富途与 Moomoo 的发展历程与合规保障
我是 Moomoo 的加拿大负责人，2015 年就加入富途了。大概在 2023 年年底的时候我来到了加拿大，整个家都跟我一起搬了过来。原来在总部的时候，我主要负责研发相关的工作，大家现在用到的交易和风控系统，都是由我和我的团队打造的。包括现在的 AI 技术，我们也在非常深入地讨论富途和 Moomoo 应该以什么样的方式去迎合、去拥抱整个业界的变化。
从创业之初开始，我们的创始人兼 CEO 李华就一直坚持一个理念：让投资更简单、不孤单。“不孤单”很容易理解，大家聚在一起聊投资、分享自己的观点，能够互相学习、共同成长，这就是不孤单的体现。而“投资更简单”，则是我们在打造整个 App 时，希望能够为大家提供的一种投资能力。
回顾我们的历程：富途从 2012 年成立；2018 年 Moomoo 在美国创立；2019 年公司上市；2023 年我们拓展到了加拿大；到了 2025 年，我们也荣获了一个年度大奖——成为加拿大排名第一的最佳美股投资平台。从上个季度（二季度）的财报来看，同比无论是用户数、客户资产还是交易额，都有非常显著的两位数大幅增长。看过财报就会发现，这几项关键数据其实一直在稳步增长。从全球布局来看，截至今年我们已经覆盖了九个国家和地区，今年泰国也正式开始营业。
与在加拿大一样，我们在每一个开展业务的地区都是本地持牌、本地运营。在加拿大这里，我们与五大行及其他持牌券商完全一样，受证监会等监管机构监管，具备所有合规资质牌照，数据保护也全部在本地完成。
除了作为一家上市企业本身的合规性之外，大家在富途平台的资金都有完备的保险保障。我们是 CIPF（加拿大投资者保护基金）的会员，每一个账户都享有高达 100 万加币的保险额度保障。即便出现问题，都会有 100 万加元的赔付机制作为安全底线。
合规经营是我们目前坚持的最重要原则。我们的加拿大 CEO Michael Abbas 拥有极其深厚的金融行业底蕴，此前曾四度出任金融机构的 CEO，在包括瑞银（UBS）、美林（Merrill Lynch）等顶级外资机构担任过高级管理职位。由他带领的专业团队，每天在本地负责大家的交易、风控、清结算以及资金进出等核心业务。我们在加拿大的所有本地化经营与合规运作，都是由 Michael 带领的团队为大家提供坚实保障。
传统投资工具痛点与 Moomoo AI 的定位
回到投资本身，大家觉得投资难吗？我觉得大家的答案可能都是“难”，投资确实没那么容易。从以前富途创业开始，我们最终所面临的核心挑战是什么？挑战在于：当普通投资者想去投资时，去哪里看数据？想去分析时，应该怎么分析？工具是什么？怎样画线做预测？资讯与新闻又该怎么获取？难道每个人都需要去花费高昂的成本订阅彭博终端（Bloomberg）或者购买各种各样的昂贵资源吗？在传统金融市场中，普通散户与专业机构之间的资源其实是极不平等的。
富途坚持了这么长时间去打造一个平台，核心目标就是希望在数据层面提供更丰富的数据，让资讯更及时、更透明；在工具层面提供上百种交易与分析工具；同时维持尽可能低的交易费用，以此保障每一位投资者都能拥有平等参与市场的机会。这是我们此前一直坚持的初心。
但是到了 AI 时代，整个底层的逻辑发生了深刻的变化。如果把 AI 与人类以往的发展历史相对比，最明显的对标可能就是工业革命。工业革命替代的是人类的体力，我们不用再自己单凭人力去耕地种田、进行繁重生产，有电力、机械动力以及化石能源帮我们承担这些体力劳动。而到了 AI 时代，它更多的是在智力层面进行替代。
智力层面的替代回到投资领域，究竟能做些什么事情？现在大家每天面对海量的新闻，比如看到一条突发新闻，这个事件到底对市场有什么影响？想要靠个人分析得出准确结论是非常困难的。又比如，看到 Moomoo 里面有非常多的分析工具，到底该怎么使用？学习曲线很陡峭。眼前有那么多专业技术指标，RSI 代表什么？布林线（Bollinger Bands）到底是干什么用的？普通投资者如何快速理解它们并辅助自己的投资决策？
到了 AI 时代，我们推出了“Moomoo AI”这项全新功能，就是希望能帮助大家拥有更强大的能力去理解金融市场的瞬息万变。
怎么去理解 Moomoo AI 的定位呢？打个比方，如果我们想在家里做一顿丰盛的年夜饭：传统的方式是自己在网上搜索各种各样的菜谱，就像我们学习投资一样，一个菜一个菜去照着研究、练习，不仅需要花费大量时间学习，食材还得自己准备。而在投资层面的 AI，我们希望这位“大厨”直接由 AI 来担任——由平台为它提供最顶级的食材、最准确权威的数据、最正确的指标和第一手新闻资讯，让 AI 替代我们或者辅助我们得出高胜率、高质量的决策结论。
现在行业里技术概念层出不穷，比如大模型（LLM）、Agent（智能体）、Skills、MCP 等等，这些偏底层技术的专业名词今天暂且不多展开。我想直接向大家展示，这项技术到底会如何具体改变我们平时的投资方法与决策过程。
Moomoo AI 的三大核心应用场景：问答、信号解析与策略回测
这里给大家展示几个实际例子。我们在投资中最常见的问题往往是：比如某只股票上市了，或者像 S&P 500 指数成分股里的某只标的，到底这个股票怎么样？我想听听各方的观点，以往我们应该怎么去寻找这些意见、怎么发现市场分歧？
在 Moomoo AI 里面，大家只需要直接向它提问即可。它会清晰地告诉你：当前市场上有多少人、哪些知名分析师对它进行了评价，各自给出了什么评级，多空分歧点在哪里，向上或向下的空间有多大等等，全方位的维度都可以直接给出答案。这些结论的数据来源，全都是我们花费重金采购并严格校验的最权威数据源。包括华尔街评级机构对目标价格的预测、覆盖该股票的分析师人数、市场平均目标价是多少等等。如果要在传统的二级页面或功能目录里逐个查找，需要花费大量精力学习，而借助 AI，完全可以直接帮你完成归纳与综合分析，并且清晰地展示这些结论是如何一步步推导出来的。
除了常规的功能分析，市场上每天还会出现大量的实时异动信号。例如，某只标的突然出现了巨额成交的看涨期权（Call Option），这种巨量异动到底代表了什么含义？对我的持仓或投资有什么参考价值？我应该警惕哪些潜在风险？这个异动信号的核心价值是什么？
在过去，普通投资者很难在短时间内弄明白这些衍生品异动。而现在完全可以在 Moomoo AI 中针对该现象直接提问，比如直接问它：“美光科技（Micron Technology）刚刚成交了 7,200 张看涨期权大单，这具体意味着什么？”AI 会迅速给出专业、通俗的拆解与多维度解释。大家去体验时会发现，AI 给出的分析内容下方都会标注清晰的引用角标，每一个结论都有明确依赖的数据源与推导链路，说明是通过什么样的方式、依据什么样的数据得出的。这种严谨的溯源机制能够最大程度减少大模型的幻觉问题。
另外一方面就是投资策略的构建与验证（AI Apply）。很多投资者在长期交易中积累了自己的一套逻辑或思路，但往往不确定这个策略是否真正可靠、是否是一个可以被反复验证和持续使用的投资系统，策略到底能否经受住历史数据的回测？
举个例子，假设我们想构建一个基于布林线或者结合 RSI 的量化交易策略。传统上搭建回测门槛很高，而现在借助 AI，只需要用自然语言说一句话，AI 就能帮你完成整个策略逻辑的构建。策略生成之后，完全可以直接调取过去一年或两年的真实历史市场数据进行回测检验，直观查看买卖点设置是否合理、最终的盈亏比以及整体胜率是多少，以此快速验证自己的投资构想。
此外，大家如果想设定自主的监控提醒、定期跟踪特定新闻资讯、或者实时监听某些关注标的的财报动向，这些琐碎繁重的工作全部都可以交给 AI 来完成，就像随身配备了一位专业的私人投资助理。
往更复杂的未来去畅想，AI 最终完全可以进化为一个全能型的专业投资助理。就像家里常驻了一位五星级大厨一样，在关键时刻为我们提供经过清洗提炼的关键信息、辅助交易决策，让我们在市场出现转机时能够稳稳把握住机会。
今天受限于时间，我只是拿出了产品中很小的一部分，向大家展示 AI 正在如何改变我们的投资生活。在 Moomoo 的产品生态里，我们致力于通过 AI 让投资变得更加简单；同时通过今天这样的线下活动，让大家聚在一起面对面交流分享，让整个投资旅程变得更加不孤单。后面如果有深入的技术或产品细节想要探讨，我们可以在稍后的提问环节继续沟通。谢谢大家！
主持人串场与嘉宾投资套路君登场
主持人：谢谢赵总的精彩分享。大家也能看得出来，赵总是非常典型的务实理工男，做演讲分享时也许不像那些专门的演说家那样花哨，但他所在的 Moomoo AI 团队确实是集大成者，整个平台在 AI 研发上的投入规模是极其惊人的。
正如刚才赵总所讲，在过去几年以及未来的很长一段时间里，AI 作为新一次的工业革命，必然会长期成为资本市场上最核心、最热门的主题之一。但是对于普通投资者来说，真正面临的难题是：我们应该怎么赶上这趟时代的列车？
毕竟前两次工业革命发生的时候，在座的各位没有一个人在场，谁也没有经历过那样的历史节点。那么这一次，在 AI 浪潮的席卷之下，到底蕴藏着哪些真实的机会？有哪些细分行业值得深度关注？除了大家耳熟能详的那些巨型科技巨头，比如 Meta、谷歌（Alphabet）等大厂之外，还有哪些产业链公司能够从侧面实现弯道超车、充分享受到 AI 发展带来的行业红利？
接下来，让我们隆重邀请今天的第一位特邀分享嘉宾。他在 YouTube 和 X（Twitter）等平台上拥有数十万忠实粉丝，是一位知名金融博主，也是一位长期跟踪 AI 产业与美联储宏观政策的资深观察员，跟我一样也是专程从多伦多特意飞过来的。让我们用热烈的掌声，有请“投资套路君”！
投资套路君：刚才看到北北嘉宾的分享状态，同样作为一个博主，我感觉自己一上来简直弱爆了，少了前面那一套铺垫，一下子觉得还有很大的学习空间。
首先非常感谢富途和 Moomoo 今天的盛情邀请，如果没有他们的组织，今天可能就少了这样一个站在台前与大家面对面交流的机会，让我能和大家分享整个 AI 市场的现状以及我个人对 AI 的深度思考。
刚才听完赵总的分享，我半开玩笑地跟他说，你做的事情简直是在“破坏”我们这个行业。因为 Moomoo 的 AI Agent 一旦全面普及起来，我平时在自媒体把自己定位成一个分析师，你这是要让 AI 取代分析师这个行业啊，所以我们做自媒体的也得加把劲了。希望今天我带来的内容能够让大家有所收获。
在座的各位都是富途和 Moomoo 的核心用户，或多或少都有着丰富的实盘投资经历。因此今天我主要想聊一个大家在最近这段时间极为关切、讨论极度频繁，但也普遍感到焦虑的核心议题——当前的 AI 到底有没有泡沫？
AI 市场是否存在泡沫：现场调查与泡沫的两大分类
严格来说，从 2023 年 ChatGPT 横空出世并引发全球轰动以来，无论是英伟达（NVIDIA）波澜壮阔的股价走势，还是其他大型科技股的强劲表现，大家都是亲历者与见证者。在相关标的已经经历如此巨大涨幅的背景下，大家心里自然会产生普遍的疑虑与担忧：现在的 AI 行业到底还值不值得投资？目前的估值究竟有没有产生泡沫？
在正式展开今天的数据与逻辑之前，我想先在现场做一个简单的互动调查。大家完全凭自己的主观直觉（gut feeling）来判断，不需要有任何顾虑：你们觉得现在的 AI 市场到底有没有泡沫？
如果直觉上认为目前 AI 已经存在明显泡沫的朋友，能不能先举一下手让我看一下？
……看了一下现场，举手的人其实还好，大概只有 5% 左右的朋友认为目前存在明显的泡沫。
那么第二个问题，如果觉得“肯定有泡沫”是一个非常绝对的极端判断，那么现场有没有人是处于中间摇摆状态的？也就是说：你心里其实也不确定它到底有没有泡沫，主观上觉得可能存在一些泡沫迹象，但同时又看到这些头部科技公司本身的业绩与壁垒极其具备吸引力；对于“有没有泡沫”这个问题自己心里还没有一个笃定的答案，目前依然在不断探索、不断阅读各种市场研报与资讯，试图去寻找真相。有没有属于这部分状态的朋友？
……举手的同样也不多。那看来今天剩下的绝大部分朋友，心里都是坚定认为现在的 AI 是完全没有泡沫的了？那我今天似乎都可以直接下结论结束演讲了。大家太客气了，应该稍微配合我演一下，觉得都有泡沫，我今天准备的内容才更能显出价值。
先跟各位打个招呼，因为我个人制作的内容风格一贯是极其侧重于底层数据和严谨图表的。所以在接下来的分享中，如果大家觉得展示的数据过多、过密了，可以随时在台下提醒我：“数据太多了，直接跟我们讲讲某个标的到底能不能买吧！”这样交流也没问题。因为我之前在线下做过很多场分享，很多朋友最关心的就是“这个股票下周能不能涨”、“能不能直接建仓”。这类问题大家都可以随时抛出来，但坦率地说，我不一定能给出绝对的标准答案。问题可以问，但投资本身并不存在确定性的神谕。
言归正传，回到今天的主题：当下这一轮 AI 科技浪潮，到底是否存在泡沫？
每当我们探讨资本市场的泡沫时，通常都会习惯性地将当下的 AI 市场与 2000 年的互联网科技泡沫（Dot-com Bubble）进行全面对标。从股票投资与金融市场的专业视角切入，严格意义上的市场泡沫，基本上必须划分为两类截然不同的范畴：
第一类泡沫，我们可以将其定义为估值层面的泡沫（Valuation Bubble）。通俗来说，就是衡量这家公司的股价到底贵不贵。无论是看当前的市盈率（PE），还是看未来十二个月的前瞻市盈率（Forward PE），亦或是基于过去业绩的静态市盈率（Trailing PE），横向与纵向对比来看当前的价格乘数是否已经处于极度脱离常理的高位。如果估值乘数已经严重失真、被无限放大，那我们就可以认为它存在估值泡沫。
而另一类更为隐蔽却往往更具杀伤力的泡沫，则是盈利层面的泡沫（Earnings Bubble）。所谓盈利泡沫，指的是资本市场在当前节点对于一家公司未来的赚钱能力给予了过高、甚至不切实际的乐观预期。举个具体的例子：假定当前全市场一致预期谷歌（Google）在未来的一年里能够赚取极其惊人的净利润，并将这种高盈利预期完全计入到了当前的股价之中；但是当时间向后推移一年，财报数据真正落地兑现的时候，大家却发现市场原本的盈利预期是彻底错误的，或者说实际业绩根本无法支撑当初过于乐观的高估。那么站在当下的时间节点来看，市场对于谷歌未来盈利能力的定价，实际上就构成了盈利层面的泡沫。
复盘2000年科技泡沫：估值泡沫还是盈利泡沫
回到最根本的问题，市场上到底有没有泡沫，这本身是一个相对比较主观的看法。但是今天我想带大家一起去复盘一下2000年当时科技泡沫是怎么产生的，到底是一个盈利的泡沫，还是一个估值的泡沫。当我们有了这个观察之后，再来到当下的市场，我们也许就可以做出这个观察或结论。
首先看图里的两条线。第一条线是标普500的走势，我这边看的是整个1999年到2000年科技泡沫时期。当时市场的顶点接近于2000年的8月31日，当时标普是在1500点左右。然后那一波下跌，直接从8月份的1500点跌到了2002年10月份相对比较低的低点，在700多点，也就是接近要腰斩的下跌幅度。
图里蓝色这条线告诉我们的是估值。估值就像我前面说的，你可以理解为整个当下的市场是贵的还是便宜的。如果处在一个相对比较高的位置，像1999年、2000年当时在25倍左右。那25倍到底是贵还是便宜？其实很多时候我们可以用横向的角度去比较：看一下历史上它的估值到底有没有超过25倍的。如果大多数时间可能都是在18倍、19倍，那我们基本上就可以得出一个结论，当时在25倍的时候是相对偏贵一些的。稍后我会和大家分享当下市场的估值到底在什么位置，所以我们可以做一个横向的比较去得出结论，到底是贵还是便宜。因此，当时看估值的话算是在一个相对的高位。
但是如果我们看橘色这条线，其实从指数股价下跌的时间点来看，指数下跌的时间点是在蓝色线（估值）下跌之后，也就是当时估值是先下跌的，然后指数才出现下跌。
如果我换一个指标，蓝色这条线保持不变，还是市场的估值。因为前面聊到了，我们聊一个个股也好、指数也好，它有没有泡沫，一个是估值的泡沫，一个是盈利的泡沫。前面我们看到估值在25倍，蓝色这条线处在一个相对的高位。那盈利有没有泡沫？或者当时2000年下跌的时候，到底是估值的泡沫还是盈利的泡沫？
这张图里我们看到的是forward EPS，也就是前瞻性的标普盈利增速预期，反映当时整个市场对未来前瞻性标普盈利的预期。这张图里橘色这条线和前面我们所看到的标普500指数下跌的时间点是非常吻合的。所以把这两张图加在一起看，可以看到2000年美股真正开始下跌的时候，是由盈利的增速所导致的。蓝色这条线的估值其实一直都在下跌，从2000年初始到2002年一路下跌，但是标普真正开始下跌的那个时间点，是盈利本身出现了问题。
说得更直白一点，比如后天开盘之后，某一家大科技公司出现爆雷了，出现了一些负面新闻，导致市场马上就下调它们对未来盈利的预期，那我们可能就会看到图里橘色线出现的情况，同时我们就会看到指数的下跌。
所以这两张图我想带给大家的核心是：从历史走势、从2000年科技泡沫的走势来看，一开始指数下跌的时间点和盈利是非常贴切的。也就是说，当指数开始下跌的时候，市场交易的是他们认为基本面出现了问题，而且我们确实看到了基本面出现了问题。
当下美股估值与未来盈利预期的分歧
了解了2000年科技泡沫的产生——它是从盈利泡沫出现问题开始，导致指数下跌，随后指数、盈利和估值一起下跌——我们再来看现在的情况。
同样的，蓝色这条线是当下的估值。如果把当下的估值和2000年科技泡沫做对比，差不多在19倍左右。2000年当时是在25倍，做一个横向比较，19倍相比于当时科技泡沫的25倍，明显现在比以前便宜。我这张图里展示的是2024年到现在为止美股的估值，可以看到现在非常接近2025年3月份的时候。2025年3月份当时是什么情况？是关税问题。也就是说，从估值这个角度去看，过去两年来看现在其实处在一个相对低位。
从这个角度我们已经可以得出一个观察：当下的美股估值到底贵不贵、估值有没有泡沫？其实很难得出“有泡沫”这个结论，因为数据没有办法支持这一点。如果你说在年初的时候，年初时估值是在相对高位，图里蓝色线显示当时在23倍、24倍左右，当时确实是在相对高位。但看当下的话，美股从估值角度是没有泡沫的。
那问题就来了。前面说泡沫分两种：一种是估值的泡沫，一种是盈利的泡沫。图里橘色这条线显示现在市场对于标普500未来EPS增速的预期，这张图里丝毫没有看到任何下调或下跌的情况。
无论是技术分析还是基本面分析，或者看个股，我们都是试图在找规律。试图把以前的规律加在一起去猜测未来，或者像看技术面指标，比如历史上RSI到了30美股就会出现反弹，或者说刻舟求剑，把历史上发生的事情带到现在看是否符合，并预测历史会不会重演。但同样的，我们把2000年当时的盈利泡沫逻辑带到现在，看橘色这条线是得不出泡沫结论的。
当然，正如我前面举的例子，有没有可能下周一开盘时，比如Google发生了一些事情，导致市场马上对它的盈利进行下调？那是有可能的。所以现在市场的争论点在哪里？现在的争论其实不在于整个指数有没有泡沫，而在于市场对未来盈利的预期存在非常大的分歧。
说白了，如果我看好AI的落地，并且这个落地能够在大科技公司、在半导体公司身上体现出来，那市场的预期就是正确的，盈利也就不存在泡沫；而看空的人则认为这个earnings（EPS盈利）被高估了。所以最终其实回到了市场里每一个参与者对于未来一年这些大科技公司的判断——因为通常看前瞻估值都是看一年。最终的问题就是大家对于未来一年这些大科技、半导体公司的盈利到底有多大把握。如果我们认为市场预判是正确的，那就没有泡沫；如果我们认为市场远远高估了这些半导体和大科技公司的盈利能力，那现在泡沫就存在。
所以这确实是一个比较主观的看法。但如果要刻舟求剑的话，起码现在是刻不到2000年科技泡沫的样子的，因为我们现在还没有看到任何基本面出现问题的现象。
从尝鲜到降本：个人智能体的发展与普及路径
既然聊到了大科技公司，我们都知道Google、Amazon的走势。前面聊到了盈利问题，但这张图我主要想带大家回顾一下整个AI从今年到现在为止的落地情况。
如果不是天天在市场里，其实会觉得时间过得挺快。感觉有些事情发生在不久之前，但其实离我们已经有一段距离了。不知道大家还记不记得，今年1月份的时候出现了一个叫Open Lobster（小龙虾）的AI智能体。当时它在社交媒体上传得很火，在YouTube和其他平台上大家都在分享怎么去搭建一个AI智能体。感觉非常厉害，设置完之后可以帮你做很多事情。
但是当时出现的最大问题有两个：首先是硬件门槛，你要去买Mac mini等设备，当时买不到、断货；其次是运行成本问题，你要让智能体帮你做事，你得购买token，AI智能体消耗token才会帮你干活。这个token是有实际成本的，我看到网上很多人最后放弃了这个小龙虾，是因为每个月要刷四五百块钱的token，但是没有带来相应的ROI（投资回报率）。如果花四五百块钱能够持续带来一千、两千甚至一万、两万的回报，那可以持续；但如果未来不能带来回报，每个月烧四五百块钱是不可持续的。
这也引出了为什么最近这段时间Meta发布的个人智能体能够如此受欢迎。非常重要的一个原因就是它是免费的，大家都可以去试。从C端消费者（consumer）的角度来说，个人对价格是非常敏感的。企业对于价格不会那么敏感，企业可以去烧钱，因为他们有预算，也有试错空间；但个人对价格极度敏感。如果要一个月付四五百块钱，很多人不愿意去试；但如果告诉大家这个智能体是免费的，每个月给你提供足够的token和使用量去体验，大家就愿意去尝试。
试完之后很多人给出了反馈。比如现在可以让它帮我监测飞温哥华的机票：直接让它帮我查现在的价格，它通过Google搜索后告诉你；如果你觉得太贵，让它在降价的时候提醒你，它真的会提醒你，甚至会主动询问“现在机票降价了要不要买”或者“涨价了要不要买”。现在的智能体已经发展到了这个程度。如果你给它权限，它基本上可以操作手机里的很多应用和App。比如让它帮忙清理邮箱里的邮件，把垃圾邮件全删掉，只要给它权限它都可以做到；或者未来的购物场景，给它5000块钱预算让它推荐并挑选电视机，它会给你很多选择供你决定。
从1月份的小龙虾到9月份Meta公布的个人智能体，仅仅过了八个月的时间。当初小龙虾只是在非常小范围的极客群体中流行，全球大概就一两百万人使用；而Meta的智能体刚发布一两周，用户量就已经达到了500万人。为什么能达到500万人？核心在于Meta这家公司拥有巨大的网络分发能力（distribution），它旗下拥有Instagram、Facebook、WhatsApp等海量用户。当你已经拥有这么多用户池，再去推一个免费的产品，大家自然非常愿意来尝试。
这就是第一代个人智能体和现在Meta所发布的个人智能体之间的巨大差别，两者的技术接受度（adoption）差别非常大。
在这中间发生了什么？原本使用小龙虾需要调用不同的模型API，不同模型的价格是不一样的，有些模型价格非常高。当一件商品本身的使用成本极高时，大众的接受程度就会非常低。这中间发生的核心变化就是API的价格大幅下降。正因为API价格大幅下降，Meta才愿意在上周、前两周面向全员免费提供使用；如果背后的分发与推理成本依然极高，它是不会这么做的。
在整个AI行业里面，只有当成本真正降下来之后，我们才会看到广泛的应用场景浮现。而在成本降下来之前，多数AI的落地基本上全部集中在科技公司身上。因为科技公司有充裕的资金，即使算力价格昂贵也能够承受并进行尝试，而且科技公司把市场上的算力资源几乎全部抢走了。比如在编程（coding）领域，科技公司愿意投入巨额资金购买算力，而提供模型的公司也愿意把算力卖给这些大科技公司。因此在今年过去的九个月里，除了小龙虾之外，个人用户端能够感知到的AI落地产品其实相对较少，主要原因就是算力成本高昂，市场上的算力多数被大公司抢占。
现在随着开源模型（包括中国开源模型）的进入，把整个模型调用的价格大幅打了下来，许多落地案例和全新的应用场景才开始慢慢浮现。
整个过程可以类比上世纪90年代的个人电脑发展史：最初电脑非常昂贵，普及率必然很低；但随着后续电脑价格越来越便宜、性能越来越高，电脑便走向了普及，最终在工作和个人生活等诸多方面给每个人带来了巨大的便利。这就是科技进步、成本下降所驱动的技术普及（adoption）。
在过去的九个月里，从智能体和AI落地的角度来看其实发生了很多变化。提到当下的AI，离不开两家代表性公司：一家是Anthropic（Claude），另一家是OpenAI。在当下市场聊AI落地，必须看有没有公司能够真正赚到钱；而作为全球最前沿的模型公司，它们的营收状况和盈利能力是市场极其关注的重要信号。如果连他们都不……
模型厂商营收增速与市场对大科技的争论
能赚到钱的话，大家可能就会担心整个 AI 是不是有泡沫。那这两家公司的这两条曲线，我们可以把它理解为他们未来的营收。所以这两条曲线的增速，你可以看到，特别红色这条线，在从 2025 年到 2026 年这段时间，它是一个指数型的上升。这就说明他们在过去的一年里面，AI 落地这一块，黑色这条线的斜率也在开始慢慢上升。斜率在慢慢上升的时候，就告诉你它的落地、它的收速度其实比以前还要快。所以整个 AI 的营收，从这两家公司这个角度去出发的话，是在加速，没有任何的放缓。
回到大科技这边，就是我前面说的，最终市场的一个争论点在哪呢？很简单，现在你去问华尔街的任何分析师，你去问机构都可以，他们都会告诉你，每一家机构都会对任何一家社会区域所有的公司做一个未来的前瞻预测：“我觉得一年之后，比如说谷歌，我觉得一年之后谷歌的增速可以达到多少。”然后市场就围绕着这一个预期去做判断。如果市场预期低了，谷歌的财报出来之后比现在市场预期要高，那谷歌的财报自然就上了。
所以某种程度纠结有没有泡沫这个点，我们就看现在市场。图里绿色这条线是谷歌云的营收增速。可以看到，马上要发布的第三季度财报，市场预期是 88% 的增速。从左边看，34%、48%、63%，一直到 88%，营收是在加速的。其实和前面和大家分享的那两家闭源模型的营收是非常匹配的，营收是在加速。但是如果往未来去看的话，你会发现绿色这条线开始往下。市场在预计什么？市场在定价的就是它的营收增速随着体量上去之后，可能没办法保持那么高的增速。
市场预期、分歧与投资和回报周期的错配
这时候我们知道，这是市场的一个定价，这是市场的一个预期。市场的一个预期大多数时候已经反映在谷歌的价格里面了。那这时候我们每个人就需要有一个判断。比如我挑一个数据出来：77%。77% 是三个季度之后谷歌的营收增速。如果我认为三个季度之后谷歌的营收增速可以高于 77%，那现在市场是低估了；那看空的人就认为谷歌做不到，AI 的落地不会那么快。看空的就认为谷歌在盈利上是有泡沫在那边的，或者市场预期是有泡沫在那边的。至于谷歌到底做不做得到，这就是一个见仁见智的问题，取决于我们对这家公司本身、对这个行业本身的一个判断。
所以前面一开始三张图，我主要想告诉大家，如果我们去刻舟求剑的话，现在还刻不到 2000 年。因为现在的基本面并没有出现任何放缓的迹象，且营收增速是在上涨。但是从预期这个角度可以看到，市场实实在在地在预期增速开始慢慢放缓。
那我个人的看法是，我甚至认为这 77% 都是低估的，有可能三个季度之后这 77% 可能停留在 80%、90% 甚至更高。我做出这样一个判断的标准，是因为我们现在聊谷歌的营收增速，很大一部分现在市场里面是出现这种情况。这也是我觉得市场有意思的一个点：永远不可能有一个统一的 consensus（共识）在那边。如果有大家统一的意见，市场要不就是有泡沫，要不就是非常便宜。市场很少会有一致性的，市场会有一个争论或者不一致性在那边。
为什么我认为三个季度之后的 77% 的系统预期都是低估的呢？因为我们现在在聊 AI 落地的时候，从科技公司这个角度去看，有一个叫做投资周期和回报周期的错配。我们现在聊这些大科技，他们的数据中心，建数据中心你可以把它看作是一个基建。你今天花的钱下去，你什么时候才能够把这个钱赚回来？你是在未来的三到五年才可以把这个钱赚回去。但是你今天拉任何一个人出来，你说你能不确保在三到五年之后能够把这个钱挣回来？或者你现在对于未来三到五年的营收增速，你能不能赚回来？我相信没有任何一家公司可以打保票告诉你能够挣回来。所以这一定是有不确定性在那边的。
这就是我觉得市场或者 AI 有没有泡沫这个问题本身非常有意思的一个点：正因为投资的周期和回报的周期有一个时间错配在那边，我们投资在现在，我们回报在未来，而回报在未来的这个未来本身有不确定性，所以才会有了现在市场的争论。
回到前面我为什么说 70% 几可能是低估的，就是我前面聊到的投资周期错配。简单来说，为什么我们在过去两个季度看到谷歌的增速可以达到 88% 和 82%？不是因为他们在第一季度的投入出现了 88% 和 82% 的营收增速，不是的，而是因为他们在一年前、两年前的投入。是因为他们在一两年前的投入，才看到了绿色这条线在过去这几个季度出现了非常明显的加速，不是当下的投入，而是在一两年前所做的投入。也就是说，现在这些大科技他们所做的投入，反映的是未来一两年之后他们的营收增速。
如果我们去看他的投入的话，每年的投入和上一年去做对比，增速非常快。如果我们看 2026 年的话，市场预期所有大科技全部加在一起的话在 7000 亿左右，那明年（2027 年）的话会到 1.3 万亿。也就是从增速这个角度去看的话，在今年的基础上还会增加将近 100%。那 2027 年的 100% 要反映到什么时候？它要反映在 2029 年的营收增速上。
未知领域下的华尔街预测与管理层信任
我们很多人会看到，理论上说，当一家公司的体量越来越大之后，我们总会认为、市场也总会假设它的营收增速会放缓。就像 2023 年英伟达当时出来的时候也是一样的，大家都认为未来有一个时间点英伟达的营收增速一定会放平，但实际上英伟达一直在加速、加速、加速。所以你说市场是不是一定对？
简单来说，我觉得现在 AI 的时代对于我们所有人，无论今天你和我，或者任何一家机构，都是一个未知领域。因为没有人经历过 AI 的这个时代，正因为有这个未知领域在那边，我不觉得有任何一个人可以做出非常明确的判断说在两三年之后，我们 AI 可以到达什么样的一个阶段，这些公司的营收增速可以到达什么样的阶段。
在我们选择投公司的时候，有些时候我们说的简单一点，投资上市公司，就像你投资一个餐馆或者和别人合作的时候，简单来说你投资他是相信这个人，你相信这个管理层本身。其实我觉得最简单，有些时候你可能也不需要了解这家公司本身的业务，你觉得这些 CEO、这家公司的管理层和你合得来，你就愿意把这个钱交给他，你就投资他这家公司，其实是类似的一个道理。
回到 AI，有些时候在视频里面我给大家分享的角度是：与其我们自己去判断这个行业里面有没有泡沫，你不如把这个决定交给你信任的管理层。这是最简单的一个思考方向和角度。因为我们的时间是有限的，每个人有工作也好，或者有其他的兴趣爱好也好，但是这家公司的管理层他们在这个市场里面，他们对于这个市场的一个判断比我们自己要好。那我们完全可以把这个决定交给管理层。这时候从人的角度去判断，与其我们自己去做这个判断，不如把这个判断 outsource（外包）出去，直接交给管理层去做，这其实也是投资上思考的一个角度。
所以最终这张图我想表达的，就是回到我前面聊的 77%。市场其实针对这 77% 可以有非常不同的一些看法，我个人的看法可能这 77% 都是低估的。主要是因为如果我们回过头去看，在过去两年谷歌在资本开支、在 AI 上的投入，它每年的增速是非常非常快的，那它过去两年的增速将会反映到它未来两年的营收增速上面。
这张图是亚马逊，AWS 是亚马逊的云服务，这张图也是非常有限。你看蓝色这条线，它的增速其实和前面谷歌是一样的。你会发现还有另外一点，就是管理层到底能够给到多远的指引。市场如果看未来两个季度的话，37% 和 39%，觉得确定性还挺高的，营收的增速也比较高；你会发现三四个季度之后，市场又认为你要下来了。这也是一个非常有意思的点，就是前面我聊到的未知领域，是所有人的未知领域。
这些数据是谁做出来的预测？华尔街的分析师。可以把所有华尔街分析员每个人的看法取个中位数，这就是这边的数据。华尔街的分析师就认为增速一定会放缓。但其实如果拿英伟达去举一个例子的话，几乎华尔街的分析师没有一个人是对的。我们站在 2023 年也好，站在 2024 年也好，包括站在 2025 年，没有一个人是对的，所有华尔街的分析师全部低估了。
他们每一次在做预测的时候，都是根据管理层给了一个指引。因为每一次在财报的时候，管理层都会给下一个季度的指引，甚至会给一年的指引。他们每一次都是管理层告诉我：“你说你下一年的营收增速 30%，OK，我帮你调到 30%。”但原本在管理层给这个指引之前的话，他们的预测可能就 15%、20%。为什么呢？因为他们缺乏这个想象空间。华尔街的分析师对于未知领域都是陌生的，所以他们没有办法想象你体量已经那么大了，但你却还能够出现那么高的一个增速。
所以我一直想强调的就是，这在所有人的未知领域里面。我前面说我认为 77% 也是一个低估的营收增速，这是我的判断，但是我的判断也不一定对。我主要的一个判断可以理解为是我认为管理层既然能够选择在过去的两年里——谷歌既然能够选择在过去的两年里面那么大的一个资本开支下去，我相信这个资本开支是有回报的，我们聊的 ROI。有回报的话，最终会反映在营收的增速里面。
算力租赁价格指标与供需追逐战
有一些我们可以去追踪的指标。比如说现在我们在看 AI 有没有泡沫的时候，算力的租赁价格。如果大家有关注英伟达的话，相信这边大家都知道英伟达这个股票，英伟达的芯片 GPU 它是有租赁价格的。如果说租赁的价格在上涨，那就说明市场的需求非常高，那就说明当下 AI 的落地非常的好，且它变得越来越好。
这边是 H100，就是英伟达在五年多前所推出的一个芯片。可以看到从今年到现在为止，租赁的价格是一直在上涨。照理说五年的旧芯片，租赁价格应该是持续下跌的，但我们并没有看到，反而在今年的年初开始不断的反弹。年初到现在差不多租赁的价格反弹了 30% 左右。那说明今年到现在，即使你五年旧的卡都有人要抢着去用，不然的话它的价格是不会升的。所以这也是在市场里面很多华尔街包括一些机构会追踪的一个价格。
另外一个是 B200，它也是英伟达的 GPU 之一。这个租赁的价格可以看到，也是从今年开始出现了比较明显的上涨。B200 这个卡和前面 H100 的卡相对来说它会新一点。所以无论是英伟达的旧卡，还是英伟达的新卡，它在市场里面从今年到现在租赁的价格一直在上涨。这是一个最直接、最直白的我们可以去判断当下市场 AI 的落地到底是往更好的一个方向去还是往更糟糕的一个方向去。
我也不能说当这个价格未来有一天出现下跌就一定是有泡沫在那边，但是这个趋势非常明显。起码如果你放比较短的一个时间，可以看到今年在 3 月份的时候可能出现了一波上涨然后又下跌，你说 AI 落地可能会有泡沫，但其实之后一段时间这个价格还是反弹回去。所以这两个指标在市场里面其实现在已经被追踪得非常普遍，是两个非常直接的信号。
再说直白点，就是算力的价格现在到底是上涨还是下跌。如果是有上涨的话，那就是需求大于供给。只要 AI 落地这块是市场的需求，AI 的供给就是整个市场能够提供的一些算力或者这些大科技在现在所做的投入；只要需求还大于供给，那就说明整个市场是没有泡沫在里面的。
未来有一天，我个人相信是会出现供给超过需求的。为什么会出现这种问题？是因为我前面讲的投资方式方法：现在投，换来的是未来的回报。但是真的三到五年之后，你让任何一家大科技的公司出来和你说“我对三到五年之后的营收有非常大的确定性”，他不可能给你这样的保证，他们自己也不知道。三年前和现在 AI 的逻辑完全不一样的，因为你没办法预测企业的行为和消费者的行为，你也没办法预测在这中间会有多少产品出来。
为什么我说未来有一个时间点我们一定会 overbuild，一定会基建或者整个市场的供给会超过市场的需求？说白了就是因为有一个时间的错配，投资和回报时间的一个错配。就类似于我们聊宏观、聊美联储的时候，我们说美联储的加息或者降息，它永远不可能有一个 soft landing（软着陆），包括加拿大央行的加息或者降息，它永远不可能说“我正正好降到那边我就不降了，然后经济可以出现一个软着陆”，很难做到。
有这样的一个错配，未来我相信有一个时间点，我们是会看到整个市场的供给超过这个需求的。所以无非就是一个供给和需求之间的追逐战。需求端这一块我们得去看落地；供给端这一块，现在所有大科技的一些资本开支全是供给。就是他们现在砸钱下去，数据中心造起来，算力起来；未来这个算力如果没有人用，或者大家来和你谈价，觉得一个比较低……
房地产与科技周期的供需错配
如果市场想要以某种特定价格去使用算力或相关资源，整个市场就容易出现泡沫。我相信未来几乎一定会有一个时间点会出现这种情况，其核心诱因就是时间上的错配问题。
在某种程度上，在座的大多数人可能都生活在加拿大或者了解加拿大，这其实和房地产是一模一样的逻辑。房地产永远是一个在后方追逐需求的行业：当房地产价格已经涨得比较高的时候，政府才会意识到供给端不足了、房子造得不够多。于是市场上开始疯狂造房子。但是，在房子建好之后，移民政策一旦收紧卡住——就像过去这段时间大家在多伦多或者温哥华所看到的完全相同的情况——Condo公寓造了非常多。当初为什么要建那么多Condo？因为当时价格非常高，政府也鼓励说建Condo可以给更多的人提供住房，希望通过增加Condo供给来抑制房价过快上涨。
然而，建Condo是需要周期的，并不是今天决定要建，楼马上就能立起来。一栋Condo从规划建设到完工交付，往往需要四年到五年的时间。结果四年、五年过去之后，移民政策突然收紧，新来的人口减少了，这些Condo便全部面临困境。现在多伦多就是这样的情况：以前买楼花的人全部亏损，很多买家甚至选择放弃交付，直接对开发商说房子不用交给我了、我也不去办贷款了，楼花定金全部赔给你。因为那些买家现在如果去接楼花是面临严重亏损的，目前的市场房价比当初买楼花时跌了很多。
为什么房价会比之前下跌这么多？价格反映的核心就是供需之间的错配。因为开发商在过去几年规划建造的那些房屋和Condo，放到当下已经没有了当年的需求。但是，当你在四五年前决定动工造楼的时候，你根本无法预知未来四五年后需求端会出现这种转变。所以这本质上是一个投资回报周期的滞后问题，进而引发了供需层面的严重错配。
理解了这个观察角度，再来理解现在大型科技公司正在推进的基础设施与算力建设，我认为未来必然会存在一个时间节点，供给端会明显超过实际的需求端。如果那种情况真的出现，我们就可以将其理解为整个市场内部出现了一次盈利层面的泡沫。不过，就当下的时间节点而言，这种供需反转基本还没有到来，目前我们在市场中完全没有看到任何供给过剩的信号。
算力成本指数级下跌与智能体落地
右边这张图从右往左看，展示的是所谓“Cost per Intelligence Task”（单任务智能成本）。前面我们探讨过AI的落地逻辑，我之前提到的一个核心观点是：AI要想真正落地，其调用成本必须大幅下降，价格降下来之后才会催生出海量的实际应用场景。因此，当成本降下来之后，我们会看到很多AI应用与落地的集中爆发。
这张图所谓的Cost per Intelligence Task，衡量的就是模型每完成一个具体任务所需要耗费的资金成本。我们可以直观看到，从最开始最昂贵的模型完成一次任务大约需要763美元，到如今最便宜的模型只需要0.06美元（约合六分钱），这中间的降幅不仅是指数级的，而是一万倍甚至几万倍级别的剧烈下跌。当然，它们所完成的具体任务性质并非完全相同。
我想通过这个数据表达的是，现在市场上已经有非常多的模型变得极其廉价。如果你派遣它去完成一项日常任务，实际花费可能仅仅是五分钱、六分钱。试想一下，当未来成熟的智能体出现后，你对它说：“你帮我去全网搜索机票，帮我找到最便宜的航班班次，并提醒我；当最便宜的机票刷出来之后，你直接替我下单购买。”如果执行整套指令本身只需要花费你六分钱，你愿不愿意让AI替你做？所有人一定都会非常乐意。甚至在未来我相信会出现一个明确的落地形态：我们所有人的智能手机里都会内置一个免费的智能体，帮我们完成很多当前需要付费或耗费大量精力才能做的事情。
所以这张图核心想要表达的趋势就是：当完成单个任务的单位价格出现如此大幅度的断崖式下跌时，应用层的爆发是自然而然的结果。包括Meta推出的Llama以及相关产品的涌现，绝对不是一次偶然的巧合，而是底层AI调用价格全面平民化之后的必然产物。
开源模型竞争与大模型市场蛋糕
前面我们提到了两家在当前闭源模型领域被市场讨论最多的巨头——Anthropic和OpenAI。那么，究竟是谁在对这两家闭源前沿巨头的垄断地位构成实质性破坏与冲击呢？答案是中国以及全球的开源模型生态。
图表中蓝色的这条线，统计的是开源模型在Token需求量上的市场占比。可以看到，代表开源模型份额的蓝色柱状图在过去四五个月的时间里增长得非常迅猛。而黄色这条线所代表的前沿闭源大模型，其Token市占率则开始出现极其明显的相对下滑。
但是，市占率百分比的明显下降，并不代表这两家前沿模型公司的实际营收增速放缓。前面我们看到的图表数据显示，它们的年化经常性收入（ARR）增速依然维持在非常恐怖的高位。如果我们把整个市场在AI领域的总花费、在模型公司身上投入的资金做个汇总，将蓝色柱状体和黄色柱状体合并来看，目前这两家顶尖公司依然吃掉了全市场超过50%的AI资金花费。也就是说，全市场花在AI大模型上的每一百块钱里，有超过五十块钱依然流向了这两家巨头。
背后的逻辑在于：整个AI市场的总蛋糕正在以前所未有的速度急剧做大。这两家领头羊模型所驱动的技术落地和商业化增速依然极高。而从算力消耗的结构性角度来看，开源模型因为价格极其廉价，非常适合分流轻量级需求。在现实中，并非所有事情都需要调动最高智能水平的顶尖模型。这就好比说今天地上掉了一个东西需要捡起来，其实几岁的小孩就能轻松完成；但如果是今天需要准备一场极其专业严肃的演示文稿（Presentation），你就需要扎实的知识储备和极高的逻辑智商，需要动用高智商的模型来协助完成。
因此，未来的生态演进一定是针对不同的Task（任务）选用不同层级的模型。在匹配任务时，简单的轻量任务必定是由成本极低的模型来承载。从这个角度来看，尽管这两家领军模型公司在整体Token总量中的占比有所下降，但由于整个行业的大盘蛋糕在几何级膨胀，这两家模型公司的实际营收依然保持着惊人的高复合增长。
估值泡沫与企业级分身落地的现实
回顾整个逻辑做个总结，市场上的核心争论无非集中在两点。
第一个观察点，就是当下的市场是否存在估值泡沫。结论非常明确，当下的AI市场并没有出现资产估值层面的系统性泡沫。
第二个观察点，在于是否存在盈利泡沫。正如我前面所说，这是一个非常见仁见智的议题。但我之所以详细梳理了那么多落地指标与行业数据，就是为了说明：我个人并不认为当前的估值存在泡沫，市场也尚未出现类似2000年互联网泡沫破裂时的转折信号。
当前开源模型抢占了海量调用份额，但前沿模型依然极其吸金；Token单价的大幅暴跌，直接激发了海量的下游真实需求。接下来我们需要重点关注的、也是我认为在未来半年到一年时间窗口内必须紧盯的核心赛道，就是AI智能体（Agent）的实际落地。这股浪潮的标志性起点，正是过去两周Meta公布的一系列产品动作，尤其是在个人智能体领域的突破。
除了面向个人的智能体，如果大家持续跟踪市场动态，应该会注意到OpenAI在三周前针对企业B端发布了智能体相关布局，比如GPT相关的企业Agent功能。甚至在上周，OpenAI还公布了名为“Operator/Tasks”方向的全新产品。虽然很多人可能没有时间完整观看那场产品发布会，但其核心Idea非常震撼：作为企业里的一名在职员工，这个软件产品本质上可以被理解为你的“数字分身”。你可以直接给它打电话，也可以通过文字指令指挥它，让它替你去把手头的具体业务流程全部跑完。
技术已经发展到了一个极其夸张的地步。在未来的工作场景中，一个员工完全可以当成两个员工来用。原本必须由员工本人亲力亲为处理的繁琐流程，现在可以全盘交给AI去执行；员工的角色转变为成果检验者，只需要审核AI产出的结果是否符合既定业务标准即可。
这是当下市场里正在真实发生的变化，千万不要觉得AI落地离我们的工作生活还很遥远。在个人端，我们看到了能够协助处理日常琐事的个人智能体；在企业端，OpenAI等厂商打造的员工数字分身模式已经成型。这样一个AI员工的订阅费用大约是每月500美元。
大家可以算一笔账：假设在美国雇佣一名基础办公室白领，年薪保守估计按十万美元计算，再加上各类医疗保险和福利支出，企业一个月花在该员工身上的综合人力成本至少在一万美元左右。而现在，一个每月只要500美元的AI智能体，就有可能替代原本成本高达一万美元的岗位工作量。这就是当下无论在B端企业级还是C端个人智能体领域正在发生的现实。在接下来的半年到一年左右时间里，我们会看到大众对智能体的接受度大幅提升，而这种降本增效也将逐步体现在上市公司的财务报表之中。
投资视角的敬畏与AI阶段认知
今天我的分享，主要就是带领大家回顾2000年互联网泡沫的历史，探讨我们今天去与2000年做这种“刻舟求剑”式的对比到底成不成立，以及厘清当前的AI究竟演进到了哪一个具体阶段。
最后我想分享一点个人的心路历程。在今年年初的时候我就曾经公开表达过，面对AI浪潮，我的内心其实是既兴奋又恐惧的。当时兴奋的原因在于，我亲眼看到AI能够完成那么多不可思议的事情；而恐惧的原因在于，我认为AI随时都有可能把我本人的工作彻底替代掉。就像前面老赵（畅总）所调侃的，等他把MoMo的专属Agent开发出来，或许明年再办活动时，台上站着做演讲的就是一个MoMo Agent分身了。所以我也必须拼命跟上技术开发的步伐，尽量让我自己的认知提升速度赶上工具迭代的速度。
这真的不是一句玩笑话。因为我们已经在企业端看到了智能体真实落地的威力，未来会有越来越多的企业愿意入场尝试。从企业主的账面ROI（投资回报率）来考量：一个月500美元贵吗？其实一点都不贵。甚至退一步讲，我们抛开500美元替代一万美元员工的极端案例不谈，哪怕一个500美元的工具只能替代价值5000美元或者2000美元的人力产出，其背后的投资回报率也是极具吸引力的。AI的使用成本极其低廉，而它所能承担的工作体量却在以肉眼可见的速度不断扩容。
所以我说我至今依然抱有敬畏与恐惧。但站在专业投资的角度来看，我恐惧的已经不是个人是否会被替代，我真正恐惧的是自己对这个市场的认知不够全面。我每天在这个市场里密切跟踪AI的产业落地，万一我的视野出现了盲区或看漏了某些关键变量，对于投资决策而言就可能带来巨大偏差。我今天最想传递给大家的信息就是：无论从资产投资的角度审视，还是从个人日常生活的维度观察，AI都已经切切实实来到了我们身边，而且每个人对它的感知与冲击只会变得越来越强烈。
主持人串场与关于ETF配置的引入
主持人：好，非常感谢！我刚才台下听得太入神、完全盯进去了，差点忘了自己还得上来主持。首先，这个时长才对嘛！一个幻灯片讲透，这才是应有的深度。哪像刚才老赵，上来吧啦吧啦讲两句跟漱口似的就下去了。再次把热烈的掌声送给投资TOP君，明显是有备而来，非常感谢你带来这么精彩的专业分享！
刚才幻灯片放出来的时候，不仅是现场观众，连我们后排的工作人员也都在齐刷刷盯着屏幕看。你对AI各个维度的价格演变、算力成本以及需求爆发的拆解，真的非常透彻、非常精彩。投资TOP君虽然跟我都在做内容，但我跟他可不算同行，人家背后是有几十万高净值投资人粉丝的，那是能够真正撬动市场的一股专业力量，我个人非常敬佩。你让我这么夸你，你也不回夸我两句。好，掌声再次感谢投资TOP君带来的详实干货！
正如刚才所提到的，如果现场观众有任何疑问，可以留到最后的圆桌问答环节。届时我会把所有的演讲嘉宾都重新请回台上，大家可以把心中的疑惑以及希望得到印证的市场观点，跟嘉宾们做逐一探讨。
刚才投资TOP君重点剖析的是AI产业展望、泡沫辨析以及个股层面的投资策略。但是，对于市场上的很多普通投资者来说，精选个股往往并不是唯一的选择，很多人需要更全面的资产配置工具，这其中就包括了另外一种极其重要的载体——ETF基金。尤其是在当前市场投资机会越来越多元、个股筛选难度和复杂度日益提升的大背景下，配置ETF成为了很多投资者参与核心科技浪潮的主流方式。
聊完了AI个股，我们接下来就会自然过渡到ETF工具以及宏观市场展望。在有请下一位分享嘉宾上台前，大家进场的时候可能已经留意到了：有些观众桌上摆放的笔记本是橙黄色的MoMo笔记本，而有些观众桌上则是一本蓝色的笔记本，上面印着“Harvest ETFs”字样。Harvest正是我们今天活动的重要赞助商。在请上两位嘉宾之前，让我们先看一段简短的Harvest ETFs宣传视频。
(现场播放宣传视频)
好，接下来让我们用热烈的掌声，有请来自Harvest ETFs的两位特邀分享嘉宾为我们带来精彩分享！掌声有请！
Harvest ETFs嘉宾开场与团队介绍
主持人：谢谢！咦，怎么目前就一位嘉宾上来了？我记得是两位，另外那位哥们儿去哪儿了？哦，那哥们儿在后排坐着呢。
嘉宾（艾文）：对，我先一个人上。另外那位先生是我们的产品副总裁（VP），所以他之后会在最后的Q&A问答环节上台跟大家做深入沟通，前面的主题演讲环节主要由我先来进行。
首先必须坦白，刚才两位重磅大咖讲完之后，我站在台上确实压力山大。我们这次的演示文稿并没有刚才投资TOP君那样极致细致的算力颗粒度拆解。刚才TOP君非常硬核地把AI各项底层数据剖析得很清楚，而我今天更多想讲的是从具体产品端切入，探讨AI这个广阔赛道其实远不只是单独某一个具体的软件工具，它所覆盖的产业链横截面比大众想象的要宽广得多。
首先做个自我介绍，我叫艾文（Ivan），目前担任公司加拿大西部的商拓总经理。刚才提到坐在后面的阿伟（Ali），他是我们团队的产品总监。我们公司现在的总部设立在多伦多，而在加拿大西部布局了专门的业务团队，我个人主要负责商业拓展，阿里则统筹产品线。我们公司成立于2009年，深耕市场至今。
公司背景与演讲主题概述
我们公司基本上有将近二十年的历史。我们是从二零一六年从闭合式基金（closed-end funds）转成全体做 ETF，所以现在我们是主打 ETF，这也是我们基本上唯一做的产品线，因此在这个领域我们还是非常熟悉的。
今天给大家讲的内容其实也并不复杂。首先是“什么是 AI”，我觉得这个其实我都有点不用讲了，刚才 Tao 讲得有点太厉害了，已经把这个内容讲过了，所以我可能就大体过一下。第二个部分是说我们怎么去投资跟 AI 有关系的东西。第三部分更是我们公司所带来的一些产品，以及我们可以提供什么价值。最后我可能会做一个比较简短的总结。在 Q&A 环节，如果大家有什么问题可以问我；如果一会儿有更刁钻、更难一点的问题就别问我了，就问我们的产品经理。
人工智能发展的三个周期
我现在先说一下什么是人工智能。这个内容我相信刚才大家可能已经听到了。我们公司和我们对这个概念的理解，其实是更从一个个体公司和个体产品的角度去看这个问题。我们现在基本上把它分成三个主要方面。
第一个方面就是机器学习（Machine Learning）。在任何一个 AI 产品——不管是英伟达、OpenAI 还是 Meta——他们做出任何产品之前，都有这么一个算是一个周期。这个周期刚开始的时候并不是很完善，在这个时候，AI 主要是建立在去寻找一些模式（patterns）、寻找一些规律、去总结一些规律上。所以这个阶段一般是比较初期的一个产品。在几年前我们看到更多的是这种形式。现在的 AI 产品已经完善了很多，但几年前大公司，像英伟达、Meta 包括 OpenAI，他们之前在做的很多都是这种种子性的初期产品。
从这个阶段慢慢演变到第二个阶段，就是生成式 AI（Generative AI）。在这个过程中，我们看到 AI 越来越完善，起码比第一个阶段完善很多。在这个阶段，AI 不但是可以去识别（recognize）一些模式和数据，它还可以去生成（generate）一些东西，它可以拥有自己的创造力。这是一个很强、很系统性的升级。尤其是在一几年后，我们看到很多公司，不管是大盘股（large-cap）还是中盘股（mid-cap），他们开始从这种最简单的 AI 分析，转换成我们之后看到的这种 AI 自主、自行具备创意性的产品。
举一个很简单的例子：比如说一个厨师做菜，最开始最初的 AI 种子期，可能只是去寻找一些菜谱，AI 帮我们找一些菜谱、找规律，或者是帮我们去看网络上已经有的菜谱，这个只是起到一个辅助的效果。但是到了第二个阶段的时候，它已经远远超出了辅助性的功能，它可以帮我们去创造一个新的菜谱，或者在可能已经有的菜谱基础上去做一个更高的升级。
在最后一步，就是我们此时此刻看到的 AI 比较多的一面。现在有些公司，尤其是像我们觉得像英伟达等已经做得比较完善了，就是他们的 AI 可以拥有自主意识。这种人工智能用在刚刚那个菜谱的例子上，它就像一个小机器人可以帮人做饭，不仅是可以创造一个新的菜谱，还可以完全帮人做饭。这个应用面其实非常广，我们看到尤其是在近几年的医疗健康（healthcare）上面运用其实非常多。所以基本上在每个产品出来的时候，都是有这么三个周期和阶段，从零到三。现在可能我们看到很多大公司，他们已经处在后期阶段（later stage），也就是更在后端。所以这是一个我们从基金公司角度看到的 AI 的演变。
其实这张图也是非常简单，它就是在告诉我们刚才那三个阶段（phases）。再简短一点说，就是每个公司在做 AI 的时候基本上都会有这两个步骤：第一个步骤就是学习期。任何大公司在做这种产品，或者在让这种大产品真正去服务于人类之前，都会让这个产品去自学。自学期包含很多大数据分析和智能分析等，这比较技术化（technical），我就不去过多展开了。但这个阶段是在研发之前，任何公司在研发之前都会有这么一个阶段。在这个阶段结束之后，他们都会把这个产品推向市场。推向市场之后，这个时候 AI 就是真正服务于大众的。在这个过程中，它也会有更好的系统性提升，因为他和大众、用户之间有了互动（interaction）。
就好像用一个学习的例子，这很容易理解：如果一个人想当医生的话，他基本上需要苦学很多年。AI 苦学很多年的时候，就是他在做自己的系统研发和分析。真正出来给病人看病的时候，就演化成了第二个阶段。他是真正可以去看病人的，但是在看病人的过程中，他也会进行真正的升级，医生会通过看不同的病人、看治不同的症状，去给自己的知识带来真正的提升。所以这其实是一个很简单的概念。
投资 AI 的三大支柱：硬件、能源基础设施与软件应用
今天可能我要讲得比较多的，就是怎么去投资跟 AI 有关系的东西。从我们基金公司的角度来看，投资 AI 可能并不只是投某一个软件或者某一家公司。很多大家耳熟能详的公司，比如像 Meta，未来刚才照片里看到的 Google 云等，这些公司大家可能都知道。投资这些公司其实是非常正确的，但是人工智能涉及的面其实非常非常广，远远超出这单一的领域。
从基金公司的角度来看，我们看投资其实有三个大领域。可能我们现在看到的是第三个，也就是软件。一款软件——不管是 Meta 的软件还是什么软件——只是一个单一的小节点，但是它后面运转的东西其实是非常非常庞大的。它后面运转的支撑还包括两个大板块：第一个是硬件，第二个是能源和基础设施。其实这两个才是真正 AI 的骨干（backbone），也就是支持 AI 运转的东西。很多真正大的基金公司，其实把很多钱投在后面这两个领域里，而并不是只投中间的一个软件或一个系统。
这是什么意思呢？接下来的三张幻灯片（slides）我给大家稍微讲一下。
关于硬件，这个应该不难理解。硬件支持涵盖了从 GPU、TPU、CPU、主板，包括服务器（servers），从网络技术（networking）到服务器等任何硬件产品。在座各位可能有电子工程或者计算机科学（CS）背景的，肯定比我更了解这个领域。但是这个领域其实非常非常大。有一些大的公司，像诺基亚等他们在做演示等，也有很多中盘股公司（mid-cap）以及其他一些大盘股公司（large-cap）在做相关业务。他们其实是 AI 的基础（foundation），是最基本的东西，也是支持 AI 运转的一个很大的驱动力（driving force）。
第二个领域就是能源。这个其实我们看得很重，尤其是这几年，我觉得美国也把这一项看得更重一点。能源这个东西其实大部分是跟电力和冷却有关。当然，这也跟刚才提到的第一个板块——硬件有很大关系。生产硬件以及运转软件都需要大量的电力能源。现在我们的能源分布比较分散，欧洲现在很多公司也在做这个能源，其实现在主要的能源可能分布在欧洲这边。这种能源公司、固定电力公司，他们其实也跟人工智能是息息相关的，他们也是支撑最终产品是否完善、是否真正能走向大众的关键因素。有些公司我相信大家听过，但是有些能源公司可能大家并不是很了解。Harvest 有专门针对公用事业和能源（utility energy）的特殊产品，但我今天可能不会专门细讲这项产品，但我们是有这个板块的。给大家展示这些，也就是想让大家知道 AI 这个大概念不仅仅只是一款软件，它后面其实还有两个很大的板块。投资这两个板块其实也就是在变相投资 AI。它们得到的涨幅和两三年之后的回报，虽然我们不可以保证任何东西，但可能会跟随着 AI 的走向，甚至在下行保护（downside）方面可能会更好一点。
最后一个板块就是 AI 本身了。我觉得刚才投资总监 Tao 讲得已经非常详细了，我没有资格再去多讲了。大公司从谷歌到 Meta，还有应用提供商（application provider）比如 Adobe、Salesforce 等，这些是真正的软件应用中心。大家手机里使用的 ChatGPT 等也是跟这些有关系的，所以最后一项我就不放过多的篇幅了。
投资理念、稳定现金流与 Covered Call 策略
说完了我们所相信的三大板块，以及我们从基金公司角度对 AI 的认知与见解，接下来说一下怎么去投 AI，以及我们公司可以提供什么价值。
首先是我们公司的宗旨。刚才也大概提到了我们公司的历史，现在我们手里的管理资产规模（AUM）大概是十四个 Billion（140 亿）左右。刚才最开始 CEO 的视频大家可能也看了，它的最高宗旨其实非常简单，就是两项：
第一项，就是选择真正有价值的公司，选择真正能有实在涨幅的公司。刚才其实 Tao 也说了，大家还不如把钱交给真正大的、有能力的公司和团队来管。这跟我们的想法是一样的，选择真正有实力的公司。从基金角度来看，我们选公司的方式可能不太一样，我们看背景数据和指标的角度可能不太一样，但是经过我们筛选通道（channel）挑选出来的公司，是以经济角度来看在涨幅上具有最优潜力的情况。
第二步，就是在买进这家公司之后的策略。大家对投资的概念可能觉得很简单，就是低点买入然后高点卖出，这是谁都知道的理念。但我们相信，在大家等待股票上涨的过程中，其实我们是可以收到一些收入（income）的。所以每个月提供主动的现金流分红（active income distribution for every single month），也是我们重点聚焦的一大核心，也就是实现一个非常稳定的现金流。这个现金流加上良好的资本涨幅，就是我们的最终宗旨。
我们怎么能提供这个现金流呢？因为尤其是 AI、IT 科技公司，它们的分红往往比较少，大部分利润会转为留存收益（retained earnings）。那我们怎么做到这一点？接下来就是我们比较特殊的地方。
再大概说明一下，关于我们公司目前大概十四个 Billion 的规模，从二零一六年到现在，我们给出的分红已经大概达到了三十七亿（3.7 Billion）。所以这个数字在短短十年里，从我们全面转型做 ETF 之后来看，还是一个非常庞大的数字。现在我们大概有一百个代码（tickers），也就是产品线大概有一百只。这两年我们比较注重完善我们的产品线，无论是在其他行业板块，还是面向投资顾问（advisors）和直面客户，我们都增加了很多产品，完善了产品线。
这就是为什么我们可以提供固定的现金流，这也是我们公司的一个显著特点。今天我不会特别详细地跟大家解释什么是期权和期货，因为展开来说就话长了。但可以用一个很简单的例子来说明：
我们去买一只股票，我们基本上都是信托基金（mutual funds trust），属于加拿大信托（Canadian Trust），这对合理避税等方面是比较有利的。我们买入股票后，通过卖出看涨期权（write call options / covered call）。做了一个期权之后，我们每个月会产生一个很大的分红（distribution）。在等待股价上涨的同时，我们可以让客户充分享受这个现金流分红。
如果大家看买房的例子，刚才 Tao 也讲了一个买房的例子，我也大概重复一下：买一个房子就好像买一只股票，在持有这个房子的同时，我们把房子租出去，是不是每个月或者每两周就可以有一笔很可观的租金现金流？之后如果把房子卖了，在房价上涨的情况下——这两年房地产市场可能比较平淡，但前几年房价暴涨的时候，如果我们把它卖掉，是不是既能得到房子本身的资本增值，还可以每个月稳稳拿到租金现金流？
Covered Call 的理念跟这个一模一样。我们只是把这个机制应用到了股票或具体的产品上面。
市场环境应对与期权策略的利弊权衡
Covered Call 本身在不同的市场环境下，其发挥的作用是不一样的。在每种市场环境下它都有各自的优势（benefits），但在大牛市的上涨行情中，它也是存在一个弊端的，这个必须明确告诉大家。
首先说如果市场不好的时候，在大熊市、市场下跌的情况下，Covered Call 比较好是因为它起到了软着陆（soft landing）的作用，它是一个缓冲垫（cushion），具有很强的下行保护（downside protection）。如果股票跌了，期权金（option premium）会直接到期失效（expire），我们依然可以收取每个月的现金流。如果是震荡走平的市场（flat market），股票价格不动，我们依然可以稳稳收获现金流。
如果市场上涨的时候，我们可以同时收获股票涨幅和现金流。但是这里有一个很关键的点，就是我们存在一个上涨空间上限（upside cap）。假如一个投资组合百分之百持仓，如果我们把其中百分之三十写出期权（covered call），那么这百分之三十对应的涨幅，大家可能就享受不到了。这就是任何期权策略都存在的一个很大的弊端。
我们基本上每个月都会根据市场情况调整期权卖出比例（write level）。Write level 指的是我们卖出期权的比例是多少：写出的比例越高，错失超额涨幅的风险就越高。如果我们百分之百都写出去了，那么遇到大牛市全线暴涨的情况，大家就享受不到资本涨幅，只能拿到一份很可观的现金流。所以我们基本上每个月都会去分析、重新调整，每个月的 write level 可能都不一样，目的就是尽量保证大家在享受股票上涨的同时，还能持续获得稳定的现金流。
所以不能说为了推销就骗大家说这个期权策略是完美无缺的，它在大牛市的时候确实会封顶（cap）掉一部分涨幅。
介绍完这些之后，接下来开始讲具体的产品。我个人主要是对接财务顾问（financial advisors）的，所以我个人的工作主要是跟当地的顾问、投资经理（portfolio managers）以及交易商（dealers）去沟通合作。
AI 相关基金与备兑看涨期权产品介绍
做一个对接，把我们的产品放到他们的 proposal 里面。这也是我第一次直接跟 investor 做这种活动，所以我不是很知道具体我们要讲多深，或者多 specific 地去介绍我们的产品。所以我并没有把每一个产品都事无巨细地写下来，那样时间可能会太长。所以我只是把跟 AI 有关的这几个产品节选了一下，放在 PPT 上跟大家稍微介绍一下。
首先，HTA 是我们的科技股产品。它很简单，上面大家能看到包含二十个 blue-chip company，非常大的公司，从 Meta 到苹果、Oracle 等，非常多的产品放在一个 basket 里面。我们会在这个 basket of underlying stocks 上面写 option，也就是写刚才提到的 covered call。每个月大概有非常高的现金流收益，现在可能在 8.5% 到 8.6% 左右。所以大家在持有这些正股的同时，还可以得到每个月大概 8% 到 10% 的现金流。这就是我们的一个产品。这些持仓里面很多名字像英伟达、微软等，都是跟 AI 直接有关系的。
我们的另一个产品是 HTA（或相关能源基建产品）。这跟刚才我说的板块相关。AI 发展后面推力有两个大板块，一个是硬件，一个是能源与基础设施。我们这个产品就是跟基础设施有关的。我不知道大家有没有深入了解过这里面的公司，表面上看它们好像跟 AI 没有直接的关系，但实际上很多公司都是给 AI 提供支持的巨大供应链产品。所以我们把它们放在了一个 basket 里面，依然是用刚才同样的方式去做期权备兑。它的 distribution payout 大概是 8.17%，所以也是比较可观的。
我们这个产品目前在市场上跟别的一些大基金公司的同类产品相比，那些产品基本上把能源 sector 更多 focus 在美国的一些股票上。但我们其实觉得 utility 这个 sector 在全球范围内的威力应该更大，所以我们现在基本上是为数不多去布局 global 维度的，不只是美国的公司，欧洲的一些能源公司我们也涵盖在内。
最后这个产品线是我们最新的一个产品，叫做 Single Stock High Income Shares。这是什么意思呢？其实非常简单，它就是针对任何单只股票，比如说以苹果为例：我们去买入苹果的正股，然后去写刚才说的 covered call。大家如果去买这个产品，其实就等同于买了苹果，但我们帮大家做了一个 covered call overlay。产品逻辑非常简单清晰，没有加任何别的东西。有些公司会加一个 covered call 再加一个 put，搞很多复杂的花样，我们并不是去加这些乱七八糟的结构。我们就是把它做得非常简单，根据涨幅情况写相应比例，比如有时写 20% 左右。这样大家在拥有苹果股票的同时，依然可以看到每个月有稳定的现金流。
这个产品现在已经覆盖了非常多的个股，从特斯拉到 Alphabet，这些是跟 AI 有关的标的。当然还有很多跟 AI 没有关系的标的，我们今天就没有写在上面。目前这个产品线已经有几十个个体的单股产品。再往下细分，我们把其中的一些产品又放在一个 basket 里面，做出了像 HHIS 这类产品。它的逻辑就是从这里面再选出十只个股放在一起，非常好理解，也是采用 covered call 的方式，每个月产生很大的现金流，非常 proactively 去 address 我们的 yield level，让大家既能享受到股价上涨的红利，也能拿到充沛的现金流。
这三个产品是我个人觉得跟今天 AI 主题最相关的。当然我们还有很多不同的产品，比如 healthcare 医疗方面，我们可能最大的 AUM 就在 healthcare 医疗领域，包括还有一些别的产品，今天就不跟大家展开多说了。但大体上，我们作为基金公司所采用的投资手段都差不多，都是在利用期权做备兑策略，让大家拥有稳定现金流的同时，也能享受到对这些正股的掌控与成长。
总结一下，对于 AI 人工智能，我们觉得它不只是一个软件，不只是一个产品，也不只是一个小小的 sector，而是有更多的领域融合在一起，组成了一个巨大的整体架构去运转。通常大家会觉得，买一个 AI 股票，比如买个特斯拉，有时候暴涨固然非常好，但是不管它涨不涨，本身的分红收益往往并不客观。我们公司在这方面可以说能提供独特的价值，因为我们可以去做期权，让大家在持有这些 AI 股的同时享受股价涨幅，而且每个月都有现金流进账。
回顾一下刚才提到的三个产品系列：第一个是 HTA，属于我们的 technology 科技方案；第二个是针对能源基础设施的产品；最后则是我们的单股票高收益系列产品。这三大系列产品跟 AI 密切相关，这也是我们基金公司目前对 AI 的见解。之后的 Q&A 环节，如果大家有特殊的问题，比如想深入了解期权具体怎么写，我和阿里都可以回答。但那个细节展开讲会比较长，所以今天没有细讲每一个期权执行点、为什么选 at-the-money 还是 out-of-the-money 等等。如果大家有疑问，稍后的问答环节可以提出；以后如果有别的活动，大家如果想彻底完整地了解期权机制，我们也非常高兴专门针对期权为大家做 presentation。谢谢大家。
主持人串场与新旧投资观念趣谈
你们怎么一个个讲完就想走呢？我们站着听了好久，我们俩坐着歇会儿。非常感谢 Alan 刚才给我们带来的精彩分享。
我发现我去这类活动其实也挺多的，我发现当年轻人向老一辈投资人讲解时——当然在座的各位不是说各位年纪大——但是每当新钱、新兴的 AI 投资人想要给那些靠传统投资获得第一桶金的老钱们解释时，每次新钱给老钱解释，都喜欢拿房地产来举例。大家推来推去好像也没有别的更好类比，不得不拿房子说事。刚才投资板块的嘉宾拿康斗（Condo）举例，你也拿房地产举例。说不定等有一天我们作为听众坐在底下听的时候，下一代年轻人给我们解释新事物时，就得拿 AI 来举例了。确实说不定就是这个样子。
那么非常感谢 Alan 为我们带来的精彩分享，请大家用掌声感谢他。好，把那玩意儿留下，小小的那个控制器留下。控制器不在那儿，在台上呢，行，没问题。
说到年轻人，下面是我们的最后一位嘉宾。这位嘉宾是 Moomoo 的高级产品营销经理，也是一位年轻人。我认识他很久了，他今天上台之前特意叮嘱我说，别把他吹捧得太高，也别把他夸得太离谱。那接下来我就说实话吧。David 已经站在那儿了，我跟你说，他特别厉害，奥巴马退休之前特意跟他通过电话，美联储每次加不加息都是找他商量决定的，巴菲特见了他直接跪地上……行，没夸张，没夸张。
接下来进入最后一个环节，之后也会有 Q&A 环节。接下来让我们聊一聊期权 Options，有请 Moomoo 高级产品营销经理 David 上台分享。
Moomoo 桌面端期权功能入口与期权链
谢谢光头哥的暖心介绍。我今天跟前面的几位嘉宾相比有一个特权，就是我能够坐着讲。因为我今天给大家分享的主题是：如何使用我们 Moomoo 的 App 去帮助大家做期权的交易以及期权的分析。
大家可以看到两块大屏幕，这个就是我们 Moomoo 的桌面端界面。我们现在是在个股百事可乐（PEP）的期权页面。在场有很多已经是 Moomoo 的用户，大家在看我们的 App 时，有时候可能会被我们丰富的功能所惊艳，但有时候也会觉得功能确实非常多，很难快速找到自己想要用的功能。
在交易期权的时候，Moomoo 的功能基本上分布在两个地方： 第一个地方是在我们的个股页。比如我们以百事可乐（Ticker: PEP）举例，大家搜索任何一个 Ticker，最先出来的默认 Tab 就是图表界面，也就是大家最熟悉的 K 线图。如果我们想要看期权相关的内容，只需要在顶部的 Tab 点击第二个标签“期权”，这里面就是所有关于这只股票或 ETF 的期权相关内容。 第二个地方是在左侧导航栏。大家可以看到有一个 Tab 直接就叫“期权”，点击后就可以到达全市场的期权汇总页。刚刚看到的是个股期权，而这边是全市场的期权信息汇总。基本上 Moomoo 所有期权相关的内容，在这两个地方都可以找到。
今天我就给大家介绍一下不同的功能分别是怎样使用的。我们可以从 Tab 从左到右逐一介绍。
首先，最左边就是我们的期权链（Option Chain）。如果有交易期权经验的话，对期权链都会非常熟悉。这是我们在交易期权之前必定会看到的界面。在这里我们可以选择想要交易的行权价（Strike Price）以及到期日（Expiration Date）。
策略损益分析与多腿组合收益可视化
在期权链这一块，Moomoo 非常值得介绍的一个功能就是“损益分析”。如果大家是资深的期权交易者，可能会做一些非常复杂的期权组合。期权主要的功能其实就两个：一个是给我们对冲风险，另一个是短期博取超额收益。在达成这两个目的的过程中，有时候我们用到的不仅仅是单腿期权，还会用到一些策略组合，涉及到好多个腿、多种期权组合在一起。这时候对于交易者来说非常难受的一点是：看不清它的盈亏平衡点（Breakeven Point）到底在哪里，也不知道选择哪一个行权价或到期日才是最佳选择。
这时候我们就可以用到 Moomoo 的损益分析功能。我们可以以跨式策略（Straddle）随便选一个给大家举例。比如我们在 122 这个价位点击“创建买入订单”，构建了跨式策略。然后我们只需要点击期权链右边的“损益分析”按钮，大家就可以看到系统直接把这个整体期权策略的收益曲线做了一个可视化呈现。
这个损益图表是可以交互移动的。鼠标悬浮在哪个位置，就可以看到对应点位的详细数据信息。比如我现在将鼠标悬浮在这里，大家就可以看到如果到期价格达到这个数值，到期损益是多少，当前损益是多少。同时，我们可以清晰看到两个盈亏平衡点分别在哪里，一个是 117，一个是 126。也就是说，在这个策略当中，如果到期日股票价格处于 117 到 126 之间，我们是亏损的；只要股票价格跌破 117 或者涨超过 126，策略就会进入盈利状态。
这是拿跨式策略给大家举的一个例子。Moomoo 系统内置支持 13 种期权组合策略。如果大家有自己更复杂、腿数更多的策略，也可以使用我们的自定义策略。我们可以随意选择一些不同的组合尝试，点开损益分析，它就会实时生成对应的图表。不管大家使用什么样的期权组合，只要进入损益分析，都可以一目了然地看到该策略目前处于什么状态、最大亏损是多少、最大潜在收益是多少、盈亏平衡点在哪里。这对于大家在交易期权、挑选期权的过程中，是非常实用的功能。
面向新手投资者的期权智能策略
接下来我们进入第二个 Tab。这是专为期权新手准备的功能——期权智能策略。
很多初学者可能会觉得，刚才看的那些 Collar（领式）、Straddle（跨式）、Butterfly（蝶式）策略对于刚接触期权的人来说太复杂了，不想这么快去涉猎复杂的组合，毕竟期权交易有风险，理解策略也需要时间。如果作为期权新手想要开始交易期权，又不知道该买什么期权时，就可以使用这个期权智能策略功能。
大家可以看到在页面顶部，有几个非常简单的预设条件供大家选择。最顶上的一项是：“您对股价未来的看法是什么？”Moomoo 帮大家细分了六种预期类型：大幅上涨、普通上涨、在中性区间微弱波动、横向剧烈波动，以及对应的看跌和强烈看跌。
用户只需要像平时买正股一样，对股票未来的走势以及预期的目标价做出基础判断，把这两项内容直接填写进去即可。以看涨举例：假设我认为百事可乐会看涨，并且我认为它的目标价会达到 134，而它目前的现价是 125。把这些预期输入进去之后，再选择一个到期日——因为每只期权都有到期日，系统默认推荐两周左右（比如 13 天）。把这些条件选定后，下方就会自动匹配出对应的期权策略与推荐合约。
期权新手推荐策略与损益可视化
在这种情况下面，适合我们去购买的一些期权策略，比如最简单的单腿看涨期权（Call），或者我们也可以去卖出一个看跌期权（Put）。同样的，所有的损益情况，我们都是在 App 里面以及桌面端软件里面为大家进行可视化的呈现。通过这种可视化的损益图，大家也可以一目了然地看到：为什么我们要用这个策略？因为当标的股票上涨的时候，我们是会赚钱的。
举个例子，比如说标的股票涨到了我们的目标价 134 美元，我们把鼠标悬浮在这里，就可以看到到期损益是 587 美元。然后，只要我们对这个股票在趋势上的看法发生了任何变化，我们只需要在界面上点击对应的选项。比如说，我现在对它的态度变成了“强烈看跌”，那么对应推荐给大家的策略也会随之发生变动。
这个功能带来的便利之处在于，大家不需要自己去挑选那些复杂的期权策略。富途牛牛 / moomoo 已经帮大家选好了所有适合当前行情走势的期权组合。大家在界面上看到这些推荐，并且查看了对应的损益图之后，如果觉得合理，就可以直接点击交易按钮，去执行买入或者卖出的操作。
期权分析板块：数据整合与指标解读
讲完了面向期权新手的功能之后，接下来回到针对期权资深交易者的板块，也就是我们的第三个 Tab——期权分析。
在期权分析这一块，我们提供了非常丰富的功能。大家可以看到，这里有最常用的波动率分析、成交统计，还有成交量分布、持仓量分布、波动率期限结构以及波动率微笑曲线。对于期权市场的资深玩家来说，相信大家对这些数据都不会感到陌生。
但在平常的交易中，我们经常会遇到一个痛点：在寻找这些期权数据时，往往需要翻看很多不同的网站。有的网站可能只有波动率分析和持仓量分布，却没有波动率微笑曲线；而有些网站虽然提供了微笑曲线，却缺少其他维度的数据。更普遍的情况是，当我们好不容易找到这些数据网站时，却发现它们大多需要付费订阅。
在 moomoo 这边，平台基本上把交易期权前置判断所需的所有关键数据全部集中整合在了一起，不仅免费开放给所有用户，而且全部做了可视化图表呈现。这就是这个板块为大家带来的核心价值。
如果有的新手用户看到这些图表觉得太复杂、自己暂时用不到，也不用担心。大家可以看到，在每一个功能板块的右边都有一个带有字母“i”的小图标（Information 按钮）。比如有的用户会觉得这个图表太复杂，不清楚什么是 IV，什么是波动率，不知道具体含义。这时只需要点击这个 Information 按钮，里面就会弹出非常详细的说明介绍，解释该功能具体是做什么的，以及其中涉及的每一个专业概念——例如 IV（隐含波动率）、HV（历史波动率）、IV Rank、IV Percentile 分别是什么意思，以及如何利用这些数据指标来辅助自己的期权交易决策。因此，不论是期权新手还是交易老手，都能够在这个板块中找到对自己有帮助的工具与内容。
期权异动：跟随真实大单与资金情绪
接下来进入第四个板块——期权异动（Option Unusual Activity）。
如果大家已经是 moomoo 的用户，可能听说过平台前几个月以及目前正在举办的加拿大交易大赛。第一期比赛在 9 月份圆满结束，当时我们举办了线下颁奖典礼，邀请了全加拿大在比赛中收益率排名前十的选手来到现场。在现场交流环节，我们向他们提出了一个问题：他们是如何利用 moomoo 这款 App 做出这么高收益的？
当时整个比赛的第一名选手分享道，他在软件中最喜欢的功能就是大家现在看到的“期权异动”。他在两个月的时间内实现了 5000% 的收益率，也就是获得了整整 50 倍的投资回报。
为什么这位冠军选手如此偏爱期权异动功能？他提到的一点极具参考价值，甚至完全可以作为该功能的宣传语。他说：在日常市场上判断一只股票时，很多时候大家会去关注新闻资讯，或者听取他人的观点并参与讨论。比如在小红书或其他社交平台上，经常能看到形形色色的人表达各种不同的观点，有人看涨，有人看跌，每个人都说得信誓旦旦，觉得自己非常有逻辑、非常有道理。但在评论区里，大家最常见的一句话往往是：“既然你看空或者看多它，请你把实盘单晒出来。”因为市场上没有任何一样东西比真金白银的实盘成交单更具有说服力，晒单才是证明自己真正笃信自身观点的最好方式。
期权异动功能本质上呈现的就是这种情况。这里展示的每一条期权异动，都是市场上已经真实发生的大额交易。平台为大家筛选出来的都是体量非常庞大的单子。之所以称之为“异动”，是因为市场上突然出现了异常巨量的大单。这些大单都是真实的机构资金或者大资金散户已经操作完毕、并呈现在交易所底层数据中的成交记录。因为 moomoo 接入了交易所的逐笔实时数据源并进行了清洗抓取，所以能够把这些关键异动呈现出来。
这种真实成交数据比市场上所有的口头观点都更有说服力。因为交易方直接买入了某个方向的巨额期权，说明他们对这一方向具有极其坚定的判断，并且已经将大笔真实资金押注其中。
举一个具体的例子，我们可以看当前列表中的这一条异动：这笔交易是买入了一个 167 天之后到期、行权价为 135 美元的 Put（看跌期权）；或者是卖出了这样一张 Put。当市场上发生卖出 Put 的操作时，其对应的市场情绪实际上是看多。在软件中，系统在每一条异动的旁边都直接标注了对应的市场情绪，不需要用户自己去逐一拆解分析。因为市场交易形态多样，有时是买入，有时是卖出，有时交易的是 Put，有时交易的是 Call，moomoo 直接将解读后的市场情绪标签展示在旁边供大家参考。
期权异动之所以如此重要，是因为它通常代表了机构投资者或资金实力雄厚的大户（Big Whales）的真实动向。他们之所以突然执行体量如此庞大的交易动作，说明他们要么已经做了极其深入详尽的基本面或量化研究，要么就是掌握了一些普通散户未曾掌握的增量信息。因此，这能够为我们个人的最终交易决策提供极具参考价值的佐证。也就是说，交易者首先可以通过前述的期权分析等各项数据指标得出自己的独立判断，然后来到期权异动板块进行交叉验证：观察机构和大户资金是否也采取了相同的方向？如果他们的交易动作与自己的预期一致，就可以有效验证（Validate）自己的操作逻辑，进而更有信心地执行真实下单。
期权排行与标的流动性筛选
最后一个功能是期权排行。这个功能主要适用于投资者已经选定了交易标的的情形。比如当前决定交易的标的是百事可乐（PEP），当然也可以切换成英伟达（NVDA）、特斯拉（TSLA）等大家平时非常关注、流动性极佳的美股科技巨头或核心个股。
当我们已经确定了要交易某只股票、但不知道具体买卖哪一份期权合约时，就可以来到期权排行页面。在排行板块中，用户可以根据不同的数据指标对期权链上的合约进行排序。例如可以按照成交量排序，查看百事可乐当前所有期权合约中，哪一张成交量最高、哪一张成交量最低，并支持从高到低排列；同样也可以按照成交额、持仓量（Open Interest）等指标进行多维度筛选。
为什么需要提供这些筛选维度？因为期权交易与正股交易存在显著差异，期权合约本身的流动性至关重要。在实际交易中，投资者有时会遇到这样一种尴尬情况：虽然自己买入的期权方向判断正确、账面上明明盈利了，但如果该合约对应的底层标的本身交易清淡，或者所选合约流动性极差，最终可能导致盈利后根本卖不出去平仓；或者在强行挂单卖出时，由于买卖价差（Bid-Ask Spread）过大而亏掉很多利润。因此，通常在进行期权交易时，成熟交易者都会优先选择流动性好、成交量大的标的；而在选定标的之后挑选具体合约时，同样必须遵循重视流动性的原则。期权排行页面正是为了帮助大家快速筛选出流动性最好的优势期权合约。
财报分析：利用波动率博取财报行情
讲到这里，关于期权 Tab 内的核心功能就介绍完毕了。最后想跟现场各位分享一个非常有意思且实用的功能——财报分析。
正如前面所讨论的，期权本质上是非常依赖波动率的衍生品交易工具。在市场波动率较大的时候，无论是用来博取短期收益，还是用来进行风险对冲，期权都能发挥出更大的效用。那么对于单只个股而言，什么时候波动率会显著放大？通常就是在公司财报发布的前夕以及财报发布的当天。
针对这一场景，moomoo 开发了财报分析功能。在这个功能模块中，用户可以直观查看该股票历史各个财报日的涨跌幅以及当期的波动率表现。
以百事可乐为例，之所以选择它作为案例，是因为它即将发布最新季度的财务报告，距离财报发布只有四天时间。通过财报分析界面，我们可以调出它以往历次发布财报时的 K 线走势图、IV（隐含波动率）走势以及 HV（历史波动率）走势。百事可乐马上要公布业绩了，结合它过往财报公布前后的历史表现，我们就可以评估本次在财报发布前夕是否存在合适的期权交易机会。
界面中将该股的 IV、HV 与 K 线图叠加放置在一起供用户进行直观对比。在图表下方展示的是历史财报预测波动。图表中标识的黑色线条代表预期波动的上限和下限，在每次财报发布前夕，市场都会通过既定的公式计算出该次财报预期涨跌幅范围。图中的红色和绿色柱状图则代表股票在财报发布当日真实的涨跌幅幅度。
借助这些历史沉淀数据，我们可以观察该股票独特的“股性”。虽然“股性”听起来有些抽象，但每只股票确实都具备鲜明的个性特征。这可能取决于该股票的受关注度（Popularity），也取决于其交易主体更偏向机构主导还是由散户高度追捧，这些资金结构差异都会直接影响其价格波动特性。有些股票在财报发布当天股价波动会极为剧烈，而有些股票的波动则始终收敛在市场预测的范围之内。
以百事可乐为例，观察其过往历史数据，从最近一次财报往前回溯统计七次表现，可以发现其中有六次，百事可乐在财报发布当日的真实涨幅或跌幅都突破了市场给出的预测波动区间。这里的预测波动是通过市场期权价格公式反推计算出来的，代表财报发布前市场全体交易者真金白银给出的预期定价。然而百事可乐的实际走势表明，一旦财报出炉，其股价的实际波动率很多时候都会大幅超出市场的事前预测。
这一数据现象向我们传递了一个核心信息：百事可乐这只股票在财报发布当日，其潜在的真实波动在期权市场上往往并没有被充分计价（Pricing）。如果其波动已经被市场完全充分定价，那么其实际涨跌表现应该稳定落在预测波动的上下限区间之内；正是因为它没有被充分定价，所以实际波动率经常会突破预设的上下限。这对于即将公布的财报而言，就为我们提供了重要的判断依据。如果投资者希望利用它“财报日实际波动往往超出市场定价”的特性，就可以提前规划对应的期权策略。当然，历史数据并不代表未来，也不能百分之百预测未来的走势，但它能够为我们的交易决策提供极具参考价值的辅助信息。
由于时间关系，今天关于 moomoo 期权功能的介绍就先分享到这里。如果大家有兴趣继续探索，主要可以在两个入口找到相关功能：第一个是具体个股页面下的期权 Tab；第二个是专门的独立期权市场板块。在期权市场板块中，大家可以看到全市场的期权宏观数据，包括市场总览、期权排行榜等；此外，如果希望博取高弹性的超短期收益，平台还设有活跃的末日期权专区，专门针对 0DTE（零到期日）期权交易场景设计，方便大家快速筛选并执行交易。
现场活动福利与问答环节开启
分享环节告一段落，接下来有请 moomoo 加拿大市场负责人 Shirley 上台，为大家介绍今天专门为到场嘉宾准备的特殊活动与福利。
Shirley 上台表示，现场许多用户都非常期待随后由投资博主等嘉宾带来的分享，自己的环节会非常简短，主要是来为大家派发福利。
第一项福利针对刚刚现场很多用户询问的网络连接问题。现场的活动 Wi-Fi 已经准备就绪：请大家连接名为 Hilton Hotel Meetings 的 Wi-Fi 网络，网络密码为 meetings2026（或 ms2026ms，请现场确认连接）。
第二项福利与在场嘉宾有关。今天到场的嘉宾中，有部分是来自于 moomoo 优质客户专属项目“Customer Premier”的成员及其同行伙伴。moomoo 致力于为核心用户打造更优质的高净值圈子与投资生态。无论是支持个人投资还是助力创业体验，现场汇聚了多位从美国特意飞来的嘉宾，以及多位优秀的投资人与行业代表。今晚，平台还将专门为 Premier 核心用户及其受邀朋友提供专属的晚宴与深度交流会。
随后，现场工作人员将座椅移至舞台中央，正式进入观众问答（Q&A）环节。主持人重新邀请台上的特邀嘉宾赵捷先生、投资暴军以及华哥等嘉宾回到台前就座。
嘉宾重新上台后打趣互动道，刚才一直在台侧站着，现场工作人员之前居然没给台上留够椅子，引发现场一阵笑声。紧接着，主持人宣布 Q&A 互动环节正式启动。
现场进入第一位观众提问环节。观众向台上的嘉宾提问：关于美国交易所交易基金（ETF）涉及的税务问题，如果投资特定市场的 ETF，在涉及到预提税（Withholding Tax）时，通常会扣除 15% 的税款。这位观众想要厘清的具体细节是：这 15% 的预提税究竟是在基金投资标的层面上扣除，还是在基金向投资者分配分红发放现金时扣除？不同基金在派息时的扣除处理方式是否存在差异？希望台上的专业嘉宾能够帮忙解答分析。现场主持人随即引导嘉宾就该税务问题展开详细的现场解答与讨论。
基金持仓与个股扣税差异
在谈到持仓结构与税务处理时，现场讨论了持有基金产品与直接持有单一底层股票的区别。关键在于投资者持有资产的具体形式，不同的产品结构在税收处理上完全不同。具体取决于你持有的究竟是底层资产还是基金份额，比如你持有的是美股股票还是加拿大的基金标的。如果所有交易流程都是通过基金层面（例如通过 CDS 等清算或基金通道）进行，那么这就属于基金层面的架构，而不是单个股票层面的直接交互。
即便投资者在经济利益上暴露于某只特定底层股票的波动风险，但在税务和产品结构层面，实际暴露的是对应的基金产品。这意味着，不能简单将某种税务处理一概而论为底层股票本身的税率，而是取决于产品本身究竟是设立为 ETF 基金通道，还是直接持有股票。如果是通过特定产品结构，可能其内部已包含了相关的税费处理；但对于普通投资者直接买入美股资产的情况，例如市场上极受关注的热门标的 QQQ，该股票是以美元计价为基础的，据了解其涉及的预扣税通常在百分之十五左右，其间可能存在约百分之十三到百分之十四的税费差额。而如果通过加拿大本地的特定结构或加币计价产品参与，最终的税务处理逻辑也会相应匹配。不同平台在管理这类产品时，涉及的通道、管理成本及处理时间也会有所不同。
传闻中的并购重组与小股东估值溢价
随后有提问者提出，近一段时间市场流传未来一到两年内可能出现资产或业务合并的传闻。面对这类潜在的合并重组，普通小股东往往缺乏信息优势，无法确切了解资产估值与定价细节，如果前期业务进展波折，普通小股东该如何应对。例如，当发生并购或合并时，通常溢价区间可能在百分之三十到百分之五十左右，小股东是否应该择机卖出，以及合理的底价大概如何形成。
针对这类并购重组情景（例如假设特斯拉与 SpaceX 之间发生合并），业内通常会采取以被收购方换取收购方（如 SpaceX）股份的对价形式分配给原有股东。在溢价幅度方面，通常收购方给出的溢价不会过高，一般会根据当时的市场公允价格给予百分之三十到百分之四十左右的溢价空间。因为如果溢价达到一倍甚至更高，对于收购方的原股东而言，意味着公司承担了极高的收购对价，收购方股东通常难以接受。因此，这类交易背后通常不会出现极其夸张的超额溢价。实际并购定价往往以具体基准时间点的股票收盘价作为参考市值，再在此基础上增加大约百分之三十的溢价。由于基准日期的选取直接影响最终作价，市场价格波动较大，因此确切的收购时间节点非常重要。
富途加拿大业务布局、线下门店与牌照合规进度
现场一位身兼平台活跃用户与投资人双重身份的参会者提出问题。他表示非常高兴能在温哥华参与此类针对庞大投资群体的线下交流活动。结合自身使用香港版产品的体验，他感受到加拿大本地产品在功能和品类上与香港产品存在一定差异。例如，本地投资人常常有配置优质基金（如类似微斯/相关基金产品）的需求，但在当前加拿大客户端可选的标的相对较少。他询问何时能补齐这部分产品线差距。另外，关于相关加元产品，投资者若想以企业或个人名义了解详情，目前缺乏直接上门演示或深入咨询的渠道，是否可以预约一对一的点对点交流。
富途团队负责人首先对现场参与者表达了感谢，提到这是团队首次在温哥华举办线下交流活动，此前主要在多伦多进行尝试，看到温哥华投资群体如此热情非常感动。他分享道，当天上午团队刚在温哥华本地考察了两个候选选址，计划在未来明年上半年在温哥华设立本地实体线下门店，类似目前多伦多已有两家线下店的布局。届时本地投资者参与交流活动将更加便利，可以直接到店参加。以多伦多为例，九月和十月期间每个周末在线下店都有数场交流活动。团队非常希望把这种面对面交流的机制带到温哥华，邀请优秀嘉宾分享见解。
针对产品功能与交易能力的差异问题，负责人从两方面做出了解释：首先在技术研发层面，团队核心成员具有深厚的研发背景，此前香港富途底层所有的交易系统、风控架构均由该研发团队一手搭建，在技术与产品研发能力上完全具备支撑全品类业务的实力。但目前在加拿大落地的核心约束在于合规与监管要求。在加拿大本地作为持牌机构运营，必须遵循本地严格的监管法规，监管标准与本地五大商业银行完全一致。当前所持牌照的许可范围严格限定了目前能上线哪些业务、哪些业务暂时无法开展。因此，产品品类的差异并非技术短板，而是团队与本地监管机构持续沟通、逐步扩展牌照经营范围的过程。目前团队有大量新业务牌照正在申请和推进过程中，但加拿大监管机构的审批与沟通节奏相对较慢。
关于业务推进的时间表，团队预计的一个关键节点是明年一月份，届时将上线一批全新的资产交易品类；随后希望在明年年底之前，在本地监管许可的前提下，尽可能对齐香港平台的大部分交易与产品能力。这一切推进必须严格建立在合规经营与牌照获批的法律框架之内，以确保客户的资金与交易安全，维护客户对平台的信任。对于负责人个人而言，从总部来到加拿大开辟市场，公司寄予厚望，团队正将牌照拓展和能力补齐列为最高优先级的攻坚事项。在场合作方也补充确认，富途团队在业务推进和执行效率上极为高效，目前的节奏主要取决于监管流程。
关于联系咨询与对接渠道，现场嘉宾补充说明，相关 ETF 产品的资料在各大官方网站上均有公开透明的展示，相关持仓与信息全天候可查。如果投资人有具体问题或需要深入对接，官方网站上设有专门的投资者联系渠道与电话信息，拨打后会有专门的团队跟进解答。未来团队也计划在加拿大西部地区设立专职人员，为本地投资人及投资顾问提供本地化的直接对接服务。
科技巨头循环融资争议与杠杆风险
随后一位提问者向台上的浩平（音）提出了两个宏观投资问题。第一个问题聚焦于当前科技板块的“循环融资”现象。提问者指出，在当年的科技牛市中许多企业曾通过循环推高估值，包括当时思科等公司都在一定程度上参与过此类操作，最终导致估值承压。如今市场不少人质疑，当前 AI 科技巨头之间相互投资、采购芯片、云服务采购等循环融资模式，是否人为压低或粉饰了当前的市盈率（P/E）。虽然演讲 PPT 及上午讨论均认为当前估值并未出现过分的整体泡沫，但这是否掩盖了潜在的杠杆问题。提问者还结合自身近两三个月的实际业务经历举例：他近期参与协助孙正义进行资产抵押融资的交易，软银近期又向 OpenAI 投资了逾百亿美元，但深入交易后发现，软银已将其旗下约百分之九十七的资产进行了质押，通过银行贷款换取流动性再循环投入前沿项目。提问者直言，一个主体不断抵押存量资产借贷再投资，这种激进加杠杆的行为让非金融科班出身的他也感到不安与反常。
提问者的第二个问题则关于加拿大本土资产配置。鉴于在座多数属于加拿大本地背景，而目前科技投资聚光灯大多集中于 AI 与美股，提问者希望了解浩平对投资加拿大本土标的的看法。加拿大拥有自身独特的资源禀赋与传统优势行业，例如天然气管网等上中下游基础设施、公用事业、电力供应，以及原材料与大宗矿业（金矿、银矿等资源板块）。提问者询问，在专注 AI 科技之余，如何评估这些具有加拿大本土优势的行业。
加拿大资源基建配置价值与科技杠杆本质分析
浩平首先回答了关于加拿大本土优势资产的第二个问题。他坦言，从个人时间精力分配和选股研究的角度，他目前的精力和焦点基本全部集中在美股市场。从资本回报和成长性的维度来看，美股市场确实拥有更多高成长性、高爆发力的优质标的。然而，提问者提及的加拿大本地资产是一个非常切中时弊的课题。接下来的周期中，加拿大本土在基础设施（Infrastructure）、公用事业、能源管道及关键原材料等板块确实展现出大量潜在机会。对于普通投资者，如果同样精力有限、无暇深入逐一调研个股，但又希望参与加拿大基建与资源红利，通过配置相关行业的 ETF 产品会是一个兼顾流动性与分散风险的较优选择。
随后浩平切入关于科技板块循环融资与金融杠杆的核心提问。他明确表示，他完全认同市场上存在“循环融资”这一现象。当前科技生态中，资金从一家巨头流出，变成第二家合作伙伴的营收，第二家企业再转身投资第三家机构，这种资金在产业内部相互抬轿的循环融资链条确实是客观存在的事实。同时，在当前大规模搭建 AI 数据中心与计算基础设施的阶段，不论是科技产业链上下游还是巨头自身，都在个股层面和金融层面不断叠加杠杆。面对这个事实，市场无需回避，也没有必要进行过度辩解——当前的科技投资环境确实正处于加杠杆的周期之中。
浩平进一步剖析，金融杠杆的叠加必然伴随着系统性风险的累积。然而，杠杆本身并不会直接导致行业供需关系的失衡；供需格局的变化是由技术落地效率与真实商业化需求决定的。当行业最终出现“需求低于供给”（即产能过剩或供给大幅超出实际商业应用需求）的拐点时，杠杆的作用在于将这个基本面恶化的冲击成倍放大。类比 2008 年至 2009 年的全球次贷危机，在危机真正爆发之前，几乎没有任何机构或分析师能够精准预测到体系会在具体哪一天、哪一个精准时点发生崩塌。市场参与者当时唯一能够确知的事实就是系统内正在不断累积巨额杠杆。因此，面对加杠杆的市场环境，投资者唯一可行且理性的应对手段，不是去徒劳地预测暴跌发生的确切时间表，而是在标的选择与仓位管理上保持相对审慎与保守的防守姿态。
长端国债收益率与科技估值的关系探讨
在浩平回答完毕后，现场另一位参会者接续提出了关于宏观利率环境的问题。他请教浩平如何看待美国十年期、三十年期长端国债收益率与科技股指数估值体系（包括 AI 估值乘数）之间的内在互动机制，以及普通投资者应如何观察这一环境变量。传统金融理论与市场共识通常认为，高企的长期国债无风险收益率会对科技成长股的估值倍数产生明显的压制效应；然而回顾近期的实际盘面，以高科技龙头为代表的科技资产却在长期国债收益率维持高位的宏观状态下持续走强，二者呈现出与传统认知不尽相同的走势。
美股估值承压与利率上升及科技股盈利增速
针对科技股表现与长债收益率之间的关系，以及前面关于估值的讨论，从今年到现在为止，我们可以看到美股无论是标普500、纳斯达克还是半导体板块，它们的估值整体都在下降。与此同时，今年以来的利率一直在上升，因此在某种程度上，估值的下降与利率的上升有着非常直接的关系。
这种情况在九月份表现得尤为明显：利率出现了非常大幅度的上升，随后所有的价值股板块全部遭受抛售，市场普遍出现了抛售潮。从基本原理的角度来看，利率上升对于整个股市是有普遍影响的。但不同公司的表现取决于其盈利增速到底有多快。从投资者的角度来说，并不是说利率上涨之后美股就没有任何投资价值了，关键在于公司本身。如果一个行业或者公司没有受益于 AI（没有被 AI benefit），AI 也没有为公司的营收增速或盈利增速带来提升，那么当融资成本上升之后，投资者就有了其他选择：既然可以拿到 5% 的美债收益率，或者买企业债拿到 7%，为什么还要去承担风险投资那些盈利增速只有 8% 到 9% 的公司？这就是九月份市场去杀跌、挑战这些板块的核心理由。
但对于所有公司而言，逻辑是一致的。科技股现在的估值也处于相对低位，市场并非无缘无故杀跌，只是科技股作为分母端的盈利增速，超越了当前整个市场融资成本的上升幅度。
资本成本上升周期与未来资金紧缺趋势
前段时间我参加蔚来的会议时，听到蔚来汽车 CEO 李斌的讲话，这也是当下市场正在面临的现实：未来资金会变得非常紧缺。这意味着未来做所有事情的资金成本都会变得非常贵。当钱变得非常贵的时候，无论是从投资还是其他维度考量，都必须深入思考投下去的每一笔钱到底能否带来足够的回报。
因此，在未来挑选投资标的或投资选项时，一家公司或某只 ETF 未来能带来的投资回报率将变得尤为重要，因为底层的资金成本上升了。包括前面提到的长债收益率走势，这已经成为一个大趋势，短期之内很难出现根本性改变。这可能是这一轮周期的典型特征，接下来市场可能需要逐步适应这种利率长期维持高位、资金变得越来越贵的宏观环境。
证券账户资产隔离与投资者保护机制
现场有观众提问：用户在熟悉并体验富途/Moomoo APP 之后感觉非常好，但在开户过程中看到有宣传提到券商提供 100 万的保险保障。一方面觉得 100 万额度相对资金规模来说是否偏少；另一方面，根据个人认知，用户每天存入的资金都是受监管的独立托管资金，即使券商自身发生破产，投资者的资产在法律层面并不属于券商的破产财产。那么这 100 万保险的具体性质和作用是什么？此外，第二个问题是关于出入金效率，目前账户出入金虽好，但每天限额比如单笔或单日有限制（如五万等），未来资金进出通道是否会有进一步优化？
针对第一个关于保险的问题，首先富途（包括 Moomoo）从成立一开始就没有自营业务。我们不做自营，没有自己的投资自营项目。我们所做的一切就是提供一个平台，让客户自主进行投资，践行让投资更简单的愿景，提供一个简单易用的自主投资平台。
关于账户保险，这其实是监管机构强制要求为每个账户提供的投资者保护机制，属于法定监管保障的一部分。这意味着万一券商由于不可抗力或违规破产导致资产受损，有第三方机构提供赔付保障。
需要明确的是，在富途的体系内，客户的资产与公司的自有营运资金是完全物理隔离的。在会计制度和合规框架下，绝不允许将客户资金与公司自有资金混同存放。券商没有任何权限动用客户的资金，只有客户本人才能调配自己的资产。
之所以监管部门还要设立这层保险机制，是因为尽管账户受到严格隔离与定期审计——监管机构每年或每两年都会进行现场抽查与驻场审计，严格检查所有账户是否符合资产托管要求——但为了防范极个别极端情况下券商违规挪用或出现其他系统性违规，监管层设置了这一道法定保险。因此，这项保障相当于在严格隔离与监管审计的基础之上，额外再增加的一层终极兜底保障。
对于保证金账户（Margin Account），如果投资者账户里有 1 万块钱，但希望买入 2 万块钱的股票，差额的 1 万块钱属于向富途融资借款，所产生的利息即为融资融券（Margin）利息，而不是券商去占用或挪用客户本金。
出入金通道风控逻辑与 AI 梯度风险管理
关于第二个出入金问题，目前平台支持多种资金进出通道。例如 Instant Transfer（即时转账）是实时的，但通常设有单笔或单日限额；而 Wire（电汇）则需要等待银行系统的清算到账时间。
针对 EFT（电子资金转账）方式，之所以通常需要设置几天（如 5 天左右）的资金冻结或审核周期，是因为银行 EFT 规则赋予了转账人在 90 天内发起无条件撤回（Chargeback/Recall）的权利。在实际业务中曾出现过欺诈案例：有人通过 EFT 入金 1 万块钱后立即买入期权，如果期权发生巨额亏损，该用户便向银行谎称该笔转账非本人操作申请撤回，导致券商承担全额资金损失。因此，对普通用户设置几天等待期，是行业内应对撤回风险所采取的标准风控策略。
针对资金量较大的大客户群体，我们目前正在推进并已经上线了基于 AI 的梯度风控管理系统。AI 系统每天会实时评估高净值及优质客户的入金记录与整体账户风险状态。一旦模型判定该客户的信用与风险处于极佳状态，平台会选择自行承担潜在风险，在当天直接释放入金可用额度，使优质客户能够享受到更高效快捷的入金体验。这些尝试都是利用 AI 技术在合规框架下提升用户体验的举措。
事实上，这种出入金时间差是整个金融行业普遍存在的底层规则，包括美国市场的 ACH 入金以及相应的 EFT 结算方式都是如此。我们在遵循行业既有金融规则的前提下，通过技术创新和合规风控来最大程度优化处理效率。至于某些快速转账渠道设置的 1 万元限额，主要是基于反洗钱及通道成本限制，这些在规则说明中均有明确标注。
识别 AI 行业泡沫的交叉验证机制
现场最后一位观众提问：针对前面对于 AI 发展的结论，市场判断 AI 是否存在泡沫或者何时需要提高警惕，是否有核心指标可以参考？另外，随着 Token 价格持续下降、模型能力不断提升，未来在 SaaS 软件层与底层硬件层之间，竞争格局与商业价值会如何演化？
针对第一个问题，是否存在某一个指标可以判断 AI 到底有没有泡沫，目前全世界的投资者和分析师都在寻找这个答案。但现实中不可能存在某一个或两三个单一指标，能直接断言 AI 行业是否已经形成泡沫。
想要客观评估行业发展状况，核心方法是紧密跟踪市场，尤其是对每一季度各大科技巨头及产业链上下游公司的财务报表进行持续深度的交叉验证。通过将多家关联公司的财报数据放在一起对比，能够清晰地看出业务落地的真实推进节奏。
例如前段时间 Meta 开始对外出租和出售部分算力，当时市场上出现炒作和质疑声音，认为“连 Meta 都要卖算力了，是不是说明 AI 泡沫破裂、算力过剩了”。面对这种单一事件，需要深入探究底层事实：Meta 为什么要出租算力？租用其算力的客户是谁？实际买家是像 Perplexity 这样的企业。而 Perplexity 自身的产品落地和用户增长数据非常亮眼，这意味着由于下游应用落地需求强劲，Meta 才愿意调配资源支持生态。因此，必须从具体的单一事件出发，通过上下游不同企业财报与运营数据的交叉验证，去推导真实的供求关系，而不是依据某个单一指标的波动得出存在泡沫的结论。持续跟踪财报与产业链数据，是目前最为可靠的验证手段。
Token 成本下降的产业链影响与开源及前沿模型格局
针对第二个问题，关于 Token 价格下降对行业的影响，从整体来看，Token 价格的大幅下降对绝大多数应用层软件公司是重大利好。
软件开发公司在构建产品时高度依赖模型调用，Token 消耗是其主要的基础设施成本。软件企业利用代码和算法设计产品并交付给最终客户，当底层 Token 采购成本大幅下降时，软件公司既能维持对客户的终端软件售价不变，又能大幅提升自身的毛利率空间。
而对于提供云计算与基础架构支撑的大科技公司（Cloud & Infra Providers）而言，虽然单位 Token 价格在下降，但应用落地加速带来了调用总量的爆发式增长，薄利多销带动了计算基础设施需求的进一步扩张，整体上同样是显著受益的。相比之下，那些商业模式仅仅依赖简单包装模型、单纯转售基础 API 的转售类 SaaS 厂商，可能会面临较为严峻的利润挤压与竞争挑战。但从宏观产业落地角度来看，价格走低降低了使用门槛，做大了整个 AI 市场的蛋糕，避免了因使用成本过高而扼杀行业增长空间。
对于开源模型（Open Source Models）与前沿闭源模型（Frontier Models）的竞争格局，开源模型的普及确实会分流一部分基础应用市场的份额。但前沿模型之所以被称为 Frontier，核心在于它们代表着最高的技术水准，专门用于解决全球范围内最复杂、要求最高的关键问题。能够解决最极端难题的技术必然享有极高的市场溢价，客户也愿意为此支付高昂对价。
商业世界不是非此即彼的零和博弈。相对简单、标准化的日常任务，完全可以通过开源模型或轻量级模型以极低成本高效解决；而面对最复杂的专业场景，高溢价的前沿模型依然具备不可替代的壁垒。两者面向的是不同的应用场景与价值层级，未来产业分工会更加清晰：针对不同难度的问题采用相匹配的模型架构，客户为真正解决高难度问题支付更高的溢价。
本场问答环节由于时间关系至此结束，感谢大家的积极提问与参与。