本文是一篇方法论笔记。作为分析素材的文章，建议一并阅读：AI 基板/PCB 投资论点（系统 BOM 的共同瓶颈）、高盛的代币需求 vs 摩根大通的内存 ASP 见顶，以及说明驱动这一切工作之结构的Thesis OS 公开笔记。
TL;DR
- BCA 研究在近期报告中认为，AI 泡沫不是估值泡沫，而是盈利（earnings）泡沫。膨胀的不是市盈率，而是盈利本身。而且像所有泡沫一样，它终会破灭，但 BCA 补充说，按其自身的 AI 需求指标，目前还看不到迫近的信号。
- 盈利泡沫的核心特征是时滞。用 BCA 的话说，几乎在所有案例中，“股价远在盈利预测被下调之前就开始下跌”。市场一致预期是一个滞后信号。
- 因此，正当资金如此集中涌入 AI 基础设施的阶段，更重要的是一套直接读懂系统结构与需求领先指标、而非等待一致预期 EPS 的深度研究。等到预测被下调时，为时已晚。
- 本文不加夸张地梳理：这种深度研究究竟在看什么，以及我们如何以一个名为 Thesis OS 的结构把它运转起来。
1. 把 AI 泡沫称作"盈利泡沫"是什么意思
一提"泡沫"，人们通常想到市盈率飙升——那是估值泡沫，价格远比盈利涨得快。而 BCA 研究把 AI 看作一种略有不同的类型。它是盈利泡沫，膨胀的是盈利本身，而非价格。
这并非新模式。金融危机前夕，住宅建筑商与银行正是如此。它们的市盈率看上去很低，但只因不可持续的盈利抬高了分母（E），使倍数显得便宜。那些随景气盛衰大幅波动的行业——自然资源、航空、海运，以及当今的半导体——都容易陷入这类盈利泡沫。
眼下，半导体的营收曲线正与那幅图景相似。
来源：基于公开的 WSTS 年度汇总数据进行的近似重建，其中 2025-2026 年为估计值。仅作说明，并非投资建议。底层数据的形态与 BCA 研究报告（2026-05-28）所呈现的"半导体销售抛物线化"图表处于同一脉络。
营收曲线走成抛物线，既是好消息，也是警告。盈利快速增长时，市盈率显得很低。但若那盈利是周期的产物，那么倍数显得便宜这一事实本身，就可能成为陷阱。周期性行业那句老话在此适用：“盈利最高之时，正是最危险之时。"
不要误会。BCA 和我们都不是在说"现在就破”。BCA 判断其 AI 需求指标——采用率、代币支出、AI 编程工具下载量、GPU 与内存价格——大体仍处于令人放心的水平。要点不在时机，而在这个泡沫以何种方式运动。
2. 盈利泡沫真正的陷阱是"时滞"
盈利泡沫之所以危险，不在于它会破，而在于它破裂的顺序。
BCA 点出的核心是：华尔街分析师对盈利泡沫何时破灭判断得并不准。而且几乎在所有案例中，“股价远在盈利预测被下调之前就开始下跌”（BCA Research, 2026-05-28）。
把这句话在实战中的含义画成图，便是如此。
这是一张概念图，并非真实数据。它将 BCA 所描述的"股价领先、预测滞后"的时滞结构作了简化呈现。
红线（股价）先掉头向下。蓝色虚线（一致预期盈利预测）要到很久之后才被下调。二者之间的灰色区段就是时滞。如果你抱着"等分析师下调目标价或预测时再卖"的规则，你就总会恰好滞后这段时滞才行动。
由此得出结论。市场一致预期是一个滞后信号。盈利见顶时股价并不显得最贵，而等到预测被下调，股价早已下跌。所以只盯着预测，你会同时错过泡沫的顶点和它的拐点。
3. 所以才需要深度研究——它在看什么
如果预测是滞后的，那要看什么才能领先？深度研究看的不是头条 EPS，而是生成那个 EPS 的结构与领先指标。具体而言有四点。
① 读懂系统结构。“GPU 之后是内存，再之后是基板"这种线性叙事易于交易，却只对了一半。真实的 AI 基础设施是机架级系统，其中 GPU、CPU、DPU、NIC、交换 ASIC、内存模块与电源板一同增长。正如我们在AI 基板/PCB 投资论点中所梳理的，基板与 PCB 不是某轮轮动的终点，而是整个系统物料清单（BOM）的公分母。读懂结构，就能看出"真正的瓶颈在哪里”。
② 拆分变量。面对同一份 AI 需求，高盛盯的是代币用量（Q）与每代币成本（C），摩根大通盯的是内存价格（P）的上升幅度。把两份预测拆解为 P、Q、C后便会发现，看似冲突的两种观点其实在谈不同的变量，并且可以同时成立。把一切揉进一个头条数字，恰恰会掩盖这一点。
③ 直接追踪领先指标。与其等一致预期 EPS 被下调，不如盯住更早动起来的东西——HBM 长期合约价格与数量、服务器 DRAM 合约价、代币支出、GPU 与内存现货价、采用率等。这些会先于预测改变方向。
④ 区分事实、推断与揣测。“官方确认的事实"“合理的推断"和"单纯的揣测"不放进同一格。客户名称、是否被采用、合约条款等未经核实之事，明确标注为推断或揣测。少了这道区分，人就会被动人的叙事裹挟，把揣测当作事实买入。
这四点都不等预测被下调。所以它们较少受时滞之害。
4. Thesis OS——把这套深度研究当作体系运转的结构
把上述四点做好一两次并不难。难的是每一次都以同样的纪律去做。所以我们把这项工作交给一个结构，而非交给某人当天的状态。那个结构就是 Thesis OS。
Thesis OS 分为三种角色。
| 角色 | 职责 |
|---|---|
| Alpha（알파） | 收集证据——市场数据、筛选器、爬虫、事实核查管线 |
| Lattice（격자） | 判断——把证据编织成论点、建立预测、以反方逻辑加以检验 |
| Arki（아키） | 治理——以模式、工作流与健康检查保持整体一致 |
关键不在炫目的自动化，而在纪律的可重复性。把证据（Alpha）与判断（Lattice）分开，能减少好故事抢在证据前头的情况。有了治理（Arki），每次都按同一标准区分事实、推断与揣测，并持续追踪领先指标。Thesis OS 以开源形式公开，有兴趣的读者可以直接查看这个结构本身。
5. 本博客的工作——平实记录
写下这些是作为记录，而非夸耀。最诚实的证据，是这套方法论实际产出了哪些文章。
- 映射系统结构：AI 基板/PCB 投资论点——把 AI 视作机架级系统，并把基板重新定义为共同瓶颈。
- 拆分变量：高盛 vs 摩根大通——把看似对立的两份预测分解为 P、Q、C。
- 业绩透视（read-through）：Marvell Q1 FY2027、戴尔 Q1 FY2027——把美国业绩翻译为韩国零部件与材料的瓶颈。
- 追踪成本结构：AI 代币期货与每代币成本——竞争轴心从性能之争转向成本之争。
这些文章的共同点，是不急于给出"买/卖"的结论。它们转而描画结构、拆分变量、给出领先指标，并把个股不作为推荐、而作为观察点。目的是给读者自行判断的素材。我们并不声称能押中市场顶部或泡沫破裂的时点。正如 BCA 所言，连分析师也难以做到。我们想做的更为朴素：在预测被下调之前理解结构，并迫使自己去看领先信号而非滞后信号。
6. 结语
在这么多资金涌入 AI 基础设施的阶段，最危险的态度，是等着市场一致预期替你转向。在盈利泡沫中，那个信号总是来得迟。股价会先于预测下调而动。
所以深度研究不是炫目的预测，而是为了少迟到一点的准备。理解系统、拆分变量、直接盯住领先指标、把事实与揣测区分开。为了把这项工作不止做一次、而是每一次都以同样的纪律重复，我们使用一个名为 Thesis OS 的结构。若你有兴趣，我们建议你不只看结论，也一并看看其背后的结构与过程。
本文以注明出处的方式，简短引用了 BCA 研究报告《Earnings Bubbles Are Still Bubbles》（Global Investment Strategy, 2026-05-28）已公开的核心论点，图表则基于公开数据与概念自行制作。本文并非对任何特定证券的买卖建议；投资决策与相应责任由投资者本人承担。