一、最新美股行情核心变化，普通投资者要注意这2个风险

近期美股AI科技股走出了非常明显的结构性分化，普通投资者想跟上行情，首先得理清当前的市场核心逻辑，避开明显的投机陷阱，这也是《AI行情投资风险: 普通投资者避坑指南》里所强调的要点。

（1）英伟达重回5万亿，SK海力士上市分流美股芯片资金，但长期反而利好科技板块

7月11日的美股盘面，中东局势再度紧张，但市场并没有出现大的波动，反而被AI科技股主导了行情：英伟达大涨近4%，市值重新回到5万亿美元大关，坐实了AI算力龙头的地位。
同一天，韩国存储芯片巨头SK海力士正式在纳斯达克上市，上市首日表现很强，董事长公开说，AI智能体机器人会带来非常大的存储芯片需求。但因为SK海力士这次上市募资规模很大，市场担心资金会从其他美股芯片公司分流到新股，所以美光、英特尔还有半导体ETF都普遍下跌，这就是《美股芯片行情: 短期资金分流影响》中所提及的情况。
不过这次半导体的行情还是传导到了亚太市场，直接带动了韩国、日本股市上涨。
整体来看，现在美股已经展现出很强的抗风险能力，短期地缘冲突已经不再是市场关注的核心，大家重新把投资逻辑锚定在企业盈利和产业发展上：英伟达重回5万亿，就是市场确认了AI时代核心算力资产的价值。SK海力士上市短期虽然会分流美国本土芯片板块的资金，导致行业短期下跌，但长远来看，全球顶级的存储巨头都汇聚到美股，反而能让整个科技板块的中长期盈利预期更稳，后续涨不涨，就看宏观流动性能不能跟上，还有各个细分行业能不能真的实现盈利增长，现在市场就是高位震荡、重新洗牌的阶段。

（2）韩股芯片行情泡沫太大，高杠杆投机可能引发踩踏，普通投资者别跟风

现在SK海力士赴美上市，把海外芯片交易带火了，韩国股市跟着涨了一年多，过去一年韩国综合指数涨幅接近65%，但很多人没注意到背后的风险，这也是《韩股芯片投机: 高杠杆踩踏风险提示》中着重指出的。
① 韩国股市的波动率是标普500的2 - 3倍，本身波动就比美股大很多；
② 现在外资正在持续卖出韩国股票，反而是韩国本土散户把钱都押在了三星和SK海力士这两只权重股上，仓位高度集中；
③ 因为炒作太疯狂，韩国监管已经出手收紧杠杆了，之前很多散户加杠杆买芯片股，杠杆一收紧，很容易出现资金断裂。
从基本面来看，虽然存储芯片厂商减产提价，确实能修复企业盈利，但现在股价已经涨得太厉害，提前把未来几年的盈利都透支了，现在韩国股市经常一天暴涨一天暴跌，高杠杆投机一旦行情反转，很容易出现大家一起抢着卖的踩踏事件，这个回调风险普通投资者不能不当回事。

（3）美联储坚持紧缩政策，芯片板块已经超买，定价能力可能撑不住当前估值

7月13日的最新点评里提到，上周五美联储给国会做半年报告，面对一直降不下来的通胀，再次明确说要守住物价稳定的目标，甚至模型测算出来，现在的利率还应该再往上走，市场加息预期又升起来了。这体现了《美联储政策: 紧缩对科技股影响》。
在加息预期加上中东停火又出变数的影响下，大宗商品普遍下跌：WTI原油和布伦特原油都小幅下跌，现货黄金一周下跌，再次跌破2400美元/盎司，伦敦铝因为阿联酋的关键工厂重启，供应变多了也跟着下跌。
科技股这边也要注意：现在半导体板块的市盈率从2022年到现在已经涨了特别多，明显超买了。之前芯片供应链缺产能，芯片厂商赚了很多超额利润，现在各大云服务商都开始自己做成本更低的自研芯片，不需要完全对外采购了，之前AI热潮带起来的乐观预期，已经提前透支了芯片厂商的定价能力，也就是芯片厂商没办法再卖高价赚超额利润了，当前的高估值撑不住。
现在给普通投资者的建议是：面对估值已经太高的科技资产，还有宽幅震荡的大宗商品，别盲目跟着行情追高，现在最好的策略是转成防守，重新检查一遍自己家的资产，看看风险是不是太高，把风险防线筑牢，比盲目追涨更稳妥。

二、资本市场新变化：高股价成了好公司的新标签，巴菲特不拆股的理念现在流行开了

最近这些年，全球上市公司拆股的越来越少，反而很多公司愿意维持高股价，用来塑造自己高端优质的形象，这就是《上市公司拆股: 高股价成新趋势》所描述的现象。
巴菲特一直觉得，拆股就是没有实际意义的营销操作，不会改变公司本身的价值，所以他的伯克希尔A类股到现在一股还要76万美元，一直不拆股。
放在过去，交易所要求一次最少买100股，股价太高散户买不起，所以公司都愿意拆股，把每股价格降下来，让散户能买得起。但现在交易制度改了，碎股交易普及了，也就是你想买半股、0.1股都能买，股价高低已经不会拦住散户入场了，市场的心态完全变了：
过去大公司都刻意把股价压在35 - 50美元这个区间，现在市场觉得高价股就等于优质成功，自带品牌声望，所以很多公司干脆不拆股，维持高股价，就是迎合大家“高价就是好公司”的心理，这已经成了现在资本市场的新趋势。

三、AGI时代普通人怎么升级能力？两个核心方向直接用

陈思进在交流群里分享的《AGI时代生存指南：从认知升级到能力重构》，对普通人适应AI时代非常有帮助，两个核心要点直接落地：

（1）大模型时代，核心变化是「能力前置，工作后移」，别再瞎卷底层技能

2020年OpenAI发布GPT - 3，AI正式进入大模型时代，从2020年到2023年，整个行业的核心变化就是能力前置、工作后移，彻底改变了人和AI的合作方式：
大模型也叫基础模型，已经提前做好了大规模的预训练，本身就有很强的通用能力，不需要普通人或者工程师再花大量时间调模型、改架构、调参数，这些过去要工程师花几个月甚至几年做的工作，大模型在预训练的时候已经做完了。
打个比方，大模型就像一台已经造好的动力特别强的汽车发动机，现在人类的工作不再是造发动机了，而是琢磨怎么把这台发动机用好，让它跑的又快又稳。也就是说，人类的工作重心从“造发动机的技术”彻底转到“用发动机的技术”，从底层技术研发，转到了对接用户需求、优化信息、把结果落地这些工作上。
但现在很多人还没适应这个变化，还是用老思维，非要去学最新的模型架构、打磨编码技巧，其实这些知识现在淘汰的越来越快，用不了多久就会被AI替代了。普通人适应大模型时代的核心，是学会借大模型的力，不是自己硬拼底层技能，这个方向别搞错了。

（2）大模型窗口变大了，「上下文工程」成了核心能力，三个步骤就能学会

现在大模型的上下文窗口越来越大，从2020年只能容纳1000个token（大概就是700多个汉字），到2024年已经能容纳12万8千个token（大概就是9万多汉字），相当于一整本书都能一次性放进大模型里了，这时候核心问题就变了：原来信息太少，要想办法用提示词补信息，现在信息太多，要学会高效管理信息，这个管理大模型上下文的技术体系，就叫上下文工程，核心分三个可落地的步骤：
① 召回：就是从你手头一大堆乱七八糟的信息里，把和当前问题最相关的内容找出来，最常用的方法叫RAG（检索增强生成），说白了就是帮大模型先筛一遍信息，别让没用的信息进去干扰结果；
② 压缩：找出来的相关信息可能还是太多，大模型装不下或者抓不住重点，就要用做摘要、拆成小问题这些方法，把没用的信息删掉，给核心信息腾位置；
③ 组织：把筛好压缩好的信息，按合理的顺序和位置放好，保证核心信息一直是大模型关注的焦点，避免出现“大模型记不住前面说过什么”的问题，也就是业内说的上下文腐化、模型健忘。
说白了，上下文工程就是管大模型的信息入口：决定什么信息能进去，什么信息要滤掉，进去的信息按什么顺序放。本质上这就是更高阶的信息处理能力，现在AGI时代信息爆炸，会不会筛选组织信息，就是普通人和高手