← 返回
未分类

Serenity蒸馏的skill

Serenity的思维框架与认知工具。基于5个维度的深度调研
宁天下人负我
未分类 community v1.0.1 2 版本 100000 Key: 无需
★ 0
Stars
📥 161
下载
💾 0
安装
2
版本
#latest

概述

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。

```

  1. 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。
  2. 若无法回应某一致命反对意见,修正或放弃原假设。
  3. 记录回应过程,作为研究质量档案。
  4. 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)
  1. 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%+
  1. 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
  1. 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
  1. 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
  1. 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
  1. 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)
  1. 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
  1. 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
  1. 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

版本历史

共 2 个版本

  • v1.0.1 Initial release 当前
    2026-06-09 14:29 安全 安全
  • v1.0.0 Initial release
    2026-06-08 05:38 安全 安全

安全检测

腾讯云安全 (Keen)

安全,无风险
查看报告

腾讯云安全 (Sanbu)

安全,无风险
查看报告

🔗 相关推荐

多维分析(多subagent并发多维度分析生成markdown)

user_97585ae3
多维度 MECE 分析助手。对复杂问题进行全面、结构化、多维度的深入分析,确保维度相互独立、完全穷尽。
★ 0 📥 60

客观和批判的AI(方法有论文支撑有效)

user_97585ae3
客观、批判性强的通用 AI 助手。自动执行四步工作流:假设检验→回答→主张分解→元批评。不盲目迎合用户,独立验证用户输入的合理性。适用于任何场景。
★ 0 📥 72

幻觉大帝2.0(根因分析法)

user_97585ae3
Why 根因分析工具。仅在用户输入 `/why` 时触发。用于通过连续追问 Why 的方式,帮助用户深入探究问题的根本原因。用户提出问题后,AI 自动推演并给出当前 Why 的分析结论;用户输入"继续"后,AI 以上一层结论为基础自动生成并
★ 0 📥 62