ในวงการลงทุนห่วงโซ่อุปทาน AI / เซมิคอนดักเตอร์ในต่างประเทศ Serenity เป็นชื่อที่ไม่สามารถหลีกเลี่ยงได้ในช่วงนี้
บัญชี X ของเขาคือ @aleabitoreddit รูปโปรไฟล์ของเขาเป็นภาพหญิงสาวผมขาว ดังนั้นในวงการจีนจึงรู้จักเขาในนาม "เทพหุ้นผมขาว" ฐานผู้ติดตามของเขาใกล้แตะหนึ่งล้านคน และจำนวนสมาชิกก็อยู่ในระดับที่สูงมาก ปัจจุบันเขาเป็นหนึ่งในนักวิจัยอิสระที่มีอิทธิพลมากที่สุดบน X ที่พูดถึงห่วงโซ่อุปทาน AI / Semi, photonics, CPO, InP, neocloud และแนวทางอื่นๆ
สิ่งที่ดึงดูดความสนใจของตลาดมากกว่าคือ เขาได้ตีกลุ่มเป้าหมายห่วงโซ่อุปทาน AI ที่มีความยืดหยุ่นสูงในช่วงที่ผ่านมา ไม่ว่าจะเป็น AXTI ในกลุ่มวัสดุพิมพ์ InP, SIVE และ AAOI ในห่วงโซ่เลเซอร์และการสื่อสารด้วยแสง หรือ NBIS ในกลุ่มคลาวด์ AI สิ่งที่ทำให้ตลาดจดจำเขาได้จริงๆ ไม่ใช่แค่การเรียกร้องให้ใช้ AI มากขึ้น แต่คือการแยกย่อยความต้องการ AI ไปยังต้นน้ำอย่างต่อเนื่อง เพื่อค้นหาจุดคอขวดเฉพาะกลุ่มที่มี มูลค่าตลาดเล็ก การครอบคลุมน้อย อุปทานตึงตัว และการตรวจสอบคุณสมบัติมาก่อนการรับรู้รายได้
เมื่อเร็วๆ นี้ Serenity ตามฉันบน X
ฉันชื่นชมความคิดและความเป็นมืออาชีพของเขาในการวิเคราะห์上下游ของอุตสาหกรรม AI เป็นการส่วนตัว เขาเป็นตัวแทนของวิธีการที่โดดเด่นมากในรอบการซื้อขายหุ้น AI ของสหรัฐฯ ที่ผ่านมา: ไม่ได้เริ่มจากหุ้นที่ได้รับความนิยมมากที่สุด แต่เป็นการอนุมานคอขวดในห่วงโซ่อุปทานจากความต้องการ AI
แต่ก่อนที่จะแยกย่อยวิธีการ ต้องชี้แจงความเสี่ยงให้ชัดเจนก่อน
เป้าหมายหลายตัวที่ Serenity กล่าวถึงในอดีตมักมีลักษณะของมูลค่าตลาดเล็ก ความผันผวนสูง ความยืดหยุ่นสูง และมีธีมชัดเจน เมื่อตลาดตีราคาใหม่ ผลตอบแทนอาจน่าทึ่งมาก แต่ในทำนองเดียวกัน เมื่อคำสั่งซื้อ การตรวจสอบคุณสมบัติ การรับรู้รายได้ หรือโครงสร้างทางการเงินไม่เป็นไปตามที่คาด ความผันผวนก็จะรุนแรงมากเช่นกัน โดยเฉพาะอย่างยิ่งหลังจากการเผยแพร่บนโซเชียลมีเดีย หุ้นขนาดเล็กเหล่านี้สามารถเปลี่ยนจาก "การวิจัยที่ไม่เป็นฉันทามติ" ไปเป็น "การซื้อขายที่แออัด" ได้อย่างง่ายดาย หากนักลงทุนทั่วไปเรียนรู้แต่รหัสหุ้น โดยไม่เข้าใจกรอบการตรวจสอบ พวกเขาก็อาจกลายเป็นคนถือหุ้นที่ราคาสูงได้ง่าย
ดังนั้น บทความนี้ไม่ได้มีไว้เพื่อนำทุกคนไปลอกการบ้านของ Serenity
พูดให้ถูกคือ Serenity เป็นตัวอย่างการวิเคราะห์ห่วงโซ่อุปทานเชิงธุรกรรมที่ควรค่าแก่การศึกษา คุณค่าที่แท้จริงของเขาไม่ได้อยู่ที่การทำนายว่าความต้องการ AI จะเติบโตต่อไปหรือไม่ แต่อยู่ที่การแยกย่อยความต้องการ AI ออกเป็นข้อจำกัดต่างๆ ในห่วงโซ่อุปทาน แล้วมองหาจุดคอขวดที่ตลาดมองข้ามได้ง่ายที่สุด แต่สามารถถูกตีราคาใหม่ได้อย่างรวดเร็วเมื่อได้รับการยืนยัน
1. ความแตกต่างในการลงทุน AI กำลังเปลี่ยนจากด้านอุปสงค์ไปสู่ด้านอุปทาน
ในช่วงสองปีที่ผ่านมา ช่วงที่ทำเงินได้ง่ายที่สุดในการลงทุน AI คือตอนที่ด้านอุปสงค์ถูกตีราคาใหม่ ความสามารถของโมเดลดีขึ้น GPU ขาดตลาด การใช้จ่ายด้านทุนของผู้ให้บริการคลาวด์ขยายตัวอย่างต่อเนื่อง NVIDIA, Microsoft, Broadcom, TSMC, หน่วยความจำ และโมดูลออปติคัลต่างก็เข้าสู่แนวหลักของตลาดตามลำดับ คำถามหลักในขั้นตอนนี้คือ: ใครได้ประโยชน์มากที่สุดโดยตรงจากความต้องการ AI?
แต่เมื่ออุปสงค์กลายเป็นฉันทามติแล้ว ผลตอบแทนส่วนเกินใหม่ๆ มักจะไม่ได้มาจากคำถามที่ว่า "AI จะเติบโตต่อไปหรือไม่" อีกต่อไป แต่มาจากคำถามที่เฉพาะเจาะจงมากขึ้นอีกข้อหนึ่ง: ในกระบวนการเติบโตของ AI จุดเชื่อมต่อใดมีอุปทานตึงตัวที่สุด? จุดเชื่อมต่อใดขยายการผลิตยากที่สุด? จุดเชื่อมต่อใดมีรอบการรับรองนานที่สุด? จุดเชื่อมต่อใดที่ถ้าล้มเหลวจะทำให้ทั้งระบบช้าลง?
เส้นทางการวิจัยของ Serenity วนเวียนอยู่กับการเปลี่ยนแปลงนี้ การขยายตัวของความต้องการ AI ทำให้เกิดการใช้จ่ายด้านทุนของ Hyperscaler; การใช้จ่ายด้านทุนตกไปที่ GPU, ASIC, สถาปัตยกรรมสวิตช์ และการเชื่อมต่อด้วยแสง; การเชื่อมต่อด้วยแสงยังคงอนุมานไปยังต้นน้ำต่อไป และคุณจะเห็น 800G, 1.6T, CPO, เลเซอร์, วัสดุพิมพ์ InP, เวเฟอร์เอพิแทกซี และวัสดุต้นน้ำอื่นๆ อีกมาก ยิ่งไปต้นน้ำมากเท่าไร ตลาดก็ยิ่งไม่คุ้นเคย การครอบคลุมก็ยิ่งน้อยลง ตัวเลขทางการเงินระยะสั้นก็ยิ่งไม่โดดเด่น แต่เมื่อจุดเชื่อมต่อใดกลายเป็นคอขวดจริงๆ ความยืดหยุ่นก็อาจยิ่งมากขึ้น
นี่คือจุดเริ่มต้นพื้นฐานของการซื้อขายแบบ Serenity: ไม่ใช่การมองหาความแน่นอนในสถานที่ที่แออัดที่สุด แต่เป็นการมองหาโอกาสในคอขวดที่ยังไม่ได้รับการตั้งชื่ออย่างเต็มที่
กรอบความคิดของเขาสามารถบีบอัดเป็นสูตรได้: Alpha แบบ Serenity = ความเข้มข้นของความต้องการ AI × ความแข็งแกร่งของอุปทาน × ช่องว่างการรับรู้ของตลาด × ความยืดหยุ่นของหุ้นขนาดเล็ก × ความหนาแน่นของตัวเร่งปฏิกิริยา ÷ ความแออัดของการประเมินมูลค่า
ในสูตรนี้ ความเข้มข้นของความต้องการ AI ไม่ใช่ตัวแปรที่หายากที่สุด เพราะความต้องการ AI ที่แข็งแกร่งเป็นฉันทามติของตลาดอยู่แล้ว สิ่งที่กำหนด Alpha จริงๆ คือรายการต่อไปนี้: อุปทานแข็งแกร่งหรือไม่ ตลาดยังไม่เข้าใจอย่างถ่องแท้หรือไม่ เป้าหมายเล็กพอหรือไม่ ตัวเร่งปฏิกิริยาหนาแน่นพอหรือไม่ และราคาแออัดเกินไปหรือไม่
2. อนุมานคอขวดทางกายภาพจากความต้องการปลายทาง
หนึ่งในกรณี典型的ที่สุดของ Serenity คือ AXTI
AXTI ไม่ใช่บริษัท AI บนพื้นผิว มันผลิตวัสดุพิมพ์เซมิคอนดักเตอร์แบบผสม ซึ่งวัสดุพิมพ์ InP เป็นต้นน้ำของการสื่อสารด้วยแสง ซิลิคอนโฟโตนิกส์ เลเซอร์ และจุดเชื่อมต่ออื่นๆ หากคุณเริ่มต้นจากขนาดรายได้ของบริษัท ระดับกำไร หรือการประเมินมูลค่าแบบดั้งเดิมเท่านั้น ก็ยากที่จะรวมมันเข้าไปในแนวหลัก AI ได้ในครั้งแรก
แต่เส้นทางการอนุมานของ Serenity แตกต่างอย่างสิ้นเชิง ศูนย์ข้อมูล AI ต้องการแบนด์วิธที่สูงขึ้นและการใช้พลังงานที่ต่ำลง ซึ่งผลักดันความต้องการการเชื่อมต่อด้วยแสง; การอัปเกรดการเชื่อมต่อด้วยแสงผลักดันความต้องการโมดูลออปติคัล CPO และเลเซอร์; เลเซอร์และอุปกรณ์โฟโตนิกที่เกี่ยวข้องถูกแยกย่อยไปยังต้นน้ำมากขึ้น และคุณจะเห็นวัสดุพิมพ์ InP
ปัญหาคือ วัสดุพิมพ์ InP ไม่ใช่วัสดุธรรมดาที่สามารถขยายหรือเปลี่ยนได้ทุกเมื่อ หากอุปทานทั่วโลกรวมศูนย์ รอบการขยายยาว และการรับรองลูกค้ายาก มันก็อาจกลายเป็น "คอขวดของคอขวด" ในห่วงโซ่การเชื่อมต่อด้วยแสง AI ทั้งหมด
ความสำคัญของ AXTI อยู่ตรงนี้ มันไม่ใช่สินทรัพย์ AI ที่เด่นชัดที่สุด แต่มันติดอยู่ในจุดเชื่อมต่อวัสดุต้นน้ำที่การขยายการเชื่อมต่อด้วยแสง AI ต้องพึ่งพา ในตอนแรกตลาดมีแนวโน้มที่จะประเมินบริษัทแบบนี้ต่ำเกินไป เพราะพวกมันไม่ใช่ผู้รับความต้องการปลายทางโดยตรง และไม่ใช่บริษัทที่รายได้จะพุ่งทะยานเป็นอันดับแรก แต่เมื่อห่วงโซ่อุตสาหกรรมเริ่มตระหนักว่าวัสดุต้นน้ำอาจส่งผลกระทบต่อการขยายตัวของทั้งห่วงโซ่ วิธีการตั้งราคาจะเปลี่ยนไป
จาก "บริษัทวัสดุขนาดเล็ก" ไปเป็น "สินทรัพย์คอขวดที่ถูกเปลี่ยนชื่อโดยความต้องการ AI"
ต่อมา AXTI ถูกตลาดตีราคาใหม่ ซึ่งยืนยันไม่ใช่ตำนานของหุ้นตัวเดียว แต่ยืนยันประสิทธิผลของเส้นทางการวิจัยเส้นทางหนึ่ง: หลังจากแนวหลัก AI แออัดแล้ว Alpha อาจมาจากต้นน้ำที่มากขึ้น เฉพาะกลุ่มมากขึ้น และข้อจำกัดด้านอุปทานทางกายภาพมากขึ้น ที่สำคัญกว่านั้น การปรับปรุงรายได้และอัตรากำไรขั้นต้นในรายงานทางการเงินครั้งต่อๆ มา ยังแสดงให้เห็นว่าคอขวดวัสดุต้นน้ำเริ่มได้รับการยืนยันบางส่วนแล้ว
แต่กรณีนี้ก็เป็นเครื่องเตือนใจเช่นกัน: เมื่อคอขวดถูกพูดถึงอย่างเต็มที่โดยตลาดแล้ว ธรรมชาติของมันก็เปลี่ยนไป หลังจากเปลี่ยนจากการวิจัยที่ไม่เป็นฉันทามติไปเป็นการซื้อขายที่เป็นฉันทามติแล้ว ขั้นตอนต่อไปต้องพึ่งพาการรับรู้ทางการเงิน ความยืดหยุ่นที่เกิดจากช่องว่างการรับรู้ในช่วงแรกไม่สามารถขยายออกไปอย่างไม่มีกำหนด
3. การตรวจสอบคุณสมบัติมักมาก่อนการรับรู้รายได้
ถ้า AXTI แสดงให้เห็นถึง "คอขวดต้นน้ำ" แล้ว SIVE ก็แสดงให้เห็นถึงชั้นที่สำคัญยิ่งกว่าในวิธีการของ Serenity: การตรวจสอบคุณสมบัติมาก่อนการรับรู้รายได้
นักลงทุนจำนวนมากคุ้นเคยกับการรอรายงานทางการเงินเพื่อพิสูจน์ทุกอย่าง แต่ในห่วงโซ่อุปทาน AI โดยเฉพาะสำหรับบริษัทอุปกรณ์ขนาดเล็ก การตีราคาใหม่ที่แท้จริงมักเกิดขึ้นก่อนที่รายได้ทางการเงินจะออกมาอย่างเต็มที่ เพราะสัญญาณแรกที่ปรากฏไม่ใช่รายได้ แต่เป็นคุณสมบัติ
ใครเข้าสู่การตรวจสอบลูกค้า? ใครอาจกลายเป็นซัพพลายเออร์หลัก? ใครถูกฝังอยู่ในสถาปัตยกรรมรุ่นต่อไป? ใครเตรียมการผลิตจำนวนมากกับพันธมิตรด้านการผลิต? ผลิตภัณฑ์ของใครสอดคล้องกับการเพิ่มปริมาณในปี 2027 หรือ 2028? สัญญาณเหล่านี้มักจะไม่สะท้อนโดยตรงในกำไรของไตรมาสปัจจุบัน แต่สามารถเปลี่ยนจินตนาการของตลาดเกี่ยวกับเพดานรายได้ในอนาคตของบริษัทได้
SIVE เป็นกรณีแบบนั้น จุดดึงดูดของมันไม่ได้อยู่ที่ว่ารายงานปัจจุบันสมบูรณ์แบบแล้ว แต่อยู่ที่ว่ามันอาจอยู่ในตำแหน่งสำคัญในห่วงโซ่ เช่น CPO, 1.6T, LRO และเลเซอร์ประสิทธิภาพสูง Serenity มุ่งเน้นไปที่ว่ามันมีโอกาสที่จะเป็นซัพพลายเออร์เลเซอร์หลักสำหรับสถาปัตยกรรมและห่วงโซ่ลูกค้าบางประเภทหรือไม่ แทนที่จะประเมินมูลค่าโดยใช้รายได้สิบสองเดือนที่ผ่านมาเพียงอย่างเดียว
ความยืดหยุ่นของการซื้อขายแบบนี้มีมาก เพราะเมื่อตลาดเชื่อว่า "การตรวจสอบคุณสมบัติจะกลายเป็นการรับรู้รายได้ในที่สุด" การประเมินมูลค่าจะสะท้อนเส้นโค้งรายได้ในอนาคตล่วงหน้า SIVE เป็นสินทรัพย์ที่ผ่านการตรวจสอบคุณสมบัติมากกว่าสินทรัพย์ทางการเงินที่รับรู้เต็มที่
แต่ความเสี่ยงก็ชัดเจนเช่นกัน การตรวจสอบคุณสมบัติไม่ได้หมายความว่ารายได้ถูกรับรู้แล้ว ความร่วมมือกับลูกค้าไม่ได้หมายถึงการปลดปล่อยกำไร และการเพิ่มปริมาณในปี 2027 ไม่ได้หมายความว่าการประเมินมูลค่าในวันนี้จะสมเหตุสมผลเสมอไป เมื่อตลาดจ่ายเงินสำหรับอนาคตล่วงหน้า รายงานทางการเงินในภายหลังต้องพิสูจน์อย่างต่อเนื่องว่าอนาคตนี้จะมาถึงจริง
ดังนั้น คุณค่าที่แท้จริงของ SIVE ไม่ใช่แค่การพูดว่า "มันยังเร็วอยู่" แต่เป็นการแสดงตัวแปรหลักในกรอบของ Serenity: ก่อนการรับรู้ทางการเงิน ตลาดจะตั้งราคาคุณสมบัติ สถาปัตยกรรม และตำแหน่งอุปทานก่อน
นี่เป็นโอกาสที่มีความยืดหยุ่นสูง และเป็นการซื้อขายที่มีความยากในการตรวจสอบสูงด้วย
4. จากคุณสมบัติสู่คำสั่งซื้อ สู่การตีราคาใหม่ของตลาด
กรณีของ AAOI เข้าใจง่ายกว่าสำหรับนักลงทุนทั่วไปเมื่อเทียบกับ SIVE เพราะ AAOI แสดงให้เห็นเส้นทางจากคุณสมบัติสู่คำสั่งซื้อ แล้วสู่การเพิ่มปริมาณการจัดส่งได้ชัดเจนกว่า มันไม่ใช่จินตนาการในช่วงต้นที่บริสุทธิ์ แต่เป็นบริษัทสื่อสารด้วยแสงที่เริ่มเห็นคำสั่งซื้อและการยืนยันการจัดส่งจำนวนมากแล้ว
มุมมองของ Serenity ที่มีต่อ AAOI ไม่ใช่แค่ป้าย "โรงงานโมดูลออปติคัลท้องถิ่นของอเมริกา" ป้ายนี้กว้างเกินไปและถูกตลาดนำไปใช้ในทางที่ผิดได้ง่าย สิ่งที่สำคัญจริงๆ คือ AAOI สามารถสร้างคำสั่งซื้อที่มองเห็นได้ในความต้องการโมดูลออปติคัล 800G และความเร็วสูงกว่านั้นหรือไม่, สามารถย้ายจากการตรวจสอบคุณสมบัติของลูกค้าไปสู่การจัดส่งได้หรือไม่, และสามารถเปลี่ยนความต้องการให้เป็นเส้นโค้งรายได้ได้หรือไม่
ช่วงเวลาที่บริษัทแบบนี้มีแนวโน้มถูกตีราคาใหม่มากที่สุด มักจะไม่ใช่หลังจากรายงานทางการเงินรับรู้เต็มที่ แต่เป็นเมื่อตลาดเริ่มเชื่อว่าคำสั่งซื้อจะดำเนินต่อไป กำลังการผลิตจะถูกปล่อยออกมา และความสัมพันธ์กับลูกค้าจะคงอยู่
กรณีของ AAOI แสดงให้เห็นห่วงโซ่การซื้อขายคอขวดที่สมบูรณ์ยิ่งขึ้น: อันดับแรกคือการอัปเกรดสถาปัตยกรรม ตามด้วยการรับรองคุณสมบัติ; อันดับแรกคือเบาะแสคำสั่งซื้อ ตามด้วยการปล่อยกำลังการผลิต; อันดับแรกคือการเปลี่ยนแปลงความคาดหวังของตลาด ตามด้วยการรับรู้รายงานทางการเงินทีละน้อย
แต่มันยังเตือนเราว่า การซื้อขายคอขวดไม่สามารถดูแค่รายได้ การเติบโตของรายได้สำคัญ คำสั่งซื้อสำคัญ แต่อัตรากำไรขั้นต้น การใช้กำลังการผลิต การกระจุกตัวของลูกค้า และความสามารถในการทำกำไรก็สำคัญไม่แพ้กัน ควรดูคำสั่งซื้อ การจัดส่ง และอัตรากำไรขั้นต้นร่วมกัน ไม่ใช่แค่รายได้
หากรายได้ของบริษัทแค่เพิ่มขึ้น แต่อัตรากำไรไม่ดีขึ้น หรือต้นทุนการขยายสูงเกินไป ความคาดหวังสูงที่ตลาดให้ไว้ในช่วงแรกจะถูกท้าทาย สิ่งที่กำหนดจริงๆ ว่าการซื้อขายจะไปได้ไกลแค่ไหน คือคำสั่งซื้อ กำลังการผลิต อัตรากำไร และความสัมพันธ์กับลูกค้าสามารถรับรู้ร่วมกันได้หรือไม่
5. ธีมมาก่อน แต่อย่าซื้อทั้งธีม
Serenity ไม่ได้ศึกษาเฉพาะวัสดุและการสื่อสารด้วยแสง การตัดสินใจของเขาในทิศทาง Neocloud สะท้อนให้เห็นความสามารถอีกอย่าง: การหมุนเวียนธีมและการเลือกผู้ชนะ นั่นคือ ตัดสินก่อนว่าธีมใดจะถูกตลาดตีราคาใหม่ จากนั้นจึงเลือกบริษัทที่มีแนวโน้มโดดเด่นที่สุดในธีมนั้น
NBIS เป็นตัวแทนในกรอบนี้ มันไม่ใช่คอขวดวัสดุในความหมายดั้งเดิม แต่เป็นตัวแทนของความสามารถในการจัดส่งคลาวด์ AI และพลังการคำนวณ สำหรับบริษัทแบบนี้ คำถามสำคัญไม่ใช่แค่ "พวกเขามี GPU หรือไม่" แต่: พวกเขามีลูกค้าคุณภาพสูงหรือไม่, มีสัญญาระยะยาวหรือไม่, มีไซต์จ่ายไฟหรือไม่, มีความสามารถในการจัดหาเงินทุนหรือไม่, มีซอฟต์แวร์สแต็คหรือไม่, มีอัตราการใช้งานสูงพอหรือไม่, และสามารถเปลี่ยนรายจ่ายด้านทุนจำนวนมากเป็นกระแสเงินสดที่ยั่งยืนได้หรือไม่
โครงสร้างพื้นฐาน AI ไม่ใช่เรื่องของใครใช้เงินมากกว่า แต่เป็นเรื่องของใครสามารถเปลี่ยน Capex เป็นกระแสเงินสดได้ แกนหลักของคลาวด์ AI ไม่ใช่จำนวน GPU แต่เป็น ROIC ที่กำหนดโดยสัญญาลูกค้า การจ่ายไฟ การจัดหาเงินทุน และอัตราการใช้งานร่วมกัน
ความสำคัญของ NBIS คือมันแสดงให้เห็นอีกด้านหนึ่งของกรอบของ Serenity: เมื่อธีมปรากฏขึ้นแล้ว อย่าซื้อตะกร้า แต่ให้หาบริษัทที่มีแนวโน้มสร้างวงจรเชิงบวกในธีมนั้นมากที่สุด วงจรเชิงบวกที่ว่านี้คือการเสริมกำลังซึ่งกันและกันของลูกค้า การจัดหาเงินทุน ทรัพยากร ความสามารถในการจัดส่ง และความเชื่อมั่นของตลาด
ซึ่งแตกต่างจากตรรกะของ SIVE และ AXTI SIVE และ AXTI เป็นคอขวดทางกายภาพในห่วงโซ่อุปทาน ในขณะที่ NBIS เป็นคอขวดในการจัดส่งพลังการคำนวณ อดีตติดอยู่ที่อุปกรณ์และวัสดุ ส่วนหลังติดอยู่ที่ทุน การจ่ายไฟ GPU และสัญญาลูกค้า
แต่โดยพื้นฐานแล้ว พวกเขาทั้งหมดตอบคำถามเดียวกัน: ในกระบวนการที่ความต้องการ AI ขยายตัวอย่างต่อเนื่อง ใครควบคุมจุดเชื่อมต่อที่หายากที่สุด?
6. เรื่องราวที่ดีไม่ได้หมายถึงหุ้นที่ดี
IREN เป็นกรณีสำคัญในการทำความเข้าใจกรอบความเสี่ยงของ Serenity
IREN มีเรื่องราวดีๆ มากมาย: การเปลี่ยนผ่านสู่คลาวด์ AI, ความร่วมมือกับ NVIDIA, ทรัพยากรไฟฟ้าขนาดใหญ่, การปรับใช้ GPU, การขยายศูนย์ข้อมูล สิ่งเหล่านี้ล้วนเป็นคำสำคัญที่ตลาดชอบ
แต่ Serenity อ่อนไหวต่อคำถามอื่นมากกว่า: โครงสร้างทางการเงินจะกลืนผลตอบแทนของผู้ถือหุ้นหรือไม่?
จุดนี้สำคัญมาก บริษัท AI ที่มีสินทรัพย์หนักมีแนวโน้มที่จะเกิดความไม่สอดคล้องกันมากที่สุด: ทิศทางอุตสาหกรรมถูกต้อง และขนาดบริษัทก็ขยายตัว แต่ผู้ถือหุ้นอาจไม่ได้รับผลประโยชน์ในสัดส่วนเดียวกัน เหตุผลคือการขยายตัวต้องการเงิน และเงินอาจมาจากหนี้ หุ้นกู้แปลงสภาพ ATM การออกเพิ่มทุน หรือเครื่องมือเจือจางอื่นๆ
เมื่อแรงกดดันด้านการจัดหาเงินทุนมากพอ ประสิทธิภาพของราคาหุ้นไม่ได้ขึ้นอยู่กับการเติบโตของธุรกิจเท่านั้น แต่ยังขึ้นอยู่กับว่าตลาดสามารถย่อยอุปทานที่ต่อเนื่องได้หรือไม่ ทิศทางที่ถูกต้องแต่โครงสร้างทางการเงินหนัก เป็นความเสี่ยงด้านผลตอบแทนของผู้ถือหุ้นโดยทั่วไปสำหรับบริษัทโครงสร้างพื้นฐาน AI
ความสำคัญของ IREN คือมันแสดงให้เห็นว่า "มีลูกค้ารายใหญ่" "มีความร่วมมือกับ NVIDIA" และ "มีการเปลี่ยนผ่านสู่ AI" นั้นไม่เพียงพอ หากบริษัทต้องระดมทุนอย่างต่อเนื่องเพื่อทำให้เรื่องราวเป็นจริง อัตราต่อรองสำหรับผู้ถือหุ้นเดิมต้องถูกคำนวณใหม่
นี่เป็นอีกด้านที่มักถูกมองข้ามของกรอบของ Serenity: โครงสร้างเงินทุนเป็นตัวแปรการซื้อขาย ไม่ใช่เชิงอรรถทางการเงิน
เช่นเดียวกันสำหรับคลาวด์ AI NBIS แสดงถึงการเลือกผู้ชนะในธีม ในขณะที่ IREN แสดงถึงความเสี่ยงด้านการจัดหาเงินทุนในธีม บริษัทที่อยู่ในทิศทางที่ถูกต้อง ไม่จำเป็นต้องเป็นหุ้นที่มีอัตราต่อรองดีในระยะปัจจุบันเสมอไป
ทิศทาง บริษัท และหุ้นเป็นคำถามสามข้อที่แตกต่างกัน หนึ่งในส่วนที่มีค่าที่สุดของวิธีการของ Serenity คือการแยกสามสิ่งนี้ออกจากกัน
7. สิ่งที่เรียนรู้ได้จริงคือลำดับการวิจัย
วิธีการของ Serenity ไม่ซับซ้อน แต่ความยากในการดำเนินการสูงมาก สิ่งที่เรียนรู้ได้จริงไม่ใช่รายชื่อหุ้นของเขา แต่เป็นลำดับการวิจัยของเขา
ประการแรก ยืนยันว่าความต้องการปลายทางเป็นจริงมากพอหรือไม่ ความต้องการ AI เองไม่สามารถพึ่งพาอารมณ์เพียงอย่างเดียว ต้องตกอยู่ในการใช้จ่ายด้านทุน การอัปเกรดสถาปัตยกรรม ข้อกำหนดแบนด์วิธ สัญญาลูกค้า และทรัพยากรไฟฟ้า
ประการที่สอง แยกย่อยต้นน้ำไปตามความต้องการ เพื่อหาจุดเชื่อมต่อที่มีอุปทานแข็งแกร่งที่สุด ใครขยายการผลิตยากที่สุด เปลี่ยนแทนยากที่สุด และมีรอบการรับรองนานที่สุด มีแนวโน้มที่จะกลายเป็นคอขวดมากกว่า
ประการที่สาม ดูว่าบริษัทอยู่ในตำแหน่งคอขวดจริงหรือไม่ ไม่ใช่ทุกบริษัทที่เล่าเรื่อง AI อยู่ในจุดสำคัญ ต้องพิสูจน์ด้วยคำสั่งซื้อ ลูกค้า การตรวจสอบคุณสมบัติ พันธมิตร และการขยายกำลังการผลิต
ประการที่สี่ ตัดสินว่าตลาดอยู่ในขั้นตอนใด "ยังเร็ว" ไม่ได้เกี่ยวกับว่าราคาหุ้นขึ้นแล้วหรือไม่ แต่เกี่ยวกับว่าการยืนยันทางอุตสาหกรรม การมีส่วนร่วมของสถาบัน การรับรู้คำสั่งซื้อ และการแพร่กระจายความคาดหวังสิ้นสุดลงหรือไม่ "Priced in" ไม่ใช่ว่าบริษัทไม่ดี แต่เป็นว่าข่าวดีมากเกินไปถูกดูดซับโดยราคาแล้ว
ประการที่ห้า นำโครงสร้างเงินทุนเข้าไปในกรอบการซื้อขาย โดยเฉพาะสำหรับผู้ให้บริการคลาวด์ AI ศูนย์ข้อมูล ไฟฟ้า และพลังการคำนวณ ต้นทุนทางการเงิน แรงกดดันจากการเจือจาง โครงสร้างหนี้ และกระแสเงินสดมีความสำคัญมากกว่าเรื่องราว
ลำดับนี้มีค่ามากกว่า "ตารางหุ้นแนวคิด Serenity" ใดๆ เพราะหุ้นจะเปลี่ยนไป คอขวดจะย้ายที่ ตลาดจะแออัด มุมมองของ KOL จะถูกเลียนแบบ แต่มีเพียงลำดับการวิจัยเท่านั้นที่สามารถย้ายที่ได้
8. ขอบเขตของวิธีนี้
วิธีการของ Serenity มีแรงบันดาลใจมาก แต่ไม่สามารถลอกเลียนแบบอย่างเครื่องจักรได้
ประการแรก ความผันผวนของหุ้นคอขวดขนาดเล็กสูงมาก เป้าหมายหลายตัวไม่มีสภาพคล่องก่อนที่จะถูกค้นพบ และอาจกลายเป็นแออัดอย่างรวดเร็วเนื่องจากการเผยแพร่บนโซเชียลมีเดียหลังจากถูกค้นพบ
ประการที่สอง มีความไม่แน่นอนมหาศาลระหว่างการตรวจสอบคุณสมบัติและการรับรู้รายได้ การตรวจสอบลูกค้า ประกาศความร่วมมือ เส้นทางเทคนิค และการเตรียมการผลิตจำนวนมาก อาจถูกตลาดตั้งราคาล่วงหน้าทั้งหมด แต่รายได้และกำไรที่แท้จริงอาจไม่ออกมาตรงเวลา
ประการที่สาม การประเมินมูลค่าง่ายต่อการบิดเบือน หุ้นคอขวดช่วงแรกจะดูแพงมากเมื่อใช้รายได้ TTM แบบดั้งเดิม และอาจดูถูกเมื่อใช้ TAM ในอนาคต สิ่งที่ยากจริงๆ คือการตัดสินความน่าจะเป็นในการรับรู้ ไม่ใช่การทำตารางประเมินมูลค่าที่สวยงาม
ประการที่สี่ อิทธิพลของ KOL เองจะเปลี่ยนโครงสร้างการซื้อขาย เมื่อหุ้นขนาดเล็กเปลี่ยนจากการวิจัยเฉพาะกลุ่มไปเป็นกระแสโซเชียลมีเดีย ข้อได้เปรียบที่ไม่เป็นฉันทามติดั้งเดิมจะหายไปอย่างรวดเร็ว
ประการที่ห้า การโพสต์ต่อสาธารณะสามารถแสดงกรอบการวิจัย แต่ไม่สามารถแสดงการจัดการตำแหน่งและวินัยในการตัดขาดทุนได้อย่างเต็มที่ หากนักลงทุนทั่วไปเรียนรู้แต่ครึ่งแรกและไม่เรียนรู้การควบคุมความเสี่ยง พวกเขาสามารถเปลี่ยนระเบียบวิธีให้กลายเป็นการไล่ตามราคาสูงได้อย่างง่ายดาย
ดังนั้น ทัศนคติที่ดีที่สุดต่อ Serenity ไม่ใช่การบูชาหรือปฏิเสธ แต่เป็นการเรียนรู้แบบถอดความลับ
เรียนรู้เส้นทางการอนุมานของเขา ไม่ใช่ความเข้มข้นของตำแหน่งของเขา เรียนรู้วิศวกรรมย้อนกลับห่วงโซ่อุปทานของเขา ไม่ใช่ FOMO ในโซเชียลมีเดีย เรียนรู้วิธีที่เขาหาคอขวด และเรียนรู้วิธีที่เขาระวังปัจจัยการเจือจางและ priced-in
9. การลงทุน AI เข้าสู่ขั้นตอนการตั้งราคาคอขวด
คุณค่าของ Serenity ไม่ได้อยู่ที่การบอกตลาดว่าหุ้นตัวต่อไปคืออะไร แต่อยู่ที่การเตือนเราว่า: การลงทุน AI ได้เข้าสู่ขั้นตอนที่ยากขึ้นแล้ว
ในช่วงแรก การซื้อผู้นำ AI ที่ชัดเจนที่สุดสามารถทำเงินได้ ตอนนี้ อุปสงค์กลายเป็นฉันทามติแล้ว สิ่งที่ต้องตีราคาใหม่อย่างแท้จริงคือจุดเชื่อมต่ออุปทานที่ตึงตัวที่สุด ต้นน้ำที่สุด และแทนที่ยากที่สุดที่อยู่เบื้องหลังอุปสงค์
จาก GPU สู่การเชื่อมต่อด้วยแสง จากการเชื่อมต่อด้วยแสงสู่เลเซอร์ จากเลเซอร์สู่วัสดุพิมพ์ InP จากคลาวด์ AI สู่ไฟฟ้าและโครงสร้างทางการเงิน ตลาดได้ทำซ้ำกระบวนการเดียวกัน: อันดับแรกซื้อขายผู้นำที่โดดเด่นที่สุด จากนั้นซื้อขายซัพพลายเออร์รอง และสุดท้ายมองหาจุดคอขวดที่ถูกมองข้าม
Serenity คุ้มค่าแก่การศึกษาเพราะเขา มักวางการวิจัยของเขาในขั้นตอนที่สามล่วงหน้า
แต่สิ่งนี้ก็หมายความว่า วิธีการของเขามีความผันผวนสูง ความคาดหวังสูง และความยากในการตรวจสอบสูงโดยธรรมชาติ มันไม่ใช่แม่แบบการลงทุนแบบเน้นคุณค่าที่มั่นคง และไม่ใช่รายชื่อที่คนทั่วไปสามารถทำเงินได้โดยการลอกเลียนแบบ
คำตัดสินสุดท้าย: Serenity ไม่ใช่กรอบการเลือกหุ้นฟื้นตัวที่มีมูลค่าต่ำ ไม่ใช่กรอบการเก็งกำไรตามธีมทั่วไป แต่เป็นชุดวิธีการซื้อขายคอขวดห่วงโซ่อุปทาน AI ที่มีความผันผวนสูงและความยากในการตรวจสอบสูง
สำหรับห่วงโซ่อุตสาหกรรม AI ในปัจจุบัน ทิศทางไม่ใช่สิ่งที่หายากอีกต่อไป สิ่งที่หายากคือการหาคอขวดที่ยังไม่ได้รับการตั้งชื่ออย่างเต็มที่ สิ่งสำคัญจริงๆ ในขั้นตอนต่อไปไม่ใช่ใครเล่าเรื่อง AI ได้ดีที่สุด แต่เป็นใครที่ติดอยู่ในตำแหน่งอุปทานที่ตึงตัวที่สุดจริงๆ และสามารถเปลี่ยนตำแหน่งนั้นเป็นรายได้ กำไร และผลตอบแทนของผู้ถือหุ้นได้
ที่มา: บทความนี้สังเคราะห์และจัดเรียงจากคลังเนื้อหาสาธารณะบน X ของ Serenity ประกาศบริษัทที่เกี่ยวข้อง รายงานทางการเงิน และข้อมูลสาธารณะ ข้อมูลและมุมมองได้มาจากวัสดุข้างต้น มีไว้เพื่อการวิจัยและการแลกเปลี่ยนเท่านั้น และไม่ถือเป็นคำแนะนำในการลงทุนใดๆ
