Fabian 的认知框架 · 思想体系

信念一：互连约束会继续前移

Fabian 最重要的信念不是“光模块会涨”，而是“系统瓶颈会向互连和测试迁移”。GPU 集群规模越大，训练效率越依赖 GPU 之间、机柜之间、数据中心之间的链路质量。这里的判断标准不是概念热度，而是速率节点、误码、FEC、功耗和散热。深研列出的验证信号包括测试设备订单、1.6T/3.2T 认证、光模块和 DSP 财报口径。也就是说，他关心的是链路复杂度上升后，谁必须被采购、谁必须被认证、谁的产品成为系统稳定运行的前置条件。

信念二：200G/lane 是现实窗口，400G/lane 是方向

他并不机械地押“越快越好”。深研写得很清楚：2026 年现实部署以 200G/lane 为主，400G/lane 是方向但不会立即统治。这里体现的是工程师式的时间观。400G/lane 可以是长期终局，但商业落地要经过光源、调制、DSP、模块功耗、风冷能力、测试能力和云厂路线选择。Fabian 会把“速率路线”拆成 slow and wide 与 fast and narrow 的分裂，而不是把所有高速互连都放进一个上升故事。对 Marvell、Coherent、Lumentum、Semtech、测试测量厂商的观察，重点也不是喊一个终点，而是看 200G 到 400G 的迁移中哪些环节变成短板。

信念三：铜没死，AEC 改变铜的形态

“铜没死”是他最容易被记住的反共识表达。它不是否认光学的重要性，而是反对市场把“CPO 会来”翻译成“铜马上消失”。无源铜距离确实受限，但 AEC 通过有源电缆和 DSP 重生成信号，可以在机柜内、短距离、特定功耗约束下继续占据窗口。深研还把 DustPhotonics 与 CRDO 的组合放在这个语境里：Fabian 看的是 AEC、SiPho、NPO/CPO 能否被串成更完整的互连平台，而不是单独押某个标签。

信念四：scale-across 会改变相干光和 DCI 的地位

当训练从单机柜、单数据中心扩展到跨园区甚至更大训练域，Fabian 会把 scale-across 视为第三层互连。这个判断把 coherent、OCS、DCI、光纤管理、网络设备从边缘主题推向核心主题。验证方式不是看社交媒体讨论热度，而是看 Arista、Coherent、Lumentum、Nokia、Semtech 等公司是否在财报中共同提及相关需求，以及云厂是否公开跨园区训练部署。

信念五：长尾环节会被市场晚连接

他的 alpha 不只在 LITE、CRDO 这类显性光学名字，也在 Keysight、Viavi、Anritsu、Teradyne、Advantest、photomask、电镀化学品、连接器、光纤管理这些更无聊的环节。Fabian 认为，资本市场通常先买“AI 核心”，再买“网络核心”，最后才意识到测试台、材料、认证和供应链工具也被同一轮 buildout 拉动。2025-11-24 Ironwood 文章之所以有影响力，就是它把 Google TPU 的注意力从 AVGO、TSMC 等显性核心拉到 MediaTek、Celestica、测试测量、连接器和更深供应链。

第一步：从事件入口拆出物理问题

Fabian 的研究通常从平台发布、财报、行业会议或供应链事件出发，但他不会停在事件标题。比如 Google Ironwood TPU v7，他不是只写“Google 自研 ASIC 利好谁”，而是先把训练平台变成互连问题：芯片之间如何 scale-up，数据中心内部如何 scale-out，跨园区如何 scale-across。再往下拆，就是每层链路对应什么速率节点，100G/lane、200G/lane、400G/lane 哪个更接近现实部署；链路的红线在哪里，是损耗、功耗、误码、FEC、散热、距离，还是客户认证周期。

第二步：把解决方案映射到供应链节点

物理问题确定后，他才把解决方案映射到公司和产品层。200G/lane 之后 DSP 重要性上升，就要看 Marvell、Credo 等高速互连和 DSP 相关能力；激光器和 EML 可能成为短缺点，就要看 Lumentum、Coherent 这样的光学部件；测试复杂度上升，就要看 Keysight、Viavi、Anritsu、Teradyne、Advantest；跨园区训练抬升，就要看 coherent、DCI、OCS、光纤管理以及网络设备商。这个步骤的核心不是列 ticker，而是给每个节点说明它解决哪一个物理红线。

第三步：给证据口径分层

深研特别强调他的三色表思路：绿色是硬事实，黄色是高质量推断，红色是低确定性叙事。官方披露、公司财报、OCP 或 OFC 资料、管理层明确口径更接近绿色；读者评论、供应链线索、模式匹配是黄色；只因为概念相关就把公司放进 AI 链条，是红色。Ironwood v2 修正之所以重要，正是因为它承认初版里某些 Broadcom 杠杆和 Arista spine 判断不稳。Fabian 的拼图价值很高，但不是内部确认；方法论要求读者永远知道每块拼图的确定性等级。

第四步：检查产品阶段

他会问解决方案处于研发、送样、认证还是高量产。一个 1.6T 模块概念如果还在实验室，和一个通过客户资格认证、进入订单可见度阶段的产品，资本含义完全不同。Fabian 对 800G 到 1.6T 迁移中的 air pocket 也会这样处理：如果 800G 需求开始停顿，而 1.6T 认证又没有及时放量，叙事会出现财报空窗；如果测试设备和认证口径先变强，则说明迁移可能正在形成。

第五步：用财报语言回测

最后一环是回到财报和管理层表述。Semtech 的案例里，他关注数据中心收入是否创纪录、管理层是否从“50% 增长底线”走向更强口径；Keysight 的案例里，他看 200G/224G per lane、1.6T 测试验证是否变成订单和新品采用；Viavi 的案例里，他把 800G 到 3.2T 光模块验证复杂度作为测试设备弹性的来源。若管理层语言从“unprecedented growth”降级，若 sole-source 或 design win 没有后续，若客户转向垂直整合，原先叙事就要降权。完整链路因此是：事件入口、物理层拆解、供应链映射、证据分层、阶段判断、财报回测。

能力圈：高速互连的工程翻译

Fabian 最硬的能力圈是数据中心互连、光模块、DSP、EML、TIA/driver、AEC/ACC、CPO/LPO/LRO、测试测量、超大规模云厂互连路线，以及 Google TPU 这类平台供应链长尾。他的优势不是会背产业链名词，而是能把这些名词重新放回工程约束中。比如同样是“光模块”，他会继续追问是 800G 还是 1.6T，是 100G/lane、200G/lane 还是 400G/lane，是 EML、SiPho、InP MZM，还是 DSP 和 TIA/driver 的组合问题；同样是“测试设备”，他会把 Keysight、Viavi、Anritsu 放进高速电光通信过渡必须认证的基础设施，而不是普通通信设备周期。

他的第二个能力圈是把云厂平台需求连接到长尾供应商。Ironwood 文章就是典型案例。市场看 Google TPU 往往先盯 AVGO、TSMC 或服务器组装，Fabian 则把 MediaTek、Celestica、光互连、测试测量、连接器、材料和更深供应链一起拉进地图。这种能力来自两个来源：一是他曾长期面对测试与合规，知道平台落地必须经过哪些不起眼但不可跳过的环节；二是他的 Substack 读者社区会在评论和反馈中提供纠错，使供应链拼图不断迭代。

边界一：估值和组合不是他的强项

深研明确写到，估值、组合仓位、宏观流动性不是 Fabian 的强项。他本人不是公开组合管理人，也没有可归属的 13F；本站按研究 KOL 而非持仓型处理。读他的内容，应该把“物理层判断”和“资产定价”分开。测试台正确，不代表估值一定合理；技术路径正确，也不代表股票在某个季度不会因为预期过满、流动性收缩或库存调整而下跌。

边界二：公开样本还偏上行周期

他的公开写作在 2025 年底到 2026 年更受关注，主要经历的是光通信上行阶段，尚未完整穿越一次库存下行和估值杀。光互连链条有小盘多、波动大、流动性差的特点，强周期中被验证的研究框架，在需求回落、客户砍单或估值压缩时会被市场用另一套权重重新定价。这不是否定他的工程判断，而是提醒读者不能把上行期命中率外推成全周期能力。

边界三：拼图不等于内部确认

他依赖公开资料、公司财报、行业会议、读者纠错和模式匹配。这样的研究可以非常早，也可能非常脆弱。2026-04-01 Ironwood v2 修正就是边界教育：初版里关于 Broadcom 杠杆和 Arista spine 的部分后来需要降权或修正。加入 FundaAI 后，另一个边界是合规与披露节奏：他过去的独立 Substack 可以更锋利，机构化之后某些具体标的、持仓相关表达或未公开信息边界会更敏感。

变种认知：测试台先于财报

Fabian 的变种认知不是“我比别人更看好光模块”，而是“测试台里的失败会领先财报语言”。高速互连系统在进入客户订单前，要先经历验证、互操作、合规、误码、散热、功耗和可靠性测试。如果某个技术路线在实验室和认证阶段过不了，财报会议上通常不会立刻承认，但两个季度后，管理层语言、订单节奏、客户认证和产品路线会发生变化。深研把这种能力称为“从测试台到资本市场的时间差 alpha”。它的前提是读者能看懂眼图、TDECQ、FEC 前误码、模块功耗、sole-source 认证和客户路线分裂，而不是只看新闻标题。

alpha 一：把粗词拆成速率节点

市场喜欢用“CPO 革命”“铜已死”“光模块爆发”这些粗词，但 Fabian 会拆成具体速率和场景。铜已死吗？无源铜在长距离上受限，但 AEC 通过 DSP 重生成信号，仍可能在机柜内窗口生存。CPO 会立刻统治吗？要看封装、散热、标准化、可维护性、客户认证和供应链成熟度。400G/lane 是不是马上替代 200G/lane？要看 2026 年现实部署、模块功耗、OFC 披露、云厂招标、InP MZM 或 EML 进展。这个拆法本身就是 alpha，因为它能避免在错误时间买入正确终局。

alpha 二：冷门长尾被市场晚连接

他的 Ironwood 研究显示，真正的超额认知常在显性核心之外。AVGO、TSMC、Google 这类名字容易被市场第一时间捕捉，但 MediaTek、Celestica、测试测量、连接器、材料、photomask、电镀化学、光纤管理、TIA/driver 等环节，经常要等公司首次把 AI 数据中心列为主要增长驱动，或订单先于主流卖方覆盖出现，才被重新定价。Fabian 的优势是知道哪些“无聊环节”不是旁枝，而是平台量产的必要条件。

alpha 三：财报语言的撤回与替换

他不只读公司说了什么，也读公司不再说什么。若管理层从强增长口径降级，若原先强调的 1.6T 认证没有继续推进，若客户从 merchant 方案转向垂直整合，若 800G 到 1.6T 的 air pocket 被财报证实，叙事权重就要下调。相反，若测试设备订单、客户资格认证、sole-source、design win、数据中心收入连续性同时变强，物理层判断才真正进入资产语言。

alpha 四：读者社区纠错形成迭代

Fabian 的早期 Substack 体量不大，却有一类高质量读者会在评论区补充、质疑和纠错。对一个靠供应链拼图工作的研究者来说，这种社区不是附属品，而是研究机制的一部分。Ironwood v2 的价值就在这里：他不仅能提出长尾映射，还能公开把错误写出来。很多 KOL 的 alpha 来自永远显得正确，Fabian 的一部分可信度反而来自承认“这是高质量拼图，不是内部确认”。

2025-11-24：Google Ironwood TPU v7 供应链长尾论

Fabian 的封神之战是 2025-11-24 发布的 Google Ironwood TPU v7 供应链长尾研究。它的时代背景是：市场已经知道 Google 自研 TPU、AVGO 和 TSMC 这类显性核心很重要，但对 TPU 平台真正落地所牵动的长尾环节关注不足。Fabian 的打法不是重复“ASIC 受益”这句共识，而是把 Ironwood 当成一个完整 AI 系统，拆到 MediaTek、Celestica、光互连、测试测量、连接器、材料和更深供应链。深研评价这篇文章的价值在于，它把市场注意力从显性核心拉向被晚连接的节点，并让多个长尾名字获得重估。

这场战役体现了他的方法论全链路。第一，他从平台出发，不把 Ironwood 简化成一颗芯片，而是看 TPU 集群需要怎样的服务器、网络、光互连、测试和制造配套。第二，他把节点分层：哪些是官方或行业披露能支持的，哪些是供应链线索，哪些只是推断。第三，他把资本市场容易忽略的环节放到 AI buildout 中重新解释。例如测试测量不是普通周期性仪器，而是 1.6T、200G/224G per lane、互操作与合规验证的卖铲人；连接器和材料不是低端配套，而是高速系统可靠性的基础。

结果：声誉建立，但不是无误命中

深研给出的结果很克制：后续多个长尾名字被市场重估，Fabian 因此形成“测试台 + 供应链拼图”的声誉。这里的关键不是他给了某个目标价，也不是某只股票涨了多少，而是他证明了一个研究范式：AI 供应链的 alpha 可以来自“平台公开信息 + 工程约束 + 长尾节点映射”，而不只来自显性核心供应商。

2026-04-01：v2 修正让战役升级

真正让这场战役封神的，不只是初版命中，而是 2026-04-01 的 Ironwood v2 修正。Fabian 公开承认初版里某些 Broadcom 杠杆和 Arista spine 判断不稳。对普通内容创作者来说，修正可能削弱权威；但对供应链拼图型研究来说，公开修正反而说明他知道自己的证据边界。深研明确指出：封神点在于他既能把冷门节点拉到台前，也愿意把拼图错误写出来。

2026-05-21：六个月反思与执行分离

到了 2026-05-21 的六个月反思，他又把研究判断和交易执行分开：自认卖飞 Coherent 和 Lumentum。这个细节让 Ironwood 战役更完整。看懂光学大方向，不等于拿住最大收益；工程判断正确，不等于组合执行完美。对读者来说，这比单纯展示战绩更有价值，因为它说明 Fabian 的可学习部分是“如何发现测试台时间差和长尾节点”，不是复制他的交易。

2026-05：加入 FundaAI 后进入机构化阶段

2026 年 5 月加入 FundaAI 任高级分析师，是这场封神之后的身份变化。它表明个人 Substack 的工程拼图能力已经被机构研究生产吸收，但也带来新的观察点：他未来是否还能像 Ironwood v2 那样公开纠错，是否会因合规限制减少对具体标的的尖锐表达。封神之战的最终结果不是一个永恒正确的清单，而是一套被验证过、也暴露过边界的研究机器。

争议一：半匿名履历与公开校验

Fabian 的履历有较多本人自述成分：计算机工程背景、黎巴嫩背景、MultiLane 实习和工程岗位、全球 FAE、AWS、Quantifi Photonics、AWS 合作伙伴销售、2026 年 5 月加入 FundaAI。深研要求持续用公开披露校验，这一点不能省略。对研究 KOL 来说，履历不是装饰，而是可信度来源；如果关键经历无法外部确认，读者就应把“工程亲历”当作高价值但需校验的输入，而不是不可质疑的权威。

争议二：结构性偏多 optics

Fabian 对光互连有明显结构性偏多倾向。这种倾向来自他真实理解物理层约束，也来自他长期在相关领域工作。问题是，工程上重要的东西不一定在任何价格、任何库存阶段都值得资产重估。小盘光通信、测试设备、光器件和材料链条常有波动大、流动性差、客户集中、订单不连续的问题。当宏观流动性收缩、估值压缩或库存下行出现时，“互连是长期瓶颈”这句正确判断，可能无法保护短中期价格。

争议三：持仓相关强观点需要降权

深研特别点名 CRDO 等他长期看好的名字，提示情绪和立场更重。Fabian 可能披露持有部分标的，但不是公开组合管理人，也没有可审计持仓账本。读者在处理他对 CRDO、Lumentum、Coherent、Marvell、Semtech、Astera、Keysight、Viavi 等名字的强判断时，应先区分研究证据和个人偏好。尤其是当观点带有“原有 thesis 得到补强”“铜没死”“平台化互连”这类强叙事时，要回到认证、订单、客户扩展、财报拆分和管理层语言，而不是把研究者信念当成事实。

争议四：长尾拼图可能误连

Ironwood v2 已经给出典型案例：初版关于 Broadcom 杠杆和 Arista spine 的判断后来需要修正。供应链长尾研究天然有误连风险，因为公开资料常常缺少完整客户、设计、认证和出货确认。一个公司可能确实在技术上相关，但没有拿到 socket；也可能拿到小规模送样，却没有进入高量产；还可能被客户自研或垂直整合替代。Fabian 的三色表正是为控制这种风险而生，但读者如果只读结论、不看证据颜色，就会把黄色推断当绿色事实。

争议五：机构化后的沉默也有含义

2026 年 5 月加入 FundaAI 后，他从独立写作者转为机构研究团队成员。好处是研究生产更系统，坏处是合规边界更强。某些标的、客户、未公开信息或持仓相关表达，可能不再像个人 Substack 时期那样直接。未来读者不仅要读他写了什么，也要读他不再写什么：是否减少公开纠错，是否对具体公司更谨慎，是否把原先锋利的反卖方姿态转成机构可消费语言。这个变化不一定削弱质量，但会改变使用方式。

风险纪律：不把工程正确等同投资正确

最重要的盲点是“工程正确不等于估值正确”。测试台显示某个节点重要，可能只说明它值得进入研究池；财报证明需求上行，也不自动说明价格合理；长期方向成立，也不排除 800G 到 1.6T 过渡中出现 air pocket。合规使用 Fabian 的内容，应避免荐股、目标价和单点买卖结论，把它当作产业链验证框架。

一、把所有 AI 互连叙事先翻译成物理指标

普通读者最能复用的一件事，是不要被“CPO”“LPO”“1.6T”“铜已死”“AI 光模块”这些标签带着走。先问七个问题：这对应机柜内、数据中心内，还是跨园区互连；速率节点是 100G/lane、200G/lane，还是 400G/lane；物理红线是损耗、功耗、误码、FEC、散热，还是距离；产品处于研发、送样、认证，还是高量产；供应商是 merchant 中立、垂直整合，还是客户自研；有没有 sole-source、design win、管理层语言升级、订单可见度；证据来自官方确认、财报暗示、读者线索，还是个人推断。这个清单可以直接复用到任何 AI 基建文章里。

二、用三色表管理供应链拼图

Fabian 最值得学的不是大胆，而是给大胆判断加证据等级。绿色写硬事实：公司财报、官方公告、OFC/OCP 披露、客户认证、明确订单。黄色写高质量推断：读者纠错、供应链模式匹配、管理层措辞变化、多个节点交叉印证。红色写低确定性叙事：概念相关、路径想象、未经验证的传闻。Ironwood v2 的经验说明，长尾研究必须允许修正。把 Broadcom 杠杆、Arista spine 这类后来不稳的拼图公开降权，不是研究失败，而是流程的一部分。

三、读财报时盯语言变化，而不是只盯数字

Fabian 的方法可以训练读者看“管理层语言的撤回与替换”。例如 Semtech 的数据中心收入口径是否从保守增长走向更强表述，Keysight 是否把 200G/224G per lane 和 1.6T 测试验证变成订单语言，Viavi 是否把 800G 到 3.2T 验证复杂度落到产品采用，Lumentum 和 Coherent 是否在激光器、OCS、客户认证上给出连续信号。反过来，如果公司不再强调原先的强增长词，如果认证延后，如果客户路线从 merchant 方案转向自研，原先叙事就要下调。这个技巧适合所有产业研究：语言变化往往比单季数字更早揭示趋势质量。

四、把“研究判断”和“交易执行”分开

2026-05-21 六个月反思里，Fabian 自认卖飞 Coherent 和 Lumentum。这个案例非常适合普通用户学习：看懂方向、识别产业链节点、捕捉财报语言，与仓位、估值、持有纪律是不同能力。复用 Fabian 时，不应模仿他的强情绪或个别标的偏好，而应复用他的流程：先还原物理问题，再映射供应链，再给证据染色，再等认证、订单和财报口径确认。这样做的输出不是“买什么”，而是一张开放预测表：每条判断写验证日期、推翻信号、证据等级和利益偏好。对于 AI 基建研究，这比记住任何一句金句都更可持续。