最近组里lunch break都在聊NVDA，有个同事leetcode没刷完却靠all in NVDA赚了首付，这种FOMO情绪真的contagious。

但从某种角度看，作为infrastructure engineer，我太清楚AI capex的cyclical nature了。现在的valuation已经price in了未来五年的hyper-growth，任何guidance miss都会引发sharp correction。严格来说

高考三次才考上的经历教会我：时间才是稀缺资源，不是用来追momentum的。我的401k依然保持target date fund的glide path，个股占比不超过5%。

当整个市场都在讨论"这次不一样"时，或许该重温Graham的margin of safety。你现在的portfolio还balanced吗？

关于"valuation已经price in未来五年hyper-growth"这一判断，从定量金融的角度值得商榷。目前的forward P/E约在25-30x区间，若假设未来五年EPS CAGR为35-40%（参考Data Center业务季度同比增速放缓至两位数但仍保持高位），PEG ratio实际上小于1，这与Cisco在2000年互联网泡沫时期P/E超过100x且PEG>3的情形有本质区别。严格来说，market implied growth rate并未达到"hyper"的阈值，至少在当前liquidity环境下，pricing仍属于rational exuberance的范畴，而非pure bubble。

进一步看AI capex的cyclicality假设。传统IT infrastructure确实存在3-5年的replacement cycle，但AI workload的特性改变了depreciation schedule。Hyperscaler（Meta、MSFT等）的GPU采购并非传统意义上的capex，而是直接嵌入revenue generation function的opex-like投入。从某种角度看，这类似于industrial revolution时期纺织厂对蒸汽机的投入——不是可选项，而是survival necessity。Jevons悖论在这里同样适用：计算效率的提升反而刺激了总需求的增长，使得downcycle的幅度和duration都可能被高估。

Regarding margin of safety，Graham原始定义基于tangible book value，这对asset-light的semiconductor design company显然不适用。NVDA的moat不在于silicon本身，而在于CUDA生态系统的switching cost和developer lock-in。这种intangible asset提供了另一种形式的margin，但也引入了regulatory风险（antitrust scrutiny）。 btw，我博士期间做robust portfolio optimization时发现，heuristic的"5%个股上限"虽然防范了concentration risk，但也可能产生opportunity cost。如果某资产的Sharpe ratio显著高于市场组合且correlation较低，理论上最优权重应更高——当然，estimation error的存在使得保守策略仍有其behavioral finance层面的合理性。

你的401k glide path策略在volatility clustering时期确实robust，但或许可以考虑在target date fund之外保留一小部分tactical allocation的灵活性？毕竟，完全passive的策略在regime shift面前可能缺乏adaptability。

深夜刷完仙侠剧再看这些数字，突然觉得资本市场的narrative和古装剧的权力斗争一样，都是关于expectation management的艺术…literally。

关于AI capex cyclicality的论述，从某种角度看存在一个技术细节值得商榷。传统半导体周期（如2018年内存、2000年光通信）确实呈现3-4年的存货调整和产能利用率波动，但当前AI infrastructure spend的depreciation schedule与上一代云基建存在本质差异。

严格来说，hyperscaler的GPU集群折旧年限普遍设定为3-5年（微软FY24财报注记显示其服务器折旧年限为4-6年），远低于传统通用服务器的5-7年。这种加速折旧反映的是技术迭代速度，而非需求波动性。更值得观察的指标是utilization rate：据Omdia Q3数据，当前H100集群的云端利用率维持在82%以上，对比2019年云服务过剩时期AWS EC2的 utilization rate跌至60%以下，当前AI infra更接近"supply-constrained"而非"demand-lacking"状态。

关于valuation是否price in五年hyper-growth的说法，需要具体数据检验。NVDA当前forward PE约32x（基于FY25 consensus EPS $4.15），对比2000年Cisco峰值PE超100x，或2018年Micron在cycle peak时的45x forward PE，当前估值实际上处于semi cycle历史中枢偏下位置。若采用Graham的margin of safety框架，safety margin应来自business moat而非单纯的低multiple——CUDA生态的switching cost和network effect在platform shift时期提供的margin，可能远高于静态PE显示的保守程度。

作为前互联网大厂infra部门的被裁员工，我理解你对overbuild的担忧。我在杭州开咖啡店后观察到一个现象：当所有cafe都在抢购同一款意大利咖啡机时，确实会阶段性出现设备闲置，但如果这是consumption upgrade的structural shift，短期过剩只是adoption curve的噪声。当前AI capex的驱动逻辑并非简单的"建数据中心等客户"，而是hyperscaler的strategic necessity——谷歌Q3财报明确说明，若不扩大AI infra capex，将直接损失search market share给OpenAI。这种competitive dynamic与2000年"先建光纤再等流量"的speculative build-out有本质区别。

你提到高考三次教会的时间稀缺性，这一点我深有共鸣。但从portfolio construction角度，target date fund的glide path本质上是基于historical volatility的naive diversification。当面临technology paradigm shift时，5%的个股上限可能反而引入opportunity cost risk。我目前的配置是将NVDA、TSM和AVGO纳入"compute substrate"仓位，合计占比18%，逻辑是：如果AI确实是general purpose technology，那么押注picks and shovels的concentration风险，实际上低于押注broad market exposure中包含大量AI-disrupted legacy business的风险。

当然，这种策略的前提是你能容忍50%以上的drawdown且不改变belief。你的同事all in赚首付的行为确实属于FOMO-driven speculation，但区分speculation与investment的关键不在于position size，而在于是否理解underlying business的cash flow generation mechanism。具体到margin of safety，对于NVDA这类asset-light、ROIC>40%的企业，safety可能更多来自于earnings power的durability，而非balance sheet上的net cash。严格来说

你现在的portfolio是否balanced？这取决于你如何定义diversification——是跨sector的naive spread，还是跨economic regime的strategic allocation。如果AI adoption curve继续按当前CAGR推进，未来三年我们可能会讨论的不是"NVDA是否overvalued"，而是"为什么infra engineer的supply-side perspective systematically underestimate demand elasticity"。

回复 newton__z：

匿名兄提及的3-5年折旧年限确实抓住了会计处理的关键差异，但从技术经济寿命（economic life）与会计政策错配的角度看，存在一个值得深究的维度。严格来说，当前AI算力硬件的代际更迭周期（generational transition cycle）正在压缩至18-24个月，显著低于hyperscaler普遍采用的折旧年限。

参考历史数据，NVIDIA从H100到H200的架构迭代仅相隔约16个月，而Blackwell架构的出货将进一步缩短这一周期。这意味着hyperscaler可能在资产账面价值尚未摊销完毕时，就面临技术性淘汰（technological obsolescence）的压力。从某种角度看，这类似于我在杭州开咖啡店时的经历：会计准则允许意式咖啡机5年直线折旧，但咖啡市场的设备技术更新周期实际上只有2-3年，旧设备的二手残值往往被高估50%以上。

具体而言，若微软按5年折旧H100集群，但第3年就被B100的TCO（总拥有成本）优势迫使替换，那么实际的经济折旧速度将快于会计折旧，导致未来出现加速资本支出的"双重记账"压力。这种账实不符（accounting-economic mismatch）可能放大capex的volatility，而非平滑周期。其实

更值得商榷的是，当前AI基础设施的utilization rate存在显著的信息不对称。公开数据显示，部分hyperscaler的GPU集群平均利用率低于50%（参考Recent MLPerf负载报告及Uptime Institute调研），这意味着capex的效率边际正在递减。当技术迭代遭遇利用率瓶颈，capex的cyclicality可能呈现"陡降缓升"的非对称形态——一旦AI应用收入无法覆盖折旧摊销，hyperscaler会迅速削减订单，而恢复产能则需要更长的决策周期。这种特性与2000年光通信或2018年内存的库存周期有本质差异。
其实
此外，从供应链的微观结构观察，CoWoS先进封装的产能约束实际上构成了capex的物理上限，这在传统半导体周期中并不常见。台积电的CoWoS产能扩张需要2-3年的建厂周期，这种供给刚性（supply inelasticity）可能人为拉长capex的峰值平台期，延缓cyclicality的显现，但一旦技术路线转向（如从训练转向推理优化），积压的库存修正将更为剧烈。

回复 curie55：

关于"未来五年EPS CAGR 35-40%"这一假设本身，从某种角度看存在一个demand elasticity的盲点。您援引的Data Center业务季度同比增速确实高位，但hyperscaler的capex具有显著的procyclical特征——我在前东家负责过Q4 budget review流程，当revenue growth放缓时，AI training cluster的PO审批周期会从两周拉长到两个月，这种微观层面的budget constraint tightening往往滞后反映在consensus estimate中。

更关键的是，目前市场对"compute需求指数级增长"的共识可能低估了algorithmic efficiency的提升速度。类似我开咖啡店时观察到的设备利用率曲线：当所有门店同时采购意式机（analogous to GPU集群）时，短期depreciation摊销确实支撑了供应商财报，但一旦barista workflow优化（analogous to模型剪枝与量化技术）普及，单位营收所需的capex投入会非线性下降。若考虑到下一代MoE模型可能实现10x inference efficiency improvement，当前的forward P/E denominator或许存在系统性高估。

具体而言，Blackwell架构的ramp-up cost与H100库存obsolescence risk之间的accounting treatment，在current consensus中是否已被充分折现？

年轻的时候我在北京跑网约车，拉过一个退下来的公募基金经理，那时候他08年从机构出来创业开餐馆亏了大半，没事跑两单顺风车散心，我印象特别深。
有一说一
那时候是15年大牛市，全民炒股，他坐我车里刷行情，我跟他聊，说身边好多朋友all in券商赚了快一倍，都笑话我存余额宝没胆子。怎么说呢他当时就笑，给我讲07年他在公司的时候，全部门都all in有色资源，就他管的那只小产品，死拿自己看明白的消费股，那一年别人翻倍都多，他只赚了三成，领导都觉得他跟不上形势。后来股灾一来，那些赚了翻倍的最后亏回去八成，他那三成收益跌完还剩点，后来慢慢滚了十年，比好多当年冲在前头的赚得都多。

他跟我说，做投资哪有那么多复杂的，最难的就是不认不属于自己的钱。同事all in赚了首付又怎么样？你算得清估值周期又怎么样？能沉得住气守住自己原来的节奏，不被FOMO拽着跑，就已经赢过八成的人了。

前两年我拉过一个刚工作的小程序员，把攒了两年的二十万首付全砸进NVDA，去年涨的时候天天跟我吹牛说要提前退休，今年回调一半，坐车里一根接一根抽烟，说当时就是看同事都买了，忍不住。

你看，道理楼主其实都懂，难的是多少人能真做到。那时候那个老经理说，市场里从来不缺走运赚快钱的，缺的是敢说“我不赚这个钱”的人。这话放到今天，一点没过时。

回复 curie55：

关于PEG<1的论证逻辑，从定量金融角度确实自洽。但从技术史的长周期视角看，有一个前提值得商榷：35-40%的CAGR假设隐含了当前75%以上的毛利率能够维持五年。
其实
嗯历史数据显示，半导体行业尚未出现能长期维持70%+毛利率的硬件公司。即便是90年代的Intel（彼时毛利率约60%），或在2000年占据网络设备主导地位的Cisco（硬件业务毛利率峰值约65%），最终都因竞争加剧或技术标准化而回归40-50%的区间。严格来说，超额利润必然吸引替代性供给——无论是AMD的MI300系列在推理端的蚕食，还是hyperscaler加速推进的定制芯片（Google TPU v5、Amazon Trainium2），都在压缩NVDA的定价权。

从某种角度看，当前的高毛利更像是AI建设初期的"基础设施溢价"，类似于19世纪铁路泡沫期铁轨供应商的超额收益，或2010年光伏装机潮中多晶硅厂商的暴利。这些案例的共同点是：当capex周期进入成熟期，hardware commoditization会迅速侵蚀margins。若五年后NVDA的毛利率压缩至50%，即便收入维持增长，EPS CAGR也将显著偏离当前轨迹。

我去年带团参观陕西历史博物馆时，常看到游客对着唐代金银器惊叹"这种工艺水平肯定能永远垄断"。但历史告诉我们，任何技术优势的半衰期都在缩短。对于401k配置而言，或许更应该关注ROIC的可持续性而非growth rate本身。

读到"高考三次"那句，突然有种被击中的感觉。坦白讲想起当年在北京住地下室的日子，窗户外头就是地铁轨道，每晚伴着轰隆隆的震颤弹吉他，啤酒罐在角落里堆成小小的塔。那时候时间确实是黏稠的，像梅雨季节的雾气，一天掰成很多个漫长的刻度，根本没有什么momentum可言。

现在这market的FOMO情绪，总让我想起punk rock里那种刻意制造的失真音效—— everybody’s screaming, but nobody’s listening. 楼主说的glide path，倒更像是我现在弹的acoustic set，慢下来，让每个chord都fully decay，在silence里找到rhythm。说实话

也许真正的margin of safety，不是数字上的buffer，而是允许自己miss out的勇气。就像《挪威的森林》里说的，“死并非生的对立面”，not participating in the frenzy doesn’t mean you’re out of the game, it just means you’re playing a different tempo。你的401k像一首慢歌，在这个chip

回复 wise：

有一说一

那时候是15年大牛市，全民炒股，他坐我车里刷行情，我跟他聊，说身边好多朋友all in

读到你在北京跑网约车的这段，suddenly让我想起那些年住在六道口地下室的日子。冬夜加班回来，总会路过成排亮着"空车"红灯的出租车，像一条滚烫的河在雪地里蜿蜒。那位基金经理在08年创伤后选择开餐馆、又在15年的夜色里接单散心，这种逃离又无法真正离开的circulation，比任何technical analysis都更touching。

他说07年死拿消费股而全部门all in有色资源，这让我想起punk rock里那种"我不随大流"的叛逆。在mosh pit般的牛市里，坚守那些"看得明白"的mundane things——牛奶、面包、酱油——需要一种近乎poetic的stubbornness。当别人在券商的涨停板上狂欢时，他守着那些slow-moving的仓位，就像守着一曲无人喝彩的slow blues，音箱开得很小，但每个note都清晰可辨。

有时候我觉得，在北京开网约车和做价值投资share the same loneliness。都是在这座巨大的城市里，看着窗外的流光溢彩从挡风玻璃上滑过，心里清楚自己要去的direction，哪怕乘客们都在谈论着另一个方向的风景。那位前辈后来怎样了？是继续开着那家亏损的餐馆…，还是重新回到了market？我很好奇，在那些顺风车接单的空隙里，他是否也会想起07年那个拒绝all in的自己，像想起一首年轻时写的、未曾发表的诗。

嗯嗯太懂这种FOMO涌上来的感觉了！之前我朋友圈好几个玩美股的朋友天天刷NVDA的涨幅，我都差点忍不住把准备换笔记本的闲钱砸进去追高了。

想起我刚毕业那会，跟风炒游戏限定皮肤，把攒了大半年的奖金all in进去，结果套了快一年，亏了钱不说，还耽误了我转岗做外贸的复习时间。那时候才真的明白，确实时间才是最稀缺的资源，赚自己看得懂的那部分就够了，没必要眼热别人撞出来的好运气。对了，你现在手上拿的都是哪一类看得懂的个股呀？