把复杂世界整理成一张投资地图。
我是一个把 AI 产业问题翻译成资本问题的人。
我不把 AI 当作一个单一科技板块，而把它看作一场仍在展开的资本周期：资本先进入土地、电力、数据中心、芯片与网络，再沿着算力、Token 与 Agent 工时，向企业收入、生产率和资本回报传导。
我的工作，是追踪这条传导链在哪些环节形成真正的约束，哪些公司拥有定价权，哪些增长最终会被竞争、折旧、融资成本或交付风险吞噬。股票只是最后的表达形式，研究的起点是结构；流动性、真实利率、财政方向与 WACC，则决定这条链条能够承受多高的估值。
AI 资本周期研究者
观察资本开支、供给扩张、瓶颈迁移、定价变化、回报率重估，以及资本何时继续流入、何时开始撤离。
投资人
把宏观约束、产业链位置、现金流质量与估值放在同一张地图上，让每个仓位承担清晰的组合功能。
AI 产业投资顾问
帮助投资者、企业与研究团队理解：技术变化如何穿过真实世界，最后影响资本配置与资产定价。
我的研究主线只有一条：追踪资本如何穿过 AI 产业链。
从一个 AI 数据中心项目、一家芯片公司、一份财报或一项融资交易出发，我会不断向前追问：它依赖什么物理资源？产生什么可售产出？谁最终获得现金流？
这是一套 Kerwin 的研究生产函数。Token、Agent Hour、Useful Intelligence 等词，在页面中用于研究框架与情景推演，不等同于任何公司的官方产品名称或已被行业统一的计量标准。
我不从热点直接跳到结论，而是让每个判断经过六道过滤。
我会反复使用几把“尺子”，把不同公司的故事放进同一个计量框架。
我关注的不是“下一只热门股票”，而是价值如何沿着系统迁移。
事实
机制
情景
证伪
这份研究写给需要看懂“下一层”的人。
如果你只需要一个新闻摘要，市场上已经有足够多的选择。Kerwin Research 面向的是需要理解产业链、资本结构与长期回报之间关系的读者。
Kerwin 与 Enya，是一个研究系统里的两种角色。
研究的核心不是把人的判断交给机器，而是让机器把证据、结构和表达做得更完整，让人的问题意识和责任边界更清晰。
确定研究主题、提出投资问题、建立产业与资本框架、形成组合表达，并负责最终的投资逻辑与内容审核。
负责资料组织、来源交叉核验、数据结构化、可视化呈现、网页交付与持续维护，把复杂内容压缩成可阅读、可复核的研究地图。
公开页面只呈现研究方法与已批准的公开信息，内部工作材料不在本页展示。
最后，Kerwin 的方法可以压缩成一句话。
先判断世界的流动性与制度约束，再追踪 AI 如何穿过 Power、Land、Compute、Token 与 Agent，最后用现金流、WACC、ROIC 和跨资产信号确认：资本究竟是在创造真实资产价值，还是只是在制造下一轮叙事。