这周我女儿满18个月，实盘记录到第18周，账户收益100万+，X上粉丝破3万。第一个1.5万粉用了4个半月，第二个1.5万粉用了1周。 所有的事情好像都到了一个新的节点，我在育儿和投资上都取得了阶段性的成果。我女儿成长的很好，这两周她语言能力大爆发，突然会说很多话了。 回顾过往种种，心情很复杂，开心但也有点感伤。怎么走到这一步的，大概就是熬出来吧，熬着熬着孩子长大了，熬着熬着账号做起来了。 今天给女儿举办了小小的仪式，庆祝她满18个月，也提前庆祝她即将迎来第二个儿童节。不曾错过她任何一个重要的日子，从她出生起我每个小阶段都会为她准备这些。 我前段时间无意间翻到2025.12.15写下的文字，感触很多，我就是这么一边自我怀疑，一边自我鼓励的向前走。几个月前不断给自己加油打气，我曾泄气过很多次。心气这种东西是很稀缺的，要努力把它保护好。 最后非常感谢大家的看见和支持。相信我们都会越来越好的。

哇塞！有被激励到。我曾经也是有马甲线的，生完孩子后肚皮松垮，练起来练起来。我要健康，我要幸福！

AI Fundamental 仍强，但最舒服的主升段已经走过 3X Long Labubu @labubu_trader：接下来值得等的，不是继续追 AI Winner，而是 US10Y 稳定回落后的 Rotation 长端一旦见顶，资金可能转向 BTC，以及 KRE、IWM、RKT、XLU 这批被高利率压制最久的 Losers

关注babyBus @BabybusFL 老师挺久了，之前也推荐过，他分享过不少好股票好买点，AVGO布局早，是他的梭哈式主仓。很多标的都会给出具体价位、支撑、还有期权结构，强调只买底部不追涨（这个纪律太重要了）。我一直想深入了解他的交易框架，老师对于这方面的成文内容较少，我从自己看的帖子里反推整理了几个点，目前也加入了自己的投资体系中，分享出来供大家参考。 1、宏观通过垃圾债（JNK）判定风险 月线高位 MACD 死叉，视作大调整预警； 利率上冲、JNK 下跌，但股票（尤其半导体）不跟跌时，倾向逢低买而不是清仓； 再叠加高估值和半导体月线 MACD 几乎垂直，可以用来判断硬件大行情是否进入修正阶段。 对应口诀是大跌大买、小跌小买、不跌不买。 2. 进场点主要关注周线布林通道 买点区间主要在周线中轨到下轨。跌破周中轨开始加重；跌破下轨更激进。 中轨到上轨之间只做轻仓，止盈更快，中轨之下的深度回调，目标是等修复、创新高、走到周上轨附近，期权常按翻倍思路拿。 上轨突破失败后的回调也可再买，冲高再卖。 对于半导体的态度是看好的票周线布林中轨之下都算买点。他曾比较 LITE 已到中轨附近、MU 离中轨还远，所以当时更偏向 LITE。 3、关于选股主要看叙事瓶颈和公司质量，但只在低位买 他投资主要偏 AI 资本开支瓶颈。存储、光互连 / 光通信、算力与基础设施、能源 / 电力、AI 应用等，还有贵金属和有色。 公开的持股标的有TER、AVGO、UNH、SILJ、APP、BWXT、VST、LMT、LNN、LIN、TC Energy、WDC、CRWV、MOS、GEV、RCL、SLV、XAR、NLR。持仓规模他说大概 20–30 个。针对同一产业不会同时拿超过 5 个。 质量票抓到底部后就少折腾死拿，比如 RCL 他倾向于拿分红长持。 4、关于期权：正股做波段，Bull Put 吃权利金 深度回调用 LEAPs，波动用 Bull Put（看涨价差卖 put），明确指出比裸 Sell Put 更好做。 同一标的经常两层一起上，正股拿波段，Bull Put 吃波动。看他写过AVGO，正股涨不多时，Bull Put 已经有大约 50% 收益。 看他常见止盈在权利金收益 50% 以上，不到 30% 不太急着平。 总结下大概是先用 JNK 和利率看该不该大规模接，再用周布林中轨下沿定买区，只在明确支撑附近建仓，弹性用 LEAPs 或 Bull Put 表达，高质量票到底后减少折腾。 以上均为老师公开帖整理，有理解不到位的地方也请大家指正。

babybus出品必须精品 我们只买在底部 追涨不是我的风格。我认为会涨很多 会刷新历史新高 但是推荐买入必须严肃。涨了喊涨 跌了喊涨那个不是babybus。

美光重点看 1030 附近，这里是短线非常关键的支撑位，跌破就要继续向下找支撑。

原来发疯真的有用，有时候人真的要表现得不好惹一点。 我的房子卖掉了， 9.10申请提前还建设银行的房贷，100多万的商贷和5000左右公积金贷款。工作人员跟我说排不上，9月额度没了。我表示和买家约定了 9.20左右交易，多次争取最后才给我排到了9.28。 结果后来银行收到我的房屋买卖合同，看到合同上写的是10.31前完成过户，在9.23临时告诉我 9 月还不了了，按照规定必须等到 10 月才能申请，我真的特别生气，问他凭什么这么安排，不接受这个处理结果。因为已经多出了这么多天的利息，还要继续拖。他知道理亏，不解释，就是告诉我要等到10月份才能申请。 我打了 12378 投诉，最后给的反馈还是建行维持原处理结果9 月不给还。我多次举报，客服人员说会给我升级到总部，让总部去施压。 后来我又在小红书上搜，看到一个网友说，这种事情直接去柜台发疯就好了。 我就带着我老公去了银行网点，我个人害怕当面起冲突，所以请我老公出面去和他们理论。 其实我们也没干什么，我老公就是站在柜台大分贝把整个事情说了一遍，大概就是说清楚哪天申请的，你们说了可以还，现在为什么临时改？凭什么不给操作？把依据拿出来。因为你们临时更改时间产生的利息，凭什么让我们承担？ 最后发现“发疯”是真的有用。除了处理的业务小哥外，马上就有职级高的人出面来解决，我们坚决要还款，态度很强硬，他们就开始升级问题，打电话给分行审批，流程其实很快，最后我们在9.28号还了款。 你好好说话的时候就是排不上、没办法、按规定，等你真的声音大起来，甚至大吼大叫，明确告诉他们今天必须给我解决，有什么规定就把证据拿出来，反而开始有人处理了。 这个社会不知道怎么了，我们从小被教育成高素质、有修养的人才，我一度对别人说脏话都不能接受，但是最后社会会教你做人，有时候要通过一些可能不那么体面的方式让别人知道你不好惹也不好糊弄。

截至美东 9 月 29 日收盘，我对 MU 的判断是中期趋势仍然偏多，但短线已经进入财报前的高位震荡区。财报前我更偏向震荡偏强，真正的大方向要等北京时间 10 月 1 日凌晨的财报和指引。 先看这两天的 K 线 9 月 28 日 MU 从 1075.98 开盘，盘中最低砸到 1032，最后收在 1053.98，跌 2.61%。这根 K 线虽然是阴线，但是下影线很明显，说明 1030 附近确实有人接。 9 月 29 日开盘回到 1076.69，最高 1082.66，最后收 1065.08，涨 1.05%。而且当天最低 1057.70，并没有把前一天 1053.98 的收盘价跌破。 所以这两天组合起来，我理解更像是 1100 附近有人兑现，但 1030～1050 一带也有明显承接，资金在财报前主动降低方向性押注。 另外还有一个细节，9 月 29 日反弹的成交量大约 1850 万股，低于 MU 约 2460 万股的平均成交量，也低于 9 月 28 日下跌时的 2200 多万股。也就是说反弹成立，但不是放量抢筹。 从最近的日线数据看，股价已经跌到 5 日线下方，但仍明显站在 10、20、50 日线上方。所以中期趋势没有坏，短期属于涨了一大段以后横盘消化。 往上第一道压力 1083～1110。 过去几个交易日 1080～1100 被反复交易，9 月 25 日高点是 1108.72。如果今晚能够重新站稳 1100，说明财报前资金还是愿意往上押。 第二道压力1150～1170。 这一区域和此前三个月高点 1168.68 接近。如果财报后直接跳空突破 1110，我会先看这里。再往上就是今年 6 月 25 日的盘中高点 1255，目前也是 52 周高点。 往下 1050～1040 是第一支撑，1030 是很关键的短线支撑。 尤其是 1030。9 月 21、22 和 28 日，低点都在 1030 左右反复出现。如果财报后跌破 1030，而且反抽站不回来，我会认为短期结构发生了明显变化。 再下面就是 1000～1015，这里既有整数关口也接近现在的 20 日均线。 我的基准判断是财报前 1050～1100 震荡偏强。财报后我会更关注指引能不能继续超预期。如果 Q1 指引明显超预期，同时股价有效突破 1109，我会先看 1150～1170。如果只是符合预期，我反而觉得冲高回落或者直接 sell the news 的风险不低。

想再聊聊自研芯片。二供再往前一步，其实就是自研芯片。 当算力越来越接近互联网公司的生产资料以后，大厂一定会越来越在意芯片成本。以前芯片更多是支持主营业务的基础设施，性能和稳定性最重要，但现在 AI 算力本身就在直接影响产品成本，芯片每便宜一点，最后都可能变成自己的利润。 Google、Meta、Amazon 自研芯片，一个很强的驱动力是前面说的 margin transfer。Nvidia、Broadcom 赚得太多，我自己体量已经足够大，就有动力把一部分供应商利润变成自己的成本节省。 国内大厂也有这个逻辑， 不过还额外叠加了一个因素就是算力供给的确定性。 我觉得在这方面早布局特别重要，芯片不是今年决定做、明年就能追上的东西。百度其实 2011 年就在数据中心做 FPGA AI 加速，2018 年发布昆仑芯；阿里 2018 年成立平头哥；腾讯至少在 2021 年已经公布紫霄 AI 推理芯片。它们当年做这些的时候，生成式 AI 甚至都还没有爆发。 现在回头看，这些积累的价值开始变得非常明显。比如阿里今年最新披露，平头哥已经覆盖 GPU、CPU、智能网卡和互联芯片，新一代真武 V900 计划用于超大规模 AI 集群，此前真武芯片已经在阿里云规模部署，并服务数百家外部客户。 而且这里面真正积累的并不只是一颗芯片。芯片每迭代一代，大厂同时在积累编译器、算子库、框架适配、互联、集群调度，以及最重要的是自己真实业务的 workload 数据。 百度当年能做昆仑芯，本身就是因为搜索、推荐这些业务已经积累了很多年 AI 加速经验。大厂自研芯片还有一个天然优势，自己就是最大的客户。 普通芯片公司先设计芯片，再找客户验证；阿里、百度、腾讯、字节这种公司可以先在自己的搜索、推荐、广告、云计算、大模型推理里跑。如果一个 workload 每年要消耗几十万张卡，哪怕单位计算成本只下降 10%，长期价值都可能非常大。 阿里在9月的云栖大会上也强调「芯片—服务器—超节点—网络—模型—推理系统」的联合优化，可见头部云厂最终都会想掌握更多底层能力。 所以我觉得未来 AI 芯片不会只是比谁的单颗 GPU 更强。通用 GPU、自研 ASIC、二供厂商会长期共存，利润也会在云厂、头部芯片厂和二供之间不断重新分配。 另外国内又多了一层供应链安全的需求，所以这条趋势可能会更明显。 以前看大厂做芯片，会觉得离主营业务很远。现在 AI 真正起来以后，才越来越能理解为什么有些公司十年前就开始做这件事。

感谢金老师提供的新视角。看一家 AI 芯片公司，除了看需求和收入增长，还要看利润最后留在产业链哪一层。 这里提到的两个词margin compression 和 margin expansion。 简单理解margin compression 就是头部供应商的利润率被压缩。客户体量越来越大，也越来越在意芯片成本，就会通过压价、引入二供、自研等方式增强议价权。 margin expansion 则相反，原本份额较小的二供，一旦进入高价值芯片供应链，产品结构和议价能力改善，利润率可能往上走。 短期缺货的时候头部供应商的利润率很难真正被压下来，但长期来看客户一定会想办法降低成本，市场交易的往往就是这个预期。

这两年 AI 是很大的风口，不少人通过投资都赚到了很高的收益，包括我自己也赚到一些。 但这种时候其实最容易产生一种错觉：今年能赚这么多，明年也可以；这个月能赚这么多，以后每个月都可以。慢慢就会觉得年化 10%、甚至20% 都太低了，指数也没什么意思，总想着找到下一个翻倍的机会。 其实这里面要分清楚风口带来的高收益，不一定是自己长期稳定的投资能力。行情好的时候，Beta、行业趋势和杠杆都可能把收益放得很大，但不能拿一段特殊时期的收益率去规划未来十年。 投资最终还是要回到目标。 如果本金很小，确实需要想办法积累本金，工作、储蓄、抓住真正看得懂的机会都很重要。AI 这种产业大周期来了，也应该认真研究，而不是为了所谓稳健完全错过时代红利。 但随着本金越来越大，游戏规则其实会发生变化。假设已经有一笔足够大的本金，只要获得一个并不夸张的长期收益率，靠时间和复利，本身就有机会达到自己的财富目标。这时候反而不需要不停交易，也不需要每年都追求翻倍。 我们要把握两件事：风口来的时候尽量看懂、抓住；风口过去以后也知道什么收益率才是正常的。

我在写投资内容时候总在两个念头之间来回拉扯，这个地方不解释，怕别人误解；解释完，又觉得谁有耐心看。 比如一个判断为什么成立、什么情况下会失效，我会都想交代，但前提越补越多，最开始想回答的问题反而有点模糊了。 我想把投资讲得容易懂，但又不想把它讲成一个过于确定的答案，还在持续练习中。

不知道你和我是否有一样的疑问：公司要怎样用 AI 才能回本？为什么 AI 看似提效，但是团队整体产出没有增多？ 这是我这两周在深入思考的问题，先说结论，后面配合上我引用的案例 1. 看平均情况，AI Token支出回本其实不难 2. 很多人用 AI 优化的task，看似提效，却不是整件事情的卡点 3. AI 优化的效能还是被以人为中心的旧流程卡死，不够 AI native。企业需要改革，AI新流程可以激发更好的创造力和效率 Ramp 用 7 万多家美国企业的支出数据做统计，7 月中位数公司每个员工每月只花 11.95 美元 [1]。美国雇主为一个员工付出的综合成本是每小时 49.46 美元，按全职工时折下来每月 8,500 美元左右 [2]。AI 只要让这个人每周多产出 30分钟，这笔钱就回本了 单个任务上的提升也是实打实的。宝洁做过一个 776 人的实验，一个人带着 AI 做出来的产品方案，质量追平了没有 AI 的两人小组 [3] 那为什么很多公司上了 AI，整体却没快多少？ 我做推理优化，第一件事是先看请求慢在哪。瓶颈不在的地方，优化得再好也没用。公司用 AI 是一个道理 举个假设的例子（防杠，真实项目比这复杂很多）：一个需求从提出到上线要 10 天，写代码 2 天，剩下 8 天在 review、对齐、排期、等审批，或者推理环境崩掉，导致部分项目重做。AI 把写代码压到半天，总时间从 10 天变成 8.5 天 代码快了 4 倍，整件事只省了 15% 今年有个 515 家创业公司的实验 [4]。所有公司拿到同样的 AI 额度、模型和技术培训，唯一的区别是案例课：随机一半看的是别的公司怎么围绕 AI 重排工作，另一半看的是普通创业案例。结果前一半的整体收入是后一半的 1.9 倍 工具一模一样，最大的区别在于 所以很多公司在考核 AI 使用率，我觉得考核错了。用得多不等于做得快 作为 manager 我的建议：先删流程，再简化，最后才上 AI 你们公司用上 AI 之后，哪个环节真的变快了，哪个一点没变？ 出处 [1] Ramp AI Index 2026 年 8 月报告 ramp.com/data/ai-index-augus… 样本量见 6 月报告 ramp.com/data/ai-index-june-… [2] 美国劳工统计局，雇主薪酬成本，2026 年 6 月 bls.gov/news.release/ecec.nr… [3] The Cybernetic Teammate，NBER 工作论文 33641 nber.org/papers/w33641 [4] Mapping AI into Production，Kim、Kim、Koning，2026 papers.ssrn.com/sol3/papers.…

要看你用 AI 省下的时间或是增加的产出，最后有没有变成你能保留的东西，比如收入、能力、客户、作品或者自由时间。

感兴趣的朋友可以关注下哦