Office 的效率提升就差一些，用户工资和 AI  额外能力（根据 wword 制作 PPT 等）也一般； Adobe 的效率提升一般，因为还是需要很多人工操作，但是用户工资和 AI 额外能力（批量生图、提供灵感等）都较高；CRM、NOW 和 office 差不多，只是 NOW 的用户工资高一些（IT 专业人员）；CRWD 和 PANW 作为IT安全公司，效率提升、用户工资、AI 额外能力（处理大量安全事件、根据日志数据提供 insights 等）都较高；最后 SNPS 作为 EDA 工具，对用户的效率提升较低，但是用户工资非常高，而且会提出一些人类想

I. Operation Review: High Position, Little Change in Holdings, Still Heavily Allocated to Technology, Especially AIThis month maintained a high position, slightly reduced U.S. Treasury holdings, increased holdings in cloud computing that benefits from AI but is not fully priced. The industry is focused on cloud computing, advanced semiconductor manufacturing, the internet, branded consumer goods, defense, U.S. Treasuries, etc. The investment proportion in AI-related areas has increased, and U.S. assets (excluding U.S. Treasuries) remain around 80%.II. Market Review: Frequent Domestic Supportive Policies, U.S. 10-Year Treasury Yields Surprisingly Surge to Over 4% Amid Inflation Easing and Slower Rate HikesThis month, the most notable things are a series of domestic government statements and