📊 今日投资要点总结
关键数据
- 💼 买入卖出操作: 3个
- 💡 买入卖出建议: 11个
- 🟢 买入操作: 2个
- 🔴 卖出操作: 0个
市场情绪
📈 偏乐观: 买入操作和建议多于卖出，市场情绪相对积极
💼 买入卖出操作
1. 消费汉堡（投资组合） - 调仓
操作价格: 未提及
操作数量: 将一半的中证消费换成了电子消费
操作时间: 近期
操作理由: 近期消费汉堡调仓，将一半的中证消费换成了电子消费。作者认为中证消费持续下跌的原因可能与其一半是白酒有关，希望通过增加电子消费来使组合更加多元化。
风险评估: 调仓后，原中证消费（含白酒）与新增的电子消费可能出现涨跌互现的情况，导致组合收益波动。例如，文中提到白酒涨停带动中证消费大涨时，电子消费反而下跌。
操作结果: 调仓后，消费汉堡持仓变为40%恒生消费+30%中证消费+30%电子消费。
来源: 望京博格投基 - 白酒涨停给我当头一棒~2026年1月29日 市场温度
2. 伯克希尔 - 买入/加仓
操作价格: 473美元
操作数量: 目标是加仓到仓位占比的10-12%左右
操作时间: 当前
操作理由: 防守型账户触发买入设置，伯克希尔跌至473美元
风险评估: 未明确提及
操作结果: 已买入
来源: 金渐成 - 冰火两重天，真香~
3. 微软 - 加仓
操作价格: 465美元和450美元
操作数量: 加仓后仓位占比约6.45%
操作时间: 前些天
操作理由: 微软股价下跌，从550美元下跌，基本面没有恶化，只是市场预期太高
风险评估: 未明确提及
操作结果: 已加仓
来源: 金渐成 - 冰火两重天，真香~
💡 买入卖出建议
1. 美元理财/美债 - 不建议买入/持有建议
建议理由: 作者明确表示，一两年前就说过不建议大家买美债或美元理财，最大的风险就是美元贬值。现在美元已经贬值，未来的汇率走势很难判断。作者自己也只是做了个美元债波段，之后再也没有长期持有。
入场条件: 不适用
止盈止损: 不适用
持有期限: 不适用
建议仓位: 不建议配置
风险等级: 高
来源: 望京博格投基 - 白酒涨停给我当头一棒~2026年1月29日 市场温度
2. 黄金、白银 - 轻仓配置建议
建议理由: 黄金年初至今涨幅近30%，白银涨幅近50%，在趋势和惯性作用下价格可能继续向上，但空间可能有限，性价比变低。
入场条件: 当前高位
止盈止损: 未明确提及
持有期限: 未明确提及
建议仓位: 风险波动承受能力很强的，可以轻仓10%以下配置，不要梭哈重仓。
风险等级: 高
3. 化工方向（如中证细分化工产业主题指数及相关主题基金） - 关注/投资建议
建议理由: 根据“金银铜油农”或“金属-化工-农产品-消费”的周期轮动规律，化工是黄金、白银、有色金属之后可能的机会。化工目前也在大涨，但没有到狂飙的地步。中证细分化工产业主题指数目前点位处于行情的半山腰。
入场条件: 相对低位、还没疯涨
止盈止损: 未明确提及
持有期限: 未明确提及
建议仓位: 未明确提及
风险等级: 未明确提及
4. 农产品方向（如中证农业指数及相关主题基金、商品基金） - 关注/投资建议
建议理由: 根据周期轮动规律，农产品是行情终点站或滞后补涨角色。目前中证农业指数也处于行情“半山腰”。农产品近期也有异动，主要是油脂类（棕榈油、豆油）上涨。
入场条件: 可能仍在初期阶段
止盈止损: 未明确提及
持有期限: 未明确提及
建议仓位: 未明确提及
风险等级: 未明确提及
5. 消费方向（如消费主题基金） - 重点配置、按期定投建议
建议理由: 根据周期轮动规律，消费是最后阶段。逆人性投资的话，消费是可以重点配置、按期定投的。
入场条件: 本轮没涨啥，估值也处于低位，一直在磨底
止盈止损: 未明确提及
持有期限: 未明确提及
建议仓位: 未明确提及
风险等级: 未明确提及
6. 黄金、白银 - 谨慎配置建议
建议理由: 黄金、白银价格已处绝对高位，涨幅巨大（黄金年初至今近30%，白银近50%）。在趋势和惯性作用下可能继续向上，但空间可能有限，性价比变低。
入场条件: 未明确具体入场条件，但暗示当前已处高位
止盈止损: 未明确具体止盈止损条件
持有期限: 未明确
建议仓位: 风险波动承受能力很强的，可以轻仓10%以下配置，不要梭哈重仓。
风险等级: 高
7. 化工方向（如中证细分化工产业主题指数及相关主题基金） - 关注/看好建议
建议理由: 根据“金银铜油农”或“金属-化工-农产品-消费”的周期轮动规律，化工是继贵金属、有色金属之后，相对低位、还没疯涨的方向。
入场条件: 未明确具体入场条件，但指出目前点位处于行情“半山腰”
止盈止损: 未明确具体止盈止损条件
持有期限: 未明确
建议仓位: 未明确
风险等级: 中
8. 农产品方向（如中证农业指数、嘉实农业产业股票、天弘中证农业主题AC、华夏中证农业主题ETF、华夏饲料豆粕期货ETF联接AC等基金） - 关注建议
建议理由: 根据周期轮动规律，农产品可能仍在初期阶段，是下一个周期机会的可能方向之一。
入场条件: 未明确具体入场条件，但指出目前点位处于行情“半山腰”
止盈止损: 未明确具体止盈止损条件
持有期限: 未明确
建议仓位: 未明确
风险等级: 中
9. 消费方向（相关消费主题基金） - 重点配置、按期定投建议
建议理由: 根据周期轮动规律，消费是轮动的最后阶段（消费阶段）。目前消费估值低位，本轮涨幅小，从逆人性投资角度，可以重点配置。
入场条件: 估值处于低位，本轮没涨啥，一直在磨底
止盈止损: 未明确具体止盈止损条件
持有期限: 未明确
建议仓位: 未明确具体仓位，建议“重点配置、按期定投”
风险等级: 中
10. 标普500指数或纳斯达克指数 - 买入建议
建议理由: 华尔街大佬认为普通散户最稳妥的策略是买指数（标普或者纳指，或者两个都买）。标普纳指慢涨急跌，长线跑赢标普纳指的人寥寥无几。与货基（货币基金）搭配，无论怎样搭配都很难出错，没人能割韭菜。建议将时间精力花在搬砖打工或享受生活上，而不是过度关注市场短期波动。
入场条件: 无明确入场条件，建议根据个人风险偏好和资金情况配置
止盈止损: 无明确止盈止损条件，建议作为长期核心持仓
持有期限: 长期
建议仓位: 根据个人风险偏好而定，例如：股9债1（巴菲特组合）、股6债4（经典60:40组合）、股5债5（沙发土豆组合）、股2债8（国内固收+组合）。多余资金可投入货基。
风险等级: 中
来源: 闲画生财 - 华尔街大佬的秘方
11. 货币基金（货基） - 买入建议
建议理由: 货基约等于存款，底层暴雷概率极低。可作为股债平衡组合中的债券/现金部分，或者存放多余资金，以静制动。
入场条件: 无明确入场条件，作为现金管理工具
止盈止损: 无明确退出条件，作为流动性储备
持有期限: 灵活
建议仓位: 根据个人选择的股债比例配置（如股9债1、股6债4、股5债5、股2债8中的债券部分），或作为闲置资金存放。
风险等级: 低
来源: 闲画生财 - 华尔街大佬的秘方
📚 今日文章列表
- 白酒涨停给我当头一棒~2026年1月29日 市场温度 - 望京博格投基 (12:35)
- 凭借 27 万小时真机数据，Generalist 可能是最接近“GPT-1 时刻”的顶级机器人团队 - 海外独角兽 (12:00)
- 美联储主席竞选决赛圈：超级反转频现，贝莱德高管成黑马 - PANews (11:04)
- A股为什么总是"牛短熊长"？ - 好买研习社 (09:43)
- 黄金高位了，下个机会在哪？ - 好买研习社 (09:43)
- 黄金高位了，下个机会在哪？ - 好买基金 (09:32)
- 华尔街大佬的秘方 - 闲画生财 (09:28)
- 2026年AI行情：算力搭台、应用唱戏？ - 小基快跑 (08:57)
- 白酒人过年了 - 知识旅行家 (07:25)
- 传媒ETF大涨背后逻辑是什么？ - 望京博格投基 (07:03)
- 冰火两重天，真香~ - 金渐成 (01:17)
📖 文章全文
1. 白酒涨停给我当头一棒~2026年1月29日 市场温度
作者: 望京博格投基
链接: https://mp.weixin.qq.com/s/VBMWtZ4k0PpN2qZDkryGwA
发布时间: 2026-01-29T12:35:26
（一）账户盈亏
先跟新朋友同步下我的账户情况：我一共有 3 个【主要投资账户】，分别是ETF 账户、某基金账户，以及组合账户。因为组合账户的净值更新会慢一些，所以工作日我只统计ETF账户和某基金账户的收益；等到每周六发【周报统计】的时候，再把三个账户的收益情况一起汇总。
（1）ETF账户
今日亏损0.1万（资产260万）；
（2）基金账户
今日预估亏损1.0万（资产550万）；
两个账户合计亏损1.1万，亏损比例0.14%
周一亏损3.5万，周二盈利4.1万，周三盈利13.0万，周四亏损1.1万，本周累计盈利12.5万，还是挺能打的。
（二）白酒涨停给我当头一棒
博格持有40万的消费汉堡，最近一年不仅没赚钱，还略微亏了一点。
这个消费汉堡的持仓是40%恒生消费+60%中证消费，恒生消费的盈利都被中证消费的亏损对冲掉了。
另外，中证消费里面有一半是白酒，或许这就是中证消费持续下跌的原因。
近期消费汉堡调仓了，将一半的中证消费换成了电子消费，最新持仓变为40%恒生消费+30%中证消费+30%电子消费。
前几天还好，电子消费涨、中证消费跌，博格还觉得这下子消费汉堡有救了。
结果今天白酒涨停，带动中证消费大涨5%，电子消费反而跌了3%，心里顿时五味杂陈。
唯有安慰自己：中证消费的盈利可以覆盖电子消费的亏损。另外恒生消费今天也是涨的，消费汉堡整体还是上涨的。
再说，从配置角度看，消费汉堡更加多元化了，这是好事。
讲真，白酒这样长期下跌的行业都能大涨，说明市场重心正在向上抬升，对市场未来是好事。
（三）美元理财亏钱了咋办？
昨天文章下有朋友留言：
"半年前换了美元买理财，现在 美元贬值造成的损失远大于理财收益 ，纠结要不要 亏损着 换回来？"
博格只能回答：
"一两年前我就说过，不建议大家买美债或美元理财，最大的风险就是美元贬值。现在美元已经贬值了，未来的汇率走势真的很难判断。"
博格特意找出了2024年8月4日的文章：
当时博格就说过，投资美元债最大的风险就是汇率，那时候大家都笃定美元不会贬值。
那我还能说什么呢？博格自己也就做了个美元债波段赚了4%， 之后再也没有长期持有美元债了 。
讲真，现在汇率不高也不低，没有必要来回倒腾了。普通人越倒腾越不赚钱。
（四）市场温度A股今天70.87度，相比上一个交易日上升0.50度；
港股今天56.05度，相比上一个交易日上升1.0度；
港股的温度也快速上升了。
大家今天盈亏如何？
欢迎留言~感谢点赞与点爱心~
点击下面的【市场温度计目录】订阅博格的每日数据
2. 凭借 27 万小时真机数据，Generalist 可能是最接近“GPT-1 时刻”的顶级机器人团队
作者: 海外独角兽
链接: https://mp.weixin.qq.com/s/6ZHVyvfMAeWI3MN6gsy_wA
发布时间: 2026-01-29T12:00:00
作者：Haozhen
编辑：Penny
机器人领域是我们长期关注的赛道，而 Generalist 是当前机器人领域中极少数具备长期竞争潜力的公司，核心优势集中在数据规模、团队能力与清晰的 scaling 路径上。
1. 高质量真机数据是机器人行业公认的核心稀缺资源，凭借 27 万小时的训练数据，Generalist 可能是全球首个在数据规模上达到 GPT-1 量级的机器人团队，有领先其他团队 6-12 个月时间窗口。更引人关注的是，去年 11 月，Generalist 宣称在机器人领域首次验证了类似语言模型的 scaling law。
-
团队核心成员来自 OpenAI、Boston Dynamics、Google DeepMind 等机构，是 PaLM-E、RT-2 等具身智能里程碑项目的主要贡献者，技术实力非常强大。
-
团队已经通过一系列的 demo 展示出了清晰的研究路径和模型出色的灵巧性。
我们认为，虽然目前机器人的数据依然非常匮乏，但如果模型性能可通过人类视频与真机数据的混合持续提升，竞争焦点或将从数据规模转向数据配比。率先跑通并工程化最优数据配比的团队，可能不仅能在性能上取得领先，而且能对整个行业产生示范效应。
01.
为什么看好 Generalist？
• Generalist 积累了大量真机数据，有领先其他团队 6-12 个月时间窗口
目前机器人数据采集方式大致可以分为三类：
1. 真机数据采集，即需要与真实世界交互。
1）遥操作（Teleoperation）：在前端部署机器人，人类在后端对其进行操控来完成任务并采集数据，数据精度最高，但成本高，受机器人数量、场景的限制；
2）无本体数据采集：不需要真实机器人，人直接操作夹爪或穿戴外骨骼等设备来采集数据。这种方式因为存在缺乏全身信息等问题，对算法要求较高，尤其依赖高精度定位与映射，但更高效、成本更低，也更适合在室外等复杂环境中使用。
2. 纯视频数据采集：仅依赖视频数据进行学习，采集成本低，但数据效率相对不高。
3. 合成数据：通过构建仿真环境，并基于预设规则或程序自动生成数据，具有可控性强、规模化生成的优势。
目前主流观点认为，要训练出可用的机器人模型，还是需要用真机数据。真实数据并非不能扩展，只是无法像仿真那样容易地成倍增长。
自变量机器人的甘如饴曾简单将 LLM 的 Token 量换算为数据时长，来用 LLM 类比当前机器人发展阶段：假设人类语速为 238 词/分钟，且 1 个单词约等于 1.33 个 Token，则 1 小时人类语言数据约等于 1.9 万 Token。在这一口径下，GPT-1 约使用 50 亿 Token，相当于 27 万小时的人类语言数据，GPT-3 的训练规模则上升到约 1580 万小时。
进一步延伸来看，根据 SemiAnalysis ，GPT-4 的基础训练数据量约为 13 万亿个 Token，约等于 6.84 亿小时。
而目前行业主流真机训练数据量级在 1 万小时左右，这意味着绝大多数玩家仍处于“前 GPT 时代”，数据在行业内非常缺乏，在这种情况下，自称训练数据达到 27 万小时的 Generalist 可能是目前全球唯一一家在数据规模上刚刚达到 GPT-1 门槛的机器人公司。
而且，要复刻这种规模的数据不仅仅是钱的问题，更是时间的问题。甘如饴表示，仅制造专用的采集硬件就需要 4-6 个月，要复刻 27 万小时数据，至少需要 1000 个人不停采集大半年甚至小一年，因此 Generalist 会有领先其他团队 6-12 个月时间窗口。
• 团队人才密度非常高，技术扎实
团队技术实力非常扎实，三位联创兼具 MIT、Princeton 顶尖学术背景与 Google DeepMind、Boston Dynamics 的业界研发经历，是 PaLM-E、RT-2 等具身智能里程碑项目的主要贡献者，在算法与硬件的协同设计方面拥有实战验证过的技术经验。而且核心成员之间拥有长期的同门学术合作背景及共同创业的经历，这种深厚的信任基础降低了初创期的内部磨合风险与管理成本。
此外，Generalist 将 scaling 视为公司 DNA。Engineering Lead Evan Morikawa 曾是 OpenAI 工程负责人，领导了 ChatGPT、GPT-4、DALL·E 及 API 产品的工程团队，有从 0 到 1 再到大规模扩展的丰富经验。
总的来说，相比另一家明星公司 Physical Intelligence，在核心算法的 Insights 上，Generalist 与 PI 均具备行业顶级实力；在团队构建策略上，PI 更偏向于全明星阵容，成员构成更全面，Generalist 的团队则偏向于精炼。
• 一系列 demo 展示出了模型出色的灵巧性和团队清晰的研究思路
Generalist 在机器人领域最关注灵巧性，从 2025 年 6 月实现的高频动态抛掷，到 9 月组装乐高任务中攻克的亚毫米级精度，再到 GEN-0 在工具使用、柔性物体处理以及高精度装配方面的能力，这一连串的产出展示了 Generalist 在解决物理交互难题上的路线有效性。
而且 Generalist 的模型具备 Low-level 动作生成能力：在端到端控制下，依然能输出丝滑且精准的操作策略。这种让机器人在复杂环境中表现出近似生物本能的灵巧度，是当前市场上非常稀缺、且极难被模仿的能力。
潜在风险
• 不确定性推演：Scaling Law 在机器人领域是否成立？
去年 11 月，Generalist 发布了 GEN-0 模型的同时，声称首次在机器人领域验证了类似语言模型的 scaling law，即随着预训练数据和计算量的增加，下游任务性能呈现可预测的幂律提升。
如果 Scaling Law 不成立，这意味着深度学习在物理世界存在根本性瓶颈，那么整个具身智能赛道的估值逻辑都可能需要重估。但目前的主流观点还是倾向于 Scaling Law 成立，这意味着智能的上限将在一定程度上取决于大规模数据的收集能力，接下来的发展分歧在于需要什么样的数据。
如果基础模型可以通过混合人类视频数据和真机数据来提高性能，那么竞争的要素或许不再只是数据规模本身，而是谁能率先跑通数据的最优配比（recipe）。率先验证并工程化数据混合配比的团队，可能不仅能在模型性能上取得领先，还将实质性推动机器人训练范式的演进，对整个行业产生示范效应。
目前来看，即便引入人类视频数据，模型可能仍需要等量甚至更多的真机数据配合，才能取得理想效果。有学者甚至认为硬件在机器人领域的比重可以达到 70-80%，因此，如果未来机器人训练仍必须依赖大量真机数据，虽然 Generalist 也部署了一些硬件设备来做数据采集，但 Tesla、Figure 等本身具备硬件能力的公司可能会更有优势。
• 机器人的“GPT-3 时刻”仍然需要大量的数据
虽然 Generalist 达到了 GPT-1（27 万小时），但要达到 GPT-3 点水平（1580 万小时），按照 Generalist 目前的采集速度（每周 1 万小时）线性外推，可能还需要 30 年。如果必须靠真机采集才能到 GPT-3，对于初创公司而言，这条路可能在经济上不可行。
这反过来增加了用合成数据或人类视频数据训练模型的迫切性，如果未来发现通过合成数据或人类视频数据就足以训练模型，那么 Generalist 建立的物理采集护城河，可能会被绕过。
• 缺失商业化场景
目前整个机器人行业普遍缺乏明确的商业化落地场景，Generalist 在自建数据采集硬件并与 Scale AI 合作标注的前提下，成本投入会更高。目前公司对外展示的 demo 仍主要停留在叠乐高、叠衣服等层面，相比之下，专注家庭场景的 Sunday 更接近落地应用。
02.
机器人领域到底有没有 Scaling Law？
Google 早期发布的 PaLM-E 和 RT-2 等模型成果有类似“随着模型参数增大，模型在具身任务上的表现/泛化越好”的结论，但 Google 并没有公开称已经验证了机器人领域的 scaling law。
2024 年，MIT 和慕尼黑工业大学的研究人员通过对 327 篇论文（包括 Google 发布的模型）进行分析后认为机器人基础模型存在 scaling laws，而且随着模型规模的扩大，新的机器人能力在不断涌现。
去年 11 月，Generalist 声称首次在机器人领域验证了类似语言模型的 scaling law，即随着预训练数据和计算量的增加，下游任务性能呈现可预测的幂律提升。海外社媒普遍认为这是一个重大突破。前 Google DeepMind 科学家 Ted Xiao（参与过 Gemini Robotic、RT-2、RT-1 和 SayCan 项目）在推特上称这个结果非常惊人。
也有评论认为，Generalist 的技术路线还是依赖深度学习，真正的机器人技术突破应该是通过少样本来掌握完成未知任务的能力。但实际上，这是一个非常困难的问题，LLM 目前也没有实现。
Generalist 结论一：模型到 7B 会发生相变
Generalist 团队研模型参数量对模型学习能力的影响时，发现了明显的相变现象：
• 当模型参数较小（例如 1B 级别）时，即便投入海量数据，Training Loss 下降到一定程度后就会停滞，也就是模型“僵化”了，无法吸收更多的数据信息。
• 6B 模型开始受益于 pre-training，并展现出强大的多任务处理能力。当模型扩大到 7B 以上时，发生了相变，即大模型能够持续吸收数据，Training Loss 会持续下降。也就是说，只有跨越这个参数门槛，模型才能真正通过 pre- training 获得通用能力。
Generalist 结论二：Pre-training 数据量与下游任务的成功率之间存在幂律关系
进一步，在足够的模型规模下，pre-training 数据的规模与下游任务的最终表现之间存在显著的幂律关系，并从模型指标和真机实践两个层面对此进行了验证。
在模型指标上，团队截取了使用不同 pre-training 数据量的模型节点，并在 16 个不同的任务集上进行多任务监督微调。结果显示，pre- training 数据越多，下游模型在所有任务上的验证损失（Validation Loss）和下一步动作预测误差均有所下降。
在实践上，通过盲测 A/B 实验，这种趋势被证实可以转移到物理机器人上。团队在实验中确保了 pre-training 与 post training 数据互不重叠，结果显示，增加 pre-training 数据能提高任务成功率：即使在下游数据仅有 5.6 小时的情况下增益也十分显著；而当全量 pre- training 数据与充足的下游数据（550+小时）结合时，任务成功率达到了最高，部分场景峰值高达 99%。
最后，这种性能趋势被总结为可预测的数学模型，基于确立的幂律关系，团队能够回答“达到特定误差需要多少 pre-training 数据”或“更多的 pre- training 数据可以抵消多少下游微调数据预算”等问题。
Generalist 结论三：数据质量与多样性比数据本身更重要
团队还对比了不同数据源对模型性能的影响，发现数据质量和多样性比数据量本身更为重要：来自不同来源（例如不同 data foundry）的 pre- training 数据在不同组合下，会训练出具有不同特征的模型。
比如一些数据配置训练出的模型在预测误差和反向 KL 散度上都较低，这类模型更适合监督微调；另一些数据配置虽然预测误差较高，但反向 KL 散度低，表明模型的输出分布具有更高的多模态性，这对 RL 更有利。
Physical Intelligence 新研究：将人类数据与最相关的真机数据协同微调
过去，由于人类手部与机械臂在形态和运动方式上的巨大差异，机器人很难直接通过观看人类第一视角视频来学习，通常需要复杂的特征对齐处理。
2025 年 12 月，Physical Intelligence 在 Emergence of Human to Robot Transfer in VLAs 中表明，只要扩大机器人基础模型的 pre-training 规模，模型就会涌现出从人类第一视角视频中学习的能力：
• 在按颜色分鸡蛋、整理梳妆台等任务中，引入相关人类数据后，机器人的性能提升了约 2 倍。
• 如果没有大规模的 Pre-training，模型会将人类和机器人数据视为完全不同的特征，随着 pre-training 中机器人数据多样性的增加，模型内部对人类和机器人的特征表示会自动开始对齐，从而能“听懂”人类视频里的演示。
为了实现这一点，研究团队采用了人类数据和机器人数据协同微调（Co-finetuning）策略，但需要注意的是：
• 微调并非简单地把所有数据混在一起，而是将人类数据与最相关的真机数据混合。以分拣鸡蛋为例，真机数据提供了“将鸡蛋放入纸盒”的基础动作能力，而人类数据则补充了“按颜色分类鸡蛋”的高级逻辑演示。
• PI 在论文中采用的数据混合比例为 1:1，因为 PI 认为 1:1 的比例既可以保留模型原有的机器人操作能力，又可以有效引入人类演示，但 PI 在论文中并没有给出其他配比（如 3：7）的对比实验结果。
Google 的经验：PaLM-E、RT-2
Generalist 的 CEO Pete Florence 曾在 Google 主导或参与了多个重要机器人项目，如 PaLM-E、RT-2。
PaLM-E 验证了随着参数规模增大，模型在具身任务上的整体表现会持续提升，并且不会出现传统多任务学习中常见的灾难性遗忘问题。同时，PaLM-E 展现了显著的正向迁移现象：训练语言与视觉任务（如 Web VQA）不仅不会干扰机器人控制，反而能提升机器人的执行能力，体现出“读的书越多，干活越聪明”的特性。在足够大的模型规模下，还涌现出了多模态思维链能力，使模型能够在视觉、语言和动作之间进行更复杂的推理。
RT-2 进一步展示了泛化能力的提升。相较于以 RT-1 为代表、没有从大规模网络语义知识中迁移出语义推理能力的早期模型，RT-2 依托数百亿参数规模的 VLA 架构，以及多模态与机器人数据的联合微调，在未见过具体任务指令的情况下展现出了泛化能力。例如，模型能够理解“捡起那个已灭绝的动物”这一指令，并借助互联网语义知识推断出“恐龙是已灭绝动物”，从而在缺乏对应任务示例的情况下完成操作。
03.
Generalist 最关注模型灵巧性
Generalist 成立于 2024 年，目标是构建通用机器人模型，将 scaling AI 与机器人技术视为公司 DNA。公司在机器人领域最关注灵巧性（dexterity），公司认为这需要在数据、模型和硬件层面都有突破。2025 年 3 月，Generalist 完成由 Nvidia（NVentures）和 Boldstart Ventures 领投的种子轮投资。
GEN-0 模型
2025 年 11 月，Generalist 发布了基础模型 GEN-0，并用一个长序列任务来展示 GEN-0 的综合能力：
-
把清洁布放入盒子；
-
折叠纸质托盘；
-
从塑料袋中取出相机，并去掉保护套；
-
将相机精准放入托盘；
-
盖上盒盖（需要对齐微小的插片）；
-
处理垃圾（扔掉塑料袋）。
在完成这个任务过程中，模型没有被灌输分步指令，而是在单一的神经网络流中完成所有步骤，展示了模型在工具使用、柔性物体处理以及高精度装配方面的能力。此外，GEN-0 还展示了跨具身能力：模型已成功部署在 6-DoF 机械臂、7-DoF 机械臂，以及 16+ DoF 的半人形机器人上。
X、reddit 等社交媒体上大众对于 GEN-0 的灵巧度和所能完成任务的精细程度普遍表示赞叹，斯坦福机器人教授 Shuran Song 在 X 上对机器人能够完美地插入箱盖感到“satisfying”。
GEN-0 发布前的 Demo
今年 6 月，公司发布了第一篇 blog，在所有 demo 中，机器人都是完全自主的，由深度神经网络实时控制。该网络直接将像素和其他传感器数据映射为 100Hz 的动作指令。Blog 中展示了四个具体的任务：
1. 分拣紧固件：展示了从杂乱中快速抓取、调整方向并分类放置细小、扁平物体的能力。
2. 折叠盒子并包装车锁：展示了处理关节物体（盒子）和可变形物体（链条锁）的长序列能力，以及在该过程中所需的毫米级精度和力度控制。
3. 回收螺丝：展示了工具使用和复杂的双臂配合（如刮掉磁性批头上的螺丝、弯曲纸盘做漏斗）。
4. 拆解、分类并抛掷乐高：展示了强力双臂配合（拆解）、重抓取、泛化（识别不同积木结构和料仓位置）以及高速动作（抛掷）。
9 月，公司在 6 月展示的乐高任务的基础上，又介绍了一项新的内部评估机器人能力的任务：乐高积木的模仿构建。公司引用第三方观点，将乐高积木的模仿构建能力归类为通用机器人的最高等级（Level 4），即能够以极高的精度执行依赖于力的精细任务，并对环境物理力做出细微反应。
具体来说，人类先搭建一个小的乐高结构，机器人通过观察后，能够从零开始复制出完全一样的结构。在这个任务上，公司依然采用端到端的方式，模型直接接收视觉像素输入，并输出 100Hz 的动作指令，而且不需要针对该任务进行特定工程设计，也没有定制的指令代码，机器人完全依靠“看懂”然后“照做”。
这些 demo 的亮点在于：
1. 极高水平的灵巧度：组装乐高比拆解或抛掷（6 月展示的 demo）难得多，因为它需要亚毫米级的精度。机器人需要精确对齐积木的凸粒，并在对齐的瞬间施加恰当的压力进行按压。
2. 视觉理解与模仿能力：机器人不再只是执行预定义的动作，而是具备了“看懂要做什么”的能力。它通过观察人类搭建的成品，自行推导出构建目标。
3. 序列推理能力：机器人不仅要理解最终形态，还要规划步骤。对于每一块积木，模型必须选择正确的颜色和形状，调整方向，将其放置在准备位置，最后正确地组装上去。
4. 泛化能力：虽然目前的 demo 仅限于使用 4 种颜色的 2x4 乐高积木搭建 3 层结构，但其组合的可能性非常庞大。公司估算，即便是在这个限制条件下，也存在约 99840 种可能的组合（基于无色 3 砖组合有 1560 种变体，再乘以颜色的排列组合计算得出）。公司表示这意味着机器人并非死记硬背，而是真正具备了应对多样化结构的能力。
04.
Generalist 的技术壁垒：数据、硬件和模型
数据采集与处理
在数据总量上，GEN-0 在 pre-training 上使用了超过 27 万个小时的真实世界机器人操作数据，这些数据来自全球数千个家庭、仓库和工作场所的各种活动，而且数据飞轮还在加速，目前以每周 1 万小时的速度新增。
• Generalist 是如何收集数据的？
Generalist 使用 UMI 进行数据采集，通过在全球范围内部署数千个数据收集设备和机器人，实现了并行化、多样化地数据采集。
Reddit 上有评论表示公司用手套采集数据，手套的手指形状类似机器人的夹爪，让人类在做日常家务和任务时佩戴，而且根据公司发布的数据采集视频推测，佩戴者的头上装有一个摄像头，每只手套上也各有一个摄像头。
用户评论：他们有一种看起来像小手套的装置，让人类在做日常家务和任务时佩戴。手套的手指形状类似机器人的夹爪，而且可以推测，佩戴者的头上装有一个摄像头，每只手套上也各有一个摄像头。这些在他们的数据集视频中是可以看到的。
Generalist 还与多家 data foundry 合作，在不同环境中采集多样化的数据。通过持续的 A/B 测试，他们可以评估各个合作伙伴的数据质量，并据此调整数据采购比例。
• Generalist 是如何处理这些数据的？
公司构建了专用的硬件和处理管线，甚至铺设了专用网络线路，来支持从各个站点到云端的高带宽数据上传，每天能处理相当于 6.85 年的人类操作经验数据。
• 数据采集成本有多贵？
Generalist 使用的数据是 egocentric data，the information 报告显示，Generalist 数据供应商是 Scale AI。1X 的 Engineering Lead 表示，Scale AI 曾雇佣美国大学生标注 CS 领域的数据，每小时收费 50 美元，再以每小时 200 美元价格卖出去，据此或可简单估算 Generalist 的数据采集成本。
Egocentric data（自我中心数据 / 第一视角数据）指的是从执行者自身视角采集的数据，也就是“我看到什么、我怎么动”的数据，而不是从外部第三视角观察得到的数据。
X 上有评论认为，即使是在中国，要收集到训练 GEN-0 的数据也要花费 200-300 万美元。
硬件支持
除了上述数据采集的硬件之外，今年 9 月，Generalist AI 成为 Physical AI Fellowship 项目首批（2025 秋季）入选的 8 家初创公司之一。
这个项目由 MassRobotics 联合 AWS 和 NVIDIA Inception 共同发起，目的是通过提供技术资源来加速物理人工智能（Physical AI）领域的初创公司发展。入选公司主要可以获得以下支持：
• 来自 AWS 生成式 AI 创新中心的科学家和工程师的技术支持。
• 有 20 万美元的 AWS 云服务额度以及 NVIDIA 的硬件和软件技术栈（如 Isaac 平台、NVIDIA Cosmos）支持，同时可通过 NVIDIA Inception 初创企业计划，以优惠价格获取软件和硬件。
• 可以进入 MassRobotics 的全球机器人合作伙伴网络。
除了 Generalist AI，首批名单还包括 Bedrock Robotics、Blue Water Autonomy、Diligent Robotics、RobCo、Tutor Intelligence、Wandercraft 和 Zordi。
模型新架构
传统机器人架构通常将机器人模型系统分为“慢思考”（System 2，高层规划）和“快反应”（System 1，底层控制）。GEN-0 摒弃了这种分离，使用一种称为 Harmonic Reasoning（谐波推理）的机制，这是 GEN-0 区别于传统机器人模型的架构创新。
具体来说，这种架构将感知 Token 和动作 Token 融合在同一个 Transformer 流中进行处理，让模型学会了一边做一边想。它不需要停下来规划，而是能以极高的频率（100Hz+）生成连续、流畅且智能的动作。
05.
Generalist 团队背景
Generalist 成员来自 OpenAI、Boston Dynamics、Google DeepMind 等。在加入 Generalist 之前，部分成员参与过 PaLM-E、RT-2 等模型的研究与发布，也曾负责将 ChatGPT 和 GPT-4 拓展到数亿用户规模，或曾参与自动驾驶关键技术以及机器人系统（如 Atlas、Spot、Stretch）的开发工作。
• Pete Florence (CEO & Co-founder)
Florence 曾任 Google DeepMind 高级研究科学家，2019 年博士毕业于 MIT，博士期间专注于视觉引导的机器人操作研究，提出了 Dense Object Nets 等具有代表性的工作，强调从原始感知到动作的端到端学习。毕业后加入 Google，主导或参与了多项重要机器人项目，包括 PaLM-E 和 RT-2。2024 年，Florence 离开 Google 创立了 Generalist。值得一提的是，DeepMind 在今年 3 月发布的 Gemini Robotics 的论文中 4 次引用了 Florence 共同署名的相关研究成果。
• Andrew Barry (CTO & Co-founder)
Andrew Barry 曾任 Boston Dynamics 资深机器人学家，具备扎实的硬件与系统集成背景。2016 年博士毕业于 MIT，博士期间专注于高速自主无人机导航研究，毕业后在 Boston Dynamics 工作五年，参与了 Spot 机器狗机械臂项目的研发。在加入 Generalist 之前，他还曾在 Broad Institute 从事机器学习相关工作。
Andrew 与 Pete 同为 Russ Tedrake 的学生，两人的学术合作开始于一项轻量级无人机立体视觉避障算法研究。此前两人曾共同创办教育类工作坊 Stage One Eduaction，以通俗易懂的方式向儿童教授基础 engineering 知识，已累计教了上万名孩子。
• Andy Zeng (Chief Scientist & Co-founder)
Andy Zeng 曾任 Google DeepMind 研究科学家，主要研究方向为机器人抓取与物体理解。2019 年博士毕业于普林斯顿大学，因在机器人抓取和视觉感知领域的研究多次获奖，包括亚马逊抓取挑战赛的冠军。他的代表作 TossingBot（一个能够自主学习投掷不同物体的系统，第二作者为 Shuran Song）曾获得 RSS 2019 最佳系统论文奖提名。Andy 早在 2018 年便在 Google 实习，后来加入 Google 成为机器人团队的核心成员，与 Pete Florence 合作密切，共同发表超过十七篇论文，并因“让机器人自己写代码”（Code as Policies）等研究而广受关注。
• 其他成员
06.
竞争格局
机器人领域的初创公司非常多，如果用场景复杂度作为纵轴，交付形态作为横轴，可以粗略画出一个美国机器人产业象限图。过去，市场的关注点主要集中在下半区，即工厂、物流等相对结构化的场景，机器人要完成的任务的确定性也更高，随着 LLM 的发展，市场的关注点集中到了上半区。
• 第一象限（右上）：消费级通用机器人。典型代表是 Sunday，注重实用性，用低成本的手套采集数据，目标是在家庭场景中运用。
• 第二象限（左上）：通用具身大脑。这一象限的 bet 在于硬件会商品化，因此只要解决了最难的“大脑”问题，就可以赋能任何硬件。典型代表是 Physical Intelligence，专注于机器人大脑的研发， 并不自己做硬件，但会进行硬件合作。
• 第三象限（左下）：在垂直场景做机器人大脑。典型代表是 Covariant，公司从物流领域出发，希望做通用机器人大脑，去年 8 月，Amazon 与 Covariant 达成协议，“收购”了三位联合创始人和核心研究团队，并获得了 RFM-1 模型的非独家授权。
• 第四象限（右下）：在垂直场景，比如工厂、仓库等规则明确的地方，通过极致的软硬件整合，把效率做到极限。典型代表是 Amazon Robotics，专注于为了自家仓库效率的极致定制。
Generalist 的优劣势
Generalist 作为新成立的通用机器人大脑公司，位于上图的第二象限。总的来说，Generalist 最大的护城河依然是大量端到端的真机数据和极强的团队技术实力，但也面临着很大竞争压力：Physical Intelligence 拥有更完善的团队组成，并刚完成了巨额融资；Google 拥有大量的 TPU 算力和资金支持，还可以利用 Gemini 模型能力；Sunday 则在家庭场景落地更快。
• Generalist VS Physical Intelligence
在技术上，PI 的 Flow Matching 技术可以直接输出连续平滑的电机信号，解决了传统动作生成模型（如 Google RT-2）因离散化 Token 导致的动作生硬问题，而且 PI 开发的 Recap 算法赋予了模型自我进化能力，能通过专家修正和自我尝试提升任务吞吐量并降低失败率。Generalist 目前仍缺乏这种部署后“越用越强”机制。
在生态和团队建设上，PI 积极构建生态并与机器人硬件公司开放合作，而 Generalist 的 Demo 目前仅限于桌面操作，暂时缺乏实际产线的验证；PI 在团队上由 Chelsea Finn、Sergey Levine 等多位学术界泰斗组成了全明星阵容，团队构建上也更全面，相比之下，Generalist 更加精炼。
此外，PI 在 2025 年 11 月宣布完成 6 亿美元融资，估值高达 56 亿美元，在融资进度上相对更领先。
• Generalist VS Google
在生态上，Google 采取了类似“Android for Robots”的开放策略，通过 Open X-Embodiment 联盟连接全球实验室与硬件厂商，而 Generalist 缺乏 Google 那种能迅速将模型分发到不同硬件本体上的生态掌控力，因此 Generalist 或许得在数据质量和灵巧操作上建立足够高的壁垒。
而且，这是一场资源不对等的持久战，Google 拥有大量的 TPU 算力和资金支持，而 Generalist 作为创业公司，必须时刻关注高昂的数据采集成本带来的资金消耗率问题。
• Generalist VS Sunday
相比 Sunday，Generalist 凭借高质量的数据和精密控制，能够完成非常精密的装配任务，而 Sunday 可能受限于低成本的手套采集方式，缺乏关键的力反馈信息，暂时聚焦于处理容错率较高的家务。
但在商业化落地的赛道上，Sunday 明显走得更快，Sunday 已经明确表示将在 2026 年晚些时候启动 “Founding Family Beta”计划，计划把约 50 个 Memo 机器人放到真实家庭中进行测试和使用。
排版：傅一诺
延伸阅读
红杉对话 LangChain 创始人：2026 年 AI 告别对话框，步入 Long-Horizon Agents 元年
2026 年的 Coding 时刻是 Excel
当顶级视频模型半衰期只有 30 天，fal.ai 为什么收入反而一年增长 60 倍？
TPU vs GPU 全面技术对比：谁拥有 AI 算力最优解？
当 AI 接管钱包：Agentic Commerce 如何重构互联网经济？
3. 美联储主席竞选决赛圈：超级反转频现，贝莱德高管成黑马
作者: PANews
链接: https://mp.weixin.qq.com/s/sxLHoohkHdp6kDKDZ_1D5A
发布时间: 2026-01-29T11:04:42
作者：Zen，PANews
兜兜转转，特朗普的美联储主席人选，预计在未来一周左右正式出炉。这场剧情跌宕起伏的“选秀”，在来到最终决赛圈时又出现了超级反转。
“美联储必须将利率降至3%，这才更接近均衡。”1月13日，BlackRock首席固定收益投资官里克·里德（Rick Rieder），在接受CNBC采访时表示，利率必须降到3%，然后才能考虑目前的处境。
Rieder的这番言论，也正式吹响了黑马冲锋的号角。
他当天在Polymarket等预测市场上胜选的概率从3%翻倍至6%；而在达沃斯论坛上特朗普对其大加赞赏之后，Rieder的胜率更是一度飙升至60%。截至1月29日，Rieder与前美联储理事凯文·沃什并驾齐驱，概率均在33%左右：
而这位华尔街资深投资人之所以能意外崛起，成为2026年美联储主席职位的最大热门之一，一方面在于Rieder的货币政策立场与特朗普的偏好不谋而合，倾向于迅速大幅降息以提振经济增长；另一方面，他丰富的华尔街资历带来的信誉，使其提名更易为市场和参议院所接受。
此外，Rieder对数字资产的开放态度，也使得他在加密货币领域也备受关注。他近年来多次公开表示，比特币应作为投资组合的组成部分，与黄金一起为投资者提供“压舱石”。
01
两次并购，造就Rieder顶级华尔街履历
每个人都有自己的天赋，而Rieder就是天生做投资的料。
上世纪七十年代初，还是小学生的Rieder就开始钻研体育博彩。他会琢磨NFL球队奥克兰突袭者的各种细节数据，例如球队在人造草皮和天然草皮上的表现差异。Rieder会将自己的午餐费全部押注，赢了，25美分会变成50美分；而输了，他就只能喝西北风。
这种对投资的热情，和对数据有着近乎疯狂的痴迷，也贯穿了Rieder的职业生涯。如今，他拥有逾30年的金融市场从业经历，和最丰富的投资管理履历。
1987年，从埃默里大学商学院毕业不久，Rieder加入了知名投资银行E.F. Hutton。几个月后，号称“黑色星期一”的股灾导致这家公司濒临倒闭。年末，这家拥有80年历史的公司“贱卖式”地与雷曼兄弟进行了合并。而Rieder则因为岗位空缺，很幸运地继续留任并在雷曼一直效力近20年，历任全球信贷业务负责人等高级职务。
2008年5月，在雷曼兄弟破产前夕，Rieder选择离职创业，创立对冲基金R3 Capital。一年后，Rieder的命运再一次在一场并购中迎来重大转折，贝莱德首席执行Larry Fink收购了R3公司，将Rieder招至麾下并委以重任。自此，Rieder进入贝莱德高管层，逐步领导该公司规模庞大的固定收益投资平台。
2013年，Rieder在贝莱德如今，Rieder担任贝莱德全球固定收益的首席投资官，负责管理约2.4万亿美元的资产组合，成为全球最大资产管理公司最重要的投资决策者之一。同时，Rieder也是贝莱德全球执行委员会成员和公司投资理事会主席。值得一提的是，在担任企业高管的同时，他还曾受邀出任美国财政部借款咨询委员会副主席、美联储金融市场投资咨询委员会成员等公共职务，为政府提供专业咨询。这些顶级履历，使Rieder兼具市场洞察和一定的政策视野，为其竞逐美联储主席一职增色不少。不少外媒在报道时，喜欢称他“具有美联储主席气质”。
02
胜选概率一度飙升约20倍，“黑马”Rieder成为最大热门
作为美联储主席热门候选人，Rieder在货币政策方面的立场是最受关注的议题。Rieder一贯主张更为宽松的政策取向，多次强调当前美国利率水平过高，应尽快降至约3%的“中性”利率以平衡经济风险。
在今年1月的一次采访中，Rieder直言美联储得把利率降到3%，才更接近均衡。分析人士指出，Rieder的立场相当鸽派，如果他上任，美联储可能在年内降息三次以刺激增长。
在Rieder看来，美国经济中正出现生产率提升、关税导致的通胀逐步消退、劳动力和低收入消费者承受压力等现象，因此提早降息有助于缓解这些周期和结构性难题，为经济增长保驾护航。
显然，Rieder的货币政策主张契合了特朗普政府在大选后对降息的迫切期望。特朗普重返白宫后屡次抨击美联储和现任主席鲍威尔没有迅速降息，甚至以削弱美联储独立性为代价公开施压。
作为当前最热门的候选人，Rieder既满足了特朗普在利率方面“放松银根”的要求，又不像此前大热的“两个凯文”中的哈塞特那样缺乏足以服众的履历，经济政策令人失望，并被普遍视作特朗普的傀儡。而在上周，特朗普公开表示希望哈塞特留任白宫国家经济委员会主任，也基本宣布其率先出局。
另一位入围热门候选人名单的前美联储理事凯文·沃什，虽也表态支持降息，但作为通胀鹰派的他并不会采取特朗普所希望的大幅、快速的降息路线。此外，沃什在竞选过程中对美联储体制口诛笔伐，喊出需要更换机制和强硬整顿的口号，但具体改革细节却并不清晰。结合沃什的履历，他锋芒毕露的态度也会引发特朗普对其过于激进、缺乏合作性的担忧。
与沃什和哈塞特相比，现任美联储理事克里斯托弗·沃勒（Christopher Waller）属于“体制内候选人”，他在联储决策层已有一定影响力，支持更保守的央行角色定位。不过，沃勒并未能在这场“选秀”中获得特朗普的过多青睐。但值得一提的是，沃勒因对美联储在1月末的决议持反对意见，支持降息 25个基点，其在预测市场的胜选概率随之翻倍至约15%。
特朗普在达沃斯论坛接受采访时，对Rieder大加称赞，称他在面试中表现非常出色。特朗普同时表示，在他看来，真正的候选人“可能只剩下一个了”。这也使得Rieder当选的概率从不到3%一度在飙涨至1月24日的60%，一举超越此前领跑的“两个凯文”。
03
首位比特币友好型美联储主席或将上任
与大多数央行高官不同，Rieder对比特币等加密资产一直持相对友好的开放态度。作为全球最大资产管理公司之一的投资主管，他多次公开表达对数字资产潜力的认可。
早在2020年11月，Rieder就在接受CNBC采访时大胆断言，比特币可能接棒黄金，成为21世纪的新储备资产，理由是“它作为一种价值载体比传递金条等实物要便利得多”。
随后几年，Rieder的行动与观点也保持一致。2021年初他透露贝莱德已经“开始稍微涉足比特币”投资，2023年贝莱德更率先向美国证监会提交了比特币现货ETF的申请并带动其他金融巨头跟进。Rieder本人则反复强调，比特币应当作为长期投资组合的一部分。
在近期采访中，Rieder建议投资者将比特币与黄金一同持有，以对冲通胀并增强投资组合的稳定性。即便在2025年9月比特币价格高达11.2万美元的高位时，里德依然表示“它还会继续上涨”，坚定看好这一数字资产的未来表现。
如果这样一位拥抱加密货币的市场派人士出任美联储主席，将是史无前例的局面，也意味着比特币将在美联储最高层获得前所未有的话语权。
当然，联储主席并非直接监管加密行业的官员，具体的监管规则主要由证券交易委员会（SEC）、商品期货交易委员会（CFTC）等机构制定，美联储内部则通常由负责金融监管的副主席牵头数字资产相关议题。因此，Rieder的加密立场未必会立刻转化为政策层面的重大改变。
然而，美联储主席的个人观点对市场和监管氛围有着举足轻重的引导作用，会影响监管层如何审视金融创新，及其产生的系统性影响。对于加密行业而言，一位了解比特币价值，并来自华尔街传统金融与数字资产交汇处的美联储主席，无疑是重大的激励信号。
点个【 在看 】，你最好看
4. A股为什么总是"牛短熊长"？
作者: 好买研习社
链接: https://mp.weixin.qq.com/s/GeeuJioDjwyuMNaDlRVQVg
发布时间: 2026-01-29T09:43:17
A股为什么总是"牛短熊长"？
好买长宽高书院
A股为什么总是"牛短熊长"？ 原创
阅读全文
预览时标签不可点
5. 黄金高位了，下个机会在哪？
作者: 好买研习社
链接: https://mp.weixin.qq.com/s/K842eBufUD4PqvEu9G1ZPA
发布时间: 2026-01-29T09:43:17
微信首页底部菜单留言栏回复“ 礼包 ” “ 群 ”
免费加入“ 长宽高书院“ 专项班级
昨天晚上黄金白银继续狂飙，年初至今黄金涨幅近30%、白银涨幅近50%。
当行情走到这一步，黄金白银的下一步在哪？还有其他机会吗？
如果回顾历史可知，宏观大周期素有“金银铜油农”、“金属-化工-农产品-消费”的轮动周期规律。具体分析详见下文……
黄金白银太猛了！
具体来看，昨晚国际黄金价格突破5500美元大关，今天盘中突破5600美元/盎司，再创历史新高。白银价格也冲到120美元/盎司，而年初是70美元/盎司。
粗略计算可知，年初至今，短短1个月黄金涨幅接近30%、白银涨幅则接近50%。
数据来源：iFind；截至2026年1月29日
为啥黄金白银这么疯狂？原因有3点：
第一，美元指数近期持续大跌。
第二，全球的“去美元化”浪潮。
第三，国际局势动荡不安。比如特朗普1月28日突然在社交媒体说，一支庞大的舰队正前往伊朗。
不过这些都是既定事实，投资也是投的未来。当前短短一个月这么猛，金银高位，后劲还有多少？
面对黄金白银狂飙，一些主题基金已暂停申购！
比如易方达黄金主题LOF、国投白银LOF暂停申购。在基金评论区里，很多人吐槽不断，骂声一片。
但我认为这需要客观看待：
一是它们为商品基金，要在期货交易所购买期货合约。资金追热度大举涌入，可在交易所限制下，无法顺利开仓，只能暂停申购。
二是保护投资者。回顾历史，历次追风买入、疯狂抢买的，经常承受不住调整，很多人不赚反亏。投资赚钱，从来都不是发烧追涨那么简单。
就行情表现而言，短短1个月涨成这样——黄金30%、白银50%，在趋势和惯性的作用下，黄金、白银的价格可能继续向上，但是空间可能有限，性价比变低。
具体投资时，风险波动承受能力很强的，可以轻仓10%以下配置，不要梭哈重仓。
下一个机会在哪？
下面重点说下黄金之后的其他机会。
回顾历史行情，国际大宗商品宏观周期，素有“金银铜油农”的轮动次序。
即在一个完整的宏观周期中：
首先是贵金属领头！
因为黄金是避风港，黄金先涨。再传导白银，白银也兼具贵金属的避险属性和工业金属的功能性。
其次是铜。
铜上涨表明资金从金融市场转向实体经济。注意：铜这里不是只有铜，而是泛指铜所属的有色金属家族，铝、锡、镍等都在其中。
然后是油。
经济热度很高时，原油是经济血液，油价随之而动。同样注意：这里不是只有石油，是泛指石化、化工等产业链。
最后是行情终点站，农产品收尾。
因为它是必需品！ 无论经济好与坏，吃饭需求变化不大。也多受种植和天气影响，无法人为干预，通常扮演相对稳定或滞后补涨的角色。
按照国内的周期轮动规律，也有“金属-化工-农产品-消费”的轮动周期规律。
具体次序和逻辑如下：
第一，金属阶段。贵金属先行，随后传导到工业金属、有色金属。
第二，化工阶段。能源和化工联动，原因是成本传导以及需求扩张。
第三，农产品阶段。核心是成本传导与需求刚性。
第四，消费阶段。主要是通胀传导和消费复苏引发。
近年的行情，也是按这些规律走的。
具体是贵金属领先飙涨，然后有色金属大涨，再是近期“油”代表的石化、化工大涨。农产品近期也有异动，主要是油脂类（棕榈油、豆油）上涨。
此外今天盘中，久跌的消费、白酒突然大涨。
化工、农业、消费
通过这些周期规律，我们就可以按图索骥了：
首先，黄金、白银处绝对高位，涨幅好几倍。其次是有色金属，同样在狂飙。然后是化工，虽然也在大涨，但没有到狂飙的地步。农产品、消费，可能仍在初期阶段……
因此下个周期机会，可能是相对低位、还没疯涨的化工，以及农产品、消费等方向。
大家后市投资时也可以多关注类似主题的基金。
再以中证细分化工产业主题指数为例，近十几年来，指数刚好有4个明显的周期大底部，目前点位也是处于行情的半山腰。
数据来源：iFind；截至2026年1月29日
话说十来天前，我刚刚跟大家写过一篇化工基金的分析，《半年涨60%！但这个方向我继续看好》，文中还精选了8只绩优化工主题基金，需要的消息栏（主页旁，点击发消息）发送“化工”领取。
然后可能是农产品，和化工相似，目前中证农业指数也处于行情“半山腰”。
相关农业的绩优基金有嘉实农业产业股票、天弘中证农业主题AC、华夏中证农业主题ETF等基金。农业商品类基金，则是华夏饲料豆粕期货ETF联接AC基金。
数据来源：iFind；截至2026年1月29日
消费就别提了，本轮就没涨啥，估值也处于低位。因为资金担心消费继续下行，也就一直在磨底。
数据来源：iFind；截至2026年1月29日
逆人性投资的话，消费也是可以重点配置、按期定投的。去年底我曾经筛选了8只绩优消费题基金，感兴趣的消息栏（主页旁，点击发消息）发送“消费”领取。
文末提醒下，周期规律并非绝对固定，实际可能因宏观政策、地缘政治、自然灾害因素出现偏差，并非100%按周期规律重现。
基金产品专项班
2月2日开课！
长按海报二维码加入班级！ 这里有全新升级的基金系统课程、每日投资干货，还能享盘面行情解读、热点事件追踪，以及老师实时答疑服务。
风险提示：
市场有风险，投资需谨慎。基金的过往业绩及其净值高低或基金管理人管理的其他基金的业绩并不预示其未来表现。相关数据仅供参考，不构成投资建议。投资人应详阅基金合同等法律文件，了解产品风险收益特征，根据自身资产状况、风险承受能力审慎决策，独立承担投资风险。特别提醒，基金在封闭运作期间或特定持有期间存在无法赎回的流动性风险。
版权声明：
本文著作权归好买财富管理股份有限公司所有，未经事先书面授权，任何组织和个人不得对本文进行任何形式的转载、复制、发表、传播、改编、汇编或引用本文内容的任何部分。
免责声明：
本文所载信息或所表述的意见并不构成对任何人的投资建议，投资者不应该将本文的内容作为投资决策的参考因素。对于本文可能涉及的观点、报告、解读、推测、市场资讯等内容，仅代表作者个人观点，不代表我公司观点，请务必审慎对待。市场有风险，投资需谨慎，请您结合自身资产状况、风险承受能力，审慎做出投资决策，独立承担投资风险。
👇 戳"阅读原文" ****领大礼包,走出理财第一步****
6. 黄金高位了，下个机会在哪？
作者: 好买基金
链接: https://mp.weixin.qq.com/s/kuaPHpohzuHl8gknOX1KUQ
发布时间: 2026-01-29T09:32:50
好买基金
右上角加个星标不迷路
昨天晚上黄金白银继续狂飙，年初至今黄金涨幅近30%、白银涨幅近50%。
当行情走到这一步，黄金白银的下一步在哪？还有其他机会吗？
如果回顾历史可知，宏观大周期素有“金银铜油农”、“金属-化工-农产品-消费”的轮动周期规律。具体分析详见下文……
黄金白银太猛了！
具体来看，昨晚国际黄金价格突破5500美元大关，今天盘中突破5600美元/盎司，再创历史新高。白银价格也冲到120美元/盎司，而年初是70美元/盎司。
粗略计算可知，年初至今，短短1个月黄金涨幅接近30%、白银涨幅则接近50%。
数据来源：iFind；截至2026年1月29日
为啥黄金白银这么疯狂？原因有3点：
第一，美元指数近期持续大跌。
第二，全球的“去美元化”浪潮。
第三，国际局势动荡不安。比如特朗普1月28日突然在社交媒体说，一支庞大的舰队正前往伊朗。
不过这些都是既定事实，投资也是投的未来。当前短短一个月这么猛，金银高位，后劲还有多少？
面对黄金白银狂飙，一些主题基金已暂停申购！
比如易方达黄金主题LOF、国投白银LOF暂停申购。在基金评论区里，很多人吐槽不断，骂声一片。
但我认为这需要客观看待：
一是它们为商品基金，要在期货交易所购买期货合约。资金追热度大举涌入，可在交易所限制下，无法顺利开仓，只能暂停申购。
二是保护投资者。回顾历史，历次追风买入、疯狂抢买的，经常承受不住调整，很多人不赚反亏。投资赚钱，从来都不是发烧追涨那么简单。
就行情表现而言，短短1个月涨成这样——黄金30%、白银50%，在趋势和惯性的作用下，黄金、白银的价格可能继续向上，但是空间可能有限，性价比变低。
具体投资时，风险波动承受能力很强的，可以轻仓10%以下配置，不要梭哈重仓。
下一个机会在哪？
下面重点说下黄金之后的其他机会。
回顾历史行情，国际大宗商品宏观周期，素有“金银铜油农”的轮动次序。
即在一个完整的宏观周期中：
首先是贵金属领头！
因为黄金是避风港，黄金先涨。再传导白银，白银也兼具贵金属的避险属性和工业金属的功能性。
其次是铜。
铜上涨表明资金从金融市场转向实体经济。注意：铜这里不是只有铜，而是泛指铜所属的有色金属家族，铝、锡、镍等都在其中。
然后是油。
经济热度很高时，原油是经济血液，油价随之而动。同样注意：这里不是只有石油，是泛指石化、化工等产业链。
最后是行情终点站，农产品收尾。
因为它是必需品！ 无论经济好与坏，吃饭需求变化不大。也多受种植和天气影响，无法人为干预，通常扮演相对稳定或滞后补涨的角色。
按照国内的周期轮动规律，也有“金属-化工-农产品-消费”的轮动周期规律。
具体次序和逻辑如下：
第一，金属阶段。贵金属先行，随后传导到工业金属、有色金属。
第二，化工阶段。能源和化工联动，原因是成本传导以及需求扩张。
第三，农产品阶段。核心是成本传导与需求刚性。
第四，消费阶段。主要是通胀传导和消费复苏引发。
近年的行情，也是按这些规律走的。
具体是贵金属领先飙涨，然后有色金属大涨，再是近期“油”代表的石化、化工大涨。农产品近期也有异动，主要是油脂类（棕榈油、豆油）上涨。
此外今天盘中，久跌的消费、白酒突然大涨。
化工、农业、消费
通过这些周期规律，我们就可以按图索骥了：
首先，黄金、白银处绝对高位，涨幅好几倍。其次是有色金属，同样在狂飙。然后是化工，虽然也在大涨，但没有到狂飙的地步。农产品、消费，可能仍在初期阶段……
因此下个周期机会，可能是相对低位、还没疯涨的化工，以及农产品、消费等方向。
大家后市投资时也可以多关注类似主题的基金。
再以中证细分化工产业主题指数为例，近十几年来，指数刚好有4个明显的周期大底部，目前点位也是处于行情的半山腰。
数据来源：iFind；截至2026年1月29日
话说十来天前，我刚刚跟大家写过一篇化工基金的分析，《半年涨60%！但这个方向我继续看好》，文中还精选了8只绩优化工主题基金，需要的消息栏发送“化工”领取。
然后可能是农产品，和化工相似，目前中证农业指数也处于行情“半山腰”。
相关农业的绩优基金有嘉实农业产业股票、天弘中证农业主题AC、华夏中证农业主题ETF等基金。农业商品类基金，则是华夏饲料豆粕期货ETF联接AC基金。
数据来源：iFind；截至2026年1月29日
消费就别提了，本轮就没涨啥，估值也处于低位。因为资金担心消费继续下行，也就一直在磨底。
数据来源：iFind；截至2026年1月29日
逆人性投资的话，消费也是可以重点配置、按期定投的。去年底我曾经筛选了8只绩优消费题基金，感兴趣的消息栏发送“消费”领取。
文末提醒下，周期规律并非绝对固定，实际可能因宏观政策、地缘政治、自然灾害因素出现偏差，并非100%按周期规律重现。
基金产品专项班
2月2日开课！
长按海报二维码加入班级！ 这里有全新升级的基金系统课程、每日投资干货，还能享盘面行情解读、热点事件追踪，以及老师实时答疑服务。
风险提示：
市场有风险，投资需谨慎。基金的过往业绩及其净值高低或基金管理人管理的其他基金的业绩并不预示其未来表现。相关数据仅供参考，不构成投资建议。投资人应详阅基金合同等法律文件，了解产品风险收益特征，根据自身资产状况、风险承受能力审慎决策，独立承担投资风险。特别提醒，基金在封闭运作期间或特定持有期间存在无法赎回的流动性风险。
版权声明：
本文著作权归好买财富管理股份有限公司所有，未经事先书面授权，任何组织和个人不得对本文进行任何形式的转载、复制、发表、传播、改编、汇编或引用本文内容的任何部分。
免责声明：
本文所载信息或所表述的意见并不构成对任何人的投资建议，投资者不应该将本文的内容作为投资决策的参考因素。对于本文可能涉及的观点、报告、解读、推测、市场资讯等内容，仅代表作者个人观点，不代表我公司观点，请务必审慎对待。市场有风险，投资需谨慎，请您结合自身资产状况、风险承受能力，审慎做出投资决策，独立承担投资风险。
👇 戳"阅读原文" ****领大礼包,走出理财第一步****
7. 华尔街大佬的秘方
作者: 闲画生财
链接: https://mp.weixin.qq.com/s/PEi3oIxkFtoj2_2l_yDSUQ
发布时间: 2026-01-29T09:28:00
我出门旅游，喜欢看一场当地特色的体育比赛或者演出。
美国NBA，日本相扑，泰国泰拳，韩国乱打秀。。。
西安好像没啥重量级体育比赛，演出主要是历史故事的舞台剧二创，或者秦腔。
陕西戏曲研究院的秦腔很专业，票价便宜，但一场2小时，过于正式，估计我娃听不懂坐不住。
舞台剧共4个选择：
A、长恨歌
B、千古情
C、驼铃传奇
D、赳赳大秦
据说赳赳大秦情节简单粗暴，舞台效果拉满，室内剧场不挨冻，更适合小朋友，所以选D。
这会我正带娃一起看，现场不方便用手机，文章定时发出来的，评论区设置了自动翻牌子，7点后回复。
1
心魔
顺便回答网友提问：出门旅游影响看盘吗？
答案是我即便不出门，也很少“看盘”，或者至多收盘后看一眼账户赚（亏）多少。
曾经和一位华尔街大佬级别的人物交流过这个问题，大佬从宏观交易起家，后来转型量化。
他觉得普通散户最稳妥的策略是买指数，标普或者纳指，或者两个都买，无所谓的。
仓位根据个人情况风险偏好而定，多余资金扔货基里以静制动。
如果股9债1，就是巴菲特组合，巴菲特建议股9债1买标普。
如果股6债4，就是海外经典的60:40组合。
如果股5债5，就是沙发土豆组合。
如果股2债8，就是国内的固收+组合。
标普纳指慢涨急跌，长线跑赢标普纳指的人寥寥无几。
货基约等于存款，底层暴雷概率极低。
二者无论怎样搭配都很难出错，没人能割你韭菜。
然后把时间精力花在搬砖打工上面，或者享受生活。
华尔街从来不缺聪明人，但太多聪明人有心魔，整天关心大盘涨了跌了，板块轮动的各种妖艳货色，媒体铺天盖地的breaking news，到头来还不如最简单的股债平衡。
2
市场点评
1）国际版ETF轮动今天又吃到一个涨停。
2）闲钱永不眠基金组合今天毫无疑问再创新高，出门在外，不记得第多少次新高了。
8. 2026年AI行情：算力搭台、应用唱戏？
作者: 小基快跑
链接: https://mp.weixin.qq.com/s/f-kOGSqaUinVEOj-cOUGcg
发布时间: 2026-01-29T08:57:00
01
在经历开年的一轮连续上涨后，近期A股步入震荡调整，但市场机会依然不少。
以人工智能为代表的科技浪潮，与以黄金为代表的有色金属等赛道，共同构成了当下极具韧性与潜力的投资主线。
其中，AI领域近期接连上演的“爆款”现象与“涨价”信号，尤为引人注目：
1
爆款：
近期，AI应用领域诞生了新的现象级爆款产品—— Clawdbot。
这款AI Agent（智能体）项目上线不足两个月，便在GitHub（全球最大的开发者协作社区）上获得超过5.8万星标，单日环比大涨62%，复刻量超6900次，其Discord社区成员迅速逼近9000人。
它在海外科技圈引发刷屏式讨论，被誉为“开源版贾维斯”（《钢铁侠》中的智能管家），更被视为2026年AI应用普及的“ChatGPT时刻”。
Clawdbot的爆火并非偶然。它标志着AI技术正从“玩具”和“工具”阶段，大步迈向深度嵌入“工作流”的新范式。
若AI真正融入核心业务流程，其对计算资源（Token）的需求或将呈指数级爆发，从而自上而下强力拉动整个AI产业链，包括从顶层的具体应用到底层的基础算力。
AI产业框架
资料来源：融通基金
近期海外AI概念股的大涨以及国内算力租赁板块的异动，或许正是这种产业传导效应的体现。
与此同时， 国产大模型近几天集体爆发，热闹非凡，堪比“神仙打架”。
千问旗舰推理模型Qwen3-Max-Thinking，以超万亿参数和多项基准测试中媲美甚至超越国际顶尖模型的表现，Kimi 2.5和DeepSeek OCR 2也相继发布，展示了中国在大模型领域的强大竞争力。
这或许将直接驱动国内对高性能推理算力的需求，也进一步印证了“ 更强的模型→更广的应用→更大的算力需求” 这一正向循环。
2
涨价：
近期全球云计算巨 头开启“涨价”模式。
1月23日，某海外科技巨头宣布，对其面向大模型训练的机器学习容量块实施约15%的价格上调，这是其近二十年来首次打破长期以来的降价趋势。
1月27日，另一海外巨头宣布，自2026年5月起将正式上调全球数据传输服务价格，其中北美地区费率较当前水平提高约一倍。
巨头们的集体调价背后，一方面确认了全球AI算力需求的高景气度，另一方面也揭示了产业链资源的稀缺性。
这或许预示着，在经历了长期的“内卷”与价格战后，AI算力资源（尤其是高端GPU算力与数据传输）的稀缺性正日益凸显，其内在价值开始被市场重新认知和定价。
02
AI产业的魅力， 在于其并非单点突破，而是一个从硬件基础设施、软件开发平台到上层具体应用、各个环节紧密耦合、相互促进的生态系统。
历史上科技股行情容易形成“题材共振”格局，经常伴随着计算机、半导体、通信、传媒等细分领域的轮动与共振，形成强大的市场合力。
2026年以来的AI赛道也呈现出“算力搭台、应用唱戏”的双轮驱动格局，AI赛道的热度持续“扩圈”。
1、算力基石：
高景气度确认，需求结构演变
AI算力与AI模型（算法）、AI应用构成了一个增强循环：更多的算力催生更强大的模型，更强大的模型解锁更丰富、更实用的应用场景，而应用的爆发则反过来对推理算力产生海量需求。
值得注意的是，当前推理算力的占比已超过训练算力，这标志着AI产业正从大规模的“模型锻造”阶段，进入更广泛的“模型使用”和价值创造阶段。
未来推理算力需求或将继续保持高速增长。从芯片设计制造、存储、服务器到数据中心、光模块等传输硬件，算力产业链的每一个环节都蕴含着投资机遇。
巨头的涨价行为，或许只是这场“算力狂欢”的序曲。
热 门 基 金
融通产业趋势臻选股票基金的风险等级为R4中高风险（管理人评级），适合风险承受能力C4及以上的投资者。请投资者根据自己的风险承受能力，审慎投资。
2、应用接棒：
商业化曙光初现，业绩验证期来临
AI应用的产业趋势较为明确。
一方面，支撑AI应用的底层技术（算力+大模型）正加速成熟，降低了应用开发的门槛和成本。
另一方面，部分垂直领域的AI应用已初步跑通商业模式，进入业绩验证期。
无论是海外的AI编程助手、多模态生成工具，还是国内的AI+办公、AI+营销、AI+教育、AI+医疗等场景，都陆续出现了具有商业价值的成功案例。
Wind数据显示，国证AI应用指数成分股在2025年三季度的整体营收增速同比出现明显修复，由2025年中报的0.74%上升至1.55%，为2023年以来的最高水平。
热 门 基 金
融通互联网传媒灵活配置混合、融通明锐混合的风险等级均为R4中高风险（管理人评级），适合风险承受能力C4及以上的投资者。请投资者根据自己的风险承受能力，审慎投资。
03
除了热门事件持续吸睛外，AI产业链的蓬勃发展得益于 多重积极因素：
产业政策路线图指明方向。 从国家层面 的“新基建”战略，到各地对AI、算力基础设施的具体支持政策，持续的政策暖风为AI产业发展指明方向，不断巩固和强化市场长期预期。
行业景气度验证。 全球半导体销售额的环比回暖，国际芯片巨头对AI需求给出的乐观指引，以及国内算力龙头企业的订单放量，这些迹象都表明，AI板块正逐步从早期的“主题投资”和“预期炒作”，走向扎实的“景气度验证”阶段。
流动性环境支持。 相对宽松的货币环境（如降准、利率下行），通常有助于提升市场风险偏好，对估值弹性较大的科技成长板块形成利好。
站在当前时点， AI产业形成了从底层算力到顶层应用环环相扣、正向反馈的强劲链条。
算力端的“涨价” 是资源价值重估和需求旺盛的体现， 应用端的“爆款” 则是技术落地和商业潜力的彰显。
两者并非割裂，而是同一产业浪潮的不同浪花。
对投资者而言，这或许意味着机会并非局限于单一环节。 无论是代表“硬实力”的算力基础设施，还是代表“软价值”的AI创新应用，都有广阔的空间。
同时也要留意，前沿科技的投资往往伴随着高波动与不确定性。技术的快速迭代、商业路径的探索以及市场竞争的加剧，都需要我们保持敬畏与审慎，希望小伙伴们能找到与自己投资理念和风险偏好相匹配的“浪花”。
融通产业趋势臻选股票基金销售相关费用：A类份额：本基金认购费（金额：M)：M<100万元，认购费率为1.20%；100万元≤M＜200万元，认购费率为0.80%；200万元≤M＜500万元，认购费率为0.50%；M≥500万元，每笔1000.00元。本基金申购费（前收费）（金额：M)：M<100万元，申购费率为1.50%；100万元≤M＜200万元，申购费率为1.00%；200万元≤M＜500万元，申购费率为0.80%；M≥500万元，每笔1000.00元。本基金赎回费（持有期限：N)：N<7日，赎回费率为1.50%；7日≤N＜30日，赎回费率为0.75%；30日≤N＜1年，赎回费率为0.50%；1年≤N＜2年，赎回费率为0.25%；N≥2年，赎回费率为0.00%。本基金C类份额赎回费（持有期限：N)：N<7日，赎回费率为1.50%；7日≤N＜30日，赎回费率为0.50%；N≥30日，赎回费率为0.00% 。本基金C类基金份额不收取申购费用。本基金销售服务费（仅C类份额收取）：0.60%/年。
融通互联网传媒灵活配置混合基金销售相关费用：本基金认购费（金额：M)：M＜100万元，认购费率为1.20%；100万元≤M＜200万元，认购费率为0.80%；200万元≤M＜500万元，认购费率为0.30%；M≥500万元，每笔1000元。本基金申购费（前收费）（金额：M)：M＜100万元，申购费率为1.50%；100万元≤M＜200万元，申购费率为1.00%；200万元≤M＜500万元，申购费率为0.50%；M≥500万元，每笔1000元。本基金申购费（后收费）（持有期限：N)：N＜1年，申购费率为1.80%；1年≤N＜2年，申购费率为1.35%；2年≤N＜3年，申购费率为0.90%；3年≤N＜4年，申购费率为0.45%；N≥4年，申购费率为0.00%。本基金赎回费（持有期限：N)：N＜7日，赎回费率为1.50%；7日≤N＜30日，赎回费率为0.75%；30日≤N＜1年，赎回费率为0.50%；1年≤N＜2年，赎回费率为0.25%；N≥2年，赎回费率为0.00%。投资者后端认购的具体费率如下：当持有期限N＜1年时，后端认购费率为1.6%；当持有期限1年≤N＜2年时，后端认购费率为1.2%；当持有期限2年≤N＜3年时，后端认购费率为0.8%；当持有期限3年≤N＜4年时，后端认购费率为0.4%；当持有期限N≥4年时，后端认购费率为0。1年指365日。
融通明锐混合基金销售相关费用：A类份额：本基金认购费（金额：M)：M＜100万元，认购费率为1.20%；100万元≤M＜200万元，认购费率为0.80%；200万元≤M＜500万元，认购费率为0.30%；M≥500万元，每笔1000元。本基金申购费（前收费）（金额：M)：M＜100万元，申购费率为1.50%；100万元≤M＜200万元，申购费率为1.00%；200万元≤M＜500万元，申购费率为0.50%；M≥500万元，每笔1000元。本基金赎回费（持有期限：N)：N＜7日，赎回费率为1.50%；7日≤N＜30日，赎回费率为0.75%；30日≤N＜1年，赎回费率为0.50%；1年≤N＜2年，赎回费率为0.25%；N≥2年，赎回费率为0.00%。C类份额：赎回费（持有期限：N)：N＜7日，赎回费率为1.50%；7日≤N＜30日，赎回费率为0.50%；N≥30日，赎回费率为0.00%。本基金C类基金份额不收取申购费用。本基金销售服务费（仅C类份额收取）：0.50%/年。
谨慎投资。指数过去走势不代表未来表现。本材料是作者基于已公开信息撰写，但不保证该等信息的准确性和完整性。作者或将不时补充、修订或更新有关信息，但不保证及时发布该等更新。材料中的内容和意见基于对历史数据的分析结果，不保证所包含的内容和意见在未来不发生变化。本材料在任何情况下不作为对任何人的投资建议或出售投资标的的邀请。
公开募集证券投资基金风险揭示书
尊敬的投资者：
投资有风险，投资需谨慎。公开募集证券投资基金（以下简称“基金”）是一种长期投资工具，其主要功能是分散投资，降低投资单一证券所带来的个别风险。基金不同于银行储蓄等能够提供固定收益预期的金融工具，当您购买基金产品时，既可能按持有份额分享基金投资所产生的收益，也可能承担基金投资所带来的损失。
您在做出投资决策之前，请仔细阅读基金合同、基金招募说明书和基金产品资料概要等产品法律文件和本风险揭示书，充分认识本基金的风险收益特征和产品特性，认真考虑本基金存在的各项风险因素，并根据自身的投资目的、投资期限、投资经验、资产状况等因素充分考虑自身的风险承受能力，在了解产品情况及销售适当性意见的基础上，理性判断并谨慎做出投资决策。
根据有关法律法规，融通基金管理有限公司作出如下风险揭示：
一、依据投资对象的不同,基金分为股票基金、混合基金、债券基金、货币市场基金、基金中基金、商品基金等不同类型，您投资不同类型的基金将获得不同的收益预期，也将承担不同程度的风险。一般来说，基金的收益预期越高，您承担的风险也越大。
二、基金在投资运作过程中可能面临各种风险，既包括市场风险，也包括基金自身的管理风险、技术风险和合规风险等。巨额赎回风险是开放式基金所特有的一种风险，即当单个开放日基金的净赎回申请超过基金总份额的一定比例（开放式基金为百分之十，定期开放基金为百分之二十，中国证监会规定的特殊产品除外）时，您将可能无法及时赎回申请的全部基金份额，或您赎回的款项可能延缓支付。
三、您应当充分了解基金定期定额投资和零存整取等储蓄方式的区别。定期定额投资是引导投资者进行长期投资、平均投资成本的一种简单易行的投资方式，但并不能规避基金投资所固有的风险，不能保证投资者获得收益，也不是替代储蓄的等效理财方式。
四、基金管理人承诺以诚实信用、勤勉尽责的原则管理和运用基金资产，但不保证本基金一定盈利，也不保证最低收益。本基金的过往业绩及其净值高低并不预示其未来业绩表现，基金管理人管理的其他基金的业绩并不构成对本基金业绩表现的保证。融通基金管理有限公司提醒您基金投资的“买者自负”原则，在做出投资决策后，基金运营状况与基金净值变化引致的投资风险，由您自行负担。基金管理人、基金托管人、基金销售机构及相关机构不对基金投资收益做出任何承诺或保证。
五、材料中展示的基金（以下简称“本基金”）由融通基金管理有限公司（以下简称“基金管理人”）依照有关法律法规及约定申请募集，并经中国证券监督管理委员会（以下简称“中国证监会”）许可注册。本基金的基金合同、基金招募说明书和基金产品资料概要已通过中国证监会基金电子披露网站【http://eid.csrc.gov.cn/fund】和基金管理人网站【www.rtfund.com】进行了公开披露。中国证监会对本基金的注册，并不表明其对本基金的投资价值、市场前景和收益作出实质性判断或保证，也不表明投资于本基金没有风险。
滑动滚动条，查阅更多风险提示
点击了解热门基金
9. 白酒人过年了
作者: 知识旅行家
链接: https://mp.weixin.qq.com/s/9H3xw5VvHqFziounZgz9PQ
发布时间: 2026-01-29T07:25:12
轻触阅读原文
知识旅行家
向上滑动看下一个
微信扫一扫
使用小程序
× 分析
__
![跳转二维码]()
微信扫一扫可打开此内容，
使用完整服务
： ， ， ， ， ， ， ， ， ， ， ， ， 。 视频 小程序 赞 ，轻点两下取消赞 在看 ，轻点两下取消在看 分享 留言 收藏 听过
10. 传媒ETF大涨背后逻辑是什么？
作者: 望京博格投基
链接: https://mp.weixin.qq.com/s/g-awKJ6hbu6727Y_q9Es_Q
发布时间: 2026-01-29T07:03:51
轻触阅读原文
望京博格投基
向上滑动看下一个
微信扫一扫
使用小程序
× 分析
__
![跳转二维码]()
微信扫一扫可打开此内容，
使用完整服务
： ， ， ， ， ， ， ， ， ， ， ， ， 。 视频 小程序 赞 ，轻点两下取消赞 在看 ，轻点两下取消在看 分享 留言 收藏 听过
11. 冰火两重天，真香~
作者: 金渐成
链接: https://mp.weixin.qq.com/s/Ack7pnBfTaxMQhfcj3kgCA
发布时间: 2026-01-29T01:17:29
伯克希尔跌至473美元，我防守型账户触发了买入设置，后续下跌还有四个买入节点设置。
防守型账户想重点加仓的主要是伯克希尔、SCHD、可口可乐，后两个上涨后迟迟未能触发下跌时的买入节点，现在伯克希尔先加仓，目标是加仓到仓位占比的10-12%左右。
最小的那个账户，也买了点进来，并设置了后续加仓点。
单独一部美版苹果手机，手机上只有银行+券商app，没有任何中资的app，所以就没法截图传送，直接拍个照，以后可能都这样发图，有辨识度，也挺好的。
稳健型账户中，纳指100和标普500这两个宽基指数ETF的占比上涨到56%，消费板块（Costco、沃尔玛、宝洁、麦当劳）普遍微跌；医药保健板块中，礼来跌和诺和诺德下跌；
联合健康反弹4%，还是那句话，“联合健康最大的利空已经过去”，这个“最大利空”是企业基本面本身，这次的利空来自于政策层面带来的不确定性。
进取型账户中，主要是美股七巨头+台积电；然后博通+AMD占比约2.35%；此外，CRCL+FIG这两个属于刮彩票性质的，合计占比约0.22%；奈飞+甲骨文占比约0.5%…
FIG我从45开始买入，然后33和28加仓，这次反弹5.62%至30美元，我成本33.1美元，设置了成本线上T掉40%，余下的留着；CRCL从75、70、65建仓和加仓，60的加仓设置迟迟没有触发。
我不喜欢追高，所以看中的个股大多数是在下跌时买入，没法预测市场，就在达到心理预期范围内开始逐步买入。刮彩票的，一般不是什么好的个股，不符合“第一兼唯一”的选股标准。
英伟达重新站上191.5美元，仓位占比攀升至46.8%；谷歌盘后逼近342美元，仓位占比重新攀升至20.5%；
特斯拉发布财报，全年总营收948.27亿美元，同比下降3%；净利润37.94亿美元，同比下降46%…不过特斯拉现在的股价，跟基本面已经没有啥关系，都靠“星辰大海”的预期在支撑。
苹果即将发布财报，现在的市场对科技股的预期非常高，稍有不如意就砸盘。
微软发布财报，资本支出激增，云业务增长放缓，财报四平八稳没有惊艳之处，盘后股价大跌。我除了原有的423和396两个防守节点，新增了一档436美元，看能不能再捞一些进来。
微软一向以稳著称，这次下跌已经跌至去年5月的价格，基本面没有恶化，只是市场对它的预期太高。这波从550美元下跌，微软的仓位占比从最高8.65%跌至6.31%，前些天465和450加仓后，仓位占比约6.45%，如果436能触发，仓位占比预计会修复6.5%…
另一家巨头Meta发布财报，第四季度营收同比增长24%，利润同比增长5.9%，新年度资本支出计划提升73%，弱化VR投入，强化AI投入。盘后，Meta大涨，股价逼近720美元。
Meta波动很大，市场对它的预期很高，又担心它在人工智能领域落伍，所以稍有不如意就砸盘。我在这个股上，以控制风险为主，不追高，逢低买入筹码，整体上控制好仓位和资金，方便应对。
Meta和微软，冰火两重天，一跌一涨，跌的给机会，涨的给结果，真香。
亚马逊等也将在未来一周时间内发布财报，到时再看看怎么样。
我整体资金还在继续创新高，公司分红近期也到账了。目前重点配置防守型账户，其他的账户就有机会时买一买，等待为主。
等着看老美会不会在3月底之前干伊朗，如果硝烟再起，那机会会多一些。
… …
跟娃们聊天，还有几天就放假了，他们都想赶紧过来看弟弟妹妹。
上海的寒假应该是全国最短的之一，只有25天，2月2日放假，2月27日上学。
主要是大儿子还没有放假，他一边上学，一边跟着公司的人学习处理公司简单事务。他吐槽现在税务开票新出什么双因子认证，必须多一道手机验证码，实在不方便。
我觉得让他多经历，挺好的，等他过来加州，我再让他去跟着学处理这边公司的一些事务，让他两边都实践对比，就知道各自的优劣势。
目前老美这边，我去年新成立的投资公司，主要是在看一些科技领域的机会，去年底投了一个AI项目。
也很难，大公司有资本几亿几十亿地在砸，项目遍地开花，我这种没有那个资金体量，就只能精选一些项目，做天使轮投资，每个项目投100-500万美元试试水。
不动产管理那家公司倒是可以让他去试试水，目前有三块地，刚刚可以让他了解一下这边土地管理/盈利模式和国内的不同，顺便可以了解背后的原因。
老三问我，为什么关羽这么厉害的武将，反而成了财神，他似乎不爱财，也跟财不沾边呀？
他之前很喜欢看《三国演义》，对三国特别熟悉。我大概跟他讲了一下来龙去脉：
关羽在三兄弟离散时，被困下邳，为保全刘备的两位夫人和有用之身跟兄弟团聚，所以降汉不降曹。
曹操为了拉拢他，给他东汉末年武将的最高荣誉“封侯”，也就是汉寿亭候，外加一大堆金银财宝、美女和赤兔马。关羽将金银封存，美女送嫂夫人差使。
最后帮曹操斩了颜良、文丑，报恩后挂印封金，过五关斩六将寻刘备而去。后来在华容道又为了报恩放曹操离去。
后来如日中天、威镇华夏时被江东鼠辈背刺，吕蒙设“白衣渡江”计破荆州，孙权没有曹操的爱才之心，直接斩了关羽，人头送去嫁祸曹操。
关羽虽死，但其忠、义、信、勇的品格让他的人格形象非常饱满。
在古代，身首异处，人是会有怨念的，所以关羽做了400多年的“厉鬼”，终日游荡世间，呼唤着“还我头来！”，彼时人们祭拜他更多是为了安抚。
直到隋唐时，佛教大兴，在玉泉山被佛门一位智者点化“你还能叫‘还我头来’，那颜良文丑庞德等一众被你斩首的将士去哪要他们的头？”，关羽开悟，被佛门收纳为护法神，封伽蓝菩萨，也算是发挥了他武力出众的优势。
再到北宋，对外屡战屡败，但内部经济繁荣，宋徽宗让道教作法，请关羽在老家解州降伏盐池做恶的孽龙。
官方封关羽为真君、王。这是第一次官方认证，证明关羽“招财护产”能力。因为古代，盐是非常重要的生产资料和国家财政的财源，能招财进宝、利市发财。
再到元明时，随着杂剧和《三国演义》流行，关羽“忠、义、信、勇”形象深入人心，成为社会共识的诚信代表。
最后，明清时，晋陕等重要商帮，因跨长途贸易，非常依赖信用和同业团结，开始奉关羽为行业神，武财神智能定型；万历、顺治、乾隆三位更是封帝改谥，让关羽崇拜全民化，成为超级神明。
随着全球化进程开始，关羽也随华人足迹遍布全球，从此成为华人商帮认同、信用担保和文化认同的重要符号。
简单来说，关羽成为武财神，并不是因为他直接“掌管金钱”，而是因为他的“信、义、忠”等人格品质，以及“护佑”等神格，满足传统商业社会的需求：
法治不完善，就用神祇信仰来维系信用体系，保障交易安全，凝聚行业力量。
就这样吧。
免责声明：本人提供的信息仅供参考，不构成投资建议。本人的交易不代表任何立场；投资者应根据自身财务状况、投资目标等情况自主做出投资决策并承担投资风险。投资有风险，入市需谨慎。
文章评论