• Systematyczny model scoringowy zamiast emocji: Kluczem do sukcesu inwestycyjnego jest posiadanie sztywnego, opartego na twardych danych liczbowych procesu decyzyjnego (modelu scoringowego), zamiast karmienia własnego ego rynkowymi hipotezami czy próbami ciągłego przewidywania korekt [00:00:46], [00:01:47].
• Mechanika rewolucji technologicznych (Analogia XIX-wiecznej kolei): Obecny boom na infrastrukturę AI przypomina dziewiętnastowieczną bańkę kolejową w USA. Wtedy również budowano linie w sposób nadmiarowy z powodu dążenia do monopolu oraz rynkowego FOMO miast i korporacji [00:02:42], [00:03:26]. Choć wiele firm kolejowych zbankrutowało, to postawiona infrastruktura stworzyła podwaliny pod potężny rozwój gospodarczy [00:03:56].
• Inwestowanie w „producentów stali”, a nie „właścicieli torów”: Bezpieczniejszą i bardziej rentowną strategią na wczesnym etapie rewolucji AI jest kupowanie akcji dostawców technologii i infrastruktury (półprzewodników), czyli firm wysysających kapitał od bigtechów, zamiast inwestowania w same modele językowe, których przyszła rentowność stoi pod znakiem zapytania [00:04:21], [00:09:21].
• Wymuszony wyścig zbrojeń bigtechów: Giganci tacy jak Microsoft, Meta, Amazon i Alphabet (Google) są zmuszeni do kolosalnych wydatków na chipy i centra danych, ponieważ rezygnacja z tego wyścigu oznacza dla nich ryzyko marginalizacji lub wręcz egzystencjalne zagrożenie [00:09:36].
• Wzrost produktywności kontra zyski firm (Paradoks Solowa): Badania (m.in. MIT i Stanford) potwierdzają, że wdrożenie AI podnosi efektywność pracowników biurowych i obsługi klienta o 14–40% [00:06:12], [00:06:41]. Jednak rewolucje technologiczne potrzebują czasu (historycznie nawet 40 lat przy elektryfikacji fabryk), aby przeorganizować struktury korporacyjne i przełożyć się bezpośrednio na marże netto przedsiębiorstw [00:07:12], [00:07:39].
• Analiza fundamentalna głównych pozycji (Nvidia i Broadcom):
  • Ostatnie korekty giełdowe przy jednoczesnym podniesieniu długoterminowych prognoz przychodów przez analityków sprawiły, że wskaźniki wyceny (cena do prognozowanych przychodów na 2 lata w przód) dla obu spółek są na atrakcyjnych, relatywnie niskich poziomach [00:11:13], [00:12:16].
  • Konsensus analityków wskazuje dla nich odpowiednio ok. 35% (Broadcom) i 50% (Nvidia) potencjału wzrostu w perspektywie roku, oferując bardzo korzystny stosunek zysku do ryzyka [00:11:46], [00:12:46].
• Zarządzanie ryzykiem i cykliczność pamięci (Micron, SanDisk): Sektor pamięci HBM (High Bandwidth Memory) przeżywa bezprecedensowy popyt przewyższający moce produkcyjne fabryk co najmniej do przełomu 2027/2028 roku [00:14:05]. Autor akceptuje ryzyko cykliczności i ewentualną sprzedaż nawet 30–40% poniżej szczytu, jeśli w przyszłości pojawią się twarde dane o nasyceniu rynku [00:14:22], [00:14:34].
• Wyniki i struktura portfela: Prowadzony od pół roku portfel oparty na momentum i półprzewodnikach wygenerował 17 000 USD zysku (stopa zwrotu 90%) [00:15:54], [00:16:15]. W celu wygładzenia potężnej zmienności (wahania rzędu 8–9% dziennie), kolejne dopłaty będą kierowane na stabilniejsze podmioty (Nvidia, Broadcom) oraz mniejsze pozycje infrastrukturalne, takie jak Vertiv (chłodzenie) i Monolithic Power Systems (zarządzanie energią) [00:13:15], [00:15:18].

大多数人认为作为AI基础设施定义股的NVIDIA会面临大量空头押注，但数据显示其空头比例仅为1.2%，表明市场对NVIDIA的长期价值有较强信心，这与对AI整体市场的悲观预期形成反差。

单季 $185 亿股权投资创历史，前一季仅 $6.49 亿，这种 20 倍跃升表明 Nvidia 在锁定客户的同时也在做战略卡位。

Nvidia 私有股权暴增（从 $220 亿到 $430 亿，仅一季度新增 $185 亿购买）——黄仁勋正在用 Nvidia 资产负债表为整个 AI 产业链「输血+占股」，CEO 已转型为产业资本家。

Google 是四大超大规模云厂商中唯一不主要依赖 NVIDIA 的。微软、Meta、亚马逊的算力主体仍是 NVIDIA GPU，而 Google 用自研 TPU 走出了一条独立路线。这意味着在 AI 算力版图上，真正存在两套「操作系统」：NVIDIA 生态和 Google 生态——而前者的统治地位被严重高估了。

大多数人可能认为Nvidia是AI计算能力的最大拥有者，因为他们的芯片被广泛使用，但作者认为谷歌通过其自研TPU芯片拥有相当于500万块H100 GPU的计算能力，占全球总量的25%。这表明自研芯片战略可能比购买商用芯片更能建立计算优势。

Google has a hardware stack advantage: they have their own hardware / processors, and not dependent on Nvidia GPUs. Vgl Nvidia's acq of Groq [[Nvidia koopt AI-technologie Groq voor 20 miljard dollar]]

Nvidia buys Groq (language processing units faster than gpu's Nvidia's thing). Prevent the bubble from popping by blowing into the bubble? Acq of Groq is partly admission gpu's not a solid footing anymore?

A potential path away from NVIDIA it seems, but not at the moment, the text suggests.

NVIDIA Jetson is the industry default, source of strategic vuln, high cos.

SoftBank Japan cashing out on NVIDIA. Is this a 1st step down the hype curve into the trough? Although they are also highly invested in OpenAI.

• NVIDIA’s latest earnings highlight a dramatic surge in AI demand, driven by a shift from simple one-shot inference to more complex, compute-intensive reasoning tasks.
• Reasoning models require hundreds to thousands of times more computational resources and tokens per task, significantly increasing GPU usage, especially for AI coding agents and advanced applications.
• Major hyperscalers like Microsoft, Google, and OpenAI are experiencing exponential growth in token generation, with Microsoft alone processing over 100 trillion tokens in Q1—a fivefold year-over-year increase.
• Hyperscalers are deploying nearly 1,000 NVL72 racks (72,000 Blackwell GPUs) per week, and NVIDIA-powered “AI factories” have doubled year-over-year to nearly 100, with the average GPU count per factory also doubling.
• To meet this unprecedented demand, more than $300 billion in capital expenditure is being invested this year in data centers (rebranded by NVIDIA as “AI factories”), signaling a new industrial revolution in AI infrastructure.

Smart strategy by Nvidia.

Relative recent article on alternatives for optirun, primusrun, etc

... and that will be also the day when most of the simultaneous interpreters will go out of business https://en.wikipedia.org/wiki/Simultaneous_interpretation

In my tests using Standard Engine, in combo with G-Sync Compatible Driver, I get more screen flickering during menus.