用供应链瓶颈思维研究 AI 美股

🌐 Language / 语言： 中文 | English

📘 产品介绍： 中文介绍 | English Intro

这是一个专门用来找“AI 产业链里谁在卡脖子”的美股研究产品。
你给它一个方向，它帮你拆系统、找瓶颈、拉证据、整理候选公司。不是直接喊单，也不是一句话给你报票。

说人话：

如果你想研究 AI、算力、机器人、光通信、先进封装这些方向，但又不想像买 meme 一样瞎冲，这个产品就是帮你先把产业链拆开，看看到底哪一层最容易堵车，哪家公司是真的绕不过去。

它主要做 4 件事：

1. 先选一个真实系统
   例如 NVIDIA DSX AI Factory、TPU pod、机器人执行器链条、数据中心供电和液冷
2. 再把这个系统拆成上下游
   从最终需求、系统集成、核心部件，一直拆到测试、封装、材料和上游工具
3. 找真正的卡点
   不是先问哪只票会涨，而是先问：如果需求继续放大，哪一层会先卡住？
4. 拉证据，做研究包
   把财报、电话会、官网、新闻、研报里的线索整理成一套能复用的结论

一句话理解：

它是把“热门叙事”翻译成“供应链研究”的工具。

适合这几种人：

• 想研究美股 AI 产业链，但不想只看热门大票
• 想找“第二层、第三层瓶颈”这种更有弹性的方向
• 手里已经有一些新闻、财报、研报，想整理成结构化结论
• 想让 Agent 帮你做研究，不只是帮你写摘要

如果你只是想问一句“现在买哪只最猛”，那它不是最适合你的东西。

目前有 3 种主要用法。

适合你已经知道自己想研究哪条线。

• 脚本：scripts/build_research_pack.py
• 示例输入：examples/ai_factory_lane_input.json

你会拿到这类输出：

• quick_scan.md
• evidence_memo.md
• evidence_trace.md
• graph.json
• graph_mermaid.md
• scorecard.json
• catalyst_watch.md

适合你还没决定先研究哪条线，想先排优先级。

• 脚本：scripts/compare_lanes.py
• 示例输入：examples/lane_compare_input.json

你会拿到：

• lane_ranking.json
• lane_details.json
• ranked_lane_table.md
• lane_compare_memo.md

适合你手上已经有材料，但不想自己手动整理。

• 脚本：scripts/run_source_pipeline.py
• 示例输入：examples/source_bundle_input.json

这条流程会先抽取：

• evidence
• signal
• quote snippet
• source confidence
• link reason

然后再继续生成最终研究包。

普通玩法通常是：

• 问 AI 哪只票好
• 问 AI 帮我总结财报
• 问 AI 这个赛道值不值得看

卡脖子美股战法不是这么走的。

它的顺序是：

1. 先定系统
2. 再拆上下游
3. 再找瓶颈
4. 再拉证据
5. 最后才给方向和候选公司

区别就在这里：

它不是替你拍脑袋，而是帮你把研究流程做扎实。

每条研究线最后尽量会落成一组结构化文件：

• research_pack.json
• quick_scan.md
• evidence_memo.md
• evidence_trace.json
• evidence_trace.md
• graph.json
• graph.mmd
• graph_mermaid.md
• graph_card.md
• scorecard.json
• validation_report.json
• catalyst_watch.md

• 完整中文产品说明
• English Product Description
• SKILL.md
• Product Manual