尊龙凯时,尊龙凯时官方网站,尊龙凯时APP下载/尊龙凯时·【中国】官方网站[永久网址:363050.com]铸造卓越品质的信誉平台，新人专享VIP待遇，尊龙凯时体育,尊龙凯时平台,ag尊龙,尊龙平台,尊龙,尊龙官网,尊龙登录入口,尊龙官方网站,尊龙app下载,尊龙凯时APP下载,尊龙凯时人生就是博,致力于为玩家提供可靠、安全的游戏服务体验。我们的服务将让您放心无忧!

　　时代 beta 和 alphas”这一问题的深度思考。毫无疑问，AGI 代表了未来 20 年最重要的科技范式转换，会像互联网那样重塑了人类社会的运行方式，我们希望 AGIX 成为衡量这一新科技范式的重要指标，如同 Nasdaq100 之于互联网时代。

　　本周市场对于软件的看法出现了高度趋同，悲观情绪蔓延。尤其是 OpenAI CEO Sam Altman 警告软件行业可能进入快时尚时代，AI 将实现更便宜、更快速的生产过程。这个悲观态度从去年的 AI 将减少使用软件的席位，进而减少按照席位收费的软件公司的收入，到今年通过 Vibe coding，可以一键生成网页或者小程序的新奇体验，被一再加强。

　　但我们倾向于认为决定技术命运的从来不是技术本身，而是行业各方共同推进的全局最优，是路径依赖、性价比、市场、生态、政策等多因素共同决定的“可行技术”。就好像“人人都能编软件”与“人人都能种菜”一样，当技术门槛降低时，虽然个人选择变多，但最终是由需求、效率和分工来决定哪些路径会被广泛实践。虽然确实单一功能的，不具备我们接下来阐述的具有“活数据“护城河的软件可能会面临比较大的压力，但软件作为一个整体行业，会出现一个逐步摆脱平庸和升维的过程。

　　首先，传统的软件或者是 system of record 或者 system of engagement， 是一个拥有良好界面的数据库前端。软件商业模式的优势也来源于此，它得以几乎 0 边际成本的分发，因为软件本身基本是个“死”系统。但作为一个 system of intelligence， 软件将会变成 living software， 是一个护城河建立在“学习”而非“代码”基础上的，能够自适应用户 Context 的 Ambient agent。在之前的周报中我们阐述过实时、易逝的数据（real-time， perishable data）具有不会迅速饱和的高价值，控制这种独特、高通量、实时数据流的公司，也即控制用户 Context 的公司，可以构建起了一道竞争对手难以逾越的“易逝数据护城河”。

　　有了实时数据之后，软件公司 Self Learning 的能力就需要建立在 Recursive agent/Multirun RL Agent 或 In Context Learning Agent 之上，而这一图景无论学界和业界都在积极探索，Anthropic 的 Dario 在最近的采访中提到：“训练一个能够实时根据 Context 学习的模型，并且它还可能在对话过程中实时更新模型的权重，这是一个近期相对实际可行的探索方向。”而软件公司面对用户那一层的 UI/UX，实际上已经变成最不重要的部分，而非是当前相对重要的数据库前端的组成部分。价值点会沉淀于软件内部大量的 Ambient， async agent 在后台持续更新 knowledge，合成数据，更新模型权重。

　　而业界目前对于软件的恐慌实际上是对于前端 UI/UX 会很快被民主化的恐慌，这其实会是非常近期就能够发生的。例如有些初创企业已经在给大模型公司提供复制训练（replication training）的服务，也即创造一个强化学习训练环境，让人工智能模型去复现已有软件产品或其中的特定功能。实现晦涩哈希和加密算法的简单命令行工具是初始目标，但方法可以轻易扩展到更复杂的软件，例如网站、专业软件和游戏，通过生成与参考实现完全一致的代码，来让下一代 AI 实现能够端到端完成整个软件项目的能力。但回到我们的“种菜”比喻，人人能够端到端生成训练数据中存在过的软件，并期待有初步的泛化能力来东施效颦，实际并不是一个非常 AI 原生的思维方式。这个能力的存在可能让软件开发本身变得更快，因为参与者变多学习曲线变得更加陡峭，但并不是一个利用无限智能最佳的可能性。最佳的可能性来自于，软件公司应该主动参与到颠覆自己的过程中，让内部 Agent 尽快学会端到端生成自己软件的能力，进而能为用户解放前端 UI/UX 的无限变化，但把价值链条向下延伸，通过 ambient agent 重构软件供给和用户需求的弥合度，将一个 one size for all 的软件变成“活系统”，来适应这个需求和供给都更高清晰度的时代。

　　软件升维的第二个力量来自于定价的极致化。AI 的存在让经济的颗粒度变细了，有了更多微经济存在的可能性。对于个体来讲，无论是个人还是公司，寻求一种服务的最优替代品的选项反而更少了，因为“最优”有了更极致的供给。所以对于每一个因为 AI 根据 Context 来产生的“最优供给“的服务方来说，它的定价权近乎垄断；当然除非个人或企业的”Context”可以通过加密部分公开，作为各类 Agent 参与出价的“盲注“，否则在一个没有竞价的环境下，或者由于这些 Context 因为工作流或路径依赖等等各种关系，而被某个软件公司垄断的话；理论上软件公司可以根据 Outcome 而定价，并且每个价格都是垄断和市场出清价格。在这样的价格体系下，软件公司的毛利和收入成本结构会有本质变化，显然是会明显好于目前根据席位或者用量而定价的机制。

　　是任务没有完成而浪费的推理成本，在这种情形下也就不能根据结果向用户收费。而我们把视角再放大，目前大规模投入资金建设的数据中心，芯片，模型训练的 Capex，也是这种风险或成本的前置。但这让我们更深入的思考这次智能模型的本质是什么；过去两年我们无数次认为这次模型像电力的发明，但在上述的讨论维度下，模型更类似于金融市场中的银行。由于银行需要先吸收储蓄再进行借贷，目前大规模的基础设施建设可以理解为吸收智能储蓄阶段。而模型和电力的不同在于，电力无法分享根据结果而产生的经济价值，但模型和银行一样，会参与价值分配，并且拥有差异化定价的权利。所以某种程度上，这不再是科技竞赛，是一个建设新的智能货币/token 的经济竞赛。

　　回到软件本身，本周 Atlassian (TEAM)，Monday (MNDY)，MongoDB (MDB)，ServiceNow (NOW)，Salesforce (CRM) 的下跌，虽然一定程度上反映了市场的悲观共识，尤其是受到他们相对疲弱的指引拖累。但我们仍然坚信在这场软件行业的智能化重构中，那些能够从死软件蜕变为活系统的公司，将如凤凰涅槃般获得重生。

　　上周交易情绪相对平静——对冲基金（HF）成交量较前两周的高位有所放缓——市场的主线是美洲地区周期股、小盘股以及低质量股票的相对强势。然而，这一走势并未引发对冲基金仓位的明显调整，几乎没有迹象表明存在广泛的空头回补或新增多头。相反，大部分资金流主要通过 ETF 产品实现，对冲基金在其中加仓多头并回补空头。在个股方面，资金流动则较为分化，但部分早周期、高 Beta 周期股受到关注，尤其是可选消费与部分传统工业板块（如建材产品和机械），对冲基金在这些领域加仓多头并回补空头。

　　除此之外，金融和医疗保健领域也出现了多头增加，尤其是在资本市场和医疗科技子行业。科技、媒体和电信（TMT）板块中，对冲基金削减了在互动媒体和半导体的超配多头，同时在软件板块回补空头。但值得注意的是，本周对新增软件多头的兴趣依然不足，空头回补同时伴随着多头减仓。从因子角度看，小盘股、低质量软件及周期股的空头回补，叠加超大市值科技股的温和多头减仓，使得“规模因子”和“质量因子”在本周呈现净卖出状态。

　　美国以外，欧洲资金流较为平淡，以小幅多头减仓和空头加仓为主。多头主要在奢侈品、金融（银行、资本市场）和工业（电气设备、航空公司）中被卖出，而医药板块则是空头被加码。其他地区中，日本的变化最为显著，总体资金活动急剧上升，对冲基金同时大幅增加多头和空头，逆转了过去 2-3 周的小幅总仓位削减。由于新增空头超过多头买入，日本整体在本周录得净卖出。多头买入力度主要集中在 TMT 板块，尤其是半导体，而新增空头则遍布大多数行业，其中以必需消费品和工业为主。至于日本以外的亚洲市场，净流入大体持平，因为新增多头和空头基本相互抵消。从国家层面看，资金流表现出现更大分化：对冲基金在中国和韩国加仓多头，同时卖出台湾股票，逆转了过去数月台湾持续被买入的趋势。

　　业绩表现上，随着本周全球股指小幅走高，对冲基金也获得了不错的收益，平均全球基金上涨约 40 个基点，而 MSCI AC 世界指数周内（截至周四）上涨约 60 个基点。在美洲地区，尽管因子表现出现扰动，美国本土对冲基金的业绩依然强劲，无论是整体平均基金还是美洲本土的多空基金，其表现均超过了标普 500 的温和周涨幅。在其他地区，欧洲基金录得 15 至 20 个基点的小幅上涨；而亚洲（除日本）股票的强势表现带动亚洲本土基金上涨约 70 个基点，虽低于 MSCI 亚太指数的 +1.6%。

　　8 月中旬，股市表现分化：标普 500 下跌 -0.26%，纳斯达克 100 上涨 +0.79%，道琼斯上涨 +2.21%，AGIX 上涨 +0.70%。全球对冲基金本月平均上涨约 +1%，落后于 MSCI 指数 +2.6%的月初至今涨幅。美国多空对冲基金同样上涨约 +1%，仅捕捉到标普回报的一半左右，符合其本月净敞口维持在 50%低位区间的情况。欧洲对冲基金表现略优，上涨 +0.65%，相比之下 Euro STOXX 600 上涨 +1%。而亚洲基金则表现不及，回报约 +1.8%，远低于 MSCI 亚太指数近 +4%的涨幅。

　　据 The Information 8 月 16 日报道，知情人士透露，Meta 计划在六个月内第四次对人工智能团队进行重大重组。公司预计将把其新成立的 Superintelligence Labs 拆分为四个小组：一个名为 “TBD Lab”（意为待定实验室）的新团队；一个涵盖 Meta AI 助手的产品团队；一个基础设施团队；以及专注长期研究的基础 AI 研究实验室（FAIR，Fundamental AI Research）。

　　该平台旨在加速工作流、打破数据孤岛，并整合戴尔 PowerEdge R7725 服务器，这些服务器配备了 Nvidia RTX PRO 6000 Blackwell 服务器版 GPU，专为高性能 AI 负载而设计，将于年内在全球范围上市。同时，合作也引入了 Elastic 的 Elasticsearch 技术，以实现自然语言和向量搜索功能。

　　8 月 12 日，AI 通信平台 Sendbird 宣布与 AWS 达成三年战略合作。协议将推动 Sendbird 扩展 AI agent 能力、加深与 AWS 服务的技术集成，并加快联合市场推广。

　　作为合作的一部分，Sendbird 成为 AWS Marketplace 新增的“AI Agents and Tools”类别的首发合作伙伴，并在该平台上推出其 AI 智能体解决方案。根据 Gartner 预测，到 2029 年，AI 智能体将能够自主解决 80%的客户服务问题。目前，Sendbird 每月已支撑超过 70 亿次对话，展现出该技术的潜力。

　　8 月 12 日，Google 宣布将扩大 AI 应用，以打击无效广告流量（IVT）——即并非来自真实用户的点击和展示，包括误点、机器人、恶意来源，以及人为操纵广告成本或非法获利的行为。

　　Google 表示，新 AI 应用显著提升了其内容审核能力，使因欺诈或扰乱性广告投放带来的 IVT 减少了 40%，同时继续通过自动与人工双重审核，确保广告主不会因无效流量而被收费，即便广告已被投放。

　　Morgan Stanley 对公司在光学技术领域的前景持乐观态度，认为该业务较 ASIC 业务具备更高利润率和更强韧性。

　　TD Cowen 将 Tesla 的目标价从 330 美元上调至 374 美元，并维持“买入”评级。该机构表示，此举是在公司公布 2025 年第二季度业绩后作出的决定，业绩整体表现稳健，与预期大致一致。

　　TD Cowen 强调，特斯拉在自动驾驶技术上的最新进展以及其他即将到来的催化剂“不可忽视”。这些因素足以抵消短期盈利挑战，而这些挑战已被市场广泛认知。