半导体量化交易员：AI已经足以跑赢标普500

（片头剪辑）基础模型本身大概已经足够好，能以一种胜过普通散户交易者的方式进行交易。我认为，有一个说得通的论点：基础模型好到足以在风险调整后跑赢标普500。假设某一年 AI 创造了10万亿美元的价值，产业链上有这么多环节，很难判断价值最终会落到哪里；所以我现在的个人投资组合里有50只比较随意挑选的芯片和 AI 股票，基本覆盖了整条产业链。我想自己从底部涨到峰值时曾经赚到470%，后来在6月22日之后的第一次大幅回撤中，第二天又跌掉了70%。我当时想：“哥们，我今天简直亏掉了一整辆法拉利。”

谢谢邀请。

我想，接着你刚才用的那个说法，什么叫下注？交易大致有两种理解方式……

一种是人们在 Polymarket、Kalshi 或体育博彩里下注时常见的方式：你试图预测未来，判断接下来会发生什么，然后依据自己对未来的看法下注，而这个看法还没有被其他人计入价格。我们在 IMC 的自主决策交易台做的事，概念上有些不同：先看世界当下的状态，再判断什么已经贵了、什么还便宜，然后买便宜的、卖贵的。在某种意义上，你也可以说这是预测，因为你认为便宜的东西会上涨、贵的东西会下跌，但我觉得这不是最有用的理解框架。简而言之，就是要做出好下注，识别昂贵的东西并卖出，识别便宜的东西并买入。

对。

我觉得期权交易跟单纯买卖股票也有点不同。对股票来说，人们会根据它相对于预期现金流和增长的价格来判断便宜或昂贵。期权方面，买入或卖出看涨期权、看跌期权，可以通过交易标的资产来复制；你获得的敞口并不是标的价格往哪个方向走，而是它会波动多大。所以我们说便宜或昂贵，指的是波动率便宜还是昂贵，也就是我们认为实际波动会低于还是高于隐含波动。

举个例子，假设英伟达和 AMD 这两个标的高度相关。刚经历过像7月那样的一段时期后，两者的波动率都非常高；但你看到英伟达的波动率比如比历史实现波动率高50%，AMD 则可能高70%。加上其他信号也指向同一方向，就说明 AMD 的波动率可能比合理水平更贵。你可以卖出 AMD 的波动率，再买入英伟达波动率来对冲半导体波动率因子风险；也可以认为英伟达的波动率定价公允，于是只卖出昂贵的那一边。

有很多种爆仓方式，但我们特别留意的一种风险来自相关性。对单只股票，你大致能估计它跳涨或跳跌10%、20%、30%时，各种期权大概会变成什么样；可假设博通跳涨20%，你可能预期英伟达或 AMD 也会上涨，但这种关系不确定得多。我刚入行时，英伟达和博通的走势曾经非常接近，因为两者都被视为受推理需求驱动的 AI 交易标的。后来出现一种叙事：博通做了定制 ASIC，因为它与谷歌合作，所以会成为谷歌 TPU 交易链的一环；英伟达、微软和 OpenAI 则成了另一条交易链。随着市场对 AI 发展方向的叙事变化，这些股票开始脱钩。原先以为能互相对冲的仓位，其实没有那么好的对冲效果。再加上有时市场对消息的反应可以说不理性，或者不符合预期；我想到 DeepSeek 刚出事时，英伟达据我记得跌了大概17%——具体数字别引用我——其他芯片股也跟着跌，但幅度没那么大。一只股票跌那么多后，人们会被清算、被追缴保证金，市场就不再……

……真正按信息效率运行的市场了。如果你认为“英伟达跌17%，那么 AMD 和博通肯定也得跌12%左右”，你可能就错了。如果你的仓位是大幅做多英伟达、同时大幅做空其他股票，就可能爆掉。归根结底，这是高估了相关性。

Odds on Open 由 Onyx Capital Group 赞助。Onyx 是顶尖的石油衍生品做市商，刚发布了终端 Flux 的第四个版本。如果你有石油敞口，其中有两项值得了解。第一，它会实时显示800条石油曲线的公允价值，包括那些难以估值的曲线；第二，它提供 Onyx 自己的持仓数据，你能看到市场做多、做空的仓位，以及他们建仓的价格。可前往 flux.live 查看，链接也放在简介里。

我会说，我所在的交易台做的工作，实际上跟很多单股期权交易台非常相似。我有不少交易员朋友，他们坐的席位也非常接近。所以总体而言，我们看待市场的方式大致相同。有时差别更大的是交易权限有多宽。比如，我知道有些公司的分析师很有把握能对财报等事件或其他重大公告做出不错的预测，因此他们会尝试据此建立仓位；也有些交易台所在的公司 OTC 业务更强，更容易获得订单流信息。公司可能直接跟养老基金交易，这显然会影响定价；有了这些信息，你对市场的图景就更完整，也能用这些信息做交易。不过，买便宜的、卖贵的、承接好的风险，以及偶尔针对新闻事件或特殊情形做出反应，这些基本功大致还是同一套。

某种意义上，我觉得是，因为你坐在一个信息更多的席位上。但从另一个角度看，比如我现在已经拿不到那么多订单流信息，我不觉得自己此刻单靠个人能力就更擅长预测市场会往哪里走。换句话说，很多时候，这类席位本身就价值很高，因为你已经处在一个杠杆很高的位置，能接触到绝大多数市场参与者没有的信息。我说得很具体：如果看美国的期权成交量数据，前五大的期权做市商大概提供了80%或90%的流动性。因此，全球可能真的只有几十个人能看到这样的市场全貌，你就在这几十个人之中，能够利用这种优势。但这套技能未必能很好地转化为个人交易。我确实会做一些个人交易，依据的是“买便宜、卖昂贵”这类普遍原则，不过我觉得这跟那份工作并没有太大关系。

嗯，不是说席位比人更有价值。准确地说，是席位本身具有很高的杠杆。比如谷歌 CEO 的职位就是一个杠杆极高的席位，但一个人仍然可以通过运用这个席位创造更大的价值。

我觉得这其实就是“怎么建立一家交易公司”这个核心问题。我有朋友在 Jane Street，他们说团队也会随着时间重新组合；HRT 也一样。所以这些公司都在不断摸索一个根本问题：公司里谁应该坐在谁旁边，谁应该跟谁交流？说到底，就是如何安排沟通、交易大厅的布局、人员和机器，让公司赚到尽可能多的钱。这大概还是一个没有解决的问题，不过各家公司也能看到一些共同趋势。其中一个是，很少有人会……

……在大型交易公司，实习生通常不会直接拿到正式席位的分配；新人一般要先参加毕业生培训，再经过某种评估流程，最后才安排交易席位。公司可以安排大量模拟交易，甚至真实交易和项目，看看每个人最擅长什么，再把他们安排到最合适的位置。我觉得这是各家交易公司很普遍、也很正确的做法；这跟很多其他公司挺不一样，其他公司通常是新人……

……毕业后在大多数普通公司求职时，你通常会申请一个具体职位，然后得到那个职能岗位。交易公司则会花很多时间观察和评估你，不仅判断你一开始是否适合加入公司，也会考虑如果你加入了，怎样安排才最能发挥你和公司的时间价值。

就 IMC 而言，确实有一点很突出。根据我跟其他公司朋友交流的情况，我觉得我们花在公司系统上的时间多得多。以我那一届为例，培训中大约有一半甚至更多是在学习公司交易系统的各个部分。那是一台庞大的机器，我不该讲得太细，但这也说得通：IMC 的系统架构有很长的历史，系统各部分会以很特别的方式相互作用，公司的内部体系也有很多需要真正摸透的地方。

有人可能会说，一直学习这套系统未必是最好的事；但另一方面，它确实非常强大，擅长使用它的人就能借此发挥优势。我觉得这算是 IMC 比较特别的地方：系统化交易这边有一套庞大的底层系统，大家都在它上面继续搭建，因此培训有很大一部分都围绕它展开。

你是问我是不是在冒险押注吗？我觉得我、我的大多数前同事、跟我同届毕业的人，以及比我晚毕业的大多数交易员，都在冒险押注，而且极度看好 AI。我在 iMessage 上有几个只有交易员朋友的群聊。我觉得这些群聊对标标普500的平均 beta 大概是3，群聊里大家在7月的平均回撤——或者说中位数回撤——至少有30%。

中位数。笑 所以，哥们儿们都非常看好 AI，我也一样。我当然认为我们的判断是对的，不然我为什么会持有这些股票呢？不过，这里面也有一部分是偏向：我觉得交易公司是地球上最擅长使用 AI 的企业之一。我在 Twitter 上看到过一种说法，不确定百分之百准确，但听起来合理：按 token 消耗量算，眼下使用 AI 最多的三类主体，第一是做训练、推理和后训练的前沿实验室；第二是大家熟悉的企业级 B2B SaaS 初创公司；第三竟然是交易公司。

交易公司把 AI 用在整个工作流程里，从优化交易员工具、开发内部工具，到像 Jane Street 或 HRT 这类公司使用 GPU 集群做深度学习；这些计算未必完全基于大型语言模型，但同样会消耗大量算力。AI 正在交易领域到处使用。我觉得像 Jane Street 这样较早拥抱 AI 的公司，现在做得很好，这些投入正在明显见效。大约五六年前，很多公司犯下的最大错误之一，可能就是没有……

……更早投资 AI 基础设施。

我觉得对我来说，产业链各个部分都有。很难猜 AI 的价值最后会落到哪里。假设某一年 AI 创造了10万亿美元的价值，首先很难判断其中有多少会到消费者手里、又有多少会先转化为企业利润；即便到了企业利润，也不知道哪些会流向模型实验室、GPU 设计公司、数据中心，例如数据中心公司（字幕记作“core”，名称未确认），或者真正制造芯片的晶圆厂，比如 Intel 和 TSMC。

还有给晶圆厂提供设备的公司，比如 Lam Research、Applied Materials 和 ASML；也可能是连接数据中心的公司，比如 Lumentum、【字幕记作“ai”，公司名未确认】或 Coherent；又或者是芯片材料和基板。产业链里有这么多环节，很难判断价值会在哪里兑现。所以我就采用最简单的办法，全部都投一些：我现在的个人投资组合里大概有50只随意挑选的芯片和 AI 股票，基本覆盖整条产业链。

我觉得大家普遍认同要持有一些 AI 敞口，或者说，让 AI 敞口高于标普500，我……

……觉得这应当算是共识。我选择的具体杠杆水平并非共识，几乎不分散到其他潜在主题的做法也不算完全的共识。不过，我确实认为，大家普遍觉得目前对 AI 的配置不足；从标普500的权重看，大概就是这个意思。

一端是旧金山那种彻底拥抱 AI 的投资者，整天泡在 Twitter 上，觉得如果你的职业或投资组合里完全没有 AI，你就会沦为……

……永久底层阶级，一辈子像奴隶一样，只能做没有前途的工作、掌握没用的技能。我们是在笑，但确实有人认真相信，自己这辈子就完了。

这确实有这种可能。我觉得自己给这种情况分配了一个大于零的概率。

我觉得有几种办法。最明显的一种，大概就是买 AI 股票。人们常谈美国贫富差距扩大，很多是资产价格上涨推动的。你可以对这种现象做道德评判，但我觉得这个趋势可能会继续。如果你真相信 AI 会创造价值，那么更多价值可能会归于资本。

这大概意味着你应该投资 AI 股票。

如果你还很年轻，比如18岁、20岁、22岁，还不到30岁，没结婚、没孩子、没什么真正的责任，那没有什么特别理由说明你完全不该用一点杠杆。当然，这不是法律意义上的投资建议。举个例子，普通大学生大四毕业时能存多少钱？大概不多，也许几百或几千吧。再想想工作几年后会有多少钱，那会多得多；职业发展、人力资本不断复利，如果牌打得不错，你以后赚的钱会越来越多。

所以，尤其在很早的时候，大多数人对资本的配置都严重不足。你不该只考虑现在手上有多少钱，而应该在某种意义上考虑自己一生可能会拥有多少钱。交易行业里有个很清楚的例子：很多刚入行的年轻人拿到每年60万到100万美元的工作邀约，但起步时的投资组合可能只有5万到10万美元，来自实习收入。到年底，他们手头能拥有的资金至少会达到起步时的四五倍；所以没有理由不加到三到四倍杠杆。我觉得年轻时就应该多配置资本。

对年龄大些的人，我个人并不是特别悲观地看待 AI。至少从就业数据看，比如《经济学人》最近一篇文章显示，AI 目前似乎主要在创造工作。虽然 AI 应用越来越广，我们并没有出现大规模失业。我觉得任何新技术都会让人担心它带来的问题。不过无论如何，目前看起来最好的……

……办法就是学会使用这项技术。假设你在一家已经拥抱 AI 的公司工作，可以想想如何在工作流程中更多使用 AI：把它学成一项技能，试着自动化更多手头工作。如果你所在的公司或岗位不允许你使用 AI、也没法跟着技术一起成长，那现在创业从来没有这么容易。只要有个好点子，你可以让 AI 把应用做出来，提交到应用商店，通过审核，然后推出去。

如果有什么的话，AI 反而让人看到，大多数人的点子其实没那么好。因为现在做任何纯软件的东西都没人拦着，但大多数人似乎还是做不出优秀的软件；这大概说明，我们得在“点子”这个环节下功夫。

人们是不是应该解决极其困难的问题？我觉得这个问题得再往深处说。一般来说，人们应该解决难题。

也就是“难题”。但每个人都能解决难题吗？

好，我明白了。这确实把很多事放进了同一个背景里，也可能会改变我刚才关于人们现在该如何出牌的回答。我觉得，整个问题或许不那么关乎护城河，而更关乎增长。护城河在竞争环境中很有用——不只是有用，甚至是必需的；如果环境接近零和博弈，它就更重要。

零和行业有哪些？比如制造业，或者餐馆。餐馆其实是个很好的例子：一个人每天只需要吃一定顿饭，行业竞争非常激烈，也很难建立护城河。如果你能让自己的餐馆拥有某种社交声望，那当然很棒，也很重要，但做到这一点并不容易。反过来，如果你身处一个高速增长的行业，比如 AI，再看看 Cursor 这样的公司：它有护城河吗？好像没有。

我忘了是哪位风险投资合伙人说过这件事。他们当时觉得这家公司没有护城河，但它增长得实在太快了；后面字幕听起来像是“我们要……你们这一轮”，这句话具体是继续还是停止投资，字幕含义不清。我觉得在 AI 的牛市情境下也可能如此：机会和增长可能比护城河更重要。多数人很可能都不会有明确的技能护城河——从对称性上说，也不可能人人都有。但 AI 给人的杠杆很大，产出又能提升得很快，因此增长依然能改善生活质量、收入和体验；如果这样的话，竞争就没那么令人担心了。

否则，我们就是在猜什么事情 AI 从根本上无法做到。如果你相信它真的是一种通用智能，能把智能规模做大就能把一切规模做大，那么最后就只剩下那些人类独有的东西；正如你提到的，对个人来说大概就是关系和品牌。很多人不愿在 LinkedIn 或 Twitter 这样的平台上展示自己，让自己更容易被记住、建立更强的个人品牌。我觉得这大概是个错误，因为成本不高，但很有帮助。

从我观察到的许多大学生的行动力和主动性也能看出这一点，至少我当年大四时是这样。量化招聘就是一个例子：大多数人只是投简历，我觉得这其实不是好办法，也没有充分利用潜在的人脉护城河和个人品牌护城河。我其实……

……在大学期间的交易岗位招聘上做得很有策略。我是量化交易俱乐部执行团队的一员，会联系很多公司、帮他们办活动，所以认识了多数公司的招聘人员。到了申请季，我除了投简历，也会发邮件说：“嘿……”

……某某，很高兴在那个活动上和你聊过。我刚申请了贵公司，如果能安排一轮初筛面试就太好了。我不会说百分之百，但大约95%的人回复了；结果，我申请的交易公司几乎都给了我初筛面试。这需要多一点规划、主动性也要更强，但我回头看觉得它很有价值，更多人应该这么做。在 AI 时代，随手就能把简历投出去，所以关系和品牌很多时候不是在最明显的地方建立起来的。你得想想具体情境提供了什么可能性；这件事很难替所有人回答，但我自己当时就是这么做的。

如果一定要说一个时刻，大概是我们拿到 Y Combinator（YC）录取时，因为那时必须做决定。但对我来说，这更像是一个逐渐形成的过程。大学时，我是我们量化交易俱乐部的负责人，也当了两年兄弟会会长，而且我很认真看待这两个职位。发展社团、领导兄弟会让我觉得很兴奋，也让我处在一个主动性很强的位置。

从做这些事转到一家很大的公司上班，变化很大。我该怎么准确地说呢？我心里总有股想做更多事情的冲动，而工作并没有满足它。我得谨慎说明，我不是在批评 IMC；事实上，我很喜欢那份工作，大家也都很棒。只不过，在另一家公司工作本身，有一种我始终没被满足的渴望。

那段时间，由于交易员的交易限制，我开始更多关注永续合约交易所，也和许多有同样困扰的交易员朋友聊：怎样才能在某种意义上合法地绕过我的交易限制？我现在讲自己做什么时，有人会觉得：“做一个区块链上的永续合约交易所，听起来很不靠谱。”但按我对这里法律情况的理解，当时几乎没有监管；它既不是明确合法，也不是明确违法，而是处在灰色地带。一般来说，美国也没有禁止它的法律；公司不会为我监控这些交易。

很多朋友也对这个问题感兴趣，所以我想：“这里好像有个市场。现在这份工作虽然很好，却没有完全满足我，或许该跟共同创办人聊聊。”我们讨论了几个月，申请 YC 并获录取后，必须在24小时内作出决定。到了那一刻，你就得放手去做。

我们不想只做一个让人自己决定交易什么、然后下单的地方，而是要专注某一种交易方式——事件驱动交易。比如围绕特定财报、特定叙事、宏观事件或推文交易，我们会把这些信息整合进应用，帮助你完成交易。

我们主要做两件事。第一是提供不同资产的交易渠道，我们的口号之一是“在 OpenAI 和 Anthropic IPO 之前就买入”。第二个口号是“可交易的 Twitter 信息流”：我们能直接接入你本来就在看的 Twitter、播客、Substack、Reddit 等信息源，用 AI Agent 评估某条信息对你想交易的叙事是否真的有用，然后通知你，或者直接把它放进信息流。这个工作流程某种程度上受我们过去经验启发……

……交易公司里，分析师会追踪很多这类信息来源，再及时、简洁地告诉我们哪些内容相关。

先说交易公司里的情况——我觉得大多数公司可能都差不多。我尽量不讲我们分析师使用的具体数据源，但通常会有一份定义清楚、经过筛选的数据源清单，你认为这些来源跟交易有关。开盘前一晚会发生各种事件，因此你可以开个会，或发邮件给交易员，简要说明你觉得当天可能会发生什么、背景是什么。

白天事件不断发展时，你可能会在大厅里喊交易员，也可能继续发邮件、给他们发消息，用各种方式补充他们需要的背景。所有这些，主要都是为了让管理某本交易账簿的人及时拿到所需信息。交易员自己做这件事的问题在于，外面有太多垃圾信息；光是筛选、汇总、再把信息处理成某种模型或投资论点，本身就是一项非常有价值的工作。

AI 某种程度上可以复现这个工作流程。也许还达不到交易公司所需的程度，但我觉得它已经能做得比很多散户用户目前获得的信息好得多。我们的 AI 产品大致这样运作：用户登录后，我们先问他们关注什么、交易哪些市场；他们选定市场后，我们就提供一条由我们筛选、针对这些市场的权威信息源构成的默认信息流。用户也可以手动添加更多来源。

消息会从突发新闻、Twitter、播客等渠道进来。第一步是分类器判断这条信息需不需要快速处理，还是可以慢慢处理。比如“美国轰炸伊朗”这样的新闻，或者 CPI 数据，都需要经过一个非常快速的推理模型；从新闻出来到手机收到通知，可能不到一秒。相反，如果是 Citrini（字幕听写名待确认）写的一篇 Substack，讨论 AI 光子供应链，就可以交给更大的推理模型，花三到四分钟拆解成七八个部分，再放到你的信息流里。这大致就是我们正在搭建的架构。

目前各种人都有。我觉得我们在金融专业人士中确实很有产品市场契合度：他们想把一部分钱放进免 KYC 的环境里，同时多一些隐私；也有人主要是想要永续合约提供的杠杆，以及交易 IPO 前资产和国际资产的渠道。

一般人可能没有很强烈的需求，想买 Anthropic IPO 前的期货，或中国前沿 AI 实验室、中国机器人实验室的期货；除非他们真的关注这些事，而且希望 AI 能替他们继续追踪。因此这是一类客户。还有另一类客户更看重杠杆，而不是渠道和信息；这两类人我们都愿意服务。

这名字听起来很熟，也许我在 Twitter 上关注他。

我觉得，基础模型本身已经还不错了——这是我个人的看法。它们大概足够好，能以胜过普通散户的方式交易；也有一个说得通的论点，认为它们好到足以在风险调整后跑赢标普500。不过，要做到这点，可能必须给基础模型套上设计得非常好的运行框架（harness），而设计这样的框架并不简单。

我不觉得自己现在一个人就能做出这样的框架；如果有团队，我倒更有信心。但就我个人而言，我不觉得自己能在几个月内独自建好一个框架，让前沿基础模型可靠地在风险调整后击败市场。这大概就是我们现在所处的位置。不过，如果是一家资源齐全的专业交易公司，我觉得它们已经足够能做到了。

是的。

我有一些想法，不确定是不是特别有新意。对于永续合约交易所来说，流动性本身就是护城河，对吧？如果……

……所有人都在一个交易所交易，其他人自然也会想去那里交易。流动性也具有可替代性：一个英伟达永续合约和另一个英伟达永续合约差不了多少，尤其当它们是去中心化的、覆盖的司法辖区也基本相同。

看传统市场，交易所之所以碎片化，一个原因是司法辖区不同：巴西交易所和美国交易所本质上就是两回事。如果它们都在无需许可的区块链上，这种碎片化原因就会消失。另一个原因是市场结构。美国有一种规定，好像属于 Regulation NMS；我记不清确切名称了，可能叫 Trade-Through Rule 之类。大意是，经纪商接到订单后转给做市商，交易时必须达到或优于全国最优买卖价，也就是 NBBO，给出更好的价格；因此还要把全国其他交易所的报价一起考虑。

这条规则一个不太明显的含义是，如果你在美国建交易所，做市商就必须接入它，才能遵守规则。永续合约交易所现在没有这些监管要求。考虑到司法辖区差异和 Regulation NMS 这类规则都可能造成碎片化，我个人觉得流动性可能会集中到少数几家大玩家手里。随便猜个数字，也许不到10家，可能三到五家左右的大型交易所。

美国经纪商存在，部分原因也是监管：个人没法直接连接交易所。但经纪商还有分销功能。用 Robinhood 的人、用 IBKR 的人、用一个名字听起来像“Rob”的平台的人，以及用 Fidelity 或 E*Trade 的人，即使都在交易股票，类型也很不一样；不同经纪商会吸引不同类型的交易者。

对于聚合器和永续合约前端——也就是我们正在做的东西——我觉得会有更多空间，去满足不同交易方式的用户。自主决策交易、长期投资、跟单政治人物或对冲基金、围绕新闻和事件交易，面向的是不同的人。所以这块市场从根本上就会是碎片化的。要因此做出一家市值10万亿美元的公司或许很难，但可以出现很多家数十亿美元的公司。

你说的是哪一类加密交易所？

明白。就永续合约来说，中心化交易所现在仍然占主导，可能占70%到80%的成交量。像 Variational、Hyperliquid 和 Lighter 这样的去中心化交易所，目前只占较小一部分。这件事很难估，因为结果很可能是两极化的：去中心化交易所能发展到什么程度，很大程度取决于监管。

现在围绕这些业务还没有明确的规则制定。如果 SEC 裁定它们确实合法，而且应该获得某种创新豁免，那我觉得……

……那么我觉得它们会爆发。它们可能会因为容易接入、互操作性等各种原因，在成交量上超过中心化交易所。反过来，如果 SEC 规定这些业务不符合豁免，或者 Hyperliquid 在美国不能合法运营，那么它们近期大概就无法普及。我觉得这件事几乎是两极化的，我也没有把握押注 SEC 的规则会怎么走。

不过，在看好去中心化交易所的情况下，我认为 Hyperliquid 和 Lighter 两家最有机会变得非常大，甚至成为主要交易所。Hyperliquid 的逻辑是开放、无需许可，人人都能在上面构建。我们把很多订单流接到 Hyperliquid，因为它确实是个好产品。Lighter 的投资逻辑是它跟 Robinhood 有合作；Robinhood 的分销能力非常强，我觉得他们的 CEO 是一位极具时代性的创始人。这两家大概只会继续变得更大。

AI 交易，好。

整个产业链的各个部分都有。

我超配哪些部分会随时间改变。坦白说，这主要来自我跟仍在交易公司的半导体交易员和分析师聊天。他们是我的朋友；出于显而易见的原因，我不想说出那些公司的名字，因为我甚至不确定他们是不是应该跟我聊这些。

我确实会跟五六家不同公司的半导体交易员交流，他们在这个问题上的看法比我更专业。我会约大家吃饭，问：“好，最近有什么新东西值得我们多投些钱？”所以我的配置会不断变化。我觉得交易公司认为哪些东西不错，跟 Twitter 上的看法有一定相关性。但我有个朋友说，叙事交易里剩下的 Alpha 都在 Twitter 和 Substack 上；也有可能他们根本不知道自己在说什么，只是在跟着 Twitter 走。笑 确实有这种可能。

例如 Substack 上有些人，像一个叫 “Irrational Analysis” 的作者，我记得他赚过很多钱；但在那次回撤中，我记得他的表现跌回了跟 SMH 差不多的水平。现在他又跑赢 SMH——这里他说的是半导体指数。投资已经超出了高夏普交易的范畴，更接近投资；我觉得投资和交易本质上非常不同。

交易是买便宜、卖昂贵，并对冲风险；如果对冲的期望值太负，也可以选择不对冲。总体上，如果你把策略分散开，对冲基金通常能做到至少2到3的夏普比率；交易公司这边，如果你真知道自己在做什么，我不知道，可能会有两位数的夏普。投资则是在表达一种判断：我把钱交给这些人，希望他们未来10年以某种复利速度把钱变多。中间这10年里发生的事，我觉得纯粹是情绪：你的论点可能非常正确，但仍然会暴露在路径依赖上，其中很多波动来自情绪而非基本面……

不过我也认为，从长期看，基本面确实重要；你是在做一个跨好几年的下注，只是信号很弱——你并不知道自己的判断是不是对的。但你可以相信正在交流的人很聪明，也可以相信他们关注着合适的信息来源，于是会想：“好，这看起来比我默认配置标普500更好的判断。”

大家现在在聊什么？录这期节目的时候，大家在聊 Leo Paul 最近又回来了。人们在估算他已经募集了多少钱、可能还会募集多少，以及一个纯粹从交易机制出发的问题：如果……

……如果 Leo 继续买入，市场还能涨多高。这是一个方面。我觉得另一个方面，是大家对连接技术更加看好；例如，字幕听起来像“Lum”的公司与存储器之间的相对机会，尤其是韩国存储公司，像 SK 海力士和三星。

我不确定这现在还是不是个大问题，但至少两周前，人们有些担心韩国整体的公司治理。一方面，三星、海力士这些公司赚了很多钱；另一方面，韩国某种程度上是寡头式的社会，海力士的董事长可能会想办法把利润从海力士转到他持股更多的公司。于是，利润究竟有多少会真正流到股东手里，并不明朗。

当公司股价涨这么多时，我觉得三星给员工发了很大的奖金；政府也可能出于控制不平等的目的突然介入。但最近的关注点似乎更多在光学和连接技术上，对存储器的配置略少了。

确实如此。我觉得可以把回答分成两个部分：我们怎样看待叙事，以及怎样管理个人投资组合风险。对叙事的判断，部分来自其他公司的朋友和分析师的交易经验；谈媒体时，我们经常说的是彭博社或《华尔街日报》，但它们大概至少比 Twitter 慢一到三天。

等彭博社、《经济学人》或《华尔街日报》刊出时，那个话题通常已经在 Twitter 上流传超过48小时。至于怎样关注 Twitter 上合适的账号，部分靠技能和品味：你是否知道这些人在做什么、背景如何？你关注的 AI 研究者是否靠谱？

这能帮你判断两件事：他们说的是否属实、是否应该影响交易；以及他们说的东西会不会流行起来、真的推动价格。市场有点像凯恩斯所说的选美竞赛：事情最终是否属实很重要，其他人认为它会不会成真也重要。

看到一条推文后，判断它会不会发展成更大的叙事，需要很多经验和判断；这并不是已经解决的问题。显然可以设计算法，尝试猜一条推文、一组推文或一个小叙事会不会变成更大的叙事，但这不容易。另一个问题是，能不能在信息上 Twitter 之前得到消息；有些基金可能做得到。

我认识一些在基金工作的人，他们跟业内人士联系紧密，因此能在信息发布到 Twitter 之前，就通过交谈了解它。很多时候，一个人刚有个想法，可能还没来得及跟朋友聊，就先发到 Twitter 上……

……例如；但也确实有很多时候，人们会先和朋友聊，再发到 Twitter。所以，对一些关系更广的基金朋友，以及较有人脉的半导体分析师来说，他们有时能在某个叙事大规模出现在 Twitter 上的几天甚至几周前，就从交谈中听到它。

这或许是人们付费订阅 Citrini（字幕听写名待确认）或 SemiAnalysis 这类服务的原因之一：一部分是研究内容，一部分是信息渠道。这也是我个人觉得 Situational Awareness 可能有优势的原因之一，除了它有很多杠杆 beta 之外，Leopold 和他的妻子在硅谷人脉很广。

看看他们买的一些股票，很多都是从比特币矿场转型的数据中心公司。这些公司一旦宣布拿到数据中心合约，股价就会上涨10%、20%、30%。还有谁比硅谷最有人脉的人更能估计哪些比特币矿场转型的数据中心会拿到 AI 合约？这不需要内幕交易；只要理解那些签合同的高管会怎么想就够了。

所以叙事大概有三个出现阶段。消息上了 Twitter 时可能仍有一些优势；在交谈阶段，凭借亲身经历能获得的优势更多；等它出现在彭博社上时，优势可能几乎已经没有了。回到 DeepSeek 那次：我觉得 CNBC 是周五才报道，但中国媒体其实早好几天就有消息；如果你周末买了英伟达看跌期权，周一开盘时股价跌了17%，那你就会……

……赚到一大笔钱。所以市场并没有那么有效，但仍算相当有效。至于个人投资组合的风险配置，我不知道自己有没有资格谈这个，因为我觉得我并没有很好地管理自己的投资组合。

这听起来会很不理性，但我想自己曾经从谷底涨到峰值，涨了大约470%，之后回撤了70%；现在大概回撤60%，虽然仍然还好，但这让我觉得自己没资格谈风险管理，所以我就不谈了。

倒也不是，因为你可以算一下：我做交易有多久、当时可能用了多少杠杆。我在6月22日那次第一次大幅回撤后的第二天给朋友发短信说：“哥们儿，我今天简直亏掉了一整辆法拉利。”

不，我觉得这个问题有好几层。总体而言，交易公司的大多数人做得更负责一点。不过，按朋友来筛选的话，我的朋友可能更容易激进；在亲近的朋友圈里，我不会说自己风险偏好排前10%，大概是前20%。

如果你愿意把钱放在加密永续合约 DEX 上，你大概本来就更能承受风险。这类平台有更不安全的一面：没有存款保险，被黑了就拿不回钱；但也有更安全的一面：政府没法把你的钱从这些平台拿走。

它们最大的用途，是让人用杠杆、每周七天每天24小时交易那些不容易接触到的资产，比如未上市公司或其他国家的股票。考虑到这种用途，持有资金的人更偏向冒险，也更能承受风险。

我见过一位用户曾把7万美元做到100万美元，后来在7月又跌回零；之后他给我发消息说：“我想暂时离开永续合约交易一阵子。”不过，事情就是这样。至少他留着一张账户到过100万美元的截图，所以一切都好。

当然，也有做得比较稳健的人：用2到3倍杠杆做多 Anthropic 和 OpenAI，现在涨了400%到500%。有人做的事是合理的。

这真的要看他们说“泡沫”时指什么。最常见的对比，大概是互联网泡沫：当时有些公司估值被抬得很高，比如思科……

……或者安然。现在 AI 产业链里可能也有一些公司估值很高；我不会说它们的估值跟当年一样，但可以说有些公司的交易价格比我认为的公允价值高出100%以上。

另一方面，也有 Meta、亚马逊或谷歌这样的情况：如果你在互联网泡沫顶点买入并持有20年，复合回报率会高于在泡沫底部买入标普500指数。也就是说，即使买在泡沫顶端，后来仍可能获得超额复合回报。

这说明这些股票长期回报高于股票风险溢价。问题是：谷歌在互联网泡沫顶点算不算处于泡沫中？如果买入后持有20年还能获得超额回报，那我们就得谈路径——你刚才也说未来还会有很多个“七月式回撤”。

我说 AI 不是泡沫，意思是我相信这些公司长期合计会创造高于正常股票风险溢价的复合回报；这并不是在判断中间的路径。一家估值公允的公司，仍然可能因为市场情绪经历50%、60%甚至70%的回撤。所以我说它不是泡沫，但我不想对走势路径作判断。

这很难。

因为我打心底里相信通用人工智能会到来。我觉得很多时候我们并非完全理性；我的杠杆可能确实有点高。但反过来，假设你正处在互联网泡沫形成的上升阶段，当时正确的仓位应该是多少？这并不清楚。

如果在互联网泡沫上升期持有两倍杠杆 ETF，之后经历下跌，再看未来20年持有 Qs 的表现——字幕听写为“1990年到现在的2倍 Qs”回报高于“1992年至今的1倍 Qs”，但此处年份和标的名称未确认；他说前者在互联网泡沫期间的回撤也大得多。

所以，如果你的论点是长期复合增长，并按类似凯利准则的逻辑做优化，我相信整个市场长期的最优杠杆可能接近2.25倍。再加上我对 AI 的看法非常乐观，那么我估算 AI 股票的长期最优杠杆接近2倍——这正是我现在的水平——也就不是完全不合理的说法；相比之下，只买标普500时的杠杆可能是6倍，因为标普500大概有60%跟 AI 有关。不过字幕此处的“6倍”和“60%”数值关系未确认。

从理论上说，这就是在优化复合增长率。对，你可能会遇到更大的回撤，也可能需要在下跌途中卖出、上涨途中买回；但从长期看，这种配置并非不合理，只是我也不确定它是不是最优。

这倒是真的。

我觉得把这件事看成世界其他地区的生活质量会下降，是一种很直觉的悲观判断；但那不是我的看法。我试着这样看这个问题——也许先回到前面一点……

……对新兴市场受 AI 影响持悲观看法的人，往往也是对 AI 如何影响普通美国人持悲观看法的人。如果你看空 AI 对普通美国人的影响，大概也会看空它对世界其他地区的影响。

但退一步看全局，与其只问 AI 会不会抢走工作、取代整个行业，不如从更高层面问：AI 让我们用更少的资源创造更多东西，因此可完成的事情总量在增加。接下来才是，这些成果会怎样在人群之间分配。

这时可以用到比较优势这样的概念。假设极端情况下出现 ASI，也就是 AI 能把每一种智力工作都做得比人类好；从经济学角度看，人类还有没有用？我觉得答案仍然是有，因为比较优势还在发挥作用。

几十年前，美国可能几乎什么都比中国做得好，包括制造业；但比较优势带来的贸易仍然让两个国家都受益。过去几十年，中国因此让大约8亿人摆脱绝对贫困；从功利主义角度看，这可能是人类历史上发生过的最好的事情之一。

我看 AI 也是一样：即便在极度看好 ASI 的情形下，它也应该让人们受益。只要相信人类有比较优势——即使人类没有绝对优势，数学上也必须存在比较优势——每个人的生产能力就会提高，大家能获得更多资源。

同样，如果国际体系允许贸易、允许比较优势原则发挥作用，我也不知道具体会怎样实现，但在这些数学上成立的条件下，新兴市场也能提高生活水平和发展水平。当然，前提是我们不生活在一个封闭贸易的国际体系里；尤其最近美国和中国的政治走向，让这件事变得不确定。但如果我们选择让世界走向好的方向，结果就不必然是坏的。

这是个非常宽泛的问题。好，我想这很大程度上取决于情况。我最近也在反思这件事，因为我们会去大学做活动，学生会问我类似的风险问题。

回顾自己的经历，我能承担很大的风险，部分是因为我的家庭条件相对优越、经济上也比较宽裕，没有学生贷款，也不太担心能不能生活、能不能吃饱；这种担忧几乎从不会出现在我脑子里。所以我可以说：“嘿，我想做自己热爱的领域，想创建一家很棒的公司。”

但不是所有听众、也不是世界上的所有人都有这种条件，这让我很难回答。我们身边很多人或许本来应该承担更多风险，因为某种意义上他们已经生活在一种“后经济”处境里；仔细想想，他们不该再担心基本生活需求，因为最糟的情况下，他们的家人可能也能帮他们……

……照顾好他们。我有不少在咨询和投资银行工作的朋友，我会跟他们说：“你们应该承担更多风险；你们的处境基本已经是‘后经济’了。”但我不知道，劝一个风险确实更真实、下行代价也更真实的人去冒险，有多负责任。我觉得这是……

……一个我很难回答的问题。

很棒，谢谢。