Jamin Ball 在公开资料中说什么
A
C
E 
NNVDA 🐦 X 转发@Yogi_Brn:"以加密方式验证 AI agents"；看起来 Nvidia 正在替我做营销……AI 安全很快就会完全… 07-28
3
短摘只作入口 · 站内继续拆解 来源：jaminball
NVDA 人物终端 → 
GGOOGL 🐦 X Google Cloud 又一次表现亮眼。他们现在的年化收入约为 ~$99B，同比增长 82%。同比增长又一次大幅跃升
下面是季度同比增长趋势 $GOOG 07-22
595
短摘只作入口 · 站内继续拆解 来源：jaminball
GOOGL 人物终端 → 
MMETA 🐦 X RT @alighodsi：强烈推荐对 @matei_zaharia 关于开源 @omnigent_ai 的访谈。元框架是未来！ 07-18
Omnigent 处在智能体开发栈的编排层，本身不训练模型，而是把代码助手、定制代理和企业策略放进同一工作流，解决会话继承、权限控制、多人协作和工具互操作问题。按 Jamin Ball 的口径，这类开源项目不能只按开发者热度估值，要看它能否提升 Databricks 数据平台的粘性，带来企业版席位、云资源消耗或服务收入，还要看治理能力是否转成续费扩张。文本里的 META 更像因“元编排”触发的误配，并非 Meta Platforms 的订单或财报信号。
短摘只作入口 · 站内继续拆解 来源：jaminball
META 人物终端 → GGOOGL 🐦 X 转推 @TechCrunch：一位前DeepMind研究员如何在推出产品前就获得3亿美元的种子轮前估值 07-16
Elorian 由前 Google DeepMind 研究员创立，未发产品前即以五千五百万美元种子轮、约三亿美元估值融资，位置在视觉基础模型和多模态应用之间。它说明大厂研究人才正在外部化为新的前沿实验室，对 GOOGL 不是直接收入损失，却是人才和技术溢出的观察点。Jamin Ball 会把高估值放回可审计表格：先看产品何时进入收入瀑布，再看推理成本、客户试用转付费和续费，而不是只给履历溢价。若视觉模型不能形成持续调用，估值锚会回到可比公司倍数。
短摘只作入口 · 站内继续拆解 来源：jaminball
GOOGL 人物终端 → 
SSNOW 🐦 X 转发@ckellytoole: 很高兴看到 @Snowflake 在成本/性能问题上与我们互动！
我们同意，这是最重要的维度之一… 07-02
Snowflake 是企业数据云和分析仓库，位于 AI 产业链的数据底座层：模型训练、RAG、BI 和应用代理都要先把数据放在可治理、可查询的位置。围绕成本/性能的讨论直接关系 SNOW 的消费型收入，客户会把同一工作负载在 Snowflake、Databricks、BigQuery 等平台间比较。Jamin Ball 会把这类反馈看成比“AI 数据平台”叙事更硬的数据点：单位查询成本、毛利压力、净收入留存和工作负载迁移，决定 SNOW 能否守住数据层价值，因此季度用量变化会被快速放大。
短摘只作入口 · 站内继续拆解 来源：jaminball
SNOW 人物终端 → 
CCRWV 🐦 X 对这部分感觉好一些了：‘你要么作为 AI 失败者死去，要么活得足够久，变成一家 neocloud。所有人都在变成 neocloud！除了许多独立公司之外’ 07-02
算力基础设施商业模式正从“AI赌徒”转向“新云”，CoreWeave是这一转型的缩影。传统云厂商将AI推理成本内化，而CoreWeave等新玩家则通过专注GPU集群运营，将企业自建AI基础设施的需求货币化，转化为增量收入。这验证了“AI收入瀑布”模型中云厂商首先获益的第一层。但随着新旧玩家涌入，供应激增可能使定价权从稀缺性转向成本效率，压缩毛利。因此，CoreWeave能否从“AI赌徒”进化为可持续的“新云”，关键在于其单位经济模型（如每GPU小时毛利率、FCF转化率）在规模化后能否保持稳健。
短摘只作入口 · 站内继续拆解 来源：jaminball
CRWV 人物终端 →KQ036930.KQ 🐦 X 我喜欢 @databricks 对“数据领域”五大王国的划分： 1. OLTP 数据库 2. 数据工程 3. 数据科学 4. 数据仓库 5. 实时分析 严格来说，还有一个第六类“包罗万象”的细分数据库 06-22
Databricks 把数据栈拆成交易数据库、数据工程、数据科学、数仓和实时分析，等于给企业 AI 的数据底座画出价值链地图：交易库接近系统记录，工程和数仓负责整理语义，实时分析支撑 agent 的低延迟反馈。Jamin Ball 会把它当作拆 AI 收入归属的框架，看 Databricks 是只吃处理层预算，还是向记录系统和应用入口扩张；对私有 AI 基础设施估值，分层越清楚，越能判断收入来自替换旧栈还是新增工作负载。输入里的 036930.KQ 与该数据基础设施主题无直接产业链关系。
短摘只作入口 · 站内继续拆解 来源：jaminball
036930.KQ 人物终端 → CCRWV 🐦 X SpaceX 又签下一份计算协议，这次是与开源模型开发公司 Reflection。每月1.5亿美元用于 GB300s。SpaceX 成为新云！
与 Anthropic 的交易1
Colossus 1 和 Colossus 2。Anthropic 包揽了所有 Colossus 1
每月12.5亿美元
约32.5万总芯片，大致分为15万 H100s、5万 H200s、12.5万 GB200s
混合时薪约5-6美元
与 Google 的交易2
Colossus 2
每月9.2亿美元
约11万 GB200s/GB300s（具体芯片未明确）
时薪约11-12美元
与 Reflection 的交易3
Colossus 2
每月1.5亿美元
约1.8万 GB300s
芯片数量未披露，但如果使用与 Google 交易相同的时薪率，隐含的 GB300s 数量约为1.8万
总结
每月23.2亿美元
Blackwells 的时薪超过10美元（这是非常高的费率）
这些都是短期交易... 每方都有90天的退出条款 06-22
SpaceX正从火箭公司转型为高端GPU算力租赁商，其与Anthropic、Google及Reflection签订的短期合约（均含90天退出条款）揭示了算力市场关键信号。这印证了Jamin Ball的观察：AI产业链投入正从芯片层向基础设施层蔓延，但合同短期性暗示需求方仍在寻求灵活性，对长期锁定成本存疑。高达10美元/小时以上的GB300租赁价格凸显了顶级算力的稀缺性和定价权，对英伟达构成直接利好。然而，这种短期高溢价模式若不能转化为长期稳定需求，其持续性存疑，可能成为未来估值调整的风险点。Ball的分析框架强调将叙事落实到可审计指标，这些合约数据正是验证AI投资是否具有坚实经济基础的关键。
短摘只作入口 · 站内继续拆解 来源：jaminball
CRWV 人物终端 → SSNOW 🐦 X Databricks 的基准测试中出现新玩家！历史上他们总是有红色条（代表自己的性能）和浅蓝色条（代表 Snowflake）。但现在出现了黄色条，这个 '黄色公司' 是 @ClickHouseDB。实时分析升级到大联盟，在 AI 和代理驱动的世界中实时性是必需的。@ceo_clickhouse 是顶级专家之一。在超大规模厂商之外，数据仓库/湖仓之战历史上只有两个玩家，现在有了第三个！这个市场继续是基础设施中最战略性的市场之一。 06-16
ClickHouse 被放进 Databricks 与 Snowflake 对照基准，说明实时分析不再只是旁支数据库，而在 AI agent 场景里成为低延迟数据平面的核心候选。它位于数据仓库、日志分析和事件流处理的交界处，上游吃云算力，下游服务风控、监控、个性化和自动化决策。对 SNOW 是竞争数据点：若客户把新增实时工作负载交给 ClickHouse，Snowflake 的扩张收入和高倍数叙事都需要用净收入留存、产品附加率和查询量迁移来验证。对 Ball 来说，这是“系统记录没死但被推下栈”的又一个可量化样本。
短摘只作入口 · 站内继续拆解 来源：jaminball
SNOW 人物终端 → 
WWDAY 🐦 X 在 @databricks 峰会上，@alighodsi 的主题演讲非常精彩。要点如下：Databricks 现在是数据处理平台、数据平台、代理平台和应用平台。架构更新：Iceberg/表格式 v3 已 GA，统一数据层；v4 计划 2026 Q4 统一元数据。Lakeflow 摄取：ZeroBus 替代 Kafka；Spark 实时模式延迟低于 10ms；Lakeflow Designer 拖拽式设计；100+ 连接器。Lakebase + LTAP：开源 Postgres 上湖，无服务器自动缩放；LTAP 统一事务和分析层。Unity AI Gateway：统一 AI 入口，支持所有代理和模型。Genie：基于本体论的代理平台，构建知识图谱，赋能四个代理。新垂直应用：Lakewatch 安全湖仓；Customer Lake 代理 CDP。 06-16
Databricks 的发布把湖仓从分析平台推向“数据操作系统”：统一表格式降低迁移摩擦，Lakeflow 接入企业 SaaS 与实时数据，Lakebase/LTAP 触碰交易层，Unity AI Gateway 把模型采购、身份、审计和预算收口，Genie 再把语义层变成 agent 入口。按 Jamin Ball 的框架，这是典型的 AI 收入瀑布争夺：价值从 OpenAI、Anthropic、GOOGL 的模型 token，向数据治理、工作流和应用界面重新分配；WDAY、META、GOOGL 更多是数据源、连接器和模型供给位置。真正要核验的是这些模块能否提高平台净留存，而不是发布会功能数量。
短摘只作入口 · 站内继续拆解 来源：jaminball
WDAY 人物终端 →MMETAGGOOGL KQ036930.KQ 🐦 X Inferact团队被他视为高密度工程团队，人才质量仍是早期AI公司的信号。 06-13
从 Jamin Ball 的框架来看，对 Inferact 的简短肯定信号指向 AI 应用层竞争力的底层逻辑。他认为推理成本通缩正释放应用层实验，但应用层能否跑出来最终要看 unit economics 是否成立。一位强调可审计指标的分析师突然聚焦 AI 公司的工程密度，意味着应用层价值正从“谁有模型”转向“谁能以足够低的边际成本把模型落地成可重复收入的产品”。Inferact 若具备强工程团队，对应更快迭代速度、更低试错 COGS 和更优 CAC payback 潜力，这在 seat 到 usage 的定价迁移中决定谁能将增量调用变现而非吃掉毛利。结合他长期盯 DDOG、NOW、CRM、SNOW 的习惯，这类表态常为后续指标拆解埋下伏笔，是叙事验证期的早期观察点。
短摘只作入口 · 站内继续拆解 来源：Jamin Ball
036930.KQ 人物终端 →查看 Jamin Ball 的会员分页资料索引
免费预览最多 12 条公开资料；会员每页最多 200 条。人物终端仅在真实生成时提供，无内容标的只显示标签，不跳旧研报库。
只想先盯Jamin Ball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。