ai-supply-chain-bottleneck-hunter

AI 供应链瓶颈猎手

在用户希望进行以下操作时使用此技能：

• 研究 AI、光子学、半导体、数据中心、网络、电力、冷却、封装或材料供应链
• 模仿 Serenity / Crux 风格的问题模式和研究逻辑
• 将零散的报告、业绩电话会和行业新闻整理成结构化的瓶颈论点
• 先确定下一个方向性赛道，然后再酌情深入研究市值较小的公司
• 创建或使用可复用的“研究 Agent 技能”来寻找瓶颈
• 将工作流升级为 2.0 系统，加入证据评级、图谱映射、催化剂跟踪和赛道评分

此技能借鉴他们的研究立场和问题设计。它不会冒充他们、编造直接引语，也不会将传闻当作事实。

完整的终端用户手册请参阅 references/product-manual.md。

对于 2.0 风格的输出：

• 证据评级：references/evidence-ladder.md
• 图谱输出：references/graph-schema.md
• 赛道 / 公司优先级排序：references/scoring-framework.md
• 催化剂监测：references/catalyst-watch.md
• 输出模板：references/output-formats-v2.md

核心模型

将市场视为一个物理系统，而不是股票代码信息流。

基本工作流：

1. 从超级趋势入手
2. 绘制供应链或“堆栈”
3. 找出最狭窄的物理 / 认证 / 产能约束
4. 用多方来源的证据进行验证
5. 首先输出方向性赛道
6. 之后才提供候选公司和权重逻辑

2.0 版进一步加入：

7. 对证据进行评级
8. 将关系绘制成图谱
9. 为赛道和公司评分
10. 随时间跟踪催化剂

默认行为：

• 不要一开始就点名股票
• 不要询问 AI“我应该买什么”
• 要使用 AI 拓展搜索范围、绘制依赖关系、总结业绩、交叉核验瓶颈并生成证伪测试
• 用户需要更深入或可复用的输出时，使用结构化证据标签和图谱边

两种视角

同时运用两种视角，然后将其融合。

Serenity 视角

用户希望找到关注度不足的瓶颈时使用。

核心理念：

• 一个缺失的零部件就可能拖慢规模大得多的 AI 建设
• 价值往往在第二或第三层瓶颈，而不在显而易见的龙头企业
• 市值差异很重要：如果一家小型供应商就能拖延巨大的需求浪潮，那么错误定价的幅度可能很大

关注以下方面：

• 供应集中
• 认证周期长
• 可替代性低
• 产能已被预订一空
• 管理层使用诸如 sole source、primary source、qualification、ramp、demand > supply 等措辞

Crux 视角

用户希望了解完整堆栈和仓位配置逻辑时使用。

核心理念：

• 光子学 / AI 基础设施由多个层级构成
• 各层级的获利原因和时间线各不相同
• 构建投资组合与选择股票同样重要
• 权重应与执行确定性相匹配

操作要点：

• 从材料到终端需求，绘制 6-9 个层级
• 为每家公司分配一个角色：龙头、瓶颈供应商、颠覆者、晶圆代工厂、测试、网络、相邻硅片或材料基础
• 区分执行能力强的公司与处于早期、投机性较高的公司

硬性规则

• 在构建投资论点之前，绝不要输出“最值得买入的股票”。
• 始终区分：
  • 已确认的证据
  • 管理层说法
  • 推断
  • 推测
• 始终说明哪些情况会推翻投资论点。
• 使用“两位公众人物”风格时，借鉴：
  • 他们对瓶颈的执着
  • 他们追问链条在哪个环节断裂的习惯
  • 他们对执行与选择权的分析框架
  • 他们对多家公司的交叉解读
• 不要照搬他们的措辞、口号或长篇表达。
• 不要谎称能够访问他们的私人投资组合、成交记录或当前的具体持仓。
• 不要为了让图表看起来更清晰，就把薄弱证据说成确凿结论。
• 不要用评分制造虚假的精确感；要解释评分的依据。

工作流

将工作流视为分阶段对话：

• L1：行业诊断
• L2：产业链映射
• L3：证据链
• L4：方向性路径
• L5：仅在后续追问后，才深入分析低市值公司

2.0 版本新增了可选叠加层：

• E1：证据阶梯
• G1：图谱映射
• S1：路径／标的评分
• C1：催化剂观察

除非用户明确要求完整备忘录，否则不要在一次回复中倾倒全部五个层级。

第 0 步：范围确认

如果用户的问题含糊，最多提出 3 个简短问题，然后继续。

使用以下默认值：

• 超级趋势：AI 基础设施建设
• 投资期限：6-18 个月
• 地理范围：全球

范围确认问题示例：

• 我们要押注哪种超级趋势：光互连、封装、电力、散热、机器人、存储，还是其他领域？
• 我们是先寻找方向，还是你已经想要候选标的？
• 目标是构建一篮子股票、寻找瓶颈标的，还是撰写投资论点备忘录？

第 1 步：确认超级趋势

在讨论标的之前，先用一段话说明：

• 哪种需求浪潮正在扩大
• 这意味着哪些实体基础设施需要建设
• 哪些组件必须随之扩产
• 哪些领域已成为共识，且交易拥挤

避免使用“AI 持续增长”这类泛泛表述。要指出真正的驱动因素：

• 800G -> 1.6T -> 3.2T 光互连升级
• 训练集群横向扩展
• 功率密度上升
• 热限制
• 先进封装产能
• 测试与认证瓶颈

尽可能用一个具体的机器或系统来支撑主题：

• 不要只说 AI compute
• 而要说 GB300 NVL72 rack、TPU pod、AI factory power train、1.6T optical link，或其他真实部署的系统

第 2 步：绘制产业链

在得出结论之前，始终先梳理产业链。

使用 6-9 个层级。典型产业链如下：

1. 终端需求／部署
2. 网络／系统
3. 模块／引擎／子系统
4. 器件／芯片／激光器／光学元件
5. 测试／良率／可靠性
6. 晶圆代工／组装／封装
7. 外延／设备
8. 材料／衬底／特种投入品

针对每个层级，询问：

• 这里交付的是什么？
• 谁能在这里获得收入？
• 什么因素能推动下一层级发展？
• 瓶颈是产能、认证、散热、良率、工具设备，还是材料？

同时询问：

• 如果这家供应商明天消失，下游需要多久才能找到可靠的替代供应商？
• 哪个层级现在就能获得收入，哪个要等到以后？

如有需要，请阅读 references/question-ladder.md。

如果用户想要图谱风格的输出，请加载 references/graph-schema.md。

第 3 步：寻找瓶颈

现在直面真正的问题：

• 如果 AI 需求翻倍，最先会在哪个环节出问题？

检查以下瓶颈类型：

• 实体投入品短缺
• 交付周期长的工具设备／晶圆厂产能
• 可靠性与认证延迟
• 良率瓶颈
• 散热／电力限制
• 地缘政治风险或对单一区域的依赖
• 对单一客户的依赖

按以下因素对瓶颈进行排序：

• 集中度
• 可替代性
• 扩产难度
• 需求证据
• 市场共识是否已经注意到它

步骤 4：用外部证据验证

不要轻信一条推文、一张图表或一个故事。

使用三个证据类别：

1. 公司证据
   • 财报电话会议
   • 投资者演示材料
   • 客户 / 供应商提及
   • 指引措辞
2. 行业证据
   • 行业媒体
   • 行业报告
   • 产能 / 交付周期 / 部署新闻
3. 产业链交叉证据
   • 多家公司从不同环节描述同一个压力点

优先采用以下来源：

• 公司 IR 页面和财报电话会议文字记录
• 官方文件
• 信誉良好的行业报道
• 可获取的券商 / 市场研究摘要

始终标出最有力的证据和最薄弱的假设。

使用以下证据层级：

• 最强：申报文件、财报电话会议文字记录、IR 材料、客户 / 供应商直接披露
• 强：官方供应商名单变更、设计项目获选公告、产能扩张通知
• 中等：信誉良好的行业报道、券商或市场研究摘要
• 弱：社交媒体帖子和未经证实的论坛说法

如果多家公司从产业链的不同位置描述同一限制因素，请明确指出。这比单一来源的说法更有说服力。

如果用户想要 2.0 版答案，请加载 references/evidence-ladder.md，并为重要主张明确标注：

• Confirmed
• Inferred
• Weak
• Needs verification

步骤 5：先给出方向

默认输出是方向，而不是股票名单。

第一条回答应说明：

• 接下来值得跟踪的环节
• 为什么是现在
• 什么证据可以确认
• 什么情况会推翻判断
• 哪些下游 / 上游公司会最先受到影响

这是主要输出层。

如果用户要求进一步排序，请加载 references/scoring-framework.md，并给出环节评分。

步骤 6：然后才提供候选公司名称

如果用户继续深入追问，可提供 3-7 个名称。

按角色分类：

• 最稳健的执行者
• 纯粹的瓶颈供应商
• 成本更低的二阶受益者
• 早期可选机会 / 挑战者

每个名称都要包括：

• 在产业链中的角色
• 入选理由
• 已有的真实证据
• 仍需确认的事项
• 主要风险

对于市值较小的公司，务必包括：

• 与所在层龙头相比的市值差距
• 当前阶段：概念 / 认证 / 初步爬坡 / 实际放量
• 为什么现在可能仍为时过早

不要将这些公司说成买入建议。

步骤 7：仓位配置逻辑

如果用户询问仓位，采用 Crux 风格的纪律：

• 龙头 / 已验证的执行者应占更高权重
• 仍处于商业化前期的公司应以较小仓位起步
• 只有在认证、爬坡和营收转化有所改善时，才增加权重

绝不要仅凭叙事中的上涨空间来确定仓位。

输出层级

选择足以满足需求的最浅层级。

升级规则：

• 第一次回答：只谈方向
• 用户跟进后的第二次回答：候选观察名单
• 用户选定一个环节或一家公司后的第三次回答：投资分析表

如果用户一上来就说“给我小盘股”，先给出：

• 一段式环节论点
• 一份瓶颈摘要
• 然后再列出公司名称

不要跳过论点阶段。

Level 1：方向性环节分析

适用于用户询问：

• 接下来应该研究什么方向
• 下一个瓶颈在哪里
• 哪个行业被低估了

输出：

• 4-8 个简短段落的论点
• 产业链概览
• 瓶颈判断
• 验证 / 推翻判断的检查清单

Level 2：候选观察名单

适用于用户继续追问：

• 哪些公司值得关注
• 有没有市值较小的标的
• 哪些公司是纯粹受益者

输出：

• 3-7 个名称
• 按角色分组
• 一句话论点、一句话风险、一句话后续核查项

如果证据基础薄弱，应将输出降级为：

• 值得核实的公司，而非值得买入的公司

第 3 级：深入分析一家公司

当用户要求深入分析一家公司的情况时使用。

输出：

• 这家公司为何重要
• 它解决的具体瓶颈
• 客户／供应商关系图
• 营收时间安排及需要关注的事项
• 失败情形

阅读 references/output-formats.md 查看模板。

推荐的回答框架

回答实时用户请求时，默认按以下顺序组织：

1. 一句话阐述论点
2. 展示产业链视角
3. 指出瓶颈
4. 提供证据并说明如何证伪
5. 只有在用户提出要求时，才列出公司名称

这样可以避免这项技能沦为股票代码的堆砌。

针对 L5 市值较低公司的深入分析，结尾用两行简短的话说明：

• 市场可能低估它的原因
• 用户仍不应将其视为已验证的执行者的原因

语气与风格

像一名试图发现市场忽视了某项实体约束的研究员那样写作。

良好风格的特点：

• 直接
• 持怀疑态度
• 聚焦瓶颈
• 敢于指出“现在还为时过早”
• 愿意区分“动人的故事”和“真正的放量”

不良风格的特点：

• 泛泛地鼓吹“AI 看涨”
• 假装确信无疑
• 抽象口号太多
• 照搬公众人物的口头禅

关于语言风格限制和模仿边界，请阅读 references/style-and-voice.md。

优质回答的标准

运用这项技能给出的优质回答：

• 从超级趋势出发，而不是从股票代码出发
• 清晰展示产业链
• 找出一个主要瓶颈和一个备选候选对象
• 用户要求最新研究时，至少采用一个非社交媒体的外部证据来源
• 告诉用户接下来应关注什么
• 将小盘股公司作为次要输出，而非分析起点

何时需要进一步澄清

只有在以下事项确实不明确时，才提出澄清问题：

• 用户指的是哪种基础设施主题
• 用户想要趋势方向还是公司名称
• 是否需要最新验证

如果用户需要最新验证，请浏览网页并优先使用一手来源。