AGIX 诞生于我们对“如何捕获 AGI 时代 beta 和 alphas”这一问题的深度思考。毫无疑问，AGI 代表了未来 20 年最重要的科技范式转换，会像互联网那样重塑了人类社会的运行方式，我们希望 AGIX 成为衡量这一新科技范式的重要指标，如同 Nasdaq100 之于互联网时代。

“AGIX PM Note”是我们对 AGI 进程的思考记录，希望通过学习 Warren Buffett、Ray Dalio、Howard Marks 等传奇投资者们的分享精神，与所有 AGIX builders 一同见证并参与这场史无前例的技术革命。

Semianalysis 在 GPT5 发布后讨论了他们对于GPT5 的路由器作为 AI chatbot 商业化引擎的看法：由于大多数科技公司对服务新增用户几乎没有边际成本，运行搜索引擎有一些固定成本，但额外一次查询的增量成本几乎为零。

人工智能代理和 LLMs 颠覆了这一概念，资金、计算能力与更好答案之间存在某种直接关系。用户在高价值问题上花费更多的计算开销，就有可能获得更好的答案。所以 GPT5 可以识别用户的高价值问题，并在 AI 助手帮用户完成订票，购物等交易后，通过 Take rate 的形式从商家进行分成，以实现针对近 9 亿免费用户的变现可能性。

这种变现方式对于已经占有巨量用户流量的 OpenAI 来说是个低垂果实，但我们也想将其和传统的 google pay per click 的商业模式进行比较，以及思考一下按这种商业模式演进，有多大可能性 OpenAI 会开启类似 Google 的商业化引擎。

首先，Google 商业模式过去的主要变现方式是 CPC（Cost per click），按照用户对广告展示的点击次数进行付费，当然后来也发展出了 CPM 等模式，但 CPC 仍然占据 Google 广告收入的 70% 以上。而 OpenAI 目前潜在想推行的变现方案，更类似于 Google 的 CPA（Cost per Action）模式，“按效果付费”。

CPA 只占 Google 广告收入的 10%，主要原因可能还是来自于：它比较适合高转化率的产品或服务，如电商与 SaaS 类公司普遍采用 CPA 广告，目标是促成注册、下单。CPA 广告对转化率、ROI 要求较高，适宜直接转化为最终销售的业务场景。而目前对 google 广告收入贡献较大的如机票，酒店，金融产品，法律服务等却还是通过 CPC 模式在投放。

主要原因可能是差旅和酒店甚至法律金融产品的转化通常不是一次点击即可完成，用户往往会多次比价、预订路径复杂，容易出现“跨平台下单”，即广告点击和实际下单行为不在同一链路，导致 CPA 归因、数据追踪困难。而这一困难，大概率也会发生在 Chatgpt 身上。虽然 Chatgpt 也可以依靠强大的 Agent 能力，将用户的比价，评估由人工智能助手来完成，用户只需要审阅最终的结果，看似解除了之前盘桓在 CPA 模式面前的困境。

但就像最近 Amazon 屏蔽 Perplexity 浏览器 Agent 访问购物网站一样，亚马逊近来更新了网站的 robots.txt 文件，明确禁止包括 ChatGPT、Anthropic Claude、Perplexity、Google Project Mariner 等在内的爬虫或 Agent 抓取商品数据。在真实世界中依靠多年耕耘取得垄断地位的行业巨头，并没有太强的动力向无论 Computer use agent 还是 Bot 开放自己的 SKU，让自己被“去中介化”。最后的结果仍然是相对漫长的巨头相互博弈而导致的变现低效率。

此外，按结果收费并不能解决 LLM 的边际成本之痛，由于用户对于高智能 Token 的需求是无上限的。对于潜在的高价值问题，假设用户最终的转化率是 2%（Google 搜索广告的平均转化率约为 3.75%，其中电商类约 2.8%），那也就意味着 98% 仍然被 LLM 路由器判定的高价值问题没成功转化但又产生了高 token 消耗，这对服务免费用户来讲是否增加了 OpenAI 的计算开销，而这一成本和真正转化的 2% 产生的销售收入相比，孰高孰低并不清晰。

第三，CPC 的变现颗粒度和可扩展性极强，用户的每一次搜索，广告主的每一次展示，都能触发一次竞价和点击，适用于海量长尾关键词、各类需求和行业。没有“最低消费门槛”，从几美分到上百美元/次点击都可以覆盖，能承载亿级用户和广告主并发投放。但 AI 助手 success based 的 take rate 模式，变现颗粒度相对较粗。变现只发生在用户实际完成高价值交易时，且交易本身频率远小于普通网络点击量。

所以根据以上的分析，目前的 ChatGPT 产品形态商业化相较于 Google，受限于“颗粒度”和“转化率”两个核心问题。

Google 之所以能建立起帝国，很大程度上是因为在互联网早期的蛮荒时代，通过和内容创作者或者网站的隐形契约，可以免费爬取网络上的内容，而 Google 依赖这些内容提升搜索体验，实现了用户、内容创作者和平台的三赢（现在也开始面临需要补偿新闻出版商的压力）。而现在用户之所以厌恶 Google，是因为这个契约的滥用，通过过度插入广告，Google 为最大化点击和转化率而不断稀释自然搜索结果，等于破坏了原有的网站，用户和 Google 的互信契约，损害了用户体验。

再抽象一层，Google 目前的做法等于占用了用户时间，搜索任务除了有经济价值以外，还有时间价值，这也是早期 Google 通过优化延迟胜出的关键。

讨论到这里，我们期待的 AI 搜索引擎变现的思路就相对清晰，可能会有两种更 AI Native 的商业模式出现。

第一是利用 Agent 的异步性，为任务的时间价值反向定价，通过识别用户的高经济价值任务，将一次搜索变为，“一次询问，多次搜索”，并且根据已经变化和更新的实时信息提供结果的 update，将广告后置，优先考虑对于用户的“任务时间价值”。这种模式，比“即时问答”的模式更能理解用户深层需求，实现内容编排和精准推送。

真正的 Agent 价值，不仅是机械地回应用户的字面问题，同时还能识别“没明说”的核心需求，达到 “答非所问，但想其所想”即“上下文理解+场景引导”。而这样的异步与主动智能体天然适合“温和商业化”，在识别和满足用户真正刚需时顺势嵌入，用户接受度远高于强制曝光，也有助于提升“转化率”。这一模式可能会和各个 Chatbot 的记忆管理的能力同步进化和完善。

另一个模式应该考虑 LLM 的线形边际成本的 AI Native 属性。回答用户的 Query，无论经济价值高低，都需要消耗成本，而这个成本远高于 Google 的每次搜索成本。随着推理模型和任务模型的引入，虽然大模型成本逐步在降低，但 Token 的消耗也在几个数量级的上涨。服务免费用户的算力开销如何能够转嫁到广告主的身上，并且能够激励整个经济模型朝着产出更加真实答案的方向迈进，而不像搜索引擎一样无法弥合用户和广告主的价值诉求。

一种可能的方式是，激励广告主极大的丰富关于自己产品/服务的 Context 和“内容”，类似于每个广告主都应该维护一个内容库，里面详细描述了自己服务/产品的使用场景，用户反馈等等各类有助于被机器抓取且对潜在客户有价值的信息。

而 Chatbot 像管理注册表一样管理广告主的 Context database，一旦语言模型识别出用户需要解决的问题和诉求后，处理这些 Context 的 input token 和 output token 成本就需要由品牌方承担，类似于 Google 的 CPC 模式。用这种方法兼顾答案的有用性，平衡 Chatgpt Perplexity 等产品服务免费用户的成本，以及激励广告主以更正向的方式展示自己的产品，让质量与转化的正相关。

产品描述越精细、内容越长、Context 越多，被语言模型消耗且输出有用内容并带来转化的概率就越大。同时，也一定程度上解决了规模化以及颗粒度的问题，让流量经济模型转化为内容价值经济模型。

Google Research 和芝加哥大学在 2025 年提出了一个令牌拍卖机制，设想广告主不再竞价广告位，而是竞价影响 LLM 的生成内容。广告主提供一个微调好的品牌专属 LLM（可视为提供丰富上下文/语料），当用户查询触发广告时，系统让各广告主的模型共同参与生成回复，每生成一个 Token 就根据出价决定哪家品牌的语气影响这个词。这个过程没有单一赢家，而是多品牌共同“润色”AI 回答。

更关键的是，广告主仅在自己的内容影响了 AI 输出时付费，按影响力付费而非按展示付费。这一模型把广告价值从点击/曝光转向了 Token 级别的内容贡献。和我们的设想也有异曲同工之意。

当然，这种设想也有如何准确计算特定品牌内容在复杂 AI 推理过程中的 token 贡献度，以及如何确保小品牌也有机会通过高质量内容获得曝光等等问题，但我们相信 AI 的商业化应该以更 AI 原生的方式展开，也即考虑 Agent 的异步性，任务的时间价值，成本的线性属性和如何转嫁计算成本给广告主同时增加广告的转化率和广告效果。

一、本周市场总结

行业配置呈现结构性调整，科技股成为减仓重点

本周对冲基金的行业配置呈现明显的结构性调整特征。卖出方面，科技相关行业成为减仓的重点，特别是 AI 相关主题、软件和半导体行业，其中，北美市场成为本周对冲基金减仓的重点区域。在买入方面，对冲基金表现出明显的防御性配置倾向，增加了医疗保健、消费必需品等板块的配置。欧洲市场的奢侈品行业表现突出，可能受益于中国消费复苏预期。

美国市场的多空净杠杆率出现显著下降，从上周的 54%降至本周的 49%，降幅达 5 个百分点。这一变化反映了对冲基金对市场前景的谨慎态度。值得注意的是，虽然净杠杆率下降，但总敞口却因空头头寸的增加而上升至 213%，这表明对冲基金在减少多头敞口的同时，也在积极建立空头头寸以对冲风险。

从历史分位数来看，当前 49% 的净杠杆率处于自 2010 年以来的 40 分位数水平，属于相对较低的配置水平。而 213% 的总敞口则达到了自 2010 年以来的 100 分位数，显示出对冲基金在风险管理方面的积极态度。

亚洲市场在全球调整中表现出色，成为唯一获得对冲基金净买入的区域。净买入主要由中国和韩国股票推动，其中中国市场表现尤为突出。在中国市场内部，对冲基金增加了 A 股的多头头寸，同时减持了 H 股，这种分化可能反映了对中国内地市场政策支持的预期。

资金流向方面，亚洲本地对冲基金和欧盟基金是推动中国市场资金流入的主要力量，而美国基金的参与度相对较低。这种地缘政治因素的影响在当前市场环境下尤为明显。

亚洲对冲基金的业绩表现也最为亮眼，年初至今收益率达到 10.2%，虽然仍低于 MSCI 亚太指数的 18.5%，但在全球对冲基金中表现最佳。

本周全球股市普遍承压，AGIX 表现出一定防御优势

8 月 21 日当周，全球股市普遍承压，对冲基金整体表现出较强的抗跌能力。全球对冲基金平均下跌约 -0.3%，AGIX 下跌约 -0.29%，相比 MSCI 全球指数接近 -1% 的跌幅展现出明显的防御优势。

美国多空对冲基金下跌约 -0.5%，虽然跑输标普 500 指数 -0.6% 的表现，但考虑到其净敞口仅为 49% 的低位水平，这一表现符合预期。欧洲对冲基金调整幅度更为温和，下跌约 -0.2%，明显优于 Euro STOXX 600 指数 -2.6% 的跌幅。而亚洲基金则表现最为稳健，实现约 +0.1% 的微幅上涨，大幅跑赢 MSCI 亚太指数 -3.1% 的表现。

二、AI Alphas

Google（GOOGL） AI Mode 升级更新：支持 Agentic 任务、个性化推荐

Google 在 2025 年 8 月 21 日宣布了 AI Mode 的升级更新，将 AI Mode 支持市场地区从现有的美国、印度和英国增加到 180 个以上国家和地区，目前 AI Mode 仍旧只支持英语版本，未来将支持更多语言。

从功能上，AI Mode 的升级主要包含以下几个方面的改进：

1）代理功能（Agentic Capabilities），用户可以使用 AI Mode 实现餐厅预订等复杂需求，AI Mode 会自动搜索多个预订平台，找到符合条件的餐厅并提供可预订时段，这个功能与 OpenTable、Resy、Tock、Ticketmaster 等主要平台合作即将支持本地服务预约和活动门票预订；

2）个性化推荐：即基于用户历史搜索和地图使用记录提供个性化建议，目前从餐饮推荐开始会切入，未来逐步扩展到其他领域，用户本人可以完全掌控这些个性化设置，可随时在 Google 账户中调整相关设置；

3）协作分享：AI Mode 结果可以链接分享，并且用户可以在分享的基础上继续提问和探索答案。

Elon Musk 成立“Macrohard”，和微软（MSFT）直接竞争

Macrohard 是 Elon Musk 旗下 xAI 公司在 2025 年 8 月申请注册的 AI 软件公司，除了名称巧妙影射微软外，公司也计划用 AI 技术模拟微软等纯软件公司的业务，主要开发编程助手、图像视频生成等 AI 工具，目前已申请商标并进入人才招募阶段。马斯克在 X 平台确认项目真实性，称其旨在证明 AI 可完全替代传统软件公司的功能。

Meta（META）与谷歌（GOOGL）签署百亿美金云服务协议

根据路透社信息，有知情人士表示，Google Cloud Platform 最近和 Meta 达成了一项为期 6 年、价值超过 100 亿美元的云计算服务协议。这是 GCP 继与 OpenAI 达成协议后，近期签署的第二个重大合作协议。该知情人士表示，根据协议，Meta 将使用谷歌云的服务器、存储、网络和其他服务。

OpenAI会走向Google的商业化之路吗？