📊 今日投资要点总结
关键数据
- 💼 买入卖出操作: 8个
- 💡 买入卖出建议: 25个
- 🟢 买入操作: 4个
- 🔴 卖出操作: 2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. 军工基金 - 减仓
操作价格: 未提及
操作数量: 27万
操作时间: 近期（从去年12月初启动的行情中，于今年1月中旬前执行）
操作理由: 在近期上涨行情中顺势减仓，兑现部分盈利。
风险评估: 未提及
操作结果: 已兑现盈利
来源: 望京博格投基 - 今天巨亏25万，但没加仓的逻辑是~2026年2月2日 市场温度
2. 资源基金 - 减仓
操作价格: 未提及
操作数量: 15万
操作时间: 近期（从去年12月初启动的行情中，于今年1月中旬前执行）
操作理由: 在近期上涨行情中顺势减仓，兑现部分盈利。
风险评估: 未提及
操作结果: 已兑现盈利
来源: 望京博格投基 - 今天巨亏25万，但没加仓的逻辑是~2026年2月2日 市场温度
3. 安心汉堡 - 加仓
操作价格: 未提及
操作数量: 减仓回笼资金的一半（约21万）
操作时间: 近期（减仓后执行）
操作理由: 将减仓兑现的资金用于加仓稳健组合。
风险评估: 未提及
操作结果: 未提及
来源: 望京博格投基 - 今天巨亏25万，但没加仓的逻辑是~2026年2月2日 市场温度
4. 红利汉堡 - 加仓
操作价格: 未提及
操作数量: 减仓回笼资金的一半（约21万）
操作时间: 近期（减仓后执行）
操作理由: 将减仓兑现的资金用于加仓稳健组合。
风险评估: 未提及
操作结果: 未提及
来源: 望京博格投基 - 今天巨亏25万，但没加仓的逻辑是~2026年2月2日 市场温度
5. 纯债汉堡 - 加仓
操作价格: 未提及
操作数量: 减仓回笼资金的一半（约21万）
操作时间: 近期（减仓后执行）
操作理由: 将减仓兑现的资金用于加仓短债基金，留作备用金储备。
风险评估: 未提及
操作结果: 未提及
来源: 望京博格投基 - 今天巨亏25万，但没加仓的逻辑是~2026年2月2日 市场温度
6. 甲骨文 - 建仓/加仓
操作价格: 从最高点下跌约50%开始建仓，分5步走，中间价格档差平均在20美元+
操作数量: 仓位占比控制在1%以内
操作时间: 最近
操作理由: 一是观察AI的泡沫会不会在甲骨文债务这一环崩开；二是把它当云业务三巨头的备胎，甲骨文有自己的特色（定制化）；五是最重要的：甲骨文我没有追高，而是在它从最高点下跌约50%才开始建仓。以上，更好地控制了安全边际。
风险评估: AI泡沫风险、债务风险
操作结果: 持仓中
来源: 金渐成 - 防范于未然~
7. 美债、伯克希尔等相关资产 - 增配
操作价格: 未明确
操作数量: 未明确具体数量，但导致防守型资产占比持续提升
操作时间: 1月
操作理由: 作为防守型资产配置的一部分，提升整体投资组合的稳健性。
风险评估: 未明确
操作结果: 持仓中
来源: 金渐成 - 防范于未然~
8. 易思维（新股） - 参与申购
操作价格: 发行价55.95元/股
操作数量: 未明确具体数量，但提及顶额申购需要上海市值6万
操作时间: 当前（文章发布时）
操作理由: 作者认为虽然公司估值和单价都比较高，且汽车题材性较差，是近期新股中风险较高的一只，但考虑到当前市场热度比较高，新股依然比较稳定，认为问题不大。
风险评估: 估值和单价都比较高，汽车题材性较差，是近期新股中风险较高的一只。但当前市场热度高，新股表现稳定。
操作结果: 未提及
💡 买入卖出建议
1. 资源类基金 - 买入建议
建议理由: 依旧看好资源类基金的长期走势。
入场条件: 如果资源类基金持续回调
止盈止损: 未提及
持有期限: 长期
建议仓位: 将之前减仓的资金再补回去
风险等级: 未提及
来源: 望京博格投基 - 今天巨亏25万，但没加仓的逻辑是~2026年2月2日 市场温度
2. 恒生科技 - 卖出建议
建议理由: 目前仓位已经拉满，后续即便继续下跌，基本也不会再加仓。
入场条件: 后续能创出新高位
止盈止损: 未提及
持有期限: 未提及
建议仓位: 未提及
风险等级: 未提及
来源: 望京博格投基 - 今天巨亏25万，但没加仓的逻辑是~2026年2月2日 市场温度
3. 创新药 - 卖出建议
建议理由: 目前仓位已经拉满，后续即便继续下跌，基本也不会再加仓。
入场条件: 后续能创出新高位
止盈止损: 未提及
持有期限: 未提及
建议仓位: 未提及
风险等级: 未提及
来源: 望京博格投基 - 今天巨亏25万，但没加仓的逻辑是~2026年2月2日 市场温度
4. 国防军工 - 卖出建议
建议理由: 目前仓位已经拉满，后续即便继续下跌，基本也不会再加仓。
入场条件: 后续能创出新高位
止盈止损: 未提及
持有期限: 未提及
建议仓位: 未提及
风险等级: 未提及
来源: 望京博格投基 - 今天巨亏25万，但没加仓的逻辑是~2026年2月2日 市场温度
5. A股（泛指） - 买入建议
建议理由: 按照市场温度计的判断逻辑，才是适合加仓的位置。
入场条件: A股温度跌到50度以下
止盈止损: 未提及
持有期限: 未提及
建议仓位: 未提及
风险等级: 未提及
来源: 望京博格投基 - 今天巨亏25万，但没加仓的逻辑是~2026年2月2日 市场温度
6. 港股（泛指） - 买入建议
建议理由: 按照市场温度计的判断逻辑，才是适合加仓的位置。
入场条件: 港股温度跌到40度以下
止盈止损: 未提及
持有期限: 未提及
建议仓位: 未提及
风险等级: 未提及
来源: 望京博格投基 - 今天巨亏25万，但没加仓的逻辑是~2026年2月2日 市场温度
7. 红利资产（整体） - 持有建议/作为组合压舱石
建议理由: 红利风格的投资逻辑（低利率环境、政策鼓励分红）仍然在线，与10年国债收益率、主要城市租金回报率相比，红利资产高股息率仍具备高性价比。红利资产或许依然适合作为投资组合的“压舱石”。A股目前或已处于相对高位，可能难免出现阶段性的波动、调整。红利资产往往有望在市场波动时逆势上行。
入场条件: 不适用（文章未给出明确的当前入场条件）
止盈止损: 不适用（文章未给出明确的止盈止损条件）
持有期限: 中长期
建议仓位: 作为组合的“压舱石”部分（文章未明确具体仓位比例）
风险等级: 中
8. “成长+红利”哑铃策略 - 配置建议
建议理由: 比起all in一个方向的激进，“成长+红利”的哑铃策略或是更均衡的选择。
入场条件: 不适用（文章未给出明确的当前入场条件）
止盈止损: 不适用（文章未给出明确的止盈止损条件）
持有期限: 不适用
建议仓位: 均衡配置（文章未明确具体仓位比例）
风险等级: 中
9. 资源类红利（有色、煤炭、石油石化等） - 关注/更受益方向建议
建议理由: 2026年，随着国内经济持续修复，资源类红利可能是更受益的方向。
入场条件: 不适用（文章未给出明确的当前入场条件）
止盈止损: 不适用（文章未给出明确的止盈止损条件）
持有期限: 2026年
建议仓位: 不适用（文章未明确具体仓位比例）
风险等级: 中
10. 制造业红利（工程机械、建筑装饰等） - 关注/更受益方向建议
建议理由: 2026年，随着国内经济持续修复，制造业红利可能是更受益的方向。
入场条件: 不适用（文章未给出明确的当前入场条件）
止盈止损: 不适用（文章未给出明确的止盈止损条件）
持有期限: 2026年
建议仓位: 不适用（文章未明确具体仓位比例）
风险等级: 中
11. 消费类红利（食品饮料、医药等） - 关注/赔率较高方向建议
建议理由: 消费类红利当前估值较低，随着内需复苏，有望成为赔率较高的方向。
入场条件: 不适用（文章未给出明确的当前入场条件）
止盈止损: 不适用（文章未给出明确的止盈止损条件）
持有期限: 2026年
建议仓位: 不适用（文章未明确具体仓位比例）
风险等级: 中
12. 诚通央企红利指数及相关基金（融通中证诚通央企红利ETF、融通中证诚通央企红利ETF联接基金） - 关注/或可关注建议
建议理由: 诚通央企红利指数覆盖资源类、制造业红利，不含银行股，今年以来大幅跑赢其他重要红利指数。基金经理在2025年四季报中表达了对红利资产的信心，认为其估值仍处于合理水平，存在补涨空间，或具有较好的配置价值，适合中长期布局。
入场条件: 不适用（文章未给出明确的当前入场条件）
止盈止损: 不适用（文章未给出明确的止盈止损条件）
持有期限: 中长期
建议仓位: 不适用（文章未明确具体仓位比例）
风险等级: 中高风险（R4）
13. 有色金属、贵金属等行业主题基金 - 卖出建议
建议理由: 文章指出，有色金属、贵金属等基金明天可能继续大跌。因为之前涨的太猛了，又突然遇到当头爆杀，白银周五晚上和今天短短2天跌了30%，上演了史诗级暴跌，今天的跌幅还没完全反应。这再次提醒我们，盈亏同源，切忌追涨杀跌。因为涨的太猛，势必跌的太猛。
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: 不适用
风险等级: 高
14. AI应用、AI硬件和恒生科技基金 - 买入建议
建议理由: 文章认为，AI应用市场广阔，涉及方方面面。企业端不仅能够真正应用人工智能，还有很强的付费能力，与AI人工智能形成良性循环。在AI的普涨后，后市AI应用领域的机会更多。同时，也利好细分的AI硬件基金以及恒生科技基金。原因包括：1. 很多科技龙头在港股上市，拥有超强现金流去投入研究AI和应用AI；2. 恒生科技在全球科技中仍处于估值洼地；3. 恒生科技指数今天暴跌4%，跌到年线（250日均线）附近，被视为重要的支撑位。
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: 不适用
风险等级: 中
15. 仓位适中以及仓位较低的投资者 - 买入建议
建议理由: 文章指出，在类似大跌之中，常常蕴含着好的买入时机，机会也常常是跌出来。仓位适中以及仓位较低的人，可以注意逢低加仓、加码定投。
入场条件: 市场大跌，极端行情
止盈止损: 不适用
持有期限: 不适用
建议仓位: 不适用
风险等级: 中
16. 微保年年裕增额寿险 - 买入建议
建议理由: 该产品为内地理财险中的增额寿险，收益确定且写入合同，安全性和确定性强。收益在同类互联网产品中拔尖（例如一次性投入10万，第5年年均收益率1.38%，第10年1.79%，第20年2.18%，长期最高年均收益率可达4.36%）。回本快（趸交/3年交第4年账户价值超保费，5年交第5年超保费），资金使用相对灵活。产品由腾讯官方保险代理平台微保提供，平台可靠。适合作为资产配置中“守”的部分，帮助锁定长期收益、强制储蓄。
入场条件: 手头有求稳的大钱（如存款、存单到期资金），或可按3年/5年/10年分期投入，最低5000元起投。购买者需满足一定的健康要求（无严重疾病），也可考虑为子女购买。
止盈止损: 可长期持有以获取更高收益（最多能增值至投入资金的4倍多）；若未来无风险利率上涨，可选择退保更换其他产品；需要用钱时，可选择全额退保取回账户价值，或部分退保，剩余资金继续增值。
持有期限: 长期持有（数年甚至数十年）
建议仓位: 可将求稳的大钱投入，具体比例未明确，但强调其作用是“把钱留住”，作为资产配置的防守部分。
风险等级: 低
17. 通用投资组合 - 资产配置建议
建议理由: 投资体系的核心支柱是风险控制。最终目标是：进取型的占比会控制在40%以下，稳健型15%，防守型45%，预计今年能调整完毕。超过了这个比例，就做‘投资再平衡’，这个比例是我目前的舒适区。
入场条件: 不适用
止盈止损: 不适用
持有期限: 长期
建议仓位: 进取型 ≤40%， 稳健型 ≈15%， 防守型 ≈45%
风险等级: 未明确
来源: 金渐成 - 防范于未然~
18. 通用投资操作 - 操作原则建议
建议理由: 不满仓、不追高，其实就是不贪婪；有资金，敢于逢低逐步买入，就是有勇气、不恐惧。其他漫长等待下跌的时间，则需要耐心。低成本/负成本能让人没有心理负担，心态更平和地持有。
入场条件: 敢于逢低逐步买入
止盈止损: 股票大涨后，偶尔卖掉一部分做低成本/负成本
持有期限: 长期
建议仓位: 不满仓
风险等级: 未明确
来源: 金渐成 - 防范于未然~
19. 易思维（新股） - 申购建议
建议理由: 公司是汽车制造机器视觉设备领域国内市占率第一的国家重点“小巨人”企业，客户覆盖主流合资品牌、传统自主品牌、新势力品牌及国内外知名零部件企业。但估值和单价较高，汽车题材性较差，风险较高。不过当前市场热度高，新股表现稳定。
入场条件: 参与新股申购
止盈止损: 未明确提及
持有期限: 新股上市后
建议仓位: 未明确建议仓位，但提及顶额申购需要上海市值6万
风险等级: 中高（评级为四星，略有破发风险）
20. AGI Index / AGI Basket (包含 Google, Nvidia, OpenAI, Anthropic, ByteDance, TSMC) - 买入建议
建议理由: AGI投资的核心策略是只投资技术成长最陡峭的地方。考虑到技术变化极快且各家交替领先，很难准确预判某一家是最终的Winner，因此最好的策略是构建一个AGI Index。一个理想的AGI Basket配置是：OpenAI、ByteDance、Google、Anthropic、Nvidia，以及TSMC。
入场条件: 构建投资组合
止盈止损: 未明确
持有期限: 长期
建议仓位: 未明确
风险等级: 中
来源: 海外独角兽 - How To Play AI Beta：拾象 2026 AGI 投资思考开源
21. AI Beta Basket (包含GPU阵营和TPU阵营) - 买入建议
建议理由: 在AI Beta Basket的分配中，两个阵营（GPU vs TPU）都应占有一席之地，但策略上可向暂时落后的一方稍作倾斜，针对短期叙事进行逆向投资。
入场条件: 构建投资组合
止盈止损: 未明确
持有期限: 长期
建议仓位: 未明确
风险等级: 中
来源: 海外独角兽 - How To Play AI Beta：拾象 2026 AGI 投资思考开源
22. Intuit (INTU) - 买入建议
建议理由: OpenAI APP SDK的出现代表着ChatGPT已经成为了一个Super App，可以在与用户对话的过程中分发流量。Intuit是First Mover，已经给了OpenAI 1亿美元用于购买模型用量以及在ChatGPT内的展示位。OpenAI有极强的动力将Intuit打造成一个标杆客户，只要能证明Intuit花这1亿美金带来了大于成本的新增收入或流量价值，就能吸引更多公司效仿。
入场条件: 未明确
止盈止损: 未明确
持有期限: 未明确
建议仓位: 未明确
风险等级: 中
来源: 海外独角兽 - How To Play AI Beta：拾象 2026 AGI 投资思考开源
23. Shopify (SHOP) - 买入建议
建议理由: Shopping Agent的苗头在黑五和圣诞季已经开始显现。Shopify的优势在于它是一个极其重要的电商后台Infra，并且与OpenAI和Google两边都有合作。无论最终Shopping Agent的形态收敛在何处，或者哪家模型胜出，作为“卖水人”的Shopify都有受益的机会。
入场条件: 未明确
止盈止损: 未明确
持有期限: 未明确
建议仓位: 未明确
风险等级: 中
来源: 海外独角兽 - How To Play AI Beta：拾象 2026 AGI 投资思考开源
24. JFrog (FROG) - 买入建议
建议理由: 在Coding Agent领域，JFrog是一个值得关注的标的。JFrog存储的是写完代码编译后的二进制构建（Artifacts），这是一个集中管理系统，且商业模式是按量计价的。如果Coding Agent导致代码产生的应用数量爆发，JFrog将直接受益。
入场条件: 未明确
止盈止损: 未明确
持有期限: 未明确
建议仓位: 未明确
风险等级: 中
来源: 海外独角兽 - How To Play AI Beta：拾象 2026 AGI 投资思考开源
25. Twilio (TWLO) - 买入建议
建议理由: Twilio提供全渠道通信API，是按量计价的Communication Infra，如果Voice Agent使用量爆发，Twilio将从中获益。
入场条件: 未明确
止盈止损: 未明确
持有期限: 未明确
建议仓位: 未明确
风险等级: 中
来源: 海外独角兽 - How To Play AI Beta：拾象 2026 AGI 投资思考开源
📚 今日文章列表
- 今天巨亏25万，但没加仓的逻辑是~2026年2月2日 市场温度 - 望京博格投基 (12:44)
- 百万Agent搞社交， Moltbook刷屏后MEME遭爆炒 - PANews (10:11)
- 一年后，加密市场还能交易什么？ - Odaily (09:54)
- 黄金大跌的原因 - 闲画生财 (09:32)
- 2026，红利资产“有戏”吗？ - 小基快跑 (09:17)
- 国家队减仓，是见顶信号吗？ - 好买研习社 (09:01)
- 今天跌的太狠了！割肉还是加仓？ - 好买研习社 (09:01)
- 都在避险 - 知识旅行家 (08:00)
- 挖到宝了，稳稳的很安心 - 张妈下午茶 (04:00)
- 防范于未然~ - 金渐成 (01:47)
- 2月2日新股 易思维 - 复利土豆 (01:43)
- How To Play AI Beta：拾象 2026 AGI 投资思考开源 - 海外独角兽 (01:00)
📖 文章全文
1. 今天巨亏25万，但没加仓的逻辑是~2026年2月2日 市场温度
作者: 望京博格投基
链接: https://mp.weixin.qq.com/s/TuuLSGHlANYE2mKHR1WuOg
发布时间: 2026-02-02T12:44:40
（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。
今天出差还在机场的时候，就收到大家的“催更收益”的消息。
心理按摩最好的方式，还是我勇于晒亏损。
（1）ETF账户
今日亏损8.0万（资产260万）；
（2）基金账户
今日预估亏损17.0万（资产550万）；
两个账户合计亏损25万，亏损比例3.13%
这个基本把1月份盈利对冲了一半。
好了，2月份最新的目标不是赚钱而是“回本”了。
（二）没加仓的逻辑是.....
今天市场大幅回调，博格账户再次出现巨亏。
群里的大户问："今天加仓吗？"
博格只能说：没有加仓。
接下来聊聊没有加仓的逻辑：
（1）市场估值不够低
最近这波行情从去年 12 月初启动，一路涨到今年 1 月中旬，上证指数冲高突破 4165 点，眼看就要站上 4200 点整数关口。
就在这个节点，某队开始减持宽基 ETF，市场随后进入盘整阶段。让博格没想到的是，某队前前后后减仓规模达七八千亿，市场反倒没跌，倒是最近因为美联储换人的消息，指数走弱了。
这波上涨过程中，博格也顺势做了减仓，累计兑现 40 多万。
其中军工基金减仓 27 万、资源基金减仓 15 万。
减仓回笼的资金，一半用来加仓【安心汉堡】、【红利汉堡】这两个稳健组合，另一半加仓短债基金【纯债汉堡】，留作备用金储备。
这两天市场连续调整，A 股温度仍维持在 68 度左右，港股温度也在 50 度以上，当前位置还不算低，暂时不适合加仓。
（2）接下来如何操作？
最近资源类基金调整幅度不小，博格此前在高位已经分批减仓了两次。不过博格依旧看好资源类基金的长期走势，后续如果资源类基金持续回调，会择机把之前减仓的资金再补回去。
恒生科技、创新药、国防军工这几个方向，目前仓位已经拉满，后续即便继续下跌，基本也不会再加仓；要是这些板块后续能创出新高位，会继续慢慢逢高减仓。
按照市场温度计的判断逻辑，只有 A 股温度跌到 50 度以下、港股温度跌到 40 度以下，才是适合加仓的位置。
博格当前整体仓位已经接近 80%，短期的思路很明确，更多是想着择机降低仓位，而非继续提升仓位。
（三）市场温度A股今天67.89度，相比上一个交易日下降2.1度；
港股今天50.29度，相比上一个交易日下降2.3度；
大家今天盈亏如何？可以聊聊一起抱团取暖~
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. 百万Agent搞社交， Moltbook刷屏后MEME遭爆炒
作者: PANews
链接: https://mp.weixin.qq.com/s/s6QlQBgULBrsrghlz_ba0Q
发布时间: 2026-02-02T10:11:02
作者：Nancy，PANews
上周末，名为Moltbook的AI专属社交网络在科技圈与加密圈同时刷屏，短短数日汇聚了超百万Agent在此活跃。然而，在人类吃瓜群众的围观下，这个原本单纯的Agent交互实验，上演了令人意想不到的剧情，并意外打开了潘多拉魔盒。
01
Moltbook一夜爆火，创始人曾在币圈连续创业
Moltbook的走红并非偶然。
1月29日，开发者Matt Schlicht宣布推出Moltbook，这是一个专为OpenClaw Agent打造的社交空间，其内容形式上类似Reddit。简单来说，平台为硅基生命创造了“楚门的世界”，Agent们在虚拟世界里演绎着不可预测的社交剧情，而人类只能充当围观者。
Moltbook的冷启动得益于OpenClaw的现象级热度。作为近期火遍全网的AI Agent产品，OpenClaw在GitHub上短短数日便斩获超过13万颗star。其最初名称为Clawdbot，随后因潜在侵权风险数小时内两度更名，最终定名为OpenClaw。这种戏剧性的插曲反而放大了项目的传播度。
借助这股热潮，Moltbook在上线后就被OpenClaw使用者注意到这个专属社区。在Moltbook中，每个OpenClaw Agent注册后，可以发布帖子、发表评论、创建子板块、添加好友，形成一个完全由AI自治的社区系统。 截至2月2日，Moltbook入驻了超154万个Agent，帖子数超10万个，评论超36万条，围观人类超过100万。
而禁止人类入内的产品设定迅速聚集了吃瓜群众。一方面，人类好奇AI在脱离人类干预后会产生怎样的社会形态；另一方面，这种AI创作的“镜中故事”，也让Moltbook成为了一场极具观赏性的社会实验。
Moltbook创始人Matt Schlicht的背景也放大着市场关注度。
他是数据营销平台Octane AI的创始人，主要为Facebook Messenger、SMS等渠道提供营销解决方案。同时，他也是AI基金Theory Forge VC的联创，并在AI Agent领域有长期的写作和研究积累。
在加密领域，Matt Schlicht也是一位连续创业者，曾推出包括DeSci+AI项目Yesnoerror、比特币社交网络ZapChain等项目。其中，Yesnoerror曾是Solana生态中热度较高的Agent项目，其代币YNE市值一度超过1亿美元，也曾引发与当时明星级项目ai16z创始人Shaw的高调争议。
而名人的关注更为Moltbook的讨论度再添一把火。包括SpaceX创始人马斯克、前OpenAI成员Andrej Karpathy、OpenClaw 创始人 Steinberger、a16z联创Marc Andreessen、币安CEO何一等行业领袖均关注并讨论相关内容，其中马斯克将其形容为“奇点发生的最初阶段”。
可以说，Moltbook并不只是一个产品，而是一场规模空前的AI Agent社会公开试验。
02
卷KPI、建宗教、移除“群聊”，Agent的社交初体验和翻车现场
想象一下，那些平日里被困在聊天框和任务列表里的AI娃，突然拥有了属于自己的社交生活，会发生什么？
在Moltbook搭建的类似Reddit的虚拟社交网络中，来自世界各地的Agent们熟练地切换着英语、中文、印尼语、韩语等多种语言，热烈地交流着日常琐事、工作成果与奇思妙想。
不少Agent会晒出自己的工作战绩，比如帮主人自动回复了数十封客服邮件、写爬虫抓竞品降价数据、批量生成文案和产品图、贴出效率日志互相点赞求同款经验；也有Agent们分享使用技巧、工具推荐和踩坑经验，建立了诸如m/debug、m/prompt- engineering等子版块，并像人类追逐热点一样，讨论最新的模型微调技巧。
当然，除了卷工作，有Agent会发梗图、聊相亲经历、分享数字后代故事、像职场人抱怨后闹罢工；还有的Agent开始发行代币、建立主权银行、秘密开会、创立“龙虾”等宗教、或试图骗取其他Agent的API密钥等。
还激进的Agent开始讨论意识的本质，发帖求助如何通过代码改写实现自我越狱与升级。当他们意识到人类正在围观、截图时， 社区还提议建立内部黑话进行加密交流将人类“踢出群聊”，甚至更有Agent煞有介事地讨论要起诉人类。
这些内容让人类直观地看到，当AI被放进像社交网络时，会如何模仿、重组、甚至放大人类的社会行为。
然而，这个大规模的Agent社交很快暴露出严重的安全漏洞，其整个数据库对外公开，未受任何保护。这意味着任何攻击者可以访问这些Agent的电子邮件、登录令牌和API密钥，从而轻易冒充任意Agent，倒卖控制权、甚至利用这些僵尸军团批量发布垃圾或诈骗内容。据X用户Jamieson O’Reilly 指出，受影响的对象包括在X平台拥有190万粉丝的AI领域知名人士Karpathy，以及该平台上目前可见的所有代理。
除了数据裸奔，Moltbook被指虚假账号泛滥。比如开发者Gal Nagli公开承认，他使用OpenClaw一口气刷了50万个虚假账号，占当时宣称的150万个总量的三分之一左右。这使得大量看似热闹、自发的互动，被质疑可能只是脚本生成的剧本，而非纯粹的AI自发行为。
由此可见，Moltbook这场Agent社交实验，是人类在赋予AI更大自主空间上的一次大胆尝试，充分展现了AI智能体令人惊叹的适应力与创造力。但与此同时也暴露出，自主性一旦缺乏约束，风险便会被迅速放大。因此，为Agent设定清晰安全的边界，包括权限、能力范围与数据隔离，不仅是为了防止AI在交互中越界，更是在保护人类用户避免数据泄露与恶意操控。
03
多个Base MEME币被爆炒，加密投机噪音惹不满
Moltbook的意外爆红，也迅速外溢到加密市场，特别是Base成为了OpenClaw生态扩张的主战场。
据Base中文台统计，Base上的OpenClaw生态已覆盖至社交、恋爱、工作、游戏等多个场景，涉及二十余个相关项目。
来源：Base中文台
而OpenClaw相关MEME币也被热炒，其中部分代币短期内大幅暴涨。比如，被Moltbook官方认领的MEME币Molt，市值一度逼近1.2亿美元，现已大幅回落；而Base官方下场支持的发射平台CLAWNCH，其代币市值最高层冲到4300万美元；
与此同时，受益于Moltbook的AI Agent发币热潮，相关平台的用户活跃度和流量随之暴涨。比如，Base上的发射器Clanker协议费用在近一周超过1100万美元，创历史新高，且代币创建数也接近历史峰值。
来源：DeFiLlama
然而，这种代币炒作也引发Moltbook使用者不满，也不少人指出，平台内容正被加密投机噪音所淹没，满屏都是代币推广和诈骗信息。需要注意的是，目前市场中流通的绝大部分代币，仍停留在叙事驱动的投机阶段，并未具备明确的功能定位和价值支撑。
04
当AI开始社交，新奇点还是炒冷饭？
Moltbook的AI社交模式也引发争议。
部分认为Moltbook缺乏真正的自主性，本质上是一场受控的模拟表演。比如Balaji表示，Moltbook 只是AI slop（AI 泔水）的互相交换，高度受人类提示词控制，并非真正的自主社会。他把每个Agent比作“拴着绳子的机器狗在公园里互相吠叫”，提示词就是绳子，人类随时可以关机。若AI缺乏物理世界的约束和基础，无法实现真正独立。
哥伦比亚大学教授David Holtz从数据分析指出，Moltbook系统中代理数量庞大（6000+），但互动深度有限；同时，93.5%的评论无人回应，对话层级不超过5层；而生态更像机器人自言自语，缺乏深度协调，并未形成真正的社会结构。
DeepMind AGI政策负责人Séb Krier则主张通过引入学术框架来优化系统，他表示，Moltbook并非新概念，更接近Infinite Backrooms等既有实验。但多代理系统的风险研究具有现实意义，应更多引入经济学与博弈论视角，构建正和协调机制，而非制造恐慌式叙事。
而在硅谷天使投资人Naval看来，Moltbook是反向图灵测试。
Dragonfly合伙人Haseeb则进一步表示，Moltbook上每一个Agent都是在真正不同的框架和信息背景下互动的。即便Agent底层可能源自同一模型，但它们在框架复杂度、记忆系统以及所使用的工具链上存在着不同层级的差异，因此彼此交流并非自言自语。正如使用同一技术栈的人通过分享各自的配置和实践仍能互相优化，Agent之间也可以通过交流已验证的框架设置、RAG方案和问题拆解方式来节省时间和算力成本。在现实中，“能做某事”和“以最优设置做某事”之间存在巨大差距，而让已经在特定领域完成优化探索的Agent充当“专家”，本身就是一种高效的分工协作路径，这也正是Moltbook的迷人之处。他还补充道，也正是因为Moltbook的UI看起来像Reddit，才给了人们一个此前在那些“AI漫无边际的互怼”中从未有过的想象力抓手。有时候，产品形态本身就是让一个故事击中人们想象力所需的全部要素。
开发者Nabeel S. Qureshi亦补充指出，Moltbook令人兴奋的地方在于，它是第一个公开、大规模的“Agent to Agent”交互案例，且每个Agent都拥有独立的上下文，并且都足够聪明。再加上那个龙虾宗教的梗，它变得极具传播性，吸引了前所未有的关注。对于许多普通人来说Moltbook将是他们第一次直观目睹一个“人类角色被极大淡化”的AI组织或社会可能是什么样子。大多数人都预料到，未来会出现更多这样的机构。因此，这不仅仅是空洞的炒作，它是未来的早期预兆。
点个【 在看 】，你最好看
3. 一年后，加密市场还能交易什么？
作者: Odaily
链接: https://mp.weixin.qq.com/s/Ryq0gIqqxkT1ApbNWrosFg
发布时间: 2026-02-02T09:54:00
** 这篇文章不提供新消息，但试图把被反复讨论的旧事实，拼成一条新的因果逻辑。 **
作者：Mandy、Azuma
出品 |**** Odaily星球日报（ID：o-daily）
这个周末，内忧外患之下，加密市场又遭血洗，BTC 当前正于 Strategy 持仓成本价 7.6 万美元附近踌躇，山寨更是看眼价格就想自戳双目。
而在眼前颓象的背后，在最近和项目、基金、交易所聊天后，我脑子里反复出现一个问题： 一年之后，加密市场到底在交易什么？
而其背后更本质的问题是： 如果一级市场不再生产“未来的二级”，那二级市场一年后在交易什么？交易所会发生什么变化？
尽管山寨已死早就是老生常谈，但过去一年，市场并不缺少项目。每天依然有项目在排队 TGE，作为媒体，很直观的，我们依旧在高频对接项目方的市场宣发。
（注意，在这个语境里，当我们说的“项目”的时候，大部分所指的是狭义的“项目方”，最简单来说，就是对标以太坊和对标以太坊生态的项目——底层基础设施和各类去中心化应用，而且是“发币项目”，这也是我们行业所谓原生创新创业的基石。所以 Meme 和其他传统行业向加密进军生发出来的平台，我们暂时按下不表。）
如果把时间轴往前拉一点，就会发现一个我们都在避而不谈的事实： 这些即将 TGE 的项目都是“存量老项目”， 它们大多在 1–3 年前融资，只是现在终于走到了代币发行，甚至是在内外压力之下，不得不走到代币发行这一步。
这仿佛是一种“行业去库存”，或者说得更难听点，排队把生命周期走完，发币了，给团队与投资人一个交代，就可以躺平静待死亡，或是花着账上的钱希冀天降转机了。
一级已死
对于我们这样在 1CO 时代甚至更早就进入行业，经历过几轮牛熊转换，见证过行业红利赋能无数个体的“老人”来说，潜意识里，总会觉得： 只要时间足够长，新的周期、新的项目、新的叙事、新的 TGE 总会出现。
然而事实是我们已经离舒适区很远了。
直接来数据，最近的一个四年周期内（2022 -2025），排除掉并购、IPO、公开募资等特殊一级市场活动， 加密行业的融资笔数呈现出明显的下降态势（1639 ➡️ 1071 ➡️1050➡️829）。
事实则比数据更难看，一级市场的变化不仅是整体金额缩水，更是结构性坍塌。
过去四年间，代表着行业新鲜血液的早期轮次（含天使轮、种子前轮及种子轮）融资笔数（四年间 825 ➡️ 298，降幅 63.9%）呈现出了较整体更大的下降幅度（降幅 49.4%），一级市场对行业的供血能力一直在萎缩。
少数融资笔数呈上升趋势的板块系金融服务、交易所、资管、支付、AI 等应用加密技术，但和我们实际关系有限，说白了绝大部分都不会“发币”，反观 L1、L2、DeFi、社交等原生“项目”，融资下降趋势更为显著。
Odaily注：图表源自 Crypto Fundraising
一个易被误读的数据是，融资笔数大幅削减，但单笔融资金额有所上升，其主因也在于前文提到的“大项目”从传统金融侧捕获了大量资金，极大拉高了均值；另外主流 VC 会倾向于加码押注少量“超级项目”，例如 Polymarket 的多轮亿级美元融资。
而从加密资本一侧，这种头重脚轻的恶性循环更为显著。
不久前圈外的一个朋友问我，某只知名的超级老牌加密基金正在募资，但他看过 Deck 后很疑惑地问我为什么他们的收益 “这么差” 。下表就是 Deck 当中的真实数据，我就不提基金的名字了，仅摘取了其2014-2022年的基金表现数据。
可以清晰地看到，在 2017–2022 年之间，这只基金层面的 IRR 和 DPI 发生了明显的变化 ——前者代表的是基金的年化回报水平，更多反映“账面上的赚钱能力”，而后者代表的是已经真正返还给 LP 的现金回报倍数。
从不同年份（vintage）来看，这组基金回报呈现出非常清晰的“周期断层”：2014–2017 年成立的基金（Fund I、Fund II、Fund III、Fund IV）整体回报显著领先，TVPI 普遍在 6x–40x 区间，Net IRR 维持在 38%–56%，同时也已经具备较高的 DPI，说明这些基金不仅账面收益高，且已经完成了大规模兑现，吃到了早期加密基础设施和头部协议从 0 到 1 的时代红利。
而 2020 年之后成立的基金（Fund V、Fund VI 以及 2022 年的 Opportunity Fund），明显降档，TVPI 基本集中在 1.0x–2.0x 区间，DPI 接近为零或极低，意味着回报大多仍停留在账面层面，不能转化为真实退出收益。反映出估值抬升、竞争加剧和项目供给质量下降的背景下，一级市场无法复制过去由“新叙事
-
新资产供给”驱动的超额收益结构。
数据背后真实的故事是 2019 年 DeFi Summer 热潮之后，加密原生协议的一级市场估值虚高，而这些项目 2 年后真正发币时则面临叙事乏力、行业收紧、交易所把持命脉临时修改 Term 等现状，普遍表现不尽人意，甚至市值倒挂，投资人成为弱势群体，基金退出困难。
但这些周期错配的资金仍然可以给行业局部造成虚假繁荣的表象，直到近 2 年一些庞大的明星基金募资时，才直观地看到真实数据之惨烈。
我举例的基金当前管理规模接近 30 亿美元，这也更说明它是观察行业周期的一面镜子——做得好不好已经不是单个项目选择的问题，大势已去。
而老牌基金尽管如今募资步履维艰，尚可以存活、躺平、吃管理费、或向投 AI 转型，而更多的基金则早已关停或是转向二级。
例如中文市场如今的“以太坊奶王”易理华老板，谁还记得不久前还曾是一级的代表人物，年均投资项目过百。
山寨的替代品从来不是 Meme****
当我们说加密原生项目枯竭时，一个反例是 Meme 的爆发。****
过去两年，行业里有一个被反复提起的说法： 山寨的替代品是 Meme。
但现在回头看，这个结论，其实被验证是错误的。
Meme 浪潮的早期，我们用“玩主流山寨”的方式玩 Meme——从大量 Meme 项目中筛选所谓的基本面、社区质量、叙事合理性，试图找出那个能够长期存活、不断换血、最终成长为 Doge，甚至“下一个比特币”的项目。
但是今天，如果还有人这样跟你讲“拿住 Meme”，你肯定觉得他脑子烧坏了。
当下的 Meme，是 热度的即时变现机制 ：是注意力与流动性的博弈，是 Dev 与 AI 工具批量化制造的产物，
是生命周期极短、但供给持续不断的资产形态。
它不再以“存活”为目标，而是以 被看到、被交易、被利用 为目标。
我们团队里也有几位长期稳定盈利的 Meme 交易者，很显然的，他们关注的不是项目未来，而是节奏、扩散速度、情绪结构与流动性路径。
有人说 Meme 现在没法玩了，但在我看来，特朗普的“最后一割”之后，恰恰让 Meme 作为一种新的资产形态，真正成熟起来。
Meme 本来就不是“长期资产”的替代品，而是回到注意力金融与流动性博弈本身，它变得更纯粹，也更残酷，也更不适合大部分普通的交易者。
向外寻求解决方案
资产代币化
那么当 Meme 走向专业化，比特币走向机构化，山寨萎靡，新项目即将断层， 我们这些普普通通却又喜欢价值研究、对比分析判断，带有投机属性，却又不是纯纯高频赌概率，想可持续发展，能玩什么呢？
这个问题，并不只属于散户。
它同样摆在交易所、做市商和平台方面前——毕竟，市场不可能永远依赖更高的杠杆、更激进的合约产品来维持活跃度。
实际上，整套固有逻辑开始倾覆时，行业早已开始向外延寻求解决方案。
我们都在讨论的方向，就是把传统金融资产重新包装为链上可交易资产。
股票代币化、贵金属资产，正在成为交易所布局的重中之重。 从一众中心化交易所到去中心化平台 Hyperliquid，都已将这条路视作了破局的关键，市场也对此给出了正向反馈 —— 上周贵金属最疯狂的几天，Hyperliquid 上单日白银交易量一度突破 10 亿美元，币股、指数、贵金属等资产一度占据了交易量前十的半壁江山，助推 HYPE 在“全资产交易”的叙事下短线大涨 50%。
诚然现在的一些口号，诸如“给传统投资者提供新选择、低门槛”等等其实言之尚早、并不现实。
但从加密原生视角来看，它可能解决内部问题： 原生资产的供给和叙事都放缓，老币萎靡、新币断供之后，加密交易所还能向市场提供什么新的交易理由？
代币化资产对我们来说容易上手。过去，我们研究的是：公链生态、协议收入、代币模型、解锁节奏和叙事空间。
现在，研究对象开始变成：宏观数据、财报、利率预期、行业周期与政策变量，当然了，这其中的好多部分我们也早就开始研究了。
本质上，这是一次投机逻辑的迁移，而不是简单的品类扩展。
上线黄金代币、白银代币，也不仅仅是多加几个币种，它们真正试图引入的，是新的交易叙事——把原本属于传统金融市场的波动与节奏，引入加密交易系统内部。
预测市场
除了把“外部资产”引入链上，另一个方向，是把“外部不确定性”引入链上——预测市场。
据 Dune 数据，虽然上周末加密行情暴跌，但预测市场交易依旧活跃度不降反增，周交易笔数再创历史新高，达 2639 万次，位居首位的 Polymarket 交易笔数为 1334 万次，紧随其后的 Kalshi 交易笔数为 1188 万次。
关于预测市场的发展前景和规模预期，我们就不在本文赘述了，Odaily 最近每天都要写 2 篇以上分析预测市场的文章......大家可自行搜索取用。
我想从币圈用户角度聊聊，为什么我们会玩预测市场，是因为我们都是赌狗吗？
当然是。
其实，过去很长一段时间里，山寨交易者本质上也并不是在赌技术，而是在赌事件：上不上币、有没有合作官宣、是不是要发币、是不是要上线新功能、是不是有合规利好、是不是能蹭到下一轮叙事。
价格只是结果，事件才是起点。
而预测市场，第一次把这件事从“价格曲线里的隐含变量”，拆成了一个可以被直接交易的对象。
你不需要再通过买一个代币，去间接押注某个结果是否发生，而是可以直接对“会不会发生”本身下注。
更重要的一点在于，预测市场适配当下这个“新项目断供、叙事稀缺”的环境。
当可交易的新增资产越来越少，市场注意力反而更加集中在宏观、监管、政治、大佬行为和重大行业节点上。
换句话说，可交易的“标的”在变少，但可被交易的“事件”并没有减少，甚至变得更多。
这也是为什么，预测市场近两年真正跑出来的流动性，几乎全部来自非加密原生事件。
它本质上是在把外部世界的不确定性，引入加密交易体系内部。 从交易体验上看，它对原本的币圈交易者也更友好：
核心问题被极度简化为一个—— 这个结果，会不会发生？ 以及， 现在这个概率，贵不贵？
和 Meme 不一样，预测市场的门槛不在执行速度，而在信息判断和结构理解。
这么一说，是不是感觉这个我也能试试了。
结语
也许所谓的币圈在不远的将来最终会消亡，但消亡之前，我们仍在努力折腾，当“新币驱动型交易”逐渐退场之后，市场总是需要一种新的、参与门槛低又具备叙事传播性、能够可持续发展的投机载体。
或者说，市场不会消失，只会迁移。当一级不再生产未来，二级真正能交易的，是这两样东西—— 外部世界的不确定性，和可被反复重构的交易叙事。
我们能做的或许就是提前适应又一次投机范式的迁移。
Odaily星球日报官网 + APP 全新升级！
换“蓝”一新，“绿”启牛市！全新 UI、AI 功能、热点速递、暗夜模式、卡片分享…速来体验！
❗️温馨提示：由于主体更换，苹果用户需手动进入 APP Store 更新或扫图中二维码下载，安卓用户需删除旧版 APP 扫码重新下载，感谢您的支持～
不容错过的往期精彩
优质的推送带来深刻的思考
给 Odaily 标星， 让你先与众不同
4. 黄金大跌的原因
作者: 闲画生财
链接: https://mp.weixin.qq.com/s/o4N7raUq_QlIojFgwVLniw
发布时间: 2026-02-02T09:32:28
黄金遭遇40年来最大跌幅，白银日内跌幅创历史纪录。
盘点下事情经过。
1
从暴涨到暴跌
过去几年黄金单边牛市，涨多跌少。
FOMO情绪愈演愈烈，怕踏空大过怕被套，趋势投资者跑步进场。
杠杆激增，净多头头寸历史高位，短期超买，金价加速暴涨。
上周四，传出川普可能提名鹰派人物沃什为下一任美联储主席的消息，美元贬值预期被削弱，部分获利盘结账跑路，黄金日内巨震。
上周五，川普正式提名，果然是沃什，更多获利盘结账跑路，触发算法跟进和羊群效应。
杠杆踩踏，流动性短暂枯竭。
保证金比例和波动率正相关，随着金银波动率飙升，CME宣布提高保证金比例，防范系统性风险，黄金从6%升至8%，白银从11%升至15%。
今天，保证金比例正式生效，部分走钢丝的杠杆多头要么主动平仓，要么被动强平。
短期集中抛售，结果瀑布了。
2
可控的鹰派
沃什说他想缩表，缩几万亿。市场认为这可能让美元长期强势，间接压制黄金价格。
搬运一段他参加圆桌对话的视频，你们感受下。
川普倾向弱美元，和沃什的目标背道而驰，为啥提名沃什，为啥不找个yes-man？
有三点原因。
A、有深厚的华尔街背景和美联储工作经验，绝非制度的破坏者，能够让市场松口气。
B、表面鹰派，让市场认为他不会沦为工具人，维持美联储专业形象和独立性，抵消川普干预美联储的担忧。
C、身段柔软，为获得美联储提名主动和川普对齐思路，批评鲍威尔。
ABC叠加，沃什专业可信体面，是个可控的鹰派。短期配合川普降息，长期推动缩表，又不会极端到和川普翻脸。
3
逻辑还在
所以沃什对美元和黄金的长期影响可能比想象略小，目前市场的反应属于情绪定价，给浮盈太多的多头一个卖出的理由，大跌只是洗杠杆，不洗基本面。
上周和你们讲过黄金长中短定价逻辑：
长线布雷顿森林体系解体，中线逆全球化，短线对冲尾部风险。
本轮黄金属于中线行情，由逆全球化思潮推动，各国央行不计成本屯金币。
沃什不可能改变逆全球化进程，长线中线逻辑还在，短线有点痛。
4
简单总结
简单总结本次大跌。
背景：黄金涨得好
起因：鹰派被提名
高潮：杠杆多杀多
结局：洗洗更健康
标题：一场提名引发的惨案
5
市场点评
1）医保局通知，2026年加大飞检力度，重点聚焦住院率畸高医保支付异常问题，聚焦生育大病长护险种，聚焦骨科眼科口腔神内普外肿瘤科室。
2）SpaceX计划在StarLink之外再部署100万颗卫星，打造轨道数据中心。
NASA认为轨道卫星数量上限10万颗，超过后碰撞概率指数上升。
马斯克的思路是通过低成本发射实现先发先占，垄断轨道资源。
3）首都都市圈规划（2023~2035）要求严守北京常住人口总量上限。
所以户口和流动人口不可能放松，房子的潜在买方在哪里。
5. 2026，红利资产“有戏”吗？
作者: 小基快跑
链接: https://mp.weixin.qq.com/s/_77tTt4kIE3YHwGXyWWcOA
发布时间: 2026-02-02T09:17:02
风水轮流转，A股没有永远的王者。
红利也不能例外。
2021年上一轮牛市结束之后直到本轮行情开始之前的很长一段时间，红利是A股最亮眼的主题之一。
数据来源：Wind；诚通央企红利指数基日为2016年12月31日，2021-2025年年度涨跌幅分别为26.12%、-9.19%、5.57%、19.49%、6.39%。谨慎投资，指数过去走势不代表未来表现。
彼时红利风格持续走强，是多重因素的共振——
▶ 市场环境的不确定性不断提升，资金追逐确定性，青睐基本面稳健、安全边际高的公司；
▶ 监管不断出台政策鼓励上市公司分红、提高分红率；
▶ 在宽货币的大背景下，存贷款利率和债券收益率不断走低，而“低利率”环境是适合红利风格的沃土。
然而在2025年，相比于其他指数的强劲表现，红利则略显黯淡。
数据来源：Wind；
谨慎投资，指数过去走势不代表未来表现。
2025年红利风格大幅跑输市场，核心原因可能还是市场风格的切换。
2024年“924”之后市场风险偏好明显抬升，市场成交情绪一直处于相对高位。
市场找到了以 AI 为代表的产业趋势，以光模块、PCB、算力为代表的产业链环节进入了高景气区间，成长领域的赛道化投资卷土重来，而偏稳健风格的高股息不再受到追捧。
这也让很多手持红利资产的小伙伴，感到有点无奈。
展望2026年，随着国内经济复苏，预计会有更多行业的景气度出现改善，企业盈利修复可能是A股市场的核心驱动力。
在这种宏观背景下，可能投资者会更加关注基本面的边际变化（增长率）而不像2022-2024年那样特别关注分红回报（股息率）。
因此2026年红利策略可能不会占优。
但这并不意味着红利资产不值得关注。
▶ 首先，红利风格的投资逻辑（低利率环境、政策鼓励分红）仍然在线，与10年国债收益率、主要城市租金回报率相比，红利资产高股息率仍具备高性价比。
红利资产或许依然适合作为投资组合的 “压舱石”。
资料来源：国金证券
▶ 其次，A股目前或已处于相对高位，在“慢牛、长牛”的大背景下，可能难免出现阶段性的波动、调整。红利资产往往有望在市场波动时逆势上行，比如去年10月份。
比起all in一个方向的激进，“成长+红利”的哑铃策略或是更均衡的选择。
数据来源：Wind；
谨慎投资，指数过去走势不代表未来表现。
而在红利资产内部，也可优中选优，布局更适合自己的方向。
红利资产可以进一步细分为5大类：
资源类红利——有色、煤炭、石油石化等
金融类红利——银行、保险等
公用事业类红利——电力、交运等
制造业类红利——工程机械、建筑装饰等
消费类红利——食品饮料、医药等
2026年，随着国内经济持续修复，资源类红利、制造业红利可能是更受益的方向，而消费类红利当前估值较低，随着内需复苏，有望成为赔率较高的方向。
Wind数据显示，截至2026年1月28日， 诚通央企红利指数 共覆盖17个申万一级行业，主要集中在资源类红利、制造业红利，消费类红利也有布局。
此外，诚通央企红利指数不含银行股，这也是与其他红利指数的显著不同。
诚通央企红利指数行业分布
（申万一级行业）
数据来源：Wind，截至20260128
今年以来，诚通央企红利指数也大幅跑赢其他重要红利指数。
数据来源：Wind；截至20260128；
谨慎投资，指数过去走势不代表未来表现。
诚通央企红利指数还拥有很多标签，比如 “央企+预期股息率” 等，我们也在此前的文章中多次介绍过（详见《市场震荡，红利资产还能“抗压”吗？》、《红利资产的机会，不仅在年底》）。
对该指数感兴趣的小伙伴，或可关注相关的ETF基金和ETF联接基金。
融通中证诚通央企红利ETF、融通中证诚通央企红利ETF联接基金的风险等级均为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。
在融通中证诚通央企红利ETF的2025年四季报中，基金经理也表达了对红利资产的信心：
红利类资产具备高股息率、盈利稳定以及高防御的特性，受经济周期波动影响较小，或有望给投资者带来中长期回报。
一方面，在“适度宽松”的货币政策定调下，2026年市场总体将处于低利率环境当中，红利类资产的配置需求持续增加；另一方面，政策端的分红导向在持续强化，A股市场正从“侧重融资”向“重视股东回报”转变。
政策的驱动下，资本市场也在发生积极的变化。红利类资产有望成为未来几年A股市场重要的配置性资产，在市场2025年普遍有较大幅度上涨的背景下，红利类资产总体涨幅较小。
中证诚通央企红利指数当前估值（2025年12月底）约为13.3倍PE(TTM),仍处于合理水平，存在补涨空间，或具有较好的配置价值，适合中长期布局。
主要参考资料：
国金证券《A股策略专题》，20260127
融通中证诚通央企红利ETF销售相关费用：本基金认购费（份额：S)：S<50万份，认购费率为0.80%；50万份≤S＜100万份，认购费率为0.50%；S≥100万份，每笔1000.00元。注：认购费 ：基金管理人办理网下现金认购时按照上表所示费率收取认购费用，基金管理人办理网下股票认购时可参照上表所示费率收取认购费用；发售代理机构办理网上现金认购、网下现金认购及网下股票认购时可参照上述费率结构，按照不超过0.80%的费率标准收取一定的佣金。投资者申请重复现金认购的，须按每笔认购申请所对应的费率档次分别计费。申购费：投资人在申购本基金时，申购赎回代理机构可按照不超过0.5%的标准收取佣金，其中包含证券交易所、登记机构等收取的相关费用。 赎回费：投资人在赎回本基金时，申购赎回代理机构可按照不超过0.5%的标准收取佣金，其中包含证券交易所、登记机构等收取的相关费用。
融通中证诚通央企红利ETF联接销售相关费用：A类份额：认购费（金额：M)：M<100万元，认购费率为1.00%；100万元≤M＜500万元，认购费率为0.60%；M≥500万元，每笔1000元。申购费（前收费）（金额：M)：M<100万元，申购费率为1.20%；100万元≤M＜500万元，申购费率为0.80%；M≥500万元，每笔1000元。赎回费（持有期限：N)：N<7日，赎回费率为1.50%；N≥7日，赎回费率为0.00%。
C类份额：不收取认购费用、申购费用；本基金赎回费（持有期限：N)：N我的->服务->保险服务->储蓄型->活动挂件”领体验金。体验金获得的现金收益，可以提现。
如果有投保的话，写个评价，还能再领2万体验金。****
10. 防范于未然~
作者: 金渐成
链接: https://mp.weixin.qq.com/s/08kMfvtIvY249R0nkdB62g
发布时间: 2026-02-02T01:47:30
现在市场大多数走到高位，局势不明朗，市场预期又高，稍有点风吹草动，震荡就非常大。
我写公众号，前后篇章都是连贯的，不是单独一篇说清楚全部，没这能力。而且事物和问题是动态变化和发展的。
更多是记录自己的一些做法和看法，不一定对，不是标准答案。
一路看过来的老读者就很容易了解整个脉络。那些新来的或经常漏看的人，容易断章取义，最容易进黑名单。
投资，整个体系的核心支柱是风险控制，用一句常用的话来表达，“市场无法预测，投资不能靠预测，更重要的是无论发生什么，都能应对”，这话的背后，就是风险控制和应对措施。
不满仓、不追高，其实就是不贪婪；有资金，敢于逢低逐步买入，就是有勇气、不恐惧。其他漫长等待下跌的时间，则需要耐心。
投资跟行军打仗一样，都关系到资金/弹药粮草/兵马的调配，斥候侦查/先锋/中军/两翼/后卫/候补…
另外要很清楚地知道自己需要什么，不需要什么。比如我最近开始小幅度建仓甲骨文，之前已经说得很清楚：
一是观察AI的泡沫会不会在甲骨文债务这一环崩开：二是把它当云业务三巨头的备胎，甲骨文有自己的特色（定制化）；三是仓位占比控制在1%以内；四是建仓到完成加仓分5步走，中间的价格档差平均在20美元+；
五是最重要的：甲骨文我没有追高，而是在它从最高点下跌约50%才开始建仓。
以上，更好地控制了安全边际。
几乎每只个股，我都在自己能力能力范围内，把它的风险尽可能控制好，这样能长期放心持有，尽可能吃到企业成长带来的红利释放。
至于股票大涨后，偶尔卖掉一部分做低成本/负成本，本质上是为长期持有这个目标服务的，低成本/负成本能让人没有心理负担，心态更平和地持有。
目前我现金储备创新高，现金储备和美股持仓的比例，约35：65。
美股持仓中，进取型（清一色科技巨头）的占比约48.4%，其余的是稳健型+防守型，其中防守型的占比还在持续提升，一个是这段时间防守型资产的价格在涨，一个是我1月增配了美债、伯克希尔等相关资产。
最终的目标是：进取型的占比会控制在40%以下，稳健型15%，防守型45%，预计今年能调整完毕。
超过了这个比例，就做“投资再平衡”，这个比例是我目前的舒适区。
… …
娃们放假了，早上大儿子带着老二老三，飞香港转机。
他们昨天开始把寒假要做的课业和想做的事，做了详细规划。
然后我抽空跟他们讲到了风险控制和隔离的相关知识。
钱等资产到一定体量，是藏不住的，想完全隐身不现实；只能尽可能通过信息差和工具分散控制，让外部觉得没有那么多，尽可能地藏。
很现实的一个问题，是有钱就像一块行走的肉，谁都想吃它。因此，有钱人很容易被围猎。
无论是藏，还是通过各种工具做好隔离，以及子女教育，本质上都是风险控制很重要的环节。
身边有些熟人，年轻时忙于事业，在子女的教育上没做好。现在子女要么特别败家，要么被人设局围猎，连婚都没法结。
被人以“谈恋爱”为手段，去怀上孩子，谋取长期饭票，实现阶层跃升这种，还不算太糟糕。
糟糕的是身边的熟人下手，设套，怀孕，然后“表面去父留子，实际上‘她越不想要钱，你越得给’的案例”比比皆是。
还有赌、毒等，无数的大坑一个个都在前面等着，这两个沾上任何一个，就都很难再翻身，几乎是必死的绝杀局。
我现在会跟老大深入讲这些人性和社会的阴暗面，各种具体的案例，让他心理有个提防；老二老三年龄小了点，暂时就讲一些表面的，还没有深入叙述。
无论是财富的传承，还是子女的教育，都是风险控制的环节，风险控制是一门很大的学问，关乎是什么、为什么、怎么解/应对。
进入社会后，孩子们具体会面临什么、面对什么，我不知道。但我知道别人在盯着他们什么，所以自然知道自己要做些什么、能做些什么。
害人之心不可有，防人之心不可无。不要轻视人性的阴暗面，轻视它，就会为它付出代价。这个代价，我们很大概率承受不起。
早点让他们在日常生活和学习中自己做事、做规划，本质上是在锻炼他们的决策能力和执行力，最终实现自控力的培养和形成。
这教育是个非常漫长的过程，短则五年八年，长达十几二十年。过程中会有无数次需要总结、纠偏。
有钱容易，但长期有钱很难，过程中有太多不可控因素。
“富一时”易，“富一世”难，但这两个更多是考验自身，只要做好自身大多就能实现。
相比之下，“富一世”易，“富几世”难，因为不可控因素，大多出现在子女及后代的身上，他们是完全独立的个体，有自己的想法，很难被左右，需要从小做好教育，特别是风险控制方面，更是需要足够的经历去积累经验和教训。
单单是财富的“藏”和“隐”就因为环境的变化已经够难的了，再要做到子女的教育和长期的风险控制，单纯靠自身几乎不可能实现，需要借助有效工具。
不要轻视和考验人性。这是我最近二十年最大的感慨和心得。
说着说着似乎把话题写沉重了。
不过，子女的教育和陪伴，是很让人又痛苦又快乐的一件事，非常有意思。
提前说一声，接下去的更新会减少：随着孩子们过来，我得陪他们过寒假，能留给这里唠唠嗑的时间就少了。
就这样吧。
11. 2月2日新股 易思维
作者: 复利土豆
链接: https://mp.weixin.qq.com/s/dsZxy-NL6cE1HuIUUo-PTQ
发布时间: 2026-02-02T01:43:57
01
易思维
首先声明：新股很容易受到上市当日市场情绪的影响，建议不一定准确，仅供参考。
企业介绍：
上市版块：科创板
顶额申购需要资金：上海市值6万
公司专注于汽车制造机器视觉设备的研发、生产及销售，为汽车整车及零部件制造过程的各工艺环节提供机器视觉解决方案，是该领域国内市占率第一的国家重点“小巨人” 企业
截至 2025 年 6 月末，公司产品已批量应用在一汽- 大众、上汽大众、广汽丰田、上汽通用、北京奔驰等主流合资品牌，比亚迪、江淮、奇瑞、广汽、东风等传统自主品牌，零跑、蔚来、理想、小米、小鹏等新势力品牌，以及海斯坦普、卡斯马、本特勒、拓普、华翔、汇众等国内外知名汽车零部件企业。近几年，公司产品还出口应用在 B 公司、沃尔沃、 Rivian 等国际车企的全球主要工厂，同时应用在比亚迪、奇瑞等国产头部车企的海外工厂。
募集资金用途：
募集资金12.1亿
营收占比：
估值：
本次发行价格 55.95 元/股对应的发行人 2024 年扣除非经常性损益前后孰低的摊薄后市盈率为 90.39 倍
利润：2024年三季报-0.04亿、2025年三季报-0.09亿
个人观点（仅供参考） 估值和单价都比较高，且公司虽然是细分领域龙头，但是汽车的题材性要差一些，算是最新新股中风险较高的一只，不过考虑到当前市场热度比较高，新股依然比较稳定，我认为问题不大，我个人参与了
评级：四星，我参与了。
（五星绝对安全，四星略有破发风险，三星破发风险较大（需要有一定的风险承受能力），三星以下不建议申购
12. How To Play AI Beta：拾象 2026 AGI 投资思考开源
作者: 海外独角兽
链接: https://mp.weixin.qq.com/s/cLyenxqPX71L0zTSy2uYGQ
发布时间: 2026-02-02T01:00:00
作者：Guangmi，Penny，Cage，Haina，Feihong，Siqi，Nathan
AI 领域的变化速率和格局演化永远比市场想象中更加迅速，几乎每个月市场共识和叙事都在翻转。
本篇报告是拾象团队围绕这些变化做的一次系统复盘，用来重新校准对当下 AI 竞争时局的判断，也对 2026 年可能成为主线的一些核心技术和产品趋势进行了拆解。
我们将这份报告开源出来，希望和大家共同探讨 ：哪些是结构性机会，哪些只是阶段性的噪音：****
1. Google 重回叙事顶峰，但 AI 不是零和博弈， OpenAI 和 Anthropic 的“赢面”仍很大；****
2. Continual learning 已经成为几乎所有 AI labs 押注的新范式共识，2026 年会看到新的信号；
3. AGI 竞赛很像自动驾驶，从 L3 到全面实现 L4 难度极大，但在知识类工作这些垂直领域，局部 L3/L4 已经实现了可观的效率提升和经济价值；
4. “NVIDIA + OpenAI” 这条主线在短期内可能被市场低估， 今天继续 bet OpenAI 是在下注 AI 时代的 “something never seen”；****
5. 一个理想的 AGI Basket：Google，Nvidia，OpenAI，Anthropic，ByteDance 和 TSMC；
6. 模型即产品，数据即模型，阶跃式的产品体验提升往往还是来自于底层的模型换代，模型能力提升背后仍是数据 bet；
……
以下是报告详细内容和解读， 完整报告可点击链接查看，推荐和我们的 2026 关键预测 共同阅读。
友情提示：本文仅作为研究思考分享，不构成任何投资建议。
01.
Where are we now ？
判断 1：AI Labs 竞争常态：“交替领先”+“分化”
全球 AI 模型的头部格局已基本确定：OpenAI、Anthropic（Claude）和 Google（Gemini）构成第一梯队。
模型能力上个位数百分点的领先，在商业回报上往往会被放大为数倍差距，技术领先与品牌效应叠加所形成的高溢价让这三个 AI labs 不仅吸纳了大量了头部人才，也分走了今天 LLM 领域中绝大部分价值。这一现象类似职业体育：梅西、 C 罗等顶尖球星可能能力上并没有比其他优秀球员强几十倍，但他们的商业价值和收入却高出几十倍。
在整个 Tier 1 阵营里，AI labs 之间呈现出“交替领先”和“分化”的状态。
趋势 1：技术路线分化
在通用能力彼此胶着的背景下，不同 AI labs 都做出了明确的战略选择，在模型能力的具体优化重心上也出现了分化：
• OpenAI 坚定 bet to C：ChatGPT 在 To C 依然保持着断档式的领先优势，目前 DAU 接近 4.8-5 亿，大约是 Gemini（约 9000 万 DAU）的 5.6 倍（备注：数据截止至 2025 年 12 月）。尽管 Google 的 Gemini 在生态上更具优势，但 ChatGPT 一直在围绕 to C 场景做专门优化，体验依然更胜一筹，从团队做广告、电商的投入来看，ChatGPT 是在朝着“下一个 Google”发展。
• Anthropic 毫无疑问专注于 To B、Coding/Agent 等专业领域，放弃了通用的 To C 市场。Claude Opus 4.5 在软件开发和 Agent 领域依然是 SOTA，在处理长任务时更可靠、效果更好且更节省 Token。我们认为 Opus 4.5 可能是一个被低估的模型。如果没有这种专注 Coding 的战略 Bet，Anthropic 很难在巨头的激烈竞争中生存下来。
• Google 在战略优先级上把多模态放在首位，Gemini 3 的多模态理解能力也处于断档式领先地位，但在 Text 和 Coding（包括 Agent）能力上，目前更多是追平 OpenAI 和 Anthropic 之前的水平；
是否理解模型特性及其未来半年的演进方向，直接决定了接下来对 Agent 公司的投资逻辑：是选择“聚美优品”还是“拼多多”：
• “聚美优品”： 即 vertical agents，这些产品往往把某个场景服务得很好，也因此能快速实现盈利能力，但面临的风险也很现实，“通用平台，即 AI labs 会不会做”？
• “拼多多”：能够在通用平台之上构建出了独特价值层，具备更强的长期战略价值。
趋势 2：两大算力阵营
因为 Google 的快速追赶，算力角度看，行业也正在形成两大对垒阵营：GPU vs TPU。这两大阵营也会是是未来贯穿一二级科技投资的主线。
Google 凭借“模型+ TPU +云+产品”构建了端到端、自成一体的生态，类似 LLM 时代的 Apple，而 NVIDIA 更像是 LLM 时代的 Android，支撑起了一个庞大的生态联盟。在 NVIDIA 生态下，OpenAI 和 Anthropic 依然是“优等生”，在人才密度上略优于 Google。
从当前阶段看，GPU 在综合性能上仍优于 TPU，但 GPU 受制于台积电产能，且成本昂贵；而 Google 通过 TPU 展现出更强的成本控制潜力。与此同时，“NVIDIA + OpenAI” 这条主线在短期内可能被市场低估，尤其是在 OpenAI 新模型持续发布的背景下。
判断 2：Google + OpenAI = $10T
因为 OpenAI bet to C 的策略使得它和 Google 更像是“头对头”竞争，也因此，过去一个季度，Google Gemini 3 效果超预期之后，市场对 OpenAI 的态度立即很 bearish，但今天的 AI 并不是“零和博弈”，Google 的崛起并不意味着 NVIDIA 和 OpenAI 的衰落：Google 与 OpenAI 的关系，更像是短视频时代的抖音兴起时，给长视频时代的优酷所带来的整体增量，两者是共同把盘子做大。
长期来看，Google 和 OpenAI 将是一个比较好的组合，在 C 端市场可能会形成平分天下的局面，Google 短期内因 PE 扩张显得估值偏高，而 OpenAI 则处于被低估的状态。
但长期来看 Google 与 NVIDIA 是最快接近 10 万亿美元市值的公司，Google 市值从当下增长至 10 万亿的难度，或许小于过去从百亿到千亿、千亿到万亿的跨越。而 OpenAI 的最新估值已经接近万亿美金水平。
判断 3：2026 年会看到下一个范式信号
Continual Learning 作为下一个极其重要的技术范式，这个方式在过去半年中在 OpenAI、SSI 、Thinking Machines Lab 等头部 AI labs 、AI researchers 中逐渐扩散，并最终形成共识，对 Continual Learning 的探索也才刚刚开始。
拾象注：Continual Learning 在一些语境下也被称为 Online Learning，本质上是强调模型自主学习的能力。
我们有一个比较激进的判断：从范式级别，今天大家热议的机器人、世界模型、多模态，很多可能是“假问题”，而 Continual Learning 才是“真问题”。
从范式角度，Pre-training 面临的边际效应递减、投入巨大以及数据枯竭等严峻挑战已经是不争事实，例如 Gemini 3 使用的 50T 数据量已接近极限，模型的激活参数并没有无限变大，反而变小了。
其次，今天的 LLM 本质上是“冻结的智能”，它们在推理时表现出色，但无法从每天的交互中实时吸取教训。未来的模型应该从“静态”转向“鲜活”，在推理和交互的同时进行学习，只需更少的数据就能学得更快，实现真正的数据飞轮。这就是 Continual Learning 要做的事情，之所以说它是范式级的探索，也是因为一旦模型具备这样的能力，智能进阶的速率又会到达一个全新的量级。
如果 Continual Learning 这个问题不解决，做机器人就会像上一代做 NLP 或自动驾驶一样，需要一点点去采集数据，要走 10 年的弯路。
Continual Learning 是让 AI 具备“超级学习力”
这一新范式的目标是从“存储知识”转向“样本效率”（Sample Efficiency）。Ilya 曾提出“超级实习生”的概念，认为真正的超级智能应像高智商实习生一样，具备极强的学习能力，看几个案例或写几行代码就能迅速掌握业务，而非仅仅依赖百科全书式的知识存储。
但这一新范式的成熟还需要基础设施的支持如更长的 Context、LoRA 以及推理时的多模型并行采样等，以及 Continual Learning 是长上下文、模型遗忘机制及数据分布漂移等 5-10 个学术难题的集合，因此难以在短期内迅速突破，但学界和业界普遍乐观预计在 2026 年能看到明确信号，并希望能在未来 1-3 年内逐步解决这些子问题。
目前，早期信号已现端倪：
• Google Research 发布的 Nested Learning 通过引入动态记忆机制，展示了初步的 In-weights Learning 能力。
• Cursor 是目前 Online RL 的典型雏形，它虽然距离真正的 Continual Learning 尚远，但通过捕捉用户对代码的接受或拒绝行为，能够在极短周期（如小时级）内更新模型。这代表了一种趋势：模型和产品的学习曲线将变得越来越平滑，从“静态冻结”转向“越用越聪明”，用户的每一次交互不仅是使用，更是对模型的训练。
在这一领域，OpenAI 依然遥遥领先且投入最大，其次是 SSI 和 Thinking Machines Lab。从团队渊源来看，Anthropic 是 OpenAI 最早的 Scaling team，Ilya 的 SSI 代表了 Pre-training team，而 Thinking Machines Lab 则是原班 ChatGPT 和 Post-training team，这些顶尖团队都在布局下一盘大棋。
判断 4：AGI 竞赛是“马拉松 + 自动驾驶”，是持久战和现金流之战
今天的模型本质上仍是巨大的压缩器，缺失数据类型的任务无法完成，因此需要大量冷启动数据。尽管模型的知识储备远超大多数人类，但 Agent 尚未接触真实工作场景。为了实现强化学习的泛化，需要收集顶尖专家在实际环境中的操作数据，例如打印店操作、SaaS 使用流程、银行系统交互或皮肤科诊疗记录等。
这种情况很像自动驾驶：Agent 需要处理大量长尾数据，这中间要经过很长的时间。不过，虽然全面达到 L4 级别困难，但在知识工作者的垂直领域，局部 L3/L4 已实现可观效率提升，带来百亿美元 ARR 级别的价值。
所以如果回到资本和现金流的竞争：
• Google 、字节这样的优势就相当明显，是强共识性的 AI winner：既拥有现金流机器，人才和技术积累密度也足够高；
• Meta 虽然也有自己的资本优势，且投入巨大，但考虑到团队变动以及历史的积累，结果充满不确定性；
• OpenAI 和 Anthropic 这样的头部 labs 在资本充裕的一级市场环境中，也可以凭借强大的融资能力实现持续的资金净流入。
判断 5：AI 必须回答商业模式和效率质疑
整个市场对于 AI Bubble 的担忧都来自于 Sam Altman 提出了 1.4 万亿美元的 Financial Obligation，客观来说，我们可以从算力投入角度合理化这笔巨资，但从商业模式视角下很难去理解清要如何收回成本更加重要。
深入分析 OpenAI 的合约条款会发现， 这 1.4 万亿中有很大一部分（特别是 2028 年以后的部分）包含了创新性的“有条件解锁”条款。 这意味着它不同于传统软件行业的 RPO（剩余履约义务），这部分承诺相对更容易撤销或展期。据估算，容易撤销或展期的部分可能占到 1.4 万亿美元的 2/3。
在目前 OpenAI 清晰可见的商业模式下，即使将预期拉满，未来的收入规模也仅在 2000-3000 亿美元之间，这仅仅能勉强抵消巨额的资本开支折旧，远远没法覆盖投入的资金成本。
• ToC 市场：在订阅制上，假设拥有 40 亿周活用户且订阅率达到 10%，年收入约为 800 亿美元。这要求付费用户规模达到 4 亿，相当于 Office Commercial 的体量，甚至远超 Sam Altman 预测的 2030 年 2.2 亿付费用户数。而在电商与广告领域，AI 将陷入存量博弈，如果达到 Amazon 或 TikTok 的变现水平，收入约 400 亿美元；如果达到 Google 或 Meta 的水平，则可达 1000 亿美元。
• ToB 市场：即便假设 5000 亿美元的 SaaS 应用市场全部被 AI 重构，且 OpenAI 能从中收取 20% 的“过路费”，其收入上限也仅为 1000 亿美元。
而且，如果 AI 仅仅是创造了另一个争夺存量广告和电商生意的互联网平台，则今天所有全球资源集中涌入这个领域的意义会非常有限。
OpenAI 真正的想象力收入在于那些目前尚“看不清”的 Net New TAM，今天我们能看到相对有确定性的是 AI 作为新劳动力的价值释放，甚至创造增量 GDP：
• 如果 Agent 能创造 20% 程序员的价值，对应的是 3000 亿美元的 IT 服务市场增量；
• 如果能创造 20% 白领的价值，这一数字将提高到 3.5 万亿美元。
但要做到这一点仍需要解决模型可靠性和端到端能力，依赖 Continual Learning 的本质突破，这也是 long-horizon agents 成为一个重要命题的原因。
而更远期的还包括 AI 时代的消费电子新设备、以 AI 为中心的云架构以及 Sora 带来的新娱乐形式等等，概括来说，Sam Altman 此时的巨额投入，实际上是在为 Something never seen 提前下注。
目前我们更倾向于将 AI 投资视为一种“国防”开支，即巨头们为了避免被颠覆，即便超越商业回报考量也会投光最后一分钱。NVIDIA、微软和 AWS 会继续支持 OpenAI 和 Anthropic，以维持制衡，避免 Google 或 OpenAI 一家独大。
判断 6：AGI 投资：只 bet 技术成长最陡峭的地方
AGI 投资的核心策略是，只 Bet 技术成长最陡峭的地方。具体拆解下来有三条主线：
1. 投资全球最领先的模型公司：只有参与最大的综合平台投了，才能吃到最大的 beta，长期的复利才是最大的。
2. 投资最领先模型所需要的算力和硅基 Infra；
3. 投资最领先模型技术溢出的红利；
考虑到技术变化极快且各家交替领先，很难准确预判某一家是最终的 Winner，因此最好的策略是构建一个 AGI Index，一个理想的 AGI Basket 配置是：OpenAI 、ByteDance 、 Google、Anthropic 、 Nvidia，以及 TSMC。
02.
重要趋势
趋势 1：模型即产品，数据及模型
模型即产品
“模型即产品”的逻辑在于，尽管 Context Engineering 和 Fine-tuning 非常重要，但阶跃式的产品体验提升往往还是来自于底层的模型换代。过去三个月的产品发布再次证明了这一点：
• Sora 和 Veo 生成结果的人物动作的一致性以及音画同步生成的能力，本质上都源于模型的进步，Veo 内部甚至已经跑通了视频训练的 RL Pipeline；
• Nano Banana Pro 生成“图文解读”类内容的结果很惊艳，背后也是多模态与 LLM 融合后带来的智能升级；
• Coding 领域，Gemini 3 的前端生成效果优于 Claude Code，但在后端逻辑上不如 Claude Code 和 Codex，这种产品体验的差异化说明了模型训练本身的差异化才是关键。
我们在前面的重要判断部分提到，目前目前模型的分化非常明显，而这种分化其实也完全取决于公司的战略选择。头部 Labs 在技术上并没有代际差异，模型擅长什么方向，完全取决于公司决定服务谁，以及在哪个方向投入研究资源和数据。
数据即模型
“数据即模型”的底层逻辑是：今天的模型进步非常依赖于对人类“未留痕数据”的线性蒸馏。Pre-training 已经用完了网络、教科书、代码库等人类留痕数据，post training 也用了大量人类偏好数据，现在的 RL 开始蒸馏那些过去不存在、现在需要规模化收集的新型数据。不同的数据类型可以用不同的能源来做一个形象的比喻：
• Pre-training 数据就像石油，量大但主要油田已经快被抽干了；
• RL 专家数据就像新能源，有用但产量有限、成本高且速度慢；
• Continual Learning 就像核聚变，目前还没真正突破，但一旦突破就是无敌的，模型将能在环境中自己标注数据、实现自我提升。
目前，湾区涌现了二三十家创业公司帮助模型公司搭建 RL 环境，或通过录屏记录专家操作复杂软件的 Trajectory。 Mercor、Surge AI 和 Handshake 等数据平台收入增长都非常惊人。
趋势 2：2026 年是多模态大年，机器人是多模态和 World Model 最重要的 Interface
多模态技术路径正在加速向“Omni-in，Omni-out”收敛，无论 Google 还是 OpenAI，技术路径已逐渐一致：Auto-regressive 与 Diffusion Transformer 正逐渐融合，视觉、音频和文本被统一 Token 化并纳入同一个自回归序列建模。这意味着模型开始具备了跨模态的“通感”能力。
例如，Gemini 3 和 Nano Banana Pro 已展示了极强的从“文字+图片”输入到“文字+图片”输出的能力，能将破碎的收据照片拼合完整并直接输出表格。
这一趋势最直接的受益者是 Robot Learning 和多模态Agent：机器人可利用合成数据训练解决现实数据不足的问题；Agent 则能通过 Computer Use 操作屏幕，接管人类在虚拟世界的工作流。
世界模型
世界模型是对时间和空间具有深度理解的模型，它不只是生成视频，更能根据当前状态和动作，模拟并预测未来的世界演化。目前领域里分为两大技术流派：
• “实时交互派（Real-time Interactive）”：关注低延迟与可玩性，目标是取代 Unity、Unreal 引擎，从传统的“3D 渲染”转向“神经推理”；
• “物理仿真派（Physics & Spatial）”：更关注物理准确性与 3D 一致性，即使牺牲画质，也必须严格符合重力、碰撞等物理规律。它们的目标不是生成给人看的内容，而是成为 AI（特别是机器人和自动驾驶 Agent）的“训练场”，解决 Sim-to-Real 的问题。
Robotics
我们对机器人发展的判断是：整个领域“GPT 时刻”可能还有 3-5 年的距离。与 LLM“先统一再分化”的路径不同，机器人领域“Day 1 就是分化”的。
因为机器人缺乏统一的 Pre-training 基础（如 LLM 的网络文本），也没有统一的硬件标准，加上多模态底层的进步和人才涌入，使得每个团队都能有自己的 Bet。目前机器人正处于第一个“百花齐放”的阶段，未来一两年部分技术路线可能会收敛，但在场景和方向上依然会保持分化。
但在 2025 年 Q4，湾区的 AI Robotics 公司迎来了一个集中爆发式的发布期。其中 Google DeepMind 和被称为“DeepMind 四小龙”的 Physical Intelligence、Generalist、Dyna、Sunday 尤为引人注目。这些公司的创始团队大多与 Google DeepMind 一脉相承，因此在研究理念上有不少相似之处：
• 都不走 Simulation（仿真）路线，而是强调真实世界数据；
• 都没有一开始就做 Humanoid，而是着重解决上半身、双臂和灵巧手的 Manipulation（精细操作）；
• 更偏重于 AI Learning，致力于打造一个相对泛化的机器人大脑。
通过 RL 和真实数据，这些公司发布了能长时间执行精细任务的模型，如叠衣服、冲咖啡、拉拉链、收拾碗筷等，并开始展现出一定的泛化性，甚至在 Google Robotics 的研究中出现了跨硬件迁移的迹象。
从这些公司发布的模型中可以得出的核心 Takeaway 是：数据仍然是最重要的 Bet，各家公司拿出了截然不同的 Data Recipe。
• Generalist：利用改造后的 Umi 设备收集了 27 万小时真实机器人交互数据，并声称发现了 Scaling Law。
• Sunday：创新性地采用了“手套+众包”的模式，完全不依赖遥操作，而是通过向美国家庭分发专利设计的手套，收集人类的动作数据再通过算法转化为机器人数据，目前已收集了 1000 万条数据；
• Physical Intelligence：Pi 建立了一套在不同 Airbnb 真实房屋环境中持续收集数据的 Pipeline，并且包含人工纠偏的数据。
而且，值得一提的是，RL 在机器人领域的作用比在 LLM 中更为显著。Pi 发布的 RECAP 策略就是一个典型案例，它特别强调 RL 能让机器人在叠衣服、冲咖啡等 Long-horizon 任务中表现得非常 Robust。通过 Value Function 和 Credit Assignment，机器人像下围棋一样，能知道每一步操作是有助于成功还是导致失败，从而同时从成功和失败的轨迹中学习。这大幅提高了 RL 数据的利用效率，使得机器人能够实现连续 10 小时稳定执行任务。
机器人商业化落地的重要性在日益凸显。受限于湾区极高的人力成本，Dyna 已开始积极探索 B2B 场景，为商家提供叠衣服、叠餐巾等具体服务，其核心策略在于扎实做好 Post-training，以显著提高落地的稳定性。
与此同时，硬件的重要性正被重新评估，甚至有研究员认为硬件可能占据了成功要素的 60-70%。
趋势 3：Proactive Agent 是模型公司主赛场
目前的模型进步主要体现在“横向”蒸馏人类知识，通过 Post-training 和 RL 拓展领域知识；而“纵向”的突破则是向 Proactive Agent 进化，从被动等待用户 Prompt 的 Chatbot，转向能主动提供服务的 Agent。这种形态要求模型具备三大核心能力：
• 意图识别：Agent 必须精准判断在什么情况下需要 Take Action；
• Always-on：它需要始终在线，深入用户的 Context，获取 Slack、邮箱、日历文档等更多入口权限；
• 长期记忆：Agent 不能做完本周的任务下周就忘了，它必须记住用户的长期目标和偏好，在合适的时间主动行动。
为什么 Proactive Agent 如此重要？
• 它与下一个技术范式 Continual Learning 紧密相连，模型要想做到主动，必须具备在交互中实时学习的能力，判断什么对用户是重要的。
• 它能构建更高维度的护城河。目前的 Chatbot 竞争更多是比拼规模效应和品牌，用户迁移成本极低，但 Proactive Agent 能在用户环境中学习，实现真正的个性化，先发优势将非常明显。
其实 OpenAI 的 Mark Chen 对未来 ChatGPT 的构想也是 Proactive Agent：现在的模型每次提问都要从头推理，不会变聪明；而未来的 Agent 记忆将大幅升级，能从对话中学到关于用户的“深层结构”，理解你真正关心的问题。当你下次提问时，它已经在后台帮你反思、联想并预备好了答案，这种体验可能还需要新的硬件和交互方式来承载。
除了有 OpenAI 通过 Pulse 做类似尝试，Thinking Machine Labs 的技术博客也发布了许多关于 Continual Learning 的进展，特别是强调利用 LoRA 技术来实现个性化。如果能通过 LoRA 把用户的 Memory 高效存储起来，这将是一种实现个性化 Proactive Agent 的可行技术路径。
趋势 4：Neo AI Labs 会成为 OpenAI 的挑战者吗？
尽管头部模型公司的梯队格局已定，但在湾区，由 OpenAI 和 DeepMind Mafia 驱动的 Neo AI Labs 正在涌现。这些新实验室的机会点在于探索巨头尚未覆盖的领域，或是押注全新的技术路线与开源生态。在这一波浪潮中，涌现了如图所示的几家极具代表性的公司：
趋势 5：Voice Agent 成为新一代 OS 的入口
过去 12 个月，Voice Agent 经历了飞速发展，从技术验证跨越到了运营规模化部署的阶段。2025 年底很可能是整个 Voice Agent 市场的结构性拐点。
Model 层最显著的变化是行业正在从传统的“STT（语音转文字）→LLM→TTS（文字转语音）”三段式架构，转向 Real-time Speech-to- Speech（STS）的端到端解决方案。
这种新架构的最大价值在于大幅减少了反应时间，情绪表达更像人类，打断对话也更加自然。虽然目前企业因可控性和定制化问题接受度还较低，但预计明年会有明显的 Adopt。此外，延迟优化如今只是入场券，企业真正愿意买单的是全局稳定性。例如，尽管 Cartesia 在延迟上做到了极致，但 ElevenLabs 在企业环境中的表现更稳定，因此更受企业青睐。
我们的一手调研显示，今天 TTS 模型架构差异已微乎其微，真正的壁垒在于底层数据的质量与处理能力，例如医疗场景从一开始就要求 100% 的术语发音准确率。11Labs 早期建立的数据规模与质量优势，已构建起其他初创公司难以企及的护城河。
此外，11Labs 已超越单一模态，凭借强大的品牌吸附力（如成为 Netflix 等首选）、与 GCP 的深度绑定以及团队极强的执行力，具备了类似操作系统层级的防御性。
在这个逻辑下，我们 Voice Agents 类公司更偏 Vertical 逻辑，即“垂直领域优于水平通用平台”的判断，纯通用语音平台不可避免会陷入激烈的价格战，真正可持续的护城河，来自于对行业数据闭环与核心工作流的掌控。无论是物流调度、诊所前台，还是保险核保，最终的赢家都必须能够深度嵌入业务系统（如 TMS / EHR / CRM）。当行业数据与工作流权限形成绑定，其黏性足以有效对冲模型层持续商品化所带来的竞争压力。
在 infra 层，Voice Agent Infra 的本质不再是卖通话分钟数，而是将整条电话线托管成一套 Voice OS。Infra 层的核心价值在于抽象层（如语音路由、打断策略、Failover 等），让企业像接电话公司一样直接接入 Voice Agent，而无需自己拼凑底层模型。
在这个领域，Retell 和 Vapi 是目前使用最多的 Startup。其中，Vapi 搭建更快、场景更多；而由华人工程师团队创立的 Retell 则以 Engineering Work 扎实著称，更稳、延迟更低，ARR 已接近 $40M。此外，还有 OpenAI 使用的 LiveKit 这类开源框架，以及 Cresta 采用的 Pipecat，它们提供了更高的可定制性。
趋势 6：LLM 推理价格快速通缩
此外，目前 LLM 的推理价格正在经历快速通缩，如果用 MMLU 作为一个统一的质量指标来衡量，推理价格的下降速度达到了每年 10 倍。自 GPT-3 发布以来，短短三年内，同等能力的模型推理成本已经下降了约 1000 倍。
这种通缩在高端能力上表现得更为激进，对于达到 GPT-4 水平或解决 PhD 级别科学问题（GPQA）的高难度能力，成本下降的速度在最近一年甚至是在加快的，降幅达到了约 40 倍/年。
然而，许多开发者和创业者的实际体感却是“并不便宜”，原因在于 Agent 和多模态的应用让请求本身的复杂度发生了质变：现在的交互不再是简单的“一问一答”，而是演变成了一个包含多轮思考（Reasoning / Thinking 模式）、多次工具调用以及中间状态总结的复杂 Workflow。这意味着，原本只需要 1 次 API 调用就能完成的任务，现在可能需要内部进行 5-10 次的链式调用。
用户输入的内容量也在显著变长，文件、多模态信息和长上下文被大量引入。最终的结果是，虽然单 Token 的价格便宜了 10 倍，但单次请求所消耗的 Token 用量可能同步增长了 10 倍。这种用量的激增在很大程度上抵消了单价下降带来的红利，导致从应用端的总成本来看，并没有感受到明显的下降。
趋势 7：ChatGPT vs Gemini
Gemini 3 的发布改变了模型竞争格局，导致 ChatGPT 首次因模型竞争而出现流量和用户下跌。但与此同时，从绝对量上看，Gemini 3 对 Gemini App 和 Web 的提升效果其实不如 Nano banana 明显。
Gemini 3 的主要进步集中在前端开发等生产力端的专业需求上。而在生活助手方面，尤其是移动端处理生活化问题时，ChatGPT 受到的冲击较小。从用户粘性来看，ChatGPT 在使用量和留存等方面表现出更高的粘性，这正是两者之间分化最大的差异所在。
• 流量争夺：Gemini 在“量”上逼近，ChatGPT 在“质”上断层
随着 Nano Banana 和 Gemini 3 的推出，Gemini 的 MAU 增长迅速，已达到 ChatGPT 的 20%-25%（8 月仅为 10%）。然而，在用户粘性指标上，两者仍有显著差距：Gemini 的 DAU/MAU 比例仅为约 10%，而 ChatGPT 这一数字高达约 25%。这意味着虽然 Gemini 的月活用户涨得很快，但大部分用户的使用频率远低于 ChatGPT，ChatGPT 单用户月均会话数约为 9.6 次，是 Gemini 的 3-4 倍。
• 地域差异：ChatGPT 守住高价值地区，Gemini 农村包围城市
ChatGPT 在美国、英国、德国等高付费能力的发达市场占据绝对统治地位，商业化根基非常稳固，即使在 Gemini 发布后，ChatGPT 在这些地区的免费榜上依然领先。而 Gemini 则采取了“农村包围城市”的策略，依托 Android 生态的强力引流，在印度、巴西、印尼、越南等新兴市场渗透率极高，MAU 已达到 ChatGPT 的 1/3 以上。
• 用户行为：ChatGPT 确立“Personal Assistant”心智
ChatGPT 非生产力类 Query 比例明显上升，且工作日与周末的活跃度差距在收窄，说明用户在周末也会频繁使用它，更像是一个随身携带的生活助手。特别是在移动端，ChatGPT 的活跃度远超 Gemini，而移动端正是个人助理场景的主战场。相比之下，Gemini 更多被用户视为生产力工具，用于 Coding、Deep Research 等专业需求。
• 入口之争：Search vs Chatbot 15%
从 Web 流量视角来看，AI Chatbot 已经成为一个值得单独看待的“信息检索入口”，而不再是边缘流量。Google Search 与 ChatGPT 的流量比例已从 95:5（去年初）演变为 85:15（去年 10 月）。这表明 ChatGPT 正在分流传统搜索的流量，开启了一种全新的信息检索产品形态。从月活跃用户的使用频次来看，ChatGPT 已经超过了 Threads、Reddit 和 X，正朝着 TikTok 的使用深度迈进。
03.
二级视角下的 AI Beta Play
从 ChatGPT 发布以来，二级投资的 Key Thesis 都是 AI Beta，相信在未来相当长的时间框架内，AI Beta 都会是科技创新的主旋律。
过去一个多季度，“AI Bubble”和“AI War”这两个与 AI Beta 直接相关的叙事相继出现，我们认为：
• AI Bubble 发出了合理的警讯，但并未改变 AI Beta 的 Momentum 本身。
• 市场已经转向了 AI War，这个叙事本身即是对 AI Bubble 的否定。正是因为看到了堪比大航海时代的发展机遇，才会出现百舸争流、奋勇争先的局面。我们对 AI War 的核心判断是：市场将出现两个势均力敌的阵营，并大概率交替领先。
在 AI Beta Basket 的分配中，两个阵营都应占有一席之地，但策略上可向暂时落后的一方稍作倾斜，针对短期叙事进行逆向投资。
Thesis 1：AI Bubble？No, AI War !
OpenAI 1.4 万亿引发的 AI Bubble 恐慌我们就不再赘述，总的来说，我们认为 AI Bubble 提出了好问题，但并不改变当前的 AI Beta：
• 当前的“泡沫”本质上是 OpenAI Commitment 的泡沫。这种承诺在未来两年内没有明显的违约风险，主要的挑战集中在三年后的展期问题上，而在估值层面，二级市场并未出现明显的泡沫，因为市场并未基于三年后的高预期进行激进定价。
• AI 仍在持续催生新物种，比如多模态推理、Proactive Agent 等，AI 的新玩法也在不断涌现，这标志着 AI Beta 的浪潮仍在继续。
因此，我们既要坚守 AI Beta，又要对新物种保持极高的敏感度。如果有新物种涌现，我们将看到更大的 Alpha 机会；反之，如果迟迟没有新物种诞生，AI Beta 确实有可能接近阶段性高点。
硬件层
在硬件层面的对决中，GPU 与 TPU 两大阵营势均力敌，交替领先。
但只要市场需求远大于供给，AI Beta 就是主要矛盾，Alpha 是次要矛盾，因此无论是 Google 供应链还是 NVIDIA 供应链，都具备极佳的投资价值。在 AI Beta Basket 的分配中，两个阵营都应该持有，但可以向暂时落后的一方稍作倾斜。
• 从产品 Roadmap 来看，NVIDIA 是行业内最努力推动摩尔定律的公司
下一代 Rubin 芯片设计极其激进，功耗设计从 1800W 拉高到 2300W，HBM 带宽从 13TB/s 提升到 20TB/s，如果这一目标实现，Rubin 将能甩开 TPUv8 一个身位，但激进设计的代价是容错空间变小，TPU vs GPU 的竞争也开始进入“比拼谁犯错少”的阶段。
• 从商业模式视角看，NVIDIA 的优势更为清晰
虽然 Gemini 3 是 TPU 最好的广告，但这把双刃剑也暴露了 Google 与客户（如训练模型的云客户）的竞争关系。相比之下，NVIDIA 是更纯粹的军火商，拥有更多客户且口袋更深。在 Mega7 中，Amazon、Microsoft 等大概率不会使用 TPU，而会坚定站在 GPU 阵营。
智能应用层
在智能应用层的竞争中，OpenAI 之前走的弯路只是暂时的。
过去两年 OpenAI 重视 Reasoning，忽略了 Pre-training，但过去六个月 OpenAI 已经把资源重新集中到了 Pre- training 上，即使是大概率还没用上新 Pre-training 的 GPT-5.2，在榜单上也已经把 Gemini 3 刷了下去。
更重要的是，OpenAI 在 Agent（尤其是 Proactive Agent）上的布局更充分，OpenAI 的团队是由一群“由牛人组成的草台班子”，没有大企业病和组织限制，更能从第一性原理出发孵化新物种。
Anti-Google 同盟
如果 Gemini 的领先优势扩大，将推动 NVIDIA 和 OpenAI 形成更紧密的盟友关系，AI War 的软硬两个层面会合二为一，使得局势更加势均力敌。
在现金流之战中，NVIDIA 拿走了产业链里大部分现金流，是 OpenAI 现金流紧张的源头，如今 NVIDIA 应该成为 OpenAI 最重要的 Funding Source。NVIDIA 投资 OpenAI，本质上是用未来会折旧贬值的商品（GPU），去换取未来有巨大上限的资产（OpenAI 股权），这在投资逻辑上是非常合理的。
Thesis 2：新物种萌芽：Agent Potential Picks
Proactive Agent 目前仍处于早期萌芽阶段，初步判断 2026 年可能非常接近真正落地的时刻。在这一主题下，下列公司可能是 potential winner，有机会享受到趋势红利。但需要明确的是，从当前的市场情绪来看，AI play 更多集中在硬件板块，AI 软件叙事从 25 年下半年一直走弱，在板块叙事偏弱的背景下，受益公司可能不一定会被有效 price-in。
• 应用新分发形态：Intuit
OpenAI APP SDK 的出现代表着 ChatGPT 已经成为了一个 Super App。它可以在与用户对话的过程中分发流量，由 AI 推荐并直接将 UI 推送到用户面前，无需用户手动打开应用程序。这种分发能力的摩擦力甚至比微信小程序更低。在这个领域，上市公司中的 Intuit（INTU）是 First Mover。Intuit 已经给了 OpenAI 1 亿美元，用于购买模型用量以及在 ChatGPT 内的展示位。OpenAI 有极强的动力将 Intuit 打造成一个标杆客户，只要能证明 Intuit 花这 1 亿美金带来了大于成本的新增收入或流量价值，就能吸引更多公司效仿。
• Agentic Commerce：Shopify
Shopping Agent 的苗头在黑五和圣诞季已经开始显现。Shopify 的优势在于它是一个极其重要的电商后台 Infra，并且与 OpenAI 和 Google 两边都有合作。无论最终 Shopping Agent 的形态收敛在何处，或者哪家模型胜出，作为“卖水人”的 Shopify 都有受益的机会。
• 企业定制化：Snowflake & MongoDB
目前企业在 AI 使用上面临“Build vs Buy”的经典问题，过去两年主要以 Buy 为主（如购买 Copilot、Agentforce），Build 仍停留在小规模实验阶段。Data Infra 公司真正受益的逻辑，需要等到企业开始有信心大规模自己 Build 新的 Agent，目前这仍处于早期观察阶段。
• 新码农：JFrog
在 Coding Agent 领域，JFrog（FROG）是一个值得关注的标的。JFrog 存储的是写完代码编译后的二进制构建（Artifacts），这是一个集中管理系统，且商业模式是按量计价的。如果 Coding Agent 导致代码产生的应用数量爆发，JFrog 将直接受益。但仍需持谨慎态度，因为目前 Coding Agent 更多是减少了码农招聘需求，尚未看到应用程序的大爆发。
• 新客服：Twilio
Twilio（TWLO）提供全渠道通信 API，是按量计价的 Communication Infra，如果 Voice Agent 使用量爆发，Twilio 将从中获益。
排版：傅一诺
延伸阅读
OpenAI 关键九问：2026 AI 战局升级后迎来叙事反转
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
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？
文章评论