10月12日周一，零跑国际首席执行官Danilo Annese在巴黎车展上表示，纯电动汽车在零跑欧洲销量中的占比高达90%，整体销量表现也超出公司一年前的预期。

在欧盟就限制混动车进口展开谈判的背景下，Annese将相关协议定性为"关税之外一个有意思的替代方案"，并表示零跑国际将遵守最终达成的任何贸易协议。

与此同时，零跑在巴黎车展上发布了配备增程器的D19 SUV，并正在评估如何进一步利用其在欧洲的现有产能。

需求超预期，传统低渗透市场亦现转机

Annese表示，欧洲电动车市场的实际需求超出了公司约一年前的判断。他特别指出，意大利和西班牙等电动车渗透率历来偏低的市场，目前需求也在明显回升，这为零跑提供了额外的增长空间。

零跑国际是Stellantis NV与中国浙江零跑科技共同设立的合资企业，Stellantis持有该合资公司51%的股权，零跑国际负责零跑品牌在中国以外的全部国际业务。今年5月，Stellantis与零跑宣布深化合作，将共同开发电动汽车。

Annese透露，他正与Stellantis就零跑未来欧洲制造基地的潜在选址持续展开讨论。他表示，马德里工厂是选项之一，但不限于此，西班牙以外的地点同样在考量范围之内。

在贸易摩擦持续升温、关税压力尚未完全明朗的情况下，推进欧洲本地化生产被视为降低政策风险、巩固市场地位的重要路径。公司目前正在评估如何进一步盘活其在欧洲的现有产能。

本文来自华尔街见闻，欢迎下载APP查看更多

哈玛克是克利夫兰联储主席，也是今年拥有美联储货币政策委员会FOMC会议投票权的票委。她周一在俄亥俄州克利夫兰举行的全美商业经济学家协会（NABE）年会上发表讲话，重点讨论货币政策沟通，同时阐述了自己对通胀和利率政策的判断。她并未明确主张美联储必须在10月会议上加息，但强调，若要及时让通胀回到2%的目标水平，货币政策需要保持足够的限制性。

哈玛克表示：“在条件允许的情况下，我通常认为，较小幅度的调整、并且相对迅速地采取行动，比等待并冒着日后需要更大幅度纠偏的风险更可取。”这一表态凸显了她对持续通胀压力的担忧，也表明她倾向于通过及时、渐进的政策调整控制通胀，而不是长期观望后再被迫采取更激进的措施。

通胀压力已扩散至能源领域以外，AI投资和关税推高成本

哈玛克认为，美国通胀压力具有广泛性，而非集中在某一个价格类别。除能源价格上涨外，关税带来的成本冲击，以及人工智能（AI）基础设施建设引发的强劲需求，都在增加通胀治理的难度。

她指出，企业正面临多轮关税上调带来的成本冲击。尽管单次关税上调理论上可能只会造成一次性的价格水平抬升，但如果关税接连上调，企业就可能反复遭遇成本冲击，并进一步将增加的成本转嫁给消费者。

与此同时，AI基础设施建设正在推高计算机、电子产品和其他高科技零部件的需求与价格。这些成本不仅影响数据中心项目，也可能波及航空、电力生产和建筑等使用类似零部件的行业。

哈玛克警告，持续高于目标的通胀可能逐渐形成一种根深蒂固的通胀思维，使企业和消费者将较高通胀视为常态。她表示，随着高通胀持续存在，这种风险正在增加。

在她看来，当前政策需要对经济形成足够约束，以确保通胀能够及时回到美联储2%的目标。即使进一步收紧货币政策，通胀回落也需要时间，因此不宜低估通胀持续高企的风险。

倾向及时小幅调整，但未明确支持10月加息

哈玛克的讲话释放出偏鹰派的政策信号，但并不等于她明确要求美联储在本月再次加息。

美联储此前已在9月会议上加息，以应对重新抬头的通胀压力。面对能源价格上涨、关税成本和AI相关投资需求等多重因素，政策制定者需要判断现有利率是否足以限制需求，以及进一步收紧政策的时机和幅度。

哈玛克的主张是，如果经济和通胀数据表明有必要采取行动，较早进行幅度较小的调整，可能有助于避免日后需要更大幅度的政策纠偏。她强调，货币政策应当根据经济条件变化作出反应，而不应将等待本身视为一种没有成本的选择。

她此前也表示，美联储官员可以利用接下来公布的经济数据，在10月27日至28日的下一次政策会议前进一步评估经济形势。美国最新通胀数据将成为市场关注的重点之一。

投资者近期已下调对美联储10月加息的押注。华尔街见闻曾提到，包括美联储“二把手”和“三把手”在内，近期多名美联储官员释放按兵不动信号，暗示没有在连续两次政策会议上加息的迫切需求。不过，哈玛克周一的讲话表明，至少部分官员仍担心通胀压力持续，并认为货币政策需要保持足够紧缩。

强调政策透明度：解释反应机制不等于承诺利率路径

除了通胀与利率政策，哈玛克周一讲话的另一重点是美联储应如何向公众解释政策决策。

她认为，政策制定者有责任说明自己为何作出特定决策，以及哪些经济数据、金融条件、预测和风险会影响政策判断。让消费者、企业和金融市场了解美联储的决策逻辑，有助于他们在不确定的经济环境中作出更充分的安排。

但哈玛克同时强调，解释政策反应机制，不等于对未来利率走势作出承诺。

她表示，政策制定者应谨慎对待对利率路径的明确预测，因为经济条件会不断变化，未来的政策选择也必须随之调整。她特别指出：“反应机制不是前瞻指引。”如果市场将官员对决策逻辑的解释当作对未来行动的承诺，原本旨在提高透明度的沟通，就可能演变为市场对政策路径的错误预期。

这一立场也涉及美联储如何在透明度与政策灵活性之间取得平衡。哈玛克主张，官员应解释自己如何根据数据和经济条件作出判断，但不应让这种解释变成对未来利率的固定承诺。

总体而言，哈玛克周一的讲话传递出两层信息：一方面，她认为通胀压力已扩散至能源以外，关税和AI投资需求使通胀治理更为复杂，货币政策需要保持限制性；另一方面，她倾向于在必要时更及时地采取小幅调整，以降低未来被迫大幅纠偏的风险。不过，她并未在讲话中明确要求美联储10月加息，未来政策走向仍取决于通胀及其他经济数据的变化。

本文来自华尔街见闻，欢迎下载APP查看更多

10月12日，据房产经纪商Redfin经季节性调整后的数据，9月份成屋待售签约量环比下跌4%，创逾三年来最大单月跌幅，触及2014年以来最低点。与此同时，市场挂牌房源供应量升至2020年3月以来最高水平。

此轮冲击的核心驱动力来自抵押贷款利率的快速上行。据房地美数据，30年期固定抵押贷款平均利率于10月8日升至7.4%，较8月底的6.66%大幅跳升，达到近三年来的最高水平，也较一年前高出逾一个百分点。

利率骤升对需求的打击蔓延至全美所有主要都市圈。Redfin追踪的50个主要都市区待签约销售量全数下降，为2023年9月以来首次，彼时抵押贷款利率同样处于高位。

Redfin首席经济学家Daryl Fairweather表示：

房地产行业的情绪已发生了重大转变。利率这样上升，能负担得起买房的人就会减少，销售量必然下滑。

需求萎缩直接传导至交易层面。

Redfin数据显示，9月份近五分之一的卖家下调了挂牌要价，买家的谈判地位明显增强，购房合同撤约率升至14.5%，为该机构有记录以来的最高水平。

在售房源的持续增加也进一步改变了供需格局。9月份在售房屋供应量升至2020年3月以来最高，买家的可选余地扩大，但高企的融资成本令实际成交仍面临重重阻碍。

此轮利率冲击的影响因地区而异，呈现出明显分化。美国东北部和中西部地区房源供应依然偏紧张，房价仍获一定支撑；而阳光地带部分市场则面临需求走弱、房价下行的双重压力。

西海岸所受冲击最为显著，高房价令当地买家对借贷成本上升尤为敏感。

其中，西雅图成为主要都市圈中待签约销售跌幅最大的城市，同比下滑24.4%，科技行业招聘放缓进一步加剧了利率上行带来的压力。西雅图中位成交价格同比下跌4.4%，跌幅同样位居全美之首。

本文来自华尔街见闻，欢迎下载APP查看更多

两家公司于10月12日宣布上述计划，并与TE Connectivity及安费诺（Amphenol）合作构建硬件生态，涵盖笼架、连接器及模块的研发生产。与此同时，英伟达与思科计划通过一个社区主导的多源项目，将USFP推进为开放行业规范。

USFP的发布直接回应了AI工厂规模扩张带来的互联瓶颈。随着AI模型训练与推理需求持续膨胀，交换机端口带宽不足将迫使运营商叠加更多网络层级，推高延迟、功耗与建设成本。新标准若能如期落地并获得行业广泛采用，将对光模块供应链格局产生实质性重塑。

USFP的核心突破在于将单通道电信号速率从200Gb/s提升至400Gb/s。首款规划产品在与现有OSFP相同的模块尺寸内封装16条全双工通道，实现6.4Tb/s的聚合容量，并预留扩展至32条通道、总容量达12.8Tb/s的升级路径。

与同等尺寸的200Gb/s单通道可插拔模块相比，USFP实现了四倍的带宽及前面板带宽密度提升，功率效率亦提升约1.3倍。英伟达高级副总裁Gilad Shainer表示，"建设全球最大的AI工厂，始于对最微小连接的重新思考。"

在散热设计上，USFP支持最高100瓦功耗，且无需在收发器内部集成独立冷却回路，有效降低交换机设计复杂度，并提升整体可靠性。

USFP采用全新二维阵列连接器，配合两步式插入设计——模块完成物理插入后，高速触点方才接合。这一机制有效降低触点磨损，改善信号完整性，并使插入力更为可预期。

该连接器架构专为400Gb/s性能设计，同时对200Gb/s单通道工况亦提供更优的信号表现，为现有系统的平滑过渡提供兼容基础。思科光学系统与光器件业务高级副总裁兼总经理Bill Gartner指出，将可插拔光模块扩展至400Gb/s单通道，需要的不仅是对现有模块设计的渐进式延伸，而是涵盖芯片、系统、光器件及网络操作系统的全栈协同优化。

USFP还支持多种光学技术和连接距离，赋予系统设计人员灵活应对不同AI工厂部署场景的能力。

英伟达与思科引入TE Connectivity和安费诺参与USFP笼架、连接器及模块的开发，是本次公告中对供应链影响最为直接的信息。两家均为连接器领域的主要供应商，其确认参与意味着USFP在硬件基础层面已形成初步多源供应格局，后续预计将有更多合作伙伴加入。

统一的模块外形规格为供应商提供了共同的开发基础，有利于围绕400Gb/s单通道互联形成规模化、可竞争的供货体系。这一模式延续了可插拔光模块生态历来强调互操作性与供应商多元化的传统，与共封装光学（CPO）等方案相比，在现场可替换性和供应链成熟度方面具有差异化优势。

此次合作亦建立在英伟达Spectrum-X以太网网络与思科Silicon One以太网网络的既有协同基础之上，旨在为企业、新云服务商及主权云客户简化AI基础设施部署。

英伟达与思科计划通过一个即将启动的社区主导多源项目，推动USFP成为开放行业规范。开放标准的确立，将降低更广泛厂商参与生态的门槛，并为数据中心运营商在采购与替换决策上提供更大灵活性。

对AI工厂建设者而言，USFP的价值主张体现在两个维度：其一，在不新增网络层级的前提下扩展计算规模，避免叠加交换层带来的延迟与成本上升；其二，通过提升每瓦特数据传输量，压缩网络互联在整体AI工厂功耗预算中的占比。

需要指出的是，目前英伟达与思科尚未披露具体的产品上市或量产时间表，USFP仍处于设计规划阶段。其最终市场影响，将取决于开放规范的推进节奏、合作伙伴生态的扩展速度，以及行业在可插拔、近封装与共封装等不同光互联路线之间的实际取舍。

本文来自华尔街见闻，欢迎下载APP查看更多

多家华尔街机构近期收到来自客户的讯号，认为美国财政部可能在11月4日季度再融资声明中就20年期国债发行问题释放明确信号。

德意志银行策略师George Saravelos近期拜访纽约客户后表示，市场上已出现"即将暂停20年期国债发行"的议论；花旗集团则建议投资者提前布局，以捕捉20年期国债相对10年期国债跑赢的机会。

花旗预计，20年期和30年期国债的单次拍卖规模各将削减30亿美元，相应缺口将由短期国库券发行填补。若20年期国债最终被取消，资金将向收益率曲线的短端再分配，对长端资产的定价逻辑亦将随之改变。

在长期借贷成本攀升至二十余年高位的压力下，美国财政部长贝森特此前扩大国债回购的举措未能有效压制长端收益率，令外界对其下一步动作的猜测持续升温。市场目前的关注焦点集中于两个时间节点：

• 一是本周五美国财政部向一级交易商发出的例行调查问卷。若其中涵盖20年期国债相关问题，将被视为政策变化的早期信号；
• 二是11月4日的季度再融资声明正文，以及财政部借贷咨询委员会（TBAC）当日同步发布的市场意见。

20年期美债自2020年重启以来，始终是美国国债市场的异类。

20年期收益率长期高于两端的10年期和30年期国债，形成所谓的"驼峰"结构，意味着财政部在这一期限段融资须付出更高代价。

正是基于这一逻辑，就连当年力主重启20年期国债的前财政部长姆努钦，到2024年也公开表示该品种应予取消，并表示：

这对纳税人而言代价太高。

随着美国国债收益率整体处于数十年来高位，利息支出大幅攀升，这一结构性成本劣势愈发凸显。

此前已有先例可循。2001年，美国财政部以削减借贷成本为由，宣布停止发行30年期国债，尽管该决定当时引发强烈批评，30年期国债最终也在数年后重启发行。

长端国债需求的疲软有其深层的结构性原因。

摩根士丹利广泛市场固定收益主管Vishal Khanduja指出，科技超大规模企业为支撑人工智能基础设施建设，近期大量发行长期限公司债，与国债直接竞争养老金等资产管理机构的配置资金。

与此同时，从固定收益型养老金计划向固定缴款型计划的结构性转变，也削弱了长端国债的传统需求支柱。前者基于负债管理需求，历来是超长期国债的主要买方之一。

花旗美国利率策略主管Jason Williams表示，贝森特或将把养老基金对国债需求不振归因于企业债长端供给增加，并以此作为削减乃至取消20年期国债的政策依据。

贝森特此前已采取了一系列非常规举措试图压低长端利率，包括在8月中旬再融资声明发布仅两周后，突然宣布大幅扩大国债回购规模。

此举在市场参与者中引发了对财政部"常规可预期"债务管理惯例是否动摇的疑虑。然而，扩大回购的效果有限，30年期国债收益率近期仍升至2002年以来的峰值水平。

上周10年期和30年期国债拍卖虽然需求尚算稳健，但均涉及自2000年以来最高的尾差（tail），显示市场对高收益补偿的诉求并未消退。

若贝森特决定在长端进一步减量，财政部将面临几种替代方案：扩大短期国库券发行、增加2至5年期国债供给、引入与有担保隔夜融资利率（SOFR）挂钩的一年期浮动利率票据，或缩减季度现金余额目标。

财政部定于11月2日更新季度借款需求及现金余额预测。

并非所有人都认为取消20年期国债是一剂良药。

法国巴黎银行上周警告，此举"可能被市场解读为恐慌信号，暗示财政部政策工具箱已告枯竭，进而激励债券自警团出手施压"。该行策略师Guneet Dhingra领衔的团队在客户报告中还提示，"意外后果"包括市场流动性下降。

ING集团美洲研究主管Padhraic Garvey则给出了相对直白的判断：

如果你想有所动作，其他都不动，砍掉20年期就够了。没有人喜欢20年期国债。

但他同时表示：

我们的基准预期是他维持现状不变。

Garvey补充说：

目前来看，在整条收益率曲线上维持稳定发行节奏是明智之举。但我怀疑美国财政部目前处于高度灵活的状态，如果认为能够压低融资成本，他们完全准备好将发行向曲线的不同区间迁移。

本文来自华尔街见闻，欢迎下载APP查看更多

据新华社援引伊朗伊斯兰革命卫队海军10月12日周一发表的声明，伊方当天早些时候在霍尔木兹海峡打击了一艘违规的大型油轮。彭博社同日的报道称，随着伊朗袭船行动升级，越来越多原本计划驶往波斯湾周边的空载超级油轮开始掉头或改变航向，海湾原油运输的恢复势头面临新的考验。

彭博社基于船舶追踪数据报道称，近几日，至少10艘超大型原油运输船（VLCC）及数艘苏伊士型油轮在驶向阿联酋富查伊拉港途中停航或掉头。富查伊拉位于霍尔木兹海峡以外，是波斯湾原油海上转运的重要节点。空载油轮撤离，可能削弱依靠海上接驳维持原油出口的运输模式，并拖慢原油从海湾地区运往国际市场的速度。

这一变化凸显出当前海湾能源运输面临的两难：尽管全球油轮运力紧张、运输费用高企，为船东提供了强劲的经济激励，接连发生的袭船事件仍在推升航行风险。若更多空载油轮选择远离海湾，原油运输链条可能进一步受阻。

两天内三艘驶离霍尔木兹海峡的违规大型油轮被打击

据新华社10日报道，伊朗伊斯兰革命卫队海军9日发表声明称，今后针对违规船只的行动将不局限于霍尔木兹海峡，凡是擅自通过非授权航线航行的船只，都将遭到“严厉惩处”。伊方当时还称，海军击中了一艘试图经由所谓“非法”航线穿越海峡、载有液化石油气的大型船只，导致船舶机舱和推进系统起火。

三天后，伊朗伊斯兰革命卫队海军再次宣布打击违规大型油轮。据新华社12日的报道，伊朗伊斯兰革命卫队海军在当天的声明中表示，当天打击的违规大型油轮在无视伊朗海军警告的情况下关闭了导航系统，并试图驶出霍尔木兹海峡。

新华社指出，这是过去两天内第三艘在试图驶离霍尔木兹海峡时被打击的违规大型油轮。

新华社提到，革命卫队海军在声明中警告，任何商船或油轮在霍尔木兹海峡及波斯湾与美军合作，都将招致其部队的果断行动。

伊朗的警告意味着，航运公司需要考虑的风险已不仅限于穿越霍尔木兹海峡本身，还包括海峡周边水域以及船舶是否符合伊朗所设定的航行要求。随着袭船事件接连发生，船东和租船方可能重新评估航线安排、船舶识别系统及保险成本。

空载超级油轮掉头，海上接驳模式面临考验

彭博社指出，富查伊拉经常被油轮用作中途目的地：船舶最终可能前往阿曼湾，通过船对船转运接收原油，也可能继续驶入波斯湾装货。因此，驶向富查伊拉的船舶数量，可以作为衡量航运业是否愿意接近这一高风险水域的一个指标。

战争期间，海湾原油出口逐步恢复，很大程度上依赖一种海上接驳模式：大型油轮停留在富查伊拉附近或霍尔木兹海峡以外的阿曼水域，由承担更高风险的接驳油轮穿越海峡，将原油运出后再转移至大型油轮，最终运往国际买家。

这种安排能够减少大型油轮直接穿越海峡的需要，却高度依赖足够数量的接收船舶。如果空载VLCC撤离，原油接驳和转运环节可能放缓，接驳油轮也需要花费更长时间完成运输任务。在可供租用的油轮本已紧张的情况下，任何一环效率下降，都可能进一步挤压海湾原油出口能力。

油轮运力紧缺推高运费，高风险与高回报并存

值得注意的是，空载油轮选择避开海湾，并非因为航运市场缺乏经济激励。彭博社称，全球油轮短缺已将运输成本推升至异常高位。以美国至中国的原油运输为例，租用一艘油轮的费用甚至超过发射一枚火箭进入太空的成本。

高运费意味着船东有动力争取利润丰厚的航次，但伊朗持续袭船也在增加潜在损失。对于航运公司而言，能否安全抵达装货地点、能否顺利完成海上转运，以及保险和延误成本是否可控，都可能影响最终收益。

对原油市场而言，关键不只是霍尔木兹海峡是否仍有船只通行，还包括有多少油轮愿意进入周边水域、海上接驳能否持续运作，以及原油能否及时转运至最终买家。即便部分原油仍可运出，空载油轮减少、船舶周转时间拉长，也可能限制出口恢复的速度，使全球原油供应和运输成本继续承压。

本文来自华尔街见闻，欢迎下载APP查看更多

Meta CEO扎克伯格表示，这是公司朝着向所有人提供“个人超级智能”迈出的重要一步。新模型将用于升级Meta个人AI智能体Muse，但用户需要订阅每月20美元或100美元的付费服务才能在Muse中使用，Meta正试图以此开辟广告业务之外的AI收入来源。

此次发布是Meta重建AI研发体系一年多以来的重要成果。过去14个月，扎克伯格大幅调整AI团队、招揽外部人才，并持续加码算力基础设施投资。Meta AI负责人Alexandr Wang表示，新模型具备与行业领先产品竞争的能力，尤其在个人和专业智能体任务方面表现突出。

与OpenAI、Anthropic近年来重点推进编程智能体的路线相比，Meta希望凭借覆盖日常生活和专业工作场景的个人智能体形成差异化优势。不过，新模型的性能优势目前仍有待外部评测和实际使用验证；能否吸引用户持续付费，也将检验Meta能否把AI技术投入转化为新的商业增长点。

两款新模型亮相，主打个人与专业智能体

美东时间12日周一，Meta正式发布Muse Wonder系列模型，包括面向快速前沿性能的Muse Wonder，以及完整版本Muse Wonder Full。扎克伯格在社交媒体上表示，Muse Wonder是比此前Muse Spark规模更大、能力更先进的一类模型，标志着Meta在AI能力上迈向行业前沿。

扎克伯格称，自Meta超级智能实验室（Meta Superintelligence Labs）成立一年多以来，Muse Spark是团队推出的首个模型系列，而Muse Wonder则是一次重大升级。他将此次发布称为Meta朝着“让每个人都拥有个人超级智能”迈出的重要一步。

Meta希望新模型不仅能回答问题、生成内容，还能更好地理解用户目标、记住重要信息，并持续推进复杂任务。公司将个人和专业智能体工作视为Muse Wonder的重点应用方向，相关能力覆盖编程以及财务、法律等专业问题处理。

Meta目前通过Meta Model API和Muse Code向开发者提供新模型。其中，Muse Wonder将逐步接入Meta的个人AI智能体Muse，首先向订阅用户开放；公司还计划开发专用模型，以便未来向更多用户提供相关能力。

使用新模型需订阅，Meta寻求广告之外的AI收入

据报道，用户若要在Muse个人AI智能体应用中使用Muse Wonder，需要订阅每月20美元或100美元的付费服务。这意味着，虽然Meta正试图将AI智能体推广至更广泛的消费者群体，但新模型的应用权限并非全部免费开放。

需要注意的是，收费针对的是在Muse中使用新模型的相应订阅服务，并不意味着Muse应用本身完全没有免费版本。Meta此前已推出免费使用层级，同时设置20美元和100美元两档月度付费方案，为需要更高使用额度的用户提供选择。

这一定价策略反映出Meta商业模式的一项潜在变化。长期以来，在线广告一直是Meta最核心的收入来源。如今，公司希望通过具备实际任务执行能力的AI智能体，探索订阅收入等新的变现方式。

与传统聊天机器人相比，个人智能体的价值在于替用户完成任务，而不只是提供信息。例如，用户可以要求它协助规划行程、处理日常事务，或推进需要多个步骤的工作。若模型能力足够可靠，用户可能更愿意为更高的使用额度和更复杂的任务执行能力付费。

但订阅模式能否成功，仍取决于用户是否认为这些功能足以支撑每月20美元乃至100美元的支出。对Meta而言，推出新模型只是第一步，如何提升用户留存、付费转化率以及长期使用频率，才是将技术投入转化为收入的关键。

Meta称可比肩OpenAI、Anthropic，外部验证仍是关键

据报道，Meta称Muse Wonder在编程、财务和法律问题处理等任务上具备与OpenAI的ChatGPT、Anthropic的Claude竞争的能力。

Alexandr Wang在接受媒体采访时表示：“这些是真正的前沿模型。我们确实认为，它们能够与市面上最好的模型竞争，尤其是在个人和专业智能体工作方面达到行业领先水平。”

对于外界对Meta能否真正重返AI前沿的质疑，Wang表示，希望用户亲自试用并作出判断。

不过，模型之间的能力比较并不简单。不同模型可能在不同任务上各有所长，基准测试的设计与评估方式也会影响结果，测试成绩未必完全反映真实使用体验。因此，Muse Wonder能否在独立评测、开发者采用率和复杂任务执行效果上持续取得进展，仍有待观察。

对Meta而言，这次发布尤其重要。公司此前推出的部分模型未能获得开发者社区的广泛认可，而Muse Wonder是扎克伯格重组AI团队后推出的关键成果之一。如果新模型能够在实际使用中兑现性能承诺，Meta才有望将人才与基础设施投入转化为可持续的技术竞争力。

14个月重建AI体系，扎克伯格押注超级智能

此次发布背后，是过去一年多来Meta力度空前的AI战略调整。彭博社报道称，扎克伯格在过去14个月重新聚焦公司的AI研发，投入巨额资金建设支持先进模型训练和运行的基础设施，并通过对Scale AI的约140亿美元投资挖来Alexandr Wang，负责领导新的AI团队。

Meta希望通过这一轮重建重新确立自身在前沿AI领域的竞争力。与单纯追求模型参数规模或基准测试成绩相比，公司也在尝试将先进模型与自身庞大的消费者产品生态结合，推动AI能力进入日常使用场景。

生成式AI竞争正从能够回答问题、生成内容的聊天机器人，转向能够调用工具、持续执行任务的智能体。后者需要模型具备更强的规划能力、上下文管理能力和长期任务执行能力，也有望成为消费者与AI服务互动的重要入口。

Meta的优势在于Facebook、Instagram、WhatsApp等平台与用户日常生活联系紧密。如果能够把先进模型整合进这些产品，并让AI智能体真正替用户完成任务，公司便有机会扩大用户覆盖面，并探索订阅等新的商业化路径。

不同于单押编程智能体，Meta希望打造个人AI助手

Alexandr Wang在接受采访时表示，当前AI行业的其他参与者在很大程度上聚焦于编程智能体，而Meta希望采取不同路线，让个人智能体的应用场景真正发挥作用。

这一思路已体现在Meta近期的产品布局中。公司此前推出个人AI智能体Muse，目标是帮助用户处理日常事务、推进个人目标。Muse Wonder将为这一产品提供更强的模型能力，使其能够应对更复杂的任务。

不过，个人智能体要实现大规模应用，除了模型能力，还需要解决可靠性、隐私保护和权限管理等问题。用户要求AI代为处理邮件、日程或其他个人事务时，模型不仅要给出正确答案，还必须在授权范围内可靠地执行操作。

对Meta而言，Muse Wonder能否推动公司重新跻身AI第一梯队，最终取决于模型表现能否转化为真实的开发者需求和消费者使用；而每月20美元和100美元的订阅方案能否获得市场认可，则将进一步检验其AI商业化战略的成色。

本文来自华尔街见闻，欢迎下载APP查看更多

10月12日，据彭博报道，DeepSeek已同意领投Winverse AI的种子轮融资，金额达数千万美元。报道援引知情人士透露，这笔交易将使这家成立仅数月的初创公司估值达到约4亿美元。美团旗下龙珠投资（Long-Z Investments）等机构也已作出投资承诺。

这将成为DeepSeek迄今对外部初创企业最大规模的投资之一。此前，DeepSeek已投资宇树科技。2026年8月，DeepSeek斥资约1.41亿元人民币参与宇树科技IPO，进一步布局具身智能领域。DeepSeek最新一轮融资规模接近800亿元人民币，超过原定目标，部分资金预计将用于与外部初创企业联合开发。

不过，上述交易尚未最终敲定，估值及投资方参与情况仍可能发生变化。

前腾讯科学家创立，专攻机器人AI

Winverse AI由胡瀚于2026年创立。胡瀚此前在腾讯担任视觉语言与具身基础模型团队负责人，拥有清华大学博士学位，曾任职于微软亚洲研究院和百度。

Winverse AI专注于为机器人开发AI模型，目标是让机器人能够理解语音指令、处理现实世界中的复杂任务，而不仅是执行预设动作或完成运动控制。这类技术需要针对机器人应用场景进行专门训练，与ChatGPT、DeepSeek等主要面向文本交互的语言模型有所不同。

中国在人形机器人硬件制造领域已具备全球领先优势，宇树科技今年8月完成9亿美元上市，进一步凸显了这一领域的资本关注度。不过，如何赋予机器人理解环境、处理复杂任务的智能能力，仍是行业面临的主要挑战。

本文来自华尔街见闻，欢迎下载APP查看更多

10月12日，AMD在加利福尼亚州圣克拉拉宣布推出Helion机架。该平台基于开放计算项目（Open Compute Project，OCP）规范设计，并搭载AMD自研计算芯片。

AMD高级副总裁Dan McNamara表示，智能体AI涵盖个人代理、企业应用、代码执行及复杂工作流等多种场景，不同任务对算力的需求差异显著，Helion旨在通过灵活的架构满足多样化需求。

Helion内置集成式令牌路由器（token router），可将AI智能体的模型调用请求自动分发至前沿模型或开源模型，并适配不同推理后端。AMD还计划将Helion规范贡献给OCP社区，向行业开放，推动生态伙伴进一步开发和采用。

两种配置，分别面向超大规模数据中心与企业市场

Helion提供两种主要配置，以适应不同规模的部署需求。

第一种是纯CPU版本。 该版本搭载第六代AMD EPYC处理器，单机架最多支持32768个CPU核心，面向超大规模数据中心，为智能体执行任务提供独立算力，并可连接独立的模型推理基础设施。

第二种是一体化版本。 该版本在同一机架内集成AMD EPYC CPU节点、AMD Instinct MI350P GPU节点及通用计算单元，面向企业客户提供端到端的智能体AI解决方案，将智能体执行、模型推理及相关支撑算力整合至同一平台。

两种版本均支持液冷和风冷。合作伙伴还可根据客户的工作负载定制CPU与GPU配置，以满足不同部署场景对性能、功耗和成本的要求。

开放生态策略：基于OCP规范，兼容现有IT基础设施

AMD将Helion定位为开放的技术蓝图，而非封闭的专有平台。该产品基于OCP规范设计，AMD计划将完整规范贡献给OCP社区，供行业伙伴进一步开发和采用，延续其此前AMD Helios机架解决方案所确立的开放平台路线。

在部署兼容性方面，AMD强调，Helion能够在客户现有IT基础设施上部署智能体AI能力，帮助企业利用既有基础设施投资拓展AI应用，从而降低迁移成本和采购门槛。

目前，Helion的各项配置正与生态系统合作伙伴共同开发，预计于2026年11月正式上市。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博报道，10月12日，Marvell正式发布第二代Structera X 3406和3506 CXL内存扩展器。公司称，这是业界首款六通道CXL 3.2内存扩展器，单控制器最高支持9TB DDR4或6TB DDR5内存，内存通道数量较上一代增加50%。两款产品预计于2027年第一季度开始向客户提供样品。

此次发布旨在应对AI推理工作负载日益突出的内存瓶颈。随着大型语言模型（LLM）规模扩大、上下文窗口延长以及KV缓存需求快速增长，传统服务器架构的内存容量与带宽正面临更大压力，内存逐渐成为制约AI性能和基础设施效率的关键因素。

AMD、Arm、阿里巴巴、三星和SK海力士等企业均对新产品及相关生态合作表示支持。

核心技术升级：更多通道，更大容量

Structera X 3406和3506在上一代产品基础上实现了内存通道、扩展容量及压缩性能等方面的升级。

在内存配置方面，两款产品均支持六通道内存。其中，3406支持18个DDR4 RDIMM插槽，最高容量达9TB；3506支持12个DDR5 RDIMM插槽，最高容量为6TB。在主机互联方面，两款产品均支持最多四台主机共享内存资源，主机互联带宽最高可达256GB/s，采用PCIe 6.0 x16接口。

在压缩性能方面，新产品内置LZ4压缩引擎，压缩和解压缩吞吐量最高达250GB/s，较上一代提升5倍，可将有效内存容量扩大至原来的2至3倍。

Marvell表示，在大型语言模型推理场景中，新产品可在相同上下文长度下，将首字节响应时间（TTFT）缩短40%至50%；在深度学习推荐模型（DLRM）场景中，单控制器每秒查询量最高可提升至原来的2倍，嵌入表有效容量则可扩大至原来的2至3倍。

瞄准超大规模数据中心，生态合作持续扩展

Marvell表示，第二代Structera X沿用已向超大规模数据中心客户出货的第一代2404/2504产品的软件栈和生态集成方案，旨在加快新产品的客户导入进程。

多家行业伙伴公开表达了支持。AMD企业副总裁Raghu Nambiar表示，双方的合作依托EPYC处理器的性能与可扩展性，帮助企业在AI和数据密集型应用需求增长的背景下扩展内存容量、提高资源利用效率。

Arm云端AI go-to-market副总裁Eddie Ramirez表示，Structera X将CXL 3.2、内存扩展和压缩能力引入Arm生态，为超大规模数据中心高效运行复杂AI工作负载提供更多选择。

三星电子内存产品规划副总裁Jangseok Choi和SK海力士下一代产品规划与使能负责人Uksong Kang则表示，双方已分别与Marvell完成Structera产品与各自DDR内存的验证。

完善CXL产品组合，布局内存池化与分解架构

Marvell客制化云端解决方案执行副总裁兼总经理Will Chu表示，公司是业内唯一提供完整端到端CXL产品组合的供应商，产品覆盖多个层级：用于内存扩展的Structera X、用于近内存加速的Structera A，以及面向机柜级CXL内存共享的PFMA（Photonic Fabric™ Memory Appliance），覆盖从直连内存扩展到内存池化与分解的不同应用场景。

市场研究机构Objective Analysis总经理Jim Handy指出，CXL正逐步应用于AI系统，其高带宽、大容量特性有望带来显著收益。他还表示，在内存供应紧张、价格高企的背景下，IT管理者正考虑利用CXL在DDR5系统中复用DDR4内存模组，以降低成本；具备内存压缩功能的控制器则有望进一步增强这类方案的吸引力。

Structera X 3406和3506将于10月12日至15日在加州圣何塞举行的OCP全球峰会上亮相，正式样品预计于2027年第一季度推出。

本文来自华尔街见闻，欢迎下载APP查看更多

全球央行购金潮出现松动，黄金储备配置开始分化。

10月12日，据彭博报道，全球主要黄金买家之一哈萨克斯坦央行计划降低黄金在外汇储备中的占比，转而增配美元资产。美国国债收益率走高，提高了美元资产的利息回报，也削弱了无息黄金的相对吸引力。

本文来自华尔街见闻，欢迎下载APP查看更多

“速成车”现象正在迎来一轮最严苛的监管。

10月10日晚间，工业和信息化部等四部门发布《关于进一步加强汽车产品创新设计和研发测试验证有关管理工作的通知（征求意见稿）》（以下简称“《征求意见稿》”），要求车企在申报新车时拿出更完整的测试记录。

随文公布的技术规范提出，乘用车应完成不少于3万公里的可靠性试验，环境适应性验证周期不少于一年，覆盖“高寒—高温—高寒”。

这份文件触及今年汽车业反复争论的“速成车”。车企希望更早推出产品，成熟平台、仿真和并行开发也确实缩短了研发时间。但一款车提前上市，究竟省下了重复开发的时间，还是缩减了实车试验与故障复测，外界很难仅凭发布会上的开发周期判断。

《征求意见稿》发布前两天，10月8日，懂车帝发布测试视频称，三辆尊界V800在连续紧急制动中出现制动踏板支架底座断裂。尊界汽车回应称，制动系统已完成开发验证，同时决定优化部件设计，并为已交付用户提供免费升级。

今年以来，“速成车”成为车企高管频繁讨论的词。争议并非新车开发能否提速，而是提速后，设计、零部件和量产状态是否仍经过充分验证。

中国汽车流通协会专家委员会成员李颜伟在10月11日表示，相关部门对于“速生车”的治理是早有准备。而新的规定，能挡住明显压缩研发周期的做法。

尽管《征求意见稿》还有一系列细节待敲定，不过中国新能源汽车在狂奔多年后，也终是思考，如何高质量发展了。

01 新车开发提速，验证如何跟上

“速成车”在过去一段时间里，成为各方关注的焦点。一个核心点在于，很多新车的迭代周期被明显缩短。传统车企一款车从开发到量产上市，需要36个月乃至更长的时间，而如今很多新车的迭代周期被压缩到了18个月以内，乃至更短。

北京现代总经理李凤刚在中国汽车论坛上批评部分企业为了赶上市进度删减试验。他提到，零部件完成设计验证后，还需通过量产验证，确认采用实际量产零件和工艺时，产品能否稳定达到要求。

近期，围绕“速成车”的公开表态还在增加。上汽大众推出ID. ERA 5S时表示不造“速成车”，称该车与家族旗舰采用同一套验证体系。广汽集团随后在官网发文，强调不压缩验证。最近，东风日产汽车销售有限公司副总经理王骞也在10月11日表示，其新能源车型坚持完整验证标准。

这些表述指向车企共同面对的压力：新车要尽快进入市场，也要让消费者相信，上市时间没有挤占必要的测试。

车企密集谈论验证，有眼下的市场背景。

新车上市能够迅速带来关注和订单，可靠性却要经过较长时间的试验和使用才能得到检验。上市日期可以写进产品计划，测试中会发现什么问题、整改需要多久，难以事先确定。

当企业将上市节点排得很紧，项目留给问题修正的时间也随之减少。“速成车”争论指向的，正是这段容易受到挤压的时间。

岚图汽车董事长卢放提出，平台复用、模块化和仿真技术可以提高开发效率，评价一款车应看必要的验证是否完成。

一位新势力高管也对华尔街见闻表示，单用开发到上市的时间，就说一款车并不科学。过去做“两冬一夏”测试时间久，但现在可以通过反季节测试进行；在实际验证中，也能通过模拟实验替换大量实测。

“问题的关键在于测试的有效性，而不只是时间长短”，前述新势力高管说道。

眼下，新车开发提速有不同来源：设计、采购和试制等工作可以交叉推进，成熟平台也能减少重复开发；采用新的结构、材料或功能后，车企仍需确认已有试验能覆盖哪些变化，并完成相应的实车验证。

监管检查已在推进。

8月27日，四部门启动为期一年的汽车产品生产一致性和质量提升专项行动，将关键系统和零部件可靠性、整车耐久性、新技术验证列为检查重点，并关注研发周期、供应商管理及量产一致性。

尊界V800事件使关键结构件在极限工况下的表现受到关注。它也暴露一个具体的验证问题：测试发现异常后，企业如何复核设计和原有试验范围。

10月10日公布的征求意见稿，把整车可靠性、环境适应性和关键结构件测试进一步落实到新车申报材料。测试结果、问题整改及相关记录将进入审查范围。

车企此前围绕开发周期作出的质量承诺，今后需要由更具体的验证材料支撑；相应的测试时间，也要更早进入车型上市计划。

不过，文件仍处于征求意见阶段。按照草案，自2027年1月1日起，涉及研发测试验证的新申报《公告》产品须增填相关技术参数；测试验证不充分的，将不予公告。

02 验证门槛抬高，份额竞争仍在

如果草案按现有条款落地，影响将首先体现在2027年起申报的相关车型上。车企需要在申报前完成验证，并为发现问题后的整改、复测安排时间。

验证门槛提高，对车企的影响会从项目开始分化。

一位新势力的工程师向华尔街见闻介绍，已有成熟平台、较早安排测试的车型，可以在开发过程中发现并处理问题；采用新结构、新材料或大幅调整关键配置的车型，需要为相应验证和复测留出更多时间。试验能力、项目储备和上市排期不同，决定了有些企业能够维持推新节奏，有些企业则需要调整原定节点。

上述人士进一步表示，“速成车”是内卷竞争的一种表现，压缩验证换取上市时间只是其中一种做法。降价、增加配置、频繁改款、进入更多细分市场，同样是车企争夺份额的方式。新规提高了质量底线，可以约束前一种做法，却不会让企业放弃后面这些竞争手段。

竞争持续的原因，在于现有市场难以轻松消化如此密集的产品供给。

中汽协披露，今年上半年新车投放超过500款，在售品牌超过130个，并指出车型同质化问题加重。与此同时，乘联分会统计的1—8月国内乘用车零售同比下降20.8%。

当不少车企瞄准相近的价格带和用户，单款车能够分到的销量受到挤压，企业又需要销量来分摊工厂、研发和渠道投入，于是继续推出新车、争取订单。

而盈利压力使这场竞争更难迅速降温。国家统计局数据显示，今年1—8月规模以上汽车制造业利润总额同比下降16.0%。

中国汽车工业协会在10月12日展望，四季度汽车行业有望保持平稳运行态势。其中出口预计仍将保持增长，全年有望超过1000万辆，500亿元消费品以旧换新资金已全部下达，存量政策将进一步增强实施效能，叠加地方、企业促消费活动，国内市场销量降幅有望收窄。

在这样的环境下，车企如何选择项目更为关键，以往“多生孩子好打架”的玩法已是过去式。

对于车企而言，一款销量不大的新车，也要占用工程团队、试验车辆和测试资源。前期投入提高后，重复布局、预期销量有限的车型更难通过内部立项；平台共用、减少相近车型、整合品牌和产能，可能成为企业先行采取的调整。

对于长期无法摊薄研发及渠道成本的企业，持续的利润压力还会推动更深的行业出清。这一过程取决于销量、现金流和融资能力，不会随着准入要求调整立即完成。

可见，新规对推新节奏的影响会先落在具体项目上，即验证准备不足的车型延后，资源和测试体系较完整的车企继续上新。行业竞争也会继续体现在价格、配置、产品差异和成本效率上。

也就是说，行业内卷是否缓解，除了看新车测试是否更充分，还要看重复车型是否减少，以及终端价格和行业利润能否趋稳。

本文来自华尔街见闻，欢迎下载APP查看更多

10月12日，据彭博报道，微软周一宣布，新一代Maia 300芯片将于明年开始在数据中心部署，专为AI推理任务设计。微软预计，Maia 300每兆瓦可处理的token数量将比主流GPU系统高出40%，意味着在相同能耗下能够承载更多AI工作负载。

与已向云端客户开放自研芯片算力的谷歌和亚马逊不同，微软目前无意将Maia芯片的算力直接出租给外部客户。这一选择反映出微软的优先级：先用自研芯片满足自身庞大的AI服务需求，再将硬件效率优势转化为业务竞争力。

吉瓦级部署，能效优势是核心逻辑

微软加码自研芯片，本质上是为了提高AI推理效率、降低运营成本。

推理是指利用训练完成的AI模型执行实际任务，例如总结会议记录、回答研究问题等，也是AI应用运行过程中重要的算力需求来源。微软表示，Maia系列针对自有数据中心的推理工作负载进行专门设计，能够更高效地运行相关任务，并减少对英伟达GPU的采购需求。后者目前仍是微软推理业务的主要算力来源。

微软数据中心硬件业务负责人Rani Borkar表示：“我们相信，我们为这些工作负载打造了最佳产品。我们将从明年起以吉瓦级规模部署Maia，以实际行动支撑这一信心。”

前代产品已在多地落地，新款明年接力

微软的自研芯片战略早已启动。今年年初，公司开始在数据中心安装上一代产品Maia 200，目前该芯片已用于驱动Copilot等AI软件及其他任务。

Borkar介绍，Maia 200能够支持OpenAI模型、微软自研AI模型以及多个开源模型系列，部署范围覆盖美国、欧洲和澳大利亚的数据中心，为Microsoft Teams、Copilot等产品提供AI能力支撑。

新一代Maia 300预计将于明年启动部署。微软希望借助其能效优势，在持续扩张的AI业务中进一步优化算力配置，降低推理成本。

自研芯片赛道，微软追赶谷歌和亚马逊

在云计算巨头纷纷开发自研AI芯片的背景下，微软的布局相对滞后。谷歌和亚马逊起步更早，已在自研芯片领域建立先发优势，并将相关算力开放给云端客户使用。

微软则选择了不同的商业路径。Borkar表示：“我们自身的AI服务业务已经足够庞大，我们希望优先服务自己。”

这意味着，微软现阶段更倾向于将Maia芯片用于内部AI业务，而非通过出租算力直接创造收入。对投资者而言，Maia的商业价值将更多取决于其能否提高AI服务的运行效率、降低推理成本，并最终改善相关业务的利润率，而不是芯片租赁业务能够带来多少直接收入。

本文来自华尔街见闻，欢迎下载APP查看更多

周一，道指涨0.2%，标普500指数涨0.1%，纳指跌0.1%。存储芯片股普跌，SK海力士跌约3%，美光科技跌约4%，西部数据跌约2%，闪迪跌约4%。高盛同日宣布，基于盈利增长前景，将美国股票评级上调至增持，期限为三个月。

与此同时，美联储主席沃什本周预计将公开发言，投资者将密切关注其就进一步加息节奏发出的信号。上周，10年期美债收益率一度逼近5.4%，创2002年以来最高水平，债券收益率持续攀升是否会对股市估值构成压制，已成为市场争议的核心议题。

前Bridgewater Associates首席投资策略师、现美国外交关系委员会高级研究员Rebecca Patterson则表示："目前，利率上升尚未被视为压倒增长和盈利叙事的力量，股票和债券收益率可以同步上涨。但如果利率在央行持续紧缩的推动下进一步走高，利率主导并压制股市情绪的风险将随之增大。"

• 道指涨0.2%，标普500指数涨0.1%，纳指跌0.1%。
• 欧洲斯托克50指数开盘涨0.4%，德国DAX指数涨0.4%，英国富时100指数涨0.4%，法国CAC 40指数涨0.3%。
• 韩股收盘重挫3.6%，报6384.24点。
• 美国债市周一因公众假日休市
• 澳大利亚10年期国债收益率下行2个基点至5.32%。
• 欧元报1.1203美元，日元报158.36兑1美元
• 印度卢比周一上涨1%，为近期亚洲货币市场的突出表现。
• 现货黄金报4174美元/盎司，跌幅约0.48%。
• 布伦特原油涨幅扩大至1.8%，报106.62美元/桶。

尽管市场情绪整体趋于平稳，但分析人士警告，中东局势的不确定性仍是油价的重要支撑。Templeton Global Investments投资组合经理Yiping Liao在彭博电视节目中表示："我们的基准情景是近期能源价格将维持高位，在美国中期选举之前，我们看不到霍尔木兹危机有近期解决的可能。"

与此同时，特朗普宣布俄乌"能源停火"立即生效，但未提供细节。欧洲柴油期货周一一度大跌8.3%，然而交易员对俄罗斯额外出口的长期影响持保留态度——此前，乌克兰总统泽连斯基曾表示，停火协议尚未最终敲定，战争仍在持续。现货黄金日内一度失守4180美元/盎司，跌幅约0.36%，避险情绪并未因地缘风险升温而明显升温。

韩股成全球最差，外资加速撤离

韩国综合股价指数在长假后恢复交易，收盘重挫3.6%，报6384.24点。曾是全球AI交易最热门标的的韩国股市，正经历急剧降温。Kospi上半年领涨全球，下半年却已下跌22%，沦为全球最差主要股指。

据彭博报道，外资今年已从韩股净撤资1310亿美元，为亚洲主要市场之最。Rayliant Global Advisors投资组合管理主管Phillip Wool表示：“对大多数投资者而言——尤其是那些最近才因存储芯片交易入场韩国的人——这个主题里容易赚的钱已经赚完了。”他表示，其基金已在韩国AI股上获利了结，目前对SK Hynix和三星电子均持低配。

支撑韩股的另一根柱子也在松动。据摩根大通数据，三星和SK Hynix合计约55万亿韩元（约410亿美元）的股票回购计划即将完成。上个月韩国市场约230亿美元的买单中，两家芯片公司的回购占了大头。一旦回购结束，市场将面临明显的买盘真空。

此外，全球最大半导体设备制造商ASML宣布对韩国客户零部件价格全线上调10%，三星与SK海力士已接受方案，涨价将于明年1月生效。这进一步推高韩国芯片厂商的运营成本，构成盈利端的额外压力。

美国债市周一因公众假日休市，现金国债暂停交易，但国债期货小幅上涨，澳大利亚和新西兰国债同步走高。澳大利亚10年期国债收益率下行2个基点至5.32%。

上周，10年期美债收益率已逼近5.4%，为2002年以来最高位，市场正在评估高收益率能在多大程度上替代央行完成收紧工作。彭博策略师David Savage指出，随着金融股率先拉开三季度财报季序幕，美股本周具备创新高的条件，但利率上行已对大多数个股构成较高障碍，强劲的科技业绩预计将支撑指数整体动能。

前Bridgewater Associates首席投资策略师、现美国外交关系委员会高级研究员Rebecca Patterson则表示："目前，利率上升尚未被视为压倒增长和盈利叙事的力量，股票和债券收益率可以同步上涨。但如果利率在央行持续紧缩的推动下进一步走高，利率主导并压制股市情绪的风险将随之增大。"

美股焦点：财报季开启，通胀数据待考

本周市场焦点将转向大行财报季，美国银行、花旗集团、高盛、摩根大通、摩根士丹利及富国银行均将于本周公布业绩。

据FactSet的John Butters数据，标普500指数第三季度盈利增速预计达29.6%，将是该指数连续第四个季度实现逾25%的盈利增长。

与此同时，9月CPI和PPI数据将分别于本周三和周四公布。

前Bridgewater首席投资策略师、美国外交关系委员会高级研究员Rebecca Patterson表示：

目前来看，利率上升尚未被视为压倒增长和盈利故事的力量。股票和债券收益率可以同步上涨。但如果利率在央行持续收紧的背景下继续攀升，利率开始主导并压制股市情绪的风险将会上升。

本文来自华尔街见闻，欢迎下载APP查看更多

具体来看，资金价格下破此前区间下限，意味着短端利率中枢可能进一步下移；同业存单连续净偿还，反映银行负债融资需求减弱；中小银行债券持仓增速明显放缓，则意味着后续存在补仓空间。三者分别作用于资金面、银行负债端和债券配置需求，共同构成债市走强的潜在动力。

基于上述变化，国盛证券判断，债市走强趋势有望延续，10年期国债收益率有望下探至1.6%附近，30年期国债收益率或接近2.0%，四季度同业存单利率则有望回落至1.4%附近。

边际变化一：资金价格突破下限，短端利率中枢或下移

节后DR001降至1.28%，创今年5月下旬以来新低，突破了6月以来的震荡区间。

这一变化既与节后资金需求季节性回落有关，也受到央行流动性操作的推动。买断式逆回购超量续作2000亿元，为资金面提供了支撑。更值得关注的是，资金价格下破此前的隐性下限，表明央行对短端利率的容忍区间可能有所放宽。

若DR001持续维持在1.3%附近或以下，短端利率中枢有望进一步下移，并为整体收益率曲线下行打开空间。资金价格能否持续处于低位，是判断这一变化能否延续的关键。

边际变化二：同业存单连续净偿还，银行负债压力缓解

同业存单市场已连续两周净偿还：节前一周净偿还2032亿元，节后一周净偿还1083亿元，结束了6月以来大部分时间的净融资状态。

跨季后，银行面临的阶段性指标压力减轻，通过发行存单补充负债、调整负债期限结构的需求随之下降。存单净融资持续回落，意味着市场供给压力有望减轻，为存单利率进一步下行提供支撑。

存单利率回落还可能通过降低银行负债成本，为债券市场提供支撑。若银行融资需求继续下降，存单供给压力减轻将成为推动债市走强的又一因素。

边际变化三：中小银行债券持仓偏低，后续存在补仓空间

二季度以来，中小银行持续减持债券。截至今年8月，中小银行债券持有量同比增速降至4.9%，明显低于大型银行的18.0%，9月数据预计将进一步走低。

不过，中小银行持续压缩债券资产的空间有限。在信贷投放承压、同时需要维持利润稳定增长的情况下，银行仍有动力统筹安排资产配置。进入四季度，随着银行着手规划下一年度资产配置，债券可能重新成为增配方向。

中小银行当前偏低的持仓意味着后续配置需求存在回升空间。一方面，持仓偏低有望减轻中小银行进一步减持对债市的压力；另一方面，若资金面持续宽松、存单利率继续回落，中小银行增配债券可能成为推动收益率进一步下行的新增动力。不过，这一判断仍有待实际配置数据验证。

总体来看，节后债市的三个边际变化各有侧重：资金价格下破区间下限，指向短端利率中枢可能下移；同业存单连续净偿还，反映银行负债融资需求回落；中小银行债券持仓偏低，则意味着后续存在增配空间。三者能否形成持续合力，将影响债市后续的走强幅度。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博、CNBC报道，博通CEO Hock Tan周一在新加坡举行的DBS Asia Future Forward大会上直言，许多AI投资者对自己押注的技术缺乏基本认知，却抱有极高的回报预期，行为如同赌场赌徒。他还以OpenAI为例指出，尽管该公司年化收入在9月达到500亿美元，但高昂的模型训练成本仍使其处于亏损状态，收入增长并不意味着商业模式已经得到验证。

Hock Tan表示，资本可能是当前AI行业面临的最大制约因素，其重要性甚至超过芯片、存储和电力短缺。随着产能逐步扩张，部分硬件和能源瓶颈有望缓解，但融资成本、投资者对回报的要求，以及AI商业模式能否持续创造价值，正成为行业必须面对的新挑战。

英特尔CEO陈立武同日在大会上表达了类似观点。他指出，资本成本上升，以及投资者最终能否获得足够回报，是AI行业面临的核心挑战。澳大利亚数据中心公司Firmus Grid上周撤回IPO计划，也进一步凸显了市场对AI基础设施投资估值及未来收益的审慎态度。

资本成本攀升，AI投资回报面临考验

Hock Tan指出，过去两年AI行业经历了一系列供应瓶颈，但随着产能扩张，部分制约因素有望逐步缓解。他预计，晶圆短缺可能在2028至2029年间改善，随着新基础设施陆续投入使用，电力供应也有望趋于宽松。

相比之下，资本约束更难化解。DBS集团CEO Tan Su Shan也表示，在经历大规模投入后，市场正在重新评估AI融资的风险。对于需要持续投入巨额资金建设数据中心、采购芯片并训练模型的企业而言，融资成本上升将进一步抬高投资门槛。

Firmus Grid撤回IPO计划则为这一趋势提供了一个现实注脚。尽管该公司获得英伟达支持，但其融资计划最终未能推进，反映出投资者对AI基础设施企业估值及未来收入兑现能力的审视正在趋严。

OpenAI收入增长，仍难证明前沿AI已经盈利

Hock Tan以OpenAI为例，说明收入增长与商业模式成熟之间仍存在距离。他表示，OpenAI年化收入在9月达到500亿美元，展现出前沿生成式AI巨大的营收潜力，但公司仍因高昂的模型训练支出而处于亏损状态。

在他看来，单凭收入规模，还不足以证明前沿AI模型能够实现长期盈利。另一个问题在于企业用户的AI支出：不少企业仍处于试验阶段，购买AI服务，却未能将其转化为实际生产力提升。

Hock Tan将这种现象比作孩子拿着父母给的游戏币进入游戏厅，短时间内便花光钱，却没有真正学到东西。他认为，AI模型开发商需要找到能够从技术部署中获得实际收益的客户，而不能长期依赖试验性消费支撑增长。

短期算力需求强劲，中长期增长仍取决于回报

尽管对资本约束和投资回报发出警告，博通和英特尔两位CEO对未来两到三年的AI需求仍持乐观态度。

Hock Tan表示，算力基础设施需求持续超过供应，这一失衡格局可能延续至2029年甚至2030年。陈立武也认为，AI应用普及和算力需求扩张将继续支撑行业增长，硬件供应短期内仍可能偏紧。

不过，短期需求强劲并不意味着投资热潮能够无限延续。Hock Tan提醒，如果先进AI模型的采用进度不及预期，或模型能力提升遭遇瓶颈，算力基础设施需求可能明显放缓。陈立武则强调，企业需要通过提升效率、探索新的商业模式，证明AI投资能够带来实际回报。

随着行业从争夺算力和建设基础设施，转向验证商业价值，资本是否愿意继续投入，将越来越取决于AI能否兑现其生产力承诺。

本文来自华尔街见闻，欢迎下载APP查看更多

据高盛GSX交易台董事总经理Louis Miller在其最新《全球反思》报告中披露，过去一周他走访多家宏观客户，得到三个核心反馈：利率上行的速度比终点位置更令人担忧；石油与利率这对曾经形影不离的资产，已悄然脱钩；没有人能够预判中东局势的降级路径。这三点叠加，意味着宏观投资者不仅要承受债市的剧烈波动，还同时失去了最重要的前瞻性指标。

与此同时，高盛内部数据显示，2026年表现最佳的系统性策略，恰恰是大规模做空波动率——即押注市场不会出现剧烈波动。这与客户对"速度风险"的深切忧虑形成鲜明矛盾，并为市场埋下潜在的脆弱性。

速度才是真正的风险

Miller指出，客户的核心关切并非5.25%这个收益率水平本身，而是抵达这一水平的速度。自8月底以来，10年期美债收益率累计上行约68个基点，高盛利率策略师Rikin Shah将过去一个月的走势定性为两个标准差事件。

高盛MarketStrats团队的数据显示，2年期收益率自8月4日以来已上行64个基点，自2月底以来累计上行149个基点；10年期美元利率互换的3个月隐含波动率上行28个基点，为2.3个标准差，处于过去一年的第100百分位。

从具体数据看，10年期美债收益率在9月3日时为4.77%，至上周四已升至约5.32%；同日，30年期国债拍卖以5.618%的利率定价，为2000年8月以来最高；10年期国债拍卖利率5.30%，同样创2000年以来新高。收益率最终以5.25%收周，2年期收于4.80%。

高盛利率交易员April Li进一步指出，最近20个基点的上行与此前性质不同：此前是熊市平坦化，而最新一段是熊市陡峭化。在已定价100个基点加息的背景下，短端上行空间已近极限，抛售压力向长端转移，期限溢价在财政压力、供给持续放量、通胀不确定性以及边际买家萎缩的共同作用下持续累积。

Li还强调，单纯的收益率水平本身不足以吸引真实久期需求回归。无论10年期升至5.5%还是30年期升至6%，在波动率如此之高的环境下，大规模买盘难以出现。一个佐证是：财政部最新一次债券回购操作吸引了460亿美元的报价，而此前操作的平均报价约为100亿美元，Li将此解读为投资者借助回购操作抛售非活跃券的信号。

石油与债券的脱钩

在霍尔木兹危机的大部分时间里，债券市场有一套清晰的操作逻辑：跟着布伦特原油走。油价上涨意味着通胀上行，意味着加息预期升温，进而推高收益率。然而Miller表示，这一关系已经失效，令客户深感不安。

本周的市场走势提供了完整的证据链。周一，油价与收益率一度同步上涨，随后油价回吐涨幅，但美债继续下跌；周四，美国不会在中期选举前打击伊朗的消息推动债券短暂反弹，但原油的宽慰行情转瞬即逝。全周来看，油价上涨约2.5美元，10年期美债收益率基本持平。

April Li对新格局给出了最为简洁的描述：美债对油价的敏感性已呈现不对称特征——原油下跌时，债券几乎不再受益；原油上涨时，债券仍会承压。换言之，油价的坏消息对债券依然是坏消息，但油价的好消息已不再是债券的好消息。

高盛伦敦利率策略师Mark Wilson持有不同看法，他在周五的报告中指出，长端收益率与12个月远期原油价格仍保持紧密相关，能源价格企稳将有助于缓解债市抛售并推动股市年底反弹。两种观点并不完全矛盾：即期布伦特原油价格包含高盛大宗商品团队估算的每桶22美元风险溢价，为历史第二高月度读数，是一个受地缘政治主导的头条工具；而远期曲线后端才是真正的通胀定价工具。

对宏观投资者而言，实际影响十分直接：做多原油的最佳对冲工具，过去正是这笔交易本身——停火压低油价的同时，久期资产会随之反弹。如果降级不再能拯救债券，那么那些告诉Miller"无法预判局势走向"的客户，也同时失去了等待降级的理由。

股市的分化与AI的孤岛

Miller的周度图表显示，股市对上述压力的反应已清晰可见。年初至今，标普500指数上涨约14%，但剔除AI股票后的标普（SPXXAI）仅上涨约7%，两者之差在过去五周一度扩大至创纪录的10个百分点。

Miller的结论是，剔除AI的市场已经消化了利率与油价的双重压力，当前仓位较轻，他倾向于在此开始增加非AI敞口，方向包括消费体验、医疗健康以及SPXXAI的看涨期权（11月103%行权价的看涨期权成本为0.75%）。医疗健康的吸引力在于其与AI、油价和10年期收益率的相关性均接近于零。高盛的Jack Singer提供了历史基准：自1974年以来，中期选举前一个月标普500中位数回报为-3.5%，选举后四个月为+6.5%。

做空波动率的盛宴与隐患

Miller报告末尾附上的策略绩效排行榜揭示了一个深层矛盾。在列出的21个系统性策略中，10个是某种形式的做空波动率或收割偏斜，另有5个是离散度策略。按夏普比率排名前五的全部是做空波动率策略：日度股票偏斜收割（4.34）、铜波动率套利（3.55，年内回报+30.9%）、周度标普方差套利（3.15）、周度WTI波动率套利（2.69）以及VIX波动率套利（2.68）。

然而，这一盛宴的背后积累了显著的脆弱性。高盛STS团队指出，过去一年标普500的1个月已实现波动率始终低于13%，而VIX均值为18。资产管理机构对VIX期货的净空头头寸已创历史纪录，超过2024年7月的峰值，波动率的波动率已跌至接近8月低点。股票波动率交易员Oriol Lozano援引数据显示，做市商持有的伽马头寸估计创历史纪录，五大标普超额认购ETF的资产规模在10月初突破650亿美元。

高盛美国利率交易台指出，短波动率账户的持续风险削减本身正在维持利率波动率于高位，利率波动率创新高反过来又通过挤压套利交易加深了债市抛售——这是一个自我强化的机制：策略奏效，直到波动率上升；而波动率上升，正是因为策略的平仓。

当前的格局是：利率波动率处于一年区间顶部，股票波动率处于底部，两者背离创历史纪录。客户在向Miller诉说速度风险的同时，排行榜上最赚钱的策略，恰恰是在每个资产类别中大规模出售对速度的保护。高盛本周推荐的一个对冲工具是VIX 11月20/30看涨价差，成本0.81，最大赔付比为12比1——当发布绩效排行榜的机构同时推荐做多波动率挤压交易，这本身已是一个值得关注的信号。

本文来自华尔街见闻，欢迎下载APP查看更多

曾经作为小众赛道的“方盒子”SUV品类俨然已经成为一个拥挤的赛道。

10月10日，银河战舰700上市，这是吉利汽车首次推出“方盒子”车型。比亚迪、吉利、奇瑞、长城四家主流自主车企由此在这条赛道会合。在北京越野、传祺等企业已经布局的市场，四强齐聚，又带来了更多争头部的目标。银河战舰700的一张牌是“智能”，瞄准了对越野也有潜在需求的“小白”消费者。

似是对银河战舰700上市的回应，在长城汽车旗下品牌坦克在10月12日发布的一张海报中，点明“智能可以避险，大梁才能托底”。

2026年9月，“方盒子”品类头部车型月销已超3万辆，月销量爆款让大厂看见了新增量，也让“方盒子”成为产品版图中难以缺席的一块。

吉利对竞争已有预判。吉利汽车集团副总裁、研究院院长李传海在10月10日晚间对华尔街见闻表示，2027年这条赛道“可能就是一片红海”。不过吉利汽车内部的目标，仍是进入第一阵营、冲击头部。

大厂补齐产品版图，也给先行者增加了对手；方正造型带来的辨识度，要继续经受价格、空间和日常体验的比较。“方盒子”的增长空间，已经成为自主龙头在家用SUV市场争份额时，绕不开的一块竞争版图。

四强会合

战舰700入场的第一步，是把自己放进20万元上下的购买区间。

新车共推出六款车型，官方指导价18.98万至37.98万元，上市先享指导价17.98万元起；符合条件的置换用户再享1万元补贴，限时焕新价为16.98万元起。最低价对应两驱入门版本，三电机四驱驭峰版的指导价则为21.98万元。

这个区间已有方程豹钛7。它的插混两驱版本从17.98万元起，四驱版本从20.68万元起。两款车的价格有了交集，预算在这一档、希望兼顾日常使用与户外出行的消费者，又多了一辆可以比较的车。

吉利为战舰700准备了原生新能源越野架构和一体式大梁，也提供三电机四驱。但销售端并没有把客户都限定在专业越野圈里。吉利银河销售公司常务副总经理关久旸专门解释，两驱探索、探索+版本，是给更重视外观、内饰和城区驾驶的用户准备的。

一套强调越野能力的架构，被放进同时覆盖城市用户与专业用户的车系。客户可以先按自己的使用需求选择两驱或四驱，再决定是否购买更多能力。战舰700既要进入硬派越野的比较，也要进入新能源大五座的购买清单。

不过也有自主品牌车企高管对华尔街见闻表示，真正进行极端越野的用户较少，许多人喜欢硬派风格，主要使用场景仍在城市。因此，他们最后选择承载式车身与增程动力，平衡城市舒适性和长途穿越需求。

不同技术路线，都在争取一批希望日常好用、又能走得更远的人。对厂家而言，大梁、承载式车身、动力与四驱方案各有设计逻辑；客户则可以拿着同一份预算，把不同路线的产品放到一起看。技术分类没有替它们隔开市场。

长城与奇瑞也早已展开了各自的阵容。长城在哈弗与坦克之间经营家用和专业越野两侧，H10的官方定位直接写成“大家庭方盒子”；奇瑞通过旅行者、iCAR等产品覆盖旅行与城市使用。比亚迪在豹系之外做大钛系，钛7又从插混延伸到纯电。几条路线的起点不同，面向的购买需求正在重叠。

四强会合之后，方正造型之下的产品仍有区别。有人保留更完整的专业能力，有人把城市舒适和长途使用放在前面，也有人用座椅与空间组合争取大家庭。区别要落实到客户经常使用的地方，才有机会成为购买理由。

对于后来者，推出一款“方盒子”已经不够。战舰700进入的是一个已有产品、已有价格参照的市场，第一阵营的目标，需要在这些选择之间取得份额。

爆款摆出了销量空间

单月三万多辆的产品体量，足以让主流车企认真对待。

乘联分会10月12日发布的9月报告中，当月批发销量超过两万辆的车型有23款。钛7以32144辆、捷途旅行者以23644辆进入其中。“方盒子”已经可以做出主流车型级别的月销量。

这发生在终端需求承压的车市。同一个9月，全国乘用车市场零售161.8万辆，同比下降28%；前三季度累计零售1333.4万辆，同比下降21.7%。能够贡献数万辆月销量的产品，对寻找增长的车企有了更大的分量。

这使得车企在产品开发中也需要取舍。一位头部新能源汽车品牌设计师向华尔街见闻回忆，一开始他们推出“方盒子”车型时，有考虑过要外观硬朗，内饰也应该符合这种感觉。但最后选择的则是让车内更适合家庭用户。

这样的产品定义，把驾驶者的越野兴趣与全家出行的要求放到了一起。硬朗造型可以保留，车内也可以围绕舒适与便利安排。厂家要让更多人愿意选择“方盒子”，就需要处理这两组要求之间的关系。

长城H10的早期订单，也呈现出家庭需求内部的不同选择。哈弗欧拉品牌总经理吕文斌在8月成都车展上表示，当时的终端订单中，六座版本约占70%，五座约占30%。六座主要对应多人家庭出行，五座更偏向户外旅居与改装，且五座占比仍在增长。

这使“家庭用户”成为需要继续拆开的需求。多人出行、日常通勤和户外旅居，会把不同版本推到不同的人面前。六座与五座、两驱与四驱的划分，都在回答客户打算怎样使用这辆车。

吉利此次把喜欢方盒子外观的新能源大五座用户列为一类客户，也强调两驱能够承接大续航、驾驶舒适与智能辅助驾驶等日常需求。它要争取的，已经是常规家用SUV也在经营的购买决定。

单车型数万辆的规模，让“方盒子”有机会成为大厂的主力生意；取得这个规模，又要求车企把不同家庭的使用方式接住。专业能力仍然重要，产品能否进入更多人的日常生活，开始决定它能够面对多大的购买人群。

红海里争头部

对已经在这块市场经营的车企，同类选择增加也会形成议价压力。

四强之外，既有越野厂商也在谈论供给增加带来的压力。一位传统车企高管认为，消费红利逐渐消退，方盒子市场已进入“存量绞杀”阶段，倒逼厂家把产品做得更好、更全能。同类车型增加以后，先行者已有的产品特色，也需要经受更多使用需求的检验。

不过，“方盒子”赛道的关键，是把硬核越野和生活化泛户外需求分开。赛道看似拥挤，内部却有分水岭；以城市通勤为主、兼顾周末露营与轻度非铺装出行的家庭，是目前很多车企都在争夺的主要群体。

吉利把自己的选择落在了产品覆盖与头部目标上。关久旸说，“方盒子”已是主流细分市场，银河在体量较大的细分市场“肯定要有这样的产品”。

对一家已经经营家用车市场的企业，补上“方盒子”，也是要在这批客户的购车清单里补上自己的位置。

李传海预判红海之后，谈到的同样是研发、验证、制造与技术积累。他认为，吉利有必要结合自身优势参与进来。按他的说法，战舰700开发了近五年；长期准备完成之时，销售端要面对的，已经是有竞品、有价格参照的市场。

“方盒子”进入家庭的购车清单后，大厂补上这一品类，也是在争取把原有客户留下来。缺少相应产品，可能让一部分买家转向竞品，车企们很难置身事外。

预判红海和继续入场并不矛盾。红海描述的是供给端的热闹，而热闹本身会教育市场、做大用户基数；真正的分化发生在热闹之下。当造型趋同、配置拉平，竞争会回到研发、验证、制造这些不容易被看见的地方——这恰是大厂积累最深、追赶者最难速成的部分。

对吉利来说，入场不是试水；银河在家用车市场的体量，决定了它做“方盒子”也是奔着头部去的。

供给一多，议价压力跟着来。参照清晰，新入场者定不出比先行者更高的价，先行者也得重新算自己的定价和配置。挤压一路传到成本和利润，比的是价格收窄之后谁还能把品质做住。

站不站得住，也不在进场早晚。拥挤时先出局的，往往不是新面孔，而是只靠造型和概念、经不起日常使用的车。方盒子买回家，要跑长途、要露营、要走非铺装路，还要承担一家人每天的通勤，问题暴露得很快。先行者攒下的口碑和暴露过的问题，后来者绕不开。

那位高管所说的"存量绞杀"，最后就落在这些地方。造型可以快速模仿，配置表可以逐项对齐，但一台车跑了多少万公里、动力总成和底盘经过几轮验证、产线和供应链能不能撑住规模化交付，没有捷径。李传海谈研发、验证、制造和技术积累，说的就是这一层，也是吉利敢进场的本钱。绞杀同时意味着集中：清单变长之后，留在前列的只会是少数几款，腰尾部产品先出清。

先行者已经考过一轮，现在轮到吉利。“方盒子”车主会把车开上长途、开进冬天，谁经得起用，两三年就见分晓。红海没有新手的缓冲期——从上市第一天起，战舰700的每一个订单，都得从别人的清单里抢过来。

本文来自华尔街见闻，欢迎下载APP查看更多

10月11日晚，奇瑞汽车发布《关于马来西亚OMODA 5车辆问题的说明》，就当地一辆2023款OMODA 5发生的车辆问题致歉。

奇瑞称，事件未造成人身伤害，公司已开展原因调查，并与马来西亚陆路交通局等监管机构沟通。马来西亚陆路交通局此前表示，涉事车辆在柔佛新山发生后轴脱落事件。

奇瑞表示，经调查，该批次车辆可能存在后桥纵臂局部焊接位置焊接强度不足的问题，极端情况下有焊缝撕裂风险。使用这一结构的车型此前已停产。奇瑞马来西亚子公司已对受影响的8878辆OMODA 5启动召回，将检查相关零部件，并视检查情况免费更换。

奇瑞马来西亚在10月11日的公告中称，此次召回涉及OMODA 5的C和H两个版本。

车主可在其官网输入车辆识别号码，查询车辆是否在召回范围内。受影响车主可到奇瑞授权服务中心接受免费检查和必要的零部件更换。该公司称，目前生产的车型不在此次召回范围内。

对于马来西亚以外的车辆，奇瑞表示，已对国内及相关市场同批次OMODA 5车型启动风险专项排查，并与监管机构保持沟通。公司将根据排查结果公布后续情况。

马来西亚陆路交通局10月11日宣布，暂时暂停相关OMODA 5车型的车辆型号认证，并暂停新车注册，直至技术调查完成、安全风险得到识别。该局表示，该措施将针对可能受影响的车型和版本实施。

监管部门要求奇瑞马来西亚根据零部件编号、生产批次、车辆识别号码等信息，确定可能受到影响的车辆并实施召回。

同时，监管部门将对OMODA 5的生产和装配流程，以及相关后轴零部件供应商展开技术审查，检查质量控制、焊接工序和零部件安全状况。认证暂停措施将在整改完成并经监管部门确认风险已得到处理后解除。

2024年，奇瑞马来西亚曾因OMODA 5后轴问题召回600辆车进行检查。公司当时称，供应商更换自动焊接设备的焊头后未正确校准，导致一批零部件出现问题；其中60辆在马来西亚销售的车辆装有受影响零部件。

本文来自华尔街见闻，欢迎下载APP查看更多

业绩爆发的核心驱动力来自数据中心业务的强劲放量。公司明确指出，CW（连续波激光器）产品出货量持续攀升、下游需求旺盛，是当季收入大幅跃升的最主要原因。这一判断与全球AI算力基础设施建设浪潮高度契合，光互联赛道的景气度正从硬件需求端向上游光芯片供应链快速传导。

值得关注的是，公司扣非净利润增速甚至高于归母净利润增速——扣非净利润预计增幅区间为678%至776%，这意味着当季经营性业务的含金量更为纯粹。相较于上半年联营企业股权投资估值重估带来的逾9亿元非经常性损益，三季度单季非经常性损益影响已大幅收窄，主营业务的盈利质量进一步提升。

公司去年同期基数较低——2025年三季度营收仅1.78亿元，净利润仅5963万元——固然构成高增长的部分背景，但收入规模在一年内实现近四倍增长，已超越单纯低基数效应的解释范畴，体现出产能利用率提升与市场份额扩大的共同作用。

源杰科技当季预计营收区间为6.5亿元至7亿元，中值约6.75亿元。相较于2025年三季度的1.78亿元，同比增量最高达5.22亿元。这意味着公司在短短四个季度内实现了从"亿元量级"到"准10亿量级"的跨越式扩张。

公司将增长归因明确指向数据中心产品线，尤其是CW激光器产品的持续放量。CW产品是光模块中光源的核心器件，随着800G乃至1.6T高速光模块需求激增，上游CW激光芯片的供需格局持续偏紧，具备量产能力的国内厂商获得了难得的窗口期。

公司在公告中特别强调两个盈利提升逻辑：其一，数据中心产品毛利率仍维持高位；其二，随着业务规模扩张，期间费用占收入比例同比明显下降。两者叠加，推动销售净利润率实现同比大幅跃升。

以预告中值估算，三季度净利润率约为62%至65%区间（归母净利润4.28亿元/营收6.75亿元），这一利润率水平在A股半导体板块中属于显著高位，折射出公司在细分赛道的技术壁垒与定价权优势。扣非净利润率同样处于60%以上区间，表明高利润率并非依赖补贴或投资收益"注水"，而是真实的经营性盈利能力体现。

公告对非经常性损益做出了详细说明，有助于投资者厘清业绩质量。2026年上半年，公司非经常性损益合计9263万元，其中投资收益9244万元，主要来源于联营企业所投资的光互连企业股权估值大幅上涨。

公司明确指出，该投资收益对三季度单季影响"金额非常小"，这意味着三季度约4亿至4.5亿元的净利润几乎全部来自主营业务贡献。公司也特别提示，扣非净利润指标"更能有效反映公司经营性业绩表现"，这一表述在一定程度上是对市场关注非经常性损益问题的主动回应，体现了管理层对业绩透明度的重视。

从趋势角度看，公司连续多季度呈现加速增长态势，CW产品需求旺盛的判断与行业层面AI算力投资周期相吻合，短期景气度具备较强支撑。

然而，投资者亦需关注潜在风险。其一，本次业绩预告数据尚未经过注册会计师审计，最终数据以正式三季报披露为准；其二，当前高增速部分受益于低基数效应，随着基数抬升，未来同比增速将自然回落；其三，数据中心资本开支具有周期波动属性，若全球AI投资节奏出现调整，下游传导压力不可忽视；其四，光互连赛道持续吸引竞争者进入，供给侧格局变化值得持续跟踪。

总体而言，源杰科技三季度业绩预告传递出强烈的景气信号，公司正处于业绩兑现的加速通道之中，其在CW激光芯片领域的先发优势与产能扩张成效正逐步转化为财务报表上的硬核数据。

本文来自华尔街见闻，欢迎下载APP查看更多

10月12日，联讯仪器发布2026年前三季度业绩预告，预计实现归属于上市公司股东的净利润19亿元至21亿元，同比增长1866%至2073%；预计扣除非经常性损益后的净利润为18亿元至20亿元，同比增长1837%至2052%。

从利润构成看，扣非净利润与归母净利润的增幅基本一致，表明业绩增长主要体现在扣除非经常性损益后的利润中。具体增长动因仍需结合公司后续公告中的业务情况进一步分析。

不过，业绩变化的对比基数较低。2025年前三季度，公司归母净利润约9664万元，扣非净利润约9293万元。

AI算力建设带动高速光通信测试需求

随着大模型训练与推理需求增长，数据中心对高速互联的需求持续上升，800G、1.6T等高速光模块加速研发和量产，带动测试设备需求增长。光模块和光芯片厂商扩产，也进一步增加了研发验证、性能检测和质量控制等环节的测试需求。

联讯仪器的通信测试仪器及光电子器件测试设备，正处于高速光通信产业链的关键检测环节。 随着产品迭代和产能扩张，相关测试需求有望进一步增长，但AI基础设施建设对公司业绩的具体贡献仍需结合产品销售及下游需求判断。

公司公告指出，此次业绩增长主要得益于业务规模扩大和营业收入同比显著提升。

仪器设备企业通常需要承担较高的前期研发和生产投入。当收入增长快于固定成本增长时，新增收入便可能带来更大的利润增量，形成经营杠杆效应。

本文来自华尔街见闻，欢迎下载APP查看更多

10月12日，印度统计和计划实施部公布的数据显示，9月消费者价格指数（CPI）同比上涨5.54%，高于8月修正后的4.83%，创2024年底以来最高水平，略低于彭博调查经济学家预测中值5.58%。数据公布后，印度国债延续跌势，10年期基准国债收益率上行约10个基点至7.40%。

此次通胀数据公布前数日，RBI货币政策委员会刚刚一致决定加息25个基点，将基准利率上调至5.50%，并将政策立场调整为“校准式收紧”。通胀持续走高进一步凸显了央行控制物价压力的必要性。

食品价格加速上涨，卢比疲软加剧通胀压力

食品价格是9月通胀加速的主要推手。数据显示，印度9月食品通胀同比升至7.74%，明显高于8月的5.97%。食品在印度零售通胀篮子中的权重超过三分之一，其价格上涨对整体CPI形成显著推动。

其他分项价格也普遍上涨。9月交通运输成本同比上涨5.01%，高于8月的4.6%；餐厅及酒店价格涨幅从8.38%升至9.36%。个人护理价格同比上涨13.75%，虽低于8月的15.17%，但仍处于较高水平。

与此同时，卢比持续承压。尽管卢比周一上涨1%，但仍是今年以来亚洲表现最差的货币之一。卢比贬值推高进口成本，增加输入性通胀风险；国际油价重新升至每桶100美元上方，也进一步加大了印度的通胀压力。

印度政府对终端燃油价格的保护有限，仅在5月小幅上调零售油价。面对食品和能源成本上涨，企业利润率已受到挤压，而新增成本尚未完全传导至消费者，意味着后续零售价格仍存在上行压力。

RBI预计，印度今年12月当季通胀均值将达到6%，并已将全年通胀预测上调至5.2%。此外，降雨不足可能在未来数月继续推高食品价格，令通胀回落面临更多阻力。

经济学家预计加息周期仍将延续

通胀持续高于此前水平，令RBI面临更大的政策压力。随着食品价格冲击扩大、进口成本上升，央行需要在抑制通胀与避免过度收紧金融条件之间寻求平衡。

Elara Securities经济学家Garima Kapoor表示，在大宗商品价格持续偏高、全球利率上行的背景下，预计RBI将继续推进加息，并预测截至2027年3月底前还将加息两次。

法国兴业银行经济学家Kunal Kundu则指出，相较于蔬菜价格的短暂上涨，范围更广的食品价格冲击更具持续性，也更容易传导至居民通胀预期。

食品价格走势、卢比汇率及国际油价将成为影响后续政策的重要变量。若这些因素持续推高物价，印度通胀短期内恐难回落至RBI目标区间的中值4%，央行维持紧缩立场、进一步加息的可能性也将随之上升。

本文来自华尔街见闻，欢迎下载APP查看更多

沙特能源大臣Abdulaziz bin Salman周一在利雅得世界石油大会上表示，相关计划包括对东西输油管道泵站进行升级改造，以及将一条天然气管道改造用于输送原油。这一系列举措旨在增强沙特能源基础设施在胡塞武装持续袭击下的抗风险能力。他表示，被改造的天然气管道最快七至八周内即可投入使用，初期日输油能力约为120万桶。

上述计划对全球原油市场具有直接影响。东西输油管道是美伊战争爆发以来沙特原油出口的核心通道，承担着向红海延布港输送出口原油、以及向沙特西海岸炼油厂供应原料的双重功能。管道输送能力的大幅提升，将进一步降低沙特对霍尔木兹海峡航运通道的依赖。

东西管道已成战时出口核心通道

Abdulaziz bin Salman上周披露，截至10月6日，东西输油管道的日输送量已达580万桶，接近其700万桶/日的总设计产能。该管道连接沙特东部产油区与红海沿岸，为绕开霍尔木兹海峡提供了关键替代路线。

这位能源大臣强调，东西管道在当前危机中发挥的作用已充分覆盖其建设成本。随着胡塞武装对沙特能源及航空基础设施的袭击持续，提升管道韧性已成为沙特能源安全战略的优先议题。

天然气管道临时转用，双用途改造同步推进

在天然气管道改造方面，Abdulaziz bin Salman表示，该管道初期日输油能力约为120万桶，若进一步追加投资，理论上可提升至每日300万桶。不过，这一安排仅属临时性质。

他透露，已告知沙特阿美首席执行官Amin Nasser，该管道可用于输油至明年5月，此后须完成清洗并恢复天然气输送，以满足夏季国内用气需求。

与此同时，沙特正与阿美合作推进管道双用途改造，通过安装泵站和压缩机，使管道具备根据实际需要灵活切换输送油气的能力，从而在长期层面提升基础设施的战略灵活性。

本文来自华尔街见闻，欢迎下载APP查看更多

瑞银能源与资源领域专家Catherine Gordon在近日发布的报告中，将这一趋势概括为“AI基础设施约束浮现为交易下一阶段”。她指出，Alphabet与亚马逊近期签署的长期购电协议（PPA），进一步凸显了电力供应对AI扩张的重要性，并使基础设施类资产持续成为市场关注焦点。

尽管市场仍对AI资本支出的可持续性及基础设施融资存在担忧，行业反馈却持续显示需求保持韧性。当前的关键问题已不只是AI需求能否兑现，更在于供给端能否跟上部署速度。

供给瓶颈与执行能力，决定AI投资下一阶段

Gordon指出，围绕OpenAI营收预期的短暂质疑虽一度引发市场波动，但AI投资逻辑的核心仍在于基础设施建设能否匹配需求。电力可用性尤其受到关注，Alphabet与亚马逊签署长期购电协议，也进一步强化了市场对能源供给约束的重视。

近期新加坡Data Center World Expo上的行业交流同样显示，与会者更关注供应链能否快速扩大产能，而非终端需求出现实质性下滑。这意味着，随着AI基础设施持续扩张，项目交付速度、供应链保障与执行能力，可能成为影响企业竞争力和投资回报的重要因素。

这一趋势也延伸至关键原材料领域。瑞银的分析与“投资瓶颈资产”的思路一致，即关注那些掌握关键材料、能够满足电网扩建、数据中心建设、制造业回流和国防投入需求的企业，稀土、钨等金属便是典型代表。随着基础设施投资持续增长，掌握稀缺原材料供应的企业，有望获得更多投资者关注。

本文来自华尔街见闻，欢迎下载APP查看更多

摩根士丹利首席股票策略师Mike Wilson在最新周报中指出，随着美国10年期国债收益率自2月以来累计上行120个基点，金融条件已大幅收紧，债市实际上正在替代美联储完成加息工作，这可能令美联储无需进一步上调政策利率。Wilson认为，若本周三公布的美国消费者价格指数（CPI）数据温和，将有助于缓解长端收益率压力及市场对政策利率的预期。

在此背景下，Wilson为投资者提供了两大前瞻性信号：金融股的相对表现，以及衡量债市波动率的MOVE指数。他强调，债市波动率的变化比收益率的绝对水平更具指示意义，而本周摩根大通、高盛、花旗及富国银行的三季度财报将成为关键观察窗口。

债市收紧效应已然显现

Wilson在周一发布的"Weekly Warm-up"报告中指出，当前多重因素叠加，货币紧缩效应已在市场中发挥作用：10年期美债收益率自2月以来跳升120个基点，美元指数走强，油价维持高位，三者共同构成了实质性的金融条件收紧。

全球政府债券收益率目前已整体超过4%，为2000年以来首次。Wilson认为，在债市已大幅定价更高利率的情况下，美联储主席Kevin Warsh面临的政策压力实际上有所减轻。若本周CPI数据不出现超预期上行，长端收益率的上行动能或将趋于平缓。

标普500上涨掩盖内部分化

Wilson指出，标普500指数之所以未能充分反映当前金融条件的收紧，原因在于指数涨幅高度集中于少数大市值、以人工智能为核心的科技股——这些公司的成长性足以抵御资本成本上升的冲击。

这一结构性分化在市场广度上已有明显体现。标普500等权重指数自3月以来落后市值加权指数达6个百分点，显示普通个股已承受了更多来自长端利率上行的压力。Wilson强调，对大多数股票而言，收益率的快速攀升已造成实质性损伤。

两大信号决定最坏时刻是否过去

Wilson建议投资者重点追踪两项指标，以判断市场压力是否已触顶。

其一是MOVE指数，即债市波动率指标。Wilson认为，真正重要的不是收益率的绝对水平，而是收益率的变化速度及其波动性。MOVE指数的回落将是债市压力缓解的重要信号。

其二是金融股的相对表现。本周恰逢JPMorgan、Goldman Sachs、Citi及Wells Fargo集中披露三季度业绩，Wilson认为，若上述银行财报表现稳健，将在相当程度上发出"全面解除警报"的信号。

衰退担忧或被过度定价

尽管Wilson承认收益率持续走高存在演变为增长阻力的风险，但他目前认为这一情形尚未成真。他指出，此轮收益率上行在很大程度上源于经济增长本身及其带动的资本需求，而非单纯的通胀或政策预期驱动。

从实际利率角度看，Wilson以当前CPI同比约3.4%与联邦基金有效利率3.88%相减，所得利差远低于历次衰退前的峰值水平，表明市场对增长前景的悲观预期存在高估。结合对即将到来的财报季的乐观预期，Wilson得出结论：美股走势仍有改善空间。

本文来自华尔街见闻，欢迎下载APP查看更多

据华尔街见闻此前文章，彭博根据台积电数据计算得出，该公司截至9月的第三季度营收达1.49万亿新台币（约467亿美元），同比增长51%，超出分析师平均预期的1.46万亿新台币，亦高于公司此前给出的446亿至458亿美元指引区间上沿。

据追风交易台消息，在此背景下，美国银行和汇丰均在10月12日上调了台积电目标价，维持买入评级，两者目标价分别为新台币3260元和新台币3800元。台积电股价本月已触及历史高位，当前报新台币2550元。

强劲的销售数据，在投资者普遍担忧债务水平攀升、监管阻力增加，以及OpenAI与Anthropic呼吁放缓AI技术发展步伐之际，进一步巩固了市场对AI需求前景的信心。台积电是英伟达和苹果的核心代工合作方，被市场视为追踪AI需求的重要风向标。本周，AMD首席执行官Lisa Su表示预计芯片需求未来数年将持续大幅增长；三星电子报告运营利润同比大增近九倍；AI服务器组装商鸿海精密季度销售额也超出预期，多点信号共同印证AI硬件需求持续扩张。

台积电9月单月合并营收为新台币5118.57亿元，同比增长54.6%，环比微降0.6%。彭博计算得，2026年前三季度累计营收达3.899万亿新台币，较2025年同期的2.763万亿新台币增长41.1%。

据美银研报，三季度营收超出美银及市场预期的环比增幅分别为+14%和+13%，实际录得+18%（以新台币计）。美银分析师Haas Liu认为，这一超预期表现主要由2nm制程的强劲放量驱动——2nm营收贡献占比预计从二季度的3%提升至三季度的约11%，主要受益于苹果新品发布的移动SoC备货需求，以及AMD Venice服务器CPU需求的强劲增长。与此同时，5nm和3nm制程利用率持续超过100%，由高性能计算及AI领域的多款产品升级所支撑，包括英伟达Rubin GPU、AMD MI400、AWS Trainium3的量产爬坡，以及谷歌TPUv8t/i的初步放量。

汇丰分析师Frank Lee在研报中同样将三季度营收超预期归因于AI先进制程的强劲需求，并预计三季度毛利率约为66.9%，与公司65%至67%的指引区间上沿基本吻合。

在利润率预测上，两家机构均对市场近期的乐观预期持保留态度。美银预测三季度和四季度毛利率分别为67.0%和67.8%，低于市场近期预期的67%至68%和68%至69%。美银指出，2nm制程爬坡带来的毛利率摊薄效应约为3%至4%，加之海外晶圆厂产能扩张，将部分抵消来自利用率改善及3nm折旧逐步滚降所带来的正面影响。

汇丰对三季度毛利率的预测为66.9%，四季度进一步收窄至66.0%，明确指出2nm节点良率爬坡及海外扩张将持续带来毛利率摊薄压力，对四季度的预测亦低于市场一致预期。

从全年来看，美银预测2026年全年毛利率约为67.2%，2027年进一步提升至68.9%；汇丰则预测2026年和2027年毛利率分别为66.7%和67.0%，两家机构均预计随着台积电在2027年初提价落地、先进节点折旧成本逐步消化，利润率将呈现改善趋势。

两家机构均预计四季度营收将保持强劲增长势头。美银预测四季度营收环比增长约10%至15%（美银预测为+11%），高于台积电历史季节性规律的+7%。美银分析师认为，四季度增长的核心驱动力将是产品结构持续向先进节点迁移所带来的混合均价提升，预计5nm及以下制程营收占比将从三季度的约71%提升至四季度的75%，其中2nm占比有望进一步升至约18%。

汇丰对四季度营收的预测为1.677万亿新台币，环比增长12%，高于市场一致预期的10%。

展望2027年，美银将台积电2027年EPS预测上调至新台币161.36元，较市场一致预期高出约15%；汇丰预测2027年EPS为新台币152.77元，较市场一致预期高出约5%。两家机构的核心逻辑均指向：台积电将于2027年初对先进节点晶圆定价提涨5%至10%，叠加成熟节点温和涨价3%至5%，推动毛利率进一步改善。

在资本支出方面，美银预计台积电2026年资本支出约为630亿美元，处于公司最新指引600亿至640亿美元区间的上沿，主要用于3nm产能扩充（约5.5万至6万片每月）、2nm产能爬坡（约6万片每月），以及A16制程的初期安装（约3000至5000片每月）。汇丰同样维持2026年资本支出预测640亿美元，并预测2027年升至850亿美元。

美银分析师进一步指出，2027年资本支出预计进一步跃升至约830亿美元，较2026至2028年复合年均增速约20%，反映出N3、N2、A16制程的持续扩产及CoWoS-L先进封装的加速布局。值得注意的是，设备供应商计划于2027年起对前端设备提价10%至15%，后端封装设备提价5%至10%，但美银认为台积电凭借较强的议价能力，可将上述成本增量转嫁至晶圆定价，并于2028年产能投产时予以充分体现。

市场对于马斯克旗下Terafab计划建设超大规模晶圆厂的竞争隐忧，被两家机构均认为存在高估之嫌。据路透社10月7日报道，有消息指台积电正在就参与Terafab项目进行磋商。汇丰分析师明确表示，不认为台积电会实质性参与该项目，原因在于自主运营晶圆厂对台积电维持技术领导力和定价权至关重要。

美银则从产能规模角度进行了量化分析：即便按照Terafab计划在2026至2036年间投入逾1190亿美元，受制于美国本土单位产能建设成本高企（约每千片每月6亿美元以上），预计到2036年其先进节点产能也仅约9.6万片每月，远低于台积电目前的规模。美银据此判断，Terafab难以实现规模经济，台积电将在可预见的未来持续作为SpaceX和Tesla的核心代工合作方。

在技术层面，美银估算台积电N3/N3E的晶体管密度较英特尔18A高出约30%，而未来A16与A12节点相对于英特尔18A-P和14A的密度优势有望进一步扩大至约50%至60%。

在估值层面，美银和汇丰的判断方向一致，但目标价存在明显差异。美银以2027年预测市盈率20倍为基准，将台积电普通股目标价从新台币3100元上调至3260元，ADR目标价从590美元上调至620美元，认为当前16倍2027年预测市盈率处于历史区间11至21倍的中间水平，估值尚不算昂贵。

汇丰则给出更为进取的目标价，将目标价从新台币3400元上调至3800元，对应2027年预测市盈率25倍，并将ADR目标价从632.19美元上调至766.44美元。汇丰认为，台积电当前定价能力处于历史最强水平，因此适用高于历史均值的估值溢价是合理的。

美银同时指出，台积电主要HPC客户的估值溢价相对台积电目前已高达100%至150%，而历史均值约为53%，这表明台积电股价的上涨迄今主要由盈利预测上修驱动，而非估值倍数的扩张，后者仍存在明显的修复空间。台积电将于10月15日举行三季度业绩发布会，届时AI需求展望、资本支出计划，以及美国投资扩张进展预计将成为市场关注焦点。

本文来自华尔街见闻，欢迎下载APP查看更多

摩根士丹利策略师Nick Savone在最新的报告中指出，标普500指数距历史高点仅0.2%，两周已实现波动率处于过去五年的第14百分位，表面异常平静。

然而，CCC级债券利差已收于1000基点上方，为2023年以来最宽，CCC与广义高收益利差之比更升至历史峰值，而这一比值"历史上往往在更糟糕的信用周期到来之前触顶"。

与此同时，美国银行股自8月以来已下跌13%，14日RSI跌至27，而标普500的RSI仍高于60，两者之间33点的差距为30余年来最大。

上述压力正在向更广泛的市场定价逻辑渗透。美国10年期国债收益率本周升至5.30%，为2002年以来最高，周四30年期国债拍卖收益率更创下2000年8月以来新高。大摩维持年内还将再加息两次的判断，预计联邦基金利率终值区间升至4.25%至4.50%。即将于本周二打响的银行股财报季，被视为检验市场能否弥合"基本面韧性与投资者忧虑"之间缺口的关键时刻。

摩根士丹利欧洲内容团队的Matthew Garman指出，美国银行股自8月以来累计下跌13%，BKX指数14日RSI仅为27，已深度进入超卖区间，而同期标普500的RSI仍保持在60以上。两者之间33点的RSI差距，是1993年以来从未出现过的极端背离。目前BKX的远期市盈率已重新跌破近10年中位值约11.9倍。

银行股大幅跑输指数的背后，除利率和油价因素外，AI颠覆交易的冲击同样不可忽视。

摩根士丹利大宗经纪数据显示，金融板块占对冲基金北美净敞口的10.9%，处于过去一年的第100百分位，但仅为2010年以来的第13百分位——基金全年持续从极低基础上增持银行股，而近期13%的回调正在对新仓位形成压力。

大摩表示，目前美国高收益整体利差仅处于1994年以来的第16百分位，反映出表面上宽裕的信用环境；但CCC级利差已突破1000基点，升至第77百分位，且CCC利差与广义高收益利差之比已升至有记录以来最高水平。

Savone直接将症结指向利率："最弱的借款人开始感受到高利率和再融资成本带来的压力。"当博通、甲骨文、SpaceX等优质发行人以6%以上的综合收益率持续大规模融资，信用资源的"挤出效应"正使评级最低的借款人所能获得的空间愈发有限。

摩根士丹利欧洲衍生品团队已就此开始布局防御，向客户推介针对弱资产负债表资产篮子（MSSTWKBS，涵盖约50%的房地产、高杠杆工业及高负债电信公司）的保护性策略，并指出该篮子在2022年同等利率冲击中曾下跌20%，且当前已实现波动率低于欧洲斯托克50指数，对冲成本相对低廉。

宏观利率环境持续对风险资产构成压制。

摩根士丹利跨资产主管Serena Tang指出，美国10年期国债收益率本周升至5.30%，为2002年以来最高；欧元兑美元跌至1.12，触及17个月低点。摩根士丹利基准指标显示，10年期美债收益率、美国实际收益率及标普500指数均处于各自十年区间的第100百分位。

Michael Gapen维持其鸽中带鹰的基准预判：将政策立场定性为"中性至温和限制性"，其对真实中性利率的估计自2025年初以来已从100基点以下上升至约150基点，金融条件自2月以来已收紧约100个基点。尽管9月非农就业数据仅录得2.9万的疲弱表现，他仍坚持美联储将分别于12月和3月各加息25个基点，将联邦基金利率区间推升至4.25%至4.50%。

Savone将即将到来的财报季定性为"真相时刻"，视其为市场化解"基本面韧性与投资者忧虑"之间背离的关键窗口。市场共识预期标普500三季度每股盈利同比增长29.5%，其中"科技七巨头"贡献约四分之一。三季度每股盈利预期在财报季临近之际持续上调，报告最密集的一周为10月26日当周，届时占标普500市值37.3%的成份股将集中披露业绩。

然而，盈利增长的高度集中值得警惕。

摩根士丹利数据显示，市场对盈利质量的区分正在加剧：2025年二季度数据显示，每股盈利上调且自由现金流预期同步上调的股票，财报次日中位涨幅为1.7%；而每股盈利上调但自由现金流预期下调的股票，则平均下跌0.8%。首席股票策略师Mike Wilson明确指出，自由现金流和预期修正广度将是决定个股财报后表现的核心变量。

从早期财报来看，百事可乐（PEP）小幅超预期但下调指引，引发市场对2027年盈利重置的担忧；星座品牌（STZ）超预期但啤酒需求与利润率依然疲弱；李维斯（LEVI）在营收略低于预期的情况下上调全年展望；达美航空（DAL）三季度营收同比约增16%。Savone警告，在工业和金融板块个股隐含波动率偏高的环境下，市场将对业绩兑现给予溢价，对低于预期者则"更为严苛"。

本文来自华尔街见闻，欢迎下载APP查看更多

据布鲁金斯学会最新研究，2025年至2032年间，美国AI数据中心建设的总投资规模将达10.3万亿美元，年均约占GDP的3.63%。这一比例不仅是铁路时代高峰期的1.6倍，更是互联网与电信热潮的逾3倍。哥伦比亚大学商学院教授Stijn Van Nieuwerburgh指出，这场投资浪潮在宏观经济层面的影响将是深远且不可忽视的。

巨额资本开支也在改变AI建设的融资方式。Meta、Microsoft等超大规模云服务商的AI投资已经超过经营活动产生的现金流，越来越多项目开始通过租赁、合资企业、特殊目的载体、私人信贷和证券化获得资金。以Meta的Hyperion数据中心为例，约300亿美元的项目资产承载了270亿美元债务，项目层面的债务资产比达到90%，但相关债务并不直接列入Meta的资产负债表。

Van Nieuwerburgh并未据此认定AI已经形成泡沫，也认为现在断言存在系统性风险为时尚早。他真正担心的是，表外融资让市场很难看清完整的经济责任。已有约1.4万亿美元债务被用于相关结构，其中约7000亿至8000亿美元由银行持有。若需求、收入或项目进度不及预期，风险究竟停留在科技公司、项目股东和私人信贷机构，还是重新回到银行体系，目前缺少一套能够回答这一问题的披露和衡量框架。

布鲁金斯学会在最新播客中围绕Van Nieuwerburgh的新论文《为AI基础设施建设融资》展开讨论，从金融监管和次贷危机的视角追问AI建设的规模、表外融资结构及潜在传导风险。

访谈核心要点：

2025年至2032年，美国数据中心、电力和芯片等AI基础设施投资总额可能达到10.3万亿美元，年均相当于国内生产总值的3.63%。

AI建设相对经济规模可能比1870年至1890年的铁路投资热潮高约50%，是互联网和光纤建设热潮的三倍以上。

一个100兆瓦AI训练园区在2025年的估算成本约为41亿美元，其中约三分之二来自信息技术设备，三分之一来自数据中心建筑和电力基础设施。

Meta的Hyperion项目显示，超大规模云服务商正从自行建设和持有资产转向租赁。约300亿美元的项目资产发行了270亿美元债务，项目杠杆率达到90%，但债务留在合资企业和特殊目的载体中。

Hyperion采用五份连续四年期租约。Meta未来要么续租，要么支付剩余价值担保，但按现行会计规则，两项义务都可能暂时不在资产负债表中确认，形成Van Nieuwerburgh所说的“概率真空”。

相关结构已发行约1.4万亿美元债务，其中约一半由银行持有。若一个杠杆率为90%的项目现金流下降10%，股权可能被全部抹去；降幅继续扩大，就会开始损害债权。

政策重点不是阻止AI投资，而是建立可比较的披露体系，追踪资产所有者、债务持有人、租约签署方和担保方，并识别银行、保险公司、养老基金、债券基金及私人信贷之间的风险连接。

Van Nieuwerburgh估算认为，美国AI数据中心建设在2025年至2032年间的年均投资规模约为GDP的3.63%。以同口径比较，美国铁路建设高峰期（1870至1890年）年均投资约占GDP的2.2%，州际公路体系建设（1950年代）和互联网及光纤热潮均约为1.1%，运河建设约为0.66%，电气化约为0.5%。

Van Nieuwerburgh表示，即便采用更乐观的宏观假设，这一数字也难以被大幅压低。

若假设名义GDP年增长率为5%（对应3%通胀与2%实际增长），该比例约降至3.5%；即便假设AI驱动强劲生产率增长、实际GDP增速高达4%，年均投资占比也仅能下降至约3%。"这个数字对于1个百分点的宏观变量变化并不敏感，"他说。

在成本构成上，每座100兆瓦AI训练数据中心的建设成本约为41亿美元，其中约三分之二来自IT设备（含服务器、芯片及光纤等），三分之一来自数据中心厂房本身及配套电力基础设施，且该成本以每年约4%的速度递增。

他同时引用了"杰文斯悖论"（Jevons Paradox）来解释为何算力成本下降并不会减少总体投资需求：计算效率的提升会引发更大规模的算力需求，"使用场景的队伍排了12英里长"，一位数据中心开发商曾如此描述尚待计算的应用场景。

随着超大规模云厂商的资本支出持续超过自身经营性现金流，融资模式正发生结构性转变——从此前的自持建设，转向租赁、合资及私募信贷。Van Nieuwerburgh在论文中以Meta的Hyperion数据中心项目为例，详细剖析了这类结构的运作逻辑及潜在风险。

据论文披露，Meta最初计划自建该设施，但最终将其20%股权出售给私募信贷机构Blue Owl，作价25亿美元，并保留20%权益。双方共同成立名为"Beignet"的特殊目的载体（SPV），该实体随后发行了270亿美元债务，对应资产估值约300亿美元，项目层面债务与资产比率高达90%，债务覆盖率约为1.15倍。

关键在于，由于Meta本身仅持有该合资企业的少数股权，Beignet所发行的债务无需并入Meta的合并资产负债表，Meta对外呈现的仍是低杠杆财务形象。

在租约安排上，Meta签署的并非一份长期租约，而是五份连续的4年租约——每四年届满，Meta均可选择不续租。

Van Nieuwerburgh指出，这意味着Meta实际持有大量或有负债：若续租，须承担后续租赁义务；若不续租，则须支付"剩余价值担保"（Residual Value Guarantee），以确保项目债务得以偿还。

然而，在现行美国通用会计准则（GAAP）下，上述两类或有负债均因概率未达70%的确认门槛而无需计入资产负债表，由此形成Van Nieuwerburgh所称的"概率真空"（probability vacuum）——"两种义务必然有一种会发生，但两者都不在资产负债表上体现。"

布鲁金斯研究院高级研究员Aaron Klein在访谈中，将上述表外融资结构与2008年次贷危机中的结构性投资工具（SIV）相类比，引发了Van Nieuwerburgh的深度回应。

Van Nieuwerburgh承认两者存在相似之处，但也点明了当前结构的关键区别。

他指出，当年次贷危机的核心症结在于严重的期限错配——SIV以短期资产支持商业票据为长期抵押贷款融资，一旦市场流动性收紧，体系便迅速崩溃。而目前AI数据中心融资中，多数情形与Hyperion相似，以长期项目债务匹配长期资产，期限错配风险相对有限。此外，Meta目前仍是投资级信用主体，财务状况稳健。

但他同时指出，风险并未消失，只是发生了转移。据他的初步统计，迄今已有约1.4万亿美元债务针对这类结构发行，其中约7000亿至8000亿美元由银行体系持有。传统银行业的杠杆率约为90%，私募信贷行业整体杠杆率约为50%，且与银行体系之间存在信贷额度等关联。

"最终的关键问题是：如果音乐停止，我们会经历2001年式的互联网泡沫崩溃——股市大跌但银行体系安然无恙——还是2008年式的金融危机，银行体系受损，信贷紧缩蔓延全经济？"Van Nieuwerburgh说，"目前我们还没有一套能够回答这个问题的测量框架。"

Van Nieuwerburgh对监管体系提出了具体警示与建议。

他指出，现行GAAP准则由FASB（财务会计准则委员会）制定，Meta遵循了现行规则，并不存在欺诈或违规，但规则本身亟待审视。FASB可修订相关确认与合并规则；SEC可要求上市公司就此类或有负债作出更充分的披露，而非仅在10-K或10-Q的脚注中有限呈现。

在系统性风险的监控层面，他建议监管机构——包括美联储、财政部及各金融监管部门——着力建立一套完整的"经济资本堆栈"披露机制，明确每项重大资产的所有权归属、债务承担方、租约签署方、建设与剩余价值担保方，以及在需求不及预期时的实际风险承担方。"目标不是阻止投资，而是通过透明度实现合理定价，让监管机构提前看到风险集中，减少在下行周期中被隐性负债突然'击中'的概率，"他说。

Van Nieuwerburgh强调，纳税人亦以非直接方式参与其中——各州通过税收减免、设备购置税豁免及电费优惠等方式为数据中心项目提供补贴，且近期已有州开始收回部分优惠政策。与此同时，若AI真正释放强劲的生产率增长，其带来的GDP扩张与税基扩大将使全体纳税人间接受益。"我们每个人都对AI有敞口，在整体上，我们应该希望这项技术成功。"

以下为访谈全文

Jan Eberly（主持人）：

欢迎收听《布鲁金斯经济活动播客》第九季。我是Jan Eberly，西北大学James R. and Helen D. Russell金融学教授。本季节目中，我们将听到围绕2026年秋季布鲁金斯经济活动论文会议论文展开的讨论。这次会议由布鲁金斯学会于9月主办。

Jón Steinsson（主持人）：

我是Jón Steinsson，加州大学伯克利分校Marek公共政策与经济学教授。我们是《布鲁金斯经济活动论文》的联合主编。这是一项每半年举行一次的会议，也是一份期刊，通过把严谨研究与实时政策分析结合起来，应对当下最紧迫的经济挑战。

Jan Eberly（主持人）：

和以往一样，本季安排了一系列很有时效性的议题，包括能源市场、通胀、移民对劳动力市场和住房市场的影响、AI融资等。在本季接下来的节目中，我们将进一步了解这些会议论文，更重要的是，了解决策者应当如何思考论文所探讨的问题。

Jón Steinsson（主持人）：

本期节目讨论AI热潮，但关注的是AI热潮中一个并不总处在聚光灯中心的方面：我们究竟如何为当前正在进行的所有AI投资买单。布鲁金斯学会经济研究项目高级研究员Aaron Klein将与哥伦比亚商学院的Stijn Van Nieuwerburgh讨论他的新论文《为AI基础设施建设融资》。

Jan Eberly（主持人）：

这里的数字令人震惊。Van Nieuwerburgh估计，到2032年，美国数据中心建设每年所需投资将相当于国内生产总值的约3.6%。相对于经济规模而言，这比铁路建设热潮、州际公路系统建设或电网建设的规模都更大。

Jón Steinsson（主持人）：

令人惊讶的是，Meta和Microsoft等公司目前在AI上的投资支出，已经超过其经营活动产生的现金流。因此，它们正越来越多地借助租赁、合资企业和私人信贷来弥补资金缺口。对于了解以往投资热潮的人来说，这种情形其实并不陌生，例如21世纪初的互联网或光纤建设热潮。

Jan Eberly（主持人）：

Van Nieuwerburgh特别剖析了Meta的Hyperion数据中心项目，以此说明这些融资结构实际如何运作，以及它们为什么会让杠杆——也就是债务——更难以从外部被看见。他没有把这称为泡沫，因为判断泡沫向来很棘手，但他确实明确指出了监管者和投资者应当关注什么。

Jón Steinsson（主持人）：

下面把节目交给Aaron和Stijn。

Aaron Klein（采访者）：

谢谢你，Jon，也谢谢你，Jan。很高兴再次为你们工作。Stijn，你好，感谢参加节目。

Stijn Van Nieuwerburgh（嘉宾）：

你好，Aaron。

Aaron Klein（采访者）：

你现在常驻哪里？

Stijn Van Nieuwerburgh（嘉宾）：

我常驻纽约市的哥伦比亚大学。

Aaron Klein（采访者）：

哦，那可是世界之都。或许，在AI领域，美国正试图成为下一个世界经济之都。

你的论文非常精彩，我想直接切入主题。你估计，从现在到2032年，AI数据中心建设每年所需投资将相当于国内生产总值的3.6%。这是一个巨大的数字。与过去的运河、铁路或州际公路系统等基础设施建设热潮相比，它处在什么水平？

Stijn Van Nieuwerburgh（嘉宾）：

是的，我的中心估计是，从2025年到2032年，每年的投资规模相当于国内生产总值的3.6%。大致按照同一口径计算，铁路建设热潮在1870年至1890年约20年的高峰期内，平均投资规模约为国内生产总值的2.2%。

20世纪50年代的公路建设约为国内生产总值的1.1%。电信与光纤建设热潮，或者说互联网热潮，约为1.1%。运河建设约为0.66%，电气化建设约为0.5%。所以，AI投资的这一估计值，比此前这些资本开支热潮中规模最大的铁路建设热潮还要高约50%，是互联网热潮的三倍多。

显然，这是一个极其庞大的数字。不过，我想补充两点限定。第一，关于这些历史事件的估计并不总是采用完全一致的口径，其中有些时期距今已经非常久远。例如，在铁路数据中，确实有一些年份的投资峰值超过了国内生产总值的4%。铁路数据没有包括机车和车辆，因此可能略有低估。

但这里的重点并不是追求虚假的精确性，而是我们正在经历的这场技术热潮确实规模巨大，而且会对宏观经济产生影响。

Aaron Klein（采访者）：

让我在这一点上再追问一下。我仔细阅读论文时看到，你对一个100兆瓦的AI训练园区给出的估值略高于40亿美元。

而且在整个时间段内，这个估值似乎基本保持不变。我总会想到摩尔定律，即计算能力会随着时间不断变得更便宜。你是如何做出这个估计的？我知道这只是未来六年，但似乎每隔几年，计算能力都会便宜很多。

Stijn Van Nieuwerburgh（嘉宾）：

是的。首先我想澄清论文中的假设。你说得没错，论文对2025年一个100兆瓦设施采用的成本约为41亿美元，随后假设这一美元成本每年上升4%。我们并没有假设名义价格保持不变。需要说明的是，每兆瓦4100万美元的成本中，大约三分之二来自信息技术设备，包括所有光纤和外围设备；另外三分之一来自房地产，也就是数据中心建筑本体、其中的全部设备以及电力基础设施。

我认为你说得对，历史上计算效率的提升一直非常迅速。单位计算量的成本通常在下降。但这篇论文实际上是以兆瓦而不是以FLOPS，也就是浮点运算次数，来衡量这些数据中心的规模。因此，我的理解是，更好的芯片或许能够让每瓦电力产生更多FLOPS；与此同时，随着每FLOP成本下降，这些前沿模型开发商会训练越来越大的模型。

推理需求也会越来越多。你我会不断点击应用程序和ChatGPT窗口，提出越来越多的问题。因此，即使单位美元所能获得的性能持续提高，最前沿技术机架的成本仍然可能继续上升。这实际上是两个方向相反的作用。

效率提升会降低完成固定工作负载所需的容量，但计算成本下降又会诱发高得多的计算需求。这就是所谓的反弹效应，有时人们也把它称为Jevons悖论：当某种东西变得更便宜时，我们有时反而会更多地使用它。

一位数据中心开发商曾经这样向我描述：“应用场景的队伍足足排了12英里长。”还有大量事情我们尚未用计算机去处理。一旦计算成本下降，我们就会做更多这样的事情。

Aaron Klein（采访者）：

是的，我来自银行业。我一直记得一位银行家告诉我的一件事：当他们推出网上银行、让客户可以在线查看银行账户余额时，他们原以为呼叫中心的使用会减少，从而节省大量成本，因为在此之前，人们需要拿起电话，拨号询问自己的账户里有多少钱。

结果，在线查询实际上更昂贵。尽管每次查询的成本更低，但因为操作方便得多，人们查询的频率大幅增加，而不必拿起电话、拨号并在线等待。因此，用这种思路理解这个函数关系很有道理，而你基本上是假设这两个作用会相互抵消。

让我再追问另一个假设，也就是你对国内生产总值采用的4%名义增长率，你刚才回答时也提到了这一点。这是基于2%的通胀和2%的实际增长吗，还是另有依据？假设通胀为3%，就像过去几年大致出现的情况，而实际增长只有1%，结果会怎样？

与此相关的是，几乎没有人会在自己的模型中预测衰退，但把时间拉长到七年，长期内一次衰退都不发生的概率最终会降到零。你的模型对通胀、实际经济增长和衰退概率有多敏感？

Stijn Van Nieuwerburgh（嘉宾）：

这是个好问题。坦率地说，那条4%的路径并不是一项经过精细校准的宏观预测，而只是一个便于使用的标准化假设。从历史看，名义国内生产总值增长率大致就是这个水平，其中约2%来自通胀，约2%来自实际经济增长。

如果我们想假设通胀为3%，或者名义增长率为3%，就可以让国内生产总值从2025年至2032年按略高的速度增长。机械地说，这会扩大投资占国内生产总值比率中的分母，并降低3.6%这一核心数字。例如，如果你假设名义增长率为5%，也许是因为你希望把通胀假设从2%提高到3%，那么这一数字会从国内生产总值的3.6%降至3.5%。所以，它并不是特别敏感。

当然还有一个问题：如果我们认为3%的通胀会影响整个经济，它难道不也会影响AI建设的成本吗？因此，如果你让分子中的成本上升速度与分母中的国内生产总值增速保持一致，这个比率就不会改变。这正是我选择4%这个数字的原因。请记住，我让AI成本上升4%，同时也希望国内生产总值上升4%，这样机械性的通胀影响就不会扭曲这一比率。

至于衰退，这是个好问题。可以想象，衰退会减少AI需求、收紧融资约束、导致项目取消，因此可能会显著缩小分子。

同样，我并不是试图预测三至八年后的商业周期。我确实认为，正如你所说，衰退是有可能发生的。我认为那会同时导致国内生产总值和AI投资下降；在这种情形下，我猜分子的降幅会大于分母。

Aaron Klein（采访者）：

是的，从历史看，在这种大规模投资扩张之后，通常会出现一定程度的过度投资和某种形式的衰退。你列举的案例中，最近一次是2001年的互联网泡沫繁荣与破裂。再往前看，铁路和运河同样经历过一定程度的繁荣—萧条周期。

我们暂时从宏观问题转开。很有意思的是，名义国内生产总值变动1%，对你的基础估计影响并不大。无论对经济增速还是通胀率而言，1%都是很大的变化，但你的模型仍然表明，这里的AI投资热潮规模将达到公路和州际公路建设热潮的三倍，而后者确实彻底改变了美国。

Stijn Van Nieuwerburgh（嘉宾）：

关于这一点，我想再补充一句。有些人认为我们即将迎来增长奇迹，因此国内生产总值的实际增速也许不会是2%，而会达到4%，也就是名义增速从4%提高到6%，甚至更高。如果你假设增长非常、非常强劲，我给出的投资占国内生产总值3.6%这一核心数字，可以一路下降到3%。

但要把它降到3%以下会很困难。所以，即使你愿意假设未来八年AI将推动美国经济实现大幅增长，这个结果仍然没有那么敏感。

Aaron Klein（采访者）：

让我们具体谈一笔交易。我认为你的论文做得非常好，既讨论了全局，又带着读者一步步分析了一项交易。

你以Meta的Hyperion数据中心为案例，详细分析了一项非常具体的交易。这笔交易揭示了这些项目实际上是如何融资的？

Stijn Van Nieuwerburgh（嘉宾）：

我选择Hyperion，不仅因为这是一笔规模巨大的交易，也因为我认为它是许多类似项目融资方式的一个模板。它非常清楚地揭示了，像Meta这样信用良好的科技公司，如何在不把全部项目债务列入自身资产负债表的情况下获得新的计算容量。

这个过程很有意思。Meta最初计划把这个设施放在自己的资产负债表上建设并完全持有，就像超大规模云服务商传统上建设自有数据中心那样。但过去几年发生了一种变化，我称之为从“自建”向“租用”的“大规模风险转移”。现在，第三方业主和基础设施基金负责建设并持有这些设施。因此，Meta实际上以25亿美元的价格，把Hyperion数据中心20%的股份出售给一家名为Blue Owl的私人信贷公司，同时保留了20%的股权。

随后，双方共同成立了一家名为Beignet的合资企业。这是一家特殊目的载体，所持有的唯一资产就是位于Louisiana州Richland Parish、名为Hyperion的数据中心。它是一座巨型数据中心，初始阶段约为2吉瓦，我关注的正是这一阶段，未来还有可能扩建至5吉瓦。

之后，Beignet决定发行大规模债务。它以估值约300亿美元的Hyperion资产为基础，发行了270亿美元债务。想想这个数字：项目层面的债务资产比达到90%，偿债覆盖率大约为1.15左右。

在这一过程中，Meta自身仍然维持了很低的杠杆，因为它只持有那20%的合资企业权益。Beignet发行的债务没有任何一部分需要列入Meta自己的资产负债表。因此，Meta可以继续表现为一家低杠杆公司，同时又在这座数据中心上承担高达90%的巨额杠杆。不过，如果没有Meta作出长期租用该设施的承诺，没有人会建设这座数据中心。

有时，超大规模云服务商租户会签署10年、15年或20年的租约。Meta采取了一种稍有不同、而且我认为很有意思的做法：它签了五份连续的4年期租约。你也许会问：“五份4年期租约，不也相当于一份20年期租约吗？”

并不完全一样，因为每隔四年，Meta都有机会退出园区内九栋建筑中的任何一栋，而且可以决定不续签相应租约。因此，Meta在这份合同中拥有很大的灵活性。如果四年、八年或十二年后，出于任何原因，它不再需要那么多计算容量，就可以直接退出。

那么，债券持有人难道不会担心自己被抛在寒风中吗？Meta还必须承诺签署一项所谓的剩余价值担保。这项担保基本规定，如果Meta决定不再续租，比如八年后不续租，它就必须支付一笔罚金，或者可以说是租约不续签费用，也就是这项剩余价值担保。金额足以偿还与那栋特定建筑有关的债务。

因此，从为270亿美元债务提供资金的债券持有人角度看，出售这些债券的人当然希望投资者把它们视为非常安全的投资：要么Meta继续支付租金，而租金足以支付债务的利息和本金；要么Meta不续租，并支付一笔现金，使债务同样能够得到偿还。

所以，只要Meta仍有偿付能力、没有进入破产程序，这笔债务就会得到偿还。

Aaron Klein（采访者）：

我来自金融监管领域，也是次贷灾难和全球金融危机的亲历者。叙事往往聚焦Bear Stearns、AIG、Fannie Mae以及Lehman Brothers等破产的大公司，但有一个部分经常被忽略：煤矿里的第一只金丝雀，其实是所谓的结构性投资工具，也就是SIV。它们本质上使大型银行能够通过这些表外投资，对次级抵押贷款形成巨额敞口。

美联储和其他银行监管机构认可了这种会计体系，认为风险位于表外，因此银行得到了保护。这正是你刚才所说的。Meta正在制造大量表外风险，所以看起来它不必报告这些带有选择权的四年期租约，也不必报告剩余价值付款，Meta看起来仍然处于相对低杠杆状态。

与此同时，项目交易看起来似乎也不是90%的债务杠杆，因为Meta正站在它背后的阴影中。银行危机让我们发现，银行的表外工具最终又回到了表内，因为其中还存在声誉风险。银行不能简单地让那些曾得到各种承诺的投资者承担全部损失，而这正是最早显现问题的信号。

时任美国财政部长Paulson曾提出由政府推动成立“超级SIV”来拯救这些SIV，但最后基本没有结果。不过，这有助于解释为什么监管机构前一刻还说银行对次贷的敞口有限，下一刻就变成了：“次贷问题已经无法被控制，正在威胁全球金融体系；我们必须救助银行，否则世界就会崩溃。”

可以设想这样一种情形：如果所有AI公司都出问题，包括Google、Meta、Amazon，这些公司从另一个角度看也“大到不能倒”，而现在它们正在隐藏自己的杠杆。你是否认为，Meta及其他超大规模云服务商使用表外会计的做法，与21世纪头十年银行在另一轮抵押贷款繁荣中采用的做法存在相似之处？

Stijn Van Nieuwerburgh（嘉宾）：

是的，我认为这里确实存在明显的相似之处。和你一样，我也深入研究过次贷危机，并在危机后的多年里教授证券化课程。正如你所说，证券化的理念，是把风险从高杠杆银行体系分散到理想情况下没有杠杆的投资者手中，例如养老基金、主权财富基金和共同基金。

但在次贷危机中，证券化的承诺从未得到完全实现，因为银行往往保留了这些证券化产品中最先承担损失的分层，或者通过担保又把这些敞口带回自己的资产负债表，正如你指出的，其中有时是出于声誉原因。

这里的相似之处在于，像Meta通过我们刚刚讨论的Hyperion案例实现的那种法律隔离，可能会低估实际存在的经济追索责任。也许在某种情况下，超大规模云服务商会决定支持具有战略重要性的Hyperion项目，而不是严格执行每一项法律退出权，也不会完全依赖这套结构实现的破产隔离。

不过，Hyperion是一项具体的经营性资产，拥有投资级租户，也有长期项目债务。我认为，这是它与次贷危机之间一个关键区别。

次贷危机真正出问题的地方，在于存在大量期限错配。许多SIV投资于长期抵押贷款，却用短期债务融资。我尤其想到资产支持商业票据。当时这是一个规模巨大的市场，在2006年、2007年和2008年前后，规模从数千亿美元一路超过1万亿美元。

所以，至少就目前而言，这里的重大区别在于，我没有看到大量短期负债敞口。通常，就像Hyperion这个例子一样，特殊目的载体会用长期债务为数据中心这项长期资产融资，因此不会出现同样的期限错配。此外，Meta至少目前仍然是投资级信用主体，拥有公开信用评级；它目前的资产负债表非常强劲，也是一家利润非常高的公司。

因此，情况必须变得非常糟糕，Meta才会破产。这并非不可能，但至少从今天的角度看，似乎是一个相当遥远的可能性。

出现较多短期债务的一个领域，是人们开始为GPU融资的时候。除了为数据中心这种房地产融资之外，人们也越来越多地为GPU融资。GPU是芯片，而芯片贬值相对较快。因此，这也许是一种五年期工具，而不是一项20年期投资；它可能是一项四年、五年或六年期投资。正是在这个领域，我们看到了更多短期敞口，当然也包括这些芯片未来价值可能低于当前价值的技术风险。

所以我想表达的是，两者既有相似之处，也有不同之处。

Aaron Klein（采访者）：

让我们再深入一点。我记得你提到了资产支持证券。美联储当年曾通过这一市场对美国企业实施过规模巨大的救助，涉及GE等公司。

证券化结构中的部分错配在于，银行把这些长期资产包装成短期、可以不断续作的资产来推销。在私人信贷方面，我在Hyperion交易中看到了一个熟悉的名字——Blue Owl。随着投资者试图赎回资金，它是最早出现严重问题的私人信贷基金之一。

正如你指出的，债务与资产之间存在期限错配；但私人资本的出资人，也就是Blue Owl的投资者，也有权出售自己在Blue Owl中的份额——可以说是出售自己的信贷敞口——而Blue Owl已经暂停了这种赎回。

我看到你在案例中提到的基金是Blue Owl，而它已经遇到了一些问题。这笔交易是否与Blue Owl更广泛的问题有关？从Blue Owl的经历中，你是否看到任何因素，可能加剧私人信贷投资者与其所持私人信贷资产之间的这种错配？

Stijn Van Nieuwerburgh（嘉宾）：

这是个好问题。我会把基金管理人和具体项目区分开来。Blue Owl的信贷平台确实因为这些赎回申请而承受了真实压力。这类基金通常设有赎回限制，也就是所谓的“闸门”，可以限制投资者在某个季度能够赎回的比例。从某种意义上说，这给了它们解决底层问题的时间。

通常每个季度的赎回量相对较小。当然，如果连续20个季度，每个季度都有2%的投资者希望拿回资金，那仍然会占到投资规模的很大一部分。

另一个要点是，Blue Owl对Hyperion进行的是股权投资。我认为，投资Hyperion的并不是那个面临赎回申请的同一只私人信贷基金。但我认为你提出了一个更广泛的问题：这些确实是长期投资，可是如果私人信贷基金的投资者有权在较短期限内赎回一部分投资，这同样会造成期限错配。

从结构上说，使时间安排相匹配非常重要，也就是要明确告诉投资者：“这是一项长期资产投资。未来10年或15年内，你不能退出。”否则，我们确实会通过后门重新制造挤兑风险。

与此同时，我还想指出，只要Meta不破产，这项特定资产，也就是Hyperion资产，就会产生足够的现金流来偿还债务。因此，可以说，这些投资背后有一个相对安全、资金安排充分、信用评级达到投资级的租户。

Aaron Klein（采访者）：

对，只是它们没有那么高的流动性。你提出了一个会计问题。参议员Paul Sarbanes是我的第一位上司，我还曾担任他的首席经济学家，参与Sarbanes-Oxley法案相关工作，所以会计改革立法对我来说意义非常特殊。大家可能记得，Enron、WorldCom等大公司曾爆发会计危机，我们发现会计师并没有如实处理账目。因此，美国成立了监管机构——公众公司会计监督委员会，也就是PCAOB，负责监督四大会计师事务所的审计工作。

你认为PCAOB是否意识到其中一些会计花招？它能否采取行动？你是否认为负责这些项目会计工作的会计师事务所存在利益冲突？正如你所说，这些项目在法律上相互独立，Beignet可能已经脱离Meta的资产负债表。但如果我是一家会计师事务所，Meta是我的客户，我当然会希望让Meta满意，而现在我又在为名为Beignet的独立实体做另一套独立的会计处理。

你是否担心这些项目的会计处理方式？请再解释一下你提到的会计机制，以及你认为会计监管机构是否已经注意到它。

Stijn Van Nieuwerburgh（嘉宾）：

我先解释一下我所说的“概率真空”。回到Hyperion交易，Meta签署了五份连续的4年期租约。只有第一份，也就是当前租约，需要作为租赁负债列入其资产负债表。之后16年的租约，也就是后面四份4年期租约，都属于未来租约。按照美国公认会计原则，如果一项负债发生的可能性没有达到至少70%，就不必列入资产负债表。

因此，Meta在这笔交易中实际上存在规模很大的未来租赁承诺，但目前并未反映在资产负债表上。只有在Meta开始下一份租约时，相关承诺才会被反映出来。

与此同时请记住，如果Meta不续租，就需要向这一结构支付剩余价值担保。这项义务发生的可能性同样没有达到至少70%，所以也不必列入Meta的资产负债表。

因此，Meta实际上确定会承担两种义务中的一种。四年后、八年后、十二年后，它要么续租，要么支付剩余价值担保。这两件事保证会有一件发生，但两者都没有反映在资产负债表上，因为任何一项单独发生的可能性都没有达到70%。

这里的概率计算从字面上看就是对不上的。不过，这本身并不意味着存在违法，只是美国公认会计原则就是这样规定的。Meta遵守了这些规则，不存在欺诈，也没有人指控它行为不当。在这种情况下，决定确认和并表规则的是美国财务会计准则委员会，也就是FASB。

FASB可以修改这些规则，也许确实应该修改。美国证券交易委员会可以要求上市公司披露这些信息，并执行相关报告义务，至少让投资者清楚未来可能出现哪些负债。公司自身会在10-K和10-Q报告的脚注中披露部分未来义务，因此勤勉的投资者能够找到这些证据。但我们也许应该让这一切更加透明。

此外，你提出了一个重要问题，即由客户付费的模式。我认为，这仍然是一个结构性隐忧。Sarbanes-Oxley法案禁止部分非审计服务，要求部分事项事先获得审计委员会批准并接受其监督，轮换部分关键合伙人，同时增强PCAOB的权力。我认为，这些保障措施降低了利益冲突，但并没有消除一个商业事实：审计机构仍由发行人付费。

这些租约、担保和并表决定都高度依赖判断，因此值得审计委员会和PCAOB密切关注。

Aaron Klein（采访者）：

让我们讨论另一种可能的情形：AI需求的增长没有预期那么快。历史上有过很多热潮，人们都声称它们会带来一个全新的世界，但需求最终没有那么快地增长，或者后来出现了一项新技术，迅速超越了原有技术。

你提到的运河建设热潮，持续时间就没有一些人原先设想的那么长，因为铁路技术随后出现。由于有了蒸汽机车，通过运河运输货物突然就不再像过去那样划算。

我有时会用热力学第二定律来理解风险：风险不能被消灭，只能被转移。如果情况发生重大变化，建设热潮已经展开，但最终没有奏效，谁会承担风险？风险会回到银行体系吗？会留在Google和Meta等科技公司内部吗？还是由Blue Owl和私人资本投资者承担？你深入研究这个行业的细节之后，发现风险实际上落在了哪里？

Stijn Van Nieuwerburgh（嘉宾）：

这是关键问题。我认为我们需要对此给出精确答案，而这也正是我目前正在研究的内容。我今年夏天的大部分时间，都用来绘制这些公司彼此之间承担的所有金融负债，并试图弄清最终究竟由谁承担这场AI建设热潮带来的风险。

这是一个困难的问题，部分原因正是我们前面所说的体系不透明。我们没有一套能够回答这一问题的报告系统，也许我们应该建立这样一套系统。

如果我们观察数据中心融资从表内向表外转移的过程，就会发现，大量风险已经从这些科技公司转移到外部世界，也就是其他所有投资者身上。通常，第一笔损失由项目的股权投资者承担。假设你是数据中心业主，租户不再续租，而且没有其他人需要这座GPU设施了，也许是因为量子计算已经出现，或者边缘计算兴起，所有人都在手机上完成计算，而不是在你的数据中心里计算，那么损失就会落在你身上。

类似地，如果建设发生延误，而你已经像Hyperion那样发行了债务，可当地社区不愿继续向你发放建设许可，那么债务到期时间与收入开始流入的时间之间就会出现错配。同样，第一笔损失由股权投资者承担；如果损失足够大，就会开始波及债权人。

请记住，如果项目杠杆率达到90%，现金流只要下降10%，债务就会开始受损。现金流下降10%会把股权全部抹去，再多下降一点，在90%的杠杆下就会侵蚀债权。

即使采用这种表外融资，超大规模云服务商目前仍然承担着大量风险。原因在于，它们通常仍然拥有信息技术设备。我们说它们在租赁数据中心，指的是它们租用了建筑空间以及随建筑提供的电力，但通常仍然自己拥有服务器。一般就是这样操作的。

正如我们前面讨论的，服务器也越来越多地采用租赁方式，也就是说由其他人持有。但目前大部分信息技术设备仍由超大规模云服务商自己融资。超大规模云服务商在2026年的资本开支达到8000亿美元，是有原因的，其中很大一部分就是它们仍然自行持有的信息技术设备。

至于你问到的银行，我认为那确实是一个关键问题。按照我看到的某项统计，目前已经针对这些结构发行了约1.4万亿美元债务。其中约一半，也就是7000亿至8000亿美元，由银行持有。整个银行业的杠杆率大约为90%，而私人信贷行业整体的杠杆率约为50%。

因此，私人信贷显然比传统银行体系风险更低、杠杆更低，但并非完全没有杠杆。它不像共同基金或养老基金那样不使用杠杆。私人信贷确实有杠杆，而且私人信贷这一非银行体系与传统银行体系之间也存在联系，例如信贷额度等。

所以，这个体系非常复杂，而这确实是关键问题。归根结底，如果音乐停止，我们究竟会经历互联网泡沫式的下跌——股市损失大量财富，但不会外溢到银行体系，类似2001年的温和衰退，一批富人损失了很多钱，但这没关系，我们可以承受；

还是会经历2008年至2009年式的金融危机，银行体系受到损害，并进一步外溢到经济中所有其他需要信贷的行业？这才是最终的关键问题，而我认为目前我们没有一套能够回答这个问题的衡量框架。我正在尝试建立它，我们所有人都应该努力建立它。美联储、政府和财政部都应该重视这个问题。

Aaron Klein（采访者）：

我们曾试图建立一套这样的系统，名为金融研究办公室，也就是OFR。它本应建设支撑性数据基础设施，以便追踪所有这些资产，让我们能够回答刚才的问题。遗憾的是，OFR并没有真正实现其创设者最初设想的功能。欧洲在这方面做了更多工作，例如建立了全球法人识别编码基金会，也就是GLEIF，让人们能够追踪这些资产，弄清谁拥有它们、谁运营它们，从而获得相关数据，不至于对风险转移到了哪里感到所谓的“意外”。

这场AI热潮与过去热潮的一个区别在于，你提到的以往热潮都带有公共基础设施属性。Eisenhower州际公路系统包含大量联邦投资；运河系统和Erie运河获得了大量州政府支持。这些基础设施具有公共用途，也包含纳税人的投入。

AI热潮似乎缺少这一点。纳税人是否为其中任何资本提供了资金？如果不是从前门进入，是否通过后门进入？如果纳税人在融资中没有发挥多大作用，政府又应当在监管方面扮演什么角色？因为过去政府的逻辑是：“我们设定汽油税、征收汽油税，所以也有权制定州际公路上的行驶规则。”这些规则可能涉及安全，也可能规定出口之间可以有多近。联邦政府在这方面制定了大量规则。

这里的制度是什么？我还想加上州和地方政府。政府在资金层面对这类项目有多大敞口，又因此拥有多大的监管权力？

Stijn Van Nieuwerburgh（嘉宾）：

确实，数据中心、芯片和项目融资中的大部分直接资金来自私人资本。我认为，这是它与州际公路系统以及部分电气化建设之间的一个重要区别。

但公共部门并非缺席。政府支持会通过税式支出体现出来，例如折旧规则，以及州和地方层面的销售税、财产税优惠。数据中心开发商在地方层面获得了大量补贴，各州为了吸引这些项目而展开竞争，尤其会给予使用税豁免，例如对用电或设备采购免税。

这些优惠的规模可能达到数十亿美元，影响很大。研究显示，它们有时会决定一项投资最终落在哪个州。

财产税也是另一个非常重要的因素。数据中心开发商会指出，它们往往是当地财产税税基最大的贡献者之一，尤其是在一些较为偏远的县，大型数据中心园区正在那里兴建。这可以为地方提供非常重要的支持，并基本降低对家庭或其他企业征税的需要。

我认为，这场争论已经到达一个转折点。过去九个月里，对数据中心的抵制大幅上升，一些州开始取消此前提供的部分补贴。这是一个很有意思的发展。

那么，政府在这一切中应当发挥什么作用？我已经努力强调了衡量和披露的重要性。在这方面还有很多工作可以做。我希望另一个已经表达清楚的要点，是审慎监测的必要性。尤其对于使用杠杆的体系，包括银行和保险公司，监管者应当绘制出谁持有这些数据中心债务、谁向私人信贷基金提供杠杆资金。这样做的目的，是在压力真正出现之前发现这些彼此相关的风险敞口。

当然，还涉及针对电网的实体基础设施监管。

最后我想说，我们所有人、每一位纳税人，也都通过生产率直接拥有这项风险敞口。如果AI确实带来强劲的生产率繁荣，那将利好美国经济、利好国内生产总值增长，也会改善财政状况。通过累进税制，政府会获得更多税收收入。

因此，我们所有纳税人都拥有AI敞口。从总体上说，我们或许都应该希望这项技术取得成功，因为它最终会把整个蛋糕做大。

Aaron Klein（采访者）：

Stijn，谢谢你。这是一场非常精彩的对话。节目快要结束了，我最后再问一个问题。我在Washington，你在New York；你身处世界金融之都，我身处世界政治之都。对于正在Washington收听这期播客的政策制定者，你最希望他们从这篇论文中带走的一条信息是什么？

Stijn Van Nieuwerburgh（嘉宾）：

我希望他们认识到，AI不只是软件，也不只是ChatGPT。它还意味着一场正在发生的大规模实体资本投资热潮，未来八年的规模可能达到10万亿美元。这会对宏观经济产生真正重大的影响。

而且，为这笔巨额投资提供资金的方式正在改变。超大规模云服务商在本轮周期开始时拥有大量现金，杠杆率很低；但随着支出、特别是资本开支持续上升，越来越多的项目正被放入合资企业和特殊目的载体，并通过租赁、私人信贷和证券化融资。

这些结构在经济上可能非常有用，能够引入更多资本，但也会让杠杆变得更难被看见。一家上市公司可能报告自己只有很少债务，因为所有债务都隐藏在资产负债表之外。

所以，我的政策建议很直接：我们需要针对完整的经济资本结构提供可比较的披露。每项重大资产由谁拥有？谁承担债务？谁签署租约？谁为建设或剩余价值提供担保？如果最终需求不及预期，或者收入不及预期，谁来承担损失？监管者应当绘制出哪些银行、保险公司、养老基金、债券基金和私人信贷载体持有这些风险敞口。

这里的目标不是阻止投资，而是提高透明度。透明度有助于正确定价，帮助监管者识别风险集中，也能降低这样一种可能性：经济进入下行期时，所有人才同时发现某个地方隐藏着相同的义务。

建立这些系统的时机就是现在，因为人们仍在设计和签署相关合同，整套架构也仍在成形。

Aaron Klein（采访者）：

非常感谢。这次对话精彩地深入了AI热潮背后的世界，而这个世界可能会改变我们所熟悉的经济。Stijn，非常感谢。这是一场非常棒的对话。

Stijn Van Nieuwerburgh（嘉宾）：

谢谢你，Aaron。

本文来自华尔街见闻，欢迎下载APP查看更多

他们的研究将家庭和企业的微观决策纳入宏观经济分析，为财政与货币政策提供了更坚实的理论基础。经济学奖委员会主席John Hassler表示，这些研究有助于央行和政府更好地应对能源危机、消费变化等经济冲击。

在通胀压力与经济波动并存的背景下，这一研究方向也与现代央行的政策实践密切相关。政策制定者不仅需要评估利率、税收等措施的直接影响，还需要考虑公众对未来政策的预期，以及这些预期如何改变消费、储蓄和投资决策。

Robert E. Hall于1943年出生于美国加利福尼亚州帕洛阿尔托，1967年获得麻省理工学院博士学位，现任斯坦福大学教授。Michael Woodford于1955年出生于美国马萨诸塞州奇科皮，1983年获得麻省理工学院博士学位，现任哥伦比亚大学教授。

从凯恩斯主义到微观基础：宏观经济分析的新思路

理解这一奖项，需要回到宏观经济政策理论的转折点。

凯恩斯主义兴起后，通过逆周期调节稳定经济逐渐成为主流政策思路：经济衰退时降息、扩大财政支出，经济过热时则采取相反措施。然而，20世纪70年代的石油危机引发滞胀，经济增长放缓、失业率上升与高通胀并存，暴露出传统宏观经济模型解释经济波动和指导政策的局限。

传统凯恩斯主义模型主要依赖通胀、消费、失业和产出等宏观变量之间的统计关系。例如，模型通常认为失业率越高，通胀率越低；家庭可支配收入增加，消费也会随之增长。但这些关系并非始终稳定。20世纪70年代，通胀与失业率同时上升，收入与消费之间的联系也不再像预期中那样可靠，令传统模型难以准确判断政策应在何时、以多大力度发挥作用。

Hall与Woodford的研究为宏观经济分析引入了更坚实的微观基础：通过将家庭和企业的决策纳入模型，解释消费、储蓄、生产和定价等个体行为如何相互作用，并最终影响整体经济运行。 这一思路也回应了经济学家Robert E. Lucas等人对传统宏观模型的批评：如果模型建立在不稳定的统计关系上，就难以可靠地预测政策变化的影响。

这一转变使宏观经济分析不再局限于观察总需求、通胀和失业率等变量之间的关系，而是进一步追问这些变化背后的微观决策机制，为评估政策效果提供了更系统的分析框架。

Hall首先从家庭消费行为入手，提出了一个重要判断：如果家庭根据对未来收入的预期作出消费决策，那么在没有新信息改变其判断的情况下，消费变化就不应当能够被系统性地预测。换言之，消费决策本身可以帮助研究者理解家庭对未来的判断。

Hall于1978年发表的相关研究为现代消费理论奠定了重要基础。1982年，他与Fredric Mishkin进一步利用家庭微观数据发现，约80%的样本家庭的消费决策符合相关理论，其余家庭则更接近“量入为出”的模式，即消费受到当期收入和手头资金的直接约束。这一研究帮助经济学家区分不同家庭的消费行为，也为后续宏观模型提供了重要依据。

前瞻性预期：政策沟通如何影响经济

微观基础研究的一个重要政策意义，在于强调家庭和企业对未来的判断会影响当下决策。

例如，央行不仅可以通过调整利率影响融资成本，还可以通过沟通未来的政策方向，影响企业和家庭对通胀、收入及借贷成本的预期，进而改变投资、消费和储蓄行为。因此，政策沟通本身也成为货币政策传导的重要环节，前瞻性指引正是这一思路在现代央行实践中的体现。

Woodford则进一步将这些微观决策纳入完整的新凯恩斯主义宏观模型。2003年，他在相关著作中系统阐述了这一框架，形成了由三个核心方程构成的模型，用于分析利率变化如何影响经济产出和通胀，以及央行应当如何调整利率以稳定物价。

这一模型的重要突破，在于将家庭的消费决策、企业的定价行为与整体经济波动联系起来。家庭消费不仅取决于当期收入，也受到未来收入预期和利率影响；企业定价则受到生产成本、市场需求以及对未来价格走势的判断影响。由于企业通常不会随着需求或成本的每次变化立即调整价格，价格存在一定黏性，需求变化因而能够影响实际产出和通胀。

Woodford还将“产出缺口”引入相关分析，用以衡量实际产出与自然产出之间的差距。产出缺口为正，意味着需求相对于经济潜在供给偏强，可能推高通胀；产出缺口为负，则意味着经济需求相对不足。央行可以据此评估经济所面临的通胀压力和需求不足，并调整货币政策。

经济学奖委员会主席John Hassler表示，两位学者的工作为政策制定者应对经济冲击提供了更稳固的理论基础。 面对能源价格剧烈波动或消费需求突然变化等冲击，政府和央行可以借助相关模型，更系统地评估不同政策选择及其可能产生的影响。

这一框架也有助于解释，为何供给冲击有时会同时带来通胀上升和经济产出下降。例如，能源价格快速上涨会抬高企业成本、压低经济的潜在产出；如果实际需求未能同步下降，通胀压力就可能加大。在这种情况下，政策制定者需要权衡经济增长与物价稳定，而不能仅凭传统的通胀与失业率关系机械地决定政策方向。

如今，新凯恩斯主义模型已被世界各地的央行和财政部门广泛采用，并可根据不同国家的经济结构进行调整。两位学者的研究并未消除经济衰退或高通胀，但为政策制定者理解经济冲击、评估政策传导机制提供了更系统的分析工具，也使现代宏观经济稳定政策建立在更扎实的理论基础之上。

本文来自华尔街见闻，欢迎下载APP查看更多

在10月11日最新发布的策略周报中，林荣雄团队提出，10月下旬美股AI龙头三季报及资本开支指引的集中披露，叠加国内A股三季报窗口与DeepSeek筹备科创板上市，将构成AI产业景气的重要验证期。若届时长端美债利率随财政预期降温而回落，A股科技板块年内第二波行情有望明确开启。

该团队将当前市场定性为从"第三象限向第四象限过渡"的关键节点——即在国内K型经济分化尚未收敛、但美债利率压制有望边际缓和的组合下，AI科技有望凭借独立景气度率先获得估值修复。林荣雄强调，"在国内宏观经济K型分化没有收敛之前，资本市场'无科技不成牛'，最终结束'M非A'信仰要坚定。"

报告同时指出，经过前期风格调整，国证价值与国证成长的指数比值已回到年初附近，成长板块此前积累的风险已有明显消化，当前配置赔率正在改善，四季度可适度向成长倾斜。

林荣雄团队指出，当前A股大方向的定价由国内盈利扩散（K型分化）与海外流动性（美债利率）双因子共同决定。市场真正需要的答案只有两个：一是看到国内K型经济收敛，内需提振出台真招实招，扭转收入信心不足的预期；二是看到海外长端美债利率能够边际缓和，至少不再继续创新高，令市场在定价层面逐渐对高利率脱敏。

目前两个条件均未完全满足。国内方面，9月制造业PMI回升至52左右、重回扩张区间，地产贴息政策与稳楼市组合拳相继落地，央行三季度货币政策例会亦强调继续实施适度宽松货币政策。但该团队认为，这些举措更多是通过四季度适当加码政策使全年经济增速满足年初预设目标下限，对居民资产负债表收缩与房价预期的扭转仍需时间，K型经济分化的收敛目前看依然无法确认。

海外方面，美国9月非农新增就业仅2.9万人，远低于预期的8.9万人，10月加息概率已明确下降。但若价格压力再次上升，12月加息仍可能成为政策选项。市场一致认为美债利率易涨难跌，高位状态短期内难以改变，更多需要等待市场对高利率呈现出脱敏状态。

8月以来，美股费城半导体指数上涨约11.15%，而A股AI硬件板块却先涨后跌，光模块、半导体等方向本周领跌，中美科技资产阶段性收益背离明显。

林荣雄团队将这一背离归结为四方面原因：其一，在资金流动层面，高美债利率下全球AI资产定价收圈至美股AI科技核心龙头；其二，在产业趋势层面，9月下旬美国参议员再度提出针对中国光模块的法案，A股海外算力链开始额外计入供应商政策风险，即便近期订单尚未受到明显影响，但限制扩大、客户增加替代供应商的担忧已形成估值折价；其三，前期大幅上涨后的高估值需要时间消化，目前国证价值与国证成长的指数比值已回到年初附近，成长此前积累风险已有明显消化；其四，美股开始出现"AI硬切软"迹象，市场从"AI=买芯片"进入"AI全栈重估"阶段，数据云、数据库、企业软件等此前预期较低的环节，一旦证明真实增量收入，估值弹性反而更大。

该团队强调，上述背离本质上是中美资本市场对各自未来利润确定性和风险的定价发生变化，AI产业趋势本身并未逆转。

在此认知基础上，林荣雄团队对年内AI科技行情后续作出两阶段预判，并提示所有展望均建立在一定假设条件之上。

第一阶段为10月下旬至11月，定性为"产业催化下的业绩驱动大反弹"。具体催化剂包括：10月下旬微软、谷歌等科技龙头披露三季报及资本开支指引，市场将重新评估AI商业化进展；11月AMD、英伟达财报及微软Ignite大会相继展开；10月底Anthropic上市；国内方面，A股三季报集中披露，以及DeepSeek筹备科创板上市。该团队表示，若届时长端利率随财政预期降温回落，AI科技年内第二波行情将"毫无疑问"。

第二阶段为11月至12月，团队提示存在估值切换与地缘政治引发的波动风险。进入12月，AWS re:Invent、甲骨文及博通财报将继续提供产业需求验证线索，Gemini 4扩大开放、Mistral新模型开放权重等进展亦可能带来新的预期变化。

该团队同时设定了三个核心前提：全球宏观不出现"黑天鹅"（如美联储激进加息周期与美伊冲突明显加剧）；AI科技后续盈利增长斜率超过贴现率上行幅度；经过一个季度情绪消化与交易拥挤回落至中位水平。"只要产业逻辑没问题，四季度AI科技行情回归概率在增大，这才是年内胜负手。"

林荣雄团队以"国内K型分化—海外美债利率"四象限框架作为配置决策的核心工具。在当前K型分化不收敛、美债利率高位的组合下，对应的市场结构为"杠铃策略"：资金倾向两端配置，一端是有产业景气支撑的科技龙头，另一端是红利、资源、高股息等现金流资产，中间大量普通行业缺少明确方向。

报告数据显示，当前价值与成长风格的相对比值已来到近一年最高水平，科技、成长、微盘、红利和大盘在经历一轮分化和收敛后，年内收益率已回到同一起点附近。

该团队判断，一旦美债利率出现边际回落信号，市场有望从"K型分化不收敛+美债利率下行"象限进一步切换，对应少数高景气科技资产反复创新高、出现面向年内二顶反弹的"科技M顶"结构。

国内政策面亦出现边际积极变化。10月9日，财政部宣布安排使用地方政府债务结存限额5500亿元，规模较去年增加500亿元，为近年来最大。其中专项债务结存限额2500亿元重点支持"六张网"建设，涵盖新型电网、算力网、新一代通信网等数字基础设施领域。

与前两年不同，本次安排未明确列示化债清欠用途，资金投向更突出县区财力保障和有效投资。同日，中共中央、国务院印发《关于发展新质生产力的意见》，内容覆盖技术研发、成果转化、产业升级、融资制度和人才机制，共提出五个方面、19项重点举措。

林荣雄团队认为，上述财政加力与产业政策联动，短期可能强化科技成长板块的政策预期，其中数字基础设施、电网等方向可能带来结构性投资需求；更持续的受益，仍应寻找能把技术转化为订单、收入和效率改善的企业。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台，这种风险已体现在盈利预测中。半导体与科技硬件行业合计仅占标普500指数权重的29%，却贡献了2027财年约75%的EPS上修幅度，预计还将贡献当年约70%的指数EPS增长。

盈利贡献高度集中，叠加半导体行业本身较大的预测误差，使市场更容易受到预期落差冲击。巴克莱数据显示，过去20年，半导体行业的平均EPS预测误差在标普500各行业中最高；与此同时，机构投资者近几个月持续减持半导体股票。

面对半导体盈利预期集中的风险，巴克莱最新报告进一步通过压力测试评估其对大盘的影响。结果显示，即使2027财年半导体EPS下修15%，只要其他行业盈利保持不变，标普500仍有望实现高于长期趋势的两位数增长；若半导体与其他行业盈利同步下修，指数增速则可能回落至长期趋势附近。

盈利高度集中，半导体预测误差居各行业之首

数据显示，2026财年以来，半导体与科技硬件行业贡献了标普500指数EPS上修幅度的约40%，而两者合计仅占指数权重的29%。到2027财年，这一比例预计升至约75%。从盈利增长看，市场预计这两个行业将贡献标普500在2026年约43%的EPS增长，2027年这一比例将升至约70%。

盈利预期越集中，行业预测偏差对大盘的影响就越大。巴克莱数据显示，过去20年，以每年9月30日对下一财年的EPS预测与最终实际值之间的偏差衡量，半导体行业的平均预测误差在标普500各行业中最高。

这与行业较强的周期性有关。资本开支变化、存储芯片供需及价格波动，以及终端需求切换，都可能迅速改变盈利前景。剔除全球金融危机及其复苏期后，历史上9月底对下一财年半导体EPS的预测，最大高估幅度约为15%至25%，相关案例包括2010年代初PC行业下行引发的供给过剩，以及2010年代末关税冲击带来的周期性压力。

压力测试显示大盘仍有缓冲，机构开始减持半导体

巴克莱以历史预测误差为参照，对标普500的2027财年盈利进行了情景测试：

• 基准情景：半导体EPS下修15%，其他行业盈利不变，标普500仍有望实现高于长期趋势的两位数EPS增长。

• 溢出情景：半导体EPS下修10%，其他成分股EPS同步下修2%，指数整体盈利增速仍可维持在长期趋势附近。

这表明，大盘具备一定的盈利缓冲能力，但前提是半导体盈利下修幅度可控，且其他行业受到的冲击有限。如果需求走弱进一步扩散，指数整体盈利增长也将承压。

资金动向则显示，机构投资者正趋于谨慎。巴克莱观察到，近几个月机构投资者持续减持半导体股票。此前，芯片股的增长势头、定价能力、盈利上修幅度及远期盈利预测均升至多年高位，部分机构可能正在降低对高增长预期持续兑现的依赖。

后续需要关注半导体资本开支能否持续转化为收入与利润、存储芯片价格走势，以及AI需求能否扩展至更广泛的市场。这些因素将影响行业盈利预期的兑现程度，也决定半导体盈利波动对标普500整体表现的冲击。

本文来自华尔街见闻，欢迎下载APP查看更多

10月12日，A股全天震荡调整，三大股指集体下跌，午后进一步走低，深成指、创业板指跌超2%。中行、工行等银行股续创历史新高，短剧、AI语料、风电等方向轮动活跃。AI硬件、芯片半导体等科技股再度承压，光通信、覆铜板等概念股全线下挫。万亿巨头工业富联大跌7%，受到美国337调查影响。

港股全天高开低走，恒指午后一度转跌，收盘小幅上涨，恒科指一度跌近1%，盘初一度涨超1%，权重科网股分化，网易、阿里等上涨，小米跌超5%。AI硬件、芯片股下挫，剑桥科技大跌超11%。新能源汽车活跃，零跑汽车一度涨超6%。债市方面，国债期货集体上涨，30年期国债期货升至逾一年高位。商品方面，国内商品期货涨跌参半，贵金属期货多反弹，碳酸锂暴跌11%。

A股：截至收盘，沪指跌0.43%，深成指跌2.03%，创业板指跌2.61%。

盘面上，个股跌多涨少，沪深京三市超4300股飘绿。量能明显萎缩，今日成交1.55万亿，沪深两市成交额1.54万亿，较上一个交易日缩量超3600亿。板块方面，光通信、石化、基本金属领跌大市。银行板块稳步攀升，传媒、工程机械板块强势，家电、券商、铁路、公路板块活跃。

港股：截至收盘，恒指收涨0.25%，恒生科技指数跌0.67%。

盘面上，银行板块强势，工商银行、建设银行、中国银行齐创新高。互联网、传媒、教育板块走升。光模块板块深度调整，剑桥科技跌超10%。

债市：国债期货全线上涨，截至收盘，30年期主力合约涨0.49%，10年期主力合约涨0.13%，5年期主力合约涨0.09%，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，贵金属涨幅居前，白银涨2.07%；黑色系多数上涨，焦煤涨1.88%；基本金属多数上涨，锡涨1.44%；航运期货全部上涨，集运指数(欧线)涨1.36%；能源品多数上涨，燃油涨1.06%；新能源材料跌幅居前，碳酸锂跌11.79%；化工品多数下跌，沥青跌3.91%；农副产品多数下跌，生猪跌3.06%；非金属建材全部下跌，玻璃跌1.71%；油脂油料多数下跌，花生跌0.92%。

贵州茅台重夺“股王”宝座

贵州茅台股价盘中超过联讯仪器，重夺A股“股王”之位。截至收盘，贵州茅台报1288元/股，联讯仪器报1277元/股。

联讯仪器近一个月以来股价持续下行，股价自6月高点1876.87元/股已跌去近30%。

2026年5月18日，联讯仪器盘中涨超15%，股价一度触及1361元/股，反超贵州茅台成为A股“新股王”。

今日白酒板块表现活跃，水井坊尾盘异动，一度大涨近6%，今世缘、五粮液等跟涨。

赛力斯涨停

尽管大盘指数表现疲软，但是汽车股局部异动，赛力斯A股涨停、H股涨15%，长城汽车跟进。

消息面上，多部委联合发声，《关于进一步加强汽车产品创新设计和研发测试验证有关管理工作的通知（征求意见稿）》要求规范新车开发流程，对于可靠性测试的时长和里程做出最低要求的限制。申万宏源认为，这将有效改善新车快速上市，改款竞争的局面。中长期供给端带来的竞争压力有望缓解，合规企业将由此受益。

值得注意的是，10月9日，中欧双方以符合世贸组织规则的方式就混动汽车贸易达成谅解。华泰证券认为，本轮进展阶段性缓解汽车贸易摩擦升级风险，以日欧汽车贸易谈判史为鉴，本地化生产有助于缓释出口约束。

据中国基金报，此前，有报道称，问界汽车计划于2027年进入欧洲市场，目前WVTA欧盟整车型式认证工作已全面启动。

传媒出版/AI语料/短剧掀起涨停潮

出版板块走强，新华传媒一字涨停实现10连板（封单超百万手），新华文轩11天8板，龙版传媒4天3板，新经典2连板，掌阅科技5天3板；影视院线方向博纳影业、吉视传媒回封涨停走出2连板，上海电影2连板，慈文传媒、德才股份、欢瑞世纪、广电网络、华策影视、中文在线等集体走强；果麦文化20.01%涨停，AI语料概念因赛集团涨超14%。

催化逻辑有三条清晰线索。

• 其一，短剧出海数据验证。据Sensor Tower数据，字节跳动旗下短剧应用PineDrama上线约9个月后累计下载量突破1亿、日活跃用户约700万，成为海外短剧赛道增长最快的应用之一，标志着中国短剧的工业化生产模式在海外完成初步验证；国内市场底盘同样稳固，DataEye数据显示2026年前5个月国内AI剧漫剧市场规模已突破220亿元、全年有望冲击400亿元（同比增长138%），国内AI短剧用户上半年突破6亿。
• 其二，AI语料价值重估。市场炒作的核心逻辑在于，大模型竞争正从参数规模转向数据质量，拥有版权清晰、可合规授权的正版内容资产方稀缺性被重新定价，传统出版、影视、网文等版权持有者有望从内容提供商转变为AI训练语料供给方；江苏省近期推出语料券政策，对购买和建设高质量数据集及行业语料资源的主体给予最高100万元支持，从政策端为这一逻辑添柴。
• 其三，政策与产业催化密集落地。博纳影业旗下国内首部AI超写实院线电影《三星堆：未来往事》定档10月23日登陆全国院线、总片长100分钟，是国家电影局首部获公映许可证的AI院线电影；文化和旅游部《文化产业发展"十五五"规划》明确推动AI与内容创作、传播分发、消费体验等产业链重点环节深度融合，国家广播电视总局提出"十五五"时期推动微短剧高质量发展。

华鑫证券认为，传媒作为内需可选内容消费与AI应用双驱动板块，科技发展持续赋能内容作品新供给；从PC桌面时代进入移动互联网流量经济时代、再进入AI的Tokens经济时代，AI工具持续迭代赋能内容创作，从《桃花潭记》《后西游记》到AI电影《三星堆：未来往事》，AI内容多元新供给逐步获大众认可并满足不同群体内容消费需求。

银行：工建中行同日创新高，净息差四年首升叠加分红超预期

银行板块逆势走强，成为午后指数回落中的护盘主力，也是当日另一条确定性主线。工商银行涨2.68%、建设银行涨超3%、中国银行涨超2%、中信银行涨3.00%，四者同日刷新上市以来历史最高价.

股份行与区域行弹性更强，招商银行涨近3%、农业银行涨超3%、渝农商行涨近5%、重庆银行涨超4.5%、宁波银行涨超3%。

本轮走强的核心是四重逻辑共振。

其一，基本面拐点确立。2026年上市银行半年报显示，42家上市银行中超七成实现营收、净利双增长，行业整体净息差迎来近四年首次环比回升、近半数银行净息差触底回暖，营收同比增长7.4%，不良贷款率稳步下行、拨备覆盖率保持充足。

其二，分红超预期。截至目前已有21家A股银行披露2026年中期分红方案，合计拟派息超2600亿元，其中15家分红比例较去年提升；六大行现金分红比例从30%统一提至31%、超出市场预期，合计拟派息超2200亿元。在10年期国债收益率仅约1.68%的低利率环境下，银行板块5%以上的股息率凸显类债属性与高股息吸引力，保险等长线资金持续增配。

其三，政策密集催化。购房贷款贴息、PSL利率下调0.25个百分点、结构性再贷款扩容至1.4万亿元、财政部1500亿元注资特别国债等政策组合拳集中落地，银行经营环境从"让利"转向"稳盈利"。

其四，资金再平衡。三季度以来科技成长板块高位波动放大，资金持续向低估值高分红资产再平衡，银行板块平均市净率仅约0.6倍、42家银行全面破净，成为"避风港"。

华创证券指出，政策环境已从"压利润"切向"稳盈利"，板块上行逻辑从单纯防御延伸至"稳按揭+扩信用+稳投资"三重驱动。广发证券预计三季度营收延续改善趋势、利润增速与二季度基本持平。

光通信、覆铜板等科技股集体下挫

AI硬件侧拥挤交易延续消化态势，

CPO/光通信概念午后跌幅扩大，星网锐捷跌停，中际旭创跌6.41%，东山精密跌6.59%、兆易创新跌4.78%，剑桥科技、紫光股份、工业富联、源杰科技等跌超4%，宏昌电子跌停、富信科技跌超10%。

此外，半导体板块跌近3%，长鑫科技遭主力净卖出超7亿元。

花旗发布研报称，过去两周对接超60家欧美机构投资者后发现，受美国联邦通信委员会（FCC）潜在监管限制担忧影响，美国投资者更聚焦AI光学赛道、相比中国光学企业更偏好美国本土光学公司，外资偏好转向压制板块情绪。

东吴证券认为，市场频繁讨论的是摩根士丹利发布的报告，关于FCC限制对象最可能落在3.2T代际的光模块，措施最早将于10月分阶段推进。尤其是当前科创板等估值水平处于较高水平，科创50的10月9日的PE_ttm为119.52，2020年以来分位数为78.8%；一定程度上制约科技远期估值空间。目前的FCC限制仍为外资券商的倾向性判断，而下一次FCC公开会议将在10月29日召开，因此FCC限制依旧悬而未决。基于不确定性的担忧，市场情绪相对谨慎。

消息面，据证券时报，当地时间10月9日，美国国际贸易委员会就美国Vicor Corporation 提出的相关专利侵权主张，正式启动337调查，主要针对垂直供电系统、相关组件及包含上述产品的计算系统。本案被列入337调查的企业包括立讯精密、工业富联、台达电子、英飞凌等。

10月11日晚，工业富联公告称，此次调查涉及公司及3家控股子公司，相关产品处于内部验证评估阶段，对公司目前生产、经营及业绩不造成实质性影响。前一日，立讯精密披露公告称，涉案产品主要应用于数据中心领域电源模块与处理器的集成供电方案，目前处于客户验证阶段，尚未进入量产状态。

337调查是ITC依据美国《1930年关税法》第337节开展的准司法程序，一般需经过立案、证据开示、开庭、行政法官初裁、ITC复审、终裁及总统审查等环节，周期较长。

从过往案例看，国内企业涉及的337调查结果有所分化。2019年ITC应韩华申请对中国光伏电池片及下游产品发起337调查，2020年6月终裁认定隆基绿能、晶科能源等涉案企业不侵权，终止调查程序。

立讯精密亦速作出回应，均表示本次调查现阶段不会对公司生产经营及业绩造成重大不利影响。

立讯精密表示，经初步评估，本次调查涉及的公司相关产品主要应用于数据中心领域电源模块与处理器的集成供电方案，目前处于客户验证阶段，尚未进入量产状态。工业富联则表示，本次337调查涉及公司相关产品尚处于内部验证评估阶段。

本文来自华尔街见闻，欢迎下载APP查看更多

据证券时报，会上介绍，2026金融街论坛年会将于10月19日—10月22日举行，采取“主论坛+平行论坛+专题大会+配套活动”的框架结构，主论坛活动由人民银行、金融监管总局、证监会、新华社、外汇管理局承办，将围绕人工智能技术演进下的经济治理、金融创新与央行决策，建设一流投资机构服务资本市场高质量发展，构建高质量金融服务实体经济新生态，全球新格局下跨境金融发展与合作等议题开展交流讨论。论坛年会期间，国家金融管理部门将集中发布系列金融改革发展政策，充分彰显论坛作为国家级权威政策宣传发布平台的重要作用。

在2026金融街论坛年会新闻发布会上，证监会办公厅副主任王利表示，证监会主席吴清将出席10月19日论坛年会开幕式并作主题演讲，此外，多位证监会领导和有关司局、系统单位负责人也将出席论坛年会有关活动。

王利介绍，10月21日，证监会承办一场主论坛，主题聚焦“建设一流投资机构，服务资本市场高质量发展，共享投资中国新机遇”，主论坛设领导致辞、主题演讲环节，还安排有两场圆桌交流，内容分别为培育壮大耐心资本和双向开放下的中国资本市场长期投资机遇，我们将邀请境内外知名行业机构的专家，围绕产业赋能、投资趋势、合规发展、国际合作等开展交流。同时，证监会科技司将承办金融科技大会子论坛，主题为“AI赋能资本市场数智化”，聚焦AI+资本市场的实践与监管、AI驱动资本市场数字化变革新趋势等主题，探讨AI赋能背景下资本市场发展的新模式、新场景。北京证券交易所将承办一场平行论坛，主题为“共建服务中小企业资本市场新生态”，围绕提升资本市场韧性与活力、全球资本市场服务科技创新实践、北交所赋能中小企业创新发展等开展研讨交流，并发布相关战略合作成果。

国家外汇管理局外汇研究中心主任陈之为在发布会上表示，中国人民银行副行长、国家外汇管理局局长朱鹤新将出席2026金融街论坛年会开幕式并发表主旨演讲。按照组委会安排，国家外汇局将于10月22日上午主办专场活动，为汇聚全球智慧，共商发展大计。此次论坛汇集将当前国际经贸领域前沿性热点问题，邀请嘉宾从不同角度发表演讲。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台消息，高盛将全球股票评级上调至3个月维度超配，与12个月维度保持一致，理由是近期估值回调改善了进入三季度财报季的赔率。与此同时，高盛将债券评级上调至12个月维度超配，认为随着通胀正常化和央行政策立场趋于温和，长久期债券的中期配置价值正在上升。

信用债方面，高盛将3个月评级下调至低配，与12个月立场保持一致，认为当前利差水平相对全收益率仍处低位，风险回报不及股票。

高盛在报告中指出，其宏观基准情景依然偏向乐观：经济增长保持健康、衰退风险低企，通胀动能有望在2027年前持续消退。这一"金发女孩"式组合将为平衡型投资组合提供更有利的环境，债券也有望逐步从拖累因子转变为有效对冲工具。

自夏季以来，全球风险资产整体处于整固状态，利率上行和能源价格压力日益侵蚀盈利增长带来的顺风效应。全球股市尽管底层盈利表现稳健，但在上行利率环境下整体横盘，估值遭到明显压缩。

压力最为集中的领域包括对利率敏感的小市值股、房地产及基础设施板块。高盛报告显示，MSCI全球指数12个月远期市盈率年内已累计下滑近20%，属于晚周期中罕见的大幅去评级。与此同时，利率上行开始向信用市场蔓延，企业信用利差显著扩大，欧元区主权风险溢价也出现重新定价。

高盛风险偏好指标（RAI）在过去两周内从此前高位骤降至零，其货币政策分项（RAI PC2）已跌至2000年以来的最低水平之一——上一次录得类似读数是在2022年。高盛指出，RAI PC2的急剧下滑在历史上通常会改善股票和债券的回报赔率，因为这往往预示着利率压力趋近极限并为后续缓解创造条件。

高盛将3个月股票评级重新上调至超配，核心逻辑在于盈利增长依然稳健而估值已充分回调。高盛美股策略团队预计2027年标普500盈利增速达18%（剔除股权重估相关"其他收入"的基效影响），并预期三季度财报季将在美国和欧洲均呈现超预期表现。

高盛指出，若利率出现缓解，叠加AI应用落地加速带动实质性收入和盈利改善，股票存在估值扩张空间。在区域配置上，高盛维持亚洲和美国超配、欧洲低配，并建议采用"哑铃"策略：一端配置AI受益的科技股，另一端精选对利率敏感、具备高股息和低波动特征的防御性股票，后者有望受益于未来利率回落。

高盛同时提示，近期主要下行风险来自利率和能源价格的进一步上行，以及美国中期选举不确定性可能推高权益波动率。

尽管在3个月维度维持债券中性评级，高盛已将12个月维度债券评级上调至超配，视之为资产配置立场的重要战略性转变。

高盛认为，当前收益率水平已赋予长久期债券更好的非对称性：利率下行带来的潜在收益已超过利率进一步上行可能造成的损失。支撑这一判断的核心逻辑包括：通胀预期改善、更高的票息收益及再投资收益率，以及央行政策立场趋于温和。

高盛经济学家预计美联储、欧洲央行和英国央行均仅剩一次加息空间，并有望于明年开始降息，而市场当前定价已反映美联储超过三次、欧洲央行至少两次、英国央行近四次的加息预期——与高盛基准情景存在显著落差。这一背景进一步强化了债券配置的中期价值。

在区域选择上，高盛维持对美国、英国和德国10年期国债的超配，低配日本。高盛指出，法国OAT利差走阔引发了对美债和德债的相对安全需求，为上述市场提供了额外支撑。

高盛将信用债3个月评级下调至低配，与12个月立场一致，并明确表示在股票与信用债之间倾向于选择股票。

报告指出，信用利差在近期风险规避环境中已落后于股票表现，延续了年内的相对弱势。即便经过近期利差扩张，信用利差相对全收益率的占比仍处历史低位——以美国投资级企业指数为例，信用利差仅占全收益率的15%，而近年平均值约为45%。

高盛信用策略团队维持美元信用优于欧元信用的观点，倾向于高收益债券而非杠杆贷款，同时低配欧元区AT1相对高收益债。此外，持续的债券供给压力和企业加杠杆趋势构成额外阻力。

高盛认为，名义增长动能正趋近峰值，但主要驱动力是通胀正常化而非实际增长放缓。这一组合——经济增长保持健康而通胀持续消退——与"金发女孩"情景高度吻合，历史经验表明这是60/40平衡型投资组合表现最佳的宏观环境。

高盛动态资产配置模型显示，在其宏观基准情景下，未来12个月60/40组合的回撤风险已降至历史区间低端，右尾风险（12个月涨幅超过20%）的概率接近历史无条件均值。

高盛同时指出，其模型尚未充分纳入AI资本开支热潮对盈利的推升效应，因此可能低估股票的上行潜力——这与1990年代末的情况类似，当时模型同样未能捕捉到后期科技股的超额涨幅。

高盛建议在超配股票的同时保留战术性现金仓位，并通过期权工具选择性增加股票敞口。目前全资产类别隐含波动率整体处于低位，VIX维持在15附近，而利率波动率（MOVE指数）相对股票波动率已升至2024年以来最高水平，两者背离值得关注。

具体对冲工具方面，高盛推荐以下三类策略：其一，VIX看涨期权价差，可应对宏观冲击触发相关性骤升的情景，当前最大赔付比率处于历史高位；其二，短端利率接受方期权（front-end receiver swaptions），在衰退情景下可提供优于标普500虚值看跌期权的收益，当前短端远期利率的大幅上行也创造了更具吸引力的入场点；其三，针对欧元区财政风险，欧元兑美元和欧元兑瑞郎的看跌期权提供定向对冲，但需主权压力进一步扩散方能兑现收益。

本文来自华尔街见闻，欢迎下载APP查看更多

另类数据机构TickerTrends的数据显示，Muse日均净新增用户已从9月高峰期的约19.8万人骤降至约7.4万人，降幅高达62.4%，下载量也较峰值回落逾21%。

与此同时，摩根士丹利发布了迄今最详尽的Muse成本模型，揭示出一个令人警醒的数字：Muse每用户每月服务成本在3美元至130美元之间，基准情景下为37美元，折合年成本445美元——已超过Meta全球平均每用户年收入约70美元。更关键的是，摩根士丹利明确指出，Muse的真正商业化变现最早要等到2027年至2028年底。

大摩报告还指出，Meta目前的估值扩张完全建立在“10亿（1 billion）用户规模”的完美增长故事之上，但现实中其日活用户（DAU）目前仅不到300万。 此外，Muse正面临亚马逊等平台的生态封杀，而依赖“消费者惯性”的传统订阅商业模式正面临被AI智能体颠覆的连带做空风险。相比之下，拥有封闭生态和支付基础设施的中国科技巨头（如腾讯），或许在AI智能体赛道上拥有比Meta更坚固的护城河。

增长神话的第一道裂缝：用户增速骤降62%

Muse的用户数据由另类数据机构TickerTrends追踪，经Hunterbrook Media分析后披露。核心数据如下：

• 下载量：10月6日约为16.96万次，较9月24日Connect发布会次日的峰值21.49万次下滑21.1%，且已连续12天低于峰值。前一周日均约18万次，最新一周降至约16.5万次，周环比下降8.1%。

• 用户规模：10月6日DAU（日活跃用户）达到新高273.09万，用户总量仍在增长，但增速大幅放缓。9月15日至22日期间，日均净新增约19.8万人；随后一周降至约8.7万人；截至10月6日当周进一步降至约7.4万人，较初始爆发期下降62.4%，较前一周下降14.5%。

• 参与度代理指标：截至10月7日的一周内，应用评论量周环比下降11.6%至4716条，其中iOS评论量下降22.5%；10月7日单日评论量664条，较10月1日峰值802条下降17.2%。

值得注意的是，不同数据来源对Muse用户规模的估算存在显著分歧：TickerTrends为273万DAU，Similarweb为218万，Sensor Tower则显示累计下载量660万、DAU约180万。三家机构的DAU估算最高与最低相差约50%，但无一超过300万。

相比之下，摩根士丹利的容量分析是基于10亿日活用户构建的——这意味着按TickerTrends的数据，Meta已购置的CPU容量约为当前实际用户数的366倍。

Muse的成长背景与遭遇的现实阻力

产品架构：Muse运行于Muse Spark模型之上，为每位用户提供专属的“Muse安全虚拟机”，支持独立App、网页端、WhatsApp内嵌及Mac原生客户端。定价分三档：免费版（每周1亿token额度）、每月20美元的Power版（每周5亿token）、每月100美元的Maximum版（每周30亿token）。

里程碑数据：在iOS端，Muse上线首12天累计下载量达143万次，超过ChatGPT同期的137万次（JPMorgan数据），并登顶App Store和Google Play双榜首。

接踵而至的阻力：

• 9月20日晚，亚马逊封锁Muse访问其平台，理由是Muse未明确标识自身为AI智能体，且未经适当披露即存储用户凭证；

• TickerTrends追踪到Costco和Netflix也出现类似限制的用户报告；

• 电信运营商开始将Muse发起的AI客服电话转离人工坐席，削弱了"代为拨打电话"功能；

• 一个可能导致本地应用劫持用户Muse账户的零日漏洞被紧急修复；

• Hunterbrook此前报告称Muse可被诱导对弱势群体成员建立档案；

• Meta承认Muse的工作区文件结构遵循了OpenClaw的设计蓝图，但声称代码系从头编写。

Muse何时能变现？答案：短期内不会

摩根士丹利分析师Brian Nowak在报告中直言不讳：“我们预计Muse订阅收入在相当长一段时间内将非常有限，因为Meta目前专注于扩大用户基础、提升参与度和商业行为，而非变现。目前连接协议的初始'抽成比例'微乎其微。”

长期来看，Nowak认为Meta将构建一个类似广告竞价的实时竞价拍卖市场——企业为智能体完成的交易付费。这一模式所针对的消费者支出池约为30万亿美元，其中零售和旅行约占17万亿美元。但时间节点明确：最早要到2027年底至2028年。

美银美林认为广告、订阅或佣金的实质性收入不太可能在2028年前出现；高盛将“变现能否迅速跟进”列为关键问题，并将隐私和安全风险列为最大单一风险。

增速放缓的影响：竞价拍卖市场需要庞大且活跃的用户基础才能吸引企业真金白银竞价。每周净新增用户维持在7.4万而非19.8万的水平，都将把"2027年底至2028年"这一时间节点进一步推后。

Muse的服务成本有多高？每用户每月3至130美元

这是摩根士丹利报告中最具价值的部分。Muse的计算成本分为两块：

1. GPU推理成本：随token消耗量线性扩展（模型处理用户请求的算力）；

2. CPU沙箱成本：随用户激活Muse的频率及虚拟机运行时长扩展（浏览器、工具和代码执行环境）。

关键假设：GPU侧，摩根士丹利使用GB300框架，每吉瓦410,256块GPU，75%利用率下每GPU每秒处理3500个token，折合每年每吉瓦处理33,962万亿token，年基础设施成本76.3亿美元，推理成本约为每百万token 0.225美元。

CPU侧，假设每次激活约10分钟的沙箱运行时间，采用2核vCPU/8GB内存的虚拟机，按AWS AMD实例按需定价（0.1217美元/小时），加7.5GB存储（0.60美元/月）。

基准情景（25%额度使用率）：用户每月消耗约1.08亿token（每天20次会话），月服务成本37.12美元，年成本445美元。Nowak将此视为"更接近上限"，因为该模型假设Meta以AWS标价租用全部CPU沙箱，实际不会如此。

与ARPU的对比：摩根士丹利估算Meta全球平均每用户年收入（ARPU）约为70美元。即便用户仅使用5%的免费额度，年服务成本约124美元，已超过Meta平均用户创造的年收入。

极端情景测算（本文作者基于摩根士丹利GPU成本的推算，仅含GPU推理，不含CPU沙箱）：

• Power版（每月20美元）满额使用：月推理成本约488美元；

• Maximum版（每月100美元）满额使用：月推理成本约2925美元。

规模效应的两面性：若按10亿DAU、25%使用率计算，年服务成本约为4450亿美元，而摩根士丹利对Meta 2026年全年收入的预测仅为2560亿美元。但按当前273万DAU计算，同样的成本模型折合年成本约12亿美元，相对于摩根士丹利模型中2027年2090亿美元的运营支出预测，不过是个零头。

摩根士丹利的结论是：高昂的成本本身就是护城河——“这一分析表明，对于规模较小的竞争者而言，扩展至与Meta竞争的产品存在难以逾越的成本壁垒”，而Meta每年增长27%、规模达2500亿美元的核心广告业务为其提供了独特的财务支撑。

Meta会面临算力瓶颈吗？CPU端：不会

摩根士丹利的答案明确：“不会。我们估计Meta仅在2026年采购的CPU容量，就足以服务10亿日活用户（按25%额度使用率计算）。”

供应链测算：摩根士丹利估算Meta采购AMD 2026年服务器CPU出货量的20%，即约218万颗芯片（每颗126核、2线程），合5.49亿vCPU；加上约36万颗NVIDIA Vera CPU（88核、2线程），合6300万vCPU；再加上AWS Graviton5协议的3000万核心。合计6.43亿vCPU，即3.21亿个Muse实例（每实例2个vCPU）。

需求侧测算：10亿DAU × 12.5%同时在线率（24小时中3小时活跃）× 2倍峰值系数 × 1.2倍冗余 = 3亿个同时运行实例，约占2026年采购量的93%。

现实对比：按当前273万DAU计算，Muse仅需约80万个同时运行实例，约占摩根士丹利估算Meta采购量的0.25%。按每天净新增7.4万用户的速度，达到10亿DAU需要约37年。

关于Graviton协议：Meta与AWS于4月24日宣布"数十亿美元级别"的Graviton5协议，涉及"数千万"核心。摩根士丹利估算为3000万核心，按约0.02美元/核心/小时计算，折合AWS年化收入约56亿美元，约贡献AWS 2027年增速3个百分点。Meta是AWS的数十亿美元级大客户，而亚马逊同时封锁了Meta的智能体——两件事同时为真。

GPU端的隐忧（摩根士丹利未直接测算）：按摩根士丹利自身的GPU假设，服务10亿DAU（25%使用率）需要约38吉瓦的GB300推理算力全天候运行。Meta旗舰级Hyperion园区设计容量约为5吉瓦。即便按5%使用率计算，也需约7.7吉瓦。GPU瓶颈只有在Muse真正实现多头预期的规模时才会显现，届时电力和GPU将先于CPU成为制约因素。

企业市场机遇——55万亿美元的TAM

摩根士丹利在30万亿美元消费者TAM之外，再叠加25万亿美元的全球知识工作TAM，合计55万亿美元，约为全球GDP的一半。

Meta的企业端布局包括：

Muse for Small Business、WhatsApp/Messenger智能体工具、企业推进（Meta近期招募了企业业务负责人）、Muse Coding，以及基于“Watermelon等模型”的模型API。

架构层面的深层逻辑：摩根士丹利指出，Muse当前通过浏览器点击网页、拨打人工客服电话的方式“不是高质量、一致且可重复扩展的体验”。亚马逊、Costco、Netflix的封锁以及运营商的拦截，正是这一问题的现实体现。真正的解决方案是企业开放MCP/工具接口供智能体直接调用，而Meta希望出售这套“管道”。

Meta One订阅包（9月17日全球上线）：消费者版每月2.99至19.99美元，创作者和企业版每月14.99至499美元。摩根士丹利敏感性分析显示：5000万订阅用户、每月20美元，可为2028年每股收益增厚9.1%（约3.17美元）；8000万用户、每月25美元，可增厚18.1%（约6.34美元）。

API业务：100兆瓦GB300算力专用于出售Meta模型，可为2028年每股收益增厚约4%（约1美元）。、

附带损伤：Needham分析师Laura Martin于10月1日估算，若20%的App Store销售额迁移至Muse Connectors，苹果每年可能损失高达100亿美元的服务收入（约75亿美元EBITDA）。Muse Connectors开放后168小时内，Meta收到超过1500份开发者申请。

亚马逊与Meta——相爱相杀的利益共同体

亚马逊封锁Muse的官方理由是：代表客户购物的第三方应用"应公开运营并尊重服务提供商的决定"，并指控Muse未标识AI身份、未经适当披露存储用户凭证。

摩根士丹利将此解读为一场谈判：“亚马逊占美国电商市场约40%的份额，希望确保在横向智能体崛起的背景下，这一地位得以维持。”谈判焦点涉及商家记录权、购物体验控制权（Prime权益、零售媒体、商品展示、追加销售机会等）以及向Muse智能体的数据回传。

Nowak指出此次谈判的独特性：

“1）这很可能是与亚马逊达成的首个智能体合作协议，将为后续协议设立潜在先例；2）Meta需要亚马逊的物流和配送能力、AWS的云算力（CPU和GPU）以及模型分发渠道（通过Bedrock访问Watermelon模型的API）。”

增速放缓改变了谈判筹码：每天新增20万用户的智能体是零售商必须正视的威胁；每天新增7.4万用户的智能体则可以被要求等待。亚马逊股价自Muse发布以来一度下跌2%，目前已回升至+2.1%。

中国竞争格局：腾讯能否“反向Muse”Meta？

值得关注的是，Muse的发布也引发了投资者对中国同类产品的关注。伯恩斯坦和美银美林分析师Winnie Wu的核心判断是：智能体竞争的真正奖品是“情境锁定”——智能体对用户习惯、历史和工作流了解越深，就越有价值、越难被替代。

腾讯的结构性优势：

• 封闭生态即护城河：中国移动互联网由"封闭"生态主导，外部智能体可能永远无法访问微信或支付宝内的任务——这正是Muse在亚马逊、Costco、Netflix遭遇的问题，但在中国是整个互联网的默认状态；
• 无需下载：微信智能体无需独立下载，在大多数中国智能手机用户每天都会打开的应用内一键可达，绕过了Muse正在经历的下载增速放缓问题；
• 小程序即现成管道：腾讯已拥有摩根士丹利所说的"Web 1.0互联网必须构建才能让智能体规模化"的结构化接口；
• 变现路径更近：微信支付每年处理数万亿元人民币交易，腾讯可直接从智能体完成的交易中抽成——这正是摩根士丹利认为Meta最早要到2027年底至2028年才能实现的模式；
• 算力约束：出口管制限制了中国在GPU端的算力，而GPU推理成本在重度使用场景下是主要成本驱动因素。但调用小程序API的智能体相比驱动浏览器的智能体，所需CPU沙箱算力应大幅减少。

总结来看，分析人士认为，摩根士丹利的报告是迄今最有价值的Muse研究，因为它给出了真实数字：

Muse每用户每月服务成本3至130美元，基准情景37美元（摩根士丹利视之为上限）；Meta已购置足以服务10亿日活用户的CPU算力，相关成本已纳入2027年2090亿美元运营支出预测；真正的智能体广告拍卖变现最早要到2027年底至2028年。

当前的现实情况是：Meta拥有服务10亿用户的算力，实际用户约180万至270万，且以9月峰值三分之一的速度增长，同时越来越多的网站和运营商正在决定是否放行这个智能体。

从14倍到21倍的估值重估是用增长故事换来的，而这个故事在周五收到了第一个真实的反向数据点——来自一个已披露做空立场的机构。11月4日Meta三季报将是真正的考验，届时市场将要求Meta给出自己的Muse用户数据。

本文来自华尔街见闻，欢迎下载APP查看更多

据硬AI消息，微软于10月12日正式推出全新决策模型Microsoft-Decision-1，该模型基于阿里Qwen3.5-9B后训练而成。微软官方透露称，该模型基于Qwen3.5-9B后训练而成，在结构化决策任务中，该模型在时延和准确性等方面均超过了LLM及Jev 1.13.0等热门决策模型。

微软Xbox研究团队已用它处理超过1万条玩家反馈，微软CEO纳德拉也在社交媒体上透露称，基于新模型的优异表现，微软正在所有领域测试应用新模型，包括事件响应、质量控制、科学发现等。

与生成自然语言的传统大模型不同，决策模型专注于输出预测值和概率，其更小的尺寸和更快的响应速度，正契合了企业端在频繁判断任务中对低成本和高效率的迫切需求。这向投资者释放了明确信号：轻量化、专业化的决策模型正在释放巨大的商业价值。

据了解，9月Jev模型爆火带起了一股决策模型浪潮。这种模型不生成自然语言，而是输出预测值、概率和置信度，比大语言模型LLM尺寸小得多，响应速度也更快，恰好能满足AI任务中的频繁作判断的大量需求。

有数据统计显示，在HuggingFace 129 个开源决策模型项目中，基于阿里Qwen开发的就有84个，占比超65%，包括微软、Perplexity、Cloudflare、H2O.ai等公司推出的知名决策模型均采用阿里Qwen。

目前，微软已在全公司范围内对该模型展开广泛测试，涵盖事件响应、质量控制到科学发现等多个核心业务领域。随着该模型在Microsoft Foundry和OpenRouter平台的全面上线，基于Qwen架构的决策模型有望重塑企业级AI应用的工作流与投资逻辑。

新模型性能与成本优势显著

微软官方介绍重点强调了基于千问架构的新模型在性能上的突破。

微软CTO办公室软件工程副总裁Achint Srivastava撰文指出，Microsoft-Decision-1在涵盖近15万个问题的36项基准测试中获得了最高准确率。

在速度方面，该模型的表现尤为突出。测试数据显示，其测量速度是亚军模型H2O-Lightning-4B v1.1的2.5倍，更是GPT-6 Sol的35倍。

此外，该模型在鲁棒性和安全性上也表现稳定，在选项描述被转述或打乱时，其决策改变率平均仅为1.3%。

在定价方面，该模型输入代币成本为每百万代币0.042美元，输出代币则完全免费，大幅降低了企业级应用的使用门槛。

内部全面测试加速企业级应用

优异的底层性能促使微软加速了该模型的内部应用转化。Satya Nadella 强调，微软正在所有领域测试应用这一新模型，以验证其在复杂环境中的可靠性。

在数据标注方面，微软Xbox研究团队已使用该模型处理了超过1万条来自问卷及社交媒体的玩家开放式反馈。

结果显示，其质量与GPT-6 Sol相当，但运行速度提高了14倍，成本降低了200倍。在质量控制领域，Copilot团队的测试表明，新模型与GPT5.6 Luna具备同等竞争力，且速度快100倍。

此外，在科学发现的自适应重新规划任务中，该模型的一致性是基于LLM评分的46倍，速度提升近4倍。这些密集的内部测试结果表明，基于Qwen底座的决策模型正切实转化为提升企业运营效率的核心工具。

本文来自华尔街见闻，欢迎下载APP查看更多

上周标普500指数上涨1.2%至7811点，再创历史新高。然而据高盛的数据，对冲基金净杠杆率仅为46.9%，处于过去一年的第2百分位；多空比进一步跌至1.565，位于五年回望的第1百分位。与此同时，科技股遭遇连续净卖出，领跌行业正是此前四周内四度蝉联最受追捧板块的信息技术。

市场结构性分歧还体现在衍生品定价上。高盛衍生品团队指出，VIX上行凸性极度受追捧，而标普500下行保护却"极度廉价"——用其同事的话说，"VIX升至25以上的概率，几乎高于标普500下跌2%的概率"。这一异常信号表明，投资者对尾部风险的定价方向，已从担忧股市下行转向防范波动率本身的跳升。

资金流向是本周最清晰的叙事线索。高盛prime book数据显示，在过去五周内连续净卖出工业股后，对冲基金本周以年初以来最快速度净买入工业板块（+1.8个标准差），几乎完全由做多驱动，领涨子行业包括航空航天与国防、建筑与工程、航空公司及工业集团。

科技板块内部同样出现明显分化。半导体与科技硬件是被减持最多的子行业，软件则是唯一实现净买入的方向。高盛TMT专家Pete Callahan指出，过去一周软件跑赢半导体约800个基点，高盛软件/半导体对冲组合单周涨幅达11.8%。

此次轮动的导火索有迹可循。上周四，《金融时报》报道OpenAI营收数据令人失望，纳斯达克当日大幅下挫。高盛数据显示，周四正是科技股净卖出最为集中的交易日，兼有多头减仓与空头增加，"指向获利了结与对冲需求同步上升"。

矛盾之处在于：对冲基金大规模减持科技股，但对最大科技股的敞口却从未如此之高。高盛股票部门数据显示，Mag 7仓位占其美股总敞口的比例已从6月的年内低点14%迅速攀升至22%，创prime book历史最高纪录。

摩根士丹利prime brokerage数据从另一侧印证了这一判断：信息技术目前占对冲基金北美净敞口的32%，处于2010年以来的第98百分位。换言之，行业层面的卖出并不意味着低配——没有人真正减少了对这一赛道的暴露。

与此同时，基本面多空基金的表现持续承压。据高盛Prime Services周报估算，10月2日至8日期间，平均基本面多空基金下跌0.70%，而MSCI全球指数上涨0.78%，亏损"几乎完全来自阿尔法端的多空两侧损失"。年初至今，基本面多空策略回报率为11.82%，落后于MSCI的12.42%与标普500的14.45%。系统化策略同期上涨21.40%，量化持续跑赢人工判断。

财报季将于本周正式开启，大型银行率先登场。

高盛股票部门直接点明挑战所在：共识预期标普500每股盈利同比增长27%，为2021年以来最高，而中位数个股的预期增速仅为9%（上季度为14%）。这一落差背后，是美光和英伟达两家公司单独承担本季度约三分之一的盈利增长。

更值得关注的是"超预期不奖励"现象。

高盛数据显示，上季度盈利超预期的个股相对标普500的超额表现仅为35个基点，远低于历史均值95个基点。美光录得1003%的每股盈利增速，全面超预期，市场反应却相当克制。高盛就此发问：这一"高标准困境"是否已蔓延至整个AI板块？

银行股面临的处境尤为特殊。高盛衍生品团队指出，金融板块从高点回调幅度约为期权隐含单日波动的五倍，但市场对其财报日的定价却极为温和。摩根士丹利下跌20%，期权定价隐含涨跌幅仅为3.7%；美国银行下跌19%，对应隐含波动为3.4%。

高盛金融行业专家Christian DeGrasse指出，市场对银行的情绪"明显转向谨慎"，争议焦点在于三季度活动放缓究竟是"短暂停顿"还是"持续下行的信号"。

摩根士丹利的Nick Savone走得更远：美国银行股相对标普500的超卖程度已达1993年以来最高，14日RSI约为27，BKX远期市盈率已跌破十年中位数。

上周四，OpenAI营收数据引发的市场波动不仅波及股市，也意外推动了长债价格反弹。高盛期货团队指出，长债"可能终于在本周触底"，而触发反弹的正是OpenAI相关头条。

逻辑在于：一旦AI资本开支扩张预期出现松动，此前被AI融资需求持续挤压的美债久期买盘便有望回流。此前，资产管理公司在长债上的空头头寸自9月中旬以来急剧上升，若周四的走势触发这批空头回补，则债市在下周初或将获得进一步支撑——不过这一反弹能否持续，仍取决于周二的CPI数据。

黄金方面，本周上涨1.3%，"维持在每盎司4100美元以上"。高盛期货团队指出，系统化策略仓位已降至一年回望的第0百分位，CFTC管理资金净多头也回归正常水平，认为"增加黄金多头头寸的吸引力正在上升"。

高盛主题篮子团队将旗下"Power Up America"篮子（代码GSENEPOW）称为"最被低估的AI瓶颈"，并将这一判断建立在三个维度之上：仓位处于近两年低位、估值已回归正常、基本面依然稳健。该篮子本周上涨4.9%，独立发电商子板块涨幅达12.7%。

团队认为，市场对中期选举及电力政策政治化的担忧"正在消退"，预计未来将通过电网建设与"表后用电"方案刺激美国电力供给。高盛预测，到2030年，"表后用电"将满足全美25%数据中心的用电需求。近期关键催化剂包括：FERC就PJM大负荷框架于10月12日周一作出裁决，以及PJM相关文件与ERCOT数据中心并网审计结果。

本文来自华尔街见闻，欢迎下载APP查看更多

据《The Information》周日报道，亚马逊目前以低于沃尔玛的预期市盈率交易，尽管其收入增速预计约为后者三倍。高企资本开支和AI投资回报的不确定性，是投资者给予折价的主要原因。

这场争论的焦点，是亚马逊约2200亿美元级别资本投入能否被未来需求吸收。在a16z最新访谈中，AWS首席执行官Matt Garman称，AI相关需求巨大，资本开支短期内不会放缓，AWS还在为初创公司保留稀缺GPU容量。

对市场而言，问题并非亚马逊是否拥有AI机会，而是这些机会能否转化为足够的收入、利润和现金回报。AWS访谈解释了需求来自哪里，但尚不能证明这轮投入已经兑现。

据《The Information》援引Koyfin数据，亚马逊当前约为29倍预期市盈率，沃尔玛则约为37倍。沃尔玛今年预计收入增速约为5.6%，仅为亚马逊预估增速的约三分之一，但其估值溢价已持续约18个月。

这一倒挂反映了市场的主要担忧：亚马逊正在大幅增加资本开支，主要用于扩建AI数据中心，与Alphabet、Meta共同押注AI基础设施需求，但这类投资的回报周期仍不清晰。若AI需求释放慢于预期，高额资本开支可能持续压制盈利表现。

不过，分部估值分析也指出，亚马逊的业务结构可能没有被充分定价。亚马逊市值约2.8万亿美元，但其资产组合包括AWS、在线零售、广告和内容业务。材料显示，亚马逊在线零售销售额今年上半年同比增长13%，广告业务年收入约800亿美元，增速保持在20%至25%，AWS的独立价值保守估计不低于1万亿美元。

换言之，市场对亚马逊的折价并不只是在评估零售业务，而是在为AI资本开支的不确定性、综合性集团结构以及回报可见度不足定价。估值低并不自动意味着低估，但它为重新审视AWS的增长逻辑提供了切入点。

在a16z访谈中，Matt Garman称，AWS收入约为1600亿至1700亿美元，同比增长37%。他认为，AWS仍处在长期机会的早期阶段，原因包括大量工作负载仍留在本地部署，企业每天产生的计算需求持续增加，以及AI带来的新增顺风。

第一层增长来自企业上云。Matt Garman表示，云迁移和AI需求正在同时推动AWS增长。对大型企业而言，AI并不是单一模型调用，而是与数据、存储、安全、权限和生产系统绑定的工作负载。这使AWS不只是提供GPU容量，也提供企业将AI投入生产所需的完整基础设施。

第二层增长来自初创公司。Matt Garman称，AWS估计目前约30%至40%的收入来自曾经是初创公司的企业。AI原生初创公司与早期互联网公司不同，它们从第一天起就可能需要大规模算力，训练模型成本高，融资和估值规模也更大。AWS因此选择为初创公司保留部分稀缺GPU和AI加速器容量，而不是将所有资源卖给大型前沿实验室。

他还表示，AWS以某种方式满足了大约60%的相关请求，有时是在不同区域、不同时间或不同配置下交付。AWS未来几年还将购买200万块Nvidia GPU。这些表述显示，AWS试图通过容量分配维持客户生态，而不是只押注少数大客户。

第三层增长来自智能体工作流。Matt Garman称，越来越多团队希望云环境不仅适合人使用，也适合代理使用。AWS正在围绕Agent Core、Bedrock、AWS Context等服务，优化代理跨数据湖、数据库和服务调用的能力。代理会关注尾部延迟，也会产生短周期、可快速创建和释放的计算需求。

这可能改变云基础设施的使用方式。过去云资源主要服务于人类开发者和企业IT团队，未来代理可能会自动写代码、调用数据库、管理基础设施，并在沙箱和临时权限下执行任务。对AWS而言，这意味着新的推理、存储、安全、权限管理和计算需求。

此外，定制芯片也被AWS视为支撑这套逻辑的关键。Matt Garman称，Graviton在成本和性能上均有约20%的改善，Trainium已成为Bedrock大部分流量的运行基础，Trainium产能大致售罄至明年年底。若这些芯片能改善单位算力成本，它们将有助于提高AI基础设施投资的经济性。

对投资者而言，关键问题仍然是回报，而不是需求叙事本身。AWS管理层描述了多个增长来源：企业上云、AI推理、初创公司训练需求、智能体工作流和定制芯片。但这些机会最终必须体现为更高收入、更好利润和足够的资本回报。

Matt Garman在访谈中强调，AWS的容量并未高度集中在一两个客户身上，通常单一客户占比处于个位数甚至更低水平。他还表示，在核心计算、存储和推理上，企业客户已经看到正回报。这些说法有助于缓解市场对AI泡沫和客户集中度的担心。

但从股东角度看，这仍不等同于亚马逊自身的投资回报已经被证明。约2200亿美元级别资本开支需要持续高利用率、稳定客户需求和可控成本来支撑。若智能体应用停留在试验阶段，或企业部署速度慢于预期，资本投入可能先于收入确认，对盈利形成压力。

因此，市场真正需要验证的指标，是AWS收入增速能否延续，Bedrock、Trainium和Agent Core等服务能否扩大付费使用，企业能否从有人参与的代理流程走向更自主的生产工作流，以及这些新增需求能否覆盖数据中心、芯片、电力和供应链投入。

亚马逊的AI回报可能被市场低估，但市场的犹豫并非没有理由。AWS访谈提供了需求来源和技术路径，《The Information》的估值分析显示当前倍数存在重新审视空间。最终能否修复折价，取决于亚马逊能否把AI基础设施投入转化为可见、可持续的财务回报。

本文来自华尔街见闻，欢迎下载APP查看更多

韩国政府主导的干预措施效果趋于消退，与此同时，市场对韩国央行（BOK）进一步收紧货币政策的预期持续升温。10月12日，据彭博报道，韩元掉期市场目前定价显示，未来六个月韩国央行累计加息50个基点的概率约为70%。

Gama Asset Management和Hana Securities等机构的策略师预计，韩国3年期和10年期国债收益率将恢复上行，重新测试上月触及的四年高位。

反弹难以为继

韩国债市此前的反弹，主要源于政府的干预信号。当局上月警告将采取干预措施，并将10月债券发行规模削减5万亿韩元（约37.4亿美元），收益率随之沿整条曲线回落。

但策略师普遍认为，这一反弹缺乏持续性基础。

Gama Asset Management全球宏观组合经理Rajeev De Mello表示："我对韩国债券越来越谨慎。通胀仍高于韩国央行的目标，进一步收紧政策的可能性较大。如果全球债券抛售持续，韩国收益率将越来越难以抵御上行压力。"

De Mello预计，韩国10年期国债收益率将回升至4.6%左右——这一水平上月曾出现，也是2022年以来的最高点。3年期收益率则可能从周四的3.98%攀升至4.1%。

加息预期主导市场

韩国央行已连续两次会议加息，将基准利率升至3%，以应对通胀压力和加速增长的经济。今年8月，韩国央行发布的六个月点阵图显示，21个点位中有10个集中在3.25%。

市场目前将目光锁定在10月22日的议息会议，以及随后的11月会议。

Hana Securities固定收益策略师Park Junwoo表示，在波动性高企的背景下，将收益率下行解读为趋势性变化"为时过早"。他预计收益率将在11月议息会议前后见顶——届时他判断央行将在10月按兵不动后于11月加息。

"我认为现在不是买入的时机，但如果3年期收益率重新回到4%以上，届时值得再度买入。"Park Junwoo说。Hana Securities目前对韩国和美国债券均持低配。

政府干预能否托底？

尽管收益率上行压力持续，政府的干预意愿仍是市场的一道缓冲。

受半导体行业税收红利提振，韩国财政部长Lee Hyoung Il表示，政府可能进一步削减计划中的债券发行规模，以遏制收益率的过度波动，并可能启动紧急回购操作。

不过，LS Securities固定收益分析师Woo Hye-young认为，投资者不必急于行动。"等到11月央行点阵图出炉再买入韩国债券，也不会太晚，"她说，"如果11月点阵图显示利率预期更高，我会更加谨慎。"Woo Hye-young预计收益率最终将在年底前回落。

本文来自华尔街见闻，欢迎下载APP查看更多

10月11日，Meta首席AI官Alexandr Wang在美国知名博客《David Senra》中分享了其团队打造Muse的过程。

2025年，Meta的Llama 4未能达到公司预期。

Wang描述了当时的背景：“Llama 4没有走在Meta作为公司想要的轨道上，这在内部确实是一次失望，而且是在AI变得越来越重要的时刻发生的。”

正是在这个节点，扎克伯格主动联系Scale AI联合创始人Wang。两人此前通过他人引荐相识，但往来并不频繁，大约每六个月才通一次话。这一次，扎克伯格发来一条消息：“你有时间打个电话吗？”

最初的对话并不明朗。Wang说，几次通话都是扎克伯格在问他“你觉得我们应该做什么”，并不清楚最终会走向何处。直到谈及收购条款，Wang才意识到事情的分量。最终，双方在大约五六周内完成了整个交易：Meta持有Scale AI 49%的股份，Scale继续独立运营，Wang本人及少数核心成员加入Meta，出任首席AI官。

加入Meta后，Wang和扎克伯格面临一个关键的战略选择。

2025年初，Anthropic的Claude和Opus在编程领域遥遥领先，整个行业的共识是：编程智能体才是最重要的AI应用方向。

Wang对此有不同判断。他说，他告诉扎克伯格的第一件事就是：“Meta其实是一家非常特殊的公司，因为Meta的产品代表的是人们想做的事——Instagram、WhatsApp、Facebook，这些都是你选择跟随自己兴趣、爱好和朋友的地方。”

在Wang看来，Meta拥有触达35亿日活用户的分发能力，天然指向的是消费端AI，而不是工作、编程这类场景。

消费AI、个人AI，这始终是我们认为Meta能做出真正特别东西的领域。不是工作，不是写代码，是个人。

这一判断最终落地为扎克伯格在2025年6月发布的内部备忘录《个人超级智能》（Personal Super Intelligence），Wang与Nat Friedman等人参与共同起草。

真正让团队确认“个人AI智能体”这一方向具有颠覆性潜力的，是一次来自Nat Friedman的亲身体验。

Friedman是MSL（Meta Super Intelligence Labs）的核心人物之一，也是GitHub Copilot的早期推动者、Stripe的早期客户。Wang说，他是整个MSL内部第一个深度使用OpenClaw（一款个人AI智能体产品）的人。

“他的体验，我只能形容为介于恐惧和狂喜之间。”Wang说。Friedman告诉Muse，他想多喝水，AI随后通过监控摄像头观察他是否在喝水，并告诉他“干得好”。

Friedman随后分享了一个专为心理自我分析设计的提示词（prompt）。Wang第一次使用时，同样经历了强烈的感受：

相当于把三年的心理治疗压缩进了一个时刻——它可以访问我的邮件、我的照片，把所有信息整合在一起，我在这个过程中非常脆弱。

2026年2月，Wang和Friedman各自写下备忘录，分别发给Meta董事会。Wang写道，他认为超级智能体“在某种程度上是消费端产品的终点”。Friedman的备忘录中有两句话后来成为产品核心原则：“法律即条款”（the clause is the law）和“信任是必须的”（trust is a must）。

备忘录提交后约一两周，团队完成了第一个原型，并向董事会演示。Wang说，最终版Muse里的许多核心设计，在那次最早的原型里已经存在——包括吉祥物“Jolly”和早期版本的Muse Charm。

但从原型到产品，是一段“漫长而痛苦”过程。

原型有时可以运行，有些时刻很神奇，但大多数时候无法正常工作，会不断崩溃。我们要把它变成一个高度可靠的、精心打磨的消费产品。

这段历程历时7个月，参与人数不足200人。

Wang说，团队为此建立了一张包含逾百项具体行为和能力的电子表格，为每一项设定了"阻断发布"的门槛和"合格"标准。每次模型迭代后都会对照检查。“我们有很多检查节点，比如80项是绿灯，但20项还是红灯，我们知道那还不够好。”他说，第一个全部绿灯的检查节点是Musepark 1.3的特别训练版本。

他把这个过程比喻为打磨一件艺术品：“它是一件艺术品，需要强烈的单一视角和高度专注，才能把它做成一个完整、美好的体验。”

在Wang看来，Muse能成功而其他早期个人智能体产品失败，原因正在于此。

大型组织的产品往往变成不同人观点和愿景的弗兰肯斯坦——每个产品经理都想往里塞点东西，最后混在一起就是一杯果昔。用户能感觉到。

他特别强调，Muse的产品视角主要来自Nat Friedman：“如果说有一个人的单一视角贯穿了整个Muse，那就是他。”

表情包营销：让Meta重新变酷

Muse发布后，Alexandr Wang在X平台开始了一轮密集的“失控式”发帖——用产品吉祥物Jolly（一个小人形象）制作各种表情包，引发大量转发。

他坦言，这并非完全有意为之。

我在开会时脑子里突然冒出一个梗，就觉得必须发出去。有时候我在和同事吃饭，突然想到了，就发了出去。

他的逻辑是：互联网奖励风险，奖励意外，奖励让人意想不到的东西。

Nat Friedman在那段时间的内部会议上说：“我以为我们会从中学到很多关于Muse用户的信息，但实际上我们只是学到了很多关于Alex脑子里在想什么的东西。”

Alexandr Wang认为，这种营销方式实际上推动了增长——尽管他承认很难精确追踪。

他还批评了竞争对手的广告策略：

Anthropic做了大规模户外广告，全是关于他们自己。OpenAI的广告就是两个人坐在桌子旁边。我不明白这是什么意思。你有数百万个真实使用案例，你的广告只需要展示产品能为用户做什么，就这么简单。

超过200个直接下属，反对官僚主义

在Meta，Alexandr Wang有超过200名直接下属——几乎所有加入MSL研究团队（内部称为TBD）的研究员都直接向他汇报。

他解释，这不是管理结构，而是一种反官僚主义的声明。

这些都是极其出色的人，他们已经证明了自己能做出卓越的工作。我不需要微观管理他们。他们需要的不是管理者，而是一个优秀的环境。

他将自己在Meta的角色定位为“教练”，而非Scale AI时期的“创始人”：

在Scale，我对公司每一件小事都有强烈的看法，公司是我努力和视角的产物。在Meta，我更多是在思考：如何创造一个让这些出色的人能够做出最好工作的环境？

AI能给每个人一个“他们梦想中的成年生活”

谈及Muse的长期意义，Alexandr Wang表达了一个更宏观的判断：

我真的相信个人AI代理作为一种长期形态。人类天生有欲望、有梦想。AI和个人代理将成为帮助我们实现这些梦想的机制和桥梁。

他认为，大多数人在进入职场后，雄心壮志会被逐渐消磨：

我们都变成了某种意义上的僵尸。我们失去了自主性，失去了野心。

他在一篇帖子中写道：

世界迄今为止是由少数狂热者塑造的，他们设法让自己的意愿成为现实。但我们从未见过全人类每个人的自主性都被完全激活的世界。

他认为，Muse代表的方向，正是朝着这个世界迈进的一步。

访谈全文如下：

Building Muse, Working with Mark Zuckerberg & The Future of AI | Alexandr Wang, Meta

2026年10月11日 · David Senra

Alexandr Wang是Meta的首席AI官，也是Scale AI的联合创始人。本期节目中，我们聊到了历时七个月打造Muse的全过程、Meta为何押注个人AI助手而非编程助手，以及Mark Zuckerberg和Nat Friedman如何塑造了这款产品。Alexandr还分享了Zuckerberg在Meta Llama 4受挫后如何将他招募入职、他为何在Scale工作九年后选择离开，以及他如何围绕小团队、顶尖人才和极简官僚主义重建Meta AI实验室。此外，我们也探讨了如何用表情包让产品病毒式传播、拥有单一视角的重要性，以及Alexandr为何相信AI能让每个人都有能力追求更宏大的抱负。

第一章：Muse背后的愿景

David： 给我讲讲Muse的历史吧。

Alexandr： 首先要从我们创立Meta超级智能实验室（MSL）时的愿景说起。实验室成立之初，Mark发布了一份备忘录，我、Nat Friedman以及其他几位同事都深度参与了这份文件的撰写，备忘录的名称叫《个人超级智能》。核心想法是：我们如何构建真正让所有人生活变得更好的强大AI？我们如何打造一种能够从整体上提升人类体验的东西？

那份备忘录提出了许多设想，基本上也预示了Muse最终的走向，尽管当时还只是非常早期的构想——那是2025年6月，智能体（agent）在任何实质意义上都尚未出现，那年夏天的AI还处于一个完全不同的阶段。但那就是我们想要构建的方向，是MSL的使命，也是我们想要将一切推向的终点。

随后，我们就开始着手构建模型了，因为任何前沿模型的端到端开发流程都需要好几个月：你需要搭建整个技术栈，制作数据集，对模型进行预训练，再进行后训练，还要为此构建完整的工程支撑体系——这是一个非常漫长的端到端过程。

第二章：发现个人AI智能体的潜力

Alexandr（续）： 今年年初，这整条"生产线"开始运转，Opus 4.5的发布让包括我们在内的很多人看到了智能体的未来，将智能体的潜力真正推到了台前。那时是今年年初，Anthropic（原文为openclaw，以下统一译为正确名称）正处于上升期。

我的密切合作伙伴Nat Friedman，我认为是MSL内部最早使用并尝试Claude（原文为OpenClaw，指Anthropic的Claude）的人。他的体验，我会形容为介于"恐惧"与"狂喜"之间——他真的是全情投入，完全信任它。

他讲过一些故事，在Stripe Sessions的一次采访中也提到了这些经历：他告诉自己的Claude他想多喝水，于是Claude就通过安防监控镜头监督他喝水，然后表扬他"做得好"。他有无数这样令人咋舌的故事，也让人意识到：这里有某种相当神奇的东西正在发生。

我记得Nat跟我说过的一句话，也是我印象最深的：他说，"我觉得这里真的有什么。" 早期采用者Nat Friedman的判断，是相当可靠的信号——他是当年Stripe最早的客户之一，在很多开源开发者工具上也都是先行者，还参与创建了GitHub Copilot以及其他许多项目。

所以这是一个明确的信号：个人智能体领域，显然有某种相当神奇的东西。当你真正信任一个个人智能体、真正把它带入你的生活，它能为你做的事情太多了。

听完所有这些令人惊叹的故事之后，我开始深度使用它。有好几周的时间，我们两个几乎每一个空闲时刻都在跟各自的Claude对话，沉浸在探索个人智能体可能性的过程中。

第三章：在一次AI会话中经历三年的心理治疗

David： 你最初的反应是狂喜还是恐惧？

Alexandr： 那时Nat构建了一个提示词（prompt），用来做一种全面的心理自我分析，会分多个波次进行深度心理探测。他基本上是专门为此写了一个提示词，供你配合Claude使用。那也是我用自己的Claude最早做的事情之一——相当于把大概三年的心理治疗，全部压缩进了那一个瞬间。

David： 等等，我很好奇，你拿到Claude的第一次机会，为什么第一件事就是做这个？

Alexandr： 我下载、安装好之后，Nat就在旁边，他说："你应该试试这个。"我就说行，照他说的做——然后就发生了那段疯狂的体验。

David： 多说说那段"疯狂的体验"。

Alexandr： 就是非常、非常强烈。确实就像三年的心理治疗，因为是连续多轮的深度心理探测——它有关于我的其他信息，能访问我的邮件、我的大量照片，还能去查找其他信息，然后把所有这些整合在一起。整个过程中，我非常脆弱。

那是二月份。我们两个都得出了同一个结论：这里显然有非常特别的东西正在发生。我们当时各自写了一份备忘录——也都通过相关渠道提交给了Meta董事会，因为当时正好是董事会季。

我在备忘录里写道，我认为在很多层面上，这是终极的消费者产品形态，超级智能体作为消费品，某种程度上代表着一个清晰的终点。Nat则写了两份，标题非常令人印象深刻——"the clause the law"和"trust is a must"——这两份备忘录最终定义了我们构建这些产品的核心理念。

第四章：历时七个月打造Muse

Alexandr（续）： 我们在二月份得出了这个结论：这里有非常重要的东西。随后我们组建了团队，在大概一到两周内就做出了一个原型，并向董事会演示——这是一个非常快速的迭代周期。最终Muse成品中的许多设计决策，在第一个原型中就已经存在了：Jollybot（那个欢快的小吉祥物）在那里，Muse Charm的早期版本也在第一次演示中就出现了。不是所有的想法、所有的功能标签都在，但很多已经具备。

从那之后——那是二月份——我们在七个月后发布了产品。这七个月是真正艰难的过程：从一个时好时坏、充满魔力却大多数时候无法正常工作、不断崩溃的原型，走到一个高度可靠的、精心打磨的消费级产品，一个我们有信心向消费者世界交付的作品。这是一段漫长而相当痛苦的过程。

David： 在进入那个阶段之前，我想先回到一件事：你们在一到两周内做出了原型，然后展示给董事会——Mark在这整个过程中扮演什么角色？

Alexandr： 他和我们所有人一样，同步经历着这款产品带来的那种"狂喜与恐惧"。他在各种采访中都提到过这段经历：他把它用于家庭中的各种事务，跟孩子们一起使用，也用在了他的MMA训练上——让它观看自己训练的视频，让它给他提供改进建议。

那段时间，员工会议上甚至形成了一种风气——在Meta的很大一部分团队中，开会时大家都会分享各自在使用智能体时经历的奇妙故事，那是在二月份。

现在回想这整个周期，确实很有意思，因为Claude现象明显有一个峰值，然后就消退了。它没有持续下去，我认为很多人都经历过这种感受：有那些神奇的瞬间，但大多数时候它并不好用，各种问题层出不穷，然后慢慢就淡出了。

所以构建这款产品，很大程度上的核心课题就是：如何把它打造成一个真正可靠的消费者体验，让你有信心把它放在最终数十亿人面前，并且有把握大多数人都能获得出色的体验。

David： 为什么你们能做到，而Claude的开发者做不到？

Alexandr： 首先，我们非常尊重Peter Sainberger（原文为Seinberger，应为Sainberger，即OpenClaw/Anthropic创始人）以及所有为Claude做出贡献的人。我认为Peter绝对是一位有远见的人，他那颗美丽的大脑里能诞生出Claude这样的东西，是一种魔力。

让Muse如此出色，或许并不glamour的原因，就是把模型加产品的整体体验打磨到真正出色所需要的那种持续打磨和细节雕琢。我们在模型本身上进行了非常非常多的迭代。我们将整体的模型路线图，对准了构建个人超级智能这个大方向，具体来说就是个人智能体这个方向。

David： 多说说这一点，以及这如何让你们区别于其他竞争对手。

第五章：Meta为何押注个人AI

Alexandr： 回到那个时刻其实很有意思。如果你回到今年年初、二月份，Opus和Claude在编程领域遥遥领先于所有人，并且正在爆发式增长。那是Anthropic全面崛起、席卷整个行业的开端，那是一个非常令人警惕的时刻：哦，天哪，他们在编程领域的领先优势太大了——再加上他们有Mythos，领先优势十分明显。

当时业界的主流观点是：编程智能体是唯一重要的产品形态，或者说唯一重要的技术能力。整个行业有一种巨大的惯性，驱使所有人都去跟进这个用例、去跟Anthropic在编程智能体上竞争。

但正是因为我们的亲身经历，以及围绕个人智能体这一想法所形成的信念，我们选择退后一步来思考。我认为我们之所以一开始就做个人超级智能，也是因为我们相信Meta在这一方向上拥有独特的优势。

David： 我们现在就聊这个。

Alexandr： 我告诉Mark的第一件事——甚至在Scale和Meta的合作协议落定之前——就是：如果我们拥有AGI或ASI，Meta实际上是一家非常特别的公司。

AI的承诺之一是：我们每个人的生活中，都有"想做的事"和"不得不做的事"这两类事情。AGI的承诺是，我们将几乎不再需要花时间在"不得不做的事"上，因为AI会替我们处理大量这类事务，我们就能把所有时间花在"想做的事"上。而在我看来，Meta的产品代表的正是我们所有人"想做的事"：我用Instagram、WhatsApp或Facebook，这些产品让我追随自己的兴趣、爱好，关注我喜欢的人、我在乎的朋友。Meta的产品矩阵，恰好涵盖了"我们想要花时间的事情"这个领域。

从长远来看，Meta在这一切中是一个不可思议的赢家。这是我关于Meta和超级智能最早形成的信念之一，这些想法最终都融入了"个人超级智能"这一概念。

你可以从几个角度来看：一是公司的基因传承——Meta的传承是连接人与人的友谊和家庭，帮助人们发现自己的兴趣，这些都是非常人性化的东西。二是商业视角——Meta每天有35亿用户在使用其旗下应用，Meta注定要成功的自然领域就是消费者AI，而不是工作，不是编程，而是个人。

David： 对，确实如此。

Alexandr： 所以，个人智能体、个人AI和消费者AI，始终是我们认为Meta能够做出非凡贡献的领域。

由此，我们来到了2026年初：你们有了原型，获得了内部支持，所有人都知道Mark已经认可了这件事，然后你们开始了七个月艰难的产品打磨工作。

是的。当时有一层阴影笼罩着我们：个人智能体"来了又走"——我们始终认为那是因为体验还不够完美、还不够精致。但我们知道，这是我们在开发产品过程中必须认真对待的问题。

我们将模型开发路线图的首要任务之一，聚焦在构建个人智能体能力上。我们有一张很长的电子表格，列出了一百多项模型必须具备的具体行为和能力，才能支撑起理想的个人智能体。整个过程非常细致入微。随着时间推移，我们为所有这些项目建立了评估标准，弄清楚如何训练模型在每一项上都做到非常非常好。我们还会定期审查这张表格，找出我们做得不好的地方，确保持续改进。就是这样一个极其细致的过程，不断地打磨模型的每一个边角，让它能够支撑起整个产品。

David： 这也是Meta的文化吗？这种对产品持续打磨的文化？

Alexandr： 是的。Meta文化的很大一部分就是：一旦你知道该衡量什么，就有非常有才华的人去优化这些指标，打磨所有细节，把这些事情做到极致。在前AI时代的消费者产品时期，这体现在如何优化转化率、如何优化推荐率、如何优化新用户引导流程的每一个环节；在AI时代，至少从Muse开始，这很大程度上体现在打磨模型的每一个细节，使其完美契合产品需求。

第六章：Mark Zuckerberg对改进产品的执念

David： 你看过Jeremy Stern在Colossus上发表的那篇关于Zuck的深度报道吗？

Alexandr： 我看到了这篇报道。老实说，它太长了，我没读完。

David： 有15000字。我刚把Jeremy请上节目了，他是我最喜欢的作者。

Alexandr： 我看到那期节目了。我认为他现在是全球撰写企业家和投资人人物报道写得最好的人，真的是世界第一。

David： 在那篇报道里，Zuck谈到了他相对于Elon和Sam Altman的优势，他说：我的技能组合非常低调无聊，但我非常擅长组建团队，然后在很长一段时间里持续、缓慢地改进产品。相比Elon和Sam Altman，我不会失去对公司的控制权，也不需要再融任何钱，所以我可以就这样做很长很长的时间。你在聊这七个月打磨Muse的时候，那段报道就在我脑海里不断浮现。

Alexandr： 我觉得完全正确。这需要极大的耐心——七个月，也许听起来不算太长，但在AI时代，七个月相当于传统行业的十年。这对我们所有人来说都是如此。但我真的要给Mark很多credit，这需要很大的耐心、克制，以及对整个过程的信任。

你可以回去翻Mark在这整段时期——从二月份一直到九月份——每次财报电话会议上说的话，他都会提及我们正在构建个人智能体，我们也没有真正刻意隐瞒，我们在建，也在谈，但公司内部整个这段时间疑虑重重。华尔街主流叙事是：天哪，Meta烧了这么多钱，他们在AI上到底能不能成事？

David： 不止这些，更多的是：Zuck赢不了AI。这句话被反反复复说了很长时间。再回到Jeremy Stern那篇报道——他开始私下和Zuck的竞争对手聊，包括一位曾经在Zuck手下工作、现在去了竞争对手实验室的前研究员，那个人说："我不想和他们竞争，因为Mark就像……"我想那句话是"Mark就是那个该死的终结者"——他就是不会停下来。这位研究员还谈到了Zuck的一个超能力：他永远对产品的现状不满意，总想着持续改进；但他又不是那种会破坏团队化学反应的混蛋——他确实是个独裁者，但不粗鲁，不会伤害团队。他在报道里特别提到，团队凝聚力对他来说极其重要。

Alexandr： 我觉得这些都是真的。Muse最神奇的事情之一，就是我们花了相当长的时间来打磨所有细节，然后才最终推出产品。我认为个人智能体这个产品领域，是一个架在刀刃上的品类：如果它能可靠地创造这些神奇体验，它就有潜力成为有史以来最伟大的消费者产品之一。但你面对的是模型，面对的是非确定性的东西，面对的是可能出错、可能不可靠的智能体——一旦用户有了不可靠的体验，他们就会觉得这是垃圾。

这是一个需要把产品质量和价值做到某个临界点，才能真正引发广泛共鸣的事情。

第七章：Meta如何判断Muse已准备好发布

David： 我想多聊聊这个过程。我好奇投入了多少资源、团队有多大、有多少人参与其中。你们有没有数据，比如说：我使用Muse，九次是很棒的体验，两次是不一致或很糟糕的体验，然后我就流失了？

Alexandr： 你能从今年初几乎所有其他智能体产品上看到这种情况——几乎所有人都流失了，原因就是不可靠。

我们对Muse做了大量用户测试，组织了很多轮全新用户从零开始下载使用的测试，观察这个过程是什么感受。Muse的一个核心前提——我认为也是真正落地的地方——是它与大多数人体验过的消费者AI产品截然不同：它不是一个聊天机器人，它是一个智能体，能为你做智能体才能做的事情。对开发者来说，这可能是旧闻，他们已经使用智能体一段时间了；但对大多数人来说，仅仅是这个跃升过程就需要解释和非常周到的引导。

我们也确实做过不同模型版本的测试和持续的AB测试。产品体验对模型质量极其敏感——对模型完成任务的可靠性、与用户沟通的可靠性、在需要指引时主动确认的可靠性，都极其敏感。

David： 但你们怎么知道它已经准备好发布了？

Alexandr： 一部分是非常量化的：回到那张有一百多行的电子表格，我们为每一行设定了"发布门槛"和"良好标准"。我们有很多检查节点，绿色通过了80行，但20行仍然是红色——我们知道这还不够好。直到我们有了第一个在所有行都通过绿色的模型检查点——那是一个专门训练的Musepark 1.3版本。

这是非常量化的部分。还有体验层面的部分：我们试用了这个模型，能感受到它比之前迭代过的任何版本都好得多。

David： 回到你说的七个月，有多少人在做这件事，模型工作和产品工作加在一起？

Alexandr： 总共不到200人。在大公司的标准里，这其实很少。

回过头来看，我觉得这挺了不起的：整个高管团队、所有人都知道这可能是Meta今年最重要的产品之一，但我们组织上有那种克制——保持了一个真正小而专注的团队，没有让它膨胀成大半个公司都在参与的项目，因为我们知道这是一件单一的艺术品。它需要强烈的主见和专注，才能将其凝聚成一个完整而美好的体验。

David： 多说说这一点。为什么你把它称为一件艺术品，并且说需要单一的视角或主见？

第八章：为何伟大的产品需要单一视角

Alexandr： 我认为来自大型组织的产品，有一种常见的批评，而且这种问题现在也开始在很多AI实验室蔓延：产品会变成一个弗兰肯斯坦式的怪物——几乎像是Cronenberg式的大杂烩——由一堆不同人的视角、愿景和信念拼凑而成。这有点像PM地狱，每个产品经理都有一件他们想塞进产品里的事，最终全部混在一起，变成一杯混合了各种东西的奶昔。

作为用户和消费者，你能感受到这种差异——你能感受到一款产品是由很多不同的人做的，他们各有各的目标，然后生硬地拼在了一起。Muse必须做到完全相反：只有一个清晰的主见，一个我们要向世界呈现的完整统一的体验。

David： 我喜欢你说的这一点。这完全是巧合——我不知道这期节目什么时候会发出来，但我们录制这期节目的时间，正好是Steve Jobs逝世15周年。说到那种拥有单一视角的消费产品，你当然会首先想到Steve。我读过所有关于Steve和苹果历史的书，在我的另一个播客Founders上也做过大概15到20期关于他们的节目。我最喜欢用来描述Steve影响力的一句话是：苹果就是Steve Jobs拥有了一万条命。产品体现了他的品味、他的视角、他的主见——他想在世界上看到的东西，就是最终用户得到的东西。在Muse这个案例里，Nat Friedman功不可没——他的品味和审美感知，最终决定并塑造了这款产品的面貌。

David： 你们有公开谈论Muse的用户数据吗？

Alexandr： 我们说过"数以百万计"，我也转发过其他人发布的图表，那些图表暗示Muse是有史以来增长最快的消费者AI应用。

David： 但你不肯说具体数字。

Alexandr： 我们说了"数以百万计"。

David： 是啊，百万也可以是几亿，那也是百万。所以你只是没说前面那个修饰词。

第九章：用表情包让Meta重新变酷

David： 我想聊聊你在X上的状态——我是出于善意这样说的——你最近有点"不稳定"。自从Muse发布以来，你的公开发推风格有了明显变化，这是一种营销策略吗？这是在搞什么？

Alexandr： 这里有几件事同时发生。

David： 这肯定比你在Scale做的事有趣多了。

Alexandr： 肯定有趣。过去几周是我职业生涯中最快乐的一段时光，没有之一。有这么几件事在发生：

首先，我们觉得想办法让Muse突围很重要。现在是AI产品、创业公司、新版本、新功能不断轰炸的时代，对大多数人来说就是一股信息洪流。我们开过大型团队会议专门讨论这件事：我们需要突围而出——Meta有很强的分发能力，可以确保所有人都知道这件事，但这还不足以让它以一种有趣、有文化感染力的方式真正引起世界的关注。

碰巧，我在生活中认识了一些沉迷于网络梗图和互联网文化的朋友——我亲切地称他们为"我那些神经质的朋友"——他们整天都在思考梗图和互联网。

David： 我认识一些沉迷于Muse的人，他们也沉迷于你的X时间线，他们确信你有一百个Muse在帮你想梗图。

Alexandr： 实际上，X时间线上每一条推文都是我自己写的。有一段时间，我真的很难在开会时集中注意力，因为我脑子里一直会冒出梗图的想法，然后就忍不住想发出去。有一次我在跟同事吃晚饭，吃到一半我突然说："等等，我想到了！"然后就发了另一条梗图。感觉有点像当年做工程师解bug——你能感受到那种"这个会爆"的直觉。

第二件事，我觉得重要的是：我们怎么让Meta重新变酷？不知道为什么，Meta尽管拥有Instagram、Facebook这些无与伦比的文化软件，却在相当长的时间里不够酷。所以我想让Meta变得酷、有趣、有点好玩。

至于那种"放飞自我"的感觉，是随着时间自然发生的。Muse刚发布时，我主要是在分享各种有趣的使用案例，转发了几十个人的Muse使用场景。后来有一段时间，我发了几条没怎么想就发出去的推文，结果那几条反而效果很好。

David： 你有没有见过那个"思考时间越长效果越差"的规律？

Alexandr： 完全对上了。我有些推文真的没想多少，发完连手机都没看，几个小时后一看，"哇，这条火了。"然后我想起了一件关于互联网的事——虽然不是刻意的，但我记起来：互联网奖励风险，奖励意外，奖励人们意想不到的东西。于是我就放开了。

我很多同事对此有点惊讶。Nat有一句话，在那整个发梗图的周里，他在好几个会议上都说了同一句话："我以为我们会从中学到很多关于Muse用户的信息，学到人们如何使用Muse，但实际上我们只是学到了很多关于Alex大脑的东西。"

那段时间真的很开心，我感觉在调用我多年积累的互联网知识。我觉得这实际上对增长产生了真实的影响——这有点滑稽，虽然我们没有精确的追踪数据，很难确定。

David： 我肯定认为有影响。我到处都在听到关于它的事，而且我听说的那些人也都下载了应用，现在都在用。

继续说你之前的话——你们有分发能力，但这不代表你们能让人们真正回来、让产品真正有粘性。那么你们是怎么做到的？

Alexandr： 我认为关键在于：你怎么让用户尽可能早地抵达"哇，原来可以这样"的时刻？这款产品天然适合做到这一点，因为如果有人从来没用过AI智能体，它能做的很多事都会让你大吃一惊。

另一个关键是：如何捕捉那些人们拥有"哇"时刻的故事，并用这些故事来让产品传播得更广。

David： 但你们是怎么用这些故事的？你们也没有在打广告吧？

Alexandr： 我们投放了一些广告。但说实话，最开始就是我一直在转发有趣的案例——只要看到有人用Muse做了有趣的事，我就引用转发。

我一直搞不懂Anthropic和OpenAI的广告为什么做得那么差。记得Anthropic做过大规模户外广告，全是在讲他们自己；OpenAI也一样，广告里只有一个图标（我觉得大多数人都认不出那是他们的logo），然后写着"ChatGPT"，画面就是两个人坐在桌子旁。我在想这到底是什么意思？你们有那么多使用案例，广告只需要展示产品的好处，就这么简单。

David： 你有几百万个现成的素材，直接拿来跑广告就行。这种错误如此基础，却被反复犯，真的很有意思。

Alexandr： 我们在构建Muse以及在Meta做其他事情时，反复回到的一个问题就是：为什么别人会在意？他们不在乎你，不在乎你的公司。每个人都是出于自身利益行动的。

有一本很老的书叫《科学广告》，写于二十世纪初，作者是Hopkins，是一位顶尖的文案撰稿人，曾经是二三十年代最赚钱的广告公司创始人之一。他在书里说：这不只是关于广告，而是关于不会改变的人性。他的核心观点是：你的广告在谈论你自己，谈论你的产品，谈论"我有这个东西，来买吧"——但人们对这些不感兴趣，他们都是自利的。你只需要做一件事：展示这件事能为他们做什么，以此开头。那些汲取了这些写于二十世纪初的想法的人，在五六七十年代乃至今天，都凭此建立了庞大的公司和广告帝国。

Alexandr： 对，完全正确。几个关键洞察是：第一，世界上大多数人不在乎OpenAI或某某研究，不在乎这些公司或我们的研究，他们在乎的是这能为他们做什么。我们还有一个礼物，就是那个吉祥物——那个小小的欢乐角色。

我记得那条让我意识到"这个有搞头"的推文：我开车上班途中，用Muse生成了一张小人儿拎着公文包的图，然后发了条推文："MFW（My Face When）周一去上班"。我当时就觉得这是我近期最好的推文之一，然后我意识到，可以把他放进各种各样的情境里。

我还意识到，怎么创造出与你见过的任何其他产品营销都截然不同的惊喜时刻。我不记得上次有人用大胆的梗图来营销一款产品是什么时候了，我甚至不确定有没有人这样做过。但我感觉：哇，这是一件我们可以用这个小家伙来做的事，这是有趣的，这会引发普通人的好奇心。

第十章：与AI智能体建立信任

David： 好，但这也许能让他们了解产品，甚至下载应用。但应用装到手机上之后，你怎么让他们持续使用？

Alexandr： 真正爱上这款应用的用户，会经历一个循环——我们早在二月份就观察到了这个模式：你先给它一个小任务，它做到了，你想："哇，它做到了。"然后你给它一个稍微大一点的任务，它也做到了，你想："哇，它能做那个，也能做这个。"然后你给它一个稍微更复杂的问题。这有点像和AI智能体之间的信任跌落游戏——刚开始你不太信任它，但你很好奇，所以你给它一个小小的尝试，然后稍微更大一些，再更大一些。

我跟大学生聊的时候，有些人使用AI的方式已经是完全的信任跌落了：他们就是录语音、把想法全部倾倒给AI，然后信任AI去整理所有想法、给他们清晰的计划和行动项目。我认为成功的Muse用户，关键就是让他们进入这种信任跌落的过程，先用它做一件事，再一件更大的事，再更大，并且每一次都成功。

David： 我很好奇这在多大程度上是口碑驱动的。显然，和你聊完我无论如何都要下载这个应用。但真正让我产生兴趣的，是一个朋友给我发来的截图，展示他在用Muse做什么。他把身份证落在一架FlexJet飞机上了，然后他对Muse说：我不想参与这个过程，你来想办法把这张身份证取回来，我的身份证在那，我在这，帮我把中间所有步骤都想清楚。然后Muse安排了快递，把身份证取到了，还通过了他的安保系统，送到了他办公室。这就是最好的营销：只是三四张截图，来来回回，他说"我不想参与，你来搞定一切"，然后Muse一步步把事情搞定了。

Alexandr： 是的。现代产品营销在很大程度上是由截图驱动的。一款现代消费产品，必须能在截图中说话——截图必须能传播，无论是通过群聊、口碑还是社交媒体。我认为这一直是一个重要的驱动力。这不是刻意设计的，但我觉得截图中那个小人儿的存在是个大事——有Jolly或者你的Muse形象出现在截图里，立刻就传达了"这是一张Muse截图"，这是你能拥有的最好的营销。

第十一章：人类野心的未来

David： 那么你自己整天都在用Muse吗？你个人的使用习惯是什么？

Alexandr： 我主要是设置了很多工作流，然后在会议间隙使用。我在工作中本应认真听、认真参与和他人互动，所以实际使用上，我设置了一堆工作流，把它当作一个"第二大脑"来用。

David： 你在写的那篇文章里说过这个，那篇文章很短，上次看的时候已经有550万次浏览了。你形容Muse的方式非常好——"如果每个人都有一个超越自身的第二思维"。我认为这从哲学层面上来说，是关于"当你拥有强大的AI时，做人意味着什么"最有趣的问题之一——那种关系究竟是什么样的，不同的人有不同的想象。最让人担忧的场景当然是AI凌驾于我们之上，我们只是被动跟随。但在你说下去之前，你自己的看法是什么？

Alexandr： 我真的相信Muse，相信个人智能体作为一种长期产品形态。人类天生就有欲望、愿望和梦想，这是人性。我认为AI和个人智能体，比如Muse，将成为让我们实现这些梦想、不断实现梦想的机制和桥梁。然后人类会梦想更大、更大、更大。孩子们会梦想拥有自己的星系，然后Muse帮他们实现那些梦想。

Bezos在某封股东信里写过一句话，大意是：消费者最美好的品质是他们永远对现有的选择抱有"美好的不满足"。我认为这是我们与AI关系的一种模式。还有其他模式——我认为AI将越来越多地参与科学发现的过程，越来越深地嵌入经济的各个部分。但我确实相信这种形态会长期存在：每个人都有一个AI支持他们去追求自己想要的东西。

David： 所以你把AI看作是能移除"生活中的累赘"的东西，对吧？那些我们不想做的事情。你在那篇文章里说，世界充满了守门人和障碍，而Muse可以帮你绕过这些，不再耗费你更多的时间，让你真正专注于你想做的事情。

Alexandr： 我认为Muse能给每个人那种他们在童年时梦想过的成年生活。每个孩子都有宏大的想法和梦想，当他们想象自己的人生时，他们会想象成为宇航员、拯救地球、改变世界——他们想得很大。

但出于种种原因，当人们完成学业、进入职场、在某个岗位工作了一段时间之后，那些希望、雄心和做梦的能力，就被慢慢抽空了。

David： 不是抽空，是被打烂了。生活把它们从他们身上打走了。作为成年人，我认为我们都低估了自己有多像行尸走肉的程度。我们失去了主体性，失去了——我认为"雄心"是个很好的词。AI广泛意义上的承诺，也是通过Muse这样的产品能给的承诺，就是让这种状态从童年就延续下去：小时候有大梦想，用AI来帮助实现，然后梦更大、再实现、再梦更大，在整个人生中体验一种不断上升的主体性——而不是主体性丰盛然后被碾碎。

Alexandr： 你刚才说的让我想到，你之前提到了你和Nat经历的那次令人不安的AI心理审查，来一波一波的深度心理探测。那要是反过来呢？不是那个，而是真的给你更多自信——让你明白世界是可塑的，你用足够的精力和驱动力去追求，你真的可以改变身边的世界。

我认为这是最厉害的创业者所展现的特质：他们梦大，实现了，再梦更大，也许在某个方向上耕耘十年，实现了，再梦更大。Elon显然是一个典型，Mark也是。很多标志性的创业者都有这样的亲身经历。我认为这应该成为每个人的常态。

悲剧性的地方在于，对大多数人来说：你有更大的梦想和想法，进入了企业职场，慢慢变成行尸走肉，某个时候你想重新去追求梦想，但真的太难了，因为你有那么多承诺——也许有了家庭，也许有各种牵绊——你几乎陷入了那种"行尸走肉"的状态，难以自拔。

还有一件关于Muse的事，在我们聊到Scale AI以及你与Meta合作的决定之前，我想先说。你在那篇文章里写道："迄今为止，世界是由少数以某种方式让自己的意志成为现实的狂热者所塑造的，但我们从未见过人类在每个个体的主体性都完全开启的状态下是什么样子。"

我认为我所描述的那个世界——每个个体的主体性都在一生中不断增强、都有能力实现自己的愿望和梦想——会以一种非常美好的方式变得疯狂。它会很有意思，充满艺术性和酷劲，走进世界的不同角落，会非常多元，简直难以想象：几十亿人突然因为充裕的智能资源而拥有了创造非凡事物的能力。我认为这就是承诺的一部分。在我脑海中，它有点像《瑞克和莫蒂》里的跨维度有线电视，以某种方式真实地在人类世界中显现出来——那会真的非常了不起。

David： 我一直在脑海中回响那部动画的一句台词：宇宙会吃掉聪明人。

第十二章：改变一切的那通Mark Zuckerberg来电

David： 好，我想往回追溯。我个人很好奇的是：你创立了Scale AI，在运营Scale AI，然后有一天Mark Zuckerberg联系了你，说——我假设他说的是——"嘿，能打个电话吗？"能告诉我这是怎么发生的吗？

Alexandr： 我想那条消息大概就是："嘿，你有时间打个电话吗？"

David： 你之前和Mark有过交情吗？有没有花时间相处过？

Alexandr： 我有一个朋友叫Alex Schultz，其实从Scale差不多一岁的时候就认识他了，那是在旧金山认识的。他现在是Meta的首席数据官，之前是Meta的长期高管。他在大概2021年或2022年把我介绍给Mark，那时Mark对AI越来越感兴趣，Scale也在AI领域做了很多工作。

我记得从介绍到第一次见面被安排下来，大概花了整整一年时间。为什么这么久？Mark的日历显然是极度繁忙的，他有无数事情要处理，而且他非常擅长排优先级——他会在真正重要的事情上花大量时间，有时候甚至花太多时间。他能做到这一点，同时还能做一个好父亲、好伴侣，唯一的方式就是无情地排优先级。

后来我们又见过几次，我会找他请教，能从Mark Zuckerberg这里得到建议，当然是非常了不起的事。我记得那时候，我在WhatsApp上问他问题，他会回非常长的消息，我当时很困惑：他怎么有时间写这么长的回复？后来我才明白，他只是写得极快，对大量WhatsApp消息都能快速写出严密而详尽的回复，这是他令人印象深刻的一项能力。

Meta是Scale的重要客户，在这次事件之前，我们大概每六个月左右交流一次，这是我们互动的频率。然后是那个电话，一开始并不清楚最终会走向何处，因为第一次对话只是——那是在Llama 4之后——大概就是在问：你觉得我们该怎么做？

David： 为什么强调这次对话发生在Llama 4之后，这很重要吗？

Alexandr： Llama 4没有走在Meta希望的轨道上。那在内部确实是一次挫折，而且是在AI明显变得越来越重要的时间点——AI显然将会对Meta的未来至关重要。

最初几次通话是电话交流，他有点像是在征求意见：你觉得我们该怎么做？你觉得我们该专注在哪里？

David： 这与我私下听到的关于他的说法相符——他有这套令人惊叹的世界级创业者顾问网络，不完全是Meta董事会，尽管董事会里也有些人参与其中。我听说过他不断向这些人寻求建议，发消息说："这是我面临的情况，你会怎么做？"一遍又一遍地这样做。我认为这是非常了不起的品质，因为这需要谦逊——在他已经取得了那些令人难以置信的成就之后，依然能继续这样做。

Alexandr： 从他第一次联系到我们宣布合作，大概只有五六周时间，相当快。

David： 这也是世界级创业者的共同点。我们有Jonathan Ross，Grok的创始人，第一次公开谈到与英伟达那笔200亿美元合作的就是在我的节目上，他说："从Jensen第一次打电话到钱打到账户，只用了三周。"

Alexandr： 那很厉害。我当时对Meta的AI战略有很多想法。最早的一个想法就是我之前说过的：Meta从基因上来说是专注于人们"想做的事"的公司，在这场AI大变革中，它实际上是定位最为特殊的公司之一。我向Mark传递了大量想法，与此同时，也在进行另一条并行对话："也许我们可以考虑是否有合作的可能。"

David： 所以当他说这句话的时候，这对你来说是完全出乎意料的。

Alexandr： 完全出乎意料。整件事就像一连串疯狂的事件。当时我心里想："哦，这挺好的，但不可能……"

David： 当他们说"我们得想办法合作"，你知道这意味着什么，对吧？就是收购。他们总是这么说，"我们得找到合作的方式。"

Alexandr： 我当时大概还没有这种意识。我当时心里想："也许他只是在探探风，说说而已，但这真的合得上逻辑吗？"

David： 为什么你当时会觉得不合逻辑？

Alexandr： Meta标志性的收购是Instagram和WhatsApp，都是非常清晰的产品逻辑驱动的决策。而Scale是一家深度企业级、政府级销售的公司，是一种与Meta完全不同的商业模式。所以我当时想到的逻辑是：如果Meta想进入那些领域，那也许说得通，但这次并不是那种情况——Mark显然主要感兴趣的是让Llama项目和整体AI项目上轨道，他要的是人才。

David： 是的，他要的是人才。整件事一直笼罩在某种模糊和不确定性中。

Alexandr： 什么时候变得清晰了？当我们开始谈数字的时候，我想："哦，好吧，原来是真的。"那时候事情才变得清晰。

第十三章：离开Scale AI，加入Meta

David： 一开始你还在想"这说得通吗"，然后你们继续谈，他是怎么用多快的时间说服你这是一条好路的？

Alexandr： 部分原因是这个交易结构本身就很令人着迷。我们最终落地的方案是：Meta投资并持有Scale 49%的股份，Scale继续独立运营，我和几个人加入Meta。

我当时对这个方案有点不可思议，因为它是一种很奇特的交易，但我认为这真的是一个"三赢"的设计：Scale的股东们得到了一个很好的结果，Scale继续存在，而我真的相信Scale最好的日子还在前头。

David： 我好奇的是，他能在一个电话里就让你转变想法吗？还是说这更像是"Mark，我得想几天，这太疯狂了"？

Alexandr： 是好几个星期都在想："这是真的吗？这说得通吗？如果说得通，我对这件事怎么感受？"主导情绪是：这太疯狂了。然后随着我开始认真考虑是否要做这个决定，那本身就很不简单。Scale内部的同事、我们的投资人，有很多重要的对话要进行。

放弃或者说交出你的"孩子"，当然是非常艰难的。你在Scale做了多少年？

从创立到……九年。而且你还很年轻，还不到30岁，这差不多是你人生的三分之一。

Paul Graham有一句说了很久的话：如果你把公司视为自己毕生的事业，你的行为方式会截然不同。我确实真心把Scale当作我的毕生事业，在我做Scale的整段时间里都是如此。那是一个很艰难的情感过程。

但最终让我想通的，是几方面的结合：这真的是一个对所有各方都好的结果，同时我也看到了在Meta可以发生的事情的潜力。而那时候，Meta在AI方面确实看起来有点"烂摊子"，可能不是最吸引人的AI工作地点——但这恰恰触发了我内心的创业者本能：你基本上可以重建它，就像重新创立这个实验室一样。

David： 是的。正因为有这么多工作要做，反而为你清理出了空间，让你能够从零开始搭建很多东西，确立正确的原则，建立正确的文化，为打造非凡的东西创造了条件。

第十四章：从零重建Meta AI实验室

David： 你和Mark是这样讨论的吗？就像"我们需要在这里按下重置键"？

Alexandr： 他看起来不像是想要小修小补。他的态度就是："这条路走不通，彻底推倒重来。"确实是这样。整个对话是不断演进的。我非常坚定地相信一件事——Elon在他职业生涯的不同阶段也证明了这一点——就是：你只需要一支极小的、极厉害的、高度技术化的、非常扁平的团队，做到这一点，你就能非常非常快地取得很大的成就。

这是我非常有信心的一件事，在AI领域尤其如此，这是正确的方式——特别是在我们面临必须快速移动的情况下。这是我早期与Mark谈论很多的事情之一，我认为他也为之兴奋，最终成为我们整体战略的核心支柱之一：小而扁平的、高度技术化的团队，极高的人才密度，在这些前提下能移动多快。

David： 从外部来看，Mark的做法就像是"倾囊而出"——我就是这样理解他的。你读过《拿破仑的思维》这本书吗？

Alexandr： 没有。

David： 那是1957年出版的书。我是因为一次采访找到它的——我想是Tyler Cowan采访Sam Altman，问他那年读过的最重要的书是什么，他说是《拿破仑的思维》。这本书很难找，300页全是拿破仑自己的话，按主题分类整理。书里他反复强调：犹豫是致命的。但他也说，在采取行动之前，会进行大量深思熟虑，从每个角度审视，确保做出正确的决定。我觉得Mark的运作方式有一种回响：做很多深思熟虑，确保走在正确的路上，但一旦做出决定，就全力以赴，毫不犹豫。我感受到这种回响，就在这个时刻——他来找你，然后你们开始重建整个组织。

Alexandr： 我认为他真的内化了"失败不重要，重要的是赢的时候赢多大"这一信念。这种底层逻辑，让他能够在很多情况下真正无所畏惧地行动，因为他非常坦然地承担大量风险。

David： 他有句很精彩的话：在一个不断变化的世界里，最大的风险是什么都不做。

Alexandr： 是的，他确实深刻地内化了这一点。当然存在一种平行世界，Meta看起来更像谷歌，更慢、更官僚，作为公司看起来非常不同。但正因为他如此深刻地内化了这些教训，才让整个机体保持动态、保持活力、保持生命力。

第15章：从创始人到教练

David： 你曾是Scale的创始人，亲手运营公司；现在又在重建这个实验室，与Mark共事——这两种环境下，你的工作方式有何不同？

Alexandr： 在Scale的时候，我深刻内化了一个理念——虽然已经记不清这个建议来自哪里——那就是：如果你想成为一名优秀的创始人，你必须能够胜任每一个岗位。我对公司里每一件小事应该如何运转都有非常强烈的主张。这造就了一家在很大程度上是我个人努力和个人视角的产物的公司，这种风格渗透到公司的方方面面，但同时也让我在很多重要环节成了瓶颈。这对一家公司来说有利有弊。

我认为，如果你是第一次创业，绝对应该采用这种方式，因为它成功的概率远高于不这样做。Scale是我的第一家公司。

David： 对。

Alexandr： 但在Meta，情况完全不同，因为我们必须在极短的时间内完成极多的事情。我没有那种余裕去"胜任每一个岗位"。我本来也不是AI研究员，也不是产品设计师，也不具备那些对组织成功至关重要的各种专业能力。

所以在Meta，我采用了一种完全不同的理念——核心就是：我们如何创造一个环境，能够吸引到各领域顶尖的杰出人才？招募最优秀、最卓越的人是第一要务。

David： 你为什么觉得自己在Meta能做到这一点？仅仅是因为资源更充裕吗？

Alexandr： 我认为，MSL创立初期之所以极具吸引力，在于它提供了一个从零开始、用一支极小的团队打造实验室的机会，而且我们拥有清晰的方向——个人超级智能。这个方向与很多人产生了共鸣。我认为所有从事AI工作的人，都希望它真正帮助到普通人，希望它对自己的妈妈、外婆、爷爷意味着些什么，希望它对世界上每一个人都有实际意义。

同时，由于我们是依托Meta的资源来做这件事，我们不会受限于算力，不会受限于基础设施，不会受限于分发渠道——这些恰恰是初创公司最常见的瓶颈。但这又是一个真正能留下自己印记、施加深远影响、亲手塑造的机会。我认为这对很多人来说相当令人兴奋。

David： 所以这就是为什么Mark愿意花看似天文数字的钱来招募少数顶尖人才——因为他知道这些人才反过来会吸引更多顶尖人才。但你需要这个起点。

Alexandr： 完全正确。还有一点可能被低估了：OpenAI和Anthropic的股价涨幅非常大，所以如果你考量这些人留在那里能赚多少，其实也是相当可观的数字。对很多人才来说，薪酬方面最终可能差不多持平。当然，我们常常忽略了那些早期加入这些实验室的员工和研究人员，他们的股票已经增值了多少、他们现在的薪酬水平是什么样的。

我们创立MSL的信念只有两条：第一，招募最聪明、最卓越的人；第二，个人超级智能——如何在Meta和MSL创造一个让大家做出最佳工作的环境。

在Meta，我做的更像是传统意义上的管理工作。我一直在思考的核心问题是：如何创造一个环境，让这些才华横溢、极为特别的人，都能充分发挥自己的天赋？我更多地扮演着一种教练的角色，而在Scale，完全不同——我是那个"作者"，是那个需要把自己的视角贯彻到我们所做一切事情中的人。

David： 跟我多说说这种"教练感"。

Alexandr： 我认为我的工作，一是帮助确立北极星和前进方向——也就是个人超级智能、赢得消费者AI赛道、打造对每个人都有意义的AI；二是在团队中发现特殊的人才，然后给予他们充分发挥才能的环境和资源。

大公司经常犯的一个错误是：优秀的人才明明在那里，却得不到施展拳脚的机会，所以他们往往会选择离开，去更小的公司或初创企业。

David： 你之前提到了Jeff Bezos的股东信。这也是他反复强调的观点，在我读过的关于他的书和他自己的股东信里都有——如果优秀的人无法构建东西，他们就会离开。

Alexandr： 确实如此。AI是一件非常特殊的事情。"研究"这个词现在听起来好像已经失去了它本来的意义，但从定义上说，人类还不知道这些模型的能力边界在哪里，也不知道用它们能做出什么。它们真的是我们尚未完全理解的未知存在。所以这真的是科学，真的是研究——我们在探索这项技术的极限，探索能用它构建出什么，这个过程需要大量的试错，需要聪明人迸发出非凡的洞见。

这不是一个可以用极度高压、极度密集的工作方式来推进的过程。人们需要空间、时间和资源才能做出最好的工作。我在很多维度上都这样思考。比如Nat Friedman，他绝对才华横溢——如我之前所说，如果说Muse有一个人的核心视角贯穿其中，那就是他。现在重要的是让他处于一个能够充分表达这一切的位置。我们还有一些出色的研究人员，他们有着非常令人兴奋的想法——如何创造一个环境让他们能够尽情探索？大多数尝试不会成功，但其中一些会取得惊人的成果，这些成功的案例足以证明所有投入都是值得的。

有两种问题，或者说两种模式：一种叫钻石挖掘，一种叫建摩天大楼，取决于你所做事情的回报分布。有些领域的分布是超级幂律的——你做的大多数事情几乎没什么价值，但少数事情可能比其他所有事情加起来还要值钱一百万倍。风险投资就是典型的钻石挖掘行业——一切都在于识别那些特殊的想法并将其贯彻到底。

这说起来容易，去你19岁生日派对看看就行了。

第16章：Alexandr 19岁生日派对上的未来亿万富翁

David： 哈，这真是太难以置信了。听众里有些人不知道我刚才在说什么——你能简单说说你的19岁生日派对上都有谁，以及为什么投资那桌人会是一笔好买卖？

Alexandr： 这真的是件很疯狂的事情。我19岁生日派对那会儿，我还是MIT的大一新生，那是一月份，我正在一家叫HRT的交易公司做冬季实习。我们大概有十来个人，十二个左右，几乎都是哈佛或MIT的学生，大多数人之前就因为各种数学、科学或计算机竞赛而相互认识了。

其中有Jeffrey Yan，后来去创办了Hyperliquid，非常成功；Scott Woo后来创办了Cognition，也非常成功；还有一个人是Jesse Zang，创办了Decagon，同样相当成功；另一个人是Vicky Yei，我认为是一位非常出色的研究人员，现在在Anthropic工作。所有人都极其优秀。

我最近还和HRT的创始人聊了聊——HRT本身现在也发展得非常厉害，令人难以置信。

David： HRT是做什么的？

Alexandr： HRT是一家自营交易公司，用自己的钱进行交易。2020年第二季度，他们创下了110亿营收、大约80亿利润的记录数字。这家公司员工不到一千人，真的令人叹为观止。我最近和HRT的创始人见面，他们说在考虑做一些私人投资，我就说："直接投那些实习生吧，给所有实习生开种子轮支票就行了。"

我从小参加数学、科学和计算机竞赛及奥林匹克竞赛，在这个圈子里认识了来自全美各地的各种人。看着当年一起参加比赛的那些人如今如此成功，真的有一种很超现实的感觉。

第17章：钻石挖掘 vs. 建摩天大楼

David： 未来几十年看你们这群人会怎样，一定很精彩。刚才我打断你了——关于钻石挖掘和摩天大楼，你还有什么想补充的？

Alexandr： 核心就是：它的回报是幂律分布的吗——少数事情的价值是投入的一百万倍——还是更像建摩天大楼那样？我会把数据标注或数据业务归为后者，亚马逊Prime的配送也是类似的例子：回报相对线性，你必须建立一套流程，把它做到极致。

如果你在建摩天大楼，那就是一门高度运营的生意，一切都在于把每一分效率都从流程中榨取出来——想办法让它再提升2%，再提升1%，再提升0.5%，不断优化。

而钻石挖掘则完全不同，就像是说："好了，大家各自去探索，去尝试所有疯狂的想法"，然后你只需去培育那些看起来有希望的想法。

David： 你现在在Meta做的就是这个感觉？

Alexandr： 是的，这就是我在Meta的感觉。而建摩天大楼，总体来说是我在Scale时候的感觉。这是一个很根本的范式差异。

第18章：为什么Alexandr有超过200个直接下属

David： 回到管理方式的差异——你在Meta和Scale的管理方式根本不同。你为什么有那么多直接下属？好像有100多个？具体是多少？

Alexandr： 超过200个。

David： 怎么会？为什么？

Alexandr： 回到MSL的创立理念——我们想打造一个怎样的实验室？核心思路是：如何保持极高的人才密度？如何让这些优秀的人在这里做出最好的工作？如何建立一个以技术为核心、让技术人员真正能发挥潜力、甚至完成毕生心血的组织？

围绕这一点的设计原则之一就是：极度扁平化。实际上，所有加入TBD这个团队的研究人员都直接向我汇报。这更多是一种宣言——TBD就是反官僚主义的象征。我们招募的都是才华横溢的人，他们在职业生涯中已经清晰证明了自己能做出卓越的工作。我不需要对他们事无巨细地管理，他们完全能够自主完成出色的工作。

但我们确实需要技术领导力。一部分人负责为各自的小组设定清晰的技术方向。我们有一种"Pod"结构——各个Pod都有技术负责人，在技术决策上拥有最终拍板权。所以技术领导层是存在的，但从"人员管理"或官僚体系的角度来看，我们就是反官僚主义。

另一方面，我们确实会做很多集体决策。这是一个人才极度密集的团队，每个人都有精彩的见解，我们希望通过辩论和讨论找到大家共同认为最正确的前进路径。所有人在实验室里都做出过卓越的事情——我们希望听取所有人的意见。

这当然是一种非常规的管理方式。如果说我是超过200人最好的管理者，那显然是在撒谎。但重点在于——他们根本不需要管理者，他们需要的是一个好的环境。

他们都极其聪明，都有超强的能力，只需要给他们施展的空间就够了。

David： 所以也许不是"教练"。你更像是一个好环境的守护者，让他们能做出伟大的工作。

Alexandr： 对，正是如此。

David： Alex，今天真的很精彩，感谢你抽时间来。

Alexandr： 谢谢。

本文来自华尔街见闻，欢迎下载APP查看更多

这距离模思智能上一轮融资公开披露约半年。今年4月1日，上海未来产业基金公众号披露，模思完成数亿元天使轮，由上海未来产业基金与IDG资本领投。

模思智能成立于2024年11月，总部位于上海，孵化于上海创智学院与复旦大学OpenMOSS团队。OpenMOSS官网目前将上海创智学院、复旦大学NLP实验室和模思智能共同列为参与方。创始人、首席科学家邱锡鹏为复旦大学特聘教授、上海创智学院副院长，2023年2月带领团队发布开源大语言模型MOSS。联合创始人兼CEO李世民是其在复旦指导的2022级硕博连读生。据公司官网信息，团队博士占比约50%。

MOSS之后，团队的研究逐渐从文本延伸至语音和多模态。2023年的SpeechGPT探索离散化端到端语音交互，2024年的AnyGPT进一步尝试将文本、语音、图像等模态纳入统一的离散Token体系。

同期，文本以外的基础模型也出现了大额资本交易。9月28日，AMD宣布与空间智能公司World Labs签署最终收购协议，交易对价约82亿美元，预计年底前完成，仍需满足监管审批等交割条件。World Labs主要开发可生成、重建和模拟交互式3D世界的空间智能模型。

两家公司技术路线并不相同，融资与并购也不能直接比较，但World Labs至少提供了一个同期参照：文本之外的基础模型资产，同样可以获得大额资本投入。

按模思智能的规划，本轮资金将主要投向两个方向：一是全模态实时交互智能，让AI在眼镜、汽车、家庭终端等场景持续获取和理解多模态信息；二是AI for AI，让AI更多参与数据生产、筛选和模型迭代。

成立后，模思智能延续了OpenMOSS团队的开源路线。公开仓库记录显示，MOSS-VL在4月发布首批Base和Instruct版本，7月推出实时视频理解版本MOSS-VL-Realtime，随后陆续开放量化版本和技术报告，并接入SGLang等开源工具链。语音识别模型MOSS-Transcribe-Diarize目前在Hugging Face已有十万级下载，并在第二届MLC-SLM语音挑战赛中获得第一。7月，模思API平台开启公测。

不过，开源社区的活跃度与商业转化仍是两回事。在此次融资披露中，模思未公布具名客户，也未披露收入、订单或付费客户等商业化数据。性能方面，MOSS-VL-Realtime公开披露在PA@OmniMMI测试中取得66.0分，并已发布技术报告，但目前公开信息中，尚未见其与GPT-4o、Gemini等主流实时多模态模型在统一测试条件下的直接横向比较。

本轮投资名单中还出现了多家国资背景机构。上海科创基金、徐汇资本、临港策源基金等均具有上海地方国资背景，上海国投旗下上海科创集团则继续投资。公司未披露本轮估值、融资对应股比及董事会安排，仅凭融资金额无法推断公司的具体估值。

融资公告中，模思智能还预告实时交互系统MOSS Live即将发布，由前端交互模型与后端能动性模型协同工作。对这家成立不到两年的公司而言，接下来更可验证的指标，是MOSS Live发布后的实际交互表现，以及API平台能否形成付费客户和收入。

本文来自华尔街见闻，欢迎下载APP查看更多

根据台积电日前宣布的与格罗方德的协议，台积电将委由格罗方德在美国纽约州生产CoWoS所需硅中介层，预计2028年上半年逐步放量，相关协议长达五年，总金额高达20亿美元（近新台币640亿元）。

机构认为，这笔长约透露AI催动先进封装对硅中介层需求强劲，台积电为确保硅中介层产能无虞而扩大委外释单；签订硅中介层供应长约，等于是看好硅中介层后市，凸显AI封装关键零组件需求持续扩大。

台湾两大成熟制程代工厂联电、力积电正积极布局硅中介层并加速扩产。台积电把最大一笔委外订单交给美系代工厂，让硅中介层供应在台湾本地产能之外，新增了一条美国本土的生产来源。

一笔20亿美元长约：硅中介层走向纽约州

硅中介层是串接AI处理器与高频宽记忆体（HBM）的重要桥梁，透过高密度线路，让不同晶片在同一封装内高速传输数据。随着AI晶片整合更多记忆体与运算单元，封装面积及互连需求同步提升，带动中介层技术与产能需求。

台积电此次选择由格罗方德在纽约州生产硅中介层，是其先进封装扩产与外包策略的延续。此前台积电CoWoS产能已连续三年翻倍，并将CoWoS中的CoW工序外包给日月光等封测厂，以应对AI芯片需求爆发带来的产能压力；如今把硅中介层这一关键环节也纳入委外，进一步将产能触角伸向美国本土。

委外动机：确保产能无虞，五年长约锁定供应

机构认为，这透露AI催动先进封装对硅中介层需求强劲，台积电为了确保硅中介层产能无虞，扩大委外释单。

市场分析人士另指出，台积电与格罗方德签订硅中介层供应长约，等于看好硅中介层后市，凸显AI封装关键零组件需求持续扩大。为期五年的协议，则为双方提供了稳定的产能与订单预期：

对格罗方德而言，是其纽约州产能切入AI先进封装材料领域的标志性订单；对台积电而言，可在自身扩产之外，为硅中介层供应增添一份长期保障。

联电与力积电：扩产正热，增量空间迎美系竞争

联电投入硅中介层多时，正积极扩产，月产能将由3000片倍增至6000片，以因应客户先进封装需求。其技术涵盖硅中介层、深沟槽电容、晶圆级混合键结及主动式中介层，其中导入深沟槽电容的2.5D封装方案已出货予主要客户，主动式中介层也与多家客户进行验证。

力积电则以"3D AI晶圆代工"为转型重点，将记忆体制造与成熟制程优势延伸至硅中介层、硅电容及晶圆堆叠，今年已展示中介层、整合型被动元件硅电容与3D WoW DRAM堆叠技术；在产能配置上，规划运用P3厂等既有资源扩大中介层布局。

两家台系厂商同步抢进硅中介层商机，正是押注AI封装需求的持续扩张。但台积电此次把20亿美元、为期五年的订单锁定给格罗方德，意味着这一环节未来五年将有美系产能参与供应；对正处于扩产期的联电、力积电而言，硅中介层增量订单的争夺，将不再局限于台系厂商之间。

台积电10月15日将举行第三季法人说明会（即财报电话会），先进封装产能规划与委外策略的进一步细节，将成为市场关注焦点。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台，高盛最新研究报告显示，自2025年初DeepSeek时刻以来，中国AI相关上市公司已通过股价上涨和IPO合计创造近5万亿美元市值，AI股票目前占A股和H股总市值的42%、成交额的57%，成为主导中国资本市场的核心叙事。

高盛在报告中将中国AI投资机会明确划分为两条主线：一是出口导向型AI企业，作为西方AI资本开支热潮的受益代理；二是内需驱动型国内AI龙头，受益于中国本土AI生态建设与政策强力支持。高盛认为，尽管地缘政治与贸易政策风险犹存，两条主线均具备可观的投资价值。

在市场影响层面，高盛数据显示，中国AI出口商自2025年初至2026年6月累计回报达126%，但自6月底全球AI股回调以来已从高点下跌23%；而国内AI企业在此轮调整中表现出更强韧性，相对跑赢约10个百分点。高盛同步更新了包含50只个股的"中国精选AI组合"，该组合自2025年2月成立以来累计上涨33%，夏普比率达2.23，显著优于MSCI中国指数的0.74。

AI重塑中国股市：近5万亿美元市值凭空而生

DeepSeek的横空出世标志着中国AI投资叙事的历史性转折点。据高盛统计，自2025年初至今，中国AI相关上市公司市值增量接近5万亿美元，其中股价上涨贡献约2.8万亿美元，IPO贡献约2万亿美元。

从市场结构看，AI主题对中国股市的渗透程度已大幅提升。AI股票占全部A股和H股市值的比例从2024年的约20%升至当前的42%，在成交额中的占比更高达57%，IPO融资额占比亦从2024年的4%跃升至2026年迄今的13%。

从盈利基本面看，中国AI企业与非AI企业的分化同样显著。高盛数据显示，中国AI企业2023年至2028年预期每股盈利复合增速为16%，而非AI企业仅为4%。在全球AI股权宇宙中，中国AI企业市值约为7.6万亿美元（按AI业务敞口加权），占全球AI市值约10%，占全球AI收入约24%，占资本开支约14%。

中美AI双极格局成形：中国补强内循环生态

高盛报告指出，全球AI双极格局的叙事正在投资者中获得广泛认同——以美国为核心的AI生态系统与以中国为核心的AI生态系统并行发展，背后驱动力涵盖地缘政治、国家安全与经济增长等多重维度。

中国在全球AI供应链中已占据举足轻重的地位。在稀土精炼、电力设备、PCB、光模块及成熟制程半导体等细分领域，中国的全球市场份额均超过50%。与此同时，中国正逐步构建一套内循环、日趋自给自足的AI价值链，在先进封装、开源大语言模型（LLM）、算力生产与消费，以及物理AI应用等领域取得突破。

从财务数据看，中国AI企业整体市值为7.6万亿美元，2026年预期净利润率为12%、ROE为16%；而全球其他地区AI企业对应数据分别为55.1万亿美元、24%和29%，差距依然悬殊。

两条主线分化：出口商与内需龙头各有逻辑

高盛将中国AI股权宇宙（市值超1亿美元的标的逾1700家）按收入来源地域划分为两大阵营，两者在驱动因素、风险敞口和市场表现上均呈现明显分化。

出口导向型AI企业：高盛识别出360余家上市公司，合计市值约1.7万亿美元，其海外收入占比超过40%。这类企业主要集中于AI基础设施和电力设备领域，被投资者视为西方AI资本开支热潮的受益代理。从历史表现看，该群体自2025年初至2026年6月累计回报达126%，领先国内AI企业84个百分点，主要得益于更强劲的盈利兑现和增长预期。但自6月底全球AI股回调以来，该群体已从高点下跌23%，相对优势收窄约10个百分点。高盛分析显示，出口型AI企业对全球AI股权贝塔及中美关系晴雨表的敏感度更高。

国内AI龙头企业：高盛识别出880余家主要服务国内市场的上市公司（海外收入占比低于10%），合计市值约3.2万亿美元。这一群体受益于中国超大规模云服务商AI资本开支的快速增长、AI应用需求的爆发，以及政策层面对科技自立自强的强力支持。相较于出口型企业，国内AI龙头对中国AI资本开支趋势和国内AI政策动向更为敏感，在近期全球AI股回调中表现出更强的防御性，对国际投资者而言具备一定的分散化价值。

主线一：中国AI出口领袖——成长与估值的平衡

高盛在承认地缘政治与贸易政策风险的前提下，仍对中国AI出口商保持战略性乐观，认为其有望凭借成本竞争力、制造能力、研发强度及全球化执行力进一步扩大全球市场份额。

在筛选标准上，高盛重点关注以下特征：全球市场份额已较高（被替代风险低）、海外收入加速增长（市场份额持续扩张）、技术护城河较深（研发强度高于同业）、资本开支纪律严格（自由现金流为正），以及对地缘政治不确定性敏感度相对较低。

据此筛选出的"中国AI出口领袖"名单包含20只高盛买入/中性评级标的，覆盖12个AI相关行业，涉及光模块、人形机器人、自动驾驶、医疗健康、消费硬件、数据中心、存储、PCB/CCL等领域。该组合平均66%的2026年上半年收入来自海外市场，当前交易于2027年预期市盈率21倍，卖方一致预期未来两年每股盈利复合增速为38%。高盛指出，该组合估值已回落至近年区间低端，当前12个月远期市盈率约为16.5倍。

主线二：国内AI冠军——政策红利与稀缺价值

发展AI已上升为国家政策目标。高盛报告梳理显示，政策支持覆盖供给侧（政府主导投资）、需求侧（消费推广措施）和资本市场（IPO绿色通道、市场流动性改善）三个维度，力度之广被认为超越以往历次行业性宽松周期。具体举措包括：2026年超长期特别国债中约8000亿元人民币定向支持"两重"领域（第二批次明确纳入AI）；国家大基金三期规模3440亿元人民币，聚焦先进封装、设备及AI芯片；国家AI产业投资基金规模600亿元人民币；以及第十五个五年规划明确要求研发支出年增速超7%、到2030年达GDP的约3%。

高盛预测，中国AI相关21个行业的总可寻址市场规模到2030年有望达到3万亿至4万亿美元，对应2026年至2030年复合增速约28%。

"国内AI冠军"名单同样包含20只标的，覆盖11个AI相关行业，硬科技（半导体设备、IC设计、存储、晶圆代工）与软科技（娱乐媒体、电商、大模型）各占约半壁江山。该组合平均逾90%的收入来自国内市场，当前交易于23倍远期市盈率，对应33%的每股盈利复合增速，PEG约为0.7倍。高盛提示，部分国内半导体本土化标的因政策溢价较高，估值已显著高于全球同业，过度追高政策确定性是该主线的主要风险。

组合策略：50只个股覆盖AI全价值链

在上述两条主线之外，高盛同步更新了"中国精选AI组合"，新增及剔除各15只个股，目前共包含50只标的（38只A股、27只H股及3只ADR，含双重上市股票），覆盖23个具体AI行业，旨在为投资者提供横跨整条AI价值链的均衡敞口。

从结构看，该组合保留了对上游板块（电力、半导体、基础设施）的较高配置，同时纳入近期上市的AI大模型公司。按行业层级划分，半导体占比35.9%，AI应用占比33.6%，基础设施占比21.2%，电力占比8.2%，AI大模型占比1.2%。

从财务指标看，该组合（等权重）当前交易于31倍12个月远期市盈率，一致预期未来两年盈利增速为46%，58%的收入直接与AI相关业务挂钩。自2025年2月成立以来，该组合累计上涨33%，同期MSCI中国指数上涨6%，夏普比率达2.23，远高于基准的0.74。

高盛同时指出，国际投资者对中国AI股票的配置仍明显偏低——中国AI企业占全球AI市值约10%，但共同基金对中国科技股的实际配置比例仅约5.8%，低配幅度显著，这或为后续资金流入提供潜在空间。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台，摩根大通证券（中国）分析师姚橙团队于10月11日发布报告指出，预计阿里巴巴云业务EBITA将在12月结束之季度首次超过AI模型与应用的运营亏损，这意味着云业务增长将开始对集团整体盈利产生正向贡献。这一拐点被摩根大通视为"AI投入资本回报率的第一关键数据点"，也是该股未来一到两个季度的核心市场焦点。

尽管摩根大通将阿里巴巴美股目标价从210美元下调至200美元（港股从205港元下调至195港元），但同步将估值倍数从16倍上调至17倍，理由是云业务与AI合并EBITA拐点的临近有效降低了盈利路径的不确定性，维持"增持"评级。

四季度拐点：云业务利润首次覆盖AI亏损

报告的核心论点在于，阿里巴巴云业务的盈利增速正在追上并将超越AI研发端的持续亏损。

报告预计，在截至2026年9月的季度，阿里巴巴AI实验室和应用的EBITA亏损约为106亿元，云业务EBITA利润率将从上季度的11.6%提升至12.4%，但云业务与AI实验室的合并EBITA仍为小额负值。

关键转变预计发生在12月结束之季度：摩根大通预测届时云业务收入同比增速将超过55%，云业务利润率将突破15%，从而使云业务与AI实验室的合并EBITA转为正值。这意味着AI运营亏损将在板块内部被吸收，无需依赖外部股权融资。报告明确指出，预计本财年公司不会再进行股权融资。

市场预期差：摩根大通EBITDA预测大幅高于一致预期

摩根大通的预测与市场一致预期之间存在显著分歧，这构成其看多逻辑的重要支撑。

根据报告数据，摩根大通对阿里巴巴27财年（截至2027年3月）非GAAP EBITDA的预测为1932亿元，较市场一致预期高出14%；28财年预测为2909亿元，较一致预期高出30%。摩根大通认为，市场一致预期既未充分考虑12月结束之季度的盈利拐点，也未纳入28财年云业务超过50%增速的预期，而后者正是其28财年EBITDA预测大幅领先市场的主要原因。

与此同时，摩根大通将27/28财年总收入预测分别下调2%和6%，并将27/28财年非GAAP每股收益预测分别下调9%和10%，主要原因是下调了非云业务板块的收入预测，并微调了云业务收入的计算框架。

云业务增长逻辑：基础设施投入带来短期折旧压力

同时，报告中详细阐述了云业务盈利路径面临的结构性挑战与长期潜力。

报告指出，较长的基础设施建设周期将在利用率爬坡之前产生折旧，从而对首年云收入形成拖累——一方面是容量在等待投入使用，另一方面是现金用于增加算力导致利息收入减少。摩根大通强调，折旧是实际成本，股东回报最终取决于资产回报率、资金成本以及阿里巴巴保留的经济利益。

从长期来看，摩根大通认为，随着后续基础设施投资逐步成熟，云业务利润率有望随时间推移提升至20%左右。报告预计，9月结束之季度云业务收入同比增长约53%，12月和3月结束之季度将继续提速。

电商业务：竞争压力边际缓解，即时零售亏损大幅收窄

在电商板块，摩根大通预计9月结束之季度淘宝/天猫EBITA同比持平，较6月结束之季度同比下降3%有所改善，认为这是竞争激烈程度小幅下降的迹象。

即时零售方面，摩根大通估计本季度亏损约为92亿元，远低于一年前的350亿元。报告认为，随着高价值产品占比提升带动客单价增加，该板块亏损有望在不牺牲市场份额的前提下进一步收窄。

摩根大通预计可比口径客户管理收入（CMR）同比增长约1%，与上季度基本持平，CMR与EBITA之间的增幅差距收窄至约1个百分点，与利润率企稳而非进一步恶化的趋势一致。

在估值方面，摩根大通将阿里巴巴美股目标价调整至200美元（截至2027年6月），基于17倍28财年预期市盈率，即"中国互联网一线资产"的估值倍数。港股目标价相应调整至195港元。估值倍数从16倍上调至17倍，反映出云业务与AI合并EBITA拐点临近所带来的盈利路径风险下降。

本文来自华尔街见闻，欢迎下载APP查看更多

黄金自9月初以来已累计下跌约5%。瑞银在10月12日发布的研报中指出，强于预期的经济数据与持续的通胀压力，重新点燃了市场对美联储进一步加息的预期。美国10年期国债收益率在此期间从约4.8%攀升至5.3%以上，美元指数从约100升至102以上，金价则从逾4400美元/盎司跌至约4140美元/盎司。

这一走势与8月底沃什在杰克逊霍尔发表鹰派讲话后的市场重新定价如出一辙。

但该行认为近期鹰派重新定价已大部分反映在金价中，若劳动力市场持续降温、美债收益率从高位回落，黄金存在显著反弹空间——历史上三次类似情形中，黄金分别上涨约5.9%、11.4%和14.4%。技术面上，3990至4030美元/盎司是关键近期支撑位；若金价有效突破4280至4320美元/盎司，将确认上行趋势延续

利空已大部分消化，早期买入信号正在浮现

该行认为，近期鹰派重新定价已大部分反映在金价中，更具建设性的入场时机正在形成。

经历调整后，金价目前在4140至4200美元/盎司区间企稳。与此同时，月末公布的劳动力市场数据有所走软，市场对10月美联储加息的预期也有所降温。该行表示：

这尚不能确认持久底部的形成，但支持我们的判断——风险天平正在变得不那么偏空。

历史三次高收益率后的黄金表现：最高反弹14.4%

该行梳理了过去三次美债收益率从高位回落后黄金的表现，数据颇具说服力：

• 2023年10月高点回落后，黄金在69个日历日内上涨约5.9%

• 2024年4月高点回落后，黄金在144个日历日内上涨约11.4%

• 2025年1月高点回落后，黄金在81个日历日内上涨约14.4%

三次反弹的触发因素各有不同：2023年底是经济数据走软与“长期更高”预期逆转；2024年是劳动力市场降温与降息预期升温；2025年初则是增长预期放缓与政策不确定性上升。但共同点是：市场重新评估货币政策需要维持多大限制性，国债收益率随之回落，黄金随之复苏。报告指出：

若劳动力市场持续降温、油价趋于稳定，我们预计进一步加息的理由将会减弱。加息预期与国债收益率的持续缓和，将为正在形成的买入机会提供更强确认。

技术面：4000美元是关键防线

从技术角度，瑞银将3990至4030美元/盎司视为关键近期支撑区间。

• 若金价有效跌破4000美元/盎司，意味着更深度调整

• 若金价持续站稳4280至4320美元/盎司以上，则代表技术动能的实质性改善，确认近期回调仍属大趋势中的整理

目前金价仍处于短期均线下方，近期动能偏软，但买入信号正在成形。

本文来自华尔街见闻，欢迎下载APP查看更多

美国银行策略师Michael Hartnett在最新一期Flow Show中把核心判断压缩成三个字："债券终结泡沫。"最反常识的推论也随之浮出：年底前对风险资产最利好的事件，是美联储10月加息——用一次主动收紧压住长端收益率继续失控。

这套逻辑并不矛盾。美国股市年内仍上涨13.4%，标普500、纳指和全球科技指数仍在高位，但政府债年内下跌4.4%，比现金回报落后7.2个百分点。股票还没被利率打倒，是因为美国硬数据、全球盈利预期和超大规模云厂商资本开支预期都没有明显下修；债券先在更脆弱的地方制造裂缝：韩国券商、法国国债、CCC级信用债。

真正的风险不只是"利率高"，而是利率高了之后，财政、选举、AI资本开支和资金流全部被迫重新定价。美联储如果不主动加息，长端收益率可能继续上冲；如果民主党在中期选举横扫两院，股票的政治贴现率会突然改变；如果现金收益率仍在4%以上，8万亿美元货币基金也未必急着进股市。

Hartnett拿韩国做样本。过去18个月，韩国债券收益率上行约200个基点；韩国最大零售券商Mirae Asset在此前涨成"四倍股"后，自5月以来下跌65%。

这并不等于韩国股市泡沫已经破裂。韩国股市年内仍上涨98.9%，是全球表现最强的市场之一。它说明的是另一件事：当资金成本突然抬升，最先受伤的往往是金融杠杆和交易热度最高的环节。

全球央行也在配合这一变化。2026年以来，全球央行已有54次加息；这是自2023年9月以来，全球央行首次在净额意义上重新转向收紧。

资产表现的分化进一步印证这种撕裂。年内表现排行中，油价上涨58.5%，美国股票上涨13.4%，全球股票上涨10.6%；现金回报2.8%，政府债下跌4.4%，黄金下跌4.8%，比特币下跌6.7%。债券的"羞辱感"最为显著：拿着现金都跑赢了持有政府债。

美国利率上行的主因被拆成两部分：增长仍强，以及不确定性上升。供给、商品和财政担忧也有影响，但不是最核心的解释。

关键变化发生在Jackson Hole之后。过去市场还有一个锚：政策已经具有限制性，利率最终可能回到约3%。美银利率策略师指出，这条"锚线"被切断后，收益率就会继续上行，直到数据变差或者市场自己出事。他们的结论对等待顶部的人并不友好："我们认为这两个条件目前都不满足。任何美联储对短端定价的鸽派压制，只会把利率压力转移到更长端。"

这一次，10年期美债自9月下旬以来的上行，主要来自期限溢价，而非对联邦基金利率路径的重新定价。这让问题更加棘手。

因此才出现那个看似奇怪的判断：美联储要么加息，要么面对债券收益率继续尖峰化。9月FOMC纪要显示，19名官员都支持加息，多数人还认为年内再加一次合适。但市场目前只给10月28日会议17%的加息概率，12月9日的概率则为81%。美银利率策略师认为市场定价有误，并已建立相应交易头寸（支付10月FOMC OIS）。他们的表述简洁直接："如果美国数据保持强劲，美联储必须做选择：加息，或者承受债券收益率陡峭化。如果被债券陡峭化吓到，美联储就会加息。"

这里的看多逻辑不在于"加息本身利好股票"，而在于：如果美联储用10月加息证明自己愿意控制通胀和期限溢价，市场反而可能停止担心10年期收益率冲向6%，股票压力随之减轻。

利率上行的另一半问题是谁来支付更高的利息。美银首席全球经济学家Claudio Irigoyen指出，利率冲击正在"暴露发达经济体财政政策的不可持续现实"，美国和法国首当其冲，日本和英国紧随其后。

问题根源在于经济学家所说的时间不一致性。过去20年，美国债务/GDP上升约60个百分点，法国约上升50个百分点，大部分发生在零利率时代。这些债务支撑的是永久性支出和永久性减税。现在融资成本正常化，但削减支出或加税都缺乏政治票数。两国债务/GDP均在约120%，基本赤字均超过GDP的2.5%；美国整体赤字约为GDP的6%，法国约为5%，美国更高主要因为利息负担更重。

法国是最清晰的裂口。据彭博报道，法德国债利差已回到140个基点，这是至少20年来最快的法国主权利差抛售速度，甚至快于2011年。市场不给法国财政耐心，有几个数据摆在那里：后疫情高点以来，发达经济体债务/GDP平均下降11个百分点，法国没有下降；法国私人非金融债务达到GDP的214%，美国是140%；法国退休人员的净收入中位数几乎接近在职劳动者；法国自1974年以来从未实现过基本预算盈余。

据《华尔街日报》报道，巴黎方面正在考虑增加短期国债发行。荷兰合作银行（Rabobank）对此评论称，这是"一个发达市场经济体表现得像新兴市场的最新例证"。美银欧洲信用策略师Barnaby Martin预计，法德利差将在100至150个基点区间震荡；如果快速逼近区间上沿，短债发行、欧洲央行口头干预乃至TPI工具被拿出来讨论的概率将会升高。

高利率并非没有影响，只是还没咬到市场最核心的资产。

美国硬数据没有明显回落，全球未来盈利预期也没有回落。更关键的是，超大规模云厂商的资本开支预期仍在上行，2027年市场一致预期还在陡峭抬升。只要AI资本开支继续支撑实体需求，收益率就有继续上行的理由。美银策略师Barnaby Martin的判断是：美国宏观数据出现回落的那一刻，才是利率波动率见顶、信用市场重获绿灯的时机。

信用市场已经在边缘处反映压力。9月高收益债利差走阔中，不到30%可由更高再融资成本或预期损失解释，其余更像是利率波动溢价。CCC利差已升至1200个基点，为2022年以来最高。

股票内部也不是没有松动。BofA Bull & Bear Indicator从8.8降至8.1，两周前还是9.3，仍处于"卖出"区间。全球广度规则显示，净50%的全球股票指数处于超卖状态，即同时低于50日和200日均线；但反向买入信号要到净88%才触发，除非美国、韩国这些科技权重市场快速反转，否则短期内难以达到这一阈值。

资金流数据给出的信号相当清晰。

截至当周三，现金流入1664亿美元，为2020年4月以来最大；债券流入338亿美元，股票流入124亿美元，黄金流入20亿美元，加密资产流出6亿美元。上周因季末因素流出的1180亿美元现金，不仅全部回来，还超额流入。

细分来看，国债流入162亿美元，为2025年4月以来最大；投资级债流入103亿美元；银行贷款流入24亿美元，为2025年2月以来最大，浮动利率产品成为加息对冲工具。科技股仍有35亿美元流入，金融股则流出30亿美元，为2023年3月以来最大。

货币市场基金规模已约达8万亿美元，2023年还是5万亿美元。按4.2%的T-bill收益率计算，这部分资金每年产生约3300亿美元利息收入。

Hartnett的资金面提示更为直接："不降息，现金就不会减少。"历史上，场外现金大规模进入股市，通常发生在大规模货币宽松之后，例如2009年QE、2020年QE4，或者美联储持续降息周期中。当前环境不具备这一条件。

11月3日美国中期选举，是未来几个月最可能触发股市10%级别波动的事件。

Polymarket目前给民主党横扫两院64%的概率，9月时还是49%；共和党保住参议院、民主党拿下众议院的概率为28%；共和党横扫概率仅9%。特朗普支持率为38%，经济问题支持率34%，通胀问题支持率27%。

市场最不舒服的地方在于：当前概率最高的结果，恰恰对应最偏风险厌恶的路径。

民主党横扫两院的情境下，股票可能下跌超过10%，美元和债券收益率回落，国际股票跑赢美国股票；欧洲可能跑赢亚洲。税收和监管方向上行，对EPS不利。更重要的是，特朗普政府推动资源垄断和企业政策配合的政治资本会下降。

共和党保住参议院、民主党拿下众议院，则对应"分裂政府=金发姑娘"的风险偏好路径，股票可能上涨超过5%。如果共和党横扫，则是最大上行意外，股票可能上涨超过10%，AI交易继续向2027年泡沫化推进。

最关键的观察州可能是得克萨斯。共和党现任州长Greg Abbott民调仅以48%对46%领先民主党挑战者Hinojosa。得克萨斯同时也是AI数据中心审批和电力承压的焦点州，"可负担性"与AI资本开支之间的冲突，将在选票里被重新定价。

美国政治风险偏负面，但海外有另一条逻辑线：右转交易。

巴西Bolsonaro首轮胜选，第二轮投票在10月25日。拉美20个国家中，已有11个、约4.2亿人口处于右翼领导之下；此前一轮选举前，这一数字是7个国家、约6000万人。市场反应直接：巴西股市创历史新高，10年期收益率单日暴跌124个基点。

MSCI拉美指数仍比历史高点低35%，这也是拉美被纳入全球轮动牛市序列的理由：2025年上半年是欧洲，2025年下半年至2026年上半年是日本和新兴亚洲，现在轮到拉美与更广义的新兴市场。

欧洲也有类似政治变量。意大利、德国已出现右转迹象，法国2027年4月总统选举民调中勒庞领先。西班牙首相Sánchez宣布提前大选，投票日定为11月29日，民调显示中右翼领先——Hartnett将其定性为"一个被低估的欧洲债券正面事件"。

这套框架下，短期仓位偏向中期选举前风险收缩。支撑这一判断的有三条线索：全球央行重新净收紧，金融条件变紧，信用事件的早期信号仍在出现，包括澳元/日元汇率、风险平价策略，以及Oracle、SoftBank等科技公司信用违约掉期。

科技股不适合继续追高，因为投资者已处于重仓状态；MAGS相对SOX仍可能占优，中国科技股有逆向吸引力。债券端则提前布局峰值收益率交易：30年期美债、小盘股、REITs、香港地产。大方向维持持有黄金、大宗商品和新兴市场。

几个价格位比宏观口号更具操作意义：10年期美债6%，是债券买盘等待的关键区域；法德利差150个基点，接近后政策托底概率升高；全球广度规则净88%超卖，才是更强反向买入信号；Bull & Bear Indicator跌破8，比当前8.1更接近风险缓和区间；30年期美债拍卖收益率已达5.618%，这也是提前布局长债的现实抓手。

日历同样密集：10月25日巴西第二轮投票，10月28日FOMC，11月3日美国中期选举，11月18日深圳APEC，11月29日西班牙大选，12月9日FOMC，12月14日迈阿密G20。

Hartnett用一句话做结："多数投资者在等10年期收益率到6%再买国债，我们提前在'峰值收益率'交易上少量布局。"如果美联储10月加息并压住长端，风险资产反而可能松一口气；如果中期选举给出民主党横扫，美国股票要重新估值；如果收益率继续上行而数据仍不回落，债券终结泡沫的逻辑将继续在最脆弱的地方起作用。

本文来自华尔街见闻，欢迎下载APP查看更多

更关键的是，高盛将民主党的领先优势与美国零售汽油价格走势直接挂钩——汽油从2026年初的约3美元/加仑飙升至春季近5美元，再回落至夏季约4美元后再度攀升，民主党在通用选票中的领先优势也从约5个百分点扩大至近9个百分点，两条曲线高度同步。

这不仅是一场政治博弈，更是一个资产配置的风险信号。美银美林策略师Michael Hartnett明确警告：民主党横扫将触发“重大风险规避”，导致股市跌幅超过10%、美元走弱、债券收益率下行。一个月前，横扫概率还是52%的"硬币两面"，如今已成为基准情景。

与此同时，伊朗战争导致的油价冲击、飓风Isaias关闭美国墨西哥湾63%的海上石油产量，以及共和党迟到的竞选资金攻势，共同构成了这场选举最后26天的核心变量。

汽油价格与选票：高盛画出最关键的一张图

高盛分析师Alec Phillips与Abhay Duggirala在报告中呈现了本次选举分析中最具冲击力的一张图表：将民主党通用选票领先优势与美国平均零售汽油价格叠加对比。

数据显示，汽油价格在伊朗战争爆发初期从2026年初约3美元/加仑急速攀升至春季近5美元/加仑，随后在夏季回落至约4美元/加仑，近期再度上行。与此同步，民主党在通用选票中的领先优势从约5个百分点持续扩大至近9个百分点。

高盛的原文表述是：

“民主党的领先优势在伊朗战争爆发导致汽油价格飙升后逐步扩大，两组数据近期朝同一方向运动。”

高盛的另一张图表进一步显示，通货膨胀与经济议题在选民关切中排名最高，而特朗普在这两项议题上的净支持率“深度负值”——通胀议题净支持率约为-48，经济议题约为-33。

从52%到65%：横扫概率一个月内急速攀升

一个月前（9月7日），民主党横扫两院的概率刚刚创下历史新高52%。如今，高盛引用Polymarket数据显示，该概率已升至约65%，而共和党保住众议院多数的概率已低于10%。

高盛的图表显示，“民主党横扫”这条曲线在9月几乎垂直拉升，而“共和党保参议院、民主党赢众议院”（直至去年秋天还是市场共识结果）的概率已跌破30%。

这对市场意味着什么？ 美银美林首席策略师Michael Hartnett将民主党横扫定性为"重大风险规避"事件，预计将导致：

• 股市下跌超过10%

• 美元走弱

• 债券收益率下行

Hartnett的首选对冲策略是做空金融股和美元。他的核心论点是，投资者此前已基本忽视了选举风险。而现在，横扫已从52%的“硬币两面”变成了清晰的基准情景。

众议院：民主党领先优势已近“锁定”

值得关注的是，众议院的结果在预测市场看来几乎已成定局。

预测市场给出民主党净赢得至少3个席位（即夺回众议院多数）的概率超过90%。民主党目前在通用选票中领先共和党8.9个百分点，高盛指出这意味着相较于共和党在2024年以2.6个百分点优势赢得众议院，本次选举出现了约12个百分点的摆动。

共和党目前持有的29个特朗普2024年赢得幅度不足12个百分点的选区，正是预测市场和分析师预期将翻转的席位。

关于共和党寄予厚望的“十年一次重新划分选区”，高盛的结论简短而直接：“整体而言，重新划区预计仅能为共和党净增少数席位。”预测市场目前在25个共和党持有选区中给予民主党候选人至少50%的胜率，而民主党仅需净赢3个席位即可夺回多数。

值得注意的是，尽管“共和党在大多数关键众议院选区的一对一竞选支出领先”，但这些钱正在被花在市场已经认定他们将输掉的选区。

参议院：65%概率背后的“硬币翻转”

参议院的局势远比众议院复杂，也是真正的不确定性所在。

民主党目前持有47个席位，需净增4席才能赢得参议院多数。 预测市场给出民主党赢得参议院多数的概率为65%。高盛的图表显示，民主党在图表中除内布拉斯加州和南卡罗来纳州以外的所有关键选区均处于领先，但多数领先幅度处于误差范围之内。

高盛将当前参议院整体胜率收敛于“边际席位”的胜率，认为这“暗示市场对民主党拥有多条通往多数的路径更有信心，或各选区之间的相关性更高，或两者兼而有之”。

目前，决定民主党能否赢得第51个席位的“边际席位”是俄亥俄州。需要关注的关键州包括：阿拉斯加、德克萨斯、俄亥俄、缅因、爱荷华、堪萨斯——全部是共和党持有席位，且大多位于共和党倾向的红州。

共和党的迟到反击：2.4亿美元砸向最后两周

如果共和党能够实现逆转，那将是一场“用钱买来的逆转”。

高盛数据显示，共和党参议院竞选支出优势已超过2亿美元，且这一优势完全是近期才形成的——共和党整个夏天在参议院竞选支出上均落后于民主党，直到9月才开始反超，并持续扩大差距。过去两周，共和党支出2.4亿美元，民主党支出1.3亿美元，共和党支出约为民主党的1.85倍。

资金流向同样耐人寻味：共和党在堪萨斯州增加了800万美元、在南卡罗来纳州增加了500万美元的防守性支出，合计1300万美元——没有人会在认为安全的席位上花这笔钱。

然而，这笔钱的实际效果存在折扣。高盛指出两个原因：

1. 超级政治行动委员会（PAC）支付的广告费率高于候选人直接购买，而共和党支出大部分来自PAC；

2. 临近选举日的广告位需要支付溢价，而共和党的支出高度集中在后期，民主党则提前锁定了广告位。

此外，俄亥俄、缅因、北卡罗来纳的邮寄选票申请比2024年更倾向民主党，尽管高盛提醒这可能仅占邮寄选票总量的约25%（基于2022年中期选举数据）。

高盛的保留意见：历史规律暗示民主党优势或被高估

高盛并未全盘接受预测市场的乐观判断，报告中提出了两个重要的历史性警示：

第一，挑战党的横扫概率在历史上往往在选举日前收窄。高盛对2002、2006、2010、2018、2022年历次中期选举进行了回溯，发现“挑战党的横扫概率平均在选举日前下降约5个百分点”。以当前63%的民主党横扫概率为基准，历史规律暗示最终概率约为58%——仍是大概率，但舒适度大幅下降。

第二，红州民调历史上系统性高估民主党表现。高盛绘制了历次参议院民调误差与各州党派倾向的关系图，发现“中期选举民调倾向于在民主党倾向州低估民主党，在共和党倾向州低估共和党”，与选民在选举周期末期“回归本党”的规律一致。这一模式在最近的数据中更为显著：2018-2022年中期选举的拟合优度R²为0.65，而2002-2022年全周期仅为0.26。

这对爱荷华、堪萨斯、缅因、俄亥俄、德克萨斯、阿拉斯加等州的民主党领先优势构成直接挑战。高盛的部分反驳是：从距选举日26天的时间节点来看，全国参议院民调平均仅高估民主党0.4个百分点，全国层面的偏差并不严重——但参议院多数席位的争夺恰恰取决于那些红州。

真正的关键变量：油价，而非民调

高盛的结论指向一个清晰的投资逻辑：在接下来的26天里，能源市场的走势比任何民调数据都更值得关注。

当前能源市场面临多重冲击叠加：

• 伊朗战争持续扰动霍尔木兹海峡，伊朗国家媒体报告称更多油轮在霍尔木兹海峡南部触雷；

• 特朗普在Truth Social上宣布"中期选举前不会对伊朗发动打击"，油价短暂下跌后因伊朗触雷消息反弹；

• 飓风Isaias关闭了美国墨西哥湾63%的海上石油产量，Jefferies警告这是"在已因伊朗战争而紧绷的供应体系上叠加的燃料供应冲击事件"，柴油价格已达6.30美元/加仑，而一年前仅为3.68美元/加仑。

高盛的逻辑链最终归结为：如果图表显示的汽油价格与选票关系成立，白宫需要的是一箱便宜的汽油，而不是又一轮广告投放。

民主党的多头逻辑：通用选票领先优势处于高位且仍在扩大，邮寄选票倾向蓝色，市场看到多条通往51席的路径，汽油价格再度上涨。

共和党的多头逻辑：近2比1的竞选支出优势（尽管来得较晚），历史上挑战党横扫概率在选举日前平均收窄约5个百分点，以及红州选民“回归本党”的历史规律。

最终的摆动因素，是两党都无法用广告买到的东西：11月3日选举日当天，油价和汽油价格究竟是涨还是跌。

本文来自华尔街见闻，欢迎下载APP查看更多

Wood认为：“AI故事在市场层面最可能的长期结局，将是美国的大规模资本毁灭，市场份额将流向更廉价的中国开源大语言模型。”

AI故事“在不远的将来某个时刻将迎来一次重大重置”。

中国模型：从“便宜”到“同等水平”

Wood的警告并非新鲜，但规模在升级。

他追踪的OpenRouter数据显示，截至9月27日当周，中国顶级模型处理了76.12万亿个token，而今年4月底这一数字仅为4.37万亿；同期美国顶级模型的处理量为14.2万亿token。中国的数字在十周内翻了一番。

质量层面同样发生了变化。Wood指出，Moonshot的Kimi K3“用AI行业的术语来说，正在'前沿竞争'，其性能估计达到Anthropic Claude Fable 5的95%”。以极低价格实现95%性能的模型，已不是折扣品牌，而是真正的竞争对手。

价格的后果已经显现。据Silicon Data的LLM Token支出指数，AI token的市场均价自5月高点以来已下跌52%，降至每百万token 0.98美元的历史低位。

美国2.3万亿积压订单背后的信用集中风险

Wood将AI繁荣的信用风险类比于2008年房地产危机，逻辑如下：

截至2026年第二季度末，微软、谷歌、亚马逊、甲骨文四大平台的合计剩余履约义务（RPO）达2.34万亿美元，较一年前增长186%，增量约1.52万亿美元。

问题在于，这笔巨额订单中，约一半由OpenAI和Anthropic两家公司所欠——而这两家公司目前均未实现盈利。

Wood写道：“超大规模云厂商实际上向目前仍在烧钱的租户提供了集中的无担保贷款，因为Anthropic和OpenAI均未盈利。对于新兴云服务商（neo-clouds）而言，风险更大，因为它们自身也是借钱来出租芯片的。”

杰富瑞科技分析师估算，这两家前沿AI实验室在2026年第二季度约占谷歌云平台收入的45%、微软Azure收入的25%，其在AWS中的份额预计将在第三季度从6%翻倍至三倍，达到12%-18%。

Wood的类比直接而犀利：“超大规模云厂商在数据中心上的投资，是基于假定租户未来付款的承诺——这与2008年房地产信用危机如出一辙。”

表外负债：另一层隐藏风险

Wood还指向了资产负债表之外的风险层。

穆迪今年2月统计，五大超大规模云厂商尚未启动的数据中心租赁承诺达6620亿美元，而2023年底这一数字仅为1520亿美元。日经的一项研究则将五家公司截至2026年第二季度末的"隐性债务"估算为1.65万亿美元，超过其账面债务约1.35万亿美元。

与此同时，五大超大规模云厂商今年已发行2290亿美元债券，而2025年全年仅为1080亿美元。Wood指出，亚马逊、谷歌和Meta的信用利差自6月初以来已上升13至16个基点，“超大规模云厂商对长期融资的需求，正在与联邦政府形成竞争”。

他的结论是：AI相关借款人的信用利差“现在必须被密切监控，以观察投资者是否开始不愿为AI资本支出提供融资”，数据中心资产证券化是“一个需要重点关注的领域”。

利润的真相：循环性财务工程？

Wood对超大规模云厂商盈利质量的质疑，或许是报告中最具冲击力的部分。

数据显示，四大超大规模云厂商在截至2026年第二季度的四个季度中，年化利润增长了2220亿美元，达到5810亿美元。然而，同期“其他非经营性收入/亏损”这一科目——主要捕捉对未上市公司股权投资的未实现浮盈——增加了2240亿美元。

换言之，超大规模云厂商利润的全部增量，均可由对AI初创公司股权的按市值计价浮盈来解释。

Wood描述了这一循环逻辑：超大规模云厂商投资AI实验室，AI实验室向同一批超大规模云厂商购买算力，超大规模云厂商再将实验室更高的私募估值计入利润。

他还指出，标普500报告EPS在过去三年年化增长18%，而国民账户口径的非金融企业利润仅增长5%。上一次出现如此大幅背离，是互联网泡沫顶峰时期。Wood写道：“上述情况表明存在财务工程。”

资本支出：谁来买单？

尽管自由现金流已从2025年第四季度的600亿美元骤降至2026年第二季度的70亿美元，并预计在第三季度转为负130亿美元，但资本支出并未放缓。

市场共识预测，四大超大规模云厂商的资本支出将从今年的7230亿美元升至2027年的9930亿美元。

Wood的问题直接：“这四家超大规模云厂商真的要在2027年花费9930亿美元资本支出吗？这是目前市场共识的估算。”

他的基准情景是：AI故事“在不远的将来某个时刻将迎来一次重大重置”。

“安全”还是卡特尔？

Wood对近期AI行业"安全暂停"呼声的解读同样引人关注。

Anthropic的Dario Amodei、OpenAI的Sam Altman和埃隆·马斯克近期相继呼吁放缓前沿AI开发，但特朗普随即拒绝。

Wood并不认同"安全"的说辞，他写道：“建议关注激励机制。以'安全'为名的协调暂停，可以被视为构建监管护城河的一种方式，尤其是如果后续计划禁止开源模型、特别是来自中国的开源模型。另一种可能性——两者并不互斥——是AI巨头们已经意识到算力成本正变得难以为继，和/或对模型的需求开始趋于平稳。如果是这样，为何不趁现在尝试锁定一个卡特尔？”

值得注意的是，Meta的Mark Zuckerberg拒绝了放缓呼声，Meta股价此后上涨18%。

信用市场才是关键

Wood的投资建议自2023年以来未变：持有"镐与铲"（即向超大规模云厂商收取资本支出的芯片制造商），而非超大规模云厂商本身。这一策略在买家持续购买期间有效。

但他认为，决定这一切何时终结的，将是信用市场而非股票市场。

他的结论是：“AI生态系统目前发行的久期债券已超过美国财政部，发行环境是债券市场动荡和美联储加息，资金用于建设数据中心，而最大租户持续亏损。”

Wood援引1997年亚洲金融危机的历史类比——SocGen的Albert Edwards也在同期提出了类似框架——指出泰国的"奇迹"并非因生产率令人失望而终结，而是因债权人注意到了问题。

Novogratz说泡沫'还不够壮观'，不足以破裂。Wood说它不必壮观：只需耗尽愿意放贷的人。

本文来自华尔街见闻，欢迎下载APP查看更多

据新华社报道，美国总统特朗普11日在社交媒体发文称，"即刻起，俄乌冲突进入'能源停火'状态，双方均已同意。"然而，乌克兰总统泽连斯基当天起初对此毫不知情，据央视新闻报道，泽连斯基表示，这一宣布对他而言是个"意外"，他此前并未获悉相关安排。俄罗斯方面则未立即作出回应，克里姆林宫亦未确认任何协议的存在。

泽连斯基随后迅速调整立场。据央视新闻报道，他当天晚些时候明确表态，乌克兰"支持切实可行、可靠的停火和结束战争的方式"，乌方"愿意不对俄罗斯能源设施发动打击，并期待俄罗斯采取同样行动"，乌克兰武装部队已收到相关命令。这一表态对能源市场具有直接意义——若停火得以落实，俄乌双方对彼此能源基础设施的互相打击将暂时中止，短期内或对全球油气供应预期产生影响。

降油价压力驱动特朗普能源外交

特朗普此番强推"能源停火"，有着清晰的国内政治逻辑。据媒体报道，美国中期选举仅数周之遥，汽油和柴油价格高企——部分源于美伊战争扰乱中东能源出口，部分源于俄乌冲突双方持续互打能源设施——已成为选民对共和党不满的重要来源。

据新华社报道，近期美国国内出现柴油供应紧张，特朗普将价格居高不下归咎于俄乌双方互相攻击能源设施。特朗普9日宣布，美俄领导人就俄罗斯向美国及全球市场提供柴油达成一致。

有分析人士认为，即便俄罗斯柴油出口协议得以落实，对全球能源市场的实际缓解作用也可能十分有限。德国国际与安全事务研究所东欧研究主任Janis Kluge表示，俄罗斯本就计划恢复柴油出口，"普京在这笔交易中并未作出任何让步"，并强调"中东局势对市场的影响远比俄罗斯柴油重要得多"。

国会两党联手反对，质疑俄能源协议合法性

特朗普的能源外交在国会遭遇两党罕见联合阻击。据华尔街日报报道，一个由民主党和共和党参议员组成的跨党派小组11日发表联合声明，称特朗普允许俄罗斯向美国出口石油的计划违反了2022年通过的禁止俄罗斯能源进口的相关法律。

联署声明的参议员包括共和党的Susan Collins、Lisa Murkowski、John Curtis和Thom Tillis，以及民主党的Jeanne Shaheen、Ron Wyden和Richard Blumenthal。参议员们指出，政府在推进上述计划前既未与国会协商，也未按2022年法律要求提交必要的说明文件。

莫斯科未确认，停火承诺存疑

尽管特朗普宣称"双方均已同意"，但俄方的实际行动与停火承诺明显背离。据报道报道，俄罗斯总统普京迄今拒绝了能源停火提议，克里姆林宫未立即回应置评请求。与此同时，俄罗斯11日继续对乌克兰能源电网及基辅其他目标实施轰炸，爆炸声全天可闻，停电持续。

值得注意的是，这并非特朗普首次宣布类似停火，特朗普此前曾于9月14日宣布过一次能源停火，但俄乌双方随后均继续对对方目标发动打击。法国总统马克龙在社交媒体上表态支持能源停火的同时也指出，"目前阶段，俄罗斯仍在拒绝，并在近几小时内加强了对乌克兰基础设施的打击。"

泽连斯基在接受媒体采访时表示，过去一周内俄罗斯对乌克兰电力系统发动了196次攻击，对油气基础设施发动了20次攻击，导弹和无人机袭击城市共造成153人死亡。"这是一个信号，说明俄罗斯感受不到真正的压力，他们想继续打下去，"泽连斯基说，"如果他们想要能源停火，我们对此持开放态度。"

乌克兰打击俄能源设施是关键筹码

在这场停火博弈中，乌克兰手中握有一张重要牌。

打击俄罗斯炼油厂是乌克兰迫使俄罗斯停止战争的最强手段，乌克兰官员近日表示，除非俄罗斯改变立场并接受双方互相停止能源打击，否则基辅将继续使用这张牌。

与此同时，媒体援引大西洋理事会副主任Shelby Magid的分析称，"乌克兰人仍将美国视为关键盟友，但他们已经走到了这样一个节点——尤其是通过与欧洲的伙伴关系——使得特朗普政府的政策摇摆无法令其陷入瘫痪。"报道指出，乌克兰已大幅扩大无人机等武器的国内生产，并在融资和军事援助方面日益依赖欧洲盟友，而特朗普已基本终止了美国对乌克兰防务的援助。

本文来自华尔街见闻，欢迎下载APP查看更多

据新华社10月11日报道，也门胡塞武装在过去24小时内对沙特境内机场和能源设施发动了4次军事行动。沙特首都利雅得哈立德国王国际机场10日遭袭，造成12人死亡、309人受伤；11日，该机场再度被一枚不明弹体击中4号航站楼，防空系统在机场附近拦截并摧毁一枚导弹，袭击引发火情，沙特民航总局确认此次袭击再度造成人员受伤。

此次袭击不仅造成重大人员伤亡，更对沙特经济和外资信心构成直接冲击。BP、壳牌等顶级油企高管已宣布退出原定于11日在利雅得开幕的世界石油大会，利雅得金融区多家机构转为远程办公。这一局面对于正全力推进"2030愿景"经济转型、亟需吸引外资的沙特而言，代价尤为沉重。

据新华社报道，舆论认为，三大因素令沙特陷入也门战事升级危机：一是与阿联酋的联盟破裂，导致后者从也门匆忙撤军；二是受伊朗战事波及，未能为胡塞武装重启攻势做好准备；三是过度信赖同美国的合作。面对压力，特朗普表示美国正考虑加入沙特对胡塞武装的打击行动，将尽快作出决定。

阿联酋撤军留下"力量真空"

据新华社，沙特当前困局的根源之一，在于其与阿联酋联盟的破裂。按照美国有线电视新闻网（CNN）的报道，去年底，反胡塞武装阵营内部矛盾激化，阿联酋支持的也门南方过渡委员会与沙特支持的也门政府爆发冲突，沙特战机空袭阿联酋运往也门的军车，阿联酋随后从也门撤军，两国围绕也门内战的合作就此破裂。

然而，沙特并未及时填补阿联酋撤军留下的"力量真空"。也门南部一名不愿公开姓名的官员接受CNN采访时表示，撤军"没有妥善的过渡"，沙特没能延续阿联酋在指挥和控制上的"高效"。

也门政府10月5日发起"也门黎明"行动，寻求收复失地，声称夺回曼德海峡附近战略要地。据路透社报道，这场反攻进展缓慢，胡塞武装则对也门第三大城市塔伊兹形成包围之势。CNN报道称，一些专家警告，反胡塞武装阵营内部矛盾依旧，缺乏统一指挥、资金和后勤保障。为此，沙特正重新拉拢阿联酋，曾由阿联酋训练的也门地方武装"巨人旅"已加入反攻。

对胡塞武装攻势准备严重不足

据新华社，今年7月13日，伊朗派出一架民用飞机，送参加伊朗已故最高领袖哈梅内伊葬礼的胡塞武装代表团回国，此举意味着突破沙特对胡塞武装控制地区的空中封锁。也门政府军随即声称轰炸了胡塞武装控制下的萨那机场，阻止客机降落，客机被迫改降荷台达。胡塞武装认定沙特是"幕后推手"，宣布停火无效，发动报复性打击，并宣布对沙特实施海上封锁。 此后数周，胡塞武装多次用导弹和无人机袭击沙特油轮和能源设施，并于9月初突然发起地面攻势。

国际危机研究组织也门问题高级分析师Ahmed Nagi等专家认为，尽管沙特在伊朗战事爆发后一直对也门方向保持警惕，但专注于本土防空，没有为胡塞武装发动地面攻势做好准备。

彭博援引Ahmed Nagi的分析指出，胡塞武装此番升级打击，意在迫使沙特停止空袭行动。

“利雅得将这些袭击视为严重升级，尤其考虑到其前所未有的性质，可能会以更大的军事压力作出回应。”

他同时指出，胡塞武装已在沙特空袭中损失大量战斗人员，多处战略设施遭到打击，包括无人机工厂、武器库和通信塔。

尽管如此，胡塞武装仍保有伊朗设计的弹道导弹和可在本地组装的廉价攻击无人机。美国新安全中心高级研究员Stacie Pettyjohn表示，“他们似乎拥有足够多的廉价无人机和导弹，以及对沙特民用基础设施实施远程打击的技术能力，而这些都是软目标。”

彭博援引中东研究所副研究员Nadwa Al-Dawsari的判断指出，“胡塞武装历来具有攻击性，敢于冒险。他们只有在面临可信威胁时才会退缩，而迄今为止，他们还没有面临过这样的威胁。”

过度依赖美国“保护伞”

据新华社报道，一些分析师认为，造成沙特对也门局势误判的另一个原因，是过度依赖美国安全保障。去年11月，《美沙战略防务协议》签署，美国将沙特列为"非北约主要盟友"。但今年9月，沙特王储穆罕默德两次致电特朗普，请求美方空袭胡塞武装，均遭拒绝。美方转而与胡塞武装在阿曼秘密会谈，达成维持双方2025年停火协议、胡塞武装不打美国船只的口头协议。

据彭博报道，由于此次袭击中有一名美国公民遇难，特朗普面临越来越大的行动压力。他在被问及美国是否会加入对胡塞武装的打击时表示：“我们可能会，我们正在研究。”前中央情报局中东高级分析师William Usher表示，"利雅得将寻求美国直接打击胡塞武装、提供防空能力、加强情报共享，并为其在也门的强化行动提供政治背书。"

据报道，有知情人士透露，利雅得对西方盟友有限的支持日益感到不满。英国提供了一架空中加油机，但沙特近几周提出的额外防御支持请求尚未获批。法国表示将向沙特红海港口延布派遣防御性军事装备。

此次升级也对沙特的新防务伙伴构成考验。土耳其和巴基斯坦今年8月与沙特签署了被称为"麦加防务联盟"的防务协议，双方均表示愿意派遣军队或武器协助保卫沙特，但土耳其已明确排除参与对胡塞武装进攻性行动的可能性。

经济代价与投资信心承压

彭博报道，此次袭击对沙特经济的冲击正在显现。BP、壳牌等顶级油企高管已退出原定于11日开幕的世界石油大会，利雅得金融区——沙特主权财富基金及多家外资银行和咨询机构的所在地——已转为远程办公模式。

这一局面对沙特而言时机尤为不利。沙特本月上调了预算赤字预测，并预计今年经济将萎缩3.6%，外资吸引和融资需求因此更加迫切。沙特旗舰投资论坛"未来投资倡议"（FII）即将举行，高盛David Solomon、贝莱德Larry Fink等华尔街重量级人物均在受邀之列。

Access KSA首席执行官Said El-Saadi表示，“最新事态可能对外资造成干扰，但投资者和合作伙伴不会撤出，他们会观望并等待入场时机。”

本文来自华尔街见闻，欢迎下载APP查看更多

今年上半年，韩国Kospi以全球主要股指中最强的表现吸引了全球资金涌入；进入下半年，同一个市场已累计下跌22%，成为全球最差。与此同时，同样AI概念浓厚的中国台湾和美国股市却在不断刷新历史高点。

据彭博报道，外资今年从韩股净撤资1310亿美元，为亚洲主要市场之最。市场成交额较5月底峰值暴跌70%，散户和机构同步撤退。

两家芯片巨头，一个过度集中的赌注

韩国Kospi的涨跌，几乎被三星电子和SK Hynix这两家存储芯片巨头所主导。两者合计占Kospi权重逾50%，是今年上半年指数飙升的核心驱动力，如今却成了拖累。

Rayliant Global Advisors投资组合管理主管Phillip Wool直言：“对大多数投资者而言——尤其是那些最近才因存储芯片交易入场韩国的人——这个主题里容易赚的钱已经赚完了。”他表示，其基金已在韩国AI股上获利了结，目前对SK Hynix和三星电子均持低配。

市场的怀疑情绪在上周四被直白地呈现出来：三星电子季度营业利润同比暴增近九倍，股价却不涨反跌。

回购潮将尽，买盘支撑面临真空

支撑韩股的另一根柱子也在松动。

三星和SK Hynix合计约55万亿韩元（约410亿美元）的股票回购计划即将完成。据摩根大通数据，上个月韩国市场约230亿美元的买单中，两家芯片公司的回购占了大头。

一旦回购结束，市场将面临明显的买盘真空。

Julius Baer香港研究主管Richard Tang表示：“我们看到资本正越来越多地回流至美国股市，这加剧了韩国市场的持续外资流出。”

散户退场，杠杆资金仍未恢复

散户曾是Kospi上半年累计翻倍行情的重要推手，但7月的暴跌令他们至今未能归来。

据韩国金融投资协会数据，融资余额在过去一个月维持在约33万亿韩元，远低于6月峰值的38.6万亿韩元。券商账户中等待入市的投资者存款也从近140万亿韩元的历史高位降至约100万亿韩元。

Pictet Asset Management新加坡投资组合经理Jon Withaar表示：“存储芯片股已经变成了价值股，按当前盈利来看估值便宜。但散户和快钱对冲基金不追价值，不追'便宜'，他们追的是成长。”

中国台股成替代选项，AI资金加速转移

在韩股失去吸引力的同时，中国台湾股市正在成为更受机构青睐的AI替代标的。

台湾加权指数今年累计上涨70%，上季度跑赢Kospi约23个百分点，为本世纪以来最大季度差距。台股的涨幅也更为分散——约10%的成分股今年至少翻倍，而Kospi这一比例仅为4.7%。

瑞银全球财富管理首席投资官亚洲资产配置主管Chun-Lai Wu表示：“目前我们倾向于通过中国台湾股票来表达战术性AI敞口，台湾拥有更完整的科技硬件生态系统，并获得主要科技公司强劲支出计划的支撑。”

当然，也有部分投资者认为韩股的下跌创造了买入机会，认为AI支出和存储芯片盈利能力仍具韧性，加之韩国持续推进的提升企业价值改革也构成一定吸引力。得益于上半年的大幅领涨，Kospi全年表现仍属前列。

本文来自华尔街见闻，欢迎下载APP查看更多

新华社德黑兰10月11日消息，伊朗最高国家安全委员会秘书穆赫辛·雷扎伊11日表示，美国已接受伊朗就重新开放霍尔木兹海峡所提出的部分条件，但就伊朗提出的其他条件，目前情况尚不明朗。

在伊朗新闻电视台11日播放的采访中，雷扎伊作出上述表态并详细阐述了伊美近期沟通情况。

雷扎伊说：“过去两个月里，美方通过巴基斯坦、卡塔尔、伊拉克三个不同渠道，要求伊朗提出提议。伊朗向美方提出7项条件，并明确告知美方，除非满足这些条件，否则不会向其开放霍尔木兹海峡，也不会进行任何谈判。”

雷扎伊说，美方现已作出回应，“但伊朗认为力度不足”。他强调，美方必须澄清一些模糊之处，伊朗需要观察美方能否消除伊方疑虑，以便展开后续工作。

雷扎伊称，如果美国再次对伊朗发动侵略，美在西亚地区的资产，包括关键数据系统和人工智能设施，将成为打击目标。伊朗已准备好在战火重燃时展示新的军事能力。

雷扎伊还驳斥美国有关霍尔木兹海峡处于开放状态的说法。他称，一些船只通过走私网络进行活动，海峡目前航运量仍远低于战前水平，伊朗将继续掌控霍尔木兹海峡管理权。

本文来源：新华社

伊朗外长：愿为政治解决也门冲突提供一切帮助

当地时间11日晚，伊朗外长阿拉格齐与沙特外交大臣费萨尔通电话，就当前地区局势交换意见。阿拉格齐对地区紧张局势升级表示关切，并强调坚持军事手段而忽视政治解决只会使当前局势更加复杂。

阿拉格齐强调，该地区危机没有军事解决途径，伊朗愿提供一切帮助，旨在促成沙特和也门之间的对话和最终达成政治解决方案。

本文来源：央视新闻

本文来自华尔街见闻，欢迎下载APP查看更多