“芯”动吗？费城半导体指数史上首度高于标普500 一切都被抢疯

“芯”动吗？费城半导体指数史上首度高于标普500 一切都被抢疯 周四，尽管标普500指数也表现不俗，收盘上涨逾1%，创下了年内第16个收盘历史高位，但与费城半导体指数的表现相比，仍要明显逊色不少：后者在本周四大涨了3.36%，相当于大盘涨幅的逾三倍。其中，行业领头羊的英伟达周四再度收高4.5%，股价史上首度突破了900美元，市值则一举攻克了2.3万亿美元大关。而从年内迄今的对比看，费城半导体指数在过去两个多月已累计上涨了23.7%，同样远远跑赢大盘。从整体行业的背景看，开年以来，全球半导体巨头发布的Q4财报，大部分的业绩表现都迎来了大幅增长，众多龙头企业在营收、净利润、新签订单量上都好于市场预期。即便有些业绩不够强的，也普遍给出了较好的未来业绩指引。这在很大程度上已经体现在了半导体板块的股价上。值得一提的是，半导体板块不断滋生的狂热情绪，眼下也在期权和ETF等衍生品交易中，体现得一览无余。一组数据显示，随着投资者纷纷将资金押在时下股市最热门的人工智能题材上，半导体股票的期权交易正呈爆炸式增长。2月份，费城半导体指数成分股的看跌期权和看涨期权的日均名义成交量超过了1450亿美元。这大约是2023年底平均值的两倍、是一年前的七倍。期权交易是股市大幅波动的典型组成部分，而相关个股期权交易规模的迅速扩张可能表明，那些错过去年半导体行业涨势的投资者正在奋起直追。此外，期权不仅提供了押注芯片制造商股价进一步上涨的一种方式，还能在涨势乏力时提供对冲保护。追踪英伟达的杠杆ETF遭疯抢除了个股期权市场火热外，受人工智能热潮的影响，投资者今年还纷纷涌入那些聚焦于英伟达的交易所交易基金（ETF），周三，追踪这家芯片巨头股票的ETF资金流入量创下了历史新高。理柏的数据显示，两倍做多英伟达的ETFGraniteShares 2x Long NVDA Daily ETF的日净流入额，在周三达到了创纪录的1.97亿美元。该ETF管理的资产已从年初的2.1375亿美元猛增至14.1亿美元。过往，许多规避风险的投资者大多对这些追踪单一个股的杠杆ETF敬而远之，因这些ETF的目标是在极短的时间内提供巨额回报，通常更受投机客的欢迎。这些ETF试图利用金融衍生品和债务作为杠杆，将标的个股的单日收益放大，一般为两到三倍。而对于眼下这一领域的狂热买需，VettaFi首席ETF策略师Todd Rosenbluth表示，英伟达一直是2024年最热门的股票，许多投资者都渴望寻求更高的回报，即便将面临更大的风险。“我们预计，随着新一波必投公司的涌现，单只股票的杠杆型ETF需求将持续增长，”Rosenbluth指出。数据还显示，这些追踪英伟达的杠杆ETF，如GraniteShares 2X Long NVDA ETF、Direxion Daily NVDA Bull 1.5X Shares ETF和T-Rex 2X Long Nvidia Daily Target ETF的月净流入量，在2月份就曾创下过历史新高。但更疯狂的场景显然还要属本月GraniteShares ETF在本月头六天就已超越了上月的月净流入量纪录。自2024年年初以来，与英伟达挂钩的三只ETF的资产规模跃升了5至11倍，而它们的价格今年迄今则上涨了143%至218%不等，表现优于其他ETF。 ... PC版： 手机版：

两期和大模型有关的播客，值得一听。

两期和大模型有关的播客，值得一听。 1. 《AI大神贾扬清离职阿里后首次受访:创业为什么不做大模型》， 贾扬清老师出来创业，没有选择去做基础大模型，而选择了去做应用开发平台，以下是他对大模型时代的几个基本判断： 1. 开源主导的模式会成为主流。在 AI 领域，模型的保鲜期（shelf life）基本上是一年左右。以 2012 年 AlexNet 为例，6 个月到一年之后就会出现效果接近的模型，基本都是如此。基于开源与公开数据集，我们已经可以训练出非常高质量的模型。因此，我自己的判断是开源主导的模式会成为主流。 2. AI 更像应用，而不像数据库。这是因为像微服务这种写应用的指导很难标准化，基本上没有一个像 SQL 这样的统一标准。 3. 聊天机器人并非应用形态的全部。实际应用中，产品的形态不会是纯问答模式，企业可能有不同的使用形态。 4. AI时代有构建应用开发平台的机会。在开源模型的基础上，如何帮助开发者在各类应用模式与交互模式中，更容易地使用这些语言模型，包括如何更好地部署模型，是否有更弹性的、更稳定的、更低成本的部署模式，等等，这些是更明确的用户需求。这需要有平台作支撑，这可能是主要需求之一。衡量这个平台的关键指标，一个是开发者效率，另一个是核心系统性能指标，即在有限的资源里面，能够帮助用户拉起来多少数量的服务，以及多少体量的服务。这是我们团队创业要解决的问题。 - 2. 《大白话聊 ChatGPT（Sarah & 王建硕）》， 建硕老师的这期播客，虽然是面向零基础小白的，但表达得非常清晰，听下来还是有不少启发。一些核心的观点摘录： 1. 关于GPT原理最为精准的类比来自Ted Chung：GPT就是将人类知识压缩成一张模糊的JPG（然后再用超分辨率的方式还原出来，过程中还原得不精准的地方就是“幻觉”，Hallucination）。建硕老师自己对GPT4的类比是阿帕奇，同时将GPT4的训练数据类比为阿帕奇的帮助文档； 2. GPT分为“快思考”（系统1）和“慢思考”（系统2）。快思考可以类比为“顺口溜” - 唐诗听多了，不会吟诗也会吟；慢思考（chain of thoughts）是指GPT4可以通过步骤拆解来提高正确率； 3. 交互方面，经历了 BUI（Button User Interface，按键交互）、CUI（Command User Interface，命令行交互）、GUI（Graphic User Interface， 图形界面交互）之后，大模型时代的交互方式变成了LUI（Language User Interface，自然语言交互，建硕老师自己的定义）； 4. 类比互联网的发展历程，目前Web3所处的节点相当于互联网的1979年，DNS等很多协议都出来了，但还缺少一个定义性的体验时刻，而AI所处的节点相当于互联网的1994年，浏览器出来的时刻。不幸的是，在此之前的NLP等技术都可以宣告被淘汰了，而幸运的是，浏览器本身只是一扇门，真正的机会属于千千万万的网站和应用。目前大模型的竞争类似于微软和网景对浏览器入口的争夺，尽管微软赢了，但也因此错失了后面整整的一个时代； 5. AI时代的生态想像：很多小机器人相互之间用API连接调用，最终通过一个LUI和终端用户互动。由于小机器人很多，因此需要通过一套类似域名的寻址系统来访问 - 这也是建硕老师正在做的一种服务； 6. GPT4本身并没有太多科研层面上的创新，但这并不妨碍它的伟大。人类历史上的很多伟大的时刻，例如发现新大陆、登月、发明iPhone等等，本质上都是工程的胜利； 7. 尽管国内大模型目前落后GPT4很多，但按照目前投入的财力和决心，最终一定可以做出效果相当的大模型。这就跟哥伦布发现新大陆以后，第二次再去新大陆的难度是一样的。已经有前人指出了一条明路，站在巨人的肩膀之上，难度会低很多； 8. GPT4肯定有智能，但肯定没有自我意识。问题是，人类也很难说自己有自我意识，很多时候只是在自作多情而已。很多时候，我们的人生只是各种硬件（DNA、身体结构）+软件（文化、历史、习惯、教育）所运行出来的结果而已； 9. 失业潮不会到来的，因为历史上的每一次技术革新都创造了新的工作。（这点持保留意见）贫富差距可能会变大，政府可能需要在财政制度上做出相应的调整，来进行财富的重新分配； 10. 对版权、隐私、垃圾内容、虚假信息等问题不必过份担心，这是新事物出现的必然产物，随着社会的发展都会得到自然解决。不要因噎废食； 11. GPT4有可能会促进社会的共识 - 在推荐时代，千人千面的算法让每个人都陷入自己的信息茧房，让社会空前割裂。这可能会在大模型时代得到某种修正。大模型再次让大家看到了一致的世界，在同一个场景下进行有益地讨论（这点持保留意见）； 12. 做一个科技乐观主义者，相信科技会造福人类，同时尽自己所能来帮助年轻人来更好地体验这个新世界。