AI 算力經濟學解釋第一人 · crossover PM🔥 算力經濟學派管 Fidelity OTC 8 年 · 物理約束派
Gavin BakerAtreides Management
「GPU 利用率是 AI 公司的新 ROIC；泡沫由物理供給約束和資產回報共同決定。」
他的稀缺 alpha 是 AI 算力經濟學：先問一個數據中心是不是 token factory，再看每瓦 token 吞吐、每 token 價格、GPU 租金、利用率、折舊、資金來源和 workload 分層。和 Dylan 的工程瓶頸不同，Gavin 更關心這些物理資產能否產出足夠現金流量，避免把所有 CapEx 都當好 CapEx。
AI 算力經濟學解釋第一人——把"AI 是不是泡沫"翻譯成瓦特/晶圓/GPU 利用率/token 經濟學，看算力資產是否產生回報。
組合總市值待核SEC 13F 口徑
揭露持股待核揭露 Top（季度快照）
AI 暴露待核按 AI 節點估算
揭露季度待核國會 PTR / 轉述
CRWV機構共識 · 13F 全市場
機構共識條 · 他提到的票，市場站在哪邊
🛰 思想轉向雷達 · 獨家引擎
他此刻在賭什麼 · 注意力正往哪移
不是他說過什麼，而是他最近的注意力轉向哪裡、正在版面配置哪些 AI 產業鏈變數。引擎逐日對比公開發聲與 28 天基線，自動標出 🆕 全新方向 / 📈 加碼升級 / 🔁 既有強化 / 🔄 立場反轉。
主題熱度 · 近 7 天
AI晶片/算力晶片6
雲端/算力平台5
光通訊/CPO2
晶圓代工1
下一驗證視窗：新方向會繼續進入觀點流與驗證中心；若後續硬資料不支援，臺賬會按公開資料軌記錄反駁。
展示關注變化 · 非買賣建議 · 引擎 thesis_shift_detector檢視完整觀點流 →
公開資料流
他最近公開說了什麼
和上方轉向雷達同引擎 · AI晶片/算力晶片 正在追蹤資料截至 2026-06-26 · thesis_shift_detector
2026-07-17 
MMETA 💬 持續追蹤 他認為Kimi K3或壓低模型層獲利、增加競爭，有助於基礎設施和軟體層，但Token效率差使影響未定 詳情 · 問AI → 2025-03-31 
TTSLA 🔁 既有強化 值得一看，尤其是對 DOGE 持懷疑態度的人。
@AntonioGracias 是我最親密的朋友之一，是我認識的最傑出、最正直的人之一。
感謝他、馬斯克和其他許多人為 🇺🇸 在 DOGE 服務。 詳情 · 問AI → 2025-10-30 TTSLA 🔁 既有強化 我的公司 @atreidesmgmt 將投票支援Elon Musk基於績效的薪酬方案。
我希望我投資的每家公司都有類似的計劃。
我認為股東通常應支援精心設計的基於績效的CEO薪酬方案，因為它們激勵CEO創造變革性增長和價值。這些方案的基本邏輯是，如果CEO讓股價10倍增長（門檻是2倍），他們獲得增量價值創造的10%。所以股東獲得900%的股價增長，CEO 詳情 · 問AI → 2026-07-12 MMETA 💬 持續追蹤 人工智慧基礎設施的超級牛市情形，其關鍵假設在於：如果市場份額能從那些擁有90%以上推論獲利率的前沿實驗室，轉移到更廉價的模型上——無論是開源的還是閉源的。
這將通過提升每一美元帶來的智慧水平，從而提高終端客戶在人工智慧領域的投資回報率，進而推動增量令牌需求。獲利將從前沿實驗室有效地重新分配給人工智慧基礎設施供應商。基礎設施層的贏家將是那些單令牌成本最低的廠 詳情 · 問AI → 2025-02-18 
GGOOGL 💬 持續追蹤 Grok-3是首個在Chatbot Arena得分超過1400的模型，超越了OpenAI和Google的最佳公開推論模型。xAI比DeepMind晚成立13年，比OpenAI晚8年，但現在領先兩者。AI實驗室的“SR-71黑鳥”。 詳情 · 問AI → 2026-01-14 
MMSFT 💬 持續追蹤 Claude Cowork 才是 Copilot 應該有的樣子。顯然用 Claude Code 在10天內建置，而 Microsoft 已經為 Copilot 工作多年。 詳情 · 問AI →
MMETA 💬 持續追蹤 他認為Kimi K3或壓低模型層獲利、增加競爭，有助於基礎設施和軟體層，但Token效率差使影響未定 詳情 · 問AI → 2025-03-31 TTSLA 🔁 既有強化 值得一看，尤其是對 DOGE 持懷疑態度的人。
@AntonioGracias 是我最親密的朋友之一，是我認識的最傑出、最正直的人之一。
感謝他、馬斯克和其他許多人為 🇺🇸 在 DOGE 服務。 詳情 · 問AI → 2025-10-30 TTSLA 🔁 既有強化 我的公司 @atreidesmgmt 將投票支援Elon Musk基於績效的薪酬方案。
我希望我投資的每家公司都有類似的計劃。
我認為股東通常應支援精心設計的基於績效的CEO薪酬方案，因為它們激勵CEO創造變革性增長和價值。這些方案的基本邏輯是，如果CEO讓股價10倍增長（門檻是2倍），他們獲得增量價值創造的10%。所以股東獲得900%的股價增長，CEO 詳情 · 問AI → 2026-07-12 MMETA 💬 持續追蹤 人工智慧基礎設施的超級牛市情形，其關鍵假設在於：如果市場份額能從那些擁有90%以上推論獲利率的前沿實驗室，轉移到更廉價的模型上——無論是開源的還是閉源的。
這將通過提升每一美元帶來的智慧水平，從而提高終端客戶在人工智慧領域的投資回報率，進而推動增量令牌需求。獲利將從前沿實驗室有效地重新分配給人工智慧基礎設施供應商。基礎設施層的贏家將是那些單令牌成本最低的廠 詳情 · 問AI → 2025-02-18 GGOOGL 💬 持續追蹤 Grok-3是首個在Chatbot Arena得分超過1400的模型，超越了OpenAI和Google的最佳公開推論模型。xAI比DeepMind晚成立13年，比OpenAI晚8年，但現在領先兩者。AI實驗室的“SR-71黑鳥”。 詳情 · 問AI → 2026-01-14 MMSFT 💬 持續追蹤 Claude Cowork 才是 Copilot 應該有的樣子。顯然用 Claude Code 在10天內建置，而 Microsoft 已經為 Copilot 工作多年。 詳情 · 問AI → 檢視帶日期和出處的公開資料索引；提及不等於持股。看完整資訊瀑布 →
驗證中心 · 獨有硬資料
他說的每句話，都會被硬資料審判——我們不替他圓場
9✅ 已印證
64⏳ 審判中
0❌ 已反駁
每條判斷到裁決日自動出結果，對了記對、錯了記錯。待驗不計入印證率，不拿待驗判斷湊戰績。
I INTC 便宜估值和管理層承諾，不能替代技術執行證據。
❌ 證據逆風 距裁決 0 天13F·Form4·營收·股價 在審 看證據 →
N NVDA 公開認錯使他的半導體多頭架構更重視反證。
✅ 證據順風 距裁決 0 天13F·Form4·營收·股價 在審 看證據 →M META Meta若模型能力追上，Instagram/Facebook獨特資料會成為差異化資產
⚖ 證據均衡 距裁決 208 天13F·Form4·營收·股價 在審 看證據 →M MSFT 他認為Microsoft退出部分OpenAI預訓練資金可能有經濟合理性
✅ 證據順風 距裁決 1616 天13F·Form4·營收·股價 在審 看證據 →
A AMZN 超大規模雲端廠商現金流量讓本輪不同於電信泡沫。
⚖ 證據均衡 距裁決 218 天13F·Form4·營收·股價 在審 看證據 →每行的資料軌都是他夠不著的獨立來源，到期只裁 ✅ 印證 / ❌ 反駁，裁前只列進展。
交叉驗證為 AI 依據公開硬資料客觀比對，立場標“AI 推斷”、留原始證據鏈；只陳述事實，不構成結論或建議。
他現在在追什麼
提及標的 · 按產業鏈節點
① GPU/通用加速 · 利用率與租金
② 自研加速器 · TPU/Trainium/ASIC
③ Foundry/裝置 · watts and wafers
④ HBM/DRAM/記憶體
⑤ 雲端廠/資料中心/電力
⑥ SpaceX/xAI/遠期算力選項
每隻票點進去 = 公開觀點、產業鏈節點、驗證臺賬和深度研判；提及不等於持股，不構成投資建議。
Gavin Baker的價值不在一句結論，而在把公開觀點放回 AI 產業鏈和可驗證資料軌裡：先看他最近注意力轉向哪裡，再看觀點落在哪些公司和節點，最後用驗證中心持續記錄對錯。
他的方法論
供應鏈瓶頸四步
01
AI 公司和資料中心專案先問 GPU 利用率、租金、折舊、客戶營收和單吉瓦營收，不只問買了多少 GPU。
先算 ROIC，不先看釋出會學這套方法 →02
電力和晶圓是物理錨。它們能平滑泡沫，也能暴露 CapEx 兌現速度和產能紀律。
watts and wafers學這套方法 →03
訓練、prefill、decode、長上下文、agent、邊緣推論的最優架構不同，GPU/TPU/ASIC 不能一刀切比較。
workload 分層學這套方法 →04
超大雲端廠現金流量讓本輪不同於電信泡沫，但客戶現金流量不等於每個專案都有高回報。
現金流量來源學這套方法 →一句話公式：AI 產業鏈變數 × 可驗證標的對映 × 後續硬資料複核 → 三檔情景 + 明確證偽條件
📐 我們把它系統化成一條可複用研究流水線（任意新股票都能跑一遍）
會員課程
《算力經濟學投資課》 · 10 節
把他散落觀點裡的方法論，整合成一門能學會的系統課：核心架構、真實案例、AI 產業鏈全景和驗證臺賬。教的是可遷移的投研思維，不是薦股。
00
管理數十億算力多頭：為什麼不看釋出會看利用率把 AI CapEx 從主題還原成資產回報
免費試看進入 →01GPU 利用率 = AI 公司新 ROIC利用率、折舊、租金和客戶營收
🔒進入 →02GPU 租金 = AI ROI 的心跳租賃價格、供需、閒置和算力雲端單位經濟
🔒進入 →03瓦特與晶圓為什麼物理短缺能平滑泡沫也能限制增長
🔒進入 →04TSMC 硬錨產能紀律、美國晶圓和先進製程約束
🔒進入 →05架構分層GPU、TPU、Trainium、ASIC 按 workload 比較
🔒進入 →06十年宇宙長期科技宇宙、管理層和跨週期執行
🔒進入 →07認錯課 Intel 2020估值便宜不能替代技術執行證據
🔒進入 →08熊市導航如何在強觀點裡保留反證和現金流量紀律
🔒進入 →解鎖全部課程配套：每課可用「分析器」跑票交作業 · 學完能獨立做 AI 產業鏈研究報告
獨家對映
他版面配置在 AI 產業鏈哪一段
最強暴露：① GPU/通用加速 · 利用率與租金 · ② 自研加速器 · TPU/Trainium/ASIC · ③ Foundry/裝置 · watts and wafers。
我們把公開觀點對映成節點，而不是把一句話當結論。
⚖️ 理性看待
別盲信 · 高風險信源
- 公開觀點不等於即時持股，也不等於你的交易結論。
- 驗證中心只記錄公開資料能驗證的部分，裁前不把待驗判斷算成戰績。
- AI 產業鏈變化快，任何方法論都需要結合財報、供需和估值邊界複核。
◆ 解鎖完整研究 · 越往上覆蓋越廣
牆後是 Gavin Baker 的完整能力 —— 我們當他的中文研究團隊 + 監控站
免費看懂他的公開資料；完整觀點流保留來源日期與驗證線索，人物終端僅在真實生成時提供。
先看整站（最多人選）· 要為你點名的一個物件立項 → 機構級投研追蹤（在下方）
★ 最多人選 
41 位聰明錢，一個不落，全站為你追蹤她們的每一次轉向，你比市場先看見
43 位聰明錢大佬 —— 每一次轉向，你先看見
聰明錢人的深度 —— 最聰明的幾個腦子怎麼想、怎麼做
43位人物 · 公開資料追蹤
43門課程 · 方法論學習
43套思想體系 · 認知架構
透視雷達錢的廣度 —— 全市場的錢正往哪兒流
8,741家申報機構 · 全量追蹤
359個可算標的 · 共識可算
337位具名掌門人 · 真實身份
188位國會議員 · 買賣揭露
13F · Form 4 · 13D/G · 國會 · N-PORT 五源交叉 —— 四張訊號榜(多源 / 共識 / 擁擠度 / 背離)+ 四類對比庫(公司 / 機構 / 掌門人 / 國會)
只看聰明錢，你知道幾個人在想什麼；只看透視雷達，你知道錢在動、卻不知道為什麼。兩個合起來，才是完整的一張圖。
$299/年
平均每月 $24.9 · ≈ 一天 8 毛 聰明錢 41 位人物 + 43 門課程 + 43 套思想體系，外加透視雷達全開 · 單訂一位 $79/年 = 每位 ≈ $7 41 位各自單訂 = $3,397 · 整站 $299你打包省下 $3,098（立省 91%），透視雷達整個頻道還是白送的
0 元開始 · 7 天完整版 → 0 元開始隨時取消續費前 7 天必提醒
只想先盯Gavin Baker一個？也行 —— 單訂 · $79/年 → 先把這一個看穿。 跟你說實話：4 份單訂一年（$316）就超過整站（$299）。想多看幾個，直接整站更划算——41 位全給你、每位約 $7。哪種都行，賬擺在這，你自己挑。 - 先評估覆蓋 · 再單獨立項：你點名一個物件——一個人（投資人 / 機構 / 分析師 / 高管）或一家公司 / 標的——我們先評估其公開資料覆蓋與可採源，確認能追蹤後單獨立項、架設專屬投研席位；蹤跡不足會直說做不了，不硬湊。
- 按物件適用性啟用機構級方法：13F 持股 · Form4 內部人 · 13D-G 舉牌 · 公開發聲 · 跨源交叉驗證 · 命中率臺賬——適用於 SEC 可覆蓋物件；不適用的項以替代證據或缺口說明如實交付，與追蹤 41 位聰明錢同一條投研流水線。
- 持續盯守 · 證據可回溯：人工 / 半自動每週投研簡報 + 重大訊號經人工確認後工作日提醒 + 證據鏈歸檔（本地 JSON / Markdown / SEC 連結），可回溯復盤「當時憑什麼這麼判」。
- 只對你一人開放：追蹤口徑、提醒規則、交付形式按你的決策需求定製；不進公共庫、不共享。
不薦股 · 不碰你的帳戶7 天免費試用隨時取消續費前 7 天必提醒升級按餘額補差