已经有朋友说看不懂我到底再喊多喊空了,其实在我自己心理一直都挺清楚的,我觉得我表达的也算是清楚了,但不妨再说一遍。美国金融市场一向都是牛长熊短,长多短空,现在不论是黄金,美股,币圈都到了历史高位。在这种时候提醒风险虽然看起来是烦人的废话,但确实也是有必要的。但是我们毕竟不能天天想着会闪崩而疲于奔命不敢放手做多,最后在犹疑和惊恐中浪费光阴。 刚好昨天高盛也发了一篇关于AI的文章,阐述了关于AI的五个关键争议: 1. AI消费端采用:增长迅速但变现滞后 2. 企业AI部署:内部应用扩张但ROI仍待提升 3. AI支出预测:基础设施投资规模史无前例 4. 电力基础设施需求:165%增长带来建设挑战 5. 泡沫风险评估:相似但不完全一致的1990年代 这五个问题都非常宏大,既蕴含着无限商机,也指引着未来。其中我们最关注的当然是最后一个问题,泡沫到底什么时候破? 高盛认为,尽管当前市场有投机性特征,但尚未达到互联网泡沫时期估值过度、IPO狂热和宽松宏观环境的临界点,暂不具备系统性泡沫破裂的条件。 但是泡沫是分期逐渐释放还是积累到底一次性破裂又是一个大命题,在真正到来之前无人知晓答案。 我偏向于认为互联网泡沫后,市场学会了更谨慎地评估科技投资,同时有了之前的经验也会有人抢先离场避险。 AI泡沫不会像“针戳气球”似的破裂,而更可能是一种阶段性、分层次的风险释放。 基础设施端(芯片、电力、云计算)因为有真实产能支撑,会持续火热; 而应用层和模型层,由于ROI验证滞后,会经历更长时间的估值回归。(此过程中释放应力) 从时间上看,高盛预测2026年左右企业ROI和消费者变现能力才会得到验证。 在那之前,市场仍然会在“增长焦虑”与“估值修正”之间高波动运行。 也就是说,机会仍然巨大,但波动也会很大。
Barret李靖
2个月前
推荐学习下微软搞的这个 R&D-Agent 框架, ,它是一个让 AI 能够自己做科研的系统——能提出问题、设计实验、验证结果、总结规律,整套科研流程都能自动化执行。 微软还基于这套框架,构建了一个用于量化投资研究的智能体 R&D-Agent(Q),,并与开源量化平台 Qlib 结合,实现了自动化因子挖掘与策略优化。照这个趋势发展下去,未来的量化研究,恐怕真得交给 AI 来操盘了,😅 R&D-Agent 的整体架构分为两个阶段:研究阶段(Research Phase)和开发阶段(Development Phase)。研究阶段由四个部分组成:规划、探索路径结构、推理管线和记忆上下文,它们通过反馈机制持续循环,不断在假设、实验与分析之间往复,让系统在多轮探索中自动调整方向、积累知识、优化策略;开发阶段则承接研究成果,主要包括编码工作流与评估策略,前者把想法变成可执行代码,后者负责验证与对比结果,确保系统演化出的改进真实可靠。两个阶段形成首尾相接的闭环,让科研过程实现持续反馈与自我进化。 从本质上看,R&D-Agent 不是在“模拟科研”,而是在“系统化科研”。它让科学探索从线性的人力流程,转变为并行的智能网络。每一次假设的提出与验证,都会被记录下来,形成一份不断扩展的知识图谱,让科研活动变得可编排、可追踪、可积累。 相关论文:1)《R&D-Agent: An LLM-Agent Framework Towards Autonomous Data Science》, ;2)《Qlib: An AI-oriented Quantitative Investment Platform》,