这两个事都是真事，给你拆一下：

1. CHIPS 法案拨款落地 + 美国唯一 SiC 厂商

Wolfspeed（WOLF），美国唯一规模化做碳化硅（SiC）衬底+器件的本土厂商。

• 2024 年 10 月签了初步备忘录：CHIPS 法案直接拨款 7.5 亿美元，加上 Apollo 领投的私人资本 7.5 亿，合计 15 亿
• 钱投向两个项目：北卡 Siler City 的全球首座 200mm SiC 晶圆厂 + 纽约 Mohawk Valley 扩产 30%
• 走 Chapter 11 破产重组后已经出来了，直接拨款还没正式关闭，但通过 CHIPS 法案 48D 条款已经拿到了 ~7 亿美元现金退税（总共预计 10 亿）

所以"拨款落地"不完全准确——直接 grant 还没 close，但退税通道确实在走钱。"美国唯一 SiC 供应链安全"的叙事是实的：WOLF 是美国功率半导体自主可控的核心标的，200mm SiC 衬底全球只有它和几家能做，中国在扩但良率差距还大。

2. 川普推迟 AI 安全行政令

5 月 21-22 日的事。原本要在白宫办签字仪式、请了一堆科技公司 CEO，临门几小时取消了。

• 政令核心内容：AI 公司发布"前沿模型"前自愿提交给联邦政府（国家网络总监办公室等）审查安全风险
• 川普公开理由是"不想任何东西拖慢美国在 AI 领域的领先地位，尤其是跟中国竞争"
• 背后推手：David Sacks（前 AI 沙皇）+ 部分科技 CEO（扎克伯格等）最后一刻游说，担心变成实质监管

对 AI 赛道是利好：意味着川普任内不太可能出有牙齿的 AI 监管框架，合规成本低、模型发布节奏不受影响。对算力链、基础模型公司都是顺风。

两个逻辑都可以成立，但 Wolfspeed 那边要注意 grant 还没最终落袋，退税先到了。有具体想深挖的方向吗？

给你逐条翻译，用大白话：

1. FY = Fiscal Year（财年）

公司的会计年度，不一定是 1 月到 12 月。Wolfspeed 的财年跟日历年不一样，比如 FY2025 大概对应 2024 年 7 月到 2025 年 6 月。

• FY2025 营收 $7.53 亿 → 最近一个完整财年卖了 7.53 亿美元
• FY2026E 营收 $6.66 亿 → 分析师预计（E = Estimate / Expected）今年反而降到 6.66 亿
• 收入在跌，说明业务在收缩，不是增长型公司

2. EPS = Earnings Per Share（每股收益）

净利润 ÷ 总股数，衡量一股能赚多少钱。

• FY2026E EPS -$12.37 → 预计今年每股亏 12.37 美元（负号 = 亏损，亏得很厉害）
• FY2029 才勉强打平 → 分析师预计还要再烧 3 年钱，2029 年才能盈亏平衡（EPS ≈ 0）

3. 负债 & Working Capital（营运资金）

• 负债 $60 亿+ → 公司欠的钱，包括银行贷款、发债、应付账款等所有要还的
• Working Capital = 流动资产 - 流动负债

Working Capital 是看公司在未来一年内会不会资金链断裂：

• Working Capital -$45 亿 → 流动负债比流动资产多了 45 亿美元，负数是危险信号，短期根本兜不住
• Current Ratio（流动比率）= 流动资产 ÷ 流动负债 = 0.36

流动比率超过 1 才算健康（手里的够还短期债），0.36 意味着每欠 1 块钱，手里只有 3 毛 6。这是很紧张的状态，随时需要再融资或借钱续命。

4. EV/Sales = Enterprise Value / Sales（企业价值 ÷ 营收）

一个估值倍数，不看利润看收入，常用于还没盈利的公司。

• EV（Enterprise Value）= 市值 + 总负债 - 现金
• Sales = 营收

算出来的 EV/Sales ~10.5x：市场给它估值是它年收入的 10.5 倍。

怎么理解这个倍数是贵还是便宜？一般经验：EV/Sales 超过 10x 通常对应高增长（比如年增速 30%+ 的 SaaS 公司）。但 WOLF 收入还在下降，一个收入在萎缩的公司被挂 10.5x，市场其实在赌它未来能翻身（SiC 需求爆发、CHIPS 补贴落地等），不是一个便宜的赌注。

一句话总结

WOLF 现在的画像：收入在降、亏损巨大、短期偿债能力极差、估值还不便宜——全押在 SiC 长期需求爆发和 CHIPS 法案救命上。是个典型的"要么翻盘、要么归零"的故事。

LPU = Language Processing Unit（语言处理单元）

这是 Groq（不是马斯克的 Grok）造的 AI 推理专用芯片的名字。跟 GPU 的核心区别：

• GPU（Graphics Processing Unit）：本来给游戏图形设计的，后来发现做 AI 训练/推理也很强，但功耗大、贵
• LPU：专门为 大语言模型推理 设计的，不搞训练，就做"模型跑起来回答问题"这一步，核心卖点是低延迟（比 GPU 快很多）和低功耗
• ASIC（Application-Specific Integrated Circuit）：更宽泛的概念，指任何为单一用途定制的芯片，LPU 算 ASIC 的一种

Groq 的 LPU 目前主要竞争对手是 GPU 推理（英伟达 T4/L40S 等），定位是极致推理速度，不做通用计算。你在投资的 AI 推理链里应该会频繁碰到 LPU 相关标的。

铟泰（Indium Corporation）是美国的私企，没上市，没有股票代码，所以买不到。

它是 1934 年成立的老牌公司，专做电子焊接材料（锡膏、助焊剂、铟镓锗锡等），总部纽约州，中国苏州也有厂。

如果你想投资这个赛道的替代标的：

• 唯特偶（301319.SZ）：A 股，国产微电子焊接材料龙头，做锡膏、助焊剂，直接对标铟泰，抢它的国产替代份额
• 其他铟/半导体材料概念股：锗、镓、磷化铟相关企业，但跟铟泰的业务不完全重合

你是在看电子材料赛道的什么方向？焊料这块还是铟金属本身？

这两个都是 AI 用户访谈/用户研究工具，不是投资研究平台。

Mizzen（觅深科技）

• 上海的 AI 驱动用户访谈平台（mizzen.top）
• 2020 年前后创立，用 AI 替人做深度用户访谈，自动生成洞察报告
• 原来有个人版，现在只剩企业版了：1 万积分 ≈ 覆盖 50 个用户

Trooly.AI

• 也是做 AI 用户访谈的，但走语音多模态路线，能做 45 分钟深度访谈
• 2025 年成立，蓝驰创投投了种子轮 ~1000 万人民币，CEO 叫 Whisper
• 定价 $99/用户，比 Mizzen 贵不少

Jeffrey 在问什么

他看上 Mizzen 了——1 万积分能覆盖 50 个用户，比 Trooly 按人头 $99 便宜很多。他在问 Vivi 能不能买一个企业版、团队大家一起 share 账号用。

本质上是在选趁手的用户调研工具，帮 Lolla 做被投项目/潜在标的的产品验证和用户洞察。

这两家的生意模式基本一样，都是 B2B SaaS，区别在阶段和定价思路：

Mizzen（觅深）

• 企业订阅制，按积分/用量收费
• 1 万积分的企业套餐能覆盖约 50 个用户访谈，摊下来 ~$200/用户
• 现在砍掉个人版，只做企业客户 —— 典型的 PLG（Product-Led Growth）转 SLG（Sales-Led）路径
• 目标客户：产品团队、用户体验团队、市场研究部门

Trooly

• 也是 B2B 订阅，但按人头/项目计价，$99/用户
• 定价更贵但卖点是"45 分钟深度语音访谈 + 情感识别引擎"
• 刚拿种子轮（蓝驰 ~1000 万 RMB），还在很早期跑 PMF 的阶段

共同逻辑

这类生意的核心卖点是用 AI 替代传统用户研究公司：传统找调研公司做一个用户访谈可能要几周、花几千美金，AI 工具几天内搞定、成本降 50%+。收入模式就是 SaaS 订阅费，壁垒在于访谈质量（AI 能不能真的像真人一样挖出用户洞察）。

如果 Jeffrey 在评估这类赛道：天花板取决于"企业愿意花多少钱替代传统调研"，不算特别大的市场，但够养几家公司。

不是，你理解反了。

他们卖的是工具，不是内容。

他们真正做的是

卖 SaaS 软件给企业，帮企业自己去做用户调研。比如：

• 一家消费品公司想知道用户为什么买竞品
• 在 Mizzen 上建一个访谈项目，AI 自动去跟 50 个用户聊
• 聊完自动出报告和分析
• 消费品公司付 Mizzen 订阅费

Mizzen/Trooly 不拥有用户、不拥有数据、不卖纪要。他们就卖软件 license。

如果按你说的那种模式

"AI 访谈 → 纪要卖给买方" 其实是另一条赛道，更接近：
- 专家网络（GLG / 凯盛 / AlphaSense 的部分功能）
- 本质是 内容/数据生意，不是 SaaS

这俩模式差别很大：SaaS 是卖铲子，内容生意是卖矿。Jeffrey 估计是看到"用户访谈"四个字，联想到专家网络那一挂了？

好问题，这是这两家最核心的"暗箱"环节。

用户调研 vs 专家访谈 — 区别

Mizzen 和 Trooly 做的是左边那一列。

去哪找用户来聊

这是平台最值钱（也最不透明）的部分，几种路径：

1. 自建受访者池（Panel）

提前招募一批愿意接访谈的人，打标签（年龄、职业、消费习惯、游戏偏好等）。有点像问卷星但升级成语音访谈池。Mizzen 和 Trooly 大概率在做这个。

2. 对接第三方样本平台

外接专业线上样本供应商，比如：
- 国内：问卷星、腾讯问卷、Credamo 见数、爱调研
- 海外：Prolific、mTurk、SurveyMonkey Audience、UserTesting 的 panel

平台不自己养人，需要时按标签去"采购"受访者。

3. 客户自己提供名单

企业客户用自己的用户库。比如某消费品牌要做 NPS 调研，直接把用户手机号/微信导进工具，AI 打电话/发消息去做访谈。这是 B2B 场景里最常见的用法。

4. 社交平台 / 社区定向招募

在抖音、小红书、微信群、Discord 里定向找——发招募帖+筛选问卷，符合条件的给红包激励。Trooly 提到的"情感引擎"和 45 分钟深度访谈，不靠红包很难让人聊那么久。

所以核心壁垒在哪

不是 AI 对话能力（GPT 套壳都能做），而是：

• 受访者池的质量和规模 —— 能不能快速匹配到精准人群
• 招募速度 —— 客户今天建项目，明天就要有人聊
• 质量控制 —— AI 能筛掉刷红包的"职业受访者"

Jeffrey 在看的这个赛道，本质上是个供需匹配平台：左边是愿意被访谈的人，右边是需要洞察的企业，AI 在中间替代的是"调研公司雇访谈员打电话"这个环节。