公开资料索引 · 数据截至 2026-07-27🧾 Intelligence per Cost
Rihard Jarc 在公开资料中说什么
按数据截至 2026-07-27 的公开发声与研究资料整理，保留日期、来源和相关标的，不代表实时采集。 标的有真实人物终端时才可点击；无内容只做市场标签。
253已整理资料数据截至 2026-07-27
核心覆盖标的
KS
KS
A
A 资料中提及
筛选标的
免费预览 12 / 253 · 会员每页最多 200 条
AAMD 🐦 X 很多人都盯着为什么 $NVDA 的交易倍数看起来偏低；这背后有几个原因。我这里不是在争论这些理由对还是错，但这些是真实存在的原因：
1. 如果今天 $TSM 的分配被重置，而 $GOOGL、$AMZN 和 $AMD 能够按自己的意愿订购尽可能多的 TPU、Trainium、MI400 产能，那么订单会发生什么，这是一个很大的问题。这个问题随后会扩展成几年后当 $AMZN 和 $GOOGL 拥有足够 $TSM 分配时会发生什么。他们会把大部分转向自己的本地 ASIC 吗（就像 $AMZN 在 CPU 上用其 Graviton CPU 所做的那样）？
2. 越来越像是 $NVDA 通过对 neocloud 的兜底和投资，试图在更快时间线上“买进”更多、更大的订单，这通常不是一个健康信号。
3. 如果你真的相信计算短缺和高需求会持续多年，那么可以说，更好的 AI 狂热“玩法”是通过内存制造商或半导体产业链中其他价格弹性更强、同时又无法被跳过的部分，因为它们代表着关键且近乎垄断的供应链。
4. 毫无疑问，过去一年芯片设计层出现的竞争比前几年更多，包括 Tranium、TPU、$AMD、Cerebras 以及许多其他公司，因此把 75% 的 $NVDA 毛利率外推到长期未来，看起来比一年前更不可能。
再次说明，我不是在为这些观点中的任何一个背书；我只是列出一些真实存在的理由，因为那种认为市场 100% 错了、只看远期 P/E 并因为一家公司的远期估值看起来便宜就认为投资逻辑很好的叙事，并不是正确的投资方式。 07-27
很多人都盯着为什么 $NVDA 的交易倍数看起来偏低；这背后有几个原因。我这里不是在争论这些理由对还是错，但这些是真实存在的原因：
1. 如果今天 $TSM 的分配被重置，而 $GOOGL、$AMZN 和 $AMD 能够按自己的意愿订购尽可能多的 TPU、Trainium、MI400 产能，那么订单会发生什么，这是一个很大的问题。这个问题随后会扩展成几年后当 $AMZN 和 $GOOGL 拥有足够 $TSM 分配时会发生什么。他们会把大部分转向自己的本地 ASIC 吗（就像 $AMZN 在 CPU 上用其 Graviton CPU 所做的那样）？
2. 越来越像是 $NVDA 通过对 neocloud 的兜底和投资，试图在更快时间线上“买进”更多、更大的订单，这通常不是一个健康信号。
3. 如果你真的相信计算短缺和高需求会持续多年，那么可以说，更好的 AI 狂热“玩法”是通过内存制造商或半导体产业链中其他价格弹性更强、同时又无法被跳过的部分，因为它们代表着关键且近乎垄断的供应链。
4. 毫无疑问，过去一年芯片设计层出现的竞争比前几年更多，包括 Tranium、TPU、$AMD、Cerebras 以及许多其他公司，因此把 75% 的 $NVDA 毛利率外推到长期未来，看起来比一年前更不可能。
再次说明，我不是在为这些观点中的任何一个背书；我只是列出一些真实存在的理由，因为那种认为市场 100% 错了、只看远期 P/E 并因为一家公司的远期估值看起来便宜就认为投资逻辑很好的叙事，并不是正确的投资方式。
454
短摘只作入口 · 站内继续拆解 来源：RihardJarc
AMD 人物终端 →
AAMZN
GGOOGL AAMZN 🐦 X 所以从字里行间看，$AMZN 和 $PINS 签了一份 $4B 的长期算力协议。$PINS 也将使用 AWS Trainium。
当投资者在寻找“AI 中下一个半导体瓶颈”时，算力瓶颈正被投资者忽视。像 $MSFT、$AMZN 和 $GOOGL 这样的算力提供商将会上调价格，而且大多数客户已经想签长期算力协议来锁定价格。 07-27
所以从字里行间看，$AMZN 和 $PINS 签了一份 $4B 的长期算力协议。$PINS 也将使用 AWS Trainium。
当投资者在寻找“AI 中下一个半导体瓶颈”时，算力瓶颈正被投资者忽视。像 $MSFT、$AMZN 和 $GOOGL 这样的算力提供商将会上调价格，而且大多数客户已经想签长期算力协议来锁定价格。
137
短摘只作入口 · 站内继续拆解 来源：RihardJarc
AMZN 人物终端 →GGOOGL
MMSFT AAMZN 🐦 X 有意思的是没有 $AMZN 的签名，尽管他们从开源模型生态中受益很多。
也许真正原因会在下周 $AMZN 财报中揭晓，因为我们会从 AWS 上 Anthropic 使用情况看到他们的 Bedrock 数据。 07-24
有意思的是没有 $AMZN 的签名，尽管他们从开源模型生态中受益很多。
也许真正原因会在下周 $AMZN 财报中揭晓，因为我们会从 AWS 上 Anthropic 使用情况看到他们的 Bedrock 数据。
84
短摘只作入口 · 站内继续拆解 来源：RihardJarc
AMZN 人物终端 → GGOOGL 🐦 X 这也为 $META 和 $GOOGL 继续推动模型开发提供了理由，即便它们比 SOTA 慢一步。 07-24
AAMZN 🐦 X 真实世界的大规模生产 AI 工作负载已经大多运行在非 SOTA 模型上。
为此，开源模型一直很关键。限制对它们的访问在我看来会是一个错误，并会形成 Ant 和 OAI 的双头垄断。长期价值将大幅从数据中心基础设施（$AMZN、$GOOGL 和 $MSFT）以及半导体转向 AI 模型层。
是的，如果最终只有两个真正拥有强大议价能力的算力买家，连半导体也会遇到麻烦。 07-24
真实世界的大规模生产 AI 工作负载已经大多运行在非 SOTA 模型上。
为此，开源模型一直很关键。限制对它们的访问在我看来会是一个错误，并会形成 Ant 和 OAI 的双头垄断。长期价值将大幅从数据中心基础设施（$AMZN、$GOOGL 和 $MSFT）以及半导体转向 AI 模型层。
是的，如果最终只有两个真正拥有强大议价能力的算力买家，连半导体也会遇到麻烦。
49
短摘只作入口 · 站内继续拆解 来源：RihardJarc
AMZN 人物终端 →GGOOGLMMSFT AAMZN 🐦 X $GOOGL 继续大举投资 AI CapEx，因为他们清楚地看到了回报：
1. Google Cloud 收入同比增长 82%（管理层评论称“GCP 的增长快于 Cloud 整体”）。Cloud 运营利润率同比增至三倍，达到 35.6%，高于去年 Q2 的 20.7%
2. 待履约订单 $514B：“我们预计将在未来 24 个月内把总待履约订单中略高于 50% 的部分确认为收入”
3. 这次 CapEx 增加是因为更多产能，而不是组件涨价：
“区间上调主要是由于加快交付产能，以满足不断增长的需求。”
4. $GOOGL 暗示，如果组件价格继续上涨，他们将提高价格：
“听着，我们是在一个严格的 ROIC 框架下运作。显然，在我们的投入成本上升的情况下，我们会把这一点反映到我们为解决方案定价并从中获得回报的能力中”
5. 他们对 ROI 的信心甚至比一年前更强：
“所以我认为，如果说有什么不同的话，当前动态看起来比大约一年前更健康”
6. 对于那些担心这会失控的怀疑者，$GOOGL 确实向我们表明，这并不是不惜一切代价：
“但我们也希望确保我们不仅有具韧性的增长前景，也有具韧性的资产负债表和强健的资产负债表、健康的资产负债表，这就是我们扩展到股票市场的理由。目前，我们不打算再次回到股票市场，例外是，如你所记得的，我们股票发行的一部分是 ATM”
我认为，事后回看，我们会把这段时期视为超大规模云厂商 $AMZN、$MSFT、$GOOGL 和 $META 最重要的时期之一，因为它们正在转变为经济的 AI 骨干，并收获它们在这段时间所做投资的收益。和所有转型期一样，市场正在平衡短线交易者和长期投资者的胃口。 07-23
$GOOGL 继续大举投资 AI CapEx，因为他们清楚地看到了回报：
1. Google Cloud 收入同比增长 82%（管理层评论称“GCP 的增长快于 Cloud 整体”）。Cloud 运营利润率同比增至三倍，达到 35.6%，高于去年 Q2 的 20.7%
2. 待履约订单 $514B：“我们预计将在未来 24 个月内把总待履约订单中略高于 50% 的部分确认为收入”
3. 这次 CapEx 增加是因为更多产能，而不是组件涨价：
“区间上调主要是由于加快交付产能，以满足不断增长的需求。”
4. $GOOGL 暗示，如果组件价格继续上涨，他们将提高价格：
“听着，我们是在一个严格的 ROIC 框架下运作。显然，在我们的投入成本上升的情况下，我们会把这一点反映到我们为解决方案定价并从中获得回报的能力中”
5. 他们对 ROI 的信心甚至比一年前更强：
“所以我认为，如果说有什么不同的话，当前动态看起来比大约一年前更健康”
6. 对于那些担心这会失控的怀疑者，$GOOGL 确实向我们表明，这并不是不惜一切代价：
“但我们也希望确保我们不仅有具韧性的增长前景，也有具韧性的资产负债表和强健的资产负债表、健康的资产负债表，这就是我们扩展到股票市场的理由。目前，我们不打算再次回到股票市场，例外是，如你所记得的，我们股票发行的一部分是 ATM”
我认为，事后回看，我们会把这段时期视为超大规模云厂商 $AMZN、$MSFT、$GOOGL 和 $META 最重要的时期之一，因为它们正在转变为经济的 AI 骨干，并收获它们在这段时间所做投资的收益。和所有转型期一样，市场正在平衡短线交易者和长期投资者的胃口。
365
短摘只作入口 · 站内继续拆解 来源：RihardJarc
AMZN 人物终端 →GGOOGL
MMETA GGOOGL 🐦 X $GOOGL 的云业务数据非常强：
Google cloud 收入同比增长 82%，大幅加速。
但更有价值的是 MARGIN。云业务利润率从约 21% 升至约 36%。
计算资源短缺是送给 hyperscalers 的礼物。 07-22
$GOOGL 的云业务数据非常强：
Google cloud 收入同比增长 82%，大幅加速。
但更有价值的是 MARGIN。云业务利润率从约 21% 升至约 36%。
计算资源短缺是送给 hyperscalers 的礼物。
391
短摘只作入口 · 站内继续拆解 来源：RihardJarc
GOOGL 人物终端 → AAMZN 🐦 X $AMZN、$MSFT 和 $GOOGL 会在这场计算资源短缺中提价。投资者预期利润率会低于 AI 之前的时代。
接下来几年至少可能出现的情况，其实正好相反：由于短缺，利润率会更高。 07-22
$AMZN、$MSFT 和 $GOOGL 会在这场计算资源短缺中提价。投资者预期利润率会低于 AI 之前的时代。
接下来几年至少可能出现的情况，其实正好相反：由于短缺，利润率会更高。
330
短摘只作入口 · 站内继续拆解 来源：RihardJarc
AMZN 人物终端 →GGOOGLMMSFT AAMZN 🐦 X 一位前$AMZN AWS高层员工分享了他对Bedrock、CPU/GPU需求的看法，以及为何无论封闭还是开源模型，超大规模云服务商都能双赢：
1. 他认为AWS Bedrock的利润率高于AWS SageMaker，因为Bedrock并非基础计算产品。他提到，当你在计算堆栈中上升一级，利润率会增加约15%。
2. 他举了一个假设例子，说明当客户使用AWS Bedrock并采用Anthropic作为底层模型时，收入如何分配：首先，AWS因将客户引荐给Anthropic获得20%分成；然后Anthropic可能获得40%，剩余40%归AWS用于运行和运营该模型。
3. AWS、GCP和Azure在人工智能领域能够提供整体化服务，而非单一功能。这不仅关乎模型，还涉及治理、安全护栏、数据、CPU计算、数据库、存储等多个方面。
4. 他估计未来几年随着智能体AI的发展，CPU与GPU的需求比例将达到2至3倍。
5. 关于封闭模型与开源模型谁将胜出，他认为无论结果如何，超大规模云服务商都能双赢，因为客户始终需要GPU和计算资源。他还认为，如果开源或开放权重模型获胜，$AMZN最终利润率可能更高，因为无需支付许可费用，并可自行定制模型。
信息来源：@AlphaSenseInc 07-21
一位前$AMZN AWS高层员工分享了他对Bedrock、CPU/GPU需求的看法，以及为何无论封闭还是开源模型，超大规模云服务商都能双赢：
1. 他认为AWS Bedrock的利润率高于AWS SageMaker，因为Bedrock并非基础计算产品。他提到，当你在计算堆栈中上升一级，利润率会增加约15%。
2. 他举了一个假设例子，说明当客户使用AWS Bedrock并采用Anthropic作为底层模型时，收入如何分配：首先，AWS因将客户引荐给Anthropic获得20%分成；然后Anthropic可能获得40%，剩余40%归AWS用于运行和运营该模型。
3. AWS、GCP和Azure在人工智能领域能够提供整体化服务，而非单一功能。这不仅关乎模型，还涉及治理、安全护栏、数据、CPU计算、数据库、存储等多个方面。
4. 他估计未来几年随着智能体AI的发展，CPU与GPU的需求比例将达到2至3倍。
5. 关于封闭模型与开源模型谁将胜出，他认为无论结果如何，超大规模云服务商都能双赢，因为客户始终需要GPU和计算资源。他还认为，如果开源或开放权重模型获胜，$AMZN最终利润率可能更高，因为无需支付许可费用，并可自行定制模型。
信息来源：@AlphaSenseInc
该信息揭示了亚马逊AWS在AI价值链中的分层利润捕获机制。前AWS员工指出，Bedrock相比基础计算产品SageMaker存在约15%的附加利润率。其核心盈利逻辑在于，当客户通过Bedrock使用第三方模型时，AWS通过收取20%的平台费，并分担40%的模型运行成本，从而在治理、安全、数据等多个层面实现价值捕获。这验证了Rihard Jarc的分析框架：AWS作为全栈云厂商，在AI推理成本中是关键的“收钱方”和“分发方”。无论开源或闭源模型胜出，云厂商都处于双赢地位，因为客户始终需要底层GPU和计算资源，且云厂商可通过定制开源模型获得更高利润。这表明AMZN的AI收入不仅来自硬件算力，更来自上层管理服务溢价，直接影响其利润表质量。
短摘只作入口 · 站内继续拆解 来源：RihardJarc
AMZN 人物终端 → AAMZN 🐦 X 我刚刚发布了第二季度渠道检查和另类数据报告。
1. $AMZN、$MSFT 和 $GOOGL 的数据。有一家云服务提供商本季度势头强劲。
2. $MSFT Copilot 的使用趋势以及 SaaS 面临的阻力。
3. 广告技术平台（$META）上的使用量显示出强劲增长。 07-17
我刚刚发布了第二季度渠道检查和另类数据报告。
1. $AMZN、$MSFT 和 $GOOGL 的数据。有一家云服务提供商本季度势头强劲。
2. $MSFT Copilot 的使用趋势以及 SaaS 面临的阻力。
3. 广告技术平台（$META）上的使用量显示出强劲增长。
Rihard Jarc 发布了第二季度的渠道调研与另类数据报告，核心验证其“单位智能成本”框架。报告指出，三大云巨头中有一家动能显著，这直接关系到“谁在为AI付钱”以及“谁的毛利率受益于自研芯片（如TPU/Trainium）带来的成本下降”。微软 Copilot 的使用趋势和 SaaS 逆风，则指向分发环节的价值捕获能否兑现，以及AI赋能是否真正转化为订阅收入。Meta 广告技术平台的强劲加速，是“单位智能成本”通过提升广告转化效率从而创造直接利润的典型例证，验证了其“分发层”捕获价值的理论。对 Jarc 而言，这些另类数据是比管理层口径更早的先行指标，用于判断其框架中“成本下降最终留在谁的利润表上”这一核心问题是否按预期发展。
短摘只作入口 · 站内继续拆解 来源：RihardJarc
AMZN 人物终端 →GGOOGLMMETA AAMZN 🐦 X Kimi K3 的发布再次撼动了人工智能价值链的格局，对云服务提供商（$AMZN, $GOOGL, $MSFT）来说，这是一个梦寐以求的场景。
随着单位智能成本迅速下降，企业将希望超大规模云服务商充当多个模型及模型提供商的编排层，同时从现有基础设施中榨取更多的token产出。 07-16
Kimi K3 的发布再次撼动了人工智能价值链的格局，对云服务提供商（$AMZN, $GOOGL, $MSFT）来说，这是一个梦寐以求的场景。
随着单位智能成本迅速下降，企业将希望超大规模云服务商充当多个模型及模型提供商的编排层，同时从现有基础设施中榨取更多的token产出。
Kimi K3作为中国开源模型新锐，其发布标志着开源能力持续逼近前沿，直接压低全行业单位智能成本。这恰好落入Rihard Jarc的核心分析框架：成本下降后，价值向哪层转移？其结论是利好云厂商。逻辑链条是：当模型层因开源竞争利润趋薄，企业客户反而需要更强大的编排层来管理多模型、优化推理效率、保障安全合规——这正是云厂商的优势所在。它们无需自研最强模型，而是通过提供算力、MLOps工具和分发渠道，将智能成本下降转化为平台粘性与毛利。这符合Jarc对AI链价值捕获的排序：云厂商作为分发与基础设施整合者，可能比单一硬件或模型公司更能将技术红利留在自身利润表上。
短摘只作入口 · 站内继续拆解 来源：RihardJarc
AMZN 人物终端 →GGOOGLMMSFT GGOOGL 🐦 X 看起来$GOOGL在模型开发上遇到了一些障碍，但我绝不会小看Demis。 07-16
看起来$GOOGL在模型开发上遇到了一些障碍，但我绝不会小看Demis。
GOOGL 的变量在模型层：Gemini 若遇到能力、节奏或产品化阻力，会削弱其在云、搜索和 Workspace 分发端把推理成本优势变成收入的速度。按 Rihard Jarc 的账本，这不是单纯的模型排名问题，而是 TPU 自研算力、DeepMind 研发效率和终端流量入口能否共同降低每美元智能成本。利空点在短期叙事，关键仍是 Google 是否把芯片到分发的全栈优势留在自身利润表，并减少外购 GPU 税；验证要看 GCP 毛利、Gemini 调用量、客户续费和搜索改造节奏。
短摘只作入口 · 站内继续拆解 来源：RihardJarc
GOOGL 人物终端 → ◆ 解锁完整研究 · 越往上覆盖越广
查看 Rihard Jarc 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。
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