168X 战情室：对话 Herman Jin，AI 空头可以闭嘴了！

摘要

• Herman Jin 6 月曾是“应该是第一批看空”的人，最近几周相对转多：Anthropic 抛出 65 billion ARR 这个重磅利空后，没有看到去杠杆、大规模强制平仓或波动率上升，CDX 也没有大幅上行（CDX IG 只略升），说明资金面的杠杆和连锁反应没有继续扩散。 他与空头的最大分歧在周期定位：“空头觉得现在是 2000 年，我们觉得最差是 1998 年”——这轮跌完后，可能还有“1999 年、2000 年涨成什么鬼样”的行情，但仍保留估值和明年现金流转折带来的波动风险。
• 转多的核心变量是开源模型：CSP 可以在开放权重模型上做 post-training 或进一步蒸馏，摆脱“前端被两家模型厂、后端被存储商夹击”的处境，现金流有望改善，CapEx 也可能由企业 AI 收入证明合理性。 Anthropic/OpenAI 不是正确锚点——两家合计只占过去两年部署算力的 27%；其余算力也可能由 CSP 的 Enterprise AI 变现。Herman 举例说，微软可能增加出 50 billion、企业 AI 增加 20 billion 以上；他另称微软今年有 20 billion revenue，约相当于 40 billion ARR。
• “卖便宜算力的人能不能赚钱”是他认为较确定的一笔账：DeepSeek 的毛利率仍有 80%，阿里报告称 2.2 年回本，微软 Enterprise AI 内部按 6 至 10 个月回本核算 ROI，而 V100 至今仍在使用。 他引用 Jensen Huang 的判断：目前看到的 token 使用、AI coding 等瓶颈主要是供应造成的，不是需求造成的。
• 存储是他更想谨慎配置的板块：Herman 认为存储厂商主要靠涨价而非扩产或产品迭代提升毛利；当前毛利已约 85%，甚至 87%，后续更难继续向上。 存储与 Anthropic 都可能成为行业压力点，所有人都有动力压价。技术上，KV cache 与读取上下文的规模有关；把任务拆给多个 agent 后，每个上下文变短，KV cache 可能按近似平方根关系减少，同时增加 GPU 调用，因此部分存储需求可以由计算力替代。他个人更偏好 NAND，而不是 DRAM，并认为不应把配置集中在存储。
• Intel foundry 在 Herman 的判断中“一定成功”：晶圆厂的核心是与客户共同调出的数据包，苹果需要非 AI 主导的 backup，Google 也因不是台积电传统客户而需要备用产能。 他认为刘德音与现任派系相关的人才、利普·布坦和陈立武等因素会帮助 Intel 追赶；但 Intel 短期 sentiment 已炒过头，基本面和估值安全是两个不同问题。
• AI 使用者的分层是他反复强调的判断：“AI 时代里只有神族和虫族”；他说 0.1% 的人用了 99% 的 token。 如果正常工作负载下连 200 美元的 Claude Max 一周都用不满，可能说明工作缺少延展性、较容易被替代。他称自己 3 个月写了 450,000 行交易级代码，认为这相当于 20 人专业交易团队写 1 至 1.5 年；系统已接近 zero bug，但并非绝对没有 bug。
• 宏观上他认为泡沫必然存在，只是暂时流错了地方：名义 GDP 增长约 6% 至 6.5%，比约 4.7% 的长期利率高约 190 个 basis points；Starbucks 的 forward PE 约 36 倍，而 NVIDIA 约 12 倍。 当 CSP 现金流转正、市场把半导体从周期股重新定价为非周期行业时，泡沫才可能真正涌向半导体。终局风险是“AI 癌症”吸走债、股和其他资源，失业压垮碳基消费；但他判断目前仍在一期、二期，“it’s not today”。
• 币圈他反而谨慎：在他的判断中，任何 coin 的交易定价权都在 Binance，链上没有定价权；Binance 上的股票币正分走流动性，做市商利润已明显下降。 他称自己高频吃单的单笔收益从约 100 美元降到 25 美元，若做市商最终不再挂单，市场可能“一拍两散”。他在 BTC 跌到 65,000 美元以下时持续买入，长期可以看 200,000、500,000 或 1,000,000 美元，但短期仍要先解决资金从哪里来；Hyperliquid 则被他称为“貔貅所”，不看好其慢速、中心化且事后上链的交易机制。

精读

1. 先替空头把话说全：AI 系统性缺钱

• Herman Jin 自陈，自己 6 月“应该是第一批看空”的人；当时的第一条逻辑是 AI 整体“系统性地缺钱”。CSP、Hyperscaler 等需要融资，CDS 和债务压力可能上升；5 年前低息环境下发行的 5 年、7 年期债务，以及期限更长的投资级债券，正在进入再融资周期。
• 这个再融资周期与 Blue Owl、Apollo 等数据中心融资使用同一个资金池，存在撞车。今年 7 月、8 月科技公司融资规模“好像”达到 218 billion，而 2025 年全年约为 80 billion。CSP、半导体扩产和股票发行都会增加资产供应，因此他把资本市场更多看成供需市场，而不只是估值市场。

2. 他六月做空的原始逻辑：这笔账能不能 justify

• Herman 当时最重要的判断是 Anthropic 最终一定会崩掉，继而让市场质疑 AI 投入产出：如果今年投 800 billion、明年投 1 trillion，明年的 1 trillion 需要对应多少收入，才能证明今天的投入合理？
• 他认为未来总收入和总 CapEx 能否互相证明，是半导体与 AI 之间最核心的账。一旦预期无法证明，半导体就可能拿不到估值；如果市场觉得账算得过来，就会出现类似 5 月份的行情。宏观上还叠加美元债、美元利率和通胀对估值的压力，但他认为空头逻辑中有些有效、有些被夸大，也有些理解得不够深。

3. 转多理由一：利空砸不动，说明连锁杠杆反应没有出现

• Anthropic 抛出 65 billion ARR 是“很大的利空”，但之后没有看到去杠杆、规模性的强制平仓或波动率上升，CDX 也没有大幅上行；CDX IG 前两个星期略有上升，但背景是市场存在大量融资。
• 没有连带性动能，说明资金面的杠杆已差不多，没有连续爆仓或连锁反应。与 6 月 2 日相比，当时动量资金还在加仓、头寸容易被挤压；现在在这个估值水平下，继续看空的意义已经没有那么大。
• 他的长期框架仍有波动：未来两年甚至更久，可能反复经历“基本面更好，但市场给不给估值、给多少估值”的过程。他认为公司业绩、AI 需求和 token 需求没有变化，英伟达及后续季报的业绩更可能变好而不是变差。

4. 转多理由二：开源模型是 game changer

• 开源模型出现后，CSP 有可能变得盈利，最直接的反馈是自由现金流转正，或者没有原来那么负。这样 CapEx 可以由 CSP 自己的收入证明，估值也可能调回去。
• 英伟达这次业绩很好，但 Herman 认为那只是推动因素；本质问题仍是前端需求市场有多大、是否可持续，以及是否有足够资金支持继续投入。

5. 现在是 1998 年，不是 2000 年

• Herman 与空头最大的分歧是：“空头觉得现在是 2000 年，我们觉得最差是 1998 年，甚至是 1998 年之前的某个时间。”
• 他认为互联网泡沫时期有很多体系内互相刷单：一方投广告，另一方接广告，但体系外没有成规模的钱流入。现在 OpenAI“快要盈利”，Anthropic 的运营业务也已经盈利，CSP 企业 AI 的盈利和现金流数据也在改善。
• 另一项区别是，今天做 CapEx forecast 的主要是经历过 2000 年风波的万亿美元级 TMT 公司，而不是可以随意预测的初创公司。Herman 认为这些公司有自己的内部账，不会只根据 Anthropic 的 backlog 把公司的命运押上去。

6. 瓶颈在供给，不在需求

• 他引用 Jensen Huang 的判断：token 使用到头、AI coding 需求到头等表象，都是供应造成的，不是需求造成的。数据中心产能只有约 70%，也不是因为客户需求不足，而是因为供应限制。
• Anthropic 的 ARR 在内部竞争、业务分流和 token 降价下确实增速放缓，但没有变成负增长。Herman 的解释是没有足够 capacity 和模型供应，并不是没有人想做 coding。

7. 65 billion ARR 到底是什么：口径、降价、供应到顶

• Mr. Z 询问这次操作是否可能服务于 IPO、先压低再跳高。Herman 认为有这种可能，但也可能是监管或上市前统一披露口径的原因。
• 第二个原因是降价。他自己高峰期一天会用约 3,000 美元、低时约 1,000 至 2,000 美元的 membership 之外额外用量；降价后自己的用量确实少了一些。
• 第三个原因是供应到顶：并不是想供应多少 token 就能供应多少。微软通过企业 AI、Adobe 等都有 backlog 订单，但没有足够算力去 fulfill。

8. 锚定错误：27% 之外的算力也能变现

• Herman 说，过去两年部署的算力中，Anthropic 和 OpenAI 合计只占 27%；它们虽然是目前能商业化的模型公司，但不应成为整个 AI 行业的唯一锚点。
• 另外约 70% 的算力正在被 CSP 的企业 AI 开发。Herman 举例说，微软可能“莫名其妙增加出 50 billion”，企业 AI 增加 20 billion 以上；这些收入不是用户调用 Anthropic 或 OpenAI API，而是微软部署算力后直接服务企业客户。
• 他也称微软今年有 20 billion revenue，按 ARR 口径约相当于 40 billion。原来 100 里面的 30 在赚钱，另外 70 开发出来后，原来的 30 可能被分流；但 Anthropic 崩掉不等于整个 AI 崩掉。

9. 卡的经济账：一串相对确定的数字

• Herman 称 DeepSeek 的成本已经比 Anthropic 低很多，但毛利率仍有 80%。阿里报告给出的回本周期是 2.2 年；梁文锋也说过，如果有钱且买得到卡，会把钱全部变成卡。
• 微软 Enterprise AI 内部按 6 至 10 个月回本核算 ROI。V100 现在仍在使用，H100 经过工程优化后也能运行一些原本需要更高规格卡的任务。
• 因此他认为，买 Anthropic 的 PE 仍可能亏钱，但“卖便宜算力的人能不能赚钱”更确定；GPU、CSP 和模型厂之间的毛利分配可能改变，但算力资产本身的回报仍有依据。

10. 万亿美元公司自己有账，不押注 Anthropic

• Google、Amazon、Microsoft、Meta 都在做自己的 OEM 和产品化布局。Herman 不认为它们是在观察 Anthropic 是否有业绩，再把万亿美元公司的命运押在 Anthropic 身上。
• 即便 Anthropic 明天破产，这些公司仍可以依靠自己的用户、销售、资源和企业数据发展。Mr. Z 补充，几家 CSP 今年预计投入约 725 billion CapEx；Herman 认为它们必然看到了自己的内部数据，并且从自身数据看到了盈利和高 ROI。

11. 老黄的 500 billion infra deal：打开华尔街债务的门

• 对 NVIDIA 与 Blackstone、Apollo、BlackRock 相关的 500 billion 基础设施交易，Herman 表示相信 Jensen Huang 的判断；他认为交易的核心之一，是把 GPU 的折旧周期拉长，使 GPU 成为可像汽车、飞机一样融资的生产性资产。
• 但他身边的华尔街朋友还没有接受这个说法。Herman 认为，这件事不会自动证明泡沫很大，却一定会让更多资金进入半导体；如果 funding vehicle 最终出问题，Jensen 也可能像 CDO 结构的参与者一样受到指责。
• 他用中国房地产作类比：早期是房企自有资本金，后来才引入政府、城投和地方债。现在数据中心还主要依靠股权融资，基础设施融资相当于打开一扇门，让华尔街债务资金更容易进入，短期不会全部流入，但影响可能很深远。

12. GPU 租赁为什么 work：现金成本比租金低一个数量级

• Mr. Z 质疑 GPU 基础设施融资是否能像高速公路、风电那样依赖稳定现金流。Herman 认为，GPU 的电力、托管和维护等现金成本，比市场愿意支付的租金低一个数量级。
• A100 已经全部租满；H100 以及 2020 年、2022 年释放出来的 GPU，约 95% 的产能被订走。V100 仍在使用，是他认为这套基础设施融资逻辑成立的简单证据。
• 他引用 Andrew Ng 关于 30 trillion 脑力劳动市场的判断：人力替代是过程，不可能一次性把人全部裁掉，但每年可能替代 10% 至 25%。终局风险仍是产能全部上来、失业者减少广告和消费，经济在危机中瘫掉；但“肯定不是今天”。

13. CSP 翻身：从两头挨挤到手握定价权

• 过去 CSP 自己训练模型不确定，只能把算力租给两家模型公司；模型公司可能有约 90% 毛利，而 OpenAI、Anthropic 不太看价格地买算力，甚至可能接受每瓦 50 美元。CSP 被夹在模型厂和存储厂之间。
• 在开放权重模型上，微软等 CSP 可以做 post-training 或进一步蒸馏；Herman 认为，这种路径与在美国直接蒸馏闭源模型的法律情况不同，前者在他的假设中可以进行。
• CSP 有开源模型后，不必只把算力卖给模型厂，也可以直接向企业客户出售整套服务。它可能把原来 50 美元一瓦的价格压到 30 至 35 美元，把压力传给下游供应商；受影响的主要是坐地起价的供应商，英伟达和正常收费的光通信厂商不一定受影响。
• 过去两个不太在乎价格的买方是 Microsoft 和 OpenAI；当它们的支付能力不再无限时，议价权会更多回到 CSP。模型端如果没有同等的用户、销售、安全体系和算力资源，就很难与 CSP 竞争。

14. Dario 命题：谁有最高效的 inference

• Herman 引用 Dario 的框架：关键是“谁有最高效的 inference”和“谁训练出了最好的模型”。模型平权后，市场会越来越关注推理效率和算力规模，更多议价权最终可能到 CSP 手里。
• 他用一系列反问强调 CSP 的企业优势：模型公司没有 Microsoft 那么多销售、用户、资源体系、安全体系和算力。企业部署目前较多的是 Qwen；他认为 DeepSeek 让一些人有政治或其他顾虑，而 Qwen 的顾虑较少。
• 他不等于看好所有 SaaS：token 价格下降、模型能力提高会让 SaaS 这个 business 变好，但具体公司能否赢过 Microsoft，仍要单独判断。

15. 存储：靠涨价的毛利故事到顶

• Mr. Z 提到美光约 86% 的毛利率，以及苹果产品可能涨价 30% 至 40%。Herman 重申，存储厂商主要靠涨价来提高毛利和收入，不是靠扩产或产品迭代。
• 他认为存储毛利已经约 85%，甚至 87%，继续向 90% 走的空间有限；毛利增速到头后，估值更难继续上行。
• 他把前端 Anthropic、后端存储称为 AI 的两个威胁。存储价格过高会降低 GPU 和光在方案中的比例，拉长 CSP 的投入产出周期，因此整个行业都会有动力压低存储价格。
• 存储需求确实可能无限，但计算力、TSMC 和 CPU 的需求也无限；“无限”不代表某个环节可以随意收取 90% 毛利。NAND 是他的个人偏好，但他仍承认 DRAM 的需求很强。

16. KV 与任务拆分：算力和存储可以部分替换

• Herman 说 KV cache 与读取上下文的规模有关，任务拆分后，每个 agent 的上下文变短，KV cache 的减少大致呈平方根关系，而不是简单按 agent 数量线性减少。
• 他举例说，自己用 Ultra Code 配合 Opus 调用 100 多个 agent 做代码和审核，认为效果不比 Fable 单模型差，甚至更强。真正需要高智能的模型是负责指挥和拆任务的模型，其他任务可以分给许多较小模型。
• 这样会增加 GPU 调用，却可能减少上下文和 KV cache，因此 GPU 与存储需求存在一定替代关系；如果不会拆任务，agent 可能只调用少量参数，GPU 闲置，存储反而被大量使用。
• 他个人更看好 NAND。未来 agent 数量大、推理调用多，CPU 和 NAND 的需求可能比 DRAM 更确定，周期也可能更长，但这不等于 NAND 必然替代 DRAM。
• 他还批评三星销售内部存在严重利益问题，并要求 SK 海力士的崔泰源解释其在 SK Telecom 的持股，以及为什么要把自己的 HBM 换成英伟达的卡、同时自己做 CSP。他认为韩国存储股可以反弹甚至破前高，但配置上不应只放存储。

17. 中国 IPO 与光通信：低定价与确定的光

• Mr. Z 询问长江存储是否几周后 IPO。Herman 认为长鑫的 DRAM 表现很强、可能还做不了 HBM；长江存储也很强，但他不知道中国资本市场会给出什么估值。
• 他认为中国 IPO 往往初始定价较低，因此宇树、长鑫等公司 debut 当天可能上涨 300%、400%，甚至 500% 或 600%；这与韩国市场根据已有估值定价的融资不同。
• 对光通信，他认为即便 CPU 或 Vera Ultra 出现 delay，也不影响长期方向：整体方案中光的比例会提高，需求会扩大，最终瓶颈主要在量产和封装供应。随着需求增加，光可能成为新的瓶颈。

18. Power semiconductor 的节奏与缺货周期总纲

• Power semiconductor 要按照 Rubin 的交付节奏看，需求大约到第三季度才体现，因此时间上晚于光和存储。这一轮更适合先看光和存储，Power Semiconductor 稍后。
• GFS 的光通信路径中，Herman 认为单片集成未必是最好的路径，但这不是最重要的问题。
• 他的总纲是：半导体大缺货周期来自 token 需求的大缺货周期；token 需求的缺货最终都会转化为半导体需求。缺货周期里，谁有工厂和产能谁就有议价权，除台积电外，IDM 包括 Intel 也可能受益。

19. 晶圆厂是数据包，大客户需要 backup

• Herman 认为 Intel foundry “一定成功，you have no doubt about this”。在他的比喻里，晶圆厂本质上是客户和工艺共同调出来的数据包：普通晶圆厂放入自己的数据包，可能只能做出 14 纳米；放入台积电的数据包，结果会超过原有水平。
• 台积电的先进工艺和产能很大程度上由苹果共同调校。苹果不能接受一个完全 AI-oriented 的晶圆厂；当英伟达成为重要客户后，苹果会需要 Intel 作为 backup。Google 也不是台积电的传统客户，若明年需要约 11 million 至 12 million 片，而台积电只能给出部分产能，Google 可能转向 Intel 调整和下单。
• Herman 用“铜锣湾扛把子”比喻：台积电仍是大哥，但大客户不能只依赖一个供应商，需要另一个打手来议价。

20. Intel：派系、陈立武与被低估的晶圆厂

• Herman 认为台积电内部存在刘德音派系与 C.C. Wei 派系；利普·布坦也是 Berkeley 背景，因此一些原属相关派系的人转去 Intel 没有太大心理压力。他把 foundry 的核心概括为“人和数据包”，数据在人的脑子里，因而 Intel 良率可能提升得比预期快。
• 陈立武接手的是一个股价和内部势力都跌到低谷的公司。Herman 认为其背后有特朗普因素，内部山头已被多轮清理；股价从约 18 至 20 美元涨到接近 100 美元、一度约 140 美元后，他在董事会的 credibility 很强。
• Intel 不会轻易取代台积电，台积电在产品、know-how 和客户关系上仍有不可比拟的积累；但 Intel 在部分流片、封装大芯片等方面有非对称优势，政治资源也较多。
• 他给出的数字是：晶圆厂相关投入去年底约 10.5 billion，今年约 15 billion、甚至 20 billion，明年底相关数值可能达到 12.5 billion 至 13 billion。若按 1 倍估值或 2 倍 PB 衡量，他认为当前估值较安全；但短期 sentiment 已炒过头，基本面无问题不等于短期没有风险。

21. 情绪反指与 7709 的杠杆 ETF 课

• Herman 建议反向使用情绪指标：可以把自己认为较准的 KOL 放进黑名单，剔除他们的意见；当大多数 KOL 一致看多时考虑做空，一致看空时考虑做多。
• 对南方东英 7709，他认为两倍杠杆 ETF 同时包含杠杆股票和 short vol 的效果，在底部很危险。底部通常是震荡反弹，波动率和路径损耗会消耗价值。
• 7709 更适合相信价格会直线上涨、波动率下降时使用；抄底时应直接买正股，例如 000660，而不是买两倍杠杆 ETF。市场一致买入 7709 本身也可能是情绪过热信号。
• Intel 的短期 sentiment 虽然危险，但 Herman 认为其封装、CPU、先进封装以及可能与 Tower Semiconductor 合作的存储业务仍未被完全定价。若涨价计入 CPU 预测，他认为明年 EPS 可能轻松达到 6 美元。

22. TeraFab 与 Grok

• TeraFab 想与 Intel 合作做存储，但 Herman 认为马斯克目前没有那么多现金；资金从哪里来他不知道，不过马斯克经常能筹到钱，背后也有特朗普因素，因此不能简单排除其变出资金的可能。
• Grok 变好的原因之一是 SpaceX 快速部署算力、出售算力和形成算力集群的能力；他认为不能只看今天模型训练表现，还要看部署算力的能力。
• 第二个原因是 Cursor 提供了大量 post-training 数据和前端流量。Herman 的判断是 Grok 目前可能仍不如 GLM，但进步很快且价格便宜；如果估值跌到 1 trillion，他认为可能出现进入机会。

23. 模型实测排序与四个要素

• Herman 强调自己的判断来自实际使用：最强的是 OpenAI 的 o3，之后可能是 Fable，再之后是 DeepSeek 和 GLM；GLM 可能优于 Kimi。GLM、DeepSeek 实际使用时不比 Opus 差，Herman 甚至认为 DeepSeek 更强；Grok 做简单任务不错，复杂任务仍不行。
• 他认为模型好不好用取决于四项：模型本身、模型背后的算力、数据，以及 AI agent 如何组织和拆分任务。Claude Code 的优势很大程度来自第四项。
• 他把 Claude 的任务拆分方法总结成 skill 放进 Codex，因此自己的 Codex 使用效果很强；但这是他的个人使用经验，不代表对所有模型或所有任务的普遍排序。

24. 神族与虫族：token 用不满可能意味着被淘汰

• Herman 的判断是：“AI 时代里只有神族和虫族”；经常使用并知道如何使用模型的人是“神族”，大多数人是“虫族”。他重复 0.1% 的人使用 99% token 的说法。
• 如果正常 workload 下连 200 美元的 Claude Max 一周都用不满，说明工作缺少延展性，可能是较早被替代的人。
• 他称自己过去 3 个月写了 450,000 行交易级代码，深圳团队过去一年合计约写 60,000 行；他认为这 450,000 行如果由专业交易团队完成，需要约 20 人写 1 至 1.5 年。系统已经接近 zero bug，但不是绝对没有问题。
• 高频交易中，两毫秒对他而言“就是 0”，从 2 毫秒优化到 1.7 毫秒，需要同时调动许多云、同步时钟、处理内网和安全问题，token 使用量可能指数级上升。说 AI coding 到头的人，在他看来往往还没有用到这种深度。

25. AI 取代的是组织架构，不只是程序员

• Herman 认为 AI 不只取代码农，也会取代围绕码农建立的组织架构：前端、后端、产品、测试不一定再分别组成团队，一个人可以调用多个 AI agent 完成整套工作。
• 他用战列舰与航母比喻组织效率差异，并认为两个人做高频交易也可能与大型机构竞争。
• 编程从汇编到 C，再到自然语言；真正稀缺的不是执行者，而是能提出复杂问题、掌握 know-how 和 proprietary data 的人。AI 未必能教会他如何交易，但能帮他把脑中的方法实施出来。
• Mr. Z 引用 Garry Tan 的说法：过去强调 “Don’t boil the ocean”，AI 时代反而可以 “boil the ocean”。Herman 举例称，朋友的孩子学文学和历史，以前可能需要博士后做 5 年的工作，现在高中生 2 个月就完成并发表到专业杂志。

26. 微软为什么一个 token 能卖得比 GPT 贵：meter

• 模型厂的问题是只解决了 ROI 中的 I：程序员可能从每天工作 15、16 个小时变成 10 分钟，但老板未必能看到产出。
• Microsoft、Amazon 等企业产品有 meter，可以衡量投入多少 token 后增加多少销售、减少多少退货。例如跨境电商通过 API 看到售后、客户对话和退货变化，便能计算 AI 带来的回报。
• 如果投入 0.5 元能带来 2 元收入，企业能看见其中 1.5 元差额，就会持续投入。Herman 认为这使 Enterprise AI 的增长更有持续性。
• 他称微软今年约 20 billion revenue，按 ARR 口径约相当于 40 billion；如果其他企业场景再跑出几个，三个加起来就可能达到一个 Anthropic 的规模。
• 他反驳半导体供应商直接判断 token 需求：供应方可以质疑供应，但不能仅凭订单判断需求已到头。至少要问企业端的 Google；目前 Google、Amazon、Microsoft 仍在相互追赶，Google 也说需求太多、做不过来。

27. 医疗：药明康德是药里面的台积电

• 对 Mr. Z 提到的 Moderna mRNA 进展，Herman 回溯到“澳大利亚人给一条狗治病”的案例，认为当时已经可以看出类似方向，但他不知道最终是哪家药厂能跑出来。
• AI 会让 DNA 筛选快很多，但筛选只占约 5% 成本，药检和后续管线约占 95%。基因更精准后，二期、三期反复寻找方法和数据的成本会下降，流程也会更顺。
• Herman 认为药明康德像药业里的台积电，很难有人在成本上打赢它；他称中国与美国一个 case 的成本可能相差 20 倍。
• 更大的判断是，AI 的原始能力是对大量数据并行计算、寻找规律，医疗、军事和交易都适合这一点；coding 和对话是后来发展出的能力。未来可能出现更多 tailor-made medicine，医疗会因大规模基因数据处理而进步。
• 软件也会受益于 token 和模型平权，但 Microsoft 的竞争是 SaaS 的主要担忧。短期内 Snowflake 等公司仍可能获利。

28. AI 癌症理论：周期如何终结

• Herman 称 AI 是“经济的癌症”：ROI 太高，会吸走债、股、收益和其他资源。这不一定立即是坏事，但如果 AI 替代大量文职工作，失业者最终要去哪里，需要新的经济安排。
• 他用 1848 年后的社会转型作类比，并称 AI 最终可能导致严重失业、经济下滑和消费不足：硅基消费最终仍需要碳基消费，没有工作和收入就没人买汉堡、咖啡或投广告。
• 但他的时点判断是，AI 目前还在一期、二期，四期才会出现上述终局，“it’s not today”。未来可能有政策限制 AI，或通过 UBI 等方式提供支持，但他不知道最终采用哪种方案。
• 他认为明年 Microsoft、Amazon 的融资需求和 CDS 可能上升，但真正危险的是债务成本把实体企业推向地区性银行水平，甚至让部分地区性银行无法融资，形成挤兑式问题。

29. 190 个 basis points：泡沫必然存在，只是流错了地方

• Herman 认为美元长期利率高，不只是因为美国债务多或美元本身有问题，而是名义 GDP 增长约 6% 至 6.5%，高于约 4.7% 的长期利率，约 190 个 basis points 的差额造成了资产泡沫。
• 刨掉 AI 后，实体经济无法承受更高利息；但 AI 让另一部分经济仍能承受高利率，于是“神族”和“虫族”被放在同一世界。政策制定者会设法限制长期利率继续上升，否则披萨店、咖啡店等实体业务会被杀死。
• Herman 认为当前泡沫主要在 Walmart、Starbucks 等板块：Starbucks forward PE 约 36 倍，NVIDIA forward PE 约 12 倍。真正的风险要等 Starbucks 咖啡卖不动，而不是现在就把 NVIDIA 当成泡沫。
• 当市场认为半导体需求不是周期性的、CSP 现金流转正时，泡沫可能才会涌向半导体。他判断行情不限于 11 月 midterm，也不认为现在已经结束；但如果明年 CSP 现金流出现进一步恶化，仍可能先跌一轮。

30. 散户守则与他自己的账户

• Herman 建议散户尽量不要 trade the market，不要与量化机器人作对。可以把过去的全部交易交给 AI，检查自己到底是否真的赚钱。
• 他自省，65 billion 消息出来时，明知它“是假的”、没有太大意义，仍忍不住一键清仓。即使一次卖对，长期反复这样做也可能只是五五开，最终意义不大。
• 他的主要 saving 放在 Google，另有 Meta 和 Goldman Sachs，长期放着不看、不太在乎价格；半导体交易则主要发生在交易账户。他提到自己持续定投 3M。
• 他说明 Meta 仓位少于 Google，因为曾卖掉 Meta 去买一个听不清的“Topic[?]”仓位，现在认为那个仓位可能表现很惨。关于“拿手下单就是散户”的玩笑，他承认自己有时连账号密码都会忘。

31. 币圈：定价权在 Binance，流动性在流失

• Herman 称在币圈市场，任何 coin 的交易定价权都在 Binance，链上“没有定价权，一点都没有”；99% 的 crypto 需求和交易都来自交易所，而不是链上使用。
• Binance 上的股票币分走大量流动性。过去除 Bitcoin、Ethereum、Solana 外，小币也常有十亿级日交易量，现在几千万已经算大。Herman 自己过去每月在 Binance 交易约 20 亿至 30 亿美元，从 VIP 7 降到 VIP 5；不少 VIP 9 的朋友也降到 VIP 6。
• 他的高频吃单收益从一单约 100 美元降到 25 美元，即使前几天市场较好也只有约四分之一，说明挂单深度和整体资金仍不足。做市商利润很低，若最终不再挂单，taker 也没有单可吃，市场可能“一拍两散”。
• 他在 BTC 跌到 65,000 美元以下时持续买入，但没有卖出；长期可以看 200,000、500,000 或 1,000,000 美元，短期则要先回答资金从哪里来，因为交易所里的资金正被股票吸走。
• Hyperliquid 被他称为“貔貅所”。他认为其下单约需 900 毫秒、处理中心化且事后上链；成交前会先去 Binance 对冲或观察价格，对平台有利时不给成交、对平台不利时给成交，因此不愿在那里交易。

32. 听众问答：Sivers、AXTI 与光的买法

• 对 Sivers Semiconductors，Herman 认为它目前没有足够产能。欧洲相关厂商很难快速扩产；Sivers 在苏格兰的厂规模小，若要去 Win Semiconductors 流片，磷化铟甚至缺少 PDK，而 Win 本身也没有足够产能。
• 他认为股票炒作和真实产能是两回事；真正缺货时，市场可以用产能预期替代实际产能，但不能因此认定公司真的有产能。Lumentum、Coherent、Nokia 等美国相关厂商则是以约 10 倍规模扩产，并且拿到 Jensen Huang 的资金支持。
• 对 AXTI，他认为 InP wafer 确实缺货、是瓶颈，但瓶颈也不能无限往上炒。他建议光通信配置以大票为主，不要追 beta 特别高的标的；光和检测方向可以考虑 AEHR 等较大的公司。

33. BE 估值法与国会持仓信号

• 听众询问 BE 的估值。Herman 回忆，在 deleveraging 阶段，业绩特别好的公司有时会最后被卖掉，随后业绩公布时暴涨，再被卖空。他举例称当日 Intel 涨 13%、BE 涨 20%、AEHR 涨 50%；他的交易思路是等 deleveraging 结束后买入，而不是先纠结公司名称。
• 听众进一步主张，BE 的电力方案可能同时被两党和美国资本接受，政治风险因此较小；这是听众的判断，不是 Herman 对 Nancy 或两党立场的独立确认。Herman 主要回应了估值口径：应看 forward PE，并表示自己一直监测共和、民主两党议员持仓。
• 听众提到 Intel 明年 EPS 可能为 6 美元；Herman 以此说明即使当前 PE 看起来在 100 倍以上，也应结合 forward 预期判断。他推荐 Quiver Quantitative 等约 200 美元的议员持仓监测工具。