国家统计局：5月份，社会消费品零售总额41090亿元，同比下降0.6%。按消费类型分，5月份，商品零售额36485亿元，同比下降0.7%；餐饮收入4605亿元，增长0.6%。 1—5月，全国网上商品和服务零售额83177亿元，同比增长5.9%（1-4月增6.6%）。网上商品零售额52718亿元，增长5.0%；在网上商品零售额中，吃类、穿类、用类商品分别增长15.5%、7.2%、1.6%(前值15.6%、6.8%、2.6%) 。 1—5月通讯器材类零售销售总额增0.7%（1-4月增6.2%），金银珠宝类降8.9%（此前降21.3%），家用电器和音像器材类降15.6%（此前降15.1%)，家具类降8.7%（此前降10.4%），体育、娱乐用品类降8.0%（此前降8.0%），文化办公用品类降1.5%（此前降6.9%）。

投机解码的 drafter 从来都是一个 token 一个 token 地猜。做出 DFlash 的推理公司 Inco AI 说这没必要：正确的 token 本来就在候选列表里，整块并行预测之后挑出一条连贯路径，输出不变，每次验证多赚一个完整的 token。 《DFlash 2：保持并行起草》 推理是 agent 时代的瓶颈。agent 会读、会规划、会调用工具，常常一跑就是几小时甚至几天。它们消耗 token 的速度，是聊天场景从未达到过的。而每一个 token 都要在模型上跑一次完整的前向传播。在 Inco AI，我们在构建一套面向未来 token 经济学的推理栈。这篇文章是一次预览。 我们的团队 1 月发布了 DFlash（论文： SGLang、vLLM、TensorRT-LLM 和 llama.cpp 里。NVIDIA 在 Blackwell GPU 上用它测到了最高 15 倍的吞吐；Google 报告在 TPU 上每秒 token 数提升 3 倍；CoreWeave 生产环境的 Kimi K2.7 Code 端点（Artificial Analysis 上该模型最快的端点）默认就跑 DFlash。生态已经在它之上构建：NVIDIA、Red Hat、Modal 都发布了 DFlash drafter；Meta（Muse Glimmer）、Poolside（Laguna）、小米（MiMo-V2.5-Pro）、NVIDIA（Nemotron 3.5 Lightning）随自家模型发布官方 drafter。在 Hugging Face 上，DFlash 模型被下载了超过 350 万次（截至 2026 年 8 月）。 投机解码是现代推理栈的核心组件之一。一个小 drafter 模型猜出一整块 token，目标模型在一次前向传播里验证整块。猜得好，一次前向变成多个 token；猜得差，丢掉重来。但多年来，起草本身一直是自回归的：一次一个 token。DFlash 让它也变成了一次通过：整块、每个位置，并行预测。 （演示视频：DFlash 2 在 Apple M5 Max 上用 oMLX 为 Qwen3.8-27B 起草，与自回归解码并排对比。 DFlash 2 把并行起草又往前推了一步：每次验证通过多产出 20% 以上的输出，增加的周期延迟只有约 1%，而输出可证明不变。跨基准测试的增益在 16–25%。配合今天发布的 Qwen3.8-27B drafter，SGLang 在 batch size 1 下达到自回归解码 2.7–3.4 倍的吞吐。每个位置独立预测，留下两处空间：选对 token，以及在块的末尾守住准确率。DFlash 2 把这两处都拿了回来，同时没有放弃一次性通过的设计。 现在就能跑 DFlash 2 已经跑在主流推理引擎里。 SGLang： pip install -U "sglang[all] @ git+" python -m sglang.launch_server \ --model-path Qwen/Qwen3.8-27B \ --speculative-algorithm DFLASH \ --speculative-draft-model-path incoai/Qwen3.8-27B-DFlash2 \ --speculative-num-draft-tokens 8 vLLM： pip install -U "vllm @ git+" vllm serve Qwen/Qwen3.8-27B \ --speculative-config '{ "method": "dflash", "model": "incoai/Qwen3.8-27B-DFlash2", "num_speculative_tokens": 7 }' llama.cpp： git clone cd llama.cpp git fetch origin pull/27342/head:pr-27342 git switch pr-27342 NVIDIA CUDA cmake -B build -DCMAKE_BUILD_TYPE=Release -DGGML_CUDA=ON cmake --build build -j Apple Silicon cmake -B build -DCMAKE_BUILD_TYPE=Release -DGGML_METAL=ON cmake --build build -j ./build/bin/llama-server \ -hf ggml-org/Qwen3.8-27B-GGUF:Q4_K_M \ -hfd incoai/Qwen3.8-27B-DFlash2-GGUF:Q4_K_M \ --spec-type draft-dflash \ --spec-draft-n-max 7 oMLX：下载安装支持 DFlash 2 的预构建版（ 在 oMLX 里跑 Qwen3.8-27B 加 DFlash 2： 1. 打开 oMLX 的 Model Downloader，下载 mlx-community/Qwen3.8-27B-4bit 和 incoai/Qwen3.8-27B-DFlash2。 2. 打开 Model Manager，编辑 mlx-community/Qwen3.8-27B-4bit，配置 DFlash： • DFlash：enabled • Draft model：incoai/Qwen3.8-27B-DFlash2 • Draft quantization：enabled • Runtime block size：5 • Verify mode：dflash 3. 保存设置，加载目标模型。 对的 token 早就在候选里 DFlash 每个位置独立、并行地预测。每个选择单独看都合理，但没有什么让它们彼此咬合，一个不连贯的块会在验证时被截断。近期的方法如 Domino 和 DSpark，用顺序的 Markov head 重写每个位置的完整词表分布来买连贯性。但真的需要这种昂贵的自回归纠错吗？ 不需要。证据就在 DFlash 自己的候选列表里。拿第一个位置来说：DFlash 的第一选择 85.4% 的情况下是对的，但正确的 token 99.5% 的情况下都在前 16 个候选里。即使第一选择错了，对的 token 通常也在列表上。 表 1：Recall@1（第一选择正确的概率）与 Recall@16（正确 token 出现在前 16 候选里的概率），按起草位置统计，条件是前面每个位置都正确。GSM8K 上的五层 Qwen3-4B DFlash。接受长度包含验证器产出的下一个 token。 • 位置 0：Recall@1 85.4%，Recall@16 99.5% • 位置 1：80.3%，97.3% • 位置 2：79.4%，94.8% • 位置 3：78.3%，92.6% • 位置 4：77.5%，90.8% • 位置 5：75.9%，89.4% • 位置 6：72.9%，87.8% • 接受长度：4.27（只看第一选择）；6.79（从前 16 里选） 一个总能从前 16 个候选里挑对的那个 oracle，会把接受长度从 4.27 抬到 6.79。这个差距是纯粹的选择空间。我们只需要在候选里选出一条正确的路径。 图 1：一个周期里的选择器。只用 DFlash，每个位置保留自己的第一选择；这里两个相邻位置选了同一个词，结巴在验证时死掉。DFlash 2 保留每个位置的 top 候选，选择器在候选之间走出一条连贯路径；这里整块都活了下来。 一个轻量的路径选择器 连贯性大体是局部的：一个候选合不合适，主要取决于它前面的那个 token，所以给相邻对打分应该就够了。DFlash 2 保留每个位置前 16 个候选，给每一对相邻候选打分。对前一个 token a 和当前候选 b： S_t(a,b) = U_t(b) + ⟨A(a)⊙H(h_t), B(b)⟩ 分数分两部分。第一部分 U_t(b) 是 DFlash 自己的 logit：drafter 本身有多喜欢 b。第二部分问 b 接在 a 后面有多顺：A 和 B 给每个 token 一个紧凑的 256 维嵌入，两个嵌入在一个上下文门控 H(h_t) 下匹配，门控决定匹配的哪些部分算数。本质上，这是对相邻候选做的低秩双线性注意力。 打分全程并行。每个位置的每一对相邻候选一次性全部算完，不需要额外的 backbone 或 LM head 前向。唯一串行的部分，是最后在预计算好的分数上走一遍：从最后一个已验证 token 出发，贪心地跟着每一步最好的后继走，采样从同样的分数里抽取，拒绝采样恢复出精确的目标分布。 表 2：只加路径选择（不加卷积）的接受长度，GSM8K 上的五层 Qwen3-4B。开销相对纯 DFlash：drafter 增加的参数、起草-验证周期增加的延迟。 • DFlash：T=0 下 4.27，T=1 下 3.78 • + DSpark 纠错：+77.8M 参数，+9.6% 延迟；4.49，4.08 • + 路径选择（我们的）：+2.0M 参数，+0.6% 延迟；4.61，4.25 选择器在 T=0 下给 DFlash 加 0.34 个 token，T=1 下加 0.47。两个设置下都超过 DSpark 的纠错，参数少约 40 倍，延迟开销低 16 倍。选择比预测便宜。而且还有空间：oracle 能到 6.79。成对打分是我们能想到的最简单的选择器，我们相信这里还有很多可探索的。 后缀衰减是个局部问题 我们还注意到上面两行 recall 都在块尾下滑。连 oracle 都在衰减：即使选择完美，准确率仍然从第一个位置的 99.5% 掉到最后一个位置的 87.8%。没有选择器能修这个，因为候选自己就不够了。我们把这个叫后缀衰减，它是 backbone 的问题。 一个嫌疑是容量：五层 backbone 可能太小，撑不住横跨整块的依赖。如果真是这样，深度应该在靠后的位置帮上最多的忙。事实也如此：3 层、5 层、15 层的 DFlash 模型在第一个位置上几乎一样，越往块尾分得越开。但深度不加区分：多十层 attention block 到处加容量，连那些没什么可赚的靠前位置也加，把 DFlash 吸引人的那部分效率磨掉了。 图 2：GSM8K 上 Qwen3-4B 的 Recall@1（T=0），条件是前面每个位置都正确。所有 drafter 在相同设置下训练；卷积模型评估时不带选择器。它的卷积增加 3% 参数和 0.7% 周期延迟；15 层模型多出的十层增加 15.2%。 我们要一个有针对性的修法，而 DFlash 的 attention 指出了修哪里。它有两份工作：读块之前的上下文，以及建模块内部的依赖。但它在第二份上花的越来越少：块内注意力占比从第 1 层的 30% 掉到第 5 层的 8%，剩下的还集中在越来越少的一小撮 head 里。所以我们把两份工作拆开：一个专用模块承担块内工作，attention 继续读上下文。 图 3：五层 Qwen3-4B DFlash 的块内注意力按 head 分布。越亮的格子代表在起草块上花注意力越多的 head；靠后的层里，块内质量收缩、集中到少数几个 head。 一个轻量的局部卷积 块内工作本来就是短程的：一个块只有 4 到 16 个 token，最紧的依赖坐在相邻位置之间。自然的算子是短卷积：两个抽头，一个在当前位置，一个够到前一个位置，权重随内容自适应。跟随 Canon Layers、Dynamic Short Convolutions 和 Convolution for Large Language Models 的做法，我们在每个 attention 和 feed-forward 子层前后插入这个双抽头动态深度卷积： Conv_k(x)_t = k_{t,0}⊙x_t + k_{t,1}⊙x_{t-1} 每个系数由一个可学习的基核加上从当前隐藏状态算出的一个小修正组成；每 16 个通道共享一个修正。第一个位置读最后一个已验证 token 的表示，之后的每个位置读它前一个的。信息穿过整块，同时所有位置仍然并行计算。 图 4：双抽头动态卷积。每个 drafter 层的每个 attention 和 MLP 子层前后各有一个。内部：每个位置把自己的表示和前一个的混合；第一个位置读最后一个已验证 token。 卷积是块局部的、无状态的，所以能无缝插进 DFlash，不用动 attention、LM head 或验证。 只加 16.5M 参数（3%），带卷积的五层 DFlash 就逼近了 15 层 DFlash，大幅减轻后缀衰减。卷积给起草-验证周期延迟加 0.7%；多十层 Transformer 层加 15.2%。第 4、5 层的平均块内注意力从 9.4% 降到 0.5%，与卷积吸收局部工作、attention 回到读上下文一致。一个只够到前一个位置的核，买回了十层额外层的大部分收益：后缀衰减大体是个局部问题。 合在一起 到目前为止，选择器和卷积是分开测的；下面的完整对比把它们放在一起。DFlash 和 DSpark drafter 是我们在对齐的设置下自己训练的，MTP 随模型发布。 表 3：Qwen3.5-4B 每请求平均接受长度。采样：thinking 开启，温度 1.0，top-p 0.95，top-k 20，presence penalty 1.5，无损拒绝采样。 • GSM8K：MTP 4.78，DFlash 4.99，DSpark 5.69，DFlash 2 6.20 • MATH-500：5.04，5.42，6.20，6.76 • HumanEval：4.84，5.43，5.80，6.28 • MBPP：4.16，4.49，4.96，5.41 • MT-Bench：3.90，4.26，4.77，5.20 • 平均：4.54，4.92，5.49，5.97 DFlash 2 在每项基准上都领先。平均下来，它比 DFlash 多 1.05 个 token（21%），比 DSpark 多 0.48。升级仍然便宜：选择器和卷积加起来，只给五层 DFlash 的起草-验证周期延迟加了 1.3%。 在 MATH-500 上，增益逐位置可见：DFlash 2 到最后一个位置都稳在 86% 附近，而每个基线在块尾都比它低 6 到 9 个点。 图 5：MATH-500 上 Qwen3.5-4B 的条件接受率，采样同上。 两个 drafter，今天发布 我们今天发布两个 DFlash 2 drafter：一个给 Qwen3.8-27B（ Meta 的 Muse Glimmer（ Qwen3.8-27B，我们对比模型原生的 MTP 路径和一个社区 DSpark drafter。 表 4：Qwen3.8-27B 每请求平均接受长度，模型默认采样、块大小 8，对比原生 MTP 路径和社区 DSpark drafter。 • GSM8K：MTP 5.02，DSpark 4.36，DFlash 2 5.46 • MATH-500：4.72，3.92，5.28 • HumanEval：3.91，3.30，4.39 • MBPP：3.99，3.51，4.79 • MT-Bench：3.74，3.01，4.10 • 平均：4.28，3.62，4.80 对 Meta 的 Muse Glimmer，我们对比随模型发布的官方 DFlash drafter 和一个社区 DSpark drafter。 表 5：Muse Glimmer 每请求平均接受长度，模型默认采样、块大小 16。DFlash 是 Meta 随模型发布的官方 drafter；DSpark 是社区 drafter。 • GSM8K：DFlash 5.43，DSpark 5.45，DFlash 2 6.57 • MATH-500：5.39，5.01，6.56 • HumanEval：4.11，4.33，5.66 • MBPP：3.74，4.02，5.30 • MT-Bench：3.52，3.59，4.42 • 平均：4.44，4.48，5.70 差距很大：在两个模型上，DFlash 2 平均比 DSpark 多出超过一个完整的 token。它也超过每个模型的官方 drafter：Qwen3.8-27B 的 MTP、Muse Glimmer 的 DFlash。换算成吞吐，Qwen3.8-27B 上达到自回归解码的 2.7–3.4 倍，Muse Glimmer 上 3.1–4.6 倍。模型卡（ 底线 agent 一个下午写出来的东西，聊天机器人要写一个月，而每一个 token 底下都坐着解码。DFlash 2 以接近自回归解码 3 倍的速度解码，每个 token 约三分之一的算力，输出相同。 七个月里，DFlash 从我们的论文变成了行业标准，超过 350 万次下载。在同一个设计内部，DFlash 2 每次通过多解码一个完整的 token，免费。那还只是服务栈的一个组件。推理离它的地板还很远。 在 Inco AI，我们在构建一套端到端的服务栈，把这个地板继续往下压。DFlash 2 是第一块。两个 drafter 今天发布在 Hugging Face。 如果你在规模化地服务 agent，想在你的栈里评估 DFlash 2，或者想为你跑的模型（包括你自己的微调）要一个 drafter，写信给我们：contact@inco.ai。 我们也在招人。如果你想一起构建这套栈，联系我们。 把候选连起来。起草，继续并行。 脚注：Modal 的 Speculation Is All You Need 指出，投机解码是对低延迟服务最重要的优化。我们是他们工作的超级粉丝，感谢他们自 DFlash 发布以来的支持和讨论。 本文引用格式：@misc{inco2026dflash2, title={DFlash 2: Keep Drafting Parallel}, year={2026}, month={August}, url={ 原文： #DFlash# #投机解码# #LLM推理#

【7.14加密晨報】BTC閃崩失守6.2萬美元，鷹派撞上中東火線⚡️ 昨晚比特幣延續跌勢，一度跌破62000美元，最低觸及61824美元，隨後被市場承接，現報價約62477美元，24小時跌幅2.07%。 Coinbase Institutional 指出，美國非農就業數據遠低於預期，但中東衝突升級令通膨風險重新成為市場焦點，市場正轉向定價"高利率維持更久"，金融條件進一步收緊，長期風險資產承壓，年內再次加息的概率也在上升。值得注意的是，在多重利空疊加下，BTC僅下跌約2%，這相對抗跌的表現，或許意味著市場正在經歷一輪築底過程。 ⛳️【市場情緒 & 流動性指標】 - 恐懼與貪婪指數：現報22，恢復至"極度恐懼"區間 - 穩定幣市值：約3120.85億美元附近，小幅下跌 - ETF流入流出：美國比特幣現貨ETF上週結束先前連續八週淨流出，轉為淨流入約1.97億美元；以太坊現貨ETF淨流入約8,442萬美元，終結連續八週淨流出態勢 🚀【細分賽道表現】 - 主流幣 & 大盤：比特幣現報約62477美元，24小時跌2.07%；以太坊現報約1786美元附近，同步承壓回調，24小時跌幅1.59%。 - Layer1 & Layer2：SOL現報約75美元，24小時跌幅約2.12%；BNB現報約569美元；XRP現報約1.06美元附近。 ARB跟隨大盤，報約0.09美元，24小時跌幅2.7%。 - DeFi板塊：跟隨大盤，AAVE現報約95.77美元附近，24小時跌幅1%；Uniswap報約3.63美元，24小時微漲。 - Meme板塊：Robinhood鏈上Meme幣CASHCAT，在昨日收跌後，今日維穩小幅上漲，現市值約1.66億美元，24小時漲幅11.2%。 - 隱私板塊：跟隨大盤，Zcash（ZEC）現報約502美元，24小時跌幅5.84%；XMR現報約321美元附近，24小時跌幅0.87%。 - AI板塊：Bittensor（TAO）現報約200美元，處於6月高點以來的下行趨勢；NEAR現報約1.87美元，近一週跌幅約5%。 🚨【後續重點關注】 1. 比特幣和以太坊現貨ETF結束連續八週淨流出，是近兩個月來首次出現資金回補信號，但規模僅佔此前流出總量的一小部分，能否延續仍需觀察本週資金流向是否進一步確認。 2. 衝突升級路徑：與2月底美以對伊朗展開的大規模空襲相比，本輪交火目前仍主要集中在霍爾木茲海峽週邊，尚未演變為對伊朗全境的持續性空襲，分析人士認為衝突正從"點到為止"的相互打擊轉向更持續的軍事對抗，但交戰區域仍相對有限。巴基斯坦等先前在美伊斡旋中發揮關鍵作用的區域國家已呼籲各方保持克制，後續外交斡旋能否重啟、停火能否重新達成，將是決定風險偏好修復節奏的重要變數。 3. 本周美國宏觀資料密集：週二6月CPI、核心CPI；週三6月PPI、核心PPI及聯準會褐皮書；週四至7月11日當週初請失業金人數、6月零售銷售月率。在地緣衝突推升油價的背景下，市場對通膨數據的解讀將更加敏感，"再通膨+高利率維持更久"的定價能否兌現，仍是短期風險資產走勢的關鍵。

2026.7.15美股速览 6月PPI数据全面低于预期，确认了前一日CPI的降温信号，7月加息基本被排除，股指齐涨。 1、VIXY收跌2.9%，报20.06。 2、美股指集体收涨。道指收涨0.29%，纳指涨0.62%，标普500涨0.38%。 3、苹果涨4.01%，谷歌A涨3.17%，Meta涨3.07%，亚马逊涨3.02%，微软涨2.78%，英伟达涨0.33%，特斯拉跌0.43%，SPCX跌0.6%。 4、纳斯达克金龙中国指数收涨2.92%，报6284.05点。热门中概股里，名创优品收涨9.2%，美团涨6.2%，腾讯涨5%，阿里涨4.8%，亚朵涨4.5%，万国数据涨4%。 5、费城半导体指数收跌2.08%，报12398.89点。台积电ADR跌0.17%，AMD跌3.46%。美光暴跌8.02%，闪迪大跌8.12%，西部数据跌幅亦超过7%。 6、PayPal 股价大涨17.2%。支付公司Stripe与私募股权公司Advent International已联合提出以每股60.50美元的价格收购PayPal。 7、大饼盘中跳升至65500美元，随后回落。

【7.8加密晨報】BTC衝高突破6.4萬美元遇阻回落，LIDO漲超11%🔥 昨夜比特幣衝高突破6.4萬美元後遭阻隔回落。比特幣最高漲至近6,4232美元，隨後出現明顯回調，現報價63,657.75美元，夜間漲幅已部分回吐，24小時整體呈現小幅下跌0.6%態勢。短期呈現價格中樞上移後的高點整理。市場情緒在高位震盪中維持，成交量適中，風險資產偏好中性偏謹慎。所有幣種中，LIDO表現亮眼，逆市上漲，現報0.3126美元，24小時漲幅11.05% ⛳️【市場情緒 & 流動性指標】 - 恐懼與貪婪指數：20（極度恐懼），市場情緒仍偏謹慎，未見明顯修復跡象。 - 穩定幣市值：市值上升回升（3,119美元） 🚀【細分賽道表現】 - 主流幣 & 大盤：比特幣現報63,657.75美元，24小時跌幅0.6%；以太坊現報約1,775美元附近，24小時跌幅1%，走勢跟隨大盤。 - Layer1 & Layer2：SOL現報約81美元，24小時跌幅2.29%；XRP現報約1.11美元，24小時跌幅1.11%；BNB現報約578美元，24小時跌幅1.09%。 - DeFi板塊：結構性分化持續。 LIDO逆市上漲，現報0.3126美元，24小時漲幅11.05%；UNI現報約3.2美元，24小時漲幅1.76%；AAVE現報約89.43美元，持續下跌，24小時跌幅4.64%；HYPE現報約70美元，24%跌幅3.2222.222.24%； - Meme板塊：主流Meme幣呈現下跌趨勢，跌幅達2-3%。 - 隱私部門：ZEC漲勢良好，現報約487美元，24小時漲幅7.53%；XMR現報約334美元，24小時漲幅3.53%。 - AI板塊：NEAR現報約1.95美元，24小時跌幅4.72%；TAO現報約211美元，24小時跌幅1.57%；VIRTUAL現報約0.5333美元，24小時跌幅2.72%。 🚨【後續重點關注】 1. 價格結構關鍵位：BTC在6.4萬-6.45萬一一線遇阻跡像明顯，短期需關注6.3萬美元支撐有效性；若successfully失守，不排除進一步測試6.2萬一一線。開倉量與ETF淨流向仍是判斷本輪反彈持續性的核心變數。 2. 宏觀與事件面：7月17日CLARITY Act聽證會是下一個重要監管催化劑，重點追蹤聯準會FOMC會議、美股走勢及機構資金動向。 3. 結構性主題：昨夜衝高回落顯示市場仍處於高位震盪階段，高波動品種需謹慎。持倉者可關注63000-64000美元區間表現，新資金建議嚴格控制倉位，優先佈局有基本面支撐或強敘事的標的，防範高位回調風險。長期來看，機構採用、真實應用落地仍是核心驅動力。整體保持謹慎樂觀，做好風險管理。

31省份上半年一般公共预算收入全部公布，广东以7421亿元稳居首位，同比增长2.8%，略高于全国地方平均增速2.7%；江苏和浙江分别以5941亿元和5551亿元位列第二、第三，但增速仅为1.8%和0.5%。上海和北京分别增长5.5%和6%，新疆、甘肃增速达到10%和8.2%，西藏则受低基数影响增长36.85%。江西收入下降7.2%，辽宁和广西均下降0.6%，是31省份中仅有的三个负增长地区。 来源：边际Lab x FinGraph财经图集

今日模型推算｜北京时间 2026-07-11昨日方向命中🎯 🇪🇸 西班牙 vs 🇧🇪 比利时 方向：西班牙不败，偏西班牙小胜 胜平负概率： - 西班牙胜：59.2% - 平局：22.3% - 比利时胜：18.4% Top5 比分： - 1-1（10.6%） - 2-1（9.8%） - 2-0（9.7%） - 1-0（9.6%） - 3-1（6.7%） 综合Top3： - 2-1 - 2-0 - 3-1 大比分概率： - 西班牙赢2球+：36.1% - 西班牙赢3球+：17.8% - 比利时赢2球+：6.6% - 3.5球以上：37.6% 分析： 这场主线还是在西班牙这边。模型给西班牙接近六成胜率，说明不是纯五五开。西班牙的控制力、整体性和防守稳定性更强，更容易把比赛带进自己熟悉的节奏。比利时不是没有威胁，反击和个人能力都在，但正常节奏下更像是需要抓转换才能打穿。原始模型最高比分其实是1-1，所以这场不是无脑碾压局；只是综合胜率、赢2球概率和比赛形态来看，西班牙小胜还是主线。 今日结论： - 西班牙不败，偏西班牙小胜 - 如果比赛被拖慢，1-1要防，但主方向还是西班牙这边 复盘原则：只看方向、综合Top3和风险，不把单一比分当结果。 免责声明：仅供赛前模型参考做图，高盛模型的

PEG 的计算公式为：PEG =（市盈率 P/E）÷（每股收益增长率）; 部分个股因近期 AI/半导体周期的盈利波动而出现偏差。 更新/确认的 PEG 值（2026 年 5 月 8 日左右）： - $INTC ：~3.2x 因增长能见度较低但估值偏高 - $LRCX ：~2.0x–2.5x - $KLAC ：~2.0x–2.5x 近期报告多在 2.5x 附近 - $AMAT ：~2.0x–2.5x 与KLAC/LRCX 等设备股类似 - $ASML ：~1.7x–2.3x - $ALAB ：~1.6x–2.1x 增长加速带来溢价 - $ARM ：~1.5x–2.2x IP 业务增长推动部分估值更高 - $ANET ：~1.5x–2.1x - $LITE ：~0.6x–1.3x 部分来源已降至 0.6x - $TSM ：~0.65x–1.1x AI 基础建设核心标的 - $CRDO ：~1.0x - $NVDA ：~0.9x–1.0x 常被引用为 0.9x反驳高估论点 - $COHR ：~0.9x - $AVGO ：~0.9x - $AMD ：~0.7x–1.2x 多数观点认为颇具吸引力 - $SNDK 可能指 SanDisk/WD 或历史标的：~0.7x - $MRVL ：~0.6x–0.7x 为低于 1.0x 的优质标的 - $AAOI ：~0.6x - $ON ：~0.5x - $MU ：~0.2x–0.4x 多视其为极度低估的突出标的 快速总结（彼得·林奇风格）： - <1.0x（具有吸引力 / 低估成长股）：MU（最突出）、MRVL、LITE、NVDA、TSM、AVGO、AMD 等——众多 AI 基础设施核心标的。 - ~1.0–2.0x：估值合理或温和溢价（例如您中段的 CRDO、ASML 等）。 - >2.0x（需谨慎 / 高溢价）：INTC（最明显红旗）、AMAT/KLAC/LRCX/ARM/ALAB —— 设备股及部分设计/IP 类公司估值较高。 PEG 比率（ 8/5 日收盘价）主要参考了近期分析报告（以 Tickeron 2026 年 5 月半导体 PEG 评估为主的多年度/前瞻混合数据） 以上数据基于 5 月 8 日左右 AI/半导体市场火热环境下的收盘价。PEG 所依赖的增长预估会随财报变化（例如 HBM/内存景气大幅提振 MU）。 建议结合前瞻市盈率、具体增长假设及个人风险承受能力进行交叉验证, PEG 只是快捷工具，并非绝对标准。数据来源于近期市场分析，实时报价可能波动。 非投资建议，仅供参考，DYOR。

1 MX 也就是美格纳半导体无疑是最近市场上最靓的仔之一 我在1年前的星球里专门提过这只股票，而他的股价发酵直到今年才跟随半导体大趋势起来，并且一路从2.7涨到了最高9.86，吸引了无数散户冲进来。 2 首先聊一下这只股票的几个核心优势 a 当年14美金报价并购过，但是今天市值只有2-3亿美金，在半导体行业属于超mini类型。任何一家激进的半导体私募或者公司都可以轻松融资买下他 b 24年新换了管理层，新的管理层非常的激进并且务实，定下了一个3-3-3计划，简单来说，就是3年内把毛利提高到30%，并且营收突破3亿美金，按照模型给出的估值，如果这目标在28年可以拿到，公司的股价预估在15-28美金之间是合理的 c 负债优化，现金充沛。后者是因为卖掉了内地的资产和砍了oled的落后产品线，而负债优化是把自持的晶圆厂做了银行授信，优化了资本支出。 d 公司根正苗红，是以前海力士分出来的子公司独立了，属于“皇室血脉” e 目前公司发力的电源是我个人比较赞同的后半场爆发的点 f 欧洲这几天的PCIM展会发布了新产品 顺便发几张场外的记者发来的现场照片 3 接下来聊聊劣势 a 公司发布的新品过多，25年55,26年预计60款，不知道是否可以消化的了 b 和内地企业依然面临严酷的竞争，公司不具有类似aosl那种在某个领域非常强悍的定价权 c 毛利的改善不是公司自己说了算，更多的是竞争关系，举个例子，如果美国现在通过法案，给内地竞品贴了标签不允许美国某些产业采购，就可以显著提高韩国企业的定价权。 4 管理层动作 1 CFO朴信英6月1日买入112,500股，按当时股价约6.2美元算，均价约6.2美元；运营主管李承勋买入30,000股，均价也在这个区间。两人成本都在6美元附近，比当前6.08美元的价格略高一点，说明他们觉得这个位置值得重仓押注。 本段分析来源于我的个人vibecoding 产品 本产品后期会在signalplus2.0内持续更新 2 管理层今年的rsu激励价格在3-5元附近，期权激励预计是在 5-8之间发放，算是一个预期打底，并且股权激励大概率在10月底全部到位，考虑到可以减持估计要到12月底才能开窗口期，这也是我们的持仓周期 接下来的走势做一个简单的判断 目前肯定是剧烈的洗盘，散户直接把预期给拉满了 我心里价位第一次减仓是在15美金，原因如下 目前整个半导体行业的估值是pb 3-4倍，也就是18-24美金， 考虑到mx自有现金1亿美金加分（大部分公司今年扩张债务不低），毛利率低减分，自有韩国生产线加分，今年需要升级减分，这里基本打平，我们按照18美金价格并购 但这里因为其他半导体公司今年股票都暴涨，只需要增发点股票来换购并购就可以了。 可能公布后价格会卡在15美金做一定的折价，基本就可以清仓了 收购方：付出5-6亿美金的股票，拿到1亿现金+生产线+成熟的电源方案和团队，绝对不亏。自家股票反正也是2亿美金拉起来的··· ps：现在韩国市场这个疯狂的流动性，不增发干并购才是愧对了韩国的韭菜们 目前跌到6附近，远端的put可以卖到2-3美金也就是未来可以3-4元拿货，很舒服，不要急着现货加，现货应该等破4再加，会持仓很舒服 同理，你也可以买入现货后直接卖出covered call ，目前918的10元的call可以卖到1美金。你相当于5元买入，10元卖出的自动波段，也有1倍的赔率了。 其他催化剂如果发生，会显著提高估值 包括如下 1 这几天的新产品拿到不错的大订单。 2 现金流可以超预期转正 3 自持的晶圆厂加速升级改造完毕 4 被其他大厂点名合作或者战略投资 5 白毛股神点名··

从这周开始我打算每周末写金融市场周报,描述上一周市场发生了什么,欢迎大家来批评. NFA. 让我们来看看上周的股市 上周（6月22日至26日），全球股票市场经历了一场剧烈但并非无差别下跌的调整。它不像2020年3月那种"所有资产一起崩"的恐慌，也不像2022年那种"利率上升杀估值"的钝刀子割肉。它更像是一场精准的、集中在AI和半导体板块的仓位出清，同时资金并未离场，而是迅速转向了传统经济板块。 先说美股三大指数。标普500全周下跌1.95%，收在7354点。这个数字本身不算惊天动地，但拆开看内部结构，分化严重到令人咋舌。纳斯达克综合指数全周暴跌4.6%，收在25297点，创下2025年4月以来最差的单周表现。而同一周，道琼斯工业平均指数上涨了0.6%，收在51876点。这不仅没跌，还涨了。 纳斯达克代表的是科技、成长、长久期资产，而道指代表的是工业、金融、消费防御。这种"一边暴跌一边上涨"的格局，说明市场上发生的不是全面撤退，而是一次大规模的内部换仓。基金经理们没有把仓位降下来换成现金，而是把AI和半导体的仓位减掉，加到了银行、能源、消费品和工业股里。 我们来把时间线拉开一点看这个逻辑。6月中旬的美联储议息会议把2026年的利率中位预期从3.4%上调到了3.8%，这意味着多数官员认为今年不但不会降息，甚至可能需要加息一次。紧接着，6月25日公布的5月PCE通胀数据——核心PCE年率3.4%——继续稳稳地待在远高于2%目标的水平上。在这样的背景下，所有对利率敏感的资产都面临估值压力。AI和半导体股票恰好是对"未来很远期的现金流"定价最高的资产，所以它们对贴现率的变化最敏感。 但仅有利率担忧还不足以解释纳斯达克4.6%的跌幅。更关键的是拥挤交易的问题。过去18个月，"买AI"是全球最拥挤、最共识、最没有争议的交易方向。英伟达、博通、美光、SK海力士——这些名字出现在每一个基金经理的持仓里。当一个交易变得过于拥挤，任何风吹草动都可能触发多米诺骨牌式的平仓。上周的风吹草动包括了谷歌DeepMind核心科学家离职、苹果可能因AI组件成本上升而被迫涨价、韩国半导体股单日暴跌触发熔断——这些具体事件我们后面会逐个分析，但它们共同指向一个事实：AI交易的"无脑买入"阶段已经结束了。 亚洲市场受到的冲击甚至比美国更严重。韩国KOSPI指数全周暴跌7.08%，其中周二一天就跌了9.99%，触发了全市场熔断——这是2020年3月以来第一次。日本日经225指数虽然"只"跌了2.65%，但盘中振幅超过10%：周一创历史新高，周二暴跌3.6%，周四又暴涨4.6%，周五再暴跌4.2%。香港恒生指数全周跌了5.24%，收在22671点，跌回了6月初的水平。 把全球主要市场排个序，道指是唯一上涨的，纳斯达克跌4.6%垫底美股，而亚洲市场整体更惨——KOSPI跌7%、恒生跌5.2%、日经跌2.7%。这个排序本身就说明问题：传统经济占比越高、科技/AI占比越低的市场，上周越抗跌甚至上涨；科技/AI尤其是半导体占比越高的市场，上周越惨。 这里有一个值得展开的逻辑：亚洲市场之所以比美国更惨，并不仅仅是因为亚洲有更多半导体公司。还有一个结构性的原因——韩国和日本市场存在大量的杠杆化产品和结构化票据，这些产品把半导体股的波动放大了。韩国尤其严重。KOSPI中三星电子和SK海力士这两家公司合计占指数权重超过30%。当这两只股票单日下跌12%以上时，追踪指数的杠杆ETF会触发强制平仓，平仓又带来新的卖盘，形成负反馈循环。这也是为什么周二KOSPI在跌到8%时触发了熔断——韩国交易所主动暂停交易20分钟，试图打断这个负反馈。 与此同时，还有一个被很多人忽略的信号：债券市场在上周的走势和股票市场的信号并不完全一致。尽管PCE数据粘性、尽管Kashkari发表了鹰派言论，10年期美债收益率全周反而下跌了约8个基点，收在4.37%附近；2年期收益率也跌了9个基点。收益率下跌意味着债券价格上涨，意味着有资金在买入国债。为什么在通胀数据偏高、联储官员放鹰的情况下，还有人买国债？答案在于原油。WTI原油全周暴跌8.7%，从76美元上方一路跌到69美元，跌破了70美元的心理关口。油价下跌意味着未来的通胀压力在边际上在缓解，而债券市场交易的是预期。所以实际上，上周的资产价格在讲两个互相矛盾的故事：股票市场在为"利率会更高"定价，而债券市场在为"通胀会回落"定价。 这种矛盾往往意味着市场正处于一个转折区间。要么股票错了——利率并不会像他们担心的那样走高，那科技股的杀跌就是买入机会；要么债券错了——通胀不会像他们想的那样顺利回落，那长端收益率就要补涨。7月2日公布的6月非农就业数据——新增就业仅5.7万人，远低于市场预期的11.5万人——似乎在给债券市场投票：经济正在放缓，加息的紧迫性下降了。报告公布后，7月加息概率从68%骤降到18%左右，道指当天大涨594点。但纳斯达克当天继续下跌了0.8%——因为就业放缓本身也是一个坏消息，它意味着企业盈利可能也会放缓。 所以总结一下上周的核心叙事：第一，AI和半导体的拥挤交易开始瓦解，这是上周最重要的市场事件；第二，资金没有离开市场，而是在板块之间迁移，从科技迁移到传统经济；第三，宏观信号本身是矛盾的——通胀数据偏鹰、就业数据偏鸽、油价暴跌偏鸽——市场还没有形成一个统一的宏观共识。在这种环境下，波动本身会继续存在。