E2M Research

🟩 Q5：如果一位未来才会被证明伟大的投资者今天站在面前，我们怎么认出他？ Odyssey： 我会看两端。第一端是他能不能避开历史上反复出现的坑：泡沫、靠讲故事支撑的增长、没有利润来源的繁荣。这个部分可以放进过去的案例里检验，看他的思维方式会不会把他带进类似陷阱。 另一端更难：他能不能看见真正新的东西。那不是简单的“反共识”，因为反共识大多是错的；而是有些观点会让你不舒服、和你的体系冲突，但你又没法证明它必然不成立。我会把这种人和想法先放在视野里，继续观察。 西蒙斯就是一个例子：我未必能解释他的整个黑箱，但他在科网泡沫破裂时获利、在量化策略普遍出问题时也会亏损，这些细节至少让我知道，他不太像单纯靠纸面增长或利益输送赚钱。 🟩 Q6：下一代投资者的机会，可能藏在什么地方？ Zhen Dong： 新的机会往往最难认，因为它既要反共识，又要正确。很多时候，不是你没听过某个概念，而是你还没有足够的经验和结构感去把它认出来。看得多、犯过错、错过过机会，都会留下某种“似曾相识”的能力。下一次类似结构出现时，你可能更敏感。 我觉得投资者的盲区大概有两类。一类是本来有能力理解，但没有投入时间去研究。比如很多优秀投资者未必真的细看过某个新行业的商业模式。另一类是大家都知道这是好东西，但因为爆仓、情绪、资金约束或组织限制，不得不卖掉。 后者更容易被看见。前者也许会因为 AI 而缩小一点：它可以帮你更快扫描行业、整理商业模式、补足研究覆盖面。但最终能不能识别出真正重要的结构，还是要靠人自己判断。 本期内容仅为嘉宾个人观点与讨论，不构成任何投资建议。相关市场波动较大，请谨慎决策。

🟩 Q5：端侧 AI 会削弱数据中心，还是两者会长期并存？ Odyssey： 这其实是两条很不一样的路径。如果 AI 的主要计算最终都跑在手机、电脑和车上，推理成本更多由用户设备承担，那么今天大规模建设数据中心的逻辑就会受到挑战。端侧计算越强，中心化算力投资越可能出现过度建设的问题。 但另一条路也成立：如果 AI 的使用量长期高速增长，尤其是高难度任务越来越多，数据中心的规模、能效和集中式优势仍然难以替代。 Peicai Li 认为，端侧能力和小模型都在进步，像自动驾驶这样的垂直场景可能在“够用”后进入更慢、更稳定的升级周期；而我的前提不同，我会把通用大模型看成一个仍在扩张的无限游戏。 两者的分歧不只在技术判断，也对应着完全不同的资产与商业模式。 🟩Q6：不想再错过下一个英伟达，是否必须最早看见它？ Odyssey： 错过英伟达以后，我确实会有一种焦虑：如果下一轮类似谷歌、亚马逊的机会出现，我能不能识别、能不能抓住？这也是我为什么特别想找到一个能理解未来的视角，哪怕它现在还不完整。 但 Peicai Li 提醒了我另一种方式：不一定要在最早期就识别出来。真正重要的公司如果能走到很大，未必只给最早的人机会；等它出现更明确的观察点，再跟上也可以。 我可能更在意“做出好决策”本身带来的成就感，他则更愿意等待事实涌现。这不是谁更对，而是两种不同的投资心理：一种想提前看见未来，另一种接受自己可以晚一点确认。 本期内容仅为嘉宾个人观点与讨论，不构成任何投资建议。相关市场波动较大，请谨慎决策。