一个程序员用逆向工程思维，在 AI 产业链里找到了 1000% 收益

Wed, 03 Jun 2026 10:58:37 +0800

线上接口突然慢了 10 倍，你大概率不会先问：哪个函数最有名？

你会看调用链，看队列堆积，看数据库锁，看缓存命中率，看连接池是不是被打满。你会顺着请求一路往下追，直到找到那个卡住整个系统吞吐的点。

Serenity 的方法，放到 AI 产业链里，也是在做同一件事。

网上流传他在 AI 相关标的里拿到过非常夸张的收益，具体数字有各种版本。这里先把话说死：这些收益、持仓、交易时点，没有第三方审计，我不会把它们当成确定事实，更不会把这篇写成“跟着买”的荐股文。

真正值得看的，不是他买了什么。

是他怎么问问题。

大多数人看 AI，第一反应是追最显眼的名字：GPU、云厂商、模型公司、机器人、Agent。Serenity 的问题不是“谁最热”，而是：如果 AI 基础设施继续放大 10 倍，这条链路会先在哪里断？

这就是程序员熟悉的瓶颈思维。

大趋势不是答案，它只是调试入口。

他不是股神，更像产业侦察兵

Serenity 的公开形象很容易被写歪。

如果只看传播材料，你会看到“股神”“225 倍”“几千百分比收益”这类词。它们很刺激，也很危险。刺激在于能吸引点击；危险在于会把真正有价值的部分盖住。

一个收益截图最容易被复制，也最不值得复制。

你不知道仓位，不知道交易成本，不知道是否兑现，不知道亏损样本，也不知道牛市 beta 占了多少。你看到的往往只是结果，不是产生结果的过程。

Serenity 更有意思的地方，是他没有停在第一层 AI 叙事里。

别人问“谁是下一个 Nvidia”，他会继续往上游拆：GPU 集群变大以后，数据怎么在机器之间跑？带宽、功耗、延迟会先压到哪里？光互连要扩张，谁提供激光器、光源、基板、材料、产能？这些环节里，哪个最难扩产，哪个最难替代，哪个还没被市场充分理解？

这不是玄学，更像逆向工程。

程序员调一个线上问题，也不会只看入口接口。入口只是症状。真正的原因可能在数据库索引、消息队列、第三方依赖、网络抖动、锁竞争，甚至在一个没人注意的配置上。

产业链也是一条很长的调用链。

终端需求只是请求入口。真正决定吞吐的，常常是链路深处那个不起眼、扩不快、绕不开的资源。

很多人误解“卖铲人”逻辑。

他们以为只要一个公司在热门产业链里，就天然值得关注。AI 火，就买 AI 供应商；光通信火，就买光模块；机器人火，就买零部件。这个想法太粗。

一个环节“也受益”，不等于它能捕获价值。

真正的瓶颈点，至少要同时过五道门。

这五道门的价值，不在于让判断显得复杂，而在于防止你太快相信一个故事。很多投资叙事最会偷换概念：把“需求很大”偷换成“这家公司会赢”，把“技术很关键”偷换成“股东会赚钱”，把“客户正在验证”偷换成“订单马上爆发”。

程序员应该天然讨厌这种跳步。

线上排障时，看到接口慢，你不会直接改最顺眼的那段代码。你会先问：慢是不是稳定复现？瓶颈是不是它？改它能不能提高整体吞吐？有没有别的依赖在拖后腿？产业链分析也一样，少问一个问题，就多一层自我催眠。

第一，需求要确定。

不是 PPT 里的想象需求，而是已经能从资本开支、客户路线图、订单、财报、电话会里看到的真实需求。工程里也一样，用户喊慢不够，你得能复现，能看到指标，能确认流量真的打过来了。

第二，供给要受限。

这一步最关键。能加机器解决的，不一定是瓶颈；谁都能复制的，也很难有壁垒。真正值得研究的是扩产慢、认证长、良率难、客户切换成本高、关键设备或材料受限的地方。

第三，关注度不能太高。

如果所有人都已经盯着它，故事可能已经进了价格。低关注度不是小众本身有价值，而是市场还没把复杂链路解释清楚。

第四，它要能捕获价值。

在链条里，不等于能赚钱。有需求，不等于有利润。有技术，不等于有股东回报。供应商可能被大客户压价，也可能扩产后把瓶颈自己消掉。

第五，要有催化剂。

财报、客户量产、政府资金、并购、指数纳入、技术路线切换，都可能让市场重新定价。没有催化剂，再对的判断也可能在很长时间里没人理。

这五个条件合在一起，才像一个能被调试的系统判断。

窄门不是小众，窄门是不可绕开。

拿 AI 数据中心举例。