巨佬再挽留：不要急着下车！

没有光（模块）的港股今日继续下挫，恒生科技指数跌近2%，而带动A股昨日重返2万亿成交额的CPO板块继续大爆发！中际旭创、德科立、天孚通信等批量新高。

“AI算力含量高”的ETF再一次屠榜，通信ETF涨3%，5G50ETF、5GETF、创业板人工智能ETF均涨超2%。

(本文内容均为客观数据信息罗列，不构成任何投资建议）

AI信仰又回来了？吵得热火朝天的“AI泡沫论”呢？

桥水基金创始人达利欧直接喊话市场：“不要仅因估值过高就匆忙撤离人工智能投资！”

当下，市场对人工智能重新达成共识了？

1

达利欧：不要因为AI估值过高就急于退出

周一，桥水基金创始人达利欧接受媒体采访时警告称，由于债务、美国政治冲突和地缘政治三大主导周期的汇聚，全球经济未来一两年将更加不稳定，目前私募股权、风险投资、正在再融资的债务领域都出现裂缝。

他还预计2026年美国政治将变得更加具有破坏性。“随着我们进入2026年选举，你会以不同方式看到更多冲突。”

“所以我相信，从这些指标来看，我们都处于一个泡沫中。”但他强调了目前与2000年泡沫的相似之处，但与1929年泡沫不同。

其再度重申AI反弹已进入泡沫区间的观点，但建议投资者：不要因为估值被拉高而仓促退出。

“所有泡沫都发生在技术变革的时代，”达利欧说。“你不能仅因为泡沫就想退出，你要找气泡被戳破的感觉。”

他给出两个“气泡被戳破”的前瞻指标：来自【货币紧缩】或【被迫出售财富以履行义务】。

近期，全球流动性又将迎来关键节点。

2

美联储要释放流动性？

临近美联储、日本央行12月议息会议，一个要降息，一个要加息，前者作为全球流动性的掌舵人，后者作为套息交易的主流货币，他们的一举一动都会对全球流动性起到举足轻重的影响。

尽管美联储12月降息25基点已成为市场主流共识，但对全球流动性最敏感的资产BTC却依旧没有企稳，隔夜BTC一度跌破8.9万美元，年内涨幅尽数回吐，转为下跌3%。

从下图的BTC、恒生科技指数和纳斯达克三者走势来看，恒生科技指数与BTC走势更为同步，且三者11月21日触底后，纳指明显反弹，BTC和恒生科技仍处横盘震荡走势。

A股本周独立港股强势反弹是因为上周五险资风险因子调整（沪深300、红利低波100和科创板），额外约1000亿增量资金是流入A股，与港股关系不大。

迟迟反弹乏力的BTC走势意味着，流动性问题还远远没有结束，问题到底出在哪？

原来经过连续三年缩表，美国银行体系准备金10月萎缩至为2.94万亿美元，是2020年10月以来第二次跌破3万亿关口（第一次是今年1月1日当周，可以回忆一下彼时美股12月和1月的表现。），已接近美联储设定的"充足但不过度"水平，是美联储决定停止缩表的关键因素。

但对市场而言，过去三年银行准备金中位数是3.2万亿美金，要防止银行间流动性紧张，不出现大问题，那么准备金规模至少要回到中位数3.2万亿美金以上。

就在这个关口，遇到日本12月加息，一降一升之间，美日利差收窄只会刺激资金进一步从美元市场离开，这就是典型的“屋漏偏逢连夜雨”。

问题来了，谁来补充银行准备金的缺口？

因此市场的关注点已不仅仅是降不降息，而是12月1日正式缩表后，美联储资产负债表后续走向，到底要不要重启购债？

无独有偶，又是美联储的“二把手”——纽约联储主席威廉姆斯11月多次说过美联储很快重启购债。

所以全世界都在等，等12月议息会议上美联储会不会宣布重启购债。

这便是近期华尔街万众瞩目的「储备金管理购买(RMP)」，被市场视为“新一代QE”（注：不是QE，但可以理解为扩表）。

公开资料显示，储备金管理购买(ReserveManagementPurchase,RMP)是美联储为维持银行体系准备金处于"充足水平"而进行的技术性购债操作，非货币政策转向，而是流动性管理工具。

目前华尔街各家机构都认为美联储会在12月会议上宣布RMP，1月开始行动。投资研究公司EvercorelSl预测美联储每月将购买约350亿美元短期国债（T-bills）。

可想而知，RMP是否推出、推出时点以及规模，都将是未来市场流动性的关键线索。

3

AI算力信仰重新回归？

对于A股的CPO板块连续两日强势领涨，市场主流观点是：GoogleTPU出货量上修及光互联（OCS）技术路径的产业动态争辩。

虽然市场对OCS到底是用光模块更多OR更少还没有定论，但也不妨碍CPO成为最强信仰。

由于文章篇幅有限，这里简单给大家分享周末摩根士丹利的互联网分析师Brian和半导体分析师JoeMoore一场关于AI算力的谈话，主要观点有3个：

①大家最关心的问题其实不是“该不该用TPU”，而是“能拿到多少Nvidia的VeraRubin架构”。而答案很残酷：几乎拿不到，Rubin要到明年下半年才开始出货，而且数量有限，客户会抢得头破血流。算力永远不够。

②现在前沿模型公司在算力来源上的心态已经发生根本变化，谁能给我算力，我就用谁，包括但不限于Nvidia、AMD、自研ASIC、TPU。

③谷歌虽然有TPU，也还是会继续买Nvidia的GPU，这一点非常关键。

把这三点拼凑起来，我们就能明白现在AI算力的现状：行业已经进入“无限算力时代”，大家依旧疯狂Scaling——抢时间、抢卡、抢模型迭代速度。

所以很好笑的一点是当二级市场还在担心谁是下一个“思科”，巨头正在拼命卷，害怕自己是下一个“诺基亚”。

别说国外AI巨头拼命堆算力疯狂Scaling，DeepSeek最新模型同样需要大量算力来换取更强的推理能力。

有消息称，在处理相同问题时，Gemini仅消耗2万Token，而DeepSeek-V3.2 Speciale消耗量高达7.7万，也就是它使用了3倍多的Token来生成类似质量的结果。

DeepSeek研究团队非常坦诚地承认，Token效率仍然是DeepSeek-V3.2的一个重要挑战：在通常情况下，这些版本的模型需要生成更长的推理轨迹，才能达到与Gemini-3.0-Pro相当的输出质量。

为此，该研究团队选择放宽RL长度约束，探索“极长思维链”，通过大量消耗Token来换取更高质量的输出结果。

从商业落地结果来看肯定是好的，目前token成本实际价值很低，其极低的单位成本优势足以抵消数量劣势，再次实现极高性价比。当硬件和模型创新把成本大幅度压低，应用大规模落地才具备必要条件。

正如Deepseek研究员Zhibin Gou的看法，gemini3证明pretrain Scaling，DeepSeek 3.2证明RL。

换句话说，DeepSeek面临的算力瓶颈确实限制模型知识输出表现，下一步突破路径也很明确——通过持续扩大预训练计算规模来弥补短板。

由此看来，算力仍然是当前AI大模型竞争的差异化因素。