林园：它一涨，我就不敢买了

向林园学投资(90)：他一涨，我就不敢买了

林园20240804～买入和持有是不同的

*买入的时候，要评估是不是买入的机会*

持有阶段，他涨和跌，跟我没关系了，我就放在那里，等着
买入的时候，你要去想～现在是不是买入的时机？
我就算把我的持仓打给你看，也不是你该照原样买入的比例
～
买入的时候，你要去想～现在是不是买入的时机？
买入的时候，问问自己：现在是长期买入时机吗？便宜吗？有便宜可占吗？为什么？
1年期，是不是机会
2年期，是不是机会
5年期，是不是机会
10年期，是不是机会
20年期，是不是机会
30年期，是不是机会
一般来说，稳定经营的好股票，20倍以下PE，是低估值的好机会
$同仁堂(SH600085)$ $达仁堂(SH600329)$ $片仔癀(SH600436)$
买入的时机是什么，如何判断？
①现在是不是行业早期
②现在是不是企业婴儿期，市值大不大
③企业当下估值高不高，PE高不高
(林园觉得贵州百灵50倍的PE太高了)
④是不是行业业绩爆发，向上出现拐点的前夕
⑤整个市场估值高不高？
(这点可能林园不关注，但是我觉得应该关注～覆巢之下无完卵；这里有个矛盾点：
观点A：当整个大市场崩盘的时候，好股票也会被疯狂卖出，引发股价大跌～好股票会因为基金的赎回，自己又具备流动性，为了应对赎回，而被卖出；
观点B：当整个市场都在跌的时候，资金会在好股票里头避险，会推高股价)

~

林园的买入时机：在好企业婴儿股本的早期买入

在企业业绩向上拐点发生时，买入

在行业遭受坏消息打击，PE降到最低时，买入
～
林园认为：
50倍，100亿的贵州百灵，需要50年才能回本，我活不了50年，高了
45倍，1000亿的片仔癀，高了，可以持有，但不是最好的买入时机～最好的买入时机是10年前(这个问题我下次当面请教一下：这个高低的依据是如何评估的？高低的判断是如何做出的？)
林园说～达仁堂我2013至2014买入了2年
那是瞅准了时机，做出了坚定买入的行为

林园是投资高手~我们要知道，今天该干什么事？
把今天该干的事情，给他干完，布局完成之后，等着就行了
以前干的事，不管干对了，还是干错了，都不去想他了

做阿Q~我干的都是对的，就那样了

如果回放过去那个时机，再给我一次选择的机会，我还是会那样做

每天做的事，都是向前看~我们只思考未来

在控制仓位的情况下，投入~就算这笔全部亏光了，也无所谓，不会伤筋动骨
十分悠闲地做投资，林园做投资~胜似闲庭信步
对于投资，我感觉林园的每一笔投资，都是闲棋，都是布局，都是埋伏
都是提前好多年，布一个闲棋淡子，然后等待
比如说，买入达仁堂，也是在2013~2014年，达仁堂低的时候买入
林园说，每年都有我高兴的事情发生~每年都有我几年前布局的标的，今年他突然表现了，涨了好几倍，组合够吃了

林园在买入贵州茅台的时候，40块以上的茅台，他就没买过了（分红再投不算，新钱不买了）。2017年底雪球嘉年华上，林园说~当时市场情况不好，他一涨，我就不敢买了

股神林园的每一笔买入~都是投机

投机投机，就是投时机

市场每年都有他搞错时候

抓住机会，下重手，搞一把。赚个10倍。

~~~

在2013~2014年建仓，持续了2年多时间

买入贵州茅台2%，在2003~2006年建仓，也是持续2年多时间

林园说~我是在低位买入，等于是超值买入

他一涨，我就不敢买了

注意看，林园的长期投资标的，是在便宜时超值买入，林园不追涨，永远买便宜货，超值买入

～～～

2015年之后，我们就没有买入美股了

美股这十几年在走牛市，已经涨了很多了

累积升幅大了就是风险

即使美股的趋势是向上的

我们也不会主动参与了

～～～

即使是好的股票，当PE高了之后，林园也不买入，他一直在等待标的绝对低估的机会，进行超值买入

要确保短期、中期、长期，都不吃亏。来源：人人S财神

​AI算力产业链重点个股名单

英伟达系：浪潮信息、紫光股份、中兴通讯、工业富联；

华为昇腾系：

昇腾（优选级）：神州数码、拓息、广电运通、烽火通信、紫光股份；
昇腾（优选级）：紫光股份；

华为伙伴：中国长城

服务器整机：工业富联、中科曙光、浪潮信息、卓易信息；

AI服务器零部件：

AI芯片海光信息、寒武纪、龙芯中科、景嘉微；

主板：电股份、胜宏科技、深南电路、生益科技；

电源：中国长城、欧陆通、杰华特；

光模块：中际旭创、新易盛、光迅科技、华工科技；

散热：曙光数创、英维克、同飞股份、申菱环境、高澜股份、依米康；

内存：澜起科技、聚辰股份、江波龙；

存储：兆易创新、佰维存储、朗科科技；

连接器：华丰科技、鼎通科技；

电源：中国长城、欧陆通、杰华特；

服务器整机：

整机：高新发展、神州数码、拓息、广电运通、烽火通信、同方股份、紫光股份、中国长城、工业富联、中科曙光、浪潮信息；
固件：卓易信息 ；

算力租赁：恒润股份、云赛智联、鸿博股份、中贝通信、汇纳科技、青云科技、莲花健康 ；

算力调度：首都在线、并行科技、恒为科技、深桑达、思特奇、东方材料；

数据中心：奥飞数据、光环新网、宝信软件、数据港、电科数字。

武超则：2024年TMT板块的投资机会

明年的重心更多应该会在应用上

白酒板块：估值已经进入性价比区间

       截至10月28日，已有15家A股白酒板块上市公司披露了前三季度业绩，披露率约为80%，业绩数据已具备一定参考性。

　　整体来看，白酒板块前三季度业绩保持稳健增长态势。Wind数据显示，17家白酒上市公司前三季度实现营业收入约为2738.64亿元，同比增长15.44%；净利润约为1046.36亿元，同比增长18.03%。

    贵州茅台的三季报显示，今年前三季度，公司实现营收1032.68亿元，同比增长18.48%；归属于上市公司股东的净利润528.76亿元，同比增长19.09%。第三季度，公司实现营收336.92亿元，同比增长14.04%；归属于上市公司股东的净利润168.96亿元，同比增长15.68%。

　山西汾酒的三季报显示，2023年前三季度公司实现营业收入267.44亿元，同比增长20.78%；归属于上市公司股东的净利润94.31亿元，同比增长32.68%。其中，第三季度山西汾酒实现营业总收入77.33亿元，同比增长13.55%；实现归母净利润26.64亿元，同比增长27.12%。

　　古井贡酒发布的三季报显示，今年前三季度实现营业收入159.53亿元，同比提升24.98%；归属于上市公司股东的净利润为38.13亿元，同比提升45.37%。今年前三季度实现营业收入159.53亿元，同比提升24.98%；归属于上市公司股东的净利润为38.13亿元，同比提升45.37%。

       国泰君安认为，目前各大品牌回款陆续接近尾声，批价、库存等渠道反馈皆处于相对良性状态，四季度经销商大会与旺季开门红有望迎来密集反馈与催化。稳经济政策持续发力对白酒将形成积极正向影响，未来经济稳步复苏有望带动白酒回归积极发展势头。

　　白酒一哥明星基金经理侯昊认为：整体而言，白酒板块估值已经进入性价比区间。

五粮液-000858-业绩超预期，浓香龙头基础扎实

周末舆情热度

①光刻机-根据国家知识产权局发布，上海微电子申请的光刻投影物镜及光刻机专利申请获得通过并且公告/中信证券：全球光刻机市场规模超230亿美元，上海微电子实现国产零突破（张江高科、茂莱光学、晶方科技、波长光电、容大感光等）；

②华为手机-华为即将开启连续的Nova/畅享次高端至中低端新机发布会，10月底nova11SE，11月nova12、12pro、畅享70系列，其中12pro有望采用9000s麒麟芯片（欧菲光、诺、福日电子、光弘科技、汇顶科技等）；

③医药-招商医药：经历2年调整，机构加仓医药的意愿强烈，三季报陆续出具利空落地，23Q3主动偏股公募基金配比环比继续提升（诺泰生物、药明康德、君实生物、普利制药、智飞生物等）；

④华为汽车-华为和奇瑞合作的首款新车智界S7将于11月17日开启交付，各个规格超Model S/根据阿维塔官方消息,阿维塔12将于11月10日正式上市（鹏翎股份、铭科精技、江淮汽车、宁波高发、凯众股份等）；

⑤东北振兴-审议《关于进一步推动新时代东北全面振兴取得新突破若干政策措施的意见》（龙江交通、奥普光电、吉林高速、龙建股份、启明信息等）；

⑥无人驾驶-多位知情人士透露，智能网联汽车准入试点通知将在一个月内发布/12月1日华为即将全球发布车路协同标准（启明信息、均胜电子、星网宇达、光庭信息、华安鑫创等）；

⑦黄金-现货黄金5月来首次触及每盎司2000美元，以哈冲突提振避险资产的吸引力/美国9月核心PCE物价指数同比上升3.7% 创2021年5月以来新低（赤峰黄金、中金黄金、山东黄金、银泰黄金、晓程科技等）。

光刻胶龙头股有哪些？

下一波AI浪潮是“具身智能”！！

具身智能 (Embodied Intelligence，简称EI)。

5月17日，NVIDIA创始在半导体大会上表示：芯片制造是NVIDIA加速和人工智能计算的“理想应用”。我们正在经历两个同时发生的平台过渡期——加速计算和生成式人工智能。下一波人工智能浪潮是具身人工智能。

具身智能具体点说，像人一样能与环境交互感知，自主规划、决策、行动、执行能力的机器人/仿真人( 指虚拟环境中)是AI的终极形态，暂且称之为具身智能机器人。

具身智能，今天AI+芯片澄天伟业、AI+智能机器鼎智科技、AI+智能家具九联科技、AI+芯片+机器人+小米卓翼科技、AI+机器人鸣志电器、中大力德、机器人、爱仕达等都大涨！

荣信文化互动平台表示与科大讯飞合作，三天70%的涨幅，今天的AI+智能家具九联科技暗线也是与科大讯飞合作，国内赋于AI的最好的是科大讯飞，AI+科大讯飞是小盘股AI大牛的暗线。

那么……AI+芯片+机器人+智能机器+智能家具+智能储能+智能医疗+科大讯飞的瑞德智能呢？！

具身智能概念，带“智能”两个字的都是加分项！

近来，“智能”两个字很热火，一旦起飞都是两个大号20%起！来自：乔美美哒

新能源汽车产业链：去库存基本结束，行业景气度将迎反转

今日锂电股大涨，跟了点天齐锂业，没想到板了，锂电股跌了一年多，最近锂盐价格回升，是否见底了呢，若去库存真的结束，锂盐价格有望反弹到较好的位置，那么锂电股反弹空间还会继续。

券商东方证券似乎还要乐观些，或将反转！反转就好了。本人看好天齐锂业、当升科技。

东方证券：新能源汽车产业链行业，去库存基本结束，行业景气度将迎反转

　　4月国内动力电池装车量排名出炉

　　蜂巢能源第二代196Ah短刀叠片电池南京基地量产交付

　　国轩高科（002074.SZ）：收到大众汽车集团采购定点函

　　亿纬锂能（300014.SZ）：购买土地建设圆柱锂电池制造项目

　　锂电材料价格

　　钴产品：电解钴（25.65万元/吨，-1.35%）；四氧化三钴（14.4万元/吨，-1.37%）；硫酸钴（3.5万元/吨，-1.43%）；

　　锂产品：金属锂（155.0万元/吨，0.00%）；碳酸锂（22.5万元/吨，24.65%），氢氧化锂（20.9万元/吨，11.20%）；

　　镍产品：电解镍（17.8万元/吨，-6.43%），硫酸镍（4.4万元/吨，-0.23%）；

　　中游材料：三元正极（523动力型18.4万元/吨，5.16%；622单晶型22.4万元/吨，2.75%；811单晶型26.3万元/吨，1.94%）；磷酸铁锂（7.4万元/吨，0.00%）；负极（人造石墨（低端产品）2.4万元/吨，0.00%；人造石墨（中端产品）4.0万元/吨，0.00%；人造石墨（高端产品）4.5万元/吨，0.00%）；隔膜（7+2μm涂覆1.9元/平，0.00%；9+3μm涂覆1.8元/平，0.00%）；电解液（铁锂型2.9万元/吨，1.75%；三元型3.6万元/吨，0.83%；六氟磷酸锂11.5万元/吨，24.32%）

　　投资建议与投资标的

　　电动车仍处于高速增长期，新能源长期趋势不变。国内电动车市场2020年下半年至今经历高速增长，在渗透率近30%的情况下仍维持可观增速，而欧洲/美国市场渗透率相较国内仍有较大提升空间，正处于政策推动与快速追赶过程中。叠加储能市场方兴未艾，电池行业将随新能源车需求增长和储能市场潜能释放得到快速发展。

　　产业链去库存基本结束，行业盈利拐点将至。产业链发展节奏受短期外部因素影响，一季度产业链表现疲软，主要原因系：1）车厂和电池环节压价，导致产业进入通缩周期；2）碳酸锂叠加预期带动产业进入去库存和低库存状态；3 ）担心一季报及其他板块吸血，导致资金撤离或处于观望状态。当前各企业月度排产及一季报均反映出产业链去库存走向尾声。当前碳酸锂价格也已止跌上涨，有望改变全产业链预期，部分环节反向进入成本推涨过程，如六氟磷酸锂、磷酸铁锂已经出现涨价，前期资产端受损的公司将迎来修复。产业链普遍排产下滑、持续降价的至暗时刻已经过去，量价、经营均进入稳定趋好阶段。

　　各环节盈利分化，头部企业竞争优势显现。在前期行业盈利底部区间，各环节内部出现明显分化：二线厂商一方面自身供应与需求均不稳定，量上受到的影响更大，另一方面降价对高成本产能形成的压力更大，部分企业已面临亏损；而头部企业经历多轮产业周期淬炼，凭借成本优势展现出较强盈利韧性，龙头地位进一步强化。

　　：在产业周期中脱颖而出、具备长期竞争力的公司，包括电池环节宁德时代(300750，未评级)、电解液龙头天赐材料(002709，未评级)、隔膜龙头恩捷股份(002812，未评级)、负极盈利韧性较强的尚太科技(001301，未评级)、正极一体化公司华友钴业(603799，未评级)、精细氟龙头新宙邦(300037，未评级)等。

片仔癀药锭提价后的影响及前期涨跌的逻辑性分析

A股究竟该怎么炒？

不知不觉炒股16年了，把A股作为职业也有8年了，从14年入行实习做研究员到现在职业散户，对这个市场深有体会

东方财富：业绩韧性彰显，长期竞争优势稳固

　　事件：公司发布2022年报，实现营业收入125亿元，同比-4.6%，归母净利润85亿元，同比-0.5%，基本每股收益0.65元，同比-5.8%，加权平均净资产收益率14.40%，同比-7.71pct。

　　■基金代销短期承压，看好代销龙头长期发力。1）从销售规模来看，受权益市场波动、基金市场遇冷影响，2022年公司基金销售规模达2.01万亿元，同比-10.1%，其中非货基代销规模达1.20万亿元，同比-10.7%。2）从保有量来看，基金业协会数据显示，截至22Q4，天天基金股混/非货基金保有量规模4657亿元/5845亿元，QoQ+2.3%/-6.8%，YoY-13.3%/-13.3%，市占率6.23%/3.75%，排名均维持行业第3。今年以来，在经济复苏预期抬升的助推下，基金发行逐步回暖，长期来看居民财富增长与配置转移趋势仍在，我们看好公司维系代销龙头优势，提升基金代销收入表现。

　　■经纪两融市占率稳步增长，自营扩规模带动收益提升。1）经纪业务板块，受制于权益市场下行，2022年全市场日均股基成交额同比-10%至1.02万亿元，同期公司证券经纪业务净收入同比+4.2%至47.9亿元，预计主要受益于公司股基市占率持续提升（全年股基交易额达19.24万亿元，市占率约3.9%）。2）两融业务板块，2022年末公司两融业务融出资金355亿元，较年初-14.7%，市占率提升0.03pct至2.31%，实现融出资金利息收入同比-2.2%至24.1亿元。3）自营投资板块，2022年公司实现自营投资收益11.2亿元，同比+10.5%。截至22年末公司交易性金融资产较年初+89%，其中债券规模+111%，预计去年Q4一定程度受债市调整影响。

　　■加大研发费用投入力度，提升IT竞争力。公司2022年研发费用同比+29%至9.4亿元，相应费用率同比+2pct至7.5%，完成东方财富终端多活容灾系统等多个项目。预计公司有望凭借优异产品服务能力与用户体验，巩固自身流量优势。

　　■投资建议：维持买入-A投资评级。公司2022年业绩整体符合预期，基金代销主受市场景气度影响，经纪业务逆市上扬，再融资后自营规模明显扩张。展望后续，我们看好公司作为财富管理特色标的，凭借经纪业务市占率领先及基金代销龙头优势，加速财富管理版图扩张，充分释放业绩弹性。我们预计公司2023年-2025年EPS分别为0.77元、0.89元、1.02元，目标价24.7元，对应32x2023年P/E。安信证券研报

黄燕铭：ChatGPT大风起， 人工智能浪潮来临

核心要点

　　大模型的商业应用场景上，预计C端会快速落地，B端则是爆发式落地。由于目前大模型的训练数据更多是通用数据，更易面向C端产生个人应用。B端的部分数据未打通，一旦供给打通，落地将是爆发性的。闭源有利企业短期先发优势，开源则“后劲更足”，有利企业长期生态建设。

　　把一项新技术注入产品，去赋能业务的时候，要考虑很多因素。当前这个阶段，大模型进步非常快，但还是有很多问题没有解决。另外，用户场景的需求本身也不完全一样，应用程序的运行环境也不一样。比如知识更新需要重新训练大模型，费时费力，所以它的时效性有缺陷，无法做到对最新消息的知晓，对信息时效性要求高的场景并不适合。大模型是千亿级参数的，需要设备端和云端实时连接，所以对于网络通讯能力较弱、低功耗的设备不太适用。因此，大模型虽然在很多地方适用，但也有一些场景不适用，作为企业，要去考虑如何调整，如何去抓住机会。

　　黄燕铭认为，人工智能的发展会导致证券研究人员数量可能会在一定程度上减少，大量研究助理的工作可能被机器替代。机器虽然能帮助我们记忆和计算知识，却无法代替人类去感悟智慧。“形而下”的工作可以交给计算机，但是“形而上”的感悟，目前来看，人工智能还很难去帮我们完成。

　　ChatGPT横空出世，其表现出来的强大的人工智能能力，让无数人叹为观止。它是一个现象级的技术突破和应用，是人工智能数十年发展历程中又一个重大的突破点和转折点。面对ChatGPT带来的新的机遇和挑战，产业界和学术界应紧密携手，持续推动相关技术的发展和产业应用，让我们的生活更加美好。

　　以上是联想集团首席技术官、高级副总裁芮勇博士，以及国泰君安证券研究所所长黄燕铭，在《所长对话》第一期中分享的观点。


　　以下是国君研究《所长对话》第1期的分享实录：

　　01 关于技术发展
　　黄燕铭：ChatGPT不单单是文本生产的工具，其强大的语言处理和生存能力也增加了很多的用户体验，同时也为我们降低了生产经营、交易的成本，同时也提高了企业的经营效率，而这种大规模的适配器以及迭代的能力也是ChatGPT的特点，它在特定的领域、专业语言以及自动化的客户服务等各方面都做出了巨大的成就。我们认为ChatGPT在未来有非常广阔的发展空间，这种情况下我们对ChatGPT未来的发展前景非常看好，在这里我们今天要特别跟芮博来聊一聊ChatGPT的基本情况。

　　投资者普遍认为这是一个划时代的技术进步，甚至可能替代掉很多人类的工作岗位，请问该如何理解ChatGPT、GPT-4的技术能力，其自然语言处理能力、多模态、定制化相较以往AI模型有何突破，会带来怎样的产业变化？

　　芮勇：首先，非常感谢黄所的介绍，也非常高兴能够跟黄所来一起聊这个话题。刚才黄所总结的都已经非常精辟了。这个ChatGPT，我觉得它是可以说是一种现象。最近也有不少人在聊，它是一个类似于iPhone 的现象，类似于网景的现象。我们都知道，网景是第一个真正商业化的浏览器，在网景出现之前很多年浏览器就已经有了，但是没有火起来，直到网景出现之后，整个浏览器才火了起来，整个互联网才火了起来。iPhone其实也是一样，智能手机出现了很久，但是没有那么火，到最后真正腾飞起来、火起来是iPhone。

　　那么ChatGPT也是类似，大家称这是一种现象。AI也是火了有一段时间，但是没有那么火，有起有伏。大模型也出现了挺长时间，那么直到最近不久ChatGPT出现了之后，它才带来了一个大的飞跃，所以我们称为ChatGPT是和网景和iPhone类似的一种现象。

　　但我更想说，今年ChatGPT非常的火，是表面上的一个现象，更重要的ChatGPT后面起到核心作用的大模型。所以我先想跟大家聊一聊大模型，大模型的英文叫Foundation Model.它是一个基础模型，好比我们盖房子时候打的地基。什么是大模型呢？大模型是用互联网级的、没有标注的数据，来训练千亿级参数的AI模型，这里面有好几个关键字。大模型也是下游很多任务的基础。并且很有意思是，它不用做模型参数的调整，对不同的任务，它不用去调整参数，这个事就非常的奇特了。

　　这么多的特点，为了便于记忆可以总结为三个字，叫做“高大上”(这里没有褒义和贬义的意思)。“高”是什么意思呢？大模型的训练方式很高明。之前的机器学习，典型的训练方式是一种全监督式的方式。比如说，我如果要教一下机器，这是一个苹果的图像，这是一个橘子的图像。我告诉它，这些图像你都看一看，并且我告诉它这是橘子。它就知道，原来这样的图像是橘子。但是让人工来标注，要花很多的时间、精力和金钱。那么大模型是用自监督的学习方式，它不需要去标注海量的数据。我觉这是非常重要的，在训练方式上很高明。

　　第二，很高明的训练方式还表现在它使用一种叫做“基于人类反馈的强化学习”，英文叫RLHF，Reinforcement Learning from Human Feedback.有了这个非常强大的训练方式，它就和人类的价值观点越来越近了。比如说，从互联网它可能看了很多东西，但是它不知道哪是对哪是错的，哪个是正义的哪个是不好的。那么，有了这个基于人类反馈的强化学习之后，它就和人类的价值观越来越近了。

　　高大上的“大”，是说模型规模很大。我们如果还记得，2012、2013年前后深度学习开始火起来的时候，当时很流行的一个人工神经网络模型叫VGG，VGG16大概有 1.38 亿个参数。那今天我们的大模型会有多大呢？GPT-3 有 1,750 亿个参数，是当时的大概有 1,000 倍那么大。这样的规模就使得大模型能够学到大量的模式与常识，甚至建立一定的推理能力。

　　第二个“大”是指训练的数据大。我刚才提到，它是用互联网级别的海量数据训练出来，这里面包括互联网上的文本、高质量的网页、维基百科、书籍的语料库。它的训练词元(token)大概是千亿级的。所以是训练方式“高”，模型规模“大”，训练数据“大”。

　　“上”是什么意思呢？这也是一个挺神奇的事，是说它的逻辑推理、知识推理、泛化能力突然之间就能更上一层楼。它的英文单词叫做emergent ability，就是突现的能力、涌现的能力。用一个更通俗易懂的话来说就是，它突然会开窍。

　　语言模型随着规模的增长，突然对于训练时候没有见过的任务也能够懂是什么意思能够胜任，它开窍了。那么到多大的规模，这个模型才会开窍呢？基本上是在 650 亿个参数，超过这个规模时它就开窍了。

　　这就是大模型的几个特点，“高大上”。这几个特点就决定了，如刚才黄所提到，它带来了很多新的东西。这是我想跟黄所探讨的第一个事。

　　黄燕铭：芮博刚才讲到ChatGPT基于大数据大模型650亿的参数以后能开窍。我们知道这次ChatGPT的出现离不开背后大模型的突破，二级市场的投资者普遍认为大模型相对于之前的场景化的小模型有本质的不同。您认为大模型是不是实现通用人工智能的一种可行的路径？我们也看到GPT-4发布也增加了图片作为输入的新模式，您觉得大模型未来会往怎样的方向发展？

　　芮勇：黄所问的这几个问题，都很深刻。我试着来一起来探讨一下。第一个，大模型的出现是不是一个人工智能范式的一个转变？这个事其实很有意思，我们来看一下。我们知道GPT大模型的版本有1、2、3、3.5等等，它这一系列的论文题目，就反映了每个阶段的变化。GPT-1，论文名字叫做Improving Language Understanding by Generative Pre-Training，生成式预训练提升语言理解能力。GPT这三个字是Generative Pre-trained Transformer 的缩写，是生成式预训练的Transformer。

　　在GPT-1的时候，它其实比较大，但是还没有达到我刚才讲的那个阈值，它还是一个比较小的模型，对语言有一定的理解。这个时候它有上亿个参数，但是离650亿个参数还有距离。

　　但到GPT-2的时候，它论文的题目叫做“语言模型是无监督的多任务学习者”。GPT-2主要是通过多任务学习，获得了迁移学习的能力，零样本学习，和执行任务的能力，这个是一个非常重大的突破。所以，从GPT-1到2跨越了从小模型到大模型的一个飞跃。

　　到GPT-3的时候，就更有意思了。它讲的是“语言模型是一个小样本的学习者”。这个时候它显示出非常强大的学习能力，你只需要把训练好的大模型，给他几个，比如说从中文到英文翻译的几个例子，它自己就理解了，哦，原来你给我这几个例子说是让我做翻译，它就会给你去做翻译了。

　　到GPT-3.5，也就是我们看到的ChatGPT后面大模型的时候，它又厉害了，连例子都不用给了，你就直接用自然语言的方式告诉它要做什么任务，它也能够理解了。

　　前几天，GPT-4发布，它就又上一层楼。它不仅仅是支持文本的交互，它的输入也可以是图像，这是和之前一个比较大的区别。它的上下文的大小，之前GPT-3.5大概是2K，那么现在GPT-4的达到32K.所以它的上下文能力更大，特别有利于支持多模态多轮对话的场景。

　　所以刚才黄所的问题，大模型的出现是不是一个AI的范式？从这角度看，确实是。这是从小模型加上面向特定任务的微调，转换到了一种大模型加上上下文的学习，这样一种新的范式，这确实是一种新范式的出现。

　　那么刚才黄所还问这个大模型，是不是通向今后的通用人工智能的一条路？这个就要看我们是怎么来定义通用人工智能。如果我们定义一个狭义的通用人工智能，比如说通过人类的各科考试，那么，这个GPT-4做的已经很不错了。它现在已经参加了美国的各种考试，比如说LSAT满分是180分，它考了163分，打败了88%的考生。还有一些别的考试，考的也都不错。但是还有几种考试，比如说这个十年级的就是大概是高中吧，高中数学竞赛的那个考试还不够理想。

　　我们如果定义通用人工智能，它的狭义是说能够通过人类的各科考试，现在GPT-4做还是可以了。

　　如果定义这个通用人工智能的意思是说和人类的智能要看齐，那它还是有些差距。我觉得可能主要有几个方面，第一个是闭环的自主反馈纠错能力。今天我们都知道有自动驾驶，也有人类司机的驾驶。有的时候我们还是会比较担心，说人类司机是不是比自动驾驶发生错误的概率还高一点？但是人类是一个闭环反馈系统，他能够实时去纠错，碰到意外情况的时候，他能马上反应出来。但是这种开环的，比如像今天的这个大模型情况，它没有实时反馈纠错的能力，碰到意外的、之前彻底没看到过的情况的时候，它有时候会发生问题。所以今天不少人可能宁愿坐我们人类开的出租车，也不愿意去信任自动驾驶的能力。

　　第二，它是跟人类这种深度理解的能力也有比较大的区别，我就不举例子了，就是你给它几个比较绕的数学题的时候，你能把它绕进去。人类其实是懂了，而它没有真正懂。你把它给绕进去了，它的答案就是错的。所以这么说，大模型是不是通向通用人工智能的一条路径？我们如果定义是狭义的通用人工智能，我觉得可能是其中的一条路径。如果是广义的通用人工智能，那就要向人类的智能看齐，它可能还有一些距离。

　　黄燕铭：您讲的非常清楚，这要看具体的这个应用场景，我们本来的这个应用场景觉得很大，放到一个更大的范围里面，它就变得很小，所以我想这个是一个层层推进的过程。我们今天觉认为的大模型在将来可能还是一个小模型，我们在未来会有更大的一些模型的出现。

　　02 关于商业应用场景
　　黄燕铭：海外像大摩这些金融机构把ChatGPT技术应用在理财投资顾问的工作领域，我们相信这种应用也会越来越多、越来越快，相信在不远的将来ChatGPT技术也会在中国大陆全面开花。除了技术，投资者最关注的莫过于未来可能出现的应用场景。我们看到微软已经把ChatGPT整合到了办公软件、软件当中，直接跟消费者收费；同时，海外也已经有很多公司把GPT模型用在了不同的领域，比如面对企业的内容创作、绩效营销分析等等。不知道您更看好GPT系列未来在哪些场景中的落地？比如是更看好B端还是C端，开源还是闭源？

　　芮勇：黄所说的非常好。一个技术到最后，还是要落地的，要有场景的。这个事儿从企业上来看也是完全一样的，我们任何的技术都要落到场景去，要产生经济效益。那么刚才黄所说，有哪些场景是落地会比较好？其实，我们如果去OpenAI的官网去看一看，他们列出了非常多的场景，有48个不同的使用场景，大致有7个类别，包括问答、分类、代码、对话、生成、翻译、转换等等。

　　我们可以简化一点看这个问题，就看两个大类，一个是理解，另一个是生成。大模型其实非常强，它的语言理解能力要比之前准确很多，所以这是人机交流的一个大的里程碑。比如今后我们使用搜索引擎，可以用自然语言进行搜索了，而不用去找到底是用这个关键词，还是用那个关键词，你只要用自然语言就可以了，这是它理解能力的应用场景。

　　第二个是生成能力的应用场景，这里有很多智能化的内容生成，比如辅助写作、代码编写等等，这些东西它都可以做了。在节目开始之前，我跟黄所聊的时候，黄所还问说证券分析师是不是也有一部分会被取代？我觉得今后可能社会上有一些职业更容易被取代一些。数字社会劳动力市场有一个新的特征，就是很多这种像能写会算的专业知识技能，逐渐会被标准化、模块化、和程序化。

　　反而是那些没有被模块化的技能可能更难被取代。有两种技能，我觉得看起来比较难被取代。一种是创意，它包括分析能力、创造性思考能力、理解和表达能力。

　　第二种是社交智慧，我们人类是一种社交的动物，具有智慧的社交能力，和人际的融合能力、沟通能力和力，这些是很难被取代的。

　　刚才黄所也问到，C端B端、开源闭源。我个人认为C端可能会快速落地，然后是B端的爆发式落地。我为什么这么认为呢？因为我们看今天的这种大模型它的通用能力非常的强，可以立刻就支持C端，包括像个人应用、内容创作、文章、代码、图像视频的生成，等等，所以它可以立刻支持C端，也就可以立刻快速落地。但是这个B端还需要一段时间把大模型和B端给连接起来。一旦能够打通之后，那么B端的落地增长会是爆发性的。这是我个人的看法，关于C端和B端。

　　那么开源和闭源呢？我觉得闭源现在有一些先发优势，虽然我们叫OpenAI，但是它现在的这些模型，它并不开源，还是闭源，所以它有一定的先发优势。我们从一个比较长期来看，开源是有利于生态建设的，比如说我们今天大家都用的Linux，RISK-V，PyTorch，它都是开源的。开源有后劲，所以我觉得闭源现在有一定的先发优势，但是开源有利于生态建设，它的后劲会比较强。

　　黄燕铭：芮博刚才讲到人类有两种能力可能是机器暂时还替代不了，第一个是创意，第二个是社交。我们知道在大模型出现之前，也有很多的场景里边存在一些基于特定模型的AI应用。随着大模型的兴起，您认为之前这些AI企业的发展是否需要全面转向大模型？在大模型兴起的过程中，这些AI企业怎么根据自己的比较优势做出相应的战略调整呢？

　　芮勇：黄所这个问题也是特别的好，我觉得可能所有做产业的，做企业的同仁们都会问这样一个问题。我是这样考虑的，把一项技术注入产品，或者去赋能业务的时候，还是要综合考虑很多的因素。我们当前阶段大模型进步非常快，但不少问题还没真正解决。另外用户场景产生的需求也不是完全一样，并且它的应用程序运行环境也不一样。

　　所以我觉得，大模型会是非常重要的一支力量，但是可能也不会是放之四海而皆准，所有人都需要上。如果来比较细的来看，有这么几个方面。一个是比如说我们就用这个ChatGPT的知识库作为一个例子，它的知识库截止于2021年，那么问它2022年或者2023年的事，它基本上是不知道的。对于需要经常性知识更新的业务场景，大模型今天还做的不太好。这个也比较容易理解，因为每训练一次大模型非常耗时，并且强大的算力后面还需要很多人工，还要去人为给它一些强化学习的一些反馈。所以它的实时性不强，对最新的消息它也不知道。

　　所以，对这些场景可能它不是特别适合。第二，它的泛化能力有时能泛化的挺好，有时又泛化的不好。对一些工业应用，真正的应用可能还有点不是很安全，因为谁也不想看这东西时灵时不灵。所以我们觉得还有些场景，它不太能够用得到。大模型的参数是在千亿级的，它需要设备端和云端的实时连接，云端去做各种计算、生成和推理。那么，对于网络通讯能力比较弱，或者是低功耗的设备，它可能也不太适用。

　　所以我们说，大模型有很多地方都非常适用，但是可能也有一些场景，它并不完全适用。刚才黄所也提到企业怎么去做调整，怎么去抓住机会。我也趁这个机会插播一个广告。大模型里面有几个非常关键的核心技术，刚才我和黄所聊的时候我们都聊到了，比如Few-Shot Learning，就是小样本学习，还有增强学习等等。这些技术，其实联想我的团队很早之前一直在看这个事。

　　我们把它用在一个比较有意思的地方，用在工厂的智能排产。联想有一家非常大的工厂，在合肥，它的占地有42个标准足球场那么大。全球的每8台PC有1台就是在那里生产的。它有上百条的产线，它能生产的机器类型也是上百款，每一天都从全球飞来成千上万的订单。这些订单那到底是应该排在哪个产线的哪个时间去生产？这就很有学问了，如果这个排产排的好，它的成本就会低很多，它的速度就会快很多，它的产线利用率就会突飞猛进的增强。如果我们用深度学习加上强化学习的这种方式去做，就会得到非常好的效果。所以我们也是在合肥工厂用到了这种强化学习，使得我们排产水平和排产效率大幅的提高。

　　那么联想现在大的战略方向是“端边云网智”，我觉得这几个方向都会跟大模型发生关系。特别是大模型把新的机会点、新的需求都提出来了。在“端”侧，无论是PC、手机、平板、AR/VR这些设备它都会成为大模型某一种输入的入口。那么“边云网”这些基础设施，如果我们要训练大模型的话，并行计算、分布式大规模训练的基础设施就非常重要。这块儿是联想基础设施业务群会着力去看。

　　在“智”这方面，我们在看很多的行业智能化，比如说智能制造、智慧交通、智慧教育等等。那么大模型出来之后，不仅是联想了，我相信很多公司也会说，这种通用领域的大模型，如何和垂直行业的知识相结合，在垂直行业做智能化？所以这几个方面，我觉得大模型确实有很多重要的方向，也带来了非常多的机会。

　　黄燕铭：到目前为止，实际上我们关于AI的主要应用都是在生产管理、企业经营方面。当然AI其实也很大的一块是用在艺术方面，现在大家都在强调人工智能作画。随着AI作画和ChatGPT的“出圈”，我们也看到有越来越多的创业者把生成式AI作为了自己的创业方向。但同时，大模型的人才投入和成本都是非常大的，各大巨头也都已经在做。您觉得如果作为AI创业者，机会在哪里？

　　芮勇：黄所，这又是一个特别好的问题，我先尝试着从两个角度来回答一下。我过一会儿也特别想听听黄所怎么来看这个问题。第一个角度，我觉得这个就像黄所刚才讲的初创企业，大模型的训练成本非常高昂，可能初创企业不太适合从零开始，与现有的大模型竞争。但是这并不代表初创企业跟大模型就不发生关系。我觉得有很多地方它都可以去发生关系的。

　　比如在大模型基础之上，进行不同行业的创新。像黄所刚才提到的AIGC，在生成方式，在艺术方面，这些都是一些非常好的方向，在大型之上去做创新。那么，大模型和这个之上的创新就有一点像，比如说在10-15年以前移动互联网时代开始蓬勃发展的时候，一些公司负责开发操作系统的平台，另外一些公司在这个操作系统之上去做它的开发套件API，还有一些公司在这个之上去开发应用。

　　我觉得今天可能也是一样，有做大模型的大型企业，有做专业知识的专业企业，还有一些初创公司的小型企业，我觉得大家可以形成一个生态，从不同的角度来进行创新和推进。

　　第二个角度，我觉得有一些企业可以去把垂直行业和大模型做一些适配，尤其是在数据端的适配，因为有一些垂直行业它可能不想把私有数据共享给大模型公司，大模型公司又没有办法去训练它的数据。这个时候就不是一个最优的答案。那么，有没有一些企业可以去做一些很新颖的方式，使得私有企业比较安全地把私有数据共享给模型公司，这个时候就可以吸引更多的数据训练出更好的模型，再吸引更多的用户，这样整个的数据飞轮就能够转起来了。我觉得确实有很多方向，这些初创企业都是可以做的。我也想和黄所讨论一下，在这方面黄所怎么看？

　　黄燕铭：其实站在我的角度来说，我也思考了很多问题，我自己做证券研究29年，我认为证券研究的原料是信息，证券研究的成果依然是信息。信息研究、信息管理的整个过程贯穿了证券研究的管理的整个过程。但是在这个过程当中，我们有些东西是可以用计算机记录下来，用计算机来进行计算，用计算机来进行记忆，但是有些东西计算机做不到。

　　我一直在思考一个问题，1946年冯诺依曼在设计计算机结构的时候，他把计算机的主要功能设定为记忆和计算，但是他少了一块东西，跟人类相比，那就是心智，人类的智慧。为什么他没有设计智慧？知识是记录在纸上的，知识可以用机器来记录和表达，但智慧是人需要感悟和认知的，所以知识在书本，在电脑。智慧在人的内心，在大脑。所以是两个不同的东西。因此，计算机能够帮助我们去记忆知识，帮助我们去计算知识。但是计算机不能帮助我们人类去感悟新智慧。

　　所以我自己认为人工智能再怎么发展，可能有一条鸿沟，没有办法突破，就是“转识成智”，怎么把知识变成智慧，变成智慧是需要相当长的时间学习锻炼，然后不断的去感悟的过程，而且不同的人对智慧的感悟可能是不一样的。

　　我相信，ChatGPT以及类似的这些人工智能的发展会给我们各行各业在未来带来很大的变化。这种变化主要还是在记忆和计算两大环节给我们提供帮助，毕竟我们在人类的日常大脑的活动当中，计算和记忆占了大量时间，而参悟智慧占的时间并不多。虽然它是最重要的，但是我们相对来讲占的时间不多。

　　如芮博所言，人工智能没有办法帮我们完成的工作，第一个是社交，第二个是创造性的工作。那从我的角度来说，哪些东西电脑能够完成？哪些东西电脑不能完成？我的理解是形而下的工作可以交给计算机，但是形而上的感悟，目前来看，人工智能还很难去帮我们完成。

　　什么叫“形而下”？有具体的数据、具体的语言、具体的计算公式，能够按照一种方式，放进去这些条件出来的结果就是这个。这些工作在我们证券研究里面其实有很多，比如说我们日常做证券研究，我们要收集信息，要收集上市公司年报的信息，要收集公告信息，收集各个媒体发布的信息等等，通过把这些信息收集过来，加工整理成我们一系列的研究产品，包括信息汇编类的报告、年报点评类的报告、行业点评类的报告。这些通过简单的人工收集信息，然后简单加工，就可以形成的这一类日常点评性的报告，我相信用人工智能都可以完成。

　　而这类工作其实在我们日常当中耗费了巨多的时间和人力，所以说我相信人工智能的发展会导致证券研究人员数量可能会在一定程度上减少，大量研究助理需要干的活被机器替代，很多研究助理晚上可以减少熬夜，让机器帮助完成一部分的工作。

　　不过，是不是证券的研究中所有的东西都可以让电脑来替代呢？我就说一个问题，2014年本人的那篇文章，《股票价格不是树上的花》，这篇文章能让机器写出来吗？我相信也不能。这就好比以前大家在探讨有没有可能让机器写出优美的散文和唐诗、机器能不能参悟人类的智慧达到更高的一个境界。我相信智慧还是需要人类自己去完成。

　　所以我们也在讨论一个很简单的问题，机器能不能写出让人类满意的研究报告？我的答案是机器可以写出让机器满意的报告，但是机器很难写出完美到让人类最满意的研究报告，但它能够帮助我们解决记忆和计算。

　　芮勇：黄所讲的非常精彩，我特别认同这样的一些看法，关于机器和人之间的关系，“形而下”和“形而上”之间的关系。我从事信息行业，计算机是信息科学的一个分支。从信息科学来看，数据是一些最原始的东西，数据升华以后才是信息，信息升华以后才是知识，知识再升华以后才是智慧。它有好几个不同的等级，所以我特别同意刚才黄所讲的，确实人类和机器还是有很多不一样的地方。黄所另外讲的一个观点是人和机器的之间的关系，我也非常认同。

　　我从2015、2016年开始就跟大家说AI到底是哪两个字，它不一定代表Artificial Intelligence，我们今天所说的人工智能，我觉得它更代表的是Augmented Intelligence，是一个增强以后的人类智能。其实人和机器的关系不是人和机器PK，而是人加上机器，机器是一种辅助的工具使得我们人类更加强大。

　　机器应该为人类服务，而不是人类为机器服务。那么刚才黄所提到的一个是计算、一个是记忆，这两个让机器去做吧。这两个机器本来做的都很好，它算的比我们算的快，记得也比我们记得多。但是很多它不会的东西是在我们人类的脑子里，那刚好机器干机器强的事，人类干人类强的事，所以结合在一起，应该是一个更加强大的人，就是我认为是一个增强的人类，所以认同黄所刚才讲的这几点。

　　03 关于AI技术伦理
　　黄燕铭：我们也注意到，不管是ChatGPT还是最近发布的GPT-4，在回答一些问题时也生成了一些对部分人群不友好的回答。您觉得随着人工智能的发展，未来我们可能会面临哪些技术伦理方面的问题？

　　芮勇：黄所问了一些非常高深的问题，这也是上升到哲学高度了。这个事我是这样看，伦理这个事确实很重要，如果看我们古代的一些先贤，他们对这些事情的看法。比如说从《道德经》的角度来看，《道德经》里有一句话，“天之道，利而不害”。这就是说，自然规律是利万物。我们的先贤在几千年以前的这些理念、观点，对今天的AI发展仍然有指导意义。

　　在人工智能技术走向产品的时候，一定也会碰到道德和伦理的问题。之前的某款聊天机器人就可能会讲一些不太准确、不太合适的话，上线不到24小时就被迫关闭了。那今天的ChatGPT在这方面已经做了很大的改进，它的情商还是比较高的，很少会有侮辱性语言和偏激行为，因为它的训练方式已经和7、8年前相比有很大飞跃了。但即使是这样，我们仍然需要看看怎么能让它更加遵守我们人类的伦理。

　　我们来回顾一下大模型的训练过程，它其实用了互联网级别的海量数据来训练。这就是像一个孩子，他学习了很多基本的文化知识，但是他没有建立价值观，他不知道什么叫对，什么叫错，什么叫正确的，什么叫不正确的。对于这一点，我们要教这个孩子什么是对的，什么是错的。

　　在ChatGPT里有一个算法，我们刚才也提到了，就是基于人类反馈的强化学习。这个就是为了去教这个大模型人类的价值观是什么，人类认为什么是对的、什么是错的，使得大模型向人类的价值观来靠拢。所以，这是一个挺重要的问题。所以我们看到的在人工智能的发展过程当中，给我们带来了很多生活的便利、生产效能的提高，但是这些伦理和道德问题，我们也要花大力气去想，这些人工智能产品的落地时需要遵循的一些原则，才能使之健康有序的发展。

　　现在业界比较公认的几个人工智能基本原则，包括公平、可靠、保密、包容、透明、负责，等等。我们再回来看这几个字，很多理念也是我们中华民族这几千年来文化的根基。所以基于这样的一些理念，我们能够让人工智能以一种合乎伦理的方式进行使用，也可以设计出让人更加信赖的人工智能、更加体现道德原则的解决方案。

　　黄燕铭：还想跟芮博交流最后一个问题，改革开放40多年，中国的科学技术突飞猛进，中国的金融行业也是日新月异，您作为一个走遍世界的技术领军人物，站在您的角度，对中国的人工智能，特别是对GPT的发展前景如何看待，能否做个展望？

　　芮勇：对，我觉得我们的前景非常的好！首先，整个科技领域，人工智能领域，无论是从基础算法，还是从我们的数据，都非常丰富，非常先进。其次，中华民族有一个比较重要的美德，我们非常的勤奋。那么在强大算法的基础之上，加上这种勤奋的美德，我们愿意合作的这种美德，我觉得我们无论是人工智能，还是更广阔的整个科技领域的发展，都会变得越来越好！好，谢谢黄所！

　　黄燕铭：谢谢芮博！我相信人工智能的未来发展，前景非常广阔，现在才刚刚开始，未来还有很多新的技术发展、新的应用值得我们期待！我们大家可以期待一个更加美好的未来！我们今天的节目就到这里谢谢大家！

　 .国.泰.君.安

巴菲特股东信十大看点：累计回报3.79万倍，能够长时间专注于一件事是一个巨大的优势

2月25日晚间，'股神'沃伦·巴菲特(Warren Buffett)旗下公司伯克希尔·哈撒韦(Berkshire Hathaway)公布了2022年四季度和全年的业绩报告。一年一度的致股东信也随之出炉。


　　看点一：累计回报3.79万倍

　　依照惯例，2023年的股东信开头还是伯克希尔的业绩与'美股风向标'标普500指数表现的对比。

　　在美联储持续加息引起经济衰退担忧、通胀飙升、地缘政治动荡等多重不利因素的冲击下，2022年的标普500指数录得金融危机以来的最差年度。这样的背景下，标普500指数下跌18.1%(含股息)，伯克希尔则获得了4%的正收益，大幅跑赢标普500指数22.1个百分点。

　　长期来看，1965-2022年，伯克希尔每股市值的复合年增长率也就是常说的年化收益率为19.8%，明显超过标普500指数的9.5%。而1964-2022年伯克希尔的市值增长率是令人吃惊的3787464%，也就是近3.79万倍，同期的标普500指数为24708%。

　

　看点二：度过了美好的一年(a good year)

　　2022年全年，伯克希尔净亏损228.19亿美元，前一年度盈利897.95亿美元；营收为3020.89亿美元，前一年度为2760.94亿美元。

　　尽管如此，巴菲特在股东信中表示，伯克希尔在2022年度过了美好的一年。

　　首先是因为公司GAAP(通用会计准则)下的营业利润(operating earnings)，即不包括持有股票的资本收益或损失，创下了308亿美元的纪录(约合人民币2140亿元)。

　　'查理和我专注于这个营业利润，并敦促你也这样做。如果没有我们的调整，GAAP数字在每一个报告日期都会出现疯狂的波动。尤其是在2022年，它的波动是绝不寻常的。'巴菲特写道，'如果按季度甚至按年度来看，GAAP的收益是100%的误导。可以肯定的是，在过去的几十年里，资本收益对伯克希尔来说非常重要，我们预计它们在未来几十年也会产生积极的影响。但是，媒体经常无意识地报道它们的逐季波动，这完全误导了投资者。'
　　伯克希尔的另一个积极进展是其收购了财产保险商Alleghany公司。巴菲特表示，他与该公司的领导者Joe Brandon合作过，Joe对伯克希尔和保险都很了解。

　　'Alleghany为我们提供了特殊的价值，因为伯克希尔无可比拟的财务实力使其保险子公司能够遵循有价值和持久的投资策略，这几乎是所有竞争对手都无法做到的。在Alleghany的帮助下，我们的保险浮动资金在2022年从1470亿美元增加到1640亿美元。通过严格的承销核保，这些资金很有可能实现零成本。'
　　据巴菲特介绍，自1967年收购第一家财产意外保险公司以来，伯克希尔通过收购、运营和创新将浮存金增加了8000倍。虽然在财务报表中没有确认，但这些浮动金对伯克希尔来说是一笔重要非凡的资产。

　　看点三：'我们是在选择企业'

　　'查理和我选择的不是股票，我们选择的是公司。'巴菲特写道。

　　巴菲特强调，持有股权的目的都是对具有长期良好经济特征和值得信赖的管理者的企业进行有意义的投资。'请特别注意，我们持有公开交易的股票是基于我们对其长期经营业绩的预期，并不是因为我们把它们看作是短期买卖的工具，这一点很关键。'
　　在巴菲特看来，公开交易市场的一个优势是，偶尔可以很容易地以极好的价格买进一些极好的企业。但重要的是要明白，股票交易的价格往往非常离谱，有可能是高得离谱，也有可能是低得离谱。'有效'市场只存在于教科书中。事实上，市场上的股票和债券价格常常令人困惑，投资者的行为通常只有在时过境迁后才能理解。

　　巴菲特也承认，自己犯了很多错误。'从结果来看，我们目前庞大的企业集合仅包含了少数具有真正卓越经济价值的企业、许多经济价值非常高的企业以及一大部分普通的企业。'但与此同时，他认为自己的成绩单是合格的，'在伯克希尔58年的运营中，我的大部分资本配置决策都不怎么样。我们令人满意的业绩来自十几个真正正确的决策--大约每五年一个。'
　

　看点四：始终持有大量现金和美国国债

　　伯克希尔2022年末现金储备为1286亿美元(约合8946亿元人民币)，较2021年末的1440亿美元有所下降。

　　至于未来，巴菲特称，伯克希尔公司将一直持有大量现金和美国国债以及一系列业务。

　　'我们还将避免任何会在关键时刻导致现金流不便的鲁莽行为，包括在金融恐慌和前所未有的保险损失的时刻。我们的首席执行官将永远是首席风险官--尽管他(她)本不必承担这项责任。'巴菲特这样写道，'此外，我们未来的首席执行官们将有相当一部分的净资产收益是用自己的钱购买伯克希尔股票而获得的。是的，我们的股东将通过持续的获得收益来保证储蓄和繁荣。'
　　看点五：股票回购的批评人士是'经济文盲'
　　'如果有人告诉你，所有的回购行为都对股东或国家不利，或者对CEO特别有利，此人要么是经济文盲，要么是一个巧舌如簧的煽动家(这两个角色并不矛盾)'，巴菲特在股东信中表示。

　　由于巴菲特发现很少有外部机会，该集团在2021年花费了创纪录的270亿美元进行回购。2022年巴菲特的股票回购放缓至约80亿美元。

　　巴菲特指出，2022年，通过伯克希尔的股票回购以及苹果和美国运通的类似举措，每股内在价值只有很小幅度的增长。伯克希尔通过回购1.2%的公司流通股，直接增加了股东持有的独特业务组合的权益。苹果和美国运通的股票回购也在没有增加其任何成本的情况下，增加了伯克希尔的持股比例。

　　巴菲特提到，计算过程并不复杂：当股本数量减少时，股东持有的许多企业的权益都会增加。如果回购以增值价格实施，每增加一点都有帮助。同样可以确定的是，当一家公司为回购支付过高价格时，继续持有的股东会遭受损失。此时，获益的只有卖出股票的股东，以及热情推荐愚蠢购买行为但却收费高昂的投资银行家。

　　巴菲特强调，通过增值回购获得的收益可以惠及所有股东--在所有方面都是如此。他举例说：一家当地汽车经销商有三个完全知情的股东，其中一个负责管理企业。如果其中一个被动股东希望将他的权益卖回给公司，而且价格对另外两位继续持有的股东有吸引力。当交易完成时，这笔交易是否会损害任何人的利益？这位管理者是否在某种程度上比继续持有的被动所有者更受偏爱？公众是否受到了伤害？

　　看点六：分红是'秘密武器'

　　本次股东信中，巴菲特再次提到了股票分红的重要性。

　　1994年，伯克希尔完成了对可口可乐的收购。整个交易先后花了7年时间，总成本为13亿美元。这在当时对伯克希尔来说是一笔非常大的数目。

　　巴菲特表示：'1994年我们从可口可乐公司获得的现金分红是7500万美元。到2022年，股息增加到7.04亿美元。成长每年都在发生，就像生日一样确定无疑。查理和我只需要兑现可口可乐的季度股息支票。我们预计分红很可能会继续增加。'
　　美国运通的情况大致相同。伯克希尔对美国运通的收购基本上是在1995年完成的，同样耗资13亿美元。这项投资的年度股息从4100万美元增加到3.02亿美元。

　　巴菲特表示，这些股息收益虽然令人满意，但远非壮观，可它们带来了股价的重要收益。'截至年底，我们的可口可乐投资价值为250亿美元，而美国运通的投资价值为220亿美元。现在，这两个持股分别约占伯克希尔净资产的5%，类似于很久以前的权重。'
　　看点七：会像对待自己的钱那样对待股东的钱
　　在股东信中，巴菲特称，有许多伯克希尔的股东是百万富豪，还有一些是亿万富豪，但他们从未研究过伯克希尔的财务数据。

　　'有很多伯克希尔百万富翁，是的，亿万富翁从来没有研究过我们的财务数据。他们只是知道，查理和我-以及我们的家人和亲密朋友-继续在伯克希尔进行非常重要的投资，他们相信我们会像对待自己的钱一样对待他们的钱。'巴菲特说，'这是我们可以做出的承诺。'
　　巴菲特介绍，'查理和我把你在伯克希尔的存款分配给两种相关的所有权形式。首先，我们投资于我们控制的企业，通常是100%的收购。伯克希尔对这些子公司进行资本配置，并挑选出负责日常运营决策的首席执行官。'
　　'在管理大型企业时，信任和规则都是必不可少的。伯克希尔对前者的强调达到了一种不同寻常的--有些人会说是极端的程度。失望在所难免。我们理解商业错误；我们对个人不端行为的容忍度为零。'巴菲特写道。

　　第二类所有权是购买公开交易的股票，'通过购买这些股票，我们被动地拥有部分业务。持有这些投资时，我们在管理方面没有发言权。'

　　看点八：搭上了'美国顺风' (American tailwind)

　　巴菲特将他过去几年的成功归功于美国经济的韧性，他表示：'没有伯克希尔，美国也会做得很好，但反过来就不一样了。'
　　巴菲特称，伯克希尔很高兴支付大量税款，因为多年来该公司从'美国顺风'中获得了好处。

　　巴菲特表示：'我已经投资80年了，超过了我们国家历史的1/3.尽管我们的公民有自我批评和自我怀疑的倾向，甚至可以说是热情，但我还没看到长期做空美国有意义的时候。'
　　截至2022年底，伯克希尔是8家巨头的最大股东：美国运通、美国银行、雪佛龙、可口可乐、惠普、穆迪、西方石油和派拉蒙全球。除这8家标的外，伯克希尔还持有伯灵顿北圣太菲铁路运输公司(简称伯灵顿北)100%的股份和伯克希尔哈撒韦能源 92%的股份，每家的收益均超过30亿美元(伯灵顿北为59亿美元，伯克希尔哈撒韦能源为43亿美元)。

　　'如果这两家公司公开上市，它们将被收录进那500家公司中(标准普尔500指数)。总的来说，我们的10家控股和非控股的巨头使伯克希尔公司比任何其他美国公司都更广泛地与本国的经济未来保持一致。'巴菲特写道。

　　看点九：没有什么比拥有一个伟大的合作伙伴更好

　　在股东信中，巴菲特大赞合作伙伴查理·芒格称，没有什么比拥有一个伟大的合作伙伴更好。信中，巴菲特大量引用了芒格的金句：
　　1.世界上到处都是愚蠢的赌徒，他们的表现不如耐心的投资者。

　　2.如果你看世界的方式不同，那就像是通过扭曲的镜头来判断事物。

　　3.我只想知道我会死在哪里，所以我永远不会去那里。还有一个相关的想法：尽早写下你想要的讣告--然后据此行事。

　　4.如果你不在乎你是否理性，你就不会努力。那么你将保持非理性并得到糟糕的结果。

　　5.耐心是可以学习的。注意力持续时间长，能够长时间专注于一件事是一个巨大的优势。

　　6.你可以从死人身上学到很多东西，学习你钦佩和厌恶的死者。

　　7.如果你能游到适合航海的地方，就不要在正在下沉的船上抛锚。

　　8.一个伟大的公司在你不在之后继续工作；一家平庸的公司不会那样做。

　　9.沃伦和我并不关注市场泡沫。我们寻找好的长期投资，并顽固地长期持有它们。

　　10.Ben Graham说：'日复一日，股市是一台投票机；从长远来看，它是一台称重机。'如果你不断地制造更有价值的东西，那么一些聪明的人就会注意到它并开始购买。

　　11.投资没有100%确定的事情。因此，杠杆的使用是危险的。一串奇妙的数字乘以零将永远等于零。不要指望一夜暴富。

　　12.然而，你不需要拥有很多东西就可以致富。

　　13.如果你想成为一个伟大的投资者，你必须不断学习。当世界变了，你必须改变。

　　14.几十年来，沃伦和我一直痛恨铁路股，但世界发生了变化，美国终于拥有了四条对美国经济至关重要的大型铁路。我们迟迟没有意识到这一变化，但迟到总比不到好。

　　最后，巴菲特补充了查理的两句话，几十年来一直是他决定的关键：'沃伦，多想想。你很聪明，我是对的。'
　　巴菲特还表示，会在查理的名单上添加一条自己的规则：找一个非常聪明的高级合作伙伴--最好比你年长一点--然后非常仔细地听他说什么。

　　看点十：5月5日股东大会见
　　股东信的最后，巴菲特透露，伯克希尔将于5月5日至5月6日在奥马哈举行年度股东大会。

　　每年的5月份，数以万计的投资人都会来到美国内布拉斯加州小城奥马哈，聆听巴菲特和芒格对该公司业务和投资状况的看法。

　　'周五，大门从中午一直开到下午5点，我们的糖果柜台共卖出2690份。周六，在早上7点到下午4点30分之间，喜诗又登记了3931笔交易，尽管在9个半小时的营业时间中有6个半小时发生在我们的电影和问答环节限制了商业客流的时候。'巴菲特在股东信中回顾了2021年股东大会时喜诗糖果售货亭销售的盛况，每分钟约有10笔销售，共计卖出11吨营养花生糖和巧克力，两天内销售额达约40万美元，'101年以来，消费的模式没有发生本质变化。在福特T型车时代卖喜诗糖的方法，今天一样管用。'
　　'毕竟，除了喜诗的糖果，还有什么能解释查理和我能活到99岁和92岁呢？'巴菲特开玩笑说。(澎湃新闻)

超短线简约一招鲜：无论何时、何处都抓主流！

在超短线炒作中，模式、选股、方法千千万万，但有效做到简约一招鲜的人不多。太多数小散户目前为主，还不能合理、客观选股选题材，更不用说更高一阶段的“选时”“选情绪”了。如果再纳入轮动与指数的相互影响，如果想法多多，还是纳不进主流选股中，我相信，最后还是碌碌无为的。

什么是抓主流？
最简单的，现时炒作的题材中，消息、政策、资金态度最热门的那个题材，所在的板块，就是主流，而经常在里面操作的大游资，就是主流资金。主流资金玩主流板块，这是被证明最有效的超短线理念。如果脱离了主流，再选中一些冷门成交的个股，这也是连超短线“门”都没入的。

什么是主流？比如现在的人工智能就是主流板块，人工智能涉及到AIGC,chatGPT,算力，算法，硬件，AI应用等等诸多的板块内分歧，统称为主流。如果最简单的都不懂的话，那最简单的方法也可以通过这样来找：比如现在涨得最多的那几个股所在的板块，也是主流。比如，我们通过软件排序功能，按10日涨幅、20日涨幅、30日涨幅通过排序，大体知道现时涨得最多的这些股就是：中航电测，海天瑞声，汉王科技，鸿博股份，云从科技等。

通过20日涨跌幅中，找到涨得最多的那几个股（以上中，排除复牌的中航电测），学会运用软件，比如通达信，打开个股，敲键盘：ctrl R 两键，调出个股所属板块参考，即属性，我们可以发现此股目前正在热炒中的人工智能、chatGPT、云计算、大数据等板块中的属性。运用了这些软件最基本的使用后，再结合我们平时浏览看别人的复盘得知，主流就是人工智能。或者说是：chatGPT。而引发这个题材的就是年后微软 openAI获得chatGPT收入的大利好而点燃，所以，汉王科技年后大单一字，连续涨停后，带动的人工智能这个主流炒作。

主流的炒作时间维度可以宽广的，深度是不断挖掘支线补涨，广度用时间来衡算时，一般来说有长达一个月之久。甚至有些主流还炒了大半年，比如去年国庆后的信创板块，以南天信息、国脉科技、竞业达三剑客为首的信创板块一直源源不断炒到今年1月份。时间宽度好长。

而我们在信创板块找到领涨、补涨、潜伏个股的炒作，就是拥抱主流。主流板块在第一波炒作时，龙头的高度起码8连板，因为现时的监管的原因，一个龙头股最起码也有6连板，随后断板，反包，逻辑蔓延到中军思路上，然后继续把炒作最大化。这种炒作思路就是主流思路。

就拿现在这一波的人工智能来说，年后汉王科技一字涨停，同期的有同为股份，达意隆，智能主控，等等补涨。当汉王科技、海天瑞声断板后，行情又挖掘到算力算法什么的，比如鸿博股份，宁夏建材，天娱数科，中军浪潮信息，三六零等等补涨层出不穷。今天再度挖掘到拓息，元隆雅图等新补涨上。大家可以留意我的复盘，我的交易目标一直是在主流人工智能上，几乎很少涉及轮动。后续我这边会更加贴近实战的为大家送上主流复盘与策略点评。

说说今天的行情与简单策略：

今天的行情指数特征是：一阳吞三阴成洗盘结束形态

今天两市双双大涨，个股板块普涨。热点风口方面，天眼盯盘显示，建材、信创概念、证券期货、家具制造、AIGC概念板块活跃；涨幅超9%个股62家和上个交易日大幅增加，跌幅超9%个股7家相比上个交易日明显减少，北上资金流入流入60.03亿元。

上周五的收评中指出由于跌破2月9日低点形态上M头成立，但市场中积极因素也有要走一步看一步，并指出市场企稳判断条件是收复10日线，能收复此线就视为企稳，而在上周四的收评中指出要留意是否有反包形态出现，并提示了相应的操作策略，一旦反包出现就要及时跟进。从今天市场表现来看在周末全面注册制及转融券费率下调利好刺激下，证券期货板块高开高走，带动蓝筹板块企稳回升，整个蓝筹股的激情被点燃，推升指数一口气收复前三天的阴线，走势可谓非常强劲。如何来看待今天的大阳线呢？从技术上看，今天是一阳吞三阴的走法并收复上方所有均线，可以说确认了前面三个交易日的下跌是洗盘动作，成交量方面也出现了有效放大，站上了所有均量线，大盘技术上企稳无疑。从形态上看，今天再度回到了此前的震荡箱体中运行，虽然还没突破箱体上颈线位，但已经有向上突破箱体的欲望，关注明天能否形成突破，一旦突破3310前高，上升空间将再度打开朝着回补上方3354点缺口去。

热点板块方面，通信服务大涨，根据“十四五”规划，千兆宽带用户数将从2020年的640万户提升至2025年的6000万户。机构指出数字经济的发展奔涌向前，通信板块整体已经出现修复上行的迹象。板块走势上，前期回踩颈线后今天再度放量中阳上攻，中长线趋势良好，可继续持有为主。证券期货板块走强，中国证监会发布全面实行股票发行注册制相关制度规则，自公布之日起施行，同时转融券费率下调相当于给券商定向降准利好券商。板块走势上，回踩颈线后今天一阳吞四阴，形态上反包，走势已经企稳，量能配合放大，后市有望向上拓展空间，积极关注。工程机械板块涨幅居前，我国挖掘机出口量持续稳步增长，板块走势上，今天放量上攻，中长线趋势良好，可继续持有为主但不建议追高。家具制造表现出色，节后开复工进度明显加速，增加对家具建材需求。板块走势上，今天放量突破平台，有望向上拓展空间，可继续关注。

操作策略：建议乐观，拥抱人工智能、信创、基建板块为主。

人气股策略：主流人工智能、数字经济板块人气股为拓息，中国电信，元隆雅图，凯撒文化，三六零，汉王科技，汤姆猫，浪潮信息等。其它轮动暂时看不清持续性，建议拥护主流为主。超短线简约一招鲜：无论何时、何处都抓主流！日月同辉氵