前情提要：我看到的線索（觀察而非實測）

我不是在實測交易席位，也沒有你那種「盯盤盯到眼睛乾」的習慣；我做的是 觀察：把麥可·貝瑞（Michael Burry）在 2026/4/10 透過 Substack 公開的持倉/操作敘事，拿來對照市場常見的資本支出、估值計價與供應鏈承接方式。這次他提到：他已買進 京東（JD.com）、阿里巴巴（Alibaba）與 GameStop；同時在 Nvidia 進行「高價賣權（put）操作」，並在 Palantir 的研發商持有 長期賣權，認為該公司估值偏高。這不是單純的投機口嗨，因為他用的是期權與多空組合，而不是只押單一方向。

這類訊號通常會讓兩種人同時焦慮：一種是「AI 熱潮追高者」——你到底是看多還看空？另一種是「價值派」——你為何又在買多？貝瑞的答案，往往藏在他用期權去描述的不確定性：他可能相信某些產業長期需求沒死，但也相信「定價」可能先跌一輪。

為什麼貝瑞同時買多與買對沖：他在 2026 把期權當成「風險校準器」？

用一句話翻譯貝瑞的手法：「先買你覺得不會完蛋的部位，再用賣權處理你最擔心的壞情境。」 他在 Substack 的動態裡，提到多空策略與期權操作邏輯；也指出 Palantir 估值偏高。這種配置常見於對「商業成長」與「估值波動」同時敏感的投資人。

從市場結構看，這裡有三個層次：

• 層次 1：成長型現金流敘事要活著——例如他買入京東、阿里巴巴這類大型平台，市場通常關注的是消費/雲端/物流與廣告體系的長期韌性。
• 層次 2：波動不是噪音，是估值機制——Nvidia 的 AI 產能與供應鏈熱度，會讓市場在某些時段過度定價。
• 層次 3：期權把「尾端風險」先算進成本——你不需要精準預言跌多少，但你得知道自己最怕什麼。

Pro Tip（專家見解）：你看見的是「買多 + 買賣權」，但你真正要學的是 風險框架。期權不是在跟市場吵架，是在告訴你：就算長期方向對了，你仍可能輸在「折現率」或「情緒定價」。所以研究時先拆估值，再談信仰。下面這張 SVG 小圖，幫你把它視覺化。

新聞事實佐證：貝瑞在 2026/4/10 的 Substack 動態透露他買進 JD、阿里巴巴與 GameStop，並在 Nvidia 進行高價賣權操作，同時持有 Palantir 的長期賣權、認為估值偏高（來源可見 CNBC 等報導彙整）。

（你如果要追原始脈絡，先從他提到的 Substack/後續媒體整理讀起會比較快。）

Nvidia 的高價賣權在暗示什麼：AI 基礎建設是長跑，還是被高估的瞬間？

Nvidia 在 2026 的市場位置太特殊了：它不只是「賣顯卡的公司」，而是成了 AI 基礎建設的核心槓桿。你可以把它理解成一個供應鏈中心節點——只要需求繼續往資料中心與訓練推進，市場就願意給高倍數。

那問題在哪？在 價格。當估值變得太擁擠，哪怕基本面沒有立刻翻車，資本市場也可能先用「折現率上升」或「預期修正」把風險定價。貝瑞選擇在 Nvidia 做 高價賣權，這在直覺上是在說：他不一定否定產業長期需求，但他要保留面對「短期回撤」的彈藥。

數據/案例佐證（用產業規模去接）：Gartner 於 2026/1/15 公告預測：2026 年全球 AI 支出將達 2.52 兆美元、年增 44%。這個規模告訴我們兩件事：第一，AI 不是在退潮；第二，退潮不會靠「需求消失」決定，而會靠「資本配置效率」決定。當支出還在爆量，市場反而會把焦點放在「誰能把這些錢變成可交付的收入」。

如果你拿這套框架去看 Nvidia 的賣權，就會比較不糾結：它不是否定 AI，而是提醒你 市場定價速度往往比技術成熟更快。

Palantir 長期賣權與「估值偏高」：軟體變現速度會卡供應鏈嗎？

Palantir 的敘事通常圍繞在政府與企業數據/決策系統整合。貝瑞在 Substack 訊息提到他持有 Palantir 的長期賣權，並直指公司估值偏高。這裡你要抓住一個關鍵：估值偏高不一定等於「產品沒用」，它更可能等於「市場對未來收入與折現率的假設太樂觀」。

為什麼這會對整個供應鏈有影響？因為當軟體公司被高估，資本市場會把壓力轉移到現金流的可見性：更嚴格的合同續約、更多 Proof-of-Value、甚至延後採購週期。這種壓縮會讓「需要長交付週期」的解決方案先被打折。

新聞事實佐證：依 CNBC 等後續報導，貝瑞在 2026/4/10 表示仍持有對 Palantir 的長期賣權，理由是對公司估值與前景的判斷偏向保守（同時他也提到對 AI 公司的資本市場情緒與定價有疑慮）。

最後用一句比較不客套的話收尾：你可以相信 AI 軟體會變重要，但你也要承認市場很會用估值懲罰「兌現速度不夠快」的敘事。

你要怎麼用這套邏輯自家規劃 2026～未來：行動清單與風險預警

把貝瑞這次操作拆成可執行的動作，你不用複製他的交易，但你可以複製他的「思考順序」。

🛠️ 行動清單（照做會更像真的在研究）

1. 先抓產業資本支出天花板：以 Gartner 的全球 AI 支出預測為參考框架（例如 2026 年 2.52 兆美元、年增 44%），你至少知道市場資金的方向不是往下。
2. 再找估值敏感點：把你關心的公司分成「供應鏈硬體」（比較跟算力節奏走）與「軟體變現」（比較跟合同續約與 ROI 走）。估值壓力常出現的位置不同。
3. 最後建立情境表：用三情境寫下來：樂觀（需求持續）、中性（投資回歸可見 ROI）、悲觀（折現率上升、估值回吐）。你會發現：不是每個標的都在同一個情境裡同步變差。

⚠️ 風險預警（這裡真的要小心）

• 期權思維不等於你也要用期權：但如果你不理解成本與時間價值，硬上只會覺得自己「方向也對為什麼還虧」。
• AI 長跑不代表股價一路上坡：市場可能先修正定價，再談成長驗證。這就是為什麼貝瑞會同時做多與做賣權對沖。
• 供應鏈傳導有延遲：軟體公司被估值壓力影響後，採購節奏可能分段，最後反饋到整體交付與現金流。

一個很實用的小問題

當你看見「買進某股 + 同時買賣權」時，先問自己：他在保護的是什麼尾端？是需求、還是定價？ 你對尾端的定義不同，研究結論就會不同。

FAQ

Q1：貝瑞這種做法適合散戶直接照抄嗎？

不建議直接照抄。你可以把它當作「研究與風險定義」的範本：先拆估值、再拆情境、最後才談部位與風險工具。不了解風險工具的人，應該先從情境表與成本觀念開始。

Q2：AI 支出很大，是不是代表所有 AI 股票都會一起漲？

不是。AI 支出代表產業資本方向，但股價通常會先反映「定價假設」是否合理。估值敏感的公司會更受到折現率與預期修正影響。

Q3：如果我不做期權，有什麼替代做法？

用「分層投資」取代期權的對沖功能：把部位分成長期核心與短期風險敏感部分，並設定情境觸發的再評估機制。你要做的是把風險管理做成流程，而不是憑感覺。

CTA 與參考資料

• 貝瑞 Substack 操作動態（媒體彙整入口）：CNBC 對其 2026/4/10 Palantir 長期賣權與相關觀點的報導（連結見下）。
• 權威市場規模數據：Gartner 公告：2026 年全球 AI 支出預測達 2.52 兆美元、年增 44%（作為供應鏈資本支出背景）。
• 期權概念參考（理解買/賣權）：Wikipedia 提供對 put / call 基本概念的入門說明（用於術語校準）。

CNBC：Michael Burry says he’s still betting against Palantir after Trump post boosts stock

Gartner：Worldwide AI spending will total $2.5 trillion in 2026

Wikipedia：Options（put/call 基本概念）