17 岁 AI 实习生日薪 5500 元，1998 年的算 “中登” 00 后 AI 从业者，多数喜欢用动漫或卡通角色做头像，习惯用表情包和感叹号，工作间隙会在周围一连串的冰美式订单中点一杯棉花糖热可可。 见一位 00 后 AI 创业者前，投资人提醒我们，想快速拉近距离最好给他带两杯奶茶。 刚刚本科毕业，大厂或投资机构已经给他们开出 200 万元、500 万元 或 100 万美元的高额年薪。不过，谈起几百万元的薪水时，喝着棉花糖热可可的年轻研究员语气平淡，像是讨论上学期的课程表。 “哎，我不太在意，多个一两百万也都无所谓。” 另一位 22 岁的研究员有类似的想法，“反正要创业，我也挣不了几年的工资”。今年夏天，他刚刚大学毕业，拿超过 500 万元的年薪，还有大厂和投资机构想要挖他。 大模型行业批量制造了几百、几千个年薪数百万的年轻精英。大厂们打破过往年龄、职级、经验的限制，高薪招揽年轻人才。 几位猎头和 HR 说，顶尖高校毕业、在大厂大模型核心团队实习过、顶刊论文方向符合、拿到大厂头部人才计划的应届生年薪基本都在 150 万元以上。一位参与 Seed 招聘的人士说，2024 年 TopSeed 校招生年薪约 150 万元，2025 年涨到 300 万-500 万元，2026 年核心岗位的校招生可以开到 600 万元，部分人还能更高。 还没毕业，这些人才就被提前锁定——2000 元起步，最高不止 5500 元，日薪。有人拿到 Meta 的实习录用，月薪 2 万美元，且提供食宿。在大多数行业实习日薪 200 元就算不错时，这些数字超出常识，听到的人经常需要再次确认，“日薪还是月薪”“人民币还是美元”。 按照行业统计数据，2026 年一季度北京外卖员平均月薪一万出头，一个日薪 5500 元的实习生相当于 10 个外卖员。一个年薪 300 万元的 AI 研究员干一年，抵得上一名 2025 年毕业的本科生勤奋工作 39 年。后者还要保证自己别失业。 即便在以高薪著称的互联网大厂，想达到年薪 300 万，你需要硕士毕业，连续工作 8 至 12 年，经历至少 3 次晋升答辩，每一次都名列前 30%，还要身处核心业务或赶上高速发展，才能在 40 岁前成功干到字节 3-2、阿里 P9、腾讯 T11 以上。这时候，你已经管着几十人的团队，在行业里小有名气。 而今天一个 22 岁、本科刚毕业的 AI 研究员，没带过人，没做过业务决策，没经历过一次绩效周期，就拿到了同等收入。 何况他们实在年轻。“1998 年出生，在基模团队里已经算 ‘中登’。” 一个大厂大模型团队的实习生有点沮丧，自己比同公司多数实习生年龄大。有次加班到深夜，他抬头见到一位年纪 “小多了” 的实习生，“写代码时还蹦蹦跳跳的”，他加重语气，又说了一遍，“字面意义上的蹦蹦跳跳”。 年纪相对小的才 17 岁——大厂对年龄越来越不设限，很难说谁最小。她被一家大厂的 HR 主动联系上，一边准备高中期末考试，一边在大模型团队实习，在工位上庆祝了六一儿童节。 “读博很浪费时间啊！” 一位年轻研究员想劝那些清华 “姚班” 的朋友，“最聪明的大脑为什么要那么慢地学？” 他举例，一位 19 岁的斯坦福学生没读到大二就离开学校，很快为自己的 AI 初创公司募集了 450 万美元融资，“最坏的情况不过是重新回到斯坦福”。 一名招聘人士曾劝过三四名博士放弃学位、转为正职，开出颇有诱惑的职级和薪酬。“如果读书是为了找到好工作，你现在已经有了。而且两年后不一定还有。” 于是几个年轻人选择中途退学，奋力一跃抓住 AI 这趟车。 一家 AI 公司创始人想法更激进。他计划让读高一的孩子休学，边工作边学习，“他在学校怎么可能学到比我这儿更多的东西？” 全球投资机构  Antler 调研超过 3500 名独角兽创业者后发现，2024 年，全球 AI 独角兽创始人的平均年龄 29 岁，而 2020 年他们大都 40 岁。这个数字大概率还会继续下降——AI 让这些足够聪明的年轻人有可能找到一份更高薪水的工作，也有可能把身价推至数亿美元。

很多人不理解， 为什么广东广西这种地方，能连续出现邓煜、王虹、梁文锋、kimi创始人杨植麟这样的顶尖人才。 其实不止这些。 拿菲尔兹奖得主来说，还有两个，丘成桐、陶哲轩也是来自广东。 在不少人的印象里，广东广西这样的南方地区，长期以来更像是「做生意的地方、打工的地方」。 广东有工厂、有外贸、有大量流动人口。 广西在很多人的认知里，更接近农业和劳务输出地区。 在这种想象里，这两个地方应该盛产老板、商人、制造业人才，很难和数学家、科学家、AI顶尖创业者联系起来。 不少人忽略了一点，那就是 广东广西有一种非常强的现实主义基因。 广东最典型。 在改开之后，广东靠制造业、外贸、民营经济迅速崛起，大量家庭很早进入市场经济环境。 但市场经济带来的影响，不只是赚钱。 连同上一代人的家庭观念也在发生变化。 广东很多家庭很早就有自己的一套观念。 孩子要有能力，要掌握一门真正属于自己的东西。只要是正儿八经的，不管你干什么工作，不会死盯着体制内不放… 这种观念和传统意义上的「重文凭」不完全一样。 比如在山东就更加关注孩子考一个稳定单位，或者说进入体制内。 说实话，广东这种环境，对于数学、计算机这种需要长期投入的领域，其实非常重要。 因为科学研究和技术创业，本质上也是一场长期主义竞争。 一个地方是否能产生顶尖人才，不完全取决于当地有没有所谓「精英教育标签」，你还得看这个社会有没有鼓励个人能力突破的土壤。 广东还有一个特殊地方，就是它长期处在开放环境里。 从广州十三行，到近现代的华侨贸易，再到改开后的深圳制造业，广东一直和外部世界保持高频连接。 这种环境会不断告诉年轻人： 世界很大，机会来自竞争。 还有，你说深圳为什么能成为中国AI创业的重要城市？ 其它人对深圳只有一个「搞钱」的概念。 但这恰恰是个重点。 因为深圳这边很多都不是某一种固定人才。 来了深圳，你会变得更加愿意冒险、试错、把技术变成产品的人。 梁文峰创办DeepSeek之前，并不是传统意义上的互联网明星。 他最初做量化投资，把算法和数据模型应用到金融领域，后来进入大模型研究。 杨植麟创办Kimi之前，也是在自然语言处理领域长期积累。 他们本身就对技术本身有强烈兴趣，同时又有把技术推向现实应用的能力。 这和广东过去几十年的产业环境高度契合。 这里有着完善制造业供应链，有着得天独厚的商业环境，有着绝佳的创业生态。 你来了就能将想法变成产品，将产品快速变现…… 再看广西。 广西不像广东一样拥有强大的经济体量，但它同样出现了王虹这样的数学人才。 这就说明顶尖人才的出现，不完全跟一个地区富裕程度直接绑定。 可能你会觉得我这个观点有点站不住脚。 但你不得不承认，很多时候，一个地方真正影响孩子成长的，是家庭对于学习、知识和个人发展的理解。 王虹爸妈本身就是中学教师，王虹一边有熏陶。另一边靠着广西有「大量家庭依靠个人奋斗改变命运」的文化基因， 很多广西老表早早就能意识到， 如果想改变自己的位置，需要依靠自己的能力。文凭是一个能力，学习能力是一个能力，选对方向也是一个能力。 你把这些人的地理背景了解清楚，就会发现一个更大的社会结构： 一个地方可能没有最强的教育宣传，没有大量「精英城市」的标签，但只要它鼓励竞争、尊重能力、允许普通家庭通过学习和技术改变命运，就会不断产生突破者。 所以 在我看来广东广西能出人才不算真正特殊。 这里长期就有一种「人可以靠自己的能力打开空间」的文化。 这种文化诞生出来的可能是商人，也可能是科学家。 但最终都要落到一点， 那就是这个地方对于个人可能性的信任。

疯了的美股、死刑与被删除的假温柔 1. 加密巨鲸们和死鱼一样每天在群里吐槽V神是个大傻福，但是大家都知道责任全在悉尼妹。 与此同时，OKLO P/C=6:1，LUNR P/C=4:1，散户Call买得热火朝天，群里一起上车的mx从3元一直到快7元压根不休息，一起讨论嫩模到底值不值。 市场分裂成两个平行宇宙。 龙心名言：牛市不乱波，熊市不轻割 像极了今天华语乐坛的金曲奖名单——蔡依林9项提名领跑，内地的裘德7项提名黑马杀出 第37届金曲奖5月13日公布入围名单那天，股市也在暴涨。蔡依林《Pleasure》横扫9项提名，评审主席黄韵玲一句"她早就不用跟别人比"，像极了那些PE1000+的科技股，价格早就脱离了基本面，但你就是不敢空。 ps：张震岳本届入围了最佳男歌手和新专辑，看看能不能有所斩获 ps2：JOYCE 就以斯【才華換桃花】重点关注这个最佳新人奖，这盘专辑太符合我胃口了，强推。这个奖，jay当年也没拿到，被孙燕姿打败，最可惜的是这个奖任何人一辈子就一次。 2. 5月26日，等权消费指数创20年新低。 不是经济衰退那种跌，是结构性的、系统性的、看不见底的下坠。消费股就像被整个世界遗忘了。麦当劳甚至只有22的pe，而星巴克给到了30附近。 pdd的低迷恰如此时此刻市场冰冷的疑惑，账上的那些钱你不分红会不会被罚走？中国真的有那么多河北老乡就是主打一个喜欢发快递，目的就是拿盒子回家但是完全不赚钱，逼得库克都得来这里进货? 同一天，林志玲被内娱全面清退。 杨紫新剧《玉兰花开君再来》杀青官宣，演员表没有她的名字，正片删除全部镜头，杀青纪念短片里连一帧画面都没留。原定5月25日播出的《毛雪汪》，所有预告全删，成片直接作废，临时换成谭松韵、董晴。 这件事的源头是5月13日——她出现在台湾"文化内容策进院"新一届董事名单里。 她沉默了整整8天，直到剧集除名、综艺下架、代言解约，才在5月21日发声明说"称谓的重量比想象中沉重"，宣布拒绝接任董事。但通篇没有一句坚定表态一个中国原则，没有反思，只有迫于压力的止损。 3. Doug Kass在SPY $751、QQQ $730位置大举加空。 这位老空头最近几个月一路空一路止损，这次他说"这是我职业生涯中见到的最荒谬的市场"。 ps：和加密不同的是，那边开空没多资金费去拿，没准还要倒贴融券利息 但我想起另一个人——游族网络的许垚。 5月21日，上海高院二审宣判，维持死刑判决。 这个法学博士、年薪2000万的高管，用了整整一年时间策划毒杀自己的老板林奇。他买了100多份毒药，河豚毒素、秋水仙碱、尼古丁、百草枯……甚至在日本专门建了个实验室制毒。 一审庭审时他翻供，说自己是"被胁迫"、"有精神病"。所有手段用尽，最后还是死刑。 一个智商超群、学历顶尖、年薪千万的人，为什么会走到投毒这一步？ 因为他觉得不公平。当然最可笑的，作为一个法学博士，他也不愿意相信法律能带给他公道（但可以帮他上诉拖个5年半），最后走了化学博士的方法，知道的越多，越不相信自己所学的。 ps：化学没有民科，他会平等的杀死每一个不相信它的人，哪怕是大神·· 现在市场里很多人也是这种心态。看着别人买AI股赚了5倍，自己拿的消费股跌了30%，那种不平衡感，和许垚看着林奇时候的眼神，一模一样。 公平是弱者的幻觉。你以为你研究的历史规律很仔细，砸锅卖铁拿到了城市或者资本市场高速发展的车票，结果被人动动后台代码，发布了某个神奇的dlc后，华丽的成了30年的血包··· 房产亦然，大a亦然，学历亦然 想起邵夷贝的那句歌词“谁把你教育的善良无害，然后让你哭着在现实里学坏” 4. 金曲奖有个很有意思的细节。 72岁的陈小霞，拿了评审团奖。她写了一辈子歌，《十年》、《约定》、《下一个天亮》，那些我们青春里的旋律，都是她写的。她没拿过歌后，没什么流量，但是评审把这个奖给她，说"这是给所有还在认真写歌的人的敬意"。 市场也一样。那些天天涨的妖股最终都会消失，但真正创造价值的公司，即使被遗忘二十年，最终还是会被记起来。 ps：最近开仓了 dis和mcd以及 brk，感兴趣的可以看我这个持仓主页 5现在的市场，你要么做多，要么做空，不存在"既想赚上涨的钱又想躲下跌的风险"这种好事。铁秃鹰策略最近亏得很惨，就是因为想两头都占。 6. 许垚死刑判决下来那天，我翻了翻他的履历。 法国保罗塞尚大学保险法学院博士，法国巴黎第二大学国际法硕士，华东政法大学法学学士。妥妥的精英路径，一路顺风顺水。然后他遇到了林奇，一个高中毕业就出来创业、"不按规矩出牌"的老板。 两个完全不同世界的人碰撞，最后以最惨烈的方式收场。 这像极了现在的市场：科班出身的基金经理们按照DCF模型算估值，结果被野路子炒出来的AI股按在地上摩擦。知识分子的骄傲被现实碾得粉碎，那种挫败感，足以让人疯狂。 不要逼一个绝望的人。 也不要逼一个亏麻了的赌徒。 7. 回到市场本身。 现在这个位置，散户在买Call，机构在对冲，所有人都觉得自己是对的，所有人都觉得别人是傻子。 川普家族加仓的美光call，直接导致昨天高开15个点，做市商一口气买进去一大堆现货对冲gamma，给了市场最后一舞？瑞银马上给美光评级调到了1625美金？这腚眼子舔的效率我给一个大写的服。。 8 许垚案件最让人脊背发凉的细节是：他给林奇下毒不是一次，是很多次。先是下慢性毒药，让林奇身体慢慢变差，然后才下致命剂量。他有无数次机会停下来，但是他没有。 现在的市场也在给投资者"下毒"。每天涨一点，每天让你觉得"这次不一样"，每天让做空的人多一分痛苦，直到最后你放弃抵抗反手追高，然后致命一击才真正到来。 慢性中毒最可怕的地方，是你甚至不知道自己已经中毒了。 【龙心的交易工具箱】 1. 期权策略 SPY/QQQ：考虑构建反向铁秃鹰，卖方距离当前价±8%，买方±12%，赚取Gamma反转收益 个股：避开P/C极端的小票（OKLO、LUNR等），散户狂热往往是反转信号，如果你有iv很低，但是还没启动的热门板块的票，赶紧干几个leapcall吧，顺便发出来给大家看看，一起进去把gamma抬起来，岂不美哉？ 2. 现货配置 消费股：等权消费指数创20年新低不是底，至少等一季报确认基本面再动手，现在加息的概率存在，一旦确认降息会彻底解放一波。 AI股：散户情绪过热，设置严格止损，如果你的持仓周期明确的话，建议清掉现货换bull spread，赔率也不错的。 现金比例：至少保留30%现金，G7峰会前后波动会很大 3. 风控红线 不要做空指数：市场非理性可以持续到你破产之前 不要杠杆抄底小票：散户P/C>5的时候，离崩盘往往不远 不要同时做多做空：铁秃鹰策略最近三个月回撤超过15%，震荡市就是绞肉机 ps. 写这篇的时候我在听陈小霞的《老翅膀》。72岁的人写的歌，歌词第一句是"我还有一双老翅膀，还能飞，还能伤"。 许垚39岁，已经没有未来了。玩命做空他的那位，也提前离开了世界。 林志玲51岁，事业基本清零了。 蔡依林43岁，还在跟20岁的新人竞争。 时间是最公平的，也是最残忍的。它不管你是精英还是女神，不管你赚了多少钱有多高的地位，最终每个人都要为自己的选择买单。 市场也一样。 现在每一个嘲笑巴菲特老了的人，最终都会被市场教训。现在每一个觉得"这次不一样"的人，最终都会发现，重力从来没有消失过，只是有时候它会迟到。 抛物线的另一头，永远是重力。 无一例外。

从 Token 到 Outcome：AI 能力增长为什么可能带来超线性的经济价值 市场天天在讨论大模型公司的价格战，Token 价格还能降多少。但更重要的市场忽略了问题可能是：AI 每增加一单位能力，能够创造多少新增经济价值？ 这更可能影响接下来的token价格，而答案很可能不是线性的。 现实任务存在能力门槛。AI 从 60 分提高到 70 分，可能只是邮件写得更好；从 90 分提高到 100 分，却可能第一次独立完成软件开发、投资研究甚至科研任务。两者都是增加 10 分，但后者打开了此前不存在的任务市场。 用人类 IQ 类比也一样。IQ 130 并不只是比 IQ 100 的人生产率高 30%，而是可能具备处理另一类复杂问题的能力。 但现在各种测试ai能力的指标已经越来越饱和，很难再量化的判断ai的iq提升了多少。 因此更可测量的指标也许是可靠完成的任务长度。 如果 AI 单步正确率是 99%，连续执行 100 步的成功率只有约 37%；如果单步可靠性提高到 99.9%、99.99%，Benchmark 看起来可能只进步了一点，能够稳定完成的任务长度却可能提高一个甚至多个数量级。AI 的角色因此可能发生跳跃： Copilot → Agent → Autonomous Worker → Autonomous Team → Autonomous R&D。 这会直接改变 AI 公司的商业模式。 今天 Foundation Model 公司主要卖 Token： Revenue=Tokens\times Price/Token 但假设 AI 消耗 10 美元推理成本，完成了一项价值 1000 美元的专业工作。如果只卖 Token，模型公司只能拿走很小一部分经济剩余。 模型越强，这个问题反而越突出。下一代模型即使推理成本增加 3 倍，如果能够完成的任务价值提高 30 倍，那么 Value/Compute 实际提高了 10 倍。 因此商业模式很可能逐渐迁移： Token → Task → Outcome → Value Share。 最初卖智能原材料；然后按完成一次 Coding Task、一个客服工单收费；进一步直接卖“解决问题”的结果；最终甚至按照帮助客户创造的收入或节约的成本分成。 这意味着 AI 的 TAM 也在改变。传统 SaaS 攻击的是 Software Spending；Agent 攻击的是 Labor Spending；Outcome AI 最终瞄准的则可能是更广泛的 Economic Value Creation。 算力越稀缺，这种动力越强。拥有有限 GPU 的公司真正需要优化的不是 Token 数量，而是： \max \frac{Gross\ Profit}{Compute} 如果卖 Token 每 GPU-hour 赚 1 美元，而自己的 Agent 可以赚 10 美元，继续无限量批发 Token 就是在把稀缺智能低价出售给下游。 但这并不意味着 Token 会消失。更可能形成三层市场：底层继续卖 API，让开发者探索应用；中层卖通用 Agent；上层选择性进入高 Value/Compute 的垂直行业。 这种模式并非没有限制，模型公司并不能随心所欲的把业务模式从卖token切换为卖结果。 最重要的限制大约有八个：专家劳动、私有数据、Workflow Integration、结果验证、法律责任与监管、物理执行、客户渠道以及信任与 Accountability。 例如 Coding 很适合 Outcome 模式，因为从 Think → Code → Test 几乎完全数字化，而且结果容易验证。药物研发却需要 Design → Synthesis → Experiment → Clinical Trial → Manufacturing。AI 可以极快提高“Think”的速度，却无法立即消除实验、临床和制造的物理时间。 因此最先被 Outcome Economy 吞噬的，不一定是 AI 最聪明的行业，而是： 高任务价值 × 高 AI 可完成度 × 低 Human Minutes × 低验证成本 × 低责任 × 低物理摩擦。 这也是为什么 Coding、客服、数据分析和部分 Back Office 很可能领先，而医疗、药物研发、建筑和复杂制造会慢得多。 由此，AI 时代真正重要的经济指标也可能发生变化。 今天市场关注 GPU 数量、GW 和 Token Price；未来可能越来越关注： Revenue/Compute Gross\ Profit/Compute 最终则是： Economic\ Value/Compute 对于数据中心甚至可以直接理解为 Revenue/MW、Gross Profit/MW、Economic Value/MW。 最终整个逻辑可以浓缩成一条链： AI Capability ↑ → Reliability ↑ → Autonomous Task Length ↑↑ → Addressable Task Space ↑↑ → Value/Task ↑↑ → Token → Outcome → Revenue/Compute ↑↑。 所以未来 AI 投资最重要的问题可能不再是“下一代模型需要多少算力”，而是： 下一美元 AI CapEx，最终能够控制和创造多少美元的经济活动？ 真正最有价值的公司，也未必只是拥有最多 GPU 的公司，而可能是那些能够同时控制 Compute + Intelligence + Data + Workflow + Verification + Distribution，最终把智能封装成可交付结果的公司。 Token 是智能的计量单位，Outcome 才可能是智能最终的定价单位。

lianyanshe 网站月活已经过万了，应该有很大一部分是 Agent 用户。 有没人来谈下合作，网站更新了我所有研究的标的和监控的数据，也有循序渐进的学习路径。 1、数据看板-看市场今天什么状态，未来有哪些催化剂 2、AI 周期雷达-AI 叙事有没有价量匹配 3、个股分析-价格隐含了什么预期，分析师评级，K 线时间轴 4、加密研究-价值怎么流动，DeFi、预测市场、Meme、币股、潜力项目 5、机构持仓-谁在真金白银下注，微策略和 BMNR 持仓 6、AI 投资研究-AI 怎么拆成投资结论，周期雷达定位置 → 七层产业链找落点 → 验证商业化收入 7、交易课程-加密期权、美股期权、量化、海龟、威科夫 8、书籍解读-建立投资认知框架，17 本推荐的系列书籍 9、投资百科-单点的问题词条 网站还做了Agent访问优化，目前网站API数据全部可以免费获取，可以发给你的 AI Agent 来每日访问监控

我的X会员订阅终于开通了！所有订阅内容的都可以在X上看到，不用去其他平台了。 1. 先说我做内容的目的和投资风格： - 核心就是发现产业趋势级别的投资机会，找到躺着就能数钱的机会，比如20-21年的币圈，23年-24年的AI和半导体。每个资本市场都有周期性，我相信抓住一个行业的上升趋势，在早期介入是最重要的。 - 这也是为什么我不仅看币圈，还要看美股甚至大A，一是币圈整体融入的全球资本市场，做好币圈也要看全球资本市场环境；二是23年开始AI和半导体明显在行业回报率、社会认可度、创业机会上显著超过币圈，做投资还是要放宽视角和眼光 - 也希望通过内容付费结识一些有不同视角和产业背景的朋友，互相进行观点碰撞；我也在X和其他知识付费平台订阅了与我风格不同的博主，吸纳的知识也都可以为会员所共享。 2. 我会分享的内容 - 目前主要是以我对大盘和行业的观察为主，抓大放小，注重行业趋势而非中短线； - 外资行重要报告解读、AI投资知识库、科技行业一级市场观察、使用AI工具做投资的方法论 - 会员专属AI投资研究工具，以及如何打造一个自己的投研工具 3. 过去一个月为例： 8月中旬建议降低半导体配置，并且清仓了大A，几乎在反弹的小高点走了； 8月21号比特币72000左右看好，最新的观点是9月加息落地后看涨。 当然，我的水平很有限，因此这个订阅内容不是交易频道，不带单，也不喊单，不负责盈亏，我的短线水平不够，也不会做短线和高杠杆的交易。 我定位是一个投资频道，从市场波动中去掉噪音，发掘有价值的信息，做趋势的朋友。 4. 之前订阅过Patreon会员的朋友可以退订Patreon，订阅X后私信我，给您送一个月会员。 第一个月会员最低价6$, 后续会员每增加50人将进行提价，越早加入越划算。 5. 投资本就是非常个人的事情，每个人的风险偏好，投资心态，交易的习惯都不一样，因此“还能不能买”，“买少了该不该加”这种问题我也很难统一回答，聊聊交易思路更有益处。 6. 暂时不设会员群。

如果说 Grok 4.5 出来是模型军备赛的转折点，那模型越来越便宜跟我们有什么关系？ 其实本来关系很大，但一些朋友的动作，让这个关系慢慢变小了。 我们花钱订阅了 Claude、GPT、Grok，你让它干的最重要的事是什么？很多朋友可能会说写周报，改文案，翻译文档，总结会议纪要。 其实真正把 AI 变成印钞机的人，他们不用 AI 省时间，他们用 AI 做投资研究。 一个不睡觉、不情绪化、能一夜扫完全市场几千只股票和几百份研报的助手，你觉得是拿来帮你写"关于本周工作进展的汇报"的吗？ 举个例子， Bitget 目前这个东西可以尝试下。AI Playbook 美股选股策略。把机构分析师完整的研究流程摊开，每天让 AI 替你跑一遍。 分了五个策略，对应五种人的打法。 想抓弹性机会的，高 Beta 成长策略，NVDA、PLTR、AVGO 这种票分三层仓位。 想踩热点主线的，AI 主题精选，覆盖全栈产业链，每天给带目标权重和风险的观察名单。 想跟宏观走的，事件驱动策略，跨美股、加密、大宗商品构建组合，每个标的带明确止盈止损价。 想稳的，优质商业模式策略，看长期 ROIC 和护城河，先找好生意再看估值。 想省心的，纳指 100 指数增强，QQQ 打底加成分股超配。 五种人格，五种打法。你自己什么脾气就用哪个。 其实最最看重的其实不是这五个策略本身，是它把 AI 每天的推理过程完全摊开。 为什么选这只票，止盈止损从哪来，风险点是什么，每一条都写在那。你不需要信 AI，你只需要看得懂 AI 的推理，然后自己拍板。 这才是普通人用 AI 该有的姿势。 模型军备赛烧了几千亿美元，最终砸到普通人身上的红利，不该是让你打字打得快一点。 是让你普通人也能拥有一个原本只有对冲基金才请得起的研究团队。 天天用 AI 写周报的人，和用 AI 做研究做决策的人，相同时间内的差距应该会很大的。 即刻体验：

AI投资已经不只是 $NVDA：22只ETF把整条产业链拆开了 如果你还把AI行情理解成“买英伟达、买半导体”，可能已经低估了这一轮资本开支扩散的速度。 现在AI已经从GPU一路扩散到：HBM、晶圆、光通信、Neocloud、电源、MLCC、液冷、软件、网络安全，甚至OpenAI、Anthropic、Meta、DeepMind和xAI各自的生态链。 这份AI ETF地图，建议收藏： 一｜半导体 / GPU / 晶圆 $SMH VanEck半导体ETF 半导体核心组合，覆盖英伟达、台积电、AMD等龙头。 $SOXX iShares半导体ETF 同样覆盖整个半导体产业链，配置相对分散。 $AIFR Defiance Global Foundries ETF 专门聚焦晶圆制造，把AI投资进一步拆到“谁负责真正把芯片制造出来”。 二｜HBM / DRAM / 存储 $DRAM Roundhill Memory ETF 直接押注存储产业链，包括DRAM、NAND以及AI最重要的HBM方向。 AI算力越强，对高速存储的需求越高，所以HBM已经从普通零组件升级成AI基础设施的重要瓶颈之一。 三｜光通信 / 光模块 / 硅光 $LYTE Roundhill Photonics & Optics ETF 聚焦光通信、光学、光模块和相关产业链。 $FOTO Tuttle Capital Pure Play Photonics ETF 同样主打Photonics光子技术。 当AI集群从几千颗GPU扩展到几万甚至几十万颗芯片以后，最大的挑战之一，就是如何让这些芯片高速连接。 所以AI的下一轮预算，不只是“算得快”，还要“传得快”。 四｜Neocloud / GPU算力租赁 $NCLD Roundhill Neocloud ETF 重点押注GPU-as-a-Service、AI数据中心以及Neocloud算力租赁。 如果不想自己买GPU，就租算力。 这也是AI基础设施里过去两年迅速冒出来的一种新商业模式。 五｜传统云计算 $SKYY First Trust云计算ETF 聚焦成熟云生态。 相比Neocloud，这条线更多是传统云计算、软件和基础设施平台。 六｜MLCC / 电容 / AI电源 这一块可能是目前市场最容易忽略的AI基础设施分支之一。 $CCML Roundhill MLCC & Electronic Components ETF 聚焦MLCC以及电子元件。 $CAPA 电容 / MLCC ETF 主要覆盖被动元件、电容相关产业链。 $PSOX AI服务器电源相关ETF 聚焦AI服务器供电、电源转换及相关零组件。 为什么这些东西突然重要？ 因为GPU功耗越来越高，AI机架的电力密度也越来越高。 到了下一代AI数据中心，市场讨论的已经不是单纯“GPU够不够”，而是： 电送不送得到？电压稳不稳定？功率转换效率够不够？ 七｜液冷 / AI热管理 $COOL AI Thermal Management ETF 聚焦液冷、散热以及AI数据中心热管理。 GPU越强，产生的热量越大。 所以AI资本开支最终会形成一条非常清晰的链条： 芯片 → 电力 → 散热 → 互联。 少任何一环，整个AI数据中心都跑不起来。 八｜AI软件 / SaaS $IGV iShares Expanded Tech-Software Sector ETF 覆盖软件、SaaS以及云软件。 $WCLD WisdomTree Cloud Computing Fund 更集中在云计算软件方向。 AI基础设施建设完成以后，最终还是需要应用层去产生收入。 所以AI交易的后半场，很可能会逐渐从“卖铲子”向“谁真正把AI变成软件收入”扩散。 九｜网络安全 $CIBR First Trust Nasdaq Cybersecurity ETF $HACK 网络安全ETF $BUG Global X Cybersecurity ETF AI Agent越来越多、企业数据越来越多、模型访问权限越来越复杂，网络安全本身也可能成为AI时代另一笔刚性IT预算。 十｜最特别的一组：直接押注五大AI实验室生态 这可能是整张ETF地图里最有意思的一组。 $OAIW OpenAI Lab Ecosystem ETF 押注OpenAI产业链合作伙伴。 $ANTW Anthropic AI Lab Ecosystem ETF 押注Claude / Anthropic生态。 $MTAW Meta AI Lab Ecosystem ETF 押注Meta AI生态。 $DEPW Google DeepMind AI Lab Ecosystem ETF 押注Gemini / DeepMind生态。 $XAIW SpaceXAI Lab Ecosystem ETF 押注xAI / Grok生态。 这类ETF的逻辑已经不再只是： “AI会不会增长？” 而是进一步变成： 你认为未来哪一个AI生态系统会跑出来？ 把这22只ETF放在一起，其实就能看清AI行情正在发生什么变化： 第一阶段，市场买GPU。 第二阶段，市场买HBM、晶圆和服务器。 第三阶段，市场开始买光通信、电源、MLCC和液冷。 再往后，则是云、软件、网络安全和AI应用生态。 所以AI并不是一个板块。 它正在变成一整套新的科技基础设施。 真正值得研究的，已经不是“AI行情什么时候结束”，而是： 下一笔AI资本开支，会流向产业链的哪一层。

摩根大通的投资研究团队，刚也分享了他们构建的多智能体AI的过程，架构模式与其他类似系统雷同：主管智能体负责协调；专门的子智能体负责检索、结构化数据和分析；在给出答案之前，LLM(学习模型)作为评判节点反思；人工参与，以弥补最终的准确性差距。缺陷是：缺少独立数据。