《算力经济学投资课》—— Gavin Baker 体系

导语:传统价值投资看 ROIC(投入资本回报率);AI 时代的资本就是 GPU,所以”GPU 利用率是 AI 公司的新 ROIC”(他的原话)。这一讲把这句金句展开成可操作的审计框架。

方法步骤 · 算力 ROIC 审计四查:

1. 利用率:最大 GPU 买家(云厂/AI 实验室)的算力资产是否被高强度使用?信号源:云厂财报口径、推理 API 的配额紧张度、二手 GPU 市场价格(利用率低的公司会出租/出售闲置算力)。
2. 单位算力回报:每 GPU-小时产生多少收入?AI 实验室的收入增速 vs 其算力规模增速,两条曲线的剪刀差就是单位回报的方向。
3. 资产周转:从 GPU 到货到产生收入的周期在缩短还是拉长?
4. 折旧诚实度:GPU 按几年折旧?(行业从 3 年悄悄改到 5-6 年=用会计手段美化 ROIC 的警报)

他的真实判断:其 NVIDIA 多头框架的根基不是”AI 改变世界”的叙事,而是四查的结果——满载利用 + 先进晶圆短缺 + 推理需求扩张。注意因果方向:因为利用率审计通过,所以持有;不是因为持有,所以相信利用率。13F 可核的仓位让这个因果可以被外部检验。

选股原则(观察框架):把”AI 受益股”分两类——利用率可审计的(云厂/芯片/算力租赁,有数字可查)和利用率不可审计的(蹭 AI 的软件/概念股,只有故事)。前者用本讲框架,后者直接降权。

误区:把”买了很多 GPU”当利好。无利用率支撑的囤卡是负债不是资产——dot-com 时代囤光纤的公司教过这一课。

小结:CapEx 是支出,利用率才是回报。作业:挑一家 AI 算力公司,用四查清单逐项找证据,标注每项的证据等级(可审计/口径披露/无法验证)。

本章对应标的(案例):NVDA、CRWV(算力租赁=利用率最透明的样本)。

导语:如果利用率是季度体检,GPU 租金就是实时心电图。“GPU 租金价格是 AI 的 ROI 心跳”——租金是算力供需和真实经济价值的即时市场读数,不会说谎,不用等财报。

方法步骤 · 租金心跳读法:

1. 盯老一代芯片的租金:新芯片租金贵是供给稀缺,说明不了需求;老一代(如 H100)租金若不跌反涨,说明真实需求在吸收存量算力——这是最干净的需求信号。
2. 租金曲线 vs 折旧曲线:租金跌速慢于折旧速度=算力资产仍在赚钱;反之=供给过剩前兆。
3. 现货 vs 长约价差:现货溢价扩大=短期需求脉冲(agentic AI/新模型发布);长约价格坚挺=结构性需求。

他的真实交锋(带出处):FT 发文质疑 GPU 租赁经济,他在 X 上公开反驳(2025-10,status/1980058814…)——拆对方的公式、单位、服务器/GPU 口径错误。这场交锋的方法论价值:算力经济学的争论要在单位层面打(每 GPU-小时/每 token/每瓦),口径混乱的宏大结论一律无效。这与 Dylan 的”An H100 is worth more today than three years ago”形成交叉验证——两人从不同路径(租金读数 vs 模型进步)得出同一反共识:存量 GPU 在升值不在贬值。

选股原则(观察框架):租金数据是公开的(各 GPU 云报价页+第三方指数)——建一张周度跟踪表:H100/H200/B200 现货租金。它对算力链股票的领先性约一个季度,成本接近零。

误区:用单一平台报价代表市场。GPU 云的定价分层极大(ClusterMAX 评出 84 家的档位差),要用同档位平台的同口径价格做时间序列。

小结:财报季每年四次,租金心跳每天都在跳。作业:建立你的 H100 租金周度跟踪表,记录四周,与同期算力股走势对照。

本章对应标的(案例):NVDA、CRWV(他在 All-In E221 提示过其 IPO 红旗——租赁经济透明,风险同样透明)。

导语:“世界同时缺瓦特和晶圆”(Invest Like the Best《Watts and Wafers》/Sohn NY 2026)。所有人都在问”这是不是 dot-com 重演”,他的回答是:本轮与 dot-com 的关键差异不在需求端热度,在供给端硬约束。

方法步骤 · 泡沫对比的三个结构变量:

1. 融资来源:dot-com 的光纤是垃圾债+电信公司杠杆堆出来的;本轮 AI CapEx 主力是 hyperscaler 的经营现金流(万亿级利润的公司在花自己的钱)。融资结构决定崩塌方式——借钱的泡沫会挤兑,现金流的过剩只会消化。
2. 资产利用率:dot-com 铺的光纤点亮率长期个位数;本轮 GPU 是装机即满载(第 01 讲的审计结论)。
3. 供给约束:光纤可以无限铺,但电力(变压器/并网周期 2-4 年)、先进制程晶圆(建厂 3-5 年)、HBM、封装无法瞬时扩张——“只要物理短缺约束成立,hyperscaler 即使想 overbuild 也被限制”。短缺是泡沫的物理减震器。

他的长周期校准工具:技术革命史与 Carlota Perez 框架(技术革命的狂热期-崩溃期-黄金期节奏)——用百年尺度校准当下,而不是用上一轮的创伤记忆直接套。

选股原则(观察框架):监控”减震器是否还在”的三个仪表——电力排队周期(在缩短吗)、台积电先进制程产能(在激进扩吗,下一讲专讲)、HBM 供需(在转松吗)。三个仪表同时转绿之日,就是泡沫失去物理约束之时。

误区:把”有约束”读成”永远涨”。约束平滑的是供给端过剩,挡不住需求端证伪(还记得 Dylan 给的证伪锚:OpenAI 烧钱曲线 vs 收入)。供需两侧要分别盯。

小结:判断泡沫不靠历史类比的情绪,靠融资结构×利用率×供给约束的三变量对比。作业:把 dot-com(2000)与当下(2026)按三变量做对比表,每格填可查证的数字或事实。

本章对应标的(案例):TSM、MU(HBM)、GEV(电力设备,瓦特侧)。

导语:信息过载时代,多看不如看对。他的极简纪律:“如果只能盯一个指标,就盯台积电先进制程产能扩张曲线。“为什么是它?以及——“如果 AI 最终避开泡沫,应该给台积电开庆功宴”这句话怎么理解?

方法步骤 · 为什么 TSMC 是单一硬锚:

1. 它是全链的总闸:NVIDIA GPU、Google TPU、Amazon Trainium、Broadcom 定制 ASIC——所有算力路线最终都要从台积电先进制程(N3/N2)过——它的产能分配表就是整个 AI 算力的供给总账。
2. 它的扩产纪律是泡沫的刹车:台积电以需求确定性为前提扩产(要客户预付/长约),不见兔子不撒鹰——这种纪律强制把 AI 周期拉长摊平,避免供给一次性过冲。这就是”庆功宴”的含义:如果泡沫没发生,头号功臣是台积电的克制。
3. 它的反向信号同样清晰:若台积电开始激进扩产(放弃纪律)而需求端同时走弱——双重背离就是周期顶部的结构信号。

怎么盯(具体仪表):季度法说会的 CapEx 指引与先进制程占比、N2 爬坡节奏、CoWoS/先进封装扩产口径、对”AI 需求可持续性”措辞的边际变化。一家公司的法说会,顶得上十份宏观报告。

选股原则(观察框架):TSMC 本身=AI 周期的”指数级”暴露(全路线受益,无单一架构风险);它的供应链(设备/材料)=带杠杆的同方向暴露;它的产能分配变化=各算力路线的相对强弱前瞻(谁多拿了 N2 配额,谁的下一代就硬)。

误区:把硬锚当万能锚。台积电管供给侧真相,管不了需求侧(模型能力商业化)和政治侧(台海/关税)——他自己用 Perez 框架补宏观,用时间线分叉(Dylan 同款)补地缘。

小结:复杂系统里找那个”所有管道都经过的阀门”。作业:读台积电最近一次法说会全文,摘出三句关于 AI 需求与扩产纪律的关键表述,判断纪律是否仍在。

本章对应标的(案例):TSM(硬锚本体)、NVDA/AVGO(配额竞争方)。

导语:“GPU vs ASIC 谁赢”是个粗暴到无法回答的问题。他的拆法:AI 芯片的战场按工作负载分层——训练、推理 prefill(吃算力)、推理 decode(吃内存带宽)、scale-up 网络——每层的物理需求不同,赢家可以不同。

方法步骤 · 负载分层分析:

1. 训练:超大规模并行+网络带宽密集 → NVIDIA 生态(CUDA+NVLink)护城河最深的主场。
2. 推理 prefill(读入上下文):算力密集型 → GPU 与大算力 ASIC 都能打。
3. 推理 decode(逐 token 生成):内存带宽/SRAM 瓶颈型 → 这是特殊架构的机会窗:他解读 NVIDIA 收购 Groq 的逻辑正在于此——推理拆分(disaggregation)后,SRAM 架构在 decode 负载有独特经济性。
4. scale-up 网络:把千卡万卡连成一台机器的能力——这是他点名”最被低估”的暗线所在。

他的真实判断(带出处):“最被低估的 AI 芯片不是 NVIDIA 或 Google TPU,而是 Amazon Trainium”(Futunn 访谈)——理由不是芯片本身参数,而是 switched scale-up 网络能力与 Trainium 3 的量产节奏。同时他明确不把 Trainium 看多当成做空 Google/Broadcom 的理由——TPU 是已验证路线,分层世界里多个赢家并存。这种”看多 A 不等于看空 B”的非零和判断,是分层思维的标志。

选股原则(观察框架):每条芯片新闻先问”这是哪一层的事?”——decode 层的突破不威胁训练层的格局;scale-up 网络的进展是平台级信号。把”AI 芯片股”按层重新归类,组合的真实暴露会和你以为的很不一样。

误区:用单一跑分(MLPerf 总分)判断胜负。分层世界里,总分是平均数,平均数掩盖结构。

小结:问”谁赢”之前先问”哪一层”。作业:把 NVDA/GOOGL-TPU/AMZN-Trainium/AVGO/Groq 按四层填进矩阵,标出每格的当前领先者与挑战者。

本章对应标的(案例):AMZN(Trainium 暗线)、GOOGL(TPU)、AVGO、NVDA。

导语:“不看过一个管理层如何应对逆境、适应变化,就无法真正理解一家公司。“Atreides 的研究方法不是事件驱动的临时深扒,而是在一个多年跟踪的股票宇宙里持续积累认知——他称之为 truth-seeking(真理探求)。

方法步骤 · 十年宇宙构建法:

1. 定义宇宙:科技/半导体 crossover 的~百家公司,十年以上持续跟踪(不是持仓才跟踪——跟踪先于持仓十年是常态)。
2. 逆境档案:每家公司至少经历一次完整逆境(库存周期/技术换代/管理层更替)的应对记录——逆境中的管理层行为是唯一不可伪装的尽调材料。
3. 适应性评分:技术变化来临时(如 AI),谁的组织真的转身了,谁在 PPT 转身?(Intel 是他亲身交的学费,下一讲)
4. 反对文化:团队内部必须奖励建设性反对——“committee 会让你死在平庸里,但没有反对会让你死在自信里”。他对强多头自我立场的对冲机制,是制度性的反对者。

为什么这对个人投资者可复制:十年宇宙的本质是时间套利——市场的记忆只有一个季度,你的档案有十年。某公司管理层第三次用同一话术掩盖执行问题时,只有档案在手的人能识别。这不需要资金规模,只需要纪律。

选股原则(观察框架):为你的宇宙(建议 ≤20 家起步)每家建一页”逆境档案”:上次危机时管理层说了什么/做了什么/兑现了吗。新闻驱动的买入冲动,先过档案再说。

误区:把熟悉当理解。十年宇宙的风险是感情积累——他的解法仍是那条:让数据(利用率/租金/产能)而不是熟悉感做最后裁判。

小结:研究的复利来自档案,不来自热点。作业:挑两家你”自以为很懂”的公司,写它们上一次逆境的管理层应对记录——写不出来,说明你只是熟悉,不是理解。

本章对应标的(案例):无指定(方法章);反面案例预告:INTC。

导语:基金经理人人会赢,稀缺的是公开把自己的错编号归档。《Investing Mistakes, Chapter 1001》(Medium)里,他把 2020 年重仓 Intel 归为 commission 类错误(做错了事,区别于 omission 错过了事)。这一讲学的不是那笔交易,是错误的分类学和复盘的格式。

那笔交易的解剖:

• 论点(当时):Intel 10nm 延误已反映在股价里,落后制程公司存在周期性低估,管理层换血带来反转期权。
• 错在哪(他的复盘):把结构性落后误判为周期性低估——制程执行的差距不是估值问题,是组织能力问题;落后制程公司的”便宜”是价值陷阱的标准形态。
• 教训的泛化:对”困境反转”故事,先问落后是周期的还是结构的;结构性落后的反转概率要按组织变革(而非产品路线图)定价——这直接喂回了第 06 讲的”逆境档案”方法。

方法步骤 · 错误复盘格式(可直接抄):

1. 当时的完整论点(不许用后见美化)
2. 当时可得但被忽略的反证(诚实清单)
3. 错误类型:commission(误判)/omission(错过)/sizing(对了但仓位错)/timing(对了但时机错)
4. 可泛化的规则一条(只许一条,多了等于没有)
5. 编号入档,季度重读

为什么这是 alpha:认错纪律的市场价值在于防重复——大多数投资者的亏损是同一类错误的复利。他的 Chapter 1001 编号方式(自嘲错误多到四位数)把羞耻感转化成了档案系统。

选股原则(观察框架):评估任何基金经理/信号源,先找他的公开认错记录——没有认错记录的常胜将军,要么没管过够长的钱,要么在删帖。(这条同样适用于评估本系列课程的三位老师。)

误区:把复盘写成自我安慰(“方向对了只是早了”)。他的格式里第 2 步”当时可得的反证”是防腐剂——复盘的价值与它的疼痛程度成正比。

小结:错误不入档,学费白交。作业:用五步格式复盘你自己最痛的一笔交易,编号 Chapter 0001。

本章对应标的(案例):INTC(全案)。

导语:《Thoughts on Navigating a Bear Market》(Medium)是他留给散户最实用的一篇。核心张力:逆向主义者的本能是”下跌=机会”,但他的修正是——“逆向可以加仓,但要承认共识有时是对的”。52 周新低名单里,既有周期错杀,也有结构性死亡,长得一模一样。

方法步骤 · 熊市持仓分诊法:

1. 重新做一遍论点:假装今天第一次研究这家公司(没有持仓成本锚),还会买吗?
2. 区分跌因:估值压缩(利率/情绪,全市场同跌)vs 基本面恶化(只有它跌)——前者熬,后者跑。
3. 检查论点的”技术换代风险”:熊市常与技术换代叠加(2022 熊市×AI 拐点),旧论点可能被新技术整体作废——这时”便宜”毫无意义(Intel 教训的组合版)。
4. 流动性自检:你的加仓弹药能撑几轮?熊市的底永远比你以为的深一层。
5. 仓位与信念对齐:跌了不敢加的仓位,说明信念本来就不足——要么补研究,要么砍仓位,不许”装死”(装死是仓位失控的遮羞布)。

他的实践印证:2025-04 NVIDIA 因中国减记回撤近 49% 时,Dan Niles 转多被广泛报道;而 Gavin 的框架在同类时刻问的是同一组问题——利用率变了吗?租金变了吗?台积电产能纪律变了吗?三个仪表都没变,跌的只是价格不是价值——这是”逆向有据”和”逆向赌气”的分界线。

选股原则(观察框架):为持仓的每只股票预写”熊市卡片”:跌 30% 时我检查哪三个指标?指标没坏我做什么?坏了我做什么?在涨的时候写,跌的时候执行——情绪高的时候立法,情绪崩的时候司法。

误区:用平均成本下移安慰自己。摊低成本不是策略,是结果;策略是第 1 步的”零基重做论点”。

小结:熊市不区分对错,只区分有没有预案。作业:给你最大的一只持仓写熊市卡片,放进日历,每季度校验一次。

本章对应标的(案例):NVDA(2025-04 回撤案例)、INTC(结构性下行对照)。

导语:照例,枪口对准老师本人。Gavin Baker 是本系列三位老师里唯一管真钱的——这既是他可信度的来源(13F 可核),也是他偏差的来源(book bias:他的话和他的仓位利益相关)。

他的四个结构性边界:

1. 强多头 book bias:Atreides 重仓 AI 算力链,他对 NVIDIA/算力叙事的每次辩护都与自身仓位同向——他自己的决策原则第 6 条就写着”对强多头立场做折扣:听框架,核验 book bias”。用他的框架,别直接用他的结论。
2. 13F 的双重滞后:持仓披露滞后 45 天,且只显示美股多头(期权/空头/海外不全)——你看到的 Atreides 持仓是 45 天前的局部照片。“2026-02 杠杆 call 重押 NVIDIA”这类报道,读到时仓位可能已变。
3. 未兑现时间线的前科:他自己的原则第 7 条点名 FSD(全自动驾驶)类判断——在硬件供应链之外的领域,他的时间线乐观偏差和普通多头无异。他的能力圈边界=算力经济学;出圈的判断按普通人处理。
4. 52 周新低的双面性他也会踩:认错档案(Intel)证明,即使纪律如他,结构性/周期性的误判仍会发生——他的方法论降低错误率,不消灭错误。

使用守则(本课总结):

• 取:利用率审计、租金心跳、瓦特晶圆框架、TSMC 硬锚、负载分层、错误复盘格式、熊市卡片——全是可迁移工具。
• 折:NVIDIA/算力多头结论——按 book bias 打折,用 Dylan 的证伪锚交叉验证。
• 核:13F 数据自己拉(SEC EDGAR),别用媒体转述;注意滞后窗。
• 学:他最值得学的其实是制度化的自我怀疑——认错编号、反对文化、强多头自我折扣。方法可以抄,纪律只能练。

三件套总图(本系列完结):Dylan 给供给侧地图(瓶颈迁移),PhotonCap 给细分段显微镜(光互连材料真伪),Gavin 给需求侧仪表盘(利用率/租金/ROI)+ 组合管理纪律(认错/熊市/折扣)。三套合用=从产业认知到投资执行的完整闭环;缺最后一套,前两套只是知识不是收益。

作业(结课):选一只算力链标的,完整跑:利用率四查→租金心跳→三变量泡沫对比→TSMC 锚校验→负载分层定位→逆境档案→熊市卡片→最后写下”我的 book bias 是什么”。写不出最后一条的,重修第 09 讲。

合规声明:本课为方法论教学,提炼自 Gavin Baker 公开发表内容(X/Medium/播客,出处随文标注)。所有标的提及均为案例与研究入口,非投资推荐;其观点为个人观点;13F 披露可核但滞后且不完整,不代表实时持仓;本站不提供买卖建议,用户应独立核验并自担决策责任。