6月初，硅谷传来一个坏消息：博通（Broadcom）的AI芯片业务指引不及预期——第三季度160亿美元，低于华尔街预期的172亿美元。

　　接下来发生的事情，任何一个人类交易员都来不及反应。

　　纳斯达克当天暴跌4.18%，创下2025年4月以来最大单日跌幅。费城半导体指数重挫超过6%。博通自己跌了14%，AMD跌了近11%，英特尔跌了11.3%。一天之内，全球半导体板块蒸发了超过1.3万亿美元的市值。

　　做出这些抛售决定的不是分析师，不是基金经理，而是算法。大量资金集中涌入AI相关股票后形成的动量策略正反馈循环，在上涨时把估值推向疯狂，在信号反转的瞬间又以同样的烈度踩踏出场。

　　这不是偶然。在纽约的对冲基金圈子里，有一个数字正在被越来越频繁地提起：80%。

　　这是美国股市每天交易量和交易金额中，由机器和量化策略贡献的比例。十几年前，这个数字是15%-20%。从"二八开"变成了"八二开"。巴菲特、芒格的信徒们——所有做基本面分析的投资人加在一起——被压缩到了20%的份额。

　　主导美股每天涨跌的，不再是人类的判断，而是算法和机器。

　　对于关注美股的中国投资者来说，理解这个结构性变化，可能比看懂任何一份财报都重要。

　　机器的游戏：动量策略统治一切

　　这些算法最擅长的是动量策略（momentum strategy）：什么东西涨得越高，就越要追；流动性越低的标的，就越要抛。它们不需要在乎什么长期结构性逻辑或基本面叙事，它们能够消化的只是短期高频的数据信号。

　　当市场形成一条强劲主线时，机器会把涨幅和跌幅都急剧放大。这就解释了为什么近几年纳斯达克的波动变得越来越极端——某个交易日突然暴跌3%，第二天又反弹4%。做出这些决定的不是交易员在办公室里的判断，而是服务器机房里的奖励函数。

　　Amont Partners的管理合伙人李肇宇对笔者表示："以前我们叫做找市场的盲点。现在的问题是，市场80%的参与者根本没有眼睛——它们是机器，靠数据感知世界。所以真正的盲点，是在数据尚未生成的地方。"

　　机器看不见的机会："从0到1"

　　机器有一个根本性的盲区：它们需要历史数据来做决策，而"从0到1"的变化没有历史数据可供分析。

　　这位投资人举了一个例子，2022年，美光（Micron）的股价只有40美元。当时美光已经拥有HBM（高带宽内存）产品很多年了，连CEO自己都没想到这个产品会因为AI爆发而获得如此巨大的市场。那时候机器看不到这个变化——因为没有数据可以喂给算法。基本面投资者反而因此获得了一个巨大的先发窗口。他在40美元时重仓买入，一直持有至今。

　　如今美光股价约1000美元。按2027年保守预估的EPS150美元计算，对应市盈率不到7倍。即使把EPS砍掉一半至75美元，市盈率也不过14倍。在整个AI产业链上，这可能是绝对估值最便宜的环节——个位数市盈率在一个还没有任何其他板块能做到的产业链上，几乎闻所未闻。

　　供需紧张关系还将持续。韩国的三星、SK海力士和美国的美光，三大内存厂商的扩产计划要到2028年春天才能投产。除非AI需求突然崩塌，否则涨价周期至少延续到今年底、明年初。

　　一个中国投资者非常熟悉的故事

　　更有意思的是，在机器交易主导的美股中，有些机会完全在算法的雷达之外。

　　美国卡车运输行业——一个存在了100年的行业，跟AI没有任何关系——在过去一年中涨了约50%。行业龙头Old Dominion Freight Line（ODFL）的逻辑不是科技叙事，而是一个中国投资者再熟悉不过的故事：供给侧改革。

　　2015-2016年，中国在房地产需求尚未恢复的情况下，通过关停小型煤炭厂、水泥厂、建材厂，实现了传统行业利润的大幅回升。美国卡车行业正在经历几乎一模一样的过程——只不过不是由政府推动，而是由市场力量自然淘汰。

　　连续三四年的需求走弱逼退了大量小型运营商，行业领军者在需求尚未完全恢复的情况下，利润率已经在持续攀升。如果需求恢复，利润可以翻几倍；即使需求不恢复，光靠供给出清也能稳稳挣钱。

　　算法不会去分析一个"存在100年的行业"是否正在经历结构性供给变化。动量策略的数据信号里看不到这些东西。这恰恰是基本面投资者的领地。

　　强化学习的幽灵：为什么市场越来越极端

　　一位在伦敦King's College London神经科学研究所从事研究的学者，在与笔者的讨论中提供了一个更深层的视角。

　　驱动这80%机器交易的底层逻辑，本质上是古早的强化学习算法。这些算法的工作方式和训练那些VLA机器小狗几乎一样——给它一个信号（市场数据），如果它做出"正确"的反应（盈利），就给予奖励，算法会记住这个奖励函数。下一次出现类似信号时，它会自动重复同样的行为。

　　问题在于：当80%的交易者都在使用类似架构的奖励函数时，它们开始在彼此的行为上进行训练。算法A追涨，触发了算法B的追涨信号，算法B的追涨又强化了算法C的判断——形成一个正反馈循环。杀跌也是同样的道理。

　　这就是为什么美股的波动在加速：一旦出现方向性信号，崩盘的速度比以前快得多，反弹的速度也快得多。以前需要人类交易员讨论、犹豫、做决定的过程，现在在毫秒之间由奖励函数完成。

　　如果你去问Claude、Gemini或者ChatGPT，让它给你推荐一个投资组合，它通常会给你一个极端保守的建议——因为大模型本身也是用强化学习训练的，它的奖励函数倾向于让你的损失最小化，而不是收益最大化。它也在趋利避害，跟那些交易算法一样。

　　20%投资者的生存法则

　　在这个"八二开"的新世界里，做基本面研究的投资者如何生存？

　　第一，找机器看不见的机会。"从0到1"的变化、跨行业的供给侧重组、需要走进工厂和管理层办公室才能发现的隐形变化——这些信息无法被简化为机器可消化的短期高频数据。在数据尚未生成的地方，就是人类投资者的比较优势所在。

　　第二，利用机器制造的极端波动。当动量策略把跌幅放大到不合理的程度时，恰恰是基本面投资者的买入时机。反之亦然。机器创造的过度反应，就是价值投资者的利润来源。

　　第三，保持低杠杆和低净头寸。在一个80%由机器驱动的市场里，任何方向的赌注都可能在瞬间被算法放大到极端。30%-40%的净头寸敞口，可能是一个比满仓更审慎、也更有韧性的选择。

　　第四，拥抱跨市场视角。中国投资者对供给侧改革的深刻理解，恰恰是美国算法交易者完全不具备的认知框架。当你看到ODFL这样的美国公司在经历和2016年海螺水泥相似的逻辑时，这种跨市场的模式识别能力本身就是alpha的来源。

　　写在最后

　　这不是一个关于"人类vs机器"的科幻寓言。这是一个正在发生的结构性事实。

　　当你下次看到标普500在某个交易日无缘无故暴跌又暴涨时，不要急着去分析基本面——因为做出那个决定的不是人类，是奖励函数。在理解了这一点之后，你才能真正理解美股的波动为什么越来越极端，以及在这种极端中，人类投资者的机会究竟在哪里。