Gaetano 分析 Physical AI 的核心工具，是一個他自稱「11 層（11 layer）」的投資框架：把「AI 走進物理世界」所需要的整條硬體與系統堆疊，由下而上拆成若干「層（layer）」，然後一層一層研究、一層一層發表。這個框架是理解他所有個股文章的骨架——他的每篇深入報告，幾乎都能對應到某一層。
框架的用途：不是選股清單，是「地圖」
他明說研究每一層的目的不是直接推銷單一公司，而是要回答三個問題：
- 這一層整體可投資嗎（investible as a whole）？
- 我們現在在這一層的投資時間軸上的哪個位置？（太早、剛好、還是已被定價）
- 哪幾家公司在這一層卡到最好的位置？
他描述自己的固定流程是：先重新介紹該層 → 判斷是否可投資、時間點如何 → 點出定位最好的幾家公司；「不會以推銷單一公司作結」。只有等他研究到足夠信心，才會把某家公司獨立寫成一篇「full deep dive」並實際建倉。他把這稱為「可重複的流程（repeatable process）」，打算用它逐週逐月把整個主題覆蓋完。
已公開對應到的層（依他發表內容歸納）
以下是可從他公開文章標題與免費段落確認的層級對應。需要說明：不同貼文對「第幾層叫什麼」偶有出入（例如 Layer 1 在一處寫「Training & Model Development」、另一處的新持倉又標「Layer 1 - Data」），完整 11 層清單鎖在付費內容裡，本專欄只列可佐證的部分：
- Layer 1 — 訓練與模型開發／資料（Training & Model Development / Data）：他把最底層定位為模型與資料，並在此層開出第一批標的。
- Layer 3 — 他口中「exciting layer（最令人興奮的一層）」：具體內容未在免費段落展開。
- Layer 4 — 邊緣運算（Edge Compute）：他做了「edge compute layer」的深入報告，並整理該層的 company map。
- 感知層（Perception layer）：他另做了「perception layer」深入報告，代表性標的是 Ouster（$OUST，光達／LiDAR），他形容其可能成為「Physical AI 的感知平台」。
- 連接／網路層（Networking / Connectivity）：他寫過「the layer beneath the layer」，談 agentic AI、分散式園區與 AI 建置的網路層，把光學主線與 Physical AI 接起來。
（層與層之間的編號請以他原文為準；本專欄的重點是這套「分層＋逐層深挖」的方法本身，而非把 11 層背下來。）
這個框架的合理性與盲點
合理處：把一個龐雜主題拆成可管理的層、分別判斷「金流何時到哪一層」，是產業分析常見且務實的做法；他也誠實區分「整層可投資」與「單一公司深挖」兩個階段，不會一上來就喊單。
盲點：層的切法與編號是他自訂的，缺乏公認標準；「哪層何時 accrue dollars」的時間判斷本質上是預測，事後才知道對錯；而且真正把每層落到「買哪支、買多少、何時買」的結論，多半在付費牆後面，公開讀者只拿得到框架與方向。詳見 客觀檢視。