這幾個月，如果你同時關注科技產業和市場上的熱門人物，會發現一個有趣的對照畫面：一端是黃仁勳在GTC和台北的舞台上，講「AI 工廠」「token factory」，把AI描述成下一代工業基礎設施；另一端，是社群上被封為新股神的Serenity，用拆AI供應鏈、專盯瓶頸環節的方式，在一堆人眼中創造出幾乎不真實的報酬曲線。表面上看起來，一個是穿皮衣講產業未來的CEO，一個是躲在鍵盤後面發推文的投資人，但我越看越覺得，他們其實在做同一件事——只是用完全不同的語言在描繪同一條AI供應鏈。

先看黃仁勳那條線。在GTC 2026，他把「AI工廠」形容成這個時代最昂貴、也最關鍵的基建：資料中心不再只是存資料，而是被重構成一種把電力、資料和模型轉換成「token」的工廠——這些token 是可以打包、定價、賣給客戶的產品。要讓這座工廠轉起來，從上游的GPU、HBM和先進封裝，到中游的伺服器組裝、機櫃、散熱、網路，再到最底層的電力、變電站、資料中心工程，一環扣一環。他在GTC Taiwan甚至直接說，為了新一代平台，他們在台灣協同了龐大的供應鏈，這條供應鏈的規模是上一代平台的兩倍，而且任何一個環節出問題，整座工廠就轉不起來。這不是單純為了誇張台灣的重要性，而是一種非常典型的「供應鏈視角」：不是只看最亮眼的晶片，而是把整個系統當成一條必須同步運作的鏈來看。

Serenity的路線則像是這種敘事在二級市場的「民間版本」。在一堆報導裡，你會看到那些很聳動的數字：今年他的帳面報酬率被整理出來，高達數千個百分點，公開分享的二十多檔股票漲幅從一倍到十倍不等。但如果你認真去翻他的貼文和分析，就會發現他其實很少從「哪家公司最偉大」開始講故事，而幾乎都是從「這條產業鏈最卡的那個環節在哪裡」開始。典型的套路大概是這樣：某個題材突然變熱——可能是AI晶片、矽光子、機器人，甚至完全不相關的東西——他先畫出上中下游，找出那些供應商特別少、驗證周期特別長、短期幾乎不可能快速擴產的環節，再順著那個卡點去找小公司，然後對照財報、公告和估值，看市場有沒有真的把這個瓶頸定價進去。從這個角度看，他其實比較像一個「供應鏈打野」，專門找別人忽略的地圖角落。

用我自己的語言翻譯，黃仁勳講的是「AI工廠需要完整的工業供應鏈」，Serenity做的是「在這條供應鏈裡，專找哪個閥門最容易卡住」。一個站在產業內部往外看，一個站在股票市場往回看，但兩個人處理問題的方式高度同構：都不是從單一公司出發，而是從系統出發；都不是問「誰最帥」，而是問「哪個環節一旦出事，所有人都得排隊」。從投資的角度看，這樣的視角有一個好處：它逼你先畫出整張地圖，再決定要在哪一段擺風險，而不是聽到一個 ticker 就直接衝進去。

我自己在看這兩條路線時，有一個很強烈的感受：對今天想在AI供應鏈裡活下來的投資人來說，真正重要的不是再找到下一個股神，而是把這種「沿著供應鏈找瓶頸」的視角，變成你自己的底層思維。這也是為什麼我會想把Serenity 的投研方式，整理成一個可以給Agent 調用的serenity skill：不是因為我覺得任何人可以複製他的報酬，而是因為我相信「從熱點出發，拆鏈、找卡點、篩公司、核證據」這條路徑，本身值得被抽象出來，變成可以反覆重跑的流程。在這個過程裡，黃仁勳提供的是一個極其清晰的產業地圖，Serenity提供的是一種「如何在這張地圖上選戰場」的實戰感，而Agent則有機會成為那個幫你把龐大資訊和框架串起來的研究部。

對讀者來說，我反而覺得最危險的，是只記住這兩個名字，而忘記去問：他們到底是沿著哪條路在看這個世界？如果你只記住Jensen說了多少個新產品型號，或者只記得Serenity曾經重倉過哪幾支票，其實很難在下一個周期裡複製任何東西。但如果你開始習慣把所有這些故事都投影到同一條AI供應鏈上——從算力、記憶體、封裝，到電力、資料中心、實體機器——去問「這一次，他們指向的是同一段鏈，還是不同的瓶頸？」你就不再只是聽故事的人，而是有自己的地圖的人。下一篇，我會把serenity skill 拆開來講：如果我們什麼股票代碼都不記，只保留一條「從題材到瓶頸」的投研路徑，它應該長什麼樣子。

撰文：陳健君（Jason）

OLAXBT 創辦人、數據科學家與量化交易員、HKICT Award FinTech Gold Award（2025）得主