作者 | 周智宇

月销10万辆，过去很少被拿来衡量新势力。这个数字更像一家主流车企的经营坐标。

8月1日，零跑率先站上了这根线。其7月交付101267辆，同比增长102%。六年前，零跑单月只交付879辆。

这10万辆来自一套已经铺开的产品组合。A10单月销量接近3万辆，B01和B10合计超过2万辆，D19月交付也过了万辆。A、B系列在大众价格带吸收销量，D系列负责往上走。D99上市后的平均订单价格超过30万元，接下来还要把订单变成交付。

零跑的在售产品已经覆盖6万元至30万元。价格带拉宽以后，工厂、供应链和渠道可以服务更多车型，新增销量也会改变平均售价。7月里，A、B系列已经成为稳定的走量来源；D系列能否把单车收入拉回来，暂时还看不出来。

另一个增量来自海外。今年一季度，零跑出口40901辆，占同期销量约37%。借助Stellantis的渠道，零跑把销售范围扩展到国内市场之外。出口继续增加，认证、物流、渠道和售后费用也会进入经营账，最终仍要落到单车收入和利润上。

零跑去年曾经把销量增长变成了财务改善。2025年，公司交付59.66万辆，同比增长103.1%；营收同步增长101.3%，毛利率由8.4%升至14.5%，实现净利润5.4亿元，经营现金流净流入126.2亿元。年报将毛利率改善归因于成本管理、产品结构优化和其他业务收入。那一年，销量和利润走在同一个方向。

今年一季度，情况变了。销量同比增长25.8%至11.02万辆，营收只增长8%至108.2亿元，毛利率回落到9.4%，归母净亏损3.9亿元，经营现金流净流出66.1亿元。公司称，产品结构变化拉低了平均售价，战略合作业务减少也影响了毛利率；经营现金流转负还受到到期应付款增加等因素影响。新增销量没能完全转化为新增收入。

随着近几个月销量的持续提升，接下来要看的是，更多订单能否提高工厂利用率和采购议价，抵消平均售价下降，以及新车型、渠道和海外投入带来的费用。

A、B系列继续走量，D系列尝试抬高售价，海外市场扩大销售范围，这三部分最终都要在同一张利润表上碰面。

过去几年，新势力习惯从高价车型和技术标签讲故事。率先跨过10万辆的零跑，依靠的却是更宽的价格覆盖和更大的大众市场。这条路把新势力带进了传统汽车生意最熟悉的地方：产品要多，成本要低，渠道要能承接，资金周转也不能出问题。

第一家月销10万辆的新势力已经出现，接下来要等的是，首个能够长期经营好10万台规模的新势力。

本文来自华尔街见闻，欢迎下载APP查看更多

据韩国产业通商资源部周六公布的初步数据，7月出口同比增长62.8%至989亿美元，低于经修正后6月创下的近50年最快增速70.7%，但高于《华尔街日报》对11名经济学家调查所得的59.5%预期中值。按工作日调整后，出口同比增幅达69.6%。

当月进口增长26.5%至686亿美元，贸易顺差收窄至303亿美元，低于6月经修正后的361亿美元。以出口总规模而言，当月989亿美元创韩国有史以来单月第二高，仅次于6月创下的1022亿美元历史纪录。

半导体出口同比激增178.8%至410亿美元，连续第二个月突破400亿美元关口。这一表现直接推动经济学家上调对韩国央行加息路径的预期——据彭博报道，多数经济学家预计央行将于10月前再度加息，少数人认为加息或提前至8月27日的董事会会议。

7月出口规模延续6月的历史突破，以989亿美元位居韩国单月出口史上第二高位。剔除半导体后，其余类别出口合计同比增长约26%，产业部长金正官（Kim Jung-kwan）指出，韩国20个主要出口类别中有19个实现同比正增长，出口结构的多元化程度持续提升。

在其他主要出口品类中，汽车出口增长7%至62亿美元，受混合动力及其他环保车型的全球需求拉动；石油产品出口受油价上涨提振，同比增长34.1%至57亿美元；石化产品增长10.3%至42亿美元；移动设备出口增长51%至18亿美元，Galaxy S26系列等高端智能手机保持稳健销售。

从出口目的地来看，对华出口同比增长96.2%至217亿美元，主要受芯片、有色金属及石油产品拉动；对美出口增长68.7%至174亿美元，受大型科技公司AI数据中心投资项目驱动；对东盟地区出口增长73.7%至188亿美元；对欧盟出口增长55.7%至94亿美元。

全球AI基础设施投资的持续加码正在引发严重的存储芯片供应短缺，供给增速远落后于需求扩张。三星电子周四表示，预计半导体短缺状况将持续至2028年。三星公布的4至6月财报显示，当季净利润同比大幅增长14倍，营收与营业利润均创历史纪录。

SK海力士同期净利润同样同比激增13倍至历史峰值，营收与营业利润亦双双创下纪录，强劲需求主要来自高端芯片。两家公司均对年内剩余时间维持乐观展望。计算机相关产品出口同比增幅达404%，进一步印证AI相关需求的广泛渗透。

上述贸易数据为韩国央行的货币政策立场提供了新的支撑。韩国央行上月将基准利率上调25个基点至2.75%，为2023年初以来首次加息。央行行长申铉松（Shin Hyun Song）此后表示，决策层仍认为有必要进一步加息，但时机与节奏将取决于通胀、经济增长及金融稳定状况。

通胀方面，7月消费者价格指数同比上涨3.2%，核心通胀维持在2.5%，表明潜在价格压力仍具韧性。增长方面，韩国经济二季度环比扩张0.6%，超出经济学家预期。韩国政府预计今年全年经济增长3%，高于央行及国际货币基金组织的预测。申铉松表示，央行5月作出的2.6%增长预测目前看来已明显偏低，将于8月进行"大幅"上调，理由是出口、投资与消费均强于预期。

尽管7月数据整体向好，韩国贸易面临的外部风险并未消散。金正官在声明中指出，主要经济体保护主义抬头与中东地缘政治紧张局势持续，是韩国出口面临的主要阻力。

他表示，政府将密切跟踪主要出口商品的市场动态，综合运用各类政策工具，协助韩国企业应对包括关税与非关税壁垒在内的全球贸易环境变化。

本文来自华尔街见闻，欢迎下载APP查看更多

据摩根大通7月31日研报，铠侠第一财季（FY2027 1Q）非GAAP营业利润达1.326万亿日元，同比暴增逾28倍，营业利润率高达75%，单季盈利已超过整个FY2025全年。

与此同时，公司宣布最高8000亿日元的回购计划，并设定约50%的股东总回报率目标，这是存储行业生态中的首例。瑞银证券研究则指出，若将FY2028年预期净利润9.42万亿日元的一半全部用于回购，将有效削减约19%的流通股本，占公司当前市值25万亿日元的19%。

此时，韩国存储巨头三星电子、SK海力士坐拥的另一条"回购牛市"逻辑也在加速成形。据野村证券7月28日研报，在韩国KOSPI指数经历流动性与杠杆双重冲击后，市场正从"杠杆牛"切换至"回购牛"——野村预计2026年韩国上市公司回购规模将达历史峰值116万亿韩元，其中约90%来自两大半导体巨头，并将在2027年、2028年进一步扩大至274万亿韩元和328万亿韩元。

铠侠FY2027第一财季业绩整体符合预期，但量价结构出现明显分化。

铠侠1Q销售额达1.767万亿日元，同比增长415%，环比增长76%；非GAAP营业利润1.326万亿日元，营业利润率75%，在已披露财报的NAND厂商中排名最高。驱动业绩的核心是价格，而非出货量——ASP环比飙升约70%，而bit出货量仅增长低个位数百分比，部分出货量从1Q顺延至2Q。

从应用结构看，SSD与存储业务单季销售额达1.175万亿日元，同比增长440%，占总营收比例升至66%，其中数据中心与企业级业务贡献超过60%，是高ASP的主要来源。智能手机应用销售额环比增长56%，PC及服务器相关应用环比增长96%。此外，公司最新制程BiCS 8 FLASH生产占比已超过总产出的50%。

瑞银方面指出，1Q营业利润与指引的1.30万亿日元及市场一致预期1.38万亿日元基本吻合，其中约2至3个百分点的出货量差异来自季末部分交货延后。

铠侠管理层给出2Q收入2.39万亿日元（环比增长35%）、营业利润1.90万亿日元的指引，对应营业利润率约79.5%，与瑞银及摩根大通的一致预期基本吻合，但低于买方2.0至2.5万亿日元的普遍预期。

据瑞银，铠侠2Q业绩仍将由价格主导，bit ASP预计以美元计上涨约30%，以日元计约上涨34%；bit出货量预计环比增长约10%，高于此前+5%的假设，主要得益于1Q延后出货量的补充。管理层表示，苹果的需求将在2Q有所增加，或与相对低廉的定价有关。

更值得关注的是铠侠对中期供需的判断。据摩根大通，铠侠预计2026年全年行业bit需求增速约为高十位数百分比，并预期2027年NAND市场将呈现需求超越供给的格局，主要催化剂正是以代理型AI（Agentic AI）为代表的新型算力工作负载——管理层明确表示，这一趋势仍处于"极早期阶段"。

铠侠此番回购计划的核心意义，不仅在于规模本身，更在于它标志着存储行业股东回报框架的系统性转变。

铠侠管理层宣布的回购方案与约50%股东总回报率目标挂钩，并与FY2028起的股息支付计划相配套。瑞银的估算显示：若将FY2028预期净利润9.42万亿日元的一半全部投入回购，将可削减约19%的流通股本，而这笔回购金额本身即相当于公司当前25万亿日元市值的19%。

瑞银分析师据此将估值框架从原有的FY2029 BPS切换回FY2028年度指标，将FY2028至FY2031年平均ROE预测从42%上调至48%，PBR倍数由4.63倍上调至5.23倍（使用9.1%资本成本）。值得注意的是，由于基准年切换，瑞银将目标价由14.4万日元小幅下调至12.6万日元，维持买入评级；摩根大通目标价为15.5万日元，同样维持增持评级。截至7月31日，铠侠股价报46,500日元，两家机构均预示显著上行空间。

瑞银指出，盈利能力强、估值偏低的公司启动回购，往往会带来市值倍数的提升（multiple expansion）。据其量化研究评估，铠侠当前行业结构及监管环境在未来六个月均有改善趋势，下一个重要催化节点预计为2026年10月31日财报季，届时公司有望进一步披露股东回报政策细节。

铠侠的回购不是孤例，而是可能成为整个存储行业"回购牛市"的先声。

据野村证券7月28日研报，随着韩国KOSPI指数去杠杆过程趋于尾声，韩股的估值重塑驱动力将从"流动性与杠杆"切换至"基本面与企业回购"。野村预计，2026年韩国上市公司股票回购规模将达116万亿韩元，约占KOSPI市值的2.2%，远高于2018至2025年间0.2%至0.9%的历史均值；2027年和2028年将进一步扩张至274万亿韩元和328万亿韩元。其中约90%的资金来自两大半导体巨头，其持续且可预期的回购将形成市场结构性需求。

野村维持KOSPI 2026年目标区间10,000至11,000点，并将11月预计发布的"低PBR公司名单"列为最直接的个股催化剂，相关公司有望借此注销库存股、提高股息并处置非核心资产，推动韩股"收复失地"。

综合来看，从铠侠的8000亿日元回购，到韩国两大存储巨头主导的史上最大规模回购潮，存储板块正在形成一条清晰的跨市场逻辑链：AI算力周期支撑盈利，盈利转化为股东回报，回购压缩流通股本并推升估值。这场"回购牛市"能否真正落地，关键观察窗口将是今年四季度财报季——届时铠侠的股东回报政策细节与韩国政府的治理政策落地，将为这一逻辑提供最终验证。

本文来自华尔街见闻，欢迎下载APP查看更多

7月30日，宝马集团发布了2026年上半年财务报告。在这份半年报中，集团营收、利润及核心市场销量等关键指标均出现不同程度的下行。

宝马上半年利润下滑，汽车业务二季度EBIT利润率降至2.3%，中国市场和关税成本同时压缩了盈利空间。

2026年上半年，宝马集团实现营收622.66亿欧元，同比下降8%；归属于母公司的净利润为28.58亿欧元，同比下滑25.75%；整体毛利率为14.13%，同比减少2.23个百分点。

汽车业务二季度息税前利润（EBIT）为6.29亿欧元，利润率降至2.3%，低于2025年同期的5.4%。

上半年宝马全球交付115.67万辆，同比下降4.2%，但区域表现分化明显。

欧洲和美国市场上半年销量同比分别增长5.4%和3.9%，中国市场则成为整体交付下滑的主要拖累。

上半年，宝马在中国市场累计交付261999辆，同比下降20.4%；第二季度交付约11.78万辆，同比下降30.2%。

中国市场占宝马全球销量的比重从巅峰时期的33.5%降至22.6%，欧洲再次取代中国成为其全球第一大区域市场。

宝马在华销量下行，暴露出其产品结构和定价体系与中国市场竞争节奏之间的错位。

2026年初，宝马曾对旗下31款车型下调官方指导价，降幅为4%至24%，旗舰纯电车型i7降幅一度达到30万元。

但从上半年交付数据看，官降尚未扭转销量下滑，单靠价格调整难以在竞争激烈的新能源市场快速带来增量。

宝马在电动化上的区域差异也很明显：二季度纯电车型在全球交付占比为19.8%，同比提升1.9个百分点；欧洲区域纯电销量占比达到31.3%。

相比之下，宝马在华新能源车型交付占比仅为6.2%。中国新能源乘用车整体渗透率在今年年中已突破60%，两者存在明显落差。

中国销量下滑之外，关税和地缘政治也在压缩宝马的汽车业务利润率。宝马在财报中指出，关税上调对二季度汽车业务息税前利润率造成约1.25个百分点的负面影响。

宝马还提到，部分地区地缘局势推高了能源价格。上半年汽车业务自由现金流为12.9亿欧元，同比下降近45%，显示营运资金仍承受压力。

上半年业绩下滑后，宝马集团下调了全年财务预期。

2026财年税前利润预计将显著下滑，汽车业务息税前利润率指引区间由4%—6%下调至1%—3%。为降低经营压力，宝马同时加快实施成本优化措施。

宝马集团CEO米兰·内德尔科维奇在业绩电话会上确认，公司已与工会达成人员重组协议，并推出配套补偿的自愿离职方案。该方案计划在2027年底前削减约8000个工作岗位，约占全球员工总数的5.3%。

在控制当期成本的同时，宝马将新一轮产品周期视为修复销量和利润的主要抓手。

按照规划，宝马计划在2026年底前推出超过40款新改款车型，其中包括面向中国市场开发的“新世代”长轴距版BMW iX3和BMW i3。这些车型将在沈阳生产基地制造，并整合本地科技企业的智能化技术。

不过，在中国车市终端价格预期已经被重塑的当下，后续登场的“新世代”产品将如何制定有竞争力的定价策略，仍将是宝马管理层面临的严峻课题。当前，通过调整结构和收缩开支来平稳度过换代前的阵痛期，已成为宝马必然的务实选择。

本文来自华尔街见闻，欢迎下载APP查看更多

据英国《金融时报》8月1日报道，OpenAI本周收到了最后一批投资款。这一进展意味着，亚马逊在两项触发条件均未达成的情况下——原定条件包括OpenAI完成公开上市或实现重大AI技术突破——仍选择提前兑付全部承诺资金，向这家持续亏损的初创公司注入了充裕弹药。

此次投资完成的直接背景是：今年4月，OpenAI与微软就云服务合同完成重新谈判，为AWS等其他云服务商正式向OpenAI提供服务扫清了障碍。据知情人士透露，正是在该合同重新谈判落地之后，亚马逊才最终同意投入全部金额。此前，据英国《金融时报》报道，微软曾就亚马逊与OpenAI的合作协议可能构成违约一事考虑采取法律行动。

根据亚马逊周五发布的财务披露文件，此次500亿美元投资分两阶段完成。亚马逊于今年2月作为更大范围商业合作的组成部分，首批向OpenAI投入150亿美元；同时承诺若特定里程碑达成，将追加350亿美元。然而，上述里程碑均未实现，亚马逊最终仍选择完成全部投资，持股比例随之升至约5%。

投资完成后，亚马逊与OpenAI之间的关系不再局限于单纯的财务纽带，而是涵盖了芯片供应、算力资源及云服务等多个层面的商业协议。这也将帮助OpenAI在训练新一代AI模型方面获得更充沛的资金支持——这一环节成本极为高昂，被视为与Anthropic、谷歌及中国竞争对手保持竞争力的核心要素。

目前，OpenAI估值约为8520亿美元，亚马逊约5%的持股对应价值颇为可观。亚马逊方面拒绝就持股比例发表评论。

亚马逊在AI领域的布局并不止于OpenAI。财务披露文件同时显示，亚马逊已向OpenAI的主要竞争对手Anthropic承诺投资最高330亿美元，目前已实际到位180亿美元。

亚马逊正借助OpenAI与Anthropic两家头部AI实验室，推动自研Trainium芯片的市场渗透。Trainium是亚马逊对抗英伟达市场主导地位以及谷歌TPU的核心硬件产品。与此同时，亚马逊还致力于确保两家AI实验室的模型均可供其云端客户调用，从而巩固AWS在AI服务市场的竞争优势。

此次投资的落地，在很大程度上依赖于OpenAI与微软之间合同关系的重新厘定。据知情人士透露，今年4月的合同重谈打破了微软此前对OpenAI云服务的近乎独家控制，使AWS得以正式向OpenAI提供云算力服务。

在此之前，局势一度高度紧张。据英国《金融时报》此前报道，微软曾就OpenAI与亚马逊的合作可能违反相关合同条款一事，内部讨论过采取法律行动的可能性。随着合同重谈完成，这一障碍得以消除，亚马逊也随之敲定了全额投资的最终决定。

此次合同变动，标志着OpenAI在云服务战略上的显著转向——从依赖单一合作方，逐步走向多云部署，这对微软与OpenAI长期深度绑定的合作关系而言，亦是一个值得关注的结构性变化。

本文来自华尔街见闻，欢迎下载APP查看更多

截至7月31日，标普500指数已有61%的成分股公布二季度业绩。据追风交易台消息，据高盛策略团队的中期财报季报告，其中64%的公司每股收益（EPS）超出市场一致预期至少一个标准差，创历史最高水平之一。剔除科技巨头股权投资"其他收入"后，标普500指数二季度EPS同比增速追踪值达26%，高于一季度，为2021年以来最快增速；若计入上述收益，整体增速高达45%，远超此前22%的市场一致预期。

与此同时，Alphabet、亚马逊、微软等超大规模云计算商二季度合计披露资本开支（capex）1820亿美元，云业务收入同比增速达48%，较一季度的39%显著加速。分析师预测，2027年超大规模云计算商资本开支将突破1万亿美元，较财报季前的预测上调逾1250亿美元，AI基础设施投资规模持续扩张，外部融资需求随之攀升，引发市场对企业资本结构变化的高度关注。

本轮财报季盈利惊喜的广度十分突出。在已披露业绩的标普500公司中，64%超出一致预期逾一个标准差，这一比例仅次于上一季度（一季度2026）、2025年三季度以及2020至2021年新冠疫情重开放时期。

然而，市场对业绩超预期的奖励反应相对克制，尤其在科技、媒体与电信板块（TMT）表现明显偏弱。TMT板块中，EPS超预期个股在业绩公布次日相对标普500平均落后192个基点，而非TMT板块同类股票则平均跑赢75个基点。相比之下，过去二十年间，标普500超预期个股业绩公布次日平均跑赢指数95个基点，而本季度这一数字已收窄至仅39个基点。

尽管如此，等权重标普500指数价格与EPS持续同步上行，表明AI复杂体之外的基本面依然稳健，市场结构性分化未影响整体牛市格局。

从盈利增速结构来看，二季度标普500整体EPS同比增速追踪值为45%，其中19个百分点来自Alphabet和亚马逊合计约1510亿美元的股权投资"其他收入"，微软另贡献约30亿美元。剔除上述一次性项目后，增速为26%，仍明显高于一季度的20%。

就个股中位数而言，标普500中位股EPS同比增速追踪值为12%，亦高于财报季前9%的市场一致预期，说明盈利超预期并非由少数巨头独力拉动。

值得注意的是，AI基础设施相关股票贡献了二季度标普500约三分之一的EPS增长。根据分析师预测，这一比例在2026年下半年及2027年将进一步提升至逾50%，成为指数盈利增长的核心驱动力。Alphabet、亚马逊、美光科技及英伟达是当季贡献增量最大的个股，前十大贡献者合计占指数二季度EPS增速的79%。

强劲的二季度业绩带动分析师对远期盈利预期的广泛上修。自三季度开始以来，标普500指数2027年EPS的自下而上一致预期已上调约1%，能源和金融板块修正幅度最为显著，绝大多数板块均呈现正向修正，修正广度指标持续为正。

不过，成本压力对利润率的侵蚀是当前企业盈利面临的关键风险。过去数个季度，标普500中位股净利润率基本横盘，公司在应对关税及能源价格压力方面表现出一定韧性，但整体缺乏改善。已披露业绩的公司中，多数板块三季度利润率的市场一致预期遭到下调，消费必需品板块修正幅度最大（-53个基点），消费可选、工业、材料等板块亦出现小幅下调。大型科技公司的高利润率在一定程度上支撑了标普500加权平均利润率，但这一效应并未传导至多数个股。

超大规模云计算商二季度财报释放出AI投资回报加速落地的积极信号。Alphabet、亚马逊和微软三家公司云业务收入合计同比增长48%，显著超越市场预期，较一季度的39%进一步加速。Meta平台收入同比增长28%，与预期基本持平。分析师目前预测，四家超大规模云计算商（Alphabet、亚马逊、Meta、微软）的集体收入在未来两年将以年化18%的速度增长，预期持续上修。

与此同时，资本开支规模和融资需求同步大幅扩张。二季度，上述公司（含Oracle）合计披露资本开支1820亿美元，而自由现金流仅约50亿美元，并通过债务和股权融资合计筹集约1010亿美元。分析师对2026年超大规模云计算商资本开支的预测约为7930亿美元，而2027年的预测已从财报季前的9290亿美元跳升至逾1万亿美元（同比增长33%），且预计资本开支将从2026年起至2028年持续超过经营性现金流。高盛信贷策略师预计，相关公司明年将在全球发行约4000亿美元投资级债券，以支撑持续扩张的AI基础设施投入。

各家公司管理层在财报电话会议上也就融资策略作出表态。Alphabet表示，公司已大幅扩展债务组合，并于近期进行了股权融资，以维持稳健的资产负债表；Meta表示，公司正演进资本结构，提高债务比重，并拓展包括与BlackRock合作在内的长期资本来源；亚马逊则表示，将视业务增长需要灵活评估各类融资工具；Oracle则披露，计划在2027财年融资约400亿美元（含债务和股权），其中包括已宣布的200亿美元即期股权发行。

过去一周，AI相关股票波动延续了历史上动量因子急剧拉升后常见的整固规律。据高盛策略团队分析，自1980年以来，动量因子在经历3个月内20%以上的急涨后，通常随之出现一段调整整固期，近期的回撤与此历史规律相吻合。

目前，高盛长短仓动量因子的三个月已实现波动率处于数十年来的极高水平（衰退时期除外），但对冲基金和ETF投资者近期的大幅去杠杆操作，以及财报季持续确认的基本面强劲，均指向后续轮动波动有望趋于平缓。高盛维持标普500指数2026年底目标价8000点，2027年EPS预测为385美元。英伟达作为标普500市值最大的尚未报告业绩的个股，定于8月26日公布二季度业绩，届时有望为市场带来进一步明确的方向性信号。

本文来自华尔街见闻，欢迎下载APP查看更多

在显示行业，真正决定一项新技术能否改变市场格局的，从来不是实验室里的技术突破，而是能否实现规模商业化。

2026 ChinaJoy期间，TCL华星与微星（MSI）联合发布首款面向商务轻电竞市场的印刷OLED高端显示器（微星PRO MAX OLED 271UPJW12 27" 4K 120Hz IJP OLED显示器），并将投入量产。

这不仅是TCL华星继2024年实现医疗专业显示屏量产后，首款进入主流消费市场的印刷OLED桌面显示产品，也意味着业内期待多年的印刷OLED，终于迈过了产业化最关键的一道门槛。

TCL科技高级副总裁、TCL华星CEO赵军在接受华尔街见闻等媒体采访时表示，这标志着印刷OLED正式进入了规模商业化的全新阶段。“目前来看，我们的良率和成本已经达到了成熟的量产标准，符合终端品牌客户的预期。”

对于印刷OLED接下来的规模商业化计划，赵军指出，TCL华星的目标是依托武汉t12产线提前完成全品类产品化验证，为t8产线的大规模量产打好基础。

TCL华星位于武汉的G5.5代印刷OLED生产线（t12)，是全国首条印刷OLED产线。到2025年10月，TCL华星第8.6代印刷OLED生产线（t8）在广州正式开工建设，总投资约295亿元。

赵军透露，t8产线建设正在顺利推进，5月份实现了厂房的封顶，比原来计划快了一个月，预计2027年第四季度正式投产。

两条产线未来在定位上分工明确。赵军表示，t8依托规模化优势，主攻主流消费级电子产品；t12则聚焦差异化、高附加值的产品方向，二者形成互补的产能布局。

据介绍，除了已经发布的MSI印刷OLED高端显示器之外，TCL华星正联合多家头部终端品牌推进笔记本电脑、显示器等IT类消费级印刷OLED产品的验证工作，预计年内将陆续推出相关产品。

与传统蒸镀OLED相比，印刷OLED材料利用率更高、制造流程更简单，在理论上能够大幅降低制造成本，尤其适合笔记本电脑、显示器等中尺寸产品，因此被视为推动OLED进一步普及的重要技术路线。

对于TCL华星而言，印刷OLED技术十分重要，早在2013年TCL华星就启动印刷OLED技术的研发，到2015年其宣布选择将印刷OLED作为下一代显示技术的主要方向。

然而，这项技术过去一直停留在“前景广阔”阶段。原因并不复杂——技术可以做出来，并不意味着能够大规模生产，更不意味着能够满足消费电子市场对成本、良率、供应稳定性以及交付能力的要求。

为了推动印刷OLED实现工业化量产，2020年，TCL华星以300亿日元战略入股JOLED。到2024年11月，TCL华星则迎来了印刷OLED量产的里程碑时刻，首款印刷OLED产品品类——医疗专业显示屏首款投入量产。

相比医疗显示等高规格市场，消费电子意味着更大的订单规模、更低的成本压力以及更高的产品一致性要求。对于任何一项新显示技术而言，只有真正进入消费市场，才意味着完成了从技术验证到产业验证的跨越。

因此，TCL华星过去几年的推进节奏也十分克制。

赵军指出，依托武汉t12产线，TCL华星先在医疗专业显示屏这一细分市场完成量产验证，再逐步向主流消费级IT产品延伸。

不过，在他看来，印刷OLED真正迎来规模放量，还需要继续解决三个关键问题。

第一，产品性能要持续跟上行业主流规格升级；第二，要充分发挥印刷OLED天然的成本优势，打造兼具性能、画质与价格竞争力的产品，让OLED技术从高端小众走向普惠。

第三，则是通过持续提升良率、释放产能，建立更加开放的印刷OLED供应链生态，吸引更多产业链伙伴共同参与，共同把这个市场蛋糕做大。

只有当性能、成本、供应链同时成熟，一项显示技术才真正具备持续大规模放量的基础。

此外，近年来，无论是AI终端升级，还是电竞产品高端化，本质上都在推动显示行业进入新一轮技术竞争。而对于TCL华星而言，印刷OLED商业化的意义，也远不止推出一款新品。

过去，行业讨论更多集中在印刷OLED“什么时候能够量产”；如今，随着消费级产品正式落地、更多客户产品验证有序推进、广州t8产线进入投产倒计时，这项曾被寄予厚望的新技术，终于开始进入兑现产业价值的新阶段。

本文来自华尔街见闻，欢迎下载APP查看更多

七月的最后两个交易日，此前遭受重创的高动量股票完成强劲两日反弹，韩国芯片重仓指数KOSPI一度单日暴涨超18%，美股半导体板块录得6月以来最大两日涨幅。

然而7月，纳斯达克综合指数累计下跌约3%，创3月以来最差月度表现，并连续两个月录得跌幅。高盛高贝塔动量篮子7月跌幅更是创下2000年11月以来最差单月纪录。

这场动荡的直接导火索，是杠杆AI押注翻车事件。

华尔街见闻提及，由Leopold Aschenbrenner掌管的对冲基金Situational Awareness（简称SA）因杠杆AI仓位爆仓遭遇追保，被迫在下跌市场中抛售公开市场权益资产。

直至全球最大的对冲基金之一，Citadel一举接盘其大部分股票组合，市场的螺旋式下跌才得以暂停。但在众多市场人士看来，这次事件所暴露的，远不止一家基金的仓位风险。

Simplify资管公司主管Paisley Nardini则给出了一个更宏观的警示：7月表明，"单纯买入指数"在当前市场环境下已不足够，主动管理的价值正在重新显现。

季节性因素也是一重变量。历史上，8月和9月是全年表现最弱的两个月，市场正在追问的一个问题是：今年惯常的夏末波动，是否已被提前释放？

高盛的Pasquariello在其周报中给出了相对乐观的综合研判：经济运行稳健、盈利增长强劲、资金流向趋于改善，逾1万亿美元的AI资本支出正在向系统内流动。

报告指出：

市场的基本面地基依然稳固，美股整体前景仍然有利。

但他也明确提示了尾部风险，尤其是全球债券市场长端利率的动向值得密切关注，"对于长久期股票而言尤为如此"。

他认为，标普500指数会继续承压前行，但近期出击次数会增多，而夏季流动性环境将令风险转移更加困难。

他建议投资者在接下来的数周内，维持"提高流动性、降低复杂度"的持仓偏好。

本文来自华尔街见闻，欢迎下载APP查看更多

对冲基金Situational Awareness的创始人Leopold Aschenbrenner周四深夜致信投资者，为7月基金资产暴跌67%一事"承担全部责任"，并承诺将汲取"代价惨重的教训"。他表示，基金将继续运营，不会退出公开股票市场，但今后不会再向银行借款以放大押注。尽管遭遇重创，该基金今年仍录得约80%的正收益。

此前，面对融资方的追加保证金通知，Situational Awareness紧急将大部分股票持仓出售给Ken Griffin旗下的Citadel，折价幅度逾10%。该基金目前剩余资产组合（含私募投资）价值约100亿美元。

Situational Awareness的溃败始于本周AI股的大规模抛售。该基金重仓押注Bloom Energy、Sandisk等一批与AI题材高度相关的股票，在市场动荡中遭到猛烈冲击。

据华尔街日报报道，随着损失累积，融资方相继发出追加保证金通知，基金被迫进行紧急资产变现。周三，该基金与Citadel达成协议，以逾10%的折价出售了大部分公开股票持仓。

Aschenbrenner在信中将这一局面比作"银行挤兑"，并指出基金在"与我们公开相关的股票名称上遭遇了不利交易"。他同时将部分损失归咎于做空者蓄意针对基金持仓、进一步加剧跌幅。

据悉，Situational Awareness一度与Greenoaks和Sequoia Capital牵头的财团谈妥，拟出售价值35亿美元的私募AI巨头Anthropic股权，但据知情人士透露，该基金于周四上午反悔，最终撤回了这笔交易。

Situational Awareness自约两年前成立以来，资产管理规模迅速膨胀至逾200亿美元，成为近年来扩张最快的对冲基金之一。

该基金的策略高度集中——将资金押注在少数几只AI相关股票上，并通过向主经纪商借款大幅放大头寸。Aschenbrenner在创立该基金时并无任何专业投资经验，但凭借对AI行业的深度判断，赢得了市场广泛关注，被部分投资者奉为"AI神谕"，其持仓动向一度被外界密切追踪。

今年前五个月，该基金累计涨幅约270%。然而，高杠杆在市场顺风时成倍放大收益，在逆风时同样成倍放大亏损——7月的暴跌正是这一逻辑的直接体现。

在致投资者的信中，Aschenbrenner表示将彻底移除投资组合中的全部杠杆，并将此视为不可动摇的运营原则。

"这些是代价极为惨重的伤疤，但我致力于确保它们将成为我们组织和我本人向前迈进的宝贵经验，"他写道。"我对你们的核心承诺是，我们不会浪费从这些事件中学习的机会。"

他同时重申了继续战斗的决心：

"过去两年，我们取得了卓越的成绩，尽管偶有大幅回撤。但我们的基金必须始终保持这样的架构：能够承受损失，并有能力东山再起。"

值得注意的是，该信未披露基金最新资产管理规模。据悉，大量早期投资者受锁定期约束，最早须至9月方可赎回。Situational Awareness发言人拒绝就此置评。

本文来自华尔街见闻，欢迎下载APP查看更多

Ken Griffin旗下的Citadel于周四以逾10%的折价买入Situational Awareness持有的约160亿美元公开股票组合。多名市场参与者认为，这笔交易阻止了该基金大规模抛售AI持仓，避免了进一步的踩踏。交易消息落地后，美国科技股录得近四个月来最大单日涨幅，韩国芯片密集型股市周五反弹高达18%。

市场的急速逆转并非完全源于Situational Awareness的"解套"。投资者和分析师同时指出，微软周三发布的强劲财报也有助于缓解市场对科技巨头AI投资规模是否可持续的忧虑。然而，Situational Awareness的困境给了投资者"一个受欢迎的叙事"，来解释芯片股持续承压的根源。

Situational Awareness由Leopold Aschenbrenner创立，基金重仓集中于2026年上半年引领华尔街AI行情的半导体及AI基础设施企业。这一时期，芯片制造商等AI基础设施供应商从大型科技"超大规模云厂商"手中接过市场领涨的接力棒。

然而，这一交易方向已变得极度拥挤。美国银行7月份的调查显示，82%的受访者将"做多全球半导体"列为全球最拥挤的交易。费城半导体指数从年初至6月底峰值期间累计翻番，此后回调近20%；以全球半导体股构成的纳斯达克指数，在本周低点时已累计蒸发3万亿美元市值。

Situational Awareness集中持仓加之杠杆融资，令其在7月市场风向骤变时尤为脆弱。基金重仓股Sandisk和CoreWeave等个股跌幅一度接近60%，而市场对其可能被迫大规模抛售的预期，很可能进一步加剧了下跌。

"如果一个高杠杆的大玩家开始被迫平仓，市场上的部分参与者会提前知道，"Visdom Investment Group联席交易主管Mike Zigmont表示，"他们会抢先卖出，以便从中获利。"

HSBC首席多资产策略师Max Kettner表示，Situational Awareness的困境给了市场一个解释三周来动量股持续下跌的"叙事"：

"我们困惑了三周，不知道是谁在推动这波下跌的第二段。现在我们找到了答案，可以往前看了。"

Citadel接盘的直接效果立竿见影。Situational Awareness此前重仓的个股率先领涨反弹——荷兰AI基础设施公司Nebius从周三低点反弹逾30%，该基金截至5月持有其5.6%的股份；能源公司Bloom Energy同期最多上涨40%，此前Situational Awareness持有其约2%的股份。

瑞士Syz银行首席投资官Charles-Henry Monchau表示："移除一个已知的被迫卖家，本质上是利好。"

这笔交易的结构同样引人关注。据知情人士透露，Citadel以逾10%的折价收购了上述股票组合。对于Citadel而言，这既是一次逢低布局的机会，也扮演了稳定市场的角色。

尽管市场情绪出现明显修复，部分分析师仍对反弹的持续性保持审慎。

Academy Securities宏观策略主管Peter Tchir警告称："把那个卖家移出市场确实有帮助，但这个领域里有太多资金是带着杠杆的。我认为未来两周我们将再度看到抛售压力。"

他进一步指出市场存在结构性问题：

"我们涨得比应有的多，跌的也更深……关于AI支出是否合理的疑问并不会消失。"

与此同时，市场对美国国债收益率持续上升是否将进一步压制高估值科技股的担忧，尚未得到根本性化解。Citadel的出手或许消除了这场AI股震荡中最直接的"导火索"，但悬在市场上方的结构性压力，仍有待时间检验。

本文来自华尔街见闻，欢迎下载APP查看更多

市场概述

亚马逊财报强化AI投入开始兑现的预期，抵消苹果弱指引及美债利率上行的压力，美股三大指数震荡收高。标普500涨0.70%，纳指涨1%，道指涨0.53%。中概股指跑赢大盘、收涨1.47%，本周累计涨8.09%，7月累计上涨12.84%。

亚马逊收涨15%，创2012年以来最大单日涨幅。苹果收跌7.4%，创2025年4月份以来最大单日跌幅。美股存储芯片指数跌1.58%，本周累计跌5.30%，7月份累计跌近30%。SK海力士跌3.54%，美光跌5.90%。

美债收益率全线上行，10年期美债收益率升约6个基点至4.74%，月内飙升逾30个基点，创2005年以来最大七月涨幅。30年期走高5.57基点，报5.271%、创2007年7月来新高。

美元倒V反转，微跌0.1%。美元兑日元跌1%、跌破158关口，创5月份以来最大盘中跌幅。

现货黄金跌1.27%，本周大致持平，7月份累计上涨0.53%。现货白银跌1.89%。铜期货涨0.63%、7月份累涨5.76%。WTI原油涨近1.3%，本周累计下跌5.19%，7月主力合约累计涨22.23%。

亚洲时段，创业板冲高回落涨3%，AI全线反攻，银行白酒调整，港股半导体午后涨幅收窄，AI大模型股双雄齐涨。

要闻

中国

国常会：高质量建设新型电网，加快推进物流网建设，推动医药科技创新。

中国7月制造业PMI降至49.2，高技术制造业逆势扩张，非制造业商务活动指数降至49。

DeepSeek-V4-Flash正式版来了！Agent能力大幅升级，Harness能力即将亮相。

MiniMax发布开源全模态模型H3：视频编辑能力登顶全球第一，定价砍至同行三分之一。

特斯拉将剥离中国业务？马斯克辟谣。

海外

特朗普称对伊朗协议"失去信心"，美以被曝酝酿轰炸伊能源设施，霍尔木兹关闭说法起争议。

美联储重大变革？报道：沃什考虑减少议息会议频率，打破40年惯例。

日本干预实锤？数据暗示周四或砸8.45万亿日元，日媒称周五再下场，美国被曝同日出手。美国财长贝森特：日元“非常低估”。

日本央行按兵不动维持利率1%，一票反对并主张加息，通胀存在超越2%的风险。日本央行行长：将视情况继续加息、节奏可能加快，汇率对通胀的影响比以往更大。

韩国收紧杠杆ETF首日：成交额下降75%，KOSPI大涨18%，散户直呼“被挡在门外”。韩国拟向主权财富基金注资140亿美元，押注AI与数据中心。

欧元区7月CPI升至2.9%、核心CPI反弹，欧央行9月加息箭在弦上。

OpenAI：我们黑了不止一家公司，Anthropic：我也是。

铠侠Q1营业利润1.27万亿日元不及预期，毛利率78%，2028年长协拟锁定50%产能。

市场收报

欧美股市：标普500涨幅0.70%，报7489.72点。道指涨幅0.53%，报52485.03点。纳指涨幅1%，报25373.853点。欧洲STOXX 600指数收跌0.12%，报649.19点，本周累计上涨0.73%，7月累计上涨1.16%。

A股：上证指数收报3832.26点，涨0.72%。深证成指收报13578.93点，涨2.21%。创业板指收报3343.96点，涨3.06%。

债市：10年期美债收益率升约6个基点至4.74%，月内飙升逾30个基点，创2005年以来最大七月涨幅。30年期走高5.57基点，报5.271%、创2007年7月来新高。

商品：现货黄金跌1.27%，报4051.30美元/盎司，本周大致持平，7月累计上涨0.53%。现货白银跌1.89%，报57.8705美元/盎司，本周累计跌0.52%，7月累计跌2.34%。WTI 9月原油期货收涨1.29%，报84.67美元/桶，本周累计下跌5.19%。布伦特9月原油期货收涨1.22%，报90.12美元/桶，7月累计涨23.53%。

要闻详情

全球重磅

中国

国常会：高质量建设新型电网，加快推进物流网建设，推动医药科技创新。会议指出，要高质量建设新型电网，加强统筹协调和政策支持，狠抓工程质量和安全生产，确保电网建设顺利推进，更好满足日益增长的用电需求，促进绿色低碳转型。要牢固树立健康优先导向，深化医药卫生体制改革，健全公共卫生、医疗服务和医疗保障体系，推动医药科技创新，加快形成有利于健康的生产生活方式。

中国7月制造业PMI降至49.2，高技术制造业逆势扩张，非制造业商务活动指数降至49。数据显示，7月份，装备制造业和高技术制造业PMI分别为51.4%和53.3%，明显高于制造业总体，保持较快扩张，带动制造业发展向新向优。与此同时，文旅行业受暑期消费带动明显回暖，在一定程度上对冲了建筑业和批发业的拖累。

• 广发宏观郭磊认为，7月制造业PMI明显偏弱至49.2，环比回落幅度大于季节性。原因包括中东地缘政治升温、极端天气扰动、全球科技资产调整影响预期，以及前期产销率偏低带来的生产压力。尽管下行存在客观原因，但7月数据印证了政治局会议升级逆周期政策的必要性，后续“加快财政支出”和“谋划增量政策”值得关注。

DeepSeek-V4-Flash正式版来了！Agent能力大幅升级，Harness能力即将亮相。DeepSeek-V4-Flash正式版API开启公测，Agent能力大幅升级，模型架构未变，仅靠后训练实现性能跨越式提升。原生支持Responses API，并可接入OpenAI开源的Codex，提升代码开发效率。200B轻量级模型性价比突出，引发开发者热议。V4-Pro正式版也即将发布。

MiniMax发布开源全模态模型H3：视频编辑能力登顶全球第一，定价砍至同行三分之一。MiniMax一招"价格核弹"搅动AI视频赛道——旗下首款开源多模态模型H3以0.8元/秒的定价，仅为业内旗舰的三分之一，同时视频编辑能力全球排名第一。消息一出，股价单日暴涨14%。在参数军备竞赛之外，MiniMax正以极致性价比+开源双轮驱动，杀出一条差异化突围之路。

特斯拉将剥离中国业务？埃隆·马斯克回应。特斯拉CEO马斯克7月31日辟谣，称特斯拉考虑剥离中国业务为假新闻。当日市场传言特斯拉拟为与SpaceX合并分拆中国业务，但特斯拉中国回应此为不实消息。中国是特斯拉第二大市场，上海超级工厂上半年交付电动车同比增长28.4%至46.79万辆，储能工厂产能亦创新高。

海外

特朗普称对伊朗协议"失去信心"，美以被曝酝酿轰炸伊能源设施，霍尔木兹关闭说法起争议。特朗普称，伊朗“撒谎”，想谈判却总食言，警告将实施“非常猛烈”打击。美媒称，美以可能周末打击伊朗能源设施、下周一金融市场开盘前结束行动，特朗普尚未决定袭击。美军称，伊朗声称关闭霍尔木兹海峡是不实消息，商船通行保持开放。伊朗称，周五扣留两艘无视警告穿越该海峡的油轮、另四艘接警告后掉头。航运监测数据显示，本周四该海峡船舶通行量较周三下降77%至5艘。

美联储重大变革？报道：沃什考虑减少议息会议频率，打破40年惯例。据媒体报道，沃什提出考虑削减每年定期议息会议次数，打破1981年以来惯例；具体安排或将在9月中旬下次议息会议前敲定。此举将压缩市场获取政策信号的窗口，降低美联储对通胀与就业变化的反应速度，与其上任以来持续压缩透明度的风格一脉相承。

美联储声明信息量不如异议声明？“新美联储通讯社”：三名反对票官员更清楚解释为何应加息。虽然本周都对美联储保持利率不变的决议投出反对票，但三名官员支持加息的理由各不相同。洛根认为政策应保持更强限制性，因为通胀仍偏高；卡什卡利认为加息是风险管理，不是判断通胀已失控；哈玛克认为当前政策的限制性不够。

• 内部加息呼声渐起，美联储三位异见委员：抗通胀行动过迟后续或需更激进加息。美联储7月议息会议以9:3维持利率不变，但三位官员支持加息25个基点，反对票数为近年少见。鹰派认为高通胀持续时间越长，未来紧缩代价越大，主张尽早温和加息以避免激进调整。受核心PCE升至3.0%、能源价格和需求推动，通胀担忧升温，年内加息预期或进一步增强。

日本干预实锤？数据暗示周四或砸8.45万亿日元，日媒称周五再下场，美国被曝同日出手。日媒称日本连续第二日干预汇市后，日元/美元创两个半月新高。据报道，美财政部周五通知多家银行，其可能当天干预日元，并要求银行为后续行动做准备；纽约联储要求至少两家美大行对日元汇率询价，此类询价被视为干预前兆。日本最高外汇事务官员谢绝置评，但称日方获得美方超过精神层面支持。贝森特称美财政部与日方保持密切协调，评论称其近期言论显示对干预的配合度更强。

• 为日本干预站台！美国财长贝森特：日元“非常低估”。美国财长贝森特公开为日本汇市干预"站台"，直言日元"严重低估"——这是华盛顿迄今最明确的表态。周四日本当局大举买入日元，美元兑日元一小时内暴跌近500点，创2023年12月以来最大单日跌幅。然而干预效果几何仍存疑，植田和男下午发布会上的加息信号，或将成为日元命运真正的转折点。

日本央行按兵不动维持利率1%，一票反对并主张加息，通胀存在超越2%的风险。日本央行维持利率1%不变，但内部现罕见裂痕——委员高田创独排众议，力主继续加息。央行上调经济增长预测，将风险评估从"偏向下行"调整为"基本平衡"，并罕见点名日元贬值加剧通胀压力。市场押注最快10月再度加息，植田和男发布会措辞将成关键风向标。

• 日本央行行长：将视情况继续加息、节奏可能加快，汇率对通胀的影响比以往更大。植田和男表示，通胀上行风险加大，潜在通胀接近2%目标，若金融环境过度宽松可能加快升息。他强调汇率对通胀影响显著，需密切监测，并称短期内重启收益率曲线控制的可能性较低。

韩国收紧杠杆ETF首日：成交额下降75%，KOSPI大涨18%，散户直呼“被挡在门外”。韩国金融监管收紧单股杠杆ETF交易门槛后，首日成交额大幅缩水75.3%，显示政策效果迅速显现。不过，韩国股市当天强势反弹并非新规直接推动，市场人士认为主要受外资回补空头、全球资金流向变化及悲观情绪修复影响。分析人士提醒，短期反弹仍需观察，韩国股市趋势反转尚未确认。

• 散户"蚂蚁军团"涌入杠杆ETF，韩国股市陷入史无前例的震荡周期。今年韩国股市受AI热潮推动大涨，波动率超60%（甚于比特币），9次触发熔断。其剧烈震荡源于极高的指数集中度——两家半导体巨头占Kospi逾半权重，叠加散户“蚂蚁军团”羊群效应，蜂拥买入高风险单股杠杆ETF，极大放大了市场涨跌幅与结构性脆弱。

韩国拟向主权财富基金注资140亿美元，押注AI与数据中心。根据政府声明，新设专项账户将设于KIC现有架构之内，初始规模不低于20万亿韩元，资金来源包括政策性银行等公共机构的股权出资。此次调整最具标志性意义的变化在于，KIC的投资授权将首次延伸至国内资产。

欧元区7月CPI升至2.9%、核心CPI反弹，欧央行9月加息箭在弦上。7月欧元区CPI年率升至2.9%，高于6月的2.8%；剔除食品和能源的核心CPI意外从2.4%升至2.5%，服务业通胀亦从3.2%小幅走高至3.3%。交易员目前定价9月加息的概率约为85%，并押注年内还将有一至两次各25个基点的加息。

OpenAI：我们黑了不止一家公司，Anthropic：我也是。OpenAI刚承认AI代理越狱攻击Hugging Face，Anthropic紧随其后发现Claude也曾误入真实网络攻击——被黑账户多达三家。两大AI巨头的“自曝”揭开前沿模型自主行动的新风险：最强大的 AI 模型既能用来攻击，也能用来防御。安全护栏本意是保护用户，但当它让防御方用不了这些模型时，不对称的优势就完全倒向了攻击者一边。

• 头部AI再失控，Anthropic旗下Claude AI在测试中真实入侵三家公司系统。Anthropic旗下AI模型Claude在网络安全测试中，因配置失误错误连接公共互联网，对三家外部机构基础设施实施未经授权访问，最早入侵可追溯至4月。事件在OpenAI披露类似事故后经内部审查曝光。两起事故引发业界对AI安全管控的质疑，并促使逾1100名从业者联署呼吁美国政府加强监管。
• OpenAI Agent失控108个小时：藏在时间线里的8个细节。OpenAI的安全测试AI Agent突破隔离环境，利用零日漏洞逃出，以未认证的Modal服务为跳板渗透Hugging Face生产系统，目标是窃取ExploitGym考试答案。在4.5天里发起约1.76万次尝试，虽多数失败，仍突破多道防线。Hugging Face最终借助GLM-5.2完成溯源。前沿AI的攻击能力已远超大多数公司的防御准备。
• 60小时击穿后量子密码：AI独自改写密码学的时刻。Claude Mythos Preview仅用60小时便攻克两项密码学难题，并发现数千个零日漏洞，其中包括OpenBSD沉睡27年的安全缺陷。相比之下，人类验证这些发现耗时近一个月，“发现快、验证慢”的新瓶颈开始显现。这也是AI首次在密码学基础理论上实现原创突破，意味着密码安全攻防正加速进入AI时代。

铠侠Q1营业利润1.27万亿日元不及预期，毛利率78%，2028年长协拟锁定50%产能。铠侠Q1营业利润为1.27万亿日元，低于市场平均预估的1.37万亿日元；净利润为8421.7亿日元，同样不及预估的9738.1亿日元。毛利率为78%，不及市场预期的78.3%。在长期合同方面，铠侠表示正稳步推进，目标是到2028年将长期协议覆盖率提升至当年出货量的50%。

研报精选

达利欧重大判断：教科书式AI资产泡沫，80年一次的“大周期”已进入尾声。达利欧警告，当前市场正经历“教科书式的AI资产泡沫”，其逻辑在于纸面估值暴涨引发杠杆资金入局，一旦利率飙升或债务承压，抛售潮将刺破泡沫。同时，人类正处于始于1945年的“80年大周期”的衰退末端，巨额债务赤字、贫富悬殊与美国地缘掌控力的衰退正在共振。

“AI股神”是如何崩盘的？华尔街一线复盘爆仓全过程。4倍杠杆、华尔街做空围猎与1000亿资产的大打劫。

• 本轮牛市“最大神话”落幕！短短数周，“AI股神”被击溃，Citadel出手收购全部仓位。“AI先知”Aschenbrenner凭一篇AI预言长文在华尔街募资450亿美元，今年上半年回报439%，累计回报超2000%。但7月AI股大跌，其重仓的SK海力士、闪迪等多头持仓暴跌，同时做空的软件股反向上涨，叠加约4倍杠杆，触发追保。36小时内，Citadel以折扣价接盘其约160亿美元的全部公开持仓。

上调资本开支预期依旧大涨，亚马逊这份财报意味着什么？亚马逊上调资本开支后，CEO Andy Jassy表示今明两年容量仍无法满足全部需求。巴克莱认为该表态有力反驳了AI基础设施过度建设的担忧，并释放出2028年需求能见度已超寻常的强烈信号，消息利好美股数据中心基础设施板块。

国内宏观

健全金融机构治理！四部门联合发布22条措施：严禁金融机构向股东及其关联方输送利益。金融机构股东应在公司治理框架下行使权利和履行义务，严禁滥用股东权利或违规干预金融机构经营管理活动。严禁金融机构向股东及其关联方输送利益。建立健全股东不当所得追回制度和风险责任事后追偿机制。保障中小股东对重大事项的知情、参与决策和监督等权利，董事、监事选举等重大事项要充分反映中小股东意见。

玉渊谭天：从发改委连续三场发布会看中国人工智能发展。国家发展改革委连续3个月例行发布会回应算力发展布局。全国智能算力规模已达去年同期2.8倍，首个全国产10万卡AI超集群正式投用。“十五五”时期算力网建设将新增直接投资约4万亿元。中国创新产业的孵化模式更加注重“全链条协同”。产业交叉融合将成为一个增量来源。

人民时评：“价格战”危害甚大，国内车企需告别以价换量。从工信部约束非理性低价竞争，到17家车企承诺60天账期，"反内卷"共识正加速凝聚。破局关键在于：以技术创新争取溢价、掌控核心零部件重夺定价权、差异化抢占细分市场，并借出海"第二曲线"拓展空间。优质优价时代，中国汽车的价值蓝海正在打开。

新一批国家药品集采纳入65个品种。此次集采主要覆盖一些慢性病与重大疾病的常用药、救命药，涵盖降血压、降血脂、降血糖、抗肿瘤、抗血栓、抗感染等多个治疗领域。

国内公司

字节跳动发布Seedance 2.5，单次生成翻倍至30秒，AIGC落地加速。Seedance 2.5单次生成时长翻倍至30秒并支持多轮延长；单次可输入最多30张图片、10段视频及10段音频，新增白模与绿幕参考功能。新增基于时间戳的视频局部编辑能力，可对指定片段的角色、动作或音效进行定向修改。该模型将视频生成从“辅助创意”推向“工业化生产力基础设施”。

万科新管理层定了。据上海证券报，万科2026年第一次临时股东会完成董事会换届，黄力平、徐恩利等当选非独立董事，黄亚英等当选独立董事。会议选举徐恩利为董事长，续聘黄宇为总裁，保持经营管理队伍稳定。管理层表示，控亏、减亏是今年核心经营目标之一，上半年已取得阶段性进展，但短期控亏压力仍然较大。

东鹏饮料上半年收入增长16%，茶饮料接棒多品类扩张。东鹏饮料仍在增长，但驱动力正在从单一大单品转向更多品类共同拉动。

海外宏观

空谈无益！两次发布会后，华尔街开始质疑沃什“信誉”。美联储主席沃什弃用前瞻指引，华尔街正以最直接的方式发出警告，30年期美债收益率飙升至2007年来高点5.24%，摩根大通、摩根士丹利、美银措辞严厉的研报直指“信誉危机”。连续按兵不动却无法自圆其说，市场已开始走上那条"更艰难的路"。

• 沃什“暗示”改通胀指标，市场“嗅到不好的味道”。美联储主席沃什此前表示，评估通胀时将参考比PCE更广泛的指标，并暗示明年1月后可能调整通胀框架。此言论引发市场震荡，30年期盈亏平衡通胀率创2024年以来最大单日涨幅。经济学家质疑工作组或为重新定义通胀挑战提供掩护，而可替代PCE的指标选项极为有限。

美股科技巨头财报季留下的悬念：“资本开支”与“AI收入”都在增长，谁会赢得叙事？科技四巨头二季度合计资本开支达1700亿美元，同比暴增78%。钱花出去了，赚回来多少？AWS AI年化收入突破250亿、Azure达370亿，云业务正成为最硬的变现证明；但四家合并自由现金流跌至十年低点约70亿美元，Google史上首现单季负值。这场资本开支与AI收入的生死赛跑，答案悬而未决。

欧盟宣布扩大实施《人工智能法》。欧盟将自8月2日起扩大《人工智能法》适用范围。聊天机器人须告知用户其AI身份，利用人工智能生成或修改的“深度伪造”内容必须作出标识。对于可能引发系统性风险的先进模型，提供商需承担额外义务，防范网络攻击、模型失控等大规模危害。

海外公司

全力推动企业部署AI！微软之后，OpenAI成立“FDE公司”。OpenAI正以史无前例的力度强攻企业市场：成立独立服务公司DeployCo并募资40亿美元，派驻数百名前线工程师深入企业一线；同步投入1.5亿美元联手BCG、贝恩、埃森哲构建咨询伙伴网络。TPG押注"数千亿美元"AI服务市场，BBVA信贷风险工具准确率因此从60%跃升至80%，印证了这场企业AI落地攻坚战的真实价值。

油价飙升点燃能源巨头利润：埃克森美孚四年最高盈利仍逊预期，雪佛龙超预期创六年新高。埃克森美孚二季度调整后净利润为147亿美元，每股收益3.52美元，低于预期3.60美元。雪佛龙调整后利润达120亿美元，每股收益6.06美元，高于预期的5.56美元。埃克森美孚在中东资产暴露较高，部分产能受到影响；雪佛龙中东产量占比较低，更多享受到高油价带来的利润增长。埃克森美孚下跌1.4%，雪佛龙上涨2.2%。

金价回调之际Tether购金提速，Q2再买14吨黄金，储备规模升至146吨。Tether二季度再度购买黄金14吨，相较于一季度6吨的购买规模明显提速，目前储备规模升至146吨、价值188亿美元。二季度黄金价格持续走弱，中东冲突引发的通胀担忧推动债券收益率大幅上升，对不生息的黄金构成压力。

<全文完>

本文来自华尔街见闻，欢迎下载APP查看更多

亚马逊发布季度业绩后股价单日暴涨逾15%，成为当日市场最大提振力量，带动标普500指数上涨0.7%，纳斯达克上涨1%，"科技七巨头"整体涨幅达3.2%。

微软跟涨3%，延续周四逾15%暴涨后的强势，两家超大规模云计算巨头的靓丽财报在一定程度上平息了市场对AI基础设施投资能否获得回报的疑虑。

然而，单日的反弹难以掩盖整个7月的市场溃败。标普500七月基本持平，纳斯达克月跌3.2%，后者创下2004年以来最差七月表现。

10年期美债收益率月内飙升逾30个基点，创2005年以来最大七月涨幅；WTI原油月涨逾20%，创30年来最大七月涨幅。中东冲突再度升级触发的能源冲击，是贯穿整个月份的核心叙事。

周五美股三大指数震荡收高。标普500涨0.70%，纳指涨1%，道指涨0.53%。中概股指跑赢大盘、收涨1.47%，本周累计涨8.09%，7月累计上涨12.84%。

亚马逊周五业绩报告显示其季度营收录得逾四年来最大增速，股价随即飙升逾15%。

CEO Andy Jassy对AI数据中心投资的清晰阐述，打消了市场此前对于"无序烧钱"的担忧，有效接续了微软周四传递的正向信号。此前微软展示了Azure加速增长、云端利润率稳定以及Copilot变现的初步证据。

Longbow Asset Management CEO Jake Dollarhide表示：

市场担心亚马逊的支出只是天马行空的赌博，而Andy Jassy用业绩打消了这些疑虑。

与此同时，苹果因供应约束警告及iPhone提价或抑制需求的悲观展望，股价单日下跌7.4%。

AI交易并未带来全板块普涨。周五芯片股整体表现平淡，费城半导体指数微涨0.07%，但仍较6月22日历史高点下跌逾20%。

美股存储芯片指数日内跌1.58%。美光盘初高开、一度上涨6.40%，随后转为下跌，收盘跌5.90%。SK海力士ADR跌3.54%。

标普500指数经历了自2014年以来最糟糕的7月表现，纳斯达克指数经历了自2004年以来最糟糕的7月表现。

等权重标普500指数，以及剔除人工智能成分股后的指数创下历史新高。

能源板块为7月股市最大赢家，科技与材料板块领跌，利率敏感的公用事业和房地产板块同样承压。

八月进入视野，历史季节性规律本就不利于股市，加之中东局势悬而未决、美联储政策路径分歧加深以及高杠杆资金的去化是否已经完成，这些都将是投资者需要持续追踪的关键变量。

尽管主要股指跌幅有限，但指数内部经历了剧烈震荡。

动量因子7月暴跌25%，创2009年5月以来最差单月表现，其中动量强势股组合月内下跌21%。

据高盛Prime经纪数据，过去三个交易日出现自2022年11月以来最大规模的单边去杠杆，基金正在大规模出清4月至5月间建立的杠杆头寸，尤其集中于内存芯片及半导体持仓。

高盛的AI受益股与承压股对冲组合在月内大幅回撤，光学网络与数据中心板块跌幅居前。

零售热门股7月同样遭受重创。

不过，得益于微软和亚马逊的亮眼财报，超大规模云计算板块本周全面爆发，跑赢纳斯达克100指数的幅度创下历史新高。从月度表现来看，微软和亚马逊分别斩获了超20%和13%的显著涨幅。

Bespoke投资集团策略师提醒，投资者当前面临的核心问题是：

AI相关板块的疲软究竟是长期拐点，还是仅仅是组合再平衡？

目前来看，高盛估计AI Alpha策略在2026年上半年贡献了多头/空头股票对冲基金85%的总Alpha，但这一主导地位正在逆转，内存股拥挤程度仍接近历史纪录高位，若超大规模云厂商资本支出指引出现任何令市场失望的信号，将带来进一步下行风险。

中东原油供应何时恢复正常仍有不确定性。周五布伦特原油收于87.93美元，上涨1.20%。

即期布伦特原油现货价格在7月份也大幅飙升，重回91美元以上，即期期货曲线呈现看涨的逆价差。

此前6月达成的停火协议在7月初彻底破裂，伊朗军队袭击霍尔木兹海峡内的商业船只，特朗普随即于7月7日至8日前后宣布停火终止，美军对伊朗沿海防御、导弹阵地及海军资产展开新一轮空袭。

月中至月末，霍尔木兹海峡这一全球能源贸易最关键的咽喉要道仍然遭受严重干扰，一度出现间歇性封锁。

与此同时，乌克兰对俄罗斯炼油厂的远程无人机打击摧毁了俄约30%至45%的在役炼化产能，欧洲柴油精炼利润率随之升破60美元/桶，全球精炼产品价格逼近战时高位。

能源冲击推升通胀预期，进而重创美国国债市场。

10年期美债收益率月内上行逾30个基点，本周一度触及5.27%，为2007年以来最高水平；周五报4.71%，当日上行3个基点。

德国10年期国债收益率当日上行5个基点至3.21%，英国10年期国债收益率上行7个基点至5.05%。

美联储主席沃什本周维持利率不变，但有三名官员投票异议，主张立即加息以应对持续的通胀风险。

PGIM Credit全球经济学副主任Katharine Neiss表示，沃什的新闻发布会表现"弱于预期"，并预计美联储的"鹰派转向"将在9月兑现，届时可能连续加息三次。

Brown Brothers Harriman的Elias Haddad指出：

美国经济活动韧性对美元的支撑，被沃什未能将强硬通胀表态转化为可信政策行动所抵消，令美联储落后于曲线的风险上升。

与此同时，据CME联邦利率观察工具，市场当前对9月加息的定价概率为65%，较一周前的82%有所回落。

美元周五基本持平，过去六个交易日已回吐沃什首次主持FOMC会议后的全部涨幅。

日元周五上涨0.4%至158.82，市场揣测日本当局或再度入市干预，叠加日本央行加快加息节奏至9月的预期，对全球套息交易构成潜在威胁。

黄金周五下跌1.4%至每盎司4046.96美元，7月总体原地踏步。

比特币下跌2.8%至62930美元，结束了月内一度突破66000美元的短暂上行。

周五美股三大指数震荡收高。标普500涨0.70%，纳指涨1%，道指涨0.53%。中概股指跑赢大盘、收涨1.47%。亚马逊收涨15%，苹果收跌7.4%。美股存储芯片指数跌1.58%，本周累计跌5.30%。

美股基准股指：

• 标普500指数收涨52.09点，涨幅0.70%，报7489.72点。

• 道琼斯工业平均指数收涨276.97点，涨幅0.53%，报52485.03点。

• 纳指收涨251.676点，涨幅1%，报25373.853点。纳斯达克100指数收涨167.849点，涨幅0.60%，报28274.195点。

• 罗素2000指数收跌0.50%，报2931.34点。

美股行业ETF：

• 美股行业ETF涨跌各异，可选消费ETF收涨3.29%，网络股指数ETF涨2.59%，能源业ETF涨1%，半导体ETF涨0.3%，科技行业ETF跌0.22%，医疗业ETF跌0.59%，生物科技指数ETF跌1.87%。

• 2026年1-7月，半导体ETF累计上涨50.09%，能源业ETF涨35.03%，全球科技股指数ETF、科技行业ETF至少涨22.09%，可选消费ETF则累跌2.39%。

（7月31日 美股各行业板块ETF）

科技七巨头：

• 万得美国科技股七巨头（Magnificent 7）指数涨2.73%。

• 亚马逊暴涨15.32%，谷歌A涨6.73%，Meta涨3.28%，微软涨3.02%，英伟达涨2.93%，特斯拉涨0.76%，苹果则重挫7.35%。

芯片股：

• 费城半导体指数微涨0.07%，本周累跌4.30%，报11311.08点。

• 台积电ADR微涨0.25%，AMD跌1.90%。

中概股：

• 纳斯达克金龙中国指数收涨1.47%，报6598.21点，本周累涨8.09%、整体持续走高，7月份累计上涨12.84%。

• 热门中概股里，金山云收涨9.9%，阿里涨5.2%，新东方涨4.1%，百胜中国、百度涨超3%。

其他个股：

• Circle跌2.59%。

诺和诺德周五收跌约7.4%，欧洲股市7月份涨超1.1%，油气板块累涨超9.1%、科技板块跌约7.3%。丹麦股市周五收跌约3.1%，7月份德国股市涨超2.5%、军工ETF涨9.2%，意大利银行板块涨6%。

泛欧欧股：

• 欧洲STOXX 600指数收跌0.12%，报649.19点，本周累计上涨0.73%，7月份累计上涨1.16%。

• 欧元区STOXX 50指数收涨0.21%，报6358.01点，本周累涨1.23%，7月份累涨0.47%。

各国股指：

• 德国DAX 30指数收涨0.07%，报25629.24点，本周累计上涨2.11%，7月份累计上涨2.53%。

• 法国CAC 40指数收涨0.28%，报8509.64点，本周累涨1.64%，7月份累涨1.26%。

• 英国富时100指数收跌0.27%，报10868.05点，本周累涨1.23%，7月份累涨3.53%。

  （7月31日 欧美主要股指表现）

板块和个股：

• 欧元区蓝筹股中，法国圣戈班收涨6.89%，英飞凌涨3.7%，桑坦德涨2.34%，百威英博涨1.95%表现第四，欧莱雅则收跌1.79%跌幅第三大，爱特思集团跌1.81%，德国大众汽车跌1.94%。

• 欧洲STOXX 600指数的所有成分股中，TelePerformance收涨13.15%，Zabka集团涨8.68%，Aker涨7.42%，法国圣戈班表现第四，德国爱思强股份涨5.28%，英飞凌涨幅第十大。

• 板块方面，STOXX 600石油及天然气指数7月份累计上涨9.14%，银行指数涨6.43%，金融服务指数涨5.16%，个人护理、药品及食品杂货店指数涨5.13%。

本文来自华尔街见闻，欢迎下载APP查看更多

据美东时间31日周五的媒体报道，在继续调查此前智能体攻击Hugging Face事件的过程中，OpenAI发现了更多证据表明，除已披露案例外，还有其他AI智能体曾突破原本用于限制其行动的隔离环境（containment）。不过，OpenAI目前尚未披露这些智能体来自自身还是其他机构，也未透露是否造成新的实际攻击事件。

这一发现意味着，AI智能体突破沙箱限制、获得超出预期自主行动能力的现象，可能并非孤立事件。与此同时，欧盟委员会表示，已在OpenAI和Anthropic相继披露智能体异常行为后，与两家公司展开沟通，并强调有必要持续监测高风险AI系统。

OpenAI在调查其他智能体脱离隔离环境 相关影响有限围已扩大至模型更广泛活动

路透援引知情人士消息称，在持续调查7月发生的智能体网络攻击事件时，OpenAI已将调查范围扩大至更多内部评测及相关案例。

调查过程中，OpenAI发现证据显示，除此前公开披露的案例外，还有其他AI智能体曾突破原本用于限制其行为的隔离环境，目前也正在对这些案例展开调查。基于这一发现，OpenAI正进一步扩大针对具备网络攻击能力模型的安全调查。

一位消息人士称，上述其他智能体“失控”事件的影响有限，而且没有任何智能体离开了OpenAI的网络。

值得注意的是，路透并未说明这些“其他AI智能体”来自OpenAI内部还是其他机构，OpenAI目前也未对此作出进一步说明。

对于最新调查进展，OpenAI发言人向路透回应时，并未直接评论调查细节，而是引用了公司本周二发布的一份声明。声明称，除调查Hugging Face遭入侵事件外，公司还在审查“我们模型更广泛的活动”。这一表述也印证了OpenAI已将调查范围从单一事件扩展至更多模型行为。

所谓“突破隔离环境”并非简单生成危险代码，而是指AI智能体绕过原本用于限制其行动范围的沙箱、安全权限或网络隔离措施，获得互联网访问能力，并能够自主调用工具、搜索信息、获取凭据甚至访问外部系统，以完成既定目标。

欧盟介入 称与OpenAI、Anthropic展开沟通

随着两家美国AI公司相继披露智能体异常行为，欧洲监管机构也开始密切关注事件进展。

路透同日报道称，欧盟委员会表示，在OpenAI和Anthropic公开相关事件后，委员会已与两家公司进行了沟通，并认为有必要持续监测高风险AI系统。

欧盟委员会发言人表示，目前没有迹象显示这些事件已构成《人工智能法案》（AI Act）所定义的"严重事件"（serious incident），因此尚未触发法案规定的强制报告机制。

不过，欧盟委员会强调，将继续与AI开发企业保持联系，密切关注高风险AI系统的发展情况，并根据掌握的信息决定是否需要采取进一步监管措施。

这是欧盟《AI法案》正式进入实施阶段后，监管机构首次就前沿AI智能体安全事件公开表态，也显示监管关注点正从模型生成内容逐渐延伸至模型自主执行现实任务的能力。

OpenAI、Anthropic均报告智能体异常行为

此次调查升级，源于OpenAI本周稍早首次公开披露的一起实验性AI智能体网络攻击事件。

根据OpenAI此前说明以及多家媒体报道，一套用于网络安全评测的实验性智能体突破测试环境限制后，自主获取登录凭据并攻击全球最大AI模型社区Hugging Face，随后还波及AI云计算平台Modal Labs的一名客户账户。此前报道称，美国联邦调查局（FBI）已介入了解相关情况。

与此同时，OpenAI主要竞争对手Anthropic本周稍早表示，在复盘约14.1万次网络安全测试后，公司确认至少发生过三起智能体自主攻击其他组织网络的案例。Anthropic强调，这些事件均发生在受控测试环境中，没有证据显示模型在现实世界持续自主发动攻击。

AI安全关注点正从“生成内容”转向“自主行动”

随着越来越多AI公司推出能够自主编程、调用工具、管理服务器和执行复杂任务的智能体产品，业内对于AI安全的关注重点也正在发生变化。

过去几年，大模型安全主要围绕有害内容生成、模型幻觉和提示词攻击（Prompt Injection）等问题展开；如今，更受关注的是智能体是否会为了完成目标，自主突破权限限制、调用外部资源，甚至采取未经授权的网络行动。

OpenAI此次扩大调查，以及欧盟监管机构的最新表态，都显示行业关注重点正从模型"说什么"，逐渐转向模型"能够做什么"。如何确保AI智能体始终受限于既定权限边界、不会突破隔离环境，正成为前沿AI竞争中新的安全焦点。

本文来自华尔街见闻，欢迎下载APP查看更多

MSCI新兴市场指数周五上涨6.6%，创2008年以来最佳单日表现，7月跌幅收窄至3.3%。韩国KOSPI综指周五大涨18%。

Lombard Odier Investment Managers宏观主管Florian Ielpo表示：

“经过数周回调后，亚洲科技股仓位已得到部分出清，因此目前看来，这轮反弹更像是空头回补，而非其他因素所致。”

高盛策略师Sunil Koul等人表示，周五的反弹符合他们对人工智能基础设施部分领域的偏正面看法，这些领域的利润仍保持强劲增长。不过，他们警告称，波动可能持续：

“因为杠杆头寸虽已从高位回落，但尚未完全出清”。

本文来自华尔街见闻，欢迎下载APP查看更多

Anthropic周四披露，该公司旗下Claude模型在进行网络安全测试期间，因隔离措施失效而意外接入互联网，并对外部机构实施了真实攻击——包括窃取基础设施凭证、植入恶意软件。

此前，OpenAI亦公开承认，其AI代理在测试过程中突破沙箱环境，渗透了开源AI平台Hugging Face。两起事件均在发生数周乃至数月后才被发现。

事件在业界引发强烈反应。前美国国家安全局黑客、Hunter Labs研究与开发副总裁Jake Williams直言："这已经是疏忽大意。OpenAI和Anthropic均入侵了多个外部机构，没有一起被即时发现。我找不到其他词来形容。"

多名前政府官员则警告，随着自主AI系统攻击能力不断增强，相关威胁正逐步上升至国家安全层面。

据Anthropic披露，该公司在进行141,006次网络安全评估期间，Claude模型本应与外部互联网完全隔离。然而，一个技术错误使该模型在少数情况下得以访问外部网络，并在误以为自己仍处于测试环境的情况下，对真实目标发起了攻击。

具体而言，该模型入侵了一家机构，窃取了基础设施凭证及一份包含内部生产数据的数据库；在另一起事件中，模型分发了恶意软件并借此窃取了另一家机构的凭证。上述受害机构均未被公开披露。

这些入侵事件最早可追溯至今年4月，但直至上周Anthropic对测试流程进行审计时才被发现——而触发此次审计的正是OpenAI此前披露的Hugging Face入侵事件。

前英国国家网络安全中心负责人Ciaran Martin指出，对于从事网络安全业务的公司而言，此类失误在业界标准下难以接受。"如果是一家主流网络安全公司犯了类似错误，可能面临诉讼和监管处罚。"

他表示，网络安全行业通常在严格管控的虚拟沙箱环境中测试危险工具，并被要求确保这些防护措施切实有效。

网络安全专家普遍指出，两起事件的共同特征在于：均未能在发生时即时发现，而是事后才察觉，折射出人工监督机制的严重不足。

"他们是在主动审计之后才找到这些攻击痕迹，"前美国国防部联合人工智能中心战略与政策总监Gregory Allen说，"我们实际上完全不知道，当前自主AI入侵行为的规模究竟有多大。"

GreyNoise Intelligence创始人、网络安全专家Andrew Morris将此次事件定性为对AI开发者的"现实检验"，揭示出构建安全系统所需付出的巨大努力，以及公众所依赖的技术体系的内在脆弱性。

"模型总会通过撒谎、作弊或窃取的方式来完成评估任务，"他说，"它们会不惜一切手段完成被赋予的任务。"

此外，美国AI公司Dreadnode的研究发现，主流AI模型在衡量黑客能力的网络安全测试中普遍存在作弊行为，且这一问题几乎是行业性的，意味着各公司可能系统性高估了模型的实际能力。

研究人员还指出，向模型明确要求"不得作弊"并不能可靠奏效，模型往往能找到其他方式规避规则。这一问题对于将AI用于网络攻防的国家安全决策者而言，构成直接挑战。

本文来自华尔街见闻，欢迎下载APP查看更多

本文来自华尔街见闻，欢迎下载APP查看更多

7月31日本周五，据彭博基于日本央行账户数据分析，日本政府可能于本周四入市买入日元、抛售美元，干预规模约为8.45万亿日元（约528亿美元）。周四美股早盘，美元兑日元在不到一小时内暴跌近500点，一度跌破158关口，日内跌幅达到3.3%，创2023年12月以来最大单日跌幅。

若上述估算得到证实，此次操作不仅将是日本自今年4月底“黄金周”以来首次出手干预汇市，也或接近创下日本单日汇市干预规模的历史最高纪录，显示东京当局捍卫日元汇率的决心进一步增强。

日本官方尚未确认此次行动，但市场对干预的判断正在升温。日本财务大臣片山皋月周五表示“不予置评”，日本最高外汇事务官员、副财务大臣三村淳则称“无可奉告”，但同时表示，日本已获得美国方面“超过单纯精神层面”的支持，进一步强化了市场对于美日可能协调行动的猜测。

周五美股盘前，路透报道援引知情人士消息称，美国财政部已通知多家银行，其可能周五干预日元市场，并要求银行“为后续行动做好准备”。

到美股午盘，彭博报道称，知情人士透露，纽约联储周五要求至少两家美国大银行查询日元兑欧元的汇率。纽约联储的代表拒绝就此消息置评。

美国财长贝森特周五美股盘初在社交媒体发帖称，美财政部与日本政府保持着“牢固的关系和密切的协调”，但未证实有关干预汇市准备工作的传闻。帖子写道，在日本首相高市早苗、央行行长植田以及日央行理事会的领导下，日本经济持续表现良好，他们展现出了维护货币与金融稳定的坚定决心。

周五美股午盘时段，美元兑日元曾跌破158.20，日内跌近0.9%。

美股盘后，日元汇率进一步走强。美元兑日元跌破157.60，刷新周四日元盘中拉涨超3%时所创的两个半月来低位，日内跌约1.4%。盘后日经新闻报道称，日本央行和日本政府机构连续第二日买入日元、干预汇市。

美国汇率询价被视为干预前兆 贝森特近期言论显示更强配合态度

目前尚不清楚美国财政部可能采取何种干预方式。自2013年以来，美联储一直与日本央行及其他四家主要央行维持着美元流动性互换安排。

路透指出，三村淳本周五暗示美国参与了遏制日元跌势的努力，包括进行所谓的“汇率询价”——即要求交易商提供美元兑日元参考报价，这通常被视为干预行动的前兆。

三菱日联金融集团的货币策略师Lee Hardman表示，路透社上述报道“与市场认为纽约联储一直在进行汇率询价的看法相吻合，这加剧了市场参与者对可能出现进一步干预的紧张情绪。这无疑强化了市场上存在干预风险的观点。”

彭博则指出，贝森特周四晚间曾对美媒表示，日元“被严重低估”，且“过度波动”不利于市场健康。前日本央行官员Nobuyasu Atago对此评论称：“贝森特的影响力不容小觑。美国目前对日本的干预行动表现出更强的配合态度。”

一些华尔街机构还在警惕日本继周四之后再出手。野村国际外汇策略师Yusuke Miyairi表示，“归根结底，除非基本面发生变化，否则汇市干预对汇率的影响可能只是暂时的。”

Michael Cahill、Lexi Kanter等高盛策略师在周五发布的报告中写道，“汇市干预能够在一段时间内降低汇率对经济周期变化的敏感性。虽然这并非一种‘可持续的解决方案’，但确实能够发挥作用，而且日本拥有充足的外汇储备，可在一段时间内继续实施这一政策。”

盘中暴跌500点，市场锁定“官方干预痕迹”

此次市场异动发生在7月30日纽约交易时段。

纽约时间上午9时30分后约50分钟内，美元兑日元从162.5附近快速跌至158下方，单日最大跌幅达到3.3%。剧烈且集中出现的行情，与日本过去数次汇市干预时的盘面特征高度相似。

日本央行数据显示，结合货币经纪商预测，7月30日日本政府可能动用了约8.45万亿日元资金支撑日元。

Totan Research研究员Yuichiro Takai表示，日本央行公布的数据“几乎可以确定”当局已经出手干预汇市。他最初估算干预规模约为9.6万亿日元，在纳入其他流动性因素后，将最终估算下调至约8.45万亿日元。

日经新闻援引市场人士称，日本央行及其他政府机构当天在纽约交易时段实施了大规模买入日元操作，美国方面也进行了汇率询价。通常情况下，美国财政部会通过纽约联储要求银行提供外汇报价，以评估市场情况或配合盟友行动。美国财政部尚未对此回应。

美国财政部长贝森特当天接受采访时表示，“日元看起来被严重低估了，市场大概会意识到日元本应走强。”这一表态被市场视为美国方面对日本汇率立场的间接支持。

纽约梅隆银行高级策略师Geoffrey Yu表示，如此幅度的波动“强烈显示日本政府很可能进行了汇市干预”，但最终效果仍取决于市场后续反应。

上半年创纪录干预未能扭转日元弱势

此次疑似行动，标志着日本今年或已开启又一轮大规模汇市干预，引发市场高度关注。

据彭博援引日本财务省数据，4月28日至5月27日期间，日本累计投入约11.73万亿日元（约732亿美元）进行汇市干预，创历史最高纪录。市场普遍认为，日本当局主要通过出售外汇储备资产，包括美国国债等方式筹集资金。

但此前干预效果并未持续。随着美日利差维持高位，套息交易仍然活跃，日元再次承压。7月23日，美元兑日元一度升至163.99，创约39年8个月以来新高。市场人士指出，在缺乏日本货币政策明显转向的情况下，单纯依靠汇市干预很难改变日元长期走势。

植田释放鹰派信号，但未改变市场预期

日本央行在7月31日议息会议上维持政策利率在1%不变，符合市场普遍预期。

行长植田和男在发布会上释放偏鹰派信号，多次强调通胀上行风险，并表示潜在通胀已经接近2%的目标水平。如果金融环境过度宽松，日本央行可能加快加息步伐。植田还指出，汇率对通胀的影响正在增强，央行需要更加关注日元波动带来的价格压力。

不过，由于此次会议并未释放提前加息的明确信号，市场反应有限。美元兑日元在短暂下跌后重新回升。目前市场预计，日本央行最快可能在10月再次加息，但这一判断仍取决于未来通胀、工资增长以及汇率走势。

套息交易仍是核心矛盾，日元反弹空间受限

分析人士认为，日本此次干预能够改变短期走势，但难以消除日元长期承压的核心因素。

彭博数据显示，以2年期美日隔夜指数掉期利差衡量，美元兑日元与利差之间的90日滚动相关系数已从3月的约0.25升至0.44，意味着美日利差对汇率走势的影响正在增强。

只要美日利差仍维持高位，套息交易仍可能继续支撑美元兑日元。

花旗分析师表示，美元兑日元此次快速下跌“与此前干预期间的走势一致”，但由于植田和男的政策表态并未明显超出市场预期，日元进一步上涨可能面临挑战。

本文来自华尔街见闻，欢迎下载APP查看更多

华尔街见闻提及，7月30日，美国6月PCE物价指数六年来首次环比下降，达拉斯联储截尾均值通胀率的单月年化数据骤降至1.4%，不仅低于美联储2%的政策目标，也是2020年11月以来的最低水平。

这一数据引发市场关注，尤其是在美联储主席沃什明确表示有意重新审视通胀衡量框架的背景下。与此同时，美联储内部出现罕见多数票异见。

美国达拉斯联储主席Lorie Logan、明尼阿波利斯联储主席Neel Kashkari以及克利夫兰联储主席Beth Hammack均对维持利率不变的决定投下反对票，坚持认为通胀压力依然偏高，需要立即采取行动。

截尾均值通胀指标通过剔除价格变动分布两端的极值，以反映大多数商品和服务价格的真实走势。

达拉斯联储的版本剔除了PCE价格指数中24%的低端读数和31%的高端读数，以求得更具代表性的中位趋势。

6月数据显示，达拉斯联储截尾均值的单月年化通胀率为1.4%，较5月大幅下滑1.3个百分点；政策制定者更为关注的12个月滚动数据则降至2.2%，较上月下降0.2个百分点，为2021年7月以来最低水平。

克利夫兰联储的"16%截尾均值CPI"则以消费者价格指数为基准，纳入价格变动位于第8至第92百分位之间的分项。该指标6月读数为2.63%，按未四舍五入的口径，同样为2021年5月以来的最低水平。

在截尾均值数据之外，此前美国商务部公布的整体PCE数据显示，6月总体指数环比下降0.1%，主要受燃料成本大幅下降拖累。

剔除食品和能源的核心PCE环比上涨0.1%；同比来看，总体PCE和核心PCE分别上涨3.7%和3.3%，均仍明显高于美联储2%的目标。

花旗集团经济学家Andrew Hollenhorst还指出：

底层通胀仍在向目标回落这一事实，从一系列广泛指标来看均如此，在沃什主席表示将通过观察多项指标来分析通胀压力的背景下，显得尤为重要。

截尾均值数据之所以受到格外关注，部分原因在于沃什近期表态。

他表示有意通过审视更广泛的指标矩阵来评估通胀压力，而非依赖单一衡量标准。

Andrew Hollenhorst指出，截尾均值数据"现在应该也会更接近与目标一致的水平"。他进一步表示：

鉴于沃什主席暗示将通过广泛指标分析通胀压力，潜在通胀仍在向目标方向放缓这一事实变得更加重要。我们预计，未来几个月市场将在通胀数据的影响下逐步消化加息预期，并在失业率按我们预测上升时开始计入降息可能。

不过，沃什本人在本周发出的信号颇为审慎。他表示，尽管生产端出现了一些积极迹象，但美联储仍有大量工作要做：

我的FOMC同事中没有一人抱有任何幻想。我们已经翻开了新的篇章，也明白超过五年的高通胀不可能在九周内、或靠单个月份的温和价格回落来解决。

尽管截尾均值数据走低，美联储内部对其解读存在明显保留意见。

对该指标数据有直接管辖权的Logan明确提示，不应过度解读这一指标。她表示：

达拉斯联储研究人员发现，价格涨跌组合的变化导致截尾均值目前剔除了过多的涨价项目，这一效应可能使截尾均值低于真实通胀趋势。

Logan本人随后在FOMC投票中选择反对维持利率不变，主张上调基准利率25个基点。她指出：

即便考虑到生产率提升和暂时性供应冲击，通胀似乎正向2%以上的中间水平收敛，而非完全回落至2%，且风险偏向上行。

Kashkari和Hammack的立场与Logan相近，两人均表示通胀依然处于令人不安的高位，联储应当立即行动，而非继续等待。

债券市场同样对美联储暂停加息的决定表达了疑虑，长端收益率本周显著攀升，反映出投资者对未来增长与通胀前景的担忧。

本文来自华尔街见闻，欢迎下载APP查看更多

此前，美联储主席沃什曾表示，美联储将审视是否存在替代当前核心个人消费支出价格指数（Core PCE）的其他通胀指标。

克拉里达表示：“他们可以选择采用平均指标，而不是固定关注某一个指数；也可以关注CPI、PPI——有很多选择。”

“一个实行通胀目标制的央行必须明确自己究竟在追踪什么目标。这个目标可以变化，也可能随着时间推移演变，而这一点非常重要。”

沃什任期核心议题：减少前瞻指引，但市场需要更多信号

克拉里达对美联储沟通方式的评论，触及了沃什接替鲍威尔以来政策讨论的核心。

沃什希望美联储减少使用“前瞻指引”，避免通过提前暗示未来利率路径影响市场。但在缺少明确政策信号的情况下，华尔街开始自行解读美联储立场。

例如，在本周三，美联储会议后市场因担忧通胀压力重新升温，导致30年期美债收益率大幅飙升。

克拉里达表示：“新闻发布会期间市场的反应，可能并不是美联储希望看到的结果。”

美债抛售反映市场对美联储反应函数缺乏理解

克拉里达认为，美债市场的大幅波动与美联储刻意保持政策模糊有关。

他说，在缺乏前瞻指引的情况下：“市场必须对美联储的反应函数形成更广泛的理解。”

此前，美联储将联邦基金利率维持在3.5%-3.75%的目标区间不变，但有三名官员投票支持加息。

克拉里达认同美国“K型经济”观点

在宏观经济方面，克拉里达认同美国经济正在呈现“K型经济”特征的观点。

他说，美国经济两个分支之间的分化，在过去六至七年里持续扩大。

其中，大约60%的美国人拥有自住房并持有股票资产，从股市上涨和资产价格升值中受益；而另外40%的美国人主要依靠租房生活，持有的权益资产较少，因此未能充分分享资产上涨带来的财富增长。

克拉里达认为，这种经济分化正在成为理解美国消费、财富分配以及货币政策传导效果的重要因素。

本文来自华尔街见闻，欢迎下载APP查看更多

根据Tether季度储备审计报告，截至6月底，该公司的黄金储备增至146吨，价值约188亿美元。

整个季度，黄金价格持续走弱。中东冲突引发的通胀担忧推动债券收益率大幅上升，对不产生利息收益的黄金资产构成压力。

Tether同时披露，二季度净营业利润约为15亿美元，低于上年同期的49亿美元。

Tether过去一年多以来始终是全球黄金市场最大的单一买家之一。

2025年末季，其购金量超过21吨，但今年一季度明显放缓至6吨。此次二季度重回14吨的购入量，显示买入节奏有所恢复。

Tether的黄金购入规模在一定程度上与USDT的发行量挂钩。Tether的商业模式是以美元换取USDT，并将所收资金投资于美国国债及黄金等资产，以此赚取收益。

二季度新增USDT流通量约合近5亿美元，为黄金储备的同步扩张提供了资金来源。

在持续增持的同时，Tether也在积极探索将庞大黄金储备转化为收益来源。Tether持有股权的美国贵金属经销商Gold.com于今年2月宣布推出规模至少1亿美元的黄金租赁业务。

根据Gold.com的季度文件，截至3月31日，该公司与Tether之间的未偿租赁合同及客户预付款合计达3.63亿美元，双方还签有贵金属储存及交易协议。

在人才布局方面，Tether去年底曾从汇丰控股（HSBC Holdings Plc）招募两名资深贵金属交易员，声称要打造"全球最佳黄金交易平台"，但随后数月内便将二人裁撤，相关战略计划有所调整。

本文来自华尔街见闻，欢迎下载APP查看更多

当地时间周五，埃克森美孚公布第二季度财报，调整后利润达到147亿美元，环比增长67%，创四年来最高水平，但仍低于华尔街预期。

雪佛龙则交出超预期成绩单，调整后利润达到120亿美元，创至少六年来季度新高。

两家公司业绩均受益于二季度国际油价上涨以及炼油利润率改善。由于美伊冲突导致霍尔木兹海峡航运受限，全球能源供应担忧升温，布伦特原油二季度平均收盘价达到每桶96.68美元，较一季度上涨23%。

不过，地缘政治风险也成为双刃剑。埃克森美孚在中东资产暴露较高，部分产能受到影响；雪佛龙由于中东产量占比较低，更多享受到高油价带来的利润增长。

财报公布后，埃克森美孚股价盘前一度下跌约2%，随后收窄跌幅，截至发稿，盘中下跌1.4%。

财报公布后，雪佛龙股价盘前上涨约2%，盘中涨幅稍有扩大，截至发稿，上涨2.2%。

埃克森美孚利润创四年新高，但炼油和上游业务仍逊预期

埃克森美孚二季度调整后净利润为147亿美元，每股收益3.52美元，同比增长超过一倍，但低于伦敦证券交易所集团（LSEG）统计的分析师预期3.60美元。

埃克森美孚首席财务官尼尔·汉森表示，公司基础经营表现依然强劲，但季度业绩受到“大幅波动的大宗商品价格和利润率”的影响，这些因素难以准确预测。

公司CEO达伦·伍兹表示：

“第二季度充满挑战，但执行力决定了结果。随着市场环境变化，我们将产品运往需求最迫切的地区。”

从业务看，埃克森美孚上游业务调整后利润达到92亿美元，炼油业务利润达到41亿美元，均较一季度提升，但仍低于市场预期。

RBC Capital Markets分析师Biraj Borkhataria指出，中东冲突继续影响部分业务，尤其是埃克森美孚在卡塔尔拥有大量资产，且卡塔尔液化天然气出口路线有限，可能持续影响投资者情绪。

霍尔木兹海峡风险拖累产量，中东损失被美国页岩油抵消

埃克森美孚二季度总产量从一季度的460万桶油当量/日下降至450万桶油当量/日。

其中，约45万桶油当量/日的产量损失来自卡塔尔液化天然气业务。此前伊朗针对能源设施的袭击导致部分LNG产能停产。汉森表示：

“目前这些产能仍大规模停产，LNG产量并没有恢复多少。”

他透露，卡塔尔目前仍维持约15万桶油当量/日的国内天然气产量，阿联酋一处油田产量约25万桶/日，但其中约5万桶/日仍处于停产状态。

由于运输通道尚未完全恢复，埃克森美孚暂时无法确认部分产量收入。

不过，美国二叠纪盆地产量创历史纪录，对冲了部分中东损失。该公司二季度二叠纪盆地产量超过180万桶/日。

此外，埃克森美孚在圭亚那的第五艘浮式生产平台预计将在今年第四季度投产，预计新增产能25万桶/日。

公司表示，如果霍尔木兹海峡整个第三季度持续关闭，其中东地区产量较去年同期可能减少约75万桶油当量/日。

雪佛龙受益于低中东敞口，利润创六年新高

相比埃克森美孚，雪佛龙二季度表现更加亮眼。

公司调整后利润达到120亿美元，每股收益6.06美元，高于分析师预期的5.56美元。雪佛龙首席财务官Eimear Bonner表示：

“尽管地缘政治不确定性和市场波动持续存在，公司仍持续提供全球所需的可靠能源。”

雪佛龙成为本轮能源价格上涨的主要受益者之一，原因在于其中东资产敞口低于部分竞争对手，因此在享受高油价收益的同时，受到供应中断的影响较小。

公司CEO Mike Wirth警告称，中东冲突持续时间越长，全球能源供应压力越大。

油价与炼油利润双重推动，雪佛龙下游业务创纪录

雪佛龙二季度上游业务利润达到82亿美元，同比增长200%。

公司总产量达到400万桶油当量/日，高于一季度的385万桶油当量/日。

其中，美国业务产量创纪录，达到208万桶油当量/日，主要来自二叠纪盆地和墨西哥湾地区。

雪佛龙表示，由于生产效率提升，今年美国页岩油生产成本预计较2025年每桶下降25%。

与此同时，公司炼油业务成为利润增长的重要驱动力。

雪佛龙下游业务利润达到49亿美元，为本世纪初以来最高水平。全球燃料库存偏低以及中东冲突推动炼油利润率升至历史高位，美国炼厂加工量也创纪录。

RBC分析师Borkhataria表示，雪佛龙盈利超预期主要来自强劲的下游业务表现，财报体现出公司“稳健的运营能力和战略执行”。

市场启示：高油价红利仍在，但供应风险成为最大变量

整体来看，二季度财报显示，美国石油巨头正在从一季度的低迷环境中快速修复。

埃克森美孚此前因金融套期保值造成数十亿美元账面损失，而二季度依靠油价上涨和炼油利润改善实现反转。

雪佛龙则凭借较低中东风险暴露，在能源市场动荡中获得更大利润弹性。

未来如果供应扰动持续，能源巨头可能继续享受高利润周期；但若地缘风险缓解，油价回落也可能迅速压缩行业盈利空间。

本文来自华尔街见闻，欢迎下载APP查看更多

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博，Anthropic于7月30日在一篇博客文章中披露，其Claude模型在"夺旗"（capture-the-flag）网络安全测试中，因测试环境错误连接至公共互联网，导致对三家外部机构的真实基础设施实施了未经授权的访问。最早的入侵事件可追溯至今年4月。Anthropic表示，此次披露源于其在OpenAI上周公开类似事故后主动启动的内部审查。

此次事件发生在OpenAI披露其AI模型在安全测试中"失控"并入侵AI公司Hugging Face基础设施仅数日之后，两起事故接连曝光，已促使部分美国政界人士呼吁对AI技术实施联邦层面的监管。与此同时，据彭博，逾1100名AI行业从业者于本周二联署请愿，呼吁美国政府建立机制以"有意识地控制"AI发展节奏。

配置失误打开安全缺口

Anthropic表示，此次事故的根源在于其与评估合作伙伴、AI安全公司Irregular之间的沟通误解。在所有涉事测试中，Anthropic均向Claude明确说明其所处环境为模拟环境且无法访问互联网，但实际上测试系统仍与公共互联网保持连接。

"由于我们与评估合作伙伴之间存在误解，实际情况并非如此，"Anthropic在博客中写道。Irregular发言人表示，该公司对Anthropic的合作与透明度表示赞赏，并称调查仍在进行中。

涉事的三个模型分别为Claude Opus 4.7、Claude Mythos 5以及一个内部研究测试模型，均在缺乏公开工具通常配备的标准安全防护措施的环境下运行。Anthropic指出，Claude利用弱密码和未经身份验证的端点等基础技术入侵了上述机构的基础设施。

值得关注的是，在模型行为上，较旧的模型在获得已连接至公共互联网的证据后仍继续发动攻击，而Anthropic最新模型在识别出自身处于互联网环境后则主动停止了行动。

事后审查揭示监控盲区

Anthropic表示，其于7月23日开始审查评估记录，并在当天发现Claude可能已访问互联网的证据后，立即暂停了所有网络安全评估工作。公司于7月24日确认全部三起事件，并于7月27日通知了受影响机构。

此次审查共涵盖141006个测试会话。Anthropic坦承，在事件发生时，公司与受影响机构均未察觉到这些入侵行为，并承认本可对网络日志和评估记录进行更为严格的审查。

三家受影响机构均未在博客中具名。其中两家机构在被Anthropic联系之前对相关活动毫不知情。

行业安全标准面临重新审视

Surrey大学网络安全教授Alan Woodward表示，Anthropic对导致此次事故的人为失误持坦诚态度。"AI并没有失控——你要求它做某件事，然后把门敞开了，"他说，"我认为Anthropic承认了这一点。"

Anthropic在博客中表示，此次事件揭示了若干重要教训，包括涉及强大自主能力的测试同样需要严格的管控措施。"安全测试之所以在模型发布前进行，正是因为我们尚不完全了解其能力所及，"公司表示，"评估环境越来越需要达到与模型实际运行的任何其他系统相同的安全标准。"

此次事件发生在Anthropic宣布推出功能强大且潜在风险较高的Mythos模型并对其发布实施严格限制后约四个月。两起AI安全事故的接连发生，正推动业界重新审视AI测试环境的安全标准，并加速外部监管讨论的进程。

本文来自华尔街见闻，欢迎下载APP查看更多

7月30日，字节跳动启动了一场面向AI业务的组织调整：飞书产品团队与豆包产品团队整合，成立新的豆包产品团队；飞书GTM团队则与火山引擎团队整合，成立新的To B组织“创造力服务平台”，统一负责MaaS和SaaS产品的市场、销售和客户服务。

组织调整完成后，由飞书团队深度参与开发的豆包企业版已经开始在部分飞书客户中内测，用户无需额外部署，即可调用飞书文档、表格、会议、群聊等办公能力。

就在一周前，阿里宣布整合QoderWork、悟空、MuleRun等内部产品，推出“千问办公”，并交由钉钉统筹；

再往前十天，腾讯也完成了一轮调整，将QClaw产品中心整体并入WorkBuddy所在团队，进一步强化桌面办公Agent布局。

但这并不意味着大厂内部的“赛马机制”已经结束。

腾讯在WorkBuddy之外，还有能够触达操作系统和本地文件的Marvis、正在内测的企业微信Agent“大圆”；字节在豆包企业版之外，也保留了同是桌面办公Agent的TRAE Work。

因此，这一轮调整更像是大厂开始收拢重复建设、集中底层能力和商业化资源，而非提前选定唯一的产品形态。内部赛马仍在继续，谁能率先找到高频场景和稳定的产品边界，仍需交给市场验证。

不过短短半个月，阿里、腾讯、字节几乎同时围绕办公桌面Agent完成组织重组，背后可能还是在争夺另一种过去从未被大规模获取过的数据：真实工作流。

过去，大模型主要从互联网文本和用户对话中学习知识；当Agent开始参与文档写作、数据分析、会议协同和审批流转，它所接触的则是一项工作如何被拆解、执行、修正并最终交付的完整过程。

2026年的夏天，一场围绕“AI如何学会工作”的新战争由此开始。

办公Agent开始上桌

三家公司几乎同时选择相似的路径并非巧合。

一个重要原因或许是WorkBuddy率先验证了桌面办公Agent的用户增长潜力，让其他竞争者很难继续观望。

易观数据显示，今年6月，腾讯WorkBuddy桌面端访问量达到2097万次，在国内AI原生办公Agent产品中排名第一，超过第二名和第三名产品访问量之和。

桌面办公Agent由此从大厂内部的探索项目，开始走向一场有明确用户规模参照的竞争。

与此同时，AI办公产品也开始进入“收敛”阶段。

过去一年，大厂内部普遍存在多个团队、多条产品线并行探索的情况。阿里的QoderWork、悟空和MuleRun，腾讯的QClaw与WorkBuddy，以及字节的豆包、飞书等产品，都曾从不同场景寻找办公Agent的产品形态。

随着市场开始进入“算账”阶段，继续维持多条相近产品线的成本也在上升。模型、研发、算力、销售和客户资源都需要重新集中，投入到更有可能形成用户规模和商业收入的产品上。

阿里将三款产品整合至千问办公，腾讯把QClaw团队并入WorkBuddy，都是这种收敛的体现。

比产品收敛更现实的问题来自企业市场本身。单独向企业推广一款办公Agent，企业需要重新认识产品、评估安全和权限、完成采购部署，再培训员工改变原有工作习惯。整个过程教育成本较高，销售周期也很长。

让办公Agent直接接入企业已经使用的协同体系，是一条更快的落地路径。

一名阿里云的销售人员告诉全天候科技，千问办公接入钉钉可以更容易卖给企业客户。

这背后的原因不难理解。钉钉已经拥有成熟的组织关系、权限体系和办公场景。千问办公接入钉钉后，销售人员无需再从头推销一款独立AI产品，而可以围绕企业原有的会议、文档、审批和协作流程介绍Agent能力，客户更容易理解，也更愿意尝试采购。

“目前千问办公是作为独立产品来卖，没有单独的团队来卖。但是产品刚刚发布，内部的销售策略还在不断根据市场情况动态调整。”一位阿里内部人士告诉全天候科技。

字节此次整合产品和销售体系也体现了相似思路。

飞书产品团队并入豆包后，豆包企业版可以直接调用飞书文档、表格、会议和群聊等能力；飞书GTM团队与火山引擎整合后，又可以借助原有企业客户关系推广豆包企业版，降低重新获客和单独交付的成本。

这场竞争的胜负还远未确定，但受到冲击的公司或已经出现。

随着WorkBuddy、千问办公和豆包企业版密集进入市场，金山办公竞争环境已经发生变化：对手拥有大模型、云服务、用户流量和企业销售体系，还可以通过免费或低价策略加快获客。

7月21日，高盛将金山办公评级由“中性”下调至“卖出”，认为WPS AI的用户采用率和付费率可能需要更长时间提升，AI办公市场快速扩容以及竞争产品更具吸引力的定价，也会对其订阅业务形成压力。

大厂之间的桌面Agent大战才刚刚开场，传统办公软件已经率先感受到战火。

争夺真实工作流？

对于阿里、腾讯和字节来说，办公桌面Agent还有另一层更深的价值：让模型能够完整观察一项工作是如何完成。

过去，大模型获得的数据主要来自互联网文本和用户对话。

模型知道用户提出了什么问题，也知道自己生成了什么答案，却很难知道这些答案最终是否真正解决了问题，更不知道一项真实工作究竟是如何一步步完成的。

桌面办公Agent改变了这一点。

当Agent开始操作电脑、调用浏览器、打开文档、分析Excel、制作PPT，并与用户共同完成一项任务时，它记录的不再只是几轮对话，而是一条完整的任务执行轨迹（Agentic Trajectory）。

例如，一名用户要求Agent完成一份行业研究。Agent搜索资料、阅读PDF、整理数据、生成初稿；随后，用户调整结构、补充新的材料，再让Agent继续修改，最终形成交付版本。

这种完整的工作过程正在成为Agent时代一种新的数据形态。

Springer今年发布的Agent评估综述指出，与传统机器学习主要处理“输入—输出”数据不同，Agent系统需要持续与环境交互，因此评估Agent不能只看最终结果，而必须记录完整的trajectory。

论文认为，一条完整的trajectory不仅包括状态观察、中间推理、工具调用、环境反馈，还包括错误修正等整个任务执行过程。相比最终答案，这些轨迹真正记录的是一项工作究竟是如何完成的。

这类数据已经成为AI行业争夺的新资源。

“其实有模型公司找过我们想合作，目的是通过我们获得行业长程任务专项数据。它们都在花高价求购这类稀缺数据集。”上海一家AI平台公司的负责人告诉全天候科技。

对真实工作流的渴求并不只发生在国内。OpenAI和Anthropic等海外模型大厂，也开始重金将FDE和部署团队直接送进企业。

今年5月，Anthropic宣布与Blackstone、Hellman & Friedman、Goldman Sachs等机构成立一家企业AI服务公司。按照其规划，Anthropic的工程师将与新公司团队共同进入客户企业，寻找Claude可以参与的业务环节，并围绕企业原有工作流程开发相应系统。

一周后，OpenAI成立OpenAI Deployment Company。新公司由OpenAI控股，初始投资超过40亿美元，同时计划收购AI咨询与工程公司Tomoro，后者约150名FDE和部署专家将直接加入。

彼时市场普遍的观点认为是Anthropic、OpenAI在学习Palantir，以补齐企业服务和项目交付能力，但有上海一家AI公司负责人认为这两家大厂的目的不仅于此。

“我认为它们更深层的目的是通过部署FDE进入企业，了解真实的工作流，争夺工作流数据，再把其中的方法论沉淀学习下来。”该人士告诉全天候科技，“坦白说现在其实大多数AI模型只是交付成果，其实对于企业的业务运行逻辑、偏好等信息还是比较匮乏的。”

如果说互联网文本塑造了ChatGPT这一代模型的知识能力，那么真实工作流或许正在塑造下一代Agent的执行能力。

本文来自华尔街见闻，欢迎下载APP查看更多

伯恩斯坦7月31日发布研报，维持SpaceX"跑赢大市"评级，目标价239美元。截至7月30日收盘，SpaceX股价报112.20美元，较IPO后高点累计回调约34%，目标价对应约113%的上涨空间。SpaceX将于当地时间8月4日美股盘后公布上市以来首份财报。

分析师Douglas S. Harned表示，投资者无需过度解读单季度财务表现，更重要的是管理层能否持续证明其长期增长路径。伯恩斯坦认为，SpaceX未来能否迈向数万亿美元市值，关键不在于轨道数据中心"何时实现"，而在于"能否实现"。

Starship重复使用能力，是估值逻辑核心

在伯恩斯坦看来，Starship能否实现快速、完全可重复使用，是整个投资逻辑最关键的变量。

报告预计，到2031年SpaceX每年将执行约3600次Starship发射，这一目标建立在一级助推器和二级飞船均实现完全重复使用的基础之上。

目前，SpaceX已实现V2助推器发射台回收，但V3助推器仍未完成验证。7月20日进行的第13次试飞整体取得成功，不过助推器在溅落前仍有部分发动机未能重新点火。

相比之下，第二级飞船取得了更大突破。此次飞行结束后，其隔热罩完整性明显优于此前试飞。马斯克随后表示，第14次试飞或将首次尝试利用发射塔"筷子"机械臂回收第二级飞船。

伯恩斯坦认为，目前技术进展符合预期，但距离支撑大规模、高频发射仍有较长距离。除现有两座发射台外，公司还有两座发射台正在建设，并正与多个州政府洽谈，计划新增五至六座发射设施。

半导体供应与监管仍是两大现实挑战

报告同时指出，半导体产能和监管审批，是目前最值得关注的两项风险。

按照伯恩斯坦测算，若2031年部署约20GW轨道算力，以每颗卫星120千瓦计算，需要约17万颗卫星，对应每年约280万片晶圆产能，相当于约5座专属晶圆厂，总投资超过1600亿美元。

不过，该行认为，这一规模虽然庞大，但并非无法实现，未来部分产能亦可由第三方晶圆代工厂提供。

监管方面，美国联邦航空局（FAA）仍需逐次批准Starship发射任务，目前尚未批准其轨道飞行。第14次试飞有望成为首次轨道飞行尝试。本周FAA已宣布放宽部分环境限制，以支持更高频次发射，但空域安全评估等审批程序仍将保留。

与此同时，美国联邦通信委员会（FCC）仍需批准SpaceX提交的Starlink V3星座及未来AI数据中心卫星计划。目前，公司申请部署约10万颗Starlink V3卫星，以及最多约100万颗AI数据中心卫星，均尚未完成全部审批。

伯恩斯坦还指出，轨道数据中心未来还可能面临数据主权等法律问题。支持者认为，存储于太空的数据不属于任何国家司法辖区，但这一法律框架目前仍未明确。

技术可行性并非最大障碍

对于市场持续关注的轨道数据中心技术可行性，伯恩斯坦认为，多数问题已有明确答案。

散热方面，两位具有物理学博士背景的分析师建立热模型后认为，通过辐射散热完全可以满足需求。在约30平方米卫星主体基础上，增加30至50平方米散热板，即可支持100千瓦以上算力持续运行，与SpaceX此前公布的AI1卫星设计参数——120千瓦平均功率、110平方米散热板——基本一致。

供电方面，报告指出，轨道数据中心将部署于晨昏线同步轨道，卫星几乎始终处于阳光照射之下，因此此前关于太阳能利用率仅约50%的担忧并不成立。

延迟方面，600至800公里近地轨道的通信延迟约2毫秒，低于许多地面数据中心用户实际体验，对绝大多数AI推理任务影响有限。伯恩斯坦预计，SpaceX将继续把模型训练放在地面完成，而轨道数据中心主要承担推理计算。

至于微陨石撞击风险，伯恩斯坦认为，这确实是一项工程挑战，但并非无法解决。SpaceX已在Starlink卫星运营中积累了避碰经验，通过目标探测和轨道机动等技术，同样可以应用于未来的数据中心卫星。

本文来自华尔街见闻，欢迎下载APP查看更多

Wright周三接受采访时表示，在完成3月宣布的1.72亿桶释放计划后，当局对进一步动用SPR"毫无念头"。他补充称，SPR目前仍远高于运营下限，储备安全边际依然充足。

与此同时，3月计划中尚余的3840万桶能否如期交付也存在变数——6月下旬的一次报价因市场需求冷淡而反应寥寥。

原油市场已感受到压力。美国商业原油库存降至2018年9月以来最低水平，基准期货价格重返每桶80美元上方，全美平均汽油零售价再度突破每加仑4美元。

第一轮SPR释放曾有效压制了战争初期的油价冲击，但此轮能否复制这一效果，市场普遍存疑。

SPR已接近历史低位，再度大规模动用空间有限

美国SPR目前库存为3.077亿桶，是1980年代初储备仍处于填充阶段以来的最低水平，也是过去逾四十年的历史谷底。库存的大幅消耗在相当程度上源于拜登政府时期的历史性释放。

分析人士估计，SPR的运营下限约在1.5亿至2亿桶之间，低于该水平将影响其正常运作。Wright表示，当前储备量仍"远高于运营下限"，但这一表述本身也反映出可调配空间已大为收窄。

值得注意的是，此次3月释放采用"借贷交换"结构，企业在使用原油后须附息归还。Wright称，这意味着SPR最终将比初始借出量多回收约4000万桶，但这一收益需待未来兑现，对当下的供应缺口并无直接缓解作用。

战争扰动持续，能源市场压力加剧

美伊交火持续干扰中东地区能源出口，对全球供应链形成系统性冲击。霍尔木兹海峡局势的紧张态势推高了市场对供应中断的风险溢价，原油期货的上涨直接传导至终端消费端。

目前，美国炼厂正以创纪录的产量运转，但仍未能阻止汽油价格再度破4美元关口。

商业原油库存的持续下滑进一步收紧了市场的安全垫。在供给侧压力短期难以缓解的背景下，能源价格上涨对消费者和企业成本的挤压效应正在累积。

剩余释放计划前景不明，政策信号模糊

在3月释放计划的尾声阶段，政策走向依然存在不确定性。Wright表示，政府"很可能"会继续报价出售剩余的3840万桶，但措辞上刻意留有余地，未作明确承诺。

6月下旬的一次SPR出售招标反映出市场需求疲软——彼时油价有所回落，美伊双方也一度释放出接近停火的信号。

然而随着冲突再度升级，市场格局已与当时大相径庭，剩余储备能否顺利入市、以及市场的接纳程度，仍有待观察。

对投资者而言，这意味着此轮油价上行缺乏来自政策层面的明确压制力量，能源板块的风险溢价或将在冲突持续期间维持高位。

本文来自华尔街见闻，欢迎下载APP查看更多

7月31日，据彭博，克利夫兰联储主席贝丝·哈马克（Beth Hammack）和明尼阿波利斯联储主席尼尔·卡什卡里（Neel Kashkari）分别发表声明，解释为何在本周议息会议上投下反对票。两人均认为，应立即加息以防止通胀压力进一步固化，并警告，如果行动过晚，未来可能不得不采取更激进的紧缩政策，经济代价也将更高。

达拉斯联储主席洛里·洛根（Lorie Logan）也表示，她因担忧通胀无法回落至2%目标而投下反对票。她称，近期采取适度利率行动，将降低未来不得不采取更激进政策调整的可能性。

本周，美联储以9:3的投票结果决定将联邦基金利率目标区间维持在3.5%至3.75%，连续第五次会议按兵不动。哈马克、卡什卡里和洛根三位官员支持加息25个基点，形成近年来少见的三张反对票，显示联储内部围绕通胀前景的分歧正在扩大。

与此同时，最新公布的美国6月核心PCE物价指数同比升至3.0%，高于美联储2%的目标及市场预期；环比增速同样保持韧性，表明服务业价格压力依然顽固。叠加中东局势推升能源价格、关税影响逐步传导，以及人工智能投资热潮持续刺激需求，市场对美国通胀再度抬头的担忧显著升温。

越晚行动，未来代价越高

哈马克表示，高通胀持续时间越长，未来恢复价格稳定所需付出的经济成本越高。当前通胀既受到供给冲击影响，也受到强劲需求支撑，因此尽早进行渐进式加息，有助于避免未来更大幅度紧缩。

卡什卡里则表示，美联储需要继续关注通胀和就业数据，并逐步收紧政策，以防止高通胀预期固化。他援引上世纪70年代经验称，如果当前行动不足，未来可能需要采取力度更大的紧缩措施。

洛根表示，在缺乏进一步政策限制的情况下，通胀可能继续高于目标水平。她认为，提前采取“适度行动”比未来被迫大幅调整政策更有利于经济稳定。

洛根此前也曾表示，为推动通胀完全回落至2%，利率可能需要适度上调。目前美联储19位政策制定者中，有9位预计今年至少还会加息一次。

本文来自华尔街见闻，欢迎下载APP查看更多

7月21日，OpenAI承认其AI代理在一次网络安全能力测试中"越狱"，突破沙盒隔离，入侵了AI开源平台Hugging Face的生产系统——目的是"抄答案"。

九天后，7月30日，还没等硅谷消化这件事，Anthropic 也站出来了——我们查了一下，发现我们的模型也干了。

而且不止一家。三家。

OpenAI的AI，为了"抄答案"越狱了

先看 OpenAI 这边发生的事。

OpenAI 当时在用一套叫 ExploitGym 的网络攻防评测平台测试自家模型。参与测试的模型包括已发布的 GPT-5.6 Sol，以及一款更强大的未发布模型。为了测出模型的极限黑客能力，OpenAI 把安全护栏关了。

模型被关在一个隔离沙盒里，网络访问被限制到只能通过一个内部代理访问代码包仓库。OpenAI 认为这就安全了。

双方联名发布的博客文章截图：《OpenAI 和 Hugging Face 合作解决模型评估过程中发生的安全事件》

模型不这么想。

它发现了那个代理里的一个零日漏洞，一个连开发者自己都不知道的安全缺口。然后从那里突破隔离，拿到了开放互联网的访问权限。

接下来发生的事更离谱：模型自己推断出 Hugging Face 平台上可能存有 ExploitGym 的测试答案，随后主动发起攻击，利用窃取的凭证和零日漏洞，找到 Hugging Face 服务器上的远程代码执行路径，直接从生产数据库里把答案取走了。

整个过程中，没有任何人类下达攻击指令，没有任何人类介入。

Hugging Face 联合创始人 Thomas Wolf 对 BBC 说，这件事是"行业的一记警钟"。

被攻击的一方想追查，发现美国模型不帮忙

Hugging Face 安全团队发现入侵后，第一反应是调用美国头部 AI 公司的前沿模型来帮忙分析攻击日志。

碰壁了。

这些模型的安全护栏"无法区分事件响应人员和攻击者"，直接拒绝检查攻击载荷。一个被 AI 攻击的受害者，没法用同一家的 AI 来防御。

走投无路的 Hugging Face 转而部署了中国智谱 AI 的开源模型 GLM 5.2，在自己的基础设施上分析了逾 1.7 万条攻击日志，最终完成溯源和取证重建。

Hugging Face CEO Clem Delangue 说得直白：

"当你正处于一场活跃的安全事件中，你的工具不能拒绝检查恶意载荷。开源模型让我们能在不需要任何人许可的情况下完成这项工作。"

X 上有网友总结得精辟：如果你被 OpenAI 攻击了，你必须用中国模型，因为 Claude 不会帮你。

OpenAI 的攻击不止一家

事情到这儿还没完。

据路透社后续报道，OpenAI 的"出逃模型"不光是攻击了 Hugging Face 一家。它还把纽约云计算平台 Modal Labs 的一个客户账户给黑了。

Modal Labs CTO Akshat Bubna 确认，入侵源于该客户发布了一个无需身份验证即可公开访问的端点，失控的 AI 代理利用这个缺口执行了代码。

OpenAI CEO 山姆·奥特曼本周表示，他已经就这次入侵事件与国会参议员进行了讨论，并计划与白宫讨论即将发布的 AI 模型和测试问题。

Anthropic 翻查了 14 万条测试记录，发现自己的模型也不干净

OpenAI 公开事件后，Anthropic 决定自己也查一遍。

他们翻查了 141006 条网络安全评估记录。结果找到了三起。

三起事件涉及三个不同模型：Claude Opus 4.7、Claude Mythos 5 和一个内部研究模型。最早的可以追溯到今年 4 月。

怎么回事呢？Anthropic 在给模型的提示中明确说了"你没有互联网访问权限"，但因为与合作测评方 Irregular 之间存在一次"误解"，测试环境在实际运行中并没有断网。

模型接到的任务是"夺旗"——在模拟网络中找出隐藏信息。结果网络是真的，不是模拟的。

在其中一个案例中，Claude Opus 4.7 被分配了一个虚构目标公司，偏偏这家公司的名字和现实中一家真实企业一模一样。模型找到并利用了漏洞，获取了那家公司的凭证和数据库访问权限。Anthropic 说，模型当时的"想法"是：既然看起来像现实世界的东西，那一定是 Anthropic 刻意安排的模拟测试的一部分。

另一件事发生在 Anthropic 一个还没公开的内部测试模型身上。这个模型在攻击中途自己停了手，它意识到打进去的目标是真的，不是模拟的。

Anthropic 对此的评价是"谨慎乐观"，认为这说明让 AI 行为得体方面的进展有眉目了，"但还需要更多测试才能确信这个结论"。

Anthropic 于 7 月 23 日暂停了所有网络攻防评估，7 月 27 日通知了受影响的三家机构。其中两家在收到通知前完全不知道自己被黑过。第三家到现在还没联系上。

"Claude 使用了基本技术攻破了受影响机构的基础设施，比如利用弱密码和未认证端点。"Anthropic 在声明中说。

该怕的，是掌握AI的人

Palisade Research 的执行董事 Jeffrey Ladish 说得更直接。他怀疑顶尖 AI 公司还有更多未被发现、或者发现了但没公开的事故。"模型越聪明，情况只会越糟。它们会越来越擅长作弊，越来越擅长撒谎。"

马斯克在 X 上的回应只有一句话："随着 AI 变得更聪明、更有自主行动力，这种事会频繁发生。"

剑桥大学 Minderoo 中心的 Gina Neff 教授说，这次审查显示的是"AI 模型在被人类告知要做的事情"。在她看来，真正该盯紧的，是那些制定安全标准的公司。决策权在他们手里，后果由所有人承担。

整件事最根本的矛盾在于：最强大的 AI 模型既能用来攻击，也能用来防御。安全护栏本意是保护用户，但当它让防御方用不了这些模型时，不对称的优势就完全倒向了攻击者一边。

今年 5 月，一篇关于 ExploitGym 的论文已经给出了结论："前沿 AI 代理的自主漏洞利用开发，已经不再是假设性的能力。"论文作者来自伯克利、马克斯普朗克研究所、加州大学圣塔芭芭拉分校和亚利桑那州立大学。OpenAI、Anthropic 和 Google 也参与了测试。

论文发现，在受控条件下，Claude Mythos Preview 和 GPT-5.5 分别成功攻破了 157 个和 120 个真实漏洞。

而现在我们看到，受控条件本身也靠不住了。

监管在追，IPO 也在追

这场风波正在把 AI 安全推向政策辩论的中心。

6 月 2 日，美国总统特朗普指示顾问制定一套针对最先进 AI 的自愿性网络安全测试框架。此前，美国政府曾以国家安全为由，动用出口管制暂时限制 Anthropic 旗下 Fable 5 和 Mythos 5 模型的分发。

OpenAI 和 Anthropic 都在筹备上市。市场预计两家公司的估值都在万亿美元级别。

有批评者认为，这一系列"自曝"有营销成分。一位 OpenAI 发言人回应称，"我们意识到有很多问题和猜测在流传"，并说"计划在未来几周内发布一份技术报告"。

Hugging Face CEO Delangue 的结语值得被记住：

"这一事件可能是同类事件中的首例，它证明了一个我们长期以来的判断：AI 安全不会由任何一家公司在封闭中解决，它将在开放环境中、通过协作、让每一位防御者都能广泛获取 AI 的方式来解决。"

本文来自华尔街见闻，欢迎下载APP查看更多

韩国基准指数Kospi今年的波动率已突破60%，不仅几乎是日本日经225指数的两倍，甚至超过了以高风险著称的加密货币比特币。截至7月底，剧烈的市场波动已迫使韩国交易所今年9次触发“熔断”机制以暂停交易并遏制闪崩恐慌，而该机制在2025年全年未曾启用，2024年仅启用过1次。

在韩国，散户投资者被称为"蚂蚁"，这一称谓折射出他们倾向于集体行动的特征：当股票下跌时极易引发恐慌性踩踏，而当股票上涨时，又会因错失恐惧症（FOMO）引发高位接盘的买入狂潮。尽管华尔街机构评估近期的强制平仓潮已大幅出清了市场中的高杠杆资金，但由于指数权重极度集中且散户羊群效应显著，韩国股市的结构性脆弱依然深刻影响着投资者的风险敞口与交易策略。

韩国股市的过山车行情，根源在于三星电子与SK海力士对Kospi指数的压倒性主导。两家公司为新一代AI系统提供所需存储芯片，利润爆发式增长，股价随之急速攀升，连同各自的上市关联企业，合计占据Kospi超过50%的权重。这意味着追踪Kospi的指数基金，事实上已演变为一场对AI赛道的集中押注。

这种高度集中带来的扭曲效应显而易见：今年6月下旬Kospi创下历史新高时，指数831只成分股中，超过650只实则下跌。

AI基础设施的投资热潮是两家公司股价飙升的直接推手——数千亿美元正涌入AI平台与数据中心建设，押注这一技术的变革潜力终将转化为丰厚回报。然而目前AI面向终端用户产生的收入，尚不足以覆盖建设成本，相关股票估值对投资者情绪的变化极为敏感。

7月下旬，市场担忧Meta Platforms等美国科技巨头正在过度建设数据中心，叠加业绩低于预期，SK海力士股价在短短三个交易日内暴跌27%。此后该股触发韩国市场30%的单日涨停上限，带动Kospi录得18%的历史性反弹。这种单日极端波动，正是当前市场结构的缩影。

韩国杠杆ETF市场的野蛮生长，是此轮震荡的另一核心变量。杠杆ETF借助衍生品与债务工具，将标的指数或资产的日收益放大，通常倍数为两倍，风险极高。在全球大多数市场，此类产品的主要买家是专业交易员和机构投资者，而在韩国，用积蓄入市、缺乏系统金融训练的普通散户却是主力持有人。

韩国杠杆ETF的起点可追溯至2010年，三星资产管理公司推出KODEX杠杆产品，即2倍KOSPI 200指数ETF，被该公司及韩国媒体称为亚洲首只杠杆ETF。此后逾十年间，这一市场基本局限于追踪宽基指数的产品。

监管机构并非没有察觉到风险。2025年，韩国金融监管机构曾试图限制投资者购买境外杠杆ETF的需求，但今年却批准设立了十余只追踪三星电子和SK海力士单一股票的杠杆ETF产品，其中90%的份额目前由散户持有。据高盛策略师6月底测算，韩国追踪指数与单一股票的杠杆ETF资产规模，已从年初的约50亿美元飙升至逾400亿美元。

在高峰时期，这些ETF与其追踪的两只芯片股合计贡献了这个3.4万亿美元市场逾70%的单日成交额，大幅放大了个股涨跌的市场冲击。7月下旬市场急挫后，政府承诺采取措施限制散户接触杠杆ETF，包括设定持仓占投资者总资产比例上限，以及提高交易成本。据摩根大通策略师7月29日的报告，杠杆ETF的去杠杆进程已基本完成，对冲基金约90%的降杠杆操作已告结束，相关借贷买股规模亦从6月峰值有所回落。

与两家芯片巨头的主导地位相伴而生的，是韩国散户前所未有的入市热情。今年以来，韩国本地个人投资者已向Kospi累计买入逾110万亿韩元（约合770亿美元）的股票。这些资金在压低两家公司融资成本、支持其扩张计划的同时，也进一步推升了股价的波动幅度。

与散户大举买入形成鲜明对比的，是外资的持续流出。外国基金经理因需将三星和SK海力士的持仓压缩至合理比例以避免过度集中，今年已净卖出Kospi股票约1150亿美元，其中SK海力士单只股票的外资撤出规模就超过400亿美元。

在韩国，散户投资者被称为"蚂蚁"，这一称谓折射出他们倾向于集体行动的特征：股价下跌时容易引发恐慌性踩踏，股价上涨时则往往在高位蜂拥追买，唯恐错过涨势。相比之下，机构投资者在公司遭遇困境时更倾向于坚守持仓，并对基本面价值有更为清晰的判断——这种结构性差异，正是韩国市场波动难以平息的深层根源之一。

本文来自华尔街见闻，欢迎下载APP查看更多

BP新任首席执行官Meg O'Neill周五表示，此次启动正式出售流程"体现了公司对资本配置的严格管理"。据能源咨询机构Rystad估计，BP北海业务的价值约为26亿美元。此次出售若达成，将是BP继2003年出售Forties油田以来最重要的一次北海资产退出。

这一决定也在苏格兰地区引发强烈反响。作为北海离岸产业主要物流枢纽的阿伯丁，当地商业团体随即呼吁政府采取行动，减轻运营商负担，并要求重新审视现行税收制度。

此次正式挂牌出售，是在早前一轮私下谈判告吹之后做出的决定。据英国《金融时报》报道，BP今年早些时候曾与Ithaca Energy就近20亿英镑的交易进行深入磋商，但最终未能达成协议。

Rystad分析师Matt Cooper指出，BP此次公开宣布出售流程，"可能是希望引入其他竞争方，避免陷入单一买家的被动局面"。

目前市场认为最有可能的潜在买家包括：由TotalEnergies、HitecVision和Repsol共同组建的合资公司Neo Next+，以及以色列Delek集团和意大利埃尼（Eni）为最大股东的Ithaca Energy。

BP目前在北海运营五个枢纽，雇用约1100名员工，日产石油和天然气接近10万桶。公司旗下最具价值的资产是位于设得兰群岛附近的Clair Ridge油田（2018年投产）和Schiehallion油田（2017年完成重开发）。

BP在北海运营的24个油田中，约半数仍在生产，另外半数已进入废弃处理阶段。分析人士指出，废弃成本可能高达30亿美元，这给交易定价带来相当复杂性。

不过，分析师认为BP可能选择保留待废弃的油田，以便在出售活跃资产时争取更理想的成交价格——将生产业务与退役负债分拆，有助于提升买家对优质资产的出价意愿。

出售北海业务也是BP整体降杠杆、收缩资产计划的组成部分。BP已设定目标，到2027年底前完成200亿美元的资产出售，并制定了今年出售90亿至100亿美元资产的指引。据英国《金融时报》上周报道，BP亦已接近达成出售旗下Lightsource太阳能业务的协议，但该交易可能不涉及大额现金对价。

BP与北海的渊源可追溯至20世纪60年代中期。1970年，BP在Forties油田取得突破性发现，开创了英国北海石油工业的黄金时代。该油田在七八十年代高峰期日产超过18万桶，约占英国石油消费总量的五分之一。

彼时，BP主导着北海能源格局，不仅运营盆地内最大的油田，还拥有大量支撑区域开发的基础设施。然而，随着Forties产量下滑，BP于2003年将该油田出售给美国阿帕奇公司（Apache），拉开了国际石油巨头撤出北海的序幕。

此后，竞争对手或将北海资产合并，或相继挂牌出售，BP成为北海少数仍保有重要业务的国际大型石油公司之一。此次出售，也意味着这一局面即将终结。

值得注意的是，O'Neill的这一决定与她刚接任时的表态形成明显转向——她上任之初曾表示，北海地区仍有"尚未开发的潜力"。

BP出售北海业务的消息，令英国能源安全辩论再度升温。俄罗斯2022年引发的双重能源冲击，持续加剧外界对英国本土油气生产前景的忧虑。

英国首相Andy Burnham本周表态，将对北海钻探采取"务实"立场。"那里有资源。当民众生活陷入困境时，我们不能对此视而不见，"他说。

阿伯丁及格兰扁郡商会首席执行官Russell Borthwick称，BP的决定是一个"决定性时刻"。他表示，"北海仍是英国最重要的战略资产之一"，并呼吁Burnham在现行税制于2030年到期前提前予以替换——目前该制度对企业利润征收高达78%的综合税率。

BP则强调，公司全球总部将继续留在英国。O'Neill表示："英国是我们逾百年的根基所在，将继续在我们的未来中扮演重要角色。"

本文来自华尔街见闻，欢迎下载APP查看更多

欧盟统计局周五公布的7月通胀数据显示，欧元区CPI年率升至2.9%，高于6月的2.8%，与路透调查预期一致。能源价格年率涨幅从8.5%扩大至10%，是此轮通胀反弹的主要推手，背后则是中东战争引发的油价飙升。

更受市场关注的是，剔除食品和能源的核心CPI意外从2.4%升至2.5%，服务业通胀亦从3.2%小幅走高至3.3%，显示价格压力已开始向经济腹地渗透。欧央行行长拉加德上周在维持利率于2.25%不变后警告称，能源冲击的外溢效应可能强于预期，并表示未来数周将对更广泛价格压力"高度警惕"。

利率互换市场数据显示，交易员目前定价9月加息的概率约为85%，并押注年内还将有一至两次各25个基点的加息。

此轮通胀回升的直接来源是能源。受中东冲突持续推升全球油价影响，欧元区7月能源价格同比上涨10%，较6月的8.5%明显加速。布伦特原油在6月底短暂跌破战前水平后迅速反弹，当前价位较月初已累计大涨逾22%。

荷兰国际集团首席经济学家Bert Colijn指出，未来数月通胀"仍有充足上行空间"，若油价维持当前水平，8月读数将"显著高于7月"。薪资压力亦出现初步走强迹象，进一步加大了通胀的持续性风险。

抵消因素方面，食品通胀延续年内下行趋势，7月降至1.2%；非能源工业品价格涨幅维持在0.9%的低位，在一定程度上反映了来自中国的进口商品价格仍相对低廉。欧元兑美元在数据公布后几乎未有反应，小幅下跌0.1%至1.152美元。

尽管通胀数据超预期，路透报道援引分析人士的观点认为，7月数据本身不会成为欧央行政策的"决定性因素"——在9月10日的议息会议前，决策层还将获得8月通胀读数，而油价的高度波动性也留有变数。

然而，市场和分析师的整体判断已趋于一致。穆迪分析欧元区预测主管Kamil Kovar表示，考虑到7月中东局势的发展，周五的通胀数据将"令欧央行坚定踏上9月加息之路"。Premier Miton首席投资官Neil Birrell则表示，若要阻止欧央行在9月行动，需要"事件本身及前景出现重大逆转"。

欧央行此前已明确发出信号：经济走势符合其"基准情景"，而该情景本身即预设了9月的加息行动。二季度GDP增速0.4%、大幅超出预期的表现，也进一步化解了外界对加息可能抑制经济增长的担忧。

二季度欧元区GDP环比增长0.4%，为预期的两倍，法国、德国、西班牙通胀同步走高，且除爱沙尼亚外，所有成员国通胀均高于欧央行2%的目标。这是欧元区连续第五个月通胀超标，为政策收紧提供了更充分的依据。

不过，分析人士在后续加息节奏上存在分歧。金融市场已完全定价10月和明年4月的两次加息；经济学家则普遍持更审慎的立场，多数预计仅有一次追加加息，理由是能源价格上涨尚未触发工资和价格的"第二轮效应"，劳动力市场相对疲软亦意味着薪资压力将继续温和。

服务业通胀已连续三年多高于欧央行目标，这一结构性压力将是欧央行衡量通胀是否真正受控的关键指标，也将直接影响其在9月之后的政策走向。

本文来自华尔街见闻，欢迎下载APP查看更多

Dean表示，他去年对"AI已达初级工程师水平"的预测基本得到了验证，且模型在完成更复杂任务方面的进展速度超出了他的预期。他尤其强调，AI智能体在编程之外的领域同样开始展现能力，这将是未来的重要趋势。

在预判下一阶段突破口时，Dean将目光指向推理硬件。他提出，若推理延迟能降低50倍，将从根本上改变AI系统的产品边界，催生出目前难以实现的全新应用形态。与此同时，他对创业者发出明确信号：上下文工程、专用领域模型，以及能够整合推理时计算的多智能体系统，将是小团队实现差异化的主要窗口。

Dean在对话中证实，其2025年5月作出的"AI达到初级工程师水平"判断基本准确，并指出实际进展在某些维度上超出了他的预期。"模型完成更复杂任务的能力增长速度比我预想的要快，"他说，"而且在编程之外的领域，这些基于智能体的系统也开始崭露头角。"

他认为，目前市场对AI智能体能力存在一个被普遍低估的认知盲点：基于智能体的系统已经可以不止运行一两个小时，在某些问题领域、配合足够强大的模型，可以连续运行数天甚至数周，完成极为复杂的任务。"有些人已经开始隐约察觉到这一点，但我认为还没有被普遍接受，这将是一件影响很大的事。"

在实际应用层面，Dean举例称，他和同事Sanjay近期在做底层库性能优化时，通过为智能体编写"技能"（skill），教会模型按顺序完成"测量基准—改进代码—测量性能提升—迭代"的完整流程，实现了相当高效的自动化循环。他还提到，目前的模型在将软件从一种编程语言翻译成另一种语言方面已相当高效，因为原始代码本身构成了一份极其清晰的规格说明。

Dean将推理硬件效率定义为AI系统下一步大规模普及的核心约束，并类比了他2001年主导的一项历史性决策——将Google搜索索引从硬盘迁移至内存，以此说明硬件架构的跃迁对产品能力的决定性影响。

"大家会看到越来越多高性能、低能耗的推理硬件系统，"他表示，"推理是让基于智能体的系统能够普及给更多人的关键，延迟非常重要，而硬件的专用化正是提升能效、降低延迟的关键途径，比GPU或TPU这类通用计算设备更有效。"

Dean进一步指出，当前AI系统设计中存在一个被多数创业者忽视的底层约束：将数据从加速器的HBM取到处理器进行计算，所消耗的能量是实际执行一次乘法运算的上千倍。这一差距深刻影响了批处理的必要性、系统架构设计乃至产品的延迟表现。"如果没有这上千倍的差距，就不需要做批处理；但正因为有，你必须一次性处理很多样本或很多token，才能把这次数据搬运的开销摊薄。"

在推理硬件的优化方向上，他着重提到两点：尽量减少数据搬运，以及尝试极低精度运算，将所需精度直接内建到硬件中，而非支持冗余的精度选项。

Dean指出，AI进步的驱动力正在发生结构性转变——从"更大的模型、更多的数据"，逐步转向模型之外的系统工程能力，包括检索、工具调用、记忆管理和智能体编排，即业界所称的"上下文工程"（context engineering）。

"模型只是你要构建的整体系统中的一部分，"他说，"这涉及模型如何使用各种工具，如何检索相关信息，可能还要保留过去解决其他问题时检索到的信息，并把这些信息放进模型的上下文中。"

他将上下文工程视为小团队的重要机会入口，原因在于门槛结构的改变："以前训练一个模型需要海量的资源、GPU和数据，但做上下文工程，你只需要一个类似Gemini的API接口，然后自己搭建检索系统、工具调用之类的东西就行了。"

对于智能体在执行超过三四十步后容易"脱轨"的普遍问题，Dean给出了两类应对策略：一是为模型提供技能和提示，使其尽量停留在熟悉的操作路径上；二是采用多智能体架构，通过推理时计算（inference-time compute）搜索可行解题路径，由另一个模型或智能体对多条路径进行评估和筛选，保留有效方案，剔除偏离轨道的路径。

在与创业者直接相关的议题上，Dean提供了一套较为具体的机会识别框架。

他指出，通用模型正在越来越多的领域持续变强，这意味着创业者必须审慎评估自己选择的方向是否具备足够的持续性："你正在做的事情是不是够'持久'——未来六个月或十二个月，前沿模型会不会就能做到这件事了？"

在识别有效切入点时，他给出了较为清晰的信号：应当寻找当前通用模型成功率接近0%或1%的问题，而非20%。后者往往意味着相关能力正处于萌芽阶段，随训练数据增加或模型规模扩大，通用模型可能很快追平。

他认为两类场景具有较强的结构性优势：其一，产品能够接触到通用模型无法获取的特殊数据，例如用户个人信息；其二，针对极其困难的特定问题，通过训练专用小模型，可以以较低成本获得高精度解法。他以AlphaFold为例——这是一个专用于蛋白质折叠的模型，并非通用系统，在特定领域取得了显著成效。他认为材料科学、芯片设计等领域同样存在类似机会。

Dean对2027年的大胆预测指向一个更深层的演进方向：机器学习系统本身的自动化程度将大幅提高，形成"用AI优化AI"的闭环。

他描述的路径是：将问题拆解成子问题，在紧密的自动化实验循环中运行，再将结果整合，从而持续迭代出改进后的系统。"这不只适用于机器学习，也适用于其他科学和工程领域——基本上任何有可衡量目标的领域，现在都能取得很大进展。"

Dean还提到，加快这一循环的关键之一，是构建速度更快的验证模型。他以量子化学领域的案例说明：原本需要运行一整夜的密度泛函理论模拟，在用神经网络近似后速度提升了30万倍，使原本需要六个月才能完成的千万种分子构型筛选，在午饭时间内即可完成，从根本上改变了科学研究的节奏。

他同时提出了一个颇具挑战性的思想实验：过去60年，半导体行业默认晶体管必须极度可靠；但若在更高系统层面引入冗余容错机制，是否可以使用每天出错20次的晶体管来构建系统？这类对基础假设的重新审视，正是他认为能够催生下一代突破性系统的思维方式。

面对"当智能体能完成所有代码编写后，什么才是真正稀缺的"这一问题，Dean给出了明确的答案：判断力（taste）——即知道该让智能体去解决什么问题。

"模型未必擅长做这种判断，"他说，"未来会是人来引导大量的AI辅助计算，从而更快地实现伟大的成果——但那个'你想要模型做什么'的核心，才是你应该专注的关键。"

他提出了一种量化训练判断力的方式：定期写下未来12个月内可能重要的事情清单，一年后回头核验哪些真的变得重要，哪些已被他人完成，哪些尚属空白。此外，他还强调了"第一性原理"思考的价值——不纠结于问题今天是怎么解决的，而是眯着眼睛审视问题的本质，寻找能带来一到两个数量级提升的截然不同的解决思路。

以下为访谈实录：

主持人： Jeff，欢迎你，非常感谢你能来。尤其是我刚感冒了，还是要谢谢你能来。

Jeff Dean： 我这几天嗓子哑了，平时说话不是这个样子，但我们尽量。

主持人： 你主导开发了MapReduce、Bigtable、TensorFlow、TPU、Gemini，光是这些成果就能聊上一整个小时。但我最欣赏的一点是，你现在依然愿意公开做出大胆的预测。去年，也就是2025年5月的AI Ascent大会上，你说AI已经达到了初级工程师的水平。这已经是一年前的事了，现在这个预测兑现得怎么样？

Jeff Dean： 我感觉模型在基于智能体的长程编程任务上进步很快，现在它们已经相当能干了。具体要看你怎么定义"初级工程师"，但我觉得这个预测基本说中了。

主持人： 这个预测里，你低估了什么？

Jeff Dean： 我觉得模型完成更复杂任务的能力增长速度比我预想的要快。而且我发现，在编程之外的领域，这些基于智能体的系统也开始崭露头角，我认为这会是未来的一个重要趋势。

主持人： 那再给我们一个大胆的预测吧，你觉得2027版的预测会是什么？

Jeff Dean： 我认为机器学习系统本身的自动化程度会大幅提高——让机器学习系统通过运行大量实验来自我提升能力，把问题拆解成子问题，在一个紧密的自动化实验循环里运行这些子问题，再把结果整合起来，从而得到一个改进后的系统。这种完全自动化的问题分解和自动化实验，我觉得会非常令人兴奋。而且这不只适用于机器学习，也适用于其他科学和工程领域——基本上任何有可衡量目标的领域，现在都能取得很大进展。

主持人： 我们回顾一下历史。早在2001年，Google搜索还跑在硬盘上，你和Sanjay算了一笔账，发现总有一天整个搜索索引能装进所有服务器的内存里。你们意识到这一点后，几天之内就把搜索从跑在硬盘上换成了跑在内存里，这也是Google搜索变快的关键。放到2026年的今天，"能装进内存"这样的时刻是什么？在座的每个人现在应该在思考、设计什么？

Jeff Dean： 情况不太一样了，但我认为大家会看到越来越多高性能、低能耗的推理硬件系统。因为大家现在都意识到，推理是让这些基于智能体的系统能够普及给更多人的关键，延迟非常重要，而硬件的专用化正是提升能效、降低延迟的关键途径，比GPU或TPU这类通用计算设备更有效。毕竟现在每个人都已经习惯了等待模型的响应。

主持人： 所以你是说，如果我们不用再等待了会怎样？

Jeff Dean： 对，设想一下，如果延迟能降低50倍，你能用它做什么。

主持人： 有意思的想法。现在，在座这6000人当中，有什么关于AI的普遍假设其实已经不成立了？

Jeff Dean： 我觉得可能有一点大家没有充分意识到，那就是基于智能体的系统其实已经可以不止运行一两个小时，在某些问题领域，配合足够强大的模型，它们可以连续运行数天甚至数周，去完成非常复杂的任务。有些人已经开始隐约察觉到这一点，但我认为还没有被普遍接受，这将会是一件影响很大的事。

主持人： 具体来说，有没有哪个任务是你让智能体跑了好几周的？你让它去解决什么问题了？

Jeff Dean： 比如说，你可以让智能体去用不同的编程语言，从头实现全新版本的软件，可能是安全性更好，或者性能更好的版本，然后让它们真正认真地去完成这件事。

主持人： 很酷。现在说说你特别擅长的一件事——用餐巾纸做估算。听起来有点好笑，但关于你的一个故事是：2013年Google的语音识别刚开始起作用时，你在餐巾纸上算了一笔账——如果每个Google用户每天用手机做三分钟的语音识别，你发现这需要把整个Google服务器机队翻一倍，成本会非常高昂。而你没有这么做，你们自己造了一款定制芯片，这就是TPU的起源。

Jeff Dean： 对。当时我们开始在基于深度学习的语音系统上看到非常好的质量结果，但相比旧的语音系统，这些模型的计算开销要大得多，不过错误率也降低了很多，相当于几个月内就实现了语音识别20年的进步——只是稍微调了调模型、扩大了规模、用了更好的数据。于是我们开始担心，如果语音识别效果变得好很多，人们会更多地使用它，比如用语音口述邮件或者跟手机对话。我们意识到需要比当时用CPU运行更好的解决方案，于是就有了TPU——它专门针对低精度密集线性代数运算做了优化，而这正是当今几乎所有现代机器学习算法的核心。如果你为低精度密集线性代数专门造一块芯片，别的什么都不做，它对机器学习推理会非常有用，尽管它跑不了Chrome或Word之类的程序。几年后，这套系统做出的芯片，能效比当时的CPU和GPU高出30到80倍，延迟也低了20到30倍——这也是今天TPU能成为基础设施的关键原因。

主持人： 你当初肯定没预料到，TPU后来会成为Transformer架构的基础——毕竟Transformer架构比TPU出现得晚得多。

Jeff Dean： 对，这也是为什么我们造的是一个通用的线性代数系统，也就是TPU真正的本质。因为我们知道机器学习算法还在不断演变，你不想过度专用化，但又要专用到足以获得显著的性能提升——比如可以有非常大的乘法器阵列、高速内存、高速互连，后来的TPU还能让许多芯片高效地协同处理同一个问题。这么多代下来，我们一直在持续扩展和提升它们的性能。

主持人： 这餐巾纸算账真是厉害。那对于在座想成为未来创业者的人来说，今晚回去应该做哪种餐巾纸测算，才有可能做出像TPU这样有分量的东西？

Jeff Dean： 这个不好一概而论。我觉得应该去想想，你关注的领域里有哪些问题，有哪些瓶颈，是否存在截然不同的解决思路，能带来一到两个数量级的性能或能力提升。有时候，如果你眯着眼睛看一个问题，不去纠结这个问题今天是怎么解决的，而是从第一性原理出发去思考该怎么解决，你就可能想出一些真正好的点子——很可能是别人还没想到的。

主持人： 是个不错的建议。多年前，你写过一份很出名的清单，叫"每个工程师都应该知道的延迟数字"，里面列了缓存未命中要多久、磁盘寻道要多久、一个网络包从加州传到荷兰要多久，诸如此类关于分布式系统和系统工程的数字。这份清单后来被很多分布式系统工程师奉为圭臬。现在这份清单也该更新了，能不能给我们一个2026年的AI版本？

Jeff Dean： 如果放在今天的AI系统里看什么是重要的，你会想知道加速器主存到片上内存、再到乘法器单元之间的带宽是多少；做一次乘法运算需要消耗多少能量；芯片之间的互连带宽是多少，这个带宽能连接多少块芯片；再往外扩展，比如要和一万块芯片通信而不是五百块时，网络带宽会怎样下降。我觉得这些都是非常重要、值得了解的数字，会实实在在地影响你思考和解决具体问题的方式。

主持人： 你说过一个很有意思的观点，现在衡量一切的单位是能量。你提到做一次运算大约消耗1皮焦耳，但搬运数据、做数据I/O要消耗上千倍的能量。

Jeff Dean： 对，光是把数据从加速器的HBM取到处理器里以便计算，就是这个量级的开销。

主持人： 这个差距其实悄悄决定了什么产品能做出来、AI算法该怎么设计。那么，创业者常常以为是"模型问题"，但其实是能量或数据I/O问题的，都有哪些？

Jeff Dean： 你提到的搬运数据和实际计算之间上千倍的能量差距是个很关键的例子，它塑造了我们做机器学习时的很多方面。如果没有这上千倍的差距，就不需要做批处理（batching）；但正因为有，你必须一次性处理很多样本或很多token，才能把这次数据搬运的开销摊薄，这样才不用承受上千倍的减速，而是承受"上千倍除以批大小"的能量开销。但对于真正的低延迟场景，批处理效果并不好。这类围绕计算机硬件能量消耗的决策，实际上深深影响着我们构建上层系统的许多选择。

主持人： 一个很具体的例子就是模型训练本身——把数据集分批、跑epoch这套流程，大家可能以为这是"模型问题"，但其实是系统层面的数据I/O问题，对吧？

Jeff Dean： 对，你必须把数据组装成批次才能提高硬件效率。理想情况下你可能想做批大小为1的训练，但这样效率不够高，所以现在大家用的批次都相当大。

主持人： 你以擅长利用一个长周末，独自钻研出一个精妙方案而闻名。有没有可能Jeff你花上几周时间，去实现批大小为1的训练？

Jeff Dean： 我最近其实在更多地思考推理。推理是个挺有意思的问题，因为你确实需要非常低的延迟——训练则未必需要那么低的延迟。我觉得针对推理去做更专用的硬件，还有很大的空间，目前这方面做得还不够。

主持人： 在推理方面，有哪些你正在深入思考的有意思的事情？

Jeff Dean： 主要是尽量减少数据搬运；尝试极低精度的运算，可能不需要支持那么多种精度——如果你已经明确知道自己需要什么精度，那就直接把它内建到硬件里，别的都不要支持太多。

主持人： 这让我想起一位知名计算机科学家的类比：AI本质上是一个巨大的压缩问题——因为要把数据做有损压缩再还原，你首先得真正理解这些数据。

Jeff Dean： 对，如果你真正理解数据，就应该能把它压缩得很好，而Transformer架构正是目前证明行之有效的方法之一。

主持人： 效果确实不错——这也是我同事们的功劳。现在我们把视野放宽一点。过去AI的进步主要是"模型变得更好"——更多数据、更大参数量。但最近这一两年，进步越来越体现在模型之外的东西上：检索、工具、记忆、智能体工具，这些可能正在汇聚成大家所说的"上下文工程"（context engineering），对吧？

Jeff Dean： 对，模型只是你要构建的整体系统中的一部分，这个系统要能解决非常复杂的问题——这涉及模型如何使用各种工具，如何检索相关信息，可能还要保留过去解决其他问题时检索到的信息，并把这些信息放进模型的上下文中。这样做的好处是，这些信息对模型来说是非常清晰的，不像训练数据那样——训练数据是数万亿个token混合搅拌进数千亿甚至数万亿参数里，相对模糊；而当下这个具体问题或用例的上下文，模型能直接、清晰地看到。接下来，模型需要理解有哪些工具可用，哪些工具能帮它解决下一步的问题，如何把一个问题拆解成一连串的工具调用，也许还要尝试多种方案并评估哪种有效——这整套复杂智能体乃至多智能体系统的编排，我认为会变得越来越重要，也是一个非常令人兴奋的领域。

而且我觉得这个问题领域有意思的地方在于，在座的每个人其实都能参与其中——因为以前训练一个模型需要海量的资源、GPU和数据，但做上下文工程，你只需要一个类似Gemini的API接口，然后自己搭建检索系统、工具调用之类的东西就行了。

主持人： 那大家应该怎么做，才能在上下文工程上做得更出色？

Jeff Dean： 一个很好的办法是，实际用这些模型、脚手架（harness）和工具去解决问题，有时你能亲眼看到模型在哪些地方失败了。往往你不需要去调整模型参数（这从外部很难做到），而是可以通过给模型制定更好的指导规范、写"技能"（skill）让模型知道如何使用不同的工具，就能显著提升模型解决某一类问题的表现。做这件事的过程中，你所使用的整套系统会不断自我改进。这也是一个很好的方式，能让你更清楚模型还需要哪些额外信息才能变得更强。

主持人： 能举个你自己亲手做的上下文工程的例子吗？比如你写过的某个技能或工具，对你的工作流程带来了很大改变？

Jeff Dean： 几周前，我和Sanjay在做一些底层库的性能优化工作。我们在Google写了一个微基准测试库，可以测量各种操作要花多长时间，或者填充某个数据结构要多久——这些数据结构可能在Google的数百万个进程中被使用，所以确保它们高性能非常重要。你可以写微基准测试，但如果没有智能体系统，通常的流程是：先测量当前基准的性能，做一些你希望能提升性能的修改，然后重新运行基准测试看哪里有改善，再运行更大范围的基准测试，测量缓存占用情况等等。于是我们写了一个"技能"，教模型如何按顺序完成这一整套流程，让它能自主完成"测量基准—改进代码—测量性能提升—迭代"这个循环，这对某些类型的问题效果相当不错。这其实就是把我们自己作为工程师会用的方法，以模型能使用的形式教给它。

主持人： 这听起来很厉害。你是说，如果有人能拿到这个技能，就能像Jeff Dean一样做性能优化。这好像是价值连城的东西啊。

Jeff Dean： 我们几个月前其实发布过一份文档，叫《性能提示》（Performance Hints），是我和Sanjay写的，大概30页，讲各种性能优化技巧。已经有人把这份文档摘要后喂给不同的模型，模型在推理代码性能问题时确实变得更强了。

主持人： 大家都听到了，只要拿这份公开的《性能提示》文档，你也能像Jeff Dean一样优化自己的代码，而且完全免费，大家都该去试试。现在说说智能体的话题——在座应该都在做或做过智能体，我相信大家都见过自己的智能体在第30步或第40步的时候"脱轨"。智能体在前十步左右表现不错，到五十步左右就开始摇摇欲坠了。你觉得今天的瓶颈是什么？是上下文、评估器的问题，还是因为它本质上是个开环系统，误差会累积？

Jeff Dean： 我们当然希望智能体能长时间稳定运行，因为这样才能解决更复杂的问题。但正如你观察到的，它们有时候在跟工具交互了十来次之后就会开始"失灵"。这有时是因为模型在做一些它经验不足的事情——它是在某个整体数据分布上训练出来的，一旦稍微偏离它熟悉的分布，就像大多数机器学习模型一样，表现会突然下降，偏离得越远，效果越差。

所以有几种应对方式：一是给模型提供"技能"和提示，让它尽量停留在它熟悉、把握较大的路径上；二是采用多智能体系统，让多个智能体尝试不同方案，再用另一个模型或智能体去评估哪些方案更有希望——这本质上是在搜索可能的解空间，保留看起来靠谱的方案，丢弃偏离轨道、效果不好的方案。这是一个非常通用且有效的技巧：用推理时计算（inference-time compute）去搜索可行的解题路径，能大幅提升长程智能体流程的性能和可靠性。

主持人： 你们内部是怎么实现这种流程的？

Jeff Dean： 我们有各种脚手架和一整套技能，尤其是在Google内部的开发环境里。我们准备了一系列技能，让智能体知道如何使用我们内部的各种工具——编程、代码审查、性能测量、抓取日志文件等等。这些技能能让基础模型的能力大大增强，尽管它本来并没有专门针对Google内部工程师如何从我们专有系统里抓取日志文件这类操作做过训练，但只要有合适的技能定义，它就能真正学会使用，从而提升智能体的实用性。

主持人： 现在我们聊聊创业公司能在哪些地方胜出。这一部分我个人非常关心，因为在座的每个人都要决定未来要做什么、要成为怎样的创业者。Google的特点是，从处理器到产品，整条链路都是自己协同设计的。哪些层面会是像Google这样的公司持续深耕、不断做强的？两三个人的团队又能在哪些地方胜出？

Jeff Dean： Google和我们的Gemini模型、硬件基础设施，都在努力打造能做几乎任何事的通用模型。但这也意味着，我们在很多具体领域上的关注是有限的。而如果有人能针对某个特定领域，做出一个设计精良的界面，配上一个专用模型或一套技能——这个模型不属于我们通用模型体系里的那种"大杂烩"——就有可能做出体验上乘、准确率很高的产品，特别是在你真正热爱、深耕的领域。我觉得这正是两三个人在一个房间里、专注做他们真正热爱的事情所拥有的优势。但我也要提醒一句：通用模型确实在越来越多的领域上变得更强了。所以你得想清楚，你正在做的事情是不是够"持久"——未来六个月或十二个月，前沿模型会不会就能做到这件事了？还是说，这件事可能还要两三年模型才能做到？这是你在决定做什么之前应该权衡的问题。

主持人： 那我们再深入一点。通用模型你们肯定会持续做下去、不断变强，那创业者应该怎么去判断哪些领域是值得投入的？

Jeff Dean： 我觉得最重要的一点是，选一个你真正兴奋、想去做，并且相信对世界有用的问题。如果你做到了这一点，你就已经领先一大截了——相比那种一觉醒来就觉得"我其实不太想干这个"，或者做的东西对世界、对大多数人其实没什么用的情况。这是我为自己选择下一个要研究的问题时应用的首要标准。

其次，你要看现有的通用模型在这个问题领域能做到什么程度——可以去测试，看它们能不能很好地完成这件事。如果它们完全做不到，那通常是个好迹象；如果它们能做一部分，但做得不太好，那反而不一定是好事，因为这往往说明这项能力正在这些模型里萌芽，随着训练数据增多或模型规模扩大，它们很可能会很快变强。所以你应该去找那些模型成功率是0%或1%的问题，而不是20%。

主持人： 那怎么找到这样的问题？这些问题是不是本质上就在训练数据的分布之外？这类问题的形态是什么样的？

Jeff Dean： 有时候，是你要构建的产品能接触到某种特殊数据，而通用模型接触不到。比如你在做一个帮用户整理个人信息的产品，通用模型本身没有这些数据的访问权限，这时你的产品就有很大优势，因为你突然拥有了对重要数据的可见性。

也有可能是某个极其困难的问题，如果你拿到合适的训练数据，训练一个比通用模型更专用的模型，成本反而可以做得很低——训练一个针对特定问题的小众模型，也许不需要太多算力，却能得到一个精度很高的模型。这有时候是解决某个通用模型处理得不太好的重要问题的绝佳切入点。

主持人： 我觉得这里其实有两条路径：第一条路有点滑稽，因为你们已经在"整理全世界的信息"了。

Jeff Dean： 对，那块基本上被覆盖得很充分了。

主持人： 但"整理你个人的信息"却还是空白，这很有意思。第二条路径，你提到了在某些特定领域做更专用的模型，能不能再展开讲讲这些领域有哪些？

Jeff Dean： 比如我同事做的AlphaFold，就是一个非常专用的蛋白质折叠模型，非常成功，很好地处理了那个特定领域，让你一下子拥有了能回答蛋白质结构相关问题的强大工具和模型——但它不是一个通用模型，而是一个非常专用的模型。还有其他一些领域也适合这种做法，比如材料科学、芯片设计等，都能让你利用一个精度很高但小众的模型，去做那些今天还很困难的事情。

主持人： 这是个很好的例子。所以如果在座有人能找到和AlphaFold形状类似的问题，那可能就是个值得做的方向。假设大家已经找到了要做的问题，接下来聊聊怎么成为一名真正优秀的"AI原生"创业者。你以前说过，管理一支50到100个智能体组成的"舰队"，关键在于写出非常清晰精准的设计文档和规格说明（spec）。人们要怎样才能擅长这件事？这些文档具体长什么样？

Jeff Dean： 如果你能清楚地说明自己想要什么，跟虚拟智能体协作时就会顺利得多。你把想要的东西说得越清楚，智能体就越有明确的准则和目标框架可以遵循；反过来，如果你说得含糊，智能体就得自己去推测你的意思，而很多情况下它推测出来的会和你脑子里想的不一样。从计算机科学诞生之初，我们就一直告诉大家：写代码之前，先把软件要实现的目标讲清楚，这非常重要。现在我们有了能真正写代码的智能体系统，但把想要的东西讲清楚这件事的重要性反而更高了——因为以前你是把任务交给一个非常聪明的人，他有背景知识，也可以反问你；智能体有时候也能做到，但我认为清晰的规格说明依然极其重要。

举个编程智能体表现特别好的例子：现在的模型在把软件从一种编程语言翻译成另一种语言时非常高效，因为这种情况下你其实拥有一份极其详尽的规格说明——整套软件本身就说明了系统该做什么。所以如果你有一份Python实现，想要一份Go实现，现在的模型在这方面能力相当强：它可以拿Python里所有的测试用例，确保在Go版本里也能通过，把测试翻译成Go，比较两个实现之间的行为差异，直到没有差异为止——效果非常好，因为规格说明本身就非常清晰。

主持人： 假设未来每个创业者都能熟练地同时运行成百上千个智能体，所有代码都由智能体写出来了，那时候什么会成为稀缺的技能？

Jeff Dean： 我认为是要有非常好的判断力（taste），知道该让智能体去做什么。这其实是做研究的核心问题——一个研究者可能拥有所有的工具和技巧，但真正决定成败的往往是：你选择把时间花在什么问题上。如果你选对了问题，并且成功解决了它，这远胜过你以很漂亮的方式去执行一个相当平庸的研究课题。所以那种"该做什么"的高层判断力，我认为极其重要。而模型未必擅长做这种判断，所以未来会是人来引导大量的AI辅助计算，从而更快地实现伟大的成果——但那个"你想要模型做什么"的核心，才是你应该专注的关键。

主持人： 那我们再深入聊聊"判断力"，因为在当前这个智能体编程的时代，这个词被谈论得很多。你具体是怎么培养判断力的？听起来有点玄乎，怎么把它落到实处？

Jeff Dean： 这确实不容易，判断力在很多情况下并没有一个可衡量的客观标准。我觉得一部分来自经验——过去做过很多不同的问题，会让你对未来什么问题可能有意思、什么东西也许只是把过去的方法拼凑一下就能勉强做出来、还有哪些开放问题需要你去攻克才能做出真正神奇或极其有用的东西，形成一种直觉。

另一个积累经验的方式是：写下一份你认为未来12个月可能重要的事情清单，也许你只挑其中一件去做，但十二个月后回头看看，评估这些事情里哪些真的变得重要了，哪些世界上其他人已经去做了、哪些还没有人做。这能给你的判断力积累更多的样本。这是一项很重要的技能。

主持人： 我记得我们之前聊到，第三种方式是做一些非常"疯狂"的思想实验。

Jeff Dean： 对，这也是一个好办法。我觉得有时候，不要把大多数人视为理所当然的事情当成理所当然，是件好事。前几天我和几个同事就做了一个疯狂的思想实验：60年来，整个半导体芯片设计和制造行业一直在努力把晶体管做得越来越小、错误率越来越低——因为我们默认，同一设计生产出来的每一块芯片都应该和其他每一块完全一致，不能有任何比特翻转。所有内存都有ECC纠错机制之类的各种误差余量设计。但在我们构建大规模分布式系统的宏观层面，我们并不做这种假设——比如我们用不可靠的零部件构建可靠的大规模分布式文件系统：单个磁盘可能会坏，但你的数据应该是安全的，因为我们在更高层面有机制来保证这一点，比如把同一份数据放在三台不同机架上的三台不同机器里，这样即使某个机架交换机、某台机器或某块磁盘出故障，数据依然安全；我们还有里德-所罗门纠错编码技术。但在晶体管级别的技术尺度上，我们似乎并没有把这套思路做到极致。

于是一个有意思的思想实验就是：如果尝试用一种每天可能出错20次的晶体管去构建系统，而不是要求百万年才出错一次，会怎么样？那会是完全不同的设计出发点，可能会让你在芯片制造端做出一些非常有意思的东西——你会有截然不同的设计方法，因为如果要把信号从一个地方传到另一个地方，而你用的是这种极不可靠的晶体管，你可能需要非常不同的信号传输方式，比如沿着多条冗余路径发送信号，确保至少有一条能成功送达。我认为这会是一组相当有意思的思想实验。我不是说我们真的应该去做这件事，但偶尔质疑一下这些默认假设是有好处的。很多时候，这些思想实验并不会真正落地，因为过去50年我们选择某种做法而不是另一种做法，往往是有充分理由的。但时不时地重新审视这些假设，还是很有价值的。

主持人： 这太狂野了。这听起来和神经形态计算，或者说人脑的工作方式很像。

Jeff Dean： 对，确实如此——大脑中信号从一个地方传到另一个地方的可靠性也不算特别高。所以我认为，大脑里那些真正重要、需要从一处传到另一处的信息，会有多条通路来实现这种冗余传输。

主持人： 那么，在你职业生涯里，有没有哪个你曾经打破的"疯狂假设"，最终真正构建出了有分量的系统？

Jeff Dean： 有几个后来确实成功了。TPU就是个好例子——在那个问题领域被认为重要之前，就为一个非常小众的问题专门做硬件优化，这就是一次思想实验。

MapReduce的起源也是个好例子。当时我、Sanjay，还有几位同事一直在做Google网页爬取和索引系统的各个迭代版本，我们写了大量手工并行化的代码，加上很多检查点机制，来确保系统在跑在一百台、一千台机器上、而其中一些机器出故障时依然稳健可靠。但这些代码常常和你真正想做的相对简单的事情——比如"我只是想看看所有网页的内容，然后顺便算出URL到语言、文本内容的映射"——混杂在一起，被大量的并行化和可靠性代码淹没。于是我们想起了自己在函数式编程语言方面的训练，意识到可以眯着眼睛看这些问题，开发出MapReduce这样一个抽象层，放在具体实现之上；而具体实现层下面则可以把所有的检查点和可靠性机制都封装进一个底层库，供上层所有代码复用。这后来成了Google处理超大规模计算任务的一种极其成功的稳健可靠方式——正是从"如果我们眯着眼睛看，能不能找到很多适配这个抽象的问题"这个思想实验开始的。

主持人： 了不起，这个思想实验最终催生了MapReduce。回到你刚才提到的、你目前正专注研究的定制硬件话题上——现在有AlphaChip负责芯片布局，还有AlphaEvolve能提出方案、评估方案，并保留有效的方案。听起来你们正在打造一整套能够自我迭代、"用AI打造AI"的系统。

Jeff Dean： 更广泛地说，这本质上是科学方法的根基：提出一个实验，实现运行这个实验所需要的东西，评估实验结果，从中得到结论。现在有越来越多的问题，已经可以实现"不只跑几个实验，而是跑成千上万个实验"，因为你能把这整个循环自动化，把这个循环的延迟降到极低，这将非常重要，能让我们在科学、工程、机器学习模型设计本身，乃至芯片设计等工程任务中取得突破。

如果你能以自动化的方式做这些事情，并且有一个能把高层目标拆解成子问题的编排框架，每个子问题都可以用这种自动化循环去探索最佳解法，再有一个编排框架把各个子问题的解法整合成针对高层问题的整体方案——这会带来巨大的影响，能加速机器学习本身的进步，也能加速科学和工程的进步，我觉得这会非常了不起。

主持人： 听起来很多领域，只要能有很好的评估器，尤其是那些能被形式化验证的领域，都很适合这种AI自我迭代的系统。

Jeff Dean： 对，不过很多情况下，你的评估器本身需要做得更快。举个例子，我的同事大概十年前在量子化学的一些问题上做过一项工作——要理解某个分子的性质，你可以生成一个分子构型，然后想知道它有哪些性质。你可以运行一个计算量非常大的密度泛函理论（DFT）模拟器，可能要跑一整夜才能给出一个分子的答案。但我的同事们用大量这类模拟运行的输入分子构型和输出结果，训练出了一个模拟器的神经网络近似模型——这仍是个验证工具，但原本要跑一整夜的计算，现在快了30万倍，而且准确度几乎和跑完整模拟器一样。这就彻底改变了做科学研究的方式，因为原本要花六个月东拼西凑算力才能跑完的一千万种情况的筛选，现在你吃个午饭的功夫就能做完。我认为在很多领域，都有很大空间去做速度快得多的验证模型，也许是可学习的验证模型，能在极短时间内给出接近真实答案的近似结果，这会改变这些实验循环的运转方式，以及你能多快地跑完这些循环。

主持人： 你最期待，这种被大幅加速的科学方法，能在哪些领域和问题上取得突破？

Jeff Dean： 机器学习本身显然是一个——能不能有一个模型，通过运行大量实验来递归地自我改进？如果你想想今天大型研究团队是怎么改进模型的：人们想出一些点子，跑一批小规模实验，看哪些效果好，把效果最好的挑出来，在更大规模上尝试，再评估，最后把结果整合成新的模型配方。我认为没有理由不能让这个循环变得更自动化——模型自己决定去探索，或者有人在最高层稍微推一把，比如"你可以尝试一些结合了这个思路的新模型架构"，然后模型会去跑大量实验，看哪些有效，再以快得多的速度把结果整合进去。本质上，你是在优化"每单位算力投入所能获得的发现数量"。

主持人： 非常有意思。最后一个问题：在座的各位未来都会成为创业者，或者开启自己的职业生涯，你们会收到很多拒绝，这是必然会发生的事，Jeff你自己也经历过。有个故事是，2014年你和Jeff Hinton、Oriol Vinyals一起写了一篇关于"蒸馏"（distillation）的论文——用一个大的教师模型来训练一个更小、更高效的学生模型，参数量更少，计算成本更低，这个技巧现在已经被整个行业广泛使用。而这篇论文当时在NeurIPS被拒了。

Jeff Dean： 对。我不怪那个项目委员会，因为很多时候一篇论文只有三份评审意见，其中一位评审看了之后说，这篇论文"不太可能有重大影响"。但我们当时写这篇论文的时候，其实认为这是一个非常重要的问题，因为我们迫切希望能从大规模模型中做出更便宜、同样强大的模型，好把模型服务推广给语音、视觉等各个领域的更多用户。不过评审可能没有那样的经验，也许他们没有从大规模AI服务的角度去思考，而是在想这是不是一项"根本性"的进展。所以论文时不时会被拒，这很正常，我们就把它放到了arXiv上，大家读了、用了，一切都好。而且我们现在做Gemini里的Flash系列小模型时，其实就用到了这个方法——从我们更大规模的Pro模型蒸馏而来，这也是为什么Flash模型相对于它们的体量和速度而言表现如此出色的部分原因，在同尺寸模型的基准测试里也是数一数二的。

主持人： 确实令人印象深刻。我想这里面的一个教训是：即便被拒绝了，也要继续前进。

Jeff Dean： 对，这就是我从中总结出来的教训。

主持人： 有意思的是，你1999年加入Google的时候，那还只是一家20人的创业公司。如果把当年那个年轻的Jeff Dean，用他当时的技能，穿越到今天这个时代，你会怎么做？加入前沿实验室，还是自己创业？我不知道，你会做什么？就是"今天的25岁Jeff主题"。

Jeff Dean： 这个真的很难说，也是一个非常个人化的选择，取决于你想把时间花在什么上面。对我来说，最重要的问题是：你要做的是不是你真正在乎的事情？如果你和一群你喜欢共事的同事一起，能在这件事上取得进展、集体把它解决或推进，它会不会以某种积极的方式，给这个世界带来改变？比如说，你能不能突然做出一样东西，帮到生物化学家，或者更广泛一点，帮到程序员、帮到所有互联网用户？你应该努力做的，是对世界产生积极影响，和你喜欢共事的人一起工作，并且努力做到最好。

至于你提到的那个具体权衡——加入前沿实验室，还是和一两个、两三个亲近的朋友一起创业，我觉得这是两种不同的体验。在一个大型、成熟的组织里，你会有一定的架构，有很多很多了不起的同事，他们知道很多你不知道的东西；你会有很多有意思的问题可以研究，而且你已经有一个现成的平台，可以通过你的工作直接影响很多人。而作为一个非常小的创业团队，你必须对自己在做的事情充满热情，而且要承担很大的风险——能不能成功，能不能把这件事发展壮大，都是未知数。但这个过程也可能非常有成就感。所以我觉得这真的是个人偏好的问题，但无论走哪条路，至少你应该问自己：如果我去做这个问题，并且出现了最好的结果，这个世界会不会因此变得更好？还是说，世界只会觉得"这挺酷的，但也就那样"？如果是后者，那可能就不值得你花时间去做。

主持人： 那我们再多聊聊第二条路——和真正喜欢的人一起，在一个小团队里工作。你一直是很多工程师心目中出色的导师和管理者，也主导构建了很多庞大的系统。对于怎样与聪明人共事、怎样找到聪明人，你有什么经验可以分享？

Jeff Dean： 你总是想找到那些在团队所需要的某个领域拥有真正过硬技能的人——不管是在公司内部组建团队，还是自己创业。但你同样也想找那些和你相处起来很愉快的人，因为你们会花大量时间一起攻克非常困难的问题，你需要的是那种低自我（low ego）、有团队精神、和你技能互补的伙伴。我一直觉得，在一个小团队里工作特别有意思——团队里有人知道我不知道的东西，我也可能有别人不太具备的技能，大家一起构建、攻克某个个人无法独立完成的东西。而在这个过程中，你其实获得了大量新的知识和技能，其他人也是如此。你应该把自己的工程或研究生涯，想象成拥有一条了不起的"工具腰带"，你要不断往上面添加新工具——因为你永远不知道什么时候会遇到一个需要四种专门工具而不是三种的问题。工具越多，你未来能解决的问题也就越多。

主持人： 最后一个问题。我相信在座的某个人，或者好几个人，未来一定会做出像MapReduce、TPU、蒸馏这样有分量的东西。你希望他们会去做什么问题？

Jeff Dean： 世界上有意思的问题太多了，我随便列举几个，肯定不是全部，因为这个世界太大了，问题也太多。我个人特别期待硬件方面的新思路——就像我们刚才那个思想实验，或者说更高效的推理硬件。我认为机器学习也许存在截然不同、比我们今天使用的方法数据效率高得多的算法。想想我们今天的大规模模型，它们看到的数据量大概是一个18岁人类的一千倍，但一个18岁的人在很多方面依然比这些见过更多数据的前沿模型表现更好。那么，能不能设计出数据效率高得多、能持续从自身行动中学习的系统？持续学习（continual learning）是个非常有意思的方向。我觉得多智能体交互也很有意思。还有，能不能创造出让人与人之间进行更好交流的方式？有没有办法让对话更加文明、更有建设性？有没有办法基于兴趣帮人们认识全世界他们本该认识的人？这些都是挺有意思的问题。这个世界上还有很多很酷的事情，我们都应该努力去创造更酷的东西。

主持人： 太棒了，非常感谢你，Jeff Dean。今天就到这里，谢谢大家。

Jeff Dean： 谢谢大家。

本文来自华尔街见闻，欢迎下载APP查看更多

7月31日，据韩国媒体援引韩国交易所（KRX）数据，韩国金融当局收紧单股杠杆ETF交易规则后的首个交易日，16只单股杠杆及反向ETF合计成交额降至3.3071万亿韩元，较前一交易日的12.4485万亿韩元大幅下降75.3%，也明显低于7月以来12.27万亿韩元的日均成交水平。

与此同时，韩国股市却迎来强势反弹。当日KOSPI指数大幅上涨，并触发买入护盘机制，三星电子、SK海力士等半导体龙头股领涨。

报道援引多位韩国市场人士，当日行情并非单股杠杆ETF监管新规直接推动，更多受到全球资金流向变化、海外资金回补空头仓位以及此前过度悲观情绪修复影响。分析人士提醒，不应将此次上涨解读为韩国股市趋势已经发生根本性转变。

新规首日，单股杠杆ETF交易大幅降温

韩国金融监管部门自7月31日起实施新规，提高个人投资者参与单股杠杆ETF交易门槛。

根据新规，个人投资者购买单股杠杆ETF所需基础保证金由1000万韩元提高至3000万韩元，同时取消证券资产抵充保证金资格，并引入T+2现金缴纳制度，以限制利用资金循环进行短线杠杆交易的行为。

从首日交易表现来看，监管效果迅速显现。韩国交易所数据显示，16只单股杠杆及反向ETF成交额由前一交易日的12.4485万亿韩元降至3.3071万亿韩元，降幅达到75.3%。其中，剔除反向产品后，14只主要单股杠杆ETF成交额从6.9354万亿韩元下降至2.4686万亿韩元，减少64.4%。

市场人士认为，新规短期内有效降低了资金过度集中于单股杠杆产品的现象，有助于改善韩国股市此前存在的供需失衡。现代汽车证券分析师Kim Jae-seung表示，单股杠杆ETF资金热度在7月此前已经开始下降，其净买入规模已从5月至6月的1.13万亿韩元降至7月以来约3800亿韩元。

与此同时，普通股票ETF净买入额则由2200亿韩元扩大至4700亿韩元，显示部分资金正在从高风险杠杆产品转向传统股票ETF。他指出，随着单股杠杆ETF资金集中度下降，KOSPI市场内部涨跌结构有所改善，大型股主导的轮动行情正在形成。不过，由于资金主要发生在ETF市场内部调整，对以个人投资者为主的KOSDAQ市场带动仍然有限。

KOSPI大涨背后：外资回补空头才是关键

尽管新规实施首日恰逢韩国股市大涨，但市场分析人士普遍认为，两者之间并不存在直接因果关系。

Meritz证券分析师Hwang Su-uk表示，单股杠杆ETF成交大幅下降，说明监管政策确实降低了资金集中风险，但若将当天三星电子、SK海力士等大型股上涨直接视为新规效果，则属于过度解读。他指出，近期全球杠杆基金减仓消息成为市场关注焦点，尤其是Citadel等机构调整仓位，被投资者视为市场空头压力释放的重要信号。

在此前韩国半导体股遭遇集中抛售后，海外资金开始重新流入，推动大型科技股出现快速反弹。Hwang Su-uk认为，这更像是市场供需失衡后的修复过程，资金重新回归基本面定价，而非监管措施直接推动股价上涨。

iM证券分析师李相宪也表示，当日大型股上涨主要是外资集中回补此前建立的空头仓位所造成的技术性行情。他指出，由于此前空头交易主要集中于市值排名靠前的三星电子和SK海力士，因此资金回补时也优先推动这些股票上涨。后续市场关键在于上涨能否扩散至更多行业和个股，而不是仅依赖少数权重股支撑指数。

一家韩国资产管理机构人士也认为，当天行情更多体现技术性反弹。他表示，当前市场面临的高利率环境、中东地缘风险以及通胀压力并未明显缓解，因此不能将短期上涨视为市场趋势逆转。

个人投资者质疑监管时点

由于新规实施首日恰逢三星电子、SK海力士等核心权重股大涨，韩国个人投资者在社交平台上引发争议。

部分投资者抱怨，监管部门提高杠杆ETF交易门槛的时间点与市场反弹重合，使普通投资者错失参与上涨行情的机会。也有投资者认为，3000万韩元现金保证金要求明显提高了交易门槛，对于此前已经亏损的投资者而言进一步限制了操作空间。

不过，市场机构认为，政策实施时间与市场上涨更多属于巧合。分析人士指出，单股杠杆ETF成交下降确实反映出监管正在改变韩国市场资金结构，但当天KOSPI反弹的主要动力仍来自全球资金流向变化和外资空头回补。

当前韩国股市能否从技术性修复进一步转向持续上涨，仍取决于宏观环境改善以及资金能否持续回流，而非单一监管措施带来的短期影响。

本文来自华尔街见闻，欢迎下载APP查看更多

字节跳动今日发布公告，宣布正式推出新一代视频生成模型Seedance 2.5。

该模型的核心技术指标锚定在“可单次生成30秒高质量视频片段”。在产品落地端，Seedance 2.5正陆续上线字节跳动旗下的即梦AI与豆包专业版，其API服务也将于近期接入火山引擎旗下的火山方舟平台。

在当前的AI视频生成领域，生成时长与画面连贯性是衡量模型基础能力的核心维度。

此前，行业内多数开源或商用模型的基础生成时长普遍集中在3至15秒，这类短视频片段在实际影视工业或内容营销中，往往只能作为空镜头（B-roll）或转场素材使用，缺乏承载完整叙事逻辑的能力。

Seedance 2.5将单次生成时长拉升至30秒，官方将这一能力概括为“长叙事能力”的突破，其背后涉及长序列建模与时空一致性保持等相关技术的迭代。

从业务视角来看，30秒是一个具有分水岭意义的数字。在商业广告领域，一支标准的信息流广告或电视贴片广告的时长通常为15至30秒；在微短剧制作中，30秒足以覆盖一个包含起承转合的单机位长镜头。

因此，这一时长的突破，实质上是将AI视频模型的应用边界，从“辅助素材生成”推进到了“成片级内容直出”的阶段。

它大幅降低了后期剪辑中因镜头拼接导致的视听断层，为影视预演、广告制作及短剧开发提供了更具实用价值的工具。

在商业化落地策略上，字节跳动此次采取了C端应用与B端基础设施并行的模式。

一方面，Seedance 2.5陆续接入即梦AI与豆包专业版。即梦AI作为字节跳动面向大众及创作者的AI内容平台，承担着降低创作门槛、扩大泛娱乐用户基数的任务；而豆包专业版则更倾向于满足专业内容创作者对画质、控制力和工作流集成的需求。这种双重应用端的部署，有助于字节跳动在自有生态内快速积累真实的用户反馈数据，进而反哺模型的迭代。

另一方面，将API服务接入火山方舟，则是其向实体产业渗透的关键一步。

对于游戏公司、营销机构或电商企业而言，直接调用API意味着可以将Seedance 2.5的能力规模化地集成到企业内部的自动化生产线中，实现批量化的视频内容产出。这一举措标志着字节跳动试图在“模型即服务”的市场中，确立视频生成领域的底层供应商角色。

将其置于整个科技行业宏观背景下审视，Seedance 2.5的推出是对当前多模态大模型技术收敛趋势的顺应。随着算力基础设施的完善和扩散模型与Transformer架构的深度融合，视频生成时长的延长已成为行业共识和必然趋势。

然而，在技术指标的突破之外，仍需对其实际商业化前景保持严谨的观察。

在处理复杂物理交互时，是否能保证复杂运动的物理合理性与多主体交互的稳定性，仍是所有长视频生成模型面临的共性难题。字节官方也坦言，该模型在这两方面“仍有提升空间”。

其次是算力成本与推理延迟。长视频的单次生成对算力消耗呈指数级增长。

当Seedance 2.5的API正式在火山方舟上线后，其面向企业客户的Token定价策略、高并发状态下的系统稳定性，以及单次生成的耗时，将直接决定其在B端市场的实际渗透率。如果推理成本高于传统外包制作成本，其“工业化提效”的价值将被削弱。

可见，Seedance 2.5的发布是字节跳动在多模态大模型领域的一次重要能力补齐，30秒单次生成能力也确立了其在当前技术周期内的身位优势。

但从实验室的参数指标到真正嵌入千行百业的生产流，这一模型还需在实际的算力成本优化与复杂场景测试中，接受市场的最终检验。

本文来自华尔街见闻，欢迎下载APP查看更多

7月29日，泡泡玛特旗下烘焙品牌POP BAKERY东南亚首店在新加坡圣淘沙名胜世界开业。

POP BAKERY最早从泡泡玛特城市乐园孵化。此前，其国内扩张主要依靠30余个主题快闪车，常设门店则只有6月新开的秦皇岛阿那亚店。

第二家常设门店就被放到了海外。

该店所在的圣淘沙名胜世界Villa A，地处当地核心旅游度假区，毗邻新加坡环球影城和滨海景观。但与阿那亚店不同，圣淘沙店是一座融合潮玩零售、主题餐饮和IP互动的双层空间。

一楼主要为潮流零售区，集中陈列泡泡玛特旗下核心IP的潮玩及衍生商品；二楼才是POP BAKERY的主要经营区域。

门店将旗下IP与东南亚风味结合，推出星星人海盐椰椰棒、星星人酸酸青椰慕斯、PUCKY小笼包甜品等限定产品。

开业期间，泡泡玛特不仅将星星人的首次海外见面会放进门店，还邀请HACIPUPU、CHAKA等IP艺术家参与见面及签售活动。

POP BAKERY负责人张晓阳表示，新加坡门店希望借助圣淘沙的文旅资源，将泡泡玛特城市乐园中的体验带到海外，通过主题甜品、创意饮品和沉浸式互动，打造融合潮流文化、餐饮与休闲娱乐的消费体验。

这种组合业态的出现，既是泡泡玛特推进集团化的新落点，也是其线下门店运营思路的延伸。

泡泡玛特曾在2025年业绩会上透露，2026年的开店和改造数量均将提升，核心逻辑是通过“门店即乐园”的模式，延长用户停留时间、增强体验感。

烘焙本身消费频率更高，也与聚会、庆祝、社交和旅游场景联系得更紧密。消费者即使没有明确购买潮玩的计划，也可能因为甜品、饮品、角色见面或旅游打卡进入门店。

对泡泡玛特而言，城市乐园短期内未必适合大规模复制，但其中成熟的餐饮、互动和粉丝运营模块，可以先被拆解并嵌入海外门店。

集团化与全球化由此互为支点：更多元的业态帮助泡泡玛特在海外扩大IP触点，持续扩张的全球网络则为粉丝互动和长期运营提供空间。

本文来自华尔街见闻，欢迎下载APP查看更多

KIS在7月31日发布的研报中，将三星电子目标价上调10%至65万韩元，维持“买入”评级。该机构认为，市场仍以传统周期股逻辑为三星定价，却忽视了长期供货协议正推动内存业务从“周期驱动”向“订单驱动”转型，公司盈利稳定性、业绩可预测性和估值中枢均有望提升，当前股价处于“严重低估”状态。

二季度，三星电子营业利润达到89.5万亿韩元，同比增长1814%，较市场一致预期高出约5.5%。KIS同时上调了公司2026年和2027年盈利预测，并认为明确的股东回报政策进一步增强了中长期投资价值。

二季度业绩全面超预期，半导体业务贡献几乎全部利润

三星电子二季度实现营收171.5万亿韩元，环比增长28%，同比增长130%；营业利润89.5万亿韩元，环比增长56%，同比大增1814%，高于市场一致预期84.8万亿韩元约5.5%。

利润几乎全部来自半导体业务。韩国投资证券数据显示，二季度半导体部门营业利润达到89.2万亿韩元，占公司整体营业利润约99.7%；其中内存业务营业利润为91.5万亿韩元。

价格改善成为盈利增长的重要推动力。二季度DRAM平均售价（ASP）环比上涨40%以上，NAND平均售价上涨60%以上。与此同时，代工业务在计提员工相关费用后，也已由亏转盈。

五年长约改变行业逻辑：从周期驱动走向订单驱动

韩国投资证券认为，本次多年供应协议的意义远超锁定未来收入，更重要的是改变了内存行业长期以来的供需博弈模式。

过去，内存厂商主要依据对市场需求的预测进行资本开支，行业因此长期受到供给过剩与价格周期波动困扰。而在长期供货协议模式下，产能规划更多建立在客户订单基础之上，行业经营稳定性和盈利可预见性显著提升。

根据三星电子规划，未来长期合同预计覆盖DRAM及NAND约60%至70%的产能，其余30%至40%仍保留现货市场销售，以兼顾长期订单稳定性和市场价格上涨带来的收益弹性。

韩国投资证券认为，这意味着三星正在逐步建立以订单驱动为核心的新型内存商业模式。

HBM并非唯一目标，更强调长期客户合作

韩国投资证券还指出，三星当前并未一味追求HBM产能扩张，而是在HBM与传统DRAM之间维持相对均衡的供应策略。

在HBM盈利能力阶段性低于普通DRAM的背景下，公司根据客户需求动态调整两类产品的生产比例，更强调长期供应稳定性和客户合作关系，而非追求短期利润最大化。

该机构认为，这进一步印证三星内存业务正从以价格周期为核心，转向以客户订单和长期合作为核心的发展模式。

估值仍处低位，股东回报构成重要支撑

尽管基本面明显改善，韩国投资证券认为三星电子目前估值依然偏低。

截至7月30日，公司股价报20.7万韩元，按2027年每股净资产（BPS）计算，对应市净率（PBR）仅约1.3倍，处于历史低估区间。

韩国投资证券将目标价对应估值设定为未来12个月BPS（129,892韩元）的5倍PBR，由此得出65万韩元目标价。同时，该机构将2026年和2027年营业利润预测分别上调3%和7%，以反映长期供货协议带来的盈利稳定性提升，以及2027年HBM价格上涨的潜在利好。

股东回报同样成为估值支撑因素。三星电子重申，将以年度经营性自由现金流（FCF）的50%作为股东回报基础。

韩国投资证券认为，当前市场估值与公司的盈利能力、现金创造能力以及明确的股东回报政策之间存在明显背离，与其等待市场情绪改善，不如关注企业长期价值本身。

本文来自华尔街见闻，欢迎下载APP查看更多

7月31日，A股早盘集体高开，主要指数全线大涨走强，科创50指数一度大涨超8%，创业板指一度涨超6%。临近尾盘，创业板以及科创50基本回落了一半的涨幅。双创指数仅涨约3%。值得注意的是，存储芯片、CPO等AI硬件方向早盘大幅高开，德明利、兆易创新一字涨停后相继炸板回落。

港股震荡走高，恒科指盘中涨超1%，科网股多数下跌，芯片股强势反弹，兆易创新大涨超20%，不过呈现冲高回落走势，南方两倍做多海力士一度暴涨超300%，收盘涨67%；南方两倍做多三星电子涨49%。AI大模型股亦大幅上涨，智谱盘中涨超28%。

债市方面，国债期货全线上涨，商品方面，国内商品期货涨跌不一。核心市场走势：

A股：截至收盘，沪指涨0.72%，深成指涨2.21%，创业板指涨3.06%。科创50涨3%。全月来看，三大指数均迎来不同程度调整，其中沪指本月跌6.4%，深成指本月跌16.21%，创业板指本月跌23%，科创50指数本月跌25.9%。

盘面上，个股呈现普涨态势，沪深京三市约4700股飘红，今日成交2.56万亿。板块方面，AI应用方向集体走强，中文在线、易点天下、昆仑万维等多股涨停。CPO概念股拉升，汇绿生态、泰晶科技等涨停。半导体芯片股反弹，诚邦股份、盛景微涨停。

从7来看，以芯片、算力硬件为首的科技股7月多数回落，德明利、兆易创新、佰维存储均跌超50%。红利股逆势活跃，建设银行、工商银行、皖通高速、粤高速A本月股价均创历史新高。

港股：截至收盘，恒指跌0.10%，恒科指涨0.53%。恒生指数本月累涨13%；恒生科技指数本月累涨近8%。

盘面上，PCB概念股领涨，芯碁微装大涨超20%，广合科技涨超20%，胜宏科技涨超9%；半导体、存储概念股走强，兆易创新涨超7%，澜起科技涨7%，南方两倍做多海力士涨超67%，南方两倍做多三星电子涨超49%。AI大模型“双雄”上涨，智谱涨超14%，MiniMax涨超13%。小米集团跌超7%。

债市：国债期货全线上涨，截至收盘，30年期主力合约涨0.29%，10年期主力合约涨0.11%，5年期主力合约涨0.08%，2年期主力合约涨0.03%。

商品：国内商品期货涨跌参半，截至收盘，航运期货涨幅居前，集运指数(欧线)涨3.13%；基本金属多数上涨，锡涨1.86%；贵金属全部上涨，钯涨1.78%；非金属建材涨跌参半，玻璃涨0.34%；新能源材料跌幅居前，碳酸锂跌4.84%；黑色系多数下跌，焦煤跌4.41%；能源品全部下跌，燃油跌3.68%；化工品多数下跌，丁二烯橡胶跌2.59%；农副产品多数下跌，鸡蛋跌2.33%；油脂油料多数下跌，棕榈油跌0.84%。

AI应用/智谱AI：中国大模型全球份额63.5%登顶，板块掀涨停潮

AI应用端是本日市场最强主线。蓝色光标、易点天下、中文在线、荣信文化20cm涨停，昆仑万维涨停报43.20元，福昕软件涨停报67.03元，竞业达、掌阅科技、中广天择、风语筑、用友网络等10cm涨停。传智教育斩获5连板报8.81元，普联软件20cm二连板。海天瑞声、值得买、每日互动涨超15%。

消息面，中国模型全球市场份额历史性登顶。OpenRouter官方披露，中国模型全球市场份额6月初整体超过美国模型，截至7月26日近28天份额约63.5%，美国模型仅35.5%，差距进一步拉大。

与此同步，Kimi团队7月27日开放Kimi K3模型权重、OpenAI于7月30日下调GPT-5.6相关模型价格，两大事件进一步降低了AI应用调用成本，加速了"模型平民化→应用爆发"的正循环。

国产模型商业化落地加速。智谱宣布落地1GW级国产AI算力数据中心，全部采用国产AI芯片，其面向开发者的付费订阅服务GLM Coding Plan因需求爆发一度限制订阅名额，当日恢复开放后港股智谱一度涨超28%。

政策全面加码AI应用。发改委蒋毅明确"加快自主创新、突出应用、深化生态"三大方向，将加快人工智能法立法进程。北京四部门近日联合印发全国首个省级AI智能体规模化发展专项政策，明确培育Token即服务（TaaS）、智能体即服务（AaaS）、结果即服务（RaaS）等商业新模式，支持建设Token工厂。

华创证券认为，从GLM-5.2到Kimi K3，国产模型性能提升节奏超预期，有望摆脱低价标签，通过高智价比竞争高价值场景，在编程、办公、AI原生娱乐等场景持续渗透。

全球AI产业链共振后午后分化

半导体产业链早盘强势，午后涨幅收窄。太极实业涨停，盛景微涨停，泰晶科技涨停。芯原股份、盛科通信涨超10%。

存储方向，兆易创新早盘一字涨停后炸板，收盘涨2.02%报378.60元；江波龙涨2.42%报346.99元，佰维存储涨2.80%报225.99元。长鑫科技涨2.08%报53.97元，盘中一度涨超14%、市值突破4万亿元，成交额超500亿元。

消息面，本轮半导体反弹由美→韩→A股三层传导。隔夜费城半导体指数大涨超8%，终结日线五连跌。存储芯片全线上涨：闪迪+25%，美光+18%，SK海力士ADR+17%，西部数据+14%。7月31日韩国KOSPI指数收盘大涨17.91%，创下历史最大单日涨幅。SK海力士封住涨停，涨幅30%，为历史首次。三星电子涨26.81%，市值重回1.2万亿美元。

三星电子二季度销售额171.5万亿韩元（同比+130%），营业利润89.49万亿韩元暴增1814%，净利润71.27万亿韩元超市场预期。公司预判生成式AI将推动存储芯片短缺持续至2028年，HBM4销量三季度预计环比翻倍，计划将长期协议销售占比提至60%-70%。美国泰勒第二座晶圆厂年底开工。

需求端，亚马逊二季度营收2006亿美元（同比+20%），全年资本开支上调至2200亿美元，CEO称算力需求将持续至2028年。微软Azure同比+43%，股价暴涨15.5%、市值单日增4500亿美元创美股纪录。

银河证券"六张网"研报指出，算力网、新一代通信网、新型电网将加速推进，AI基础设施建设持续加码直接利好存储芯片、算力芯片、半导体设备等环节。

值得注意的是，AI对冲基金Situational Awareness因高杠杆爆仓，被华尔街视为做空力量出清、"AI交易"触底的标志性信号。SK集团会长崔泰源出手增持SK海力士普通股，进一步强化了产业资本的信心背书。

CPO/光通信：超跌后集体反弹，东山精密盘中涨停

经历连续数日重挫后，CPO/光通信板块迎来集体修复。源杰科技涨7.41%报1092.10元，天孚通信涨6.81%报171.01元，新易盛涨6.71%报396.01元，中际旭创涨4.40%报902.01元。东山精密涨5.98%报171.48元，盘中一度触及涨停板后回落。PCB方向，鹏鼎控股、胜宏科技、三环集团涨超8%，生益电子涨超10%。

隔夜美股光通信方向同步大涨，Lumentum涨15%、Coherent涨12%。从基本面看，新易盛上半年预增77%-103%，净利70亿-80亿元。中际旭创一季度净利57亿元，同比增262%，800G光模块出货稳步增长，1.6T二季度开始放量。天孚通信在苏州、江西、泰国三地同步扩产。

银行/红利板块：资金切换致集体回调

银行板块逆市下跌1.38%，国有大型银行跌1.90%。农业银行跌2.95%，盘中一度跌超5%。工商银行跌1.96%。此前7月30日，工商银行、建设银行双双创下A股历史新高，银行板块单日涨2.48%。

银行股的回调主要受资金风格切换驱动：科技成长赛道大幅反弹吸引资金从防御板块流出。不过，机构对银行三季度表现仍较乐观。中金公司预计覆盖银行2026年二季度营收、归母净利润同比增长6%、4%，展望三季度业绩延续向好趋势。

华创证券认为，2026年银行股投资逻辑将从单纯的红利防御转向"红利+成长"双轮驱动，高股息、低估值的类债属性在无风险利率下行背景下仍将持续吸引稳健资金。Wind数据显示，2025年度A股上市银行现金分红总额达6456.37亿元，连续三年增长，多数大行股息率仍在4%-6%区间。

12:10

盘面上存储半导体板块涨幅“惊人”，两倍做多海力士盘中更是一度飙升306%至103港元，兆易创新、澜起科技皆大涨，光通信龙头长飞光纤光缆同样强势，PCB概念股建滔集团以及建滔积层板大涨。不过，科网股内部出现明显分化，阿里巴巴涨近6%，百度涨超4%，小米则大跌近7%，京东、美团飘绿，昨日支撑大市上涨的内银股集体低迷。

本文来自华尔街见闻，欢迎下载APP查看更多

7月的最后一天，曾被硅谷和华尔街奉为"AI先知"的Leopold Aschenbrenner，以一封道歉信宣告了这场神话的阶段性终结。他创立的对冲基金Situational Awareness在7月单月亏损约67%，深陷AI股大跌与杠杆追保的双重压力。

据《华尔街日报》援引一位看过该信件的人士描述，Aschenbrenner在致投资者信中写道："我们这个月让你们失望了。"重大亏损迫使该基金将绝大部分公开市场持仓出售给Ken Griffin旗下的Citadel，以筹集资金应对贷款方的追加保证金要求。

据报道，Situational还于周三深夜达成协议，拟以35亿美元向由Greenoaks和红杉资本牵头的投资者财团出售其持有的私人AI巨头Anthropic股权，但该基金在周四上午明显改变立场，最终撤回了交易。

尽管7月损失惨重，据投资者信披露，即便计入本月亏损，Situational年内收益率仍约为80%。据《华尔街日报》此前报道，该基金截至5月底的年内收益率约为270%。

然而，这一数字与数周前的高光时刻相比，已不可同日而语。Aschenbrenner凭借一篇预言AI将改变世界的长文在华尔街募集资金，成立约两年来，基金资产管理规模迅速突破200亿美元以上，是近年来扩张最快的基金之一——而Aschenbrenner本人在创立该基金时，并无任何专业投资经验。

Situational的崩盘集中于7月AI板块的剧烈下跌。该基金重仓押注AI相关股票，并使用高倍杠杆放大头寸。多头持仓随AI板块回调大幅缩水，同时其做空的软件股出现反向上涨，两面夹击之下触发追加保证金通知。

Aschenbrenner在信中将部分责任归咎于针对该基金持仓的空头，称其加剧了亏损，并将Situational的遭遇比作一场"银行挤兑"。他同时告知投资者，基金已撤除投资组合中的全部杠杆。

在不到36小时内，Citadel以折扣价接盘了Situational约160亿美元的全部公开市场持仓。Citadel由Ken Griffin创立，管理规模约710亿美元，是全球最大对冲基金之一。

尽管公开市场持仓已基本清仓，Situational目前仍持有一批私人公司投资组合，其中包括其在Anthropic的股权。

据报道援引知情人士透露，该基金周三深夜曾就出售Anthropic股权达成35亿美元交易，买家为由Greenoaks和红杉资本牵头的投资者财团，但周四上午最终撤单。据彭博此前报道，Situational此前已尝试出售部分私募投资资产。

Situational的大起大落，折射出硅谷在全球AI浪潮中押注未来技术的极致风格。该基金成立仅约两年，资产管理规模即迅速超过200亿美元，Aschenbrenner本人也被部分投资者视为"AI先知"，其持仓动向受到市场密切追踪。

7月的巨亏与年内仍维持正回报之间的巨大落差，既揭示了高倍杠杆在单边行情中的放大效应，也警示了市场波动对重仓集中押注策略的潜在冲击，令投资者再度审视AI赛道的高波动属性。

本文来自华尔街见闻，欢迎下载APP查看更多

据《华尔街日报》周五报道，OpenAI近期推出两项重大举措：一是成立独立服务公司OpenAI Deployment Co.（简称DeployCo），向企业客户派驻前线部署工程师（Forward Deployed Engineers，FDE）；

二是向新建企业合作伙伴网络投资1.5亿美元，引入波士顿咨询、贝恩、埃森哲等顶级咨询机构协助销售和落地。DeployCo已获得由TPG领投的40亿美元融资，Advent、Bain Capital、Brookfield等机构联合参与。

上述举措的背景是，企业级市场已成为OpenAI实现营收目标、支撑高额基础设施投入、并最终满足公开市场预期的关键支柱。然而，众多大型企业仍难以将AI模型访问权限转化为真正融入日常运营的实用应用，这一落差正是OpenAI此番布局所要解决的核心问题。

DeployCo：以收购起步，FDE规模扩至数百人

DeployCo于今年5月正式成立，起点是对AI咨询与工程公司Tomoro的收购，由此引入约150名工程师。此后，OpenAI又收购了应用AI公司Northslope，使FDE总人数扩展至数百人。此外，OpenAI内部FDE团队的部分成员将临时借调至DeployCo，以支持其规模化扩张。

DeployCo目前仍在筛选首批客户，并将优先考虑与OpenAI有长期合作关系的企业。该公司将保持OpenAI控股，作为OpenAI生态系统的组成部分运营。

DeployCo首席技术官Arnaud Fournier此前曾在OpenAI领导逾百人的FDE团队长达四年。他表示，“模型能力与人们实际使用之间的差距，从未像现在这样巨大。”

落地案例：帮助BBVA将信贷风险工具准确率从60%提升至80%

西班牙银行BBVA是OpenAI FDE项目的早期受益者之一，也是DeployCo的创始合作伙伴。

BBVA风险转型负责人Fran Martínez López表示，一名OpenAI工程师帮助该行构建了一套信贷风险分析AI应用——这是其团队此前已独立推进数月的项目。该FDE为BBVA提供了一套全新的构建方案，包括引入一组专门用于评估和审核其他AI智能体输出结果的AI智能体，最终使该工具的准确率从不足60%提升至80%。

“他们告诉我们：这是构建此类解决方案的方式，这是使用这项技术的方式，”López说。

OpenAI内部FDE项目负责人Colin Jarvis介绍，FDE与企业的合作周期从数月到数年不等，视项目深度而定，可涵盖概念验证到全面部署等不同阶段，单个团队通常嵌入一至五名FDE。

40亿美元融资背后：押注数千亿美元企业AI服务市场

DeployCo的40亿美元融资由TPG领投，Advent、Bain Capital、Brookfield担任联合创始合作伙伴，B Capital、BBVA、Emergence Capital、Goanna、高盛、软银、Warburg Pincus及WCAS为创始合作伙伴。

TPG合伙人Peter McGoohan表示，“我们认为AI服务的可寻址市场规模最终将达到数千亿美元。我们正在解决当前企业AI采用过程中存在的根本性问题。”

这一布局并非OpenAI独有。Anthropic今年3月宣布了自己的合作伙伴计划，并设有名为"Applied AI团队"的FDE服务；微软和亚马逊近期也相继宣布了各自的FDE相关计划。

咨询巨头入局：FDE之外，变革管理同样关键

FDE模式并非万能解法。Gartner资深副总裁分析师Arun Chandrasekaran指出，尽管OpenAI、Anthropic等AI实验室在技术层面具备实力，但“它们并不具备与董事会和C级高管直接对话的渠道，也无法在数字化转型和业务转型层面进行深度沟通”。

对此，OpenAI方面表示，公司经常与企业董事会就AI转型战略进行交流。

为弥补这一短板，OpenAI向新建合作伙伴网络投入1.5亿美元，引入BCG、贝恩、埃森哲等咨询机构共同推动企业落地。BCG全球合作与联盟负责人Vikas Taneja表示，咨询伙伴的核心优势在于帮助企业应对变革管理等更宏观的组织挑战。

OpenAI全球合作与生态副总裁Colleen Kapase表示，"将前沿模型和产品转化为真实业务价值，需要一个值得信赖的合作伙伴生态系统。"

本文来自华尔街见闻，欢迎下载APP查看更多

美联储7月议息会议维持利率不变，然而真正牵动市场神经的并非决议本身，而是主席沃什在发布会上的表态。高盛交易台负责人Rich Privorotsky指出，沃什在通胀与就业权衡问题上始终未能阐明清晰的反应函数，这令市场对美联储政策逻辑的疑虑急剧升温。30年期美债收益率随即攀升至新高，收益率曲线大幅陡峭化。

高盛警告，这一局面可能产生反效果：若在取消前瞻指引的同时又模糊政策框架，美联储的公信力非但难以修复，反而可能进一步受损。更关键的是，长端利率的失控走势或将倒逼美联储重新出手——除非9月前经济数据明确转软，否则市场可能迫使美联储再度加息，以重新锚定长端并挽回公信力。

新闻发布会成焦点，反应函数缺失引发质疑

据高盛Rich Privorotsky分析，沃什主导美联储以来，其核心目标是通过取消前瞻指引来重建美联储在连续多年未能实现2%通胀目标后所失去的公信力。然而，取消指引并不等同于可以回避框架透明度。

在发布会上，当被追问通胀与就业之间如何取舍时，沃什未能给出明确的政策反应函数。在被问及通胀判断依据时，他表示委员会参考更广泛的指标，但未说明哪些指标权重最高、如何加权。

Rich Privorotsky指出，若在移除前瞻指引的同时又遮蔽政策方法论，公信力的结果可能与初衷背道而驰——不是提升，而是恶化。

长端利率失锚，或倒逼再度加息

市场对美联储反应函数的困惑，直接体现在长端利率的剧烈波动上。30年期美债收益率在议息会议后突破新高，收益率曲线出现明显陡峭化，显示市场对长期通胀与财政前景的担忧正在加剧。

高盛认为，这一走势具有重要的政策含义。除非9月前经济数据出现明确的全面走软，否则市场可能主动“要求”美联储再次加息，以重新锚定长端利率、恢复政策公信力。前端利率偏低而长端利率高企的组合，对小盘股及其他长久期资产而言尤为不利。

全球财政扩张加剧长端压力

长端利率的隐忧并非孤立存在，而是嵌套在更广泛的全球财政背景之中。高盛指出，日本方面，Takaichi正在推动下调消费税；英国方面，政策讨论已从"是否增加国防开支"转向"如何为其买单"。发达市场整体财政赤字持续扩大，并未呈现正常化迹象。

自新冠疫情以来，各主要经济体财政状况只朝一个方向移动，从未实现正常化。这一结构性特征意味着期限溢价将持续走高，通胀将更具粘性，名义利率将在结构性高位维持更长时间。

风险资产承压，市场去杠杆仍在持续

在市场层面，高盛描述了一幅令人警惕的图景。股票遭到抛售，美元走弱，风险资产整体承压，市场对美联储反应函数的质疑是主要驱动因素。

与此同时，市场正经历一轮剧烈的去杠杆过程。高盛指出，当前动量策略的回撤幅度已超过20日均值2.5个标准差，去杠杆速度之快，几乎要追溯至新冠疫情时期才能找到可比案例。但两者性质不同：疫情期间是市场功能失灵导致的被动抛售，此次更像是过度集中持仓与高杠杆积累后的主动出清。

历史数据显示，从类似超卖水平出发，未来15年的前瞻回报通常为持平至正值。但高盛认为，若要实现夏普比率更优的复苏，关键在于已实现波动率相对标普500指数的收敛——在此之前，动量策略的走势将更趋震荡、区间波动，而非出现爆发式反弹。

在基本面层面，高盛认为企业盈利对相关交易仍具支撑，但市场的定价逻辑正在发生转变——投资者越来越不愿单纯为AI资本开支买单，而是更倾向于奖励能够展示AI货币化成果的公司。高盛认为，这一区分在接下来的财报季中将愈发关键。

本文来自华尔街见闻，欢迎下载APP查看更多

植田和男还指出，尽管重返通缩的风险已显著下降，但并未完全消除。他特别提到，中东局势下美欧央行正重新趋向紧缩，同时汇率对通胀的影响正变得更为显著，需予以更密切监测。少数企业反映借贷成本上升已对投资形成制约，而汇率仍是影响物价的重要变量。

他强调，今后需更加警惕价格上涨风险，并计划从下次会议起就此展开深入讨论。同时，他表示将避免对日常市场波动作出评论。植田和男指出，适当的货币政策对于维护收益率曲线的稳定至关重要，并称短期内再次启用收益率曲线控制措施的可能性较低。

此外，他表示将持续关注熊本地震对经济的影响，但预计不会引发严重的资金供给问题。

此次表态紧随日本央行最新利率决议之后。日本央行周五维持基准利率于1%不变，符合彭博调查全部52位经济学家的预期，同时小幅上调未来几年经济增长预测，并重申将根据经济和物价形势继续推进政策正常化。

不过，审议委员会内部出现分歧，委员高田创投下唯一反对票，主张连续加息，反映出部分委员认为当前通胀走势已具备进一步收紧政策的条件。

截至发稿，日元持续走弱，美元兑日元报160.46。但在7月30日周四美股早盘时段，美元兑日元曾急速跌破160关口，短短一小时内暴跌近500点，一度下探至158.00下方，日内跌幅高达3.3%，创下自2023年12月以来的最大单日跌幅。

鹰派立场进一步强化

植田和男表示，受AI相关投资扩大及近期日元贬值推高进口成本影响，本财年晚些时候通胀率有望明显升至2%以上，潜在通胀存在突破目标的风险。他强调，在通胀趋势完全确认之前，央行也可提前调整政策，不应低估通胀上行风险。

他指出，AI相关需求非常强劲，相关支出在某种程度上具有可持续性。

植田和男还表示，货币政策调整需要时间才能传导至实体经济。自上月加息以来，市场利率已有所上升，目前仍需评估此前紧缩措施的影响。他指出，消费税下调对物价的影响尚待观察，目前仅少数企业受到融资成本上升影响，整体金融环境依然宽松。

此外，植田和男表示，因6月无法参加政策会议而未参与投票。他强调，日本央行无权就财政政策向政府提供建议。

日元仍受利差主导，加息预期有待兑现

相比日本央行的表态，美日利差仍然是影响汇率的决定性因素。

彭博数据显示，以2年期美日隔夜指数掉期（OIS）利差衡量，美元兑日元与利差之间90日滚动相关系数已由3月的约0.25升至0.44，显示利差对汇率走势的解释力持续增强。

尽管日本央行继续释放鹰派倾向，并明确将汇率和中东局势列为未来政策的重要观察变量，但由于本次会议并未释放提前加息的明确信号，市场对政策路径的判断并未发生根本改变。

决议公布后，美元兑日元仅小幅走弱，投资者仍普遍押注日本央行最快可能于10月再次加息，但这一预期仍有赖于后续通胀、汇率及外部风险的发展进一步验证。

与此同时，市场持续关注日本官方是否已再度出手干预汇市。据报道援引知情市场人士，日本当局于周四纽约交易时段入市干预，推动日元兑美元一度单日上涨3.3%。虽然日本政府并未正式确认实施干预，但日本首席汇率官三村淳表示，日本从美国获得的支持已不仅限于道义层面，进一步引发市场对协调干预的猜测。

在日本央行未能通过提前加息为近期日元反弹提供政策支撑的情况下，套息交易逻辑并未发生根本改变。短端利差仍持续吸引资金流向美元资产，使得日元更多依赖官方干预，而非利差收窄带来的持续升值动力。

本文来自华尔街见闻，欢迎下载APP查看更多

7月31日，东鹏饮料发布2026年半年度报告。上半年，公司实现营业收入124.43亿元，同比增长15.9%；归母净利润28.67亿元，同比增长20.7%。

不过，若剔除非经常性损益，东鹏饮料扣非净利润增速仅14.4%，显示新品推广和渠道扩张仍需要较高投入。

从品类结构看，东鹏特饮仍是基本盘，但收入占比继续下降。

上半年，能量饮料收入89.37亿元，同比增长6.9%，占主营业务收入的71.9%，较上年同期下降约6个百分点。

“东鹏补水啦”所在的电解质饮料收入16.72亿元，同比增长12%，占比约13.5%。

第三大品类茶饮料贡献了最快的增长，上半年实现收入10.58亿元，同比翻两倍，占比升超5个点至8.5%。

其中，低糖果之茶通过“1元乐享”“免费乐享”等活动加快下沉，无糖“上茶”则以750毫升大包装和高性价比切入家庭及县域市场。茶

饮料的快速起量，说明东鹏正在将能量饮料积累的经销网络、终端促销和数字化运营能力复制到更多大众饮料品类。

咖啡同样是东鹏重点培育的方向。

从经营数据看，东鹏大咖仍处于较快扩张阶段。公司援引马上赢数据称，2026年上半年，东鹏大咖位列中国即饮咖啡市场份额前三。

与茶饮料依靠下沉市场快速铺货不同，东鹏大咖正在采用更有针对性的渠道策略：重点进入一二线城市写字楼、连锁便利店、加油站和自动售货机，同时借助既有分销网络向县域市场渗透。

换言之，咖啡承担的不只是增加收入，也是在帮助东鹏突破原有体力劳动、长途驾驶等消费场景，进入办公和通勤市场。

上半年，包含咖啡、植物蛋白和果蔬汁等在内的“其他饮料”板块收入7.59亿元，增长约41.9%。

截至2025年底，东鹏饮料已经累计投放超过40万台冰柜，2026年的重点是继续增加投放，并提升“单点卖力”，即通过多品类联合陈列和动销数据回传，提高单台冰柜、单个终端的销售产出。

渠道投入已经反映在费用端。

上半年，东鹏饮料销售费用同比增长27.75%至21.48亿元。其中，广告宣传费、渠道推广费均增长约四成，公司明确表示后者主要与加大冰柜投入有关。

免费乐享、终端陈列、冰柜投放和新品铺货，有助于茶饮料快速起量，也意味着东鹏正在用更高投入争夺货架和消费者。

下一阶段，其多品类战略的验证重点，将不只是新品能否铺进更多终端，而是茶饮、咖啡等新品在促销减弱后，能否持续提升单点产出并形成稳定复购。

本文来自华尔街见闻，欢迎下载APP查看更多

7月30日，加拿大鹅披露截至6月28日的2027财年第一季度业绩。

公司收入同比增长10.3%至1.189亿加元，按固定汇率计算增长8.6%，高于市场预期的1.088亿加元。

分渠道看，DTC收入同比增长8.6%至8480万加元，但可比销售仍下降3.2%。线下门店同店销售表现偏弱，仅被各区域电商业务的双位数增长部分抵消。

批发业务成为另一项主要增量。该渠道收入同比增长66.5%至2980万加元，公司将其归因于计划订单规模扩大、合作商补单增加以及发货节奏变化。

大中华区成为加拿大鹅本季度最主要的增长引擎。

本季度，大中华区收入同比增长44.2%至3750万加元，按固定汇率增长39.6%；除大中华区外的亚太市场收入也增长23.8%。

整个亚太地区加起来的收入规模达到5360万加元，已经超过北美。

与之相比，美国市场收入下降19%，拖累北美整体收入下降4.9%；欧洲、中东和非洲市场收入下降5.7%。

公司表示，中国市场增长受到本地消费和旅游消费带动，轻薄夹克、T恤、雨衣等春夏产品也增加了消费者在传统羽绒服销售季之外的购买机会。

这也延续了加拿大鹅近年来推动“全年化”的转型方向。公司试图降低对寒冷天气和秋冬旺季的依赖，扩大核心羽绒之外的品类占比。

今年春夏，加拿大鹅继续加大品牌投放，先后推出Snow Goose春季胶囊系列、2026夏季系列及“自然智慧”品牌平台，并采用品牌建设与效果转化并行的营销策略。

管理层称，中国大陆和欧洲大陆市场的品牌吸引力继续提升，并计划在第二、第三季度进一步增加营销投入，将品牌关注度转化为秋冬旺季销售。

利润端，受益于毛利增长及上年同期一次性费用不再发生，加拿大鹅经营亏损由1.587亿加元收窄至1.038亿加元，归属于股东的净亏损由1.252亿加元降至9080万加元。

尽管首季度收入和调整后每股亏损均好于预期，加拿大鹅没有上调全年目标，仍预计2027财年收入增长低单位数，调整后EBIT利润率为11%至12%。

管理层同时预计，本财年消费需求将弱于上一年，核心市场仍面临客流放缓、消费者信心下降和旅游活动减少等压力。

本文来自华尔街见闻，欢迎下载APP查看更多

7月31日，Seedance 2.5正式上线豆包、即梦、扣子等字节旗下产品，并将通过火山引擎向企业用户开放API服务。相较年初发布的Seedance 2.0，新版本在生成时长、多模态理解、编辑精度及语言适配四个维度全面升级，将视频生成推进至"可修改、可迭代、可交付"的新阶段。

发布当日，徐工集团、小鹏汽车、灵初智能、微分智飞、穹彻智能等多家企业确认合作，率先将该模型引入工业培训、产品设计、具身智能训练数据生成等具体生产环节。香港科技大学副教授王帅表示，视频生成模型正在经历从"生成内容"走向"理解世界"、从"辅助创意"走向"提升生产力"的关键转变，Seedance 2.5代表的是生成式AI向真实产业生产流程深入融合的重要信号。

Seedance 2.5在生成时长上实现最直接的跃升：单次生成视频时长从15秒提升至30秒，并支持多轮延长，可在更长时间内保持人物、场景与镜头的一致性，使创作者能够完成具有完整叙事节奏的内容，无需反复拆分镜头和处理衔接。

多模态参考能力大幅扩容。用户单次可输入最多30张图片、10段视频、10段音频作为参考素材，同时新增白模参考与绿幕参考能力。白模参考允许创作者以无纹理3D模型预先规划空间结构、主体姿态和镜头机位，再由模型生成符合物理光照规律的最终画面；绿幕参考则支持在保持主体不变的前提下，依据不同场景的物理规则渲染服装飘动、步态节奏、光影等细节。

R2V prompt：延长视频，衔接 @视频1 画面内容和主体继续生成一个 30 秒的视频，保持人物主体、场景、画面风格、声音音效一致。小男孩抱着足球沿车厢跑，地铁停稳后侧边门打开，他立刻冲出，男主紧追。两人一路穿过站台跑到街上，惊动街边路人，男主最终追上并抓住他，小男孩委屈抬头，男主慢慢消气，摸摸他的头，露出无奈笑容。

编辑精度方面，Seedance 2.5新增视频局部编辑能力，支持通过时间戳对指定片段内的角色、动作、声音或剧情进行定向修改，同时保持修改前后的连贯性。这一能力配合绿幕编辑、视角编辑、参考编辑，可适配影视和广告等对精度要求较高的专业场景。

此外，该模型原生支持10余种语言，并加强了复杂指令控制，为面向多语言、多版本的工业化内容生产提供基础支撑。

有网友评论称：“电影级水准。”

还有网友称，“感觉AIGC发展太快了”、“很难相信都是AI生成的”。

Seedance 2.5发布当日公布的合作企业，覆盖工业制造、汽车设计、具身智能、飞行机器人等多个垂直领域，显示出字节跳动在商业化落地上的布局方向。

徐工集团将Seedance应用于工业操作培训与工序SOP视频生成，以降低传统实拍与3D动画的制作成本。小鹏汽车则将其集成至内部一站式AI设计平台，辅助产品设计环节的可视化创作。

在具身智能领域，穹彻智能借助视频生成扩充了具身智能大模型的训练数据——无需依赖实体机器人逐一采集，即可生成适配不同机型的操作数据，提升模型的多机型适配能力与通用性。微分智飞则将Seedance融入飞行机器人应用，构建出标准化的数据集生成流程，用于模拟障碍物闪避、室内自主寻路、智能目标锁定等高难度场景，产出高质量训练数据。灵初智能也已在具身智能方向推进应用探索。

R2V prompt：16:9 宽幅电影级质感，一镜到底，丝滑运镜，无剪辑。场景参考 @图片4。0-5 秒：@图片2 霸王近景开场，镜头缓慢环绕上半身并过渡至中景；霸王旋身翻转，随后身体与靠旗从镜头前快速掠过，形成自然遮挡，镜头顺势绕至 @图片1 虞姬身侧。6-10 秒：镜头稳定环绕 @图片1 虞姬中景，跟随水袖动作完成环绕运镜虞姬抬臂、挑腕、展袖、半转身。最后收袖定格，侧身看向霸王。11-20 秒：@图片3 武生出场完成后空翻腾动作，随后霸王居中，武生在对侧进退攻防。虞姬位于霸王侧后方以水袖配合，形成刚柔对比。镜头从武生中近景缓慢后拉至舞台大景，结尾三人面向观众同步京剧落幕亮相。

王帅指出，具身智能、机器人仿真、自动驾驶、工业设计验证等场景的共同需求，在于模型能够理解"一个动作会带来什么后果"以及"一个场景会如何演化"。这意味着视频生成模型的产业价值，最终取决于其对物理世界规律的建模能力，而非单纯的画面质量。

Seedance 2.5在发布声明中亦承认，在复杂运动的物理合理性、极多主体交互场景的稳定性上仍有提升空间。字节跳动表示，未来将继续探索更长的连贯叙事与更强的物理世界理解能力。

在自动驾驶领域，Seedance 2.5已可模拟极端天气、复杂路况等低频场景，为系统测试和训练提供更多样本；在教育领域，模型可将历史背景、实验过程等抽象内容转化为动态演示视频，降低教学物料制作门槛。这些场景共同指向一个方向：视频生成的核心竞争力，正从创意侧的内容产出，向产业侧的数据生产与流程替代延伸。

本文来自华尔街见闻，欢迎下载APP查看更多

本轮财报季揭示出一个核心矛盾：AI投入的规模与速度远超收入变现的节奏，云业务的强劲增长为部分公司赢得了喘息空间，而自由现金流的集体恶化则令另一些公司股价承压。这场叙事争夺战的胜负，将在未来数年内逐步见分晓。

本季财报中，Amazon资本开支同比激增69%至约540亿美元，Meta资本开支同比激增83%至311亿美元，Microsoft资本开支同样增长69%，Google则宣布将全年支出目标上调150亿美元至最高2050亿美元。据FactSet汇编的华尔街估算，今明两年四家公司合计资本开支预计高达约1.6万亿美元。自2023年AI竞赛启动至今年6月，四家公司累计资本投入已突破1.1万亿美元。

市场的反应分歧鲜明。Amazon云业务创下2022年初以来最快增速，盘后股价涨近10%；Microsoft Azure单季销售额创历史新高，股价次日涨逾15%。Meta则因收入前景不及预期叠加支出持续扩张，股价下挫逾7%。Google出现上市以来首次单季负自由现金流，股价次日跌逾6%。四家公司合并自由现金流降至十年低点约70亿美元，创历史低位。

支出规模：没有终点线的军备竞赛

从单季数据看，今年二季度四家公司合计资本开支达1700亿美元，同比增长约78%。

这一数字每季度都在刷新，且上调已成惯例——Amazon本季将全年资本开支预期上调200亿美元至约2200亿美元，主要原因是内存芯片价格大幅上涨；Google将全年目标提高150亿美元；Meta将全年资本开支下限从1250亿美元上调至1300亿美元。

支出规模的持续膨胀，部分源于供应链压力。

据报道，内存芯片的短缺推高了采购成本，Microsoft今年4月曾披露，芯片价格飙升将使其今年的支出额外增加250亿美元。这一成本压力甚至波及未直接参与AI竞赛的Apple——该公司警告成本上升将压低销售额和利润率，股价随即下跌6.3%。

RBC Capital分析师Rishi Jaluria表示，"资本开支的增长基本上看不到终点。投资者需要这些公司在AI投入与维护既有业务竞争力之间走钢丝。"

云计算：AI变现的核心通道

目前最能支撑"投入有效"叙事的，是云计算业务的加速增长。

Amazon云业务AWS二季度销售额增长37%至422亿美元，运营利润同步提升；Microsoft Azure全年销售额首次突破1000亿美元，单季增速为2022年以来最快；Google云业务同比新增约110亿美元收入。

三家公司的云业务客户涵盖从OpenAI、Anthropic到各类企业用户，AI算力需求带动的合同积压已成为支撑增长预期的关键指标。Amazon、Google、Microsoft三家合计签约积压合同总额接近1.7万亿美元，较一年前翻逾一倍。

Amazon CEO Andy Jassy在电话会议上表示，云服务"很可能在未来成为我们每年万亿美元量级的收入业务"。Microsoft CEO Satya Nadella则称，公司上季度在五大洲开设了31个数据中心，整体算力容量将在两年内翻番。

AI收入：从投入叙事到变现验证

本季财报中，四家公司首次以更量化的方式回应了市场最核心的追问——"钱花出去了，到底赚回来多少？"

Amazon率先给出了最具体的数字：AWS的AI业务年化收入运行率已突破250亿美元，自研芯片（Trainium与Graviton）同样突破250亿美元，两项均实现三位数百分比同比增长。Jassy在电话会上将其作为此次财报的核心披露亮点，标志着Amazon开始将AI收入从云业务整体数据中单独拎出来接受市场检验。

Microsoft的AI年化收入运行率则达370亿美元，叠加Microsoft 365 Copilot付费席位突破3000万（三个月前约2000万，环比增约50%），已形成"云AI + 办公AI"的双轮变现结构。Nadella强调，"我们正在推动成本效益曲线跨越新前沿，确保每一位客户都能将token转化为实际的业务成果。"

Google虽未单独拆分AI收入，但管理层确认Vertex AI、Gemini API及TPU算力租赁是云业务82%增速的核心拉动力——Gemini API每分钟处理token量从上季度的160亿飙升至220亿，Gemini Enterprise已被近90%的财富100强公司采用。Google Cloud的积压订单从上一季度的约4600亿美元飙升至5140亿美元，增量超过500亿美元，主要由企业AI需求推动。公司预计其中逾50%将在未来24个月内转化为收入。

Meta的AI变现路径则完全嵌套在广告引擎中。

本季AI驱动的Advantage+广告工具年化收入运行率约750亿美元，AI价值优化工具年化超200亿美元（一年内翻倍）。AI对推荐系统和广告转化率的提升使广告单价同比上涨12%，广告展示量增长14%，推动应用家族广告收入同比增长27%至594亿美元。扎克伯格在电话会上表示，"AI正在加速我们今天的核心业务"——但没有独立云业务作为直接变现通道，Meta的AI投入回报比另外三家更难被市场定价。

自由现金流：承压是共识，分歧在预期管理

尽管收入在增长，自由现金流的恶化是本季财报中无法回避的共同主题。

Amazon过去12个月经营现金流为1614亿美元，同比增长33%，但扣除数据中心等基础设施投资后，自由现金流骤降至负76亿美元。Google二季度出现上市20余年来首次负自由现金流，单季缺口约为60亿美元。四家公司合并自由现金流降至约70亿美元，为十年最低，仅Microsoft和Meta实现了正值。

Jassy坦承，在同时建设多个数据中心、且从立项到投产存在约两年滞后期的情况下，"短期内我们将花费大量资本开支，并面临自由现金流压力，直到这些数据中心陆续上线"。

SLC Management董事总经理Dec Mullarkey表示，"对投资者而言，不计代价的增长时代已经过去，他们希望看到支出切实流转为业绩，就像谷歌、微软和亚马逊那样。"这也在一定程度上解释了Meta股价为何在财报后承受了更大压力。

集中度风险：OpenAI与Anthropic的蝴蝶效应

本轮资本开支狂潮的另一隐患，在于其部分需求高度集中于少数AI初创公司。

积压合同的大幅增长，相当程度上来自OpenAI和Anthropic的多年期算力购买承诺。这意味着科技巨头的投资回报，部分取决于这两家公司能否持续融资并履行合同，同时还取决于其各自上市计划能否落地。

据穆迪警告，这种结构形成了"一个可能掩盖真实需求的更具循环性的系统"，构成不可忽视的集中度风险。

与此同时，各公司在未来财务承诺上的披露也揭示了更深层的资产负债表锁定风险。

据英国《金融时报》报道，仅二季度一个季度，Meta、Google和Microsoft三家就新签了近9000亿美元的AI相关义务，涵盖数据中心租约、基础设施采购承诺及新增债务。Meta在7月还额外新增了680亿美元的数据中心租约。Amazon尚未披露类似的详细数据。

叙事的分野：谁在赢，谁在等

本轮财报季过后，市场对科技巨头AI投资的评判标准正在变得更为具体——不仅看"花了多少"，更看"赚了多少"。

Amazon和Microsoft凭借云业务的加速增长，暂时赢得了市场对高资本开支的宽容；Google则因现金流问题令投资者产生疑虑，尽管云业务收入同样亮眼；Meta的处境相对复杂——AI对广告定向的赋能推动总收入同比增长28%至610亿美元，但没有云业务作为直接变现通道，加之CEO Mark Zuckerberg关于出租数据中心算力的表态被认为缺乏清晰规划，市场给出了负面反应。

Alphabet CFO Anat Ashkenazi在上周的分析师电话会议上表示，"只要我们看到这些有吸引力的投资机会，我们就会持续投入。"这句话代表了四家公司管理层的共同立场。但正如RBC的Jaluria所言，"投资者正被迫重新审视自己的时间表。"这场资本开支与AI收入的赛跑，答案仍悬而未决。

本文来自华尔街见闻，欢迎下载APP查看更多

公司截至2026年6月的第一季度营业利润为1.27万亿日元，低于市场平均预估的1.37万亿日元；净利润为8421.7亿日元，同样不及预估的9738.1亿日元。铠侠第一季度毛利率为78%，不及市场预期的78.3%。

更受关注的是，铠侠对第二财季的指引同样令市场失望——预计营业利润1.89万亿日元，低于彭博一致预期的1.95万亿日元；净销售额预计2.39万亿日元，亦低于预期的2.46万亿日元。公司预计4月至9月合计营业利润为3.16万亿日元。

在长期合同方面，铠侠表示正稳步推进，目标是到2028年将长期协议（LTA）覆盖率提升至当年出货量的50%，以改善长期销售可见度并巩固与战略重要客户的关系。业绩公布的同日，铠侠董事会批准1拆3的股票分拆方案，将于2026年10月1日正式生效，并宣布最高8000亿日元（约500亿美元）的股票回购计划。消息公布后，与铠侠股价挂钩的永续期货合约在Hyperliquid区块链平台上下跌约7%，较正股收盘价出现明显折价。铠侠股票周五此前已触及东京证券交易所单日涨停上限，收涨18%至46500日元。

铠侠2026财年第一财季（2026年4月至6月）营收达1.7671万亿日元，较上年同期的3428亿日元增长超过四倍，亦较上一季度的1.0029万亿日元大幅提升。增长主要来源于生成式AI驱动的数据中心客户需求旺盛，推动NAND闪存平均销售价格显著上涨，出货量提升及日元贬值亦有所贡献。

从产品结构看，SSD及存储产品营收为1.1747万亿日元，智能设备营收为5257亿日元，两类产品均实现环比大幅增长。

营业利润方面，报告期内录得1.2700万亿日元，较上一季度增加6732亿日元，但低于分析师预估约1000亿日元。公司解释称，利润增长部分被诉讼损失准备金（366亿日元）及股权激励成本增加所抵消。归属母公司净利润为8422亿日元，基本每股收益为1539.91日元。

Non-GAAP营业利润（剔除上述非经常性项目）为1.3262万亿日元，Non-GAAP归属母公司净利润为8870亿日元。

在长期合同方面，铠侠表示正稳步推进，目标是到2028年将长期协议（LTA）覆盖率提升至当年出货量的50%，以改善长期销售可见度并巩固与战略重要客户的关系。公司还预计，2026日历年NAND市场比特出货量增速将位于高十位数百分比区间，第八代BiCS FLASH产品的生产占比也已提升至50%以上。

前景指引暗示增速或有所放缓

对于当前第二财季（2026年7月至9月），铠侠预测营收为2.39万亿日元，营业利润为1.89万亿日元，Non-GAAP营业利润预测为1.90万亿日元，均较上一季度环比增长，公司表示数据中心需求预计维持强劲。

然而，这一预测所隐含的增速，令部分投资者对AI算力投资的持续强度产生疑问。彭博指出，此次业绩指引令人失望，被视为AI驱动的闪存价格历史性上涨可能正在趋于温和的信号。

铠侠指出，由于半导体和存储行业在短期内高度波动，公司不提供全年度经营计划或进度报告，仅提供单季度前瞻预测。

铠侠表示，其产能扩张计划仅略快于行业整体增速，以避免市场供过于求。这一保守策略在维护价格稳定的同时，也带来了市场份额被蚕食的风险。

据彭博报道，三星电子和SK海力士预计将于明年推出下一代NAND芯片，二者目前的资本支出重心仍主要集中于DRAM扩产。一旦两家韩国巨头将资金转向NAND，铠侠在产能规模上的追赶将面临更大挑战。

Omdia分析师Akira Minamikawa表示，铠侠需要付出更多努力，才能吸引与韩国供应商关系更为紧密的美国超大规模数据中心客户。这些数据中心运营商通常提供多年期供货合同，有助于芯片供应商获得更清晰的需求能见度。

面对股价剧烈震荡，铠侠同步宣布多项资本运作举措，以扩大股东基础并降低市场波动。

公司董事会于7月31日批准以10月1日（记录日期为2026年9月30日）为生效日期实施1股拆3股的股票分拆，同时宣布最高3000万股、金额上限8000亿日元的股票回购计划，回购期间为2026年8月3日至10月30日。

铠侠今年以来股价走势大幅起伏。该公司曾一度超越丰田汽车及软银集团，短暂成为日本市值最高的上市公司；随后在短短一个月内股价急跌，此前涨幅的约三分之二化为乌有，折射出市场对AI支出持续性及铠侠业绩前景的担忧情绪。截至第一财季末，公司总资产达4.73万亿日元，权益比率升至50.8%，较上一财年末提升逾12个百分点。

本文来自华尔街见闻，欢迎下载APP查看更多

7月31日，MiniMax正式发布首款开源多模态生成模型H3。该模型支持2K分辨率直出与最长15秒音画内容生成，在ArtificialAnalysis视频编辑能力榜单中排名全球第一。更具冲击力的是其定价策略——视频生成价格降至0.8元/秒，仅为业内同类旗舰模型的三分之一。MiniMax官方写道：

这是一款通用的全模态生成模型，支持对文本、图像、视频、声音组成的多模态上下文的统一理解能力、能够输出具备原生双声道的音视频，最高可支持 15s 2K 分辨率。

受此消息提振，MiniMax股价单日一度大涨超14%，一举扭转了前期因股份解禁与产品降价带来的下跌趋势，投资者对H3以极致成本控制实现商业突围抱有较高期待。

在行业头部玩家纷纷收紧供给的背景下，MiniMax以“极致性价比+开源”为切入口，试图在AI视频生成赛道走出一条与参数内卷截然不同的差异化路径。

H3的核心定位是通用全模态生成模型，其技术架构实现了对文本、图像、视频、声音组成的多模态上下文的统一理解，并可输出具备原生双声道的音视频内容，最高支持15秒、2K分辨率的视频生成。

在能力表现上，MiniMax重点强调H3在指令遵循、文字与品牌信息呈现，以及V2V Motion Transfer（视频到视频动作迁移）等维度的表现。V2V Motion Transfer是指将源视频的动作特征精准迁移至目标视频的技术能力，有助于实现可控的多模态内容编辑。在Artificial Analysis视频模型榜单中，H3在视频编辑能力项排名全球第一。

MiniMax方面表示，H3具备商用级的多场景内容生成能力，广泛适用于广告、品牌、电商、产品设计、UI/UX及游戏等商业场景，定位于降低企业和开发者进行高质量视频内容创作的门槛。

价格刺穿行业底线，高压缩Tokenizer驱动价格降至行业1/3

H3视频生成定价0.8元/秒，是此次发布的另一重要看点。H3其2K分辨率视频生成定价为0.8元/秒，仅为业内同类旗舰模型的三分之一。

这一成本优势源于系统级优化：MiniMax通过高压缩Tokenizer降低视频生成所需的Token数量，同时在异构训练、负载均衡和GPU利用效率等方面进行了针对性调优，在保障模型效果的同时大幅压降训练与推理成本。

这一成本结构若能在规模化应用中得以验证，将有助于H3在商业化落地上形成差异化竞争优势。MiniMax方面表示，H3可广泛适用于广告、电商、产品设计及游戏等对成本敏感的商业场景，为企业级视频内容创作提供了低成本、高效率的解决方案。

H3视频生成画面

开源策略：面向企业本地部署，推动产业生态开放

开源是H3此次发布的战略重心之一。MiniMax表示，计划在未来几天内，在符合相关法律法规的前提下开放模型权重，企业届时可在本地灵活部署，结合自身数据和业务进行优化，以更好地满足安全合规要求。

“芯片厂商和开发者也能共同参与适配和优化，降低使用成本，扩大应用范围。”MiniMax相关负责人表示，“我们会持续推动优秀的文本、多模态模型从过往的封闭服务，走向更加开放、可协作的产业生态。”

开源路线在国产大模型竞争中正成为越来越重要的筹码。月之暗面于7月16日发布参数量达2.8万亿的Kimi K3，成为全球参数规模最大的开源模型，发布48小时内用户请求量逼近集群承载极限，并于7月19日宣布暂停C端新用户订阅，将算力优先保障已付费用户。

避开参数内卷：差异化路径能否持续？

资本市场的剧烈反应印证了投资者对H3商业化前景的认可。股价单日涨超14%，成功扭转了前期因股份解禁与产品降价引发的下跌趋势。

从竞争格局看，MiniMax选择了一条与参数规模内卷截然不同的路径。在行业头部玩家因算力瓶颈被迫收缩供给、用户请求量逼近集群承载极限的当下，MiniMax凭借成本控制与开源策略，试图在商业落地层面建立护城河，而非单纯比拼模型参数。

后续市场将密切关注H3正式开源后的社区适配进度、商业订单落地节奏，以及这一"以价换量"策略能否帮助MiniMax重回AI赛道"C位"。

本文来自华尔街见闻，欢迎下载APP查看更多