Serenity方法论拆解：从龙头深挖物理卡口的投研体系

一个匿名交易员的4500%战绩

年化收益4500%——这个数字放在任何投资圈都足够炸裂。创造这一成绩的Serenity，是海外一位匿名分析师，自我定位为"追踪无人注意的瓶颈"。更值得关注的是，Serenity出圈靠的不是某一次精准押注，而是一套可复述、可验证、可系统化执行的下钻方法论。

本文基于B站UP主的深度拆解，完整还原Serenity的投研框架，并探讨如何借助Claude Code将其落地为可操作的流水线。

声明：本文仅为方法论探讨，不构成任何投资建议。市场有风险，投资需谨慎。

核心理念：把龙头当入口，往下挖到物理卡口

从龙头出发，顺需求链下钻

大多数投资者的做法是追逐龙头——哪个热就买哪个。Serenity的做法恰恰相反：龙头只是入口，不是终点。

他的核心动作是从龙头出发，沿产业链逐层往上游深挖：需求从哪里来？会往哪里传导？从部件到芯片，从芯片到材料，从材料到衬底，从衬底到设备——一直往下钻，直到撞上一个绕不开的卡口。

这个思路可以用一句话概括："在核道收产"——水流再大，也得从这里通过。

只看物理约束，不看商业叙事

这是Serenity方法论中最硬核的原则。很多标的喜欢用商业叙事"画饼"，讲故事、讲愿景、讲生态。但Serenity只关注一件事：物理约束。

所谓物理约束，指的是材料、工艺、化学层面的硬限制。比如某种材料全球只有三家能量产，其他企业扩产需要一到两年，同时没有低成本的替代方案。

在投资分析中，商业叙事（Narrative）指的是企业或行业通过故事、愿景、生态布局等方式构建的增长预期，典型如"元宇宙将改变一切"、"Web3重塑互联网"等。这类叙事的问题在于缺乏硬约束验证，容易被市场情绪放大。物理约束则完全不同——它基于材料科学、化学工艺、物理定律等客观规律。例如，碳化硅（SiC）晶体的生长速度受热力学限制，无论投入多少资金都无法在短期内突破；EUV光刻机的制造涉及数十万个精密零件的协同，全球仅ASML一家能生产。这些约束不以人的意志为转移，因此具有更高的分析确定性。

他的核心信条是：扩产周期、良率爬坡、有没有替代——这些由物理规律决定的事实，比任何叙事都要硬。

卡口的四个硬条件：踢不了、扩不出、是寡头、没人看

什么样的环节才算真正的"卡口"？Serenity给出了四个必须同时满足的条件：

1. 不可替代：下游没有其他技术路线可以绕过它
2. 供给刚性：产能短期内无法快速扩张
3. 寡头垄断：全球只有极少数玩家能做
4. 尚未被发现：暂时还没有被机构充分挖掘和定价

关于寡头垄断这一条件，供应商集中度通常用CR3（前三大企业市场份额之和）或HHI指数（赫芬达尔-赫希曼指数）来衡量。在半导体上游材料领域，寡头垄断现象极为普遍：光刻胶市场CR3超过80%（JSR、东京应化、信越化学）；EUV光刻机市场ASML独占100%；高纯度电子特气市场被林德、液化空气、大阳日酸等少数企业把控。寡头格局的形成往往源于极高的技术壁垒、漫长的客户认证周期（通常1-3年）、以及巨额的前期研发投入，这使得新进入者即使有资金也难以快速打破格局。

这四个条件构成了一个极其严格的筛子。用更通俗的话说就是：踢不了、扩不出、是寡头、没人看。只有四个条件同时成立，才能形成真正的投资机会。

六步下钻流水线：从超级周期到物理卡口

Serenity将整套方法论标准化为六个步骤，形成了一条可重复执行的投研流水线：

第一步：锚定超级周期

首先判断当前处于哪个超级周期。比如当下的AI算力周期，以及即将到来的人形机器人周期。超级周期是整个分析的起点，它决定了需求的总量和方向。

超级周期（Super Cycle）是经济学中描述持续数年甚至数十年的结构性增长趋势的概念。历史上典型的超级周期包括：2000年代的中国城镇化驱动的大宗商品超级周期、2010年代的移动互联网周期、以及当前的AI算力周期。超级周期的特征是需求增长具有确定性和持续性，不是短期炒作而是由底层技术变革或人口结构变化驱动的长期趋势。识别超级周期的关键在于判断需求是否具有不可逆性——一旦启动就难以回头。

第二步：锚定龙头

在超级周期中找到最明确的龙头企业。比如AI算力周期中，英伟达就是最明确的龙头。龙头是需求的源头，所有的产业链分析都从这里展开。

第三步：逐层拆解产业链

从龙头开始，一层一层往上游拆解：龙头→部件→芯片→衬底→材料→设备。每一层都要搞清楚：谁在供货？供货关系是什么？有没有替代方案？

第四步：物理追问（四个核心问题）

在每一层都要严格执行四个追问：

• 谁是寡头？ 这个环节的供应商集中度如何？
• 扩产要多久？ 如果扩产很快，就不构成真正的瓶颈
• 有没有替代？ 如果可以被替代，价格上涨时需求会分流
• 下游必须用吗？ 如果下游可以不用，水流就会绕道

第五步：钻到卡口

经过逐层追问，最终定位到真正的物理卡口。以AI算力为例：算力增长→数据传输需求暴增→光互联成为瓶颈→光模块需求爆发→关键光源全球只有两家能量产→特种衬底材料、先进封装、专用合成设备——这些就是真正的卡口。

这里值得深入理解光互联为何成为AI算力的核心瓶颈。随着大语言模型参数量从千亿级迈向万亿级，GPU集群规模急剧扩大，芯片间的数据传输速率成为制约算力扩展的核心瓶颈。传统铜缆互联在距离超过3米后信号衰减严重、功耗急剧上升，而光互联（Optical Interconnect）利用光信号传输数据，具有带宽高、延迟低、功耗小的优势。光模块是光互联的核心组件，其中的激光光源（如VCSEL、EML、硅光芯片）技术门槛极高。以磷化铟（InP）衬底为例，全球能量产通信级InP衬底的企业屈指可数，扩产周期长达18-24个月，这正是Serenity方法论中典型的"物理卡口"案例。

第六步：多维排列验证

找到卡口候选后，还需要从产能、订单、认证、估值、公司治理等多个维度逐一验证，最终筛出真正值得深入研究的标的。

方法论的边界与局限

Serenity的方法论虽然强大，但也有明确的边界：

第一，卡口兑现不等于长期利好。 有时候一个环节太"硬"了，反而会限制自己的成长空间。当卡口被充分定价后，超额收益就会消失。

第二，顺风期会放大命中率。 当前处于AI超级周期的顺风期，整个产业链都在上行。在这种环境下，方法论的命中率会被系统性地放大，但这并不意味着方法论本身的准确率有那么高。

第三，并非每个关注点都是物理卡口。 Serenity关注的某些环节，可能并不真正构成物理层面的瓶颈，使用者需要自己做进一步的验证和判断。

用Claude Code构建投研流水线

方法论再好，不能落地执行就没有意义。以下是借助Claude Code将Serenity方法论转化为可操作流程的具体步骤：

步骤一：选定赛道并批量拉取研报

选定一个赛道后，让Claude Code通过sdata等数据仓库批量拉取研报。研报数量是关键——200篇是起步，大赛道建议拉取1000篇以上。单篇研报可能观点不够准确，但当样本量上升到数百甚至上千篇时，就能对产业形成全局性的理解。注意控制拉取速率，避免触发限制。

大规模研报分析的逻辑基础来自信息论中的"信号提取"思想。单篇研报可能存在分析师个人偏见、利益冲突（卖方研报的天然多头倾向）、信息滞后等问题。但当样本量达到数百篇时，通过交叉验证和频率统计，可以有效过滤噪声、提取共识。例如，如果200篇研报中有150篇提到某个供应商是关键环节，且数据来源各异，那么这个判断的可信度就远高于单一来源。这本质上是一种"群体智慧"的量化应用，Claude Code在此过程中充当的是高效的信息聚合与结构化工具。

步骤二：逐层拆解，层层下钻

让Claude Code对研报进行系统性拆解，从产业链最上层开始，一层一层往下分析。当钻到某个值得关注的环节时，再针对这个细分环节重新拉取200篇左右的专项研报，进行更深入的分析。

步骤三：套用四个追问进行筛选

在每一层都让AI执行四个核心追问：踢不了？扩不出？是寡头？有没有人看？逐层核对物理事实，最终输出卡口清单。

步骤四：人机协作验证

这一步至关重要。AI基于研报分析出的结论，不能直接当作最终答案。使用者需要主动挑战AI的结论，追问其推理依据，让AI在对抗中纠正自己的观点。只有经过反复论证、数据核对后沉淀下来的，才是真正可靠的物理卡口。

AI在研报分析中的局限性主要体现在三个方面：一是"幻觉"问题，大语言模型可能生成看似合理但实际错误的结论；二是时效性问题，训练数据存在截止日期，无法反映最新的产能扩张或技术突破；三是深度判断问题，AI难以像行业专家那样理解某项工艺突破的真实难度。因此，人机协作中"人"的角色不可或缺——需要用行业经验、一手调研数据、专利检索等方式对AI输出进行交叉验证。最佳实践是将AI视为"高效的初筛助手"而非"决策者"。

整个闭环可以概括为：AI拆链找候选→套四问筛选→拿数据核对→方法论反复论证→沉淀真实卡口。换一个赛道，同样的流程可以完整复用。

总结

Serenity方法论的本质，是用物理约束替代商业叙事作为投资决策的筛子。它不追热点、不听故事，而是沿着产业链一层层下钻，直到找到那个"水流再大也必须经过"的卡口。这套方法论的价值不仅在于逻辑自洽，更在于它的可系统化、可重复执行——而这恰恰是AI工具最擅长的事情。

当然，任何方法论都有其适用边界。在使用时，既要尊重框架的纪律性，也要保持独立思考的能力。毕竟，最终为投资决策负责的，永远是你自己。