DE ÅTTA LAGREN AV DEN VERKLIGA AI-BOOMEN 1. $NVDA, $AMD, $ASML, $ARM och $AVGO designa och tillverka de processorer som AI-modeller körs på. 2. Dessa chip fungerar bara i stor skala tack vare nätverk och optik där $ANET, $CRDO, $CIEN, $LITE och $AAOI flyttar enorma mängder data mellan servrar, rack och hela datacenter så att AI-system kan fungera som en enhet. 3. $VRT och $DELL sedan tillhandahålla de fysiska systemen som servrar, kylning och energihantering som håller AI-systemen igång oavbrutet under extrema belastningar. 4. Minne och lagring gör AI-intelligens användbar där $MU, $SNDK, $WDC, $STX och $PSTG lagrar den data som modellerna tränas på och hämtar när de genererar svar. 5. Bakom kulisserna finns beräkningsoperatörer som $IREN, $CIFR & $WULF som tillhandahåller storskalig, energisäker infrastruktur som kan köra AI-arbetsbelastningar kontinuerligt. 6. Eftersom AI:s energibehov inte är jämnt blir batteri- och energilagring kritiskt där $EOSE och $FLNC stabiliserar belastningen genom att lagra energi och frigöra den när efterfrågan på datacenter skjuter i höjden. 7. Inget av detta fungerar utan elektricitet som $VST, $CEG, $TLN, $OKLO, $BE och $GEV genererar och lyckas hålla AI:n igång dygnet runt. 8. Ovanpå allt detta finns molnplattformar som $MSFT, $GOOGL, $AMZN och $ORCL tillsammans med neomoln som $NBIS, $GLXY, $CRWV och $APLD som omvandlar rå infrastruktur till AI-kapacitet som företag hyr per timme.

Moderna chip blir bara snabbare eftersom vi kan packa miljarder små strömbrytare på kisel i så små skalor att bara en maskin i världen kan tillverka dem. $ASML EUV-verktyg är den maskinen.

$RKLB & $ASTS utgör nu 23 % av min tillväxtportfölj. Det borde berätta hur jag tänker kring rymden år 2026.