美股AI半导体财报与电话会

解决财报季信息碎片化

美股财报数据是分阶段到达的：财报当晚只有 8-K 新闻稿披露营收和指引，现金流等明细要等数天后的 10-Q 才落地；各家财年起始月不同，直接比较公司自报的 Q1/Q2 毫无意义。us-ai-semi-earnings 按日历季对齐数据，统一处理披露节奏差异，保证横向比较基准一致。

核心能力与工作流

该技能不只是抓数，而是一条完整的投研流水线：

• 全样本扫描与漏斗筛选：运行 scripts/earnings_scan.py 拉取约百家公司的 XBRL、新闻稿与一致预期，脚本按增速和体量生成优先级漏斗，决定先读谁。
• 模型深度研判：模型读取决策包后逐家分析，拆解三口径增减、GAAP 与 non-GAAP 的股权激励稀释差异、现金流成色，并把每档判断写进 reports/usearn_verdict_.json 台账。
• 电话会增量挖掘：电话会是判断真实需求的唯一来源。通过 read_source.py 抓取全文并切分问答，识别管理层对产能、存货与指引细节的表态。

适用边界与注意点

这是面向行业研究的跟踪工具，不提供任何买卖建议与目标价。脚本只完成取数与机械漏斗排序，“谁真正交付了、利润是不是真的”必须由模型结合电话会原文判断。

受免费接口配额限制，部分公司的电话会当晚无法取到，transcript.status 会标记为 pending；原文缺席时模型克制推测，只输出数字能支撑的结论。部分 ADR 公司因披露制度差异报表天然缺失，这并非取数失败。