2026-11-10 Public

第一阶段：时间线整理

第一部分：从“八卦”切入公司治理与控制权

时间：20:12:29–20:23:09

讨论主题：

• 直播开场与当日热门方向。
• 以企业家婚姻、秘书、董事会关系为例，说明公司治理体系为何可能从私人关系处被撬动。
• 区分“个人财富”与“公司控制权”，强调真正重要的是董事会和治理结构。

内容整理：

• 讲者开场提到 AI 应用、短剧、农业、机器人、航空航天等近期市场话题，并表示此前已经提示过市场“下山”的可能路径。随后应观众要求先谈“八卦”，但反复强调公开直播只能谈有限内容，更深入部分留到闭门直播。
• 讲者提出一个观察角度：当企业已经成为全球性龙头，单纯从业务和反垄断法律层面未必容易改变其控制结构，外部力量有时会从企业家的家庭关系、秘书关系、公众形象或治理结构薄弱点切入。
• 他以微软、比尔·盖茨及其婚姻为例，讲述了一套未经核实的推演：秘书可能同时接触私人生活和企业信息；当出轨事件被公开，配偶若具有慈善家、社会活动家或女性权益倡导者等公众身份，就很难为了维持婚姻而忽略公开事件；一旦离婚，财产、股权和一致行动关系便可能重新安排。
• 讲者的核心并不在婚姻本身，而在于：大型企业的“护城河”不仅是现金、技术、商誉或社会关系，更重要的是董事会表决权、股权安排、一致行动人协议和公司治理结构。私人关系一旦变化，原本被认为稳定的治理安排可能出现松动。
• 他进一步提到贝索斯离婚案，认为天价离婚不能只看“分走多少钱”，还要看是否改变企业控制权和公司治理体系。
• 讲者提出，当财富达到几代人都用不完的程度时，企业家继续追逐的往往不是消费意义上的钱，而是控制力、事业延续和影响力。因此，真正让其紧张的可能不是资产减少，而是治理体系被打开一个缺口。
• 他又以乔布斯曾离开苹果、后来重新回归为例，说明创始人身份、股权、董事会控制权和管理职位并不是同一件事。创始人依然可能被公司治理结构排除在外。
• 这一段最后回到现实：某个企业或企业家的公开事件，不能只当作娱乐新闻，应观察其是否表示董事会、配偶、合作伙伴或一致行动关系发生变化。

重要案例：

• 微软和比尔·盖茨：被用于说明私人关系可能影响股权及治理结构，但原稿中的具体因果链未经核实。
• 贝索斯离婚：被用于说明高净值人士离婚可能影响企业治理，不只是财富再分配。
• 乔布斯离开并重返苹果：被用于区分创始人、职业经理人、董事会和控制权。

关键结论：

• 观察大型企业时，不能只看创始人的持股比例，还要看董事会席位、表决权、一致行动关系和家庭资产安排。
• 对超级企业家而言，最重要的资产可能是公司治理体系，而不是个人账户中的现金。
• 私人事件若触及控制权结构，可能成为企业风险的放大器；但直播中的具体传闻不应直接当作事实。

第二部分：新加坡链路、算力产业与早期显卡需求

时间：20:23:09–20:47:49

讨论主题：

• 为什么一些算力、显卡和离岸业务集中在新加坡。
• 离岸人民币清算中心与交易中心的区别。
• 游戏运营、游戏币交易、加密资产挖矿与早期显卡市场之间的连续性。
• 商业网络、资金融通与大型显卡订单之间可能存在的历史链路。

内容整理：

• 讲者先提出疑问：为什么某些算力公司或显卡业务会落在新加坡？他不认同只用“新加坡连接东西半球”来解释，认为要回看显卡需求、离岸资金和华人商业网络的发展历史。
• 他将时间线拉回约 2016–2018 年，指出当部分加密资产交易和相关业务受到限制后，新加坡成为部分业务的落脚点。与此同时，新加坡在离岸人民币体系中的角色增强。
• 讲者区分了离岸人民币的“清算中心”和“交易中心”：在他的框架中，香港长期承担清算中心角色，因为中资银行和人民币流动性入口集中在香港；新加坡则更多承担交易、业务撮合和区域资金中转角色。
• 他借此延展到香港资产定价：香港采用联系汇率制度，因此港股中以港币计价的中国资产受美元利率周期影响明显；而 A 股以人民币计价，同一家公司在 A 股和 H 股出现价差，可以部分理解为不同货币、流动性和资本成本形成的再定价。
• 讲者认为，国内资金过去参与全球算力链的直接渠道有限，因而部分光通信、半导体和算力链龙头在 A 股形成较高溢价。这种溢价本身可以理解，但不应演化成单纯依靠国内资金相互博弈。
• 随后他回到新加坡，提出游戏公司海外运营的现象。表面上，一些公司依靠弹珠、消除、俄罗斯方块等轻量游戏从海外用户付费中获利；但讲者推测，这类游戏平台和游戏币交易也可能承担资金流转功能。此处他多次强调没有证据，只是在解释一种可能的商业链路。
• 他进一步追问：在 AI 算力爆发之前，第一批把显卡价格推高的需求是什么？答案指向加密资产挖矿。由此形成一条连续链：较早参与游戏运营、虚拟币、显卡采购或机房建设的人，更容易在算力时代率先进入 GPU、数据中心和算力融资市场。
• 讲者称，2017–2018 年间，新加坡某些酒吧和华人商业圈中聚集了大量做相关业务的中国企业家。他用一家注册资本约 3000 万美元、获得约 29 亿元预付款并完成约 40 多亿元显卡订单的项目举例，说明大型订单背后可能并不是单一公司的自有资金，而是资方、甲方订单、预付款和贸易链共同完成。
• 讲者强调，真正需要追问的不是“为什么这家公司有能力接单”，而是“最终业务和资金代表谁的需求”。公开直播只讲商业模式，不指名道姓。

重要案例：

• 香港与新加坡在离岸人民币体系中的不同角色。
• 游戏币交易与海外游戏运营，被用来解释早期跨境数字业务网络。
• 加密资产挖矿推动第一轮显卡需求，被用来解释为何旧有显卡玩家能快速进入 AI 算力产业。
• 某公司以预付款撬动大额 GPU 订单，被用于说明算力订单背后的融资和信用链。

关键结论：

• 新加坡算力业务的形成可能不是突然发生，而是延续了游戏运营、虚拟资产、显卡采购、离岸资金和华人商业网络。
• 分析大额硬件订单时，应沿“最终需求方、预付款来源、融资方、采购方、交付方”拆解，而不是只看名义买家。
• 香港更偏人民币清算和中国资产定价，新加坡更偏区域交易、撮合和跨境业务节点，这是讲者解释两地差异的核心框架。

第三部分：美联储、通胀数据与市场“政策底—情绪底”

时间：20:32:29–20:35:57；20:47:57–20:55:01

讨论主题：

• 美国通胀数据和可能的加息幅度对全球科技资产的影响。
• 政策底、情绪底和市场底之间的区别。
• 当前经济为何更接近整体去库存，而 AI 又表现为局部“被动补库存”。

内容整理：

• 讲者表示，当时市场已消化约 25 个基点的利率变化预期，但若加息预期扩大到 50 个基点，全球科技和算力资产可能面临新的估值压力。他引用美联储理事沃勒的表态，认为美债压力缓和后，美联储可能重新成为风险来源。
• 对国内市场，他将底部分为三个层次：
  1. 政策底：政策开始托底，使市场下跌速度受限；
  2. 情绪底：高波动板块不再同步大跌，资金开始尝试修复；
  3. 市场底：指数和盈利预期真正完成确认。
• 讲者观察到，光通信开始修复时，半导体材料并未继续明显下跌。他把这种“一个板块修复、另一个板块不再恶化”的现象视为情绪底可能出现的信号。
• 不过他强调，政策底和情绪底并不等于新一轮牛市，只意味着大幅下跌过程可能进入中期修复阶段。
• 随后讲者让观众选择本轮行情的主要推动因素：科技产业、人民币升值或美元周期。他认为不能简单把行情归因于 AI，因为宏观经济整体仍处于去库存阶段。
• 他用房地产扩张期作比较：房地产建设不仅创造房屋本身，还能带动装修、建材、门店、快递、物业和就业，形成新的社会需求。房价上涨又能推动进一步消费和信用扩张。
• AI 的问题在于，它明显提高了生产效率，却暂时没有给全球带来同等规模的新消费需求。AI 相关订单集中在通信、存储、芯片、数据中心等少数行业，普通消费电子和传统需求仍在去库存。
• 因此，全球经济的主状态是去库存，而 AI 产业在政策和资本支出的支撑下继续增加产能，形成讲者所谓的“被动补库存”：不是由终端需求自然拉动，也不是全面繁荣，而是由国家战略、资本开支和融资推动的局部扩张。
• 讲者由此判断，本轮中国资产行情的更大动力可能是汇率和资产重估，而不完全是 AI 产业本身。随着人民币和中国生产能力重新定价，全球急需的通信、存储和算力设备会首先获得订单，但也容易导致资金过度集中在少数龙头。

重要案例：

• 房地产扩张带动社区商业、装修和就业，用于说明“生产效率提升必须转化为需求”。
• 手机多年缺少关键新功能，用于说明传统消费电子换机需求减弱。
• 光通信修复而半导体材料不再下跌，用于说明情绪底的观察方法。

关键结论：

• 政策底只表示下跌获得托底，情绪底表示市场恐慌减弱，二者都不等于市场底。
• 当前宏观背景更像整体去库存，而 AI 处于政策和资本支撑下的局部被动补库存。
• AI 能提高效率，但能否创造足够的新需求，是判断其能否带来长期繁荣的关键。

第四部分：算力定价从“规模”转向“效率”

时间：20:54:45–21:15:09

讨论主题：

• AI 产业估值逻辑从算力规模转向算力效率。
• 头部模型公司上市可能如何重构上下游定价。
• Token、模型效果、电力成本和能源效率之间的关系。

内容整理：

• 讲者认为，AI 第一阶段的定价方式是“拥有多少算力设备，就能支撑多少估值”。市场根据 GPU 数量、数据中心规模和资本支出推算未来模型能力。
• 随着资本回报要求提高，单纯扩建算力中心不再足够。市场将进入“效率定价”阶段，即关注相同算力投入能训练出怎样的模型、能产生多少有效 Token、能否形成付费应用和利润。
• 他提到 Anthropic/Claude 一类模型公司可能上市，并把它视为重要事件。与 SpaceX 等包含多种业务的资产组合不同，纯模型公司的上市会给“模型能力本身”提供更直接的资本市场定价锚。
• 讲者提出，模型领域可能出现明显的头部效应。当资本从增量时代转向存量时代，投资者更愿意把有限资金给确定性高、效果强、商业化路径清晰的头部模型，而不是平均抬高所有小模型估值。
• 这与上一轮互联网融资不同。互联网早期处于信用扩张期，市场需要更多资产和项目吸收新增货币，因此一个平台上市后，同行容易获得可比估值。如今资金更稀缺，纯模型公司上市反而可能成为筛选机制，压低非头部模型的融资空间。
• 讲者把算力效率进一步拆为两层：
  • 输出效率：模型消耗 Token 后产生的结果是否有价值，是否能提升工作和生产效率；
  • 成本效率：生产同样 Token 需要多少电力、芯片、散热和资本投入。
• Token 可以成为相对标准化的计量单位，但 Token 的生产成本并不统一。美国、中国及其他地区的能源价格、电网结构、清洁能源比例和基础设施成本不同，这会影响模型利润率和算力定价权。
• 因此，下一阶段的 AI 竞争可能不只是“谁有最先进模型”，还包括“谁能以更低能源成本生产同等质量的 Token”。讲者认为，能源效率和电力成本可能成为 AI 核心资产的一部分。
• 讲者进一步把这一点关联到汇率和国家生产能力：如果一个经济体可以用更低成本的电力和基础设施生产算力成果，那么该经济体的生产能力可能获得新的国际定价，进而影响货币与资产价格。

重要案例：

• Anthropic/Claude 可能上市：用于说明纯模型公司将成为效率定价锚。
• 互联网平台上市带动同行估值：用于对比增量货币时代与存量资金时代。
• Token 成本：用于说明同一标准化输出背后存在能源和基础设施成本差异。

关键结论：

• AI 估值正在从“有多少 GPU”转向“每单位算力能产生多少有效结果和利润”。
• 纯模型公司上市未必普遍抬高行业估值，反而可能强化头部效应，淘汰低效率模型。
• 能源价格、电力结构和 Token 生产成本，可能成为下一阶段 AI 定价权竞争的核心。

第五部分：不同时期的“核心资产”与购买力对价

时间：20:55:01–21:06:37

讨论主题：

• 不同时代用什么资产衡量货币购买力和生产效率。
• 2016–2020、2020–2025 以及 2025 年后的核心资产切换。
• 为什么不能沿用上一周期的投资逻辑。

内容整理：

• 讲者提出，每个时代都有能够体现货币购买力、生产能力和国际竞争力的代表性资产。简单用一支笔、一个汉堡或普通商品比较汇率，并不能完全反映技术、资本和生产效率差异。
• 他认为 2020–2025 年最关键的对价资产是黄金。黄金在这一阶段不仅是价格上涨的商品，更是美元、中国资产、通胀和通缩预期之间的共同参照物。
• 对普通资产配置者而言，黄金的意义不是预测每一次涨跌，而是在组合中保留一定比例的核心资产，以防货币和其他资产的购买力发生变化。
• 在 2016–2020 年左右，讲者认为更能代表中国生产效率对外定价的是港股和中概互联网资产。当时全球资本并不直接按照中国房地产数量给中国生产力定价，而是按照互联网平台对生产方式、交易效率和消费方式的改造进行定价。
• 到 2025–2026 年，讲者认为黄金已经完成一轮重要上涨，新的核心定价逻辑正在出现。AI 是方向，但“买 AI”仍然过于抽象，普通投资者无法直接成为模型公司的原始股东，因此需要继续分解为模型效率、能源效率、基础设施和资源成本。
• 他强调，不能把过去成功的逻辑机械延续：2020 年后的房地产不能再按此前信用扩张逻辑判断；2025 年后的黄金也不能简单按此前逻辑判断；同样，2026 年后的 AI 不能只按算力规模判断。

重要案例：

• 汉堡指数：用于说明简单商品可以比较购买力，但仍受本地生产效率影响。
• 中概股和港股：用于说明 2016–2020 年中国互联网生产效率的国际定价。
• 黄金：用于说明 2020–2025 年货币与核心资产的对价。

关键结论：

• 核心资产不是永恒不变的，它会随着信用周期、技术革命和国际定价权变化而切换。
• 资产配置需要先判断当前时代的定价锚，再讨论买卖时点。
• 2026 年后的 AI 逻辑应继续拆解到模型效率、能源效率和资源成本，而不能停留在“AI 会增长”。

第六部分：熊市中的资产处置与仓位管理

时间：21:19:49–21:30:37

讨论主题：

• 熊市或去库存阶段应该先卖什么资产。
• 流动性与资产质量之间的取舍。
• 为什么投资结果主要取决于仓位结构，而不是单次买卖点。

内容整理：

• 讲者用房地产下跌案例提问：如果同时持有一套市中心房产和一套郊区房产，已经判断房地产进入下行周期且必须卖出一套，应先卖哪一套？
• 多数人直觉上会卖郊区资产，留下市中心优质资产。但讲者给出的原则是：在确认熊市转向后，应优先出售流动性最好、最容易成交的资产。
• 他的理由是，熊市初期优质资产仍有买家，能够以相对可控的折价换回现金；劣质资产虽然更想卖，却可能已经失去流动性。等市场进一步恶化后，郊区资产可能不是“跌多少”的问题，而是“完全卖不掉”。
• 他将同一原则应用到股票：当市场从牛转熊时，龙头和流动性最强的品种往往最容易先变现。若因为舍不得龙头而继续持有，最终可能出现价格下跌后仍等待回本，错过调整仓位的窗口。
• 讲者也用黄金在流动性危机中的表现说明：当机构需要补充现金时，可能先卖掉最容易交易、价格最透明的黄金，而不是因为不看好黄金。
• 因此，“先卖最好的”并非否定其长期价值，而是承认熊市中现金和流动性具有更高优先级。
• 讲者随后回答“如何知道牛熊转换”：不能依赖单一人的预测，而应结合 PMI 库存数据、货币周期、政策变化、行业集中度和月度观察。其方法是提前给市场设定阶段关键词，如“边打边撤”“慢进快出”“震荡筑底”“底部再确认”“缩量摸底”等。
• 他承认任何判断都可能出错，但认为经济周期指标至少能帮助投资者避免在去库存阶段继续许愿单边牛市。

重要案例：

• 市中心房产与郊区房产：说明熊市初期要优先出售有流动性的资产。
• 光通信龙头：说明“长期好资产”也可能在周期转向时成为仓位风险来源。
• 黄金在流动性危机中先被卖出：说明卖出不一定代表长期看空。

关键结论：

• 熊市处置资产的第一原则是流动性，而不是情感上的“优质/劣质”。
• 投资是仓位管理的艺术；错误的仓位结构会让之后所有操作都变成补救。
• 周期判断可能出错，因此需要分批、限仓、预设退出条件，而不是把预测当成确定事实。

第七部分：实际利率、房地产与黄金

时间：21:31:49–21:53:17

讨论主题：

• 如何用实际利率理解房地产和黄金。
• 为什么房地产按揭利率下降并不必然意味着买房更划算。
• 为什么讲者反对把黄金视为普通复利资产进行机械定投。

内容整理：

• 讲者先用过去房地产上涨期说明实际持有成本。当按揭利率为 7%–8%，但房价每年上涨约 10% 时，名义贷款利率很高，扣除资产上涨后，实际持有成本可能为负。此时加杠杆买房相当于享受信用扩张带来的“贴息”。
• 相反，当贷款利率降至 2%–3%，但房价不涨时，实际持有成本反而是正的 2%–3%。因此，今天刚需购房者的犹豫并不只来自“担心继续下跌”，还来自需要真实支付持有成本。
• 讲者强调，用于宏观比较的利率不应简单采用个人贷款利率或 LPR，而应关注十年期国债收益率，因为国债代表一个经济体中信用最强主体的融资成本。
• 在他的房地产观察框架中，可用十年期国债收益率减去房价同比涨幅，近似观察房地产相关的实际利率变化。若实际利率由负转正，房地产的杠杆吸引力下降。
• 他进一步解释为什么国家信用利率重要：政府具备税收和货币发行能力，国债往往是整个金融体系的基础定价锚。日本长期通过国债和货币扩张支撑资产价格，并使日元成为全球融资货币，是他用来说明该机制的案例。
• 转向黄金后，讲者把黄金定义为无息资产。股票可能有股息，债券有票息，但黄金长期持有不会自然产生更多黄金。
• 因此，他认为黄金与股票指数的定投逻辑不同。股票指数定投可以在盈利增长和分红再投资中形成复利；黄金定投主要是在不同价格上平滑成本，不产生内生利息。
• 讲者认为 2020–2025 年黄金上涨，一方面体现黄金相对美元的升值，另一方面是通缩和资产荒提高了无息资产的相对吸引力。当现金、存款和债券收益率不断下降，黄金的机会成本降低。
• 观察黄金时，他建议关注美元实际利率，可用美国十年期国债收益率减去通胀率进行近似观察。当美债收益率下降而通胀上升时，实际利率受到压缩，黄金通常获得支撑；反之，实际利率上升会提高持有现金和债券的吸引力。
• 直播中恰逢美国 CPI 数据发布，讲者不断区分月率、年率、环比和同比。他借此说明，若不理解统计口径，容易直接基于新闻标题做出错误判断。

重要案例：

• 过去 7%–8% 房贷利率与 10% 房价涨幅：说明名义利率高不等于实际成本高。
• 当前 2%–3% 房贷利率与房价零增长：说明低利率不等于资产便宜。
• 美国十年期国债收益率减通胀：用于近似观察美元实际利率与黄金关系。
• 日本国债和日元融资货币：用于说明国家信用、货币扩张和全球资产价格的联系。

关键结论：

• 比较资产成本时，应看名义融资成本扣除资产价格或通胀变化后的实际利率。
• 房贷利率下降不代表房地产重新具备高回报，关键是房价和租金能否补偿融资成本。
• 黄金是无息资产，配置逻辑应围绕实际利率、货币购买力和组合对冲，而不是照搬股票定投逻辑。

第八部分：库存周期、CPI/PPI 传导与中期反弹

时间：21:55:41–22:03:41

讨论主题：

• 如何用 CPI、PPI 和库存周期判断中期反弹的性质。
• 为什么经济数据公布时间本身也应纳入投资流程。
• 从“听结论”转向使用数据工具。

内容整理：

• 讲者提出，市场中期反弹能走多高，取决于补库存周期行进到哪一步。判断依据之一是 PPI 向 CPI 的传导强度。
• 如果 PPI 上涨能够有效传导到 CPI，说明企业价格和需求恢复更有持续性，被动补库存可能向更积极的库存循环过渡，中期反弹空间相对更大。
• 如果 PPI 与 CPI 传导很弱，可能只是局部价格波动，甚至意味着经济将重新进入全面去库存。此时即使股市出现普遍修复，也需要考虑降低风险，而不是把反弹当成新牛市。
• 讲者强调，CPI、PPI、社融、进出口等数据有稳定公布节奏。投资者可提前在日历中标记，明确每项数据影响哪些资产，而不是新闻发布后临时追涨杀跌。
• 他举例说，中国海关进出口数据若显示通信设备、半导体或存储出口继续增长，市场可能围绕相关产业做文章；但参与前必须先判断当前属于被动补库存波动，还是库存周期全面转向。
• 对盘面，他认为政策底后的市场仍有明显上方抛压。高开低走、上影线和下影线要结合阶段理解：当前更关键的是抛压是否减少、主线能否重新形成，而不是只看单日红绿。
• 他主张通过可视化工具整合实际利率、库存、CPI/PPI、城市房价等数据，把经济学概念直接转化为可观察指标。

重要案例：

• PPI 向 CPI 的传导：用于区分被动补库存反弹和更全面的周期改善。
• 社融与海关进出口数据：用于提前判断行业订单和市场叙事。
• 宏观经济台历：用于建立数据公布前的固定复盘流程。

关键结论：

• 中期反弹的高度应由库存周期和价格传导验证，而不是由情绪决定。
• 经济数据的“公布时间、口径、方向、资产映射”都应纳入投资流程。
• 工具的价值不是替代判断，而是减少月率/年率、名义/实际、同比/环比等基础错误。

第九部分：康波周期、技术革命与代际财富

时间：22:05:01–22:24:45

讨论主题：

• 康德拉季耶夫长波的四阶段框架。
• 熊彼特如何把技术革命引入长周期分析。
• 为什么“人生发财靠康波”的另一面是财富可能回到原点。
• AI 是否足以成为下一轮技术革命的生产效率核心。

内容整理：

• 讲者介绍康波周期是约 60 年的长周期，通常可分为回升、繁荣、衰退和萧条四个阶段。萧条阶段资产价格和生产效率表现较弱，因此固定收益资产更受欢迎，表现为债券牛市。
• 他提醒，康波本身研究的是生产资料或生产资源价格的长期波动，而不是简单预测股市。后来熊彼特将长周期与技术革命联系起来：不同技术时代依赖不同的核心生产资料。
• 讲者依次举出种植与奴隶贸易、蒸汽机和机械、内燃机与石油、信息时代与电力等例子，说明技术革命会改变最重要的生产资源。
• 他引用周金涛的“人生发财靠康波”，但强调被忽视的后半层含义：一代人积累的核心资产可能在下一次技术革命中失去定价权，财富在约 60 年维度上可能回到原点。
• 由此产生代际差异。60 后、70 后在房地产和信用扩张期积累资产；80 后、90 后进入职场、购房和育儿阶段时，可能恰逢资产和人口周期下行。因此，不能只把差异归因于个人努力或政策红利。
• 对家族财富传承，讲者认为关键不是保证某项资产永远上涨，而是让下一代以较低成本进入下一轮技术革命对应的生产资料和产业。
• 他引用周金涛对 2015–2025 年萧条期的判断，认为 2025 年后市场需要验证是否进入 U 形回升。
• 讲者回顾自己的年度问题：2023 年开始引导认识康波；2024 年讨论 AI 是否是未来；2025 年讨论 AI 能否提高生产效率；2026 年讨论 AI 应如何定价。
• 他的阶段性结论是：AI 能提高生产效率，但尚未创造同等规模的新需求。这意味着上一轮繁荣积累的信用泡沫未必已经出清，技术进步与需求不足可以同时存在。
• 判断康波是否转向，需要观察回升期特征，即基础生产资源价格是否持续抬升。他以石油、电力和能源价格为例，认为即使上涨中包含地缘或人为因素，价格重心上移仍值得警惕和配置。
• 讲者最后强调，康波过于宏大，单独使用容易“什么都能解释”。必须结合约 30 年的库兹涅茨周期、约 10 年的朱格拉周期和约 40 个月的库存周期，才能与现实投资连接。

重要案例：

• 债券牛市：对应长周期萧条阶段的固定收益偏好。
• 石油、电力和能源：用于观察技术革命所依赖的基础生产资料。
• 60 后/70 后与 80 后/90 后：用于说明不同代际处在不同资产周期。
• AI 提效但不创造需求：用于说明技术革命和信用出清可能并行。

关键结论：

• 康波研究的是技术革命与生产资料价格的长期变化，不是短线择时工具。
• 一代人的核心资产可能在下一轮技术革命中失去优势，代际财富管理必须关注资产切换。
• AI 是否成为下一轮长周期核心，不只看模型能力，还要看需求创造、能源体系和资本回报。
• 使用康波时必须嵌套中周期和库存周期，否则容易得到正确但不可执行的结论。

第十部分：AI 上下游、资源周期与国家定价权

时间：22:31:01–22:49:17

讨论主题：

• AI 模型公司上市对硬件供应链的影响。
• 从硬件规模、模型效率到资源成本的四阶段定价。
• 石油、清洁能源、工业金属和稀有金属在算力竞争中的作用。

内容整理：

• 讲者在直播尾声预告下一场的三个重点：中期反弹如何处理；纯 AI 模型公司上市如何改变定价；围绕企业治理和算力博弈的进一步讨论。
• 他认为，模型公司获得直接资本市场定价后，利润可能从硬件供应链向软件和模型效率端迁移。美股头部模型公司本身可能受益，但 GPU、存储、通信等上下游的利润空间可能承压。
• 他把 AI 定价分为几层：
  1. 规模定价：谁拥有更多 GPU、数据中心和资本开支；
  2. 效率定价：谁能用更少算力产生更强模型和更多有效 Token；
  3. 应用/利润定价：谁能把模型能力转化为真实收入；
  4. 资源定价：当硬件和模型利润趋于平衡后，最终回到铜、电力、能源、稀有金属、散热材料等基础资源成本。
• 他用“卖锄头”和“种地”作比喻：早期卖锄头的硬件公司最赚钱；随后种地的模型和应用公司要求取得更多利润；再往后，市场会计算制造锄头的木材、铁和能源成本。
• 讲者推测，美国在建设算力中心前囤积铜和有色金属，说明资源端已经被纳入产业战略。若算力中心建设放缓，相关资源需求和价格也会波动。
• 中美算力需要形成某种对价方式。美国更依赖石油和传统能源，中国在电网、清洁能源、工业基础设施和制造成本上具有优势。双方可能围绕 Token 成本、能源结构和资源价格展开长期博弈。
• 他认为，中国当前的出口优势越来越多地来自基础设施和能源成本，而不仅是人口红利。更低的工业电价和完整供应链使中国制造具有成本优势，但电力行业本身是否获得足够定价仍值得观察。
• 讲者提醒，历史上的牛市很少长期围绕同一个品种反复展开。即使 AI 是长期方向，主导收益也可能从 GPU 转向模型、应用、电力、金属或其他资源。

重要案例：

• 模型公司上市：用于说明利润从硬件向效率端迁移。
• “卖锄头—种地—木材和铁”：用于展示 AI 定价的四阶段转移。
• 铜和有色金属储备：用于说明算力基础设施背后的资源战略。
• 中国工业电力和基建成本：用于说明出口竞争力正在从人口红利转向基础设施红利。

关键结论：

• AI 产业的利润中心会迁移，不能永久把 GPU 或某一硬件环节视为唯一主线。
• 模型效率、应用利润、能源成本和资源供应将依次进入定价核心。
• 国家之间的算力竞争，本质上包含能源体系、基础设施、资源安全和货币定价权的竞争。

第十一部分：问答环节整理

时间：全场穿插，集中于 21:31 后及 22:44 后

问答 1：美国 CPI 应该看月率还是年率？

讲者回答：

• 月率通常用于观察短期环比变化，年率/同比用于观察过去一年整体通胀变化。
• 判断实际利率时需要确保使用一致口径，不能把月率 0.3% 直接与十年期国债收益率比较。
• 财经新闻标题可能混用口径，投资者应先核对数据定义。

结论：

• 使用宏观数据前，先确认时间口径、是否季调、同比或环比，再进行资产映射。

问答 2：过去五年是否应该定投黄金？

讲者回答：

• 他认为黄金是无息资产，不具备股票分红再投资式的内生复利。
• 黄金定投主要是平滑买入成本，并非通过利滚利积累资产。
• 是否配置黄金，应根据实际利率、货币购买力和组合风险，而不应简单照搬指数定投逻辑。

结论：

• 黄金可以配置，但“定投黄金”和“定投权益指数”的收益来源不同。

问答 3：熊市中先卖优质资产还是劣质资产？

讲者回答：

• 在确认周期转熊且需要降低风险时，优先出售流动性最好的资产。
• 劣质资产可能已经没有买家，继续等待只会降低整体组合的机动性。

结论：

• 先恢复现金和仓位选择权，再处理低流动性资产。

问答 4：AI 硬件和有色金属还有没有机会？

讲者回答：

• 若 AI 定价从规模转向效率，硬件链的估值可能承压。
• 若供应链重新扩张，资源端可能进入第四阶段定价，铜、工业金属、稀有金属和能源成本会更重要。
• 不能只依据“AI 长期增长”直接推导所有上下游持续上涨。

结论：

• 应分别验证订单、资本开支、模型效率和资源需求，避免把产业趋势等同于单一资产趋势。

问答 5：12 月加息是否确定？

讲者回答：

• 他认为当时市场正在交易加息概率和 25/50 个基点的差异，但并非百分之百确定。
• 中期反弹计划需要纳入利率预期变化。

结论：

• 利率决策应作为情景变量，而不是确定前提；仓位要能承受不同结果。

第十二部分：直播收尾与最终投资方法提醒

时间：22:49:17–22:52:05

讨论主题：

• 卖低之后是否应该立刻追回。
• 年底阶段应把重点从单次盈亏转向仓位管理和下一年度准备。

内容整理：

• 讲者提醒，已经低位卖出的投资者不要因为懊悔而立刻反向补回。经济周期转向不是普通个人能够改变的，卖出后的反弹也不代表原判断必然错误。
• 当前感受到的回撤、踏空或操作不顺，本质上往往是在为此前的仓位结构买单。仓位过度集中、流动性不足或没有退出计划，比单次买卖点更重要。
• 无论后续是修复、筑底还是再度回落，年底更重要的任务是建立仓位管理框架，准备下一年度，而不是试图靠最后一段行情弥补全年损失。
• 讲者认为当年收益大致已经形成，不应对年底行情抱有过高期待；接下来应把视线放到 2027 年的周期结构和下一轮核心资产。

关键结论：

• 不要因卖出后反弹而情绪化追回，避免把一次错误变成连续错误。
• 年底重点是复盘仓位结构、流动性和风险预算，而不是追求“回本”。
• 下一阶段的准备应围绕周期变化、算力效率、能源与资源定价展开。

---

第二阶段：核心提炼

一、讲座核心观点

1. 观察超级企业时，真正重要的不只是创始人的持股比例，而是董事会表决权、一致行动关系、家庭资产安排和公司治理结构。
2. 新加坡在算力产业中的地位可能延续自早期游戏运营、虚拟资产、显卡采购、离岸资金和华人商业网络，而非单纯来自其地理位置。
3. 当前全球经济整体偏向去库存，而 AI 产业在政策和资本支撑下局部扩张，呈现“被动补库存”特征。
4. 政策底只能减缓下跌，情绪底只能说明恐慌缓和，只有盈利、信用和库存周期共同确认后，才更接近市场底。
5. AI 的资本市场定价正在从 GPU 和数据中心规模，转向单位算力的模型效果、Token 产出、商业收入和资本回报。
6. 纯模型公司上市可能强化头部效应，不一定像上一轮互联网平台上市那样普遍抬高所有同行估值。
7. Token 可以成为算力输出的计量单位，但 Token 的成本取决于芯片、电力、散热、基础设施和融资成本，因此能源效率会影响 AI 定价权。
8. 不同时代有不同的核心资产：互联网资产、黄金、AI、能源或资源的地位，会随着信用周期和技术革命切换。
9. 在熊市初期，应优先处置流动性最好的资产，以恢复现金和选择权，而不是执着于留下所谓“优质资产”。
10. 房贷利率低并不等于房产便宜，必须结合房价或租金变化评估实际持有成本。
11. 黄金是无息资产，其主要定价变量之一是实际利率；黄金配置与股票指数定投的复利逻辑并不相同。
12. 判断中期反弹应观察 PPI 向 CPI 的传导、库存数据、信用变化和行业订单，而不是只看单日涨跌。
13. 康波周期只有与库兹涅茨周期、朱格拉周期和库存周期结合，才能从宏大叙事转化为现实决策。
14. AI 能提高生产效率，但尚未证明能够创造同等规模的新需求，因此技术繁荣与信用出清可能同时发生。
15. 投资结果首先由仓位结构、流动性和风险预算决定，预测准确只是辅助条件。

二、知识框架

宏观与资产定价
├─ 经济周期
│  ├─ 康波周期：技术革命与生产资料，约60年
│  ├─ 库兹涅茨周期：房地产与建筑，约15–30年
│  ├─ 朱格拉周期：设备投资与信用，约7–11年
│  └─ 库存周期：补库存/去库存，约3–4年
├─ 市场底部识别
│  ├─ 政策底：政策托底，限制下跌速度
│  ├─ 情绪底：高波动资产不再同步恶化
│  └─ 市场底：盈利、信用、库存与价格共同确认
├─ AI定价迁移
│  ├─ 第一阶段：算力规模
│  ├─ 第二阶段：模型效率
│  ├─ 第三阶段：应用与利润
│  └─ 第四阶段：能源、金属与资源成本
├─ 实际利率
│  ├─ 房地产：基准融资成本 - 房价/租金变化
│  ├─ 黄金：美国十年期国债收益率 - 通胀
│  └─ 作用：比较现金、债券、房产、黄金的机会成本
├─ 资产处置
│  ├─ 牛市：关注增长、复利与风险暴露
│  ├─ 转熊：优先出售高流动性资产
│  ├─ 熊市：现金和选择权优先
│  └─ 反弹：避免因踏空情绪追回
└─ 国家竞争力
   ├─ 模型能力
   ├─ 芯片和供应链
   ├─ 电力与能源效率
   ├─ 工业基础设施
   ├─ 资源安全
   └─ 货币与资产定价权

三、重要案例与证据

案例/证据	在讲座中用于证明什么	注意事项
比尔·盖茨、贝索斯离婚与乔布斯离开苹果	私人关系和董事会结构可能影响企业控制权	部分具体因果属于讲者推演，需独立核实
香港与新加坡的离岸人民币角色	清算中心、交易中心和区域业务节点具有不同功能	应结合官方金融数据验证
游戏运营、游戏币、加密挖矿和显卡采购	早期数字业务网络可自然迁移到 AI 算力产业	部分链路为推测，不等于事实认定
房地产扩张带动装修、门店和就业	技术或资产扩张只有创造新需求，才能形成正循环	用于对比 AI 当前需求创造不足
手机多年缺少关键新功能	传统消费电子进入换机需求放缓和去库存	属于趋势性案例，不适用于所有细分行业
Anthropic/Claude 类模型公司上市	纯模型公司可能成为效率定价锚，并强化头部效应	上市情况及影响需以实际文件和市场表现为准
Token 成本与中美电力差异	AI 竞争包含能源效率和基础设施成本	需按地区、数据中心和能源结构具体计算
市中心与郊区房产	熊市初期应优先出售有流动性的资产	若有高杠杆、税费或居住需求，决策需调整
7%–8% 房贷与 10% 房价涨幅	名义利率高时，实际持有成本仍可能为负	为示意数字，不能直接用于当前购房决策
美国十年期国债收益率减 CPI	近似观察美元实际利率与黄金机会成本	更严谨分析可用 TIPS 实际收益率和通胀预期
PPI 向 CPI 传导	区分局部被动补库存与更全面需求修复	还需结合订单、库存、利润和信用数据
石油、电力、铜和有色金属	长周期回升与 AI 基础资源需求可能相关	要排除地缘冲突和供给扰动造成的短期噪声

四、可执行建议

1. 建立宏观数据日历

立即在日历中固定以下项目：

• 中国：CPI、PPI、PMI、社融、进出口、工业增加值。
• 美国：CPI、PCE、非农、FOMC 决议、十年期国债收益率。
• 行业：头部模型公司融资/上市文件、云厂商资本开支、GPU/存储/光模块订单。

每次数据发布前写下三项：市场预期、自己的情景判断、对应仓位上限。发布后只更新差异，不临时发明新逻辑。

2. 用四阶段框架跟踪 AI

为每个 AI 资产标注其主要利润来源：

1. 算力规模；
2. 模型效率；
3. 应用收入；
4. 能源和资源。

若一家公司仍依赖第一阶段叙事，但行业已转向第二或第三阶段，应下调估值假设，而不是仅看收入增长。

3. 计算简化版实际利率

• 黄金观察：美国十年期国债收益率减美国通胀率，同时参考 TIPS 实际收益率。
• 房地产观察：按揭成本、租金回报、维护税费和预期价格变化综合计算，不只看 LPR。
• 股票观察：比较盈利收益率、无风险利率和盈利增速，不把低利率自动等同于高估值合理。

4. 为熊市预设流动性顺序

在市场平稳时给持仓分四级：

• A：可在 1 个交易日内退出，冲击成本很低；
• B：可在 3–5 个交易日内退出；
• C：退出会明显影响价格；
• D：基本没有稳定买家。

若周期转熊，先降低 A/B 类风险敞口来获得现金，不要等所有资产都失去流动性后才处理。

5. 用“政策底—情绪底—市场底”避免过早重仓

• 政策底出现：只允许试探仓，不据此判断牛市。
• 情绪底出现：观察板块是否停止同步下跌，增加但不满仓。
• 市场底确认：等待盈利、信用、库存和价格传导改善，再提高长期仓位。

6. 复盘仓位，而不是只复盘买卖点

每周记录：

• 单一行业和单一股票占比；
• 可在 3 个交易日内变现的比例；
• 最大可接受回撤；
• 若利率上升 50 个基点、指数再跌 10%、核心持仓跌 20%，分别如何处理。

不要在卖出后因为短期反弹立即追回，至少等待原进入条件重新成立。

7. 对传闻和宏大叙事设立证据门槛

讲座中的公司治理、私人关系、跨境资金和国际博弈内容包含大量推测。实际决策前至少核对：

• 公司公告、招股书、监管文件；
• 董事会和股权结构变化；
• 财报中的资本开支、客户集中度和预付款；
• 官方 CPI/PPI、国债收益率、贸易和能源数据。

无法由公开文件验证的内容，只能作为待验证假设，不进入重仓依据。

五、一句话总结

这场直播以公司治理和新加坡算力链为引子，核心讨论 AI 定价从规模转向效率、能源与资源，结合库存周期、实际利率和康波框架，强调在去库存与中期反弹阶段应优先管理仓位、流动性和证据质量。