AI 賬本/全棧成本曲線 · 思想型🧾 Intelligence per Cost技術敘事→損益表
Rihard JarcUncoverAlpha · New Era Funds
「2026 關鍵指標是 INTELLIGENCE per COST。」
他的 alpha 不是『看多 Google』，而是把每個 AI 新聞改寫成四個會計問題：成本降了多少、誰付錢、誰折舊、誰分發。市場常把 AI 鏈按『誰賣最熱硬體』排序，他按『誰能把智慧成本下降留在自己獲利表』排序——這會得出與共識不同的結果(AVGO 未必是 TPU 敘事最大價值捕獲者、Google 作為全棧運營者可能捕獲更多)。核心動作是把技術敘事翻譯成損益表：TPU 不是因為酷才重要，而是它可能讓 Google 少交 Nvidia 稅、提高 GCP 毛利、降低推論價格、通過 Search/Workspace/Android 分發吃掉更多價值。
UncoverAlpha 作者/基金 CIO——把每個 AI 新聞改寫成四個會計問題(成本降多少/誰付錢/誰折舊/誰分發)，審計師×創業者×CIO 三副眼睛。
觀點速遞317+中文速遞 · 持續更新
覆蓋標的20他深析的 AI 票
前瞻判斷5 條當前 AI 判斷
發聲渠道UncoverAlpha · Substack公開觀點源
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。
🔁 既有強化 ![]()
M
METAMeta Platforms / Meta
證據鏈 →他的原聲 → 長期覆蓋(累計16次) · 近7天仍 1 次(持續高關注)
雲端/算力平台 · chain-cloud · model · ② AI晶片 · 中層 · 雲端·超標量 / Meta 🔁 既有強化 ![]()
A
AMZNAmazon / 亞馬遜
證據鏈 →他的原聲 → 長期覆蓋(累計13次) · 近7天仍 1 次(持續高關注)
雲端/算力平台 · chain-cloud · infra · ② AI晶片 · 中層 · 雲端·超標量 / 亞馬遜主題熱度 · 近 7 天
記憶體/儲存3
AI晶片/算力2
雲端/AI應用1
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 · 記憶體/儲存 正在追蹤資料截至 2026-06-30 · thesis_shift_detector
2026-05-19 
NNVDA 🔁 既有強化 必讀訪談：西門子員工揭秘 AI 驅動能源裝置需求井噴——訂單翻倍、交期長達5-6年、獲利率飆升至20%-40%、資料中心不惜成本求電力、液冷成難題。來源：@AlphaSenseInc 詳情 · 問AI → 2026-05-19 
AAMD 🔁 既有強化 西門子員工稱AI資料中心引爆能源裝置需求，訂單、交期和獲利率同步暴漲。 詳情 · 問AI → 2026-06-30 
AAVGO 💬 持續追蹤 轉發@BillAckman: 一篇關於 hyperscalers 的重要必讀文章，也解釋了為什麼我們看多。 詳情 · 問AI → 2026-02-04 
GGOOGL 💬 持續追蹤 $GOOGL是一家不搞炒作的公司。對他們來說，將資本支出從900億增加到1800億，可能是長期投資者能看到的最看漲的事情，因為它顯示了未來營收增長的規模。我震驚的是，在這個階段，大多數人仍然不理解這一點。 詳情 · 問AI → 2026-06-29 
AAMZN 🔁 既有強化 我剛發表了一篇文章，講 hyperscalers 如 $AMZN、$MSFT 和 $GOOGL 將如何在 token 最佳化時代受益，以及為什麼我認為這些公司會被市場大幅重估。 詳情 · 問AI → 2026-04-15 
MMU 💬 持續追蹤 第一次看到 $NVDA 的黃仁勳在解釋 $NVDA 相對於 $GOOGL TPU 和 $AMZN Trainium 等 ASIC 的護城河時，遇到了一些麻煩。
Anthropic 為何要使用 TPU 和 Trainium？
黃仁勳：“Anthropic 是個特例，不是一種趨勢”
我真得向 @dwarkesh_sp 脫帽致敬；他是為數不多的訪談者之一，首 詳情 · 問AI →
NNVDA 🔁 既有強化 必讀訪談：西門子員工揭秘 AI 驅動能源裝置需求井噴——訂單翻倍、交期長達5-6年、獲利率飆升至20%-40%、資料中心不惜成本求電力、液冷成難題。來源：@AlphaSenseInc 詳情 · 問AI → 2026-05-19 AAMD 🔁 既有強化 西門子員工稱AI資料中心引爆能源裝置需求，訂單、交期和獲利率同步暴漲。 詳情 · 問AI → 2026-06-30 AAVGO 💬 持續追蹤 轉發@BillAckman: 一篇關於 hyperscalers 的重要必讀文章，也解釋了為什麼我們看多。 詳情 · 問AI → 2026-02-04 GGOOGL 💬 持續追蹤 $GOOGL是一家不搞炒作的公司。對他們來說，將資本支出從900億增加到1800億，可能是長期投資者能看到的最看漲的事情，因為它顯示了未來營收增長的規模。我震驚的是，在這個階段，大多數人仍然不理解這一點。 詳情 · 問AI → 2026-06-29 AAMZN 🔁 既有強化 我剛發表了一篇文章，講 hyperscalers 如 $AMZN、$MSFT 和 $GOOGL 將如何在 token 最佳化時代受益，以及為什麼我認為這些公司會被市場大幅重估。 詳情 · 問AI → 2026-04-15 MMU 💬 持續追蹤 第一次看到 $NVDA 的黃仁勳在解釋 $NVDA 相對於 $GOOGL TPU 和 $AMZN Trainium 等 ASIC 的護城河時，遇到了一些麻煩。
Anthropic 為何要使用 TPU 和 Trainium？
黃仁勳：“Anthropic 是個特例，不是一種趨勢”
我真得向 @dwarkesh_sp 脫帽致敬；他是為數不多的訪談者之一，首 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
0✅ 已印證
19⏳ 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。
N NVDA GPU折舊和新代際單Token成本下降會影響AI獲利真實性，尤其是融資買卡者。
✅ 證據順風 距裁決 520 天13F·Form4·營收·股價 在審 看證據 →A AMD AMD機會不只看單卡效能，而看ROCm遷移、機櫃級方案和真實客戶負載。
✅ 證據順風 距裁決 886 天13F·Form4·營收·股價 在審 看證據 →A AVGO Broadcom是TPU/ASIC設計鏈關鍵參與者，但不必然是TPU敘事最大價值捕獲者。
✅ 證據順風 距裁決 886 天13F·Form4·營收·股價 在審 看證據 →G GOOGL TPU價值不在單點晶片故事，而在減少Nvidia稅、改善GCP毛利並通過分發捕獲價值。
✅ 證據順風 距裁決 1616 天13F·Form4·營收·股價 在審 看證據 →A AMZN Trainium若能外部化，是少數有機會存活的雲端廠自研ASIC路線。
✅ 證據順風 距裁決 1251 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 全棧價值捕獲 · 雲端與分發
② AI 算力/ASIC · 付錢方收錢方
③ neocloud/模型公司 · 資金結構風險
C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。
Rihard Jarc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
這家公司在 AI 賬本上是付錢方還是收錢方。
付錢方還是收錢方學這套方法 →02
它佔晶片、資料中心、模型、分發幾層；單位智慧成本是否下降、誰捕獲下降後的價值。
佔四層幾層學這套方法 →03
經營現金流量還是融資/債務/GPU 抵押——同一美元 capex 風險完全不同。
查 capex 資金來源學這套方法 →04
折舊年限是否低估真實經濟消耗；GPU 經濟壽命可能短於會計折舊。
會計透鏡查折舊學這套方法 →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
《AI 賬本：單位智慧成本 × 四層全棧 × 會計透鏡》 · 7 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
AI 競爭回到每美元智慧產出Intelligence per Cost·把敘事翻譯成損益表
免費試看進入 →01四個會計問題：成本/付錢/折舊/分發每個 AI 新聞改寫成這四問
🔒進入 →02四層全棧：誰把成本下降留在獲利表晶片/資料中心/模型/分發·少交一層稅
🔒進入 →03會計透鏡：GPU 折舊是獲利真假核心經濟壽命可能短於會計折舊
🔒進入 →04資金來源分層：同一美元 capex 不同風險現金流量自給 vs 債務/GPU抵押
🔒進入 →05另類資料預驗證 + 價值捕獲重排序按誰捕獲價值排序·非誰賣最熱硬體
🔒進入 →06有效域檢查：敘事股慎用(PINS/COIN 教訓)先判斷問題是否適合這套工具
🔒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 全棧價值捕獲 · 雲端與分發 · ② AI 算力/ASIC · 付錢方收錢方 · ③ neocloud/模型公司 · 資金結構風險。
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 Rihard Jarc 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Rihard Jarc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