2026-08-29｜TradingView市场热力＋前沿科技投资研究

今日核心结论

周五最大的变化不是指数只跌了约0.25%，而是AI基础设施内部的分化继续扩大：NVIDIA 财报已经证明需求很强，但 MRVL 因 Google ASIC 收入兑现要等到更晚阶段而下跌约10%，NVDA也回落4.6%。这说明市场已经从“AI需求强就全部上涨”，进入“谁能最快把AI订单变成利润和现金流”的阶段。

宏观同时重新变鹰。Fed主席 Kevin Warsh 在 Jackson Hole 强调通胀仍未可靠回到2%，市场把9月加息概率明显上调；10Y盘中回到约 4.70%，VIX却只有 14.67。也就是说，利率风险提高，但期权市场并没有进入恐慌状态。

研究侧过去48小时最值得关注的三个方向是：Agent经验开始变成可迁移的持久技能、视频World Model训练成本出现数量级下降、消费级GPU训练小模型的成本继续坍塌。这三件事共同说明，AI价值正在从“单次模型调用”转向“可积累的软件资产 + 更低训练成本 + 更高效多模态表征”。

---

一、TradingView 市场热力

1. SPX500行业热力概览

近7天按 8月21日→8月28日，近30天按约7月29日→8月28日；行业表现以 Sector SPDR ETF 日线复算。

排名	行业	ETF	近7日	近30日	判断
1	通信服务	XLC	+1.43%	+3.18%	当前7日最强
2	科技	XLK	+1.30%	+11.48%	30日绝对最强，但周五分化明显
3	金融	XLF	+1.08%	+2.51%	相对稳健
4	公用事业	XLU	-0.09%	-4.85%	7日企稳，30日仍弱
5	必选消费	XLP	-0.63%	-2.19%	防御未形成领导力
6	材料	XLB	-0.67%	+2.78%	前期强势开始降温
7	可选消费	XLY	-0.69%	+5.02%	中期仍强、短线回落
8	房地产	XLRE	-1.33%	-3.22%	长端利率继续压制
9	能源	XLE	-1.51%	+6.87%	中期仍强，风险溢价回吐
10	工业	XLI	-1.73%	+0.27%	继续落后
11	医疗	XLV	-1.98%	+2.96%	前期强势明显回吐

最重要的结构变化：科技重新成为30日最强板块，但不再是“所有AI股一起涨”。 XLK 过去30日约 +11.5%，但周五 MRVL -10%、NVDA -4.6%、KLAC/AMAT/TXN也明显下跌。市场对AI已经进入基本面分层定价。

2. 强势板块

科技 XLK

近30日 +11.48%，明显排名第一。NVIDIA强财报确认GPU/AI基础设施需求没有失速，全球科技基金本周仍获得约32亿美元净流入，美国科技基金约18.1亿美元净流入。但MRVL强订单仍被市场按兑现时间重估，说明资金开始集中到兑现速度更快的公司。

通信服务 XLC

近7日约 +1.43%。Alphabet周五约+1.7%，对板块形成支撑。平台型公司既有AI资本开支，也有广告/平台现金流，抗估值压缩能力强于部分纯AI硬件。

金融 XLF

近7日约 +1.08%。利率上行对净息差未必完全是坏事，但若继续加息，信贷质量风险会上升，因此当前属于相对稳健而非明确主线。

3. 弱势板块

医疗 XLV

近7日 -1.98%。此前医疗快速上涨后开始获利回吐。

工业 XLI

近7日 -1.73%，近30日仅+0.27%，仍明显落后市场。

房地产 XLRE

近7日 -1.33%，近30日 -3.22%。10Y重新逼近4.70%，房地产与高股息久期资产继续承压。

4. 股票扫描

强势股

1. PASQ：约+40%收盘，Pasqal量子计算上市首日。
2. ESTC：约+19%，财报超预期、上调指引。
3. GAP：约+13%，Old Navy管理层调整、提高利润预测。
4. WDAY：+5.8%，盈利改善/AI采用。
5. AMZN：约+4%，分析师上调目标价、Agent AI效率预期。
6. GOOGL：约+1.7%。
7. AAPL：约+1.6%。

其余未取得足够可靠来源，不凑Top10。

弱势股

1. IREN：约-13.6%。
2. PYPL：约-12.7%，潜在收购方退出。
3. RBRK：约-12%。
4. MRVL：约-10%，Google ASIC收入兑现时间晚于市场预期。
5. IONQ：约-8.8%。
6. SMTC：约-8.0%。
7. NVDA：-4.6%。
8. KLAC：约-4.1%。
9. AMAT：约-3.7%。
10. TXN：约-3.4%。

5. 异常波动与集中度

• AI ASIC出现“好基本面也会跌”的新阶段。 MRVL长期订单强，但市场不愿为FY2029才显著兑现的收入继续支付极高估值。
• 量子高度主题化。 Pasqal上市首日大涨，而IONQ同日明显下跌，板块缺少基本面一致性。
• 美国股票基金显著撤资。 截至8月26日一周，美国股票基金净流出约223.3亿美元，但科技基金仍净流入，属于大盘资金流出、科技内部继续集中。

6. 当天美国经济日历

今天是8月29日周六，美国常规股票/债券市场休市，没有新的常规宏观数据、Fed政策会议或国债拍卖。

下一批重要事件：

• 9月1日 10:00 ET：JOLTS 7月职位空缺。
• 9月3日 08:30 ET：Q2生产率与单位劳动力成本修订。
• 9月4日 08:30 ET：8月非农就业报告。
• 9月10日：8月PPI。
• 9月11日：8月CPI。

7. 市场环境

10Y美债

Warsh讲话后10Y约 4.695%，2Y约 4.283%。高估值科技的PE扩张重新受到约束。

VIX

Cboe 8月28日：14.67，前收14.51。市场不是恐慌状态。

QQQ / SPY / IWM近7日

ETF	8/21→8/28
SPY	+0.47%
QQQ	+0.42%
IWM	-1.40%

排序：SPY > QQQ >> IWM。大型成长强于小盘，但QQQ还没有真正跑赢SPY。

8. 今日风险与交易关注

1. MRVL能否止跌：检验市场是否系统性降低二阶AI资产远期折现。
2. NVDA是否守住财报后关键区间。
3. QQQ能否持续跑赢SPY。
4. 10Y是否突破4.70%并站稳。
5. 9月1日JOLTS与9月4日非农是否支持Warsh鹰派路径。

市场一句话：AI需求依旧很强，但市场已经不再奖励“未来很大”，而是奖励“现在就能兑现”。

---

二、前沿论文雷达

今日一句话研究结论

过去48小时最清晰的趋势是：AI系统正在把经验、视频和训练方法本身变成可复用的效率资产。 Agent经验开始沉淀为可跨模型迁移技能；LeVJEPA把视频预训练计算量降低5.6–20.8倍；Puro-2B把2B级从零训练门槛降到几千美元。未来模型能力提升不一定要求算力投入同比例增加。

Top论文

排名	论文	领域	机构	重要性	商业化	投资关联
1	LeVJEPA	Video / World Model	Yann LeCun等团队	★★★★	1–3年	Physical AI / 视频模型
2	WikiSkill	Agent Memory/Skill	研究团队	★★★★	<1年–1年	Agent Runtime
3	Puro-2B	LLM Training	清华相关团队	★★★★	已可复现	低成本训练
4	Chip Thermal Design Review	Semiconductor Cooling	学术团队	★★★	1–5年	液冷/封装

本期符合A/B/C标准的高质量论文只有4篇，不足10篇，不凑数。

Top 1｜LeVJEPA

英文： LeVJEPA: Efficient & Scalable Video Pretraining without the Heuristics

中文： LeVJEPA：去除启发式复杂结构的高效可扩展视频预训练

原文： https://arxiv.org/abs/2608.27395

首次公开： 2026-08-27

最新修订： v1

状态： Preprint，未发现已同行评审信息。

作者包括 Lukas Kuhn、Lucas Maes、Giuseppe Serra、Quentin Le Lidec、Yann LeCun、Randall Balestriero、Florian Buettner。

解决什么问题？

过去视频自监督学习常依赖EMA target encoder、stop-gradient、predictor或masked reconstruction，这些机制本身就非常耗算力。LeVJEPA尝试使用单encoder + projector + LeJEPA collapse-free objective + SIGReg，并大幅随机丢弃token。

关键实验数字

• 与V-JEPA 2同epoch/同数据比较，预训练计算量降低 5.6×–20.8×。
• 同总FLOPs下，ImageNet-1K：61.0% vs 53.4% VideoMAEv2 / 51.6% V-JEPA 2。
• 相对最强baseline提高7.6个百分点。
• Kinetics-400：44.6%，高于37.4%和40.7%。
• Something-Something-v2仅40.4%，低于两项baseline，说明运动理解并非全面领先。

真实性检查

是真实训练，不是Simulation；比较控制较严格。但优势主要集中在appearance transfer，不能说全面超越V-JEPA 2。

商业化

1–3年。 可影响World Model、机器人视觉、视频理解，但距离真实Physical AI闭环仍有距离。

市场定价

未定价/部分定价。 市场已经定价World Model重要，但没有充分计入视频预训练成本可能下降一个数量级。

上市公司映射

• Meta：弱利好。JEPA/World Model研究路线高度相关，但论文不等于产品收入。
• NVIDIA：中性。单位训练算力下降，但视频/机器人模型可用性提升可能扩大总需求。
• Tesla：中性。方向相关，无直接合作关系。

Top 2｜WikiSkill

英文： WikiSkill: Compiling Agent Experience into Persistent Knowledge for Skill Evolution

中文： WikiSkill：将Agent经验编译为持久知识以推动技能演化

原文： https://arxiv.org/abs/2608.27454

首次公开： 2026-08-27

v1 / Preprint。

WikiSkill把传统 Agent 的 Raw Experience → Skill 过程改造成 Raw Experience → Persistent Wiki → Executable Skill，相当于让Agent逐渐写一本自己的操作手册。

原论文报告：在多个benchmark和模型上持续优于当前skill-evolution方法；大模型从evolved skills获益更明显；小模型+技能可以超过明显更大的无技能模型；skills可跨模型/模型家族迁移；persistent wiki的ablation显示其是关键组件。原摘要没有统一百分比提升，因此不人为制造数字。

真实性检查： 真实benchmark，但尚未证明长期生产环境中的知识不会冲突或过时。

商业化： <1年–1年。

市场定价： 明显未充分定价。

上市公司映射： 暂无足够直接上市公司映射，不强行关联SaaS公司。

Top 3｜Puro-2B

英文： Puro-2B: Poor Lab's Qwen2-1.5B Trained on RTX 5090 within $5090

中文： Puro-2B：用消费级RTX 5090实现极低成本小模型预训练

原文： https://arxiv.org/abs/2608.27370

首次公开： 2026-08-27

v1 / Preprint。

核心组合包括RTX 5090、FP8、Hyperball optimization、Curriculum model averaging、数据配方和完整开源训练pipeline。

关键数字

• 从零训练最多 1.4万亿tokens。
• 最佳模型实际compute成本 <6,900美元。
• 接近Qwen2.5-1.5B性能。
• 成本Scaling Law估计约 4,400美元可达到Qwen2-1.5B水平。
• 数据、代码、权重Apache 2.0开放。

真实性检查： 真实训练，但只验证1.5B–2B级规模；不能推导到70B/1T模型。成本也不包含全部人力、折旧和数据成本。

商业化： 已可复现。

市场定价： 部分定价。

上市公司映射： NVIDIA 弱利好；云厂商 中性。

Emerging Research Cluster

• Agent Memory / Skill / State：明显升温。 StateMem、Prime Agent、Recuris、WikiSkill连续出现。
• Training / Inference Efficiency：极强。 Adaptive Reasoning、Puro-2B、LeVJEPA都在降低单位计算。
• World Model / Video Representation：明显升温。 LeVJEPA、EchoWM等推动视频成为通用表征载体。
• AI Cooling / Thermal Co-design：持续升温。 3D集成和高热流推动微通道、两相冷却、package-level thermal design。
• CPO / Optical I/O：持续升温。 研究焦点从纯带宽转向热稳定、封装和控制。

Strategic Research Signal

Meta

研究员推断： Yann LeCun参与LeVJEPA，加上V-JEPA路线持续推进，说明Meta长期研究继续押注“通过视频学习物理世界表征”，可能对应AR、机器人、视频理解和World Model。

大厂整体

研究员推断： Microsoft Maia、NVIDIA Rubin、AMD MI400、Intel Crescent Island，加上最新LeVJEPA/Puro/Agent efficiency研究，共同说明AI竞争正在从“模型参数”转向“系统效率”。未来云厂商核心KPI会越来越接近$/有效任务、tokens/W、memory capacity per dollar、latency/SLA。

Semiconductor

最新芯片热设计研究继续把3D集成、异构封装、高热流密度列为核心瓶颈。研究员推断： 随着1–3kW级package增加，液冷价值量将从CDU/冷板继续向package-level thermal design前移。

---

三、研究信号 × 市场信号

① 研究升温 + 市场同步走强：AI软件效率 / Mega-cap平台

研究侧：LeVJEPA、WikiSkill、Puro-2B都降低单位AI能力成本。市场侧：30日科技约+11.5%，XLC保持强势，美国科技基金本周仍净流入。

判断：共振成立，但价值正在从“GPU数量”转向“平台效率与兑现能力”。

② 研究升温、市场尚未充分定价：Agent Skill / Persistent Knowledge

StateMem、Prime Agent、Recuris、WikiSkill连续出现，研究焦点从RAG召回走向Current State + Persistent Skill + Experience Compilation。资本市场尚无清晰Agent Runtime/Skill Infrastructure纯标的。

判断：本期最值得持续跟踪的潜在未定价方向。先研究技术栈，不强行买股票。

③ 研究尚未完全证实、股票已经主题化：量子计算

Pasqal上市首日约+40%，而IONQ同日明显下跌；产业仍面对错误率、规模化和商业workload问题。

判断：长期技术值得研究，但当前最大风险是“资本市场进度 > 工程进度”。

---

今日最终判断

AI需求仍然强，但“有AI故事”已经不够，市场开始严格计算兑现时间和资本回报。 NVIDIA证明GPU需求没有崩；MRVL则证明即使拥有Google大订单，如果利润兑现推迟到FY2029，估值仍可以快速压缩。

研究侧的另一条长期趋势是：AI单位能力成本持续下降。 视频预训练计算量可以下降5.6–20.8倍；2B级模型从零训练成本可以下降到几千美元；Agent经验开始变成可跨模型迁移的软件技能资产。

因此未来1–5年判断AI资本开支，不能只看Token数量、GPU数量。更合理的框架是：

有效AI工作量增长 ÷ 单位工作效率提升 = 实际新增算力需求

再乘上HBM / 网络 / 电力 / 冷却 / 封装 / 软件利用率，最终才能接近：

1GW数据中心到底能转换成多少自由现金流。

主要来源

• Reuters：8月28日美股与Warsh讲话：https://www.reuters.com/business/sp-500-nasdaq-futures-slip-after-tech-rally-warshs-speech-awaited-2026-08-28/
• Reuters：MRVL/Google ASIC：https://www.reuters.com/business/marvell-shares-slide-concerns-over-timing-google-ai-deal-revenue-eclipse-strong-2026-08-28/
• Reuters：美国基金流向：https://www.reuters.com/business/us-equity-funds-post-biggest-weekly-outflow-since-march-ahead-nvidia-earnings-2026-08-28/
• Cboe VIX：https://www.cboe.com/tradable-products/vix
• BLS 2026发布日历：https://www.bls.gov/schedule/2026/
• LeVJEPA：https://arxiv.org/abs/2608.27395
• WikiSkill：https://arxiv.org/abs/2608.27454
• Puro-2B：https://arxiv.org/abs/2608.27370