公開資料索引 · 資料截至 2026-07-27🧾 Intelligence per Cost
Rihard Jarc 在公開資料中說什麼
按資料截至 2026-07-27 的公開發聲與研究資料整理，保留日期、來源和相關標的，不代表即時採集。 標的有真實人物終端時才可點選；無內容只做市場標籤。
253已整理資料資料截至 2026-07-27
核心覆蓋標的
KS
KS
A
A 資料中提及
篩選標的
免費預覽 12 / 253 · 會員每頁最多 200 條
AAMD 🐦 X 很多人都盯著為什麼 $NVDA 的交易倍數看起來偏低；這背後有幾個原因。我這裡不是在爭論這些理由對還是錯，但這些是真實存在的原因：
1. 如果今天 $TSM 的分配被重置，而 $GOOGL、$AMZN 和 $AMD 能夠按自己的意願訂購儘可能多的 TPU、Trainium、MI400 產能，那麼訂單會發生什麼，這是一個很大的問題。這個問題隨後會擴充套件成幾年後當 $AMZN 和 $GOOGL 擁有足夠 $TSM 分配時會發生什麼。他們會把大部分轉向自己的本地 ASIC 嗎（就像 $AMZN 在 CPU 上用其 Graviton CPU 所做的那樣）？
2. 越來越像是 $NVDA 通過對 neocloud 的兜底和投資，試圖在更快時間線上“買進”更多、更大的訂單，這通常不是一個健康訊號。
3. 如果你真的相信計算短缺和高需求會持續多年，那麼可以說，更好的 AI 狂熱“玩法”是通過記憶體製造商或半導體產業鏈中其他價格彈性更強、同時又無法被跳過的部分，因為它們代表著關鍵且近乎壟斷的供應鏈。
4. 毫無疑問，過去一年晶片設計層出現的競爭比前幾年更多，包括 Tranium、TPU、$AMD、Cerebras 以及許多其他公司，因此把 75% 的 $NVDA 毛利率外推到長期未來，看起來比一年前更不可能。
再次說明，我不是在為這些觀點中的任何一個背書；我只是列出一些真實存在的理由，因為那種認為市場 100% 錯了、只看遠期 P/E 並因為一家公司的遠期估值看起來便宜就認為投資邏輯很好的敘事，並不是正確的投資方式。 07-27
很多人都盯著為什麼 $NVDA 的交易倍數看起來偏低；這背後有幾個原因。我這裡不是在爭論這些理由對還是錯，但這些是真實存在的原因：
1. 如果今天 $TSM 的分配被重置，而 $GOOGL、$AMZN 和 $AMD 能夠按自己的意願訂購儘可能多的 TPU、Trainium、MI400 產能，那麼訂單會發生什麼，這是一個很大的問題。這個問題隨後會擴充套件成幾年後當 $AMZN 和 $GOOGL 擁有足夠 $TSM 分配時會發生什麼。他們會把大部分轉向自己的本地 ASIC 嗎（就像 $AMZN 在 CPU 上用其 Graviton CPU 所做的那樣）？
2. 越來越像是 $NVDA 通過對 neocloud 的兜底和投資，試圖在更快時間線上“買進”更多、更大的訂單，這通常不是一個健康訊號。
3. 如果你真的相信計算短缺和高需求會持續多年，那麼可以說，更好的 AI 狂熱“玩法”是通過記憶體製造商或半導體產業鏈中其他價格彈性更強、同時又無法被跳過的部分，因為它們代表著關鍵且近乎壟斷的供應鏈。
4. 毫無疑問，過去一年晶片設計層出現的競爭比前幾年更多，包括 Tranium、TPU、$AMD、Cerebras 以及許多其他公司，因此把 75% 的 $NVDA 毛利率外推到長期未來，看起來比一年前更不可能。
再次說明，我不是在為這些觀點中的任何一個背書；我只是列出一些真實存在的理由，因為那種認為市場 100% 錯了、只看遠期 P/E 並因為一家公司的遠期估值看起來便宜就認為投資邏輯很好的敘事，並不是正確的投資方式。
454
短摘只作入口 · 站內繼續拆解 來源：RihardJarc
AMD 人物終端 →
AAMZN
GGOOGL AAMZN 🐦 X 所以從字裡行間看，$AMZN 和 $PINS 簽了一份 $4B 的長期算力協議。$PINS 也將使用 AWS Trainium。
當投資者在尋找“AI 中下一個半導體瓶頸”時，算力瓶頸正被投資者忽視。像 $MSFT、$AMZN 和 $GOOGL 這樣的算力提供商將會上調價格，而且大多數客戶已經想籤長期算力協議來鎖定價格。 07-27
所以從字裡行間看，$AMZN 和 $PINS 簽了一份 $4B 的長期算力協議。$PINS 也將使用 AWS Trainium。
當投資者在尋找“AI 中下一個半導體瓶頸”時，算力瓶頸正被投資者忽視。像 $MSFT、$AMZN 和 $GOOGL 這樣的算力提供商將會上調價格，而且大多數客戶已經想籤長期算力協議來鎖定價格。
137
短摘只作入口 · 站內繼續拆解 來源：RihardJarc
AMZN 人物終端 →GGOOGL
MMSFT AAMZN 🐦 X 有意思的是沒有 $AMZN 的簽名，儘管他們從開源模型生態中受益很多。
也許真正原因會在下週 $AMZN 財報中揭曉，因為我們會從 AWS 上 Anthropic 使用情況看到他們的 Bedrock 資料。 07-24
有意思的是沒有 $AMZN 的簽名，儘管他們從開源模型生態中受益很多。
也許真正原因會在下週 $AMZN 財報中揭曉，因為我們會從 AWS 上 Anthropic 使用情況看到他們的 Bedrock 資料。
84
短摘只作入口 · 站內繼續拆解 來源：RihardJarc
AMZN 人物終端 → GGOOGL 🐦 X 這也為 $META 和 $GOOGL 繼續推動模型開發提供了理由，即便它們比 SOTA 慢一步。 07-24
AAMZN 🐦 X 真實世界的大規模生產 AI 工作負載已經大多執行在非 SOTA 模型上。
為此，開源模型一直很關鍵。限制對它們的訪問在我看來會是一個錯誤，並會形成 Ant 和 OAI 的雙頭壟斷。長期價值將大幅從資料中心基礎設施（$AMZN、$GOOGL 和 $MSFT）以及半導體轉向 AI 模型層。
是的，如果最終只有兩個真正擁有強大議價能力的算力買家，連半導體也會遇到麻煩。 07-24
真實世界的大規模生產 AI 工作負載已經大多執行在非 SOTA 模型上。
為此，開源模型一直很關鍵。限制對它們的訪問在我看來會是一個錯誤，並會形成 Ant 和 OAI 的雙頭壟斷。長期價值將大幅從資料中心基礎設施（$AMZN、$GOOGL 和 $MSFT）以及半導體轉向 AI 模型層。
是的，如果最終只有兩個真正擁有強大議價能力的算力買家，連半導體也會遇到麻煩。
49
短摘只作入口 · 站內繼續拆解 來源：RihardJarc
AMZN 人物終端 →GGOOGLMMSFT AAMZN 🐦 X $GOOGL 繼續大舉投資 AI CapEx，因為他們清楚地看到了回報：
1. Google Cloud 營收年增率增長 82%（管理層評論稱“GCP 的增長快於 Cloud 整體”）。Cloud 運營獲利率年增率增至三倍，達到 35.6%，高於去年 Q2 的 20.7%
2. 待履約訂單 $514B：“我們預計將在未來 24 個月內把總待履約訂單中略高於 50% 的部分確認為營收”
3. 這次 CapEx 增加是因為更多產能，而不是元件漲價：
“區間上調主要是由於加快交付產能，以滿足不斷增長的需求。”
4. $GOOGL 暗示，如果元件價格繼續上漲，他們將提高價格：
“聽著，我們是在一個嚴格的 ROIC 架構下運作。顯然，在我們的投入成本上升的情況下，我們會把這一點反映到我們為解決方案定價並從中獲得回報的能力中”
5. 他們對 ROI 的信心甚至比一年前更強：
“所以我認為，如果說有什麼不同的話，當前動態看起來比大約一年前更健康”
6. 對於那些擔心這會失控的懷疑者，$GOOGL 確實向我們表明，這並不是不惜一切代價：
“但我們也希望確保我們不僅有具韌性的增長前景，也有具韌性的資產負債表和強健的資產負債表、健康的資產負債表，這就是我們擴充套件到股票市場的理由。目前，我們不打算再次回到股票市場，例外是，如你所記得的，我們股票發行的一部分是 ATM”
我認為，事後回看，我們會把這段時期視為超大規模雲端廠商 $AMZN、$MSFT、$GOOGL 和 $META 最重要的時期之一，因為它們正在轉變為經濟的 AI 骨幹，並收穫它們在這段時間所做投資的收益。和所有轉型期一樣，市場正在平衡短線交易者和長期投資者的胃口。 07-23
$GOOGL 繼續大舉投資 AI CapEx，因為他們清楚地看到了回報：
1. Google Cloud 營收年增率增長 82%（管理層評論稱“GCP 的增長快於 Cloud 整體”）。Cloud 運營獲利率年增率增至三倍，達到 35.6%，高於去年 Q2 的 20.7%
2. 待履約訂單 $514B：“我們預計將在未來 24 個月內把總待履約訂單中略高於 50% 的部分確認為營收”
3. 這次 CapEx 增加是因為更多產能，而不是元件漲價：
“區間上調主要是由於加快交付產能，以滿足不斷增長的需求。”
4. $GOOGL 暗示，如果元件價格繼續上漲，他們將提高價格：
“聽著，我們是在一個嚴格的 ROIC 架構下運作。顯然，在我們的投入成本上升的情況下，我們會把這一點反映到我們為解決方案定價並從中獲得回報的能力中”
5. 他們對 ROI 的信心甚至比一年前更強：
“所以我認為，如果說有什麼不同的話，當前動態看起來比大約一年前更健康”
6. 對於那些擔心這會失控的懷疑者，$GOOGL 確實向我們表明，這並不是不惜一切代價：
“但我們也希望確保我們不僅有具韌性的增長前景，也有具韌性的資產負債表和強健的資產負債表、健康的資產負債表，這就是我們擴充套件到股票市場的理由。目前，我們不打算再次回到股票市場，例外是，如你所記得的，我們股票發行的一部分是 ATM”
我認為，事後回看，我們會把這段時期視為超大規模雲端廠商 $AMZN、$MSFT、$GOOGL 和 $META 最重要的時期之一，因為它們正在轉變為經濟的 AI 骨幹，並收穫它們在這段時間所做投資的收益。和所有轉型期一樣，市場正在平衡短線交易者和長期投資者的胃口。
365
短摘只作入口 · 站內繼續拆解 來源：RihardJarc
AMZN 人物終端 →GGOOGL
MMETA GGOOGL 🐦 X $GOOGL 的雲端業務資料非常強：
Google cloud 營收年增率增長 82%，大幅加速。
但更有價值的是 MARGIN。雲端業務獲利率從約 21% 升至約 36%。
計算資源短缺是送給 hyperscalers 的禮物。 07-22
$GOOGL 的雲端業務資料非常強：
Google cloud 營收年增率增長 82%，大幅加速。
但更有價值的是 MARGIN。雲端業務獲利率從約 21% 升至約 36%。
計算資源短缺是送給 hyperscalers 的禮物。
391
短摘只作入口 · 站內繼續拆解 來源：RihardJarc
GOOGL 人物終端 → AAMZN 🐦 X $AMZN、$MSFT 和 $GOOGL 會在這場計算資源短缺中提價。投資者預期獲利率會低於 AI 之前的時代。
接下來幾年至少可能出現的情況，其實正好相反：由於短缺，獲利率會更高。 07-22
$AMZN、$MSFT 和 $GOOGL 會在這場計算資源短缺中提價。投資者預期獲利率會低於 AI 之前的時代。
接下來幾年至少可能出現的情況，其實正好相反：由於短缺，獲利率會更高。
330
短摘只作入口 · 站內繼續拆解 來源：RihardJarc
AMZN 人物終端 →GGOOGLMMSFT AAMZN 🐦 X 一位前$AMZN AWS高層員工分享了他對Bedrock、CPU/GPU需求的看法，以及為何無論封閉還是開源模型，超大規模雲端服務商都能雙贏：
1. 他認為AWS Bedrock的獲利率高於AWS SageMaker，因為Bedrock並非基礎計算產品。他提到，當你在計算堆疊中上升一級，獲利率會增加約15%。
2. 他舉了一個假設例子，說明當客戶使用AWS Bedrock並採用Anthropic作為底層模型時，營收如何分配：首先，AWS因將客戶引薦給Anthropic獲得20%分成；然後Anthropic可能獲得40%，剩餘40%歸AWS用於執行和運營該模型。
3. AWS、GCP和Azure在人工智慧領域能夠提供整體化服務，而非單一功能。這不僅關乎模型，還涉及治理、安全護欄、資料、CPU計算、資料庫、儲存等多個方面。
4. 他估計未來幾年隨著智慧代理AI的發展，CPU與GPU的需求比例將達到2至3倍。
5. 關於封閉模型與開源模型誰將勝出，他認為無論結果如何，超大規模雲端服務商都能雙贏，因為客戶始終需要GPU和計算資源。他還認為，如果開源或開放權重模型獲勝，$AMZN最終獲利率可能更高，因為無需支付許可費用，並可自行定製模型。
資訊來源：@AlphaSenseInc 07-21
一位前$AMZN AWS高層員工分享了他對Bedrock、CPU/GPU需求的看法，以及為何無論封閉還是開源模型，超大規模雲端服務商都能雙贏：
1. 他認為AWS Bedrock的獲利率高於AWS SageMaker，因為Bedrock並非基礎計算產品。他提到，當你在計算堆疊中上升一級，獲利率會增加約15%。
2. 他舉了一個假設例子，說明當客戶使用AWS Bedrock並採用Anthropic作為底層模型時，營收如何分配：首先，AWS因將客戶引薦給Anthropic獲得20%分成；然後Anthropic可能獲得40%，剩餘40%歸AWS用於執行和運營該模型。
3. AWS、GCP和Azure在人工智慧領域能夠提供整體化服務，而非單一功能。這不僅關乎模型，還涉及治理、安全護欄、資料、CPU計算、資料庫、儲存等多個方面。
4. 他估計未來幾年隨著智慧代理AI的發展，CPU與GPU的需求比例將達到2至3倍。
5. 關於封閉模型與開源模型誰將勝出，他認為無論結果如何，超大規模雲端服務商都能雙贏，因為客戶始終需要GPU和計算資源。他還認為，如果開源或開放權重模型獲勝，$AMZN最終獲利率可能更高，因為無需支付許可費用，並可自行定製模型。
資訊來源：@AlphaSenseInc
該資訊揭示了亞馬遜AWS在AI價值鏈中的分層獲利捕獲機制。前AWS員工指出，Bedrock相比基礎計算產品SageMaker存在約15%的附加獲利率。其核心盈利邏輯在於，當客戶通過Bedrock使用第三方模型時，AWS通過收取20%的平台費，並分擔40%的模型執行成本，從而在治理、安全、資料等多個層面實現價值捕獲。這驗證了Rihard Jarc的分析架構：AWS作為全棧雲端廠商，在AI推論成本中是關鍵的“收錢方”和“分發方”。無論開源或閉源模型勝出，雲端廠商都處於雙贏地位，因為客戶始終需要底層GPU和計算資源，且雲端廠商可通過定製開源模型獲得更高獲利。這表明AMZN的AI營收不僅來自硬體算力，更來自上層管理服務溢價，直接影響其獲利表質量。
短摘只作入口 · 站內繼續拆解 來源：RihardJarc
AMZN 人物終端 → AAMZN 🐦 X 我剛剛釋出了第二季度渠道檢查和另類資料包告。
1. $AMZN、$MSFT 和 $GOOGL 的資料。有一家雲端服務提供商本季度勢頭強勁。
2. $MSFT Copilot 的使用趨勢以及 SaaS 面臨的阻力。
3. 廣告技術平台（$META）上的使用量顯示出強勁增長。 07-17
我剛剛釋出了第二季度渠道檢查和另類資料包告。
1. $AMZN、$MSFT 和 $GOOGL 的資料。有一家雲端服務提供商本季度勢頭強勁。
2. $MSFT Copilot 的使用趨勢以及 SaaS 面臨的阻力。
3. 廣告技術平台（$META）上的使用量顯示出強勁增長。
Rihard Jarc 釋出了第二季度的渠道調研與另類資料包告，核心驗證其“單位智慧成本”架構。報告指出，三大雲端巨頭中有一家動能顯著，這直接關係到“誰在為AI付錢”以及“誰的毛利率受益於自研晶片（如TPU/Trainium）帶來的成本下降”。微軟 Copilot 的使用趨勢和 SaaS 逆風，則指向分發環節的價值捕獲能否兌現，以及AI賦能是否真正轉化為訂閱營收。Meta 廣告技術平台的強勁加速，是“單位智慧成本”通過提升廣告轉化效率從而創造直接獲利的典型例證，驗證了其“分發層”捕獲價值的理論。對 Jarc 而言，這些另類資料是比管理層口徑更早的先行指標，用於判斷其架構中“成本下降最終留在誰的獲利表上”這一核心問題是否按預期發展。
短摘只作入口 · 站內繼續拆解 來源：RihardJarc
AMZN 人物終端 →GGOOGLMMETA AAMZN 🐦 X Kimi K3 的釋出再次撼動了人工智慧價值鏈的格局，對雲端服務提供商（$AMZN, $GOOGL, $MSFT）來說，這是一個夢寐以求的場景。
隨著單位智慧成本迅速下降，企業將希望超大規模雲端服務商充當多個模型及模型提供商的編排層，同時從現有基礎設施中榨取更多的token產出。 07-16
Kimi K3 的釋出再次撼動了人工智慧價值鏈的格局，對雲端服務提供商（$AMZN, $GOOGL, $MSFT）來說，這是一個夢寐以求的場景。
隨著單位智慧成本迅速下降，企業將希望超大規模雲端服務商充當多個模型及模型提供商的編排層，同時從現有基礎設施中榨取更多的token產出。
Kimi K3作為中國開源模型新銳，其釋出標誌著開源能力持續逼近前沿，直接壓低全行業單位智慧成本。這恰好落入Rihard Jarc的核心分析架構：成本下降後，價值向哪層轉移？其結論是利好雲端廠商。邏輯鏈條是：當模型層因開源競爭獲利趨薄，企業客戶反而需要更強大的編排層來管理多模型、最佳化推論效率、保障安全合規——這正是雲端廠商的優勢所在。它們無需自研最強模型，而是通過提供算力、MLOps工具和分發渠道，將智慧成本下降轉化為平台粘性與毛利。這符合Jarc對AI鏈價值捕獲的排序：雲端廠商作為分發與基礎設施整合者，可能比單一硬體或模型公司更能將技術紅利留在自身獲利表上。
短摘只作入口 · 站內繼續拆解 來源：RihardJarc
AMZN 人物終端 →GGOOGLMMSFT GGOOGL 🐦 X 看起來$GOOGL在模型開發上遇到了一些障礙，但我絕不會小看Demis。 07-16
看起來$GOOGL在模型開發上遇到了一些障礙，但我絕不會小看Demis。
GOOGL 的變數在模型層：Gemini 若遇到能力、節奏或產品化阻力，會削弱其在雲端、搜尋和 Workspace 分發端把推論成本優勢變成營收的速度。按 Rihard Jarc 的賬本，這不是單純的模型排名問題，而是 TPU 自研算力、DeepMind 研發效率和終端流量入口能否共同降低每美元智慧成本。利空點在短期敘事，關鍵仍是 Google 是否把晶片到分發的全棧優勢留在自身獲利表，並減少外購 GPU 稅；驗證要看 GCP 毛利、Gemini 呼叫量、客戶續費和搜尋改造節奏。
短摘只作入口 · 站內繼續拆解 來源：RihardJarc
GOOGL 人物終端 → ◆ 解鎖完整研究 · 越往上覆蓋越廣
檢視 Rihard Jarc 的會員分頁資料索引
免費預覽最多 12 條公開資料；會員每頁最多 200 條。人物終端僅在真實生成時提供，無內容標的只顯示標籤，不跳舊研究報告庫。
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