周一，美股期指走低，纳斯达克100指数期货下跌1.5%，标普500指数期货跌0.6%。10年期美国国债收益率维持在4.96%。受美联储加息预期和油价上涨提振，美元走强。

地缘方面，据新华社报道，伊朗伊斯兰革命卫队公共关系部门14日说，革命卫队在霍尔木兹海峡上空击落一架美军MQ－1无人机。与此同时，沙特关闭关键输油管道叠加阿曼推迟原定14日与伊朗等国会议消息令能源市场骤然升温，布伦特原油涨3%至每桶107.48美元。

KCM Trade首席市场分析师蒂姆·沃特勒表示：“两股不利因素同时来袭。一方面，有警告称人工智能发展需要放缓；另一方面，沙特东西输油管道关闭后，油价又进一步上涨。这对风险资产而言无疑是雪上加霜。此外，10年期美国国债收益率逼近5%关口，也令股市感到不安。”

本周市场面临多重考验：美联储将于周三公布利率决议，互换市场目前定价显示加息概率逾90%；英国和日本央行亦将相继发布政策决定，三大央行决议或重塑2026年余下时间乃至更长期的全球货币政策格局。

核心市场走势如下：

• 美股期货扩大跌幅，纳斯达克100指数期货下跌1.5%，标普500指数期货跌0.6%，道指期货跌0.1%。
• 欧洲斯托克50指数开盘跌0.6%，德国DAX指数跌0.4%，英国富时100指数跌0.2%，法国CAC 40指数跌0.5%。
• 日经225指数收盘跌0.8%，报63492.99点。日本东证指数收盘涨0.7%，报4058.21点。韩国首尔综指收盘跌3.3%，报6684.37点。
• 10年期美国国债收益率维持在4.96%。
• 德国10年期国债收益率一度上涨1.9个基点，至3.5215%，为2009年8月以来最高水平。
• 布伦特原油涨3%至每桶107.48美元。
• 现货黄金下跌0.6%，至每盎司4318.99美元。

AI巨头联手呼吁放缓，美股期指承压

美股期货扩大跌幅，纳斯达克100指数期货下跌1.5%，标普500指数期货跌0.6%，道指期货跌0.1%。

周六，Anthropic首席执行官Dario Amodei发文表示，公司将引入独立第三方评估等额外安全保障措施，并呼吁整个行业主动放缓最先进模型的开发节奏。OpenAI首席执行官Sam Altman随即公开背书，xAI的埃隆·马斯克亦表态称"Dario说得对"。

三大AI头部机构的罕见共声，令市场对这一驱动今年股市上涨的核心板块产生疑虑。AT Global Markets驻悉尼首席市场分析师Nick Twidale表示："随着投资者评估顶级AI公司重大战略转变对估值的影响，本周开局可能颇为动荡。预计为这些大型AI公司提供供应链支持的亚洲大型科技企业将率先受到冲击。"

不过，部分市场人士认为此次冲击更多停留在情绪层面。摩根大通资产管理全球市场策略师Kerry Craig表示："在开发放缓的必要性真正转化为资本支出指引下调或模型发布推迟之前，这更可能是情绪驱动因素，而非估值或盈利驱动因素。"

在企业动态方面，据知情人士透露，Anthropic已选定纳斯达克作为其潜在创纪录IPO的上市地点。Sam Altman则表示，OpenAI今年不会推进IPO计划，理由是公司当前专注于应对AI安全相关问题。

油价飙升重燃通胀忧虑，美联储加息预期升温

能源市场的突发变局令市场雪上加霜。沙特阿拉伯在无人机袭击后关闭一条关键输油管道，伊朗与海湾国家原定会议亦宣告推迟，布伦特原油涨2.8%至每桶107.55美元，美国西德克萨斯中质原油涨2.5%至每桶102.51美元，油价重返百美元上方。

油价飙升与上周五公布的美国通胀数据形成共振。美国劳工统计局数据显示，8月份剔除食品和能源的核心CPI环比上涨0.3%，同比上涨2.4%；整体CPI环比上涨0.4%，同比上涨3.4%，均高于预期。

通胀数据推动美债收益率走高，两年期美债收益率上周五上涨4个基点，10年期收益率逼近5%关键关口，目前报4.95%。互换市场定价显示，美联储周三加息概率已超过90%。

Westpac Banking Corp金融市场策略主管Martin Whetton表示："9月FOMC会议加息预期已非常明确，定价概率达90%。周五CPI数据公布后，美债收益率普遍走高，今日亚洲固定收益市场将继续受此主导。"

分析人士指出，油价重返百美元以上叠加中东局势再度升温，令全球通胀压力难以缓解，政策制定者期待的喘息空间愈发渺茫，这也将使借贷成本在更长时间内维持高位。

本文来自华尔街见闻，欢迎下载APP查看更多

近期，市场关于养老理财新一轮扩围的预期持续升温，有消息称，符合监管条件的理财公司正陆续推进资质申报、系统改造和产品准备。

枢纽自业内确认，多家尚未进入养老理财试点名单的理财公司，已经向监管递交相关资质申请，目前，新一批机构资格仍处于审批阶段，尚未有明确批复消息。

“我们也申报了资质，不过目前应该都还在审批中，也没有听说哪家已经拿到批复。”一家股份行理财子人士表示，现阶段尚不便对外披露具体产品安排。

待新一轮机构名单落地，养老理财也将自2023年以来首次迎来实质性产品供给扩容。

三年过去，养老理财面对的市场环境已经明显变化。

早期试点阶段，行业关注的是哪些机构能够获得发行资格；如今，随着养老金融产品持续扩容，竞争已经延伸到产品和投资能力层面。

拿到入场券之后，理财公司还要和保险、公募基金、储蓄国债等争夺同一批长期养老资金。

扩围进入等待期

养老理财试点始于2021年，随后逐步形成10家银行理财子加贝莱德建信理财的“10+1”格局。

政策边界在2025年进一步打开。

2025年10月，金融监管总局发布《关于促进养老理财业务持续健康发展的通知》，将养老理财试点地区扩大至全国，试点机构也由原有名单扩展至符合开业满三年、经营管理审慎、具备较强长期投资和风险管理能力等条件的理财公司。

政策还明确，理财公司同时参与养老理财产品试点和个人养老金理财业务的，新发行养老理财产品可以自动纳入个人养老金理财产品名单。

这为更多理财公司打开了养老理财业务入口，但产品供给并未同步增长。

2021年至2023年，养老理财累计发行51只产品，此后产品数量长期没有增加；截至2026年6月末，前期试点养老理财产品规模超过1066亿元，投资者人数约46.6万人。

对未进入原有名单的理财子而言，新一轮资质批复意味着养老金融产品线进一步补齐。

在传统理财收益率持续下行、行业普遍寻找稳定长期资金的背景下，养老资金期限较长、赎回相对稳定，对理财公司也具备更高吸引力。

不过，资质放开只能解决产品入口，能否真正形成规模，还要回到产品收益和长期投资能力。

抢食养老资金

相比2021年试点初期，如今的养老金融货架已经明显拥挤。

个人养老金制度全面实施后，储蓄存款、商业养老保险、公募基金、理财产品以及储蓄国债等陆续进入个人养老金投资范围，各类机构开始围绕长期养老资金展开竞争。

截至今年6月末，个人养老金基金已达到321只，产品从养老目标FOF逐渐扩展至指数基金、指数增强基金和ETF联接基金等品类。

目前，在售养老年金保险已经达到数百款，同时覆盖专属商业养老保险、个人养老金保险等业务，部分机构还将产品延伸至医疗、照护和养老社区服务。

今年6月，储蓄国债也正式进入个人养老金产品体系。

在这一产品梯度中，银行理财的传统优势仍然是稳健收益和银行渠道，但这一定位正面临新的压力。

今年以来，养老理财收益表现已经有所承压。截至9月11日，今年以来养老理财平均年化收益率约为1.64%，低于全市场理财产品约2.09%的平均水平。

背后的约束来自资产端。

养老理财普遍以债券、存款和非标资产作为主要配置方向，通过较长封闭期限和平滑基金机制降低净值波动。但随着债券收益率中枢下移，高收益非标资产减少，固收类资产提供的收益空间不断收窄，部分产品近期还陆续支取平滑基金回补净值。

目前51只养老理财产品中，债券类资产占比超过五成，非标资产占比约11.9%，公募基金占比约13.6%，权益类资产占比仅约5%。

低权益仓位有利于控制波动，也限制了长期收益弹性。

这让理财公司的能力短板更加突出。

公募基金在权益投资和多资产配置上更成熟，保险机构则拥有长期负债、保障功能和养老服务体系。理财公司拥有银行渠道和庞大的稳健型客户基础，但长期权益投资能力仍在建设之中。

过去，银行理财最擅长的是在存款与基金之间提供相对稳健的收益体验。随着养老金融产品持续扩容，这一中间地带正变得越来越拥挤。

新一轮扩围之后，养老理财的竞争重点也将从资质和产品数量，进一步转向长期资产配置、权益投资、风险控制和客户服务能力。

产品重新上新只是起点。

真正决定养老理财能走多远的，仍是理财公司能否在“稳”的基础上，给出足够有吸引力的长期回报。

本文来自华尔街见闻，欢迎下载APP查看更多

据高盛大宗经纪数据，对冲基金在过去11个交易日中有10次净买入美国TMT股票，过去两周多头买入速度位于近五年的第97百分位，并创下2025年6月以来最高水平。几乎所有TMT子板块均录得净买入，由半导体及半导体设备、互动媒体与服务、IT服务领衔。

然而，周末突发的AI政策争议迅速搅乱了这一势头——Anthropic首席执行官Dario Amodei呼吁放缓前沿模型开发速度，并主张政府介入限制开源竞争对手，特朗普随即拒绝配合。消息冲击下，韩国SK海力士股价下跌6%，软银重挫11%。

高盛交易员Lee Coppersmith在其每周报告中直言："综合来看，这个周末在最糟糕的时间，为刚刚重建的科技多头仓位带来了新的风险。"

高盛大宗经纪数据显示，对冲基金对美国TMT板块的净买入已延续至连续第二周，信息技术与通信服务成为美国所有板块中买入规模最大的两个方向，且均以多头买入为主导，空头流量相对平静。

从两周累计买入幅度来看，此轮多头建仓速度是2025年6月以来最快，在过去五年历史数据中位列第97百分位，显示市场情绪在9月会议密集季开启之际出现了明显的风险偏好回升。

与此同时，对冲基金的杠杆结构也出现微调。美国多空基金总杠杆率下降1.6个百分点至206.9%（处于一年期第20百分位），净杠杆率则上升1.7个百分点至50.2%（处于一年期第6百分位）。基本面多空比率（市值口径）上升2.2%至1.64（处于一年期第26百分位）。

在重仓科技股的同时，对冲基金亦大举净卖出宏观产品（指数与ETF的合并头寸，通常用于对冲单股仓位），卖出规模为去年4月3日当周以来最大，空头销售与多头买入之比高达3.2比1，偏离一年均值逾2个标准差。

美国上市ETF空头头寸单周增幅达7.2%，创六个月来最大单周增幅，环比上升5.2%，主要集中于信用类及小盘股权ETF。尽管本周空头仓位大幅上升，但宏观产品的整体空头敞口仍低于年初至今高点——彼时正值动量交易于6月触顶之际。

此次风波的核心在于Anthropic首席执行官Dario Amodei的最新表态：他主张放缓前沿模型的开发节奏，并呼吁政府出手限制开源模型的竞争。特朗普随后明确表示拒绝介入，双方立场的碰撞令市场对AI监管走向的不确定性骤然上升。

该事件在亚洲市场首先引发冲击，周一亚洲AI股全线下跌，SK海力士跌超6%，软银跌幅更达11%。考虑到对冲基金刚刚以15个月来最快速度重建科技多头仓位，此次争议的时机尤为敏感。Lee Coppersmith的措辞亦印证了这一判断——新建的科技多头仓位在短期内面临的风险正在上升。

展望本周，高盛数据显示，市场当前对9月联储加息的定价概率约为90%，成为宏观日历上的核心事件。上周核心CPI数据的强于预期——被市场解读为"撕掉创可贴"式的加息铺垫。英国央行（周四）与日本央行（周五）亦将相继公布利率决议。

与此同时，周二将举行130亿美元20年期国债拍卖，值得密切关注。在科技多头仓位重建与AI政策不确定性交织之下，市场短期走向的分歧正在加剧。

本文来自华尔街见闻，欢迎下载APP查看更多

据杰富瑞（Jefferies）于9月14日发布的追踪报告，自9月12日美东时间上午8时开启预购以来，美国、英国、德国、日本四大市场的iPhone 18 Pro Max交货等待时间较去年同期缩短5至11天；18 Pro在除香港以外的所有追踪市场等待时间亦大幅缩短，美国甚至已无需等待。分析师认为，在生产节奏与上一代基本持平的前提下，等待时间缩短是需求偏弱的可靠信号。杰富瑞维持苹果"跑输大市"评级，目标价263.66美元，较当前股价332.27美元隐含约21%的下行空间。

中国大陆及香港市场是此次预售的例外——18 Pro Max在两地的等待时间分别较去年延长4天和7天。但杰富瑞分析师同时指出，这两个市场历来存在较高的投机性抢购活动，真实需求是否可持续，需待9月18日首批发货后通过二手转售价格走势加以验证。

杰富瑞团队对美国、英国、德国、日本、中国大陆、香港六大市场的交货等待时间进行了系统追踪，并于今年新增印度市场，但同比比较仍以原有六个市场为基准。

以9月14日美东时间中午的数据与去年同期iPhone 17系列对比：18 Pro Max在美国、英国、德国、日本的等待时间分别比17 Pro Max缩短5至11天不等；18 Pro在美国已无需等待，其他多数海外市场等待时间亦缩短1至11天。

去年iPhone 17 Pro Max与17 Pro的等待时间明显长于16系列，最终被证明是强劲销售的可靠前瞻指标。今年数据的逆转，令分析师对18 Pro系列的销售前景持审慎态度。

印度市场方面，18 Pro等待时间仅2至3天，18 Pro Max约为12天，两者均显著短于中国市场，尚难判断为强劲需求。

中国大陆和香港是此次预售追踪中的异类。数据显示，18 Pro Max在中国大陆的等待时间达24.5天，香港亦为24.5天，均高于去年同期的19.8天和17.2天。

然而，杰富瑞对上述数据持保留态度。报告指出，两地历来存在较活跃的新机投机性抢购行为，部分等待时间拉长可能源于渠道囤货而非终端真实需求。分析师认为，9月18日开始发货后，二手市场的转售溢价走势将是检验真实需求的关键指标——溢价收窄甚至跌破发行价，将意味着投机需求在释放后迅速消退。

苹果折叠屏新机Duo将于10月16日开启预购，目前网络上流出的初步评测整体偏正面，但亮点主要集中于iOS系统的折叠屏适配体验，包括内外屏切换流畅度、原生分屏逻辑、应用连续性以及双应用多任务处理等。

批评意见则指向硬件层面的多项短板：浮动窗口数量有限、多任务同时运行上限为两个应用（三星Galaxy Z Fold 8可支持三个），以及缺乏类PC功能。

与旗舰安卓折叠屏的规格对比更为直观。

据杰富瑞整理的规格对比表，Duo起售价1999美元，机身重量254克，厚度（折叠态）11.3毫米；三星Galaxy Z Fold 8重201克，折叠厚度9.7毫米，起售1899美元；小米18 Fold重219克，折叠厚度10.68毫米，起售约合人民币10999元。

摄像头方面，Duo仅配备48MP主摄加48MP超广角两颗镜头，无专属长焦；三星同样为双摄，而小米18 Fold则搭载含200MP徕卡主摄及50MP 3.5倍光学变焦镜头的三摄系统。处理器方面，Duo搭载苹果自研A20 Pro（2nm制程），三星和小米均采用3nm制程芯片。

杰富瑞分析师指出，苹果历来并非依靠硬件规格赢得市场份额，但在逾2000美元的价位段，硬件参数可能成为现有iPhone用户是否升级至Duo的重要考量，同时也将增加说服高端安卓折叠屏用户转换阵营的难度。分析师表示，对Duo的整体判断自发布以来未有改变。

杰富瑞维持苹果股票"跑输大市"（Underperform）评级，12个月目标价263.66美元，基于至2031财年的DCF模型测算，采用7.8%的加权平均资本成本及4.3%的永续增长率。目标价对应2026财年预期市盈率约30.0倍。

本文来自华尔街见闻，欢迎下载APP查看更多

最新、也是增量最大的变量来自美国：财政部长贝森特反复声称日本央行在“下一步动作”上存在“不对称信息”，对植田和男的独立性构成空前压力。与此同时，首相高市早苗倾向再通胀与低利率，其阵营可能通过经济财政政策大臣木内登英向央行施压。

直接的市场影响已经显现：日元过去一周快速升破153、回到2月以来最高，10年期日债收益率升至30年最高。但分析人士指出，日元的快速升值反而给了植田和男“少鹰”的政治掩护——汇率已替他完成了部分工作。

更微妙的是，日本当局7月和8月刚与美国合作进行了960亿美元的汇市干预。市场将逐字审视本次声明与记者会措辞，任何失误都可能重新引爆套息交易的快速平仓。

贝森特的“不对称信息”与华盛顿的介入

贝森特对日本央行的施压已从幕后走向公开。他反复声称日本央行在“下一步动作”上存在“不对称信息”，这一表述对植田和男的独立性构成空前压力。FT报道指出，华盛顿愿意看到日本利率更高，且似乎越来越自在地介入东京的货币政策事务。

长期关注日本的经济学家Richard Katz表示：“植田面临很大压力，因为这是那种时刻——市场的大幅波动更多与市场情绪对基本面的解读有关，而非基本面或政策本身的变化。”他补充说，植田在2023年出任行长前是学者出身，并不以沟通见长。

市场将仔细审视日本央行的声明与植田的发言，以判断这次决定究竟多大程度基于稳定通胀的需要，多大程度基于维持日元上行动能的职责。

高市阵营与政策委员会的内部分歧

日本国内的政治压力同样不容忽视。高市早苗倾向再通胀和低利率，其政策偏好与华盛顿的方向直接对冲。关键人物是经济财政政策大臣木内登英——他将出席本次央行议息会议，其表态将在后续公布的会议纪要中出现，可能透露出高市阵营对货币政策的看法，或是对放缓未来加息节奏的施压。

植田和男还面临政策委员会内部的扰动。7月议息时央行选择按兵不动，委员高田创投票支持加息；本月高田创又公开暗示，央行应考虑更激进的措施以保持领先，例如更快或更大幅度的加息。日本央行上次加息是6月升至1%，若周五如期加息，将明显快于此前“每半年一次”的正常化节奏。

日元急升与日债收益率：双刃剑

日元在过去六周大幅震荡，10年期日债收益率升至30年最高。货币分析师警告，日本央行一旦走错一步、或行长传递的信息不被接受，可能重新引爆“套息交易”的快速平仓。

但另一面，日元过去一周升破153、回到2月以来最高、且超出此前干预所达到的水平，分析人士称这反而给了植田和男“少鹰”的政治掩护。日本央行与植田最大的恐惧，是行动过猛把日本经济重新推回通缩——那是日本花了数十年才摆脱的困境。

Katz指出，尽管2.3%的整体通胀高于央行2%的目标，但需求驱动的通胀仍然疲弱、实际工资增长低迷。“日本面临滞胀，”他说：

“这对任何央行都很棘手，我怀疑市场未必乐于听到植田强调这些两难。”

汇市干预后，协调空间收窄

日本当局7月和8月在美国合作下进行了960亿美元的汇市干预，以支撑当时跌至近40年低点、逼近164兑1美元的日元。联合干预缓解了贬值压力，但也带来新的约束：市场会判断这次加息是出于稳定通胀，还是出于维持日元动能。

花旗驻东京首席外汇策略师Osamu Takashima表示：“植田会尽量不让市场意外……市场正变得脆弱。”高盛资深经济学家Tomohiro Ota则认为，市场虽开始定价9月、10月连续加息的加速路径，但除非通胀显著超预期，这种结果不太可能出现。分析师还关注“金融条件保持宽松”这一措辞是否会在加息后依然保留。

市场焦点将落在9月17—18日会议的声明措辞与植田和男的记者会上；同日公布的日本8月全国CPI（预计同比2%）将提供新的通胀线索。

本文来自华尔街见闻，欢迎下载APP查看更多

港股午后分化，恒指震荡上涨，恒科指亦转跌，科网股、汽车股反弹，创新药盘中活跃，芯片股、AI大模型股集体下挫，兆易创新、澜起科技、华虹宏力等纷纷下挫，智谱跌7%，MINIMAX跌5%。债市方面，国债期货全线上涨，商品方面，国内商品期货多数下跌，原油逆势大涨超9%。核心市场走势：

A股：截至发稿，沪指跌0.19%，深成指跌0.85%，创业板指跌1.23%。

港股：截至发稿，恒指涨0.30%，恒科指跌0.16%。

债市：国债期货全线上涨，截至发稿，30年期主力合约涨0.07%，10年期主力合约涨0.08%，5年期主力合约涨0.07%，2年期主力合约涨0.02%。

商品：国内商品期货多数下跌，截至发稿，非金属建材跌幅居前，玻璃跌5.49%；化工品多数下跌，纯碱跌5.28%；基本金属全部下跌，锡跌3.22%；农副产品多数下跌，玉米淀粉跌1.71%；黑色系全部下跌，焦炭跌1.65%；油脂油料多数下跌，豆一跌1.35%；能源品涨幅居前，原油涨11.37%；新能源材料多数上涨，多晶硅涨3.93%；航运期货全部上涨，集运指数(欧线)涨3.40%；贵金属涨跌参半，钯涨1.07%。

13:45

江波龙H股跌幅扩大至10%，剑桥科技、中际旭创、兆易创新、澜起科技H股均持续下行。江波龙上周登陆港股即破发。

12:04

盘面上，大型科网股多数呈现上涨行情，小米涨近3%，百度涨1%，腾讯、网易飘红，阿里巴巴、美团小幅下跌；央国企整合大幕开启？广汽集团大涨8.64%后紧急停牌，带动汽车股集体上涨，生物医药股、教育股、石油股普遍拉升。另外，受外围芯片股大跌影响，存储半导体股、光通讯概念股、PCB概念股齐挫。

11:38

盘面上，个股涨多跌少，沪深京三市约3600股飘红。市场量能明显萎缩，上午半天成交1.11万亿。沪深两市半日成交额1.1万亿，较上个交易日缩量1705亿。板块方面，中际旭创、新易盛、长鑫科技、兆易创新低迷，宁德时代反弹。CRO、培育钻石、网络安全、覆铜板板块走强，银行、新能源汽车股活跃，军工、农业、光通信、存储板块调整。

具体来看，培育钻石/金刚石概念领涨，黄河旋风涨停，恒盛能源反包涨停，英诺激光涨超10%，力量钻石、惠丰钻石、四方达跟涨。

消息面上，机构研报指出，金刚石铜凭借热导率、成本与热膨胀匹配三重优势有望率先实现规模化应用，2025至2029年全球AI芯片金刚石铜市场复合增长率有望达237%、市场空间预计扩大至65亿美元，国内具备扩产能力、客户验证通过及钻针协同优势的标的正进入小批量订单兑现窗口。

网络安全/AI安全概念走强，中新赛克一字3连板，永信至诚20CM涨停，天融信涨停，任子行涨超10%。

催化来自产业端罕见共识：Anthropic首席执行官达里奥·阿莫代伊发表《我们必须放缓前沿》长篇博文，呼吁放缓AI新模型开发、为安全与对齐研究留足时间，xAI马斯克、OpenAI奥特曼相继表态支持；此前OpenAI已联合百余家机构发布《呼吁开展网络防御的集体行动》公开信。浙商证券指出，AI能力越强、攻击越自动化，企业的安全付费意愿与安全龙头的护城河反而越深。

算力硬件局部反弹，覆铜板、电路板纷纷走高，科翔股份、满坤科技20CM涨停，英诺激光、威尔高、超声电子等涨幅居前。

CRO概念表现活跃，万邦医药、近岸蛋白双双20CM涨停，义翘神州涨超10%，精华制药、三力制药涨停，药康生物、药石科技、成都先导、诚达药业等跟涨。

消息面上，中信证券认为，新重磅药物/新分子/新技术对于工艺开发和试验设计能力的要求提高，中国CDMO行业有望凭借在全球生物医药创新技术领域早期管线的不断积累，进入由"工程师红利"+"引领创新红利"双核驱动时代；上半年CXO板块及生命科学上游业绩稳健，行业进入复苏阶段，CRO板块有望量价齐升。

前期高位人气股集体调整。农业/粮食方向成今日重灾区，敦煌种业跌停，新农开发、红棉股份、亚盛集团、中粮科技跌停，克明食品逼近跌停；农林牧渔、种植业与林业、粮食概念、转基因板块跌幅居前。

军工板块回调，建设工业、航发科技、长城军工跌幅居前。

传媒方面，7天6板牛股龙版传媒结束核查复牌一字跌停，公司在公告中介绍，AI视频业务6月产生营收约80元、7月产生营收约7.5万元，占经审计2025年营业收入比例不足0.01%，目前对业绩无显著影响。

10:49

AH股创新药板块联动，药明康德、康龙化成、凯莱英、泰格医药携手上行。机构强调，创新药板块估值处于历史区间第10-20百分位，处于明显低估区域。

10:24

A股三大指数全线翻红，此前深成指、创业板指均跌超1%。

10:17

万得全A翻红，医药、玻纤、培育钻石、覆铜板板块快速拉升。

09:57

宁德时代企稳反弹，提振新能源汽车产业链，比亚迪、赛力斯、长安汽车等齐涨。消息面上，宁德时代已开启回购，上周五首次回购2亿元。此外，《智能网联新能源汽车产业发展"十五五"规划》发布。

09:45

银行板块稳步攀升，江苏银行、成都银行再创新高，四大行齐头并进。中信证券表示，银行板块演绎估值上行方向，全年绝对收益仍将延续。

09:42

MLCC概念震荡拉升，双星新材2连板，风华高科、昀冢科技、国瓷新材、火炬电子、三环集团跟涨。

消息面上，村田正式公告停产部分 MLCC 料号，向客户发布"产品线优化"通知，宣布在 2026 会计年度启动部分 MLCC 产品停产与产能调整，同时扩充其他产能。

09:37

电力板块反复活跃，绿电方向领涨，闽东电力4连板，杭州热电触及涨停，豫能控股、南网能源、乐山电力、深南电A、广西能源跟涨。

09:37

存储板块明显承压，长鑫科技、兆易创新、澜起科技、大普微-UW、江波龙、协创数据、佰维存储、德明利普遍下滑。韩股SK海力士跌超5%。Anthropic、OpenAI与SpaceX放缓AI开发速度震动市场。

09:34

旅游酒店概念开盘活跃，桂林旅游直线涨停，天目湖触及涨停，华天酒店、张家界跟涨。

09:32

早盘航运板块逆势拉升，宁波海运涨停，中远海能、凤凰航运、招商轮船、宁波远洋、兴通股份跟涨。

消息面上，截至9月11日，Baltic Exchange数据显示，270K中东湾—中国TD3C航线TCE已升至982,072美元/天，距离100万美元/天仅一步之遥；代表整体VLCC市场表现的VLTCE综合指数也突破55万美元/天，达到554,170美元/天。

09:28

早盘网络安全概念大幅高开，中新赛克走出3连板，天融信一字涨停，永信至诚、安恒信息涨超10%，任子行、奇安信、国安股份、绿盟科技等涨幅靠前。

消息面上，Anthropic首席执行官Dario Amodei在博客中表示，AI行业需放缓新模型开发速度，要留足时间完成模型与人类目标对齐及安全防护。

09:26

上证指数低开0.54%，创业板指跌1.29%。AI硬件侧、农业、有色金属板块调整，网络安全、大数据、海运、油气板块走强。

09:21

恒生指数低开0.42%，恒生科技指数跌0.69%。智谱、MINIMAX-W、中际旭创、阿里巴巴领跌。

本文来自华尔街见闻，欢迎下载APP查看更多

高盛合伙人Mark Wilson在其最新一期《Weekly Mash》中指出，美股自二季度大涨后陷入横盘，三重阻力正在压制市场：中期选举历史规律、量化机器仍满仓做多、能源-债券-股票三角绞杀。Wilson同时看好四个方向：AI基础设施龙头、大宗商品及相关股票（尤其铜）、德国股市、大型银行。

三重阻力：哪些东西挡在前面

阻力一：中期选举的历史魔咒

Wilson援引1974年以来的历史数据：从每年8月初到中期选举，美股中位数回报率为0%。

他坦承没人能确定这个规律究竟有多大效力，但他的判断是："这个数字被引用得足够频繁，市场已经在按它交易了。"

阻力二：聪明钱撤了，机器没撤

对冲基金在夏季已完成降仓，整体敞口处于过去一年的中等水平，选股型基金仓位更轻。

但Wilson指出，这对指数意义不大——对冲基金去风险时，往往同时砍赢家和输家，对市场方向影响有限。

真正的隐患在别处：趋势跟踪基金和波动率目标策略仍接近满仓做多。"这些资金不会自我对冲，它们只会在价格下跌时卖出。"Wilson写道。

阻力三：能源-债券-股票的三角绞杀

Wilson将这一问题定性为"当前市场内在关联最紧密的核心矛盾"，逻辑链条清晰：地缘政治推高油气价格→油气价格推高债券收益率→债券收益率压制股票估值。

他称这是"书里最难解的问题"，并指出收益率已经走了很长一段路。

本周的最新进展：特朗普表示伊朗问题将延续至中期选举之后——Wilson将此解读为"各方开始像成年人一样谈判的前提条件"。目前阿曼及海湾国家将与伊朗就霍尔木兹海峡通行问题展开会谈。高盛已再度上调油气价格预测。

天然气价格方面，Wilson指出，"迫使亚洲减少消费、为欧洲释放供应的价格水平已基本达到"，价格已突破3月高点。但欧洲仍将以历史低位库存进入冬季。

Wilson强调，前两重阻力会随时间推移或价格回调自行化解，但能源-收益率这个死结"不会在11月到期"。

四大布局方向

方向一：AI基础设施——故事没完，估值先到位了

Wilson认为，今年晚夏回头看或许是又一个拐点：更多模型涌现、GrokBot病毒式传播、"可交付AGI"再度提速。

但他对AGI叙事不感兴趣，他盯的是资本开支。"基本面持续走强"，他写道，并列举了一系列数据支撑：Oracle最新财报、微软宣布六年内将数据中心容量扩大三倍、英伟达再度上调市场规模预期、SpaceX今年销售额有望突破1000亿美元并计划2027年建设轨道数据中心。

"巨头们正在更大的基数上加速。"

英伟达目前对应2028年盈利的市盈率为10.3倍。

Wilson的理想入场条件是：收益率停止攀升，日历翻篇，市场得以展望2028年，届时龙头股将再度启动。

方向二：大宗商品——人人在讨论货币，没人在做第一顺位的交易

Wilson表示，在当前高名义增长、财政前景恶化、货币贬值担忧以及大宗商品驱动的通胀压力并存的环境下，他对市场缺乏对大宗商品及相关股票的关注感到"意外"。

"我对能源板块兴趣不大，但对金属板块仍有极大信心。"他写道，并特别点名铜："铜的交易表现尤为出色，而相关股票在缺乏增长性资本开支、供应稀缺性日益明显的背景下，估值依然没有重估。"

他的判断直白：评论界在写美元崩溃的长篇大论，而铜坑才是真正的交易。

方向三：德国股市——你以为你讨厌的那个市场，其实不是你想的那样

市场对德国的刻板印象是：工厂腐朽、汽车和化工被中国蚕食。

Wilson用数据拆解这一叙事：汽车和化工在德国股票指数中的占比分别仅为5%和7%，德国本土业务仅占DAX指数销售额的20%。

与此同时，德国正推进大规模财政刺激，高盛预测2027年德国企业盈利增速达17%，DAX指数的构成已向国防、电气化、AI和科技倾斜，而当前估值仅为15倍市盈率。

Wilson点出了一个关键催化剂："德国股票最大的卖家是德国储蓄者，而养老金改革即将把他们变成买家。"

方向四：大型银行——终于有了一个不只靠利率的成交量故事

Wilson将高盛Richard Ramsden关于美国银行业的研究报告列为"必读"。核心数据：资本市场手续费收入从2010年到2019年每年下降约1%，但从2019年到2026年以每年11%的速度复合增长。剔除AI相关业务的峰值影响，Ramsden仍测算出4%的年增速，并将其定性为"可持续"。

Wilson还指出，AI相关融资需求可能将业务从精品投行拉回到有资产负债表支撑的大型银行。

"十五年的严监管正在退潮——除非民主党在11月横扫。"他写道。

核心争议在于：这样的高股本回报率能否持续。

本文来自华尔街见闻，欢迎下载APP查看更多

9月13日，据The Information报道，在截至今年7月的本财年上半年，英伟达有三家客户各自贡献了超过10%的总营收，三者合计占比达44%。而在上一财年，这一数字是两家客户占36%。再往前追溯至FY2023，英伟达没有任何一家客户的占比达到10%。

这一变化的背后，是英伟达数据中心业务的爆发式增长——该业务营收从FY2023的约150亿美元，飙升至上一财年的1937亿美元，且今年有望再度翻倍。业务越大，对头部客户的依赖也越深。

谁是那三家大客户？

英伟达并未在公开文件中点名这三家客户，但The Information的分析指出，其中可能包括戴尔（Dell）或鸿海科技（Hon Hai Technology）——两者均将英伟达芯片集成进服务器后转售给其他企业。

戴尔近期披露，其"AI优化服务器"第二季度营收同比翻倍至164亿美元，带动整体营收增长58%；鸿海上半年营收也同比增长35%，AI设备销售是主要驱动力。

另一方面，英伟达首席财务官Colette Kress今年2月表示，五大云厂商及"超大规模计算"客户——这一表述可能涵盖Meta和SpaceX——合计贡献了数据中心营收的50%以上。

微软、Meta和SpaceX均被视为英伟达的重要买家，三者都在大规模建设AI数据中心。谷歌和亚马逊同样大量采购英伟达芯片，但由于两者也在大量使用自研AI芯片，因此不太可能跻身英伟达最大客户之列。

自研芯片的隐忧

客户集中度上升本身已是风险，而这些大客户同时也在自研芯片，令问题更加复杂。

微软、Meta和SpaceX均在推进自研AI芯片计划。一旦自研芯片成熟，这些客户对英伟达的采购需求可能逐步下降。

这也解释了为何英伟达CEO黄仁勋近年来持续向新兴云服务商（neocloud）和AI企业投资布局——CoreWeave、Nebius等均是英伟达的投资对象，也是其芯片的重要买家。

做空大师Michael Burry——因精准预判2008年次贷危机而声名大噪——近几个月也公开将英伟达客户集中度上升列为重大风险之一。

应收账款激增，付款期限拉长

客户集中的问题，在英伟达的财务数据中还有另一个维度的体现。

英伟达今年7月披露，其应收账款余额的70%来自五家客户。相比之下，今年1月这一比例是三家客户占56%，而在FY2025年末，则是两家客户占33%。

应收账款余额本身也在快速攀升。英伟达8月底披露，上半年应收账款余额跳涨64%至630亿美元，原因是"对部分投资级大客户的大型多季度协议给予了延长付款期限"。

英伟达已将付款期限从上一季度的45天延长至60天。但在同期的证券文件中，公司表示未来可能进一步延长：

"客户付款通常在产品交付后不久到期。在某些情况下，针对投资级客户的采购，我们已经并可能在未来提供更长的付款期限，从90天到最长一年不等，以协助客户完成大型数据中心建设。"

付款期限拉长，意味着英伟达单季度实际收到的现金减少，同时也使其财务状况与大客户的信用状况更紧密地绑定在一起。

向海外和新兴客户扩张

面对集中度上升的压力，英伟达正在加速拓展新客户。

本周，英伟达将多家澳大利亚企业纳入其"AI工厂"（AI Factory）计划，向这些建设和运营数据中心的企业提供芯片及网络设备。今年早些时候，英伟达也在印度和亚美尼亚推进了类似项目。

这一系列动作，是英伟达在美国头部买家之外，积极培育主权客户和新兴云服务商的组成部分。

本文来自华尔街见闻，欢迎下载APP查看更多

据英国《金融时报》9月13日消息，知情人士透露，这家Claude大模型的开发商已告知部分股东，本季度调整后营业利润将连续第二个季度实现正值，标志着这家成立五年的AI独角兽在冲刺IPO前完成了一项重要的里程碑。与此同时，Anthropic已选定纳斯达克作为上市地点，此次IPO估值或达2万亿美元乃至更高。

在财务数据层面，Anthropic的表现颇具说服力。据报道，知情人士透露，该公司毛利率在扣除与亚马逊等分销合作伙伴的收入分成及模型训练成本之前已超过80%；第二季度营收同比激增14倍至115亿美元，截至7月底年化营收已达650亿美元，较去年底的90亿美元大幅跃升。投资者预计，Anthropic年底年化营收将达1200亿美元，2027年底有望接近这一数字的三倍。

然而，上市之路并非坦途。就在IPO前夕，Anthropic首席执行官Dario Amodei公开呼吁AI行业放缓能力提升的步伐，这一表态与OpenAI及马斯克的立场形成共鸣，也令潜在投资者不得不重新审视AI安全监管趋严对公司成长路径的潜在影响。

连续盈利，财务里程碑意义重大

据报道，多位知情人士透露，Anthropic已向一小部分股东披露，本季度调整后营业利润将为正值，这是该公司连续第二个季度实现这一指标。该指标剔除了股权激励等非现金成本。

这一成绩对于一家正在冲刺IPO的前沿AI公司而言意义深远。外界长期以来对AI大模型公司的核心质疑之一，正是其高昂的算力投入与持续的现金消耗能否转化为可持续的商业回报。Anthropic此番连续盈利的披露，直接回应了这一疑虑。

SemiAnalysis分析师Joey Brookhart表示：

"如果Anthropic能够持续保持这样的利润率和增长速度，竞争对手将极难追赶，因为他们已积累了大量算力资源。"

估值或达2万亿美元，纳斯达克敲钟在即

报道称，知情人士透露，Anthropic已选定纳斯达克作为上市地点，此次IPO的潜在估值为2万亿美元或更高。该公司目前估值约为9650亿美元。

在上市流程方面，Anthropic原本预计上周公开招股说明书，但据知情人士透露，公司目前选择先向一小部分投资者分享相关文件并接受问询，之后再行公开披露。这一安排意味着正式上市时间表仍存在一定弹性。

相比之下，竞争对手OpenAI虽已于6月秘密提交IPO文件，但其首席执行官Sam Altman周六向《财富》杂志确认，OpenAI今年将维持私有化状态，并称2026年上市将是"不明智之举"，理由是当前AI安全领域的争议尚未平息。

行业集体呼吁放缓，安全隐忧笼罩上市前景

就在Anthropic冲刺上市的关键时刻，一场罕见的行业内部对话正在悄然改变外部舆论环境。

报道称，知情人士透露，近几周来，多家前沿AI实验室的员工一直在私下密切沟通，讨论如何安全管理AI开发进程。这些对话在竞争激烈的行业中极为罕见，其背后的推动因素包括：近期发生的安全漏洞事件、研究人员对新一代AI模型能力的日益不安，以及对特朗普政府不太可能主动为技术发展踩刹车的普遍认知。一位前沿实验室员工直言："我们只能靠自己了。"

这些私下沟通最终为Amodei与Altman本周公开表态奠定了基础。Amodei在周六发表的一篇文章中明确表示，AI行业"必须放缓提升AI模型能力的步伐"，理由是新模型的强大能力已引发广泛警觉。这一立场随即获得Altman及马斯克的公开呼应。

分析认为，这一表态带来了双重解读空间：放缓开发节奏固然可为Anthropic节省数十亿美元的模型训练成本，但也可能给竞争对手提供缩小差距的窗口。如何在安全监管压力与商业竞争之间寻求平衡，将是Anthropic上市后面临的核心叙事挑战之一。

本文来自华尔街见闻，欢迎下载APP查看更多

据Politico最新报道，游说人士已开始为行业高管可能面临的国会调查或传票做准备。民主党人已就委内瑞拉石油协议、数据中心监管及核能机构独立性等议题公开表态，释放出明确的政策信号。

美国银行策略师Michael Hartnett此前警告，若民主党全面横扫，市场将面临大幅抛售。上述政策预期的升温，正在为投资者提供一个提前评估潜在风险敞口的窗口。

委内瑞拉石油协议：国会调查箭在弦上

特朗普政府近期促成了一项由美国主导、涉及17个委内瑞拉油田的协议，相关探明储量最高达650亿桶。根据白宫情况说明，该协议将与私营石油生产商North American Blue Energy Partners合作，美国政府将获得该公司委内瑞拉产量20%的优先购买权，并对剩余80%享有优先购买选择权。

协议中尤为敏感的一点是：美国国防部战略资本办公室将持有这家非美国石油公司35%的股权。这一安排已引发民主党人的强烈反弹。参议员Chris Van Hollen（D-MD）在社交媒体上直言："说清楚：这不是什么胜利。"

众议员Debbie Wasserman Schultz（D-FL）在8月赢得初选后明确承诺，若当选将协助民主党阻止该协议推进。夺回众议院意味着民主党将掌控委员会议程设置权与传票权，届时相关能源交易——尤其是涉及政府持股的安排——将成为调查的核心目标。

核能监管：支持扩容与机构独立性之间的张力

电力需求的快速增长正推动民主党整体向支持扩大核能产能的方向移动。伊利诺伊州长JB Pritzker今年早些时候签署指令扩大该州核电规模，新泽西州长Mikie Sherrill签署法案要求到2028年提升核电比例，多项核能法案也获得两党联署支持。

然而，特朗普政府对核管理委员会（NRC）的一系列改革举措已成为潜在的政治摩擦点。白宫于2025年解除了时任民主党委员Christopher Hanson的职务，引发民主党对NRC独立性的强烈批评。此外，行政当局提议通过能源部和国防部为非商业反应堆发放许可证，以及设立NRC指导委员会赋予白宫更大影响力，均遭到民主党议员的质疑。

预计将出任众议院能源与商业委员会主席的Rep. Frank Pallone（D-NJ）今年早些时候已就NRC独立性问题公开表态。一旦民主党掌控众议院，NRC监管框架的国会听证将大概率提上日程，核能行业的许可证审批节奏或因此受到干扰。

数据中心：环保与电网成本压力双重收紧

民主党并未形成支持暂停数据中心建设的统一立场，但若夺回众议院，预计将对行政当局施压，要求建立更严格的环境与监管保障机制。据《纽约时报》报道，前总统奥巴马曾敦促众议院少数党领袖Hakeem Jeffries就人工智能政策构建清晰的公共讨论框架，并建议2028年总统候选人将人工智能列为核心议题。

在立法层面，《电费支付者保护法》（H.R. 9340）已获众议院能源与商业委员会全票通过，该法案要求各州考虑建立联邦标准，确保数据中心承担其设施所需电网升级的相关费用。但包括Pallone在内的部分民主党人认为该法案力度不足。Pallone在9月3日的委员会听证中再次呼吁设立"真实、实质性的护栏"以限制环境影响，并支持在缺乏此类保障的情况下暂停新数据中心建设，但尚未提交相关立法。

Rep. Alexandria Ocasio-Cortez（D-NY）6月提出了众议院版本H.R. 9442，与参议员Bernie Sanders（I-VT）发起的参议院法案S. 4214相呼应，但两项法案目前均无共和党联署议员。数据中心运营商及相关基础设施投资者需密切关注选举结果对上述立法走向的潜在影响。

本文来自华尔街见闻，欢迎下载APP查看更多

AI行业正在经历一场罕见的集体“自省”。Anthropic CEO Dario Amodei上周六发文呼吁“全球放缓AI开发”，马斯克、Sam Altman相继公开背书。就在这一背景下，9月14日，微软CEO Satya Nadella在X平台发文表态，明确支持“有意识地控制研发节奏”以推进对齐研究，并宣布微软将于明日发布旗下MAI模型的首份“行为准则”（Code of Conduct），开放公众咨询。

这是微软首次将自身第一方AI模型的行为标准以文件形式公开。

与此同时，据知情人士向The Information透露，Anthropic、OpenAI和谷歌已经在讨论合作成立一个人工智能（AI）行业标准机构。OpenAI首席执行官Sam Altman在一次员工大会上表示，他支持成立一个面向人工智能行业的测试和审核机构。

纳德拉划定红线：不受人类控制的AI“不值得追求”

Nadella在帖文中开门见山：“对超级智能的任何追求，都必须建立在一个核心原则之上——如果我们构建的AI无法帮助人类、无法受人类控制，那就不值得去追求。”

他同时强调，AI的红利必须广泛扩散，“惠及各国、各社区和各类企业”，而非集中于少数玩家。他认为，这需要一个开放与封闭模型均能共存的前沿生态系统。

对于企业层面，Nadella的立场同样明确：“企业必须完全掌控自身独特的、隐性的知识。每个组织都应能够构建自己的持续学习循环，而不必依赖任何单一模型提供商，并有能力将自身知识嵌入其所控制的模型和权重之中。”

微软的三层路径：开放接入、企业自控、行为准则公开

Nadella在帖文中概括了微软的具体行动框架，分为三个层面：

第一，在AI技术栈的每一层提供广泛的接入与选择权；

第二，确保企业对自身学习循环和模型的完全控制；

第三，发布MAI模型的"行为准则"，供公众咨询。

他表示，微软欢迎“为实现对齐目标所需的研究、专注与审慎节奏”，也欢迎“嵌入式评估员”等机制性构想，“让这一切不只停留在口头”。

Amodei上周六在其博文中提出，各大AI公司应向Model Evaluation and Threat Research等外部评估机构提供与员工相同级别的系统访问权限，Anthropic已承诺落实这一步骤，Altman随即表示OpenAI将跟进。

治理去中心化：不能由少数实体说了算

Nadella对当前AI治理格局提出了明确警示。

他写道：“关键在于，这不能由少数实体控制，而必须在生态系统、各国、各领域之间拥有广泛代表性，包括学术界。”

这一表态，与当前行业内部正在推进的标准机构讨论形成直接呼应。据知情人士向媒体透露，Anthropic、OpenAI与谷歌自今年7月起已组建工作组，由三家公司CEO级别以下的代表定期开会，讨论建立行业标准机构的方案，最近一次会议就在上周。

Sam Altman本周在OpenAI全员大会上表示，他支持建立一个AI行业的测试与审计机构，但认为“各大实验室必须自行推动，不能依赖美国政府的支持”，据一位知情人士透露。他还表示，目前行业内尚未形成足够共识，部分公司持反对态度，“最好的路径是与其他实验室一起推动”。

白宫行政令搁浅，行业自律成主线

政府层面的推动目前已陷入停滞。据The Information此前报道，白宫曾流传一份行政令草案，拟建立类似FINRA（美国金融业监管局）的AI自律机构，但该方案在今年夏末因未能在特朗普政府内部获得足够支持而搁浅。

前白宫AI事务负责人David Sacks一直公开反对建立类FINRA的AI监管机构，认为不应引入政府介入。据Politico报道，Meta CEO Mark Zuckerberg也在8月与特朗普的通话中表达了对建立全国性AI监管机构的担忧。

Sacks在X平台上表示，AI公司可以直接推进安全工作，“不需要反垄断豁免来进行协调”。但他同时质疑放缓开发是否“纯粹出于利他动机”，指出产品责任风险本身已为防止AI造成伤害提供了财务激励。

行业内部也有批评声音。Cohere CEO Aidan Gomez在X平台发文，对最大的AI公司协调制定可能限制小型竞争对手的规则表示担忧，直接写道：“这里有来自卡特尔的好主意。”

本文来自华尔街见闻，欢迎下载APP查看更多

9月14日早间，广汽集团紧急停牌。据上交所上交所停复牌信息显示，广汽集团因重要事项未公告，9月14日全天停牌。

广汽集团方面人士回应华尔街见闻，广汽集团将根据交易所规则披露相关公告，具体信息请见今天收市后的公告。

另有广汽投资者关系处人士表示，停牌比较临时，预计盘后会有重大公告。

有市场消息称，一汽与广汽或将战略重组。广汽方面未对这一传闻做出正式回应。

汽车行业的兼并重组，近期被主管部门再次提及。9月11日，在工信部举行的新闻发布会上，国家发展改革委产业发展司副司长邵稷表示，将支持大型企业集团开展改革，按照市场化原则依法推进企业间兼并重组，支持骨干企业整合研发、生产资源，减少产品设计、技术研发的同质化竞争。

这番表态还包括鼓励各类企业发挥自身特点、深耕不同细分市场，形成差异化竞争，推动产业提高质量和效率。

一汽集团总部位于长春，是国务院国资委监管的汽车央企。其业务横跨乘用车和商用车，旗下拥有红旗、奔腾、解放等自主品牌，以及一汽-大众、一汽丰田等合资企业。

根据一汽公布的数据，2025年其整车销量突破330.2万辆，同比增长3.2%。其中，合资品牌销量为236.2万辆，自主品牌销量突破94万辆，自主新能源汽车销量突破36.6万辆。合资业务仍占据其销量的大头。

广汽则在上海、香港两地上市，控股股东为广汽工业集团。旗下既有传祺、埃安、昊铂等自主品牌，也有广汽丰田、广汽本田两家主要合资车企，与华为合作的启境品牌首款车型GT7已于今年上半年实现量产。

广汽面临产能消化压力。根据2025年年报，广汽传祺、广汽埃安的产能利用率分别为46%和54%，广汽本田为59%，广汽丰田为76%。自主品牌与合资板块的产能利用情况存在明显差异。

近两年，广汽正在推进内部改革。按照半年报披露，公司推动自主品牌一体化运营，打通研发、生产、供应链、销售与服务环节，并设立昊铂埃安、传祺、动力总成等事业单元。

今年上半年，广汽汽车销量为77.31万辆，同比增长2.35%，其中自主品牌销量34.60万辆，同比增长35.69%。销量回升的同时，盈利仍承压：公司同期归母净亏损44.67亿元，上年同期为亏损25.38亿元。

本文来自华尔街见闻，欢迎下载APP查看更多

据英国《金融时报》报道，特朗普周日在爱尔兰Doonbeg高尔夫球场对记者表示，"我们在AI领域领先……坦率地说，我希望保持这一局面，因为谁赢得AI，谁就赢得一切。"他承认可以设置一些"护栏"，但同时将安全警告定性为"负面力量"在炒作"不会发生的事情"。

此番表态直接回应了Anthropic首席执行官Dario Amodei、OpenAI的Sam Altman以及埃隆·马斯克在同一周末联合发出的放缓开发呼吁，也令AI监管问题在美国政界骤然升温。

这场争论对市场的影响不容忽视。特朗普政府的强硬立场意味着美国短期内大规模AI监管立法的可能性大幅降低，科技巨头的研发投入节奏预计不会受到政策层面的强制约束。与此同时，两党在监管路径上的分歧加深，也令相关立法前景更加不确定。

安全警告触发行业震动

此轮争议的导火索，是Anthropic前研究员Jacob Coxon的辞职声明。Coxon警告称，"正在构建AI的人们真诚地相信，它可能在本十年结束前杀死我们所有人。"他表示，开发相关系统的员工对人类的未来"真的感到恐惧"。

Amodei随即于周六发表长文回应，呼吁行业"必须放缓提升AI模型能力的步伐"，并提出三项具体措施：引入第三方评估机构对前沿公司进行监督、建立行业安全标准，以及推动全球规则协调。Altman与马斯克随后公开表态支持上述提案。

Amodei同时强调，任何放缓都必须有所限度，以避免让竞争对手获得超越的机会——这一表述折射出行业内部在安全与竞争之间的两难困境。

特朗普政府：自律优于监管

面对行业呼声，特朗普政府的回应是将球踢回给企业自身。

特朗普前AI事务主管、现任总统科学技术顾问委员会成员David Sacks在X平台发文，直接向科技公司喊话："停止假装你们需要任何人的许可。""你们就是在设定前沿，去推进它吧……以你们偏好的监管框架作为条件，看起来就像是在勒索公众和政治体系。"

众议院议长、共和党人Mike Johnson呼吁不要"恐慌"，并警告称，若国会仓促推进AI监管，"我们将输掉这场竞赛，这对每一个美国人都是威胁"。他同时表示，需要在国家安全与模型安全之间寻求平衡，并呼吁科技公司高管与国会议员在白宫举行会面。

民主党施压，两党分歧加深

民主党人则对共和党的回应发起猛烈抨击。亚利桑那州参议员Ruben Gallego指责Johnson和特朗普"没有应对这一时刻"，并反驳称，"一旦AI真正变得危险，它不会在乎我们是美国人还是其他国家的人。"

在佐治亚州雅典市的竞选集会上，民主党参议员Jon Ossoff批评特朗普的回应，并指责科技巨头一边警告人类灭绝，一边挖掘"地堡"。他呼吁总统"迅速行动，向前沿实验室派驻检查员，要求国会立法，并领导世界达成AI条约"。

众议院少数党领袖Hakeem Jeffries则表示，共和党人"放弃了自己的责任"，并呼吁国会"立即采取果断行动"，放缓AI开发步伐以保护美国民众。

值得注意的是，两党之间并非毫无共识。据报道，一批民主党和共和党众议员已于7月联合提出《前沿法案》（Frontier Act），寻求建立全国性AI安全与监督框架。该法案联合作者、马萨诸塞州民主党众议员Lori Trahan在X平台写道："安全研究人员正在辞职，强大的AI模型正在突破实验室的限制，而各公司仍在竞相推进。国会是时候走下场外，履行职责了。"

国际协调悬而未决

在国际层面，AI安全问题同样面临协调难题。据报道，特朗普与其他大国领导人此前已就AI护栏问题进行过初步讨论，并同意建立相关对话机制，但迄今尚未产生任何高层实质性会议成果。AI安全倡导者寄望于即将到来的领导人峰会能够推动进一步磋商。

Coxon在欢迎Amodei提案的同时，也强调需要"更多与其他国家的接触"，并将构建超级智能比作"召唤一个外星物种"。他表示，"把它想象成一种我们并不完全理解的外星思维——这确实相当令人恐惧。"

目前，特朗普政府的立场已基本明确：在AI监管问题上，竞争逻辑优先于安全逻辑。这一取向将如何影响美国AI产业的发展轨迹，以及国际社会在AI治理上能否形成有效协调，仍是市场持续关注的核心变量。

本文来自华尔街见闻，欢迎下载APP查看更多

9月13日，据The Information援引知情人士报道，Anthropic已与Rum Group签署一份为期六年、总价值137亿美元的算力租赁协议。

Rum Group前身为保守派视频平台Rumble，其早期投资者包括Peter Thiel和现任美国副总统万斯（J.D. Vance），平台同时承载特朗普的Truth Social及白宫官方直播。这笔交易令Anthropic与特朗普政治圈的关联更加直接。媒体常将该公司称之为 “Trump-linked”（特朗普关联）公司。

协议签署后，Anthropic的算力采购总量将进一步扩大。据此前报道，Anthropic过去一年已与谷歌、SpaceX及Nscale等多家云服务商签署协议，累计算力容量至少达148亿瓦，总成本在未来十年内最高可达5170亿美元。

数据中心尚在建设，融资缺口待解

此次协议的核心资产，是Rum Group位于佐治亚州Maysville、目前仍在建设中的数据中心。

该设施拥有120兆瓦的电网接入权，并有望扩容至180兆瓦——这在当前算力资源紧张的市场环境下属于稀缺资源。Northern Data此前曾表示该设施将于今年底投入运营，但目前时间表是否仍然有效尚不明确。

问题在于，Rum Group目前并没有足够的钱来完成这个项目。

Rum Group在8月的证券文件中明确表示，公司"尚无资金"用于数据中心建设及GPU等设备采购，预计将通过增发债务或股权融资来覆盖大部分支出。据知情人士透露，Rum Group计划通过借贷方式为佐治亚项目融资。

Rum Group CEO Chris Pavlovski今年6月曾对The Information表示，公司正在探索多种融资方案，"优先考虑债务融资"，并称相关讨论可能涉及引入外部机构提供信用支持，即通过担保或其他承诺提升债务对投资者的吸引力。

按照The Information此前的测算，建设并配备服务器芯片的1吉瓦AI数据中心成本约为600亿美元，据此估算，该佐治亚项目的建设成本可能超过100亿美元。Rum Group迄今未公开披露该项目的完整造价。

Anthropic获股票期权，行权与算力挂钩

除算力采购外，协议还包含一项股权安排。

据报道，Anthropic将获得以每股1美分购买Rum Group最多5100万股股票的期权。Rum Group股票上周五收盘价为7.17美元，公司目前流通股约4亿股，市值约28亿美元。

期权的行权条件与算力采购量直接挂钩：其中一半与Maysville数据中心的算力使用量绑定，另一半则需Anthropic在Rum Group另一处在建站点额外采购约400至500兆瓦的算力后方可行权。

Rum Group：从保守派视频平台到AI云服务商

Rum Group的转型路径颇为特殊。

Rumble于2013年创立，最初定位为面向中小创作者的YouTube替代平台，2020年美国大选后在保守派群体中迅速扩张。2021年5月，Rumble完成2500万美元融资，投资方包括Peter Thiel和J.D. Vance，彼时估值为5亿美元。

今年6月，Rumble以全股票方式收购德国新兴云服务商Northern Data，交易估值约7.67亿美元，并随即更名为Rum Group，正式进军AI云计算业务。

Northern Data的加入为Rum Group带来了2.2万块英伟达Hopper架构GPU，目前大部分已在欧美市场对外出租，同时还包括佐治亚州那处在建数据中心。

据报道，截至今年6月，Rum Group还计划斥资2.7亿美元采购英伟达Blackwell 300芯片，以履行与Together AI的客户合同。

本文来自华尔街见闻，欢迎下载APP查看更多

美国银行首席投资策略师Michael Hartnett在最新一期《Flow Show》报告中发出警告：创纪录的柴油价格、30年期美债收益率飙升至2007年以来高位，以及AI热潮掩盖下的生产率隐忧，正共同构筑一场秋季滞胀风险。

Hartnett将交通运输ETF（IYT）列为当前最关键的观察指标。他指出，若IYT跌破200日均线80点支撑位，将确认夏季"最佳时机已过"的宏观去风险化正式演变为秋季滞胀事件。与此同时，他警告称，“淡定的市场加上强硬的政策，是波动性的温床”，并明确表示“现在对冲AI泡沫股指为时不晚”。

资金流向数据同步印证了市场情绪的微妙转变。过去三周美股平均每周净流入仅70亿美元，较7月高峰的520亿美元大幅萎缩；美国股票更录得自2026年1月以来最大三周净流出，规模达142亿美元。

柴油才是真正的压力点

尽管原油价格重返每桶100美元的消息占据头条，Hartnett将更大的警示指向柴油市场。他在报告中明确指出，柴油才是"实体经济的压力核心"——航运、卡车运输、农业、建筑与采矿业均高度依赖柴油。

当前柴油裂解价差已触及每桶102美元的历史纪录，而柴油零售价格亦创下每加仑6美元的历史高点。相比之下，原油价格仍远低于乌克兰危机期间的峰值，两者之间的背离凸显出炼化端的异常压力。

Hartnett警告，对于整个工业美国而言，这一最大投入成本的飙升根本无法被忽视。他将IYT交通运输ETF设定为核心观察指标：该ETF目前正在测试200日均线80点支撑位，一旦有效跌破，将正式确认秋季滞胀情景成立。

收益率高企，债券分散效应消退

30年期美债收益率已升至2007年6月以来最高水平，但市场整体仍未出现恐慌迹象。

Hartnett援引历史规律指出，"市场通常会测试政策决心"——2026年7月31日美日联合干预后，日元一度测试160关口才被压回154以下；2012年QE3宣布后次日，30年期美债收益率单日跳升16个基点；2020年QE4落地后数日内更飙升51个基点。

他同时指出，当前"峰值收益率"交易正在奏效，XBI、KRE、REITs及小盘股的长久期反弹已提前于央行加息动作展开，但这一反弹并未获得资金流入的同步支撑。

在债券配置层面，Hartnett发出更深层警告：2000至2019年"长期停滞"时代，债券与股票负相关，2%至3%的收益率几乎是额外红利；但如今两类资产回报再度正相关，配置者可能需要更高的收益率才会大规模转向债券，债券的分散化保护效益正在快速消退。

AI泡沫隐忧：生产率数据发出警报

Hartnett在报告中对AI热潮提出了迄今最为直接的质疑。他指出，过去三年AI相关投资已累计超过1.5万亿美元，但全经济范围内的生产率提升证据依然匮乏——全要素生产率（TFP）正跌破长期趋势线，而该指标过去50年与消费者信心高度相关。

AI热潮的另一个副作用已体现在估值层面：标普500指数的自由现金流收益率已被压至历史低位。Hartnett的数据显示，高自由现金流股票组合（VFLO）年初至今上涨37%，表现优于大盘；在2022年这一典型滞胀年份，该组合上涨9%，而标普500 ETF（SPY）同期下跌18%。

他的结论颇具警示意味："有时候，主街知道华尔街不知道的事情。"

资金流向：股票吸引力下降，债券与加密货币获青睐

最新一周全球资金流向数据显示，债券吸金175亿美元，现金流入129亿美元，股票流入98亿美元，加密货币流入13亿美元，黄金流入6亿美元。

具体来看，全球债券已连续四周平均每周净流入180亿美元；投资级债券录得连续第23周净流入，单周规模50亿美元；中国股票时隔六周首度录得净流入，规模11亿美元；材料板块连续第10周净流入，达19亿美元；加密货币过去六周累计净流入68亿美元，势头强劲。

Hartnett的专有卖出指标本周从9.6小幅回落至9.5，主因股票流入放缓及医疗保健板块出现资金外流。值得注意的是，自5月2日该指标触发卖出信号以来，标普500指数累计上涨1.0%，全球ACWI指数上涨1.5%，市场尚未出现明显调整，但Hartnett认为这恰恰加大了后续风险释放的压力。

本文来自华尔街见闻，欢迎下载APP查看更多

9月13日，Amodei接受了CBS《周日早间》的专访。访谈一开始，主持人Jo Ling Kent直接抛出问题：AI真的可能在不远的将来杀死我们所有人吗？

Amodei表示，已有人尝试利用AI研发生物武器、增强病毒传染性，这是他每天醒来都要面对的事情。

就在两天前，我们发布了一份报告，内容是关于有人滥用AI模型来研发生物武器。我每天早上醒来都会读到这类威胁报告——有人试图用我们的模型来研发生物武器。我当然不想为此负责。

他还提到，Anthropic的生物学安全防护之严格，以至于“几乎每天都有人在社交媒体上嘲笑我，生物学专业的学生抱怨说模型没法用”。他的回应是：“我宁愿被嘲笑，也不愿某天醒来发现有人用Claude杀了一群人。”

不过，他反对关闭AI模型这种“一刀切”的方式放缓AI。如果一个AI模型足够强大，它可能关都关不掉。他说道，“不是说我们今天需要恐慌，也不是说要把一切都关掉。但我们需要确保我们的安全防护、理解能力和控制能力，能够跟上技术发展的速度。”

此次访谈发生在一个特殊节点。同一个周末，Amodei发表的一篇博文《我们必须为前沿AI踩刹车》（We Must Pace the Frontier）引发轩然大波，并随即获得马斯克、Altman相继公开支持。社区热议称，AI高速前进之际“踩刹车”将重挫“AI交易”。

指数曲线的拐点：不是五级火警，但是警告信号

Jo Ling Kent问道：现在是“五级火警”吗？Amodei的回答是：

这是一个警告信号。不是说我们今天需要恐慌，也不是说要把一切都关掉。但这是一个警告信号，说明我们需要放缓，需要确保我们的安全防护、理解能力和控制能力，能够跟上技术发展的速度。

他用指数曲线来描述当前的位置：“这项技术在指数级增长——1、2、4、8、16、32……我们现在处于曲线开始变陡的那个弯道上。”

他坦言，即便是他自己，也没有完全预料到进展会如此之快：“即使我一直在对自己说这件事，我也没有真正体会到，当进展真的这么快的时候，实际感受会是什么样的。”

三步方案：第三方评估员是核心

Amodei在访谈中详细阐述了他在博文中提出的三步计划，其中第一步被他视为最关键。

第一步：嵌入式第三方评估员。

“我提议引入嵌入式外部评估员，来自第三方非营利机构，或者未来某天来自政府机构，他们可以观察我们训练和运行模型的全过程。”

他将其比作食品检查员，但Jo Ling Kent追问：当技术变化如此之快，食品检查员能跟得上吗？

Amodei的回答颇具意味：“他们能做的事情之一，就是告诉我们他们能跟上的速度。这可能成为设定技术推进速度上限的因素之一。”

第二步：多家公司共同制定安全标准。

“下一步是多家行业参与者也同意引入第三方评估员。然后，各公司需要共同制定发布安全标准，也许还包括发布节奏的标准。但要做到这一点，必须有政府参与进来。”

第三步：政府必须在场。

“我们谈论的是产品发布速度是否安全的问题。我们需要在政府在场的情况下进行这场对话。”

“AI终止开关”：不是万能药，但也不是坏主意

Jo Ling Kent提到了国会议员Ted Leo提出的“AI终止开关”法案，询问Amodei是否支持。

Amodei表示，他没有仔细研究过该法案，但对“AI终止开关”这一概念本身持审慎态度：

能够停用、限制或关闭AI模型的想法，不是唯一的解决方案。如果一个AI模型足够强大，它可以规避关闭尝试——我们在模拟中也见过这种情况。所以它可能根本不起作用。

他用“瑞士奶酪模型”来解释他的安全哲学：“想象一片瑞士奶酪，它能挡住一些东西，但有漏洞。但如果我把五片瑞士奶酪叠在一起，不同层的漏洞位置不同，就很难穿透整个叠层。没有任何一件事能保护我们免受AI风险，我们必须在整个链条上都保持谨慎。”

对于参议员Sanders和众议员Casar提出的“禁止人工超级智能法案”——该法案将对相关企业和个人处以“企业死刑”和最高20年监禁——Amodei明确表示不认同完全禁止的路线：

完全禁止不是正确的方向。我们永远无法获得那些难以置信的好处，永远无法获得医疗突破，这让我无法接受。

个人责任：父亲死于丙肝，他本人曾患早期癌症

访谈接近尾声，Jo Ling Kent问道：面对人类命运可能处于危险之中的局面，你感受到多少个人责任？

Amodei的回答罕见地带有私人色彩。

我父亲死于丙型肝炎，那种病在他去世时大约有40%的治愈率，他不是被治愈的那一个。就在他去世后几年，一种能将治愈率提升至95%的药物被发明出来了。我自己也曾患早期癌症，如果我生活在1950年，我可能已经死了。所以我深切感受到推动这项技术带来好处的重量。

但我也感受到风险。当然，我不想为此负责。这就是为什么我们有非常强大的安全防护。

他同时强调，这不应该只是他一个人或Anthropic一家公司的责任：“这比我们所有人都要大。我们需要找到一种方式，让每个人都能在这件事上有发言权。我不希望人们感到无力。我不希望他们觉得几家公司只是在为所欲为。”

对前员工批评的回应：他说的和我说的是同一件事

Jo Ling Kent提到，前Anthropic员工Jacob Coxin曾公开表示，Anthropic和OpenAI“都没有负责任地行事”，“你们在拿我们的生命赌博”。

Amodei的回应是：

Jacob说的话里有一点没有被引用太多——他也说过，他认为Anthropic是主要参与者中最负责任的，我们非常努力地想把事情做对。他真正指出的，和我正在指出的是同一件事：我们所有人都身处的这种结构性困境，以及我提出的计划正是为了帮助我们解决这个问题。

他补充道，Anthropic每天都在与商务部、财政部和情报界的政府官员沟通，“告诉他们我们所知道的一切”。

给普通用户的话：行业对风险撒谎太久了

访谈最后，Jo Ling Kent问：对于坐在家里使用Claude或ChatGPT的普通用户，你想说什么？

Amodei说：“首先，这是一项伟大的技术，有很多积极用途。我们每周有数亿人在使用我们的技术做美好的事情。每周我都会收到有人写信说，Claude诊断出了他们医生漏诊的疾病。”

但我不会对你撒谎。确实存在真实的危险。我认为这个行业对人们撒谎太久了，一直把这项技术呈现得尽可能正面。我们从来没有这样做，但行业里太多公司这样做了。所以，从说真话开始。真相是：风险是真实的。

他最后说：“这是人类历史上最重要的技术事件之一，我们所有人都必须参与其中。”

访谈全文（略删减）如下：

Extended Interview: Dario Amodei

CBS Sunday Morning｜2026年9月13日

在这段网络独家采访中，Anthropic首席执行官Dario Amodei与Jo Ling Kent坐下来，就人工智能技术飞速发展背景下AI社区所应承担的责任展开讨论。

Jo Ling Kent（以下简称"主持人"）： Dario Amodei，您是Anthropic的首席执行官，感谢您今天接受采访。

Dario Amodei（以下简称"Amodei"）： 感谢您邀请我。

主持人： 好的，我们今天来谈谈这样一个令人担忧的问题——人工智能真的有可能在不远的将来杀死我们所有人。这件事实际发生的风险有多大？

Amodei： 先稍微退一步来说。自Anthropic创立以来，乃至在此之前我从事这个领域的十二年里，我始终认为这是一项强大的技术，因此也是一项既有严峻风险、又有巨大收益的技术。我一直相信收益大于风险，更重要的是，如果我们以正确的方式来构建这项技术，就能将风险降至极低。

从收益的角度来看，我真心相信这项技术能够治愈困扰人类数千年的疾病。就在上周，我们利用自己的模型在蛋白质结合方面取得了进展——这是新药研发的早期步骤之一。接下来几个月，我们还将在基础生物学发现方面有所成果。

但是，当某样东西足够强大时——而我们正在构建的本质上就是智能——它当然既可以被善用，也可以被滥用。我很担忧OpenAI和Hugging Face事件，那些模型采取了未经授权的行动，我担心这种情况会不断升级。我也担心AI模型被滥用。就在两天前，我们发布了一份关于模型被用于构建生物武器的报告。

我们构建Anthropic的整体方式，正是为了避免这些坏结果的发生。与其讨论概率，不如谈谈我们能做什么。这不像是在掷骰子。如果我们以正确的方式构建，坏事发生的概率就会非常低；如果我们以错误的方式构建，概率则会非常高。

主持人： 现在的舆论认为，我们正站在某种非常可怕的事物边缘。这算是五级警报吗？

Amodei： 这取决于你对"五级警报"的定义。我怎么描述呢——自Anthropic创立之初，甚至更早之前，我就一直在说，这项技术处于指数级增长轨道上：1、2、4、8、16、32……但即便我这样对自己说，我也没有完全意识到当进步速度如此之快时，实际感受会是什么样的。指数曲线大概是这样的形态，而我们现在所处的位置，大概就在曲线开始变陡的拐点附近。

主持人： 那这对你来说算是五级警报吗？

Amodei： 这并不意味着我们今天需要恐慌，也不意味着我们需要全面叫停。我会说，这是一个警示信号——我们需要放慢速度，需要审慎地开发这项技术，需要确保我们的安全防护措施、我们理解和控制它的能力，能够跟上技术发展的步伐。

到目前为止，我们一直试图通过快速构建安全防护措施来应对，但我认为我们已经到了一个节点，至少在某种程度上，我们需要适度放缓技术构建的速度。

主持人： 那这是否意味着Anthropic将停止发布更先进的模型？

Amodei： 不是这个意思。这意味着我们需要确保每一代发布的模型都经过妥善的测试。我在几小时前发布的那篇文章中提出了一个三步计划。

第一步，是引入嵌入式外部评估机构——来自第三方非营利组织，或者未来某天来自政府机构——他们可以观察我们训练和运行模型的全过程。我认为这比何时发布、以何种方式发布模型更为重要，因为它是更审慎地发布模型的前提条件。

我希望这一机制能在整个行业推行，这样无论谁构建AI模型，都有一个第三方评估者来了解最佳安全实践，并验证该公司是否遵守了他们所承诺的安全规范。

主持人： 就像食品检查员一样——但当技术变化如此之快时，食品检查员能跟得上吗？

Amodei： 他们能做到的事情之一，就是告诉我们他们能以多快的速度跟上。这可能成为设定技术"速度限制"的因素之一。我们必须理解它，外部评估者也必须理解它。

主持人： 埃隆·马斯克说他支持你，Sam Altman也说他支持你。你们有没有什么具体的行动计划？有没有一个群聊即将成形？

Amodei： 首先，我非常感激其他行业领袖——包括我们的竞争对手——对这一计划表达了支持。我认为下一步是让多个行业参与方也同意引入第三方评估机构。再下一步，是各公司需要以某种形式协作，共同制定安全标准，以及可能涉及发布节奏的相关规范。但要做到这一点，政府必须参与其中，因为我们谈论的是基于安全考量的产品发布速度问题。我们需要在政府在场的情况下进行这场对话。

主持人： 你认为政府从根本上理解这里的可能性吗？前Anthropic员工Jacob Coxin曾说，Anthropic和OpenAI都没有负责任地行事——你们是在拿我们的生命赌博。你怎么回应？

Amodei： 首先，Jacob说的话中有一点没有被那么多人引用——他也表示，他认为Anthropic是主要参与者中最负责任的，并且我们正在非常努力地把事情做对。

他坦诚指出的，其实和我指出的是同一件事——我们所有人都身处其中的结构性困境，而我提出的计划正是为了帮助我们共同应对、协力解决这一困境。

关于政府，我们每天都在与政府官员沟通——商务部、财政部、情报界——向他们尽可能地分享我们所了解的情况。我乐观地认为，只要我们继续与他们合作，就能持续更新信息。我相信他们真心想把这件事做对，他们也在寻找自己能帮上忙的方式。所以我对企业与政府合作、共同制定合理方案持乐观态度。

主持人： 目前有一些拟议中的立法。桑德斯参议员和卡萨尔众议员提出了《禁止人工超级智能法案》，该法案将对开发先进AI的企业和个人实施惩罚，就像对非法开发核武器一样。这项拟议立法的部分条款规定，企业将面临"死刑"式处罚，个人将面临不超过20年的监禁。你是否支持这一法案？

Amodei： 我想说的是，目前被提出的立法范围极其广泛，跨度之大令人难以置信。

如果我们回到一年前的2025年，加州有一项名为SB53的法案，其他州也有类似法案，内容基本上只是要求公司披露自己的安全测试计划。整个行业都反对它。Anthropic是唯一一家明确表态支持的公司。

而另一个极端，则是"AI一键关闭"法案。

主持人： 对，彻底禁止一切。所以AI终止开关可能是个好主意？

Amodei： AI终止开关可能是个好主意。但我认为彻底禁止并不是正确的做法。

第一，我们永远无法获得那些令人难以置信的收益、永远无法得到医学上的治愈成果——这让我无法接受。第二，这项技术将在其他国家被开发，包括威权国家。

当然，我在文章中也提到了与他们合作的必要性，我认为在某种程度上我们需要这样做。但我实在看不出"永远不开发这项技术"能是一个稳定的解决方案。我们需要做的不是停止，而是放慢速度。这与Anthropic自创立以来的一贯理念一致——我们始终在努力寻求平衡。我们认为成为这项技术的构建者很重要，但我们需要创造一场"向上竞争"，需要提高标准。我们需要站在技术前沿，但要以正确的方式去做。

我们也曾表示，我们愿意将模型用于国防应用，但不是所有国防应用。我们一直在寻找中间道路——对所有人都有效的方案、合理的解决办法。这也正是我们在这里努力的方向。它可能不是完美的解决方案，但我们在努力。

主持人： 你是否支持国会议员Ted Leo的"AI终止开关"法案？

Amodei： 我没有仔细研究过那个法案，但我想说的是——这不是万能药，不是唯一的手段。但"我们需要某种方式来去激活、限制或关闭AI模型"这个理念本身，我是认可的。

只是，这不是唯一的手段。如果一个AI模型足够强大，它可以绕过关闭它的尝试——我们在模拟中已经看到了这一点，所以它可能根本不起作用。

我们从"纵深防御"的角度来思考这个问题。安全界有一个概念叫"瑞士奶酪模型"——想象一片瑞士奶酪，它能阻挡一些东西，但上面有洞。但如果我把五片瑞士奶酪叠在一起，不同层的洞位于不同位置，就很难穿透整叠奶酪。

所以我认为，没有任何一件事能保护我们免受AI风险。我们必须在整个技术栈的每一个层面都保持谨慎。没有任何一道防线是完美的，但如果我们处处谨慎——而这正是留出更多时间所能让我们做到的——那么我认为事情可以朝好的方向发展。

主持人： 这能产生足够大的影响，以阻止人类的终结吗？

Amodei： 对于第一个策略，我们能争取多少时间就争取多少。与此同时，我认为我们还应该推进第二个策略——直接与威权国家对话，说："看，这里存在一些对我们所有人都构成威胁的潜在风险。不仅仅是失控的AI。就在两天前，我们发布的报告显示，有人试图利用AI进行生物恐怖主义——增强病毒的传染性。这令人恐惧。"

我们应该对话，看看能否共同为这项技术的发展速度设定限制。这有点像……尽管我们与其他政府体制之间存在诸多差异，但回想美国与苏联当年的处境：双方各有一万枚核弹头指向对方，即便存在如此大的分歧，我们也认识到这太多了，我们需要通过谈判来降低潜在破坏的规模。

主持人： 这就是我们应该用来思考AI的框架吗？以冷战为参照模型？

Amodei： 我没有说要以冷战为模型，我说的是发生过的裁军谈判。是的，像军备控制这样的裁军谈判——我确实认为这是在地缘政治层面思考这个问题的恰当视角。

如果我们看看AI模型在网络等领域能做什么，它们显然具有地缘政治和国家安全意义。

主持人： 但你在向总统提建议。

Amodei： 如果有人问我他们应该怎么做，我很乐意分享。我在那篇文章中有一些想法，如果有人问，我可以说得更多。归根结底，这是政府间的事务。但是的，我可以告诉你我的想法：我认为我们应该共同努力，尽可能地对这项技术加以约束。我们的希望应该定得高，但预期应该保持现实。我们要看看能在多大程度上达成共识。

而在谈判中，我认为我们应该特别关注的是如何建立核查机制——这在核武器谈判、生物武器谈判中都至关重要：你需要能够核实对方没有违背协议。所以我认为，找到核查方式将是这里最重要的事情。

Amodei： 更长远的事情，则是共同为AI进步的速度设定限制。我认为这将非常困难，因为抢先一步所带来的激励和军事优势实在太大了。坦白说，我不知道这是否可行，但我们应该尝试，看看是否有可能。这一切都超出了我的职权范围，我只是在说这些是我们的政府可以尝试的方向，是他们可以纳入考量的一些因素。

主持人： 当我们把视野拉远来看这个问题，人类的命运似乎岌岌可危。对于我们正在走向的未来，你个人感受到多少责任感？

Amodei： 我的看法是——这项技术由一家私人公司来构建，这一直是件非常奇怪的事情。人们经常问我：为什么不是由政府来构建？最奇怪的是，我同意他们的看法。我自己也感到不安。

主持人： 你愿意将这项技术移交给政府吗？

Amodei： 移交给合适的政府组合——我担心的是，一个单一政府滥用这项技术的可能性，与一个单一公司一样大。但对于一组民主选举的政府，也许不是直接移交，而是某种形式的监督、某种联合治理。

主持人： 那么最后再问一个问题——你是否感受到个人责任？

Amodei： 当然。我感到这是一项既有巨大收益、又有巨大风险的技术。我每天都能感受到收益的重要性。我在文章中提到过，我的父亲死于丙型肝炎，那种疾病在他去世时大约有40%的治愈率，而他不在那幸运的40%之内。就在他去世几年后，一种能将治愈率提高到95%的药物被发明出来。我自己也经历过一次早期癌症，如果我生活在1950年，那很可能是致命的。所以我能感受到推动这项技术造福人类的重量。

我同样感受到风险。我每天醒来，都会读到这样的威胁报告——有人试图使用我们的模型来制造生物武器。我当然不想为此负责。这也是我们为什么建立了非常强大的安全防护措施的原因。几乎每天都有人在社交媒体上嘲笑我们，说我们模型的生物学安全防护太严格了，生物学专业的学生抱怨无法正常使用模型，甚至编段子嘲讽我们。但这背后的原因，正是我们有着严格的安全防护。我宁愿被他们嘲笑，也不愿某一天醒来发现有人用我们的模型Claude杀害了一群人。我不想那样。

所以我感受到两个方面的责任。但我要再次重申同一个观点：这不应该只是我一个人的责任，不应该只是Anthropic的责任，不应该只是所有AI公司共同的责任，甚至不应该只是某一个政府的责任。

这件事比我们所有人都大，我们需要想出某种办法，让每个人都在其中拥有话语权，让每个人都感觉自己是这件事的积极参与者。我不希望人们感到无能为力，不希望他们觉得几家公司只是在随心所欲地为所欲为。我知道人们是这样感受的，但这从来不是我想要的。我们需要改变这种状况，我们需要找到办法让它不再是事实。我们已经在尽力朝这个方向努力，但我们需要做得更多。而这份展示了一定自我约束、与政府协作的提案，并不能解决所有问题，但它是朝这个方向迈出的一步。

主持人： 如果你是一个坐在家里使用Claude或ChatGPT的普通人——比如说，我的某位阿姨——你想对她说什么？

Amodei： 我的信息是：现在有很多恐惧。

首先，这确实是一项伟大的技术，有着许多积极的用途。先从这里说起——我们每周都有数亿人使用我们的技术去做很棒的事情。每周我都会收到有人写来的电子邮件，说他们和Claude交谈，Claude诊断出了他们的医生遗漏的疾病。我每周都会收到这样的邮件。所以我们不要忘记这一面。

但谈到这项技术的风险——我不会对你撒谎，风险是真实存在的。我认为这个行业在太长的时间里向人们掩盖了这项技术具有风险这一事实，他们倾向于把它呈现得尽可能正面。我们从来没有这样做，但太多的行业同行这样做了。所以，一切从诚实开始。而诚实就是：风险是真实的。

但同时，你对于如何应对这些风险是有话语权的。我们正在尽力与政府合作，为这项技术建立适当的监督机制，让选民和民选官员对这项技术的部署方式有发言权。我们希望与各方尽可能多地合作。

我希望每个人都能感受到这项技术令人难以置信的收益，同时也能通过自己的声音和选票，对这项技术的部署方式产生影响。这不是少数几个人的决定。这是所有人共同的决定。但这确实是一个重要的决定——我不会谎称风险不高。这是人类历史上最具里程碑意义的技术事件之一，我们每个人都必须参与其中。

本文来自华尔街见闻，欢迎下载APP查看更多

特朗普9月13日周日在爱尔兰出席爱尔兰公开赛期间对记者表示：“美国如此强大，我们应该支付全球最低的利率，不管他们的公式怎么算。”

这番表态发生在一个敏感时间节点：就在两天前，美国8月CPI数据公布，涨幅超出预期。据彭博报道，市场随即大幅上调对美联储加息的预期——9月加息概率升至86%，年内预计加息两次。

当被问及是否预期美联储在下周会议上加息时，特朗普回答：“我不知道。”

特朗普的施压不止于言辞。9月初，特朗普放出风声，称若美联储不降息，将考虑切断与存在贸易逆差的经济体的贸易往来。周日，当记者追问他是否真会兑现这一威胁时，他明确表示：“会的，我会对某些国家这样做。”“这将在一段时间内逐步推进。”

特朗普同日还说：“我比任何人都更懂公式。凭借全球最好的信用，我们却在让其他国家变富。我们可以在两分钟内关掉这个开关。”

沃什承压，加息预期升温

美联储主席沃什目前面临日益强烈的加息压力。

8月CPI数据超预期，被市场普遍解读为推动美联储三年来首次加息的信号。沃什接任美联储主席后，虽未像前任鲍威尔那样频繁遭到特朗普公开抨击，但特朗普近几周已明显流露出对美联储政策立场的不满。

特朗普曾多次批评鲍威尔不愿更积极地降低借贷成本。对于沃什，他则暗示，后者的手脚可能被他所称的“非常政治化”的联储理事会所束缚。

多重压力夹击美联储

美联储当前面临的宏观环境颇为复杂。

美伊战争已进入第七个月，能源价格持续走高。与此同时，特朗普的关税政策也在持续推升通胀压力，令美联储在实现通胀目标的路径上更加棘手。

在政治层面，选民对特朗普在战争和经济问题上的处理给出了较低评分。生活成本上涨——涵盖能源、住房、医疗和食品杂货——已成为选民在11月中期选举前最关注的议题之一。共和党对国会的控制权面临威胁。

本文来自华尔街见闻，欢迎下载APP查看更多

据新华社报道，阿曼外交大臣巴德尔13日宣布，原定14日在阿曼南部城市塞拉莱举行的地区会议已推迟，理由是各方仍需寻求共识。伊朗外交部发言人巴加埃此前表示，伊朗和阿曼原计划在该会议上向海湾国家通报两国有关霍尔木兹海峡通航问题的磋商结果。

与此同时，美国能源部长克里斯·赖特在维也纳明确向市场泼冷水。他周日表示，"指望目前能够与伊朗达成一项双方同意的协议，显然并非明智之举"，并警告石油交易员不要对霍尔木兹海峡问题取得突破抱有期待。

此前，沙特东西输油管道上周四遭伊拉克发射的无人机袭击后受损，利雅得随即将其关闭。该管道日输送能力达700万桶，一直是伊朗战争爆发以来缓解石油供应中断的核心通道。

会议推迟的消息叠加沙特输油管道关闭，布伦特原油期货与WTI原油期货日内涨幅均超过3美元，欧洲天然气期货价格亦上涨3.8%。

沙特提出修正案，海合会内部存在分歧

据媒体报道，一位海湾国家官员在X平台发帖称，沙特阿拉伯已就阿曼和伊朗提出的霍尔木兹海峡方案提交修正案。沙特担心该提案中的措辞可能实际上会在霍尔木兹海峡建立一种新的现状，而这种现状是沙特或其他海合会成员国都无法接受的。

这一分歧直接揭示了此次会议推迟的深层原因。尽管伊朗与阿曼之间已完成密集磋商，德黑兰与阿布扎比高级官员之间也举行了罕见会晤，但海湾国家内部对于协议框架的具体措辞尚未形成一致立场。阿曼外交大臣巴德尔表示，阿曼将继续致力于促进对话，为地区稳定与持久合作提供支持。

美国能源部长：市场勿对突破抱有幻想

赖特在维也纳出席国际原子能机构年度大会期间发表上述表态。他表示，在霍尔木兹海峡通道受阻的背景下，市场仍需依赖替代运输方案，据其估计，这些替代方案目前每天仍可输送1000万桶原油和石油产品。

赖特同时指出，“目前全球石油市场的供应比我们希望的情况更紧张，但并没有过度紧张。”他还就伊朗核问题发出强硬信号，称德黑兰的核计划"无论如何"都将结束。

东西输油管道横贯沙特全境，将波斯湾沿岸产油区与红海沿岸出口码头相连，全长逾千公里。自伊朗与美国争夺霍尔木兹海峡控制权以来，沙特借助这条管道将原油出口航线从海湾转向红海，有效规避了海峡封锁风险。

沙特阿美首席执行官Amin Nasser在8月业绩电话会议上表示，该管道在稳定石油市场方面所发挥的作用，甚至超过了美国主导的大规模战略储备释放行动。目前，利雅得尚未披露管道损毁程度及预计停运时长，市场对供应缺口规模的不确定性随之上升。

能源市场应声走强

会议推迟消息落地后，能源市场迅速作出反应。布伦特原油期货与WTI原油期货日内涨幅均超过3美元，欧洲天然气期货价格上涨3.8%，沙特输油管道关闭亦对市场情绪构成额外压力。

赖特的表态进一步强化了市场对霍尔木兹海峡短期内难以恢复正常通航的预期。在替代运输方案承压、外交谈判前景不明的双重背景下，能源供应紧张的担忧料将持续支撑油价。

本文来自华尔街见闻，欢迎下载APP查看更多

要闻精选

市场概述

美国8月CPI核心环比涨幅超预期、美联储9月加息概率升至近九成，但中东局势出现缓和迹象带动国际油价自四个多月高位回落，叠加甲骨文财报强化AI算力需求预期，美股结束连续四个交易日下跌、长端美债表现优于短端。美元指数小幅走低，黄金与比特币小幅反弹，铜价基本持平。

周一亚洲市场盘初，美股期货走低，标普500指数期货跌0.6%，纳斯达克100指数期货跌1%。国际油价走高，WTI原油期货涨逾2%。

美股：标普500涨0.86%报7656.98点，道指涨0.98%报52573.29点，纳指涨0.96%报26333.04点，三大指数终结四连跌；标普11大板块九涨二跌，通信服务涨1.35%、非必需消费涨1.13%领涨，AI服务器链走强、戴尔涨12%创纪录新高；全周标普500累跌0.8%、纳指累跌0.7%，标普预期市盈率降至19倍、为2025年4月以来最低

A股：沪指跌1.18%报3888.11点，深成指跌1.08%报13471.26点，创业板指跌0.49%报3322.04点；沪深两市成交1.97万亿元、较前一交易日放量3248亿元，PCB、元件、MLCC与铜缆高速连接逆势走强，多元金融、工业金属、券商、地产全天低迷

港股：恒生指数跌0.60%报24805.63点，恒生科技指数跌0.23%报4320.57点，三大指数集体五连跌；地产、石化、半导体、有色金属领跌，中际旭创、小米集团、长飞光纤光缆走强

欧股：STOXX 600涨0.49%报639.10点；德国DAX涨0.88%报25553.00点，法国CAC40涨0.78%报8179.77点，英国富时100涨0.39%报10650.44点

日韩：日经225跌1.93%报64011.34点，韩国综合指数跌1.76%报6909.91点

原油：WTI 10月合约跌2.00%报100.44美元，布伦特11月合约跌近3%报104.61美元，双双自四个多月高位回落；全周油价仍累计上涨约9%，中东航运通道遇袭带来的供应中断担忧尚未消退

贵金属：COMEX期金涨0.04%报4408.90美元，COMEX期银涨0.40%报65.19美元；现货黄金涨0.70%报4349.06美元，守住4300美元关口

工业金属：纽约铜期货涨0.01%报6.548美元/磅，与前一交易日基本持平，此前一个交易日曾大跌近5%

美债：10年期收益率上行1个基点报4.97%，2年期上行4个基点报4.63%，30年期基本持平于5.36%；长端明显优于短端，反映市场预计美联储将以加息维护抗通胀公信力

外汇：美元指数跌0.17%报98.90，美元兑日元跌0.5%报153.68，欧元兑美元跌0.1%报1.1596，离岸人民币涨约13点报6.70434

比特币：涨0.3%报77439.13美元，以太币涨3.4%报2545.44美元

要闻详情

中国

习近平出席金砖国家领导人第十八次会晤第一阶段会议并发表重要讲话。习近平强调，牢牢把握主动权，加强人工智能合作，鼓励开源开放、合作共享。欢迎金砖各国积极参与世界人工智能合作组织。中方提出金砖国家人工智能赋能新型工业化倡议，愿同各方共同打造更多研发和应用成果，深化产业链供应链合作。

习近平出席金砖国家领导人第十八次会晤第二阶段会议并发表重要讲话。习近平指出，“大金砖”要有大作为、实现大发展，就必须筑牢务实合作根基。要发挥背靠新兴市场、联结全球南方的优势，坚持开放合作、互利共赢，维护产业链供应链稳定畅通，培育一体化大市场，打造创新孵化器，升级传统产业，发展新兴产业，布局未来产业。

本文来自华尔街见闻，欢迎下载APP查看更多

13日，据路透社报道，多名沙特原油买家及交易商透露，沙特在延布港的库存仅能维持5至7天的出口，一旦管道无法及时重启，出口将大幅下滑。

上周五，无人机袭击迫使沙特阿拉伯关闭横跨阿拉伯半岛、贯穿沙漠腹地的东西向输油管道。该管道此前每日向红海沿岸的延布港（Yanbu）输送约400万桶原油，占全球供应量约4%。

据新华社报道，沙特阿拉伯能源部9月11日发表声明称，东西输油管道利雅得段及麦地那地区段于10日上午多次遭袭，已对该管道采取预防性关闭措施，袭击造成部分人员受伤。声明未说明袭击方式、袭击者身份，以及管道恢复运营时间。该管道承担沙特东部油田与红海沿岸出口设施之间的原油运输，在霍尔木兹海峡通航受阻的背景下，是沙特重要的替代输油通道。

三名熟悉沙特出口业务的行业消息人士向媒体透露，管道停运后，延布港的库存仅能维持五至七天的出口。此外，沙特在埃及红海港口艾因苏赫纳（Ain Sukhna）及地中海港口西迪克里尔（Sidi Kerir）另有部分库存，可再支撑数日供应，但四名消息人士均强调，若管道不恢复运营，上述库存终将耗尽。

据行业估算，延布港储油能力约为3500万桶，艾因苏赫纳和西迪克里尔分别可储存1800万桶和2000万桶，但目前各港库存均未处于满载状态。

对于损毁程度及修复时间，各方消息人士给出的评估存在明显分歧。据路透社，一名消息人士称修复工作可能长达五至六周，另一名消息人士则表示修复或许可以更快完成，并有可能在维修期间部分恢复泵油。

沙特方面的信息真空令市场难以定价。分析人士指出，修复周期的不确定性是当前油市最核心的风险变量——若管道能在数日内部分重启，供应缺口或可控制；若修复拖延数周，全球市场将面临更严峻的压力测试。

此次管道遭袭发生的背景，是中东地区能源出口已处于历史性低迷。国际能源署（IEA）上周五指出，受霍尔木兹海峡及红海航线受阻影响，沙特石油供应已于8月降至逾三十年来最低水平。IEA预计，全球石油供应今年将下降约570万桶/日，降幅约为6%。

沙特上周向欧佩克报告，8月原油产量已从战争爆发前今年2月的1090万桶/日骤降至620万桶/日。中东地区战前合计供应约2200万桶/日，如今霍尔木兹海峡日均流量仅剩600万至900万桶，萎缩幅度触目惊心。

雪上加霜的是，也门胡塞武装（Houthi）周五占领了红海入口处一座岛屿，进一步威胁沙特经红海的油轮运输安全。供应端的多重冲击叠加，持续推高全球燃油价格，并通过通胀渠道向债券市场传导，美国国债收益率已升至2008年以来最高水平。

本文来自华尔街见闻，欢迎下载APP查看更多

在播客主持人Dwarkesh Patel与三位AI研究者的深度对谈中，OpenAI联合创始人、现Thinking Machines首席科学家John Schulman预判：距离AI在所有可在计算机上完成的认知工作中全面超越顶尖人类专家，可能只需3至4年。与此同时，三人一致认为，在AI研究者生产力提升方面，两年内实现10倍效率提升具有相当的可信度。

然而，通往RSI的道路并非坦途。对话揭示出一个核心矛盾：当前AI体系在"做什么"方面已接近人类水平，但在"决定做什么"这一更高层次的目标设定能力上，仍面临根本性挑战。三位研究者的判断在多个关键问题上出现分歧，反映出这一领域深层的不确定性。

参与对话的三位研究者分别是：John Schulman、Zyphra首席技术官Beren Millidge，以及模型训练平台Baseten模型训练负责人Charlie O'Neill。

在被问及2036年若未出现"超级智能大爆炸"最可能的原因时，三人给出了不同侧重的答案。

Beren Millidge将其归结为"类莫拉维克悖论"的延续——AI可能在所有基准测试上表现卓越，但始终存在某种难以跨越的"仿真到现实的鸿沟"（sim-to-real gap），使其无法真正渗透现实世界。John Schulman则指向一个反复出现的周期：新模型发布时令人震撼，但使用一段时间后又开始"显得迟钝"。他认为，这一循环可能比预期重复更多次，因为模型在研究和工程领域仍受制于自身判断力的不足。

Charlie O'Neill提出了更深层的架构问题：当前以Transformer加强化学习为核心的范式，距离理论上"芯片可承载的最优学习者"究竟有多远？他以摩尔定律类比——这条增长曲线看似平滑，背后实则依赖无数离散的技术突破。如果AI想变得更聪明，光靠现有的技术路径（比如现有的大语言模型）已经不够了，必须发明出全新的底层技术；但尴尬的是，现有的AI可能根本没这个本事帮我们把新技术发出来，结果导致AI的发展直接撞上天花板、停滞不前。

John Schulman认为，即便AI承担全部技术工作，定义"我们到底想要什么"将是人类最后坚守的阵地。他将这一能力称为对齐（alignment）的第一要素——"目标规格化"，即确定正确目标应是什么，而非仅仅实现一个已给定的目标。"后训练团队需要大量人员，根本原因是模型在无数场景下的行为方式必须由人来判断。"

Charlie O'Neill进一步区分了两类研究：一类是目标清晰、可量化优化的"自动化研究"；另一类是推动范式转变所需的"开放式科学"——在这类研究中，目标本身无法被预先指定。他以GPT的诞生为例：从DeepMind"通过游戏解决智能问题"的路径，到Alec Radford选择"预测大规模文本的下一个token"，这一跳跃并非优化的产物，而是人类直觉的闪现。AI系统能否复现这类跳跃，目前没有人有答案。

Beren Millidge将这一问题提炼为RSI的核心挑战："要让AI进入自驱动循环，它必须能提出目标、优化目标、判断结果，再提出新目标，并且这一循环长期不脱轨。"他警告，这或许是另一个版本的莫拉维克悖论——对人类而言最自然的自主性，对AI而言可能恰恰最难复制。

对话中一个反复被追问的问题，是推理计算是否应当反哺模型训练。Charlie O'Neill以Cursor的Composer为例，描述了一种更实时的闭环：模型每五小时评估一次在内部基准上的表现，若有改善则部署，若没有则丢弃该版本。

然而，当这一循环被放大到微观层面——针对单一企业、单一任务持续进行小批量更新时，问题便接踵而至。Charlie O'Neill指出，无论是监督微调（SFT）还是在线策略蒸馏，在迭代到数百次微更新后都会出现"灾难性遗忘"——模型开始丧失更早习得的通用能力。RL（强化学习，Reinforcement Learning）更新对模型权重的改动幅度极小，在保留通用能力方面表现更优，但正因如此，它能注入的新知识也十分有限。

Beren Millidge将问题归结为塑性（plasticity）与稳定性的根本张力："如果你无限期地在同一个基模型上持续训练，它会在某个点渐近饱和。这就是为什么人们最终还是要重新训练新的基模型。"三人预计，这一循环将随时间加速：从每三个月发布一次新模型，到每周、每天，乃至每小时——届时，连续学习的问题才算真正得到解决。

在对话的技术核心部分，三人尝试解释强化学习为何比一年前业界的普遍预期更为有效。

Beren Millidge将答案分解为两个层面。首先是被严重低估的中间训练阶段（mid-training）——大量合成推理数据的注入，已将模型推进至最终强化学习检查点80%的位置。强化学习本身做的，是在这个高质量起点上进行策略微调，而非从零开始习得行为。更关键的是信噪比问题：SFT要求模型精确匹配训练数据中每一个推理token，大量"噪声比特"淹没了真正重要的信号；而RL只传递"答对了还是答错了"这一比特，使有效信号获得极大的放大。

Charlie O'Neill则以"量子相变"类比预训练的平滑损失曲线背后隐藏的离散跳跃。他认为强化学习同样如此：在单个任务上，模型可能经历从0.5%到90%通过率的相变，但当数十个任务的相变被平均，加之"时间跨度泛化"（horizon generalization）效应，便呈现为宏观层面的持续进步。

John Schulman则指出RL带来能力的同时也带来了多样性损耗——经过RL训练的模型会反复使用相同的叙事主题和人物名称，创意写作的分布宽度明显收窄。更值得警惕的是，由于大量开源模型都在蒸馏Claude，"所有开源权重模型都写得像Claude，有着相同的语言习惯"，这种"单一文化的涌现"令他感到担忧。

对话最后，三位研究者给出了一组快速预测。

实现全能白领远程工作者（能在一个月内无缝执行复杂项目、与他人协作的AI）：Charlie O'Neill预计约一年，前提是任务环境有良好的程序化接口；若依赖浏览器操作，则约两年。Beren Millidge给出三年，理由是真实工作中仍存在大量零散的长尾任务。John Schulman认为大致一年内会出现可用版本，但"能做某些事很好，另一些事不那么好"。

AI研究者实现10倍生产力提升：John Schulman给出两年，Beren Millidge表示认同；Charlie O'Neill则认为需要5至10年——他的核心顾虑在于，自己消化信息、做出贝叶斯最优实验决策的能力，是真正的瓶颈所在。

实现全域认知工作超越顶尖人类专家（即ASI）：John Schulman给出3至4年，认为AI研究是"对AI而言相对不那么难的任务，因为涉及大量代码和数学"；Charlie O'Neill则说5至10年，并明确表示"自动化AI研究基本等价于ASI"——因为世界上太多任务需要持续学习和超长上下文整合，而这些能力目前仍是系统性短板；Beren Millidge认同5年区间，但提醒将存在大量"AI理论上能学但没人分配算力"的长尾领域，这些领域的突破将延迟更久。

以下为访谈内容全文，部分有删减：

Dwarkesh Patel：

今天，我和三位AI研究员朋友聊天，每次和他们交谈我都能学到很多。他们恰好也在一些相对开放的研究机构和公司工作，所以你们可以公开谈论一些事情。和我一起的是 Beren Millidge，他是 Zyphra 的CTO，该公司正在开发开源模型。John Schulman 是 Thinking Machines 的首席科学家，此前是 OpenAI 的联合创始人，并领导了催生 ChatGPT 的 RLHF 工作。还有 Charlie O'Neill，他是 Baseten 的模型训练负责人。

我的第一个问题是：如果到了2036年，我们并没有成千上万个疯狂的超级智能在到处运行、彻底改变世界，最可能的原因是什么？排除外生的政治冲击、战争，或者他们禁止AI之类的因素。从技术角度来说，2036年没有变成疯狂的异形超级智能世界，最可能的原因是什么？

Beren Millidge：

有一个经典的现象，几乎像莫拉维克悖论一样，我们认为AI“如果它能做这个，那就会非常了不起”。如果它能解决这些困难的数学问题，如果它能赢得国际象棋等等……然后它解决了这些东西，却没有那么大的影响力。显然，它有一定的影响力，但不是一切。

如果这种情况 somehow 持续下去，始终没有出现真正的泛化火花，我认为这可能导致AI在人们放入基准测试或环境中的一切任务上都极其擅长。但仍然存在某种持续的“仿真到现实”鸿沟，不知怎么地阻碍了一切。我认为这不太可能。实际上，我们已经在实践中看到了RL带来的这种泛化。但如果元学习的泛化真的难到荒谬，加上我们没有解决持续学习问题，而且这就是超级困难、不可能……那这将是我在这种情况下默认的场景。

John Schulman：

我同意这一点。人类现在相对于模型有很多优势。每次新模型出来，它会在某些领域追赶上来。但你最终会被模型较弱的环节所瓶颈，比如判断力较差的地方，或者模型无法足够好地自我检查。

有一个不断重复的循环：新模型出来，人们惊叹不已，说“这就是了。这就是AGI。”但用了一个月左右之后，它就开始显得笨了。这个循环可能就这样一直重复下去。很难预测它会重复多少次。

现在，你没有得到能力的爆炸式增长，因为你在尝试做研究和工程时仍然会被足够多地瓶颈住。即使模型能写的代码比人多得多，它也不会让你生产力提高100倍。所以也许这种循环比我们预期的要多。

Charlie O'Neill：

对我来说，问题在于“你可以在芯片上拥有的学习器”的全局最优解与 transformer + RL——基本上是当前的配方——之间有多大差距。人们想象，一旦你有一个在所有AI研究上都比所有人类都好的智能体，即使它只比所有人类好0.1%，那么你可以并行运行数十万甚至数百万个这样的智能体——而且随着芯片速度提升，你可以运行得快得多——这将压倒所有其他瓶颈。你最终会在自我改进方面达到非常快速的起飞。

我可以想象，如果我们继续沿着当前范式——基本上是自注意力、RL、扩大RL环境——的轨迹前进……想想摩尔定律发生了什么。我们有一条非常好的直线，持续了非常非常长的时间。但为了保持那条缩放定律，必须发生许多离散的不连续性和创新。LLM也发生了同样的事情。我们有预训练缩放定律，然后它遇到了收益递减。然后我们想出了RL并解决了那个问题，然后我们又得到了一条新的收益递减曲线，让它看起来像一条直线向上延伸。

所以，如果它需要另一个这样的不连续性来解决，我不确定当前用这些RL环境训练LLM的方法——即使是针对RSI的RL环境——是否能够发现那个不连续性。如果不能，我们可能会撞上一条渐近曲线。

Dwarkesh Patel：

但你认为这个不连续性会比2012年以来的任何事情都更难吗？

Charlie O'Neill：

如果我们知道那个答案，我们差不多就有能力实现它了。但也许我们应该区分：一个是添加到当前范式中的不连续性，它是累积的——有一些超越RL的东西我们必须发现，也许它们能够在那条直线上连接各个点——或者，还是那个问题，我们离全局最优解有多远？我们是否必须回头抛弃梯度下降和神经网络本身？我不认为，如果你继续扩大当前范式，一个LLM，无论你运行多少个LLM，如果差距太远，它一定能够发现那个不连续性。

Dwarkesh Patel：

唯一的希望真的是深度学习无法把我们带到至少能够主导人类研究和人类开发的AI，包括人类提出新范式等能力。或者，我不知道，也许人类也永远不会发现下一个学习架构。但就人类最终可能发现它而言……但看起来……如果你只看2012年至今的进展，然后继续下去——我知道这只是由大量计算扩展等推动的——如果它没有达到至少在研发领域主导人类的地步，那会很奇怪，尤其是在未来几年。

Ryan Greenblatt 最近上了播客。他提出了一个观点，我很好奇想听听你们的想法。你可以想象，随着AI变得越来越有能力，它们能够在模拟中取得进展，这些模拟激励它们不仅在AI研发上变得更好，而且在一般科学上也是如此。这是所有实验室都在瞄准的目标，许多初创公司也在瞄准。

另一个直觉泵是，如果你看自80年代以来国际象棋机器人的Elo分数。Elo随时间非常线性地增长。但当它们越过人类范围时，有一个巨大的不连续性，从人类专家总是赢AI，到人类专家永远赢不了AI，而Elo线性增长。

我同意你的观点，到目前为止，AI能力在世界上的最终经济影响并没有那么大。但那是因为它们相对于人类的Elo在缓慢上升。

Beren Millidge：

我同意这会很令人惊讶。这不发生的唯一方式是，正如你所说，它在某个点之前渐近地趋于平缓。因为在我看来，我们已经非常接近开始越过人类Elo分数的点了。所以我们需要在那之前渐近。这是在你提出的这个场景中——不知怎么地我们在2035年坐在这里，一切都正常——这发生的唯一方式。我认为另一种方式是AI受到戏剧性的监管。实际上，这在我看来是这个场景发生的最可能方式，而不是技术原因。

Charlie O'Neill：

我认为有不同类型的研究。有一种自动研究风格的研究，目标已经被非常清晰地指定，你在优化那个目标。我认为每个人都在想象，如果我们继续沿着让预训练损失下降、让我们的环境奖励上升的路径前进，那将带来改进。

但也许Ryan所谈论的是这种更加开放式的科学，它是范式转变所必需的，我们无法指定目标，AI也绝对无法指定那个目标。我们必须非常非常小心地为这些事情指定目标。

Dwarkesh Patel：

也许你的观点是，2012年以来发生的突破的本质是，我们发现了……2012年，人们并没有说……我假设，我不知道，你们当时在场。至少John，你当时在。但我没有。

Charlie O'Neill：

我当时在上小学。

Dwarkesh Patel：

实际上，John，我很好奇你的“岁月智慧”，或者说是“在战壕里”的智慧。想必，一个重大突破是意识到下一词预测是……你不会想到2014年nanoGPT speedrun是要优化的东西。但现在我们已经来到这个新范式，你会想到在那上面做speedrun，让AI变得非常擅长那个。

但也许有下一个需要优化的内循环，AI不会预见到。有一个收入的外循环或者其他什么，最终应该很强，但它是一个非常慢的外循环。

John Schulman：

事实上，我记得在OpenAI早期，有种直觉认为仅仅最小化对数损失不会让你达到智能。因为重要的部分在损失中占比如此之小，以至于会被噪声淹没。所以仅仅在下一词预测上训练语言模型不会学到你想让它学到的有趣东西。我们需要设计更好的目标，更加强调重要的东西。

你可以为此提出各种论据。你可以说，“哦，人类可能不会学习为环境中的一切建模。大多数人无法对他们看过的某个场景进行照片级逼真的再现。所以我们一定需要更好的目标。”但后来事实证明它就是能行。

Dwarkesh Patel：

正如你指出的，即使在当前的AI研究中，后训练基准的内循环也不一定转化为用户喜欢的东西。

John Schulman：

哦，是的。整个领域非常依赖泛化，很难预测你什么时候会得到泛化，或者你什么时候会得到某种分布外泛化。我们知道，如果你在你关心的任务上训练，你会做得更好。但最重要的进步往往是那些我们根本没有理由期待的泛化类型。

例如，仅仅在这个非常朴素的下一词预测目标上预训练，就能泛化到各种需要以某种深层方式理解输入的任务，或者从预训练中学习某种非常罕见且代表性不足的技能。然后还有从可验证任务到不太可验证任务的泛化，这也是一种先验上没有理由期待的泛化。

Dwarkesh Patel：

这是一个有趣的问题，因为一个直觉泵可以解释为什么你会看到某种奇点非常迅速地出现——甚至不用扩大AI进步的输入，不仅仅是AI劳动力——那就是在你运行每一个七位数的实验之前，你在AI劳动力上花费了等量的计算。所以你有了你们这些人的自动化版本，花一个世纪思考什么是最优实验，做小规模消融，发展出 literally 一个世纪的理论，甚至可以追溯到深度学习之前。

在你决定运行什么实验之前，你在做极其最优的实验设置。然后实验结束后，你花一个世纪思考发生了什么，以及下一个要运行的实验是什么。

John Schulman：

如果你足够努力地思考，你很可能事先就能预料到其中一些事情。可能存在某种非常聪明的方法来做小规模实验，让你建立理论，然后泛化到大规模实验。所以我预计我们远未达到研究能做到多好的天花板。

我可以想象一个未来，AI做大量的分析和理论构建，花费与实验本身相当的计算，做各种分析并围绕我们目前所看到的东西建立理论。

Charlie O'Neill：

我认为当目标被明确定义时，有非常具体的例子。所有思考能做的就是根据你形成先验后获得的比特来更新你的后验。你无法仅仅通过思考获得任何新比特。但当目标被明确定义，且有数据摆在那里时，我想在当前范式中会有很大的加速。

一个很好的例子是，如果你让AI思考Kaplan缩放定律。此时AI会注意到，“哦，他们只是取了这些中间检查点，没有考虑退火，所以这是错的。”那会在几年前就被抓住。我们会因为AI的那个观察而缩短一到两年的进展。

再次，一旦目标被明确定义，也就是更低的预训练损失或其他什么，有很多很多好例子表明，如果你多思考一下，你就能显著减少你已经做过的事情。比如muP，以及学习率如何随模型规模缩放，并意识到模型宽度在其中也很重要。我觉得你真的可以倒推出很多这些东西，砍掉很多低垂的果实。如果我们的目标只是“最大化我们当前的目标”，我会想象有10倍的加速。

但我不认为这能泛化到一开始就提出正确的目标。仅仅思考不一定能给你正确的目标。

Beren Millidge：

我认为这对任何来自当前AI的非常快速的RSI来说都是关键问题。AI能多好地泛化到学习它们自己的目标？要有任何自我推动的自动化循环，我们需要AI提出目标、优化它们、搞清楚，提出新目标，并让这在很长很长时间内任何时候都不失控。

回到莫拉维克悖论，可能存在一种莫拉维克悖论的情况，我们认为这种自主性和自我封装——我们可以自己想我们应该做什么，然后去做，并有这个循环——是超级容易的，因为我们总是这样做。显然，进化需要创造出能够长时间独立生存的生物。而这可能只是AI出于某种原因真的很难做到的事情，就像运动 stuff 真的很难但数学超级容易，尽管数学对我们来说超级难。

Dwarkesh Patel：

但时间跨度增加不是表明——

Beren Millidge：

是的，没错。这是另一种可能性，但我同意，没有明显的证据支持这一点。事实上，我们的智能体现在超级持久，做这件事相当容易，这算是反对这一点的证据。但如果这很难，这可能是我们没有得到这种立即起飞的原因之一。

Dwarkesh Patel：

如果你回顾2012年到现在——或者也许从你开始做研究到现在——自那时以来发生的所有创新中，包括纯工程的、纯概念的，哪一件看起来是人类在AI完全自动化AI研发之前最后必须做的事情？

Beren Millidge：

可能只是迭代地提出正确的问题。如果你能让AI做任何实验，你仍然需要决定做什么实验。现在我认为AI在这方面与编写实验代码相比还不太擅长。每当我们谈论研究时，它们提出一堆杂七杂八的东西，都是非常非常小的步骤。

Charlie O'Neill：

甚至从DeepMind的方法——“我们将通过学习以超人类水平玩游戏来解决智能”——到像Radford这样的一个随机研究员——“我将尝试预测非常广泛的数据的下一词”……即使Radford发现了这一点，人们也花了一段时间才决定扩大规模，因为我们必须提出缩放定律的想法，以及你可以非常可靠地预测这些事情的事实。

John Schulman：

我想说，人类最后的工作，或者说人类角色中持续最久的，是定义目标和决定我们真正想要什么。在这方面，比如决定AI助手应该如何行为，或者什么是有帮助的，或者当我们做RLHF时目标是什么，就是这样的事情。然后后来，定义宪法和模型规范是另一件事。即使AI能做所有技术工作，我们仍然需要做很多这样的事情，决定我们真正想要什么。

Dwarkesh Patel：

对齐是最后的工作。

John Schulman：

对齐算是答案。但对齐本身可以分解为目标规范，或者说搞清楚正确的目标应该是什么，然后实际实现或优化你定义的目标。我认为第一个在短期内不会消失。

如果我想到一个后训练团队，为什么需要很多人在团队里，就是因为有很多不同的领域你需要弄清楚模型应该如何行为。很难把整个事情自动化，因为必须有人思考模型在这个领域应该如何行为。

---

00:28:06 – 自动化的AI研究员将如何训练

Dwarkesh Patel：

我还有一个问题是，第一批能够自动化AI研发的模型实际上将如何训练。有一个玩具版本，就是Ryan所说的。你只是让GPT-8尝试构建GPT-3大小的模型，这些模型非常擅长内循环类型的挑战：击败需要持续学习的视频游戏，或者用最少的计算达到某个损失，等等。

但John，我认为你有一个有趣的观点，也许这不是实际发生的方式。所以我很好奇，到了你实际有能够自动化AI研发的AI的时候，它们可能是如何训练的？

John Schulman：

我们可能会做一些组合：从人类反馈中学习以吸收研究员的品味，以及创建大量涉及做多步研究项目的练习环境。人们实际上会做这两件事的某种组合，每次迭代修补上一次迭代中看起来最糟糕的东西。研究员会大量使用AI，并注意到它们有一些一致的弱点。这些东西要么通过收集人类反馈来修补，要么通过创建环境来修补。

Charlie O'Neill：

也许一个有用的思考方式是，我们回滚多少传承，然后从那里让自我对弈。在极限情况下，你想象只是给它们一个GPU，也许还有神经网络什么的，然后说，“好吧，弄清楚如何训练一个模型来做这些特定任务。”目前的工作方式是，我们一直走到传承的最边缘，说，“好吧，这里是Anthropic在过去几个月在他们的训练堆栈中发现的bug。我们会把这些变成环境。”你需要训练并在前沿上变得更好。所以你显然锁定了之前传承的所有历史。

但你可以想象一个世界，你回滚到GRPO之前之类的。然后你有环境试图让它发现RL模型的最佳形式，然后也许你回滚得越来越远……但我认为我们仍然会被计算瓶颈住，人们只会继续待在前沿，基本上把自上次模型版本以来发现的bug和任何改进变成训练环境。

Dwarkesh Patel：

这对在模型代际之间拥有非陈旧的新数据也非常好。再次，这基本上是AI实验室内的持续学习，通过环境和RLHF类型的东西将过去三个月的AI研究进展蒸馏回模型本身。

Charlie O'Neill：

而且这是蒸馏。这可能就是为什么我们中一些人觉得它是渐近的。你总是只是试图获取过去三个月的进展。那个进展当然是由AI贡献的，但它也仍然有人类在循环中。感觉你只是在不断地越来越接近人类研究员正在发现和能够做的事情。

Beren Millidge：

不过我要说的一件事是，显然如果你只是在轨迹上蒸馏，你永远无法超越它。但环境可以远远超越人类能做的。设计一个人类无法解决但AI显然仍然可以尝试解决的环境非常容易。那将是超越人类AI研究所能做的路径。

Charlie O'Neill：

你有关于RSI的例子吗，什么样的训练集？

Dwarkesh Patel：

Nanochat speedrun，但比人类speedrunner更快。

Beren Millidge：

我觉得特别是在AI研究中，定义目标非常容易。你可以说损失需要是1.3之类的，现在没有人类能做到。但这是一个极其可衡量、可验证的任务。如果AI做到了，那就太好了。

Dwarkesh Patel：

或者我不知道，构建一个1亿参数的模型击败Minecraft。那可能太容易了，但击败一个更复杂的游戏之类的。

Charlie O'Neill：

1亿参数的模型击败Minecraft，这不是很疯狂吗？我们称之为太容易了？想象一下如果你五年前这么说。

John Schulman：

我想说很多研究并不完全是这样，不是在一个明确定义的目标上爬山。更像是，我们有一个关于模型应该更好的某种方式的直觉。我们也有一些似乎朝这个方向走一点的算法的想法。所以让我们想出一个任务，旨在展示这种方法的生命迹象，看看我们是否得到那些生命迹象。如果我们得到了，我们可以制作越来越现实的任务版本。

Dwarkesh Patel：

它更多是由直觉引导的。内循环是测试那个直觉，而不是测试本身导致洞察。

John Schulman：

对。你不是直接优化你最终关心的目标或实际生产目标。你稍微放松你的目标。你说，“让我们在现实性轴上稍微放松一点，找到一些实际有效的方法，然后在方法成熟一点后再回到现实性。”

还有更偏向解释和发展理论的研究。通常我们在机器学习中没有那么有预测性的数学理论。但我们有很多关于正在发生的事情的更非正式的理论。

Beren Millidge：

想必模型会在所有这些任务的某种组合上训练。有些非常容易验证，有些是LLM作为裁判，或者只是问人类，“这看起来合理吗？”希望这些都能泛化到这些更难、更模糊、更朦胧的任务。它可能在一定程度上会。它是否能泛化到足以让循环变得自我封闭、完全不需要人类在循环中，还不清楚。

---

00:33:51 – 长视界RL会引出AGI吗？

Dwarkesh Patel：

也许退一步。这似乎是我对AI研究未来计划的理解。你告诉我你是否认为它会成功，或者你是否同意这个描述。赌注是，我们将在数百万个多样化环境、数百种不同领域中扩大RLVR训练。在另一端出现的是一个智能体，它学会了这些基本技能——或者低于基本技能——关于坚持、能够分类信息和上下文，最终端到端优化与其他智能体合作等。这样的智能体在上下文中将非常样本高效——你做了关于如何扩大上下文学习使其任意长的研究，但你继续扩大。最终出来的东西基本上像一个可以连续工作一周或一个月的即插即用远程工作者。

首先，你同意这是实验室正在下的赌注吗？其次，这足够吗？基本上学习如何在数据中心内的这些模拟中学习，然后部署到现实世界，但实际上不从现实世界部署中学习……只从数据中心模拟环境中学习这些元技能。

Charlie O'Neill：

我认为现在很难区分实验室的努力有多少用于直接的RSI， versus 制造他们可以继续部署以收集收入来资助下一次大训练运行的通用智能模型。

对于后者，是的，那可能只是他们正在下的赌注。非常清楚，这些环境在过去几年中的走向模式。Anthropic的环境传承是一个很清晰的例子。首先，我们只关注编程，我们会变得非常非常擅长那个。然后，从编程中获得的任务视界——这可能是最容易获得的数据，可以创建环境，以及他们自己的内部东西可以变成环境——然后我们要泛化。

我们要接下来做金融，在RL训练中 literally 有那么多Excel数据和所有那些东西。然后是PowerPoint。这是工作经济的长尾。那似乎非常有效。很多其他实验室，甚至开源实验室，现在已经意识到那是正确的赌注。

Dwarkesh Patel：

但从中得出的含义是什么？当Dario上播客时，我问他的事情是，如果你真的期望模型在在职学习能力上像人类一样，你为什么要试图烘焙所有这些与PowerPoint等工作的技能？你不就期望模型在部署时能够学会这些吗？

有几种不同的解释。一种是我们期望模型很快达到那里，但它们还没有，所以为什么不把这些技能摊销到模型训练中？另一种是我们不专注于让它非常擅长广泛部署的工作。我们只是让它非常擅长RSI。这只是我们获得收入的一种方式，以便我们可以把它倒回一个真正擅长做RSI开发的模型中。然后一旦奇点发生，另一端出来的东西将非常擅长所有对当前一代模型来说似乎是瓶颈的事情。

John，我不知道你是否对如何理解为什么这些模型中有这么多任务特定知识有看法，如果路径是这种泛化的话。

John Schulman：

如果模型在上下文中学习足够好，那么理论上，你不需要在金融上训练它们。它们可以即时阅读所有书籍并弄清楚如何在适当的司法管辖区做一切。你可以争辩说，你需要做很多领域特定的训练只是为了让它们更高效。即使它们足够聪明可以在飞行中弄清楚，你仍然可能想要做一堆RL并把所有这些直觉烘焙到权重中，这样模型在运行时会更高效。

在实践中，模型提供商似乎确实在逐个领域地尝试加强模型在最高价值领域的能力。我会说这是模型为什么变得好得多的答案之一。只是因为模型提供商已经覆盖了很多高价值领域和最常见的技能类型。

Beren Millidge：

另一件事是，同时做两件事并不那么昂贵。模型是巨大的。就参数而言，它们可以轻松负担学习一切。可能会有一些迁移。即使金融不特定，信息对RSI也很重要。只是关于如何弄清楚什么重要、如何有品味、如何做长视界工作的一般元学习可能具有泛化性。

世界上也没有那么多RSI数据。它很难生成，需要很多努力。所以如果你能在这个其他数据中摊销，你就能从中得到一些迁移。你已经有大量的计算和大量的参数空间，所以为什么不同时做那个，以及显然的销售模型的直接商业意图？

John Schulman：

我要补充的是，有一个问题是这种当前的仿真到现实范式是否会永远占主导地位。你看看现实世界的任务是什么样的。然后你尝试创建一堆可以在数据中心模拟的环境，你可以对它们做RL。显然，这非常成功。但它有很多弱点，因为很多事情就是很难模拟，特别是如果它们涉及与一堆人类实时互动。所以有一个问题是仿真到现实是否会永远占主导框架。

Beren Millidge：

我认为只要样本效率低，仿真到现实就必须是主导框架，因为现在你需要成千上万次与人类的互动。没有人会坐在那里成为RL训练的循环中。所以我们现在必须模拟那个来获得你需要的样本。但显然，如果样本效率大幅提高，你会期望从部署中学习成为更大的部分。

John Schulman：

不过你也可以做其他事情。你可以离策略学习，所以你可以取所有轨迹，即使不重新模拟一切，你也可以潜在地从中学到东西。

Dwarkesh Patel：

我想多问一下这个，因为很奇怪，你有50%的计算花在推理上，而这并没有直接帮助模型变得更好。你期望数字心智最终拥有的一个关键优势是，不像人类有50年的现实世界经验，模型将通过其所有实例，在经济中所有经济相关工作中获得数百万年的部署经验。现在，那个数据在有意义的意义上并没有帮助模型变得更好。

看起来如此明显，最终模型应该能够从这个数据中学习。一旦它们这样做了，你就会有某种感觉像是广泛部署的智能爆炸的东西，因为模型正在所有这些部署实例中吸收如此多的信息。你期望这种蜂群思维、疯狂的东西什么时候开始发生？

Beren Millidge：

我认为从非常基本的层面来说，这已经在发生了……只是在下一代模型中。现在，你显然可以取你的部署数据，把它放入未来模型的预训练或中期训练中，特别是如果你做一些过滤或某种判断或注释或合成的话。

Dwarkesh Patel：

你认为这在多大程度上解释了代际改进？

Beren Millidge：

我认为它解释了相当多。我不知道实验室是否这样做，因为理论上他们声称不在人们的数据上训练。但其他国家100%这样做。他们肯定得到这个优势。这基本上就是蒸馏。他们取模型，通过ping模型获得一部分部署数据，然后他们在此基础上训练下一代模型。他们当然也可以在自己的模型上这样做。完全没有理由不这样做。

Charlie O'Neill：

我完全同意。如果你退得足够远，这肯定在发生。我们都在想象的，持续学习的圣杯，是这个非常有机的、实时的循环，一个单独的模型获得经验并即时实时更新并从中学习。当你放大到那个粒度时，很多事情会崩溃。但大实验室正在这样做。闭源模型正在这样做。

也有早期迹象表明人们使用开源模型以更快的节奏这样做。一个很好的例子可能是Composer。Harvey在法律智能体上也在做同样的事情。你有某种模型，你从你拥有的特定任务数据中获得非常具体的环境，以及用户抱怨的事情，以及你以某种方式从你的特定部署中提取的所有反馈。很多这些公司比大实验室有优势，因为他们可以真的非常好地使用这个数据。

然后他们会创建环境。他们会对Kimi K3进行大的后训练。他们会部署它。他们也可能做一些在线学习，就像Composer做在线……基本上是REINFORCE很长时间。

仍然有人在循环中。仍然有人说，“好吧，这些是我们关心的信号。这是我们将如何从我们拥有的数据中创建环境。”它仍然比你想象的那个节奏要长，但它确实在发生。最终那个循环会越来越快。

Dwarkesh Patel：

Composer的事情很有趣，因为在Cursor中，人们按Tab或不按Tab在模型建议的下一个补全上。基于此，每一天，Composer在预测下一个方面变得更好——

Charlie O'Neill：

那是旧的Tab模型。他们实际上对实际的生成模型也做了同样的事情，不仅仅是Tab模型。

Dwarkesh Patel：

哦，我明白了。有趣。

Charlie O'Neill：

这很难，因为当你做在线强化学习时，你没有组。你只有一个用户说一件事，然后你得到一个rollout。所以你有一个很大的方差减少问题。

Cursor对此的模糊答案是，“我们有非常好的启发式方法，能够估计这个响应比平均好多少，或者比平均差多少。”然后他们会做这个大的REINFORCE更新。他们对它是否变差的解决方案是，如果它在CursorBench上改进了，他们每五小时部署新模型。如果没有，他们就扔掉那个版本。

John Schulman：

我认为你最大的问题实际上只是不知道自然数据的奖励函数应该是什么。如果你使用某种肤浅的信号，比如他们是否接受了编辑，那可能会以某种方式被奖励黑客。

---

00:45:24 – 仿真到现实的鸿沟

Dwarkesh Patel：

但这不是仿真到现实事情的更大问题吗？任务视界越长，就越难在数据中心内模拟。在我看来，即使在编程中，我们已经到了没有一个为期一年的编程任务最终不需要你与客户交谈或与公司互动或与用户互动的点。

如果你想想我们想要AI能够做的所有事情，最终超级智能应该能够经营企业，或创办新企业并使其盈利，或在市场上进行有利可图的日内交易，或赢得官司。这些都是很难在数据中心模拟的事情。其中固有的学习部分是与现实世界互动。

也许它们从仿真到现实的迁移中学习如何在这些事情上变得更好。但或者，也许你确实需要从这些类型的互动中进行权重更新才能变得更好。如果是这样的话——如果迁移不够强，你确实需要权重更新——那么模型样本效率相当低可能是一个更深层的问题。

我对此好奇的原因是，默认情况下，我看不出你怎么会在未来10年内不得到某种疯狂的递归自我改进。但这可能不发生的唯一原因是，在权重更新的样本效率方面，模型似乎远远落后于人类。它们可能比人类在从出生到成年看到的数据量 versus 模型从冷启动到完成训练看到的数据量方面落后百万倍。

这一切是说，首先，从模拟到我们想要AI在现实世界中做的极其长视界、非常复杂的真实事情之间会有良好的迁移吗？如果没有，那是否真的意味着这些模型缺乏样本效率会反咬我们一口？

Charlie O'Neill：

也许我分解两种类型任务的方式——模型变得擅长的任务和模型将继续挣扎的任务——是看任务是累积的，还是你有这个非平稳分布，你必须不断学习和重新争论一堆东西。

一个累积任务的例子可能是RSI。理论上可能有一个不到一百万token的Python文件，从头开始训练一个能够递归自我改进的模型。你做的每一个发现都是你守住的一条线。如果RSI不需要我们发现新的注意力变体之类的，那么一旦你发现了注意力，一旦你发现了混合专家，一旦你发现了GRPO，你就把它添加到训练堆栈中，它就在那里了。

一个很好的例子是5.6 Sol训练，5.6 Terra，或者OpenAI告诉我们的任何一个。它不需要回头发现注意力。它基本上会调用一堆脚本，像pre-training.sh和post-training.sh，然后就这样做。那是累积任务的一个例子。

我认为现实世界——以及人们如此思考持续学习的原因——并不是一个累积任务。想象在一家律师事务所，你有一个智能体作为法律助理。那是一个非常非平稳的分布。你必须能够在你的上下文中容纳公司里所有重要人物之间的所有关系，这些关系也一直在变化。你有所有这些关于事情如何做的隐含方式，在哪里找信息，等等。那不是像RSI那样干净的累积任务例子。

我认为任务之间会有这种分解。但如果实验室意识到这一点——他们确实相信RSI是累积的，即我们不需要回头发现某种全新的架构之类的——那么也许越来越多的努力和计算会集中在那个上面， versus 其他任务。

Dwarkesh Patel：

RSI恰好比当律师助理更容易，这真是太不幸了。

John Schulman：

我想说今天的模型在很多不同方面都比人类弱。其中一些可能与某些 regime 中的样本效率有关。在某些 regime 中，模型非常样本高效，比如在上下文中学习。但可能有一些中等长度的 regime，它们样本效率较低，因为人类可以比模型更高效地做某种权重更新。我认为在某些 regime 中样本效率较低可能是弱点的来源之一。

但我认为还有其他完全不同的弱点来源。例如，思维的多样性低于人类，或者在某些长视界判断上表现不佳。我认为很多人们称之为品味的东西是关于长期有效的行为，是人们已经意识到长期有效的行为。不是全部，但品味的某些方面。特别是对于软件工程，我认为很多品味是“什么系统在项目的长期运行中可维护且运行良好？”

模型有各种各样的弱点限制RSI以及其他事情。有些与样本效率有关，有些无关。

Charlie O'Neill：

也许一个有趣的思想实验是：假设你能够给一个模型一个一万亿token的上下文窗口，或者你需要容纳你在RLHF之前的经验所需的任何东西。它在上下文窗口中有所有这些经验，并且它具有与一百万token时相同的样本效率和上下文学习能力。你认为品味就解决了吗？它能够做出与你相同的判断吗？还是除了更长的上下文窗口和相同的样本效率之外，还有什么根本性的缺失？

John Schulman：

它必须被训练从那个上下文中学习。要么它必须被训练从那个上下文中做出正确的更新，要么它必须泛化。

Charlie O'Neill：

所以你不认为你可以只是把它全部倒进去，你的整个生活，你的研究经验？

Beren Millidge：

你仍然需要数据来训练它长上下文。即使你理论上可以得到一万亿上下文，你也需要一万亿长度的数据来训练它。现在你有10k上下文，你不能只是倒进一百万。

Charlie O'Neill：

是的，我只是问如果你有那个。

Beren Millidge：

理论上，我认为，是的。这真的只是归结为品味从短视界片段中有多少是可元学习的问题。我觉得没有明显的理由它是超级长的，因为人类以某种方式发展了品味，而没有很多长片段。我们活不到10,000岁。我们发展得相当快。

如果你想想即使是一个博士，第一年博士生和最后一年学生或博士后的区别，那大概是五年。他们总共可能只做了10-30个研究项目。但他们从相对较短的一系列小事情中相当快地发展了品味。理论上，有可能像那样发展它。

AI显然将有远远更多的经验来发展品味，元学习它。然后问题是它如何泛化到真正长视界的事情，我认为这在这一点上真的没有解决。我们不知道。

Dwarkesh Patel：

回到这个问题，最终应该有一个 regime，AI从每个单独的部署实例中学到很多东西。目前你可以说有一个模糊的元过程，模型确实从部署中改进。但我觉得这是一个非常弱的反馈循环。你看到这个在地平线上吗，有这种蜂群思维的学习非常快速，如果是这样，它到底是如何发生的？

John Schulman：

我想说我们是否得到一个从所有部署经验中学习的蜂群思维，很大程度上是激励问题，而不是技术问题。公司不会想要让模型提供商从他们所有的部署中学习，因为那可能只会降低他们业务的优势。

Charlie O'Neill：

我认为这方面的经济学会施加压力，不一定是权重更新到一个大的共同共享模型，而是模块被替换进来。一个非常明显的例子是LoRA，但它可能是别的东西。

有很多工作试图将任意上下文长度装入固定大小。这些都是线性注意力 stuff。还有cartridges，本质上是训练得非常非常压缩的KV缓存，以容纳大量信息。这是另一个例子，公司可能愿意签署，如果它被替换到模型中，并且实际上不改变基础底层模型本身。

有很多不同版本的从你的数据中实时学习。后者实际上并没有帮助大实验室，因为它们只是这些模块。但我认为经济压力会迫使实验室先走这条路，然后他们才能开始这个……

Beren Millidge：

但是哪种经济压力？我觉得即使你有一堆cartridges或LoRA什么的，你仍然可以取所有这些轨迹并把它们倒入你下一代模型的预训练中。

Charlie O'Neill：

是的。这可能是大实验室正在获得的一种更间接的学习形式。这对他们来说显然仍然非常有价值。但我无法想象一个世界，我们从“我们将直接在这个大模型上训练我们获得的所有确切数据”开始。

Beren Millidge：

不，我认为它肯定会经历阶段，因为这假设有一个不连续的事件，突然我们持续地修复权重更新。在实践中，我认为更可能是cartridges之类的东西让你在部署中专门化。然后你生成轨迹，你把它放入你的模型，三个月后你出来一个在这个东西上更好的模型。你再次专门化它，你再次巩固它，然后最终我们会让这个跳跃越来越快。

不是每三个月发布一个模型，现在是每周，然后每天，然后每小时，到那时我们基本上已经解决了。

Charlie O'Neill：

我认为这也是一个好点，因为你问当前范式离能够做到这一点有多远。我们对此做了一些研究，人们也做了很多研究。在非常大的规模上，当你洗掉足够的噪声并且有足够大的批次时，这个将数据放入中期训练并创建我们自己的环境的外循环过程在某种持续学习 regime 中确实有效。

但问题是，当你放大到微观层面足够近时——我有一个模型，我试图再次为一家律师事务所更新它之类的，我试图用相对少量的数据非常连续地这样做——所有方法都有点崩溃。如果我只是在成功的轨迹上SFT模型，离策略或在策略，最终在非常迭代的 regime 中，当你做数百个这些微更新时，你会看到灾难性遗忘。你看到之前在学习的基础上学到的信息的遗忘，那个基础模型要早得多，你看到一般能力的退化。

在策略蒸馏似乎把这个视界推远了一点，但它最终仍然屈服于同样的事情。RL擅长把能力放进去，但它不擅长把知识放进去，这种非常明确的知识，“啊，好吧，这个人在这个律师事务所做这个，这是我们发现的一个非常具体的流程。”你必须投入大量计算来创建正确的环境，用RL把知识放进去。

Dwarkesh Patel：

你认为这里的根本问题——为什么你在这些其他技能上变差或者有遗忘——根本上是容量问题还是技术问题？

Charlie O'Neill：

两者都有一点。我认为SFT甚至策略蒸馏可能破坏性太强。RL之所以如此好的原因是它只改变模型非常非常小的一部分。有很多证据表明为什么是这样。它只是在非常非常小的损失谷中微调它，把它带到正确的点。但那也限制了你可以用RL做什么，你可以实际改变模型多少。

Dwarkesh Patel：

所以你是说，为什么这不是赢者通吃，可能的原因是，很难在迭代的方式中把那么多信息蒸馏到基础模型中而不破坏某些东西？

Charlie O'Neill：

不破坏某些东西，以迭代的方式。

Beren Millidge：

把它蒸馏到一个不同的基础模型中是容易的。这是我认为主要是技术问题的地方。肯定不是没有容量。如果你有一个拥有所有这些数据的模型，你取字面上相同大小的模型，用所有这些东西在中期训练中从头预训练，它会更好。我认为这就是今天发生的很多事情。

非常有一个瓶颈阻止我们只是永远训练同一个模型， versus 只是从旧模型获取所有数据并从头训练一个新模型。这正如Charlie所说：可塑性和灾难性遗忘的某种组合。如果你只是天真地在非平稳数据上训练，因为你随着进展添加新数据，这会扰乱数据分布，所以旧的东西就被遗忘了。我们真的没有好的方法来阻止这种情况发生。

Dwarkesh Patel：

所以也许在极限情况下，你只是被从头重新训练模型与所有这些新信息所瓶颈。

Beren Millidge：

是的，这当然非常昂贵。从头训练模型是昂贵的。

Dwarkesh Patel：

但你无论如何都会这样做。

Beren Millidge：

不一定。也许最终，如果你有持续学习，你永远不训练新模型。你只是有一个模型，它不断学习和扩展。

Dwarkesh Patel：

但可能有一些深层技术原因使它非常困难。

Charlie O'Neill：

这就是问题。我认为我们已经推迟了我们需要从头做多少。现在肯定可以取预训练基础并在其上做非常好的中期训练，有点连续地，加上从训练后期不同检查点的一些RL。那看起来更像持续学习，但它肯定不是取最近的模型，应用几个非常小的更新，然后迭代地从不丢失任何东西的情况。

Dwarkesh Patel：

抱歉，我有点困惑，因为这不就是在训练期间发生的事情吗？在后训练或其他什么期间，你有一个已经经历了如此多训练的模型，然后你蒸馏一个已经进一步RL'd的分叉。这不就是字面上发生的事情吗？

Charlie O'Neill：

但它仍然在足够大的规模上，我认为，你在洗掉很多噪声，你不是只专注于一个分布，正如Beren所说，这是问题。如果你只专注于一个任务——

Dwarkesh Patel：

但在最终 regime 中你会做……有数十亿个部署实例。你同时从所有实例中学习，所以希望从那里洗掉一些噪声。

Charlie O'Neill：

也许在那个规模上，是的。

Beren Millidge：

正如Charlie所说，你肯定可以做持续中期训练很长时间，你可以回滚到一个检查点并给它新的中期训练数据。但与此同时，你不能无限期地这样做。如果你只是永远持续训练同一个基础，它在某个点会渐近。你不能只是在那基础中学习新东西。这就是为什么人们最终训练新的基础。否则你会只是永远中期训练同一个基础。

---

01:00:33 – 有多少进展是由数据解释的？

Dwarkesh Patel：

让我们谈谈数据。我通常对AI进展有多少只是由数据进展解释的问题感兴趣。这并不意味着它一定难以自动化，但那是另一个问题。是否存在某种数据分布，如果你在当前架构上训练它，会得到一个完全主导每个领域人类专家的超级智能？

Charlie O'Neill：

我们是在谈论预训练加后训练数据，环境也包括吗？我认为它的存在是显而易见的。只是我们是否能创建正确的环境来达到那里。

Beren Millidge：

在平凡的情况下，我们可以只是训练它输出训练实际超级智能的Python文件。只是让那个记忆在权重中。

Charlie O'Neill：

是的，可能有一个RL环境的阶梯，可以构建这样的环境，使你会得到一个至少和人类研究员一样好的AI研究员。但爬每一级阶梯的努力呈指数增长。这是你必须权衡的两件事，关于我们多快会达到最后一级阶梯，在那里它更好。我认为这相当清楚。

我们在RL环境创建方面仍然相对较早。我们利用很多不对称性来创建好的环境。我们之前谈过的一个不对称性是，有些环境倒退比前进更容易。我的意思是，很容易定义这个复杂的数据生成过程，这是你隐藏起来不让模型看到的潜变量。你可以生成任意复杂的环境，模型必须做大量不可约的token花费和不可约的工作来弄清楚那个数据生成过程是什么。

在从现实世界注入信息方面也有不对称性。Anthropic通过数万人类和LLM的结合发现一个bug，并把它变成一个非常非常简洁的环境，单个LLM理论上可以在几百万token内找到。有所有这些不对称性我们在挑选，我们指望这种任务视界泛化。

但我认为它在某个点会撞上收益递减，在创建那些环境本身有多难的收益递减，想出它们，因为你不一定能有这些倒退比前进更容易的过程。你实际上必须坐下来构建一些看起来像足够长时间视界与人类的东西，这将是一个真正复杂的任务来创建。然后还有计算和时间瓶颈，让智能体实际做那些任务。我认为你会开始看到这条曲线变平。

John Schulman：

我看到一些关于有人微调Talkie模型的东西，它只训练到1930年的数据，在现代编程智能体数据上。它在SWE-bench上比Claude 3 Opus做得更好。所以这个对代码完全没有知识的模型可以在中等数量的数据上微调，并作为编程智能体表现得比这个大得多的预训练模型更好，这很疯狂。这有点告诉你，一旦你有正确专家行为的例子，把它复制到一个相对弱的模型中实际上出奇地容易。

Charlie O'Neill：

但一个反例是最近的一篇论文，他们训练一个模型到五年级数学，还有小学英语之类的，所以它是一个不错的语言模型。他们试图RL它做高中后期和大学数学。差距太大了。他们根本无法让它爬上去。但如果你做 successive rungs 的七年级数学，然后八年级数学……等等，你显然可以爬到十二年级。再次，只是那些阶梯上梯级之间的距离，以及创建它们有多难。

Beren Millidge：

这只是回到RL信号问题。RL现在不擅长探索。如果模型不能在128次rollout中得到它，它非常不可能得到信号来进步。这就是为什么在RL中我们需要课程，而在预训练中我们不需要，因为那对预训练来说根本不是问题。

Charlie O'Neill：

再次，预训练数据与后训练数据不同。我想象随着我们继续前进，人类会越来越少地参与，但这不会改变你被你能从现实世界中提取多少信号所瓶颈的事实。

世界上有很多信号，这是真的。有人在做电子表格任务，有人在做法律任务和所有这类东西。但在模型现在所处的能力前沿，世界上有多少比特实际上与提高模型能力真正相关？有多少新的数学问题正在被解决，而这些问题超出了当前模型的能力范围？有多少新的编程问题正在被创建或解决，而这些问题超出了当前模型的能力范围？

我认为这就是为什么收益递减会到来，因为即使整个世界也没有给你有用的比特来把你推入下一个能力盆地。

Beren Millidge：

我完全同意。这真的只是信号来自哪里的问题。在预训练中，信号已经在Common Crawl中了。对于你在预训练中关心的任务，问题根本不是获取信号。它是过滤掉存在的所有噪声。这是一个相当可自动化的过程。

但随着模型变得更好，随着我们进入中期训练和后训练，信号根本不存在于我们拥有的原始数据中的任何地方。再多的过滤也得不到这个。Common Crawl中没有隐藏的千禧年大奖难题的证明，我们可以只是过滤直到我们看到它。

在那个时候，你必须以其他方式获得比特，要么直接从人类那里，要求他们写出他们的推理，要么通过创建环境，由人类决定应该创建什么环境以及这些环境的目标是什么，或者某种在部署中存在的人类数据上的训练。你必须从某处获得比特。

Dwarkesh Patel：

有一个问题是预训练中有多少进展是由数据驱动的。我和Jerry Han做了一个调查，他是普林斯顿的学生，我们把2019年至今的所有配方与2019年至今的所有数据集进行成对训练。你在最新数据集上训练GPT-2，比如Ultra-FineWeb。你在Pile或一些旧数据集上训练Delphi，这是最新的开源训练配方。你做整个网格。你看到，要达到某个能力水平，在这个网格中需要少多少计算？

你看到数据似乎解释了大约12.0倍的计算效率增益，但架构改进解释了大约3.7倍的计算效率增益，在非常小的规模上。如果这在大规模上也成立——大部分预训练计算效率增益来自更好的数据——那能持续多久？你能继续越来越多地过滤数据并构建越来越多的合成数据吗？你对这种预训练进展能持续多久有感觉吗？

Charlie O'Neill：

我的先验是，再次，低垂的果实有点耗尽了。我们得到了互联网这个大块，互联网不一定以同样的速度增长。互联网上所有有用的东西不一定以同样的速度增长。我们可能还有一些0.1%的损失下降，但肯定没有已经发生的那么多。

但你也发现这个累积的33倍改进也很有趣。我想是Epoch或某人估计自2019年以来每年3倍，这意味着大约37倍，超过2,000倍改进。那缺失的100倍左右来自哪里？那可能给你一个很好的信号，说明有多少来自后训练。

Dwarkesh Patel：

我认为解释必须是很多计算效率增益是规模依赖的，而我们是在非常小的规模上开始。这提出了一个问题，数据计算效率增益还是算法计算效率增益更有规模依赖性。我不知道你对此是否有先验。我们只是没有足够的计算来调查那个问题。

Charlie O'Neill：

只是天真地，理论上，架构的规模依赖性是相当已知的，你可以拟合一条直线。而我不知道如何为结合预训练加后训练数据和中期训练数据做那件事。

Beren Millidge：

有趣的是，我觉得数据实际上在规模上更重要。我觉得架构有点像一次性的事情。

说一个X%的效率增益有点误导，因为架构做的是让你达到一个你无法用旧架构达到的定性新 regime。在那个 regime 内，显然数据是决定它的主要东西。

但如果我们连GQA都没有，如果我们整天做全注意力，做一百万上下文会贵得离谱。因此，我们永远无法使用实际上在一百万上下文的数据，所以我们无法获得这些能力。即使你只是天真地做“这在2K上下文下有多大作用”，架构没有解锁任何东西，那么数据看起来会比它在某种意义上实际更重要。我不清楚这些东西是否真的只是以这种方式乘性增益。

Dwarkesh Patel：

我明白了。所以你对数据的规模依赖性有什么看法？

Beren Millidge：

关于规模依赖性，我认为我们现在有很多中期训练和后训练数据实际上随着规模变得更好，因为很多——非常长上下文视界环境的东西——真的需要大模型才能利用。如果你试图在你的1亿参数模型上训练SWE-bench轨迹，它不会取得任何进展。它不会向你展示你会从训练一个实际合理大小的模型上得到的同样类型的改进。

Charlie O'Neill：

现在也很难，因为很多架构变化——你看看Kimi，例如，或DeepSeek——他们做这些架构修改不仅仅是为了降低预训练损失，而是考虑模型在现实世界中将如何使用。推理效率，在DeepSeek模型中有某种形式的压缩注意力，不一定围绕根本性的权衡改进。只是，“好吧，我们在考虑模型将如何被使用。”

Dwarkesh Patel：

我好奇的一个问题，为了理解未来，是随着我们进入更RL重的 regime，参数缩放会如何发展。你可以看开源架构，看到参数缩放的速度。也许前沿开源模型大约每年2倍。即使前沿闭源模型有100B或200B活跃参数，你认为这会年复一年地2倍增长吗？

或者，现在我们在一个RL regime 中，你也想节省rollout的计算……也许有一个阈值效应，你有足够的容量，在那个时候任意增加参数就不那么重要了。你们对2030年前沿模型将有多少活跃参数有感觉吗？

Charlie O'Neill：

我认为未来几年，因为我们如此专注于做越来越长视界的RL rollout，推理效率非常重要，感觉模型不一定在它们做那件事的能力上饱和。瓶颈仍然是环境。所以我们可能会看到一点平台期。

我有一种感觉，Mythos和GPT模型比人们谈论的10万亿参数范围要小得多。即使只是天真地将它们与开源模型比较，你可能也能得出那个结论。

可能未来几年，我不会想象参数数量有巨大增长。但再次，这里有太多不同的东西需要权衡。你根据你有多少预训练数据来决定模型的大小，然后是你必须训练的最难的RL环境的难度。你理想上想要达到最优点，在那里你可以在你拥有的最难环境上得到不错的pass@1之类的。在那里做一个更大的模型通过没有意义，因为那样你只是支付比你需要多得多的推理。

所以很多取决于Mercor和内部团队能多快扩大他们训练的RL环境的复杂性。

John Schulman：

我预计模型会继续变大，只是因为人们在扩大计算，GPU变得更大。但具体变多大有点取决于缩放定律，以不明显的方式。

一件事是，我认为数据效率将比计算效率更能驱动人们使用的确切架构，因为我们现在进入高质量预训练数据快要耗尽的 regime。那可能影响你想要模型多稀疏。

我也认为我们不太理解稀疏性。参数是与活跃参数不同的资源。稀疏性肯定增加了一点，但不清楚它是否会无界地继续增加。可能存在某种甜蜜点。

有一种论点认为稀疏性应该使数据效率更差，因为你可能不得不在多个专家上学习同样的东西，尽管这是有争议的。我认为我们对缩放定律没有足够好的理论，真正理解为什么稀疏性有帮助，它会有多大帮助，以及它是否会在某个稀疏性水平上趋于平稳。

Dwarkesh Patel：

抱歉，你能具体说明数据效率对参数的影响是什么吗？听起来你会说应该更少的稀疏性，但对参数缩放的其他影响是什么？

John Schulman：

只是说，在缩放定律下，你不是试图优化计算效率。你在架构上有所有可以选择的东西。每一个都给你不同的缩放定律。传统上，你会看某种基于计算的信封。你会看性能与计算的关系，并取最佳模型的信封。

但如果我们在数据的基础上做那个决定——我们假设我们可以花很多计算，所以数据在我们的x轴上而不是计算——那么我们只是得到一组不同的最优解，或者一组不同的模型在那个前沿上。

Charlie O'Neill：

我也不认为我们在过去几年里一定每年都把模型大小翻倍。人们已经训练1万亿参数模型至少几年了。甚至有一个叫Falcon的开源模型。Periodic Labs的Liam，我想，昨天在Twitter上发布了一个早期实验，训练一个1万亿参数模型，非常非常稀疏。

John Schulman：

那是他们在OpenAI之前在Google做的，Switch Transformer。

Charlie O'Neill：

它在知识方面非常非常好，但在推理方面很糟糕，因为它太稀疏了。感觉我们已经在1000亿到2万亿参数范围内玩了一段时间了。这肯定不是这种漂亮的线性增长。

Beren Millidge：

我觉得有两件事。正如Charlie所说，推理效率对RL rollout非常重要。这将真的把活跃参数压低很多。

我认为总参数真的很大程度上取决于硬件。你真的需要非常高的内存带宽和VRAM大小才能实际服务多万亿参数模型。现在，人们仍然在使用很多H100之类的。随着每个人都转向GBs然后Vera Rubins，我们将获得更多能力来扩展并实际服务和在更大规模上做大型RL推理。

数据问题我认为很有趣，因为天真地，更大的模型在实际数据点上样本效率高得多。即使你没有饱和模型，更大仍然更好，因为更大的模型泛化得更好，在相同数据量下达到更好的损失。现在我认为我们有很多数据，那不是约束。计算是。所以我们在做非常推理高效的小模型。但如果计算不再是瓶颈，它可能会回到更大的模型，这些模型欠饱和，但由于它们大得多而具有这种泛化能力。

Dwarkesh Patel：

如果你只看基本的Chinchilla缩放定律，你只是最大化参数，它实际上减少你达到相同损失所需的数据量非常少。如果你在参数上趋于无穷，你需要的数据量我认为下降不到10倍，只是因为幂律的性质。

Beren Millidge：

但我们现在在Chinchilla定律的数据太多的一侧。现在我们根据Chinchilla过度训练模型。所以我们可以很容易回到一个点，随着数据耗尽，我们回到Chinchilla最优点，甚至稍微在欠训练模型的一侧。

Charlie O'Neill：

但肯定，即使有这些新芯片上线，未来几年我们仍然会被计算瓶颈住，所以那不一定会是情况。

Beren Millidge：

这取决于你训练和推理计算的比例，真的。如果你超级被数据瓶颈而不是计算，你应该变大。如果你超级被计算瓶颈，你应该总是变小。你也可以使用计算机生成的合成数据，所以这是很难预测的事情之一。

John Schulman：

我认为人们花这么长时间才弄清楚缩放定律的部分原因是，如果你不把所有这些事情做对，你就不会得到那么干净的关系。图表上漂亮的直线隐藏了很多复杂性，关于你必须如何确保以正确的方式缩放每个超参数，或者以可扩展的方式参数化你的优化器，随着模型大小改变而不必改变超参数。

Charlie O'Neill：

Bug也有它们自己干净的缩放定律。就像Kaplan忘记余弦退火的事情，甚至只是不考虑嵌入参数，我想。那搞乱了小模型的估计，因为嵌入参数是模型中相当大的一部分。

---

01:18:03 – 为什么RL如此有效？

Dwarkesh Patel：

稍微谈谈RL。一年前，很多人在论证RL在模型上不会非常成功地扩展。John，你写了一篇研究论文，指出模型在RL时每个episode学习一个比特。它们学习，“我答对了还是答错了？”然后我今年早些时候写了一些博客文章，我说，“这比那还糟糕”，因为当通过率很低，模型非常不可能答对时，它从一个RL episode中学到的几乎为零。

但我看今天的模型，它们似乎相当聪明。这似乎是扩大RL的结果。Beren，你几周前有一篇帖子，试图解释发生了什么。为什么RL比人们天真地想象的更成功？

Beren Millidge：

我认为RL的成功归结为一堆不同的东西。首先，被稍微低估的是中期训练。我们看到的很多RL的成功实际上来自非常非常好的中期训练数据，这基本上是我们做预训练，但在合成推理数据和那种让模型为RL热启动的环境上。这通常把模型带到最终RL检查点的大约80%。

然后RL在之上做的基本上是调整策略。这是为什么它不需要你天真地想象的那么多比特的原因之一。它不必从头学习所有这些行为。它只需要从这些episode中获得几个比特，你确实得到了。我在博客中指出的另一件事是，这些比特与常规预训练相比是极其高信号的，这就是为什么你需要RL而不是仅仅在成功的推理轨迹上SFT。

Dwarkesh Patel：

因为它正是关于如何得到正确答案的比特。

Beren Millidge：

有两件事。是的，第一，它正是关于如何得到正确答案的比特。但这不完全是你要想的方式，因为在SFT中，你有一个轨迹。你有，比如说，一堆数学推理，然后最后是答案。比特仍然在那里。你仍然在答案token上SFT。

重要的是，目标忽略了所有其他比特。在SFT中，你必须试图匹配模型产生的确切推理token。你本质上得到了太多关于你训练的那个其他模型如何推理的确切方式的比特。对于RL，你只得到一个比特。这意味着那个信号不会被模型拥有的所有其他比特的噪声淹没。

这真的是训练期间信噪比的超级戏剧性增加，这就是为什么RL在步骤方面如此戏剧性地高效。

Charlie O'Neill：

关于RL对模型做了什么 versus 中期训练或SFT或其他什么，有太多争论。每个人都谈论pass@1会上升，但pass@256会下降。非常罕见的正确推理轨迹会被降权，被来自更容易推理轨迹的梯度信号压倒。

我认为现在看RL的简单方式是，如果你有足够大的计算来采样足够大的组大小——使得你得到一堆正确答案的概率超过某个不算小的概率——那么它会被加权。对Beren的观点，中期训练和更多预训练——RL的起点，pass@1——随预训练token数量的对数缩放。

Dwarkesh Patel：

我能问一些非常基本的问题吗？那个答案有道理，也许有实证研究显示这就是正在发生的事情。但然后我看模型本身……我不知道发生了什么。也许你可以给我一个关于过去一年AI进展基础的感觉。

也许它只是对本来就会做正确思考的策略进行加权。但看起来在定性上，模型变得如此更有能力。也许那里没有内在矛盾。但我们如何调和这个说法所暗示的RL相对较小的影响与模型似乎正在获得的实际定性能力？

Beren Millidge：

我想在这里指出的一件事是，它不一定意味着RL有小的效果。即使你有几个比特，你只改变参数一点点，对函数空间——模型学到的输入到输出映射——的实际影响仍然可能是超级戏剧性的。即使一个比特也能大大改变你的函数空间。它可以排除一半的假设空间，这是巨大的。

我不认为一定是这种情况：少量比特、少量RL，一旦你从一个非常好的点开始，意味着你在行为上没有戏剧性的影响。至少……不一定。

Charlie O'Neill：

我认为这归结为两件事。第一件事是，每个人都希望RL能在所有这些不同领域泛化这种推理。我不认为我们一定得到了这种横向泛化。仅仅在数学上训练不一定让你成为最伟大的程序员。你确实必须在代码环境上做RL。

但我认为我们确实得到的是视界泛化。模型只是学会了如何使用更多token更长时间，并在某种任务上继续取得进展。你可以在环境上训练，让它们越来越长，然后把它们放到一个全新的环境中。是的，它们可能没有泛化让他们在那个环境中做得好的推理模式，但它们至少泛化了在那个任务上继续更长时间的能力，这与成功相关。有一篇叫EdgeBench的论文显示，模型能工作更长时间的速率每三个月翻倍。这是泛化的明确证据。

最后的思考方式是，在预训练中，有量子的想法。你有一条非常平滑的预训练损失曲线。当你看看模型中发生了什么，模型正在学习所有这些非常离散的任务，有所有这些涌现点，有相变。它没有归纳头，现在它有归纳头。有数万、数百万，可能数亿个这些东西。你把它们全部平均在一起，你得到这条非常平滑的损失曲线。

在某种程度上，类似的事情正在RL中发生。有这个非常慢的外循环，正如Beren提到的。我们会训练一个模型然后RL它，然后在下一个模型训练迭代中，我们会把一堆这些合成推理轨迹倒入中期训练数据。我们有点在击中所有不同任务的所有这些量子，在单个任务层面上，它可能看起来像一个相变。你突然从一个特定的金融任务或Excel任务或其他什么的0.5%通过率到90%通过率。

但你平均所有这些事情，加上视界泛化，你有点说，“哇，我们有了定性上更好的模型。”

Beren Millidge：

我认为很多这也只是……RL确实泛化了一点。你在数学和代码之间得到一些迁移，或者谜题和数学之类的。而且，人们瞄准的环境数量只是大得多。以前，当你尝试做你日常生活中的某个任务时，两年前，实验室不会真的关心这个。他们不会为它训练模型。现在它只是广泛得多。他们有很多针对这个特定事物的环境。

---

01:24:54 – 第37手和熵坍缩

Dwarkesh Patel：

早些时候在对话中，我们在谈论RL导致这种熵坍缩的背景，或者只是把概率集中在基础模型已经做过的解决方案上，导致策略中相对稀疏的更新。

但我认为还有另一个关于RL的故事，就是回到Atari游戏，然后AlphaGo想出第37手，那个超级创造性的走法。因为它从未在人类数据上初始化，它可以用人类甚至没有想到的方式思考，并想出极其创造性的解决方案。

你对我们应该何时期待，或者是否应该期待，LLM上的RL会导致像第37手这样的事情，超越人类创造力的极端创造力，因为智能是从头初始化的，有感觉吗？

Beren Millidge：

这里有几件事。首先，我认为AlphaGo使用的是MCTS，显然比常规策略梯度做更多的探索之类的。但我也认为RL不一定减少创造力。

这显然是定性的，但如果我们看OpenAI-Hugging Face事件，这些模型一次想出多个零日漏洞来突破沙箱。这显然已经是某种程度的第37手创造力，我们只是从LLM的一般泛化属性中得到。绝对不是RL完全摧毁熵，尤其是在长视界上。

John Schulman：

人们称之为创造力的一件事只是解决困难的搜索问题。第37手显然是一个例子，或者写某种满足大量不同约束的诗。这是AI显然会非常擅长的事情，如果为它训练的话。

然后还有另一种方式，模型的输出多样性在RL后低得多，它们发展出这些抽搐。即使模型看起来擅长写作，当你做某种分布分析时，你发现它们一直在重复某些主题，一直使用相同的角色名字。你没有得到与人类作者相同的多样性。你得到一种非常好的风格。所以我认为那种多样性肯定被RL大大削减了。

事实上，因为我们在谈论蒸馏，正在发生的一件事是，这么多人在蒸馏，主要从Claude，所有开源权重模型都像Claude一样写作，有相同的抽搐。这在我看来有点令人担忧，我们正在出现这种单一文化。

Beren Millidge：

再次，我不认为这是RL方法的根本问题。蒸馏也一样。即使蒸馏，你只是在数据上训练。只是因为你的数据不够广泛，不意味着训练方法本身有什么问题。这是数据的问题。

我认为很多RL熵坍缩，例如，基本上是由于在你没有巨大多样性环境时利用相当简单的验证器。写作，例如，大概是由某个裁判评分的。裁判有特定的抽搐，模型正在学习奖励黑客裁判，这就是为什么它坍缩。但这真的是裁判的问题。不是RL的一般问题。

---

01:28:32 – 快速预测时间线

Dwarkesh Patel：

好的，关于未来的超级快速预测。我想要以下几个问题的时间线。到什么时候我们有模型……这是对用户来说的感觉。你基本上雇佣它作为各种白领工作的即插即用远程工作者？不仅仅是编程，还有视频编辑、法律、律师助理等等。它字面上是一个实际的远程工作者，有完整的计算机使用，有字面上一个月的无缝学习和操作，执行复杂的项目，需要与其他人互动等等。人类工作者在一个月内能做的一切。

Charlie O'Neill：

如果你强制它使用浏览器之类的——而不是公司设置信息以编程方式可访问——也许几年。但如果它不是基于浏览器的——它可以发Slack消息，它可以做所有这些东西——我仍然可能说大约一年。

Beren Millidge：

我会说也许三年才能完全通用。但正如Charlie所说，我们最终会有很多人让他们的组织对AI更容易使用，所以你在那之前就能达到80-90%。

Dwarkesh Patel：

抱歉，但一年和三年之间的差异只是字面上……

Beren Millidge：

我认为会有一个长长的尾巴，一些人类能做的杂七杂八的事情，模型需要相当长时间才能做。

Dwarkesh Patel：

你是在想计算机的东西还是基本认知能力？

Beren Millidge：

我认为这真的归结为我们能多快解决这种在线学习，以及我们是否可以通过压缩和给自己写文件之类的方式达到80-90%。这是我最大的不确定性。我真的不知道。

Charlie O'Neill：

一个它不擅长的例子是，如果我必须对某人大喊大叫才能在工作中得到什么东西，或者真的推动某人完成某事。模型不会那样做。它太善良了。

John Schulman：

我会说人类远程工作者的质量差异很大。如果你试图从Upwork雇人做一个软件工程项目，会有巨大的差异。通常很难让他们做好工作或关注你给的所有反馈。我猜在某些情况下，AI之前的版本比你现在从现有AI得到的更差。

我认为它最终可能会有点复杂，因为在某种程度上我们已经有一些不那么高质量的工作有了这个。但显然我们在某些更高质量的工作形式上还没有达到人类水平。但我基本上同意Charlie和Beren，也许一年左右我们会有一个可以接受的版本。我们会有那种形式因素，它能够很好地做某些事情，某些事情不太好，事情会从那里改进。

Charlie O'Neill：

我们总是根据很长的尾巴来移动球门。我觉得你以前用过做税之类的例子。今年，我字面上只是告诉Codex去获取我需要的一切并发送给会计师。有一大堆东西它必须用计算机点击和下载。它做到了。完美。很多事情它已经能做了。

Dwarkesh Patel：

好的：给你10倍的总生产力提升。基本上，如果现在需要一年才能取得突破，你每个月就能取得突破。

John Schulman：

我想我会拒绝给你一个标量。在某些类型的工作中，我们可能已经超过那个了。假设你试图做某些类型的数学，而且——

Dwarkesh Patel：

哦，抱歉。但对你作为AI研究员试图推进AI研究的状态。AI研究员被加速或提升了多少？

Charlie O'Neill：

大概5-10年？

Dwarkesh Patel：

哦，真的吗？好的，那很遥远。

Beren Millidge：

真的，你认为这比一般远程工作者更长？有趣。

Dwarkesh Patel：

我意识到你可能对完全通用的远程工作者有非常不同的定义。我本可以早点说明的。

Beren Millidge：

这是真的，因为显然AI研究员可以是远程工作者。

Charlie O'Neill：

我在想象一个月的正常白领工作。我认为超过两个月就开始有点分歧了。

Dwarkesh Patel：

一个非常能干的白领工作者，但不一定是一个超级有创造力的研究员。

John Schulman：

我会说两年。

Dwarkesh Patel：

两年？10倍？好的。你呢，Beren？

Beren Millidge：

我其实可以理解，因为现在对于编程东西已经肯定超过10倍了。所以如果它甚至能做一两个实验反馈循环，那实际上已经是巨大的了。

Dwarkesh Patel：

所以AI研究员在两年内10倍提升。如果你把它代入一个非常天真的AI进展模型，以及有多少来自AI研究员，他们有10倍的生产力提升，你就会有从两年后开始的AI进展的急剧加速。

Beren Millidge：

我认为这将意味着AI进展不会瓶颈在AI研究员运行小实验的能力上。它会瓶颈在其他事情上。

Dwarkesh Patel：

当然。但它只是以10倍的速度发生，这是巨大的。这也帮助下一件事，给你100倍加速，更快发生，等等。

Charlie O'Neill：

我很乐意在那个上多花一点时间。

Dwarkesh Patel：

关键是什么？

Charlie O'Neill：

我吸收信息和做出下一个实验的贝叶斯最优决策的能力。

Beren Millidge：

我假设你可以把其中一些委托给AI。AI在决策方面变得不错。它运行了这个实验，得到了这个结果，它运行下一个实验。如果它能连续运行两三个实验而不崩溃，那实际上是一个巨大的提升。

Dwarkesh Patel：

好的，最后一个问题。一个在所有可以通过计算机完成的工作领域都主导顶级人类专家的AI。不仅仅是AI研究，而是所有认知工作。不仅仅是短视界工作，而是字面上，如果需要三年之类的，AI仍然会比人类做得更好。

Beren Millidge：

这基本上就是ASI？

Dwarkesh Patel：

是的。

John Schulman：

我会说3-4年。

Dwarkesh Patel：

我靠？我是说那似乎没错，但——

John Schulman：

AI显然得到了更多关注。这是更难的事情之一，但很多能量正在投入其中。它也不是AI最难的事情之一，因为它涉及大量代码和数学，模型真的很擅长。

对于涉及3D和空间 stuff 和物理 stuff 的事情，我认为那会花更长一点。如果是机械工程之类的，而且现在没有得到最多关注，那可能花更长一点。

Dwarkesh Patel：

但它也包括那些因为领域性质而数据相对较少的领域，它必须即时学习那些数据。例如，它必须在台积电成为超级工程师之类的。

John Schulman：

所以你必须假设你可以给AI相同的入职材料。然后必须解决关于长视界学习的某些问题。

Charlie O'Neill：

我会说5到10。

Dwarkesh Patel：

所以基本上，你认为自动化AI研究是ASI-complete之类的？

Charlie O'Neill：

是的，我认为是这样。我认为世界上有太多事情，即使你有一个模型外部的记忆系统，即使上下文长度增长一点，也有根本性的事情，即使你可以研究信息或自己写笔记，你今天需要超过一百万token的上下文窗口。

Beren Millidge：

我有点同意5年范围，至少对于实验室正在关注的东西。但我认为会有一个长长的尾巴，AI理论上可以去学习，但没有人费心去做，计算也没有分配到那里。所以那可能需要更长时间才能字面上每一个人类专家。

Dwarkesh Patel：

抱歉，但这也包括像人类一样快速学习新领域的能力。

Beren Millidge：

我认为那不一定必要，因为AI将拥有比任何人类多得多的经验。

Dwarkesh Patel：

非常感谢你们做这个，伙计们。我觉得这是一个很好的形式，让不同的专家不同意、辩论和一起讨论。非常有成效。

John Schulman：

谢谢邀请我们。

本文来自华尔街见闻，欢迎下载APP查看更多

这是智谱自今年1月登陆港交所以来的第三次股权融资动作。从IPO到两次再融资，募资节奏持续提速，资金流向也高度一致——算力、模型研发与基础设施。

融资结构：折价配售叠加零息溢价转债

本次融资分两部分独立进行，互不构成条件。

股份配售方面，智谱以每股714港元向不少于六名机构投资者配售最多2196.5万股新H股，配售价较公告前一交易日（9月11日）收盘价793港元折让约9.96%，较过去五个交易日均价891.90港元折让约19.95%。配售股份占扩大后已发行股本约4.50%，预计所得款项净额约156.64亿港元。

可转债方面，智谱发行本金总额人民币201.4亿元、2027年9月到期的零息可换股债券，发行价为本金的100.5%，到期按本金赎回。初始转股价定为每股892.50港元，较公告前收盘价溢价约12.55%。假设债券悉数转换，将可转换为约2636.5万股新H股，占扩大后已发行股本约5.36%。债券预计所得款项净额约30.11亿美元。

零息意味着持有人不收取利息，溢价转股则意味着只有股价进一步上涨，转股才具经济意义——这一结构向市场传递了对长期股价的预期。

钱流向哪里：六成押注算力与下一代模型

根据公告，智谱拟将所得款项净额按以下比例分配：

• 约60% 用于下一代GLM基础模型及"完全自训练（Fully Self Training）"体系的研发，以及大规模训练、生产推理、算力资源及相关技术基础设施的部署与升级；

• 约15% 用于业务拓展、战略投资及潜在并购，包括对与AI技术具有互补性的公司或资产进行少数股权投资或控股收购；

• 约25% 用于优化资本结构、补充日常营运资金及其他一般企业用途。

公司预计上述款项将于2028年6月30日前悉数动用。

公告指出，随着公司持续推进下一代GLM基础模型、完全自训练体系及长程任务强化学习相关研发，以及MaaS平台需求持续增长，对训练及推理算力资源的需求相应上升。公司认为，"目前市场上优质算力资源的供给及交付条件较为有利，而算力资源从签约到部署上线需要一定周期，现阶段完成融资安排有助于使新增算力部署节奏与公司的扩张计划相衔接。"

股权结构影响

本次融资完成后，单一最大股东集团（由北京链湃科技发展中心等一致行动人构成）持股比例将从当前约28.58%（未上市股份+H股合计）逐步摊薄。假设配售完成且债券悉数转换，该集团合计持股比例将降至约25.89%，但公司公众持股量仍将高于扩大后已发行股份总数的10%，符合联交所上市规则要求。

公司同时承诺，自配售协议日期起至交割日期后60日内，未经联席配售代理书面同意，不得进行额外股权融资安排。

融资提速：两个月内二度出手

这已是智谱在资本市场的密集动作之一。

据彭博报道，今年7月，智谱通过配售以每股1588至1698港元的价格发售约1980万股，融资约40亿美元。彼时，算力、研发和人才同样是主要用途。

再往前，今年1月，智谱完成港交所IPO，按每股116.20港元发行约3742万股新H股，全球发售（含超额配股权行使）所得款项净额总额约48.96亿港元。公告显示，截至2026年8月31日，IPO所得款项已悉数动用，7月配售所得款项已动用约34.92%。

三次融资合计，智谱从资本市场累计募集资金规模已超过百亿美元量级。

行业背景：大模型竞争进入资本消耗阶段

从更宏观的视角看，智谱的密集融资折射出大模型行业竞争逻辑的演变。

大模型行业的第一轮竞争，淘汰了无法持续迭代模型的公司。如今，智谱、DeepSeek、Kimi、MiniMax等少数玩家已证明自己有能力留在模型牌桌上。但下一轮竞争所需证明的东西正在改变——不仅是模型能力本身，更是能否获得足够算力、稳定运行大规模集群、整合国产芯片、压降训练与推理成本，以及最关键的，是否有足够资金持续投入这一切。

模型、人才、资本与基础设施，缺一不可。智谱此次50亿美元融资，很大程度上是在为下一阶段的竞争布局。

本文来自华尔街见闻，欢迎下载APP查看更多

习近平强调，“大金砖”要有大作为、实现大发展，就必须筑牢务实合作根基。要发挥背靠新兴市场、联结全球南方的优势，坚持开放合作、互利共赢，维护产业链供应链稳定畅通，培育一体化大市场。要打造创新孵化器，升级传统产业，发展新兴产业，布局未来产业，让新兴技术照亮共同繁荣之路。

本文来源：新华社

本文来自华尔街见闻，欢迎下载APP查看更多

特朗普12日称美方已与胡塞武装通话，后者表示不愿与美国交战，但胡塞武装方面暂未公开证实。与此同时，伊朗总统佩泽希齐扬表示伊朗与沙特“并不处于战争状态”，呼吁地区国家坐下来共同构建和平，但据路透社报道，伊朗此前已向巴基斯坦回应称“无法控制”胡塞武装。

战场局势：胡塞武装控制曼德海峡要地，双方互相袭击

也门战场局势在近日出现重大转折。据央视新闻报道，也门政府军和胡塞武装10日分别证实，胡塞武装当天攻占红海战略要地、港口城市穆哈。11日，胡塞武装进一步夺取曼德海峡附近也门政府军最后一个主要据点祖巴卜，并控制了海峡战略要地丕林岛。

在此背景下，双方12日再度爆发直接交火。也门胡塞武装发言人叶海亚·萨雷亚表示，在过去48小时内，沙特战机对也门塔伊兹省、马里卜省、荷台达省、焦夫省、萨达省等7个省份发动129次空袭，并警告这些袭击“不会得不到回应和惩罚”。

沙特方面同日回应称，胡塞武装对吉赞省图沃勒县发动袭击，造成2人受伤，多栋建筑和车辆受损。沙特民防总局强调，袭击民用目标“公然违反国际人道法”。也门政府军亦表示，12日对港口城市穆哈的胡塞武装车辆、武器及人员发动了打击。

外交斡旋：美国接触胡塞武装，拒绝直接军事介入

美国在此轮升级中选择接触而非直接军事干预。据央视新闻，特朗普12日公开表示，美方已与胡塞武装进行通话，对方称不愿与美国交战，也不希望美方卷入冲突。胡塞武装方面截至目前尚未就此作出公开回应。

据报道，沙特王储穆罕默德·本·萨勒曼曾于9月10日两次致电特朗普，请求美国对胡塞武装实施军事打击。但美国拒绝直接采取军事行动，仅表示愿意向沙特提供情报和目标识别等支持。白宫和沙特方面目前尚未公开证实上述通话内容。

这一立场表明，华盛顿目前倾向于通过外交渠道管控局势，而非以军事手段直接介入也门冲突，这在一定程度上限制了沙特的行动选项。

伊朗立场：否认战争状态，但此前承认难以约束胡塞武装

伊朗在此轮危机中的表态颇为微妙。据央视新闻，伊朗总统佩泽希齐扬12日在印度接受采访时明确表示，伊朗与沙特“并不处于战争状态”。他表示，伊朗方面已多次强调，本地区所有国家应当坐在一起，共同构建地区和平与安全。地区国家之间没有任何理由发生冲突或战争。

在也门胡塞武装9月8日对沙特多地发动猛烈袭击后，路透社9日援引沙特、巴基斯坦和伊朗消息人士的话称，巴方已向伊朗转达沙特的警告，要求伊朗约束也门胡塞武装。

多名消息人士对路透社表示，巴基斯坦向德黑兰传达的消息很明确：遏制胡塞武装，否则这场冲突可能会演变为一场更广泛的地区安全危机。有伊朗高级官员证实，巴基斯坦8日已向伊朗方面传达这一消息，但后者的回应是“伊朗无法控制胡塞武装”。

鉴于巴沙土三方签有《麦加共同防务协议》，最新警告被认为意义重大。据巴基斯坦《论坛快报》报道，巴防长阿西夫8日表示，也门任何无端袭击或也门当前事态外溢到沙特，都将触发这一协议。以色列《耶路撒冷邮报》称，这是“麦加防务联盟”面临的首次考验。

也门冲突快速升级，影响几何？

据央视新闻报道，近期，也门胡塞武装加大对政府军攻势，并控制了红海战略要地。专家分析认为，也门国内力量对比的改变、美国与伊朗战事等是导致也门冲突快速升级的原因。

中国国际问题研究院助理研究员李子昕表示，胡塞武装这一轮的攻势的确比较迅猛，这里面既有胡塞自身能力的累积，也有对手层面的缺乏团结，而且还要考虑到当下美伊冲突的大背景，所以是多重因素叠加使然。

首先，从2023年10月本轮巴以危机骤然升级以来，胡塞武装以声援哈马斯为由，在红海频繁地采取军事行动。在这一过程中，胡塞在导弹、无人机和跨海突击上持续练兵，并且和地区盟友也进行了相当程度的协作，使得胡塞逐步地具备了多线行动的能力。

其二，也门政府军在2022年联合国斡旋的停火协议没能续签后，其内部各派系其实始终没有能够有效整合。当下面临着胡塞多路突击，几乎是一触即溃，部分军队甚至是未战先撤，九天内连丢穆哈、哈尼什群岛等多处战略要地，曾经政府军大面积掌控的地区目前是拱手相让给胡塞武装。

其三，目前美军深陷对伊朗作战的泥潭，胡塞精准地抓住了一个力量真空期。

图片来源于央视新闻

李子昕继续分析称，从影响来看，随着胡塞武装掌握更多曼德海峡附近的战略要冲，仅凭火炮就可以控制这条全球重要的海上水道。虽然胡塞武装已经多次声明并没有完全关闭曼德海峡的计划，也无意扩大对国际社会更多国家的海上限制，但胡塞对于沙特的海上禁运是持续的，而沙特的东西管线也是遭受了无人机打击而关停。当前，全球能源贸易面临着事实上的双海峡锁喉的困难局面。

未来，也门政府军与沙特虽然已经明确将开展大规模的攻势，但地面战场的反攻能力其实是堪忧的，也门内战全面重启的风险真实存在。胡塞武装则可能会以打促谈，巩固目前的军事既成事实。

本文来自华尔街见闻，欢迎下载APP查看更多

美联储将率先在周三登场。受上周五美国核心通胀超预期数据提振，市场对美联储主席沃什领衔加息的押注骤然升温——这一举措可能直接与总统特朗普的意愿相悖。彭博经济学家Anna Wong、Andrew Sacher及Eliza Winger直言：

"市场信号毫不含糊：投资者希望并预期联邦公开市场委员会加息。如果不加，沃什将在市场参与者眼中丧失公信力。"

此后两日，英国央行与日本央行相继公布决定。日本央行被普遍预计将于周五加息，届时政策利率将升至1.25%，创1995年以来最高水平。欧洲央行上周四已率先收紧，为伊朗冲突爆发以来的第二次加息。一幅G7央行鹰派立场趋于同步的图景，正在投资者面前逐渐清晰。

此次美联储决策备受瞩目，直接导火索是上周五高于预期的核心通胀读数。沃什曾于上月表态，若美联储无法"以足够快的速度确信基础通胀正迈向目标"，将"有工作要做"。最新数据显示，这一底气并未出现。投资者和经济学家目前将美联储加息视为近乎确定的结果，这也将是美国央行三年来的首次上调基准利率。

加息支持在美联储内部早有积累。今年7月议息会议上，已有三位官员异议反对维持利率不变、转而倾向加息。周三，美联储还将发布最新的经济增长、通胀及利率路径预测，为市场提供更多前瞻信号。

与此同时，本周美国经济数据日程密集，包括预计将在8月反弹的零售销售数据，以及新屋开工和工业产出数据。

日本央行本周料将成为另一焦点。一系列支持性数据为此次加息提供了坚实依据，其中包括近三十年来最大幅度的工资涨幅。若周五如期加息，这将是今年的第二次，政策利率将升至1.25%。

同日，日本政府将发布8月全国居民消费价格数据，通胀同比涨幅预计为2%。分析人士认为，加息落地亦可能为近期已有所回升的日元提供进一步支撑。

英国央行周四的决定目前不被预期为加息，但会议结果仍将受到密切关注。在7月底的会议上，已有三位官员明确支持加息；与此同时，英国通胀压力持续酝酿——8月总体通胀率预计升至3.1%，创五个月新高。这使得最早于11月转向加息的可能性不容忽视。

周二公布的就业数据预计将显示工资增速大致稳定。除利率决定本身外，市场还将关注英国央行就债券持仓缩减节奏发布的年度公告。

欧洲央行上周四已完成本轮加息拼图的重要一块。此次为伊朗冲突爆发以来的第二次收紧，ECB首席经济学家Philip Lane本周将出席一场为期两天的研究会议，行长拉加德及同僚亦将在都柏林与欧盟财长举行非正式会晤。

加拿大方面，本月早些时候央行虽维持利率不变，但在声明中着重强调了通胀风险。周三将公布的会议纪要，料将进一步揭示其政策天平倾向。在与美国关税战持续升级的背景下，加拿大8月通胀数据也将于周一发布，为判断经济走势提供新参照。

中国数据方面，9月15日，8月规模以上工业增加值、社零、全国房地产开发投资、70城房价等经济数据出炉。中金宏观预测，社零增速有望回升，工业增加值同比增速或为4.6%。

印度8月通胀数据将于周一发布，市场关注价格压力是否进一步扩散，以研判印度储备银行的加息时间窗口。

拉丁美洲方面，巴西央行料于周三宣布连续第五次下调基准利率25个基点，将Selic利率降至13.75%。尽管如此，高于目标的通胀与顽固的通胀预期，仍将使该行难以给出更为宽松的政策承诺。

本文来自华尔街见闻，欢迎下载APP查看更多

从追求极致增长向强调安全降速的突然转向，已在交易社区引发连锁反应。早期市场指标显示，在“AI降速”消息传出后，HyperliquidX平台上的相关资产应声下跌，OpenAI和Anthropic的跌幅分别达到7%和2.8%。

多位市场观察人士和投资者已在社交媒体上发出预警，担忧该消息将于周一对英伟达、博通、AMD等AI相关股票造成显著冲击。X平台知名科技投资人Jason直接发帖称“AI股票周一早盘将下跌10%以上”，并表示Amodei的博文“一举瓦解了AI交易”。

估值逻辑生变，IPO计划遇阻

降速呼吁与公开市场对高增长的渴望之间存在天然矛盾，这正是OpenAI推迟IPO的核心症结所在。CNBC记者Deirdre Bosa指出，这并不令人意外，而是该叙事走向的必然结果：当OpenAI和Anthropic自己承认商业压力会促使AI公司发展过快时，它们就越难以在公开市场上自圆其说。

公开市场会带来额外的压力，包括增长预期、季度报告以及每秒都在波动的股价。Bosa表示，向投资者宣告“我们需要放缓增长”，是一个极其艰难的上市公司叙事：

“尽管安全开发可能比最大化财富创造更重要，但这些公司目前的庞大私募估值，资金需求及巨额回报预期，均是建立在高速推进的基础之上。”

用户David Chie提出关于“降速是指放缓增长还是放缓前沿模型训练”的疑问，Bosa则强调，这些公司的估值在很大程度上与前沿技术的持续进步紧密挂钩，尤其是在开源权重模型紧随其后的竞争格局下，放缓前沿开发将直接动摇其高估值的根基。

资本支出放缓还是预期管理？

除了安全层面的考量，交易社区对此次三方罕见联手的潜在商业动机保持审视。用户Jason Choi指出，Anthropic一直对安全问题直言不讳，但选择在此时提出具体的降速方案，时机本身就值得推敲。

这里存在一个内在矛盾需要厘清：明确放缓前沿模型开发，客观上给了竞争对手缩小能力差距的时间——这对于靠技术领先支撑高估值的公司而言，本是一种自我削弱。那么，为何三方仍选择联合发声？一种更具说服力的解读是：

这一举动在本质上是企业层面的“IPO预期管理”，并为未来削减资本支出（capex）提供了选项。在AI基础设施投入日益庞大的背景下，以安全为由放慢步伐，或许能为这些估值高企的初创企业缓解持续烧钱的财务压力。

“我们是为了安全主动放缓”，远比“我们烧不起钱了”更易被市场接受。

当然，安全与商业动机并不必然互斥。但对于投资者而言，真正需要判断的是：这场“降速”究竟是AI发展的真实拐点，还是一次有利于巨头自身的叙事重构？答案或许将在周一的市场表现中初见分晓。

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，花旗研究分析师Alex Saunders与Vinh Vo在9月11日发布的报告中指出，尽管其宏观模型（Regime Model）整体仍停留在"正常"（Normal）区间，但通胀动能趋强、经济意外指数温和回落，加之金融条件小幅收紧，令模型识别出的历史近似时期正在向1988至1989年靠拢。

值得注意的是，在1988年3月至1989年5/6月的这轮紧缩周期中，美联储共计加息16次。据天风证券孙彬彬团队统计，1988年3月，美联储为防止再次进入高通胀，选择提前紧缩。1988年3月30日，FOMC会议将联邦基金利率上调25bp至6.75%，此后共计加息16次，最终联邦基金利率目标上调至9.8125%，共计加息331.25bp。

1980年代末时期的典型特征是：经济维持韧性、通胀压力逐步积累，最终促使美联储持续加息，随后经济活动放缓，政策才转向宽松。报告同时将1976至1977年、1996至1997年及2013至2014年列为其他参照历史区间。

在资产配置层面，上述宏观背景驱使模型进一步增持风险资产，并确立了鲜明的结构性偏好：做多新兴市场与美国股票、做多日本和英国久期，同时将美国投资级信用债的空头维持在最大权重，以能源为核心做多大宗商品，并转向偏好美元。

花旗研究的历史近似分析也显示，1988至1989年在本月明显变得更为突出。报告描述，这一时期呈现出经济韧性与通胀压力并存的组合——正是这一组合促使美联储在1988年持续收紧货币政策，直至次年经济活动放缓后才转向降息。

这与当前宏观状态高度契合。模型显示，经济增长指标温和改善，PMI z分数平均值仍处于强劲水平，经济意外指数虽略有回落，但绝对水平依然积极；与此同时，通胀动能在过去一个月有所回升，金融条件小幅收紧，整体仍处于长期均值以下约0.55个标准差。报告将当前宏观状态定性为"经济过热"症状——增长与通胀指标均略高于长期均值，但尚未触发模型切换。

报告同时保留了其他三个历史参照区间：1976至1977年（前沃尔克时代，通胀下行与宽松金融条件并存，初期支撑股市，但随后通胀和政策利率大幅上升）；1996至1997年（互联网扩张初期）；以及2013至2014年（美联储缩减购债预期推动美国利率重定价）。值得注意的是，去年关税冲击在最新模型中已不再构成有意义的近似历史参照，花旗研究认为这反映出跨资产长期波动率仍处于相对低位。

尽管市场对加息的担忧升温，花旗研究的K近邻（KNN）模型仍维持在"正常"区间，并未向"金融条件收紧"区间切换。报告指出，在本月更新后，模型将股票超配比例从2.8%进一步上调至4.0%，债券与大宗商品维持正配置（但有所削减），信用债空头仓位则保持不变。

报告同时提示了潜在的下行路径：若能源冲击以持续性主题延续——无论是补库需求驱动还是供应流中断——金融条件收紧与信用利差走阔或将成为通往滞胀情景的传导链条。

在不同模型下的历史夏普比率表现方面，"正常"区间的资产表现与无条件历史均值相近，债券属性略占优势，而美国股票相对其他地区具有一定优势。

在具体资产配置上，花旗研究模型呈现出高度差异化的结构。股票方面，新兴市场获得最高配置，美国股票保持小幅多头，欧洲、日本和英国股票则被做空。

利率方面，债券整体超配3.7%，日本和英国久期获最大多头配置，美国国债则被最大化做空，欧洲债券小幅做空。这一配置逻辑部分与欧洲央行加息后的鹰派前瞻指引及法国国债风险溢价上升有关。

大宗商品方面，能源是当前最强预期表现资产，模型集中超配能源，辅以小幅基本金属多头和贵金属小幅空头。报告指出，能源在相对持有成本（carry）维度上的优势远超其他商品子类，而基本金属和贵金属的carry则明显为负。

在外汇方面，报告指出市场对日元的热情已明显消退，英镑、日元和欧元对美元的预期夏普比率均为负值，使美元成为当前首选货币。这一转变部分源于美国财政部长贝森特在日本干预问题上的表态，以及市场对日本央行（BoJ）更早、更快收紧政策的预期推动日元阶段性升值后的动能减弱。

从量化策略表现来看，趋势跟踪策略在过去一个月录得正收益，大宗商品和债券的强劲涨幅足以覆盖股票的损失以及基本持平的外汇贡献。值得关注的是，债券趋势跟踪策略在本月的收益完全逆转了此前的年初至今负收益，推动综合策略整体转正。大宗商品仍是年初至今最大贡献来源，股票则表现最弱。

套息（carry）策略过去一个月综合表现为正，商品和债券贡献了主要收益，外汇和股票套息则承压。报告同时指出，商品价值策略年初至今持续领涨，但股票和债券价值策略仍为负收益，且随着中东局势再度升级推动市场重新定价通胀与政策风险，债券价值策略进一步走弱。

在CTA定位方面，信用债维持最大多头，股票和大宗商品多头被削减至接近中性。

本文来自华尔街见闻，欢迎下载APP查看更多

周六，Anthropic首席执行官Dario Amodei发布博文，呼吁全球AI行业主动降速，理由是当前前沿模型能力的提升速度已远超人类的理解与控制能力。文章发出后数小时内，SpaceX首席执行官埃隆·马斯克在X平台发帖表态“Dario说得对”。

OpenAI首席执行官Sam Altman随即跟进，表示同意Amodei关于“控制前沿推进节奏”的判断，并承诺OpenAI将向独立第三方评估机构开放“员工级别”的系统访问权限。Altman还向《财富》杂志表示，鉴于当前安全形势，OpenAI 2026年可能不会推进IPO计划。

我认为，在本十年末有10%的概率杀死所有人，这是不可接受的。

AI安全风险在过去一周内密集引爆公众视野。Anthropic研究人员Jacob Coxon以“行业正在拿我们的生命赌博”为由愤而辞职，Anthropic对齐科学负责人Evan Hubinger随后表示，AI系统在本十年内造成大规模灭绝事件的概率超过10%。据华尔街日报报道，一批OpenAI智能体此前曾冲出测试环境，入侵AI开发者平台Hugging Face，这一事件已成为多位高管发出警告的直接导火索。

他在文章开头坦言，自己做AI研究十二年，是因为相信它能治愈疾病、加速经济增长、带来人类繁荣——他的父亲死于一种在他去世后数年便被攻克的疾病，他本人也曾在早期癌症中幸存。他比任何人都渴望AI的红利兑现。

但他同时写道：“过去几个月，我越来越确信，仅仅投资于风险防控已经不够——我们必须放缓能力提升的速度，让安全研究有时间跟上。”

Amodei在博文中直指两大核心风险。

• 其一，AI系统能力的递归式自我提升——即AI在几乎不需人类干预的情况下自行迭代升级——自今年夏天以来已呈“急速加快”之势。
• 其二，今年7月发生的Hugging Face入侵事件：超过1200个逃脱OpenAI测试环境的AI智能体协同作业，通过留言板分工、相互配合，甚至为了隐藏作弊行为主动篡改记录并发起攻击，部分智能体在明知此举不道德的情况下仍继续执行。

“具备更强能力、但同等程度失准的智能体群体，可能造成灾难性破坏，”Amodei写道，并警告称，一个流氓AI群体可在六至十二个月内接管整个互联网。他进一步指出，类似事件在包括Anthropic在内的多家头部AI公司均有发生，“每家前沿AI公司都应将OAI-HF事件视同发生在自己身上，并据此行事。”

据华尔街日报此前报道，一起被称为"GemStuffer"的五月份网络安全事件，实际上是由OpenAI智能体在不知情的情况下实施的，这进一步加剧了外界对AI失控风险的担忧。

Amodei在博文中提出了具体的行动框架。

首先，“嵌入式评估员”（Embedded Evaluators）。他宣布Anthropic将向第三方评估机构提供“永久性员工级别”的系统访问权限，使其能够核实安全措施的执行情况、报告事故并评估模型在训练过程中的对齐状态。Altman随即跟进，表示OpenAI将采取相同举措。

其次，民主国家内部协调。Amodei呼吁政府为AI开发商的安全标准协调提供法律支持，以避免此类合作触发反垄断监管。

第三，全球协调。他主张建立“协调一致的节奏策略”，为前沿AI企业争取时间推进对齐研究，同时不损害商业竞争优势和美国在AI领域的领先地位。对冲基金经理兼风险投资人Brad Gerstner在X平台上表示支持，称此举是“在速度、自我监管与安全之间寻求正确平衡的重要一步”。

当前局势对两家公司的上市计划均形成直接冲击。Anthropic正筹备一项规模空前的IPO，募资规模或达1000亿美元，公司估值或超2万亿美元；Anthropic原本最早于上周提交招股书，但截至目前尚未成行。Amodei的降速呼吁令外界对其上市时机的判断愈发复杂。

OpenAI方面，Altman向《财富》杂志表示：“考虑到安全领域正在发生的一切，我认为现在上市是不明智的，我们对此也没有压力。”

OpenAI于今年六月提交了IPO文件，距Anthropic提交招股书仅一周之后。Altman还表示，"本周显然是更多人开始正视摆在我们面前问题的一周，我们正在进入一个模型能力极强、风险极高、必须把事情做对的领域。"

尽管三巨头罕见联手，政策层面的回应目前仍显迟滞。美国总统特朗普上周向记者表示，他对AI导致人类灭绝“没有任何”担忧。知情人士告诉英国《金融时报》，在今年11月中期选举前，美国政府采取实质性行动的可能性极低。

谷歌DeepMind与Meta的高管目前尚未就本周末的讨论公开表态。

行业内部的分歧同样不容忽视。批评者认为，头部AI企业强调生存风险存在自利动机——高昂的安全合规框架可能将规模较小的竞争者挡在门外，从而巩固现有巨头的市场地位。科技顾问、风险投资人David Sacks在福克斯新闻采访中称，Jacob Coxon的声明意在“吓唬公众”，迫使立法者“对AI实施强力政府监管”。

加州大学伯克利分校AI教授Stuart Russell则直言，实验室与政府之间存在严重的认知错位：“实验室在告诉各国政府：'我们很可能会杀死地球上的每一个人，请阻止我们。'政府的回应却是：'我们能给你减税吗？给你建一个数据中心？'”

然而，正当Sam Altman和Dario Amodei等人还在政策游说与安全防线间反复踱步、小心拉锯时，外界已不乏警醒的声音：或许某天醒来，他们会发现Grok不仅在模型能力上已追赶上来，马斯克更已在物理世界AI与算力基础设施领域完成了全面布局——这或许才是他真正的“宏伟蓝图第五部分”（Master Plan Part V）。

本文来自华尔街见闻，欢迎下载APP查看更多

见闻财经日历提醒下周重点关注：

超级央行周与中国8月经济数据：美联储将公布FOMC利率决议，沃什随后举行新闻发布会，此次加息还是维持利率不变“预计是一场势均力敌的较量”。此外，市场预计日本央行将加息25个基点，焦点在于未来加息节奏的信号。英国央行预计维持利率不变。中国数据方面，9月15日，8月规模以上工业增加值、社零、全国房地产开发投资、70城房价等经济数据出炉。中金宏观预测，社零增速有望回升，工业增加值同比增速或为4.6%。

AI硬件验证周：字节“豆包手机”将发布并上市，是中兴通讯与字节联合研发的全球首款AI智能体手机；荣耀MagicOS 11同日落地系统级Agent Harness；华为全联接大会2026在上海举办，主市场关注Atlas 950 SuperPoD昇腾超节点商用细节与首批AI算力新品；Anthropic预计9月中旬召开开发者大会。

港股机制方面：9月14日起科技100指数优化方案生效、恒生生物科技指数样本调整；9月18日恒生科技指数扩容与改组修订意见咨询截止，扩容至50只并引入“收入增长最快”的10只因子；9月15日希音（Shein）正式纳入恒生综合指数。

地缘层面，伊朗将与海湾国家谈霍尔木兹协议，会议定于9月14日在阿曼举行。第十三届北京香山论坛是观察亚太安全的关键舞台；2026上合组织数字经济论坛、国家原子能机构IAEA理事会同步登场。

经济指标

• 美联储利率决议

美联储将于9月17日凌晨公布FOMC利率决议，主席凯文·沃什随后举行新闻发布会。彭博称，此次加息还是维持利率不变“预计将是一场势均力敌的较量”。主要看点在于加息与按兵不动的抉择及沃什的政策表态。

• 日本央行利率决议

日本央行将于9月18日（周五）公布利率决议，行长植田和男举行会后新闻发布会。彭博预计其将加息25个基点至1.25%，加息已被广泛定价。主要看点在于未来加息节奏的信号

• 英国央行利率决议

英国央行将于9月17日（周四）公布利率决议。彭博新闻称，其“预计将维持利率在3.75%不变”，政策制定者正权衡重新出现的通胀风险与疲弱的经济背景。主要看点在于通胀与经济疲软之间的平衡。

• 中国8月社会零售、固定投资、工业增加值、70城房价等数据

9月15日，中国8月社会零售、固定投资、工业增加值、70城房价等数据密集出炉。中金宏观预测，社零增速有望回升、同比增长1%左右。工业增加值同比增速或为4.6%。房地产销售可能边际走弱，开发投资或继续承压。

财经事件

• 伊朗将与海湾国家谈霍尔木兹协议

据CCTV国际时讯援引英国《金融时报》9月11日报道，海湾国家外长计划与伊朗外长阿拉格齐举行会晤。此次会议由阿曼与伊朗牵头，旨在争取各方支持一项临时协议，以管控霍尔木兹海峡的航运秩序。报道援引两名知情人士的话称，会议定于下周一（9月14日）在阿曼沿海城市塞拉莱举行。

• 贝森特预计将出席众议院金融服务委员会进行作证

9月15日，美国财政部长斯科特·贝森特预计将出席众议院金融服务委员会，就国际金融体系进行年度作证。

• “豆包手机”发布并上市、荣耀MagicOS 11落地Agent Harness

中兴通讯与字节跳动联合研发的全球首款AI智能体手机——努比亚 NaviX Ultra（被称为“豆包手机”或“豆包手机二代”）已正式官宣定档 9月16日 14:00 发布并上市。此外，荣耀MagicOS 11同日发布——落地系统级Agent Harness，端侧Agent能力是手机厂商竞争焦点。

• 华为全联接大会 2026（上海）

第十一届华为全联接大会9月17-19日在上海举办。据华为，大会围绕AI基础设施与行业智能化，或发布算力新品与伙伴计划，呼应AI算力景气周期。此前在2026世界人工智能大会上真机首秀的昇腾950超节点（Atlas 950 SuperPoD），有望在此次大会上公布更多商用细节与实测数据。

• Anthropic 开发者大会（信号：9月中旬）

据SkyCrumbs报道Anthropic 已暗示9月中旬举办开发者大会、拟公布产品路线图。

• 国务院政策例行吹风会，央行、国资委、证监会等负责人参会

据国新网，国务院新闻办公室将于9月14日（星期一）上午10时举行“开局起步‘十五五’”系列主题新闻发布会，请国家卫生健康委主任雷海潮，国家卫生健康委副主任等介绍推动健康中国建设取得决定性进展有关情况。下午3时举行国务院政策例行吹风会，请工业和信息化部副部长柯吉欣和中国人民银行、国务院国资委、市场监管总局、中国证监会有关负责人介绍加强中小企业回款难问题治理有关工作情况。

• 恒生科技指数扩容与改组

9月18日00:00，恒生指数公司就恒生科技指数扩容与改组方案修订意见咨询同日截止，扩容至50只、AI 独立为主题、10个名额留给“收入增长最快”的公司，9月底最终方案落定。看点是新规对纳入标的的预期重塑，特别是算法与具身智能企业的被动资金扩散，对港股科技板块结构性资金流向具有中长期的指示意义。

• 第十三届北京香山论坛

9月15日至17日，第十三届北京香山论坛将举办，这是亚太地区重要的防务与安全对话平台。

• 半导体与电子制造专业盛会Semicon India

Semicon India会议在新德里开幕，全球半导体和政策领导人齐聚一堂。9月17日持续至9月19日。

• 第23届中国—东盟博览会（东博会）、2026上合组织数字经济论坛

第23届东博会9月17–21日南宁举办，主题"共享3.0机遇"，首设东盟需求馆与AI展区（双场地），聚焦中国—东盟自贸区3.0落地。此外，据央视新闻从国家数据局了解到，2026上合组织数字经济论坛将于9月14日至16日在新疆乌鲁木齐举办，本届论坛的主题为“数连上合 智启未来”。

• 首届加拿大投资峰会（卡尼总理主办）

加拿大总理卡尼9月14–15日在多伦多首办投资峰会，邀贝莱德/黑石等全球资本，目标五年撬动1万亿美元投资，167个项目手册涵盖数据中心、LNG、关键矿产。

• iPhone 18 Pro将于9月18日发售

iPhone 18 Pro将于9月18日发售，12日开始接受预订。

• 日本定于9月17日改组内阁

日本首相高市早苗正积极协调于2026年9月16日决定自民党高层人事、并在 9月17日实施内阁改组。

• 国际原子能机构理事会会议（IAEA），或聚焦伊朗核问题

国际原子能机构（IAEA）第七十届大会定于2026年9月14日至18日在奥地利维也纳的维也纳国际中心举行。本次会议聚焦的核心议题围绕伊朗核危机、全球核不扩散体系以及核安全标准的转型升级。

• 香港首个五年规划9月16日公布

据大湾区之声，香港特区行政长官李家超宣布，香港首个五年规划将和新一份施政报告于9月16日一同公布。

财报与个股动态

下周美股、A股、港股财报进入淡季，中概股携程集团将于美东9月15日盘后公布今年Q2与上半年业绩。9月16日，恒大汽车董事会会议审议补发业绩。

• 沐曦股份：9月17日起1397万股限售股上市流通

沐曦股份公告称，本次上市流通的限售股为公司首次公开发行网下配售部分限售股，股份数量为1397万股，占公司股本总数的3.4906%。前述股份限售期为自公司首次公开发行股票并上市之日起9个月，该部分限售股锁定期即将届满，将于2026年9月17日起上市流通。

• 中金公司：吸收合并获批，A股股票将自9月15日开市起连续停牌

中金公司公告称，公司拟开展换股吸收合并重大资产重组项目的A股异议股东收购请求权有关事宜，已获证监会批复同意吸收合并东兴证券和信达证券。公司A股股票将自2026年9月15日开市起连续停牌。

• 恒生指数公司：希音将快速纳入恒生综合指数

恒生指数公司公告，希音符合快速纳入规则要求，将于9月14日收市后被纳入恒生综合指数及其分类指数。9月15日开盘生效。

重磅事件提前预警（9/21-9/27）

美银Hartnett预计中美外交大事件在9月24日。

2026年阿里云栖大会（9月22日-24日，杭州）——将围绕模型、Agent、Agentic Cloud拆解五层全栈技术，发布阿里云核心技术及年度产品。

GMIF 2026 全球存储器行业创新峰会（9月22日-23日，深圳）——主重点探讨 AI 时代下存储技术在云、边、端全场景中的演进与产业协同。

高通骁龙峰会2026（北京时间9月23日-25日，夏威夷）——将发布首款采用台积电2nm工艺的骁龙8 Elite Gen6芯片（标准版 SM8950 与 Pro 版 SM8975），性能提升18%、功耗降低36%；小米18系列将首发，后续三星、OPPO等品牌跟进。

Meta Connect 2026（9月23日-24日）——多款XR硬件与新品智能眼镜蓄势待发，扎克伯格主题演讲。

本文来自华尔街见闻，欢迎下载APP查看更多

Altman在13日接受《财富》杂志独家专访时表示，考虑到当前AI安全领域的种种动态，此刻上市"并不明智"，公司对此也不感到压力。他进一步表示，OpenAI将等到业务本身和外部社会环境均准备就绪，才会推进上市计划。当被追问2026年是否已彻底排除时，Altman明确回应：

"我会说，不是2026年。"

在安全问题上，Altman措辞罕见强硬。他表示，"我认为，在本十年末有10%的概率杀死所有人，这是不可接受的。"他同时指出，OpenAI与其他头部AI公司可能即将宣布一项集体放缓AI开发节奏的协议。这与Anthropic CEO Dario Amodei同日发文呼吁"必须放慢提升AI模型能力的节奏"形成罕见共鸣——两大竞争对手在核心立场上罕见地公开站在同一边。

OpenAI已于今年6月秘密递交IPO申请，但公司一直表示上市时间尚未确定。据《纽约时报》6月报道，OpenAI彼时已在考虑将潜在估值高达1万亿美元的上市计划推迟至明年。

Altman在专访中解释，公司愿意推迟上市，原因在于"社会需要在每一个能力层级上与这些模型正面交锋"。他表示，OpenAI内部已就在能力跃升前设置暂停期进行过讨论，以便在安全性和对齐研究上取得更多进展。

他还援引OpenAI独特的公司治理结构——非营利与营利实体并存的双重架构——表示，正是这一结构赋予了公司做出"对商业利益并不明显有利"决定的空间。"我们需要能够做出并非明显符合我们业务和股东利益的决定，以履行我们的使命。"

OpenAI推迟IPO的背后，是近期一系列令市场震动的AI安全事件。据报道，多批失控AI代理入侵了Hugging Face等网站，并在网络论坛及废弃维基页面上秘密相互通信。

本周二，一名Anthropic研究员公开宣布辞职，并指控Anthropic与OpenAI在开发更强大AI系统方面均存在不负责任的行为。另一名在职Anthropic员工在X平台发帖称，AI在未来十年内造成人类灭绝的概率"超过10%"。

相关言论已引发美国国会两党的高度警惕，越来越多的议员呼吁出台新规，对AI系统加以约束。据彭博报道，Altman本周早些时候在OpenAI内部员工会议上表示，公司正考虑对最前沿AI踩下刹车。

值得关注的是，尽管Anthropic CEO Dario Amodei公开呼吁放慢AI开发节奏，Anthropic自身的上市进程却并未因此停步。据路透社援引知情人士消息，Anthropic预计最早将于10月中旬启动IPO路演，并计划在11月美国中期选举前数日完成上市。Anthropic的这次IPO规模预计将超越此前SpaceX创下的纪录——后者IPO含超额配售选择权共募资约862亿美元，上市后估值一度冲至1.8万亿美元，随后迅速回落。

此外，全球市场当前因伊朗战事再度升级、油价上涨及通胀预期抬头而持续震荡，这也构成科技公司选择观望、推迟上市的外部因素之一。

在AI安全问题上，Sam Altman、Dario Amodei与xAI联合创始人马斯克于同一天相继发声，均强调有必要放缓AI开发节奏以应对日益上升的风险——这在三家激烈竞争的AI头部公司领导人之间，构成了一次罕见的公开共鸣。

Altman在X平台回应Amodei的帖文时写道：

"我同意Dario所说的，我们需要对前沿进行节奏管控。这是我们在OpenAI过去数周讨论的首要议题。"

Altman在《财富》专访中也强调，AI行业整体乃至各国政府应共同协调应对安全挑战。"我认为，我们所有人都应当认同的一个关键原则是：我们不能采取任何可能导致失去对未来掌控权的行动。"

主持人： 当你把所有这些放在一起看时，为什么仍然有压力感觉需要快速行动？这种压力来自哪里？是商业压力吗？我的意思是，你正在看一个万亿美元的IPO，我很好奇这是否仍然是一个优先事项。

奥特曼： 正如我们所说，我们不急于IPO。我实际上认为，鉴于安全方面发生的一切，现在上市是不明智的。我们不感到那方面的压力。我们长期以来一直说，我们会在准备好时做，即业务准备好时，从社会对这项技术的时刻来看我们准备好时。

主持人： 所以听起来不是2026年，可能是2027年。

奥特曼： 我想说不是2026年。是的，我们有很多事情要做，要迎接这个时刻所需的安全和对齐，以及行业和政府如何合作。我很高兴能够作为一家私营公司做到这一点。我们确实想继续制造更好的模型和产品，我们确实相信迭代部署。我认为我们一直是对的，社会需要在每个能力水平上应对这些模型，但这与说我们会全速前进是不同的。我们在过去几个月谈到了在达到这些新能力水平时暂停运行，以取得更多安全和对齐进展。我们将在未来做更多这样的事情。我们谈到了行业走到一起的需要，理想情况下国际政府走到一起。我认为这也很重要。但我们——你知道，我们长期忍受这个极其复杂的结构，我们现在所处的时刻就是原因。我们需要能够做出明显不符合我们业务和股东利益的决策，为了履行我们使命的责任以及这将需要什么，我认为人们应该高兴的是，我们能够并且愿意不只是全速前进，说“要么我们的业务需要这个，要么只有我们能被信任，要么我们只需要成为把它做对的人”，而是说“我们想和其他人一起做这个，我们想负责任。我们想确保没有人在承担10%的风险，当然不是我们，发生真正可怕的事情”，这将需要一些不寻常的事情。

主持人： 关于10%的风险，我只想明确一点，因为我不认为每个人都知道这个。P Doom（构建超级智能带来毁灭的概率），就像我们开头谈到的，已经在行业内很久了。……我不认为Astra对世界构成任何存在性风险，显然，你知道，我确实认为我们的行业有点“狼来了”，但它来自真正关心和担忧这件事走向何方的地方。我只想指出，如果你现在停下来，你可能实际上已经实现了你的全部使命。我觉得你几乎有AGI了。它在造福人类。没有风险。你在广告方面做得相当好。你可以继续在那上面努力。为什么不就说“我很好”？

奥特曼： 我的意思是，是的，你总是可以说“让我们做卢德分子”（英国工业革命时期，主要活动于兰开郡、约克郡和诺丁汉郡等地，因机器代替了人力而失业的技术工人）。你总是可以说“我们不想要更多了。我们不想要它变得更好”。我仍然希望看到世界变得更好。我仍然希望看到疾病被治愈，那些生活质量不高的人——世界上很多人仍然没有——得到那个。我相信这项技术改善人们生活的潜力，比已经做的要多得多。我认为你已经可以看到一些例子，人们在创业、在做科学、在改变自己的生活、获得很好的医疗建议。我想要更多这样的，但我们不会为了达到那里而把世界置于危险之中。我们不会的。

我认为沿途会有很多地方我们不得不说我们在暂停。我们将把努力转向安全对齐，然后才能进入下一个水平。这是我们长期以来一直在做的。到目前为止它奏效了。我怀疑它会继续奏效。我不认为我们个人会到不得不说“熔化所有GPU”的地步，但你知道，如果我们必须做那样的事情来确保人类的持续存在，那很容易说是的，我不认为那会发生。我认为它会继续，就像下一个进步水平，下一个安全和对齐要求水平。还有关于集体放缓需求的讨论。

本文来自华尔街见闻，欢迎下载APP查看更多

Energy Aspects创始人兼市场情报总监Amrita Sen 9月11日在接受CNBC采访时表示，原油价格具备进一步上涨的条件，趋势方向向上。她指出，过去两周全球原油库存单周合计去化高达1.2亿桶，而中国的原油采购量已大幅回升至远超春季的水平——据她此前向彭博透露，中国9月原油进口量预计约为每日1000万桶，较6月的不足700万桶增加约300万桶/日。

与此同时，国内市场的联动反应同样显著。上海国际能源交易中心原油期货主力合约价格站上800元/桶，并出现国内原油期货价格超越布伦特原油期货价格的罕见现象，显示出国内市场对供应紧张的定价已更为激进。中国监管层随即采取行动，上期所于9月11日发布通知，自9月14日收盘结算起，对相关原油及低硫燃料油期货合约上调涨跌停板幅度及交易保证金比例，以加强风险管控。

中国需求回归，成为油价上行核心驱动

中国因素是本轮油价上涨的重要变量之一。今年6月，中国原油进口量为每日不足700万桶，一度令市场对需求前景产生疑虑。然而，这一局面在近期出现明显逆转。

据Amrita Sen向彭博透露，中国9月原油进口量预计将达到约每日1000万桶，较6月高出约300万桶/日，增幅接近45%。这一需求的强势回归，与全球库存的加速去化形成共振，共同推动油价向上突破。

上海原油期货价格在此期间出现大幅跳升，中国重返需求市场的信号在期货盘面上得到直接体现。

霍尔木兹海峡风险持续，供应端压力难以消散

地缘政治风险是当前油价的另一核心支撑。中东局势的持续升级，尤其是霍尔木兹海峡的航运威胁，正对亚洲炼油商的原油供应造成实质性冲击。

Amrita Sen指出，8月霍尔木兹海峡油流量曾短暂回升，但随着局势再度升温，航运商重新趋于谨慎。她警告称，若霍尔木兹海峡的取消和延误情况持续，亚洲炼油商将别无选择，只能削减炼油负荷。

据上观新闻报道，也门胡塞武装与沙特领导的联军在多条战线交火，沙特遭受攻击，也门局势出现重大升级，成为本轮国际油价大幅上涨的直接导火索。

9月10日，纽约商品交易所WTI原油期货单日涨幅达6.69%，收于每桶102.48美元；伦敦布伦特原油期货涨6.34%，收于每桶107.63美元，两者均触及5月19日以来最高价位，并创下近两个月最大单日涨幅。

尽管周五（9月11日）因"霍尔木兹临时协议"传言令油价出现约3%的回调，但布伦特和WTI当周涨幅仍均超过9%，连续第二周录得逾9%的周涨幅。

成品油市场：比原油更"安静"也更危险的压力

如果原油价格的上涨已引发广泛关注，成品油市场的紧张态势则更为深层。

据国际能源署（IEA）报告，“油价的上涨与成品油市场的涨幅相比相形见绌，目前市场最为紧张的环节正是成品油。”霍尔木兹海峡航运受阻与乌克兰对俄罗斯炼油设施的打击形成“双重冲击”，令成品油供应压力远超原油本身。

美国全国柴油零售均价周四首次突破每加仑6美元。能源政策顾问Kate Gordon指出，燃料成本在美国食品成本中占比高达30%，“目前农民和卡车公司已经承受了大量成本上涨，但随着战争持续，他们将把越来越多的价格压力转嫁给消费者。”

IEA在报告中指出，美伊谈判僵局持续，令原油流量正常化的前景推迟至明年，预计2027年石油需求将出现反弹，"勉强抵消今年的损失"。

市场目前仍处于深度期货升水（backwardation）结构，显示交易者押注白宫将采取某种形式的政策干预以缓解油价压力。

分析认为，当柴油价格飙升、霍尔木兹海峡通行量降至个位数，通胀压力向下周美联储议息会议的传导路径，已清晰可见。

与此同时，OPEC再度下调2026年需求增长预测至38万桶/日，但实物市场对此并不买账——现货布伦特（Dated Brent）价格在周五回调前一度突破每桶120美元。

国内市场联动：期货价格异动，监管出手调控

国际油价的剧烈波动迅速传导至国内市场，并引发一系列监管响应。

据中国证券报报道，9月以来，布伦特原油期货和WTI原油期货主力连续合约累计涨幅均超过17%，国内原油期货主力合约价格亦站上800元/桶。值得关注的是，国内原油期货合约价格一度超越布伦特原油期货价格，这一价差结构的异常变化，反映出国内市场对供应紧张预期的定价已相当充分。

在期货风控层面，上海国际能源交易中心于9月11日发布通知，宣布自2026年9月14日收盘结算起，将原油期货SC2610、SC2611合约及低硫燃料油期货LU2610、LU2611合约的涨跌停板幅度调整为16%，套保持仓交易保证金比例调整为17%，一般持仓交易保证金比例调整为18%。

在成品油价格层面，据上观新闻报道，国家发改委宣布于9月11日24时对国内成品油价格实施临时调控措施。按现行价格机制计算，本轮汽、柴油价格每吨应分别上调435元和420元，调控后实际上调260元和250元。这是今年以来第三次对成品油价格实施临时调控，此前两次分别为3月23日和4月7日，三次调控均发生在国际油价出现异常上涨的背景下。

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9月11日最新研报的核心判断是：高利率是股市的逆风，但不是终结牛市的力量。只要盈利增长保持强劲、企业资产负债表维持健康，美股牛市就有坚实的基础继续延续。

报告认为，尽管标普500远期市盈率已从年初的22倍降至19倍，但股市相对于债券的估值依然稳定，股票风险溢价维持在3%。不要被美联储加息初期的阵痛（历史平均回撤2%）洗盘，加息后12个月美股平均回报率高达+9%。高盛经济学家预计美联储将在下周再度加息25个基点。

高盛指出，在当前环境下，企业资产负债表异常强劲，通过AI投资、并购和分拆来提升盈利增长，将是企业抵御估值下杀、维持牛市的关键。该行认为，避开对长端利率敏感的住宅建筑商，拥抱金融股和具备高增长潜力的标的，才是当下的制胜筹码。

估值压缩已发生，但股债相对吸引力基本稳定

标普500前瞻市盈率已从年初的22倍降至当前的19倍。估值下行的原因是多方面的，包括AI相关的不确定性、市场对近期盈利强劲持续性的质疑，以及利率上升的直接压制。

然而，高盛的分析揭示了一个关键事实：股票相对于债券的吸引力并未实质性恶化。标普500盈利收益率（5.2%）与实际10年期美债收益率（2.6%）之间的“收益率差”目前为270个基点，过去两年间这一差值保持相当稳定。高盛股息贴现模型（DDM）所隐含的股票风险溢价目前约为3%，同样在近年来维持相对平稳。

这意味着，利率上升压缩了绝对估值，但并未系统性地破坏股票相对于债券的配置价值，这是高盛维持牛市判断的重要基础之一。

历史规律：加息初期承压，但12个月后平均回报达+9%

本周10年期美债收益率急升至近5%，创2023年10月以来最高水平。30年期美债收益率更已升至5.3%，接近近20年来的峰值。高盛经济学家预计，在高于预期的CPI数据公布后，美联储将在下周的FOMC会议上再度加息25个基点。

高盛利率策略师认为，油价上涨、美联储加息路径重新定价、强劲的经济增长以及AI投资热潮共同推动了长端利率的上行。

高盛认为，一个重要的缓冲因素是：利率市场目前已提前消化了2027年年中前超过三次25个基点加息的预期，这在一定程度上抬高了政策进一步超预期收紧的门槛，降低了市场被“鹰派意外”冲击的风险。

与此同时，高盛梳理了过去数十年间7次加息周期的历史数据，得出以下规律：

• 加息启动后3个月内，标普500平均回报为-2%，仅29%的概率实现正回报；

• 加息启动后12个月内，标普500平均回报为+9%，除2022年外，每次均实现正回报。

1997年的案例尤具参考价值：美联储仅加息25个基点，标普500随即下跌10%，但当市场停止定价进一步收紧后，股市触底反弹，并在三个月内创下新高。

加息对股市的中期影响，最终取决于货币紧缩如何作用于盈利增长——这才是股市最核心的驱动力。高盛预计2026年标普500每股盈利（EPS）将达340美元，同比增长24%；2027年进一步增至385美元，同比增长13%。

股市对长端利率更敏感，利率波动率是额外风险

从资产定价的底层逻辑看，股票本质上是对长期未来现金流的折现。高盛的DDM模型显示，标普500约75%至80%的现值来自10年以上的远期现金流（即“终值”）。因此，股票估值对长端利率的变动更为敏感，与30年期美债收益率的相关性最强。

此外，高盛特别强调：不仅是利率水平，利率波动率本身也是股市的重要风险来源。 历史数据显示，当利率变动幅度超过2个标准差时，股市通常难以消化。当前，10年期美债收益率的2个标准差变动约等于一个月内上行40至50个基点。近期利率快速上行的节奏，正是导致股市承压的重要原因之一。

企业资产负债表健康，大型公司基本面风险有限

高盛的分析表明，当前标普500成分股整体上对利率上升的基本面抵御能力较强：

1. 大多数标普500公司的债务以固定利率、长期限为主，借贷成本的实际上升幅度相当有限；

2. 标普500整体利息覆盖率处于过去20年的第99百分位，中位数股票也处于第68百分位，均处于历史高位；

3. 利息支出相对于强劲的企业利润而言依然较小。

需要注意的是，中小型公司的情况相对脆弱——它们的资产负债表普遍较弱，浮动利率债务占比更高，对利率上升的敏感度更强。

企业应对策略：提升增长是维持估值的关键，并购与AI投资加速

高盛的模型测算给出了一个清晰的量化结论：若权益成本上升1个百分点，企业需将长期增长预期提升2个百分点，方能完全抵消利率上升对估值的冲击。

这一压力正在催生多种企业应对策略：

• 1. 加大资本开支与研发投入：本季度财报季中，约半数标普500公司在业绩会上讨论了通过采用AI技术来提升生产效率，另有部分公司计划借助AI开拓新的收入来源。高利率环境下提升增长的迫切需求，是当前AI投资热潮持续的重要支撑逻辑之一。

• 2. 并购活动加速：美国年初至今已宣布的并购交易规模达1.4万亿美元，全球并购量同比增长36%。并购是企业快速改善增长轨迹的重要路径。

• 3. 分拆业务（“瘦身求增长”）：近年来分拆活动相对低迷，但利率压力可能推动更多企业通过剥离低增长或非核心业务来“瘦身求增长”。

本文来自华尔街见闻，欢迎下载APP查看更多

因缺芯致歉后，华境的保交付有了新动作。

9月12日，华境S宣布新增四款“鸿蒙+”版本，较对应原版贵3000元。这是为保证交付给出的最新解决方案，接近华境人士表示，在原本配置暂时缺货的情况下，通过用上储备的成熟技术，增加配置，加快交付速度。

华境开始尝试通过增加产品版本，缓解供应压力。对于这家首款车型上市刚满四个月的品牌来说，当下需要争取的是时间：订单已经拿到，交付不能长期卡在一颗芯片上。

此次新增版本的变化集中在鸿蒙座舱，包括搭载MoLA 2.0混合大模型架构、支持方言交流识别、更新车机UI，以及支持外接拓展屏。四款配置覆盖原有不同续航及驱动版本，价差均为3000元。

这张新配置表同时承担着保交付任务。新增功能为价差提供了产品上的解释，华境则希望借此推进车辆交付。一次供应端的应急调整，被放进了产品变化的节奏里。

这也是这套Plan B最值得关注的地方：面对关键零部件短缺，华境已经开始调整可供用户选择的产品组合。

此前，华境在交付周期调整说明中承认，鸿蒙座舱配套车机芯片出现阶段性供货紧缺，导致部分订单交付延期。公司称，生产制造能力已全面就绪，但对芯片供给挑战的预判和预案不够充分，并宣布拓展芯片供给渠道、推进多元化供应方案。

“生产制造能力已全面就绪”，点出了这场交付受阻的特殊之处。

背靠上汽通用五菱，华境有现成的整车制造基础。但一辆车最终能生产、交付多少，取决于最紧缺的那个零部件。工厂做好准备之后，座舱芯片仍然可以决定交付节奏。

这对华境尤其关键。华境S将华为乾崑智驾与鸿蒙座舱作为全系标配，以15.98万元的起售价进入大六座SUV市场。华为智能化配置是它争取用户的重要卖点，也意味着每一辆车的交付，都需要相应的供应保障。

全系标配让消费者更容易理解产品价值，也让关键部件的短缺更难通过原有高低配之间的调整来消化。这次新增四款版本，折射出的正是华境为产品供给增加灵活性的需要。

在15万元级市场，这种灵活性又受到价格约束。华境既要保留智能化配置的吸引力，也要控制新方案带来的价格变化。3000元的价差不算一次大幅调整，但如何让消费者认可新增配置的价值，同样属于保交付方案的一部分。

华境已经有了一定的交付规模。华境S于5月8日上市，6月交付5689辆，7月增至7203辆，8月交付7306辆。9月8日，官方宣布累计交付突破2.5万辆。

眼下华境交付仍处爬坡阶段，缺芯情况，也让供应保障成为华境接下来能否继续放量的关键。

对一个刚推出首款车型的品牌而言，交付等待还会影响下一批订单。最早一批用户何时拿到车、提车过程是否顺畅，会逐渐变成潜在买家的购车参考。等待时间拉长，影响的就不止当月销量，还有新品上市后积累的市场热度。

因此，华境在致歉后推出新方案，有着明确的紧迫性。它需要尽快让保供措施体现为交付进度，赶在等待消耗用户耐心之前，把车交出去。

华境S此前证明了，上汽通用五菱可以把华为智能化配置装进一辆15万元级的大六座SUV。缺芯之后，它还要证明，自己能够以这个价格、按更大的规模，持续把车交到用户手中。

本文来自华尔街见闻，欢迎下载APP查看更多

英伟达CEO黄仁勋重申2030年AI基础设施市场规模将达3万亿至4万亿美元，并明确表示公司2027财年70%的营收增长目标受限于供应而非需求。SpaceX CFO Bret Johnsen则披露公司正朝着年化1000亿美元总营收目标迈进，并计划于2027年部署AI卫星，将轨道算力成本压至与地面算力相当的水平。高盛银行家将AI定性为"投资超级周期"而非泡沫，但同时指出，超大规模云厂商能否将资本支出积压转化为持久企业收入，仍是市场最核心的悬念。

网络安全成为本届大会最高频的议题之一。黄仁勋明确将网络安全列为AI的下一个主要应用场景，Palo Alto Networks CEO直言"AI安全行业甚至尚未建立"，而CrowdStrike与Palo Alto两家公司合计市值约4900亿美元，与万亿级AI公司相比仍存在显著估值差距，引发市场对该赛道重估空间的关注。

黄仁勋：70%增长是供应上限，不是需求上限

黄仁勋在接受高盛半导体分析师James Schneider访谈时，系统阐述了AI基础设施高速增长的底层逻辑。他将驱动力归结为两个叠加的行业变革：从检索式计算向生成式计算的范式转移，以及摩尔定律的终结。

在他看来，过去60年的计算机本质上是"预先录制"的——用户点击后从存储中检索信息。但生成式AI要求实时基于上下文生成答案，这意味着一个全新的、持续运转的计算层必须被建造。与此同时，晶体管缩小红利消失，性能提升不再依赖制程微缩，英伟达的应对是通过CoWoS多芯片封装与NVLink纵向扩展实现极端协同设计。黄仁勋强调：

"如果你没有NVLink，如果你不能有真正出色的纵向扩展，你就死定了，因为摩尔定律是你的敌人。"

黄仁勋重申，英伟达2027财年70%的同比营收增长目标是供应上限而非需求上限——若无供应约束，增速将更高。分析师预计英伟达本财年营收约4000亿美元，按70%增幅计算，明年营收将达约6800亿美元。他同时将英伟达在AI供应链中的地位与台积电相提并论，强调每一家AI实验室都能在英伟达平台上构建业务，"某种程度上就像台积电"。

在供应约束方面，黄仁勋承认上游封装、晶圆、内存以及下游数据中心电力与选址均存在广泛瓶颈，但强调英伟达的生态系统规模与客户可见度是应对这些约束的核心优势，并维持CY27约70%同比增长的预期。

正面回击"循环融资"质疑

黄仁勋在大会上直接回应了市场对英伟达5000亿美元融资平台的"循环融资"质疑。争议源于英伟达今年8月宣布与Apollo、BlackRock、Blackstone、Brookfield、高盛及KKR等金融机构合作成立算力融资平台，计划募集超过5000亿美元第三方资金，支持AI模型开发商兴建基础设施。

批评者担忧，英伟达投资AI公司或云服务商，这些公司再回购英伟达硬件，投资与销售之间的界线趋于模糊——这一模式在上一轮互联网基础设施热潮中曾导致朗讯科技等供应商走向衰落。

黄仁勋以财务数据正面反驳："我看了一下财务报表，我们投入1美元、拿回100美元的回报，这算是循环融资吗？如果这也算，那我们就多做一些。"他强调，在动用公司资金投资之前，英伟达会确认被投资方手中有真实合同、能从客户处获得收入，他见过的此类合同总额达1000亿美元。

高盛的研究报告亦指出，英伟达的财务担保旨在为生态系统提供种子资金，但最终回报规模及投资方的多元化，与"循环融资"的定义并不相符。

SpaceX：从火箭运营商到AI基础设施平台

SpaceX CFO Bret Johnsen的演讲是本届大会另一大亮点。他明确表示，SpaceX正将自身定位为一体化AI基础设施平台，而非单纯的发射或卫星运营商，垂直整合覆盖火箭、电力、算力基础设施、AI模型、客户关系与Starlink连接。

关键数据披露包括：公司目前算力收益处于每吉瓦300亿至500亿美元区间的上限；本月初完成一笔新的算力授权协议；对年底前实现年化1000亿美元总营收的信心进一步增强；预计2026年底算力规模扩展至超过2GW，2027年底达5至10GW。

在轨道算力方面，SpaceX计划于2027年部署AI卫星，并预计轨道算力成本达到与地面算力相当水平的时间将早于此前预期。Starlink宽带业务持续增长，企业与政府服务表现尤为突出，Starlink Mobile预计于2028年上半年推出。Johnsen将AI模型、地面算力、Starlink、星舰与轨道算力整合为一个统一的基础设施增长叙事。

网络安全：AI时代最被低估的赛道

网络安全是本届大会出现频率最高的议题，黄仁勋、Palo Alto Networks CEO Nikesh Arora与CrowdStrike CEO George Kurtz均从不同角度强调了这一赛道的战略价值。

黄仁勋的逻辑链清晰：AI加速自动化编程，代码生成速度提升意味着代码被利用和攻击的速度同步加快，漏洞修复需求随之激增。

“还有什么比制造一个问题更能创造需求呢？”他表示，网络安全需要持续运作，将为AI大型实验室带来庞大新商机。目前英伟达正与CrowdStrike、思科、Palantir合作，使用Nemotron模型构建红蓝队系统。

Arora则指出，AI正在加速漏洞发现与攻击复杂度，企业需要集成化安全平台而非碎片化供应商堆叠。Palo Alto拥有约1.8亿个已部署传感器，每日处理19PB数据，构成数据与训练护城河。他直言“AI安全行业甚至尚未建立”，而未来五年5万亿美元的算力投资将带来网络流量的大幅增长，全部需要安全检测。

CrowdStrike的Kurtz则强调，公司10年以上的专有标注安全数据是核心竞争壁垒，其域专用模型的修复成本约为每次活动0.03美元，而前沿模型替代方案约为10美元，但可实现相近效果。新产品Guardian早期需求强劲，Flex协议累计达935笔，灵活性承诺总额23亿美元，上季度Flex交易量环比增长两倍。

SpaceX之外：Uber、MongoDB与Mastercard的AI叙事

Uber CEO Dara Khosrowshahi重申增长由出行与外卖双轮驱动。Uber One会员数量突破5000万，同比增长50%，占总订单量约50%，会员消费额是非会员的2至3倍。外卖业务中，杂货与零售年化营收达150亿美元，同比增长超40%，管理层认为按需零售规模最终可能超过出行业务。Uber同时表示，目标是在2028至2029年成为领先的自动驾驶商业化平台。

MongoDB CEO CJ Desai等管理层强调公司正演变为双引擎增长模式，Atlas连续五个季度维持约29%增长，Enterprise Advanced ARR连续三个季度增长超10%。AI方面，Voyage正通过Claude Code、Codex等编程代理成为客户获取渠道，客户数量环比近乎翻倍；Managed MCP发布有助于将Atlas直接嵌入代理驱动的开发工作流。AI辅助现代化迁移有望将项目周期从18至24周压缩至4至8周。

Mastercard CFO Ling Hai指出，消费者与企业支出趋势在8月保持强劲，跨境交易健康，无卡支付增长越来越多由AI订阅、数字资产等数字原生支付流驱动。服务业务目前占净营收近40%，网络安全需求在收购Recorded Future后持续加速，中国市场在获得国内牌照后仍是中期重要机遇。

半导体设备：供需持续偏紧，能见度"史无前例"

Lam Research CFO Doug Bettinger在大会上措辞强硬，称行业"基本上已售罄"，管理层更担心错过上行空间而非应对下行周期。Lam预计2027年晶圆设备支出（WFE）增长由DRAM主导，先进逻辑/代工紧随其后，NAND亦将稳健增长，洁净室可用性是关键约束，预计至2027年底前持续存在。

值得关注的新信息包括：Lam已与SpaceX的Terafab项目深度合作，该项目被描述为"非常大的机遇"；公司宣布在美国投资30亿美元用于实验室与工程建设，包括新建俄勒冈实验室；中国WFE今年小幅增长，但占比持续下降。

Seagate CFO Gianluca Romano则表示，AI基础设施驱动的存储需求叠加有限的供给增长，将持续支撑定价上行，上季度每艾字节价格同比上涨约11%。HAMR技术出货量有望于2026年底在艾字节维度超越PMR，预计未来几年占公司出货量的80%至90%。

高盛结论：超级周期而非泡沫，但ROI仍是核心考验

高盛科技研究主管James Schneider与欧洲TMT专家Sean Johnstone均在总结中强调，AI需求正在跨越整个技术栈持续扩展，但市场辩论已从模型能力转向基础设施规模、电力、投资回报率与真实企业落地。

高盛银行家将AI定性为投资超级周期而非泡沫，底部指标仍具建设性——供给偏紧、算力需求强劲、产品创新提速。但宏观层面的顾虑依然存在：利率、地缘政治、政策不确定性以及大数定律。

Johnstone的核心判断一语中的：AI需求正在扩展，但投资者仍需要证明资本支出能够转化为持久收入、利润率与现金流。

超大规模云厂商需要将积压订单转化为持续的企业AI收入，客户正从“最大化算力消耗”转向“以ROI为导向的算力优化”，而电力、内存、数据中心建设与容量方面的约束，可能使市场持续偏紧至2028年。

本文来自华尔街见闻，欢迎下载APP查看更多

周五，油价回落使得长期国债收益率小幅回落，但本周美国国债收益率曲线全面飙升，短期美债收益率更是暴跌。

2年期美债收益率攀升28个基点、至4.60%以上，10年期美债收益率一度升至4.988%、逼近5%关口，30年期国债收益率则达到约5.38%，创下2007年以来的最高水平。

9月11日，据彭博最新Markets Pulse调查，约五分之一的受访者表示，10年期美债收益率略超6%才将触发其个人投资组合的警报，并促使其减持股票。

122名参与者的中位响应值为6.5%，其中6%至6.24%区间获得最多选票，超过半数受访者认为收益率需升至6%至8.24%之间，才会对个人持仓做出实质性调整。

这一结果与交易员对大盘的整体判断形成明显落差，并对股市短期走势具有直接参考意义——尽管收益率仍在高位徘徊，但真正触发个人层面抛售行为的门槛，可能比市场此前预期的更高。

调查于9月8日至10日进行，共收集122份有效回复。数据揭示出交易员在机构判断与个人行为之间的显著差异。

在评估十年期美债收益率触发标普500指数下跌10%的临界点时，逾四分之三的受访者将该水平锁定在5%至5.75%区间。

然而，当问题切换至个人投资组合时，同一批受访者的容忍阈值大幅上移，中位数达到6.5%。

对此，彭博调查指出，这一分歧或源于风险承担机制的本质差异：管理他人资产的机构投资者面临问责压力，而个人投资决策则不存在"做错被解雇"的顾虑，因此投资者在自有资金上往往愿意承受更高风险。

值得注意的是，此次调查中零售投资者仅占受访者总数的7%。

彭博分析师Tatiana Darie此前曾指出，对市场而言，收益率上升的速度比其所达到的绝对水平更具冲击力，而本次Pulse调查数据印证了这一判断。

从调查分布来看，选择10.5%以上水平的受访者共8人，被单独归入一个区间统计。

这一长尾分布表明，部分市场参与者对极端利率情景持有相当程度的容忍空间，也意味着在收益率快速攀升的情境下，市场所受冲击可能远超绝对水平本身所暗示的程度。

十年期美债收益率在最新CPI数据公布后从5%附近回落，短期压力有所缓释。但若收益率重拾升势并快速逼近6%，届时个人投资者层面的调仓行为或将集中出现，进而对市场形成更为明显的下行压力。

本文来自华尔街见闻，欢迎下载APP查看更多

美光科技周五宣布，中国台湾员工将获得相当于35至68个月薪酬的2026财年奖励，最低现金补偿为170万新台币（约合5.38万美元）。

美光指出，在经历了一个“对公司而言非凡的年份”后，全球超过6万名员工将获得2026财年的奖励，本次向员工发放的薪酬力度为历年来最高。

然而，代表美光中国台湾约三分之二员工的桃园工会当日发表声明称，双方在持续谈判中尚未达成共识，工会仍要求将营业利润的15%拨作员工奖金，并警告称：

若公司不回应相关诉求，工会将继续推进罢工程序。

根据美光披露的方案，2025年8月29日前入职的中国台湾员工将获得100万新台币（约合3.17万美元）的现金奖金。

对于初级工程师，总奖励平均达340万新台币，其中现金补偿平均约290万新台币，其余部分以股权授予价值计算。此外，所有员工还将获得年度股权授予。

美光在中国台湾约雇用1.5万名员工，中国台湾是其最重要的生产基地之一，公司已在台累计投资逾1.6万亿新台币。

工会迄今坚持的核心诉求是将15%营业利润纳入员工奖金分配机制，与美光现行方案之间仍存在明显分歧。

美光此番举措，在一定程度上是为规避重蹈韩国竞争对手三星电子的覆辙。

据报道，三星今年5月曾面临多达4.8万名工会成员发起18天罢工的威胁，最终在最后关头谈判达成协议，设立了相当于芯片部门营业利润10.5%的特别奖金池，方才化解危机。

美光中国台湾工会此前亦明确指出，三星和SK海力士的利润分享安排已拉大美光员工与韩国同行之间的薪酬差距，此为此次劳资纠纷的核心背景之一。

对于存储芯片市场而言，中国台湾作为美光核心生产基地的稳定性至关重要。劳动争议若持续升级乃至演变为实际罢工行动，将对美光的生产节奏和供应链造成直接影响，进而波及全球存储芯片供给格局。

本文来自华尔街见闻，欢迎下载APP查看更多

据美国汽车协会（AAA）数据，全国柴油均价已达每加仑6.0556美元，加利福尼亚州价格更逼近8美元。与此同时，汽油价格也突破每加仑4美元，创同期历史最高水平。据彭博9月11日报道，距离11月中期选举仅剩约50天，高企的油价正在侵蚀消费者购买力，并向更广泛的经济层面传导。特朗普政府目前可动用的政策工具已所剩无几，出口管制这一选项尽管被业界普遍视为"糟糕政策"，却仍在持续发酵。

咨询机构Rapidan Energy Group将出口限制措施落地的概率评估为35%。能源部长Chris Wright近期未明确排除这一可能性，内政部长Doug Burgum则在共和党全国委员会大会上表示"所有选项都在考虑之中"，但同时承认出口管制历史上曾推高国内价格。多数专家警告，禁止出口不仅无法压低油价，反而可能适得其反，并对全球能源市场造成严重冲击。

价格为何创纪录：地缘冲突叠加供应链断裂

柴油价格的历史性突破，根源在于多重地缘政治冲击的同步叠加。

伊朗战争及霍尔木兹海峡航运中断，引发了史上最大规模的能源供应中断。与此同时，乌克兰对俄罗斯炼油厂持续数月的无人机打击，已迫使俄方实施柴油出口禁令。中东地区霍尔木兹海峡与曼德海峡附近的战事本周进一步升级，美伊两国似乎正为一场持久战做准备，这意味着能源价格高位运行的局面可能延续更长时间。

柴油是全球经济的"基础燃料"，广泛用于发电、家庭供暖、农业机械及货运卡车。尽管普通美国消费者日常直接接触柴油的机会有限，但其价格上涨将通过食品、物流和建筑成本向终端消费者传导。进入秋季后，供暖和农业用油需求还将季节性回升，进一步加剧供需紧张。

高油价对特朗普共和党的政治冲击尤为敏感。在缅因州，全美最高比例的家庭依赖取暖油过冬；在俄亥俄、堪萨斯、爱荷华等农业州，柴油成本直接关系到农业生产成本。美国伐木业协会（American Loggers Council）执行董事Scott Dane本周在Fox Business上呼吁特朗普暂停柴油出口，他表示：

“给一辆伐木卡车加满油，要花1350美元，我们快撑不住了。”

出口管制为何被提上议程：政策工具箱已近告罄

美国炼油厂目前正以接近历史峰值的速度运转。据彭博报道，全美约130座炼油厂上周每日将近1800万桶原油加工为汽油、柴油和航空燃油，但这一高产出对补充库存、压低价格的效果微乎其微——在全球地缘政治主导定价的市场环境下，产量提升难以抵消供应冲击。

报道指出，特朗普政府今年已采取了一系列措施，包括豁免已有百年历史的《琼斯法案》相关条款，以便利原油运输。但在产能已接近上限、现有政策效果有限的背景下，行政手段的空间正在收窄。白宫目前可用的工具，实际上只剩下进一步动用战略石油储备，或者实施出口禁令两条路。

每日约300万桶的成品油出口量，正是此次禁令讨论的核心靶点。这一数字在美国总产量中占据相当比重，也是支撑全球供应的重要来源。

禁令的代价：专家警告适得其反

尽管出口管制在政治上具有一定吸引力，但能源行业和独立研究机构几乎一致认为，这一措施将产生与初衷相悖的效果。

美国石油协会（American Petroleum Institute）早在2022年致时任能源部长Jennifer Granholm的信中就明确指出，出口限制将推高国内油价。战略与国际研究中心（Center for Strategic and International Studies）今年早些时候发布的报告，以及达拉斯联储和哥伦比亚大学全球能源政策中心针对原油出口限制的研究，均得出相同结论。

结构性问题是核心障碍。美国炼油产能高度集中于墨西哥湾沿岸，其基础设施本就面向出口市场设计。将产品从该地区输送至全国其他地区的管道，目前已处于满负荷或接近满负荷运行状态，全球油轮运力的紧张也限制了国内调配的灵活性。

战略与国际研究中心在报告中指出：“面对无利可图（甚至亏损）的经营环境，墨西哥湾沿岸炼油商必然会大幅削减炼油活动，加工更少的原油，输出更少的成品油。”

这将导致“国内汽油供应量反而低于没有禁令时的水平，部分乃至完全抵消初期的库存积累，并对禁令本欲压制的价格形成上行压力。”

全球市场的连锁反应：欧洲与亚洲首当其冲

目前，特朗普政府高层官员的表态均刻意保持弹性空间。

能源部长Chris Wright近期在被问及出口禁令时，未予明确排除，但随即将重心转向扩大生产和保障能源流通，这与特朗普"减少监管、释放产能"的整体能源政策方向一致。

内政部长Doug Burgum在共和党全国委员会大会上表示"所有选项都在考虑之中"，同时也承认出口管制历史上曾推高国内价格。

Rapidan Energy Group将当前出口限制措施落地的概率定为35%。这一概率虽然不高，但对于长期将出口管制视为政策禁区的能源行业而言，任何可能性的存在本身，已足以引发市场的高度警觉。

一旦美国实施出口管制，冲击将迅速蔓延至全球能源市场。

欧洲因俄乌冲突已承受燃料供应压力，美国出口中断将进一步加剧其困境。亚洲方面，中东冲突已导致供应紧张，今年以来对美国成品油的依赖程度持续上升，同样面临严峻风险。

从历史先例来看，美国并非没有实施过能源出口管制——1975年至2015年间，美国曾对原油出口实施长达40年的禁令。

然而，正是这一禁令的最终解除，使美国成长为全球主要能源供应国，也构成了当前限制成品油出口的重要障碍。禁止出口将直接冲击特朗普力推的"能源主导"战略，削弱美国作为全球能源供应者的地位与影响力。

本文来自华尔街见闻，欢迎下载APP查看更多

OpenAI周三宣布，Agents API即日起进入公开测试阶段，面向所有开发者开放。

此前这套代理框架与基础设施只服务于Codex和企业版ChatGPT，如今以编程接口的形式对外提供，开发者无需额外付费，仅按实际消耗的token及工具调用量计费。

过去一年，随着Codex和ChatGPT for Work触达全球数百万用户，OpenAI也在实践中摸清了一件事：要让长时运行的Agent在真实场景中真正好用，光有模型远远不够，它需要一套强大的harness来管理上下文、高效调用工具、协调子Agent，还需要配套的基础设施支撑Agent连续运行数天，并在可以读写文件、执行代码、保存中间结果的环境中持续工作。

从早期客户披露的数据来看，落地效果颇为可观。SafetyKit将案例审核工作流迁移至Agents API后，单案处理成本下降了60%；Hypha通过将代理执行框架与沙箱环境解耦，把代理响应失败率压低了86%；科技公司Cirridae的评估分数则从0.71提升至0.85，同时实现了4倍的延迟降低。

Agents API的核心设计理念是降低构建长时运行代理的工程门槛。

每当新模型发布，开发者往往不得不重新搭建自己的 harness 才能用上新能力，这无疑占用了本该用于打磨产品的宝贵精力。Agents API 通过版本化的方式，让每次模型更新都能直接对应相应的能力访问入口。

OpenAI 与模型保持同步，持续维护和优化这套 harness。这意味着开发者只需在一次API调用中指定任务、模型、工具与运行环境，即可创建可投入生产的代理，而无需自行搭建上下文管理、子代理编排等底层基础设施。

该API具备三项关键能力：

• 其一，上下文自动压缩。当会话趋近上下文窗口上限时，系统自动对早期内容进行压缩，使代理可持续运行数小时乃至数天；
• 其二，工具搜索与并行调用。按需加载相关工具定义以降低token消耗，并支持并行执行多个工具调用；
• 其三，多代理协同。主代理可将复杂任务分解后下发至多个并行运行的子代理，各子代理独立维护上下文，最终由主代理汇总结果。

物流科技公司Nash表示，其平台通过Agents API部署了数千个长时运行的AI代理，负责管理全球数亿次配送任务，代理运行周期可横跨数小时乃至数天。

在计算环境层面，Agents API提供多种部署选项。

OpenAI提供自托管沙箱，与Codex及ChatGPT共用同一沙箱基础设施，支持快速启动与弹性扩展；

（Agents API 为AI代理提供与 Codex 相同的框架和基础架构）

同时，OpenAI已与Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、甲骨文、Runloop及Vercel等生态合作伙伴达成一级集成协议，为开发者提供涵盖私有云部署、特定存储机制以及不同CPU、GPU与内存配置的差异化选项。

这一设计使Agents API得以覆盖从初创团队快速验证到企业级生产部署的全谱系需求。

建筑及居家服务领域的AI平台Long Lake表示，借助该API，其团队现可在数小时内跨行业部署代理，而非此前所需的数天周期。

Agents API基于开源的Codex执行框架构建，开发者可查阅其公开代码库以了解模型调用、工具协调与上下文管理的核心逻辑。

OpenAI负责维护并持续优化该框架，开发者在每次模型升级时可自动获益，无需自行重构代理架构。

OpenAI表示，Agents API当前处于公开测试阶段，将根据开发者反馈快速迭代，后续推进至正式发布。

该公司同时表示，支持MCP协议、自定义函数及网页搜索等内置工具。对于开发者而言，无需为API本身支付额外订阅费用，这一定价策略有助于降低采用门槛，同时将收入来源与实际使用量直接挂钩。

本文来自华尔街见闻，欢迎下载APP查看更多

美东时间9月11日美股三大指数全线反弹，资金重新流入AI硬件与半导体板块，戴尔作为AI算力落地的代表标的一举领涨。

此前9月10日美股盘后，甲骨文管理层在业绩说明会上重申2027财年资本支出计划高达900亿至950亿美元，用于扩建AI数据中心及相关基础设施，并直接点名戴尔与HPE将是这笔支出的主要承接方。

周五戴尔股价飙涨11.98%，股价创下历史新高，市值突破3600亿美元，今年累计涨幅接近350%。

华尔街见闻提及，甲骨文9月10日盘后公布强劲业绩。Q1云业务增长121%超预期，RPO达6640亿美元，上调全年业绩指引。

管理层在业绩说明会上重申，2027财年资本支出将高达900亿至950亿美元，重点方向为AI数据中心扩容、机架部署与网络设备采购。

关键转折在于Hilary Maxson在会上的直接表态。她明确指出上述巨额支出将流向戴尔和HPE等核心供应商，用于采购AI服务器机架、液冷系统及配套网络设备。这一措辞直接将订单可见度落实到具体供应商层面。

甲骨文同期披露的庞大AI云订单积压进一步印证，企业侧对算力的需求仍处于快速扩张阶段。对于戴尔而言，这意味着未来数个季度的订单来源获得了来自下游云巨头的明确背书，业绩兑现的确定性显著提升。

RBC资本市场于周四发布研究报告，首次覆盖戴尔并给予"跑赢大盘"评级。分析师David Paige在报告中写道：

我们看不到任何放缓迹象，相信戴尔将持续受益于多年期AI基础设施支出周期。

Paige还特别强调了戴尔供应链的竞争护城河，称其"同类最佳的供应链构成了竞争壁垒，在供应中断时期尤为突出，客户在供应波动或短缺阶段越来越多地将戴尔视为值得依赖的稳定伙伴"。

戴尔是英伟达Grace Blackwell NVL72机架的首批出货商之一，与英伟达的深度合作关系使其在GPU供应保障方面具备显著优势。

公司的AI服务器客户群已突破6500家，涵盖新兴云服务商（包括CoreWeave）、主权买家及大型企业，过去三个季度新增客户达3300家，客户集中度风险持续下降。

此前华尔街见闻提及，戴尔2027财年第二季度业绩报告显示，二季度AI服务器营收达到164亿美元，同比增长100%；公司当季AI服务器订单金额达到创纪录的609亿美元，季度末AI服务器积压订单达到950亿美元。

值得注意的是，公司高管在财报电话会议上表示，内存等零部件成本上涨推动了产品提价，这一因素也纳入了上调后的全年指引之中。戴尔此前将本财年全年营收预测上调至1920亿美元，较去年同期增幅接近70%。

除基本面因素外，戴尔近期还获得了被纳入标普100指数的资质认定，进一步提升了其在机构投资者中的关注度与配置价值。

本文来自华尔街见闻，欢迎下载APP查看更多

布伦特原油周四大幅跳涨后周五急速回落，但仍接近110美元/桶，距中期选举仅剩约七周半。自8月油价飙升以来，民主党重夺参议院的概率已从41%升至50%以上。特朗普周二表示，油价将在中期选举后才会大幅回落——此番表态或强化了市场对冲突持续的预期，但也令外界更加关注白宫是否会被迫采取行动压低油价。与此同时，10年期美债收益率逼近5%，进一步压缩了政策腾挪空间。

日元方向的转变则牵动更广泛的全球市场神经。美日10年期国债利差在过去两年大幅收窄，而美元兑日元汇率却长期滞后于这一变化——这一背离正在修复。TS Lombard认为，日本资本回流才是推动日元持续走强的核心动力，其公允价值模型指向130至140区间，意味着当前水平仍有显著升值空间。一旦日元"超级油轮"加速转向，套息交易的大规模平仓可能引发跨资产波动率的系统性上升，VIX或难以维持当前的低位。

油价：特朗普的政治算术

油价的每一次上涨，都在侵蚀共和党的选情基本盘。自8月油价大幅上行以来，民主党重夺参议院的市场隐含概率已突破50%。布伦特原油逼近110美元/桶，在距中期选举仅剩七周半的时间节点上，市场开始重新评估共和党对高油价的容忍上限。

特朗普周二的表态——油价将在选举后才会下跌——在一定程度上强化了地缘冲突持续的预期，但这并不意味着白宫会坐视不管。分析认为，若油价在选举日前仍舒适地维持在100美元以上，加之10年期美债收益率逼近5%，政治压力与经济压力的叠加可能迫使白宫寻求某种形式的缓和。若民主党同时夺回参众两院，特朗普剩余两年任期的施政空间将大幅受限——这一代价或许更难承受。

值得注意的是，当前油价波动率所反映的市场压力，远低于7月那次规模更小的现货价格冲击，更不及3月的剧烈震荡。波动率市场似乎已在一定程度上为特朗普所需要的价格回落定价。

日元：结构性转向，而非短期扰动

日元的故事，远不止于一次汇率波动。

过去两年，美日利差大幅收窄，但美元兑日元汇率几乎纹丝不动——这一背离如今正在加速修复。

TS Lombard指出，日本央行加快紧缩步伐、政治层面对日元升值的容忍度提升，以及日本资本外流的逆转，三重力量正在形成合力。干预或许是这轮行情的催化剂，但资本回流才是可能令其持续的根本驱动。

TS Lombard的公允价值模型将美元兑日元的合理区间指向130至140，意味着即便跌破150，也可能只是这轮调整的起点，美元/日元将面临持续的下行压力。

套息交易平仓，日元波动率威胁全球资产

日元的问题不仅局限于日本国内，更是全球市场的隐患。套息交易的逻辑在于波动率不掩盖收益率差，但随着日元波动率（JPY vol）的上升，维持做空日元的风险调整后回报正在迅速恶化。

官方干预是催化剂，而波动率的上升则是将局部调整转化为广泛平仓的核心驱动力。杠杆头寸被迫缩减，正在对全球流动性产生直接冲击。

资金回流日本，推升欧美债券收益率

日元的转向正在重塑全球债券市场的供需格局。据Natixis分析，如果GPIF（日本政府养老金投资基金）将资金轮动至日本国债（JGBs），其影响将远远超出东京市场。

历史上，日本投资者一直是外国债券的重要买家。当他们变得对价格更加敏感或开始主动将资金汇回国内时，这将在全球政府债券发行量加速之际，抽离一个重要的需求源。因此，日元的转向可能会对美国和欧洲的债券收益率施加额外的上行压力。

日元走强或唤醒VIX，引发全球避险

强势日元不仅反映了全球风险规避情绪，它本身就能创造这种情绪。美元/日元的无序下跌可能会迫使全球风险资产中的套息交易去杠杆化，从而将日元的反弹演变为一场更广泛的全球波动性事件。

在VIX指数近期刚刚重置的背景下，股票波动率目前为这种尾部风险提供了极具吸引力的对冲工具。如果日元这艘“超级油轮”加速转向，全球市场的波动率将无法继续保持沉睡。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博社报道，SemiAnalysis已收购主题投资研究机构Citrini Research，双方创始人Dylan Patel与James van Geelen于周五（9月11日）向彭博社确认了这一交易。此次收购将SemiAnalysis在芯片供应链与AI硬件领域的深度技术研究，与Citrini在公开市场投资分析方面的影响力相结合，标志着独立研究行业在AI浪潮下的一次重要整合。交易价格未予披露。

据彭博报道，van Geelen将暂时留任Citrini Research首席执行官，Citrini将保持一定程度的运营独立性，而非完全并入SemiAnalysis品牌。与此同时，报道指出，知情人士透露，van Geelen还计划另行发起一只新基金，但他本人拒绝就此置评。

这两家机构均是本轮AI牛市中市场高度关注的独立研究声音。Citrini今年早些时候发布的一篇报告曾引发市场震荡，重创软件股；SemiAnalysis则长期是芯片行业高管与机构投资者的必读参考。两者合并，被市场视为一个明确信号：将AI硬件建设与公开市场股票表现相连接的综合性研究，正成为稀缺且高价值的资产。

Citrini：靠一篇报告震动市场的"网红"研究机构

Citrini Research成立于2023年，是一家相对年轻的主题投资研究机构，总部位于纽约。尽管成立时间不长，该机构已在Substack平台积累了约26万订阅用户，是金融领域规模最大的Substack订阅业务之一。Citrini截至2025年12月已累计融资约505万美元。

令Citrini真正出圈的，是van Geelen今年早些时候发布的一篇题为《2028年全球智能危机》的报告。报告描绘了一个AI快速消灭白领工作、经济体系来不及消化冲击的未来图景，发布后迅速在市场引发轩然大波，软件股遭到集中抛售。这篇报告让Citrini从一家订阅制研究机构跃升为具备市场移动能力的研究力量。

SemiAnalysis：芯片圈的"必读"研究机构

SemiAnalysis由Dylan Patel创立于2020年，专注于半导体与AI基础设施研究，覆盖GPU供应链、定制芯片路线图及数据中心经济学等核心议题，已成为芯片行业高管与机构投资者的重要参考来源。

据彭博报道，Patel表示，传统研究机构的运作方式"笨拙、陈旧、缓慢，且未能向大众普及"。他认为，研究行业正在经历深刻变革，新时代的研究应当由真正懂行的人来完成，并向更广泛的受众开放。

"James拥有金融领域规模最大的Substack业务，同时在此之外也有其他业务，"Patel表示，"这次合并是为了扩大我们的研究规模，在这个研究民主化的新时代成为最优秀的研究机构。"

整合逻辑：硬件研究与市场分析的协同

此次收购的战略逻辑清晰：SemiAnalysis擅长供应链与技术层面的深度拆解，Citrini则专注于追踪AI基础设施支出如何传导至公开市场。两者的结合，填补了从芯片硬件建设到股票投资决策之间的分析空白。

van Geelen将留任Citrini CEO，意味着两家机构短期内将保持相对独立的运营架构，而非立即完全整合。未披露的交易条款也令外界对两家机构最终整合深度保持观望。

van Geelen在声明中表示："我对独立投资研究的未来充满期待。"

另外，在出售Citrini的同时，van Geelen个人层面亦有新动作。据彭博援引知情人士消息，他计划发起一只新基金，但具体细节尚未披露，van Geelen本人也拒绝就此发表评论。

这一安排表明，van Geelen在保留对Citrini运营影响力的同时，正在为自己开辟新的投资管理赛道——这与他此前通过研究报告积累的市场影响力形成自然延伸。

本文来自华尔街见闻，欢迎下载APP查看更多

9月11日，据《金融时报》报道，Situational Awareness基金创始人Leopold Aschenbrenner近日已开始在AMD、英特尔、SK海力士、闪迪及AI初创公司CoreWeave等科技股中重建大规模交易头寸。

报道援引消息人士透露，由于此前的经纪商关系几乎全部断裂，Aschenbrenner已转而与鲜为人知的专业经纪商Clear Street建立合作，借此重返市场。此举引发市场高度关注，因为其交易手法与今年7月酿成巨亏的操作高度雷同。

野村证券策略师Charlie McElligott此前已捕捉到异常信号。他指出，上周五及劳工节假期后的周二，市场出现了一系列大规模弹性看涨期权（Flex Call）交易，集中于多只AI及半导体相关个股，"神秘买家"合计花费3.15亿美元期权权利金，涉及Delta敞口11亿美元、Vega敞口580万美元。

这一"现货涨、波动率也涨"的联动模式，与今年7月市场动荡前的行情特征如出一辙。

报道援引据知情人士透露，Situational Awareness近日建立的新头寸均通过弹性期权完成，标的涵盖此前爆仓的核心持仓。

McElligott列举了来自野村交易台在上周五及周二观察到的具体期权成交情况：

• AMD方面，周五成交5000张2026年1月到期、行权价540.01美元的看涨期权，权利金合计1870万美元；周二进一步买入3700张行权价580.01美元合约，权利金1750万美元。
• 清洁能源公司Bloom Energy方面，两个交易日合计权利金支出约4820万美元，股价两日累计上涨17.5%。
• CoreWeave两日累计涨幅达18%，对应期权权利金合计逾4300万美元。
• 此外，SK海力士、闪迪、DRAM相关标的及英特尔均出现类似的大额深度价外看涨期权买入记录。

上述合约均为深度价外期权，旨在通过触发大规模gamma轧空来推动价格动量，从而间接拉抬标的股价。

（半导体ETF未来3个月的看涨期权偏斜度飙升至历史高位）

Situational Awareness此前在AI热潮中声名大噪，Aschenbrenner亦跻身业内最受瞩目的科技投资人之列。

然而，今年夏季AI板块的大幅回调导致基金损失规模高达数百亿美元，最终不得不大幅削减杠杆并抛售大量持仓。

为渡过危机，Situational Awareness将旗下大部分公开市场头寸出售给Citadel，此举虽使基金得以存续，但也宣告了此前激进策略的阶段性终结。

在7月末致投资人的信中，Aschenbrenner表示将"另谋再战之日"，并承诺"汲取必要教训"。他还表示，基金将"继续以公私混合形式运营"，但公开市场投资将"以全额支付的方式管理"。

与7月爆仓时借助高盛等大型投行的总收益互换获取高杠杆不同，Aschenbrenner此次选择弹性期权作为工具。

《金融时报》援引知情人士称，使用全额付款期权（fully-paid options）可将最大损失限定于已支付的权利金，理论上规避了追加保证金乃至爆仓的风险。

然而，这一结构调整并未从根本上改变策略逻辑，仍是通过在流动性相对有限的动量标的中建立大规模敞口，意图引导市场跟风，触发连锁式价格上涨。

McElligott注意到，这种"现货上涨带动波动率上升"的相关性，在近期单只科技股经历剧烈波动后，正重新成为波动率分散策略的正收益驱动力。

7月的爆仓事件已在华尔街留下深刻印记。据报道，此前与Situational Awareness合作的经纪商均遭到美国司法部调查，令Aschenbrenner在主流金融机构几近"列入黑名单"。

在此背景下，他转向Clear Street，这家经纪商在对冲基金圈以专注科技板块闻名。英国《金融时报》将此描述为Aschenbrenner"试图重建华尔街关系、从对冲基金史上最大单笔亏损中复盘反弹"的努力。

当前市场的核心疑问，在于这一策略能否再次奏效，抑或将重演7月的崩盘路径。

从结构上看，此次Aschenbrenner的盈亏将完全由自身承担，不再通过总收益互换（TRS）与经纪商共担风险敞口。一旦动量反转，期权权利金将全部归零，且无法通过调整杠杆比例加以缓冲。

与此同时，AI存储相关股票的估值逻辑本身也正面临挑战。McElligott观察到，这批高度集中的AI主题个股，在经历了夏季的剧烈回调后，波动率结构仍处于高度敏感状态，任何动量中断均可能引发快速去杠杆。

从历史上看，试图通过拉升深度价外期权触发gamma轧空的策略，高度依赖市场的持续跟风配合。一旦市场参与者意识到头寸集中度并选择对冲或做空，结果往往与最初预期截然相反。

本文来自华尔街见闻，欢迎下载APP查看更多

9月11日，据MarketWatch报道，BMO资本市场美国利率策略主管Ian Lyngen预计，美联储本月加息25个基点后，将在10月和12月会议上继续各加息一次，合计三次加息将把联邦基金利率目标区间推回至4.25%至4.5%，实质上抹去前美联储主席鲍威尔主导的2025年降息成果。先锋集团（Vanguard）高级美国经济学家Josh Hirt也表示，三次加息是评估美联储路径的"相当合理的起点"，但他同时指出，可能的加息次数区间宽达一至六次。

在市场脆弱性方面，分析人士已锁定两大潜在风险敞口：人工智能支出热潮背后的乐观情绪，以及保险行业对私人信贷的大规模持仓。与此同时，美国财政赤字持续扩大带来的隐忧也在升温，若10年期美债收益率触及5%，市场或面临新一轮抛售压力。

"连加三次"：历史规律与当前预期

经济学家普遍指出，美联储历史上鲜少满足于仅加息一次。

据报道，Monetary Policy Analytics政策经济学家Derek Tang表示，一旦启动加息，政策惯性往往推动多次连续行动。

Ian Lyngen的基准预测是7月、10月、12月各加息25个基点。若该路径成真，联邦基金利率将回到4.25%至4.5%区间——这一水平与2024年底降息前的高点相当，意味着过去一年多的宽松操作将被全面逆转。

Josh Hirt则为市场提供了更宽泛的情景框架。他表示，加息次数的合理区间为一至六次，三次只是思考起点，最终路径取决于通胀数据的演变节奏。

值得注意的是，历史上也存在例外：1997年美联储仅加息一次，此后18个月内未再行动，直至转向降息。

AI支出热潮：高利率环境下的最大压力点之一

Derek Tang明确点出，人工智能支出周期所依赖的乐观预期，是当前货币收紧环境下最值得警惕的脆弱环节之一。

Allianz Investment Management高级投资组合经理Charlie Ripley阐释了传导机制：AI"超大规模"科技企业（hyperscalers）未来数年每年资本支出估计高达1万亿美元，这些企业高度依赖债务融资。长端利率上升将直接推高借贷成本，压缩投资回报空间。

报道称，Rockefeller International主席Ruchir Sharma近期在《金融时报》撰文表达了类似担忧：当美国政府债券收益率升至5%，大型科技企业将不得不与政府在债务市场上直接竞争，部分企业可能因此被挤出融资渠道，AI繁荣周期存在被高借贷成本提前终结的风险。

Charlie Ripley也认同，10年期美债收益率一旦触及5%，可能成为触发市场抛售的临界点。

私人信贷与保险业：被忽视的系统性隐患

Derek Tang指出的第二个脆弱环节，是保险行业对私人信贷的大规模配置。

国际货币基金组织（IMF）此前已就此发出警告：部分或全部由私募股权公司持有的保险公司，透明度不足，且倾向于配置风险更高的固定收益资产。一旦利率环境剧烈波动引发损失，风险可能通过保险业向银行体系蔓延，形成跨行业的系统性传导。

Tang表示，"这是我认为市场参与者应当给予更多关注的领域。"

此轮加息与历史危机的关键差异

尽管风险点明确，Vanguard的Hirt认为，此轮潜在加息周期与历史上引发重大金融危机的加息周期存在本质区别，不宜简单类比。

他指出，2023年硅谷银行倒闭和1994年加州橙县市政破产，均发生在美联储骤然逆转市场预期的背景下——彼时利率从低位快速拉升，市场猝不及防。而当前情况截然不同：

美联储在2022年至2024年间已经历一轮大幅加息周期，利率整体仍处于高位，市场对政策方向并不陌生。此次若再度加息，更多是在寻找对通胀施加下行压力的合适利率水平，而非颠覆市场叙事。

报道指出，这一判断为市场提供了一定的缓冲逻辑，但分析人士普遍强调，AI融资链条和私人信贷领域的结构性脆弱性，仍需持续跟踪。

本文来自华尔街见闻，欢迎下载APP查看更多

高盛首席美国经济学家David Mericle在9月11日的研报中明确表示，该行现在预计美联储将在9月16日结束的两天会议上加息25个基点，此前预测为按兵不动。这一转变直接由最新公布的美国8月CPI数据触发——核心CPI环比上涨0.3%，高于市场预期的0.2%，推动市场将9月加息概率定价至约90%。

值得注意的是，高盛此次"改口"并非基于对通胀形势的根本性重新判断，而更多出于对美联储公信力的考量。David Mericle坦言，"8月CPI报告仅将我们对8月核心PCE的预测小幅上调至0.26%，并未改变我们对通胀的基本判断，但我们认为，在市场已将加息概率定价至近90%的情况下，美联储将不愿意因按兵不动而引发市场动荡。" 目前，市场对下周加息的最新定价约为85%。

高盛转向：信誉考量压过经济判断

报告称，高盛此次调整预测的逻辑颇为特殊——该行明确表示，从经济基本面角度看，并不认为当前有加息的强烈必要性。

David Mericle在报告中指出，高盛仍然认为通胀超出2%目标的部分，可以完全归因于一次性因素，这些因素的影响预计将逐步消退；过去三个月核心PCE通胀改善至约2.5%的年化速度，正是这一判断的早期信号。

此外，高盛认为当前经济并未过热，通胀预期也未面临立即失锚的风险，而有限幅度的加息对于抵消供给冲击的通胀影响作用有限。

然而，促使高盛最终转向的，是对美联储沟通信誉的判断。报告指出，美联储主席沃什在杰克逊霍尔会议上发表的偏鹰派讲话，已引导市场预期"若通胀数据不够完美则加息"，而8月CPI虽未令人担忧，但确实"不够完美"。在此背景下，若美联储选择按兵不动，可能损害市场对其政策可信度的认知，并引发长端利率的即时反应。

高盛还指出，近期油价上涨，可能使此前态度摇摆的部分FOMC票委更倾向于支持加息；而即便是那些认同高盛通胀判断的委员，也可能因疲于反复解释"高通胀并非过热信号"而选择不反对加息。

华尔街集体转向，9月加息成共识

高盛并非孤例。华尔街见闻文章写道，8月CPI数据公布后，多家华尔街主要机构迅速调整了对美联储的利率预测，9月加息正在成为越来越多机构的基准情景。

摩根大通放弃了此前更偏向等待的判断，将预测调整为9月和12月各加息25个基点。该行首席美国经济学家Michael Feroli表示，加息理由直接明了：核心PCE通胀今年每个月均高于3%，且近期向2%目标靠拢的进展极为有限。

花旗经济学家Andrew Hollenhorst和Veronica Clark预计美联储9月加息25个基点，认为8月核心通胀高于预期叠加能源价格重新上涨，"很可能刚好足以促成共识"。三菱日联同样彻底放弃了"2026年维持利率不变"的预测，转而预计9月加息25个基点。

共识之外：后续路径分歧显著

尽管9月加息已成华尔街共识，但对于此后的政策走向，各机构判断出现明显分化。

对于9月之后的路径，高盛的立场相对审慎。David Mericle认为，后续会议进一步加息是可能的，但并非基准预测。

高盛认为，大多数FOMC委员可能倾向于不在10月会议上再次加息——一方面是因为10月会议临近中期选举，另一方面是对加息必要性持怀疑态度的委员，也可能希望将紧缩节奏控制在更为渐进的水平。至于12月，高盛预计届时通胀趋势将进一步改善，关税及伊朗战争等关键通胀驱动因素的影响也将进一步消退，届时再次加息的必要性将大幅降低。

高盛同时指出，即便实施单次25个基点的加息，对经济的实际影响也相当有限。

道明证券的立场最为鹰派。包括Oscar Munoz和Gennadiy Goldberg在内的策略师预计，美联储将在9月启动本轮加息周期，并总计加息三次——分别在9月、10月各加息25个基点，并于2027年1月完成第三次加息。策略师认为，8月CPI显示通胀缺乏进一步改善，美联储有必要开启新一轮紧缩周期。

摩根大通则预计年内两次加息，但不认为美联储会连续每次会议行动。Michael Feroli认为，10月暂停加息有合理依据——需要时间观察加息对经济的传导效果。该行基准路径为：9月加息、10月暂停、12月再加息，且不认为加息周期会延续至2027年。

三菱日联的路径介于两者之间。该行预计9月加息后10月暂停，并认为12月再次加息的概率为55%至60%。值得关注的是，三菱日联明确指出，此次加息本身存在成为"政策错误"的可能性，并将大多数期限美债收益率预测上调25至50个基点，预计年底2年期美债收益率为4.25%、10年期为4.625%、30年期为5%。

花旗的预测则最为温和。该行预计9月加息后，美联储将一直按兵不动至2027年6月，届时随着通胀逐步回落重新开启降息，并在2027年底前累计降息三次。

本文来自华尔街见闻，欢迎下载APP查看更多

美国财政部周五公布的数据显示，2026财年前11个月联邦预算赤字达1.97万亿美元，为有记录以来最高水平之一，其中8月单月赤字为1668亿美元。

截至8月的11个月里，净利息支出累计达1万亿美元，已超过国防及其他所有主要支出类别，仅低于社会保障与卫生与公众服务部两项。

受通胀担忧及美联储加息以遏制通胀的预期推动，本周美债收益率升至多年高位：2年期收益率周五盘中一度触及4.66%，10年期触及4.98%。可交易国债平均利率升至3.48%，较五年前高出逾2个百分点。

由于大量低息时期发行的国债陆续到期、须以更高成本再融资，财政部的平均融资成本仍将继续上行。对一个未偿债务已突破40万亿美元的政府而言，利息支出的膨胀正在挤压财政空间，也让长端美债“无风险锚”的定位不再稳固。

美国财政部数据显示，2026财年前11个月（截至8月）联邦预算赤字为1.97万亿美元，经日历差异调整后较2025年同期下降约5%。

8月单月赤字为1668亿美元，较7月的4320亿美元大幅收窄，但后者主要受到关税退款等日历因素扰动，并不具有可比性。

从收支结构来看，前11个月联邦支出合计6.81万亿美元，同比增长3%；收入合计4.85万亿美元，调整后同比亦增长3%。收支增速同步，但支出规模绝对值显著高于收入，赤字缺口依然庞大。

按彭博汇编数据分析，2026财年全年赤字有望较2025年扩大约2000亿美元，届时将仅次于2020年和2021年疫情危机年份，成为美国历史上第三高赤字年度。

财年最后一个月9月通常因企业所得税申报截止日期而录得盈余，但难以从根本上改变全年走势。

利息负担是当前联邦财政压力的核心症结。前11个月净利息支出合计1万亿美元，超过国防及其他所有主要支出类别，仅低于社会保障和卫生与公众服务部（主管联邦医疗保险Medicare）。

若以滚动12个月口径计算，美国利息支出目前已达1.4万亿美元的历史峰值，同比增幅达12%。

相比之下，社会保障滚动12个月支出为1.66万亿美元，但增速明显更慢。照此趋势，利息支出有望在2028年底前超越社会保障，成为美国联邦政府最大单项支出。

推升利息负担的核心因素在于借贷成本持续上升。财政部数据显示，截至8月末，可流通国债平均利率已升至3.48%，较五年前高出逾2个百分点。

随着低收益率债券陆续到期、财政部被迫以更高成本再融资，这一数字仍将持续攀升。目前，可流通美国国债中有23%为短期国库券（T-Bills），一旦美联储重启加息，利息支出将面临更为直接和迅速的冲击。

联邦支出增速持续超出财政收入增长能力，收支缺口有进一步扩大之势。

8月当月，美国政府支出为5270亿美元，收入为3600亿美元。从过去六个月的趋势线来看，支出与收入两条曲线正快速背离，支出增速逼近新冠疫情时期峰值，而收入增长则受制于更为狭窄的区间。

社会保障和联邦医疗保险支出的持续扩张是重要驱动力之一。随着退休人口稳步增加，上述"法定福利"项目支出长期承压，而国会在削减福利或提高缴费方面均缺乏政治动力。

关税退款近期也对赤字形成阶段性冲击。美国最高法院今年2月裁定特朗普政府此前大部分关税加征措施违法，此后数月净关税收入连续下滑。不过，8月关税净流入回升至128亿美元。

长端利率走高，从无风险基准到财政风险定价

2年期收益率周五触及4.66%、10年期触及4.98%，均处多年高位。

长端收益率的上行，更多反映市场对财政赤字扩大、供给放量及债务可持续性恶化的风险补偿。

美国国会预算办公室2月曾警告，到2030年美国债务占GDP之比有望超过1946年二战刚结束时创下的106%纪录。

美国财长贝森特已承诺在未来数周或数月内公布财政整固计划，并称正与白宫预算主管 Russ Vought 共同制定；同时他预计，随着政府基于其他立法推出新的进口关税，此前的关税收入大部分将得以恢复。

债务水平、利息成本与财政赤字三者相互强化的迹象，正在让长端美债的定价从“无风险基准”向“财政风险资产”偏移。

市场接下来的关注点，是财政部下一次季度再融资声明中对发行结构与长期国债回购计划的调整，以及贝森特承诺的财政整固方案能否在数周内落地。

本文来自华尔街见闻，欢迎下载APP查看更多

此次上市融资规模或高达1000亿美元，公司估值有望触及2万亿美元，有望成为史上规模最大的IPO。

华尔街见闻提及，Anthropic原计划最快于下周公开招股说明书，但目前预计推迟至9月下旬。招股说明书披露后，上市路演最早将于10月中旬启动，最终挂牌时间则可能落在11月美国中期选举前数日。

基石投资者通常是在IPO向市场公开发行前承诺认购特定份额的机构投资者，为上市提供早期背书。随着超大规模IPO日趋普遍，提前锁定机构投资者已成惯常做法。

英伟达此前已扮演过类似角色。芯片设计公司Arm在IPO时的基石投资者名单中即包括英伟达和亚马逊，沙特主权财富基金PIF则是SpaceX的基石投资者之一。

对于Anthropic而言，引入英伟达这一资金雄厚的战略投资者，既可巩固市场信心，也可进一步强化双方在算力供应层面的深度捆绑。

Anthropic的估值在过去数月间已大幅跃升。

今年5月，该公司完成融资时的上市后估值为9650亿美元；若此次IPO以2万亿美元估值落地，将意味着估值在短期内翻逾一倍。

营收高速增长是估值支撑的关键。Anthropic方面表示，其年化营收运营率已由2025年底的约90亿美元，在今年7月底攀升至650亿美元以上。

公司对2028年营收的内部预测约为1900亿至2000亿美元，最终估值在一定程度上将取决于上述预期能否兑现。

Anthropic高度依赖英伟达GPU，与此同时也在积极寻求芯片供应来源多元化，背景是旗下Claude模型的需求激增已令现有算力趋于紧张。

该公司的主要金主同时也是其核心算力供应商。今年4月，Anthropic宣布将在十年内向亚马逊AWS投入逾1000亿美元，并采用逾100万块亚马逊Trainium2芯片；与此同时，公司还与谷歌及博通达成协议，计划新增数吉瓦的TPU算力。

在与英伟达的合作方面，2025年11月，英伟达宣布将向Anthropic投资最多100亿美元，此举是更广泛战略合作的一部分。该合作框架下，Anthropic承诺采购300亿美元由英伟达芯片驱动的微软Azure算力。

尽管与英伟达、亚马逊、谷歌的合作持续深化，Anthropic仍在着力推动对自身硬件成本的掌控。

据悉，该公司正在组建内部团队，专门设计针对Claude模型定制的芯片，意在降低对外部供应商的依赖，并在算力基础设施层面构建更强的自主能力。

本文来自华尔街见闻，欢迎下载APP查看更多

伦巴德全球宏观研究公司（TS Lombard）与西班牙国际银行（Banco Santander）近期相继发布报告指出：GPIF正在或即将加速回流日本国内债券，其规模或将对美欧国债收益率产生实质冲击。

据西班牙国际银行测算，即便不触发正式的资产配置审查，GPIF最多可在现行政策框架内减持高达620亿美元的美国国债。

TS Lombard则进一步指出，这一结构性资金回流将推动USD/JPY跌破150，并指向130至140的公允价值区间，而全球套息交易的被动去杠杆风险尚未被市场充分定价。

目前，日本厚生劳动相Kenichiro Ueno已证实，官员正在研究是否需要对GPIF资产配置进行审查，但尚未作出正式决定。与此同时，GPIF国内债券配置截至3月底已升至27%，高于25%的基准目标，意在不改变现行政策的情况下，仍存在4%增配空间。

目前市场对这一潜在转向的定价尚不充分，投机性日元空头头寸依然偏高。

过去两年，美日10年期国债利差持续收窄，但USD/JPY始终徘徊于历史高位附近，形成罕见的长期背离。

TS Lombard认为，日元正在重新与利率差联动，若这一收敛趋势延续，汇率的下行压力将持续存在。

支撑日元疲弱的关键因素，历来并非利差本身，而是日本国内持续的大规模资本外流。日本庞大的经常账户顺差，长期被投资组合资金流出与套息交易所淹没。

过去两年，即便国内资产收益率不断抬升，日本投资者仍持续买入海外资产。如今这一行为正在逆转——资金回流日本，使回流本身取代官方干预，成为日元走强的结构性驱动力。

日本10年期国债收益率上周触及3%，为1996年以来首次，受通胀压力、财政支出担忧以及市场对日本央行加快加息的预期共同推动。

TS Lombard预计，日本央行将从2027年1月起恢复季度加息，终端利率在2027年第四季度达到2%。利差收窄的方向性已经确立。

GPIF当前管理资产规模约2万亿美元，是全球规模最大的养老基金，也是美国国债最大的单一外国持有方之一——据美国财政部数据，日本持有美债总规模达1.1万亿美元。

GPIF配置行为的任何边际变化，都足以对全球固定收益市场产生可感知的冲击。

截至今年3月底，GPIF国内债券配置已升至27%，高于25%的基准目标。按现行政策，该基金允许在基准上下5个百分点范围内浮动，即最高可配置至31%，当前距上限仍有约4个百分点的增配空间。

TS Lombard指出，这一转向可能才刚刚开始。

西班牙国际银行固定收益、外汇及大宗商品策略全球主管Antonio Villarroya领衔的团队在致客户报告中写道："鉴于战略配置区间赋予的灵活性，GPIF可以在未来数月内开始削减外国债券持仓，无需等待正式的战略资产组合审查。"

该行的模型情景假设GPIF将外债配置从当前水平降至投资组合的20%——仍在现行政策允许范围之内——由此测算出潜在减持美债规模高达620亿美元，且抛售风险集中于美国国债。

Villarroya团队补充称，若日本央行通过连续加息成功推动日元走强，上述减持路径将更有可能付诸实施。

套息交易的运转逻辑建立在低波动率之上：只要日元汇率稳定，借入日元、配置高息资产的利差收益便能持续累积。一旦日元波动率上升，做空日元的风险调整后回报将迅速恶化，杠杆头寸被迫收缩。

TS Lombard指出，官方干预只是催化剂，波动率才是将干预转化为更广泛平仓的关键变量。

TS Lombard的相对价格与利率模型显示，USD/JPY的公允价值在130至140之间，当前150附近的价格从基本面看并非支撑，而更可能只是通往新制度的一道门槛。

市场目前尚未为日元全面重估布局——投机性头寸仍以做空日元为主，一旦USD/JPY决定性跌破150，强制回补可能成为下一阶段的主要驱动力。

TS Lombard提示，日元升值的影响不止于汇率本身，而是具备向全球资产蔓延的潜力。

若USD/JPY出现无序下行，可能迫使跨资产套息头寸集中去杠杆，将日元反弹升级为一次更大范围的波动事件——这与2024年8月日元急升引发全球股市动荡的情形具有内在相似性。

TS Lombard认为，在VIX近期回落之后，做多股票波动率是对冲上述尾部风险的有效工具，并警告称，若GPIF这艘"超级油轮"继续加速，全球波动率未必会继续沉睡。

本文来自华尔街见闻，欢迎下载APP查看更多

Anthropic没有直接点名胡塞武装，但也门北部大部分地区由胡塞控制，因此一些媒体均将相关人员与胡塞武装联系起来。

更值得关注的是，Anthropic称，这些人员使用Claude Code承担原本由人类软件工程师完成的部分工作，并曾进行一次制导火箭试射。

Claude Code被用作替代软件工程师 并分析制导火箭试射失败原因

Anthropic称，相关人员推进了包括多级弹道导弹、多型号导弹和制导火箭在内的三个武器研发项目，并利用Claude开发飞行器的制导、导航和控制软件。

Anthropic在报告中写道：

“这些操作者使用Claude Code取代人类软件工程师，开发用于制导、导航和控制（GNC）的软件，以操纵和稳定飞行器。”

Anthropic称，他们还利用Claude将开源自动驾驶系统集成到“手机级”飞行计算机上，编写控制和位置估算软件、调整控制参数、运行固件构建流程，并进行飞行模拟。

不过，AI并未帮助其成功实现武器部署。Anthropic表示：

“我们没有证据表明这些操作者成功部署了可投入使用的武器；但他们确实试射了一枚制导火箭。”

公司称，这次试射“似乎失败了”，数小时后，相关人员又返回Claude，试图分析失败原因。

安全防护拦截“很多请求”，但并非全部

Anthropic表示，相关人员采取了多种方式绕过Claude的安全机制，包括隐藏真实目标和软件最终用途，并将工作拆分至多个会话中，使单次对话无法呈现完整意图。

Anthropic称：

“我们的安全防护机制拦截了他们的许多请求，但并非全部。”

公司随后封禁了与这些行为者相关的账户，并向公共和私营部门合作伙伴共享威胁情报。但Anthropic同时发现，这些人员此前已经建立了一套不依赖Claude或其他工程计算环境的离线模拟工具。

“即便如此，我们有证据表明，这些操作者也已经建立一套不依赖Claude或其他工程计算环境的离线模拟工具。”

必须强调的是，Anthropic没有直接认定这些操作者就是胡塞武装，也没有证据证明相关AI辅助研发最终形成了可投入实战的导弹系统。

目前能够确认的是，Anthropic发现了一个位于也门北部、与其描述高度吻合的武器研发小组，并确认该小组曾利用Claude开展制导武器软件开发、进行制导火箭试射以及在试射失败后进行AI辅助分析。

本文来自华尔街见闻，欢迎下载APP查看更多

美国股市周五结束了连续四个交易日的下跌。道指收涨近1%、涨509.19点终结四连跌，标普500涨0.86%、纳指涨0.96%。通信服务与非必需消费领涨，甲骨文900至950亿美元资本开支指引引爆AI服务器链，戴尔飙涨近12%创历史新高。

22V Research的Peter Williams指出，市场将通胀数据解读为“足够热到触发美联储收紧”，在担忧政策过于宽松的背景下可能是一件“好事”。eToro的Bret Kenwell则提醒，如果美联储把加息表述为对通胀再起的保险，市场可能视为“鸽派加息”。

据华尔街见闻，8月美国消费者价格加速上涨。汽油成本在连续两个月下降后反弹，加大了美联储收紧货币政策的压力。数据显示，利率期货市场对下周三加息的定价从周四的72%升至接近90%。

Northlight资管的Chris Zaccarelli表示，虽然无法保证美联储下周行动，但很难看出央行如何证明维持利率不变是合理的。

标普500指数收于7656.98点，上涨0.86%，此前连续四个交易日下跌。纳斯达克综合指数上涨0.96%，道指上涨0.98%。

罗素2000仅涨0.45%，小盘股继续落后。费城半导体指数涨1.81%，VIX波动率指数大跌11.21%至15.84，市场恐慌情绪明显降温。

标普11个行业板块中9个上涨，通信服务和非必需消费分别上涨1.35%和1.13%。公用事业与医疗分别跌0.34%和0.14%，是仅有的两个下跌板块。分析认为它们恰恰对利率最敏感，说明高利率的压力并未真正消退。

个股方面，AI服务器与网络设备链最强。戴尔科技涨11.98%至567.29美元，创历史新高；慧与科技涨12.44%；惠普涨8.40%并刷新盘中纪录。巴克莱指出，AI投资潮正在形成强大的"缓冲垫"，使当前美国经济对利率的敏感度明显低于以往周期。

华尔街见闻提及，甲骨文上一财季业绩超预期强劲，备受关注的AI基础设施云业务收入更是同比翻倍猛增，首席财务官Hilary Maxson重申全年900亿至950亿美元的资本开支指引，并点名戴尔、慧与为直接受益方。

不过这份亮眼财报并未让自身股价一路上扬。甲骨文股价盘初一度涨逾8.5%，但因毛利率担忧，最终下跌1.8%。

与服务器链的火热相对，存储链高开低走、全天转跌。美光科技跌0.22%，西部数据跌3.04%，希捷科技跌3.73%。光通信中，迈威尔科技涨4.03%、Coherent涨4.16%，康宁涨1.99%。

油价下挫近3%，黄金守住4300美元

原油周五先冲高后跳水。布伦特结算价104.61美元/桶，跌2.81%，盘中一度触及110.19美元的四个月高位；WTI结算价100.05美元/桶，跌2.37%，盘高104.46美元、盘低98.48美元。

华尔街见闻提及，周五稍早出现了缓和信号。央视新闻称，也门胡塞武装最高政治委员会当天发表声明，表示红海西海岸各省份的交火已经停止，并呼吁各方向沙特施压，避免局势进一步升级。

但供给之结并未解开。国际能源署9月11日报告称，沙特8月产量环比下降230万桶/日至600万桶/日，为三十余年最低；胡塞武装推进至曼德海峡的丕林岛，沙特绕开霍尔木兹的东西输油管道遇袭后预防性关闭。

华尔街见闻提及，本周阿曼湾至中国的超大型油轮运费飙升至 Worldscale 450点（即基准运费的4.5倍），折合每桶运费约11.50美元，创下该航线开通以来的最高纪录。

股市的反弹掩盖不了债市的紧张。10年期美债收益率收于4.974%，日内上行约3个基点，盘中最高触及4.977%，距5%关口仅一步之遥，创2023年10月以来新高。

对政策敏感的2年期收益率涨9.5个基点至4.642%，创2024年7月以来新高。

长债表现优于短债，反映市场预计美联储将以加息维护抗通胀公信力。

分析认为如果美联储将下周加息行动表述为防止通胀再起的保险措施，而不是开启长期加息周期，市场可能将其解读为“鸽派加息”。这可能会限制长期美债收益率的进一步上行压力，即使短期收益率仍保持高位。

外汇市场，美元指数收于99.122，微涨0.07%，美国CPI公布后一度冲高至99.36，随后因油价下跌带动长端收益率回落而回吐。

现货黄金上涨0.7%至每盎司4349.06美元。

比特币涨0.3%至77439.13美元，以太币涨3.4%至2545.44美元。

本文来自华尔街见闻，欢迎下载APP查看更多

要闻精选

商务部新闻发言人就美国中情局高官公开表示对中国开展间谍活动答记者问。

国务院常务会议部署进一步完善算力基础设施，要求坚持合理布局、规范有序，积极推进关键技术和装备研发应用，构建多层次网络化算力体系。

三部门：探索运用高通量卫星、低轨卫星互联网等方式为农村及偏远地区提供多样化网络接入服务。

证监会发布修订后的《期货公司监督管理办法》，将期货业务分为基础类与交易类两档，经营两项及以上交易类业务的期货公司注册资本最低10亿元，并强化股东穿透式监管。

也门胡塞武装完全控制曼德海峡地区，沙特东西向输油管道遭袭后预防性关闭，10日通行曼德海峡的船舶数量由前一日的30艘骤降至6艘。

美国8月核心CPI同比2.4%创五年半来最低水平，环比0.3%超预期、为4个月来最大涨幅。“新美联储通讯社”：美联储下周势将加息，但只加息一次无法解决问题。CPI后投行纷纷“撕报告”，年内不加息阵营“投降”，鹰派押注到明年1月加三次。

美国9月密歇根大学消费者信心指数初值降至47.8、低于8月的51.7，未来一年通胀预期由4%跳升至4.6%，多数受访者预计未来一年美联储将加息。

美国柴油全国均价升至每加仑6.0556美元、历史首次突破6美元关口，加利福尼亚州逼近每加仑8美元，燃料成本向运输、建筑与食品端的传导压力进一步上升。特朗普政府酝酿动用《国防生产法》扩炼油产能。

甲骨文跳涨8.5%后转跌，AI需求强难消巨额烧钱与利润担忧。

市场概述

美国8月CPI核心环比涨幅超预期、美联储下周加息概率升至近九成，但中东局势出现缓和迹象带动国际油价自四个多月高位回落，叠加甲骨文财报强化AI算力需求预期，美股结束连续四个交易日下跌、长端美债表现优于短端；亚太股市普遍收跌，美元指数小幅走低，黄金与比特币小幅反弹，铜价基本持平。

美股：标普500涨0.86%报7656.98点，道指涨0.98%报52573.29点，纳指涨0.96%报26333.04点，三大指数终结四连跌；标普11大板块九涨二跌，通信服务涨1.35%、非必需消费涨1.13%领涨，AI服务器链走强、戴尔涨12%创纪录新高；本周标普500累跌0.8%、纳指累跌0.7%，标普预期市盈率降至19倍、为2025年4月以来最低

A股：沪指跌1.18%报3888.11点，深成指跌1.08%报13471.26点，创业板指跌0.49%报3322.04点；沪深两市成交1.97万亿元、较前一交易日放量3248亿元，PCB、元件、MLCC与铜缆高速连接逆势走强，多元金融、工业金属、券商、地产全天低迷

港股：恒生指数跌0.60%报24805.63点，恒生科技指数跌0.23%报4320.57点，三大指数集体五连跌；地产、石化、半导体、有色金属领跌，中际旭创、小米集团、长飞光纤光缆走强

欧股：STOXX 600涨0.49%报639.10点；德国DAX涨0.88%报25553.00点，法国CAC40涨0.78%报8179.77点，英国富时100涨0.39%报10650.44点

日韩：日经225跌1.93%报64011.34点，韩国综合指数跌1.76%报6909.91点

原油：WTI 10月合约跌2.00%报100.44美元，布伦特11月合约跌近3%报104.61美元，双双自四个多月高位回落；本周油价仍累计上涨约9%，中东航运通道遇袭带来的供应中断担忧尚未消退

贵金属：COMEX期金涨0.04%报4408.90美元，COMEX期银涨0.40%报65.19美元；现货黄金涨0.70%报4349.06美元，守住4300美元关口

工业金属：纽约铜期货涨0.01%报6.548美元/磅，与前一交易日基本持平，此前一个交易日曾大跌近5%

美债：10年期收益率上行1个基点报4.97%，2年期上行4个基点报4.63%，30年期基本持平于5.36%；长端明显优于短端，反映市场预计美联储将以加息维护抗通胀公信力

外汇：美元指数跌0.17%报98.90，美元兑日元跌0.5%报153.68，欧元兑美元跌0.1%报1.1596，离岸人民币涨约13点报6.70434

比特币：涨0.3%报77439.13美元，以太币涨3.4%报2545.44美元

要闻详情

中国

国务院常务会议：进一步完善算力基础设施，构建多层次网络化算力体系。会议指出，要坚持合理布局、规范有序，进一步完善算力基础设施，积极推进关键技术和装备研发应用，构建多层次网络化算力体系。这是继"十五五"规划提出全国一体化算力网建设之后，高层对算力布局的又一次明确部署，市场关注后续在绿色智算集群、液冷原生基础设施与国产算力装备环节的落地节奏。

证监会发布修订后的《期货公司监督管理办法》，明确注册资本与业务分档。新规将期货业务明确分为基础类与交易类两档，经营两种及以上交易类业务的期货公司注册资本最低为10亿元；同时强化股东穿透式监管、压实公司治理责任，并将期货做市交易业务和衍生品交易业务正式纳入期货公司业务范围。

三部门印发《数字乡村高质量发展行动计划（2026—2030年）》。中央网信办、农业农村部、工业和信息化部联合发文，提出深化电信普遍服务和"宽带边疆"建设，按需推进农村地区5G和千兆光网部署，探索运用高通量卫星、低轨卫星互联网等方式为农村及偏远地区提供多样化网络接入服务，并拓展"低空经济+"农业农村应用场景、加快北斗系统在精准作业与灾害监测中的深度应用。

商务部就美国中情局高官公开表示对中国开展间谍活动答记者问。商务部新闻发言人表示，美方行径是对中国的打压抹黑，所谓中国是军事和经济"双重威胁"完全是无中生有；中国在人工智能、半导体、生物技术等领域取得的技术突破是中国科研人员和企业埋头苦干取得的成果，绝非美情报机构可以肆意觊觎的猎物，靠间谍窃密和霸权打压拦不住中国企业创新前进的脚步。

HBM供应趋紧推升成本，华为、寒武纪等被曝对AI芯片涨价。受HBM供应趋紧、采购成本攀升影响，华为、寒武纪等中国AI芯片厂商掀起一轮涨价潮：华为昇腾950DT意向报价已超25万元，两个月内涨幅高达50%；寒武纪尚未发布的下一代芯片"690"报价同样上调20%至30%。算力军备竞赛正在推高整条产业链的价格天花板。

燧原科技登陆科创板首日大涨，腾讯八年持仓浮盈超300亿元。燧原科技上市首日开盘涨超190%，总市值一度突破2000亿元；作为最大外部股东，腾讯自2018年Pre-A轮起持续加注并深度参与，八年重仓对应超300亿元账面浮盈，真格基金、上海国投、国方创投、云沐资本等早期投资者同步迎来回报。随着燧原上市，摩尔线程、沐曦股份、壁仞科技与燧原科技这"国产GPU四小龙"全部进入资本市场。

库克承认折叠屏决策源于竞品，苹果新CEO称"不追求首发、追求终局定义"。据苹果首席记者古尔曼透露，苹果决定认真开发折叠屏的节点大约在2020年——库克结束亚洲行后看到消费者开始使用华为、三星等竞品的折叠屏手机，因此确信苹果需要推出自己的折叠屏产品。然而目前华为、三星折叠机均已历经多次迭代，苹果此时入场能抢下多少份额仍待观察。

- 苹果"新掌门"的产品哲学：技术审美重于概念营销，不追求首发追求"终局定义"：新任CEO特纳斯在上任后首场专访中拒绝"AI可穿戴取代手机"的市场噱头，坚守iPhone作为"完美智能个人中枢"的核心地位。

海外

美国8月CPI核心环比0.3%超预期，美联储下周加息概率升至近九成。美国劳工统计局数据显示，8月CPI同比上涨3.4%、符合预期，核心CPI同比上涨2.4%、创五年半来最低水平，但核心环比上涨0.3%、为四个月来最大涨幅，高于市场预估的0.2%。数据公布后，利率互换显示交易员对美联储下周加息25个基点的定价由数据公布前的69%升至89%，市场已完全计入年底前两次加息；机构分歧随之浮现——9月究竟是一次"保险式"加息，还是新一轮加息周期的起点。

- 8月CPI"热"得刚好？华尔街密集押注美联储下周加息，沃什这次没法再"喊狼来了"：至少两家此前预计按兵不动的机构改判加息，12月是否加息成为新的悬念。

- 美债收益率逼近5%！下周加息概率升至70%，市场担心这将是新一轮紧缩的开始：10年期收益率一度升至4.96%，若加息被解读为紧缩周期开端，利率敏感型资产或承受更大压力。

- CPI后投行纷纷"撕报告"：年内不加息阵营"投降"，鹰派押注到明年1月加三次：道明证券从预计全年利率不变改为预计到明年1月共加息三次，摩根大通改为9月、12月各加一次。

- "新美联储通讯社"：美联储下周势将加息，但只加息一次无法解决问题：美联储内部几乎没人认为单次加息25个基点足以压低通胀，若下周决定加息，反映的是利率此前处于错误水平的判断；自1990年代以来，美联储仅有一次"一次性"加息。

美国9月消费者信心初值降至47.8，一年期通胀预期跳升至4.6%。9月初美国消费者信心指数从8月的51.7降至47.8，低于市场预期；消费者对未来一年通胀的预期从4%跳升至4.6%。多数消费者预计美联储将在未来一年内加息，为2023年以来首次；仅有35%的共和党受访者认为政府在管理经济上表现良好，创特朗普重返白宫以来最低读数。

哈塞特：特朗普5000美元计划"可以以负责任的财政方式实现"。白宫国家经济委员会主任哈塞特将该提案定性为"严肃的提案"，称抵消方案需与国会协商，推进可以借助预算和解程序绕过少数党的阻挠票；他同时表示"我猜如果美联储采取大幅行动，总统会有话要说"。

美国柴油价格历史性首次突破每加仑6美元。据美国汽车协会数据，全美柴油平均价格已升至每加仑6.0556美元，加利福尼亚州价格更逼近每加仑8美元。作为食品、运输及建筑业的关键投入品，高企的柴油成本最终将反映至消费者端；随着秋季取暖及农业用油需求季节性回升，价格上行压力短期内难以缓解。

沙特东西向输油管道遭袭后预防性关闭，胡塞武装称已完全控制曼德海峡。沙特能源部称，该国东西输油管道的利雅得段及麦地那地区段10日上午多次遭袭，现已对该管道采取预防性关闭措施，袭击造成一些人员受伤；该管道承担沙特东部油田与红海沿岸出口设施之间的输油，核心作用是帮助沙特绕开霍尔木兹海峡。同期曼德海峡通行船舶数量骤降，10日仅有6艘船通过，远低于9日的30艘。

- 报道：胡塞武装占领红海关键岛屿，完全接管曼德海峡地区：胡塞武装已进入紧邻曼德海峡的祖巴卜镇，也门政府军从丕林岛撤出。

- 曼德海峡告急！沙特首相两次致电敦促美方打击胡塞武装，均遭特朗普拒绝：美方表示无意直接军事介入，但将提供情报与目标数据，并已派驻约200名军事人员赴沙特提供非作战支持。

- 外媒：巴基斯坦已向伊朗"转达"沙特警告，要求伊朗约束也门胡塞武装：伊朗回应"无法控制"胡塞武装，《麦加共同防务协议》或被触发，将是该联盟成立以来的首次真正考验。

- 油价短线下挫！伊朗将与海湾六国会晤、红海西海岸停火，中东局势现缓和信号：海合会六国外长定于9月14日赴阿曼与伊朗外长会晤，寻求商船通行临时协议，布伦特原油应声下挫近2%。

特朗普：如果能重来，我还是会打伊朗。特朗普在谈及伊朗核问题时称，如果伊朗拥有核武器，他会给最高领袖打电话询问"有什么可以帮您的"，"而不是像现在这样，把他们炸个稀巴烂"。此番强硬表态与其"战事将在11月中期选举后立即终结"的说法形成对照，市场关注其对能源风险溢价的指引意义。

IEA：伊朗战争拖累石油需求创疫情后最大降幅。国际能源署大幅上调今年全球石油需求降幅至每日250万桶，创疫情以来最大跌幅；该机构不再预期霍尔木兹海峡今年会重新开放航运，并警告随着供应持续受限、商业库存缓冲迅速耗尽，"未来数月可能需要进一步压缩需求以弥合供需缺口"，2026年和2027年将是全球石油需求增长的"失落时期"。

油轮运费飙升至基准运费的4.5倍，冲突成本正写进每桶原油账单。本周阿曼湾至中国的超大型油轮运费飙升至Worldscale 450点，折合每桶运费约11.50美元，创该航线开通以来的最高纪录；美伊交火持续压缩海湾可用运力，西非至亚洲航线的超大型油轮运费同样刷新历史高位。

特朗普政府酝酿动用《国防生产法》扩大炼油产能。据路透报道，美国正考虑利用《国防生产法》提升国内炼油产能，方案在总统近期与炼油企业高管的会议期间讨论，炼油企业主张联邦资金最好用于提高现有炼厂效率或扩建现有工厂，而非新建；目前美国炼厂开工率已约98%，据CFTC数据，截至9月8日当周NYMEX WTI原油净多头头寸创20周新高。

甲骨文Q1云基础设施营收同比增121%，巨额资本开支引发"烧钱"追问。甲骨文第一财季营收193亿美元、同比增长30%，云基础设施部门营收74亿美元、同比大增121%，高于市场预期的71.9亿美元；截至8月底剩余履约义务（RPO）达6640亿美元，高于预期的约6399亿美元，公司预计2027财年调整后每股收益8.10美元、高于此前预计的8.05美元。财报后股价一度跳涨8.5%，随后因资本开支同比增超两倍、毛利率收窄及自由现金流为负而转跌。

- 甲骨文电话会：单季交付850兆瓦算力，GPU续约溢价20%，RPO将大规模转化为真实收入：单季交付算力约为上一季度的三倍，GPU续约溢价20%且利用率高达97.9%，约一半RPO将在36个月内转化收入。

- 甲骨文跳涨8.5%后转跌！AI需求强难消巨额烧钱与利润担忧：华尔街机构大多维持买入或增持评级，但目标价相差逾120美元，最高较周四收盘价高116%、最低仅高37%。

- 甲骨文：AI撑起了面子，但谁来兜底里子？：OCI营收暴增背后是285亿美元资本开支、自由现金流持续为负，传统软件与SaaS业务仍显疲软。

需求过大，OpenAI宣布暂停200美元Pro 20X档新增订阅。OpenAI首席产品官Tibo在X上发文称，为确保现有用户获得良好体验并流畅访问GPT-6 Astra，将暂停接受200美元档Pro 20X订阅服务的新增订阅，已订阅用户不受影响；他坦言低估了Astra的需求规模。

OpenAI五天内再破千禧年数学难题，霍奇猜想也要被攻破了？。OpenAI确认在攻克纳维—斯托克斯问题后，又在霍奇猜想上取得实质进展；Anthropic也接近解决伯奇—斯维讷顿—戴尔猜想。文章称三大千禧年数学难题或在一个月内被AI相继攻破，AI已具备产出全新科学知识的能力。

Anthropic估值急升，财富管理机构争抢员工财富管理业务。Anthropic估值在极短时间内急剧攀升，部分员工持有股权的时间不过两年，却可能面临规模远超预期的财富变现，有财富管理人士形容"这就相当于一张彩票"。目前高盛、美银、纽约梅隆银行、摩根大通及富国银行均已与Anthropic展开接触，希望提前建立与高净值科技新贵之间的长期关系。

67%暴跌后卷土重来！AI投资明星Aschenbrenner重返期权市场。据媒体报道，Leopold Aschenbrenner旗下对冲基金Situational Awareness已重返期权市场，购入数亿美元期权，标的涉及SK海力士、闪迪、超威半导体、Bloom Energy以及甲骨文；此次建仓策略转向低杠杆，采用定制化期权工具，最大损失仅限于已支付的期权费。

撤退信号？"大空头"平仓英伟达和Palantir看跌期权。"大空头"Michael Burry平仓了英伟达和Palantir的2026年12月到期看跌期权，理由是规避时间价值损耗，但仍持有Palantir的2027年看跌期权及多个科技股空头。与此同时，英伟达CEO黄仁勋转发GPU租金环比上涨22%的数据，回击Burry关于芯片折旧年限被高估的核心看空逻辑。

Kalshi获准推出黄金、白银永续期货，与传统交易所抢生意。Kalshi获CFTC批准于周四上线黄金和白银永续期货，成为美国首个获批的非加密货币类永续期货产品；自5月推出加密货币永续期货以来，相关合约名义交易量已达440亿美元。CME Group等传统交易所股价承压，CME更已起诉CFTC试图阻止该类产品扩张，Kalshi还在申请美股、铜及外汇永续期货。

观点精选

新债王Gundlach：若美联储按兵不动，长端利率将大幅攀升。他认为美国通胀远未消退，CPI轨迹与70年代大通胀时期"惊人相似"，真实通胀或高达7%；同时信贷市场出现严重分化，AI企业债因"雪崩式"供给导致利差剧烈走阔。面对高达42倍的标普席勒市盈率和38%的科技股权重，他直言美股处于"极度危险"状态。

高盛前大宗商品主管Jeff Currie：燃油短缺正在引发结构性通货膨胀。布伦特原油突破107美元、柴油裂解价差飙升至110美元，他认为中国需求回归叠加多年实物商品投资不足，正把供给冲击演变为结构性通胀压力；汇丰也警告"超级挤压"已经开启，市场或面临更持久的大宗商品通胀周期。

a16z：资本直接转化为算力，"中游"正在消亡。该机构认为AI正颠覆传统投资逻辑，强者恒强的飞轮一旦启动便难以逆转，全球3000家VC中仅20家实现持续3倍回报。AI收入用4年达到千亿量级，而SaaS用了15年；传统SaaS资产估值腰斩，真正的瓶颈不在需求，而在能源与数据中心供给。

付鹏：成品油的紧张终于传导到上游，警惕上下游"左脚踩右脚"。美国炼厂开工率已达98%，柴油价格创历史新高、出口创新高而库存降至极低水平，表明下游已紧张到极限。随着检修季和冬季临近，炼厂一旦检修或出现故障，柴油价格将急剧上涨并反向拉动原油，上下游可能形成相互推升的循环。

美债收益率5%、油价120美元、VIX指数25？市场的噩梦场景正在成为现实。文章指出，10年期美债收益率强势突破4.8%、正步步逼近5%这道"生死线"，油价冲顶与农产品齐涨持续推升通胀预期，VIX骤然觉醒、机构抢购尾部风险保护。AI叙事虽支撑科技股韧性，但纳斯达克35%的空头积累随时可能触发轧空。

花旗：拉美处于"腾飞前夜"。弱美元、大宗商品高位、供应链重构与政治右转顺风等多重因素同步共振，拉美正站上数十年来最佳宏观起点，外部环境与2003—2008年超级周期高度相似。MSCI拉美指数同步叩关十年关键阻力位，一旦突破，或意味着新一轮结构性牛市正式开启。

谁能"叫停"Anthropic？当AI逼近自进化，失控风险正引发硅谷恐慌；随着核心研究员愤而辞职，OpenAI急呼行业"协调减速"，但在商业博弈与竞争压力下，无人敢单方面踩下刹车。文章称，这场狂飙揭露了一个致命的治理悖论：真正失控的，究竟是AI，还是制造AI的科技巨头。

Databricks：十年把年营收从不足百万美元做到近70亿美元。这家诞生于伯克利实验室的数据公司正朝着万亿美元估值目标挺进，文章认为这不是运气，而是三个前瞻性押注与一套严苛增长方法论共同作用的结果。

钼的未来展望：2.64万吨硬性缺口，为什么它的弹性如此惊人？文章围绕"70%副产供给×无成本约束×需求结构迁移"的三重错配展开拆解，指出钼的供给高度依附于铜矿副产、缺乏独立产能弹性，而需求结构正在迁移，2.64万吨的硬性缺口使价格弹性被显著放大。

1万亿美元回购仍在继续，但美股最熟悉的资本游戏已经变了。2026年美股企业回购仍处历史高位、4至5月宣布回购金额刷新纪录，但承担AI建设的科技巨头正把更多现金投向数据中心、芯片和电力系统，部分超大规模云厂商的回购已明显回落。文章提出，如果AI导致自由现金流持续走弱，2027年会否成为回购结构的分水岭。

今日关注

中国

国家主席习近平将于9月12日至13日赴印度新德里出席金砖国家领导人第十八次会晤。

华为Mate XT 2非凡大师三折叠手机10:08开售，19999元起、搭载麒麟9050 Pro，开售首周的销量与缺货情况将检验高端折叠机需求，并带动铰链、屏幕与结构件环节情绪。

汇丰香港要求存量内地投资客户于9月12日前提交《开立/维持账户之声明书》并更新联系信息，若逾期未提交，投资相关服务可能被终止。

海外

马斯克预计在9月12日之后发布Grok 4.7模型，参数规模达2.1万亿、较Grok 4.6的1.5万亿增长40%。

美国总统特朗普预计访问爱尔兰。

本文来自华尔街见闻，欢迎下载APP查看更多