Tanay Jaipuria 在公開資料中說什麼
A
A
T 
TTSLA 🐦 X 根據 Tesla Q2 電話會，他們用於訓練 Optimus 機器人的資料：
- 網際網路上人們執行任務的影片，工業和家庭場景
- 他們工廠工人做本職工作的錄製影片
- 一個小型專門團隊，採集用於後訓練的高質量演示
- “Optimus Academy”，機器人在其中自己執行任務，並通過試錯改進 07-28
這條資料已歸入 TSLA 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：tanayj
TSLA 人物終端 → 
AAAPL 🐦 X 自 2024 年起已在美國上線的 Apple Intelligence 剛剛獲准在中國推出。
它將使用 Alibaba 的 Qwen 模型，並使用 Baidu 提供搜尋和視覺智慧。 07-24
10
短摘只作入口 · 站內繼續拆解 來源：tanayj
AAPL 人物終端 → 
GGOOGL 🐦 X Alphabet 資本支出在 Q2 增至 $45B，年增率翻倍 😯 07-22
這條資料已歸入 GOOGL 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：tanayj
GOOGL 人物終端 →HK0700.HK 🐦 X Kimi K3 製造商 Moonshot AI 的戰略投資者持股估計： - Alibaba：~32% - Tencent：~7% - Meituan / Long-Z：~3% - China Mobile：~1% - Xiaohongshu：~1% 07-22
5
短摘只作入口 · 站內繼續拆解 來源：tanayj
0700.HK 人物終端 → GGOOGL 🐦 X 根據 @tryprofound 和 @ListenLabs 對100位CMO的調研，CMO們如今開始研究新供應商或工具的起點是：
- 同行推薦：49%
- LLM（大語言模型）：22%
- Google/搜尋引擎：16%
- 分析師/行業刊物：7% 07-20
CMO 調研顯示 22% 從 LLM 開始研究新供應商，高於 Google 搜尋的 16%，這是企業軟體獲客入口從搜尋頁轉向答案層的訊號。對 GOOGL 來說，關係在搜尋廣告和商業查詢分發權；對模型和 AI SEO 工具則是上游流量入口機會。Tanay 會先看樣本和可復現性，再問 LLM 推薦能否轉化為可歸因線索、誰拿渠道毛利、供應商是否喪失客戶所有權。
短摘只作入口 · 站內繼續拆解 來源：tanayj
GOOGL 人物終端 → 
MMETA 🐦 X Kimi模型背後的實驗室創始人楊植麟，在卡內基梅隆大學攻讀博士學位，期間曾在Meta和Google工作，並與Yann LeCun合著過論文。
2019年畢業後，他回到中國創辦了一家初創公司。 07-17
Kimi 背後的月之暗面處在模型層與應用層交界：既要訓練大型模型，又要把長上下文、搜尋和辦公入口變成可收費產品。楊植麟的 CMU、Meta、Google 履歷說明中國模型創業團隊並非只靠本土工程紅利，也吸收了海外推薦系統和大規模產品經驗。以 Tanay 的口徑，這不是“創始人光環”，而是要繼續拆營收：消費訂閱、企業授權、API 呼叫分別是否可年度化、可復購，並看推論成本是否被雲端和上游晶片價格鎖住。META 在這裡更多是人才與產品方法的來源，不是直接受益標的。
短摘只作入口 · 站內繼續拆解 來源：tanayj
META 人物終端 → 
TTSM 🐦 X 台積電將2026年資本支出上調至600-640億美元（1月份預期為520-560億美元）。
CEO魏哲家展望未來時表示："未來三年的資本支出將比過去三年有更顯著的增長。" 07-17
TSMC 把 2026 年資本支出上調到 600-640 億美元，說明先進製程、CoWoS 等 AI 相關產能仍是整個產業鏈的瓶頸環節。它位於 NVIDIA、AMD、自研 ASIC 與雲端廠之間，承擔把需求轉成晶圓和封裝供給的核心位置，也決定交付節奏。按 Tanay 的架構，這類數字不是簡單的景氣口號，而是上游 COGS 和折舊承諾：AI 應用的毛利最終會被晶片、雲端和模型層層傳導約束。對 TSM 是需求可見度的資料點，同時更高 capex 也意味著未來折舊和產能利用率要被持續驗證。
短摘只作入口 · 站內繼續拆解 來源：tanayj
TSM 人物終端 → 
AASML 🐦 X ASML 在其財報電話會議上談及定價權時表示：
"當前環境比以往任何時候都為定價提供了更多靈活性。"
他們還表示，鑑於其 Low-NA 機器的生產效率在持續提升，"這為我們實現潛在的價格改善提供了相當強勁的支撐空間。" 07-16
ASML 位於 AI 半導體供應鏈最上游，EUV 和高階 Low-NA 光刻機決定先進製程擴產節奏。管理層強調定價靈活性，反映其裝置稀缺性和客戶對產能的高確定性需求。Tanay 的四層毛利架構會把這看成晶片層 COGS 主權的體現：當裝置商能漲價，晶圓廠成本、晶片價格、雲端算力價格會沿鏈條向下傳導。對 ASML 是議價能力的資料點；對模型與應用公司則是提醒，所謂 AI 原生高毛利必須扣除被上游資本品和產能週期支配的成本壓力。
短摘只作入口 · 站內繼續拆解 來源：tanayj
ASML 人物終端 → TTSM 🐦 X 四年前，智慧手機業務還是台積電最大的營收來源。如今，高效能運算與人工智慧的業務規模已是智慧手機的三倍。 07-16
TSMC 營收結構從智慧手機轉向 HPC/AI，意味著 AI 已經從增量題材變成先進製程的主需求來源。HPC/AI 三倍於手機，不只說明 NVIDIA、AMD 和雲端廠訂單強，也說明終端消費電子不再是最重要的產能定價錨。Tanay 會把這視為產業鏈獲利池遷移的證據：應用層講 ARR 前，必須承認算力成本來自一個被 AI 需求重新定價的上游體系。對 TSM 是業務組合最佳化的資料點；對下游模型公司則意味著推論和訓練成本不一定會線性下降，毛利假設要帶日期回測。
短摘只作入口 · 站內繼續拆解 來源：tanayj
TSM 人物終端 → MMETA 🐦 X Meta 和 xAI 本週 07-10
GGOOGL 🐦 X DeepMind 第一輪融資是 230 萬美元，投後估值約 500 萬美元 06-30
這條資訊提供了AI產業早期融資的參考座標。DeepMind成立於2010年，在2014年被Google收購前，其首輪公開融資僅為230萬美元，估值約500萬美元。這個數字揭示了頂級AI公司發展初期的真實資本門檻，與今天動輒數億甚至數十億美元的AI初創公司融資規模形成鮮明對比。它提醒我們，在AI投資中，識別“種子期”與“成長期”在資本需求、風險和潛在回報結構上的本質區別至關重要。從成本結構看，早期AI公司的核心成本是人才而非算力，這與當前模型訓練和推論成本成為主要COGS（銷售成本）的現狀截然不同。這符合將AI公司拆解為晶片、雲端、模型、應用四層毛利的分析視角，展示了成本結構隨技術棧演變的動態過程。
短摘只作入口 · 站內繼續拆解 來源：tanayj
GOOGL 人物終端 → GGOOGL 🐦 X 2016 年，DeepMind 曾在內部秘密組建了一支高頻交易團隊，試圖擊敗 Renaissance Technologies。 Google 最終解散了這個團隊。 06-29
這條資訊揭示了AI技術在金融交易領域的早期嘗試。DeepMind在2016年秘密組建高頻交易團隊，試圖挑戰頂級量化避險基金Renaissance Technologies，但最終被母公司Google叫停。從產業鏈角度看，這反映了AI模型能力在特定垂直領域的商業化潛力與邊界。Google的決策體現了其對AI應用場景的戰略取捨：更傾向於將DeepMind的資源投入AI基礎設施、模型最佳化及自身核心業務賦能，而非分散進入高風險、強監管的量化金融。從收益質量視角看，量化交易雖能帶來超額收益，但其商業模式的持續性、營收可預測性以及Google在該領域的壁壘均存在巨大不確定性。叫停該專案避免了進入一個與核心優勢關聯度低、營收質量高度波動的領域，符合其長期聚焦AI基礎設施與應用的戰略邏輯。
短摘只作入口 · 站內繼續拆解 來源：tanayj
GOOGL 人物終端 →檢視 Tanay Jaipuria 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。
只想先盯Tanay Jaipuria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。