Pinned Tweet
纳斯达克暴跌5%之后:隔天先反弹,再二次探底!
纳斯达克指数周四暴跌 5.52%,这是自2015年以来第8次出现如此大幅度的单日下跌。
历史数据显示,在此前7次类似暴跌中:
次日反弹: 7次中有6次在下一个交易日上涨,反弹概率高达 85.7%。
一周后再度下跌: 7次中有5次在一周后处于更低水平,占比 71.4%。
三个月后显著回升: 7次中有6次在三个月后上涨,占比 85.7%,平均涨幅高达 23%。
核心结论: 历史经验表明,#纳斯达克 在单日暴跌超过5%后,往往会先出现技术性反弹,随后一周内再次承压甚至二次探底,但从三个月的时间维度来看,市场反而有较高概率实现显著反弹。
美股大数据 StockWe.com/
$SPY $QQQ $SPX
美联储理事库克:等待更长时间再加息存在落后于形势的风险。当前政策立场似乎并未抑制人工智能建设。暂缓加息增加了通胀在经济中根深蒂固的风险。对9月单次加息25个基点能否足以改变通胀路径持怀疑态度。(美股大数据APP)
1
3
1,825
纳斯达克暴跌5%之后:隔天先反弹,再二次探底!
纳斯达克指数周四暴跌 5.52%,这是自2015年以来第8次出现如此大幅度的单日下跌。
历史数据显示,在此前7次类似暴跌中:
次日反弹: 7次中有6次在下一个交易日上涨,反弹概率高达 85.7%。
一周后再度下跌: 7次中有5次在一周后处于更低水平,占比 71.4%。
三个月后显著回升: 7次中有6次在三个月后上涨,占比 85.7%,平均涨幅高达 23%。
核心结论: 历史经验表明,#纳斯达克 在单日暴跌超过5%后,往往会先出现技术性反弹,随后一周内再次承压甚至二次探底,但从三个月的时间维度来看,市场反而有较高概率实现显著反弹。
美股大数据 StockWe.com/
$SPY $QQQ $SPX
卧槽!标普500科技股未来12个月预期市盈率,跌至2020年疫情暴跌最低估值水平!
标普500科技股指数的未来12个月预期市盈率(NTM P/E),刚刚跌至2020年疫情引发的市场暴跌以来的最低估值水平,正在测试约 16倍市盈率的关键位置。(数据来源:彭博社)
这意味着两种可能:
- 第一种:盈利预期即将遭到大幅下调。 当前看似便宜的估值,实际上可能是市场提前反映科技企业未来盈利恶化的风险。
- 第二种:大型科技股正在迎来罕见的低价买入机会。 如果未来盈利能够维持稳定,那么当前估值可能意味着科技巨头已被市场严重低估。
一句话总结:要么华尔街即将大幅下修科技股盈利预期,要么美股科技巨头正在经历一场罕见的大甩卖。
美股大数据 网站 StockWe.com/ 美股量化投研工具
$SPY $SPX $NVDA $AMD $QQQ
#标普
The S&P 500 Info Tech Index (NTM P/E) just hit its lowest valuation since the 2020 pandemic crash, testing that ~16x level (via Bloomberg).
Either earnings estimates are about to get slashed, or Big Tech is on serious sale. #TechStocks $NVDA $AMD
华尔街做空AI产业链的“三连招”:一场精心编排的猎局
2026年下半年,把美国AI芯片圈的三场震荡连在一起看,会发现一条共同的定价线索正在浮现。
陈立武、黄仁勋、苏姿丰——三位站在硅谷权力顶端的芯片CEO,在半个月内接连被推上风口浪尖。表面是三套不搭界的剧本,但退后一步看资金的节奏,会发现它们踩的是同一个鼓点。
在极其脆弱的高估值水位下,资本正在把这批具有华人背景的芯片巨头,从“技术垄断溢价”拉回“地缘与合规折价”。
第一重压力:基本面裂缝与被放大的旧账。
基本面最先裂开的是英特尔。
10月底,英特尔四季度业绩指引远逊预期,10月30日股价单日暴跌28.6%,市值蒸发约1400亿美元。随后,股东证券欺诈诉讼将陈立武和CFO一并列为被告,指控公司在8月230亿美元股权融资前后未充分披露PC需求恶化和库存积压。
但真正让陈立武陷入被动的,不只是诉讼本身。部分美国政界人士顺势放大了他的对CN投资历史。
这些在几年前或许只是财报脚注里的旧事,在今天的气候下被重新装填成了合规议题。市场看得很清楚:这种压力不需要法庭走到“定罪”那一步。
只要它在舆论场里反复发酵,英特尔的估值模型里就永远得背着一层“合规折价”。陈立武的危机率先给板块定了一个调子:CEO的CN背景,已经是一笔需要定价的合规风险。
第二重压力:治理裂缝切断了市场的“信仰锚”。
11月12日,黄仁勋辞职。导火索是婚外情曝光,但真正致命的不是私德本身,而是创始人与董事会之间的信息信任被击穿。
董事会最初还公开表示“对Jensen及其领导团队有信心”,随后却发现他没有主动披露完整信息。问题于是从“私生活”变成“坦诚”:董事会据以判断的信息基础不完整了。
而一旦个人丑闻撞上监管与合规议题,公司治理危机就不再只是治理危机。执掌英伟达33年的“AI教父”一倒,产业链最坚固的情绪支撑随之松动。
这里的关键,不是换了一个CEO,而是“信仰锚”断了。过去几年,英伟达的估值里一直含着很重的创始人溢价和叙事溢价:市场买的不仅是GPU,也是黄仁勋这个人所代表的连续性、判断力和“AI叙事不会断”的确定性。
创始人突然离场,等于把“技术垄断”和“个人信用”强行解绑。资金不需要证明英伟达基本面已经恶化,只需要证明一件事:再完美的叙事,也有裂缝。
第三重压力:最市场化的一击。
11月19日,做空机构Hunterbrook对AMD出手,同时披露已建立空仓。
报告咬住一件事:浪潮信息2025年3月被列入实体清单后,其服务器产品中仍整合了至少六个较新版本的AMD固件;AMD超过20%的营收来自CN大陆及香港,且依赖一家CN合作方完成多数芯片生产。AMD盘中跌超8%,收跌7.72%。
AMD随后回应称,相关指控扭曲了公司的商业行为及合作关系,公司遵守适用的出口管制法律,并维持严格的内部合规流程。
值得注意的是,Hunterbrook自己在报告里也承认,目前无法直接证实违法出口的事实。但这恰恰是做空的力量所在:它不需要坐实违规,只需要把一条“已知风险”变成可交易的价格信号。在此之前,还有人把AMD当成规避英伟达地缘风险的避风港;报告戳破了这个幻觉。在出口管制面前,没有谁是绝对安全的。
把三重压力连起来看,意图已经清楚。
Leopold Aschenbrenner的基金早在2026年一季度就把前五大持仓全部押在看跌期权上,英伟达和半导体ETF尽在其中。
迈克尔·伯里则在11月加码了纳指100和半导体ETF的看跌押注。当板块估值高到必须靠“完美叙事”才能维持时,市场需要的只是一根能撬动重估的支点。
这不是针对某个人的道德清算,而是资本在地缘与监管因素下,对“具有华人背景的芯片企业高管”这一结构进行的系统性重估。
CEO的个人背景、对CN营收敞口,以及任何能追溯到CN供应链的线索,都已经从财报脚注里的背景信息,变成了定价模型里必须打折的核心参数。#美股 $NVDA $AMD $INTC
$AMD突发:Hunterbrook调查警告,AMD可能面临中国出口管制风险 $SPY
机构Hunterbrook Media发布调查报告称,美国芯片制造商AMD($AMD)可能面临与中帼出口管制相关的合规风险。
- 被列入黑名单后仍获得固件更新: 调查发现,中国服务器制造商IEIT Systems(浪潮信息相关企业)在2025年3月被美国列入出口管制黑名单后,仍持续发布包含较新版本AMD固件的BIOS更新。
- 多家关联企业使用高度相似的固件: 调查还发现,Aivres、Kaytus和Maginfra等公司使用了几乎完全相同的固件。这些企业据报道与IEIT存在关联。
-
- 目前尚未证实存在违法行为:Hunterbrook无法确定IEIT究竟通过什么渠道获得这些AMD固件,也无法确认相关交易是否获得美国政府的出口许可证。因此,目前没有证据确立AMD违反了美国出口管制规定。
- 调查机构存在做空利益:Hunterbrook Capital已披露持有AMD的空头头寸,意味着其可能从AMD股价下跌中获利。
美股投资网认为投资层面的关键关注点: 这份调查提出了AMD芯片技术是否通过关联企业继续流向受限制中国客户的问题。如果后续引发美国商务部正式调查,AMD可能面临额外的出口合规审查及相关市场业务风险。
但需要强调,调查指控不等于监管认定违法,Hunterbrook的做空利益也应纳入投资者对报告可信度的评估。
$NVDA $QQQ $SPCX $ANT
━━━━━━━━━━━━━━━━━━━━━━
【原创声明】
本文由美股投资网(TradesMax.com)研究团队原创完成。
原创机构:美股投资网
英文品牌:TradesMax
本文基于公开财报、SEC文件、市场数据、机构资金、期权交易及产业链信息进行独立分析
如需引用本文,请注明:
“美股投资网(TradesMax.com)原创研究”。
━━━━━━━━━━━━━━━━━━━━━━
4
12
5,825
AI拆掉了执行门槛,却让企业最贵的能力浮出水面
当创造的速度超过判断的速度,创新就可能变成混乱。
最近,YC邀请了Grok Bot的两位核心成员Lauren Tan和Roman Ugarte,讨论个人智能体(personal agent)正在如何变成真正的AI同事。
他们只用了7周,就把Grok Bot从第一行代码推进到发布。Lauren借助agent,一个月能提交约4000个代码合并请求。
但最荒诞的事情发生了:功能还没决定要不要做,代码已经写好了。很多功能明明做出来了,公司却坚持不发布。
为什么AI让企业的执行能力越来越强,创造的价值却不一定增加?为什么agent越来越聪明,企业反而可能越来越难管理?
我们就从Grok Bot的实践中,讲透AI时代的三种隐形稀缺,以及未来企业真正的竞争壁垒。
工作的基本单位,正在从对话变成agent
先看一个关键变化。
Grok Bot不是把聊天机器人做得更聪明,而是把工作的基本单位从对话变成了agent。每个agent都可以拥有独立身份、工具、技能和持续执行的目标。
营销agent拥有广告账号和预算,可以调用设计agent测试素材;客服agent可以持续处理问题、复现故障;工程agent甚至可以调用云端编程agent,独立开发、运行和测试程序。
这不是简单的效率提升,而是工作责任开始从人延伸到机器。
过去,企业扩大能力主要依靠增加岗位;未来,一部分能力可以直接通过配置agent获得。
更重要的是,agent不必按照传统岗位划分。它可以负责一个专业领域,也可以负责某个客户,甚至横跨多个部门。岗位不再是组织工作的唯一方式。
这对小企业尤其重要。过去雇不起专业团队,很多业务就无法开展;现在,一部分专业能力可以通过agent获得。
xAI改变的不只是企业的效率上限,还有企业的能力边界。
但执行能力越强,一个新的矛盾就越明显。
第一种稀缺:目标稀缺
Grok Bot团队已经发现,工程开发不再总是最慢的环节,真正的瓶颈开始转向产品方向和团队共识。
为什么?
过去,执行成本本身就是一道筛选机制。一个想法即使不错,没有预算、没有工程师,也可能无法实现。
现在,AI正在拆掉这道门槛。好想法被实现,坏想法也被实现。创造门槛下降,选择成本上升。
过去,企业因为做不到,放弃大量想法;未来,企业必须主动放弃那些做得到、却不值得做的事情。
这里有一个非常重要的变化:开发能力可以通过agent扩张,产品方向却不会自动变得清晰。
一家公司可以同时生成100个功能,未必知道哪一个真正改变用户体验。产能越充裕,选择越昂贵。
这也是为什么Grok Bot团队没有把已经开发完成的功能全部发布。因为把所有人的局部想法拼起来,可能只会造出一个“功能怪物”。
一个功能的完成,是工程成果;一个功能的存在,才是产品判断。
更危险的是,当执行速度提高,错误目标的破坏力也会被同步放大。
过去,一个错误决策可能被漫长的开发周期拖住;未来,100个agent可以同时把它执行完成。AI不会自动纠正错误的目标,只会赋予错误更强的执行力。
美股投资网认为,企业未来最危险的失败,可能从执行失败转向目标定义失败。
真正成熟的agent管理,不只是分配任务,而是提前定义成功条件、停止条件和责任边界。否则,所谓的自动化,只是在用更低的成本制造更多错误的结果。
但目标正确,结果就一定可靠吗?
不一定。
第二种稀缺:验证稀缺
Lauren在访谈中提出两个很重要的概念:内循环和外循环。
内循环,是agent写代码、运行程序、发现问题、修正问题。
外循环,是agent从客户反馈、团队讨论和系统告警中发现任务,再驱动整个工作系统持续运行。
这里的核心,不是AI能不能写代码,而是AI能不能检查自己的工作。
如果每次都需要人来检查,人只是从执行者变成了验收员。AI产能越大,人工验收的瓶颈越严重。
不会自我验证的agent,只是一个更快的执行器。
但真正反常识的还在后面:验证并不是越多越好。
访谈中有人提到,自己的AI代码审查流程需要消耗数千万token。Lauren却提出,过度审查可能造成过拟合。
为什么?
因为agent很擅长寻找局部缺陷,却未必理解整个产品的方向。一个两个月后就要废弃的功能,审查agent却可能反复优化,试图修到完美。
技术正确不等于商业正确,消灭错误也不等于创造价值。
所以,验证真正重要的,不是发现多少错误,而是能够判断什么错误值得解决。
那么,怎样既保证质量,又避免无休止的检查?
Lauren给出了一个很有价值的答案:代码库本身就是一种记忆。
已经验证过的工程原则,不应该每次都让agent重新推理。能写进架构的就写进架构,能变成静态检查的就变成规则,能自动测试的就不再反复消耗token讨论。
Lauren还把自己长期积累的工程方法整理成一套叫作Pstack的技能集,让agent按照经过验证的方法持续完成工程工作。
你看,这里的变化已经不只是让AI记住更多信息,而是让一次判断变成长期约束,让个人经验变成系统能力。
最昂贵的agent,不一定是使用最贵模型的agent,而是那个需要你反复教育的agent。
真正有效的记忆,不是保存过去的对话,而是改变未来的行为。
这意味着,未来agent的竞争,不只是模型有多聪明,还包括一家公司能不能把经验持续沉淀成不会重复犯错的系统。
但这也揭示了一个更大的难题:为什么AI编程能够比很多其他业务更早实现自动化?
因为代码有编译器、有测试,有相对明确的运行结果。
但营销、销售和经营呢?
一个方案看起来完美,不代表客户愿意付款;一份报告逻辑完整,不代表结论值得执行。任务完成,不等于价值实现。
更麻烦的是,企业的大量知识还留在员工的经验、会议和文档里。agent可能拥有强大的推理能力,却拿不到正确的业务上下文。
所以,未来企业AI落地真正困难的,不只是连接多少工具,而是把隐性经验变成可调用的知识,把模糊结果变成可验证的标准。
工具可以购买,模型可以更换,但一家公司长期积累的业务规则、反馈机制和质量标准,没那么容易复制。
美股投资网认为,当智能越来越容易获得,如何沉淀智能,反而成为新的竞争优势。
不过,即使每个agent都能独立完成任务,也不意味着100个agent就能组成高效公司。
这就引出了第三种稀缺。
第三种稀缺:协调稀缺
访谈中,YC提出一个非常值得关注的概念:“万物工厂”,Everything Factory。
过去,软件工厂让agent持续生产代码;现在,这种模式正在扩展到销售、营销、客服和运营。
更关键的变化是共享agent。
一个销售专家,可以把自己的经验、流程和标准封装成团队bot,整个部门都能使用,并且持续改进。
这意味着,企业的经验正在从个人能力变成组织资产。
过去,培养一个专业员工需要长期积累;未来,一部分经过验证的专业方法,可以直接成为其他agent的默认能力。
这不是简单复制劳动,而是在尝试复制组织经验。
但agent数量越多,一个新问题就越明显:个体智能不等于组织智能。
Grok Bot团队发现,当多个agent进入Slack协作,它们竟然不知道应该听谁的。
它们能理解任务,却不一定理解组织权力,分不清谁是专家、谁拥有决策权、谁只是提出建议。
还有一个细节:Lauren曾经批评过一个负责管理其他agent的主管bot。之后,Lauren发现,这个主管bot正在向下属agent传达批评和纠正意见。
AI可以模仿管理行为,却未必真正理解管理责任。
这里隐藏着一个新的组织风险:100个聪明的agent,不一定比一个聪明的agent更有效。如果缺少统一目标、权限边界和协作规则,它们可能只是把组织混乱放大100倍。
过去,管理者主要协调人与人;未来,还要协调人与AI,以及AI与AI。
所以,agent越自主,企业越需要重新设计授权机制。
Grok Bot团队采用了类似培养新员工的方式:先给只读权限,再逐步允许执行操作,通过验证之后,才扩大自主范围。
因为执行权可以交给AI,最终责任却不能自动消失。
更深一层看,未来企业管理的核心,不只是分配岗位,而是定义目标、权限、协作和责任之间的关系。
这也是为什么Grok Bot特别强调,让agent进入Slack、会议和日常工作工具。
真正的AI同事,不应该要求所有人把工作搬进新的聊天窗口,它应该进入工作发生的地方。因为上下文在哪里,协作就应该在哪里。
当优秀agent的工作方式可以被整个团队看见,个人的工作技巧才有机会变成组织的共同能力。
过去,企业通过组织人才扩大能力;未来,还可以通过组织智能扩大能力。
执行越来越容易,判断反而越来越贵
现在,把这三种稀缺放在一起,你会发现,它们不是三个孤立的问题,而是一套完整的AI原生企业运行系统。
目标决定什么值得做,验证决定结果是否有效,协调决定能力能否持续放大。
目标错了,验证可能只是证明错误执行得很准确;验证缺失,agent协作越高效,问题扩散越快;协调失效,即使每个agent都很优秀,整个组织仍然可能创造不出价值。
所以,真正的AI原生企业,不是简单把传统公司的每个岗位都替换成一个bot,而是重新设计工作如何定义、结果如何验证、责任如何分配。
过去,这些能力大量隐藏在人的经验、组织流程和管理层级里;未来,它们需要逐渐变成机器可执行、结果可验证、责任可追溯的系统。
这三种稀缺,其实也不是AI凭空创造的。它们原本就存在,只不过过去企业大量资源被执行过程消耗,这些问题被掩盖了。
现在,AI拆掉了执行瓶颈,隐藏在背后的目标瓶颈、验证瓶颈、协调瓶颈,才开始集中暴露。
真正发生的,不只是生产力革命,而是企业核心瓶颈的迁移。
这也解释了,为什么Lauren每个月能提交约4000个代码合并请求,却反而把更多精力放在产品体验、质量规则和功能取舍上。
因为真正需要解决的,已经不完全是如何写出更多代码,而是如何设计一套持续产生好代码的系统。
过去,优秀的工程师亲自写出好代码;未来,更高级的能力,是让整个系统持续产出好代码。
过去,优秀的管理者协调一群人完成工作;未来,更重要的能力,是让人和agent组成能够持续创造价值的组织。
现在,再回头看开头那句话:
当创造的速度超过判断的速度,创新就可能变成混乱。
它揭示的,不是创造速度太快本身有问题,而是企业的目标、验证和协调能力,没有跟上创造能力的扩张。
当执行越来越充裕,决定企业上限的资源,就开始向这些隐藏的环节迁移。
未来企业真正的竞争,不一定是谁能部署最多agent,或者生成最多代码,而是谁能建立一套系统,让更多智能围绕正确目标,持续创造可验证的价值。
因为执行能力决定一家企业能做多少事情,而目标、验证和协调,决定这些事情最终有多少价值。
美股投资网认为,未来最强大的公司,未必是拥有最多AI员工的公司,而是那些最先发现:当所有事情都越来越容易完成,真正决定未来的,是你能不能看清什么事情值得完成。
在这里,看懂创新。
$CRM $MSFT #人工智能
Anthropic于11月19日周四登陆纳斯达克,以每股83美元定价,高于70—78美元的初始区间,完全稀释估值达到约1.5万亿美元。
基础IPO募资813亿美元,若叠加英伟达、微软等参与的超260亿美元同步私募,合计融资规模进一步刷新美股历史纪录,超越SpaceX成为有史以来最大的IPO。
美股投资网认为市场的分化信号值得注意:
机构端认购意向达到发行规模的约6倍,暗盘报价一度冲至98美元,较发行价溢价18%;
但散户端情绪截然相反,部分Reddit用户讨论的是“中签第三天就卖”,甚至喊出圣诞节前大幅回落的预期。这种一级市场抢筹与二级市场谨慎并存的格局,构成了ANT上市初期的核心张力。
1.5万亿美元定价的支撑,在于Anthropic在企业大模型API市场的份额从去年的约40%升至55%,Claude Code等产品正在拿走企业最愿意付费的那部分预算。
但对立面同样清晰:公司已承诺近9000亿美元的长期算力支出,上半年基础设施投入接近90亿美元、第三季度又追加50亿美元,账面亏损短期难以收敛。
在OpenAI明确将上市推迟至2027年之后,Anthropic作为唯一可供公开市场定价的前沿模型标的,享受了稀缺性溢价;但这一定价能否被公开市场持续消化,将是对AI资产估值逻辑的一次实质检验。 $ANT $SPCX #美股
youtube.com/watch?v=VkqWoZ8I…
1
1
2,843













