misc

🎯 搜推广 × 大模型 × 美股｜读论文、看财报、试 AI 工具
🌍 Search/RecSys/Ads × LLMs × Investing
📄 每日论文精读 Daily papers 👉 AI & 财经日报 Daily digest 👉

[misc @miscbeel]

纳指100 的估值，已经比去年 4 月关税底那天还便宜了。

去年 4 月 8 日，纳指100 收在 17090 点，那几天有多慌，应该不少人还记得。前瞻 PE 那天大概 20.7 倍，彭博口径 21.6 倍。

现在指数在 28958 点，涨了快 70%。前瞻 PE 呢？20 倍出头。换哪个口径，都比那天低。滚动 PE 也一样，我按日对齐算了一下，关税底那天大约 28.6 倍，现在 26.7 倍。

指数涨了七成，估值反而更低。这事我琢磨了一下，答案其实很朴素：公司赚钱的速度比股价涨得还快。

三季度财报出了四分之一，标普盈利同比增长 29.5%，83% 的公司超预期，这已经是连续第三个季度增速超过 25%。Citadel 有个统计我挺喜欢的：6 月底到 10 月中，标普的前瞻 EPS 预期上调了 10%，前瞻 PE 却降了 6%。

对比去年就更清楚了。去年 4 月到 10 月那波反弹，标普涨了 38%，盈利预期只涨了 7%，涨的基本是估值。今年反过来，涨的是盈利，估值一直在被压。所以现在的价格里，"肉"多，泡沫少。

标普我得说实话，没纳指那么夸张。前瞻 PE 18.7 倍，关税底那天 17.9 倍，还差 4% 左右。但它已经低于自己 5 年均值 19.8 倍和 10 年均值 19.1 倍，去年 10 月底还在 23 倍以上，一年被压掉将近两成。纳指跌穿了关税底，标普就在门口。

那谁在压估值？利率。

10 年期美债 10 月初冲到 5.3% 以上，2002 年以来最高，现在回到 5% 左右。关税底那天才 4.26%。通胀也不省心，9 月 CPI 3.7%，比预期高，油价破了 100 美元。

这里有个我必须承认的事实：跟债券比，股票现在并不比去年 4 月便宜。标普的盈利收益率（PE 倒过来算）大概 5.35%，10 年期美债 5%，中间就差 0.35 个点。去年 4 月这个差距有一个多点。纳指的盈利收益率甚至已经略低于美债。绝对估值比关税底便宜，相对估值比关税底贵，空头最有力的就是这一条。

但我还是看好通胀回落，理由有三个。

核心 CPI 只有 2.6%（虽然也比预期高了一点），比去年 3 月的 2.8% 还低。这一轮是能源推上去的，不是工资和房租在螺旋，油价来得快走得也快，基数一抬，名义 CPI 自己会掉。

债市自己也不信通胀会失控。10 年期盈亏平衡通胀率只有 2.37% 左右，9 月到 10 月初那波美债抛售，涨的主要是实际利率，通胀预期基本没动。

收益率已经从 5.3% 回到 5% 了，最热的那一页可能翻过去了。

当然也有不舒服的数据。密歇根大学 10 月调查里，居民一年期通胀预期还在往上走，到了 4.7%，长期也有 3.5%，2 年期美债 4.69%，美联储短期也没有要松的意思。这几个我会一直盯着。

万一通胀就是不回落呢？

那估值大概修复不了，可能还要再压一压，纳指的收益确实不会像过去几年那么猛。但算笔账：盈利每年涨 15%，三年后估值再压缩 10%，价格还是能涨 37% 左右。宏观不帮忙，三年 30%+ 也是可以期待的。要是通胀真回落了，估值修复加盈利增长，那就是另一个故事了。

说到底，现在买的是盈利，不是赌估值扩张。估值在低位，再被杀的空间比一年前小多了。这个位置我更倾向分批买，不梭哈。

最后提醒一句，前瞻 PE 的分母是分析师预期，预期一下修，今天的便宜明天就可能变贵。接下来几周科技巨头的财报，AI 资本开支能不能变成利润，是最关键的一关。

不构成投资建议。

[misc @miscbeel]

高盛做了个推演：如果 AI 把生产率拉高 15%，转型期可能有约 9% 的劳动者要经历一段失业。

https://t.co/7rspCfI5iL

司马钱频道今天拆了这份研报。核心结论有两条：一是历史上技术替代主要靠裁人，不只是少招人，25 类被技术冲击过的职业，5 年内就业平均掉了 25%，校对、核保、数据录入这些白领文职也掉了三到四成；二是经济一承压，被冲击职业的就业会掉得更快，整体失业率每涨 1 个点，它们还要额外再掉 4%。

说说我自己的看法。

阵痛期不可避免，而且我们离高峰还远。 美国现在只有 23% 的企业真正把 AI 放进了工作流程，四分之三的公司还没真正动起来。现在大家感受到的只是"少招新人"，等渗透率继续往上走，岗位重组才会真正铺开。

但 AI 不只是在替代，也在创造增量。 最近三个月，受 AI 影响深的行业少了约 1 万个岗位，数据中心建设的岗位刚好把缺口补上。这只是第一波，盖机房、拉电网、做芯片。下一波我认为是 agent 经济：大量新的服务和生意，会建立在 agent 替人干活的基础上。

真正的问题不是 AI 会不会创造财富，而是这些财富怎么分到普通人手里。 UBI（全民基本收入）是底线，更进一步应该是 UHI，也就是 universal high income（全民高收入）。像特朗普账户这样让每个人从小就持有股票的设计，方向是对的：普通人如果能持有 AI 时代的资产，生产力红利就不只属于少数公司。

AI 会让蛋糕变得大得多，我们这一代要解决的是怎么分。

[misc @miscbeel]

@FreeBoymao 来咯~

[misc @miscbeel]

是的。尤其是体验了grok-bot后，agent经济时代会比移动互联网规模更大， 更有效率，对算力的需求也会指数级膨胀。目前的chatbot时代仅仅是前菜，好戏还在后头

[Lydia @freedom6863]

抛售潮掩盖不了的现实：算力与电力需求不会凭空蒸发

我知道最近的市场极其残酷，尤其是对于重仓人工智能、半导体等高增长股票的投资者而言。

但我们有必要把眼前的波动放到更大的格局中来看：当前投资者正面临通胀波动、高企的债券收益率、中东局势、中期选举，以及对AI巨额基础设施资本支出（CapEx）与融资模式的担忧。

历史告诉我们周期是如何运作的：

*2020年，标普500指数因疫情暴跌约34%，但仅仅数月便收复了全部跌幅

*2022年，激进加息与高通胀令纳斯达克下挫逾30%，许多人坚信科技股叙事已死，但市场最终逆势创新高。

我并不是说每一只被砸盘的股票都能起死回生，现实中很多根本回不来；我也无法预测当下是否已经见底。但历史一再证明：在市场情绪最悲观的时刻，往往孕育着最伟大的长期投资机会。 这也是我选择在低位分批布局的原因。

我们正身处人类历史上罕见的技术革命浪潮中。AI将从根本上重塑工作方式、企业运营乃至全球经济。但这绝不意味着发展路径是一条直线——途中必定充满剧烈调整、迷茫期、破产出局的公司，以及市场对“过度炒作”的集体质疑。

每一次工业与技术革命皆是如此，AI也不会例外。

我对AI基础设施的长期信念从未动摇：对算力、存储、网络和电力的现实需求，绝不会因为股价的抛售而凭空蒸发。

在市场中积累财富从来不是一件容易的事。人人都想要高额回报，却极少有人愿意忍受颠簸的波动、漫长的等待与未知的恐惧。

当然，单凭盲目信念是不够的。管理仓位、深谙持仓基本面、并在逻辑被证伪时果断应对，依然是生存的前提。但我绝不会因为盘面动荡的几个星期，而错失未来十年的时代红利。

以十年为尺度思考，而不是以天为单位焦虑。

[misc @miscbeel]

@PanosOnChain Exactly. A rally driven by earnings growth feels much more sustainable than one driven purely by multiple expansion. The key question is whether earnings can keep up.

[misc @miscbeel]

The Nasdaq-100 is now cheaper than it was at the bottom of the tariff crash last April.

On April 8, 2025, the Nasdaq-100 closed at 17,090. A lot of people still remember how scary that week felt. Forward PE that day was about 20.7x, or 21.6x on Bloomberg's numbers.

Today the index is at 28,958, up almost 70%. Forward PE? Just over 20x. Lower than that day on either measure. Trailing PE says the same thing. I lined it up day by day: about 28.6x at the tariff low, 26.7x now.

Up 70%, and the valuation went down. I thought about this for a while, and the answer is pretty boring: earnings grew faster than the price.

With a quarter of Q3 reports in, S&P 500 earnings are up 29.5% year over year, 83% of companies beat estimates, and it's the third straight quarter of 25%+ growth. My favorite stat comes from Citadel: from the end of June to mid-October, forward EPS estimates for the S&P went up 10% while forward PE fell 6%.

Compare that with last year. The April-to-October rebound took the S&P up 38%, while earnings estimates rose only 7%. Almost all of it was multiple expansion. This year it's the other way around: earnings are doing the lifting and the multiple keeps getting squeezed. More meat in today's price, less froth.

To be fair, the S&P isn't as dramatic. Forward PE is 18.7x vs 17.9x at the tariff low, still about 4% above it. But it's already below its 5-year average of 19.8x and its 10-year average of 19.1x. At the end of last October it was above 23x, so it has lost almost a fifth in a year. The Nasdaq has broken below its tariff-low valuation. The S&P is right at the door.

So who's squeezing the multiple? Rates.

The 10-year Treasury yield jumped above 5.3% in early October, the highest since 2002. It's back around 5% now. On tariff-low day it was 4.26%. Inflation isn't helping either: September CPI came in at 3.7%, above expectations, with oil over $100.

Here's the part I have to admit. Against bonds, stocks are not cheaper than last April. The S&P's earnings yield (PE flipped upside down) is about 5.35%, vs 5% on the 10-year, a gap of just 0.35 points. Last April that gap was over a full point. The Nasdaq's earnings yield is now slightly below the 10-year. Cheaper than the tariff low in absolute terms, pricier in relative terms. That's the bears' best argument.

I still think inflation comes down, for three reasons.

Core CPI is only 2.6% (it also came in a bit hot), lower than the 2.8% in March last year. This round is driven by energy, not a wage and rent spiral. Oil spikes come fast and leave fast, and once the base effect kicks in, headline CPI falls on its own.

The bond market doesn't believe inflation is running away either. The 10-year breakeven is only about 2.37%. The Treasury selloff from September to early October was mostly real yields. Inflation expectations barely moved.

And yields have already slipped from 5.3% back to 5%. The hottest page may have turned.

There are numbers I don't like, of course. In the University of Michigan's October survey, one-year inflation expectations kept climbing to 4.7%, with long-run at 3.5%. The 2-year sits at 4.69%, and the Fed shows no sign of easing soon. I'm watching all of these.

What if inflation just won't come down?

Then valuations probably don't recover and may get squeezed a bit more, and Nasdaq returns won't be as wild as the last few years. But run the math: earnings growing 15% a year with another 10% of multiple compression over three years still gets you roughly +37%. Even with no help from macro, 30%+ over three years is a reasonable expectation. If inflation does come down, you get multiple recovery on top of earnings growth, and that's a different story.

Bottom line: right now you're buying earnings, not betting on multiple expansion. Valuations are low, and there's a lot less room to get cut than a year ago. At this level I'd rather buy in stages than go all in.

One last caveat: the denominator in forward PE is analyst estimates. If estimates get cut, today's cheap can become tomorrow's expensive. The big tech earnings over the next few weeks, and whether AI capex turns into profit, are the key test.

Not investment advice.

[misc @miscbeel]

@YoooJJ8cm 机构的空头保护头寸已经非常高了

[misc @miscbeel]

半导体两周跌了15%。

上周−10%，这周又−6%，复合下来大约−15%。数字来自Darren 周五的帖子，板块口径。对高Beta板块来说，这个量级已经不算正常回撤了。

而且是连着两周往一个方向跌。单日暴跌第二天就收回，多半是期权或流动性在作怪；两周一路往下，更像有资金在减仓、对冲，在重新给风险定价。

为啥跌？X上的说法大致这几条：AI开支太大、钱从哪来；中期选举；美伊冲突。还有一条更根本的，wu fan 说的：to C 收入增速不及预期。

有意思的是，同一组跌幅，两派结论完全相反。

加仓派是Darren。他这周加了Lite、Cohr、Nbis、英特尔，觉得英伟达、博通、美光、ASML、台积电也到了有吸引力的价位。另一帖里他说，AI恐慌和选举这两个不确定性最多两周就消掉，“距离底部绝对比顶部近”。这个时间表是他个人判断，未核实。

双顶派是wu fan。他说半导体回到了4、5月的价格，5月以来FOMO进去的应该都套住了，从周期看大概率是双顶。他还自己承认，跌一周就去抄底，回头看早了。勃勃发图说，推特半导体KOL最爱的那批票，过去一个月“全军覆没，接近腰斩”。不过图里没有逐票代码，当情绪看就行，别理解成每只都跌了一半。

中间还有个声音我挺认同：RSI超卖不代表要反弹。勃勃举的例子，SNDK上半年超买了三个月，照样涨。

周五美光反弹2.46%。大跌途中有一天反弹很正常，说明不了太多。

我自己偏谨慎。跌了15%，估值确实好看了。但“加仓”和“双顶”可以同时成立，一个是交易员的价格行为，一个是公司的收入周期。双顶派也缺了一环：没人贴出to C的一手数据，现在只是个框架，还算不上结论。

还有个矛盾没解开。同一周，亚马逊CEO说AWS 2026年大客户算力已经卖光，2027年也基本卖完。需求这么满，芯片股凭什么跌？我的理解是，股价在交易眼前的开支和融资担忧，合同在交易几年后的容量，两边暂时走岔了。

接下来我盯三件事。Darren提到下周亚马逊、微软、谷歌一起出财报，看AI开支和云收入怎么说。to C 有没有更差的数据出来。还有美光这种存储股，和GPU、设备股是同涨同跌还是分化：一起跌说明是周期，分化说明只是某条叙事太挤。

在那之前，“已经跌了很多”不等于“风险释放完了”。别人公开加仓，用的是他的风险预算，不是你的。

不构成投资建议
https://t.co/yXbBRrDWaI

[misc @miscbeel]

两个价值投资者一年多前就看好 Shopify，嫌贵没买。80 美元没下手，眼看着涨到 160。
更扎心的是，回头一算，它现在的估值和当初一样贵：都是约 112 倍营业利润。

这是 We Study Billionaires 最新一期 TIP855，Shawn O'Malley 和 Daniel Mahncke 复盘自己到底错过了什么。

🎧 https://t.co/yNne52XEyT

听完记了几点：

1. 方向没看错，看错的是速度。本以为增长要放缓，结果 2025 年收入 115 亿美元，增长 30%，是疫情以来最快；GMV 已连续五个季度增长超过 30%。CFO 说 2025 年初以来美国电商的新增消费，近一半落在 Shopify 商家手里。注意是增量，不是整个市场，但足够说明原来的增长假设失效了。

2. 客户越做越大，也越走不掉。年销售 1000 万美元的商家留存率 97%，2015 年一季度那批客户现在的季度收入是当年的 3.3 倍。老客户没流失，还在越买越多。

3. AI 购物很猛，但还早。AI 归因订单自 2025 年 1 月以来涨了约 15 倍，用 Catalog 的 AI 搜索转化率是网页抓取的两倍。我觉得更值得记的是：75% 的 AI 归因购买来自前 100 大品类之外。AI 真正解决的是"我到底该买哪一个"，比如能在轿车后排并排装三个的儿童安全座椅。这正好给了没钱打广告的小众品牌机会。不过两人也提醒，增速快不代表份额已经大。

4. 真正的风险不是 AI 取代 Shopify，而是 AI 入口开始收过路费。Meta 已经说要对 Muse 完成的交易收一小笔钱，费率和谁来付都没说。开放入口能带来生意，入口一旦有了议价权，成本就可能转到商家头上。

5. 商家用 AI 自己写个网店？两人不太信。黑五系统挂一次，损失可能远超省下的平台费。

最后，他们把内在价值从 53 美元上调到约 100 美元，仍明显低于约 160 美元的股价。利润大致翻倍，股价也大致翻倍，市场给的溢价一点没打折。

公司变好了，不等于股票变便宜了。

以上是播客笔记，不构成投资建议。

[misc @miscbeel]

@idaaaa_16 可能跟个人体重有关，胖的人压迫感更强hhh

[misc @miscbeel]

@AskSongShu 确实，其实就算在中国，山姆现在也是吊打的。只不过这边的收入结构，更下沉的还是会被PDD承接。但是在海外橄榄型社会，可能没有那么下沉的用户，类似山姆，Costco这样的商超已经是很高的效率了。

[misc @miscbeel]

@Zen_with_AI 这个感觉像是清朝保皇派自己成立了一个组织来对抗共和，但是实际上明天皇帝就要退位了🤪

[misc @miscbeel]

@AyakaAteliers 集成进来确实方便多了

[misc @miscbeel]

我的X时间线，一天能刷出三四千条帖子。

全看完？一天就没了。不看？又怕漏掉真正要紧的。

所以我做了个每天早上替我刷X的东西：XAi&Finance Digest。现在也公开给大家用。

打开就一页，两个标签：财经、AI。我觉得对大家最有用的是这几点：

1. 今天最重要的三件事，手机首屏看完。每条都带关键数字。比如今天：欧洲天然气年内涨233%、AWS说2026年算力已卖光、半导体两周跌了约16%。

2. 不光告诉你发生了什么，还告诉你大V站哪边。每条标看多、看空还是分歧，有观点地图，同一话题多空两边并排放。预测、单一来源的说法，直接标「未核实」。

3. 全中文。英文帖已经翻好，但每条都挂原帖链接，不放心随时点回去看原文。

4. 一个综合情绪分。大V、散户、CNN恐惧贪婪指数、VIX、AAII揉在一起。今天38分，恐慌，而且散户比大V乐观17分。这种分歧本身就是信息。

重点话题还会展开成长文。比如AWS那篇，把Jassy的原话、积压和资本开支数字、空头的担忧摆在一起对照，哪些数没核实也写在文末。AI那边分应用、研究、值得读的长帖，今天Claude Code核心开发者离职、DeepSeek量化到1.75bit这些都在里面。

说实话，我觉得最值钱的不是摘要，是“谁在看多、谁在看空”。一个人的观点是噪音，一群人站队才是信号。

怎么做的也简单说下：来源是我关注的一百多个财经和AI账号，外加少量X公开搜索。每天北京时间5:30自动跑一遍，抓帖、筛选、写摘要、出页面。每条链接都必须是当天的真实帖子，数字只取原帖。发布前还有几道检查，域名配置丢了、旧链接没清干净、或者冒出个人信息，任何一项不过就不发。

不构成投资建议，就是帮你把刷X的时间省下来。

https://t.co/IEepKwDKTV

[misc @miscbeel]

@JasonPang0720 已关注，常来看看～

[misc @miscbeel]

LinkedIn 只换了一个 0.6B 的召回向量，Premium 人脉推荐的线上 CTR +7.5%，Premium 留存 +2.1%。页面加载延迟只多了 0.1%。

这篇叫 PAIR，戳中的是一个很多人没细想的问题：职场里的“相关”，不等于“相似”。

一个工程师开始找工作，他点的不再是别的工程师，而是招聘方和用人经理。可大部分人脉召回还在按档案相似度做，背景差不多的人在向量空间里挤成一团，结果求职者被推给了另一群求职者。

论文给的数字很直白。LinkedIn 自己的生产会员向量 Holistic-171，在 Premium 召回上 MAR@100 只有 0.288。现成的 0.6B LLM embedding 直接拿来用，更低，0.192。一个是协同向量，一个是纯语义向量，都没学会“这周我想找谁”。

PAIR 的做法不复杂。训练数据全来自 Premium Browsemaps 的线上曝光日志：同一次曝光里点了的是正例，展示了没点的是负例，正负 1:3，没点的不够就拿随机会员补。学到的是“在线上真会展示的那些人里，用户更偏好谁”。作者说灵感来自 DPO，也老实承认它不是 DPO 的直接搬运，公式上就是多负例对比损失，区别在监督信号的含义。

结构是三塔。档案塔编码自己，候选塔编码对方，两塔共享参数。历史塔拿最近点过的 10 个人，向量都提前算好，用带位置编码的注意力加权，再和档案向量归一化后相加。用户新点了一个人，几次向量运算就能更新意图，不用把 LLM 重跑一遍。几亿用户的量级，这点比模型多聪明更要紧。

另外用 Matryoshka 训练，同一个模型能截成 200/256/512/1024 维给不同场景用。256 维 MAR@100 还有 0.432，存储只要全量的四分之一。

完整版 MAR@100 0.450，比生产向量高 56%，是现成 0.6B 的 2.3 倍。

我觉得最有意思的是拆分。不加历史的双塔已经到 0.436，历史塔只再加了 0.014。max、mean pooling 和普通 attention 加进去，反而比不加还差。真正起作用的，是拿曝光日志里的偏好把向量空间重塑一遍，0.6B 就够了。

线上 A/B 按用户分流，排序器不动，只换召回向量，CTR 和留存都标了显著。离线 +56% 到线上 +7.5%，被排序和产品层层稀释，正常。

但有几处得打折扣。A/B 没给时长、流量和置信区间，只有一个星号。留存是实验窗口内的短期数字，长期订阅影响作者自己也说还得看。训练只用已曝光的候选，继承了旧召回的选择偏差，反馈回路没解。还有个小瑕疵：4.2 节说底座是 Qwen3-Embedding-0.6B，5.1 节又说是内部训练的 Qwen 架构 0.6B 模型，前后对不上。

做搜推广的话，我的判断是：业务里的相关性如果是互补的而不是对称的，别急着把通用 embedding 换更大的，先拿自己的曝光点击日志做一遍偏好微调。收益很可能比换大模型大得多。

完整解读：
https://t.co/0jEpyjgOBM
论文：https://t.co/vExvXSBAPw

[misc @miscbeel]

好问题。PAIR 的历史塔只看最近点过的 10 个人，是个滑动窗口，新点一个就挤掉最旧的一个，论文说可以按小时甚至近实时刷新。所以找到工作以后，大概再点十来个新的人，求职期的那些点击就被挤出去了。而且论文里历史塔本身贡献不大，MAR@100 只多了 0.014，大头还是档案塔和偏好微调。至于意图切换要多久才真正反映到推荐结果上，论文没有测。

[misc @miscbeel]

@cellinlab 高频确实是门槛最低的护城河，算法也偏爱稳定供给。不过能长期高频的人，好像大多先找到了一个能持续产出的选题结构，不然很难撑下去。你自己是怎么平衡的？

[misc @miscbeel]

@rauchg The tricky part is you usually only find out which mode you were in after reading the diff. Giving goals and constraints instead of step-by-step instructions seems to land in the sweet spot more often.

[misc @miscbeel]

@realchendahuang 同意一半～脚手架确实撑起了大部分体验，但后训练让模型自己学会调工具、做长链推理，这部分感觉已经是模型本身在变了。工程和模型更像是在互相塑形。

[misc @miscbeel]

@madiator Feels like the hard part is that sandboxes differ on more than API shape: snapshotting, network policy, cold-start latency. Even a minimal shared spec for exec / filesystem / snapshot would save agent builders a ton of glue code.