我把 AI 产业链知识库,改造成了一台交易雷达

这几天我一直在做一件事：把 AI 产业链的资料，做成一个自己每天能用的投资系统。

一开始，我以为我要的是一个“知识库”。

把英伟达、台积电、HBM、CoWoS、光模块、电力、液冷、PCB、CXL、ASIC、服务器这些东西都整理进去。把研报、财报、电话会、市场新闻都收起来。最好再有一张很漂亮的产业链图谱。

但做着做着，我发现这件事不对。

因为资料库解决的是“我知道多少”。

而投资真正要解决的是：

今天我该不该买？买什么？买多少？错了什么时候退出？

这两个问题完全不是一回事。

AI 产业链太容易让人兴奋。

GPU、HBM、先进封装、光模块、液冷、电力、ASIC、CXL、硅光子、人形机器人，每一条线都像是机会。

如果只是做知识库，很快就会变成一个巨大的垃圾场。

每家公司都重要。

每条产业链都有逻辑。

每篇研报都说得通。

结果就是：越研究，越不知道该买什么。

这就是我这次最大的体会：

投资系统不是为了装更多信息，而是为了淘汰信息。

真正有用的系统，必须把所有信息压缩成几个变量。

变量决定标的。

标的决定仓位。

仓位必须有反证。

反证触发退出。

否则所谓研究，只是在给自己的犹豫找高级理由。

后来我把系统重构成了一个决策驾驶舱。

不再按“公司列表”组织，而是按变量组织。

核心结构变成：

变量 → 标的 → 持仓暴露 → 仓位动作 → 反证退出 → 复盘闭环。

这个变化很关键。

比如以前我看中韩芯片 ETF，只知道它是 AI 产业链相关资产。

但这不够。

我要知道它到底暴露在哪些变量上：

是 HBM？

是韩国存储？

是国产算力？

是先进封装？

还是泛半导体 beta？

最后拆完前 20 大成分，我才知道它的本质不是“纯 HBM ETF”，而是：

韩国 HBM/Memory + 中国国产算力/设备约束。

这就比“AI 芯片 ETF”这几个字清楚多了。

因为仓位一旦被拆成变量，动作就会变简单。

如果 SK Hynix、Samsung、Micron 的 HBM 继续强，中韩芯片可以继续作为进攻仓。

如果 HBM 认证、价格、订单转弱，那就不是“情绪不好”，而是变量失效。

这才是系统的意义。

这轮 AI 投资，最重要的不是“谁也沾 AI”。

而是瓶颈在哪里。

一开始，市场交易的是 GPU。

后来发现 GPU 不是唯一约束，HBM 也卡。

再后来发现，HBM 卡住之后，CoWoS、SoIC、先进封装开始卡。

然后是光模块、电力、散热、PCB、数据中心工程能力。

这就是 AI 产业链最重要的现象：

瓶颈会迁移。

谁卡住瓶颈，谁就拿走利润。

谁只是跟着出货，谁可能只有收入，没有利润。

这也是为什么我后来把系统分成几层：

需求锚：ORCL、MSFT、AMZN、META 这些云厂资本开支和 backlog。

核心算力：NVDA、AVGO、AMD、ASIC。

数据搬运：ANET、ALAB、CRDO、MRVL、光模块。

记忆与封装：HBM、CoWoS、SoIC、TOWA、材料。

物理基础设施：VRT、ETN、电力、液冷、数据中心。

这不是为了画图好看。

而是为了每天判断：

今天市场在交易哪一个瓶颈？这个瓶颈是真的，还是情绪制造出来的？

中间有个很重要的转折。

我做出了页面，也做出了模块：财报、新闻、订单、红灯、复盘。

但用户看完直接说：

“你这不都是空的吗？那写这东西有啥用？”

这句话其实是对的。

很多系统最大的问题，就是形式上很完整，但每个格子里都没有真正能交易的信息。

空的表格，空的指标，空的红灯，空的复盘，本质上都只是漂亮的幻觉。

所以后面系统开始改成只保留能映射交易变量的事件。

新闻不是新闻。

新闻必须被翻译成变量。

比如 Oracle 的 backlog，不只是新闻，它对应 AI cloud demand 是否还在。

Vertiv 的订单，不只是新闻，它对应数据中心电力散热是不是继续卡。

Micron 的 HBM 指引，不只是财报，它对应 HBM 供需和价格是否继续紧。

如果一个事件不能回答“该加仓、减仓、观察还是排除”，它就不应该占据主界面。

最近我又把 ALAB 单独提了出来。

过去我可能会把 ALAB 看成 CPU、ASIC、服务器升级的二阶受益。

但现在这个理解不够了。

更准确的表述应该是：

AI 从单芯片扩展到异构集群以后，GPU、ASIC、CPU、NIC、内存池、存储之间的数据搬运，本身会变成新瓶颈。

ALAB 卡的不是“配件”，而是高速电连接里的信号完整性、PCIe/CXL、retimer、AEC 这些东西。

它可能从二阶受益，演变成“开放异构芯片集群互联”的一阶候选。

当然，这还没被完全证明。

它需要业绩验证：

CXL 有没有真放量？

AEC 有没有进入 AI 机架？

Aries、Leo、Scorpio 是不是形成平台化收入？

客户是不是从单一 GPU 链扩到多 ASIC、云厂自研芯片？

毛利率会不会被 Broadcom、Marvell、Credo 压掉？

但至少这个假设已经进入系统，不再只是聊天里的灵感。

这就是我想要的投资系统。

它不是替我做决定。

它是把一个新想法变成可以被跟踪、被证伪、被加权的变量。

这轮 AI 不是一个简单的应用周期。

它更像一次物理系统扩张。

模型越像魔法，背后的半导体、电力、封装、内存、网络就越像现实。

台积电的路线图里，CoWoS、SoIC、HBM、硅光子、System-on-Wafer，其实都在说明同一件事：

摩尔定律没有消失，它只是变成了系统工程。

单颗芯片做不动，就把更多芯片和 HBM 堆起来。

电跑不远，就上 retimer、AEC、光模块、硅光子。

功耗压不住，就上液冷、电力、储能、PPA。

资本开支越来越大，最后比拼的不是 PPT，而是谁能把算力系统真实交付出来。

所以 AI 投资的主线，不应该只盯模型。

也不应该只盯英伟达。

真正要盯的是：

算力系统扩张时，新的约束条件在哪里。

我现在越来越觉得，一个好的投资系统，不是让人显得更聪明。

它是让人少犯低级错误。

少因为一个新闻就冲动买入。

少因为一个概念就把二阶票当一阶票。

少因为已经持仓，就自动为它寻找利好。

少因为市场涨了，就忘记反证。

所以这个 AI 产业链系统最后不是一个“知识库”。

它更像一套约束。

它逼着我每次下注前回答几个问题：

我买的到底是什么变量？

这个变量有没有被财报、订单、价格、产能验证？

它是一阶瓶颈，还是二阶外溢？

如果错了，什么信号出现我必须认错？

如果这些问题答不上来，就不应该买。

这可能才是这套系统最大的价值。

不是让我看起来更懂 AI。

而是让我在 AI 这种巨大叙事里，尽量不被叙事吞掉。

如果说知识库解决的是“我知道多少”，交易雷达解决的就是：“今天我该不该动手，以及错了该怎么退出。”