Gavin Baker 公开说了什么@GavinSBaker
按来源日期整理他的 X、Invest Like the Best / Capital Allocators 深访与 Medium 复盘，保留摘要、相关标的和来源标签；不代表实时采集。
MMSFT 🐦 X 他认为市场担心微软削减资本开支的说法有些滑稽，暗示该担忧可能被夸大 07-27
这条资料已归入 MSFT 的跟踪线。点下面的标的进它的页面，可以看到这家公司在产业链上的位置、证据链和相关人物观点。
短摘只作入口 · 站内继续拆解 来源：@GavinSBaker
MSFT 人物终端 → 
MMETA 🐦 X 他引用Micron与Meta白皮书称，shuffle数据溢出DRAM到SSD会慢38倍，DRAM瓶颈最持久 07-26
这条资料已归入 META 的跟踪线。点下面的标的进它的页面，可以看到这家公司在产业链上的位置、证据链和相关人物观点。
短摘只作入口 · 站内继续拆解 来源：@GavinSBaker
META 人物终端 →
MMU 
NNVDA 🐦 X 他认为英伟达是领先的开源AI公司，并指出相关公开信并未要求闭源公司开源模型 07-26
这条资料已归入 NVDA 的跟踪线。点下面的标的进它的页面，可以看到这家公司在产业链上的位置、证据链和相关人物观点。
短摘只作入口 · 站内继续拆解 来源：@GavinSBaker
NVDA 人物终端 → NNVDA 🐦 X 如果这些事有哪怕一丁点是真的，那就祝所有把Nvidia当作“安全”融资做空标的的人好运吧。 07-21
把英伟达当“安全融资空头”，通常是多头组合为筹钱或对冲而卖空市值大、流动性好的AI龙头。放在产业链里，NVDA仍处在训练与推理加速卡、网络、软件生态的上游枢纽，需求强弱会传导到台积电先进制程、HBM、封装和数据中心电力。Gavin Baker会把这句话视为仓位拥挤信号：若GPU租金、利用率和每瓦token产出继续支撑资本开支，空头并不安全；若利用率下滑，才会验证泡沫叙事。这也是对AI资本开支回报率的实时压力测试。
短摘只作入口 · 站内继续拆解 来源：@GavinSBaker
NVDA 人物终端 → NNVDA 🐦 X 同样让我想不通的是，Nvidia是开源AI的头号支持者，但很多人似乎认为，开源AI模型会削弱AI基础设施需求，对Nvidia不利。 07-21
英伟达是开源AI模型的主要推动者，许多开源模型基于其CUDA生态及GPU硬件开发和优化。市场常见误解认为，开源模型会削弱对算力基础设施的需求，进而利空英伟达。但从Gavin Baker的算力经济学框架看，这种观点忽略了关键一点：开源模型的繁荣会大幅降低AI应用门槛，从而驱动总推理需求（token消耗量）呈指数级增长。推理工作负载对GPU的持续消耗，是维持其高利用率和算力租金的核心。因此，开源AI非但不会压制需求，反而会通过扩大AI应用生态，为英伟达创造更庞大、更持续的基础设施收入，这与“每瓦token”上升的趋势一致。
短摘只作入口 · 站内继续拆解 来源：@GavinSBaker
NVDA 人物终端 → NNVDA 🐦 X 来自 @theinformation 的报告挺有意思的，说Nvidia每天能生产1000个Vera Rubin机架，一个季度就是6300亿美元。说实话我有点不太信，也没去验算，但如果真是这样那就太惊人了。
而且Vera CPU机架和Groq LPU机架还得另算。
他们新的商业模式也得加上去，就是通过保障出货量来换取新云收入的分成。
我觉得最后这点分析师们还没深挖，但往后可能会变得超级重要。 07-21
英伟达Vera Rubin机柜若达日产千套规模，将带来季度约6300亿美元的庞大产能，这直接重塑全球算力供给格局，影响GPU利用率与每瓦token产出的长期均衡。英伟达正通过向Neocloud供应商提供收入分成以换取保底采购量，这一新商业模式将绑定下游云厂商，强化其算力基础设施垄断地位，也直接利好CoreWeave等依赖其GPU的云服务商。如此产能扩张需要先进制程、HBM和封装能力全面跟进，将考验台积电、美光等上游供应商的产能分配。算力ROIC的讨论需纳入此变量，供给约束形态可能因英伟达的垂直整合策略而发生根本改变。
短摘只作入口 · 站内继续拆解 来源：@GavinSBaker
NVDA 人物终端 →
CCRWV MMETA 🐦 X 他认为Kimi K3或压低模型层利润、增加竞争，有助于基础设施和软件层，但Token效率差使影响未定 07-17
这条资料已归入 META 的跟踪线。点下面的标的进它的页面，可以看到这家公司在产业链上的位置、证据链和相关人物观点。
短摘只作入口 · 站内继续拆解 来源：@GavinSBaker
META 人物终端 → MMU 🐦 X 要是SK海力士刚完成70亿美元（具体金额记不清了）的美国ADR上市，还在路演上高调唱多、嘲笑美光在长期协议中接受价格上限，结果转头就交出一份糟糕的季报，那可就太有意思了。
Semianalysis对本季度的预期远高于市场共识，而KIS的spec销售数据显然不达预期。
咱们走着瞧！ 07-13
SK海力士完成巨额美国ADR上市并乐观路演后，市场传言其本季度业绩可能不及预期，若属实将短期扰动HBM供给格局。从算力经济学框架看，HBM是AI算力的关键物理瓶颈之一，其供应紧张直接影响GPU利用率与租金。若SK海力士出现短期业绩波动，可能加剧HBM供应不确定性，为坚持价格策略的竞争对手美光提供相对稳定的定价与供应环境。此次SK海力士面临的短期压力，是观察其供应链韧性和管理层应对能力的窗口，同时也会影响下游算力资本开支的节奏。
短摘只作入口 · 站内继续拆解 来源：@GavinSBaker
MU 人物终端 → MMETA 🐦 X 人工智能基础设施的超级牛市情形，其关键假设在于：如果市场份额能从那些拥有90%以上推理利润率的前沿实验室，转移到更廉价的模型上——无论是开源的还是闭源的。
这将通过提升每一美元带来的智能水平，从而提高终端客户在人工智能领域的投资回报率，进而推动增量令牌需求。利润将从前沿实验室有效地重新分配给人工智能基础设施供应商。基础设施层的赢家将是那些单令牌成本最低的厂商，而模型层的赢家则是令牌效率最高的厂商。
黄仁勋如此专注于开源的原因有很多，但这可能是最重要的一个，我认为他现在可能不那么担心买方垄断的问题了。在其他条件相同的情况下，模型层利润率百分比降低 = 基础设施层利润总额增加。
随着SpaceX和Meta实现垂直整合，并分别拥有排名第三和第四的模型，这种情况比以往任何时候都更有可能发生。值得注意的是，Grok 4.5在某些有用任务上表现优于Fable，且成本低得多，因此将它们排在第三位算是保守估计。
这种情况目前尚未发生。廉价且主要为开源的令牌可能占据了当前的大部分用量，但大部分经济价值仍然流向最智能的模型。不过，未来可能会改变。
我们拭目以待。 07-12
Gavin Baker分析了AI推理层利润率再分配的潜在情景，核心指标为“每token成本”与“每瓦token”。他认为，若低成本模型抢占市场份额，推理成本下降将刺激总token需求，利润将从模型层（当前少数前沿实验室享有90%+利润率）转移至基础设施层。赢家将是每token成本最低的基础设施提供商（涉及GPU/TPU/ASIC、先进封装、HBM、网络与电力）及token效率最高的模型开发者。他提及META垂直整合模型与基础设施，是潜在受益方。此分析体现“workload分层”与“算力ROIC”视角，关注利润率分布对AI资本回报的影响。当前高智能模型占据大部分经济价值，但开源模型已占据多数推理量，这一结构变化将重塑产业链价值分配。
短摘只作入口 · 站内继续拆解 来源：@GavinSBaker
META 人物终端 → 
AAMD 🐦 X Grok 4.5。
在编码方面，按数据来看是帕累托优势。
我们还得看看至关重要的"氛围感"如何。
直觉上，鉴于官方强调的实际应用导向，基准测试结果很可能在方向上是准确的。 07-08
Grok 4.5在编程任务上表现突出，按Gavin Baker的算力经济学框架看，这验证了AI模型正在细分场景上追求更高效的token产出。AI竞争正从单纯堆参数转向特定工作负载优化，这对AMD的Instinct GPU系列是重要信号。若Grok 4.5真在真实场景中展现出高能效比，意味着AMD在训练和推理环节正获得更多标杆客户认可，这会影响GPU租金定价和每瓦token产出——这些正是Baker评估算力资本回报率的核心指标。短期内AMD的MI300系列在云服务商中的部署密度，将是观察其能否从NVIDIA份额中突破的关键数据点。
短摘只作入口 · 站内继续拆解 来源：@GavinSBaker
AMD 人物终端 →查看 Gavin Baker 的会员分页资料索引
免费预览最多 12 条带日期、出处与标的的公开资料；会员每页最多 200 条。没有站内标的页的 ticker 只作为市场标签。
只想先盯Gavin Baker一个？也行 —— 单订 · $79/年 → 先把这一个看穿。 跟你说实话：4 份单订一年（$316）就超过整站（$299）。想多看几个，直接整站更划算——41 位全给你、每位约 $7。哪种都行，账摆在这，你自己挑。 - 先评估覆盖 · 再单独立项：你点名一个对象——一个人（投资人 / 机构 / 分析师 / 高管）或一家公司 / 标的——我们先评估其公开数据覆盖与可采源，确认能追踪后单独立项、架设专属投研席位；踪迹不足会直说做不了，不硬凑。
- 按对象适用性启用机构级方法：13F 持仓 · Form4 内部人 · 13D-G 举牌 · 公开发声 · 跨源交叉验证 · 命中率台账——适用于 SEC 可覆盖对象；不适用的项以替代证据或缺口说明如实交付，与追踪 41 位聪明钱同一条投研流水线。
- 持续盯守 · 证据可回溯：人工 / 半自动每周投研简报 + 重大信号经人工确认后工作日提醒 + 证据链归档（本地 JSON / Markdown / SEC 链接），可回溯复盘「当时凭什么这么判」。
- 只对你一人开放：追踪口径、提醒规则、交付形式按你的决策需求定制；不进公共库、不共享。