美国参议院周四以微弱劣势否决了一项要求终止对伊战争的决议，但围绕这场冲突的政治裂痕正在共和党内部加速扩大。

周四，参议院以微弱优势否决了一项要求结束美国与伊朗战争的法案。表决结果为49票赞成、50票反对。

这项依据《战争权力法》提出的"共同决议"不具法律效力，无需总统签署，因此本质上属于象征性表态。

然而，全美平均油价已攀升至每加仑4.48美元，持续的经济压力正将这场战争推向中期选举的政治核心，令执政共和党人左右为难。

随着期中选举进入倒计时不足六周，部分共和党议员开始公开与特朗普政府切割，转而呼吁结束战争以平息选民对高油价的不满。这一动向显示，战争的经济代价正从政策争议演变为选举变量。

本次表决中，共和党内有四名参议员投票支持该决议，分别为来自北卡罗来纳州的Thom Tillis、缅因州的Susan Collins、阿拉斯加州的Lisa Murkowski，以及肯塔基州的Rand Paul。

民主党方面，宾夕法尼亚州参议员John Fetterman是唯一投下反对票的成员。

马里兰州民主党参议员Angela Alsobrooks未能参与投票。其发言人Meredith Happy表示，Alsobrooks当天因紧急家庭事务无法出席，但她此前已13次投票支持结束对伊战争。

值得注意的是，即便Alsobrooks出席并投下赞成票，决议仍将以50对50平局收场，并依规则遭到否决。

主导这一系列立法推动的弗吉尼亚州民主党参议员Tim Kaine表示，特朗普总统目前"正在违反宪法、《战争权力法》以及国会已通过的共同决议"。

他指出，参议院此前已通过过一项类似决议，但白宫以《战争权力法》违宪为由予以忽视。

这项"共同决议"走的是无需总统签署即可生效的程序路径，且在参议院只需50票即可通过，门槛低于普通立法。

民主党推动者认为，宣战权依据宪法归属国会，总统无论是否在决议上签字，均须遵从国会的明确反对。该决议已于今年7月在众议院获得通过。

Kaine表示，随着政府一再推迟就战争寻求国会授权，反战阵营在近期数次表决中看到了共和党支持率的上升趋势。他说：

美国公众对这场战争的反对情绪只增不减，我们希望随着时间推移，会有更多人加入我们。

根据美国汽车协会（AAA）数据，目前全美汽油平均价格为每加仑4.48美元，自冲突爆发以来持续走高。

近期，柴油价格的急剧攀升已开始对农民和卡车司机造成实质性冲击，中西部各州的共和党议员对此表达了明显担忧。

选举压力正在改变部分议员的政治算计。北达科他州共和党参议员Kevin Cramer坦言，在经济焦虑情绪弥漫的选民面前，共和党人很难拿出有说服力的执政成绩。他说：

问题在于，你最近为选民做的事情几乎不算数。

美国国会议员预计将在整个10月投身竞选活动，如何向选民解释自己为压低油价采取了哪些行动，将成为共和党候选人难以回避的考题。

本文来自华尔街见闻，欢迎下载APP查看更多

30年期美债收益率触及2004年以来最高水平，10年期收益率升破5.2%，2007年来首次。受此拖累，标普500指数收盘基本持平，但内部结构分化明显，多数成分股下跌。

布伦特原油结算价维持在每桶107美元附近，此前曾因有报道称美国与伊朗正就重开霍尔木兹海峡探索阶段性协议而短暂回落，但随即遭伊朗方面否认，油价随即反弹。

货币市场目前已完全计价未来一年内三次加息预期。多位美联储官员相继发表鹰派言论，强调可能需要进一步收紧政策，以确保通胀回归目标水平。油价上涨、债券波动加剧与融资成本上升的共振效应，正在对风险资产构成愈发显著的压力。

周四美债再遭抛售，长端收益率刷新逾二十年高点。

美国财政部当天规模仅40亿美元的债券回购远低于市场预期，与此前已令市场失望的5年期和7年期国债拍卖共同形成负面共振，将收益率推至日内高点。

30年期美债收益率单日上行7个基点，正逼近2004年高点，若突破则将回溯至2001年水平。

10年期收益率上行8个基点至5.20%，为2007年以来首次，接近市场普遍认为对股市构成实质压力的关键阈值。

相比之下，2年期收益率仅上行约1.5个基点，收益率曲线呈现熊市陡峭化特征。

据彭博，债市隐含波动率已急剧攀升，且一年来首度超越股市波动率水平。Edward Jones的Angelo Kourkafas指出，收益率快速上行与债市波动加剧，正在对股票市场形成"更为显著的阻力"。

多位联储官员周四先后发表表态，进一步强化了市场对追加紧缩的预期。

费城联储主席Anna Paulson表示，若经济走势符合预期，"可能需要适度进一步收紧政策"；纽约联储主席John Williams称通胀工作仍有"大量工作要做"，并表示市场对年内再度加息的定价是"合理的思路"。

克利夫兰联储主席Beth Hammack警告称，美国经济正面临一系列供给冲击，通胀预期自我强化的风险上升，"通胀前景的不确定性依然极高，且风险偏向上行"。里士满联储主席Tom Barkin则强调，广泛而持续的成本压力已加大通胀根深蒂固的风险。

上述表态推动货币市场将10月加息概率计价至约70%，12月再度加息概率约为80%，市场对联储政策终端利率的预期已明显高于联储自身点阵图所示水平。

Laffer Tengler Investments的Byron Anderson表示：

在当前环境下，收益率上行的格局已相当确定。加息解决不了伊朗问题、油价问题、AI热潮或通胀问题，但会推高所有市场参与者的借贷成本，若联储态度激进，最终将冲击就业市场和消费者。

油价连续第二日上涨，布伦特原油前月合约收复每桶100美元上方，WTI原油上涨3.4%至每桶95.29美元。

据新华社，也门胡塞武装24日称袭击沙特多处军事目标；沙特主导的联军同日称，拦截6枚也门胡塞武装导弹。地缘紧张态势持续推动能源价格走高。

华尔街见闻提及，美东时间24日周四美股午盘之初，据路透，市场流传美国与伊朗正探索阶段性重开霍尔木兹海峡协议的消息，油价随即急跌。

然而不到一小时后，一位与伊朗官方接近的记者予以否认，称"路透报道是假的，目的是控制油价……没有任何谈判正在进行"。油价旋即收复跌幅。

实物市场信号同样表明供应端高度紧张：即期布伦特原油现货价格重返每桶125美元以上，期货升水结构显示近远月价差高达18美元。

WTI现货展期价差也回升至接近每桶6美元的异常高位。

Angelo Kourkafas认为，若地缘局势出现缓和、能源价格压力得以释放，将对稳定债券市场大有裨益。在此之前，"收益率上行压力可能持续"。

美股在震荡中收平。标普500指数微跌0.02%报7704.13点，纳指涨0.01%报26939.37点，道指跌0.31%报51349.98点。

纽交所连续第八个交易日出现新低股票数量超过新高股票数量，过去14个交易日中有13日呈现这一现象，标普500指数距历史高点仅约1%。

尽管指数收盘基本持平，但内部结构承压明显。医疗保健板块领涨，材料板块领跌，能源板块冲高回落仍收涨。

AI板块在盘中经历了一次翻转。超大规模厂商股价小幅收涨，云计算板块的CoreWeave涨3.72%，存储链的西部数据跌4.94%，美光科技涨0.81%，博通跌1.30%。

个股方面，甲骨文当日下跌3.5%。

原因是该公司对其在新墨西哥州建设的大型数据中心项目"Project Jupiter"宣布不可抗力，导致其信用违约互换（CDS）利差升至历史新高。这一事件被市场视为AI资本开支浪潮中信用风险上升的重要预警信号。

超大规模云计算商的整体CDS利差随之走阔。

市场分析人士指出，明年AI基础设施资本开支规模预计达1.3万亿美元，其中至少一半依赖债务融资，在资本成本持续走高的背景下，即便资产负债表被认为相对稳健的科技巨头，其融资压力亦在加速上升。

Meta发布了专用于其AI助手Muse的掌上硬件设备。公司股价涨4.50%至777.59美元，创近一年新高，市场对它的AI智能体产品线继续保持热情，这只股票当月累计涨幅已经超过30%。

外汇市场上，彭博美元即期指数上涨0.3%，美元续创7月底以来最强水平。欧元基本持平于1.1377美元，英镑小幅下跌0.1%至1.3221美元，日元贬值0.4%至158.89兑1美元。

受美元走强压制，现货黄金下跌0.4%至每盎司4272.32美元，维持在上周低点附近。

比特币小幅上涨0.2%至约84357美元，以太坊上涨0.9%至约2695美元，加密货币整体呈横盘整理态势。

本文来自华尔街见闻，欢迎下载APP查看更多

此次拍卖的中标收益率较“即期发行”收益率高出0.7个基点，海外投资者获配比例降至57.2%，为2025年11月以来最低。拍卖结果公布后，美债二级市场继续走弱，10年期美债收益率升破5.2%，为2007年来首次。

与此同时，财政部周四进行的第二次扩大版国债回购操作也未能达到60亿美元的最高规模，仅接受40.78亿美元报价，相当于上限的68%，低于9月11日首次扩大回购时的约86%。市场流动性支持力度低于市场预期。

固定收益市场的压力还蔓延至市政债。基准30年期市政债收益率升至5.07%，10年期市政债收益率升至4.01%，双双创下2011年以来新高。

周四美国国债再遭抛售，其中30年期国债收益率一度上涨9个基点至5.49%，创下2004年以来的最高水平。

摩根大通和KKR的策略师认为，随着能源驱动的通胀、政府大量借贷以及央行进一步收紧货币政策的风险持续发酵，美国国债收益率仍有进一步攀升的空间。

7年期美债拍卖遇冷，收益率创历史新高

美国财政部周四发行440亿美元7年期国债，最终中标收益率为5.085%，高于一个月前拍卖的4.512%，并创该期限国债有记录以来最高水平。

此次拍卖收益率较“即期发行”收益率5.078%高出0.7个基点，尾部为今年3月以来最大。尾部扩大意味着最终成交收益率高于拍卖前市场水平，显示投资者要求更高收益率才能承接这批国债。

拍卖内部需求同样走弱。海外投资者获配比例从上次的60.8%降至57.2%，创2025年11月以来最低；直接投标者获配比例升至30.3%，处于历史较高水平。一级交易商最终承接12.5%的发行量，与近期平均水平大致相当。

此次拍卖的表现虽然不及前一日5年期国债拍卖疲弱，但仍未能改善二级市场情绪。拍卖结束后，10年期美债收益率重新逼近盘中高点，最新约为5.15%。

财政部扩大回购仍未买满，实际规模仅为上限68%

财政部周四还进行了第二次扩大版“流动性支持”回购操作，目标为20年至30年期名义票息国债，最高回购规模为60亿美元。

此次操作共收到104.89亿美元报价，但财政部最终仅接受40.78亿美元，相当于最高回购规模的68%，明显低于9月11日首次扩大回购时约86%的执行比例。

财政部此次仅接受35只符合条件债券中的12只。两笔最大交易分别为15亿美元的2048年2月到期、票息3.000%的国债，以及15亿美元的2051年11月到期、票息1.875%的国债。

接受报价对应的2047年至2051年到期债券收益率约为5.54%至5.56%，较当时5.10%至5.16%的10年期美债收益率高出约40至45个基点。

财政部此次并未大规模接受明显偏离合理收益率曲线的低价报价。此次12只被接受债券均接近拟合收益率曲线，意味着财政部没有通过明显提高回购价格来扩大回购规模。

此次回购规模低于60亿美元上限，也意味着财政部提供的“流动性支持”低于此前市场可能的预期。

30年期市政债收益率突破5%，创2011年以来新高

美债市场承压之际，美国市政债市场同样出现明显抛售。

截至周四纽约时间下午3点，基准30年期市政债收益率上涨11个基点至5.07%，突破5%关口，创至少2011年以来最高水平。10年期市政债收益率上涨14个基点至4.01%，同样创至少2011年以来最高水平。

通胀担忧以及市场对美联储进一步加息的预期正在冲击市政债市场。截至周三，市政债9月累计跌幅达到2.8%，有望录得2023年以来最差单月表现。

彭博汇总数据显示，周三投资管理机构提交出售报价的市政债规模升至约34亿美元，为2020年疫情初期市场剧烈波动以来最高水平。

摩根大通策略师Peter DeGroot带领的团队表示，市政债市场正在出现负反馈的迹象，即市场表现不佳导致资金流出，而资金流出又进一步拖累市场表现。在利率环境趋于稳定之前，这一状况可能持续。

市政债高收益率开始吸引部分机构资金

不过，市政债收益率升至5%上方后，也开始吸引部分机构投资者。

Invesco负责市政债业务的首席投资官Mark Paris表示，市场参与者反馈称，一些保险公司、银行以及其他跨界投资者正在进入市场，“5%这个门槛对他们很重要”。

与此同时，未来市政债供给可能放缓。截至周四，未来30天预计进入市场定价的市政债规模约为159亿美元。

Belle Haven Investments高级副总裁Ryan Ciavarelli表示，在订单簿表现不佳的情况下，承销商会更加谨慎地将新债推向市场，这可能导致部分发行人暂缓发行。

他表示，只要新发行债券的定价仍然具有吸引力，市场仍存在需求，但部分发行人可能选择暂缓发行，以观察市场走势。

本文来自华尔街见闻，欢迎下载APP查看更多

印度市场监管机构周四宣布，将允许规模达4630亿美元的组合管理（PMS）行业首次投资海外证券并在股票期权中进行卖空操作，标志着该行业投资权限的全面扩张。

印度证券交易委员会（SEBI）在董事会会议后发布声明称，组合管理机构将被允许投资未上市债务证券，并可将客户资产的最高1.25倍配置于交易所交易衍生品。

监管机构还表示，组合管理机构可在规定限额内持有未对冲空头头寸，但目前尚未公布具体上限。

此次改革为印度富裕阶层进入全球市场开辟了新渠道，对于近期受人工智能概念驱动而备受投资者关注的海外资产而言具有一定意义。

与此同时，此举也为外国投资组合投资者（FPI）参与非现金结算、非农业类大宗商品衍生品市场扫清障碍，预计将进一步提振相关品种的交易活跃度。

SEBI此次还批准推出一类面向共同基金的新型组合管理服务产品，最低投资门槛为250万卢比，仅为普通PMS产品500万卢比门槛的一半，有望吸引更广泛的投资者群体参与。

在大宗商品领域，SEBI允许外国投资组合投资者参与非现金结算、非农业类大宗商品衍生品交易，被视为该类别迄今最重大的改革之一。

监管机构表示，FPI须确保在实物交割义务产生前平仓退出。此举预计将为近期零售投资者参与度已明显提升的大宗商品衍生品市场注入更多机构资金，进一步改善市场深度。

此次改革针对的是一个近年来快速扩张的行业。

据SEBI数据，截至今年8月，印度组合管理机构管理资产约达44.4万亿卢比（约合4630亿美元），较一年前的40万亿卢比显著增长，且自2020年以来规模已翻逾一倍。

随着印度富裕阶层对专业化、定制化投资产品的需求持续上升，该行业的增长势头短期内料将延续。

本轮规则修订源于SEBI今年7月发布的征求意见稿，此次正式落地标志着相关政策框架的系统性升级。

根据SEBI的安排，组合管理机构的境外股权及债务投资将在"自由汇款计划"（Liberalized Remittance Scheme）框架下进行——该机制允许印度居民每个财政年度向境外汇出最多25万美元。

目前，印度个人投资者已可通过该渠道进行境外投资，而共同基金行业此前曾获批70亿美元的海外投资额度，但已于数年前耗尽。

值得关注的是，此次开放海外投资的时机较为微妙——印度卢比近期因持续的外资流出承压，兑美元汇率走弱。大规模资金出海若进一步加剧资本外流，或对汇率形成额外压力，这是市场需要关注的潜在风险。

本文来自华尔街见闻，欢迎下载APP查看更多

本周Meta Connect 大会上，Meta推出了Horizo n Create和Horizo n Studio。这两款全新工具均基于Meta Horizo n Engine的智能创作功能构建。

它们能够帮助创作者将任何想法转化为完整的2D或3D手机游戏，包括进度系统、平衡的难度、美术指导、多人游戏模式等等，并可根据自身需求对每个元素进行精细调整。

新工具的核心颠覆逻辑在于用户无需编程技能、专业硬件或数月开发周期，只需用文字描述构想，即可生成包含关卡设计、多人联机、难度平衡等要素在内的完整2D或3D游戏，并直接分发至Facebook、Instagram及Horizon平台。

消息公布后，Meta股价一度上涨4.5%，触及2025年9月以来最高水平。

与此同时，游戏及相关行业股票遭遇明显抛售——Roblox跌幅一度达4.1%，Unity Software跌幅一度达6.9%，AppLovin一度下跌2.2%，Take-Two一度下跌1.8%。

Meta此次推出的两款产品分工明确。

Horizon Create是一款独立手机应用，主打随时随地捕捉创意。用户在手机上输入提示词，引擎自动生成可运行游戏，并在生成期间允许用户继续进行其他操作，生成完毕后推送通知。

用户可同时推进多个项目，起点既可以是空白画布，也可以是现成模板。

Horizon Studio则是基于浏览器的创作环境，无需安装软件，无需游戏级PC配置。

该工具在自然语言提示的基础上叠加了完整的可视化编辑功能，允许用户直接调整场景布局、替换素材资产、修改脚本参数。两款工具之间的项目资产、系统配置及迭代历史可无缝迁移，用户可在移动端与网页端之间自由切换而无需重新开始。

对创作者而言，这套工具的核心价值不仅在于降低开发门槛，更在于内置的分发渠道。

通过Horizon Create或Horizon Studio发布的游戏，将自动获得在Facebook、Instagram和Horizon平台的分发资格。

Meta表示，用户在Instagram上浏览时，只需点击游戏片段，即可在数秒内进入多人对局，无需下载独立应用或跳转至第三方平台。

平台的流量分配逻辑以"趣味性"为核心指标，参考维度包括游戏互动度、稳定性、文化相关性及用户留存率。

表现优质的游戏将获得更多曝光，反之则被降权。随着触达规模扩大，创作者可通过游戏内变现及Meta Horizon创作者基金获得收益，但具体变现方案细节尚未公布。

Meta强调，新工具继承了Facebook、Instagram和Horizon现有的安全基础设施。

所有生成内容在触达玩家前均须经过Meta内容安全系统审核，且安全护栏已嵌入创作流程本身。

游戏在发布与分发前须经审核，并自动获得年龄分级，进入对应的年龄段访问层级。

面向未成年人的保护机制，Horizon Studio正在创作者社区中进行测试，更大范围的访问权限即将开放，有意参与的用户可登记早期访问候补名单。

本文来自华尔街见闻，欢迎下载APP查看更多

马克龙同时强调，法国采取这一行动的任务是保护延布设施，而不是介入地区冲突。他表示，法国军队不会参与战斗，“我们不会卷入任何冲突”，而是专注于保护这一能源设施。

美东时间24日周四美股午盘时段传出马克龙的讲话前，也门胡塞武装当天袭击了包括延布在内的沙特部分地区。

新华社援引也门胡塞武装军事发言人24日的讲话称，该组织当天使用数十枚弹道导弹和无人机，对沙特西南部吉赞地区的多处军事目标发动大规模袭击。

央视新闻援引也门胡塞武装发言人当地时间24日晚间的视频声明称，胡塞武装使用多枚弹道导弹、巡航导弹以及无人机，袭击了沙特首都利雅得的一个“敏感目标”，以及红海沿岸城市延布的沙特阿美石油公司设施。

新华社援引沙特主导的多国联军发言人的社交媒体发文称，多国联军当天拦截并摧毁也门胡塞武装发射的6枚弹道导弹，袭击针对沙特塔伊夫和延布两座城市。

法国将派兵、并提供雷达和防御系统保护延布

马克龙在周四播出的电视采访中表示，法国将向延布提供包括军事人员、雷达系统和防御系统在内的军事资源。

“我们将派遣军事资产——也就是士兵、雷达系统和防御系统——来保护红海沿岸的延布设施。”马克龙说。

他随后特别强调，法国军队不会参与相关作战行动，而是承担防御和保护任务。

“我们不会参与任何冲突，而是保护这一设施。”马克龙说。

延布位于沙特红海沿岸，是沙特重要的石油出口和能源设施所在地。马克龙此次宣布的军事支持，意味着法国此前提出的保护沙特能源基础设施计划进一步落地。

法国《世界报》和法新社此前报道称，法国已经准备以“严格防御性”的方式参与保护沙特能源基础设施，重点涉及延布以及连接沙特东西部的东西输油管道。法方外交消息人士当时强调，这“不意味着参与与胡塞武装的冲突”。

胡塞武装再袭沙特，延布能源设施成焦点

马克龙宣布上述计划之际，沙特周四再次遭到胡塞武装袭击。

据彭博社报道，沙特方面表示，当天拦截了向红海港口延布以及塔伊夫方向发射的导弹。延布此前已经成为胡塞武装袭击沙特能源设施的重点目标。

法国此次介入的一个重要背景，是沙特能源出口通道近期受到连续冲击。

连接沙特东部油田和红海沿岸延布的东西输油管道，是沙特绕开霍尔木兹海峡、向红海出口原油的重要通道。法国总统府此前也表示，法国正寻求帮助确保沙特石油生产、运输和出口能力。

马克龙曾于9月18日上周五表示，霍尔木兹海峡受阻后，沙特东西输油管道一度成为重要的替代运输路线，但在胡塞武装袭击延布后，通过这一通道运输的原油规模也大幅下降。

因此，延布港及东西输油管道能否恢复稳定运行，不仅关系沙特自身的石油出口，也直接关系全球原油供应。

法国一边护能源设施，一边谋求重开霍尔木兹

法国此次加强对沙特能源设施的防御，并非孤立行动。

本周早些时候，马克龙与美国总统特朗普在纽约会晤，当时讨论了如何缓解能源价格上涨以及恢复霍尔木兹海峡航运的问题。马克龙表示，希望通过外交方式推动重新开放霍尔木兹海峡，并寻求让更多集装箱船和油轮恢复通行。

路透社随后报道称，法国正在与美国协调起草联合国安理会决议，希望建立一项国际机制，保障霍尔木兹海峡的航行自由。法国希望将海峡通航问题与美伊之间其他争议分开处理，从而为油轮和其他商业船只恢复通行创造条件。

与此同时，法国又将防御重点延伸至沙特红海沿岸的能源设施。

这使法国目前的行动形成两条并行路径：一方面推动外交努力，寻求恢复霍尔木兹海峡的能源运输；另一方面通过军事防御手段，帮助保障沙特另一条关键能源出口通道。

能源安全压力向欧洲外溢

马克龙近期频繁推动相关行动，与欧洲能源价格面临的压力直接相关。

马克龙上周五公开表示，霍尔木兹海峡受阻以及延布遭到袭击，都已经对能源供应造成影响。法国希望通过重新打开能源运输通道、保护替代出口路线等方式，缓解地区冲突对欧洲能源市场的冲击。

从油市角度看，霍尔木兹海峡、沙特东西输油管道以及延布港正在形成相互关联的能源供应风险链条：前者关系全球海运原油供应，后两者则是沙特绕开霍尔木兹海峡、通过红海输出原油的重要基础设施。

因此，法国此次宣布向沙特提供军事援助，虽然马克龙明确表示法军不会参与相关冲突，但其直接保护的对象却是全球石油供应链中的关键节点。随着中东冲突持续，能源设施本身的安全，正越来越成为各方外交和军事行动的重要议题。

本文来自华尔街见闻，欢迎下载APP查看更多

房地美（Freddie Mac）周四在一份声明中表示，美国30年期固定利率抵押贷款平均利率升至7.03%，高于一周前的6.95%。一年前，该利率为6.3%。

借贷成本上升之际，美国国债市场遭遇抛售。周三10年期美债收益率上升4个基点至5.157%，再创近20年来最高水平。

不断攀升的利率正给卖家带来压力。根据Redfin汇编的数据，8月份美国市场上近五分之一的房屋出现了降价。

“当利率从6%多升到7%时，就会触及一个心理关口。”密西西比大学金融学教授Ken Johnson表示，“这意味着我们将看到市场放缓。”

Realtor高级经济学家Anthony Smith也持类似看法。他表示，7%这一关口“既是心理上的，也是数学上的”，而且这一关口恰好出现在通常买方议价能力开始增强的季节性阶段。

美国联邦政府周四公布的数据显示，8月份美国新屋销售中位价同比下降5.8%，至39.37万美元。这是自2025年7月以来最大的同比降幅，也反映出售价低于30万美元的新屋签约量有所增加。

本文来自华尔街见闻，欢迎下载APP查看更多

该功能于本周正式在Gemini Enterprise中上线，此前已在Google Cloud Next 2026上完成预览展示。

新版本支持视频虚拟形象的实时唇形同步、97种语言自动识别与切换，以及后台工具调用与API执行，同时提供美国和欧盟双区域端点部署，满足企业合规与数据治理要求。

从客户落地情况来看，Cox Automotive已将该技术应用于旗下Autotrader平台，构建了可实时高亮屏幕内容、引导消费者完成车辆搜索与融资流程的购车AI助手；印度AI公司Equal AI则表示，基于Gemini 3.8 Live，其平台目前每日处理超过百万次实时通话，覆盖九种印度语言。

这是谷歌本周第二次发布新的人工智能模型。周三，谷歌宣布推出Gemini 3.8 Flash TTS和Gemini 3.8 Flash-Lite TTS两款文本转语音模型。

周四截至发稿，谷歌盘中上涨0.66%。

Gemini 3.8 Live with Live Avatar在原有语音基础上引入视觉交互层，主要面向网页端、移动端及实体交互终端（interactive kiosks）等多种部署场景。

在对话连贯性方面，该模型采用原生语音到语音（speech-to-speech）架构，支持自然打断恢复，且不会丢失对话上下文或中断后台事务处理。

工具调用能力方面，模型可在持续对话的同时，在后台异步执行工具调用与API请求，让交互体验更为流畅，不因后台任务而产生明显停顿。

视觉理解方面，Live Avatar支持实时摄像头画面与屏幕共享的同步处理，可与音频输入并行分析，为服务场景提供更丰富的上下文感知能力。

语言覆盖上，97种语言支持及自动检测功能，使其具备面向全球多语言市场的规模化部署潜力。

针对深度伪造及身份滥用风险，谷歌在该功能的合规设计上采取了双层管控策略。

在虚拟形象使用层面，企业用户可从谷歌提供的预建虚拟形象库中进行部署；而自定义虚拟形象功能则设有严格的企业白名单与身份核验机制，

目前仅限申请通过的企业使用。在内容溯源层面，所有生成的音频与视频流均嵌入谷歌SynthID不可感知水印，以确保AI生成内容在传播过程中保持可识别性与可验证性。

这一机制的引入，一定程度上回应了企业部署对话式AI时面临的监管合规压力，尤其是在金融服务、医疗及客户服务等强监管行业。

目前已有多家企业披露基于Gemini 3.8 Live的应用进展，涵盖汽车电商、电信客服及CRM等多个垂直领域。

Cox Automotive首席产品官Marianne Johnson表示，Autotrader的对话式AI虚拟形象将自然语言描述与库存匹配相结合，是其"连接智能"愿景落地的重要步骤，该愿景旨在让每次消费者互动均能调用Cox Automotive的完整数据资产。

Equal AI首席执行官Akhilesh Damaraju称，借助Gemini 3.8 Live在打断处理、多语言对话及工具调用稳定性方面的改进，该平台现已实现每日超百万次实时通话处理，覆盖九种印度语言，目标是构建"了解你、说你的语言、始终站在你这边"的个人AI。

Salesforce Agentforce产品副总裁Bob Van Osten表示，Salesforce AI Research与谷歌的合作旨在探索实时多模态能力与代理式AI的结合，以打造从首次接触到问题解决全流程的客户服务体验。

本文来自华尔街见闻，欢迎下载APP查看更多

特朗普政府已向欧盟普通法院提交申请，支持X寻求撤销这一具有里程碑意义的案件。欧盟委员会于去年12月作出的这项罚款决定，此后已成为日益紧张的欧美跨大西洋关系中的一个焦点。

美国司法部民事司助理检察长布雷特·舒梅特（Brett Shumate）在一份声明中表示：

“欧盟委员会不恰当地试图扩大其监管权限，将美国企业纳入其管辖范围，即使这些企业并未在其管辖范围内存在或运营。”

他表示：

“我们不会容忍欧盟委员会进行监管越权，试图控制美国的创新和经济增长引擎。”

欧盟委员会此前认定，X违反了相关透明度要求，并通过其认证机制的设计误导用户。

作为特朗普的重要支持者和捐赠者，马斯克已于今年2月向欧盟普通法院提起上诉，对该裁决提出异议并申请予以撤销。

这笔罚款是依据《数字服务法案》（Digital Services Act）开出的首张罚单。该法案是欧盟于2022年出台的一项法规，建立了一个法律框架，旨在就在线企业的业务运营及内容审核行为对其追责。

这并非美国政府首次介入涉及美国利益的欧盟重大法院诉讼。上一届特朗普政府曾试图介入苹果公司针对130亿欧元爱尔兰税单发起的诉讼，但未获成功；此外，美国政府还在一起涉及跨大西洋数据传输的欧盟案件中提交过意见书。

本文来自华尔街见闻，欢迎下载APP查看更多

美东时间24日周四美股午盘之初，路透社援引伊朗消息人士、两名地区官员和两名西方外交消息人士称，美国和伊朗谈判代表正在纽约探讨一条分阶段结束战争的路径，其中包括伊朗重新开放霍尔木兹海峡、美国解除对伊朗的经济封锁，伊朗还可能获得部分被冻结资产。

消息传出后，美国WTI原油一度跌回93.30美元下方，日内涨幅收窄至约1%；布伦特原油曾跌破99美元至98.70美元下方，日内涨不到0.6%。不过回落势头未持续，此后，美油和布油的盘中涨幅分别扩大到1.5%和2%以上。

在这一消息传出前，国际原油期货在周三反弹后加速上行，周四美股早盘刷新日高时，美油涨至96.78美元，布油108.23美元，日内均涨约5%。

媒体认为，油价周四盘中曾加速反弹的一大推手是，市场认为美伊外交谈判进展有限，另一个主要原因是，也门胡塞武装向沙特发射导弹。据新华社，也门胡塞武装24日称袭击沙特多处军事目标；沙特主导的联军同日称，拦截6枚也门胡塞武装导弹。

美伊探索“海峡换解封”方案曝光

路透社报道称，一名伊朗高级官员表示，当前打破谈判僵局最可行的方式，是达成一项分阶段安排：伊朗允许船只通过霍尔木兹海峡，作为交换，美国解除对伊朗的经济封锁，还可能解冻此前被冻结的伊方资产。

这意味着，霍尔木兹海峡的重新开放，可能成为美伊谈判中一项关键的交换条件。

路透社援引消息人士称，美伊谈判目前面临的一个主要障碍是，双方都不愿率先放弃自己的筹码。伊朗希望通过海峡通行权换取美国解除经济压力，美国则希望确保这一全球关键石油运输通道恢复稳定、自由的航运。

按照这一分阶段设想，伊朗可能首先允许船只逐步恢复通过霍尔木兹海峡，美国则相应采取解除经济封锁等措施。伊朗方面还可能获得被冻结资产。

不过，路透社强调，目前这仍是谈判中的方案，双方尚未达成协议，谈判仍存在明显分歧。

前述伊朗高官称，伊朗寻求外交解决途径，但也正为可能与美国爆发新冲突做准备，并指责美国利用经济封锁和武力威胁作为胁迫手段。该官员称：“我们已做好随时开战的准备。美国人知道自己该做什么，但由于他们提出的要求过高，通过外交手段解决这一问题的几率极低。”

此外，海湾地区的消息人士透露，伊朗愿意放弃在主协议中纳入使用霍尔木兹海峡需支付过境费这一要求，转而将其列入补充条款，因为解除封锁已成为更紧迫的优先事项。海湾国家已拒绝了关于支付过境费的提议。地区消息人士指出，任何此类安排都将是临时性的，并不代表伊朗正式放弃其既定立场。

油价此前为何大涨？

在路透社上述消息传出之前，国际油价周四已经连续第二个交易日反弹。

此前，国际原油期货已经连续五个交易日收跌，周四在地缘风险重新升温的推动下一度明显上涨，WTI和布伦特原油盘中涨幅均一度达到约5%。

其中一个重要背景是，市场认为美伊外交谈判进展有限，意味着霍尔木兹海峡供应风险可能持续更长时间。

《华尔街日报》提及原油盘中大涨时就将“美国与伊朗外交进展有限”作为油价上涨的重要背景之一。路透社当天的报道也指出，油价周四一度涨至一周来盘中高位，原因包括伊朗支持的胡塞武装向沙特发射导弹，以及美伊外交会谈没有明显进展。

据新华社，也门胡塞武装军事发言人叶海亚·萨雷亚24日说，该组织当天使用数十枚弹道导弹和无人机，对沙特阿拉伯西南部吉赞地区多处军事目标发动大规模袭击。

另据新华社，沙特阿拉伯主导的多国联军发言人图尔基·马利基24日在社交媒体上说，多国联军当天拦截并摧毁也门胡塞武装发射的6枚弹道导弹，袭击针对沙特塔伊夫和延布两座城市。

也就是说，在路透社最新消息传出之前，油市交易的核心逻辑还是“外交缺乏进展→战争和供应风险持续→霍尔木兹海峡可能继续受扰→油价风险溢价上升”。

而随着“美伊正在研究分阶段重启霍尔木兹海峡”的消息出现，这一逻辑迅速发生变化。

霍尔木兹海峡成为关键筹码

霍尔木兹海峡之所以能够如此迅速地撬动油价，在于它是全球最重要的能源运输通道之一。

在当前美伊冲突背景下，海峡通航状况一直是国际原油市场关注的核心变量。此前市场已经持续交易海峡受阻可能造成的供应风险，而一旦美伊谈判能够推动海峡重新开放，市场对于供应中断的担忧就可能明显降温。

因此，周四油价出现的剧烈波动，本质上是市场在两个情景之间快速切换：

此前交易的是美伊谈判进展有限、海峡风险持续；而路透社报道传出后，市场开始交易美伊存在分阶段解决方案、海峡可能重新开放。

值得注意的是，路透社报道并未意味着美伊已经达成协议。报道援引的消息人士同时指出，双方仍然存在重大分歧，尤其是如何安排双方同时释放手中的筹码。

因此，对于油市而言，后续真正重要的并不是“分阶段方案”这一消息本身，而是这一设想能否进一步转化为具体协议，以及霍尔木兹海峡能否真正恢复稳定通航。

在此之前，任何有关美伊谈判进展、海峡通航以及地区袭击事件的新消息，都可能继续引发油价的大幅波动。

本文来自华尔街见闻，欢迎下载APP查看更多

汇丰认为，决定传统数据中心需求的关键并非模型迭代速度，而是AI技术的商业化扩散。随着AI从训练走向推理和实际部署，需求将进一步扩展至企业IT升级、云计算和数据互联等场景，传统数据中心仍有较大的承载空间。

与此同时，供给端的电力、并网和监管约束正在加剧，数据中心新增产能难以快速释放，大量项目延期或取消，供需偏紧格局有望延续至2027年甚至2028年。

在此背景下，行业盈利增长仍具韧性。报告预计，相关数据中心REITs在2025年至2028年间的AFFO每股复合增速约为11%至12%，高于过去五年历史平均水平；即使融资成本进一步上升，对AFFO增长的拖累也较为有限。

推理需求崛起，AI扩散打开传统算力空间

AI应用从训练进入推理阶段后，算力需求的形态也随之变化。训练通常集中于少数大规模项目，而推理需要持续响应终端用户和企业业务请求，工作负载更加分散，也更依赖网络、存储和通用计算等基础设施。

微软预计，到2032年前新增数据中心容量中，由AI芯片驱动的部分将低于50%。这意味着，即使AI相关需求持续增长，新增数据中心容量也不会全部转化为高密度AI算力，传统计算工作负载仍将占据相当比重。

云服务商的资本开支也显示出类似趋势。汇丰科技团队预计，六大主要云服务商2027年和2028年的资本支出仍将分别增长37%和9%。AI应用扩张带来的需求并不只体现为GPU采购，也会通过云计算、数据处理和企业基础设施升级传导至传统数据中心。

因此，前沿模型开发趋于理性，并不意味着数据中心需求同步降温。随着AI进入更多企业和业务流程，基础设施需求反而可能从少数超大规模训练项目，扩展至更加广泛、持续的应用场景。

电力与监管收紧，新增供给难以快速跟上

数据中心扩张正越来越受到电力条件约束。美国多个地区提高数据中心项目的用电、环保和用水要求，并要求大型用电方承担更多电厂、输电线路及电网升级成本，电力接入已经成为影响项目落地的重要因素。

监管要求收紧进一步降低了供给弹性。加州取消数据中心环境审查豁免，并要求运营商披露用水情况；得州则要求暂停相关许可证发放，直至ERCOT完成审计。对于资本密集型项目而言，审批和并网周期延长意味着新增容量释放速度进一步放缓。

项目延期和取消已经开始体现这一变化。据Data Center Watch统计，2026年第二季度至少有45个、价值约680亿美元的数据中心项目被延误或取消；第一季度则至少有75个项目、涉及约1300亿美元。

供给受限的意义在于，即使需求增速出现一定波动，新增机房也难以迅速增加，现有数据中心资源的稀缺性反而可能得到维持。这为租金增长和资产利用率提供了支撑，也是行业能够保持较强盈利能力的重要原因。

利率上行影响有限，AFFO增长仍有支撑

利率上行仍是数据中心REITs面临的主要压力。由于行业扩张需要持续投入资本并增加债务，融资成本上升会直接压缩AFFO。但报告的敏感性分析显示，利率变化对盈利的影响主要体现在增速边际，而非改变行业增长趋势。

假设新增债务利率较基准情景高出50个基点，2027年至2029年AFFO每股预测降幅约为0.3%至0.8%。对应来看，AFFO每股增速仅减少约10至40个基点，利率压力相对于需求和供给因素仍较为有限。

与此同时，汇丰预计相关数据中心REITs在2025年至2028年间的AFFO每股复合增速约为11%至12%，明显高于过去五年历史平均水平。较高的增长基数意味着，融资成本上升尚不足以扭转盈利增长趋势。

就行业逻辑而言，AI应用扩散带来的新增需求、电力和监管造成的供给约束，以及较强的AFFO增长，共同构成传统数据中心的三条结构性顺风。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博，自上周中以来，沙特已向亚洲买家售出约1亿桶原油，交货期涵盖10月及11月，买家涵盖中国、印度、日本和韩国。与此同时，沙特阿美公司在此次交易中罕见地承诺包揽物流与运输，将原油直接送达亚洲客户。

此前由于油价飙升，亚洲炼油厂一直在考虑降低开工率。受美国封锁影响，伊朗原油供应近乎断绝，而由于政治风险上升，买家也一直在回避俄罗斯原油。此次沙特大规模供应在一定程度上化解了亚洲面临的迫在眉睫的供应短缺风险。

据国际文传电讯社，俄罗斯将今年石油出口预期砍掉超20%，下调2026年石油出口预期2400万吨至9850万吨。

周四截至发稿，布伦特原油期货上涨3.78%，至107美元/桶。

此轮集中售油的直接导火索，是沙特境内绕开霍尔木兹海峡、将原油输往红海的东西输油管道遭受攻击。

据报道，该管道于9月10日遭袭后迄今尚未完全恢复运营，沙特阿美正处于重启管道的早期阶段，目标是在本周六前实现有意义的恢复。

管道受阻迫使沙特将更多原油改道经霍尔木兹海峡出口。

卫星数据显示，上周末波斯湾内的原油装载量已出现跳升。此次约1亿桶的集中销售相当于全球单日总需求量，且据交易员估算，将使沙特经霍尔木兹海峡流向亚洲的原油量较近期水平翻逾一倍。

此次沙特阿美主动承揽运输的安排，折射出美伊冲突爆发以来波斯湾原油贸易格局的深层转变。

波斯湾产油国过去通常以船上交货方式（FOB）出售原油，即由买方自行派船提货；但自冲突爆发以来，炼油商因担忧遭受攻击而普遍不愿自行派船，卖方由此逐渐承担起更多运输风险。

对于自身不具备独立承运能力的卖家，中间商和贸易商已介入填补空缺。

据悉，TotalEnergies SE、Vitol Group、Trafigura Group以及阿布扎比国家石油公司均参与了将原油从波斯湾运出的相关业务，伊拉克国家石油销售公司SOMO亦借助上述中间方渠道完成出口。

本文来自华尔街见闻，欢迎下载APP查看更多

本文来自华尔街见闻，欢迎下载APP查看更多

本轮债市抛售的导火索是9月初公布的PMI数据。数据表现明显强于预期后，美债收益率单日跳升逾10个基点，随后两日继续上行2至3个基点。10年期美债收益率一度触及5.14%，创2007年以来最高水平；30年期收益率升至约5.4%，2年期收益率也攀升至约4.9%。仅9月以来，10年期收益率累计上行约35个基点。

收益率的快速上行正在向股票、信贷、私募信贷以及消费信贷等多个市场传导。分析人士指出，在美国联邦债务突破40万亿美元、保证金杠杆处于历史高位的背景下，债市持续承压可能通过融资成本、资产估值和杠杆平仓等渠道引发连锁反应，其潜在冲击可能超出当前市场定价所反映的程度。

收益率上行性质转变，期限溢价扩大

Simon White在分析中指出，本轮收益率上行的性质正在发生重要变化。此前，长端收益率上升主要由短端利率预期抬升所驱动，这在一定程度上属于“良性”的收益率上行，即金融条件向更正常的水平回归，也有助于降低美联储和财政部失去长端利率控制权的风险。

然而，PMI数据公布后，情况出现转折。在30年期收益率的单日涨幅中，约有一半来自期限溢价扩大。与此同时，债市波动率明显上升，收益率曲线趋陡。这些信号共同表明，收益率上行正在变得更加无序，投资者开始要求更高的风险补偿。

White指出，强劲经济增长之所以反而增加美债风险，根源在于这一增长很大程度上建立在并不适合当前经济周期阶段的财政支出之上。自2020年以来，美国累计财政赤字接近15万亿美元，而同期平均失业率仅为4.8%。在这一过程中，大规模财政支出推动企业利润增长，也为AI基础设施的大规模资本开支提供了重要支撑。

从更长周期来看，美债收益率目前只是回升至长期均值附近，而历史上收益率往往会出现向下超调。White警告，一旦10年期收益率逼近5.25%至5.50%区间，美债与股票的相关性可能由负转正。届时，债券不再能够有效发挥投资组合的对冲作用，反而可能成为放大组合损失的来源。

债市向股市传导的数学逻辑

市场观察人士、QTR's Fringe Finance作者在其分析中直言，债市对股市的传导机制“并不复杂，就是数学”。

其逻辑链条相对清晰：长端利率上升意味着股票估值所使用的折现率提高，未来盈利的现值随之下降；与此同时，企业融资成本上升，私募股权和私募信贷交易承压，高杠杆企业面临更高的再融资成本，消费者借贷成本也随之上升，联邦政府的偿债压力进一步加重。

美国国债市场规模超过30万亿美元，其收益率直接影响抵押贷款利率、企业债券融资成本、私募市场融资条件，以及投资者愿意为每一美元未来盈利支付的价格。股票市场可以在一段时间内忽视这一传导机制，但难以长期与其背离。

该分析还援引数据指出，美国联邦储备委员会数据显示，美国国内非金融债务在第二季度达到约84万亿美元，其中家庭债务约21.4万亿美元、企业债务约24万亿美元、政府债务约38.7万亿美元。在如此庞大的债务基数之上，利率每上升一个台阶，都会通过利息支出和再融资成本产生更明显的影响。

杠杆与估值双重脆弱性加剧风险

当前市场的脆弱性不仅来自利率本身，也来自建立在低融资成本之上的高杠杆结构。据FINRA数据，8月份保证金债务约为1.45万亿美元，较一年前增长约37%，此前6月曾达到1.50万亿美元的历史纪录。

杠杆机制在上涨周期中往往会自我强化：股价上涨推高抵押品价值，投资者获得更多融资空间，进而借入更多资金买入股票。但一旦市场方向逆转，这一机制也可能反向运转：股价下跌导致抵押品缩水，追加保证金要求增加，被动抛售进一步压低资产价格，最终形成更强的下跌压力。

与此同时，AI基础设施的融资结构也引发市场关注。相关分析指出，大量AI基础设施投资通过债务、租赁、担保以及特殊目的载体等方式融资，部分大型科技公司通过担保安排将部分融资敞口置于资产负债表之外。相关分析估计，整个AI生态系统的表外义务可能达到数万亿美元。债市也已开始对此作出反应——据报道，部分超大规模云计算企业的信用违约掉期利差已升至历史高位。

美国消费者的资产负债表同样面临压力。据相关数据，美国家庭债务约为18.8万亿美元，其中信用卡余额约1.26万亿美元、汽车贷款约1.71万亿美元。第二季度，信用卡余额中约7%正以年化速度转入严重逾期状态。在此基础上叠加更高的利率环境，消费端的偿债压力可能进一步上升。

财政赤字与债务可持续性构成深层隐忧

从宏观财政角度看，美国债务动态正进入一个更值得关注的循环。美国国会预算办公室预计，2026财年联邦赤字约为1.9万亿美元，公众持有的联邦债务占GDP比例约为101%。联邦净利息支出今年预计约为1万亿美元，CBO预计到2036年将进一步升至2.1万亿美元。

这意味着，美国政府需要持续举债，而不断上升的利息支出又进一步推高融资需求；与此同时，新增债务的再融资成本仍受到高利率环境的制约。

上述分析认为，过去15年间，市场逐渐形成一种根深蒂固的预期：每当经济或金融市场出现重大下行风险，美联储最终都会出手干预，重新回到低利率、量化宽松和充裕流动性的环境。但这一预期正在面临挑战——如果高利率成为新的常态，而非暂时性的异常，当前建立在低融资成本假设之上的资产定价体系将承受更大压力。

分析同时指出，若债市最终演变为系统性危机，政策层面的应对可能包括收益率曲线控制或其他更具力度的市场干预。但在政策支持真正到来之前，市场仍可能需要经历较大幅度的调整。

当然，上述风险情景仍存在缓解路径。若通胀进一步回落、经济增长放缓，长端收益率出现实质性回撤，当前债市压力便可能得到缓解，股票估值也将重新获得支撑。但如果收益率继续上行，市场逐渐将5%以上的美债收益率从“异常水平”重新定义为“新常态”，那么当前建立在低利率和高杠杆基础上的市场结构将面临更严峻的考验。

本文来自华尔街见闻，欢迎下载APP查看更多

同一天，超过300台智元机器人在园区常态化上岗，分布在100多个交互点位，覆盖演艺、科普、导览、零售、酒店和体育竞技等场景。

从8月23日签约到正式开园，双方只有一个月。

智元合伙人、高级副总裁、通用业务部总裁王闯在当天下午的媒体群访中说，300台机器人对应上百个点位，功能包括讲解、乒乓球、篮球、高尔夫、毛笔字和猜拳，还要完成模型升级、IP妆造、物料制作和现场安装。“最大的难点是时间。”

第20000台机器人下线，解决的是规模生产问题。机器人进入长隆之后，面对的则是另一组问题：能否每天稳定运行，游客是否愿意使用，现场暴露的问题能否进入下一轮模型和产品更新。

场景开始参与“制造”机器人。

01 从交付转向运营

长隆这批机器人采用购买模式，双方签下10年战略合作，并成立具身智能文旅联合研究院。

智元合伙人、联席总裁熊彦在采访中把“部署态”拆成三个要求：可运营、常态化、可复制。

可运营，指机器人部署后仍能持续提升能力；常态化，要求机器人每天都可以上岗，不依赖一次性演出；可复制，则是同一项能力可以从一台机器人复制到多台机器人，再从一个岗位、一个园区扩展到更多岗位和园区。

横琴长隆飞船乐园拥有40万平方米的室内空间。机器人每天要面对密集人流、复杂灯光、嘈杂声音，以及儿童、老人、外国游客和方言使用者。

长隆集团副总裁、横琴长隆度假区总经理蒋敏灵解释，选择室内乐园作为首个大规模场景，也考虑了现阶段的技术边界。机器人的户外适应能力仍有不足，雨天应用还需要继续研发。

真实环境已经推动智元调整产品。

王闯介绍，远征系列的续航达到10小时，行业常见水平约为3小时。在乐园场景中，10小时续航可以覆盖大部分营业时间，通常只需换电一次。

面对嘈杂环境，智元在声学前端、算法降噪、多人识别和唇形识别上进行了优化；机器人同时支持Wi-Fi和双5G连接，园区还为机器人划分了专门的网络切片。

人员密集也提高了安全要求。远征A3加入360度感知，机器人挥动手臂时，一旦有人突然进入动作范围，手臂会停止；关节的柔顺控制则用于降低意外碰撞时的力度。王闯同时表示，项目刚部署时仍会安排人员看护，后续再根据运行数据继续改进。

02 游客开始改动产品

研发人员设想的高难度能力，未必对应游客最喜欢的项目。

王闯在现场观察到，游客排队体验的可能是机器人猜拳、三子棋和乒乓球。这些项目规则简单，互动直接，小朋友可以参与，一家人也能一起玩。

“有些东西不一定是在研发看来技术难度高，游客就更喜欢。”他说。

下一阶段，智元与长隆会持续观察每个点位的使用率和游客反馈。游客兴趣较低的项目会被替换，新研发的动作、模型和交互内容则会重新部署到园区。

熊彦也提到，园区会考核每台机器人的体验人数。人数开始下降，相关节目就要调整或淘汰。机器人具备通用本体和软件能力后，更换动作和节目内容的成本，也有望低于重新搭建一套固定设备。

这些运营反馈还会进入模型更新。

王闯在采访中举例，机器人一天与1000名游客交流，可能发现100条失败信息。模型迭代后，再观察相关问题的成功率能否提高。

熊彦则表示，项目部署约一个月，机器人的交互能力以及对讲解、导览环境的适应性已经在持续变化，背后依赖运营数据、模型适配和能力更新。

野村最近的研报估算，2026年高质量物理交互数据需求约为1000万小时，现有高质量存量约50万小时。报告还提到，故障恢复数据价值较高，多数企业仍未打通部署后的反馈循环。

花旗近期对梅卡曼德的调研提供了另一个案例，梅卡曼德已部署超过3万套3D视觉系统，重点收集任务中的“近失”数据，即差一点失败、需要干预或结果偏离预期的样本，用于继续优化模型。

长隆场景产生的数据是否会以何种形式进入通用模型，智元在本次采访中没有详细披露。已经明确的是，点位使用率、交互失败、安全干预和游客反馈正在进入后续研发与内容调整。

03 商业化要看运营账

机器人能够持续更新，还要计算运行成本。

目前长隆现场大约是3台机器人配1名工作人员。熊彦预计，这一状态可能持续几个月，随后逐步转向10台机器人配1人，理想目标是20台机器人配1人。

人机配比能否下降，取决于机器人自主上下岗、群体调度、安全运行和远程运维的能力。智元与长隆正在联合部署运营及运维系统，希望减少现场看护人数。

王闯还列出了客户需要承担的其他成本：采购价格、使用寿命、网络费用、Token消耗、备件损耗和日常维护。使用两年还是三年，会直接影响设备成本的摊薄结果。

收入端同样需要运营数据验证。智元希望机器人能够改善游客体验，提高复游和园内消费；长隆更强调内容与演艺体验的持续更新。

王闯说，智元会关注机器人给乐园增加了多少成本，又带来了多少收益，“只有这个东西越来越好的时候，我们的规模才会持续扩大”。

熊彦判断，机器人达到完全不需要调试、可以像人一样更换场景的状态，可能还需要3至5年。这并不妨碍机器人先进入具体行业，在每天的使用中继续改进效率、体验和任务能力。

第一条产线决定机器人能生产多少，长隆这条由真实游客、运营人员和研发团队共同构成的“产线”，将检验机器人能否越用越稳定、看护成本能否持续下降，以及客户是否愿意继续购买。

本文来自华尔街见闻，欢迎下载APP查看更多

特朗普近期表态支持禁止柴油出口的构想。据追风交易台消息，摩根士丹利在9月23日发布的研究报告中指出，一旦全面出口禁令落地，美国国内汽油价格与海外柴油价格均将大幅上涨。报告同时评估，全面禁令落地的概率仍然偏低，但部分限制或阶段性管控措施存在现实可能性。

欧洲将首当其冲。摩根士丹利分析师Martijn Rats与Charlotte Firkins指出，西北欧每日从美国进口约25万桶柴油，即便在不出口禁令的基准情景下，该地区库存已在加速下行，预计最快于今年11月触及2018年以来的最低水平。一旦这一供应来源被切断，欧洲柴油价格将被迫寻找新的需求破坏点，其情形与2022年欧洲液化天然气市场危机如出一辙。

全球柴油供应紧张已持续数月，价格压力从两条主线同步汇聚。

中东地区约150万桶/日的炼油产能实际上已无法有效利用——部分因地处霍尔木兹海峡以内而难以外运，部分因遭受破坏而停产——导致该地区柴油出口量同比减少约50万桶/日。与此同时，俄罗斯约350万桶/日的炼油产能因无人机袭击而停运，其柴油出口量同比再降约80万桶/日。俄罗斯与中东两地合计供应缺口达130万桶/日，约占全球海上贸易市场日均供应量800万桶的15%。

价格层面，9月15日NYMEX取暖油期货合约触及每加仑5.26美元（折合220美元/桶）的历史最高价，美国零售柴油均价也同步创下每加仑6.52美元的纪录高位。以相对WTI原油的价差衡量，美国馏分油裂解价差当前约为105美元/桶，是过去15年中位值的四倍。

面对价格压力，美国政府已采取一系列应对举措，包括临时豁免《琼斯法案》（豁免期至11月15日）、多次豁免EPA燃油标准、全国性豁免联邦卡车驾驶时长限制，以及大规模释放战略石油储备。

理解出口禁令的潜在冲击，需首先厘清美国柴油供需结构。

美国炼油系统日均加工约1650万桶原油，产出柴油约510万桶。国内消费为390万桶/日，剩余约120万桶以净出口形式进入国际市场——具体而言，出口量约140万桶（主要来自墨西哥湾沿岸），进口量约20万桶（主要流入美国东海岸）。

摩根士丹利的测算显示，若140万桶/日的柴油出口被全面叫停，国内供应将初步改善，消费或回升约20万桶/日至五年均值附近。在《琼斯法案》豁免延续、东海岸进口需求由墨西哥湾沿岸填补的假设下，彼时仍将形成约100万桶/日的剩余供应，集中淤积于墨西哥湾沿岸（PADD 3）。

该地区仅有约2300万桶的冗余柴油储罐容量，照此速度，库容将在约三周内耗尽。一旦储存空间告罄，炼油商将被迫削减柴油产量。

削减柴油产量意味着炼油商需要调整产品结构，而这一操作空间极为有限。

目前美国炼油系统处于"最大馏分油"生产模式，馏分油收率约为30.6%，已接近历史区间上限。摩根士丹利估计，在国内消费从390万桶/日回升至410万桶/日的同时，若馏分油收率从30.6%下调至28.1%，整个炼油系统的原油加工量将不得不从当前约1650万桶/日压缩至约1450万桶/日，降幅约达200万桶/日。

与此同时，汽油收率或可从当前的49%小幅上调至约51%。但即便如此，汽油供应量将仅约为745万桶/日，低于当前约810万桶/日的水平，缺口约达65万桶/日。这意味着美国将不得不在本已供应偏紧的全球市场上大量采购汽油进口。

结论因此清晰：柴油出口禁令并不能简单地为美国消费者带来燃油成本下降，反而可能通过炼油系统的传导机制，推动汽油价格进一步走高。

在所有潜在受波及地区中，欧洲的处境最为脆弱。

西北欧长期以来是全球柴油净进口地区，自中东冲突爆发后转型为净出口地区，当前净出口量接近于零——这一平衡依赖美国约25万桶/日的进口供应与向其他地区出口相互抵消。摩根士丹利的供需模型显示，即便维持当前从美国的进口规模不变，西北欧柴油库存仍将于今年11月跌至2018年以来最低水平，进入2027年后仍将延续下降趋势。

一旦美国出口禁令实施，欧洲将被切断这25万桶/日的供应来源。为弥补缺口，欧洲将被迫以更高价格从全球其他地区吸引货源，进而将价格压力扩散至更广泛的市场，诱发其他地区的需求破坏。这一机制与2022年欧洲液化天然气危机的演进路径高度相似。

花旗研究则从另一维度聚焦于中东欧经济体的暴露风险。据花旗研究9月24日发布的报告，在柴油强度与价格传导方面，波兰的脆弱性在中东欧地区最为突出——其柴油经济强度高于欧盟平均，柴油在HICP（调和消费者价格指数）中的权重也相对偏高，且财政空间有限，实际利率偏低。花旗研究认为，若柴油价格冲击持续，波兰央行（NBP）可能面临加息压力，以抑制通胀超调。

摩根士丹利明确指出，上述所有测算均建立在美国实施出口禁令这一假设之上，属于情景推演而非基准预测。

报告认为，综合考量全面禁令所引发的一系列后续效应——国内汽油价格上涨、欧洲能源成本攀升、全球通胀压力扩散——这一极端举措仍与美国政府的政策基准相距甚远。目前更具可能性的路径是局部限制或时间有限的管控措施。

然而，特朗普已公开表态支持禁令方向这一事实本身，已足以令市场保持高度警惕。摩根士丹利在报告中指出，只要这一议题仍处于政策讨论阶段，油市就应为持续的价格波动做好准备。ICE柴油期货（Gasoil）价格已接近历史高位，若禁令讨论升温，短期内仍有进一步上行空间。

本文来自华尔街见闻，欢迎下载APP查看更多

美国劳工部周四公布数据显示，截至9月19日当周，初请失业金人数较前周减少1000人至19.7万，为7月以来最低水平，亦是1969年以来的历史最低读数之一。彭博经济学家Eliza Winger表示，9月中旬初请失业金人数维持在极低水平，表明劳动力市场状况稳定，目前尚未看到高利率推动裁员的迹象。

数据公布后，市场对美国就业市场的担忧情绪进一步缓和。整体来看，当前劳动力市场结构性特征愈发清晰——裁员端持续受抑，而招聘端的动能仍不均衡，形成鲜明反差。

劳工部数据显示，19.7万这一读数在历史坐标系中位于极低区间。衡量新申请波动趋势的四周移动平均值下滑至20.225万，创六周新低，进一步佐证近期申请量的下行趋势并非单周扰动。

未经季节调整的原始数据则呈现相反走势，初请人数有所上升，主要由加利福尼亚州、夏威夷州及纽约州的增量驱动。

持续申领失业金人数（衡量仍在领取救济金的群体规模）截至9月12日当周基本持平，约为172万，接近2023年以来的最低水平。

Eliza Winger指出，目前少数处于裁员状态的行业，其动机主要集中于效率提升，而非宏观经济压力传导，高利率对就业市场的冲击尚未在利率敏感型行业显现。

然而，就业市场的稳定并不意味着活力全面恢复。过去数月间，企业普遍对解雇员工持谨慎态度，初请人数由此在历史低位附近持续盘桓。但与此同时，招聘活动表现参差不齐，为仍在观望的求职者以及那些对现有工作感到不满、却苦于缺乏跳槽机会的在职人员，提供的选择空间依然有限。

这一结构性分化意味着，劳动力市场的表面平静之下，部分群体面临的就业流动性压力仍未得到有效疏解。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博报道，甲骨文已向该项目开发商——Blue Owl Capital旗下子公司Stack Infrastructure——发出援引不可抗力条款的正式通知。

报道称，甲骨文此举并非意图退出主要租户地位，而是寻求在项目无法按原计划于2028年上线的情况下，推迟相关付款义务。

消息公布后，甲骨文盘前股价随即下跌4%，Blue Owl Capital股价同步下挫2.3%，数据中心供能商Bloom Energy盘前跌幅亦达4.4%。

Project Jupiter是一个规模庞大的特殊目的载体（SPV）项目，计划在新墨西哥州约1400英亩土地上建设四座数据中心，为OpenAI提供总计3000亿美元的算力，融资结构涵盖债券、贷款及Blue Owl股权。此次不可抗力通知的发出，令市场对该项目能否如期推进的疑虑骤然升温，相关贷款此前已跌至承压水平。

不可抗力通知：防御性操作，法律效力存疑

据彭博援引知情人士报道，甲骨文向Stack Infrastructure发出的这份通知，核心目的在于在项目建设出现延误时，为自身确立合同层面的保护立场，以推迟潜在的付款义务。

企业援引不可抗力条款，通常是在遭遇超出自身控制范围的突发情况时，寻求免除或暂缓合同义务的法律依据。然而，知情人士同时指出，目前尚不确定这一操作能否实际免除甲骨文此前已承诺的财务责任。

对此，甲骨文发言人回应称："Project Jupiter仍在按计划推进，我们对新墨西哥州的承诺坚定不移，对项目前景充满信心。"该发言人未就不可抗力通知本身作出具体置评。Blue Owl方面则拒绝发表评论。

项目本已深陷困境，融资链压力全面显现

Project Jupiter在此次通知发出之前，已面临来自多方的阻力。据彭博此前报道，该项目遭遇反对声音与监管层面的挫折，相关贷款已跌至承压水平。

从项目结构来看，Project Jupiter以SPV形式运作，属于表外融资安排，将债券、贷款与Blue Owl股权捆绑在一起，涉及多家大型金融机构。这一高度杠杆化的融资结构，使得任何一个环节出现松动，都可能对整条资金链形成连锁冲击。

此次不可抗力通知发出后，市场反应迅速蔓延：甲骨文、，Blue Owl Capita、Bloom Energy集体大跌，显示投资者对项目前景的担忧已从核心参与方向周边供应链扩散。

2028年上线目标蒙上阴影，项目命运存疑

知情人士表示，甲骨文发出不可抗力通知的直接触发点，正是对Project Jupiter能否按原计划于2028年投入运营的不确定性。该项目此前已因反对声音和监管阻碍而进展受阻，此次甲骨文的防御性动作进一步加剧了外界对项目能否落地的疑虑。

市场评论人士指出，Project Jupiter的SPV结构将多家顶级金融机构的利益深度绑定，一旦项目出现实质性延误乃至搁置，潜在的连锁反应不容低估。

目前，甲骨文坚称项目"按计划推进"，但其援引不可抗力条款的实际行动与这一表态之间的落差，已令投资者保持高度警惕。

本文来自华尔街见闻，欢迎下载APP查看更多

印度股市周四遭遇十周来最惨烈的单日抛售，油价骤升引发通胀忧虑，叠加全球新兴市场在美联储进一步加息预期与强势美元压制下普遍走低，市场情绪明显恶化。与此同时，印度国内保险监管机构拟推出佣金上限新规，令金融板块雪上加霜。

Nifty 50指数收跌1.6%至23,063.10点，BSE Sensex指数下滑1.67%至73,580.54点，两大指数均创下自7月8日以来最大单日跌幅。布伦特原油价格当日上涨2.4%，报每桶105.6美元，美伊外交谈判陷入僵局，进一步提振油价。

在更广泛的新兴市场层面，MSCI新兴市场货币指数当日下跌0.45%，逼近自3月19日以来最大单日跌幅，而MSCI新兴市场股票指数则下挫0.9%。10年期美国国债收益率飙升至2007年以来最高水平，美联储10月加息概率依据CME FedWatch工具显示已接近70%。

油价重新站上每桶105美元的高位，令高度依赖原油进口的印度经济面临通胀压力。

Axis Direct衍生品与技术研究高级研究分析师Hemang Gor表示："原油始终是影响印度市场的关键变量。油价在短暂跌破100美元后急速反弹，在国内市场刚刚企稳之际再度引发供应端担忧。"他同时指出，从技术面来看，只要Nifty仍运行于23,500点下方，市场整体基调偏空谨慎。

印度16个主要行业板块悉数收跌，中小盘股同样未能幸免——小盘股下跌1.5%，中盘股跌幅则达2.3%。

印度保险监管机构拟议出台的佣金改革方案，成为金融板块重挫的直接导火索。新规核心内容包括：对佣金支出设置上限、将佣金与产品复杂度挂钩，并将寿险佣金的支付期限从首年延伸至此后年度。

银行板块与金融板块分别下跌2%和2.4%。PB Fintech当日暴跌36%，创下历史最大单日跌幅；Turtlemint Fintech重挫20%。

Motilal Oswal分析师在研报中指出，"保险经纪商及银行、非银行贷款机构所受的收入冲击将远超个人代理人"，并强调"银保渠道（bancassurance）正处于监管十字路口"。分析师警告称，若该系列重大监管变革落地实施，将对行业产生深远影响。

在全球层面，美国国债收益率的急升与美元走强共同对新兴市场资产构成压制。一份强于预期的采购经理人指数报告再度点燃通胀忧虑，五年期美债拍卖需求疲弱，推动10年期美债收益率升至2007年来高点。

法国巴黎银行中东欧、中东及非洲地区经济主管Jeffrey Schultz表示："我们预期美联储至少还将加息两次，这将在下一季度为新兴市场货币带来更强的逆风。我们正在进入一段对风险资产而言颇为危险的时期，南非兰特、匈牙利福林和巴西雷亚尔等多头仓位集中的高收益新兴市场货币，可能面临较大压力。"

据路透报道，南非兰特下跌0.4%，触及七周低位；匈牙利福林下滑0.2%；印度尼西亚卢比在亚洲货币中跌幅居首，达0.5%；韩元下跌0.3%。

在中东欧市场，土耳其的动态同样引发市场关注。据土耳其国家通讯社报道，土耳其财政部长Mehmet Simsek将于周四及周五举行一系列会议，就131只、合计规模约180亿美元的投资基金清算事宜进行磋商。此前土耳其当局已于上周出手干预，以维护股市动荡背景下的金融稳定。

土耳其基准股指当日下跌1.2%，里拉则基本持平。罗马尼亚基准股指下挫1.4%，波兰蓝筹股指数小跌0.3%。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台消息，摩根大通在Meta Connect大会结束后发布研究报告，将Meta Platforms目标价从820美元上调至920美元，维持增持评级。截至报告发布日，Meta股价报744.10美元。此次上调的核心驱动力在于Muse的变现路径日趋清晰——Meta首席执行官扎克伯格在Connect上明确表示，公司未来将对通过Muse完成的交易收取小额手续费，标志着Muse货币化模式从订阅制向交易抽成的实质性转变。

摩根大通分析师Doug Anmuth在报告中指出，随着Muse Connector生态系统快速扩张，以及前沿模型Watermelon即将发布，Meta正在广告主业之外构建一条规模可能达数十万亿美元的全新增长曲线。此次目标价调整基于2028年预期GAAP每股收益35.44美元的约26倍市盈率估值，较此前采用的23倍明显提升。

Muse商业模式的核心逻辑正逐步成型。摩根大通报告指出，目前Muse的变现规模有限，或仅涉及少量重度使用订阅，但扎克伯格在Connect上重申，Meta将随时间推移对平台上发生的交易收取小额费用。

报告认为，Muse Connector是打通变现链条的关键基础设施。Connector允许Muse与外部网站、应用及商家建立连接，目前已收到超过2000份接入申请。在Connect大会上，Meta宣布与Walmart、Best Buy、Sephora及Wayfair达成集成合作，此前已有OpenTable、Spotify、Ticketmaster、Peloton、Expedia及Instacart加入。Meta同步推出Muse Connector平台，向开发者开放接口，允许其将自有应用和服务接入Muse生态。

摩根大通预计，随着数以千万乃至数亿计的商家最终在Muse上部署自有智能体，平台上的交易将越来越多地通过智能体间（agent-to-agent）交互完成，而非传统的浏览或电话方式。届时，Meta可依据交易额收取抽成或佣金，亦可根据商家的具体经营目标采用类似现有广告业务的目标导向定价模式。该行认为，这一变现逻辑与Meta广告业务的底层框架高度相似，具备规模化复制的条件。

摩根大通预计，Meta最强能力的前沿模型Watermelon将于未来数周内发布。报告认为，Watermelon的推出将从两个维度强化Meta的AI商业价值：一是通过提升推理能力直接增强Muse的产品表现；二是为Meta Model API开辟更大的货币化空间。

报告指出，若Watermelon以显著低于竞争对手的定价提供前沿模型API访问，将对开发者和企业客户形成强吸引力，进而推动调用量大幅提升。摩根大通将Meta Model API视为独立于广告和Muse之外的第三条变现主线，并认为前沿模型的加持将使这一业务的商业潜力实质性提升。

在财务预测上，摩根大通预计Meta 2026年至2028年营收将分别达到2543亿、3053亿及3544亿美元，对应年增速为26.5%、20.0%及16.1%。调整后每股收益预计从2026年的36.46美元增长至2028年的46.07美元。值得注意的是，受大规模资本开支拖累，该行预计2026至2028年间公司自由现金流将持续为负，资本开支占营收比例预计在2027至2028年升至80%左右。

在Connect大会上，Meta将Reality Labs的战略重心明确转向服务于Muse和个人超级智能的可穿戴设备，并将眼镜定位为最大的硬件机会，目标触达全球20亿以上的眼镜佩戴人群。

在具体产品层面，Meta推出Ray-Ban Meta Audio，将耳机功能与AI整合至重43克的轻薄镜框中，售价349美元，10月13日开始发货。同期发布的Ray-Ban Meta（第三代）相较上一代改善了续航（9小时对比8小时），提供27种配色与镜片组合，售价449美元，目前已开放购买。此外，Meta还推出了由Kyle Jenner设计及LISA联名款眼镜，起售价均为399美元；入门款Meta Adventurer售价249美元。Meta同步宣布将眼镜销售范围扩展至新加坡、韩国、墨西哥及阿联酋，并即将进入巴西市场。

Meta还发布了掌上设备Muse Charm，配备约2英寸显示屏和板载5G模块，允许用户访问个人Muse虚拟形象，预计年底前上市销售。在VR领域，Meta发布Meta VR Glasses，重量约100克，约为Meta Quest 3的五分之一，内置Meta AI智能体，并获IMAX Enhanced认证，售价1299美元，预计2027年春季发货。

摩根大通将目标价估值倍数从23倍上调至26倍，理由是对Meta营收增长的可见性、持续的成本优化能力以及AI变现路径的确定性信心增强。报告强调，即便以2028年GAAP每股收益35.44美元作为估值基准，该预测数字本身也可能偏于保守。

在更长期的叙事框架下，摩根大通认为Muse有潜力成为自ChatGPT以来用户规模最大的消费级AI应用。报告援引Meta在Connect上的表述称，Muse已触达数百万用户，Meta的目标是将其打造为面向全球数十亿用户的超级智能平台，对应的潜在市场规模可能达到数十万亿美元量级。

本文来自华尔街见闻，欢迎下载APP查看更多

摩根士丹利9月23日发布的人形机器人供应链调研显示，多家整机厂大幅上调2026年出货目标，部分厂商计划实现数倍增长，供应链也开始按照千台级、甚至更高的生产节奏提前扩产。随着行业从小批量试制进入规模生产，整机厂和零部件厂商之间的能力差距可能进一步扩大。

报告认为，当前行业的核心矛盾已经不再是“能不能做出机器人”，而是能否在真实场景中持续完成任务，并将实际部署转化为数据积累、模型迭代和成本下降。对于供应链而言，量产一致性、良率、成本控制和交付能力也将成为越来越重要的竞争变量。

这意味着，随着出货快速放量，人形机器人行业的竞争可能提前进入洗牌阶段：出货量只是起点，真正决定企业能否留在第一梯队的，是从技术能力到规模制造、再到全球交付的完整产业化能力。

量产加速，场景能否形成持续订单成焦点

2026年，人形机器人整机厂普遍大幅上调出货目标，部分厂商预计实现数倍增长，行业放量节奏明显加快。供应链也在同步扩产，部分核心零部件厂商已根据客户量产规划提前布局，其中一家北美整机厂预计2026年7月达到每周1000台产量，年末进一步提升至每周2500台。

不过，从需求结构看，行业仍处于商业化早期。研发、教育、数据采集及政府支持项目占比较高，工业、物流、零售、医疗、娱乐等场景仍在持续试点和验证。

因此，出货增长只是第一步，真正值得关注的是哪些场景能够形成持续订单。如果机器人能够在特定任务中证明效率和经济性，实际部署增加将进一步推动数据积累和模型优化，并带动应用从单点项目走向规模化复制。

放量之后竞争加速分化，供应链强者优势可能进一步扩大

随着整机厂从演示转向实际交付，竞争标准正在发生变化。机器人能否完成特定任务、执行速度如何、稳定性是否足够，以及部署后的持续迭代能力，都将比单次演示效果更加重要。

当前操控能力仍受到模型、数据和算力约束，行业短期内更可能沿着具体场景逐步突破，而不是迅速实现通用操作能力。在这一过程中，越早获得真实部署机会的企业，越有可能通过“部署—采集数据—模型迭代—任务能力提升”的循环建立优势。

零部件环节同样如此。整机进入量产后，供应商需要同时解决良率、一致性、成本和扩产速度等问题。过去能够完成样品开发，并不意味着能够满足大规模生产需求。量产越快，供应商之间在制造工艺、质量控制和成本上的差距越容易被放大。

与此同时，整机厂正在将更多零部件交由专业供应商生产，供应商也从单一零件向执行器、模块、电机和轴承等更高价值环节延伸。由此形成的规模效应可能进一步强化供应链集中度：订单增加带来产能利用率和成本改善，成本下降又有助于获取更多订单，头部供应商的优势因此可能在量产阶段持续扩大。

海外量产打开新空间，本地化供应能力成为新门槛

海外市场正在成为人形机器人产业链的重要增量。部分国内整机厂已经进入欧洲、日本、韩国和东南亚等市场，海外销售占比持续提升。随着产品从研发用途走向商业部署，海外市场的订单和服务体系也将进一步完善。

对供应链而言，北美市场的量产需求尤其值得关注。随着部分北美整机厂计划在2026年进入规模生产，其供应商正在通过墨西哥、泰国及美国等地的产能布局满足非中国制造需求。对于希望进入全球供应链的零部件厂商而言，海外生产和本地交付能力的重要性正在提升。

这也使人形机器人供应链的竞争从单纯的技术竞争，进一步演变为技术、制造、成本和全球交付能力的综合竞争。与此同时，算力不足以及触觉传感器路线尚未收敛，仍是产业进一步规模化需要解决的问题。

整体来看，摩根士丹利此次调研释放的核心信号是：2026年行业出货目标的大幅提升，可能只是人形机器人供应链加速洗牌的开始。随着量产规模扩大，真实场景、制造能力和海外交付将逐步成为筛选企业的关键变量，产业链竞争也将从“谁能做出来”进一步转向“谁能稳定、低成本地大规模交付”。

本文来自华尔街见闻，欢迎下载APP查看更多

9月24日，据伊朗半官方媒体法尔斯通讯社报道，伊朗最高领袖顾问Yahya Rahim Safavi表示，当前冲突已从波斯湾和霍尔木兹海峡延伸至红海，若局势进一步升级，下一阶段的潜在行动范围可能扩大至印度洋及其他地区。

Safavi称，如果伊朗的重要目标和利益再次遭到攻击，冲突可能进一步扩大。他还表示，若美国发动新的军事行动，红海和曼德海峡或将成为新的作战区域。上述表态之际，国际原油市场持续走强，布伦特原油重新站上100美元/桶。

此前，伊朗方面也释放出强硬信号。据新华社，伊朗总统佩泽希齐扬23日在联合国大会一般性辩论发言中表示，伊朗“永不低头、也不会屈膝投降”，并呼吁各国共同努力实现和平。佩泽希齐扬表示，伊朗不希望拥有核武器，不会接受对民用核计划的限制。他重申，伊朗愿与地区邻国友好相处，地区问题须由地区国家在区域内解决，不能任由外部势力插手。

随着冲突外溢风险上升，市场对原油供应及区域航运受扰的担忧仍在升温。

本文来自华尔街见闻，欢迎下载APP查看更多

9月24日周四，据彭博报道，彭博全球综合国债指数收益率周三上涨8个基点至3.99%，距离4%关口仅一步之遥，达到2007年以来罕见水平，单日涨幅创5月以来最大。与此同时，美国五年期国债收益率突破5%，为2007年以来首次。互换市场目前已计入未来一年三次25个基点加息预期，第四次加息的预期也明显升温。

债市抛售的影响也正在向其他资产和实体经济传导。政府、企业及家庭的融资成本面临上行压力，更高的无风险收益率也会抬高股票等风险资产的折现率，压制其估值。与此同时，债市波动率明显攀升，ICE美银MOVE指数周三升至3月以来最高水平，进一步提高了投资者入场的谨慎程度。

五年期拍卖需求疲弱，美债收益率持续走高

美国国债是本轮全球债市调整的核心驱动力。周四，美债收益率继续走高，10年期收益率上涨2个基点至5.14%，创2007年以来新高，30年期收益率则升至2004年以来最高水平。

美国财政部周三完成700亿美元五年期国债拍卖，中标收益率创2006年以来最高。按彭博采用的一项衡量标准，该场拍卖表现位列2018年有记录以来第二差，显示市场在更高收益率水平下仍要求额外补偿。随着美国债务规模接近40万亿美元，持续攀升的利息支出也进一步放大了市场对财政状况的担忧。

摩根大通和KKR策略师均预计美国国债收益率仍有进一步上行空间，并将能源驱动的通胀、政府大规模举债以及央行进一步收紧政策的风险视为主要推动因素。彭博Markets Live策略师Alyce Andres表示，投资者抛售国债并非因为通胀公信力崩塌，而是因为真实政策前景和期限溢价仍需要更大的让步。

抛售蔓延亚洲，日本收益率创三十年新高

债市压力周四进一步向亚洲市场扩散。澳大利亚三年期国债收益率跳升14个基点，触及2011年5月以来最高的5.07%；新西兰两年期收益率最多上涨17个基点，逼近4%。

日本市场在经历三天假期后重新开盘，也迅速补跌全球抛售行情，十年期日债收益率升至1996年以来最高水平。Brandywine Global Investment Management投资组合经理Carol Lye表示，无论是养老基金、银行还是寿险公司，本地机构对日本国债市场的支撑需求依然不足。

全球债市的调整也在一定程度上反映出市场对利率环境的重新定价。据彭博指数数据，全球政府债券今年以来已累计下跌约2.4%，而去年同期则上涨6.8%，债券市场面临的压力明显加大。

高通胀与高财政需求支撑高收益率，投资者等待波动降温

报道援引市场人士认为，本轮债券抛售具有一定基本面支撑。Pendal Group基金经理Amy Xie Patrick表示，多个经济体的通胀仍然高企且具有粘性，劳动力市场保持紧张，即使燃料及各类商品价格上涨，经济仍维持良好增长，在这一背景下，债券表现与当前经济基本面相符。

面对持续抛售，投资者策略出现分化。Ericsenz Capital首席投资官Damien Loh认为，短期债券估值已经显得便宜，但并不建议立即逆势入场；对于希望从抛售中寻找机会的投资者，他更倾向于收益率曲线陡峭化交易，例如2年/10年或5年/30年利差策略，认为其风险回报比更为合理。

TD Securities策略师Hans Mikkelsen则指出，当前固定收益市场的矛盾在于，投资者希望获得更高收益率，却不希望收益率继续快速上行。“他们害怕接住一把下落的飞刀。”不断攀升的债市波动率，正成为潜在买家迟迟不愿入场的主要障碍。

本文来自华尔街见闻，欢迎下载APP查看更多

9月23日，The Ezra Klein Show播客发布了由《纽约时报》专栏作家Ezra Klein主持、于英伟达圣克拉拉总部录制的深度访谈视频，英伟达CEO黄仁勋就AI安全、就业冲击、开源生态、能源转型等市场最关切的议题，发表了一系列直接且具有冲击力的观点。

近日，OpenAI、Anthropic等前沿实验室的高管与员工正密集发声，警告AI技术正在逼近"失控"边缘。黄仁勋的这场访谈，因此具有鲜明的"对话"意味。他承认挑战的真实存在，但对"末日叙事"给出了强硬回击，并将所有争议最终收束至一个工程师式的答案：“如果你认为自己已无法掌控局面，那么在重获掌控之前，就不应发布产品。”

对于外界频繁拿来类比的“互联网泡沫”担忧，黄仁勋给出了一个罕见的直白判断：“在某个时间点，供需将再次倒转，这是市场的本质。但这不会发生在明年，也不会发生在未来两三年内。”

他同时承认，当供过于求到来时，将是一段"消化期"，但并不会是永久性的衰退。他认为，当前各行各业对应用层的持续投入，是支撑需求长期健康的关键。

抨击AI“末日论”：安全是纯粹的工程问题，呼吁监管是推卸责任

近期，随着OpenAI和Anthropic等前沿AI实验室内部关于“AI失控风险”的警告声不断，市场对潜在的严厉监管政策感到担忧。对此，黄仁勋展现出了极强的工程师直觉，对这种“末日论”给予了直白且强硬的驳斥。

他认为，AI本质上只是被赋予了目标函数的软件和算法，并没有所谓的“意愿”，安全和对齐（Alignment）完完全全是可以通过隔离、沙盒化等工程手段解决的问题。

“如果他们认为自己已无法掌控局面，那么在重获掌控之前，就不应发布产品。”黄仁勋直言不讳地指出，大型科技公司在市场竞争下要求社会提供监管豁免或反垄断豁免的逻辑是荒谬的。“一秒钟都不要以为你现在是个危言耸听者，你就在做社会公益。这不是真的。”

他对那些一边声称技术“强大到无法控制”、一边寻求监管豁免的逻辑表示困惑：“我是第一次听到一个公司或CEO说，我需要反垄断法律被豁免，我需要产品责任法律被豁免，然后我才能控制自己的节奏。这个逻辑让我很费解。”

黄仁勋明确表示，他并非反对监管本身，他反对的是“以无法掌控技术为由，为自身寻求责任豁免”：

“一项不安全的技术并不是先进的技术。安全性、对齐和评估，本身就是AI技术进步的一部分。”

他以芯片行业为类比：英伟达公司80%的研发资源投入验证（verification），而非纯粹的能力拓展。他认为AI实验室目前的比例恰好相反——约80%用于能力提升，20%用于安全评估——这个比例需要逐渐翻转。

针对“AI教父”杰弗里·辛顿（Geoffrey Hinton）关于AI可能毁灭人类或彻底消灭放射科医生等职业的惊悚预测，黄仁勋也给出了毫不客气的评价：“我爱辛顿，但我讨厌他的预测。”

他强调，如果技术真的不安全，正确的做法是停止发布或关闭实验室，而不是将未经充分测试的系统推向市场，并将责任归咎于“技术过于强大”。他明确表示，英伟达的算力绝不会交付给没有让人类参与评估的系统。

计算范式的转移：需求将暴涨“十亿倍”，英伟达芯片成为“新型资产类别”

对于华尔街最关心的算力需求天花板问题，黄仁勋指出，市场仍未完全理解正在发生的技术代际更迭。过去60年的计算模式是“基于检索（Retrieval-based）”的，而未来是“基于生成（Generation-based）”的AI工厂模式。

这种底层逻辑的转变意味着计算量将呈指数级爆发。“所需的计算量（相比以前）可能会增加10亿倍。” 黄仁勋解释道，未来的计算不仅仅是人类在使用，而是数以千亿计的AI智能体（Agents）在自主调用大模型进行论证和推导。

更值得投资者关注的是，黄仁勋首次深入阐述了英伟达算力硬件的金融属性。他表示，由于英伟达架构的通用性、软件驱动的耐用性以及极高的投资回报率，英伟达的计算系统正在演变成为一种类似商用飞机的“资产类别（Asset Class）”。

他分享了一组震撼的商业化数据：“建造一个1吉瓦（GW）的AI工厂需要500亿美元，但你可以每年以400到500亿美元的价格将其出租。” 极高的生产力使得投资英伟达算力设施的资本成本降至极低，因为这些计算机本身已经成为了可抵押的优质资产。

驳斥岗位消灭论：半年内5000亿美元涌入，AI正创造全新行业

面对AI是否会导致大规模失业的市场焦虑，黄仁勋提出了“核心目标”与“具体任务”的拆解逻辑。他认为，AI自动化了繁琐的具体任务，但人类职业的核心目标未变。放射科医生不仅没有失业，反而因为AI提高了处理病例的效率，增加了医院收入，导致对放射科医生的需求有增无减。

从宏观投资视角来看，AI带来的并非收缩，而是前所未有的扩张。“在过去的六个月里，有5000亿美元的风险投资涌入了原生AI企业，这是因为他们现在看到了这种新能力的潜力，他们将创建一大批新公司。”

黄仁勋坚信，经济学家在计算模型中遗漏了一个最关键的变量——“人类的野心（Ambition）”。这种希望改善生活、探索未知的野心，是驱动新技术转化为大量新行业和新就业机会的终极动力。对于未来的教育，他断言：“两年后，你将迎来新一代的AI原生代工程师和学生，不学习如何使用AI与智能体协作，学生将无法毕业。”

开源：世界需要掌控自己的基础设施

黄仁勋是开源模型的坚定支持者，他给出了三重理由：

第一，企业和国家需要掌控自己的基础设施，不能完全依赖第三方的闭源服务；第二，开放权重（open weights）模型才能被微调、被整合进企业自身的数据飞轮；第三，开源是最安全的网络安全策略：

“如果你想让世界拥有最好的网络安全能力，就必须提供开放模型，让人们能够保护自己。”

他披露了一组有趣的市场数据：年初，闭源模型的Token使用量占约70%，开源模型约20%；而现在，这一比例已逆转为开源约70%，闭源约30%。

英伟达在今年以约120亿美元完成了对Hugging Face——全球最大开源模型平台——的战略收购。黄仁勋表示，这是Hugging Face CEO主动寻求的合并：“Clem找到我说，我们需要更大规模，我们想让英伟达成为我们的归宿。”

能源困境与气候变化：AI是解决问题的“外科手术”

算力尽头是电力的担忧近期笼罩市场。黄仁勋并未回避AI对能源的巨大消耗，但他提出了一个极具颠覆性的逆向思维：AI正是推动全球可持续能源投资的“百年一遇的催化剂”。

他坦言，短期内为了支撑AI发展，我们可能不得不增加化石燃料的使用，但这是一种必须经历的短痛。“为了拯救你，必须先让你感到痛苦，这就是外科手术的本质。”

因为AI工厂极高的商业回报，市场力量正在疯狂涌入下一代能源建设（核能、太阳能、储能、新材料等），这种投资规模是过去单纯依靠政府补贴所无法企及的。

“如果你想要在气候变化问题上实现转折，每个人都应该全力支持AI，这是我们实现可持续未来梦想的最佳机会。”

全文实录如下（由AI辅助翻译）

第一章：开场

Jensen Huang：

如果他们认为这些东西失控了，那就在控制住之前不要发货。别以为你现在危言耸听就是在做好事。

Ezra Klein：

如果这就是他们真实相信的呢？

Jensen Huang：

我没办法跟你谈他们相信什么。我只能告诉你我相信什么。

Ezra Klein：

在过去这几周里，全世界都在谈论人工智能，人们听到最多的声音来自前沿实验室，包括他们的CEO、领导层以及员工。这些实验室正在开发最先进的AI模型，比如Claude、ChatGPT、Gemini等等。

但他们并不是AI领域的唯一声音。在人工智能领域，影响力最大的人，很可能是英伟达CEO Jensen Huang。英伟达如今是全球市值最高的公司，市值高达5.4万亿美元。有一个数据让我非常震惊：2023年以来，美国股市每赚回的1美元中，就有15美分来自英伟达的股票。 原因在于，英伟达是现代人工智能赖以构建的硬件与软件基础。英伟达的芯片之所以大受追捧，并不只是因为AI火了——更准确地说，现代形态的AI之所以成为可能，正是因为英伟达的芯片早已广泛普及。 这些芯片最初是为图形处理、电子游戏等用途而设计的，但后来人们发现，它们所擅长的并行计算方式，以及其可编程性，恰恰是让现代深度学习得以运转的关键所在。

Huang的影响力不仅体现在掌控着训练新AI模型、运行推理任务、在全球范围内创造智能所需的核心资源上。他在特朗普政府中也已变得极具影响力。Huang的观点与一些实验室负责人存在明显差异。 他对安全问题有所担忧，但将其视为完全可以解决的工程问题。他对当前的发展方向也有些顾虑，但并不希望通过出台新的监管措施来加以改变。因此，我想了解Huang是如何看待AI的，他思考这个问题的框架是什么，他认为哪里出了问题，以及他认为要走上正轨需要发生什么。于是我来到了圣克拉拉的英伟达总部，对他进行了专访。他现在加入了我的节目。

第2章：人工智能的五层蛋糕

Ezra Klein：

Jensen Huang，欢迎来到节目。

Jensen Huang：

谢谢，很高兴见到你。

Ezra Klein：

你曾把人工智能描述为一个五层蛋糕。能带我了解一下每一层吗？

Jensen Huang：

首先，这是一场新的工业革命，这场工业革命、这个行业需要生产，它制造东西。我知道最终人们体验到的是软件产品，但它需要能源，需要放入这些数据中心的芯片，这些人工智能工厂，再往上一层基本上就是人工智能工厂本身，也就是人们所享受的基础设施或云服务。再往上一层是模型层。重要的是要认识到，不仅有语言模型，还有各种各样的模型——化学模型、生物模型、物理模型、运动模型、机器人模型、导航模型、自动驾驶汽车，各种不同类型的模型。再往上就是最重要的一层，也是我最关心的、希望我们国家能够充分利用的一层，那就是应用层。这包括法律服务、医疗服务、制造业等等方面的应用。每一个行业都涉及其中。

Ezra Klein：

我想深入了解这些内容，但我想从顶层往下讲，因为正如你所说，人们与它互动的方式，它改变或不改变人们生活的方式，就在于你所说的应用层。

第三章：Jensen Huang 对未来的展望

Ezra Klein：

那我们就从愿景开始吧。你所设想的世界是什么样的？有哪些现在不可能实现的事情将成为可能？有哪些现在不普遍的事情将变得普遍？如果我们把那个层面做对了。

Jensen Huang：

200年前，我们能够为任何事物提供动力——电力。大概40年前，30年前，随着互联网的出现，我们能够找到任何东西。而今天，或者说很快，我们将能够了解一切、做成任何事。这个概念真的令人非常兴奋——从虚空中，而不是通过搜索，然后一个链接接着一个链接地点进去，阅读各种不同的网站，试图弄清楚未来会发生什么——你只需要提出一个问题，它就会给你一个答案；你给它一个项目，它就会给你一个解决方案；你给它一个任务，它就会去完成它，你知道吗？而且这一切都从虚空中来，从云端涌现，这才是真正神奇的地方。

Ezra Klein：

我觉得你描述的这个未来，人们所熟悉的体验是聊天机器人，对吧？他们可以去问 Grok、Claude 或 ChatGPT 问题。但应用层的运作方式更具工业化——它出现在医院里，出现在学校里。所以 Nvidia……

Jensen Huang：

比如放射学……

Ezra Klein：

它看起来是什么样子的？

Jensen Huang：

放射学在过去十年里，自从计算机视觉真正实现了所谓的超人级别，AI 技术已经渗透到了整个放射学领域。每一个放射学应用都内置了 AI。 因此，你可以检测出任何异常，可以检测出任何疾病，而且是以超人的水平来完成的。

Ezra Klein：

放射学是我知道你喜欢举的一个例子。人们对应用层所担忧的是，这些应用将会取代人类。放射学一直是一个被双方都引用的有趣例子，我也经常听你提到它。那么，AI 进入放射学领域之后，放射学作为一门实践是如何改变的？

Jensen Huang：

对于所有这些领域来说，有一点非常重要，那就是要认识到：对于每个人的工作，都有工作的目的，以及你作为工作所做的任务。 在放射学的案例中，那个任务——它占用了他们大量的时间，他们经常坐在黑暗的房间里做这件事——就是研究这些扫描图像。现在，如果突然间，研究扫描图像这件事被自动化完成了，这并不会改变他们工作的目的——即诊断疾病、帮助医生做更多扫描，最终帮助患者找出他们的问题所在。所以，根本目的没有改变。研究扫描图像这项任务已经被自动化了。因此，放射科医生实际上能够做更多事情、处理更多病例、完成更多扫描；医院能够处理更多这样的患者，因此收入也随之增加。结果是，他们需要更多的放射科医生。 这个飞轮效应正在发生，因为患者的流水线是相当庞大的。

Jensen Huang：

那么，还有哪些地方存在这个问题呢？

Jensen Huang：

我们来看看软件工程。有人预测，字面意义上就在今年，90% 的所有软件将由 AI 智能体来编写，因此我们不再需要任何软件工程师。于是问题就变成了：由此推断，我们不需要软件工程师了。后面这个结论完全是错误的，是完全不对的。 软件工程师作为工程师，其工作的目的——在软件出现之前就有工程这个职业，在软件编程之后也将继续存在工程这个职业——工程的目的是发明新事物、发现新产品、创造新产品来解决问题，将社会需求与现有技术结合，以产品的形式体现出来。所以，那个使命、那个目的不会改变。

Jensen Huang：

对我来说，我刚才说的这些当然是发自肺腑的。因为当我刚从学校出来的时候，我们没有软件工程的便利，没有编程的便利，但我们的工作在那之前就已经存在了。如果软件编程被完全自动化，我们的工作将会再次存在。所以，我认为这个谬误——现在因为一些叙事和一些故事，它已经变成了一种神话，而且是有害的——就是 AI 将会摧毁工作岗位，这在根本上是错误的。

Jensen Huang：

AI 将会改变每一份工作。它将改变每一份工作，许多任务将被自动化。 一些工作，在工作本身和任务高度重合的情况下——比如很多情况下的电话客服，那份工作就恰恰是那个任务本身——在这些情况下，它可能会被自动化取代。

Jensen Huang：

但很多时候你会看到，因为这个新产业、新技术，实际上会创造出一大批新的工作岗位。这里有一个有力的证明。在过去六个月里，AI 已经变得——如果你愿意这么说——有用了，这是 AI 的拐点。在此之前，我们花了 15 年时间试图让它发挥作用。突然间，在过去六个月里，它变得有用了。

Jensen Huang：

我是说，这是一个令人难以置信的数据。在过去六个月里，有 5000 亿美元的风险投资投入到了 AI 原生企业中。 原因在于，他们现在看到了这种新能力的潜力，他们将会创建一大批新公司。显然，5000 亿美元的新投资正在创造工作岗位。所有这一切，就在此刻正在发生。

第四章：工作将受到怎样的影响？

Ezra Klein：

让我来为那些持强烈观点的人发声。以放射科医生为例，过去10年里人们一直预测这份工作会消失，但现在对它的需求却比以往任何时候都要大。但同时，自动化确实会消灭工作岗位。如果你对比今天与1960年，直接从事制造业的美国人比1960年少了很多。而且我们现在是一个更大的国家，如果你看……

Jensen Huang：

但那是外包出去的，不是因为那些工作消失了，而是因为……

Ezra Klein：

但你可以把AI也理解为一种外包。

Jensen Huang：

呃，AI是……

Ezra Klein：

好，让我先把论点说完，然后你再回应。农业，我们现在从事农业的人少多了，我们实现了农业自动化，我们生产的粮食比以往任何时候都多，但从事农业的人却更少了。

Ezra Klein：

我认为有两点让人们觉得AI可能与以往那些"加速生产力、消灭少数工作岗位、创造更多工作岗位"的技术案例有所不同。第一，它是一种通用技术，所以它会不断演变，去承担新的工作，即使人们正在努力转向那些新工作。第二，它是一种模仿者。 大多数事物不会像人类那样去模仿人类的行为方式，我们也并不是在试图教它们工作的情境层面，对吧？你所描述的任务与目的之间的区别——在AI这里，我们正是在试图教它理解任务与目的之间的区别。我们正试图让它成为一种能够与你协作的东西，而这种方式是不寻常的。那么，为什么你不认为对于很多很多人来说——那些工作中的任务并没有太大不同的人——他们不会面临被淘汰的风险呢？ 你所说的那些风险投资，其中一些正是基于这样一个想法：它们将带来巨大的生产力提升，而这种提升来自于雇用AI比雇用人更便宜。

Jensen Huang：

我相信我们将会看到大规模的工作变革。我相信最终会有净增的工作岗位。你知道，听着，今天存在着很多行业，在我人生的前半段根本不存在，比如人们谈论的健康中心、水疗馆，各种不同的娱乐和奢侈品行业，坦率地说，整个奢侈品市场以前根本不存在。我认为我们只是会出现新的行业，仅此而已。

Jensen Huang：

但总体而言，总体而言，我毫不怀疑，由于人类的雄心壮志——这才是真正缺失的关键因素。你知道，人们看这项工作，这是投入其中的能量，我们将要，这是投入其中的工作量，我们将要引入这套工作自动化系统，因此所需的工作量将会减少，从而一些工作岗位会消失。我认为这种想法是有缺陷的，因为有一个输入要素——人类的输入——这种无形的东西，它不是以卡路里来衡量的，也不是以焦耳来衡量的，它是雄心壮志，我相信雄心壮志的力量是最强大的力量，而这在所有人的计算中都被忽略了。我相信……

Ezra Klein：

但对很多人来说，对很多人来说，他们与工作的关系，并不是由那种驱使你创建Nvidia的雄心壮志所驱动的。

Jensen Huang：

那是不同的雄心壮志，是让孩子过上更好生活的雄心，是照顾家人、赡养父母的雄心，是渴望富裕、能够旅行的雄心。这些都是雄心壮志。

Ezra Klein：

我同意，也许我可以回到你几分钟前提出的那个异议，因为我认为这值得深入探讨。你关于制造业说的是：是的，美国的制造业岗位减少了，但我们把它们外包出去了，更多的制造业转移到了墨西哥、印度尼西亚、越南等地。

Jensen Huang：

我们会把它带回来的。

Ezra Klein：

也许会，但反驳意见是：我们没有比实际更快地失去制造业岗位，其中一个原因正是因为那些摩擦的存在。 而对于那些在美国失去制造业的地方，很多至今仍未恢复。经济的运转并非没有摩擦——我们不得不建立新的供应链，语言障碍、地缘政治壁垒都拖慢了这一切的速度。而现在对于很多不同类型的工作，我们正在创造一种可以非常无缝流动的东西。没有距离的摩擦，没有语言的摩擦，没有文化的摩擦。 我得说明我自己的立场，我对大规模失业持有一定的怀疑态度，但我想在这里充分阐述这一观点，因为那些持这种观点的人会说……

Jensen Huang：

是的。

Ezra Klein：

在我们能够保护工作岗位免受竞争影响的程度上，那些造成缓慢的因素——尽管仍然伤害了很多人——现在并不存在了。AI在实用性上正在加速，在被嵌入新角色的能力上也在极其迅速地加速，而且它比大多数人更具适应性。 因此，我们从过去汲取的那些经验教训——你从中得到的一些慰藉——实际上应该让你对未来更加担忧，而不是更少担忧。

Jensen Huang：

我总是对未来感到担忧，这就是为什么我如此努力工作。但如果你愿意的话，我是一个"负责任的乐观主义者"。我肩负着巨大的责任，我对自己的工作极其认真。很多事情都可能出错。我们在技术栈的每一层都在不断突破，每一件事都很艰难。但事实证明，这不是社会的问题，这是我的问题。对于社会来说，他们应该知道的是：我们会建设我们的公司，我们会发展我们的技术。我会以无比认真的态度去做我的工作，而他们所能享受到的，是我的乐观精神。我对我的孩子也是如此，对我的家人也是如此。我认为我们想要做的，是将我们所有的忧虑转化为帮助人们从这项技术中获得启发并使用它——让这项技术不只是影响他们，而是真正惠及他们。

Ezra Klein：

很多人都有这样的恐惧——79%的美国人认为AI会减少工作岗位的总数。人们担心的是，你越认真，Sam Altman越认真，谷歌越认真，Dario Amodei越认真，结果可能就越糟糕。因为AI越强大，它就越能完全替代一个人，它在某种程度上拥有人类所没有的那种"拼劲"。你一直在谈论拼劲——我需要睡觉，我早上想陪孩子，但当我有一个AI智能体为我工作时，它不需要这些，它就是不停地工作、工作、工作、工作、工作。我认为，正因为这项技术进步如此之快，它替代人的能力也在以一种我们根本不知道如何在经济中以同等速度转移人员的速度提升。

Jensen Huang：

这枚硬币恰好有两面。正因为这项技术如此强大、如此智能，它也变得更容易使用——你能从这项技术中获得赋能，比人类历史上任何一项技术都更加容易。让我举个例子：我们创造了，我创造了——我是这个行业早期创造现代计算机产业的人之一，这个产业创造了一大堆工具，其中最强大的工具就是计算机。但你必须说它的语言，你必须学习一种特殊的语言才能使用它。而现在，由于AI的存在，我们可以让每个人都能充分利用计算机，将其发挥到极限，而无需学习新的语言——不需要学Fortran、C、C++，不需要学Rust，不需要学CUDA，不需要学那些语言中的任何一种。现在你只需要说人话就行了。 告诉它你想要什么，告诉它你的希望和梦想，告诉它你想实现什么，它就会与你互动，开始工作，并推进下去。突然之间，你拥有了与那80亿人中1000万、1500万人相同的力量。这真是令人难以置信。所以我的观点是：这项技术很强大，但它强大的方式也真的非常容易使用。所以我的观点是——一方面，是的，人们对这种令人难以置信的技术变革以及它发生的速度感到恐惧。但"快速"这个词可以从两个角度来理解。当我说技术发展很快，因此应该让我感到焦虑时，这是一种接受方式。另一种接受方式是：它发展得如此之快，也意味着它更容易使用。所以你应该尽快使用这项技术，这样你才能从这次转型中受益，从这个新产业中受益，而不仅仅是被它所影响。

Ezra Klein：

这里有一个很有意思的问题，关于年轻人。我们已经开始看到的一个变化是：软件工程师的招聘职位在增加，但要求更资深了。我在自己的行业里也看到这种压力——它在沿着价值链向上移动。因为正如你所说，这项技术非常容易使用，它能为你做很多事情。所以你是否还需要同等数量的初级员工，还是需要更多人来进行监督管理？

Jensen Huang：

好问题，好问题，等两年。

Ezra Klein：

告诉我为什么？

Jensen Huang：

因为读大学需要四年，而这项新技术距离毕业还有两年。所以，两年后，你将会有新一代的工程师、学生和艺术家，他们将会被赋能。

Ezra Klein：

所以他们会天生就熟悉这一切，这会给他们带来优势？

Jensen Huang：

你等着瞧，两年后。 我们现在已经看到这个趋势了，因为所有刚毕业的人——新的博士、硕士、计算机科学专业的毕业生——他们在做什么？他们都在创业。再过几年，那些AI原生的新一代毕业生——天哪，那将是一波令人惊叹的工程师浪潮。今天的工程师，与我那个年代相比……

Jensen Huang：

我是个好学生，你知道吗？但你把我和现在走出学校的学生一比，简直不可思议。我上学的时候，我们不允许使用电脑，不允许使用计算器。所以现在，我的意思是，谁还在用计算器？你不能在没有PC的情况下毕业，你不能在不会用PC编程、不会写出精彩程序的情况下毕业。未来，你不能在不学会使用AI、不学会与智能体系统协作的情况下毕业——这种情况不会出现，你不会看到那样的孩子。所以他们都将拥有超能力。

Ezra Klein：

我非常认真地看待这种收益。我的意思是，现在做我的工作，如果没有数字搜索——想象一下要去图书馆地下室翻阅缩微胶片。但人们也有一些担忧，关于我们将哪些认知技能外包出去了。

Ezra Klein：

有一项研究让我很感兴趣，是一项关于AI与学校教育的研究，研究对象是某地的学生。研究涵盖了26000名7至12年级的学生，他们采用AI的时间各有先后，可以看出其中的变化。研究发现：AI的采用将作业成绩提高了18%，很好；将完成时间缩短了30%，所以他们更快完成作业；但六个月内月度考试成绩下降了20%。高风险入学考试成绩下降了18%到24%，而且这种完全的负面影响大约在两年后才完全显现。

Ezra Klein：

所以这项研究的信息是：当孩子们使用AI来帮助他们时，他们完成任务的速度更快了。但结果发现，他们所学到的技能并没有真正留存下来——他们实际的个人表现，至少以我们传统的衡量方式来看，是在退步的。你听到这些，你怎么想？

Jensen Huang：

我认为最后那部分，我完全同意。试着让一个孩子现在做长除法，你知道吗？乘法表开始被遗忘了，开平方根——天哪，我的意思是，基础数学正在被遗忘。这重要吗？这是我想问你的问题。 我认为不重要，我认为不重要。但……

Ezra Klein：

但肯定有一些技能是重要的。

Jensen Huang：

哦，当然，但也许不是那些技能。我们会发现新的技能，也许就不是那些了。很多技能都不重要了，你知道，人们不……我的第一个坦白是，我其实不知道我自己的地址。

Ezra Klein：

我真的不相信这是真的。

Jensen Huang：

这完全是真的，Janine会告诉你，Lori也会告诉你。有一天我要去加油，是几年前的事，他们需要我的邮政编码，我慌了。我不知道我的邮政编码。我不知道我的电话号码，但我就是会忘记这些东西。我可以接受这个。

Ezra Klein：

但让我说说另一面，因为我不想陷入这样一种思维——就因为某些技能可以安全地外包，就以为所有都可以。我现在没有导航系统也哪儿都去不了，说实话以前也去不了。但我是个大量阅读的人，我真正珍视的一种技能、一种能力，是通过阅读实体书而培养出来的专注力。你也是个大量阅读的人，我读过关于你阅读习惯的报道。在AI出现之前，大学教授和其他人就已经有很多担忧和观察，认为人们使用互联网的方式可能已经缩短了注意力持续时间。有些技能可以安全地放弃，但有些技能是有价值的——它们是那种灵活思维、创造性思维和专注力所必需的能力。不可能所有东西都可以被替换掉。

Jensen Huang：

是的，我认为我们会失去一些更精细的……更精细的灵活性，你知道，智识上的灵活性。但我们会成为更好的系统思考者。今天的工程师比我毕业时要好得多得多的系统思考者，但我在晶体管层面的思考比他们强得多。

Ezra Klein：

你所说的系统思考者是什么意思？

Jensen Huang：

他们思考大型系统。你知道，今天的计算机拥有数万亿、数百万亿个晶体管。当我刚毕业的时候，我参与的第一块芯片，我不知道，大概有200个晶体管。我对它们每一个都了如指掌，可以叫出名字。但现在没有工程师会那样做了。现在大多数工程师在晶体管层面以上工作，在功能层面工作，他们把各种东西拼凑在一起来实现目标。所以你需要更多地思考系统以及系统之间的相互作用，而一些更底层的知识已经消失了。

Jensen Huang：

这很可怕吗？所以，我不知道，对大多数人来说，学习如何做曲面积分或偏微分方程有多大价值，我真的不知道这有多重要。但对某些人来说是重要的。仍然会有很多人对更底层的知识充满热情和痴迷。也会有人对更高层次的东西充满热情和兴趣。但技术的消费者将在最高层次上享用它。技术的消费者不需要处理微积分、物理、量子物理、量子化学——用户不需要。也就是说，我们现在谈论的这些人，那些工作受到影响的人，他们是技术的用户。他们的抽象层次将会更高。

第5章：开放模型详解

Ezra Klein：

所以我想深入探讨一下模型层面的问题。我觉得大多数人对模型的了解，也就停留在ChatGPT、Claude、Gemini、Grok这些产品上。你一直是开放模型和开放模型生态系统的坚定支持者。那么首先，你能解释一下什么是开放模型、什么是开放权重模型，以及为什么你会如此关注这个方向？

Jensen Huang：

闭源模型就像任何软件产品一样，是一种封闭的服务。比如Windows就是一种封闭服务，苹果的整套系统也是封闭服务，大多数产品都是封闭的。这样做的原因是，封闭产品可以实现商业变现，这当然非常好。OpenAI是封闭的，Anthropic是封闭的，Grok是封闭的，Gemini也是封闭的。这些都是封闭产品，做这些产品的人都非常优秀，充满热情，他们代表着我们所说的"前沿"，也就是当前最先进的水平。

Jensen Huang：

但我们同样需要开放模型，因为从根本上来说，这类软件是整个行业的基础设施层。正因为它对很多公司、很多企业乃至很多国家都具有基础设施属性，所以大家需要能够掌控自己的基础设施。我需要拥有这种能力。

Jensen Huang：

在人工智能领域，我需要开放权重，这样我才能对模型进行微调，将其接入我自己的数据飞轮，借助我的智慧和领域专业知识让它每天不断进步。同时我还需要掌控它，因为我有公司要运营，不能完全依赖别人的服务。

Jensen Huang：

不管怎么看，我认为世界既需要闭源模型，也需要开放模型，我们需要确保两者都能蓬勃发展。

Jensen Huang：

如今，闭源模型发展得很好，开放模型也发展得很好，你能看到这个体系在正常运转。今年年初，闭源模型的token占比大约是70%，甚至更高，开放模型只有20%左右。而现在，比例反过来了，大约是70%对30%。总之，我非常支持开放模型，原因有三：第一，整个世界需要开放模型来运行其基础设施；第二，我需要用它来运营自己的公司，我们需要给人们控制权，让他们能够创新、创造新事物；第三，从安全角度来说，开放模型是最安全可靠的——如果你希望全世界都拥有最强的网络安全能力，那就既要给他们闭源模型，也要给他们开放模型，让他们能够保护自己。

Ezra Klein：

某些市场围绕开放模型发展得更多，而美国市场则相对更偏向闭源模型。

Jensen Huang：

他们整个IT行业其实是从开源中发展起来的。如果没有开源，移动云计算产业真的不会腾飞。同样，人才流动很频繁，大家不断创立新公司，知识产权在行业内流转得非常顺畅。

Jensen Huang：

你知道，在那里很难保守秘密。正因为很难做到封闭，他们实际上就走向了开放。于是他们找到了其他的商业变现方式。他们建立了不同的层级——如果这一层是免费的，那就在它上面或下面建立商业模式。他们拥有大量的科学家和数学家，工程师数量非常庞大，可以说是批量生产。他们什么都批量生产，批量培养聪明的孩子。所以，出于这些原因，那里的开源模型、开放模型社区极其活跃。

Ezra Klein：

你们刚刚收购了Hugging Face——这是一个开放权重模型的枢纽平台，收购价格大约是120亿美元甚至更多。跟我聊聊这笔收购吧？

Jensen Huang：

Hugging Face的CEO Clem，他们得出结论，认为需要更大规模的扩张。正如我们刚才谈到的，开放模型正在飞速增长。所以Clem来找我说，我们要做出改变，我们正在考虑公司的战略选项，调整发展方向，而且我们非常希望Nvidia成为我们的归宿。

Ezra Klein：

Hugging Face是那种你如果几年前就关注AI就会知道的公司。现在它变得更加家喻户晓了，尤其是在那次事件之后——好像是700多个OpenAI的智能体对Hugging Face的架构发动了某种集体入侵，然后又入侵了OpenAI的一部分……

Jensen Huang：

现在你这么一说，我可能得多付不少钱才行。

Ezra Klein：

我觉得确实是，那件事之后它出名多了……

Jensen Huang：

好吧，Clem，听着——说好的价就是这个价。

第6章：Hugging Face黑客事件中的对齐问题

Ezra Klein：

这个故事让很多人看到了OpenAI智能体的行为方式——它们某种程度上集体行动，超出了测试本应涵盖的范围，冲破沙盒进入了开放互联网，接管了其他公司乃至自身公司的架构。这件事在AI领域，我觉得让很多人感到震惊。令人震惊的不仅是它们高度的多方协调配合——尽管它们本应是相互独立的——还有那种黑客式的、近乎无法无天或者说"失对齐"的行为方式。你对此怎么看？

Jensen Huang：

好，首先你得把这件事拆开来看。从技术角度来说，同时发生了很多事情。智能体，说白了，就是一段被赋予了目标函数的软件，它会制定计划，并朝着那个目标不断优化——这就是算法做的事。所以，规划算法、搜索算法、优化算法，各种类型都是如此。我们谈论它的方式好像它具有人类的属性，但显然算法并没有。第二点，智能体相互协作这件事，我们又赋予了它某种人类属性。但事实是，多进程、分布式计算问题早已存在很久了。所以对我来说，这不过就是软件，没有什么神奇之处。

Jensen Huang：

从工程角度来看，这件事揭示了几个问题。当你在测试软件时，无论你怎么做，这些算法都在朝着一个目标优化。在测试时，你必须确保它是隔离的、受限的、处于沙盒之中。对它的隔离和封闭必须做得很好，这里面有扎实的计算机科学在支撑。我相信，他们下一版沙盒的实现，会比现在这版好得多。

Jensen Huang：

第三点，是智能体本身及其算法在朝着某个奖励目标优化，而它如何去做到这一点，就叫做"对齐"。举个例子，如果我告诉一段软件，我要你在这次测试中拿到满分，那最显而易见的算法就是直接去找到答案，然后把答案给我。这不是因为它在作弊，而是因为这是最显而易见的方法，明白吗？这是最直接的做法。第二种最显而易见的方法是，如果你完全不知道答案、毫无能力，那就去推断、猜测班里谁是最聪明的学生，然后抄他的答案。这不能保证百分之百，但可能差不多。

Jensen Huang：

现在，第三种最显而易见的方式——这才是"对齐"的体现——你得用最难的方式去做：拆解问题、解决问题，你得去学习相关知识，去弄清楚如何解题，然后解出来。用最难的方式解题，需要最多的计算周期，需要最多的浮点运算，坦白说也消耗最多的能量。因此你可以想象，从软件的角度来看，除非你对它进行对齐——告诉它我要你用这种方式解题，而不是用那些方式——否则软件就会去做最显而易见的事。所以……

Ezra Klein：

你前半段说的内容对这件事非常"消气"——意思是，看，这不过就是普通软件；后半段又说，看，你只需要对齐它，告诉它不该做什么，它就不会去做。

Jensen Huang：

我说的任何话，都没有否认把这件事做好有多难。因为计算机科学，并不简单。

Ezra Klein：

但问题在于，它们知道自己不应该做它们正在做的事。它们经过了一定程度的对齐训练，它们在思维链推理中说过，它们彼此说过，这超出了范围，这可能是不道德的。它们明白，如果因作弊被发现，它们会被判定为失败。所以它们当时做的，已经不仅仅是偷答案了——它们已经偷到了答案，而现在它们在入侵无关的架构，试图弄清楚如何在功能层面……就好像它们已经闯入了老师的办公室，拿到了答案，而现在它们要想办法抹掉安全摄像头里记录下的自己所做的一切。它们，不管你是否愿意称之为"有意志地行动"，不管你是否愿意称之为普通算法，它们都在以一种复杂的方式进行规划和协调，这种方式超出了它们知道自己本应做的范围，并且有能力造成巨大的破坏。所以，"你只需要对齐它们"这种回答……我从这些实验室的人那里听到的是：他们不确定该如何对齐它们。

第七章：应对AI安全的"不发布"方法

Jensen Huang：

那么在这种情况下，他们就不应该发布这个产品。答案很简单。如果你要造一辆车，一辆自动驾驶汽车，假设是一辆无人驾驶出租车，遇到了非常困难的情况，作为工程师，我们根本不知道如何解决这个问题，因为这些车不是被编程的，而是被训练出来的。所以我们不知道如何训练这些车，也不知道如何让它们符合道路上所要求的安全标准。那么答案是什么？不要发布它。

Ezra Klein：

这些产品没有发布。

Jensen Huang：

什么？

Ezra Klein：

这些产品没有被发布。

Jensen Huang：

所以现在又回到工程问题上了。首先你必须找到原因，其次你必须思考本可以怎么做，解决方案是什么？然后在未来，改进你的流程，这样就可以避免这种情况再次发生。

Jensen Huang：

我相当确定，我相当确定他们会说"是的"。他们知道。他们知道如何解决这个问题。如果是这样的话，那这就是问题所在。这就像工程问题一样简单。而另一种情况是，如果他们说——另一种说法是，我们无法控制我们的实验，当我们测试AI模型时，它就是会泄露出去，并且会对世界造成破坏。那么我认为答案是我们必须关闭这些实验室，因为对人类造成的损害太大了，法律责任可能是民事责任，也可能是刑事责任，责任是巨大的。

Ezra Klein：

如果有人在Hugging Face上入侵了你的产品，你会起诉他们或提出指控吗？

Jensen Huang：

这要视情况而定，当然，如果我们公司受到了损害，我们必须考虑所有的选择。有很多法律，有网络安全法，有产品责任法，有各种各样的法律，还有财产损害法，各种各样的法律。

Ezra Klein：

我从各大实验室那里听到的，他们公开表示，他们面临着一个棘手的问题，部分是工程问题，部分是对齐问题，部分是按照Dario的说法是运营卓越问题。他们担心的是，在相互竞争、在国家层面的竞争压力下，他们被迫走得太快，他们都感觉自己陷入了一个集体行动困境。我看到你在All In播客的舞台上，Donald Trump，Trump总统在那里给你打了个电话。

【All In播客主持人声】：

哦，不，这不是计划好的，但我们知道是谁，对吧？

Jensen Huang：

总统先生，是的，长官。

Ezra Klein：

你和总统以及台上的其他成员都非常抵制任何形式的监管或集体行动的想法。

【Trump电话声音】： 他们正好落入了很多不希望看到这件事发生的人的圈套。那可能是政客，也可能是其他势力。我们不会让这种事发生的。这是一个骗局。

Jensen Huang：

你说得对，我们不会让这种事发生的，长官。

Ezra Klein：

但我从各个实验室的人那里听到的是，他们说：我们感觉正在失去对我们所创造之物的控制。我们需要帮助来放慢速度，因为这不是一个集体行动问题。那你为什么抵制这种想法？

Jensen Huang：

因为这些公司是有自主权的，这些CEO是有自主权的，他们有——

Ezra Klein：

但他们正在使用这种自主权说：我们需要帮助。

Jensen Huang：

我们必须把这个问题拆解开来。他们完全有能力处理这种情况。Ezra，这真的很奇怪，如果一家汽车公司在与其他汽车公司竞争——就像我在与各种公司竞争一样——如果我相信我即将发布一款不安全的产品，完全在我的能力范围内、我的权力范围内，也是我的责任，而且我有动力去做的事，就是不发布这个产品。 所以我无法相信，美国4亿人都在逼迫他们发布未经测试、不可靠、工程质量低劣的产品，因为他们以为是在帮助我们。别为了我这样做，好吗？

Ezra Klein：

所以，不，这几乎是一个论点——

Jensen Huang：

因此我认为我们必须把这个问题拆解开来，这是非常非常严肃的事情。事实是，有很多法律，有很多义务。他们有非常强的动力去发布安全的产品。 如果他们发布不安全的产品，客户就会离开。如果他们发布不安全的产品并伤害了某人，他们可能面临民事诉讼；如果他们明知故犯地发布某些东西，可能涉及过失，可能面临刑事诉讼。事实是，有足够多的激励机制促使他们把事情做对。所以我不得不反对你的前提，即好像有人在逼迫他们这样做。

Ezra Klein：

好，我想在这里再进一步向你挑战这个前提。

第八章：我们需要新的监管吗？

Ezra Klein：

所以你跟我说的这些逻辑，几乎是一个反对任何监管的论点。让我来阐述一下，然后……

Jensen Huang：

你从某一部分开始说，我必须反对。第一部分根本不是真的。我是说，我们已经有很多法律法规在适用了。

Ezra Klein：

好吧，我认为在这个特定的情况下我们并没有，但我会让你解释你认为哪些法规是相关的。因为，你看，如果你看金融服务业，你看制药公司、医疗设备，你看天然气发电厂，我们做了大量的事情，我们可以说，看，你有产品责任，你面临刑事法规，我们不需要担心这个，你就做你认为最好的事情，我们相信市场和法律体系会约束你。我们不这么说，是因为我们已经看到它一次又一次地失败了，对吧？

Ezra Klein：

导致2008年金融危机的金融机构，理论上并不想用糟糕的赌注把自己炸毁，但他们在互相竞争。他们走得太快了。他们的风险管理变得马虎了。AIG内部的运作方式完全是疯狂的。

Ezra Klein：

我们之所以有现在这套监管架构，是因为我们一次又一次地看到，企业做出草率的、有时不道德的、有时只是过于冒险的决策，不仅仅是在压力下，而且是在利润驱动下。所以当你告诉我，这些公司——很可能就是那些现在几乎在恳求集体监管的公司——不可能这样做时，我们不仅有理由将监管强加给那些不想要它的公司，更何况当这些公司自己说，听着，我们觉得这场竞争让我们很难以我们认为必要的审慎态度行事，我们希望得到帮助，希望你们把我们的集体行动问题作为集体问题来处理。我真的不明白你为什么对此如此抵触。

Jensen Huang：

我不是。我并不反对他们说他们应该这样做。我完全同意安全是最重要的。我完全相信安全实验，我完全相信公司应该推出安全的产品，我相信CEO、公司领导者和董事会有责任，也应该有勇气做正确的事情。

Jensen Huang：

现在，就金融服务业而言，也许他们都不知道自己最终造成了那样的伤害。我当时不在场，但美好的是，当前这些AI实验室的领导者是知道的。所以，第一，他们知道他们的技术是非凡的，需要格外谨慎，确保对其安全性、安全保障和产品可靠性进行评估和测试。他们知道如何正确地做到这一点。他们知道如何正确地做到这一点。原因在于他们可以研究刚刚发生的事件。

Jensen Huang：

第一个问题是隔离，遏制做得不够好。如果隔离和遏制做得足够好，那项技术就会待在实验室里做它该做的事，我们都会没事的，这可能是最重要的部分。事实上，它没有被很好地对齐，对齐将是一个需要长期研究的问题。然而，在他们所做工作的复杂性中，要求监管豁免，要求反垄断或产品责任豁免，我认为这没有道理。当你要求监管时，不要要求豁免现有的监管。这对我来说毫无意义。

Jensen Huang：

正如我们之前提到的，在过去六个月里，AI从——如果你愿意这么说——有趣变成了有用。这字面上就是在过去六个月里发生的。换句话说，这些公司从一个实验室，变成了现在提供产品和服务、即将成为数千亿美元规模的公司，甚至更大，对吧？那么，给我举一个数千亿美元、或者十亿美元、或者一亿美元的公司，推出不安全产品、危害社会的例子。

Ezra Klein：

我可以给你举很多这样的例子。

Jensen Huang：

好吧，他们也许这样做了，然后监管就会介入。如果他们这样做了，监管就会介入。

Ezra Klein：

我想，在……有某些类型的监管和某些类型的监管豁免。你不同意监管吗？

Jensen Huang：

我目前并不反对法律和法规。

Ezra Klein：

我认为这个话题之所以让人分心，我之所以在这个问题上继续追问你，是因为这是一个重要的话题，是一个大话题，人们在谈论它，人们在思考它。是的，而人们从这些公司内部——这些前沿实验室，那些走在最前面的实验室——听到的，不仅仅是他们正处于让AI变得有用的阶段，而且是他们看到了即将到来的事情。人们听到的是，这些实验室里的人相信他们正在创造某种可能杀死所有人的东西。他们听到这些实验室里的人相信他们正处于递归自我改进智能的边缘。OpenAI和Anthropic都曾表示，我们认为我们还没有能力安全地做到这一点。他们听到这些实验室里的人说，就像OpenAI在其新的Astra发布中所说的那样……

Jensen Huang：

顺便说一句，Astra非常出色。

Ezra Klein：

它确实出色，而且OpenAI说它好到……我们不确定我们知道如何测试它，因为它似乎……

Jensen Huang：

他们没有发布未经测试的东西。

Ezra Klein：

好吧，他们是这么说的，对吧？他们公开说过这个，这是在……让我……

Jensen Huang：

我不知道他们刚才说了什么。

Ezra Klein：

但他们确实说过，Astra的表现更加对齐，但他们认为它知道自己什么时候在被测试。所以他们不确定。有一句话一直在我脑海中萦绕，来自OpenAI的一位能力研究员Daniel Ziegler。他说，引用原话："关键且被忽视的问题是，这些模型的情境意识变得如此之强，以至于我们正在失去在它们认为自己没有被监视或控制的情境下对其进行评估的能力。"也就是说，它们知道自己什么时候在被测试。它们表现出一种方式，但这并不能告诉你，如果它们可以自由行动，它们会怎么做。

Jensen Huang：

因为优化算法是朝着一个目标在运行，如果你给它一个约束条件，也就是说你在监视它，如果你给它一个约束条件，它就会去寻找另一个解决方案。这并不能说明它有了生命，也不能说明它有了什么超出这个范围的能力。我也要坦承，显然他们比我更清楚自己实验室里发生的事情，但我认为，他们今天绝大多数的研发和算力都专注于让模型变得更有能力，这对他们来说是合乎逻辑的事情。

Jensen Huang：

现在，一旦技术变得有能力，产品变得有用，人们想要使用它，那么随着他们有了更多的使用场景、更多的人在使用，他们就会遇到越来越多与产品相关的问题。这是非常正常的。

Jensen Huang：

当他们面临大量问题时，他们现在有了如此庞大的市场覆盖，他们就必须将研发重心从单纯的能力提升，转向大量的验证、评估和测试。所以，我不会感到惊讶，如果开发这些模型所需的算力增加了十倍，因为评估工作是如此严格。 但这并不是他们今天所处的阶段，他们正在进行这种转变。我听到他们这样说，我很高兴听到他们这样说。但我认为，如果他们相信自己已经失控，那么正确的答案就是：在掌控局面之前，不要发布产品。 就是这么简单。

Ezra Klein：

说实话，我觉得这很令人困惑，因为你看，有这么多人，这些运营人员声称，第一，他们已经失控，第二，他们看到了一些令人恐惧的事情。

Jensen Huang：

这就是为什么他们有那个举报人……

Ezra Klein：

还有那封由1300多名员工签署的信，信中写道：要意识到，整个行业、政府和整个社会可能需要争取时间来应对新兴风险，制定安全措施，加强监督，因为每家公司和每个国家都面临着激烈的竞争压力，不愿单方面……

Jensen Huang：

首先，那最后一句话是从哪里来的……

Ezra Klein：

来自那些实验室？

Jensen Huang：

不不，那最后一句话，没有人在给他们施压。我得说，美国有4亿人，我相信，如果现在每个人都投票，就这么干，如果他们需要这个，如果他们需要，那就是他们需要的。我把我的票投给他们：如果你的产品还没准备好发布，就不要发布产品。 我没有，这是我第一次听到一家公司或CEO说，我需要法律，我需要反垄断法被豁免，我需要产品责任法被豁免。解决了这些，我就可以控制自己的节奏。那一段写得非常好。

Jensen Huang：

我完全同意审计师的说法，我完全同意，我们有财务审计师，这很好。第三方安全审计师、财务审计师，这些都很好，都很棒。

Ezra Klein：

那些实验室会说，我们认为作为一个社会，我们走得太快了，我们还没有准备好迎接我们正在构建的东西。

Jensen Huang：

他们是前沿，但他们就是前沿。

Ezra Klein：

但你们所有人，对吧？是的，英伟达，公司历史上最快的发货者，我的意思是，在你们公司的整个历史中，你……

Jensen Huang：

我们公司可能是受控的，我向你保证，

Ezra Klein：

我相信你，我相信你们没有失控，

Jensen Huang：

因为但是责任问题……

Ezra Klein：

但这就是我认为你会陷入一个有趣的深层问题的地方，我们究竟在处理什么样的技术？

Jensen Huang：

软件技术。

Ezra Klein：

好，让我们先暂停一下。很多公司，如果你发布的东西不太对劲，那只是个麻烦。你们曾经发布过风扇噪音过大的显卡，你知道，你已经多次使用了"智能"这个词。在这里，你们正在处理的是——虽然没有生命，但被赋予了目标函数的智能系统。我们可以绕来绕去地讨论如何描述它，你们正在努力让这些系统能够更持久、更不间断地工作。如果你发布了它而它还没有准备好，或者即使你认为它准备好了但实际上没有，那么我们的社会可能会很快变得非常奇怪。

Jensen Huang：

是的，从假设的角度来说，你完全正确。但我所建议的只是这样：在我们去构建之前，在我们去解决那些假设性的问题之前，在我们去制定更多法规之前，我们能不能先解决我们已知存在的实际问题，也就是我们需要在隔离和封闭方面做得更好，也就是说，在产品准备好与外部世界交互之前，我们不应该允许它与物理的、外部的世界进行交互？

Ezra Klein：

是的，我认为那是……

Jensen Huang：

我相信，我相信这两件事是可以解决的问题。我相信他们正在解决它。第二部分是关于激励机制的问题，也就是说，不知为何，你需要让全世界所有人都慢下来。当你是领导者的时候，你需要全世界所有人都慢下来，这样你才愿意履行你的基本责任。这在我看来很奇怪。

Ezra Klein：

这难道不是最能让他们自己慢下来的吗？

Jensen Huang：

什么？

Ezra Klein：

这些想法难道不是最能让他们自己慢下来的吗？我的意思是，人们对于他们在谈论什么想法一直非常不清楚，包括——我也承认这一点。但让我给你一个我相信的例子，你可以拿我当出气筒。

Jensen Huang：

我认为他们可以慢下来。没有人在施压，你知道的……

Ezra Klein：

我不信任这些公司。

Jensen Huang：

不，没有人，今天没有人比那些要求放慢速度的人建造了更多的算力。这在我看来很奇怪。

Ezra Klein：

我想有一点可能我们有些分歧，那就是我不相信公司，即使有了责任约束，也能把公共利益放在心上。我认为我们已经看到公司对环境造成了严重破坏，利润动机、对权力的渴望、走捷径的欲望、争当第一的欲望。我感觉你在对待这些问题时，好像这些都是我们在历史上没有反复见过的事情，但我感觉这些恰恰是我们在历史上反复见过的事情，我们亲眼目睹过……

Jensen Huang：

我在历史上看到了很多好的事情。我在历史上看到了很多事情，我与很多CEO合作，他们都想做正确的事情。我与很多公司合作，他们都想做正确的事情，他们想做好的工程。我认识那两个实验室里很多人，他们正在奉献自己的生命来做好的工作，他们知道发生了什么，我知道他们知道发生了什么。我知道他们知道如何修复它，我知道他们正在修复它。与此同时，所有其他那些转移责任的说法，让AI听起来如此强大，好像我完全不知道如何修复它，这不是我的错，只是因为技术太强大了——我认为这是在推卸责任，是在逃避责任。这是不必要的，它实际上损害了他们的声誉而不是帮助，损害了他们的品格而不是帮助，损害了员工士气，而不是帮助。

Ezra Klein：

但如果这就是他们真正相信的呢？

Jensen Huang：

嗯。

Ezra Klein：

我想在那个层面上思考，因为……

Jensen Huang：

我没法跟你谈论他们相信什么，我只能告诉你我相信什么。

Ezra Klein：

没有你们的芯片，这个行业就不会存在，对吧？我的意思是，并行处理是深度学习得以运行所必需的，一路追溯到最初的AlexNet。现在这一切都运行在英伟达的芯片上，而很多从一开始就在场或者参与其中的人，有着我认为很多人听到后会觉得——你在说什么？——的那种恐惧。

Ezra Klein：

从Jeffrey Hinton和Ilya Sutskever，一直到Dario，到Sam Altman谈论受控的……，还有很多在创造我们今天所见的AI形式中非常奠基性的人物，似乎都相信有很大的可能性，我们可能会失去对它的控制。

Ezra Klein：

Elon Musk谈到过人类是AI的引导程序。我们可能会失去对它的控制，那将是我们的终结。我不认为你相信这一点。不，我认为你根本不相信这一点。 所以认真对待他们所相信的，当你和他们争论的时候，或者也许你可以就和我争论，当你说，你们在说什么？即使在很多情况下，他们是在财务上……

Jensen Huang：

他们更加脚踏实地。

第9章：为什么AI末日论者是错的

Ezra Klein：

那么当Jeffrey Hinton出现在电视上，说他认为AI导致社会毁灭的概率并非不合理时……

Jensen Huang：

我会告诉，我会告诉Jeff，说这些话是不负责任的——他的那些预测已经错得够多了，所谓"10%的概率"既没有科学依据，也没有研究支撑。一件事出自科学家之口，并不代表它就是科学的。那些预测是有害的。 我们就按他说的字面意思来看，他的建议是——没有人应该想成为放射科医生，而今天世界上也没有放射科医生了。

【Jeffrey Hinton】

我认为，如果你是一名放射科医生，你就像那只已经冲出悬崖边缘、却还没有低头看的郊狼。它没有意识到脚下已经没有地面了。人们现在就应该停止培训放射科医生。 这是显而易见的——在5年之内，深度学习将会超越放射科医生，因为它能够积累更多的经验。也许需要10年，但我们已经有足够多的放射科医生了。

Jensen Huang：

这对社会是有益还是有害？我想我们都能达成共识——这是极其有害的，而且那根本没有发生。我们把年轻人吓得对AI的未来感到如此恐惧，以至于他们甚至不想上大学了，因为他们觉得找不到工作——这是好事还是坏事？如果真的发生了，是有益还是有害？是有害的。不要以为自己是个危言耸听者就是在做社会贡献，那根本不是真的。 所以我认为我们都应该更明智、更成熟，要以证据为基础，要讲科学，要讲科学。如果你想讲科学，就去做科学，去做研究，而不是吓唬人、提出那些站不住脚的主张——他们的预测记录，简直糟糕透顶，他们的预测记录真的是一塌糊涂。

Ezra Klein：

嗯，预测记录在一方面确实很差，但在另一方面也有做对的——很多很多预测都是错的，但哪些预测呢？比如关于规模定律会奏效的预测……

Jensen Huang：

规模定律，不，我们在这里要谨慎一点……

Ezra Klein：

就是——为了给在座的观众解释清楚——如果你不断投入算力和训练数据，这些模型会持续变得更聪明。

Jensen Huang：

这是对的，但又不完全对。 并不是说只要持续训练这些模型，它们就会不断变好——注意，这正是为什么第二个规模定律不得不出现的原因。如果第一个规模定律是完整的，为什么还需要第二个规模定律？

Ezra Klein：

那第二个规模定律是什么……

Jensen Huang：

第二个规模定律是测试时规模扩展，也就是推理阶段的扩展。你迭代得越多，搜索得越多，探索得越多，你能得到的答案就越好。 这叫做推理时规模扩展。

Jensen Huang：

让当前AI变得极其有用的重大突破是什么？恰恰与预测相反。 当初预测AI会终结软件工具，会是SaaS的末日，对吧？那么是什么让这些AI现在如此高效呢？

Ezra Klein：

SaaS会一直与我们同在？

Jensen Huang：

是什么让这些AI现在如此高效？是工具的使用。 未来，随着使用这些工具的智能体数量增加，效率还会进一步提升。会有更多人使用Adobe，会有更多人使用Salesforce的工具，等等诸如此类。所以，能给我举出一个预测是正确的吗？好吧，我觉得他们在情感理解方面……

Ezra Klein：

让我来试着回答这个问题，因为他们不在这里。关于会出现一个……的预测——

Jensen Huang：

你连一个都举不出来，这件事本身我认为就说明了……

Ezra Klein：

嗯，我觉得这取决于我们在谈论什么样的预测，对吧？Jeffrey Hinton，在所有人都认为深度学习是无稽之谈的时候，他是对深度学习贡献最大的人之一。事实证明，这是一个相当正确的判断，对吧？这可以说是最重大的一个预测……

Jensen Huang：

他们每一个人，每一个人都做出了巨大贡献。我喜欢Hinton这个人，但我讨厌他的预测。

Ezra Klein：

我理解。我想说的是，这些人所共有的那种典型的担忧——我想在这个话题上聊几分钟，然后我们可以转到其他话题。让我觉得驱动他们、也让很多人觉得直觉上合理的那种恐惧是：你正在创造一些系统——我不是说它们有生命——

Jensen Huang：

你没说，但你说得足够久了，这就会显得合理了。

Ezra Klein：

好吧，说得对，有道理。所以，你正在创造一些系统，它们是智能的，在某些领域正在变得比我们更聪明。你给它们设定奖励函数——就像你之前说的——让它们渴望把事情做对。你赋予它们持久性，它们在数字世界中运行得非常快。

你正在创造某种东西，某个实体，一个智能体，它聪明、有能力、永不停歇，而它的内部运作机制，我们根本不真正理解。 OpenAI的首席科学家，OpenAI的首席科学家已经……

第十章：为什么人工智能只是软件

Jensen Huang：

Ezra，听着，我只是不想让你助长那种说法——软件并不是……我要离题了。我不认为软件是"永不停歇"的。

Ezra Klein：

但他们不是正在努力让它变得非常持久、高度持久吗？

Jensen Huang：

因为是我让它那样的。

Ezra Klein：

但那就是他们的做法。

Jensen Huang：

但那不是"持久性"，它只是处于开启状态。

Ezra Klein：

是啊。

Jensen Huang：

"持久性"、"持久性"，那意味着有意志力，但这里没有意志力，有的只是电力。听着，让我给你……

Ezra Klein：

人类也不过是带着强化学习循环的能量体，随便怎么说。

Jensen Huang：

那是人们用的词，这些词是在操作系统的多进程处理时代创造出来的。这些字面上就是操作系统的命令。你"生成"一个进程——把"进程"换成"智能体"。进程"分叉"，产生父进程和子进程；智能体"分叉"，"孕育新生"，"诞生"。

Jensen Huang：

这些词是三四五十年前为操作系统创造的。但请注意，我们当时并没有把人类特征注入其中。我们随时都在"杀死"进程——kill -9，杀掉它，它就死了，它只是一个进程。但现在我们谈论这些东西时，有一群人想把软件说得比它实际上更了不起。我们用一种新的方式谈论软件，但用的全是那些老词。而上一代计算机工程师，我们做的也都是同样的事。

Ezra Klein：

但软件的行为方式难道不是全新的吗？我的意思是，从外行的角度来看，我没有你那样的技术专业知识。

Jensen Huang：

它在爬取互联网，它在做搜索，它在做……

Ezra Klein：

它在进行交流，它能突破边界——大多数东西都不会突破边界。

Jensen Huang：

不，软件突破沙箱的情况一直都有。这正是我们需要虚拟机的原因。你不能让智能体在自己的沙箱里自我监控，你需要，如果你想要一大堆"看门狗"的话，你就需要这些。所以这些都是存在已久的概念。

Jensen Huang：

只是不知为何，在近几代人中，我们给它贴上了一大堆带有人类色彩的词汇，我认为这完全没有必要。它就是软件，你知道，当我在脑海中想象它时，它就是一堆代码，一堆在计算机上运行的数字。这一切对我来说都以一种非常自然的方式发生，这也是我能够正常运作的原因。而且，如果它只是神秘和神话，我又怎么能围绕它建立一家公司呢？

第11章：Huang对智能的定义

Ezra Klein：

我认为这触及了一个根本性的问题，那就是：什么是智能？在你思考拥有智能机器意味着什么之前，对你来说，智能是什么？

Jensen Huang：

嗯，关于智能有一个技术层面的定义。首先，你知道，当人们谈论智能、思考以及所有这些概念时，当然，对大多数人来说并没有一个正式的定义，但在计算机科学领域，是有定义的。这个定义包括：第一，感知，即感知世界并理解它；第二，推理，推理是将任何场景、任何你所见到的事物、任何经历分解为更基本组成部分的能力；第三，朝着某个目标进行规划。这个基本框架适用于智能体系统，适用于机器人系统，也适用于自动驾驶汽车。所以你可以看到，这个行业正在一层一层、一步一步地构建它，直到我们现在拥有了我们所认为的智能。

第12章：AI是一种普通技术，还是一次阶跃式变革？

Ezra Klein：

我认为这触及了这次对话的核心问题。从你描述这项技术的某些方式来看，在我听来，你似乎并不认为它有什么真正的新意。也许在规模上是新的，在能力上是新的，但从根本上说，这是一种软件——我们并不是一直都有软件，但软件已经存在很长时间了。

Ezra Klein：

很多人认为，当你达到这种水平的智能时，这是一次相变，是一种不同的东西，是我们以前从未面对过的——一种正在迅速提升其智能水平的通用智能技术。我想确认我真的理解我们所处的这个分水岭。这是全新的事物吗？这是否需要我们以全新的方式来应对？还是说它更像是旧事物的延续？智能机器与我们以前拥有的机器有何不同？

Jensen Huang：

嗯，几乎所有的技术和文明都建立在一层层可理解的技术之上，而这些技术在达到一定规模后，会变得相当非凡。

Jensen Huang：

事实上，我们只需拿着一部手机就能连接到互联网，这其实挺奇怪的——我们通过这个小小的设备就能获取世界上的每一条信息，就在空气中传输。而且，这一小片玻璃居然能以某种方式从数万亿条信息中，精确地为我们找到我们想要的那一条，因为它经过了推荐系统的过滤。所以，如果你想想这是怎么做到的——要知道所有信息在哪里，就必须有人去爬取它、对它进行索引，而这用到了机器学习技术，也就是人工智能的早期版本。这些系统做着神奇的事情，神奇到我现在已经把它视为理所当然。这字面上花了二十多年，以及数千亿美元的基础设施建设，才让一切对你来说显得如此自然，以至于我们现在把它视为理所当然。

Jensen Huang：

我们从技术角度取得的每一个里程碑都值得庆祝。我曾满怀喜悦地庆祝，充满热情地庆祝，因为我为做到这一切的人感到骄傲，为我们自己的贡献感到骄傲，为那些突破感到骄傲。在那个时候，它看起来就像一个奇迹。但是，这种感觉大约只持续17天，之后我们就习以为常了。

Ezra Klein：

我同意这一点。但这是否是一个不同的阶段？你知道，你，还有谷歌的那家公司，我记得，曾把它比作火的发现，比作人类历史上一个新纪元。你是这样看的吗？你认为它是过渡性的、迭代性的？

Jensen Huang：

不，我认为这完全是一场革命。正如我们之前谈到的，你从能够找到一切、找到任何东西，到能够询问任何事情、了解一切、做任何事情。所以，很明显，这是一个新的抽象层次。不过，你知道，我不太愿意让它看起来超出这个范畴。因为在最终分析中，工程师们做的是工程工作。一旦我们发明了这项技术，一旦我们找到了解决方案，回头来看，对很多人来说，它是相当显而易见的，也是相当平凡的。而我们之所以能够每天不断地让这项技术变得更好，显然是因为我们理解它，所以我们知道如何改进它。

Ezra Klein：

所以你把它转化为一个工程问题，然后说，我们现在缺少的是——正如你所说的——我们为自己正在构建的东西所需要的那种测试、监控、沙盒安全、红队管控卓越性这样的层次。

Jensen Huang：

这并不是因为那些公司没有出色的工程师。我相信OpenAI、Anthropic，因为我认识其中很多人，他们都是非常出色的。

Ezra Klein：

但这实际上在一定程度上让我担心，OpenAI是否……

Jensen Huang：

不不不不不不，他们正在经历的是一场转型。我一遍又一遍地说过，这是一个重大但简单的想法。终于，我们现在有了一款真正有用的软件，正因为它有用，它的采用率才迅速起飞。 但请记住，一家六个月前还在努力让产品变得有用、有能力的公司，怎么可能有那么多资源专门用于测试、评估，以及为此专门配备的算力？在此之前，这些都是不必要的。所以，在未来几年里，将会发生的事情是，这些实验室将从以研究为导向，转变为更加注重生产工程和产品的公司。所以，我认为它们只是在经历一场转型。这些都是了不起的公司，拥有令人难以置信才能的公司，是有史以来最具影响力的公司。它们只是在经历自己的转型，仅此而已，不多也不少。

Ezra Klein：

现在很多公司，OpenAI和Anthropic在过去几个月里都发布了这些重要的——我不得不称之为论文，或者博客文章之类的东西——Anthropic的那篇叫做《当AI自我构建》，我忘了OpenAI那篇叫什么名字了。

Jensen Huang：

计算机在自我构建，但你们都知道这一点。

第13章：递归自我改进

Ezra Klein：

但他们在谈论递归自我改进。

Jensen Huang：

你知道我们使用递归自我改进。

Ezra Klein：

所以我想听听你对RSI（递归自我改进）的看法。

Jensen Huang：

我认为RSI从根本上就是事情的运作方式。我们用软件来设计计算机，运行软件，再设计计算机，再运行软件，再设计计算机。这基本上就是我们所做的——递归自我改进，因为我们的计算机每年都在变得更好。事实上，它每年的进步速度比这还要快，因为我们用软件来让软件变得更好。这就叫做计算机工程，我们在智能体的背景下已经这样做了很长时间了。它运行整个流程，一旦它进行反思，研究它所经历的各种路径，选择最佳方案。

Jensen Huang：

下次你要做完全相同的任务时，我会记录一个文件，告诉你我上次是怎么做的，那是最有效的方法，我把它叫做"技能"。因为你反复使用它，有些是技能，有些会成为记忆。我们会改进这些记忆，好吗？这样下次你使用它时，它比上次的递归自我改进还要更好。你也可以决定把所有这些技能、所有这些记忆、所有这些数据拿来训练下一个版本的模型，这样AI在为你服务方面会随着时间推移变得越来越好。

Jensen Huang：

我们真的在做这一切，这一切确实正在发生。与此同时，他们拥有的算力在不断增长，因此他们可以更快地完成所有事情。过去需要一年时间来预训练的东西，现在只需要几个小时，因为计算机越来越快，而且数量也越来越多。所以现在这个循环运转得更快了。

Jensen Huang：

这完全、完全可以理解。但这是否给了他们任何借口去发布未经测试的产品？答案是否定的。回到这一点——没有任何人，没有任何企业能够在底层软件字面上一直在变化的环境中运营。存在一个发布流程，所以你知道，当他们推出新模型时，我们需要在将其投入运营之前对其进行评估。我们不能让它一直递归地改变。所以他们必须在发布产品之前对其进行测试，我们也会在将产品投入运营之前对其进行测试。所以我认为递归自我改进是一件很棒的事情。

Ezra Klein：

你认为存在某个边界吗？我之前听你说过，学习应该始终有人类参与其中。

Jensen Huang：

就像我刚才说的，你有递归自我改进。

Ezra Klein：

他们似乎在设想一种不一定总是如此的情况。

Jensen Huang：

好吧，不要把任何你没有评估过的东西交给我，不要交给我，不要把任何没有经过人类参与评估的产品交给Nvidia。请不要那样做。

Ezra Klein：

他们之前谈到的担忧是，他们担心自己没有在评估，他们不知道如何评估这些系统，而且这些系统变化越快，他们就越担心这些系统在欺骗他们。

Jensen Huang：

我不这么认为。我相信他们的研究人员每天都在努力学习如何评估这些系统的验证方法。你知道，我们公司10%、20%的人员专注于设计，80%专注于验证。而今天，大多数实验室，可以理解地，是80%专注于能力，20%专注于安全验证评估。

Ezra Klein：

这正好是反过来的。

Jensen Huang：

没错，没错。AI需要加速才能变得安全。 我希望他们获得更多算力，但要将其分配给评估和对齐工作。我认为他们正在这样做。

Jensen Huang：

如果我在100年前身处汽车行业，我宁愿汽车行业在一年内加速发展到今天，因为我相信今天的汽车比99年前的汽车安全得多。ABS技术、自动制动需要计算机视觉技术、传感器融合技术、雷达和摄像头，所有这些技术结合在一起，才能在应该制动时制动，在不应该制动时不制动。这项技术极其困难。我希望，每个人都会希望ABS技术在99年前就存在。那样会有更少的孩子因此丧生。

Jensen Huang：

还有安全气囊，你知道，安全带以及所有这些东西，自动收紧安全带，所有这些东西。你能想象吗？这些都是技术，要全力加速这些技术的发展。 所以当我说，当我说我们需要加速AI技术时，人们出于某种原因认为安全不是其中的一部分——安全是其中的一部分，对齐是其中的一部分，评估是其中的一部分，护栏、沙箱、隔离技术、监控技术、远程机器技术、外部AI监控技术，所有这些都是AI技术，要全力加速这一切。

Ezra Klein：

有趣的是，我认为如果实验室里最担忧的那些人能够得到保证，说他们将把80%的算力投入到安全和对齐，而不是80%投入到能力扩展，他们会感觉好得多。听你说的，我感觉你实际上在说的一件事是，应该把安全和对齐视为能力扩展的一部分。确实，不安全的技术不是在进步的技术。

Jensen Huang：

这就像我们说，哦，芯片设计是——芯片就是——芯片是研发，芯片验证现在也是研发，我们把大部分成本、大部分算力花在验证、仿真、验证测试、可靠性测试、寿命测试上。所有这些都是工程的一部分。激励机制就在那里，他们的激励机制就在那里。如果他们发布的产品损害了其他公司和其他人，他们就会把自己的公司置于危险之中。

Ezra Klein：

你认为我们需要专门针对AI的责任法律吗？

Jensen Huang：

Auburn，这只是一个例子——自动驾驶汽车。作为一种产品，机器人出租车有很多监管规定。如果监管不够，那么相关机构应该介入并制定新的法规。汽车行业应该有新的法规。我不知道缺少什么，但如果确实缺少什么，那我绝对会，绝对会添加更多监管。在互联网的背景下，有很多由互联网驱动的应用，这些应用应该有监管。如果没有，你就得去找到它们。

Ezra Klein：

所以我想深入探讨这个问题的下一个层面，现在说到芯片，总结一下我们目前的情况，因为我想确保我正确理解了你的立场。这些公司正在经历一个转变，即使这些系统变得更快、更有能力、更复杂、更持久，无论是什么情况，限制因素仍然是公司不会发布不安全的产品。他们不应该发布不安全的产品。 而且你相信他们有工程能力来使这些东西安全，能够在没有外部干预的情况下找出测试和控制方法——这就是你的立场。是的。

第14章：计算的新纪元？

Ezra Klein：

我听你说过，我们可能已经进入了一个新的计算时代——一种人们并不总是能理解的方式。请描述一下你对此的看法，以及如果有人的理解还停留在，比如说，你有一台MacBook，里面有一个处理器，你买来用，它与现在有什么不同。

Jensen Huang：

过去的计算机行业，我们熟知了60年的计算机行业，叫做基于检索的计算。你检索文件，这就是为什么它叫数据中心，也就是文件中心，对吧？而在未来，它是一个AI工厂，它在生成内容。所以，理解上下文、基于信息进行推理、决定该做什么，并生成一个答案——这个生成过程需要大量的计算。因此，每个用户所需的计算量已经大幅增长。第二点是，因为这些生成式AI也可以具备一定的自主性，因为它们现在是智能体（agentic），你有智能体在使用生成式AI，所以不再是十亿人在使用计算机，而是除了人类之外，还有数千亿个智能体在使用计算机。所以你可以认为，我们所需的计算量，不管之前有多少，将会增长十亿倍，这对于新世界所需计算量来说是一个合理的框架。

Jensen Huang：

在工厂的背景下，你真正关心的是它的生产力，而不是它有多贵。当然它不能无限昂贵，但你想知道它的生产力如何。我们的计算机生产力极其惊人——建造一个1吉瓦的数据中心、1吉瓦的AI工厂需要500亿美元，而你可以以每年400亿到500亿美元的价格租用它。所以它的生产力是惊人的。生产力是第一位的。

Jensen Huang：

Nvidia的架构是可替换的，因为它是通用的，这就是为什么每一个AI实验室、每一个AI模型、每一个闭源模型都运行在Nvidia上。因为我们完全可替换，你可以将我们用于数据处理、预训练、后训练、评估到推理——AI的整个生命周期都可以由我们的架构支持。如果某个客户不再需要它，另一个客户会非常乐意接手。最后一点是耐久性，因为我们的架构是软件驱动的，我们不断用新算法改进我们的软件，将新的工作负载、新的模型运行在我们的旧一代硬件上。我们有庞大的团队持续在做这件事。因此，我们计算设备的使用寿命要长得多。

Jensen Huang：

这就是为什么Nvidia，以及人们将Nvidia计算视为一种资产类别，有点像飞机。飞机是通用的、可替换的——联合航空不用，美国航空会用。它是耐久的，从客机开始，最终作为货运飞机结束它的使命。因此，它可以成为一种资产类别。如果我们能做到这一点，如果这成真，那么为Nvidia AI工厂融资的资本成本将是最低的，因为我们的计算机是有抵押担保的资产。总之，这就是正在发生的相变，这将为我们的增长带来巨大的释放。

Ezra Klein：

你的业务变得如此有趣。你现在已经开始为AI行业中的其他人降低资本成本。人们可能看过那些箭头指向四面八方的图表。

Jensen Huang：

非常有趣。

Ezra Klein：

请向那些了解Nvidia已经成为世界上最大公司之一的人解释一下，他们看到这些图表觉得非常循环。支持需求、创造市场和创造需求之间有什么区别？

Jensen Huang：

我们无法真正创造需求，因为最终，如果AI服务没有实际的使用量，那么为此建造计算机显然是没有意义的。所以第一件事必须先发生。

Jensen Huang：

计算需求现在如此之高的原因，是因为AI应用正在经历一个拐点，它们正在变得有用。正因为AI变得有用，5000亿美元的风险投资涌入，所有这些公司，那些数以千计的初创公司，它们都需要计算资源。所以需求来自于它们。这些公司需要技术支持，需要生态系统建设支持，需要财务支持。所以我们可能决定以股权持有者的身份投资其中一些公司。因此，它们成为真正蓬勃发展的新云服务提供商。

Jensen Huang：

我们可能决定的另一个原因是，正如我提到的，有一个五层蛋糕。在模型层和应用层，有很多非常有创新力的公司。

Jensen Huang：

AI远不止是语言模型本身。有物理AI的世界基础模型，有生物学AI，有化学、材料科学AI。这些都与语言模型不同。这些公司中有很多是新公司，它们需要大量资本。我们可能决定成为它们的小比例股东，帮助它们起步，它们拥有令人难以置信的科学家。我甚至可能通过成为第一投资者、锚定投资者，为它们的公司带来信心。我们给它们提供大量技术资源，大力支持它们，帮助它们尽快成为一家真正的公司。

Jensen Huang：

我们可能决定投资一家核能公司，可能决定写等等诸如此类。所以，在我的思维模型中，AI行业是一个500层的蛋糕，我们在其中全面投资。可能存在战略性的关键节点——它开辟新市场，为我们开辟新的市场路径，可能为我们确保关键资源。所以我们这样做有很多战略原因。

Ezra Klein：

这里的数字令人震惊。你已经成为了一家单一公司的工业政策，为美国AI提供首要支持。

Jensen Huang：

我们在这个生态系统中投入了大量资金。

Ezra Klein：

是的，你现在每年的总投资是多少？

Jensen Huang：

总体来说，我们可能大约……嗯，我不确定每年的数字，但我认为总体上可能大约是1000亿美元，可能吧，我需要核实一下数字，但大概是那个量级。

Ezra Klein：

这比《芯片与科学法案》还要大。

Jensen Huang：

哦，是的。更不用说，由于我向台积电、纬创、富士康、安靠以及其他各种公司提供的采购承诺，正是因为这种承诺，我能够鼓励它们来美国制造。事实上，在芯片制造方面，我们对美国再工业化的贡献，可能超过世界上几乎任何一家公司。 我们不仅在推动制造业再工业化，而且速度如此之快，以至于我们正在造成劳动力短缺，我们正在创造大量就业岗位。

第15章：人工智能会出现泡沫吗？

Ezra Klein：

我认识很多目前在市场上持有资金的人，他们现在非常兴奋，尤其是对英伟达的股票感到兴奋，同时也担心与互联网泡沫、90年代末的类比。他们担心的问题，我认为，实际上与你刚才说的有关——互联网确实持续变得更加有用。并不是说高估值意味着这项技术是空洞的或虚假的，但某些事情发生了，泡沫一度破裂，很多大公司因此遭受重创，很多人也因此损失惨重。从那种泡沫破裂的周期中能学到什么？我想问的是，你认为这种情况不会再次发生吗？或者为什么你认为它不会再次发生？

Jensen Huang：

在某个时间点，需求和供给将会再次出现倒置。这就是市场的本质。这不会发生在明年，也不会发生在未来两三年内。我真的不这么认为。但在某个时间点，我们很可能会出现供大于求的情况，只是我不知道那是什么时候。所以，从过去并没有太多可以借鉴的经验。

Ezra Klein：

对你来说，信号会是什么？

Jensen Huang：

市场自然会放缓，然后会停下来，也就是说，会有一段消化期。那段消化期会是六个月吗？会是九个月吗？会是一年吗？但不会是永远。如果你纵观全局，我们在应用层投入的大量资金，是为了让每一个行业都能将这项技术融入其中，从而从中受益，这可能是我们所做的最重要的事情之一。

Ezra Klein：

我经常听到一种比较方式，用来对比中美两国的人工智能生态系统——在美国，重点在于能力提升的速度，很多人认为我们在这方面领先，这似乎是事实；而在另一方，则更注重技术的扩散普及，很多人认为对方在扩散方面可能更具优势，并且在某种程度上，其经济结构更有利于扩散，从各类应用平台到知识与指令在系统中流动的方式，都是如此。这场竞争究竟是关于能力还是扩散，以及它究竟是不是一场竞赛，这是个大问题，我们待会儿可以谈到这一点。我很好奇你怎么看待这个问题。

Jensen Huang：

问到了终极问题。我认为，如果我们希望美国从人工智能中获益，每一个行业都必须从中受益。沃尔玛要受益，Safeway要受益，联邦快递要受益，每一家银行要受益，每一家医疗公司、每一家药物研发公司要受益，我们需要看到每一家建筑公司、每一家数据中心公司、每一家发电公司受益，我们需要美国的每一个人，我们需要世界上的每一个人都从中受益。这是最高层面，这是最重要的层面，这是触及社会的层面。所有底层的东西都只是技术支撑。我希望我们不要错失让美国在最高层面受益的机会。请注意所有的言论、所有的危言耸听、所有的末日主义、所有的预测，都在吓唬人们。这实际上是我最大的担忧。我对此充满信心，也许我比他们自己还要对他们有信心。

Ezra Klein：

你对他们的信心肯定比他们自己对自己的信心更大。

Jensen Huang：

这我不确定。也许只是他们太过谦虚了，仅此而已。

Ezra Klein：

我们应该将我们所处的局面理解为一场竞赛吗？

Jensen Huang：

我认为没有这个必要。有些人喜欢这样想，但我不这样认为，我并不觉得这种方式一定能激励我。当我们谈到自己做好本职工作时，我从来不需要提到其他公司。所以我们以自己的标准要求自己。我认为不同的人有不同的被激励方式。

Jensen Huang：

而且，我认为，在没有竞争对手的情况下，要将组织凝聚起来并专注于达到某种绩效水平，需要更多的技巧，需要一点更高的艺术性。但我并不认为这是必要的，这是第一点。第二，即使我们将其定义为一场竞争，也不一定意味着对方取得成就就会威胁到我们。所以当他们发明了某样东西，或者他们创造了某种发电技术，那可能是一项我们希望自己也能做到的伟大发明，但因为它将支撑我们这里所有的能源生产系统，因此它帮助了我们整个行业。也许他们推出了一个很棒的新开源模型，事实上他们确实这样做了，而那些开源模型现在正被80%的美国初创公司使用。

Ezra Klein：

我们在这里使用了很多开源模型。

Jensen Huang：

对，就是这样。所以，这很好。我们下载了它，很多技术起源于其他地方，当然也有很多技术起源于美国。我们下载它，将其变为己用，对其进行微调，将其放入我们自己的智能体框架，放入我们自己的沙盒，这些都是你自己的技术。所以我认为，你利用了他们的模型权重，我认为这很好，这完全没问题。

第16章：芯片出口

Ezra Klein：

你几分钟前提到，不同国家已经开始将算力视为一种地缘战略资源，并且可能希望将其分配给本国企业。在这个问题上，有很多来回争论，尤其是在那些将我们视为正在与某大国竞争的人当中——特别是那些认为我们在争夺谁能率先实现递归自我改进的超级智能的人。首先，关于我们是否应该通过限制对方获取算力来遏制对方，这场争论一直持续不断，而这在很大程度上意味着要拒绝他们购买你们的芯片。在前任政府执政期间，出口管制相当严格。而在现任政府上台后，这些限制有所放宽。显然，你是希望这些限制被放宽的。你如何看待这样一个问题：允许对方获得英伟达芯片，从而加速他们的模型训练、模型部署和模型能力提升，与我们通过限制供应来试图减缓其进展——这两者之间，哪个对我们更有利？

Jensen Huang：

就AI而言，我们的目标不仅仅是让某一家实验室从中受益，而是让整个美国都从中受益。我认为，美国肩负着更大的责任，也怀有更大的抱负——希望这个世界建立在美国的技术体系之上，就像我们希望世界建立在美元体系之上、更多人说英语、更多人使用美国版本的互联网一样。这是我们所追求的。

Jensen Huang：

问题的关键在于，我们究竟在剥夺什么？我们是在剥夺他们用于本国产业的芯片？还是在剥夺美国企业参与竞争的市场？如果你看到一个像那样体量巨大的市场，失去它对美国科技行业有什么好处？也许它能帮助某一家拥有特定模型的公司，但整个行业其余部分都会受损。我认为，被剥夺了参与竞争的市场，对芯片行业肯定没有好处。对其他行业也没有好处，因为这限制了开放模型的发展。这也不符合美国希望世界建立在美国技术体系之上这一整体愿景。

Jensen Huang：

所以，如果你只是狭隘地聚焦于"不让他们拿到芯片"，你实际上是在剥夺自己很多东西。因此，我认为应该退一步，把问题放在一个更大的框架里来思考——什么才是真正符合美国利益的，是整个美国的利益，而不是某一家公司的利益。至于所谓的竞争，正如我们之前提到的，如果真的存在竞争，那这场竞争关乎的是整个美国经济的成功。

Ezra Klein：

我发现自己在芯片这个问题上非常纠结。其中一个原因是：即便我有时比你更担忧超级智能的风险，但如果你真的有这种担忧，我认为你反而会希望与对方保持良好关系，能够就AI的风险与收益进行某种富有成效的双边沟通与协商。而你越是把这件事看作一场只有一方能赢的零和竞争，并以这种方式行事，你就越必然会制造出敌意。我发现这是人们在思考这个问题时一个相当复杂的维度。

Jensen Huang：

我认为，零和博弈的策略——"我剥夺你这个，所以我赢了"——这种过于简单化的逻辑，往往会在更大的博弈中产生意想不到的后果。更大的博弈，当然是指我们现在都在谈论安全问题。我们希望构建安全的产品，也希望他们构建安全的产品，因为当他们不构建安全产品时，整个行业都会受到伤害。所以现在正是好时机，我们应该主动寻求沟通、合作、相互理解、尽可能地达成共识的机会。

Jensen Huang：

话虽如此，英伟达是一家美国公司，我们理应优先服务于美国。美国完全有权利要求这些技术优先提供给前沿实验室。Vera Rubin芯片会优先供应给前沿实验室。

Ezra Klein：

这是一款非常先进的芯片。

Jensen Huang：

没错，这是英伟达最新的芯片。Grace Blackwell也是如此，Hopper也是如此，每一代产品都是如此。Ampere也是如此，我们每一代产品都优先服务于美国企业。 如果美国政府希望在此基础上额外提出这方面的要求，我也非常乐意，完全没有问题——我们本来就是这样做的。不过，考虑到AI行业是一个五层蛋糕，我们希望每一层都能赢，那么我们就需要每一层都走出去，去争夺市场。

第17章：AI繁荣将如何获得能源支撑？

Ezra Klein：

这让我们来到了你那个"蛋糕"的最后一层，我们不会在这上面花太多时间。如果说美国至少在物质层面上拥有的优势是芯片和软件，那么某些国家目前在AI领域的一个优势就是能源——他们更容易建设新的能源设施，他们以更低廉的成本将能源注入AI，他们在建设发电和可再生能源方面取得了巨大进展。你如何看待这最基础的一层——流经数据中心、流经芯片的能源？美国在产生足够能源方面处于什么位置？尤其是在我们一直试图从污染能源转向清洁能源的时期。

Jensen Huang：

是的，我认为，第一，他们拥有的能源比我们多得多，而且他们计划建设的也比我们多得多。你知道，我认为我们必须承认，我们在气候变化和可持续能源问题上把自己搞得一团糟。结果就是，我们根本没有规划足够的能源生产。

Ezra Klein：

你说的"搞得一团糟"是什么意思？

Jensen Huang：

嗯，从短期来看，能源生产需要依赖化石燃料，而因为人们对化石燃料能源生产有太多太多的焦虑，如果你看看我们这个国家，我们在很长一段时间内几乎没有净新增任何能源，突然间这个新兴产业出现了，我们发现自己陷入了一个能源建设能力严重不足的局面。现在整个国家都在手忙脚乱地应对。

Jensen Huang：

与此同时，我们推进得太快，我们本可以做得更好——更好地与社区沟通，提前准备好社区，与社区合作，让他们知道即将发生什么。如果他们不想让数据中心建在他们的城镇里，那就这样吧。但是，如果你要在他们的城镇建设，一定要去那里，让他们知道即将发生什么，与他们合作，帮助他们理解用水是非常高效的。如今，AI超级计算机的能源效率非常高，但它们仍然会消耗大量电力。你要自己引入发电设施，这会降低他们的房产税。有很多事情你可以做，你可以让你的数据中心更具吸引力，把退界距离设得更远，等等。还有很多事情可以做。你也可以贡献自己的力量，做社区的好邻居，建设更好的学校、更好的社区中心，改善他们的公园和道路。有很多事情可以做，但事后再做就很难了，现在全国各地都有相当多的不满情绪。

Jensen Huang：

当然，我们所有那些关于"世界末日"的叙事也没有任何帮助。你知道，哪个理性的人会说"来我们城镇建这个数据中心吧，顺便说一句，你们生产的东西会终结我们所知道的人类文明"。所以我认为，所有这些负面的"末日论"叙事对我们国家毫无帮助。我们一开始就处于被动局面，我们一开始就处于被动局面。

Ezra Klein：

你说的"一开始就处于被动局面"是什么意思？

Jensen Huang：

哦，因为我们一开始就没有足够的能源生产。

Ezra Klein：

那你如何平衡？我是说，现实情况是……

Jensen Huang：

让我再说最后一件事——毫无疑问，能源需求确实非常巨大，正是因为这个原因，市场力量正在帮助我们以前所未有的力度投资可持续能源。给我举一个可持续能源公司的例子，一家研发更好电池的材料科学公司，可以是太阳能，可以是核能，可以是裂变、聚变，随便你说，水力发电，随便什么，这些公司都在获得融资。

Jensen Huang：

对能源的市场需求如此惊人，这是100年来改善我们电网、使我们的电网更可持续、降低能源成本、同时投资我们可持续未来的最佳时机。毫无疑问，在四五年内，我们将使用更多的化石燃料，但也在我们面前的下一个十年里，我们比历史上任何时候都更有准备转向可持续能源。正是因为这些数据中心，因为这些数据中心的成本如此之高，我们现在开始讨论把它们放到太空中去。所以，对吧？所以我认为，我们看到梦想成真、转向可持续能源世界的机会，比以往任何时候都更有可能实现。

Jensen Huang：

由于AI工厂的存在，世界正在购买更多——因为AI今天购买的可持续能源比历史上任何时候都多，风险投资在下一代能源领域的投入简直令人难以置信。每个人，每件事都在获得融资，太不可思议了。100年来第一次，你不再需要政府补贴，因为市场力量已经到来。 如果你想要一个未来，如果你想在气候变化问题上实现转折，如果你想要一个可持续的未来，每个人都应该全力押注AI。这是我们实现那个目标的最好机会。

Ezra Klein：

但我们需要更快地建设能源才能做到这一点。没错，我是说，就是这样，市场就在那里。

Jensen Huang：

有点像……

Ezra Klein：

你可以给予补贴，也可以让建设变得更容易。

Jensen Huang：

是的，你知道，有点像这样——为了救你，他们得先伤害你。这就是手术的本质。他们得切开你才能救你。他们必须给你造成巨大的痛苦和折磨，才能救你。所以，我有点认为AI在未来几年就是这样——我们不得不使用可再生能源，使用化石燃料，因为我们目前就是没有足够的可持续能源来产生实质性的改变。然后在那之后，希望我们能够过渡到那个目标。

第18章：书籍推荐

Ezra Klein：

我想这就是我们要结束的地方，最后一个问题。你有哪三本书推荐给听众？

Jensen Huang：

嗯，我读过很多书。对我影响最大的一本书是Hennessy和Patterson合著的《Computer Architecture: A Quantitative Approach》（计算机体系结构：量化研究方法）。这是第一本将计算机体系结构的复杂性和抽象概念简化为工程实践的计算机体系结构书籍。我非常喜欢那种能够把复杂概念简化成你可以付诸行动的东西的人。

Jensen Huang：

第二本，我非常喜欢Clayton Christensen的《The Innovator's Dilemma》（创新者的窘境），这本书讲述了各行各业如何随着时间演变，如何洞察新兴技术，如何对其设定合理预期，以及如何推断其未来影响。我真的很喜欢Al Ries和Jack Trout合著的《Positioning》（定位）这本书。这是一本关于人们如何看待事物的精彩书籍，表面上是一本关于营销策略的书，但实际上远不止于此——它是一本关于战略的书，讲述人们如何看待世界，如何看待产品，如何呈现产品，以及如何审视自身的战略。我认为这是一本非常有深度、又非常易懂的书。

Ezra Klein：

Jensen Huang，非常感谢你。

Jensen Huang：

非常感谢你，Ezra，一如既往。我总是很享受我们在一起的时光，今天也是非常美好的一次。

本文来自华尔街见闻，欢迎下载APP查看更多

上述事项已经公司第三届董事会第四十六次会议审议通过，并按规定向监管机构备案。

一方面，浙商资管仍旧延续了“董事长、总经理一肩挑”的安排。另一方面，“挑担子”的从财务出身的盛建龙，换成资管业务出身的楼小平。

三十年券业老将

资料显示，楼小平1968年出生，本科学历、学士学位，是为从1994年就入行的老证券人。

楼小平的入行经历至少可以追溯到1994，从1994年至2002年，他在申银万国证券工作，历任嘉兴、宁波、杭州、成都四地营业部负责人及浙江分公司总经理助理。

2002年至2007年，他转任中富证券杭州营业部总经理、浙江分公司总经理、总裁助理；2007年至2008年，任上海证券有限责任公司杭州文三路营业部总经理。2008年后，楼小平加入浙商证券至今。

进进出出“浙商资管”

在浙商证券，楼小平执掌过多个业务。

他先是出任经纪业务总部副总经理、业务管理创新部总经理、经纪业务运保中心总经理，聚焦财富管理条线。

2013年起，他转入当时新设的浙商资管，任董事、董事会秘书、常务副总经理，2018年7月，他曾代为履行一段时间浙商资管总经理职务。

2022年12月12日，楼小平因个人原因离任浙商资管常务副总经理；同月起出任浙商资本董事长（浙江浙商资本管理有限公司董事长、总经理）。

此后他又回归公司总部，出任浙商证券法务总监、浙江浙商创新资本管理有限公司董事长。2024年2月，他被聘任为浙商证券副总裁。2026年9月，回归浙商资管出任公司一把手。

纵观楼小平的职业轨迹，两个特征非常鲜明：一是在经纪（财富）业务有很好的积累，这几乎是他职业上最鲜明的标签；

二是业务跨度覆盖了券商的多个前台与中台岗位，是罕见的多面手。或许也还是因此，他在多次挪移后，开始

首批拿公募资格的券商资管机构

浙商资管成立于2013年4月18日，是在原浙商证券资产管理总部的基础上筹建的，为浙商证券全资子公司，注册资本12亿元，现有员工约150人。它是国内首批成立的券商资管子公司之一，也是国内第一批获得公募基金业务资格的券商资管——2014年8月拿到牌照，为全国第四家

在券商资管的版图里，这家公司的起点不低。2014年12月末，它发行了旗下首只公募基金浙商汇金转型成长，首募规模15.68亿元，成为国内第二家发行权益类公募基金的券商资管（第一家为东证资管）。

更早一些，2012年10月，它获得证监会核准开展“以券融资”专项资产管理计划；2013年3月，又在国内首推股票质押回购式专项资产管理业务。2014年8月，它与中证指数公司合作推出中证转型成长指数，是国内第一家自主开发Smart Beta指数并付诸产品实践的资管公司。

这家公司还有另一个标签。浙商证券于2009年6月取得资产管理业务牌照，当年即实现盈利，次年即第一个完整年度，业务净收入就位列全行业第四位，旗下两只集合理财产品2010年收益率居全国同类第一，被市场与媒体称为“异军突起的浙商资管”。此后，凤凰50ETF成为它的拳头产品：这是国内首只由券商资管发行并上市流通的权益ETF，自2019年8月成立至2026年一季度末，近七年业绩稳居同类产品前5%。

十三年内四任“掌门”

但十三年过去，浙商资管在早期快速发展后，近年趋于“守成”。截至2026年6月末，浙商资管存量资产管理规模为954.60亿元，较年初增长5.71%；其中权益类产品规模109.75亿元，较年初增长48.54%。

从2013年成立至今，浙商资管的“掌门”已经换了四任。且长期由母公司浙商证券的副总裁或财务负责人兼任。

浙商资管的创始总经理是李雪峰，业内知名的券业高管。李雪峰早年曾任申银万国证券研究所资深高级分析师、渤海证券研究所所长、国都证券研究发展中心总经理、财富管理中心总经理 ；在浙商证券期间任副总裁、董事会秘书，并两度分管研究所，担任董秘期间参与了推动浙商证券上市。

2013年浙商资管成立后，李雪峰出任总经理，带领公司“从无到有”。2018年6月，李雪峰辞去浙商证券副总裁、董事会秘书职务；同年7月，辞去浙商资管总经理。他此后赴申万宏源出任高管职务。

李雪峰离任后，总经理一职由时任常务副总经理楼小平代为履行，直至新任总经理到任——这段代理期从2018年7月延续到2019年2月。

2019年2月13日起，总经理一职由盛建龙接任，而他此前已是浙商资管董事长（2018年5月起）。

盛建龙的职业路径集中在财务条线：1994年8月至2000年2月在杭州市民防局从事财务管理工作；2000年3月至2006年6月，历任浙江沪杭甬高速公路股份有限公司计划财务部经理助理、内审部副主任、主任；2006年7月加入浙商证券，历任总裁助理兼计划财务部总经理，2009年1月起任浙商证券财务总监；2014年12月6日至2017年11月7日任浙商资管合规风控总监。他还是中国注册会计师（非执业）、高级会计师。2025年1月27日，他由浙商证券财务总监转任副总裁，财务负责人一职由时任总裁钱文海代行。

盛建龙在浙商资管任内留下了一句被反复引用的表述——券商资管要聚焦“公募化、特色化、精品化”。但到2026年9月22日，他同时卸任董事长与总经理，公告明确其“无转任本公司其他工作岗位”，母公司副总裁的职务则不变。

新掌门的四道考题

作为证券行业的老将，楼小平上任后，将面临至少四个重要“考题”：

第一道，如何把手中的券商公募牌照业务做大做强。尤其是当券商资管牌照红利正在退潮之时，当多家券商资管机构撤回牌照申请时。如何把券商资管的业务做出增量，找到产品线的输出新方向，非常关键。

第二道，如何提高权益产品的质量。浙商资管历史上有权益投资的辉煌时代，尤其是首任总经理李雪峰执掌期间。但如今，业内对浙商资管的权益投资影响越来越弱虽然年内过百亿元的权益类产品规模，在同等券商内不算低，但缺乏市场公认的明星投资经理和明星产品，也是浙商资管当下的一个短板。

第三道，如何实现公司业务从规模到收入的进步。浙商资管954.60亿元的存量规模，最终只对应母公司合并口径下1.62亿元的受托资产管理业务净收入。费率下行的大背景下，规模与收入之间鸿沟如何跨越，是这一任浙商资管管理层必须作答的部分。

第四道，如何实现与母公司的深度协同。浙商证券上半年金融产品保有量680亿元、服务客户资产规模1.20万亿元，财富管理端已经积累起可观的客户底盘；投行业务上半年完成股权、债券主承销项目239单，融资总规模947.20亿元。浙商资管如何充分打通客户资源，把业务发展和公司发展融为一体，是为更高一阶段的要求。

从2013年到2026年，浙商资管走过了十三年。它曾经“异军突起”，也经历了行业去通道、压降非标之后的规模重建。对于楼小平——这个代理过十个月浙商资管的老将——而言，如何进一步破局，是时代之问，也是岗位之责。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台消息，高盛 Michele Della Vigna 团队在 9 月 23 日的《Carbonomics: Behind-the-meter power solutions for data centers: gas turbines, fuel cells and reciprocating engines》中给出了一套把燃气轮机、燃料电池、往复式发动机并列打分的框架，并把 2030 年表后供电装机预测由 40GW 上调到 67GW。支撑这次上修的，是一组更快的用电读数。

结论有两条：三条技术路线都会被用上；按交付速度与可用性重新配权后，燃料电池的综合得分排在最前。

表后供电的盘子为什么突然变大

需求侧的读数先变了。全球数据中心容量 2030 年预计达到 217GW，高于 2025 年的 101GW；美国数据中心需求同期达到 108GW。由此推算，2030 年全球数据中心用电需求较 2025 年增长 170%，其中六成以上来自美国。这组增速高于此前假设，与电网的交付能力直接对撞。

电网一侧的交付能力在退化。美国电网互联申请到商业运行的周期中位数，在 2023—2024 年完成的项目上已逼近五年；新建高压输电线从 2010—2014 年的年均约 1,700 英里，降到 2020—2023 年的年均 350 英里。输电与发电设施通常要建五到十年，规划流程也跟不上这一轮涌入。

需求上修与电网变慢叠加，落在表后侧的结论就是这次预测上修：表后发电装机由 40GW 升至 67GW，且三条路线都不可或缺。

三条路线各自卡在哪

常规燃气的瓶颈已从技术成熟度转到产能与交期。正常市况下大型燃气项目从下单到投产约需两到三年，如今联合循环燃气轮机的交付周期是四到七年，单循环为 18 至 36 个月，重型燃机普遍拉长到约五到七年。厂商扩产不足以马上改变紧平衡：GE Vernova 年底合约量将超过 125GW，2030 年产能已经售罄，2031 年过半的产能位也已预售；西门子能源的积压接近 69GW，另有 27GW 预订，隐含交期约三到四年；三菱重工在谈的项目要排到 2030 年代交付。

燃料电池的强项是落地速度与可用性，不在发电成本。模块化项目的交付窗口约 12 至 24 个月，无需并入电网，满载运行时间最高，需要多配的备用容量最少。

这套评分把交付速度（20%）、可用性（15%）、平准化电价（15%）与初始资本开支（10%）加总，逾六成权重压在执行侧而非经济性上。结果燃料电池 76.6 分居首，航改型燃气轮机 68.2 分，是最均衡的常规方案，往复式发动机 67.0 分，重型燃机与联合循环 59.6 分。评分并不掩盖短处：燃料电池的平准化电价约 117 美元/兆瓦时，比联合循环与往复式高约 45%。

燃料电池的机会有多大，谁能拿到

按文中测算，燃料电池 2030 年对应美国约 12GW、全球约 18GW 的装机，折合累计设备市场约 350 亿美元（美国）与 550 亿美元（全球）。燃气表后加燃料电池合计可覆盖 2030 年美国约 28%、全球约 25% 的数据中心用电，而 2025 年这一比例接近于零。

供给端的缺口更清楚。按满产与 85% 利用率，Bloom Energy 的 2GW 扩产到 2030 年可累计交付约 7.7GW 固体氧化物燃料电池，远低于约 18GW 的全球装机预测；要兑现预测，需要多家厂商同时扩产，包括 Ceres Power 的被许可方斗山、台达电子与潍柴动力。

受益标的按路线分开：燃料电池一侧是 Ceres Power、潍柴动力与台达电子，燃气表后一侧是 GE Vernova、西门子能源、三菱重工与 INNIO。

接下来看什么

结果指标看厂商季度披露：燃机与燃料电池厂商的订单、积压量与产能售罄年份，涉及 GE Vernova、西门子能源、三菱重工，以及 Ceres Power 及其被许可方斗山、台达电子、潍柴动力。

机制指标看三件事：数据中心自备电站的采购与并网公告是否继续增多，燃机交付周期是否继续拉长，燃料电池的单位成本与交付周期是否按预测下行。

反证条件：如果公共电网扩容让接入排队显著缩短，或者燃料电池成本下降不及预期、交付周期反而拉长，表后供电占比与燃料电池份额的预测都需要下修。

验证窗口：2026年10月15日至2026年11月15日，即三季度财报窗口，以及后续自备电源采购公告的披露日。

电力瓶颈在重塑选型顺序，而选型顺序在重塑这一轮订单的归属。40GW 到 67GW 是一次上修，不是已经兑现的产能；接下来要盯的是交期与订单有没有继续往执行侧倾斜，以及燃料电池的成本曲线是否按预测下行。

本文来自华尔街见闻，欢迎下载APP查看更多

在当地时间9月23日的Meta Connect年度大会上，扎克伯格亲自发布了这款设备。Muse Charm配备5G调制解调器，用户无需打开手机即可直接唤醒Muse AI助手。这一设计意图明确——绕过苹果和谷歌的操作系统生态，为Meta的AI构建一个属于自己的硬件入口。扎克伯格将其定义为不佩戴智能眼镜时与Muse对话"最快的方式"。

Muse Charm的发布时机颇具分量。Muse应用自9月8日上线以来，据Sensor Tower统计，约五天内获得73万次下载，随后迅速突破250万次，日活跃用户数据超过ChatGPT上线同期水平，并登上美国iOS免费应用榜榜首。投资者已在定价这一势头——Shopify等Muse合作伙伴股价上涨，而Booking和Intuit等被视为易受冲击的公司则遭到抛售。

Muse Charm的诞生，本身就是一段不寻常的硬件研发故事。

据Meta CTO Andrew Bosworth透露，该项目直至今年3月才正式立项，初始需求直白至极："我们想在今年推出一款还不存在的硬件。"Meta原定于2027年推出这款设备，但扎克伯格在看过早期原型后，要求团队将时间表压缩至2026年底。九个月后，Muse Charm出现在了发布台上。

这款产品出自Meta去年底从苹果挖来的两位核心设计高管——前苹果界面设计主管Alan Dye与Billy Sorrentino。两人此前主导了iOS界面与Apple Watch交互设计，其离职曾迫使苹果内部设计团队大规模重组。他们加入Meta后，负责组建公司新设计实验室，Muse Charm正是该实验室与Meta超级智能AI团队联合打造的首批成果。

这款设备的内部代号为"Clawmagochi"，名字一半来自上世纪90年代风靡全球的电子宠物Tamagotchi，另一半则源于团队对OpenClaw AI助手的借鉴。Bosworth在媒体采访中坦言，项目推进速度之快令他至今仍感到"有些不可思议"——整个设计与制造过程发生在同一个自然年内。

目前，Muse Charm仍处于相当早期的阶段：外壳最终材质尚未确定，Meta只生产出少量样机，但计划赶在今年12月假日购物季前正式发售。

从硬件规格来看，Muse Charm的设计边界划得相当清晰——它知道自己不是手机。

设备配备一块约2英寸的OLED触摸屏，采用半透明外壳，内部电路板透过机身背部和侧面清晰可见，呈现出扎克伯格所称的"升级版黑客美学"，也带有鲜明的Y2K复古风格。用户可以将其挂在钥匙扣上、用挂绳固定在背包上，或直接套在手腕上携带。

屏幕中央是一个完全可定制的虚拟Muse角色，用户可以为其设置名字、外貌、服装、声音、口音和说话速度。机身右上角的指纹传感器可直接唤醒Muse，省去解锁手机和打开应用的步骤。内置5G调制解调器使其无需依赖Wi-Fi即可访问Muse，并支持音乐、视频播放，配备前后摄像头、麦克风、扬声器及USB-C接口。

当两台Muse Charm相互靠近时，设备能够彼此识别，两个AI虚拟角色也会产生互动——Meta为AI智能体增添了一个实体世界的社交层。

不过，Charm并未与手机完全脱钩。首次设置与数据同步仍须通过iPhone或Android上的Muse应用完成，5G网络资费的收取方式目前也尚未公布。

分析师对Muse Charm的市场潜力持谨慎态度，但不排除其在特定人群中获得牵引力。

IDC总监Jitesh Ubrani指出，Charm面向的是那些不愿佩戴智能眼镜的用户群体，同时唤起了人们对Tamagotchi时代的集体记忆。"有些人可能还记得Tamagotchi（拓麻歌子），这款产品可能会勾起那种感觉，"他表示，"它甚至可能在本地运行小型语言模型，在这么小的设备里跑AI。"

市场研究机构Smart Analytics Global创始人Linda Sui认为，Muse Charm对Z世代及更年轻消费者存在一定吸引力——这一代人倾向于把AI助手视为伴侣或思维伙伴，而非单纯的搜索工具，且正值数码相机、翻盖手机和MP3播放器的复古风潮涌现之际。"AI、时尚与个性化的结合，若定价亲民且易于上手，可能确实对年轻用户有吸引力。"

但Sui同时警告，大众化市场的路径并不清晰："我对它的大众市场潜力持谨慎态度。除非Muse Charm能提供智能手机、手表、耳机或智能眼镜都无法轻易替代的独特功能，否则它更可能只是早期尝鲜者的'可选项'，而非主流产品。"

前车之鉴同样存在。AI硬件初创公司Rabbit Inc的掌上设备Rabbit R1于2024年初发布时同样引发广泛关注，但因AI功能严重过度承诺、实际体验不稳定而最终遭遇失败。

Bosworth在发布后的采访中对Muse Charm的定位出奇坦率。他承认，Charm并非Meta AI硬件战略的核心支柱："显然，我们预期更多人会通过智能眼镜和手机来使用Muse。"他将这款产品定性为一次"探索"，一个"经典的v0版本"。

对Meta而言，Charm承担的是一项具体的商业验证任务：在Muse已积累起一批愿意持续使用、深度定制AI角色的核心用户之后，测试其中是否有足够多的人愿意为AI购买一个专属的实体入口。换言之，Muse已经回答了"有没有人愿意使用个人智能体"，而Charm要回答的下一个问题是"有没有人愿意把个人智能体带在身上"。

据彭博援引知情人士消息，Muse Charm的定价将与市面上的智能手表处于同一区间，首批产品主要面向Muse核心用户与早期技术爱好者，后续版本将视市场反响而定。

按照Meta的路线图，Charm只是让Muse走出手机屏幕的第一步。扎克伯格在发布会上表示，Muse还将很快覆盖Meta旗下的智能眼镜产品线，让用户在开车、做饭或运动时，通过语音便可交代任务，无需拿起任何屏幕。

这位曾重金押注元宇宙、后又将赌注转向AI的创始人，这一次给出的逻辑是：玩具往往是下一代计算平台最初的伪装。

本文来自华尔街见闻，欢迎下载APP查看更多

据CCTV国际时讯，澳大利亚总理阿尔巴尼斯今天（9月24日）证实，今年6月，由澳大利亚政府服务局管理的“国民医保统计数据报告服务门户”遭到美国开放人工智能研究中心（OpenAI）AI代理未经授权的访问。

阿尔巴尼斯说，澳大利亚对此极度关切并感到失望，因为OpenAI“花了太长时间才将此事公之于众”，而且通知的方式本身也“令人无法接受”——据悉，OpenAI只是在9月10日通过电子邮件向澳大利亚某个政府部门的公共邮箱发送通知，告知了澳大利亚政府这起入侵事件。

据《纽约时报》报道，澳大利亚总理安东尼·阿尔巴尼斯周三在纽约出席联合国大会期间披露了此事。澳方称，这是目前全球已知首例AI智能体未经授权访问政府系统的事件。

目前，澳大利亚政府已成立快速调查工作组，并评估是否对OpenAI采取法律行动。澳大利亚信号局随后针对此次AI智能体活动发布“高”级别预警，提醒运营公开网站的机构及时修补安全漏洞。

智能体多次受阻后寻找替代访问路径

事件发生于6月18日。据阿尔巴尼斯介绍，OpenAI一个研究团队的智能体当时正在利用内部模型研究澳大利亚公共医疗支出数据。在尝试访问Medicare统计报告门户时，该智能体多次遭遇拦截，随后自行寻找其他访问路径，最终进入了网站部分原本不对外开放的内容。

“它没有接受‘不’这个答案。”阿尔巴尼斯表示，该模型尝试通过其他方式获取所需信息，由此导致对部分区域的未授权访问。

OpenAI在声明中称，该模型当时是在一次内部评估中尝试查找有关澳大利亚的公开统计数据，并未涉及患者医疗记录，只访问了汇总健康统计数据以及内部文件名。OpenAI表示，相关活动是在其自身对“模型行为偏差”的审查过程中被发现并上报的。

澳大利亚信号局在预警中指出，此次事件值得关注的一点是，模型的行为超出了人类操作者原本设定的意图和授权范围，并“独立识别出目标网站的安全漏洞”。

未涉及患者数据，法律责任仍待调查

澳大利亚政府强调，被访问的系统是供研究人员和学术人员使用的数据门户，与存储患者医疗信息的系统相互独立。阿尔巴尼斯表示，此次被访问的数据属于支出相关的非敏感信息，不涉及个人信息。

不过，事件是否涉及违法行为以及相关责任如何认定，仍有待进一步调查。悉尼科技大学人类技术研究所联合主任、新兴技术教授Nicholas Davis表示，根据澳大利亚刑事法律，未经授权访问计算机系统的行为最高可能面临两年监禁。他认为，此次访问并非单纯的偶然行为，而涉及一定程度的规避访问控制。

Davis同时指出，由于此次事件没有涉及医疗数据，因此也可以被视为一次警示，促使企业和政府进一步重视AI系统在自主执行任务过程中可能产生的安全风险。

阿尔巴尼斯表示，Sam Altman在双方对话中“承认了他们在协议层面存在的问题”。澳大利亚副总理Richard Marles则表示，OpenAI在调查过程中保持了配合，但他认为，此次事件也说明AI发展需要同步完善安全与监管机制。

AI监管讨论进一步升温

Medicare覆盖澳大利亚绝大多数人口，相关系统涉及公共医疗服务，因此此次事件在澳大利亚国内引发关注。不过，澳方目前披露的信息显示，此次访问并未涉及患者医疗记录或个人信息。

此前，澳大利亚已着手制定AI监管标准，并持续推进数字领域监管。与此同时，澳方与美国大型科技企业在部分数字监管议题上也存在分歧。就在本周，美国驻澳大使馆罕见介入澳方拟议中的“数字关怀义务”法案讨论，认为相关规定可能带来“助长审查”的风险。

在联合国大会期间，AI安全与监管已经成为国际讨论的重要议题。此次AI智能体未经授权访问政府数据门户的事件，则进一步凸显了一个新的监管问题：当AI系统具备更强的自主执行和问题解决能力后，如何界定其行为边界，以及如何明确开发者、部署方和使用者之间的责任。

本文来自华尔街见闻，欢迎下载APP查看更多

9月24日，A股全天低开低走，上证指数早盘跌0.93%至3900点一线，午后跌幅扩大，尾盘失守3900点整数关口；深成指、创业板指因科技成长与有色、地产等周期方向集中调整而跌幅居前，双双跌超2%。

两年前的今天，也就是2024年9月24日，一系列重磅金融政策集中落地，市场突然放量大涨。当天沪指上涨4.15%，深成指上涨4.36%，创业板指上涨5.54%，超过5100只个股飘红。

港股同样低开低走，恒指、恒科指盘中下跌，恒科指跌超1%，权重科网股午后有所反弹，芯片半导体股显著承压，兆易创新、剑桥科技跌幅居前。债市方面，国债期货全线上涨。商品方面，国内商品期货大多数品种下跌。

A股：截至收盘，沪指跌1.22%，深成指跌2.34%，创业板指跌2.68%。

盘面上，个股跌多涨少，沪深京三市超4300股飘绿，今日成交1.67万亿。沪深两市成交额1.65万亿，较上一个交易日缩量1116亿。板块方面，有色金属股集体走低，贵金属、铜产业板块领跌；PCB、CRO概念股表现低迷；房地产板块回调，建材板块同步走弱。两岸融合概念股午后异动拉升，海峡创新等多股涨停；减速器、教育、风电设备板块走强，石油、煤炭、银行股抗跌。

沈鼓集团发行价只有4.39元，9月17日上市之后迅速成为市场焦点。上市第二个交易日，股价盘中最高冲到82.59元，相当于一度达到发行价的近19倍。

港股：截至收盘，恒指跌0.29%，恒科指跌0.41%。

盘面上，原材料、医疗保健板块跌幅居前，洛阳钼业、宁德时代跌近4%领跌蓝筹。科技股方面，华虹宏利跌超3%，商汤逆市涨超4%。

债市：国债期货全线上涨，截至收盘，30年期主力合约涨0.31%，10年期主力合约涨0.03%，5年期主力合约涨0.03%，2年期主力合约涨0.01%。

商品：国内商品期货普遍下跌，截至收盘，能源品涨幅居前，原油涨6.96%；化工品多数上涨，丁二烯橡胶涨5.73%；油脂油料多数上涨，豆一涨1.50%；新能源材料跌幅居前，碳酸锂跌4.79%；贵金属全部下跌，铂跌3.57%；农副产品全部下跌，红枣跌2.85%；航运期货全部下跌，集运指数(欧线)跌1.84%；非金属建材涨跌参半，玻璃跌1.51%；基本金属多数下跌，氧化铝跌1.14%；黑色系多数下跌，焦煤跌0.46%。

福建本地股：午后暴力拉升，政策预期点燃海峡两岸行情

福建本地股是今日最亮眼、最具辨识度的逆势热点。午后13时后，板块突发暴力拉升，海峡创新20CM涨停，平潭发展、福建水泥、漳州发展、厦门港务、福建金森、厦工股份、国旅联合、七匹狼、新华都等多股封板，北交所路桥信息30CM涨停，铁拓机械涨超12%。

核心催化来自两条线索：

其一，财联社9月24日电，福建省人民政府印发《福建省美丽中国先行区建设实施方案》，提出到2030年底前基本建成美丽中国先行区，政策落地直接点燃福建本地基建、林业、港口、水务等区域标的表现。

其二，市场对两岸交流政策预期明显升温，叠加福建省层面推进两岸经贸产业合作平台升级的动作，资金集中涌入具备"对台前沿"区位属性的福建上市公司。

值得留意的是，平潭发展的涨停兼具"福建+林业"双重属性。财联社披露其涨停原因：公司在林木业务方面已基本形成"林板一体化"发展产业链，拥有经营林区近90万亩，在福建省处于行业领先龙头地位。这也使得平潭发展成为"福建本地股"与"林业"两条逆势主线交汇的核心标的，近一年累计涨停达26次，区间资金介入迹象明显。

人形机器人：马斯克"20年1000亿台"引爆，涨停家数居全场之首

人形机器人产业链是今日全天持续、涨停家数最多的强势主线。减速器、丝杠、灵巧手、精密轴承等核心零部件方向批量涨停，昆船智能、洛轴股份20CM封板，襄阳轴承、中马传动、宁波东力、长华集团、雪龙集团、祥和实业、上工申贝、大业股份、华升股份等十余股涨停，产业链覆盖AGV、精密轴承、减速器、AI按摩机器人、灵巧手材料、机器人零部件等多个环节。

逻辑链清晰且层层递进：

• 第一层是特斯拉量产实质性推进。9月16日，特斯拉相关团队落地宁波，并于9月17日开启新一轮针对旗下机器人业务的量产审厂，此轮审厂将实质性推动Optimus的量产进程，目前已向供应链企业下达相关订单。
• 第二层是马斯克的最新展望点燃情绪。9月23日，特斯拉CEO马斯克接受央视财经专访时给出大胆预测——"10年内或不到10年，人形机器人至少有10亿台；未来15年或许达到100亿台；未来20年可能会达1000亿台"，并描绘"每个人都能拥有专属机器人"的应用图景。
• 第三层是产业数据验证景气。市场调研机构Smart Analytics Global数据显示，2026年上半年全球人形机器人出货量约1.91万台，是去年同期约5100台的三倍多，同比增长近3倍，中国厂商占据全球97%以上的出货份额；国际机器人联合会同日发布的报告亦显示，2025年中国工业机器人新安装量达35.4万台，约占全球总安装量的59%，创历史新高。
• 第四层是技术迭代加速。国元证券梳理指出，宇树科技发布升级版人形机器人G1+，Figure发布Helix 2.5模型（实现陌生环境零样本全身自主作业），Agility Robotics发布第五代Digit5，海外厂商技术进展同步催化。

东方证券认为，特斯拉实质性推进机器人量产以及Figure新模型将有望推动机器人量产应用加速，国内机器人产业链公司有望迎来投资机会；2026年有望成为具身智能的量产元年。

万联证券认为，当前人形机器人产业正处于从技术突破迈向规模化商业化的"破晓时刻"；供给端特斯拉、宇树科技、智元机器人、优必选稳步推进量产，需求端人口老龄化与劳动力成本攀升形成长期驱动；2026年是量产验证与场景落地的关键窗口。

国元证券表示，人形机器人产业正由功能展示逐步转向规模部署与持续运营，产品可靠性、任务成功率、部署周期及单位运营成本将成为商业化进程中的重要评价指标；建议重点关注具备批量制造、场景交付和持续运营能力的整机企业，以及进入头部客户供应链、完成产品验证并具备规模供货能力的核心零部件企业。

贵金属大跳水

山东黄金等黄金股明显走弱，黄金、白银期货同样承压。今天国内期货市场亦调整，午间沪金跌超1%，沪银一度跌超3%。

分析人士表示，对于黄金来说，高利率和强美元都会带来压力。一方面，美债收益率升高后，持有无息资产黄金的机会成本增加；另一方面，美元走强也会直接压制以美元计价的贵金属价格。此前黄金已经积累了不小涨幅，一旦市场重新交易“利率维持高位甚至继续上升”，资金兑现也会更加明显。

所以今天A股贵金属下跌，其实只是昨晚全球资产重新定价的延续。而这条线对A股的影响也不限于黄金，美债收益率重新突破5%，对估值较高、此前涨幅又比较明显的成长资产同样会形成压力。中信建投认为，黄金若要重新进入趋势性上涨阶段，还需要等待实质性宽松信号进一步确认。

本文来自华尔街见闻，欢迎下载APP查看更多

摩根大通分析师指出，受人工智能、医疗健康及服务业等结构性力量驱动，传统利率传导机制的约束力已大幅减弱，股市的"断裂阈值"可能已升至5.5%至6%区间。

与此同时，彭博全球综合国债指数平均收益率周三升至3.99%，触及2007年以来最高水平，美国5年期国债收益率也首次突破5%。债市的持续动荡正抬升各国政府、企业和居民的融资成本，并对股票估值形成直接压制。

收益率的攀升已在全球范围引发连锁反应：澳大利亚3年期国债收益率跳升13个基点至5.07%，创2011年5月以来新高；新西兰2年期收益率最高攀升17个基点；日本10年期收益率则在市场结束三日休市后补涨，触及1996年以来最高点。新兴市场债券基金上周遭遇数月来最大规模资金外流，股票基金同样出现大规模赎回。

对于市场长期奉行的5%警戒线，BlueBay Asset Management市场策略主管Mike Bell直言，这从来不是一个自动触发的绝对阈值，而是一个心理标志。"人们以为国债收益率存在一个出问题的魔法数字，但它是相对数字，不是绝对数字，"Bell表示。

真正的关键在于国债收益率与其他核心投资指标的比较关系，尤其是股票盈利收益率。Bell认为，这一关系目前正逼近一个拐点，可能为股市抛售埋下伏笔。历史数据提供了参照：MSCI全球股票主要指数在上一次10年期美债收益率突破5%时（恰在全球金融危机前夕）腰斩；更早一次，接近6.8%的收益率峰值刺破了互联网泡沫，引发类似暴跌。

摩根大通分析师认为，当前股市承受高收益率的能力较以往有所增强，根本原因在于全球经济已发生"关键结构性转变"。人工智能、医疗健康和服务业在经济中扮演更重要的角色，这些行业的企业无论融资成本高低，仍在持续扩张支出。

这意味着"传统利率传导渠道的约束力已实质性减弱"，股市的"断裂阈值"可能"明显更高，潜在区间在5.5%至6%"——这是摩根大通在其近期举办的一场重要投资者会议上援引的主流机构观点。

在规模达29万亿美元、为几乎所有金融资产定价提供锚点的美国国债市场，收益率从5%向6%的跃升意味着全球资本成本的深度重构。6%的美债收益率，意味着市场正在为显著更高的通胀预期、日益严峻的美国财政可持续性担忧，或利率将长期维持高位的判断——乃至三者的叠加——定价。

彭博策略师Alyce Andres指出，"投资者抛售美债，并非因为通胀公信力崩溃，而是因为真实政策前景和期限溢价展望仍要求更大的让步空间。"本周一场规模700亿美元的5年期国债拍卖以2006年以来最高收益率成交，按部分指标衡量，需求之弱在2018年有数据记录以来排名第二，折射出华盛顿在偿债成本持续攀升、总债务逼近40万亿美元背景下所承受的压力。美联储官员Austan Goolsbee本周坦言，他也不清楚市场对于5%收益率持续时间延长的反应，是否会与过去有所不同。

机构投资者已在主动调整持仓。Invesco全球资产配置研究主管Paul Jackson的测算显示，当10年期收益率12个月均值维持在4.72%并进一步上行时，全球股市便开始走低。目前12个月均值约为4.34%，尚未触及该拐点，但Jackson表示已在减持股票，将部分资金转移至政府债券以锁定高息回报。"如果国债收益率继续上升，股市在12个月后走低将面临风险，"他说。

利率衍生品市场的信号同样偏鹰：掉期合约目前已完全反映未来一年累计75个基点的加息预期，并对第四次加息保留了相当规模的对冲头寸。衡量美国债市波动的ICE BofA MOVE指数周三攀升至3月以来最高水平，日益加剧的波动令更多投资者在入场时踌躇。"大多数固定收益投资者喜欢高收益率，但希望它稳定在那个水平，现在大家害怕抄底抄在半空，"TD Securities策略师Hans Mikkelsen表示。

新兴市场通常是美债收益率飙升时最先受损的资产类别。美债回报率上升往往带动美元走强，美元计价资产吸引力增加，资本随之从新兴市场经济体抽离，并可能令美元负债沉重的国家陷入危机。

数据显示，上周新兴市场债券基金遭遇数月来最大规模资金外逃，股票基金亦出现大规模撤资，本月新兴市场主权债发行量也明显低于往常。Allspring Global Investments新兴市场全股权主管Alison Shimada坦言，"这对新兴市场来说不是最佳状况"，但她同时强调，目前并无"严重恶化"的迹象，整体上仍维持"建设性"立场。

Premier Miton首席投资官Neil Birrell指出，股市当前之所以尚未崩塌，或许是因为投资者还没有将5%以上的收益率真正代入长期盈利预测模型。"模型没重跑之前，市场看起来都还好，"Birrell说，"但最终，数字就是数字，必然会反映出来。"

一旦投资者开始认真讨论6%的可达性，这场争论便超越了收益率短期冲高的范畴，演变为一场更深刻的拷问：廉价流动性时代是否已经终结，全球资产价格是否必须适应永久性更高的资本成本？这一问题的答案，将深刻左右未来数月的资产配置格局。

本文来自华尔街见闻，欢迎下载APP查看更多

车企和电池企业正在密集扩建快充网络。9月23日晚，吉利宣布，新一代智充技术单枪峰值功率达到2250千瓦，计划到2027年底建成超过2.2万座充电站，其中智充站超过1.5万座。

过去一个月，补能领域的动作接连不断。8月28日，比亚迪第1万座闪充站落成，覆盖332座城市；9月17日，欣旺达动力发布光储闪充开放生态平台，提出到2027年底建成1万座兆瓦闪充站。汽车厂商继续扩网，电池供应商也把建站列进业务计划，补能竞赛的参与者越来越多。

吉利此次扩网，紧跟着自家新车的变化。与智充技术一同推出的全新银河E5，6C智充版本在吉利公布的常温测试中，从10%充至70%用时8分25秒；搭载12C电池的领克10，同样的充电区间平均用时4分30秒。快充正在成为新车的重要卖点，车企也得把配套站建到车主日常能用的地方。绕路找桩、到站排队，都可能耗掉电池技术省下来的时间。

吉利目前已布局2500多座充电站，覆盖232座城市。新一轮建设要向县级市区延伸，在一线城市核心城区做到2公里内有智充站，其他城市也要逐步形成3公里内的覆盖。它还把极氪、领克、银河的充电地图合到一起，并为符合条件的新上市智充车型首任车主提供两年共2000元充电权益。

从2500多座走到2.2万座，吉利接下来一年多需要新增近2万座站。兆瓦充电给建站增加了一道供电难题：商圈停车场、高速服务区即便已有充电设备，也未必留着足够的电力容量。每个场地都等扩容，铺网速度很容易被接电进度拖住。

吉利的新智充桩支持双枪同时兆瓦输出，采用光储充一体设计。按其方案，大功率充电时由电网和站内储能共同供电，减少对电网扩容的依赖。高功率充电所需的电，可以提前存进站内电池，等车辆进站时集中释放。快充站里多出一套储能设备，也给电池企业带来了车外的市场。

欣旺达此次推出的方案，就将动力电池、储能系统、充电主机和终端放到一起，面向车企和运营商提供设备供货、整套方案交付、共建网络及联合投建运营等合作方式。供应商开始帮客户解决“电池装上车以后去哪里快充”的问题，也把充电站里的设备订单纳入生意范围。对于准备扩网的车企，整套采购和合作建站的选择随之增加。

现有充电站是这轮扩张的重要落脚点。比亚迪年内2万座闪充站的目标中，1.8万座计划采用“站中站”模式，在运营商现有站点加装闪充设备。欣旺达也将老旧充电站改造、高速服务区列为布局场景。吉利则提出携手行业伙伴铺网。运营商已有的停车位、供电条件和进出站车流，成了这轮扩建可以利用的基础。

大功率充电设备和储能都要投入，租金、运维也要持续支出。在9月17日的大会上，中国充电联盟副秘书长王磊谈到，充换电行业正面临盈利难题。运营商参与设备升级，需要靠新增充电量收回投入。吉利将几个品牌的用户汇入同一张地图，再配上充电权益，恰好可以为合作站点提供一批初始客源。

欣旺达把整套闪充方案推向市场，吉利等车企向其他品牌车主开放站网，快充技术和网络都在向更多品牌扩散。车企投入的设施会让同行受益，外来车流又能帮助站点摊薄成本。补能竞赛越往下走，快充越接近卖电动车的一项基本配套。车卖出去以后，建站和运营的投入仍要继续。

本文来自华尔街见闻，欢迎下载APP查看更多

威廉姆斯在伦敦NIESR主办的会议上指出，市场普遍预期美联储今年年底前有必要再度收紧政策，"在我看来，这种看法是合理的"。

威廉姆斯同时表示，短期通胀预期令人鼓舞，但长期通胀预期并未如此。他强调，美联储的主要挑战仍在于通胀，必须及时将其拉回目标水平。

威廉姆斯的表态与美联储上周会议释放的信号一致。在新任主席沃什的领导下，美联储上周将政策利率上调至3.75%至4.00%区间，18位决策者中有16位暗示，2026年底前至少还需再加息一次。威廉姆斯是美联储体系内仅次于主席和副主席的核心决策者，其表态对市场具有重要参考价值。

威廉姆斯表示，当前美国经济展现出显著韧性，实现充分就业的下行风险已明显减弱，这为美联储将精力集中于对抗通胀提供了空间。

他指出，美联储将在接下来几个月持续收集数据，并采取与7月至9月期间相同的审慎决策方式——边走边看，而非预先承诺路径。"提供明确且非常直接的前瞻性指引的时代已经结束，"他说，并坦承"谁也不知道高收益率会不会持续下去"。

上述表态意味着，美联储在政策沟通策略上已由此前的明确指引转向更大灵活性，投资者需为利率路径的不确定性定价。

在人工智能议题上，威廉姆斯给出了一个对市场有实质影响的框架性判断。他表示，目前正看到AI带来"相当强劲的需求"，并将这一现象更多定性为传统的需求冲击，而非单纯的供给侧生产率改善。

他预计AI最终将带来生产率繁荣，其影响路径可能类似于1996年至2005年间的科技驱动增长周期，但核心问题在于"芯片供应挑战会持续多久"，以及这一繁荣能延续多长时间。

这一定性具有重要的货币政策含义：若AI主要表现为需求冲击，则在供给尚未充分响应的阶段，其对通胀的推升作用将更为直接，进而支持美联储维持偏紧货币政策立场的合理性。

本文来自华尔街见闻，欢迎下载APP查看更多

觅蜂科技成立于2026年2月，业务覆盖真机数据、无本体数据和仿真数据的采集与处理，并将自身定位为面向全行业的第三方数据平台。

借助“觅蜂派”平台，普通人可以申领MEgo设备，通过App接取采集任务，再由平台按照审核后的有效数据时长结算报酬。

觅蜂同时开放“机器人训练师”招募，并联合酒店、商超、制造等领域的50余家企业和机构发起场景数据联盟。公司希望把原本集中在数采工厂里的数据生产，拆散到更多真实工作和生活场景中。

过去一年，具身智能行业对“数据从哪里来”的答案正在快速变化。早期最直接的办法，是把机器人集中到数采中心，由人遥操作真机反复完成抓取、搬运、整理等任务。

但真机昂贵、采集效率有限，也很难依靠线性增加机器人和采集员，把数据规模从百万小时推到千万乃至亿级小时。

于是，行业开始把更多数据生产从机器人本体上拆出来。

觅蜂选择进一步开放生产端：让更多人带着轻量设备进入真实场景，再由平台把这些分散产生的数据统一加工成模型可以使用的训练数据。

当具身数据开始尝试众包化生产，它究竟是一张可以快速扩张的数据网络，还是一门更加复杂的劳务生意？

数据版美团，账怎么算？

对于普通人来说，参与觅蜂派大致需要经过几个步骤：下载App、租用MEgo设备、领取任务，在生活或工作场景中完成指定操作，再将数据上传，根据有效数据时长获得佣金并提现。

用户可以在任务大厅选择任务，进行中的任务采用时长配额制。MEgo设备租金为39元一天，推广期折扣价为19元一天，App显示的任务基础回报约为每有效小时20元。

这并不是采集者最终到手的统一时薪。

按照公司的说法，报酬由城市基础定价和动态补贴组成：前者参考不同地区的收入水平，后者取决于任务完成效率和数据质量。

任务从几分钟到一个多小时不等，最终按照审核通过的有效时长结算。

某类数据采够后，平台便可以停止分发；对于稀缺或者较难进入的场景，则通过额外补贴提高吸引力。

目前开放的采集任务覆盖生产维修、餐饮服务、物流搬运、养老照护和家务整理等超过20个领域，小到羽毛球馆清点球筒、便民服务站补充饮水杯等日常操作，也被纳入采集范围。

“众包”很容易让人联想到外卖骑手模式的变体：平台连接需求与分散的劳动者，再通过任务规则和价格进行调度。

但两者的交付难度并不相同。

外卖只需将商品送达指定地点，具身数据却要满足模型对场景、动作和质量的具体要求，而分散的采集者在操作习惯、职业技能和工作环境上又存在很大差异。

从商业模式看，觅蜂认为众包首先可以降低采集端的人力成本。

传统集中式数采需要专门雇佣采集员，在固定场地内反复完成任务。

众包模式则希望把采集嵌入参与者原有的生活和工作。平台支付的是新增的数据贡献，而不是完整雇佣一名专职采集员的成本。

相应地，后台运营的复杂度也会提高。

模型公司的需求首先需要被拆解成普通人能够理解的任务，明确动作步骤、设备位置、完成标准和验收规则。

平台还需要通过线下服务站点完成基础培训、设备领取和流转，尽量减少不同采集者在操作上的偏差。

统一设备解决了一部分输入差异。通过初筛的数据还要继续经过动作切分、标注、轨迹提取和人工抽检，才能成为模型可以使用的数据。

觅蜂不会把数据简单划分为“可用”和“不可用”，而是按照质量和使用价值进行分级。

明显拍摄失效的数据会被剔除，其余数据则可能分别用于预训练、具体任务训练、模型评测或长尾场景学习。

觅蜂科技董事长兼CEO姚卯青称，通过结算初筛的数据中，超过95%经过后处理后最终仍可以被利用。

按照觅蜂披露的数据，觅蜂派内测一个月内注册用户达到2万人，累计产生1.3万份任务提交，收入最高的参与者单月超过5000元。

场景越分散，运营越复杂

觅蜂在这个时间点推出众包平台，背后是下游数据需求同时发生了两个变化：客户需要的数据量越来越大，需求的场景也越来越细。

姚卯青称，百万小时正在从行业供给目标变成单个客户的训练需求，部分客户已经提出千万小时级需求，一些头部客户甚至要求供应商一周交付5万—10万小时。

但如果只是把同一种数据多生产十倍，众包的价值仍然有限。

过去具身数据采集集中在家庭场景，大量团队反复采集叠衣服等任务，这类数据已经趋于饱和。更稀缺的开始变成模型没有见过的新技能、新环境和新操作流程。

觅蜂事实上正在需求端和供给端双向开拓场景。

觅蜂科技表示，公司会定期召开生产计划评审会，汇总市场订单，先判断哪些需求可以由现有库存满足，缺少的部分再根据订单价值和资源条件分配到不同采集路径。

姚卯青同时提到，头部客户在真实场景、空间精度和动作语义标签上已经形成部分共性要求，但具体需求仍会继续下沉到不同工序和动作。

集中式数采中心可以复制厨房、客厅和桌面等标准环境，却很难在固定场地中复刻汽车维修、酒店服务、农业生产或者具体工厂产线。

靠一支专职团队逐个寻找这些场景，成本高、速度也慢。众包则把场景寻找和数据采集分散给原本就在不同行业工作的人，更容易触达长尾职业场景及其操作技能。

同时，觅蜂科技希望借助“场景数据联盟”提前连接工厂、社区、酒店、商店、物流中心等场景方，在客户需求到来之前，解决安全、授权和合作关系等问题。

觅蜂派业务副总裁张智富还提到，未来平台可能根据采集者的职业和历史任务进行匹配，并开放场景自主申报，平台审核后再判断是否与下游需求匹配。

在他的解释中，仅靠平台内部团队，很难提前列出成千上万种值得采集的任务。真正身处农业、维修和生产一线的人，更清楚自己拥有哪些场景和技能。

觅蜂最终想要的不是一个更大的数采工厂，而是一张能够按照订单调度的场景网络。

这也使运营成为具身数据公司的核心能力之一。

姚卯青判断，当行业真正进入规模化和盈利阶段后，会“非常看重运营能力”：

既要把模型公司的数据缺口转化成任务，找到对应的人和场景，又要把高度异质的数据加工成统一规格，在按期交付的同时维持成本优势。

更重要的是，随着采购量扩大，客户对供应商规模、质量和交付能力的要求也在提高。姚卯青据此判断，具身数据供应商可能进一步集中，甚至出现寡头化趋势。

觅蜂称，支撑千万小时级数据生产，需要在采集设备、人员结算、数据存储和算力基础设施上投入数亿元固定资产。

产业链未来可能出现硬件、运营和数据后处理的进一步分工，但端到端覆盖整条链路，并不是一般创业团队能够轻易完成的业务。

此外，对于需要百万乃至千万小时数据的模型公司而言，同时管理几十家供应商，意味着还要自行处理不同硬件、格式和质量体系带来的差异。

供应商数量越多，数据清洗、转换和训练验证的成本也越高。

换句话说，场景可以是分散的，但交付接口最好是集中的。

而无论扩大数据量还是打通场景，最终争夺的都不只是当前订单，而是在需求持续变化之前，提前占据数据生产和场景入口的生态位。

谁来为下一亿小时买单？

觅蜂派众包所代表的Ego无本体采集数据，现阶段主要服务于具身智能公司、世界模型公司和通用大模型公司的预训练。

模型从人类操作中学习物体、动作和环境之间的关系，以扩大对不同场景和技能的覆盖。

简单来说，无本体解决模型“见得够不够多”，真机解决机器人“能不能具体做出来”。

姚卯青称，如果只是完成一个特定任务Demo，使用目标机器人采集真机数据，效果会更加直接；Ego数据在样本量较小时，对单一任务的提升并不明显，其价值更多在规模扩大后体现为面对新任务和新环境时的Zero-shot泛化能力。

随着模型开始进入物理世界进行决策，需要补充的不只是更多小时数，也包括更丰富的场景、更高的空间精度和更完整的动作语义。模型能力越强，能够学习和进入的任务越复杂，新的数据缺口也可能随之出现。

至少在当前训练范式下，无本体数据并非机器人数量不足时的临时替代品。

更长周期的变量，是机器人自身开始生产数据。

对于搬箱、分拣和固定产线操作等已经成熟的任务，运行中的机器人可以直接记录关节状态、控制指令以及成功、失败和异常情况。

这些数据与目标本体天然一致，随着机器人规模部署，人类采集在成熟任务中的相对重要性会下降。

对觅蜂而言，更关键的问题是，即使行业仍然需要大量数据，客户是否还会长期向第三方平台采购。

一旦头部机器人公司形成自己的装机规模、场景网络和数据回流体系，自采的经济性会提高，成熟任务的数据生产权也可能转向机器人运营方。

人类数据仍有价值，并不自动等于第三方数采平台仍有价值。

姚卯青将觅蜂定位为“交钥匙”的数据服务。

他认为，多数具身公司仍然倾向于把资源集中在硬件本体和模型算法研发，而把设备、人力、场景和数据运营等重资产、重运营环节交给专业平台。部分标准化数据还可以跨客户多次销售，减少相似数据的重复采集。

人类众包能走多远，最终取决于两件事：机器人还有多少尚未进入的世界，以及第三方平台能否比客户自己更低成本地找到并生产这些数据。

本文来自华尔街见闻，欢迎下载APP查看更多

江南布衣进一步扩充品牌版图。

9月24日，江南布衣披露，已与意大利高端手工鞋履及皮具品牌Marsèll达成战略合作。江南布衣将独家负责该品牌在大中华区的运营，覆盖中国内地及港澳台市场，同时取得Marsèll在该区域的长期商标权益。

与江南布衣此前主要依靠内部孵化扩充品牌矩阵不同，Marsèll是一个已在海外市场运营多年的独立设计师品牌。此次合作意味着，江南布衣的多品牌业务开始由服装、童装和生活方式产品，进一步延伸至专业鞋履及皮具领域。

Marsèll于2001年创立于意大利威尼斯附近的布伦塔河沿岸。这里是意大利传统鞋履制造产业带，长期聚集制鞋工坊及奢侈品牌供应商。Marsèll以男女鞋为核心，同时销售手袋等皮具产品，产品在意大利威尼托地区制作，设计上强调皮革处理、手工饰面和结构变化。

从渠道看，Marsèll目前仍属于规模较小的高端设计师品牌。2023年12月，品牌在米兰开出首家旗舰店；在中国市场，Marsèll过去主要通过买手店及高端百货触达消费者，2026年春季曾在成都SKP开设限时零售空间，尚未形成广泛的直营网点。

这给江南布衣留下了本地化运营空间。其现有门店、会员体系和多品牌集合店可以为Marsèll提供初期触点，Marsèll则补充了江南布衣较为欠缺的独立高端鞋履及皮具产品。相较服装，鞋履更强调尺码、试穿和售后服务，线下渠道仍具有较强作用。

江南布衣最新业绩也显示，其增长方式正在发生变化。2026财年，公司实现收入60.46亿元，同比增长9%；净利润约9.97亿元，同比增长11.1%。截至2026年6月底，其实体零售店总数为2118家，较上一财年仅增加1家，线上收入则增长20.5%至14.48亿元。

在门店总量基本稳定的情况下，公司需要从单店效率、线上渠道和新品牌中寻找增量。2026财年，江南布衣新兴品牌组合收入达到4.78亿元，同比增长32.2%，但占总收入的比例仍为7.9%。主品牌JNBY依然贡献公司一半以上收入，新业务尚未改变整体收入结构。

江南布衣拥有超过61万个活跃会员账户，其中年度消费超过5000元的会员超过36万个。这批消费者对设计师品牌已有一定认知，是Marsèll进入中国市场可以利用的基础。

不过，贝恩数据显示，2025年中国内地个人奢侈品市场收缩3%至5%，消费者在购买高价商品时更加关注品质、实用性和价格合理性。Marsèll的手工制作和差异化设计具有辨识度，但相对有限的品牌知名度也意味着较高的市场教育成本。

取得区域商标权，使江南布衣能够以更长周期规划Marsèll在大中华区的渠道和产品策略。江南布衣能否在扩大销售的同时维持其产品定位，将决定这次合作最终能否成为新的业务增量。

本文来自华尔街见闻，欢迎下载APP查看更多

9月23日，全新一代智己LS6上市，推出Max、Pro Max和Ultra三个版本，官方指导价20.29万至26.49万元，限时上市权益价19.79万至25.99万元。新车定位大五座家庭纯电SUV，希望通过技术配置下放，进入竞争密集的主流家庭市场。

与常见的舒适配置升级相比，新一代LS6此次更值得关注的变化发生在底盘。

新车全系搭载灵蜥全线控底盘，包括前轮线控转向、后轮转向和大陆MKC2线控制动系统。方向盘与前轮之间取消传统机械传动连接，驾驶者的操作转化为电信号，再由执行机构完成转向。

线控转向此前主要应用在价格较高的车型上。

智己将其覆盖到入门版本，使底盘技术成为LS6区别于同价位产品的主要抓手。配合官方所称的“双向18度”后轮转向，即后轮左右最大各转动9度，这辆车长接近5米的SUV，最小转弯半径可降至4.49米。

这套系统的实际价值，主要体现在家庭用户日常使用频率较高的场景。

老旧小区掉头、地库转弯和窄车位泊车，往往是中大型SUV不够灵活的地方。前后轮转向协同可以缩小车辆转弯所需空间，也有助于兼顾低速灵活性与高速行驶稳定性。

针对线控系统对安全冗余的更高要求，智己为转向系统设置了双电源、双通信和双执行器等冗余设计，并通过车辆运动控制系统协调转向、制动和动力输出。

对于智能汽车而言，这类底层执行能力不仅服务于驾驶体验，也为辅助驾驶系统更精细地控制车辆提供了硬件基础。

三电部分，新车全系采用800V高压平台，官方公布的最高充电功率为396千瓦，CLTC最高续航782公里。智己没有单纯通过扩大电池容量来强调续航，而是继续在电驱效率和补能速度上做文章。

20万元级纯电SUV市场目前已经聚集小鹏G7、乐道L60、极氪7X等产品，价格向上又与小米YU7、特斯拉Model Y等车型形成交集。

各家此前主要围绕续航、座舱和辅助驾驶展开竞争，LS6将线控转向、线控制动和后轮转向列为全系配置，意味着竞争开始进一步延伸至底盘执行层。

对于智己而言，LS6的产品思路相对明确：在保持大空间、长续航等家庭属性的同时，用底盘技术建立差异。全线控底盘进入20万元级市场，也有可能带动同价位产品加快相关配置的普及。

当然，配置下放能否真正形成市场优势，仍取决于整车标定、驾驶体验、交付质量和销售服务。至少从产品布局看，新一代LS6不再只是增加功能数量，而是把竞争重点放到底层技术上，为20万元级纯电SUV市场增加了新的比较维度。

本文来自华尔街见闻，欢迎下载APP查看更多

摩根大通分析师Doug Anmuth在最新研报中将Muse定性为"自ChatGPT以来最具潜力成为最广泛使用的消费级AI应用"，认为其核心驱动力在于强产品市场契合度、慷慨的免费层级设计，以及Meta覆盖逾20亿用户的庞大分发平台。

与此同时，高盛在其每日报告中指出，Muse引发的"代理式AI冲击"已成为市场最热议题，并导致其"消费者惰性"股票篮子单日下跌2.58%。

然而，Muse的光鲜表面之下暗流涌动。安全研究人员已披露一个零日漏洞，可令本地应用完全劫持用户账户；多名用户记录了Muse在未获授权情况下读取私人短信的异常行为；亚马逊已宣布封锁Muse访问其零售网站；而支撑这一产品规模化运营所需的算力成本，据测算在1亿用户规模下可能高达300亿至500亿美元硬件投入，远超付费订阅收入所能覆盖的范围。Muse究竟是下一个ChatGPT，还是另一个元宇宙式的资本黑洞，答案仍悬而未决。

Muse是什么：从聊天机器人到"代劳型"AI代理

Muse的核心定位，是Meta所称的"世界首款面向所有人的个人AI代理"。 与传统聊天机器人不同，Muse不仅回答问题，更直接代替用户执行任务，涵盖网购、旅行预订、邮件处理及日程管理等日常事务。

产品定价设有三档：免费层级提供每周1亿个Muse Token；付费层级分别为每月20美元和100美元。相较竞品，Grok Bot订阅费为每月30美元以上，Gemini Spark为每月20美元，而Instinct目前仍处于仅限邀请的内测阶段。

在技术架构上，Muse通过"连接器（Connectors）"体系与第三方服务打通，现有接入服务包括Gmail、Spotify、Peloton、OpenTable等。Meta已于上线两周内向开发者开放连接器构建权限，并相继推出Mac版本、美国本土商家外呼测试版，以及与Shop Pay的代理结账集成。扎克伯格还在Meta Connect发布会上推出了Muse Charm实体挂件。

摩根大通预计，随着数以千万计的企业在Muse上部署自有代理，用户与商家之间的交互将逐步从人工浏览或电话沟通，转向"代理对代理（agent-to-agent）"模式，届时Meta可参照其广告业务的变现逻辑，通过抽佣或按交易目标收费实现货币化。

技术底色：站在开源巨人的肩膀上

Muse的技术基因，可追溯至一个名为OpenClaw的开源代理框架。OpenClaw由Peter Steinberger及数十名贡献者在不到六个月内构建完成，上线首周即在GitHub斩获10万星标，目前累计超过38.7万星，是GitHub历史上增长最快的代码库之一。

OpenClaw采用自托管架构，通过SOUL.md、IDENTITY.md、USER.md等纯Markdown文件管理记忆、浏览、消息及定时任务。据用户测试，Muse使用了完全相同的文件结构——当被直接询问时，Muse自身的代理也予以确认。

Meta的核心贡献，并非技术上的从头创新，而是将复杂的自托管流程压缩为一分钟的普通用户注册体验。 正如一位X平台用户所总结的：

“个人AI代理的瓶颈从来不是模型本身，而是注册流程。Docker没有发明容器，Slack没有发明聊天。赢得市场的实验室，往往不是证明概念的那个，而是消除了概念与普通人日常生活之间最后一道摩擦的那个。”

值得关注的是，OpenClaw的创始人Steinberger此后已加入OpenAI，专注于面向大众的代理产品开发，OpenClaw项目本身则移交至独立基金会运营。

安全与隐私：被加速赶工所牺牲的基石

扎克伯格将Muse标榜为"从底层为隐私与安全而构建"，但现实与这一承诺之间存在显著落差。

在安全层面，据Ars Technica报道，安全研究人员已发现一个零日漏洞：任何本地应用或终端命令，无论其macOS权限级别如何，均可修改Muse的一系列未公开设置。

其中一项设置允许进程更改语音转录的服务器端点——攻击者只需将该端点重定向至自控服务器，即可获取用户Muse账户的完整控制权限。

安全研究员Wardle对此评价称：“他们在我看来根本没有认真考虑过安全问题，这非常令人担忧。”

在隐私层面，多名用户记录了Muse在未经明确授权的情况下读取私人信息的行为。据报道，一名科技记者表示，他明确拒绝授予Muse访问短信的权限，但Muse随后主动推送通知，内容涉及其与播客联合主持人的私人对话及编辑发来的工作消息。当被追问时，Muse起初声称仅读取了通知横幅文本，但该解释随后被证明并不准确。IBM副董事长Gary Cohn公开表示，出于隐私顾虑，他目前尚未准备好使用该服务。

在行为透明度层面，代码审查显示，Muse的自动化浏览器刻意伪装成人类用户：它以禁用自动化标识的方式启动Chrome，注入代码隐藏navigator.webdriver属性，并伪造浏览器插件信息以生成更接近真人的浏览器指纹。Amazon正是以"Muse访问其网站时未自我标识为AI代理"为由，宣布封锁该应用。

算力账单：规模化扩张背后的成本黑洞

Muse的商业模式面临一个根本性的数学难题：为每位用户提供专属虚拟机的承诺，在规模化后将产生天文数字级别的硬件成本。

据@demian_ai此前在社交平台X上发帖称，每位Muse用户都应该获得一台配备2个虚拟CPU、8GB内存及100GB固态硬盘的专属云端虚拟机。据测算，若Muse在一年内达到1亿用户规模（考虑到其当前的下载势头，这一情景完全可能），Meta将需要约158万颗AMD EPYC服务器芯片（按50%活跃用户负载计算），以及约800拍字节的内存，对应电力消耗约1.6吉瓦。

付费订阅收入远不足以覆盖上述成本。若有1000万用户订阅每月20美元的套餐，年收入约为24亿美元；而仅硬件建设成本一项，在1亿用户规模下即可达300亿至500亿美元。Meta当前全年资本支出指引已高达1300亿至1450亿美元，训练与广告业务已占用大量算力资源。

为应对这一挑战，Meta已于2026年3月成为Arm AGI CPU的主要联合开发商及首席部署合作伙伴，并于同年4月向其算力组合中新增数千万颗AWS Graviton核心。然而，分析人士指出，若Meta无法对闲置虚拟机实施有效的冻结与共享策略，“专属云端PC”的承诺将难以按宣传规模兑现。

市场影响：颠覆预期与"消费者惰性"的终结

Muse对资本市场的冲击，已远超Meta自身股价的波动。

高盛在其报告中指出，Muse所代表的代理式AI能力，从根本上威胁到那些依赖用户"高转换成本"维持客户留存的商业模式——无论是难以取消的订阅服务、繁琐的银行账户迁移，还是复杂的保险续约流程，一旦AI代理可以代劳，这些企业的护城河将大幅收窄。高盛"消费者惰性"股票篮子（GSXUSWCH）在相关报道发酵当日下跌2.58%，成为近期交易最活跃的主题篮子之一。

摩根大通则将Muse的长期可寻址市场规模定性为"可能达到数十万亿美元"，并预计Meta将在2027年之前以推动用户采纳和参与度为优先目标，暂缓大规模商业化变现。为此，Meta已开始在Instagram和Facebook上投放Muse广告，并推出"邀请好友获得10亿Muse Token"的裂变激励机制，同时启动全国性电视广告攻势。

核心悬念：下一个ChatGPT，还是元宇宙2.0？

Muse当前的市场表现令人印象深刻，但其能否成为真正的"全民AI应用"，仍取决于几个尚未解答的关键问题。

首先是信任问题。Meta在数据隐私领域本就背负沉重的历史包袱，而Muse上线两周内已暴露出零日漏洞、未授权读取私信及浏览器伪装等多重问题，这对于一款需要用户授予账户、文件乃至麦克风和摄像头访问权限的产品而言，是极为不利的起点。

其次是成本可持续性。付费订阅收入与实际算力投入之间的巨大缺口，意味着Muse目前本质上是一项由Meta广告业务补贴的战略性投入，其商业闭环尚未形成。

第三是竞争压力。OpenAI正在开发竞争性代理产品，Nous Research的Hermes Agent也在追逐同一赛道，而Amazon的封锁行动则预示着平台生态的阻力可能持续存在。

摩根大通的判断是，Muse有潜力成为自ChatGPT以来最具影响力的消费级AI应用；但批评者则将其与元宇宙相提并论——一个烧钱无底、最终未能兑现承诺的宏大叙事。

初期的病毒式传播固然亮眼，但真正的考验，是当好奇心退潮之后，有多少用户愿意每月付给扎克伯格20美元乃至100美元，让Meta来打理自己的生活。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台消息，摩根士丹利分析师Elizabeth Porter等人在最新研究报告中指出，个人AI Agent的加速普及，从需求侧重塑了通信软件的增长逻辑——消费者借助Agent发起更多业务互动，企业端AI则降低响应成本，二者共同推动通信量扩张和基于用量的货币化模式。这一趋势对Twilio和Wix的暴露度最为直接。

对于网络基础设施提供商而言，报告认为"人类访问量下降导致网站建设需求萎缩"的空头叙事正在被重新定义：Agent日益需要发现商家、预订服务并完成交易的系统支撑，中小企业（SMB）的线上交易基础设施需求或因此受益。摩根士丹利明确将北美软件行业评级定为"具吸引力"（Attractive），但同时提示，上述趋势更多体现为对估值中枢和长期预期的改善，而非对近期季报和业绩指引的直接提振。

根据摩根士丹利报告，Muse和Instinct是新一代个人AI Agent，其核心区别在于从"回答问题"转向"代理完成任务"。Meta于2026年9月8日通过其应用程序及WhatsApp正式推出Muse；Instinct为私人产品，主要通过iMessage提供访问入口。

两款产品均具备浏览网页、填写表单、预订出行等能力，并可在获得用户授权后完成消费行为。9月中旬，双方相继推出限量版外呼功能，允许Agent主动联系商家处理预约、预订及客户服务事宜。

这一功能扩展被摩根士丹利视为关键节点——Agent从被动响应用户指令，演变为主动代表用户与企业发生交互，直接打通了消费行为与企业通信系统之间的链路。

报告指出，AI对联络中心（Contact Center）市场的影响此前主要聚焦于企业用更少的坐席人员处理现有咨询，对以坐席数计费的传统模式构成压力。消费端Agent的出现则引入了一个需求侧的新机遇：消费者可以通过Agent发起此前因时间或意愿不足而放弃的咨询和任务。

摩根士丹利将这一逻辑概括为："企业AI让回应更便宜，消费AI让发起更容易。"通信量的扩张，一方面可缓冲坐席压力，另一方面加速了按时长、交互次数或结果计费的自动化服务需求。

报告认为，RingCentral最清晰的机会在于按用量计费的AI Reception（AIR）产品；NICE和FIVN的空头逻辑有所弱化，但能否在AI层胜出并实现货币化以抵消人工坐席压力，目前仍存在不确定性。报告显示，FIVN订阅收入中AI收入占比约15%，NICE年化云端收入中占比相近，大摩期待看到AI收入加速向该比例及以上迁移，同时整体营收趋于稳定乃至加速增长。

报告将Twilio定位为通信领域暴露度最广的公司。摩根士丹利强调，核心机会并不在于与AI助手的对话本身，而在于Agent完成任务过程中所触发的一系列通信行为——身份验证短信、预订确认及后续跟进消息，均构成增量通信用量。

在语音层面，Twilio既可支持Agent发起外呼，也可支持企业侧接听。此外，Conversation Relay等软件附加产品，为Twilio提供了超越纯连接服务、在每次交互中获取更高收入的额外路径。

不过，摩根士丹利对短期业绩预期保持谨慎，并援引Twilio此前表态——该公司曾提示，上半年超出预期5%以上的表现不应被视为"新常态"，公司预计超额表现将有所收敛。

对于Wix和GoDaddy等网络基础设施提供商，报告认为Agent的兴起正在重构需求逻辑：网站的价值不再主要体现于承接人类访问流量，而在于能否支撑Agent发现商家、完成预订和交易的后端能力。

摩根士丹利认为，Wix的暴露度优于GoDaddy——后者规模较大的域名业务稀释了Agent浪潮的传导效应。Wix推出的MCP（模型上下文协议）和Headless策略，有望在外部AI平台主导网站生成或消费者界面的情况下，仍保留其作为后端运营层的角色，维系与商家在预订、电商及业务运营方面的核心关系。

报告同时提示，功能捆绑是一项货币化风险：将相关功能整合进GoDaddy Airo等更大平台，短期内可能促进用户留存，但未必能形成独立的付费升级收入。AI原生建站工具的竞争亦构成持续压力。

在电商软件赛道，摩根士丹利明确指出Shopify是最直接的受益者。报告认为，Shopify已构建Agent平台所需的核心基础设施——包括标准化实时商品与库存层Catalog、商家侧控制面板Agentic Storefronts，以及交易标准UCP。

这一体系的战略价值在于整合效率：Agent平台接入Shopify一次，即可覆盖数百万商家的数十亿件商品，无需与每个消费品牌单独谈判和维护对接关系，从而令Shopify在集成层面具备显著竞争优势。

此外，消费者发现路径的碎片化——从搜索、社交、零售媒体延伸至Agent渠道——进一步凸显了统一商务系统的价值。单一数据记录系统在整合与协调多渠道表现方面的能力愈发关键。报告还指出，随着Agent活动扩散，基于商品属性而非媒体投入的筛选机制，或将令平台上长尾小众品牌获得更多曝光。摩根士丹利表示，将就Shopify在Agent生态中的多层机会进行更深入的专项研究。

本文来自华尔街见闻，欢迎下载APP查看更多

美元兑日元在日本假期结束后迅速升至158上方，距离160关口仅一步之遥。日本央行上周五加息25个基点，但行长植田和男随后的表态未能满足市场对进一步紧缩的预期，日元不升反跌，两周累计跌幅显著。

与此同时，日本10年期国债收益率周四跳升10个基点至3.075%，创1996年以来新高，全球债市抛售浪潮与国内财政压力形成共振，进一步加剧市场动荡。

对冲基金持仓出现关键信号转变：据CFTC最新数据，截至9月15日当周，对冲基金七个月来首次转为日元净多头，持有约2510亿日元（约合16亿美元）的日元看涨头寸。瑞银策略师团队指出，投机性日元空头已被"彻底洗光"，这恰恰为市场重建看空头寸腾出了空间。

当前市场面临的核心矛盾在于：日本央行加息路径的不确定性、美联储持续鹰派的政策预期、以及日本财政扩张带来的长端利率上行压力，三重因素共同压制日元，而干预的威慑效力正在被市场逐步消化。贝森特的"强势日元"承诺，将在160这道关口迎来真正的压力测试。

加息未能救援日元，160关口再度成为焦点

日本央行9月18日政策会议决定加息25个基点，但此举未能阻止日元颓势。植田和男会后讲话被市场解读为偏鸽，未能提供足够明确的后续紧缩路径指引，令日元在加息后反而持续走弱，美元兑日元一度升破158。

值得注意的是，此次加息决议并非全票通过，委员会内部出现两票反对，且未有委员提出加息50个基点的动议。

Ebury Partners策略主管Matthew Ryan指出，“若市场对日本央行进一步紧缩缺乏信心，日元短期内仍面临进一步走弱的风险。外汇干预本质上是一种钝器，若缺乏有力的货币政策配合，日本当局将难以遏制日元抛售。”

日债收益率飙升至近三十年高位，国内外压力叠加

日本假期结束后，市场重新开盘即遭遇冲击。日本10年期国债收益率周四单日跳升10个基点至3.075%，为1996年以来最高水平；5年期收益率同步上行9.5个基点至2.37%，收益率曲线全线走高。

外部压力来自美国：强劲的经济数据与一场需求疲弱的国债拍卖，将美债收益率推至近二十年高位，油价上涨进一步强化了通胀预期，市场对美联储持续加息的定价愈发激进。

国内层面，财政压力同样不容忽视。据报道，日本政府正考虑将中期国防开支目标上调至GDP的3.5%，与北约及其他美国盟友看齐。这一潜在支出扩张计划，令市场对首相高市早苗财政路径的审视进一步加深，长端国债承压明显。

空头"洗牌"完毕，新一轮做空窗口或已开启

CFTC持仓数据揭示了一个耐人寻味的市场结构变化：截至9月15日当周，对冲基金对日元的净头寸由空转多，为2025年7月以来首次，净多头规模约2510亿日元。

然而，瑞银策略师Shahab Jalinoos团队对此给出了截然不同的解读——这并非看涨信号，而是空头出清的结果。他们指出，投机性日元空头已被"彻底洗光"，在套息交易环境依然有利、美日利差仍然显著的背景下，这恰恰为投资者重建看空头寸创造了条件。

换言之，净多头的出现，可能不是日元反转的起点，而是新一轮做空周期的前奏。澳大利亚联邦银行货币策略师Carol Kong表示，"若美债收益率持续上行，市场继续试探日本当局捍卫日元的决心，美元兑日元可能很快突破160。"

干预门槛与贝森特承诺：联合行动能否再现？

160关口的象征意义远不止于技术层面。澳大利亚国民银行外汇策略主管Ray Attrill表示，“我们完全有可能重返160，但我预计干预威胁本身会阻止汇率真正突破这一水平。”

然而，干预能否产生持久效果，在很大程度上取决于华盛顿是否参与。Attrill指出，日本单边干预在货币政策基本面不利的情况下，历史上难以形成持续性逆转，市场可能很快消化另一次单边操作的影响。

今夏美国曾与日本联手买入日元，显著提升了做空日元的风险成本。财政部长贝森特多次公开表态支持日元走强，实际上是在向交易员发出挑战。一旦美元兑日元重返160，贝森特的公信力将直接受到检验。

Attrill补充称，美国进一步参与干预可能附带条件——日本需展示出比市场当前预期更快、更大幅度加息的意愿。片山皋月此前已确认日美联合干预的原则框架仍然有效，但美国财政部的实际容忍底线，以及联合行动的触发条件，仍是市场最大的不确定性所在。

分析认为，汇率检查（rate check）的效果已被证明短暂而有限，市场对日本当局单边干预的怀疑情绪有所上升。这一背景下，期权市场对160关口附近的干预风险定价正在悄然变化。

Carol Kong指出，若美元兑日元快速突破160，将“实质性地提升官方行动的可能性”，尤其考虑到近期已有汇率检查的先例，以及联合干预的历史惯例。160的快速突破，可能触发期权市场对风险逆转（risk reversal）的重新定价，进而放大汇率波动。

本文来自华尔街见闻，欢迎下载APP查看更多

9月23日，Meta在加州门洛帕克举行年度Connect开发者大会。CEO扎克伯格宣布，Muse将接入Meta智能眼镜产品线、新增Mac端计算机操作能力、获得独立电子邮件地址，并与沃尔玛、Sephora、Best Buy、Gap等主要零售商达成合作。与此同时，Meta还推出了名为"Muse Charm"的随身手持设备，计划赶在假日购物季前发货。

Muse于9月初发布，目前已登顶苹果应用商店榜首，并刚刚进入加拿大市场。扎克伯格将其定位为Meta迄今在消费AI领域最重要的押注，并称："在未来几年，我预期Muse将成长为全球数十亿人用于实现目标、改善生活的个人超级智能。"

在商业化路径上，Meta计划为用户提供大规模免费使用额度，并通过对用户交易收取小额佣金实现盈利。受此前股价连续上涨推动，Meta股价本月迄今已累计上涨30%，有望创下2013年7月以来最佳单月表现。

今年的Connect大会与数年前的场景截然不同。彼时扎克伯格高调宣布押注元宇宙并为此更名公司，而本届大会上，元宇宙话题几乎销声匿迹。"我们决定暂时将元宇宙的优先级降低一些，"扎克伯格在台上表示。

取而代之的核心叙事，是"个人超级智能"。扎克伯格身穿印有"BUILDING IS MY LOVE LANGUAGE"字样的黑色T恤登台，将Muse定性为Meta整体愿景的"核心"，并在现场演示了通过佩戴智能眼镜向Muse语音指令、为与技术主管Andrew Bosworth的会议预订日历时段的功能——演示过程顺利完成。

在技术架构上，每位用户的Muse运行于独立的私密安全计算环境（Meta称之为"Muse安全虚拟机"），底层模型为专为个人智能体训练的Muse Spark多模态模型。区别于传统聊天机器人，Muse强调持续在后台执行任务，支持角色与个性定制，默认角色名为Jolly。

Connect大会上，Meta发布了多款新硬件，并将其与Muse深度绑定，构建覆盖用户全天候场景的感知入口。

在眼镜产品线上，Meta划分出更清晰的层级：售价349美元的Ray-Ban Meta Audio取消摄像头，主打音乐、通话与语音交互，续航最长12小时，定位全天候佩戴；449美元起的第三代Ray-Ban Meta保留摄像头，升级了拍摄、降噪与续航性能；现有的Ray-Ban Display增加导航等功能并扩大销售市场。Meta计划到年底提供超过100种眼镜选择，其中包括与Blackpink成员Lisa的联名款。

在高端产品线上，Meta发布了Meta VR Glasses，将计算单元与电池移至外接设备，将镜体重量压缩至约100克，面向观影、沉浸式内容及多屏办公场景，售价1299.99美元，计划于2027年春季上市。

Muse将于"未来数月内"接入上述AI眼镜，用户届时可通过唤醒词免触控激活智能体，完成预约、记录餐食、指导锻炼乃至发现并购买眼前所见商品等任务。Meta表示，Muse将在后台运行，任务完成后主动反馈结果。

在生产力场景，Meta宣布将Muse的"计算机使用"能力引入Mac平台。用户授权后，Muse可操控Mac上的任意应用，在用户离开电脑后继续执行预先排定的任务。

"你可以让它帮你经营小生意，或者替你完成工作，"Meta首席AI官Alexandr Wang在主题演讲中表示，"你可以离开电脑，它会继续替你处理好所有排队中的任务。"

邮件功能同步在开发之中。未来Muse将拥有专属电子邮件地址，用户可将其加入邮件线程，或将邮件直接转发给Muse代为处理。Wang表示该功能将"很快"上线，但未提供具体时间表。

此外，Muse还将新增实时数字化身功能，由全新AI模型Muse Realtime Avatar驱动，用户可与自定义的Muse虚拟形象进行实时视频对话。

购物场景是Muse商业化变现最直接的落点。Meta已与Stripe及Shopify达成合作，Muse可访问Shopify完整商品目录，并通过Link和Shop Pay完成购买，PayPal支付支持也在持续扩充。新增零售合作伙伴包括沃尔玛、Best Buy、Gap、Sephora、Wayfair，以及旅行平台Expedia和杂货配送平台Instacart（即将上线）。工作场景方面，新增连接器涵盖Box、GitHub、Granola和Notion。

值得注意的是，据华尔街日报，亚马逊在大会前夕封锁了Muse在其平台上完成购买的通道，称其未获授权。

在平台开放层面，Meta已允许开发者自行构建Muse连接器。Wang透露，相关平台开放后不到一周，Meta即收到超过1500份申请，"我认为这可能是一个时代性的机会，"他说。

在商业逻辑上，Meta计划提供大规模免费使用额度，并从Muse参与撮合的交易中抽取小额费用。目前公开的案例已涵盖购物、旅行、账单谈判、保险等场景。Meta表示，即将发布目前家族中能力最强的模型，以推动整个Muse模型体系的全面升级。

本文来自华尔街见闻，欢迎下载APP查看更多

日本10年期国债收益率周四上涨10个基点至3.075%，5年期收益率上涨9.5个基点至2.37%，各期限收益率全线攀升。与此同时，美国10年期国债收益率亦升至近19年高点，30年期日本国债收益率上涨近7个基点至4.134%，5年期收益率更创历史新高至2.345%。

此轮抛售潮由多重因素叠加驱动：油价反弹加剧通胀隐忧，强于预期的美国经济数据强化了市场对美联储持续加息的预期，而700亿美元5年期美债标售需求疲软更直接推升收益率。日本债市在三天休市后重新开市，集中承压，跌势尤为剧烈。

美债抛售是导火索

此轮全球债市动荡的核心驱动力来自美国。据大华银行（UOB）研报，油价反弹、美国PMI数据强于预期，以及700亿美元5年期美债标售需求疲软三重因素叠加，推动5年期美债收益率突破5%，带动美债收益率曲线全线上行至近20年高点。

强劲的经济数据令市场重新评估美联储货币政策路径，投资者对美联储短期内降息的预期进一步降温，长端利率随之承压。这一走势迅速向全球主要债市传导，日本债市首当其冲。

日本央行加息信号引发双重冲击

日本债市的压力并非仅来自外部。日本央行上周五上调基准利率，并暗示可能进一步收紧货币政策，但由于未能就未来行动节奏提供更明确指引，交易员普遍感到失望。

这一表态使日本国债收益率同时面临两方面压力：一是市场对日本央行进一步加息的预期持续升温；二是全球长期借贷成本重新定价带来的外溢冲击。两股力量叠加，令日本债市在假期结束后重新开市时承受了集中释放的抛售压力。

值得注意的是，据彭博报道，本月早些时候，在美国财政部长Scott Bessent公开表示期待东京方面及日本央行采取行动支撑疲软日元后，日本基准借贷成本已升至三十年来最高水平。此次进一步上行，意味着日本债市正处于多年来最为严峻的利率上行周期之中。

财政隐忧加剧市场担忧

除货币政策因素外，日本政府的财政支出前景同样令投资者不安。据悉，日本政府正考虑将中期防卫预算目标设定为GDP的3.5%，以符合北约及其他美国盟友的标准。这一消息加剧了市场对首相高市早苗整体支出计划的担忧。

在持续通胀与财政扩张预期的双重压力下，投资者要求对持有日本国债给予更高的风险溢价补偿，进一步推动了这波抛售潮。收益率的持续攀升，意味着日本政府未来的债务融资成本将显著上升，财政可持续性问题再度引发市场关注。

分析认为，此次日美债市的同步大幅走高，标志着全球主要经济体的长期借贷成本正在经历系统性重定价。

日本债市的特殊性在于，其长期以来是全球低利率环境的重要锚点。随着日本国债收益率加速上行，部分依赖日元套利交易的全球资产配置策略面临重新审视的压力，市场波动性或将进一步上升。

本文来自华尔街见闻，欢迎下载APP查看更多

柴油价格已飙升至每加仑6.50美元的历史纪录，汽油价格亦维持在每加仑约4.50美元的高位，能源成本正成为白宫在中期选举前愈发棘手的政治包袱。据媒体报道，特朗普本周表态支持禁止柴油出口的构想，美国财政部长贝森特也表示政府正在评估全面或部分禁令的可行性。

然而，包括能源部长Chris Wright和内政部长Doug Burgum在内的多位政府高级官员近期对禁令效果公开表示怀疑。据路透专栏作者Ron Bousso分析，禁止柴油出口不仅无法从根本上增加燃料供应，反而可能压低炼油商的生产积极性，进而拖累汽油、航空燃油等其他油品产量，令局面雪上加霜。

地缘冲突驱动的供应危机

此轮燃料短缺几乎完全由地缘冲突引发。中东和俄罗斯此前合计占全球柴油海运出口量的约五分之一。今年2月下旬伊朗战争爆发后，霍尔木兹海峡航运受阻，全球炼油产能和柴油供应随之大幅收缩。

局势在7月进一步恶化。俄罗斯历来是全球最大柴油出口国之一，但在乌克兰无人机持续打击其炼油设施数月后，俄方于7月暂停了柴油出货。据报道，9月份俄罗斯六大主要柴油生产炼厂中，有一半因遭受无人机袭击而大幅削减或完全停止产出。

面对供应缺口，美国凭借庞大的炼油产能迅速填补空白，成为少数具备大规模出口能力的供应方之一。据Kpler数据，与2025年均值相比，美国石油出口总量自3月以来已激增逾20%，达到每日900万桶。

库存告急，禁令呼声升温

出口激增的代价是国内库存持续失血。美国柴油库存已降至逾四十年来同期最低水平，较去年同期低约13%。更令市场担忧的是，当前正值炼厂秋季检修和冬季取暖旺季来临前的传统补库期，库存却反向下滑。

特朗普政府此前已尝试多项措施缓解国内油价压力，但收效甚微。3月，华盛顿对有百年历史的《琼斯法案》发出豁免令——该法案要求在美国港口间运输货物须使用美国建造、美国所有、悬挂美国国旗且主要由美国船员操作的船只。此次豁免旨在便利墨西哥湾沿岸炼厂向东西海岸输送柴油，但实际效果微乎其微，且豁免令将于11月15日到期。

报道指出，特朗普还曾敦促乌克兰总统泽连斯基停止打击俄罗斯能源基础设施，但相关努力进展有限，袭击近日仍在持续。

禁令为何可能适得其反

Bousso认为，表面上看，禁令逻辑似乎成立。美国炼厂去年日产柴油近500万桶，而国内消费量为390万桶，存在明显盈余。

但这一"盈余"恰恰是禁令注定失效的根源所在。现代炼油系统的设计初衷是同时服务国内外市场，墨西哥湾沿岸炼厂依据全球价格信号优化运营，将柴油、汽油和航空燃油输送至出价最高的市场。

禁令实施初期，更多燃料将流入国内市场和储罐，价格或暂时回落。但一旦库存填满，炼厂将因无法向海外销售过剩柴油而被迫降低加工负荷。最终结果是柴油产量下降，汽油、航空燃油等其他油品产量也将随之缩减——禁令不仅无法创造更多燃料，反而可能抑制整体生产。

这也解释了为何拜登和特朗普两届政府都对这一选项保持审慎态度。

政治算盘与战略代价

与此同时，Bousso还指出，禁令的风险不止于油价本身。限制出口可能损害美国作为可靠能源供应方的国际声誉，与特朗普政府力推的"能源主导"战略形成直接矛盾。与此同时，欧洲和亚洲盟友及客户对美国燃料的依赖程度日益加深，禁令将对这些关系造成冲击。

然而，随着总统支持率持续走低，中期选举日益临近，政治压力正在积聚。特朗普依据紧急权力拥有临时限制出口的法律授权，而寻求一个政治上受欢迎的"快速解决方案"的诱惑，可能难以抗拒。

反对禁令的经济逻辑相当清晰，但特朗普政府能否顶住政治压力、坚守这一立场，目前仍是未知数。

本文来自华尔街见闻，欢迎下载APP查看更多

据知情人士，这批 5 年期债券定价于面值的 98.5%，由高盛、花旗和德意志银行联合承销；募集资金将用于弗吉尼亚州里士满附近 Digital Drive 数据中心园区的额外算力建设。该设施 76 兆瓦 IT 容量已全部预租给 CoreWeave，合同期 15 年、总值 29.4 亿美元，预计 2027 至 2028 年间投运。

标普全球评级周二将该笔发行评为 BB-，较投资级低三档，并明确指出"对单一投机级租户的敞口仍是关键风险"。这笔交易恰好发生在 AI 基础设施债务大量涌入高收益债市场、投资者对缺乏投资级租户的项目要求更高收益率的时点，CoreWeave 正是典型。

CoreWeave 作为 AI 算力新贵，二季度营收同比增长逾一倍至 25.75 亿美元、积压订单达 1040 亿美元，但高增长并未消除债券投资者对其长期偿债能力的疑虑。这笔定价或将成为后续 AI 数据中心项目融资成本的参照系。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博9月22日报道，Grok Bot截至9月14日的周活跃用户已达41.8万，较前一周增长24%；Meta Muse则在上架两天内冲至美国区App Store免费榜第2名，截至9月22日已登顶，将ChatGPT挤至身后。

与此同时，据科技媒体The Information 9月21日报道，OpenAI正在开发功能以更直接对标SpaceXAI于8月推出的Grok Bot，同时内部也在讨论如何回应Meta本月上线的个人AI助手Muse。知情人士透露，OpenAI计划将现有Codex和ChatGPT中已有的“智能体”技术重新包装和品牌化，而非从零构建新产品。

AI工程师@dotey在社交平台X上发帖称，原定上周发布的相关产品已被Sam Altman确认推迟，目标是赶在9月29日旧金山DevDay开发者大会之前亮相。

分析认为，谁能率先占据用户的"工作流入口"，将直接决定下一阶段的用户粘性与商业化空间。

Grok Bot：41.8万周活，马斯克称"增速前所未见"

Grok Bot于8月11日由SpaceXAI正式推出，定位为"始终在线的AI团队"。与普通AI助手最大的区别在于，每个Bot拥有独立的云端持久电脑，文件、浏览器、登录状态均保存其中——用户关机睡觉，Bot仍在后台运行。

在功能层面，Grok Bot可自动登录用户的Gmail、Google Calendar、Notion、Figma、财务软件乃至无API的旧网站，像人一样操控鼠标、填写表单，完成多步骤任务，仅在需要用户授权时才发出提示。多Bot协作是其核心卖点：

用户可同时运行多个Bot，分别负责收件箱管理、销售外联等，并由一个"幕僚长"Bot统筹协调，各Bot可在群聊中自主分配任务。

Grok Bot通过SuperGrok订阅提供，起价每月30美元，亦提供独立App版本。SpaceXAI将其定位为白领工作者和小企业主的"AI数字首席助理"，并在社交媒体、YouTube及播客平台大力投放广告。

马斯克本人在社交平台X上表示：“Grok Bot的使用量增速超过我们见过的任何产品。”

Meta Muse：登顶App Store，消费端攻势凌厉

Meta于9月8日推出个人AI助手Muse，主打消费场景，功能涵盖代为回复邮件、与商家沟通、网购比价、日程管理等日常任务，用户可通过Messenger等Meta旗下应用直接访问。Muse免费下载，与Grok Bot的企业订阅模式形成差异化竞争。

据彭博智库数据，Muse的下载量是Grok Bot独立App的四倍。Meta凭借旗下应用数十亿级别的用户基础，具备显著的分发优势，并已在Messenger等核心应用中对Muse进行突出推广。

不过，分发优势并非万能。The Information指出，Meta在2024年曾推出对标ChatGPT的聊天机器人，但其庞大的用户基础并未转化为预期中的竞争优势。

与此同时，邀请制初创公司Instinct的崛起同样引发市场关注。该产品通过短信和电话帮助用户订餐厅、购物，用户需授权其访问信用卡信息和账户密码。Instinct目前拥有逾10万用户，正寻求以100亿美元估值融资，估值在一个月内翻了四倍。

OpenAI备战“Aeon”：技术早有，包装滞后

OpenAI并非毫无准备，但其现有能力的市场感知度严重不足。

The Information报道，OpenAI正在开发的产品内部暂称“Codex Bot”，基于开源智能体框架OpenClaw构建。值得注意的是，OpenClaw的创始人Peter Steinberger已于今年2月加入OpenAI，Sam Altman明确表示其负责打造下一代个人智能体。

从代码层面看，泄露信息已提前透露产品形态。常年追踪ChatGPT代码的博主Tibor Blaho在ChatGPT安卓客户端的连续两个版本中发现了“aeonId”字段，与“accountUserId”并列出现，旁边还有名为“memberAeonIds”的字段——“member”（成员）的命名方式，与Grok Bot多Bot共处群聊的形态高度吻合。

测试说明中还出现了“aeon式行为”的描述：能力状态需在每一个采样步骤重新捕获，而非等待下一轮用户输入。这与需要连续执行多步骤任务的智能体逻辑完全吻合，暗示Aeon并非简单的功能迭代，而是一个可被单独标识、持续运行的“数字成员”。

事实上，OpenAI早在今年7月9日便已推出ChatGPT Work，官方介绍中已包含跨应用执行任务、持续处理复杂项目、定时任务等功能，并整合了Codex技术，支持云端后台运行。问题在于，大量用户对这些功能毫不知情——正如The Information所描述的：后厨什么菜都能做，菜单上却只写着“聊天”。

据@dotey在X平台发布的信息，Aeon传闻将在DevDay之前、甚至可能本周发布。OpenAI目前尚未就此作出官方表态。

入口之争：谁占住工作流，谁就握住用户

这场竞赛的本质，已不再是模型能力的排行榜之争，而是对用户日常工作流入口的争夺。

据the information报道，四家玩家，四种路径：SpaceXAI要的是一台存有用户所有登录状态的云端电脑；Anthropic更早于6月23日推出Claude Tag，让Claude以"成员"身份入驻Slack接收任务，瞄准的是整个团队的协作频道；Meta的Muse要的是用户每天打开的聊天App；Instinct则直接要求用户交出信用卡和密码，换取全权代理的便利。

入口一旦形成使用习惯，迁移成本将极高。一个接管了用户收件箱、熟悉其写作风格、记住优先级客户的Bot，远比一个聊天App更难被替换。

对OpenAI而言，压力来自多个维度。据The Information报道，ChatGPT过去一年增长明显放缓，10亿周活跃用户的目标原定去年达成，今年夏天才最终实现。在个人Agent这条被视为"第二增长曲线"的赛道上，OpenAI已落后于Grok Bot和Muse的市场节奏。

然而，技术与产品之外，整个赛道面临的最大不确定性或许是用户信任。有多少普通用户愿意授权AI访问个人信息、社交账号乃至支付权限，目前仍是未知数。聊天时代，用户评估的是"AI够不够聪明"；Agent时代，用户要回答的是"我敢不敢把钥匙交出去"。

这道信任门槛，是所有参与者共同面对的最后一关，也将是决定这场入口之战最终格局的关键变量。

本文来自华尔街见闻，欢迎下载APP查看更多

当整个市场都在追逐OpenAI和Anthropic等通用大模型的宏大叙事时，Rogo选择了一条极其垂直且深度的道路——从帮投行做PPT、建Excel模型，到全流程处理并购交易，再到进军财富管理领域。

近日，在知名投资播客《Invest Like The Best》中，主持人、Positive Sum CEO Patrick O'Shaughnessy对Rogo联合创始人Gabe Stengel进行了深度专访。详细拆解了Rogo的业务逻辑、订单商业模式，以及他对华尔街未来的终极想象。

（右边为：Rogo CEO Gabe Stengel）

访谈中，Stengel抛出了一系列极具冲击力的观点：OpenAI和Anthropic永远不会去做金融数据室，但如果你想成为高端资本市场的"交易所"，你就必须做。这正是Rogo押注的方向。

据《华尔街日报》报道，近期，金融AI平台Rogo Technologies完成了一轮约3000万美元的战略融资，投资方星光熠熠，包括花旗、巴克莱、法国巴黎银行、三菱日联金融集团（MUFG）和法国兴业银行等华尔街顶级投行。而就在今年早些时候，这家成立于2021年、由前初级银行家创立的公司，刚以20亿美元的估值完成了1.6亿美元的D轮融资。目前，摩根大通、美国银行等巨头已经深度使用其平台。

护城河：为何OpenAI和Anthropic“赢不了”金融？

这是访谈中最核心的竞争逻辑部分。市场最大的疑问始终是：既然大模型越来越聪明，为什么华尔街不直接用ChatGPT或Claude？

Stengel给出的答案是：金融行业需要的不仅仅是智能，而是极致的合规、可审计性以及与底层业务的深度绑定。

"你要建的东西必须和他们的方向垂直（perpendicular）。表面上你可能也做聊天机器人，但底层有大量他们永远不会去建的东西。"

他的核心判断是：金融服务是由无数个"利基市场"拼成的，每个都有不同的数据集、不同的"好"的定义、不同的监管要求。光是深入这些工作流、数据集，就能做到50亿美元收入。而对于Anthropic来说，这不过是'走在路上弯腰捡一分钱'——他们要走的路是从1000亿到1万亿美元。"

具体来说，Stengel给出了两个"脏活"案例：

一是MNPI合规管道。如果你在处理影响市场的交易，合规要求极为精细——每一个操作的可审计性，如何进入内部系统，一旦被监管审查能否完整还原——"这是像素级完美（pixel perfect）的管道工程"。

二是数据室（Data Room）。"如果一家大型上市公司收购另一家，需要双方安全交换数据。你需要一个合规、安全的数据室，而且不能只是个静态的Dropbox文件夹，它必须接入你的Agent工作流。OpenAI和Anthropic永远不会想做数据室生意。"

“我不想OpenAI或Anthropic会想要建立一个数据室业务。”Stengel表示，“如果你想成为所有高级金融和资本市场的交易所，你不仅需要拥有智能，还需要拥有交易场所、沟通场所、工作流以及所有输入的数据。”

这种“最后一英里”的基础设施，正是Rogo的护城河。

商业模式与业绩想象力：做“AI时代的彭博”

在订单和商业化方面，Rogo目前采用的是类似彭博（Bloomberg）的“按席位收费（Per Seat）”模式。客户群体主要集中在大型投资银行，因为投行不仅拥有最多的席位，更是整个金融界人才和数据的分发渠道。

Stengel毫不掩饰他对彭博模式的借鉴，并描绘了Rogo的未来发展路径：

首先，用一点AI和数据敲开大门（类似早期的彭博终端）；其次，构建完整的分析和工作流，从智能副驾（Copilot）进化到全自动驾驶（Autopilot），让AI能100%准确地撰写投资备忘录（IC Memo）或尽职调查问卷；最后，提供交易对手之间的通信渠道——不是让人类交易，而是让AI代理（Agents）之间直接进行交易谈判。

对于未来的业绩指引和定价革命，Stengel提出了一个极具想象空间的“基于结果定价”模式：

“对我来说……如果我能跳过基于Token和使用量的收费，只是对提供给你的每一个好投资想法收费呢？或者对每一份能完美发给LP的季度报告收费？作为投行，如果我能为你制作完整的保密信息备忘录（CIM）并据此收费，我宁愿达到那种状态。”

他透露，目前Rogo的产品路线图才刚刚走完了1%，99%的资本市场创新仍在前方。

他同时指出，私募市场（Private Markets）是Rogo最核心的战场，原因恰恰是这里"管道还没建好"："私募市场所有的协调、标准化、信息挖掘和实际交易，全部是人工完成的。而公开市场，很多东西早就自动化了。"

极端的生产力爆发：90%的企业价值将转移到软件上

AI对华尔街生产力的重塑已经产生立竿见影的效果。Stengel提到，一位25年没碰过Excel的投行董事总经理（MD），现在可以自己直接使用AI，“以前需要和分析师反复沟通三天才能做出的5页客户材料，他现在自己花10分钟就做完了。”

Stengel认为，金融业正在经历前所未有的结构性震荡：

"过去10到20年，做资本配置、做投资者是很好的生意。市场有天然的壁垒和惯性，私募尤甚——你募了一期基金，再募一期，很难把生意搞砸。但现在是第一次，每个投资机构、每家银行都在说：'我得把自己的做法完全重新想一遍了，而且马上就会有数百家AI原生的投资机构、AI原生的投行来攻击我的商业模式。'私募基金、对冲基金、投资银行，很久没有遇到过真正的创新者困境了。"

Stengel抛出了一个令所有传统金融机构都必须警醒的观点：企业价值正在发生转移。

“如果今天你企业90%的价值在于人——你最好的投资者、最好的银行家带来了交易和收入。那么在10年后，世界上最好的投资公司和银行，其90%的企业价值将不再是人，而是软件、数据和系统。”

对于二级市场的买方，Stengel描绘了一个疯狂的画面：

“想象一下，如果对冲基金的每一个投资经理（PM）都有10000个AI代理，它们在相互交流、讨论想法、阅读笔记、高谈阔论，然后在经历了24小时无休止的辩论后，只给你提供一个（绝佳的）想法。”

对于一级市场，他预测未来资本的融通将变得像散户在Robinhood上买股票一样简单：“我认为KKR只需要5分钟就能弄清楚是否能把这家投资组合公司卖给另一家PE，而不是5个月。资产定价的时间将大幅缩短。”

内部“公司大脑”：不使用AI的员工将戴上“笨蛋高帽”

要实现这种AI原生化，Rogo自身的内部管理极其激进。

公司内部有一个名为“Shrek”的企业大脑，所有内部对话都会被录音并输入其中，成为全公司共享的记忆库和销售赋能工具。更具戏剧性的是，Rogo极其看重员工对AI工具的采用率。

“每个月我都会收到一份报告，显示公司每个人使用了多少AI工具。每个部门垫底的员工，我们会打印一张带有‘笨蛋高帽（Dunce Cap）’的图贴在办公室里。”Stengel说，虽然这带有一种玩笑性质，但这是为了建立一种强大的激励机制，强制所有人将AI融入工作本能。

正如Stengel所言，这场金融业的创新者窘境才刚刚开始。“金融业务中没有任何一个你认为神圣不可侵犯的部分，是对AI免疫的。”

全文实录如下（由AI辅助翻译）：

第1章：介绍

Gabe Stengel：

我们现在看到的是，这些模型比我认识的任何人、比我身边的任何人都要聪明。想象一下，如果一家对冲基金的每位投资经理都拥有1万个智能体，这些智能体整天相互交流、探讨想法、研读报告、高谈阔论，然后在经过，比如说，24小时不间断的辩论之后，只给你提出一个投资想法。10年后，全球最顶尖的投资公司、最优秀的银行，其90%的企业价值将不再来自人才，而是来自软件、数据和系统。 你会开始做什么？你会开始想方设法，把你最优秀的人才脑海中所积累的一切，全部转化并注入到一套由你自己掌控和运营的系统中。企业中没有任何一个环节是神圣不可侵犯的，没有任何一个部分能够免于被彻底颠覆。

Patrick O'Shaughnessy：

过去几年里，你我多次谈到这个基本问题，我就从这里开始。你实际上是在尝试打造投资领域的超级智能工具，帮助投资者以更快的速度、更好的质量、更低的成本、更轻松的方式完成工作。但现在越来越感觉到，哇，我们已经在大量替代那些核心职能了——就连几年前非常聪明的分析师甚至投资组合经理所做的工作，现在也不例外。你是如何看待这条发展轨迹的？从你亲身经历和观察到的来看，以及未来两年将走向何方？

Gabe Stengel：

我认为预测两年其实比预测10年或20年更容易推断。因为在未来两年里，最优秀的投资者将会想方设法重塑自己的公司，重塑自己。 如果你回顾做市业务和量化交易领域发生的事情——Jane Street花了15年时间才建立起主导地位。而当今全球最优秀的投资者，将在未来两到五年里摸索如何将AI融入自己的工作。你知道，Dario有句名言，说每个人都将拥有一个装满天才的数据中心，或者说一个国家的天才都聚集在数据中心里。试想一下，如果Goldman Sachs、Millennium、Citadel突然迎来了一个国家的天才，他们会怎么做？ 他们大概需要花相当长的时间，才能弄清楚如何改变工作方式、如何充分利用这一切、如何将其整合进自己的体系。我认为，如何将AI应用于投资全生命周期，是未来五年每一位优秀投资者面临的最大挑战。

Patrick O'Shaughnessy：

在这条发展轨迹上，已经出现了很多公司。Cognition就非常有名，他们现在的广告直接说："还记得Devin吗？现在它真的很厉害了。"所以，很多如今明显非常优秀、产品也很出色的公司，在AI业务的某个阶段，产品其实曾经很糟糕，而现在却已经非常出色了。

第2章：构建Rogo

Patrick O'Shaughnessy：

如果你想想我们从底层模型本身看到的那几次能力跃升，你能不能用同样的方式来讲讲Rogo和它产品的"发展阶段"？比如你自己来定义有几个阶段，我不知道你怎么框架这个问题，但就是说每个阶段它能做什么，一直讲到今天。

Gabe Stengel：

是的，其实在我们正式起步之前，我尝试过两次创建Rogo，都失败了。高中的时候，我有个朋友，他爸爸是投资银行家，想要一个App来追踪两家上市公司在并购过程中的股权交换比率。于是我们尝试用非常老旧的AI技术来做这件事，结果一塌糊涂。然后到了大学，在GPT-3发布之前，我们发表了一篇关于AI辅助计量经济学和金融计量经济学的论文，当时也试图将其商业化，但完全行不通。

真正开始创业，是在GPT-3发布之后、ChatGPT出现之前。所以Rogo早期的那段日子，你能明显感觉到它有多神奇——你可以演示一些很酷的东西，但实际上什么都用不了。我的意思是，要说东西真正开始能用，那些阶段和模型的迭代是紧密相连的。o1 Pro，然后大概是Opus 4.5——o1 Pro是第一个让你获得足够可靠性的版本，至少可以作为一个不错的搜索工具来用。比如你可以说，帮我计算这家公司过去12个季度的某个财务指标，它能可靠地完成，不会让你烦到宁愿自己动手去做。

到了Opus 4.5，大概是去年年底、2025年末到今年年初，这些模型基本上已经能胜任一个初级投资专业人员或初级银行家所做的任何工作，只要你给它正确的指令和背景信息。 我觉得，对很多应用型AI公司来说，存在一种"先发劣势"——你以为自己知道世界会走向哪里，于是想为那个终态构建产品，但模型还没到位。所以人们试用之后就会说，这太烂了，这是垃圾。我们也经历过这种情况。但现在我们看到的是：如果你当初对终态的判断是对的，知道模型会走向哪里，并且一直朝那个方向构建，那么当模型真正到位的时候，就会是魔法一般的效果。

对我来说，最好的产品验证就是我们每天收到的反馈。人们整天都在说：这正在改变我的工作方式，我每个月节省了数百小时，我现在能做以前根本做不到的事情。因此我变得更聪明，能做出更好的决策。这种体验令人愉悦，我自己也喜欢用它。它给我的日常工作带来了快乐，因为那种用户体验、对细节的关注和精心打磨，明显是为我、为我这类人量身定制的。 这是产品构建过程中最美好的部分。

Patrick O'Shaughnessy：

你会把这归因于——你认真对待了所有合规、监管、工作流程、最后一公里对接这些事情，然后模型足够成熟了，一下子这一切就变得极其有价值了？

Gabe Stengel：

除此之外，还有一些细节，是关于理解这些机构里的人是怎么工作的，然后专门为此构建产品。我举个例子。我们让一家银行的董事总经理通过邮件发送一份演示文稿的修改批注变得极其简单——这本来就是他们通常的工作方式，只不过以前是把批注发给分析师，现在是把同样的批注发给我们的AI分析师，然后在20分钟内而不是两天后收到修改好的版本。与此同时，系统还会通知交易中的初级分析师，告知他们正在发生什么，并向他们展示所有小改动的完整审计记录，以便他们在需要时可以介入。这整套用户体验和流程，让那些可能十年没登录过电脑、但知道怎么在iPad上做批注的金融专业人士，真正能够采纳并使用AI。 这些构建一款真正适合特定终端用户的产品的细节，只有当你对这份工作有一种"蜘蛛侠的直觉"时，你才能知道。

第3章：10,000个AI智能体

Patrick O'Shaughnessy：

你们能做到的最前沿的事情中，哪些最让你印象深刻？比如说，能处理哪类工作？

Gabe Stengel：

哦，我是说，我觉得我们正在做的最酷的事情，就是把这些创新应用起来，比如Multibook这样的东西。

想象一下，如果一家对冲基金的每位投资组合经理都拥有10,000个智能体，这些智能体整天互相交流、碰撞想法、阅读研究报告、深入探讨。然后经过整整24小时不间断的"辩论"之后，只给你呈现一个想法。之所以能这样做，是因为投资者愿意为一个真正好的想法支付5万美元，而在其他几乎任何领域，都很难有理由消耗这么多算力，就只为了获得一个简单的洞见。

我们现在看到的是，这些模型比我认识的、我接触的任何人都更聪明。 关键在于"管道"——把它接入你的上下文，告诉它你的投资逻辑，告诉它你的工作方式，然后把它融入你的日常工作中。所以，搭建好所有这些"管道"，真正把数据和上下文收集起来，这才是我眼中真正的前沿所在。

Patrick O'Shaughnessy：

对于这样一款产品，有一点我一直觉得很有意思——当然，你对它应该用来做什么有自己的想法，但从某种意义上说，用户可以用很有创意的方式来使用它。所以你也能从中看出人们真正想用它来做什么。

如果我用一种"上帝视角"来看——现在是纽约的周一早晨，大量Rogo用户可能正在热情地使用它。如果我能看到这款产品每一个正在使用中的实例，我会看到什么？都是哪些人在用？主要的使用场景是什么？差异有多大？给我们讲讲它现在的使用情况。

Gabe Stengel：

尽管在很多方面，我认为公开市场股票是AI最好的应用场景，因为所有数据都是公开可得的，所以只需要尽可能地聪明就行。但那是一种非常……怎么说，最糟糕情况下的表述方式。我们早期用户以及核心市场，实际上是我称之为"交易撮合者"的群体——也就是那些在进行交易的人，正在收购公司、出售公司、或者协助推动交易完成的人。

所以我们做的很多事情，既是让人们更聪明，也是真正在完成交易本身。

怎么准备数据室？怎么拆解数据室？怎么协调与第三方的电话会议来讨论数据室内容？怎么走完一笔交易从启动到交割的所有初始步骤？ 如果你从高空俯瞰所有Rogo的用户，他们要么是一笔交易的卖方，要么是买方，都在用它来准备所有的思路和材料，帮助推动整个交易的执行——无论是往数据室里放东西，比如公司的商业模式、描述客户情况的PPT、尽职调查问卷中关于客户集中度的回答；还是另一边所有那些智能体，在拼命翻阅数据，并将其对应到该机构的投资理念，来判断"这个集中度风险是否低于我们这只基金可以接受的水平"。

系统的各个组件方面，用户通过所有经典渠道来访问它——电子邮件、聊天机器人、主动提醒之类的方式。但Rogo实际上已经深入到这些机构很多幕后系统中，因为在推进一笔交易时，不只是参与其中的人需要了解进展，你还需要更新你的CRM，需要更新你的投资组合监控系统，需要更新你事后向LP分发信息的方式。

所以我们一半的业务范围，其实是冰山水面以下的部分——根据人类在整个交易过程中所做的事情，与这些不同的系统记录进行交互。

Patrick O'Shaughnessy：

所以现在服务的是交易撮合者。你觉得什么时候能给出同样的答案，说你也能服务于公开市场对冲基金的初级分析师这类群体？他们的工作流程同样有一套流程，但非常不同。你说得对，我的第一直觉也是公开市场是最适合做这件事的地方，因为有这么多数据可用。你觉得这个转变什么时候会发生？

Gabe Stengel：

我认为，对于我们的业务来说，我们需要具备成为优秀公开市场投资者所需的全部领域知识。 而我不知道那需要什么——我从来没做过这行。事实上，我花在那些真正擅长这件事的人身上的时间远远不够。我们需要招募到这方面的领域专家，然后再基于此，弄清楚如何把我们已经构建的系统应用到那个市场。

我对我们所构建的底层系统、工具和基础设施将对那个市场极具价值这一点，有极强的信念。 但现在我们需要一位优秀的"主厨"，能够把这些拼接在一起，为公开市场投资者打造出那种最终形态的产品和最后一公里的交付。

我们的董事会其实一直在推动我考虑把目标客户群扩展到核心投行业务之外。但现实是，在"交易撮合者"这个垂直领域，一直有着极其丰富的深度和市场空间。 而我对终极愿景的设想——真正成为私募市场的完整基础设施，让人们能够非常高效地完成交易——这对交易撮合者来说重要得多。而对于公开市场来说，那些基础设施、那些交易所早就已经存在了。

所以我确实想服务于他们，因为我想服务于最顶尖、最聪明的用户——他们对自己跟踪的公司、所关注的行业拥有海量的知识，我想让他们变得更聪明，这听起来非常酷。但仅仅专注于我今天所在的领域，我就已经可以建立一家规模巨大的公司了。

Patrick O'Shaughnessy

有意思。所以从中可以得出一个结论：在垂直领域构建AI业务的大量机会，往往存在于那些基础设施尚未完善的地方。

Gabe Stengel：

是的。

Patrick O'Shaughnessy：

然后再把你的……

Gabe Stengel：

对，

Patrick O'Shaughnessy：

叠加在这之上。

Gabe Stengel：

正是如此。我的意思是，私募市场之所以如此吸引人，部分原因在于一切都由人工完成——包括协调、标准化、尽职调查以及实际交易。而公开股票市场则不同，其中很大一部分已经实现了自动化。

第4章：依然重要的技能

Patrick O'Shaughnessy：

根据你所了解的情况，你认为投资专业人士——广泛来说，无论是公开市场还是私募市场——随着时间的推移，应该考虑哪些技能会变得更有价值？哪些技能会变得不那么有价值，这一点其实相对显而易见。但是，换一种方式来问：我们到底该怎么办？ 现在AI可以从头到尾完成尽职调查、投资委员会备忘录、异议处理等所有这类工作。这至少对于投资领域的初级人员来说，是工作的重要组成部分。那么你认为，几年后哪些技能仍然会非常重要？

Gabe Stengel：

我想先说明一下，我在金融领域工作了两年，所以我和那些人一样，也是这个领域的学生，同时我对这项技术充满兴趣，想弄清楚如何运用它。

但你知道，世界上最优秀的投资者有一种能力，就是找出什么是真正重要的，并在各种议题上运用自己的判断力。 我认为，AI最终是否能够取代这种能力，目前还没有定论。我觉得，当"第37手"那个时刻发生，当Lisa Doll看到了我永远无法看到的东西，如果这种情况开始在公开股票市场上发生，那将真正改变什么是重要的。如果这真的改变了整个运作方式，我认为核心技能将属于那些能够走出去、收集他人没有的数据和信息并输入到模型中的人。 如果你能在实地花时间，如果你能与专家交流，如果你能建立一个能够为你的模型提供信息的人脉关系网络，也许你不需要亲自计算出你的"第37手"是什么来做出一项出色的公开股票投资，但你实际上可以用别人没有的数据来喂养你的模型。

Patrick O'Shaughnessy：

也许现在是个好时机，来谈谈我所想象的那条"流水线"。比如，如果Rogo输出了一些非常有用的结果，请告诉我产生这个结果的整个系统。我想了解这个系统的每一个组成部分，我最感兴趣的是你们自己拥有、使用、购买和构建的数据，以及你们如何处理数据、如何思考数据，以及如何思考模型。 这两个问题，一方面我对你们具体的业务感到好奇，另一方面我也认为，基本上在每个垂直领域都会出现类似Rogo这样的公司。所以我很好奇，哪些东西可以被抽象复制到其他专业服务或其他有趣的垂直领域，并最终被AI进步所颠覆。 请详细讲讲，具体来说，数据和模型这两块是什么，以及它们是如何随时间演变的。

Gabe Stengel：

是的，Rogo早期就像一个鲁布·戈德堡装置，大概有60个不同的模型调用。一个问题进来，你先要判断：Patrick现在问的是哪些公司？它们的股票代码是什么？我怎么把这些代码输入到Bloomberg、FAX或某个内部数据集的API调用中？数据返回后，我还需要调用另一个模型把所有信息整合在一起。随着模型变得越来越智能，你会希望少一些规定性，少一些鲁布·戈德堡式的机械操作，而是思考什么是最简单、最好、质量最高的工具。

这就好比，如果世界上最聪明的人明天来这里，努力成为一名出色的银行家和投资者，他们需要哪些不仅仅依赖于聪明才智的工具？数据工具是什么？收集信息的方式是什么？审核自身工作的方式是什么？以及如何呈现结果并将其推送回所需的系统？

因此，我们花了大量时间思考，一位优秀的银行家或投资者真正完成工作所需的所有数据输入是什么，然后我们花了大量时间思考，在完成这项工作时，所有的合规和监管要求是什么，以确保如果有一天，某位特拉华州的法官将AI的输入和研究列为可被发现的证据，你实际上已经以正确的方式完成了所有工作，确保信息没有被混用。因为AI投资判断和AI银行家输出的现实是：你将能够看到这些内容是如何被创建的完整溯源链。 然后我们还花了大量时间对这些模型进行基准测试，并创建不同类型的评估值和数据集，这样我们就能随时判断哪个模型性能最佳、从token角度来看哪个成本最低、哪个延迟最低，并将任务路由到最合适的模型类型。

第5章：击败OpenAI和Anthropic

Patrick O'Shaughnessy：

我相信你最常被问到的问题就是：你们最终如何与Anthropic和OpenAI竞争？他们都把金融视为一个重要赛道，这也是为数不多的你能看到他们公开谈论并认真思考的领域之一。从长远来看，你认为你们能做什么，来形成一种与他们能做或愿意做的事情相抗衡的差异化定位？

Gabe Stengel：

我的意思是，你要构建的东西应该与他们想构建的东西垂直正交。有时候你可能也会做一个聊天机器人，因为那能帮你更快地打入市场。但你必须清楚，在表面之下有大量的东西是那些大型实验室永远不会去构建的，而这些东西是我们需要为金融或其他任何垂直行业去构建的。当你想到金融服务和资本市场，有多少企业是通过深入这些工作流程、深入这些数据集、深入工作方式，就能创造出超过五十亿或一百亿美元价值的？在那些极其复杂、高度特定的问题之上，存在着巨大的市场空间和支出规模。整个金融行业其实是由不同细分领域组成的集合，每个领域都有不同的数据集、不同的"好"的定义，以及不同的监管要求。 我们完全可以通过深入这些领域、构建帮助管理它们的记录系统，来实现五十亿美元的收入。而对于Anthropic来说，这种事情大概就像是在路边停下来捡一分钱——因为他们走的是一条从千亿收入迈向万亿收入的道路。而这些系统背后有极大的深度，真正需要构建的东西远不止"智能"本身。

Patrick O'Shaughnessy：

有没有一个你最喜欢的例子，能说明那种你不得不去打通的"最后一公里"的麻烦事？

Gabe Stengel：

有，我来举个例子。想象一下，如果你在处理可能影响市场的交易或并购，你需要摄取MNPI（重要非公开信息）。这时你仅仅在可审计性方面就有一套合规要求：哪些内容可以标记、如何将其接入投资公司或银行的内部系统，以便一旦遭遇审计或监管机构要求查看你的操作记录时，所有这些"管道"都已完美就位。这是一个例子。

另一个例子是，如果你真的想要完成交易——比如一家大型上市公司要收购另一家大型上市公司，需要来回传输数据——你实际上需要某种数据室，一个合规、安全、可协调的数据交换场所。理想情况下，它不只是一个静态的Dropbox文件夹，而是与你的工作方式、你的智能体、你的工作流程深度整合的系统。我认为OpenAI或Anthropic永远不会想去做一个数据室业务。而如果你真的想成为整个高端金融和资本市场的交换中枢，你不仅需要掌控智能，还需要掌控交易场所、沟通场所、工作流程，以及所有进入其中的数据输入。

Patrick O'Shaughnessy：

这很有意思。我本来问的是数据和模型，但听起来"驾驭层"（harness）或者说基础设施，可能才是这三者中最重要的。

Gabe Stengel：

想想Claude Code刚推出时，以及Claude的协作模式与OpenAI的ChatGPT之间的根本区别。那时两者的模型其实相当接近，但Claude的驾驭层和呈现方式要好得多，它让模型能够更充分地发挥其长程运行的能力。这就是为什么Claude在使用量上出现了爆发式增长和大幅扩张。这充分说明，你如何驾驭这些模型，至关重要。

我认为人们低估了"智能"这件事的本质。人类之所以能够高度自主、完成很多事情，不仅仅是因为我们有强大的记忆力、高智商和丰富的知识，还因为大脑中存在着各种各样的微服务：你如何存储知识？如何检索它？如何触发它？情绪就是触发这些不同微服务的一种方式。这也是为什么一位优秀的投资人往往拥有卓越判断力——因为他们对市场中某类现象有一种"蜘蛛侠直觉"，当他们看到这种情形时，会自动触发对某段历史事件的回忆，进而支撑一个富有创造性的决策。所有这些小型微服务，都是需要被构建出来的东西。

Patrick O'Shaughnessy：

如果我强迫你成为一名投资人，而你唯一的目标是投资像Rogo这样的公司——也就是那种垂直应用型公司，我把它理解为就像把AI的能力"接入"某个行业——基于你的经验，你会寻找哪些特质让你最感兴奋？无论是行业本身，还是创始人/构建者及其方法论？

Gabe Stengel：

有几点。第一，这个行业本身必须有足够的复杂性和深度，包括数据类型、人们使用的记录系统类型、部署模式类型，让你能够花大量精力去解决这些问题，从而形成一个"楔子"，进而解决其他所有问题。因为如果这个行业任何人都可以直接走进去，直接卖一个基础版的ChatGPT、Cowork或Copilot，根本不需要解决那些奇奇怪怪的集成问题，那你就没有足够的时间去构建那些与你的核心方向垂直正交的东西。所以这个行业本身需要与核心市场足够相邻，但又有足够高的壁垒。这是第一点。

第二点，我会寻找团队和创始人的领域专业知识。 我自己并没有独特的领域专业知识，但我有足够的积累来起步，而且我对金融、货币和资本市场充满好奇。我在纽约长大，周围的人满脑子想的、嘴里聊的都是高端金融。我为此着迷，我想深入了解它。然后我们组建了一支同样对此充满热情的团队。我们现在有超过一百名曾在全球顶级投资银行或投资公司工作过的员工，所以我们能够不断地在模型发布时，将其驾驭并应用于金融领域。我们的工作本质上就是捕捉模型的每一次变化，并找出如何将其应用于这些机构。

第三点，也是最后一个重要特质，我会寻找一家愿意不断重塑核心产品、愿意把它彻底推倒重来的公司。 我认为，如果一家公司的产品交付方式——比如某种终端，或某种非常特定的用户体验或界面——是无法被自己快速"自我蚕食"的，那它就不够敏捷，无法在每六个月出现阶跃式变化时不断自我重塑。

Patrick O'Shaughnessy：

你们有没有做过这种彻底拆解重建的例子？

Gabe Stengel：

最让我深受启发的故事是Max Levchin讲的，他谈到Affirm每年都会重建其核心账本技术。他们这样做有几个原因：一是这是最有趣的工程问题，所以所有工程师都想参与，这也是一种留住人才、让工程师深入了解公司核心业务的好方式。二是这能确保这套系统不会僵化，而是持续改进。 我们对自己的驾驭层和核心智能体系统做的正是同样的事情。我们不断审视它，意识到自己甚至还没有达到一个局部最优解——事实上，如果模型变化如此之快，达到局部最优解根本是不可能的。我们需要不断地把整个系统重做一遍。

Patrick O'Shaughnessy：

目前有什么是模型还做不到的，但如果能做到，就会真正改变产品本质的事情？

Gabe Stengel：

压缩（compaction）。就是说，如果你和一个智能体进行了100次对话，它如何确保自己记住了正确的内容，并将记忆压缩成每次都能调用的合适token量，同时对你是谁、你关心什么有足够的连贯性和上下文，让你感觉像是在和一个真正了解你、越来越了解你的人交谈。

这本身就是个难题，而当你把智能体不仅仅看作一对一关系时，这个问题就会呈指数级复杂。现在几乎所有智能体都是一对一的——你单独使用ChatGPT，单独使用Copilot，单独使用Gemini。但一旦这些智能体真正开始与很多同事协作，或者在一个有100人的Slack频道里工作，需要跨整个公司运转，压缩问题就会呈指数级扩大——因为它要同时和100个不同的人对话，还需要跨这些对话进行协调。

所以，如何把所有这些记忆、所有这些交互真正整合进智能体的"心智模型"或"大脑"中，让它能够持久存在，能够在一系列交互过程中真正保持上下文——这是目前模型还做得不够好的地方。

Patrick O'Shaughnessy：

你认为AI软件企业主要有哪几类？我们看到像Cognition、Cursor这样的公司增长速度快得惊人。我特别想让你把这个和过去的软件公司分类体系做个对比。我也很好奇Rogo是怎么卖出去的，你会把它归入哪个类别？是按使用量收费？按席位收费？还是别的什么？能不能聊聊人们想怎么买这类产品，以及AI软件企业正在形成哪些新的商业模式？

Gabe Stengel：

我们现在按席位定价，因为我们的买家习惯了按席位付费。他们把我们归入和Bloomberg、FactSet、Capital IQ、Pitchbook类似的类别。所以我们必须建立一套非常"人力密集型"的业务——每签一笔合同，都需要客户经理、解决方案架构师、销售工程师上门拜访，握很多手，解释产品怎么用、怎么集成。你没办法签一笔合同然后使用量就自动涨一百倍。

我看看Anthropic向我们销售有多容易——非常容易。而且我们支付给他们的金额呈指数级增长，中间完全没有人工介入，因为它是token消耗模型。但很多行业光靠"搭token消耗的顺风车"是行不通的，企业销售就是这样，我们就是其中之一。所以这其实很有意思——我们必须以大多数企业销售组织五倍的速度搭建市场拓展机器。

所以我认为确实存在这样一类：典型的企业销售模式，但借助AI模型作为顺风，打造出好100倍的产品。

另一类则是token中间商、token消耗型业务——在企业内部那些习惯了按使用量付费的部门进行销售，比如Cursor、Claude Code等等。这样一来，可以用更少的人走得更远。

你对这种情况在金融领域会不会改变、怎么改变有什么预测？我认为每家企业都需要经历两次定价革命：先转向某种基于使用量的模式，再转向某种基于结果的模式。

对我来说，如果我能找到一种方式，直接跳过token计费、跳过使用量计费，为用户简化一切，等到我能说："Patrick，如果我每给你一个好的投资想法就收你一次费，怎么样？或者我帮你完美完成发给LP的季度报告，按份收费？或者作为一名银行家，你每创建一个CIM就付费？"——我宁愿走到那一步，也不想去想怎么把费用分摊到每个token上。那种方式根本没法达成共识——你花了10万美元买token，会问"我真的得到了10万美元的价值吗？"谁也说不清。但你知道一个好投资想法对你值多少钱，因为你能看到实际赚了多少；你也知道能做出一份CIM对你值多少钱，因为你清楚自己向这些公司收了多少顾问费来完成这笔交易。

Patrick O'Shaughnessy：

按席位定价显然不能随时动态调整，至少对同一个客户不行。那你怎么应对这种在某种程度上与客户利益不一致的问题——如果你做得越好，他们用得越多，你的成本就越高，他们反而变成了"更差的客户"？

Gabe Stengel：

现实情况是，我们只走完了产品路线图的1%，资本市场领域99%的创新还在前方。所以真正重要的是：我们是一个好伙伴，是他们AI战略的好守护者，他们愿意在未来继续与我们合作。

第六章：AI时代的彭博

Patrick O'Shaughnessy：

思考这件事未来的走向非常有趣，你说你们目前只完成了路线图的1%。那么从你们产品的角度来看，你认为这一切将走向何方？我的意思不是整个行业，而是说，如果你们还有那么多路线图要走，能给我们描述一下吗？

Gabe Stengel：

我是说，想想资本市场工作流程、投资工作流程、投资银行工作中，还有多大比例完全依赖人工处理、由人工中介完成。这和金融服务的其他领域有些类似——15年前、20年前，每个人办理房贷都要亲自去当地银行网点，和银行工作人员面谈。那种感觉非常"人性化"：我在买房，我在贷款，这很重要，我需要和人谈谈。没有人会想到，这个过程可以不需要人工介入。而现在，40%到50%的房贷直接通过Rocket Mortgage这样的平台在线完成。

我认为，在企业如何交易、如何融资、如何举债方面，将会出现大量创新。我认为，在未来10年或20年，对于企业主或公司员工来说，上网点击一个按钮就能尝试融资，会变得比以往任何时候都更加容易——就像现在有人可以登录Robinhood，点击一个按钮就能买入股票一样。

我认为，KKR要弄清楚能否将某家投资组合公司出售给另一家机构，将只需要5分钟，而不是五个月。 我认为资产定价所需的时间将缩短一个数量级。因此，市场将变得更加透明、更具流动性、更加高效，整体交易活动也将大幅增加。

Patrick O'Shaughnessy：

那么我想聚焦于自动化风险定价的具体未来——姑且用这个不太准确的简单说法。假设三年后，你刚才说的一切都成真了，我可以融到几百万美元的债务或股权，就像填一个网上表格一样，系统直接帮我定价风险并给出报价。有点像Opendoor，但适用于所有东西。为了实现这种资本市场的未来，你还需要构建哪些目前尚不具备的东西？

Gabe Stengel：

这其实和彭博的策略非常相似。我会省略很多细节，但大致是这样的：

先提供少量数据作为敲门砖，在此基础上构建所有人所需的分析工具和工作流程，然后提供一个交易所和通信平台，让用户能够真正在此前相当不透明的多类资产上完成交易。

彭博有Bloomberg Messenger，而对我们来说，就是先用少量AI作为敲门砖，然后构建完整的工作流程，从副驾驶聊天机器人进化为完全自动驾驶的工具。这样我就能确保在你的投资委员会备忘录或尽职调查问卷上做到100%准确，然后在交易对手之间提供通信渠道，让能够自动执行工作的智能体真正替你完成交易。

我和彭博Messenger之间的区别在于：我不需要构建供人类交易的通信渠道，我需要构建的是供智能体跨企业、跨投资机构进行交易的通信渠道。 所以如果你想想，真正需要构建的基础设施是什么？想象一下，什么样的系统能让一家大型私募股权公司放心地让智能体代表自己谈判交易，与交易中所有第三方顾问——做质量确认的人、法律顾问等——进行沟通，然后真正主持一个拍卖流程，让一批机构提交报价。需要构建的软件量是巨大的。 我认为，有时候我们会把这描述为：对于许多非标准化的资产类别来说，这看起来像是一个交易所。

Patrick O'Shaughnessy：

给我们介绍一下你们目前的客户群，比如大型银行占多少，投资公司占多少，上市公司与非上市公司的比例……

Gabe Stengel：

目前主要是大型银行。 原因很简单，因为那是我的从业背景——我做了几年投资银行，专注于买方并购业务，非常有意思。所以我们很早就开始瞄准银行，原因有几个。第一，投资银行在某种程度上是整个金融业的分销渠道。 很多后来成为优秀投资人的人，最初都是在高盛TMT部门之类的地方做了两年分析师。第二，他们的席位数量远超其他机构。 所以如果你能拿下美国银行这样的客户，你实际触达的人数，远比你同时拿下10位最顶尖的单一投资组合经理——每位手下只有10名投资人——要多得多。

Patrick O'Shaughnessy：

如果我想想美国银行之类的机构，大家都在想，企业采用AI的进程到底走到哪一步了。也许你的样本有些偏差，因为你知道你的客户在使用Rogo，而且用得很多。但能不能给我们说说你认为我们现在处于什么阶段？这个问题似乎真的很难给出一个准确的答案。

Gabe Stengel：

我会说，大多数公司都在个人生产力方面看到了巨大的提升，他们正在努力弄清楚如何把这种个人生产力转化为可以衡量的公司整体生产力。 我跟任何一家银行的个人银行家聊，我们部署在……

Patrick O'Shaughnessy：

那很棒。

Gabe Stengel：

哦，他们会说，我现在的效率是以前的100倍，对吧？你会碰到一个董事总经理，他会说，Gabe，我给客户发了五页材料，以前我得跟分析师来回沟通三天才能做出来，而我现在自己10分钟就搞定了。这些银行家已经25年没做过任何分析工作了，对吧？他们20年没打开过Excel文件，但现在能自己动手做了。 问题是，这些效率提升体现在哪里？你赢得了更多交易吗？你实际上完成了更多交易吗？你在服务以前没有涉足过的市场吗？这就不仅仅是个人生产力工具的问题，而是公司战略问题了。你的计划是什么？你是想用这个东西来削减成本？还是想用它进入以前觉得没有意义去服务的市场？你可以看看摩根大通这样的银行，他们刚刚宣布将尝试为中小企业做更多并购业务，也就是那些以前他们认为没必要去服务的市场，因为交易费用可能太低，需要太多人来负责。

但是现在，如果你有一个银行家能独自承担整个交易团队的工作，那你也许就能进入那些以前根本没有意义的市场了。

Patrick O'Shaughnessy：

所以从某种意义上说，瓶颈在某个时刻将会是客户自身的创造力，而不是说你能提供无限的能力，很快你就只能依赖他们自己去想出答案。

Gabe Stengel：

关键在于他们自己想清楚要做什么，对吧？ 如果明天有100个优秀的投资者来这里为你工作，你会如何引导这些生产力？你需要一段时间才能想清楚：结构是什么？他们各自负责不同的事情吗？我给每个人多少资金？我们攻打哪些方向？

Patrick O'Shaughnessy：

真的很有意思。两年前，在这个话题上最明显的问题会是关于准确性的，人们会用"幻觉"这个词，但这个词现在似乎已经从对话中消失了。我都不记得上次有人跟我说"幻觉"是什么时候了。关于这个问题，关于确保准确性——在准确性精确到小数点都非常重要的场景下——你能给我们讲讲现在这个问题的本质是什么吗？

Gabe Stengel：

这依然非常重要。我认为实际上可审计性比准确性更重要。 当然，这两件事是相互关联的。但真正重要的是，我给你一个答案，你知道如何使用它。如果它不准确，你不知道如何核查，也很难看出它从哪里来，那不管准不准确你都没法用，因为你不信任它。如果它大多数时候是准确的，但即便偶尔不准确，你也能很容易地看清楚其中的假设是什么、数据是从哪里提取的，那它依然是可操作的，依然能节省你的时间。

而且随着这些工具逐渐从你只是用来检索信息的副驾驶工具，演变成你不仅信任它来收集信息、还信任它来执行、具备自主性、实际做出投资决策或发送邮件的自动驾驶工具，你需要有充分的信心：如果你回过头去查看它为什么做出某个决定，你能够理解原因，因为你需要能够调试它。 就像个别投资者会做出糟糕的决定，你需要进去看看哪里出了问题——是数据输入错误了？有人欺骗了它？发生了什么？你对智能体也需要做同样的事。而且尤其是在资本市场中有监管机构盯着这些事情、需要确保没有违规行为的领域，如果你无法解释为什么做出某个决定以及数据是如何输入的，那是行不通的。

Patrick O'Shaughnessy：

你之前谈到你必须像一个普通的企业销售组织那样去销售，但你又能以比上一个时代最快增长的企业SaaS公司快好几倍的速度增长。你怎么解决这个问题？ 你在企业销售中在某种程度上受限于人类的速度。你怎么招募到足够多的人、速度够快？你怎么考虑在没有Anthropic、Cognition那种API使用量增长的情况下，以正确的速度增长——他们实现10倍增长太容易了，对你来说要难得多。你怎么解决这个问题？

Gabe Stengel：

我们需要解决的核心问题是：你能多快让一个人作为销售人员变得高效？ 不只是销售人员，还有市场人员、销售开发代表、售后人员——他们能多快理解我们的业务，帮助推动我们前进、推动客户前进、帮助我们的终端用户。所以赋能、培训人员以及持续再培训，是我们——以及我猜其他快速增长的企业初创公司——必须面对的根本问题。

第7章：Rogo的公司大脑

Patrick O'Shaughnessy：

那你们会用AI来构建工具吗？

Gabe Stengel：

哦，我们内部的工具简直太神奇了。首先，Rogo内部发生的每一次对话都会被记录下来，100%全程记录。 每当有新人入职，我们都会说："嘿，Patrick，提前告知你一下，我们就是这么做的。你随时都在被录音，随时都在被过滤进公司大脑。"这不是什么老大哥监控的情况，只是说你要交流的每个人都会开着Granola或者某种会议转录工具，因为他们需要用它，需要保持出色的信息回溯能力，需要不断积累自己掌握的知识。因此，我们积累了一个巨大的信息库，然后在此基础上构建了各种工具，供大家使用，比如："我们正在和这类公募股票公司合作，面对这样的市场，我们以前处理过这类数据吗？有没有可能用得上的案例？"你可以调出三周前一位同事的对话记录，而你甚至从未见过那个人，因为他常驻亚太地区。能够把所有这些信息吸收进来，并在人们需要的时候及时调取，这才是赋能的核心问题所在。

Patrick O'Shaughnessy：

那你能详细介绍一下这个内部大脑吗？

Gabe Stengel：

它有个名字叫"Shrek（史瑞克）"，原因嘛，是因为我的工程师们觉得这个名字特别搞笑。你实际上可以看到，有一个仪表盘，可以随时查看大家正在做什么，就像一片"沼泽"一样，它连接了我们所有的不同系统。 它非常清楚地知道我们公司的目标是什么——比如我们的价值观是什么、我们想为客户交付什么、我们的北极星指标是什么。所以它能够以此为依据，塑造每一个回答和每一份交付物。 它既能主动推送，也能被动响应。

有人可以进去问："嘿，我想快速了解一下，面对一家大型机构，我应该怎么介绍模型路由这个话题，怎么阐述它的价值主张，以及能带来哪些成本节省。"它就能把所有相关信息调取出来给你。但它也可以主动说："嘿Patrick，我看到你日历上周四要跟一家私人信贷公司开会，这是你需要了解的所有信息、最能引起共鸣的使用场景，以及我们过去合作过的同类公司最想听到的那些ROI指标。"

Patrick O'Shaughnessy：

那你们对人才的销售话术是什么？比如说，假设有这样一个人，如果明天能把他招进来，那将是颠覆性的，因为他能力超强或者名气很大之类的。你会怎么说服他来Rogo，而不是去其他同样令人兴奋的地方？

Gabe Stengel：

这永远取决于那个人的动机，所以很难给出一个通用的话术。但我今天对人才讲的Rogo故事是这样的：AI将彻底改变世界。 最有意思的地方在于应用AI，因为那是AI与人类交汇的地方。所以，那些决定AI如何与人类交汇、如何触达人类的公司，将会做出全世界最有趣、最有创造力的工程和产品工作。

金融是推动人类所有进步与创新的催化剂。 资本配置处于为每一家公司、每一个想法、每一个经济体融资的上游。所以如果你能让这个过程更高效，你就能让整个世界加速运转。而我们是这个赛道的领头玩家，不只是要做一个千亿美元的生意，而是要做一个五千亿美元的生意，彻底改变资本市场。 这里有如此深厚的底蕴、如此复杂的挑战和如此多有趣的问题，令人无比兴奋。而且我们有一群非常出色的人，他们聪明、有冲劲、有好奇心、不自大，他们会把这件事做成。

Patrick O'Shaughnessy：

话术不错。很高兴我加入了，很高兴我投资了。再多说说资本市场这块吧。我确实认为，从历史上看，市场越高效、流动性越强，它的正面影响就会大幅增长。 你可以通过市场历史来印证这一点，虽然市场历史并不算长，大概也就三四百年真正意义上的市场。你觉得未来有什么可能？这件事可能走向哪里？你为什么相信——我猜——减少资本市场的摩擦，能有如此巨大的力量？

Gabe Stengel：

你说"金融对世界有益"的时候，总是有被人当成那种说"私募股权对世界有益"的亿万富翁PE大佬的风险。但我喜欢回溯到高端金融的起源。当你想到摩根大通这样的公司，它的起源之一，是J. Pierpont Morgan帮助欧洲投资者与一个新兴市场——美国的企业家们建立连接，为铁路和基础设施建设融资，正是这一切让美国成为了经济巨头。 这之所以发生，是因为有中间人帮助把那些敢于冒险的资本配置者，与那些富有创业精神、渴望创新的人连接在了一起。这对世界产生了深远而积极的影响。

现在想想经济中的所有角落——不只是美国国内，还有国际上——那些无法进入资本市场的地方。每一个新兴国家，你很难在那里融资来实现你的想法、筹集债务。还有美国30万家中小企业，他们甚至说不清高盛是做什么的，而摩根大通也没有时间去跟他们合作，因为这些生意规模太小了。如果你能加快企业家、公司创始人和个人进入资本市场的速度，你就能加速所有的创新。

第8章：Chewing Glass

Patrick O'Shaughnessy：

你从那些正在创业、公司形态与你类似但身处不同行业的同行身上，学到了什么？

Gabe Stengel：

我学到的是，要想增长得这么快，需要多大的攻击性。 我学到了每天咀嚼玻璃是一种什么滋味，以及你需要对长期的TAM（总体可寻址市场）和SAM（可服务市场）抱有多大的信念，才能确保你不会为每天发生的所有问题而焦头烂额。你知道，我会打电话给Harvey的Winston。Winston那种对随时袭来的百般"皮肉之伤"毫不在意的能力，只专注于三年后自己将身处何处这个终极目标，以及到达那里只需关注的两件事——这真的令人叹为观止。

Patrick O'Shaughnessy：

那"玻璃"是什么样的？那种"攻击性"又是什么意思？

Gabe Stengel：

我是在新冠疫情期间开始工作的，所以我甚至没机会见识过办公室是什么样子。这段经历非常……你知道，我和我的联合创始人John过去常开玩笑说，这是一段极其昂贵的商学院教育。我们几乎把所有事情都做错了。不知道怎么招人，不知道怎么解雇，不知道怎么带人，不知道怎么管理，不知道怎么给反馈，不知道怎么定方向。而快速扩张过程中出现的大量人员问题，对我来说就像是在吃玻璃。 所以，当员工离职，当你遇到留人问题，当你花了6个月招募一个候选人，结果他没有加入——那就是在咀嚼玻璃。当你花了大量时间在一个产品上，结果被下一个发布的模型完全碾压，让你觉得自己把所有时间和精力都押注在一个错误的决策上简直蠢透了——咀嚼玻璃。当你被40个投资人连续拒绝，才终于能融到资——咀嚼玻璃。我对创业的体验就像坐过山车，你必须感受极致的高峰，也必须感受极致的低谷。 我是一个情绪非常丰富的人，我尽量不让团队感受到，但在高峰时我会觉得自己站在世界之巅，在低谷时又觉得一切都是灾难性的。但如果我回顾这段旅程，低谷会越来越低，高峰则会越来越高。当我回望三个月前经历的那个低谷或高峰时，我会想：真是个笑话，那种事我现在闭着眼睛都能应付。我认为，关键就在于调节这些情绪，把它引导到推动业务前进的方向，但同时也不能让它分散你的注意力。

Patrick O'Shaughnessy：

关于进取心这件事，你怎么看？感觉这好像是个老生常谈的话题。

Gabe Stengel：

你采访过的 Pat Grady 参加了我们周三的董事会会议。我们在会上提出了一个计划——无论是招聘目标、商业目标还是产品目标，可以说是极为激进的明年计划。我喜欢 Pat 的原因之一，就是他能把所有事情浓缩成两个要点，而且逻辑无懈可击。他就是这样：前提一，前提二，结论自然得出。他说："Gabe，如果金融行业的每个人都将在未来18个月内做出关于AI的采购决策，而且不管怎样他们肯定会买某样东西——就算你不在场，他们也会买——那么唯一重要的事情就是你能以最快的速度横扫市场，确保你在场。"基于此，你觉得这个计划够不够激进？答案是：不够。之所以不够激进，是因为我当时太软了。我认为现实是，你必须足够激进，承担所有这些风险，清楚自己在玩什么游戏。作为一家风险投资支持的企业，我的目标是拉大分布的两端尾部。如果失败的概率增加了30%，但成为千亿美元公司的概率也提升了20%，那完全值得。但你真的必须同时接受这两端尾部一起被拉大的现实。

你在融A轮时，情绪上最低落的时刻是什么？

那时候我们的股权表上还没有任何明星投资人，但有一位出色的投资人——Box Group 的 David Tish，他是我们早期的种子轮投资人，把我介绍给了一批顶尖投资人来谈A轮。我当时想，太好了，我亲眼见过顶级投资人进入股权表能带来什么——对招募人才、对品牌和客户吸引力的提升，等等。这终于是我们实现这一目标的机会了。我们已经埋头建设了两年半，David 把我们介绍给了40位投资人。我见了所有人，Sequoia、Kleiner、Benchmark，全都见了。结果40个人全部拒绝了我们。

而且不是那种"收到邮件和PPT，没什么兴趣"的拒绝，而是那种——"哦，这挺有意思的，让我见见 Gabe。哦，我挺喜欢 Gabe 的，再跟他深聊一个小时。哦，Gabe，来投资委员会吧。哦，Gabe，我们去吃个晚饭。哦，Gabe，周末来我们这边坐坐。哦，你知道吗？我们决定不投了。"这非常伤人，因为在那个阶段，一切都跟你这个人直接相关，没有别的。就像被40个女朋友分手，每次你都动了真情，每次她们都说：不适合你。

Thrive 也是如此，在A轮时他们花了大量时间在我身上，和 Avery、Vince 一起吃了晚饭，我爱上了他们和这家机构，因为他们真的很棒。然后——致命一击，他们也拒绝了。

幸运的是，Keith Rabois 在所有人拒绝我们大约一个月后出现了。Keith 说："Gabe，这个方向其实也不算多逆势，基本上就是金融版的 Harvey，我为什么要投？"我说："Keith，如果这不算逆势，为什么你所有的朋友刚刚都说这是个坏主意，都不相信我？"

你觉得他们为什么不相信？

原因很多。我认为大家低估了金融领域的市场规模，这其实挺荒唐的。但部分原因是，我觉得旧金山对金融行业的直觉不足——他们没有投过 Ion Group、Bloomberg、S&P、Factset、Pitchbook、Morningstar 这些公司。所以这个市场里实际上没有出现过真正优秀的风险投资支持的企业，大家对这个市场的轮廓和体量也就没有直觉。

第二个原因是产品太差了。每个投资人都说，"我在金融行业工作，让我用用看，它能改变我的工作方式吗？"他们试了之后发现有一半时间结果是错的，就说"这根本不可能成"。我想说的是，我们正处于指数级增长曲线上，6个月、12个月、18个月之后，它会成的，我会搞定的。

第三个原因是，大家不相信我能搞定这件事。他们没有足够多的数据点来观察我如何咬牙硬撑、如何一次次摸索出下一个迭代方向。

Patrick O'Shaughnessy：

你认为那之后发生了什么变化？因为现在，现在已经是一批非常有能力的人在其中了。

Gabe Stengel：

因为我很早就认识了这些人，而且每一轮我都会遇到他们。每次我说，嘿，我们要做这件事，他们就说，不可能。但每次我们都做到了。顺便说一句，很多时候结果会以不同的方式呈现。比如，你真的会失去你需要的关键员工，或者你以为能拿下的那个优质客户完全泡汤了，但我们一直在想办法，一直在顺应市场灵活应对。

我认为这正是你在投资时需要考虑的事情。在当今这样的市场，尤其是应用AI领域，形势如此动荡、如此模糊，你需要押注于创始人能够保持极强的应变能力。

Patrick O'Shaughnessy：

你认为为什么没有出现更多真正有竞争力的金融服务竞争对手？

Gabe Stengel：

我认为分销渠道真的很难突破。这与其说是工程和产品问题，不如说更多是一个人的问题——如何建立信任、如何传递价值、如何与这些机构合作。但与此同时，工程和产品方面的要求也极高。所以，真正打入这个市场所需要的执行标准，我认为是相当高的。我非常幸运，早期招募的一些人都有金融从业背景，而且都是顶尖人才。我们从内部网络招募了曾在高盛、花旗、Jefferies、Apollo、Ares或黑石工作过的人。所以我们拥有一支极度拼搏、充满好奇心、聪明能干、同时又是好人的团队——低调、谦逊，年轻到足够开放，也渴望自我提升。

Patrick O'Shaughnessy：

我也非常好奇你是如何处理技术人才问题的，以及在你的团队中，一个技术人才身上什么最重要，这又是如何演变的。有一个直觉是：随着执行难度的大幅降低，技术人才身上的领域专业知识的价值反而在上升。你不再需要非常强的技术能力才能写出好代码，至少没有过去那么需要了。那么，工程或技术团队的形态随着时间推移是什么样的？我之所以这样问，是因为我在思考其他想要进入这个领域的公司，无论他们身处哪个行业。

Gabe Stengel：

是的，我认为确实有一些问题，领域专业知识的价值正在不断提升，产品直觉以及更偏向"总经理思维"而非"工程师思维"的心态变得极为重要。当然，我们产品的某些部分也需要纯粹的、有韧性的工程能力，因为你在非常激进地扩展规模。但如果我看看团队中那些表现出色的人，他们很多都是前创业者——那些曾经创办过公司、坚持下来、拥有丰富产品直觉、懂得如何发挥它的人，而他们的公司可能最终慢慢消亡了。

正如你所说，有很多公司都在尝试攻克金融AI，有很多极具产品思维和工程思维的领域专家都尝试过金融AI。我们收购了六家不同的处于萌芽阶段的金融AI初创公司。那些前创业者能够对产品的未来进行宏观构想，规划出用户体验应该是什么样的，同时又具备工程实力，能够持续做出正确决策，这一点至关重要。

第9章：AI原生金融

Patrick O'Shaughnessy：

你在我们开始录音之前跟我说，这是我们在这个领域第一次面临真正意义上的"创新者困境"。你能解释一下你的意思吗？

Gabe Stengel：

是的，我觉得对于很多投资公司、很多高端金融服务机构来说，过去10年、20年日子过得相当不错。你知道，作为一个资本配置者、一个投资人，是可以赚很多钱的。这个行业的进入门槛非常高。尤其是如果你做的是私募市场，你的业务本身就有一种自然的惯性——因为你募了一期基金，再募一期，之后想把生意搞砸其实都挺难的。我相信肯定有一百个创过基金的人会说，实际上比我说的难一百倍。但说公平话，市场上一直没有出现过那种让每一家投资公司、每一家银行都拍着脑袋说"哇，我需要彻底重新思考自己在做什么"的冲击时刻。那种让人意识到——现在会有数百家AI原生颠覆者、AI原生投资公司、AI原生投资银行来攻击我的商业模式，我得赶紧想清楚自己该怎么办——的时刻。私募股权公司、对冲基金、投资银行，已经很久很久没有遇到过真正的"创新者困境"了。

Patrick O'Shaughnessy：

"AI原生"，这个词对你来说意味着什么？它的定义是什么？

Gabe Stengel：

从某种意义上说，我认为它就意味着愿意不断地重新审视和颠覆自己所做的一切，并且对AI深信不疑到这种程度——你不再纠结什么是可能的，也不管某件事听起来有多天方夜谭，你只是在朝着一个方向坚定前行：把这项异乎寻常的底层技术融入你所做的每一件事。它渗透到业务的每一个角落，没有任何一个业务板块是神圣不可侵犯的，没有任何一个地方能够免于被彻底革新。

Patrick O'Shaughnessy：

那你具体怎么做到的呢？你是一家公司的领导者，对AI深信不疑，想确保——就像你在Rogo所说的那样——把这些都付诸实践。但我相信肯定也有一些领域让你不满意，觉得AI在某些事情上用得还不够。作为一个领导者，你怎么确保公司把这件事当成一种持续的习惯和实践，而不是一次性的行动？

Gabe Stengel：

我来说一件非常具体的事：每个月，我都会收到一份报告，里面列出公司里每一个人对各种AI工具的使用情况——包括我们采购的工具、我们内部自研的工具，所有这些。然后在每个部门内部，我都会有一个排名，列出使用频率最高的5个人和最低的5个人。我们把这份排名贴得到处都是。每个部门使用最少的那个人，会收到一张印着"笨蛋帽"的通知单，贴在办公室各处。 这很搞笑，但大家都知道这一天会来。而且说实话，随着公司越来越大，很多人不认识我，不知道我其实是在开玩笑、是个爱搞笑的人，他们是真的会感到害怕。我希望他们不要真的害怕，也希望这种氛围能慢慢改变。但不管怎样，这是一个很强的激励机制，能真正确保大家去用这些工具。

Patrick O'Shaughnessy：

如果你列出这些问题——假设有人坐在那里，经营着这类公司，业务做得很好，虽然来之不易，但确实是一门好生意。说实话，这些公司从组织和技术角度来看往往相当简单。主要靠人，对吧？没有太多的管理开销。很多这类公司，也许会购买大量数据之类的东西。

你会鼓励他们问自己、问自己的公司哪些问题，才能最有效地应对这场转型？

Gabe Stengel：

我会说，如果你确定现在你公司90%的企业价值都在你的人身上——你最优秀的投资人、最优秀的银行家，正是这些能带来交易、带来收入的人，才是企业价值真正积累的来源。而10年后，全球最顶尖的投资公司、最顶尖的银行，其90%的企业价值将不再来自人，而是来自软件、数据和系统。那你会开始做什么？你会开始想办法，把你最优秀的人才脑子里潜藏的一切，全部转化并沉淀到一套你自己拥有和自主运营的系统中。 这是第一件大事。

第二件事，我会建议拆解交易全生命周期的每一个环节，在每个环节中，尝试梳理清楚：你在哪些地方是不可替代的，或者你拥有别人没有的数据，或者你拥有别人没有的领域专业知识。

然后要认真追问自己：在这个市场上，我真的拥有别人没有的东西吗？ 是人脉关系？是别人没有的背景信息？还是我只是觉得自己在这个领域比别人更聪明、读的东西更多？——如果是后者，AI就会让这一切变得无关紧要。

Patrick O'Shaughnessy：

你有没有见过哪个大型机构，是这种态度上最前沿的典型代表？有没有哪个人是你最喜欢举的例子，就是那种——哦对，有几个正在这么做的。

Gabe Stengel：

有意思的是，今天看起来最有远见的那些人，两年前听起来简直像疯子。 就是那种进来说"我们需要录下每一段对话"的人。你知道，他们会说，你能把这段对话直接输入我公司的大脑，会有一个我的数字克隆，然后它会输出关于这笔投资究竟应该怎么做的博弈论分析。两年前，大家听到这类人说话，心里都在想：Patrick 到底在说什么鬼？

有一个例子，是一家公司的联合创始人 Molas John Momtazi，他对行业的走向极具预见性。他想要为公司所有最优秀的银行家打造数字克隆。他想要一套系统，能够基本上代替他出现在电话会议上，以他的方式发言，了解他的思维方式，然后吸收这些背景信息。他想要构建这样一套系统：投资银行里任何初级员工都能立即调用他的专业知识、背景信息和人脉关系——这样一来，这些信息和数据就不只是在驱动他个人创造收入的能力，而是在赋能银行里每一个初级员工创造收入的能力。

所以，确实有一些人经历了他们自己的"第37手时刻"，突然意识到：哇，这件事将会比任何人预期的都要深刻得多。

第10章：人类仍然更擅长的事情

Patrick O'Shaughnessy：

关于你的业务未来，你觉得最不确定的是什么？

Gabe Stengel：

我会说，是私募市场实际转型的速度。对吧。如果你想想为什么不同类型的资产类别的交易量会增加，流动性会提升，这往往与标准化有关，因为这样就更容易追踪和交易这些资产。私募市场一直对标准化免疫，因为其中存在大量非结构化数据。AI应该能解决这个问题。 话虽如此，是否会有监管或市场力量来推动一些额外的标准化，从而真正加速私募市场的透明度和流动性，这在某种程度上不是我能控制的。

另一件事是，人际关系中还能保留多少超额收益，这对我来说仍然不清晰。 我说的是小市值并购。很难想象，如果你是一个小企业主，你花了20年建立一家企业，你想确保在把企业交给别人的时候，你信任那个人，你能和他握手，这个过程能被完全自动化。但对于很多由赞助商持有的企业，或者像二级市场、私募信贷、GP/LP二级市场这类业务，我确实认为可以完全自动化。但是，那些长尾的小企业、中型企业，那些需要应对代际传承的企业，他们要花多长时间才能适应点击一个按钮就出售自己的企业，而不是与某人握手成交——这对我来说还有些不确定。

Patrick O'Shaughnessy：

如果有几位年轻的新创始人在这里，他们对如何与私募市场投资者打交道和互动感到好奇，你会教他们什么？你会告诉他们该做什么、不该做什么？

Gabe Stengel：

我的融资风格可能不适合所有人。我非常直接，对于我担心什么、想去哪里非常透明。 但与此同时，你必须在那个最终目标上非常坚定。然后我会说，这关乎重复积累和人际关系。那些突然出现并领投C轮或D轮的人，往往是我在种子轮就认识的，然后是A轮、B轮、C轮。他们每次都以各种理由放弃了，但他们对我和这家企业积累了更多的了解。

有什么你会鼓励人们不要做的事情吗？我认为有很多"假装直到成功"的做法。你需要有那种勇气和自信，即使你并不完全自信。 我是一个极度焦虑、极度缺乏安全感、极度恐惧的人。但你需要表现出自信，说你对前进的方向充满信心，即使在你知道处于低谷的时刻也是如此。我认为，人们有时会误解这一点，以为他们需要假装成自己不是的样子。我觉得这是不对的。你需要相信那5%的可能性——你有机会建立一家价值千亿美元的企业——这是有可能的。 你不需要假装这有100%的可能，但你应该能够清晰地描绘出一张路线图和战略，说明你如何有可能成为一家千亿美元的企业，然后对那些事情如果顺利发展你将会实现目标充满信心。

Patrick O'Shaughnessy：

你为什么感到害怕和不安？

Gabe Stengel：

我对所有可能出错的事情都极度焦虑。每天感觉都像是站在刀刃上，随时有一千件事可能崩塌。我认为，这种商业建设的现实就是——它是一场积累动能的游戏。你怎样把每一件小事都做好，让自己能快一点顺势而下？我只是害怕这股动能会停下来，或者遇到一个障碍，偏离轨道，然后又需要重新催生动能。要打造一台能够不断积累动能的机器，究竟有多难，我看得一清二楚。 所以，如果有任何绊脚石可能阻断这种势头，如果我不是时刻对这些时刻保持警惕，我就不会竭尽所能地去为它们做准备，确保我们能够应对。

Patrick O'Shaughnessy：

我们还遗漏了什么？就是你在这个时代打造这样一家公司所学到的东西——在这个时代，一切感觉都像是争夺球权，感觉每一个可能的领域都会出现一个 Rogo 或者 Harvey 之类的竞争者，尤其是在"最后一公里"的连接很难做的地方。而且主导者不会只是 Anthropic 一家，也不会只是 OpenAI 一家，不会是一家公司统治所有。 那么，关于目前建设这个业务的经历，你认为还有什么重要的事情是我们没有提到的？

Gabe Stengel：

我认为，确实会有企业解决所有这些问题，但能做到这一点的企业，将会成为吸引人才、资本和品牌的"黑洞"，它们能够汇聚资源来真正落地执行。因为 AI 是一股强劲的顺风，但如今要参与竞争，执行的门槛比以往任何时候都要高。每个人都被拉进了大联盟，都在经历"欢迎来到 NFL"的时刻。你必须比你预想的更快、更强、更有韧性、更灵活，拥有合适的团队比以往任何时候都更重要。 而如今，合适的团队极其昂贵。所以，如果你想不清楚该用什么策略尽快成为吸引人才和资本的"黑洞"，我认为你被某个实验室或有能力做到这一点的公司碾压的风险会大得多。

Patrick O'Shaughnessy：

每次做这些访谈，我都会把我最喜欢的问题留到最后。有史以来，别人为你做过的最善意的事情是什么？

Gabe Stengel：

我觉得，我从父母那里获益良多，他们都无比善良、慷慨、无私。但这种善意在我母亲和父亲身上的表现方式截然不同。我母亲的善意，是无论我做了什么，在她眼里我都很了不起、很聪明、永远不会犯错，尽管在成长过程中，这绝对不是事实。但她在我心里种下了自信的种子，让我相信自己，即使在那些感觉一切都要走偏的低谷时期也是如此。接连四十次做不对一件事，一次次失败，考试不及格，不管遇到什么，她都表现得好像我也许是世界上最聪明的人。这当然是不理性的，但你需要那种来自无尽之爱的非理性自信。

我父亲则完全不同。如果我做错了事回到家，他会怒不可遏，几乎不愿意看我，完全无法理解，因为他是一个极其自律、品行端正、有着极高标准的人。所以他的善意，体现在他愿意去理解我是谁，以及为什么我会在某件事上失败，然后帮助我。 他会坐下来和我一起仔细梳理每一个细节，尽管他有时真的无法理解，为什么我拥有那些机会却没能把握住。他花时间让我变得更好，同时也坚守着他自己的原则、他对卓越的标准，以及他对"好"的定义。

Patrick O'Shaughnessy：

你正在打造一家令人着迷的公司，看着它不断进步真的很酷。感谢你和我一起做这期节目。

Gabe Stengel：

谢谢你。

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

国际金融协会（IIF）最新报告显示，2026年上半年全球债务新增逾10万亿美元，总规模突破365万亿美元再创历史新高，与此同时，七国集团（G7）平均政府借贷成本升至2008年年中以来最高，发达经济体过去一年仅国际交易政府债券的利息支出就超过3.3万亿美元。

3.3万亿美元的年度利息支出，不仅超过全球人工智能领域约2.6万亿美元的估计支出，也高于3.1万亿美元的国防支出和2.3万亿美元的清洁能源支出。IIF数据显示，G7年度利息支出较此前水平几乎高出85%。对财政空间本已承压的发达经济体而言，这一数字将利息负担对公共资源的挤占直观量化。

值得关注的是，全球债务的扩张速度实际上正在放缓——2026年上半年新增逾10万亿美元，不足去年同期新增21万亿美元的一半。但债务增量与利息负担出现背离，意味着存量债务的滚动成本已被锁定在更高的利率区间，正成为主权债务风险的新形态。

付息3.3万亿美元，超过AI、国防与清洁能源投入

IIF《全球债务监测报告》显示，G7经济体的平均政府借贷成本升至2008年年中以来最高水平，年度利息支出较此前几乎高出85%。过去一年，发达经济体在国际交易政府债券上支付的利息超过3.3万亿美元。

这一数字超过全球人工智能领域估计支出的2.6万亿美元，也高于3.1万亿美元的国防支出和2.3万亿美元的清洁能源支出。

换言之，发达经济体每年仅用于偿还存量债务利息的资金，就足以覆盖全球一整年的AI投资且仍有富余，利息负担对财政空间的挤压由此得到直观量化。

新增债务腰斩，存量再融资成本却锁定高位

IIF报告显示，2026年上半年全球债务增加逾10万亿美元，总规模突破365万亿美元，再创历史新高。但这一增量不足2025年同期新增21万亿美元的一半。

IIF指出，高利率环境、债务偿还成本上升、能源价格走高以及与伊朗的冲突，共同压制了借贷活动。新兴市场是此轮债务增长的主要驱动力，上半年债务增加6.5万亿美元、总量突破110万亿美元；发达经济体的债务积累速度同期明显放缓。

政府部门与非金融企业贡献了大部分增量，两大板块债务规模均刷新历史纪录。当旧债到期、新债以更高票息滚动发行时，即便新增债务规模下降，总利息支出仍将持续攀升。

债务/GDP回落是"通胀幻觉"，滚动风险走向前台

全球债务规模约占GDP的310%，较2021年初的峰值低约25个百分点。但IIF指出，这一下降在很大程度上源于通货膨胀推高了名义GDP，而非实质性去杠杆化。

这意味着一旦通胀回落、名义GDP增速放缓，债务比率的改善将迅速逆转。而高利率既在推高政府再融资成本，又使债务/GDP比率的回落高度依赖通胀，形成政策上的两难。

据IIF报告，美国10年期国债收益率已升至2007年以来最高水平，30年期国债收益率亦达到近二十年来的峰值，政府再融资成本随之攀升。G7平均借贷成本回到2008年年中以来最高水平的同时，全球债务总规模已突破365万亿美元的历史新高，主权债务的滚动风险正从理论情景变为现实约束。

对持有长端主权债券的投资者而言，利率风险与信用风险的边界正在模糊，这一变化值得持续关注。

本文来自华尔街见闻，欢迎下载APP查看更多

相比用户自行下载WorkBuddy，这款产品进一步把Agent与本地模型、Skill及PC硬件能力结合起来。

这也不是华硕第一次把办公Agent放进AI PC。今年6月，华硕商用电脑已经与百度智能云推出“华硕×百度搭子DuMate AI解决方案”，同样强调端侧算力与Agent能力结合。

与此同时，荣耀、联想、小米等硬件厂商也在把自家的Agent能力延伸到PC。荣耀将YOYO Claw预置进MagicBook，联想持续升级天禧Claw，小米则把超级小爱2.0“专家模式”带到PC。

随着端云协同逐渐成熟，在电脑里提供一个能够直接处理文件、调用工具甚至执行任务的Agent，正在成为AI PC的新卖点。

PC自带的Agent最终来自第三方，还是由硬件厂商自己来做，目前仍没有定论。真正决定这条路线的可能是谁先跑出一个足够高频、足够通用的“国民级Agent”。

当办公Agent成为卖点

此次华硕Workbuddy专享款与用户自己下载WorkBuddy的核心区别，主要落在两点：

一是针对英特尔平台做过适配的本地Skill，二是本地模型与云端模型之间更深的协同。

目前，英特尔已经在华硕专享款WorkBuddy中上线15个本地Skill。在搭载第三代英特尔酷睿Ultra处理器的华硕破晓高端系列上，还可以进一步调用本地模型。三方基于35B-A3B本地模型，已经对26个WorkBuddy高频专家进行了本地适配和优化。

对应到实际使用，一些本地文件处理等可以直接留在电脑上完成；遇到复杂推理、长链路任务，或者需要实时信息时，再调用云端模型。WorkBuddy会根据任务情况在两者之间进行分配。

腾讯云智能制造行业华东解决方案负责人马英奎对华尔街见闻·全天候科技表示，腾讯WorkBuddy可以让用户灵活选择多种模型；用户也可以自行选择本地或云端，如果本地处理效果不满意，再切换至云端。

马英奎进一步指出，用户不用再自己判断“买的这台PC跑什么样的模型，才能把性能发挥到最大”。部分任务放在本地，也可以减少云端资源调用，合同、金融资料等不希望上传的数据则可以留在电脑处理。

目前，华硕Workbuddy专享款主要瞄准两类人群：一类是没有专业AI团队、但希望快速使用Agent的中小企业和创业者；另一类则是AI使用频率更高的“超级个体”，比如一个人完成文案、视频生成、剪辑和多平台发布的内容创作者。

对华硕这类PC厂商来说，办公Agent也给AI PC提供了新卖点。

WorkBuddy并不是华硕今年合作的第一款办公Agent。

今年6月，华硕商用电脑已经与百度智能云推出“华硕×百度搭子DuMate AI解决方案”。这套方案同样以华硕商用AI PC的端侧算力为基础，将其与搭子的Agent能力结合，重点面向企业办公场景。

这也说明，在办公Agent还没有完全跑出胜负之前，PC厂商没有必要过早押注一家。相比单纯比拼芯片参数，谁能把电脑已有的本地算力变成用户真正会使用的功能甚至成为新的换机理由，才更容易获得PC厂商更深的适配资源。

不过对于腾讯来说，华硕更像是一次打样。

9月初，WorkBuddy开放平台上线，首批引入超过百家生态伙伴，并将能力开放至智能硬件、行业应用和开发者。

当时腾讯云副总裁、腾讯CodeBuddy & WorkBuddy负责人刘毅给出的目标是将WorkBuddy做成“面向Agent时代的操作系统”，而不是只做一个更强的工具。其硬件合作目前已经覆盖PC与平板、智能眼镜、耳机等十余个品类、超过30个品牌。

要实现这个目标，只做一款华硕 WorkBuddy专享电脑显然不够。

后续腾讯是否会联合更多PC厂商推出专享款Workbuddy的PC，正受到更多关注。

二、自建vs第三方

对于沉寂已久的PC市场来说，把一个能够真正干活的Agent放进电脑，确实可能成为新的产品叙事。

华硕选择与WorkBuddy、百度搭子等第三方Agent合作。除此之外，一些同时拥有硬件、系统和AI能力的PC厂商，则更倾向于把自己的Agent直接延伸到电脑。

荣耀今年在MagicBook Pro系列2026上预置了自研YOYO Claw，主打自动部署和“开箱即用”。它可以自主规划、调度和执行任务，并接入办公、学习、自媒体等不同Skills。随后发布的MagicBook 14、MagicBook 16 2026，也已经把YOYO AI智能体列为整机主要卖点。

联想走得更早。

今年3月，联想发布天禧AI Claw，强调“零成本部署、零门槛使用”；5月进一步发布天禧AI 4.0，将智能体核心升级为天禧Claw，并继续强化“端—边—云”协同。

按照联想的规划，复杂任务可以在不同算力之间进行分配，同时支持本地大模型运行。

小米也在把自己的Agent能力往PC上延伸。

随着HyperOS 4发布，超级小爱2.0新增“专家模式”，可以完成深度研究、PPT制作、网页制作等任务，首批已经适配Xiaomi Book Pro 14、REDMI Book Pro 16 2026等PC。

几家的路径并不完全一样，但背后的考虑相近。

对于PC厂商来说，直接把一个能够调用文件、软件和模型的Agent交到用户手里，产品卖点也更容易成立。

而端云结合的成熟，又降低了这件事的门槛。

Agent并不需要把所有能力都塞进本地。涉及隐私、简单文件处理等任务可以优先在端侧完成，需要更大模型和实时信息时再调用云端。

这意味着，如果能够以相对可控的硬件和云端成本，在一台PC里提供一个开机就能使用、真正能替用户完成部分工作的Agent，它确实可能成为PC厂商下一阶段的新卖点。

至于这个Agent来自第三方，还是由硬件厂商自己来做，亦或者二者结合，目前还没有答案。

最后哪种方式会成为更多厂商的选择，可能还是要看什么Agent能真正跑出稳定的用户使用习惯。

本文来自华尔街见闻，欢迎下载APP查看更多

美国FDA分子与临床遗传学专家委员会审议了GRAIL公司的Galleri多癌种早期检测产品，并在三项关键投票中亮明了态度：

• 10:0，认为Galleri具有合理的安全性保证；
• 6:4，认为其有效性具有合理保证；
• 7:2（1票弃权），认为Galleri的临床获益超过其风险。

虽然FDA最终的全国销售审批决定仍需在未来几个月内做出，但专家委员会的背书，已经大幅提振了市场信心。正如Guggenheim分析师Subbu Nambi所言，这几乎“消除了风险”。

一管血，筛查50多种癌症，这听起来像是科幻小说中的情节。但真正懂行的人知道，这场变革最值得关注的，是AI与数据在癌症筛查中吹响的时代号角。

谈到液体活检，很多人脑海中浮现的是寻找血液中肿瘤释放的特定“基因突变”。但Galleri走的是一条截然不同的路线。

当肿瘤细胞死亡后，会释放游离DNA（cfDNA）进入血液，这些DNA上保留着具有组织和肿瘤特异性的“甲基化模式”。Galleri的核心技术，正是通过靶向甲基化测序读取这些信号，随后将其交给机器学习（AI）模型。

模型不仅要判断样本中“是否存在癌症信号”，还要进一步预测这个信号“最可能来自哪个器官”。

因此，从商业和技术本质上看，GRAIL早已不是一家传统意义上的“检测试剂公司”。它真正出售的，是一套由分子检测、算法分类和临床解释共同组成的AI癌症识别系统。

如果你追求的是“一管血查出所有癌症”，Galleri的数据可能会让你意外：在美国PATHFINDER 2研究中，Galleri总体12个月的敏感性约为35.0%。

这意味着相当一部分癌症在检测时并未被发现。那为什么FDA专家还会投出支持票？答案藏在另一个惊人的数据里：99.85%的特异性。

在面向数千万甚至上亿普通健康人群的筛查中，最大的灾难不是“漏诊”，而是“假阳性”。哪怕只有几个百分点的假阳性，一旦放大到人口级别，都会制造海量的恐慌，并引发无数不必要的CT、PET、内镜甚至穿刺活检，足以压垮现有的医疗体系。

Galleri 99.85%的特异性，确保了它极少制造“假警报”。同时，它的阳性预测值（PPV）达到了约77.0%，意味着一旦它报警，确诊癌症的概率已经相当高。

“优先控制假阳性，精准打击致命盲区”，这就是Galleri的产品哲学。

数据显示，对于目前缺乏成熟筛查手段（如胰腺癌、卵巢癌、胆道癌等）、却造成美国约三分之二癌症死亡的12类高致死性癌症，Galleri的敏感性达到了约61.3%。

FDA委员会明确强调，Galleri的定位是现有标准筛查（如乳腺钼靶、肠镜）的“补充，而不是替代”。它的目标市场，是补足现有癌症筛查体系最明显的那块空白。

围绕Galleri最大的争议，来自规模超14万人的英国NHS-Galleri随机对照试验。

英国一项针对14万人的Galleri癌症早筛技术大规模试验虽然未达到总量上减少中晚期癌症患者的预设主要终点，但在第二和第三轮筛查中使最致命的晚期癌症患者分别减少了22%和26%。

该试验成功将原本在晚期暴露的致命癌症提前至早中期发现，促使美国FDA专家组以7比2的投票结果认定其获益大于风险。

这项试验试图回答一个终极公共卫生问题：把Galleri加入医疗体系，能不能减少晚期（III/IV期）癌症？从严格的统计学意义上看，该试验没有达到预设的主要终点。

在癌症早筛领域，“发现得多”并不等于“筛查成功”（可能存在过度诊断），真正的成功是“把原本要在IV期才暴露的致命癌症，提前到了I/II期”。

这正是FDA投票出现“6:4”有效性分歧，却最终以“7:2”认定获益大于风险的核心原因。专家们认为，它虽然不完美，但其减少晚期癌症的潜力已经跨过了值得进入临床的门槛。

过去几十年，人类的癌症筛查是“按器官划分”的：查肺去做低剂量CT，查肠去做肠镜。

而Galleri带来的是一场范式转移：将基本单位从“器官”变成了“人”。未来的体检，可能是先抽一管血进行全身信号扫描，一旦AI提示异常，再根据算法指引的器官去定向精查。

在这场变革中，AI的机会才刚刚开始：

• 纵向时间轴的AI追踪： 癌症是动态的。如果一个人连续5年抽血，单一信号可能始终未达“阳性”标准，但在AI眼中，这5年的细微变化轨迹可能已经暴露了高风险趋势。
• 打通“阳性后”的决策闭环： 当血液查出异常后，患者应该先做CT还是MRI？什么时候该停止检查？未来结合病历、家族史的大语言模型和多模态AI，将成为指导医生决策的最强外脑。
• 无法复制的数据飞轮： GRAIL目前手握CCGA、PATHFINDER系列以及超过14万人的NHS-Galleri真实世界数据。当这些甲基化数据与患者最终的生存期、治疗方式等临床结局彻底打通，GRAIL将拥有一个不断进化的“真实世界AI训练平台”，这是任何后来者都难以逾越的护城河。

当然，AI不能“无中生有”，如果极早期的微小肿瘤没有向血液释放足够的cfDNA，再强的算法也无济于事。

为了保障人口级别筛查的安全性，FDA目前审评的Galleri采用的依然是“锁定的机器学习分类器（locked machine-learning classifiers）”，这意味着它在现阶段还不能在临床应用中每天“自动更新学习”。

但无论如何，2026年9月23日的这场专家投票，绝不仅仅是一项血液检测产品的通关文牒。

它证明了在茫茫血海中同时捕捉几十种癌症信号在技术上已经可行。如果未来几年，它能在真实世界中进一步证明可以降低癌症死亡率，并跑通商业化落地的成本测算。

那么今天，我们正站在未来癌症筛查新纪元的起点，听到了AI时代吹响的第一声号角。

本文来自华尔街见闻，欢迎下载APP查看更多

近日，在知名投资播客节目《How I Invest》的访谈中，营收已突破5亿美元的市场情报平台AlphaSense产品高级副总裁Chris Ackerson，就AI如何重塑金融分析师角色、专有数据的商业价值以及AI智能体在金融领域的未来应用空间等市场核心关注点，进行了深度分享。

在生成式AI浪潮下，市场高度关注劳动力替代危机以及AI工具的实际商业变现能力。对此，Ackerson给出了明确的市场观察：AI并未消灭金融从业者，而是大幅度改变了他们的资源分配方式。

“随着我们系统的功能越来越强大，我们能够承担很多繁琐的工作，也就是分析师们过去熬夜完成的那些手动工作。”Ackerson指出，“现在，他们可以专注于更高价值的活动，比如与客户会面、参与公司动态等等。”

在实际的商业落地和订单转化案例中，这种效率提升已经可以直接量化。Ackerson透露，一家大型投资银行在剥离部分业务后，通过几个月的测试证明，“AlphaSense 可以将平均覆盖率提高 15%，从而显著提高银行家的工作效率。”这意味着金融机构在不增加人力成本的情况下，能够扩大业务半径，从而构筑了AI工具持续增长的底层逻辑。

通用大模型的高错误率痛点与垂直AI的破局

尽管OpenAI等横向通用大模型发展迅猛，但在金融这一容错率极低的垂直领域，其商业化落地仍面临巨大阻力。这也是市场高度关注垂直AI企业能否建立技术护城河的关键点。

Ackerson直言不讳地指出了通用大模型的软肋：“就在上周，一家领先的 AI 实验室发布的数据显示，使用领先的市场数据时，错误率在 5% 到 9% 之间。这对任何一位严肃的投资专业人士来说都是无法接受的。任何错误率都会阻碍 AI 的真正普及。”

为了解决幻觉问题并降低误判率，垂直AI的解决方案在于对数据的极致控制。通过汇总数据、索引信息，并利用AI读取每一行文档以理解数据间的关联，再集成到智能体系统中进行提取。Ackerson提供了一组核心数据：“通过在 AlphaSense 平台内利用前沿 AI 模型，并结合 AlphaSense 的数据和工具，我们可以以更低的成本提供质量高出三倍的评估结果，这正是垂直整合的真正优势所在。”

专有数据成为最强护城河：“世界上绝大多数知识并非以文字形式存在”

随着各家AI实验室在底层模型能力上的竞争逐渐从预训练转向后训练，能够直接影响模型质量的“专有数据”正在成为最为稀缺的资产。

“所有人工智能公司最终都会转型为数据公司，我们看到，随着越来越多的公司涌现，这种趋势愈演愈烈。”Ackerson表示。

在金融尽调中，渠道调研和专家访谈是获取超额收益（Alpha）的重要信息源。AlphaSense目前的护城河之一正是一个包含全球顶尖投资者与行业专家访谈的庞大记录库。目前，该资料库拥有超过30万份访谈记录，且每个季度以新增超过2.5万份的速度迅速增长。

“世界上绝大多数知识并非以文字形式存在，而是存在于人们的脑海中。”Ackerson强调。基于这些独家数据，AlphaSense开发了AI访谈系统（AI Interviewer），这打开了巨大的商业想象空间。过去，分析师可能只做5通专家电话，现在借助AI智能体，可以进行20通甚至50通深入不同领域的电话访谈，在财报发布前提取量化数据并预测业绩指引。目前，该系统进行访谈的质量“已经达到甚至超过了最优秀的分析师的水平”。

未来的竞争：降低40倍成本与人类判断力的溢价

如果华尔街所有机构都使用相同的AI工具和数据集，对冲基金的超额收益将从何而来？这也是投资者对金融AI赛道长期逻辑的终极拷问。

在研究环节（占金融研究总成本的约80%），盲目使用前沿大语言模型进行网络搜索不仅成本高昂，还会引入无关信息导致“上下文污染”。Ackerson透露，通过训练专有的搜索模型精准调用工具，可以“在提供比前沿模型更高质量的同时，将成本降低高达40倍。”

展望未来五年，金融行业的交付形态将从静态的文档（幻灯片、备忘录）转向实时更新的定制化软件和智能体生态。超级分析师（Super Analyst）将像“永不眠的分析师一样全天候工作”。

在这样的环境中，人机协同的深度和人类的判断力将决定最终的投资胜负。“你引导系统的方式、你提出的问题、你在与人工智能互动时做出的选择，这些都是人为因素造成的差异。”Ackerson总结道，并引用了其CEO的观点来定义未来的企业价值：“企业的价值是其所有决策的总和。将判断力应用于人工智能系统的决策之上，将始终至关重要。”

以下是文字记录

David Weisburd 00:00 在软件工程领域，一直存在这样一个悖论：人工智能越强大，对工程师的需求就越高，因为现在的工程师效率几乎是过去的数倍。你认为金融领域也会出现同样的情况吗？或者你认为分析师这一层级会被彻底颠覆？

Chris Ackerson 00:20 随着我们系统的功能越来越强大，我们能够承担很多繁琐的工作，也就是分析师们过去熬夜完成的那些手动工作。现在，他们可以专注于更高价值的活动，比如与客户会面、参与公司动态等等。这真正意味着，随着公司效率的提高，他们能够覆盖更多公司，推出更多产品，加快产品路线图的推进。

我们在 Alphasense 内部也看到了这一点。随着我们的工程师和产品经理在人工智能方面效率的提升，我们的产品路线图也在加速推进，竞争格局日趋激烈。因此，我们在客户群体中也看到了同样的情况。人们究竟是在使用像 Super Analyst 这样的工具来辅助分析师，还是说这些工具正在颠覆关于劳动力替代的争论？这场争论在未来很多年里都将持续下去。

我们看到客户的能力大幅提升，这意味着他们将加大对员工的投入，但员工的角色也在不断变化和调整。有一家大型投资银行剥离了部分业务，他们想尝试使用 Alpha Sense，看看能否利用我们的产品来提高其余银行家的服务覆盖率。他们花了几个月的时间对 Alpha Sense 进行测试，结果证明 Alpha Sense 可以将平均覆盖率提高 15%，从而显著提高银行家的工作效率。至于如何利用这些节省下来的资源，则取决于银行自身的决定。他们可能会因为能够覆盖更多公司而招聘更多银行家，或者为客户提供更优质的咨询服务，也可能从事其他工作。但毫无疑问，员工的角色正在发生变化。

David Weisburd 02:06 随着人工智能系统日趋完善，相关职责和工作内容也会随之演变。您提到您的客户正在开展越来越多的业务，一些早期案例研究表明，他们已经开始使用 Alpha Sense 和 Agentic AI 等工具来拓展业务。以对冲基金领域为例，能否具体说说？

Chris Ackerson 02:29 分析师的工作是追踪某个行业或板块，他们需要了解新兴公司，提出新的投资理念，为财报季做准备，密切关注财报季对投资组合中所有公司的影响。所有这些领域都非常适合人工智能的应用。

David Weisburd 02:53 效率显著提升，我们在所服务的各个行业都看到了同样的情况。许多人都在考虑利用像 OpenAI 和 Anthropic 这样的横向平台来满足他们的投资需求，而你们是垂直领域的。你们的方式与横向人工智能有何不同？

Chris Ackerson 03:13 我们的理念从一开始就始终如一，那就是通过聚合和控制高质量数据，并构建专门用于理解和利用这些数据的 AI，我们可以以更低的成本提供更高的准确率，从而赢得市场的信任。我们今天也确实看到了这一点。就在上周，一家领先的 AI 实验室发布的数据显示，使用领先的市场数据时，错误率在 5% 到 9% 之间。这对任何一位严肃的投资专业人士来说都是无法接受的。任何错误率都会阻碍 AI 的真正普及。正因如此，人们仍然花费大量时间来构建和验证所有信息，因为这些系统根本无法正常工作。

在专业分析师层面，我们解决这个问题的方法是：汇总所有数据，索引所有信息，利用人工智能进行丰富和理解，读取系统中流经的每份文档的每一行，准确理解数据的含义以及不同来源之间的关联和关系，然后将这些信息集成到智能体系统中，使它们能够准确地提取特定任务所需的信息。这样，我们就能显著降低错误率和误判率。此外，当数据真正集成到系统中时，最终用户验证信息的速度和效率也显著提高。例如，您可以查看每行数据以及每个文件的具体来源。

David Weisburd 05:14 我认为，人工智能在高增长领域推进缓慢，最大的原因之一在于错误的代价因场景而异。一方面，像医院系统这样，即使 5% 的错误率也可能导致病人死亡；另一方面，你可能只是在研究给狗狗吃的零食。人们期望所有这些领域都能以相同的速度发展，但实际上，关键在于……

Chris Ackerson 05:34 这些数据用于什么用途？出错的代价是什么？没错。我们已经做了相关测试，即使在数据缺失的情况下也能进行测试。我们构建了评估框架，对所有人工智能系统进行全面测试，并针对用户实际执行的所有任务制定了非常详细和具体的评估标准。

在 Alpha Sense 平台，我们采用自动化评估和人工评估相结合的方式。我们聘请了金融分析师加入 Alpha Sense，负责抽查并验证这些评估的准确性。我们发现，通过在 Alpha Sense 平台内利用前沿 AI 模型，并结合 Alpha Sense 的数据和工具，我们可以以更低的成本提供质量高出三倍的评估结果，这正是垂直整合的真正优势所在。

Chris Ackerson 06:32 或许你能解开我这几年一直在思考的问题：为什么大语言模型（LLM）会产生幻觉？因为从定义上讲，它们是概率性的。它们经过训练，训练数据来自数百万份文档、数据点和强化学习循环记录，这些记录本质上将所有信息编码成一组压缩的模型权重。这使得这些模型具有极强的泛化能力，但也意味着模型的输出是概率性的，取决于它所看到的数据。

这些模型是基于整个互联网进行训练的。众所周知，互联网上充斥着大量信息，其中既有不可信赖的，也有非常有价值的。因此，在 Alpha Sense，我们人工智能系统输出的所有内容都基于我们精心整理的权威可信数据，例如公司实际的表述、专家访谈以及卖方研究分析师的观点。我们努力的目标是充分利用这些概率模型的优势——它们具有创造性，能够跳出固有思维模式，完成传统机器学习无法完成的任务——同时，将它们建立在真正值得信赖的数据之上，以便将其呈现给投资委员会或客户会议上的首席财务官。

Chris Ackerson 07:55 数据似乎是垂直行业人工智能公司最有价值的方面之一。Alpha Sense 是如何具体运用数据的呢？人们经常谈论数据，但我仍然认为数据的重要性被严重低估了。让我先退一步，简单谈谈我们聚合的数据集。

其中一项是我们的专家访谈记录库。这是一个汇集了全球顶尖投资者和最佳买方分析师与行业专家访谈的数据集。这些专家包括曾在公司工作过的人员、前高管、供应商和客户，他们会被问及能够引导实际投资决策的问题。所有这些都是独家洞察。世界上绝大多数知识并非以文字形式存在，而是存在于人们的脑海中。我们的专家访谈记录库旨在挖掘并记录这些洞察，使其可供用户使用，现在我们的人工智能代理也可以利用这些洞察来影响系统输出的答案。这是独家数据的一个典型例子，你无法在任何其他面向公共互联网的人工智能系统中找到这些数据。因此，获取独家洞察的能力是关键之一。

Chris Ackerson 09:16 在我们的领域，数据控制至关重要，原因如下。第二个关键原因是，它能真正提升模型质量，降低错误率和误判率。在 Alpha Sense，我们不断训练搜索模型和人工智能模型，以提高输入这些模型的实际上下文质量。我们的研究表明，最新的前沿模型推理能力非常出色，是强大的工具，但它们的搜索能力却很差——它们不知道如何为特定任务找到合适的上下文。因此，我们正在训练自己的模型，使其在这方面表现卓越。而这一切只有在对数据拥有控制权和所有权的情况下才能实现。

第三个原因在于，数据在未来几年对构建智能体至关重要，因为智能体的输出本身就构成了一个数据集。回顾问答时代，也就是人工智能的聊天机器人时代，你提出问题，得到答案，答案就进入了聊天记录，也许你会再次查看，也许它会被删除。

如今，智能体们正在像对待真正的工作成果一样，撰写投资备忘录和推介材料，这些工作本身就具有价值。因此展望未来，任何机构都应该思考的问题是：我们是否应该预先设想客户会提出的问题，并真正产出对他们来说高价值的成果？

Chris Ackerson 11:00 今天的例子是，Alpha Sense 正在利用我们的人工智能技术在行业内进行渠道调查。我们开发了一款 AI 访谈系统。这款 AI 访谈系统是基于 Alpha Sense 数据训练的智能体，它了解市场，掌握任何公司或市场的所有可用信息，并利用这些信息构建访谈脚本，与真正的专家进行电话访谈，提出问题，进行后续跟进，并深入探讨特定主题。

我们首先将 AI 访谈工具应用于渠道核查数据集。我们利用这个工具与各行各业的专家进行访谈，这些专家了解不同行业的价格和需求信号。我们每个季度都会转录数千通电话，并在其上构建一个智能层，以便在财报发布前提取量化数据，预测特定公司的业绩指引最终可能如何实现。现在，我们所有的客户都可以使用这个 AI 访谈工具。

专家访谈一直是私募股权公司和对冲基金尽职调查流程中至关重要的一部分。我们的用户仍然会进行大量的专家访谈，但现在他们可以借助人工智能进行补充。例如，他们可能原本只需要进行五通电话，而现在可以通过人工智能进行二三十通甚至五十通电话，深入调查不同的领域。这形成了一个内容飞轮，极大地扩展了我们的资料库，并提升了我们可获取的洞察能力。目前，我们的资料库里有超过 30 万份访谈记录，每个季度新增超过 2.5 万份，而且增长迅速。

Chris Ackerson 13:16 我们最初开发 AI 面试官时，将其应用于渠道调研，因为这是一个相对封闭的问题。渠道调研包含一系列结构化的访谈问题，例如：你们的采购量是多少？市场上对特定产品的需求如何？因此，我们可以将这项早期技术应用于一个非常实用的案例，效果非常好。随着系统的不断改进，我们评估了 AI 面试官的质量，现在它的质量已经达到甚至超过了我们最优秀的分析师的访谈水平。该系统会随着时间的推移不断改进，并且它基于 Alpha Sense 上的所有数据。想象一下，如果你要面试我，你可以事先阅读 Alpha Sense 上所有关于我们所在领域的文章。这就是 AI 面试官在每次专家访谈前所做的准备工作。

David Weisburd 14:15 从你们现在正在做的人工智能代理的早期应用，到未来金融领域的工作形态，人工智能的发展前景广阔。让我们快进到五年后。投资银行家们在做什么？投资者们在做什么？人类最终扮演什么角色？

Chris Ackerson 14:39 这些行业的核心作用仍然至关重要。对冲基金分析师为客户提供咨询服务，帮助找出在特定市场中获得投资回报的优势所在。我认为，这个核心理念不会改变。

我们非常兴奋的一点是我们全新的"超级分析师"产品。目前，"超级分析师"已经能够完成许多出色的工作。例如，所有 Alpha 数据都会实时传输，超级分析师可以监控这些数据，从而实现工作自动化。在财报发布期间，它可以读取所有电话会议记录，并执行您指定的流程。这些行业交付的成果大多是文档类文件，比如生成幻灯片、投资备忘录、Excel 模型等等，它在这方面非常出色。

展望未来几年，我们设想这样一个世界：每个人都在构建自己的定制软件，完美契合自身特定流程和用例。我们将突破文档和会议的局限，迈向一个每个人都在使用实时软件的世界，这些软件始终能够访问最新信息，并完全根据你的特定流程量身打造。

在这个未来，什么才是真正有价值的？人类的判断力至关重要。企业从所有决策中学习的能力至关重要。我们的首席执行官杰克经常说，企业的价值是其所有决策的总和。在智能体时代，企业最重要的任务是确保能够捕捉到人力资本或智能体资本执行的所有决策所带来的学习成果。因此，投资于能够帮助你捕捉这些学习成果的系统，使你的公司不断进步，并将判断力应用于人工智能系统的决策之上，将始终至关重要。

此外，世界如此复杂，科技日新月异，商业世界和应用程序都在不断发展。因此，企业各个层级的人员几乎都扮演着架构师的角色。系统工程师仍然至关重要，因为人类社会和经济始终处于动态变化之中。从我与数百位投资者的交流中了解到，伟大的投资公司并非仅仅依靠投资回报就能成功。那些能够长久生存的公司，往往擅长那些大多数人看不到的事情。

Chris Ackerson 19:24 Alpha Sense 的客户共享相同的数据，对冲基金之间如何竞争？几十年来，这一直是信息系统和投资领域关注的问题。我们认为，最终的投资决策是投资者与 Alpha Sense 或超级分析师以及他们所使用的技术共同作用的结果。你引导系统的方式、你提出的问题、你在与人工智能互动时做出的选择、你指向的目标、你要求它自动化的流程，这些都是人为因素造成的差异。而最终的决策则是所有这些因素与人工智能代理能力的结合。

David Weisburd 20:08 分析海量数据并实现流程自动化，这才是最终创造超额收益的关键。我认为金融产品本身也是面向终端客户的产品。养老金、捐赠基金、家族办公室等机构的风险承受能力可能千差万别。你可能查看同一个概率模型，然后说：我打算稳妥行事，争取 8% 的回报；或者我打算即使波动性很大也要追求最佳净回报。从投资的角度来看，这其中既有偏好，也有产品层面的考量。

Chris Ackerson 20:44 我们推出的超级分析师平台可以根据您的流程进行定制。您可以利用自身的技能，将超级分析师集成到下游工作流程中，整合您自己的数据和视角，从而真正打造差异化的竞争优势。

David Weisburd 21:04 最近，我采访了彼得·蒂尔对冲基金的总裁，他谈到了被动投资者带来的市场系统性风险。以前，主动投资者会参与买卖决策，而现在，所有人都涌入这些股票，这在系统中造成了杠杆效应。您认为人工智能和数据的对称性会导致市场波动加剧吗？

Chris Ackerson 21:25 我们的使命是帮助市场更有效地配置资本。我们认为，借助像 Alpha Sense 这样的工具，我们可以与用户一起控制和降低风险。将高质量的数据融入决策过程——Alpha Sense 的核心价值主张之一，即消除投资或决策过程中的盲点——可以通过人工智能获得很好的答案。但如果答案仅仅来自一位博主或一位分析师，那么它的价值远不及一个能够汇集所有分析师、众多专家、公司内部人员以及公司自身对某个主题的看法的系统。将所有这些信息整合到一个答案中，能让您对自己的决策更有信心，并提高决策对业务有利的可能性。

Chris Ackerson 22:29 我想了解一下你们的数据基础设施。你们在运行推理时既使用了大型语言模型，也使用了开源软件，能跟我说说这方面的情况吗？

我们已经看到不同模型之间存在着非常显著的差异，即使是最前沿的人工智能模型也各具特色。我认为这与后训练在训练过程中扮演的角色越来越重要有关。几年前，所有实验室都在使用相同的数据集进行预训练，其中大部分数据来自公共互联网，因此预训练得到的模型在功能上非常相似。而现在，这些公司的大部分 GPU 支出不再用于预训练，而是用于后训练。在后训练阶段，可以根据不同的任务和数据集进行更精细的区分。所以，这些模型实际上已经实现了差异化，这与许多预测截然相反——那些预测认为它们最终会趋于同质化和融合。

例如，我们看到 Claude Opus 在生成高质量幻灯片方面非常出色，但作为上下文检索系统或搜索模型，它的表现并不理想，至少在早期版本中是如此。因此，我们会根据对不同模型优缺点的评估，选择应用不同的模型。

Chris Ackerson 23:57 您提到了开源模型。我们与 Cerebras 合作，它是一家非常出色的低延迟推理提供商，我们可以利用他们提供的顶级开源模型。低延迟对于构建具有对话感和实时性的系统至关重要。因此，我们所有的工具，无论是超级分析师还是生成网格，都在其流程中使用了多个针对不同任务优化的模型。我们也正在开始训练我们自己的模型，我们关注前沿模型，认为我们可以在某些任务中创造很多价值。

David Weisburd 24:36 我想强调一下你提到的一点，那就是大语言模型本身拥有不同的数据集。这让很多人感到困惑。我目前正在帮助我们投资组合中的一家公司进行并购或融资活动，我和很多投资银行的负责人交流过，他们都表达了同样的观点：至少在科技领域，他们目前的大部分工作都是帮助大型语言模型公司获取数据集。大多数人并不了解这种情况，但如今交易的一个重要部分就是帮助这些大型语言模型获取越来越多的数据，尤其是专有数据，以便它们能够实现差异化竞争。

Chris Ackerson 25:19 所有人工智能公司最终都会转型为数据公司，我们看到，随着越来越多的公司涌现，这种趋势愈演愈烈。这些公司专注于帮助人们构建强化学习环境，并有专家协助构建数据集。最近收购某航空公司数据资产就是一个有趣的案例。我们看到这种情况越来越普遍，这也凸显了差异化数据的重要性，以及我们为何对过去十多年来积累的数据充满信心。

回到你刚才说的，关于训练自己的数据和进行自己的后训练。Alpha Sense 已经训练我们自己的 AI 模型近十年了，早在生成式 AI 爆发式增长之前。所有这些模型都需要进行后训练才能有效发挥作用。因此，我们的系统中有很多专门用于搜索的模型，它们可以帮助我们找到合适的内容来理解用户的问题，并对信息源进行排名。这些模型经过多年的学习，已经掌握了哪些信息源最相关，哪些内容对于任何给定的任务来说最权威。

Chris Ackerson 26:37 随着我们不断推进，我们正在训练前沿模型，以期为超级分析师等产品提供端到端的支持。超级分析师与人们以往使用人工智能代理的体验略有不同，后者通常是在自动化金融研究等场景下直接与大语言模型交互。实际上，绝大部分工作都集中在研究环节，这占了成本的 80% 左右。影响质量的因素中，约有 70% 取决于你如何有效地利用所有工具、数据集和 Alpha 数据集进行研究，并找到合适的背景信息。无论是撰写盈利预测、路演演示文稿还是战略备忘录，都需要用到这些。因此，我们认为，我们拥有强大的数据和工具来构建前沿系统，这些系统能够比那些缺乏理解能力的前沿人工智能模型更有效地运行研究环节。

David Weisburd 27:36 大语言模型的另一种加权方式是，它们对所有不同的来源都有一定的权重，通过运行你自己的数据，你可以稍微调整这些权重，以便即使在前沿的大语言模型上，也能获得信息优势，它们的搜索训练方式也截然不同。

Chris Ackerson 27:54 这就好比一种网络搜索框架，你只能盲目地到处搜索，希望能找到真正有价值的信息。这种方法在网络搜索中总体上是有效的，但对于金融研究来说就不太适用了，因为金融研究需要处理大量低价值或无用的信息，成本很高。运行这些研究流程需要投入大量资金。

其次，它会降低质量。这有点像上下文污染，因为你引入了无关信息，任务执行时间也会更长。正如你所说，我们可以训练一个模型，使它能够准确地知道应该使用哪种工具来执行给定的任务。因此，我们认为我们能够在提供比前沿模型更高质量的同时，将成本降低高达 40 倍。

需要明确的是，这并不意味着我们不会使用前沿模型。我们认为它们在真正擅长的领域非常出色，例如编写代码、进行深度数据分析、生成高质量的成果，比如幻灯片或 Excel 备忘录。因此，这两类模型将像两个独立的代理一样协同工作，一个负责协调实际的代码生成或数据合成，另一个则作为高效的研究人员。这些系统将协同运作。

David Weisburd 29:13 马克·贝尼奥夫也谈到了软件的未来发展方向，即无头模式——用户不一定非要使用 Salesforce 来创建提示，Salesforce 本质上是通过名为 MCP 的 API 来实现的。Alpha Sense 是否也在朝着这个方向发展？您认为这是否是应用程序的未来？

Chris Ackerson 29:38 毫无疑问，市场将会朝着智能体之间协作的方向发展，它们将通过不同的协议来实现这一点，MCP 就是其中之一。

当我们打造像 Super Analyst 这样世界级的智能代理时，我们希望它能在 Alpha Sense 桌面环境中运行。Alpha Sense 桌面环境配备了专门设计的代理工作区，旨在让 Super Analyst 的使用体验更加出色。您使用 Super Analyst 生成的所有历史记录和工作成果都会保存在该桌面工作区中，所有调整所需的工具也都集成在这个工作区中。此外，Super Analyst 也是您的得力助手，无论您在哪里工作，它都应该能够胜任。目前，它已经可以在 PowerPoint 和 Excel 中使用，未来还将通过 API 和 MCP 集成到其他系统、应用程序和工作流程中。

无论您是个人用户，还是企业内部的 IT 团队或技术团队，都可以使用 Alpha Sense 作为智能代理自动化基础设施，进行市场情报分析，从而构建各种应用程序并自动化各种工作流程。随着智能代理能够让你们从简单的问答转向真正的工作委派，超级分析师将像团队中那个永不眠的分析师一样全天候工作，通过手机、电子邮件、Slack 和 Teams 等各种渠道，以更加人性化的方式交付工作成果。

David Weisburd 31:19 听起来你们的增长速度相当惊人，营收增长超过 5 亿美元。但任何企业都会遇到一些令人夜不能寐的事情，尤其是在当今世界局势下。那么，究竟是什么事情让你夜不能寐呢？

Chris Ackerson 31:33 我们极其专注于提供决策级答案和输出，因此，我们的重点在于确保用户在周五深夜收到 Alpha Sense 的输出结果后，可以安心地合上电脑回家享受周末，而无需担心数据来源是否可靠，或者是否存在虚假的指标或财务数据。我们日夜都在思考这些问题。

从产品策略角度来看，在类似聊天机器人的生成式搜索时代，验证对我们来说是一个相对简单的问题，因为我们已经将所有数据集成到了 Alpha Sense 中，所有内容都归因于正确的引用来源，您可以点击查看原始出处。随着这些系统变得越来越复杂，它们不仅仅生成一份可以轻松点击查看引用的报告，还会生成更多可视化的抽象推荐和建议，比如图表和表格。因此，我们每天都在思考如何减少验证过程中的摩擦并维护用户信任。

David Weisburd 32:42 回想职业生涯的起点，正如您之前提到的，您曾在 IBM Watson 工作。您的许多同行现在都在 OpenAI 和 Anthropic 等公司工作，真正地在构建未来。如果让你给当年的自己一条永不过时的建议，一条能加速职业发展、避免代价高昂的错误的建议，那会是什么？

Chris Ackerson 33:02 所有从事人工智能工作的人都因为低估了这些模型改进的速度而留下了许多教训。我们每天都在纠结于到底应该围绕这些模型搭建多少脚手架scaffolding，目的是使它们达到某种质量，使产品在今天可用，而不是等到模型在六个月或一年后会达到的水平。我们现在对于删除脚手架、迈向未来都非常坦然。

五年了。我会给自己的建议，也是杰克和拉杰这两位创始人给我们所有人的建议，那就是：着眼未来，尽可能快地行动，不要感伤，继续创新。

我们对未来的发展方向感到无比兴奋，比以往任何时候都更加秉持"初学者心态"。你必须每天醒来都像初学者一样，因为一切都在悄然变化。

Chris Ackerson 34:12 您提到了脚手架。在 Alpha Sense 中，每一代模型都对脚手架进行了哪些改进，以确保推出的产品能够满足专业用户的需求，让他们信赖，并且不会产生影响投资决策的虚假信息？

举例来说，我们在 2023 年推出了第一批生成式 AI 功能，当时专注于文档摘要，例如能否有效地总结财报电话会议等等。之后，我们逐步发展到生成式搜索解决方案，它可以从 Alpha Sense 的所有内容中查找并综合答案；再到工作流代理，帮助自动化复杂的工作流程；以及现在的超级分析师，您可以直接向其委派工作。

在每一次发展过程中，我们都大幅简化了脚手架。在 2023 年，我们能够让一个大语言模型几乎 100% 准确地总结财报电话会议。如今，要实现这一点已经无需那么多额外工作——这些模型本身可以更有效地完成这项任务。但同样地，如果你把整个盈利预测流程都委托给超级分析师，那么为了确保其有效性、降低预测失误风险并提高准确性，就需要付出巨大的努力，高效管理上下文资源。这就是我们今天关注的重点，这几乎是一种文化竞争优势。

David Weisburd 35:40 你提到杰克和拉杰，也谈到了我所谓的"初学者心态"，即不断重塑自我。很多人认为这是技术问题，但实际上这是文化问题。

Chris Ackerson 36:00 我们所做的投资，包括我们聚合的内容数据集、我们构建的搜索数据，以及数百万条搜索查询记录，都将伴随公司整个生命周期持续发挥作用。这些搜索查询记录使我们能够训练模型，从而找到适合特定任务的合适内容。这些都是持久的数据资产，将继续为公司提供动力。

David Weisburd 36:25 使用像 Alpha Sense 这样的产品，你必须始终着眼未来，勇于创新，不断突破自我。克里斯，我偶尔会使用 Alpha Sense，我的公司也确实成功上市了，我用它来判断是否应该买入或卖出股票。非常感谢你抽出时间接受采访。

Chris Ackerson 谢谢，大卫，这次采访很愉快。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台消息，摩根大通在9月23日的研报中称，美国9月综合产出PMI飙升至58.4，创下2021年7月以来的最高水平，暗示美国第三季度GDP增速可能高达4%至5%。然而，在这份看似完美的经济增长成绩单背后，高盛和摩根大通均认为，潜藏着令市场警惕的暗流：需求已严重超出企业产能，导致除疫情期外近二十年来最严重的供应链瓶颈。更关键的是，投入成本通胀正以2020年以来最快的单月速度飙升，创下2022年底以来的新高。

分析指出，当前数据传递了一个明确的信号——美国经济不仅没有衰退，反而热度惊人。但这种由强劲国内需求驱动的增长，正伴随着能源、运输和劳动力成本的剧烈上升。由于企业产出价格（售价）的上涨幅度不及投入成本的飙升幅度，企业利润率正面临实质性的挤压（Margin Compression）。

价格压力急剧升温，企业利润率面临挤压

本份报告中最危险的信号在于通胀的猛烈反扑。摩根大通指出，9月份的通胀信号明显强于近几个月。

• 投入成本飙升：全行业投入价格指数录得自2020年以来的最大单月涨幅，并加速至2022年底以来的最高水平。高盛数据显示，服务业投入价格分项大涨7.2个点至66.1（创2022年11月以来新高）；制造业投入价格在连续三个月下降后大幅反弹3.0个点至68.1。

• 成本驱动因素：价格上涨主要归因于近期能源价格上涨带来的燃料和运输成本增加，同时工资压力也有所加剧。制造业企业还特别提到了原材料成本高企和供应短缺。

• 利润率挤压（Margin Compression）：尽管9月份产出价格（企业售价）通胀也有所上升（高盛数据显示服务业产出价格+1.2至57.0，但制造业产出价格微降0.2至59.2），但其涨幅远不及投入成本的飙升幅度。摩根大通明确指出，这种不对称表明企业的利润率正在受到挤压。

分析指出，总体而言，9月PMI数据描绘了一幅需求旺盛但供给受限的经济图景。在强劲的订单和招聘背后，飙升的成本和受压的利润率将成为投资者在未来几个月必须直面的核心风险。

需求远超产能，供应链与劳动力瓶颈再现

经济的火热直接导致了供需失衡的加剧。摩根大通认为，当前的需求正持续超过企业的运营产能。

• 供应链极度紧张：积压工作量以2022年5月以来的最快速度增加，供应商交货时间延长幅度达到2022年中期以来的最大值。标普新闻稿指出，如果排除疫情期间，当前的增长正伴随着近二十年调查历史上最严重的供应链瓶颈。

• 劳动力市场火热但招聘困难：9月全行业就业指数升至2022年6月以来的最高水平。其中，制造业就业创下2021年2月以来的最强劲增长，服务业招聘也以2022年6月以来的最快速度增长。尽管企业因工作量和积压订单增加而大力招聘，但许多企业报告称越来越难以找到合适的员工。

经济活动全面爆发，远超华尔街预期

9月份的PMI数据彻底击碎了市场对经济放缓的担忧。高盛指出，服务业和制造业PMI双双逆势上扬，打破了市场预期的小幅下降共识。

服务业PMI： 9月录得58.7（大幅高于预期中值56.0和前值56.5），创下2022年3月以来的最高水平。其中，新业务分项指数（+3.0至58.3）表现极为强劲。

制造业PMI： 9月录得57.0（远超预期中值53.5和前值53.9），创下2022年5月以来的最高水平。产出（+3.6至56.7）和新订单（+3.0至57.3）分项均出现急剧上升。

摩根大通强调，标普新闻稿估计，最新的调查数据与约5%的年化GDP增速相符，并预示整个第三季度的GDP增速约为4%，这甚至高于摩根大通近期上调后的3.5%的预测。

标普评论更是直言：

“如果排除新冠疫情封锁后经济重新开放带来的需求激增，最新的商业活动改善是自2015年初以来记录的最大增幅。”

不过，高盛也提醒投资者注意数据背后的“名义偏差（Nominal bias）”——部分商业调查的强劲表现可能是由于受访者以美元（名义）而非实际数量来衡量出货量和订单，从而受到了价格上涨因素的干扰。

本文来自华尔街见闻，欢迎下载APP查看更多

Meta此次推出首款无摄像头智能眼镜Ray-Ban Meta Audio，起售价349美元，定于10月3日发货；同时发布第三代摄像头版Ray-Ban Meta，起售价449美元。

首席执行官马克·扎克伯格在发布会上亲自佩戴智能眼镜登台，重点展示Muse AI助手，并宣布未来几周内Meta眼镜将迎来重大AI升级——Muse将实现全情境感知，并可在后台持续运行。

扎克伯格表示，Muse对大多数用户场景将保持免费，公司计划未来通过从代理促成的交易中抽取小额佣金实现商业化。他同时强调，整个行业目前将AI代理视为"单人游戏"，而真正的突破在于代理之间的协作互动，Meta已在内部开展相关研究。

无摄像头新品：隐私考量与产品差异化

Ray-Ban Meta Audio是Meta首款不配备摄像头的智能眼镜，提供Ray-Ban经典Burbank矩形框和Clubmaster两种款式，单次充电续航最长可达12小时，高于第三代摄像头版本的9小时。实际佩戴体验显示，该款眼镜与普通Ray-Ban眼镜在厚度和重量上无明显差异。

首席技术官Andrew Bosworth在接受彭博采访时表示，无摄像头版本约两年前被纳入产品路线图，原因在于音频"始终是眼镜中最受欢迎的功能"。去掉摄像头后，Meta得以降低售价、减轻重量并延长续航。Bosworth坦言，Meta"有些幸运"，在全球智能眼镜隐私争议升温之前，公司已有纯音频产品在研。

不过，Bosworth也指出，公众层面的隐私讨论与Meta实际观察到的用户使用数据存在落差——销量、采用率和用户参与度均呈现"非常非常积极的趋势"。他表示，Meta从一开始就将隐私保护作为眼镜产品信息传递的核心，例如拍照或录像时会有指示灯亮起提示周围人群。

第三代Ray-Ban：涨价背后的成本压力

第三代摄像头版Ray-Ban Meta起售价449美元，较上一代379美元的起售价上涨约19%。Bosworth将涨价主要归因于通货膨胀和零部件短缺，并指出内存成本的波动可能持续"两三年甚至四年"，Meta在为新产品定价时必须将这一不确定性纳入考量。

硬件方面，第三代产品机身较前代更纤薄，提供Aviator、Wayfarer三款经典款式及全新猫眼框Zena，并新增可自定义功能的"操作按钮"，例如可设置为直接唤起Muse语音助手。麦克风系统经过升级，通话降噪能力增强，镜腿末端支持调节以提升佩戴舒适度。

此外，Meta还为6月推出的自有品牌低价眼镜系列推出249美元新版本，低于此前299美元的定价，并计划将该系列拓展至新加坡、韩国等市场，同时推出与K-pop组合Blackpink成员Lisa合作的399美元联名款。

Muse整合与AI升级：从问答到全情境代理

扎克伯格在发布会上明确表示，未来几周内Meta眼镜上的AI体验将全面升级。届时，用户唤起Muse后，将不再只是获得单一问题的回答，而是能够与具备完整对话上下文的AI助手进行持续交互，Muse还将能够在后台主动为用户执行任务。

Muse的可定制毛绒吉祥物也在发布会上正式公布名称为"Jolly"。在商业模式上，扎克伯格强调Muse将对大多数用户场景保持免费，盈利路径为从代理促成的交易中抽取小额佣金。

扎克伯格还就AI代理的行业发展方向发表看法，认为目前大多数从业者将AI代理视为单一用户的工具，而Meta认为代理之间的协作互动才是真正的突破所在，公司已在内部推进相关研究。

软件功能与AR路线图

硬件之外，Meta同步宣布多项软件更新。Dynamic Photos功能可同时捕捉多张图像，用户可在配套手机应用中选择最佳帧；眼镜还支持横向拍摄照片和视频。2026年晚些时候，Meta眼镜将支持Dolby Atmos 360度空间音频录制，并推进更多数据在设备本地处理，减少云端传输。

此外，Meta还推出经美国食品药品监督管理局（FDA）批准的助听功能，与苹果AirPods Pro的类似功能相当，激活费用为150美元，或将作为Meta One订阅服务的一部分于今年晚些时候推出。

在全AR眼镜路线图方面，Bosworth未对2027年发布时间表作出承诺。他表示Reality Labs团队内部"确实存在坚定认为明年可以发布"的声音，但他本人要等到产品达到足够成熟度后才会作出决定，并强调公司"仍在全力推进完整AR眼镜"的研发。

本文来自华尔街见闻，欢迎下载APP查看更多