2026《见闻历》企业定制 ⏳现已进入最后征集阶段，名额有限，识别二维码咨询详情

01月12日 - 01月18日当周重磅财经事件一览，以下均为北京时间：

下周全球资本市场将步入“超级周”，宏观数据与微观业绩的双重考验将令市场博弈显著加剧。需警惕以下三大核心逻辑线的边际变化：

首先是通胀迷雾与政策预期的博弈。下周二公布的美国12月CPI预计将出现显著反弹，机构普遍认为这是政府停摆导致的“技术性扭曲”。同时，美国最高法院推迟对特朗普关税案件的判决，下次判决将在1月14日。而中国将公布最新进出口数据。

其次是业绩验证的“关键一跃”。华尔街大行财报将揭示高利率环境下的金融系统健康度，而台积电周四的财报则是全球AI产业链的“风向标”。在英伟达等巨头高位震荡之际，台积电对先进制程的指引将决定科技股是否有新的上涨动力。

最后是地缘政治与产业动态。美国政府拨款法案进入参议院审议的关键期，停摆风险不仅影响情绪，更可能实质性拖累经济。叠加G7稀土议题、加拿大总理访华，以及中国核聚变、AIGC等产业大会召开，地缘博弈与产业催化并存。

经济指标

• 中国12月进出口数据

1月14日周三中国将公布12月进出口数据。中金公司认为，过去几个月出口同比增速的波动，很大程度上可以归结于基数扰动，而12月基数较11月有所上升，或使得12月出口同比增速较11月有所下降。预计12月出口同比增长3.0%，11月为5.9%；进口同比下降2.9%，11月为1.9%。

• 美国12月CPI、11月PPI及零售数据

1月13日周二美国将公布12月CPI数据，机构普遍预期核心CPI环比将出现显著反弹。摩根士丹利预测为0.36%，彭博经济研究预测为0.38%，均远高于10-11月平均0.08%的水平。

分析认为，这一反弹主要源于美政府停摆期间的统计扭曲，而非真实通胀压力的上升，市场很可能将其视为一次性技术因素而选择“打折”看待。

继CPI之后，两项关键美国经济数据也将发布：一是10月和11月的PPI，二是11月零售销售。

市场预期这两个月的核心PPI环比增速可能维持在相对温和的水平。主要看点在于，作为衡量上游通胀压力的关键指标，PPI数据将验证成本端价格压力是否持续缓和，并为将于月底发布的同期个人消费支出（PCE）物价指数提供重要计算依据。 此外，彭博预计，在10月读数持平后，11月整体零售销售额将环比反弹0.7%，这主要得益于汽车销售从电动车税收抵免到期导致的骤降中温和复苏，以及“黑色星期五”和“网络星期一”期间在线交易的持续强劲。

• 美联储发布经济状况“褐皮书”

1月14日周三，美联储发布关于地区经济状况的最新褐皮书调查。

去年11月的褐皮书显示，政府停摆和AI的应用导致就业市场疲软，关税和医疗保险成本上升则推高了企业支出，可能加剧通胀担忧。消费者K型分化加剧，高收入消费者支出保持韧性，但中低收入家庭正“勒紧裤腰带”。

财报

• 台积电

1月15日周四美股盘前，台积电将发布2025年第四季度财报。市场普遍预期公司当季营收约为1.011万亿新台币，每股收益达到2.72新台币。主要看点在于公司能否兑现其作为AI芯片核心代工厂的增长叙事，尤其是来自英伟达等客户对先进制程的强劲需求。高盛、巴克莱等多家投行上调公司目标价并维持“增持”评级。

• 摩根大通拉开美国大型银行季度财报季

摩根大通拉开美国大型银行季度财报季的序幕，在近期降息后，资产负债表成为关注焦点。 1月12日当周，美国银行、纽约梅隆银行、贝莱德、花旗集团、达美航空、高盛集团、HCL科技、印孚瑟斯、摩根大通、M&T银行、摩根士丹利、PNC金融服务集团、卡塔尔国家银行、道富银行、台积电、塔塔咨询服务、富国银行等将发布财报。

• 兆易创新香港IPO，预计股票将于1月13日开始交易

兆易创新申请香港IPO。寻求发行2890万股股票，发行价指导区间顶端为每股162港元。预计股票将于1月9日定价，将从1月13日开始交易。

• OmniVision香港IPO，预计股票将于1月8日定价，将从1月12日开始交易

OmniVision（豪威集成电路）申请香港IPO。 寻求发行4580万股股票，发行价指导区间的顶端为每股104.80港元。 预计股票将于1月8日定价，将从1月12日开始交易。

财经事件

• 美国最高法院推迟对特朗普关税案件的判决，下次判决将在1月14日

据央视新闻，当地时间1月9日，美国最高法院表示，当天不会就特朗普政府关税案作出裁决。特朗普政府2025年上台后援引美国《国际紧急经济权力法》，以不经过国会批准、直接颁布行政令的方式出台一系列加征关税措施。美国联邦最高法院此前宣布，将在本月9日就关税政策合法性作出裁决。

美国最高法院完成周五披露意见的工作，但并没有公布对特朗普关税的判决结果。此前曾有猜测认为裁决可能会在周五公布，但目前并不会作出决定，具体何时发布最终裁决仍不清楚。美国最高法院表示，下周三1月14日将是其下一次公布裁决的日子。

• 美政府月底再度停摆风险上升，相关拨款法案下周提交至参议院审议

美国政府资金又将耗尽，月底再度停摆风险上升。为避免政府在1月30日后停摆，美国国会正加速推进拨款立法。据央视新闻，众议院已通过三项拨款法案，下周将进入参议院审议阶段。此环节成为市场关注焦点，其进展将直接决定月底停摆风险的高低。若参议院能迅速通过，将有效稳定市场情绪。

具体来看，通过的这三项拨款法案被称为“迷你合并法案（minibus）”的支出组合，将为能源部、商务部、司法部，以及水利项目、环境保护署（EPA）和联邦科研项目等提供资金，覆盖至本财年结束。参议院多数党领袖约翰·图恩表示，最快将于下周审议该拨款组合。

嘉信理财立法与监管事务董事总经理迈克尔·汤森表示：“时间非常紧张，不能排除停摆的可能性，但避免停摆的国会谈判似乎正在取得进展。”

• 加拿大总理将于13日至17日访华、德国总理访问印度

据环球网援引外媒报道，加拿大总理办公室当地时间7日宣布，加拿大总理卡尼将于13日至17日访华。报道称，此访是加拿大总理自2017年12月以来再次访华。加拿大总理办公室表示，卡尼将在访华期间与中方讨论贸易、能源、农业和国际安全等议题。

此外，德国总理弗里德里希·默茨访问印度，持续至1月13日。他计划会见莫迪总理（Narendra Modi）和商业领袖。

• 特朗普：委内瑞拉反对派领导人马查多或于下周访美

据环球时报报道，特朗普透露，委内瑞拉反对派领导人马查多或于下周访美，他本人有望与其会面。“据我所知，她将于下周择日到访，我期待与她见面，” 特朗普在8日晚间播出的、接受福克斯新闻专访时表示，“而且我也听说，她本人也有此意愿。”

• 月底议息会议前，威廉姆斯等多位美联储官员密集发声

美联储官员密集下周发声。FOMC永久票委、纽约联储主席威廉姆斯、2027年FOMC票委、亚特兰大联储主席博斯蒂克、2028年FOMC票委、圣路易联储主席穆萨莱姆、2027年FOMC票委、里奇蒙联储主席巴尔金、2026年FOMC票委、费城联储主席保尔森、2026年FOMC票委、明尼阿波利斯联储主席卡什卡利等人将发表讲话。

• 七国集团(G7)财长会议，将讨论稀土问题

1月12日，七国集团（G7）财长将在华盛顿会面，讨论稀土问题。

• 2026核聚变能科技与产业大会1月16日至17日举行

2026核聚变能科技与产业大会将于1月16日至17日在安徽合肥举办。由安徽省聚变产业联合会、聚变新能（安徽）有限公司、中国科学院合肥物质科学研究院、合肥综合性国家科学中心能源研究院、科大硅谷服务平台（安徽）有限公司联合主办，是2026年度核聚变能领域规格最高、影响力最广的科技与产业盛会之一。

从产业周期来看，预计可控核聚变在2025-2028年逐步进入资本开支扩张周期，未来3-5年将是核聚变项目投招标的高峰时期，统计国内主要核聚变项目预计投入达到1465亿元。

• 第五届AIGC中国开发者大会、第二届中国eVTOL创新发展大会召开，美国底特律车展开幕

第五届AIGC中国开发者大会将于1月17日在北京举办。第二届中国eVTOL创新发展大会将于1月15日至16日在上海召开。底特律车展（Detroit Auto Show）开幕，持续至1月25日。

• 中国核能领域首部基础性法律《原子能法》于1月15日正式施行

中国核能领域迎来首部基础性、综合性的法律。 9月12日，《中华人民共和国原子能法》（下称《原子能法》）由中华人民共和国第十四届全国人民代表大会常务委员会第十七次会议通过，并予以公布，自2026年1月15日起施行。

• 广期所：铂、钯期货合约涨跌停板幅度调整为16%

广期所：自2026年1月13日结算时起，铂、钯期货合约涨跌停板幅度调整为16%，交易保证金标准调整为18%。如遇上述涨跌停板幅度、交易保证金标准与现行执行的涨跌停板幅度、交易保证金标准不同时，则按两者中幅度大、标准高的执行。

• EIA短期能源展望报告1月13日发布

美国能源信息署（EIA）下一份短期能源展望报告（STEO）将于1月13日发布。此前，美国能源部STEO报告显示，维持2025年WTI原油价格预期在略低于69美元的水平，维持2026年预期在55美元附近。

• 二十届中央纪委五次全会将于1月12日至14日召开

据新华社，中共中央政治局日前召开会议，会议同意明年1月12日至14日召开二十届中央纪律检查委员会第五次全体会议。

• 第六批国家高价值耗材集采启动，相关集采1月13日开标

新一批国家组织高值医用耗材集采正式启动，将对药物涂层球囊类、泌尿介入类医用耗材进行集采，将于1月13日开标。

本文来自华尔街见闻，欢迎下载APP查看更多

2025年前八个月的收入为45.8亿元，同比增长10.9%，门店新增179家至1658家。

老乡鸡现阶段采取安徽省内大本营加密与省外扩张基本平衡的策略。

至2025年8月底，其门店仅覆盖全国九个省份，仍有近半数门店位于安徽省。

若加上邻近的江苏省与上海市，公司在华东地区门店总数达1434家，占总门店数的86.5%。

2024年以交易总额计算，老乡鸡是华东地区最大的中式快餐品牌，市场份额为2.2%，约为第二大竞争者的2.5倍。

这种区域密集布局与其全产业链模式紧密相关。

作为中式快餐行业中少数深入养殖环节的品牌，公司已建成包括2个中央厨房、3个养鸡场和8个配送中心在内的供应链体系，并正在安徽建设第三个中央厨房，预计2027年投入试生产。

这一全链条的重资产布局，为门店扩张与食安管控提供了扎实基础，但也因“高投入、高成本、低客单价”的运营特点，被部分观点认为可能带来资金周转压力与盈利波动。

不过，正是依托于这一相对完整的供应链，老乡鸡得以有力支持其加盟体系的快速拓展。

近年来，公司持续推进门店结构优化，逐步将成熟直营店转为加盟店，并向符合条件的前员工开放加盟。

截至2025年8月底，其加盟门店已达733家，占总门店比例接近44%，较2023年的18.8%显著提升。

在已上市或筹备IPO的连锁餐饮品牌中，老乡鸡的加盟占比位居行业前列。

对比来看，遇见小面加盟店占比不足25%，百胜中国约13%，小菜园尚未开放加盟，而标准化难度更高的火锅品牌则更难以大规模推行加盟模式。

在加盟体系下，老乡鸡主要向加盟商供应货品，并按门店月营业额的6%收取管理费。

这一轻资产扩张模式不仅优化了公司整体盈利结构，也使其在2025年夏季外卖平台补贴中灵活承接流量，有效应对了客单价与堂食下滑的压力。

2025年前八个月，公司毛利率提升0.7个百分点至24.6%，净利率亦微增0.1个百分点至8.1%。

招股书还罕见地详细披露了连锁快餐品牌外卖业务的平台费用结构。

老乡鸡每笔外卖订单均需向平台支付包括基于销售额的佣金及浮动履约费。以订单金额25至40元为例，平台服务费通常在2至7元之间。

2024年及2025年前8个月，老乡鸡直营店外卖业务平均平台服务开支费率分别为17.9%、17.5%。

本文来自华尔街见闻，欢迎下载APP查看更多

Hartnett认为，2026年一季度的正确策略是“轮动而非撤退”。尽管科技股出现资金流出，但全球股市的广度非常强劲（98%的国家指数高于200日均线），且美银全球基金经理调查（FMS）的现金头寸处于创纪录低位的3.3%。在此背景下，投资者应减少对2025年过热的AI概念（尤其是AI衍生品和高资本开支相关的债券）的敞口，转而增持价值周期股。简而言之，这是一场“没有债券崩盘的繁荣”，市场广度的表现将优于集中度。

对于2026年的核心配置，Hartnett提出了“Long BIG, Trading MID”的框架：即长期做多债券（Bonds）、国际股市（International）和黄金（Gold）；交易策略上做多中盘股（Mid-caps），同时做空投资级债券（IG）和美元。

政治必需性：特朗普为中期选举“干预”价格

当前的宏观背景深受美国国内政治驱动。Hartnett指出，特朗普的支持率正处于低位（仅为43%），其中经济支持率为41%，而通胀处理的支持率更是低至36%。为了在中期选举前获得优势，特朗普政府必须降低通胀。

这解释了为何当前的货币政策旨在降低资金价格（通过美联储购买国库券的QE，以及特朗普针对MBS的QE），地缘政治政策旨在压低油价，贸易政策转向降低关税，而产业政策则干预医药、住房、保险和电力价格。正是这种政策转向，促使投资者押注“经济繁荣”和“风险平价牛市”，并做多市场广度。

资金流向异常：创纪录的现金涌入与“卖出信号”

资金流向数据展示了极端的市场情绪。2026年第一周，货币市场基金（Cash Money Markets）迎来了惊人的1485亿美元（$148.5bn）流入，这是有史以来第三大规模的单周流入。

与此同时，美银私人财富客户（资产管理规模4.3万亿美元）的仓位显示，股票占比高达64.2%，债券占17.6%，现金占11%。

值得注意的是，“七巨头”（Mag 7）股票占据了其资产管理规模的17%。但在过去四周，私人客户正在买入高股息股票、市政债券和房地产信托（REITs），同时卖出银行贷款、投资级债券和科技股。此外，美国家庭权益财富在2025年激增约9万亿美元，延续了2024年增长9万亿美元和2023年增长8万亿美元的趋势。

美银的牛熊指标在12月31日已达到9.0的“极度看涨”水平（触发反向卖出信号），但这被全球股市的强劲广度和对冲基金通过期货增加标普500多头头寸所抵消。

Q1交易指南：买入周期股，做空AI泡沫外围

基于上述背景，Hartnett给出了明确的一季度资产配置建议。目前的轮动策略应进一步深化：

增加价值周期股敞口： 重点关注银行、房地产、原材料、工业以及中小盘股。

维持但不再增持“七巨头”： 自10月29日和11月选举以来，这些防御性的大型科技股实际上是下跌的。

削减泡沫资产： 坚决削减那些属于“第二衍生品”或“无法承受资本开支”的2025年AI交易，例如做空AI超大规模计算公司的债券（AI hyperscaler bonds）。

逆向投资逻辑：为何债券和黄金是关键

在Hartnett最近的伦敦路演中，客户认为“做多债券”是最具逆向思维的观点。对此，Hartnett的反驳逻辑非常清晰：

债务压力迫使QE： 美国国债在未来100天内将增加1万亿美元。为了维持债券市场的买盘并防止市场测试新任美联储主席（自1970年以来，7次提名后的3个月内收益率均上升），特朗普政府必须实施量化宽松（QE）。

就业与通胀的双重约束： 特朗普需要降低CPI以赢得选票，而美联储需要降息以防止失业率升至5%以上（青年失业率已达9%）。

在地缘政治方面，市场正在追逐对冲资产。格陵兰银行股价在4天内上涨了33%，反映了市场对美国可能“收购”格陵兰岛的猜测。Hartnett指出，投资者正在抢先布局能源和原材料储备（委内瑞拉拥有全球17%的探明石油储量，北极拥有全球13%的未发现石油和30%的天然气）。

历史数据显示，自1939年以来，战争爆发后6个月表现最好的资产是黄金（+18.9%），其次是铜（+6.7%）和股票（+4.9%）。

随着美元可能从“例外主义”转向“扩张主义”，以及美联储和特朗普试图通过货币贬值来稀释债务，这构成了做多黄金和反向做多美元的最佳理由。对于国际股市，Hartnett认为英国和中国的消费板块具有最佳的上行空间。

本文来自华尔街见闻，欢迎下载APP查看更多

要点提炼：

• 竞争坐标迁移：Chat 时代的工程问题已基本解决，未来的胜负手不再是更聪明的“搜索框”，而是能否完成复杂、长链路的真实任务。AI 的核心价值正从“提供信息”转向“交付生产力”。
• 核心门槛更迭：Agent 的瓶颈不在于思维深度，而在于环境反馈。未来的训练范式将从人工标注转向 RLVR（可验证强化学习），只有让模型在具备明确对错判定（如代码、数学、真实业务流）的“关卡系统”中自我迭代，才能实现落地。
• 效率成为新杠杆：高质量数据即将枯竭，未来的竞争是“能源转化效率”的竞赛。通过二阶优化器和线性架构实现更高的 Token Efficiency（单位数据学习效果），是在算力受限背景下突破智能天花板的关键。
• 概率的清醒认知：行业共识认为中国在旧范式（工程复现、局部优化、toC 落地）上的反超胜率很高，但在引领新范式（底层架构革新、长期记忆等）上的胜率可能不超过 20%，因为美国在基础研究上的算力投入高出数个量级。
• 弯道超车的机会窗口：反超的机会藏在两个变量里：一是当 Scaling Law 遭遇边际效应递减，全球被迫进入“智能效率”竞赛时，中国的节俭式创新可能突围；二是随着学术界算力条件的改善，2026 年前后可能出现由学术驱动的范式转向。
• 成功的终极变量：中国最缺的不是榜单分数，而是对不确定性的容忍度。真正的反超取决于我们是否敢于从“确定性的交付压力”中抽身，将资源投向那些可能失败但能定义未来的新范式，而非仅仅在旧赛道刷榜。

如果只看热搜，会觉得这场清华峰会的气氛是：

“中国模型崛起、开源占榜、AGI在望。”

但只要把圆桌那段关于“中国能否反超”的讨论完整读一遍，你会发现他们的真实情绪更接近——

“我们有机会，但别自嗨；短期能追平，长期能引领范式才算赢。”

甚至有人把概率直接压到一个非常“反公众号”的数字：不超过20%。

姚顺雨：乐观，但前提是“新范式要敢赌”——否则就是追分追到天花板

姚顺雨的结论其实分两层：

第一层：复现与工程，中国很强

他说得很直接：任何一个事情一旦被证明可行，中国往往能很快复现、并在局部做得更好——类似制造业、电动车的路径已经反复发生。

这对应的是“追平甚至反超现有范式”的能力：更卷的工程、更快的迭代、更强的交付。

第二层：真正的难点是“引领新范式”

他强调：“中国唯一要解决的问题”是——

能不能引领新的范式（比如长期记忆、持续学习、真正的自主学习框架），而不是在旧范式里刷榜。

因为旧范式里你可以靠效率、组织、工程追上；
但新范式里你需要愿意长期投入、承受不确定性、容忍失败。

他给出的关键约束：三道门槛

• 算力瓶颈：光刻机/产能/软件生态如果卡住，会拖慢上限。
• toB市场与国际商业环境：国内付费文化与企业侧采用速度，会影响“把技术变成现金流”的能力。
• 文化与组织的冒险程度：敢不敢把资源投到“不确定但可能改变游戏规则”的方向。

姚顺雨的“乐观”更像：有条件，有窗口，但不自动发生。如果生态继续只奖励确定性、只奖励榜单数字，那“反超”就会停留在口号里。

林俊旸：最明确的“概率上限”——20%，理由是“美国的Research投入量级更大”

在四个人里，林俊旸是最“掐数字”的那个：

他认为领先的概率“20%”，而且已经算非常乐观。

为什么他会把上限压这么低？核心不是“我们不行”，而是他看到了结构性差异：

结构差异1：算力投入的“用途”不同

他提到美国的Computer（算力）可能比我们大1-2个数量级，更关键的是——他们大量算力投向“下一代Research”，而我们大量算力被交付与产品化占据。

翻译成人话就是：

• 美国在“赌未来”，容错高；
• 中国在“先活下来”，交付压力大。

结构差异2：穷则生变，但也可能被现实消耗

他当然也讲了反转可能性：

富哥浪费卡，穷人更有动力做算法+infra联合优化，可能出现“穷则生变”的创新。

但他仍然把概率压在20%，说明他判断：“节俭式创新”能追平效率，但要“领先范式”，仍然难度很大。

林俊旸的核心态度：不是没机会，而是不要把‘能追上’误当成‘会领先’。

唐杰：承认差距，但押注“2026范式革新”——机会来自学术界开始回到牌桌

唐杰的说法更像一个“路径判断”：

先承认：中美在企业AI Lab研究上确实有差距

他说得很明确：要承认差距存在。

但他押注：2026一定会发生范式变化

理由是两点：

1. 学术界开始跟上：
   过去工业界卡多、学术界几乎没卡；现在学校算力条件改善，研究种子开始发芽。
   一旦学术界参与度上来，范式探索的可能性会增大。
2. 效率成为硬瓶颈：
   继续Scaling当然有效，但投入巨大、收益边际变小，会逼出“智能效率”的新范式——用更少的投入换同样的智能增量。

唐杰的乐观点不是“我们现在就领先”，而是：

当效率成为瓶颈时，新的算法/架构/训练范式更可能出现，而这是追赶者可能反超的窗口。

他更像在说：“领先靠资源，反超靠拐点。”而他押注拐点会在2026前后出现。

杨强：更偏“结构性乐观”——toC更可能先赢，toB要补课；联邦/协作式路线是现实机会

杨强并不直接给概率，但他的态度很明确：

他更看好中国先在toC做出世界级形态

理由类似互联网史：底层技术先在美国出现，但中国能在应用形态上做到极致（例如微信的例子）。

他对toB的判断更谨慎：需要补“企业侧弥合gap”的能力

他提到类似Palantir那种“把AI与企业流程之间的gap弥合”的工程体系（本体、FDE等），中国需要发展自己的toB解法。

他的技术押注：通用大模型 + 本地小模型协作（隐私/安全）

联邦学习的视角，是一条更适合中国落地的路线：在医疗、金融等强隐私场景下，协作式架构会越来越重要。

杨强的最终结论是：

中国会在toC百花齐放；toB也会跟上，但路径不是照抄硅谷，而是发展自己的“协作与落地体系”。

以下为演讲全文，由量子位整理：

唐杰

我的题目是「让机器像人一样思考」。

2019年，我们在清华的支持下完成成果转化，成立了智谱。

同一时期，我们也持续推动开源，既有模型和工具层面的项目，也有面向开发者的大模型 API 体系。

我在清华待了将近二十年。

回头看，我做的事情其实很简单，主要就两件：

一是早年做AMiner；二是大模型。

有一个对我影响很深的观念，我称之为「像喝咖啡一样做研究」。这件事和今天在座的一位嘉宾密切相关——杨强教授。

刚毕业那会儿我去港科大，学校几乎所有空间都在一栋楼里：教室、实验室、会议室、咖啡厅都在一起。

有一次在咖啡厅遇到杨老师，我说最近咖啡喝得有点多，可能该戒一戒。

他先说「对，应该戒一戒」，接着又说，如果我们做研究也能像喝咖啡一样上瘾，那研究大概就真的能做好了。

这句话对我触动很大，从2008年一直影响到现在。

做研究，本质上需要长期专注和持续投入。AGI正是这样一件事，它并不追求短期见效，而是一项多年投入的工程。

2019 年，我们实验室在图神经网络和知识图谱方向已经有一定国际影响力，但当时还是下定决心阶段性按下暂停键，几乎所有人都转向大模型相关研究。到今天，算是做出了一点点成果。

如果从大模型的发展轨迹来看，用「智能水平」来描述会比较直观。

2020年前后，模型主要解决的是MMU、QA等相对简单的问题；到2021、2022 年，开始进入数学计算和基础推理阶段；通过后训练，这些能力逐步被补齐。

到2023、2024年，模型从知识记忆走向复杂推理，甚至可以处理研究生层级的问题，并开始在SWE-bench这类真实世界编程任务中表现出可用性。

这个过程很像人的成长：从阅读、算术，到更复杂的推理，再到走向真实工作场景。

今年开始，大家也看到 HLE，也就是「人类终极测试」，其中不少问题连搜索引擎都无法直接给出答案，要求模型具备更强的泛化能力。

如何解决，目前仍然没有确定答案，但可以确认的是，到2025年，模型的整体能力仍在快速提升。

从另一个角度看，一个核心问题是：模型如何从Scaling走向真正的泛化能力。

人类一直期待机器具备泛化能力。教它少量例子，就能举一反三，解决更多甚至未见过的问题。

这和我们教孩子的期望一致：学会三个问题，就能解出第四个、第十个，甚至超出原本教学范围。

当前的路径，是希望通过Scaling提升这种泛化能力。但客观来说，模型的泛化水平仍有很大提升空间，我们只能在不同层面持续推进。

最早期的阶段，是用Transformer训练模型，通过大规模数据和算力，把大量知识「记住」。

第二个阶段，是对模型进行对齐和推理能力强化，让它更好地理解人类意图，并完成更复杂的推理任务。

这需要持续ScalingSFT，甚至引入强化学习。通过大量人类反馈数据，不断扩大反馈规模，使模型更准确、更可靠。

今年一个重要变化是RLVR。

过去强化学习难以大规模推进，核心原因在于依赖人类反馈，而人类反馈存在噪音大、覆盖场景有限的问题。如果引入可验证环境，模型就可以自主探索、自动获得反馈，在闭环中持续成长。

但这里的难点也非常明显。所谓「可验证」，在数学、编程等领域相对容易定义；可一旦扩展到更广泛的任务，比如网页是否美观、交互是否合理，仍需人工判断。

因此，当前RLVR面临的挑战在于：可验证场景正在逐渐耗尽。接下来是否能进入半自动验证，甚至不可验证的任务空间，让模型能力继续泛化，这是一个关键问题。

再往前看，当机器开始进入物理世界、执行真实任务时，如何构建智能体的环境、如何设计反馈机制，会带来更多挑战。可以看到，AI的发展已经不再局限于单一模型或Transformer结构，而是在演变为一个复杂的、系统化的智能体系。

从能力结构上看，模型最初集中在数理化等推理任务，从小学、初中、高中层级，逐步提升到GPQA等高难度理化生问题，再到接近奥赛金牌水平。今年HLE这一极高难度的智能评测基准，也开始出现明显进展。

在真实环境中，代码能力是另一个典型例子。2021年已经存在代码模型，当时也和俊旸、Kimi植麟等有过合作，那一阶段模型具备基础编程能力，但成功率和稳定性有限，往往写十个程序才能跑通一个。

如今情况发生了明显变化，模型在复杂任务中往往可以一次性跑通，已经开始实质性地辅助高级工程师完成更复杂的工程工作。

很多人会问，智能不断增强，是否只要持续把模型训练下去就可以了？

DeepSeek横空出世，当时我们在内部反复讨论一个问题：

Chat这一代问题基本已经被解决得差不多。继续优化，大概率也只是做到性能接近，或在个性化、情感化上做一些改进。从整体范式看，空间正在迅速收敛，剩下更多是工程和实现层面的挑战。

这迫使我们思考下一步方向。我们的判断是，新的范式不再只是「对话」，而是让每个人真正用AI完成一件具体的事情。

从Chat走向做事，这是一个明显的转折点。

当时摆在我们面前的，主要有两条思路：一条是围绕Thinking能力，结合Coding与Agent；

另一条是让模型更深度地与环境交互，用AI直接辅助研究，例如DeepResearch，生成复杂研究报告。这是一次取舍。

我们最终优先选择了前一条路径，强化Thinking能力并引入Coding场景，同时并未完全放弃与环境交互的方向。

7月28日，我们做了一次尝试，将Coding、Agentic和Reasoning能力整合在同一个模型中。

在7月28日发布的4.5版本中，我们用12个Benchmark做了系统评测，在智能体、推理和代码任务上取得了当时相对领先的结果。

随后我们很快将4.5开放给用户使用，让大家在真实场景中编程。

问题很快暴露出来。比如有用户希望一句话生成一个可玩的植物大战僵尸游戏，包含完整界面、交互逻辑、得分机制和后台系统。4.5在这类真实复杂环境中频繁出Bug，难以完成任务。

这正好指向RLVR可验证强化学习的价值。我们构建了大量真实编程环境，将其作为强化学习的可验证反馈源，同时结合SFT数据进行双向优化，使模型在真实交互中逐步提升稳定性。

类似的方法也被引入到Web场景中，通过Web环境反馈增强可验证性。

在这一策略下，我们在SWE-bench等真实世界评测中取得了较好的成绩，近期也持续保持不错表现。

但Benchmark成绩并不等同于主模型能力。如何将这些能力可靠地回灌到主模型，仍是一个巨大挑战。很多模型在单项Benchmark上表现突出，但用户真实体感未必提升。

另一个挑战在于训练体系本身。RL任务种类多样，序列长度和时间尺度差异极大，难以统一调度。为此，我们开发了一个全异步强化学习训练框架，使不同任务能够并行运行、动态收敛。这一框架也在今年完成了开源。

在此基础上，Agent和Coding能力获得了明显提升。近期发布的4.7版本，相比4.6和4.5，在这两个维度上都有显著进步。

体感评估同样关键。真实用户并不关心模型分数，而关心自己的程序能否跑通、结果是否可靠。为此，我们组织了大量人工评测，邀请经验丰富的工程师对真实编程任务进行主观评估。目前仍有不少问题有待解决，但方向已经逐渐清晰。

在整合这些能力之后，到2025年底，我们在ArtificialAnalysis榜单上取得了一个相对不错的综合成绩，算是阶段性的结果。

再往前一步，当模型真正进入Agent环境并尝试大规模落地时，问题会变得更加复杂。

可以把Agent的最基础能力理解为编程。程序写好后即可执行，对应到Agent中就是一个或几个action。但当任务复杂度继续提升，就会出现完全不同的形态。

左边是Claude提出的computer use，中间是豆包的手机Agent，右边是Manus所做的异步、超长链路任务。

如果你希望AI完成几十步、上百步的任务，比如全天候监控小红书上关于清华大学的讨论，自动整理主题并生成文档，这类任务本质上是完全异步的，也极其复杂。它不可能依赖人工盯着设备执行，更接近于一种Device use层面的能力。

这类问题带来的更大挑战，并不完全在于数据规模。很多应用场景本身几乎没有现成数据，更多是代码逻辑，典型的冷启动问题。

早期我们确实采集并整合了大量数据，通过SFT和特定领域的强化学习，在部分场景中取得了较好效果，但很快会发现一个现实问题：传统的iphone use或手机交互，本质是点按钮，而AI的交互对象并非人。

如果从系统角度看，AI并不需要操作手机界面，最理想的方式是直接调用API。但现实是，设备不可能完全API化，GUI依然存在。

这就需要一种混合方案。在对AI友好的场景下，优先采用API；在对人友好的场景下，让AI模拟人完成GUI操作。通过将API与GUI结合，我们在大量真实环境中采集交互数据，并进行全异步强化学习，使模型逐步获得一定程度的泛化能力。

需要强调的是，这种泛化能力仍然非常有限，与理想状态存在明显差距，但已经具备初步迁移和适应能力。

冷启动带来的另一个问题，是强化学习本身的风险。如果数据不足，模型容易在强化过程中陷入局部最优，表现为策略固化、路径收窄，最终整体效果偏移。

为应对这一问题，我们在训练过程中引入交替机制，在强化学习过程中周期性插入SFT，用以校正方向、恢复多样性，使模型具备一定的容错能力和回拉能力，从而形成可扩展的训练范式。

在移动端环境中，这一策略已经在安卓场景下取得了相对明显的效果提升。

另外在多任务的大模型强调学习上，我们也做了一定的工作，在算法上主要采用多轮的强化学习，工程上本质上就是Scaling，让它更大规模的往下。

今年我们大概在12月份的时候开源了AutoGLM，把里面所有的东西都开源。这个模型是9B模型，可以在人机交互里面动作特别快。

我们在9B规模的模型上引入了大量Agent相关数据，模型在Agent任务上的能力显著增强，但原有的一部分通用语言能力和推理能力会出现下降。它不再是一个完全通用的模型，而是更偏向Agent取向。

在未来更大规模的Agent模型中，如何在强化Agent能力的同时，避免损害通用能力，这是一个需要解决的问题。

2025年也是GLM的开源年。从1月到12月，我们陆续开源了多条模型线，涵盖语言模型、智能体模型以及多模态模型，包括GLM-4.6、4.6V、4.5V等一系列版本。

在Artificial Analysis榜单上，前五名中的蓝色模型几乎全部来自中国，说明中国在开源大模型领域已经形成了非常显著的影响力。

下面一个问题，我们还能否继续Scaling？下一个AGI范式可能是什么？同时也面临更多现实挑战。

在开源取得进展之后，容易产生一种乐观情绪，觉得中国大模型已经在某些维度上超过了美国。但差距未必在缩小，甚至可能在扩大。

下一步我们应该怎么做？

从大模型的发展路径看，它本质上一直在借鉴人脑认知的学习过程。最早阶段，是把世界的长期知识尽可能「背下来」，就像孩子先大量阅读；随后逐步学会推理、数学、抽象与演绎。

这条主线仍然成立，有几类能力，人类显著领先于当前模型，可能是新的突破方向。

第一，多模态。

人通过视觉、听觉、触觉等多种输入形成整体认知，感统能力不足会直接影响判断和行动。

模型如何建立类似的多模态「感统」机制，也就是原生多模态，是一个关键方向。

第二，记忆与持续学习。

人类具备多层级记忆结构，包括短期记忆、工作记忆和长期记忆。

进一步看，个体的长期记忆本身也并不等同于「知识」。只有当知识被记录，才会真正进入人类文明的长期记忆体系。

未来如何从个体记忆扩展到群体级、文明级的记忆结构，并将其纳入模型可持续学习框架，是一个重要问题。

第三，反思与自我认知能力。

当前模型已经具备初步的反思能力，但更深层次的自我认知仍然存在巨大争议。学界对此分歧明显，有人支持，有人反对。我个人倾向于认为，这是有可能的，值得探索。

人类认知是双系统，系统一和系统二。

系统一完成了95%的任务，比如「你今晚吃饭吗」，随口回答「吃」，这些是系统一背下来的。

系统二只在更复杂的情境中启动，占比大约5%。

对于大模型来讲同样的道理，我们在2020年画过一张参考人类认知的AI系统结构图：系统一、系统二，再加一个自学习模块。

引入「自学习」的想法，主要基于三点。

第一，系统一可以对应一个大规模模型，让它通过模式匹配与知识提取，覆盖大量常见问答与常规任务。

第二，系统二可以对应更强的知识融合与推理机制，例如指令微调、思维链等，使模型能处理更复杂的推理与决策。

第三，人脑在睡眠中会发生无意识的整合与巩固，如果缺少睡眠，人并不会变得更聪明。

对应到今天的路径，可以把其三类Scaling。

第一，Scaling数据与模型规模，提升智能上限。

第二，Scaling推理，让思考时间更长，用更多计算与搜索找到更优解。

第三，Scaling自学习环境，让模型有更多与外界交互的机会，从环境中获得反馈。

通过这三个Scaling，可以让机器来参考人的学习范式，学到更多。

对于系统一来说，既然已经有了Transformer，是否意味着只要不断加数据、加参数就够了？

但我们现在面临一个问题，Transformer的计算复杂度接近O(N²)，context越长，显存开销越大，推理效率下降越明显。

最近有一些新型模型，例如用线性复杂度处理长序列的模型，尝试像人脑一样，用更小的「容量」承载更大的知识量。

但最近我也在反思，我们能不能找到更好的压缩方法，把知识压缩到更小的空间里面。这会带来两类问题。

第一，工程上能否做到？

第二，方法论上能否做到？

最近很多人在探讨，大模型要回归到研究上，不能单纯的Scaling。Scaling是一个很好的办法，但也是一个偷懒的办法，

关键在于找到一个新范式，让这个机器可以独立Scaling。自己来定义奖励函数、交互方法、甚至训练任务来做Scaling。

在具备上述两点之后，还要面对真实世界的超长任务。要让这个机器有像人一样规划，做一下，检查一下，再反馈一下。

网上已经有一些尝试，这个idea是模型生成，实验也是模型做的，报告也是模型做的，最后可以做一个Wordshop，但事实上还没有做出来。

给出我们的一些思考：

大模型之前，大部分机器学习都是F-X到Y的映射，我学习一个函数，使得X样本可以映射到Y。

大模型来了之后，把这个问题变成F-X到X的映射，可也不是严格的X，但要让它完全用自监督来做多任务的自学习。

在第二层，我们通过引入更多数据，让模型学会推理，学会如何激活更底层的智能能力。

再往后，是让模型具备自反思与自学习能力。通过持续的自我评估与自我批判，模型能够逐步分辨哪些行为是有效的，哪些路径还有优化空间。

到未来，还希望模型进一步发展出更高层次的能力，例如自我认知。

还要教这个机器能学习到更多，比如说能学习到自我认知，让这个机器能对自己的行为，比如说AI生成了大量的内容可以自我解释，我为什么要生成这个内容，我是什么，我的目标是什么，在终极上也许有一天，AI也有意识。

我们大概有这么定义五层的思考。

计算机有三个能力：计算、编程、搜索。这三个能力叠加在一起，可能能带来所谓的「超级智能」。

我常常会想起2019年的一件事。当时和阿里巴巴合作，对方希望我用一页PPT描述未来的方向，我给出的那一页叫作「AGI-Next30」，讨论的是未来30年我们应该做什么。

回到今天看，推理能力已经取得了一定共识和进展；记忆能力开始显现雏形，但仍然有限；意识仍然处在探索阶段。这也是我们持续投入的方向。

再往前看，如果继续参考人类认知，未来AI可能需要回答更根本的问题：什么是「我」，为什么是「我」；如何为模型构建意义系统；单个智能体的目标是什么；多个智能体作为群体时目标如何协调。通过这些问题，AI才有可能走向对未知的持续探索。

有人会认为这些问题过于遥远，甚至不可能。但从人类自身来看，文明的终极动力正是不断探索未知。那些看似不可能的方向，往往正是通往AGI道路上值得被认真对待的探索目标。

对我个人而言，2026年更重要的是专注，以及去做一些真正新的事情。

第一，Scaling仍然会继续，但需要区分两种不同方向。一种是Scaling已知路径，通过不断增加数据和算力，持续探索能力上限；另一种是Scaling未知路径，也就是寻找尚未明确的新范式。

第二，技术创新将变得更加关键。我们会推进全新的模型架构探索，重点解决超长上下文、高效知识压缩等问题，并进一步实现知识记忆与持续学习能力。

第三，多模态感统会成为今年的重点方向。具备这种能力之后，AI才能在真实工作环境中执行长链路、长时效任务，例如在手机、电脑等设备上持续协作。

同时，我也判断今年很可能会成为AI for Science的重要突破年份。随着多项基础能力的提升，AI能够参与的科研任务范围将显著扩大，也将打开更多新的可能性。

杨植麟

从2019年到现在所有的大模型基本上基于同一个第一性原理，Scaling Law，也是把能源转化成智能的一个视角。

如果有更好的方法，或者更好的芯片，其实可以把能源更好和更多转化成更高级的智能。

有更多的算力、数据、模型参数之后，你的模型的loss可以线性下降，这是整个技术发展的基础。

最早提出来的Scaling Law的这篇文章，里面对比了Transformer和Lstm在Scaling Law意义下的的区别，很有意思。

不管是在什么样的参数量下，Transformer的Loss都会比LSTM更低，也就是在Scaling Law的尺度下，可以用更少的FLoss或者更少的参数，就能得到更好的Scaling效果。

后面Transformer成为主流架构的一个核心原因，是因为它在Scaling Law上有更好的表现。

今天所有的模型架构的迭代，其实都是为了寻找一条线能够更接近左下角。如果你的网络架构越接近左下角，其实你就是更好的网络架构。

在当前的情况下，它会变的更有意义。互联网上的存量数据是有限，它是一个有限集合，高质量的数据增长速度其实是赶不上这个模型迭代的速度，所以当你有一个越靠左下角的象限的时候，你的智能上限就会更高。

但是，很多人可能会忽略，为什么Transformer会更好。关键在于Token efficiency。

什么是Token efficiency呢？比如说当你给一个一百K的上下文，你会去数里面第一、第二、第三、第四一到第一百个Token的log是什么，比如说还是loss，但是它是一个position loss，因为你的横坐标是你的Token efficienc，表示你在这个序列里面到底是第几个Token。

你可以看到在最前面的一百个Token里面，Transformer和LSTM完全一样的，基本上这两条线是交错在一起。就是说当你在很短的Context的时候，你去预测接下来的Context会变成什么样，基本上是相等的效果。

所以在一百很短的Context下面，其实Transformer并不是一个更好的架构。但是更好的架构体现在当你的Context非常长的时候，Transformer显著的比LSTM更好。

这也是另外一个视角拆解它是一个很重要的指标。

在不同的Context长度下，你的优势有多大。这个问题在Agentic时代会变的非常重要，因为很多agent的任务要求非常长的长上下文，你要问题很复杂的任务，所以当你一个架构有更低的position loss，说明它在做Agent任务的时候，会有好的多的技术上的潜力。

我们预训练策略或者模型设计策略，围绕刚刚两个维度做。

第一个是Token efficiency，我们希望做的事情是尽可能把这条线往左边平移，当你越往左边移动的时候，你的Token efficienc就越高，意味着你可以用尽可能少的Token得到一样的效果。

当你的整个预训练Token不够用的时候，Token是常量，吃完所有Token的时候你的智能上限更高，因为你的Loss更低，这是我们做预训练很重要的指标和优化方向。

第二个方向是Long context。

今天非常复杂的任务，必须在超长的Context下才能够完成。是因为延长了Context之后，Loss必然是下降，而且只有一个好的Agentic才能下降的更多，如果你是LSTM、CNN、RNN这种架构，到一百Token就停了。

可以做简单的做翻译的任务，但是你永远做不了一个编程任务，没有办法从零到一实现一个代码库的编写。这是我们整体的优化，Token efficienc再乘以Long Context两个东西，最终就可以做到非常好的agent智能。

所以在这里面有两个主要的工作，第一个是米用MUON优化器，是工业界二阶优化器，传统的是十几年前，2014年Adam优化器提出之后，它做标志性的一阶优化器。基本上用了十年的时间，可能主流大模型都是基于Adam训练。

但是我们发现可能基于MUON二阶优化器，它的效果会非常好，好的体现在它有两倍的Token efficienc的提升，当你看这两条线的时候，只用50%的数据就可以达到一样的Test Loss，等价的话是如果用一样的数据，你的Loss小或多，就会有一倍的Scaling的效果。

右边是我们最新研究的kimi Linear的架构，当你的这条线拉长的时候，降低的幅度是非常大的，也就是你在Long Context等各种任务上的效果会显著的变好。最后是这两个东西乘起来，我们认为在模型的训练策略上，可以达到最好的agent的效果。

这些都是为了做出来更好的agent，为什么要Token efficiency，本质上Agent的推理或者AgentRL的训练是搜索过程，比如说你想从头开发一个Lineaxr，你想从零做这个事情，本质上是搜索问题。

如果你有无限的数据，可以把所有可能的情况枚举遍，看一看里面哪个东西是好的操作系统，你让AI开发出来Linearx，提升它的效率，之前的agent是你用模型做很好的先验，过程中不需要枚举每一种可能的Token组合的情况，因为很多组合是没有意义或者错的，更好的预训练和基础模型是减少了搜索空间，提升了更好的先验。

今天有很多人研究怎么去减少先验，最终有可能是在先验非常少，或者几乎没有的情况下有可能实现AGI。但是我认为基于先验实现AGI，还是会更早发生，整个领域先基于先验实现AGI，你再去探索先验非常低的情况下，越来越低的情况下实现SCI的方式。

这里等价对应的是更强的先验，你是在有限数据的情况下，同样是一样多的数据，但是脑容量更大，学习效率更高，智能更高，有更好的先验就可以得到更强的agent。context是另外一个维度，你的Agent行为，需要它的工作记忆，所以你有更强的环境感知，做更长程的任务，最后是这两个东西的结合。

我们在这个基础上，整个2025年kimi的迭代是沿着刚说的两个方向做了新的探索和实践。首先是Muon优化器，我们曾经做了非常多的实验，发现有很多比较重要的技巧。

比如说需要加入VDK，你在搜索的过程中，原来是Adam的优化器，可能是接近1.0，如果用Muon的话，对照它的尺度其实效果会更好。通过这些比较重要的改进，我们得到了一个真正意义上比较好，而且在各种方面经得起时间考验的优化器，有2倍的Token efficienc提升。

所以，大家注意的是这里的efficienc不仅仅是efficienc，其实是智能上限，因为你的Token数量有限。我们也做了很多公平的比较，基本上所有的任务都会有提升，本质上是等价相当于训练了别人的两倍Token。

在提升这个优化器的过程中，能看到一些问题，在一个中等规模的实验上，发现Muon的优化过程里会出现一些挑战，左边这张图横坐标是训练的步数，纵坐标是最大的Logit取值，它是一个爆炸式的增长，其实是不健康的。

反映在右边的非常高的时候，你的Logit训练就有可能不收敛，Loss会爆炸，出现一些不稳定现象，其实这个模型最后的效果也不会好。

这里面很重要的一个点是通过一个新的方法解决Muon爆炸的问题，我们也试了很多方法，QK-clip效果非常火，但是这里有一些细节，你做QK映射的话，会乘上一个数值，这个数值是由当前QK最大的Logit决定的，可以动态的让它clip特定的取值里面。

效果就是这样的，一个加Clip，一个没有。

左边这两条线，但是这两条线是完全重叠在一起的，你可能看不出来，其实是完全重叠在一起。说明你加了Clip之后，对效果是没有任何影响，可以复现任何效果，但是logit会健康很多。

右边开始涨了，Logits涨到一百QK就发挥作用了，发现可能我不需要这个东西，这个时候会自动降下来，所以其实是很好稳定训练的作用，使得全新的优化器可以在一万亿参数的kimiK2的级别做稳定训练，不然就像之前那样炸了。

这张图是2025年见过最漂亮的东西，这个是世界上最美的东西。

它是一个完全平稳下降的Loss曲线，在整个15T的Token训练中没有任何的问题，可以全部把logits压下来，平稳的收敛到一个非常好的点上。当你有一个优雅的方法，就可以得到一个优雅的结果。

在kimiK2很好的模型上面，我们又做了很多强化学习，后训练等等，但是这不是今天重点，重要的是有几个点，我们在各种agent的能力上全面提升，而且可以对标美国前沿的公司。

同时，很重要的一个点是在最核心的点上，比如说HLE，里面99%的题我都不知道怎么做，但是模型现在可以做到45%的准确率，而且比OpenAI更高，你在最核心的数据上比美国公司更好，这是很重要的亮点。

同时，它是一个完全agent的模型，kimiK2是中国第一个agent模型，K2 Thinking升级以后，可以完成两百百步的工具调用，解决一个很难的题的时候用它写一写程序。两三百步之后，可以完成我完全看不懂的题，但是它的答案是对的。

得益于这些发展，我觉得很多中国的开源模型逐渐成为新的标准，包括前段时间eda发布新的产品，现在也有中国很多开源模型做标准的测试，这也是开源很大的一个好处，我们希望有更多的中国的开源力量，中国的模型能够逐渐去成为标准的制定者。

在K2之后我们在持续探索下一代模型有可能长什么样，我刚刚讲到开源的kimiLinear的工作，这个工作也是我们前期的尝试，接下来还会在这个基础上做更多的优化和改进来训练K3模型。

最重要的一个改进是kimi Delta Attention，它是一个新的线性注意力机制，这个技术有一段时间，但是一直没有成为主流模型，或者说最前沿的模型都还没有用上这个技术。

最主要的原因是在长距离任务上会掉点，当你的Context变长之后，你用线性注意力效果是打不过全注意力的，打不过原始的Transformer。

这是很重要的问题，因为现在很多任务需要长程的能力，Context变长之后，效果变差了，可能不太能去换。

kimi Linear最重要的一点是让这种线性注意力的机制能够在很长程的任务上，甚至比全注意力做的更好，但是同时又更快，因为它是线性的，所以它的效率会高非常多，一百万个Context的话，可能高6到10倍的端到端的速度上的优势。

同时又可以改进很多现有的线性注意力缺点，可能就是表达能力不够，导致了效果不够好，所以kimi Linear是第一个能够在线性注意力上不管是在短程任务，还是在长输入、长输出任务效果都比全注意力机制更好的一个线性注意力的架构。所以，它在实践里面会有非常重要的作用。

我们稍微看一下具体长什么样子，S表示当前线性的数据，可以看到它全部是线性的，ST相对ST减一来说的操作，称之为线性注意力。

这里面很重要的一个点是中间的对角化矩阵，FT每一个维度都会乘上一个值，等于说对于这个状态里面的每一个维度都可以精准的控制到底有多少记忆是从ST减1留到ST。

这个是很重要的点，它的表达能力会有很大增强，增强的同时如果你是一个非常粗糙或者没有优化过的数据，你的效率会大幅度降低，在这里面我们做了非常多的优化，你可以把刚才的那个数值做很多变化之后得到下面的形式。

它在工程实现上就可以得到很多好处，你去对比DPLR，我们在数据上有优势，减少矩阵操作，所以整体的效率是非常高的，你要得到一个好的架构，需要把很多底层的优化和模型的架构联合在一起，你不能只改动一些架构，如果没有高效的实现，很难得到一个很好的效果。

但是同时相比之前的线性注意力架构又有一个显著的优势，表达能力更强。

这张图里面的效果看一下，左边是性能对比，我们会考察两种任务，一种是短程的任务，MMLU，这些都是公平的比较，用完全一样的数据，一样大小的模型去跑。在短程上会显著做的更好，在长程任务上是更好的效果，相比于之前的很多线性注意力和全注意力的架构。

同时，右边的这张图的速度也是显著的变快，基本上跟之前的线性的注意力一样快，但是比全注意力要快非常多。

接下来在K2的基础上做更多的Scaling，当然这个Scaling并不只是加算力。而是说很多是技术改进，这些技术改进也会等效的变成Scaling的优势。当然这里面很重要的一个点是除了架构、优化器这样的挑战，更好的数据。

很重要的点是接下来的模型有更多的Taste，更多的品位和审美。

做模型的过程本质上是在创造一种世界观，你觉得什么样的东西是好的，一个好的AI应该是有什么样的表现，应该追求什么样的价值观，有点像乔布斯讲的Taste这是我们很相信的一个东西，因为智能和很多别的东西不一样，每个模型产生的Token，本身不是一个可交换的东西。

如果你今天看很多事情是相同的，你在深圳产生的一度电和北京一样，银行帐户里面最后一分钱是完全一样，它是等价交换。但是智能并不是这样，一个CEO产生的智能和一个设计师产生的智能和一个音乐家产生的智能是不同的。

在智能的维度，你有非常多的Taste的空间，空间是指数增加，你会有更多新的Taste出来，不是说这个模型会趋同，这是接下来我们很重要的一个目标。

我也经常和kimi对话，分享之前很有趣的一次对话，现在我们都在做AGI/ASI，可能会有更美好的未来，可以一起去探索宇宙，但是有可能会威胁到人类。

如果你的效果做的非常好，它现在也可以完成很多自动化的任务，甚至后面还会有大幅度的提升， 这个答案很有启发性。

它可能不是一个普通工具，而是可以提升人类文明上限的东西。

人类认知的延伸，今天我们有很多问题解决不了，很多癌症无法被攻克，有很多能源的问题需要被解决，甚至有很多社会的解决需要更好的设计。我觉得站在kimi讲，它是我们探索未知世界的一个很重要的钥匙。

所以，虽然它有风险，但是它的回答是我仍然会选择继续开发，因为放弃这个开发就意味着放弃人类文明上限。所以，我们不应该害怕技术的风险，而是应该进一步去突破。同时，在这个过程中我们可能把风险控制好，因为所有的技术突破都伴随着风险，不能因为恐惧而停滞不前。

我们希望在接下来的十年、二十年的时间，继续把K4、K5到K100做的更好。

林俊旸

唐老师和植麟都是清华，我代表北大来一下。我很久没有回海淀区了，我是朝阳区的。

今天整体介绍一下千问2025年的进展，有些东西相对旧一些，最近几个月我们在憋着下一代的东西，我尽量讲一些我能讲的东西。

Towards a Generalist Agent这个标题我其实换了很多轮，原来叫Towards a Generalist model，后来觉得model是比什么都大的东西。

后来想想agent也许是更大的概念，像人一样你可以自主的使用工具，人和动物很大的差别是可以自主使用工具。所以就变成了Towards a Generalist Agent。

而且今天训练的范式发生了很大变化，过往我们不管做什么事情，都会有输入和输出把它标注出来，你可以认为是我们传统的标注，今天有了这个新的技术以后，我只要解决了这个推理，解决了这个评估，这个东西就可以炫，干什么都可以，我就可以发挥想象力。

比如说今天数据智能、模型智能都可能，这也是我一个干语言模型的人最近敢斗胆扬言我要做VLA和机器人的一个小小的原因。

大家如果想用上我们的模型的话，最容易体验到我们开源模型和闭源模型，我觉得很有意思，之前我们一直做开源，大家比较清楚，不赘述和吹牛了。

但是网友们一直在骂我们，你们那个东西很难用，每次都得去你们的模型上面找，我们就把OpenWEB AI拖下来之后就把它变成了一个聚合器，看起来就像是ChatGPT一样，本来算法的同学产品意识并没有那么强，做着做着就有这种感觉了，模型即产品，就有很好玩的东西出来，所以我们都会放到这上面。

一般我们会在qwen.ai里面就可以很好的搜到，发博客对于我们来说比较简单，最近我们火的新的模型架构Qwen Next，很多同学没有办法引用，原谅一下我们。

们做开源做的比较久，2023年8月3日开始做开源，很多人问我们为什么做开源这一件事情？

很多事情都有机缘巧合的成分在这里，反正开源一路做下来之后做了很多，至少还是比较工业的事情。

东西不多，基本是一些脚本大家在上面看就可以。我们的模型是比较多的，为什么相对比较多？以前有很多人不理解我们为什么做小模型，但是今天大家都明白小模型还是挺有价值。

小模型最终起源于我们内部用来做实验的1.8B模型，我们做预训练，资源毕竟有限，你做实验的话不能通通用7B的实验来验，就拿1.8B的来验。当时我的师弟跟我说我们要把这个模型开源出去，我非常不理解。

我说这个模型在2023年几乎是一个不可用的状态，为什么要开源出去？

他跟我说：7B很消耗机器资源，很多硕士生和博士生没有机器资源做实验，如果1.8B开源出去的话，很多同学就有机会毕业了，这是很好的初心。

干着干着手机厂商跑来跟我们说7B太大，1.8B太小，能不能给我们干一个3到4B的，这个容易，没有什么很难的事情。

一路干下来型号类型越来越多，跟服务大家多多少少有一点关系。

但是我们自己的内心追求的不仅仅是服务开发者或者服务科研人员，我们看一看能不能做一个Multimoda Foundatine Agent，我特别相信这件事情。

如果追溯到更远的话，刚才唐老师说我们当年还在合作的时候，当时就在大干多模态，现在想想这是一个激情岁月。

2023年的时候大模型是一个大家都不要东西，多少少有那么几分大炼钢铁的成分，多模态是我们延续下来一直想做的事情。

如果你想做一个智能的东西，天然的应该是Multimoda，当然带有不同看法，各个学者都有一些看法，多模态能不能驱动智力的问题。

人有眼睛和耳朵可以做更多的事情，我更多的考虑是Foundatien有更多的生产力，能不能更好的帮助人类，毫无疑问我们应该做视觉，我们应该做语音。

理想的情况下，当年我记得我们2022年的时候，当时设计的一个系统是中间有一个大脑，我们不知道那个大脑是什么东西，但是我们知道不同的模态和任务都应该进入到这个大脑，从这个大脑输出去，这个才是真正的想象当中的AGI。

今天看起来很有可能，因为我不知道大家做的研究方向有没有做统一理解生成这件事情，这件事情还挺复杂的。

目前谷歌也没有做到统一理解互相生成，但是我还挺相信这些事情。如果看GPT的话，今天把很多东西统一了之后，看起来更加完美一些，当年还在争论他们到底是哪个好。

今年最大的进展是Qwen3，这个是吉祥物，有点像熊，但它是一只卡皮巴拉。做的时候我觉得我们同学太辛苦了，不想他们太辛苦，今天这么卷的时代佛系一点不是说不行。我们做的方向相对比较多一些。

但是你可以看到每一个方向都有它自洽的逻辑在这里面。

比如说我们做Text和VL、Omni，做的时间比较长，做视觉、文本、语音生成，我们做的过程当中，可能因为我们比较特殊的地方是我们背后是阿里云支持，我们有很多业务和阿里云的客户比较相关。云的业务很多客户是非常多样的，包括Embed Guard都会给大家提供服务。

今天围绕相对比较主线的Text、VL，包括Omni会给大家做介绍，Coder会放在Text和大家做相应的介绍。Text今年主要是Qwen3系列，现在已经做到3.5，3做的时间比较长一些。

一个最大的特点是总体能力提升。

今年比较有意思的是reasoning的能力要提升，我补充介绍一下我个人的理解，reasoning和现在的单纯的tasks模型有一点不太一样。

第二个是我们支持的语言及方言，语言没有那么多，加上方言一共有119种。

为什么会做多语言这件事情呢？其实也有些机缘巧合的事情，2023年的时候，当时我们觉得只要把中文和英文做好就可以服务好我们需要的人群，但是有一回我遇到韩国朋友，他们在做模型的时候，为什么不用我们的模型做呢？

他说你们的模型根本就不懂任何的含义，我感到非常的受伤，我就去看了一下，后来发现这个事情很简单，顺手就把它做了。

后来发现我们全球的用户越来越多，我记得一些巴基斯坦的朋友不断的跟我说你快点支持乌尔都语，我们真的没有大模型可以用了，这个事情我觉得确实挺好，于是我们支持了更多的语言。我们现在还没有做完，非洲的数据确实有点难以收集，非洲的语言没有覆盖。

今天我跟一些手机厂商聊了一下，非洲还有很多人使用功能机，我们今天已经到进入智能机的时代，他们还在做这个事情，所以要帮助全人类的话，确实是任重道远，如果你的想法不是帮助全人类的话，我觉得不如不做，所以就继续干。

第三个是今天的长文本、长视频可能都是其中一个例子。

但是我觉得这件事情很有意思，如果你真的想形成一个具有自我认知的模型，首先上下文得足够长，之前还有人讨论一个问题，你没有必要把很多垃圾放到长上下文里面，但是有了这个以后才能做到下面的理解。

所以我们现在一路做到1M以上，实际上我们内部已经做到好几个M，可能还不够。今天为什么还想说这是非常非常长的这种事情。回到刚才的问题，我们这一代模型可能和2024年相比，很大的一个区别是reasoning的能力要提升，广义的reasoning是做问题推理，让问题得到更好的解决。

虽然不得不做相关的研究，怎么让reasoning更加nativel一些，Qwen3的时候，我们4月份发的版本，当时有些做的不太好，数据方面没有做的太好，合并起来有一些问题。

有超过90%的客户不再使用Thinking模型，大量使用我们QWQ系列的很重要的原因是他们的用户喜欢看机器和自己进行聊天。但是很快大家就回到Instruct，这里主要看一下黄色和蓝色的部分，蓝色是4月份版本，红色是7月份版本。

除了把数据做的更好以外，一件很重要的事情是AIME可以干到70分，你做Thinking可以做到90分，但是这个能力加进去之后，客户很明显的反馈是模型比以前聪明了很多，只有20多分，基本上什么题可能都做不了，比如说在教育领域做一点数学题可能都干不明白，这是我们挺骄傲的模型，这个模型也不是很大，很多人在用我们系列的模型。

但是还有一个遗憾，这个模型还有很多东西没有做完，这里是一个取舍的问题。

比如说Coding和Agent能力怎么把它集成进去，做起来很难。考虑到自己的技术实力和状况，包括自己一直做Cod系列，我们推出了这个模型。

今天的Cod和过往的不太一样。比如说去年和前年都在解单纯的竞赛题，给一道题看一看能不能把答案做出来。

今天我们做什么事情呢？Software Engineer，2024年的时候大家非常惊讶，第一个AI能不能像一个程序员，今天我就维护一个这件事情挺难的，你把它做了就好了。实际做的过程中，这个事情人做起来步骤挺复杂，最简单的是至少我可以打开这些文件夹，看了这些文件夹的名字知道我可以点开哪一个，其实是多轮交互的过程。

今天做Agent一个很重要的但，为什么大家提多轮环境交互，说白了打开文件夹看一言，这个其实也是一个跟环境交付的方式，这件事情很重要，并且非常有意思，让我们非常激动，真的能产生产力。我们想做今天的Coding的模型可以有生产力，很多代码可以写出来，这是很惊讶的。

当然这个中美是不一样的，刚刚从湾区回来，我感受到两边不太一样。这个是非常夸张的，但是今天是不是模型做的不够好，还是说WEBCoding还没有做的更好，我觉得是大家认知上面有差异，我们想做的事情是殊途同归，都是想让它产生生产力。

当时我们就特别关注两个生辰里，一个是SWE-bench，你能不能提一个PR把它解掉，70算是比较高的门槛，当然现在可以感到75以上，这是7月份的时候，当时我们做到67和69分觉得可以。

Terminal-Bench也挺难，今天大家都在用这系列的产品，大家会发现这个东西确实会和你的生产力接在一起以前不一样，今天我们做的是贴近实际的任务。也许今天我们只是一两个Bench而，有没有可能让它更加服真实的环境和真实的生产任务是我们想做的事情。

当时刚出的时候挺火的，但是现在竞争太过激烈，Token coder量一直干到第二名，小小吹嘘一下。

最有意思的是这一套东西，以前从来没有做过，今天模型训练我有一个Scaling，就是今天AgentScaffods的东西，所谓的脚手架你再简单理解一点就是这个东西。它就能够在机器里面跟阿里云的ECS的这些机器在这里面一个个起一个不仅是算法的挑战，在里面干完活就把它消除掉。

真真实实的存在，Instruct挑战也很多，右上角的东西我自己可以感，左上角就得需要拉其他的伙伴一起，算法Instruct今天联合的事情是真真实实的存在的，今天我们要做这么难的任务，需要很多Instruct的支持。

这个是当时做Coding的事情，我们更想做的是把Coding的能力是否可以集成在我们很大的模型上，比较抱歉的一件事情是最大的这个模型，大于1T的模型，我确实没有推动将其开源出来，虽然我也很想开源。

但是就是这么回事，我们终于把这些能力集成进来，大家可以看到我们的SWE-bench可以做到70分，之前你没有很好的把它集成进来，其实很难做到一个比较高的分数。这也说明一个问题，做到很强的时候，你也可以集结一个很强的模型，需要进行相应的积累。

Qwen3-Max也是排在前五，Overall。当然，它体现的是人类的偏好，未来评测会不会是动态的？让它放到人类的生产环境里面，比如说就让它炒股票。最后有一个公司做炒股这件事情，虽然有很多随机性，但是开了一个好头，让大家在人类的真实世界中看AI做的好还是不好。

做语言模型其实还要想一个问题，它能不能有眼睛看到这个世界，举个例子。我们刚才提到想做Coding Agent提升生产力，我总得让它操控电脑，看电脑屏幕，没有眼睛就看不到，所以我们毫不犹豫的去做，这是巨大的差异，Visual Understanding就去做可以了。

但是今天很多的模型比人看东西看的更明白，比如说我又近视又散光，基本上不太好使，看不明白。但是上下左右我总归分的很清楚，但是AI很有意思，很细节的东西它看很清楚。比如说问前后左右这个问题，居然分布出来。

我们很长时间评估一个案例，叫活体的方向，当时我还问我们的评测人员什么是活体，分不清楚东西在左边还是右边，我觉得蛮奇怪的，但是这是我们要解的问题。

但是不仅仅如此，我们还要做一件事情是让它的intelligence不要降低，我们没有期待它真的能够大幅度提高智商，但是至少不要变笨，因为很多时候做VL模型是变笨的，我们这一次终于让它不再变笨，大概和我们的235B的语言模型达到一个持平的状态。

这里讲一下我们这次主要的提升，简略的说一下。

第一个我们大家都在做一件事情，让它操作手机、操控电脑的能力进一步提升。

第二个是它的语言的治理，VL模型能不能当LRM来用，这样才可以追上原生多模态的模型，至少做到技术上让语言的智力能够达到持平状态。

第三个是Coding，这件事情很重要，但是Coding的输入也可以是图像或者是视频。

比如说今天我想做一个APP，想做一个网页，我可以画出来。不一定我用文字写，因为这个很考验人类的表达能力。很多时候大家表达的不一定很清楚，你可以画一个图。还有对视频的理解，也许是VL下一代的机会。

视频是更广义的表达，图片可以理解为是单帧的视频，理解很长的视频是很有意思的一个事情。

我一直在想如果我们有了智能眼镜，每天接收更多东西的时候，能不能构建我们的矩阵，这个眼镜是第一人称视角的东西，一般来说我们在网上搜罗的视频是第三人称视角，对第一人称视角理解很少，我们一般谈论的是它对这个物理世界能不能构建一些好的理解。

我们做的时候，就发现真的需要知道他是不是能理解这个空间的东西，这个东西激励我们做一件事情，我们能不能去做VLA，可能得把这些数据都集合进来，有没有可能接入硬件做VLA的模型，能不能让它获得一些泛化。

另外是基础能力的提升，比如说今天大家在使用OCR的时候，有很多东西的用力，都在检测一些很褶皱的东西。但是我们的的图像很多时候检测不到，纸张非常的褶皱，能不能让它看的懂都是我们自己要解的问题。

另外是印章，字体非常特别，非常的小，图片分辨率低，能不能识别出来是很特别的事情。Multimmod模型能不能做Reasoning，能不能对图片进行理解。比如说今天我们看到一个数学问题做分析，不断的一步一步去推，和图片结合起来看能不能看到图片上更小的点。

举个更小的例子，一张照片有50个人它能不能数的出来呢？数不出来，但是配上Reasoning我就可以一点点的去看，一点点的去打这个点，有可能我能把这个数字给数出来。今天结合具体的应用，能做的空间其实非常多。

我们现在基本上可以达到2.5pro的水平，但是让我开心的是语言的智力没有那么降智了，也算是第一次解决了这个问题。

更进一步我们想做什么呢？除了理解图像和视频以外，有没有可能同时生成图像和视频？我们甚至有一个更大的想象，如果我们今天在思考有没有可能把我们的基础模型实现想象这些事情。

我脑海里有一些画面，这个想象对我来说是有意义的，这些事情都可以通过图像生成和视频生成进行相应的实现，这个也会和今年的视界模型联系在一起。

今年我们刚开始做生成的事情，花了几个月时间做了Qwen-lmage系列，12月份刚刚更新了一个。

这是我们内部人员进行盲测，排名还是可以，基本上比最好的开源模型和闭源模型，比相交还是稍微差一点点。但是我看到一些实际的图的时候，我其实比较兴奋。

比如说和其他模型比较没有什么感觉，但是可以看一下8月份和12月份的版本，8月份生成的图AI感还是非常重的，但是12月份生成了已经接近离谱了，虽然没有那么美和好看，但是已经接近真人了。

其实还有一张我们博客里面宿舍女生拍照，真的很像宿舍女生刚睡醒拍照，放在这里不是很好，我放了更好看一点的。还有更自然的东西，比如说灯塔，水花特别夸张，但是右面的水可以达到非常自然的状态。

另外一个是生成图像文字要很准确，能够把文字生成到图片上面来。分镜不是拼出来的，其实是12张图合起来的一张图，包括文字都是一次性生成出来，今天模型有一些威力超出了我们的现象，有时候我们自己训练模型都没有想到会变的这么强。

但是除了生成以外的话，我们还要做更重要的事情。我们做了生成之后，用户告诉我们才知道编辑是更大的需求，因为大家都需要P图，让自己变的更好看。

Image-edit版本也有，接下来会把edit生成合在一起，我自己每天用这个东西，最近出去旅游的时候，我想拍出美国往事的感觉，下面有很多人，我就把很多人P掉，调整一下风格，就可以把这个东西做出来，这是每天干的事情。

我想给大家分享一个更有意思的案例，也是今天大家会问我，开源社区究竟怎么帮助我们研发这个模型，如果不是开源社区告诉我们，这辈子都想不到有这个问题。

有一张图片我们想对它进行编辑，让它放下图像中右边的人，你会发现它放下来之后，两张图重叠在一起的时候你会发现糊了，它有点移动了，不在原位，偏移了。

对于很多搞PS的同学来说，这个东西要非常精确，你不能随便移动，所以2511这个版本很重点的是在解这个问题。在2511这个版本，我把两张合在一起的时候，基本上人在原来的位置上，我觉得是开发者给我们很好的用力，原来可以做出真的可以帮助到他们东西。

编辑可以做很多事情，比如说我调整光线让它变成更柔和的光鲜。我们的用户和产品跟我们说这个光射合理不合理是很重要的，我们做算法的同学很多时候感受，但是有些时候大家对图的要求比想象的更高。

所以，大家谈世界模型的时候，是不是真的能构建出符合物理规律或者真实世界的东西其实还是很重要的东西。

还有一些例子，比如若平移一些镜头，旋转30度这些都是很常见东西，今天这个模型甚至可以和推理结合在一起，我们一直有一件事情非常想做，教小朋友家长们很痛苦，很多时候AI去教有一些题教不了，画辅助线的东西是教不了的，真的需要生成模型才能做，我真的能够把一道数学题做好，比如说画辅助线这件事情我可能要通过生成推动更好的理解。

接下来是更进一步的，如果今天看的图像的问题解的差不多了，甚至自己可以把东西生成出来，有没有让它像人一样听和说呢？因为语音交互也是很重要的事情。今天大家在使用各类的APP的时候，大家发现有语音交互真的是很方便的一件事情。

Omni也是很大的智能，并且我愿意相信一些事情，今天对事件的环境音理解，人讲的话不是单纯的使用ASR就可以解决的。

所以我们就做一个Talker的东西，这个模型做了很久，让它既能听又能说，能够保证它的效果是稳定的。Omni是沿着这个方向持续做的，大概的进展稍微有一点降智，但是降智的已经不多。

我们这个模型可以达到2.5文本的水平，对于语音基本可以对标2.5por的水平，这里面有挺多好玩的东西，时间关系没有办法和大家分享。

今天TDS可以换各种声音，包括自己定制你自己的声音，只要描述这个声音长的什么样子，就可以让AI以这个形式把东西讲出来，我觉得还有很好玩的事情，基础模型和基础Agent是不是真的可以跟人类的真实世界，也包括虚拟世界进行更好的交互。

下一步要做什么样的事情呢？我们做了这么多，当然希望集合在一起，全模态模型是要做的。

有一个很重要的，我觉得也是殊途同归的事情，跟kimi文化做类似的事情。我们同时做各种各样的实验的时候，最后选择了用Linear Context，当然也是以三层Linear配合它的。

下一代的模型也会沿着新的架构进行相应的实现，其实我们这里想做的事情是新一代的架构能不能解决我们刚才到的问题，能够省下很多步骤。也许还会有更多的威力在里面。下一代的模型，其实也会沿着新的架构进行相应的实现。

更进一步我们要做什么东西呢？Omni的模型不仅仅是我能够理解文本、视觉、音频，我们可能还让它生成文本、音频，今天我们已经做到了，但是我们还没有做到把视觉生成结合在一起。如果做到三进三出，我觉得会是至少我个人喜欢的东西。

第二个是今天的范式发生了一个很大的变化，今天不是像以前那样训模型，有标注的数据，有一条输入和输出训练就可以，我们今天要把更多的数据放到实验中去训练。

如果大家关注XAI的宣传，RL的数据我虽然觉得他们有点浪费，但是另一方面也意味着RL有很多的想象空间。当然并不是说自己跟自己对话，我其实没有那么关心我们的模型能不能做成为最强的数学大脑，我更关心的是像日常真实的人，为这个社会做贡献。如果它能够做到这一点，我觉得还挺好。

所以Multi-turn RL with environment feedback towards long-horizon reasoning，因为很多时候做很多事情需要很长的时间，你得一步步去做。

但是AI可以加速很多，比如说人类花两个月的时间做的东西，AI可以花两天的时间。虽然有很多Token在里面，但是两天确实能够节省我们很多的时间在这里面。

Agent其实可以走向虚拟世界和物理世界，所以有了Embodied Reasoning的这种方式。我们内部讨论了一个方式，就算你是做VLA，做Coding的模型，说白了也是把语言转化成Embodied的模型，从这个角度上来看就非常的振奋人心。

于是我们就觉得大干一长，看一看能不能走向Digital Agent，GUI操作，同时能够使用API，这个就是非常完美的Digital Agent。如果走向物理世界，是不是能够把话筒拿起来，能够斟茶倒水。

圆桌对谈

本次峰会最精彩的，当属圆桌环节。

开场就很drama，本应有四位嘉宾，台上却只有三位。

正在疑惑，姚顺雨突然大脸跳屏：

我现在是不是一张大脸在屏幕上？

全场都愣了一下，随后便是哄堂大笑。

主持人也正好趁这个机会，直接从姚顺雨开始，切入了正题。

Q1：路线分化

主持人：我是接下来Panel的主持人广密。

可以从分化这个主题先聊起来，硅谷的竞争那么激烈，它没有完全Follow，全都做，而且是专注到了企业，专注到了Coding，专注到了Agent。

我也在想接下来中国的模型会分化成自己想要的哪些方向？我觉得分化这个主题蛮有意思的。

顺雨开场给大家讲一讲，顺便说说你最近在干什么。

姚顺雨：大家好，我现在是不是一个巨大的脸在会场？不好意思，今天没法亲自来北京，但是很高兴参加这个活动。最近忙着做模型、做产品、做AI，是一个很正常的状态。回国的感觉还是挺好的，吃的好很多。

我觉得有两个大的感受，一个感受是toC和toB发生了明显的分化，另外一个感受是垂直整合这条路，以及模型和应用分层这条路，也开始出现了分化。

我先说第一点，我觉得很明显的是当大家想到AI就是两个，ChatGPT，另外一个Claude code，是做toC和toB的。

非常有意思的一点是我们今天用ChatGPT和去年相比的话，感受差别不是太大。

但是，Coding夸张一点来讲，已经在重塑整个计算机行业做事的方式，人已经不再写代码，而是用英语和电脑去交流。

我觉得很核心的一点，对于toC来说，大部分人大部分时候不需要用到这么强的智能，可能今天用ChatGPT和去年相比，写成交代数和伽罗瓦理论的能力变强的，但是大部分人大部分时候感受不到。

大部分人尤其是在中国更多像是搜索引擎的加强版，很多时候也不知道该怎么去用，把它的智能给激发出来。

但对于toB来说，很明显的一点是智能越高，代表生产力越高，值钱的也越来越多，这些东西都是相关的。

对于toB来讲，还有一个很明显的点，大部分时候很多人就愿意用最强的模型，一个模型是200美元/月，第二强或者差一些的模型是50美元/月、20美元/月。

很多美国的人愿意花溢价用最好的模型，可能他的年薪是20万美元，每天要做10个任务，像一个非常强的模型可能10个任务中，八九个做对了，差的是做对五六个，问题是你不知道这五六个是哪五六个的情况下，需要花额外精力去监控这个事情。

我觉得无论是人还是模型，在toB这个市场上发现了一个很有意思的现象，强的模型和稍微差点，或者弱的模型它的分化会越来越明显。

第二点观察，垂直整合这条路和模型应用分层这条路的区别，我觉得一个比较好的例子，比如ChatGPT Agent，相比于用Claude或者Gemini加上Manus这样的应用层产品，过去大家会认为当你有垂直整合能力肯定会做的更好，但起码今天来看并不一定。

首先模型层和应用层需要的能力还是挺不一样的，尤其是对于toB或者生产力这样的场景来说，可能更大的预训练还是一个非常关键的事情，这个事情对于产品公司确实很难做，但是想要把这么一个特别好的模型用好，或者这样的模型有它的溢出能力，也需要在应用侧或者环境这一侧做很多相应的事情。

我们会发现其实在toC的应用上垂直整合还是成立的，无论是ChatGPT还是豆包，模型和产品是非常强耦合去紧密迭代的，但是对于toB来说这个趋势似乎是相反的，模型在变的越来越强、越来越好，但同样会有很多应用层的东西应用好的模型在不同的生产力环节。

腾讯肯定还是toC基因更强的公司，我觉得我们会思考怎么样能够让今天的大模型或者说AI的发展能够给用户提供更多价值，很核心的思考是我们发现很多时候我们的环境来讲或者更强的模型，或者很强的模型，很多时候是额外的Context。

我最近经常举一个例子，比如我想问我今天该去吃什么？其实你今天问ChatGPT和你去年问或者明天问都会差很多。

这个事情想要变好，不是说你需要更大的模型、更强的预训练、更强的强化学习、更强的Agent环境或者更强的搜索引擎，这个问题可能需要更多额外的输入，或者我们叫Context。

toB确实是很难的事情，生产力的革命，包括我们今天很多中国的公司做Coding Agent需要打很多海外市场。

我们会思考怎么把自己先服务好，像创业公司做Coding这个事情和大公司做Coding这个事情，一个区别是作为大公司本身就已经有各种各样的应用场景、各种各样需要生产力变的更好的地方。

如果我们的模型能够在这个地方做的更好，不仅这个模型会有自己独特的优势，不仅我们公司本身能得到很好的发展，很重要的一点是对于真实世界场景的数据捕捉会是一个很有意思的事情。

比如说Cloud，这些创业公司，他们想要去做更多的Coding Agent的数据厂商去标注这个数据，他们需要利用各种各样的软件工程师去想我要去标什么样的数据。

这个事情是数据公司一共就这么几家，一共有招了这么多人，最终你会受限，但如果你是一个10万人的公司可能会有一些有意思的尝试，怎么把真实世界的数据利用好，而不是仅仅依赖于标注商或者协议。

林俊旸：今天toB也好，toC也好，我们在服务真实的问题，我们想的问题是怎么把人类世界变的更好。你就算做toC的产品也会分化，今天OpenAI更像一个平台了，但是toC最终要服务真实的这批用户究竟是谁。

今天可能有很多AI会更偏向medical和log，今天我觉得Coding真的很厉害，我就拜访它，因为我知道他们跟客户交流非常多，这个是我们还不够好的一个点，虽然我们拥有巨大的优势，也可能中国SaaS市场跟美国确实不太一样，他们确实非常频繁地跟客户进行交流，很容易发现很大的机会。

今天我跟美国的很多API厂商聊起来，他们没有想Coding消耗量那么大，在中国真的没有那么大，至少从我这边来看，但是在美国，基本上全都是Coding，我觉得这个事情不是所有人都能Get到的。

今天做的一些相关的一些东西，我觉得也是他们自己在跟客户看到这个机会，我觉得可能大家的分化是自然的分化，我更愿意相信AGI，做AGI该做的事情，顺其自然，这是我们该做的事情。

杨强：分化的问题其实我更想聊一下工业界和学术界的分化，这个可能是横跨美国和中国的。

一直以来，学术界是一个观望者，工业界在领头往前疯跑，搞得很多学术界的人也在做工业界的事情，像唐杰老师，这是一个好事，就好像天体物理学刚刚开始的时候是以观测为主，伽利略的望远镜，然后才出现牛顿。

所以我觉得后面一个阶段，当我们有了众多的稳定大模型，进入一个稳态的时候，我们学术界应该跟上来。

学术界跟上来要解决什么问题呢？工业界可能还没来得及解决的一些问题，这也是我一直在考虑的问题，就是说智能上界在哪里，比如说给你一定的资源，计算资源或者能源资源，你能做到多好？

可以更细一点，比方说我们把这个资源怎么分配，哪些分配在训练上、哪些分配在推理上？其

实我很早就在做AI，90年代初就做过一个小实验，如果我们有一定的投入在记忆上，那么这个记忆能够帮助推理多少，这个帮助会不会变成一个反向的，就是说你记的太多了，反而记的噪音会干扰你的推理，有没有一个平衡点，我觉得这些问题今天还是适用的。

我最近也在想另外一个问题，大家学计算机的都必定上计算机理论课，里面有一个重要的定理叫哥德尔不完备定理，大概意思是说一个大模型不能自证清白，必定有一些幻觉不可能消灭掉，可能你给更多的资源，它会消灭的更多。

所以科学问题就来了，你多少资源能够换取多少幻觉的降低或者错误率的降低，这是有一个平衡点的，这个平衡点特别像经济学，经济学的风险和收益的一种平衡，所以我们叫这叫无免费午餐定理。像这些东西，我觉得今天就特别适合数学界、算法界和学术界和工业界一起做研究，这孕育着一个巨大的突破。

刚才唐杰老师也提到持续学习，我觉得持续学习是一个特别好的问题，它里面有个时间的概念，你在持续地不断地学的过程当中。

但是你会发现，比方说你把不同的Agent给串联起来，每一个Agent都不能做到百分之百的话，你在N个以后它的能力是按指数下降的，你怎么样能够保证它不下降，人类是用一个方法做这个事，第一天是学习，第二天会在第一天噪音的基础上学习，这样你的能力就类似大模型会下降。

但是人类有一个方法就是睡觉、睡眠，我建议大家看一本书叫《我们为什么睡觉》，是MIT的两个教授写的，非常好玩，它说每天晚上睡觉是在清理噪音，使得第二天你可以把准确率持续地提升，不至于是两个策略率的叠加。

像这些理论的研究孕育着一种新的计算模式。我们今天可能比较关注Transformer computer，但是我觉得有必要做一些新的探索，这是工业界和学术界要拉齐。

唐杰：早期的时候还是基座模型，2023年那个时候我们第一个做出Chat的，当时第一个想法是赶紧把Chat扔在网上上线，当时国家有规定，八九月份一起上。

当时我的第一感受是十来个大模型都上来了，而且每一家用户都没有那么多，当然今天分化的非常严重。

后来我经过一年的思考，我觉得其实这个已经不是真的解决问题，我的第一个预判是说它会替代搜索。

我相信今天很多人在用这个模型替代搜索，到今天我相信大家很多人在开始用这个模型替代索索，但是并没有替代谷歌，谷歌反而把自己的搜索革命了，谷歌自己做了搜索的改进。

从这个角度上，我觉得这一仗从DeepSeek出来之后，已经没有了，已经结束了。

DeepSeek之后我们应该想的是下一仗是什么东西？

我们团队争论了很久，下一仗肯定要让AI做一件事情，做这件事情是什么可以讨论一下，那个时候广密还到我们那跟我们交流，广密的知识特别渊博，他思考问题很深邃。和他的交流对我的启发非常大，原来我没有想到，那一次让我启发非常大。

后来我们团队争论了很多晚上，争论到最后，可以叫我们的运气，另一方面我们也是把所有的精力放在了Coding上。

Q2：自主学习

主持人：接下来第二个比较有意思的问题，今天这个时间点特别特殊，一个是预训练过去走了3年，大家都说可能今天走到了七八成的收益，强化学习也都成为共识，做到了四五十的空间，后面的数据、环境空间很大。

接下来一个新的范式，唐老师也谈到了自主学习、自我学习，因为今天这个会的主题是接下来的展望Next，我觉得这是一个特别值得去聊的话题。

姚顺雨：现在自主学习是一个非常热门的词，在硅谷大街小巷咖啡馆里面，大家都在谈论，形成了一个共识。根据我的观察，每个人对这个东西的定义和看法都不一样，我讲两点：

第一，这个事情不是方法论，而是数据或者任务。

当我们在谈论自主学习的时候，它到底在什么样的场景下基于什么样的奖励函数去做。

你在聊天的时候变的越来越个性化是一种自主学习，在写代码的时候越来越熟悉每个公司独特的环境或者文档是一种自主学习，你去探索新的科学，在这个过程中像一个博士一样，从原来不了解有机化学是什么，到完成这个领域的专家，这也是一种自主学习。每一种自主学习的挑战或者说方法论都不太一样。

第二，ChatGPT在利用用户的数据不断弥合人聊天的风格是什么，这是不是一种自我学习？

今天Claude已经写了Claude这个项目95%的代码，它在帮助它自己变的更好，这是不是一种自我学习？

我们当时2022年、2023年的时候，我去硅谷宣传这个工作，我当时写了第一页是说ASI最重要的点是自主学习。今天的AI系统本质上都有两部分，首先它是一个模型，其次它有个代码库，你怎么去用这个模型，是用来做推理，还是做Agent，有相应的代码库，我们今天看Claude这个系统本质上有两部分。

一部分是是部署环境的一大堆相应的代码，KeonGPU的环境是怎样的。

另一部分是怎么样去使用它，有一大堆相应的代码，无论是GPU的，或者说它的前端还是环境是什么样的。

我们做Switch方面大家意识不到，这些自主学习的例子可能还局限在每一个特定的场景下，没有让人感觉到非常大的威力。

这个事情已经在发生了，可能效率或者受限制的限制，有各种各样的问题，可能这个事情我个人的看法它更像是一个渐变。

很多人说2026年看到信号，我觉得2025年就看到信号了。

Cursor每几个小时都会用最新的用户数据去进行学习，包括新的模型，也在使用这些真实环境下的数据去训练，大家觉得这个东西可能还没有特别石破天惊，是因为受限于他们没有预训练能力，他们模型效果确实还不如Opens，显然这是一个信号。

最大的问题是想象力，我们很容易想象强化学习或者推理这个范式，如果实现大概是什么样，我们可以想象O1，在数学题上本来是10分，现在变成了80分，通过这个强化学习有非常强的思维链做这个事情。

如果2026年或者2027年我们有一个范式的发生，我宣布了一个新的模型或者新的系统实现了自我学习，我们应该用什么样的任务，它应该是什么样的效果，你会相信它实现了。

它是一个赚钱的交易系统，它可以赚很多钱，它真的解决了人类之前没法解决的科学问题还是别的。我觉得可能需要先想象到它长什么样。

林俊旸：如果从更实际一点来讲的话，刚才讲的这个范式在比较早期阶段，RL这个事情，实际上我们还没有做的那么充分，很多潜力没有打出来。

今天我们也看到很多问题在这里面发生，我觉得全球范围内类似的问题还存在。

如果要说下一代范式的话，一个自主学习，之前跟一个朋友聊到说人类不能让AI变的更厉害，比如说你跟AI不断地交互，只会让它上下文变的越来越长，AI变的越来越笨，这是很烦人的事情。

这件事情是不是真的能够发生？这还是挺值得思考的，你能吐更多Token让你变的更强，就像我真的干30个小时真的能够干出很难的任务，今天大家做超越的事情很难，有没有可能通过Coding去实现。

从这个角度来说，AI肯定需要自主进化，但究竟你是不是要更新参数，我觉得见仁见智，大家都有不同的技术手段去实现这个事情。

第二点是AI有没有可能实现更强的主动性，环境是我的输入信号，我现在的AI必须得有人类帮助他才能启动，但是有没有可能自己能自主思考，去做一些事情。这引发了一个新的问题，就是安全的问题，我非常担心安全的问题，不是担心它今天讲一些不该说的话，最担心的是它做一些不该做的事情

比如说今天主动产生一些想法，往会场里面扔一颗炸弹，我们肯定不希望不安全的事情发生。就像培养小孩一样，我们要给它注入一些正确的方向，但主动学习是一个挺重要的范式。

可能很快训AI这件事情就可以实现，我看我们同学每天干这个事情，我觉得很快就被替代掉。

可能更持续的理解用户这件事情还挺重要的，比如说过往我们在做推荐系统的时候，用户这个信息是持续输入，让这个系统变的更强，它的算法变的更简单。在AI这个时代它是不是能不更懂你，这些信息的输入能不能真正成为帮助我们的工具。

如果说自主学习的话，可能会是跟人的交互上就能做到。但是以什么指标进行衡量？不太好说。

在推荐的时代下，你做的越好，别人可能点的越多、买的越多，但是在AI时代覆盖到人类生活的方方面面的时候，真正的衡量指标是什么，我们不太知道。我感觉今天更大的从技术上的挑战，我们今天不知道该怎么做，这可能是我们更值得研究的问题。

大量的技术所谓的突破性都是一些观测问题，都是在线性发展的，只是人类对它的感受非常强烈而已。

包括像ChatGPT的出现，对于我们做大模型的人来讲都是线性的增长，现在大家都是在做Memory这个事情，这个技术对还是不对呢？

很多方案也没有对错之分，但做出来的效果，至少拿我们自己献丑，我们自己的Memory看起来知道我过去干了什么，但是只是记起来过去事情，每次叫一遍我的名字，其实并不显得你很聪明。

你的Memory有没有可能到某一个临界点的时候，结合你的Memory，就像生活当中的人一样，过去大家讲电影，它真的很像人，理解你的Memory就是在那一下，人类的感受突然间迸发。

我觉得多多少少也需要一年时间，很多时候技术也没有发展那么快。

大家比较卷，每天有新的东西，但是技术在线性的发展，我们在观测的角度处于指数上升的阶段，比如说Coding能力的一点点提升，可能就能带来很多生产价值。

每天看我们自己做的事情觉得真的挺土的，那些Bug真的不好意思拿出来跟大家讲。如果这样做，我们已经做到这样的成绩，我觉得可能未来算法infra结合的更好，可能更大有可为。

杨强：我一直以来是做联邦学习的，联邦学习的主要思想是多个中心大家协作。

我现在越来越多地看到很多有本地资源不足，但是本地的数据又有很多隐私和安全的要求，所以这样我们就可以想象现在大模型的能力越来越强，这种通用型大模型和本地特殊性的小模型或者领域专家的模型如何协作，我觉得这种协作变的越来越可能。

像美国ZOOM，就是黄学东他们做的AI系统，他做了一个很大的基座，这个基座大家都可以插进来，它可以在Decentralise的状态下，能够既保护隐私，又能够和通用大模型有效的沟通、协作。

我觉得这种开源模式特别好，一个是知识的开源，一个是Code方面的开源，模型阶段。

尤其是像医疗、金融这样的场景下，会越来越多看到这样的现象发生。

唐杰：我对今年会有非常大的范式革新有信心，我不说太细，就像我刚才讲的持续学习，还有Memory，甚至多模态，我觉得都有可能出现新的范式变革。

为什么会产生这么一个范式？

我觉得原来其实工业界跑的远远快于学术界，我记得去年和前年回到清华跟很多老师聊天的时候能不能做大模型，很多老师第一是没卡，也不是没卡，是卡的数量几乎为零。

工业界有1万片，学校是0片或者1片，倍数是1万次，但是到现在的时候，很多学校已经有很多卡了，而且很多老师已经开始做了很多大模型的相关研究，包括硅谷那边有很多老师都开始做模型架构、持续学习相关的研究。

原来我们总觉得工业界在dominating这些，其实我觉得今天在2025年底到2026年初的时候，这一现象不大存在了，可能还有10倍的差，但它已经孵化出种子了，我觉得在学术界有这个创新的基因，有这个可能性，这是第一个。

第二，我觉得一个创新的出现一定是某个事情有大量的投入，并且它的efficiency变成瓶颈了，现在在整个大模型里面投入已经巨大，但是efficiency并不高，也就是我们继续Scaling，肯定是有收益。

原来data从2025年初，当时可能10个TB的数据，现在30个T，甚至我们可以Scaling到100个T，但是100个T，你Scaling上去以后，你的收益有多少，计算Cost有多少，变成了这么一个问题，你不创新，这就变成了可能花掉10个亿、花掉了20个亿，但是你的收益很小，就不值得了。

另外一方面对于新的智能创新，假如说我们每一次都要重训一个基座，再重训很多RL，像2024年出RL的时候，很多人会觉得我接着训，收益表里有，但是到今天的时候再接着疯狂的RL，收益也有，但没有那么大，还是收益效率的问题，可能我们未来也许可以定义，一方面既然要Scaling up，最笨的办法就是Scaling，Scaling我们会有收益，Scaling肯定会带来智能上界的提升。

第二个办法是应该定义Intelligence efficiency，就是说智能的效率，我们获得智能的效率，我们用多少投入能获得这个智能的增量，如果我们能用更少的获得它的增量，而且现在我们已经变成了一个瓶颈，假如能用更少的范式获得同样智能的提升，它就变成一个瓶颈式的事情。

所以我觉得2026年一定会有这样一个范式的发生，我们也在努力，我们希望发生在我们身上，但也不一定。

Q3：Agent之年

主持人：第三个是聊聊Agent战略，它不再只是一个Chat，而是说真的在自动化一整天甚至一周的任务流，2026年Agent可能是创造经济价值的关键一年。

顺雨花了很多时间做Agent的研究，你对2026年Agent，比如说Long Agent真的能干人类1-2周的工作，对Agent战略，包括从模型公司的出发点，会怎么思考这个问题？

姚顺雨：我觉得还是像刚刚说的toB和toC不太一样，目前看起来，我觉得toB的情况现在已经达到了在不断上升的曲线，目前看起来好像没有变慢的趋势。

很有意思的一点是它基本上不做什么创新，就是觉得模型预训练变大了，老老实实的把这些东西做好，只要预训练不断地变大，后训练不断地把这些真实世界的任务给做好，会越来越聪明，它就会带来越来越大的价值。

从某种程度来说，做toB，所有的目标这件事更一致，模型的智能越高，解决的任务越多，解决的任务越多，在toB下带来的收益越大。

做toC的问题是说，我们都知道DAU或者说产品的指标和模型的智能，很多时候是不相关的，甚至是相反的关系，我觉得这是能够聚焦的另一个很重要的原因，他只要真的把模型越做越好，他的收益越来越高，所有的事情都是非常好的。

目前看起来，toB或者说生产力的Agent刚刚开始，现在除了模型之外，有两个Next，环境问题或者Deployment问题。

在OpenAI之前，我在一个公司实习过，这是一个toB的公司，我觉得在toB公司工作过有很多收获，最大的收获是即使今天的模型不再变好，所有的模型训练全部停止了。

但是我们把这些模型部署到世界上各种各样的公司，已经能带来今天10倍或者100倍的收益，能应对GDP产生5%-10%的影响，但是今天它对GDP的影响还不到1%。

另外我觉得教育非常重要，我观察现在人和人的差距非常大，更多时候不是说人类替代了人类工作，而是会使用这些工具的人在替代那些不会使用工具的人，就像当年电脑出来，如果转身学习编程跟你还在持续计算尺、使用算法，差距是巨大的。

今天中国能做到的最大的有意义的事情是更好的教育，教育大家怎么更好的使用像Claude或者ChatGPT这样的产品，当然Claude可能在中国用不了，但我们可以用Kimi或者智谱这样的国产模型。

林俊旸：这里可能涉及到产品哲学的问题，当然Manus确实很成功，套壳是不是未来，这本身也是个话题，今天到这个环节，我比较同意你的观点，叫模型即产品。

我跟TML的聊，他们叫Research，其实我挺喜欢这个事情的，包括我的视角看OpenAI，我觉得还有挺多这种事情，就是挺多Research，自己可以成为产品经理，把这个东西给做起来，包括今天我们自己内部的Research都可以做面向真实世界的东西。

我愿意相信接下来的Agent是可以做到刚才所说的这个事情，而且跟刚才所提的主动学习都有比较强烈的关系，它能干这么长的时间，自己就得在这个过程当中进化，并且它还要决定去干什么，因为它收到的这个指令是非常通用的任务，我们现在Agent已经变的托管式的Agent，而不是我要不断给你来来回回交互的那种形式。

从这个角度来说，它对模型的要求是很高的，模型就是这是这个Agent本身，Agent就是这个产品本身，如果它们都是一体化的话，今天做基础模型本身，其实也就是在做产品。

从这个角度来说，如果不断提升模型能力的上限，包括Scaling能做上去，确实能够做到这个事情。

我觉得还有一个点是跟环境交互有关系，我们现在交互的环境还不是很复杂，这些都还是电脑的环境。我有朋友是做AI for Science比较相关的，比如说今天你干AlphaFold这个事情，其实你最后干出来，它还没有到那一步。

比如距离制药这件事情，就算用今天的AI，不一定能帮到你那么多，因为你要去做试实验，你要去做这些事情才能得到反馈，有没有可能我们未来AI环境复杂到真实的人类世界的环境，指挥机器人去做试实验，去加快效率。

现在人类的效率非常低，我们还要雇佣很多外包在实验环境里面去做实验，如果能达到这个点，可能才是我想象当中Agent能做很长时间的活，而不是在电脑当中写个文件等，这些东西今年很快就可以完成，接下来3-5年的时间，这个事情会更加有意思一些。这个可能又要跟具身智能结合在一起。

做通用Agent最有意思的事情就是长尾反而是更值得关注的事情，或者说今天AI更大的魅力是在长尾，如果是马太效应，头部的东西挺容易解决的。

当年做推荐的时候我们看到那个推荐非常集中，商品都是在头部，但我们想把尾部的东西推过去，但是我当时做的非常遭殃，我作为一个干多模态的人碰到推荐系统，我去干解马太效应，基本上是奔着死路去的。

今天所谓的AGI就在解这个问题，你做通用Agent，能不能把长尾的问题给解决，今天我一个用户，真的寻遍各处都找不到能够帮我解这个问题的，但是在那一刻，我感受到了AI的能力，全世界任何一个角落，寻遍各处都找不到，但是你却能帮我解决，这就是AI最大的魅力。

要不要做通用Agent呢？我觉得见仁见智，如果你是一套壳高手，套的可以比模型公司做的更好，我觉得可以去做；但如果你没有这个信心，这个事情可能是留给模型公司做模型即产品的，因为他们遇到问题的时候，我只要训一训模型，只要烧一烧卡，这个问题可能就解决了。

今天RL最有意思的地方，修问题比以前容易。

以前修问题很难。我举个B端客户的情况，他们说我们自己要做SSD，你能不能告诉我这个通用数据怎么配比，每次我们都很头痛，我们觉得对方不太会做SSD，他那个数据非常垃圾，但他们可能觉得非常有用。

但现在有RL以后，今天很小的一个数据点，甚至都不需要标注，只要有Query，这个东西稍微训一训，合并起来也非常容易，这可能是今天技术的魅力。

杨强：Agent出现，应该有四个阶段，

一个是目标的定义，是人为定义的，还是自动定义的，这是目标。第二是说规划，就是中间的Action，规划可以由人定义，也可以AI自动定义。

我们现在在一个非常初级的阶段，目标也是人定义的，规划也是由人来做的，所以现在的这些Agent的软件系统，基本上是更高级的阶段，但是我预料未来会出现一个大模型观察人的工作，尤其是把data给使用起来。

最后目标也可以是大模型来定义，规划也可以由大模型定义，所以Agent应该是由大模型内生的一个native的系统。

唐杰：有几个方面决定了Agent未来的走势。

第一，Agent本身有没有解决人类的事情，而这个事情是不是有价值，价值有多大？比如说原来的Agent像GPT-S出来也做了很多Agent，那时候你会发现那个Agent非常简单，最后发现promoment就解决了，这时候大部分Agent慢慢就死掉了。第一个是解决Agent这个事情多有价值，以及真的能够帮到人。

第二，做这个事情咱们Cost有多大，如果Cost的特别大，这个时候也是一个问题，就像刚才俊旸说的，也许调用一个API就能把这个问题解决了，但是反过来，假如调到API就能解决，这个API本身有可能觉得当这件事情价值很大的时候，就会把它做进去，这是个矛盾，非常矛盾，基座的应用永远是矛盾。

最后，做应用的速度。如果说我有个时间窗，能够拉开半年的时间窗，迅速把这个应用满足了，半年以后，要么迭代，要么怎么接，怎么能往前走也是一个方面。

大模型到现在更多的是在拼速度、拼时间，也许我们代码正确了，也许我们就会在这方面走的更远一点，但也许失败以后就半年，半年就没了，今年我们只是在Coding，在Agent这一块做了一点点，现在我们Coding的调用量都还不错，我觉得更多的也是一个方向，做Agent未来也是一个方向。

Q4：中国能否反超

主持人：第四个问题，在三年和五年以后，全球最领先的AI公司是中国团队的概率有多大？

姚顺雨：我觉得概率还挺高的，我还是挺乐观的。目前看起来，任何一个事情一旦被发现，在中国就能够很快的复现，在很多局部做的更好，包括之前制造业、电动车这样的例子已经不断地发生。

我觉得可能有几个比较关键的点，一个可能是中国的光刻机到底能不能突破，如果最终算力变成了Bottleneck，我们能不能解决算力问题。

目前看起来，我们有很好的电力优势，有很好的基础设施的优势。主要的瓶颈，一个是产能，包括光刻机，以及软件生态。如果这个问题解决，我觉得会是很大的帮助。

另一个问题，除了toC之外，能不能有更成熟或者更好的toB的市场，或者有没有机会在国际的商业环境竞争。

今天我们看到很多做生产力或者做toB的模型或者应用，还是会诞生在美国，因为支付意愿更强的，文化更好，今天在国内做这个事情很难，所以大家都会选择出海或者国际化的事情，这两个是比较大的客观上的因素。

更重要的是主观上的概念，最近我在跟很多人聊天，我们的感受是在中国有非常多非常强的人才，任何一个事情只要被证明能做出来，很多人都会非常积极地尝试，并且想做的更好。

我觉得中国想要突破新的范式或者做非常冒险事情的人可能还不够多，这里面有经济环境、商业环境包括文化的因素，如果增加一点，主观上有没有更多有创业精神或者冒险精神的人，真的想要去做前沿探索或者新的范式突破的事情。

目前来看，一个范式一旦发生，我们可以用很少的卡、很高的效率去局部做的更好，我们到底能不能引领新的范式，这可能是今天中国唯一要解决的问题，因为其他所有做的事情，无论是商业，还是产业设计，还是做工程，我们某种程度上已经比美国做的更好。

每个地方的研究文化都很不一样，美国实验室的区别可能比中美实验室的差别还要大，在中国也一样。

在中国大家还是更喜欢做更安全的事情，比如说今天预训练这个事情已经被证明可以做出来了，其实这个事情也非常难做，有很多技术问题要解决，但只要这件事情一旦被证明能做出来，我们都很有信心几个月或者一段时间内就把这个问题搞清楚。

但如果今天让一个人说探索一个长期记忆或者持续学习，这个事情大家不知道怎么做、不知道能不能做起来，这个事情还是比较困难的。

可能不只是大家更喜欢做确定性的事情、不太愿意做创新性的事情，很重要的一点是文化的积累或者整体的认知，其实是需要时间沉淀的事情

OpenAI在2022年就开始做这个事情了，国内2023年开始做了，对这个东西的理解会有一些差异，或者说中国没有这么大。

我觉得可能很多也就是时间问题，当你积累了文化或者底蕴更深的时候，潜移默化的程度可能会影响人的做事方式，但是它很微妙，很难通过榜单去体现。

中国对于刷榜或者数字看的更重一些，包括DeepSeek做的比较好的一点，他们可能没有那么关注榜单的数字，可能会更注重，第一，什么是正确的事情；

第二，什么是你自己能体验出好或者不好的。我觉得这还是挺有意思的，因为你看Claude模型可能在编程或者软件工程的榜单上也不是最高的，但大家都知道这个东西是最好用的，我觉得这还是需要大家能够走出这些榜单的束缚，能够坚持自己觉得是不是正确的过程。

林俊旸：美国的Computer可能整体比我们大1-2个数量级，但我看到不管是OpenAI还是什么，他们大量的Computer投入到的是下一代的Research当中去，我们今天相对来说捉襟见肘，光交付可能就已经占据了我们绝大部分的Computer，这会是一个比较大的差异在这里。

创新是发生在有钱的人手里，还是穷人手里，穷人不是没有机会，我们觉得这些富哥真的很浪费卡，他们训了这么东西，可能训了很多也没什么用，但今天穷的话，比如今天所谓的算法Infra联合优化的事情，如果你真的很富，就没有什么动力去做这个事情。

我觉得可能更进一步的，刚才顺雨提到光刻机的问题，未来有可能还有一个点，如果从软硬结合的角度，是不是真的有可能做出来，比如说我们下一代这个模型和芯片，有可能是一起把它给做出来的。

我在2021年的时候在做大模型，因为阿里做芯片，在找我说能不能预测一下三年之后这个模型是不是Transformer，三年之后这个模型是不是多模态，为什么是三年呢？

他说我们需要三年时间才能流片。

我当时的回答是三年之后，在不在阿里巴巴，我都不知道！

但我今天还在阿里巴巴，他果然还是Transformer，果然还是多模态，我非常懊悔为什么当时没有催他去做，当时我们的交流非常鸡同鸭讲，他给我讲了一大堆东西，我完全听不懂。

我给他讲，他也不知道我们在做什么，就错过了这个机会。这个机会有没有可能再来一次？我们虽然是一群穷人，是不是穷则生变，创新的机会会不会发生在这里？

今天我们教育在变好，我属于90年代靠前一些的，顺雨属于90年代靠后一点的，我们团队里面有很多00后，我感觉大家的冒险精神变的越来越强。

美国人天然有非常强烈的冒险精神，一个很典型的例子是当时电动车刚出来，甚至天棚漏水的情况下，甚至开车会意外身亡的情况下，依然会有很多富豪们都愿意去做这个事情。

今天大家的冒险精神开始变的更好，中国的营商环境也在变的更好的情况下，我觉得是有可能带来一些创新的。

概率没那么大，但真的有可能。我觉得是20%吧，已经非常乐观了。

今天你干这一行就不能恐惧，必须得有非常强的心态，对于我们的心态来说，能干这一行就非常不错了，能做大模型这件事情已经非常幸运了。

我觉得还是看你的初心是什么，刚才顺雨提到一个点，你的模型不一定那么强在C端里边是OK的。我可能转换成另外一个角度去思考这个问题，我们的模型为人类社会带来了什么样的价值，只要我相信我这个东西能够为人类社会带来充分的价值，能够帮助人类，就算不是最强的，我也愿意接受。

杨强：我们可以回顾一下互联网的发展，一开始也是从美国开始，但中国很快就赶上了，而且应用像微信，是世界第一的。

我想AI是一个技术，它并不是一个终端的产品，但我们中国有很多聪明才智会把这个产品发挥到极致，不管是toB还是toC，但我可能更看好toC，因为百花齐放，中国人集思广益，但toB可能会有一些限制，像付费意愿、企业文化等也在改变。

我最近也在观察商业方向跟商学院的一些同学探讨，比方说美国有一个公司叫Palantir，它的一个理念是不管AI现在发展到什么阶段，我总是能在AI里面发现一些好的东西应用在企业上，中间肯定有gap，我们要给它弥合，它有一个办法叫本体，用的是本体的方法。

我观察了一下，大概的思想是我们之前做的迁移学习，就是说把一个通用的Solution能够应用到一个具体的实践当中，用一个本体来做知识的迁移，这个方法非常巧妙。当然它是通过一种工程的方法，叫前端工程师FDE来解决的。

不管怎么样，我觉得像这种就非常值得我们学习，我觉得中国的企业像AI Native的公司应该发展出这样一些toB的Solution来，我相信会的。所以我觉得toC肯定是百花齐放的，toB也会很快的跟上来。

唐杰：首先我觉得确实要承认在中美，无论是做研究，尤其是企业界的AI Lab，我觉得和美国是有差距的，这是第一个。

但我觉得在未来中国，现在慢慢变的越来越好，尤其是90后、00后这一代企业，远远好过之前。有一次我在一个会上说我们这一代最不幸运，上一代也在继续工作，我们也在工作，所以我们还没有出头之日，很不幸的是下一代已经出来了，世界已经交给下一代了，已经把我们这一代无缝跳过了。这是开玩笑的。

中国也许的机会：

第一，一群聪明人真的敢做特别冒险的事。

00后这一代，包括90后这一代是有的，包括俊旸、Kimi、顺雨都非常愿意冒风险来做这样的事情。

第二，咱们的环境可能更好一些。

无论是国家的环境，比如说大企业和小企业之间的竞争，创业企业之间的问题，包括我们的营商环境，像刚才俊旸说的，我还在做交付，我觉得如果把这个环境建设的更好。

让一群敢于冒险的聪明人有更多的时间去做这样创新的事情，比如说让俊旸有更多的时间做创新的事情，这是第二个，也许是我们政府，包括我们国家可以帮忙改善的事情。

第三，回到我们每个人自己身上，就是我们能不能坚持。

我们能不能愿意在一条路上敢做、敢冒险，而且环境还不错。

我觉得环境肯定不会是最好的，永远不会想着环境是最好的，我们恰恰是幸运，我们经历环境从原来没那么好，到慢慢变得更好的一个时代。

我们是经历者，也许就是财富，包括经历收获最多的人，如果我们笨笨的坚持，也许走到最后的就是我们。

张钹院士：AI时代，企业家会承担更多使命

听了这个报告之后，我一直在思索，觉得还可以说几句话，实际上我没有资格说这些话，首先我跟大家的年龄已经差的非常多了，刚才唐杰老师还说下一代如何替代他，我早已经被替代了。

对企业来讲我是外行，但是我想起刚才杨强老师提到的哥德尔的一句话，不完全性定理。

也就是说，系统内部、圈子内部的人很难发现它里头的问题和错误。我作为圈外的人，因此给我提供的条件，有可能发现你们还发现不到的问题。

我在中间休息的时候做了PPT，我不敢太多早，没听到大家是怎么做的，不敢先做。

首先先说一个问题，我们现在正在干什么事。

从刚才各位介绍中，大家都在做大语言模型，实际上最初的就是做一个聊天机器人，也就是说希望机器跟人类能够说话。这个做的结果怎么样？做的结果是这样，在外部提示下，机器能够在开放领域生成多样性的、语义上连贯的类似人类的语言。

做到这一点，这一点算不算掌握了人类的语言呢？应该说算，但是还不够彻底，也就是说我们发现它里头有很多地方跟人类语言不一样。

这个怎么办？什么原因引起的？我们今后究竟通过这个能做到什么程度？最后能不能像人类那样理解自己的工作，而且对自己的问题能够进行反思、能够有意识，哲学来讲叫做有没有自反性。

我们现在从这个出发，究竟现在大语言模型用的什么原理，实际上用了分布式语义的原理，也就是把语义翻译成Firth说的这句话，用它周围贡献频率最高的词，来作为这个词的语义，他是这么来定义的。

从这出发，我们就有条件把贡献的词变成从贡献中学习语义，我们现在就是这么做的，实际上是把原来离散空间里贡献的词，变成高维空间里头稀疏的空间，帮它变成致密的向量空间的几何结构，这是一个重大的进步，使得我们语言变成可计算的。因为原来稀疏的贡献的空间是不能计算的，现在变成稠密的向量空间就可以计算。所以把语言处理的问题完全变成数学计算问题。

可以证明，只要你用的数据量足够多，用的上下文足够长，这个空间就会出现语义关系空间。如果我们有了足够的数据，有了足够长的文本，就会使这个越接近它。

大家现在拼命在这做方面的工作，这个长度越长越好，数据越多越好，现在基本上趋近于语义关系了，从这个角度来看，唐杰老师也说了一定意义下完全可以做到理解、可以做到自反性，也是对自己的思考进行思考。实际上现在大家在大语言模型中，已经发现了这个现象。

这个问题现在出在哪里？出在模型是近似的，不是人类语言的真正模型，为什么？因为我们使用的定义是用贡献的词来定义我这个意义。

关于语义的定义，世界上有七八种不同哲学学派的定义，我们对语义并没有科学的定义，所以现在所用的定义都是不完备的，都是近似的，这样就告诉我们，即使你把这个模型做的非常大，你毕竟也是在这个语义定义下的语义关系。

所以现在很多人提出来，很多人发现机器人出现很多怪现象，都归结于语义有问题，这是有错误的。

现在很多东西是由于模型近似引起的，我们这么定义意义本身是很不完备、很不准确的，因为科学上现在并找不到准确的定义，这就会出现五个缺失：

指称的缺失、真知和因果的缺失、语用的缺失、多义和动态语境的缺失、闭环行为的缺失。

这五个缺失必然会影响到你用语言模型去做应用。所以现在我们要做的就是在干这件事。

刚才也有很多报告讲的非常清楚，我们通过这里头的体系结构、算法本身，是会帮助我们不断趋近这个语义关系，但是这个语义关系，是我们目前能够得到最好的，不可能再得到我们真正需要的准确的定义。所以这五个缺失必然存在。

下面讲另外一个问题，我们现在需要干什么？

实际上现在大家所做的事情就是要从LLM要能够实现实际环境下执行复杂任务的Agent，大家现在在做这个事，你把语言模型拿去应用，现在有很多问题，想从语言模型再跨进一步，把它变成可执行复杂任务的Agent。

大家把这个目标用一个概念来套，叫做通用人工智能。其实用这个概念有很多误解，实际上我们目标是这个，但是为了说的好听，大家都说AGI，因为AGI很有吸引力。

这里有一个误导，大家以为做AGI都要做通用，其实AGI确实强调通用，但是跟我们目前想做的事不是一回事，但现在大家都这么用，我们也只好这么用，所以很多用这个目标来做定义的肯定都不行，都会引起很大的误解。

比如马斯克说，我们人类能够干70%以上的任务，机器都会干，而且达到或者超过人类的水平，这样的定义完全不可执行、不可检验，所以必然引起很多误解，有的人说很容易得到，有的人说根本达不到，为什么？

因为这个定义非常模糊。什么叫做达到人类水平？时变率超过人类，算不算达到人类的水平，有的人说算，有的人说根本不算，如果鲁棒性从其他方面来看差的远。所以我认为必须要定义一个可执行、可检验的定义。

我认为可执行、可检验的定义，AGI就应该满足下面5个要求，达到下面5个关键的能力。其实现在大家在做的都是这5件事。刚才唐老师讲了4个层次，实际上包括我这里的几个层次，但少了一个，我这里强调这几个问题的形容词非常重要：

时空一致的多模态理解与落地。

大家都在做这个，关键在哪里？关键在时空一致性，这是非常大的困难，大家知道每个模态的时间是不同步的，视频是一个帧一个帧的，文本是几千年一句话，两个词很难对齐，你如果对不齐，根本做不到多模态理解。

可控的在线学习与适应。

过去我们做的主要是离线学习，刚才大家说RL强化学习，其实强化学习最重要的是可控性问题，刚才唐老师说到可检验，可检验放在推理可控的问题。

其实强化学习最大的问题是不可控，你虽然有目标在那儿，但这个目标能不能收敛到那去，整个学习过程是不可控的，如果不解决可控的问题，其实在线学习的效果不会特别好。

可验证的推理与长期执行与规划。

对于推理来讲，必须要可检验。对于很多大模型里头，很多推理不可检验，很难判定它对与错，规划主要是集中在长期的规划和执行，所以这个关键的问题必须抓住一个形容自。

可校准的反思与元认知。

现在所有的反思都是一种感觉，并没有可回溯、可检验、可把它变成一个准确的信号。

跨任务强泛化。

大家知道大语言模型在跨领域的泛化上效果很好，但如果我们要让它去执行实际的任务，必须要实现跨任务的强化问题。这里头最大的困难就是分布以外的，结构不一样，长尾的泛化。

所以我认为如果我们把这个作为我们的目标，我们就有一个可执行、可检验的定义，我认为按照这个定义，应该是可以指导我们往前做的。

下面一个问题，整个讲起来就是组成这么一个东西，就是Agent。

再走一步，怎么办？

实际上我们现在做的几件事都是冲着解决这5个问题的，多模态，具身与交互落地，检索与证据不落地，结构化知识对齐，工具与执行落地，对齐与约束落地。

具体的，我们就做这六件事，这六件事都是冲着刚才讲的五个目标来完成的。

第四，我们的目标是什么？

过去人工智能只是作为工具，现在我们处于一个非常矛盾的状态，我们一方面又希望人工智能能够做更多更复杂的事情、又害怕人工智能超过我们，成为新的主体。

所以大家非常焦虑，过去我们只有一个主体，人类都摆不平，因为人类这个主体是复数的，不是单数的，每个主体的要求都不一样，之后再出现人类以外的主体，我们该怎么办？我们如何跟人工智能相处？我们如何来解决这种担忧？

实际上未来的主体分成3个层次：

1、功能-行动主体。

目前我们已经达到了，而且很希望它达到，因为它可以帮助我们。

2、规范-责任主体。

这个目前还没达到，一个最大的困难，如何使机器也能够担负起责任来，这是我们希望做到的，但从目前的情况来讲有一定的难度，技术的难度比较高，但我相信大家会努力地争取做这个事。

3、体验-意识主体。

大家最怕的是这个，一旦机器有了意识以后，我们人类该怎么办？

如果我们做实际企业的人，可能不必考虑太远，我们考虑第一、第二就可以，但是这两个问题必须考虑：对齐和治理。

对齐这个问题，大家谈的很多，机器一定要和人类对齐吗？这是值得讨论的问题，人类并不是都有优点的，人类中间贪婪、欺骗，原来机器都没有，像人类对齐，人类到了最高吗？不是，我们也涉及到这个问题。

我们如何来治理？我认为最主要的治理不是治理机器，而是治理人类，也就是研究者和使用者。

这里头，涉及到我们人工智能时代的企业、企业家应该担负什么责任。

第五，AI时代的企业家。

在大语言模型出现之前，我非常不赞成我的学生去创业，有的学生家长找我，有些学生家长跟我的观点也一样，说别去搞企业，但是大模型之后，我觉得最优秀的学生应该去搞企业。

因为人工智能给企业家做的重新的定义，刚才说人工智能会定义一切，同时也定义未来的企业家。这里头未来的企业家应该具备这六个方面的职责。

我简单说一下重新定义价值的创造。人工智能不是给大家简单的提供产品和服务，而是把知识、伦理和应用变成可复用的工具，去实现对人类的造福，所以这个东西完全改变了，而且要把人工智能作为像水和电那样通用的技术交给人类，所以企业家的要求很高，包括关于治理问题。

对于企业家、对企业也必须把这个社会的责任担当起来，所以人工智能时代的企业家是有很多新的使命。

AI时代，企业家会变成光荣的、神圣的职业之一。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博数据，由于投资者从估值较高的美国市场向亚洲市场轮动，关键的亚洲科技股指标今年以来已上涨约6%，远超纳斯达克100指数2%的涨幅。这种资本流向的转变，反映出在经历了数年的大幅上涨后，市场对美国科技股能否维持其AI驱动的涨势越来越持怀疑态度。

强劲的基本面正在强化这一趋势。三星上周公布的初步营业利润增长两倍以上，创下历史新高，而台积电的营收也超出预期。此外，中国人工智能公司的上市首秀表现亮眼，进一步推高了市场的乐观情绪。

主要金融机构对亚洲市场前景持积极态度。高盛的策略师目前对该板块维持超配评级，认为人工智能相关需求的激增和合理的估值将推动股价进一步上涨。花旗也指出，鉴于亚洲科技股在半导体供应链中的重要性及其盈利上行的潜力，全球长期投资者正在持续增持相关股票。

估值洼地引发资金轮动

目前的市场走势主要归因于投资者风险回报偏好的转变。Pepperstone Group Ltd. 的研究策略师 Dilin Wu 表示，美国科技股就像一座“成熟的金矿”，价值已经很高；而亚洲科技股则像一座“未被充分勘探的矿山”，虽然被低估但基本面强劲，随时准备回报那些关注它的投资者。

估值数据支撑了这一观点。MSCI亚太信息技术指数目前的远期市盈率为16.3倍，而纳斯达克100指数和费城半导体指数的市盈率则分别约为25倍。即便自2024年底以来，亚洲科技股指数的表现已跑赢纳斯达克指数33个百分点，这种估值差距依然存在。

各类基金经理正在根据2026年的投资组合配置涌入亚洲科技股。Templeton Global Investments 的交易主管 George Molina 指出，对冲基金、只做多头的基金以及被动型基金的需求混合在一起，正流向韩国和香港市场。在日本市场，他也观察到那些在年底削减了AI敞口的投资者正在重新加仓。

盈利增长潜力超越美股

除了估值优势，更高的盈利增长潜力是推动看涨情绪的另一个主要原因。据彭博汇编的数据，作为亚洲两个科技权重最大的市场，韩股和台股的上市公司在未来12个月的每股收益（EPS）预计将分别增长79%和36%。相比之下，纳斯达克上市公司的预期增长率仅为28%。

这种增长潜力已直接反映在股价上。作为亚洲最大的三只科技股，台积电、三星和韩国同行 SK 海力士今年以来的涨幅已在8%至16%之间。华虹半导体的股价涨幅更是超过了20%。

随着三星受益于存储芯片价格上涨而公布亮眼初报，市场注意力本周转向台积电的全年财报。基于对盈利能力改善的预期，自年初以来，已有约六家券商上调了该股的目标价。

中国科技股的复苏动力

与此同时，中国市场也是投资亚洲科技股的关键一环。随着 DeepSeek 发表关于更高效AI开发方法的论文、快手的视频编辑AI模型在全球走红，市场对中国科技实力的热情在新年伊始持续高涨。

根据彭博的数据，中国科技巨头指数的盈利增长有望在2026年迎来重大转折点，预计将自2022年以来首次超过美股“七巨头”。

此外，在此乐观情绪的支撑下，寻求在香港和中国内地上市的AI相关公司储备日益增加。仅上周就有Minimax、智谱AI两家公司公司上市。

Allspring Global Investments 的投资组合经理 Gary Tan 表示：

“人工智能是一个多年的全球增长驱动力，而北亚涵盖硬件、软件和基础设施的技术生态系统使该地区处于这一趋势的前沿。”

目前，市场对大型科技公司承诺在AI基础设施上投入数千亿美元的担忧正在加剧。据彭博汇编的数据，微软、谷歌、亚马逊和 Meta的资本支出预计在明年将增长34%，达到约4400亿美元。这种大规模投入也引发了关于AI繁荣是否会演变成泡沫的讨论。

本文来自华尔街见闻，欢迎下载APP查看更多

马斯克周六在X平台上发帖称，这一开源举措并非一次性事件，而是将形成常态化机制。他表示，X平台此后每四周将重复一次算法公开流程，并附上详尽的开发者说明，旨在帮助外界清晰理解算法的具体变动。

此次声明正值X平台与全球监管机构在内容审核与推荐机制上摩擦不断之际。通过定期公开算法，X可能试图缓解外界对其不透明运作的担忧，同时也回应了用户关于信息流推荐质量的质疑。然而，马斯克并未明确阐述此次突然决定开源的具体动机。

此举可能对数字广告市场及社交媒体运营模式产生深远影响。若核心推荐逻辑完全透明化，不仅将改变内容创作者的策略，亦将让广告主更直观地理解其投放内容的触达机制，同时也为监管机构审查平台是否存在偏见或操纵提供了直接依据。

AI驱动的推荐机制转型

X平台目前正致力于深化人工智能技术在其推荐算法中的应用。马斯克在去年10月曾表示，用户所感受到的信息流改善，并非源于人为调整启发式规则，而是更多地依赖于Grok及其他AI工具的使用。

据马斯克此前披露，公司的目标是让X的推荐引擎“纯粹由AI驱动”。公司计划利用马斯克旗下的人工智能聊天机器人Grok，对每天发布在X上的超过1亿条帖子进行评估。经过Grok筛选后，系统将向个人用户推送最可能令其感兴趣的内容。马斯克曾断言，这一机制将“深刻提升信息流的质量”。

去年9月，马斯克曾提出过更为频繁的开源计划，当时声称每两周就会分享一次开源算法。尽管此次调整为每四周一次，但这仍表明公司正试图将AI全面整合进其核心运营架构中。

尽管马斯克近年来多次承诺公开X的部分算法，但实际执行情况一直不稳定。此次声明之前，部分X用户曾抱怨由于平台变动，他们能看到的关注对象发布的帖子数量减少。

针对这一问题，马斯克在去年10月确认，公司在“For You”（推荐）算法中发现了一个“重大漏洞”，并承诺进行修复。此次宣布全面开源并定期更新，或许是修复信任和技术漏洞的进一步举措。

全球监管压力加剧

在马斯克宣布这一消息的背景下，X平台正面临来自全球监管机构日益严厉的审查，主要集中在错误信息传播、内容审核不足及透明度缺失等问题上。

欧洲监管机构尤其加强了对此的关注。法国曾在去年7月的一项调查中要求X分享其算法，以调查偏见和操纵指控。当时X方面拒绝了这一请求，指责该调查具有政治动机。

此外，Grok的图像生成功能近期因在X上引发大量涉及妇女和儿童的性化AI生成图像而遭受严厉批评。英国首相斯塔默本周已要求X就此问题“紧急整改”，英国技术大臣Liz Kendall甚至警告，若不遵守法律，可能会阻止该服务在英国的访问。印尼此前已因性内容生成问题对Grok进行了封锁。截至周五，Grok已告知X平台用户，生成和编辑图像功能将转为付费订阅服务，取消了最初的免费额度。

本文来自华尔街见闻，欢迎下载APP查看更多

引发这一轮市场重新定价的催化剂来自多重地缘震荡。俄乌冲突持续深入，美军在委内瑞拉采取行动强行控制其领导人，以及特朗普重申美国应控制格陵兰岛的言论，加剧了市场对全球安全架构的担忧。这些事件不仅令投资者警觉，更直接强化了各国政府增加军事开支的预期。

市场对此作出了激烈的反应。据彭博数据，高盛编制的一篮子欧洲军工股继2025年飙升90%之后，仅在今年1月便再度上涨21%。这一涨势同样蔓延至亚洲市场，韩国和日本的主要防务承包商股价均录得双位数涨幅。欧洲和亚洲的投资者已达成共识，即国防类股票有望迎来又一个强劲年份。

尽管部分分析师警示估值压力，但主流观点认为，全球重整军备的步伐必须加快以应对日益不确定的世界。Morningstar的分析指出，受本土经济状况及对美支出的敞口影响，欧洲军工股今年平均仍有20%的上涨空间，而特朗普关于格陵兰岛的言论预计将加速欧洲向国防自力更生的战略转变。

地缘政治焦虑催化资金涌入

全球地缘政治格局的动荡正在重塑投资逻辑。WisdomTree宏观经济研究主管Aneeka Gupta指出，近期事件是一个巨大的警钟，表明关键美国可能无法被过度依赖，这意味着重整军备的水平和速度都需要提升。

与此同时，特朗普呼吁将华盛顿的国防预算增加5000亿美元，这一主张进一步助推了市场热情。投资者押注这一预算增长将不仅惠及美国本土企业，还将产生溢出效应。美银策略师Michael Hartnett在给客户的报告中引用了一位伦敦客户的观点，称国防已成为“各地最好的长期股票主题”。

在欧洲，处于该地区军事开支计划核心的德国军火制造商Rheinmetall AG成为投资者首选。继2025年创纪录地上涨150%后，该股在1月又上涨了约22%。Union Investment Privatfonds GmbH的投资组合经理Vera Diehl表示，鉴于地理位置邻近格陵兰岛，Saab AB和Kongsberg Gruppen ASA也将从地缘紧张局势中受益。

这一轮反弹也促使欧洲国防工业的主要参与者加速资本运作。据知情人士透露，由亿万富翁Michal Strnad拥有的装甲车和弹药制造商Czechoslovak Group AS正在考虑最早于下周在阿姆斯特丹启动首次公开募股（IPO）。

在亚洲，国防与安全也迅速成为2026开年的主要投资主题，这主要得益于该地区企业在出口订单方面的增长预期。韩国承包商表现尤为抢眼，Hanwha Aerospace Co.股价在上一年翻了两番后，本月上涨近30%；同行业的Hyundai Rotem Co.也上涨了16%。

JPMorgan Private Bank全球投资策略师Weiheng Chen表示，看好大型国防供应商，尤其是韩国企业，因为它们正扩大出口业务以利用全球国防开支激增的红利。

美股限制与估值隐忧

美国本土国防股虽同样上涨，但涨幅相对温和。高盛编制的美国承包商篮子在2025年上涨30%后，今年1月上涨了13%。虽然特朗普推动增加军事开支是利好，但他计划限制该行业的股票回购和分红，这在一定程度上抑制了市场情绪。

Mediobanca以Alessandro Pozzi为首的分析师团队认为，对资本再分配的限制可能会打击投资者对美国国防股的兴趣，从而使欧洲同行更具吸引力。他们评估认为，BAE Systems Plc和Leonardo SpA在其覆盖的股票中对美国预算的敞口最大。

尽管行业前景强劲，但市场并非毫无风险。如果乌克兰和平努力取得突破，可能会抑制市场情绪。另一个担忧在于估值：近期的反弹已将欧洲军工股推高至相对于区域基准指数较为昂贵的水平。BNP Paribas法国及南欧目标配置主管Fabien Benchetrit认为，只要各国坚持增加自主权并改善国防基础设施，该行业的长期基本面依然稳固，但投资者也在密切关注政府的巨额军事开支何时能切实转化为企业的盈利数据。

本文来自华尔街见闻，欢迎下载APP查看更多

据科技媒体Digitimes等多方消息显示，供应链知情人士透露，闪迪已向部分下游客户提出了一项被业界称为“前所未闻”的合同形式：要求客户支付全额现金预付款，以锁定未来1至3年的供应配额。

尽管条款严苛，但面对AI基础设施建设对存储设备的刚性需求，部分云服务供应商（CSP）正在考虑接受这一条件，以规避未来的断供风险。

与此同时，价格的剧烈波动已迫在眉睫。据野村证券发布的客户报告，闪迪计划在3月份期间，将其用于企业级固态硬盘（SSD）的高容量3D NAND闪存芯片价格环比上调超过100%。野村证券指出，这一涨价计划归因于短期内的供应短缺以及AI领域对服务器级存储的中期需求增长。

本周五，闪迪股价再度大涨13%，续创历史新高。

现金为王：前所未有的全款预付制

据报道，自2025年以来，NAND大厂闪迪频频发动涨价攻势，而近期的“锁单”要求更是打破了行业惯例。供应链消息人士称，闪迪提出的“100%现金预付”条款，旨在换取1到3年的供应保障。

这种非常规的合同形式在行业内引发了剧烈震动。通常情况下，供应链合作多采用分期付款或信用账期模式，全额预付对买方的现金流提出了巨大挑战。

然而，报道指出，由于AI需求持续增长，而存储原厂扩产需要大量时间，部分急需扩充算力的云服务供应商不得不考虑接受这一条款。此外，闪迪也将此类合同谈判范围扩大到了PC、智能手机及模组厂商。

价格翻倍：企业级存储领涨

在要求全款的同时，产品报价也在飞涨。野村证券的渠道调查显示，多家存储供应商持续推高价格，其中企业级NAND面临的涨幅最为激进。野村证券在报告中明确指出：“闪迪用于企业级SSD的NAND报价，在3月份期间可能环比上涨超过100%。”

野村证券分析认为，英伟达的推理上下文内存存储(ICMS) 平台是推动今年企业级存储需求的关键因素之一。该平台基于BlueField-4 DPU，配备了512 GB的SSD。据估算，如果英伟达每年出货50,000个VR NVL144机架，仅此一项就需要消耗约0.439 EB的3D NAND。

虽然目前尚不清楚企业级产品价格翻倍将在多大程度上波及消费级市场，但野村证券警告称，由于智能手机和PC使用的3D NAND与企业级芯片产自同一晶圆厂，通常情况下，消费级产品价格会跟随企业级产品上涨。

产能挤压：AI优先下的供应危机

造成当前局面的根本原因，在于全球三大存储原厂（三星、SK海力士、美光）的产能分配策略发生了根本性转移。据相关分析，原厂将大多数产能倾斜给了利润更高、主要用于AI市场的HBM（高带宽内存），导致原本用于生产标准型DDR4/DDR5及NAND的产能被大幅压缩。

这种结构性短缺引发了供应链的混乱与恐慌：

• 科技巨头抢货：据报道，谷歌旗下的TPU极度依赖HBM，在向SK海力士与美光寻求额外产能时收到了“不可能”的回复。为此，谷歌甚至解雇了一名负责存储供应的采购主管，并正在招聘专门的全球存储商品经理。Meta也计划聘请专门的“存储全球采购经理”，以加强与上游晶圆厂的直接联系。

• 恐慌性囤货：为了避开涨价和短缺，PC品牌如联想（Lenovo）已开始积极囤积库存，甚至提前下订2026年的全年需求。

• 乱象丛生：市场传出三星总部低调派员前往台湾调查员工和代理商疑似收贿问题，显示出在极度缺货的情况下，市场出现了不规范的获利行为。

目前，更有资本实力的买方已开始放弃传统的长期契约模式，转而接受短契约和高价，甚至出现“不问价格，有货就买”的现象。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博报道，全球主要经济体正在从过去数十年依赖的“准时制”供应链模式，转向不计成本的“以防万一”囤积模式。这一转变的核心在于，各国不再仅满足于维持最低限度的商业库存，而是开始大规模建立战略储备，以应对潜在的战争风险、航运中断或地缘政治封锁。这种对安全感的极度渴求，正在重塑从石油到稀有金属等各类大宗商品的供需格局。

在这一趋势中，能源与战略金属成为囤积的焦点。法兴银行大宗商品研究全球主管Michael Haigh指出，有国家可能已经囤积了约14亿桶石油，这一“巨大”的规模足以在供应链完全中断的情况下支撑数百天，远超90天的国际常态标准。与此同时，受“强安全”逻辑驱动，钨、钴等关键军工金属价格出现剧烈波动。据浙商证券数据，2025年钨和钴的涨幅分别达到了229%和120%。

市场分析人士指出，这一变化对投资者意味着新的交易主线确立。一方面是围绕“去美元化”的黄金配置，另一方面是基于国家安全需求的金属做多逻辑。随着各国央行将黄金作为对冲信用风险的核心工具，以及国防预算的激增，如特朗普提出将美国国防预算增加50%至1.5万亿美元，大宗商品市场正进入一个由地缘政治溢价主导的新周期。

从“准时制”到“以防万一”

在低信任度的全球环境中，效率已让位于生存。彭博专栏作家Merryn Somerset Webb指出，过去那种持有美国国债、赚取利息，并确信随时可以用美元买到所需商品的日子已经结束了。现在的逻辑是：必须拥有实物，且必须现在就拥有。

这种逻辑在石油储备上体现得尤为明显。Michael Haigh分析称，有国家可能不仅已拥有约14亿桶的石油储备，甚至可能计划将其推高至20亿桶。

美国方面同样在强化其能源安全。尽管美国拥有战略石油储备（SPR）且是净出口国，但在危机面前，“足够”的定义已被改写。美国对委内瑞拉的行动，以及对格陵兰岛资源的关注，均反映出美国试图通过控制资源产地来确立长期的绝对安全优势。

“强安全”逻辑重塑金属估值

囤积的范围已远超能源领域。如果说石油关乎能源安全，那么工业金属和稀土金属则关乎经济与国家安全。

Michael Haigh提出一个关键假设：如果进口镍、锌、铅、铝、银和铜的国家决定像囤积石油一样囤积这些金属，价格将“飞向月球”。事实上，由于过去十年的投资不足，许多金属市场已处于赤字状态。

华尔街见闻写道，浙商证券的报告进一步印证了这一趋势。报告指出，“强安全”引发的战略物资囤积正在推动军工金属重估。2025年1月至11月，全球基础金属价格上涨15%，但与军工需求密切相关的品种涨幅惊人：

• 钨（装甲材料）： 上涨229%

• 钴（无人机/外骨骼能源）： 上涨120%

• 铜（AI数据中心/基础军需）： 上涨42%

除了传统的工业需求，人工智能基础设施建设、电网扩张以及国防预算的飙升（美国计划增至1.5万亿美元）都在加剧供需矛盾。

央行购金潮与去美元化

在实物商品之外，黄金作为储备资产的地位正在发生根本性变化。

据浙商证券分析，全球“去美元化”进程正在重塑黄金的定价逻辑。IMF数据显示，美元在全球外汇储备中的占比已降至56.92%。在美债信用风险和地缘制裁风险上升的背景下，各国央行正加速将储备资产从美元转向黄金。

Michael Haigh指出，许多央行的目标是将黄金储备占比提升至20%。目前大多数央行距离这一目标尚远。他测算，如果全球前50大央行中储备不足的那些国家，仅将黄金储备占比提升1%，就足以将金价推高约1000美元。

浙商证券认为，黄金的定价逻辑已从传统的实际利率驱动，转向官方部门需求与地缘风险溢价主导。95%的受访央行预计将持续增持黄金，这种买盘构成了金价中长期上行的基石。

对市场意味什么？

对于市场而言，这一宏观叙事的转变具有直接的投资启示。

彭博建议，投资者无需亲自参与复杂的实物囤积，但应关注相关的资本市场机会。欧洲国防股以及大宗商品ETF是实现多样化的有效工具。值得注意的是，富时100指数（FTSE 100）近期触及10,000点大关，该指数主要由矿业、石油公司和国防股构成，这印证了市场资金正在流向“硬资产”。

相比之下，曾经的科技宠儿如Nvidia在2025年表现落后于各类矿业股，股价较峰值下跌近10%。这表明市场风格可能正在发生切换。

此外，金矿股也是受益者。Wood Mackenzie追踪的所有313家金矿商在当前金价下均创下利润纪录。浙商证券建议，投资者应关注具备独立价值存储功能的黄金，以及与军工需求密切相关、但受地产周期拖累较小的关键金属。

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，美银美林全球利率与货币研究团队发布的最新研报分析，美元的大幅抛售往往发生在连续的年份。在刚刚过去的2025年，美元指数（DXY）兑G10货币下跌了9.4%，这是过去二十年来第二大的年度跌幅。站在2026年的起点，投资者最关心的问题莫过于：这种跌势是否会延续？

美银策略师Howard Du及其团队通过量化分析指出，如果历史具有指导意义，那么答案是肯定的。

历史回测：美元通常“连跌两年”

美银团队回顾了自1975年以来的数据，寻找与2025年美元走势相关性最高的历史年份。结果显示，在相关性最高的前5个历史参照年份中，美元在随后的一年里有4次继续下跌。

• 相关性极高： 这前5个历史参照年份与2025年美元价格走势的平均相关性高达81%。

• 跌幅预测： 在这些参照年份的第二年，美元平均进一步下跌了8.3%。即使将范围扩大到前10个参照年份，美元在第二年下跌的概率依然高达70%，平均跌幅为5.5%。

这一量化发现支持了美银对2026年的基准外汇观点：即在美联储主席鲍威尔之后的美国/全球利率趋同、欧元区/中国刺激措施以及针对美元资产的外汇对冲增加的背景下，美元将进一步走弱。

1995年——最完美的宏观镜像，美元今年还要跌4.2%？

在所有历史参照年份（1987、1995、2003、2007和2018）中，美银认为1995年对2026年最具参考价值。

• 宏观背景相似： 1995年，科技驱动的增长使美国经济实现了软着陆而非陷入衰退；尽管当时通胀率接近3%而非2%，美联储仍在下半年进行了降息。

• 2026年展望： 美银预计2026年美国经济在经历了2025年第四季度因政府关门导致的疲软后将“蒙混过关”（muddle through），美联储将在年中之后进一步降息。

• 价格隐含： 仅参考1995年的走势，暗示美元在2026年将有4.2%的下行空间。这与美银预测2026年DXY指数将跌至95左右的观点相吻合。

相比之下，其他参照年份的宏观背景与当前差异较大。例如，1987年和2018年美联储最终都加息了，但这并不在美银或美联储当前的预测中；1987年、2007年和2018年都以市场冲击收尾，虽然投资者担心“AI泡沫破裂”是2026年的尾部风险，但这并非基准情景。

逆转跌势的门槛：美联储加息+外部增长冲击

值得注意的是，报告显示，2018年是前5大参照年份中唯一的“例外”，当年美元逆转了2017年的跌势，反弹了4.7%。

但美银指出，要复制2018年的反转，需要极其苛刻的条件：

1. 美联储重新加息： 2018年美联储进行了加息。

2. 外部增长冲击： 2018年，欧元区和中国等主要经济体遭遇增长冲击。当时德国经济陷入萎缩，且中美贸易冲突升级。

然而，展望2026年，美银的预期恰恰相反：预计欧元区增长将进一步复苏，且随着中美贸易战缓和，亚洲的增长前景也被上调。因此，美元缺乏逆转跌势的基本面支撑。

股市信号：全球股市跑赢美股是关键“熊市驱动力”

除了利率和宏观经济，股市资金流向也发出了对美元不利的信号。

尽管美股在2026年初创下历史新高，但其涨幅却落后于大多数全球股市。美银指出，随着全球央行降息周期接近尾声，外汇市场的驱动逻辑正逐渐从2022-2024年的“纯利率驱动”转向“股市驱动”。

目前，美元兑G10货币仍处于广泛的下行趋势中。美银强调，如果2026年初观察到的“全球股市跑赢美股”的趋势持续下去，这种跨国界的股票表现差异将成为2026年做空美元的主要驱动力。

~~~~~~~~~~~~~~~~~~~~~~~~

以上精彩内容来自追风交易台。

更详细的解读，包括实时解读、一线研究等内容，请加入【追风交易台▪年度会员】

本文来自华尔街见闻，欢迎下载APP查看更多

美国联邦通信委员会（FCC）于当地时间周五宣布，正式批准SpaceX部署另外7500颗第二代（Gen2）“星链”（Starlink）卫星的申请。这一决定标志着美国监管机构对埃隆·马斯克旗下这家太空探索公司在全球互联网服务领域扩张的进一步支持。

FCC表示，此次批准允许SpaceX额外运行7500颗第二代星链卫星，使其全球获批在轨运行的二代卫星总数达到1.5万颗。除了数量上的扩容，委员会还批准了SpaceX对卫星进行技术升级，允许其跨五个频段开展运营。值得注意的是，FCC豁免了此前限制卫星信号覆盖重叠以及制约网络容量提升的相关规定，为SpaceX提升服务质量扫清了监管障碍。

该机构指出，新增的卫星将具有关键的战略意义，它们将为美国以外的地区提供卫星直连蜂窝网络（Direct-to-cell）服务，并强化美国本土的网络覆盖能力。这些技术升级不仅能支撑下一代移动通信服务，还将显著提升网络性能，有望实现最高每秒1千兆比特（1 Gbps）的上网速率。

FCC主席Brendan Carr对此次批准给予了高度评价，他表示：“这项FCC授权是实现下一代服务的游戏规则改变者。”Carr强调：“通过授权1.5万颗新型先进卫星，FCC已为SpaceX大开绿灯，使其能够提供前所未有的卫星宽带能力，加强竞争，并有助于确保没有任何社区被遗忘。”

获批总量达1.5万颗

根据报道，SpaceX此前曾寻求批准部署近3万颗卫星，但FCC目前仅批准了总计1.5万颗的部署计划。FCC在声明中明确指出：“我们发现授权额外的卫星符合公众利益，即使第二代星链升级版卫星在轨道上仍未经过测试。”

此次获批的核心亮点在于技术规格的提升。通过允许使用更多频段和解除覆盖重叠的限制，SpaceX将能够更灵活地管理其网络流量。新增卫星的主要功能将聚焦于提升连接速度至千兆级，并支持移动设备的直接连接，这被视为卫星互联网与传统移动通信融合的关键一步。

对于剩余的约14988颗拟议中的第二代星链卫星（包括拟在600公里以上轨道运行的卫星），FCC表示将推迟授权。这意味着SpaceX的完整宏图仍需分阶段通过监管审核。

明确部署时间表：2028年12月前完成50%的发射任务

为了防止频谱资源的闲置和确保计划落实，FCC为SpaceX设定了严格的里程碑式部署期限。

据报道，FCC要求SpaceX必须在2028年12月1日之前，发射并运行授权最大数量50%的第二代卫星，并将其部署在指定轨道上。剩余的卫星必须在2031年12月前完成发射。此外，针对第一代星链卫星，FCC要求SpaceX必须在2027年11月下旬之前完成7500颗卫星的部署。

这一时间表显示了监管机构在鼓励创新的同时，也对运营商的执行能力提出了具体要求，确保频谱资源能够被有效转化为实际的服务能力。

巩固市场主导地位

目前，SpaceX已通过星链网络成为全球最大的卫星运营商。该网络目前拥有约9400颗卫星，为消费者、政府和企业客户提供宽带互联网服务。

FCC前任主席Jessica Rosenworcel曾在2024年敦促对SpaceX的星链星座引入更多竞争，她当时指出星链控制了近三分之二的活跃卫星。此次新任主席Brendan Carr的表态则显示出监管层对通过扩容来“加强竞争”和提升服务能力的侧重。

在运营安全方面，星链上周表示，将在2026年期间开始对其卫星星座进行重新配置，将所有在约550公里（342英里）轨道运行的卫星降低至480公里，此举旨在增加太空安全性。此前在12月，星链曾报告其一颗卫星在太空发生异常，导致在418公里高度产生少量碎片并失去联系。

本文来自华尔街见闻，欢迎下载APP查看更多

1月9日，达美乐中国地区总特许经营商达势股份披露最新运营数据：至2025年底，达美乐中国门店总数已达到1315家，全年净新增门店307家，超额完成全年开店目标。

覆盖城市数量新增21个，总计拓展至60个城市。

2026年势头不减，仅1月1日当天，就在46个城市新开设62家门店，其中8个城市为首次进入。

若加上2024年净增的220家门店，达美乐中国在短短两年内几乎做到了门店规模翻倍。

与之同步的是用户基础的快速膨胀，会员计划“达人荟”人数突破3560万，一年内吸引了约1540万新顾客首次下单。

达美乐中国的扩张战略重心，已明确下沉至京沪之外的广阔的二、三线市场。新店大多选址于购物中心，依托“首店效应”迅速打开局面。

2025年10月，徐州首店开业当日营业额突破68万元。2026年元旦落成的大连首店进一步将记录刷新至70万元。

在达美乐披萨全球超过2.17万家门店中，首月销售额排名前五十的门店里，有49家的纪录由中国市场创造。

然而“尝鲜消费”往往具有时效性。首波热度过后，门店仍需面对来自同行的客流与价格竞争。

老对手必胜客正在百胜中国的推动下实施积极的价格战策略：2025年三季度的客单价已经降至70元，较去年同期下滑12元。

达美乐中国显然也感受到了外部压力。2025年上半年，其同店销售额增速降至-1%以下，为2017年以来最低。

达美乐中国将这一表现归因于上年同期的高基数效应，并指出若排除2022年后新进入城市的影响，其2025年下半年及全年同店销售额增速趋于稳定。

价格下行与加速下沉带来的结构性压力，或对其盈利模型造成影响。相对高成本的直营配送模式，正是达美乐盈利长期承压的核心因素之一。

东吴证券食品饮料分析师苏铖分析指出：“公司门店规模仍具增长空间，预计2027年门店数可达2000家，2029-2030年有望突破3000家，相较必胜客中国仍有较大拓展潜力。”

在其看来，近期单均销售金额下滑主要受新店产能紧张和业务结构调整影响；中长期看，随着新店运营成熟与外送占比回升，单均金额有望逐步企稳。

自有渠道与第三方平台间的流量博弈、产品创新与成本控制之间的动态平衡，以及外卖依赖与堂食体验之间的模式取舍，仍然是达美乐中国必须面临的考量。

本文来自华尔街见闻，欢迎下载APP查看更多

据新华社报道，特朗普9日下午在白宫与大型石油企业高管举行会议时重申，美国需要得到格陵兰岛。他表示：

我想通过简单的方式达成交易，但如果简单方式行不通，我们就会采取强硬方式。

特朗普表示现阶段他尚未考虑“购买”格陵兰岛的资金问题。特朗普的表态已在大西洋两岸引发强烈反应。丹麦、法国、德国、意大利、波兰、西班牙和英国此前发表联合声明，强调只有丹麦和格陵兰岛有权决定涉及其自身的事务。

据报道，十多位参与相关讨论的外交官、官员和议员透露，欧洲承认目前没有应对特朗普威胁的既定战略，甚至坦言根本无法理解特朗普的真实意图，也不知道该如何修补这种日益敌对的关系。

特朗普此前在委内瑞拉的行动显示了他无视国际准则的决心，而如今他将这种军事威胁转向盟友，意味着跨大西洋关系正处于破裂的边缘。

丹麦首相本周稍早警告，美国对格陵兰岛的攻击将意味着北约联盟的终结。分析认为，欧盟并未设计在此类危机中替代北约的角色，这将导致各国军队失去协同作战的机制。

尽管丹麦仍寄希望于下周的外交访问能缓和局势，但欧洲领导人此刻正面临两难境地。

他们一方面试图通过提议“共同保卫格陵兰岛以对抗中俄”来安抚特朗普，另一方面又担心这种接触可能适得其反。

据报道，私下里，欧洲官员正在推演各种令人担忧的情景——从直接的军事入侵，到特朗普将该岛作为乌克兰问题的筹码，甚至是利用格陵兰岛上任何反美抗议作为派兵的借口。

对于欧洲决策者而言，直接与这个最大的盟友发生冲突将带来难以估量的代价，但若做出让步，不仅意味着巨大的羞辱，还将严重削弱欧洲投射全球力量的雄心。

德国马歇尔基金会的特聘研究员Ian Lesser直言：

跨大西洋关系正处于根本性破裂的边缘。

这种混乱源于对特朗普意图的深层困惑。自2019年首次提出购买格陵兰岛的想法以来，特朗普的态度已从最初被视作笑谈转变为严肃的政治议程。

在他无法于第一任期内实现目标后，如今处于第二任期的特朗普显示出了为了达成目的不惜破坏法律和联盟的意愿。

面对迫在眉睫的危机，欧洲官员正在进行疯狂的电话外交。

美国驻北约大使Matthew Whitaker本周被焦虑的欧洲外交官们的电话淹没，他们急切地想要确认特朗普言论的严重程度。法国总统马克龙在周四对法国大使们表示：

我们陷入了一场非常令人惊讶的游戏，我们法国人和欧洲人被迫接受一种早已脱离现实的反殖民主义言论。

马克龙补充道：

人们每天都在猜测格陵兰岛是否会被入侵，加拿大是否会面临成为美国第51个州的威胁。

处于风暴中心的丹麦政府采取了一种被当地议员描述为”唱红白脸“的策略。

首相Mette Frederiksen在公开场合坚决拒绝特朗普的要求，并警告若美国攻击北约盟国，一切安全机制都将停摆。

而外交大臣Lars Løkke Rasmussen则被派往华盛顿寻找外交解决方案，试图向美国国务卿卢比奥证明，通过北约框架可以更好地实现安全目标。

与此同时，英国也在试图发挥调解作用。英国首相斯塔默本周两次与特朗普通话，捍卫丹麦的立场，并承诺共同打击俄罗斯在北极的活动。

英国官员甚至利用近期协助美国扣押一艘俄罗斯关联油轮的案例，来向华盛顿展示欧洲作为安全伙伴的价值。

然而，在丹麦哥本哈根，焦虑情绪依然高涨，情报部门向议会委员会的简报频率异常密集，反映出该国对未来的深深忧虑。

在这一系列“赤手空拳”的政治博弈背后，格陵兰岛因其战略价值成为了特朗普眼中的完美猎物。

该岛位于资源丰富且具有关键战略意义的北极地区，不仅俄罗斯在此区域的野心日益膨胀，美国也通过1951年的防务协议在此拥有特殊的军事存在。

尽管格陵兰岛在这个政治灰色地带理论上享有北约的保护，但它并非欧盟或北约的正式成员，且没有自己的常备军，这使其成为特朗普眼中的“理想目标”。

特朗普团队甚至公开表示，没人会为了这块偏远土地与美国开战。美国副总统万斯周四更是直言不讳：

我们要求欧洲朋友更严肃地对待那块土地的安全。如果他们不这么做，美国将不得不采取行动。

对于俄罗斯利用融冰开辟新航道的北极野心，北约虽然开始制定更具凝聚力的安全措施，但在特朗普看来，这些行动显然不够快。

对于特朗普而言，拿下格陵兰岛不仅是为了地缘战略。在地缘政治热点频出的当下，完成前任总统们未竟的事业，对他来说是一种极具吸引力的历史性姿态。

本文来自华尔街见闻，欢迎下载APP查看更多

从试图压低抵押贷款成本，到提出将信用卡利率上限强行设为10%，特朗普政府正在以行政权力，连续介入本应由市场和美联储主导的利率形成机制。

这已不再是零散的政策试探，而是一条清晰的主线：当美联储不愿、也不能迅速配合降息时，白宫正在绕过央行，直接干预“选民最能感知的利率”。

利率之争的本质：不是通胀，而是选民的月供和账单

从政治经济学角度看，特朗普的出手并不难理解。

在高利率环境下，真正持续制造政治压力的，并非抽象的“联邦基金利率”，而是两项直接进入家庭资产负债表的指标：房贷利率与信用卡利率。

• 30年期房贷利率决定着“能不能买房”

• 信用卡APR直接决定家庭短期现金流的融资成本

对普通选民而言，这两项远比CPI或核心通胀更直观、更具痛感。

在多次公开施压美联储降息未果后，特朗普政府显然已经得出一个判断：如果无法改变政策利率，那就直接改变利率传导的终点。

房贷干预：一场“准QE”的行政实验

在房贷市场，特朗普政府选择了一条相对“技术性”的路径。

通过指令房利美和房地美购买MBS，白宫的目标并非直接压低无风险利率，而是对冲美联储缩表所造成的MBS需求缺口，压缩抵押贷款与国债之间的利差。

从机制上看，这一做法具备三大特征：

1. 通过市场交易实现，而非直接定价

2. 作用于利差而非基准利率

3. 在历史上有QE先例可循

正因如此，尽管这一政策明显带有“货币政策影子”，市场仍勉强将其视为一次针对住房负担能力的“非常规行政干预”，而非对金融定价体系的正面破坏。

信用卡限价：从市场干预到价格管制的跨越

真正令市场警惕的，是信用卡利率“10%上限”的提议。

与房贷不同，信用卡利率并非简单的资金成本加点，而是高度风险化的定价结果：

• 无抵押

• 高违约率

• 强烈的逆周期属性

• 利息收入本身就是坏账缓冲器

在当前环境下，美国信用卡平均APR普遍在20%—25%区间。将其强行压至10%，等同于在不提供任何财政补贴或风险兜底的情况下，直接切断风险定价机制。

这也是为何即便是曾公开支持特朗普的Bill Ackman，也直言这一政策是“错误的”。在市场看来，其后果并不复杂：

如果利率不足以覆盖损失和资本回报，银行唯一的理性选择就是撤退。

撤卡、收紧授信、次优借款人被排除在正规金融体系之外，反而转向更高成本的非正规借贷渠道——这是一个在历史中反复出现过的结局。

绕开美联储：行政权力正在重塑利率边界

更深层的争议，并不在于某一项具体政策是否有效，而在于其所确立的制度先例。

传统框架下，美国经济政策分工明确：

• 美联储：决定“钱的价格”

• 行政部门与国会：决定“钱的用途与再分配”

而现在，白宫正在通过行政手段，直接介入并试图重写某些利率的“合理区间”。这并非正式接管美联储，但却是在功能层面侵蚀央行对利率的事实主导权。

如果这种逻辑被接受，那么问题将不再局限于信用卡：

• 汽车贷款是否也“过高”？

• 学生贷款是否也需要上限？

• 小企业融资利率是否“不可接受”？

金融市场最忌惮的，正是这种不确定性。

结语：真正的风险，不是利率下降，而是定价权转移

从“特朗普QE”到信用卡限价，这一系列动作共同指向一个现实：当货币政策无法迅速服务于政治目标时，行政权力正在寻找替代路径。

短期内，房贷利率或许真的会因MBS购买而下行几个基点；但长期来看，市场真正需要评估的，是一个更根本的问题：

如果利率不再主要由风险与资本决定，而越来越多地由政治判断定义，金融体系将如何重新定价？

这，或许才是比“降不降息”更值得警惕的变量。

本文来自华尔街见闻，欢迎下载APP查看更多

特朗普于周五在社交媒体平台Truth Social上发文，呼吁从2026年1月20日起，将信用卡利率上限设定为10%，为期一年。他宣称此举旨在防止美国公众继续被信用卡公司“敲诈”。尽管这一提议与其2024年竞选期间的承诺相呼应，但此次声明并未提供任何关于如何落实该计划或强制企业合规的具体细节。

这一消息立即在金融界引发了强烈反响。曾支持特朗普竞选的亿万富翁对冲基金经理Bill Ackman公开表示反对，直言这是一个“错误”。Ackman警告称，如果强行压低利率，导致贷款机构无法覆盖潜在损失并获得合理的股本回报，银行将不得不大规模取消消费者的信用卡服务。这将迫使数百万消费者转向不受监管的“高利贷”市场，面临比现有体系更恶劣的借贷条款。

尽管白宫在社交媒体上确认了总统限制利率的意图，但并未对媒体关于执行细节的置评请求做出回应。截至目前，包括摩根大通、美国银行、花旗集团、美国运通及第一资本在内的主要发卡机构均未对此事发表评论。市场分析人士普遍认为，若缺乏国会立法支持，单纯的行政呼吁可能难以在法律层面强制生效。

华尔街警告：人为限价或引发信贷紧缩

对于特朗普的这一激进提议，金融市场的核心担忧在于其可能引发的副作用。Bill Ackman在社交媒体平台X上的评论代表了机构投资者的普遍观点：人为压低利率将破坏风险定价机制。

Ackman指出：“如果无法收取足够覆盖损失、获得股本回报的利率，信用卡贷款机构将取消消费者卡片。”他进一步阐述了潜在的连锁反应，即数百万被正规金融体系拒之门外的消费者，最终可能不得不求助于非正规借贷渠道，承受更高的利率和更差的条款。

这种担忧并非空穴来风。信用卡业务通常伴随着较高的违约风险，银行通过较高的利息收入来覆盖坏账损失。如果将利率强制限制在10%——这一水平远低于当前许多信用卡的平均年利率——银行可能会为了规避风险而大幅收紧信贷标准，导致信贷市场流动性枯竭，直接冲击依赖信贷消费的美国经济。

普遍20%—25%！美国信用卡的高息现状

特朗普的提议之所以让市场如此震惊，是因为目前美国信用卡市场正处于“高息环境”，其实际利率与特朗普要求的“10%红线”之间存在着巨大的鸿沟。

根据权威机构的最新数据，市场利率普遍在20%至25%之间，这意味着“10%上限”要求将现有费率直接“腰斩”，甚至削减更多：

• 实际背债者的负担：约22.8%

根据美联储（Federal Reserve）最新的G.19消费者信贷报告，对于那些未能全额还款、实际需要支付利息的“背债”账户（Accounts assessed interest），平均年利率已维持在约22.8%的高位。这是最能反映普通借贷者真实痛点的数据。

• 新办卡门槛：约24% - 25%

对于现在想要申请信用卡的人来说，利率则更高。据知名金融服务平台LendingTree的监测数据，截至2025年底至2026年初，新信用卡的平均优惠报价利率（APR）约为24%，处于历史最高水平区间。

• 全口径平均：约21%

即便是算上那些全额还款不产生利息的账户，美联储数据显示商业银行信用卡计划的平均挂牌利率也高达21%左右。

分析指出，银行的资金成本叠加对经济衰退和违约风险的考量，形成了目前的市场定价。将平均23%左右的利率强制压降至10%，在缺乏财政补贴的情况下，几乎打破了发卡机构的盈利逻辑。

政治博弈：缺乏立法支持的“空头支票”？

分析人士早在其竞选期间就曾指出，设定全国性的利率上限通常需要国会的立法批准，而非总统的行政命令所能直接达成。

民主党参议员、参议院银行委员会成员Elizabeth Warren对特朗普的这一表态进行了尖锐批评。

据报道，Warren表示：“乞求信用卡公司‘行行好’是个笑话。我在一年前就说过，如果特朗普是认真的，我会致力于通过一项限制利率的法案。”她认为，在没有国会通过正式法案的情况下，特朗普的呼吁毫无意义，并指责特朗普实际上还在试图削弱负责保护消费者的美国消费者金融保护局（CFPB）。

目前，国会两党确实存在针对高利率问题的立法尝试。例如，民主党参议员Bernie Sanders和共和党参议员Josh Hawley曾提出跨党派法案，旨在将信用卡利率上限设定为10%。在众议院，民主党众议员Alexandria Ocasio-Cortez和共和党众议员Anna Paulina Luna也提出了类似的法案。然而，特朗普在最新的帖子中并未明确表示支持上述任何具体法案，这使得其政策落地的路径更加扑朔迷离。

本文来自华尔街见闻，欢迎下载APP查看更多

Burry直言不讳地批评了甲骨文目前的战略定位及其激进的投资行为。他认为，这家老牌数据库软件公司为了追逐AI热点，正在进行不必要的重资产扩张，试图通过昂贵的数据中心建设与亚马逊、微软等云巨头竞争。

Burry在回复读者提问时尖锐地指出：“我不喜欢它的定位，也不喜欢它正在进行的投资。它不需要做现在正在做的事情，我不知道它为什么要这样做。也许是出于虚荣心（Ego）。”

“纯粹的AI泡沫载体”

Burry的做空逻辑核心在于，他认为甲骨文缺乏其他科技巨头那样的安全垫，是一个脆弱的“纯粹AI泡沫载体”。

在解释为何选择做空甲骨文而非其他科技巨头时，Burry详细阐述了他的筛选标准。他指出，微软（Microsoft）、谷歌母公司Alphabet和Meta等公司拥有强大的核心业务护城河，即使AI投资失败，它们依然能生存并保持主导地位。

“如果我做空Meta，我也在做空其在社交媒体和广告领域的主导地位。

如果我做空Alphabet，我就在做空各种形式的谷歌搜索、安卓系统和Waymo等。

如果我做空微软，我就在做空全球办公生产力SaaS巨头，”

Burry写道，“这些大公司并不是纯粹的AI做空标的。”

相比之下，甲骨文目前的股价支撑逻辑高度依赖于“AI云服务需求激增”这一单一叙事。Burry认为，微软和谷歌等巨头有能力随着时间推移控制支出、消化产能过剩带来的损失，甚至减记资产，同时保持核心业务的盈利能力。“这三家公司不会消失，”他补充道。但甲骨文在背负巨债的情况下进行高风险转型，一旦AI需求不及预期，其容错率极低。

这一举措对市场情绪构成了直接冲击。甲骨文股价在过去一年中经历了剧烈波动，虽然曾因AI云服务需求激增的预期在去年9月单日暴涨36%，但随后因投资者担忧其不断膨胀的资本支出和债务负担，股价已较峰值回落约40%。Burry的入场无疑加剧了市场对甲骨文“高杠杆赌未来”模式可持续性的担忧。

激进转型下的债务隐忧

甲骨文激进的资本开支和日益恶化的资产负债表是Burry看空的另一个关键因素。

为了从传统的数据库软件商转型为能与AWS和Azure抗衡的云基础设施提供商，甲骨文近年来投入了数百亿美元购买英伟达芯片并建设数据中心。这种从“轻资产”向“重资产”模式的切换，导致公司背负了沉重的债务负担。

据彭博数据显示，甲骨文目前拥有约950亿美元的未偿债务，使其成为彭博高评级指数中，除金融板块以外最大的企业债券发行人之一。市场此前曾因甲骨文发布的云业务乐观预测而短暂狂欢，但随着资本支出（CapEx）的持续攀升，以及对部分云交易结构和债务膨胀的质疑，投资者的热情正在迅速冷却。

Burry显然捕捉到了这一财务结构中的脆弱性。他认为甲骨文正在进行一场“不需要”的赌博，这种由债务驱动的扩张在利率较高或行业下行周期中显得尤为危险。

延续对AI泡沫的全面阻击，还想做空OpenAI

此次做空甲骨文，是Burry对整个AI行业泡沫持怀疑态度的一个缩影。

Burry在文中重申了他对AI基础设施建设速度和经济效益的广泛怀疑。他甚至表示，如果OpenAI的估值达到5000亿美元，他也会选择做空。在他看来，目前的AI热潮中充斥着定价错误和不可持续的繁荣。

对于此前的做空目标英伟达，Burry将其描述为表达看空AI交易“最集中”的方式。“英伟达也是最受喜爱、最少受到质疑的公司，”他写道，“所以做空它很便宜，而且它的看跌期权比其他一些受到更多质疑的大型做空标的更便宜。”

Burry甚至还点名过“特斯拉”，称其估值荒谬、薪酬计划损害股东。

截至发稿，甲骨文方面尚未对Burry的言论及做空行为作出回应。

本文来自华尔街见闻，欢迎下载APP查看更多

据央视新闻报道，在这次备受瞩目的会议中，特朗普称，大型石油公司将至少花费1000亿美元来重建委内瑞拉石油产业必要的产能和基础设施。

然而，据《华尔街日报》等媒体透露，这一雄心勃勃的计划遭到了行业领袖的冷遇。尽管高管们对委内瑞拉的资源潜力表示认可，但对于在缺乏法律保障和商业框架改革的情况下立即承诺巨额投资，大多数人持保留态度。埃克森美孚首席执行官Darren Woods更是直言不讳地指出，在当前环境下，委内瑞拉属于“不可投资”状态。

特朗普在会议上试图通过最后通牒式的言论施压。他对在座的高管表示：“如果你不想进去，就告诉我，因为我有25个今天没在场的人愿意取代你的位置。”尽管特朗普承诺美国政府将提供某种形式的安全保障，并称美委两国正在“良好合作”，但他同时也划定了清晰的财务红线：企业必须自掏腰包，美国政府不会为这些投资提供资金支持。

特朗普会见石油公司高管，视频截图

这一消息并未在金融市场上引发剧烈波动，原油价格反应平淡，显示出投资者对该计划短期内能否实质性改变全球供应格局持怀疑态度。雪佛龙股价在相关消息发布后甚至下跌了1%，反映出市场对地缘政治风险敞口扩大的担忧。

巨头博弈：过往伤痕与现实门槛

对于许多美国石油巨头而言，重返委内瑞拉不仅是经济账，更是对过往资产被没收历史的痛苦回忆。在会议的私下交流环节，这种担忧尤为明显。

埃克森美孚首席执行官Darren Woods在会上采取了强硬立场。据报道，Woods当面告诉特朗普，如果没有对该国商业框架、法律体系和碳氢化合物法律进行“重大改变”，埃克森美孚无法进行投资。“我们的资产在那里被没收了两次，”Woods说道，“你可以想象，第三次重新进入需要看到与历史和现状截然不同的重大变化。”不过，他也表示，随着长期问题得到解决，Exxon计划在未来几周内派遣技术团队评估当地资产状况。

康菲公司首席执行官Ryan Lance则提到了公司作为委内瑞拉最大的非主权债权人，仍有约120亿美元的资产损失未得到偿付。对此，特朗普的回应颇为冷酷：“我们不会去管过去人们失去了什么，因为那是他们的错。”他补充道，“你们会赚很多钱，但我们不会走回头路。”这番表态明确了特朗普政府不会将协助企业追讨过往债务作为谈判筹码，也不会动用美国税收来补偿企业的投资风险。

特朗普会见石油公司高管，视频截图

不同的声音：谁准备好了？

尽管Exxon和康菲公司态度谨慎，但并非所有与会者都对特朗普的提议关上了大门。已经在委内瑞拉拥有业务的雪佛龙表现出了更积极的姿态。

雪佛龙副董事长Mark Nelson（代表刚做完膝盖手术的CEO Mike Wirth出席）感谢了特朗普的领导，并指出公司目前在委内瑞拉四个合资企业的日产量为24万桶。他表示：“我认为我们很快就能找到一条前进的道路，能够立即将这些合资企业的产量提高100%。”

此外，欧洲石油巨头似乎也比美国同行更为急切。Shell首席执行官Wael Sawan表示，只要美国提供制裁豁免，公司有“价值数十亿美元的机会”可供投资。西班牙的Repsol和意大利的Eni也表示准备增加投资或产量。在非上市企业中，以削减成本和压榨老油田利润著称的Hilcorp创始人Jeff Hildebrand是少数明确对特朗普说“是”的高管之一，承诺已准备好去重建基础设施。

市场现实：基础设施与油价悖论

从投资者的角度来看，除了政治风险，委内瑞拉石油行业的基本面也面临严峻挑战。分析师指出，恢复委内瑞拉的石油生产可能需要数百亿美元。多年的忽视、投资不足、管理不善和腐败导致油气田破败不堪，基础设施需要全面检修。

更令市场担忧的是特朗普的油价目标。据《华尔街日报》报道，总统提出了将油价降至每桶50美元的可能性。分析人士警告，这一价格水平过低，可能导致石油公司在委内瑞拉的投资无法实现盈利，从而进一步抑制资本支出意愿。

在物流与市场影响方面，《巴伦周刊》指出，特朗普宣布的委内瑞拉向美国“移交”3000万至5000万桶石油的计划，对全球市场影响微乎其微，仅相当于全球半天的消耗量。虽然Valero和Marathon Petroleum等拥有墨西哥湾炼油厂的公司表示有能力处理委内瑞拉的重质原油，但实际的物流和存储仍面临挑战。由于委内瑞拉原油类似于加拿大的稀释沥青，不适合在战略石油储备（SPR）的盐穴中长期储存，这限制了其作为战略储备的效用。

安全与法律的不确定性

对于企业最关心的安全问题，特朗普的承诺显得有些模糊。他向高管们保证会有“完全的安全”，但暗示这种安全将由委内瑞拉政权提供，而非美国军队。“我认为委内瑞拉人民会给你们提供非常好的安全保障，”特朗普说。

法律专家指出，尽管企业对潜在投资有“浓厚兴趣”，但从咨询到实际“开支票”之间存在巨大鸿沟。Baker Botts律师事务所的Carlos Solé表示，目前的景观尚未稳定，存在后勤和政治挑战。在企业采取行动之前，需要看到美国外国资产控制办公室（OFAC）在发放许可证或制裁豁免方面变得更加容易。

本文来自华尔街见闻，欢迎下载APP查看更多

来自业内的讯息，本周一家主观私募在零售大行的私人银行渠道单日卖出10亿元，创下2026年首个私募日光案例。

4000点以上，乘风破浪的主观私募机构，又回来了。

开年首单“爆款”私募

来自行业的消息，过去一周内，在招商银行私人银行渠道，出现了今年首个主动股票私募产品的10亿元量级募资。

而且据业界流传的消息。这笔募资不仅是日光（只售卖一天），甚至可能是“10秒钟售罄”。

短时间内，一个权益产品即被高净值客户认购完毕，这似乎是几年前股市牛市时的现象。 但现在，它又出现了！

谁在操盘？

据悉，此次爆款产品的管理人是上海一家叫复胜资产的私募机构。

公开资料显示，复胜资产成立于2016年，由几位公募基金曾经的基金经理和券商研究员创立，公司大股东是陆航，曾在海富通基金工作过。 复胜资产从创立起就是典型的成长风格，基金净值波动较大，但整体近年震荡上行，颇有人气。

而且，去年也是复胜的收益大年。

管理层大比例持有自家资产

复胜的一大特点是，管理层和基金经理长期、大比例投入自家管理的产品，和客户资产共成长。

相关材料显示，公司三位核心基金经理均为产品的主要投资人，自有资金与客户资金实行复制化交易，自有资金占管理规模比例在30%以上。

考虑到复胜2024年管理规模就正式进入百亿阵营，三位基金经理如今的身家相当不菲。

银行“开门红”

复胜的此次发行，显然还有代销渠道的能力使然。

每年的年末年初，都是银行渠道展开“开门红”重点营销的关键时刻，这个时候代销能力强的渠道都会投入重点资源。 而复胜爆款背后是零售大行招行的私人银行渠道。热门产品被实力渠道“选中”，有好的结果并不奇怪。

当然，对一家私募而言，能在这个节点进入私行发行名单，意味着其策略、过往表现和机构配合度，都已经通过了一轮相对严格的筛选。

10亿元会是主观私募的“单品上限”么？

从行业的角度看，10亿元在当下的主观私募发行中，似乎已经构成了一个“现实上限”。

与2020年至2021年初的募资环境相比，如今高净值客户对主观策略的接受度明显下降，主观策略很难再复制当年百亿秒光、比例配售的盛况。

同时，代销体系对大额的爆款也更加谨慎，过去一轮周期显示，一旦市场波动过大，大规模的资管产品更难掉头，渠道和客户都会承压。

趋势比规模重要

站在2026年的时间点回看，这类发行案例的意义，或许不在规模本身，而在于趋势。

2021年“抱团股”行情瓦解后，大量主观私募留下了较重的历史包袱，净值修复周期漫长。

同时，量化私募在业绩和客户认知层面的被接受度显著提升，对主观明星基金经理和明星私募形成了持续祛魅。

随着2025年市场环境明显修复，一部分主观机构逐步甩掉历史欠账，开始重新进入银行渠道的可选名单。

复胜资产的这次发行，正是在这一背景下出现的一个样本。它的规模克制，从另一个角度提示募资端正在发生的细微变化，值得持续跟踪和观察。

本文来自华尔街见闻，欢迎下载APP查看更多

高盛在最新交易台研报中指出，这一举措的短期资金影响或许有限，但其释放的政策信号，正在对美国MBS市场的估值框架产生实质性冲击。

高盛用一句话概括这一变化——“Signal matters more than the flow（信号比规模重要）”。在其看来，这并非一次传统意义上的量化宽松，而是一次由行政部门主导、定向作用于住房市场的“准QE”，其影响不应仅从规模，而应从政策范式变化的角度来理解。

一、从“QE规模”到“政策范式”：行政权力介入利率形成机制

单看规模，2000亿美元并不足以撼动体量高达数万亿美元的美国MBS市场。历史上，美联储QE期间对MBS的购买规模远高于此。

但高盛强调，真正重要的不是买了多少，而是谁在买、为什么买、以及这种行为是否可能成为常态。

与以往由美联储主导、通过货币政策框架实施的QE不同，此次行动的显著特征在于：

• 并非央行决策

• 不以通胀或就业为名

• 而是行政部门通过政府支持机构（GSE），直接干预住房融资成本

高盛Delta-One交易主管将其定性为：

“由行政部门执行的、以住房为目标的QE。”

这意味着，美国政策工具箱中，多了一种绕开传统货币政策渠道、定向影响资产定价的方式。对市场而言，这是一个需要被重新定价的制度性变化。

二、市场的第一反应：专业资金迅速押注“政策定价”

从市场表现看，投资者显然并未将这一声明视为“噪音”。

在特朗普表态后的一个小时内：

• 30年期、5%及以下票息的TBA MBS

  • OAS迅速收窄约10bp

• 高票息（premium coupon）MBS

  • 收窄幅度相对温和，约5bp

这一反应本身就反映出市场的共识判断：

若政策落地，GSE购买将主要集中在当前生产券（current coupon）区间，而非全票息覆盖。

从交易结构看：

• 主力买盘来自对冲基金

• 资产管理机构参与有限，态度更为审慎

• 成交并不充分，询价明显多于实际交易

高盛指出，这种“跳空式调整、成交不足”的特征，往往出现在估值体系发生变化、但市场尚未形成新均衡的阶段。

三、高盛原有判断：MBS估值已紧，空间主要来自Carry

在这一声明之前，高盛对Agency MBS的整体观点相对中性。

其核心判断包括：

• MBS在2025年已明显跑赢其他利率资产

• OAS整体处于甚至低于长期均值

• 大幅进一步收紧的空间有限

策略层面，高盛更偏向于：

• 避免追逐高票息与高价格资产

• 偏好生产券略下方（belly）的票息结构

• 通过“down-in-coupon”方式获取稳定carry

这一框架的隐含前提是：

• 利率波动率维持低位

• 再融资风险存在，但不会集中爆发

• MBS利差将更多呈现“区间内波动”

而特朗普的表态，恰恰动摇了这些假设。

四、真正的冲击：再融资风险被政策“主动触发”

高盛认为，此次政策信号的最大影响，并不在利差，而在再融资行为的函数发生了变化。

当前美国按揭利率，已被压回至2023年以来低点附近（约6.05%）。如果政策目标是“明确压低借贷成本”，那么：

• 再融资活动势必重新加速

• 原本处于边际的prepayment风险，可能转为基准情形

这正是高盛此前在当前估值水平下最为警惕的风险。

研报明确指出：

• 处于实值（in-the-money）的票息，将面临显著的carry破坏

• 高票息、高价格MBS的收益结构将快速恶化

与此同时，市场还需要回答一个关键问题：

在再融资导致供给前置的情况下，GSE的购买节奏，是否足以吸收新增供给？

如果答案是否定的，MBS利差的收紧路径，可能并非线性，而是伴随明显波动。

五、结构性影响：谁受益，谁承压？

基于上述逻辑，高盛对不同MBS结构给出了清晰的相对判断：

相对承压的资产：

• 高票息、高美元价格的MBS

• 尤其是浮动规模较大、由交易型资金持有的部分

• 面临再融资与久期收缩的双重压力

相对受益的方向：

• 高质量的specified pools，可部分规避极端prepayment

• 30年期4.5%票息MBS，价格位于中高90美元区间

• 生产券下方的票息结构，成为新的相对“安全carry区”

因此，高盛当前更倾向于：

卖出高票息资产，持有主生产券下方的多头头寸。

六、为何“信号重于资金量”？

在高盛看来，这一事件的长期影响，远超2000亿美元本身。

一旦市场接受这样一种逻辑：

• 行政部门可以在必要时

• 通过GSE直接干预特定融资利率

那么，MBS的风险定价中，将永久性地加入一层政策不对称性溢价。

这正是高盛所称的“估值相位迁移（phase shift）”——不是简单的利差收紧，而是定价锚发生变化。

七、如何定价“行政之手”？

高盛并未将此次政策解读为一笔“无脑利好”的交易机会。相反，这是一份高度克制、强调结构与风险再分配的研报。

短期内，MBS利差或仍有5–10bp的收紧空间；但中期走势，将取决于再融资强度、供给节奏与政策执行力之间的博弈。

更重要的是，市场正在被迫重新思考一个问题：

当行政权力开始直接介入利率形成机制，哪些资产的风险，才是真正“可定价”的？

——这，或许才是这份高盛研报最值得投资者警惕的地方。

本文来自华尔街见闻，欢迎下载APP查看更多

特朗普政府将得到格陵兰岛视为美国的“国家安全优先事项”，背后或有推进地缘战略、加强资源控制与塑造政治遗产的三重考量。

早在2019年，特朗普便首次提出购买格陵兰岛的想法。自2025年开启第二届任期以来，特朗普在多个公开场合表态称要获取格陵兰岛。2026年1月，据新华社报道，特朗普明确表示“得到格陵兰岛是美国的国家安全优先事项”。特朗普这一主张背后或包含三重考虑。

第一，战略层面，格陵兰岛位于北美洲东北部，扼守联通北大西洋与北冰洋的航道，是北约反潜作战体系中“格陵兰-冰岛-英国缺口”的关键一环。美国在该岛西北部建有皮图菲克（原图勒）空军基地，是北美防空司令部的北极前哨。近年来，随着全球气候变化加剧、地缘博弈升温，北极地区在通航运输、防务部署层面的战略价值显著提升。控制格陵兰岛对于美国监视北极军事活动、控制北极航道具有重大战略价值。

第二，资源层面，根据格陵兰大学与格陵兰自治政府资源部（MMR）2023年发布的调查报告，欧盟认定的34种关键原材料中有22种在格陵兰岛具有中等至较高的资源潜力，包括稀土、铜、锌、镍等，夺取格陵兰岛或可有助于美国强化关键矿产供应链。

第三，政治层面，特朗普将推动美国领土扩张作为推动“美国优先”外交战略、塑造个人政治功绩的一部分。在格陵兰岛之外，特朗普还曾声称要“将加拿大变为美国的第51个州”、“夺回巴拿马运河控制权”等。

特朗普“拿下”格陵兰岛需要迈过哪几道坎？

尽管理论上存在签署合作协议、出资购买、军事干预等多种手段，但在法律程序、内外民意等层面均或面临障碍。

1）就法律程序而言，格陵兰方面，2009 年《自治法》规定，重大主权变更须经地方议会和岛内公投。美国方面，无论是采取签署“自由联合协定”（COFA，参考1982年与马绍尔群岛等三国签约）、购地（purchase，参考1917年购买维尔京群岛，1867年购买阿拉斯加）还是兼并（annexation，参考1845年兼并德克萨斯共和国，1898年兼并夏威夷共和国），都需要国会方面参与。例如，购买海外领土的决议需参议院以三分之二多数批准，并由众议院主导、两院共同通过的拨款法案完成支付。

2）就民意而言，格陵兰方面，格陵兰自治政府总理与丹麦首相多次明确表态反对美国吞并格陵兰岛，目前岛上亦没有任何政党主张加入美国。2025年1月，丹麦民调机构Verian的调查显示，85%的格陵兰人反对加入美国。美国方面，据NBC News 2026年1月8日报道，包括众议院议长迈克·约翰逊（Mike Johnson）、参议院多数党领袖约翰·图恩（John Thune）在内的多位共和党籍议员反对以武力夺取格陵兰岛。CNN于2026年1月7日综合Pew、Quinnipiac、Reuters/Ipsos、Marquette Law School四家机构的调查数据表明，50%以上的美国民众反对获取格陵兰岛。

若美国以武力夺取格陵兰岛，对欧盟和北约而言意味着什么？

若美国对格陵兰发动军事行动，或将对欧盟安全框架以及北约集体安全承诺造成根本性破坏。

1）欧盟方面，尽管格陵兰并非欧盟正式成员，但属于欧盟的海外领土（Overseas Countries and Territories, OCT）。鉴于格陵兰与欧洲方面的紧密联系，多个欧洲国家的领导人表态反对美国夺取格陵兰。据新华社报道，2026年1月6日，丹麦、法国、德国、意大利、波兰、西班牙和英国发表联合声明，强调格陵兰岛属于其人民，只有丹麦和格陵兰岛才能决定自身事务。若美国以武力夺取格陵兰岛，可能触发欧盟《里斯本条约》第42条集体防御机制，但由于格陵兰并非欧盟正式成员国，该条约能否适用仍存在不确定性。当前，尽管欧盟表态支持格陵兰主权，但未给出明确的安全承诺。若欧盟届时未能采取有效防御行动，或对欧盟一体化的合作根基带来伤害。

2）北约方面，尽管格陵兰拥有高度自治权，但其国防和外交事务由丹麦政府掌管，因此与丹麦同属于北约的一部分。根据《北大西洋公约》第五条，对任一成员国的武装攻击被视为对全体成员国的攻击，若美国对格陵兰岛动用武力可能导致北约的核心机制陷入瘫痪。

若格陵兰岛归属权不变，美国有哪些选项可强化其在格陵兰岛的利益存在？

美国在现行制度框架内仍有升级外交机制、拓展防务协议、强化资源开发等诸多选项以强化其在该岛的利益存在。

1）在外交层面，双方于2004年启动了美国-格陵兰联合委员会年度对话机制。美国可通过升级该机制的战略定位、对话频率等方式，表达利益关切。

2）在安全层面，美国与丹麦分别于1951年和2023年签订了《格陵兰防务协定》和《丹美国防合作协议》，上述两份协议已赋予美国在格陵兰和丹麦开展军事行动的极高自由度。美国可在此基础上与丹麦、格陵兰方面协商，通过升级军事基地、增派士兵等手段强化在该岛的军事存在。

3）在资源层面，2019年美国与格陵兰签署了合作开发矿产资源的谅解备忘录，2024年格陵兰加入了由美国主导的矿产安全伙伴关系。双方可通过续签备忘录的形式深化矿产开发合作，在稀土等关键矿产领域，美国政府还可以通过直接入股、补助美国公司开发当地项目等方式强化对格陵兰资源的控制力。

若美国在格陵兰岛问题上采取实质行动，可能给各类资产带来哪些潜在影响？

黄金或受益于避险情绪抬升，美元信用或持续受损，欧洲资产或普遍承压，大宗商品反应或较为平淡。

1）避险资产方面，黄金可能因地缘政治不确定性引发的避险情绪而走强，程度或取决于美国是采取相对温和的谈判手段还是以武力直接夺取格陵兰岛。

2）美元资产方面，美元信用可能持续受损；美股国防军工、关键矿产、港口基建、航运业务等领域或相对受益。

3）欧洲资产方面，考虑到美国此举对美欧互信基础以及欧洲安全前景的重大负面影响，欧洲资产可能普遍承压，而欧股国防军工板块可能受益于欧洲加速防务自主的叙事。

4）大宗商品方面，虽然格陵兰岛拥有能源及金属矿产资源潜力，但开发前景仍有不确定性，因此相关商品价格反应可能较为平淡。

本文来源：中信证券研究

本文来自华尔街见闻，欢迎下载APP查看更多

据环球时报，伊朗骚乱已持续数日，伊朗最高国家安全委员会指责美国和以色列策划了伊朗动乱。报道称：

伊朗最高领袖哈梅内伊称，骚乱分子想通过破坏公共财物从而取悦另一个国家的总统。

美国总统特朗普则警告称，如果伊朗方面对相关人员死亡事件负有直接责任，“他们将付出惨痛的代价”。他还称，若再有人员死亡，美国将对伊朗进行“严厉打击”。

市场焦点已从委内瑞拉转向伊朗。前者在特朗普称取消进一步行动后一度令油价短暂回落，但伊朗作为更大的产油国和出口国，其潜在供应中断的影响远超委内瑞拉。

周五WTI原油期货价格一度涨超3%，尽管尾盘涨幅回落，但过去两个交易日累涨超过5%，同时连涨三周、创下去年6月以来最长的周连涨纪录。

（WTI原油期货价格本周表现强劲）

此外期权市场也反映了风险偏好的转变，看涨期权的偏斜程度已达到自7月以来美国原油期货的最高水平，交易员正在为应对潜在的价格飙升支付自去年夏天以色列与伊朗交火以来最高的保险溢价。

尽管价格走高，基本面压力依然存在，高盛指出其客户对油价的看跌程度为十年来之最。然而，正是这种极度的看跌情绪叠加突发的地缘政治风险，可能导致空头头寸被迫解除，进而引发市场急剧逆转。

地缘风险重心转移

央视报道，当地时间1月9日，美国总统特朗普在白宫与一些全球最大石油公司的高管举行会议。

特朗普称，大型石油公司将至少花费1000亿美元来重建委内瑞拉石油产业必要的产能和基础设施。特朗普同时承诺，美国石油公司将获得安全保障。

据报道，委内瑞拉代总统德尔西·罗德里格斯虽然指责美国进行“非法侵略”，但也表达了寻求外交途径和“共同利益”的意愿。

委内瑞拉局势的缓和让市场更关注伊朗的供应风险。据Trafigura全球石油主管向彭博电视表示，目前石油市场担心的“看涨不确定因素”是伊朗，而非委内瑞拉。

由于美国制裁和基础设施陈旧，委内瑞拉作为供应国的角色近年来已大幅萎缩。而伊朗不仅日产原油超300万桶，其10月和11月的出口量仍保持在日均约200万桶左右。

空头回补与资金流向

分析认为伊朗风险之所以被放大，关键在于石油交易商此前一直持有大量看跌押注。

如果地缘政治紧张局势迫使这些头寸解除，市场可能面临急剧逆转。资金流向数据显示，看涨势头正在积聚。

据Energy Aspects量化服务主管James Taylor称，趋势跟踪型商品交易顾问（CTA）周四一直在买入原油，如果价格企稳，未来几天将继续买入。

与此同时，期权市场涌现看涨资金流，本周布伦特原油看涨期权交易量超过75万份，为10月以来最高，其中包括大量行权价为80美元的看涨期权，市场参与者认为这是针对价格飙升的对冲交易。

此外，RBC估计，未来几天将有超过60亿美元的资金因年度再平衡而流入市场，主要来自商品指数基金。James Taylor指出，来自CTA、指数资金流和期权交易商的资金正在形成金融层面的推动力。

库存与价格博弈

尽管地缘政治风险升温，但宏观层面的供应过剩预期仍限制着油价的上涨空间。

Westpac Banking大宗商品研究主管Robert Rennie认为，原油仍陷入地缘政治风险加剧与库存上升之间的一场“复杂舞蹈”。

Rennie补充称：

委内瑞拉供应的增加和其他地区产量的上升，可能会使油价在第一季度保持在50美元左右的区间交易。

历史经验也表明，地缘政治引发的价格飙升可能是短暂的，去年美国轰炸伊朗核设施时油价一度飙升，但在明确产量未受影响后随即回落。

本文来自华尔街见闻，欢迎下载APP查看更多

美股标普500指数本周上涨1.6%创下新高，代表小盘股的罗素2000指数更是大涨4.6%，显示出市场广度正在扩大。

与此同时，亚洲市场同样情绪高涨，A股市场见证历史，上证指数突破4100点关口，日K线收出惊人的“16连阳”，单日成交额突破3.15万亿元，显示出资金入市的汹涌态势。

大宗商品市场亦表现抢眼，受地缘政治因素及通胀预期推动，原油价格创下自去年10月以来的最大单日涨幅，白银周涨幅达10%，黄金逼近历史高位。尽管美国非农就业数据略逊于预期，但服务业活动扩张及生产率提升的数据，叠加华盛顿方面的政策支持，令市场暂时忽略了潜在的宏观不确定性。

国联民生证券陶川认为，开年全球股市“无差别上涨”，躁动背后是短期“小确幸”与长期“大”预期的流动性博弈。短期，美联储RMP重启扩表，叠加TGA账户释放，一季度或迎6000亿美元流动性盛宴，基础流动性将重回舒适区。但在享受当下“理想情形”的同时，需警惕弱美元缺乏实证支撑及未来预期矫正带来的变盘风险。

华尔街风险偏好升温，资金流向高贝塔资产

随着投资者押注实体经济走强，资金正在从去年表现优异的科技巨头流向市场中风险更高的部分。除了罗素2000指数的显著表现外，Vanguard S&P 500 ETF (VOO) 在短短几天内吸引了100亿美元资金。

更具投机性的资产也表现活跃，一只“Meme股”ETF飙升近15%，而一篮子被做空最严重的股票上涨了7%，创下至少自2008年以来的最佳开局。

信贷市场也加入了这场狂欢。垃圾债利差收窄了10个基点，刺激了新的企业借贷。Kayne Anderson Rudnick 的投资组合经理 Julie Biel 表示：“过度防御真的行不通，经济中注入了太多的‘糖分’。”

此外，华盛顿的政策也助推了涨势，比如美国总统特朗普推出了支持房地产市场的新举措。JonesTrading 的首席市场策略师 Michael O’Rourke 指出，英特尔因CEO与特朗普会面而股价大涨并创下新高，抵押贷款发起机构的股票也因特朗普的信贷市场支持计划而上涨。

特朗普的量化宽松政策导致抵押贷款支持证券（MBS）价格飙升。

尽管市场情绪高涨，但最新的就业数据并非全无瑕疵。据美国劳工统计局数据，12月非农就业人数仅增加5万人，低于预期的7万人，失业率小幅下降至4.4%。

然而，投资者似乎更关注积极的一面。据彭博报道，美国12月服务业活动以一年多来的最快速度扩张，劳动生产率以两年来最快速度上升，这有助于控制就业成本。

Manulife资管公司的首席投资官Nathan Thooft认为，美国宽松的货币政策加上强有力的财政支持，继续为经济上行提供了有利的背景，预计2026年第二季度及以后的经济活动将有所改善。

A股见证历史：沪指16连阳与3万亿成交额

在中国市场，行情同样火爆。

1月9日周五，A股市场延续强势，上证指数突破4100点整数关口，创下近10年来新高，日K线收获了历史性的“16连阳”。

截至当日收盘，A股成交额达到3.15万亿元，这是自2025年10月以来首次突破3万亿元关口。

历史数据显示，包含当日在内，A股历史上共有6次成交额超过3万亿元，这一数据凸显了当前市场极高的活跃度与资金参与热情。

地缘政治推升大宗商品，油金银齐涨

在地缘政治风险和通胀预期的双重作用下，大宗商品市场本周大幅飙升，原油价格在周五飙升，创下自10月以来的最大单日涨幅。

Westpac Banking Corp. 的大宗商品研究主管 Robert Rennie 评论称：“原油仍然陷入地缘政治风险加剧与库存增加之间的复杂博弈中。”

与此同时，贵金属也表现强劲。白银本周飙升10%，铂金紧随其后。

尽管美元走强，黄金仍飙升至接近历史高位。

高盛的地缘政治风险篮子本周大幅上涨，推动国防股等板块飙升。

与此同时，随着地缘政治风险飙升，股票和债券波动率暴跌。

市场情绪高涨背后的隐忧

尽管市场沉浸在牛市氛围中，但并非所有声音都如此乐观。投资机构JonesTrading 的 Michael O’Rourke 认为，在标普500指数几乎翻倍的三年牛市之后，这种高涨的投机精神显得有些不合时宜，这种乐观似乎是一厢情愿。

高盛Delta-One部门负责人Rich Privorotsky称，这个市场感觉正在“收割所有人”，市场分散度很高，科技股表现不佳，持续的赢家不是纯粹的长期增长股，而是与名义经济强度挂钩的周期股。他质疑市场在周末前是否因石油波动而承载了过多的风险溢价。

此外，美联储主席的继任人选也成为市场关注焦点。据报道，特朗普预计将在本月决定杰罗姆·鲍威尔的继任者，沃什和哈塞特目前被视为主要竞争者。

本文来自华尔街见闻，欢迎下载APP查看更多

当地时间1月9日，美国财政部长贝森特在明尼苏达州接受媒体采访时阐明了特朗普政府最新一轮金融干预政策的核心逻辑。他表示，美国政府指令房利美（Fannie Mae）和房地美（Freddie Mac）购买抵押贷款支持证券（MBS）的目标，是为了大致匹配这些债券从美联储资产负债表中流出的速度。

贝森特指出，目前美联储每月约有150亿美元的MBS到期不再投资（即“缩表”），这导致美联储庞大的6.3万亿美元债券组合中的MBS持有量持续下降。他认为，美联储的这一操作实际上是在向市场施加反向压力，阻碍了抵押贷款利率的进一步下行。因此，特朗普政府的策略是利用“两房”的购买力来填补这一由央行留下的需求缺口。

所以我认为，我们的想法是大致跟上美联储的步伐，因为美联储一直在朝着相反的方向努力。

此前，特朗普总统于周四正式下令监管“两房”的联邦住房金融局（FHFA）购买2000亿美元的MBS。FHFA局长William Pulte周五证实，他们已经启动了首轮30亿美元的购买计划。这一指令被市场解读为白宫在解决住房负担能力危机上的激进举措，同时也标志着行政权力对传统上由央行主导的金融市场领域的罕见介入。

MBS价格飙升，房贷利率有望下行0.25个百分点

自特朗普宣布该指令以来，市场反应剧烈。

特朗普的量化宽松政策导致抵押贷款支持证券（MBS）价格飙升，市场迅速重新定价。

而MBS相对于美国国债的风险溢价（利差）较周四收盘大幅收窄了约0.18个百分点。贝森特在采访中承认，虽然由“两房”资产负债表提供资金的购买行为不太可能直接大幅拉低抵押贷款利率，但可以通过压缩MBS与美国国债之间的收益率利差来产生间接效果。

分析人士指出，虽然2000亿美元的购买规模与美联储数万亿美元的量化宽松（QE）计划相比显得温和，但仍足以对市场产生实质性压力。据彭博社援引分析师观点，这一举措可能使抵押贷款利率下降多达0.25个百分点。目前，美国30年期固定抵押贷款平均利率已从2024年的近8%降至6.2%左右，但仍远高于疫情期间3%的水平。

社区住房贷款机构协会（Community Home Lenders of America）外部事务主管Rob Zimmer表示，这一政策将使首次购房者受益，因为年轻买家长期以来一直因抵押贷款资金成本与10年期国债价格之间过高的利差而受到惩罚。

行政干预引发“美联储独立性”担忧

尽管市场对流动性注入表示欢迎，但投资界对这一政策的长远影响存在分歧，尤其是关于美联储角色的讨论愈发激烈。

通常来说，调控广泛经济领域的利率历来是美联储的职责。美联储的设计初衷正是为了免受政治干扰。除了设定短期借贷成本外，央行有时也会通过大规模购买国债和抵押贷款支持证券（MBS）来进行干预，但这通常仅限于有限的情况，例如恢复受压市场的流动性，或在严重的经济低迷时期提供刺激。

Baird & Co.策略师Kirill Krylov在给客户的报告中警告称，特朗普的指令模糊了市场驱动的效用与政治操纵之间的界限。他认为，明确为了操纵抵押贷款利率而购买资产，将政治风险重新引入了一个十多年来一直试图远离此类做法的市场。

哥伦比亚法学院全球市场与公司所有权中心联席主任Jeffrey Gordon则指出，虽然这些购买可能以美联储职责范围之外的“住房负担能力”为名进行辩护，但抵押贷款市场与整体利率政策紧密相连。行政部门采取这种相当于变相货币政策的行动，开创了一个新的先例，并正在削弱美联储的独立性。

事实上，美联储目前持有略高于2万亿美元的MBS，这是过去危机期间刺激经济的遗产。然而，这一持有量在过去两年多里一直以每月150亿至170亿美元的速度缩减。特朗普政府此举被视为在公开向美联储施压降息未果后，开辟的一条新战线，暗示如果货币政策不能迅速配合行政目标，白宫愿意单方面采取行动。

“两房”私有化前景再添变数

这一政策还让房利美和房地美的未来走向变得更加扑朔迷离。特朗普团队此前一直讨论将这两家在2008年金融危机期间被政府接管的公司重新私有化。贝森特坚称，购买行动不会损害“两房”的财务状况，并声称两家公司拥有充足的现金，此举甚至可能增加其收益。

然而，DoubleLine Capital的投资组合经理Vitaliy Liberman指出，市场原本认为IPO意味着政府将完全把它们通过公开发行交还给公众，但现在的信号表明这可能不会发生。因为政府已经意识到“两房”是重要的政策工具，一旦将其完全释放到自由市场，政府就将失去这一控制权。

摩根大通的策略师也认为，政府将政府资助企业（GSE）作为政策杠杆的愿望，与私人投资者的传统预期之间存在根本性的张力。在当下的目标利率与“两房”未来的盈利能力之间，显然存在着难以调和的矛盾。

本文来自华尔街见闻，欢迎下载APP查看更多

市场概述

美国最高法院暂未公布对特朗普关税的判决，非农就业数据好坏参半，标普500涨0.6%，创新高，纳指100涨1%。周五与关税高度相关的股票盘中下跌。英特尔大涨超10%，CEO此前与特朗普会面。甲骨文涨近5%。

非农报告强化了市场对于美联储1月维持利率不变的预期，对利率敏感的2年期美债收益率上行4.39基点。

美元四连涨，升至一个月高点。美元兑日元一度涨穿158，报道称日本首相拟解散议会，为提前大选铺路。

加密货币周五走低，比特币一度跌破9万美元。比特币在周初强劲上涨后回吐涨幅，全周大致收平。

现货黄金价格上涨0.7%，重回4500美元上方，本周累计涨超4%、重新逼近历史高位。现货白银涨3.8%，本周飙升10%。由于伊朗加强了对国内抗议活动的镇压，以及特朗普威胁称将对示威者采取行动，WTI原油一度涨2.3%、随后涨幅收窄至0.6%。

亚洲时段，A股史上第六次成交额突破3万亿，沪指16连阳、站稳4100点，AI应用爆发，港股MiniMax上市首日大涨超100%。

要闻

中国12月CPI同比涨幅创34个月新高，环比转涨0.2%、金饰价格涨5.6%，PPI环比连续3个月上涨。

国务院反垄断委员会：外卖平台服务行业拼补贴、拼价格、控流量等问题突出，将开展调查、评估。

中国财政部：4月起取消光伏等249种产品增值税出口退税，明年起取消电池产品增值税出口退税。

美国12月非农增5万人不及预期，失业率降至4.4%，年度增幅创2020年以来新低。“新美联储通讯社”称12月非农就业给按兵不动铺路，交易员预计1月几无可能。特朗普“泄密”，提前12小时发帖曝光美非农就业数据。

美国1月密歇根消费者信心创四个月新高，通胀预期相对稳定。

美国最高法院暂未公布对特朗普关税的判决，下周三是最高法下一次公布裁决的日子。

美国232关税调查结果或周六出，白银、铂金和钯金将面临“重大不确定性”。

特朗普称取消对委内瑞拉第二波打击，布油转跌。委内瑞拉宣布启动“探索性外交”，美代表团抵委评估重启使馆。特朗普：将立即开卖多达5000万桶委内瑞拉石油，美国政府决定哪些企业在委投资。

特朗普：“无论难易”都要得到格陵兰岛。

报道称日本首相拟解散众议院，美元兑日元一年来首次涨穿158。

Minimax登陆港股首日暴涨109%，阿里、米哈游们赚翻了！

报道：DeepSeek将于2月发布下一代AI模型V4，具备“强大”的编程能力。DeepSeek-R1的每token成本降到了原来的1/32。

市场收报

欧美股市：标普500涨幅0.65%，报6966.28点，本周累计上涨1.57%。道琼斯涨幅0.48%，报49504.07点，本周累计涨2.32%。纳指涨幅0.82%，报23671.346点，本周累计涨1.88%。欧洲STOXX 600指数收涨0.97%，报609.67点。

A股：上证指数收报4120.43点，涨0.92%。深证成指收报14120.15点，涨1.15%。创业板指收报3327.81点，涨0.77%。

债市：美国10年期基准国债收益率跌0.19个基点，报4.1653%，本周累计下跌2.53个基点。两年期美债收益率涨4.39个基点，报3.5321%，本周累计涨5.88个基点。

商品：COMEX黄金期货涨1.28%，报4517.90美元/盎司，本周累计涨4.34%。COMEX白银期货涨5.92%，报79.595美元/盎司，本周累计涨12.07%。WTI 2月原油期货收涨2.35%，报59.12美元/桶。布伦特3月原油期货收涨1.35美元，涨幅2.18%，报63.34美元/桶。

要闻详情

全球重磅

中国12月CPI同比涨幅创34个月新高，环比转涨0.2%、金饰价格涨5.6%，PPI环比连续3个月上涨。CPI同比上涨0.8%回升至2023年3月份以来最高，主要是食品价格涨幅扩大拉动，鲜菜涨幅18.2%。而CPI环比由降转涨主要受除能源外的工业消费品价格上涨影响，通信工具、母婴用品等价格均有上涨，金饰价格涨5.6%。PPI同比连续第39个月下降，环比涨幅扩大，国际有色金属价格上行拉动国内相关行业价格上涨。

• 通胀回升的“开门红”信号。国联民生证券认为，12月CPI与PPI环比罕见双双转正，释放出通胀回升与经济企稳的“开门红”信号。此轮物价回暖得益于“反内卷”政策改善供需秩序、大宗商品涨价以及消费政策与节前需求的有力支撑。

国务院反垄断委员会：外卖平台服务行业拼补贴、拼价格、控流量等问题突出，将开展调查、评估。据央视新闻，外卖平台服务行业拼补贴、拼价格、控流量等问题突出，挤压实体经济，加剧行业“内卷式”竞争，社会各方面反映强烈。为推动外卖平台依法合规经营、公平有序竞争，形成优质优价、良性竞争的市场秩序，国务院反垄断反不正当竞争委员会办公室决定对外卖平台服务行业市场竞争状况开展调查、评估。

中国财政部：4月起取消光伏等249种产品增值税出口退税，明年起取消电池产品增值税出口退税。自2026年4月1日起，取消光伏等产品增值税出口退税。自2026年4月1日起至2026年12月31日，将电池产品的增值税出口退税率由9%下调至6%；2027年1月1日起，取消电池产品增值税出口退税。

美国12月非农增5万人不及预期，失业率降至4.4%，年度增幅创2020年以来新低。美国12月非农仅增5万，低于预期6.5万，失业率降至4.4%。10月与11月数据合计下修7.6万，使全年就业仅增加58.4万，为疫情以来最弱。尽管薪资同比增长3.8%，劳动力参与率下滑削弱改善信号。数据公布后，市场预计美联储2026年降息约50个基点，1月降息概率归零。

• “新美联储通讯社”称12月非农就业给按兵不动铺路，交易员预计1月几无可能。“新美联储通讯社”指出，12月失业率降至4.4%，暂时缓解了对劳动力市场恶化的最严重担忧，正是这种担忧促使美联储过去三次会议降息，尽管每次都面临越来越多占少数的反对者，他们认为没有必要降息。就业报告公布后，利率互换市场显示1月降息概率降至零，交易员预计今年首次降息时间为6月。
• 特朗普“泄密”，提前12小时发帖曝光美非农就业数据。特朗普周四晚发出图表展示，1月以来私人部门合计新增就业65.4万、政府就业减少18.1万，这与周五美国劳工统计局正式公布的非农就业报告数据完全吻合。“新美联储通讯社”指出，特朗普发帖时，白宫经济顾问委员会（CEA）已获得12月就业报告、但尚未公开发布数据。

美国1月消费者信心创四个月新高，通胀预期相对稳定。美国1月密歇根大学消费者信心指数初值54，预期53.5，前值52.9。消费者预计未来一年物价将以4.2%的年率上涨，与上月持平，预期为4.1%；而对未来5至10年的通胀预期为年均3.4%，与预期持平，高于此前一个月的3.2%。

美国最高法院暂未公布对特朗普关税的判决，市场紧盯下周三。美国最高法院完成周五披露意见的工作，但并没有公布对特朗普关税的判决结果。美国最高法院表示，下周三1月14日将是其下一次公布裁决的日子。美国最高法院从不提前说明哪些裁决已经准备好发布，只表示在法官于华盛顿时间上午10点就座时，凡是已经完成庭审辩论的案件，都有可能当场公布裁决。周五与关税高度相关的股票盘中下跌。

美国232关税调查结果或周六出，白银、铂金和钯金将面临“重大不确定性”。花旗认为，不征收关税的情况下，金属将从美国流出至其他地区，缓解当前极度紧张的市场状况并压低伦敦现货价格。而在关税情景下，若征收关税，15天实施窗口将引发"抢运潮"，推高美国基准价格和期现溢价，征税后进口减少，非美地区供给才会改善，伦敦价格压力方可缓解。

特朗普称取消对委内瑞拉第二波打击，布油转跌。美国宣布取消对委内瑞拉的第二波军事打击，并邀请反对派领导人马查多访美，表明其策略正从军事高压转向政治博弈以巩固影响力。随着地缘紧张局势出现缓和迹象，市场对供应中断的担忧缓解，布伦特原油跌破62美元/桶，WTI原油跌破58美元/桶。

委内瑞拉宣布启动“探索性外交”，美代表团抵委评估重启使馆。委内瑞拉和美国在断交五年多后首次出现实质性的外交接触。美能源部长称，特朗普政府将调整相关政策，允许美油企入委开展业务。美内政部长称，政府不太可能对重振委石油业的油企提供经济支持。委内瑞拉否认代总统将访美。美军确认，在第五次拦截行动中扣押一艘涉委油轮。面对美方威胁，哥伦比亚总统担忧“被强行带走”。

特朗普：将立即开卖多达5000万桶委内瑞拉石油，美国政府决定哪些企业在委投资。特朗普与将近20名石油业代表会面，推动企业投资重建委内瑞拉石油基础设施。他说，价值40亿美元委油正被运往美国；委内瑞拉本周三向美提供3000万桶石油；美方将立即开始提炼和销售多达5000万桶委油；油企将直接与美方、而不是委方打交道。他敦促美国大油企投资至少1000亿美元，但行业代表反应冷淡，埃克森美孚CEO称目前委“不可投资”，其他公司高管强调投资前提是要有健全的法律和商业框架。

特朗普：“无论难易”都要得到格陵兰岛。

• 特朗普为何盯上格陵兰？战略要地之外，这座冰封岛屿埋着“关键资源”。汇丰表示，格陵兰不仅地理位置极具军事价值和重要航运潜力，自然资源才是核心所在，格陵兰拥有全球第8大稀土储量，若计入可能储量则可能跃居全球第二，其中重稀土占比突出。格陵兰还拥有镍、铜、锂、锡等矿产的中等储量潜力，以及油气资源。该岛拥有29种被欧盟委员会列为关键或中等重要性的原材料中的矿产资源。
• 格陵兰矿企Amaroq透露：美国政府正洽谈注资，锁定金、铜及稀有金属供应。Amaroq透露，美国正洽谈对其黄金、铜及稀有金属项目注资，以锁定关键资源供应链。潜在合作涵盖承购协议与融资支持。尽管外界质疑极地开采成本，Amaroq称深水峡湾使物流可行，美国与丹麦的外交博弈或将进一步升级。

报道称日本首相拟解散众议院，美元兑日元一年来首次涨穿158。据媒体报道，日本首相高市早苗考虑解散众议院，众议院或将在2月初、或中旬选举，从而为提前大选铺平道路。美元兑日元一度涨穿158，为2025年1月以来首次。

Minimax登陆港股首日暴涨109%，阿里、米哈游们赚翻了！MiniMax在港交所上市创全球AI公司最快上市纪录，首日股价暴涨109%，市值突破千亿港元。公开发售1837倍超购，募资约55.4亿港元，阿里、米哈游、腾讯等早期股东账面收益大幅翻倍。公司海外业务贡献七成收入，Talkie与海螺AI增长强劲。

• 上市抢先，估值落后，智谱跟MiniMax差在了哪里？智谱与MiniMax虽同期在港上市，但市场表现迥异：MiniMax首日暴涨超109%，市值突破千亿，远超智谱13%的涨幅。这反映了投资者更认可其以C端订阅为主的清晰商业模式与多元国际资本背书，而对智谱侧重政企服务的长期盈利路径则持相对保守预期。

报道：DeepSeek将于2月发布下一代AI模型V4，具备“强大”的编程能力。报道称，DeepSeek内部的初步测试表明，V4在编程能力上超过了目前市场上的其他顶级模型，如Anthropic的Claude和OpenAI的GPT系列，这无疑是该公司在AI领域的又一重磅成果。

• DeepSeek-R1的每token成本降到了原来的1/32。英伟达发布技术博客，展示其通过Blackwell架构与TensorRT-LLM的深度协同优化，已将DeepSeek-R1的单Token推理成本降至约原始水平的1/32，凸显了硬件与模型协同演进的巨大效能提升。

研报精选

大摩：中国在AI竞赛中拥有独特优势，阿里是“最佳赋能者”，腾讯具“最高2C变现潜力”。摩根士丹利指出，中国AI产业正走出一条以“开放模型”策略对抗全球“封闭”体系、并在应用层加速变现的独特路径。以阿里巴巴和腾讯为代表的平台巨头正凭借其云计算整合能力、超级应用生态与私有数据优势，率先将AI技术转化为高回报的商业价值，引领资本市场从算力炒作转向应用落地的定价逻辑。

工业与消费需求共振，3D打印的“奇点”时刻到来？招商证券认为，增材制造（3D打印）正迎来“奇点时刻”，工业级与消费级市场正同步爆发。在工业端，商业航天和消费电子的量产需求正将金属3D打印从原型制造推向大规模生产；在消费端，以中国企业为主导的全球市场已通过“硬件+软件+内容”的生态闭环，其发展路径正复刻消费电子领域的 “iPhone时刻” ，以极致体验和生态壁垒开创了行业的高增长新模式。

国内宏观

国常会：部署实施财政金融协同促内需一揽子政策。据央视新闻，会议指出，要加强财政政策与金融政策配合联动，优化实施服务业经营主体贷款、个人消费贷款贴息政策。围绕支持民间投资，实施中小微企业贷款贴息政策，设立民间投资专项担保计划，建立支持民营企业债券风险分担机制，优化实施设备更新贷款财政贴息政策。

国内公司

台积电12月营收同比增20%，预计Q4营收站上万亿新台币，AI需求强劲缓解市场泡沫担忧。台积电最新数据显示，12月营收虽环比微降，但同比大增20.4%，预计助推第四季度总营收达1.046万亿新台币，超越市场预期的1.036万亿。得益于英伟达AI芯片与iPhone 17的强劲需求，公司全年营收激增31.6%，有效缓解了市场对AI基建“泡沫化”的担忧。

两大稀土巨头宣布提价。据上海证券报，北方稀土与包钢股份连续第六个季度上调稀土精矿关联交易价格，2026年首季定价环比上涨2.4%。此次调价延续了自2024年三季度以来的上行趋势，主要受下游稀土产品市场价格上涨驱动，反映了稀土产业链整体供需偏紧的格局。

锂价翻倍，锂企溢价囤矿了。盐湖股份、盛新锂能两大锂企双双发布并购公告，前者拟以46.05亿元溢价352.42%从控股股东手中拿下五矿盐湖51%股权。近半年以来，至少有5家上市公司在全球布局锂资源，覆盖海外锂辉石、盐湖、国内硬岩锂矿等全品类资源。

2026：中国商业航天的“诺曼底时刻”。这是一场“错过就没有”的生死时速：国际电信联盟的规则，逼着我们在2027年前必须交卷；与此同时，SpaceX的狂飙突进，彻底打消了我们“慢慢来”的幻想。

乘联会：12月全国乘用车市场零售226万辆，同比降14%，环比增1.6%。12月全国乘用车市场零售同比下降14%，但新能源车零售逆势创下历史新高，渗透率升至59.1%，标志市场进入“新能源主导”新阶段。尽管以旧换新政策退坡和消费者观望情绪导致整体车市承压，但出口持续强劲、行业利润率环比改善，且2026年初新政策有望推动市场实现“开门红”。

汇丰出手，恒生银行将私有化退市，市值超2500亿元！恒生指数将无恒生银行。汇丰控股私有化恒生银行的方案已获股东会通过，预计将于1月27日完成并撤销后者上市地位，结束其长达53年的独立上市历程。此次私有化旨在简化集团架构、强化内部协同，汇丰强调此举为战略性增长投资，与恒生银行的房地产信贷风险无关，私有化后恒生将保留独立品牌与运营牌照。

海外宏观

美国CPI，要开始报复性反弹了？摩根士丹利预计，美国12月核心CPI将出现显著反弹，环比增长0.36%，远高于10-11月平均的0.08%，这一反弹主要源于政府停摆期间的统计扭曲。同时，12月数据将是关税传导关键验证窗口——今年以来关税已累计推高核心通胀35个基点，预计本次将增至45个基点。强劲数据很可能被市场贴上“统计扭曲”的标签而打折扣，但疲软数据则可能成为通胀降温的强烈信号。

美国盯上委内瑞拉，不只是为了油，更是为了“拯救美元”。德银认为石油的军事战略价值决定了美元作为全球储备货币的地位。随着美国不再是最大石油进口国，正从需求端转向供应端控制石油定价权。若美国掌控西半球石油供应，其储量将超越欧佩克，从而维护石油美元体系和美元的全球金融霸权地位。

50美元油价的代价：特朗普的能源宏愿能否避开沙特与页岩油的夹击？分析认为，特朗普力推的50美元油价虽具短期可行性，但其代价是同时触发沙特与美国页岩油的反制风险。委内瑞拉若迅速增产40万桶，可压低油价，但OPEC+财政红线将迫使沙特重新评估减产；油价若跌破55美元，美国页岩油商或被迫削减投资，削弱未来供应稳定性。

铜价涨幅远超预期！高盛上调上半年目标价，但仍然坚持“美国关税后回调”。由于“美国囤货”、AI热潮驱动等因素，铜价一个月暴涨22%至13387美元/吨，高盛上调短期预测至12750美元，但警告铜的高价难以持续，市场忽视了全球铜市场过剩的事实。该行维持年底价格回落至11200美元的判断，并指出后续美国“精炼铜”关税明朗化将是铜价回调的关键催化剂。

报道：日本央行可能上调经济增长预测，同时计划本月维持利率不变。此次上调主要反映首相高市早苗上月获国会批准的经济刺激方案的预期影响，该财政计划规模达17.7万亿日元（约合1130亿美元），旨在强化经济并对抗持续通胀的影响。在加息节奏方面，官员注意到市场普遍预期未来加息频率约为每六个月一次，但他们在刚刚加息数周后对未来路径并无预设立场。

韩国汇市大松绑：7月开启24小时交易，9月放宽离岸限制。为摆脱“新兴市场”标签并全力争取MSCI发达市场地位，韩国宣布将于今年7月正式启动韩元24小时全天候交易，并从9月起放宽离岸交易限制。这是其系统性开放金融市场、吸引全球资本流入的关键一步。

海外公司

xAI财务文件流出，日均烧掉2800万美元，9个月“烧钱”78亿美元押注人形机器人。内部文件显示，公司前9个月现金支出高达78亿美元，日均消耗约2800万美元。尽管Q3营收翻倍，但净亏损扩大至14.6亿美元。面对巨额投入，管理层透露了终极战略：打造名为“Macrohard”的软件生态，最终为特斯拉人形机器人Optimus打造“大脑”。

Meta豪掷6吉瓦核能订单，超越亚马逊谷歌，成为科技巨头最大核能买家。Meta达成一系列总产能超6吉瓦的电力协议，规模超越亚马逊与谷歌，成为全球核能最大买家。通过采购Vistra现有电力及支持Oklo、TerraPower开发小型反应堆，Meta旨在破解AI发展的电力瓶颈，确保持续增长不受电网限制，全力加速人工智能基础设施扩张。

谷歌云副总裁跳槽英伟达出任CMO，将直接向黄仁勋汇报。英伟达挖角谷歌云十年老将Wagonfeld出任首席营销官，负责市场营销与传播。分析称英伟达此举旨在借助其资深行业经验，提升公司品牌知名度，将B端技术转化为全球公众影响力，助力公司开启AI驱动的下一阶段增长。

OpenAI和软银对合作伙伴SB Energy投资10亿美元。OpenAI和软银发表声明称，两家公司将各投资5亿美元支持SB Energy作为数据中心开发商和运营商。OpenAI同时宣布已选定SB Energy在德克萨斯州米兰县建设并运营其1.2吉瓦数据中心。

英特尔CEO会见特朗普，股价大涨超10%，美政府持仓市值翻倍。英特尔股价周五大涨10%，此前其首席执行官陈立武与特朗普会面。美国政府去年8月投资89亿美元，以每股20.47美元的价格购入4.333亿股英特尔股票。英特尔股价周五收于每股45.55美元，使得这笔持股市值达到约197.4亿美元。

“潜在”全球最大矿业公司：力拓嘉能可重启合并谈判，争夺更多铜矿资源。力拓与嘉能可已重启合并谈判，拟通过全股票合并组建市值超2000亿美元的全球最大矿业公司。在铜价创历史新高及AI、能源转型需求驱动下，双方试图通过整合快速抢占铜资源市场份额。

今日要闻前瞻

美国232关税调查结果或在1月10日出炉。

<全文完>

本文来自华尔街见闻，欢迎下载APP查看更多

美股早盘，市场一度紧盯美国最高法院是否就关税问题给出裁决，相关不确定性短暂压制了部分消费股表现。随着确认当日不会有结果，资金迅速回到宏观数据本身。温和就业数据支撑美股三大指数收涨，标普指数本周第二次刷新历史高点。

（美股基准股指本周走势）

据华尔街见闻，12 月非农新增人数低于预期，但失业率回落至 4.4%，被多数投资者解读为“温和偏正面”。Siebert Financial 首席投资官Mark Malek表示：

一旦我们得知不会有裁决，许多人可能又会重新关注就业数据，并认为这些数据略微向好。不算好，也不算坏，但确实略微向好。

有“新美联储通讯社”之称的Nick Timiraos表示：

12月非农就业报告巩固了市场对美联储1月27日至28日会议将维持利率不变的预期，而疲软的就业数据表明，关于劳动力市场健康状况的争论远未结束。

板块方面，能源板块受地缘风险与油价走强提振，防务股在国防预算预期的推动下维持强势。

（高盛的地缘政治风险指数本周大幅上涨）

个股层面，华尔街见闻提及，Meta豪掷6吉瓦核能订单，锁定长期能源供应。合作方Vistra股价飙升超10%。英特尔CEO会见特朗普，股价大涨超10%。自美国政府去年8月入股以来，英特尔股价已较当时上涨了一倍以上。

美债市场则表现疲软，就业报告公布后美债交易员几乎完全撤销了对1月降息的押注，对利率敏感的2年期收益率上行4.39基点。相比之下，长期美债收益率则保持稳定。外汇市场上，美元指数本周连涨四个交易日，触及一个月高位。

大宗商品延续了与宏观情绪相呼应的走势。受地缘紧张局势与供应风险推动，原油延续昨日强势。西太平洋银行大宗商品研究主管Robert Rennie表示：

原油价格仍然处于地缘政治风险加剧和库存上升之间的复杂博弈之中。

周五美股主要股指均收高，标普500指数上涨0.6%。纳指100涨1%。甲骨文涨近5%。英特尔大涨超10%。与关税高度相关的股票盘中一度下跌。

美股基准股指：

• 标普500指数收涨44.82点，涨幅0.65%，报6966.28点。本周累涨1.57%。

• 道琼斯工业平均指数收涨237.96点，涨幅0.48%，报49504.07点。本周累涨2.32%。

• 纳指收涨191.331点，涨幅0.82%，报23671.346点。本周累涨1.88%。

• 纳斯达克100指数收涨259.156点，涨幅1.02%，报25766.258点。本周累涨2.22%。

• 罗素2000指数收涨0.78%，报2624.22点。本周累涨4.62%。

美股行业ETF：

• 芯片板块涨2.88%，可选消费、标普工业、必选消费、公用事业均涨逾1%。

（1月9日 美股各行业板块ETF）

科技七巨头：

• 美国科技股七巨头（Magnificent 7）指数涨0.46%，报207.87点，本周累计上涨0.70%。

• 特斯拉收涨2.11%，Meta涨1.08%，谷歌A涨0.96%，亚马逊涨0.44%，微软涨0.24%，苹果涨0.13%——结束之前连续七个交易日下跌的趋势，英伟达跌0.1%。

芯片股：

• 费城半导体指数收涨2.73%，报7638.779点。

• 台积电涨1.77%，AMD跌0.74%。

中概股：

• 纳斯达克金龙中国指数收跌1.30%，报7695.62点，本周累计下跌2.09%，1月5-6日冲高回落。

• 热门中概股里，小鹏收跌2.6%，阿里跌2.3%，蔚来跌2%，百度涨1.5%。

其他个股：

• 伯克希尔哈撒韦B类股跌0.13%，礼来跌1.99%。

• 甲骨文收涨近5%，博通涨3.76%，Salesforce跌0.23%，奈飞跌1.18%，Adobe跌1.5%，高通跌2.25%。

欧洲股市创收盘历史新高，嘉能可涨9.6%，阿斯麦涨6.8%，萨博涨6.3%。德国股市在非农日创收盘历史新高，本周涨超2.9%，希腊股市累涨4.1%、匈牙利股市涨超4.9%。

泛欧股指：

• 欧洲STOXX 600指数收涨0.97%，报609.67点，时隔两个交易日再创收盘历史新高，本周累计上涨2.27%。

• 欧元区STOXX 50指数收涨1.58%，报5997.47点，本周累涨2.51%。

各国股指：

• 德国DAX 30指数收涨0.53%，报25261.64点，连续四个交易日创收盘历史新高，本周累计上涨2.94%。

• 法国CAC 40指数收涨1.44%，报8362.09点，本周累涨2.04%。

• 英国富时100指数收涨0.80%，报10124.60点，勉强突破1月6日所创收盘历史最高位10122.73点，本周累涨1.74%。

  （1月9日 欧美主要股指表现）

欧洲个股：

• 欧元区蓝筹股中，阿斯麦控股收涨6.77%，欧莱雅涨6.32%，法国巴黎银行涨5.7%，爱马仕涨3.74%表现第四，德国思爱普SAP涨2.83%。

• 欧洲STOXX 600指数的所有成分股中，嘉能可收涨9.6%，帝肯集团涨7.7%，萨博公司涨6.33%，波兰铜业集团公司涨6.24%，与阿斯麦、欧莱雅进入表现前六。

两年期美债收益率在非农日涨约4.4个基点，本周累涨约5.9个基点。

美债：

• 纽约尾盘，美国10年期基准国债收益率跌0.19个基点，报4.1653%。本周累计下跌2.53个基点，整体交投于4.2028%-4.1221%区间。

• 两年期美债收益率涨4.39个基点，报3.5321%，非农就业报告出炉时拉升至3.5342%、后续出现W形走势，本周累涨5.88个基点。

欧债：

• 欧市尾盘，德国10年期国债收益率跌0.01个基点，报2.863%。两年期德债收益率涨1.1个基点，报2.107%。

• 英国10年期国债收益率跌3.0个基点，报4.374%，本周累计下跌16.2个基点。

• 本周法国10年期国债收益率累计下跌8.8个基点，周五欧市尾盘报3.523%。

美元指数非农日涨0.2%，本周累涨超0.7%。本周欧元跌0.7%，瑞郎跌1.1%，加元跌1.3%。

美元：

• 纽约尾盘，ICE美元指数涨0.20%，报99.127点，本周累计上涨0.72%，整体交投区间为98.161-99.264点。

• 彭博美元指数涨0.20%，报1211.64点，本周累计上涨0.60%，整体交投区间为1201.41-1213.00点。

  （彭博美元指数本周表现强劲）

非美货币：

• 纽约尾盘，欧元兑美元跌0.21%，报1.1635，本周累计下跌0.71%。欧元兑英镑累跌0.34%。

• 英镑兑美元跌0.23%，报1.3408，本周累跌0.37%。美元兑瑞郎涨0.23%，报0.8008，本周累涨1.07%。

• 本周，商品货币对澳元兑美元累跌0.05%整体冲高回落，纽元兑美元累跌0.61%，美元兑加元累涨1.28%。

日元：

• 纽约尾盘，美元兑日元一度涨穿158，为2025年1月以来首次，日内涨0.66%，报157.88，本周累涨0.68%。

离岸人民币：

• 纽约尾盘，美元兑离岸人民币报6.9760元，较周四纽约尾盘涨62点，日内整体交投于6.9843-6.9717元区间，美国非农就业报告出炉时刷新日低，瞬间反弹，并快速刷新日高。

• 本周，离岸人民币累跌0.09%，整体交投于6.9696-6.9959元区间，呈现出W形走势。

加密货币：

• 纽约尾盘，现货比特币跌1.23%，报9万美元。本周冲高逼近12月9日高点9.47万美元后回落，累计微跌0.32%。

（比特币本月目前冲高回落）

• 现货以太坊跌1.3%，报3073美元，本周累跌1.39%。

原油连续两日强劲反弹，WTI原油期货日内收涨2.35%。

原油：

• WTI 2月原油期货收涨2.35%，报59.12美元/桶。

（WTI原油期货连续两日强劲反弹）

• ICE布伦特3月原油期货收涨1.35美元，涨幅2.18%，报63.34美元/桶。

天然气：

• NYMEX 2月天然气期货收报3.1690美元/百万英热单位。

现货黄金价格上涨0.7%，重回4500美元上方，本周累涨超4%、重新逼近历史高位。现货白银涨3.8%，本周飙升10%。

黄金：

• 纽约尾盘，现货黄金涨0.68%，报4507.52美元/盎司，美国非农就业报告发布之后，从4470美元下方上扬，本周累计上涨4.05%。

• COMEX黄金期货涨1.28%，报4517.90美元/盎司，本周累涨4.34%。

白银：

• 纽约尾盘，现货白银涨3.81%，报79.9343美元/盎司，本周累计上涨9.81%。

• COMEX白银期货涨5.92%，报79.595美元/盎司，本周累涨12.07%。

（本周金、银、铜及铂金走势）

其他金属：

• 纽约尾盘，COMEX铜期货涨1.62%，报5.8905美元/磅，本周累涨3.49%。

• 现货铂金跌0.07%，报2276.92美元/盎司，本周累涨6.26%；现货钯金涨1.83%，报1822.73美元/盎司，本周累涨11.50%。

• LME期铜收涨278美元，报12998美元/吨。LME期锡收涨1810美元，报45560美元/吨。LME期镍收涨548美元，报17703美元/吨。

本文来自华尔街见闻，欢迎下载APP查看更多

特朗普在会面后于周四在其Truth Social平台发文表示：“美国政府以成为英特尔的股东而感到自豪。”特朗普称赞陈立武“非常成功”，并重点提及英特尔近期推出的一款芯片，称该产品“在美国本土设计、制造并完成封装”。

陈立武随后在X平台发文回应称，他深感荣幸，并“非常高兴能得到特朗普总统以及美国商务部长霍华德·卢特尼克的全力支持和鼓励”。

陈立武还指出，英特尔最新的Core Ultra系列3 CPU处理器已经开始出货，这是英特尔基于18A制程推出的首个重要产品。

去年8月，白宫与英特尔达成协议，投资89亿美元，以每股20.47美元的价格购入4.333亿股英特尔股票。英特尔股价周五收于每股45.55美元，使得这笔持股市值达到约197.4亿美元。该股今年以来累计涨幅已超过20%。

特朗普与陈立武之间的友好关系，与双方在政府入股前一度紧张的关系形成鲜明对比，如今可谓发生了180度转变。在入股消息公布前几周，特朗普曾在Truth Social上发文称陈立武“存在严重利益冲突，必须立即辞职”。

陈立武于2025年3月被任命为英特尔CEO，当时公司正面临销售下滑以及在前任CEO Pat Gelsinger领导下的经营动荡。

本文来自华尔街见闻，欢迎下载APP查看更多

据新华社报道，委内瑞拉外交部长希尔1月9日周五通过社交媒体发布政府公报称，委内瑞拉政府决定与美国政府启动“探索性外交”进程，推动恢复各自外交使团工作，制定共同关心的工作议程。

周五美股午盘时段，委内瑞拉外交部证实，美国国务院官员已经抵达委内瑞拉，“进行技术和后勤评估”，同时委内瑞拉代表将前往美国，“履行相应职责”。央视新闻提到，这是自委内瑞拉总统马杜罗被强行控制以来，美方人员首次进入该国。

据报道，委内瑞拉外交部还表示：“委内瑞拉将通过外交渠道应对美国的进犯。”

据央视新闻，在有媒体称委内瑞拉代总统罗德里格斯计划13日访问华盛顿后，委内瑞拉新闻和通信部长尼亚涅斯否认罗德里格斯打算访问美国，称她近期没有出国访问的计划。委内瑞拉政府当前专注于国内议程，以保障人民享有和平与稳定的权利。

周五稍早，据新华社，特朗普在社交媒体上宣布，取消原定对委内瑞拉的第二波军事打击计划，但强调所有美国舰船将维持原地部署。他同时透露，委内瑞拉反对派领导人马查多或将于下周访美，双方有望举行会面。

据央视新闻，美国国务院一个工作小组1月9日周五抵达委内瑞拉首都加拉加斯，一架美国国务院所属的飞机从库拉索起飞，降落在加拉加斯西蒙·玻利瓦尔国际机场。

美方此行旨在为分阶段恢复美国驻委内瑞拉大使馆运作进行初步评估。相关人员包括来自设在哥伦比亚的委内瑞拉事务处的外交与安全官员，以及美国驻哥伦比亚使馆临时代办John T. McNamara。美国国务院官员表示，相关准备工作正在推进，是否正式重启使馆将取决于特朗普的决定。

2019年1月，委内瑞拉与美国断交，美驻委使馆外交人员于当年3月全部撤离。2019年8月，美国国务院在哥伦比亚首都波哥大开设了委内瑞拉事务代表处。

据央视报道，美国能源部长赖特1月9日周五表示，特朗普政府将调整相关政策，允许美国石油公司进入委内瑞拉开展业务。赖特称，相关石油投资主要将由企业资本完成，目前尚未有石油公司向美国政府请求资金支持。

报道提到，特朗普周五在白宫与十多名石油行业高管会面，推动美国能源企业投资重建委内瑞拉石油基础设施。美国国务卿马尔科·鲁比奥、能源部长克里斯·赖特以及内政部长道格·伯古姆出席会议。

美国内政部长伯古姆周五告诉媒体，特朗普政府不太可能提供经济支持来帮助美国石油公司重振委内瑞拉石油业。

兼任白宫国家能源委员会负责人的伯古姆表示：“资金将来自资本市场和能源企业。我不认为这些公司在安全以外的方面需要美国（政府）的支持。如果我们能够提供一个安全、稳定的环境，这里的资源是如此重要和巨大，将吸引人们前来开发。”

据新华社报道，特朗普强调，美国与委内瑞拉正在密切合作，特别是在以“更大规模、更优质、更现代化”的形式重建石油和天然气基础设施方面。他透露，美国大型石油公司将投资至少1000亿美元。

据央视新闻报道，美国南方司令部1月9日周五确认，美军与美国国土安全部在一次清晨联合行动中，在加勒比海控制并扣押"奥利娜"号油轮，行动过程中未发生冲突。

声明称，行动由"南方长矛"联合特遣部队执行，并从“杰拉尔德·R·福特”号航母起飞实施，美军多艘两栖作战舰艇提供支持，美方强调将持续打击非法活动。

这是近几周来美国针对涉委内瑞拉原油运输船只实施的第五次拦截行动，旨在加强对委内瑞拉原油出口的控制。“奥利娜”号油轮此前从委内瑞拉启航，并被指伪装悬挂东帝汶国旗。英国海事风险管理公司称，该船AIS定位系统最后一次显示活动是在52天前的委内瑞拉专属经济区东北部海域。

据央视新闻，哥伦比亚总统佩特罗日前在接受采访时表示，自己确实担忧可能遭遇与委内瑞拉总统马杜罗类似的命运，称"任何不符合某些利益的国家领导人都有可能被强行带走"。

据西班牙媒体9日周五报道，佩特罗周四接受该媒体采访时承认，他曾担心自己会像马杜罗一样被美军强行控制，但他认为，与特朗普7日的通话"冻结"了这一威胁。

佩特罗告诉上述媒体：“特朗普在通话中亲口对我说，他正在考虑在哥伦比亚干些不好的事。他的意思是，他们已经在策划一次军事行动。” 谈及特朗普的威胁是否已经消退时，佩特罗说："我认为威胁被'冻结'了，但我可能判断错误。我们并不清楚具体策划了什么军事行动，只知道有一项行动正在推进。"

佩特罗指出，特朗普数月来已多次释放相关信号，但并不排除局势再度升级的可能。

本文来自华尔街见闻，欢迎下载APP查看更多

周五OpenAI和软银发表声明称，两家公司将各投资5亿美元支持SB Energy作为数据中心开发商和运营商。

OpenAI同时宣布已选定SB Energy在德克萨斯州米拉姆县（Milam County）建设并运营其1.2吉瓦数据中心。1吉瓦电力足以同时为约75万户美国家庭供电。

这笔投资是大型科技公司争夺能源供应的最新案例。确保电力供应已成为科技企业实现AI雄心的关键，并推动电力需求大幅上升。

此次合作强化了OpenAI与软银之间的商业联系。软银是OpenAI最大投资者之一，双方此前已在5000亿美元的星际之门项目上展开合作。

SB Energy长期由软银支持，最初作为可再生能源和储能开发商成立，近年来已扩展至数据中心的开发、拥有和运营业务。

此次融资前，该公司去年已从Ares基础设施机遇基金获得8亿美元投资。

声明显示，公司未披露此次投资对应的估值。SB Energy目前正在开发数个吉瓦级数据中心园区。

SB Energy合作建立在OpenAI的星际之门计划基础上。

这一联合项目由OpenAI与软银、甲骨文等合作伙伴共同推进，目标是在四年内投资5000亿美元用于美国的数据中心和AI基础设施建设。

该项目首个站点是位于德克萨斯州阿比林的大型数据中心，由甲骨文开发，开发合作伙伴为Crusoe。

软银与OpenAI之间日益紧密的交易关系，反映出科技公司之间不断扩大的合作网络。

这些相互关联的交易正在支撑AI行业发展，但也引发外界对人工智能需求若未达预期可能产生连锁反应的担忧。

对于大型科技公司而言，获得电力供应是满足AI发展需求的核心要素。这催生了一场支持更多、更大数据中心的能源竞赛，并推动电力需求持续增长。

电力需求促使部分企业投资供应商或发电厂，或自行安排能源来源。华尔街见闻提及，Meta周五宣布已达成协议，可能总计获得超过6吉瓦的核电供应。

本文来自华尔街见闻，欢迎下载APP查看更多

非农就业报告公布后，有“新美联储通讯社”之称的《华尔街日报》首席经济记者Nick Timiraos评论称，这份报告为美联储官员1月会议保持按兵不动扫清了道路。

12月失业率从11月份初步数据为4.6%降至4.4%，暂时缓解了对劳动力市场恶化的最严重担忧。正是这种担忧促使美联储过去三次会议降息，尽管每次都面临越来越多占少数的反对者，他们认为没有必要降息。

美债交易员对就业报告迅速反应，报告公布后几乎完全撤销了对1月降息的押注。

报告公布后，美国国债价格全线下跌，各期限收益率上行多达3个基点。利率互换市场显示，1月降息概率降至零，交易员目前预计，今年美联储首次降息的时间将在6月，即美联储主席鲍威尔任期结束后的一个月，全年降息幅度仍约为50个基点，即共两次常规幅度的降息。

这份数据凸显了劳动力市场的矛盾态势：招聘持续疲软与失业率下降并存，令美联储的决策路径更加复杂。

非农就业报告显示，美国12月非农就业人数仅增加5万，低于华尔街预期的6.5万。更令人关注的是，前两个月的就业人数合计下修7.6万，其中，10月从减少10.5万人进一步下修至减少17.3万人，11月从增加6.4万人下修至5.6万人。

Nick Timiraos指出，私营部门最近三个月平均招聘人数降至2.9万，为全年第二低水平。2025年全年，非农就业累计仅增加58.4万人，为2020年疫情导致就业锐减920万人以来最疲弱的年度表现。私营部门平均每月新增就业岗位6.1万个，这是自2003年“就业复苏乏力”以来，在非衰退时期私营部门就业增长的最低水平。

分行业来看，医疗保健增加2.1万个岗位，休闲和酒店业同样贡献增长，但零售贸易、建筑业和制造业均出现岗位减少。11个主要行业中有5个出现就业下降。

尽管如此，薪资增长仍保持韧性。12月平均时薪环比增长0.3%，前值上修至0.2%，过去12个月薪资增长3.8%，比通胀率高出约1个百分点。

Timiraos认为，

12月非农就业报告巩固了市场对美联储1月27日至28日会议将维持利率不变的预期，而疲软的就业数据表明，关于劳动力市场健康状况的争论远未结束。

Timiraos指出，2026年拥有FOMC会议投票权的两名投票委员本月稍早都暗示近期不应行动。

其中，费城联储主席保尔森（Anna Paulson）表示，如果通胀降温，今年晚些时候可能适合进一步降息，但她也暗示自己并不急于采取行动。

明尼阿波利斯联储主席卡什卡利表示，他认为美联储已经将利率降至接近一个难以观测的“中性”水平，该水平既不会刺激也不会抑制经济活动。

失业率的意外下降成为本次非农就业报告的关键亮点，也是美联储按兵不动的核心依据。失业率从11月的4.5%降至4.4%，低于预期的4.5%。值得注意的是，11月失业率初值曾四舍五入至4.6%，本次报告将其小幅下修。

Nick Timiraos分析称，这一下降暂时缓解了对劳动力市场恶化的最严重担忧。虽然疲软的招聘数据进一步证明，有关劳动力市场健康状况的辩论远未结束，但就业报告巩固了美联储1月按兵不动的预期。

12月失业率下降部分源于当月劳动力参与率下滑至62.4%。这意味着一些失业者离开了劳动力市场，不再被统计为“积极寻找工作”的人群。青少年、黑人以及未完成高中学业者的失业率均有所下降。

PGIM固定收益首席投资策略师Robert Tipp表示：

“这（报告）让美联储保持在今年继续缓慢降息的正轨。他们处于中性（利率）区间的顶端，或者说处于该区间的上限。因此，他们可能觉得目前的利率水平对经济没有产生影响，可以考虑跳过一次会议（降息）。”

数据公布后，美债市场迅速重新定价。周五盘中，对利率敏感的两年期美债收益率盘中升3个基点至3.52%，基准10年期美债收益率升至4.17%。交易员维持2026年全年降息约50个基点的预期，但首次降息时点推迟至6月，预计第四季度可能再降息一次。

法国兴业银行美国利率策略主管Subadra Rajappa表示：“失业率下降和薪资走高支持美联储1月按兵不动。”

Natixis美国利率策略主管John Briggs指出：“对我们来说，美联储将更多关注失业率，而非（就业）总体数字中的噪音，因此在我看来这对美国利率略微利空。”

彭博经济学家Anna Wong表示，12月非农就业数据显示招聘疲软，过去几个月数据的下修显示动能弱于预期。12月异常寒冷的天气可能对招聘有一定影响。更有用的信号或许来自显示招聘稳健和失业率降至4.4%的住户调查。本周五的就业报告可能令美联储稍感意外，但不足以说服FOMC进一步降息。

Wong预计，1月13日下周二将公布的CPI将表现强劲，进一步佐证美联储近期不会降息的看法。她还认为，3月之后的数据将支持今年降息100个基点的预测。

数据公布前一周，包括花旗集团、摩根大通和摩根士丹利在内的华尔街主要银行仍维持对1月降息的预测，但数据公布后这一预期已完全落空。美联储官员接下来的关注重点将转向通胀数据和后续劳动力市场表现，以此判断今年降息的节奏和幅度。

本文来自华尔街见闻，欢迎下载APP查看更多

美东时间1月9日周五上午8点30分，美国劳工统计局（BLS）公布了2025年12月美国非农就业报告，全年的就业数据由此出炉。数据公布后，财经媒体和观察人士发现，特朗普于美东时间8日晚8点20分在旗下社交媒体平台上发布的一张图表已经包含了本应9日公布的12月数据。

以下截图可见，特朗普公布的上述图表显示，自“1月以来”，美国的私人部门合计增加65.4万个工作岗位，政府部门的就业岗位净减少18.1万个。这与BLS周五公布的私人部门2025年新增就业人数完全吻合。该图表贴文发布比官方预定的发布时间早了约12小时，以图表发布的时间计算，特朗普应该至少提前12小时得到了周五才公之于众的12月就业数据，并提前半天将它曝光。

有“新美联储通讯社”之称的《华尔街日报》首席经济记者Nick Timiraos转发了社交媒体上网友根据官方数据整理的1月以来每月私人部门和政府部门就业数据增减情况，并补充说明指出，

特朗普的发帖时间为美东时间周四晚8点20分，当时白宫经济顾问委员会（CEA）已获得12月就业报告、但BLS尚未公开发布数据的窗口期。如果那个时间窗口能获取尚未公开的12月数据、以及修正数据，特朗普提到的私人就业数据加起来就比较准确。

按照惯例，美国总统通常会在数据公布前一天听取相关简报。白宫方面未就此事发表评论。

特朗普此后表示，周五的非农就业报告非常惊艳。提及在社交媒体贴出数据时，特朗普说，他们给了我一些数据。他们给我，我就贴。

BLS本周五正式公布的数据显示，美国12月非农就业人口仅增加5万人，低于市场预期的6.5万人，失业率则从4.6%降至4.4%。全年非农就业累计增加58.4万人，创下2020年新冠疫情导致就业锐减920万人以来的最差年度表现。

非农就业报告显示，12月私营部门就业仅增加3.7万人，远低于去年同期水平。这一数据成为特朗普提前披露信息的核心内容——其发布的图表显示私营部门自1月以来累计增加65.4万个岗位。

据Timiraos分析，2025年私营部门雇主平均每月新增就业岗位6.1万个，这是自2003年所谓“就业复苏乏力”以来，在经济未陷入衰退的情况下，私营部门就业增长最为疲弱的水平。

分行业数据显示，就业增长主要集中在休闲酒店业和医疗保健行业，后者12月增加2.1万个岗位。但该行业去年平均每月增加3.4万个就业岗位，低于2024年平均每月5.6万人的增幅。零售贸易、建筑业和制造业岗位则出现下降，11个主要行业中有5个出现就业人数减少。

本周五的报告显示，除了12月就业增长低于预期，BLS还对前两个月数据进行了大幅下修。10月非农就业人数从减少10.5万进一步下修至减少17.3万，11月就业人数从增加6.4万下修至增加5.6万，两个月合计下修7.6万。

修正后的数据使三个月移动平均就业增长出现2.2万人的萎缩。评论指出，即便考虑到劳动力供应减少的因素，这对未来的消费支出也并非积极信号。

密歇根大学公共政策与经济学教授Betsey Stevenson表示：“就业报告延续了我们从其他所有数据中看到的趋势，这是一个正在走弱的劳动力市场。我们看不到太多就业增长，但这并未转化为大量失业。”

尽管就业增长疲软，12月失业率却从4.6%降至4.4%，重新回落至政府创纪录长时间关门前的水平。这一降幅部分归因于劳动力参与率下滑至62.4%，意味着部分失业者完全退出劳动力市场，不再被统计为“积极寻找工作”的人群。

失业率的下降彻底打消了市场对美联储1月降息的预期。数据公布后，交易员维持美联储将在1月会议上按兵不动的预期，同时预计美联储2026年将合计降息约50个基点、即共两次降息。标普500指数开盘走高，美债收益率上行。

Natixis美国首席经济学家Christopher Hodge表示：“鉴于有影响力的美联储领导层坚定致力于遏制任何进一步的劳动力市场疲软，这份报告应当为主张更关注通胀的鹰派提供弹药。”

薪资增长方面表现相对坚挺。平均时薪环比增长0.3%，前值上修至0.2%。过去12个月薪资增长3.8%，比通胀率高出约1个百分点。但长期失业人数——失业27周或以上的人群——去年攀升近40万人，创2020年以来最大增幅。

本文来自华尔街见闻，欢迎下载APP查看更多

美国最高法院完成周五披露意见的工作，但并没有公布对特朗普关税的判决结果。此前曾有猜测认为裁决可能会在周五公布，但目前并不会作出决定，具体何时发布最终裁决仍不清楚。美国最高法院表示，下周三1月14日将是其下一次公布裁决的日子。

美国最高法院从不提前说明哪些裁决已经准备好发布，只表示在法官于华盛顿时间上午10点就座时，凡是已经完成庭审辩论的案件，都有可能当场公布裁决。

由于周五当天未公布关税相关裁决，而最高法院仅就一起刑事案件作出了一项判决，周五与关税高度相关的股票迅速下跌。

美国最高法院周五并未就美国总统特朗普实施的关税问题作出裁决，这令特朗普的标志性经济政策前景悬而未决。市场仍在等待这一决定，因为该裁决不仅将对贸易政策产生深远影响，也可能波及美国的财政状况。

一旦裁决出台，将涉及两个核心问题：第一，美国政府是否可以依据《国际紧急经济权力法》（IEEPA）的相关条款征收关税；第二，如果认定这种做法不当，美国是否需要向已经缴纳关税的进口商进行退款。

不过，最终裁决也可能采取折中的方式。

法院可以选择仅在IEEPA框架下授予有限权力，并只要求有限范围的退款；此外，对于这一在华尔街备受关注、又极为敏感的问题，法院还有多种处理方式可供选择。

此外，即便白宫在此案中败诉，特朗普政府仍掌握其他工具来实施关税，而无需依赖该法案中所提及的紧急权力。

在去年11月5日的庭审辩论显示，美国最高法院对特朗普是否有权依据一项1977年的法律征收这些关税持怀疑态度。该法律赋予总统在紧急状态下行使特殊权力。

特朗普政府官员已提到多种方案，以在裁决不利时进行对冲。

美国财政部长斯科特·贝森特周四也表示，他预计裁决结果将是一次“混合式”的裁定：

毫无疑问的是，我们继续以大致相同的总体收入水平征收关税的能力不会受到影响。真正存在疑问、而且对美国人民来说非常遗憾的是，如果总统败诉，他在将关税作为国家安全工具或谈判筹码方面的灵活性将会受到限制。

贝森特称，特朗普政府至少还可以通过《1962年贸易法》中的三种其他途径来维持大部分关税。不过，他也担心，若需要退款，可能会给美国政府以及其压缩财政赤字的努力带来压力。根据美国财政部数据，关税在2025财年带来了约1950亿美元收入，在2026年又带来了约620亿美元。

白宫顾问哈塞特表示，特朗普政府在关税问题上有后备计划。一旦美国最高法院否决特朗普关税，白宫的那些备选工具几乎立即就会到位。

华尔街怎么看

盈透证券（Interactive Brokers）高级经济学家Jose Torres表示，若关税被取消，将产生多方面的影响：

如果法院阻止这些关税，政府一定会寻找替代方案。特朗普总统在推动其议程方面非常有雄心，即便这一决定可能引发争议。阻止关税不利于制造业回流的目标，也不利于财政状况，利率可能会上升；但这对企业盈利是有利的，因为投入成本会降低，贸易也会更加顺畅。

预测市场网站Kalshi给出的数据显示，法院支持现行关税的概率仅为28%。Torres表示，他所在公司的客户也持类似预期。

总体而言，摩根士丹利分析师认为，美国最高法院的裁决“存在很大的细微处理空间”。摩根士丹利分析师Ariana Salvatore等人在一份报告中指出：

法院在作出裁决时拥有很大的自由裁量权，结果可能多种多样，例如缩小现有关税的适用范围，但不要求完全取消，或限制未来关税的适用。鉴于近期政治上对生活成本问题的关注，我们确实认为政府有空间对整体关税体系采取更温和的处理方式。

需要指出的是，到目前为止，关税的实际影响出乎分析师预料：通胀受到的影响有限，而贸易逆差却大幅收窄，这与部分人士此前认为关税可能让美国在全球贸易中被边缘化的预期相反。10月份的贸易逆差降至2009年金融危机结束以来的最低水平，当时由于危机引发的严重衰退，进口曾大幅下滑。

本文来自华尔街见闻，欢迎下载APP查看更多

媒体分析称，此举将使高市早苗能够利用她自10月上任以来持续保持的高支持率。高市早苗领导的自民党（LDP）目前与右翼政党日本维新会组成执政联盟。该联盟在日本众议院中距离取得多数席位仍差数席。

根据媒体，日本政府相关人士透露，目前浮现出的众议院选举日程方案包括：“1月27日发布选举公告—2月8日投票计票”，以及“2月3日发布选举公告—2月15日投票计票”。

目前，自民党会派在众议院拥有199个议席，与维新会合计为233席。虽然刚好恢复了过半数（233席），但在参议院仍是少数执政的“扭曲国会”局面持续。自民党已从国民民主党方面争取到对2026年度预算案尽早通过的协助。不过，该党能否尽早加入联合执政，因其支持团体“连合”持否定态度而存在阻力，高市早苗此前也对不稳定的国会运作表示担忧。

媒体称，按照惯例，例行国会召集当天将举行开幕式以及首相的施政方针演说。历史上，在国会召集当天解散众议院的情况共有4次，分别发生在1966年、1986年、1996年和2017年，这些情况下首相均未发表施政方针演说。

如果此次众议院被解散，例行国会中原本应成为首相就任后首次的施政方针演说将被取消。这可能被质疑是否与高市内阁将应对物价上涨列为最优先课题的方针相一致，预计朝野双方也将对解散众议院提出反对意见。

本文来自华尔街见闻，欢迎下载APP查看更多

密歇根大学公布的数据显示，美国1月密歇根大学消费者信心指数初值54，预期53.5，前值52.9。此次调查涵盖了12月16日至1月5日期间的受访者回复，该读数略高于媒体调查中经济学家的预期中值。

分项指数方面，预期指数升至55，创下五个月新高，反映出消费者对短期和长期经济前景的看法均有所改善。现况指数在12月跌至历史低点后，于1月回升至三个月高位。

周五公布的数据还显示，消费者预计未来一年物价将以4.2%的年率上涨，与上月持平，预期为4.1%；而对未来5至10年的通胀预期为年均3.4%，与预期持平，高于此前一个月的3.2%。

居高不下的生活成本，以及对就业机会有限和工资增长前景的担忧，使消费者信心徘徊在历史低位附近。与此同时，消费者支出依然表现出韧性，并继续为经济提供动力。

密歇根大学调查负责人Joanne Hsu在一份声明中表示：“尽管消费者对关税的担忧似乎正在逐步减弱，但他们对整体商业环境和劳动力市场的实力仍然持谨慎态度。”

周五同日公布的非农就业数据显示，12月新增就业人数低于预期，表明美国劳动力市场依然脆弱，尽管失业率小幅下降至4.4%。

密歇根大学的调查显示，消费者对劳动力市场的看法仍然偏弱，近三分之二的受访者预计未来一年失业率会上升。在受教育程度较高、收入水平较高的美国人中，对失业的担忧比其他消费者更为严重。

为防止劳动力市场快速恶化，美联储在2025年的最后三次政策会议上连续下调利率。不过，市场普遍预计，美联储将在本月晚些时候维持利率不变，以进一步评估通胀和就业数据。当前价格压力已有所缓解，但通胀仍高于美联储2%的目标。

此外，消费者对自身当前财务状况的看法在1月有所改善，但对未来的预期则出现回落。

本文来自华尔街见闻，欢迎下载APP查看更多

9日，美国劳工统计局（BLS）公布的数据显示：

• 美国12月非农就业人口增长5万人，预期6.5万人，前值6.4万人
• 美国12月失业率4.4%，预期4.5%，前值4.6%。

数据公布后，交易员仍预计美联储将在2026年降息约50个基点，认为美联储1月降息的可能性几乎为零。

创纪录的疲软年度

劳工统计局表示，10月份非农新增就业人数从-10.5万人修正至-17.3万人；11月份非农新增就业人数从6.4万人修正至5.6万人。修正后，11月和12月新增就业人数合计较修正前低7.6万人。

全年来看，美国非农就业人数累计增加了58.4万人。分析师指出，这是自2020年因新冠疫情导致就业锐减920万人以来的最弱年度增长。若剔除疫情期间的异常波动，即便回溯至2010年至2019年的整个经济扩张周期，也未曾出现过如此疲软的年度就业增长数据。

数据的修正幅度引起了市场的高度关注。10月数据从此前的减少10.5万人进一步下修至减少17.3万人，11月数据则从增加6.4万人下修至增加5.6万人。彭博记者Chris Anstey警告称，三个月移动平均数据出现2.2万人的萎缩，即便考虑到劳动力供应减少的因素，这对未来的消费支出来看也并非积极信号。

虽然就业数据不及预期，但失业率的下降成为了报告中另一个引人注目的焦点。媒体分析称，劳动力参与率的下滑表明整体劳动力规模正在收缩。失业率下降的部分原因在于失业者彻底离开了劳动力市场，不再被统计为“积极寻找工作”的人群。

分析认为，尽管ADP数据曾显示出一些暂时的稳定迹象，但非农数据的三个月移动平均增长率仍为负值，这并未能描绘出一幅劳动力市场已停止恶化的令人信服的画面。

私人部门就业增长疲软，制造业岗位继续萎缩

分行业来看，私人部门就业增长疲软，制造业岗位继续萎缩。医疗保健行业再次成为招聘的主要驱动力，增加了2.1万个岗位。据媒体统计，该行业去年平均每月增加3.4万个就业岗位，不过这一增速低于2024年平均每月5.6万人的增幅。

“新美联储通讯社”Nick Timiraos分析称，2025年，私营部门雇主平均每月新增就业岗位6.1万个，这是自2003年所谓“就业复苏乏力”以来，在经济未陷入衰退的情况下，私营部门就业增长最为疲弱的水平。

而薪资方面表现相对坚挺。平均时薪环比增长0.3%，前值上修至0.2%。在过去12个月中，薪资增长了3.8%，这一增速比通胀率高出约1个百分点。

1月降息预期落空

这份报告彻底粉碎了市场关于美联储将在1月降息的预期。分析认为，失业率的下降关闭了1月降息的大门，利率互换市场目前显示发生这种情况的概率为零。虽然12月数据表现不佳且有两个月累计7.6万人的向下修正，显示出就业增长层面的疲软，但失业率的下降成为了美联储保持耐心的关键支撑。

“鉴于有影响力的美联储领导层坚定地致力于遏制任何进一步的劳动力市场疲软，这份报告应当为主张更关注通胀的鹰派提供弹药。鲍威尔认为，由于系统性高计和人口结构变化，应持怀疑态度看待工资单，因此政策制定者更关注劳动力市场比例。”

市场反应

受消息推动，美股期货短线拉升，纳指期货日内涨0.43%，标普500指数期货涨0.33%，道指期货0.28%；美国国债下跌，美元指数短线下挫。

现货黄金短线拉升，向上触及4490美元/盎司，日内涨0.30%。

本文来自华尔街见闻，欢迎下载APP查看更多

V4是DeepSeek继2024年12月发布的V3模型之后的最新版本。报道援引两位知情人士称，DeepSeek内部的初步测试表明，V4在编程能力上超过了目前市场上的其他顶级模型，如Anthropic的Claude和OpenAI的GPT系列，这无疑是该公司在AI领域的又一重磅成果。

DeepSeek计划在2025年春节前后发布V4版本，发布计划可能会根据实际情况进行调整。

回顾去年的发布节奏，DeepSeek于2024年1月20日发布了R1模型，恰逢春节前夕，这一时机有效抓住了公众的关注，确保了R1的巨大热度。R1是一款开源的“推理”模型，能够通过深度思考和推理来解决复杂问题。即使DeepSeek在R1的训练投入上较为保守，但其卓越的表现依然引发了全球AI界的广泛关注。

V3的发布让DeepSeek逐渐跻身全球AI领域的重要一员，而R1则进一步巩固了其在硅谷及华尔街的影响力，成为全球瞩目的AI公司。在国内，DeepSeek推出的结合R1与V3模型的聊天机器人迅速走红。

DeepSeek的成功进一步激发了国内AI技术竞争，近年来，阿里、百度，以及众多初创公司如MiniMax、智谱、月之暗面等纷纷推出开源模型。DeepSeek作为中国本土AI企业，凭借创新能力与性价比优势，在国际竞争中占据了一席之地。

2025年12月，DeepSeek发布了V3.2版本，该版本在多个基准测试中超过了OpenAI的GPT-5和Google的Gemini 3.0 Pro，进一步证明了DeepSeek技术的领先性。然而，V4的即将推出，将为中国AI行业带来更具变革性的创新，成为业界关注的焦点。

据悉，V4在处理极长的编程提示方面取得了技术突破，这对于开发复杂软件项目的程序员来说，无疑是一个重大的技术利好。同时，V4在数据模式的理解上也有所改进，能够在整个训练过程中保持高效稳定，避免了以往模型在长时间训练下性能衰退的情况。

目前，DeepSeek尚未就这一消息做出回应，但V4的发布无疑将进一步巩固该公司在全球人工智能领域的领导地位。

本文来自华尔街见闻，欢迎下载APP查看更多

编辑 | 张晓玲

过去两年，我们谈论AI时，大多谈论的是屏幕里的那个光标，是对话框里不断生成的文字。它很强，但也总是离生活远了点。

各家科技公司也在尝试各种智能硬件，但能够尝鲜的，只是少数人。

阿里云试图捅破了这层窗户纸。1月8日，阿里云发布多模态交互开发套件，其实就讲了一件事：AI应用落地，终于有了具象化的模样。

它试图让AI不再是虚无缥缈的云端大脑，而是让用户鼻梁上的眼镜，孩子怀里的玩具熊，都拥有灵魂。

阿里云通义大模型业务总经理徐栋指出，大模型跟硬件结合，会带来新的流量。

这不再是一个关于云服务卖得有多好的浅层故事，而是一场关于入口迁移的战略博弈。在徐栋看来，手机虽然占据了我们人们大量时间，但它更多是“单向输入”；而即将爆发的AI硬件，正在用一种更碎片、更粘性的方式，试图接管人们的记忆与生活。

阿里云发布的这款“多模态交互开发套件”，正是为了在这片新大陆上，给淘金者们递上一把最趁手的铲子。

什么是AI落地的具象化？首先是速度。

在虚拟世界，你可以容忍ChatGPT转圈思考三秒；但在物理世界，如果你问眼镜“前面是什么”，三秒后的回答毫无意义。物理世界的交互，必须是即时的。

阿里云这次发布的套件，最核心的突破就在于把“云端大脑”的反应速度压到了物理极限。端到端语音交互延迟低至1秒，视频交互延迟低至1.5秒。

这意味着什么？意味着机器的反馈终于追上了人类的语速。比如雷鸟创新与阿里云合作的AI眼镜，实现了平均1.3秒的同声传译和多模态交互。 当“看懂”和“反馈”几乎同步发生时，AI就不再是一个需要刻意调用的工具，而变成了硬件本身的本能反应。

这种变化是从“Chatbot”（聊天机器人）的平面世界，进入了“立体”的硬件交互世界。 这种极致的低延迟，正是AI从“尝鲜”走向“落地”的物理基础。

这会是AI加速进入人们生活的重要一步。

以往云厂商做生意，盯着的是每一个Token（算力单位）赚多少钱。这导致硬件厂商不敢用，用不起。一个几百块的硬件，每个月云服务费可能比硬件本身还贵。

为了让AI真正落地，阿里云这次直接把门槛“砸”穿了。将计费模式从不可控的Token改为更符合硬件销售逻辑的“按设备License”计费或低成本套餐。

阿里云不仅提供模型，还预置了十多款Agent（智能体）和MCP工具，让硬件厂商通过简单的拖拉拽就能开发出具备复杂能力的设备。

这也是阿里云对未来的赌注：当成千上万的物理设备都装上了通义的“灵魂”，这些设备产生的数据、粘性和入口价值，将远超卖那点算力的收入。

AI落地的另一个具象化体现，是软硬一体的标准确立。

在展会上，阿里云展示了与RISC-V架构（玄铁芯片）的深度绑定。阿里巴巴集团副总裁戚肖宁将其比喻为：CPU是躯体，AI是灵魂。

这是一个非常明确的信号：在碎片化的物理世界（IoT），阿里云试图用“通义大模型 + RISC-V芯片”这套组合拳，建立一个新的Wintel联盟。

未来，通义大模型还将与玄铁RISC-V实现软硬全链路的协同优化，实现通义大模型家族在RISC-V架构上的极致高效部署和推理性能。

这对于深圳华强北的开发者来说，意义重大。他们不需要懂复杂的算法，不需要自己去适配芯片，只要拿着阿里云的这套“钥匙”，就能打开AI硬件的大门。这直接催生了大量“新物种”的诞生。

在徐栋看来，2026年将是这些新硬件爆发的一年。比如听力熊，它不是一个冷冰冰的复读机，而是一个能理解儿童独特表达方式、有情感共鸣的成长伙伴。 它能聊一个多小时不冷场，这种高粘性的交互，是手机APP做不到的。

又比如AI眼镜，它解放了双手，通过摄像头看懂世界。当用户看到路边的球滚出来，它能推断出后面可能有小孩，这种对因果关系的理解，是物理AI最迷人的地方。

徐栋甚至提到了像“闪念胶囊”这样的小众硬件，它们虽然看起来不起眼，但在特定场景下（如宝妈记录、会议纪要）解决了大问题。

当AI落地变得具象，我们看到的不再是千篇一律的手机，而是形态各异的 “新物种”。

阿里云今天所做的一切，把计费模式改得更亲民，把开发门槛降到拖拉拽，把模型塞进国产芯片里，都是在为那个新物种爆发的时刻蓄力。

它也试图，去物理世界，去碎片化的场景里，寻找下一个流量的泉眼。

正如徐栋所言，互联网的流量已经见顶，但物理世界的流量才刚刚开始。

从发布开发套件开始，阿里云想给所有的硬件厂商发了一张进入新时代的船票。这或许不是最赚钱的生意，但绝对是最正确的路——因为只有当AI真的落地到物理世界，那个被憧憬了无数次的智能时代，才算真正拉开了序幕。

本文来自华尔街见闻，欢迎下载APP查看更多

在委内瑞拉总统马杜罗被美方控制的消息传出前，美国基准原油期货价格已在每桶57美元附近徘徊，甚至一度跌破60美元关口。受巴西、圭亚那及加拿大等地强劲产出的推动，市场本就面临供应过剩的压力。美国能源信息署（EIA）曾在12月的预测中指出，2026年全球石油库存日均增量将超过200万桶。在此背景下，委内瑞拉潜在的产量恢复将进一步推动价格下行。

高盛预计，如果委内瑞拉日产量能增加40万桶，今年原油均价可能降至每桶50美元。尽管委内瑞拉目前在全球原油产量中的占比不足1%，但这一增量足以对市场定价产生实质性压制。

然而，这种低油价环境面临着来自全球两大供应力量——OPEC+与美国本土生产商的严峻考验，两者分别占据全球供应量的约一半和五分之一。

委内瑞拉：短期增产的可行路径

据见闻此前文章，当地时间1月7日，特朗普及其顾问正计划在未来几年内主导委内瑞拉石油行业。总统告诉助手，他相信自己的努力可以帮助将油价降至他所希望的每桶50美元的水平。

目前该国日产量约为90万桶，高盛指出，通过相对短期的修复措施，例如提供更多用于混合重质原油的轻质稀释剂、修复受损油井及原油升级设施、以及解除制裁，委内瑞拉有望在短期内提升产能。

根据能源咨询公司RBN Energy分析师Robert Auers的观点，尽管增加几十万桶的日产量看似规模不大，但足以“实质性地推动价格下行”。以40万桶的潜在增量为例，这约占国际能源署（IEA）预计2026年全球石油需求增量的一半。

Black Gold Investors首席执行官Gary Ross进一步指出，如果制裁解除，美国获得委内瑞拉原油的速度将快于世界其他地区。这不仅有助于压低基准价格，还能缓解美国炼油厂面临的重质原油短缺问题。RBN Energy董事总经理John Auers分析称，由于墨西哥产量长期下降，且加拿大原油在2024年管道扩建后更多流向西海岸市场，美国炼油厂急需委内瑞拉这种廉价的重质原油来填补缺口。这意味着，即使基准油价未完全降至50美元，也能有效降低美国消费者的汽油成本。

OPEC+的财政红线与应对

低油价环境无疑将触动沙特阿拉伯等OPEC+核心成员国的敏感神经。

Gary Ross认为，沙特不会对50多美元的布伦特油价感到满意。国际货币基金组织（IMF）估算，沙特阿拉伯2026年的财政盈亏平衡油价高达每桶86.60美元。大多数OPEC成员国也需要油价维持在60美元以上以平衡财政预算。

虽然OPEC+近期确认在3月底前维持产量稳定，且沙特可能不愿公开与特朗普政府产生摩擦，但当低油价造成的财政痛苦加剧时，OPEC决定减产的可能性并非为零。值得注意的是，沙特的决策逻辑往往难以预测。在过去低油价时期，沙特有时并未减产，反而选择增产以捍卫市场份额，这为未来的市场走向增添了不确定性。

目前布伦特原油价格上涨0.74%，维持在约62美元。

美国页岩油商的盈亏平衡点

除了OPEC+，美国本土页岩油生产商也面临着生存考验。Pickering Energy Partners首席投资官Dan Pickering指出，55至60美元的油价区间尚未引发大规模减产，但一旦跌破55美元，情况或将改变。达拉斯联储去年的调查显示，二叠纪盆地的石油生产商普遍认为，西德克萨斯中质原油（WTI）价格需维持在61至62美元左右，新钻井才能实现盈利。

作为二叠纪盆地最大的独立生产商之一，Diamondback Energy在去年的财报电话会议中曾明确表示，如果油价在“50美元低位”持续一个月，公司可能不得不考虑削减投资。这意味着，过于激进的价格打压可能会抑制美国本土产能，进而在中长期内削弱供应端的稳定性。

对于白宫而言，随着中期选举临近，降低油价固然是核心议程，但将油价维持在略高于50美元的水平，或许才是既能安抚美国司机又能维持大型石油生产商生存的最佳平衡点。

本文来自华尔街见闻，欢迎下载APP查看更多

据媒体9日报道，在南格陵兰从事矿产开发的矿业公司Amaroq透露，美国政府正在考虑对其关键矿产项目进行投资，这一举措旨在确保从黄金、铜到稀有金属的供应链安全，减少对外部供应的依赖。

Amaroq首席执行官Eldur Ólafsson表示，该公司正与美国政府机构就潜在投资机会进行谈判。尽管具体细节尚未最终敲定，但Ólafsson称，潜在的交易形式可能涵盖承购协议、基础设施支持以及信贷额度。

受特朗普此前关于收购格陵兰岛言论的刺激，在该岛拥有项目的稀土公司股价近期已大幅飙升。虽然外界对极地开采的经济可行性存疑，但Amaroq方面表示，依托深水峡湾的地理优势和适当的物流规划，格陵兰的矿产开发具备现实可行性。

锁定关键矿产供应链

作为本次谈判的核心对象，Amaroq在格陵兰南部拥有广泛的业务布局，涉及黄金、铜、锗和镓等关键矿藏的勘探与开采。Ólafsson并未透露美国政府具体感兴趣的项目清单，但锗和镓等稀有金属在半导体、国防和高科技产业中具有不可替代的战略价值。

白宫视格陵兰的矿产储量为解决供应链脆弱性的关键一环。前国家安全顾问Mike Waltz早在2025年1月就曾对媒体表示，美国对格陵兰的兴趣本质上关乎“关键矿产”。随着气候变化导致冰层融化，格陵兰部分地区的岩石裸露，使得这些战略资源的开采变得更加可行。

欧洲各国正紧急应对这一局势。美国国务卿卢比奥计划于下周与丹麦官员会面，商讨格陵兰这一丹麦自治领土的未来。与此同时，特朗普已任命路易斯安那州州长Jeff Landry为格陵兰特使，以彰显其对该地区的承诺。

克服极地开采挑战

尽管市场对于在极寒环境下开采矿产的经济效益存在分歧，部分专家警告严酷的自然条件和基础设施匮乏可能导致高昂成本，但Amaroq对此持乐观态度。Ólafsson反驳了不可行的观点，他将格陵兰的项目与俄罗斯和阿拉斯加的主要关键矿产矿山进行类比，指出后者也是在类似条件下建成的。

Ólafsson特别提到，虽然长距离陆路运输通常是采矿项目的最大挑战之一，但格陵兰的独特地理优势在于许多矿床邻近“深水峡湾”，这使得矿产能够更便捷地通过海运输出，从而降低了物流难度。气候变化带来的地形改变也进一步提高了部分战略矿产的可及性。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台，1月8日，根据摩根士丹利和巴克莱最新发布的研报，分析师们普遍预计阿里云将在AI需求的推动下实现营收增速的进一步爆发，巩固其作为中国最佳AI赋能者的地位。与此同时，虽然整体消费环境趋软，但投资者将看到“淘天”集团旗下的Quick Commerce（即时零售/淘闪）业务在亏损控制上取得重大进展，这标志着公司在平衡市场份额与盈利能力方面取得了显著成效。

对于投资者而言，最关键的信号在于“加速”二字——云业务营收增速预计将突破35%，且这一势头在未来几个季度依然强劲。

云智能与AI业务：增长引擎全面点火

在即将发布的财报中，阿里云的表现无疑是最大的亮点。这不再仅仅是一个稳定的收入来源，而是已经成为了阿里巴巴重回增长快车道的引擎。摩根士丹利分析师Gary Yu在报告中指出，预计阿里云的营收增长将保持强劲势头，同比增速有望加速至35%以上，不仅高于上一季度的34%，且未来在2027财年甚至有进一步加速至40%的潜力。该行认为，这一增长趋势强化了阿里巴巴作为“中国最佳AI赋能者”的投资逻辑。

这一增长并非昙花一现，而是得益于阿里巴巴在AI领域的持续投入与C端应用的落地。摩根士丹利特别提到了通义千问（Qwen APP）的升级、夸克（Quark）的改版以及Quark眼镜的发布，这些举措显著提升了AI的内部采用率和外部客户需求。巴克莱银行分析师Jiong Shao同样看好这一趋势，指出这预计将是阿里云连续第9个季度实现营收增长加速，且目前的预测可能仍显保守。巴克莱银行强调，阿里巴巴是中国云厂商中唯一的全栈AI领导者，拥有极具竞争力的LLM（大语言模型）和AI基础设施。

在盈利能力方面，摩根士丹利预计阿里云将维持稳定的EBITA利润率，约为9%。这表明在营收高速扩张的同时，公司依然保持了良好的成本控制能力，成功将技术优势转化为实实在在的财务回报。

核心电商业务：宏观逆风下的韧性与调整

虽然市场对核心电商业务（CMR）的放缓有所担忧，但两家券商深入剖析数据指出 ，这更多是受制于宏观环境的短期波动，而非竞争力的丧失。

受10月和11月整体在线零售销售增长放缓（根据国家统计局数据减速至3%）以及去年9月开始征收软件服务费带来的高基数效应影响，预计本季度CMR增长将放缓至3%。

然而，巴克莱银行的分析指出，阿里巴巴在核心电商领域的市场份额保持了相对稳定。这表明在消费疲软和行业竞争加剧的大背景下，阿里依然守住了其基本盘。摩根士丹利预计中国电商EBITA将下降3%，这在当前的宏观环境下已属不易。投资者应意识到，当前的放缓很大程度上是周期性的，而非结构性的崩塌。随着宏观政策的逐步发力，这一核心现金牛业务有望在未来企稳。

盈利能力分析：亏损收窄与战略性投入并存

财报数据中最容易被误读的部分可能在于整体调整后EBITA预计同比下降45%至300亿人民币。这一数字表面看虽有压力，但拆解后会发现其背后的逻辑是“以短期利润换取长期壁垒”以及“止血疗伤”。

首先，即时零售业务的亏损治理取得了重大进展。摩根士丹利预计该板块亏损将从上一季度的350亿人民币大幅收窄至230亿人民币；巴克莱银行同样认为该板块亏损已在9月季度见顶，并预计本季度将实现至少100亿人民币的环比减亏。这意味着管理层在追求市场份额的同时，已经开始极其严肃地对待效率问题。

其次，“所有其他”分部的EBITA亏损扩大至70亿人民币（上一季度为33亿人民币），但这完全是由内部AI采用率提高和模型训练成本增加所驱动的。通义千问APP首周下载量即突破1000万，这种爆发式增长必须伴随着高强度的算力投入。对于着眼未来的投资者而言，这种因押注AI未来而产生的亏损，实际上是高质量的资本配置。

估值与展望：长期逻辑未变

尽管考虑到核心电商业务的短期疲软和持续的战略投入，摩根士丹利将2026财年和2027财年的调整后EBITA预期分别下调了7%和15%，并将目标价从200美元下调至180美元，但这并未改变其“增持”的核心观点。巴克莱银行则更为坚定，维持了195美元的目标价。

两家顶级机构的共识在于：阿里巴巴依然是中国最具吸引力的AI故事载体。目前的股价已经充分计入了消费疲软的预期，却未能完全反映云业务加速和亏损业务（如淘菜菜等即时零售）改善带来的估值修复空间。

随着AI相关收入的持续放量和非核心业务亏损的进一步收窄，阿里巴巴正在构建一个新的、更具科技含量的增长模型。对于耐心资本而言，当下的回调或许正是布局下一轮AI驱动周期的良机。

本文来自华尔街见闻，欢迎下载APP查看更多

据华尔街见闻此前文章，美国最高法院的裁决结果将深刻影响市场走向。据摩根大通的分析，如果关税被推翻但随即被替代——这被视为最可能发生的情景——标普500指数可能会在当天短暂反弹后回落。相反，如果关税被彻底移除，将直接利好依赖进口的消费类和金融类股，但同时也可能因重新引发对财政赤字的担忧，从而使美联储的降息路径变得复杂，给美国国债带来压力。

目前的预测市场数据显示，特朗普的关税政策被维持的概率仅为24%。11月5日的听证会显示，大法官们对特朗普是否有权根据1977年紧急状态法实施关税持怀疑态度。分析师预计裁决可能以7:2或6:3的多数反对关税。

对于交易员而言，关键问题不仅在于现有关税是否存续，更在于白宫启用“B计划”的速度与效力。昨日财政部长贝森特表态，无论最高法院的裁决如何，政府都拥有替代的法律途径来维持其贸易议程。他援引1962年贸易法中赋予总统对进口关税广泛权力的多个条款表示：

“我们可以用301条款、232条款、122条款重建完全相同的关税结构。”

市场情景：从“解脱式反弹”到“买入事实”

对于股市多头而言，关税被推翻是一个明确的利好信号。富国银行首席股票策略师Ohsung Kwon此前估计，如果关税被取消，标普500指数成分股公司2026年的息税前利润将比去年水平提高2.4%。Ocean Park Asset Management的首席投资官James St. Aubin认为，这将成为“小幅反弹的催化剂”。

摩根大通Delta-One部门详细列出了几种可能的市场反应情景：

• 关税被推翻并立即被替代（概率66%）： 这是基本情景。标普500指数可能在消息公布当天上涨0.75%至1%，但随着投资者意识到政府将利用其他法律条款重启关税，涨幅将会回吐，最终收盘仅微涨。
• 关税被维持（概率24%）： 这一维持现状的结果可能导致标普500指数当天下跌30至50个基点。
• 关税被推翻且无替代（概率1%）： 这是对股市最有利的情景，预计标普500指数将上涨1.5%至2%。

在债券市场方面，据摩根大通策略师Jay Barry等人的报告，关税的取消可能会“重新点燃财政担忧”，导致长期收益率上升和收益率曲线变陡。但这部分影响预计是有限的，因为市场预期特朗普政府会寻求其他法律途径恢复征税。摩根大通团队包括Martin Tobias和Matthew Hornbach的报告指出，由于华尔街已部分计入了风险，债市的抛售可能是短暂的，随后投资者可能会“买入事实”（buy the fact），推动收益率重新走低。

板块观察：谁是赢家，谁是输家

如果关税威胁解除，部分板块将比其他板块受益更多。市场分析认为，依赖进口商品的企业，尤其是迎合美国消费者的公司，将获得最大的喘息机会：

• 消费与零售： 服装和玩具公司被视为明显的赢家，因为它们严重依赖来自亚洲的进口。耐克、美泰、American Eagle Outfitters Inc.以及Crocs Inc.等此前受关税不确定性困扰的股票值得关注。此外，好市多等消费必需品股已开始对此预期做出反应。
• 金融与科技： 主要银行如摩根大通和高盛可能因消费者信心增强而受益。Affirm Holdings Inc.等金融科技公司也可能出现大幅波动。
• 运输与工业： 对冲基金Hedgeye认为，如果关税取消并结合减税政策提振经济，运输股如联合包裹和联邦快递将受到提振。卡特彼勒和迪尔公司也有望从关税退税中受益。

相反，Karobaar Capital首席投资官Haris Khurshid指出，那些受益于保护主义政策的原材料、大宗商品和国内生产商可能会表现落后。

特朗普的工具箱：复杂的法律“B计划”

即便最高法院裁定特朗普动用的《国际紧急经济权力法》（IEEPA）依据不足，特朗普政府仍有多个替代选项，尽管这些选项大多存在明显的法律或执行缺陷。

据贝森特在公开场合的表态，政府可以利用《1962年贸易扩展法》第232条、《1974年贸易法》第301条等条款“重建完全相同的关税结构”。然而，分析人士认为，这些替代方案面临诸多挑战：

• 《1962年贸易扩展法》第232条： 该条款允许以“国家安全”为由征收关税，此前曾用于钢铁和铝。虽然特朗普政府可能试图扩大“国家安全”的定义，但若将玩具、咖啡或T恤等商品纳入其中，可能会在法律和舆论上显得荒谬，并引发新的诉讼。
• 《1974年贸易法》第122条： 该条款针对收支平衡出现巨额盈余的国家，但其限制严格：关税上限仅为15%，且期限最长仅为150天。
• 《1974年贸易法》第201条和301条： 启用这些条款通常需要经过漫长的调查期（如150天），且往往需要美国国际贸易委员会（ITC）的配合。目前ITC的职位存在空缺且具两党性质，可能不会完全配合总统的意图。

MishTalk.com的分析师Mike Shedlock总结称，特朗普可能尝试的七种替代选项都有严重的问题。这意味着，如果最高法院做出不利裁决，市场在经历最初的膝跳反应后，将不得不面对一个更加复杂和充满法律拉锯战的长期贸易环境。

本文来自华尔街见闻，欢迎下载APP查看更多

1月9日，据媒体报道， 这一系列协议涉及的潜在总装机容量超过6吉瓦，足以为约500万户家庭供电。Meta上周五宣布，将从Vistra Corp.现有的核电站购买电力，并支持由Oklo Inc.和TerraPower LLC计划在未来十年内建设的小型反应堆。

报道称，这些交易是在该公司6月与Constellation Energy Corp.达成核能协议之后进行的，且规模已令亚马逊、谷歌和微软近期的核能布局相形见绌。这一庞大的能源布局凸显了科技巨头为支撑AI军备竞赛，在有限的电网资源中展开的激烈争夺。

能源咨询公司Grid Strategies的报告显示，到2030年，美国电力使用量预计将至少增长30%，其中大部分新增需求来自数据中心。电力供应已成为发展人工智能最显著的瓶颈之一。Meta全球能源负责人Urvi Parekh指出，如果无法产生更多电力，可能会阻碍人工智能的快速增长，大局在于确保持续增长中有更多解决方案，而非受限于电网的技术选项。

合作伙伴与产能规划

根据协议细节，在现有产能方面，Meta将根据与Vistra的协议，购买位于俄亥俄州的Davis-Besse和Perry反应堆的能源，涉及超过2.1吉瓦的运营发电量。此外，Meta还将获得因技术改进而计划增加的额外433兆瓦电力，这些改进涉及上述两座工厂及其位于宾夕法尼亚州的Beaver Valley设施。Vistra的核电站将继续向由PJM Interconnection LLC运营的美国最大电网供电。

在未来产能布局上，Meta与Sam Altman支持的Oklo达成协议，将获得高达1.2吉瓦的产能。Oklo计划在俄亥俄州建设反应堆，首个反应堆最早将于2030年投入使用。Oklo正在开发一种75兆瓦的反应堆，尽管仍需联邦监管机构批准。该协议还包含预付款条款，主要用于帮助Oklo采购燃料。

同时，Meta同意支持Bill Gates支持的TerraPower开发两个反应堆，发电能力高达690兆瓦，最早将于2032年交付。Meta还获得了另外六个未来反应堆项目的能源权益，这些项目总计将提供2.1吉瓦的电力。TerraPower首席执行官Chris Levesque在采访中表示，核能显然必须成为满足人工智能电力需求的重要组成部分。

基础设施扩张与能源组合

这些核能交易将直接服务于Meta首席执行官扎克伯格雄心勃勃的基础设施扩张计划。Zuckerberg曾多次承诺，在未来十年内将投入数千亿美元用于人工智能及其配套基础设施。他采取“积极前置”的产能建设策略，以迎接Meta实现“超级智能”目标的时刻。

上周五宣布的核能交易将有助于为位于俄亥俄州的“Prometheus”项目供电。这是一个1吉瓦的数据中心集群，预计将于今年上线。除了核能，Meta也在利用天然气来确保持续的电力供应。其位于路易斯安那州的农村项目“Hyperion”预计将成为Meta最大的以人工智能为重点的数据中心，该项目可能扩展至5吉瓦，并计划于2028年上线。

由于数据中心通常比核电项目能更快投入运营，为了满足紧迫的能源需求，“Hyperion”项目将由至少三座天然气发电厂供电。当地公用事业公司Entergy Corp.已申请将更多天然气发电接入电网，以配合Meta的项目扩展。

高管表态与行业瓶颈

尽管近期科技公司与天然气发电厂达成了一些交易，但它们仍热衷于清洁且能提供全天候能源的核电。Urvi Parekh在接受采访时强调，没有一种“一刀切”的方法能让核能成为美国能源结构的实质性部分。她表示，上周五宣布的协议旨在解决现有核电站关闭的问题，并反映了早期投资对刺激新核能发展的必要性。

扎克伯格去年曾告诉投资者，相比于过度支出，他认为在人工智能基础设施上支出不足给公司带来的风险更大。Parekh对此补充道，主要目标是确保在人工智能持续增长时拥有更多解决方案，而不是让电网的限制束缚技术的发展。

美股盘前，Meta股价小幅下跌0.16%。

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，汇丰银行首席贵金属分析师James Steel在1月8日发布的报告中强调，这一轮狂飙的燃料不再仅仅是传统的货币宽松预期，而是混合了地缘政治风险与财政恶化的“烈性鸡尾酒”。此前，德银也将2026年黄金均价大幅上调至4450美元，并认为触及5000美元关口就在眼前。汇丰虽然微调了2026年的平均价格预测，但全面上调了2027年及以后的长期目标价，显示出该行对黄金长期牛市的坚定看好。

对于正在寻找“硬资产”庇护的投资者而言，这两份报告不仅是对价格的预测，更是对当前地缘政治格局和全球信用货币体系投下的一张“不信任票”。尽管短期内机构投资者的追涨行为可能带来高波动性，但官方部门和长期资金的持续流入，正在为金价构筑更高的底部支撑。

财政“毒瘾”与地缘乱局：金价的超级燃料

汇丰在报告中指出，除了传统的地缘政治风险（如乌克兰战争、美中博弈及中东冲突），西方世界日益膨胀的财政赤字正在成为金价上涨的隐形推手。美国联邦赤字预计在2026财年将达到2.05万亿美元，约占GDP的6.5%。

这种财政上的“挥霍”正在侵蚀法定货币的信用基石。报告强调：“美国和其他国家不断增加的财政赤字正在刺激黄金需求，这可能成为未来的关键因素。”当市场对财政可持续性产生怀疑时，黄金作为非负债资产的吸引力便被无限放大。加之汇丰外汇策略团队预测2026年美元将走软，这为金价提供了坚实的底部支撑。

德银共识：刚性买盘正在重塑市场结构

德银敏锐地捕捉到了市场结构的根本性转变：黄金的定价权正在从对价格敏感的消费者（如珠宝买家）手中，转移到对价格不敏感的官方部门手中。

正如德银所言，“缺乏价格弹性的央行购买和ETF投资需求，正在取代对价格敏感的珠宝消费需求，成为黄金市场的主导力量。”这种由央行“刚性需求”主导的结构性牛市，意味着即便金价高企，买盘依然强劲，因为对于央行而言，黄金是应对“黑天鹅”尾部风险的终极对冲工具。

机构投资者的“FOMO”与潜在波动

尽管长期看涨，但短期交易可能充满险滩。汇丰指出，2025年的反弹部分是由机构投资者的“错失恐惧症”推动的，这种资金流向极易逆转。报告警告称：“如果预期的降息未能实现，反弹可能会受到抑制并出现回调。”目前的CME净多头头寸处于高位，随时可能面临获利了结的压力。

汇丰指出，2026年的黄金市场将呈现“高波动、高价格”的特征。在财政纪律崩坏和地缘政治碎片化的时代，5000美元或许不仅仅是一个价格目标，更是市场对现有信用体系投下的不信任票。

本文来自华尔街见闻，欢迎下载APP查看更多

据新华社报道，特朗普于9日在社交媒体上宣布，鉴于目前形势，针对委内瑞拉的第二波军事打击“看起来不需要”，但他同时强调，出于安全保障目的，所有美国舰船将维持原地部署。他指出，美国与委内瑞拉正在密切合作，特别是在以“更大规模、更优质、更现代化”的形式重建石油和天然气基础设施方面。特朗普同时透露，美国大型石油公司将投资至少1000亿美元，他定于9日在白宫与相关公司代表会面。

据环球时报援引美联社8日消息，此前，特朗普在7日受访时曾表达未来访问委内瑞拉的意愿，并在8日晚间向美联社确认了马查多即将访美并期待与其会面的消息，称若能会面将是“莫大的荣幸”。

这是继1月3日美国发起军事行动并控制委总统马杜罗夫妇后，美方在外交与军事层面的最新表态。此举表明美国正试图通过接触反对派领导人来巩固其对委内瑞拉局势的影响力，同时也暗示军事高压态势可能暂时转入政治博弈阶段。与此同时，委内瑞拉内部权力结构仍存变数，代理总统罗德里格斯（Rodriguez）已宣誓就职并公开否认国家被“征服”，而马查多则誓言尽快回国并拒绝承认新政权的权威。

市场反应方面，截至发稿，布伦特原油日内转跌，跌破62美元/桶，WTI原油跌破58美元/桶，现报57.78美元/桶。

反对派领导人马查多拟访美谋求支持

马查多近期在接受美媒采访时明确表示，目前是其返回委内瑞拉的“合适时机”。她强调，摆脱马杜罗政权的“过渡进程”必须继续推进，并声称其领导的运动已准备好在自由选举中获胜。据英国《卫报》报道，马查多已拒绝承认目前由罗德里格斯担任代理总统的合法性。

作为反对派代表，马查多曾参加2024年委内瑞拉总统选举，指责马杜罗政府舞弊并组织反政府示威。同年7月，她因涉嫌煽动暴力抗议和政变企图被发布逮捕令，随后在2025年1月的一次集会后潜藏行踪，直至年底离境。此次访美若成行，或将被视为寻求美国对反对派掌权更直接支持的关键一步。

军事行动暂停与代理总统强硬表态

尽管特朗普宣布取消第二波打击，但美军自1月3日突袭并强行带走马杜罗夫妇后，该国局势依然高度紧张。委内瑞拉最高法院在行动当日即命令时任副总统罗德里格斯接任代理总统一职，后者于5日正式宣誓就职。

面对美国的军事存在和政治施压，罗德里格斯展现出强硬立场。她在8日的悼念仪式上公开表示，委内瑞拉并未被“征服”，强调国家并非附庸。她指出，当美军3日发起突袭时，“没有人投降，而是为祖国而战”。

特朗普方面虽然暂停了进一步的攻击性军事计划，但明确表示美国舰船将继续在该地区驻留以保障安全。特朗普此前还声称已“掌控”委内瑞拉，并表达了未来亲自访问该国的意愿，显示出美国并未放松对该国局势的监控与介入。

市场反应：地缘溢价消退拖累油价

委内瑞拉作为重要产油国，其政局走向直接牵动全球能源市场神经。此前美军行动曾引发市场对供应中断的担忧，推高油价。然而，随着特朗普取消后续军事打击计划，以及双方可能转向政治对话的信号释放，市场对于该地区爆发大规模持续冲突的担忧有所缓解。

分析人士指出，若委内瑞拉局势能通过政治途径而非全面战争解决，将有助于该国石油产量的长期稳定，这一预期目前主导了短期市场走势。

本文来自华尔街见闻，欢迎下载APP查看更多

此次IPO定价为165港元，处于招股区间上限。在散户投资者和长线基金的强力支撑下，MiniMax公开发售部分获得1837倍的超额认购，国际发售获37倍认购。此次发行最终募资约55.4亿港元，吸引了阿联酋阿布扎比投资局、新加坡主权财富基金及阿里巴巴等多家明星基石投资者。

由于国内科技巨头及顶级创投机构在早期便深度布局，MiniMax的暴涨为投资方带来了巨额账面回报。以盘中价格计算，阿里、米哈游、腾讯及IDG等早期持股方的资产价值较此前一轮融资已实现翻倍，其中阿里的持股市值一度突破100亿港元。

此次上市标志着中国AI企业正式开启大规模二级市场募资潮。在OpenAI及其他美国同行仍主要依赖私募资金时，中国AI初创公司因更为紧迫的资金需求，已率先奔向公开市场。Gavekal Dragonomics分析师Tilly Zhang指出，在缺乏美国巨型云服务商同等规模的资金支持下，IPO已成为中国AI企业获取研发与基础设施投入资金的现实途径。

刷新全球上市速度 获国际长线资金增持

MiniMax此次IPO定价为每股165港元，属于招股区间的上限。然而，这一高定价并未阻挡市场的热情。1月9日开盘后，股价迅速冲高，盘中一度涨超80%。截至收盘，股价报345港元，较发行价上涨109%，总市值达到1054亿港元（约合135亿美元）。

仅用时4年多便完成从成立到上市的跨越，MiniMax刷新了港股AI公司的上市速度纪录。此次全球发售约3358万股，假设“绿鞋”全额行使，募资总额约55.4亿港元。

散户投资者的参与热情极高，公开发售部分获得1837倍超额认购，导致回拨机制启动，公开发售比例调整至17.4%。由于竞争激烈，一手中签率仅为2.81%，这意味着散户需认购4000股才能稳获一手。对于中签一手（20股）的投资者而言，首日账面收益约为3600港元。

早期投资者收益丰厚 阿里、米哈游价值重估

MiniMax的暴涨让其背后的“豪华股东天团”收益颇丰。据招股书及公开信息显示，公司此次引入了14位基石投资者，认购总额约27.23亿港元，涵盖Aspex、Eastspring、Mirae Asset、阿里巴巴、易方达等知名机构。

作为核心战略投资者，阿里巴巴在MiniMax的股权结构中占据重要地位。阿里目前持有股份总数约为3824.8万股，持股比例达13.66%。按首日收盘价计算，阿里所持股份的账面价值高达约103亿港元。

其他早期产业投资者同样获利不菲。米哈游持有约6.4%的股份，账面价值约48亿港元；腾讯持股2.58%，账面价值接近20亿港元；IDG持股2.8%，账面价值超过21亿港元。对于这些在2022年起便陆续注资的机构而言，仅用4年时间便实现了数倍的投资回报。

在此次IPO前，MiniMax已累计融资15.56亿美元，2025年8月的最后一轮融资投后估值为42.4亿美元。这意味着，仅过去不到半年，二级市场给予MiniMax的估值已较上一轮融资翻倍有余。

营收高速增长 海外市场贡献七成利润

MiniMax在商业化方面表现出强劲的增长势头。招股书显示，2025年前三个季度，公司收入为5340万美元（约3.8亿元人民币），同比增长174.7%。值得注意的是，MiniMax的收入高度依赖全球市场，海外收入占比超过70%。

公司目前的业务核心集中在消费级AI产品。其推出的角色聊天机器人Talkie在美国青少年群体中广受欢迎，视频生成平台“海螺AI”亦是其主要收入来源。截至2025年9月，MiniMax已在200多个国家和地区拥有超过2.12亿个人用户。BNY高级策略师Wee Khoon Chong认为，MiniMax与智谱AI相继成功上市，反映出市场对中国AI领域乐观情绪的持续。

MiniMax计划将此次IPO募集的资金主要用于未来五年的大模型升级、AI原生产品开发及海外业务扩张。虽然面临盈利挑战，但上市后的MiniMax拥有了更丰富的融资工具和更强的资本背书。随着中国AI芯片公司如壁仞科技、摩尔线程等相继开启IPO进程，二级市场对国产人工智能产业链的定价逻辑正在重构。

本文来自华尔街见闻，欢迎下载APP查看更多

招商证券在1月9日发布的最新研报中指出，对于投资者而言，这意味着行业正从小众走向主流，工业级与消费级市场正在发生罕见的共振爆发。全球市场规模已达219亿美元，而中国市场更是以30%的增速狂飙，预计2025年达到700亿元。

上游关注国产替代的材料与核心部件，中游紧盯工业级金属打印龙头和消费级“出海”巨头。 尤其是商业航天的高频迭代需求和消费电子（如钛合金表链、折叠屏铰链）的规模化量产，正在为金属3D打印提供巨大的增量市场；而以“拓竹”为代表的中国企业正在重新定义消费级市场，创造出类比“iPhone时刻”的生态壁垒。

增材制造的本质优势与技术路径

与传统减材（切削）和等材（铸造）制造相比，3D打印的核心优势在于“无模化”和“高利用率”。它能将材料利用率提升至90%以上，且能够一次性成型极度复杂的结构（如镂空、异形流道），这对于昂贵的钛合金等材料而言是巨大的成本节约。

目前技术路线主要分为金属与非金属两大阵营。非金属领域，FDM（熔融沉积）是消费级的主流，占据全球61.6%的份额；而金属领域，SLM（选择性激光熔融）则是工业级的绝对核心，占据89.4%的份额，也是当前资本市场关注的焦点技术。

工业级市场：中国份额崛起，商业航天与消费电子是双引擎

全球工业级格局正在重塑，呈现“欧美主导，中国崛起”的态势。虽然美国仍占据31%的装机量份额，但中国的份额已从2009年的8.2%攀升至2024年的11.5%。在最具价值的金属3D打印领域，中国企业铂力特（BLT）已拿下20%的全球市占率，位居全球第二，紧追德国EOS。

两大核心下游正在驱动工业级爆发：

1. 商业航天： 这是刚需中的刚需。SpaceX和国内的深蓝航天（85%部件3D打印）证明了该技术能将发动机组件减少80%，制造周期缩短70%-80%。未来的主线是可重复使用火箭的高频验证和卫星的批量交付。

2. 消费电子： 2026年被视为金属3D打印的大规模量产元年。小米Watch 5已确认采用钛合金3D打印表链，荣耀MagicVs3和OPPO Find N5的铰链结构件也已大规模应用。随着苹果等巨头的入局，这是一个从0到1的巨量市场。

消费级市场：中国企业的统治力与“iPhone时刻”

如果说工业级是稳扎稳打，那么消费级市场则是中国企业的“独角戏”。2024年全球消费级3D打印市场规模41亿美元，且前四名（CR4）市场份额高达71.3%，全部为中国企业（拓竹、创想三维、智能派、纵维立方）。

拓竹科技正在复制特斯拉和苹果的路径：

• 技术降维： 通过算法和激光雷达解决打印速度和成功率问题，让设备“开箱即用”。

• 生态壁垒： 建立MakerWorld模型社区，形成“硬件+软件+内容”的闭环。

• 业绩爆发： 2024年出货量120万台，全球市占率第一（29%），净利率超30%，估值已达百亿美金。

此外，“3D打印农场”模式正在兴起，通过数千台设备集群，实现了分布式的柔性制造，广泛应用于潮玩和文创领域，头部农场设备回本周期仅需2-3个月。

本文来自华尔街见闻，欢迎下载APP查看更多