AI 账本/全栈成本曲线 · 思想型🧾 Intelligence per Cost技术叙事→损益表
Rihard JarcUncoverAlpha · New Era Funds
「2026 关键指标是 INTELLIGENCE per COST。」
他的 alpha 不是『看多 Google』，而是把每个 AI 新闻改写成四个会计问题：成本降了多少、谁付钱、谁折旧、谁分发。市场常把 AI 链按『谁卖最热硬件』排序，他按『谁能把智能成本下降留在自己利润表』排序——这会得出与共识不同的结果(AVGO 未必是 TPU 叙事最大价值捕获者、Google 作为全栈运营者可能捕获更多)。核心动作是把技术叙事翻译成损益表：TPU 不是因为酷才重要，而是它可能让 Google 少交 Nvidia 税、提高 GCP 毛利、降低推理价格、通过 Search/Workspace/Android 分发吃掉更多价值。
UncoverAlpha 作者/基金 CIO——把每个 AI 新闻改写成四个会计问题(成本降多少/谁付钱/谁折旧/谁分发)，审计师×创业者×CIO 三副眼睛。
观点速递317+中文速递 · 持续更新
覆盖标的20他深析的 AI 票
前瞻判断5 条当前 AI 判断
发声渠道UncoverAlpha · Substack公开观点源
机构共识 · 13F 全市场
机构共识条 · 他提到的票，市场站在哪边
🛰 思想转向雷达 · 独家引擎
他此刻在赌什么 · 注意力正往哪移
不是他说过什么，而是他最近的注意力转向哪里、正在布局哪些 AI 产业链变量。引擎逐日对比公开发声与 28 天基线，自动标出 🆕 全新方向 / 📈 加码升级 / 🔁 既有强化 / 🔄 立场反转。
🔁 既有强化 ![]()
M
METAMeta Platforms / Meta
证据链 →他的原声 → 长期覆盖(累计16次) · 近7天仍 1 次(持续高关注)
云/算力平台 · chain-cloud · model · ② AI芯片 · 中层 · 云·超标量 / Meta 🔁 既有强化 ![]()
A
AMZNAmazon / 亚马逊
证据链 →他的原声 → 长期覆盖(累计13次) · 近7天仍 1 次(持续高关注)
云/算力平台 · chain-cloud · infra · ② AI芯片 · 中层 · 云·超标量 / 亚马逊主题热度 · 近 7 天
内存/存储3
AI芯片/算力2
云/AI应用1
晶圆代工1
下一验证窗口：新方向会继续进入观点流与验证中心；若后续硬数据不支持，台账会按公开数据轨记录反驳。
展示关注变化 · 非买卖建议 · 引擎 thesis_shift_detector查看完整观点流 →
公开资料流
他最近公开说了什么
和上方转向雷达同引擎 · 内存/存储 正在跟踪数据截至 2026-06-30 · thesis_shift_detector
2026-05-19 
NNVDA 🔁 既有强化 必读访谈：西门子员工揭秘 AI 驱动能源设备需求井喷——订单翻倍、交期长达5-6年、利润率飙升至20%-40%、数据中心不惜成本求电力、液冷成难题。来源：@AlphaSenseInc 详情 · 问AI → 2026-05-19 
AAMD 🔁 既有强化 西门子员工称AI数据中心引爆能源设备需求，订单、交期和利润率同步暴涨。 详情 · 问AI → 2026-06-30 
AAVGO 💬 持续跟踪 转发@BillAckman: 一篇关于 hyperscalers 的重要必读文章，也解释了为什么我们看多。 详情 · 问AI → 2026-02-04 
GGOOGL 💬 持续跟踪 $GOOGL是一家不搞炒作的公司。对他们来说，将资本开支从900亿增加到1800亿，可能是长期投资者能看到的最看涨的事情，因为它显示了未来收入增长的规模。我震惊的是，在这个阶段，大多数人仍然不理解这一点。 详情 · 问AI → 2026-06-29 
AAMZN 🔁 既有强化 我刚发表了一篇文章，讲 hyperscalers 如 $AMZN、$MSFT 和 $GOOGL 将如何在 token 优化时代受益，以及为什么我认为这些公司会被市场大幅重估。 详情 · 问AI → 2026-04-15 
MMU 💬 持续跟踪 第一次看到 $NVDA 的黄仁勋在解释 $NVDA 相对于 $GOOGL TPU 和 $AMZN Trainium 等 ASIC 的护城河时，遇到了一些麻烦。
Anthropic 为何要使用 TPU 和 Trainium？
黄仁勋：“Anthropic 是个特例，不是一种趋势”
我真得向 @dwarkesh_sp 脱帽致敬；他是为数不多的访谈者之一，首 详情 · 问AI →
NNVDA 🔁 既有强化 必读访谈：西门子员工揭秘 AI 驱动能源设备需求井喷——订单翻倍、交期长达5-6年、利润率飙升至20%-40%、数据中心不惜成本求电力、液冷成难题。来源：@AlphaSenseInc 详情 · 问AI → 2026-05-19 AAMD 🔁 既有强化 西门子员工称AI数据中心引爆能源设备需求，订单、交期和利润率同步暴涨。 详情 · 问AI → 2026-06-30 AAVGO 💬 持续跟踪 转发@BillAckman: 一篇关于 hyperscalers 的重要必读文章，也解释了为什么我们看多。 详情 · 问AI → 2026-02-04 GGOOGL 💬 持续跟踪 $GOOGL是一家不搞炒作的公司。对他们来说，将资本开支从900亿增加到1800亿，可能是长期投资者能看到的最看涨的事情，因为它显示了未来收入增长的规模。我震惊的是，在这个阶段，大多数人仍然不理解这一点。 详情 · 问AI → 2026-06-29 AAMZN 🔁 既有强化 我刚发表了一篇文章，讲 hyperscalers 如 $AMZN、$MSFT 和 $GOOGL 将如何在 token 优化时代受益，以及为什么我认为这些公司会被市场大幅重估。 详情 · 问AI → 2026-04-15 MMU 💬 持续跟踪 第一次看到 $NVDA 的黄仁勋在解释 $NVDA 相对于 $GOOGL TPU 和 $AMZN Trainium 等 ASIC 的护城河时，遇到了一些麻烦。
Anthropic 为何要使用 TPU 和 Trainium？
黄仁勋：“Anthropic 是个特例，不是一种趋势”
我真得向 @dwarkesh_sp 脱帽致敬；他是为数不多的访谈者之一，首 详情 · 问AI → 查看带日期和出处的公开资料索引；提及不等于持仓。看完整信息瀑布 →
验证中心 · 独有硬数据
他说的每句话，都会被硬数据审判——我们不替他圆场
0✅ 已印证
19⏳ 审判中
0❌ 已反驳
每条判断到裁决日自动出结果，对了记对、错了记错。待验不计入印证率，不拿待验判断凑战绩。
N NVDA GPU折旧和新代际单Token成本下降会影响AI利润真实性，尤其是融资买卡者。
✅ 证据顺风 距裁决 520 天13F·Form4·营收·股价 在审 看证据 →A AMD AMD机会不只看单卡性能，而看ROCm迁移、机柜级方案和真实客户负载。
✅ 证据顺风 距裁决 886 天13F·Form4·营收·股价 在审 看证据 →A AVGO Broadcom是TPU/ASIC设计链关键参与者，但不必然是TPU叙事最大价值捕获者。
✅ 证据顺风 距裁决 886 天13F·Form4·营收·股价 在审 看证据 →G GOOGL TPU价值不在单点芯片故事，而在减少Nvidia税、改善GCP毛利并通过分发捕获价值。
✅ 证据顺风 距裁决 1616 天13F·Form4·营收·股价 在审 看证据 →A AMZN Trainium若能外部化，是少数有机会存活的云厂自研ASIC路线。
✅ 证据顺风 距裁决 1251 天13F·Form4·营收·股价 在审 看证据 →每行的数据轨都是他够不着的独立来源，到期只裁 ✅ 印证 / ❌ 反驳，裁前只列进展。
交叉验证为 AI 依据公开硬数据客观比对，立场标“AI 推断”、留原始证据链；只陈述事实，不构成结论或建议。
他现在在追什么
提及标的 · 按产业链节点
① 全栈价值捕获 · 云与分发
② AI 算力/ASIC · 付钱方收钱方
③ neocloud/模型公司 · 资金结构风险
C每只票点进去 = 公开观点、产业链节点、验证台账和深度研判；提及不等于持仓，不构成投资建议。
Rihard Jarc的价值不在一句结论，而在把公开观点放回 AI 产业链和可验证数据轨里：先看他最近注意力转向哪里，再看观点落在哪些公司和节点，最后用验证中心持续记录对错。
他的方法论
供应链瓶颈四步
01
这家公司在 AI 账本上是付钱方还是收钱方。
付钱方还是收钱方学这套方法 →02
它占芯片、数据中心、模型、分发几层；单位智能成本是否下降、谁捕获下降后的价值。
占四层几层学这套方法 →03
经营现金流还是融资/债务/GPU 抵押——同一美元 capex 风险完全不同。
查 capex 资金来源学这套方法 →04
折旧年限是否低估真实经济消耗；GPU 经济寿命可能短于会计折旧。
会计透镜查折旧学这套方法 →一句话公式：AI 产业链变量 × 可验证标的映射 × 后续硬数据复核 → 三档情景 + 明确证伪条件
📐 我们把它系统化成一条可复用研究流水线（任意新股票都能跑一遍）
会员课程
《AI 账本：单位智能成本 × 四层全栈 × 会计透镜》 · 7 节
把他散落观点里的方法论，整合成一门能学会的系统课：核心框架、真实案例、AI 产业链全景和验证台账。教的是可迁移的投研思维，不是荐股。
00
AI 竞争回到每美元智能产出Intelligence per Cost·把叙事翻译成损益表
免费试看进入 →01四个会计问题：成本/付钱/折旧/分发每个 AI 新闻改写成这四问
🔒进入 →02四层全栈：谁把成本下降留在利润表芯片/数据中心/模型/分发·少交一层税
🔒进入 →03会计透镜：GPU 折旧是利润真假核心经济寿命可能短于会计折旧
🔒进入 →04资金来源分层：同一美元 capex 不同风险现金流自给 vs 债务/GPU抵押
🔒进入 →05另类数据预验证 + 价值捕获重排序按谁捕获价值排序·非谁卖最热硬件
🔒进入 →06有效域检查：叙事股慎用(PINS/COIN 教训)先判断问题是否适合这套工具
🔒进入 →解锁全部课程配套：每课可用「分析器」跑票交作业 · 学完能独立做 AI 产业链研报
独家映射
他布局在 AI 产业链哪一段
最强暴露：① 全栈价值捕获 · 云与分发 · ② AI 算力/ASIC · 付钱方收钱方 · ③ neocloud/模型公司 · 资金结构风险。
我们把公开观点映射成节点，而不是把一句话当结论。
⚖️ 理性看待
别盲信 · 高风险信源
- 公开观点不等于实时持仓，也不等于你的交易结论。
- 验证中心只记录公开数据能验证的部分，裁前不把待验判断算成战绩。
- AI 产业链变化快，任何方法论都需要结合财报、供需和估值边界复核。
◆ 解锁完整研究 · 越往上覆盖越广
墙后是 Rihard Jarc 的完整能力 —— 我们当他的中文研究团队 + 监控站
免费看懂他的公开资料；完整观点流保留来源日期与验证线索，人物终端仅在真实生成时提供。
先看整站（最多人选）· 要为你点名的一个对象立项 → 机构级投研追踪（在下方）
★ 最多人选 
41 位聪明钱，一个不落，全站为你追踪她们的每一次转向，你比市场先看见
43 位聪明钱大佬 —— 每一次转向，你先看见
聪明钱人的深度 —— 最聪明的几个脑子怎么想、怎么做
43位人物 · 公开资料追踪
43门课程 · 方法论学习
43套思想体系 · 认知框架
透视雷达钱的广度 —— 全市场的钱正往哪儿流
8,741家申报机构 · 全量追踪
359个可算标的 · 共识可算
337位具名掌门人 · 真实身份
188位国会议员 · 买卖披露
13F · Form 4 · 13D/G · 国会 · N-PORT 五源交叉 —— 四张信号榜(多源 / 共识 / 拥挤度 / 背离)+ 四类对比库(公司 / 机构 / 掌门人 / 国会)
只看聪明钱，你知道几个人在想什么；只看透视雷达，你知道钱在动、却不知道为什么。两个合起来，才是完整的一张图。
$299/年
平均每月 $24.9 · ≈ 一天 8 毛 聪明钱 41 位人物 + 43 门课程 + 43 套思想体系，外加透视雷达全开 · 单订一位 $79/年 = 每位 ≈ $7 41 位各自单订 = $3,397 · 整站 $299你打包省下 $3,098（立省 91%），透视雷达整个频道还是白送的
0 元开始 · 7 天完整版 → 0 元开始随时取消续费前 7 天必提醒
只想先盯Rihard Jarc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。
不荐股 · 不碰你的账户7 天免费试用随时取消续费前 7 天必提醒升级按余额补差