YouTube 每日内容简报

AppLovin 的创始人罕见地公开讲清楚了这家"没人听说过的最好的公司"的底层逻辑，也是今天唯一一条非宏观证据链。

手游是一个被系统性低估的广告市场，规模已经等同于"社交曾经的规模"。 每天有超过 10 亿成年人在玩休闲手游——不是青少年，而是家庭户主。公司 2024 年 1 月披露自有平台年广告支出 110 亿美元，此后年增长约 60%，粗算今天约 200 亿；把生态内其他广告公司计入，整个手游广告市场约 500 亿美元/年——"不久前社交也只是 500 亿的机会"。用户看广告常常是为了换取奖励，这个机制天然创造了"意图"，而 AppLovin 长期做的就是把这个意图从一个游戏带到下一个游戏。

广告是 ML 1.0——推荐系统的第一次大规模商业实现，而且与 LLM 同源。 Foroughi 的判断是：广告是深度学习最早、最赚钱的落地场景；推荐系统与 LLM 结构不同但轨迹同源，研究成果双向流动，很多 LLM 研究者早期就在做广告系统。广告模型的关键优势在于"预测的价值可以立刻被翻译成钱"——不需要等待漫长的变现路径。

AI 对广告业的冲击必须分两层看，这决定了谁被淘汰。 底漏斗（bottom-of-funnel）广告是用户已经知道要买什么、只做研究以完成交易的场景——这是 Google 搜索的生意，会被 LLM 直接吃掉，而那笔交易本来也会发生，所以不创造增量经济。AppLovin 与 Meta 在的是 discovery 侧：给用户展示一个他根本不知道存在、也不知道自己需要的东西，这才是净经济扩张。他由此反驳"AI 会杀死广告网络"的叙事——被杀死的是检索型，而 discovery 型的价值反而在上升。

隐私监管的正确答案是"规则清晰"，而不是"更多规则"。 Apple 的 ATT 与欧盟的收紧确实改变了精确投放，但 Foroughi 的观察是：规则一旦明确，技术就能适配——把用户分组、投放相关性更差的广告。真正的反讽来自用户反馈本身：规则收紧之后，投诉最多的是"给我看更相关的广告，你们在给我看垃圾"。消费者要的确实是相关广告，这也是他愿意接受监管的原因：让技术公司知道"被期望做什么"。

−92% 的回撤是如何被变成一次 60 亿美元的自我投资。 2021 年 4 月上市，$600M EBITDA 对应 $280 亿市值；2022 年股价"literally every day"下跌，市值跌到 $38 亿——而同一年公司做了 10 亿美元 EBITDA。他的归因不是宏观而是市场结构：COVID 期间上市潮让蓝筹投资者没有精力研究一家名字古怪的公司，结果是"供给巨大、需求为零"，倍数从 50 倍掉到不足 4 倍。他的反应是停止与投资人沟通（"他们不会买我们的股票，浪费时间"），启动激进回购——累计约 60 亿美元、减少 20–25% 流通股，这笔持仓峰值价值超过 500 亿。同时把通常只给 CEO 的 performance stock plan 扩展到关键员工，制造"我们对抗全世界"的凝聚力。

真正的转折点不是估值修复，而是模型换代：从回归模型到深度学习模型（ML 1.0 → ML 2.0）。 新模型 2023 年 4 月上线，因为此前不跟投资人沟通，市场没有察觉；同年 9 月他恢复路演，一周内股价从 80 涨到 150、市值 $280 亿 → $550 亿。此后 2.5 年里股价从 $9 到 $750、市值从 $38 亿到 $2,500 亿——极端在两端都会发生，因为"真的没那么多逆向投资者"。

84% 的 EBITDA margin 为什么没有被竞争打穿。 他的回答是技术复杂度 + 差异化数据 + 达到规模后的采用惯性形成的三重护城河，并直接用 Anthropic 做类比："按这个逻辑 Anthropic 不该在 LLM 领域跑赢，但一个模型达到规模并被大规模采用之后，它就变成了别人很难越过的 moat。" 另外，公司当年收购游戏工作室纯粹是为了给第一版模型准备训练数据（工作室不愿把数据给第三方），第三方广告主上门后立即剥离。

对 agentic commerce 的怀疑值得记住。 他不认为智能体会取代购物行为：把订阅类、可优化的消费交给 agent 是合理的，但"典型购物者不是 Twitter 上那个深陷 agent 的人"——"我们的受众是《纽约时报》的读者"。人享受逛街、比价、追踪物流的过程本身，$50 的交易省 20% 并不足以抵消这个多巴胺来源。这句话对"AI 会瞬间重构消费互联网"的叙事是一记冷静的降温。

---

华尔街最著名的多头把目标往后推了，本期是理解这轮"预期管理"的最好样本。

目标位移：不是转空，是把年底的 8,400 挪到明年年中。 Yardeni 明确说自己只是"变得没那么牛"，理由全是短期风险密集化：中东战争再升级 → 油价 higher for longer → 通胀压力有更多时间渗入核心（柴油 → 运输成本 → 农业成本），Fed 由此进入紧缩周期且"所有人都已得出结论：不是 one-and-done"，年内可能再加两次；再加上 BoJ 这条线。

BoJ + 日元是过去两年全球长端上行的最佳解释，而他承认这是"理论、没有数据可放进图里"。 日本长期零利率/负利率养出了庞大的 yen carry trade：借日元换成其他货币买全球债券与资产。这个交易要求日本利率接近零、日元保持弱势——两个条件都在失效（日本政策利率已到 1%，且"就在我们说话时"还要再加至少 25bp，日元看起来在筑底）。他观察到的巧合是 BoJ 加息与日本国债收益率飙升同步出现，金融条件收紧由此扩散到全球。被问到"如果 carry trade 彻底消失会有多剧烈"时，他的回答很诚实："一部分可能已经消失……诚实的答案是我不知道，但我们即将知道。" 他还点出一个政策悖论：财长 Bessent 在施压日本加息以支撑日元（担心日元过弱迫使日本抛售美债干预），但如果日本真的成功让市场相信它会持续收紧，美债收益率反而会因为 carry trade 进一步平仓而上升。

债券：4–5% 是旧常态，现在又变成了新常态；他用名义 GDP 而不是绝对水平做锚。 他不像其他人那样对 5% 的 10 年期惊慌——"那正是 GFC 之前的位置"，异常的是中间那段央行把利率钉在零的时期，而"那段异常期结束了"。2023 年 4% → 5% 只用三个月，而5% 处"从来不缺买家"。更重要的框架是：他关注的不是收益率本身，而是收益率相对名义 GDP（当前约 7%）——债券收益率升到名义 GDP 之上时经济才开始放缓，而"现在经济是在燃烧"，所以 4–5% 的收益率反映的是强劲经济，不是威胁。

"G 型经济"而非 K 型——这是本日最有反共识价值的判断。 他公开反对"富人更富、穷人更穷"的 K 型叙事（"听起来太马克思主义"），也直接点名 Moody's"10% 的消费者承担 60% 消费"的研究是"完全的胡说"——反驳方式很生活化：去 Costco 看看，去餐厅看看，不是只有富人在消费。他给的替代框架是：年轻人承受可负担性危机，老年人没有，而且老人在补贴子女。数据层面：约三分之一的家庭户主年龄 65 岁以上，这一群体持有约 $90 万亿净值（加上沉默一代约 $110 万亿），大多没有房贷或已锁定在 3–4% 的利率，正在花钱、正在提前把遗产给子女。他刚从意大利回来，"被美国游客挤爆，其中 90% 是白头发的"。这就是消费韧性的来源，也是他认为"消费者会突然收缩"这个预测难以成立的原因——真正的测试是股市大跌会不会终于把消费者打下来。

估值：FIMO（fabulous earnings momentum）与 PE 收缩同时发生。 今年盈利大涨而估值倍数反而下降，说明分析师极度乐观、投资者相对克制。他给出的事实是 S&P 500 的 PE 从 22 降到约 19、Mag 7 从 30 多降到 20 多、半导体低于大盘。对"熊市/修正"的区分很干净：熊市 = PE 与 E 同时跌（需要衰退）；修正 = 只有 PE 跌而 E 撑住（2022 就是，25% 跌了九个月后回头看是绝佳买点）。他还顺手批评了 CAPE："那是向后看的，我用 forward earnings。"

衰退需要一个信用挤压，他给出两个候选触发器。 第一是私募信贷/PE 市场真的炸掉（此前只有一次惊吓）；第二是债券拍卖没人来——他提到 20 年期拍卖的海外参与度"真的相当差"，并描述一条自我实现的路径：负面新闻越多 → 外国买家越回避 → 收益率恐慌性上行。但他同时给出应对：市场恐慌时往往是买点，因为政策制定者也在恐慌，并点名 Bessent 手里的"bazooka"（他称之为"Bessent put"）——不只是回购一点 illiquid 的 off-the-run，而是直接买长端、用 T-bills 再融资，联邦储备也可能买下其中一部分（因为 Fed 的目标利率就是一个 T-bill 利率）。他评论 Yellen 2023 年的版本"不完全一样"。

债务：他承认自己对这个话题已经麻木了 40 年。 现实是 12 个月利息支出已超 $1 万亿，超过国防支出，且大量旧债要在更高利率上再融资。但他书架上 80 年代那本《Living Beyond Our Means》和"债务炸弹"提醒他：perma-bears 在讲道德故事的时候，别人错过了整个牛市。他的立场因此是程序性的——"当债券市场开始担心时，我再担心"，而债券市场现在正坐在 5% 这道栅栏上。概率上，他把 Roaring 2020s 场景从 80% 下调到 70%，"一切出错"的桶从 20% 升到 30%。

对 AI：不信 CEO 们"请监管我们"，但也不认为 capex 会刹停。 他认为那些呼吁"在我们杀人之前阻止我们"的高管在 gaming the system——想要监管来捕获监管者、把新进入者与开源模型挡在门外；如果真担心，就该自己做产品责任约束。但他对需求的判断是明确的：算力需求不会突然下降（他自己整天用 AI 做研究助理，团队里有人被他叫做"Claudet"，因为它能读 FOMC 会议纪要并和前一个月对比打分），沙特与中国的数据中心建设都在继续，所以"这不是急刹车的局面"。他自嘲"我也有 AI 疲劳"，结论是别挑个股，买半导体 ETF、软件 ETF，或者干脆买 NASDAQ 100 然后十年后再看。

配置清单（本期最具体的部分）： 信息科技 + 通信服务合计约 45% 权重；financials/fintech（银行状况好得多、低垂果实多）；industrials（backlog 足以支撑两年利润）；healthcare 尤其 biotech（牛市里被落下，会受益于技术革命，医院正在数字化）；materials（铜、钢、铝——他自己承认一开始忘了说）；energy（作为地缘对冲的长期超配）；small caps（无衰退 + 利率稳定后受益）；新兴市场用 EMXC（除中国），并且明确"不投中国——历史上中国适合交易者，长期投资者没有好结果"。他还补了一句值得记下的警告：2030 年代与 1930 年代押韵，那是一个地缘与经济都很糟糕的十年。中期选举则在他的 worry list 上：共和党若丢掉众议院 → 再度弹劾 → 党争加剧，而债务危机恰恰需要两党在周末达成一致（他自己反问"就算他们彼此说话，这概率有多少"）。

---

Jeff Snider 与 Steve 用一整期把"需求破坏"从假设变成可观测数据，是今天最直接的实体经济证据。

需求破坏已经不再是风险，而是正在发生的事。 墨西哥主要旅游目的地的国际航空到达：Cancún −6%、Los Cabos −8%、Puerto Vallarta −20%。原因不是墨西哥变贵（比索计价的东西反而更便宜），而是美国游客不来了：家庭预算被挤压 + 航煤成本推高机票。Snider 的那句拆解很精准——"这不是地缘政治问题，是人打开订票页面看到价格然后说：这个价钱我们哪儿也不去。"

航空公司已经用"运力规划"这个委婉语说出了裁员。 American Airlines 的 CEO Robert Isom 说若燃油价格维持当前水平并继续走高，"将需要对我们的运力规划做出一些调整"，同时公司强调"我们不是为了让市占率最大而飞，而是为了盈利和现金流最大而飞"。翻译过来就是：需求疲软 + 成本高企时，某些航线和班次不再有经济意义 → 航班取消 → 机组、地勤、机场人员的工时与岗位先被削减。Snider 强调这只是可选支出传导链的最前哨，后面还有酒店、餐饮、地面交通。

市场已经定价了这条链：消费可选是今年最差的板块。 S&P 500 消费可选指数 2026 年下跌超过 5%，而同期大盘上涨 11%——"针对消费者的宏观论证变得越来越强"。Snider 特别提醒不要把这当成孤立数据点，尤其当住房市场也加入进来时：需求破坏正在从度假和航班扩散到住房、工厂和金融市场。

8 月"漂亮的"零售销售其实是最不祥的信号——购买被提前透支了。 消费者已经接受"能源冲击会持续数月甚至更久"这个新现实（过去这类冲击是尖峰后回落，这次不同），于是行为变成：砍掉旅行计划，同时把该买的东西现在全买掉，因为预期短期价格还会涨。零售商与批发商的库存累积也是同一个逻辑的另一面。Snider 用"当从没听过 crack spread 的人开始讨论 crack spread，你就知道问题严重了"来形容主流认知的转变，并指出这已经是第二次冲击（第一次油价回落给了虚假的安心）。他还指出一个具体的抢购触发点：FedEx/UPS/DHL 的燃油附加费——承运商不会直接涨价，而是把附加费拍上去，于是消费者想起这回事就赶紧下单（网购销售大幅跳升），把返校季和假日季的采购提前到 8 月。他自己也承认这是个"自我实现、自我喂养"的过程。

柴油 → 汽油的二次传导被低估。 柴油走高之后，炼厂会从生产汽油转向生产柴油，汽油因此供应收紧、价格上涨。"你不需要开柴油车，也会通过汽油价格体会到柴油短缺。" 他们给出的路径判断是：现在处在能源冲击"下一真实阶段的领先边缘"，而不是尾声；Walmart 的数据（消费者每次加油不到 10 加仑）是他们用来证明"油费已经挤占了其他预算"的日常证据。

劳动市场的传导有时序，而休闲与酒店业是最薄弱的环节。 到目前为止 initial claims 与 continued claims 都看不到，ISM 里只有轻微收缩迹象——但 Snider 提醒这可能只是工时被削减而不是裁员，两者对收入的伤害程度不同但方向一致。关键在于：休闲与酒店业是过去多年就业市场少数几个真正的增长出口，一旦可选支出被真正砍掉，这些（本来就不是好工作的）岗位会最先消失，而"岗位消失"本身又会反馈到消费。他在制造业找到的同类证据是：8 月工业产出环比 −0.3%（预期 +0.3%），主因是汽车制造商主动减产——他们明确说"销售看起来不错，但我们不预期持续，而且我们一直在销售之上积累库存"。也就是说，汽车厂自己在说 8 月的好数据是暂时的、会在未来几个月被"还回去"。

"被困住"是本期最重要的机制解释。 消费者与企业同时面对三个逆风：食品贵、能源贵、利率高。一个具体的死结是换车：从大 SUV 换到中级车省下的油钱抵不过更高的月供（利率太高），所以消费者被锁在原车上——当人们感到没有选择、被困住时，行为才会真正改变，只能去别处削减：不去 Cancún、不去迪士尼。他由此解释了为什么消费者情绪调查"越来越丑"：不是觉得紧，而是觉得除了砍支出之外没有任何办法。企业侧同理：先停止招聘、靠退休与流失缩小编制，但一旦被逼到没有选择，就只能开始裁员——而在裁员真正发生之前，员工听到管理层的讨论就已经开始收缩自己的支出。

结论句值得原样记住：能源冲击与衰退之间的连接机制不是通胀，而是需求破坏。 通胀只是让数字变难看，真正把经济推下悬崖的是家庭预算被迫让位于能源之后、其他所有支出被挤出的过程。他们判断现在看到的还只是"边缘"，接下来会向核心经济扩散。

---

Rayliant 创始人 Jason Hsu 的第三度做客，前半段是中美 AI 竞赛，后半段是本日最完整的因子投资框架，收尾一条反共识的自我修正。

AI 安全与中美竞赛：genie 已经出瓶，单边监管等于自我阻碍。 他对 Anthropic CEO 的公开信给出的判断是两部分：一方面美国确实在"全速推进"AI 开发、对负面后果思考不足；另一方面美国无法管制中国的 AI 发展——能管的是美国公司，而中国"已不再落后几代，也不是美国停手就追不上"。"如果美国停下来，中国企业会直接跃过"，所以任何单边监管都会"只是拖住美国，对整体的 AI 安全没有任何影响"。真要做安全，就必须是 G2 级别的全球协调，而"如果美中不配合，这套就不成立"。

差距的量级已经改变：从落后 20% 到"一箭之遥"。 他回忆自己今年早些时候说 DeepSeek 大约达到了能力的 80%、成本却只有 1/20，而斯坦福近期把中美差距放在 5% 以内。他的结论很直接："今天我们应当假设中国在模型开发上与我们同级，也许在真实世界模型上还有优势。" 他给出的结构性理由不是国别优势而是人才流动——美国头部科技公司的顶尖研究员大量是华人与印度人，"所以中国有大量同样的人在做同样的工作，我们不该感到意外"。至于"中国 AI 公司在哪"，他指出除了 DeepSeek（一家高频对冲基金的副业，因为钱和算力太多）之外，玩家就是中国的大科技公司：阿里、腾讯、百度，与 Mag 7 一一对位。

开源是中国的商业策略，而均衡状态下模型层不产生租金。 中国模型选择开源，本质是因为他们要靠卖硬件赚钱（有硬件与能源优势），而美国公司必须靠闭源模型变现。Hsu 的价值判断很清楚：在均衡状态下，大部分价值不在模型层——开源与闭源会被拉平到"5% 的差异"，而 5% 的差异在实际使用中不可辨别（"就像招人，5 个点 IQ 的差异你根本感觉不到，尤其当价格差很大"）。租金最终流向整合者（把开源模型接上管道、做出应用的层），以及硬件和能源提供者。 他自己的使用体验可作注脚：Kimi K3 已经追上 GPT/Claude 的水平。

中美 AI 竞赛真正的决定性变量是电力，不是模型。 这是本期最有价值的一段。中国在能源上是多源、深度分散的：买俄罗斯、买中东、买阿曼（在霍尔木兹海峡之外），有通往中亚的陆上管道，还有可能是全球最大的太阳能发电与核电，以及超高压输电网络（新疆的廉价太阳能发的电可以送到全国）。而美国的电网是分散的、州级的、老旧的，"没人有动力去修"（Jack 与他在康涅狄格的实况：电线杆旁边就是巨大的橡树，一场风暴就停电）。他的结论句非常干脆："在 AI 的世界里，最终起决定作用的不是技术，而是驱动技术的电力——在能源政策上美国确实落后于中国，这成了我们的脆弱点。" 他还特别称赞这一点上中国的"中央计划"做对了一次："中央计划的问题在于错了会错得很惨，但对了会超级高效。"

硬件会吃掉大约十年的租金，然后才是应用层的黄金期。 他把 AI 的价值分配画成周期：前端是基础设施与全部硬件（DRAM、GPU、服务器、数据中心），因为硬件"更难打开开关"——软件可以今天上线明天收费，而数据中心需要发电机、需要五年建设周期，所以在产能到位之前硬件可以随心定价；一旦所有人把数据中心建成、发电机组交付完毕，就会产能过剩，基础设施变便宜，那时候"应用公司（他叫它们 SaaS）几乎免费地拿到基础设施，在上面搭定制解决方案"——那才是下一波价值创造。他给出的时间尺度是"大约十年的硬件收租期"，并同意对方的补充：这次与以往不同之处在于目前建设量甚至没赶上需求，过去是超前建设，所以这个周期可能比历史更长。

出口管制那班列车已经开走，而且起了反作用。 对中国限制 Nvidia 芯片或 TSMC 代工"已经没有意义"——因为一旦中国意识到这会成为武器，就投入巨大资源自建能力。他承认中国目前离 Nvidia 的 GPU 竞品和 TSMC 的先进制程都还很远，但追赶速度很快且可预测（"DeepSeek 落后 20%，现在 Kimi 落后 5%"），"几年之内他们就会到位"。他的总结是对美国政策的一记反思："我们基本上鼓励了中国在过去由美国主导、他们以前懒得自己做的领域实现自给——必要性是发明之母，而我们给了他们必要性。"

中国市场：去年的完美风暴与今年的观望，以及"零售主导 = 因子沃土"。 去年中国极其出色，因为所有催化剂同时点燃：地产泡沫引发的恐惧退潮、DeepSeek 时刻迫使所有人重新评估中国是 AI 的真正玩家、EPS 从低基数增长、情绪反转。今年则是"和世界其他地方一样"的观望：中东、Fed 是否继续加息、通胀是否会失控、AI 泡沫会不会破——"中国投资者的反应只是更波动"。他反复强调的结构是：中国 80–90% 由零售持有（机构长期资金很少），交易层面过去几乎全是零售、现在约一半是对冲基金（国内外都在用高频信号对抗零售）。这意味着短期过度反应、长期错误定价都很丰富，而且"alpha 必须来自某处——不会来自和你竞争的对手，只能来自不成熟的散户"。印度等市场虽高效但太小；只有中国（以及规模小一个数量级的韩国、台湾）同时满足"大 + 零售主导"。当前竞争集中在超短周期（日内动量/反转，由机器学习程序看量价），长周期基本面因子的机会基本无人问津。

结构是"杠铃"：一端是极有活力的民营科技，另一端是极度无聊的国企。 民营科技侧是中国版 Musk/Gates/Jobs 创建的伟大公司；另一侧是银行、公用事业、烟草、酒类等巨型国企——这些公司 PE 极低、股息率极高、"几乎是类固收替代品"，因为市场都想要成长而不想要它们。他据此建议中国组合可以搭成"高股息 + 高成长"的杠铃。他补充了一个文化观察来解释为什么中国的科技创业者地位高："在美国要靠《生活大爆炸》才让人觉得书呆子很酷，在中国书呆子一直很酷"——考分最高、进最好的高中和大学的人就是最酷的人，这正是后来成为科技创业者的人群。作为对照组，他用韩国说明什么叫不好的结构：零售比例与中国相当，但杠杆使用夸张得多（韩国总统公开鼓励大家 all in Samsung 和 SK Hynix），结果是这个"指数"其实只有两只同步波动的股票——"这不是高效指数，它难以跑赢的唯一原因是你很难跑赢两只股票"。

中美关系的定性：无法离婚、彼此不喜欢的婚姻。 他的框架是双方互相需要：美国有越来越大的福利国家（政府支出占 GDP 超过 30%，其中 80% 以上是福利导向，必须不断印钞融资，本质是通胀性的），中国是世界的工厂（极度高效、持续提高生产率，因此有通缩，必须出口出去）。所以是"中国出口通缩，美国输出通胀"——美国把美元给中国，中国拿走通胀。他给出一个量级：从开始与中国贸易到现在，美国国民财富从 17 万亿增长到 170 万亿，"我们从中获得的财富远多于中国"。所以两国会维持一种"无法离婚但彼此不喜欢"的关系。

AI capex：健康的一半与不健康的一半。 健康的一面是这些公司不是缺钱才借钱——Amazon、Meta、Nvidia 现金流充裕、融资利率极好，它们是在把未来的现金流提前到今天花，即使未来现金流不增长也足以覆盖当前债务，所以不存在偿付危机。不健康的一面是军备竞赛式的支出：你因为怕对方跃过而超支，一旦如此，对方的支出就变得不那么重要，结果是你花更多的钱、拿到更低的回报；软件层同理——所有人都把功能做得极其丰富，却因为对手同样好而无法涨价，这就是产能过剩。这一段的结论句是："今天有大量 capex 并没有带来更多钱，只是因为别人在过度支出。"

被动投资者才是真正的风险承担者，因为 S&P 500 已经不是分散化。 他的区分很关键：主动投资者是在明确地押注"AI 成长"这一个因子，"你可能错，但你是睁着眼睛进去的"；他担心的是被动投资者——他们被告知"买 S&P 500、广泛分散、你不会有问题"，这只在市场完全有效时成立。但当一个市场里所有人都在问"我们是不是在泡沫里"时，指数本身就建立在"泡沫不破"这个前提上。"如果它破了，Microsoft 和 Meta 能损失多少？那你再看看你的 S&P 500——那就是它的全部。" 他的措辞是本日最尖锐的一句："被动投资者，现在是不被动的时候了。" 他给出更底层的理由：market beta 一直在换内容——20 年前是互联网，GFC 之前是房地产与金融，今天只有 AI。

因子框架：动量必然崩溃，价值是它的天然对冲；美股价值/小盘失效是因为人人都在用。 他把动量形容为一个正偏、肥尾的因子：长期稳定输出 + 突然崩溃 + 再重建，许多"预测动量崩溃"的模型效果都不好，因为崩溃本身就是让动量不至于过度拥挤的机制——"否则动量就太容易了"。正确做法是不要择时，而是用价值因子长期并行：两者周期不同、互为优秀的分散器——动量崩溃时，价值往往会迎来一两年的大反弹（价值"不是大负面事件，而是一段强劲的右尾"）。他被问"美股因子还有希望吗"时给了一个很诚实的修正：大家谈的"标准因子"其实就是被写进教科书的价值与规模，而它们在美国 30 年表现糟糕恰恰是应该的——"人人都学、人人都用，如果它没被套利掉，那是我们教因子投资的方式有问题"；但动量、质量、成长导向的因子在美国依然有效，把因子作为一个整体看，美国表现其实不错，在新兴市场则因效率更低而表现得非常好。

技术层面：用机器学习解决过拟合，而不是用更多因子制造过拟合。 他说那些统计工具三十多年前就有了，只是当年没有算力，所以行业退化成"跑简单回归、看 t 统计量"，也因此只能处理少数因子——因子一多就无法判断是在数据挖掘。现在的做法是超参数调优式的稳健性检验：用一个包含数百因子的模型，扰动参数，看样本内回测与样本外回测是否匹配，不匹配就说明过拟合。当年跑一次要几个月，现在一天之内就能完成。他们的组合用 200+ 因子、成分股数量比基准更少但因子暴露更分散——直白地说，"S&P 有 500 只股票，但实际上只有 7 只有权重，其余 400 多只只是在制造交易成本、整手问题和运营摩擦"。

给顾问的建议：停止选股，去做"足够"这件事。 他的论证路径是：顾问对客户更聪明、更懂市场，但对手是 Citadel、Two Sigma 这类顶级自营和三十年老手——"这些人定价、这些人赢，而对他们来说赢仍然非常难"。如果你不在那个位置，你就不该坐在这张牌桌上。 顾问真正的优势在与客户的连接和信任，所以应该把投资外包出去，然后做那件只有他们能做的事：让客户享受"变富"和"复利"的过程、屏蔽噪音、别让它变成赌博。他讲了与 Jack Bogle 的一段对话来收尾：Bogle 说自己在一次全是亿万富翁对冲基金经理的活动上，谁的基金都没 Vanguard 大，但他们都比自己多赚 10 倍甚至 100 倍——"但我有他们没有的东西：我有'够了'。" Hsu 的推论是：如果一位顾问能让客户觉得"够了"，那创造的价值比任何选股都大，因为大多数顾问做的恰恰相反——让客户觉得连一亿都不够。

最后一条反共识的自我修正值得单独记住。 被问到"你认为同行最不会同意的一条信念"时，他否决了自己二十年前的判断：人们普遍认为在低效市场（如中国）更容易创造 alpha，而他在这个市场做了十五年产品之后认为并非如此。"机会确实更多、如果你坚持也能赚到更大的 alpha，但过程极其痛苦——你看到一个错误定价、建了仓，然后它会变得更错，更贵或更便宜，就算你留了弹药加仓，它还可能更极端。" 所以结论是："不要以为低效市场在 alpha 上就容易。对抗一个非常不理性的市场是很难的。"

---

本期名义上是在谈一本新书，实质是一堂关于"为什么趋势存在"的复杂系统课，也是今天最完整的方法论内容。

新书的核心数据发现：趋势跟踪的边缘没有消失，而是迁移了。 《The Trend Following Manifesto》（与 Niels Kaastrup-Larsen 合著，三年写成，数据截至 2026-04-30，预计年底出版）用四个十年的跨资产期货数据得出两个结论：第一，最近十年市场"底层倾向于趋势"的程度比之前三个十年中任何一个都更强——也就是说，在整个行业担心边缘消失的时候，它在变强；第二，优势从短周期迁移到了中长周期——自 2020 年以来最强的结果集中在 200 日左右的中长期视野，而 20 日这种短周期视野的风险调整后表现跌到早先水平的约四分之一。他们对"感觉策略失效"的经理给出的解释是：这些人确实在做更快的周期，他们的体验是真实的，但他们看到的是整片地形中一块区域的衰减，而行业把这个误读成了整个现象的消失。

更深层的论点：outliers 是市场的结构性特征，不是等待被套利掉的暂时异象。 这直接反驳了"趋势是被套利掉的机会"这一说法。他的机制是：市场包含互相作用的参与者、杠杆、反馈、强制活动（forced activity）和不断变化的资本流，这些成分制造出会自我喂食的运动，走得远比任何人预期的更远。这里有一个重要的推论：结构持续存在，但运动出现的时间与位置会发生漂移，而这种不确定性恰恰保护了机会——代价是"回报不会在你希望的时间与地点出现"。

El Farol Bar 思想实验：市场结果由所有参与者对结果的预期共同创造。 Brian Arthur 把这个酒吧座位问题做成了经典：100 人决定周四去不去 El Farol，少于 60 人则夜晚愉快，超过 60 人则太挤、待在家里的人做了更好的选择，而且所有人都能看到历史出席人数。问题在于没有人能判断这段历史对下一个周四意味着什么：如果所有人都预测"冷清"就都会去、酒吧就挤了——预测自我否定；如果所有人都预测"拥挤"就都不去、酒吧就冷清——预测又错了。"你的选择有多聪明，完全取决于所有人怎么选，而不是你怎么选；甚至大家一起做逆向投资者也解决不了问题。" 这直接映射到市场：未来价格不是等待被发现的一个谜题答案，它是所有参与者决策涌现出来的结果，路径在每一步都被重写。 Arthur 给每个模拟参与者若干简单预测规则（比如"这周像上周"或用平均值），各人选用最近表现最好的那条——重要的是规则的多样性，而实际出席人数又成为判断规则好坏的新证据。长期平均收敛在 60 人，但底层流行的规则在"去"和"不去"之间持续翻转：没有任何规则永久占优，因为使用它这件事本身改变了它所处的环境。

反射性与 increasing returns：两个不同但常常协作的机制。 Brennan 把 Soros 的反射性定义为信念 → 行动 → 结果 → 新信念的闭环（他的例子是银行挤兑：周一时银行财务健全，谣言扩散后储户提款，到周五他们的集体行动可能已经造成了他们害怕的崩溃）。而 Brian Arthur 的 increasing returns 是成功或采用改变了环境，使进一步的成功更可能发生——他在经济学界被公开压制多年，但恰恰解释了科技竞赛、Windows 的统治、Amazon 与 Google 的成功。VHS vs Betamax 是教科书案例：Betamax 画质更好，但 VHS 获得更广泛的采用 → 录像店进更多 VHS 带 → 更大的片库让 VHS 对下一个家庭更有吸引力 → 用户更多吸引更多内容、内容更多吸引更多用户。Niels 当场讲了自己家的故事：父亲买了 Betamax，后来发现能租的电影几乎都在 VHS 上，机器只能用来录足球赛。两者的共同点是路径依赖——"我们如何走到今天，会影响接下来发生什么；最终结果并不只包含在起始条件里"。这也解释了为什么他作为 outlier hunter 对持有的趋势没有任何时长预测：下一次迭代里可能就有新的强化因素让它继续走下去。

负反馈与正反馈同时存在，市场是开放系统。 均衡模型假设的是负反馈：高价吸引供给、压制需求；高利润吸引竞争者、压缩利润率——均值回归属于这个框架。但 Arthur 指出市场同样包含强化变化的力量：上涨吸引买家 → 买盘推高价格 → 吸引更多资本，这是正反馈。真实市场两者皆有，而且因为资本进出、参与者、技术、监管、工具都在变，市场只会暂时停在一个看似均衡的位置，不会到达永久静止点。对趋势跟踪的意义：如果所有运动都会迅速被拉回均衡，那才是均值回归的天堂，持续的趋势将极难解释；而强化机制为"某些运动走得比预期远得多"提供了理性基础。

Santa Fe 的模拟市场：趋势跟随规则会自发胜出。 他们造了一个由使用不同预测规则的投资者组成的模拟市场，预测决定买卖意愿、合并订单改变价格、新价格又成为判断规则好坏的证据。结果有三点值得记下：投资者适应得慢时市场相对平静；更积极地搜索更好规则时，平静期会被成簇的动荡打断；而且价格型策略自发涌现——趋势跟随规则开始被偏好。 学习没有把所有人平滑地引导到唯一正确答案，反而在某些条件下，"搜索更好规则"这件事本身创造了大家试图理解的不稳定性。Brennan 强调这个模型很简单，但信息量很大：复杂的市场行为不必全部来自外部新闻，它也可以由参与者之间的互动创造和放大——这就是他们反复谈的内生性。

"所有系统都会被 game"：Goodhart 定律与不断被测试的水坝。 Arthur 写过一篇关于这个的文章：只要系统包含规则、激励或边界，人们就会寻找从中获益的方式。Gaming 不一定是打破规则，也可以是以击败其目的的方式遵守规则。 他给的例子是 Goodhart 定律：当度量变成目标，人们就开始管理度量而不是它本该代表的结果——比如按"新开账户数"给员工发奖金，有人就会给同一个客户开多个账户，账户总数上升而真实客户增长没有。市场里充满基准、风险限额、保证金规则、预期政策反应，参与者围绕它们组织、利用它们、并保护自己免受其后果——通过这种适应，他们改变了系统本身。 他的比喻是水坝：如果你持续测试坝墙，你必然会找到裂缝，水就会从那里通过。

稳定孕育不稳定（Minsky 时刻），而边界往往在被推倒前一刻看起来最强。 这是本期的收束逻辑：长期稳定会让人假设它会继续——于是在这种假设下，杠杆上升、对冲收缩、头寸堆积在多年有效的边界周围；然后一次扰动暴露了这种依赖关系：止损触发、追保迫使减仓、放贷人收回、买家离场，这些反应又把价格推得更远，并激活下一层反应。于是一个孤立的破位就变成了向另一种市场环境的转换。 所以 outlier 可能不只是"一次较大的普通波动"，它可以是参与者相互反应时关系发生变化的可见结果——而"一条边界看起来最强的时刻，往往就在围绕它的行为即将帮助制造那次破位之前"。他顺势提到非平稳性：历史上看起来稳定的模式之所以稳定，是因为当时有特定的参与者、激励、成本与约束；这些条件不固定，成功的模式会吸引资本、被复制、被预判、被搜索漏洞——就像 El Farol 的平均出席人数可以长期稳定，而底层的规则一直在翻转。

回测能确立什么、不能确立什么。 他的划界非常清楚：回测显示的是"特定规则在一段已知的历史序列中会做什么"，它能揭示换手率、回撤、失败交易、集中度、对极端赢家的依赖，也能否决一条反复无法捕捉目标行为的规则；但它不能确立同样的环境会在未来重演。他个人用它来检验"规则是否产生了我想从模型中得到的行为"，不把它当作"下一个 outlier 会在哪里出现、会有多大"的地图。而"历史是证据，不是承诺"的最好用法是避免把非平稳性当作忽略不爱看的结果的借口：对一个自己不喜欢的结果保持怀疑是对的，但怀疑不能变成忽视证据的许可证。

与赌场的对照：轮盘球不学习，市场会。 他回顾了两段历史：Ed Thorp 与 Claude Shannon 在 1960 年代造出能预测轮盘落点的计算机；十多年后（约 1970 年代）Doyne Farmer 与 Norman Packard 用物理学做同类项目——在轮盘转动时测量球与轮的运动，用一台最终藏在鞋里的微型计算机估算出有利区域，不预测具体口袋，但能确定落点的区域。关键的差异在于："轮盘球不会学习，不像反射性的市场。球无法复制方法、预判下注，也无法改变行为来消除优势。" 他引用 Feynman 那句"想象一下如果电子有感情，物理会难多少"，并说那正是这些市场的样子——参与者会学习、适应，产生系统性反应，然后再对这个系统性反应做出反应。Farmer 把测量、建模、检验从赌桌带进了市场，但研究对象已经根本不同。

对听众提问的回答（是否该提前止盈）：这是一次用正偏度换平滑度的交换，他不做。 提问者的设想是：对已经涨了 200% 的交易提前部分止盈，用换来的封闭权益再投资，能否超过少数涨 3–4 倍的趋势所放弃的收益？Brennan 承认这可以历史检验，但结论取决于你想要什么：部分止盈确实能把浮动盈利变成可再投资的封闭权益、降低回撤、让曲线更平滑——但"我们不是免费获得这种平滑"。代价是减少对那少数可能贡献了大部分长期结果的交易的暴露，也就是"用一部分正偏度换一条更平滑的资金曲线"。他说这不算错，但那是另一种策略，会把一个纯 outlier hunter 变成更主动管理的暴露。而真正的问题在于统计：我们依赖的 outliers 太稀少、太分散，历史上几乎没有统计信心——"一笔非凡的交易就能决定哪种方法看起来更优"。回测会告诉你历史序列中哪个更好，但无法可靠地告诉你未来会包含多少个极端趋势、它们会有多大。他做了超过 125 年的研究，见过一些史诗级的趋势，"但在我们研究中经历的那 40 年记录里，我们没有见过那种级别"。他的视角是分形的：随着样本量增加，我们不可避免会遇到越来越大的事件——更大的回撤，也有更大的正向 outlier——因为更大的样本量让你探索到"市场这棵分形树"上更大的枝干。"我始终担心的是那类 II 型错误：错过那些美妙的东西、那些 outlier。" 所以他的答案是："不，John。就算能历史检验，也给不了我信心，因为我样本里 outliers 数量带来的统计信心永远太小，而未来会不一样。"

因此他的实践原则是：减少需要正确预测的东西。 具体做法是在多个市场广泛分散小仓位、让单笔损失保持很小、使用移动止损（trailing exit）而不是预先设定"这个利润够了"。理由与上面的哲学完全一致：你不知道 outlier 会在哪里出现，所以必须让每一笔失败的尝试都可控，同时给"走得比任何人预期都远"的那一次留足空间。 对他而言，"趋势跟踪是一种回应，而不是一个预言"——入场承认运动已经形成，初始止损承认它可能失败，移动止损在它继续时保持参与，"就是这样"。他也强调规则必须保持机械：它们回应变化的价格，而不是被交易者不断重写——研究是用来重新考虑设计的，日常执行是用来跟随设计的。最后他给了三条总结：第一，市场参与者身处系统之内，他们的信念与行动帮助他们创造了他们试图预判的结果；第二，有些市场运动会自我喂食，这解释了持续的趋势和极端的 outlier，但它不告诉你下一个会出现在哪里；第三，历史是证据，但不是对未来的承诺。 所以应对方式是：广泛参与、让失败的尝试可控、为那个走得远得多的人留出空间。

顺带的当日市场与趋势跟踪观察（录制于 9 月 16 日周三）。 trend barometer 收在 52，与本月表现一致；能源与固定收益是本月的主要驱动，股票等大多数板块在挣扎。趋势跟踪的年初至今表现：BTOP50 9 月 +2.73%、YTD +14.48%；SocGen Trend Index 9 月 +3.23%、YTD +14.67%；短期交易者指数 9 月 +0.36%、YTD +6.15%。传统资产：MSCI 世界 9 月 −1.55%、YTD +11.65%；美国综合债券指数 9 月 −1.13%、YTD −1.07%（"没有缓冲，没有风险缓释"）；S&P 500 总回报 9 月 −1.23%、YTD +11.74%。价格：Brent $108，而"欧洲 Brent 实货报价超过 $130/桶"（他们承认不太确定该怎么解读这个 Reuters 数字，但与此前 Adam Rozencwajg 谈到的"失去十亿桶供应终究会开始疼"吻合）；美债 10 年期 5%，德国 10 年期 Bund 3.55%；Reuters 给的 Fed 当日加息概率 95%，BoE 预计不动，BoJ 也在本周会议。另外一条与主题呼应的花絮：日本 100 岁以上人口已超过 10 万——"所以他们需要一个长期策略，也许正是趋势跟踪"。

---

一位纯技术/相对强弱派的战术视角，本日提供了最完整的市场内部结构图，以及一条最有信息量的商品线索（油轮）。

他在 FOMC 之前就已经做了战术调整：减金融。 理由是收益率曲线压缩对金融不利——XLF 的广度在快速恶化，Goldman Sachs、Morgan Stanley、JP Morgan、Bank of New York 全部跌破上升趋势。他补了一句对板块定位的修正：金融"本来是市场寻求某种增长下的安全性的地方，现在这已经开始脱钩"。他对"这次加息会不会像 2022 年那样有同样的冲击"的回应是：一次加息已经结束、尘埃落定，因为表面新高的经济下方已经积累了巨大的疲弱。

表面新高之下是史无前例的分化，他用相对强弱来量化。 消费可选（XLY）的相对强弱回到了 2011 年的低点——"抹掉了 15 年的收益"；必需消费同样疲弱；运输极弱（高能源价格 + 广度极差）；工业两个月前还在榜首，现在接近跌破 5 年相对强弱低点。他刻意不谈"泡沫"——"很多人抓着泡沫这个词，但如果你错了，那对我没有任何好处"——但他强调这轮市场从一个板块到另一个板块的移动幅度是他做相对强弱图表以来不常见到的。他给自己设的预测期限上限是 2–3 个月，"以现在这个速度，我没法对更长的东西做预测"。

S&P 的技术位置与"日内破位"这个陷阱。 指数在关键区域，FOMC 当天破了位（他认为是偏空信号），但他强调这轮市场最典型的形态是：盘中破位之后猛烈反转，既不给位置，也会把拿到位置的人打掉。所以除非周三 FOMC 的低点被有效跌破并收在那里，他不会把这个图表读成"该做空"。同时 QQQ 接近突破、相对强弱跑赢，Mag 7 突破了下行趋势——他的设问是"这是避风港，还是成长通道？"，自己的答案偏向流动性：市场现在"想要流动性，但并不必然是在逃离，而仍然在利用增长"。

一个结构性观察，也是他对"科技还能不能继续集中"的核心判断：历史上从来没有一个板块能在那么长的时间里维持 30% 的市场占比。 因此科技板块的 40% 占比最终只有两条出路：要么它回落到 30% 以下，要么市场其他部分加速北上、抢回份额。他把这形容为"一个让我很难办的位置"——"你不想在错误的时间做错误的判断，而现在一切都是时机问题"。他的建议是耐心、让市场自己去解决，"同时尽量去玩底下你能看到的板块轮动"。

石油是本期的 wild card，而他给出了一个反共识的提醒。 能源是年内表现最好的板块，而过去四个月里所有人都在说"油已经见顶、我迫不及待要空它"——那是错的。他的原话很直接："与其做空能源，你不如去做空那些年内跌 80% 的科技股。" 关于"美国怎么弄到更多柴油"，他给出的数据是：国内炼厂利用率 98%、库存已在 5 年低点，同时沙特阿拉伯与俄罗斯的供应都有中断。他还抛出一条消息：沙特宣布下个月不向欧洲出口任何石油——"零"，而且沙特本身还得从美国买油来履行对客户的合约，现在这件事也做不到了。

柴油出口禁令的连锁：能压低美国价格，但会把世界推到停顿。 他的立场是"如果你在这里搞民族主义，那全世界都会搞"——俄罗斯已经在保护自己的利益（停止出口柴油，多家炼厂被打），其他国家会跟进，因为"如果美国是一个买你东西的客户，你会因为要保护自己的利益而提价"。更具体地，他认为如果真的禁止出口，会出现跨所有金融资产的对手方风险；而欧洲的处境最难——欧洲的天然气价格是美国的 8–10 倍，"我不知道他们怎么撑过去"。对美国自身，他也给出反噬路径：食品与产品出口会被切断，S&P 500 的国际敞口会大跌，"我们现在的处境和俄罗斯、沙特、伊朗一样岌岌可危"。

油轮是本期信息量最大的一段。 他提到 CNBC 报道的一只"涨了 3600%"的基金——BWE，Breakwave 油轮航运 ETF，其配置说白了只是航运成本的期货。他的框架是 1998–2002 的重演：那个时期约 500 艘油轮被作为废钢卖掉（他记得 250–300 艘的说法，两个数字都出现过）；霍尔木兹通行受阻使平均航程从 30 天拉长到 45 天；拆解造成的运力缺口 + 更长的周转时间共同制造瓶颈，运价因此达到历史高位（"超过一百万美元"）。他特别强调一点反驳"只有成品油有麻烦"的说法：油轮运价并不区分是成品油还是原油，而现在已经有迹象显示沙特连原油都无法履约。价格结构上，一艘 10 年船龄的二手油轮价格超过一艘新船——因为造新船要一年甚至数年，"如果能买到二手船、哪怕溢价，而它能产生这样的收入，你为什么不买？" 关于粘性："这些价格可以维持数年"——2002–2009 就是这么走的，而如果战争结束，还叠加补库存需求，加上各国可能开始增加甚至首次建立战略储备，瓶颈可以延续多年。

化工股的历史类比。 他提到一个容易被忽略的相关性：2002–2009 年高能源价格时期，化工股随油价一同上涨，因为它们有定价权——而现在还没有出现。但他的判断是"如果我相信的事情最终成真，化学品与黄金都会开始随油价移动，那正是 2002 和 2009 年发生的事"。

黄金：看跌形态的失败极其看涨。 黄金在 $4,400，而 10 年期美债 5%（2007 年以来最高）——被问到"你不觉得黄金应该低得多吗"，他的回答是"不"。技术面上他给出了很具体的描述：黄金形成头肩顶、在 FOMC 当天跌破颈线，但在当天结束前就重新收复了他在图表中标出的重要支撑；随后黄金又吃掉了 FOMC 前一日的高点——"一个看跌形态的失败是极其看涨的"，如果这个状态再维持两天，他说"我就可以说我判断对了"。他也提出一个罕见的判断：美元可以走高，而黄金可能与它一同走高——他承认历史上找不到美元上涨与黄金额外同涨的长期区间，但"这次在近期略有不同"，原因是他反复强调的伊朗问题（"我已经听到 66 次'战争结束了'"，而没人能保证伊朗不会发展核武器）+ 俄罗斯/乌克兰带来的不确定性。比特币同期也出现突破。被问到什么会让他改变对黄金的看法时，他的第一答案还是伊朗的地缘政治，而不是债务问题（"那是长期宏观趋势，我不认为它会很快转向"）。

信用是本日最大的技术红旗。 他特别指出：高收益债利差从史上最极端的低位开始走阔，已到 FOMC 以来一个半月的高点——而起点是"我们在整个美银高收益指数历史上从未见过的极低水平"。他的阈值很明确：如果利差升到 300，他会更担心；到 350 就是更多红旗。他同时给出一个微妙的技术观察：目前 10 年期收益率上行快于 HYG 下跌，所以利差实际上在被动收窄——而这正是他担心的形态，因为去年 2 月 20 日出现过一模一样的组合（10 年期上行、HYG 反而下跌）。另外，VIX 只有 15，而市场相关性已经从极低水平开始回升（板块与组的离散度此前很高）——他认为相关性上升"可能会把 VIX 绊一下"。

广度：这是他最看重的一组红旗。 XLI 中只有约 20% 的成分股站在 50 日均线上方——"这意味着你只有 20% 的概率选对名字"；更糟的是这些上涨的广度和速度衰减得极快，现在还在跌破 200 日线。他还给出了 50 日与 200 日的具体读法：当成分股在 200 日线上方的比例跌到 10% 左右（去年 8 月 5 日见过），历史上那反而是不坏的买点；但当涨幅的广度像现在这样快速融化时，"那是在告诉你某些事情不对"。他顺带指出一个极具讽刺意味的事实："我们正在打仗，而 Raytheon、Lockheed Martin、General Dynamics 的图表在彻底破位。" 最后他表明自己对 Fed 的态度——"我完全不在乎他说了什么，我在乎的是市场对他的话的反应"，因为"是他们的行动创造了图表，而图表让我保持在市场前面"；换句话说，"告诉我 GDPNow 是 5.2% 没有意义，告诉我该把钱放哪里才有意义"。

板块结论与 AI 观点。 他认为到年底最好的板块是医疗保健、大部分科技、以及保持在高位的能源。其中软件转弱、半导体相对转强（他此前在 Substack 上就写过"软件在放缓、半导体可能接棒"，现在相对强弱确实出现拐点；他同时提醒 1 月所有人都在说"SaaS apocalypse"，结果两者反转了——"这就是市场的行为方式，周期在压缩"）。对 AI，他给出几点：当前最大的瓶颈是电力（Generac 刚拿到 Amazon 的大单，他在看的是 FPS 而不是已经错过的 Generac）；循环融资是最大的不确定性——"如果你绊倒一两家公司，会怎么传导到其他公司？通常市场是'先开枪'的态度，你会等到一次修正"；最大受益者会是那些用 AI 提升效率、降低成本、提高利润率、减少人力的公司，而不是模型层——这与今天 Hsu 的判断在方向上一致；最终会有大量出清（他用 1970 年 75 家雪地摩托制造商和一堆唱片机公司做类比）。对"Anthropic 与 OpenAI 若 IPO 会怎样"，他的回答是那个信息缺口太大——"他们只谈毛利率，而把所有历史上任何 IPO 都会披露的东西都排除了，那里有一个带很多洞的黑洞"。对"AGI 是否已经到来"（Jensen 称 OpenAI 新的 Astro 模型已达成 AGI，而预测市场认为 4/1 之前只有 28% 概率），他不参与这类预测，只说会关注安全软件股——"如果你创造了 AGI，你一定会需要安全软件"。

---