有用的问题不只是这个故事听起来是否可信，而是：如果它正在变成现实，什么必须被建设、供应、融资、审批或运营——以及产能、电力、供应、资本或部署会首先在哪里开始收紧。
这些压力点是早期证据，而非证明。Critical Mass 追踪下一个转变：压力是否真的把资金、合同、产能和运营投入拉进系统。
陈述主张
把承诺、它的假设、以及已经被定价或融资的未来，与用来检验它的证据分开。
找到现实收紧的位置
识别为了让主张推进，什么必须变得稀缺、昂贵、延迟、受监管、需要建设或融资。
检验资源是否被调动
寻找已投入的资本、已签订的合同、已扩张的产能、采购变化，以及围绕该技术重新配置的运营资源。
读出经济结果
追踪谁获取价值、谁承担资本与成本、谁控制瓶颈，以及谁仍暴露于执行、周期、监管或融资风险。
首个完成的主题，把这套方法应用到横跨算力、代工、存储、设备、网络、电力与散热的八家上市公司。
用发行人经济检验叙事
发行人层面的指标比较收入、利润率、再投资、周期性与价值链位置。目标不是分离出「纯 AI 收入」，而是识别 AI 需求抵达每家公司的财务特征。
解释同样的需求为何落点不同
文章把公开证据与技术约束连接起来，解释数字背后的系统。它们是解释性研究，不是估值或投资覆盖。
平台利润获取
当平台控制系统中最有价值的一层时，需求会把利润集中到那里。
制造资本负担
支撑建设的公司可能必须最先、最重地投入，即便它们仍保有定价权。
瓶颈经济
稀缺的设备、制造产能或基础设施，可能控制整条链路的推进节奏。
周期与传导风险
存储、网络、电力与散热可能接住需求，却保有截然不同的周期性、利润率与执行暴露。
梳理依赖
建模决定一项技术能否规模化的资产、关系与约束。
让主张可核查
连接公司、披露、指标、来源、时间、假设与已知局限。
公开推理过程
把证据变成可导航的论证，而不把市场关注当作证明。
我定义了分析方法，搭建了证据结构，设计并开发了网站，并撰写了通过它发布的研究。
研究设计
定义了「故事 → 压力 → 需求 → 分配」的方法，并将其应用于整条 AI 基础设施价值链。
上市公司分析
用公开披露文件构建发行人对比，包括指标构建、来源映射与局限说明。
产品与网站搭建
设计了在线网站的信息架构、界面、归档、阅读流与实现。
研究表达
撰写框架文章与分析笔记，把技术约束连接到商业与经济结果。
