近日，多尼斯发布新一代AI智能宠物产品，搭载AI识别与宠物状态分析功能。该产品基于AI算法与喂食器硬件融合方案，可对宠物日常行为与健康状态进行持续识别与记录，帮助主人更及时、客观地了解宠物情况。 在AI识别方面，产品可区分宠物进食、活动、休息等不同行为状态。在状态分析方面，产品可对活动量、异常状态等指标进行连续记录，当数据出现异常波动时向用户发出提醒，供其参考并判断是否需要进一步处理。多尼斯表示，相关功能旨在辅助日常照料，不替代专业兽医诊断。 技术层面，该产品结合豆包AI和Google Gemini AI算法体系与云服务能力，支持识别模型的持续优化与数据安全存储。 多尼斯指出，此次发布是公司在智能宠物产品线上的一次务实迭代，重点在于提升AI的识别准确性与数据可用性，而非单纯增加功能数量。 未来，多尼斯将继续围绕AI功能优化产品体验，推动智能宠物产品在家庭场景中更可靠地落地。 $多尼斯(DOGZ)$

图片 自从我7月结账科技后，一直没有重新买回来的好时机，但本周五似乎给出了一点不错的信号，值得关注： 1、在跌破最后一根支撑的时候深V拉回，不知道是神秘资金做的，还是市场里想抄底的人，认为这里赔率高想试试； 2、成交量也距离重回2万亿只差一哆嗦，有钱回流是场子升温的必要前提； 3、情绪指标到位了，网络上阴阳怪气嘲讽A股的人变多了，同时此前那么大回调都没结账的多头，这周熬不住割肉的也变多了。 这些都是底部的典型特征，当然，不是说这些信号来了就要雄起，是“可能要止跌筑底”了，再跌我不知道要去哪里啦，看不到下面，那不成人为金融风险了？ 不过我还没有抄，下周再观望观望。 之前和大家说过，如果A股成交量低于2万亿，就没什么大行情，少折腾，或者说要做就做高息能源类的，水电煤油这种。 不是说科技没行情，那么A股就谁都亏钱，而是没行情的时候，高动量板块会吃面，但是中国最硬的国有资源类，则彰显高强防御属性，除了我个人偏好的 $中国神华(601088)$ 、 $中国海洋石油(00883)$ 外，其实像 $中国银行(03988)$ 、长江电力等板块，走势也都非常好的，这也是为什么很多老登喜欢闭眼死拿吃息，无视任何一年的个股涨跌，只提利息。 这些公司几乎无任何重大资本开支，不发生极端问题，也无倒闭可能，盈利能力稳健，波动率有限，不会像科技公司那样错过一个版本，可能这个时代就要抛弃你了。 可能很多读者投资经验少，没经历过完整的牛熊，它们是熊市甄选，越熊走势越牛...前两年熊市我的重仓，8月也短做过一波，但现在这个位置，赔率就不太美丽了，只能说要信早信，要学

先看一组昨晚的收盘数据。 道指涨366.19点，报52048.83点，涨幅0.71%；纳指涨599.54点，报27122.09点，涨幅2.26%，创收盘历史新高；标普500涨114.20点，报7764.70点，涨幅1.49%。 半导体板块全线爆发：Arm涨17.16%，英特尔涨12.14%，AMD涨9.95%，市值首次突破1万亿美元关口，高通涨9.29%，台积电涨2.42%。费城半导体指数收涨4.29%。 Meta暴涨11.43%，创2025年4月以来最大单日涨幅。特斯拉涨3%，英伟达涨2.30%。 想一个问题：五天前，这些票还在被同一批资金抛弃。9月15日，SMH单日暴跌4.75%，Meta也在Muse隐私争议的阴影里。公司的季度利润没有变，变的是什么？ 是两条价格曲线。 第一条曲线：油价四连跌，通胀风险溢价被抽走 先看油价。9月21日，纽约商品交易所10月交货的WTI原油期货下跌4.51%，收于每桶95.78美元；11月交货的布伦特原油下跌3.40%，收于每桶100.34美元。 因为地缘风险溢价在退潮。本周联合国会议能推动美伊冲突的外交进展，沙特部分恢复原油出口也缓解了供应担忧。伊朗总统佩泽希齐扬将于22日启程前往美国出席联合国大会。 这4%的跌幅，传递的信号极其关键。上周油价还在108美元上方时，通胀担忧是压在科技股头上的一座山。现在油价四连跌，把最极端的通胀恐慌从定价里抽走了一部分。市场不需要油价崩盘，只需要它不再失控。 第二条曲线：10年期美债收益率跌破5% 再看利率。9月21日，10年期美债收益率下跌4.71个基点，报4.945%。上周，这个数字一度触及5.041%，是2007年7月以来的最高水平。30年期同步跌4.06个基点至5.281%。 5%是一个心理关口。当收益率站在5%上方时，所有长久期资产的远期现金流都被高贴现率压制。而当它回到5%下方，折现压力瞬间

上周五的盘面——结构性分化 标普涨0.17%，纳指涨0.39%，道指跌0.18%，罗素2000跌0.50%。看起来是涨跌互现，但拆开看，半导体板块的独立行情，才是整张盘面的真正主角。 SMH半导体ETF当天大涨2.76%。闪迪涨超11%，希捷涨7%，西部数据涨4%，美光涨4%。三天前，SMH刚单日暴跌4.75%，两天就收回了七成。而押注半导体下跌的三倍做空（SOXS），当天跌了10.22%。 半导体为什么能在大盘疲软、长端利率站上5%的环境里逆势上涨？因为它的定价权，不在贴现率手里，在供需缺口手里。 英特尔CEO陈立武当天在峰会上说了一句话，直接点燃了存储板块：内存价格已经涨到了原来的5倍、6倍，甚至7倍。全球生产多数内存的三家公司告诉我，2028年之前不会缓解。与此同时，黄仁勋表态英伟达明年芯片销量将达到今年的两倍。需求翻倍，供给要等两年。这个错配，让存储股的定价权变得极其硬——它们可以把成本转嫁出去，甚至主动提价，利润增长不依赖于市场相信什么。 但半导体的独立行情，并不能掩盖全市场的承压。 道指跌0.18%，罗素2000跌0.50%。这两个指数，才是5%长端利率的真实受害者。道指成分股里的金融、工业、消费，利润来自当期，对融资成本的敏感度极高。而罗素2000的小盘股，浮息债务占比高，利率一涨，融资成本立刻飙升。10年期美债收益率站上5%的当天，这些板块和资产被系统性压制。 这就是当前市场最核心的定价机制：定价权>久期。 半导体有定价权——供给被锁到2028年，价格自己说了算，所以它能在5%的利率环境里涨。道指和小盘没有定价权——利率是央行定的，信用成本是经济周期定的，所以它们只能跌。 这个框架，可以回答——AI权重能对冲宏观吗？ 上周五只能托指数，不能替全市场承压。纳指涨0.39%，是因为半导体和AI权重股在涨。但道指跌、小盘跌、绝大多数股票在跌。AI权重把纳指托

上周参加中金策略会，体感是大会都在聊AI，Takeaway是 $台积电(TSM)$ 以一己之力延迟了AI泡沫的进程，别看上面英伟达/博通/AMD竞争多激烈，背后的订单都来到台积电这里排队。只听到一个聊消费的，还是鸣鸣很忙这种新消费。小会就更极端了， $兆易创新(03986)$ 这里，酒店房间临时改出的小会议室里，硬是挤进了几十个人。五矿资源的听众也排到了过道。形成鲜明对比的是，一市值2万亿的红利股，连我就四个人，我原本就想过去蹭一下，后排记点笔记，连问题都没准备，就被怼到管理层对面，整整两分钟，逢君听祥语，相视两无言。另外，休息室里前后左右聊的主题是AI，黄金，航运。唯一听到聊消费话题的是：“我靠，九毛九真的跌到了九毛九。” 听了滴滴，有点伤感，遥想2023年初，我买入滴滴时，逻辑是国内最能打，出行弹性要起来了，几个月就兑现了收益。现在股价又回到了四年前。国内还是那么能打，一季度中国市场贡献150亿人民币，但，都填入国际业务坑了。市场对它的估值锚点从“高壁垒互联网平台”退化为“高资本开支周期性重资产再投资公司”，P/E与EV/EBITDA倍数被死死压在个位数。突然想起阿里，腾讯，快手，京东的Capex进攻性支出，冒出一身冷汗。 $中国移动(00941)$ 的takeaway是：有些事情（数据中心建设）难但正确，得做，如果单考察利润率的话，短信业务是绝对王者，但荣耀吗？ 中国平安的takeaway，储蓄搬家已经开始，而且会持续扩大。很多高净值人群同时也是利率敏感人群，愿意把平安的1.75%+分红单当成定存来买，而且是持续买。这背后的管道，

这周开盘前，我在投资群和社区里看到不少悲观的声音：接下来的市场恐怕要迎接腥风血雨了。油价急涨，加重了通胀担忧，美联储加息的预期也压了过来。利率上行，一头抬高企业的融资成本，另一头让股票的高估值更难维持。 在宏观市场两头堵的情况下，AI行业自己又传来了减速的呼声。美国时间9月12日，Anthropic首席执行官Amodei发文，呼吁协调放缓最前沿AI能力的增长，给安全评估留下更多时间；OpenAI的奥特曼和xAI的马斯克随后也对这项倡议表达了支持。 这给押注AI产业扩张的投资者增加了一层担忧：如果前沿研发慢下来，未来还需要建那么多数据中心、买那么多芯片吗？ 不出所料的是，周一市场的抛售情绪相当严重，费城半导体指数收跌5.9%，英伟达收跌3.4%。同一天，英伟达的黄仁勋在洛杉矶All-In Summit现场与特朗普公开通话。特朗普在表示应当谨慎对待AI风险的同时，强调美国仍要发展AI、保持领先。 而在这一周里，美联储加息最终落地，油价则在后半周从高位回落。等到周五收盘，标普500指数全周仍略有下跌，周一大跌的费城半导体指数却已收复跌幅。英伟达全周上涨1.82%，SK海力士上涨2.48%，联想集团更是上涨约20%。 前沿AI研发，会因为几家美国头部公司缺乏约束力的表态就慢下来吗？就算前沿研发真的放缓，支撑股价上涨的AI基建叙事就会随之失效吗？就算AI基建的高速增长告一段落，资本市场对AI的热情，就没有新的增长故事可以承接了吗？ 要回答这些问题，先得看清AI的需求正在发生什么变化。 01  让市场跟上模型的进步 从去年到今年，大模型行业一个显著的趋势是，推理逐渐超过训练，成为算力使用的主要场景。因此，放缓前沿模型的训练，并不意味着算力需求会随之迅速萎缩。 训练前沿模型，需要投入算力，让模型获得新的能力；已经训练好的模型替用户写代码、整理文件，也要持续消耗算力，这