MINE 3 STØRSTE FEIL I VEKSTPORTEFØLJEN 1. Ikke bygge størrelse i de rene dronenavnene når vinduet sto vidåpent. Jeg så muligheten i $ONDS, kjøpte aksjer for 0,73 dollar, men solgte for 3,17 fordi flyttingen føltes for rask. Jeg startet stillingen på nytt til 5,26 dollar, men nølingen kostet meg litt oppside. 2. Jeg trodde AI-verktøynavnene som $IREN og $CIFR var bygget for det jeg kaller overflow-æraen, som er det korte vinduet med høy margin hvor etterspørselen etter AI-beregning overstiger det $AMZN AWS, $MSFT Azure og $GOOGL Cloud kan tilby. Det jeg undervurderte, var hvor lenge den ubalansen ville vare og hvor umettelig etterspørselen etter datakraft ville bli. Jeg eier begge navnene nå. 3. Jeg satte $HOOD på overvåkningslisten min i 20-tallet, men la den aldri til fordi jeg så den gjennom et vareperspektiv og ikke innså hvor kraftig oppmerksomhets-monetiseringsmotoren ble med mer enn 11 forretningslinjer som genererte over 100 millioner dollar i året. Å reflektere over feilene mine er alltid en del av prosessen min. Leksjonen er ikke å være mer aggressiv bare for aggresjonens skyld, men å erkjenne når frykten for å være for tidlig, ubehag med momentum eller overmot i en tidligere antakelse former beslutningene mine på måter som trekker meg ut av de trekkene som faktisk skaper langsiktig sammensatt effekt.

Eric Schmidt beskriver effektivt en forgrening i det globale AI-systemet som vil definere det neste tiåret. USA bygger lukkede grense-stacks, mens Kina sår verden med gratis LLM-er som alle oppstartsbedrifter kan ta til seg. Kinas strategi gir mening for meg fordi landet har den lavest kostnadsbaserte energibasen for AI, så åpen sourcing av modellene deres akseler økosystemadopsjonen på globalt nivå. Men selv om Kina slipper millioner av små åpne modeller, ender de mest verdifulle arbeidsbelastningene fortsatt opp med å kjøre på $NVDA maskinvare, inne i $AMZN, $MSFT og $GOOGL skyer samt på bedriftsplattformer som $PLTR, $SNOW og $NOW. Kinas åpne kildekode-satsing utvider trakten, men toppen av verdikjeden forblir den samme.

$GOOGL fortjener å bli verdsatt som et ~400 dollar selskap fordi det er den eneste aktøren som kontrollerer hvert lag i AI-stakken og samler dem innenfor ett økosystem. AI-silisium • Google bygger og trener på sitt eget silisium, noe som betyr at TPU-er fjerner $NVDA påslag som alle andre aktører betaler, og skaper en strukturelt lavere beregningskostnad. Det faktum at $META & Anthropic allerede er i aktive diskusjoner om å kjøpe TPU-kapasitet for milliarder av dollar, bekrefter at Googles maskinvarestrategi fungerer i stor skala. AI Data Engine • Google trener også på verdens rikeste sanntidsdatakorpus. Søk, YouTube, kart, Gmail, Chrome og Android gir en kontinuerlig strøm av brukeratferd som forbedrer modellen hver gang folk går over til AI-drevet bruk. AI-hjernen • Selskapet opererer nå en frontlinjemodell med Gemini 3, som trenes helt på egne brikker og integreres på alle større produktoverflater. KI styrker søk, akseler skyen og utvider inntektspotensialet til YouTube. I stedet for å skape risiko slik mange sa det ville, utvider AI faktisk rullebanen for hvert kjernesegment. AI-nettverk • Googles distribusjonsfordel kan være det viktigste laget. Selskapet kan implementere nye AI-funksjoner til milliarder av mennesker umiddelbart via Søk, YouTube, Android og arbeidsplass. En enkelt oppdatering endrer oppførselen til hele internett fordi disse plattformene allerede dominerer global mobil-, nettleser- og videotid. Google vant.