投资与软件开发最优平衡深度研究报告

生成日期：2026-04-27
目标：在以投资为主要收入来源的前提下，建立接近专业投资人的研究、风控与执行系统，同时让软件开发服务于 AI 投资判断，而不是反过来消耗主业注意力。

重要边界：本报告不是个性化证券投资顾问服务，也不能保证收益。年化 50% 以上属于极高目标，长期稳定实现的概率很低，必须接受显著波动、阶段性回撤、集中持仓风险和判断失误风险。真正的“最优解”不是承诺 50%，而是在不毁灭本金和心态的前提下，把可获得的研究优势、执行纪律和 AI 认知优势最大化。

1. 核心结论

你的最优解不是“投资和写代码各占一半”，而是：投资是主业，软件开发是投资研究的实验室和认知工具，产品保持小规模维护，除非它们自然长成业务。

在当前资金体量下，想追求年化 50% 以上，不能走普通分散指数化路线，也不应该靠杠杆、频繁短线或期权赌命。更合理的路径是：

用 70% 到 85% 的精力建设专业投资系统：研究、估值、组合管理、交易纪律、复盘。
用 10% 到 20% 的精力写代码，但只写能增强投资优势、AI 认知或长期创造力的工具。
用 5% 到 10% 的精力维护 Huntly 和情绪星 APP，暂时不以商业化为主目标。
组合上采用“核心复利资产 + AI 周期进攻仓 + 中国资产错配仓 + 现金弹药”的结构。
明确承认：50% 年化只能作为进攻目标，不应作为每年必须完成的 KPI。专业投资的第一目标是活下来，第二目标才是高增长。

本报告给出的建议是：以 3 年为第一个评估周期，目标是建立可复用的投资机器，而不是靠一两次行情把收益率冲高。

2. 资产口径与当前组合核算

2.1 已知资产

根据你提供的信息：

美元资产总额：约 95,000 美元。
人民币资产总额：约 500,000 元以上。本报告按 500,000 元做保守核算。
汇率假设：1 美元 = 7.25 人民币。实际汇率变动会影响最终权重。
折算总资产：约 163,965.52 美元，约 1,188,750 元人民币。

2.2 截图中美股持仓

标的	市值/美元	持仓内权重	全资产权重	当前角色
GOOGL	19,370.09	37.40%	11.81%	AI 平台/广告/云核心资产
META	6,068.25	11.72%	3.70%	AI 广告效率/社交平台资产
MSFT	422.84	0.82%	0.26%	象征性仓位，当前对组合影响很小
MU	21,546.00	41.61%	13.14%	AI 存储/HBM/内存周期进攻仓
PDD	4,378.95	8.46%	2.67%	中国互联网/跨境电商进攻仓
合计	51,786.13	100.00%	31.58%	美股已披露持仓

截图中美股浮盈合计约 19,520.48 美元，对应披露美股成本收益率约 60.50%。其中 MU 的贡献极高，这说明你已经抓住过一次重要产业周期，但也意味着当前组合收益对单一周期股高度敏感。

2.3 人民币资产中已披露持仓

标的/类别	金额/人民币	折算美元	全资产权重	当前角色
阿里	120,000	16,551.72	10.09%	中国互联网平台/云/股东回报
中概	100,000	13,793.10	8.41%	中国互联网整体 beta
美的	100,000	13,793.10	8.41%	中国制造/消费/稳定复利资产
有色 ETF	20,000	2,758.62	1.68%	商品/周期/通胀相关仓位
合计	340,000	46,896.55	28.60%	人民币已披露持仓

2.4 当前组合最重要的问题

如果按 95,000 美元和 500,000 元人民币总资产估算，你还有约 43,213.87 美元的美元现金或未披露资产，以及约 160,000 元人民币现金或未披露资产。现金/未说明资产合计接近 40%。

这带来两个相反含义：

从追求 50% 年化的角度看，现金比例偏高，会明显拖低上涨年份的收益。
从专业投资角度看，这部分现金是非常宝贵的弹药，可以用于大回撤、估值错杀、财报后误杀或 AI 周期分歧时进攻。

当前组合的主要集中风险：

MU 在披露美股中占比 41.61%，虽然全资产占比约 13.14%，但其周期属性强，不能按稳定平台股管理。
阿里、PDD、中概之间存在明显重叠，中国互联网与中国政策/地缘/汇率风险合计不低。
GOOGL、META、MSFT、MU 都与 AI 资本开支和 AI 估值叙事相关，表面行业不同，实质上有一部分共同因子。
当前 MSFT 仓位小到对组合没有意义。若只是观察仓，可以保留；若作为投资仓，需要重新定义目标权重。

3. 对“年化 50%+”目标的严肃判断

3.1 50% 年化意味着什么

以约 163,965.52 美元起始资产计算：

年化收益	1 年后	3 年后	5 年后
20%	196,759	283,333	408,082
30%	213,155	360,008	608,833
50%	245,948	553,384	1,245,113

50% 年化的吸引力非常明显：5 年接近 7.6 倍。但它的问题也同样明显：只要中间出现一次 40% 回撤，就需要 66.7% 的涨幅才能回本；如果连续两次大错，资金和心理状态都会受损。

3.2 不能把 50% 当成“固定工资式目标”

专业投资不能用“今年必须赚 50%”驱动决策。因为市场不按你的资金需求和愿望出牌。如果每年都硬追 50%，最常见的结果是：

在没有足够胜率时加仓。
在没有足够赔率时追高。
在组合亏损后扩大风险暴露。
把短期运气误认为能力。
把一次周期股成功复制到所有标的上。

更专业的定义应该是：

基准目标：长期年化 25% 到 35%，尽量控制毁灭性回撤。
进攻目标：在 AI 产业周期、估值错杀和中国资产再定价的窗口期，争取若干年份达到 50% 以上。
底线目标：任何时候都不因为单一错误、杠杆或情绪交易把自己打出牌桌。

3.3 达成 50% 需要的真实条件

要接近 50% 年化，必须至少满足其中几项：

集中持有少数高质量、高赔率资产。
在产业周期早中期重仓，而不是在叙事最热时才加入。
对基本面、估值和市场预期差有独立判断。
能在回撤中坚持正确仓位，也能在赔率恶化时主动减仓。
有足够强的复盘系统，避免重复犯同类错误。
不使用会导致被迫平仓的杠杆。

因此，50% 不是靠更兴奋实现的，而是靠更冷静、更集中、更有纪律地承担风险。

4. 当前持仓逐项判断

4.1 GOOGL：适合作为核心 AI 平台仓

GOOGL 的核心逻辑不只是搜索广告，而是搜索、YouTube、Android、Cloud、TPU、Gemini、数据和分发入口的组合。它是 AI 平台竞争中少数同时拥有模型、算力、数据、产品入口和现金流的公司。

主要机会：

AI 提升广告投放效率。
Cloud 与 AI 基础设施绑定。
TPU 和自研芯片降低长期推理成本。
搜索形态变化如果被内部产品吸收，反而可能延长入口优势。

主要风险：

AI 搜索改变流量分配，传统搜索商业模式被压缩。
监管和反垄断压力。
CapEx 上升导致自由现金流阶段性承压。
市场对 AI 产品体验和变现速度要求过高。

组合建议：GOOGL 当前约占全资产 11.81%，这是合理核心仓范围。除非估值或基本面显著变化，可把它视为 10% 到 15% 的核心仓，而不是短线交易仓。

4.2 MU：当前组合的最大进攻点，也是最大周期风险之一

MU 的逻辑来自 AI 服务器、HBM、高端 DRAM、NAND 供需改善和内存周期上行。你现在的浮盈非常大，说明入场点很好。

主要机会：

AI 训练和推理持续拉动 HBM 与高带宽内存需求。
供给纪律改善时，内存周期弹性极强。
如果盈利上修持续，市场可能继续重估。

主要风险：

内存行业天然周期性强，盈利拐点往往比叙事拐点来得早。
高价格会刺激供给，周期后段库存与价格风险上升。
如果 AI CapEx 增速放缓，MU 会受到较大估值和盈利双杀。
当前浮盈巨大，容易产生“成本很低所以可以不管”的心理错觉。

组合建议：MU 当前约占全资产 13.14%，尚未过度危险，但已经是必须用规则管理的仓位。建议设定：

单一周期股上限：全资产 15%。
若 MU 因上涨超过全资产 15% 到 18%，应考虑分批止盈，把利润转入现金或更稳定的 AI 平台资产。
如果 HBM/DRAM 价格、库存、毛利率指引或 AI 服务器订单出现连续恶化，应重新评估，而不是只看股价。
不建议在没有新研究结论的情况下继续把 MU 当作无限加仓标的。

4.3 META：仓位偏轻，但适合做 AI 应用层观察仓

META 的 AI 价值主要体现在广告系统效率、推荐系统、内容生产、智能眼镜/Reality Labs 期权，以及开源模型生态。它不像 MU 那样周期弹性强，但经营质量和现金流更稳定。

主要机会：

AI 提高广告转化率和内容分发效率。
Reels、WhatsApp、商业消息仍有变现空间。
Llama 生态增强开发者影响力。
智能眼镜可能成为 AI 终端入口之一。

主要风险：

AI 和 Reality Labs CapEx 长期高企。
用户增长成熟，估值更依赖利润率和回购。
监管和隐私政策变化。

组合建议：META 当前约占全资产 3.70%，如果你认可其 AI 应用层和广告效率逻辑，可将目标仓位设为 5% 到 8%。但加仓必须基于估值和财报后的预期差，不应单纯因为“好公司”而追。

4.4 MSFT：仓位太小，必须决定它是观察仓还是正式仓

MSFT 是 AI 软件和企业分发的核心公司之一，但你当前只有 1 股，约占全资产 0.26%，对收益率没有实质影响。

组合建议：

如果只是观察仓，可以保留，但不要把它纳入主要收益来源。
如果要作为正式仓，需要写清楚买入理由、估值容忍度和目标仓位，比如 3% 到 6%。
如果没有足够预期差，宁可把精力集中在更有赔率的标的上。

4.5 PDD、阿里、中概：中国互联网暴露需要合并看

PDD、阿里和中概类资产不能分开看，它们都受到中国消费、平台监管、地缘风险、人民币汇率和海外资金风险偏好的影响。你当前中国互联网相关资产大致包括：PDD 约 2.67%、阿里约 10.09%、中概约 8.41%，合计约 21.17%。

主要机会：

中国互联网估值相对全球 AI 巨头更低。
阿里有云、AI、回购、组织调整和电商竞争修复的多重选项。
PDD 仍有经营效率和跨境业务弹性。
如果中国资产风险溢价下降，中概可能出现估值修复。

主要风险：

宏观复苏弱于预期。
平台竞争压缩利润率。
地缘政治和 ADR/H 股折价。
单一“中概 ETF”可能包含你不真正想持有的公司。

组合建议：中国互联网整体仓位可以维持在 15% 到 22% 区间，但需要避免重复暴露。更专业的做法是：

明确阿里和 PDD 谁是主仓，谁是辅助仓。
如果中概是 ETF，需要确认成分股与阿里、PDD 的重复程度。
若你对个股研究更有优势，减少宽基中概；若不想跟踪每家公司，保留 ETF、降低个股集中。

4.6 美的：稳定器，不是 50% 收益的发动机

美的更像稳定复利资产和人民币组合里的质量锚。它不太可能单独贡献 50% 年化目标，但能降低组合整体波动，并提供不同于互联网和 AI 的现金流来源。

组合建议：美的当前约占全资产 8.41%，合理。若估值不贵、经营稳健，可以作为 6% 到 10% 的人民币核心资产。它的作用不是让你暴富，而是防止组合全部押在高波动叙事上。

4.7 有色 ETF：仓位太小，需要明确用途

有色 ETF 当前约占全资产 1.68%。这个仓位如果只是观察，可以接受；如果它承担商品周期或通胀对冲作用，则偏小。

组合建议：要么提升到 3% 到 5%，作为明确的商品/周期配置；要么取消，把注意力集中到你真正有研究优势的 AI 和中国资产上。小到无意义的仓位会增加认知负担，但不改变组合结果。

5. 建议目标组合结构

下面不是立即交易指令，而是适合你目标的组合框架。每一次调仓都应经过估值、财报、技术面流动性和税务成本检查。

模块	建议权重	当前大致权重	作用	代表资产
AI 平台与现金流核心	22% - 30%	约 15.77%	长期复利、降低组合质量风险	GOOGL、META、MSFT 等
AI 基础设施/半导体周期	15% - 25%	MU 约 13.14%	进攻收益来源	MU、半导体链、存储/HBM/网络/电力链
中国互联网与中概错配	15% - 22%	约 21.17%	估值修复与中国资产弹性	阿里、PDD、中概 ETF
中国质量制造/消费	6% - 10%	美的约 8.41%	稳定器、人民币资产质量锚	美的等
商品/资源/通胀相关	3% - 5%	有色 ETF 约 1.68%	对冲美元、通胀、周期变化	有色 ETF 等
现金与机会储备	15% - 25%	约 39.82%	回撤买入、心理稳定、避免被迫卖出	货币基金、短债、现金
特殊机会/小仓试验	0% - 8%	未明确	高赔率但严格限损	事件驱动、小盘、AI 应用层

从当前状态看，最关键不是马上满仓，而是把接近 40% 的现金变成“有条件的弹药”：

预留 10% 到 15% 作为长期安全现金和生活缓冲。
预留 10% 到 15% 作为大跌时的机会资金。
其余现金只在出现明确预期差时投入，而不是为了提高仓位而投入。

如果你坚持以 50% 为进攻目标，现金长期 40% 会显著拖累收益；但如果一次性把现金打满，又会在高波动资产回撤时失去主动权。更优做法是分层部署。

6. 现金部署规则

建议把现金拆成三层：

现金层级	比例	用途	使用条件
生存现金	10% - 15%	生活、防错、心态稳定	不参与追收益，除非极端机会
机会现金	10% - 15%	市场回撤时加仓	指数或目标股回撤 10%/20%/30% 分批使用
研究确认现金	5% - 15%	新标的、新财报、新产业证据	必须完成投资备忘录

建议采用三档买入规则：

标的进入目标估值区间，先投入计划仓位的 30%。
标的继续下跌但基本面未破坏，再投入 30%。
出现市场恐慌、财报误杀或行业确认信号，再投入最后 40%。

这套规则的核心是避免两个错误：一是永远等不到完美价格，二是第一笔就打满导致后面无法纠错。

7. 风险管理系统

7.1 持仓上限

建议采用以下硬约束：

风险项	上限
单一稳定平台股	15%
单一周期股	12% - 15%
单一中国互联网个股	12%
中国互联网整体	22%
AI 单一大主题整体	45%
非核心试验仓单票	3%
期权权利金总暴露	0% - 5%，默认不使用
融资/保证金杠杆	0，除非未来有成熟风控系统

7.2 回撤规则

组合回撤	动作
-10%	正常波动，只复盘不恐慌
-15%	检查是否由单一因子导致，暂停新试验仓
-25%	重新评估所有核心假设，停止情绪化补仓
-35%	强制降低相关性和周期暴露，优先保护本金
-45%	说明系统失效，进入防守和复盘模式

50% 年化目标下，20% 到 35% 的年度回撤并不罕见。真正要避免的是不可恢复的回撤，也就是由杠杆、过度集中、流动性不足或拒绝承认错误造成的损失。

7.3 卖出规则

每个标的买入前必须写清楚卖出条件。建议至少包括：

基本面破坏：核心增长、利润率、竞争格局或现金流逻辑被证伪。
估值透支：即使乐观假设下未来 2 到 3 年回报也不足。
周期见顶：价格、库存、毛利率和资本开支出现反向信号。
组合失衡：单一持仓或单一主题超过上限。
更好机会：新机会的风险调整后收益明显更高。
行为错误：买入理由变成“涨了所以还会涨”或“跌了所以便宜”。

8. 专业投资工作流

你要从“会买股票的人”升级成“有投资操作系统的人”。建议每周固定产出，而不是只在行情刺激时研究。

8.1 每日流程

时间	任务	产出
30 分钟	市场和持仓扫描	只记录影响持仓假设的信息
60 到 90 分钟	公司/行业深读	一页笔记或更新备忘录
30 分钟	价格与风险检查	仓位、回撤、触发价
30 分钟	AI 能力观察	模型、产品、开发者体验、推理成本

原则：不要把刷新闻当研究。真正的研究必须沉淀为备忘录、估值表、跟踪指标或交易决策。

8.2 每周流程

每周至少完成：

1 份持仓更新备忘录。
1 份潜在新标的初筛。
1 次组合风险检查。
1 次交易复盘，尤其记录没有交易的理由。
1 次 AI 工具/模型体验总结。

8.3 每月流程

每月固定输出一份投资月报，内容包括：

月度收益率、年初至今收益率、相对 QQQ/纳指/恒生科技/沪深 300 的表现。
收益来源归因：个股、行业、汇率、现金拖累。
最大贡献和最大拖累。
本月做对了什么、做错了什么。
下月最重要的 3 个风险和 3 个机会。

8.4 每季度流程

财报季是主战场。每个核心持仓都要更新：

收入、利润率、自由现金流、资本开支。
管理层指引变化。
市场最关心的问题是否变化。
你的原始买入逻辑是否仍然成立。
未来 12 个月最重要的催化剂和风险。

9. 投资备忘录模板

每个正式持仓都应该有一页备忘录。模板如下：

项目	内容
标的	代码、市场、币种
当前价格与市值	填入日期和价格
买入理由	最多 3 条，必须具体
市场共识	市场现在相信什么
我的分歧	我为什么可能比市场看得更准
关键指标	3 到 5 个可跟踪指标
估值区间	熊/中/牛三种情景
预期收益	12 到 36 个月目标，不做虚假精确
主要风险	至少 3 条
证伪条件	发生什么必须认错
仓位计划	初始仓、目标仓、上限
加仓条件	价格条件 + 基本面条件
减仓条件	估值、仓位、基本面或机会成本
复盘日期	财报后、重大事件后、每季度

不写备忘录的仓位，只能算灵感仓，不能算专业投资仓。

10. 软件开发与投资的最优平衡

10.1 你的开发定位

Huntly 和情绪星 APP 现在应被定义为：

创造力容器。
AI 体感训练场。
投资研究工具的试验田。
长期可选项，而不是当前主业。

这很重要。因为如果你既想靠投资实现 50% 年化，又想认真经营两个产品，还想频繁写新功能，注意力会被切碎。当前阶段的最优策略是：产品不死，主业不乱，开发服务投资。

10.2 时间分配建议

如果你现在主要靠投资赚钱，建议采用以下时间结构：

模块	每周时间	目标
投资研究与组合管理	28 - 35 小时	主业，决定资产增长
AI/软件实验	6 - 10 小时	增强投资判断和工具能力
Huntly/情绪星维护	2 - 5 小时	保持产品生命，不追求重运营
复盘与身体状态	4 - 6 小时	保证长期决策质量

建议规则：

交易时间内不写无关功能。
财报季优先级高于产品功能。
每周只允许一个主要代码目标，避免多线程消耗。
所有开发任务必须回答：它是否增强我的 AI 理解、投资效率或长期创造力？

10.3 你最该写的不是普通功能，而是投资操作系统

建议把开发精力集中到以下工具：

持仓与风险仪表盘：自动显示仓位、主题暴露、币种、回撤、盈利贡献。
财报和电话会摘要系统：抓取 transcript，提取收入、利润率、CapEx、指引、管理层语气变化。
AI 产业链跟踪器：模型能力、推理成本、GPU/HBM/云资本开支、电力需求、应用收入。
投资备忘录库：每个标的都有版本记录，方便复盘当时为什么买。
决策日志：记录买入、卖出、未买、未卖的理由，季度复盘是否正确。
估值模板：用统一结构做熊/中/牛三情景，不追求复杂，但追求可比较。

这类工具比普通产品功能更直接服务你的主目标。写代码仍然有创造感，但不会偏离投资。

10.4 Huntly 和情绪星的处理方式

建议给两个产品设置“低维护协议”：

产品	当前定位	每周上限	继续投入条件
Huntly	知识管理和投资研究素材库	2 - 3 小时	能显著提升研究效率或自然增长
情绪星 APP	情绪/自我观察/创造性产品	1 - 2 小时	能改善你的投资心态或自然增长

如果未来其中一个产品出现自然增长、付费转化或强用户反馈，再重新评估是否投入更多。否则，不要让产品野心抢走投资主业。

11. AI 投资判断的研究框架

你写代码的最大价值，是能亲自感受到 AI 能力边界的变化。这是很多纯金融投资者没有的优势。建议围绕以下问题持续跟踪：

11.1 模型能力

编程能力是否继续提升？
多步 agent 是否从演示变成可靠工作流？
长上下文是否真正提高生产力？
多模态是否带来新入口？
开源模型和闭源模型差距是在扩大还是缩小？

11.2 成本曲线

推理成本下降速度是否快于需求增长？
小模型、本地模型、专用模型是否侵蚀大模型 API 利润？
算力瓶颈从 GPU 转向内存、网络、电力还是软件优化？

11.3 应用层收入

哪些 AI 产品有真实留存和付费？
AI 是提升老产品利润率，还是创造新收入？
企业客户部署速度是否被安全、成本和流程拖慢？
开发者工具是高频刚需，还是容易被平台整合？

11.4 基础设施链

GPU、HBM、网络、交换芯片、电力设备、液冷、数据中心 REITs 谁捕获价值？
云厂商 CapEx 是否继续加速？
资本开支最终是否能转化为收入和利润？
供给扩张是否开始压低回报率？

11.5 中国 AI

国产模型能力与海外差距如何变化？
算力约束如何影响应用创新？
阿里、腾讯、字节、百度、华为等生态谁更可能捕获价值？
中国 AI 应用是否更快落地在电商、内容、教育、制造和企业服务中？

你每周的 AI 体验和代码实验，都应该最终沉淀为这五类判断中的一类。

12. 未来 90 天执行计划

第 1 周：建立投资控制台

确认所有账户、币种、现金和持仓。
建立总资产表，统一折算美元和人民币。
给每个持仓写一页投资备忘录。
设置单一持仓、主题、币种和现金比例上限。
明确 MU 的减仓/持有/加仓条件。

第 2 到 4 周：补齐研究系统

做 GOOGL、META、MU、阿里、PDD、美的的深度更新。
给每个标的建立 3 个关键跟踪指标。
建立 AI 产业链观察表。
确定现金部署价格区间和触发条件。
清理小到无意义的仓位，避免注意力被碎片化。

第 2 个月：形成组合再平衡方案

判断是否把现金从约 40% 降到 20% 到 25%。
判断是否把 META、MSFT 或其他 AI 平台资产提高到有效仓位。
判断是否压缩中概重复暴露。
判断有色 ETF 是提升到有效对冲仓，还是退出。
开始记录相对基准收益和最大回撤。

第 3 个月：复盘与迭代

输出第一份月报和季度复盘。
对所有交易做结果归因。
检查是否遵守仓位上限。
检查代码时间是否真正服务投资。
决定下一季度主攻 2 到 3 个行业主题。

13. 一周时间表建议

星期	投资重点	开发重点
周一	组合风险、宏观和市场结构	不安排重开发
周二	持仓深读、财报材料	1.5 到 2 小时投资工具开发
周三	新标的研究、估值	不安排重开发
周四	AI 产业链跟踪	1.5 到 2 小时 AI 实验或工具开发
周五	周度复盘、下周计划	轻量修 bug
周六	深度研究或长文阅读	3 到 4 小时创造性开发
周日	休息、身体、情绪复盘	最多 1 小时产品维护

这套节奏的关键是：投资每天都有主线，开发每周有出口，产品不会完全停掉，但也不会反客为主。

14. 应立即避免的错误

为了追求 50% 年化而使用融资或裸期权。
因为 MU 浮盈大，就放弃对周期拐点的警惕。
同时持有阿里、PDD、中概，却没有计算真实重复暴露。
把现金当成失败，而不是当成等待高赔率机会的选择权。
用写代码逃避投资决策的焦虑。
用投资行情刺激替代深度研究。
把 AI 叙事当成所有公司都能上涨的理由。
小仓位太多，导致注意力被无意义地分散。
没有交易日志，只记得赚钱的理由，忘记亏钱前的想法。
在身体和情绪状态差时做大额决策。

15. 当前最优行动清单

按优先级排序：

先做总资产表。 明确所有账户、现金、币种、持仓、成本和盈亏。
给 MU 写专门备忘录。 它是当前收益贡献核心，也是必须严肃管理的周期仓。
合并审视中国互联网暴露。 阿里、PDD、中概必须按同一风险因子管理。
把现金定义成计划，而不是空白。 写清楚什么价格、什么事件、什么证据触发投入。
把 MSFT 这类象征仓清理成“观察”或“正式”。 不要让无效仓位占据心智。
每周只写一个投资相关代码功能。 优先做持仓仪表盘、财报摘要、AI 产业链跟踪。
开始月度投资报告。 没有复盘，就不会形成专业能力。
设定组合回撤红线。 50% 目标可以进攻，但不能允许一次错误毁掉本金。

16. 结论

你现在最该做的，不是简单地在“投资”和“软件开发”之间找平均分，而是重新定义它们的关系：

投资是现金流和资产增长主业；软件开发是 AI 认知、研究效率和创造力的增幅器；产品是长期可选项，而不是当前注意力中心。

在这个前提下，你追求 50% 年化的最优路径是：集中但不赌命，进攻但有现金，理解 AI 但不迷信 AI，写代码但让代码服务投资。当前组合已经有不错的 AI 和中国资产暴露，也有足够现金弹药。下一步的胜负，不在于马上买什么，而在于你能否建立一套稳定运转的专业投资系统。

如果这套系统连续运行 12 个月，你会得到比一次预测更有价值的东西：你会知道自己的真实能力圈、真实胜率、真实回撤承受力，以及哪些投资判断来自能力、哪些只是行情奖励。

这才是以当前资金体量向更高年化收益进攻时，最可靠的最优解。