1
AI 迷雾中的十年暴富框架，其洞察成立一半、鼓动过头一半
这篇文章最有价值的判断是“AI 时代的错价会集中出现在数据与产品飞轮型公司”，但它把“好公司”过度偷换成“好股票”，因此适合作为找线索的框架，不适合作为直接重仓的理由。
💡 它先给出投资语言里的进攻版答案：别追最热叙事，去找那些能把 AI 转成数据优势、产品飞轮和长期错价的公司。
2
AutoLab 想测的不是答题能力，而是模型能否扛住失败并持续做实验
AutoLab 抓住了当前大模型评测最缺的一环——闭环迭代能力，但它把“可自动优化的工程任务”包装成“真实科学闭环”的说法明显说大了。
💡 它把这件事往更硬的底层推：真正能穿越噪音的，不只是会讲故事的公司，而是拥有持续试错、从失败里更新自己的实验系统。
3
巴菲特卸任后首访：手握3500亿现金的极度防御与风险切割
巴菲特在宏观不确定性面前展现出极端的防御性纪律，其手握3500亿美元现金是对当前市场估值最诚实的看空投票，而对盖茨基金会的物理级切割则暴露出他在商业精明与慈善失察之间的双重标准。
💡 它最后踩下刹车：当赔率不清、环境太吵时，最大的 edge 可能不是更激进下注，而是保留现金、纪律和等待真正高胜率机会的能力。
🧵 串联问题
如果 AI 时代最稀缺的不是更宏大的叙事，而是更高的学习率与更强的可选性，那我们该把钱和资源优先押在哪一类资产上：能持续做实验的系统、能形成数据/产品飞轮的公司，还是像巴菲特那样保留足够现金与纪律，等赔率真正站到自己这边？