夜雨聆风事情是这样的。
我这两天研究了一个挺有意思的交易员。
他的公开简介里写得也挺直接，前 WSB 交易员，AI 和半导体供应链分析师，现在做的事叫 trading unknown bottlenecks。
交易未知瓶颈。
这几个字我看到的时候，脑子里真的咯噔了一下。
因为这不是一个普通的炒股表达。
大多数人聊 AI 股票，聊的是 Nvidia 涨了多少，AMD 能不能追上，OpenAI 又签了谁，Meta 又砸了多少 Capex。
这些当然重要。
但这个人的思路，不是站在舞台中央看主角。
他更像是钻到舞台下面，看那根承重钢梁到底是谁家造的。
有点像，你去看一场演唱会，大家都在看台上的明星，他在后台看电源，看升降机，看音响线，看那个如果坏掉整场演唱会就直接寄了的小零件。
这个视角，很骚。
也很危险。
先说清楚，下面不是投资建议，也不是让大家去跟单某个博主。小盘科技股波动极大，公开观点也可能带来拥挤交易和情绪泡沫。
我真正感兴趣的，不是他买了什么票。
而是他到底怎么想。
因为这个方法，如果抽象出来，可能不仅适用于股票，也适用于我们理解整个 AI 时代。
我之前一直觉得，AI 时代最值钱的能力之一，不是知道一个热点。
而是能把一个热点拆开。
热点是外面那层烟花。
结构是烟花下面的火药、引线、工厂、运输车和那个在凌晨三点还得去仓库点库存的人。
这套东西，某种程度上就是在找后者。
信息差。
或者更准确一点，结构差。
这块我越想越觉得有意思。
因为你会发现，很多人所谓的研究，其实是在研究结果。
价格涨了多少。
K 线怎么走。
新闻标题怎么写。
博主情绪怎么样。
机构评级有没有上调。
这些当然也有用。
但它们大多已经是结果了。
真正更早的东西，是约束。
一个产业真正的机会，往往不是来自大家都知道的需求，而是来自需求爆发之后，谁最先不够用。
AI 训练需要 GPU，这个大家都知道。
这也是为什么我最近会特别关注 AI 存储。
因为模型越来越大，推理越来越密集，很多机会不会只出现在最闪亮的芯片上，也会出现在那些平时没人愿意多看一眼的存储、网络、封装和电力约束里。
但 GPU 多了以后，HBM 够不够？
先进封装够不够？
数据中心之间的通信够不够？
交换机带宽够不够？
光模块够不够？
电力够不够？
液冷够不够？
变压器够不够？
土地和并网够不够？
你看，问题一下子就变了。
不再是 AI 会不会发展。
而是 AI 发展到这个阶段，哪里会堵车。
堵车的地方，才可能有超额利润。
我很喜欢一个比喻。
霍尔木兹海峡。
你如果看世界能源，当然可以看石油公司，看油价，看 OPEC，看美国页岩油。
但还有一个非常小的地理位置，窄窄的一条海峡，很多油轮都得从那里过。
它不生产石油。
但它控制流量。
这就是 chokepoint。
瓶颈。
我顺着他的公开资料扒了一圈，发现他经常做的事情，就是不去追最显眼的大公司，而是倒推整条链。
从 AI 数据中心，到光通信，到 CPO，到硅光，到 InP 衬底，到 CW laser，到特种 foundry，到 Neocloud，到电力基础设施。
一路往下挖。
挖到最后，发现某个小公司可能卡在一个很窄的位置上。
它可能不性感。
甚至主页都土土的。
但如果整个产业链都要从它身上过，那它就不是土。
它是闸门。
这就是这套方法最迷人的地方。
它不是在找明星。
是在找水管。
而且是那种，平时没人看，爆管之后整栋楼都没水的水管。
说到这里，就得聊一个听起来很数学，但其实很人话的东西。
贝叶斯。
听着很劝退对吧。
但不用慌，愚钝如我，也不喜欢一上来就看到公式。
用人话讲，贝叶斯就是，你一开始有一个判断，后来你看到新证据，于是你更新这个判断。
就这么简单。
比如你本来觉得一个朋友不靠谱，这是你的先验。
后来你发现他连续三次准时交付，而且每次都提前准备好了备选方案，这是新证据。
你对他的判断就会变化。
反过来也一样。
你本来觉得一家公司很牛，后来发现它的订单只是口头意向，现金流很烂，管理层还疯狂融资稀释，那你的判断也应该变化。
这就是贝叶斯。
不是信仰。
是更新。
投资里最可怕的事，往往不是一开始看错。
是证据已经变了，你还不更新。
这尼玛就不是投资了。
这是谈恋爱。
我把这套东西拆了一下，大概可以分成四步。
先用产业研究建立一个高质量先验。
然后在信息还不完整的时候，下注认知差。
买入之后，不是盯着股价给自己找情绪按摩，而是持续用证据更新判断。
最后，把资金轮动到后验概率最高、赔率仍然好的瓶颈里。
听起来像报告。
但其实很朴素。
就是先搞清楚一个产业到底怎么运转，再找里面那个最容易被卡住的地方，然后判断市场有没有看见。
如果市场没看见，而你看见了，这里才可能有机会。
看趋势，确认这不是纯叙事，而是真需求。
拆链条，从终端需求一路倒推到材料、设备、工艺和客户认证。
找窄门，判断哪里供应商少、扩产慢、替代难、下游绕不开。
做更新，用订单、财报、毛利率、交期、客户 Capex 来修正判断。
这套方法如果真要落地，第一步其实不是打开行情软件。
而是关掉行情软件。
先别问买什么。
先问哪里会堵车。
很多人一上来就问，老师，CPO 买哪个？Neocloud 买哪个？电力买哪个？
这个问法其实已经错了。
你得先问，这个产业的真实需求是什么。
AI 数据中心扩张，是不是还在继续？
Hyperscaler 的 Capex 有没有继续上修？
模型训练和推理对网络带宽的要求，是不是越来越高？
数据中心的电力，是不是真的变成约束？
这些问题如果没有答案，直接跳到股票，就是在黑暗里摸彩票。
你以为自己在做研究。
其实只是在给情绪找借口。
第二步，是把产业链画出来。
这一步很笨。
但真的有用。
比如你研究 CPO，不要只看 CPO 这三个字。
你要拆开看，它需要哪些交换芯片，哪些光引擎，哪些 laser，哪些衬底，哪些封装，哪些测试设备，哪些 foundry，哪些客户认证。
再往上看，材料从哪来。
再往下看，谁会买，什么时候买，买多少。
一层一层拆下去。
这就像拆一只螃蟹。
远看是一只螃蟹。
拆开以后，蟹黄、蟹膏、蟹腿、蟹钳，完全不是一回事。
产业链也是这样。
一个 AI 主题里面，不同环节的利润归属，可能天差地别。
第三步，找那道窄门。
窄门有几个特征。
供应商少。
扩产慢。
客户认证难。
技术替代难。
下游绕不开。
一旦需求爆发，价格或者毛利率有改善空间。
最好还有一个点，市场还没认真看它。
这个市场没认真看，不是说完全没人知道。
而是说，它还没有被主流资金当成核心变量来定价。
比如一个公司以前被当作普通周期股、普通光通信股、普通材料股、普通云厂商。
但你研究完发现，它其实可能是某个新链条的关键节点。
这时候，机会才开始出现。
第四步，写一张 thesis 卡片。
不要只在脑子里喜欢一只股票。
一定要写下来。
这家公司位于产业链哪里。
它为什么可能是瓶颈。
如果判断正确，收入和利润弹性来自哪里。
市场现在为什么可能低估。
哪些证据会证明我对。
哪些证据会证明我错。
什么情况下加仓。
什么情况下退出。
这个动作很重要。
因为只要你不写下来，你的大脑就会偷偷作弊。
股价涨了，你会说你早就看懂了。
股价跌了，你会说长期逻辑没变。
反正怎么都能解释。
人类的大脑，在保护自尊这件事上，简直是世界顶级基金经理。
会自动调仓自己的记忆。
所以要写下来。
写下来以后，你才知道自己当初到底在赌什么。
第五步，用证据更新，而不是用情绪更新。
买入之后，不要每天只看涨跌。
涨了不一定对。
跌了不一定错。
真正要看的，是证据有没有变化。
强证据是什么？
订单，财报，backlog，毛利率，管理层指引，客户 Capex，交期，价格，竞争对手的交叉验证。
中等证据是什么？
扩产，招聘，客户认证，产业会议，专利，路线图。
弱证据是什么？
博主一句话，小道消息，社交媒体截图，股价异动，公司说自己跟 AI 有关。
最后这个我真的想笑。
现在很多公司一说自己 AI 相关，就像火锅店说自己用了区块链底料一样。
你不能不听。
但也不能真信。
证据要有重量。
而且最好能互相咬合。
客户说需求强，供应商说交期拉长，财报说毛利改善，竞争对手也说同一趋势，这种证据才有味道。
单点证据不够。
瓶颈质量 25 分，是不是真的关键、稀缺、难替代、扩产慢。
需求确定性 20 分，下游需求是不是真的，有没有 Capex 支撑。
公司受益程度 15 分，相关业务占比、利润弹性和执行力怎么样。
证据质量 15 分，财报、订单、客户、技术路线能不能互相验证。
估值赔率 15 分，市场有没有低估，上行和下行是不是不对称。
风险控制 10 分，失效条件、仓位上限、流动性风险有没有想清楚。
这套方法最容易翻车的地方，是人会越研究越爱。
最后已经不是投资了，是养电子宠物。
每天打开行情软件，看它红了就开心，看它绿了就给它找理由。
但这套方法不是这样的。
先验强，但证据早期，就只能小仓位。
证据越来越强，后验概率上升，才考虑加仓。
如果股价涨了很多，但证据没有跟上，反而要谨慎。
如果 thesis 被破坏，不管你亏了多少，都应该重新评估。
更残酷一点说，你的买入成本，市场根本不在乎。
产业链也不在乎。
现实不负责帮你解套。
还有一个点，瓶颈会迁移。
这也是我觉得这套方法最有意思的地方。
它不是一次性答案。
它是一个动态地图。
AI 这条路，最开始卡的是算力。
算力多了以后，卡存储，卡网络，卡封装，卡电力，卡散热，卡并网，卡土地，卡融资。
每一轮的瓶颈都可能不同。
所以你不能永远拿着上一轮答案，去考下一轮试卷。
这也是为什么我会对光通信、CPO、Photonics、Neocloud、电力、LNG、稀土、机器人、国家安全这些东西同时感兴趣。
不是因为这些词都热。
而是如果你的方法是找瓶颈，那你天然就会沿着瓶颈迁移。
哪里堵，就去哪里。
大时代啊，朋友们。
AI 不是一个单点技术。
它更像一次全社会基础设施重构。
有点像电力时代早期。
1880 年代，很多工厂主第一次用上电动机的时候，效率并没有立刻爆炸。
因为他们只是把蒸汽机换成了电动机，但整个工厂布局、生产流程、管理方式都没有变。
真正的红利，来自后来人们重新理解电力，把整个工厂按电力逻辑重构了一遍。
AI 也有点像这样。
一开始大家都盯着模型。
后来会发现，模型背后是一整套新的工业系统。
芯片，网络，电力，数据中心，云，软件，终端，内容，安全，监管，人才。
每一个环节都有可能出现新的窄门。
而投资，某种程度上，就是提前找到那道门。
当然，这里也有一个特别容易走偏的地方。
一旦你开始用瓶颈思维看世界，你会发现什么都像瓶颈。
这个材料也稀缺，那个设备也稀缺，这个小公司也有客户，那个管理层也说自己 AI 相关。
然后你就会陷入一种很危险的状态。
看什么都像十倍股。
不是哥们。
世界上哪有那么多十倍股。
更多时候，是十倍叙事配一倍基本面，最后打三折成交。
所以我越来越觉得，投资里很多亏损，不是因为人不够聪明。
恰恰是因为人太聪明了。
聪明到总能给一个烂逻辑找到漂亮包装。
聪明到总能把一个普通公司讲成时代入口。
聪明到最后连自己都骗过去了。
一套好的框架，真正的价值，不是让你更想冲进去。
是让你更清楚，自己到底为什么进去。
它会逼你问那些很扫兴的问题。
如果我错了，错在哪里。
如果它不是瓶颈，替代方案是什么。
如果需求是真的，利润为什么一定归它。
如果股价已经涨了 3 倍，现在还有多少赔率。
如果管理层继续融资，我的股权会被稀释多少。
如果大客户把订单砍了，我还愿不愿意拿。
这些问题都不性感。
但很值钱。
说到这里，其实我突然想到一个更大的问题。
AI 时代，我们每个人都在面对同一种东西。
信息越来越多。
噪音越来越多。
答案越来越便宜。
但判断越来越贵。
以前你不知道一个概念，可以去搜索。
现在你不知道一个概念，可以问 ChatGPT、Claude、DeepSeek，让它 10 秒钟给你写 3000 字。
知识变得很便宜。
但问题是，什么知识重要？
什么证据可信？
什么节点关键？
什么变化只是噪音？
这些不会因为 AI 更强就自动解决。
甚至会更难。
因为噪音也被 AI 放大了。
在这个时候，这套方法给我的启发不是炒股。
而是一个更底层的能力。
把世界拆成结构。
把结构拆成约束。
把约束拆成概率。
再用证据一点点更新自己的判断。
这个能力，可能比记住一堆股票代码重要得多。
如果你只是想抄作业，那这篇文章可能没啥用。
因为等你看到作业的时候，作业可能已经被全班传遍了。
但如果你愿意花时间，去画产业链，去读财报，去看技术路线，去查客户认证，去找供应商，去对照竞争对手的说法。
那你可能会慢慢拥有一种很少见的能力。
不是预测未来。
是看见未来被什么东西限制。
这件事挺迷人的。
也挺累的。
说实话，我自己也还在学习这套方法，很多地方并没有完全跑通。尤其是半导体、光通信、能源这些领域，技术细节非常深，普通人很容易看一两个帖子就觉得自己懂了。
这很危险。
看懂一个概念，和能用真钱为一个判断负责，中间差着十万八千里。
所以我觉得最好的姿势，是把它当成一个研究框架，而不是一张藏宝图。
以后看到一个热门方向，先别急着问买什么。
先问几个问题。
这个趋势是不是真的。
这个趋势会让哪里不够用。
那个不够用的地方，谁能解决。
解决的人，有没有上市公司。
市场有没有意识到。
财报有没有验证。
如果我错了，什么证据会告诉我错了。
你看，只要这么一问，很多看起来很热闹的东西，就会自己安静下来。
这大概就是框架的意义。
不是让你更快冲进去。
而是让你更清楚，自己到底为什么进去。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～
谢谢你看我的文章，我们，下次再见。
