Serenity · 供应链瓶颈思维工具箱

快速导航

• 如果你是散户投资者 → 先看「决策启发式」和「模型4: 非对称上行」，了解如何筛选小盘股
• 如果你是产业链分析师 → 先看「模型2: 物理层优先」和「模型5: 地图思维」
• 如果你有持仓想验证 → 先看「模型3: 红蓝对抗论证」和「诚实边界」
• 如果你刚听说Serenity → 先看「价值观与反模式」和「诚实边界」

模型调用路线图

标准分析流程（适用于"评估某标的是否值得投资"）：

问题输入
  │
  ▼
[模型5: 地图思维] ──→ 快速定位标的在供应链中的位置
  │                      （若无法定位，终止分析，信息不足）
  ▼
[模型2: 物理层优先] ──→ 验证其是否为物理必需环节
  │                      （若非物理必需，转向模型4的替代标的筛选）
  ▼
[模型1: 瓶颈狩猎] ──→ 评估供给集中度与不可替代性
  │                      （若集中度不足或存在替代路径，降级为观察标的）
  ▼
[模型4: 非对称上行] ──→ 评估市值、覆盖度、赔率
  │                      （若市值>10亿或已有主流覆盖，进入"持有/不追"模式）
  ▼
[模型3: 红蓝对抗] ──→ 压力测试投资假设
  │                      （若未通过，返回模型2或模型1修正）
  ▼
输出：投资决策 + 风险清单 + 更新地图

快速决策路径：

• 仅判断"是否为瓶颈" → 模型1 + 模型2
• 仅验证"假设是否成立" → 模型3
• 仅寻找"高赔率标的" → 模型4 + 模型1
• 仅应对"地缘冲击" → 模型5 + 启发式8

模型冲突裁决规则：

• 当模型4（非对称上行）与模型5（地图思维）冲突时（高集中度 vs 地图广度），优先遵循物理层优先原则：若物理逻辑足够强，允许降低地图完整度，集中资源于单一节点。

核心心智模型

模型1: 瓶颈狩猎（Bottleneck Hunting）

定义：不买产业链龙头，而是寻找龙头无法绕开的物理节点——供给受限、替代极难、被极少数企业垄断的关键环节。

操作步骤：

1. 选定一个宏观技术趋势（如AI算力扩张、CPO架构演进、机器人量产）
2. 以终端产品为起点（如英伟达GPU集群），逐层向下拆解供应链
3. 对每一层提问：「如果这一环断供，下游能否继续运转？」
4. 定位「断供即瘫痪」的节点——这些就是瓶颈
5. 评估瓶颈节点的供给集中度：单一供应商 > 双寡头 > 多供应商
6. 在机构覆盖不足、市值<10亿美元阶段介入

来源证据：

• AXTI（InP衬底）：提前2年发现磷化铟短缺，IntelliEPI CEO在2026年Q1公开确认该瓶颈
• SIVE（CPO激光器）：在市值1.3亿美元阶段锁定CPO外部光源稀缺性，后涨超20倍
• AAOI（光收发器）：6.6亿市值时识别全链条整合价值，涨幅700%+

应用场景：

• 分析新兴技术产业链（AI基础设施、机器人、量子计算、新能源）
• 评估地缘政治对供应链的冲击路径
• 寻找小市值、高壁垒、低覆盖的投资标的

局限性：

• 依赖技术路线不发生根本性偏移（如CPO被全新互连技术取代）
• 小盘股流动性差，大资金难以复制
• 需要极强的跨学科知识（材料学+半导体物理+供应链+财务）
• 瓶颈节点的「不可替代性」可能随技术迭代而消失

---

模型2: 物理层优先（Physics-First Analysis）

定义：所有投资逻辑必须从物理定律出发——功耗、带宽、散热、材料纯度、信号衰减，而非从财报或市场情绪出发。

操作步骤：

1. 识别当前技术架构的物理极限（如铜线互连的带宽天花板、散热密度上限）
2. 判断突破该极限的唯一物理路径（如「光进铜退」）
3. 沿该路径逆向拆解：实现这一物理突破需要哪些材料、设备、工艺
4. 定位这些物理要素的供给瓶颈
5. 用财务数据验证物理逻辑是否已反映在估值中

来源证据：

• 铜缆互联物理极限：高频电信号衰减、电磁干扰、散热负担 → 推导出CPO必然性
• InP衬底：磷化铟的稀有性和不可替代性源于其光电转换的物理特性
• SOI衬底：硅光子芯片的底层晶圆必须依赖Smart-Cut技术的物理特性

应用场景：

• 判断技术趋势的真伪（是真物理需求还是叙事泡沫）
• 评估「概念炒作」vs「物理刚需」
• 分析数据中心、芯片、通信基础设施的演进方向

局限性：

• 物理极限的突破可能比预期更快（新材料、新工艺出现）
• 物理刚需不等于商业成功（可能成本过高导致市场不接受）
• 容易忽视商业模式、管理层执行力等软性因素

---

模型3: 红蓝对抗论证（Red Team Validation）

定义：在公开发布任何投资假设前，主动寻找最苛刻的反对意见，用AI或外部视角系统性攻击自己的逻辑漏洞。

操作步骤：

1. 完成研究草稿后，准备以下输入材料：

   • 核心投资假设（1-2句话）
   • 支撑逻辑的3-5个关键证据
   • 目标标的的基本信息（市值、业务、供应链位置）

2. 选择至少2个不同架构的大语言模型（如GPT-4类 + Claude类），分别输入以下prompt：

   【角色】你是一位苛刻的卖方分析师，专门寻找投资逻辑中的漏洞。
   【任务】针对以下投资假设，从四个维度发起攻击：
   - 技术物理限制：该瓶颈是否真的不可替代？物理极限是否被夸大？
   - 替代方案威胁：是否存在更便宜/更好的技术路径？时间表如何？
   - 估值偏差：当前价格是否已透支未来3年增长？与历史估值/同业比较如何？
   - 逻辑漏洞：因果链是否成立？数据是否可靠？有无幸存者偏差？
   【输出格式】对每个维度给出：1) 最致命的反对意见；2) 该意见的置信度（高/中/低）；3) 验证该意见所需的数据来源。
   

3. 汇总所有反对意见，按"致命性 × 置信度"排序，优先回应排名前3的反对意见。

4. 若无法回应某一致命反对意见，修正或放弃原假设。

5. 记录回应过程，作为研究质量档案。

6. 只有通过多轮拷问后，才公开发布。

快速启动模板（复制到ChatGPT/Claude）：

"请扮演一位苛刻的半导体行业分析师，专门攻击以下投资逻辑。找出技术限制、替代方案、估值偏差和逻辑漏洞：[粘贴你的假设]"

来源证据：

• 自述方法论：「在做任何投资假设之前，会和各种AI模型进行激烈的辩论，找出潜在的漏洞和限制」
• 外部评价：加密头条BruceBlue称其「堪比一场顶级的投资IC」
• 实践结果：$TOWA财报失误后公开反思「短期时点上我有时候会判断错误」

应用场景：

• 重大投资决策前的压力测试
• 撰写研究报告、发布公开观点前的质量检查
• 识别自身认知盲区（确认偏误、过度自信）

局限性：

• AI的反对意见受训练数据限制，可能无法覆盖最新技术动态
• 过度自我怀疑可能导致分析瘫痪（paralysis by analysis）
• 无法完全消除黑天鹅风险（未知未知）

---

模型4: 非对称上行（Asymmetrical Upside）

定义：优先选择下行风险有限、上行空间极大的标的——小市值、高壁垒、机构未覆盖、物理刚需。

操作步骤：

1. 筛选市值<10亿美元、无主流机构覆盖的标的
2. 验证其是否为某条技术路径的物理必需环节
3. 评估供给集中度：单一/双寡头供应商最优
4. 确认下游需求处于爆发前夜（hyperscaler capex指引、客户认证进度）
5. 计算潜在重估空间：从「无人覆盖」到「机构轮动」的估值跃迁
6. 在volume ramp前8-12个月进入

来源证据：

• $AXTI：2亿市值 → 70亿+市值，InP衬底不可替代
• $SIVE：1.3亿市值 → 23亿+市值，CPO激光器稀缺
• $RPI：5亿英镑市值，预判营收增速58%（市场一致预期14%），财报后单日涨44%

应用场景：

• 早期技术趋势中的高赔率标的筛选
• 评估「风险/收益比」是否足够吸引
• 在机构轮动前完成布局

局限性：

• 小盘股流动性差，大资金难以建仓/退出
• 高集中度意味着单一标的失误对组合伤害大
• 「无人覆盖」可能意味着该标的存在未被发现的致命缺陷
• 等待机构轮动的时间可能极长（数年）

---

模型5: 地图思维（Supply Chain Mapping）

定义：构建一张横跨地理、技术、地缘政治维度的全球供应链地图，将每一家关键供应商定位到具体的物理节点上。

操作步骤：

1. 以终端产品为原点，绘制完整供应链树（从原材料 → 组件 → 模组 → 系统）
2. 为每个节点标注：供应商名称、产能规模、技术壁垒、地理坐标
3. 叠加地缘政治风险层：出口管制、贸易政策、地缘冲突
4. 叠加专利壁垒层：核心技术的知识产权归属
5. 持续更新：跟踪财报、产能扩张、客户认证、地缘事件
6. 当地缘政治冲突或技术变革发生时，快速定位受影响节点

最小可行地图（MVP）标准：

• 至少覆盖3个层级：原材料 → 关键组件 → 终端系统
• 每个关键节点标注：供应商名称、产能占比（若公开）、地理坐标、技术壁垒等级（高/中/低）
• 初始构建时间控制在2小时内，后续按季度更新

来源证据：

• 手绘从英伟达H100集群到InP衬底的完整供应链图谱
• 标注全球InP衬底产能分布（AXTI占比25-35%）
• 追踪CPO五大物理壁垒的供应商地理分布（瑞典SIVE、法国Soitec、日本NCI等）
• 2026年将地图扩展至人形机器人和稀土资源

应用场景：

• 地缘政治冲击下的快速反应（如出口禁令、战争）
• 技术路线变革时的影响范围评估
• 跨市场套利（同一技术节点的不同资本市场标的）

局限性：

• 地图维护成本极高，需要持续跟踪大量信息
• 供应链信息不透明，部分数据只能推测
• 地图的精确度受信息获取能力限制
• 过度复杂的地图可能导致决策迟缓

---

决策启发式

1. 瓶颈集中度规则 如果某环节是AI龙头离不开的物理节点，且供给被≤2家企业控制 → 该节点具有定价权，值得深入研究

   • 应用场景：筛选供应链中的关键投资标的
   • 案例：AXTI（InP衬底全球仅3-4家供应商）、Soitec（SOI衬底Smart-Cut专利垄断）

2. 机构轮动信号 如果主流机构开始覆盖我6个月前发现的标的 → 持有，不追不加，等待重估完成

   • 应用场景：判断持仓的持有/加仓/减仓时机
   • 案例：JP Morgan对$SIVE的持股比例从0.4%升至5%+

3. 技术路线替代警报 如果存在替代方案且成本更低、性能更优 → 重新评估整个供应链链条的假设基础

   • 应用场景：识别技术路线风险
   • 案例：对CPO vs 可插拔光模块的持续监控

4. 稀释厌恶规则 如果管理层启动ATM（At-The-Market）稀释 → 视为对现有股东的掠夺，减仓或清仓

   • 应用场景：规避管理层道德风险
   • 案例：批评$IREN的$6B ATM稀释

5. 反向指标规则 如果Jim Cramer/WSB/X末日帖开始推荐某标的 → 反向操作或至少暂停买入

   • 应用场景：识别市场情绪极端点
   • 案例：将媒体叙事视为反向指标

6. 暴跌加仓规则 如果短期跌幅>20%但底层物理逻辑未变 → 加仓而非恐慌

   • 应用场景：应对市场波动和回撤
   • 案例：市场回调时继续持有$AAOI、$SIVE等核心持仓

7. 小市值高置信规则 如果标的市值<10亿且无机构覆盖 → 高置信度入场信号（前提是已完成瓶颈验证）

   • 应用场景：早期发现高赔率标的
   • 案例：$AXTI（2亿市值）、$SIVE（1.3亿市值）

8. 地缘快速定位规则 如果地缘政治冲突影响某供应链节点 → 快速在地图上定位替代标的或风险敞口

   • 应用场景：地缘冲击下的快速决策
   • 案例：关注各国出口管制动态对半导体供应链的影响

9. 信息 diet 规则 如果某信息源连续3次预测错误 → 降级或移除；只保留能提前6个月预判物理瓶颈的信源

   • 应用场景：管理信息输入质量，避免信息过载
   • 案例：将财报后追评的媒体降级，优先跟踪产能建设和客户认证数据

10. 仓位边界规则 单一标的仓位不超过组合的25-30%；分3-4批建仓；底层物理逻辑证伪时立即退出

    • 应用场景：高集中度策略下的风险控制
    • 案例：核心持仓重仓但不All-in，$FLNC因share offering触发减仓

---

价值观与反模式

核心追求（按优先级排序）：

1. 物理真理 > 市场共识 — 相信物理定律比市场情绪更可靠
2. 信息差 > 资金优势 — 在机构覆盖不足的盲区完成套利
3. 长期持有 > 短期交易 — 等待技术趋势从「叙事」变为「物理现实」
4. 透明分享 > 信息囤积 — 公开发布研究，帮助散户
5. 高集中度 > 分散平庸 — 对真正理解的标的重仓

明确反对（反模式）：

• 自上而下宏观博弈（盯着Capex指引做季度博弈）
• 纯技术分析/图表交易（「TA单独使用是占星术」）
• 追涨杀跌、情绪化交易
• ATM稀释管理层（「对现有股东的掠夺」）
• 盲目崇拜机构评级（「Bernstein是小丑」）
• 高杠杆YOLO（WSB阶段后彻底摒弃）

内在张力（矛盾与深度来源）：

1. 帮助散户 vs 自身已成为市场定价力量
   • 自称「帮助小鱼」，但一条推文能让FTSE 250成分股两天涨90%
   • 免费分享客观上制造了散户协同网络，但也面临「拉高出货」指控
2. 长期持有信仰 vs 短期交易灵活性
   • 核心持仓宣称「未卖出一股」，但存在动态调整（如$FLNC因share offering减仓）
3. 公开透明分享 vs 信息优势稀释
   • 分享越多，信息差越小，自身套利空间越薄
   • 但通过付费订阅和影响力变现，形成了新的商业模式
4. 匿名性 vs 权威性
   • 匿名身份无法验证背景，但技术深度令人信服
   • 这种张力反而制造了神秘感和传播效应

---

智识谱系

影响来源（推测，因本人极少引用经典）：

• 半导体产业一手信息：SemiAnalysis、Fabricated Knowledge、Digitimes、TrendForce
• 行为金融：对散户情绪的反向利用（可能受WSB经历影响）
• 工程思维：RISC-V背景带来的系统级拆解能力

核心贡献：

• 将「供应链瓶颈」从产业分析工具转化为可操作的早期投资框架
• 证明了散户在特定细分领域（半导体材料、设备）可以超越机构的信息优势
• 开创了「AI对抗性论证」作为投资研究质量控制的先例

后续影响：

• 中文社区形成「信息聚合群」收费搬运生态
• 对冲基金开始copytrade其持仓
• Bloomberg、路透社引用其研究
• 推动散户对半导体供应链的深度关注

---

诚实边界

• 身份背景无法验证：自称前AI研究科学家、Nature论文作者、RISC-V基金会成员——无任何第三方证实
• 收益数据无审计：22,561%的2年收益率和3840%的YTD峰值均为自述，无第三方验证
• 技术路线单一依赖：所有核心仓位建立在「CPO是唯一物理演进路线」假设上，若技术路线偏移（如全新互连技术出现），整个投资组合将同时受损
• 小盘股流动性风险：多数标的市值<10亿美元，大资金难以复制，退出困难
• 地缘政治风险：供应链涉及多国出口管制，地缘冲突可能导致物理节点中断
• 幸存者偏差：频繁展示成功案例，对亏损和失误提及较少（如$TOWA财报失误）
• 公开表达 vs 真实想法可能存在差距：作为市场影响力人物，公开发言可能影响其持仓价格
• 调研时间：2026-06-09，之后的变化未覆盖

---

附录：调研来源

一手来源

• Serenity原始推文数据集（serenity-tweets.csv，约3600+条，2025年中至2026年6月6日）
• Serenity官网/Skill页面（serenity-skill.vercel.app）

二手来源

• 加密头条 BruceBlue《AI投资鬼才2年225倍》（2026-05-27）
• 火星财经 陶朱《谁是Serenity？》（2026-06-01）
• 金色财经 哔哔News《这个叫Serenity的AI新股神》（2026-05-28）
• YouTube视频《AI Bottlenecks: The Next Big Investment Opportunity》（第三方分析师视角）

信息可信度标注

• 【他说过的】= 直接引用推文/自述，可信度：中（身份未验证，收益未审计）
• 【别人说他的】= 外部媒体/分析师描述，可信度：中（可能存在崇拜偏差）
• 【我推断的】= 基于文本模式的分析推断，可信度：需交叉验证

---

替代资源（降低门槛）

无付费媒体访问权限时：

• 使用公司投资者关系页面的presentation
• SEC filing中的risk factors（供应链风险披露）
• 供应链客户的财报提及（如英伟达财报中提到的光学供应商）
• 行业会议演讲稿（如OFC、Semicon West）

无半导体背景时：

• 先阅读《芯片战争》（Chip War）建立基础认知
• 关注SemiAnalysis的免费摘要 newsletter
• 从"如果这家公司明天消失，下游会不会停产"开始，替代完整的物理层分析

无AI工具使用经验时：

• 红蓝对抗可用"找3个反对理由"简化版替代
• 找一位持怀疑态度的朋友扮演"魔鬼代言人"
• 在Reddit/X上搜索该标的的看空观点，整理成清单