Gavin Baker 公開說了什麼@GavinSBaker
按來源日期整理他的 X、Invest Like the Best / Capital Allocators 深訪與 Medium 復盤，保留摘要、相關標的和來源標籤；不代表即時採集。
MMSFT 🐦 X 他認為市場擔心微軟削減資本支出的說法有些滑稽，暗示該擔憂可能被誇大 07-27
這條資料已歸入 MSFT 的追蹤線。點下面的標的進它的頁面，可以看到這家公司在產業鏈上的位置、證據鏈和相關人物觀點。
短摘只作入口 · 站內繼續拆解 來源：@GavinSBaker
MSFT 人物終端 → 
MMETA 🐦 X 他引用Micron與Meta白皮書稱，shuffle資料溢位DRAM到SSD會慢38倍，DRAM瓶頸最持久 07-26
這條資料已歸入 META 的追蹤線。點下面的標的進它的頁面，可以看到這家公司在產業鏈上的位置、證據鏈和相關人物觀點。
短摘只作入口 · 站內繼續拆解 來源：@GavinSBaker
META 人物終端 →
MMU 
NNVDA 🐦 X 他認為輝達是領先的開源AI公司，並指出相關公開信並未要求閉源公司開源模型 07-26
這條資料已歸入 NVDA 的追蹤線。點下面的標的進它的頁面，可以看到這家公司在產業鏈上的位置、證據鏈和相關人物觀點。
短摘只作入口 · 站內繼續拆解 來源：@GavinSBaker
NVDA 人物終端 → NNVDA 🐦 X 如果這些事有哪怕一丁點是真的，那就祝所有把Nvidia當作“安全”融資做空標的的人好運吧。 07-21
把輝達當“安全融資空頭”，通常是多頭組合為籌錢或對沖而賣空市值大、流動性好的AI龍頭。放在產業鏈裡，NVDA仍處在訓練與推論加速卡、網路、軟體生態的上游樞紐，需求強弱會傳導到台積電先進製程、HBM、封裝和資料中心電力。Gavin Baker會把這句話視為部位擁擠訊號：若GPU租金、利用率和每瓦token產出繼續支撐資本支出，空頭並不安全；若利用率下滑，才會驗證泡沫敘事。這也是對AI資本支出回報率的即時壓力測試。
短摘只作入口 · 站內繼續拆解 來源：@GavinSBaker
NVDA 人物終端 → NNVDA 🐦 X 同樣讓我想不通的是，Nvidia是開源AI的頭號支持者，但很多人似乎認為，開源AI模型會削弱AI基礎設施需求，對Nvidia不利。 07-21
輝達是開源AI模型的主要推動者，許多開源模型基於其CUDA生態及GPU硬體開發和最佳化。市場常見誤解認為，開源模型會削弱對算力基礎設施的需求，進而利空輝達。但從Gavin Baker的算力經濟學架構看，這種觀點忽略了關鍵一點：開源模型的繁榮會大幅降低AI應用門檻，從而驅動總推論需求（token消耗量）呈指數級增長。推論工作負載對GPU的持續消耗，是維持其高利用率和算力租金的核心。因此，開源AI非但不會壓制需求，反而會通過擴大AI應用生態，為輝達創造更龐大、更持續的基礎設施營收，這與“每瓦token”上升的趨勢一致。
短摘只作入口 · 站內繼續拆解 來源：@GavinSBaker
NVDA 人物終端 → NNVDA 🐦 X 來自 @theinformation 的報告挺有意思的，說Nvidia每天能生產1000個Vera Rubin機架，一個季度就是6300億美元。說實話我有點不太信，也沒去驗算，但如果真是這樣那就太驚人了。
而且Vera CPU機架和Groq LPU機架還得另算。
他們新的商業模式也得加上去，就是通過保障出貨量來換取新雲端營收的分成。
我覺得最後這點分析師們還沒深挖，但往後可能會變得超級重要。 07-21
輝達Vera Rubin機櫃若達日產千套規模，將帶來季度約6300億美元的龐大產能，這直接重塑全球算力供給格局，影響GPU利用率與每瓦token產出的長期均衡。輝達正通過向Neocloud供應商提供營收分成以換取保底採購量，這一新商業模式將繫結下游雲端廠商，強化其算力基礎設施壟斷地位，也直接利好CoreWeave等依賴其GPU的雲端服務商。如此產能擴張需要先進製程、HBM和封裝能力全面跟進，將考驗台積電、美光等上游供應商的產能分配。算力ROIC的討論需納入此變數，供給約束形態可能因輝達的垂直整合策略而發生根本改變。
短摘只作入口 · 站內繼續拆解 來源：@GavinSBaker
NVDA 人物終端 →
CCRWV MMETA 🐦 X 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 07-17
這條資料已歸入 META 的追蹤線。點下面的標的進它的頁面，可以看到這家公司在產業鏈上的位置、證據鏈和相關人物觀點。
短摘只作入口 · 站內繼續拆解 來源：@GavinSBaker
META 人物終端 → MMU 🐦 X 要是SK海力士剛完成70億美元（具體金額記不清了）的美國ADR上市，還在路演上高調唱多、嘲笑美光在長期協議中接受價格上限，結果轉頭就交出一份糟糕的季報，那可就太有意思了。
Semianalysis對本季度的預期遠高於市場共識，而KIS的spec銷售資料顯然不達預期。
咱們走著瞧！ 07-13
SK海力士完成鉅額美國ADR上市並樂觀路演後，市場傳言其本季度業績可能不及預期，若屬實將短期擾動HBM供給格局。從算力經濟學架構看，HBM是AI算力的關鍵物理瓶頸之一，其供應緊張直接影響GPU利用率與租金。若SK海力士出現短期業績波動，可能加劇HBM供應不確定性，為堅持價格策略的競爭對手美光提供相對穩定的定價與供應環境。此次SK海力士面臨的短期壓力，是觀察其供應鏈韌性和管理層應對能力的視窗，同時也會影響下游算力資本支出的節奏。
短摘只作入口 · 站內繼續拆解 來源：@GavinSBaker
MU 人物終端 → MMETA 🐦 X 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商，而模型層的贏家則是令牌效率最高的廠商。
黃仁勳如此專注於開源的原因有很多，但這可能是最重要的一個，我認為他現在可能不那麼擔心買方壟斷的問題了。在其他條件相同的情況下，模型層獲利率百分比降低 = 基礎設施層獲利總額增加。
隨著SpaceX和Meta實現垂直整合，並分別擁有排名第三和第四的模型，這種情況比以往任何時候都更有可能發生。值得注意的是，Grok 4.5在某些有用任務上表現優於Fable，且成本低得多，因此將它們排在第三位算是保守估計。
這種情況目前尚未發生。廉價且主要為開源的令牌可能佔據了當前的大部分用量，但大部分經濟價值仍然流向最智慧的模型。不過，未來可能會改變。
我們拭目以待。 07-12
Gavin Baker分析了AI推論層獲利率再分配的潛在情景，核心指標為“每token成本”與“每瓦token”。他認為，若低成本模型搶佔市場份額，推論成本下降將刺激總token需求，獲利將從模型層（當前少數前沿實驗室享有90%+獲利率）轉移至基礎設施層。贏家將是每token成本最低的基礎設施提供商（涉及GPU/TPU/ASIC、先進封裝、HBM、網路與電力）及token效率最高的模型開發者。他提及META垂直整合模型與基礎設施，是潛在受益方。此分析體現“workload分層”與“算力ROIC”視角，關注獲利率分佈對AI資本回報的影響。當前高智慧模型佔據大部分經濟價值，但開源模型已佔據多數推論量，這一結構變化將重塑產業鏈價值分配。
短摘只作入口 · 站內繼續拆解 來源：@GavinSBaker
META 人物終端 → 
AAMD 🐦 X Grok 4.5。
在編碼方面，按資料來看是帕累托優勢。
我們還得看看至關重要的"氛圍感"如何。
直覺上，鑑於官方強調的實際應用導向，基準測試結果很可能在方向上是準確的。 07-08
Grok 4.5在程式設計任務上表現突出，按Gavin Baker的算力經濟學架構看，這驗證了AI模型正在細分場景上追求更高效的token產出。AI競爭正從單純堆引數轉向特定工作負載最佳化，這對AMD的Instinct GPU系列是重要訊號。若Grok 4.5真在真實場景中展現出高能效比，意味著AMD在訓練和推論環節正獲得更多標杆客戶認可，這會影響GPU租金定價和每瓦token產出——這些正是Baker評估算力資本回報率的核心指標。短期內AMD的MI300系列在雲端服務商中的部署密度，將是觀察其能否從NVIDIA份額中突破的關鍵資料點。
短摘只作入口 · 站內繼續拆解 來源：@GavinSBaker
AMD 人物終端 →檢視 Gavin Baker 的會員分頁資料索引
免費預覽最多 12 條帶日期、出處與標的的公開資料；會員每頁最多 200 條。沒有站內標的頁的 ticker 只作為市場標籤。
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。