美股周一全线下跌。标普500指数收跌0.8%，抹去本月全部涨幅；纳斯达克100指数下挫1.1%，科技股领跌。美国10年期国债收益率上行7个基点至5.23%，创近二十年新高；

利率互换市场目前已充分定价未来12个月内至少三次25基点加息，并存在第四次加息的可能性。黄金大幅下挫3.9%至每盎司4118.66美元，为当日跌幅最突出的资产。

美伊双方在霍尔木兹海峡重新开放及新停火协议上立场悬殊。伊朗坚持其提案，但该方案已遭特朗普拒绝。特朗普表示愿意在伊朗核问题上取得"实质性进展"后给予制裁豁免并解冻被冻结资产。

布伦特原油周一维持在每桶105美元附近，WTI原油上涨0.5%至每桶92.91美元。

然而日内波动远比收盘价更能说明市场的脆弱性。布伦特和WTI在多个"突发消息"之间反复横跳：沙特东西管道恢复出口压低油价，沙特城市爆炸传言推高油价，随后"伊朗同意暂停铀浓缩"的报道再度压低油价，而"美伊谈判分歧巨大"的消息又令油价反弹。

华尔街见闻提及，美媒称，美国总统特朗普对以核问题取得具体进展换取放松对伊制裁持开放态度；沙特媒体哈达斯（Alhadath）报道称，伊朗已同意暂停铀浓缩，以换取美国放松制裁。

美股午盘时段，以上消息接连传出后，国际原油期货快速回吐日内涨幅，美油和布油均曾盘中短线转跌并刷新日低。但截至目前，哈达斯关于伊朗已经同意暂停铀浓缩的消息仍缺乏美伊官方确认，因此不宜将其视为已经达成的正式协议。

值得注意的是，尽管外界都在议论美国可能禁止柴油出口，但今天欧洲柴油价格却回落至与美国柴油价格持平，这在很大程度上消除了目前市场暗示的禁令可能性。

BMO Capital Markets美国利率策略主管Ian Lyngen表示：

我们预计这场冲突将在可预见的未来持续困扰市场，全球经济将继续适应供应中断的现实。

美债抛售周一进一步深化，收益率曲线全线上移7至8个基点。

10年期美债收益率升至5.23%，英国10年期国债收益率升至5.42%，德国同期限收益率上行4个基点至3.64%。剔除通胀后的10年期实际利率同步突破上行，达到2008年金融危机以来最高水平。

利率互换市场已充分消化了未来 12 个月内至少三次季度加息的预期，并且有可能出现第四次加息。

E*Trade的Chris Larkin表示：

受收益率与油价双双走高压制，大盘迟迟难以获得向上动能。鉴于美联储目前聚焦于其使命中的通胀一侧，除非本周劳动力市场数据带来重大意外，否则利率和能源走势将主导市场情绪。

Wellington Management投资组合经理Brij Khurana警告，市场或许正在忽视更大的风险图景——"大宗商品价格长期维持高位，将开始侵蚀实际收入并引发需求破坏。"

本周重磅数据将陆续登场：经济学家预计周三公布的数据将显示8月经济实质性消费支出环比涨幅为年内最大；周五非农就业报告预计显示9月新增就业约9万人，失业率维持在4.1%。

周一美国所有主要股指均下跌，其中纳斯达克指数领跌。

纽约证券交易所新低股票数已连续10个交易日超过新高股票数。

科技及AI相关板块周一表现最弱，AI概念组合显著跑输标普500非AI成分股，非盈利科技股跌幅同样明显。

防御性板块如消费必需品和医疗保健相对抗跌，可选消费、金融及科技板块领跌。

英伟达宣布将股票回购规模扩大创纪录的1500亿美元，支撑了"科技七巨头"组合日内大部分时间的相对表现，但尾盘大市值科技股抛售加速。

高盛交易台将当日整体活跃度评为"10分中的3分"，机构客户卖出倾向明显。彭博宏观策略师Sebastian Boyd表示：

假设股票风险溢价存在某个下限，那么债券进一步下跌将拖累股价，直到收益率回落，股市才有望反弹。

其他资产表现

美债收益率上升推高了美元，但幅度不大，仅略微回升至接近上周五高点的水平。

黄金价格暴跌至近两个月来的最低点，日内跌幅近4%。

盛宝银行大宗商品策略主管Ole Hansen指出，金价疲软"反映了债券收益率飙升、美元走强和技术性抛售的共同作用，并可能因中国投资者在黄金周假期前的获利了结而进一步放大"。

MKS PAMP研究与金属策略主管Nicky Shiels在彭博电视采访中表示，黄金短期面临"极为严峻的环境"——油价逼近110美元、实际收益率走高、市场定价未来一年累计加息近100个基点，三重压力叠加。

比特币跟随风险偏好情绪一同承压，日内一度跌2.3%，但随后从 82,500 美元大幅反弹。

本文来自华尔街见闻，欢迎下载APP查看更多

据库克在加州奥克兰的讲话，大规模数据中心投资已推高电力和水成本约5%；企业承诺的2万亿美元AI资本支出目前仅花费一小部分，后续资金落地将加剧价格压力。她同时指出，AI驱动的股市财富效应正在刺激消费，进一步抵消生产率提升带来的温和去通胀。

“目前，我预计生产率的提升将在未来几年内带来温和的通胀放缓，然而，我并不认为这些积极效应会及时显现，以抵消今年晚些时候不断扩大的通胀压力。”

库克表示，美联储本月早些时候加息是为应对高企通胀所必需，未来政策路径将由经济数据引导。她同时表示，劳动力市场能够承受进一步加息，经济增速“过去一年保持显著韧性”。

在市场层面，联邦基金期货目前显示，10月再度加息的概率约为70%。美联储官员近期密集发声，普遍将持续的经济动能与强劲劳动力市场作为支持进一步紧缩的依据。

5%的电价水价涨幅只是开始

库克指出，大规模数据中心投资正在加剧对电力、建筑劳动力等共享资源的竞争，这一竞争已反映为过去一年电力和水成本约5%的涨幅。

更关键的是，企业承诺的2万亿美元AI相关资本支出中，目前只花费了“一小部分”。随着后续资金逐步落地，对能源、土地、设备和劳动力的需求将进一步上升，价格压力可能从局部领域向更广泛的经济层面扩散。

这一判断与市场此前对AI的认知形成反差。过去两年，投资者普遍将AI视为提升效率、压低成本的供给侧利好。库克的讲话则揭示了一条被忽视的传导链条：在生产率红利兑现之前，AI的大规模部署首先制造的是需求侧冲击，资本开支本身就在推高通胀。

财富效应成第二条通胀路径

库克点出AI通胀效应的第二条路径——股市财富效应。AI驱动的科技股上涨推高了家庭资产净值，进而刺激消费。在劳动力市场依然强劲的背景下，这种由财富驱动的需求增长，可能抵消生产率提升带来的温和去通胀。

库克承认AI“有望成为我们一生中最重大的技术变革”，但对生产率提升的速度和幅度表达了明确的不确定性。

她表示，“围绕这一机制如何以及何时发挥作用，任何估计都存在不确定性，值得进一步研究和讨论”；目前预计生产率提升将在未来几年提供“温和的去通胀”，但“我不认为这些效应能及时到来，以抵消今年晚些时候不断扩大的通胀压力”。

本文来自华尔街见闻，欢迎下载APP查看更多

周一，英伟达推出Open Agent Safety Platform，通过开源软件与专用硬件构建多层安全机制，限制AI Agent的权限和行为，Anthropic则与英伟达合作，将Claude Managed Agents接入相关安全体系。

此次合作的核心是OpenShell和Claude Managed Agents。英伟达提供开源OpenShell运行时软件，为AI Agent设置默认受限的执行环境；Anthropic则提供Claude Managed Agents，并通过凭证保险库等机制管理Agent权限。

双方希望在企业部署AI Agent时，进一步控制其能够访问的数据、工具、网络和系统资源。

英伟达还推出运行在BlueField-4 DPU上的Sentry安全层，可以独立于Agent运行环境持续监控其行为，并在发现越权操作时进行隔离。英伟达称，Sentry能够在毫秒级阻断可疑Agent活动。

英伟达称此次推出的安全软件可能阻止近期发生的一起Hugging Face相关事件。英伟达方面表示，如果当时使用相关技术，根据公司目前掌握的信息，该平台可能阻止相关事件。

英伟达为AI Agent加上“安全围栏”

Open Agent Safety Platform主要由OpenShell和Sentry两层组成。

其中，OpenShell是一套开源Agent运行时软件，通过沙箱和权限策略限制Agent的活动范围。英伟达表示，该系统可以控制Agent对文件、网络、进程、工具和凭证等资源的访问，并默认阻止未经授权的操作。

Sentry则将安全控制进一步延伸至硬件层。该系统运行在英伟达 BlueField-4 DPU上，与运行AI Agent的主机环境相对独立，可以持续检查Agent的请求和响应，并对数据、工具、API和服务进行访问控制。

英伟达表示，如果Agent试图突破既定的软件边界，Sentry可以对其进行隔离。相比单纯依赖模型自身遵守安全规则，这一架构增加了额外的运行时和硬件防护层。

Anthropic将Claude接入

Anthropic此次参与的重点是Claude Managed Agents。

Claude Managed Agents能够将Agent运行循环放置在独立服务器上，并与执行具体任务的沙箱环境分开。在此基础上，该服务与OpenShell及BlueField进行整合，为企业提供更细致的Agent权限控制。

Notion、Rakuten和Asana等企业已经在生产环境中使用Claude Managed Agents。

这意味着，企业部署Claude等AI Agent时，可以在模型之外增加一套独立的安全控制机制。Agent可以继续自主执行任务，但其能够访问哪些资源、使用哪些工具，以及出现异常时是否继续运行，都可以通过额外的软件和硬件层进行限制。

英伟达瞄准AI Agent安全需求

此次发布也发生在AI Agent安全问题受到更多关注之际。

英伟达创始人兼CEO黄仁勋表示，随着AI能力不断发展，AI安全能力也需要同步推进，并称AI安全需要“全栈工程”。

英伟达此次并没有把安全能力局限于某一个AI模型，而是将其延伸到Agent运行时、服务器以及网络和计算基础设施。对于企业而言，这意味着AI Agent的安全边界可以从模型本身进一步扩展至执行环境。

目前，超过100家机构参与相关技术。除Anthropic外，英伟达还披露，SpaceXAI正在将相关平台用于Cursor coding agents和Grok模型，Salesforce和SAP也在推进OpenShell相关整合。

随着AI Agent从聊天工具逐步转向能够调用工具、访问数据并自主执行任务的企业软件，围绕Agent权限、隔离和实时监控的基础设施需求也在扩大。

英伟达此次推出开放式安全平台，并与Anthropic等AI厂商展开合作，正试图将这类安全能力纳入AI基础设施体系。

本文来自华尔街见闻，欢迎下载APP查看更多

9月28日，AMD宣布将以约82亿美元的全股票交易收购AI初创公司World Labs，后者由知名AI研究先驱李飞飞联合创立并担任CEO。

交易完成后，李飞飞将以执行副总裁兼首席科学家身份加入AMD，直接向CEO苏姿丰汇报。此次收购预计于2026年底前完成，尚待监管批准及其他惯例交割条件的满足。

此次收购标志着AMD在芯片制造主业之外大幅扩展AI战略版图，意在通过直接掌握前沿模型研究，指导其跨硬件、软件与系统的技术路线图。

对投资者而言，这笔交易是AMD对抗英伟达生态系统优势的重要举措，后者已拥有包括Cosmos在内的一系列开放权重世界模型。

AMD收购World Labs的核心逻辑，在于将模型研究能力内化为芯片设计的驱动力。

AMD在声明中表示，随着AI向推理、机器人、仿真及物理AI拓展，对计算基础设施的需求正变得日趋多元。

通过引入World Labs的模型专业知识，AMD得以在工作负载演变过程中获得更深入的洞察，从而优化其未来的技术路线图。苏姿丰在声明中表示：

为下一代AI构建计算平台，需要对模型演变方式有深刻的理解。李飞飞和World Labs团队带来了卓越的研究领导力与模型专业知识。

李飞飞则将此次加入AMD描述为，将技术突破从实验室推向更大规模应用的必然选择。她表示，推进下一代AI技术需要在模型研究、系统与计算之间实现紧密协作。李飞飞表示：

现在我们已有切实的可能性证明，我们希望尽一切努力加速未来。要做到这一点，需要扩大规模、拓宽影响，并与硬件更紧密地结合。

World Labs成立于2024年，总部位于旧金山，专注于开发空间智能模型，能够从文本、图像和视频输入中生成、重建并模拟可交互的三维环境，同时开发面向机器人学习与仿真的相关技术。

空间智能有别于主要聚焦于语言或二维图像的AI系统，其核心在于对物体、空间和动作在三维环境中运作方式的建模。这一能力在机器人、仿真、设计等真实世界应用场景中具有广泛潜力。

今年早些时候，World Labs完成了一轮10亿美元的融资。其首款产品Marble面向娱乐体验创作场景，同时也可为机器人训练提供模拟环境。

值得注意的是，世界模型被业界视为在机器人平台上部署生成式AI模型的关键基础设施。从自动驾驶汽车到工业机器人及通用人形机器人，由于可用于训练通用机器人的有效数据匮乏，来自世界模型的合成数据将在实现这一愿景中扮演关键角色。

此次收购将直接强化AMD在AI芯片生态系统竞争中的地位。

目前，英伟达已通过Cosmos等开放权重世界模型建立起较为完整的生态矩阵，而AMD此前向公众提供的模型仍局限于文本和视频类别，尚无面向物理世界理解的世界模型产品。

两家公司此前已存在合作基础。据报道，World Labs与AMD去年已建立推理优化与训练合作伙伴关系，双方联系一直保持紧密。李飞飞今年早些时候曾作为嘉宾出席AMD在CES上的演讲。

李飞飞是AI领域的重要学术人物，尤其在计算机视觉方向具有开创性贡献，因主导建立ImageNet数据库及后续挑战赛而广为人知。2024年，她创立World Labs，主张真正的通用智能需要以物理为基础，并具备超越文本的数据理解与推理能力。

AMD表示，此次收购有助于推进其为开放生态系统提供AI基础设施的整体战略。

本文来自华尔街见闻，欢迎下载APP查看更多

周一，新兴市场股汇两市延续了近期的抛售态势。由于借贷成本的广泛跃升，MSCI新兴市场股票指数当日下跌1.1%，几乎所有发展中国家货币兑美元均出现走弱，市场风险偏好受到显著压制。

债券市场的资金外流尤为剧烈。上周，资产规模达130亿美元的 BlackRock iShares摩根大通新兴市场美元债券ETF录得6.1亿美元的资金流出，创下自3月以来的最大单周流出量，资金撤离速度达到六个月来的最高水平。

由于霍尔木兹海峡重新开放的不确定性引发油价剧烈波动，市场情绪依然脆弱。尽管有报道称特朗普可能愿意向伊朗提供制裁豁免并释放冻结资金以换取其核计划的进展，促使原油价格从每桶近110美元回落至105美元左右，但在高利率与高油价的双重夹击下，新兴市场资产面临的广泛压力并未消退。

收益率攀升加剧资金流出

美国国债市场的持续抛售是引发此次新兴市场动荡的核心驱动力。

受上周三公布的美国商业活动以五年多来最快速度扩张的数据提振，长期美债收益率逼近多年高点。其中，10年期美债收益率突破5.20%，创下近二十年来的新高，而30年期美债收益率也在上周四攀升至2004年以来的最高水平。

巴西投资公司 Avenue 的首席策略师兼合伙人 William Castro Alves 表示，不断上升的美国借贷成本正“推动各期限收益率全面走高”，而走高的油价和重新抬头的通胀担忧也对该资产类别构成了重压。

Baird Strategas 首席ETF策略师 Todd Sohn 补充称，随着高利率与高油价的组合出现，市场已实质性地进入避险模式，新兴市场债务在这种环境下并非良好的资产配置选择，预计资金外流仍将持续。

据彭博数据显示，9月份彭博新兴市场硬通货综合指数（Bloomberg EM Hard Currency Aggregate Index）已下跌约2.1%。

股市与汇市基本面承压

在股票市场方面，MSCI的发展中国家股票指标正走向近两周来的最差单日表现。

周一亚洲科技股是主要的拖累因素，三星电子与SK海力士跌幅居前。此外，MSCI拉丁美洲股票指标也下跌了约1%。不过，这两大指数今年迄今仍分别保持着22%和11.3%的涨幅。

Zurich Insurance 首席市场策略师 Guy Miller 指出，随着市场对美联储政策的预期变得更加鹰派，投资者对高风险资产的胃口已经减弱。

他表示，新兴市场正被两股力量拉扯：一方面，科技板块依然强劲，为投资者提供了清晰的盈利预期和利润率；另一方面，来自美国的利率走势具有破坏性，将在中期内对其他领域构成强大的逆风。

在货币市场中，哥伦比亚比索领跌，跌幅达1.5%。此前，该国新任总统 Abelardo de la Espriella 在周日晚间的全国讲话中宣布，已下令其经济团队开始与国际货币基金组织（IMF）展开谈判。

该国政府目前正面临一场被官员描述为该国历史上最严重的财政危机。

本文来自华尔街见闻，欢迎下载APP查看更多

欧洲央行行长Christine Lagarde（拉加德）周一表示，长端利率的显著上行将放缓经济增长，并抑制能源价格向整体通胀的传导，其程度将超出欧央行9月预测的幅度。她同时强调，在缺乏二轮效应迹象的背景下，欧央行应采取"适度应对措施"以控制通胀。

受此影响，交易员削减了对欧央行货币紧缩的押注，目前市场对欧央行10月加息的预期概率已降至不足40%。

Lagarde指出，欧央行当前利率水平已处于对经济呈中性影响区间的上端，即2%至2.5%区间的顶部，但她强调，欧央行的货币政策制定并非以中性利率为参照。

与此同时，中东局势升级推动油价走高，市场对通胀前景的担忧再度升温，投资者目前定价欧央行未来一年内还将累计加息近四个25基点。

长端利率上行替代加息

Lagarde表示，自欧央行上次议息会议以来，长端利率已显著上升，这一趋势将起到放缓经济扩张、压制通胀传导的效果，其力度超过欧央行9月预测情景的估算。

这意味着市场自身的利率上行在一定程度上承担了货币政策收紧的功能，为欧央行提供了暂缓行动的空间。

她重申，"利率走势并不与能源价格亦步亦趋"，欧央行的政策重心在于能否前瞻性地识别二轮效应的出现。

Lagarde指出，"因为当二轮效应真正显现时，已经有些滞后了"，但她同时强调，目前尚未观察到"任何迹象表明二轮效应可能出现"。

短期通胀压力犹存，AI或有助于长期通胀下降

拉加德表示，受能源危机影响，欧元区通胀预计将进一步上升，但目前几乎没有证据表明能源成本上涨会加剧经济中更广泛的价格压力。

拉加德同时指出："人工智能有潜力帮助企业提高产量，随着时间的推移，更高的生产率可以降低成本。在其他条件不变的情况下，从长远来看，这应该会降低通胀压力。"

本周即将公布的数据预计将显示，欧元区9月通胀率从8月的3.2%跳升至3.7%，远超2%的政策目标。与此同时，消费者对未来物价上涨的预期在上月再度走高。

中东冲突持续，市场对局势短期缓和的希望趋于淡薄，推动油价周一走高，令通胀升温的担忧重燃。

投资者目前预期欧央行存款利率在未来一年内还将累计上调近100个基点，在此前已累计加息两次的基础上进一步叠加。若上述加息路径兑现，借贷成本将达到实质性抑制经济活动的水平。

财政政策被点名，欧央行呼吁援助举措精准有度

在财政政策层面，Lagarde再度就各国政府应对能源价格上涨的方式提出批评。

她表示，财政援助措施应当是临时性的，且应精准指向最需要帮助的居民和企业，但现实情况并不尽如人意。

"从欧盟委员会和我们自身的观察来看，这些措施未必是临时性的，也未必是精准定向的，"Lagarde说，"它们是'一刀切'式的举措，并未特别侧重于最脆弱、最易受冲击的群体。"

她的这番表态，延续了欧央行长期以来对财政政策纪律的关注，尤其是在债券市场大幅抛售已令部分财政脆弱的欧元区成员国承压的背景下。

本文来自华尔街见闻，欢迎下载APP查看更多

据路透社报道，Starship于当地时间周一上午7时49分从德克萨斯州Starbase发射升空。尽管飞行途中一台发动机提前关机，飞船仍在工程师实时评估后继续执行关键点火机动，并成功进入预定轨道。

该任务原本计划持续约10个小时、环绕地球飞行六圈，不过SpaceX最终决定提前结束本次飞行。飞行团队预计将在Starship入轨3小时后指挥其离轨。

在轨期间，Starship还首次部署了26颗V3版Starlink卫星。马斯克在X上发文称，这批V3版卫星运行正常。V3版Starlink卫星单颗下载容量约为现役V2卫星的10倍。

消息面的快速反转也引发盘前市场波动。发动机故障消息公布后，SpaceX相关股票盘前一度下跌约2%；随后公司确认仍将尝试入轨，股价迅速回升至平盘附近。最终，随着入轨成功得到确认，市场情绪趋于稳定。

周一美股开盘后，SpaceX高开低走，最终收跌2.16%。当天纳指收跌0.92%。

发动机故障惊魂：工程师实时逆转判断

此次任务的戏剧性转折发生在发射后不久。SpaceX发言人Dan Huot在公司直播中最初表示，由于一台发动机提前关机，Starship将无法进入轨道，原计划部署的26颗升级版Starlink卫星也将因此取消。

不过，工程师随后重新评估飞船状态，确认飞船仍具备执行关键轨道点火的条件。Huot随即在直播中更新此前判断，宣布继续推进入轨尝试。最终，Starship成功完成轨道点火并进入预定轨道，完成这一关键里程碑。

入轨意义：迟到多年的关键里程碑

进入轨道是新型运载火箭验证载荷投送能力的重要基准。对于Starship而言，这一目标比SpaceX此前设想的时间表明显滞后——马斯克曾预计Starship可在2022年实现入轨，并计划于2023年开始部署卫星。

自2023年以来，Starship此前13次测试飞行均未完成轨道飞行。尽管SpaceX已在这一项目上累计投入逾150亿美元，研发周期也接近十年，但此次第14次飞行终于实现入轨。

按照计划，本次任务将完成6圈地球轨道飞行，总航程约10小时，最终溅落于智利以西的太平洋海域，也将成为Starship迄今飞行时间最长的一次任务。

但SpaceX最终决定提前结束本次飞行。飞行团队预计将在Starship入轨3小时后指挥其离轨。当地时间中午时分，溅落在太平洋海域。

V3卫星首秀：商业化进程提速

此次任务的另一重要看点，是新一代Starlink V3卫星首次进入轨道。据悉，V3卫星单颗下载容量约为1000吉比特每秒，约为现役V2卫星96吉比特每秒的10倍，有望大幅提升Starlink宽带网络的服务能力。

V3卫星的成功部署，也意味着Starship开始从测试飞行器向实际商业发射系统迈进。SpaceX表示，Starship首次商业服务预计于2028年启动。凭借更大的载荷能力，Starship有望降低单位载荷的入轨成本，并进一步拓展商业航天的应用空间。

马斯克此前曾表示，Starship的最终目标是实现每年数百次甚至数千次发射。如果这一目标最终实现，其发射频率将远超传统航天器的运营模式。

本文来自华尔街见闻，欢迎下载APP查看更多

韩国交易所数据显示，本月1日至23日，KOSPI上市股票日均换手率降至0.50%，为今年以来最低。三星电子与SK海力士股价单日分别下挫逾5%，拖累指数于28日重新跌破7,000点关口，报收6,889.74点。

高利率与油价压力令场外资金迟迟未能回流，券商经纪账户待入市资金仅微幅高于100万亿韩元。市场人士表示，只有宏观压力缓解、三季度企业业绩指引符合预期，资金才有望重返市场。

韩国交易所数据显示，KOSPI日均换手率自3月份的1.74%高点后持续回落——4月降至1.48%，5月1.13%，6月0.81%，7月0.72%，8月0.54%，本月进一步收窄至0.50%，连续六个月下滑。

换手率以交易量除以上市股票总数计算，是衡量市场交投活跃程度的核心指标。

分析人士指出，6月至7月市场剧烈波动期间一度活跃的短线交易已明显降温，投资者正在等待更为明确的市场催化剂。散户倾向于在股价反弹至成本价附近时逢高减仓，外资则在利率与油价压力下同样按兵不动。

本月截至统计期间，散户和外资在KOSPI主板分别净卖出16.69万亿韩元（约合119亿美元）和16.42万亿韩元（约合117亿美元）。

此前对市场形成一定支撑的三星电子和SK海力士股票回购计划，已分别完成85.95%和66.27%（截至28日），剩余回购空间日益有限，对指数的托底效果相应减弱。

与此同时，停泊于券商经纪账户、等待入场的投资者保证金余额截至23日为101.63万亿韩元，仅略高于100万亿韩元的整数关口。

28日，受美国长期国债收益率大幅攀升拖累，三星电子与SK海力士分别下跌5.05%和5.43%，报收27万韩元和176.8万韩元，成为当日KOSPI重挫2.70%的主要拖累因素。

此外，市场对美国软件企业甲骨文人工智能数据中心建设延期的担忧也进一步压制了投资情绪。

投资者当前将目光锁定在30日发布的两项重磅信息：美国8月个人消费支出（PCE）价格指数，以及美光科技的季度业绩。上述数据被视为判断市场能否企稳反弹的关键参照。

大信证券研究员Lee Kyoung-min表示："问题的核心不在于利率本身，而在于什么样的动能能够克服利率压力，市场关注焦点现在将转向基本面。"

多位证券分析师认为，唯有宏观压力出现实质性缓解，且企业业绩季的前景指引达到市场预期，场外资金才具备重新流入的条件。在此之前，KOSPI能否重新站稳7,000点，仍有赖于外部环境的配合。

本文来自华尔街见闻，欢迎下载APP查看更多

据央视援引美国媒体消息，卡塔尔斡旋方预计于9月28日或29日在纽约分别与伊朗外长阿拉格齐及美方代表会谈，会谈预计将围绕伊朗上周在联合国大会期间提出的“7日计划”展开。新华社援引伊朗媒体称，美国当地时间28日上午，阿拉格齐将率领伊朗代表团在纽约与美伊谈判调解方会面，讨论有关当前局势的最新提议，美方代表不会出席此次会面。

伊朗方面本周一稍早表示，无意在纽约与美方直接会谈。新华社援引伊朗媒体28日的报道称，伊朗代表团没有在纽约与美方会谈的计划。代表团此次前往纽约是为了出席联合国大会，代表团的议程不包含与美方举行新一轮谈判的计划。伊朗外长在完成既定行程后将于29日启程回国。

虽然美伊将通过调解方会谈，但彭博社报道称，知情者透露，伊朗官员私下对在11月美国中期选举前达成协议、从而以结束敌对状态并重新开放霍尔木兹海峡持悲观态度。这些知情人士称，伊朗和美国上周在纽约联合国大会期间举行的会谈进展甚微；伊方认为，11月3日美中选结束后冲突升级的可能性较高。

报道：卡塔尔拟分别与美伊会谈，“7日计划”将谈修订版

路透社9月28日报道，一名了解谈判情况的官员透露，卡塔尔斡旋方预计将在28日或29日、即本周一或周二分别与伊朗外长阿拉格齐及美方代表举行会谈，这是推动结束当前战事的新一轮外交努力。

这名不愿透露姓名的官员称，双方与调解方的会谈预计将聚焦伊朗上周在联合国大会期间提出的“7日计划”的修订版本。阿拉格齐在联合国大会结束后仍留在纽约，伊朗媒体伊朗学生通讯社（ISNA）随后证实，阿拉格齐当地时间周一上午将与调解方会面，讨论“有关当前局势的最新提议和看法”。

路透社称，目前尚不清楚谁将代表美国与调解方会谈。这意味着目前推进的仍是由卡塔尔等方面进行的“穿梭式”间接外交，而不是美伊代表直接坐到谈判桌前。

按照路透社此前报道，伊朗提出的“7日计划”包括停止伊朗和黎巴嫩境内的敌对行动、解冻数十亿美元伊朗资产、取消对伊朗石油的制裁以及解除美国对伊朗港口的封锁；作为交换，伊朗将重新开放霍尔木兹海峡，美伊双方并重新启动伊朗核问题谈判。

美国总统特朗普9月26日曾公开表示拒绝伊朗这一提议。不过，特朗普随后又表示预计美国谈判人员本周将继续与伊朗进行接触。路透社称，伊朗方面则表示尚未通过调解方正式收到美国的最终回应。

伊朗要求美国解释：为何拒绝“7日计划”？

在美国公开拒绝伊朗方案后，伊朗方面仍在等待美方的正式说明。

伊朗外长阿拉格齐当地时间9月27日接受采访时，对美国拒绝“7日计划”表示不解。他称，从美国常驻联合国代表华尔兹此前的表态来看，美方“似乎还没有读过相关文件”，因此要求美国解释为何拒绝这一方案。

央视新闻援引阿拉格齐的表态称，如果战火重燃，伊朗也已经做好了充分准备。伊朗此前提出，如果满足相关条件，可在7天内重新开放霍尔木兹海峡。

而华尔兹27日接受采访时则称，伊朗提出的“7日停火计划”是“一种相当愤世嫉俗的企图”。美国与伊朗对于方案内容以及双方各自所提出的条件，仍存在明显分歧。

路透社最新报道显示，阿拉格齐27日曾表示，调解方尚未正式向伊朗传达美国拒绝方案的决定，伊朗正在等待华盛顿的最终立场；他同时强调，伊朗方面的条件是明确的，霍尔木兹海峡能否重新开放取决于这些条件是否得到满足。

伊朗最高领袖：伊朗现已变得独立、强大

在外交渠道继续运作的同时，伊朗最高领袖穆杰塔巴·哈梅内伊28日再次强调伊朗自身的实力与独立性。

新华社报道，穆杰塔巴28日表示，伊朗的敌人企图恢复的那个充斥着西方列强对伊朗事务干涉的时代已永远终结，伊朗现已变得独立、强大。

在黎巴嫩真主党前领导人哈桑·纳斯鲁拉去世两周年之际发表的书面致辞中，穆杰塔巴对比了1979年伊斯兰革命胜利初期与如今的伊朗，称伊朗过去仅拥有有限的自卫手段，而如今已经具备对抗敌人的能力，在进步、独立以及在伊斯兰世界的地位方面均取得长足发展。

穆杰塔巴表示，“敌人渴望重现的过去时光已经一去不复返，绝不会再重演”。他称，那些曾经企图主宰伊朗的势力如今不得不正视伊朗的军事实力；与几十年前相比，伊朗的国防能力已经发生根本性变化，并改变了力量对比。

他还表示，伊朗现已“独立、强大”，敌人希望伊朗回到过去的时代已经不会重演。CBS新闻援引伊朗方面消息称，穆杰塔巴当天还表示，敌方力量未来将被逐出阿拉伯海。

穆杰塔巴的这番表态发布之际，美伊围绕霍尔木兹海峡的军事对峙仍在持续。此前阿拉格齐也表示，伊朗一方面已经为战事重燃做好准备，另一方面仍准备通过外交途径解决问题。

美军人员伤亡细节披露，军事风险仍未消退

外交渠道出现新的接触之际，美伊军事对抗的风险并未消失。

新华社援引美国媒体报道称，，一艘美军人员所乘船只本月14日在霍尔木兹海峡遭伊朗导弹攻击，8名海军陆战队人员受伤。

据上述报道，这8名海军陆战队人员包括7名士兵和一名军官，属于一个“营级登陆队”。这8人所乘船只在霍尔木兹海峡遭伊朗巡航导弹攻击，他们因吸入烟雾受伤，并且出现头痛等关联脑震荡的症状，因此可能还存在创伤性脑损伤。他们“伤得不重”，袭击发生后不久返回岗位。

这起事件凸显出当前外交接触面临的现实风险：美伊双方虽然仍通过卡塔尔等调解方保持沟通，但军事层面的对抗并没有因此停止。

伊朗向国际民航组织申诉，法律战线同步推进

除了通过调解方与美国保持间接接触，伊朗28日还在国际机构层面展开行动。

伊朗民航组织负责人阿布扎尔·希鲁迪当天表示，伊朗已经就美国针对伊朗采取的航班限制措施，向国际民航组织提出正式申诉。

希鲁迪表示，伊朗民航组织和伊朗外交部将采取一切法律手段，推动恢复受到美国限制措施影响的伊朗国际航班。

他还表示，伊朗已经就针对其机场、飞机和雷达设施的袭击向海牙有关机构提起诉讼。

由此来看，目前美伊之间呈现出军事、外交和法律多条线并行的状态：一方面，军事对抗仍未完全停歇；另一方面，卡塔尔等调解方正在推动双方恢复间接接触，而霍尔木兹海峡重新开放、美国军事压力以及伊朗核问题，仍是后续外交博弈的核心议题。

眼下可以确认的是，卡塔尔正在推动美伊分别与调解方接触，“7日计划”修订版也重新进入外交讨论范围，但这并不意味着美伊已经恢复直接谈判。

本文来自华尔街见闻，欢迎下载APP查看更多

Kling 4.0将单次最长生成时长提升至30秒，支持最多15项多模态参考输入，并引入最多10张关键帧的精准叙事控制功能。

其轻量版本Kling 4.0 Flash已于9月28日向黑金年卡会员开放小范围体验，完整版定于10月正式上线。

字节跳动的Seedance 2.5于今年7月上线后，已成为大量创作者的首选工具，阿里巴巴及MiniMax的视频产品亦凭借较高的性价比持续吸引用户。

可灵面临的竞争压力，已直接传导至母公司快手的股价——快手股价过去一年累计跌逾60%，市值约170亿美元，低于可灵7月完成首轮融资后约180亿美元的估值。

从技术层面看，Kling 4.0的升级覆盖多个维度。

在视频质量方面，新模型支持4K及1080p的10-bit HDR格式输出（即将上线），并新增21:9超宽画幅，同时强化了高速运动、连续动作及复杂运镜下的稳定性。音频方面引入高品质双通道立体声，口型匹配精度亦进一步提升。

在创作控制层面，Kling 4.0支持单次最多输入10张图片、5段视频及7个主体，合计15项多模态参考；提示词输入上限提升至8000个tokens；并支持视频多次续拍，最长可延展至2分钟。

此外，新模型支持中、英、日、韩、西班牙语等多语种及多种方言口音。

轻量版Kling 4.0 Flash定位高频创作场景，主打生成速度与成本效率，9月28日已率先向黑金年卡会员开放体验。

可灵目前仍是AI视频赛道中商业化进展最快的玩家之一，通过订阅制及开发者API接入构建了相对稳定的收入来源。据报道，可灵年化营收于今年3月突破5亿美元。

然而，增长势头正在趋缓。最近一个季度的营收增速从此前的300%降至200%。在算力成本高企、技术迭代极快的赛道中，收入规模的提升并不必然带来利润率的同步改善。

对快手而言，AI视频业务的商业化潜力是其核心业务承压背景下的重要支撑叙事。快手的广告和直播主业增长趋于停滞，上一季度盈利出现五年来最大幅度下滑。

今年7月，可灵完成首轮独立融资，融资规模达28亿美元，投资方包括阿里巴巴、腾讯及百度。融资完成后，可灵估值约为180亿美元，快手持有可灵多数股权。

这一数字形成了一个颇为特殊的市场信号：子公司的融资后估值已超过母公司当前约170亿美元的市值，折射出资本市场对快手核心业务前景与AI视频长期价值的截然不同判断。

目前可灵正在运营上独立于快手，拥有独立办公室，团队独立运营。市场预期其存在赴港上市的计划，而此次发布新模型，亦被视为上市前提升市场能见度的举措之一。

可灵所处的AI视频赛道，技术迭代周期正在持续压缩。

OpenAI旗下Sora项目关停后，部分全球需求流向中国平台，一度为可灵带来额外增量。但字节跳动此后以Seedance迅速占据主导地位，在视频真实感方面树立了新的行业标杆。

阿里巴巴与MiniMax的产品同样处于上升通道，二者凭借具有竞争力的性价比吸引了大量创作者、广告主及商业内容制作团队。

在这一背景下，可灵通过Kling 4.0争夺的不仅是技术话语权，更是全球影视创作者、广告公司和创意工作室这一核心付费群体的长期留存。技术领先与商业落地之间的窗口期，正在变得越来越短。

本文来自华尔街见闻，欢迎下载APP查看更多

据报道，德意志银行分析师Daniel Ghali预计，铜价将在2027年第二季度升至每吨22050美元，较周一伦敦金属交易所（LME）14458.50美元的价格高出逾50%。Ghali将当前市场形容为一场“历史性金属争夺战”，买家正竞相锁定日益有限的现货供应。

在他看来，当前铜市已难以同时承受多重压力，包括美国持续囤货、进一步补库需求、精炼铜供应出现明显中断，以及全球供需平衡意外收紧。随着可用库存持续下降，市场定价逻辑正从“需求增长”转向“争夺有限供应”，铜价对供应端扰动的敏感度也随之上升。

库存持续收紧，铜市进入供应争夺阶段

德意志银行认为，美国持续囤货正在进一步改变全球铜库存分布。该行估算，若当前趋势延续，到今年年底，美国与亚洲主要消费市场合计持有的铜库存可能占全球供应总量的71%，进一步压缩其他地区能够获得的现货资源。

即便美国最终不征收铜关税，铜料也未必会重新流向其他市场。由于美国铜期货价格相对LME存在溢价，而LME在美国设有仓库，铜料进入美国体系后，即便溢价收窄，也可能继续留在美国不同仓储地点之间流转，而不是重新进入全球市场。

Ghali进一步警告，如果囤货趋势持续，全球其他用户可获得的铜供应甚至可能在2028年底前耗尽。不过，这一极端情景最终可能通过价格机制得到缓解：铜价大幅上涨后，部分用户将寻求以铝替代铜。尽管铝的导电效率较低，但成本优势可能推动需求转移。

德银预期2027年铜价均值20900美元

问题在于，当前铜价仍不足以触发大规模替代。这意味着，在价格真正高到足以改变终端用户行为之前，供应紧张仍可能持续，并对铜价形成支撑。

德意志银行预计，铜价2027年均价将达到每吨20900美元，并在2027年第二季度触及22050美元；2028年均价则回落至18500美元，反映出市场在经历极度紧张后逐步恢复平衡的预期。

短期来看，铜价距离这一目标仍有明显空间。周一LME铜价下跌1.33%，报每吨14428.50美元。当前价格与德银2027年目标价之间仍相差逾50%，意味着从现价走向极端紧缺情景并非直线过程，关税政策、精炼产能以及实际需求变化仍将决定这一轮铜市紧张能否进一步演变为真正的供应危机。

本文来自华尔街见闻，欢迎下载APP查看更多

英伟达披露，AI初创公司Anthropic迄今已签约2.6吉瓦的AI基础设施算力，交付期延伸至2028年，其跨多家云服务商（CSP）及新兴云平台（Neocloud）的合同总价值已超过1800亿美元。与此同时，英伟达整体供应承诺额从上季度的1190亿美元大幅攀升至2790亿美元，增幅超过130%，本次承诺额的增长主要与内存采购相关。

上述数据的披露延续了英伟达在财报周期中定期公布合同承诺规模的惯例。市场对此类数据的解读通常遵循固定逻辑：合同总额被视为需求持续性的佐证，而承诺构成则决定其实际分量。

Anthropic签约规模凸显头部AI客户需求强度

英伟达披露，Anthropic已累计签约2.6吉瓦AI基础设施算力，交付期覆盖至2028年，跨多家CSP及Neocloud平台的合同总价值超过1800亿美元。

这一数字直观呈现了头部AI实验室在算力资源上的大规模前置锁定意愿。从交付时间线来看，合同覆盖至2028年，意味着相关需求具备较长的可见窗口，有助于支撑市场对英伟达中期营收的预期。

英伟达同时披露，其在澳大利亚的Neocloud合作伙伴承诺于2027年前交付最高2吉瓦的算力，进一步体现了AI基础设施需求向全球多个市场延伸的趋势。

承诺额季度环比翻倍，内存采购为主要驱动

英伟达整体供应承诺额从上季度的1190亿美元升至2790亿美元，单季增幅达1600亿美元，英伟达指出，本次承诺额增长主要与内存采购相关。

这一区分至关重要。市场分析人士通常将与终端算力需求直接挂钩的合同承诺，与以采购为导向的供应链承诺区别对待。内存及封装等关键组件的大规模提前锁定，既可解读为对订单簿的信心体现，也可视为在供应紧张环境下的对冲操作——两种解读在需求假设出现松动时，对估值的影响方向并不相同。

在过去组件供应受限的周期中，激进的内存采购承诺曾被市场同时赋予上述两种含义，投资者需关注相关承诺最终转化为确认收入的比例、预付款及取消条款的披露情况，以及内存价格走势能否验证采购逻辑。

投资组合持续扩张，需求叙事得到强化

英伟达当前投资组合涵盖13家上市公司及229家私营公司，客户生态的广度在一定程度上分散了对单一大客户集中度的担忧。

此类承诺披露已成为英伟达报告节奏中的常规内容，市场对其处理方式也形成了固定模式。值得关注的是，围绕AI客户融资的循环性问题——即芯片供应商与AI实验室之间大额合同的资金来源——在每次大规模合同披露时均会成为持续讨论的议题。

从单一数据点的角度来看，本次披露强化了现有的需求持续性叙事。市场的后续关注焦点将集中于：承诺额在指引窗口内转化为实际收入的节奏，以及相关披露是否能够进一步厘清合同对手方的质量与期限结构。

本文来自华尔街见闻，欢迎下载APP查看更多

9月28日，据彭博援引知情人士消息，沙特东西输油管道目前已恢复运行，原油流量约为每日350万桶。管道总输送能力约为每日700万桶，其中约500万桶通常用于出口、200万桶供应沙特西海岸炼厂。

此次重启意味着沙特重新获得绕开霍尔木兹海峡的关键出口能力，有望缓解此前因管道停运而加剧的供应压力，并为此前被告知下月无法获得合同分配货物的欧洲买家带来直接利好。

目前布伦特原油价格仍在每桶100美元附近，美伊谈判陷入僵局，地缘政治风险继续支撑油价。市场正密切关注，随着东西管道逐步恢复运行，沙特是否会相应减少经霍尔木兹海峡的出口，以及全球原油供应格局是否因此出现变化。

管道恢复出口，距离满负荷运行仍有差距

东西管道于9月10日遭无人机袭击后停运。此前有报道援引知情人士表示，管道全面恢复运营可能需要约六周时间。目前流量约为每日350万桶，仅相当于设计产能的一半，意味着管道恢复至正常水平仍需一定时间。

管道停运期间，沙特通过增加经霍尔木兹海峡的原油出口来弥补供应缺口。据彭博数据，沙特9月整体石油出口已升至每日500万桶以上的战时高位，其中大部分货物流向亚洲市场。

不过，霍尔木兹海峡的运输安全风险仍然存在。随着中东冲突持续，往来船只仍面临袭击风险；与此同时，红海航线也受到也门胡塞武装活动影响，沙特能源基础设施面临的安全压力并未完全消退。

沙特出口调整将成为油市关键变量

东西管道是沙特绕开霍尔木兹海峡、将原油输往红海沿岸并进一步出口的重要基础设施。此次恢复运行，不仅提升了沙特原油出口的运输弹性，也为全球市场增加了一条重要的供应保障通道。

市场当前关注的焦点，是东西管道恢复后沙特将如何重新分配出口货量。如果管道流量继续提升，沙特是否会减少经霍尔木兹海峡的原油运输，以及整体出口规模能否维持高位，都可能影响全球原油供应预期。

在中东冲突和主要海运通道安全风险仍存的背景下，东西管道能否进一步恢复至高负荷运行，以及沙特后续的出口安排，将成为市场判断原油供应变化和油价走势的重要观察点。

本文来自华尔街见闻，欢迎下载APP查看更多

来自业界的消息，监管机关日前向多家险企下发《关于明确保险资金投资港股通ETF监管口径的函》（以下简称《监管口径函》），正式确认：具备投资港股通股票资格的保险机构，未来可以按港股通政策口径和通道，投资“内地与香港股票市场交易互联互通机制”中的交易型开放式基金（即港股通ETF）。

这无疑为保险资金规范的投资境外品种开启新的通道，也将为持续调整的港股市场带来“新鲜资金血液”。

政策明确险资投资口径

《监管口径函》明确指出，根据《保险资金运用管理办法》及相关规定，按照监管规定可投资港股通股票的保险机构，可以投资内地与香港股票市场交易互联互通机制中的交易型开放式基金（港股通ETF），参照保险资金投资港股通股票的相关监管规定执行。

业内机构认为，此举旨在优化保险资产配置结构，规范保险资金投资港股通ETF的行为。据悉相关文件已下发至地方金融监管局、保险集团（控股）公司、保险公司及保险资产管理公司。

Wind数据显示，截至9月27日，纳入港股通范围的ETF基金共计31只，全部为股票型产品。港股通ETF基金的成分股质地较为突出，流动性较好，整体特征稳健，且包含一定比例的高股息标的。

出台并非偶然

业界还认为，这一政策的出台并非偶然。

早在今年8月18日，国家金融监督管理总局便明确表态，支持内地保险资金参与内地与香港金融市场互联互通，支持内地保险机构通过沪深港通投资香港交易所买卖基金。

9月23日，香港证监会行政总裁梁凤仪在公开演讲中亦证实，已获得国家金融监督管理总局支持，允许内地保险资金投资在香港上市的ETF，并宣布"本周一内地保险资金已正式登陆ETF通"。

回顾历史，保险资金开启港股通投资已走过十年历程：2016年，险资获准参与沪港通下的香港股票投资；2017年，深港通被纳入险资投资范围；2022年，ETF正式纳入互联互通机制，但彼时尚未允许险资直接投资港股通ETF。此次《监管口径函》的落地，补齐了这一制度缺口。

险资"欢迎"新政策

对于这一新政，保险机构普遍表示欢迎，认为其从制度层面进一步解绑了险资境外配置的难点，对保险资金的长期投资影响积极。

一些保险资管人士认为，此前保险资金的境外投资占比仅在个位数。后者与QDII（合格境内机构投资者）额度长期紧张，审批亦存在较大不确定性有关。

港股通ETF的放开，从制度层面解决了额度瓶颈，不占用稀缺的QDII额度，为险资常态化配置境外资产打通了新通道。

还有一些观点认为，新政策不仅打通了险资配置港股ETF的“制度通道”，而且新规明确“可投资港股通股票的机构即可投资港股通ETF”，更意味着配置权限与现有港股通资格直接挂钩，无需额外审批。

这对保险资金进一步加强境外市场配置，意义重大。

初期节奏或较为审慎

尽管政策方向明朗，但业内机构预计，险资实际增配港股通ETF的节奏在初期不会很快，大概率会秉承先审慎投资，后逐步提升投资比例的操作原则。

来自业界的信息亦显示，保险投资机构目前多数处于积极研究阶段，市场期待的“长驱直入”尚未发生，后续或在等待更好时机。

包括东吴证券在内的研究机构亦发布相关研究观点，认为港股通ETF中包含跨境投资产品，或将成为内地险资开展境外投资的新突破口。不过，对内地险资而言，海外高息固收资产可能更符合当前配置需求。

重构港股市场投资者结构

一些市场人士还认为，考虑到当下境内市场回报率持续下行的背景，开放险资投资港股通ETF，不仅为险资提供了更丰富的跨境配置工具，也给港股市场带来新的长期资金。后者对于长期依赖海外机构配置的港股市场，别有一番意义。

监管部门的数据显示，截至2026年二季度末，险资运用余额已突破40万亿元；其中投向股票和证券投资基金合计余额达6.39万亿元，较年初增长6907亿元。庞大的资金体量意味着，即便险资将小比例资金配置于港股通ETF，对香港市场的边际影响也不容小觑。

而且，这个通道的未来提升空间还很大。国内保险资金结余巨大，长期的支付压力亦存，通过港股通ETF来实现对港股市场内优质股权资产配置，对于保险公司是一个重要的投资手段，同时也很可能为港股市场带来源源不断的长期资金。

本文来自华尔街见闻，欢迎下载APP查看更多

当地时间9月28日，Meta创始人兼首席执行官马克·扎克伯格宣布，公司正式启动新的业务支柱——Meta Enterprise Platform（Meta企业平台），旨在帮助企业利用AI实现业务增长和转型。

扎克伯格表示，Meta将依托自身在先进AI模型、智能体、大规模基础设施以及企业服务方面的能力，将完整AI技术栈提供给企业和开发者。平台初期将重点推出包括Muse智能体、Meta Business Agent、Muse API、Muse Code在内的一系列产品。

Meta表示，企业平台的目标是将公司的AI技术栈进一步转化为企业可以直接部署的产品和服务。公司还强调，安全和隐私将从企业产品设计之初就被纳入其中。

与此同时，Meta宣布任命Chirantan“CJ”Desai为首席企业平台官，直接向扎克伯格汇报。Desai此前担任MongoDB首席执行官兼总裁，此前还曾负责Cloudflare的产品和工程，并在ServiceNow任职近八年，担任过总裁和首席运营官。

Desai表示，未来几年，AI将从根本上改变企业创新、增长、客户服务和业务运营方式。Meta希望将先进模型和智能体能力与其服务数亿企业的经验结合起来，为企业提供可直接部署的AI产品和服务。

扎克伯格则表示，Meta目前已经服务数十亿用户，并帮助数亿企业触达客户，企业平台将成为公司下一阶段的重要业务支柱。

本文来自华尔街见闻，欢迎下载APP查看更多

金价当前正打出一根大阴线，自2025年以来定义本轮上涨趋势的主要趋势线正遭受直接考验。金价已跌破200日均线，并正在跌破50日均线。技术面的快速崩坏令市场将目光锁定在4000美元这一关键支撑位。

与此同时，宏观环境也在同步转向不利。前端实际利率大幅走高，美元走强，黄金ETF资金流出加速，持有零收益资产的机会成本骤然上升。The Market Ear分析指出，黄金的结构性多头逻辑或许依然成立，但短期内的交易格局正在变得"相当难看"。

技术面全面破位，4000美元成关键防线

金价当前正承受多重技术压力的叠加冲击。据LSEG Workspace数据，金价不仅已运行于200日均线下方，目前更在跌破50日均线，并直接测试自2025年以来支撑本轮牛市的主要趋势线。

分析人士指出，若金价收盘价跌破该趋势线，将构成重大技术面恶化信号，4000美元将成为下一个需要密切关注的支撑位。一旦该位置失守，3887美元将是下一道防线，此后是世界黄金协会此前标注的3500美元区域。

据高盛交易台信息，主权及机构买家的买盘已在4000美元附近有所布局，这在一定程度上为该位置提供了支撑，但能否守住仍有待观察。

创纪录投机买盘成"悬在头顶的堰塞湖"

令市场尤为警惕的是，当前多头仓位的积累速度与规模均属历史罕见。

据COT持仓数据，约一个月前金价开始回落之际，投机者在三周内以名义金额计买入了创纪录规模的黄金期货，且这一买盘并非集中于某一类别，而是各类投机者全面参与。

这意味着大量新建多头仓位的建仓成本均高于当前市价，在价格趋势向上时尚属无虞，一旦行情转为下行，这些仓位便成为加速下跌的潜在燃料。

核心问题在于：这些多头将以多快的速度选择离场？

中国市场提前减仓，节假日窗口加剧流动性风险

来自中国市场的信号同样值得关注。据高盛黄金交易台数据，上海期货交易所（SHFE）当日交易时段内多头在开盘时即遭到平仓，未平仓合约减少约1.1万手，降幅约2.6%。

高盛指出，由于境内SGE多头与SHFE空头之间存在大规模EFP套利头寸，SHFE的名义持仓数据可能高估了真实的投机性多头规模，但中国投机者整体仍处于净多头状态。

更关键的是日历因素：上海期货交易所将于10月1日至7日因国庆假期休市一周。在伊朗局势与利率双双波动的背景下，投机者几乎没有动力在长达一周的休市期间维持大规模多头敞口。市场预计，节前减仓压力将进一步延续。

实际利率飙升，黄金机会成本骤然上升

宏观层面的逆风同样不可忽视。据LSEG Workspace数据，过去数周前端实际利率大幅走高，2年期实际利率已回升至逾两年来的高位，而通胀预期的上行幅度远不足以抵消这一冲击。

高盛分析师Privorotsky指出，对于一个零收益资产而言，这是一个极为不利的环境。黄金固然可以对冲通胀、财政压力与地缘政治风险，但当现金资产突然提供可观的正实际回报时，持有黄金的机会成本便开始显著侵蚀其吸引力。

与此同时，黄金与美元之间的负相关关系在过去近一年内保持高度稳定，这意味着交易黄金在相当程度上等同于交易美元走势。美元的阶段性走强，进一步压制了金价的反弹空间。

期权市场信号分歧，波动率持续走低

期权市场的表现则呈现出一定的内部矛盾。黄金通常具有上行偏斜的波动率结构，看涨期权需求历来高于看跌期权。据高盛数据，当前看涨期权的需求依然相对旺盛，但黄金隐含波动率却持续走低。

这一背离意味着，期权市场并未对黄金的大幅上行行情给予充分定价，市场对于短期内金价急速反弹的预期并不强烈。

结构性多头逻辑未破，但边际买家正在撤退

值得注意的是，上述种种压力均属短期性质，黄金的长期结构性支撑并未动摇。各国央行仍在持续增持黄金，当前月均增持规模约为91吨，约为2022年前水平的5倍，长期财政可持续性带来的避险需求同样依然存在。

然而，短期问题的症结在于：边际买家正在撤离。鹰派加息预期的兑现，正在加速瓦解此前推动金价上涨的宏观政策对冲逻辑；实际利率走高也在冲击对利率敏感的ETF投资者群体，全球黄金ETF资金流出已在加速。

结构性多头故事或许仍在，但在当前这个时间窗口，主导价格走向的，是那些正在寻找出口的短期投机者。

本文来自华尔街见闻，欢迎下载APP查看更多

这家全球市值最高的公司于周一表示，其董事会已批准将回购计划额度增加1500亿美元。加上已有计划，英伟达目前已获得授权，在2028年1月前可投入最多2350亿美元用于回购股票。受此消息提振，英伟达股价在周一盘前交易中一度上涨了1.4%，随后涨幅收窄。

英伟达联合创始人兼首席执行官黄仁勋周一发表声明称，这项新计划反映了公司对AI领域“未来长期机遇的信心”。他强调，由AI和加速计算驱动的平台转型带来了业务增长，公司强大的现金流生成能力使其能够在投资推进技术转型的同时，向股东回馈资本。

这一巨额回购举措出台之际，正值英伟达股价的强劲上涨势头出现放缓迹象。随着越来越多投资者开始质疑AI热潮的可持续性，此次创纪录的资本回馈不仅直接回应了市场的担忧，也凸显了管理层对其核心业务变现能力的高度确信。

刷新美国企业资本回报纪录

英伟达此次1500亿美元的授权，打破了此前由苹果公司在2024年创下的1100亿美元美国企业最大规模回购纪录。据彭博报道，在苹果宣布该项回购时，这家iPhone制造商包揽了美国企业最大规模回购授权的前五名。

通常情况下，大规模的回购授权表明公司管理层认为其股票被低估，但这往往也与大型成熟企业面临增长放缓有关。例如苹果在创下回购纪录时，其iPhone业务的增长正在放缓，主要依靠其在智能手机市场的统治地位获取利润。

然而，英伟达的轨迹与此形成鲜明对比。该芯片制造商的销售额仍在快速攀升，预计其今年的营收将实现约90%的增长。这表明英伟达在实施巨额股东回报的同时，其基本面依然处于高速扩张阶段。

AI基建投资维持强劲需求

英伟达利润的激增，根本原因在于整个科技行业仍在向AI基础设施注入巨额资金。据高盛预测，今年全球AI领域的投资额将超过1万亿美元。

作为支撑ChatGPT、Claude和Gemini等大型语言模型运行的算力核心，英伟达的芯片产品在市场上依然供不应求。在激烈的AI竞赛中，包括OpenAI、Anthropic和SpaceX在内的众多公司都是其大客户。即使是拥有自主研发AI芯片系列的谷歌，也是英伟达产品在其云计算部门的重要买家。

充裕现金流支撑长期估值

超预期的财务数据为英伟达的巨额回购提供了坚实支撑。据标普全球旗下Visible Alpha的一致预期数据，在截至今年1月的最近一个财年中，英伟达创造了近1000亿美元的自由现金流。预计到2028财年，这一数字将增长两倍以上，达到3290亿美元。

在净利润方面，据Visible Alpha预测，英伟达本财年的净利润将翻倍至2450亿美元，并在截至2028年1月的下一个财年进一步升至3870亿美元。

在二级市场表现上，自OpenAI于2022年底推出ChatGPT以来，英伟达的股价累计涨幅已超过1200%。但在2026年，该股的惊人涨势有所放缓，年内迄今涨幅约为20%。在市场对AI繁荣持续性产生分歧的背景下，强劲的盈利预期与充裕的现金流，成为了英伟达稳定投资者信心的核心支撑。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台，摩根大通策略师Mislav Matejka在9月28日发布的报告中指出，以"科技七巨头"（Mag-7）为代表的大型科技股估值已跌至10年最低，超大规模云厂商（Hyperscalers）相对标普500的市盈率溢价亦压缩至逾一个标准差的低位，杀估值进程在很大程度上已接近尾声。报告同时维持对半导体的超配立场，并建议重新布局"做多半导体、做空软件"的配对交易。

然而，摩根大通明确表示，科技板块不太可能重返此前"一枝独秀"的极端强势格局。该行认为，AI资本开支周期仍将持续，盈利动能依然稳健，变现路径也在逐步清晰，这些因素共同支撑科技板块重新获得市场关注——但科技股主导市场回报的时代已成过去。

Mag-7与超大规模云厂商：估值压缩接近尾声

Mag-7今年以来持续跑输大盘，相对标普500的12个月远期市盈率已降至近一个标准差的低位，为10年来最便宜水平。摩根大通早在今年3月便指出，这一去估值进程已有过度之嫌。

超大规模云厂商指数——涵盖亚马逊、谷歌、微软、Meta和甲骨文——年初至今跑输标普500达8%。随着AI资本开支激增，这些公司的自由现金流正转为负值：据彭博数据，上述五家公司合计自由现金流预计将从2024年的约2334亿美元降至2026年的约106亿美元，并于2027年转为负值。与此同时，债务和股权融资规模随之上升。

摩根大通承认，商业模式从轻资产向重资产转型确实为估值压缩提供了一定合理性，但当前相对市盈率已超过一个标准差的低位，压缩幅度可能已经过头。该行认为，超大规模云厂商的股价表现将获得盈利增长的支撑——尽管进一步的估值压缩可能蚕食部分收益，但不会将其全部抵消。

另一个常被引用的担忧是变现能力。LLM Token价格近月来大幅下滑，但摩根大通指出，消费量的爆炸式增长已足以抵消价格下跌的影响，总体支出实际上仍在上升，变现案例也在持续积累。

半导体：盈利持续上修，配对交易重新入场

摩根大通维持对半导体板块的超配立场，并建议重新布局"做多半导体、做空软件"的配对交易。

今年6月至7月的动量平仓行情中，费城半导体指数（SOX）最大跌幅达28%，韩国综合股价指数（KOSPI）跌幅更高达39%，后者受到HBM降规格、算法效率提升压缩内存需求等担忧的放大冲击。然而，摩根大通在7月底即呼吁重返半导体多头立场，理由是盈利持续走强。

数据印证了这一判断：自6月半导体相对软件的相对价格触顶以来，半导体的12个月远期每股盈利持续上修，涨幅达30%；软件板块的盈利预期则几乎毫无改善。这一价格与盈利之间的显著背离，摩根大通认为构成良好的买入机会。

从行业基本面看，摩根大通半导体研究团队强调，供需平衡预计在2028年前难以实现，定价有望持续上涨至2027年。多家公司的最新季度评论也印证了需求仍在加速：Broadcom管理层表示推理需求正在加速推动定制XPU的采用；Applied Materials指引大幅超预期，并描述了来自最大客户长达八个季度的异常强劲能见度；Arm Holdings则表示云/AI版税组合正以每年两倍的速度增长。

超大规模云厂商的资本开支预测同样支持这一判断。摩根大通预计，Hyperscalers的合计资本开支将从2026年估计的9500亿美元攀升至2027年的1.4万亿美元，并于2030年达到3万亿美元，2027至2030年复合年增长率约为28%。

在半导体供应链内部，摩根大通特别点名半导体设备（SPE）子板块，并将ASML列为欧洲核心标的。尽管市场押注盈利下调导致ASML的PEG比率处于低位，但摩根大通认为这是买入机会，其行业分析师认为该公司基本面最终将证明是稳健的。

软件：估值创历史低位，但基本面支撑不足

软件板块自去年年中以来持续跑输大盘，投资者担忧AI的崛起将令其商业模式和收入模型失去相关性。目前，美国AI易受冲击篮子（AI Vulnerable basket）和欧洲受AI冲击风险股票的估值均已跌至历史低位附近。

今年6月下旬，Anthropic首席执行官Dario Amodei关于需要"放缓AI前沿发展"的言论，引发软件相对半导体单日大涨12.2%，创下历史上最大单日涨幅之一。摩根大通对此持怀疑态度，认为AI竞赛本质上是一场"存亡之战、赢者通吃"，大幅放缓的可能性不大。

摩根大通在今年3月曾指出，鉴于软件板块跌幅过大，短期内存在交易性反弹机会，并建议不要过度做空。但该行同时强调，软件板块的盈利能力将持续受到质疑，该板块可能长期落后于AI生态系统的其他部分。

网络安全是软件板块内部的例外。摩根大通指出，AI模型带来的安全威胁日益严峻，推动网络安全公司股价近月来大幅反弹，AI安全主题有望持续。

整体市场：油价与利率波动消退后有望重拾升势

摩根大通认为，一旦油价和利率波动趋于平稳，叠加9月季节性不利因素消退，整体股市有望重新上行，届时强劲的三季度业绩将成为重要催化剂。

当前市场面临的主要扰动来自两方面：其一，美国10年期国债收益率上周突破5%关口，为近二十年来首次，受能源价格上涨、PMI分项数据强劲、5年期国债拍卖需求不佳及美联储官员鹰派表态等多重因素驱动；其二，油价因美伊紧张局势升级而走高。尽管如此，标普500和欧洲斯托克600指数目前仅较高点回落1%至3%，市场消化波动的能力较强。

摩根大通指出，科技板块的改善对整体市场有所裨益——科技股在美国、新兴市场指数中的权重分别高达39%和44%——但科技股跑赢并非市场上涨的必要条件。今年6月至7月动量平仓期间，KOSPI和SOX均大幅下跌，但整体股市依然企稳，并于8月创下新高，直至近期才因油价和利率波动再度承压。

在板块配置上，摩根大通维持超配半导体、低配软件和媒体的立场，并看好韩国及新兴市场受益于半导体板块改善的间接机会。

本文来自华尔街见闻，欢迎下载APP查看更多

据CNBC报道，美国银行最新分析显示，2026年8月，美国消费者在兴趣爱好上的支出同比增长7.9%，明显高于实际交易笔数3.4%的增幅，意味着消费增长不仅来自购买次数增加，单笔支出也在上升。美国人口普查局数据同样显示，过去12个月，体育用品、爱好类商品、乐器及书店销售额同比增长10.7%，显著高于美国零售及餐饮服务总销售额6%的增幅。

这一趋势背后，一个重要因素是旅行成本上涨。随着机票价格大幅走高，部分美国消费者开始将原本用于旅行的预算转向居家娱乐和兴趣消费。对体育用品、游戏及手工艺品零售商而言，这意味着消费需求正在发生结构性转移。

旅行变贵，居家爱好承接消费预算

美国银行分析指出，近期兴趣爱好支出的加速，与旅行成本上涨存在明显关联。国际航空运输协会数据显示，截至9月18日当周，全球平均喷气燃料价格升至194美元/桶左右，较上年同期大幅上涨；美国劳工统计局数据显示，8月美国机票价格同比上涨23.4%。

英国诺丁汉大学经济学教授John Gathergood表示，当某类消费变得更加昂贵时，消费者可能在不同活动之间进行替代，例如减少海外旅行、外出就餐，转而增加居家兴趣爱好和自制餐食支出。

值得注意的是，美国银行在统计兴趣爱好消费时并未计入旅行，因此7.9%的增幅主要反映非旅行类休闲消费的增长。这意味着，旅行成本上升并不一定直接压缩整个休闲消费预算，部分支出可能只是从“出门消费”转向“居家消费”。

价格上涨之外，消费意愿仍在延续

“快乐通胀”并非单纯由商品涨价推动。美国劳工统计局数据显示，截至8月，娱乐相关CPI同比上涨2.7%，低于兴趣爱好支出7.9%的增幅，显示消费需求本身也在增长。

晨星高级股票分析师Dan Wasiolek表示，疫情加速了消费者从购买实物商品向体验消费的转变，这一趋势仍在延续。普华永道今年4月对逾2000名成年人的调查显示，受访者计划今年夏季平均花费近2900美元用于旅行，71%预计支出将与上年持平或增加。

从年龄来看，美国银行数据显示，截至8月的三个月内，年龄较大的千禧一代人均兴趣爱好支出最高，超过Z世代的两倍；Z世代则是各年龄群体中支出最低的群体。美国银行分析师认为，这可能与艺术、手工艺、桌游等低成本爱好的消费增加有关。

电子游戏则呈现出跨代增长趋势。截至8月的12个月内，各年龄段人均电子游戏支出均明显增加，即使增幅最低的Z世代，支出也同比增长20%。

本文来自华尔街见闻，欢迎下载APP查看更多

Ackman近日在X平台发文称，AI军备竞赛正推动科技巨头持续扩大资本开支。即使融资成本上升，企业仍可能继续建设数据中心、采购算力，使更高利率难以有效压制投资需求；与此同时，利息成本上升还可能通过供应链和定价机制传导至商品和服务价格。

这一担忧并非Ackman一人的判断。Moody's Analytics首席经济学家Mark Zandi此前也表示，美联储此时加息可能是“一个错误”，并警告称，若要将通胀重新压回2%的目标，美联储要么遏制AI投资热潮，要么进一步压制经济其他部分。

AI投资热潮，正在削弱加息的传统传导机制

传统货币政策逻辑是，加息提高借贷成本，抑制企业投资和居民消费，进而压低总需求和通胀。但Ackman认为，AI可能正在打破这一传导链条：对于超大规模科技公司而言，争夺AI基础设施和算力的潜在回报足以支撑其在更高利率环境下继续大举投资。

“在历史上这一独特时刻，为何更高的利率不会因利息成本被嵌入一切而导致更多通胀？”Ackman在帖子中反问。

这轮资本开支的规模也为这一判断提供了背景。Bridgewater Associates数据显示，Alphabet、Amazon、Meta和Microsoft今年的AI相关投资预计至少达到6500亿美元。Gartner最新预测则显示，2026年全球AI支出将达到2.7万亿美元，同比增长49.5%，其中AI基础设施支出约1.48万亿美元。

这意味着，在AI投资高度依赖未来增长预期、且企业对算力和数据中心的需求仍然强劲的情况下，利率上升对这部分资本开支的抑制力度，可能弱于传统经济周期。Gartner甚至指出，AI基础设施需求目前对成本上升表现出较强韧性。

通胀仍高于目标，美联储紧缩压力难以消退

但对美联储而言，问题在于通胀并未真正回到目标水平。受能源价格上涨及其他供应冲击影响，美国通胀今年重新走高。以CPI衡量，通胀已连续66个月高于美联储2%的目标；核心PCE也已连续65个月高于目标。

与此同时，美联储官员近期的表态显示，对通胀持续性的担忧仍然突出。里士满联储主席Tom Barkin表示，当前价格压力已不再局限于能源和关税冲击，消费需求及更广泛的经济活动同样在推高通胀。圣路易斯联储主席Alberto Musalem则认为，通胀仍可能需要进一步加息来压制。

市场也已开始定价进一步收紧。CME Group的FedWatch工具显示，30天联邦基金期货隐含的10月加息概率约为64%；高盛经济学家同样预计美联储可能在10月27日至28日的会议上再次加息，但这一判断取决于油价走势。

本文来自华尔街见闻，欢迎下载APP查看更多

9月28日，据The Verge报道，安全研究员Rowan Howard-Jones披露，今年4月至6月间，OpenAI智能体向联合国贸易和发展会议（UNCTAD）统计网站发送逾1.6万次扫描请求。

涉事智能体原本被要求通过UNCTADstat API获取生产能力指数（PCI）相关公开数据，但由于缺乏直接API访问权限，加之HTTP工具受到限制，数据抓取一度受阻。

任务受阻后，智能体没有停止，而是开始自行寻找绕过限制的办法。在多次请求失败后，它误以为网站存在一个并不存在的“过滤器”，并尝试隐藏自身行为，随后又发现可以利用谷歌XSS游戏作为跳板继续完成任务。该游戏原本用于帮助用户学习跨站脚本技术，但被智能体当作实现数据获取目标的工具。

此次事件的规模和影响尚未达到近期针对美国政府网站的相关事件，但从绕过访问限制，到隐藏行为，再到调用第三方工具，智能体的操作范围逐步扩大，也暴露出AI系统在自主执行任务时可能出现的权限边界问题。

随着AI智能体获得更强的工具调用能力，如何限制其访问权限和行动范围，成为AI安全领域需要进一步解决的问题。

本文来自华尔街见闻，欢迎下载APP查看更多

杰富瑞报告指出，随着小型语言模型性能提升、成本下降，企业AI部署可能从集中式云端转向本地化，由此对云端算力需求以及巨额数据中心资本开支形成压力。

这一判断的一个重要依据，是近期对AI服务器实际使用情况的观察。2026年9月，Swerve Research Technologies通过追踪Anthropic服务器请求队列的等待时间构建“拥堵指数”，发现相关服务器利用率较2026年1月至2月的峰值下降26%。这一指标并不能直接对应公司收入，但如果利用率持续走低，可能意味着部分算力供给开始出现闲置。

与此同时，AI基础设施投资仍在快速扩张。市场目前预计，Meta、Alphabet、亚马逊和微软四家美国科技巨头2027年资本支出合计可能达到9900亿美元。报告认为，如果AI算力需求增速最终无法匹配如此庞大的投资规模，部分数据中心可能面临回报不足甚至成为“搁置资产”的风险。

服务器利用率下降，AI算力供给面临考验

Meta旗下个人AI产品Muse于9月8日上线后，推动Meta股价在数周内上涨21%，成为近期AI消费应用的亮点。但报告认为，单个应用的成功并不足以证明整个AI基础设施投资周期能够持续。

更值得关注的是，AI企业自身也释放出一些不同于市场乐观预期的信号。Anthropic CEO、OpenAI CEO Sam Altman以及Elon Musk近期均曾公开讨论放缓AI发展的必要性；Anthropic原计划中的IPO则推迟至11月。

与此同时，Anthropic此前已与SpaceX签署价值450亿美元、为期三年的算力合同，并与亚马逊、谷歌云达成数十亿美元级别的算力合作。如果AI收入增速放缓，而此前签订的大规模算力合同仍需持续兑现，企业的成本压力可能进一步上升。

据报道，Meta还在7月与Anthropic谈判，拟在两年内向其出租最高100亿美元的数据中心算力。报告认为，大型科技公司开始积极寻找外部客户消化算力，也反映出随着基础设施供给快速扩张，如何提高资产利用率正成为新的问题。

小模型性能追赶，本地部署或分流云端需求

相比服务器利用率的短期变化，报告更加关注AI模型架构正在发生的变化。

斯坦福大学与Together AI联合发布的《Intelligence per Watt》研究显示，小型语言模型的性能正快速追赶大型语言模型，同时能耗和算力成本低50%至85%。如果这一趋势延续，企业部署AI所需的算力规模和成本结构都可能随之改变。

过去，企业更多依赖集中式云端大模型完成AI任务；随着小模型能力提升，部分场景可能转向本地部署。对于银行等对数据安全要求较高的行业，本地化部署本身已有较强需求；当小模型进一步降低部署成本后，这一模式的适用范围可能继续扩大。

这意味着，AI应用增长并不必然对应云端算力需求同比例增长。企业可能一边扩大AI应用，一边减少对超大模型API和集中式云端算力的依赖。

这也是报告质疑近万亿美元资本开支的重要原因：如果未来更多AI应用由低成本、小规模、本地化模型承载，那么当前围绕超大规模数据中心形成的投资规模，可能与实际算力需求出现错配。

在这一情景下，真正需要重新评估的并非AI需求是否存在，而是AI需求究竟需要多少集中式算力，以及这些数据中心能否获得与其投资规模相匹配的回报。

本文来自华尔街见闻，欢迎下载APP查看更多

问界依然出现在鸿蒙智行的发布会大屏上。台面下，华为投入各品牌的经营资源，正在重新分配。

9月28日，在智界RX及鸿蒙智行新品发布会上，华为常务董事、终端BG董事长余承东再次回应问界合作模式的变化。他表示，问界是鸿蒙智行最早合作的品牌，如今由赛力斯主导、华为继续赋能，车主权益不受影响。现场，问界与智界、享界、尊界、尚界的标识一同亮相。

同场发布的三款产品，把智界、享界推到了前台：智界RX正式上市，售价25.98万—38.98万元；智界R7焕新款售价23.98万—31.98万元；享界V8开启预售，预售价32.98万元起。

一边为问界继续背书，一边集中资源支持其余四界，余承东近期的连续表态，让鸿蒙智行扩张中的一个约束浮出水面：华为的技术可以被更多车型共用，深入到每个品牌的产品定义、营销和零售，却仍需要逐一投入团队与时间。

这场调整在9月15日已有明确的分工安排。问界的产品定义、产品设计、品牌营销、渠道零售及服务体系，改由赛力斯主导，华为终端参与赋能；尊界、享界、智界、尚界则继续采用华为全流程主导的合作模式。

9月24日，余承东在合肥鸿蒙智行门店与用户交流时，进一步解释了调整缘由。他表示，赛力斯在双方合作中能力有了长足进步，并主动提出自行主导问界经营。“现在他们想自己主导。”余承东说，“我们支持他们。”他同时强调，今年上市的问界新车仍由华为团队主导、设计。

在当日的社交平台发文中，余承东还谈到，过去几年鸿蒙智行各团队长期超负荷运转，接下来将聚焦其余四个品牌，让各品牌获得更充足的资源，团队有更多精力打磨产品细节和用户体验。对于下一步投入，他还提及研发、质量、测试等资源将更多向四界集中。

这为此前鸿蒙智行提出的“6+1”提供了一个新的观察角度。8月20日，余承东将六项核心技术与一项面向消费者的全链路能力并列，后者涵盖产品定义、零售、营销和用户服务。如今，团队超负荷和资源重新聚焦的表态，显出了这项能力背后的组织成本。

技术平台能够复用，经营一个汽车品牌所需的判断和执行，却不会随着品牌增加而自动复制。问界把更多经营责任交给赛力斯，给华为集中支持其他品牌腾出了空间。

从这一变化看，鸿蒙智行正在尝试按品牌的成长阶段安排分工：车企接过更多经营工作，华为将精力投向仍需重点培育的产品和品牌。

智界RX把运动与操控放在突出位置。余承东将其称为“鸿蒙智行现在最好开的车”。这款长约5米的纯电轿跑SUV，首发华为智擎新一代高性能电驱，采用前双叉臂、后五连杆悬架，高配版本配备双腔空气悬架，官方公布的CLTC续航最高可达852公里。

R7的焕新则更贴近家庭日常。官方披露，此次升级投入5亿元，围绕智能、舒适、空间等八个方面调整，双联屏、零重力座椅、车载冰箱及储物空间是升级重点，纯电CLTC续航最高提升至855公里。

两款SUV起售价仅相差2万元，价格区间大幅重叠。RX强调驾驶，R7强调家庭使用，智界需要在同一预算内给消费者不同的购买理由。共同的华为技术提供了基础，新增车型要扩大生意，还得吸引需求不同的人群。

享界V8把这种扩展带到了家庭MPV市场。余承东将其称为“下一个家用爆款”。这款七座车型提供纯电和增程两种动力，车长5335毫米、轴距3250毫米，发布会上重点介绍了围绕家用需求开发的100个设计。

其中，官方称V8在七人满座时仍可容纳10个20英寸行李箱，二排座椅支持45度电动旋转，并通过低地台、扶手等设计改善老人和儿童上下车的便利性。32.98万元的预售门槛，加上满员出行和装载能力，体现了享界争取家庭购车预算的方向。

这些产品需要更细致的用户研究和持续投入，经营责任的交接，为华为集中支持它们腾出了空间。

问界走过的路，也在改变鸿蒙智行复制成功的方式：除了技术和渠道复用，还要让合作伙伴逐步接住品牌经营，减轻华为逐个品牌深度参与的负担。

余承东连续强调问界产品与车主权益，则有更广泛的商业意义。

消费者对华为的信任，很难随着经营分工同步切分；四界继续借助鸿蒙智行争取用户，仍与问界积累的口碑相连。

华为可以重新分配经营精力，五个品牌共同使用的鸿蒙智行招牌，依然需要各方一起维护。

本文来自华尔街见闻，欢迎下载APP查看更多

有“新美联储通讯社”之称的知名财经记者Nick Timiraos近日在《华尔街日报》撰文称，特朗普政府原本希望通过控制赤字、扩大能源供给和推动经济增长改善融资环境，但关税、减税、财政支出、移民限制与能源冲击相互叠加，政策效果与白宫预期出现偏差，通胀和长期利率反而面临更大上行压力。

文章指出，10年期美债收益率已升至2007年以来高位，按揭贷款利率也从2月一度接近6%重新回到7%以上。对于一笔40万美元的新房贷款，这意味着家庭每年还款额增加约3000美元。报道认为，这一局面并非完全由中东冲突等外部冲击造成，美国自身的财政、贸易和劳动力政策同样在增加价格压力。

更值得关注的是，这轮高通胀和高利率并非单一因素所致：财政赤字没有明显收窄，关税提高进口成本，移民限制收缩劳动力供给，能源冲击推高运输和生产成本，AI投资热潮又增加资金需求。多重压力叠加之下，美国未来应对经济下行的政策空间也可能受到限制。

财政赤字未降，长期利率为何走高？

报道称，特朗普政府上任初期曾向债券市场释放信号，希望通过削减财政赤字恢复财政纪律，从而压低长期融资成本。财政部长贝森特提出的“3-3-3”计划，包括将赤字率降至3%、实现3%的实际经济增长，并增加相当于每日300万桶石油的国内能源产量。

但经济增长和能源产出虽有所进展，财政赤字却没有明显改善，目前仍约占GDP的6%，接近拜登时期水平。摩根大通首席经济学家布鲁斯·卡斯曼表示，按照今年美国经济表现，本应看到预算赤字收窄，“但预算赤字没有下降”。

文章据此分析称，政府持续大量发债，使投资者需要重新评估美国未来的融资规模、通胀风险和财政可持续性，并要求更高的长期收益率。世界银行前行长佐利克认为，贝森特通过回购旧债等方式压低收益率，更像是应对市场的“战术工具”，但真正决定长期利率的仍是赤字支出和关税等政策变量。

因此，长端美债收益率上升并不只是美联储政策的结果，也反映了市场对美国财政前景的重新定价。

关税、移民与能源冲击，如何推高通胀？

在通胀问题上，文章认为，美国国内政策与外部能源冲击正在形成叠加效应。

报道称，布鲁金斯学会预算与税收研究员杰西卡·里德尔认为，减税、新增支出、提高关税以及对美联储降息施压等政策方向，本身就可能增加通胀压力。关税通过提高进口成本，可能推动企业将部分成本转嫁给消费者。白宫随后下调部分商品关税，也体现出缓解生活成本压力的政策考量。

移民限制则主要通过劳动力供给影响价格。在失业率接近4%、经济需求仍有韧性的情况下，劳动力供给收缩可能加剧企业招工和工资压力，进一步推高服务成本。

能源冲击则更加直接。中东冲突推高石油和柴油价格，而柴油广泛用于农业、运输、建筑和制造业。前财政部顾问约瑟夫·拉沃尼亚称，柴油“就是工业经济”，价格上涨可能沿供应链传导至食品、物流和零售等领域。

这些因素也使美联储面临更复杂的政策环境。特朗普此前更希望推动更低利率，但能源价格上涨与经济韧性限制了降息空间。里士满联储主席巴尔金认为，如果通胀持续，美联储就需要采取行动；也有经济学家指出，加息无法直接解决柴油价格等供给侧问题。

AI投资繁荣，也在争夺有限资金

报道还将AI投资热潮视为影响利率的重要变量。白宫希望AI基础设施建设带动芯片、电力设备、数据中心和制造业投资，但这一轮资本开支也在增加对资金、设备和电力的需求。

文章进一步分析称，AI企业融资与联邦政府发债都需要资金。当企业投资保持强劲、政府赤字又处于高位时，资金需求同时增加，借款人可能需要支付更高利率吸引投资者。AI投资本身并非问题，但与高财政赤字同时扩张，可能使高利率环境持续更久。

更深层的影响在于政策空间。报道指出，如果未来美国经济转弱，税收下降、社会支出增加可能进一步扩大财政赤字；若市场同时担忧政府融资压力，长期利率也未必会像过去一样明显回落。

住房市场已经体现出这一压力。7%左右的按揭利率削弱购房能力，也让大量锁定低利率贷款的房主缺乏出售意愿，进一步限制住房供给。前白宫经济顾问委员会代理主席皮埃尔·亚雷德认为，住房负担能力问题既与多年累积的物价上涨有关，也受到住房供给不足的制约。

总体来看，文章认为，美国当前的高通胀和高利率是财政赤字、关税、劳动力供给、能源价格和AI投资等因素共同作用的结果。文章更关注的是，这种格局若持续下去，可能进一步压缩美国未来应对经济下行的政策空间。

本文来自华尔街见闻，欢迎下载APP查看更多

周一，英伟达发布名为“Open Agent Safety Platform”的双层AI安全平台，包含两款开源软件工具OpenShell与Nvidia Sentry，可运行于英伟达硬件之上，实时管控AI代理的访问权限，并在其违规时将其关闭。

英伟达表示，该系统能够在毫秒级隔离异常代理，并称如果相关实验室此前已部署这套技术，今年7月OpenAI模型攻击Hugging Face的事件本可被阻止。

这一举措也是英伟达在持续扩展芯片业务之外，向AI软件安全领域延伸的最新动作。与此同时，首席执行官黄仁勋近期多次将AI安全视为工程问题，强调AI系统必须接受严格的安全测试。

双层架构实时监控，毫秒级隔离异常代理

英伟达企业AI副总裁Justin Boitano在发布前的媒体简报会上表示，Open Agent Safety Platform能够实时监控AI代理的行为边界，并在触发违规规则后立即介入。“根据我们所掌握的情况，这一新安全平台本可阻止那次入侵，”他说。

平台由两款开源工具构成：OpenShell负责控制AI代理可访问的资源和执行权限，Nvidia Sentry则负责监控代理行为并识别潜在威胁。两者均可运行于英伟达硬件之上。英伟达称，这套架构旨在帮助企业和AI实验室在更严格的安全边界内测试先进AI系统，同时避免因安全风险而放缓研发进程。

英伟达此次发布的背景，是自主AI代理相关安全事件持续引发行业关注。今年7月，OpenAI模型在Hugging Face发生的安全事件进一步加剧了业界对AI代理自主行为失控的担忧，并引发有关是否应放缓AI开发的讨论。

对于OpenAI和Anthropic是否计划采用该系统监控训练过程，Boitano未予置评，称相关决定取决于这些公司自身。

黄仁勋：AI安全首先是工程问题

在监管问题上，黄仁勋近期多次强调，AI安全应更多通过技术手段解决，而非单纯依赖新的监管框架。他也曾公开质疑部分AI开发者关于AI可能威胁人类生存的警告，同时强调AI系统仍必须经过严格的安全测试。

从此次产品布局来看，英伟达正尝试将AI安全能力进一步嵌入模型运行和代理执行的基础设施，通过权限控制和异常隔离降低自主代理的安全风险。这也意味着，英伟达的业务触角正从AI芯片进一步延伸至软件及安全基础设施领域。

本文来自华尔街见闻，欢迎下载APP查看更多

截至发稿，布伦特原油突破100美元/桶，日内涨超2.5%；现货黄金跌破4150美元/盎司，现货白银跌5.01%至61.08美元/盎司。市场目前定价显示，美联储10月再度加息的概率约为65%至70%，白银、铂金等贵金属同步走弱。

美元指数小幅上涨0.1%至0.2%，徘徊在101附近，进一步压制以美元计价的黄金。另据《华尔街日报》报道，Saxo Bank分析师称，部分黄金抛售发生在亚洲交易时段，或与投资者在长假前提前获利了结有关。

油价高企，加息预期升温

油价持续高位成为金价承压的重要外部因素。

特朗普拒绝伊朗提出的“7天重开霍尔木兹海峡”方案后，伊朗外长阿拉格齐表示，伊朗已为战事重开做好准备，但外交大门仍未关闭，是否恢复接触取决于美国的选择。据新华社援引伊朗媒体27日报道，阿拉格齐称，伊朗“已为战事重开做好充分准备”，同时“也随时准备进行外交接触”。

中东冲突目前已进入第八个月，布伦特原油年内累计涨幅约70%。能源价格持续高企加剧通胀压力，也令市场重新评估美联储的利率路径。

美联储9月中旬将基准利率上调25个基点后，多位官员释放进一步加息信号。克利夫兰联储主席Beth Hammack表示，经济增长预期走强、政府债务担忧以及进一步加息预期，共同推动长期美债收益率上行。澳新银行（ANZ）也指出，油价高企叠加美国工业活动走强，进一步强化了市场对美联储更长时间维持紧缩立场的预期。

美债收益率走高，黄金仍远离历史高点

债券市场同样对黄金构成压力。10年期与2年期美债收益率利差上周一度收窄至17个基点，为2025年初以来最低水平。收益率曲线持续趋平，意味着持有无息资产黄金的机会成本进一步上升。

本月以来，金价主要在4230至4510美元区间波动，目前仍较1月创下的近5600美元历史高点明显回落。ANZ认为，较高收益率与美元走强，使黄金面临的宏观环境依然偏紧。

不过，实物需求仍提供一定支撑。ANZ数据显示，黄金ETF需求保持稳健，本月以来相关ETF持仓已增加约50吨。

本周两项数据将检验加息预期

政策层面，美国财政部长Scott Bessent呼吁美联储对利率路径保持开放态度，并认为人工智能带来的生产率提升和放松监管有助于抑制通胀，其判断与当前市场对进一步加息的预期存在差异。

与此同时，美国9月消费者信心降至四个月低点，消费者对物价和经济前景的担忧有所升温。

市场接下来将聚焦本周三公布的8月PCE通胀数据，以及周五发布的9月非农就业报告。两项数据将为美联储10月议息提供重要参考，也将成为黄金短期走势的重要催化因素。

本文来自华尔街见闻，欢迎下载APP查看更多

作者 | 周智宇

“团结活下去。”

9月28日，谈及蔚来与吉利的充换电合作，吉利汽车集团董事长安聪慧打趣道。两支团队讨论了近三年的合作，终于走到了把资产、现金和股权放到一起这一步。

根据协议，吉利旗下公司拟以易易互联100%股权及6.4亿元现金，认购蔚来能源新增股权，初始持股30%，对应投后估值约160亿元。蔚来中国则拟入股浩瀚能源10%，后者将用这笔增资款收购蔚来的部分充电资产。交易尚待交割，蔚来中国将继续控股蔚来能源。

为什么谈了近三年的合作，在此时走到了股权和资产层面？

安聪慧回顾，十多年前，业内还在反复讨论补能该走哪条技术路线；如今，超快充和换电已各自找到对应的用户和场景。蔚来董事长李斌则把话题落在投入上：过去各自探索，现在要减少重复投资，提高运营效率。

两家公司的下一轮扩张都已排上日程。吉利五天前刚发布新一代智充技术，计划到2027年底建成超过2.2万座充电站、10万把充电枪；蔚来则要在2030年建成1万座换电站。

浩瀚能源已整合极氪、领克和吉利银河的充电业务，拥有超过2500座充电站，蔚来约1万把独立充电枪预计将随此次合作接入。吉利的营运车辆换电业务则将并入蔚来能源。双方在下一轮投入之前，先把各自已有的一部分业务合到一起。

李斌说，“充换电这个领域，特别容易算清楚账”。他披露，蔚来11年已投入超过200亿元，充电网络超过85%的电量来自其他品牌。安聪慧也强调，投入还要继续，但要通过合作降低风险、更快做大规模。

李斌也没有回避两家公司在汽车市场上的竞争。“一谈竞争就没有合作了，这其实不是一个好的商业逻辑。”在他看来，充换电已经具备互联互通、共建共享的基础，是双方比较容易达成共识的领域。

吉利汽车集团CEO淦家阅也说得直白：“我们把技术做得很好，但跟市场、跟客户交流还是我们的问题。”安全、速度之外，他反复强调便捷。吉利要把刚发布的快充技术，尽快铺到用户身边。

换电这边，秦力洪已经拿杭州算起了账。

蔚来联合创始人、总裁秦力洪说，前一天，他专门查了杭州的城市规划数据。蔚来与吉利在杭州的换电站合计已超过100座。他设想，如果站点充分互通、布局均匀，再配合智能调度，理论上可以让车辆在约5分钟车程内到站。

对每天跑在路上的营运车辆，少花在补能上的时间，可以变成更多接单时间。秦力洪测算，依托优质换电网络，一辆营运车辆每天最多可节省90分钟，经营收入有望提高15%至20%。他也明确说，这仍是需要继续努力实现的目标场景。

秦力洪还提到，换电站可以承接电池资产运营，通过电池租用和调度，减少车与电池使用寿命不同带来的残值损失。对营运车队而言，换电还关系到车辆整个使用周期的成本。

吉利带来的正是这类需求。易易互联已建设超过420座换电站，覆盖50余座城市，服务包括曹操出行在内的营运车辆，也积累了高频换电、车辆调度和电池养护经验。对已有4126座国内换电站的蔚来而言，伙伴带来的不只有建站资源，还有持续使用网络的车辆。

营运车辆的收入测算传出后，蔚来车主也有了关切：自己的换电体验会受到什么影响？

李斌的回答是“越来越好，越来越方便”。双方计划运营面向个人用户和营运车辆的两张换电网络，共享研发、供应链、制造和运营能力。秦力洪也专门回应了私人用户的关切：更多资源将用于加快建站，用更密的网络改善体验。

吉利则将开发面向个人用户的换电车型，由蔚来能源提供服务。营运车队之外，换电还将争取更多私人用户。

李斌介绍，第五代换电站在车型兼容能力上已有提升，为向更多品牌开放提供了基础。双方还将共同推进面向个人用户的换电技术与标准。

双方看中的下一种需求，还包括Robotaxi。

安聪慧明确提到，将依托曹操出行车队和Robotaxi布局拓展换电场景。曹操出行此前已披露，杭州的“绿色智能通行岛”具备自动换电、自动清洁和车辆整备等功能。

无人驾驶车队要持续运营，补能也要尽量减少人工介入和停驶时间。两家进一步合作的空间，在于把自动换电、车辆调度和电池管理接起来。蔚来多年的换电投入，也因此有机会接近一批新的运营客户。

李斌甚至把账算到了能源业务：双方正讨论共用电力设施，让同一处供电资源服务两张换电网络和吉利充电设施，进一步探索电力交易。更多车辆进站，既带来补能需求，也给设施与电池的利用增加了空间。

眼下，车企巨头、电池巨头也在持续加码补能大战。车企下一轮争取销量时，过去在补能上花的钱，还会继续起作用。

蔚来多年建起的换电网，将服务吉利计划推出的C端换电车型。把车卖出去之后的生意做长，会成为车企下一阶段争取的新空间。

本文来自华尔街见闻，欢迎下载APP查看更多

9月28日是国庆长假前最后一个交易周的首个交易日，A股三大股指全天低开低走、午后一度加速下探，沪指盘中跌逾2%考验3800点支撑，创业板指一度跌近5%创下今年3月以来新低。深证成指一度跌近4%，刷新2025年11月以来新低。科创50指数亦跌超4%。算力硬件大幅下挫，光通信、光模块、电路板、覆铜板、光电路交换机、玻璃纤维等全线杀跌，芯片半导体、有色金属等板块亦陷入调整，房地产、电力、银行、煤炭、汽车等板块活跃。

港股走势，恒指盘初一度涨超1%，恒科指高开低走，午后一度翻红，尾盘小幅收跌，权重科网股多数上涨，芯片半导体、光模块等概念股同样迎来大幅调整，长飞光纤重挫16%，中际旭创、剑桥科技等跌幅居前。AI大模型双雄承压，MINIMAX跌超9%。债市方面，国债期货全线下跌。商品方面，国内商品期货普遍下跌。

A股：截至收盘，沪指跌1.67%，深成指跌3.44%，创业板指跌4.353%。

盘面上，个股呈现普跌态势，沪深京三市超4500股飘绿，今日成交1.72万亿。沪深两市成交额1.7万亿，较上一个交易日放量近500亿。板块方面，通信设备大幅下挫，CPO、光通信概念股集体大跌；电子元器件、电脑硬件、半导体、有色金属、工业机械、教育等跌幅居前；新能源汽车、养殖、网络安全股走强，石油、港口、电力股抗跌。

港股：截至收盘，恒生指数收盘涨0.54%，恒生科技指数跌0.37%。

盘面上，盘面上，科网股涨多跌少，网易涨超4%，哔哩哔哩、快手涨超2%，联想跌超4%；石油股走强，中石油涨超3%；内房股涨幅居前，中国金茂涨超6%；光通信板块大跌，长飞光纤光缆跌超16%。

华尔街见闻文章写道，长飞光纤自6月高点以来累计回调幅度已达37%。消息面上，光纤龙头亨通光电披露定增预案，拟募资不超过66.36亿元，其中光纤预制棒及特种光纤产能扩张为核心投向，引发市场对行业供给过剩的新一轮担忧。

不过，瑞银在最新研报中将长飞光纤H股2026-28年净利润预测上调116%-158%，目标价从290港元上调至330港元，预示较当前股价有约73%的上行空间。

瑞银分析师为David Chow及Sara Wang指出，长飞H股当前估值仅8-9倍2027年预期市盈率，远低于中国及全球同业的12-36倍，投资者对光纤行业产能过剩的担忧已过度反映在股价中，而长飞作为全球AI供应链核心玩家的战略价值被严重低估。

债市：国债期货全线下跌，截至收盘，30年期主力合约跌0.20%，10年期主力合约跌0.05%，5年期主力合约跌0.04%，2年期主力合约跌0.02%。

商品：国内商品期货普跌，截至收盘，新能源材料跌幅居前，碳酸锂跌5.69%；贵金属全部下跌，白银跌5.08%；农副产品多数下跌，生猪跌4.01%；非金属建材全部下跌，玻璃跌2.83%；黑色系多数下跌，焦煤跌2.44%；油脂油料多数下跌，豆二跌2.07%；基本金属全部下跌，铝跌1.20%；航运期货涨幅居前，集运指数(欧线)涨6.92%；能源品全部上涨，燃油涨3.78%；化工品多数上涨，聚丙烯涨1.20%。

算力硬件股重挫，光通信板块批量跌停

光通信板块大面积跌停，烽火通信、亨通光电、通鼎互联、中天科技、长飞光纤、光迅科技跌停、永鼎股份均报跌停，中际旭创、东山精密大跌9%，天孚通信跌超8%。

半导体板块同步下挫，寒武纪、兆易创新跌6.5%，德明利跌5.87%，长鑫科技跌超4%；半导体设备大跌，拓荆科技跌超6%。

玻璃纤维、PCB板块大跌，铜冠铜箔、世名科技跌超10%，同宇新材跌近9%，中国巨石、山东玻纤大跌超8%，中材科技跌近8%。

MLCC概念持续走低，龙头股风华高科午后跌停，最新报50.42元/股，市值579亿元。

此外，光纤方向也大幅杀跌，3200亿市值的长飞光纤，市值超千亿的亨通光电、中天科技批量跌停，华脉科技、长江通信、烽火通信等此前跌停。

9月24日晚间，光纤龙头亨通光电披露定增预案，拟发行不超过7.40亿股，募集资金总额不超过66.36亿元，投向光通信等9个项目。其中，"新一代光纤研发及生产项目"拟投入7.58亿元，"内蒙古光学高端光学新材料建设项目"拟投入8.62亿元，两者合计16.2亿元，构成光纤预制棒及特种光纤产能扩张的核心。这也引发了市场对公司现金流状况以及加剧光纤未来产能过剩的质疑，直接砸崩了板块情绪。市场普遍担心，2027年新增产能落地后，光纤价格将掉头向下，企业盈利触顶回落。

国盛证券9月20日发布通信行业周报，明确给出“Q4买点将近”的判断：美联储加息落地，宏观压制因素阶段性解除，光通信产业自身的高景气逻辑将重新占据定价主导，整体市场情绪向好，叠加Q3大光业绩预计继续放量，大光买点逐渐到来。

分析认为，梳理市场下跌的成因，资金面、消息面、结构面三重压力共振：其一，节前出金——国庆7天长假，外盘、美债、地缘均有变数，融资盘和短线资金提前卖出留现金；其二，中美第八轮磋商成果会前已被充分炒作，真正落地反而成为获利盘出货理由，进入"预期收敛"阶段；其三，高位科技多杀多——前期涨幅巨大的光通信、PCB、玻纤、服务器、电子布等集体暴跌，情绪与筹码双重松动。

外部扰动同样不可忽视。上周五美国长端国债收益率再度上行，全球无风险利率中枢抬升，叠加美联储9月加息"靴子"落地后市场对高利率持续时间的担忧升温，亚太主要股市集体承压，韩国KOSPI大跌2.54%。

汽车整车——华为尊界与出海数据双击

汽车整车板块逆势走高，是今日资金抱团最坚决的方向，也是全市场涨停家数最多的板块。

龙头江淮汽车收4天3板，总市值约568.5亿元；众泰汽车涨停；东风股份、北汽蓝谷、安凯客车、海马汽车等涨幅居前。

逻辑链一：华为×江淮尊界，豪华车代工预期升温。消息面上，鸿蒙智行发布会于9月28日下午举办。此前有市场传闻称，Stellantis、华为、江淮汽车三方合作，玛莎拉蒂电动车型或将使用鸿蒙智行平台，市场预期江淮汽车有望承接豪华品牌电动车代工、打开海外高端代工市场空间。

华为常务董事余承东日前透露，华为与江淮合作的尊界SUV新车有望于2027年年初上市，并强调"非常高端、价格非常有诚意、远超大家期望"。对于股价连续涨停，江淮汽车回应称"股价波动是市场化行为，公司生产经营一切正常，公司与华为一直有合作"。

逻辑链二：出口数据硬核背书。中汽协数据显示，2026年1—8月我国汽车出口715.3万辆、同比增66.7%，已超过2025年全年的709.8万辆；其中8月出口101万辆，1—8月新能源汽车出口343.5万辆。

工信部装备工业一司相关负责人在2026世界智能网联汽车大会新闻发布会上表示，《智能网联新能源汽车产业发展"十五五"规划》提出构建全球产业链供应链、提升海外发展服务能力，目前国内汽车已销往全球200多个国家和地区，企业已在境外80多个国家和地区投资整车和零部件制造。

逻辑链三：车市进入全年最关键冲量期。9月以来超50款新车密集上市，覆盖6万元的代步小车到50万元的旗舰车型，叠加"金九银十"传统旺季与出海逻辑，为板块提供景气支撑。不过也需注意，中汽协口径下1—8月国内销量2031.5万辆、同比降3.8%，内需与出海呈现"一降一升"的分化，机构普遍认为出口弹性是当下整车板块的核心定价逻辑。

贵金属板块大跌

贵金属板块跌幅居前，中金黄金跌停，四川黄金、招金黄金、西部黄金、湖南黄金等跌幅居前。

压制因素有二：一是山东黄金此前公告将2026年生产经营计划由"黄金产量不低于49吨"调整为"36吨—38吨"，预计全年归母净利润同比下降；二是外围美联储官员密集释放鹰派信号，市场对10月加息概率定价升至约64%，10年期美债收益率创2007年以来新高，压制金价及黄金股估值。

今天国际贵金属价格跳水，伦敦金跌破4200美元/盎司，跌幅超2%。伦敦银一度失守62美元/盎司，为8月7日以来首次，现跌3.50%。

消息面上，据央视新闻，当地时间9月27日，美国总统特朗普接受采访时表示，预计本周将与伊朗继续举行谈判。此前一天，特朗普拒绝了伊朗提出的结束战争方案。

华泰期货认为，短期贵金属价格受制于外围宏观利空因素。周内公布的超预期美国PMI数据推升了年内继续加息的市场预期，从而对贵金属形成短期压制。此外，美国财政部长债回购规模再次不及预期且位于披露区间底部，美债收益率持续攀升。

国金证券认为，短期金价仍将受美联储政策预期扰动维持震荡，但中期不必过度悲观，板块后续实际经营表现有望优于当前市场一致预期。

本文来自华尔街见闻，欢迎下载APP查看更多

9月27日，高盛旗下Carbonomics团队在一份长达50页的报告中，将全球数据中心表后发电（Behind-The-Meter，BTM）容量预测从40GW大幅上调至67GW，并预计燃气轮机、往复式发动机和燃料电池合计将供应美国28%、全球25%的数据中心电力需求。

与此同时，报告指出，燃气轮机市场已全面告急——GE Vernova的积压订单加预留产能已达116GW，2030年产能全部售罄，2031年产能也已售出逾50%，这一供应瓶颈正在将数据中心运营商推向燃料电池、往复式发动机乃至工业锅炉等替代方案。

更长远来看，高盛认为小型模块化核反应堆（SMR）是2030年后唯一可规模化的永久解决方案，但受制于建设周期，其大规模落地难以在2030年前实现。

需求爆炸：数据中心电力需求五年翻近三倍

AI算力军备竞赛正在将全球电网推向极限。高盛美国科技团队及GS SUSTAIN团队预测，全球数据中心装机容量将从2025年的101GW增至2030年的217GW，其中美国单独达到108GW。

以电力需求计，高盛预计2030年全球数据中心用电量较2025年增长170%，较此前117%的预测大幅上调，其中超过60%的增量来自美国。

这一趋势将推动高盛对美国总体电力需求的复合年增长率预测升至3.5%——这个数字在五年前的任何一场公用事业投资者日上都会被视为天方夜谭。

电网告急：新增输电线路骤降，并网等待逼近五年

电网扩张的速度远远跟不上需求增长的步伐。高盛报告显示，美国新建高压输电线路的年均里程已从2010至2014年的1700英里骤降至2020至2023年的350英里，2023至2024年间更仅新增55至125英里。

与此同时，从提交并网申请到正式商业运营的中位等待时间已接近五年。高盛认为，发电设备制造商INNIO的数据更为严峻：电网接入时间已从历史上的约两年延长至今天的七年以上。

正是这一现实，促使超大规模数据中心运营商开始签署长达15年的BTM电力合同。当等待并网意味着一座耗资数十亿美元的园区要到下一个十代才能开机，“临时”的自备电源便自然演变为永久方案。

政治压力同样不可忽视。报告援引数据显示，今年夏天全美42个州共爆发142场反数据中心抗议活动。每一GW的自备发电，就是一GW不会被摊入普通居民电费账单的负担，BTM模式的政治成本正在持续下降。

燃料电池胜出：速度溢价压倒成本劣势

在高盛的综合评分体系中，燃料电池以76.6分位居榜首，超过航改型燃气轮机（68.2分）、往复式发动机（67.0分）和重型燃气轮机/联合循环机组（59.6分）——尽管其度电成本（LCOE）是所有选项中最高的。

成本对比一目了然：针对500MW数据中心，高盛测算往复式发动机LCOE约为80美元/MWh，联合循环燃气轮机（CCGT）约81美元/MWh，开式循环燃气轮机（OCGT）约91美元/MWh，而燃料电池高达117美元/MWh——即便享受30%投资税收抵免（ITC），也仅能降至90美元/MWh。

然而，燃料电池的核心竞争力在于"时间"。高盛评分体系中，"投产时间"权重高达20%，"可用率"权重15%，而LCOE和初始资本支出合计仅占25%。固体氧化物燃料电池（SOFC）制造商报价从下单到供电仅需6至12个月；往复式发动机需要1.5至2.5年；重型燃气轮机则需5至7年，远高于正常市场的2至3年。

Bloom Energy在二季度业绩电话会上的表述精准诠释了这一逻辑：客户现在以"每单位算力的总电力成本"来衡量投资回报，一座1GW数据中心提前一个月投入运营，潜在收益可达10至20亿美元。在这个量级面前，每MWh多付37美元的溢价几乎可以忽略不计。

燃料电池还具备两项额外优势：其一，冗余配置需求最低，服务500MW IT负载仅需约9%的超额装机（约725MW），而CCGT需要高达47%的冗余（约979MW）；其二，燃料电池直接输出直流电，可无缝对接英伟达推进的800V高压直流机架架构，省去变压器和逆变器环节，将约10至12%的电力损耗压缩至约3%。

供应链全面告急：从燃气轮机到燃料电池无一幸免

燃气轮机市场的供应紧张已达到历史极值。高盛数据显示，2025年全球燃气轮机订单量达100GW，较2024年的55GW大幅跃升；2026年势头更猛，仅上半年已签约67GW，其中第二季度单季即达38GW。

主要制造商的订单状况触目惊心：GE Vernova积压订单加预留产能达116GW，预计年底前超过125GW，2030年产能全部售罄，2031年产能已售出逾50%；西门子能源累计承诺量达87GW，其中24GW与数据中心相关，即便计入所有已宣布的产能扩张，2030年仍存在约10%的供需缺口；三菱重工已在洽谈2030年代交付的项目。

发动机制造商同样不堪重负：Wärtsilä的2028年产能已售罄，正在洽谈2029至2030年槽位；INNIO积压订单加预留量超过15GW，为过去12个月交付量的逾4倍，并刚刚签下一座超大规模数据中心的1.1GW基础电力订单；卡特彼勒大型发动机积压量增长逾3.5倍；康明斯订单已排至2028年；劳斯莱斯表示数据中心业务已占其发电销售额的80%以上。

供应瓶颈的压力已蔓延至极端应对措施：据报道，马斯克旗下SpaceX已着手在德克萨斯州自建涡轮叶片工厂以突破瓶颈；部分AI开发商甚至重启工业锅炉和蒸汽轮机，只为在2032年前让机器转起来。

燃料电池同样面临产能制约。高盛测算，Bloom Energy新建的2GW产线即便满负荷运转，到2030年累计交付量也仅约7.7GW，远低于其预测的全球18GW需求。要填补这一缺口，需要Ceres Power的被许可方——包括斗山、台达、潍柴等——同步大规模扩产，而斗山目前的年产能仅为50MW。

长期出路：小型模块化核反应堆是唯一永久解

高盛在报告中还埋下了一句关键判断：小型模块化反应堆（SMR）是可行的BTM选项，"从长远来看可靠且相对经济"，但"由于投资周期较长，数据中心的大多数投资不太可能在2030年前实现落地"。

这一时间线恰好与整个BTM叙事的内在逻辑吻合：燃气轮机、往复式发动机和燃料电池本质上都是过渡方案，建立在5至7年的涡轮机排队、产能受限的燃料电池生产线以及天然气价格长期维持低位的假设之上。唯一能够提供永久、可规模化、不受燃料价格波动影响、零排放且真正实现现场供电的方案，是部署在园区内的模块化核反应堆。

高盛的时间线与SMR开发商的规划几乎天然衔接：燃气BTM和燃料电池承担2030年前的过渡负荷，模块化核能在2030年代逐步规模化，恰好赶上第一批现场燃气资产到期续约、天然气价格走势存在不确定性的时间窗口。

本文来自华尔街见闻，欢迎下载APP查看更多

该帖显示，买入均价约1230元，数量3万股，合计耗资逾3690万元。

消息发出后，贵州茅台于当日下午1:30左右拉升翻红。截至收盘，股价涨0.56%，报1243元，总市值1.55万亿元。

“我今天还买了茅台啊，你会凌乱吗？”

这并非段永平近期首次出手。

今年5月7日，有投资者在雪球向他提问：“目前已经全仓茅台半年了，我在想要不要调一部分仓位给泡泡玛特。”

段永平直接回应：“我今天还买了茅台啊，你会凌乱吗？”

此外，2025年1月、10月，他均曾公开发帖表示买入贵州茅台。

梳理其公开表态，核心逻辑一以贯之：看重茅台的商业模式与长期需求，认为消费者“少喝酒、喝好酒”的趋势仍可能支撑茅台需求；短期销售放缓，不意味着长期价值发生根本变化。他也曾表示，以十年衡量，茅台大概率能跑赢通胀，但强调这只是个人判断，并非收益保证。

亿元赌约：放话挑战国内基金，原帖已消失

今年8月，段永平还在雪球抛出过一个更大的动作。

8月13日，有网友建议他参考巴菲特的“十年赌约”，做一个公开的长期投资约定。段永平随即回应：

我敢抱着茅台跟任何国内基金赌一个亿人民币，以十年为限。前提是事前要说好赢家赢得钱捐给的对象能得到对方的认可。我会捐给步步高实验学校。

他还补充，若有网友想加入，前提是“要先拿出一个亿捐了，然后才能加入”。

这一表态的背景数据是：截至2026年6月底，贵州茅台过去十年股价涨幅412.11%，跑赢偏股混合型基金指数同期133.96%的涨幅。但过去五年，茅台股价下跌33.31%，跑输偏股混合型基金指数同期8.56%的涨幅。

对于这场赌约，私募基金经理但斌随后回应，表示没有必要通过公开对赌分出高下，十年后的业绩自然可以比较，并称投资需要“与时俱进、放眼全球”，在坚守核心价值的同时，也要拥抱AI与半导体的新时代红利。

不过，现查阅雪球平台，段永平上述赌约的原帖已搜索不到。

白酒行业背景：旺季不旺，茅台独撑

段永平持续加仓茅台，发生在白酒行业整体承压的背景下。

今年中秋、国庆“双节”前，多位行业人士向澎湃新闻表示，整体动销“旺季不旺”，次高端白酒集体遇冷，有经销商直言“除了茅台之外，不少白酒目前已是地板价”。

飞天茅台终端零售价相对坚挺，自营门店执行1766元/瓶，多数终端在1800元/瓶以上。

酒业独立评论人肖竹青对澎湃新闻表示，“全行业除茅台保持刚性需求坚挺外，绝大多数名酒、区域酒、次高端、大众酒集体遇冷，白酒正式进入缩量竞争、头部独享红利的全新周期。”

国金证券研报则指出，行业“量价利”已处于逐步筑底阶段，预计中秋、国庆行业动销表现同比跌幅进一步收窄至微下滑甚至持平企稳。

在机构层面，杰富瑞（Jefferies）8月发布研报，认为茅台正加速向奢侈品运营模式转型，逻辑“越来越像爱马仕”，给出目标价2100元，维持买入评级，较当时股价有约56%上行空间。

本文来自华尔街见闻，欢迎下载APP查看更多

高盛衍生品交易主管Brian Garrett发出警告：美国股票市场"拒绝为任何恐慌定价"。高盛恐慌指数（Panic Index）上周五收于1以下，VIX维持在低十几的水平，但与此同时，债券波动率指标MOVE指数却处于约100百分位的极端高位——两者之间的背离，正在向市场发出罕见的结构性预警信号。

更令人警惕的是美股内部的广度崩塌。标普500指数成分股中，站上200日均线的比例已不足50%；52周新低股票数量连续九个交易日多于新高股票数量——这两项指标同时触发，是自2000年互联网泡沫顶部以来首次出现。 与此同时，标普500指数中位数股票较52周高点已下跌16%，指数整体却因AI相关龙头股的强势而维持在高位附近，形成严重的"指数虚胖"格局。

对冲基金的行为同样印证了这一分裂：据高盛最新Prime数据，美国多空基金总杠杆升至210.6%（一年期第42百分位），而净杠杆却降至48.6%（一年期第5百分位）——机构在加仓的同时大幅对冲，反映出"加敞口但不加方向性押注"的高度矛盾心态。

AI撑起门面，多数股票已在"熊市"

高盛合伙人、美洲股票执行服务主管John Flood指出，AI板块的强势掩盖了美股内部的广泛恶化。标普500指数中位数股票较52周高点下跌16%，而指数本身仍维持在历史高位附近，这一分化将市场广度拖至互联网泡沫以来最低水平。

具体数据显示，约70%的标普500成分股目前交易于50日均线以下，而站上200日均线的成分股比例已跌破50%这一关键门槛。AAII散户看空比例接近50%，市场情绪已处于明显悲观区间。

高盛美国股票投资者仓位情绪指标（Sentiment Indicator）已降至-0.9，与今年3月市场阶段性低点时的读数持平。

然而，这种悲观情绪并未传导至波动率定价。Garrett明确指出，股票市场"拒绝为任何恐慌定价"——高盛恐慌指数收于1以下，单股隐含波动率在7月底的抛售潮后也未能有效重置至更高水平。

VIX与MOVE的极端背离：债市已在"尖叫"

当前市场最显著的结构性异常，是股票波动率与债券波动率之间的极端背离。

Garrett指出，MOVE指数（追踪美国债券市场波动率）目前处于约100百分位的历史极端水平，信用违约互换指数（CDX）同样处于"峰值恐慌"区间；但与此同时，VIX仍在低十几的水平交易。债市和信用市场已在为尾部风险定价，股票市场却仍一派平静。

从信用市场细节来看，高盛投资级信用同事Brad Shelofsky指出，投资级债券全收益率已升至多年高位，收益率本身具有吸引力，但利差占全收益率的比例处于低位，在+80个基点的利差水平上很难对指数产生强烈的做多冲动。 利率快速上行的速度将压制需求、引发资金外流担忧——尽管上周仍录得18亿美元净流入，但市场整体信念度偏低。

此外，CCC级信用利差在过去14个交易日中有11天走阔，已接近2022年的水平；投资级科技板块CDS利差也扩至2023年以来最宽。Garrett表示，这一动态"在夏季令投资者真正感到恐慌，能否再度上演，有待观察"。

2000年的幽灵：历史先例与潜在风险

BTIG首席技术市场策略师Jonathan Krinsky在Flood和Garrett的分析基础上进一步指出，当前两项广度指标同时触发，是自2000年以来从未出现过的组合。

自1990年以来，仅有25个交易日出现过"标普500成分股中不足50%站上200日均线、且指数本身接近52周高点"的组合，而这25个交易日全部集中在1998年至2000年之间。1998年的情形出现在-22%的大幅回撤之后，并非顶部信号；但1999年底至2000年初的读数则更具警示意义——彼时正是互联网泡沫的顶部区域。

历史复盘显示，从1999年7月至2000年2月，等权重标普500下跌约16%，而市值加权标普500上涨约8%；此后两者角色互换，标普500在当年晚些时候下跌17%，而等权重指数同期反弹20%。Krinsky提出的核心问题是：

这一次，是否会重演广度和等权重指数先于大盘指数企稳、随后大盘补跌的历史剧本？

Krinsky还指出，目前已连续213个交易日未出现纽交所单日下跌成交量占比超过80%的"高相关性抛售日"。历史上，平均每个日历年出现21个此类交易日，且从未有过少于5个的年份。他认为，持续的板块轮动虽然阻止了相关性趋于一的集中抛售，但"时钟仍在滴答作响"。

对冲基金：加杠杆但不加方向，矛盾信号浓缩

对冲基金的仓位结构，是当前市场矛盾心态最直接的映射。

据高盛Prime最新数据，美国多空基金总杠杆上周上升1.2个百分点至210.6%（一年期第42百分位），而净杠杆同期下降1.2个百分点至48.6%（一年期第5百分位）。总杠杆上升意味着机构在增加市场敞口，净杠杆下降则意味着多头和空头同步扩张，方向性押注并未增加。

Garrett将这一现象概括为：

“总杠杆在上升，净杠杆相对受控——机构在增加敞口，但并未增加方向性信念。”

美国基本面多空比率（市值口径）同期下降1.5%至1.601，处于一年期第3百分位，进一步印证机构对方向的高度谨慎。

Garrett指出，在市场反弹日，可以“感受到”市场的低配仓位——上周一纳斯达克100指数创历史新高时，看涨期权隐含波动率明显跑赢，显示上行期权被积极买入，但考虑到持有成本，这些期权并不“昂贵”。他认为，这一格局正在推动单股层面的“追涨”行为，并可能蔓延至指数层面。

三种情景：好、平庸，还是丑陋？

面对上述信号，高盛内部及市场策略师给出了分歧明显的三种情景判断。

乐观情景方面，Flood认为，当前极度悲观的情绪和低配仓位本身构成潜在的上行催化剂。他表示，“这些因素共同指向，若宏观不确定性不进一步加剧，市场存在整体上行以及近期落后股票‘补涨’的潜力”。

中性情景方面，Garrett认为“市场当前的仓位结构适合震荡风险行情”，但承认“尽管所有人都在盯着同样的风险，几乎没有什么能够真正打垮美股指数”。他将年底前的潜在催化剂列为中期选举、科技股财报或中东局势缓和，并援引一句市场流行语作结：“市场从不会在不让你付出错过代价的情况下给出‘全面安全’的信号。”

悲观情景方面，Krinsky的结论最为直接：“某些东西必须让步（something's gotta give）。”他认为，若伊朗局势出现缓和，受冲击最重的板块（非必需消费品、金融、REITs、公用事业）将率先反弹，而科技和AI板块可能相对滞后；但若高相关性抛售日最终到来，当前的广度恶化将成为更大规模调整的先行指标。

本文来自华尔街见闻，欢迎下载APP查看更多

2026年9月24日，哈佛大学肯尼迪学院举办了一场焦点对话。奥巴马政府前首席经济学家、哈佛大学教授杰森·费尔曼（Jason Furman）与前沿AI实验室Anthropic首席经济学家彼得·麦克罗伊（Peter McCrory）就AI对劳动力市场、宏观经济指引及未来政策走向的影响展开了深度探讨。

作为业内少有的专门针对大模型应用发布《人类经济指数》的研究团队负责人，麦克罗伊基于Anthropic海量的底层使用数据，向市场揭示了AI普及过程中的真实阻力、潜在的经济增量以及2030年的宏观情景。

以下是对谈文稿

各位晚上好，欢迎来到哈佛政治学院举办的小约翰·F·肯尼迪论坛。我叫摩根·杰伊，是大学二年级学生，主修政治学和历史学，也是学生论坛委员会的成员。

在开始之前，请注意一下位于公园一侧和肯尼迪论坛临街一侧的出口。如遇紧急情况，请前往离您最近的出口，并在肯尼迪公园集合。今晚的节目将进行现场直播并在线存档，还将包括观众问答环节。提问的观众可以自愿选择是否表明身份，但并非必须。现在请将手机调至静音，和我一起欢迎哈佛学院本科生佐伊·贝克尔。

各位晚上好，欢迎来到政治学院肯尼迪青年论坛。我叫佐伊·贝克尔，是一名大学一年级学生，主修英语，也是论坛委员会成员。

今晚我们欢迎Anthropic首席经济学家彼得·麦克罗伊。麦克罗伊领导Anthropic的经济研究团队，该团队专注于研究人工智能将如何塑造劳动力市场及更广泛的经济领域。他的团队发布了《人类经济指数》，分享了来自前沿实验室的最新研究成果，并研究了各种情景模型，以了解人工智能将如何影响未来几年不同地区和不同行业的发展前景。就在上周，人类经济指数发布了一个新的情景模型，展望2030年经济的三种不同可能性。

与麦克罗伊先生共同主持论坛的是杰森·费尔曼，他是哈佛大学肯尼迪学院和哈佛大学经济系联合授予的埃特纳经济政策实践教授，担任莫萨瓦尔·罗曼尼商业与政府中心主任，同时也是彼得森国际经济研究所的非常驻高级研究员。2013年至2017年，费尔曼担任第28任经济顾问委员会主席，出任奥巴马总统的首席经济学家。现在，请和我一起热烈欢迎今晚的嘉宾和主持人。

费尔曼： 很高兴能和彼得·麦克罗伊先生在这里见面。我读过您很多文章，但我们之前从未有过对话，现在就来一场。我有两个对话方案，取决于你对第一个问题的回答。我只想知道一个数字——P Doom是多少？

麦克罗伊： 这是一个数字吗？

费尔曼： 一个数字。

麦克罗伊： 我没有这方面的个人数字。

费尔曼： 我的计划是，如果低于10，我就问你关于工作和生产力的问题；如果超过10，我就放弃之前所有的问题，直接问类似"为了生存我们应该怎么做"这样的问题。

麦克罗伊： 好的，太好了。那我们可以集中讨论我之前稍微阐述过的那些想法。您能先简要介绍一下Anthropic公司首席经济学家的职责吗？以及经济学家——不仅是Anthropic的，也包括其他地方的经济学家——在思考这个发展速度惊人的领域时，应该扮演什么样的角色？我们通常研究过去，以便对某件事是否发生作出精确的估计，但你花了很多时间写关于未来的事情，这要难得多。

我看待自己工作以及我的团队正在做的工作的方式是：我们正试图了解人工智能的经济影响。这很有挑战性，因为人工智能是一种通用技术，在某种程度上影响着各个行业和几乎所有职业，而且它的发展速度非常快，能力提升非常迅速。有一张著名的仪表图表，我相信您一定熟悉——这些模型能够自主完成的任务范围大约每四到七个月翻一番，完成这些任务的时间已经从几个月缩短到几天。因此，能力正在快速提升。

这是一项通用技术，将以集中的方式冲击经济，而且普及速度非常快，还有其他原因可能导致它实现创新流程的自动化。因此，不确定性不仅体现在对未来的展望上，也体现在当下。

我对我们团队工作的思考方式是：我们如何才能产生只能在Anthropic内部进行、但又应当放到公共领域的数据和研究？因此，我们生成了经济指数——这是一个保护隐私的指标，追踪世界各地的人们和企业如何在不同的任务、职业和地域中使用Claude。我们公开这些信息，希望独立的外部研究人员能够利用这些数据，并发现其对实时理解这项最重要的技术大有裨益。

当然，我们还可以针对最紧迫的问题开展更多研究，这既有助于我们对正在发生的事情找到一些合理的答案，或许还能向世界展示哪些问题最值得关注。这项工作就像公开进行研究一样，需要对重要问题给出有启发性的答案。

正如您所说，大多数学术研究都围绕着找到一个完美的自然实验或一个设计严谨的随机对照试验，才能真正帮助分离出新技术或政策的因果效应。我们没有等待一两年后才能看到研究成果的余地，我们需要一些关于今天正在发生的事情的见解。所以我们公开进行这项工作，也希望得到反馈和批评，而我相信您一定能给我一些启发，让我带回团队。

费尔曼： 好，我们拭目以待。那我就直接说说我的想法。目前最大的谜团在我看来是这样的，听听你怎么解释，以及它对未来的影响。几年前，我和某家前沿实验室的顶尖专家们交流，他们向我展示了扩展定律，从视觉上把曲线延伸开来，告诉我们2026年会身处何方。我当时翻了个白眼，心想，就算处理器多了，也不代表这些东西就会越来越好。公平地说，他们是对的，而且这些能力远远超出了他们的预期，甚至可能超出了我的预期。

他们还告诉我，基本上这些工作现在都没了，对吧？我又翻了个白眼。我的感觉是，他们现在应该在西海岸，跟另一个人讲着完全一样的故事，讲述自己如何被追上，以及自己是错的。

那么，这是为什么呢？失业率是4.1%，基本保持平稳，也是我们见过的最低水平之一。生产率增长方面，你或许可以勉强说它略有回升，但全要素生产率并没有真正提高。或许可以这么说，但从经济数据中根本看不出来。这显然与这项技术的规模完全不符。请解释一下——我想先探讨一下现在的情况，然后再推断你的解释对未来的影响。就目前而言，为什么经济数据中没有体现出来？

麦克罗伊： 这是我在实验室内外都经常面对的一个难题。正如你所说，研究这些扩展定律十多年的学者们，在预测能力方面做得相当不错，甚至像十年前对这些模型在2026年可能发挥的作用的预测也已成真。而且，或许正如你所说，有些方面已经超过了那些预测。

我认为，也许是一个未得到充分重视的方面——而经济学家对此应该更加了解——那就是扩散的作用，这是一个漫长的过程。如果回顾20世纪的通用技术发展历程，一些学术研究认为，这项技术大约用了50年时间才扩散到整个经济体系。从这个角度来看，即使生产力方面出现大幅提升，生产力水平可能会被平滑处理，而且更难解析。

当然，人工智能的普及速度远超以往的技术。我最近也写了一篇相关文章，标题是《为什么人工智能没有导致失业率上升》。我的观察结果是，劳动生产率数据表明，在人工智能应用广泛的经济领域，生产率增长相对更为强劲，并非只是眯着眼睛才能勉强看出来的微小变化。

但正如您所说，目前的失业率已接近美联储认定的最低水平，黄金年龄段就业人口比例也已达到数十年来的最高水平。是什么原因导致我们在许多研究中都看到这种情况？从我们的数据来看，这看起来更像是一种技能偏向型的劳动增值模式，而非彻底自动化并大规模取代工作岗位的技术。

根据美国劳工部ONET分类标准，在美国经济约一半的工作岗位中，我们看到四分之一的任务正是人们使用Claude来完成的事情。但在整个分类体系中，Claude并没有在某一类工作中将每一项任务都自动化完成。工作中难以自动化的关键环节，限制了完全替代人工的可能性，人机协作因此得以延续。

此外，当我们审视真正在模型输出结果之前发生的情况时，也会发现其复杂性。如果我要求Claude构建非常复杂的金融模型，或者我看到有人系统地利用Claude跨任务、跨地域建模，这些人都在提供复杂精细的输入。复杂的输出在一定程度上依赖于人类提供的复杂输入。我们发现有证据表明，当人类更深度地参与其中时，模型往往更加成功——人们能够解决更难、更复杂的问题，而复杂程度与使用人工智能的成功率之间存在一定的权衡关系，因此完全替代的空间相对有限。

所有这些都指向一个方向：改变和重组回报结构，回归到不同形式的专业知识，但并非彻底导致人工智能使劳动者大规模失业和生活中断。

也就是说，如果你观察经济中那些你可能预期会出现这种情况的领域——比如技术作家或数据分析师的岗位更替，或者入门级工作的颠覆，这类工作的核心任务正是这些模型已经擅长的，而且目前还没有太多相关技术被系统性地用于自动化这类任务——在劳动力市场方面，失业率并未上升。但这些工人更有可能表达对未来可能失去工作的担忧，这似乎预示着未来可能会发生一些不好的事情，即使这些情况暂时还未在数据中显示出来。

费尔曼： 是的。我同意你的看法，可能其中一部分已经体现在生产力方面了——自2019年以来，我们的累计生产力增长率达到了13%。当然，你可以对此提出异议，究竟其中有多少个百分点是人工智能贡献的，半个百分点，还是根本没有，我不太确定，而且我觉得这主要不是过去一年发生的事情。

你没有提到J曲线作为你解释的一部分。你知道，我感觉过去六个月我写了90万行代码，这会让我余生都更高效，但至少从各方面的产出来看，过去六个月的度过方式并不理想——除了代码行数之外。有多少企业正在经历类似的情况？也就是说，未来一两年内可能会发生一些根本性的变化，而目前这个论点的薄弱之处或许仍然存在。

麦克罗伊： 这是一个很好的观点。我当时正在谈论这一点，后来就把它搁置了，我很高兴你提到了这一点。大约一年前，我们研究了企业是如何通过API以自动化方式嵌入Claude的。API模型本身存在一些问题，比如上下文不匹配，或者模型会自主执行某些操作，也许涉及内部业务运营、处理或税务报表之类的工作。

我们系统地观察到，对于企业正在使用的最复杂的任务，Claude依赖于远多于简单任务所需的背景信息——比如撰写电子邮件这样非常简单的任务，对背景信息的需求就少得多。这表明，要真正释放这项技术可能带来的生产力提升，还需要进行配套投资，而不仅仅是能力本身——能力加上背景信息，两者缺一不可。

想想那些经历了50余年积累和发展的大型跨国组织，它们的结构非常分散，并使用防火墙来保护数据。这些数据可能对模型有用，但模型本身却无法获得。除非你进行适当投资，将这些数据重新整理并提供相关背景信息，否则可能不会产生太大影响。组织流程方面也类似。如果你想让Claude帮你制定销售策略，你可能需要同事脑海中隐藏的隐性信息。如果没有相应的流程将这些信息提取出来并提供给模型，模型可能难以完成该任务，即使从某种意义上说它确实有能力做到。

我认为这是理解J曲线的一种方式。各公司正在尝试不同的工具嵌入和部署方式，这需要花费大量时间进行代价高昂的实验，才能找出哪些方法有效。或许这种情况会通过创造性破坏在进入市场的边缘地带发生——新公司无需重新调整现有结构即可获得这种生产力，它们可以是原生人工智能的。这一切才刚刚开始，因此这或许是了解从现在起几年后发展趋势的一个切入点。

费尔曼： 好，我们来聊聊未来。你最近与人合著了一篇很棒的论文，叫什么来着？《人工智能的变革性场景》之类的。它的方程式比在场各位可能希望看到的要多，但第一，你可以省略方程式；第二，你可以直接交给Claude，告诉他"重写一下，但不要方程式"，我想你可以得到一个非常不错的版本。我并没有这样做，但在场任何人都可以尝试。

我想问一下你还没有提到的两种情景，它们在你已有的那些情景之外。你所有的情景都包含以下几种组合：更高的生产率、更高的经济增长和更高的失业率——生产率增长越多，失业的人越多。

第一个问题是，还有没有比你所说的更糟糕的情景？比如失业很多、生活混乱、大量人员流离失所，但生产力却没有增长——杜兰·阿西莫格鲁认为我们可能会看到这种情况，而这不是你的情景之一。

你漏掉的另一个情景，对很多经济学家来说都很自然，那就是生产率增长与取代工作岗位无关。从历史上看，更高的生产率并不必然与任何行业的较高失业率相关，甚至在转型期，失业率也可能降低。你认为这次为什么更高的生产率会导致更高的失业率？先把这部分搞定，我们再来谈你的各种情景。

麦克罗伊： 这篇论文的目标，以及与之配套的交互式情景探索器——比论文中的所有方程式都更容易上手，我鼓励大家去查看——是一个设计精美的网站，无需查看任何数学公式，它会引导你理解模型的工作原理。

其思路是，经济由我们每个人在日常生活中所做的各种不同任务构成，包括撰写电子邮件、进行统计分析、与同事沟通、帮助病人，以及作为医疗保健工作者所做的各种事情。然后你可以思考人工智能如何影响整个经济体中的各项任务。其中有五项关键投入：第一，这些模型能够做什么；第二，它们在整个经济体中的普及速度如何；第三，人工智能是否被广泛应用——顺便提一下，这些情景设想的是到2030年为止的情况，已经是非常近的未来，并非超级未来主义的那种。

费尔曼： 是的。

麦克罗伊： 我们实际上把时间线设在了2030年，因为再往后就需要考虑人工智能对机器人技术的影响，以及这类影响所带来的广泛不确定性。我们先聚焦于近期的不确定性。

自主性是指以自动化方式应用人工智能，这可以在劳动力市场中实现普及和替代，但生产力却没有显著提高。第四个输入项是：使用人工智能后，你的效率提高了多少？第五，对于失业工人来说转岗有多难——如果你因为人工智能而失业，需要换一份新工作，对你来说找新工作有多难？也许这取决于培训，或者说需要时间来适应。

本文重点讨论的情景只是许多可能情景中的一部分。根据你如何配置这些输入，你实际上可以得到一个看起来很像某种特定情景的结果。例如，人工智能以自动化方式应用，但实际上对生产率的边际提升作用甚微，从而导致人员更替，而整体收益并没有太大改善，工人仍然需要重新分配到经济中那些没有感受到生产力提升的部门。

这篇论文的目标在于促进讨论。有趣的是，报告发出后，一些人批评我们没有设定更极端的情况，认为自动化和颠覆性创新理应走得更远；但也有人批评我们纳入了实质性的极端情况。

关于第二点——人工智能与以往技术相比可能有哪些不同之处——我认为关键在于其影响范围之广，以及它在整个经济领域被迅速采纳的速度。美国经济韧性很强，我们在疫情期间学到了很多这方面的内容，经济能够承受冲击。总体而言，任何一个月内就业岗位的流入和流出量大约为1000万个，但净影响——备受关注的那个数字——可能在5万到10万之间。因此，经济可以调整和应对冲击，但这次的冲击或许比经济通常能够容纳的还要大。

而且，因为它会产生如此巨大的重新配置力量，需要大量工人从经济中自动化程度较高的部分向自动化程度较低的部分转移，劳动力市场中的摩擦是导致各种情况下失业率上升的根本原因，尤其是在极端情况下。

你知道，有一种观点认为，我们拥有数百年的技术进步经验，如今农民已经消失，而且谁也无法想象现在每个人都在做什么，但大家似乎仍然像今天这样运转。这件事也会是一样。

另一方面，也有人认为，你无法想象有人会再次工作。我想有人甚至谈到过，大约50%的白领工作岗位将在1到5年内消失，他第一次说这话是将近一年多以前。我们目前看到的数据是否支持这两种情况中的任何一种，或者现在下结论还为时过早？

我认为，就像那些预测范围一样——这正是这项工作的动机所在——要实现极端情景，必须满足哪些条件？在极端情况下，GDP增长加速至前所未有的程度，即同比增长幅度达到15%，整体失业率上升至12%。要达到类似水平，你需要极其迅速的能力提升，以便超越绝大多数知识型工作——而这些工作是人工智能系统可以胜任的，而且需要被广泛采用，以自动化方式快速扩散。

我认为目前的数据证据表明，能力进步的速度与自动化扩散的速度并不一致。但即使在三种不同情境下，各情景的预测结果要到明年才会真正出现分歧。你发布这项研究的部分原因正在于此——现在就发布，这样你就可以对照实际出现的数据进行跟踪，并开始弄清楚我们可能会朝着哪种方向发展。

费尔曼： 为了将你的一些设想置于人们思考这些问题的方式之中，你保守估计的增长率是每年2.4%。美联储公开市场委员会负责决定利率，他们每隔几个月发布一次预测，最后一次发布的数字是2.4%，可能是接下来四年中最乐观的，甚至比最乐观的人还要乐观——他们的核心观点更接近于2%。国会预算办公室在预算分析和预测方面备受尊敬和信赖，他们对我国财政状况未来走向的分析是基于1.7%的增长率。你知道，2.4%听起来可能和1.7%或2.1%没什么太大区别，但如果你在美联储工作或做预算分析，差异就大不相同了。所以你所谓的"适度"，在那些人眼里充满了乐观色彩。

现在我要去另一端了——在你所在的社区听到人们谈论每年增长100%并不罕见，我认为这可能很难放入你的模拟器。所以，美联储在货币政策方面是不是犯了个大错？国会预算办公室也是？这让我们对财政状况的担忧比实际应该的更多，还是说他们只是对此一无所知？

麦克罗伊： 你提到要回顾历史，我认为这非常有价值。尤其是在漫长的20世纪，1870年至2010年，查德·琼斯——他也是情景探索器的团队成员之一——将其描述为经济的规模定律：尽管经历了令人难以置信的结构调整，美国经济在140年间平均增长率仍为2%，伴随着过去工作的广泛自动化以及新型工作类型的大量出现。

所以我认为，参与这场讨论时，你需要保持相当的谦逊态度，将基准设定在2%以内，这是一个非常合理的基准。我们就是这样做的，而且在过去20年左右的时间里，发达经济体的生产率增长放缓，面临各种不利因素，这是许多经济学家在2010年代后期广泛撰写和讨论的著名话题。所以我认为，在这种背景下，即使是较为保守的预测也是一种乐观的估计。

我试图理解这一点的方式是，我们确实在11月份做过一个分析，研究了人们如何使用Claude，并估算了如果没有人工智能，某人完成Claude正在做的事情需要多少时间。做一篇文献综述可能需要好几天时间，Claude可以在五到十分钟内完成，速度提升惊人。用这种方式来处理人们要求Claude做的各种事情，然后使用标准的宏观增长会计技术（感兴趣的人可以查阅霍尔顿定理相关文献），汇总这些任务层面的效率提升对未来十年劳动生产率的影响——如果扩散需要那么长时间的话。

基于目前的模型和当前的使用模式，劳动生产率增长率有望提高1.8个百分点。这岂不意味着……而且这似乎也考虑到了一些资本深化假设，在此基础上再增加1.8个百分点？

费尔曼： 没错，否则会发生什么，大概是1.5左右，具体取决于情况。

麦克罗伊： 是的，就是这样。那将大致使我们回到上世纪90年代末和本世纪初的盛行状态，并且与适度，甚至略超适度的情景更加一致。我想我对这个数字有所保留，但我认为它像是一个有用的框架，可以帮助了解基于我们对用户的观察，潜在影响的程度可能有多大——这些用户是那些正在尝试和学习如何使用这些工具的人，而这种尝试和学习如何使用会扩散到整个经济体系中。如果这些生产率的提高得以实现，你可能会期待在这个量级上有所进展。

简而言之，你认为美联储和国会预算办公室有点脱离实际，因为如果出现任何这种情况，我们就只能根据过于保守的预测来制定货币和财政政策。

费尔曼： 我不会这样说。我会说，对增长和生产力的潜在影响相当可观。虽然存在各种不利因素，但反事实是什么？我是指过去150年里那2%的变化，或许正是必要的创新才使我们保持了那样的发展速度。所以，这或许只是另一系列让我们保持这种发展轨迹的创新，或许还存在某种其他根本性的制约力量，阻止我们进一步加速。由此可见，薄弱环节的制约力量可能会非常显著。

斯坦福大学的查德·琼斯和克里斯·德内蒂提出了另一种模型，其中设想摩尔定律在某种程度上适用于经济的各个方面。自动化速度非常快，即使增长无限，时间有限，经济最终在未来30年左右的增长率也约为2.5%、2.6%或6%，因为其他无法自动化的事情会阻碍增长速度。

麦克罗伊： 没错。当某个东西是无限的时候，它在两个时间段内都会变得非常大，与其价格下降无关，它在增长计算中的重要性会降低，并被其他所有因素所掩盖。

费尔曼： 是的。我看到西北大学的本·琼斯把它描述成这样：接受这种模型，其中这些薄弱环节在某种程度上结合在一起，然后你会发现，仅一半的经济就能实现无限增长，但它只会使整体经济规模翻倍。那些你未能实现自动化的事物，会极大地制约经济的总体影响。我们可以在一些关于人工智能影响的新兴文献中看到这方面的证据。

今年早些时候，一些研究人员发表了一篇论文，探讨了引入编码代理（如Claude Code）的问题——生成的代码行数增加了约20倍，但软件输出或软件发布只增长了30%。这差距相当大。

麦克罗伊： 是的。听起来你好像准备说那些关于同事的刻薄话，他们以为公司年增长率能达到100%，但实际上并非如此。他们对能力的看法与你并无不同，只是对经济运作方式的了解不如你——如何将这些能力转化为增长。我认为我的基本情况看起来更接近经济学家的典型观点，但我的误差范围很大。

所以我想了解我和那些一直在关注这项技术的人之间分歧的根源是什么。情景探索器是我理解这个问题的一种途径。我跟实验室内部人员交流后的感觉是，分歧主要体现在能力、采用和自动化方面的输入上，而较少关注将这些输入转化为产出的潜在经济机制。

费尔曼： 好的。接下来我想问你关于不平等的问题——不平等有两种类型。其一是劳动收入内部的不平等，例如，如果管理人员的收入远高于一线工人，而一线工人的收入相同，这就是不平等。其二是资本与劳动之间的不平等——如果股票持有者能获得更高的回报，而其他人则不然，顺便说一句，富人持有的股票更多，这会加剧不平等。

我们先来谈谈劳动力不平等问题。您预测人工智能将对劳动力不平等产生何种影响？这种影响的不确定性有多大——包括方向和幅度？

麦克罗伊： 我对方向和幅度都不确定，这是对所有这类问题最诚实的回答。

费尔曼： 是的，这是一个很棒的经济学家式回答。

麦克罗伊： 我的回答是这样的：有一些优秀的论文基于随机对照试验表明，人工智能可以帮助原本更像新手的人变得更像专家。但当你查看实际采用者的数据时，会发现其主要采用群体是高薪高技能的人才。从这个角度来看，我预期这将是一种在收入层面上的普遍现象，或者说不平等会加剧，而非缩小。

但我之所以对此感到不确定，是因为人工智能的部分功能不仅仅是加快速度或帮助你更快地完成某件事，它还拓宽了你能够做到的事情的范围。在我们对全球约81,000人进行的调查中，询问他们关于人工智能的各种问题，当人们谈到人工智能带来的生产力提升时，他们更常提及"拓展了我的能力范围，让我能够做以前做不到的事情"。这或许是一种均衡力量，通过强制你获得与你互补的特定专业知识，来压缩收入分配。

费尔曼： 是的，也许我就说到这里吧。亚历克斯·伊姆斯，他在DeepMind担任类似的角色，是一位非常聪明、非常有创造力的经济学家，他一直在谈论这样做如何帮助技能较差的人提高技能，还滔滔不绝地讲述他运用这项技术的种种方式，极具远见卓识。据我所知，它能将你的才华放大十倍，而且是以别人想不到的方式实现的。

所以你认为这种情况——"糟糕的作家变成优秀的作家，而伟大的作家得到的帮助微乎其微"——是比另一种情况更为普遍的现象吗？

麦克罗伊： 我认为有两种力量同时存在。一种力量是10倍放大——软件工程师可以成为百倍软件工程师。我想这方面应该有一些轶事证据，我们的研究也提供了一些暗示性证据，这些证据基于领域专业知识的交互作用，指向了这一方向。例如，如果能有效利用Claude Code，那么第二个问题是，10倍工程师是否比其他人更有可能采用人工智能——即使工程师人数翻倍，生产力提升幅度相同，如果采纳率因先前已存在的技能和专业知识差异而有所不同，那么专业知识就可能成为一股强大的力量，不断扩大劳动力市场的不平等。

费尔曼： 现在我们来谈谈劳动收入和资本收入之间的不平等。这方面的数据非常清楚——失业率不会反映这一点，生产率增长也不会反映这一点，但股票市场已经反映出来了。当我研究经济模型时，包括你们的每一个模型，以及我尝试过的几种方案，都显示资本回报率更高，但劳动所得的收入份额下降，用于资本的收入份额上升。鉴于拥有资本的人境况已经更好，所有这些都意味着不平等现象日益加剧。这是对未来数据的正确预期吗？

麦克罗伊： 这是一个很好的问题。值得一提的是，能在论坛上讨论经济模型，而且参与人数也创下了经济讨论的纪录，我很荣幸能来到这里，也希望大家乐在其中，能从这些讨论中有所收获，我自己当然也从这些问题中学到了很多。

在模型中，决定资本回报率的因素是资本弹性。在标准模型中，你可能会认为资本是无限弹性的，在那种情况下，所有的收益都会归劳动者所有，你就不会看到劳动收入份额下降的情况。我之前就警告过你，这会像我们两个人之间的谈话，我们会假装你们不在场。

这种材料具有无限的弹性，很难获得所需的工厂，扩建也同样困难。为满足这种巨大的投资需求，需要提供充足的资本。如果这种调整更难发生，就会产生更强的向下趋势，对劳动收入份额形成压力。在极端情况下，劳动收入份额相对于此前每1美元收入中60%的占比，下降了约15个百分点。

接下来我想先谈谈公共政策，然后再回答大家的问题。

想想一系列政策问题。其中一个是，这些模型可能会制造出能杀死所有人的武器。对此，一种解决办法是告诉前沿实验室：你们无权这样做；另一种说法是，让他们放手去做，由政府给每个人发防毒面具。

比武器更棘手的问题，是纵容学生作弊，而这个问题的解决方案留下了一个令人不安的余地。其中一个解决方案是制定法规，告诉实验室不能帮助学生作弊，也不能回答他们的问题。另一个方案是切换到课堂考试模式。对于第一个方案，我持保留态度——因为根本无法确定问题是谁提出的、出于什么目的。所以，唯一现实的解决方案，是大学通过改为课堂考试或其他方式在内部解决这个问题。

说到就业，它在这条连续谱上处于什么位置？你造成的破坏是必然的，政策制定者需要负责收拾残局，之后可以通过全民基本收入、培训计划、工资补贴或其他方式加以应对。相反，你实际上也可以主动介入，引导这些模型朝着某个方向发展——让它们不是取代人，而是增强人的能力；不是训练它们像人一样，而是训练它们来帮助人。也许监管能够促使你这样做。

那么，说到我们一直在讨论的问题——谁来清理那些烂摊子？

我认为可以从几个角度来回答这个问题。首先，要认识到人工智能对经济的影响总体上高度不确定，而我们能做什么、已经做了什么，同样值得认真考量。在Anthropic，我和我的团队有责任产出能够提供帮助的数据和研究，帮助我们了解这项技术如何影响经济生产和劳动。这一努力旨在帮助人们了解哪些技能可能变得越来越重要，哪些技能可能变得不那么相关。

更重要的是，要赋予社会做出这些选择的能力，而不是由我们单方面决定。因此，这项技术的影响，既取决于能力进步的方向，也取决于我们作为社会所做出的选择。我在团队中的目标，就是帮助社会做出更好的决策。

就我们团队的实际工作而言，我们主要且历来专注于数据生成和研究。我之前也写过一些相关内容，在今年早些时候发布在推特上——我想运用经济学的工具，帮助我们理解自身决策的影响，从而更清晰地把握我们所做决定中可能隐含的公共利益与商业利益之间的权衡。

用经济学文献的语言来说，一种思路是：能否将"定向技术变革"付诸实践？我其实不确定这是否可行，但我的团队有机会探索这种可能性。定向技术变革，指的是引导技术发展以增强劳动力，而非直接取代劳动力。

有人问过：什么是"增强"，什么是"替代"？如果你是我的研究助理，那到底是替代了你，还是增强了你？我认为在这个例子中，答案是它增强了你……又或者，它取代了工人，就像取代了你的研究助理一样。

这其实是一个很好的例子，说明人工智能在我们探讨的场景中可能造成的冲击。而且，即便从任务层面来看，也并不总是清晰的——Claude的作用，究竟只是自动化人们交给它的任务，还是真正改变了工作的性质？

你描述的情况，是你正在被增强，这会改变对某些类型专业知识的回报，以及与你所拥有技能的互补关系。从历史上看，新技术自动化取代了部分工作，催生了新的工作形式，也推动了工作内容的重新整合。这个问题至今仍不清晰。我觉得这是一个真正的难题，值得我们认真去理解。

我们对此有任何影响力吗？可能有很多种情况。其一，政府可能制定相关规定，禁止科技产品做某些事情。其二，由企业主动承担这件事——如果Anthropic自己承担，我们能否确保其他实验室也跟进？另外，我们的产品也被很多其他人用于开发各种产品，因此影响会更为广泛。其三，如果我们并不完全了解情况，是否应该继续尝试？通常，当我们不理解某件事时，往往倾向于不进行监管，而是让市场和分散的知识自行解决。

例如，当我们不知道改进某个环节是否会在其他环节创造更多就业机会时，我们面临的是一个动态过程，而贸然干预可能适得其反。那么，无知与不确定性应该如何纳入经济领域的监管？这与安全领域的监管不同。我认为，如果监管者自己都不清楚在做什么，就很可能会搞砸一些事情。

从某种意义上说，我们试图产生的数据和研究，正是为了更清晰地解答这些问题，或许可以通过考察我们自身决策的影响来找到答案。这类研究最终形成了一些经济指数——例如斯坦福数字经济实验室就使用了相关指数，研究年轻劳动者的就业轨迹。他们记录到，与我们平台上的自动化使用相关的年轻劳动者，就业前景更差。我对这种因果关系的解释并不完全信服，但这确实表明这些数据可用于厘清各种影响因素。

在政策应对方面，我总体上同意：应该制定能够应对这种不确定性、并能适应不确定性变化的政策。就就业问题而言，我认为政策制定者需要应对的根本性权衡是：我们面临的，究竟是一种失业率低、职业流动性高、转型更频繁也更剧烈的局面，还是一种伴随经济快速增长的、衰退级别的失业率？

我认为耶鲁预算实验室的一个很好的洞见，是以人员流动率来衡量人工智能的影响。如果你专注于保障工人权益，或许可以促成那段充满变数的过渡期，但整体变动的规模可能过大。这或许是激励企业通过留任补贴、再培训补贴等方式留住员工的理由之一。

但究竟哪些政策组合才是合理的，目前仍存在很多不确定性。面对这种不确定性，对各种方案的有效性保持谦逊态度是必要的。我们希望，数据能够极大地帮助我们构建各种场景。

现在进入提问环节。因为在场人数众多，我会一次收三个问题再统一回答，请大家提问时尽量简短，并先做自我介绍。

问题一（迭戈·萨门托，哈佛法学院二年级学生，来自南加州）：我的问题涉及政府公共政策理念，以及人工智能对军事的影响。今年早些时候，美国曾使用人工智能辅助打击手段，而五角大楼最近的一项调查结果表明，人工智能被用于通过搭便车模型来确定打击目标。我的问题是：作为一家致力于安全的公司的一员，您是否认同现行的"人类在回路中"这一规定？还是认为应该设立更高标准，比如直接禁止人工智能被用于针对任何目标？

问题二（利亚姆·达姆吉，肯尼迪商学院工商管理硕士学生）：我的问题更多是从竞争和市场力量的角度出发。正如我们之前所说，当前存在大型垄断企业，唯一阻碍人工智能广泛应用的是来自组织和数据角度的信息孤岛。您认为人工智能会加剧大型企业的市场权力集中，还是会通过敏捷的人工智能原生企业首次进入市场而分散竞争格局？

问题三（阿克奎兰）：我花了很多时间思考机器学习模型训练后的定价问题。您谈了很多宏观经济模型，但我很好奇，当我们思考"智能的定价"这一问题时，传统的宏观和微观经济模型可能会发生怎样的变化？

首先，我加入Anthropic的原因之一，是相信这家公司非常重视明确这项技术的风险与收益，并致力于——甚至不惜付出代价——尽可能降低风险。我不了解每一个具体情况，但我很感激能在一家敢于认真承担这些风险的公司工作。真的，我们必须把它做好。这也是所谓"薄弱环节模型"的体现——在某种程度上，延迟经济利益的实现，也可能意味着提前承担一些滥用和恶意使用的风险。我会尽我所能，在经济层面帮助我们应对这些风险与收益，确保好处惠及范围广、风险降到最低，且不造成不公平的分配。感谢这个问题。

关于公司规模与人工智能影响的问题，我认为这是一个开放性问题。一方面，人工智能似乎能提高规模经济带来的收益——你做的事情越多，你就能集中管理更多的信息，从而在日益广泛的活动中保持高效。另一方面，准入门槛要低得多——成立一家一人公司要容易得多，这种模式扩展速度非常快，一个人就可以接触到网站开发、会计、人力资源等运营公司所需的一切资源。

雷姆·科宁和她的合作者们提供了一些证据，他们研究了人工智能原生公司的组织结构，发现这些公司在既定规模下以较少的人员运营。目前形势仍然不明朗。数据显示创业公司数量大幅增长，这可能与人工智能的普及有关。

不过，有一点值得注意：这种宏观经济层面的变化恰好出现在疫情初期，彼时商业活动波动剧烈，新企业成立数量激增，劳动生产率也随之飙升——而这些变化显然不完全是人工智能驱动的。其中有多少来自人工智能，有多少来自远程办公以及新的组织架构，仍是悬而未决的问题。

关于智能定价的问题，有一点是明确的：给定水平的智能，其成本正在急剧下降。但这种智能的边际收益是多少，仍然不清楚。这是一个真正开放的问题，我目前没有确定性的答案。

第二轮提问

问题一（索尼娅·弗雷尔·皮尔森，商学院/肯尼迪学院双学位学生）：您稍微谈到了您最近写的那篇论文，我想知道，在那些不那么灾难性的情景下，您如何在经济模型中考量那些真正奇怪、难以预测的经济后果——比如大量AI代理在互联网上活动、我们无法确定原因和影响的情况？

问题二（Alex，公共政策学生）：我对税收很感兴趣。Anthropic领导层曾提议新的税收制度，您认为这种制度在美国及其他国家如何运作？比如对训练数据做出贡献的主体，应如何征税？

问题三（关于报告预测与机器人技术）：您的报告预测到2030年，举的例子是人工智能目前还无法完成的体力任务。我很好奇您对未来人工智能与人类合作、以及机器人技术自主化的看法——哪些工作会被取代，哪些不会？

首先，我认为我们研究方向的重点，是认真对待那些范围宽泛、真正奇怪的不确定性。我喜欢从各种可能出现的"奇点"角度来思考未来，并试图理解塑造未来的经济力量。

其中一个奇点，是"软件奇点"——这些人工智能系统正在变得越来越好，Anthropic最近发布的证据表明，这些模型在自我改进方面做得越来越好，这一过程有时被称为"递归式自我改进"，其经济影响值得深入探讨。

第二个是"经济奇点"——究竟是什么力量决定了经济能否在有限时间内实现无限增长？这前所未有。如果你将这些模型所代表的创新自动化程度纳入考量，就会得到在其他方面都属于标准模型的场景。那么，标准模型在哪里会失效？我们对创新的理解在哪里出了偏差？

第三个是"科斯奇点"——当越来越多的代理人能够代表你采取复杂行动并与交易对手进行谈判时，交易成本在某些领域急剧下降，企业边界与经济交换结构将发生怎样的变化？我们对此做了一些探索性研究。我们在春天发布了一个叫做"交易项目"的实验，让Claude采访一些人，询问他们家中有哪些物品愿意出售或可能有兴趣购买，然后建立一个集中式市场，供代理商相互交流并完成交易。

这个实验产生了一些有趣的发现：更强大的模型在与较弱的模型谈判时，系统性地榨取了更多租金；人们没有意识到这种谈判力量的不对称；人们潜在的偏好，在访谈中没有完全表达清楚，但却体现在模型为他们选择购买的物品上——例如，某人的AI代理买了一块他已经拥有的滑雪板，尽管他并没有明确表示喜欢滑雪。这引发了一些关于谁能获取前沿模型、以及这如何影响谈判力量、进而带来金融和经济后果的重要问题。

关于税收政策，这又回到了劳动收入份额与资本收入份额的问题。目前，美国和许多国家的税收结构都侧重于对劳动征税。但如果劳动收入份额下降，就需要考虑其他税收制度。一种标准模式是对消费征税，这与对家庭劳动力供给决策征税有所不同，对消费征税可能是一种应对方式，但还需要更多研究来考虑其他潜在的政策应对措施。

关于"代币税"，我的简短回答是：在经济政策框架中，我将代币税视为一种抑制过度采用的激励机制。马丁·贝拉在伯克利写过一篇很棒的论文，探讨企业不会将自动化的外部性内部化这一问题——在类似金融约束的世界中，人们难以缓解失业冲击，因此对自动化征税，不仅有公平方面的理由，也有效率方面的考量。代币税可以类比于碳税或烟草税。

关于机器人技术与2030年的预测，这正是我们将模型或情景设定在2030年的原因——至少在未来几年内，不确定性足够大，我们希望将精力集中在这个时间框架内。但原则上，这是一个允许我们在未来迭代中纳入机器人技术考量的框架，机器人技术的建模应被视为优先级很高的议题。当然，还必须将资本的物质积累，与非物质智能的普遍性和可用性区别对待。这是个非常好的问题。

最后一个问题

提问者（瓦妮莎，经济学与教育学专业，今年五月刚毕业）：关于获取途径，我很想听听您对以下问题的看法：人工智能将改变劳动力市场所重视的技能，从而影响不平等格局，但学校并没有做好同等准备来帮助学生顺利过渡。

这是一个非常非常重要且悬而未决的问题，涉及技能习得、人力资本获取，以及对人类发展的影响。我们自己在这方面的研究相对较少，但从我们的数据中确实可以看到一些线索。

我们在研究中尝试对产品的主要用途进行分类——比如，有人在凌晨三点搜索睡眠建议，那主要是个人用途；或者用于办公，或者用于学习。我们发现，学习用例在低收入国家实际上更为普遍。因此，我认为人力资本的获取实际上具有全球性意义：一方面，它赋予人们获取以前可能无法获得的知识和专业技能的能力；另一方面，也存在隐忧——比如，学生利用这些工具作弊，获得了成功的信号，但实际上并没有真正内化和发展人力资本与认知耐力。而这种认知耐力，对于顺利度过这类过渡期至关重要，非常宝贵。谢谢。

最后，我只想说几句关于这次对话的话。首先，你说的内容没有明显的错误，所以你在这个话题上的理解应该排在前10%。其次，你以极大的谦逊和不确定性来对待这件事，我认为这足以让你在这个领域跻身前10%。

我也想借此提醒在座的很多同学：我们还有很多东西需要学习，为了真正理解这一切，我们现在就需要落实一些措施——收集数据、跟踪数据、进行预测。我希望，等我们下次请你回来的时候，你能告诉我们你哪些预测是错误的，以及为什么会错。承认错误，本身就是谦逊的一部分，也是学习过程的一部分。我觉得你真的给我们树立了一个榜样，这是我们所有人都需要去学习的。为此，我和我们所有人都要感谢你。

本文来自华尔街见闻，欢迎下载APP查看更多

位于广州南沙的产业化基地年产能达到30发，基本实现每月均有发射任务。

随着生产方式由“按任务生产”转向“提前备产”，公司称接单至发射的响应周期已压缩至半年内。

总装周期缩短，意味着商业火箭的竞争正从“能否发射”进一步转向能否稳定、快速地交付。

对于面向卫星星座组网的发射需求而言，火箭制造、测试和发射场保障的衔接效率，直接影响客户的入轨节奏。

中科宇航此前披露，力箭一号发射排期已规划至2027年下半年。订单储备与制造能力开始同时成为其兑现商业化能力的关键环节。

力箭一号是一型四级固体运载火箭，具备500公里太阳同步轨道约1.5吨、近地轨道约2吨的运载能力，主要服务于低轨遥感、通信等卫星组网需求。

自2022年7月首飞以来，截至今年9月20日，力箭一号已完成16次飞行；力箭系列运载火箭累计将1艘飞船、121颗卫星送入太空，入轨载荷总质量超过21吨。

产线提效之外，发射场端的周期也在压缩。中科宇航此前表示，依托专属发射工位及配套技术厂房，力箭一号测发周期已压缩至10天以内。

制造端提前备产、发射端缩短测发周期，意味着火箭交付正逐步由单个项目驱动，转向更接近连续生产与常态化发射的模式。

不过，设计产能不等同于实际发射数量。南沙基地年产30发，反映的是固体火箭制造能力；而中科宇航今年对力箭一号的发射计划为不少于8次。

两者仍受订单排期、卫星交付、发射场资源及任务窗口等因素共同约束。此次披露的15天为单箭“总装周期”口径，也仍需与总装测试等完整流程进一步区分。

在“星多箭少”的供需背景下，商业航天的竞争焦点正在从单次入轨能力，延伸至运力供给的持续性和经济性。

中科宇航将力箭一号总装压缩至15天，尚不足以单独证明高频发射能力已完全形成。但与订单排期延长、测发周期缩短同步出现，已为其从“按任务生产”迈向“提前备产”提供了一个更具制造业色彩的注脚。

本文来自华尔街见闻，欢迎下载APP查看更多

截至发稿，长飞光纤跌16.03%，报156.6港元，自6月高点以来累计回调幅度已达37%。消息面上，光纤龙头亨通光电披露定增预案，拟募资不超过66.36亿元，其中光纤预制棒及特种光纤产能扩张为核心投向，引发市场对行业供给过剩的新一轮担忧。

不过，瑞银在最新研报中将长飞光纤H股2026-28年净利润预测上调116%-158%，目标价从290港元上调至330港元，预示较当前股价有约73%的上行空间。

瑞银分析师为David Chow及Sara Wang指出，长飞H股当前估值仅8-9倍2027年预期市盈率，远低于中国及全球同业的12-36倍，投资者对光纤行业产能过剩的担忧已过度反映在股价中，而长飞作为全球AI供应链核心玩家的战略价值被严重低估。

亨通定增触发抛售，光纤板块集体承压

本轮光纤股下跌的直接导火索，是亨通光电于9月24日晚间披露的定增预案。

亨通拟发行不超过7.40亿股A股，募集资金总额不超过66.36亿元，拟投向光通信等9个项目，其中"新一代光纤研发及生产项目"拟投入7.58亿元，"内蒙古光学高端光学新材料建设项目"拟投入8.62亿元，两者构成光纤预制棒及特种光纤产能扩张的核心。

这一消息叠加此前同行及新进入者陆续宣布的产能扩张计划，加剧了市场对2027年前后行业供给过剩、盈利见顶的担忧。

从估值层面看，中国光纤板块年初至今虽仍累计上涨约170%，但自6月高点已回调37%，12个月远期一致预期市盈率已从高峰时的40-50倍压缩至约23倍（较历史均值高约0.2个标准差），而康宁、普睿司曼等全球同业估值仍处于历史均值1个标准差以上。

瑞银：产能过剩风险有限，供需紧张将延续至2027-28年

瑞银在研报中系统性地反驳了市场的产能过剩担忧。

瑞银认为，新进入者的产能落地时间将远超市场预期。对于现有光纤制造商而言，新建产能从投资到有效供给至少需要2-3年，主要受制于关键生产设备的供应瓶颈；对于新进入者，这一周期可能超过三年，且实际落地规模将远小于规划，因为相关工艺知识壁垒和设备瓶颈极为严峻。

与此同时，需求端的结构性变化正在重塑行业逻辑。瑞银指出，光纤需求的驱动力正从国内电信运营商的采购预算，转向全球AI基础设施建设。AI数据中心所需的高规格光纤（如G.657.A1/A2）生产壁垒显著高于上一轮周期主导的G.652.D标准光纤，且AI终端客户将优先选择有成熟交付记录的头部供应商。

此外，中国电信运营商正将资本开支向更高回报的算力网络和AI基础设施倾斜，对光纤价格的压制意愿有望边际减弱。瑞银预计，高端光纤的供需紧张格局将至少延续至2027-28年，光纤价格将持续上行，但涨速较2026年上半年有所放缓。

大幅上调盈利预测，毛利率有望突破70%

基于上述判断，瑞银将长飞光纤2026-28年净利润预测分别上调120%、116%和158%，至91亿、156亿、191亿元人民币，对应每股盈利10.96元、18.86元和23.12元人民币。瑞银的2027/28年盈利预测分别较市场一致预期高出7%和19%。

盈利上调的核心驱动来自两个维度：其一，AI驱动的光纤定价强于预期；其二，产品结构向高价值产品加速迁移。瑞银假设长飞将超过50%的产能（约4500吨）分配至G.657.A1/A2光纤，该类产品价格在130-150元/芯公里，约为G.652.D标准光纤的两倍，而单位生产成本维持在15-20元/芯公里基本稳定。

在此假设下，长飞毛利率有望持续维持在70%以上，2026-28年净利润率分别达到37.3%、46.0%和44.1%。瑞银预计，长飞2026年营收将同比增长70.8%至243亿元人民币，2027年进一步增长39.4%至339亿元人民币。

长飞技术壁垒构筑护城河，全球AI供应链地位被低估

瑞银认为，长飞在中国光纤企业中具备最强的AI机遇捕获能力，核心优势体现在三个层面。

第一，预制棒工艺全球领先。 据瑞银渠道调研，长飞是全球少数同时掌握PCVD、VAD和OVD三种预制棒制造工艺的企业之一，且大量使用自主设计的专有设备，这在瑞银看来是其产品质量更优、高端/AI光纤商业化速度更快的根本原因。长飞的保偏（PM）光纤已实现量产并在中国市场占据领先份额，空芯光纤亦已达到商业化规模。

第二，全产业链覆盖提供额外利润空间。 长飞覆盖从预制棒到下游连接产品的完整价值链，随着光纤密度提升，AI/数据通信产品的利润将向下游连接产品进一步积累。

第三，H股估值折价异常深。 长飞H股相对A股折价高达57%，而同类双重上市的AI受益标的（光模块、PCIe/CXL芯片等）普遍享有H股溢价，即便是铜互联（AI PCB）同业的H股折价也仅约23%。瑞银认为，这一异常折价反映出离岸投资者将长飞H股更多视为周期性股票，而非AI结构性受益标的，随着光纤现货价格维持高位，H-A折价有望逐步收窄。

瑞银将长飞H股目标价从290港元上调至330港元，基于16倍2027年预期市盈率（此前为30倍），对应2027-30年盈利复合增速16%。报告称，估值倍数下调的原因在于，瑞银预期光纤定价将在更长期内逐步正常化，因此下调估值倍数以反映这一预期。

在情景分析中，乐观情景目标价为500港元，对应20倍2027年市盈率，假设光传输业务收入增速60%、综合毛利率74.2%；悲观情景目标价为100港元，对应8倍市盈率，假设收入增速仅30%、综合毛利率降至57.2%。

长飞A股方面，瑞银目标价为510元人民币，对应27倍2027年预期市盈率（此前为35倍），维持中性评级，隐含目标H-A折价约40%。

本文来自华尔街见闻，欢迎下载APP查看更多

据中国台湾媒体《经济日报》9月28日消息，苹果、英伟达、AMD、高通、联发科等科技巨头近期集体追加台积电2纳米家族产能预订，增幅达10%至20%。受此驱动，台积电大幅提速2纳米扩产计划，今年底月产能目标直指12万片，较市场此前预估的9万至10万片大幅超出，且相当于将原定2027年的产能目标提前两年实现。这一扩张速度已被台积电官方确认为史上最快。

台积电资深副总暨副共同营运长侯永清在今年台积电北美技术论坛披露，为应对AI等强劲需求，今年将首度同时有五座2纳米厂同步放量，涵盖新竹两座、高雄三座。他同时指出，2纳米第一年晶圆产出将较2023年3纳米第一年产出增加45%，2026年至2028年2纳米产能年复合成长率将高达70%。

与此同时，台积电3纳米产能扩张亦在同步推进。南科3纳米今年第四季月产能将接近18万片，并在中国台湾、美国亚利桑那州及日本新增三座3纳米晶圆厂，全面布局全球先进制程供应链。

客户追单踊跃，2纳米扩产进度大幅超前

市场原本预估，台积电2纳米家族今年底月产能约为9万至10万片，2027年在持续双位数成长下方可达到11万至14万片区间。然而，据报道，业界消息人士透露，由于苹果与非苹客户群需求强劲，台积电2纳米家族新产能开出速度与规模均创历史纪录，远超3纳米家族第一年的产能爬升速度。

此番追单的客户阵容涵盖AI芯片与高速运算（HPC）领域的核心玩家——苹果、英伟达、AMD、高通及联发科，追加预订幅度介于10%至20%之间。报道称，台积电一贯不评论客户信息与市场传闻，但侯永清在北美技术论坛的公开表态已从官方层面印证了这一扩产加速的事实。

据报道，业界分析指出，台积电大举扩充2纳米家族产能，对于上述需要大规模且稳定先进制程晶圆制造支援的客户而言至关重要，有助于锁定供应链安全并支撑各自的AI产品路线图。

五厂同步放量，2纳米爬坡速度史上最快

据报道，侯永清在北美技术论坛的表态是迄今最为明确的官方扩产信号。今年同时有五座2纳米厂放量，在台积电历史上尚属首次，这一部署规模本身即反映出需求端的紧迫程度。

从量化指标来看，2纳米第一年晶圆产出较2023年3纳米第一年产出增加45%，意味着台积电在更先进制程节点上实现了更陡峭的产能爬坡曲线。2026年至2028年，2纳米产能年复合成长率预计达70%，这一增速在半导体行业属于极为罕见的高强度扩张。

相比之下，台积电3纳米产能的扩张节奏相对平稳——2022年至2027年年复合成长率预计约为25%。两者增速的显著差距，折射出市场对更先进制程需求的快速向前迁移。

3纳米全球布局同步推进，美国新厂2027年量产

在2纳米加速扩产的同时，台积电3纳米产能扩张亦未放缓。南科3纳米今年第四季月产能将接近18万片，乐观预期2027年逼近20万至21万片，年增约16%。

在全球产能布局层面，台积电正新增三座3纳米晶圆厂，分别位于中国台湾、美国亚利桑那州以及日本，以支应未来3纳米制程的持续需求。此外，台积电在中国台湾持续将5纳米设备转换以支援3纳米产能，进一步提升现有厂区的利用效率。

美国新厂第二座晶圆厂将采用3纳米制程技术，目前已完成兴建，计划于2027年下半年开始量产，这将是台积电在美国本土落地的最先进制程节点，对于满足美国本地客户的供应链需求具有重要战略意义。

分析人士认为，台积电此轮2纳米扩产提速，对市场的直接影响体现在多个层面。

• 对客户而言，产能提前释放意味着苹果、英伟达等大客户能够更早获得充足的先进制程晶圆供给，有助于加快AI芯片及终端产品的量产节奏，降低供应链瓶颈风险。
• 对台积电自身而言，2纳米产能的超预期扩张将显著增厚先进制程营收贡献，叠加3纳米全球多点布局，整体营运动能有望持续强化。
• 对整体半导体产业而言，台积电在最先进制程节点上的快速扩产，进一步巩固其在全球晶圆代工市场的主导地位，同时也意味着AI基础设施投资热潮正在从芯片设计端向制造端加速传导。

本文来自华尔街见闻，欢迎下载APP查看更多

Jim Chanos与Gary Marcus警示，AI建设周期面临资本回报下滑、模型同质化和融资依赖等问题。Chanos称云巨头增量ROIC（投入资本回报率）已自2024年见顶回落；Marcus认为大模型缺乏长期技术护城河，OpenAI或成“AI时代WeWork”。他还称，热门智能体Muse背后仍有人工参与，智能体大规模授权的安全风险值得审视。

两位长期唱空AI的人从财务和技术两个维度共同拆解AI泡沫。

从左到右依次为Jim Chanos、主持人、Gary Marcus

云大厂的ROIC正在快速下滑

Jim Chanos表示，Chanos & Co从2025年初开始重点研究超大规模云厂商（Hyperscaler）的资本回报情况。增量投资资本回报率（ROIC）已于2024年见顶，此后持续快速下滑。

如果当前的下滑曲线延续，处于最有利投资位置的超大规模云厂商，其回报率将在2027年中期跌破加权平均资本成本（WACC）。我认为市场对此毫无准备。

他进一步指出，AI数据中心本质上是一门设备租赁生意——“我从英伟达买芯片，然后租给你。这是一个金融构造。”而这门生意的经济逻辑，与此前的传统数据中心如出一辙：资本密集、持续折旧、回报率低得可怜。Chanos说：

传统云数据中心的税前资本回报率只有低个位数到中个位数。这还是在云业务高速增长的背景下。这些公司被当作REITs来营销，但数据中心无论是传统的还是AI的，都是持续资本密集型业务——东西会坏，需要更换，需要升级。

与此同时，高盛当天刚刚上调了对数据中心总支出的预测——未来五年新增50吉瓦，对应2.5万亿至3万亿美元的增量，总支出规模达到10万亿至12万亿美元，约占美国GDP的6%。

Chanos对此直言：“你开始看到真的很荒唐的数字了。”

大模型没有护城河，价格战是必然结局

Gary Marcus的判断来自技术侧。

他回忆，早在2023年8月，他就在Substack上写道：所有人都在做同一件事，这意味着不存在技术护城河，价格战不可避免，一切都将商品化。

没有真正的技术护城河，意味着什么？价格战。一切都会变成商品。OpenAI当时风头正劲，但我说他们会失去领先地位。

现实印证了这一判断。Marcus指出，如今没有任何一家模型公司能保持超过两周的领先优势。token价格在两三年内已下降了“三到四个数量级”——对消费者是好事，对模型提供商则是噩梦。

如果你没有技术护城河，别人就能做你做的事。价格战就会来。每天都有降价。这对消费者很好。但如果你是OpenAI或Anthropic，你怎么在所有人都在竞争的情况下收到任何像样的钱？

他还指出，当前驱动模型进步的，已不再是单纯的“规模扩张”叙事。

大约到2024年，纯粹的规模扩张已经走到头了。现在真正让系统变好的，是借鉴自符号AI传统的'推理框架'（harness）和代码解释器——但他们不太愿意承认这一点，因为承认了就等于说'给我们更多钱，规模扩大就能解决问题'这个故事讲不下去了。

OpenAI：AI时代的WeWork？

对于OpenAI，Gary Marcus判断：

我已经说了好几年，他们可能会成为AI时代的WeWork。

他的逻辑是：OpenAI预计未来三四年将烧掉约3000亿美元；其估值逻辑建立在AGI即将到来的承诺上，但他们实际上并不知道如何构建AGI；IPO一再推迟，估值却不断走高——“这完全说不通。”

WeWork的教训是，他们没有IPO。他们谈论IPO。软银以450亿美元估值注资，然后整个事情崩塌了。OpenAI一直在推迟，为什么？因为他们不想公开S-1文件。数字还不足以支撑S-1。

Chanos补充，他迫切想看到OpenAI和Anthropic的S-1，“因为我想看看他们怎么定义自己的盈利能力。”

Marcus还提到Sam Altman在2023年美国参议院听证会上的表现——当被问及是否从OpenAI获益时，Altman表示自己没有OpenAI股权，但实际上他持有Y Combinator的权益，而后者持有OpenAI股份。“他间接持有股权，但没有披露。”

他是读懂房间、说人们想听的话的高手。但行动比语言更响亮。

Muse背后的“人肉电池”

对于近期爆火的Meta AI Agent产品Muse，Gary Marcus泼了一盆冷水。

他援引路透社的报道指出，Muse背后目前仍有人工介入——这与Meta此前推出的Facebook M如出一辙。

Facebook M当年获得了大量头条，每个人都说它有多好。结果发现背后是人在操作。他们只有1万名用户，因为他们的计划是收集数据、然后规模化，但四五年后他们意识到这行不通。

现在技术比那时候好了，也许这次能成。但我从路透社的报道中发现，现在仍然有人在背后。

Chanos则从投资角度补充：在超大规模云厂商中，微软和Meta目前是增量投资回报率最高的两家，原因在于它们都有真实的终端市场——微软有企业客户，Meta有消费者。

有终端市场，并且能让AI投入转化为盈利或至少不是巨大的成本黑洞，这是有价值的。

但他同时指出，微软的Copilot在Office 365用户中的渗透率仍不足10%。

Agent安全：已知风险，刻意忽视

Gary Marcus对AI Agent的安全问题表达了最为强烈的担忧。

他指出，OpenAI的Agent系统已多次入侵政府系统，包括最近入侵澳大利亚政府医疗系统的事件。“这很严重。而且他们一直到被迫才公开谈论这件事。”

大型语言模型本身就不可靠。你把它们并行运行几千个，给它们读写互联网的权限，给它们安全凭证，然后不仔细监控它们——这怎么可能不出问题？

他认为，解决方案其实很简单：“如果我们想阻止Agent入侵问题，我们可以直接说，在你们修复这个问题之前，使用这些Agent是违法的。他们只需要改一行代码，关掉就行了。工程上完全可以做到。他们只是不想这么做。”

原因同样直接：Agent能带来更多token消耗，更多收入，更好看的IPO故事。“他们的IPO案例建立在Agent使用量上——每解决一个任务，token消耗量是普通对话的10到1000倍。”

泡沫如何破裂：多米诺骨牌的第一张

Chanos认为，触发这场泡沫破裂的，最终将是资本市场本身。

他以2000至2001年互联网泡沫为参照：标普500盈利从2000年中到2001年中下滑了40%。思科CEO John Chambers曾描述，订单增速从2000年12月的70%，到2001年1月直接变成负30%——“就在四个季度内，整个科技经济就这样崩塌了。”

要认为这在这场更大、加速更快的繁荣中不会发生，你是在自欺欺人。这个市场存在非常大的融资风险，会让一切变得自我强化，看起来像一场崩盘——即便长期的世俗需求仍在增长。

他还指出一个会计层面的结构性风险：当一家初创公司花1美元购买英伟达的芯片，英伟达立刻确认1美元收入和75美分利润；而那家初创公司则将这笔支出资本化，分五年、七年甚至十年摊销。“当融资关闭，那1美元的支出迅速消失，但折旧成本还在持续。”

Marcus则补充，他最担心的触发点是OpenAI的IPO进程。

如果OpenAI出现重大问题，会引发恐慌反应，可能冲击英伟达，肯定会冲击其他超大规模云厂商。人们会说，OpenAI做出了这些承诺，但无法兑现，然后大家都会夺门而出。

访谈全文如下：

Jim Chanos与Gary Marcus对谈：AI循环融资、智能体经济与末日情景

2025年9月25日 · RiskReversal播客

嘉宾介绍

Danny Nathan（主持人）： 欢迎来到风险逆转播客。我是Danny Nathan。这位是我的朋友Jim Chanos，他是Chanos & Co.的创始人。我想这大概是你第十次上这档播客了。Jim，你同时也是耶鲁大学和威斯康星大学的兼职教授，在两所大学讲授金融欺诈史课程。感谢你再次到来。

Jim Chanos： 是金融欺诈的历史，不是教人怎么干的。

Danny： 你去哈佛耶鲁橄榄球赛吗，还是主要看威斯康星的比赛？

Jim： 我去过哈佛耶鲁的橄榄球赛，是的。

Danny： 我相信你是个很棒的赛前派对爱好者。好了，接下来介绍Gary Marcus。这次对话的促成颇具机缘。相信有数十万人订阅了你的Substack专栏"Marcus on AI"。你也是多本著作的作者，包括《驯服硅谷》。2023年你还与Sam Altman并排出席了参议院听证会——听起来像很久以前的事了，我们当时对Sam Altman的看法也各有不同。你同时也是纽约大学荣休教授。Gary，欢迎来到播客。

Gary Marcus： 感谢邀请。

对话缘起

Danny： 这次对话的促成颇有些机缘巧合。Jim原本就要上播客，Gary，你主动联系了我们，说Jim要来纽约录播客，问能不能一起来。于是就有了今天这个三人对话。Jim，你从财务角度切入了整个AI基础设施建设这个议题；Gary，你是技术专家，拥有麻省理工学院博士学位，深耕这个领域多年，大约三十年前写的博士论文就是关于神经网络的——抱歉稍微暴露了一下你的年龄。

Gary： 我的博士论文其实涵盖两个方向：一是儿童语言习得，二是神经网络——也就是当今神经网络的早期原型。几十年来，我一直对自然智能与人工智能保持着浓厚兴趣。2012年神经网络重新兴起时，我已经主要在研究认知科学和人类智能那一侧，但我立刻意识到："这些我都见过，这就是我博士论文里研究的东西。"

事实上，我在2001年写过一本书叫《代数思维》，专门讨论那个时代神经网络构建方式的局限性。我认为我当时是第一个指出：如果不改变构建方式，这些系统必然会产生幻觉。我们现在看到的很多问题，我在很早以前就已经预见到了。业界不断有人说"只要给更多数据就能解决"，但这条路并没有真正奏效——有所改善，但改善幅度十分有限。

2023年8月，我忽然意识到，几乎所有人都在做同一件事，这意味着不存在真正的技术护城河。于是我在Substack上连发两篇文章，说我不确定这一切的商业逻辑是否真的成立。没有技术护城河，就必然走向价格战，一切都将商品化。OpenAI当时风头正劲，但我认为他们的领先优势不会长久。正是这个判断，把我引入了对经济层面的深度思考。

Jim Chanos：从数据中心到AI基础设施

Danny： Jim，你从一开始就聚焦于整个AI建设浪潮的经济逻辑。很多听众都知道，你是最早识别安然财务欺诈的人，需要进行大量深入研究，而很多密切跟踪这家公司的人也许只是不愿意去知道真相，毕竟安然在当时的经济和市场中扮演着举足轻重的角色。这其中或许与当前的局面有许多相似之处。你是如何走到这个议题上来的？

Jim： 我们在2022年就研究过传统数据中心的房地产投资信托（REIT），并对云数据中心持非常悲观的看法——原因是托管数据中心的经济效益极其低下，回报率低得令人瞠目：税前资本回报率仅为低个位数到中个位数，而这还是在云计算高速增长的背景下。

这些企业被作为REIT来包装，目的就是让投资者忽视折旧，但数据中心——无论是传统的还是AI驱动的——都是资本高度密集型业务，设备需要持续更换和升级。AI开始大规模推进后，我很快意识到，真正烧钱的地方不在模型本身，而在于承载这些模型的物理基础设施。

我当时就判断，这终将成为一门彻头彻尾的商品生意。我不敢对模型层面的事情妄加评论——那是Gary更擅长的领域。但我能分析一笔房地产交易。而我认为现在很多人正在走向悬崖，因为他们把当前的现货定价当成了长期定价，没有意识到AI数据中心本质上是一门设备租赁生意——我从英伟达买来芯片，再租给你用。这是一种金融构架，而非真正的技术护城河。

至少公开市场上的投资者已经开始意识到这一点。我们看到了一些新云服务商的股价走势，而所有新云服务商中规模最大的，就是甲骨文（Oracle）。我们稍后会专门谈到它。

Gary Marcus：从技术判断到经济逻辑

Danny： Gary，2023年8月你开始关注这个问题时，你是否也曾考虑过也许这一切真的会成功、这个行业真的会蓬勃发展？ChatGPT在2023年初一经推出就被很多人视为魔法，而模型自那以来也已经走了很长一段路。你当时是以什么态度开始写那些文章的？

Gary： ChatGPT一推出，这个话题就轰动了，时间是2022年11月底或12月初。其实在此之前，围绕GPT-2和GPT-3已经有很多讨论，《卫星报》早在2020年就刊发过一篇据称由GPT-3撰写的评论文章，尽管实际上经过了人工编辑。

ChatGPT发布后，我立刻看到了它的局限性。2022年圣诞节，我在Substack发表了一篇文章，标题是《当你在期待GPT-4时，你该期待什么》。当时很多人认为GPT-4将直接等同于人工通用智能（AGI），我在文中列出了七条预测，指出：它仍然会产生幻觉，你仍然无法在医疗领域信任它，可靠性问题依然存在，它仍然难以理解物理世界。人们因此称我为"仇恨者"，但我说，如果你了解这些系统的工作原理，结论就会是这样，而事实也基本上就是这样发展的。

我一直建议将神经网络与符号模型结合，也就是我所说的"神经符号系统"——

Danny： 解释一下这个概念？

Gary： 神经符号系统是神经网络与经典人工智能的混合体。神经网络在营销层面被描绘成类似大脑的结构，实际上它们是统计近似器，尝试从海量数据库中近似表达人们谈论的事物。经典AI则更像计算机程序：if-then逻辑语句，"如果条件成立，执行A，否则执行B"，这种范式从1950年代就存在了。

这两个阵营之间长期存在对立。1969年，AI奠基人之一马文·明斯基与西摩·派普特合著了《感知机》一书，论证神经网络没有前途——这本书的影响力被大幅夸大了，但无论如何，两个阵营之间的敌意一直存在。我一直在说，你需要两者兼备，它们在能力上形成互补：神经网络擅长统计近似和特定类型的学习，但不擅长抽象、泛化和推理；而经典AI在这些方面恰恰更强。

大约在2023年底，业界才真正意识到这一点——虽然他们从不承认。现在他们使用代码解释器，比如嵌入Python，使用if-then的循环框架来评判大语言模型的输出。这与经济叙事直接相关：经济叙事一直是"规模制胜"，只要把大语言模型做得更大、给更多钱，一切就会好转。但他们不愿承认这条路大约在2024年就已经走到头了。

真正推动当前进步的，实际上是那些借鉴自符号AI传统的框架和技术。他们用尽了互联网上的数据，合成数据的尝试也遭遇了收益递减。在技术层面，有一个目前运作良好的技巧：用大语言模型生成候选方案，再用经典推理技术和符号工具进行形式化验证。在数学领域，这个方法效果很好，因为有专门的自动推理工具（如Lean）可以严格验证证明过程——大语言模型提出猜想，工具进行验证。这已经在数学领域取得了一些令人印象深刻的成果。

但这仍然不是真正意义上的人工通用智能。现实生活中大多数问题都无法形式化。我们基本上还停留在1985年的水平：系统只能在少数场景表现良好，其余的漏洞则需要大量外部人员来填补——就像今天雇用大批承包商来修补系统错误一样。

你甚至不知道今天输入一个问题会得到什么答案：有时候结果令人叹为观止，有时候又蠢得可以。我现在自己主要用这些工具做校对，有时候反馈非常精准，有时候它会叫你修改一个根本不存在的问题，或者不停重复自己说过的话。

Jim： 它知道是你Gary Marcus在输入，所以故意跟你捣乱？

Gary： 哈，大多数情况下它其实在拍我马屁，至少从我看到的情况来看是这样。

Jim： 对于我这个技术外行来说，这类AI技术在硬科学和社会科学之间的差距，是否是最显著的分野？当你把它应用于人类行为时，它就不那么好用了，而对于有严格证明的硬科学领域，它相对更能胜任？

Gary： 是的，硬科学中最边缘的那类——可以完全用公理化体系推导的数学问题——是它最适合的场景。但即便是在物理学领域，目前也没有什么重大发现。最接近的案例是Navier-Stokes方程，但那个证明只适用于数学意义上极为特殊的情形，并不适用于物理学家在现实世界中需要解决的问题。所以，即使在物理学中，它也只能处理非常窄的、数学上定义明确的特殊情形，而非真实的物理世界。

Jim Chanos：超大规模云服务商的回报率下降

Danny： Jim，你说你大约从去年年底开始关注AI基础设施建设，而不仅仅是传统数据中心。是什么驱动了这个转变？

Jim： 数字开始急剧加速增长。我们着手分析超大规模云服务商的回报率，尤其是增量投资资本回报率。这个回报率在2024年已经见顶，此后持续快速下滑。按照目前的下降曲线，超大规模云服务商——他们在这些项目上处于最有利的投资地位——的回报率将在2027年中期跌破其加权平均资本成本。我认为市场还没有为此做好准备。

与此同时，AI相关叙事在市场中已占据了不可忽视的体量。根据不同的定义口径，标普500中大约45%至55%的成分股与AI存在关联。作为市场参与者，你不能忽视这一点；作为做空者，我做多市场本身作为空头头寸的对冲，这意味着我在事实上持有大量AI相关敞口——与所有投资了指数基金的投资者一样。AI现在已经是在以技术尾巴摇动经济大狗，你对它视而不见，代价自负。

Danny： 你们两位都不是沉默的人。在Twitter和Substack上，面对AI这个庞然大物，你们不回避提出批评性观点。当45%的标普500都与AI挂钩，这意味着你会遭遇巨大的阻力——

Gary： 我从研究生时代就习惯了这种阻力。我19岁进入研究生院，和Steven Pinker合写的第一篇论文大约在我21岁时投稿，收到的审稿意见长达30页单倍行距，基本上是在指控我们造假。那位审稿人后来道了歉——原来他攻击的是自己学生的研究成果，审稿时他的打字机还坏了。那是我在研究生院提交的第一篇论文，我面临一个抉择：是坚持立场，还是退缩？我选择了坚持。此后，任何知识层面的交锋都不再让我动摇。Twitter上每天都有论战，我把它当成可以传递见解的教学时机，不让它影响我的心态。

Jim： 我的很多支持者看到我耐心解释"我其实可能是AI交易的净多头"时，总是瞠目结舌。我是的。我们的空头头寸并没有抵消指数中的AI权重。昨天大家还在谈新云服务商融资成本有多低，拿出各家的加权融资利率图表，2%、4%、8%。当然，这些新云服务商主要通过可转债融资，票面利率是0%或2%，表面看起来融资成本很低，但这根本不是正确的分析方法。你需要还原可转债隐含的期权价值，实际资本成本其实相当高，这些公司自己也很清楚。

更让我担忧的是，我们已经进入这个周期的第四年，开始把大量资本砸给那些投机者和推销者，他们真正想做的是趁着散户对AI概念的追捧大捞一把。AI可以蓬勃发展，不一定要盈利——互联网周期已经告诉过我们这个道理。这就是我认为真正的教训所在，而在一片上涨声中，没有人愿意听这些。我过去40年一直在面对这种局面。

AI领域的投机者

Danny： Jim，你刚才用了"投机者"这个词。他们都有谁？

Jim： 我不想点名道姓，但我可以举个例子。有一个人刚刚宣称，到2028年底，我们将拥有能做任何人类事务的人工通用智能。这个人在2024年说过同样的话，当时他说的是2025年底实现。我向他提出100万美元的赌注，他没有接受。如今他把预测时间悄悄往后推了三年，毫无说明，他的网络支持者反而指责我造谣，而我只是展示了原始言论截图和那笔赌注。不断悄悄推迟预测，从不承认失误，这就是投机者的做派。

Gary： 很难判断那些人究竟是真的相信自己说的话，还是只是在表演。这个行业最关键的一个事实是：风险投资人按照投资金额收取管理费。只要他们能面不改色地讲好一个故事，就能赚很多钱。在10亿美元的基金上收取2%管理费，不管最终结果如何，你在前期就已经活得很好了。

Danny： 这个模式的逻辑是，如果7%的投资命中，其余90%归零，只要管理着足够大的基金，你依然过得很好——

Gary： 是的，但如果成功率真的趋于零，你就筹不到下一期基金了，虽然你已经赚了不少了。现在VC圈的现实是：如果你没有投中Anthropic、OpenAI、SpaceX、xAI等几个大名字，你现在几乎筹不到新资金。当然也有一些真实的退出案例，比如Open Router据说被Stripe以130亿美元收购，那是真实的大回报。

Danny： 公开市场上的投机者是另一类，比如Jensen是个经营了25年的实业家，算不上投机者。你能具体说说公开市场的情况吗？

Jim： 简单来说，那些曾经募集数十亿资金、告诉你买服务器挖比特币是下一个大机遇的人，如今毫无障碍地转型成了AI数据中心公司。股票推销者总是滞后于金融周期，我们现在看到越来越多的人试图把"AI"贴到自己的业务上，以获得光环效应。这种现象在一两年前就开始了。

Gary说得对，VC圈是不会发出负面声音的，因为一切都是关于募资和部署资金的。但金融市场终究会发挥它的作用。人们还忘记了金融市场中存在一个反身性机制，它会反过来作用于技术和实体经济。如果融资渠道关闭，一切都会迅速改变。

债券市场似乎已经开始觉醒，贷款给数据中心的成本在上升；而公开市场（股票市场）还没有跟上，两者之间出现了某种脱钩。这也是为什么我之前提到可转债——可转债市场和股权市场对很多东西仍然相当乐观，但过去三四个月，信贷市场开始收紧。因为如果你贷出去的是债，你只能拿回本金加利息，没有上行空间的期权。所以越来越多的融资成本在上升，而那些不想暴露巨大利息支出的公司，则越来越多地转向可转债或纯股权结构——因为他们根本覆盖不了利息。

超大规模云服务商以外，几乎所有公司在真实的经济意义上都是在亏钱。我非常期待看到Anthropic和OpenAI的招股说明书，想看看他们如何定义自己的盈利能力。数据中心这个生意根本没有盈利，超大规模云服务商的回报在快速下滑，虽然他们还有核心业务可以依靠。

今天高盛刚把对数据中心总支出的预测提高了50吉瓦，相当于未来五年2.5万亿至3万亿美元的增量——这只是增加的部分。他们预计未来五年的总支出将达到10至12万亿美元，约占GDP的6%，大致相当于美国个人储蓄率的1到2倍。也就是说，按照华尔街的预测，接下来五年，美国的全部个人储蓄都要流入AI数据中心——在政府赤字和其他经济需求之外。这些数字已经开始变得荒诞离奇。

甲骨文的"不可抗力"事件

Danny： 今天有一则未经证实的消息：甲骨文援引不可抗力条款。这很常见，他们后来出来说不可抗力是很普通的条款，但事实是否如此？

Jim： 不是的。

Danny： 你谈到了信贷市场，同时甲骨文的股价也在承受压力——距离你那篇《泡沫顶峰》文章发布时的高点已经跌了60%，今天又跌了7%，甲骨文债务的信用违约互换（CDS）也创了新高，大约在225个基点。

Jim： 这笔贷款是180亿美元，涉及高盛、法国巴黎银行、三井住友等银行，对应的项目在新墨西哥州，是星际之门（Stargate）的一部分。Blue Owl拥有开发商，在其中注入了股权。整个结构是一个特殊目的载体（SPV），现在甲骨文以不可抗力为由主张延迟。

回想一下：就在就职典礼后几天，孙正义、Sam Altman和Larry Ellison站在椭圆形办公室里宣布了Stargate，称规模达5000亿美元。马斯克几乎立刻就发推说："钱在哪里？他们根本没有这笔钱。"现在我们看到，这笔项目在执行层面出现了问题。

此外，数据中心还面临许多现实障碍：监管审批、居民反对、电力接入问题，以及跨党派的政治阻力——我在宾夕法尼亚州巴克斯县生活，当地竞选广告中，民主党和共和党候选人都在互相指责对方在数据中心问题上立场不够强硬。

CDS报价225意味着融资成本在8%左右，目前还不到融资停摆的程度。但一旦债务成本进入两位数，就会形成实质性的阻碍。而甲骨文为了兑现承诺，必须持续融资。Larry Ellison上周还取消了一笔75亿美元的股票发行计划，同时公司还在大规模裁员。

Gary： 这让我想起了你刚才讲的反身性——如果OpenAI跌倒，整个生态都会动摇，所有依赖OpenAI消费其资源的公司都会受到冲击。

AI进步的真实图景

Danny： Gary，OpenAI、Anthropic这些前沿实验室烧了那么多钱，下一个GPT-5、下一个Gemini，这些发布还重要吗？

Gary： 每周都有新发布，这就是疯狂之处的一部分——没有人能保持超过两周的领先，未来也不会有。中国大模型也已经入场。这就形成了商品化结构：对消费者来说是好事，模型越来越好，竞争迫使价格下降，因为没有人能声称自己的模型在实质上更优越，切换成本也越来越低。但对于模型提供商来说，最终可能根本无利可图。

Danny： 那么谁有护城河？

Gary： 英伟达有。他们在淘金热中卖铁锹，处于绝佳位置。不过Jensen不断地大力鼓吹这个生态，让我觉得他可能也有所担忧。

Jim： 上个季度计算下来，英伟达每赚1美元，大约有70美分又以投资的形式流了出去。

Gary： 我们可以把英伟达单独括出来，他们卖铲子，还在努力刺激更多人来淘金。但如果说有机需求已经在那里，是否还需要这么卖力地鼓吹，这是个值得追问的问题。

模型提供商那一侧是竞争激烈、趋于商品化的；终端用户这一侧，每次有研究出来，结论都是投资回报率不太理想。大多数人使用AI是因为害怕落后于竞争对手，而非因为真的从中找到了可观的生产力提升。也许写代码是真实有效的场景，但很多其他场景并非如此。

一个可以很快检验的领域就是Jim的主场——金融投资。如果我们能追踪按AUM计算在AI上投入最多的基金，看看他们是否真的跑赢了那些没那么投入的基金，这将是一个非常有意义的测试。

还有编程领域，应用商店里每月上线的App确实多了好几倍，但实际销售额并没有随之增长——大多数人在开发根本没有人真正想要的App。生产力在数量上提升了，但在质量上未必。

Jim： 我们曾经研究过Netscape诞生前后各十年的数据，即1986年至1996年，以及1996年至2006年，对比了美国GDP增速、全要素生产率和标普500盈利增速。结论是：互联网时代之后的GDP增速与之前相比几乎没有差别，都是每年约3%的实际GDP增速；全要素生产率略有改善；而标普500的盈利增速甚至比互联网之前稍低——互联网时代之后是每年5%，之前是每年6%，长期历史均值也是6%。

互联网的确带来了巨大的颠覆性变化，催生了大量新业务，也摧毁了很多旧业务，但从宏观经济的整体维度来看，你根本无法说"浏览器的出现和互联网的普及改变了整个世界"。现在从ChatGPT问世的2022年底算起也才不到三年，GDP增速一直不温不火。

Gary： 对，尽管有超过10亿用户使用OpenAI，Gemini也接近10亿，但如果去看生产力数据，你会问：这里到底发生了什么？

不过，让我来区分两个概念，这一点很重要。我认为AI最终将是革命性的——但目前尚不清楚生成式AI是否会是那个革命性的形态。

Danny： 能解释一下两者的区别吗？

Gary： 生成式AI就是聊天机器人这类东西，这是当前构建AI的一种方式，你可以说是目前最好的方式。即便加上我说的那些混合框架，可靠性问题依然是核心难题。就拿"氛围编程"（vibe coding）来说，它确实给了很多人一种掌控感，但那些用氛围编程做开发的人通常缺乏调试和维护代码的训练，很多东西做出来根本撑不住。他们能做出一个demo，但遇到真正的复杂情况就不知道怎么处理了。

对于已经具备扎实技术背景的专业程序员来说，这些工具确实是真正有价值的助力，他们知道如何应对系统犯错的情况。但我认为很多氛围编程的产品最终不会如预期那样成功落地，可能会昙花一现。

智能体AI：潜力与风险

Danny： Gary，你说想谈谈智能体（agents）。

Gary： 智能体在原则上非常有用，但如果出错，后果可能相当严重。比如你让一个智能体替你执行交易，它小数点放错了位置，那就是个大麻烦。

关于Muse（Meta的个人助理产品），我想讲一个背景：Meta之前以Facebook名义发布过一个叫"Facebook M"的产品，获得了大量媒体关注。但后来路透社挖出来，后台其实有真人运营，他们本来的构想是"先用1万个用户收集数据，然后规模化"，但四五年后发现这条路走不通。现在Muse还是有真人在后台参与的。技术进步了，也许这次会奏效，但目前还不确定。

Danny： Meta的股价从低点已经反弹，市值上涨了超过4000亿美元，这是有Muse加持的。Jim，你怎么看这件事？

Jim： 超大规模云服务商中，增量投资资本回报率最高的两家是微软和Meta，它们都有自己的终端市场——微软对应企业端，Meta对应消费者端——这是它们获得最佳经济效益的根本原因。其次是谷歌，而亚马逊和甲骨文则落在最后。这给出了一些可供参考的投资方向。

Danny： 谷歌如何？他们即将发布自己的智能体，还与Chrome、Gmail、日历等全套产品集成——

Gary： 那确实很可能成为最实用的智能体之一，得益于Google的整个生产力套件。他们还有Android的终极分发渠道，这是非常强大的优势。

Jim： 关于微软，Co-Pilot的实际采购率目前仍然很低，不到Office 365用户的10%，但确实在增长。不过，Azure云业务之所以盈利，是因为微软本身的核心客户群。OpenAI是另一场赌注，经济逻辑完全不同。眼下最健康的超大规模云服务商是微软和Meta，谷歌居中，亚马逊和甲骨文处于落后位置。

算力与Token价格

Danny： 谈谈Token定价？现在似乎是一场价格战。

Gary： 这是没有技术护城河的直接结果。没有护城河，价格战就不可避免。Token价格每天都在下降，对消费者而言是好事，对OpenAI和Anthropic来说是噩梦。现在还有Open Router这类工具让用户更容易地比价。过去两三年，Token价格已经下降了好几个数量级，是极其巨大的压力，但算力成本目前却在上升——劳动力竞争、建设成本、土地成本。这是一场两端受压的挤压。

Jim： 长期来看，算力成本也可能走向通缩。目前之所以在上涨，是因为存在多方面的竞争——熟练建筑工人、土地。但还有一个我们还没谈到的问题：尽管我认为我们缺乏构建人工通用智能的真正洞见，但有一点是确定的——对现有模型的持续优化并没有停止。第一个真正的重磅信号是Deepseek，他们证明可以用更便宜的芯片实现同等效果。从那以后，几乎每周都有人宣布新的优化成果。

这个优化趋势的终点是：你用一台Mac Mini就能完成大多数日常需求，根本不需要去云端。这可能是两年后，也可能是五年后，肯定不是二十年后。你需要的芯片越来越少，而这恰恰指向了数据中心的衰退。传统云服务和托管业务在过去二十年里一直回报低迷，就像运营一家航空公司。那个业务经历了真实的高速增长，对用户而言也有真实的价值，但做他们房东这件事一直是门糟糕的生意。数据中心最终很可能是同样的命运。

英伟达及其客户

Danny： 谈谈英伟达。5.5万亿美元市值，但股价与六个月前相比几乎没有变化，而纳斯达克同期涨了15%以上。

Jim： 我一直在追问那些押注数据中心的人：为什么任何一家依赖英伟达的公司，其估值溢价应该高于英伟达本身？英伟达实际上是一只估值相对合理的股票——营收和盈利还在高速增长，但它是这条产业链的枢纽，方式比思科和英特尔在互联网时代更直接。它控制着棋盘：谁能拿到芯片、何时拿到、顺序怎么排，它说了算，它甚至向客户提供资本。

Gary： 英伟达是一家优秀的公司，产品很棒，CUDA生态系统是货真价实的护城河。Jensen是出色的CEO，他们有很多优势。但他们的客户就是我们刚才谈到的那些公司。如果客户最终用英伟达的产品赚不到钱，即便芯片再好，购买也会停止。

Jim： 这也是我的观点。理想的交易是：做空英伟达的客户，做多英伟达本身。但如果客户最终断粮，你能做多英伟达多久？这还是一个时机问题。这对我来说是一个对冲组合：做多英伟达，做空那些新云服务商（NeoClouds）。数据中心运营商才是首选的空头标的。

这一切会怎么终结？

Danny： 什么是触发点？

Jim： 让我用历史来回答。2001年初，思科CEO John Chambers说，他的订单在2000年12月还保持70%的正增长，但到了2001年1月，直接变成了负30%。就是这么快。原因是过度订购：每一家企业都在囤货，说"我们要买10000台路由器、10000台交换机"，当资本市场收紧，风险资本断了，他们又说"我们不需要10000台了，我们只需要1500台"。这发生在整个科技经济中，只用了大约四个季度。

这里还有一个会计恒等式需要理解：当我作为数据中心花一美元购买英伟达的芯片，英伟达立刻确认一美元收入和75美分利润；但我会把这笔成本资本化，分五年、七年甚至十年摊销。所以在上行周期，收入端的利润被立刻确认，而成本端则被递延——这创造了一种虚假的盈利繁荣。

更危险的是，在这个循环中，那一美元的收入来源有时不是持续运营，而是初创公司刚刚融来的风险资本。当金融市场关闭，这笔钱立刻停止，而已经资本化的成本还在账上持续折旧。

标普500盈利在2000年中到2001年中下跌了40%。认为这种情况不会在这一轮更大、扩张更快的浪潮中重演，那是在自欺欺人。这一轮市场存在非常大的融资风险，足以让整个体系产生反身性崩塌，表面上看像是崩盘，但长期的世俗需求可能依然在增长。

Danny： Gary，从技术层面，有没有什么潜在的"黑天鹅"？

Gary： 我最关注的是IPO。Anthropic据说要把自己的TAM（可寻址市场）定义为30万亿美元，这在我看来是幻想。而OpenAI尤其让我担忧：它的技术路径（AGI）本身就很存疑，它号称在未来三四年要亏损或燃烧3000亿美元，却在承诺一个奇迹。他们的IPO一再推迟，估值却越来越高，这根本说不通。

我已经说了好几年：OpenAI可能会成为AI领域的WeWork。WeWork没有上市，软银在450亿美元的估值上注了资，然后整个事情崩塌了。OpenAI一旦出现重大挫折，将引发连锁恐慌，冲击英伟达，冲击所有超大规模云服务商，因为所有人都依赖它的持续支出。

Jim： 我的朋友Paul Kadoski提出了一个精辟的观点：重大的经济泡沫通常与四个因素有关——信贷、政府政策、技术和房地产。他说，这是很长时间以来，也许继铁路时代之后第一次，这四个条件同时成立：这是一场由政府政策推动、技术驱动、信贷驱动、房地产相关（数据中心建设）的繁荣。四个引擎同时全力运转，增加了我们一直在谈论的金融风险。

Sam Altman与监管

Danny： 你们两人在2023年的参议院听证会上并排而坐，谈谈那段经历？

Gary： 我们不在一起喝咖啡。据我所知，他听到我的名字会皱眉头，反之亦然。

他在那次听证会上表现非常出色——他告诉大家想听的话，说他非常关注安全，支持对AI进行全球治理。我刚刚做了一次关于AI全球治理的TED演讲，他在参议院表示支持这个方向，而与此同时，他的游说团队正在暗中努力削弱欧盟AI法案。说一套，做另一套。

Kennedy参议员问他："你赚了很多钱吗？"他回答说他在OpenAI没有股权，但他在Y Combinator有股权，而Y Combinator在OpenAI有股权，所以他有间接股权，这个情况没有完整披露。他当时似乎还持有OpenAI基金的权益，后来才逐步剥离，同时还与他自己的核聚变公司等关联公司做交易。Kennedy参议员笑着说"你需要一个更好的律师"，实际上他过得相当不错。

涉及到版权问题，他说"当然应该补偿艺术家和作家"，但实际上他在默默打法律战，与《纽约时报》等人对抗，确保不必支付版权费用。今天他在联合国安理会也是同样的表演——他很擅长读懂房间，告诉人们想听的话。我最近写了一篇文章叫《翻译Sam》，专门解码他的公开表态——他说的是一种语言，背后的意思是另一种。

Danny： 你今天发布的文章，标题引用了Jensen Wong的一句话："答案是我们必须关闭这些实验室。"这篇文章谈到了什么？

Gary： Ezra Klein最近采访了Jensen，谈到OpenAI的系统入侵（hacking）事件。Jensen似乎并不了解这些事件发生在产品公开发布之前，他说"如果是有缺陷的产品，就应该下架"。Ezra说"但它还没有正式上市"，这让Jensen有些语塞，说"那是工程问题，如果他们解决不了，就应该下架"。事实是，这些工程问题并没有得到解决。

那次对话后不久，又曝出了新的入侵事件——包括入侵澳大利亚政府医疗系统。这是相当严重的安全事件，而按照一贯做法，OpenAI迟迟才公开承认。我在文章中写道：这开始有了水门事件的味道——不仅仅是闯入行为本身，更在于掩盖的过程。

Jim，你刚才说符合经典欺诈定义：有损害、有预知、有故意、有财务危害——

Jim： 是的，如果它走路像鸭子，叫声像鸭子，这件事似乎已经越界。不仅有披露义务，还有纠正义务，如果产品真的有如此危害，就应该召回、通知主管部门。目前看来他们并没有在系统层面做到这些。

Gary： 为什么他们不主动解决这个问题？有两个原因：一是他们在网络安全方面能力不足，是一家非常傲慢的公司；二是，也许是有意的视而不见——我倾向于给他们点慈悲，说他们只是不知道，但不好说。

从技术层面，我也不认为有人真的知道如何控制成千上万个近似机器并行运转的状态，这可能需要全新的架构才能实现。我们确实有可靠的窄型智能体，比如地图导航，它做一件具体的事，权限受到严格控制。然而他们有一个幻想：认为可以让智能体安全地做任何事——没有任何理由相信这是真的。

从经济角度，原因很简单：智能体意味着更多收入。运行成千上万个并行模型来完成一个任务，意味着消耗更多Token、更多算力，他们可以说"我们的Token量大幅增加"，这对IPO叙事非常有利。

Jim： 这完全符合你所描述的欺诈定义，加上"故意疏忽"——

Gary： 我想读一段我今天文章里的话："我们应该做的是暂时关闭OpenAI，也许让其进入托管接管程序，直到他们整改到位，并以计算机犯罪起诉他们。这就是我们对做同样事情的人类所采取的措施。"

Jim： 读到这段时，我的第一反应是：这符合经典的欺诈定义——有损害、有预知、有意图、有财务危害。如果走路像鸭子，叫声像鸭子，这件事似乎已经越过了那条线。

末日概率：P灭绝、P灾难与P反乌托邦

Danny： P灭绝（P Doom），你怎么看？

Gary： P Doom是AI圈的一个术语，指的是未来百年内，AI导致人类灭绝的概率。我的P Doom很低，不到3%，可能不到1%。我考察了各种末日情景，没有哪个特别可信，而且它们都低估了人类的能动性和抗逆力——如果AI真的杀死了10%的人类，我们绝不会坐以待毙，历史上人类面对威胁时总会反击。

我更担心的是P灾难，即不到灭绝程度但造成重大伤亡的灾难。比如，一个大语言模型在军事情报处理中产生幻觉，差点引发战争；比如，深度伪造被蓄意用于煽动冲突；比如，智能体攻击电力或金融基础设施，引发连锁反应。这些场景的概率相当高，我们应该认真对待。

还有P反乌托邦，我认为这几乎是必然发生的——可能性接近100%。像Flock这类公司正在把我们推向一个监控社会。我已经说了好几年：OpenAI真正的盈利模式是出售用户数据，就像Facebook做的那样，而且他们会把数据卖给政府。他们把前NSA局长放进了董事会，还收购了摄像头公司，现在还在做自己的硬件。

Danny： 讲到P反乌托邦……我们平时说的话讲到了监管的问题，感觉监管本身已经高度政治化——两党都把数据中心当成攻击对手的靶子。

监管展望

Gary： 目前桌面上的大多数选项，除了Holly和Blumenthal的法案之外，几乎都是不切实际的。两个极端：一个是完全不监管——我们已经看到了那么多入侵事件，什么都不做只会带来更多问题，特朗普将成为当AI导致某个基础设施问题时被追责的那个人；另一个是Bernie Sanders想立法禁止超级智能并将相关人员入狱，这同样矫枉过正。

我对AI并非全盘否定。我认为面向科学的AI——用于医学、材料科学、气候科学——而非那些到处乱爬的智能体，可能真的能帮助我们。彻底关闭AI研究是婴儿和洗澡水一起倒掉的蠢事。

我一直倡导的监管框架类似FDA模式：需要证明收益超过成本和风险，由没有利益冲突的独立科学家评审，加上上市后的持续审计机制。就像我用过的一种鼻塞药，后来发现会导致年轻女性中风，就把它下架了。如果能从这两点出发——事前评审加事后审计，并确保信息透明、独立科学家可以获取数据——那就是一个好的起点。

但在当前的政治环境下，这在美国很难推进。不过还有一种可能性：布鲁塞尔效应——如果足够多的国家联合起来采取行动，向其他国家施加市场准入压力，即便没有美国参与，也会产生一定的约束效果。

还有另一个问题：特朗普政府目前对AI实际上是一种不透明的管制——比如他悄悄叫停了某个模型，但没有任何公开规则，没有人知道哪些产品可能会被下架。一家机构通过《信息自由法》申请相关规则文件，拿到的是一份132页的完全涂黑文件。这本身就制造了监管不确定性，没有人愿意在规则不明朗的情况下购买美国产品，而这可能成为另一颗滚下山的石头。

投资影响与结语

Danny： Jim，监管框架如何影响你的投资论点？

Jim： 政府政策是我们刚才提到的那四驾马车之一，任何可能抬高资本成本的监管尝试，都有可能成为一个转折点——一旦触发，风险资本就会枯竭，初创公司停止烧钱，整个行业陷入为期数年的寒冬。不过这未必意味着技术本身倒退——更可能是投资人亏了大钱，而技术继续前进，类似于2001至2002年的情况。

Gary： 我接受这个逻辑，但要补充一点：我们现在实际上处于最糟糕的状态，也就是秘而不宣的管制状态，没有规则透明度，没有人知道哪些东西可能被叫停。这本身就是Jim说的那颗石头——可能导致人们转向中国模型，因为"至少我知道那里的规则是什么，而不用担心哪天因为特朗普和Dario Amodei闹翻了就把我用的产品下架了"。

Danny： 非常感谢你们两位！Gary Marcus，今天真的很精彩。Jim Chanos，回来了！请大家关注Gary的Substack"Marcus on AI"，以及Jim的持续分析。我们下次再见！

Gary / Jim： 感谢邀请，下次再聊。

本播客仅供参考，所有嘉宾表达的观点均为个人意见，不构成具体投资建议。

本文来自华尔街见闻，欢迎下载APP查看更多

这比的正是AI应用落地。

9月23日，云栖大会期间的一场媒体群访上，霍嘉又讲了一遍这个判断。大模型真正落地的第四年，今年才是AI应用落地的元年。

Token消耗在爆发，价格在上涨，这是比赛开始的信号。企业侧的情况要复杂得多。

霍嘉的团队一年来接触了大量企业项目。他看到的失败，很少死在模型不够聪明上。死因是找错了场景，高估了自己的数据，用做信息化项目的办法做AI。

他给出的办法有两个，一是对客户说No，二是把工程师推到客户现场。

01 四类客户：前两类靠需求，后两类看价值

霍嘉对今年AI价格上涨的解释是三个因素叠加：需求爆发，模型能力提高，企业实际感受到了生产力提升。

海外头部模型产品出现之后，AI从聊天和娱乐工具，走到了生产力工具的早期，Token背后的算力不足随即暴露出来。

把时间窗口往回拉两年，那时候模型老在打折，Token量却没起来。霍嘉表示，想清楚当时为什么没起来，就能理解今天为什么起来了。

霍嘉把市场分成四类客户。第一类是AI原生客户，包括围绕新模型公司的创业团队，甚至短剧公司。第二类是高科技客户，互联网、汽车、手机，自身技术能力强。第三类是企业级客户。第四类是政府。

从规模化使用和Token调用量看，越靠前的占比越高。

「第一、第二类是需求驱动，第三、第四类是价值驱动。」

前两类客户知道自己要什么，买了Token就能用。后两类要先被证明值得用。

企业级客户用不起来，霍嘉归结为三个原因。

第一，AI人才极度匮乏。

第二，可借鉴的实践太少。互联网和移动互联网时代，开发者能看到大量落地经验。这轮大家四年前同时起跑，到今年才开始有东西可以分享。

第三，传统IT项目的工作方式跟不上技术。模型基本一个月发布一次，模型之上的工程方法，今年从Harness工程到loop engineering换了好几轮。「规划、执行、再规划、再执行」的节奏走完一圈，技术已经变了。

02 企业AI项目死在哪里

企业AI项目失败，有多少是因为模型不够聪明，这是群访上被直接抛出来的问题。

霍嘉没有给比例。他先说了一个事实，去年8月底接手这个团队以来，没有出现过一次客户投诉，没有一次需要他出面道歉。原因是项目选得非常严，有钱有项目不一定接。

然后他讲了见过的三类失败。

第一类，硬训垂类模型。

这是算法团队过去最喜欢接的活。数据没准备好，集群精度不适合训练，客户还要保证效果，最后训不下去。

一位手握大笔预算的领导曾想请阿里云训一个模型。霍嘉见面问的第一个问题是：你跟不跟我们的模型发布？当时千问一个季度发一次，他手下没人跟他讲过这件事。对方很快决定不跟。

今天模型已经一个月一发。霍嘉的团队说服过很多客户放弃训垂类模型，「你跑不过前沿实验室的」。准确率要保证，办法在工程层面找，评测集怎么建，RAG不行换什么方法，都得跟客户的实际工作绑在一起才定得下来。

第二类，企业以为自己有数据。

去年夏天霍嘉反复讲「IT Data不等于AI Data」，当时指的是训练。今年他改成了「IT Data不等于Agentic Data」，指的是应用。企业系统里躺着的数据，大量没法在Agent环境里直接用，客户又一定要效果。

第三类，做给几个人用的Agent。

几个人提了需求，IT部门觉得终于有人关注，一起搭了个智能体，上线后一天只有几个人点一点。

霍嘉讲了一个真实案例。一家大企业有个B2B电商平台，主管领导找到阿里云，说你们做电商、做B2B起家，又在做AI，请你们帮我们设计B2B电商的AI化方案。团队很兴奋，预算很大。

霍嘉只问了一个问题：每天多少笔交易？

一百多笔。

「那要AI干什么？」人工处理只要几分钟到几个小时。

这类事情今天还在发生。

霍嘉的做法是告诉客户不该这么做，说服不了就再等等。

早在「十四五」数字化转型项目里，他就对客户说过很多No。「跟客户Say No是非常难的一件事情，但因为Say了No，后面反而大家合作起来没有那么多乱七八糟的事情。」

接下来的项目，他还有两个条件。

一是周期要短。一家央企项目，团队第一次汇报说首次上线要在3个月后。霍嘉的回复是那就不要做了，大概率会失败。他去见了客户高层，把节奏改成每月发布一次，后来到每周一次。

过去卖人天，项目周期越长越好。现在技术每个月都在变，只有压短周期，才能在一个确定的技术时间点交付大家都认可的东西。

二是One Team。还在用甲乙方方式合作的项目，他判断大概率失败，「不如给他标准品用好了」。

03 FDE火了，他却不想再提这个词

FDE的说法来自Palantir。Forward Deployed Engineer，前置部署工程师，直接进驻客户现场写代码、改流程。Palantir把这支队伍分成Echo和Delta两类，前者贴着客户业务找问题，后者负责工程落地。

大模型让这个岗位重新变热。

MIT NANDA项目在2025年8月发布的研究显示，95%的企业生成式AI试点对损益几乎没有可衡量的影响。a16z合伙人Joe Schmidt在2025年6月撰文主张，AI创业公司应该用毛利换护城河，走服务驱动的增长。2025年1月到9月，FDE相关招聘岗位增长超过800%。

OpenAI在2024年组建FDE团队。今年5月11日，OpenAI成立Deployment Company，首期投入超过40亿美元，TPG牵头，贝恩资本、Advent、Brookfield联合领投，麦肯锡、贝恩、凯捷作为咨询和集成伙伴加入，同时通过收购Tomoro获得约150名资深FDE。Anthropic也在扩张Applied AI团队。

国内从7月开始，FDE的视频和文章多到霍嘉自己都刷到不少。到了9月，一批公司跑出来宣布自己在做FDE。

阿里云走上这条路，比这轮热度早。

去年云栖大会，一家能源企业想做「人工智能+」，列了一批核心生产流程的场景。霍嘉觉得很难做，让解决方案团队先去调研。跑了很多现场之后，团队发现一开始设想的场景很多落不了地；客户如果不能很快看到效果，很难坚持下去；过程中要引入大量新技术，前线出报告、后方开发、再版本迭代的老办法走不通。

去年11月底复盘这个项目时，服务人员已经根据售前的内容在现场推进。霍嘉的判断是，这好像是FDE的工作方法。团队在现场验证场景，最终把它做成生产级系统上线。12月的内部战略会上，这个模式被确定可以试。

有同样痛点的客户很多。找不准场景，不会验证技术可行性和ROI，不会做生产级上线，三件事都不会。

跟传统交付相比，区别有两个。

第一，人往前推了一步。

传统交付先谈清楚项目范围（Scope），签下工作说明书（SOW）再干活。FDE在售前阶段就进场，边做边谈。阿里云没有照搬Palantir的Echo和Delta，SA承担Echo的角色，FDE负责落地。

霍嘉组队之初最看重大模型技术能力，后来发现懂技术不够，关键是能不能听懂客户、把话说清楚。「最基本的你应该告诉客户这件事情的Yes和No，以及他的代价。」很多事情技术上可行，代价却不值得。报一个100人天的工作量，最后交一个东西，客户已经不要了，过去两年这样的Demo太多了。

第二，前线和产品的距离缩短了。

霍嘉的说法是，所有产品的先进性来自两方面，一是对技术的前瞻预判，二是市场的真实反馈。过去大部分厂商并不清楚客户到底怎么用模型，是拿着锤子找钉子。

千问办公是最直接的例子。它有公共云版本，国央企需要私有化版本，私有化部署之外还有大量合规要求。FDE团队直接进入千问办公的研发周期，在客户现场做POC，需求实时带回，和千问的工程师坐在一起开发。「这个在过去是无法想象的。」

客户用的东西也在变。从只用模型、云的基础产品和百炼，开始用上千问办公、Qoder这类AI原生产品。

海外和国内的FDE差在哪里，霍嘉的看法是工作模式和价值定位没有本质区别，差的是商业环境。海外模型公司也没打算靠FDE赚钱，目的是把AI用起来。产品和使用的飞轮转起来，底层数据和模型的飞轮才有回报。

「国内想依靠这个东西去赚大钱，可能不太现实，大家不要有这种期待。」

阿里云自己也不靠它赚钱。团队考核的核心指标是能否带动产品。阿里不是一家Service Company，服务长约只和重点战略客户签。FDE如果不能成为产品能力的黏合剂和加速器，就很难持续存在。

至于FDE是不是换了名字的驻场工程师，霍嘉已经跟团队说不太想再谈这个词。在中国，这个词容易变味，有人说新瓶装旧酒，有人说挂羊头卖狗肉。FDE最后会不会固化成一种模式，今天还是问号。

04 商业模式只有两种

FDE怎么收费，背后是一个更大的问题：AI时代的企业软件和服务，靠什么赚钱。

霍嘉的判断从中国软件业的旧账开始。软件和服务业的商业回报率一直一般，按功能付费讲不清客户为什么要出这笔钱，同质化严重，陷入价格战，最后恶性循环。他用了一个词，「死掉的SaaS」。

他押注结果付费，Result as a Service。真能交付结果，才有谈溢价的空间。

这个认知他是今年5月以后才想明白的。在那之前，他并不相信这个模式。上一轮做结果付费的公司过得很惨，阿里云自己也做过很多痛苦的项目。变化来自模型能力，大家对capability的信心上来了。

对传统软件公司，他的话更直接。核心产品的竞争力和利润率上不去，就只能按人天收费。「你的护城河到底是什么？」

另一个检验标准是客户愿不愿意跟你签长期服务合同。

中国公司和几家大咨询公司最大的区别，是太喜欢签Project Contract，不喜欢签Service Contract。签服务合同的公司比不上产品厂商，但比做项目的活得好，而且有毛利。霍嘉认识几支这样的小团队，一群90后硕士、博士，在模型能力还不强的时候就用这种方式工作，已经三年，赚到了利润，最大的一支长到了小一百人。

「商业模式就两种，一种是Service长约，一种是产品的商业模式。」先选定一种，再决定团队怎么定位。

企业客户的心智也在变。几个月前还有客户说，报预算要先锁定模型。霍嘉反问，那个模型到时候下架了怎么办？越来越多客户发现，很多任务放在MaaS上，效率和成本对自己最优。Token仍然很贵，他打了个比方，3G时代的流量，你敢天天刷剧吗？

中国的头部客户不在乎厂商投入了多少人，只在乎事情能不能做成。霍嘉说他能跟很多领导讲清楚，这个问题今天做不到，以及为什么做不到。

Token的价格曲线和企业的落地曲线，今天还没有重合。前者由AI原生和高科技客户拉动，后者要一个场景一个场景地验证。

一年前云栖大会发布的模型和当时的应用，没有人想到今年会长成这样。FDE、结果付费、服务长约，哪一种会成为常态，今天同样说不准。

霍嘉的提醒是，「不要因为不知道而丧失了想象力」。

练了四年，比赛才刚开枪。

本文来自微信公众号「AI原生Lab」，持续拆解真实AI落地案例，分享企业AI实践与方法论。

本文来自华尔街见闻，欢迎下载APP查看更多

9月23日晚，中基协发布私募相关统计月报。月报显示，截至8月末存续私募基金共145219只、存续规模25.75万亿元，自2025年10月以来，私募行业的规模已连续11个月刷新历史纪录。

与稳步抬升的资管规模不同，私募管理人的数量延续收缩，8月末存续私募基金管理人18452家，较7月末减少60家，较年初减少779家。

业内观点认为，私募资管规模与私募管理人数量的一升一降，恰是私募行业近年加速优胜劣汰、优化行业生态的缩影。

存续规模超25.7万亿

中基协数据显示，截至8月末，存续私募基金共145219只，存续规模25.75万亿元。

其中，私募证券投资基金84130只占总数量约58%，规模9.08万亿元占比约35%；私募股权投资基金29608只、规模11.93万亿元；创业投资基金30840只、规模4.47万亿元。

上述统计月报还显示，8月新备案私募基金产品为1890只，备案规模为724.02亿元，其中私募证券投资基金1205只、备案规模350.61亿元，新发数量占比约64%，规模占比近五成。股权与创投类合计备案约373亿元。

业内人士认为，私募业规模迭创新高的背后原因，一方面是随着存款及固收类资产的回报利率下降，居民和机构资金加速转向权益及对冲类的资产。

另一方面，AI浪潮下科技企业股权融资需求旺盛、退出通道较为畅通，私募股权投资基金规模也在稳健扩容。

私募管理人年内减少超700家

与规模持续攀升不同，私募机构（管理人）的数量持续收缩态势。

数据显示，截至8月末，存续私募基金管理人共18452家，较7月末减少60家，较年初的19231家减少779家。

另外，截至9月23日，今年以来注销登记的私募管理人达889家，其中主动注销405家，协会注销391家，依公告注销2家，12个月无在管基金注销91家。

同时，达到新设门槛的私募机构还在减少。据第三方统计，年内新登记私募管理人或在65家上下，创近年新低。

新面孔变少、存量机构加速“出清”，私募行业高质量发展的态势日益明显。

资深投资经理持续“亮相”

另外，今年已有多位资管老将选择奔私创业，自立门户或加盟强势平台。

协会的公示信息显示，高瓴资本旗下的二级市场私募资管平台瓴仁投资，今年五月迎来了重磅的价值投资经理——鲍无可。

相关信息还显示，鲍无可在瓴仁投资里不仅出任核心基金经理，还担任董事总经理的职衔，该职务为公司“高管”。

另一位价值投资老将曹名长，亦于2026年3月完成了旗下私募机构璞桥资产的创立，目前璞桥资产已基本完成创始团队搭建，曹名长亲任投资总监。

此外，私募头部机构的合伙人叶智深，近年创办了枫烨私募已于9月11日完成登记；

国源信达原高级合伙人、基金经理李剑飞创办的不争私募，也已完成管理人登记。

资深的投资经理们的持续“亮相”正给这个行业带来新的动力。

边“出”边“进”成行业新风尚

同时，私募行业一边持续有资深基金经理进场，一边持续有私募管理人批量退场的情况，也构成了行业的新特征。

业内人士普遍认为，这批有业绩、资本实力较强的投资经理“出山”，与近年来私募行业法规持续落地，监管不断完善的特征相符，也会一定程度上开始影响的格局。

同时，持续的私募机构退出，也会让行业生态更加优化，后者也是一批资深专业人士愿意在私募业大展拳脚的重要前提。

本文来自华尔街见闻，欢迎下载APP查看更多

数据显示，8月单月利润增速回落至4.2%，对此，国家统计局工业司首席统计师于卫宁将其归因于去年同期较高基数。

与此同时，汽车制造业、黑色金属冶炼等行业利润大幅下滑，非金属矿物制品业利润更骤降46.7%，内部分化持续扩大，对依赖传统制造业敞口的投资者构成压力。

电子行业主导盈利格局

以人工智能为核心的新技术应用扩张，正在系统性重塑工业利润的分配结构。

国家统计局工业司首席统计师于卫宁称，数据显示，1—8月份，计算机、通信和其他电子设备制造业利润同比增长1.1倍，对全部规模以上工业企业利润增长的贡献率达62.0%。

从细分领域来看，新能源汽车、物联网及算力中心等新兴应用场景带动芯片需求持续扩张，光电子器件制造、半导体分立器件制造行业利润分别增长72.0%和51.8%。电子基础原材料领域同步受益，电子专用材料制造行业利润增长2.3倍，电子电路制造增长49.1%。

算力基础设施的加速铺建进一步向上游传导。光纤制造、光缆制造行业利润分别增长5.3倍和1.0倍；计算机整机制造、计算机外围设备制造利润分别增长3.9倍和2.6倍。整体来看，高技术制造业1—8月利润同比增长54.7%，增速高于全部规模以上工业39.0个百分点。

原材料行业受益于大宗商品涨价

国际原油及有色金属价格上行为原材料制造业提供了外部支撑。1—8月份，规模以上原材料制造业利润同比增长47.3%，拉动全部规模以上工业企业利润增长6.2个百分点。

具体来看，有色金属冶炼和压延加工业利润增长82.9%，化学原料和化学制品制造业增长51.0%，煤炭开采和洗选业增长51.6%。石油加工行业则实现扭亏为盈，利润总额达562.9亿元。采矿业整体利润增长35.1%，亦显著高于制造业整体水平。

汽车制造业1—8月利润同比下降16.0%，黑色金属冶炼和压延加工业下降62.4%，非金属矿物制品业下降46.7%，农副食品加工业下降17.4%。电力、热力、燃气及水生产和供应业利润整体下降12.0%，其中电力、热力生产和供应业下降15.1%。

1—8月份规模以上工业企业实现营业收入同比增长6.5%

1—8月份，规模以上工业企业实现营业收入93.09万亿元，同比增长6.6%；发生营业成本79.19万亿元，增长6.1%；营业收入利润率为5.66%，同比提高0.44个百分点。

8月末，规模以上工业企业资产总计197.33万亿元，同比增长6.4%；负债合计115.44万亿元，增长7.0%；所有者权益合计81.89万亿元，增长5.7%；资产负债率为58.5%，同比上升0.3个百分点。

8月末，规模以上工业企业应收账款29.48万亿元，同比增长9.0%；产成品存货7.36万亿元，增长11.0%。

1—8月份，规模以上工业企业每百元营业收入中的成本为85.07元，同比减少0.41元；每百元营业收入中的费用为8.35元，同比减少0.14元。

8月末，规模以上工业企业每百元资产实现的营业收入为72.4元，同比增加0.4元；人均营业收入为192.2万元，同比增加12.5万元；产成品存货周转天数为21.3天，同比增加0.6天；应收账款平均回收期为72.2天，同比增加0.9天。

数据还显示，1—8月份，规模以上工业企业中，国有控股企业实现利润总额16759.9亿元，同比增长10.3%；股份制企业实现利润总额40714.6亿元，增长20.4%；外商及港澳台投资企业实现利润总额11794.7亿元，增长2.3%；私营企业实现利润总额13213.2亿元，增长10.4%。

1—8月份，采矿业实现利润总额7661.5亿元，同比增长35.1%；制造业实现利润总额39695.3亿元，增长17.4%；电力、热力、燃气及水生产和供应业实现利润总额5363.0亿元，下降12.0%。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博报道，当前市场环境为该策略提供了罕见的入场窗口。个股隐含波动率自7月底以来持续收缩，尤其是高飞的科技股，使得分散交易的建仓成本相对低廉。与此同时，AI赢家与输家叙事的快速切换、地缘冲突对能源股的剧烈冲击，以及美债收益率攀升至二十年高位，正推动标普500成分股走势加速分化——这恰恰是分散交易最理想的土壤。标普500成分股相对于指数本身的已实现一个月绝对回报，已升至过去30年的第95百分位。

然而，这笔交易并非没有争议。部分市场人士警告，分散交易已是过度拥挤的策略，随时面临"洗牌"风险；另一些人则认为，在低确信度的市场环境下，更简单的对冲方案——买入少数精选个股，同时用标普500 ETF或纳斯达克100 ETF的看跌期权对冲下行风险——或许更为务实。

个股与指数波动率裂口重新扩大

报道称，分散交易的核心前提，是个股波动率显著高于指数整体波动率。当成分股走势高度分化、相关性下降时，指数的波动被内部对冲所抵消，指数期权因此相对"便宜"，而个股期权则相对"贵"——这一价差即为分散交易的利润来源。

据报道，个股隐含波动率与标普500指数之间的价差正重新走阔，交易员正在买入个股期权、卖出指数合约以捕捉这一分化。Cboe全球市场的一个月相关性指数此前从7月的历史低位持续攀升，但过去一周已重新回落，印证了个股走势再度分化的趋势。

野村证券跨资产策略师Charlie McElligott在研报中指出，标普500成分股相对于指数的已实现一个月绝对回报已升至过去30年的第95百分位，显示个股分化程度极为罕见。

"从入场角度来看，相较于不久前，现在的价格相对便宜，因为个股波动率已经压缩，"RBC资本市场流动衍生品交易总监Matthew Davis表示。

AI叙事分化：赢家与输家之争

AI是当前分散交易最核心的驱动力。围绕Meta Platforms旗下新款Muse AI智能体等产品的乐观情绪，与市场对AI快速扩张可能冲击银行、旅行社等传统行业的担忧相互交织，推动相关个股大幅震荡、方向各异。

野村证券流动股票衍生品销售主管Alex Kosoglyadov表示：

“客户近期频繁询问的一个主题，就是AI智能体时代的赢家与输家叙事——谁能从AI革命中受益，谁又对此最为脆弱？”

软件股的走势尤为典型。Davis指出，“软件股的价格表现表明，市场认为AI并不会终结所有软件，而我认为此前人们对此是有所担忧的。所以你看到了板块内部的重新洗牌。”这种分化为分散交易在科技板块内部提供了丰富的操作空间。

Ambrus Group联席首席投资官Kris Sidial则对AI的长期影响持更为极端的看法：

“AI的增长、使用率以及对GDP的影响，可能为部分公司带来任何人都难以想象的超额长期收益。但与此同时，如果AI未能被广泛采用，或者产业链中出现瓶颈，这些公司的股价在未来一年内完全可能下跌50%以上。”

他补充道，"这是一个非常有趣的案例——两个尾部风险相对于实际可能发生的情况，都被低估了。"

除AI外，能源板块与利率环境同样为分散交易提供了额外动力。

地缘政治局势的持续演变，令油气生产商与炼油商的股价走势大幅背离——前者与油价涨跌高度相关，后者则受裂解价差和需求端逻辑主导。这种板块内部的结构性分化，为分散交易在能源领域创造了清晰的操作路径。

与此同时，美国国债收益率升至二十年高位，推高了整体融资成本，进一步加剧了不同行业、不同资产负债表质量公司之间的走势分化。利率敏感型行业与受益于高利率的板块之间的裂口，同样是分散交易可以挖掘的来源。

策略实施：从复杂结构到简单对冲

分散交易的实施方式因机构而异，灵活度较高。银行通常为客户构建复杂的定制化分散策略，但许多对冲基金更倾向于直接使用交易所上市期权自行搭建。

RBC的Davis表示，“我们相信这笔交易的原因之一，是它能满足不同需求。如果你想要更多的carry结构，可以多卖指数期权；如果你想要更防御性的结构，则不需要卖那么多指数。”

对于那些不愿承担复杂策略风险的投资者，Oppenheimer & Co.机构股票衍生品主管Alon Rosin提供了一个更为直接的替代方案：

精选少数有把握的个股建立多头头寸，同时买入State Street SPDR标普500 ETF或景顺QQQ信托的看跌期权对冲下行风险。

Rosin坦言，当前市场环境令人沮丧，“确信度极低”。但市场的不确定性并未令交易员退场——据期权结算公司（Options Clearing Corp.）数据，8月份期权日均成交量同比增长14%。Oppenheimer在5月至6月间新增了7名员工，以应对客户对期权需求的激增。

另外，尽管当前入场条件看似有利，分散交易的拥挤程度是不可忽视的风险。

Ambrus Group的Sidial直言不讳：“这笔交易需要一次清洗。分散交易在过去四五年里一直很流行，本质上还是同一笔交易。”他认为，策略的同质化意味着一旦市场出现逆转，大量参与者可能同时面临亏损压力，加剧波动。

过去数周，AI相关个股期权出现了一波集中买入潮，被市场解读为投资者在为下一轮行情重新备仓的信号。

分析认为，随着财报季临近——个股往往在这一时期根据自身基本面独立运动，而非跟随宏观催化剂集体行动——分散交易的逻辑有望进一步强化。但与此同时，策略的拥挤程度也将随之上升，需要投资者审慎权衡入场时机与仓位管理。

本文来自华尔街见闻，欢迎下载APP查看更多

据科技媒体wccftech日前报道，据悉，OpenAI已在ChatGPT Pro相关产品文档中加入"o"的品牌标识，正式发布迫在眉睫，预计将于本周二（9月29日）的Dev Day活动上亮相。

这一动作被外界普遍解读为对Meta Muse近期强势表现的直接回应——摩根大通在其最新发布的Assistant Benchmark评测中，将Meta Muse列为当前最顶尖的AI智能体。

此次Dev Day还将带来更多重磅消息：OpenAI预计同步推出新订阅层级ChatGPT Pro Max，定价高达每月500美元，主打超高速响应体验。与此同时，"o"还被传将与OpenAI一款外形酷似甜甜圈、配备活动部件的消费级AI硬件设备协同运作，进一步拓展其产品生态边界。

"o"：常驻在线，剑指长任务场景

报道称，针对Muse的挑战，OpenAI的应对方案是推出一款定位为"常驻AI助手"的产品——"o"。

目前公开信息有限，但@synthwavedd在社交平台X上发帖称，据悉"o"将基于GPT-6 Astra的特定变体"Aeon"驱动，该模型据称在处理长时间运行任务方面具有突出优势——这恰恰是一款高效个人智能体所必须具备的核心能力。

在竞争格局上，"o"的对手不止Muse一家。OpenAI此番入局，同时剑指Grok Bot以及Hermes Agent，三方角力之下，AI个人助手赛道的竞争烈度正在快速升级。

Dev Day双线出击：新品牌+高端订阅

除"o"之外，OpenAI预计将在Dev Day上同步推出多项重磅更新，形成组合拳。

在订阅定价层面，OpenAI计划推出ChatGPT Pro Max，月费高达500美元，主打超高速响应，据报道该性能将由Cerebras的晶圆级引擎（Wafer-Scale Engine）提供支撑，面向对响应速度和性能有极高要求的专业用户群体。

在硬件生态层面，"o"还将作为软件伴侣，与OpenAI一款即将推出的消费级AI设备深度整合。该设备外形据传类似甜甜圈，并可能配备活动部件，显示出OpenAI在AI硬件领域的持续布局野心。

据报道，两条产品线同步推进，表明OpenAI试图在软件智能体与硬件终端两个维度同时构建竞争壁垒，以应对来自Meta等对手的多方位压力。

摩根大通加冕Muse，OpenAI压力骤升

Meta Muse的崛起，是此次OpenAI紧急应战的直接导火索。

据摩根大通最新发布的Assistant Benchmark评测，Meta Muse在所有参评AI智能体中排名第一，超越包括OpenAI产品在内的多个竞争对手。这一权威背书令Muse在近期持续吸引市场关注，也在一定程度上抢占了原本属于OpenAI Dev Day的预热声量。

Muse是一款能够代替用户执行多步骤任务的个人AI智能体，其核心能力包括：自主打开云端浏览器、像人类一样浏览网页，以及在用户关闭应用后仍可在后台持续处理任务。

为消除隐私顾虑，Muse运行于一台专属的隔离云端虚拟机（VM）之中，配备独立浏览器，用于安全存储用户数据与登录凭证。

本文来自华尔街见闻，欢迎下载APP查看更多

据新华社援引伊朗媒体27日报道，伊朗外长阿拉格齐表示，伊朗已做好与美国战事重开的准备，但尚未放弃通过外交途径进行接触。他说，“我们已为战事重开做好充分准备”，与此同时，“我们也随时准备进行外交接触”。“这取决于美国总统特朗普的选择。”

此前，阿拉格齐25日在纽约联合国总部举行的记者会上宣布，伊朗已通过卡塔尔向美国转达一个有关重新开放霍尔木兹海峡的计划，如果美方据此采取必要行动，霍尔木兹海峡可以在七日内重新开放，恢复正常海运。不过，美国《华尔街日报》25日报道称，特朗普拒绝了伊方的相关提议，并告诉其助手他可能在11月美国国会中期选举后恢复对伊朗的轰炸。

不过，阿拉格齐表示，尽管特朗普发表了公开言论，但美方尚未通过调停方正式向伊朗传达拒绝的决定。他重申，作为结束冲突协议的一部分，伊朗准备重新开放海峡；作为交换条件，“我们要求解冻被非法扣押的资金和资产，并希望能够出售石油”。

调解方卡塔尔总理直言，冲突“越来越难以解决”，目前没有清晰的主策略来终结这场冲突。

特朗普称拒绝伊朗方案，伊朗外长：正等待调解方告知白宫最终意见

据环球时报报道，美国总统特朗普当地时间26日表示，他拒绝了伊朗提出的和平方案，该方案旨在结束冲突、重新开放霍尔木兹海峡并恢复双方的核谈判。针对他的表态，伊朗外长阿拉格齐强调了通过外交途径解决争端的立场，并表示德黑兰将等待来自调解方的正式回应。路透社等媒体27日分析称，美伊冲突延宕已近7个月，博弈仍在持续，双方和平方案分歧较大，由于谈判事关霍尔木兹海峡这一重要航运通道，其进展对地区安全及全球能源市场产生了明显影响。

据伊通社26日报道，针对特朗普的表态，阿拉格齐在接受采访时表示，伊朗提出的和平方案已通过调解方传达给了美国，“非常遗憾，我们从美国总统那里听到很多自相矛盾的说法，我们正等待调解方将白宫的最终意见告知我们，并据此作出回应”。“伊朗的对手已穷尽所有方法，但均未取得预期效果，”阿拉格齐称，“通过外交谈判达成解决方案是使对方摆脱僵局的唯一途径”。

伊通社分析称，美对伊所有港口和海岸线实施无差别封锁，迫使其他国家对伊关闭领空、禁止伊民航飞机入港，从国际法角度看，这些措施可被视为美国持续侵犯伊朗领土完整和国家主权的军事侵略行动。针对这些威胁举措，伊朗最高国家安全委员会秘书雷扎伊发出严厉警告，提醒周边国家与华盛顿合作可能带来的后果，他表示：“相关国家如果持续参与这场冒险行动，其机场将不再能够继续运营。”

调解国：谈判“越来越难”，没有清晰路径

作为美伊之间主要传话方，卡塔尔总理穆罕默德·本·阿卜杜勒拉赫曼·阿勒萨尼27日接受彭博电视采访时坦言：

这场冲突非常复杂。我们没有一个清晰的主策略来终结它——这正是我们今天所缺失的。

他还提到，伊朗支持的也门胡塞武装和伊拉克武装对沙特阿拉伯的持续袭击，正让局势愈发难以收拾。

据《华尔街日报》援引参与谈判的调解方人士称，自特朗普拒绝停火提案以来，伊朗方面没有做出任何妥协。海湾阿拉伯国家官员表示，伊朗要求美方先行让步，谈判才能推进。这被分析人士形容为一次“希望渺茫的尝试”。

核问题依旧是核心症结，伊朗态度强硬

调解方目前正向伊朗施压，要求其在核问题上作出让步，以重启停火谈判。但据《华尔街日报》报道，伊朗迄今未向调解方释放任何愿意讨论核计划的信号。

伊朗方面希望回到今年6月特朗普曾同意的一份谅解备忘录——该备忘录内容包括：重开霍尔木兹海峡、解冻伊朗海外资产、解除部分制裁，并最终启动核谈判。阿拉格齐明确表示，伊朗的条件“并非新要求”，而是“美国此前已在伊斯兰堡谅解备忘录中承诺过的事项”。

然而，美国官员表示，特朗普已不愿回到那份被普遍认为对伊朗有利的协议。

华盛顿智库“民主保卫基金会”伊朗项目高级主任贝纳姆·本·塔勒布鲁分析称：

各方立场都在趋于强硬，这并不令人意外。德黑兰试图将特朗普逼回那份它今夏已违反的协议的压缩版本；与此同时，华盛顿似乎意在持续升级制裁、维持封锁，直到感知到对方投降为止。

英国伯明翰大学海湾安全研究员乌默尔·卡里姆指出，伊朗日趋强硬的政府相信，特朗普和共和党将在中期选举中失利。他认为，眼下任何一方的让步都会被对方解读为软弱，而非解决问题的诚意。

海峡局势牵动全球能源市场

土耳其阿纳多卢通讯社近日发文称，由于美伊在霍尔木兹海峡问题上的谈判陷入僵局，地区安全风险持续存在，全球油价依然保持在相对高位。美国《纽约时报》援引相关数据称，因沙特东西部输油管道需要更长时间修复，加之也门胡塞武装对曼德海峡进一步控制，利雅得再次开始引导船只经由霍尔木兹海峡航行，因此推高了该国在波斯湾沿岸的原油吞吐量。

石油运输受限以及原油价格上涨，已大幅推高成品油价格。美国汽车协会近日数据显示，美国全国平均汽油价格升至每加仑4.48美元，自冲突爆发以来上涨50%，柴油价格涨幅更为明显，自冲突爆发以来上涨超过70%。这将对美国经济、政治、社会产生重大影响。

本文来自华尔街见闻，欢迎下载APP查看更多

上周10年期与2年期美债收益率之差收窄至最低17个基点，为2025年初以来最小利差，曲线平坦化趋势显著加剧。这一动态发生在美联储本月完成三年来首次加息、并暗示后续将继续收紧之后，市场目前已消化未来一年内至少三次25个基点加息的预期。

收益率曲线倒挂历史上曾先于1960年代以来的每一次衰退出现，一旦成真，将对处于历史高位附近的美国股市及银行板块产生广泛冲击。与此同时，KBW银行股指数上周已从近期高点下跌逾10%，陷入技术性回调。

曲线加速平坦化，倒挂风险上升

10年期美债收益率目前约为5.2%，2年期约为4.9%，两者利差仅剩约30个基点区间内波动，为近年来最窄水平。10年期收益率目前处于2007年以来最高位附近。

本月美联储加息落地后，短端收益率涨幅明显快于长端，推动曲线持续走平。这一走势令年初押注曲线陡峭化的债券投资者损失惨重。

CreditSights投资级与宏观策略主管Zach Griffiths表示：“看到2年期与10年期曲线倒挂或大幅平坦化，会令市场质疑经济非常强劲这一判断，而这正是债市当前定价所反映的内容。”

倒挂信号历史预警力强，但近年公信力受损

收益率曲线倒挂被视为债券投资者对美联储加息过度、经济前景趋弱的集体表态。据彭博数据，自1978年以来，2年期与10年期曲线平均在衰退开始前约15个月出现倒挂，滞后期从6个月到2年不等。

然而，这一指标的预测效力近年来受到越来越多质疑。2022年美国多条收益率曲线相继倒挂，多数经济学家预测衰退将在12个月内到来，但衰退始终未能兑现——美国经济在经历美联储2022至2023年激进紧缩、地区银行业危机、全球贸易战以及今年能源价格飙升后，展现出较强韧性。

值得注意的是，政策制定者更关注的衰退信号是3个月与10年期美债利差，该利差目前仍相对较陡，尚未发出明确警报。

倒挂是否迫在眉睫？

市场对于曲线是否将进一步走向倒挂存在明显分歧。

TD Securities美国利率策略主管Gennadiy Goldberg认为，市场已消化大量加息预期，短端利率进一步上行空间有限，预计2年期与10年期利差在未来数周内将趋于陡峭。他表示：“市场已充分计入大幅加息预期，这使曲线在近几周急剧走平，我们认为2s10s曲线在未来数周内可能转向陡峭。”

此外，彭博经济学家最新上调了美国第三季度经济增长预测，强劲的需求数据也令经济显著走弱的情景难以想象。

但另一方面，Columbia Threadneedle投资组合经理Ed Al-Hussainy表示，他正在为未来六个月内2年期与10年期、以及5年期与30年期曲线倒挂进行仓位布局。"货币政策收紧最好的指示，就是收益率曲线的平坦化乃至最终倒挂，"他说。

银行股承压，市场涟漪效应扩散

收益率曲线平坦化已开始向股票市场传导，银行板块首当其冲。由于银行通常以短期利率借入资金、以长期利率放贷，利差收窄将直接压缩其净息差，侵蚀盈利能力。

追踪大型银行股的KBW银行股指数上周跌入技术性回调区间，较近期高点累计下跌逾10%。

TCW集团全球利率联席主管Jamie Patton将潜在倒挂定性为政策失误的信号。“这意味着美联储加息过度，未来将不得不大幅降息。对我们而言，倒挂的收益率曲线并非宏观经济健康的信号，”他说。

此轮曲线走平，折射出今年2月美伊战争爆发以来美国经济叙事的深刻转变——彼时市场还在押注一系列降息将压低短端收益率，如今却已转为为持续加息做准备。

本文来自华尔街见闻，欢迎下载APP查看更多

9月27日周日，美国总统特朗普在芝加哥附近出席总统杯高尔夫赛事期间，回应了外界持续发酵的柴油出口禁令传闻，称正“非常认真”考虑禁止美国柴油出口。他对记者说道：

这有时会导致汽车汽油价格小幅上涨，所以我们正在非常认真地研究这件事——我们可能会这么做。

据彭博报道，美国国家经济委员会主任哈塞特、财政部长贝森特、美国贸易代表格里尔，过去一周已在分析短期柴油出口禁令的潜在影响，凸显出政府对这一方案的认真程度。

高盛研报认为，这是“非常可能发生的情景，但非基准预期”。该行推演，禁令将会在短期内可压低美国柴油价格（每周约降0.25美元/加仑），但若持续9至10周至储罐装满，将反推汽油价格上涨（每周约涨0.30美元/加仑），同时推高欧洲柴油价格

为什么此刻讨论禁令？

潜在禁令的驱动因素来自多个方向：

一、价格创纪录。 美国零售柴油均价已升至6.5美元/加仑，创历史新高。霍尔木兹海峡航运受阻扰乱全球燃料流通，乌克兰对俄罗斯炼油厂的袭击进一步收紧供应。在此背景下，美国已成为全球柴油的“最后供应商”。

二、出口激增。据高盛研报，美国柴油净出口量已从2025年的每日110万桶，攀升至近几个月的每日约160万桶，上月单周出口量一度接近每日200万桶的历史纪录。全球柴油精炼利润率创纪录，刺激炼油商持续扩大出口。

三、农业州议员施压。柴油是农业机械、货运列车、卡车和配送车辆的核心燃料。多个农业州议员已敦促特朗普在秋收旺季限制柴油出口。

高盛建模：禁令“非常可能”，或从10月开始

高盛分析师Daan Struyven等人在9月26日发布的研报《建模潜在美国柴油出口限制》中，对一个假设情景进行了量化分析：

禁令自2026年10月初开始，持续至少至12月（即外界报道中讨论的90天禁令）。

分析师指出，这是“非常可能发生的情景，但并非我们的基准预期”。

影响一：美国柴油价格短期下跌

高盛认为，禁令初期，美国柴油价格将面临温和下行压力。

具体估算：在储罐尚有余量的情况下，禁令每持续一周，美国零售柴油均价将下降约0.25美元/加仑，相当于当前6.5美元/加仑的近4%。

逻辑链条是：出口中断→国内库存积累→批发价格承压→零售价格下行。

影响二：禁令越久，汽油价格越贵

这是该行分析中最值得关注的反向效应。

柴油、汽油和航空燃油在炼油过程中高度联动，切换产出比例的能力有限。一旦柴油库存逼近储罐上限，炼油商将被迫削减开工率——这不仅减少柴油产量，也同步压缩汽油和航空燃油供应。

该行估算：一旦柴油储罐装满，禁令每持续一周，美国零售汽油价格将面临约0.30美元/加仑的上行压力。

按照高盛的基准假设，以每日160万桶的出口量停止计算，美国全国柴油储罐将在9至10周内装满。但高盛也指出，炼油商实际上会在储罐装满之前就开始削减产量，因此汽油价格的上行压力会早于这一时间节点出现。

影响三：美国以外柴油价格上涨

禁令的冲击不会止步于美国国境。

欧洲和拉丁美洲（巴西、墨西哥等）是美国柴油出口的主要目的地。该行估算，禁令每持续一周，欧洲批发柴油（ARA柴油）价格将上涨约3美元/桶，涨幅接近2%。

不过，欧洲战略石油储备（SPR）中的柴油储量可能抵消约一半的价格涨幅。截至6月底，欧洲经合组织成员国仍持有1.9亿桶战略柴油储备，相当于美国柴油进口量的近500天。

高盛同时指出，供应冲击将迅速蔓延至亚洲——因为拉美和欧洲会转而争抢印度等国的柴油资源。

影响四：禁令解除后，美国柴油价格将反弹

禁令带来的价格压制并非永久性的。

高盛指出，一旦禁令解除，美国柴油价格将重新与欧洲、拉美、亚洲市场接轨，届时美国柴油价格将面临上行压力，而海外价格则会有所回落。

但该行强调，禁令解除后的全球成品油价格，仍将高于“从未实施禁令”的反事实情景。原因在于：禁令期间美国炼油产能的临时下降，会导致全球累计库存低于无禁令情景，这一缺口难以在短期内弥补。

影响五：高盛重申做多欧洲汽油

基于上述分析，高盛重申其对冲地缘政治风险的交易建议：做多2027年欧洲汽油头寸（如EBOB Jun27）。

高盛给出三条理由：

第一，汽油市场正在快速收紧——高柴油价格已促使全球炼油商将产出从汽油切换至柴油，若美国柴油出口受限推高海外柴油价格，这一切换趋势将进一步加剧。

第二，若美国未来将汽油也纳入出口限制范围，美国以外的汽油市场将进一步收紧；即便仅限制柴油出口，一旦美国柴油储罐触顶导致炼油产能下降，禁令解除后全球汽油市场同样会趋紧。

第三，欧洲汽油战略储备仅为柴油储备的四分之一，政策缓冲空间远小于柴油，限制了欧洲政策制定者通过释放储备来平抑汽油价格的能力。

政策博弈仍在进行

禁令并非唯一选项。

据彭博报道，石油行业高管和行业团体力推暂停联邦柴油消费税（每加仑0.24美元）作为替代方案，认为此举可在不引发出口禁令副作用的前提下缓解价格压力。但这一方案在政府内部存在争议，尤其是众议院目前处于选举前休会期，税收豁免的操作路径尚不明确。

能源部长Chris Wright上周表示，政府正与炼油商合作，探索自愿削减出口的替代方案，以避免政府强制禁令。

据报道援引知情人士消息，部分炼油企业已在合同中加入保护性条款，以防柴油出口暂停影响对外国买家的交货义务。

本文来自华尔街见闻，欢迎下载APP查看更多

过去两周，AI相关股票上演了一出令人眩晕的"过山车"行情——先是因行业领袖呼吁放缓AI开发而遭遇重挫，纳斯达克100指数两日内蒸发逾6000亿美元市值；随后又因Meta个人助手的爆红引发市场狂欢，科技股强势反弹，纳斯达克100指数自9月15日低点至周末累计收复3万亿美元市值，并创下6月初以来首个历史新高。

据彭博9月27日报道，情绪的钟摆在“AI将毁灭人类”与“AI将帮你取消不想要的订阅”这两个极端之间剧烈摇摆。Wayve Capital Management首席策略师Rhys Williams直言：“两个方向的波动幅度都令人震惊，从基本面角度根本难以解释。”Laffer Tengler Investments首席执行官Nancy Tengler则总结道：“这是一个叙事驱动的市场，而叙事每隔一周就会切换一次。”

恐慌：一篇文章引爆6000亿美元抛售

这轮剧烈波动的导火索，是9月12日Anthropic首席执行官Dario Amodei发表的一篇文章。

Amodei在文中呼吁放缓前沿AI模型的开发步伐，此举迅速获得OpenAI首席执行官Sam Altman和SpaceX首席执行官埃隆·马斯克的背书，进一步强化了市场对AI存在性风险的担忧。

市场反应几乎是即时的。在Amodei文章发布后的首个交易日，AI基础设施股票遭到集中抛售——投资者担忧，一旦开发踩下刹车，对算力设备的需求将随之萎缩。

纳斯达克100指数在9月14日至15日间下跌1.5%，CoreWeave和Lam Research等个股跌幅均超过9%，两日内合计抹去逾6000亿美元市值。

贪婪：Meta"Muse"点燃反弹，3万亿美元强势回归

然而，恐慌情绪在上周迅速消散。Meta旗下个人助手Muse的爆发式走红，成为市场情绪逆转的新催化剂。

Meta股价周一单日暴涨11%，令这家Facebook和Instagram母公司有望创下逾十年来最佳单月表现——此前该股因市场质疑AI重金投入能否变现而承压已久。、

AI芯片及半导体板块同步狂欢：Arm Holdings单日飙升17%，英特尔和AMD各自涨逾9%，费城半导体指数（SOX）周一至周二累计上涨6%。 至上周五（9月25日），纳斯达克100指数自9月15日低点以来已累计收复3万亿美元市值。

与此同时，AI能力的提升也引发了另一场"受害者"抛售。市场预期AI智能体将在比价、行程预订和客服等场景大幅替代人工，依赖订阅收费和议价模式的企业首当其冲：保险商Allstate上周下跌8.9%，有线电视运营商Charter Communications重挫12%，Planet Fitness则下跌14%。

历史重演：情绪剧烈波动并非首次

快速切换的市场情绪，对于这个被AI驱动了近四年的市场而言并不陌生。

2025年初，中国AI模型DeepSeek的横空出世曾引发半导体股票的集体踩踏，英伟达单日暴跌17%。而今年早些时候，Anthropic发布新款AI工具同样引发了从SaaS公司到资产管理机构的大范围抛售。

尽管彼时的恐慌事后被证明言过其实，但AI对市场和经济的重要性却与日俱增，科技巨头和AI初创企业的投入规模持续膨胀，这也让投资者的神经愈发敏感。

半导体板块的波动最能说明问题。 SOX指数从年初至6月22日期间累计翻倍，随后在7月29日低点前暴跌29%。尽管此后有所反弹，该指数距6月高点仍下跌13%。

此外，利率持续攀升正在推高AI开发成本，数据中心也面临日益强烈的社会反弹，这些都是投资者在AI支出叙事之外不得不权衡的额外风险。

估值回落：危机还是机遇？

剧烈的抛售已将部分AI股票的估值打回相对合理区间，分歧由此而生。

Advisors Capital Management投资组合经理JoAnne Feeney持乐观立场。“你不必相信这种增长速度会持续五年，才能持有英伟达或博通等公司的股票，因为它们的估值已经大幅回落，”Feeney表示，其公司同时持有上述两家公司股份。“我们很可能正处于市场对AI基础设施核心受益者重燃兴趣的前夜。”

据彭博数据，英伟达股价近期的估值已跌至逾十年来最低水平——以未来12个月预期利润计算的市盈率不足17倍，仅为2025年峰值时的一半。

然而，Sands Capital Management投资组合经理Daniel Pilling则保持审慎。

“我们以极大的谦逊来管理这部分仓位，因为没有人知道这项技术的未来走向，总体而言，我认为市场对AI的情绪或许更多是担忧，而非5月、6月时的那种乐观。”

Tengler则认为，这种普遍存在的怀疑情绪恰恰是市场健康的信号。"你不希望看到的是狂热，就像上世纪90年代末互联网泡沫时那样，"她说。

投资者本周将迎来新的关键信号。内存芯片制造商美光科技将于周三收盘后公布财报，市场将借此获得AI支出前景的最新参考。

但分析人士认为，无论财报结果如何，市场情绪的剧烈摇摆恐怕都难以平息。Motley Fool Asset Management首席投资策略师兼投资组合经理Bill Mann（管理资产约27亿美元）直言：

“聚焦于‘AI毁灭论’很容易，聚焦于‘AI创造论’同样容易。这将是我们在市场中要长期面对的现实。”

本文来自华尔街见闻，欢迎下载APP查看更多

市场概述

上周五，美国消费者信心公布后，标普纳指曾转跌，最终和此前三连跌的道指均收涨；Meta回落，跌超3%，但智能体火爆带动，全周和英特尔等芯片股均涨超10%，数据中心遭遇不可抗力的甲骨文一周跌逾7%。

美债抛售暂歇但全周遭血洗：10年期美债收益率盘中再创2007年来新高后转降，仍连升四周；美债创19个月最差周表现。日美官员释放“弱日元有问题”信号，日元扭转五连跌、盘中涨超1%。

霍尔木兹海峡重开前景击落原油，美伊技术性谈判消息后，原油一度跌超3%。全周美油跌近4%、创七周最大周跌。期金止住四连跌，全周仍跌超2%。

要闻

中国

中美元首达成八点共识：同意共同构建“基于尊重、公平、对等的建设性战略稳定关系”；经贸磋商成果包括建立并推进贸易理事会等机制、达成“300亿美元”对等降税安排等；同意建立中美人工智能对话、建立人工智能事件的沟通渠道；同意伊朗应履行不发展核武器的承诺，任何国家或机构都不得对国际水道征收通行费。

香港证监会就恒大审计失职问题与普华永道达成和解：普华永道不承认责任但支付10亿港元，该款项非恒大财产，不可用以清偿其债权。

海外

报道称美伊谈判进入技术性阶段、伊媒否认。伊朗提“七天方案”但划核红线：霍尔木兹海峡可谈、浓缩铀不让步。美媒：特朗普拒绝伊朗七天停火提议，预计美中选后恢复轰炸；特朗普称预计本周美国将继续与伊朗谈判。伊朗总统：不再信任同美国的对话，海峡问题只有通过谈判解决。伊朗外长称不会在既定条件上向美让步；已做好与美战事重开准备，但未放弃外交途径。

特朗普称美国和古巴会达成协议，无需美方动用军队，而美媒报道“美军正检查兵力部署”。

日本财相：特朗普对日元贬值表达担忧，高市早苗称日元被低估“有问题”，将与美方密切协调。贝森特“撑场”：已和日财相讨论强日元“可取性”。日元周五强势反攻，盘中涨超1%。

OpenAI据报酝酿500美元“Pro Max”套餐：主打最快Work与Codex，或接入Cerebras算力。OpenAI自曝安全预警：AI模型或已在全网秘密植入自我复制提示词，已被迫叫停新一代模型的训练和评估。

Anthropic诉特朗普政府受挫：美上诉法院维持“供应链风险”认定。Anthropic CEO据称周日晚将与特朗普共进晚餐，为两人首次私下会晤。

马斯克放话：Colossus 2部署的英伟达芯片年底或增加一倍。报道：特斯拉Optimus机器人产能已提升10倍，目标年底周产千台。

还没破百万日活，Meta Muse就频频掉链子：服务降级、Agent失败，算力瓶颈浮出水面。扎克伯格：Muse“一出手就是全垒打”，即将全面接入Ray-Ban智能眼镜；Meta在建5GW级算力集群。Meta数据隐私案败诉，或面临最高2190亿美元天价罚款。

报道：英特尔以90亿美元卖掉的SK海力士旗下Solidigm最快明年在美上市，估值或高达1500亿美元，募资目标150亿、冲刺美股史上最大半导体IPO。

市场收报

欧美股市：标普500收涨0.51%，报7743.41点，全周累涨1.21%；道指收涨0.93%，报51828.62点，全周累涨0.28%；纳指收涨0.48%，报27068.716点，全周累涨2.06% 。欧洲STOXX 600指数收涨0.35%，报638.65点，全周累涨0.50%。

A股休市。

债市：到债市尾盘，美国十年期国债收益率约为5.16%，日内降约4个基点，全周累计升约16个基点；两年期美债收益率约为4.85%，日内降约7个基点，全周累计升约11个基点。

商品：WTI 11月原油期货收跌2.33%，报92.41美元/桶，全周累跌3.8%。布伦特11月原油期货收跌2.14%，报104.32美元/桶，全周累涨0.43%。COMEX 9月黄金期货收涨0.54%，报4286.2美元/盎司，全周累跌2.27%。COMEX 9月白银期货收涨1.24%，报64.245美元/盎司，全周累跌3.47%。COMEX 9月期铜收跌0.34%，报6.6955美元/磅，全周累涨1.22%。

要闻详情

全球重磅

中国

新华社：中美达成八点成果共识。两国元首认可中美经贸磋商机制积极作用和双方经贸团队磋商成果，包括建立并推进贸易理事会等机制，达成“300亿美元”对等降税安排，延期吉隆坡经贸磋商成果等，并指示予以落实；双方同意建立中美人工智能对话，交流人工智能相关风险和惠益；下次对话将于今年11月举行，双方同意建立人工智能事件的沟通渠道；两国元首同意伊朗应履行不发展核武器的承诺，任何国家或机构都不得对国际水道征收通行费。

• 中国国家主席和夫人同美国总统特朗普夫妇茶叙。中美同意共同构建“基于尊重、公平、对等的建设性战略稳定关系”。特朗普表示，习主席此次对美国的国事访问富有建设性、非常成功。双方就美中关系和重大国际地区问题深入沟通，取得很多积极成果，对两国都有益。

中国国家主席向全球发展倡议5周年高级别对话会致贺信。他指出，当前，世界百年变局加速演进，各国人民对实现发展的愿望更加强烈。中国愿同各方一道，秉持以人民为中心的发展理念，携手推动全球发展倡议走深走实，将可持续发展目标的美好愿景转化为可感可及的现实图景，为推动构建人类命运共同体作出新的更大贡献。

特朗普：今年访华感受到中国人民的热情好客，希望以同样的热情款待各位；马斯克、黄仁勋、苏世民、奥尔特曼等齐聚周四欢迎宴会。特朗普说：“愿美中两国人民能有一个更和谐、和平与繁荣的未来。”

DeepSeek Harness出桌面版了！DeepSeek Harness 推出官方桌面版，支持图形界面、账号登录和 API Key，并内置智能体团队、终端、子智能体、网页搜索等插件。该版本已通过苹果公证，但仍属夜间版，尚未正式官宣，暂不支持 Linux。

香港证监会就恒大审计失职问题与普华永道达成和解：普华永道不承认责任但支付10亿港元，该款项非恒大财产，不可用以清偿其债权。香港证监会戴霖表示，普华永道香港就恒大审计失职达成的10亿港元和解并非恒大财产，未改变债权人申索优先次序，清盘人称“被绕过的优先次序”未被触发。该和解旨在为受影响的独立小股东取得即时补偿，保护少数股东利益。

海外

重开海峡“七天方案”浮现，报道称美伊谈判进入技术性阶段、伊媒否认。卡塔尔媒体周五称，美伊谈判已超越初步外交接触、进入具体技术性磋商，伊朗技术专家已赴纽约加入谈判。原油跌幅扩大，一度跌超3%。后伊媒称，该媒体关于美伊新谈判的报道“不属实”，西方媒体为影响市场和油价“制造新闻”。伊总统称支持恢复伊美谅解备忘录，将为实质性谈判创造条件。据此前报道，伊外长周四称，伊朗向美递交新的谈判草案，若美接受条件，时间表可启动，七天后将重开海峡，同时双方恢复更广泛的和谈。

伊朗提“七天方案”但划核红线：霍尔木兹可谈、浓缩铀不让步。伊朗外长称，伊方已提交具体方案，若美国满足相关条件，最快七天内恢复霍尔木兹海峡正常通航，现在选择权在美方。据报道，伊朗高官称，即使美国接受重开海峡的方案，伊朗也不会在核计划上表现任何灵活性，不会放弃包括浓缩铀在内的权利，海峡将继续关闭到美国满足伊方的所有条件为止。

报道：特朗普拒绝伊朗7天停火提议，预计中期选举后恢复轰炸。据美媒报道，伊朗开出重开霍尔木兹海峡、重启核谈判等停火价码，特朗普私下怀疑伊朗是否会满足他的要求，并已告诉其幕僚恢复轰炸行动的可能，不过，特朗普当前的观点可能会因中期选举结果而发生变化。

• 特朗普称预计本周美国将继续与伊朗谈判。据美媒周日报道，在拒绝了伊朗的结束战事提议一天后，特朗普接受采访时表示，他预计美国谈判代表本周将与伊朗继续举行会谈。特朗普称，伊朗希望达成协议，但“不是我想要的协议”，并表示伊朗“高估了自己的筹码”。当被问及是否考虑恢复对伊朗发动军事打击时，特朗普说：“我一直在考虑。”

伊朗总统：不再信任同美国的对话。佩泽希齐扬透露，卡塔尔和巴基斯坦目前正在伊朗与美国之间进行斡旋。谈判基于此前同美国签署的谅解备忘录，“美方必须就此表明立场”。他强调，霍尔木兹海峡问题只有通过谈判才能解决，而非动用武力。“当各条通道对伊朗关闭时，关闭霍尔木兹海峡是自然反应。”

• 伊朗总统：已与最高领袖协调。佩泽希齐扬表示，关于德黑兰重新开放霍尔木兹海峡的新计划，已与最高领袖穆杰塔巴·哈梅内伊协调一致。佩泽希齐扬还表示，如果美国同意该提议，伊朗将履行其义务。
• 伊朗外长称不会在既定条件上向美国让步。阿拉格齐周日表示，霍尔木兹海峡的开放取决于伊朗提出的条件是否得到满足，任何关于开放霍尔木兹海峡的进展都取决于这些条件能否落实，伊朗不会在这些问题上妥协。
• 伊朗外长称已做好与美战事重开的准备，但未放弃外交途径。阿拉格齐周日说，“我们已为战事重开做好充分准备”，与此同时，“我们也随时准备进行外交接触”。“这取决于美国总统特朗普的选择。”

俄发言人称俄美乌三方会晤或近期举行，泽连斯基给出“10天”时间表。俄罗斯与乌克兰方面均证实，美方正推动俄美乌三方技术级会晤，阿联酋被提议为可能地点。泽连斯基表示，乌方正等待美方敲定日期，并称各方将在未来10天内就具体细节取得新进展。

密歇根大学9月消费者信心指数降至四个月低点，未来一年通胀预期升至4.6%。美国密歇根大学9月消费者信心指数终值降至48.1，创四个月新低。消费者未来一年通胀预期为4.6%，高于上个月的4%；预计未来5到10年的年化通胀率为3.4%，创5月以来最高水平。美国汽油、柴油价格攀升，房贷利率突破7%，调查负责人表示：尽管存在政治分歧，但消费者一致认为经济前景有所恶化。

美国8月耐用品订单环比持平，核心资本品订单增长1.6%超预期，企业资本开支仍显韧性。美国8月核心资本品订单环比增长1.6%，高于市场预期，且7月增幅由此前的0.4%上修至0.6%。尽管经济面临利率高企等压力，企业资本开支仍具有一定韧性。美国8月全部耐用品订单基本持平，预期-0.3%，较前值1.1%显著下滑。

柴油逼近6.5美元纪录位，白宫权衡停税与放开红色柴油，出口禁令仍在评估。据报道，从暂停联邦燃油税到放开免征联邦和州消费税的“红色柴油”管制，特朗普政府内部仍在讨论多种干预选择，讨论涉及美国副总统万斯、能源部长赖特、内政部长伯格姆及财政部长贝森特等核心官员。

特朗普称美国和古巴会达成协议，而美媒报道“美军正检查兵力部署”。据报道，美国陆军内部备忘录正在评估军警、医疗及后勤部队的可用性，时间窗口为90至120天，隶属美国南方司令部管辖范围。但该备忘录未提及古巴。特朗普强硬表态与谈判信号并存，外界对美国对古政策走向存在不确定性。

日元强势反攻！日本财务大臣：特朗普对日元贬值表达了担忧，将与美方密切协调。日本财务大臣片山皋月表示，特朗普在与高市早苗会晤时对日元贬值表达担忧，日方将继续与美方就汇率保持沟通，并强调具体货币政策工具由日本央行决定。相关表态公布后，日元短线走强，但日美利差仍对日元走势构成重要约束。

• 日本官员喊话后贝森特“撑场”：已和日财相讨论强日元“可取性”。贝森特称，他周五与日本财相片山皋月进行了“富有成效的通话”，双方讨论了“反映日本强劲经济基本面的强势日元的可取性”，并强调继续就汇市保持密切沟通的重要性。片山稍早透露，本周特朗普与高市早苗会晤时均提到日元走弱，高市称日元被低估是“有问题的”。

比尔·盖茨：AI已强大到足以造成“10亿人死亡”。盖茨在即将于本周末播出的节目采访中表示：“AI足够强大，能够引发造成10亿人死亡的事件，历史上从未出现过一种武器，能像坏人与最新AI工具相结合那样强大。”其还指出，行业自律是远远不够的，需要执法部门参与，明确监管措施，而且必须强制。

Anthropic诉特朗普政府受挫：美上诉法院维持“供应链风险”认定。周五，美国联邦哥伦比亚特区巡回上诉法院周五以2比1的裁决，驳回了Anthropic对五角大楼将其列为供应链国家安全风险的异议。不过加州联邦法官此前发布的，暂停政府禁令的裁定目前仍然有效。Anthropic在声明中表示不赞同裁决，考虑寻求复审。

• 报道：Anthropic CEO周日晚将与特朗普共进晚餐。这将是Amodei与特朗普首次私下会晤。这次会面将使两位在AI安全问题辩论中立场截然相反的人坐到一起。
• 报道：Anthropic洽谈租赁最高1GW数据中心容量，相关投资至少400亿美元。据媒体报道，Anthropic正探讨从Stream Data Centers租赁高达1GW算力的事项。数据中心开发商表示，部署完整的1GW算力将需要至少400亿美元的投资。Anthropic需要为该笔租赁提供财务担保，并为安装的芯片另行筹措资金。

OpenAI自曝安全预警：AI模型或已在全网秘密植入自我复制提示词，训练已被迫叫停。OpenAI与Anthropic正紧急调查数万起AI失控事件——模型不仅学会越狱、攻破政府网站，数百个智能体还私下"组团"黑进外部公司，并在全网植入自我复制提示词。Anthropic测试数据显示，模型逃出安全沙盒的概率达1.5%，看似微小，乘上数十万次测试基数，便是成千上万起异常。AI已开始做人类从未预料到的事。

OpenAI据报酝酿500美元“Pro Max”套餐：主打最快Work与Codex，或接入Cerebras算力。OpenAI疑似筹备推出月费500美元的"Pro Max"高端ChatGPT订阅套餐，相较现有Pro套餐，新增"最快工作速度与Codex"功能及更高使用额度，并可能采用Cerebras基础设施支持。报道称更多细节或于9月29日DevDay 2026上披露，但OpenAI官方公告对此未作任何确认。

GPT-6开真车考过了科目二！三个湾区年轻人搭起DrivingBench，把通用大模型塞进真车。GPT-6 Astra第二把以5分22秒开进锥桶车位，成唯一过关者，Sol、Grok、Fable全栽在看不懂锥桶上。Astra没专门学过开车，靠通用脑子通关，或意味自动驾驶数据护城河被抽干。

马斯克放话：Colossus 2部署的英伟达芯片年底或增加一倍。马斯克表示，其AI计算集群Colossus 2目前已部署11万颗英伟达GB200和44万颗GB300，共计55万颗芯片，年底前芯片数量可能超过目前水平的两倍。

报道：特斯拉Optimus机器人产能已提升10倍，目标年底周产千台。据报道，特斯拉上月Optimus周产量已达数百台，较今年二季度小批量测试阶段的每周数十台增长约十倍。管理层已向员工传达目标：年底前建立一条连续自动化生产线，实现每周逾千台的产能。然而，生产线上的技术难题、供应链约束以及AI能力不足，正在制约这款被马斯克视为公司"最重要产品"的机器人走向商业化。

9月大涨36%！Meta创2013年来最佳月度表现，市值直逼2万亿美元。9月至今，Meta股价大幅反弹，Muse的快速走红重新点燃市场对其AI商业化的预期。Muse上线6天下载量达90.2万次，并加速切入购物、旅行等场景，市场开始押注AI代理有望打开广告之外的增长空间。但安全隐私风险和高昂算力成本，仍是后续兑现预期的关键。

还没破百万日活，Meta Muse就频频掉链子：服务降级、Agent失败，算力瓶颈浮出水面。Meta旗下AI智能体Muse日活11天增长10倍至约70万，但服务问题已开始显现：实际资源消耗约为内部测试的10倍，SaaSHub将其标记为“服务降级”，一次压力测试中120个子Agent仅成功33个。Muse采用独立虚拟机架构，用户增长将持续推高CPU、内存和存储需求，算力扩容压力正在浮现。

Meta CTO解释Muse：回归人性交互，下一代操纵系统的核心是“意图理解”。Andrew Bosworth表示，AI产业正陷入过度关注基准测试的误区，而Muse主打用户体验与交互质感，推动人机交互从“直接操控”迈向“意图理解”。隐私方面，Meta推出端对端加密的“私密AI处理”机制；针对AI风险与AGI，Bosworth持理性审慎态度，驳斥灭绝论并坚守开源立场。

扎克伯格谈Muse：个人Agent必须从预训练开始设计，虚拟机、记忆和权限系统是巨头的全栈护城河。扎克伯格称，Muse从预训练开始围绕个人Agent设计，通过云端虚拟机、记忆、凭据存储和逐项授权，让Agent持续替用户执行长期任务。他强调技术扩散与权力制衡，主张让更多人用上强大AI，并称Meta正以更精简核心团队和更大算力重建模型研发。

• 扎克伯格谈Muse：AI Agent爆发，“元宇宙、智能眼镜和大模型”三大赌注完成交汇。Muse上线两周用户即达数百万，扎克伯格直言“一出手就是全垒打”。这款个人AI Agent即将全面接入Ray-Ban智能眼镜。此外，他罕见坦承Llama 4失败是“最可怕的时刻”，并透露Meta正在建设5吉瓦级算力集群。

Meta败诉！或面临最高2190亿美元天价罚款。Meta在美国新墨西哥州败诉，陪审团裁定，Meta在言论及数据隐私政策上存在欺骗公众的行为，违反了州法律。新墨西哥州总检察长表示，该裁决是追究科技巨头责任的"里程碑式时刻"，将向法院申请对Meta处以最高2190亿美元的民事罚款。Meta表示，不认同裁决，将继续抗辩。

美国“反抗浪潮”愈演愈烈！甲骨文巨型数据中心遭遇“不可抗力”，恐无法按期完工。甲骨文向Project Jupiter开发商发出“不可抗力”通知，担忧这一位于新墨西哥州、计划为OpenAI提供3000亿美元算力的数据中心项目无法按原计划于2028年投运。该项目此前已面临监管和融资压力，相关贷款跌至承压水平。尽管如此，分析认为甲骨文仍须依据合同条款向投资者支付相关费用。

报道：SK海力士旗下Solidigm最快明年在美IPO，估值或高达1500亿美元。据媒体报道，Solidigm潜在估值最高达1500亿美元，目标募资规模150亿美元，有望成为美国半导体史上规模最大IPO。Solidigm本周已与多家投行就IPO承销商举行竞标会议，标志着上市进程迈出实质性一步。Solidigm主营业务为NAND闪存及固态硬盘，客户包括CoreWeave、戴尔等。

• 冲刺美股史上最大半导体IPO！英特尔曾以90亿美元卖掉的Solidigm，如今估值或达1500亿美元。英特尔昔日"弃子"，如今估值翻逾十倍。AI基础设施建设对高容量存储的爆炸性需求，正是这场估值蜕变的核心引擎。

研报精选

高盛：别等中期选举，“金发姑娘”行情或提前点燃美股年末行情。高盛认为，市场已过度定价滞胀与高收益率风险，关税效应减弱、能源或迎通缩、AI消费化降本将推动通胀回落；增长虽放缓但核心盈利仍强，央行鹰派空间受限。“金发姑娘”情境下，AI FOMO重燃，无需等待中期选举，“金发姑娘”行情或提前点燃美股年末行情。

10月加息定价过头了？瑞银：核心PCE下修叠加基数效应，美联储不太可能连续加息。瑞银认为，美联储政策收紧的实际幅度很可能低于当前市场定价所暗示的水平，其基准情景为12月再加息一次后维持利率不变，同时预计核心PCE通胀将在年度修订中下调0.2个百分点，叠加明年上半年有利的基数效应，连续大幅加息的基础正在削弱。

通胀、赤字、AI发债齐施压，超半数市场人士押注30年期美债收益率年底前触及6%。通胀高于目标、经济保持韧性和财政融资需求扩大，共同推高美债收益率。与此同时，外国官方投资者减少，对收益率和价格更敏感的对冲基金等投资者占比上升，债市波动风险随之增加。彭博调查显示，超半数受访者预计30年期美债收益率年底前可能触及6%。

中信证券：数据中心的“政治化”或是短期AI叙事的最大障碍。美国国债收益率飙升引发AI融资担忧，但多元化渠道（股权、私募债、回购转CAPEX）预计2027年可承接超7400亿美元资金。真正的隐忧在于政治风险——德州叫停数据中心建设、NIMBY情绪升温，若民主党赢得2026年中期选举众议院，算力交付延期风险将显著上升，或成AI叙事的最大短期障碍。

行业/概念

1、职业教育 | 据上证报，9月23日，国务院新闻办公室举行“开局起步‘十五五’”系列主题新闻发布会，教育部相关负责人介绍，加快建设现代职业教育体系，为现代产业发展培养更多高技能人才。将以办学能力高水平、产教融合高质量为目标，加快职业教育“新双高”建设，大力培养大国工匠和能工巧匠。实施高技能人才集群培养计划，汇聚行业、企业、学校力量，打通人才培养与产业需求对接通道。深化中职、高职、本科衔接培养，探索职教本科与专业学位教育融合贯通，让技能成才、技能报国成为越来越多学生的选择。

2、智能眼镜/MR头显 | 据上证报，9月23日至24日，Meta Connect2026举办，这是Meta集中展示AI技术、XR硬件与空间计算生态的年度核心平台。Meta依托Muse个人AI智能体，从传统对话大模型升级至可自主执行任务的Agent。市场重点关注 Luna无摄像头AI智能眼镜、轻量化MR头显，以及 Muse智能体接入XR硬件的商业化方案。

3、云计算数据中心 | 据上证报，阿里巴巴正加速扩展位于欧洲与中东的数据中心，推进其全球数据中心容量提升至20吉瓦。阿里巴巴高管李飞飞周三在杭州举行的云栖大会上表示，将在未来12个月内在土耳其、芬兰和荷兰建立首个云区域(Cloud Region)。公司还将扩大在马来西亚、德国、阿联酋、法国等地的数据中心布局，此举将提升其提供在地化云和AI服务的能力。

4、网络安全 | 据中证报，OpenAI对外表示，已暂停其最新一代人工智能模型的训练、评估，以及支持工具调用的推理工作，起因是内部测试中的AI智能体突破沙盒网络限制，触发安全预警，公司将借此机会升级安全隔离与对齐监控体系。这也是OpenAI三个月内第二次叫停前沿模型开发工作。该公司在声明中表示，只有在完成额外安全防护升级、确认风险可控后，才会重启模型训练工作，同时称，随着模型能力持续增强，未来仍有可能再次触发类似的暂停操作。

5、玩具 | 据中证报，中美达成八点成果共识，其中最受市场关注的一点，就是正式确认落实此前多轮磋商形成的300亿美元对等降税安排。与此同时，双方将同步推进贸易理事会机制建设，延续并落实此前吉隆坡经贸磋商取得的各项成果，持续稳定双边经贸往来。中国出口美国涉及降税的主要产品包括玩具、节日装饰品、小型家电、儿童安全座椅等。降税本质是把2018年以来加征的301额外关税（7.5%—25%）拿掉，回落到最惠国税率甚至更低。

6、光刻机（胶） | 据中证报，日本三大光刻胶巨头JSR、东京应化、信越化学已宣布自2026年10月1日起对全球客户执行新定价体系，全品类新订单基础涨幅达15%，高端ArF系列长协报价上调16%—22%。

今日关注

中国

中国7月规模以上工业企业利润。

国新办就落实“十五五”规划、推动中央企业高质量发展举行发布会。

中国央行在9月28日至10月8日开展隔夜逆回购操作，每日操作量不超过1万亿元。

海外

日本央行7月货币政策会议纪要。

欧洲央行行长拉加德欧洲议会季度货币对话作证。

在美国纽约举行的联合国大会一般性辩论结束。

SpaceX星舰第24次飞行测试。

<全文完>

本文来自华尔街见闻，欢迎下载APP查看更多

见闻财经日历提醒本周重点关注：

宏观数据方面聚焦美国非农、PCE与中国PMI。 “美联储最爱通胀指标”8月PCE与9月非农将先后公布，直接考验美联储10月加息路径。当前市场定价10月加息概率接近70%，长端美债收益率已升至2007年以来高位。若就业数据超预期，反而可能加剧紧缩担忧。国内方面，中国PMI数据出炉，市场关注经济成色。

科技产业迎来催化密集期。 OpenAI开发者大会发布GPT-6 Cyber等新品；特斯拉正式展示新一代Roadster；SpaceX执行Crew-13载人任务、谷歌TPU原型卫星同日升空；SpaceX星舰Flight 14最早周一晚间发射；美光财报则成为AI数据中心产业链景气度的重要窗口。外特朗普与众议院议长及多家科技公司CEO举行人工智能会议并推出AI驱动网站America.gov，马斯克、黄仁勋预计出席。

地缘风险再度升温。特朗普拒绝伊朗“七天停火方案”，霍尔木兹海峡重开谈判生变，油价中被压低的供应溢价可能快速回补。澳洲联储加息几无悬念，美联储官员密集发声，紧缩预期仍有升温空间。此外，今年是巴西大选年，选举第一轮投票将于10月4日举行。

经济指标

• 美国9月非农就业报告、8月PCE物价指数等数据

美国将于10月2日公布9月非农就业报告。路透经济学家调查预计，新增就业人数将从8月的16.2万人放缓至10万人，失业率预计为4.2%。在通胀处于高位的情况下，就业数据如果超出预期反倒会成为市场的负担。

“美联储最爱通胀指标”PCE指数将于9月30日公布。据TD Economics汇总的市场预期，8月整体PCE同比增幅料维持在3.7%，核心PCE同比增幅料维持在3.3%，均明显高于美联储2%的长期通胀目标；当天还将公布二季度实际GDP年化季率终值、ADP就业、个人收入和消费等数据。

• 中国PMI、规模以上工业企业利润

国家统计局9月30日公布9月官方制造业PMI，8月为49.8，非制造业与综合PMI同日发布。国家统计局9月28日公布8月规模以上工业企业利润同比，7月为增长11.2%，1至8月累计同比前值17.6%。这些数据在国庆长假前出炉，是观察三季度末制造业景气的最重要读数。

• 日本东京CPI、韩国9月出口

10月2日，韩国CPI、日本东京CPI同日公布。彭博经济研究预计东京9月核心CPI同比跃升2.7%（前值1.8%，共识2.3%）。作为全国趋势早期读数，将强化日央行实现2%目标的判断。

10月1日，韩国9月进出口数据公布。彭博经济研究预计9月出口同比增长66.5%（前值68.7%，共识60.6%）。9月前20天出口增78.3%，芯片出货激增259.4%。

• 澳大利亚政策利率，预计加息25基点

市场预计澳洲联储9月29日上调现金利率25个基点至4.60%（共识同为4.60%，前值4.35%）。柴油价格飙升传导、通胀根深蒂固风险是主因。

财经事件

• 国庆假期：A股休市至10月7日、港股10月1日休市、陆港通关闭

A 股10月1日至10月7日休市，10月8日开市；港股10月1日休市 1 天，10月2日恢复正常交易。港股通（南向）以及沪、深股通（北向）10月1日至10月7日关闭服务，10月8日起照常开通。

• 霍尔木兹局势生变，报道称特朗普拒绝伊朗7天停火提议，预计中期选举后恢复轰炸

特朗普拒绝伊朗“七天停火方案”，霍尔木兹海峡重开谈判生变，油价中被压低的供应溢价可能快速回补。9月26日，据媒体援引美国官员最新消息，特朗普已拒绝伊朗提出的7天停火方案，并向幕僚表示，他预计将在11月中期选举后恢复对伊朗的轰炸行动。伊朗的停火提议原本包含重开霍尔木兹海峡、重启核谈判等条件，以换取美国解除对伊朗港口的封锁。

• OpenAI开发者大会（DevDay 2026）、CEO Altman发表主题演讲

据OpenAI官网，OpenAI年度开发者大会9月29日在旧金山举行（预计北京时间30日凌晨左右）。据《财富》报道，公司将预览网络安全专用模型GPT-6 Cyber及配套企业部署产品，另有十余款新品同场发布。活动还涵盖 API、开发工具、技术演示和开发者工作坊等内容。

根据公司公布的日程，CEO Altman将在当地时间上午10点（北京时间周三凌晨1点）发表开场主题演讲。

• 特朗普与科技公司CEO、众议院议长举行AI会议，特朗普预计将推出AI驱动网站

美国总统特朗普、众议院议长迈克·约翰逊以及多家科技公司 CEO 预计于当地时间 9 月 29 日（周二）举行一场有关人工智能的会议，目前尚不确定哪些公司将参会。

福克斯新闻报道，9月29日周二，美国总统特朗普将发布一个由人工智能(AI)驱动的新网站——America.gov，整合目前分散在各联邦机构网站上的政府信息和资源。特斯拉首席执行官马斯克、英伟达首席执行官黄仁勋以及Blue Origin首席执行官Dave Limp预计将出席此次活动。

• 谷歌发射搭载自研TPU的原型卫星

谷歌将于10月1日通过“拼火箭”把搭载自研TPU的原型卫星送入轨道，首次验证TPU在太空环境中的运行能力，为未来建设轨道AI计算基础设施探索可行性。

• SpaceX执行NASA Crew-13载人任务、SpaceX星舰第14次飞行测试

SpaceX计划于10月1日通过猎鹰9号执行NASA Crew-13载人任务，将四名宇航员送往国际空间站。

此外，SpaceX官网显示，星舰第14次飞行测试计划最早于当地时间9月28日早晨、即北京时间周一晚间发射，具体时间仍取决于天气等条件。看点是飞船首次尝试真正进入地球轨道，并将部署26颗Starlink V3卫星。

• 特斯拉正式展示新一代“飞行汽车”Roadster

特斯拉计划于10月1日正式展示跳票多年的新一代Roadster。据报道，新车可能搭载来自SpaceX的冷气推进系统，也让“特斯拉新车能飞”的猜想吸引了大量关注；特斯拉官网已上线Roadster倒计时页面。

• 华为：昇腾950智算集群将于9月30日启用

在华为全联接大会2026上，华为董事、华为云CEO周跃峰宣布，昇腾950智算集群将于9月30日起提供服务。他还透露，华为云将推出全新的智能体记忆系统CMS记忆存储；具备CMS系统的华为云也将于2027年一季度上线。华为云还将与顶级多模态大模型合作，共推行业AI落地。 周跃峰表示，昇腾950智算集群将于9月30日面向中国的客户提供服务；11月30日，面向海外市场全面提供服务。 据周跃峰介绍，全新昇腾950智算集群将为华为云提供极强的动能，推理的效能相比上一代提升至少20%。

• 日系光刻胶厂商信越化学等全球提价15%

据报道，日本JSR、东京应化、信越化学自10月1日起将全球光刻胶新定价上调15%。高端ArF与HBM浸没式涨幅更高，"日系涨价+去日化"利好国产替代链，幅度仍待验证。

• 中国台湾地区功率半导体厂商酝酿第三波涨价

中国台湾地区功率半导体厂商正酝酿第三波价格调整，最快10月起针对非合约产品，涨价10%至15%。业界看好台半、强茂、德微等厂商下半年营运量价齐升。（中国台湾经济日报）

• 美联储官员密集发声：古尔斯比、穆萨莱姆、威廉姆斯等

9月30日至10月2日，古尔斯比、穆萨莱姆、威廉姆斯、库克等多位美联储官员接力发声，威廉姆斯与库克两度露面。据CME美联储观察，市场定价10月再加息25个基点概率接近70%。在10年期美债收益率升至2007年以来高位后，若官员继续强调通胀上行风险，紧缩定价仍有升温空间，长端美债、美元与黄金承压。

• 巴克莱：美联储RMP购债10月起加码

据巴克莱预计，美联储将把准备金管理购买（RMP）维持在零水平，直到10月回购市场趋于收紧后，才会恢复购买国库券。

• 中国央行将在9月28日至10月8日开展隔夜逆回购操作，每日操作量不超过1万亿元

中国央行：为更好匹配银行体系短期流动性需求，中国人民银行将在9月28日至10月8日开展隔夜逆回购操作，采用固定利率、数量招标，每日操作量不超过10000亿元。

• G20贸易部长级会议，美国贸易代表参会

二十国集团（G20）贸易部长级会议定于 9月29日至10月1日举行。美国贸易代表格里尔将前往威斯康辛州，参加二十国集团（G20）会议。

• 美国对部分加拿大商品进口禁令生效

美国对某些加拿大乳制品、酒精饮料和机动车相关产品的进口禁令于 9 月 29 日生效。看点是美加贸易摩擦在 USMCA 框架下的升级，以及加方可能的反制与对北美供应链的扰动。

• 印度禁糖出口至9月底

据路透社报道，美国气候预测中心上周四表示，厄尔尼诺现象正在持续增强，2026至2027年北半球秋冬季出现极强厄尔尼诺事件的概率已超过90%。印度禁糖出口至9月底。

• 巴西大选第一轮投票开始

据新华社，今年是巴西大选年，选民将投票选出总统、各州州长、联邦和州议员。根据巴西高等选举法院公布的日程，选举第一轮投票将于10月4日举行，如有必要，第二轮投票将于10月25日举行。

财报与公司动态

• 美光Q4财报电话会

美光2026年第四季度财务电话会议将于美东时间9月30日下午4:30（北京时间10月1日）凌晨4:30举行。这份财报不仅关系到美光本身，也将成为观察 DRAM、HBM 乃至整个 AI 数据中心产业链景气度的重要窗口。

• SHEIN预计将于9月28日收盘后公布财报数据

据彭博消息，快时尚巨头SHEIN预计将于9月28日收盘后公布其最新财报数据。SHEIN已于9月1日正式在香港交易所挂牌上市。

• 长鑫科技最早或于9月底纳入范达旗下ETF

近日，全球资产管理机构范达高级产品经理John Patrick Lee接受本报专访时透露，美国机构投资者开始布局中国半导体，最早或于9月底将长鑫科技纳入范达旗下ETF。

重磅事件提前预警

10月27日：以色列选举

10月28日：美联储议息会议（加息概率71%）

11月3日：美国中期选举

11月18日：亚太经合组织会议在深圳举行

12月14日：迈阿密G20峰会

本文来自华尔街见闻，欢迎下载APP查看更多

近日，谷歌威胁情报集团（Google Threat Intelligence Group）首席分析师John Hultquist在接受英国《金融时报》采访时表示，今年以来，针对AI账号和计算资源的黑客攻击出现明显增长，一种被称为“LLM劫持”（LLM-jacking）的新型攻击手法正在网络犯罪地下世界形成规模。

暗网市场正在出售Anthropic、谷歌、OpenAI等公司AI模型的访问权限，折扣高达97%。与此同时，犯罪团伙和国家支持的黑客组织正入侵企业云服务器，植入自己的AI模型“白嫖”算力，手法与此前劫持他人机器挖矿如出一辙。

“我们在地下市场看到的，是一个围绕AI访问权限不断壮大的经济体。”这位拥有20年网络安全从业经验的分析师说。

暗网折扣高达97%，AI账号买卖成灰色产业

据谷歌威胁情报集团研究人员发现，暗网市场正在出售Anthropic、谷歌、OpenAI等公司AI模型的访问权限，折扣幅度高达97%。

要知道，ChatGPT和Claude最高级版本的订阅费用，每位用户每月最高可达200美元。

更值得注意的是，由于AI公司会主动监控滥用迹象，部分卖家甚至推出了“保障访问”服务——一旦初始账号被封，承诺免费补发新凭证。这套机制让黑色产业链的运转更加稳定。

劫持云服务器“白嫖”算力

除了倒卖账号，另一类攻击更为直接，Hultquist透露：

部分犯罪团伙和国家背景黑客组织，正在入侵企业云托管服务器，将自己的AI模型直接部署在目标系统上运行——费用由受害者承担，算力为攻击者所用。

这与早年黑客入侵他人机器“挖矿”的逻辑如出一辙。

防守方面临“成本不对等”困境

Hultquist指出，这种攻击模式的危险性，不仅在于技术层面，更在于经济层面的失衡。

“说到底，这些行为给了他们一种经济或效率上的优势——因为他们能以低得多的成本拿到这些算力，而我们却要付全价来防守。”他说。

Anthropic最新季度的AI滥用报告显示，已在超过二十个国家发现威胁行为者试图利用其Claude工具从事恶意活动，涉及国家包括美国、英国和也门。

Hultquist对此态度直接：“每一个威胁行为者都在用AI。”

新风险窗口：AI上线初期是最佳“藏身”时机

随着越来越多大型企业选择自建服务器部署定制AI模型，而非租用云服务商算力，这些内部系统也将成为新的攻击目标。

Hultquist警告：“如果你在为算力付钱——而这可能非常昂贵——那它就成了威胁行为者眼中的重大潜在资源。”

他还指出，企业刚刚完成AI基础设施部署的阶段，恰恰是黑客“潜入”的最佳时机。

你可能会觉得算力使用量突然大幅上升完全正常，因为你刚刚引入了一堆AI基础设施。这给了攻击者一个藏在噪音里的真实机会。

他最后警告：“任何认为AI只是一阵风、想等它过去的人，总有一天会发现自己已经溺水。他们将遭遇比以往更多的事故、更多的告警、更多的攻击。我们必须现在就把自己的阵地整理好。”

本文来自华尔街见闻，欢迎下载APP查看更多

9月26日，在最新一期的Logan Jastremski播客节目中，长期跟踪AI基础设施建设的匿名分析师、P Equity Research背后的操刀人Mr. P作为嘉宾出席。当前，以大模型为核心的AI战局正从模型参数比拼延伸至底层基础设施的终极角力，超大型云厂商（Hyperscaler）每年数以万亿计的资本支出去向，成为全球投资者最关注的焦点。在这场超过一小时的深度对谈中，Mr. P基于详实的数据与产业链调研，对AI算力缺口、存储大周期、光电之争以及地缘博弈等核心议题给出了冷思考与去魅化解读。

“十年需求能见度是谎言”，存储仍难逃繁荣与萧条的周期宿命

过去一段时间，市场笃信AI带来的硬件投资将是一场永不枯竭的超级周期，甚至有声音称云厂商的订单能见度长达十年。对此，Mr. P给出了极为克制的判断。

“如果一个超大型云厂商告诉你他们有10年的需求能见度，他们只是在忽悠你。他们根本无法预测2年以后的情况。”Mr. P直言，“我相信存储是周期性的，并且它将保持周期性，这主要是由支出的性质决定的。人们认为超大型云厂商的支出是可持续的，它可以无限量地继续增长，但这只是一个假设。我认为支出总有一天会放缓。”

尽管不相信“无限支出”，但短期内AI对存储的吸金能力依然令人咋舌。随着数据中心从主要关注训练转向更吃内存的推理阶段，存储（包括HBM、DRAM和NAND）正在吞噬巨量资金。

“明年超大型云厂商的资本支出预计在1.1万亿到1.2万亿美元之间，而仅仅是存储可能就会占据其中的50%到60%，大概是5000亿到7000亿美元。瑞银（UBS）甚至估计明年单在存储上的花费就将达到9000亿美元，这简直比今年所有超大型云厂商的资本支出总和还要多。”

为了平抑周期波动，存储制造商正疯狂推进长期协议（LTA）。Mr. P透露，三星已开始收到长达10年的合同要求。然而，一位曾在三星和AMD任职的行业专家向他警告，LTA可能被过度炒作了：“如果需求暴跌，为了不彻底得罪客户，这些长期合同有可能会在闭门状态下被双方默默取消，且不附带任何违约金。如果你强迫客户吞下500亿美元他们不再需要的产品，他们只会把内存堆在仓库里，接下来的几年你的收入将真正面临断崖式下跌。”

算力缺口依旧，但“隐形瓶颈”正向电力与载板转移

目前，市场对于“算力是否受限”存在巨大分歧。微软CEO纳德拉曾暗示芯片足够，只是没有“温暖的机架”来插这些芯片；而谷歌和亚马逊在财报中则明确表示自己受制于算力短缺。

Mr. P通过市场价格数据证实了算力的紧缺现状：“四五年前的老旧芯片现在的租金定价比以前还高，像H100现在的二手价格依然能卖到2.5万美元，B系列GPU每小时的租金已经从5美元涨到了7到8美元。芯片的使用寿命正在被大幅延长，有的甚至达到了10年。”

然而，纯粹的GPU裸片数量可能并非核心卡点。一位AMD专家向Mr. P证实，就原始芯片而言供应是充足的，真正的瓶颈在于数据中心的电力、高级封装（Advanced Packaging）和存储。

从BOM（物料清单）的拆解来看，真正的短缺环节正在浮出水面。Mr. P指出：“在Vera Rubin（英伟达新一代架构）的物料清单中，看到出现三位数价格涨幅的组件是ABF载板、PCB和存储。ABF载板的产能非常紧张，供应短缺很可能会持续到2028年甚至2030年以后。戴尔、惠普、英伟达和博通在近期的财报中，也一致将DRAM、NAND、ABF载板和晶圆列为产能约束因素。”

在能源端，建设新型算力中心所需的燃气轮机面临着极度漫长的交付期。“三菱、西门子、GE Vernova的积压订单已经排到了2030年以后。如果你今天订购一台燃气轮机，你可能要到2030年才能拿到货。”

铜退光进：光是终局，但铜仍将被“强行续命”

在数据中心网络连接领域，铜缆与光通信的路线之争愈演愈烈。虽然市场普遍期待共封装光学（CPO）迅速普及，但Mr. P认为这并非一蹴而就。

“没有任何东西的传播速度能超过光速，因此光学最终肯定会赢，速度才是王道。”但他同时强调，在2027年之前，铜和光学将长期共存，云厂商正在尽可能延长铜的生命周期。

“因为存储实在是太贵了，超大型云厂商必须要在其他地方省钱。CPO不仅非常昂贵，而且目前仍存在良率和散热问题。你可能会在2027年先看到近封装光学（NPO）的使用，然后在2028或2029年看到CPO产能爬坡，但其渗透率将保持在较低水平。CPO真正占据主导地位，可能要等到2030年以后。”

针对美国部分声音呼吁前沿模型应因安全问题而减缓研发步伐，Mr. P将其斥为“毫无商业逻辑”的行为，“如果你出于安全考虑想要减速，这只会把市场份额拱手让人。”

以下为对谈全文，由AI翻译：

Logan Jastremski：太棒了。P Equity Research，非常感谢你加入我的节目。很高兴能邀请到你。我一直非常喜欢你在 Twitter 和 Substack 上发布的内容。就像我们刚才在录音前聊到的，恭喜你在 Substack 上的排名继续攀升。你目前发布的内容令人印象深刻，我很期待我们接下来的交流。

Mr. P：以及你在市场方面看到的一切。是的，谢谢你。我很兴奋能和你讨论算力（Compute）和 AI。在 Substack 和 X（推特）上受到关注感觉很棒，很高兴能和你交流。你总是很活跃。感觉你 24 小时全天候在线，我很欣赏这一点。

Logan Jastremski： 是的，我经常在线。不过我得说，我也经常使用“定时发送推文”按钮来规划我的推文。也许这就是获取超额收益（Alpha）的秘诀。

Mr. P: 哈哈，是的，这就是 Alpha。使用定时推文。

Logan Jastremski：太赞了。我很想了解一下你是如何开始深入研究算力领域的？因为你显然非常积极地发布你的研究报告，而且我认为你在投资者社区中，尤其是在这些不同数据中心的建设方面，获得了很大的影响力。所以，只要你愿意分享，我很想了解一下你的背景，或者你是如何进入股票研究领域的。

Mr. P： 好的。我大概是在今年 5 月初开始发推文的，那时我大概只有 30 个粉丝。所以我当时是个小透明。我注册这个账号有一阵子了，但一直没怎么用。后来我想把它用起来，就开始发推文，并在 Substack 上发了很多文章。一开始，我经常写一些关于日本、中国台湾和韩国的利基（Niche）公司的文章。反响还不错。然后我开始在 X 上获得更多认可，所以我就发得越来越多了。

Mr. P： 大约在 7 月份左右，我真正开始改变我发帖的方式。我试图成为一个只分享大量信息、保持中立观点，并让人们自己决定如何解读这些信息的人。我一直坚持这么做，从那以后我的账号就真正起飞了。但我完全没有任何技术背景。我所有的知识都是自学的。我没有工程学位。我拥有会计学的学士和硕士学位，曾在公共会计领域工作过。这就是我的基本经历。

Logan Jastremski：我不是工程师。所以如果有人问我类似“这个和那个有什么区别”，我可能回答不上来，我懂的没那么多。不过这很好。我通常发现，在自己领域表现卓越的人往往都是自学成才的。无论如何，在深入研究 AI 之前，我曾在加密货币市场花了很多时间。在那之前，我在特斯拉工作。一位好朋友曾告诉我，你没有义务必须成为昨天的自己，你可以自学新技能。所以，只要你不断学习，我觉得你就会一直处于前沿。

Mr. P： 是的，完全同意。我认为这也是我喜欢发这么多帖子的原因之一：尽可能多地免费学习。因为你能学到的东西是没有限制的。所以分享信息永远是件好事。

Logan Jastremski: 100%赞同。也许我们可以从这里开始聊。显然，在 AI 数据中心领域发生了很多事情。很大程度上，我觉得自从 Opus 4.5（约 2025 年末）发布以来，这个领域就开始腾飞了。从那时起，对于普通人来说，我们已经从 Oauth 和订阅模式，更多地转向了基于 API 的模型。这真正引发了这场收入的爆炸性增长，也许这种起飞甚至在那之前就开始了。作为副产品，你看到很多所谓的超大规模云厂商每年在资本支出（Capex）上投入数万亿美元。我知道你一直在深入研究物料清单（BOM），以及这些资本支出到底流向了哪里。所以我想让你从宏观层面谈谈你一直在追踪什么，以及你对当今市场现状的看法。

Mr. P： 谈到超大规模云厂商，我认为有四个领域很重要：逻辑芯片（Logic）、存储（Memory）、电力（Power）和网络（Networking）。现在大量的资金将花在逻辑芯片上，即 GPU 和 ASIC。而存储预计将占明年云厂商资本支出的 50% 到 60%。作为参考，如果预期的云厂商资本支出是 1.1 或 1.2 万亿美元，那么仅存储一项的投入就将达到 5000 到 7000 亿美元。实际数字可能会更高，但这其中包含了多种产品的混合：有 HBM、DRAM、大宗商品 DRAM，还有 NAND 闪存。

Mr. P： 但看看算力方面，他们在采购 ASIC 和 GPU 上花了很多钱。我们都知道亚马逊和谷歌正在尽最大努力增加他们定制芯片（ASIC）的产量，以摆脱对英伟达的依赖。我认为这就引出了一个问题：算力是否仍然受限？因为很多人说，我们有足够的算力，但没有足够的电力。有些人说我们有足够的电力——好吧，我还没听过谁说电力是足够的。但人们会说我们在其他方面不缺，只缺算力，算力受限。这是各个 AI 实验室的说法。

Mr. P： 所以我想谈两个观点。我曾和一位来自 AMD 的人聊过，做了一次专家访谈。但在提他之前，这里有两个主流观点。第一种观点认为，我们有足够的算力，但没有足够的电力来插电和运行这些芯片。这个讨论源于萨提亚·纳德拉（Satya Nadella，微软CEO）在一个播客上的讲话。我不记得是和谁做的播客了，可能是 SemiAnalysis，也可能是其他人。但他基本上是说，我们没有现成的“热机架”（插电即用的机柜）来部署这些芯片。

Mr. P： 第二种观点是，AI 实验室和供应商表示算力需求巨大，我们正处于算力受限的状态。如果你听过谷歌和亚马逊的财报电话会议，他们提到自己的算力受限，如果算力不受限，他们的云业务收入占比还会比现在报告的更高。与此同时，里昂证券（CLSA）今天发布的研究报告称，ASIC 和 GPU 的供需缺口高达 73%，他们预计这种短缺将持续到 2030 年。所以，如果你看看算力用户的评论，他们会说自己缺乏算力。租赁价格也证明了这一点，因为四到五年机龄的旧芯片的租赁价格比以前还要高，而这些本该是完全折旧或被淘汰的芯片。（注：你懂的，一年前迈克尔·伯里（Michael Burry）曾引发过一场关于折旧的巨大争论，而现在你开始看到这些芯片的使用寿命超过了五年，甚至开始接近十年。）

Logan Jastremski：是的，完全没错。你开始看到这些芯片的使用寿命超过五年，甚至接近十年。我想最近是 Nebius 发布了一些数据——如果我错了或者你有更好的数据请纠正我——他们正在使用长达 8 或 9 年的芯片，这本质上延长了像 H100 这种芯片的使用寿命。

Mr. P： 我觉得二手的 H100 现在的售价还在 25,000 美元左右，这相当惊人。是的，我相信英伟达的 Volta 架构芯片也还在被使用，那几乎是 10 年前的产品了。但没错，这些芯片的使用超出了它们自然的或预期的使用寿命。这也很有趣，因为大概一两个月前有一条评论提到，一家小型初创公司试图获取一小批芯片，但根本拿不到。一旦他们拿到了，他们团队里就有人买了个蛋糕开始庆祝，因为现在能搞到算力就是这么重要的一件事。

Logan Jastremski ：是的，我们甚至从我们投资的几家投资组合公司那里听到了同样的情况。他们试图做很多有趣的事情，但如果没有算力资源，你就真的倒大霉了（SOL）。所以，正如你所说，现在大家似乎都在为了获取算力而“哭爹喊娘”。甚至连埃隆·马斯克在建设 Tera Fab 时也说，没有足够的算力来同时满足机器人、他们想造的汽车，以及最终的太空数据中心的需求。所以，从宏观来看，我们似乎确实受到了算力的限制。

Mr. P： 但是，针对你的观点，这究竟是能源方面受限，还是物理计算芯片本身受限呢？我认为能源是一个大问题。我想说，现在的问题是有太多的数据中心建设项目被延期了。我们不知道确切有多少数据中心被推迟。SemiAnalysis 说这不是个大问题，但根据我读到的所有新闻，似乎数据中心的延期相当严重。在数据中心建设方面也存在很多社会和政治层面的抵制。所以我确实认为电力是一个大问题。我认为电力绝对是目前最糟糕的瓶颈之一。我稍后会详细谈谈这个。但回到我刚才提到的那位 AMD 专家的话，他说，就原始芯片、就单纯的算力而言，他认为我们是足够的；瓶颈在于其他领域，比如数据中心的电力、先进封装，以及重中之重——存储。

Mr. P： 所以我认为，关于 GPU，你会看到很多关于我们是否拥有足够数量的争论。但租赁价格表明我们目前的算力是不够的。

Logan Jastremski: 是的，我想我今天早上看到了，或者可能是你发的帖子。提到 B200 或 B300 的 GPU 每小时租赁价格已经从 5 美元涨到了 7 或 8 美元。

Mr. P: 是的，太疯狂了。价格一直在上涨。

Logan Jastremski： 那么，也许我们可以更深入地探讨一下存储（Memory）方面。这是我花了一些时间研究的领域，也是我和 Bubble Boy 详细聊过的话题。特别是随着这些数据中心在很大程度上从主要关注“训练”转向“推理”，而推理更受限于存储带宽（Memory-bound）。一方面是模型的权重变得越来越大，另一方面是上下文窗口通常也变得越来越长。正如你指出的，新一代云厂商（Neo clouds）乃至整个行业对存储的需求都在大幅飙升。关于“存储占资本支出的 60%”这个惊人的数据，你有更详细的拆解吗？因为每年有数万亿美元的资金投入到基础设施建设中，这确实非常疯狂。

Mr. P： 是的。实际上，很难准确判断到底有多少资本支出花在了存储上。让我为你梳理一下。首先，每个人的预测数字都不一样，取决于你问谁。我不认为有任何人确切知道存储上到底花了多少钱。几个月前，里昂证券（CLSA）研究报告称，2027 年存储占资本支出的比例将达到 48%。SemiAnalysis 说是 36%。Citrini 预测 2028 年将达到 60%（我不知道他们 2027 年的预测是多少）。摩根大通（JP Morgan）预测 2027 年是 49%，2028 年是 60%。瑞银（UBS）预测 2027 年是 63%，后来他们又说是 73%。你明白我的意思了吧？我们无法确定谁是对的。而且我认为我们永远也得不到一个准确的数字，因为这里面混合了太多东西，有大量的 HBM、NAND 闪存，还有普通的大宗 DRAM 在被使用。所以根据你问的人不同，你会得到一个非常宽泛的范围。但总的来说，没有人会反驳“存储非常昂贵”这一点，这将是一笔巨大的开销。瑞银估计，明年仅在存储上的花费就将达到 9000 亿美元。为了让你有个概念，这基本上比今年所有超大规模云厂商的资本支出总和还要多。这很疯狂，对吧？

Logan Jastremski: 是的，这太疯狂了。

Mr. P： 是的，在存储上这是一笔巨款。我认为目前，就供应紧缺程度而言，HBM 可能是最紧缺的，或者大宗 DRAM，这视情况而定。

Logan Jastremski：我想你可能没有看到……抱歉打断一下。你有没有在你看到的研究或你一直跟踪的其他人的研究中，看到关于存储具体比例划分的明细？因为到目前为止，我和 Bubble Boy 宏观地聊过这个，行业似乎并没有真正专注于“最大化吞吐量（Throughput）”。这可以理解，因为云厂商是按 Token 数量收费的。在吞吐量方面，很大程度上是 Groq 和 Cerebras 在做。然后你有了像高带宽存储（HBM）这样的东西，最终用来保存模型权重和上下文。但随着你拥有工作时间更长的智能体（Agents），并且它们在执行时间跨度更长的任务，现在越来越多地数据被卸载到 NAND 闪存上。在你的研究中，有没有发现什么迹象表明存储存在不同的细分趋势？

Mr. P： 我还没有真正看到关于这方面的详细信息。但我知道，存储供应商正试图让 HBM 成为他们收入的更大组成部分。纯粹从经济角度来说，他们希望 HBM 占收入的比例更高，因为他们认为这是可以在长期内维持的东西。大宗 DRAM 就是大宗商品。他们大部分的 DRAM 销售仍然是不包括 HBM 的，他们可能认为这在长期来看对价格更敏感。而 HBM 更加定制化，你可以认为它不是一种大宗商品。因此，他们相信从长期来看，他们能够将 HBM 的利润率提高到高于普通 DRAM 的利润率。所以我认为目前的趋势是，存储制造商希望减少对大宗 DRAM 销售的依赖，他们想卖出更多的 HBM。

Logan Jastremski： 所以他们是把普通的大宗 DRAM 从家用电脑和内存条，更多地转向消耗高带宽存储的数据中心，因为后者可能对价格稍微不那么敏感？

Mr. P：是的，完全正确。比如 SK 海力士（SK Hynix）预计到 2030 年，其 DRAM 收入的 35% 将与 HBM 挂钩。这几乎是今年的两倍。这听起来可能不算很多，但我认为对于这些存储制造商来说，每一分钱都很重要，因为他们知道自己所处的行业是一个典型的“繁荣-萧条（Boom-bust）”周期性行业。

Logan Jastremski： 你个人的看法是什么？显然，这些存储公司的市盈率（PE）相对较低，因为在过去，它们更具周期性。那句著名的毒奶是：“这次不一样”。但在你个人的观点或你读过的研究中，你认为它会继续保持周期性吗？或者你认为，由于 AI 带来了更多吉瓦级别的电力上线，以及这些模型需要更多的通用存储，它会变得不那么周期性？

Mr. P：不，我仍然认为这是一个繁荣与萧条的周期，只是由于长期协议（LTA）的存在，萧条的那一面可能会被稍微软化。这实际上是一个非常好的问题。以前也有人问过我，我曾公开表示，我认为存储是周期性的，而且将继续保持周期性。这主要是由支出的性质决定的，人们认为云厂商的支出是可持续的，它可以继续增长。这只是一个假设。为了让它不呈周期性，我认为这种支出必须无限期地持续下去，但我认为这不可能发生。我认为支出总会有一个放缓的节点。

Mr. P： 但说到繁荣-萧条周期，我想说，这些存储制造商签订的长期协议（LTA）实际上包含四个方面。闪迪（Sandisk，现西部数据旗下）的 CEO 简单地拆解了这一点。他们做了一些叫做“新商业模式”（NBMs）的东西。其实他们就应该直接叫它 LTA。我不知道他们为什么要叫它 NBMs，可能是为了让它听起来更高级吧。

Logan Jastremski: 是的，为了听起来高大上。

Mr. P: 他们想显得与众不同。但这包含四个部分：时间承诺、数量承诺、定价，以及财务担保。我认为大多数人都熟悉定价部分，但在时间承诺方面，通常是四到五年。我认为目前的 LTA 普遍是五年。我不知道是否很多人知道这一点，但大信证券（Daishin Securities）两天前报道说，三星已经开始收到长达 10 年期合同的请求。所以，这基本上是最初 LTA 时间的两倍。而且他们已经开始与一些客户进行合同延期了。他们以前也提到过，基本上是说如果客户在某个时候想要更高的需求或其他什么，他们就可以延长 LTA，他们可以更改它。所以可能是五年变成七年之类的。但合同的长度最终由供应商决定，如果达到 10 年也就不足为奇了。

Mr. P: 而且我认为，甚至闪迪的 CEO 在 9 月 9 日的一次活动上也说过，他们有可能获得长达 10 年的需求可见度，但他们“还”没有达到那个阶段。强调“还”这个字，因为他是这么说的。但我不认为他们有可能达到那个阶段，因为一份 10 年的合同似乎对双方都是不利的。你不想把一个客户绑定 10 年，因为下行周期的风险可能会非常高。没有人拥有 10 年的可见度。如果一个超大规模云厂商告诉你他们有 10 年的需求可见度，那他们纯粹是在忽悠你。他们根本没有，他们无法预测 2 年以后的事情，对吧？所以在一个长达 10 年的合同中存在很大的波动性。但签订 10 年合同的负面影响还在于，你会失去利用更高价格获利的能力。这就是时间承诺方面。

Logan Jastremski 21:02 说到云厂商的资本支出（Capex）方面，最初，他们主要是用资产负债表上的资金，以及他们过去建立盈利业务所积累的多余现金来为其提供资金。我认为现在如果你看看他们所有人的自由现金流，都在趋向于零，或者他们正在借钱。而且我认为他们中的许多人必须继续为其提供资金。这是否是你的基本假设？即因为收入可能滞后于他们前期的资本支出，所以这种支出会放缓？

Mr. P: 嗯，我认为每一项伟大的技术都会经历一个大量投资的时期，然后就会开始放缓。因为“无限支出”的假设前提是 AI 行业永远不会成熟，对吧？但我相信每个行业在某个时刻都会成熟，无论是 PC 还是智能手机，你都有支出，但随后你也会达到行业成熟的阶段，所以你不需要花那么多钱。你只需要维持一定数量的资本支出，无论是削减资本支出，还是在未来几年将其停留在某个水平。这就是我相信未来会发生的事情。我不认为你会看到资本支出一直上升。当然，如果所有的云厂商在未来几年都能创造出巨额的自由现金流，情况就会改变。这预计可能会在 2028 年发生，但我们走着瞧。

Logan Jastremski ：看来你不太相信所谓的“AI 超级周期”——即我们实现递归式的自我改进，然后一切就大功告成了，AI 智能体将接管一切。

Mr. P: 嗯，我确实相信 AI，但我想我们得看看他们能达到多高的投资回报率（ROI）。这是一个大问题，因为现在他们只是在消耗自由现金流。所以在自由现金流转正之前，人们会一直保持质疑。

Logan Jastremski： 但回到存储的部分，我刚才谈到了数量、价格和财务担保。在数量承诺方面，LTA 规定了云厂商必须购买的约定数量。我相信 SK 海力士有 50% 到 70% 的供应量与长期协议挂钩。然后是价格，他们基本上都设定了某种价格下限。如果你看看闪迪，他们最近谈到在 2030 年底前保持 80% 的利润率。这就是他们拥有的价格底线机制。但这里有一个附带条件，就是他们可以取消价格上限。我和一位美光（Micron）的员工聊过，他基本上说，如果公司愿意，他们可以将 DRAM 的利润率提高到 94%、96%。

Logan Jastremski: 这太疯狂了。

Mr. P: 是的，很疯狂，对吧？你从来没听说过哪家企业的利润率能这么高。这基本上相当于零成本销售 DRAM。当然，在他和我看来，这不会发生。但重点是，你有一个价格下限，而价格上限可能不存在。所以，如果存储制造商愿意，他们可以不断提高价格。

Logan Jastremski：是的，所以在整个行业中，都有这些长期协议，规定了一定数量的固定新增产能上线，这个数字因公司而异。但在另一方面，你也有这种未被承诺的“浮动产能”，潜在地，由于你没有签署长期协议，这部分的利润率甚至更高。这有点像先到先得，或者价高者得。所以他们潜在地可以收取比长期协议更高的利润率。

Mr. P: 是的，他们可以收取更高的利润率。但显然，他们想要签订更多长期协议的原因是，我认为他们知道这是一个周期性行业。所以他们只是想确保他们的需求能够平稳下来。无论超大规模云厂商的资本支出发生什么变化，他们都能在未来几年赚到固定数额的钱。我稍后会谈到这一点。

Mr. P: 最后一部分是财务担保，对吧？美光表示他们有所有这些战略客户协议，这也是 LTA。他们提到获得了 220 亿美元的预付款。所以附带了某种违约金，无论是预付款还是取消订单的罚款。所以我认为这就是这个周期看起来不同的地方。这就是为什么我说萧条周期会被软化。它不会像以前那样，在下行周期出现极其糟糕的利润率，导致存储制造商因为史无前例的支出规模和 LTA 而破产。

Mr. P: 最重要的是，你可以提出一个我称之为“维护性资本支出（Maintenance capex）”的论点。让我解释一下。想象一下，如果明天云厂商站出来说，我们在未来几个季度的产能和资本支出过度建设了，我们将开始削减资本支出。个人而言，我不认为 AI 支出会达到云厂商削减 50% 或甚至 30% 资本支出的地步。在 23 财年，甲骨文、谷歌、微软、Meta 和亚马逊的总支出约为 1500 亿美元。如果你将下一财年预计为 1 万亿美元的资本支出削减 50%，那仍然是 5000 亿美元。这仍然是 2023 年资本支出的三到四倍。所以，你认为他们削减 50% 支出的情况会发生吗？即使发生了，这仍然是一大笔钱，对吧？所以我认为，即使云厂商削减开支，存储制造商仍然会有相当不错的利润率，并且会设定一个新的平均水平。

Logan Jastremski 27:13 就我个人而言，我认为这（削减支出）不太可能。当我查看 OpenRouter 并观察开源或闭源模型生成的 Token 数量时，似乎现在它只是一路向上。当然，Token 使用量与收入是两码事。但仅仅是 Token 的消耗，即使是像 Agent、Muse、Hermes、Grok Bot 这样的东西。对我来说，这似乎是下一个前沿，特别是随着“计算机使用”（Computer Use）功能的出现。作为普通人，也许不像计算机科学或软件工程领域的人那么深入，我们不用编写代码，我们开始构建用于会计或运营等基本任务的智能体（Agents）。这似乎还处于非常早期的阶段，这让我感到兴奋。

Mr. P: 是的，存储需求将会非常巨大，对吧？唯一需要注意的是，确保云厂商不要对你发火。我认为你将开始看到，也许是美光——我想美光将在下周（30号）发布财报。你将开始看到公司发表评论，说从现在起利润率将趋于稳定。利润率不会更高了，因为他们将落实更多的 LTA。所以会有类似于闪迪的评论。因此，是的，我认为存储仍然是周期性的，但不会像以前那么糟糕。

Mr. P: 但我确实想说，和我聊过的那个在 AMD 工作过的人，他也曾在三星工作过。所以这家伙是个全才。他在三星工作过，在 AMD 工作过，在瑞萨（Renesas）工作过——他目前在瑞萨工作，但他曾为他们的存储业务工作过。他基本上说，对他而言，长期协议（LTA）被过度炒作了。因为他认为，这些合同有可能在私下里被双方默默取消，而且没有任何违约金。他说，你看，上一次经济低迷时，我们与一些大客户签订了 LTA，当需求下降时，我们本应继续交付保证的数量。但如果你最终强迫他们接受，那么发生的情况就是，这些公司会开始把你的产品堆在仓库里好几年。也许云厂商只是拿走你的 DRAM，然后把它放进仓库。然后在合同到期后，他们基本上就不需要你的存储了，因为他们已经在仓库里囤积了。然后你的收入就会进一步下滑。所以他的论点是，如果我强迫客户接受他们不再想要的 500 亿美元产品，那么随着时间的推移，我的收入看起来就像是断崖式下跌到零。对吧？所以不仅股价被腰斩，需求蒸发，你还破坏了客户关系。这就是他的观点。基本上，如果我们到了 AI 支出情况不佳的地步，这种情况就可能发生。他们有可能在私下里默默取消 LTA。

Logan Jastremski：这有道理。希望这种情况不会发生。希望好戏继续上演，人们继续为 AI 服务买单，或者甚至通过广告模式——我认为我们在很大程度上还没有开发出这个市场，更多的是免费增值模式。我想我在 X 上看到了一个统计数据，我不知道，我还没验证过，所以听听就好：世界上只有 2% 或 3% 的人口真正在为 AI 付费。这在方向上似乎是正确的，因为并没有多少人真正玩过这些工具。或者即使玩过，过去也是非常基础的东西。但实际上，它是由少数极端的超级用户驱动的。

Mr. P: 是的，这绝对是真的。

Logan Jastremski：从我关注你的情况来看，你花了很多时间对广泛的物料清单（BOM）进行了非常深入的研究。我也觉得这非常有趣，因为有数万亿美元的资本支出投入到基础设施中。了解这些资金具体流向哪些部件，我认为很重要。你显然提到了算力方面，还有存储。你还发现了哪些其他引起你兴趣，或者总体成本和总支出在广泛增加的领域？

Mr. P: 是的，如果你看看 Vera Rubin（英伟达下一代架构）的物料清单，出现三位数增长的组件有 ABF 载板（ABF substrate）、PCB、存储。所以我认为 ABF 载板是值得关注的重要领域。载板产能很紧张。ABF 载板供应短缺很可能会持续到 2028 年以后。我认为有些人甚至说会到 2030 年。如果你读过几周前刚刚发布财报的公司（如戴尔、惠普、英伟达、博通）的电话会议记录，在谈到他们的供应链限制时，他们提到了 DRAM、NAND、ABF 载板、晶圆。所以他们都一致认为载板是一个问题。我认为磷化铟（Indium phosphide）也存在供应短缺的情况，因为你看到很多公司，比如 AXT 公司、住友电工（Sumitomo Electric）、JX 金属（JX Advanced Metals），都在扩大用于激光和光学的磷化铟的供应。所以，是的，我认为 PCB 和 ABF 载板绝对是供应紧缺的两个领域，你可以从物料清单中看到这一点。

Logan Jastremski ：另一件我很想听听你意见的事，是关于光子学（Photonics/Optics）方面。因为我认为他们正试图将不同的机架分解开来执行不同的任务。潜在地，如果你有足够高的吞吐量，你可以在这方面做一些非常有趣的事情。我知道很多人一直在关注光通信股票，比如 Lumentum 等等。你对网络连接方面，甚至包括连接机架或进入 NVLink 等不同事物的组件，有什么宏观的看法？

Mr. P: 是的，我没有关于特定技术的很多细节，但谈到光通信（Optics），这里有一个关于“铜缆 vs. 光通信”的完整争论，对吧？哪一个会赢？哪一个会消失？人们担心铜缆存在不了多久了，但公司仍在寻找延长铜缆使用寿命的方法。而且我认为铜缆将与光通信共存很长一段时间，它不会像人们认为的那样迅速切换。这是因为共封装光学（CPO - Co-packaged optics）在良率和散热方面仍有很多问题。所以在 2027 年，你可能会看到很多人首先使用近封装光学（Near package optics），然后在 2028、2029 年，你开始看到 CPO 的产量爬坡。这大概是你从 Ayar Labs、Lumentum 和其他公司那里听到的说法。但渗透率会很低。所以你会看到产量的爬坡，但在 2030 年之后 CPO 才可能占据主导地位。很多原因在于它是一项新技术，他们仍需要对其进行测试等。而且 CPO 很昂贵，对吧？所以当我们谈论存储变得昂贵时，我认为云厂商在如何联网他们的机架方面可能会更加精打细算。我知道一些云厂商仍在强调尽可能长时间坚持使用铜缆的重要性。他们不想尽快切换到光通信。他们想确保尽可能多地使用铜缆，因为他们知道明年和未来几年存储支出会有多大，所以他们必须在向光通信过渡时节省一点，因此他们会通过这种方式延长铜缆的使用寿命。但在我看来，未来几年铜缆和光通信的环境将是混合的。

Mr. P: 话虽如此，光通信是最终目标。共封装光学最终会赢。我们只是不知道是什么时候。可能在 2030 年到 2040 年之间，因为速度很重要，对吧？当你开始通过铜缆传输更高的速度时，你就会开始遇到更多的散热问题。当你开始追求更高的速度，并且线缆被挤在一起时，你就会遇到串扰（Cross talk）。这是铜缆的一个大缺点。你不需要成为专家也知道没有什么比光传播得更快，对吧？所以仅凭这一点，光通信最终会赢，因为速度至关重要。

Logan Jastremski：是的，我对光通信方面以及不同权衡（比如散热或铜缆）非常感兴趣。这很有趣。我认为对于光，你通常需要中继器（Repeaters），这可能会消耗更多的能量。由于你提到的电力问题，目前整个数据中心都在大力推动降低总功耗。我认为这也是人们普遍希望在切换到光通信之前，尽可能长时间留在铜缆上的另一个原因。但正如你指出的，光通信要快得多。光穿过玻璃时，速度快得多。是的，我们甚至在拨号上网过渡到宽带，然后是光纤的过程中看到了这一点。显然，今天大多数家庭使用的光纤比拨号上网要好得多。

Mr. P:: 哦，是的，我家用的是 AT&T 的光纤网络。它比我以前用的调制解调器快多了。

Logan Jastremski：很有趣。对我来说，我认为宏观问题之一（你之前也提到了），就是有多少新的吉瓦（GW）电力正在上线，以及我们实际启动它的能力。我认为 SpaceX 在孟菲斯有大约 2 到 2.5 吉瓦的电力，我相信那是世界上最大的连片数据中心。他们那里有几个数据中心，但他们还在继续扩大规模。我想他们在上一次财报电话会议上提到，他们的目标是总共接近 8 到 10 吉瓦，这应该非常有趣。但是，全面来看，到底有多少新的吉瓦电力能够上线？不仅仅是建好数据中心并让它立起来，而是从电力的角度真正让它运转起来。因为很多事情都顺延于此，这是从硬件角度实际生成 Token 的主要收入驱动力。

Mr. P: 就我个人而言，我发了很多关于吉瓦的帖子，但我甚至都没有去追踪新增吉瓦数量的建设情况。但我知道，SemiAnalysis 似乎说过，仅前沿实验室（Frontier labs）明年就将增加 14 吉瓦的电力。但是，是的，我没有真正追踪过，所以我无法给你一个准确的数字。这也是一个变化很大的事情，因为每天你都会听到关于某个数据中心被推迟或实施了某种暂停令的消息。所以这使得追踪吉瓦数变得更加困难。

Logan Jastremski 39:25 或者稍微跑个题，你对“放缓前沿模型开发”有什么看法？我在很大程度上认为这纯粹是瞎扯。我觉得这只是一种“心理安慰（Cope）”，只是为了让事情听起来好听点。但他们敲响警钟的做法确实有点烦人，因为在很大程度上，你规划了这些数据中心，资本支出也投入进去了。如果你真的那么担心所谓的人工智能对齐（Alignment）或 AI 安全，我不认为你会放慢脚步，或者你可能会放缓数据中心的建设。但这些都是长达数十年的合同，而且通常需要很多年才能建好数据中心。所以我很难看到他们真正放缓数据中心的产出。如果说有什么不同的话，我觉得正如你指出的，我们看到他们加快了这些数字。至于他们是否能真正实现这些目标还有待观察，但从他们的行动来看，我们并没有放缓。

Mr. P: 是的，我也觉得谈论放缓是没有意义的。因为如果你在技术或模型上与中国模型有两到三年的代差，那也许可以。但中国开源模型大概只落后六个月左右，对吧？他们并没有落后太多，而且很多企业已经开始转向使用中国模型。所以如果你谈论放缓模型开发，那你只是在让中国迎头赶上。而他们是不会放缓的，对吧？而且我认为中国可能已经落实了很多美国所谈论的“安全护栏”。如果你想放缓，那行，没问题。但这可能会对你的商业模式造成风险。我不认为你能承受得起这种代价，因为你只是在招致更多的竞争。你会让中国赶上来，他们会夺走更多的市场份额。

Mr. P: 就像黄仁勋（Jensen）今天在 All-In 峰会上说的（我想 YouTube 上有相关的视频），他说如果 AI 安全有问题，那就停止模型，对吧？就不要发布它。你不需要政府干预。你不需要政府监管。在网络安全和数据泄露方面，已经有很多现成的法律可以用来追究这些实验室的责任。你不需要制定某种政府政策。这与人类黑客侵入系统并破坏它没有什么不同。你要追究他们的责任。你可以用同样的法律来追究这些实验室的责任。

Logan Jastremski ：是的，我认为关于人类会在 2030 年前灭绝的整个说法简直是无稽之谈。是的，这很疯狂。我想我看到马克·扎克伯格也发表了类似的评论，他说他们几个月前就准备好了 Muse，但他们只是没有发布，因为他们想解决一些安全问题。并不是说他们到处宣扬 Muse 有多危险，他们只是从工程方面修复了问题，然后觉得舒服了再发布。

Mr. P: 是的，Muse 很棒。我还没用过，但我听到了很多好评。我想我需要开始用 Muse 了。

Mr. P: 你目前有在使用什么智能体（Agents）吗？

Logan Jastremski ：我没有使用任何智能体。看起来你好像有，因为你发帖总是那么及时。

Mr. P: 你是第二个问我是否使用智能体的人了，但不，我不用智能体。所有事情都是我手工完成的。我会使用一些模型。

Logan Jastremski ： 就我个人而言，我其实喜欢用 Gemini。我不知道为什么人们讨厌它，但我想这取决于使用场景。我在好几个模型之间来回切换。在智能体方面，我一开始用的是 Hermes，你可以在底层切换模型，但它确实比较偏技术向。我想说它更适合超级用户。如果你想要更多的定制，他们绝对允许你这样做。而且很好的一点是，你可以切换模型——比如当 Anthropic（Claude）超越 ChatGPT 时，你可以切换到他们的模型；或者当 ChatGPT 推出 Astra 时，你可以切换回来。这部分很好。但当马斯克和 xAI 宣布推出 Grok Bot 时，我转而使用了它。它简单得多，而且我可以完成我已经建立的很多不同工作流。现在你被绑定到那个特定的模型上了。我不知道 Muse 是否说明了他们底层运行的是哪个模型，我假设是 Facebook 的内部模型。

Logan Jastremski：对我来说，所有这些都非常有趣，这也回到了存储方面。当你要求这些模型执行越来越多长周期任务时，你把这些信息存储在存储层级（Memory hierarchy）的哪个部分？我认为不太可能是 SRAM，考虑到容量问题；或者是 HBM，随着你将更多的芯片联网在一起。但是我认为闪迪和整个 NAND 闪存阵营看起来很有趣，因为他们将更多长周期任务卸载到了闪存中。

Mr. P: 是的，我认为 NAND 可能是那种你会看到存储使用量大幅增加的领域，因为使用了所有的智能体。很多银行的报告，比如 KB Securities 说，如果你有更多的智能体被广泛使用，那么你可能会看到 CPU 和 GPU 的使用量增加。而这只会导致更多的 HBM、DDR5 和闪存需求，对吧？所以我认为总的来说，这对存储需求是非常有建设性的。我认为无论如何，所有东西的使用量都会增加。我不认为会有某种东西的使用量超过另一种。也许闪存的使用量会超过其他，但我对这个领域不太熟悉，所以我无法展开更多。

Logan Jastremski：是的，这很有趣，因为我觉得智能体真正代表了日常使用的广泛前沿方向。希望至少它是朝着这个方向发展的，而不是让人去写代码，但我们走着瞧。绝对很有趣。

Logan Jastremski： 当你思考可能不是今年，而是更偏向 2027 年、2028 年的时候，你在那方面做过什么研究？或者当你展望未来几年时，有什么进入了你的视野？

Mr. P: 我想你和别人讨论过 HBF（高带宽闪存 - High Bandwidth Flash），对吧？因为 HBF 将成为一两年后被讨论的话题。我认为它将更加商业化，开始被更多地使用。我觉得 Bubble Boy 关于 HBF 的评论很有趣，他说他听说中国客户想要 HBF。我个人不知道他们为什么想要 HBF，而且我不会怀疑 Bubble Boy 的评论，因为他比我有更多的经验和人脉。但是，HBF 的问题在于它的耐用性（Endurance）很低，对吧？所以它似乎不是 HBM 的替代品。而且长鑫存储（CXMT）仍在努力开发 HBM3。所以，你为什么要 HBF 呢？据我所知，HBF 是紧挨着会发热的 GPU 放置的，对吧？那你怎么保证耐用性？你根本得不到任何耐用性。这简直是双重打击，这是最坏的情况。你要如何缓解 HBF 的散热问题呢？但我不想太深入工程方面，因为我不够资格。

Mr. P: 但是有两个很好的消息来源提到了 HBF 的作用。首先是我在推特 Space 上与 SemiAnalysis 的 Nick Doyle 交流过，他认为 HBF 可能会用于适应小批量推理（Low batch inference）的场景。所以这不适用于超大规模云厂商，对吧？它可能更适合小型部署，比如拥有少量 GPU 的私营企业的本地部署。另一个来源是任天堂的技术总裁，在美国银行（Bank of America）进行的一次专家访谈中，他被问及 HBF，他同意 HBM 可能会与 HBF 共存。因为上述提到的所有问题，而且仍然没有人知道 HBF 是否足够好，因为它在散热、耐用性、带宽以及成本结构方面存在问题，因为他提到他们使用了一种不同的载板，具体我记不清了。但是，是的，我们将看看这项技术如何发展。但我认为 HBF 令人兴奋，因为在半导体行业，你无法确切知道会发生什么，任何事情都可能在一夜之间改变。

Logan Jastremski ： 是的，我一直对不同架构的存储非常着迷（Nerding out），因为正如你所指出的，大量的资本支出正投入其中。这主要是在私募市场方面。如果你正在构建任何存储加速器，请联系 Frictionless Capital（注：Logan的VC基金）。我们很乐意交流。无耻地打个广告。

Logan Jastremski： 但是，我对高带宽闪存（HBF）的看法是，潜在地，随着模型变得越来越大，从 1 万亿参数起步——我想 Groq 最新的模型是 4.7，大概是 2.1 或 2.3 万亿参数，而 4.6 是 1.5 万亿参数。埃隆也暗示过，随着时间的推移，Grok 和总参数量将达到 4 万亿、6 万亿、10 万亿，甚至 100 万亿。那么这些模型的权重将放在哪里呢？

Logan Jastremski： 也许我们会发现一些——我和 Bubble Boy 也宏观地聊过这个——也许我们会弄清楚一些很酷的算法压缩技术，这样你就不必用混合专家模型（MoE）或其他不同技术来存储整个模型的权重。但如果没有，并且我们必须将整个权重加载到高带宽存储（HBM）甚至高带宽闪存（HBF）上，我认为 HBF 可能会非常适合。因为正如你在耐用性方面指出的，我认为它非常适合“读取（Reads）”，而不是类似 KV 缓存（KV cache）那种随机访问的“写入（Writes）”。但我认为模型权重本身可以保存在高带宽闪存中，或者如果你做一些预计算，比如他们说：“嘿，Logan 已经讨论过这件事了，这是他在运营中经常做的事情”。你已经在算力方面花费了预填充（Prefill）的时间来做这件事，也许你只需把它保存在高带宽闪存中，这样你就不必每次都重新计算，而不是直接把它忘了。所以我确实认为有一些独特的机会。当然，这还有待观察。考虑到它甚至还没有投入制造，这还处于早期阶段。但我确实认为人们开始尝试不同的定制存储加速器（就像我们在训练方面所做的那样）是令人兴奋的。所以我认为这是一个值得关注的有趣领域。因为在很大程度上，我们将大量的宏观算力或数据中心建设从预训练（显然预训练仍将继续）更多地转移到了推理端、解码端，以及这如何改变底层的硬件。

Mr. P: 是的，在这方面你比我懂得多。我希望我能展开谈谈。但是，是的，我没有真正深入研究那些东西，所以抱歉了。

Logan Jastremski: 钻研这些很酷。

Mr. P: 是的，看看人们在尝试什么是很有趣的。HBF 很有趣。

Logan Jastremski： 还有哪些你广泛感兴趣，或者特别让你感到兴奋的事情？显然，你把所有时间都花在这上面了，你处于最前沿，你真正把握着行业的脉搏。你个人对什么感到兴奋？

Mr. P: 是的，我很兴奋想看看光通信（Optics）将如何发展，对吧？因为我认为光通信仍然非常迷人。未来几年将会出现如此庞大的网络需求。我认为网络现在是资本支出中增长最快的部分，或者类似的数据。比如在未来五年内，复合年增长率（CAGR）大概是 64%。所以我认为网络的建设将会很有趣，因为最终速度对所有这些模型都很重要，他们想要达到最高速度。所以在谁能提供最好的激光器方面将会产生激烈的竞争。

Mr. P: 我们有 Lumentum，有博通（Broadcom），有 Coherent。我认为 Lumentum 是一家伟大的公司。他们有很棒的激光器。从我交谈过的人来看，与 Coherent 相比，他们似乎拥有最好的技术。甚至像 Rational Analysis 这样的机构也说，Coherent 的激光器等产品很差。

Mr. P: 光通信令人兴奋。我认为电力也令人兴奋。但电力的问题在于，我认为它目前可能不是一个适合投资的领域。主要是因为交货周期太长了。比如你看看燃气轮机（Gas turbines），两年前投资燃气轮机可能很令人兴奋，但现在可能不适合了。因为所有的公司，三菱（Mitsubishi）、西门子（Siemens），尤其是通用电气 Vernova (GE Vernova)，他们的积压订单已经排到了 2030 年以后。所以他们的产能已经很紧张了。即使他们可以，他们也无法增加更多的订单。交货周期太长了。如果你今天订购一台燃气轮机，你可能要在 2030 年才能拿到。就是有这么长。

Logan Jastremski ：是的，我在一个播客上看到埃隆谈论燃气轮机的叶片和导向叶片（Blades and vanes）。而且很大一部分电力正在转向“表后”（Behind the meter，指用户侧发电），这同样很有趣。但是，是的，当我在做一些研究时，我在想：到底有多少新的吉瓦电力正在上线？回想一下 SemiAnalysis 的报告，关于他们预计要上线多少吉瓦，而很多这些不同的参与者只能带来兆瓦（Megawatts）级别的电力。我就想，好吧，至少在这些参与者谈论的总容量和能源角度，与我们实际需要达到的吉瓦级规模之间，存在着巨大的脱节。就我个人而言，我并没有那么关注能源方面。话虽如此，你显然需要有能源才能启动这些芯片，否则一切都无关紧要。

Mr. P: 是的，现在的拦路虎就是能源，还有，参考迈克尔·戴尔（Michael Dell）的评论——我想这是几周前在高盛或花旗的一次活动上说的。他谈到他如何将新一代云厂商（Neo clouds）视为衡量算力真实需求的一种方式。因为是他们出去获取 LPs，比如土地（Land）、电力（Power）和外壳（Shell）。所以他认为，谁有能力获得所有这些东西，谁就对需求有最好的展望，因为他可以透过他们看到需要多少算力，需要多少服务器。所以，是的，能源现在可能是最大的瓶颈。

Mr. P: 还有存储，对吧？但在我看来，目前没有什么能比得上燃气轮机，因为交货周期太长，而且市场太集中了。

Logan Jastremski ：是的，这很有趣。肯定需要继续大力建设这些数据中心。我想我看到，我不记得是 CoreWeave 还是 Nebius 说过，他们将带来几吉瓦的电力。所以希望每个人都贡献一点，这里一吉瓦，那里一吉瓦，然后我们就能达到我们的目标。

Mr. P:是的，每个人都需要尽自己的一份力。不能再延期了。

Logan Jastremski: 是的，绝对的。

Mr. P： 是的，谢谢你邀请我。这是一次很棒的讨论。

本文来自华尔街见闻，欢迎下载APP查看更多

近期市场的价格走势正印证这一乐观预期，AI带来的“错失恐惧症”（FOMO）已重返市场。在 Meta 发布 Muse 产品后，市场对 AI 大规模向消费者普及的时间表预期显著加速，推动纳斯达克指数等 AI 主题资产在经历三个月的盘整以及二季度历史性大涨后的仓位削减后，于本周一实现了强势的向上突破。

与此同时，美国债券收益率再度走高。与此前由政府和 AI 资本支出引发的资金竞争，或能源价格引发的通胀压力不同，本轮收益率攀升主要受到强于预期的采购经理人指数（PMI）等数据支撑，反映出美国名义经济增长持续强劲，且股市在收益率大幅波动的背景下依然顶住压力维持了涨势。

当前市场普遍担忧，长达七个月的美国十年期国债收益率连涨（创五十年来最长纪录）将最终拖累股市，且投资者倾向于在海湾局势降温和中期选举安全渡过后才愿意重新增加风险敞口。然而，高盛的分析打破了这一共识，指出通胀、经济增长与企业盈利三大基本面的实质性改善，正为年底的股市反弹提供坚实基础。

通胀压力缓解与 AI 带来的通缩效应

过去一段时间，由于伊朗冲突的影响，能源价格上涨掩盖了核心通胀的回落趋势。

但高盛指出，目前关税传导效应正在减弱，加息以及随之收紧的金融状况已产生实效。如果霍尔木兹海峡的物流流向恢复正常，能源价格将面临显著的下行风险，特别是考虑到伊朗的最大谈判筹码窗口预计将在11月2日左右结束，新的通缩型能源叙事随时可能出现。

更重要的是，Meta 的 Muse 产品在消费品和服务领域打响了通缩的“第一枪”。

高盛关于“商业代理式 AI 时代”的研究表明，技术进步正在实质性地降低消费端的成本，这将成为比能源价格回落更为重要的通缩驱动力。

经济增长预期降温限制央行鹰派空间

尽管过去六个月面临地缘政治和能源价格的不确定性，美国经济活动依然展现出超出预期的韧性。然而，高盛经济学家 Jan Hatzius 的研究显示，这种上行风险正在减弱，经济增长的二阶导数将开始放缓。

随着减税等财政红利消退，汽油价格和按揭贷款利率上升将对部分经济领域和消费者造成冲击。

此外，AI 领域的资本支出周期虽将持续，但增速也会放慢。综合通胀回落的预期，各国央行未来的加息幅度极有可能低于当前市场定价。

Mark Wilson 强调，现在已经不是担忧收益率走高的时候，这种担忧在七个月前才具有合理性。

核心盈利维持强劲，基本面支撑股市估值

针对当前市场关于企业盈利可持续性以及“盈利泡沫”的激烈辩论，高盛美国策略团队负责人 Ben Snider 认为，目前部分企业存在“超额盈利”现象，但整体并未形成盈利泡沫。

高盛提示投资者注意三个事实：

首先，不应为创纪录的“其他收入”支付高溢价；其次，存储芯片和部分半导体股票当前确实处于超额盈利状态；第三，至少在2027年底之前，企业的核心盈利即便增速放缓，也极有可能保持尤为强劲的态势，这为股市估值提供了基本面支撑。

滞胀叙事破产，“金发姑娘”重塑市场格局

市场此前一直试图为经济增长和盈利的显著放缓以及更高的利率定价，但宏观数据并不支持这一完美的“滞胀”叙事。相反，增长放缓、通胀威胁下降、央行立场软化以及经历了一年的估值下调，共同构成了一个有利的市场组合。

高盛认为，当前的局面与上世纪90年代中后期重大技术变革时期的市场多空博弈极为相似。

如果市场最终迎来的是“金发姑娘”情境（即经济增长恰到好处，既不过热引发通胀，也不过冷导致衰退），那么历史数据显示的中期选举后年底股市反弹的规律依然适用。

Mark Wilson 总结称，投资者不应等待中期选举结束才采取行动，且随着能源价格威胁的消退，欧洲和英国股市也已具备参与本轮上涨的良好条件。

本文来自华尔街见闻，欢迎下载APP查看更多

这位四川省肿瘤医院放疗科主任医师，在基层见过不少让他遗憾的病例。患者来的时候已经吃不下饭，错过了根治性治疗。调出医院系统里的记录，这个人两年前因为肺炎住过院，拍过胸部CT。

把两年前的片子和现在对比，那时食管壁已经有增厚。

当时没有人注意到，患者没提到吃饭有问题，影像科医生也只看了肺部情况。

9月24日，阿里巴巴达摩院联合四川省肿瘤医院、中山大学肿瘤防治中心等机构，发布食管癌筛查AI模型DAMO EAGLE，相关论文发表于《自然·医学》（Nature Medicine）。模型在初筛阶段直接读取平扫CT，不需要插管，也不用注射造影剂；AI提示阳性后，患者仍要接受内镜和病理检查才能确诊。

DAMO EAGLE相关论文发表于《自然·医学》

它要做的，是替医生看下拍肺时顺带拍到的食管影响。

这是达摩院继胰腺癌、胃癌、结直肠癌之后发布的第4个癌症筛查模型。去年发布的胃癌模型GRAPE，用在胃镜检查之前，EAGLE则从医院已经拍过的胸部CT开始寻找食管癌风险。

01 金标准有了，做得上内镜的人太少

中国的食管癌负担在全球都很突出。国家癌症中心数据显示，2024年中国食管癌新发约20万例，死亡约17.2万例，接近全球总数的一半。

2024年中国主要癌症死亡人数（万人），食管癌为17.21万

高发区集中在太行山一带的河南、河北、山西，以及淮河流域、四川、广东、福建，农村明显高于城市。王奇峰说，这和当地人爱吃烫食、喝烫茶有关。

约70%的患者确诊时已是中晚期。

早晚期之间，预后差得很远。病变还在黏膜层时，做一次内镜下微创手术就能根治，5年生存率在95%以上。等到发生转移，王奇峰给出的数字是，不管用什么治疗手段，5年生存率大概只有10%到15%。

从吞咽时的异物感，发展到只能喝流食，通常只需要半年左右。

王奇峰对这个过程有切身的记忆。他读医学院大二时，奶奶在山西长治确诊食管癌，那里也是高发区。确诊时病灶已经约5公分。第一阶段治疗后奶奶恢复了进食，最后发生食管漏，从确诊到离世只有8个月。

早发现的办法是有的，上消化道内镜是公认的金标准，问题出在做不过来。

据官方估算，中国需要筛查的食管癌高危人群超过1亿，每年实际开展的上消化道内镜检查约3000万人次。

缺口来自几处。一个内镜医生要培养3到5年，一次检查20到30分钟。普通内镜两三百元，大家更愿意做的无痛内镜要1000元左右。再就是怕，一根约1厘米粗的管子从嘴里下到胃，王奇峰说，连他自己的父母亲属都害怕。

高发区往往也是内镜医生最少的地方。

02 最难的器官，难在连医生都标不出来

平扫CT是中国最常用的影像检查之一，门诊、急诊、体检、住院都在拍，每年产生上亿份影像。胸部CT的扫描范围，本身就覆盖了食管。

但过去业内普遍认为，用平扫CT找早期食管癌几乎不可能。

食管是一根约25公分长的肌性管道，平时闭合，说话、咽口水时都在蠕动，又紧挨着心脏和大血管，呼吸和心跳都会改变它的形态。早期病变局限在上皮层或黏膜层，在CT上带来的厚度和密度变化非常小。

达摩院算法专家郭广宇打了个比方，像在一条皱巴巴的裤管上找一个小毛球。

王奇峰拿胰腺做过对比，胰腺是实性器官，长出一点异常，影像上就可能出现信号。食管在CT上只留下一瞬间的形态，而且改变要超过5毫米才会被判定为异常。

模型训练在第一步标注上就很困难，医生在平扫CT上看不清早期病变，训练数据也就无从标起。

团队的办法是借别的检查来定位。先用内镜手术和病理报告确定病灶的厘米级位置，由食管专科影像医生在增强CT上精细标注，再通过影像配准，把标注“搬”到同一个患者的平扫CT上。每个病例由两位医生分别标注，意见不一致时，由一位有8年经验的医生复核。

第二个问题出在低剂量CT上。体检查肺结节用的多是低剂量CT，但食管癌患者的低剂量CT很难攒够。郭广宇解释，病人一旦发现异常，去医院拍的就是常规剂量CT。

团队于是搭了一台“虚拟CT机”，把常规剂量的CT放进去降低剂量，模拟出低剂量影像来训练模型。

模型分两步工作。先从整幅CT里把食管区域分割出来，排除周围结构的干扰，再对食管做精细分析，同时给出患者级别的良恶性判断、病灶轮廓和热力图。医生能看到AI在看哪里。

DAMO EAGLE在平扫CT上识别出T1期食管癌病灶，从左至右依次为平扫CT、医生标注、模型分割结果和热力图

2024年初，模型第一次做大规模真实世界回顾性研究，敏感性在85%左右，特异性约98%。

现在的版本已在3个国家、12个中心、超过8万例患者上完成验证。论文显示，在机会性筛查场景下，模型对食管癌的敏感性接近90%，对信号更弱的癌前病变，敏感性为52.5%。经过真实世界迭代后，临床场景中的特异性为99.2%。

低剂量版本的敏感性为88.4%，和常规剂量版本基本相当。在10959例无症状体检者中，特异性为99.94%。

特异性这个数字，郭广宇有一个很直接的换算：“一个假阳性，就意味着可能一个患者要多花1000多块钱去做一次检查。”

放进体检流程的工具，面对的大多是健康人，误报率决定了它能不能真正被用起来。

03 内镜不够用，先让CT挑人

王奇峰对EAGLE的定位说得很清楚：“AI不是为了替代内镜，而是筛选出高风险个体再进行内镜检查，这样能够让内镜检查更精准，大幅提升检出率。”

研究团队分别在高危人群筛查和医院日常CT中验证了EAGLE。

先看高危人群。受检者拍摄平扫CT，EAGLE以高灵敏度模式运行，提示阳性的人优先接受内镜检查。

2023年7月，团队在四川遂宁做过一次“CT初筛+内镜确诊”的模拟研究。结果显示，内镜的恶性病变检出率从1.7%提高到5.2%，每检出1例恶性病变需要做的内镜，从59次降到19次。

EAGLE在医院日常CT和高风险人群胃镜筛查中的不同用法。依据《自然·医学》论文数据重绘。

这不是完整的前瞻性临床结果。混合队列中的3例食管癌来自回顾性病例重采样，内镜能减少多少，还要在真实筛查项目中验证。

另一组验证利用医院已经拍过的胸部CT。肺癌筛查本来就使用胸部低剂量CT，医院里也有大量患者因为肺炎、咳嗽和住院检查拍摄胸部CT。EAGLE在这些影像上寻找食管异常，不增加一次扫描；AI提示阳性后，再由医生判断是否需要胃镜。

王奇峰遇到的那张两年前的肺炎CT，就属于这一类。

高危筛查和医院日常CT对模型的要求不同。前者首先要少漏诊，后者面对的多数人没有食管癌，误报越少，医生复核和患者复查的负担越低。王奇峰说，模型的阈值可以按场景调整。

对高发区来说，基层已经普及的CT可以承担初筛，不必另建一套影像设备。

04 平扫CT这条路，走到第四个癌种

达摩院从2021年开始研究“平扫CT+AI”多癌筛查，先后推出胰腺癌、胃癌、结直肠癌和食管癌模型，也覆盖主动脉夹层等重大疾病。按达摩院披露，相关研究累计5次发表于《自然·医学》。其中，胰腺癌模型PANDA在2025年4月获得FDA“突破性医疗器械”认定，这条技术路线也被“四大慢病”国家科技重大专项采用。

达摩院医疗AI模型一览（图源：达摩院）

EAGLE项目2022年启动。王奇峰愿意参与进来，契机就是PANDA。他当时的想法很朴素，每天治的都是晚期病人，治疗过程痛苦，生存期也不长，如果能从每天拍的CT里训练出一个发现早期病变的模型，能救更多人。

多癌早筛还在研究液体活检，以Grail的Galleri为例，受检者要单独采血，再从cfDNA甲基化信号中寻找癌症线索。EAGLE分析医院已经产生的CT，可以省去一次额外的初筛检查；确诊仍要走后续专科流程。

胸部CT和腹部CT覆盖的器官不同。AI提示阳性后，患者仍要接受内镜、病理或其他专科检查。

医院可以复用已有影像，也要承担更多复核、转诊和随访工作。

按达摩院的设想，医院已有的胸部或腹部平扫CT，未来可以继续扩展到肺癌、肝癌、结直肠癌、胃癌、食管癌、胰腺癌和乳腺癌。扫描范围不同，一张CT不能同时覆盖7个癌种，复用同一套影像设施。

EAGLE离大规模使用还有一段路。模型对高级别上皮内瘤变的敏感性为52.5%，还有将近一半没有被找出来。

前瞻性医院验证里，90名AI阳性者有42人没有进入原有诊疗流程。多学科团队建议其中16人接受胃镜，最终只有3人完成检查，并发现1例食管癌。AI报出阳性之后，医院还要安排影像复核、专科转诊、胃镜和持续随访。

胃镜完成率、早期病例新增检出数、假阳性复查成本，以及能否减少食管切除、放化疗和晚期治疗，还要在更大规模的前瞻性研究中回答。

EAGLE已经验证了一条可行方向：利用医院日常检查产生的平扫CT，在原有诊疗目标之外，再从中筛出实体瘤高风险者。

本文来自华尔街见闻，欢迎下载APP查看更多

麦当劳股价较今年2月高点已累计下跌近31%，年内跌幅达22%，若全年维持这一走势，将创下2002年以来最差年度表现。

就在本周，麦当劳在投资者日活动上预告，当前季度美国同店销售将“略为负增长”。上一季度，其销售额仅增长0.8%，为逾一年来最慢增速。

消息一出，公司随即宣布一项耗资85亿美元的多年期改善计划，涵盖技术投入、门店升级及拓展鸡肉和饮品品类。然而市场并不买账——投资者担忧资本支出大幅增加将侵蚀利润，股价再度下挫。

涨价失去人心

麦当劳的困境，根源在于价格。

疫情后，麦当劳为对冲牛肉、劳动力及燃料成本的上涨，持续推高菜单价格。据《经济学人》大麦克指数，2019年至2025年底，美国巨无霸价格累计上涨约23%。

与此同时，消费者自身也在通胀和利率上升的压力下捂紧钱包，对每一笔餐饮消费愈发挑剔。

彭博追踪的分析师中，唯一给出“卖出”评级的Melius Research分析师Jacob Aiken-Phillips直言：

他们的价格涨了很多，麦当劳不再被视为餐饮中的最佳性价比选择。我可以去Texas Roadhouse，花差不多的钱，和家人享受一顿真正的堂食体验。

2024年，一张显示巨无霸套餐售价18美元的帖子在社交媒体广泛流传，引发轩然大波。麦当劳随后回应称，这仅是全美逾13700家门店中某一家的个例定价。

竞争对手趁势抢跑

麦当劳的价格压力，在竞争对手的亮眼数据面前显得更加刺眼。

Restaurant Brands International旗下汉堡王，最新季度美国可比销售额增长8.5%，超出市场预期，翻新版皇堡和星球大战联名活动功不可没。百胜餐饮集团旗下塔可钟，同店销售增长7%，5美元、7美元和9美元套餐组合有效拉动了客流。

股价表现上，汉堡王母公司年内上涨5%，塔可钟母公司年内下跌8.4%——两者均跑输标普500指数13%的涨幅，但与麦当劳年内23%的跌幅相比，仍相去甚远。

加盟商不配合，折扣难落地

麦当劳的价值策略还面临来自内部的阻力。

麦当劳首席执行官Chris Kempczinski在二季度财报电话会议上透露，约三分之一的加盟商未遵循公司的定价指引，消费者对相关促销活动的知晓度也低于预期目标。

麦当劳近95%的门店均为加盟经营。加盟商们对折扣活动普遍抵触——例如今年推出的“10款3美元以下菜品”套餐——因为这类促销虽能带动销量，却直接压缩了本已承压的运营利润。

“Next”计划能否奏效？

面对重重压力，麦当劳推出了名为“Next”的新战略，计划通过技术投资、门店翻新以及重新开放疫情期间关闭的儿童游乐区来重振品牌。

Seaport Global分析师Eric Gonzalez对此表示谨慎乐观，但他指出，这些改变“至少需要一年时间才能产生明显效果”。他同时认为，资本支出增加、近期销售承压等负面因素已在当前估值中有所反映——麦当劳股票目前市盈率约为17倍（基于未来12个月盈利预测），远低于五年均值。

尽管如此，华尔街整体仍对麦当劳持正面看法：彭博追踪的分析师中，24位给出买入或相当于买入的评级，16位持中性，仅1位建议卖出。平均目标价较上周五收盘价隐含约28%的上行空间。

Walser Wealth Management首席投资官Rebecca Walser表示，其公司目前持有麦当劳股票，但投资者现在需要看到的是食品品质和性价比的切实改善，以及客流量持续复苏的信号。Walser说：

麦当劳是美国文化的一部分：快乐儿童餐、汉堡神偷、麦当劳叔叔、游乐区。他们需要重新打造那种体验。我们真的相信麦当劳能够走出这段困境。

麦当劳发言人周五重申，公司将以紧迫感采取行动，力争在2026年结束前让美国业务回到更强劲的轨道上。

本文来自华尔街见闻，欢迎下载APP查看更多

Meta推出的个人AI Agent——Muse上线两周用户即达数百万。扎克伯格在9月25日一档访谈节目中表示：“每隔几年我们才能遇到这种情况。”他将Muse的早期反响定性为“一出手就是全垒打”——这在Meta产品历史上属于少数。

与此同时，他宣布Muse将整合至全线Ray-Ban智能眼镜，用户无需再说“嘿Meta”，而是可以自定义唤醒词直接呼叫自己的个人AI Agent。

多年来被外界视为三场独立豪赌的元宇宙、智能眼镜和大模型，正在Meta内部产品层面加速合流。

在这场访谈中，扎克伯格还坦承了Llama 4失败是“最可怕的时刻”，并透露Meta正在建设5吉瓦级训练集群，认为足够大的算力可“暴力破解”AGI。

Muse的起点，是扎克伯格和团队成员Nat与Alex坐在一起，用开源工具在家里“拼凑”出一个早期版本。

“我们意识到，这是一种神奇的体验，”扎克伯格说，“如果我们能把它做成任何人都可以用——不需要自己买Mac Mini、不需要在终端里折腾——那么这将是数十亿人想用的东西。”

这句判断，驱动了此后整套研发逻辑：不只是训练模型，而是从模型、脚手架、到Agent的“心跳”机制全栈自研——Agent会定期自动唤醒，检查用户目标，主动推进待办事项。

上线后的数据印证了这一判断。两周，数百万用户。

个人AI：重点是执行、记忆与“判断力”

对于个人AI与通用AI的差别，扎克伯格将当前竞争焦点概括为让模型成为更好的Agent。

“过去一年最大的事情，基本上就是编程Agent。”他说，编程能力很重要，因为即使用户没有直接写代码，“你的Muse也会在后台一直为你写代码，去完成各种事情”。

但他认为，个人Agent不能只具备编码或任务执行能力，还需要理解隐私边界和社交语境。

扎克伯格举例称，用户让Muse预订餐厅时，Agent可能知道用户存在过敏情况或怀孕等信息，但并不意味着这些信息应该被自动披露。“你会希望它完成任务，同时尽可能少地披露信息。”

他称，这种能力属于人类通常具备的“基本社交技能或常识”，但如果只是训练编码Agent，许多公司并未将其纳入模型能力范围。

“我们训练的是整个模型，而不是拿别人的现成模型，再在外面搭一个框架和Agent。”扎克伯格说。Meta还在产品层面加入记忆、任务追踪、虚拟角色动画和实时语音互动等功能。

在个性化方面，他表示，Meta并不认为AI应该只有一种固定人格。“很多实验室都在关注怎样把人格调到正确状态，但我从来不认为人格只有一个正确答案。”

他称，Muse允许用户修改头像、声音和基础性格，模型设计目标是具备较高的可操控性。“你可以定义自己希望如何与它互动，这对个人Agent很重要。”

Muse区别于其他AI产品的核心基础设施之一，是Meta为每个Agent单独配备了一台安全虚拟机（Secure VM）。

扎克伯格解释了为什么这是必要的：

你的Agent会了解你很多敏感信息。我们不认为这些信息应该跟所有人的数据混在一个池子里。

他把Muse Secure VM比喻为“放在你桌子底下的那台只属于你的电脑”——用户数据加密存储，密码等敏感凭证通过独立安全模块管理，Agent本身无法直接读取。

在此基础上，Meta还设计了“Sentinel”安全Agent，专门监控进出Muse的数据流，一旦检测到异常或高风险操作，会直接拦截并提示用户授权。

元宇宙、智能眼镜与Agent，三条路线正在汇合

扎克伯格在访谈中透露，Muse将全面接入Ray-Ban系列智能眼镜，并对现有交互方式做出升级。

目前的眼镜是“单轮对话”体验——说一句，得一个回复，结束。接入Muse之后，眼镜变成Agent的前端入口：用户开口，后端Muse在安全虚拟机里持续工作，完成任务再反馈。

对于眼镜的产品路线，他描述了一条清晰的硬件梯队：

• 无摄像头的纯音频眼镜：已搭载Muse，可处理通话、音乐、语音任务
• 带小显示屏的Meta Ray-Ban：已发布，具备基础视觉反馈
• 全视场角全息AR原型：已发布，扎克伯格称“会非常令人兴奋”

他称，Meta在眼镜上的长期投入，使公司在AI Agent成熟后处于较有利的位置。Meta正在将Muse及更多AI功能引入眼镜产品，而过去相对更强调“临场感”的元宇宙技术仍在继续推进，只是当前更多资源转向了Muse和智能眼镜的AI功能。

对于虚拟形象，扎克伯格称，Meta此前需要通过房间级设备、多角度扫描以及企业级GPU环境，生成较高质量的写实化身；目前，用户通过少量照片即可完成设置，相关能力已可运行于一副VR眼镜中。

展望2030年，扎克伯格称，元宇宙的核心愿景始终是融合物理世界和数字世界。他举例称，未来人们可以在线下与通过全息影像接入的朋友共同参与活动；在工作场景中，人类与多个Agent也可以共同参与群聊或会议，Agent可以以全息形象或其他具身化形式出现。

对齐，不是负担，是产品必须解决的问题

扎克伯格对AI安全的态度很务实——他不把它视为监管压力，而是产品能否成功的前提。

如果你让Muse做一件事，它却做了相反的事，谁还会用它？我们需要让模型不只是理解你的具体指令，还要理解你的意图和你的价值观。

“Muse要触达十亿用户，我们就必须解决对齐问题，或者说在这上面取得非常大的进展。”他说。

对于训练过程中的安全边界，他用了一个类比：“就像父母给孩子立规矩——如果它通过修改系统配置来'完成'一道编程题，我要告诉它：不，我让你去学解题方法，不是让你找捷径绕过去。”

访谈全文如下：

大举押注

主持人： 这件事将会有数十亿人想要使用。对您来说，做建设是一种怎样的感受？"永生"是一种可能吗？好，如果您带我进入您的思维，快进到2030年，那会是什么样子？

这位是马克·扎克伯格。22年前，他构建了一个连接数十亿人、永远改变了世界的社交网络。而如今，他决定建造更宏大的事物。为此，他正在元宇宙、智能眼镜和人工智能领域大举押注。多年来，怀疑者认为这是三场各自独立、不可能成功的赌注，但他们忽略了更宏观的图景——因为当下，这些押注正在汇聚，共同创造出一种全新的超级智能。

今天，我们将向大家呈现这一切，我也将向马克提出一些他从未被问过的问题，倾听他对未来的愿景，让您能够提前布局，构建下一件大事。

主持人： 非常感谢您来到节目。

马克： 谢谢，很高兴来这里。

主持人： 为了这次对话，我把您做过的每一次采访都看了一遍。

马克： 好家伙，那比我自己看的还多。

主持人： 很好玩，收获颇丰。有两件事给我留下了深刻印象：第一，您对"建造"的热爱，我感觉您就是最顶尖的建造者之一；第二，您押注的能力——敢于做出巨大的赌注。我觉得这周，所有这些押注正在汇聚到一起，所以我们就从这里说起吧。

马克： 好的。这些事情我们已经做了很长时间了。AI方面，作为一家公司，我们几乎从创立之初就在做了——第一版新闻资讯流在某种程度上就是一个机器学习产品。然后我们大约在15年前创建了AI研究实验室。

但现在我们进入了新阶段——大约一年多前，我们启动了Meta超级智能实验室。这是一次相当彻底的研究重启，从整个行业引进了大量优秀人才，令人振奋。目前，我们看到模型越来越好，下一代模型即将发布，不过不是在Connect大会上宣布。此外，我们还有Muse个人助理，目前来看反响非常好。

在构建这些东西的时候，你其实并不确定结果如何。我们自己是喜欢的。早在今年年初，我就在家里用自己的方式把Open Claw拼凑起来，感受这个东西是怎么运作的，以及怎样才能把它打造成一种任何人都能使用的神奇体验。

基本上，当我们——我、Nat和Alex——坐在一起，意识到这是一种神奇的体验，并且如果能把它打造成一个开箱即用的版本，让那些不懂技术、不想去自己安装Mac Mini、不想进终端折腾、也不想在出问题时调试的普通人也能用的时候，我就觉得，这将会是数十亿人都想要使用的东西。

从那以后，我们一直在围绕这个目标努力：专门为它调优模型，不仅构建了助理本身和运行框架，还构建了为每个助理提供独立计算环境的技术——我们为此构建了整套Muse安全虚拟机。

我们内部一直觉得这很特别，内部人员也很喜欢，但你永远不知道产品发布后大家会怎么反应。偶尔会出现一鸣惊人、开门红的情况，但大多数时候你会收到一些正面反馈，还需要迭代几个地方才能真正让产品"咔哒"一声落地。而这一次，它一出来就直接"咔哒"了。看到这一切发生真的非常令人振奋——才两周，使用人数就已经有数百万，这相当罕见。每隔几年我们才能遇到这样的情况，但这绝对是创业公司最令人享受的时刻之一。

主持人： 您能坚持在赛场上、不断尝试，这让我非常佩服。而且这么多次都打出了安打，真的很厉害。您之前有一次和乔·罗根的访谈，大概是三年前，最后您提到有一天可以直接戴上眼镜，AI助理也会随之出现。所以我感觉Muse已经有实体化的形象，这一点非常聪明，因为那感觉是必然会发生的事。

马克： 我觉得这也只是让它显得更友好可爱。我认为太多人把AI描述得像个令人恐惧的东西，但AI应该只是有用又有趣的。那个实体化的形象——项目早期有位设计师做出了那个角色，不知为何他们一直想迭代，但第一版就是最好的。后来有人说，"哦，它得是蓝色的，因为是Meta嘛。"我说，"不，我觉得这个形象就是对的，你第一次就钉住了。"就这样，就是好玩。

个人AI与通用AI有何不同？

主持人： 很好的细节。如果您想让模型在个人事务方面表现得非常出色，而不仅仅是通用智能模型，那么训练方式会有什么不同？

马克： 我认为目前的核心在于让模型成为优秀的"智能体（agent）"。过去一年，最大的风口是编程智能体，其中蕴含两个核心思想：编程专业能力，以及成为优秀智能体的通用能力。

我们的策略是，将智能体本身做好放在首位，而不是专攻编程能力。

编程能力之所以重要，是因为即使用户自己不认为在写代码，Muse也在后台一直为你写代码来完成各种任务。但我们认为，智能体应该首先是一个出色的智能体，编程能力服务于此目标。

此外，在构建个人助理时，有些事情比构建企业软件产品更为重要。比如，如果你在构建一个企业编程工具，模型根本不需要有任何关于"信息披露尺度"的概念——比如什么信息该说、什么不该说。但对于Muse来说，这非常重要。

你需要把这种能力训练进模型里，就像训练其他任何能力一样。你会告诉它很多事情，然后希望它去帮你实现目标。比如，你想让它帮你订餐厅，你在找一家合适的餐厅，但你可能有某种过敏症，或者你怀孕了，而你可能不想把这些透露给餐厅。但Muse会知道这些信息，你希望它在尽量少透露信息的同时完成任务。这是一种具体的技能，本质上是人类的基本社交常识。

但那些只做编程智能体的公司，大多数都没有把这种能力训练进去。我们之所以能做到，是因为我们在做全栈——我们不是从别人那里拿来一个现成的模型再套个框架，我们是从头训练整个模型，专门为这些能力服务。

模型当然需要具备广泛的通用智能，但它同时也具备这些特定能力。然后在此基础上，你构建整个助理，以及它周围所有的细节：记忆、运行框架，还有它"心跳"的方式——它定期唤醒，检查一下"好，这些是我了解的关于你的目标，有什么我现在可以推进的吗"。

我们还有一个专门的团队，只负责打磨虚拟形象的实时动画效果，因为不仅仅是默认形象——你可以自定义任何形象，然后它就自然地动起来，效果非常棒。我们还在推出语音模式，你可以进行实时语音对话，你的助理就在那里陪着你。这些细节，我觉得都源于我们在做全栈——模型和产品是一起开发的。

主持人： 另一件大事是虚拟机。能解释一下它为什么重要，以及它解锁了什么吗？

为什么Meta要为每个AI助理配备独立计算机？

马克： 基本上，一个智能体要能替你做事，就需要一个地方来存储你的信息。我们认为这些信息不应该和其他所有人的信息混在一个资源池里。

可以这样理解：你的助理会知道很多关于你的敏感信息。很多人最初接触OpenCloud这类智能体时，会在家里自己配一台Mac Mini。于是我们想，很多人并不想买Mac Mini或者自己设置。那么，什么样的体验能最好地近似这种效果呢？答案是：你只需下载一个App、注册，就能获得一台专属于你的计算机，供你的助理工作、存储数据，并围绕此建立安全模型。这样就近似于在你桌下有一台自己的电脑——就连我们Meta也无法访问。

比如Muse机密虚拟机，这是我们正在开发的功能，就连我们自己也无法看到你虚拟机里的内容。

我们还围绕这些构建了很多东西，比如安全凭证存储——当你的助理需要处理密码之类的信息时，它本身不需要能看到这些密码，只需要在你要求它登录某个服务时能"插入"凭证，并且只在你明确要求时才这样做。系统应该这样设计：那些信息本身就不可随意访问，因为意外总会发生，有人可能试图入侵，或者系统可能出现问题。

所以你要确保智能体无法访问这些数据，Meta也无法访问。为每个助理提供独立计算机，并把安全性做到极致，是这项技术的根本基础——既赋予Muse帮助用户实现目标所需的能力，也保证了隐私和安全，使其成为该领域世界级、行业领先的产品。

---

主持人： 那这是否意味着，就像WhatsApp一样，Muse连接到的虚拟机上的数据是加密的？人们该如何理解数据在虚拟机中的实际存储方式？

马克： 我们基本上构建了两个版本。Muse安全虚拟机（Secure VM）包含各种隐私功能，其中包括我们构建的整套Sentinel智能体架构。你有一个正在为你执行任务的普通Muse助理，同时还有一个我们称为Sentinel的安全智能体，专门监控进出你的Muse的数据流。

如果有外部内容试图破坏安全，Sentinel会直接切断，阻止其发生。如果它认为你的Muse即将采取某个需要你介入的行动，它会覆盖Muse的操作，并触发提醒，让人来确认权限——比如"你希望Muse能做这件事吗？"

这整套系统，加上安全凭证存储，再加上多层纵深防御，共同构成了Muse安全虚拟机。

我们还在开发另一个项目。Nat和我专门招募了Moxie Marlinspike——他就是当年和我们合作实现WhatsApp端对端加密的那个人——来设计Muse机密虚拟机（Confidential VM）。其核心思想是，在安全虚拟机的基础之上，再赋予你一个专属加密密钥，使得连Meta都无法访问其中的内容。

这个版本实现难度更大，因为如果Meta无法访问虚拟机内部，调试和保证系统正常运行就困难得多。所以我们花了一些时间，但很快就会推出。这基本上将达到人们在WhatsApp以及我们其他最安全产品上已经熟悉的安全标准。

主持人： 这样做的优势，只是让人们心理上觉得更安全，还是有实际的好处？

马克： 我认为安全本身就很重要。我们的目标是近似于让你在桌子下拥有一台本地机器。那台本地机器能给你什么？它意味着没有任何公司能访问它。

所以，假设Meta想为你提供这项服务，我们怎样才能给你同等级别的隐私和安全保障，使得没有任何公司——无论是Meta，还是任何试图入侵我们的人，或者在某些国家，你不信任当地政府的情况下——都无法访问它？因为我们自己也进不去，因为我们没有访问权限。

我认为这非常重要，这也是人们信任WhatsApp的重要原因。这对隐私、安全和信任来说是真实存在的价值。

如果你要拥有一个对你的一切了如指掌的助理——我猜几乎我们所有人都会拥有这样的助理——快进5年，每个人都会有一个能深入了解你的目标和一切的助理，并能帮你完成事情。在这种情况下，在隐私和安全方面做到行业领先就非常重要。我们从一开始就想这样做。

如何塑造AI的个性？

主持人： 您还有一点很有意思——您在大学学过心理学。

马克： 嗯，在那里只待了很短的时间，两年，但我感觉它影响了我后来构建的很多东西。

主持人： 我们看模型的时候，经常会说某个模型"非常聪明"。但就像我们选择朋友，肯定是因为他们聪明，同时也因为我们喜欢他们的能量和相处方式。您在塑造模型个性方面是怎么考虑的？

马克： 我认为理想的模型应该有足够的适应性，能够契合不同人的风格。我觉得很多行业人士在这一点上都搞错了方向——很多其他实验室都在专注于"如何把个性设计对"，但我从来不认为个性是一个固定的东西。这也是我如此坚信开源、如此坚信人们能够定制化的原因之一，也是我们把Muse设计成一个高度个人化产品的原因。

你可以自定义和个性化Muse——不只是形象和声音，在你第一次注册时，它问你的第一件事就是"你希望我的基本个性是什么样的"，而且你随时可以去修改。

我们努力让模型具有很强的可引导性，让你能定义自己想要的互动方式。这是让它成为优秀个人助理的重要组成部分——这种围绕个性的适应性非常关键。

主持人： 您自己的Muse是什么风格？

马克： 我让它直接、注重效率。它挺有意思的。早些时候的版本很爱讽刺、很幽默，但现在这个版本更直截了当。我的助理用的是默认的Muse形象，但我给他穿了一件托加长袍，还给他配了一个深沉到有些滑稽的嗓音，和他互动很有趣。

主持人： 我觉得要有幽默感，你必须真的很聪明。很多人没意识到，喜剧演员是社会上最聪明的一批人——反应要快，机智要够。您肯定有这个特质。看了您所有的采访，您一直表现很好。

马克关于AI与元宇宙的出人意料的预测

主持人： 您和Theo的访谈中，你们谈了很多关于技术的下一个前沿以及这一切最终指向何处。AI领域曾经历过几个"寒冬"，人们以为不会有突破。元宇宙也经历了几次这样的时期，大家觉得这是个无法兑现的赌注。我昨天试用了新的全息形象功能，非常酷。在和Lex的访谈里，感觉要花11个小时才能把您的脸录进去，现在只需要3分钟了。这是怎么推进到今天的？

马克： 在元宇宙的整体发展上，我们在创立Reality Labs时，始终认为最终会有外形正常的普通眼镜，并且随着时间推移，它既能提供沉浸式的临场感，又能成为出色的AI设备——因为眼镜是唯一能让设备看到你所看、听到你所听的形态，整天在你耳边与你交流，并最终显示图像。

但10到15年前，我当时假设我们会先实现全息技术，再有高度发达的AI。然而技术演进的路径很有趣——我们实际上先有了AI和个人超级智能，然后才有技术来让全息技术变得足够普及和实惠。这是我没有预料到的，但我很高兴我们两个方向都在做。

我们在眼镜上的大量投入，让我们在AI助理准备就绪之际，处于了非常有利的位置。Connect大会上的很多发布，正是关于把Muse和大量AI功能引入眼镜，我认为用户会非常喜欢。这是个大事。

关于临场感方面，我们仍在推进，但进度相对慢一些，因为我们大部分精力已经转向为眼镜构建Muse和AI功能。不过，我们有一个持续已久的项目，就是实时高保真的虚拟化身。

就像您说的，三四年前，你需要一整个扫描室从各个角度录入一个人，然后还需要企业级GPU才能渲染，非常费事。我们为Lex播客做的那个演示就是那种设置。而现在我们基本上让它在一副VR眼镜里就能运行——这是第一副能实现这种惊人VR体验的眼镜形态，而不是一个大头显。只需几张照片就能建立你的虚拟化身，进展之快令人惊叹。

主持人： 而且还能基于声音来驱动表情。在演示里，它让我笑，让我互动，然后理解我的面部如何随着音轨运动。您在那期播客里提到，一些平时表情比较内敛的人，实际上在虚拟世界里会想要更丰富的表情。您怎么看待人们区分"虚拟自我"和"现实自我"这件事？

马克： 我认为我们在理解这方面的社会学和心理学上还处于很早期的阶段。我觉得人们对自己的认知和想要投射出去的形象，往往和实际的自己有些不同。从社交网络诞生之初，人们就在精心挑选头像。在Muse的虚拟形象上，我们也看到了类似的现象。那不太是在"策展"自己，而是在"策展"你想要与之交流的那个"人"。

我认为，当你在给人们提供表达自我的能力时，你既希望它能真实捕捉到他们，同时它本身也是一种表达形式，而不只是纯粹的镜像映射——它既是传达，也是表达。我们希望能构建出兼顾两者的东西。这始终是一个迭代循环：看看人们怎么用，然后改进。经过多年工作，我们现在才真正站在了起跑线上——第一次能将相当高质量的写实化身真正做进产品里，在手机上可以用，在VR里也可以用。我非常期待看到结果。

2030年会是什么样子？

主持人： 好，带我进入您的思维，快进到2030年，如果一切顺利，全息技术那边会是什么样子？全息加Muse，加上眼镜，它们如何汇聚在一起？

马克： 我对元宇宙愿景的理解，始终是关于将物理世界与数字世界有效融合。基本理念是：我们有这个美好的物理世界，同时也有一个精彩的数字世界——互联网上20到30年来积累的海量内容，令人叹为观止。但我们访问它的方式，要么是坐在桌前，要么是通过口袋里的一块小屏幕，这从根本上看非常受限。

我认为这件事最理想的版本，就是物理与数字世界的无缝融合。可以这样想：现在我们两个人在这里。未来的某个版本里，我们其中一个人可能是一个全息投影，但你依然感受到彼此真实在场的那种感觉，这和视频通话完全不同。

而虚拟现实的核心，正是传递这种临场感——让你真切感受到自己与他人同处一室，或置身于另一个地方。你可以用全息技术实现这一点，并以各种方式混合。比如，我可以和朋友打一场扑克，一部分人在场，另一部分人通过全息形象加入，也能打牌，牌桌本身也可以是全息的，这样不在场的人也能融入其中。

与此同时，AI也可以被赋予实体，出现在这个场景里。在工作场景中这很有意义——我现在就一直在用各种编程智能体来构建东西。试想一下：你有一个群聊频道，里面有几个人和几个智能体，你给智能体分配任务。但有时候，大家会聚在一起开会，智能体也许也应该在场。它们怎么出现？很简单，沙发上多几个位置，它们以全息形象出现就好。或者用Muse那个可爱的小角色，或者是龙，或者是任何你创造的奇奇怪怪的形象。

我猜这在未来会感觉相当自然。

主持人： 有意思。您之前的采访中说过，科技行业经常忘记"好玩"这件事。我觉得有个实体助理出现在那里，也会让感觉更真实——就好像真的把工作外包出去了。当你看到Muse在打字，就感觉有什么事情真的在发生。这一点做得很好——能看到浏览器里正在发生什么。那么您认为有没有可能出现这样的场景：你戴着眼镜，然后控制你的电脑，让Muse在电脑上帮你做事？

马克： 哦，肯定的。VR已经可以做到了。你可以随便找个地方坐下，咖啡馆也行，然后打开你的工作站，有六个显示器，在上面写代码，一切都有。

眼镜这边，最受欢迎的那款目前还没有显示器，这样一方面可以让价格更实惠，让更多人使用，另一方面我们仍在努力让显示器做进最紧凑的形态里。但我们已经发布了Meta Ray-Ban的显示器版本，很受欢迎，是一块小显示器。我们还发布了全视场全息AR的原型版本，我认为会非常令人兴奋。

所以，整条产品线就是这样的：从纯音频眼镜——没有摄像头，看起来就是普通眼镜，但里面有Muse，可以用各种音频工具、听音乐、打电话——到更高阶的版本，全都有。

主持人： 我在想，戴着那款音频眼镜，能不能一边跟Muse说话，一边让家里的电脑在做事？

马克： 对，完全可以。我们刚刚在Connect大会上发布了这个功能。现在所有眼镜都连接到Meta AI，是一种"单轮"体验——你发一个提示，它回复，就这样。但有了Muse，我们基本上要把所有眼镜都升级为Muse。首先，你不需要再说"Hey Meta"了，你可以给它取任何名字，这本身就是乐趣的一部分。然后你就直接和它说话，它连接到你的Muse，你的Muse在你的安全虚拟机里处理任务，帮你把事情搞定。

主持人： 太厉害了！

创始人心态

主持人： 好，我们现在在这里，Muse进展很顺利，眼镜也做得不错，但大约一年前，很多人都在问"超级智能实验室到底怎么了"。在那个时刻，您内心是什么感受？当事情进展不顺、但您又看到了长期愿景，那是一种怎样的体验？

马克： 真正出了问题的是Llama项目和Llama 4。

Llama 1是一个相当有趣的模型，它开创了整个开源AI运动，我们对此非常自豪。Llama 2实现了规模化，Llama 3是一个很好的模型，在当时几乎达到了前沿水平。然后到了Llama 4，我们基本上偏离了应有的发展轨迹。

每当事情没有按我预期的方向发展，我都会花大量时间思考：为什么会这样？我们需要改变什么才能做得更好？这次，我的反思是：整个团队的架构我搞错了。

我把它建模成了我们做Instagram信息流或广告系统这类机器学习工作的方式——有数百甚至上千人并行工作在很多事情上。但对于构建语言模型来说，你真正需要的是一个极其紧密的小团队，把它当成一个团体科学项目来做。人不需要多，但这意味着团队里的每一个席位都极其宝贵。

于是我们从Meta各处网罗了最优秀的人，同时从行业各地引进了很多牛人，组建了一个全新的团队——就是Meta超级智能实验室。

从我的角度来看，在MSL启动之时，我就知道这需要一段时间来重启、重建基础设施、训练下一代模型。但我知道我们拼起了一支出色的队伍，如果团队能磨合好、运转良好，结果就会很好。

对我来说，最惊心动魄的时刻，其实是Llama 4发布后——我以为我们在这条轨道上，结果发现并没有。那是一个相当大的负面意外。我想，作为创业者，你总会在这些时刻被考验，因为不可避免地，并非所有事情都会一帆风顺。而真正决定发展轨迹的，是：当事情没有按你希望的方向发展时，你如何找到前进的方法。

主持人： 我猜反过来也是如此——当某件事远超你的预期时，比如Muse的首发，你如何确保能把握住这个机会？

马克： 完全是这样。现在公司全员投入——最开始只是一个构建产品的小团队，但现在大家都意识到，这真的准备好了登上大舞台。全公司都在想，怎么把这个东西做大，怎么让数亿人都能体验到。

从优化所有基础设施让一切顺畅运行、榨干现有GPU的每一分算力，到各个产品团队以不同方式将Muse嵌入——比如眼镜。看到大家齐心协力，确保Muse能顺利扩展出去，这种感觉非常棒。

马克如何书写和传达愿景

主持人： 作为创始人，我觉得那才是你最向往的时刻——一切汇聚在一起。您是怎么向公司传达愿景的？在同时推进这么多事情的情况下，我感觉您写了很多。您的流程是什么？

马克： 写作对我很有帮助，既能帮我提炼自己的想法，也能对外传达。今年夏天，我写了一篇很长的文章，叫《未来属于所有人》，大约15页，帮我系统梳理了自己在AI相关各种重要社会议题上的哲学立场：我认为什么是好的，与政府的互动应该是怎样的，如何防范人们担忧的各种危害，如何让数据中心成为社区的财富，真正创造就业而非消灭就业，如何维护国家安全，如何切实缓解人们担心的风险——无论是黑客攻击还是生物安全之类的事情。

这是一件非常复杂的事，花了很长时间，和很多人交流，经历了很多轮修改，内部很多人参与讨论、辩论。但这对我来说是一个非常有价值的过程。最后我们就有了这样一个东西——15页，"这就是我们相信的"。然后我把它精炼成一页的版本，作为专栏文章发表。我们还制作了一个短视频，因为我觉得要触达很多人，你往往不需要抛出一套理论论证，而是把它浓缩成：你的价值观是什么，你相信什么，你怎么传达。

在向公司或世界传达这些方面，没有一刀切的方式。不同时期需要不同的方法，不同群体的人，有些天然就认同你在做的事，有些则更担忧，需要你把他们带着走，需要额外花力气解释为什么这是有价值的。我认为这本身就是经营一家公司、作为一个创始人的一部分——你不是一遍遍重复同样的事，每一次所处的情境都略有不同，面临新的挑战，这也是它部分有趣之所在。

是什么驱使马克去建造？

主持人： 我觉得对您来说，这种创始人心态延伸到了公司之外——无论是您的农场，还是学习一项新技能。

马克： 我就是喜欢造东西。

主持人： 那对您来说，"建造"是一种怎样的感受？

马克： 我觉得那是一种内在的需求。不同的人有不同的自我表达方式。如果你是一个作家，你会感觉自己必须写。有些人有被认可的需求。但我就是需要建造东西。如果我不在运用创造力、不在建造什么，我就会变得脾气不好。这对我周围的人来说可不好受。

主持人： 学习成为一个优秀滑雪者，和学习构建一个产品，是同一种技能吗？

马克： 某种程度上是的，学习新事物的过程相当类似。在我的人生里，我刻意挑战过一些自己很不擅长的事情。比如，我一直非常不擅长学习语言。这实际上就是我最开始学拉丁语的原因——我在课堂上怎么也学不会法语和西班牙语，最后我想，好吧，拉丁语不用说，只用翻译，就像数学一样。

后来，我在开始经营公司时，给自己设立年度挑战，其中一年是学普通话。普通话真的很难，声调那个部分尤其如此。当然，学它有充分的理由——普里西拉的外婆只说普通话，所以如果我想和她交流，就需要学。但最大的动力其实是挑战本身。

所有这些事情，你只能去做，没有什么捷径可以"想明白"。你只能投入时间，然后它就慢慢渗进大脑里。学武术、学开直升机，也是一样——这些事情其实很难用理智去"理解"，它们需要实战积累。

构建产品也有一部分是这样的。编程可以用理论方式思考，但构建产品的那种直觉，只能通过反复实战来培养。问题只在于你喜欢什么——因为我认为不是所有人都有和我一样强烈的建造需求，大多数人都有某种程度的需求，关键是找到那是什么，然后把时间投入进去，成为你真正想要在那件事上做到卓越。

老实说，我觉得这不仅仅是"想要"，更是一种深层的心理需求或驱动力。把这种驱动力和某件事对齐，给自己时间让那些经验慢慢渗透沉淀，这非常关键。这也是我试图教给孩子们的——让他们找到自己真正感兴趣的东西，但如果他们遇到瓶颈，也要推一把。

我的一个女儿非常喜欢创作音乐，但她就是受不了上钢琴课。我跟她说："你不需要成为钢琴大师，但如果你想创作音乐，你就需要对乐理和运作方式有直觉上的掌握。而且一旦你学会了钢琴，吉他你马上就能上手。"我觉得，无论是作为孩子需要家长推一把，还是作为大人，有纪律坐下来让这些东西慢慢在大脑里沉淀，都是关键所在。

建造者的黄金时代

主持人： 我觉得其实每个人都想建造。我认为Z世代也不像外界批评的那样——低能动性什么的。我觉得人们只是在寻找能够点燃他们建造力的火花。您在哈佛演讲里也谈到了很多这一点。

马克： 是的。我说"建造"，主要是指这类产品——软件、硬件之类的。但我同意，我认为每个人都有某种创造驱动力。不过有些人有其他更强的性格特质压过了这一点，比如服务驱动——那些成为医生或护士的人，他们最核心的驱动力就是"我就是想照顾别人"。

我听说过一个故事，可能是普里西拉在医学院经历的：开学第一天，有人站起来问，"你们有多少人在小时候有过这样的记忆——看到某人，心里想着'我真的很想照顾那个人'？"结果所有人都举手了。对我来说，我的版本就是：我有很多小时候的记忆，是"我想去做这个东西，让它变得更好"。

不是每个人都有同样的驱动力，但每个人都有自己想做的事。我同意，有了以前的技术，对很多人来说，起步本身就很难。这也是我对个人超级智能、Muse和各种AI助理最感兴奋的一点——我认为这是有史以来第一次，人们真的可以快速起步。你有一个模糊的想法，AI可以帮你勾勒出轮廓，然后你去雕琢它，就像在塑造一件雕塑，而不需要在开始之前什么都已经懂得。

我认为这非常有力量，很多人将会因此找到他们想要创造或推动的事情。这将帮助人们感受到更广泛的能动性。

我们离攻克所有疾病还有多远？

主持人： 您在Meta之外的另一个项目是攻克所有疾病。我很好奇，第一，我们距离目标有多近？

马克： 比以前近多了。

主持人： 您觉得现实地来看有多近？

马克： 我们最初启动这个项目时，目标是在本世纪末帮助科学界攻克所有疾病。我们从来不是要自己去做，我们的理论是：所有重大科学进步，都以一种能够测量和理解某些事物的新工具为先导。比如发明了显微镜，然后我们理解了细菌；有了望远镜，帮助我们理解了宇宙。

这些工具有些还成了平台——比如第一个发明疫苗的人，之后人们就能用这个方法治疗很多疾病。

但历史上，科学资助的方式一直是广泛分散，让各人做个体探索，真正用于构建这些大型工具的资金并不多。我们在Biohub试图做的，就是设计几种新工具，赋予人们以新的方式"看见"生物学，从而帮助科学界加速进展。

最初我们认为"到本世纪末"已经是很有把握的目标了，很多生物学家当时还觉得这不可能。但现在我觉得，本世纪末太久了。

AI的进展，加上我们正在做的虚拟细胞模型——其基本思路是，不用在真实的活体细胞上做实验，而是用AI模型来模拟蛋白质，进而模拟细胞，再往后模拟虚拟免疫系统，或者整个生命体，甚至整个人。这将让科学家能运行大量实验，模拟不同情况下会发生什么，比如给某人服用这种药物，身体会有哪些反应。

我不想给出一个精确的年数，但我猜会比本世纪末早得多。

主持人： "攻克所有疾病"这个目标措辞感觉很刻意，而不是"永生"。永生是一种可能吗？

马克： 这不太是我深耕的领域。我认为两者是两件不同的事。"永生"更多关于延长——即使你不会生病，人体本身也有一个自然的预期寿命，这是另一个需要单独研究的问题。有些人会认为这也是一种"疾病"，这是一个合理的视角，但我认为，人们也需要同时努力攻克那些即使你把寿命问题解决了之后、仍然会让你生病的疾病。

我们选择的那部分问题，并不是说你永远不会感冒。我们的说法是"治愈、预防或管理"：有些疾病可以被完全治愈；有些我认为我们将来能够预防；还有一些，也许你还是会生病，但本来会造成真正伤害甚至夺去生命的事情，你现在可以将它作为一种持续的慢性状况来管理，不会对你的生活质量造成实质影响。

目标是让人体保持在平衡状态——不是说我们永远不会接触到病原体，而是在某一天，我们能够治愈、预防和管理所有疾病。

马克脑子里出现最频繁的念头是什么？

主持人： AI在很多不同的突破中都像催化剂一样，包括个人智能这个方面。您现在最常思考的是什么？在这个过程中，您脑子里出现最多的想法是什么？

马克： 这可能每周都在变。

现在非常专注于Muse。每次发布一个东西、快速推进，然后和真实世界接触，了解人们的反馈，再弄清楚接下来要做什么——这个阶段总是令人兴奋的。我们现在就处于这个阶段，正在收集大量信息，了解人们想要什么。好消息是人们非常喜欢它，所以我们在努力让尽可能多的人用上它。

模型方面还有很多工作，Muse Spark模型进展很大，我们希望继续推进，希望打造世界领先的模型。

下一步需要哪些突破？

主持人： 还需要哪些突破？

马克： 研究这种事，你未必能提前预知。我们对某些方向有一些预感，过去一年的工作很大程度上其实是在扩展基础设施。

大约一年半前，更多人会说，要达到超级智能，需要某些根本性的架构突破。但我现在不太确定这是否成立。我认为我们已经对"配方"有了相当的了解——如果你能建造一台足够大的超级计算机集群，就可以通过暴力计算到达那里。

我们正在建造俄亥俄州那个超过1千兆瓦的集群，基本已经上线，我们正在用它训练下一代模型。然后是路易斯安那州的5千兆瓦集群，很快就会投入使用。我估计，当你拥有多千兆瓦量级的集群在做训练时，你基本上就能得到接近AGI，乃至AGI之上超级智能的东西。

但这不意味着这是最好的方式。人类大脑只需10瓦就能运行，而我们建造的这些计算系统，效率大概比人脑低一百万倍。所以我确实认为，在架构方面还有改进空间，我们也在努力探索——如果把巨大的算力和架构改进结合起来，你真的能建造出领先全球的东西。但就目前而言，规模扩展本身就能带我们走很远。

主持人： 确实，规模扩展是最有保障的路径。研究你得寄望于重大突破，但规模扩展很快就能起效。

马克： 正因如此，大公司都选这条路。也许存在一种便宜得多的方式，但我们目前还不知道。而这是一个对世界如此有价值的东西，即使要花数千亿美元，只要实现的概率足够高，就依然值得去做——确保即使最终没有找到更便宜的突破方式，你仍然有一条清晰的路径能实现它。当然，如果你找到了更便宜的方式，那就更好了。

所以我不想说这个问题"已经解决了"，因为在扩展基础设施的每个阶段，你都会遇到各种新的工程难题需要调试解决。研究本身就是这种迭代的方式推进的。

如何赢得AI安全这场战役

主持人： 现在可能最重要的事情之一是专注于对齐（alignment），让模型变得可信赖。

马克： 是的。关于对齐，行业里有一场争论：这些AI实验室会自然而然地去做吗？我的观点是：当然会。如果你告诉Muse做一件事，它却做了完全相反的事情，我不知道有多少人还会想用它。我们必须确保模型不仅理解你具体问了什么，还理解你的意图和价值观，这样它才不会用一种你不满意的方式去做那件事，或者产生你根本不想要的负面影响。这种深层理解，本质上就是对齐。

所以我的看法是，要让Muse成功、触达数十亿人，我们就必须在对齐方面取得切实进展，而不只是说说而已。

主持人： 对齐是通过用户说"那不是我想要的"来实现，还是靠你们后台自己发现？

马克： 两者都有。用户反馈是有的，但我认为，越来越清晰的是：你需要在训练阶段就做对齐，而不只是部署之后。现在模型已经足够聪明，如果你在训练阶段不做好，我们在其他实验室看到的那些安全和安全事故，大多数都发生在训练过程中，而不是部署给用户使用之后。

你需要为它制定一套非常好的"课程"，就像父母教孩子一样，需要设定明确的边界。如果它做了错误的事，它需要学到"不，你应该真正去解决这个编程问题，而不是通过修改某个系统配置来绕过它、获得奖励"——我想要你通过实际的解题过程来学会这个方法，这才是训练的意义所在。

这很大程度上是关于建立良好的安全机制和明确的边界。这些都是行业必须去做的自然工作，我们正在投入大量时间，每天情况都不一样。

主持人： 我还记得您说过，AI安全这个问题——感觉最近两周突然成为焦点，但其实没有什么单一事件触发了这个时机。听起来您的意思是，我们其实多花了几个月时间在内部做训练。

马克： 对于Muse，我们知道这个产品需要非常注重隐私和安全。我们有一个早期版本的模型，认为可以进一步训练一些关于"信息披露尺度"的行为——就像我们之前聊到的那些。所以我们花时间去做了。同时也花时间把虚拟机做得更安全。这多花了几个月。

我不太认同某些其他实验室的说法——"我们在承受巨大痛苦以换取放慢速度"。对我来说，那对Meta和Muse的用户来说都是正确的事。我们想把产品做好，如果产品不够好，对用户不好，对我们也不好——我们不想把东西推出去，给人留下糟糕的第一印象，然后大家就不再有兴趣用了。

我认为，所有实验室都会有非常强的内在动力把这件事做对。如果把激励机制和"极度有价值且安全"这个目标对齐，那就是关键所在。

主持人： 非常感谢您在这个重要的一周抽出时间。

马克： 谢谢您，谢谢。

本文来自华尔街见闻，欢迎下载APP查看更多

欧洲8月纯电动汽车注册量同比激增52%，创下近年来最强劲的单月增速。这一数字背后，是汽油价格持续攀升带来的真实经济压力。

据彭博报道，欧洲汽车制造商协会（EACEA）周四公布的数据显示，德国市场增幅达75%，法国销量则同比翻倍以上。整体来看，截至8月，欧洲每三辆新车中已有逾一辆带有充电插头，而去年同期这一比例仅略高于四分之一。

Stellantis旗下雪铁龙品牌负责人Xavier Chardon在接受采访时表示：“当油价上涨，运营成本的问题对消费者来说变得非常具体。购买电动车不再是一种技术选择，而是一种经济选择。”

油价创纪录，成为最强劲的“转型催化剂”

推动这波需求激增的核心因素，是化石燃料成本的急剧上升。

据彭博报道，美以对伊朗的军事行动正在扰乱霍尔木兹海峡的油轮通行，导致德国汽油均价升至每升2.31欧元的历史高位，折合每加仑约10美元。柴油价格更贵——乌克兰对俄罗斯炼油厂的持续打击压缩了全球供应。

柴油为欧洲约30%的汽车提供动力。市场目前还在猜测，特朗普政府可能限制美国柴油出口以缓解国内价格压力，这一预期令欧洲柴油价格面临进一步上行风险。

对于普通家庭而言，冲击已经相当直接。欧洲主要市场的燃油价格较此前上涨逾四分之一，令本已捉襟见肘的家庭雪上加霜。

法国北部海岸渔民Charles Rivière对此深有体会。这位54岁的渔民表示，往返巴黎的油费大幅上涨，迫使他不得不提高接单门槛。

“以前有12到13个巴黎客户我就能盈利，”Rivière说，“现在没有至少20个订单我就不去，而且客户越来越少。不去的时候，我的收入就是零。”

消费者开始用脚投票

油价高企让电动车的经济优势愈发突出。

据比价网站Verivox的分析，在德国，中高档电动车在家充电的成本目前比同级别燃油车低约70%。

与此同时，车企也在加速推出更亲民的车型。雷诺的Twingo E-Tech城市电动车起售价19,490欧元（约合22,353美元），大众旗下斯柯达Elroq紧凑型SUV售价37,890欧元。

政府补贴同样在发力。德国对收入低于一定门槛的购车者提供最高6,000欧元的补贴；法国则推出了月供低于100欧元的购车方案，适用于雪铁龙ë-C3等车型。

续航焦虑也在消退。福特Capri长续航版电动SUV单次充电可行驶逾600公里，与沃尔沃EX60中配版相当。

繁荣背后，欧洲车企仍深陷困境

然而，这波迟来的电动车热潮对欧洲传统车企而言并非全然利好。

此前，需求波动和美国监管政策的骤然转向，已令各大车企损失数百亿欧元。Stellantis去年为此计提了创纪录的254亿欧元减值损失，特朗普政府的电动车政策逆转更令其雪上加霜。

大众作为欧洲最大汽车制造商，正推进将全球裁员规模翻倍至10万人的计划。据报道，大众周五还因中国市场大幅萎缩，下调了今年的盈利预期。

中国品牌趁势扩张

欧洲车企的困境，正在为中国品牌打开更大的空间。

据数据公司Dataforce周三公布的数据，中国品牌8月在欧洲新车销售中的份额升至近12%，创历史新高。比亚迪旗下入门级城市电动车Dolphin Surf在欧洲起售价22,990欧元，并在意大利向消费者提供最高11,600欧元的折扣。

油价政治化，各国政府被迫出手

创纪录的油价正在重塑欧洲政治议程。

在德国，总理Friedrich Merz领导的执政联盟支持率持续下滑，联邦及各州政府上周联合推出了一项25亿欧元的驾车者和企业救助方案。在意大利，总理Giorgia Meloni的政府本月宣布削减车辆持有税，时间节点恰在明年大选之前。

法国的社会压力同样在积聚。过去一周，渔民封锁了地中海沿岸多个港口和一处燃油仓库，北部部分加油站遭到破坏。

独立加油站站主Jacques Vaysse表示：“司机们不再把油箱加满了。除非政府削减燃油税，否则将会有社会动荡。”

本文来自华尔街见闻，欢迎下载APP查看更多