社区

提要：挖矿需要大量的资金投入，包括购买矿机、支付电费、维护设施等，属于资源密集型行业，MARA和灿谷分别代表了重资产和轻资产模式的两个方向，预估2025年规模优势会更加明显，不排除会出现更多的并购、合作等。 1.现货市场 大饼迈过10万美金这个门槛以后，散户想要参与的门槛越来越高了，进入2025年，不足一枚的持有人数骤降。 增量市场，矿业也并没有释放更多的流通性给市场。2024年12月，全球约31.6%的BTC产量预计将直接与19家每月披露自营挖矿业绩的上市挖矿公司挂钩，其中12月产量TOP3分别是MARA（890）、CLSK（688）、灿谷（570），都是采用了持币战略。 2.现货ETF 从全球市场的监管环境来看，短期难以对齐，无论是散户还是机构，想参与的话还有就是买现货ETF。 最近彭博的消息，BTC ETF在2025开年的7个交易日流入资金达42亿美元，占所有ETF资金流入的6%。 目前资产管理规模（AUM）达1210亿美元，其中贝莱德的IBIT差不多在600亿美金。另外金十数据显示，ETF发行商购买BTC的速度已达挖矿产量速度的20倍，进一步加速机构化。 BTC现货ETF的资产规模已超过ESG ETF（1170亿美元），与黄金现货ETF规模相当，正逐步进入传统金融市场的主流视野。 3.MSTR 纯锚定BTC，Saylor属于更激进的策略，完全当做数字黄金来看。 未来MSTR是按照BTC银行的方向去搞，也是机构化的表现，买的越来越多。 不过有个需要关注的点是，相比于现货，MSTR除了有一定杠杆，还有一定的企业税成本。在GAAP规则下，BTC这类数字资产被视为无形资产，无法增值，只能减值。从今年开始，MicroStrategy将在其资产负债表上显示BTC的公允价值，价值波动将纳入收益。 MicroStrategy拥有价值约480亿美元，包括约180亿的未实现收益。1月6

上周回顾：特朗普政策推动标普创新高1、行情动态特朗普总统重返白宫的第一周，美股三大股指收涨，标普 500指数一度创下历史新高，特朗普发布了一系列关于能源、比特币等的行政命令。值得注意的是，特朗普周四在瑞士达沃斯向世界领导人发表讲话时表示，他将“要求立即降息”。香港股市第二周收涨，追随华尔街的涨势，特朗普在达沃斯世界经济论坛发表讲话后，中美关系回暖的预期提振了市场人气。恒生指数 (HSI) 一周上涨 2.5%。2、个股大事记标普 500 指数中10个板块录得周涨幅，仅能源板块本周下跌 1.4%，因原油创下 11 月以来最大周跌幅，也是五周来首次收跌。得益于新订户激增，Netflix (NFLX) 第四季度业绩超出预期，股价应声大涨至新高，盘前一度冲破1000美元大关。Netflix 在第四季度新增 1891 万名新订户，到 2024 年底，全球订户数量将达到 3.0163 亿续Netflix 预计 2025 年营收将增长 13%，至 440 亿美元，略高于市场预期。苹果 (AAPL) 上周再跌 2.4%，数名分析师在财报前下调了苹果的目标价。Jefferies 分析师 Edison Lee 将苹果股票评级下调至表现不佳，指出 iPhone 销售疲软，且缺乏与人工智能相关的增长势头。李认为，苹果 2025 年第一季度的营收不太可能达到预期，3 月份季度的业绩指引也可能令人失望。Twilio (TWLO) 在公布强劲的第四季度初步业绩后飙升 20%，第四季度按 GAAP 计算实现了正营业收入。该公司还发布了乐观的长期目标和 20 亿美元的回购计划。Meta Platforms (META) 在财报前周创下历史新高，因为扎克伯格在 Facebook 宣布，公司计划今年在资本支出上投资约 600 亿至 650 亿美元，以建设其 AI 基础设施。甲骨文 (ORCL) 上涨 14.02%

$SPY $QQQ $NVDA $META 是的，DeepSeek他们确实有 50,000 台NVDA H100。 他们声称只用了 2048 台 GPU 来训练他们的新大语言模型（LLM）。 通过拥有一个由 50,000 台 H100 构成的超级集群，他们可以先练习代码，并通过训练一些模型来了解如何在更小的芯片集群上进行优化。 但是，他们在 LLM 上完成的任何事情，都离不开 OpenAI 提供的先锋模型（Frontier Model），而且他们也无法绕过 $META，因为他们在代码中使用了 Llama。 $META 的模型一直是开源的，因此他们早就知道，大语言模型正在逐步变成一种商品。如果他们创建了一个开源模型，之后一群“草根”开发者基于此进行了二次开发，并开源了自己的代码，那也不过是这个模型的延续。事实上，这种模式从一开始就注定会被后来的开发者接力并继续迭代。 国家安全风险在于，即使模型是开源的，模型最初的代码作者依然掌握了模型的训练过程。这意味着，模型的核心可能存在中国的特色。即使这些模型可以本地化运行（这对于业内人士来说是一次令人惊叹的成就），能够在本地运行复杂的模型并得到良好的结果固然值得赞赏，但这并不能改变模型核心中的潜在特色以及可能存在的问题。 降低新技术的成本曲线，实际上是发展的关键目的，而不是负面因素。这一点已经被历史验证过。你只需要搜索“杰文斯悖论（Jevons Paradox）”，就能明白历史如何反复验证这一点 。 压低成本曲线，使技术更具普及性。成本下降后，需求上升，潜在市场规模也随之扩大。更多人和企业可以负担得起，从而推动需求进一步增长。 扩大 AI 的普及范围，依靠的是 NVDA 的 GPU。但目前反应过激的“无知者”根本不理解即使按照表面逻辑，“草根”开发者利用 2000 多块 GPU（后备还有 50,000 块 H100），优化了所