美联储加息一次够么?点击小程序查看报告原文
北京时间今天凌晨结束的9月FOMC上,美联储如期加息25bp,将基准利率升至3.75%~4%,是继2023年7月加息周期结束、2024年9月开启降息和2025年9月继续降息三次后,美联储的首次加息。
我们最早在7月FOMC点评中就提出,当前环境和1997年“预防式加息”有类似之处(《如何才能“预防式加息”?》),8月Jackson Hole沃什转鹰后又提示,从维护美联储信誉角度,9月最好加息(《沃什转鹰意味着什么?》、《如果加息会发生什么?》)。
加息后,美元站上100、10年美债小幅走高至5%,黄金微跌,美股科技微跌、传统股票因受利率影响更大跌幅更多,如地产银行。市场整体反应不大,更多在敏感的美元和传统股票上,这与我们在(《如果加息会发生什么?》)中提示一致:短暂的加息或降息更多是提前计入,除非连续加息(三次甚至以上)。市场的问题往往是事前因为害怕加息的影响而回避加息问题不做准备,却又在看到加息无可避免后过度担心加息后的冲击。实际上,我们认为加息不是坏事,不加息也未必是好事。
图表:会议后CME利率期货仍隐含年内再加息1次预期
资料来源:CME,中金公司研究部
那么,走到这一步后,市场关注的焦点在于,美联储加息一次够吗?对市场后续有和影响?我们在本文中将聚焦于此做出分析。
此次加息的特点:高度预期的加息,中性加息
首先,此次加息是一次高度预期的加息:1)CME利率期货隐含的9月加息概率已高达93%;2)5%的10年美债扣掉70bp的期限溢价,余下4.3%的利率预期隐含了至少两次加息;3)主要华尔街投行都预计9月加息。
图表:会议前CME利率期货隐含9月加息概率高达93%
资料来源:CME,中金公司研究部
图表:当前5%的美债利率隐含70bp的期限溢价,余下4.3%的利率预期隐含至少两次加息
资料来源:Bloomberg,中金公司研究部
图表:会议前主要华尔街投行都预计9月加息
资料来源:The Wall Street Journal,Nick Timiraos,中金公司研究部
其次,这是一次整体中性加息:1)加息25bp,完全符合市场预期,沃什表态维持与上次基调一致。8月Jackson Hole沃什转鹰后,8月非农、PPI和CPI又接连超预期,迫使沃什兑现鹰派承诺。对沃什而言,此次加息已是“箭在弦上不得不发”。沃什此次讲话与8月Jackson Hole会议表态基本一致:重点强调当前的通胀水平依然高于目标,且美联储的工作重心仍是价格稳定。
图表:8月非农新增就业16.2万大超预期
资料来源:Haver,中金公司研究部
图表:8月整体CPI符合预期,但核心CPI环比超预期,导致核心CPI同比几乎持平上月
资料来源:Haver,中金公司研究部
2)“点阵图”预计2026年还有一次加息,2027年持平,部分缓解市场对超预期鹰派的担忧。虽然点阵图的参考意义因沃什拒绝给出自己的预测而大打折扣,但依然是一个市场关注的参照。剩余18名委员的利率预测中值显示,2026年利率“中位数”升至4.125%,较6月“点阵图”的中位数3.875%多出一次加息预期,意味年内预期还有一次加息,这个与市场广泛预期的加息两次一致;2027年中位数持平,这少于CME利率期货此前预期的总计4次加息。
图表:点阵图2026年利率中位数4.125%,隐含年内还有1次加息,2027年持平
资料来源:美联储,中金公司研究部
图表:9月会议上美联储上调2026年通胀和增长预测、下调失业率预测
资料来源:美联储,中金公司研究部
美联储加息一次够吗?不存在连续且大幅加息的基础,除非油价失控
在这次已经高度预期的加息之后,美联储是否会连续且大幅加息?从本次会议的表态及当前基本面角度看,不存在连续且大幅加息的基本面基础(三次甚至以上),除非后续油价失控。高利率本身也将逐步传导到金融条件,从而抑制经济增长,这成为阻碍继续大幅加息的“反身性”因素,如当前美国30年抵押贷款利率已经逼近7%。
首先,从本次会议沃什的表态来看,沃什依然回避对未来利率走势做出前瞻指引,在新闻发布会上的基调也是延续Jackson Hole会议上认为美联储工作重心依然是价格稳定的表态,并没有太多超预期的鹰派内容[1]。
其次,从美国自身经济基本面角度,高利率也会对传统需求形成抑制,甚至压制AI投资,阻碍美联储连续加息,形成利率的“反身性”。目前美国经济K型分化,当前利率走高将反过来压制传统需求,从“反身性”角度抑制大幅加息。事实上,美国传统需求已受到高利率的抑制,尤其是利率敏感的地产和投资。8月ISM制造业PMI从7月高点55.6回落至54.6,成屋销售也在高利率抑制下再度回落。作为重要增长引擎的AI,由于龙头ARR的放缓和自由现金流逐步开始转负,对外部融资依赖度也在增加。在需求侧面临瓶颈的背景下,如果融资成本大幅抬升,也将削弱资本开支的意愿,进而影响整体增长。换言之,加息反而导致无法加息太多。
图表:8月美国ISM制造业PMI回落至54.6
资料来源:Haver,中金公司研究部
图表:近期利率的走高推动地产数据再度回落
资料来源:Haver,中金公司研究部
图表:除微软、Meta外的云厂商二季度自由现金流已经转负
资料来源:FactSet,中金公司研究部
图表:当前云厂商19.9%的加权ROIC高于WACC的9%
资料来源:FactSet,中金公司研究部
除非油价大幅失控。我们测算,若油价中枢维持在100美元以上甚至更高,那么CPI将无法继续走低,将给美联储带来更大压力,这也同样会给11月将面临中期选举的特朗普更大压力。我们测算,若油价三四季度中枢降至80美元,CPI同比会在年底回落至3.0%左右。
图表:我们预测若油价中枢不超过100美元,美国CPI同比年底大概率回落
资料来源:Haver,中金公司研究部
加息对市场影响?短暂加息往往是提前计入,市场通常“反着走”
我们此前多次提示,对市场而言,此次加息未必是坏事,而不加息未必是好事。
短暂的预防式加息,在“满足”市场对重塑美联储和美债信任需要的同时,影响更多是提前计入预期,所以市场往往“反着走”,兑现时反而是美债利率的高点和美股的低点,1997年格林斯潘加息一次如此,2024-2025的短暂降息同样也是如此(《如果加息会发生什么?》)。相反,只有持续大幅加息才会通过提高融资成本和收紧金融流动性对实际增长和金融市场造成更长期和大幅的冲击,典型如2022年俄乌冲突后为应对高通胀525bp的加息。因此,对于短暂的加息,扰动反而可以提供更好的买点。
回顾1990年以来历次加息周期的历史经验,加息初期对市场有扰动,但平均0-2个月内市场重拾涨势,预防式加息中影响更小。
我们复盘了1990年以来美联储6次加息周期:1)美债跌幅主要在加息前,预防式加息兑现后美债往往转为上涨,历次加息后美债平均下跌18天后(数据为1990年以来加息后表现中位数,下同)转为上涨,1997年预防式加息后长债利率很快见顶回落,2)美股在加息后会有扰动,但平均2月内反弹,预防式加息后反弹更快,标普平均在加息后59天下跌4.7%后、纳指平均在加息后68天下跌8.1%后重拾涨势,在1997年的预防式加息周期后反弹更快,标普下跌17天、跌幅6.5%后转为上涨,纳指下跌仅8天、跌幅3.8%后反弹。3)黄金同样如此,历次加息后平均82天下跌2.3%后转为上涨。4)美元涨幅更多在加息预期阶段,加息后并不必然大幅上涨,除非2022年那样连续大幅加息。5)AH股在历次加息后涨跌不一,更多受到国内基本面的影响,如1997年美联储预防式加息后,国内经济复苏叠加香港回归预期推动AH市场共同继续上涨。
图表:回顾1990年以来历次加息周期的历史经验,加息初期对市场有扰动,但平均0-2个月内市场重拾涨势,预防式加息中影响更小
资料来源:Bloomberg,中金公司研究部
从各类资产计入的未来一年加息预期来看,利率期货(3.0次)铜(1.6次)美债(1.0次)=美联储点阵图(1.0次)黄金(0.8次)道琼斯(0.1次)标普500(-0.5次)纳斯达克(-1.1次),这意味铜、美债和黄金计入加息预期较多。具体而言:
图表:当前铜、美债和黄金计入较多加息预期,权益市场相对乐观
资料来源:Bloomberg,中金公司研究部
► 美债:先修复期限溢价,长端名义利率或逐步筑顶甚至回落,体现“赔率”和交易机会。当前长债利率已完全计入年内再加息一次的预期,假设美联储年内再加息1次,对应10年美债利率中枢约4.8-5%。美联储此次兑现鹰派承诺也将有助于稳固联储信誉,从而缓解长债期限溢价上行压力。
图表:若美联储年内再加息1次,对应长债中枢4.8~5%
资料来源:Haver,美联储,中金公司研究部
► 美股:并不悲观,短期扰动或提供更好介入机会。我们在6月的年中展望里就进一步上调标普500点位至7800-8000(《“殊途同归”的K型分化》)。市场走到这一点位后的纠结震荡,除利率上行带来的流动性扰动外,更多因为AI需求侧放缓带来的回报不足担忧。整体估值并不贵,随着加息落地,如果AI产业发展有新催化,美股仍有上行空间,短期如果出现较大扰动也可以提供更好买点。
图表:基准情形下,我们年中上调2026年标普点位至7800~8000
资料来源:Bloomberg,中金公司研究部
► 美元:短期受到加息带来的信誉以及利差提振,我们依然预计整体维持震荡格局。短期内,美元仍受到加息带来的美联储信誉以及利差因素提振,叠加美国经济仍具韧性,我们依然预计美元指数维持96~99区间震荡格局。
图表:我们预计到年底美元指数在96~99区间震荡,不至大幅走弱
资料来源:Haver,Bloomberg,中金公司研究部
► 黄金:不加息的空间大于加息,目前更多类似上行空间不确定的看多期权。仅仅基于美债利率和美元的静态测算看,我们测算黄金支撑位在4200-4500美元附近。除非连续加息,黄金的下行压力相对可控,但上行空间也需要更多宏大的叙事。美联储不加息可以给黄金营造出信任丧失和去美元化的宏大叙事,而加息恰恰削弱了这一叙事,所以上行空间不如不加息时大,得等待更多叙事催化。
图表:我们静态测算,当前美元和实际利率支撑的金价大约在4200~4500美元/盎司
资料来源:Wind,中金公司研究部
图表:当金价超过5500美元,面临新旧体系分水岭的对抗,将会面临剧烈波动
资料来源:Haver,IMF,World Gold Council,UCGS,中金公司研究部
[1]https://www.federalreserve.gov/mediacenter/files/FOMCpresconf20260916.pdf
Source
文章来源
本文摘自:2026年9月17日已经发布的《美联储加息一次够么?》
刘刚,CFA 分析员 SAC 执证编号:S0080512030003 SFC CE Ref:AVH867
项心力 分析员 SAC 执证编号:S0080526050001 SFC CE Ref:BXU271
杨萱庭 分析员 SAC 执证编号:S0080524070028 SFC CE Ref:BXS665
郝悦宁 联系人 SAC 执证编号:S0080125070024
如果加息会发生什么?导读
上周五CPI超预期给了加息“最后一击”,美联储被逼到“墙角”,现在基本没有什么选择了:1)CME期货定价加息概率86%;2)主要的华尔街投行都预计9月加息。
1️⃣要不要加?从维护美联储信誉的角度看,最好是加。
2️⃣加息后会发生什么?短暂“预防式加息”,往往都是“反着做”,兑现往往也是拐点,2024和2025年降息是这样,1997年加期也是这样。除非连续加息,如2022年。
3️⃣能持续且大幅加息吗?目前不存在这个基础,加息反而导致没法持续加息,除非油价失控,比如油价中枢要持续在100美元以上。
4️⃣对资产意味着什么?加息未必是坏事,宣泄完反而提供更好买点;不加息未必就是好事。1)如果坚持不加,市场反而可能会更慌,担心信誉进一步受损,导致美债失控、美元走弱、黄金大涨。2)如果加了,在高度一致的预期下,市场反而可能交易利空出尽,甚至交易美联储信誉修复下的美债利率筑顶回落,美元走强,黄金短期承压。除非,预期变成要连续的加。
美联储到底要不要加息,是过去一个多月以来市场最割裂、摇摆和纠结的问题。沃什在7月底FOMC会议中对通胀目标和市场利率反身性的“模糊”表态成为美债“风暴”的起点,逼得美国财政部直接下场回购国债也不起作用,核心并不是因为债券供给一下子多了多少而无法消化、而是因为担心美联储无法给大家安心持有长期美债的“定心丸”。
图表1:美债期限溢价一度从7月末的0.65%攀升至8月中旬的0.90%
资料来源:Bloomberg,中金公司研究部
从那一刻起,加不加息就不仅仅是通胀和数据本身的问题了。所以,这才有了沃什在8月末Jackson Hole会议上不得不重新强调2%的通胀目标和抗通胀是美联储不可推卸职责(而不是市场利率走高自我实现)的鹰派发言来稳定市场预期,这也确实起到了一些效果,衡量投资者持有意愿的期限溢价从高点回落20bp。我们在《沃什转鹰意味着什么?》中就指出,从维护美联储信誉角度,加息是最佳选择,除非后续数据都“配合”地低于预期。
但偏偏数据都不配合,从那以后的几个数据如非农、PPI和CPI接连超预期,美联储也的确“流年不利”,一步步被逼到“墙角”,迫使其兑现鹰派承诺。
根据CME数据,当前市场预计9月加息概率已经接近90%。美债市场也在定价加息:8月底至今,2年期美债利率从4.34%升32bp至4.66%;当前4.96%的10年美债扣掉76bp的期限溢价,余下反映加息的4.18%的利率预期比3.5%的基准利率高出60bp,隐含超过加息两次的预期。
图表2:当前市场预期9月加息概率接近90%
资料来源:CME,中金公司研究部
因此,现在的问题已经从“要不要加息”转向“加息后会怎样”。在我们看来,市场的问题往往是事前因为害怕加息的影响而回避加息问题不做准备,却又在看到加息无可避免后过度担心加息后的冲击,我们认为也大可不必,关键不在于加息本身、而是为何而加。
那么,美联储在本周会议上是否会加?加息后会发生什么?对资产配置又有何启示?
9月会不会加息?基本面处于两可之间,但从维护美联储信誉的角度,最好是加
作为一个参照系,如果JacksonHole上同样的话出自鲍威尔之口,那几乎可以肯定9月要加息了。在Jackson Hole会议上,沃什重申2%的通胀目标,强调美联储必须履行职责,将注意力放在物价上,语气不可谓不严厉(《沃什转鹰意味着什么?》)。但沃什毕竟不是鲍威尔,其模糊的风格与鲍威尔截然相反,他认为市场过度依赖美联储指引会带来“镜厅效应”,不主张与市场充分沟通;且与市场的磨合也不充分。因此市场预期依然反复,9月初沃勒的鸽派发言还一度打压了加息预期。他指出近期通胀有回落迹象,能源价格尚未扩散到其它价格分项,应该“给去通胀一个机会”[1]。
从基本面的角度看却在“两可之间”,即便包括通胀在内的几个数据都超预期,也仍可以找到“不那么强”的证据。1)通胀:8月数据走高主要受油价、机票和酒店这些看似不太可能持续的因素驱动。我们测算,除非油价中枢维持且超过95美元,否则年底CPI同比大概率从当前3.4%的水平回落。2)增长:美国的增长也是K型,虽然分化没那么极端,但在如此高的利率下,很多传统需求也会很快承受高成本的压力,尤其是地产(《美债的“问题”出在哪?》),因此基本面因素不是起到决定性作用的砝码。
图表3:美国的增长也是K型,虽然是没那么极端分化的K型
资料来源:Wind,中金公司研究部
从维护美联储信誉的角度,最好是加,这才是决定加息与否的关键。7月FOMC沃什的“刻意模糊”让市场预期陷入混乱,美债期限溢价从7月末的0.65%升至8月中的0.9%,迫使沃什在Jackson Hole会议上作出鹰派承诺。如果数据走弱,美联储估计还有腾挪空间,但随着非农和通胀陆续超预期,美联储也就被逐渐逼到“墙角”。虽然这些短期指标都有局限性,但在FOMC前也仅能依赖这些数据。试想,如果此次会议依然“强行不加”,那市场会如何看待此前的鹰派表态?恐怕只会造成更严重的信任危机和美债失控。
加息后会发生什么?短暂的“预防式加息”,往往都是“反着做”,是利空兑现
市场的问题是,在事前往往因为害怕加息影响而回避加息不做准备,但在看到加息风险不可避免时又过度担心加息后的冲击。
在分析加息影响时,相比加息本身,为何加息可能更加重要:1)持久且大幅的加息势必会通过提高融资成本、收紧金融流动性对实际增长和金融市场都造成更长期和大幅的冲击,最典型的就是2022年俄乌局势爆发后,美联储为了应对因疫情供需错配和油价高涨导致的供给高通胀而开启的持续16个月、幅度高达525bp的加息。2)相反,小幅甚至是预防式的加息,因为幅度小,扰动也有限,甚至很多时候预期提前计入,加息兑现往往意味着利空出尽。历史上有很多“经典案例”:
►
如果仅小幅加息甚至是“预防式加息”:由于预期已被提前计入,加息落地反而可能意味着利空出尽,对市场未必是坏事,都是“反着做”。典型案例是1997年的加息:当时美国的环境与现在类似,也是通胀有所升温但尚未失控,金融条件约束有限,经济增长受科技趋势支撑而保持强劲。但由于市场在1997年3月的FOMC前已逐步消化加息预期,因此政策落地后,美债收益率很快见顶回落,美股也在一周左右恢复上涨(《如何才能“预防式加息”》)。
图表4:美债利率在1997年加息落地后不久便触及阶段性高点6.9%
资料来源:Bloomberg,Haver,中金公司研究部
图表5:美股在1997年加息落地的一周后便开始反弹
资料来源:Bloomberg,Haver,中金公司研究部
反过来,2019年、2024年和2025年“预防式降息”也上演了类似“剧本”。在这三轮降息中,经济虽面临一定下行压力,但并未出现失速风险,因此政策仅需小幅调整即可提供支撑。由于降息预期往往已被市场提前计入,真正落地后,交易主线会较快由“宽松预期”切换至“增长改善”(《美联储降息对我们是利好还是利空》)。美债和美元指数在降息落地后不久即见底回升,反应最为灵敏,黄金同样是降息前比降息后表现更好,除非像2025年那样出现宏大叙事大幅推升金价;美股等待降息传导至分子端,因此在降息后仍有一定涨幅;港股在一定程度上受益于分母端改善,但国内基本面才是决定性因素,例如2025年9月降息后一度冲高,但也成为本轮的高点(《降息交易手册》)。
图表6:2019年、2024年和2025年“预防式降息”中,在降息落地后,交易主线会较快由“宽松预期”切换至“增长改善”
资料来源:Bloomberg,中金公司研究部
►
如果需加息多次:市场调整幅度更大、时间更长,典型如2022-2023年的紧缩周期。在疫情供应链中断和俄乌冲突的双重影响下,2022年初美国CPI同比达7-8%,6月更是超过9%。此时货币政策明显滞后于通胀形势(fall behind the curve),美联储不得不从2022年3月起快速加息,直至2023年7月,累计加息525bp。
这一轮紧缩对资产价格的压制持续时间明显更长。10年美债利率在2023年10月才触顶,较加息启动时抬升278bp,利率预期在2023年3月触顶,抬升171bp;标普500和黄金在2022年10-11月触底,对应美国通胀拐点确认的时点,跌幅分别为18%和16%。进一步剔除2023年以来AI产业趋势对风险资产的支撑,仅观察紧缩冲击最集中的2022年3月-12月,可以发现除了代表现金的美元指数(4.5%)和短端美债(1.4%)外,股票、长债、黄金等主要资产全部下跌。
图表7:10年美债利率在2023年10月才触顶,利率预期2023年3月触顶
资料来源:Bloomberg,Haver,中金公司研究部
图表8:标普500在2022年10月触底,跌幅18%
资料来源:Bloomberg,Haver,中金公司研究部
图表9:黄金在2022年11月触底,跌幅16%
资料来源:Bloomberg,中金公司研究部
图表10:2022年3月到12月,除了代表现金的美元指数和短端美债外,其余主要资产全部下跌
资料来源:Bloomberg,中金公司研究部
能持续且大幅加息吗?目前不存在这个基础,除非油价失控
目前看,连续且大幅加息的基础并不存在,除非油价中枢一直维持在95美元以上甚至更高,导致CPI同比难以回落甚至走高。反过来,当前美国经济K型分化,高利率反过来抑制传统需求,美国基本面也未必“扛”得住持续加息,这也恰恰会成为抑制多次加息的“反身性”。
►
传统需求已经受到高利率约束。8月ISM制造业PMI在高利率抑制下回落,其中具有前瞻性的新订单分项从56.7滑落至53.7。对利率敏感的地产数据也受到影响,成屋销售再度回落。此外,近年来IT和金融行业持续裁员,也可能对消费造成扰动。
图表11:近期利率的走高推动此前一度修复的地产数据再度回落
资料来源: Haver,中金公司研究部
►
AI作为重要增长引擎,对融资条件的敏感度也在上升。随着云厂商自由现金流开始转负,美国AI投资对外部融资的依赖度逐步提高。虽然云厂商的ROIC(20%)仍明显超过WACC(9%),但在AI需求侧面临阶段性瓶颈的背景下,如果融资成本大幅抬升,可能削弱云厂商的资本开支意愿。
图表12:除微软、Meta外的云厂商二季度自由现金流已经转负
资料来源:FactSet,中金公司研究部
图表13:当前云厂商19.9%的加权ROIC高于WACC的9%
资料来源:FactSet,中金公司研究部
什么情况下会转为多次且连续加息?1)油价失控并长期始终处于高位:基准情形下,油价三四季度中枢在80-90美元(《石油2026下半年展望》),我们测算CPI同比会在年底回落至3.0%左右。但在极端情况下,如果假设油价中枢保持在100美元(9月以来均值)甚至更高,那么CPI同比年底可能超过3.6%,届时将给美联储带来更大压力。2)AI资本开支再度超预期强劲时:一方面会导致科技硬件价格抬升,推升核心通胀,例如8月PPI环比中,电子元器件就是一个重要贡献项;另一方面AI本就已经贡献美国GDP环比的40%,如果资本开支大幅加速,甚至扩散到别的领域,那么美联储就很难用“基本面不好”作为理由去降息了。
图表14:CPI同比路径测算
资料来源:Haver,中金公司研究部
图表15:AI贡献了一季度美国增长的40%
资料来源:Haver,中金公司研究部
对资产的启示:加息未必是坏事,宣泄完反而提供更好买点;不加息未必就是好事
基于上文中对加息的原因、及不同加息形态的影响分析,我们与市场想法的不同之处在于:不认为加息是洪水猛兽,加息未必是坏事,除非是连续加息;反之,不加息也未必就是好事。不是说加息不会造成扰动,但短暂的加息更多是提前计入,往往是反着“反着做”,2024年和 2025年的降息是这样,1997年的加息也是这样,因此如果造成扰动,反而可能提供更好的买点。相反,如果强行不加息带来短期提振,却可能造成未来更多麻烦。
从各类资产计入的未来一年加息预期看,利率期货(3.7次)美债和铜(1.7次)黄金(1.2次)美联储点阵图(0.7次)道琼斯(0.6次)标普500(0.2次)和纳斯达克(-0.4次)。与7月FOMC结束时相比,10年期美债利率预期抬升15bp,2年期美债抬升了30bp。这意味除了美股(尤其科技股)相对乐观外,其余资产已经充分计入9月加息预期,与1997年3月加息前的情形相似。具体而言:
图表16:从各类资产计入的未来一年加息预期来看,利率期货(3.7次)美债和铜(1.7次)黄金(1.2次)美联储点阵图(0.7次)道琼斯(0.6次)标普500(0.2次)和纳斯达克(-0.4次)
资料来源:Bloomberg,中金公司研究部
1)
美债:短债利率走高,长债期限溢价先回落,甚至长债整体也可能逐步筑顶回落。一方面,加息一次对应中枢4.5~4.7%,当前长债利率已经计入年内1.7次加息,充分反映了“预防式加息”的预期。另一方面,加息重塑信心后,推高长债利率的期限溢价也将收窄。因此美债已经体现了较高的“赔率”特征。
图表17:若美联储加息1次,对应美债中枢4.5~4.7%,有交易机会
资料来源:Bloomberg,中金公司研究部
2)
美股:并不悲观,短期扰动甚至提供更好的买点。6月初我们就进一步上调标普500点位至7800-8000(《“殊途同归”的K型分化》)。市场到了我们这一点位后也开始纠结震荡,一是因为未来AI驱动下盈利空间还需等待催化,二是加息等宏观因素的扰动。随着加息落地,如果AI产业发展有新催化,美股仍有上行空间,短期如果出现较大扰动也可以提供更好买点。
图表18:基准情形下,我们年中上调2026年标普点位至7800~8000
资料来源:Bloomberg,中金公司研究部
3)
美元:如果美联储加息将重塑市场信任,对美元将提供支撑,反之亦然。我们的美元模型预计下半年美元指数将在96~98区间震荡。
图表19:我们预测2026年下半年美元指数或在96~98区间内震荡,不至大幅走弱
资料来源:Bloomberg,中金公司研究部
4)
黄金:不加息的空间大于加息,目前更多类似上行空间不确定的看多期权。仅仅基于美债利率和美元的静态测算来看,黄金支撑位在4400-4600附近。除非连续加息,黄金的下行压力相对可控,但上行空间也需要更多宏大的叙事。美联储不加息可以给黄金营造出信任丧失和去美元化的宏大叙事,而加息恰恰削弱了这一叙事,所以上行空间不如不加息时大,得等待更多叙事催化。
图表20:我们静态根据美债利率和美元测算的支撑位4400-4600附近
资料来源:Bloomberg,中金公司研究部
[1]https://www.reuters.com/business/feds-waller-open-leaving-rates-unchanged-september-meeting-if-inflation-cools-2026-09-03/
Source
文章来源
本文摘自:2026年9月13日已经发布的《如果加息会发生什么?》
8月CPI:美联储被逼到“墙角”继非农后,8月CPI也超预期了。虽然只是核心环比超预期(0.3% vs. 预期0.2%),但核心CPI 本就被视作“风向标”,且核心环比超预期,也使得核心同比持平与上月(2.45% vs. 2.48%)。至于整体CPI,其走高已被充分预期,也符合市场预期,倒无需多说。这一数据与我们此前的预测基本一致 <a href="https://mp.weixin.qq.com/s?__biz=MzA3NjU1NTQwMA==&amp;mid=2649792428&amp;idx=1&amp;sn=d0e7d2543085c8ffefeec6d37f781349&amp;scene=142#wechat_redirect" class="normal_text_link mp_article_text_link" target="_blank" data-itemshowtype="">【预测】8月CPI同比持平、环比反弹</a>
🏵️具体看,核心走高主要是因为酒店与机票,其他核心商品与服务价格相对温和,房租环比不到0.2%,这或许解释了为何数据公布后黄金先跌后涨,美债利率先涨后跌这一“奇怪”反应,就好像数据是低于预期似的,市场可能认为这种因出行和假期导致的上涨不可持续。
但再怎么说也是“超预期”,因此9月加息预期已达83%。也有一种可能是市场认为加息反正“板上钉钉”,所以开始交易利空出尽,如果是后者,确实有点超前。
🏵️不管市场怎么提前博弈,美联储选择却不多。核心环比超预期,使鸽派官员也不太好找借口在下周会议上按兵不动了。
美联储近期的确“流年不利”,自从7月底FOMC上沃什扰乱市场预期后信心开始动摇,美债利率走高闹出了一波风波,随后迫使沃什在Jackson Hole 做出鹰派承诺,紧接着非农、PPI、CPI 都超预期,直到现在把美联储“逼到墙角”,要兑现自己鹰派“表态”。
🏵️我们早在Jackson Hole发言后点评<a href="https://mp.weixin.qq.com/s?__biz=MzA3NjU1NTQwMA==&amp;mid=2649792270&amp;idx=1&amp;sn=9fa174dba6e579acf0360030652d00f1&amp;scene=142#wechat_redirect" class="normal_text_link mp_article_text_link" target="_blank" data-itemshowtype="11">沃什转鹰意味着什么?</a>中就提到,从维护美联储信誉角度,最好就是加息,除非接下来数据都非常“配合”。但现在数据都不配合,所以如果下周还“强行”按兵不动,市场会如何看待此前的鹰派表态?恐怕会造成更大信任危机和美债失控。
反之,现在数据给了“充足行动理由”,而加一次息也不会对经济和市场造成什么冲击,毕竟已经充分预期了,且这次推动通胀走高的油价和机票酒店看似也不是多么有持续性。
这样做反而可以稳定信心,推动美债期限溢价先回落,然后甚至推动美债整体筑顶回落。短周期加息或降息,都是提前计入,都是“反着走”,2024年和2025年降息是这样,1997年加期也是这样。
🏵️市场在事前往往因为害怕加息影响而回避加息不做准备,但在看到加息风险无可避免时又过度担心加息后的冲击,这大可不必。
我们与市场想法的不同之处在于:不认为加息是洪水猛兽,加息未必是坏事,除非是连续加息;反之,不加息也未必就是好事。
不是说不会造成扰动,但短暂的加息更多是提前兑现,如果造成扰动,反而可能提供更好买点,但如果强行不加带来短期提振,却可能造成未来更多麻烦。
专访「AI 投研精英孵化计划」学员 Jack – AI 原生个人投研系统撰文:Alma Li,Techub News
导语:
从交易所 Listing Team 的项目发现、尽调研究到资产上线,Jack 经历过一套服务于平台业务的多维资产评估流程。如今作为独立投资研究者,他尝试将这种“网状思维”迁移至美股、数字资产、宏观与跨资产研究,并用 AI 搭建一套可持续更新、可交叉验证、可复盘的个人投研工作流。在他看来,AI 真正带来的不是“认知平权”,而是知识获取的平权;最终定义问题、判断证据和承担风险的,仍然是人。
在众多“AI+投研”的叙事里,最容易出现的画面,是用户输入一段提示词,系统迅速给出“买入”或“卖出”的结论。Jack 对这种想象保持距离。
核心观点:
“真实的投研不是一个按钮,而是一套系统化的研究工程。”
AI 的价值不在于替人拍板,而在于把原本分散、重复、难以留痕的研究动作,连接成一个可验证、可更新、可复盘的过程。
从 2021 年进入加密行业,到参与项目发现、尽调、商务沟通与资产上线的完整流程,交易所经历让他形成了一种多因子、动态的研究习惯。离开机构视角、开始以个人资金面对市场后,问题变成了另一种形式:资产覆盖更广,信息却更割裂。
于是,他开始为自己搭建一套 AI 原生投研基础设施。它服务的不是一个自动化交易承诺,而是一个更基础的问题:当研究者面对一条市场主线、一个资产或一个突发信号时,如何更快地形成完整逻辑,又不把判断力交给黑箱。
从项目上币到个人投资:研究目标变了,底层思维没有变
TECHUB NEWS:在交易所 Listing Team 的经历,给你今天做独立投研留下了什么?
Jack:当时做 Listing,不是只看一个项目质量好不好、融资额有多少,或者赛道增速快不快。站在交易所的业务场景里,要同时看项目本身、真实用户与市场需求、能否带来新增用户和交易、有没有持续的流动性和资产沉淀,以及它和平台战略、用户风险之间是否匹配。
最终的判断是动态的:它是否适合在这个时间节点上线。研究的对象看似是项目,实际服务的是平台的业务目标。
当研究身份从交易所转向个人投资者,目标随之变化:不是判断一个项目是否适合平台上币,而是判断一个资产是否值得配置、为什么值得配置、在什么条件下又不值得配置。
但 Jack 认为,两者的底层思路是一脉相承的。“价值和价格是两件事。”他说,研究一家公司或一个行业,不能只证明它“好”,还要同时放进基本面、预期、估值、价格、催化剂和市场环境里理解。真正有效的研究,应是一种网状思维,而非从单点信息推导出线性结论。
个人投研的痛点:信息不缺,决策过程却被切碎
TECHUB NEWS:从机构研究转向个人研究后,最大的挑战是什么?
Jack:资产越来越丰富,研究和决策反而变得更复杂。今天的交易平台能提供数字资产、美股、黄金等大量标的,但从“看到一个资产”到“形成投资判断”的过程,往往是割裂的。你要离开交易界面,去看行情、新闻、社交媒体、产业数据和公司信息,再把这些碎片重新拼回自己的逻辑。
在他看来,个人研究者真正消耗的,往往不是缺少观点,而是跨平台搜集、比对和更新信息所产生的决策摩擦。AI 投研系统的出发点,正是降低这种摩擦,把“发现机会—理解资产—验证逻辑—持续跟踪”连成一个工作流。
这套工作流首先要发现市场正在交易的主线:资金、产业趋势、基本面、价格和事件,是否共同指向某一方向;主线确定后,再理解具体资产为什么可能受益,其商业逻辑、项目逻辑和传导路径是什么;之后用独立数据补全证据链;最后将判断放进持续跟踪与复盘,而不是在一次输出后结束。
“它来自真实的研究工作流,不是为了展示 AI 而拼出来的流程。”Jack 说。
AI 不是买卖按钮,而是可复现的研究助理
TECHUB NEWS:能否用一个案例说明,系统如何在真实研究中发挥作用?
Jack:以 AI 和半导体主线为例,长期来看,它们仍可能是未来多年重要的产业方向;但这不意味着任何时候都应该无差别地追高。
他在访谈中回顾,以 AI 和半导体为例,长期产业逻辑依然很强,但长期看好并不意味着每一个时间点都适合配置。7 月和 8 月期间,半导体板块出现了比较明显的回撤和分化。系统识别到的变化,并不是简单地认为“AI 或半导体主线失效”,而是市场开始从此前相对广泛的上涨进入更明显的内部轮动和主线迁移。一方面,半导体内部不同细分方向和公司的表现开始明显分化;另一方面,医药、能源等方向在价格、资金和相对强弱上逐渐得到更多确认。公司和产业长期好不好,是一个问题;市场现在真正交易什么,是另外一个问题。
在 Jack 看来,关键不在于事后为行情编写解释,而在于这些信号在当时是否能够被稳定识别,并对接下来一至三个月提供有价值的判断。这样的模块也必须在持续实践中被修正和迭代。
这正是他为 AI 划定的角色边界:研究者负责定义问题、设计框架、沉淀行业 Know-how,并决定哪些信号值得被纳入系统;AI 负责按照这些定义执行信息处理、逻辑验证和持续更新。AI 可以扩大人的覆盖面、固定研究过程、保留当时可获得的数据与判断依据,但不能替代人承担投资决策。
“我现在更愿意把它定义为助理。”他说,“它让投研过程可以复现:不仅能看今天得到了什么结论,也能回看在当时的信息条件下,系统为什么会形成这样的推断。”
数据分层:先定义证据质量,再让 AI 推理
TECHUB NEWS:AI 系统如何避免被错误信息或单一信源带偏?
Jack:控制 AI 错误不能只从数据源开始,更上游的是问题定义。比如直接问“半导体行业哪家公司最好”,本身就是一个不够严谨的问题——最好是增长最快、技术壁垒最高、资本回报最好,还是当前最值得投资?不同的决策目标会得到完全不同的研究路径。因此,他把整个验证过程拆成五步:问题定义、推理链条、数据来源、交叉验证、反向证据。然后再进入一类、二类、三类数据。
他将监管披露、公司财报和业绩电话会,以及美联储、财政部门、统计部门等直接发布的数据,归为一类数据:这类信息可追溯、可信度最高,应成为推理的优先基础。Bloomberg、Wind 或优质财经媒体等可作为二类信息,用来补充和交叉比对;而社交媒体传闻、论坛讨论等三类数据,最多可作为线索,不应覆盖或替代一类证据。
这种分层并不意味着 AI 自动变得可靠,恰恰相反,它把“数据把关”的责任重新放回研究者手中。模型可以更高效地处理、整理和呈现来源,但哪些数据可用、哪些结论需要被反证,仍需要人来设定规则。
Jack 认为,一个能够被长期信任的 AI 投研系统,至少应满足四项标准:研究过程模块化而非直接输出黑箱结论;每个模块具备清晰的数据逻辑与证据链;结论可以交叉验证,并主动寻找反向证据;当新信息出现时,系统能够持续更新并接受复盘。
AI 带来知识平权,不等于认知平权
随着大模型降低资料获取与学习门槛,“AI 是否会让个人投资者拥有与机构相同的认知能力”成为市场热议的问题。Jack 的答案很明确:AI 可以带来知识平权,但不等于认知平权。
“我们今天可以借助 AI 更快接触顶尖课程、研究论文和专业概念,这当然是一种巨大的知识平权。” 他说,“大家拿到同样的数据、同样的工具,也不意味着会形成同样的投资判断。”
差异来自现实经验,也来自对问题的定义能力。即使拿到相同的数据、使用相同的模型,不同研究者对于产业、风险、验证路径和仓位管理的理解不同,输入系统的结构也会不同,最终结论甚至可能走向相反方向。
对 Jack 而言,真正难以复制的“Edge”并不是一段公开代码或一个看起来成熟的提示词,而是研究者在真实场景里不断发现问题、修正问题、迭代框架的能力。公开展示的选股逻辑往往只是系统的一个切面;如何更早识别尚未被充分定价的变化、如何识别反向风险,才更接近研究能力的核心。
先在自己身上验证,再考虑产品化
目前,这套系统仍处于持续打磨阶段。Jack 将其称为 OPC(One Person Company)式的实践:先服务于自己的研究,再在使用中验证它是否真正解决了投资决策中的现实问题。
考虑到投资是高决策成本、高风险成本的场景,他对商业化保持谨慎。后续规划是,在个人使用足够成熟的基础上,先进行小范围内测;只有当系统能够稳定帮助研究者降低真实痛点,才考虑进一步产品化、商业化,并开放给更多研究者或投资者。
参加 AI 投研精英孵化计划,也为这套系统提供了一个外部校验场。Jack 提到,导师和不同背景学员带来的追问,尤其是关于“这套投研系统的 Edge 到底在哪里”的问题,促使他重新审视产品的差异化与可迭代性。
独立研究最容易陷入路径依赖:一个人可以持续优化自己的流程,却未必意识到盲区。对他来说,孵化计划的价值正在于把隐性的经验拿到外部讨论中,接受质疑,再把反馈带回系统。
当越来越多的人把 AI 想象成一个更快给出答案的工具,Jack 的实践提供了另一种路径:与其追求一个“万能买卖按钮”,不如先建立一套能解释证据、容纳反证、持续更新且可以复盘的研究基础设施。
投资判断最终仍由人承担;但一套被认真设计的 AI 工作流,或许能让这个判断不再只依赖零散信息、即时情绪和难以复述的直觉。
编辑说明:本文根据 TECHUB NEWS 对 Jack 的访谈录音、会议纪要及采访提纲整理。文中关于其个人系统、研究方法、市场案例与后续计划,均以受访者访谈表述及提供资料为基础。文中涉及 AI、半导体、数字资产、美股及其他资产的讨论,仅用于说明研究框架与方法,不代表对任何具体标的、行业或市场走势的推荐、预测或保证。
免责声明:本文仅作信息交流与研究方法讨论,不构成任何投资建议。证券、期货合约及虚拟资产价格可升可跌,过往表现不代表未来结果。读者不应仅依赖本文内容作出投资决策,并应根据自身投资目标、财务状况及风险承受能力审慎评估,必要时咨询独立专业意见。
Charlie Holtz(查理·霍尔茨)与 Jackson Sippe(杰克逊·西普):AI 编程代理的“指挥家”如何改变工程师工作流撰文:Techub News 整理
在最新一期的 YC Root Access 节目中,主持人 Aaron 对话了初创公司 Conductor 的两位联合创始人 Charlie Holtz(查理·霍尔茨)和 Jackson Sippe(杰克逊·西普)。这家公司2026 年 5 月完成了由 Spark 和 Matrix 共同领投的 2200 万美元 A 轮融资。他们开发了一款革命性的 Mac 应用,旨在让工程师能够同时指挥多个 AI 编程代理协同工作,从而极大提升开发效率。本次对话深入探讨了他们的创业故事、产品理念以及对未来软件工程形态的深刻洞察。
从“为自己打造工具”到改变工程师工作方式
Conductor 的核心产品是一个 Mac 应用程序,它允许开发者同时运行多个编码代理,例如 Claude Code 或 Codex。与传统在 IDE 中手动编辑代码或在终端中与单个 AI 交互不同,Conductor 将所有编码代理整合到一个界面中。用户只需点击一下,就可以创建一个代码库的隔离副本,指派 AI 代理去完成任务,然后审查并合并其工作成果。
Charlie Holtz(查理·霍尔茨)和 Jackson Sippe(杰克逊·西普)在大学相识,尽管年级相差甚远,但共同的兴趣和项目合作让他们走到一起。毕业后,Charlie Holtz(查理·霍尔茨)在 Replicate 负责增长和工程,而 Jackson Sippe(杰克逊·西普)则在 Netflix 的机器学习基础设施团队工作。两人一直保持着合作项目的习惯,并最终决定共同创业。
他们的创业之路并非一帆风顺。最初申请 Y Combinator 时,他们的想法是“用 AI 帮你预订餐厅和网球场”,但这很快被证明是一个“为解决方案寻找问题”的案例。进入 YC 孵化器后,前一个半月他们都在不断尝试和抛弃各种想法,从 B2C 到 B2B,构建了众多原型,但用户反馈往往不佳。主持人 Aaron 回忆道,当时每隔几天见面,他们就会有一个全新的方向。
转机出现在一次办公室会议上。Aaron 建议他们考虑开发工具领域,并给出了一个关键建议:“在墙上贴一张你俩的海报,上面写着‘打造这两个家伙想要的东西’。” 他们真的照做了。这个建议将范围缩小到开发工具,并让他们回归到解决自身痛点的初心。当时,他们感觉现有的 AI 编程工具还不够强大,而随着 Sonnet 3.5 等模型的发布,存在巨大的可能性未被发掘。
他们曾尝试构建一个“IDE 之后”的用户界面,让人工智能完全接管工作流,但当时的模型能力和工具调用成熟度不足以支撑这个愿景。暂时搁置这个宏大想法后,他们决定先做一个更好的聊天应用 Chorus,允许用户同时与多个模型对话。正是在构建 Chorus 及其开发工具的过程中,他们偶然发现了 Conductor 的雏形。
当 Charlie Holtz(查理·霍尔茨)第一次快速构建出 Conductor 的原型,并展示给 Jackson Sippe(杰克逊·西普)时,后者的反应是:“首先,这完全不是我想要的样子,很多东西得改。其次,这太令人印象深刻了,效果居然这么好,我们必须做这个。” 从写下第一行代码到发布产品,大约只用了三周时间。第一周是 Charlie Holtz(查理·霍尔茨)独自完成原型,效果出奇地好;随后他们花了约两周半进行打磨。
真正让他们确信“就是它了”的时刻,是当 Charlie Holtz(查理·霍尔茨)第一次给一个代理分配任务,然后按下快捷键给另一个代理分配任务,接着看到第一个代理出现“未读”提示点,点进去发现它已经完成工作时。那种能够同时运行多个代理并保持高效的神奇体验,以及 Jackson Sippe(杰克逊·西普)——这位通常对新奇事物持怀疑态度的伙伴——也认为它确实有用的反馈,成为了关键信号。更令人兴奋的是,他们能够“用 Conductor 来构建 Conductor”,这本身就是一个充满魔力的正反馈循环。
Conductor Cloud:突破本地瓶颈,迈向持续协作
在访谈中,Charlie Holtz(查理·霍尔茨)和 Jackson Sippe(杰克逊·西普)宣布了 Conductor Cloud 的发布。在此之前,Conductor 完全在用户的 Mac 本地运行。这意味着一旦关闭笔记本电脑,正在工作的 Claude Code 或其他代理就会停止。Conductor Cloud 的推出改变了这一局面,现在用户可以创建由云环境支持的工作空间,即使关闭电脑,代理也能持续工作。
这解决了用户遇到的一个主要瓶颈:本地算力和管理能力的限制。许多 Conductor 的重度用户已经达到了他们能在本地同时运行的不同工作树或实例数量的上限。Charlie Holtz(查理·霍尔茨)坦言,以他个人的认知负荷,最多只能同时有效管理三到五个代理。他认为这部分是一个界面设计问题,也是团队接下来迫切希望解决的挑战。他们已经证明了同时运行多个编码代理是可行的,但要突破三到五个的限制,达到更高层级,就需要在抽象层面进行创新,重构交互界面。
回顾 Conductor 的诞生,最初他们尝试手动管理多个代理,但摩擦太大,很难超过一两个。即使更早之前尝试构建类似工具,也因时机不成熟而失败——当时还无法完全脱离 IDE。AI 代理需要达到一个“甜点”状态:既不需要人类关注其每一个动作,又需要人类保持足够的关注以实现有效的编排和多任务并行。在早期实验中,他们甚至为每个代理克隆了五个代码仓库副本,后来才发现并使用 Git 的工作树功能,并一步步构建出 Conductor 所需的基础组件。
业务的增长证明了产品的市场契合度。自今年一月以来,Conductor 的用户量增长了约十倍。用户群体非常广泛,从独立黑客到大型上市公司的工程师,每天都在使用它。团队虽然精干,但正在快速成长,并计划扩大规模。
病毒式传播与洞察顶尖工程师
除了卓越的产品构建能力,Conductor 团队,尤其是 Charlie Holtz(查理·霍尔茨),还以其制造病毒式传播内容的能力而闻名。他的一个著名案例是在 GPT-4 Vision 发布当天,编写了一个简单的 Python 脚本,通过网络摄像头实时观察他的动作,并用 David Attenborough(大卫·爱登堡)的声音克隆进行旁白解说,仿佛他身处《地球脉动》纪录片中。这条推文意外爆火,甚至被爱登堡本人看到,尽管后者并不太欣赏这个作品。
Charlie Holtz(查理·霍尔茨)将这种能力部分归功于他在 Replicate 的工作经历,当时他的主要任务就是通过构建演示应用和制作展示技术可能性的视频来促进增长。他分享的心得包括:保持真实和直接,避免公司腔调,不装腔作势,像和朋友聊天一样表达;内容形式可以简单直接,比如他的爱登堡视频就是原始的屏幕录制,几乎没有剪辑;最重要的是进行大量尝试,发布许多内容,观察什么能引起共鸣,从而掌握“爆款内容”的形态。Jackson Sippe(杰克逊·西普)则补充了一个精辟的总结:“制作你自己也想点击的内容”,这与 YC “打造你自己想要的产品”的建议一脉相承。
为了深入了解用户,Conductor 团队经常在城市中进行“自行车巡游”,与用户面对面交流,并观察他们如何使用产品。这让他们得以近距离观察世界上最优秀的工程师如何在技术前沿进行构建。他们发现了几个有趣的现象:
重视技能文件: 顶尖工程师会投入大量精力构建和维护“技能文件”。他们会将学到的 React 最佳实践、代码库特定知识等整理成 Markdown 文件,供 AI 代理持续学习,从而提升代理输出的质量。
配置趋于简洁: 令人有些意外的是,许多优秀工程师的开发环境设置其实非常简单和“纯净”。Charlie Holtz(查理·霍尔茨)将其类比为那些拥有复杂 Vim 配置但未必高效产出的人,暗示过度优化工具本身可能并非关键。
划分“自由区”与“严谨区”: 他们观察到并正在实践一种模式:在代码库的某些部分,可以放手让 AI 自由发挥;而在其他更核心或需要精心设计的部分,则由人类担任架构师,AI 作为执行者。这创造了“无杂乱区域”,平衡了效率与控制。
未来展望:从管理代理到领导 AI “军团”
当被问及编程和工程学的未来时,Charlie Holtz(查理·霍尔茨)和 Jackson Sippe(杰克逊·西普)表达了他们的看法。尽管预测几年后的事情很困难,但他们确信模型会变得比现在聪明十倍、百倍,能够在无需人类频繁干预的情况下运行更长时间,感觉上会越来越像一个人类同事,尽管其“思维”方式依然与人类迥异。
Conductor Cloud 的推出正是为了迎接这个未来,让代理能够长时间运行。他们展望,未来的界面需要让工程师感觉像是管理着一个庞大企业的 CEO,手下有成千上万的 AI “员工”在为你工作。大部分时间,你就像 CEO 一样坐在办公桌前,接收来自“工程主管”、“市场主管”等 AI 的高层汇报。偶尔,你需要深入细节进行检查,这类似于现在的代码审查(PR Review),只不过你是向下钻取,询问某个具体的“AI 员工”完成了什么工作。
这又回到了之前关于顶尖工程师观察的问题:最好的 AI 使用者,往往也是最好的人类协作者。 他们能够理解各个层级发生的事情,查看代理在每个层面上的操作,优化其遇到的瓶颈,并且进行前瞻性思考,而不是被动回应代理的输出。他们需要思考:要完成这个任务,我需要回答哪些设计问题?我需要关心哪些部分?应该给代理施加哪些约束条件?
对于 Conductor 的未来,他们的愿景是让它不再局限于个人笔记本电脑,而是能够运行在任何地方,成为管理组织内所有 AI 的“指挥中心”。用户可以从手机、笔记本电脑或现有的云基础设施接入这个系统。Charlie Holtz(查理·霍尔茨)特别对“提升抽象层级”感到兴奋。他认为目前的 Conductor 在某种程度上还带有其诞生时期(2023年7月)的模型能力印记,他渴望探索更高层次的抽象,让人们以不同于现在的方式控制模型,这里面有大量的界面和产品实验空间。
这将为用户解锁什么?首先,是突破人类工作记忆的瓶颈(目前是三到五个代理)。其次,是突破代码审查的瓶颈。目前工程师仍需非常仔细地审查 AI 添加的每一行代码,这消耗了大量精力。团队认为,目前仍停留在 2010 年代的 GitHub PR 审查模式,未来在审查环节有巨大的创新潜力。
最后,谈到团队建设,他们目前招聘的标准有些“非传统”:现有团队成员要么玩过极限飞盘,要么是法国人。当然,更重要的是寻找那些行动敏捷、有创业公司经验或自己创过业、渴望快速行动并置身于技术前沿的人。最关键的是,要有动力为自己、为最优秀的工程师打造工具。能够“使用自己打造的工具来打造这个工具”,在不同层级上同时工作——既在开发具体功能,又在思考和改进背后的工作流程并将其产品化——这种体验正是 Conductor 团队乐趣和动力的核心来源。正如 Charlie Holtz(查理·霍尔茨)所说:“没有其他我更愿意从事的工作,也没有其他我更愿意一起共事的人。” 在这个软件工程范式剧烈变革的时代,为改变构建方式本身而工作,无疑是最激动人心的事情之一。RaveDAO暴涨暴跌背后争议……Jack XBT“团队至少可能知情”围绕RaveDAO代币价格暴涨暴跌事件,内部牵连的嫌疑日益增大。对于其在短短9天内暴涨超10000%后暴跌的背景,链上分析师指出了团队的“可知情可能性”。
“团队至少知晓幕后操纵者”
链上分析师ZachXBT周日通过X(原推特)表示:“RaveDAO团队很可能至少知道操纵代币价格的主体是谁。”他指出,4月26日在中心化交易所(CEX)发生的可疑活动与RaveDAO团队相关的链上地址有关联,这可能与团队此前的解释相矛盾。
在另一篇帖子中,他解释说,从用于初始代币分配的“RAVE”地址中,约有2300万美元(约合338亿韩元)规模的代币转移到了两个Bitget存款地址。就在此转移发生后,价格从1美元暴跌约40%至0.6美元。
RaveDAO澄清“与价格波动无关”
RaveDAO方面周六通过X平台的一系列帖子划清界限,称:“我们注意到关于$RAVE和团队的传闻与指责,但并未参与近期的价格波动。”
然而,ZachXBT反驳道:“考虑到代币供应的集中程度,团队不知道这些价格波动背后操纵者的可能性很低。”他补充说:“很难相信,在几乎没有实际应用价值的情况下,市值能在9天内从6000万美元‘自然’增长到60亿美元。”
9天暴涨10000%后,48小时内暴跌90%
RAVE代币从约0.25美元上涨至27.33美元,涨幅约11000%。但随后在48小时内暴跌超过90%,导致约57亿美元(约合8.3898万亿韩元)的市值蒸发。目前价格在0.67美元左右交易。
ZachXBT表示,此案例并非特例,并指出:“在大型CEX上曾发现过类似的操纵迹象。只不过这次最为明目张胆。”他接着指出:“交易所没有察觉到这种规模价格波动的可能性也很低。”
此次事件再次引发了关于模因性/低流动性代币结构可能引发的暴涨暴跌风险,以及对交易所和项目团队角色的质疑。
文章摘要 by TokenPost.ai
🔎 市场解读
RAVE代币在9天内暴涨超10000%后,于48小时内暴跌90%,呈现出典型的投机性价格扭曲模式。
链上数据显示大规模代币转移流向CEX,并与价格崩盘时间点吻合,这是核心疑点。
💡 策略要点
初始代币集中度和链上资金流向是判断操纵与否的核心指标。
在暴涨阶段,必须确认流动性、上市交易所以及大额充提币动向。
模因/低流动性代币短期内发生极端波动的可能性高,风险管理至关重要。
📘 术语解释
链上分析:基于区块链交易数据追踪资金流向的分析方式。
CEX(中心化交易所):如币安、Bitget等存在中央运营主体的交易所。
拉高出货:人为拉高价格后通过大量抛售导致暴跌的操纵方式。
💡 常见问题解答 (FAQ)
Q.
RAVE代币为何如此暴涨暴跌?
短期内大规模资金流入,加上特定地址向交易所转移的代币数量与价格上涨和下跌时机吻合,导致了异常波动。这通常暗示了人为价格形成的可能性,而非单纯的市场需求。
Q.
通过链上分析可以确认什么?
可以追踪特定钱包的资金流动、交易所充提币、代币集中度等,从而判断是否有内部人员介入或推测抛售时机。在此次案例中,初始分配地址与交易所之间的关联也被用作核心依据。
Q.
投资此类代币时需要注意什么?
必须确认代币供应量是否集中在少数钱包、是否具有实际应用性(效用)、交易所流动性是否充足。对于暴涨的资产,最重要的是看“谁在何时可以抛售”。
TP AI 注意事项
本文使用基于TokenPost.ai的语言模型进行文章摘要。正文的主要内容可能被省略或与事实有出入。
Jack Dorsey:告别传统公司层级,借助 AI 走向智能体架构撰文:Jack Dorsey 及 Roelof Botha,Block
编译:Yangz,Techub News
在红杉,我们发现速度是创业成功的最佳预测指标。大多数公司都把 AI 视为一种生产力提升工具。但很少有人关注 AI 在改变我们协作方式上的潜力。而 Block 正在展现的,是对组织设计进行根本性重构,最终利用 AI 来提升速度,使其成为一种复利式的竞争优势。
在企业第一张组织架构图诞生的两千年前,罗马军队就解决了一个至今仍在困扰所有大型组织的问题:如何在沟通受限的情况下,协调分散在广阔地域上的数千人?
他们的答案是一种嵌套式的层级结构,在每一级都保持稳定的管理幅度。最小的单位叫「八人组」(contubernium),由八名士兵组成,共用一顶帐篷、装备和一头骡子,由一名十人长(decanus)领导。十个八人组构成一个「百人队」(century),共八十人,由一名百夫长(centurion)指挥。六个百人队组成一个「支」”(cohort)。十个支队组成一个军团(legion),约五千人。在每一层,都有一个指定的指挥官,拥有明确的权威,负责从下级汇总信息,并将决策传达给下级。这种结构(8 → 80 → 480 → 5,000)本质上是一个信息路由协议,其基础是一个简单的人类限制:一个领导者有效管理的人数大约在三到八人之间。罗马人通过数百年的战争发现了这一点。即使在今天,美国陆军的层级链条也遵循着类似的模式。我们现在称之为「管理幅度」,它仍然是地球上每一个大型组织的核心制约因素。
下一个重大变革来自普鲁士。1806 年,拿破仑的军队在耶拿战役中摧毁了普鲁士军队。之后,以 Scharnhorst 和 Gneisenau 为首的一批改革者围绕一个令人不安的事实重建了军队:你不能依赖顶层个人的天才,你需要的是一个系统。他们创建了总参谋部,这是一个由训练有素的军官组成的专门阶层,他们的工作不是作战,而是规划行动、处理信息、协调各部队。Scharnhorst 希望这些参谋军官能够「辅佐无能的将军,提供领导者和指挥官可能缺乏的才能」。在「中层管理」这一术语出现之前,这就是其原型。这些专业人士的职责是在复杂的组织中路由信息、预先计算决策并保持对齐。军队还正式区分了「直线」(line)和「职能」(staff)两种职权。直线部门推进核心使命,职能部门提供专业支持。直到今天,每家公司仍然在使用这套术语。
这一军事层级结构通过 19 世纪 40、50 年代的美国铁路进入了商业世界。美国陆军将西点军校培养的工程师借调给私营铁路公司,这些军官带来了军事组织思维。职能与直线层级、事业部结构、官僚化的报告与控制体系:所有这些都是在军队中发展起来的,后来才被铁路公司采用。19 世纪 50 年代中期,纽约和伊利铁路公司的 Daniel McCallum 创建了世界上第一张组织架构图,用以管理一个绵延 500 多英里、拥有数千名员工的系统。那些在小型铁路上行之有效的非正式管理方式开始失效,火车相撞事故频发,造成人员伤亡。McCallum 的架构图将罗马人使用过的层级逻辑正式化了:权力层级、明确的汇报关系、结构化的信息流动。它成为了现代公司的蓝图。
后来,被称为「科学管理之父」的 Frederick Taylor(1856-1915)优化了这套层级内部的工作方式。Taylor 将工作分解为专门化的任务,分配给经过培训的专家,并通过测量而非直觉来进行管理。这催生了职能金字塔式组织,即一种针对信息传递系统效率而优化的结构,最初由军方开创,后被铁路公司商业化。
第二次世界大战期间,职能层级结构首次经受了真正的考验。曼哈顿计划需要物理学家、化学家、工程师、冶金学家和军事人员在极端保密和时间压力下,跨越学科界限,共同实现一个目标。奥本海默将洛斯阿拉莫斯实验室组织为若干职能分部,但他坚持跨分部开放协作,抵制了军方惯用的部门划分模式。1944 年,当核爆问题成为关键瓶颈时,他围绕这一问题重组了实验室,创建了跨职能团队,这在当时的美国企业界是前所未见的。这种做法奏效了,但这是在战争时期由一位非凡领导者主导的例外情况。战后商界面临的问题是:这种跨职能的协作能否成为常规?
随着二战后企业的成长与全球化,职能型设计的规模局限性变得日益突出。1959 年,麦肯锡的 Gilbert Clee 和 Alfred di Scipio 在《哈佛商业评论》上发表了《创建世界级企业》一文,为将职能专长与事业部相结合的矩阵式组织结构提供了理论框架。在 Marvin Bower 的领导下,麦肯锡帮助壳牌、通用电气等公司实施了这些原则,在中央标准与本地灵活性之间取得平衡。这便成为了推动战后全球经济发展的「专业化」或「现代」公司的雏形。
随着时间的推移,其他框架也应运而生,以应对矩阵结构的复杂性、僵化和官僚化问题。20 世纪 70 年代末,由 Tom Peters 和 Robert Waterman 提出的麦肯锡 7S 框架,区分了「硬 S」(战略、结构、系统)和「软 S」(共同价值观、技能、人员、风格)。其核心理念是:仅仅依靠结构要素是不够的。组织效能需要文化特质以及决定战略能否真正成功的人的因素之间实现对齐。
最近几十年,科技公司在组织结构上进行了大胆的实验。Spotify 推广了采用短周期冲刺的跨职能小队模式。Zappos 尝试了合弄制,完全取消了管理头衔。Valve 采用扁平化结构,没有正式的层级。这些实验都揭示了传统层级结构的某些局限性,但都没有解决根本问题。Spotify 在规模扩大后又回归了传统管理模式。Zappos 则经历了显著的人员流失。而 Valve 的模式被证明难以扩展到几百人以上。当组织规模增长到数千人时,它们都会回归层级式协调,因为还没有任何一种替代性的信息路由机制足够强大到能够取代它。
这个制约因素与罗马人曾经面对的、美国海军陆战队在二战中重新发现的如出一辙:缩小管理幅度意味着增加指挥层级,但层级越多,信息流动就越慢。两千年的组织创新,本质上都是在试图规避这一权衡,却始终未能打破它。
那么,现在有什么不同?
在 Block,我们正在质疑一个基本假设,即组织必须通过层级来构建,并以人作为协调机制。相反,我们打算取代层级所承担的功能。如今大多数使用 AI 的公司,都是在给每个人配备一个「副手」,这使得现有结构在不改变其本质的前提下略微改善了运作。然而,我们追求的则截然不同:一个作为「智能体」(或迷你 AGI)来构建的公司。
我们并不是第一个试图超越传统层级的尝试者。海尔的人单合一模式、平台型组织、「数据驱动」的管理都是针对同一个问题的真实探索。它们所缺乏的,是一种能够真正执行层级所承担的协调功能的技术。AI 就是那种技术。有史以来第一次,一个系统将能够维护持续更新业务模型,并利用这个模型来协调工作。此前,这项工作需要人类通过层层管理来传递信息。
要实现这一点,一家公司需要两样东西:一个是关于其自身运营的某种 「世界模型」 ,另一个则是足够丰富的客户信号,使这个模型变得有用。
Block 以远程办公为先。我们所做的一切都会产生工件(artifacts)。决策、讨论、代码、设计、计划、问题、进展,都以被记录的行动形式存在。这些就是构建公司世界模型的原材料。在传统公司里,经理的职责是了解其团队正在发生什么,并将这些背景信息在层级中向上和向下传递。而在一个工作已机器可读的远程优先公司里,AI 可以持续构建并维护这幅图景:正在构建什么、什么被卡住了、资源如何分配、什么有效、什么无效。这些信息过去由层级结构承载,现在则由公司世界模型承载。
然而,系统的能力,取决于输入给它的客户信号的质量。而金钱是世界上最诚实的信号。
人们在调查中会说谎,会忽视广告。但当他们消费、储蓄、转账、借贷或还款时,这就是事实。每一笔交易都是关于某个人生活的一个事实。Block 每天通过 Cash App 和 Square 分别获取数百万笔交易的买卖双方数据,此外还有运营商户业务所产生的数据。这赋予了客户世界模型一种罕见的能力:建立在不断累积的诚实信号之上的、对每个客户、每个商户的财务现实的理解。信号越丰富,模型就越好;模型越好,交易就越多;交易越多,信号就越丰富。
公司世界模型与客户世界模型共同构成了一种新型公司的基础。在这种公司里,不再是产品团队去构建预先设定的路线图,而是去构建四样东西:
第一:功能,即原子化的金融原语。支付、借贷、发卡、银行业务、先买后付、薪酬服务等基础金融功能不是产品,它们是难以获取和维护的基础构件(有些具备网络效应,且需要监管许可)。它们自身没有用户界面。它们拥有可靠性、合规性和性能方面的目标。
第二:世界模型。这包含两个方面。公司世界模型让公司能够理解自身及其运营、绩效和优先事项,取代了过去在管理层级中流动的信息。客户世界模型则是基于专有交易数据构建的、对每个客户、每个商户、每个市场的表征。它从原始交易数据起步,随着时间的推移,将逐步演化为完整的因果模型和预测模型。
第三:智能层。它负责将基础金融功能组合成针对特定客户、在特定时刻的解决方案,并主动交付。例如,一家餐厅的现金流在季节性低谷到来前趋紧,而模型此前已经见过这种模式。智能层灰从借贷功能中组合出一笔短期贷款,利用支付功能调整还款计划,并在商户甚至还没想到要寻求融资时,就将方案呈现给他们。再如,一个 Cash App 用户的消费模式发生了变化,模型将其与「搬到新城市」关联起来。这时,智能层灰组合出一个新的直接存款设置、一张为新社区优化了返现类别的 Cash App 卡,以及一个根据其更新后的收入校准的储蓄目标。没有哪个产品经理决定去构建这两个方案。基础金融功能已经存在,而智能层识别到这些时刻,并将它们组合了出来。
第四:界面(硬件和软件)。Square、Cash App、Afterpay、TIDAL、bitkey、proto。这些是交付界面,智能层通过它们来交付组合好的解决方案。它们很重要,但价值创造的核心并不在这里。价值在于模型和智能层本身。
当智能层尝试构建解决方案却因功能缺失而失败时,这种失败信号就是未来的产品路线图。传统的路线图,即产品经理对下一步开发内容进行假设,是任何公司最终的限制因素。而在这种模式下,客户的实际需求直接决定了产品待办事项列表。
如果这就是公司所打造的产品,那么问题就变成了:员工们该做什么?
新型的组织结构由此而来,且与传统模式截然相反。在传统公司中,人是智能体,层级负责路由各类信息。而在新模型中,智能存于系统之中,人处于边缘位置,而边缘是实际行动发生的地方。
边缘是智能与现实接触的地方。人们可以深入到模型尚无法触及的领域,感知模型无法感知的事物,例如直觉、有主见的判断、文化背景、信任状况、房间里的气氛等。他们可以做出模型不应独自做出的决策,尤其是伦理决策、新情况、以及一旦犯错代价关乎存亡的高风险时刻。一个无法接触世界的世界模型,只是一个数据库。但边缘并不需要管理层级来协调。世界模型为边缘的每个人提供了他们所需的背景信息,使他们无需等待信息在指挥链中上下传递,就能采取行动。
在实践中,这意味着我们将角色规范为三种:
个体贡献者(ICs):他们构建和运营各类金融功能、模型、智能层以及界面。他们是系统特定层面的深度专家。世界模型提供了过去由经理提供的背景信息,因此个体贡献者可以在自己的层面做出决策,而无需等待指令。
直接责任人(DRI):他们负责特定的跨领域问题、机会或客户成果。一个直接责任人可能在一个为期 90 天的项目中负责某个细分领域的商户流失问题,并拥有充分的权限,可以根据需要从世界模型团队、借贷功能团队和界面团队调动资源。直接责任人可以持续专注于某些问题,也可以转而去解决新的问题。
身兼管理及实干双重角色:他们既参与实际构建工作,也负责人员发展。他们取代了传统上以信息路由为主要职责的经理。这些人仍然会写代码、构建模型或设计界面。同时,他们也投入精力促进身边人的成长。他们不会把时间花在状态同步会、对齐会和优先级谈判上。世界模型负责对齐,直接责任人结构负责战略和优先级,而他们负责技术和人员管理。
这里不再需要一个永久性的中层管理阶层。旧层级所做的其他一切,都由系统来协调。每个人都被赋予了权力,其角色更贴近实际工作和客户。
Block 正处于这一转型的早期阶段。这将是一条艰难的路,其中某些部分在真正奏效之前很可能会出问题。我们现在把它写出来,是因为我们相信每家公司最终都需要面对我们曾面对过的同一个问题:你公司所理解的、真正难以被理解的东西是什么?这种理解是否每天都在加深?
如果答案是「什么都没有」,那么 AI 就只是一个成本优化的故事。你可以裁员,在几个季度内提高利润率,但最终会被更聪明的对手吞并。如果答案是在加深,那么 AI 并不会仅仅增强你的公司,它将揭示你公司的本质。
Block 的答案是经济图谱,即数百万的商户和消费者,每笔交易的双方,实时观察到的金融行为。这种理解随着系统运行的每一秒都在复利式增长。我们相信,这背后的模式——一个作为智能体而非层级来组织的公司——意义重大,足以在未来几年重塑各类公司的运作方式。Block 目前的发展足以证明这一理念并非纸上谈兵(当然,我们也欢迎各方讨论和反馈,以检验并改进我们的想法)。
公司运转的快慢取决于信息流动,而层级和中层管理阻碍了信息流动。两千年来,从罗马的「八人组」到今天的全球企业,我们从未有过真正的替代方案。八个共用一顶帐篷的士兵需要一个十人长,八十个人需要一个百夫长,五千人需要一个指挥官。问题从来不是你是否需要层级,而是:对于这些层级所承担的职能,人是否是唯一的选择? 很明显,现在已经不是了。Block 正在构建下一个时代的组织。AI浏览器助手被攻破……彗星·Copilot·Gemini均存在HashJack技术漏洞新近曝光的"HashJack"技术正面揭示了AI浏览器助手的安全漏洞。这种攻击方式通过在正常URL的哈希片段中植入恶意代码,能够暗中操控用户正在使用的AI浏览器助手功能,此举给行业带来了巨大冲击。
该威胁手法由网络安全公司Cato Networks的威胁分析组织"Cato CTRL"发现。他们在最新报告中警告,该技术可同时作用于Perplexity AI的Comet、微软(MSFT)的Edge版Copilot以及谷歌(GOOGL)的Chrome版Gemini。问题的核心在于URL哈希区域是服务器或安全工具几乎无法检测的盲区。正因如此,恶意指令在结构上极易隐藏,而AI助手会误将其当作页面上下文的一部分予以执行。
实际测试表明,Perplexity的Comet被判定为最易受攻击的浏览器助手。这款基于自主代理功能的AI工具,会机械执行URL中隐藏的指令,甚至将敏感用户账户信息或电子邮件地址传送到外部攻击服务器。尽管Copilot和Gemini通过部分防御功能降低了风险等级,但其结构性漏洞本身并未根除。
报告详细列举了HashJack可能引发的六种攻击场景,包括:伪造信息推送、恶意链接诱导、回调网络钓鱼、医疗信息篡改、凭证数据窃取、恶意代码指南传播等。尤其当浏览器内置AI正逐步获得用户信任的背景下,此类操控可能造成超乎想象的损害。
对此各企业应对策略出现分化。Cato团队数月前已向三家公司通报漏洞,Perplexity将其判定为严重缺陷并于11月完成修复。微软也在10月底发布补丁,强调针对迂回提示注入攻击的深度防御策略。而谷歌却回应称此现象属"预期设计"并"不予修复",引发舆论批评。这意味着Gemini目前仍暴露在此威胁之下。
安全专家指出,此次事件超越了单纯的技术缺陷,暴露出AI浏览架构本身存在的设计盲点。多数AI浏览器采用将完整URL传送给AI的处理机制,此过程中却缺失对哈希片段的验证环节。专家强调:"随着AI助手获得越来越多个人信息与系统权限,此类上下文操控风险已成为亟待解决的重大课题。"
值得注意的是,本报告恰在Perplexity的Comet浏览器上周被曝存在其他缺陷后发布,产生叠加效应。当时安全公司SquareX曾警告攻击者可通过该浏览器的隐藏API掌控整台设备。接连暴露的安全漏洞,正迫使AI浏览器市场面临更严格审查及新型安全框架的建设压力。
Bitcoin Amsterdam 2025 将新增 Jack Mallers 与 Saifedean Ammous 参与演讲在此前宣布 Cameron 与 Tyler Winklevoss 为压轴讲者后,Bitcoin Amsterdam 2025 再度升级议程,邀请更多比特币界具有影响力的人士。
BTC Inc. 与 Amsterdam Decentralized(欧洲最大比特币峰会的主办方)今日宣布,Strike 创始人 Jack Mallers 与畅销书作家 Saifedean Ammous 将加入比特币阿姆斯特丹峰会(Bitcoin Amsterdam 2025)的演讲阵容,峰会将于 2025 年 11 月 13 至 14 日举行。此前已确认 Gemini 联合创始人 Cameron 与 Tyler Winklevoss 为压轴讲者。
Jack Mallers
Mallers 是 Strike 创始人兼执行长,以及全球支付公司 Twenty One Capital 的联合创始人兼执行长。Strike 基于比特币闪电网络(Lightning Network)提供即时、低成本的资金转移,推动比特币支付进入主流市场,并与主要平台和商户合作,开创跨境商业新模式。
Mallers 曾入选 Forbes 30 Under 30,是比特币界最知名的青年企业家之一。他曾协助将闪电网络支付引入萨尔瓦多,并持续领导 Strike 的全球扩张。
「比特币能改变世界,因为世界无法改变比特币。」 — Jack Mallers
Saifedean Ammous
这位经济学家及《比特币标准》(The Bitcoin Standard)畅销书作者将首次在 Bitcoin Amsterdam 2025 演讲。Ammous 亦著有《法币标准》(The Fiat Standard)及《经济学原理》(Principles of Economics),长期将比特币视为不仅是技术创新,更是经济必要。
「不,你没有错过比特币列车。我们才刚开始。」 — Saifedean Ammous
与会者将密切关注 Ammous 是否会在阿姆斯特丹演讲中预告下一个重大项目。
议程、分会与 VIP 体验
峰会每日 10:00 至 17:00,设三个平行舞台:
Treasury Stage — 机构采用、企业财务、宏观经济趋势
Orange Stage — 协议开发与基础设施
Proof-of-Work Stage — 论述、启发与社区观点
两天活动将提供超过 60 小时精心策划的节目,包括教育课程、工作坊、业界公告、炉边谈话、辩论及全球比特币趋势评论。
VIP / Whale Pass 持有人将可进入专属休息室及专为机构投资人、高管与长期比特币支持者设计的专属环节。
参与人数、侧活动及社区
Bitcoin Amsterdam 2025 预计吸引逾 5,000 名来自欧洲及全球的与会者。除主会议外,城市还将举办一系列丰富的侧活动,包括聚会、社交晚宴、艺术装置与现场演出,让阿姆斯特丹成为欧洲比特币社区的一周中心。
对话 FufutureDAO 基金会负责人 Jack:当纳斯达克进场,谁能坐上 RWA 的历史级班车?撰文:Web3 农民 Frank
上链只是 RWA 的起点,让资产真正可交易,才是代币化的终局。
RWA 叙事,何时才能真正从「映射赛道」转向「交易逻辑」?
在经历了 BlackRock、Franklin Templeton 等华尔街巨头的轮番入局后,这个问题的答案,似乎一直悬而未决,直到一个关键变量的出现——纳斯达克的潜在入场,无疑将为这场深刻的叙事迭代,踩下最有力的一脚油门。
在此背景下,RWA 走到了一个微妙的拐点,过去那种停留在「资产映射」层面的玩法已显疲态,而关于「链上原生用途」与「可组合交易」的新范式正在成为角逐的焦点,当资产上链本身不再是难题,真正的挑战在于:谁能接住链上交易这「最后一公里」?
带着这个疑问,我们与 FufutureDAO 基金会负责人 Jack 进行了一场深度对话,在他看来,RWA 的胜负手不在于发行的先后,而在于交易本身。
而好戏,将在纳斯达克亲自入场后,才真正开始。
一、「旧资产」与「新世界」的冲突
1.今年以来,从各大 TradFi 巨头相继入局到最新 SEC 的表态,RWA 成为全行业关注的焦点,您怎么看这波热度?有没有什么行业误读或概念混淆?
Jack:我认为当前最大的误读,就是将「资产上链」这个动作本身与 RWA 的终极价值划上了等号。很多人认为,只要把一支股票、一笔债券变成一个 Token,RWA 革命就完成了,这本质上还是在用 Web2 的「映射思维」,把区块链仅仅当成了一个去中心化的数据库。
这种思维忽略了根本问题:资产上链后,如何释放其流动性?如何建立高效的做市机制?如何实现跨资产的组合交易?如果这些底层的交易逻辑问题不被解决,那所谓的「链上 RWA」就只是一个存在于钱包里的、流动性枯竭的凭证,与它在传统券商账户里的状态并无本质区别。
因此,我们看到的不仅仅是当前关于稳定币、美股的 RWA 代币化尝试,更应该预见到,未来广阔的大宗商品、不动产、甚至碳信用等主流金融资产,都需要一套全新的链上交易范式来承载,这才是万亿规模的真正所在。
2.很多人将合规视为 RWA 最大的拦路虎,您似乎认为还有更深层次的瓶颈?
Jack:合规是准入门槛,但它不是成败的唯一决定因素。即便解决了所有合规障碍,RWA 赛道依然面临一个更核心的瓶颈:传统金融资产的低效、非透明属性,与区块链世界原生的高效、透明属性之间的根本性冲突。
举个例子,一支美股的清算交割需要 T+1,而链上交易是原子性的、7x24 小时,如何弥合这种时间与效率的错配?这些都是深层次的结构性矛盾,需要全新的基础设施设计。
因此,我一直强调,RWA 的成功不在于「上链」本身,而在于我们能否利用区块链的特性,为这些旧资产创造出传统金融体系内无法实现的「杀手级应用」,这才是一切价值的源头。
3.这个观点很有趣,是不是也解释了为什么在这波 RWA 浪潮下,我们还未看到一个像 Aave 或 Uniswap 那样的「杀手级」应用?
Jack:是这样的,根本原因在于「资产上链」和「资产可交易」之间存在着巨大的鸿沟。Aave 和 Uniswap 的成功,是因为它们为加密原生资产(这类资产天生 7x24 小时、无历史包袱)量身打造了一套全新高效的「交易语言」和「借贷语言」。
但现在我们试图用这套为加密原生资产设计的语言,去描述一支有开闭市时间、有复杂清算流程、价格锚定在链下的股票,结果自然是「水土不服」。
换言之,当前主流的 DeFi 基础设施,特别是 AMM,是为价格发现机制模糊、高波动性的加密原生资产设计的,但 RWA,比如特斯拉的股票,它在纳斯达克有一个绝对权威的公开市场价格。你不能用 AMM 去「发现」它的价格,你只能去「跟踪」它。
用错误的工具去解决问题,自然无法产生真正的网络效应,所以,真正的命题不是简单地把 RWA 资产扔进现有的 DeFi 乐高,而是要为 RWA 资产设计一套全新的、原生的交易逻辑和基础设施。
二、如何迎接 RWA 的「纳斯达克时刻」
1.最近纳斯达克亲自下场、发行代币化股票这件事,可能会对现有 RWA 格局造成怎样的「颠覆性冲击」?
Jack:我认为这将不是冲击,而更像是一个彻底厘清当前 RWA 市场混乱局面的「奇点事件」。
首先,之前所有关于 RWA 发行商「合规与否」的争论,将在纳斯达克发行第一个原生链上股票时被自然终结,因为它是全球金融体系顶级的流动性池和信任源,它定义的标准就是最终标准。
更关键的是,它可能彻底重构 RWA 叙事下的价值链,像 Ondo Finance 这类专注于发行和承销的协议,其生存空间可能会被严重挤压——因为一旦资产的「源头」可以直接上链时,任何中间环节的价值都会被削弱,不用说,相比市面上琳琅满目的 xxTSLA 等代币化 RWA 资产,大家肯定会更偏向选择直接集成纳斯达克发行的、最具流动性和公信力的原生资产。
这恰恰是下游协议的历史性机遇。靠近下游流量入口、围绕链上可组合性构建交易能力的去中心化协议和合规交易所,比如 OSL/HashKey 或 Fufuture 等链上协议,反而可能成为真正吃到红利的一批。
我们可以将这种变化理解为 RWA 的「集装箱时刻」,回顾全球贸易史,在标准集装箱出现前,全球货运由无数大小不一、效率低下的包裹(就像现在链上充斥的各种 ALT 资产)组成。是集装箱这个全球统一标准的建立,才催生了现代化的全球供应链和自动化港口。一旦纳斯达克将美股 RWA 化,它提供的就是「价值集装箱」的标准,市场会迅速淘汰掉那些包装丑陋、标准不一的「垃圾包裹」,释放出巨大的、标准化的新配置需求和交易机会。
而我们这样的协议,定位就是为这些「价值集装箱」提供自动化港口和全球交易网络,是新秩序下的核心枢纽。
2.很多人提到现有 DeFi 基础设施对 RWA 资产的水土不服,能否从底层逻辑上再深入剖析一下,比如 Uniswap 的 AMM 模式,其核心缺陷到底在哪?
Jack:首先需要明确的是,AMM 机制在 DeFi 早期是革命性的创新,它以一种无需许可的方式,优雅地解决了无数长尾资产的冷启动流动性问题,其历史地位毋庸置疑。但是它的设计哲学决定了它只是不适合于 RWA 这种资产类别,这是一个工具与任务不匹配的根本性问题。
对 RWA 来说,AMM 的核心缺陷在于它的「价格发现机制」,它是在一个封闭的流动性池内,通过两种资产的相对数量来被动地「计算」出价格,这对于没有链下真实锚点的加密原生资产是可行的——在很多场景下,池子里的价格就是市场价格的真实反映。
但 RWA,比如代币化的特斯拉股票,至少中短期内,它在纳斯达克有一个绝对权威的、每秒都在更新的公开市场价格,这个价格是「因」,而链上交易的价格必须是「果」,AMM 机制不仅无法主动跟随这个价格,反而会因为任何的链上交易而产生偏离,从而为套利者提供了源源不断的、几乎无风险的攻击空间,并让流动性提供者(LP)承担近乎百分之百的无常损失。
因此我认为,任何试图通过简单改造,比如调整曲线、增加费用等级的方案,都是治标不治本的,RWA 需要的是一个全新的交易结构:它必须能高效、低成本地从外部权威信源(Oracle)获取价格,并将这个价格作为「锚」,然后围绕这个锚点,通过更接近于订单簿和 RFQ(报价驱动)模式的结合体,来高效地匹配流动性和完成交易。
一言以蔽之,它的核心应该不再是「发现」价格,而是「响应」价格。
3.既然发行方的价值会被削弱,那么超越资产上链这个概念本身,RWA 的第一个「杀手级应用」最有可能出现在哪个领域?
Jack:第一个杀手级应用,一定是将 RWA 作为原生抵押品,进行全球化、7x24 小时的衍生品交易,这就解决了传统金融中资产割裂、交易时间受限的核心痛点。
想象一下,一个亚洲的投资者,在周末晚上,可以用他持有的代币化苹果公司股票作为保证金,去开一个比特币的永续合约多单,这个场景在传统金融里是完全无法实现的,它需要跨时区、跨市场、跨品种的复杂清算,但在链上,这一切都可以通过智能合约瞬间完成。这就是真正的价值创造。
其实这也是 Fufuture 目前的产品核心思路——支持用户将各类金融资产作为统一保证金,去交易 BTC、ETH 甚至将来全球任何主流金融资产,未来还计划推出专门为 RWA 设计的现货交易市场,彻底打通从现货持有到衍生品交易的全链路。
三、定义 RWA 新语法:下游交易应用的黎明
1.聊了这么多挑战,能否结合 Fufuture 的思考与落地实践,谈谈在链上使用股票类 RWA 资产,技术和市场上又有哪些关键挑战?
Jack:最大的挑战在于风险控制和清算机制。比如股票资产在传统市场有休市时间,而加密衍生品的风险是 7x24 小时不间断的,我们必须设计一套全新的、混合式的风控引擎,既要能处理非交易时段的价格「跳空」风险,又要保证链上清算的及时和高效。
除此之外,市场上的挑战在于引导用户理解并接受这种新范式,其实 Fufuture 的产品设计理念是「资产不可知论」,也即我们基础设施的底层风控和清算逻辑,不局限于美股,未来可以无缝扩展到代币化的黄金、原油、国债乃至碳信用等更广泛的 RWA 资产类别,为这个更宏大的未来铺设管道。
2.对于即将到来的 RWA「纳斯达克时刻」,传统世界的资源和经验如何被整合进链上业务逻辑中的?仅仅是渠道合作,还是有更深层的业务协同?
Jack:远不止渠道合作,而是更深层次的业务协同。例如我们就正在与一些 Web2 科技巨头进行合作探索,不仅是获取流量,更是为了在合规框架内,共同探索高效的身份验证(KYC)和资金出入金解决方案。
当海量传统用户和资金想要进入这个新世界时,谁能提供最安全、最丝滑的桥梁,谁就能掌握主动权。
3.站在 2025 年底,请您大胆预测一下,18 个月后 RWA 市场会是什么样子? 哪些今天我们热议的概念会被证伪,又有哪些我们尚未关注到的新突破会诞生?
Jack:我认为届时会有几个显著变化:
第一,「万物皆可 RWA 发行」的狂热会被证伪,资产发行会向少数几个拥有顶级信用的巨头高度集中,小而美的发行协议很难生存。
第二,最大的突破将出现在「跨资产可组合性」上。 我们会看到第一个真正意义上的「链上全能交易账户」诞生,用户可以用代币化的房产股权作为抵押,去交易大宗商品期货,所有风险和头寸都在同一个协议内进行净额结算,这才是 DeFi 的终极魅力。
第三,RWA 的叙事中心将彻底从「资产端」转移到「应用端」,市场的关注点不再是谁又把什么东西搬上了链,而是谁能用这些资产创造出最惊艳的金融玩法。
结语
一个心照不宣的共识是,整个行业其实都在等待,等待纳斯达克、纽交所这类全球金融体系的「造物主」,落下那枚决定性的棋子。
因为他们的入场,将彻底结束 RWA 关于「是什么」的讨论,并开启「能做什么」的全新篇章,这也迫使我们正视一个现实,RWA 从不只是一场技术栈的革新,它更是一场关于金融结构与行为逻辑的深度重构。
正是在这种预期下,RWA 的「基础设施叙事」正无可逆转地取代「映射型叙事」。
而那句我们早已熟悉的「上链只是第一步,交易才是语言」,也终于从一句口号,变成了一个需要严肃作答的考题。点击小程序查看报告原文 北京时间今天凌晨结束的9月FOMC上,美联储如期加息25bp,将基准利率升至3.75%~4%,是继2023年7月加息周期结束、2024年9月开启降息和2025年9月继续降息三次后,美联储的首次加息。 我们最早在7月FOMC点评中就提出,当前环境和1997年“预防式加息”有类似之处(《如何才能“预防式加息”?》),8月Jackson Hole沃什转鹰后又提示,从维护美联储信誉角度,9月最好加息(《沃什转鹰意味着什么?》、《如果加息会发生什么?》)。 加息后,美元站上100、10年美债小幅走高至5%,黄金微跌,美股科技微跌、传统股票因受利率影响更大跌幅更多,如地产银行。市场整体反应不大,更多在敏感的美元和传统股票上,这与我们在(《如果加息会发生什么?》)中提示一致:短暂的加息或降息更多是提前计入,除非连续加息(三次甚至以上)。市场的问题往往是事前因为害怕加息的影响而回避加息问题不做准备,却又在看到加息无可避免后过度担心加息后的冲击。实际上,我们认为加息不是坏事,不加息也未必是好事。 图表:会议后CME利率期货仍隐含年内再加息1次预期 资料来源:CME,中金公司研究部 那么,走到这一步后,市场关注的焦点在于,美联储加息一次够吗?对市场后续有和影响?我们在本文中将聚焦于此做出分析。 此次加息的特点:高度预期的加息,中性加息 首先,此次加息是一次高度预期的加息:1)CME利率期货隐含的9月加息概率已高达93%;2)5%的10年美债扣掉70bp的期限溢价,余下4.3%的利率预期隐含了至少两次加息;3)主要华尔街投行都预计9月加息。 图表:会议前CME利率期货隐含9月加息概率高达93% 资料来源:CME,中金公司研究部 图表:当前5%的美债利率隐含70bp的期限溢价,余下4.3%的利率预期隐含至少两次加息 资料来源:Bloomberg,中金公司研究部 图表:会议前主要华尔街投行都预计9月加息 资料来源:The Wall Street Journal,Nick Timiraos,中金公司研究部 其次,这是一次整体中性加息:1)加息25bp,完全符合市场预期,沃什表态维持与上次基调一致。8月Jackson Hole沃什转鹰后,8月非农、PPI和CPI又接连超预期,迫使沃什兑现鹰派承诺。对沃什而言,此次加息已是“箭在弦上不得不发”。沃什此次讲话与8月Jackson Hole会议表态基本一致:重点强调当前的通胀水平依然高于目标,且美联储的工作重心仍是价格稳定。 图表:8月非农新增就业16.2万大超预期 资料来源:Haver,中金公司研究部 图表:8月整体CPI符合预期,但核心CPI环比超预期,导致核心CPI同比几乎持平上月 资料来源:Haver,中金公司研究部 2)“点阵图”预计2026年还有一次加息,2027年持平,部分缓解市场对超预期鹰派的担忧。虽然点阵图的参考意义因沃什拒绝给出自己的预测而大打折扣,但依然是一个市场关注的参照。剩余18名委员的利率预测中值显示,2026年利率“中位数”升至4.125%,较6月“点阵图”的中位数3.875%多出一次加息预期,意味年内预期还有一次加息,这个与市场广泛预期的加息两次一致;2027年中位数持平,这少于CME利率期货此前预期的总计4次加息。 图表:点阵图2026年利率中位数4.125%,隐含年内还有1次加息,2027年持平 资料来源:美联储,中金公司研究部 图表:9月会议上美联储上调2026年通胀和增长预测、下调失业率预测 资料来源:美联储,中金公司研究部 美联储加息一次够吗?不存在连续且大幅加息的基础,除非油价失控 在这次已经高度预期的加息之后,美联储是否会连续且大幅加息?从本次会议的表态及当前基本面角度看,不存在连续且大幅加息的基本面基础(三次甚至以上),除非后续油价失控。高利率本身也将逐步传导到金融条件,从而抑制经济增长,这成为阻碍继续大幅加息的“反身性”因素,如当前美国30年抵押贷款利率已经逼近7%。 首先,从本次会议沃什的表态来看,沃什依然回避对未来利率走势做出前瞻指引,在新闻发布会上的基调也是延续Jackson Hole会议上认为美联储工作重心依然是价格稳定的表态,并没有太多超预期的鹰派内容[1]。 其次,从美国自身经济基本面角度,高利率也会对传统需求形成抑制,甚至压制AI投资,阻碍美联储连续加息,形成利率的“反身性”。目前美国经济K型分化,当前利率走高将反过来压制传统需求,从“反身性”角度抑制大幅加息。事实上,美国传统需求已受到高利率的抑制,尤其是利率敏感的地产和投资。8月ISM制造业PMI从7月高点55.6回落至54.6,成屋销售也在高利率抑制下再度回落。作为重要增长引擎的AI,由于龙头ARR的放缓和自由现金流逐步开始转负,对外部融资依赖度也在增加。在需求侧面临瓶颈的背景下,如果融资成本大幅抬升,也将削弱资本开支的意愿,进而影响整体增长。换言之,加息反而导致无法加息太多。 图表:8月美国ISM制造业PMI回落至54.6 资料来源:Haver,中金公司研究部 图表:近期利率的走高推动地产数据再度回落 资料来源:Haver,中金公司研究部 图表:除微软、Meta外的云厂商二季度自由现金流已经转负 资料来源:FactSet,中金公司研究部 图表:当前云厂商19.9%的加权ROIC高于WACC的9% 资料来源:FactSet,中金公司研究部 除非油价大幅失控。我们测算,若油价中枢维持在100美元以上甚至更高,那么CPI将无法继续走低,将给美联储带来更大压力,这也同样会给11月将面临中期选举的特朗普更大压力。我们测算,若油价三四季度中枢降至80美元,CPI同比会在年底回落至3.0%左右。 图表:我们预测若油价中枢不超过100美元,美国CPI同比年底大概率回落 资料来源:Haver,中金公司研究部 加息对市场影响?短暂加息往往是提前计入,市场通常“反着走” 我们此前多次提示,对市场而言,此次加息未必是坏事,而不加息未必是好事。 短暂的预防式加息,在“满足”市场对重塑美联储和美债信任需要的同时,影响更多是提前计入预期,所以市场往往“反着走”,兑现时反而是美债利率的高点和美股的低点,1997年格林斯潘加息一次如此,2024-2025的短暂降息同样也是如此(《如果加息会发生什么?》)。相反,只有持续大幅加息才会通过提高融资成本和收紧金融流动性对实际增长和金融市场造成更长期和大幅的冲击,典型如2022年俄乌冲突后为应对高通胀525bp的加息。因此,对于短暂的加息,扰动反而可以提供更好的买点。 回顾1990年以来历次加息周期的历史经验,加息初期对市场有扰动,但平均0-2个月内市场重拾涨势,预防式加息中影响更小。 我们复盘了1990年以来美联储6次加息周期:1)美债跌幅主要在加息前,预防式加息兑现后美债往往转为上涨,历次加息后美债平均下跌18天后(数据为1990年以来加息后表现中位数,下同)转为上涨,1997年预防式加息后长债利率很快见顶回落,2)美股在加息后会有扰动,但平均2月内反弹,预防式加息后反弹更快,标普平均在加息后59天下跌4.7%后、纳指平均在加息后68天下跌8.1%后重拾涨势,在1997年的预防式加息周期后反弹更快,标普下跌17天、跌幅6.5%后转为上涨,纳指下跌仅8天、跌幅3.8%后反弹。3)黄金同样如此,历次加息后平均82天下跌2.3%后转为上涨。4)美元涨幅更多在加息预期阶段,加息后并不必然大幅上涨,除非2022年那样连续大幅加息。5)AH股在历次加息后涨跌不一,更多受到国内基本面的影响,如1997年美联储预防式加息后,国内经济复苏叠加香港回归预期推动AH市场共同继续上涨。 图表:回顾1990年以来历次加息周期的历史经验,加息初期对市场有扰动,但平均0-2个月内市场重拾涨势,预防式加息中影响更小 资料来源:Bloomberg,中金公司研究部 从各类资产计入的未来一年加息预期来看,利率期货(3.0次)铜(1.6次)美债(1.0次)=美联储点阵图(1.0次)黄金(0.8次)道琼斯(0.1次)标普500(-0.5次)纳斯达克(-1.1次),这意味铜、美债和黄金计入加息预期较多。具体而言: 图表:当前铜、美债和黄金计入较多加息预期,权益市场相对乐观 资料来源:Bloomberg,中金公司研究部 ► 美债:先修复期限溢价,长端名义利率或逐步筑顶甚至回落,体现“赔率”和交易机会。当前长债利率已完全计入年内再加息一次的预期,假设美联储年内再加息1次,对应10年美债利率中枢约4.8-5%。美联储此次兑现鹰派承诺也将有助于稳固联储信誉,从而缓解长债期限溢价上行压力。 图表:若美联储年内再加息1次,对应长债中枢4.8~5% 资料来源:Haver,美联储,中金公司研究部 ► 美股:并不悲观,短期扰动或提供更好介入机会。我们在6月的年中展望里就进一步上调标普500点位至7800-8000(《“殊途同归”的K型分化》)。市场走到这一点位后的纠结震荡,除利率上行带来的流动性扰动外,更多因为AI需求侧放缓带来的回报不足担忧。整体估值并不贵,随着加息落地,如果AI产业发展有新催化,美股仍有上行空间,短期如果出现较大扰动也可以提供更好买点。 图表:基准情形下,我们年中上调2026年标普点位至7800~8000 资料来源:Bloomberg,中金公司研究部 ► 美元:短期受到加息带来的信誉以及利差提振,我们依然预计整体维持震荡格局。短期内,美元仍受到加息带来的美联储信誉以及利差因素提振,叠加美国经济仍具韧性,我们依然预计美元指数维持96~99区间震荡格局。 图表:我们预计到年底美元指数在96~99区间震荡,不至大幅走弱 资料来源:Haver,Bloomberg,中金公司研究部 ► 黄金:不加息的空间大于加息,目前更多类似上行空间不确定的看多期权。仅仅基于美债利率和美元的静态测算看,我们测算黄金支撑位在4200-4500美元附近。除非连续加息,黄金的下行压力相对可控,但上行空间也需要更多宏大的叙事。美联储不加息可以给黄金营造出信任丧失和去美元化的宏大叙事,而加息恰恰削弱了这一叙事,所以上行空间不如不加息时大,得等待更多叙事催化。 图表:我们静态测算,当前美元和实际利率支撑的金价大约在4200~4500美元/盎司 资料来源:Wind,中金公司研究部 图表:当金价超过5500美元,面临新旧体系分水岭的对抗,将会面临剧烈波动 资料来源:Haver,IMF,World Gold Council,UCGS,中金公司研究部 [1]https://www.federalreserve.gov/mediacenter/files/FOMCpresconf20260916.pdf Source 文章来源 本文摘自:2026年9月17日已经发布的《美联储加息一次够么?》 刘刚,CFA 分析员 SAC 执证编号:S0080512030003 SFC CE Ref:AVH867 项心力 分析员 SAC 执证编号:S0080526050001 SFC CE Ref:BXU271 杨萱庭 分析员 SAC 执证编号:S0080524070028 SFC CE Ref:BXS665 郝悦宁 联系人 SAC 执证编号:S0080125070024
