Pierre Ferragu 的认知框架 · 思想体系

信念一：好公司也必须接受价格函数

Ferragu 的第一条信念，是评级随证据和价格换挡。深研明确写，他不把评级当信仰，而当赔率工具。2020-02-05，Tesla 暴涨后他转中性，体现的是长期看好平台但当下赔率变差；2020-10-07，Tesla 回调后重新转多，说明他能把同一家公司重新放回价格函数；2020-12-09，他再度强调获利了结，但并未把长期电动车平台判断完全推翻。这个链条比单个评级重要：他关注的是市场已经计入多少未来，而不是自己过去说过什么。

信念二：工程细节比口号更可靠

第二条信念是商业叙事必须穿过工程验证。Tesla 案例里，他关注 Model 3 执行、资本效率、电力电子、充电体验、自动驾驶硬件代际，而不只是“电动车渗透率”。2026-01-06 的 Teslarati 转述中，他把 CES 上的西方 OEM 与 Mobileye 路线解释成行业正在验证 Tesla FSD 战略，但有多年滞后；这不是一句主观偏爱，而是用 L2+/L4 路线、硬件标准化时间、算力架构和产品体验迭代来衡量谁在追谁。2026-05-02 他在 X 上把 FSD 订阅、份额提升和 Cybercab 拆成多重利润乘数，原话式表达是 FSD 可能把基础车型利润放大，再由市场份额和 Cybercab 继续放大。这个说法争议很大，但能看出他的信念：软件价值只有接到硬件平台和单位经济上，才会进入模型。

信念三：AI 基建是大周期，但链条时钟不同

他并不是简单 Nvidia 多头或 ASML 空头。深研强调，只有研究透 Ferragu 才会看到一个细节：他可以同时看好 Nvidia 中期收入/EPS，又对 ASML 或部分设备链阶段赔率谨慎。原因是 Nvidia 数据中心收入、云厂商 CapEx、ASML 订单、WFE 增速、晶圆厂扩产和先进封装产能并不同步。2024-07-05 Nvidia 降级强调需求正常化和价格已满；2024-08-06 又在市场急跌后快速升回，说明他认为基本面链条仍强，但价格给出了新的赔率窗口。2025-10-06 ASML 降级，则是承认 AI 长期需求强，同时认为 2026 支出节奏和估值会压制设备链。

信念四：基础设施平台比单品更稀缺

Ferragu 对 Nvidia 的理解也不是“AI 热”。2023-02-23 他转向 Nvidia 正面，公开观点流把原因归纳为 AI 算力需求进入可兑现阶段；到 2026-03-19 Benzinga 转述 New Street 把 Nvidia 加入 best ideas，核心验证已经变成 Blackwell/Rubin 周期、网络、软件和客户支出共同形成的平台，而不是单个 GPU 发布。深研还记录一句语言风格：Nvidia 提供厨房，go-to-market 才是问题。这句话说明他把 Nvidia 看成 AI 基础设施供给层，真正要观察客户如何把算力、网络、软件栈和商业化路径连接起来。

信念五：Musk 系要另加偏见折扣

最特殊的一条信念，是他会公开承认自己在 Musk/Tesla/xAI 相关议题上有偏见，读者应自行研究。深研说他在 Nvidia/ASML 等硬件链上常显冷静克制，在 Tesla/xAI/Musk 系上更像长期信徒。正确读法不是简单否定他，而是给不同领域不同折扣率：硬件链看工程、周期和估值；Musk 系除这些变量外，还要单独加入个人偏好、叙事强度和自我披露的利益/心理倾向。

第一步：画基础设施全栈地图

Ferragu 的流程不是先问某家公司便宜不便宜，而是先问需求变化会穿过哪些层。AI 需求要拆成云 CapEx、GPU/加速器、HBM/封装、网络、服务器、晶圆代工、半导体设备、电力和软件栈；自动驾驶要拆成传感器、车端算力、训练算力、数据闭环、硬件代际、监管路径和商业化单元；卫星通信要拆成轨道资产、地面站、终端、频谱、电信运营商合作和网络迭代。案例上，深研说他能把 Tesla 的自动驾驶硬件与 Nvidia/Dojo/网络，把 ASML 与 AI CapEx，把 Starlink 与电信基础设施放到同一研究语言里。这一步的输出是一张传导图，而不是股票清单。

第二步：用工程事实砍掉空叙事

地图建立后，他会用工程细节逐层检验。Tesla 线看 IGBT、电池、充电、FSD 硬件代际和 Robotaxi 任务完成率；Nvidia 线看 Blackwell/Rubin 交付、网络带宽、数据中心收入和客户支出；Arm 线看云厂商 Arm CPU 实例增长和 AI 服务器 CPU attach；AMD 线看 MI 系列客户采用、推理份额和软件生态；ASML/Besi 线看订单、WFE、先进封装和设备周期。2018-05-11 Tesla 逆势初覆盖的核心，不是“喜欢 Elon Musk”，而是认为工程代差、资本效率和 Model 3 执行被市场误读。2026-01-06 对 Mobileye/L2+ 的判断，也不是简单贬低非 Tesla，而是把西方 OEM 的务实标准化路线与 Tesla 端到端、硬件代际和时间滞后作比较。

第三步：判断 CapEx 位于加速、正常化还是峰值

工程事实之后是节奏。电信设备覆盖经历让他非常在意 CapEx 曲线：一个大趋势可以长期成立，但每个环节赚钱时钟不同。Nvidia 在 2023-02-23 转正，是因为 AI 算力需求进入可兑现阶段；2024-07-05 降级，是因为他开始怀疑公司还能否继续超预期，公开转述里关键词是需求正常化和价格已满；2024-08-06 升回，则表明回调后赔率重新出现。ASML 的 2025-10-06 降级更能说明这一点：AI 长期强，并不自动等于设备订单和估值当下都好。实际操作中，他会把 CSP CapEx、Nvidia 数据中心收入、ASML 订单、WFE 增速和设备交付拆开看。

第四步：把长期叙事压回估值赔率

Ferragu 的估值纪律容易让趋势投资者不舒服。2020-10-15 Nvidia 负面评级/看空，被深研列为滑铁卢，因为 AI 与加速计算叙事后来持续强化，股票表现远超其谨慎判断。这说明他的估值纪律在指数级 EPS 上修阶段可能过早下车。但这一步仍是其方法论核心：如果价格已经反映牛市情景，哪怕公司优秀，也要降低评级；如果价格急跌而长期基本面没坏，又可以快速升回。2024 年 Nvidia 从 7 月降级到 8 月升回，正是赔率工具的现场演示。

第五步：公开表达并保留换挡权

卖方研究的限制是观点必须落在评级、模型和客户可质询的结论上。Ferragu 会把结论公开放进 New Street 研究流、公司页、电视访谈、媒体转述和 X 中，但他保留在价格与证据变化后重新定性的权利。跟踪他时不能只抄 Buy/Neutral/Sell，而要记录换挡前后的证据：是工程事实改变、CapEx 节奏改变、价格改变，还是个人偏见区域需要折扣。这样才是真正复用他的全链路。

能力圈一：科技基础设施，而非泛科技评论

Ferragu 的核心能力圈是科技基础设施：半导体、半导体设备、AI 芯片、网络、数据中心、通信设备、电动车平台、自动驾驶硬件、卫星/太空通信。New Street 研究流持续出现 Tech Infrastructure Quarterly Bible、Arm 模型更新、Besi、Socionext、Starlink 等主题；公司页用于跟踪 Nvidia、Tesla、Arm、ASML 等公开活动。这个覆盖范围有一个共同点：它们都不是纯应用故事，而是大规模资本开支、工程迭代和客户采购共同驱动的基础设施。

能力圈二：从电信设备周期迁移到 AI 和太空通信

他的独特之处，是能把早期电信设备行业的 CapEx 峰谷经验迁移到 AI 和卫星互联网。电信设备训练出一种“订单不等于永恒增长”的条件反射：运营商预算、网络升级、供应链交付和设备替换周期都会制造高峰和低谷。AI 数据中心同样有 CSP CapEx、芯片交付、网络、封装、WFE 和电力约束；Starlink 也可被看成通信基础设施，而不是单纯航天公司。2026-04-16 X 观点流记录，他强调太空电信的优势在于端到端基础设施快速升级；2026-03-30 又把 Starlink 直连手机、航空连接和频谱合作列为验证点。这些都落在通信基础设施语言里。

能力圈三：自动驾驶硬件与电动车平台

Tesla 是他公众声誉的关键入口。2018-05-11 的 Tesla 逆势初覆盖，让他成为华尔街最知名的 Tesla 多头分析师之一；2020-02-05、2020-10-07、2020-12-09 的多次换挡又显示他不是永远维持同一评级。对他来说，Tesla 不是传统汽车制造商，而是移动计算平台：FSD、Robotaxi、车端硬件、训练算力、Cybercab、充电网络和单位经济共同构成平台价值。Mobileye、西方 OEM 标准化 L2+ 路线、端到端模型和监管路径，都是他用来比较自动驾驶代际滞后的工具。

边界一：纯软件应用、模型体验和消费者互联网不是主场

深研明确列出边界：纯软件应用、消费者互联网、模型层产品体验、短线交易情绪并非其主场。比如他可以判断 Nvidia/Arm/AMD/网络/数据中心的基础设施地位，却不一定是评估某个 AI 应用 PMF、SaaS 留存、聊天机器人体验或消费互联网增长飞轮的最佳来源。他会说 Nvidia 提供厨房，go-to-market 才是问题；这句话也暗示他更擅长厨房本身，也就是算力和基础设施，而不是每一道菜的消费体验。

边界二：卖方评级不是基金净值，也不是本站方向

Ferragu 是卖方研究分析师，不是公开组合基金经理。其评级可以作为历史观点和方法案例，但不能等同于仓位，也不能被本站转写成目标价或交易建议。深研提醒，目标价和评级受卖方研究语境、客户沟通和模型假设影响；核心研报多在付费墙内，公开资料很多来自媒体转述、官方标题、第三方评级记录和公开视频。使用时要标注来源层级：New Street 官方、CNBC/Bloomberg/Benzinga 等媒体、TipRanks/StockAnalysis 回测、X 发言、本库深研，不能把二手转述扩写成完整模型。

边界三：Musk 系观点需要单独折扣

他在 Nvidia/ASML 等硬件链上常显克制，在 Tesla/xAI/Musk 系上更像长期信徒，并公开承认存在偏见。这个边界必须写在页面里：并非所有领域都给同样权重。读他的 Tesla/FSD/xAI/Starlink 观点，要同时看工程证据和偏见折扣；读 Nvidia/ASML/Arm/AMD/Besi，则更应聚焦 CapEx、订单、产品周期和估值赔率。

Alpha 一：把科技故事还原成基础设施套利

Ferragu 的 alpha 不是“更早知道 AI 很大”或“更喜欢 Tesla”，而是把科技故事还原成基础设施资本开支、工程代际和估值赔率。深研称他是“基础设施链条套利者”：哪里市场把工程进步当噪音，他会反向看多；哪里市场把长期叙事一次性全计入价格，他会降级。这个认知的变种在于，他不满足于判断方向，而是问：哪一环先赚钱，哪一环订单先见顶，谁的硬件代际领先几年，当前价格隐含了几年成功。

Alpha 二：同一条 AI 链，不同环节时钟不同

市场常把 Nvidia、ASML、Besi、Arm、AMD、数据中心网络和云 CapEx 放进同一条 AI 交易。Ferragu 的独特性是拆时钟。Nvidia 的数据中心收入可能先兑现，Blackwell/Rubin 交付和网络软件平台可能继续上修；Arm 的数据中心 CPU 渗透要看云实例和服务器 attach；AMD 的 MI 系列需要客户采用和软件生态证明；ASML/Besi 的设备与封装机会则受 WFE、订单、扩产和估值约束。2025-10-06 ASML 降级就是这个 alpha 的反面案例：AI 长期强，但设备链阶段赔率可能变差。

Alpha 三：把 Tesla 看成移动算力平台，而不是车企可比公司

2018 年 Tesla 一战的核心，是他认为市场用传统车企框架误读 Model 3 执行、资本效率和电动车平台。到 2026-05-02，他在 X 上用 FSD 订阅、份额提升、Cybercab 收入和单位利润构造多重乘数，表达方式非常激进；但无论是否同意数字，背后框架是清楚的：如果车是移动计算平台，利润来源就不只来自一次性卖车，而来自软件、高频使用、自动驾驶任务和网络化能力。这个变种认知解释了为什么他会长期给 Tesla 更高战略权重，也解释了为什么这一块必须加入偏见折扣。

Alpha 四：用硬件代际滞后解释自动驾驶竞争

Ferragu 对 Mobileye、西方 OEM 和 Tesla 的比较不是“谁发布了更好看的功能”。2026-01-06 Teslarati 转述中，他把 CES 上的西方 OEM L2+ 标准化理解成务实路线，同时也是对白旗式追赶的确认：行业在验证 Tesla 战略，但落后多年。这个判断的 alpha 来自时间差：硬件标准化、车队数据、训练算力、端到端模型、监管路径和消费者体验并不会同步到位。若非 Tesla 阵营能通过端到端模型或监管路径快速跳代，这个认知会被削弱；否则硬件代际滞后就是竞争分析中比短期功能清单更重要的变量。

Alpha 五：Starlink 是电信基础设施变量，不是边缘太空叙事

New Street 研究流持续出现 Starlink、Jio、电信影响等主题，Ferragu 也参与 Space research。独特性在于，他把 Starlink 放回电信基础设施：终端、卫星迭代、地面站、频谱、直连手机、航空连接和运营商合作，会改变传统通信网络的边界。2026-04-16 X 观点流记录其对端到端迭代速度的强调；2026-05-13 StockAnalysis 记录 EchoStar/频谱/Starlink 相关研究入口。这里的 alpha 不在“太空很酷”，而在卫星通信是否成为主流电信基础设施的竞争变量。

Alpha 六：语言风格本身暴露判断结构

深研记录了他的典型语言：行业不是在追上 Tesla，而是在验证 Tesla 战略但滞后多年；Nvidia 提供厨房，go-to-market 才是问题；媒体转述中常见 fully valued、demand normalizing、risky setup。把这些词放在一起，会发现他先定义系统位置，再判断节奏，最后回到赔率。这比单独读某个评级更有价值。

主战场：2018-05-11 Tesla 反共识初覆盖

Ferragu 最有影响的一战，是 2018-05-11 对 Tesla 的逆势初覆盖与高信念正面判断。背景是 2018 年 Tesla 最受质疑：Model 3 量产爬坡被怀疑，现金流压力被放大，Elon Musk 与卖方关系紧张，传统汽车分析框架把 Tesla 看成产能、亏损和治理风险的集合。深研说，这一战的关键不是爱 Musk，而是他认为市场误读了技术路线、资本效率和 Model 3 执行。公开观点流把 2018-05-11 的核心归纳为：Tesla 工程代差和资本效率被市场误读；CleanTechnica 转述还强调了电力电子和超充体验。

当时他看的不是“故事”，而是工程和资本效率

这场战役最值得拆的是证据结构。第一，他把电动车当成工程平台，而不是传统车企的一个新车型：电池、IGBT、电驱、充电网络、软件迭代和车端硬件会共同改变用户体验与成本曲线。第二，他把 Model 3 执行看成产能学习曲线，而不是单次生产事故。第三，他认为资本效率被低估：如果 Tesla 用更高集成度和直连用户的方式推动规模化，传统 OEM 的渠道、平台和组织包袱反而会成为成本。第四，他用时间差看竞争：后来深研总结的“行业不是追上 Tesla，而是在验证 Tesla 战略但滞后多年”，正是这场战役的延长线。

结果：声誉建立，框架被后续多次验证和修正

后续结果是 Tesla 大幅上涨，Ferragu 成为华尔街最知名 Tesla 多头分析师之一。这一战奠定了他“敢在共识极端时用工程事实反向判断”的声誉。但更重要的是，他没有把 2018 胜利变成永恒评级。2020-02-05，Tesla 暴涨后他转中性，说明即便长期平台判断正确，估值赔率也会变差；2020-10-07，回调后重新转多，说明他愿意把价格变化纳入同一框架；2020-12-09，再度强调获利了结，体现评级是价格函数。也就是说，封神之战的真正结果不是“永远看多 Tesla”，而是建立了一套工程事实与估值纪律并用的公众样本。

副战一：2023-02-23 Nvidia 转正

第二个代表作是 2023-02-23 Nvidia 转向正面。公开观点流称其核心是 AI 算力需求进入可兑现阶段；深研说第三方记录显示该 Buy 评级带来显著回报。这个节点的重要性在于，Ferragu 没有把 2020 年对 Nvidia 的估值谨慎固化成身份，而是在 AI 加速计算需求真正进入收入兑现时改变判断。后续到 2026-03-19 Benzinga 记录 Nvidia 进入 New Street best ideas，验证线已升级为 Blackwell/Rubin 周期、数据中心收入、网络与软件平台，而不是泛泛 AI 热。

副战二：2024-07-05 降级与 2024-08-06 升回

2024-07-05，Nvidia 获得罕见降级，CNBC 访谈和媒体转述把原因归纳为需求正常化、价格已满、未来继续超预期的空间收窄；2024-07-06 Benzinga 转述称争议点是他首次怀疑 Nvidia 不能继续超预期。短期看，这次降级并非完全错误，因为随后市场出现回调；更关键的是 2024-08-06 他又快速升回，公开观点流称“8 月股灾后迅速升回 Nvidia，说明他能在价格变化后快速修正判断”。这场副战的结果，是把他的估值纪律公开演示给市场：降级不是看空 AI，升回也不是承认信仰，而是赔率变化。

为什么 2018 Tesla 仍是第一封神战

Nvidia 2023/2024 展示了纪律，但 2018 Tesla 更能代表他的原型能力：在卖方共识最不友好、公司治理噪音最大、现金流恐惧最强的时点，把工程事实、资本效率、竞争代际和市场误读串起来。后来的 AI、ASML、Starlink、Mobileye 分析，本质上都在重复同一种动作：先找基础设施层的位置，再用工程与周期做证据，最后看价格是否已经把未来吃完。

风险一：Musk 系偏见不是小注脚，而是必须进模型的折扣

深研最明确的风险，是 Ferragu 在 Tesla/xAI/Musk 系上更像长期信徒，并公开承认存在偏见。这个问题不能用“他 2018 看对了 Tesla”来抵消。2026-05-02 他在 X 上把 FSD 订阅、份额提升和 Cybercab 拆成多重利润乘数，表达强度非常高；这类观点可能抓住平台杠杆，也可能高估监管、消费者接受、技术鲁棒性和商业化速度。正确处理方式是：工程证据照看，但偏见折扣单独列项；尤其是 FSD、Robotaxi、xAI/Grok、Starlink 与 Musk 个人叙事交织时，不能把情绪感染力当作模型置信度。

风险二：估值纪律会在指数级上修周期中过早下车

2020-10-15 Nvidia 负面评级/看空，是深研列出的明显滑铁卢。彼时 Nvidia 估值高、市场共识强，他从估值角度担心不可持续；但随后 AI 与加速计算叙事持续强化，基本面上修远超传统估值框架能容纳的范围。这个案例说明：当新平台处在 TAM、收入、毛利和客户预算同时上修的早期，过早强调 fully valued 可能错过主升段。2024 年 Nvidia 降级也有同类风险：短期赔率判断可成立，但如果 Blackwell/Rubin、网络、软件和推理需求继续上修，基本面可能再次把估值拉回可接受区间。

风险三：电信设备周期经验可能迁移过度

Ferragu 的 CapEx 峰谷意识来自电信设备周期，这很有价值，也可能成为盲点。电信设备常见运营商预算约束、升级周期和订单波动；AI 基建却可能叠加训练、推理、主权 AI、企业部署、电力扩建和模型竞争，周期长度与扩散路径未必相同。深研把最大盲点称为“周期经验迁移过度”：如果用传统 CapEx 峰谷过早套用 AI，可能错过持续上修。ASML 2025-10-06 降级就是需要跟踪的样本：如果 CSP CapEx、WFE、ASML 订单和先进封装持续强于预期，设备链阶段谨慎就会被挑战。

风险四：公开材料多为转述，完整模型在付费墙内

New Street 研报多在付费墙内，公开研究必须区分官方标题、媒体转述、第三方评级记录、X 发言和本库深研。CNBC、Bloomberg、Benzinga、Teslarati、Investing 转述、StockAnalysis、TipRanks 等可以提供时间点和摘要，但不能替代完整模型。比如 2024-07-05 Nvidia 降级的公开关键词是需求正常化、价格已满；但客户模型中收入、毛利、情景假设、风险权重如何设置，外部无法完整看到。若页面把公开转述扩写成内部模型，就会制造虚假确定性。

风险五：卖方评级容易被读成交易指令

深研多次提醒，评级为机构研究观点，本站不报目标价/方向。Neutral 或 Sell 不应被翻译成做空，Buy 也不等于适合所有读者买入。Ferragu 的用法是研究其证据链：为何 2018-05-11 看 Tesla，为什么 2020-02-05 转中性，为什么 2023-02-23 看 Nvidia，为什么 2024-07-05 降级后 2024-08-06 又升回，为什么 2025-10-06 对 ASML 谨慎。离开证据链，只抄评级，会把“赔率工具”误读成“投资建议”。

风险六：跨基础设施框架可能稀释软件与产品体验

他的全栈框架能把 ASML、Nvidia、Tesla、Arm、AMD、Starlink 放在一起，但这也意味着某些软件和用户体验变量可能被压低权重。模型层产品体验、消费者互联网网络效应、应用层分发、开发者生态、企业采购流程，都不是他的最强主场。Nvidia 的“厨房”比喻非常好，但最终市场还要看谁把厨房做成可持续餐厅；Tesla 的硬件代际也必须转化为可靠服务、监管批准和用户愿付费。

1. 做一张全栈传导图，而不是主题篮子

第一件可学的是画图。遇到 AI、自动驾驶或卫星通信，不要先列受益公司，而是先画需求如何传导。AI 图要从 CSP CapEx 开始，连到 GPU、网络、HBM、封装、晶圆代工、设备、服务器、电力、软件栈和客户收入；自动驾驶图要从车端硬件、训练算力、数据闭环、传感器、监管和单位经济展开；Starlink 图要从卫星、地面站、终端、频谱、直连手机、航空连接和运营商合作展开。Ferragu 的优势就在这里：他能把 Tesla 自动驾驶硬件与 Nvidia/Dojo/网络，把 ASML 与 AI CapEx，把 Starlink 与电信基础设施放到同一语言里。复用时，输出应是传导路径和验证点，不是荐股表。

2. 给每个叙事配工程证据和反证

第二件可学的是证据化。Tesla 的证据不是“电动车会增长”，而是 Model 3 执行、电力电子、充电、FSD 硬件代际、Robotaxi 任务和单位经济；Nvidia 的证据不是“AI 很热”，而是 Blackwell/Rubin 交付、数据中心收入、网络、软件、客户支出和毛利；ASML/Besi 的证据不是“AI 需要更多芯片”，而是订单、WFE、先进封装、晶圆厂扩产和设备交付。每条证据都要有反证：客户采购分散、毛利压缩、供应瓶颈缓解后仍无法超预期、CSP CapEx 下修、Robotaxi 任务失败、非 Tesla 阵营快速跳代。这样读 Ferragu，才能学到工程事实，而不是学到结论口号。

3. 把估值写成“情景已计入多少”

第三件可学的是估值表达方式。Ferragu 的强项不是给一个静态标签，而是判断市场价格已经计入多少成功。2024-07-05 Nvidia 降级，不是看空 AI，而是认为需求正常化和价格已满让继续超预期更难；2024-08-06 升回，则是回调后赔率重置。复用时可以写一张表：基本面是否变好、市场是否已经计入、继续超预期需要什么、价格下跌后原 thesis 是否重新有赔率。这个表能避免两种错误：好公司永远买，或降级等于看空产业。

4. 对自己的偏见建立显式折扣率

第四件可学的是自我审计。Ferragu 在 Musk 系上承认偏见，这是很多研究者做不到的。可复用动作是：凡是自己长期喜欢、反复写、社交媒体互动强、人格魅力强的对象，都单独加一个“偏见折扣”字段。Tesla/xAI/Starlink 对 Ferragu 是这种区域；对普通研究者也可能是某个创始人、技术路线或国家叙事。折扣不是否定观点，而是要求更强证据、更高反证敏感度和更低仓促确定性。

5. 建时间线，记录换挡而非只截屏结论

最后一件可复用的是时间线方法。Ferragu 的关键节点包括 2018-05-11 Tesla 逆势初覆盖，2020-02-05 Tesla 暴涨后转中性，2020-10-07 Tesla 回调后重新转多，2020-12-09 Tesla 获利了结口径，2020-10-15 Nvidia 估值谨慎失手，2023-02-23 Nvidia 转正，2024-07-05 Nvidia 降级，2024-08-06 Nvidia 升回，2025-10-06 ASML 降级，2026-03-19 Nvidia best ideas。把这些节点排起来，才能看到他真正的纪律：工程事实、周期位置和估值赔率三者变化时，结论也要变。页面呈现时只写历史来源名和日期，不写外链，不输出目标价，不构成任何交易建议。