月度归档： 2024 年 9 月

罗伯特清崎的态度

《富爸爸穷爸爸》的作者罗伯特清崎表示，比特币（BTC）、黄金和白银正处于暴涨的边缘。

这位畅销书作家在社交媒体平台X的新帖子中表示，如果美联储在下次联邦公开市场委员会（FOMC）会议期间降息，这三种资产将爆炸式增长，随着资本流向“实物资产”，法定货币将崩盘。

“比特币、黄金、白银价格即将暴涨……当美联储调整政策、降低利率时，随着假钱离开美国债券等假资产，实物资产价格将上涨……

逃向房地产、黄金、白银和比特币等实物资产……黄金和比特币哪个更好真的不重要。这就像人们讨论哪辆车更好：法拉利还是兰博基尼？”

目前预计美联储将在定于9月18日举行的下次FOMC会议上将利率至少降低25个基点。

今年早些时候，清崎表示，随着越来越多的投资者对美元失去信心，保值资产将出现大幅增长。

“他们知道这个长期牛市即将到来，因为他们知道人们对假币的信心正在消失。他们知道历史会重演。他们知道德国马克和津巴布韦元发生了什么。他们知道越来越多的人终于醒悟了。

他们知道……崩盘之后……黄金、白银和比特币的长期牛市将开始。他们知道，崩盘之后……黄金、白银、比特币将再次开始攀升，创下历史新高。”

美国崩盘

此前预测，清崎认为，美国股票甚至房地产将很快遭遇大崩盘。他以美国的债务问题为依据。

美国目前有近 35 万亿美元的债务。相比之下，美国目前要支付联邦预算的 16% 用于偿还债务。此外，国家债务还在不断增加——过去十年来每年都在增加，而且没有停止的迹象。

像 Kiyosaki 这样的比特币多头表示，这将导致政府继续印制越来越多的钱。如果不这样做，美国可能会拖欠债务。

随着越来越多的货币进入流通，每一美元的价值都会因通货膨胀而下降。这导致物价飞涨，最终导致人们对货币失去信心——正如清崎指出的那样，德国、津巴布韦等国都出现了这种情况。

因此，清崎认为，美国的债务问题最终将导致美元价值崩溃。他认为，这也将导致资产市场相应崩溃。

那么问题来了：什么将取代美元成为价值存储手段？清崎预测，将是黄金、白银和比特币。

他预测，从 2025 年底开始，资金将逃离美元，涌入这些资产。归根结底，清崎认为，比特币的价格将“轻松”达到每枚 1000 万美元。

做多BTC

罗伯特·清崎对比特币持有积极的态度，认为它是一种可以对抗恶性通货膨胀和金融危机的资产。他曾多次在推特上表达了他对比特币的看法和预测，引起了很多人的关注和讨论。

清崎认为，比特币是一种去中心化的货币，不受政府和银行的控制和干预，因此具有更高的自由度和安全性。

此外，他将比特币与黄金和白银相提并论，称它们是“真正的货币”，而法定货币则是“假钞”，因为它们会因为政府的印钞和债务而不断贬值。他预测，美国和其他国家将面临严重的经济崩溃和恶性通货膨胀，因此建议人们购买比特币和贵金属，以保护自己的财富和购买力。

此前，清崎就指出，为什么投资者逐渐喜欢金、银、比特币？是因为流动性。在房地产市场最火爆的时候，人们争相买房，但当房地产崩溃时，人们却无法脱身，因为房地产流动性差。而到了2021年，投资者更喜欢黄金、白银、比特币的流动性。

此外，他还提及，美国目前无休止印更多的美元导致美元越来越多。通货膨胀是对穷人和中产阶级的一种税收。通货膨胀使富人更富有，而持有比特币可以有效跑赢通胀。

如果说 AIGC 开启了内容生成的智能时代，那么 AI Agent 则有机会把 AIGC 的能力真正产品化。

AI Agent 像一位更具象的全能员工，被称为是人工智能机器人的初级形态，能够如同人类一般观察周遭环境、做出决策，并自动采取行动。

比尔·盖茨曾直言，“掌控 AI Agent，才是真正的成就。届时，你将不再需要亲自上网搜索信息。”AI 领域的权威专家们同样对 AI Agent 的前景寄予厚望。微软 CEO 萨提亚·纳德拉曾预言，AI Agent 将成为人机交互的主要方式，能够理解用户需求并主动提供服务。吴恩达教授亦预测，在未来的工作环境中，人类和 AI Agent 将以更加紧密的方式协作，形成高效的工作模式，提高效率。

AI Agent 不单是技术的产物，更是未来生活与工作方式的核心。

这不禁让人回想，当 Web3 和区块链刚引起广泛讨论时，人们也常常用”颠覆”一词来形容这项技术的潜力。回顾过去几年，Web3 从最初的 ERC-20、零知识证明，逐渐发展到了与其他领域相融合的 DeFi、DePIN、GameFi 等。

若将 Web3 与 AI 这两大热门数字科技相结合，会不会产生 1+1>2 的效果呢？融资规模越来越庞大的Web3 AI 项目，能否为行业带来新的用例范式，创造新的真实需求？

AI Agent：人类最理想的智能助手

AI Agent 的想象力到底在哪里？网上盛传一个高分答案，“大语言模型只能编个贪吃蛇，而 AI Agent 可以编出一整个王者荣耀。”听起来很夸张，但并未言过其实。

Agent，国内通常翻译为“智体”。这一概念由“人工智能之父” Minsky 在 1986 年出版的《思维的社会》一书中提出，Minsky 认为社会中的某些个体经过协商之后可得出某一问题的解，这些个体就是 Agent。多年来，Agent 一直是人机交互的基石，从微软的剪辑助手 Clippy 到 Google Docs 的自动建议，这些早期形态的 Agent 表现出了个性化交互的潜力，但在处理更复杂任务方面能力仍然有限。直到大语言模型（LLM）的出现，Agent 的真正潜力才得以被挖掘。

今年 5 月，AI 领域权威学者吴恩达教授在美国红杉 AI 活动上分享了关于 AI Agent 的演讲，在其中，他展示了其团队做的一系列实验：

让 AI 去写一些代码并运行，对比不同 LLM 和工作流程得出的结果。结果如下：

• GPT-3.5 模型：准确率 48%

• GPT-4 模型：准确率 67% 

• GPT-3.5 + Agent：高于 GPT-4 模型的表现

• GPT-4 + Agent：远高于 GPT-4 模型，非常出色

的确。大多数人在使用 ChatGPT 这种 LLM 时，方式通常是：输入一段提示词，大模型会立即生成答案，不会自动识别和纠正错误删除重写。

相比之下，AI Agent 工作流程是这样的：

首先，先让 LLM 写一个文章大纲，如有必要，先在互联网上搜索内容进行调研分析，输出初稿，然后阅读草稿并思考如何优化，如此循环往复、多次迭代，最终输出一篇逻辑严谨、错误率最低的高质量文章。

我们可以发现，AI Agent 与 LLM 的区别在于，LLM 与人类之间的交互基于提示词（prompt）进行。而 AI Agent 仅需设定一个目标，它就能够针对目标独立思考并做出行动。根据给定任务详细拆解出每一步的计划步骤，依靠来自外界的反馈和自主思考，自己给自己创建 prompt，来实现目标。

因此 OpenAI 对 AI Agent 的定义是：以 LLM 为大脑驱动，具有自主理解感知、规划、记忆和使用工具的能力，能自动化执行完成复杂任务的系统。

当 AI 从被使用的工具变成可以使用工具的主体，就成为了 AI Agent。这也正是 AI Agent 可以成为人类最理想智能助手的原因所在。例如，AI Agent 能够基于用户历史线上互动，了解并记忆用户的兴趣、偏好、日常习惯，识别用户的意图，主动提出建议，并协调多个应用程序去完成任务。

就如同在盖茨的构想中，未来我们不再需要为不同的任务切换到不同的应用中，只需用平常的语言告诉电脑和手机想做什么，根据用户愿意共享的数据，AI Agent 将提供个性化的响应。

单人独角兽公司正在成为现实

AI Agent 还能够帮助企业打造以“人机协同”为核心的智能化运营新模式。越来越多的业务活动将交由 AI 来完成，而人类则只需要聚焦于企业愿景、战略和关键路径的决策上。

就像 OpenAI 首席执行官 Sam Altman 曾在采访中提到过这样一个引人注目的观点，随着 AI 的发展，我们即将进入“单人独角兽”时代，即由单人创办并达到 10 亿美元估值的公司。

听起来天方夜谭，但在 AI Agent 的助力下，这个观点正在成为现实。

不妨做个假设，现在我们要创办一家科技初创公司。按照传统方法，显然我需要雇佣软件工程师、产品经理、设计师、营销人员、销售和财务人员，各司其职但都由我来协调。

那么如果使用 AI Agent 呢，我可能甚至都不需要雇佣员工。

• Devin — 自动化编程

替代软件工程师，我可能会使用今年爆火的 AI 软件工程师 Devin，它能帮我完成所有前端和后端的工作。

Devin 由 Cognition Labs 开发，被称为是“世界上第一个 AI 软件工程师”。它能够独立完成整个软件开发工作，独立分析问题、做出决策、编写代码并修复错误，均可自主执行。大大减轻了开发人员的工作负担。Devin 在短短半年内就获得了 1.96 亿美元的融资，估值迅速飙升至数十亿美元，投资方包括 Founders Fund、Khosla Ventures 等知名风险投资公司。

虽然 Devin 仍未推出公开版本，但我们可以从另一个最近爆火 Web2 的产品 Cursor 一窥潜力。它几乎可以为你完成所有工作，将一个简单的想法在几分钟内转化为功能性代码，你只需要发号施令，就能「坐享其成」。有报道称，一个八岁的孩子，在没有任何编程经验的情况下，居然使用 Cursor 完成代码工作并建起了一个网站。

• Hebbia — 文件处理

替代产品经理或财务人员，我可能会选择 Hebbia，它能帮我完成所有文档的整理和分析。

与 Glean 侧重企业内文档搜索不同，Hebbia Matrix 是一个企业级的 AI Agent 平台，借助多个 AI 模型，帮助用户高效地提取、结构化、分析数据和文档，从而推动企业生产力的提高。令人印象深刻的是，Matrix 能一次性处理多大数百万份文档。

Hebbia 在今年 7 月完成了 1.3 亿美元 B 轮，a16z 领投，Google Ventures、Peter Thiel 等知名投资者参投。

• Jasper AI — 内容生成

替代社媒运营和设计师，我可能会选择 Jasper AI，它能帮我完成内容的生成。

Jasper AI 是一个 AI Agent 写作助手，旨在帮助创作者、营销人员和企业简化内容生成流程，提高生产力和创作效率。Jasper AI 能够根据用户要求的风格生成多种类型的内容，包括博客文章、社交媒体帖子、广告文案和产品描述等。并根据用户的描述生成图片，为文本内容提供视觉辅助。

Jasper AI 已获得 1.25 亿美元的融资，并在 2022 年达到了15 亿美元的估值。根据统计数据，Jasper AI 已帮助用户生成超过 5 亿个单词，成为使用最广泛的 AI 写作工具之一。

• MultiOn — 网页自动化操作

替代助理，我可能会选择 MultiOn，帮我管理日常任务、安排日程、设置提醒，甚至是规划出差行程，自动预订酒店，自动安排网约车。

MultiOn 是一个自动化的网络任务 AI 代理，能够帮助在任何数字环境中自主执行任务，例如帮助用户完成在线购物、预约等个人任务，提升个人效率，或帮助用户简化日常事务，提高工作效率。

• Perplexity — 搜索、研究

替代研究员，我可能会选择英伟达 CEO 都在每天使用的 Perplexity。

Perplexity 是一个 AI 搜索引擎，能够理解用户的提问，拆分问题，然后搜索和整合内容，生成报告，以向用户提供清晰的答案。

Perplexity 适用于各类用户群体，例如学生和研究人员可以简化写作时的信息检索流程，提高效率；营销人员可以获取可靠数据支持营销策略。

以上内容仅为想象，当下这些 AI Agent 的真正能力和水平尚不足以替代各行各业中的精英人才。正如 Logenic AI 联合创始人李博杰所言，目前 LLM 的能力还只是入门级水平，远远达不到专家级，现阶段的 AI Agent 更像是一个干活比较快但不太可靠的员工。

然而，这些 AI Agent 凭借各自的特长，正在助力现有用户在多样化场景中提高效率和便利性。

不仅仅限于科技公司，各行各业都可以在 AI Agent 的浪潮中获得益处。在教育领域，AI Agent 可以根据学生的学习进度、兴趣和能力提供个性化的学习资源和辅导；在金融领域，AI Agent 可以帮助用户管理个人财务，提供投资建议，甚至预测股票走势；在医疗领域，AI Agent 可以帮助医生进行疾病诊断和治疗方案的制定；在电商领域，AI Agent 还可以作为智能客服，通过自然语言处理和机器学习技术自动回答用户咨询，处理订单问题和退货请求，以此提高客户服务效率。

Multi-Agent：AI Agent 的下一步

在上一节关于单人独角兽公司的设想中，单一的 AI Agent 在处理复杂任务时面临着局限性，难以满足实际需求。而运用多个 AI Agent 时，由于这些 AI Agent 基于异构 LLM，集体决策困难，能力有限，以至于还需要人类充当这些独立 AI Agent 之间的调度员，协调这些服务于不同应用场景的 AI Agent 去工作。这便催生了“Multi Agent（多智体框架）”的兴起。

复杂问题往往需要融合多方面的知识和技能，而单个 AI Agent 的能力有限，难以胜任。通过将不同能力的 AI Agent 进行有机组合，Multi-Agent 系统可以让 AI Agent 发挥各自的长处，取长补短，从而更有效地解决复杂问题。

这非常类似于我们实际中的工作流程或组织结构：由一个领导者分配任务，拥有不同能力的人，负责不同的任务，每个工序执行的结果给到下一个工序，最终得到最后的任务成果。

在实现过程上，由较低级别 AI Agent 执行各自的任务，而由级别较高的 AI Agent 分配任务，并对它们的完成情况进行监督。

Multi-Agent 还能模拟我们人类的决策过程，就像我们遇到问题时会找人商量一样，多个 AI Agent 也可以模拟集体决策的行为，为我们提供更好的信息支持。例如由微软开发的 AutoGen 就满足了这一点：

• 能够创建不同角色的 AI Agent。这些 AI Agent 具有基本的对话能力，能够根据接收到的消息，生成回复。

• 通过 GroupChat 来创建由多个 AI Agent 参与的群聊环境，在这个 GroupChat 有一个管理员角色的 AI Agent 管理其他 AI Agent 的聊天记录、发言者顺序、终止发言等。

如果应用到单人独角兽公司的设想里，我们可以通过 Multi-Agent 架构创建几个不同角色的 AI Agent，比如项目经理、程序员或者主管。把我们的目标告诉它们，让它们任意去想办法，我们只要在一旁听汇报，如果觉得有意见或者它们做得不对的地方，就让它们改，直到满意为止。

相比单一的 AI Agent，Multi-Agent 可以实现：

• 可扩展性：通过增加 AI Agent 的数量来处理更大规模的问题，每个 AI Agent 处理任务的一部分，使得系统能够随着需求的增长而扩展。

• 并行性：天然支持并行处理，多个 AI Agent 可以同时在问题的不同部分上工作，从而加速了问题解决。

• 决策改进：通过聚合多个 AI Agent 的洞察力来增强决策制定，因为每个 AI Agent 都有自己的视角和专业知识。

随着 AI 技术的不断进步，可以想象 Multi-Agent 框架将在更多行业发挥更大的作用，并推动 AI 驱动的各类新解决方案的发展。

AI Agent 之风，吹向 Web3 

迈出实验室，AI Agent 和 Multi-Agent 道阻且长。

暂且不论 Multi-Agent，即便是当下最先进的单一 AI Agent ，其需要的算力资源和计算能力在物理层面仍有明确的上限，无法做到无限扩展。一旦面临极其错综复杂、计算量密集的任务，AI Agent 无疑将会遭遇算力瓶颈，性能大打折扣。

再者，AI Agent 和 Multi-Agent 系统本质上是一种集中式的架构模式，这决定了它存在着极高的单一故障风险。更重要的是，OpenAI、微软、谷歌等公司基于闭源大模型的垄断商业模式，严重威胁独立、单一的 AI Agent 创业公司的生存环境，使得 AI Agent 无法顺利利用庞大的企业私有数据来使它们变得更聪明、更有效率。AI Agent 之间亟需民主化的协作环境，使得真正有价值的 AI Agent 得以服务更广阔的需求人群，为社会创造更大的价值。

最后，虽然与 LLM 相比，AI Agent 更贴近产业，但其发展基于 LLM，而当前大模型赛道的特点是技术门槛高、资金投入多、商业模式尚且发展不成熟，AI Agent 通常很难获得融资以持续更新迭代。

Multi-Agent 的范式是 Web3 助力 AI 的绝佳角度，已经有不少 Web3 开发团队正在这些方面投入研发提供解决方案。

AI Agent 和 Multi-Agent 系统通常需要大量的计算资源来进行复杂的决策和处理任务。Web3 通过区块链和去中心化技术，可以构建去中心化的算力市场，使得算力资源可以在全球范围内更加公平和高效地分配和利用。Akash、Nosana、Aethir、 IO.net 等 Web3 项目可以对 AI Agent 决策和推理提供计算能力。

传统的 AI 系统往往是集中式管理，导致 AI Agent 面临单点故障和数据隐私问题，Web3 的去中心化特性可以使得 Multi-Agent 系统更加分散和自治，每个 AI Agent 可以独立地运行在不同的节点上，自主执行用户提出的需求，增强了鲁棒性和安全性。通过 PoS、DPoS 等机制建立针对质押者、委托者的激励惩罚机制，可以促进单一 AI Agent 或 Multi-Agent 系统的民主化。

在这方面，GaiaNet、Theoriq、PIN AI、HajimeAI 都有非常前沿的尝试。

• Theoriq 是一个服务于“AI for Web3”的项目，希望通过 Agentic Protocol 建立  AI Agents 的调用和经济系统，普及 Web3 的开发和许多功能性场景，为 Web3 dApp 提供可验证的模型推理能力。

• GaiaNet 以节点为基础的 AI Agent 创建和部署环境，以保护专家、用户的知识产权与数据隐私为出发点，抗衡中心化的 OpenAI GPT Store。

• HajimeAI 则在两者基础上发力 AI Agent 工作流在实际需求中的建立和针对意图本身的智能化、自动化，呼应PIN AI提到的“AI智能的个性化”。

• 同时，Modulus Labs 与 ORA Protocol 分别在 AI Agent 的 zkML 和 opML 的算法方向取得了进展。

最后，AI Agent 和 Multi-Agent 系统的开发和迭代往往需要大量的资金支持，而 Web3 可以通过前置流动性的特点帮助有潜力的 AI Agent 项目获取宝贵的早期支持。

Spectral 和 HajimeAI 均提出了支持发行链上 AI Agent 资产的产品构想：通过 IAO（Initial Agent Offering）发行代币，AI Agent 可以直接从投资者获得资金，同时成为 DAO 治理的一员，为投资者提供参与项目发展和分享未来收益的机会。其中 HajimeAI 的 Benchmark DAO 希望通过众筹加代币激励的方式，将去中心化的 AI Agent 评分和 AI Agent 资产发行有机结合起来，打造 AI Agent 依托 Web3 融资和冷启动的闭环，也是比较新颖的尝试。

AI 潘多拉魔盒已然开启，置身其中的每个人既兴奋又迷茫，热潮下是机遇还是暗礁，无人知晓。如今，各行各业都已不再是 PPT 融资时代，无论多么前沿的技术，也只有落地才能实现价值。AI Agent 的未来注定是一场漫长的马拉松， 而 Web3 正确保它不会在这场竞赛中黯然退场。

加密市场除了新的叙事，美元货币政策是影响市场趋势的关键因子。特别是在ETF通过，btc、eth逐步进入主流机构投资者的资产布局之后，市场的资金结构、属性、投资方式正在发生显著的变化，加密货币越来越与美股、美债黄金等其它大类资产形成某种共振或者分化。

近一段时间以来市场反复在降息预期、衰退预期、大选预期中反复震荡，这本质上则对应着资金面、基本面和监管面，三种因素相互交织，相互影响。这其中最直接的冲击是降息与降息预期，某种程度上，在一个小周期内，降息预期在交易上比降息本身更加重要，那么理清9月中下旬即将来临的降息则尤为关键。

一、为什么降：紧缩源于高通胀，但降息更多源于劳动力市场放缓

美国高通胀下的杠杆分化：政府加杠杆，居民去杠杆，支撑美国经济韧性。对于高通胀的原因，市场没有太多分歧，美国近几年来过于激进的财政政策是核心原因。激进的财政向市场投放了大量流动性的同时，一方面美联储极速扩表，政府赤字显著增长；但同时另一方面居民部门和非金融企业部门负债并没有显著增长，反而有所改善。

图表：美国三大部门杠杆率分化，居民杠杆率下行

杠杆率分化的背后进一步解释了虽然作为衰退前瞻指标的美债10年期和2年期利差从2022年7月开始倒挂，总共持续26个月，为历史最长，直到今年8月，劳动力市场放缓，降息预期带动短端利率下降，进而解除倒挂，但衰退仍未降临。

图表：本轮加息美债倒挂程度历史最长，加剧了市场担忧

数据上并不支持衰退，但劳动力放缓及数据质量变差，强化了降息预期，同时也抬升衰退担忧。从通胀而言，目前的PCE（2.5%）和核心PCE（2.6%）并未到达美联储目标的2%，但华尔街的交易员普遍预计9月美联储预计会降息，除了鲍威尔和美联储的官员持续对市场发出鸽派声音外，还有一个重要的背景则是2020年美联储的货币政策框架中，原先的通胀目标制更改为平均通胀目标制，与此同时，虽然就业和通胀仍然是美联储主要平衡的双目标，但就业和劳动力市场则显著了提在了优先位置。换言之，美联储更倾向于忍受短期的高通胀，从而确保劳动市场的稳健。

货币框架的变化，也进一步反映在了其每一次的FOMC会议和对市场的预期管理之中，非农就业、失业率等数据每一次公布均会引发市场的反复震荡，美股、加密等风险资产更是波动剧烈，用风声鹤唳形容当前的市场并不为过。市场的高度敏感，除了博弈降息幅度预期之外，同时也迭加了对衰退的担忧，对以英伟达为代表AI叙事可持续性的担忧。

从数据上看，当前的美国经济没有落入衰退区间，但放缓速度超预期，就业质量也并不高。对于衰退的判断向来众说纷纭，简单有效的指标则是萨姆规则，其基本的定义是即当美国失业率的三个月移动平均值从过去十二个月的低点上升0.5个百分点或更多时，意味着美国已经进入经济衰退早期。如果按此指标，美国从今年7月已经进入衰退（7月萨姆规则下的衰退指标为0.53%，8月为0.57%），然而包括美联储在内的主流机构均不认为已经进入衰退。

以更权威的NBER衰退指标来观测，目前无论是GDP、就业、工业生产等均有小幅度的回撤，3年回撤幅度小于2%，远低历史衰退期的5%-10%的水平。

图表：NBER衰退指标离衰退区间尚有距离

劳动力市场的放缓压力更大。美国就业数据中最关键的指标是NFP数据（非农就业数据），由美国劳工部劳动统计局（BLS）发布。过去三个月的分项数据看，制造业数据拖累很大，主要靠服务业和政府部门支撑。此外，美国劳工部同时在8、9月对此前的的数据进行了下修，下修幅度之大，令市场意外，按下修后的数据，2024年1月至2024年8月，平均新增非农仅14.9万，显著低于2019年的均值17.5万。

图表：近三个月非农就业放缓明显

进一步从就业的类型上看，全职和兼职也出现了明显的分化，美国全职岗位环比和同比持续减少，兼职则环比与同比增加。兼职岗位的增加一定程度掩盖了总量的下滑，但这也同时透露出就业数据质量并不高。

图表：美国全职及兼职人数变化提示就业数据质量不高

失业率方面，在劳动参与率持平的情况下，失业率已提升至4.3%，但有所回落，萨姆规则指数持续抬升。失业率数据中，尤其值得关注的是U6失业率（更宽口径的失业率，接近全市场的真实失业率）已抬至7.9%，为疫情后的最高水平，此外，从职位空缺方面看，职位空缺超预期下滑，空缺率同样连续下降。

图表：JOTS 非农职位空缺数连续下降

连续两月的就业市场降温迭加前期就业数据下修，一方面市场降息预期大幅强化，焦点仅在于25bp/50bp；另一方面对衰退担忧开始升温。

2.怎么降：市场与美联储的博弈，但数据仍是关键

在9月6日的非农数据出台以后，市场的表现淋漓尽致展现了数据上的好坏参半和市场共识的分歧；风险资产涨跌不一，但最终归于疲软。9月11日晚公布的8月份CPI数据出炉，同比虽然回落至2.5%，低于预期值，但核心CPI环比增幅0.3%，高于市场预期，整体上通胀延续了此前结构分化，商品、食品、能源持续下跌，服务仍具有较强粘性，数据公布后，市场对降息50bp的期待大幅降低，服务通胀的粘性也间接说明当前暂无衰退的风险。

图表：7-8 月 CPI 分项数据揭示通胀粘性仍高，下降降速

市场对衰退担忧持续存在，加之通胀回落，二者因素的交织，导致市场对降息十分“纠结”，主因在于当前市场共识无法统一以及充满矛盾。若降息25bp，一方面计价已十分充分，对风险资产的提振有限，同时也无法彻底扭转市场对衰退的担忧；若降息50bp，那么市场对衰退的担忧将大幅增加，反过来又掣肘风险资产提振。无论哪种情况，对市场的直接影响就是风险资产的敏感性大幅提升。

从美联储的角度，从本质而言，其调控方式主要有市场预期管理和货币政策管理两种手段。前者靠喊话，后者靠实在的政策工具。当前，虽然美联储并没有进行实质降息，但通过鲍威尔在内的一众官员持续对外喊话，已经对市场形成了宽松预期，无论从美债收益率和美国国内市场的信贷利率都已经提前反应，并形成实质性宽松。

图表：美国银行信贷紧缩比例下降及信用利差收窄

以上图为例，美国银行紧缩贷款比例明显降低，信用风险利差同步在在8月5日后一路下降，市场宽松态势明确。

基于当前通胀下降节奏变慢，劳动力市场超预期放缓以及实质性的宽松环境，在9月18日开启50bp的可能性开始下降，以25bp的幅度进行预防式降息概率增强。更进一步看，在没有明确的数据证明衰退已经来临或者通胀超预期大幅下降的背景下，软着陆仍然是当前交易的基准情景，市场仍然会在衰退、降息、大选等事件的数据波动中维持震荡。

3.有什么影响：加密风险偏好提振，但调整在所难免

即便普遍预期9月18日的FOMC会议即将开启降息周期，但风险资产并不一定会即刻展现出拉升姿态，尤其是进入2024年以来，随着比特币、以太坊ETF在美国和香港上市，加密货币合规化进程既让主流资金开始配置加密资产，也同样让加密资产的独立行情进一步消弱。加密资产受到美股、美债等大类资产波动影响较大，从降息的传导而言，直接冲击的是无风险国债市场，进而影响风险资产（MAGA7、罗素2000、SP500、加密资产）。

从历史看，在周期的转折期，资产波动加大实属正常，主要在于预期差的博弈，市场提前计价，则任何数据的变动都会影响计价的效果，进而波及资产涨跌。

从降息不同类型而言，过往的预防式降息通常带来风险资产反应是先降后筑底，而后恢复拉升（而假如是纾困式降息，通常资产下跌概率较大），筑底时间通常需要持续1个月时间。

图表：预防式降息落地通常风险资产先跌后涨

对于加密资产而言，其作为高风险资产，目前与美股的联动越来越紧密，在降息较为确定且软着陆的情景下，市场的风险偏好理应缓步提升，但如同前文分析，当前正处在市场新共识形成前的分歧阶段，震荡在所难免，无论是美股或者是加密资产。

图表：加密资产与美股波动方向高度一致

从长线情景下观测，加密资产上涨的胜率仍然较高，但在未来的一个月内，波动仍然紧紧跟随美股，维持震荡，特别是在降息落地前后，波动可能会进一步加大。此外，仍然值得关注的则是美国大选的影响，大选的结果直接影响政府包括SEC对加密货币的态度，进而会对市场形成冲击。