Gavin Baker 思想体系

1.1 GPU 利用率 = AI 公司的新 ROIC

AI 公司到底是在烧钱还是创造价值，不能只看模型发布和融资热度，要看 GPU 资产是否被高强度使用并产生回报。最大 GPU 买家的审计季报、GPU 利用率、单位算力回报，是判断 AI 资本开支质量的新抓手。

1.2 GPU 租金价格 = AI ROI 心跳

算力租金不是噪音，而是供需和真实经济价值的即时读数。老一代 H100 租金若出现快速上行，说明 agentic AI 或推理需求可能在真实吸收算力，而不是只靠泡沫叙事空转。

1.3 瓦特与晶圆约束：物理短缺平滑泡沫

本轮 AI 与 dot-com 的关键差异，不只是需求端热度，而是供给端存在硬约束：电力、先进制程晶圆、封装和 HBM 无法无限瞬时扩张。只要物理短缺约束成立，hyperscaler 即使想 overbuild 也被限制。

1.4 TSMC 先进制程产能 = AI 泡沫单一硬锚

如果只能盯一个指标，就盯台积电先进制程产能扩张曲线。它同时连接 NVIDIA GPU、ASIC/TPU、HBM 生态和 hyperscaler capex，是判断 AI 周期是否失控、是否被供给拉长的核心变量。

1.5 芯片架构分层：训练、prefill、decode 不同负载不同赢家

AI 芯片不能只用「GPU vs ASIC」粗暴分类。训练、推理 prefill、推理 decode、scale-up 网络、SRAM/带宽瓶颈负载，对架构的要求不同。理解这些分层，才可能解释 Trainium、TPU、NVIDIA、Groq 等路线的真实位置。

1.6 长周期真理探求：十年宇宙 + 反对文化

不靠临时深扒做重大判断，而是在多年甚至几十年的跟踪宇宙里逐步积累认知。管理层如何穿越逆境、公司如何适应技术变化、团队内部能否奖励建设性反对，都是寻找真相的一部分。

1. 先问算力资产有没有 ROIC，再问故事是否性感。
2. 先看物理约束：瓦特、晶圆、HBM、封装、scale-up 网络，哪一层限制增长。
3. 用历史类比，但不机械套用：本轮与 dot-com 的融资来源、资产利用率、供给约束都不同。
4. 技术判断要下钻到架构负载：训练、prefill、decode、带宽、SRAM、网络不是同一个问题。
5. 逆向可以加仓，但要承认「共识有时是对的」；52 周新低可能是周期错杀，也可能是结构性下行。
6. 对强多头立场做折扣：听框架，核验 book bias，尤其是 NVIDIA/AI 算力多头叙事。
7. 对未兑现时间线保持诚实，尤其是 FSD 这类非硬件供应链判断。

• “GPU 利用率是 AI 公司的新 ROIC。“〔X @GavinSBaker / Invest Like the Best 相关笔记〕
• “GPU 租金价格是 AI 的 ROI 心跳。“〔X @GavinSBaker 反驳 FT GPU 租金文章〕
• “世界同时缺瓦特和晶圆。“〔Invest Like the Best《Watts and Wafers》/ Sohn NY 2026〕
• “如果 AI 最终避开泡沫，应该给台积电开庆功宴。“（转述其观点）〔Invest Like the Best《Watts and Wafers》〕
• “深度学习里没有纯方程式，全是把方程压上硬件的一大袋黑魔法技巧。“〔X @GavinSBaker status/1683124597…〕
• “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。“（转述其长期尽调原则）〔Capital Allocators / Atreides 方法论〕

口径：案例/研究入口，非买卖推荐。立场为其公开判断的提炼；不代表实时持仓或当前观点。

4.1 NVIDIA NVDA — 看多·AI 算力核心受益

其多头框架来自满载利用、先进晶圆短缺、推理需求扩张与生态优势。研究入口：GPU 利用率、H100/后续产品租金、先进制程分配、HBM/封装约束、推理 prefill/decode 架构演进。

4.2 台积电 TSM — 看多·周期硬锚

TSMC 先进制程产能是判断 AI 是否泡沫的单一最重要变量之一。若产能扩张纪律仍由物理与客户需求约束，AI capex 周期可能被拉长；若激进扩产叠加需求走弱，则是反向证伪。

4.3 Amazon AMZN / Trainium — 看多·低估 AI 芯片暗线

他认为最被低估的 AI 芯片不是 NVIDIA 或 Google TPU，而是 Amazon Trainium；核心在 switched scale-up 网络能力与 Trainium 3 量产节奏。研究入口：Trainium 生态成熟度、AWS 内部部署、scale-up 网络、客户迁移成本。

4.4 Google GOOGL / TPU — 看多但不做空对手

TPU 是已被验证的重要 ASIC 路线，但他明确不把 Trainium 看作做空 Google/Broadcom 的理由。研究入口：TPU 利用率、Gemini/Google 内部工作负载、外部云客户接受度。

4.5 Broadcom AVGO — 关注·ASIC/网络基础设施

Broadcom 是 TPU/ASIC 与 AI 网络基础设施的重要案例。研究入口：定制 ASIC 管线、hyperscaler 客户集中度、网络芯片与光互连配套。

4.6 Groq — 关注·推理 decode 架构入口

他提出 NVIDIA 收购 Groq 的逻辑在于推理拆分为 prefill/decode 后，SRAM 架构在 decode/带宽瓶颈负载有独特优势。研究入口：推理 disaggregation、SRAM 架构经济性、与 GPU 集群互补性。

4.7 Intel INTC — 反面案例·落后制程反转风险

2020 年重仓 Intel 被他公开归为 commission 类错误，核心教训是对 10nm 延误与落后制程公司反转过于乐观。研究入口：制程执行、管理层承诺兑现、结构性落后是否被误判为周期低估。

4.8 CoreWeave CRWV — 谨慎·AI 基建融资与波动案例

All-In E221 中他提示 IPO 红旗、市场情绪偏负面和定价区间下调。研究入口：GPU 租赁经济、客户集中度、融资结构、算力资产折旧。

• 技术深度 + 投资翻译：把 GPU/HBM/ASIC/晶圆产能翻译成可检验的投资框架。
• 长周期语感：喜欢用技术革命史、dot-com、Carlota Perez 框架校准当下。
• 高密度 X 长贴 + 播客深访：重大财报、争议文章、架构变化时输出强。
• 直接纠错：遇到算力经济学口径错误，会拆公式、单位和服务器/GPU口径。
• 明确多头但有认错纪律：Intel 复盘是其方法论可信度的一部分，同时也提示需要对强多头 book bias 做折扣。

• Atreides 团队页　https://atreidesmgmt.com/team/gavin-baker/
• X @GavinSBaker　https://x.com/GavinSBaker
• Medium《Investing Mistakes, Chapter 1001》　https://gavin-baker.medium.com/investing-mistakes-chapter-1001-9f0b7dbc6637
• Medium《Thoughts on navigating a bear market》　https://gavin-baker.medium.com/thoughts-on-navigating-a-bear-market-65cb719b4843
• Gavin Baker 个人站　https://www.gavinbaker.net/
• Invest Like the Best《Watts and Wafers》　https://colossus.com/episode/watts-and-wafers/
• Capital Allocators EP.489　https://www.capitalallocators.com/podcast/truth-seeking-and-crossover-investing-at-atreides/
• X 长贴 / 技术观点　https://x.com/GavinSBaker/status/1683124597783134208
• X 反驳 FT GPU 租金文章　https://x.com/GavinSBaker/status/1980058814809333887
• Futunn Trainium 访谈　https://news.futunn.com/en/post/73236887/tech-titan-gavin-baker-amazon-s-chip-is-a-dark
• Futunn 最新访谈　https://news.futunn.com/en/post/73601050/in-his-latest-interview-tech-investment-guru-gavin-baker-delves
• a16z 对谈　https://www.a16z.news/p/gavin-baker-and-david-george-on-positional