KeyFrame內部研究專用

Are retail investors still chasing after tech giants? Cathie Wood secretly heavily invested in th...

看得懂投資邏輯21 min中文
觀看原始影片

三句話摘要

分析三家被市場忽視的AI產業鏈中小公司投資機會,挑戰英偉達獨大局面。 ## 真正的AI投資機會不在已經市值數萬億的巨頭,而在卡住產業發展、擁有獨家壁壘的中小公司,它們既有確定的訂單與客户,又有高達數倍甚至數十倍的增長彈性。 產業鏈認知誤區:市場過度聚焦英偉達這類巨頭,忽視了真正卡住AI落地的三家中小公司,它們分別控制算力層、應用層、生物層的關鍵節點,是產業發展的瓶頸方,也因此擁有最高的利潤彈性。

重點整理

  1. 產業鏈認知誤區:市場過度聚焦英偉達這類巨頭,忽視了真正卡住AI落地的三家中小公司,它們分別控制算力層、應用層、生物層的關鍵節點,是產業發展的瓶頸方,也因此擁有最高的利潤彈性。

  2. Recursion的數據護城河:傳統新藥研發成本高、週期長,AI能大幅縮短周期。Recursion通過自動化實驗室累積獨家真實實驗數據,大模型訓練資料來自公開論文,無法與其比較,形成通用AI公司無法跨越的護城河;核心管線即將出臨床二期數據,近期催化強。

  3. Symbotic的確定性成長:深度戰略綁定沃爾瑪(後者將自動化部門轉手給它),機器訂單已排期數年,剛剛跨過盈利拐點,業績確定性最強;核心風險是客戶集中度高。

  4. Cerebras的算力創新:用全晶圓級計算技術(面積是普通GPU數十倍),單芯片性能強、延遲低、超大模型訓練有天然優勢,但軟體生態仍需完善,屬高風險高彈性品種。

  5. ##

實用技巧與重點

  • Recursion Pharmaceuticals (RXRX)
  • 英偉達合作建設自動化實驗室,一天實驗量是傳統實驗室數十倍
  • 自有數據庫:數百萬次生物實驗,外部無法獲取
  • 管線進展:多項管線進入臨床階段,今年下半年核心管線出二期臨床關鍵數據
  • 收入模式:自有管線 + 與大藥企合作收授權費與里程碑付款
  • 機構加倉時點:英偉達減持後股價回調時開始逆市加倉
  • Symbotic (SIM)
  • 沃爾瑪最大自動化仓库供應商,沃爾瑪直接將自動化部門轉給它
  • 美國第二大連鎖超市及大型食品批發商也是客户
  • 機器訂單金額:相當於數年營收,業績鎖定
  • 財務轉折:最近實現盈利,毛利率持續提升
  • 技術壁壘:AI調度算法、遷移成本高、強專利護城河
  • Cerebras Systems (CBRS)
  • 全晶圓級計算芯片:面積是普通GPU數十倍,單顆算力遠超
  • 客户擴展:從科研機構、超算中心發展到企業級AI公司
  • 超大模型優勢:參數多時GPU需萬張卡連接,Cerebras單顆足夠強,訓練成本更低
  • 營收增速:快速增長但規模仍小,未實現盈利
  • 生態挑戰:軟體生態仍在完善,CUDA生態10多年積累難追
  • ##

結論

真正的AI投資機會不在已經市值數萬億的巨頭,而在卡住產業發展、擁有獨家壁壘的中小公司,它們既有確定的訂單與客户,又有高達數倍甚至數十倍的增長彈性。

完整解析

提到AI股票投資,市場陷入了一個常見誤區:過度集中在英偉達等市值最大的巨頭上。但真正握著AI產業發展關鍵鑰匙的,其實是三家鮮為人知的中小公司。這三家公司分別佔據了AI產業鏈的三個不同層級:上游算力創新、中游實體落地、下游生物應用。

Recursion Pharmaceuticals 代表的是AI在生物制藥領域的深度應用。傳統新藥研發是一個極其昂貴且漫長的過程,一款新藥從實驗室到上市需要十多年、耗資數十億美元,成功率卻很低。Recursion用AI直接縮短研發週期、降低成本,這筆節省的成本就是真實的利潤。該公司的獨特之處在於與英偉達合作開發自動化實驗室,用AI調度機器人全自動執行生物實驗,從配藥、培養、檢測到數據記錄完全無人介入,一天的實驗量是傳統實驗室的幾十到數百倍。更重要的是這個閉環迴圈:機器人執行實驗產生數據,AI根據數據設計更優化的實驗,效率會越來越快。雖然通用大模型如Google、微軟的生物大模型訓練數據來自公開論文,但Recursion累積了數百萬次真實生物實驗的獨家數據,這是外部絕對無法獲取的。AI模型的上限由訓練數據決定,這道護城河對手無法跨越。該公司管線已有多個進入臨床階段,今年下半年核心管線將公布二期臨床關鍵數據,這將是重要催化劑。

Symbotic 則是AI在實體經濟落地的印鈔機。倉儲物流自動化走得最快、最踏實,原因很簡單:人力成本不斷上升,招人難、管人難,而全自動倉儲系統24小時無休運轉,效率比人工高好幾倍,長期成本反而更低。對於沃爾瑪這類零售巨頭,倉儲效率每提升一點都意味著幾十億美元的成本節省。Symbotic與沃爾瑪的關係遠超普通供應商合作——沃爾瑪直接將旗下的自動化系統部門出售給Symbotic,相當於把自己的倉儲自動化技術底牌交給了它,形成深度戰略綁定。客户一旦裝上它的系統,整個倉庫的布局、流程、人員培訓都圍繞這套系統設計,換成別家的成本極高,所以客户粘性極強。該公司已經拓展到美國第二大連鎖超市和大型食品批發商,機器訂單已排期數年,未來幾年業績基本鎖定。最近實現盈利更是關鍵的轉折——市場長期擔心它只有收入沒有利潤,如今毛利率持續提升,投資邏輯徹底改變。表面看倉儲機器人技術含量有限,實際上真正的核心壁壘是調度算法。幾萬平方米的倉庫裡數百上千個機器人同時運行,要走最優路線、不碰撞、配合分揀打包,背後的AI調度算法才是王牌。Symbotic十多年運營積累了海量場景數據,算法越來越成熟,對手即使製造出相同機器人,沒有算法與數據積累的效率也會差一大截。

Cerebras Systems 則在最上游的算力層直接挑戰英偉達。雖然英偉達長期壟斷AI芯片,但Cerebras用完全不同的技術路線——全晶圓級計算,把一整塊晶圓直接做成一顆芯片,面積是普通GPU的數十倍,計算單元多得多,算力自然強,數據無需在多個芯片間傳輸,延遲低、功耗優。這個技術路線聽起來瘋狂但已經商用。最初客户主要是科研機構和超算中心進行科學計算,隨著大模型訓練需求爆發,越來越多企業和AI公司開始嘗試用它的算力。在超大規模模型訓練中它具有天然優勢——大模型參數太多,用GPU需要成千上萬張卡連接,通信開銷巨大、效率很低,而Cerebras的晶圓級芯片單顆性能足夠強,需要的芯片數量少得多,整體訓練成本反而更低。它的互補壁壘就是這套獨一份的晶圓級計算技術和專利,對手即使想跟進也需要十多年研發才能趕上。但它的短板是軟體生態——英偉達的CUDA生態發展了三十年,開發者數量龐大,大部分AI框架優先適配英偉達,而Cerebras生態仍在完善。不過生態是可以慢慢建的,只要硬體性能有絕對優勢,開發者自然會過來。

##

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。