美联储加息、PMI数据、摩托车、高铁、存储芯片

第一大方面、美联储政策转向

老鲍周一（3月30日）表示，在美以对伊朗战争引发的能源冲击背景下，美联储倾向于维持利率不变，并暂时“忽略”这一冲击的影响。他指出，从历史经验来看，能源冲击通常是短暂的，央行的标准应对方式是“耐心等待其自行消退”。“我认为我们的政策处于一个不错的位置，可以等待看看结果如何。”

高盛 有一份研报里头也说到，市场对石油冲击反应过度，押注美联储将出台紧缩政策，而从历史经验来看，这种情况大概率不会出现。高盛的核心逻辑是：油价推动的通胀飙升，属于供给侧冲击，而非需求侧过热。从历史来看，美联储通常会无视供给侧通胀压力，不会因此收紧货币政策。当经济增速本就放缓时，这一倾向会更加明显。

我们说需求冲击，其实就是21年之后那一段时间，当时是经济过热导致通胀，美联储必须加息抑制。而供给冲击，就是眼前，战争导致能源供应中断，油价上涨推高通 胀，同时还会抑制经济增长，例如消费者得花更多钱加油，就没钱消费其他东西，市场全面涨价，企业端成本上升，利润下降，会进一步减产裁员。

所以美联储在当前，会以防衰退为主要目标。

第二大方面、3月PMI重返扩张区间，经济稳中向好

数据显示，3月份，我国制造业采购经理指数（PMI）为50.4%，比上月上升1.4个百分点，高于临界点，制造业景气水平回升。从分类指数看，生产指数为51.4%，比上月上升1.8个百分点，表明制造业生产活动加快；新订单指数为51.6%，比上月上升3.0个百分点，表明制造业市场需求景气水平明显改善。

PMI，又叫制造业采购经理指数，是经济运行的先行指标，以50%为荣枯分水岭。高于50%说明经济扩张，低于50%，说明经济收缩。3月份PMI50.4%，连续2个月运行在50%以下后首次重返扩张区间。意味着中国经济在经历了年初的阶段性调整后，重新进入扩张通道。

这里头主要是新订单指数上涨了3个百分点到51.6%，生产指数上升1.8个百分点到51.4%，说明需求端和企业的生产活动都加快了，此外中小型企业PMI都有比较明显的回升。

第三大方面、体育产业➕摩托车板块

在世界超级摩托车锦标赛（WSBK）葡萄牙站SSP组别比赛中，法国车手驾驶中国摩托车制造商张雪机车的820RR-RS赛车以领先第二名近4秒的优势夺得冠军。在29号的第二回合战中，张雪机车再次胜利，实现两连冠。这是中国摩托车制造商在世界超级摩托车锦标赛SSP组别历史上的首次胜利，打破了杜卡迪、雅马哈等欧美日品牌长期主导的格局。

张雪机车销售人员表示，从夺冠到现在的两三天时间里，购车订单已经排到了今年6月份。

据新闻报道，张雪出生于湖南怀化农村，14岁到摩托车修理铺当学徒。2006年，19岁的他冒雨骑行100多公里，只为争取一次上镜展示车技的机会。从特技车手到机械师，再到创立凯越机车，他始终执着于“造一台中国人自己的高性能赛摩”。2024年，他二次创业成立“张雪机车”，扎根重庆“摩托之都”。此次夺冠的赛车，从发动机、电控系统到车架调校，全部实现自主国产化。

世界超级摩托车锦标赛（WSBK）是摩托车领域的顶级赛事，之前摩托车锦标赛的冠军长期被杜卡迪、雅马哈、川崎等品牌垄断。张雪机车取胜，其实代表了是中国制造在高端摩托车领域的实力认证，产品性能已经达到国际一流标准。

技术实力导致订单爆满，产业链上游的零部件供应商也将受益，受益的方向其实就三个，摩托车整车、上下游零部件、赛事品牌运营。

第四大方面、沿江高铁总投资

据新闻报道，沿江高铁从上海到成都，长江水下89米盾构施工，总投资超过5000亿元。据测算，本轮投资将带动上下游各行业增加值增长近1.5万亿。

经济学里头的“投资乘数”原理说的就是这个，5000亿撬动1.5万亿，这是因为高铁建设会带动各种关联产业，创造大量就业，比如说我们建高铁，肯定要买钢铁、水泥、盾构机，要建变电站、通信基站，还要雇佣工人，而买这些传导到上游，它们也需要去购买大量的原材料，投资乘数效应就会被放大。

这个具体利好的主要是轨交装备、基建材料（钢铁水泥建材等）、工程机械（盾构机和起重机等设备供应）

第五大方面、存储芯片大跌怎么看？

技术背景上，最近谷歌推出TurboQuant极端压缩算法，简单来说就是大模型推理时，内存大幅度压缩，而且还精度保持不变，再通俗点就是，以前用600G内存才能搞定的事儿，用上这个算法后只要100G就行了！这样内存就不需要那么多了，存储芯片就大跌。

当然，一个消息还不足以引起市场大跌，但是存储芯片目前是在历史高位，恐慌情绪很容易蔓延，获利资金很容易就出逃了。而且由于之前涨价预期，很多商家囤积内存条，但是现在暴跌影响下，大家都在恐慌性抛售，造成卖出的恶性循环，越卖越跌，越跌越卖。

另外我觉得这个技术，对于未来预期，反而是好的。这个怎么理解？经济学里头有个杰文斯悖论。就是效率虽然提高了，但是并不会减少使用，反而会扩大使用规模需求。就比如这个内存减少了，首先，以前一个大模型，必须要600g，准入门槛很高，很多小公司企业个人没条件，但是现在只要100g，谁都能用了，需求提高；其次，原来运用场景比较少，因为成本大，现在成本低，我可以把模型用在手机、智能家居 、车载系统等各个方面，多模态应用更加复杂广泛，这个自然也会提供需求和未来发展空间；再次，省内存并不会让大家用更少的内存跑同样大的模型，而是进一步提高参数，扩大模型，用同样多的内存跑更大的模型。

这个就导致了虽然单个来看，模型内存消耗的很少，但是调用频率、应用场景、模型总数和规模，都是不断扩大的，再用个通俗例子举例，就好像汽车，越来越省油，虽然单个来看，汽油量消耗少了，但是总体而言，不会减少汽油消耗，因为开车的人会越来越多。