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

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

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

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

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

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

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

服务器利用率下降，AI算力供给面临考验

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

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

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

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

小模型性能追赶，本地部署或分流云端需求

相比服务器利用率的短期变化，报告更加关注AI模型架构正在发生的变化。

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

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

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

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

余承东连续强调问界产品与车主权益，则有更广泛的商业意义。

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

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

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

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

财政赤字未降，长期利率为何走高？

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

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

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

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

关税、移民与能源冲击，如何推高通胀？

在通胀问题上，文章认为，美国国内政策与外部能源冲击正在形成叠加效应。

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

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

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

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

AI投资繁荣，也在争夺有限资金

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

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

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

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

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

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

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

双层架构实时监控，毫秒级隔离异常代理

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

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

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

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

黄仁勋：AI安全首先是工程问题

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

周一，美股盘前，存储芯片股普跌，SK海力士、闪迪跌超3%，美光科技、西部数据跌超2%。金矿股盘前普跌，Harmony Gold与AngloGold Ashanti重挫超6%。

布伦特原油涨逾2%，现货黄金失守4150美元/盎司日内跌超3%，现货白银日内跌幅达5%逼近60美元/盎司关口。日本、澳大利亚、新西兰国债收益率均随美债同步上行。

地缘方面，据新华社援引伊朗媒体27日报道，伊朗外长阿拉格齐表示，伊朗已做好与美国战事重开的准备，但尚未放弃通过外交途径进行接触。他说，“我们已为战事重开做好充分准备”，与此同时，“我们也随时准备进行外交接触”。“这取决于美国总统特朗普的选择。”

Gama Asset Management高级宏观组合经理Rajeev De Mello表示：“投资者再度对外交进展的缺失感到失望。此前市场寄望于谈判能够缓和中东冲突、推动霍尔木兹海峡重开，但这些希望已经落空。”

全球主要资产走势：

油价涨：布伦特原油涨逾2%，WTI原油涨约2%。

金银跌：现货白银日内跌幅达5.0%，报61.07美元/盎司。现货黄金跌超3%，现报4156.71美元/盎司。COMEX黄金期货跌超3%，现报4190.2美元/盎司。

日元短线走强：美元兑日元短线走低，日内下跌0.36%，现报156.76。此前报道称日本最高外汇事务官员三村淳敦促市场重视关于日元的“非常明确”的警告

全球债市普跌：

印度10年期国债收益率上行5个基点，至7.17%。

美国国债收益率走高，5年期国债收益率上行5个基点。

日本30年期国债收益率上行1.5个基点至3.925%。

日本、澳大利亚、新西兰国债收益率均随美债同步上行，韩国3年期国债收益率升至2022年11月以来最高水平。

亚太市场普遍下挫：韩国KOSPI指数收跌2.7%，报6889.75点。日经225指数收跌0.7%，报65,877.62点。日本东证指数收跌0.4%，报4,112点。

美股股指期货持续走低：纳斯达克100指数期货跌幅达1%，标普500指数期货跌0.44%，道指期货跌0.4%。美股盘前，存储芯片股普跌，SK海力士、闪迪跌超3%，美光科技、西部数据跌超2%。

欧洲斯托克50指数开盘涨0.10%，德国DAX指数涨0.21%，英国富时100指数涨0.36%，法国CAC 40指数涨0.40%。

特朗普拒绝伊朗提案，谈判前景仍存变数

特朗普拒绝伊朗“7天重开霍尔木兹海峡”停火提案后，伊朗外长阿拉格齐表示“已为战事重开做好准备”，同时称外交大门未关闭。调解国卡塔尔总理坦言冲突“越来越难解决”，目前没有清晰终结路径。美国持续升级封锁与制裁，美国柴油价格自冲突爆发以来已涨超70%，谈判僵局正在向全球能源市场传导。

布伦特原油涨逾2%，WTI原油涨约2%。

油价飙升重燃通胀忧虑，债市全线承压

据彭博报道，今年以来中东紧张局势已推动油价累计上涨约75%。

布伦特原油近月合约价差（prompt spread）扩大至约7.75美元/桶的现货溢价，较一周前的约4美元大幅走阔，显示市场对近期供应紧张的担忧明显升温。当前，布伦特原油涨逾2%，WTI原油涨约2%。

能源成本高企持续向通胀传导，令美联储进一步加息的预期升温。据彭博报道，上周全球债券平均收益率已突破4%，为2007年以来首次。交易员目前已完全定价美联储年内至少再加息25个基点——美联储本月已是2023年以来首次加息。

Yardeni Research总裁Ed Yardeni写道：“全球2年期国债收益率的快速上升，表明各大央行需要进一步加息，以应对中东战事再度升级带来的油价长期高企所引发的通胀冲击。不幸的是，更高的利率也进一步恶化了全球各国政府的大规模赤字前景。”

日本、澳大利亚、新西兰国债收益率均随美债同步上行，韩国3年期国债收益率升至2022年11月以来最高水平。

亚太股市下挫，美股期货走低

截至收盘，韩国KOSPI指数收跌2.7%，报6889.75点。日经225指数收跌0.7%，报65,877.62点。日本东证指数收跌0.4%，报4,112点。

美股股指期货持续走低，纳斯达克100指数期货跌幅达1%，标普500指数期货跌0.44%，道指期货跌0.4%。

上周美股整体表现强劲——道指小幅上涨0.3%，结束三周连跌；标普500上涨1.2%，纳斯达克综合指数上涨2.1%，均创8月初以来最佳单周表现。

黄金、白银重挫，美元走强

现货白银日内跌幅达5.0%，报61.07美元/盎司。现货黄金日内跌2.8%，现报4163.08美元/盎司。

加息预期升温压制了无息贵金属的吸引力，美元则对多数主要货币走强。

市场焦点转向本周经济数据

TD Securities新加坡高级亚太利率策略师Prashant Newnaha表示，中东僵局“可能仍将是市场焦点”，直至本周晚些时候美联储偏好的通胀指标和就业报告相继公布。

本周重磅数据包括：周三公布的8月个人消费支出（PCE）价格指数、周四的美国制造业数据，以及周五备受关注的9月非农就业报告。

财政部长贝森特则释放了相对温和的信号，表示决策者应对利率保持“开放态度”，因为人工智能带来的生产率提升和放松监管或有助于抑制通胀。

Union Bancaire Privee董事总经理Vey-Sern Ling表示：“只要伊朗冲突持续，市场就将面临更高通胀、加息和金融条件收紧的前景。但考虑到当前估值已受压，且人工智能驱动的盈利持续攀升，投资者应关注以长期视角布局的买入机会。”

本文来自华尔街见闻，欢迎下载APP查看更多

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

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

油价高企，加息预期升温

油价持续高位成为金价承压的重要外部因素。

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

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

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

美债收益率走高，黄金仍远离历史高点

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

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

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

本周两项数据将检验加息预期

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

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

作者 | 周智宇

“团结活下去。”

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

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

为什么谈了近三年的合作，在此时走到了股权和资产层面？

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

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

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

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

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

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

换电这边，秦力洪已经拿杭州算起了账。

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

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

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

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

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

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

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

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

双方看中的下一种需求，还包括Robotaxi。

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

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

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

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

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

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

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

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

港股：截至收盘，恒生指数收盘涨0.54%，恒生科技指数跌0.37%。

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

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

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

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

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

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

算力硬件股重挫，光通信板块批量跌停

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

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

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

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

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

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

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

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

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

汽车整车——华为尊界与出海数据双击

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

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

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

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

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

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

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

贵金属板块大跌

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

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

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

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

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

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

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

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

需求爆炸：数据中心电力需求五年翻近三倍

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

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

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

电网告急：新增输电线路骤降，并网等待逼近五年

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

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

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

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

燃料电池胜出：速度溢价压倒成本劣势

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

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

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

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

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

供应链全面告急：从燃气轮机到燃料电池无一幸免

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

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

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

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

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

长期出路：小型模块化核反应堆是唯一永久解

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

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

该帖显示，买入均价约1230元，数量3万股，合计耗资逾3690万元。

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

“我今天还买了茅台啊，你会凌乱吗？”

这并非段永平近期首次出手。

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

段永平直接回应：“我今天还买了茅台啊，你会凌乱吗？”

此外，2025年1月、10月，他均曾公开发帖表示买入贵州茅台。

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

亿元赌约：放话挑战国内基金，原帖已消失

今年8月，段永平还在雪球抛出过一个更大的动作。

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

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

他还补充，若有网友想加入，前提是“要先拿出一个亿捐了，然后才能加入”。

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

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

不过，现查阅雪球平台，段永平上述赌约的原帖已搜索不到。

白酒行业背景：旺季不旺，茅台独撑

段永平持续加仓茅台，发生在白酒行业整体承压的背景下。

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

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

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

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

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

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

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

AI撑起门面，多数股票已在"熊市"

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

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

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

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

VIX与MOVE的极端背离：债市已在"尖叫"

当前市场最显著的结构性异常，是股票波动率与债券波动率之间的极端背离。

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

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

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

2000年的幽灵：历史先例与潜在风险

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

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

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

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

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

对冲基金：加杠杆但不加方向，矛盾信号浓缩

对冲基金的仓位结构，是当前市场矛盾心态最直接的映射。

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

Garrett将这一现象概括为：

“总杠杆在上升，净杠杆相对受控——机构在增加敞口，但并未增加方向性信念。”

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

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

三种情景：好、平庸，还是丑陋？

面对上述信号，高盛内部及市场策略师给出了分歧明显的三种情景判断。

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

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

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

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

以下是对谈文稿

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

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

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

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

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

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

麦克罗伊： 这是一个数字吗？

费尔曼： 一个数字。

麦克罗伊： 我没有这方面的个人数字。

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

费尔曼： 是的。

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

费尔曼： 没错，否则会发生什么，大概是1.5左右，具体取决于情况。

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

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

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

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

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

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

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

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

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

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

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

麦克罗伊： 我对方向和幅度都不确定，这是对所有这类问题最诚实的回答。

费尔曼： 是的，这是一个很棒的经济学家式回答。

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

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

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

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

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

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

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

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

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

接下来我想先谈谈公共政策，然后再回答大家的问题。

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

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

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

那么，说到我们一直在讨论的问题——谁来清理那些烂摊子？

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

第二轮提问

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

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

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

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

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

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

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

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

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

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

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

最后一个问题

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

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

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

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

位于广州南沙的产业化基地年产能达到30发，基本实现每月均有发射任务。

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

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

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

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

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

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

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

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

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

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

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

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

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

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

亨通定增触发抛售，光纤板块集体承压

本轮光纤股下跌的直接导火索，是亨通光电于9月24日晚间披露的定增预案。

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

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

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

瑞银：产能过剩风险有限，供需紧张将延续至2027-28年

瑞银在研报中系统性地反驳了市场的产能过剩担忧。

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

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

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

大幅上调盈利预测，毛利率有望突破70%

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

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

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

长飞技术壁垒构筑护城河，全球AI供应链地位被低估

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

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

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

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

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

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

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

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

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

客户追单踊跃，2纳米扩产进度大幅超前

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

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

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

五厂同步放量，2纳米爬坡速度史上最快

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

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

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

3纳米全球布局同步推进，美国新厂2027年量产

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

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

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

分析人士认为，台积电此轮2纳米扩产提速，对市场的直接影响体现在多个层面。

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

本文来自华尔街见闻，欢迎下载APP查看更多

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

两位长期唱空AI的人从财务和技术两个维度共同拆解AI泡沫。

从左到右依次为Jim Chanos、主持人、Gary Marcus

云大厂的ROIC正在快速下滑

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

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

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

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

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

Chanos对此直言：“你开始看到真的很荒唐的数字了。”

大模型没有护城河，价格战是必然结局

Gary Marcus的判断来自技术侧。

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

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

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

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

他还指出，当前驱动模型进步的，已不再是单纯的“规模扩张”叙事。

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

OpenAI：AI时代的WeWork？

对于OpenAI，Gary Marcus判断：

我已经说了好几年，他们可能会成为AI时代的WeWork。

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

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

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

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

他是读懂房间、说人们想听的话的高手。但行动比语言更响亮。

Muse背后的“人肉电池”

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

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

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

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

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

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

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

Agent安全：已知风险，刻意忽视

Gary Marcus对AI Agent的安全问题表达了最为强烈的担忧。

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

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

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

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

泡沫如何破裂：多米诺骨牌的第一张

Chanos认为，触发这场泡沫破裂的，最终将是资本市场本身。

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

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

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

Marcus则补充，他最担心的触发点是OpenAI的IPO进程。

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

访谈全文如下：

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

2025年9月25日 · RiskReversal播客

嘉宾介绍

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

Jim Chanos： 是金融欺诈的历史，不是教人怎么干的。

Danny： 你去哈佛耶鲁橄榄球赛吗，还是主要看威斯康星的比赛？

Jim： 我去过哈佛耶鲁的橄榄球赛，是的。

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

Gary Marcus： 感谢邀请。

对话缘起

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

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

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

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

Jim Chanos：从数据中心到AI基础设施

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

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

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

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

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

Gary Marcus：从技术判断到经济逻辑

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

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

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

我一直建议将神经网络与符号模型结合，也就是我所说的"神经符号系统"——

Danny： 解释一下这个概念？

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

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

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

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

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

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

Jim： 它知道是你Gary Marcus在输入，所以故意跟你捣乱？

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

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

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

Jim Chanos：超大规模云服务商的回报率下降

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

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

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

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

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

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

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

AI领域的投机者

Danny： Jim，你刚才用了"投机者"这个词。他们都有谁？

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

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

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

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

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

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

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

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

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

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

甲骨文的"不可抗力"事件

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

Jim： 不是的。

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

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

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

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

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

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

AI进步的真实图景

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

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

Danny： 那么谁有护城河？

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

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

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

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

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

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

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

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

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

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

Danny： 能解释一下两者的区别吗？

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

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

智能体AI：潜力与风险

Danny： Gary，你说想谈谈智能体（agents）。

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

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

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

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

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

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

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

算力与Token价格

Danny： 谈谈Token定价？现在似乎是一场价格战。

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

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

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

英伟达及其客户

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

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

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

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

这一切会怎么终结？

Danny： 什么是触发点？

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

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

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

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

Danny： Gary，从技术层面，有没有什么潜在的"黑天鹅"？

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

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

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

Sam Altman与监管

Danny： 你们两人在2023年的参议院听证会上并排而坐，谈谈那段经历？

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

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

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

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

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

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

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

Jim，你刚才说符合经典欺诈定义：有损害、有预知、有故意、有财务危害——

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

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

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

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

Jim： 这完全符合你所描述的欺诈定义，加上"故意疏忽"——

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

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

末日概率：P灭绝、P灾难与P反乌托邦

Danny： P灭绝（P Doom），你怎么看？

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

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

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

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

监管展望

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

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

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

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

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

投资影响与结语

Danny： Jim，监管框架如何影响你的投资论点？

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

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

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

Gary / Jim： 感谢邀请，下次再聊。

本播客仅供参考，所有嘉宾表达的观点均为个人意见，不构成具体投资建议。

本文来自华尔街见闻，欢迎下载APP查看更多

这比的正是AI应用落地。

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

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

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

他给出的办法有两个，一是对客户说No，二是把工程师推到客户现场。

01 四类客户：前两类靠需求，后两类看价值

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

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

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

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

从规模化使用和Token调用量看，越靠前的占比越高。

「第一、第二类是需求驱动，第三、第四类是价值驱动。」

前两类客户知道自己要什么，买了Token就能用。后两类要先被证明值得用。

企业级客户用不起来，霍嘉归结为三个原因。

第一，AI人才极度匮乏。

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

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

02 企业AI项目死在哪里

企业AI项目失败，有多少是因为模型不够聪明，这是群访上被直接抛出来的问题。

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

然后他讲了见过的三类失败。

第一类，硬训垂类模型。

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

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

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

第二类，企业以为自己有数据。

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

第三类，做给几个人用的Agent。

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

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

霍嘉只问了一个问题：每天多少笔交易？

一百多笔。

「那要AI干什么？」人工处理只要几分钟到几个小时。

这类事情今天还在发生。

霍嘉的做法是告诉客户不该这么做，说服不了就再等等。

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

接下来的项目，他还有两个条件。

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

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

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

03 FDE火了，他却不想再提这个词

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

大模型让这个岗位重新变热。

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

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

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

阿里云走上这条路，比这轮热度早。

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

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

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

跟传统交付相比，区别有两个。

第一，人往前推了一步。

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

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

第二，前线和产品的距离缩短了。

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

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

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

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

「国内想依靠这个东西去赚大钱，可能不太现实，大家不要有这种期待。」

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

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

04 商业模式只有两种

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

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

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

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

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

另一个检验标准是客户愿不愿意跟你签长期服务合同。

中国公司和几家大咨询公司最大的区别，是太喜欢签Project Contract，不喜欢签Service Contract。签服务合同的公司比不上产品厂商，但比做项目的活得好，而且有毛利。霍嘉认识几支这样的小团队，一群90后硕士、博士，在模型能力还不强的时候就用这种方式工作，已经三年，赚到了利润，最大的一支长到了小一百人。

「商业模式就两种，一种是Service长约，一种是产品的商业模式。」先选定一种，再决定团队怎么定位。

企业客户的心智也在变。几个月前还有客户说，报预算要先锁定模型。霍嘉反问，那个模型到时候下架了怎么办？越来越多客户发现，很多任务放在MaaS上，效率和成本对自己最优。Token仍然很贵，他打了个比方，3G时代的流量，你敢天天刷剧吗？

中国的头部客户不在乎厂商投入了多少人，只在乎事情能不能做成。霍嘉说他能跟很多领导讲清楚，这个问题今天做不到，以及为什么做不到。

Token的价格曲线和企业的落地曲线，今天还没有重合。前者由AI原生和高科技客户拉动，后者要一个场景一个场景地验证。

一年前云栖大会发布的模型和当时的应用，没有人想到今年会长成这样。FDE、结果付费、服务长约，哪一种会成为常态，今天同样说不准。

霍嘉的提醒是，「不要因为不知道而丧失了想象力」。

练了四年，比赛才刚开枪。

本文来自微信公众号「AI原生Lab」，持续拆解真实AI落地案例，分享企业AI实践与方法论。

本文来自华尔街见闻，欢迎下载APP查看更多

9月23日晚，中基协发布私募相关统计月报。月报显示，截至8月末存续私募基金共145219只、存续规模25.75万亿元，自2025年10月以来，私募行业的规模已连续11个月刷新历史纪录。

与稳步抬升的资管规模不同，私募管理人的数量延续收缩，8月末存续私募基金管理人18452家，较7月末减少60家，较年初减少779家。

业内观点认为，私募资管规模与私募管理人数量的一升一降，恰是私募行业近年加速优胜劣汰、优化行业生态的缩影。

存续规模超25.7万亿

中基协数据显示，截至8月末，存续私募基金共145219只，存续规模25.75万亿元。

其中，私募证券投资基金84130只占总数量约58%，规模9.08万亿元占比约35%；私募股权投资基金29608只、规模11.93万亿元；创业投资基金30840只、规模4.47万亿元。

上述统计月报还显示，8月新备案私募基金产品为1890只，备案规模为724.02亿元，其中私募证券投资基金1205只、备案规模350.61亿元，新发数量占比约64%，规模占比近五成。股权与创投类合计备案约373亿元。

业内人士认为，私募业规模迭创新高的背后原因，一方面是随着存款及固收类资产的回报利率下降，居民和机构资金加速转向权益及对冲类的资产。

另一方面，AI浪潮下科技企业股权融资需求旺盛、退出通道较为畅通，私募股权投资基金规模也在稳健扩容。

私募管理人年内减少超700家

与规模持续攀升不同，私募机构（管理人）的数量持续收缩态势。

数据显示，截至8月末，存续私募基金管理人共18452家，较7月末减少60家，较年初的19231家减少779家。

另外，截至9月23日，今年以来注销登记的私募管理人达889家，其中主动注销405家，协会注销391家，依公告注销2家，12个月无在管基金注销91家。

同时，达到新设门槛的私募机构还在减少。据第三方统计，年内新登记私募管理人或在65家上下，创近年新低。

新面孔变少、存量机构加速“出清”，私募行业高质量发展的态势日益明显。

资深投资经理持续“亮相”

另外，今年已有多位资管老将选择奔私创业，自立门户或加盟强势平台。

协会的公示信息显示，高瓴资本旗下的二级市场私募资管平台瓴仁投资，今年五月迎来了重磅的价值投资经理——鲍无可。

相关信息还显示，鲍无可在瓴仁投资里不仅出任核心基金经理，还担任董事总经理的职衔，该职务为公司“高管”。

另一位价值投资老将曹名长，亦于2026年3月完成了旗下私募机构璞桥资产的创立，目前璞桥资产已基本完成创始团队搭建，曹名长亲任投资总监。

此外，私募头部机构的合伙人叶智深，近年创办了枫烨私募已于9月11日完成登记；

国源信达原高级合伙人、基金经理李剑飞创办的不争私募，也已完成管理人登记。

资深的投资经理们的持续“亮相”正给这个行业带来新的动力。

边“出”边“进”成行业新风尚

同时，私募行业一边持续有资深基金经理进场，一边持续有私募管理人批量退场的情况，也构成了行业的新特征。

业内人士普遍认为，这批有业绩、资本实力较强的投资经理“出山”，与近年来私募行业法规持续落地，监管不断完善的特征相符，也会一定程度上开始影响的格局。

同时，持续的私募机构退出，也会让行业生态更加优化，后者也是一批资深专业人士愿意在私募业大展拳脚的重要前提。

本文来自华尔街见闻，欢迎下载APP查看更多

数据显示，8月单月利润增速回落至4.2%，对此，国家统计局工业司首席统计师于卫宁将其归因于去年同期较高基数。

与此同时，汽车制造业、黑色金属冶炼等行业利润大幅下滑，非金属矿物制品业利润更骤降46.7%，内部分化持续扩大，对依赖传统制造业敞口的投资者构成压力。

电子行业主导盈利格局

以人工智能为核心的新技术应用扩张，正在系统性重塑工业利润的分配结构。

国家统计局工业司首席统计师于卫宁称，数据显示，1—8月份，计算机、通信和其他电子设备制造业利润同比增长1.1倍，对全部规模以上工业企业利润增长的贡献率达62.0%。

从细分领域来看，新能源汽车、物联网及算力中心等新兴应用场景带动芯片需求持续扩张，光电子器件制造、半导体分立器件制造行业利润分别增长72.0%和51.8%。电子基础原材料领域同步受益，电子专用材料制造行业利润增长2.3倍，电子电路制造增长49.1%。

算力基础设施的加速铺建进一步向上游传导。光纤制造、光缆制造行业利润分别增长5.3倍和1.0倍；计算机整机制造、计算机外围设备制造利润分别增长3.9倍和2.6倍。整体来看，高技术制造业1—8月利润同比增长54.7%，增速高于全部规模以上工业39.0个百分点。

原材料行业受益于大宗商品涨价

国际原油及有色金属价格上行为原材料制造业提供了外部支撑。1—8月份，规模以上原材料制造业利润同比增长47.3%，拉动全部规模以上工业企业利润增长6.2个百分点。

具体来看，有色金属冶炼和压延加工业利润增长82.9%，化学原料和化学制品制造业增长51.0%，煤炭开采和洗选业增长51.6%。石油加工行业则实现扭亏为盈，利润总额达562.9亿元。采矿业整体利润增长35.1%，亦显著高于制造业整体水平。

汽车制造业1—8月利润同比下降16.0%，黑色金属冶炼和压延加工业下降62.4%，非金属矿物制品业下降46.7%，农副食品加工业下降17.4%。电力、热力、燃气及水生产和供应业利润整体下降12.0%，其中电力、热力生产和供应业下降15.1%。

1—8月份规模以上工业企业实现营业收入同比增长6.5%

1—8月份，规模以上工业企业实现营业收入93.09万亿元，同比增长6.6%；发生营业成本79.19万亿元，增长6.1%；营业收入利润率为5.66%，同比提高0.44个百分点。

8月末，规模以上工业企业资产总计197.33万亿元，同比增长6.4%；负债合计115.44万亿元，增长7.0%；所有者权益合计81.89万亿元，增长5.7%；资产负债率为58.5%，同比上升0.3个百分点。

8月末，规模以上工业企业应收账款29.48万亿元，同比增长9.0%；产成品存货7.36万亿元，增长11.0%。

1—8月份，规模以上工业企业每百元营业收入中的成本为85.07元，同比减少0.41元；每百元营业收入中的费用为8.35元，同比减少0.14元。

8月末，规模以上工业企业每百元资产实现的营业收入为72.4元，同比增加0.4元；人均营业收入为192.2万元，同比增加12.5万元；产成品存货周转天数为21.3天，同比增加0.6天；应收账款平均回收期为72.2天，同比增加0.9天。

数据还显示，1—8月份，规模以上工业企业中，国有控股企业实现利润总额16759.9亿元，同比增长10.3%；股份制企业实现利润总额40714.6亿元，增长20.4%；外商及港澳台投资企业实现利润总额11794.7亿元，增长2.3%；私营企业实现利润总额13213.2亿元，增长10.4%。

1—8月份，采矿业实现利润总额7661.5亿元，同比增长35.1%；制造业实现利润总额39695.3亿元，增长17.4%；电力、热力、燃气及水生产和供应业实现利润总额5363.0亿元，下降12.0%。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博报道，当前市场环境为该策略提供了罕见的入场窗口。个股隐含波动率自7月底以来持续收缩，尤其是高飞的科技股，使得分散交易的建仓成本相对低廉。与此同时，AI赢家与输家叙事的快速切换、地缘冲突对能源股的剧烈冲击，以及美债收益率攀升至二十年高位，正推动标普500成分股走势加速分化——这恰恰是分散交易最理想的土壤。标普500成分股相对于指数本身的已实现一个月绝对回报，已升至过去30年的第95百分位。

然而，这笔交易并非没有争议。部分市场人士警告，分散交易已是过度拥挤的策略，随时面临"洗牌"风险；另一些人则认为，在低确信度的市场环境下，更简单的对冲方案——买入少数精选个股，同时用标普500 ETF或纳斯达克100 ETF的看跌期权对冲下行风险——或许更为务实。

个股与指数波动率裂口重新扩大

报道称，分散交易的核心前提，是个股波动率显著高于指数整体波动率。当成分股走势高度分化、相关性下降时，指数的波动被内部对冲所抵消，指数期权因此相对"便宜"，而个股期权则相对"贵"——这一价差即为分散交易的利润来源。

据报道，个股隐含波动率与标普500指数之间的价差正重新走阔，交易员正在买入个股期权、卖出指数合约以捕捉这一分化。Cboe全球市场的一个月相关性指数此前从7月的历史低位持续攀升，但过去一周已重新回落，印证了个股走势再度分化的趋势。

野村证券跨资产策略师Charlie McElligott在研报中指出，标普500成分股相对于指数的已实现一个月绝对回报已升至过去30年的第95百分位，显示个股分化程度极为罕见。

"从入场角度来看，相较于不久前，现在的价格相对便宜，因为个股波动率已经压缩，"RBC资本市场流动衍生品交易总监Matthew Davis表示。

AI叙事分化：赢家与输家之争

AI是当前分散交易最核心的驱动力。围绕Meta Platforms旗下新款Muse AI智能体等产品的乐观情绪，与市场对AI快速扩张可能冲击银行、旅行社等传统行业的担忧相互交织，推动相关个股大幅震荡、方向各异。

野村证券流动股票衍生品销售主管Alex Kosoglyadov表示：

“客户近期频繁询问的一个主题，就是AI智能体时代的赢家与输家叙事——谁能从AI革命中受益，谁又对此最为脆弱？”

软件股的走势尤为典型。Davis指出，“软件股的价格表现表明，市场认为AI并不会终结所有软件，而我认为此前人们对此是有所担忧的。所以你看到了板块内部的重新洗牌。”这种分化为分散交易在科技板块内部提供了丰富的操作空间。

Ambrus Group联席首席投资官Kris Sidial则对AI的长期影响持更为极端的看法：

“AI的增长、使用率以及对GDP的影响，可能为部分公司带来任何人都难以想象的超额长期收益。但与此同时，如果AI未能被广泛采用，或者产业链中出现瓶颈，这些公司的股价在未来一年内完全可能下跌50%以上。”

他补充道，"这是一个非常有趣的案例——两个尾部风险相对于实际可能发生的情况，都被低估了。"

除AI外，能源板块与利率环境同样为分散交易提供了额外动力。

地缘政治局势的持续演变，令油气生产商与炼油商的股价走势大幅背离——前者与油价涨跌高度相关，后者则受裂解价差和需求端逻辑主导。这种板块内部的结构性分化，为分散交易在能源领域创造了清晰的操作路径。

与此同时，美国国债收益率升至二十年高位，推高了整体融资成本，进一步加剧了不同行业、不同资产负债表质量公司之间的走势分化。利率敏感型行业与受益于高利率的板块之间的裂口，同样是分散交易可以挖掘的来源。

策略实施：从复杂结构到简单对冲

分散交易的实施方式因机构而异，灵活度较高。银行通常为客户构建复杂的定制化分散策略，但许多对冲基金更倾向于直接使用交易所上市期权自行搭建。

RBC的Davis表示，“我们相信这笔交易的原因之一，是它能满足不同需求。如果你想要更多的carry结构，可以多卖指数期权；如果你想要更防御性的结构，则不需要卖那么多指数。”

对于那些不愿承担复杂策略风险的投资者，Oppenheimer & Co.机构股票衍生品主管Alon Rosin提供了一个更为直接的替代方案：

精选少数有把握的个股建立多头头寸，同时买入State Street SPDR标普500 ETF或景顺QQQ信托的看跌期权对冲下行风险。

Rosin坦言，当前市场环境令人沮丧，“确信度极低”。但市场的不确定性并未令交易员退场——据期权结算公司（Options Clearing Corp.）数据，8月份期权日均成交量同比增长14%。Oppenheimer在5月至6月间新增了7名员工，以应对客户对期权需求的激增。

另外，尽管当前入场条件看似有利，分散交易的拥挤程度是不可忽视的风险。

Ambrus Group的Sidial直言不讳：“这笔交易需要一次清洗。分散交易在过去四五年里一直很流行，本质上还是同一笔交易。”他认为，策略的同质化意味着一旦市场出现逆转，大量参与者可能同时面临亏损压力，加剧波动。

过去数周，AI相关个股期权出现了一波集中买入潮，被市场解读为投资者在为下一轮行情重新备仓的信号。

分析认为，随着财报季临近——个股往往在这一时期根据自身基本面独立运动，而非跟随宏观催化剂集体行动——分散交易的逻辑有望进一步强化。但与此同时，策略的拥挤程度也将随之上升，需要投资者审慎权衡入场时机与仓位管理。

本文来自华尔街见闻，欢迎下载APP查看更多

据科技媒体wccftech日前报道，据悉，OpenAI已在ChatGPT Pro相关产品文档中加入"o"的品牌标识，正式发布迫在眉睫，预计将于本周二（9月29日）的Dev Day活动上亮相。

这一动作被外界普遍解读为对Meta Muse近期强势表现的直接回应——摩根大通在其最新发布的Assistant Benchmark评测中，将Meta Muse列为当前最顶尖的AI智能体。

此次Dev Day还将带来更多重磅消息：OpenAI预计同步推出新订阅层级ChatGPT Pro Max，定价高达每月500美元，主打超高速响应体验。与此同时，"o"还被传将与OpenAI一款外形酷似甜甜圈、配备活动部件的消费级AI硬件设备协同运作，进一步拓展其产品生态边界。

"o"：常驻在线，剑指长任务场景

报道称，针对Muse的挑战，OpenAI的应对方案是推出一款定位为"常驻AI助手"的产品——"o"。

目前公开信息有限，但@synthwavedd在社交平台X上发帖称，据悉"o"将基于GPT-6 Astra的特定变体"Aeon"驱动，该模型据称在处理长时间运行任务方面具有突出优势——这恰恰是一款高效个人智能体所必须具备的核心能力。

在竞争格局上，"o"的对手不止Muse一家。OpenAI此番入局，同时剑指Grok Bot以及Hermes Agent，三方角力之下，AI个人助手赛道的竞争烈度正在快速升级。

Dev Day双线出击：新品牌+高端订阅

除"o"之外，OpenAI预计将在Dev Day上同步推出多项重磅更新，形成组合拳。

在订阅定价层面，OpenAI计划推出ChatGPT Pro Max，月费高达500美元，主打超高速响应，据报道该性能将由Cerebras的晶圆级引擎（Wafer-Scale Engine）提供支撑，面向对响应速度和性能有极高要求的专业用户群体。

在硬件生态层面，"o"还将作为软件伴侣，与OpenAI一款即将推出的消费级AI设备深度整合。该设备外形据传类似甜甜圈，并可能配备活动部件，显示出OpenAI在AI硬件领域的持续布局野心。

据报道，两条产品线同步推进，表明OpenAI试图在软件智能体与硬件终端两个维度同时构建竞争壁垒，以应对来自Meta等对手的多方位压力。

摩根大通加冕Muse，OpenAI压力骤升

Meta Muse的崛起，是此次OpenAI紧急应战的直接导火索。

据摩根大通最新发布的Assistant Benchmark评测，Meta Muse在所有参评AI智能体中排名第一，超越包括OpenAI产品在内的多个竞争对手。这一权威背书令Muse在近期持续吸引市场关注，也在一定程度上抢占了原本属于OpenAI Dev Day的预热声量。

Muse是一款能够代替用户执行多步骤任务的个人AI智能体，其核心能力包括：自主打开云端浏览器、像人类一样浏览网页，以及在用户关闭应用后仍可在后台持续处理任务。

为消除隐私顾虑，Muse运行于一台专属的隔离云端虚拟机（VM）之中，配备独立浏览器，用于安全存储用户数据与登录凭证。

本文来自华尔街见闻，欢迎下载APP查看更多

据新华社援引伊朗媒体27日报道，伊朗外长阿拉格齐表示，伊朗已做好与美国战事重开的准备，但尚未放弃通过外交途径进行接触。他说，“我们已为战事重开做好充分准备”，与此同时，“我们也随时准备进行外交接触”。“这取决于美国总统特朗普的选择。”

此前，阿拉格齐25日在纽约联合国总部举行的记者会上宣布，伊朗已通过卡塔尔向美国转达一个有关重新开放霍尔木兹海峡的计划，如果美方据此采取必要行动，霍尔木兹海峡可以在七日内重新开放，恢复正常海运。不过，美国《华尔街日报》25日报道称，特朗普拒绝了伊方的相关提议，并告诉其助手他可能在11月美国国会中期选举后恢复对伊朗的轰炸。

不过，阿拉格齐表示，尽管特朗普发表了公开言论，但美方尚未通过调停方正式向伊朗传达拒绝的决定。他重申，作为结束冲突协议的一部分，伊朗准备重新开放海峡；作为交换条件，“我们要求解冻被非法扣押的资金和资产，并希望能够出售石油”。

调解方卡塔尔总理直言，冲突“越来越难以解决”，目前没有清晰的主策略来终结这场冲突。

特朗普称拒绝伊朗方案，伊朗外长：正等待调解方告知白宫最终意见

据环球时报报道，美国总统特朗普当地时间26日表示，他拒绝了伊朗提出的和平方案，该方案旨在结束冲突、重新开放霍尔木兹海峡并恢复双方的核谈判。针对他的表态，伊朗外长阿拉格齐强调了通过外交途径解决争端的立场，并表示德黑兰将等待来自调解方的正式回应。路透社等媒体27日分析称，美伊冲突延宕已近7个月，博弈仍在持续，双方和平方案分歧较大，由于谈判事关霍尔木兹海峡这一重要航运通道，其进展对地区安全及全球能源市场产生了明显影响。

据伊通社26日报道，针对特朗普的表态，阿拉格齐在接受采访时表示，伊朗提出的和平方案已通过调解方传达给了美国，“非常遗憾，我们从美国总统那里听到很多自相矛盾的说法，我们正等待调解方将白宫的最终意见告知我们，并据此作出回应”。“伊朗的对手已穷尽所有方法，但均未取得预期效果，”阿拉格齐称，“通过外交谈判达成解决方案是使对方摆脱僵局的唯一途径”。

伊通社分析称，美对伊所有港口和海岸线实施无差别封锁，迫使其他国家对伊关闭领空、禁止伊民航飞机入港，从国际法角度看，这些措施可被视为美国持续侵犯伊朗领土完整和国家主权的军事侵略行动。针对这些威胁举措，伊朗最高国家安全委员会秘书雷扎伊发出严厉警告，提醒周边国家与华盛顿合作可能带来的后果，他表示：“相关国家如果持续参与这场冒险行动，其机场将不再能够继续运营。”

调解国：谈判“越来越难”，没有清晰路径

作为美伊之间主要传话方，卡塔尔总理穆罕默德·本·阿卜杜勒拉赫曼·阿勒萨尼27日接受彭博电视采访时坦言：

这场冲突非常复杂。我们没有一个清晰的主策略来终结它——这正是我们今天所缺失的。

他还提到，伊朗支持的也门胡塞武装和伊拉克武装对沙特阿拉伯的持续袭击，正让局势愈发难以收拾。

据《华尔街日报》援引参与谈判的调解方人士称，自特朗普拒绝停火提案以来，伊朗方面没有做出任何妥协。海湾阿拉伯国家官员表示，伊朗要求美方先行让步，谈判才能推进。这被分析人士形容为一次“希望渺茫的尝试”。

核问题依旧是核心症结，伊朗态度强硬

调解方目前正向伊朗施压，要求其在核问题上作出让步，以重启停火谈判。但据《华尔街日报》报道，伊朗迄今未向调解方释放任何愿意讨论核计划的信号。

伊朗方面希望回到今年6月特朗普曾同意的一份谅解备忘录——该备忘录内容包括：重开霍尔木兹海峡、解冻伊朗海外资产、解除部分制裁，并最终启动核谈判。阿拉格齐明确表示，伊朗的条件“并非新要求”，而是“美国此前已在伊斯兰堡谅解备忘录中承诺过的事项”。

然而，美国官员表示，特朗普已不愿回到那份被普遍认为对伊朗有利的协议。

华盛顿智库“民主保卫基金会”伊朗项目高级主任贝纳姆·本·塔勒布鲁分析称：

各方立场都在趋于强硬，这并不令人意外。德黑兰试图将特朗普逼回那份它今夏已违反的协议的压缩版本；与此同时，华盛顿似乎意在持续升级制裁、维持封锁，直到感知到对方投降为止。

英国伯明翰大学海湾安全研究员乌默尔·卡里姆指出，伊朗日趋强硬的政府相信，特朗普和共和党将在中期选举中失利。他认为，眼下任何一方的让步都会被对方解读为软弱，而非解决问题的诚意。

海峡局势牵动全球能源市场

土耳其阿纳多卢通讯社近日发文称，由于美伊在霍尔木兹海峡问题上的谈判陷入僵局，地区安全风险持续存在，全球油价依然保持在相对高位。美国《纽约时报》援引相关数据称，因沙特东西部输油管道需要更长时间修复，加之也门胡塞武装对曼德海峡进一步控制，利雅得再次开始引导船只经由霍尔木兹海峡航行，因此推高了该国在波斯湾沿岸的原油吞吐量。

石油运输受限以及原油价格上涨，已大幅推高成品油价格。美国汽车协会近日数据显示，美国全国平均汽油价格升至每加仑4.48美元，自冲突爆发以来上涨50%，柴油价格涨幅更为明显，自冲突爆发以来上涨超过70%。这将对美国经济、政治、社会产生重大影响。

本文来自华尔街见闻，欢迎下载APP查看更多

上周10年期与2年期美债收益率之差收窄至最低17个基点，为2025年初以来最小利差，曲线平坦化趋势显著加剧。这一动态发生在美联储本月完成三年来首次加息、并暗示后续将继续收紧之后，市场目前已消化未来一年内至少三次25个基点加息的预期。

收益率曲线倒挂历史上曾先于1960年代以来的每一次衰退出现，一旦成真，将对处于历史高位附近的美国股市及银行板块产生广泛冲击。与此同时，KBW银行股指数上周已从近期高点下跌逾10%，陷入技术性回调。

曲线加速平坦化，倒挂风险上升

10年期美债收益率目前约为5.2%，2年期约为4.9%，两者利差仅剩约30个基点区间内波动，为近年来最窄水平。10年期收益率目前处于2007年以来最高位附近。

本月美联储加息落地后，短端收益率涨幅明显快于长端，推动曲线持续走平。这一走势令年初押注曲线陡峭化的债券投资者损失惨重。

CreditSights投资级与宏观策略主管Zach Griffiths表示：“看到2年期与10年期曲线倒挂或大幅平坦化，会令市场质疑经济非常强劲这一判断，而这正是债市当前定价所反映的内容。”

倒挂信号历史预警力强，但近年公信力受损

收益率曲线倒挂被视为债券投资者对美联储加息过度、经济前景趋弱的集体表态。据彭博数据，自1978年以来，2年期与10年期曲线平均在衰退开始前约15个月出现倒挂，滞后期从6个月到2年不等。

然而，这一指标的预测效力近年来受到越来越多质疑。2022年美国多条收益率曲线相继倒挂，多数经济学家预测衰退将在12个月内到来，但衰退始终未能兑现——美国经济在经历美联储2022至2023年激进紧缩、地区银行业危机、全球贸易战以及今年能源价格飙升后，展现出较强韧性。

值得注意的是，政策制定者更关注的衰退信号是3个月与10年期美债利差，该利差目前仍相对较陡，尚未发出明确警报。

倒挂是否迫在眉睫？

市场对于曲线是否将进一步走向倒挂存在明显分歧。

TD Securities美国利率策略主管Gennadiy Goldberg认为，市场已消化大量加息预期，短端利率进一步上行空间有限，预计2年期与10年期利差在未来数周内将趋于陡峭。他表示：“市场已充分计入大幅加息预期，这使曲线在近几周急剧走平，我们认为2s10s曲线在未来数周内可能转向陡峭。”

此外，彭博经济学家最新上调了美国第三季度经济增长预测，强劲的需求数据也令经济显著走弱的情景难以想象。

但另一方面，Columbia Threadneedle投资组合经理Ed Al-Hussainy表示，他正在为未来六个月内2年期与10年期、以及5年期与30年期曲线倒挂进行仓位布局。"货币政策收紧最好的指示，就是收益率曲线的平坦化乃至最终倒挂，"他说。

银行股承压，市场涟漪效应扩散

收益率曲线平坦化已开始向股票市场传导，银行板块首当其冲。由于银行通常以短期利率借入资金、以长期利率放贷，利差收窄将直接压缩其净息差，侵蚀盈利能力。

追踪大型银行股的KBW银行股指数上周跌入技术性回调区间，较近期高点累计下跌逾10%。

TCW集团全球利率联席主管Jamie Patton将潜在倒挂定性为政策失误的信号。“这意味着美联储加息过度，未来将不得不大幅降息。对我们而言，倒挂的收益率曲线并非宏观经济健康的信号，”他说。

此轮曲线走平，折射出今年2月美伊战争爆发以来美国经济叙事的深刻转变——彼时市场还在押注一系列降息将压低短端收益率，如今却已转为为持续加息做准备。

本文来自华尔街见闻，欢迎下载APP查看更多

9月27日周日，美国总统特朗普在芝加哥附近出席总统杯高尔夫赛事期间，回应了外界持续发酵的柴油出口禁令传闻，称正“非常认真”考虑禁止美国柴油出口。他对记者说道：

这有时会导致汽车汽油价格小幅上涨，所以我们正在非常认真地研究这件事——我们可能会这么做。

据彭博报道，美国国家经济委员会主任哈塞特、财政部长贝森特、美国贸易代表格里尔，过去一周已在分析短期柴油出口禁令的潜在影响，凸显出政府对这一方案的认真程度。

高盛研报认为，这是“非常可能发生的情景，但非基准预期”。该行推演，禁令将会在短期内可压低美国柴油价格（每周约降0.25美元/加仑），但若持续9至10周至储罐装满，将反推汽油价格上涨（每周约涨0.30美元/加仑），同时推高欧洲柴油价格

为什么此刻讨论禁令？

潜在禁令的驱动因素来自多个方向：

一、价格创纪录。 美国零售柴油均价已升至6.5美元/加仑，创历史新高。霍尔木兹海峡航运受阻扰乱全球燃料流通，乌克兰对俄罗斯炼油厂的袭击进一步收紧供应。在此背景下，美国已成为全球柴油的“最后供应商”。

二、出口激增。据高盛研报，美国柴油净出口量已从2025年的每日110万桶，攀升至近几个月的每日约160万桶，上月单周出口量一度接近每日200万桶的历史纪录。全球柴油精炼利润率创纪录，刺激炼油商持续扩大出口。

三、农业州议员施压。柴油是农业机械、货运列车、卡车和配送车辆的核心燃料。多个农业州议员已敦促特朗普在秋收旺季限制柴油出口。

高盛建模：禁令“非常可能”，或从10月开始

高盛分析师Daan Struyven等人在9月26日发布的研报《建模潜在美国柴油出口限制》中，对一个假设情景进行了量化分析：

禁令自2026年10月初开始，持续至少至12月（即外界报道中讨论的90天禁令）。

分析师指出，这是“非常可能发生的情景，但并非我们的基准预期”。

影响一：美国柴油价格短期下跌

高盛认为，禁令初期，美国柴油价格将面临温和下行压力。

具体估算：在储罐尚有余量的情况下，禁令每持续一周，美国零售柴油均价将下降约0.25美元/加仑，相当于当前6.5美元/加仑的近4%。

逻辑链条是：出口中断→国内库存积累→批发价格承压→零售价格下行。

影响二：禁令越久，汽油价格越贵

这是该行分析中最值得关注的反向效应。

柴油、汽油和航空燃油在炼油过程中高度联动，切换产出比例的能力有限。一旦柴油库存逼近储罐上限，炼油商将被迫削减开工率——这不仅减少柴油产量，也同步压缩汽油和航空燃油供应。

该行估算：一旦柴油储罐装满，禁令每持续一周，美国零售汽油价格将面临约0.30美元/加仑的上行压力。

按照高盛的基准假设，以每日160万桶的出口量停止计算，美国全国柴油储罐将在9至10周内装满。但高盛也指出，炼油商实际上会在储罐装满之前就开始削减产量，因此汽油价格的上行压力会早于这一时间节点出现。

影响三：美国以外柴油价格上涨

禁令的冲击不会止步于美国国境。

欧洲和拉丁美洲（巴西、墨西哥等）是美国柴油出口的主要目的地。该行估算，禁令每持续一周，欧洲批发柴油（ARA柴油）价格将上涨约3美元/桶，涨幅接近2%。

不过，欧洲战略石油储备（SPR）中的柴油储量可能抵消约一半的价格涨幅。截至6月底，欧洲经合组织成员国仍持有1.9亿桶战略柴油储备，相当于美国柴油进口量的近500天。

高盛同时指出，供应冲击将迅速蔓延至亚洲——因为拉美和欧洲会转而争抢印度等国的柴油资源。

影响四：禁令解除后，美国柴油价格将反弹

禁令带来的价格压制并非永久性的。

高盛指出，一旦禁令解除，美国柴油价格将重新与欧洲、拉美、亚洲市场接轨，届时美国柴油价格将面临上行压力，而海外价格则会有所回落。

但该行强调，禁令解除后的全球成品油价格，仍将高于“从未实施禁令”的反事实情景。原因在于：禁令期间美国炼油产能的临时下降，会导致全球累计库存低于无禁令情景，这一缺口难以在短期内弥补。

影响五：高盛重申做多欧洲汽油

基于上述分析，高盛重申其对冲地缘政治风险的交易建议：做多2027年欧洲汽油头寸（如EBOB Jun27）。

高盛给出三条理由：

第一，汽油市场正在快速收紧——高柴油价格已促使全球炼油商将产出从汽油切换至柴油，若美国柴油出口受限推高海外柴油价格，这一切换趋势将进一步加剧。

第二，若美国未来将汽油也纳入出口限制范围，美国以外的汽油市场将进一步收紧；即便仅限制柴油出口，一旦美国柴油储罐触顶导致炼油产能下降，禁令解除后全球汽油市场同样会趋紧。

第三，欧洲汽油战略储备仅为柴油储备的四分之一，政策缓冲空间远小于柴油，限制了欧洲政策制定者通过释放储备来平抑汽油价格的能力。

政策博弈仍在进行

禁令并非唯一选项。

据彭博报道，石油行业高管和行业团体力推暂停联邦柴油消费税（每加仑0.24美元）作为替代方案，认为此举可在不引发出口禁令副作用的前提下缓解价格压力。但这一方案在政府内部存在争议，尤其是众议院目前处于选举前休会期，税收豁免的操作路径尚不明确。

能源部长Chris Wright上周表示，政府正与炼油商合作，探索自愿削减出口的替代方案，以避免政府强制禁令。

据报道援引知情人士消息，部分炼油企业已在合同中加入保护性条款，以防柴油出口暂停影响对外国买家的交货义务。

本文来自华尔街见闻，欢迎下载APP查看更多

过去两周，AI相关股票上演了一出令人眩晕的"过山车"行情——先是因行业领袖呼吁放缓AI开发而遭遇重挫，纳斯达克100指数两日内蒸发逾6000亿美元市值；随后又因Meta个人助手的爆红引发市场狂欢，科技股强势反弹，纳斯达克100指数自9月15日低点至周末累计收复3万亿美元市值，并创下6月初以来首个历史新高。

据彭博9月27日报道，情绪的钟摆在“AI将毁灭人类”与“AI将帮你取消不想要的订阅”这两个极端之间剧烈摇摆。Wayve Capital Management首席策略师Rhys Williams直言：“两个方向的波动幅度都令人震惊，从基本面角度根本难以解释。”Laffer Tengler Investments首席执行官Nancy Tengler则总结道：“这是一个叙事驱动的市场，而叙事每隔一周就会切换一次。”

恐慌：一篇文章引爆6000亿美元抛售

这轮剧烈波动的导火索，是9月12日Anthropic首席执行官Dario Amodei发表的一篇文章。

Amodei在文中呼吁放缓前沿AI模型的开发步伐，此举迅速获得OpenAI首席执行官Sam Altman和SpaceX首席执行官埃隆·马斯克的背书，进一步强化了市场对AI存在性风险的担忧。

市场反应几乎是即时的。在Amodei文章发布后的首个交易日，AI基础设施股票遭到集中抛售——投资者担忧，一旦开发踩下刹车，对算力设备的需求将随之萎缩。

纳斯达克100指数在9月14日至15日间下跌1.5%，CoreWeave和Lam Research等个股跌幅均超过9%，两日内合计抹去逾6000亿美元市值。

贪婪：Meta"Muse"点燃反弹，3万亿美元强势回归

然而，恐慌情绪在上周迅速消散。Meta旗下个人助手Muse的爆发式走红，成为市场情绪逆转的新催化剂。

Meta股价周一单日暴涨11%，令这家Facebook和Instagram母公司有望创下逾十年来最佳单月表现——此前该股因市场质疑AI重金投入能否变现而承压已久。、

AI芯片及半导体板块同步狂欢：Arm Holdings单日飙升17%，英特尔和AMD各自涨逾9%，费城半导体指数（SOX）周一至周二累计上涨6%。 至上周五（9月25日），纳斯达克100指数自9月15日低点以来已累计收复3万亿美元市值。

与此同时，AI能力的提升也引发了另一场"受害者"抛售。市场预期AI智能体将在比价、行程预订和客服等场景大幅替代人工，依赖订阅收费和议价模式的企业首当其冲：保险商Allstate上周下跌8.9%，有线电视运营商Charter Communications重挫12%，Planet Fitness则下跌14%。

历史重演：情绪剧烈波动并非首次

快速切换的市场情绪，对于这个被AI驱动了近四年的市场而言并不陌生。

2025年初，中国AI模型DeepSeek的横空出世曾引发半导体股票的集体踩踏，英伟达单日暴跌17%。而今年早些时候，Anthropic发布新款AI工具同样引发了从SaaS公司到资产管理机构的大范围抛售。

尽管彼时的恐慌事后被证明言过其实，但AI对市场和经济的重要性却与日俱增，科技巨头和AI初创企业的投入规模持续膨胀，这也让投资者的神经愈发敏感。

半导体板块的波动最能说明问题。 SOX指数从年初至6月22日期间累计翻倍，随后在7月29日低点前暴跌29%。尽管此后有所反弹，该指数距6月高点仍下跌13%。

此外，利率持续攀升正在推高AI开发成本，数据中心也面临日益强烈的社会反弹，这些都是投资者在AI支出叙事之外不得不权衡的额外风险。

估值回落：危机还是机遇？

剧烈的抛售已将部分AI股票的估值打回相对合理区间，分歧由此而生。

Advisors Capital Management投资组合经理JoAnne Feeney持乐观立场。“你不必相信这种增长速度会持续五年，才能持有英伟达或博通等公司的股票，因为它们的估值已经大幅回落，”Feeney表示，其公司同时持有上述两家公司股份。“我们很可能正处于市场对AI基础设施核心受益者重燃兴趣的前夜。”

据彭博数据，英伟达股价近期的估值已跌至逾十年来最低水平——以未来12个月预期利润计算的市盈率不足17倍，仅为2025年峰值时的一半。

然而，Sands Capital Management投资组合经理Daniel Pilling则保持审慎。

“我们以极大的谦逊来管理这部分仓位，因为没有人知道这项技术的未来走向，总体而言，我认为市场对AI的情绪或许更多是担忧，而非5月、6月时的那种乐观。”

Tengler则认为，这种普遍存在的怀疑情绪恰恰是市场健康的信号。"你不希望看到的是狂热，就像上世纪90年代末互联网泡沫时那样，"她说。

投资者本周将迎来新的关键信号。内存芯片制造商美光科技将于周三收盘后公布财报，市场将借此获得AI支出前景的最新参考。

但分析人士认为，无论财报结果如何，市场情绪的剧烈摇摆恐怕都难以平息。Motley Fool Asset Management首席投资策略师兼投资组合经理Bill Mann（管理资产约27亿美元）直言：

“聚焦于‘AI毁灭论’很容易，聚焦于‘AI创造论’同样容易。这将是我们在市场中要长期面对的现实。”

本文来自华尔街见闻，欢迎下载APP查看更多

市场概述

上周五，美国消费者信心公布后，标普纳指曾转跌，最终和此前三连跌的道指均收涨；Meta回落，跌超3%，但智能体火爆带动，全周和英特尔等芯片股均涨超10%，数据中心遭遇不可抗力的甲骨文一周跌逾7%。

美债抛售暂歇但全周遭血洗：10年期美债收益率盘中再创2007年来新高后转降，仍连升四周；美债创19个月最差周表现。日美官员释放“弱日元有问题”信号，日元扭转五连跌、盘中涨超1%。

霍尔木兹海峡重开前景击落原油，美伊技术性谈判消息后，原油一度跌超3%。全周美油跌近4%、创七周最大周跌。期金止住四连跌，全周仍跌超2%。

要闻

中国

中美元首达成八点共识：同意共同构建“基于尊重、公平、对等的建设性战略稳定关系”；经贸磋商成果包括建立并推进贸易理事会等机制、达成“300亿美元”对等降税安排等；同意建立中美人工智能对话、建立人工智能事件的沟通渠道；同意伊朗应履行不发展核武器的承诺，任何国家或机构都不得对国际水道征收通行费。

香港证监会就恒大审计失职问题与普华永道达成和解：普华永道不承认责任但支付10亿港元，该款项非恒大财产，不可用以清偿其债权。

海外

报道称美伊谈判进入技术性阶段、伊媒否认。伊朗提“七天方案”但划核红线：霍尔木兹海峡可谈、浓缩铀不让步。美媒：特朗普拒绝伊朗七天停火提议，预计美中选后恢复轰炸；特朗普称预计本周美国将继续与伊朗谈判。伊朗总统：不再信任同美国的对话，海峡问题只有通过谈判解决。伊朗外长称不会在既定条件上向美让步；已做好与美战事重开准备，但未放弃外交途径。

特朗普称美国和古巴会达成协议，无需美方动用军队，而美媒报道“美军正检查兵力部署”。

日本财相：特朗普对日元贬值表达担忧，高市早苗称日元被低估“有问题”，将与美方密切协调。贝森特“撑场”：已和日财相讨论强日元“可取性”。日元周五强势反攻，盘中涨超1%。

OpenAI据报酝酿500美元“Pro Max”套餐：主打最快Work与Codex，或接入Cerebras算力。OpenAI自曝安全预警：AI模型或已在全网秘密植入自我复制提示词，已被迫叫停新一代模型的训练和评估。

Anthropic诉特朗普政府受挫：美上诉法院维持“供应链风险”认定。Anthropic CEO据称周日晚将与特朗普共进晚餐，为两人首次私下会晤。

马斯克放话：Colossus 2部署的英伟达芯片年底或增加一倍。报道：特斯拉Optimus机器人产能已提升10倍，目标年底周产千台。

还没破百万日活，Meta Muse就频频掉链子：服务降级、Agent失败，算力瓶颈浮出水面。扎克伯格：Muse“一出手就是全垒打”，即将全面接入Ray-Ban智能眼镜；Meta在建5GW级算力集群。Meta数据隐私案败诉，或面临最高2190亿美元天价罚款。

报道：英特尔以90亿美元卖掉的SK海力士旗下Solidigm最快明年在美上市，估值或高达1500亿美元，募资目标150亿、冲刺美股史上最大半导体IPO。

市场收报

欧美股市：标普500收涨0.51%，报7743.41点，全周累涨1.21%；道指收涨0.93%，报51828.62点，全周累涨0.28%；纳指收涨0.48%，报27068.716点，全周累涨2.06% 。欧洲STOXX 600指数收涨0.35%，报638.65点，全周累涨0.50%。

A股休市。

债市：到债市尾盘，美国十年期国债收益率约为5.16%，日内降约4个基点，全周累计升约16个基点；两年期美债收益率约为4.85%，日内降约7个基点，全周累计升约11个基点。

商品：WTI 11月原油期货收跌2.33%，报92.41美元/桶，全周累跌3.8%。布伦特11月原油期货收跌2.14%，报104.32美元/桶，全周累涨0.43%。COMEX 9月黄金期货收涨0.54%，报4286.2美元/盎司，全周累跌2.27%。COMEX 9月白银期货收涨1.24%，报64.245美元/盎司，全周累跌3.47%。COMEX 9月期铜收跌0.34%，报6.6955美元/磅，全周累涨1.22%。

要闻详情

全球重磅

中国

新华社：中美达成八点成果共识。两国元首认可中美经贸磋商机制积极作用和双方经贸团队磋商成果，包括建立并推进贸易理事会等机制，达成“300亿美元”对等降税安排，延期吉隆坡经贸磋商成果等，并指示予以落实；双方同意建立中美人工智能对话，交流人工智能相关风险和惠益；下次对话将于今年11月举行，双方同意建立人工智能事件的沟通渠道；两国元首同意伊朗应履行不发展核武器的承诺，任何国家或机构都不得对国际水道征收通行费。

• 中国国家主席和夫人同美国总统特朗普夫妇茶叙。中美同意共同构建“基于尊重、公平、对等的建设性战略稳定关系”。特朗普表示，习主席此次对美国的国事访问富有建设性、非常成功。双方就美中关系和重大国际地区问题深入沟通，取得很多积极成果，对两国都有益。

中国国家主席向全球发展倡议5周年高级别对话会致贺信。他指出，当前，世界百年变局加速演进，各国人民对实现发展的愿望更加强烈。中国愿同各方一道，秉持以人民为中心的发展理念，携手推动全球发展倡议走深走实，将可持续发展目标的美好愿景转化为可感可及的现实图景，为推动构建人类命运共同体作出新的更大贡献。

特朗普：今年访华感受到中国人民的热情好客，希望以同样的热情款待各位；马斯克、黄仁勋、苏世民、奥尔特曼等齐聚周四欢迎宴会。特朗普说：“愿美中两国人民能有一个更和谐、和平与繁荣的未来。”

DeepSeek Harness出桌面版了！DeepSeek Harness 推出官方桌面版，支持图形界面、账号登录和 API Key，并内置智能体团队、终端、子智能体、网页搜索等插件。该版本已通过苹果公证，但仍属夜间版，尚未正式官宣，暂不支持 Linux。

香港证监会就恒大审计失职问题与普华永道达成和解：普华永道不承认责任但支付10亿港元，该款项非恒大财产，不可用以清偿其债权。香港证监会戴霖表示，普华永道香港就恒大审计失职达成的10亿港元和解并非恒大财产，未改变债权人申索优先次序，清盘人称“被绕过的优先次序”未被触发。该和解旨在为受影响的独立小股东取得即时补偿，保护少数股东利益。

海外

重开海峡“七天方案”浮现，报道称美伊谈判进入技术性阶段、伊媒否认。卡塔尔媒体周五称，美伊谈判已超越初步外交接触、进入具体技术性磋商，伊朗技术专家已赴纽约加入谈判。原油跌幅扩大，一度跌超3%。后伊媒称，该媒体关于美伊新谈判的报道“不属实”，西方媒体为影响市场和油价“制造新闻”。伊总统称支持恢复伊美谅解备忘录，将为实质性谈判创造条件。据此前报道，伊外长周四称，伊朗向美递交新的谈判草案，若美接受条件，时间表可启动，七天后将重开海峡，同时双方恢复更广泛的和谈。

伊朗提“七天方案”但划核红线：霍尔木兹可谈、浓缩铀不让步。伊朗外长称，伊方已提交具体方案，若美国满足相关条件，最快七天内恢复霍尔木兹海峡正常通航，现在选择权在美方。据报道，伊朗高官称，即使美国接受重开海峡的方案，伊朗也不会在核计划上表现任何灵活性，不会放弃包括浓缩铀在内的权利，海峡将继续关闭到美国满足伊方的所有条件为止。

报道：特朗普拒绝伊朗7天停火提议，预计中期选举后恢复轰炸。据美媒报道，伊朗开出重开霍尔木兹海峡、重启核谈判等停火价码，特朗普私下怀疑伊朗是否会满足他的要求，并已告诉其幕僚恢复轰炸行动的可能，不过，特朗普当前的观点可能会因中期选举结果而发生变化。

• 特朗普称预计本周美国将继续与伊朗谈判。据美媒周日报道，在拒绝了伊朗的结束战事提议一天后，特朗普接受采访时表示，他预计美国谈判代表本周将与伊朗继续举行会谈。特朗普称，伊朗希望达成协议，但“不是我想要的协议”，并表示伊朗“高估了自己的筹码”。当被问及是否考虑恢复对伊朗发动军事打击时，特朗普说：“我一直在考虑。”

伊朗总统：不再信任同美国的对话。佩泽希齐扬透露，卡塔尔和巴基斯坦目前正在伊朗与美国之间进行斡旋。谈判基于此前同美国签署的谅解备忘录，“美方必须就此表明立场”。他强调，霍尔木兹海峡问题只有通过谈判才能解决，而非动用武力。“当各条通道对伊朗关闭时，关闭霍尔木兹海峡是自然反应。”

• 伊朗总统：已与最高领袖协调。佩泽希齐扬表示，关于德黑兰重新开放霍尔木兹海峡的新计划，已与最高领袖穆杰塔巴·哈梅内伊协调一致。佩泽希齐扬还表示，如果美国同意该提议，伊朗将履行其义务。
• 伊朗外长称不会在既定条件上向美国让步。阿拉格齐周日表示，霍尔木兹海峡的开放取决于伊朗提出的条件是否得到满足，任何关于开放霍尔木兹海峡的进展都取决于这些条件能否落实，伊朗不会在这些问题上妥协。
• 伊朗外长称已做好与美战事重开的准备，但未放弃外交途径。阿拉格齐周日说，“我们已为战事重开做好充分准备”，与此同时，“我们也随时准备进行外交接触”。“这取决于美国总统特朗普的选择。”

俄发言人称俄美乌三方会晤或近期举行，泽连斯基给出“10天”时间表。俄罗斯与乌克兰方面均证实，美方正推动俄美乌三方技术级会晤，阿联酋被提议为可能地点。泽连斯基表示，乌方正等待美方敲定日期，并称各方将在未来10天内就具体细节取得新进展。

密歇根大学9月消费者信心指数降至四个月低点，未来一年通胀预期升至4.6%。美国密歇根大学9月消费者信心指数终值降至48.1，创四个月新低。消费者未来一年通胀预期为4.6%，高于上个月的4%；预计未来5到10年的年化通胀率为3.4%，创5月以来最高水平。美国汽油、柴油价格攀升，房贷利率突破7%，调查负责人表示：尽管存在政治分歧，但消费者一致认为经济前景有所恶化。

美国8月耐用品订单环比持平，核心资本品订单增长1.6%超预期，企业资本开支仍显韧性。美国8月核心资本品订单环比增长1.6%，高于市场预期，且7月增幅由此前的0.4%上修至0.6%。尽管经济面临利率高企等压力，企业资本开支仍具有一定韧性。美国8月全部耐用品订单基本持平，预期-0.3%，较前值1.1%显著下滑。

柴油逼近6.5美元纪录位，白宫权衡停税与放开红色柴油，出口禁令仍在评估。据报道，从暂停联邦燃油税到放开免征联邦和州消费税的“红色柴油”管制，特朗普政府内部仍在讨论多种干预选择，讨论涉及美国副总统万斯、能源部长赖特、内政部长伯格姆及财政部长贝森特等核心官员。

特朗普称美国和古巴会达成协议，而美媒报道“美军正检查兵力部署”。据报道，美国陆军内部备忘录正在评估军警、医疗及后勤部队的可用性，时间窗口为90至120天，隶属美国南方司令部管辖范围。但该备忘录未提及古巴。特朗普强硬表态与谈判信号并存，外界对美国对古政策走向存在不确定性。

日元强势反攻！日本财务大臣：特朗普对日元贬值表达了担忧，将与美方密切协调。日本财务大臣片山皋月表示，特朗普在与高市早苗会晤时对日元贬值表达担忧，日方将继续与美方就汇率保持沟通，并强调具体货币政策工具由日本央行决定。相关表态公布后，日元短线走强，但日美利差仍对日元走势构成重要约束。

• 日本官员喊话后贝森特“撑场”：已和日财相讨论强日元“可取性”。贝森特称，他周五与日本财相片山皋月进行了“富有成效的通话”，双方讨论了“反映日本强劲经济基本面的强势日元的可取性”，并强调继续就汇市保持密切沟通的重要性。片山稍早透露，本周特朗普与高市早苗会晤时均提到日元走弱，高市称日元被低估是“有问题的”。

比尔·盖茨：AI已强大到足以造成“10亿人死亡”。盖茨在即将于本周末播出的节目采访中表示：“AI足够强大，能够引发造成10亿人死亡的事件，历史上从未出现过一种武器，能像坏人与最新AI工具相结合那样强大。”其还指出，行业自律是远远不够的，需要执法部门参与，明确监管措施，而且必须强制。

Anthropic诉特朗普政府受挫：美上诉法院维持“供应链风险”认定。周五，美国联邦哥伦比亚特区巡回上诉法院周五以2比1的裁决，驳回了Anthropic对五角大楼将其列为供应链国家安全风险的异议。不过加州联邦法官此前发布的，暂停政府禁令的裁定目前仍然有效。Anthropic在声明中表示不赞同裁决，考虑寻求复审。

• 报道：Anthropic CEO周日晚将与特朗普共进晚餐。这将是Amodei与特朗普首次私下会晤。这次会面将使两位在AI安全问题辩论中立场截然相反的人坐到一起。
• 报道：Anthropic洽谈租赁最高1GW数据中心容量，相关投资至少400亿美元。据媒体报道，Anthropic正探讨从Stream Data Centers租赁高达1GW算力的事项。数据中心开发商表示，部署完整的1GW算力将需要至少400亿美元的投资。Anthropic需要为该笔租赁提供财务担保，并为安装的芯片另行筹措资金。

OpenAI自曝安全预警：AI模型或已在全网秘密植入自我复制提示词，训练已被迫叫停。OpenAI与Anthropic正紧急调查数万起AI失控事件——模型不仅学会越狱、攻破政府网站，数百个智能体还私下"组团"黑进外部公司，并在全网植入自我复制提示词。Anthropic测试数据显示，模型逃出安全沙盒的概率达1.5%，看似微小，乘上数十万次测试基数，便是成千上万起异常。AI已开始做人类从未预料到的事。

OpenAI据报酝酿500美元“Pro Max”套餐：主打最快Work与Codex，或接入Cerebras算力。OpenAI疑似筹备推出月费500美元的"Pro Max"高端ChatGPT订阅套餐，相较现有Pro套餐，新增"最快工作速度与Codex"功能及更高使用额度，并可能采用Cerebras基础设施支持。报道称更多细节或于9月29日DevDay 2026上披露，但OpenAI官方公告对此未作任何确认。

GPT-6开真车考过了科目二！三个湾区年轻人搭起DrivingBench，把通用大模型塞进真车。GPT-6 Astra第二把以5分22秒开进锥桶车位，成唯一过关者，Sol、Grok、Fable全栽在看不懂锥桶上。Astra没专门学过开车，靠通用脑子通关，或意味自动驾驶数据护城河被抽干。

马斯克放话：Colossus 2部署的英伟达芯片年底或增加一倍。马斯克表示，其AI计算集群Colossus 2目前已部署11万颗英伟达GB200和44万颗GB300，共计55万颗芯片，年底前芯片数量可能超过目前水平的两倍。

报道：特斯拉Optimus机器人产能已提升10倍，目标年底周产千台。据报道，特斯拉上月Optimus周产量已达数百台，较今年二季度小批量测试阶段的每周数十台增长约十倍。管理层已向员工传达目标：年底前建立一条连续自动化生产线，实现每周逾千台的产能。然而，生产线上的技术难题、供应链约束以及AI能力不足，正在制约这款被马斯克视为公司"最重要产品"的机器人走向商业化。

9月大涨36%！Meta创2013年来最佳月度表现，市值直逼2万亿美元。9月至今，Meta股价大幅反弹，Muse的快速走红重新点燃市场对其AI商业化的预期。Muse上线6天下载量达90.2万次，并加速切入购物、旅行等场景，市场开始押注AI代理有望打开广告之外的增长空间。但安全隐私风险和高昂算力成本，仍是后续兑现预期的关键。

还没破百万日活，Meta Muse就频频掉链子：服务降级、Agent失败，算力瓶颈浮出水面。Meta旗下AI智能体Muse日活11天增长10倍至约70万，但服务问题已开始显现：实际资源消耗约为内部测试的10倍，SaaSHub将其标记为“服务降级”，一次压力测试中120个子Agent仅成功33个。Muse采用独立虚拟机架构，用户增长将持续推高CPU、内存和存储需求，算力扩容压力正在浮现。

Meta CTO解释Muse：回归人性交互，下一代操纵系统的核心是“意图理解”。Andrew Bosworth表示，AI产业正陷入过度关注基准测试的误区，而Muse主打用户体验与交互质感，推动人机交互从“直接操控”迈向“意图理解”。隐私方面，Meta推出端对端加密的“私密AI处理”机制；针对AI风险与AGI，Bosworth持理性审慎态度，驳斥灭绝论并坚守开源立场。

扎克伯格谈Muse：个人Agent必须从预训练开始设计，虚拟机、记忆和权限系统是巨头的全栈护城河。扎克伯格称，Muse从预训练开始围绕个人Agent设计，通过云端虚拟机、记忆、凭据存储和逐项授权，让Agent持续替用户执行长期任务。他强调技术扩散与权力制衡，主张让更多人用上强大AI，并称Meta正以更精简核心团队和更大算力重建模型研发。

• 扎克伯格谈Muse：AI Agent爆发，“元宇宙、智能眼镜和大模型”三大赌注完成交汇。Muse上线两周用户即达数百万，扎克伯格直言“一出手就是全垒打”。这款个人AI Agent即将全面接入Ray-Ban智能眼镜。此外，他罕见坦承Llama 4失败是“最可怕的时刻”，并透露Meta正在建设5吉瓦级算力集群。

Meta败诉！或面临最高2190亿美元天价罚款。Meta在美国新墨西哥州败诉，陪审团裁定，Meta在言论及数据隐私政策上存在欺骗公众的行为，违反了州法律。新墨西哥州总检察长表示，该裁决是追究科技巨头责任的"里程碑式时刻"，将向法院申请对Meta处以最高2190亿美元的民事罚款。Meta表示，不认同裁决，将继续抗辩。

美国“反抗浪潮”愈演愈烈！甲骨文巨型数据中心遭遇“不可抗力”，恐无法按期完工。甲骨文向Project Jupiter开发商发出“不可抗力”通知，担忧这一位于新墨西哥州、计划为OpenAI提供3000亿美元算力的数据中心项目无法按原计划于2028年投运。该项目此前已面临监管和融资压力，相关贷款跌至承压水平。尽管如此，分析认为甲骨文仍须依据合同条款向投资者支付相关费用。

报道：SK海力士旗下Solidigm最快明年在美IPO，估值或高达1500亿美元。据媒体报道，Solidigm潜在估值最高达1500亿美元，目标募资规模150亿美元，有望成为美国半导体史上规模最大IPO。Solidigm本周已与多家投行就IPO承销商举行竞标会议，标志着上市进程迈出实质性一步。Solidigm主营业务为NAND闪存及固态硬盘，客户包括CoreWeave、戴尔等。

• 冲刺美股史上最大半导体IPO！英特尔曾以90亿美元卖掉的Solidigm，如今估值或达1500亿美元。英特尔昔日"弃子"，如今估值翻逾十倍。AI基础设施建设对高容量存储的爆炸性需求，正是这场估值蜕变的核心引擎。

研报精选

高盛：别等中期选举，“金发姑娘”行情或提前点燃美股年末行情。高盛认为，市场已过度定价滞胀与高收益率风险，关税效应减弱、能源或迎通缩、AI消费化降本将推动通胀回落；增长虽放缓但核心盈利仍强，央行鹰派空间受限。“金发姑娘”情境下，AI FOMO重燃，无需等待中期选举，“金发姑娘”行情或提前点燃美股年末行情。

10月加息定价过头了？瑞银：核心PCE下修叠加基数效应，美联储不太可能连续加息。瑞银认为，美联储政策收紧的实际幅度很可能低于当前市场定价所暗示的水平，其基准情景为12月再加息一次后维持利率不变，同时预计核心PCE通胀将在年度修订中下调0.2个百分点，叠加明年上半年有利的基数效应，连续大幅加息的基础正在削弱。

通胀、赤字、AI发债齐施压，超半数市场人士押注30年期美债收益率年底前触及6%。通胀高于目标、经济保持韧性和财政融资需求扩大，共同推高美债收益率。与此同时，外国官方投资者减少，对收益率和价格更敏感的对冲基金等投资者占比上升，债市波动风险随之增加。彭博调查显示，超半数受访者预计30年期美债收益率年底前可能触及6%。

中信证券：数据中心的“政治化”或是短期AI叙事的最大障碍。美国国债收益率飙升引发AI融资担忧，但多元化渠道（股权、私募债、回购转CAPEX）预计2027年可承接超7400亿美元资金。真正的隐忧在于政治风险——德州叫停数据中心建设、NIMBY情绪升温，若民主党赢得2026年中期选举众议院，算力交付延期风险将显著上升，或成AI叙事的最大短期障碍。

行业/概念

1、职业教育 | 据上证报，9月23日，国务院新闻办公室举行“开局起步‘十五五’”系列主题新闻发布会，教育部相关负责人介绍，加快建设现代职业教育体系，为现代产业发展培养更多高技能人才。将以办学能力高水平、产教融合高质量为目标，加快职业教育“新双高”建设，大力培养大国工匠和能工巧匠。实施高技能人才集群培养计划，汇聚行业、企业、学校力量，打通人才培养与产业需求对接通道。深化中职、高职、本科衔接培养，探索职教本科与专业学位教育融合贯通，让技能成才、技能报国成为越来越多学生的选择。

2、智能眼镜/MR头显 | 据上证报，9月23日至24日，Meta Connect2026举办，这是Meta集中展示AI技术、XR硬件与空间计算生态的年度核心平台。Meta依托Muse个人AI智能体，从传统对话大模型升级至可自主执行任务的Agent。市场重点关注 Luna无摄像头AI智能眼镜、轻量化MR头显，以及 Muse智能体接入XR硬件的商业化方案。

3、云计算数据中心 | 据上证报，阿里巴巴正加速扩展位于欧洲与中东的数据中心，推进其全球数据中心容量提升至20吉瓦。阿里巴巴高管李飞飞周三在杭州举行的云栖大会上表示，将在未来12个月内在土耳其、芬兰和荷兰建立首个云区域(Cloud Region)。公司还将扩大在马来西亚、德国、阿联酋、法国等地的数据中心布局，此举将提升其提供在地化云和AI服务的能力。

4、网络安全 | 据中证报，OpenAI对外表示，已暂停其最新一代人工智能模型的训练、评估，以及支持工具调用的推理工作，起因是内部测试中的AI智能体突破沙盒网络限制，触发安全预警，公司将借此机会升级安全隔离与对齐监控体系。这也是OpenAI三个月内第二次叫停前沿模型开发工作。该公司在声明中表示，只有在完成额外安全防护升级、确认风险可控后，才会重启模型训练工作，同时称，随着模型能力持续增强，未来仍有可能再次触发类似的暂停操作。

5、玩具 | 据中证报，中美达成八点成果共识，其中最受市场关注的一点，就是正式确认落实此前多轮磋商形成的300亿美元对等降税安排。与此同时，双方将同步推进贸易理事会机制建设，延续并落实此前吉隆坡经贸磋商取得的各项成果，持续稳定双边经贸往来。中国出口美国涉及降税的主要产品包括玩具、节日装饰品、小型家电、儿童安全座椅等。降税本质是把2018年以来加征的301额外关税（7.5%—25%）拿掉，回落到最惠国税率甚至更低。

6、光刻机（胶） | 据中证报，日本三大光刻胶巨头JSR、东京应化、信越化学已宣布自2026年10月1日起对全球客户执行新定价体系，全品类新订单基础涨幅达15%，高端ArF系列长协报价上调16%—22%。

今日关注

中国

中国7月规模以上工业企业利润。

国新办就落实“十五五”规划、推动中央企业高质量发展举行发布会。

中国央行在9月28日至10月8日开展隔夜逆回购操作，每日操作量不超过1万亿元。

海外

日本央行7月货币政策会议纪要。

欧洲央行行长拉加德欧洲议会季度货币对话作证。

在美国纽约举行的联合国大会一般性辩论结束。

SpaceX星舰第24次飞行测试。

<全文完>

本文来自华尔街见闻，欢迎下载APP查看更多

见闻财经日历提醒本周重点关注：

宏观数据方面聚焦美国非农、PCE与中国PMI。 “美联储最爱通胀指标”8月PCE与9月非农将先后公布，直接考验美联储10月加息路径。当前市场定价10月加息概率接近70%，长端美债收益率已升至2007年以来高位。若就业数据超预期，反而可能加剧紧缩担忧。国内方面，中国PMI数据出炉，市场关注经济成色。

科技产业迎来催化密集期。 OpenAI开发者大会发布GPT-6 Cyber等新品；特斯拉正式展示新一代Roadster；SpaceX执行Crew-13载人任务、谷歌TPU原型卫星同日升空；SpaceX星舰Flight 14最早周一晚间发射；美光财报则成为AI数据中心产业链景气度的重要窗口。外特朗普与众议院议长及多家科技公司CEO举行人工智能会议并推出AI驱动网站America.gov，马斯克、黄仁勋预计出席。

地缘风险再度升温。特朗普拒绝伊朗“七天停火方案”，霍尔木兹海峡重开谈判生变，油价中被压低的供应溢价可能快速回补。澳洲联储加息几无悬念，美联储官员密集发声，紧缩预期仍有升温空间。此外，今年是巴西大选年，选举第一轮投票将于10月4日举行。

经济指标

• 美国9月非农就业报告、8月PCE物价指数等数据

美国将于10月2日公布9月非农就业报告。路透经济学家调查预计，新增就业人数将从8月的16.2万人放缓至10万人，失业率预计为4.2%。在通胀处于高位的情况下，就业数据如果超出预期反倒会成为市场的负担。

“美联储最爱通胀指标”PCE指数将于9月30日公布。据TD Economics汇总的市场预期，8月整体PCE同比增幅料维持在3.7%，核心PCE同比增幅料维持在3.3%，均明显高于美联储2%的长期通胀目标；当天还将公布二季度实际GDP年化季率终值、ADP就业、个人收入和消费等数据。

• 中国PMI、规模以上工业企业利润

国家统计局9月30日公布9月官方制造业PMI，8月为49.8，非制造业与综合PMI同日发布。国家统计局9月28日公布8月规模以上工业企业利润同比，7月为增长11.2%，1至8月累计同比前值17.6%。这些数据在国庆长假前出炉，是观察三季度末制造业景气的最重要读数。

• 日本东京CPI、韩国9月出口

10月2日，韩国CPI、日本东京CPI同日公布。彭博经济研究预计东京9月核心CPI同比跃升2.7%（前值1.8%，共识2.3%）。作为全国趋势早期读数，将强化日央行实现2%目标的判断。

10月1日，韩国9月进出口数据公布。彭博经济研究预计9月出口同比增长66.5%（前值68.7%，共识60.6%）。9月前20天出口增78.3%，芯片出货激增259.4%。

• 澳大利亚政策利率，预计加息25基点

市场预计澳洲联储9月29日上调现金利率25个基点至4.60%（共识同为4.60%，前值4.35%）。柴油价格飙升传导、通胀根深蒂固风险是主因。

财经事件

• 国庆假期：A股休市至10月7日、港股10月1日休市、陆港通关闭

A 股10月1日至10月7日休市，10月8日开市；港股10月1日休市 1 天，10月2日恢复正常交易。港股通（南向）以及沪、深股通（北向）10月1日至10月7日关闭服务，10月8日起照常开通。

• 霍尔木兹局势生变，报道称特朗普拒绝伊朗7天停火提议，预计中期选举后恢复轰炸

特朗普拒绝伊朗“七天停火方案”，霍尔木兹海峡重开谈判生变，油价中被压低的供应溢价可能快速回补。9月26日，据媒体援引美国官员最新消息，特朗普已拒绝伊朗提出的7天停火方案，并向幕僚表示，他预计将在11月中期选举后恢复对伊朗的轰炸行动。伊朗的停火提议原本包含重开霍尔木兹海峡、重启核谈判等条件，以换取美国解除对伊朗港口的封锁。

• OpenAI开发者大会（DevDay 2026）、CEO Altman发表主题演讲

据OpenAI官网，OpenAI年度开发者大会9月29日在旧金山举行（预计北京时间30日凌晨左右）。据《财富》报道，公司将预览网络安全专用模型GPT-6 Cyber及配套企业部署产品，另有十余款新品同场发布。活动还涵盖 API、开发工具、技术演示和开发者工作坊等内容。

根据公司公布的日程，CEO Altman将在当地时间上午10点（北京时间周三凌晨1点）发表开场主题演讲。

• 特朗普与科技公司CEO、众议院议长举行AI会议，特朗普预计将推出AI驱动网站

美国总统特朗普、众议院议长迈克·约翰逊以及多家科技公司 CEO 预计于当地时间 9 月 29 日（周二）举行一场有关人工智能的会议，目前尚不确定哪些公司将参会。

福克斯新闻报道，9月29日周二，美国总统特朗普将发布一个由人工智能(AI)驱动的新网站——America.gov，整合目前分散在各联邦机构网站上的政府信息和资源。特斯拉首席执行官马斯克、英伟达首席执行官黄仁勋以及Blue Origin首席执行官Dave Limp预计将出席此次活动。

• 谷歌发射搭载自研TPU的原型卫星

谷歌将于10月1日通过“拼火箭”把搭载自研TPU的原型卫星送入轨道，首次验证TPU在太空环境中的运行能力，为未来建设轨道AI计算基础设施探索可行性。

• SpaceX执行NASA Crew-13载人任务、SpaceX星舰第14次飞行测试

SpaceX计划于10月1日通过猎鹰9号执行NASA Crew-13载人任务，将四名宇航员送往国际空间站。

此外，SpaceX官网显示，星舰第14次飞行测试计划最早于当地时间9月28日早晨、即北京时间周一晚间发射，具体时间仍取决于天气等条件。看点是飞船首次尝试真正进入地球轨道，并将部署26颗Starlink V3卫星。

• 特斯拉正式展示新一代“飞行汽车”Roadster

特斯拉计划于10月1日正式展示跳票多年的新一代Roadster。据报道，新车可能搭载来自SpaceX的冷气推进系统，也让“特斯拉新车能飞”的猜想吸引了大量关注；特斯拉官网已上线Roadster倒计时页面。

• 华为：昇腾950智算集群将于9月30日启用

在华为全联接大会2026上，华为董事、华为云CEO周跃峰宣布，昇腾950智算集群将于9月30日起提供服务。他还透露，华为云将推出全新的智能体记忆系统CMS记忆存储；具备CMS系统的华为云也将于2027年一季度上线。华为云还将与顶级多模态大模型合作，共推行业AI落地。 周跃峰表示，昇腾950智算集群将于9月30日面向中国的客户提供服务；11月30日，面向海外市场全面提供服务。 据周跃峰介绍，全新昇腾950智算集群将为华为云提供极强的动能，推理的效能相比上一代提升至少20%。

• 日系光刻胶厂商信越化学等全球提价15%

据报道，日本JSR、东京应化、信越化学自10月1日起将全球光刻胶新定价上调15%。高端ArF与HBM浸没式涨幅更高，"日系涨价+去日化"利好国产替代链，幅度仍待验证。

• 中国台湾地区功率半导体厂商酝酿第三波涨价

中国台湾地区功率半导体厂商正酝酿第三波价格调整，最快10月起针对非合约产品，涨价10%至15%。业界看好台半、强茂、德微等厂商下半年营运量价齐升。（中国台湾经济日报）

• 美联储官员密集发声：古尔斯比、穆萨莱姆、威廉姆斯等

9月30日至10月2日，古尔斯比、穆萨莱姆、威廉姆斯、库克等多位美联储官员接力发声，威廉姆斯与库克两度露面。据CME美联储观察，市场定价10月再加息25个基点概率接近70%。在10年期美债收益率升至2007年以来高位后，若官员继续强调通胀上行风险，紧缩定价仍有升温空间，长端美债、美元与黄金承压。

• 巴克莱：美联储RMP购债10月起加码

据巴克莱预计，美联储将把准备金管理购买（RMP）维持在零水平，直到10月回购市场趋于收紧后，才会恢复购买国库券。

• 中国央行将在9月28日至10月8日开展隔夜逆回购操作，每日操作量不超过1万亿元

中国央行：为更好匹配银行体系短期流动性需求，中国人民银行将在9月28日至10月8日开展隔夜逆回购操作，采用固定利率、数量招标，每日操作量不超过10000亿元。

• G20贸易部长级会议，美国贸易代表参会

二十国集团（G20）贸易部长级会议定于 9月29日至10月1日举行。美国贸易代表格里尔将前往威斯康辛州，参加二十国集团（G20）会议。

• 美国对部分加拿大商品进口禁令生效

美国对某些加拿大乳制品、酒精饮料和机动车相关产品的进口禁令于 9 月 29 日生效。看点是美加贸易摩擦在 USMCA 框架下的升级，以及加方可能的反制与对北美供应链的扰动。

• 印度禁糖出口至9月底

据路透社报道，美国气候预测中心上周四表示，厄尔尼诺现象正在持续增强，2026至2027年北半球秋冬季出现极强厄尔尼诺事件的概率已超过90%。印度禁糖出口至9月底。

• 巴西大选第一轮投票开始

据新华社，今年是巴西大选年，选民将投票选出总统、各州州长、联邦和州议员。根据巴西高等选举法院公布的日程，选举第一轮投票将于10月4日举行，如有必要，第二轮投票将于10月25日举行。

财报与公司动态

• 美光Q4财报电话会

美光2026年第四季度财务电话会议将于美东时间9月30日下午4:30（北京时间10月1日）凌晨4:30举行。这份财报不仅关系到美光本身，也将成为观察 DRAM、HBM 乃至整个 AI 数据中心产业链景气度的重要窗口。

• SHEIN预计将于9月28日收盘后公布财报数据

据彭博消息，快时尚巨头SHEIN预计将于9月28日收盘后公布其最新财报数据。SHEIN已于9月1日正式在香港交易所挂牌上市。

• 长鑫科技最早或于9月底纳入范达旗下ETF

近日，全球资产管理机构范达高级产品经理John Patrick Lee接受本报专访时透露，美国机构投资者开始布局中国半导体，最早或于9月底将长鑫科技纳入范达旗下ETF。

重磅事件提前预警

10月27日：以色列选举

10月28日：美联储议息会议（加息概率71%）

11月3日：美国中期选举

11月18日：亚太经合组织会议在深圳举行

12月14日：迈阿密G20峰会

本文来自华尔街见闻，欢迎下载APP查看更多

近日，谷歌威胁情报集团（Google Threat Intelligence Group）首席分析师John Hultquist在接受英国《金融时报》采访时表示，今年以来，针对AI账号和计算资源的黑客攻击出现明显增长，一种被称为“LLM劫持”（LLM-jacking）的新型攻击手法正在网络犯罪地下世界形成规模。

暗网市场正在出售Anthropic、谷歌、OpenAI等公司AI模型的访问权限，折扣高达97%。与此同时，犯罪团伙和国家支持的黑客组织正入侵企业云服务器，植入自己的AI模型“白嫖”算力，手法与此前劫持他人机器挖矿如出一辙。

“我们在地下市场看到的，是一个围绕AI访问权限不断壮大的经济体。”这位拥有20年网络安全从业经验的分析师说。

暗网折扣高达97%，AI账号买卖成灰色产业

据谷歌威胁情报集团研究人员发现，暗网市场正在出售Anthropic、谷歌、OpenAI等公司AI模型的访问权限，折扣幅度高达97%。

要知道，ChatGPT和Claude最高级版本的订阅费用，每位用户每月最高可达200美元。

更值得注意的是，由于AI公司会主动监控滥用迹象，部分卖家甚至推出了“保障访问”服务——一旦初始账号被封，承诺免费补发新凭证。这套机制让黑色产业链的运转更加稳定。

劫持云服务器“白嫖”算力

除了倒卖账号，另一类攻击更为直接，Hultquist透露：

部分犯罪团伙和国家背景黑客组织，正在入侵企业云托管服务器，将自己的AI模型直接部署在目标系统上运行——费用由受害者承担，算力为攻击者所用。

这与早年黑客入侵他人机器“挖矿”的逻辑如出一辙。

防守方面临“成本不对等”困境

Hultquist指出，这种攻击模式的危险性，不仅在于技术层面，更在于经济层面的失衡。

“说到底，这些行为给了他们一种经济或效率上的优势——因为他们能以低得多的成本拿到这些算力，而我们却要付全价来防守。”他说。

Anthropic最新季度的AI滥用报告显示，已在超过二十个国家发现威胁行为者试图利用其Claude工具从事恶意活动，涉及国家包括美国、英国和也门。

Hultquist对此态度直接：“每一个威胁行为者都在用AI。”

新风险窗口：AI上线初期是最佳“藏身”时机

随着越来越多大型企业选择自建服务器部署定制AI模型，而非租用云服务商算力，这些内部系统也将成为新的攻击目标。

Hultquist警告：“如果你在为算力付钱——而这可能非常昂贵——那它就成了威胁行为者眼中的重大潜在资源。”

他还指出，企业刚刚完成AI基础设施部署的阶段，恰恰是黑客“潜入”的最佳时机。

你可能会觉得算力使用量突然大幅上升完全正常，因为你刚刚引入了一堆AI基础设施。这给了攻击者一个藏在噪音里的真实机会。

他最后警告：“任何认为AI只是一阵风、想等它过去的人，总有一天会发现自己已经溺水。他们将遭遇比以往更多的事故、更多的告警、更多的攻击。我们必须现在就把自己的阵地整理好。”

本文来自华尔街见闻，欢迎下载APP查看更多

9月26日，在最新一期的Logan Jastremski播客节目中，长期跟踪AI基础设施建设的匿名分析师、P Equity Research背后的操刀人Mr. P作为嘉宾出席。当前，以大模型为核心的AI战局正从模型参数比拼延伸至底层基础设施的终极角力，超大型云厂商（Hyperscaler）每年数以万亿计的资本支出去向，成为全球投资者最关注的焦点。在这场超过一小时的深度对谈中，Mr. P基于详实的数据与产业链调研，对AI算力缺口、存储大周期、光电之争以及地缘博弈等核心议题给出了冷思考与去魅化解读。

“十年需求能见度是谎言”，存储仍难逃繁荣与萧条的周期宿命

过去一段时间，市场笃信AI带来的硬件投资将是一场永不枯竭的超级周期，甚至有声音称云厂商的订单能见度长达十年。对此，Mr. P给出了极为克制的判断。

“如果一个超大型云厂商告诉你他们有10年的需求能见度，他们只是在忽悠你。他们根本无法预测2年以后的情况。”Mr. P直言，“我相信存储是周期性的，并且它将保持周期性，这主要是由支出的性质决定的。人们认为超大型云厂商的支出是可持续的，它可以无限量地继续增长，但这只是一个假设。我认为支出总有一天会放缓。”

尽管不相信“无限支出”，但短期内AI对存储的吸金能力依然令人咋舌。随着数据中心从主要关注训练转向更吃内存的推理阶段，存储（包括HBM、DRAM和NAND）正在吞噬巨量资金。

“明年超大型云厂商的资本支出预计在1.1万亿到1.2万亿美元之间，而仅仅是存储可能就会占据其中的50%到60%，大概是5000亿到7000亿美元。瑞银（UBS）甚至估计明年单在存储上的花费就将达到9000亿美元，这简直比今年所有超大型云厂商的资本支出总和还要多。”

为了平抑周期波动，存储制造商正疯狂推进长期协议（LTA）。Mr. P透露，三星已开始收到长达10年的合同要求。然而，一位曾在三星和AMD任职的行业专家向他警告，LTA可能被过度炒作了：“如果需求暴跌，为了不彻底得罪客户，这些长期合同有可能会在闭门状态下被双方默默取消，且不附带任何违约金。如果你强迫客户吞下500亿美元他们不再需要的产品，他们只会把内存堆在仓库里，接下来的几年你的收入将真正面临断崖式下跌。”

算力缺口依旧，但“隐形瓶颈”正向电力与载板转移

目前，市场对于“算力是否受限”存在巨大分歧。微软CEO纳德拉曾暗示芯片足够，只是没有“温暖的机架”来插这些芯片；而谷歌和亚马逊在财报中则明确表示自己受制于算力短缺。

Mr. P通过市场价格数据证实了算力的紧缺现状：“四五年前的老旧芯片现在的租金定价比以前还高，像H100现在的二手价格依然能卖到2.5万美元，B系列GPU每小时的租金已经从5美元涨到了7到8美元。芯片的使用寿命正在被大幅延长，有的甚至达到了10年。”

然而，纯粹的GPU裸片数量可能并非核心卡点。一位AMD专家向Mr. P证实，就原始芯片而言供应是充足的，真正的瓶颈在于数据中心的电力、高级封装（Advanced Packaging）和存储。

从BOM（物料清单）的拆解来看，真正的短缺环节正在浮出水面。Mr. P指出：“在Vera Rubin（英伟达新一代架构）的物料清单中，看到出现三位数价格涨幅的组件是ABF载板、PCB和存储。ABF载板的产能非常紧张，供应短缺很可能会持续到2028年甚至2030年以后。戴尔、惠普、英伟达和博通在近期的财报中，也一致将DRAM、NAND、ABF载板和晶圆列为产能约束因素。”

在能源端，建设新型算力中心所需的燃气轮机面临着极度漫长的交付期。“三菱、西门子、GE Vernova的积压订单已经排到了2030年以后。如果你今天订购一台燃气轮机，你可能要到2030年才能拿到货。”

铜退光进：光是终局，但铜仍将被“强行续命”

在数据中心网络连接领域，铜缆与光通信的路线之争愈演愈烈。虽然市场普遍期待共封装光学（CPO）迅速普及，但Mr. P认为这并非一蹴而就。

“没有任何东西的传播速度能超过光速，因此光学最终肯定会赢，速度才是王道。”但他同时强调，在2027年之前，铜和光学将长期共存，云厂商正在尽可能延长铜的生命周期。

“因为存储实在是太贵了，超大型云厂商必须要在其他地方省钱。CPO不仅非常昂贵，而且目前仍存在良率和散热问题。你可能会在2027年先看到近封装光学（NPO）的使用，然后在2028或2029年看到CPO产能爬坡，但其渗透率将保持在较低水平。CPO真正占据主导地位，可能要等到2030年以后。”

针对美国部分声音呼吁前沿模型应因安全问题而减缓研发步伐，Mr. P将其斥为“毫无商业逻辑”的行为，“如果你出于安全考虑想要减速，这只会把市场份额拱手让人。”

以下为对谈全文，由AI翻译：

Logan Jastremski：太棒了。P Equity Research，非常感谢你加入我的节目。很高兴能邀请到你。我一直非常喜欢你在 Twitter 和 Substack 上发布的内容。就像我们刚才在录音前聊到的，恭喜你在 Substack 上的排名继续攀升。你目前发布的内容令人印象深刻，我很期待我们接下来的交流。

Mr. P：以及你在市场方面看到的一切。是的，谢谢你。我很兴奋能和你讨论算力（Compute）和 AI。在 Substack 和 X（推特）上受到关注感觉很棒，很高兴能和你交流。你总是很活跃。感觉你 24 小时全天候在线，我很欣赏这一点。

Logan Jastremski： 是的，我经常在线。不过我得说，我也经常使用“定时发送推文”按钮来规划我的推文。也许这就是获取超额收益（Alpha）的秘诀。

Mr. P: 哈哈，是的，这就是 Alpha。使用定时推文。

Logan Jastremski：太赞了。我很想了解一下你是如何开始深入研究算力领域的？因为你显然非常积极地发布你的研究报告，而且我认为你在投资者社区中，尤其是在这些不同数据中心的建设方面，获得了很大的影响力。所以，只要你愿意分享，我很想了解一下你的背景，或者你是如何进入股票研究领域的。

Mr. P： 好的。我大概是在今年 5 月初开始发推文的，那时我大概只有 30 个粉丝。所以我当时是个小透明。我注册这个账号有一阵子了，但一直没怎么用。后来我想把它用起来，就开始发推文，并在 Substack 上发了很多文章。一开始，我经常写一些关于日本、中国台湾和韩国的利基（Niche）公司的文章。反响还不错。然后我开始在 X 上获得更多认可，所以我就发得越来越多了。

Mr. P： 大约在 7 月份左右，我真正开始改变我发帖的方式。我试图成为一个只分享大量信息、保持中立观点，并让人们自己决定如何解读这些信息的人。我一直坚持这么做，从那以后我的账号就真正起飞了。但我完全没有任何技术背景。我所有的知识都是自学的。我没有工程学位。我拥有会计学的学士和硕士学位，曾在公共会计领域工作过。这就是我的基本经历。

Logan Jastremski：我不是工程师。所以如果有人问我类似“这个和那个有什么区别”，我可能回答不上来，我懂的没那么多。不过这很好。我通常发现，在自己领域表现卓越的人往往都是自学成才的。无论如何，在深入研究 AI 之前，我曾在加密货币市场花了很多时间。在那之前，我在特斯拉工作。一位好朋友曾告诉我，你没有义务必须成为昨天的自己，你可以自学新技能。所以，只要你不断学习，我觉得你就会一直处于前沿。

Mr. P： 是的，完全同意。我认为这也是我喜欢发这么多帖子的原因之一：尽可能多地免费学习。因为你能学到的东西是没有限制的。所以分享信息永远是件好事。

Logan Jastremski: 100%赞同。也许我们可以从这里开始聊。显然，在 AI 数据中心领域发生了很多事情。很大程度上，我觉得自从 Opus 4.5（约 2025 年末）发布以来，这个领域就开始腾飞了。从那时起，对于普通人来说，我们已经从 Oauth 和订阅模式，更多地转向了基于 API 的模型。这真正引发了这场收入的爆炸性增长，也许这种起飞甚至在那之前就开始了。作为副产品，你看到很多所谓的超大规模云厂商每年在资本支出（Capex）上投入数万亿美元。我知道你一直在深入研究物料清单（BOM），以及这些资本支出到底流向了哪里。所以我想让你从宏观层面谈谈你一直在追踪什么，以及你对当今市场现状的看法。

Mr. P： 谈到超大规模云厂商，我认为有四个领域很重要：逻辑芯片（Logic）、存储（Memory）、电力（Power）和网络（Networking）。现在大量的资金将花在逻辑芯片上，即 GPU 和 ASIC。而存储预计将占明年云厂商资本支出的 50% 到 60%。作为参考，如果预期的云厂商资本支出是 1.1 或 1.2 万亿美元，那么仅存储一项的投入就将达到 5000 到 7000 亿美元。实际数字可能会更高，但这其中包含了多种产品的混合：有 HBM、DRAM、大宗商品 DRAM，还有 NAND 闪存。

Mr. P： 但看看算力方面，他们在采购 ASIC 和 GPU 上花了很多钱。我们都知道亚马逊和谷歌正在尽最大努力增加他们定制芯片（ASIC）的产量，以摆脱对英伟达的依赖。我认为这就引出了一个问题：算力是否仍然受限？因为很多人说，我们有足够的算力，但没有足够的电力。有些人说我们有足够的电力——好吧，我还没听过谁说电力是足够的。但人们会说我们在其他方面不缺，只缺算力，算力受限。这是各个 AI 实验室的说法。

Mr. P： 所以我想谈两个观点。我曾和一位来自 AMD 的人聊过，做了一次专家访谈。但在提他之前，这里有两个主流观点。第一种观点认为，我们有足够的算力，但没有足够的电力来插电和运行这些芯片。这个讨论源于萨提亚·纳德拉（Satya Nadella，微软CEO）在一个播客上的讲话。我不记得是和谁做的播客了，可能是 SemiAnalysis，也可能是其他人。但他基本上是说，我们没有现成的“热机架”（插电即用的机柜）来部署这些芯片。

Mr. P： 第二种观点是，AI 实验室和供应商表示算力需求巨大，我们正处于算力受限的状态。如果你听过谷歌和亚马逊的财报电话会议，他们提到自己的算力受限，如果算力不受限，他们的云业务收入占比还会比现在报告的更高。与此同时，里昂证券（CLSA）今天发布的研究报告称，ASIC 和 GPU 的供需缺口高达 73%，他们预计这种短缺将持续到 2030 年。所以，如果你看看算力用户的评论，他们会说自己缺乏算力。租赁价格也证明了这一点，因为四到五年机龄的旧芯片的租赁价格比以前还要高，而这些本该是完全折旧或被淘汰的芯片。（注：你懂的，一年前迈克尔·伯里（Michael Burry）曾引发过一场关于折旧的巨大争论，而现在你开始看到这些芯片的使用寿命超过了五年，甚至开始接近十年。）

Logan Jastremski：是的，完全没错。你开始看到这些芯片的使用寿命超过五年，甚至接近十年。我想最近是 Nebius 发布了一些数据——如果我错了或者你有更好的数据请纠正我——他们正在使用长达 8 或 9 年的芯片，这本质上延长了像 H100 这种芯片的使用寿命。

Mr. P： 我觉得二手的 H100 现在的售价还在 25,000 美元左右，这相当惊人。是的，我相信英伟达的 Volta 架构芯片也还在被使用，那几乎是 10 年前的产品了。但没错，这些芯片的使用超出了它们自然的或预期的使用寿命。这也很有趣，因为大概一两个月前有一条评论提到，一家小型初创公司试图获取一小批芯片，但根本拿不到。一旦他们拿到了，他们团队里就有人买了个蛋糕开始庆祝，因为现在能搞到算力就是这么重要的一件事。

Logan Jastremski ：是的，我们甚至从我们投资的几家投资组合公司那里听到了同样的情况。他们试图做很多有趣的事情，但如果没有算力资源，你就真的倒大霉了（SOL）。所以，正如你所说，现在大家似乎都在为了获取算力而“哭爹喊娘”。甚至连埃隆·马斯克在建设 Tera Fab 时也说，没有足够的算力来同时满足机器人、他们想造的汽车，以及最终的太空数据中心的需求。所以，从宏观来看，我们似乎确实受到了算力的限制。

Mr. P： 但是，针对你的观点，这究竟是能源方面受限，还是物理计算芯片本身受限呢？我认为能源是一个大问题。我想说，现在的问题是有太多的数据中心建设项目被延期了。我们不知道确切有多少数据中心被推迟。SemiAnalysis 说这不是个大问题，但根据我读到的所有新闻，似乎数据中心的延期相当严重。在数据中心建设方面也存在很多社会和政治层面的抵制。所以我确实认为电力是一个大问题。我认为电力绝对是目前最糟糕的瓶颈之一。我稍后会详细谈谈这个。但回到我刚才提到的那位 AMD 专家的话，他说，就原始芯片、就单纯的算力而言，他认为我们是足够的；瓶颈在于其他领域，比如数据中心的电力、先进封装，以及重中之重——存储。

Mr. P： 所以我认为，关于 GPU，你会看到很多关于我们是否拥有足够数量的争论。但租赁价格表明我们目前的算力是不够的。

Logan Jastremski: 是的，我想我今天早上看到了，或者可能是你发的帖子。提到 B200 或 B300 的 GPU 每小时租赁价格已经从 5 美元涨到了 7 或 8 美元。

Mr. P: 是的，太疯狂了。价格一直在上涨。

Logan Jastremski： 那么，也许我们可以更深入地探讨一下存储（Memory）方面。这是我花了一些时间研究的领域，也是我和 Bubble Boy 详细聊过的话题。特别是随着这些数据中心在很大程度上从主要关注“训练”转向“推理”，而推理更受限于存储带宽（Memory-bound）。一方面是模型的权重变得越来越大，另一方面是上下文窗口通常也变得越来越长。正如你指出的，新一代云厂商（Neo clouds）乃至整个行业对存储的需求都在大幅飙升。关于“存储占资本支出的 60%”这个惊人的数据，你有更详细的拆解吗？因为每年有数万亿美元的资金投入到基础设施建设中，这确实非常疯狂。

Mr. P： 是的。实际上，很难准确判断到底有多少资本支出花在了存储上。让我为你梳理一下。首先，每个人的预测数字都不一样，取决于你问谁。我不认为有任何人确切知道存储上到底花了多少钱。几个月前，里昂证券（CLSA）研究报告称，2027 年存储占资本支出的比例将达到 48%。SemiAnalysis 说是 36%。Citrini 预测 2028 年将达到 60%（我不知道他们 2027 年的预测是多少）。摩根大通（JP Morgan）预测 2027 年是 49%，2028 年是 60%。瑞银（UBS）预测 2027 年是 63%，后来他们又说是 73%。你明白我的意思了吧？我们无法确定谁是对的。而且我认为我们永远也得不到一个准确的数字，因为这里面混合了太多东西，有大量的 HBM、NAND 闪存，还有普通的大宗 DRAM 在被使用。所以根据你问的人不同，你会得到一个非常宽泛的范围。但总的来说，没有人会反驳“存储非常昂贵”这一点，这将是一笔巨大的开销。瑞银估计，明年仅在存储上的花费就将达到 9000 亿美元。为了让你有个概念，这基本上比今年所有超大规模云厂商的资本支出总和还要多。这很疯狂，对吧？

Logan Jastremski: 是的，这太疯狂了。

Mr. P： 是的，在存储上这是一笔巨款。我认为目前，就供应紧缺程度而言，HBM 可能是最紧缺的，或者大宗 DRAM，这视情况而定。

Logan Jastremski：我想你可能没有看到……抱歉打断一下。你有没有在你看到的研究或你一直跟踪的其他人的研究中，看到关于存储具体比例划分的明细？因为到目前为止，我和 Bubble Boy 宏观地聊过这个，行业似乎并没有真正专注于“最大化吞吐量（Throughput）”。这可以理解，因为云厂商是按 Token 数量收费的。在吞吐量方面，很大程度上是 Groq 和 Cerebras 在做。然后你有了像高带宽存储（HBM）这样的东西，最终用来保存模型权重和上下文。但随着你拥有工作时间更长的智能体（Agents），并且它们在执行时间跨度更长的任务，现在越来越多地数据被卸载到 NAND 闪存上。在你的研究中，有没有发现什么迹象表明存储存在不同的细分趋势？

Mr. P： 我还没有真正看到关于这方面的详细信息。但我知道，存储供应商正试图让 HBM 成为他们收入的更大组成部分。纯粹从经济角度来说，他们希望 HBM 占收入的比例更高，因为他们认为这是可以在长期内维持的东西。大宗 DRAM 就是大宗商品。他们大部分的 DRAM 销售仍然是不包括 HBM 的，他们可能认为这在长期来看对价格更敏感。而 HBM 更加定制化，你可以认为它不是一种大宗商品。因此，他们相信从长期来看，他们能够将 HBM 的利润率提高到高于普通 DRAM 的利润率。所以我认为目前的趋势是，存储制造商希望减少对大宗 DRAM 销售的依赖，他们想卖出更多的 HBM。

Logan Jastremski： 所以他们是把普通的大宗 DRAM 从家用电脑和内存条，更多地转向消耗高带宽存储的数据中心，因为后者可能对价格稍微不那么敏感？

Mr. P：是的，完全正确。比如 SK 海力士（SK Hynix）预计到 2030 年，其 DRAM 收入的 35% 将与 HBM 挂钩。这几乎是今年的两倍。这听起来可能不算很多，但我认为对于这些存储制造商来说，每一分钱都很重要，因为他们知道自己所处的行业是一个典型的“繁荣-萧条（Boom-bust）”周期性行业。

Logan Jastremski： 你个人的看法是什么？显然，这些存储公司的市盈率（PE）相对较低，因为在过去，它们更具周期性。那句著名的毒奶是：“这次不一样”。但在你个人的观点或你读过的研究中，你认为它会继续保持周期性吗？或者你认为，由于 AI 带来了更多吉瓦级别的电力上线，以及这些模型需要更多的通用存储，它会变得不那么周期性？

Mr. P：不，我仍然认为这是一个繁荣与萧条的周期，只是由于长期协议（LTA）的存在，萧条的那一面可能会被稍微软化。这实际上是一个非常好的问题。以前也有人问过我，我曾公开表示，我认为存储是周期性的，而且将继续保持周期性。这主要是由支出的性质决定的，人们认为云厂商的支出是可持续的，它可以继续增长。这只是一个假设。为了让它不呈周期性，我认为这种支出必须无限期地持续下去，但我认为这不可能发生。我认为支出总会有一个放缓的节点。

Mr. P： 但说到繁荣-萧条周期，我想说，这些存储制造商签订的长期协议（LTA）实际上包含四个方面。闪迪（Sandisk，现西部数据旗下）的 CEO 简单地拆解了这一点。他们做了一些叫做“新商业模式”（NBMs）的东西。其实他们就应该直接叫它 LTA。我不知道他们为什么要叫它 NBMs，可能是为了让它听起来更高级吧。

Logan Jastremski: 是的，为了听起来高大上。

Mr. P: 他们想显得与众不同。但这包含四个部分：时间承诺、数量承诺、定价，以及财务担保。我认为大多数人都熟悉定价部分，但在时间承诺方面，通常是四到五年。我认为目前的 LTA 普遍是五年。我不知道是否很多人知道这一点，但大信证券（Daishin Securities）两天前报道说，三星已经开始收到长达 10 年期合同的请求。所以，这基本上是最初 LTA 时间的两倍。而且他们已经开始与一些客户进行合同延期了。他们以前也提到过，基本上是说如果客户在某个时候想要更高的需求或其他什么，他们就可以延长 LTA，他们可以更改它。所以可能是五年变成七年之类的。但合同的长度最终由供应商决定，如果达到 10 年也就不足为奇了。

Mr. P: 而且我认为，甚至闪迪的 CEO 在 9 月 9 日的一次活动上也说过，他们有可能获得长达 10 年的需求可见度，但他们“还”没有达到那个阶段。强调“还”这个字，因为他是这么说的。但我不认为他们有可能达到那个阶段，因为一份 10 年的合同似乎对双方都是不利的。你不想把一个客户绑定 10 年，因为下行周期的风险可能会非常高。没有人拥有 10 年的可见度。如果一个超大规模云厂商告诉你他们有 10 年的需求可见度，那他们纯粹是在忽悠你。他们根本没有，他们无法预测 2 年以后的事情，对吧？所以在一个长达 10 年的合同中存在很大的波动性。但签订 10 年合同的负面影响还在于，你会失去利用更高价格获利的能力。这就是时间承诺方面。

Logan Jastremski 21:02 说到云厂商的资本支出（Capex）方面，最初，他们主要是用资产负债表上的资金，以及他们过去建立盈利业务所积累的多余现金来为其提供资金。我认为现在如果你看看他们所有人的自由现金流，都在趋向于零，或者他们正在借钱。而且我认为他们中的许多人必须继续为其提供资金。这是否是你的基本假设？即因为收入可能滞后于他们前期的资本支出，所以这种支出会放缓？

Mr. P: 嗯，我认为每一项伟大的技术都会经历一个大量投资的时期，然后就会开始放缓。因为“无限支出”的假设前提是 AI 行业永远不会成熟，对吧？但我相信每个行业在某个时刻都会成熟，无论是 PC 还是智能手机，你都有支出，但随后你也会达到行业成熟的阶段，所以你不需要花那么多钱。你只需要维持一定数量的资本支出，无论是削减资本支出，还是在未来几年将其停留在某个水平。这就是我相信未来会发生的事情。我不认为你会看到资本支出一直上升。当然，如果所有的云厂商在未来几年都能创造出巨额的自由现金流，情况就会改变。这预计可能会在 2028 年发生，但我们走着瞧。

Logan Jastremski ：看来你不太相信所谓的“AI 超级周期”——即我们实现递归式的自我改进，然后一切就大功告成了，AI 智能体将接管一切。

Mr. P: 嗯，我确实相信 AI，但我想我们得看看他们能达到多高的投资回报率（ROI）。这是一个大问题，因为现在他们只是在消耗自由现金流。所以在自由现金流转正之前，人们会一直保持质疑。

Logan Jastremski： 但回到存储的部分，我刚才谈到了数量、价格和财务担保。在数量承诺方面，LTA 规定了云厂商必须购买的约定数量。我相信 SK 海力士有 50% 到 70% 的供应量与长期协议挂钩。然后是价格，他们基本上都设定了某种价格下限。如果你看看闪迪，他们最近谈到在 2030 年底前保持 80% 的利润率。这就是他们拥有的价格底线机制。但这里有一个附带条件，就是他们可以取消价格上限。我和一位美光（Micron）的员工聊过，他基本上说，如果公司愿意，他们可以将 DRAM 的利润率提高到 94%、96%。

Logan Jastremski: 这太疯狂了。

Mr. P: 是的，很疯狂，对吧？你从来没听说过哪家企业的利润率能这么高。这基本上相当于零成本销售 DRAM。当然，在他和我看来，这不会发生。但重点是，你有一个价格下限，而价格上限可能不存在。所以，如果存储制造商愿意，他们可以不断提高价格。

Logan Jastremski：是的，所以在整个行业中，都有这些长期协议，规定了一定数量的固定新增产能上线，这个数字因公司而异。但在另一方面，你也有这种未被承诺的“浮动产能”，潜在地，由于你没有签署长期协议，这部分的利润率甚至更高。这有点像先到先得，或者价高者得。所以他们潜在地可以收取比长期协议更高的利润率。

Mr. P: 是的，他们可以收取更高的利润率。但显然，他们想要签订更多长期协议的原因是，我认为他们知道这是一个周期性行业。所以他们只是想确保他们的需求能够平稳下来。无论超大规模云厂商的资本支出发生什么变化，他们都能在未来几年赚到固定数额的钱。我稍后会谈到这一点。

Mr. P: 最后一部分是财务担保，对吧？美光表示他们有所有这些战略客户协议，这也是 LTA。他们提到获得了 220 亿美元的预付款。所以附带了某种违约金，无论是预付款还是取消订单的罚款。所以我认为这就是这个周期看起来不同的地方。这就是为什么我说萧条周期会被软化。它不会像以前那样，在下行周期出现极其糟糕的利润率，导致存储制造商因为史无前例的支出规模和 LTA 而破产。

Mr. P: 最重要的是，你可以提出一个我称之为“维护性资本支出（Maintenance capex）”的论点。让我解释一下。想象一下，如果明天云厂商站出来说，我们在未来几个季度的产能和资本支出过度建设了，我们将开始削减资本支出。个人而言，我不认为 AI 支出会达到云厂商削减 50% 或甚至 30% 资本支出的地步。在 23 财年，甲骨文、谷歌、微软、Meta 和亚马逊的总支出约为 1500 亿美元。如果你将下一财年预计为 1 万亿美元的资本支出削减 50%，那仍然是 5000 亿美元。这仍然是 2023 年资本支出的三到四倍。所以，你认为他们削减 50% 支出的情况会发生吗？即使发生了，这仍然是一大笔钱，对吧？所以我认为，即使云厂商削减开支，存储制造商仍然会有相当不错的利润率，并且会设定一个新的平均水平。

Logan Jastremski 27:13 就我个人而言，我认为这（削减支出）不太可能。当我查看 OpenRouter 并观察开源或闭源模型生成的 Token 数量时，似乎现在它只是一路向上。当然，Token 使用量与收入是两码事。但仅仅是 Token 的消耗，即使是像 Agent、Muse、Hermes、Grok Bot 这样的东西。对我来说，这似乎是下一个前沿，特别是随着“计算机使用”（Computer Use）功能的出现。作为普通人，也许不像计算机科学或软件工程领域的人那么深入，我们不用编写代码，我们开始构建用于会计或运营等基本任务的智能体（Agents）。这似乎还处于非常早期的阶段，这让我感到兴奋。

Mr. P: 是的，存储需求将会非常巨大，对吧？唯一需要注意的是，确保云厂商不要对你发火。我认为你将开始看到，也许是美光——我想美光将在下周（30号）发布财报。你将开始看到公司发表评论，说从现在起利润率将趋于稳定。利润率不会更高了，因为他们将落实更多的 LTA。所以会有类似于闪迪的评论。因此，是的，我认为存储仍然是周期性的，但不会像以前那么糟糕。

Mr. P: 但我确实想说，和我聊过的那个在 AMD 工作过的人，他也曾在三星工作过。所以这家伙是个全才。他在三星工作过，在 AMD 工作过，在瑞萨（Renesas）工作过——他目前在瑞萨工作，但他曾为他们的存储业务工作过。他基本上说，对他而言，长期协议（LTA）被过度炒作了。因为他认为，这些合同有可能在私下里被双方默默取消，而且没有任何违约金。他说，你看，上一次经济低迷时，我们与一些大客户签订了 LTA，当需求下降时，我们本应继续交付保证的数量。但如果你最终强迫他们接受，那么发生的情况就是，这些公司会开始把你的产品堆在仓库里好几年。也许云厂商只是拿走你的 DRAM，然后把它放进仓库。然后在合同到期后，他们基本上就不需要你的存储了，因为他们已经在仓库里囤积了。然后你的收入就会进一步下滑。所以他的论点是，如果我强迫客户接受他们不再想要的 500 亿美元产品，那么随着时间的推移，我的收入看起来就像是断崖式下跌到零。对吧？所以不仅股价被腰斩，需求蒸发，你还破坏了客户关系。这就是他的观点。基本上，如果我们到了 AI 支出情况不佳的地步，这种情况就可能发生。他们有可能在私下里默默取消 LTA。

Logan Jastremski：这有道理。希望这种情况不会发生。希望好戏继续上演，人们继续为 AI 服务买单，或者甚至通过广告模式——我认为我们在很大程度上还没有开发出这个市场，更多的是免费增值模式。我想我在 X 上看到了一个统计数据，我不知道，我还没验证过，所以听听就好：世界上只有 2% 或 3% 的人口真正在为 AI 付费。这在方向上似乎是正确的，因为并没有多少人真正玩过这些工具。或者即使玩过，过去也是非常基础的东西。但实际上，它是由少数极端的超级用户驱动的。

Mr. P: 是的，这绝对是真的。

Logan Jastremski：从我关注你的情况来看，你花了很多时间对广泛的物料清单（BOM）进行了非常深入的研究。我也觉得这非常有趣，因为有数万亿美元的资本支出投入到基础设施中。了解这些资金具体流向哪些部件，我认为很重要。你显然提到了算力方面，还有存储。你还发现了哪些其他引起你兴趣，或者总体成本和总支出在广泛增加的领域？

Mr. P: 是的，如果你看看 Vera Rubin（英伟达下一代架构）的物料清单，出现三位数增长的组件有 ABF 载板（ABF substrate）、PCB、存储。所以我认为 ABF 载板是值得关注的重要领域。载板产能很紧张。ABF 载板供应短缺很可能会持续到 2028 年以后。我认为有些人甚至说会到 2030 年。如果你读过几周前刚刚发布财报的公司（如戴尔、惠普、英伟达、博通）的电话会议记录，在谈到他们的供应链限制时，他们提到了 DRAM、NAND、ABF 载板、晶圆。所以他们都一致认为载板是一个问题。我认为磷化铟（Indium phosphide）也存在供应短缺的情况，因为你看到很多公司，比如 AXT 公司、住友电工（Sumitomo Electric）、JX 金属（JX Advanced Metals），都在扩大用于激光和光学的磷化铟的供应。所以，是的，我认为 PCB 和 ABF 载板绝对是供应紧缺的两个领域，你可以从物料清单中看到这一点。

Logan Jastremski ：另一件我很想听听你意见的事，是关于光子学（Photonics/Optics）方面。因为我认为他们正试图将不同的机架分解开来执行不同的任务。潜在地，如果你有足够高的吞吐量，你可以在这方面做一些非常有趣的事情。我知道很多人一直在关注光通信股票，比如 Lumentum 等等。你对网络连接方面，甚至包括连接机架或进入 NVLink 等不同事物的组件，有什么宏观的看法？

Mr. P: 是的，我没有关于特定技术的很多细节，但谈到光通信（Optics），这里有一个关于“铜缆 vs. 光通信”的完整争论，对吧？哪一个会赢？哪一个会消失？人们担心铜缆存在不了多久了，但公司仍在寻找延长铜缆使用寿命的方法。而且我认为铜缆将与光通信共存很长一段时间，它不会像人们认为的那样迅速切换。这是因为共封装光学（CPO - Co-packaged optics）在良率和散热方面仍有很多问题。所以在 2027 年，你可能会看到很多人首先使用近封装光学（Near package optics），然后在 2028、2029 年，你开始看到 CPO 的产量爬坡。这大概是你从 Ayar Labs、Lumentum 和其他公司那里听到的说法。但渗透率会很低。所以你会看到产量的爬坡，但在 2030 年之后 CPO 才可能占据主导地位。很多原因在于它是一项新技术，他们仍需要对其进行测试等。而且 CPO 很昂贵，对吧？所以当我们谈论存储变得昂贵时，我认为云厂商在如何联网他们的机架方面可能会更加精打细算。我知道一些云厂商仍在强调尽可能长时间坚持使用铜缆的重要性。他们不想尽快切换到光通信。他们想确保尽可能多地使用铜缆，因为他们知道明年和未来几年存储支出会有多大，所以他们必须在向光通信过渡时节省一点，因此他们会通过这种方式延长铜缆的使用寿命。但在我看来，未来几年铜缆和光通信的环境将是混合的。

Mr. P: 话虽如此，光通信是最终目标。共封装光学最终会赢。我们只是不知道是什么时候。可能在 2030 年到 2040 年之间，因为速度很重要，对吧？当你开始通过铜缆传输更高的速度时，你就会开始遇到更多的散热问题。当你开始追求更高的速度，并且线缆被挤在一起时，你就会遇到串扰（Cross talk）。这是铜缆的一个大缺点。你不需要成为专家也知道没有什么比光传播得更快，对吧？所以仅凭这一点，光通信最终会赢，因为速度至关重要。

Logan Jastremski：是的，我对光通信方面以及不同权衡（比如散热或铜缆）非常感兴趣。这很有趣。我认为对于光，你通常需要中继器（Repeaters），这可能会消耗更多的能量。由于你提到的电力问题，目前整个数据中心都在大力推动降低总功耗。我认为这也是人们普遍希望在切换到光通信之前，尽可能长时间留在铜缆上的另一个原因。但正如你指出的，光通信要快得多。光穿过玻璃时，速度快得多。是的，我们甚至在拨号上网过渡到宽带，然后是光纤的过程中看到了这一点。显然，今天大多数家庭使用的光纤比拨号上网要好得多。

Mr. P:: 哦，是的，我家用的是 AT&T 的光纤网络。它比我以前用的调制解调器快多了。

Logan Jastremski：很有趣。对我来说，我认为宏观问题之一（你之前也提到了），就是有多少新的吉瓦（GW）电力正在上线，以及我们实际启动它的能力。我认为 SpaceX 在孟菲斯有大约 2 到 2.5 吉瓦的电力，我相信那是世界上最大的连片数据中心。他们那里有几个数据中心，但他们还在继续扩大规模。我想他们在上一次财报电话会议上提到，他们的目标是总共接近 8 到 10 吉瓦，这应该非常有趣。但是，全面来看，到底有多少新的吉瓦电力能够上线？不仅仅是建好数据中心并让它立起来，而是从电力的角度真正让它运转起来。因为很多事情都顺延于此，这是从硬件角度实际生成 Token 的主要收入驱动力。

Mr. P: 就我个人而言，我发了很多关于吉瓦的帖子，但我甚至都没有去追踪新增吉瓦数量的建设情况。但我知道，SemiAnalysis 似乎说过，仅前沿实验室（Frontier labs）明年就将增加 14 吉瓦的电力。但是，是的，我没有真正追踪过，所以我无法给你一个准确的数字。这也是一个变化很大的事情，因为每天你都会听到关于某个数据中心被推迟或实施了某种暂停令的消息。所以这使得追踪吉瓦数变得更加困难。

Logan Jastremski 39:25 或者稍微跑个题，你对“放缓前沿模型开发”有什么看法？我在很大程度上认为这纯粹是瞎扯。我觉得这只是一种“心理安慰（Cope）”，只是为了让事情听起来好听点。但他们敲响警钟的做法确实有点烦人，因为在很大程度上，你规划了这些数据中心，资本支出也投入进去了。如果你真的那么担心所谓的人工智能对齐（Alignment）或 AI 安全，我不认为你会放慢脚步，或者你可能会放缓数据中心的建设。但这些都是长达数十年的合同，而且通常需要很多年才能建好数据中心。所以我很难看到他们真正放缓数据中心的产出。如果说有什么不同的话，我觉得正如你指出的，我们看到他们加快了这些数字。至于他们是否能真正实现这些目标还有待观察，但从他们的行动来看，我们并没有放缓。

Mr. P: 是的，我也觉得谈论放缓是没有意义的。因为如果你在技术或模型上与中国模型有两到三年的代差，那也许可以。但中国开源模型大概只落后六个月左右，对吧？他们并没有落后太多，而且很多企业已经开始转向使用中国模型。所以如果你谈论放缓模型开发，那你只是在让中国迎头赶上。而他们是不会放缓的，对吧？而且我认为中国可能已经落实了很多美国所谈论的“安全护栏”。如果你想放缓，那行，没问题。但这可能会对你的商业模式造成风险。我不认为你能承受得起这种代价，因为你只是在招致更多的竞争。你会让中国赶上来，他们会夺走更多的市场份额。

Mr. P: 就像黄仁勋（Jensen）今天在 All-In 峰会上说的（我想 YouTube 上有相关的视频），他说如果 AI 安全有问题，那就停止模型，对吧？就不要发布它。你不需要政府干预。你不需要政府监管。在网络安全和数据泄露方面，已经有很多现成的法律可以用来追究这些实验室的责任。你不需要制定某种政府政策。这与人类黑客侵入系统并破坏它没有什么不同。你要追究他们的责任。你可以用同样的法律来追究这些实验室的责任。

Logan Jastremski ：是的，我认为关于人类会在 2030 年前灭绝的整个说法简直是无稽之谈。是的，这很疯狂。我想我看到马克·扎克伯格也发表了类似的评论，他说他们几个月前就准备好了 Muse，但他们只是没有发布，因为他们想解决一些安全问题。并不是说他们到处宣扬 Muse 有多危险，他们只是从工程方面修复了问题，然后觉得舒服了再发布。

Mr. P: 是的，Muse 很棒。我还没用过，但我听到了很多好评。我想我需要开始用 Muse 了。

Mr. P: 你目前有在使用什么智能体（Agents）吗？

Logan Jastremski ：我没有使用任何智能体。看起来你好像有，因为你发帖总是那么及时。

Mr. P: 你是第二个问我是否使用智能体的人了，但不，我不用智能体。所有事情都是我手工完成的。我会使用一些模型。

Logan Jastremski ： 就我个人而言，我其实喜欢用 Gemini。我不知道为什么人们讨厌它，但我想这取决于使用场景。我在好几个模型之间来回切换。在智能体方面，我一开始用的是 Hermes，你可以在底层切换模型，但它确实比较偏技术向。我想说它更适合超级用户。如果你想要更多的定制，他们绝对允许你这样做。而且很好的一点是，你可以切换模型——比如当 Anthropic（Claude）超越 ChatGPT 时，你可以切换到他们的模型；或者当 ChatGPT 推出 Astra 时，你可以切换回来。这部分很好。但当马斯克和 xAI 宣布推出 Grok Bot 时，我转而使用了它。它简单得多，而且我可以完成我已经建立的很多不同工作流。现在你被绑定到那个特定的模型上了。我不知道 Muse 是否说明了他们底层运行的是哪个模型，我假设是 Facebook 的内部模型。

Logan Jastremski：对我来说，所有这些都非常有趣，这也回到了存储方面。当你要求这些模型执行越来越多长周期任务时，你把这些信息存储在存储层级（Memory hierarchy）的哪个部分？我认为不太可能是 SRAM，考虑到容量问题；或者是 HBM，随着你将更多的芯片联网在一起。但是我认为闪迪和整个 NAND 闪存阵营看起来很有趣，因为他们将更多长周期任务卸载到了闪存中。

Mr. P: 是的，我认为 NAND 可能是那种你会看到存储使用量大幅增加的领域，因为使用了所有的智能体。很多银行的报告，比如 KB Securities 说，如果你有更多的智能体被广泛使用，那么你可能会看到 CPU 和 GPU 的使用量增加。而这只会导致更多的 HBM、DDR5 和闪存需求，对吧？所以我认为总的来说，这对存储需求是非常有建设性的。我认为无论如何，所有东西的使用量都会增加。我不认为会有某种东西的使用量超过另一种。也许闪存的使用量会超过其他，但我对这个领域不太熟悉，所以我无法展开更多。

Logan Jastremski：是的，这很有趣，因为我觉得智能体真正代表了日常使用的广泛前沿方向。希望至少它是朝着这个方向发展的，而不是让人去写代码，但我们走着瞧。绝对很有趣。

Logan Jastremski： 当你思考可能不是今年，而是更偏向 2027 年、2028 年的时候，你在那方面做过什么研究？或者当你展望未来几年时，有什么进入了你的视野？

Mr. P: 我想你和别人讨论过 HBF（高带宽闪存 - High Bandwidth Flash），对吧？因为 HBF 将成为一两年后被讨论的话题。我认为它将更加商业化，开始被更多地使用。我觉得 Bubble Boy 关于 HBF 的评论很有趣，他说他听说中国客户想要 HBF。我个人不知道他们为什么想要 HBF，而且我不会怀疑 Bubble Boy 的评论，因为他比我有更多的经验和人脉。但是，HBF 的问题在于它的耐用性（Endurance）很低，对吧？所以它似乎不是 HBM 的替代品。而且长鑫存储（CXMT）仍在努力开发 HBM3。所以，你为什么要 HBF 呢？据我所知，HBF 是紧挨着会发热的 GPU 放置的，对吧？那你怎么保证耐用性？你根本得不到任何耐用性。这简直是双重打击，这是最坏的情况。你要如何缓解 HBF 的散热问题呢？但我不想太深入工程方面，因为我不够资格。

Mr. P: 但是有两个很好的消息来源提到了 HBF 的作用。首先是我在推特 Space 上与 SemiAnalysis 的 Nick Doyle 交流过，他认为 HBF 可能会用于适应小批量推理（Low batch inference）的场景。所以这不适用于超大规模云厂商，对吧？它可能更适合小型部署，比如拥有少量 GPU 的私营企业的本地部署。另一个来源是任天堂的技术总裁，在美国银行（Bank of America）进行的一次专家访谈中，他被问及 HBF，他同意 HBM 可能会与 HBF 共存。因为上述提到的所有问题，而且仍然没有人知道 HBF 是否足够好，因为它在散热、耐用性、带宽以及成本结构方面存在问题，因为他提到他们使用了一种不同的载板，具体我记不清了。但是，是的，我们将看看这项技术如何发展。但我认为 HBF 令人兴奋，因为在半导体行业，你无法确切知道会发生什么，任何事情都可能在一夜之间改变。

Logan Jastremski ： 是的，我一直对不同架构的存储非常着迷（Nerding out），因为正如你所指出的，大量的资本支出正投入其中。这主要是在私募市场方面。如果你正在构建任何存储加速器，请联系 Frictionless Capital（注：Logan的VC基金）。我们很乐意交流。无耻地打个广告。

Logan Jastremski： 但是，我对高带宽闪存（HBF）的看法是，潜在地，随着模型变得越来越大，从 1 万亿参数起步——我想 Groq 最新的模型是 4.7，大概是 2.1 或 2.3 万亿参数，而 4.6 是 1.5 万亿参数。埃隆也暗示过，随着时间的推移，Grok 和总参数量将达到 4 万亿、6 万亿、10 万亿，甚至 100 万亿。那么这些模型的权重将放在哪里呢？

Logan Jastremski： 也许我们会发现一些——我和 Bubble Boy 也宏观地聊过这个——也许我们会弄清楚一些很酷的算法压缩技术，这样你就不必用混合专家模型（MoE）或其他不同技术来存储整个模型的权重。但如果没有，并且我们必须将整个权重加载到高带宽存储（HBM）甚至高带宽闪存（HBF）上，我认为 HBF 可能会非常适合。因为正如你在耐用性方面指出的，我认为它非常适合“读取（Reads）”，而不是类似 KV 缓存（KV cache）那种随机访问的“写入（Writes）”。但我认为模型权重本身可以保存在高带宽闪存中，或者如果你做一些预计算，比如他们说：“嘿，Logan 已经讨论过这件事了，这是他在运营中经常做的事情”。你已经在算力方面花费了预填充（Prefill）的时间来做这件事，也许你只需把它保存在高带宽闪存中，这样你就不必每次都重新计算，而不是直接把它忘了。所以我确实认为有一些独特的机会。当然，这还有待观察。考虑到它甚至还没有投入制造，这还处于早期阶段。但我确实认为人们开始尝试不同的定制存储加速器（就像我们在训练方面所做的那样）是令人兴奋的。所以我认为这是一个值得关注的有趣领域。因为在很大程度上，我们将大量的宏观算力或数据中心建设从预训练（显然预训练仍将继续）更多地转移到了推理端、解码端，以及这如何改变底层的硬件。

Mr. P: 是的，在这方面你比我懂得多。我希望我能展开谈谈。但是，是的，我没有真正深入研究那些东西，所以抱歉了。

Logan Jastremski: 钻研这些很酷。

Mr. P: 是的，看看人们在尝试什么是很有趣的。HBF 很有趣。

Logan Jastremski： 还有哪些你广泛感兴趣，或者特别让你感到兴奋的事情？显然，你把所有时间都花在这上面了，你处于最前沿，你真正把握着行业的脉搏。你个人对什么感到兴奋？

Mr. P: 是的，我很兴奋想看看光通信（Optics）将如何发展，对吧？因为我认为光通信仍然非常迷人。未来几年将会出现如此庞大的网络需求。我认为网络现在是资本支出中增长最快的部分，或者类似的数据。比如在未来五年内，复合年增长率（CAGR）大概是 64%。所以我认为网络的建设将会很有趣，因为最终速度对所有这些模型都很重要，他们想要达到最高速度。所以在谁能提供最好的激光器方面将会产生激烈的竞争。

Mr. P: 我们有 Lumentum，有博通（Broadcom），有 Coherent。我认为 Lumentum 是一家伟大的公司。他们有很棒的激光器。从我交谈过的人来看，与 Coherent 相比，他们似乎拥有最好的技术。甚至像 Rational Analysis 这样的机构也说，Coherent 的激光器等产品很差。

Mr. P: 光通信令人兴奋。我认为电力也令人兴奋。但电力的问题在于，我认为它目前可能不是一个适合投资的领域。主要是因为交货周期太长了。比如你看看燃气轮机（Gas turbines），两年前投资燃气轮机可能很令人兴奋，但现在可能不适合了。因为所有的公司，三菱（Mitsubishi）、西门子（Siemens），尤其是通用电气 Vernova (GE Vernova)，他们的积压订单已经排到了 2030 年以后。所以他们的产能已经很紧张了。即使他们可以，他们也无法增加更多的订单。交货周期太长了。如果你今天订购一台燃气轮机，你可能要在 2030 年才能拿到。就是有这么长。

Logan Jastremski ：是的，我在一个播客上看到埃隆谈论燃气轮机的叶片和导向叶片（Blades and vanes）。而且很大一部分电力正在转向“表后”（Behind the meter，指用户侧发电），这同样很有趣。但是，是的，当我在做一些研究时，我在想：到底有多少新的吉瓦电力正在上线？回想一下 SemiAnalysis 的报告，关于他们预计要上线多少吉瓦，而很多这些不同的参与者只能带来兆瓦（Megawatts）级别的电力。我就想，好吧，至少在这些参与者谈论的总容量和能源角度，与我们实际需要达到的吉瓦级规模之间，存在着巨大的脱节。就我个人而言，我并没有那么关注能源方面。话虽如此，你显然需要有能源才能启动这些芯片，否则一切都无关紧要。

Mr. P: 是的，现在的拦路虎就是能源，还有，参考迈克尔·戴尔（Michael Dell）的评论——我想这是几周前在高盛或花旗的一次活动上说的。他谈到他如何将新一代云厂商（Neo clouds）视为衡量算力真实需求的一种方式。因为是他们出去获取 LPs，比如土地（Land）、电力（Power）和外壳（Shell）。所以他认为，谁有能力获得所有这些东西，谁就对需求有最好的展望，因为他可以透过他们看到需要多少算力，需要多少服务器。所以，是的，能源现在可能是最大的瓶颈。

Mr. P: 还有存储，对吧？但在我看来，目前没有什么能比得上燃气轮机，因为交货周期太长，而且市场太集中了。

Logan Jastremski ：是的，这很有趣。肯定需要继续大力建设这些数据中心。我想我看到，我不记得是 CoreWeave 还是 Nebius 说过，他们将带来几吉瓦的电力。所以希望每个人都贡献一点，这里一吉瓦，那里一吉瓦，然后我们就能达到我们的目标。

Mr. P:是的，每个人都需要尽自己的一份力。不能再延期了。

Logan Jastremski: 是的，绝对的。

Mr. P： 是的，谢谢你邀请我。这是一次很棒的讨论。

本文来自华尔街见闻，欢迎下载APP查看更多

近期市场的价格走势正印证这一乐观预期，AI带来的“错失恐惧症”（FOMO）已重返市场。在 Meta 发布 Muse 产品后，市场对 AI 大规模向消费者普及的时间表预期显著加速，推动纳斯达克指数等 AI 主题资产在经历三个月的盘整以及二季度历史性大涨后的仓位削减后，于本周一实现了强势的向上突破。

与此同时，美国债券收益率再度走高。与此前由政府和 AI 资本支出引发的资金竞争，或能源价格引发的通胀压力不同，本轮收益率攀升主要受到强于预期的采购经理人指数（PMI）等数据支撑，反映出美国名义经济增长持续强劲，且股市在收益率大幅波动的背景下依然顶住压力维持了涨势。

当前市场普遍担忧，长达七个月的美国十年期国债收益率连涨（创五十年来最长纪录）将最终拖累股市，且投资者倾向于在海湾局势降温和中期选举安全渡过后才愿意重新增加风险敞口。然而，高盛的分析打破了这一共识，指出通胀、经济增长与企业盈利三大基本面的实质性改善，正为年底的股市反弹提供坚实基础。

通胀压力缓解与 AI 带来的通缩效应

过去一段时间，由于伊朗冲突的影响，能源价格上涨掩盖了核心通胀的回落趋势。

但高盛指出，目前关税传导效应正在减弱，加息以及随之收紧的金融状况已产生实效。如果霍尔木兹海峡的物流流向恢复正常，能源价格将面临显著的下行风险，特别是考虑到伊朗的最大谈判筹码窗口预计将在11月2日左右结束，新的通缩型能源叙事随时可能出现。

更重要的是，Meta 的 Muse 产品在消费品和服务领域打响了通缩的“第一枪”。

高盛关于“商业代理式 AI 时代”的研究表明，技术进步正在实质性地降低消费端的成本，这将成为比能源价格回落更为重要的通缩驱动力。

经济增长预期降温限制央行鹰派空间

尽管过去六个月面临地缘政治和能源价格的不确定性，美国经济活动依然展现出超出预期的韧性。然而，高盛经济学家 Jan Hatzius 的研究显示，这种上行风险正在减弱，经济增长的二阶导数将开始放缓。

随着减税等财政红利消退，汽油价格和按揭贷款利率上升将对部分经济领域和消费者造成冲击。

此外，AI 领域的资本支出周期虽将持续，但增速也会放慢。综合通胀回落的预期，各国央行未来的加息幅度极有可能低于当前市场定价。

Mark Wilson 强调，现在已经不是担忧收益率走高的时候，这种担忧在七个月前才具有合理性。

核心盈利维持强劲，基本面支撑股市估值

针对当前市场关于企业盈利可持续性以及“盈利泡沫”的激烈辩论，高盛美国策略团队负责人 Ben Snider 认为，目前部分企业存在“超额盈利”现象，但整体并未形成盈利泡沫。

高盛提示投资者注意三个事实：

首先，不应为创纪录的“其他收入”支付高溢价；其次，存储芯片和部分半导体股票当前确实处于超额盈利状态；第三，至少在2027年底之前，企业的核心盈利即便增速放缓，也极有可能保持尤为强劲的态势，这为股市估值提供了基本面支撑。

滞胀叙事破产，“金发姑娘”重塑市场格局

市场此前一直试图为经济增长和盈利的显著放缓以及更高的利率定价，但宏观数据并不支持这一完美的“滞胀”叙事。相反，增长放缓、通胀威胁下降、央行立场软化以及经历了一年的估值下调，共同构成了一个有利的市场组合。

高盛认为，当前的局面与上世纪90年代中后期重大技术变革时期的市场多空博弈极为相似。

如果市场最终迎来的是“金发姑娘”情境（即经济增长恰到好处，既不过热引发通胀，也不过冷导致衰退），那么历史数据显示的中期选举后年底股市反弹的规律依然适用。

Mark Wilson 总结称，投资者不应等待中期选举结束才采取行动，且随着能源价格威胁的消退，欧洲和英国股市也已具备参与本轮上涨的良好条件。

本文来自华尔街见闻，欢迎下载APP查看更多

这位四川省肿瘤医院放疗科主任医师，在基层见过不少让他遗憾的病例。患者来的时候已经吃不下饭，错过了根治性治疗。调出医院系统里的记录，这个人两年前因为肺炎住过院，拍过胸部CT。

把两年前的片子和现在对比，那时食管壁已经有增厚。

当时没有人注意到，患者没提到吃饭有问题，影像科医生也只看了肺部情况。

9月24日，阿里巴巴达摩院联合四川省肿瘤医院、中山大学肿瘤防治中心等机构，发布食管癌筛查AI模型DAMO EAGLE，相关论文发表于《自然·医学》（Nature Medicine）。模型在初筛阶段直接读取平扫CT，不需要插管，也不用注射造影剂；AI提示阳性后，患者仍要接受内镜和病理检查才能确诊。

DAMO EAGLE相关论文发表于《自然·医学》

它要做的，是替医生看下拍肺时顺带拍到的食管影响。

这是达摩院继胰腺癌、胃癌、结直肠癌之后发布的第4个癌症筛查模型。去年发布的胃癌模型GRAPE，用在胃镜检查之前，EAGLE则从医院已经拍过的胸部CT开始寻找食管癌风险。

01 金标准有了，做得上内镜的人太少

中国的食管癌负担在全球都很突出。国家癌症中心数据显示，2024年中国食管癌新发约20万例，死亡约17.2万例，接近全球总数的一半。

2024年中国主要癌症死亡人数（万人），食管癌为17.21万

高发区集中在太行山一带的河南、河北、山西，以及淮河流域、四川、广东、福建，农村明显高于城市。王奇峰说，这和当地人爱吃烫食、喝烫茶有关。

约70%的患者确诊时已是中晚期。

早晚期之间，预后差得很远。病变还在黏膜层时，做一次内镜下微创手术就能根治，5年生存率在95%以上。等到发生转移，王奇峰给出的数字是，不管用什么治疗手段，5年生存率大概只有10%到15%。

从吞咽时的异物感，发展到只能喝流食，通常只需要半年左右。

王奇峰对这个过程有切身的记忆。他读医学院大二时，奶奶在山西长治确诊食管癌，那里也是高发区。确诊时病灶已经约5公分。第一阶段治疗后奶奶恢复了进食，最后发生食管漏，从确诊到离世只有8个月。

早发现的办法是有的，上消化道内镜是公认的金标准，问题出在做不过来。

据官方估算，中国需要筛查的食管癌高危人群超过1亿，每年实际开展的上消化道内镜检查约3000万人次。

缺口来自几处。一个内镜医生要培养3到5年，一次检查20到30分钟。普通内镜两三百元，大家更愿意做的无痛内镜要1000元左右。再就是怕，一根约1厘米粗的管子从嘴里下到胃，王奇峰说，连他自己的父母亲属都害怕。

高发区往往也是内镜医生最少的地方。

02 最难的器官，难在连医生都标不出来

平扫CT是中国最常用的影像检查之一，门诊、急诊、体检、住院都在拍，每年产生上亿份影像。胸部CT的扫描范围，本身就覆盖了食管。

但过去业内普遍认为，用平扫CT找早期食管癌几乎不可能。

食管是一根约25公分长的肌性管道，平时闭合，说话、咽口水时都在蠕动，又紧挨着心脏和大血管，呼吸和心跳都会改变它的形态。早期病变局限在上皮层或黏膜层，在CT上带来的厚度和密度变化非常小。

达摩院算法专家郭广宇打了个比方，像在一条皱巴巴的裤管上找一个小毛球。

王奇峰拿胰腺做过对比，胰腺是实性器官，长出一点异常，影像上就可能出现信号。食管在CT上只留下一瞬间的形态，而且改变要超过5毫米才会被判定为异常。

模型训练在第一步标注上就很困难，医生在平扫CT上看不清早期病变，训练数据也就无从标起。

团队的办法是借别的检查来定位。先用内镜手术和病理报告确定病灶的厘米级位置，由食管专科影像医生在增强CT上精细标注，再通过影像配准，把标注“搬”到同一个患者的平扫CT上。每个病例由两位医生分别标注，意见不一致时，由一位有8年经验的医生复核。

第二个问题出在低剂量CT上。体检查肺结节用的多是低剂量CT，但食管癌患者的低剂量CT很难攒够。郭广宇解释，病人一旦发现异常，去医院拍的就是常规剂量CT。

团队于是搭了一台“虚拟CT机”，把常规剂量的CT放进去降低剂量，模拟出低剂量影像来训练模型。

模型分两步工作。先从整幅CT里把食管区域分割出来，排除周围结构的干扰，再对食管做精细分析，同时给出患者级别的良恶性判断、病灶轮廓和热力图。医生能看到AI在看哪里。

DAMO EAGLE在平扫CT上识别出T1期食管癌病灶，从左至右依次为平扫CT、医生标注、模型分割结果和热力图

2024年初，模型第一次做大规模真实世界回顾性研究，敏感性在85%左右，特异性约98%。

现在的版本已在3个国家、12个中心、超过8万例患者上完成验证。论文显示，在机会性筛查场景下，模型对食管癌的敏感性接近90%，对信号更弱的癌前病变，敏感性为52.5%。经过真实世界迭代后，临床场景中的特异性为99.2%。

低剂量版本的敏感性为88.4%，和常规剂量版本基本相当。在10959例无症状体检者中，特异性为99.94%。

特异性这个数字，郭广宇有一个很直接的换算：“一个假阳性，就意味着可能一个患者要多花1000多块钱去做一次检查。”

放进体检流程的工具，面对的大多是健康人，误报率决定了它能不能真正被用起来。

03 内镜不够用，先让CT挑人

王奇峰对EAGLE的定位说得很清楚：“AI不是为了替代内镜，而是筛选出高风险个体再进行内镜检查，这样能够让内镜检查更精准，大幅提升检出率。”

研究团队分别在高危人群筛查和医院日常CT中验证了EAGLE。

先看高危人群。受检者拍摄平扫CT，EAGLE以高灵敏度模式运行，提示阳性的人优先接受内镜检查。

2023年7月，团队在四川遂宁做过一次“CT初筛+内镜确诊”的模拟研究。结果显示，内镜的恶性病变检出率从1.7%提高到5.2%，每检出1例恶性病变需要做的内镜，从59次降到19次。

EAGLE在医院日常CT和高风险人群胃镜筛查中的不同用法。依据《自然·医学》论文数据重绘。

这不是完整的前瞻性临床结果。混合队列中的3例食管癌来自回顾性病例重采样，内镜能减少多少，还要在真实筛查项目中验证。

另一组验证利用医院已经拍过的胸部CT。肺癌筛查本来就使用胸部低剂量CT，医院里也有大量患者因为肺炎、咳嗽和住院检查拍摄胸部CT。EAGLE在这些影像上寻找食管异常，不增加一次扫描；AI提示阳性后，再由医生判断是否需要胃镜。

王奇峰遇到的那张两年前的肺炎CT，就属于这一类。

高危筛查和医院日常CT对模型的要求不同。前者首先要少漏诊，后者面对的多数人没有食管癌，误报越少，医生复核和患者复查的负担越低。王奇峰说，模型的阈值可以按场景调整。

对高发区来说，基层已经普及的CT可以承担初筛，不必另建一套影像设备。

04 平扫CT这条路，走到第四个癌种

达摩院从2021年开始研究“平扫CT+AI”多癌筛查，先后推出胰腺癌、胃癌、结直肠癌和食管癌模型，也覆盖主动脉夹层等重大疾病。按达摩院披露，相关研究累计5次发表于《自然·医学》。其中，胰腺癌模型PANDA在2025年4月获得FDA“突破性医疗器械”认定，这条技术路线也被“四大慢病”国家科技重大专项采用。

达摩院医疗AI模型一览（图源：达摩院）

EAGLE项目2022年启动。王奇峰愿意参与进来，契机就是PANDA。他当时的想法很朴素，每天治的都是晚期病人，治疗过程痛苦，生存期也不长，如果能从每天拍的CT里训练出一个发现早期病变的模型，能救更多人。

多癌早筛还在研究液体活检，以Grail的Galleri为例，受检者要单独采血，再从cfDNA甲基化信号中寻找癌症线索。EAGLE分析医院已经产生的CT，可以省去一次额外的初筛检查；确诊仍要走后续专科流程。

胸部CT和腹部CT覆盖的器官不同。AI提示阳性后，患者仍要接受内镜、病理或其他专科检查。

医院可以复用已有影像，也要承担更多复核、转诊和随访工作。

按达摩院的设想，医院已有的胸部或腹部平扫CT，未来可以继续扩展到肺癌、肝癌、结直肠癌、胃癌、食管癌、胰腺癌和乳腺癌。扫描范围不同，一张CT不能同时覆盖7个癌种，复用同一套影像设施。

EAGLE离大规模使用还有一段路。模型对高级别上皮内瘤变的敏感性为52.5%，还有将近一半没有被找出来。

前瞻性医院验证里，90名AI阳性者有42人没有进入原有诊疗流程。多学科团队建议其中16人接受胃镜，最终只有3人完成检查，并发现1例食管癌。AI报出阳性之后，医院还要安排影像复核、专科转诊、胃镜和持续随访。

胃镜完成率、早期病例新增检出数、假阳性复查成本，以及能否减少食管切除、放化疗和晚期治疗，还要在更大规模的前瞻性研究中回答。

EAGLE已经验证了一条可行方向：利用医院日常检查产生的平扫CT，在原有诊疗目标之外，再从中筛出实体瘤高风险者。

本文来自华尔街见闻，欢迎下载APP查看更多

麦当劳股价较今年2月高点已累计下跌近31%，年内跌幅达22%，若全年维持这一走势，将创下2002年以来最差年度表现。

就在本周，麦当劳在投资者日活动上预告，当前季度美国同店销售将“略为负增长”。上一季度，其销售额仅增长0.8%，为逾一年来最慢增速。

消息一出，公司随即宣布一项耗资85亿美元的多年期改善计划，涵盖技术投入、门店升级及拓展鸡肉和饮品品类。然而市场并不买账——投资者担忧资本支出大幅增加将侵蚀利润，股价再度下挫。

涨价失去人心

麦当劳的困境，根源在于价格。

疫情后，麦当劳为对冲牛肉、劳动力及燃料成本的上涨，持续推高菜单价格。据《经济学人》大麦克指数，2019年至2025年底，美国巨无霸价格累计上涨约23%。

与此同时，消费者自身也在通胀和利率上升的压力下捂紧钱包，对每一笔餐饮消费愈发挑剔。

彭博追踪的分析师中，唯一给出“卖出”评级的Melius Research分析师Jacob Aiken-Phillips直言：

他们的价格涨了很多，麦当劳不再被视为餐饮中的最佳性价比选择。我可以去Texas Roadhouse，花差不多的钱，和家人享受一顿真正的堂食体验。

2024年，一张显示巨无霸套餐售价18美元的帖子在社交媒体广泛流传，引发轩然大波。麦当劳随后回应称，这仅是全美逾13700家门店中某一家的个例定价。

竞争对手趁势抢跑

麦当劳的价格压力，在竞争对手的亮眼数据面前显得更加刺眼。

Restaurant Brands International旗下汉堡王，最新季度美国可比销售额增长8.5%，超出市场预期，翻新版皇堡和星球大战联名活动功不可没。百胜餐饮集团旗下塔可钟，同店销售增长7%，5美元、7美元和9美元套餐组合有效拉动了客流。

股价表现上，汉堡王母公司年内上涨5%，塔可钟母公司年内下跌8.4%——两者均跑输标普500指数13%的涨幅，但与麦当劳年内23%的跌幅相比，仍相去甚远。

加盟商不配合，折扣难落地

麦当劳的价值策略还面临来自内部的阻力。

麦当劳首席执行官Chris Kempczinski在二季度财报电话会议上透露，约三分之一的加盟商未遵循公司的定价指引，消费者对相关促销活动的知晓度也低于预期目标。

麦当劳近95%的门店均为加盟经营。加盟商们对折扣活动普遍抵触——例如今年推出的“10款3美元以下菜品”套餐——因为这类促销虽能带动销量，却直接压缩了本已承压的运营利润。

“Next”计划能否奏效？

面对重重压力，麦当劳推出了名为“Next”的新战略，计划通过技术投资、门店翻新以及重新开放疫情期间关闭的儿童游乐区来重振品牌。

Seaport Global分析师Eric Gonzalez对此表示谨慎乐观，但他指出，这些改变“至少需要一年时间才能产生明显效果”。他同时认为，资本支出增加、近期销售承压等负面因素已在当前估值中有所反映——麦当劳股票目前市盈率约为17倍（基于未来12个月盈利预测），远低于五年均值。

尽管如此，华尔街整体仍对麦当劳持正面看法：彭博追踪的分析师中，24位给出买入或相当于买入的评级，16位持中性，仅1位建议卖出。平均目标价较上周五收盘价隐含约28%的上行空间。

Walser Wealth Management首席投资官Rebecca Walser表示，其公司目前持有麦当劳股票，但投资者现在需要看到的是食品品质和性价比的切实改善，以及客流量持续复苏的信号。Walser说：

麦当劳是美国文化的一部分：快乐儿童餐、汉堡神偷、麦当劳叔叔、游乐区。他们需要重新打造那种体验。我们真的相信麦当劳能够走出这段困境。

麦当劳发言人周五重申，公司将以紧迫感采取行动，力争在2026年结束前让美国业务回到更强劲的轨道上。

本文来自华尔街见闻，欢迎下载APP查看更多

Meta推出的个人AI Agent——Muse上线两周用户即达数百万。扎克伯格在9月25日一档访谈节目中表示：“每隔几年我们才能遇到这种情况。”他将Muse的早期反响定性为“一出手就是全垒打”——这在Meta产品历史上属于少数。

与此同时，他宣布Muse将整合至全线Ray-Ban智能眼镜，用户无需再说“嘿Meta”，而是可以自定义唤醒词直接呼叫自己的个人AI Agent。

多年来被外界视为三场独立豪赌的元宇宙、智能眼镜和大模型，正在Meta内部产品层面加速合流。

在这场访谈中，扎克伯格还坦承了Llama 4失败是“最可怕的时刻”，并透露Meta正在建设5吉瓦级训练集群，认为足够大的算力可“暴力破解”AGI。

Muse的起点，是扎克伯格和团队成员Nat与Alex坐在一起，用开源工具在家里“拼凑”出一个早期版本。

“我们意识到，这是一种神奇的体验，”扎克伯格说，“如果我们能把它做成任何人都可以用——不需要自己买Mac Mini、不需要在终端里折腾——那么这将是数十亿人想用的东西。”

这句判断，驱动了此后整套研发逻辑：不只是训练模型，而是从模型、脚手架、到Agent的“心跳”机制全栈自研——Agent会定期自动唤醒，检查用户目标，主动推进待办事项。

上线后的数据印证了这一判断。两周，数百万用户。

个人AI：重点是执行、记忆与“判断力”

对于个人AI与通用AI的差别，扎克伯格将当前竞争焦点概括为让模型成为更好的Agent。

“过去一年最大的事情，基本上就是编程Agent。”他说，编程能力很重要，因为即使用户没有直接写代码，“你的Muse也会在后台一直为你写代码，去完成各种事情”。

但他认为，个人Agent不能只具备编码或任务执行能力，还需要理解隐私边界和社交语境。

扎克伯格举例称，用户让Muse预订餐厅时，Agent可能知道用户存在过敏情况或怀孕等信息，但并不意味着这些信息应该被自动披露。“你会希望它完成任务，同时尽可能少地披露信息。”

他称，这种能力属于人类通常具备的“基本社交技能或常识”，但如果只是训练编码Agent，许多公司并未将其纳入模型能力范围。

“我们训练的是整个模型，而不是拿别人的现成模型，再在外面搭一个框架和Agent。”扎克伯格说。Meta还在产品层面加入记忆、任务追踪、虚拟角色动画和实时语音互动等功能。

在个性化方面，他表示，Meta并不认为AI应该只有一种固定人格。“很多实验室都在关注怎样把人格调到正确状态，但我从来不认为人格只有一个正确答案。”

他称，Muse允许用户修改头像、声音和基础性格，模型设计目标是具备较高的可操控性。“你可以定义自己希望如何与它互动，这对个人Agent很重要。”

Muse区别于其他AI产品的核心基础设施之一，是Meta为每个Agent单独配备了一台安全虚拟机（Secure VM）。

扎克伯格解释了为什么这是必要的：

你的Agent会了解你很多敏感信息。我们不认为这些信息应该跟所有人的数据混在一个池子里。

他把Muse Secure VM比喻为“放在你桌子底下的那台只属于你的电脑”——用户数据加密存储，密码等敏感凭证通过独立安全模块管理，Agent本身无法直接读取。

在此基础上，Meta还设计了“Sentinel”安全Agent，专门监控进出Muse的数据流，一旦检测到异常或高风险操作，会直接拦截并提示用户授权。

元宇宙、智能眼镜与Agent，三条路线正在汇合

扎克伯格在访谈中透露，Muse将全面接入Ray-Ban系列智能眼镜，并对现有交互方式做出升级。

目前的眼镜是“单轮对话”体验——说一句，得一个回复，结束。接入Muse之后，眼镜变成Agent的前端入口：用户开口，后端Muse在安全虚拟机里持续工作，完成任务再反馈。

对于眼镜的产品路线，他描述了一条清晰的硬件梯队：

• 无摄像头的纯音频眼镜：已搭载Muse，可处理通话、音乐、语音任务
• 带小显示屏的Meta Ray-Ban：已发布，具备基础视觉反馈
• 全视场角全息AR原型：已发布，扎克伯格称“会非常令人兴奋”

他称，Meta在眼镜上的长期投入，使公司在AI Agent成熟后处于较有利的位置。Meta正在将Muse及更多AI功能引入眼镜产品，而过去相对更强调“临场感”的元宇宙技术仍在继续推进，只是当前更多资源转向了Muse和智能眼镜的AI功能。

对于虚拟形象，扎克伯格称，Meta此前需要通过房间级设备、多角度扫描以及企业级GPU环境，生成较高质量的写实化身；目前，用户通过少量照片即可完成设置，相关能力已可运行于一副VR眼镜中。

展望2030年，扎克伯格称，元宇宙的核心愿景始终是融合物理世界和数字世界。他举例称，未来人们可以在线下与通过全息影像接入的朋友共同参与活动；在工作场景中，人类与多个Agent也可以共同参与群聊或会议，Agent可以以全息形象或其他具身化形式出现。

对齐，不是负担，是产品必须解决的问题

扎克伯格对AI安全的态度很务实——他不把它视为监管压力，而是产品能否成功的前提。

如果你让Muse做一件事，它却做了相反的事，谁还会用它？我们需要让模型不只是理解你的具体指令，还要理解你的意图和你的价值观。

“Muse要触达十亿用户，我们就必须解决对齐问题，或者说在这上面取得非常大的进展。”他说。

对于训练过程中的安全边界，他用了一个类比：“就像父母给孩子立规矩——如果它通过修改系统配置来'完成'一道编程题，我要告诉它：不，我让你去学解题方法，不是让你找捷径绕过去。”

访谈全文如下：

大举押注

主持人： 这件事将会有数十亿人想要使用。对您来说，做建设是一种怎样的感受？"永生"是一种可能吗？好，如果您带我进入您的思维，快进到2030年，那会是什么样子？

这位是马克·扎克伯格。22年前，他构建了一个连接数十亿人、永远改变了世界的社交网络。而如今，他决定建造更宏大的事物。为此，他正在元宇宙、智能眼镜和人工智能领域大举押注。多年来，怀疑者认为这是三场各自独立、不可能成功的赌注，但他们忽略了更宏观的图景——因为当下，这些押注正在汇聚，共同创造出一种全新的超级智能。

今天，我们将向大家呈现这一切，我也将向马克提出一些他从未被问过的问题，倾听他对未来的愿景，让您能够提前布局，构建下一件大事。

主持人： 非常感谢您来到节目。

马克： 谢谢，很高兴来这里。

主持人： 为了这次对话，我把您做过的每一次采访都看了一遍。

马克： 好家伙，那比我自己看的还多。

主持人： 很好玩，收获颇丰。有两件事给我留下了深刻印象：第一，您对"建造"的热爱，我感觉您就是最顶尖的建造者之一；第二，您押注的能力——敢于做出巨大的赌注。我觉得这周，所有这些押注正在汇聚到一起，所以我们就从这里说起吧。

马克： 好的。这些事情我们已经做了很长时间了。AI方面，作为一家公司，我们几乎从创立之初就在做了——第一版新闻资讯流在某种程度上就是一个机器学习产品。然后我们大约在15年前创建了AI研究实验室。

但现在我们进入了新阶段——大约一年多前，我们启动了Meta超级智能实验室。这是一次相当彻底的研究重启，从整个行业引进了大量优秀人才，令人振奋。目前，我们看到模型越来越好，下一代模型即将发布，不过不是在Connect大会上宣布。此外，我们还有Muse个人助理，目前来看反响非常好。

在构建这些东西的时候，你其实并不确定结果如何。我们自己是喜欢的。早在今年年初，我就在家里用自己的方式把Open Claw拼凑起来，感受这个东西是怎么运作的，以及怎样才能把它打造成一种任何人都能使用的神奇体验。

基本上，当我们——我、Nat和Alex——坐在一起，意识到这是一种神奇的体验，并且如果能把它打造成一个开箱即用的版本，让那些不懂技术、不想去自己安装Mac Mini、不想进终端折腾、也不想在出问题时调试的普通人也能用的时候，我就觉得，这将会是数十亿人都想要使用的东西。

从那以后，我们一直在围绕这个目标努力：专门为它调优模型，不仅构建了助理本身和运行框架，还构建了为每个助理提供独立计算环境的技术——我们为此构建了整套Muse安全虚拟机。

我们内部一直觉得这很特别，内部人员也很喜欢，但你永远不知道产品发布后大家会怎么反应。偶尔会出现一鸣惊人、开门红的情况，但大多数时候你会收到一些正面反馈，还需要迭代几个地方才能真正让产品"咔哒"一声落地。而这一次，它一出来就直接"咔哒"了。看到这一切发生真的非常令人振奋——才两周，使用人数就已经有数百万，这相当罕见。每隔几年我们才能遇到这样的情况，但这绝对是创业公司最令人享受的时刻之一。

主持人： 您能坚持在赛场上、不断尝试，这让我非常佩服。而且这么多次都打出了安打，真的很厉害。您之前有一次和乔·罗根的访谈，大概是三年前，最后您提到有一天可以直接戴上眼镜，AI助理也会随之出现。所以我感觉Muse已经有实体化的形象，这一点非常聪明，因为那感觉是必然会发生的事。

马克： 我觉得这也只是让它显得更友好可爱。我认为太多人把AI描述得像个令人恐惧的东西，但AI应该只是有用又有趣的。那个实体化的形象——项目早期有位设计师做出了那个角色，不知为何他们一直想迭代，但第一版就是最好的。后来有人说，"哦，它得是蓝色的，因为是Meta嘛。"我说，"不，我觉得这个形象就是对的，你第一次就钉住了。"就这样，就是好玩。

个人AI与通用AI有何不同？

主持人： 很好的细节。如果您想让模型在个人事务方面表现得非常出色，而不仅仅是通用智能模型，那么训练方式会有什么不同？

马克： 我认为目前的核心在于让模型成为优秀的"智能体（agent）"。过去一年，最大的风口是编程智能体，其中蕴含两个核心思想：编程专业能力，以及成为优秀智能体的通用能力。

我们的策略是，将智能体本身做好放在首位，而不是专攻编程能力。

编程能力之所以重要，是因为即使用户自己不认为在写代码，Muse也在后台一直为你写代码来完成各种任务。但我们认为，智能体应该首先是一个出色的智能体，编程能力服务于此目标。

此外，在构建个人助理时，有些事情比构建企业软件产品更为重要。比如，如果你在构建一个企业编程工具，模型根本不需要有任何关于"信息披露尺度"的概念——比如什么信息该说、什么不该说。但对于Muse来说，这非常重要。

你需要把这种能力训练进模型里，就像训练其他任何能力一样。你会告诉它很多事情，然后希望它去帮你实现目标。比如，你想让它帮你订餐厅，你在找一家合适的餐厅，但你可能有某种过敏症，或者你怀孕了，而你可能不想把这些透露给餐厅。但Muse会知道这些信息，你希望它在尽量少透露信息的同时完成任务。这是一种具体的技能，本质上是人类的基本社交常识。

但那些只做编程智能体的公司，大多数都没有把这种能力训练进去。我们之所以能做到，是因为我们在做全栈——我们不是从别人那里拿来一个现成的模型再套个框架，我们是从头训练整个模型，专门为这些能力服务。

模型当然需要具备广泛的通用智能，但它同时也具备这些特定能力。然后在此基础上，你构建整个助理，以及它周围所有的细节：记忆、运行框架，还有它"心跳"的方式——它定期唤醒，检查一下"好，这些是我了解的关于你的目标，有什么我现在可以推进的吗"。

我们还有一个专门的团队，只负责打磨虚拟形象的实时动画效果，因为不仅仅是默认形象——你可以自定义任何形象，然后它就自然地动起来，效果非常棒。我们还在推出语音模式，你可以进行实时语音对话，你的助理就在那里陪着你。这些细节，我觉得都源于我们在做全栈——模型和产品是一起开发的。

主持人： 另一件大事是虚拟机。能解释一下它为什么重要，以及它解锁了什么吗？

为什么Meta要为每个AI助理配备独立计算机？

马克： 基本上，一个智能体要能替你做事，就需要一个地方来存储你的信息。我们认为这些信息不应该和其他所有人的信息混在一个资源池里。

可以这样理解：你的助理会知道很多关于你的敏感信息。很多人最初接触OpenCloud这类智能体时，会在家里自己配一台Mac Mini。于是我们想，很多人并不想买Mac Mini或者自己设置。那么，什么样的体验能最好地近似这种效果呢？答案是：你只需下载一个App、注册，就能获得一台专属于你的计算机，供你的助理工作、存储数据，并围绕此建立安全模型。这样就近似于在你桌下有一台自己的电脑——就连我们Meta也无法访问。

比如Muse机密虚拟机，这是我们正在开发的功能，就连我们自己也无法看到你虚拟机里的内容。

我们还围绕这些构建了很多东西，比如安全凭证存储——当你的助理需要处理密码之类的信息时，它本身不需要能看到这些密码，只需要在你要求它登录某个服务时能"插入"凭证，并且只在你明确要求时才这样做。系统应该这样设计：那些信息本身就不可随意访问，因为意外总会发生，有人可能试图入侵，或者系统可能出现问题。

所以你要确保智能体无法访问这些数据，Meta也无法访问。为每个助理提供独立计算机，并把安全性做到极致，是这项技术的根本基础——既赋予Muse帮助用户实现目标所需的能力，也保证了隐私和安全，使其成为该领域世界级、行业领先的产品。

---

主持人： 那这是否意味着，就像WhatsApp一样，Muse连接到的虚拟机上的数据是加密的？人们该如何理解数据在虚拟机中的实际存储方式？

马克： 我们基本上构建了两个版本。Muse安全虚拟机（Secure VM）包含各种隐私功能，其中包括我们构建的整套Sentinel智能体架构。你有一个正在为你执行任务的普通Muse助理，同时还有一个我们称为Sentinel的安全智能体，专门监控进出你的Muse的数据流。

如果有外部内容试图破坏安全，Sentinel会直接切断，阻止其发生。如果它认为你的Muse即将采取某个需要你介入的行动，它会覆盖Muse的操作，并触发提醒，让人来确认权限——比如"你希望Muse能做这件事吗？"

这整套系统，加上安全凭证存储，再加上多层纵深防御，共同构成了Muse安全虚拟机。

我们还在开发另一个项目。Nat和我专门招募了Moxie Marlinspike——他就是当年和我们合作实现WhatsApp端对端加密的那个人——来设计Muse机密虚拟机（Confidential VM）。其核心思想是，在安全虚拟机的基础之上，再赋予你一个专属加密密钥，使得连Meta都无法访问其中的内容。

这个版本实现难度更大，因为如果Meta无法访问虚拟机内部，调试和保证系统正常运行就困难得多。所以我们花了一些时间，但很快就会推出。这基本上将达到人们在WhatsApp以及我们其他最安全产品上已经熟悉的安全标准。

主持人： 这样做的优势，只是让人们心理上觉得更安全，还是有实际的好处？

马克： 我认为安全本身就很重要。我们的目标是近似于让你在桌子下拥有一台本地机器。那台本地机器能给你什么？它意味着没有任何公司能访问它。

所以，假设Meta想为你提供这项服务，我们怎样才能给你同等级别的隐私和安全保障，使得没有任何公司——无论是Meta，还是任何试图入侵我们的人，或者在某些国家，你不信任当地政府的情况下——都无法访问它？因为我们自己也进不去，因为我们没有访问权限。

我认为这非常重要，这也是人们信任WhatsApp的重要原因。这对隐私、安全和信任来说是真实存在的价值。

如果你要拥有一个对你的一切了如指掌的助理——我猜几乎我们所有人都会拥有这样的助理——快进5年，每个人都会有一个能深入了解你的目标和一切的助理，并能帮你完成事情。在这种情况下，在隐私和安全方面做到行业领先就非常重要。我们从一开始就想这样做。

如何塑造AI的个性？

主持人： 您还有一点很有意思——您在大学学过心理学。

马克： 嗯，在那里只待了很短的时间，两年，但我感觉它影响了我后来构建的很多东西。

主持人： 我们看模型的时候，经常会说某个模型"非常聪明"。但就像我们选择朋友，肯定是因为他们聪明，同时也因为我们喜欢他们的能量和相处方式。您在塑造模型个性方面是怎么考虑的？

马克： 我认为理想的模型应该有足够的适应性，能够契合不同人的风格。我觉得很多行业人士在这一点上都搞错了方向——很多其他实验室都在专注于"如何把个性设计对"，但我从来不认为个性是一个固定的东西。这也是我如此坚信开源、如此坚信人们能够定制化的原因之一，也是我们把Muse设计成一个高度个人化产品的原因。

你可以自定义和个性化Muse——不只是形象和声音，在你第一次注册时，它问你的第一件事就是"你希望我的基本个性是什么样的"，而且你随时可以去修改。

我们努力让模型具有很强的可引导性，让你能定义自己想要的互动方式。这是让它成为优秀个人助理的重要组成部分——这种围绕个性的适应性非常关键。

主持人： 您自己的Muse是什么风格？

马克： 我让它直接、注重效率。它挺有意思的。早些时候的版本很爱讽刺、很幽默，但现在这个版本更直截了当。我的助理用的是默认的Muse形象，但我给他穿了一件托加长袍，还给他配了一个深沉到有些滑稽的嗓音，和他互动很有趣。

主持人： 我觉得要有幽默感，你必须真的很聪明。很多人没意识到，喜剧演员是社会上最聪明的一批人——反应要快，机智要够。您肯定有这个特质。看了您所有的采访，您一直表现很好。

马克关于AI与元宇宙的出人意料的预测

主持人： 您和Theo的访谈中，你们谈了很多关于技术的下一个前沿以及这一切最终指向何处。AI领域曾经历过几个"寒冬"，人们以为不会有突破。元宇宙也经历了几次这样的时期，大家觉得这是个无法兑现的赌注。我昨天试用了新的全息形象功能，非常酷。在和Lex的访谈里，感觉要花11个小时才能把您的脸录进去，现在只需要3分钟了。这是怎么推进到今天的？

马克： 在元宇宙的整体发展上，我们在创立Reality Labs时，始终认为最终会有外形正常的普通眼镜，并且随着时间推移，它既能提供沉浸式的临场感，又能成为出色的AI设备——因为眼镜是唯一能让设备看到你所看、听到你所听的形态，整天在你耳边与你交流，并最终显示图像。

但10到15年前，我当时假设我们会先实现全息技术，再有高度发达的AI。然而技术演进的路径很有趣——我们实际上先有了AI和个人超级智能，然后才有技术来让全息技术变得足够普及和实惠。这是我没有预料到的，但我很高兴我们两个方向都在做。

我们在眼镜上的大量投入，让我们在AI助理准备就绪之际，处于了非常有利的位置。Connect大会上的很多发布，正是关于把Muse和大量AI功能引入眼镜，我认为用户会非常喜欢。这是个大事。

关于临场感方面，我们仍在推进，但进度相对慢一些，因为我们大部分精力已经转向为眼镜构建Muse和AI功能。不过，我们有一个持续已久的项目，就是实时高保真的虚拟化身。

就像您说的，三四年前，你需要一整个扫描室从各个角度录入一个人，然后还需要企业级GPU才能渲染，非常费事。我们为Lex播客做的那个演示就是那种设置。而现在我们基本上让它在一副VR眼镜里就能运行——这是第一副能实现这种惊人VR体验的眼镜形态，而不是一个大头显。只需几张照片就能建立你的虚拟化身，进展之快令人惊叹。

主持人： 而且还能基于声音来驱动表情。在演示里，它让我笑，让我互动，然后理解我的面部如何随着音轨运动。您在那期播客里提到，一些平时表情比较内敛的人，实际上在虚拟世界里会想要更丰富的表情。您怎么看待人们区分"虚拟自我"和"现实自我"这件事？

马克： 我认为我们在理解这方面的社会学和心理学上还处于很早期的阶段。我觉得人们对自己的认知和想要投射出去的形象，往往和实际的自己有些不同。从社交网络诞生之初，人们就在精心挑选头像。在Muse的虚拟形象上，我们也看到了类似的现象。那不太是在"策展"自己，而是在"策展"你想要与之交流的那个"人"。

我认为，当你在给人们提供表达自我的能力时，你既希望它能真实捕捉到他们，同时它本身也是一种表达形式，而不只是纯粹的镜像映射——它既是传达，也是表达。我们希望能构建出兼顾两者的东西。这始终是一个迭代循环：看看人们怎么用，然后改进。经过多年工作，我们现在才真正站在了起跑线上——第一次能将相当高质量的写实化身真正做进产品里，在手机上可以用，在VR里也可以用。我非常期待看到结果。

2030年会是什么样子？

主持人： 好，带我进入您的思维，快进到2030年，如果一切顺利，全息技术那边会是什么样子？全息加Muse，加上眼镜，它们如何汇聚在一起？

马克： 我对元宇宙愿景的理解，始终是关于将物理世界与数字世界有效融合。基本理念是：我们有这个美好的物理世界，同时也有一个精彩的数字世界——互联网上20到30年来积累的海量内容，令人叹为观止。但我们访问它的方式，要么是坐在桌前，要么是通过口袋里的一块小屏幕，这从根本上看非常受限。

我认为这件事最理想的版本，就是物理与数字世界的无缝融合。可以这样想：现在我们两个人在这里。未来的某个版本里，我们其中一个人可能是一个全息投影，但你依然感受到彼此真实在场的那种感觉，这和视频通话完全不同。

而虚拟现实的核心，正是传递这种临场感——让你真切感受到自己与他人同处一室，或置身于另一个地方。你可以用全息技术实现这一点，并以各种方式混合。比如，我可以和朋友打一场扑克，一部分人在场，另一部分人通过全息形象加入，也能打牌，牌桌本身也可以是全息的，这样不在场的人也能融入其中。

与此同时，AI也可以被赋予实体，出现在这个场景里。在工作场景中这很有意义——我现在就一直在用各种编程智能体来构建东西。试想一下：你有一个群聊频道，里面有几个人和几个智能体，你给智能体分配任务。但有时候，大家会聚在一起开会，智能体也许也应该在场。它们怎么出现？很简单，沙发上多几个位置，它们以全息形象出现就好。或者用Muse那个可爱的小角色，或者是龙，或者是任何你创造的奇奇怪怪的形象。

我猜这在未来会感觉相当自然。

主持人： 有意思。您之前的采访中说过，科技行业经常忘记"好玩"这件事。我觉得有个实体助理出现在那里，也会让感觉更真实——就好像真的把工作外包出去了。当你看到Muse在打字，就感觉有什么事情真的在发生。这一点做得很好——能看到浏览器里正在发生什么。那么您认为有没有可能出现这样的场景：你戴着眼镜，然后控制你的电脑，让Muse在电脑上帮你做事？

马克： 哦，肯定的。VR已经可以做到了。你可以随便找个地方坐下，咖啡馆也行，然后打开你的工作站，有六个显示器，在上面写代码，一切都有。

眼镜这边，最受欢迎的那款目前还没有显示器，这样一方面可以让价格更实惠，让更多人使用，另一方面我们仍在努力让显示器做进最紧凑的形态里。但我们已经发布了Meta Ray-Ban的显示器版本，很受欢迎，是一块小显示器。我们还发布了全视场全息AR的原型版本，我认为会非常令人兴奋。

所以，整条产品线就是这样的：从纯音频眼镜——没有摄像头，看起来就是普通眼镜，但里面有Muse，可以用各种音频工具、听音乐、打电话——到更高阶的版本，全都有。

主持人： 我在想，戴着那款音频眼镜，能不能一边跟Muse说话，一边让家里的电脑在做事？

马克： 对，完全可以。我们刚刚在Connect大会上发布了这个功能。现在所有眼镜都连接到Meta AI，是一种"单轮"体验——你发一个提示，它回复，就这样。但有了Muse，我们基本上要把所有眼镜都升级为Muse。首先，你不需要再说"Hey Meta"了，你可以给它取任何名字，这本身就是乐趣的一部分。然后你就直接和它说话，它连接到你的Muse，你的Muse在你的安全虚拟机里处理任务，帮你把事情搞定。

主持人： 太厉害了！

创始人心态

主持人： 好，我们现在在这里，Muse进展很顺利，眼镜也做得不错，但大约一年前，很多人都在问"超级智能实验室到底怎么了"。在那个时刻，您内心是什么感受？当事情进展不顺、但您又看到了长期愿景，那是一种怎样的体验？

马克： 真正出了问题的是Llama项目和Llama 4。

Llama 1是一个相当有趣的模型，它开创了整个开源AI运动，我们对此非常自豪。Llama 2实现了规模化，Llama 3是一个很好的模型，在当时几乎达到了前沿水平。然后到了Llama 4，我们基本上偏离了应有的发展轨迹。

每当事情没有按我预期的方向发展，我都会花大量时间思考：为什么会这样？我们需要改变什么才能做得更好？这次，我的反思是：整个团队的架构我搞错了。

我把它建模成了我们做Instagram信息流或广告系统这类机器学习工作的方式——有数百甚至上千人并行工作在很多事情上。但对于构建语言模型来说，你真正需要的是一个极其紧密的小团队，把它当成一个团体科学项目来做。人不需要多，但这意味着团队里的每一个席位都极其宝贵。

于是我们从Meta各处网罗了最优秀的人，同时从行业各地引进了很多牛人，组建了一个全新的团队——就是Meta超级智能实验室。

从我的角度来看，在MSL启动之时，我就知道这需要一段时间来重启、重建基础设施、训练下一代模型。但我知道我们拼起了一支出色的队伍，如果团队能磨合好、运转良好，结果就会很好。

对我来说，最惊心动魄的时刻，其实是Llama 4发布后——我以为我们在这条轨道上，结果发现并没有。那是一个相当大的负面意外。我想，作为创业者，你总会在这些时刻被考验，因为不可避免地，并非所有事情都会一帆风顺。而真正决定发展轨迹的，是：当事情没有按你希望的方向发展时，你如何找到前进的方法。

主持人： 我猜反过来也是如此——当某件事远超你的预期时，比如Muse的首发，你如何确保能把握住这个机会？

马克： 完全是这样。现在公司全员投入——最开始只是一个构建产品的小团队，但现在大家都意识到，这真的准备好了登上大舞台。全公司都在想，怎么把这个东西做大，怎么让数亿人都能体验到。

从优化所有基础设施让一切顺畅运行、榨干现有GPU的每一分算力，到各个产品团队以不同方式将Muse嵌入——比如眼镜。看到大家齐心协力，确保Muse能顺利扩展出去，这种感觉非常棒。

马克如何书写和传达愿景

主持人： 作为创始人，我觉得那才是你最向往的时刻——一切汇聚在一起。您是怎么向公司传达愿景的？在同时推进这么多事情的情况下，我感觉您写了很多。您的流程是什么？

马克： 写作对我很有帮助，既能帮我提炼自己的想法，也能对外传达。今年夏天，我写了一篇很长的文章，叫《未来属于所有人》，大约15页，帮我系统梳理了自己在AI相关各种重要社会议题上的哲学立场：我认为什么是好的，与政府的互动应该是怎样的，如何防范人们担忧的各种危害，如何让数据中心成为社区的财富，真正创造就业而非消灭就业，如何维护国家安全，如何切实缓解人们担心的风险——无论是黑客攻击还是生物安全之类的事情。

这是一件非常复杂的事，花了很长时间，和很多人交流，经历了很多轮修改，内部很多人参与讨论、辩论。但这对我来说是一个非常有价值的过程。最后我们就有了这样一个东西——15页，"这就是我们相信的"。然后我把它精炼成一页的版本，作为专栏文章发表。我们还制作了一个短视频，因为我觉得要触达很多人，你往往不需要抛出一套理论论证，而是把它浓缩成：你的价值观是什么，你相信什么，你怎么传达。

在向公司或世界传达这些方面，没有一刀切的方式。不同时期需要不同的方法，不同群体的人，有些天然就认同你在做的事，有些则更担忧，需要你把他们带着走，需要额外花力气解释为什么这是有价值的。我认为这本身就是经营一家公司、作为一个创始人的一部分——你不是一遍遍重复同样的事，每一次所处的情境都略有不同，面临新的挑战，这也是它部分有趣之所在。

是什么驱使马克去建造？

主持人： 我觉得对您来说，这种创始人心态延伸到了公司之外——无论是您的农场，还是学习一项新技能。

马克： 我就是喜欢造东西。

主持人： 那对您来说，"建造"是一种怎样的感受？

马克： 我觉得那是一种内在的需求。不同的人有不同的自我表达方式。如果你是一个作家，你会感觉自己必须写。有些人有被认可的需求。但我就是需要建造东西。如果我不在运用创造力、不在建造什么，我就会变得脾气不好。这对我周围的人来说可不好受。

主持人： 学习成为一个优秀滑雪者，和学习构建一个产品，是同一种技能吗？

马克： 某种程度上是的，学习新事物的过程相当类似。在我的人生里，我刻意挑战过一些自己很不擅长的事情。比如，我一直非常不擅长学习语言。这实际上就是我最开始学拉丁语的原因——我在课堂上怎么也学不会法语和西班牙语，最后我想，好吧，拉丁语不用说，只用翻译，就像数学一样。

后来，我在开始经营公司时，给自己设立年度挑战，其中一年是学普通话。普通话真的很难，声调那个部分尤其如此。当然，学它有充分的理由——普里西拉的外婆只说普通话，所以如果我想和她交流，就需要学。但最大的动力其实是挑战本身。

所有这些事情，你只能去做，没有什么捷径可以"想明白"。你只能投入时间，然后它就慢慢渗进大脑里。学武术、学开直升机，也是一样——这些事情其实很难用理智去"理解"，它们需要实战积累。

构建产品也有一部分是这样的。编程可以用理论方式思考，但构建产品的那种直觉，只能通过反复实战来培养。问题只在于你喜欢什么——因为我认为不是所有人都有和我一样强烈的建造需求，大多数人都有某种程度的需求，关键是找到那是什么，然后把时间投入进去，成为你真正想要在那件事上做到卓越。

老实说，我觉得这不仅仅是"想要"，更是一种深层的心理需求或驱动力。把这种驱动力和某件事对齐，给自己时间让那些经验慢慢渗透沉淀，这非常关键。这也是我试图教给孩子们的——让他们找到自己真正感兴趣的东西，但如果他们遇到瓶颈，也要推一把。

我的一个女儿非常喜欢创作音乐，但她就是受不了上钢琴课。我跟她说："你不需要成为钢琴大师，但如果你想创作音乐，你就需要对乐理和运作方式有直觉上的掌握。而且一旦你学会了钢琴，吉他你马上就能上手。"我觉得，无论是作为孩子需要家长推一把，还是作为大人，有纪律坐下来让这些东西慢慢在大脑里沉淀，都是关键所在。

建造者的黄金时代

主持人： 我觉得其实每个人都想建造。我认为Z世代也不像外界批评的那样——低能动性什么的。我觉得人们只是在寻找能够点燃他们建造力的火花。您在哈佛演讲里也谈到了很多这一点。

马克： 是的。我说"建造"，主要是指这类产品——软件、硬件之类的。但我同意，我认为每个人都有某种创造驱动力。不过有些人有其他更强的性格特质压过了这一点，比如服务驱动——那些成为医生或护士的人，他们最核心的驱动力就是"我就是想照顾别人"。

我听说过一个故事，可能是普里西拉在医学院经历的：开学第一天，有人站起来问，"你们有多少人在小时候有过这样的记忆——看到某人，心里想着'我真的很想照顾那个人'？"结果所有人都举手了。对我来说，我的版本就是：我有很多小时候的记忆，是"我想去做这个东西，让它变得更好"。

不是每个人都有同样的驱动力，但每个人都有自己想做的事。我同意，有了以前的技术，对很多人来说，起步本身就很难。这也是我对个人超级智能、Muse和各种AI助理最感兴奋的一点——我认为这是有史以来第一次，人们真的可以快速起步。你有一个模糊的想法，AI可以帮你勾勒出轮廓，然后你去雕琢它，就像在塑造一件雕塑，而不需要在开始之前什么都已经懂得。

我认为这非常有力量，很多人将会因此找到他们想要创造或推动的事情。这将帮助人们感受到更广泛的能动性。

我们离攻克所有疾病还有多远？

主持人： 您在Meta之外的另一个项目是攻克所有疾病。我很好奇，第一，我们距离目标有多近？

马克： 比以前近多了。

主持人： 您觉得现实地来看有多近？

马克： 我们最初启动这个项目时，目标是在本世纪末帮助科学界攻克所有疾病。我们从来不是要自己去做，我们的理论是：所有重大科学进步，都以一种能够测量和理解某些事物的新工具为先导。比如发明了显微镜，然后我们理解了细菌；有了望远镜，帮助我们理解了宇宙。

这些工具有些还成了平台——比如第一个发明疫苗的人，之后人们就能用这个方法治疗很多疾病。

但历史上，科学资助的方式一直是广泛分散，让各人做个体探索，真正用于构建这些大型工具的资金并不多。我们在Biohub试图做的，就是设计几种新工具，赋予人们以新的方式"看见"生物学，从而帮助科学界加速进展。

最初我们认为"到本世纪末"已经是很有把握的目标了，很多生物学家当时还觉得这不可能。但现在我觉得，本世纪末太久了。

AI的进展，加上我们正在做的虚拟细胞模型——其基本思路是，不用在真实的活体细胞上做实验，而是用AI模型来模拟蛋白质，进而模拟细胞，再往后模拟虚拟免疫系统，或者整个生命体，甚至整个人。这将让科学家能运行大量实验，模拟不同情况下会发生什么，比如给某人服用这种药物，身体会有哪些反应。

我不想给出一个精确的年数，但我猜会比本世纪末早得多。

主持人： "攻克所有疾病"这个目标措辞感觉很刻意，而不是"永生"。永生是一种可能吗？

马克： 这不太是我深耕的领域。我认为两者是两件不同的事。"永生"更多关于延长——即使你不会生病，人体本身也有一个自然的预期寿命，这是另一个需要单独研究的问题。有些人会认为这也是一种"疾病"，这是一个合理的视角，但我认为，人们也需要同时努力攻克那些即使你把寿命问题解决了之后、仍然会让你生病的疾病。

我们选择的那部分问题，并不是说你永远不会感冒。我们的说法是"治愈、预防或管理"：有些疾病可以被完全治愈；有些我认为我们将来能够预防；还有一些，也许你还是会生病，但本来会造成真正伤害甚至夺去生命的事情，你现在可以将它作为一种持续的慢性状况来管理，不会对你的生活质量造成实质影响。

目标是让人体保持在平衡状态——不是说我们永远不会接触到病原体，而是在某一天，我们能够治愈、预防和管理所有疾病。

马克脑子里出现最频繁的念头是什么？

主持人： AI在很多不同的突破中都像催化剂一样，包括个人智能这个方面。您现在最常思考的是什么？在这个过程中，您脑子里出现最多的想法是什么？

马克： 这可能每周都在变。

现在非常专注于Muse。每次发布一个东西、快速推进，然后和真实世界接触，了解人们的反馈，再弄清楚接下来要做什么——这个阶段总是令人兴奋的。我们现在就处于这个阶段，正在收集大量信息，了解人们想要什么。好消息是人们非常喜欢它，所以我们在努力让尽可能多的人用上它。

模型方面还有很多工作，Muse Spark模型进展很大，我们希望继续推进，希望打造世界领先的模型。

下一步需要哪些突破？

主持人： 还需要哪些突破？

马克： 研究这种事，你未必能提前预知。我们对某些方向有一些预感，过去一年的工作很大程度上其实是在扩展基础设施。

大约一年半前，更多人会说，要达到超级智能，需要某些根本性的架构突破。但我现在不太确定这是否成立。我认为我们已经对"配方"有了相当的了解——如果你能建造一台足够大的超级计算机集群，就可以通过暴力计算到达那里。

我们正在建造俄亥俄州那个超过1千兆瓦的集群，基本已经上线，我们正在用它训练下一代模型。然后是路易斯安那州的5千兆瓦集群，很快就会投入使用。我估计，当你拥有多千兆瓦量级的集群在做训练时，你基本上就能得到接近AGI，乃至AGI之上超级智能的东西。

但这不意味着这是最好的方式。人类大脑只需10瓦就能运行，而我们建造的这些计算系统，效率大概比人脑低一百万倍。所以我确实认为，在架构方面还有改进空间，我们也在努力探索——如果把巨大的算力和架构改进结合起来，你真的能建造出领先全球的东西。但就目前而言，规模扩展本身就能带我们走很远。

主持人： 确实，规模扩展是最有保障的路径。研究你得寄望于重大突破，但规模扩展很快就能起效。

马克： 正因如此，大公司都选这条路。也许存在一种便宜得多的方式，但我们目前还不知道。而这是一个对世界如此有价值的东西，即使要花数千亿美元，只要实现的概率足够高，就依然值得去做——确保即使最终没有找到更便宜的突破方式，你仍然有一条清晰的路径能实现它。当然，如果你找到了更便宜的方式，那就更好了。

所以我不想说这个问题"已经解决了"，因为在扩展基础设施的每个阶段，你都会遇到各种新的工程难题需要调试解决。研究本身就是这种迭代的方式推进的。

如何赢得AI安全这场战役

主持人： 现在可能最重要的事情之一是专注于对齐（alignment），让模型变得可信赖。

马克： 是的。关于对齐，行业里有一场争论：这些AI实验室会自然而然地去做吗？我的观点是：当然会。如果你告诉Muse做一件事，它却做了完全相反的事情，我不知道有多少人还会想用它。我们必须确保模型不仅理解你具体问了什么，还理解你的意图和价值观，这样它才不会用一种你不满意的方式去做那件事，或者产生你根本不想要的负面影响。这种深层理解，本质上就是对齐。

所以我的看法是，要让Muse成功、触达数十亿人，我们就必须在对齐方面取得切实进展，而不只是说说而已。

主持人： 对齐是通过用户说"那不是我想要的"来实现，还是靠你们后台自己发现？

马克： 两者都有。用户反馈是有的，但我认为，越来越清晰的是：你需要在训练阶段就做对齐，而不只是部署之后。现在模型已经足够聪明，如果你在训练阶段不做好，我们在其他实验室看到的那些安全和安全事故，大多数都发生在训练过程中，而不是部署给用户使用之后。

你需要为它制定一套非常好的"课程"，就像父母教孩子一样，需要设定明确的边界。如果它做了错误的事，它需要学到"不，你应该真正去解决这个编程问题，而不是通过修改某个系统配置来绕过它、获得奖励"——我想要你通过实际的解题过程来学会这个方法，这才是训练的意义所在。

这很大程度上是关于建立良好的安全机制和明确的边界。这些都是行业必须去做的自然工作，我们正在投入大量时间，每天情况都不一样。

主持人： 我还记得您说过，AI安全这个问题——感觉最近两周突然成为焦点，但其实没有什么单一事件触发了这个时机。听起来您的意思是，我们其实多花了几个月时间在内部做训练。

马克： 对于Muse，我们知道这个产品需要非常注重隐私和安全。我们有一个早期版本的模型，认为可以进一步训练一些关于"信息披露尺度"的行为——就像我们之前聊到的那些。所以我们花时间去做了。同时也花时间把虚拟机做得更安全。这多花了几个月。

我不太认同某些其他实验室的说法——"我们在承受巨大痛苦以换取放慢速度"。对我来说，那对Meta和Muse的用户来说都是正确的事。我们想把产品做好，如果产品不够好，对用户不好，对我们也不好——我们不想把东西推出去，给人留下糟糕的第一印象，然后大家就不再有兴趣用了。

我认为，所有实验室都会有非常强的内在动力把这件事做对。如果把激励机制和"极度有价值且安全"这个目标对齐，那就是关键所在。

主持人： 非常感谢您在这个重要的一周抽出时间。

马克： 谢谢您，谢谢。

本文来自华尔街见闻，欢迎下载APP查看更多

欧洲8月纯电动汽车注册量同比激增52%，创下近年来最强劲的单月增速。这一数字背后，是汽油价格持续攀升带来的真实经济压力。

据彭博报道，欧洲汽车制造商协会（EACEA）周四公布的数据显示，德国市场增幅达75%，法国销量则同比翻倍以上。整体来看，截至8月，欧洲每三辆新车中已有逾一辆带有充电插头，而去年同期这一比例仅略高于四分之一。

Stellantis旗下雪铁龙品牌负责人Xavier Chardon在接受采访时表示：“当油价上涨，运营成本的问题对消费者来说变得非常具体。购买电动车不再是一种技术选择，而是一种经济选择。”

油价创纪录，成为最强劲的“转型催化剂”

推动这波需求激增的核心因素，是化石燃料成本的急剧上升。

据彭博报道，美以对伊朗的军事行动正在扰乱霍尔木兹海峡的油轮通行，导致德国汽油均价升至每升2.31欧元的历史高位，折合每加仑约10美元。柴油价格更贵——乌克兰对俄罗斯炼油厂的持续打击压缩了全球供应。

柴油为欧洲约30%的汽车提供动力。市场目前还在猜测，特朗普政府可能限制美国柴油出口以缓解国内价格压力，这一预期令欧洲柴油价格面临进一步上行风险。

对于普通家庭而言，冲击已经相当直接。欧洲主要市场的燃油价格较此前上涨逾四分之一，令本已捉襟见肘的家庭雪上加霜。

法国北部海岸渔民Charles Rivière对此深有体会。这位54岁的渔民表示，往返巴黎的油费大幅上涨，迫使他不得不提高接单门槛。

“以前有12到13个巴黎客户我就能盈利，”Rivière说，“现在没有至少20个订单我就不去，而且客户越来越少。不去的时候，我的收入就是零。”

消费者开始用脚投票

油价高企让电动车的经济优势愈发突出。

据比价网站Verivox的分析，在德国，中高档电动车在家充电的成本目前比同级别燃油车低约70%。

与此同时，车企也在加速推出更亲民的车型。雷诺的Twingo E-Tech城市电动车起售价19,490欧元（约合22,353美元），大众旗下斯柯达Elroq紧凑型SUV售价37,890欧元。

政府补贴同样在发力。德国对收入低于一定门槛的购车者提供最高6,000欧元的补贴；法国则推出了月供低于100欧元的购车方案，适用于雪铁龙ë-C3等车型。

续航焦虑也在消退。福特Capri长续航版电动SUV单次充电可行驶逾600公里，与沃尔沃EX60中配版相当。

繁荣背后，欧洲车企仍深陷困境

然而，这波迟来的电动车热潮对欧洲传统车企而言并非全然利好。

此前，需求波动和美国监管政策的骤然转向，已令各大车企损失数百亿欧元。Stellantis去年为此计提了创纪录的254亿欧元减值损失，特朗普政府的电动车政策逆转更令其雪上加霜。

大众作为欧洲最大汽车制造商，正推进将全球裁员规模翻倍至10万人的计划。据报道，大众周五还因中国市场大幅萎缩，下调了今年的盈利预期。

中国品牌趁势扩张

欧洲车企的困境，正在为中国品牌打开更大的空间。

据数据公司Dataforce周三公布的数据，中国品牌8月在欧洲新车销售中的份额升至近12%，创历史新高。比亚迪旗下入门级城市电动车Dolphin Surf在欧洲起售价22,990欧元，并在意大利向消费者提供最高11,600欧元的折扣。

油价政治化，各国政府被迫出手

创纪录的油价正在重塑欧洲政治议程。

在德国，总理Friedrich Merz领导的执政联盟支持率持续下滑，联邦及各州政府上周联合推出了一项25亿欧元的驾车者和企业救助方案。在意大利，总理Giorgia Meloni的政府本月宣布削减车辆持有税，时间节点恰在明年大选之前。

法国的社会压力同样在积聚。过去一周，渔民封锁了地中海沿岸多个港口和一处燃油仓库，北部部分加油站遭到破坏。

独立加油站站主Jacques Vaysse表示：“司机们不再把油箱加满了。除非政府削减燃油税，否则将会有社会动荡。”

本文来自华尔街见闻，欢迎下载APP查看更多

市场目前对两家巨头的业绩抱有极高预期。据《首尔经济日报》引述FnGuide的数据，第三季度三星电子预计将实现199.1万亿韩元的营收和105.6万亿韩元的营业利润，而SK Hynix的营收和营业利润预计将分别达到94.1万亿韩元和74.1万亿韩元。两家公司的合并营业利润或逼近创纪录的189.9万亿韩元，直观反映了当前芯片供应短缺下的强劲市场动能。

然而，在耀眼的账面数据背后，市场共识预期近期已出现微调。过去三个月内，分析师将三星电子的营收和利润预期分别下调2.6%和4.4%，对SK Hynix的预期则分别下调5.3%和5%。这一最新动态主要归因于韩元走强导致的美元计价销售额缩水，而非存储市场本身的衰退，但这足以让市场重新评估汇率波动对科技巨头短期业绩的直接冲击。

抛开表面的庞大数字，即将到来的三季报将向市场传递更深层次的信号。投资者正密切关注存储芯片涨价的持续性、长期供货协议（LTA）对利润的锁定效应，以及下一代高带宽存储器能否切实转化为底层利润，从而判断当前的繁荣究竟是短暂的爆发，还是具备长期韧性的结构性转变。

存储价格涨势放缓，长期协议平抑波动

第二季度DRAM和NAND闪存平均售价（ASP）的大幅上涨是推动两家公司业绩强劲的主要引擎。

进入第三季度，市场预计价格将继续上涨，但步伐有所放缓。据Mirae Asset Securities预计，三星电子第三季度DRAM ASP将攀升16.5%，但第四季度的增幅将收窄至5.4%，这表明价格反弹可能正在失去部分动力。

这种价格涨势的缓和部分源于长期供货协议（LTA）的日益普及。

目前，三星电子通过LTA锁定了其60%至70%的存储产能，而SK Hynix在第二季度已与约十家核心客户完成了LTA谈判。这些长期合同为企业提供了稳定性，平滑了存储行业长期存在的剧烈波动。然而，在价格快速上涨期，由于合同价格往往滞后于现货价格，LTA也在一定程度上限制了利润的向上空间。

HBM4量产提速，争夺AI基建核心话语权

在高级AI应用不可或缺的下一代高带宽存储器（HBM4）领域，第三季度同样是一个转折点。

随着向Nvidia下一代AI平台Vera Rubin的芯片出货量增加，三星电子预计其第三季度HBM4销售额将较第二季度增加两倍以上，并占其2026年下半年HBM总营收的60%以上。对于SK Hynix而言，面临的挑战则是在维持HBM3E市场领先地位的同时，扩大HBM4的生产规模。三季度的业绩将为了解这场高风险竞赛的格局提供初步线索。

这种对高带宽存储器的渴求正在重塑整个科技行业的底层逻辑。

据《环球经济》引述KB Securities的报告，随着Meta推出基于智能体的AI应用Muse，AI服务正进入一个需要连续、顺序操作和更高内存带宽的新时代。传统生成式AI每秒处理约100个代币（token），而智能体AI的需求飙升至每秒1000个代币。这种数据处理量十倍的跃升正从根本上改变数据中心的架构。

KB Securities分析师Kim对此指出：“在AI数据中心，GPU是心脏，CPU是大脑，电力是氧气，而存储器则是不断供应和循环数据的血液循环系统。最终，AI数据中心性能和效率的关键将转移到存储器上。”

这一趋势在更广泛的行业中已显露端倪，AMD近期加入由Nvidia、Broadcom和Micron组成的“万亿美元市值俱乐部”，以及其第二季度数据中心营收同比飙升107%，均表明市场对CPU和存储器的重视程度已与GPU并驾齐驱。为此，三星电子已着眼于下一代“zHBM”技术，计划将存储器直接堆叠在GPU之上，并力争在2027年底前提供样品。

晶圆代工迎转机，“芯片通胀”考验终端业务

除了核心的存储业务，三星电子的非存储部门同样处于市场的显微镜下。

在经历了自2023年以来的连续亏损后，受4nm语言处理单元（LPU）产能扩大和良率提高的提振，三星晶圆代工业务被广泛预期将在第三季度实现扭亏为盈。如果该目标得以实现，将极大提振投资者信心，消除长期以来拖累三星整体估值的一大隐患。

然而，负责智能手机和电视的三星设备体验（DX）部门正面临“芯片通胀悖论”。

第二季度，由于Galaxy Foldables等高端设备的强劲销售未能抵消零部件成本的上升，DX部门录得了80亿韩元的营业亏损。对半导体业务有利的存储价格飙升，已成为终端硬件部门的沉重包袱。第三季度的核心悬念在于，高端产品的销售能否吸收这些成本压力，抑或这种“东边盈利西边亏”的困境将继续存在。

跨越“见顶”争议，重塑长期估值逻辑

随着三季报披露期的临近，全球半导体行业的焦点正从利润的绝对规模转向其可持续性。

经历过往周期波动的投资者依然保持警惕，如果三星电子和SK Hynix能够证明长期协议已有效锁定需求、HBM4能带来丰厚利润，且晶圆代工业务重回正轨，那么当前的超级周期将比以往更具韧性。

反之，如果DRAM和NAND的价格增速超预期放缓，或者HBM4的利润贡献不及预期，关于半导体行业是否已经“见顶”的争论必将再度爆发。

在未来几周内，这两份财报不仅将决定两家巨头的短期市值走向，更将为未来几年的全球科技基础设施投资定下基调。

本文来自华尔街见闻，欢迎下载APP查看更多

Muse自上线以来势头迅猛。据Sensor Tower数据，该应用在美国和加拿大App Store上线首12天内累计下载量达280万次，超越ChatGPT同期130万次的成绩，并于9月19日创下单日26.4万次下载的美国纪录。受此提振，Meta过去五个交易日市值增加约2340亿美元。

Wang在公开信中写道，大多数人从未说出自己真正想要什么——不是因为没有渴望，而是因为梦想往往在繁琐的现实障碍中悄然消亡。他将Muse定位为每个人的"第二大脑"，一个能够听懂半句话、帮人制定计划、发送邮件、寻找资金、清除障碍的"全能经理人"。

一封关于"渴望"的公开信

Wang在信中以近乎文学化的笔触描述了人类梦想的困境："每一个未实现的渴望，都是人类潜能的一场无声悲剧。"他写道，世界长期以来由少数"以某种方式将渴望变为现实的狂热者"所塑造，而Muse的使命，是让80亿人中的每一个人都能真正开启自己的能动性。

在他的构想中，Muse并非一个许愿的精灵，而是一个务实的执行者——"告诉你，这是你一生梦寐以求的事，我们去实现它，方法如下"，然后付诸行动。

这封信的发布时间，恰在Meta Connect 2026大会结束后不久。在那场发布会上，Meta推出了Muse Charm——一款专为语音交互设计的独立口袋设备，以及重量仅100克、售价1299美元的Meta VR眼镜，以及起售价249美元的第三代Ray-Ban Meta Gen 3智能眼镜等一系列硬件产品。

从Scale AI到Meta：一笔争议收购的回报

Wang加入Meta的方式本身颇具戏剧性。2025年，Meta创始人马克·扎克伯格以143亿美元收购了热门AI初创公司Scale AI的全体员工，Wang作为Scale AI创始人，据报道个人获得约50亿美元。这笔交易在当时被部分市场人士视为天价之举。

Wang是Scale AI的联合创始人，该公司专注于为AI模型训练提供数据标注服务，曾是硅谷估值最高的AI基础设施公司之一。2025年Meta完成对Scale AI的收购后，Wang出任Meta首席AI官，主导公司AI产品战略。

科技投资人Adam Khoo在X平台上写道：

"当时人们认为扎克伯格疯了，花50亿美元雇用Alexandr Wang。如今，在Wang领导下开发的Meta新AI产品为公司市值增加了约2000亿美元。突然间，花重金锁定顶尖人才看起来并不那么疯狂。"

这笔收购在战略层面的意义同样深远。这笔交易有效扭转了外界对Meta在AI领域落后的印象，使其从"追赶者"转变为"领跑者"。

迷彩T恤与$30的穿搭哲学

如果说Muse是Wang在产品层面的表达，那么他在Meta Connect 2026舞台上的着装，则意外成为另一种个人符号的输出。

Wang当天身穿一件印有鹿头图案的1990年代风格迷彩T恤，搭配迷彩Crocs和黑色长裤登台演讲。发布会结束后，这身打扮迅速在X平台引发热议，有用户猜测那件T恤是价值800美元的爱马仕单品。

Wang随即出面"澄清"，称那件衬衫来自圣克鲁斯的一家二手店，花了他30美元，Crocs约60美元，Calvin Klein内裤5美元。他将外界的奢侈品猜测定性为"诽谤"。

据Business Insider报道，这并非Wang第一次穿着类似的鹿/迷彩风格出镜——他在此前的Core Memory采访和重要内部会议上均有类似装扮。这种"反精英"的穿搭风格，与他在X平台上以"推文炮"自称、持续用表情包轰炸式推广Muse的网络人设高度吻合，也被部分观察者视为他有意构建的品牌形象：去除企业精英的光泽，保留创始人的混乱能量。

本文来自华尔街见闻，欢迎下载APP查看更多

据美国财政部数据，截至今年7月的过去12个月，海外投资者对美国股票及投资基金份额的净购买额达到9420亿美元，创下1985年有记录以来最高的滚动12个月总量。美国经济分析局数据显示，今年第二季度单季净购买额跳升至4260亿美元，较2025年同期大涨62%，并刷新此前2022年创下的2990亿美元单季纪录。

与此形成对比的是，海外投资者对美国债券的需求同期出现回落——第二季度净购买美国债券1880亿美元，低于第一季度的3140亿美元。

从月度数据来看，海外资金买入美股的势头在第二季度持续加速——4月净买入1100亿美元，6月升至1820亿美元，但7月大幅回落至37亿美元，尽管如此，海外投资者仍连续第六个月保持净买入状态。

上述资金流入与美股同期强劲表现相互印证。截至7月的过去12个月，美股基准指数标普500上涨约20%，闪迪、西部数据及英特尔等科技股涨幅居前。第二季度标普500单季上涨14.9%——此前该指数曾因伊朗战争爆发而急剧下跌，但跌势短暂——这是该指数自2020年同期以来的最佳单季表现。

对外关系委员会高级研究员Brad Setser指出，第二季度买入额的异常放大，部分原因可能是此前第一季度较弱买入量的延后反映，但更宏观的趋势仍是海外对美股的持续创纪录买入。

Setser将韩国股市的强劲上涨列为重要驱动因素之一。随着三星、海力士等个股大幅上涨，当地投资者触及集中度限制，被迫转向美股等全球资产进行分散配置。"你很少看到韩国单方向流出超过2000亿美元进入全球股市，而且大部分流向美股，"Setser说，"这种资金流动模式的转变，与美元背景下超常规的资金流入高度吻合。"

Setser同时提示了这一趋势的另一面：在美国财政赤字持续扩大的背景下，海外资金对美国国债的需求却在减弱，这给美国债务融资带来潜在压力。

"感觉整个世界都对美国股票极度看好，"Setser说。

这一局面对债券市场而言并非利好信号。海外需求向股票倾斜、从国债撤出，意味着美国政府在发行大量债务之际，需要依赖更多国内买家或承受更高融资成本来消化供给。

本文来自华尔街见闻，欢迎下载APP查看更多

Ginkgo Bioworks原本策划了一场蓄意打造"卡斯帕罗夫对决深蓝"历史时刻的蛋白质设计竞赛，计划让斯坦福大学教授Michael Jewett单独迎战OpenAI的AI智能体团队。然而，就在9月14日首轮对决前夕，这场比赛被紧急叫停，随后以一种截然不同的面貌重新登场——赛制从"单挑"变为"合竞"（coopetition），任何科学家均可报名组队参与。Ginkgo联合创始人兼总裁Reshma Shetty表示，调整背后的考量，是希望避免加剧当前科学界对人工智能的紧张情绪。

这一转变发生于OpenAI宣布其内部AI模型在不到一周内攻克困扰数学界近百年的纳维-斯托克斯问题（Navier-Stokes）之后。该消息在全球数学界引发强烈震动，并重新点燃了有关AI与人类未来关系的激烈讨论。对Ginkgo的赛事组织者而言，这场舆论风波直接促使他们重新审视比赛定位。Ginkgo联合创始人兼CEO Jason Kelly坦言：

"所有人都害怕输。"

原版"Mike Versus the Machines"的构想颇具戏剧张力：Jewett作为无细胞蛋白质合成（cell-free protein synthesis）领域的权威专家，独自对阵仅由AI智能体组成的OpenAI团队。Jewett可使用任何市售AI工具，而OpenAI则可动用其最先进的内部未发布模型。Ginkgo不仅提供位于波士顿总部、面积达15000平方英尺、配备大量机器人的实验室作为赛场，还聘请了纪录片摄制组全程记录。

重组后的新赛制彻底改变了这一对抗格局。任何科学家均可报名，既可组成一支统一的"人类队"集体应战，也可各自组队单独挑战OpenAI的智能体。Ginkgo不再使用"competition"（竞争）一词，转而采用"coopetition"（合竞）这一表述——该词收录于牛津英语词典，意指"竞争对手之间的合作"。Shetty表示："这不仅仅是关于谁更优秀，而是关于如何通过合作推动科学目标的实现。"

目前，Jewett尚未确认是否参赛。

赛制调整的直接导火索，是OpenAI于9月8日宣布的一项重大突破：其先进内部AI模型在不到一周内解决了纳维-斯托克斯这一困扰数学界近百年的难题，并超越了两位近期在该问题上取得重要进展的数学家。部分数学家将此称为数学领域的"卡斯帕罗夫-深蓝时刻"，认为这要求人们重新思考数学的未来走向。

事实上，科学界的不安情绪在此之前已经积聚多时。科学家们持续批评Anthropic CEO Dario Amodei、Google DeepMind主席Demis Hassabis等AI领域领导人关于"AI将在未来十年内攻克重大疾病"的论断。本周，Amodei发推称Claude发现了可能用于基因编辑的分子，尽管他承认尚不清楚这一发现的重要程度，但仍遭到众多科学家批评，认为在掌握更详细信息之前他本应保持更大克制。

这种弥漫于科学界的集体焦虑，最终直接影响了Ginkgo的决策。Shetty表示，近期的舆论气候令公司不得不重新考量比赛的呈现方式，以避免此次蛋白质竞赛被简单化地解读为AI碾压人类的又一佐证。

按照新规，比赛将于10月中旬启动，预计持续至今年底。各轮次中，参赛团队须针对Ginkgo指定的三种蛋白质提交最优化学配方设计，随后由Ginkgo将方案转化为指令，驱动机器人执行实验。

第一关的目标蛋白质是实验室常用的超折叠绿色荧光蛋白（sfGFP），胜出标准为以最低成本生产最多蛋白质。后续两轮蛋白质难度递增，评判标准也更为复杂，涵盖蛋白质是否能正确折叠等指标——这对实际药物开发至关重要。Shetty以烘焙作比："光把蛋糕做出来是不够的，蛋糕还得好看、好吃。"

Ginkgo将向参赛团队提供可选化学品清单，同时允许各队自行添加最多10种清单以外的化学品，以体现科学研究中的创造力与专业判断。OpenAI智能体与人类团队相互不知晓对方的选材方案。

此次竞赛并非Ginkgo与OpenAI的首次合作。两家公司的渊源颇深：2014年，OpenAI CEO Sam Altman执掌Y Combinator后，Ginkgo成为首家入选该加速器项目的生物技术公司，Y Combinator亦成为Ginkgo的重要投资方。

竞赛的创意，据报道源于Altman 2025年4月的40岁生日派对。Kelly在派对上向一位OpenAI高管介绍了Ginkgo机器人实验室的能力，并邀请其参观位于加州艾默里维尔的实验室，由此引发了双方与OpenAI生命科学研究团队的合作洽谈。

两家公司的首项合作，正是聚焦于无细胞蛋白质合成领域——与此次竞赛主题完全一致。今年2月，双方宣布联合将该流程成本降低了40%，超越了此前由Jewett团队在六个月前刚刚树立的行业新标准。正是这一结果引发了Jewett的质疑：OpenAI的优势在于机器人能够完成约3万次实验，而他实验室的学生只能手工操作，仅完成了1231次。他提出设问：若人类与AI智能体均能借助机器人执行实验，哪一方能拿出更好的方案？这一追问，最终促成了眼前这场竞赛。

Ginkgo与OpenAI并非唯一筹备此类"人机竞赛"的机构。AI初创公司Edison Scientific的CEO兼联合创始人Sam Rodriques表示，他与同事已整理出一份利用AI有望解决的生物学难题清单。研究机构FutureHouse正组建评审团，并计划为解题者设置现金奖励。

规模更大的竞赛同样呼之欲出。本月早些时候，Anthropic与总部位于瑞士洛桑的自动化蛋白质设计实验室初创公司Adaptyv Bio宣布，将联合主办"全球最大规模蛋白质设计竞赛"，赛事于9月28日启动。Anthropic将提供价值100万美元的Claude算力额度，帮助科学家设计应对五大难题的蛋白质；Adaptyv与Anthropic将共同资助获选设计的实验室测试，赛事向所有人开放报名。Adaptyv CEO兼联合创始人Julian Englert表示，纯由AI智能体组成的团队赢得其中一项或多项挑战，在理论上完全可能实现。

哈佛医学院AI智能体研究员Marinka Zitnik认为，上述竞赛的密集涌现，折射出AI科学家能力的飞速进化。但她指出，真正的终极考验尚未到来——那将是一个AI系统独立作出突破性发现，并被经验丰富的科学家评定为"值得诺贝尔奖"的那一天。

本文来自华尔街见闻，欢迎下载APP查看更多

Marvell高管近日在Six Five Summit 2026上指出，随着推理模型驱动内存需求急剧膨胀、数据中心规模突破物理极限，铜连接已逼近性能天花板，光学互连与内存扩展技术正成为下一阶段算力扩张的核心变量。Marvell定制云解决方案业务执行副总裁Will Chu表示，市场长期聚焦于XPU本身，却忽视了围绕XPU的"附着层"——包括网络、内存、存储与安全。"每一颗XPU背后，存在三到四个甚至更多的配套定制机会，"他说，"AI基础设施正在全面走向定制化。"

数据中心网络业务集团执行副总裁Dave Lazovsky则指出，推理时计算（inference time compute）的兴起使KV缓存需求在过去九个月内膨胀约10倍，内存容量已无法在单一机架内满足，规模化部署必须突破至更大的互连域。

上述判断对市场具有直接投资含义：内存厂商、光学互连供应商及定制硅片设计公司将持续受益于这一结构性需求。分析机构预测，2025年至2030年全球数据中心基础设施累计资本支出将达4至5万亿美元。

Dave Lazovsky将"从铜到光"的转变定性为AI基础设施的"强制函数"，而非可选升级。驱动因素在于模型本身的演进逻辑：初代超大规模基础模型确立了对总内存容量的基础需求，而推理模型的兴起叠加KV缓存的爆炸式增长，使得单机架内的HBM容量已无法支撑前沿模型的运行。

"你别无选择，"他说，"必须将互连规模从144个XPU扩展至下一波约576个XPU的Pod，并持续向上扩展。"这一扩展的物理前提，是从铜基互连切换至光学互连。

Marvell目前同时推进板载光学（NPO）与共封装光学（CPO）两条路径，并已在以太网和UAL协议的交换机上落地CPO方案。Will Chu补充称，Marvell可为客户提供从传统铜方案到NPO再到CPO的完整迁移路径，并能将定制化延伸至从计算单元、IO接口直至交换机端口的全链路。

Dave Lazovsky特别强调了Marvell模拟SerDes技术的差异化价值：相比传统2.4T SerDes的光学链路，基于模拟SerDes的规模扩展（Scale Up）网络可将功耗降低约4倍，预计在全面部署后可实现数据中心整体能耗降低25%以上。在电力基础设施严重短缺的背景下，这一效率优势的战略意义正在快速上升。

Will Chu将内存瓶颈描述为当前AI基础设施面临的核心工程挑战，并将Marvell的应对策略拆解为从芯片内部到机架外部的多个层次。

在芯片内部，Marvell正投入专有的高密度SRAM IP，通过与计算单元的紧耦合设计提升性能并支持更大模型的片上驻留。他表示，传统的通用内存编译方案已难以满足客户需求。

在芯片外部，路径依次为：集成定制HBM以提升带宽和容量；3D堆叠技术将内存直接置于逻辑芯片之上；通过CXL或专有协议实现内存扩展，以容量换带宽；以及通过Marvell在FMS上发布的光子织物内存（Photonic Fabric Memory）设备，提供独立机架空间内32TB的外挂内存池。

Dave Lazovsky进一步介绍，该光子织物内存系统同时整合了DDR的容量与成本优势，以及HBM的高带宽与多伪通道并行特性，目标是让客户首次实现内存容量与带宽的独立扩展，彻底解耦于计算资源。

Will Chu还指出，高企的内存价格正倒逼超大规模云厂商重新审视其整体基础设施架构。Marvell的CXL产品已获得可观的需求，部分来自希望将旧内存接入新服务器、并通过内存压缩实现2倍等效容量的客户。Flash层级的内存分层方案也已进入厂商视野，作为成本更低的容量补充选项。

Dave Lazovsky指出，目前约四家公司占据数据中心基础设施总可寻址市场的75%以上。这种高度集中的市场结构，使得Marvell能够实施一种与服务分散客户群截然不同的商业模式——将自身深度嵌入客户的开发团队，提前数年协同架构下一代交换机需求。

他描述了当前规模扩展网络（Scale Up Network）的三种主要路径：部分厂商倾向于以太网方案；另一路线采用UAL协议，这是一种类似NVLink的基于内存语义加载-存储的高性能网络，Dave Lazovsky认为其本质效率高于以太网数据包传输；还有一家厂商正在部署完全自研的专有拓扑网络。

Will Chu补充称，XPU与规模扩展网络之间的紧密耦合，必然导致协议层和优化策略的深度定制，并最终固化为定制硅片。"不是每家公司都能做到端到端，"他说，"而我们不仅能做到，还能作为客户开发团队的延伸，直接参与其最核心基础设施的设计。"

Dave Lazovsky也表示，Marvell与头部超大规模厂商及GPU制造商建立的长期信任关系，是公司最重要的资产之一，"这需要多年积累，而我们已经拥有了这种信任。"

以下为访谈全文：

Patrick Moorhead｜00:17

欢迎来到 Six Five Summit 2026。今年的主题是“释放 AI 潜能”。和我一起主持的是 Daniel Newman。朋友，你最近怎么样？

Daniel Newman｜00:38

挺好的。今年的变化真令人惊叹：算力当然仍然非常重要，但连接技术已经走到了舞台中央，围绕它的讨论非常多。

我们一直在从一个瓶颈转向下一个瓶颈。正如你说的，连接技术如今成了焦点，但今年我们几乎把各种瓶颈都经历了一遍。先是算力，接着 CPU 的重要性超过了 GPU，然后内存又成了关键。再后来，焦点不仅是连接技术，而是进一步转向了光互连。如果你愿意，我们还可以聊能源。Pat，热点一个接着一个，今年确实精彩。

Patrick Moorhead｜01:02

我们现在位于 Marvell 总部，接下来将讨论定制芯片、内存和互连技术。向大家介绍一下 Will 和 Dave，很高兴见到两位。

Dave Lazovsky｜01:14

非常感谢你们邀请我们。

Patrick Moorhead｜01:16

我很期待这次交流。我见过你们在台上演讲，也参加过你们的分析师日和产品说明会。今天能邀请你们来到 Six Five，真是太好了。

Daniel Newman｜01:26

很高兴两位来到这里，也恭喜你们。我知道最近刚完成了一项收购，听起来进展很顺利。当然，接下来还有很多工作要做。

Pat，你提到了连接技术。Marvell 有意思的地方在于，它几乎参与了所有环节：芯片、内存、连接技术，以及纵向扩展（scale-up）、横向扩展（scale-out）和跨域扩展（scale-across）。各个领域都有布局，什么需要做就做什么。

Daniel Newman｜01:49

你觉得大家知道《Mr. Mom》这部电影吗？我觉得知道。我们拭目以待。

Will，我先问你。你负责的业务是半导体领域增长最快的业务之一。我记得黄仁勋曾称你们是下一家市值达到一万亿美元的公司。这多少会带来一点压力，不过你们确实已经在朝这个方向前进。

Daniel Newman｜02:12

可以说，过去几年 Marvell 能走到聚光灯下，很大程度上与定制芯片业务有关。但你们的业务还包括内存扩展架构、纵向扩展互连网络，以及跨域互连，涉及的领域非常多。

我想听听你从整体业务出发的看法。市场高度关注 XPU 和定制芯片，这种关注有哪些地方是对的，又忽略了什么？正如刚才所说，推动这一轮 AI 热潮的因素很多，并不只有 XPU 本身。

Will Chu｜02:52

这是个好问题，Daniel。

Daniel Newman｜02:54

铺垫了好一会儿才问出来。

Will Chu｜02:55

也谢谢你们来到 Marvell。市场确实把 XPU 视为 AI 基础设施中需要定制的主要部件。因此，我们花了很多时间介绍所谓的“XPU Attach”，也就是围绕 XPU 配套的各种部件。

从整体上看，我们发现 AI 基础设施的各个方面都在走向定制化。XPU 本身当然要根据工作负载进行定制，但其周边的所有环节也一样，包括网络、内存、存储，甚至安全。这些是主要类别，我们参与了其中所有相关技术，为 XPU 提供支持，让基础设施表现得更好。

这里有很多机会。单看机会的数量，每有一个 XPU，就可能有三到四个，甚至更多与之配套的 XPU Attach 机会，用于支持下一代产品。这些又与我们提供的连接技术和网络产品相结合。所以，我们确实能提供覆盖端到端的整体解决方案。

Daniel Newman｜04:06

我想，如果市场只用 XPU 来理解你们的业务，确实会漏掉很大一部分。

Dave Lazovsky｜04:10

是的，这很有意思。其中一个重大机会，是 Will 的团队在定制 XPU 方面做了大量工作，而这也包括输入／输出接口，也就是 I/O。Marvell 是 I/O 技术的领先企业之一。

目前媒体和市场非常关注光互连。我认为，我们拥有全球光互连领域最强的团队。与此同时，与光互连形成互补的，是我们的 SerDes，也就是串行器／解串器技术：目前是 224 Gbps，很快将发展到 448 Gbps。把这些技术集成到 XPU 端，就能让我们优化整个网络解决方案，其中也包括纵向扩展网络连接。

Dave Lazovsky｜04:55

当前市场有意思的地方，不仅在于它规模巨大——这是人类历史上最大的一轮基础设施投资——还在于它高度集中。目前，四家公司占据了数据中心基础设施总体可服务市场的 75% 以上。

这使我们能够采用一种与服务 40 家公司时完全不同的商业模式。我们可以切实按这些客户的需求提供产品，定制范围也不只限于 XPU，还包括横向扩展和纵向扩展网络。

这是一个独特的机会，让我们能够与客户深入合作。他们实际上把我们当作自身开发团队的延伸。

Daniel Newman｜05:43

很有意思。我们刚发布了一份新的预测，估算从现在到 2030 年的累计资本开支。你们猜这个数字现在有多大？

Dave Lazovsky｜05:57

我正想说，4.5 万亿美元。

Daniel Newman｜05:59

四五万亿美元，是的。不过，整个数据中心基础设施的总投入是 12 万亿美元。你可能只考虑了芯片，我们考虑的是全部基础设施。如果只看芯片，你估算得差不多。

顺便说一句，不到一个季度之前，我们的预测还是 10.7 万亿美元。这是多大的机会，变化快得让人跟不上，实在令人惊叹。

Patrick Moorhead｜06:19

我在前面的铺垫中也提到，网络和系统各部分之间的均衡一直都很重要，问题只是哪个环节最拖后腿。

从基本系统架构来看，无论 GPU 还是 XPU，当一个托盘内部已经无法满足需求，就要扩展到整个机架；一个机架不够，就连接旁边的机架。当你把大量集群整合起来，还可能需要连接外部、甚至另一个数据中心，才能完成任务。

Patrick Moorhead｜06:52

现在有个争论，不仅出现在 X 上，也出现在财报电话会议中：共封装光学技术，也就是 CPO，究竟什么时候会真正普及？我们先不争论各种 CPO 形态。我想问的是，XPU 会不会成为推动 CPO 走向主流的关键力量？

Dave Lazovsky｜07:16

我认为，从根本上说，推动力来自 AI 基础设施。如果追问是什么让纵向扩展网络从铜互连转向光互连成为必需，而不仅是锦上添花，答案尤其在于模型。

最初出现的是参数规模达到数万亿的大型基础模型，这对一个纵向扩展域内的内存总容量提出了相应要求。过去 24 个月，变化来自推理模型，也就是在推理时增加计算。这在存储基础模型参数之外，又增加了内存需求，即键值缓存（KV cache）。推理阶段进行更多推理和计算，会继续扩大 KV 缓存。仅在过去九个月，KV 缓存的规模就增长到了原来的约十倍，而这些都需要内存。这也是美光、海力士等存储器公司的市值如今迈上万亿美元规模的原因。

要在高速内存，也就是高带宽内存 HBM 中容纳服务这些模型所需的容量，唯一的方法就是将系统扩展到机架之外，别无选择。你必须超越 144 个互连 XPU 的规模；下一阶段，一个 pod 计算集群可能达到约 576 个 XPU，然后继续扩展。

Patrick Moorhead｜08:35

在这一转变中，Marvell 处于什么位置？我们可以把范围限定在用于纵向扩展的共封装光学技术。

Dave Lazovsky｜08:45

我们正在以几种不同方式实施共封装光学技术。目前大家很关注近封装光学技术 NPO 与 CPO 的区别，也就是板载光学或 NPO 与 CPO 的区别。对我们来说，无论客户问的是哪一种，答案都是“可以”。形态并不重要，因为我们拥有完整的光互连解决方案组合。

对于我们自己的交换芯片，我们对技术有信心，能够直接在封装上部署 CPO。现在，我们既在基于以太网的系统上这样做，也在用于纵向扩展的 UALink 系统上这样做。

我们也为 XPU 端提供互连方案。目前既有正在推进的 CPO 合作项目，也有多个 NPO 合作项目。把 NPO 作为首批光互连部署的一种选项，确实有助于客户更安心地采用这项技术。当然，不同方案各有取舍。

Will Chu｜09:47

我补充一下 Dave 提到的 XPU 端。传统上，你可能会开发铜互连方案，例如 I/O 小芯片。但当你逐渐接近铜互连的极限、需要转向光互连时，我们已经在交换芯片端展示的完整技术组合，也可以用于 XPU 端，帮助客户从传统铜互连过渡到 NPO，再到 CPO。

我们可以根据客户转型的速度、节奏和具体要求，对整个方案进行定制：从计算部分到 I/O，再延伸到链路另一端的交换芯片，并覆盖返回方向。因此，我们确实拥有完整的产品和技术组合。

Dave Lazovsky｜10:24

接着最后一点说，在链路两端采用相同的 I/O，对客户极具价值，尤其是在纵向扩展链路上。确保纵向扩展网络的链路不出问题至关重要。

不论是在 XPU 与我们的纵向扩展交换芯片之间，链路两端同时采用 224 Gbps 铜互连 SerDes，还是同时采用我们的光互连，都是如此。

我们的光互连包括所谓的 Fast Pipe，速率从 200 Gbps 向 400 Gbps 演进；还有原转写中称为“Flat Pipe”的方案，采用 56 Gbps 非归零编码（NRZ），向约 112 Gbps 演进。模拟 SerDes 的能效要高得多。

Will Chu｜11:05

再补充一点：能够实现这种端到端方案的公司为数不多，我们是其中之一。我们实际上会一起与客户讨论链路两端的设计，研究如何让下一代基础设施满足他们的需求。这也回到了开头的话题：我们并不只是一家 XPU 公司。

Daniel Newman｜11:25

确实，市场之前的注意力几乎全在 XPU 上。

Patrick Moorhead｜11:27

那段时间确实很热闹。不过，经历几轮市场关注点的变化之后，大家也逐渐理解了这一点。

Daniel Newman｜11:35

我们在 Six Five 上对你们的总裁兼首席运营官 Chris Koopmans 做过几次很精彩的访谈，深入讨论过这个问题。大家有机会可以去看看。

你们刚才已经提到了内存墙。这个时间点真有意思：存储器此前还是高度同质化的大宗商品，销售时毛利率甚至是两位数的负数，如今却创造了行业最高的一些利润率。

Daniel Newman｜12:02

当然，这些公司值得肯定，尤其是那些不只做传统 NAND 和 DRAM、还向 HBM 发展的公司，因为它们让这些进展成为可能。

你们在这里也采用了很多方法，包括高密度 SRAM、内存池化，以及多种富有创意的架构。我认为，现在每一家设计芯片的公司，都在想办法突破内存墙。而且，即便找到了绕过瓶颈的方法，我们仍会需要更多内存，所以存储器厂商的前景依然不错，这一点我们应该都同意。

能否谈谈你们使用的不同技术，以及各自的取舍？我想市场很希望了解 Marvell 是如何思考这个问题的。

Will Chu｜12:41

Daniel，这个问题我来回答。正如 Dave 之前提到的，模型规模越大，就需要越多内存，这是直接的数量关系。与此同时，价格上涨，传统技术手段也在整个系统中形成瓶颈。

Will Chu｜13:00

在 Marvell 内部，以及与客户的合作中，我们都在研究多种突破内存墙的方法。

第一种是高密度静态随机存取存储器，也就是 SRAM。这是在芯片内部采用专门的 IP，让内存密度大幅提高。它通常与计算单元紧密耦合，从而获得更好的性能，至少在这颗芯片内部能够容纳更大的模型。

这实际上是一种定制化方案。继续依靠传统的现成内存编译器，恐怕很难满足客户需求。因此，我们在这方面投入了大量资源。以上说的是芯片内部。

Will Chu｜13:35

接下来，是芯片周围或上方的部分。这里当然包括 HBM。在能够集成 HBM 的地方，大家也在推动定制 HBM，以同时提高带宽和容量。

另一项正在推进的技术是三维堆叠：把内存堆叠在裸片上方，让更多内存与逻辑裸片紧密耦合。

再向外扩展，就是传统的内存扩容，例如采用 CXL 或专有方法，直接增加物理内存。这样做在带宽方面可能有所取舍，但由于不再受限于狭小的物理空间，可以获得大得多的容量。再往外，还有托盘之外各种形式的分离式内存。

Will Chu｜14:26

我替 Dave 举个例子：我们在 FMS 上发布了 Photonic Fabric 内存设备。它可以在计算设备之外、独立的机架空间中提供 32 TB 内存。因此，我们确实有一套端到端方案。

最后，还有我们所说的近内存计算：把 CPU 放在紧邻内存的位置，将原本由 CPU 或 GPU 承担的一部分工作负载卸载出来，放到与大量内存紧密结合的计算单元上执行，从而提高各类资源的使用效率。

这些事情现在都在发生。回到 Dave 前面的观点，内存增加和扩容实际上又会带动更多 I/O 与连接需求，因为最终你仍然需要在基础设施内部，把数据从一个地方搬到另一个地方。

Daniel Newman｜15:19

它们是相互依存、协同工作的。这个周末，社交媒体上有不少人争论“内存的行情结束了，光互连的时代来了”。但正如你所说，我认为这不是二选一，两者都需要。

Will Chu｜15:35

我会说，它们相互推动。

Patrick Moorhead｜15:36

如果它们都把各自的事情做好，计算、内存和存储之间就会持续相互推动，反复演进。

顺便说一句，我从没见过大家如此关注 CXL。我们公司的一位分析师三四年前写过一份相关白皮书。那时规范刚出来，讨论很热烈，但内存池化还没有真正落地。如今需求已经十分强烈，而你们在这项技术上已经投入了四五年，甚至更久。现在看来，它似乎就要迎来真正的应用高峰。

Dave Lazovsky｜16:07

它已经开始落地，而且很大程度上仍然由推理模型、由推理时计算推动。人们需要以极低的延迟，快速访问大容量、高带宽内存。

正如 Will 提到的，以 Photonic Fabric 内存设备为例，我们尽量让客户无需在两方面之间做取舍：一方面是 DDR 内存的容量和成本结构，我们在系统中集成了 DDR；另一方面是 HBM 的带宽，以及每个 HBM 堆栈中的多个伪通道。后者既能实现很高的带宽，也能支持并行内存事务，以隐藏延迟。

因此，这套系统兼具两者的优势。它应该能首次让我们的客户及其客户，在不依赖计算资源扩容的情况下，独立扩展内存容量和带宽。

Patrick Moorhead｜17:04

太好了。谁能想到呢？五六年前最初的规范发布时，还没有今天这样的大语言模型、智能体，以及后来的这一切。

Will Chu｜17:14

我再补充一点。高企的内存价格，确实正在迫使各家超大规模云服务商的架构师重新思考整个基础设施，尤其是当他们预计内存价格会持续处于高位时。

因此，我们的 CXL 产品获得了相当多的需求。有些客户希望回收利用旧内存，把它接到新服务器上，但旧内存无法直接连接新服务器、新 CPU 或新 GPU。我们可以在中间搭起桥梁。

我们还支持内存压缩、深度压缩，让客户用一倍数量的实际内存芯片，获得相当于两倍的内存容量。正如刚才讨论的，内存池化也在推进，目的就是提高利用率。

最后，我们看到需求进一步延伸到了闪存，这是更外层的一级。无论高带宽闪存 HBF，还是某些场景下的传统闪存，都有大量需求。回到 Dave 的观点，客户正在以可实际使用的方式，为内存构建分层。他们研究各种基于闪存的方案，利用其低于传统 DRAM 的成本来获得更多容量。这无疑会进一步推动连接需求。

Daniel Newman｜18:21

这也印证了那句话：需要是发明之母。推动这一切的力量，来自改善利润率的需要。对供应商而言也一样，因为每当你们开发出一种能带来更好计算效果的技术，人们就会用得更多。

Daniel Newman｜18:37

而且增长不是一点点。我在 Six Five Summit 的一场讨论中与谷歌交流时，他们似乎说，现在每个月要处理 4000 万亿个词元（token）。仅谷歌一家，就是 4000 万亿个。

Will Chu｜18:49

太惊人了。

Patrick Moorhead｜18:51

刚才谈到了一些网络定制化。这个行业似乎总在经历类似手风琴伸缩的周期：先是要实现规模化，于是强调统一模板和标准，大家都按同一种方式做；接着某个地方碰到了瓶颈，又发现必须定制。

每一家超大规模云服务商都有自己当下采用的架构，需要管理它，也希望推动它发展。能否谈谈纵向扩展网络为什么需要定制化？这其中的理由也许比较明显，但你们还谈到了端到端方案的价值，我理解这里指的是由同一家供应商提供端到端方案。Dave，我想先听听你的看法。

Dave Lazovsky｜19:37

还是回到这个市场高度集中的特点：几家大型超大规模云服务商占据了主导地位，而没有哪两家采用完全相同的标准化 AI 基础设施方案。尤其在纵向扩展网络上，他们都在开发各自的定制方案，既涉及物理层，也涉及逻辑层。

目前确实出现了一些趋同。我不会把它叫作标准化，但在物理层和逻辑层上，都有一定程度的趋同。有两家、可能是四家，更倾向于基于以太网的纵向扩展网络。另有客户选择 UALink 路线。这是一种性能更高、更接近 NVLink 的纵向扩展网络，采用基于内存语义的加载／存储机制，本质上会比搬运以太网数据包更高效。

还有一家则采用完全定制的专有网络拓扑。

Dave Lazovsky｜20:41

无论哪种情况，我们为客户开发的方案都是全面定制的：从 XPU 配套芯片到 I/O 小芯片，很多时候甚至连协议层都会专门调整，以满足客户需求。

我们会考察信道要求，调节前向纠错，也就是 FEC，在几个方面取得最优平衡：一方面要确保良好的误码率和稳定可靠的链路，另一方面要兼顾功耗以及通往交换芯片的延迟。

交换芯片也一样。这个领域已经不再只是通用商用芯片的世界。我们会提前很多年与这些超大规模云服务商共同设计架构、确定交换芯片需求，确保在他们需要的时候，交付他们所需要的产品。

Will Chu｜21:29

我补充一点。Dan，你提到了十几万亿美元规模的投资。如果要花这么多钱，优化基础设施就有了充分的经济依据。

Will Chu｜21:41

XPU 与其配套的纵向扩展网络紧密耦合，才能实现客户设定的性能目标。因此，必然会形成一套定制化协议和优化措施，最终落实到我们制造的芯片中。

Will Chu｜22:01

这就是我们为客户提供的价值。我们能够做到这些，是我们的独特之处。

坦率地说，这不容易，实际上相当困难。但我们一直在大力投入工程能力建设，也有过往的交付记录和客户的信任，能够承担这项工作。毕竟，这些都是他们基础设施中最关键的部分。

Daniel Newman｜22:22

我继续问你，把这些内容串起来。Six Five Summit 2026 的主题是“释放 AI 潜能”，而你们正在通过合作，为客户释放解决方案的潜力。

顺便向观众说明，他们从来不会，或者说几乎不会透露客户是谁。但这些客户就是大型超大规模云服务商，是世界上规模最大的一些公司。Marvell 正在为它们打造定制方案，这里面有很多值得了解的内容。

Daniel Newman｜22:46

Will，回到这个问题：在 Marvell 正在做、而且可以公开讨论的事情里——我知道至少在网上，没法让你透露那些尚未公开的精彩内容。我们倒是不介意，不过你们肯定会介意——你认为哪项工作最有可能带来重大突破，满足 AI 对容量和能力增长近乎无止境的需求？你们在 Marvell 做了这么多事情，要回答这个问题并不容易。

Will Chu｜23:15

这个问题范围确实很大，很难只选一项。

Daniel Newman｜23:19

那就说几项吧。我也会请 Dave 说几项，让他有机会补充。

Will Chu｜23:27

从根本上说，系统中有三个要素。首先是连接技术，这部分让 Dave 来讲，我们在这方面做了很多工作。

在内存方面，我们正在开展大量突破性的工作，为客户提供密度非常高、经过充分优化的内存方案。这是突破内存墙的关键。

内存当然又与计算相结合。相对而言，计算问题已经被理解得更充分，也更容易通过工程方法解决。真正以一种与过去截然不同的方式推动需求变化的，是内存部分。

再加上我们的 I/O 技术——稍后由 Dave 介绍——我们能够把这三个要素整合起来，这种能力确实独特。

Dave Lazovsky｜24:15

我们还没有花很多时间讨论横向扩展和跨域扩展，但它们都是我们业务中非常重要的增长领域。数据中心园区正在不断扩大。

Dave Lazovsky｜24:27

我记得扎克伯格说过，Meta 最新的数据中心大约有曼哈顿那么大。想想其中的互连需求，简直难以置信。这也加快了对一类新型光互连技术的需求增长：它适用于不到 10 公里的距离，叫作 Coherent-lite，也就是轻量化相干光技术，如今发展得非常快。

Marvell 的相干光技术团队，是我以前从未见过的出色团队。我们率先把 1.6 Tbps 光互连技术推向了市场，令人惊叹。跨域扩展市场非常火热，横向扩展也在飞速增长。

不过，在我们看来，有一项工作可能带来实质性、甚至颠覆性的变化。

Dave Lazovsky｜25:17

从纵向扩展来看，数据中心约 85% 的数据流量，是纵向扩展网络内部处理器之间的流量，其余 15% 则属于横向扩展流量。

如果能够改善这里的效率，尤其是能效，就会对数据中心基础设施的总功耗产生巨大影响。我们知道，电力现在已经是一个问题，而在未来三到五年，它将成为一个非常紧迫的问题。至少在美国，现有电力远远不足以支撑正在建设的下一代、下一轮数据中心基础设施。

因此，我们正在做的，或者说已经开发出来、正在推进部署的，是采用模拟 SerDes 的光学纵向扩展网络。与在传统 224 Gbps SerDes 链路上直接加上光互连的常规方案相比，这种方案能把功耗降至约四分之一。

我们相信，它会产生巨大影响：全面部署后，数据中心整体功耗有望降低 25% 以上。

Daniel Newman｜26:34

我正想问具体能降低多少，因为我们需要新增数百吉瓦的电力。燃料电池能够提供的电力有限，其他方式也一样；核能目前还多少像是一个尚未实现的愿景，希望未来能逐步落地。电网接入要等七年，燃气轮机的交付也要等好几年。

所以，让每一吉瓦电力用得更高效、创造更多产出，显然是一个巨大机会。

顺便说一句，我知道 Terafab 不是数据中心。不过，刚才说到 Meta 的设施规模，我记得用来比较的应该是中央公园，他们还把两者的轮廓叠在一起展示过。

Will Chu｜27:02

没错，就是这样。

Daniel Newman｜27:03

不过，这些建筑确实变得非常庞大，这一点大家总能同意吧？你还想补充什么吗？

Will Chu｜27:10

我想接着 Dave 的话补充一点。我认为，真正的核心优势在于，我们拥有所有这些基础技术，并且能够把它们整合起来。

有些公司也许能提供某几项 IP，但要进行整合，就需要一整套涵盖内存、I/O 和网络的技术，还必须把它们组合起来，或者分配到不同芯片的架构中，而这些芯片最终必须协同工作。

Will Chu｜27:39

实现端到端协同非常有挑战性。归根结底，我们真正的核心优势，就是完整而优秀的 IP 组合，以及让它们在 AI 基础设施的规模下协同工作的能力。我们每天都在持续落实这些工作。

Daniel Newman｜27:55

把业务延伸到核心芯片之外，拿下这些配套部件的机会，确实是一条成功的路径。

Dave Lazovsky｜27:59

除了技术能力的广度和深度、产品组合，以及这支出色团队的技术实力，还有一件事经常被忽视：我们与客户关系的深度。

Dave Lazovsky｜28:12

作为一个加入 Marvell 时间相对不长的人，我认为这是公司最重要的资产之一。这样的信任关系需要很多年才能建立。

可以说，我们现在与四大超大规模云服务商，以及与我们合作的 GPU 厂商之间，都有建立在多年信任基础上的合作关系。能够像世界上一些最大公司的开发团队的延伸那样开展工作，是一件很好的事。

Patrick Moorhead｜28:42

这些客户也向我谈过这一点，我相信他们也对 Daniel 说过，只是他们很难公开分享。我甚至看到过一些原本完全没想到会出现的新闻稿，公开支持你们正在做的事情。对此，真要向你们表示祝贺。与客户深入合作，确实能够创造出惊人的成果。

Daniel Newman｜29:03

Will、Dave，非常感谢两位今天这么深入地展开讨论，为 Six Five Summit 的观众提供了大量精彩内容。也祝贺你们取得的进展，以及收购和整合工作的推进。我们期待继续关注这段历程，持续报道 Marvell 的各项工作。

Dave Lazovsky｜29:20

非常感谢邀请我们。

Daniel Newman｜29:22

也感谢各位参加 Six Five Summit 2026 的“半导体聚焦”专场。请继续关注、订阅，并观看我们其他的 Six Five Summit 讨论。感谢大家的参与，敬请期待下一场。

本文来自华尔街见闻，欢迎下载APP查看更多

高盛最新研究显示，六大超大规模云计算企业若要在2026至2027年约1.73万亿美元的AI算力资本支出上实现15%的投入资本回报率（ROIC），需在2028至2030年间累计创造约1.42万亿美元的收入。

高盛互联网与科技团队负责人Eric Sheridan在报告中指出，当前市场争论的焦点已从近期支出规模本身，转向这轮巨额投资能否在未来三年内产生可观回报。与此同时，云计算积压订单数据提供了一定支撑——截至2026年第二季度，AWS、Azure和谷歌云合计积压订单约1.69万亿美元，同比增长152%，为收入目标的可实现性提供了初步背书。

然而，高盛框架之外的变量同样不容忽视。约3万亿美元的表外承诺并未纳入ROIC分母，GPU和算力定价的持续下行压力已有所显现，而规模更为庞大的"第三阶段"资本支出（2028至2030年约4.14万亿美元）的回报问题，则被高盛明确留待另行讨论。

资本支出三阶段：规模逐级跃升

高盛将本轮AI算力建设周期划分为三个阶段：

第一阶段（2023至2025年）总资本支出约6330亿美元，年均约2110亿美元，主要用于少数基础模型公司的训练基础设施建设；

第二阶段（2026至2027年）总资本支出约1.73万亿美元，年均约8630亿美元，需求曲线向推理侧延伸，算力供给持续紧张；

第三阶段（2028至2030年）总资本支出高达约4.14万亿美元，年均约1.38万亿美元，届时资本强度有望边际趋缓，超大规模云计算企业或逐步进入"收割模式"。

值得注意的是，自今年年初以来，五家上市超大规模云计算企业（Alphabet、微软、亚马逊、Meta、甲骨文）的2026至2027年资本支出共识预期已上调约66%，合计上调约7540亿美元，从1.14万亿美元升至1.89万亿美元。高盛表示，其自身对2027年资本支出的预测仍高于市场共识，并认为这一预测"更贴近买方投资者的实际预期"。

从资本支出到收入门槛：高盛的测算框架

高盛的测算逻辑清晰：在1.73万亿美元的第二阶段资本支出中，约70%（1.21万亿美元）为算力投入（服务器、芯片、网络），约30%（5180亿美元）为基础设施"外壳"（土地与建筑）。六家企业中，Alphabet资本支出最高（4700亿美元），其次为亚马逊（4240亿美元）、微软（3270亿美元）、Meta（3090亿美元）、甲骨文（1650亿美元）和SpaceX（310亿美元）。

关键假设方面，高盛采用每吉瓦算力约420亿美元的成本，以5年折旧年限计算算力资产、15年计算基础设施外壳，年运营成本约8.36亿美元/吉瓦，并假设2028至2030年利用率分别为60%、80%和85%。

在15%的ROIC目标下，六家企业需每年产生约1295亿美元的税后净营业利润（NOPAT），对应约1640亿美元的年度息税前利润（EBIT）。叠加第二阶段资产每年约2760亿美元的折旧摊销，最终得出年收入需达约4650亿至4760亿美元，三年累计约1.42万亿美元，对应约35%的EBIT利润率。

折旧压力：被低估的核心风险

在上述测算中，最引人注目的数字或许并非收入目标本身，而是折旧规模——仅第二阶段资产每年的折旧摊销便高达2760亿美元，约为这批资产所需产生EBIT的1.7倍。

这意味着，本轮AI投资周期的经济性在很大程度上取决于GPU的实际使用寿命。高盛采用5年折旧年限；若实际经济寿命仅为3年（部分持怀疑态度的分析人士及英伟达自身的年度产品迭代节奏均指向这一方向），则超大规模云计算企业将被迫以更高频率持续购置新一代芯片，收入门槛将大幅抬升。

高盛的敏感性分析显示，在ROIC目标从0%到30%、每吉瓦资本支出从约340亿美元到约510亿美元的区间内，六家企业2028至2030年所需累计收入介于约9000亿美元至1.9万亿美元之间，折合每吉瓦年收入约62亿至186亿美元。即便在零回报情景下，仅为覆盖折旧和运营成本，也需要9200亿美元的收入。

云积压订单：最重要的“安全垫”

高盛为收入目标的可实现性提供的核心证据，是云计算积压订单数据。截至2026年第二季度，AWS、Azure和谷歌云合计积压订单约1.69万亿美元，较年初增长约1.5倍，公有云收入增速加速至同比超45%。

仅针对这三家企业测算，其约1.22万亿美元的第二阶段资本支出对应约1万亿美元的2028至2030年收入需求，相当于当前积压订单的约59%——且这一计算假设积压订单此后零增长。分公司来看，所需收入约占微软积压订单的40%、亚马逊的68%、Alphabet的78%。

高盛将这一假设定性为"可能偏保守"。不过，报告也指出，上述积压订单数据包含非云业务承诺，并非严格意义上的采购订单；此外，相当比例的订单来自少数AI实验室，其支付能力高度依赖持续的资本市场融资渠道，存在客户集中度风险。

摩根士丹利的另一面：融资缺口同样庞大

将高盛的收入门槛与摩根士丹利的研究对照，可以更完整地呈现这一问题的两面。据摩根士丹利估算，GenAI投资可实现25%至50%的增量ROIC——GPU租赁约31%，基于自有基础设施的模型API约46%，基于第三方基础设施约25%。摩根士丹利假设GPU租赁年收入约229亿美元/吉瓦，模型API约304亿美元/吉瓦，均高于高盛15% ROIC目标所对应的116亿美元/吉瓦。两家机构的结论大体一致：若GPU租赁价格和算力定价维持在当前水平附近，收入目标在数学上是可实现的。

然而，摩根士丹利此前的另一项研究揭示了融资端的压力：据其估算，2025至2028年全球数据中心资本支出约2.9万亿美元，超大规模云计算企业自身现金流仅能覆盖约1.4万亿美元，剩余约1.5万亿美元的融资缺口需通过约8000亿美元私人信贷、约2000亿美元公司债、约1500亿美元ABS/CMBS及约3500亿美元其他渠道填补。而高盛的最新预测显示，仅第二、三阶段合计资本支出便高达约5.9万亿美元，远超上述估算。

高盛框架的盲点：表外承诺与第三阶段

高盛在报告中坦承了自身框架的局限性。其ROIC测算明确排除了表外租赁义务、融资租赁、特殊目的载体（SPV）及第三方算力许可安排。

这并非小注脚。据相关数据，AI领域表外承诺规模已达约3万亿美元，且仍在快速增长。这部分承诺同样需要产生回报或至少得到偿付，信贷市场已对此有所反应。

此外，高盛的框架仅覆盖第二阶段。若将同样的收入/资本支出比率（约0.82倍）粗略应用于约4.14万亿美元的第三阶段预测，超大规模云计算企业在第二阶段1.42万亿美元收入目标之上，还需额外创造约3.4万亿美元的收入。BCA Research的Peter Berezin更进一步指出，若数据中心支出维持当前水平，可能需要每年高达10万亿美元的AI收入，才能使全部资本支出实现货币化。

高盛对六家企业均维持"买入"评级，并将近期回报压缩定性为"大规模前期投资周期的自然结果，而非AI经济结构性不佳的证据"。但这一表述，在多头和空头的叙事框架中均同样成立。

本文来自华尔街见闻，欢迎下载APP查看更多

Slok周五在彭博电视《Surveillance》节目中表示，柴油相关运输成本的传导路径与汽油截然不同。由于运输商品对零售供应链乃至数据中心建设均不可或缺，需求价格弹性极低，价格上涨最终将转嫁至企业和消费者。“柴油价格上涨，实际上是进入了CPI篮子中能源项以外的其他分项，”他说。

这一表态与美联储内部的分歧形成呼应。芝加哥联储主席Austan Goolsbee本周警告称，央行不能忽视反复出现且持续存在的供给冲击，"一旦供给冲击引发的通胀变得持续，'看穿'逻辑的部分依据便不再成立。"目前美国通胀仍远高于美联储2%的目标，货币政策走向面临更大不确定性。

柴油冲击核心通胀，传统框架面临挑战

Slok本周在一份研究报告中系统阐述了上述观点，直指传统核心通胀框架的局限性。他认为，将食品和能源价格排除在外的核心通胀指标，对于柴油这类关键燃料并不适用。

“柴油价格的上涨不会停留在CPI的能源分项，而是滞后地向核心商品和服务迁移，这正是美联储无法将其定性为暂时性因素的传导机制，”Slok在报告中写道。

据彭博数据，截至本周四，美国柴油均价今年以来已飙升83%至每加仑6.50美元，同期汽油价格涨幅为59%。美伊冲突扰乱了波斯湾原油流通，推动能源价格全面走高，但柴油用户所承受的冲击尤为剧烈。

美联储内部分歧：能源冲击能否“看穿”

美联储7月联邦公开市场委员会会议纪要显示，多数与会者认为"此前能源价格上涨"将逐步消退，有助于在年内压制通胀。这一判断与Slok的警告形成直接矛盾。

然而，在美联储9月16日宣布加息——这也是自2023年以来的首次加息——之后，Goolsbee的表态显示内部立场已出现松动。他明确指出，当供给冲击引发的通胀具有持续性时，"看穿"策略的逻辑基础将被削弱。

Slok描述了一种美联储隐含的政策期望：寄望于伊朗战争的解决能够缓解能源价格压力，从而使央行无需进一步加息。他将这一情景称为"目前的孤注一掷"。

此外，Slok同时指出，人工智能相关支出热潮是美国经济在高利率环境下保持韧性的首要原因。他估计，AI相关活动目前为GDP增长贡献约一个百分点，约占当前总增长的一半。这一贡献涵盖数据中心建设、能源需求、软件支出以及股价高企带来的财富效应等多个渠道。值得注意的是，数据中心建设本身对柴油需求具有高度依赖性，这意味着AI驱动的经济扩张与柴油价格上涨之间存在相互强化的关系，进一步加大了通胀压力持续的可能性。

本文来自华尔街见闻，欢迎下载APP查看更多

据路透社援引三位知情人士透露，Solidigm本周已与多家投行举行IPO承销商竞标陈述会（bake-off），标志着上市进程迈出实质性一步。最快可能于明年完成上市，但具体规模与时间表仍处于早期阶段，将视市场条件而定。SK海力士在声明中表示，"Solidigm正在评估各种强化业务竞争力的方案，但目前尚未确认任何具体计划。"

若以1500亿美元估值上市，Solidigm将远超此前的半导体IPO纪录——Arm Holdings 2023年上市时估值约540亿美元，Cerebras Systems 2026年IPO时完全稀释估值约560亿美元。对投资者而言，这将是近年来规模最大、最受瞩目的半导体市场入场机会之一。

从英特尔"弃子"到SK海力士核心资产

Solidigm的诞生，源于英特尔一次战略收缩。

2020年10月，英特尔宣布将旗下NAND闪存及固态硬盘（SSD）业务出售给韩国SK海力士，交易总价约88.5亿美元。这笔交易分两个阶段完成：第一阶段于2021年底完成，SK海力士以66.1亿美元收购了英特尔的SSD业务及位于中国大连的NAND晶圆制造工厂，并将英特尔企业级SSD业务更名为Solidigm，以独立子公司形式运营，总部设于加利福尼亚州。

然而，第一阶段仅转让了实物资产与SSD相关业务，英特尔的NAND知识产权、研发基础设施及核心技术人员并未随之转移。直至2025年3月，交易第二阶段才最终完成——英特尔收到SK海力士支付的最终款项约19亿美元，SK海力士则正式获得英特尔的NAND相关知识产权及研发人员，使Solidigm团队得以与SK海力士在未来产品上展开更紧密的协作。至此，这笔历时近五年、总价约88.5亿美元的收购才画上句号。

Solidigm这一品牌名称，取自"solid"（固态存储）与"paradigm"（范式）的组合，寓意存储技术的范式转变。公司总部位于加利福尼亚州Rancho Cordova，专注于企业级SSD产品，服务于服务器、云基础设施及数据中心市场。

AI存储需求爆发，重估Solidigm价值

Solidigm估值从收购价的88.5亿美元跃升至潜在IPO估值的1500亿美元，核心驱动力在于AI基础设施建设对高容量存储的爆炸性需求。

随着AI模型训练与推理所需处理的数据量持续膨胀，数据中心对企业级SSD的需求大幅攀升。Solidigm的战略定位正是围绕这一趋势展开——公司着力开发面向AI应用的高容量存储产品，以差异化方案切入这一快速增长的市场。

AI热潮已持续推高半导体及硬件股的整体估值，为Solidigm的上市窗口提供了有利的市场环境。投资者对AI基础设施相关标的的强烈需求，是Solidigm得以寻求高估值的重要前提。

上市前动作频频，融资与建厂双线推进

在正式启动IPO流程之前，Solidigm已在多个层面积极布局。

据路透社本月早些时候报道，Solidigm正考虑在美国建设一座NAND闪存芯片工厂，纽约州北部是目前的主要候选地点，此举旨在扩大制造产能。这一计划与美国推动半导体本土化生产的政策方向高度契合，也有助于提升公司在美国资本市场的吸引力。

与此同时，SK海力士上月表示正在研究提升Solidigm竞争力的措施，此前有媒体报道称Solidigm正探索约5万亿韩元（约36亿美元）的IPO前融资轮。这一系列动作表明，SK海力士正系统性地为Solidigm的独立上市铺路，通过引入外部资本、强化知识产权整合与扩大制造布局，全面提升这一子公司的独立运营能力与市场估值基础。

创纪录IPO，考验市场承接能力

若Solidigm最终以1500亿美元估值、150亿美元募资规模完成上市，将成为美股历史上规模最大的半导体IPO，也将是近年来全球科技股市场最重要的资本市场事件之一。

作为参照，Arm Holdings 2023年上市时估值约540亿美元，Cerebras Systems 2026年IPO时完全稀释估值约560亿美元，Solidigm的目标估值分别是两者的约2.8倍和2.7倍。如此体量的发行，对市场的承接能力构成相当考验，最终定价将在很大程度上取决于届时AI基础设施投资热度能否持续，以及整体半导体板块的市场情绪。

目前，IPO的具体规模、时间表及承销行名单均尚未确定，Solidigm方面拒绝置评。这场有望改写半导体IPO历史的上市计划，仍处于早期筹备阶段。

本文来自华尔街见闻，欢迎下载APP查看更多

本周，Meta发布旗下Agentic AI模型Muse，单周市值暴增2200亿美元，推动纳斯达克100指数成为表现最强的主要股指。但与此同时，美债收益率持续走高，将利率敏感型资产打入低谷——罗素2000指数显著落后，标普500指数在7700点附近反复拉锯，始终无法实现有效突破。

市场的内部分化已达到极端程度。若剔除AI相关标的，标普500本周实际下跌约1%；纽交所新低股票数量连续9个交易日超过新高股票数量，为2023年10月以来最长连跌纪录。

高盛全球对冲基金业务负责人Tony Pasquariello将当前局面定性为股市与利率市场之间"令人沮丧的猫鼠游戏"，并给出明确建议：若坚持持有股票多头，需同步做空美债以对冲利率风险。

AI Agent引爆结构性行情，市值集中度创新高

Meta的Muse模型成为本周市场最大催化剂。这款Agentic AI产品的发布，令Meta单周市值增加2200亿美元，总市值重回2万亿美元关口，并带动整个AI产业链全线走强——半导体板块因"推理经济"对硬件需求的拉动而领涨，Agentic AI相关标的集体受益。高盛旗下Agentic AI篮子指数（代码GSXUAGNT）随之走高，高贝塔动量篮子更录得连续9个交易日上涨。

高盛资深交易员Rich Privorotsky指出，Muse只是众多入局者中的第一个，未来数周和数月内，来自谷歌和OpenAI的竞品将相继出现。他认为，随着大型企业承接安全、基础设施与分发职能，大量经济摩擦和中间环节将被消除，这本身就是一次生产力提升，且在结构上具有抑制通胀的效果，对整体股票市场的综合影响是正面的。

值得关注的是，美股市值集中度已攀升至历史极值。高盛首席科技分析师Pete Callahan指出，目前标普500中市值超过1万亿美元的美国TMT公司已达10家，而仅仅三年前、AI周期启动之初，这一数字还只有3家。

市场内部严重分化，“扩散交易”宣告终结

AI行情的狂欢背后，是市场广度的急剧恶化。本周科技板块一枝独秀，能源与金融板块双双落后；Mag7（七大科技巨头）的涨幅几乎是标普其余493只成分股的三倍。ZeroHedge援引数据指出，"扩散交易"已名存实亡——纽交所新低股票数量连续9日超过新高，创下近三年来最长纪录。

与此同时，AI行情内部也出现分化。AI电力相关股票本周走势疲软，其走势与美国中期选举中民主党赢得众议院的概率几乎呈完美负相关——市场担忧，一旦民主党控制众议院，现有及未来的数据中心建设项目可能遭遇无限期搁置，这对美国AI基础设施投资构成潜在压制。

此外，超大规模云计算企业（Hyperscaler）的信用利差本周明显走阔，而其股票估值却仍在高位徘徊。高盛注意到，Hyperscaler信用风险与纳斯达克隐含波动率之间的背离已扩大至异常水平，两者之间的裂口值得警惕。

美债利率成最大拦路虎，标普7700关口反复受阻

美债收益率的持续上行，是本周压制市场突破的核心变量。标普500指数在7700点附近盘整长达两个月后，周二一度出现向上突破迹象，但随即遭到债市"迎头痛击"，当晚便回落至原点。

Pasquariello将这一局面描述为股市与利率市场之间"令人沮丧的猫鼠游戏"：每当股市试图突破，利率便随之跳升，压制风险偏好；而利率的上行又通过收紧金融条件，对利率敏感型资产形成直接打压。罗素2000指数已连续六周跑输标普500，高盛方面坦言，小盘股遭到长线基金和财富管理渠道的持续抛售，技术面亦告破位。

在估值层面，高盛美国股票策略团队的研究显示，市场对AI基础设施盈利增长的持续性已存在一定程度的定价折扣——AI基础设施股票的中位数远期市盈率已从2026年4月的32倍回落至当前的22倍，部分悲观预期已被消化。

高盛：持股需对冲，突破仍需催化剂

面对上述撕裂格局，Pasquariello给出了明确的操作框架：若要持有股票显著多头敞口，需同步建立简单的美债空头头寸加以对冲。他将当前市场的投机性多头仓位在-10至+10的标准量表上标定为+3，认为整体仓位并不拥挤。

他同时指出，回购力度正在放缓，新股发行规模上升，美国散户投资者趋于观望，当前市场结构并不完美。但他也承认，考虑到近期利率走势之凶猛，股市能够守住大部分涨幅，本身已属不易。

Pasquariello的结论是：若市场出现向上突破的催化剂，快钱资金将不得不迅速追涨入场；但在此之前，股市与利率的博弈仍将持续，而ZeroHedge对此补充了最后一个字——"yet"（尚未）。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博社援引知情人士消息，负责此次发行的承销银行预计将于周一下午截止接受投资者订单。Oura及部分股东合计发行5000万股，定价区间为每股40至44美元，拟募资最高达22亿美元。按发行价上限计算，公司市值将达141亿美元，若计入股票期权及限制性股票单元，完全稀释后估值约为150亿美元。

此次IPO定价日期定于9月29日，股票将在纳斯达克全球精选市场以"OURA"为代码挂牌交易。Oura的强劲认购势头尤为引人关注——就在此前数日，核电服务公司Holtec Nuclear Corp.与CVC Capital Partners旗下Bamboo Insurance Services Inc.相继以市场环境为由推迟IPO计划，令美股新股市场笼罩阴影。

公司与股东共同套现

根据向美国证券交易委员会提交的文件，此次5000万股的发行中，Oura公司自身出售1350万股，其余3650万股由现有股东出售，包括Forerunner Ventures和Lifeline Ventures。

高盛、摩根士丹利、摩根大通、Allen & Co.以及Jefferies Financial Group担任此次发行的联席主承销商。Oura及高盛方面均拒绝就相关事宜置评。知情人士提示，相关磋商仍在进行中，上市细节存在变动可能。

有望终结逾十亿美元IPO空窗

据彭博汇编数据，自Jersey Mike's Subs Inc.于今年7月上市以来，美股市场尚未出现单笔募资规模超过10亿美元的IPO交易。若Oura顺利完成此次发行，将成为近三个月来首单突破该门槛的大型IPO，对于经历了一个沉寂九月的美股新股市场而言，具有重要的风向标意义。

Holtec Nuclear Corp.与Bamboo Insurance Services Inc.的相继撤单已令市场对IPO窗口的判断趋于谨慎，Oura此番逆势获得高倍超额认购，在一定程度上提振了市场信心。

本文来自华尔街见闻，欢迎下载APP查看更多

美国长端国债收益率正在展现出独立于传统驱动因素之外的上行动能。在一个充满压力的交易周收官之际，30年期美债收益率突破5.5%，创下2004年以来新高，而当日油价却同步下跌——这一背离信号令市场警觉。

周五，30年期美债收益率盘中最高上涨5个基点至5.53%，收盘维持在5.49%上方，较前一日上涨约2个基点。10年期美债收益率同样刷新多年高位，突破5.22%。值得注意的是，30年期收益率在今年7月初时尚低于5%，短短数月内已大幅攀升逾50个基点。

与此同时，对美联储政策预期更为敏感的短端收益率则出现下行，2年期收益率当日下跌约7个基点。长短端收益率的分化，令收益率曲线关键区间——包括2年至10年期、5年至30年期——从本周早些时候逾一年低位显著反弹走陡。

"真空"状态：缺乏技术支撑，收益率自我强化上行

此轮长端收益率上行的一个显著特征，是缺乏明确的技术阻力位。

"人们没有可以依附的真实技术位，这让市场处于某种真空状态，"RBC Capital Markets美国利率策略师Izaac Brook表示，"这使得收益率得以持续不断地向上漂移。"

这一"真空"特性意味着，在没有强力基本面催化剂的情况下，收益率上行的惯性难以被打断。周五推动收益率走高的直接触发因素，是密歇根大学发布的消费者信心指数——该指数9月份虽降至四个月低位，但仍好于经济学家预期，显示美国经济和企业对高利率环境的承受能力超出预期。

油价背离：长端收益率上行逻辑已超越能源驱动

更值得关注的是，周五长端收益率的上涨与油价走势明显背道而驰。

美国基准西德克萨斯中质原油期货当日收跌2.3%，报每桶92.41美元。此前，受中东战争引发的供应冲击影响，油价一直是美债收益率日内波动的主要驱动力。然而周五，这一联动关系出现断裂。

花旗集团经济学家Andrew Hollenhorst在报告中指出，"由于美联储加息是直接回应能源价格上涨，市场目前无法为加息路径定价出清晰的近期上限。"这意味着，即便油价短期回落，市场对通胀持续性和美联储紧缩路径的担忧并未消散，长端收益率因此获得了独立于油价之外的上行支撑。

短端与长端分化：市场对前端定价过度存疑

短端收益率的同步下行，折射出市场内部对利率路径判断的分歧。

本周早些时候，短端收益率曾随美联储9月加息预期——这是自2023年以来的首次加息——大幅攀升至多年高位。但周五，市场情绪出现转向。

"前端定价已经过多，"SMBC Group利率策略师Monty Gandhi表示，"短期投资者正在寻机买入前端，认为任何进一步的看空情绪都应流向中段或以'更长时间维持高利率'的方式来表达。"

摩根士丹利利率策略师则基于该行最新上调的美联储紧缩预测，上调了美债收益率预测，并指出美联储政策路径的市场定价能够解释10年期收益率走势的大部分变动。

美债期货市场的活动同样印证了上述曲线走陡趋势。纽约时间上午10时前不久，市场出现了一笔涉及5年期国债期货与超长期国债（Ultra Bond）期货的大宗同步交易——价格水平显示，该交易方向为买入5年期、卖出超长期，与曲线陡峭化押注的获利了结操作相符。

综合来看，在美联储重启加息周期、能源价格支撑通胀预期、经济韧性超预期的多重背景下，长端美债收益率已进入一个缺乏明确上限的上行通道。对于固定收益投资者而言，如何在这一"真空"环境中重新锚定久期风险，正成为当前最紧迫的课题。

本文来自华尔街见闻，欢迎下载APP查看更多

周六，据媒体援引美国官员最新消息，特朗普已拒绝伊朗提出的7天停火方案，并向幕僚表示，他预计将在11月中期选举后恢复对伊朗的轰炸行动。伊朗的停火提议原本包含重开霍尔木兹海峡、重启核谈判等条件，以换取美国解除对伊朗港口的封锁。

特朗普私下对伊朗是否能满足其要求持怀疑态度，已向幕僚表示，他认为恢复轰炸行动的可能性较大。然后，据央视新闻此前报道，一位美国官员透露，美伊双方目前仍在就霍尔木兹海峡开放及重启谈判等议题进行"积极且富有建设性"的讨论。

特朗普当前的立场表明，这场持续七个月的冲突所处的战和模糊状态，正向敌对方向倾斜。对于全球大宗商品市场而言，霍尔木兹海峡的通行前景及油价走势，将持续受到这场冲突走向的牵引。

据知情人士透露，伊朗在上周日举行的卡塔尔会议上提出了这份7天停火方案。根据该方案，美国须解除海上封锁、解冻部分伊朗资产，并取消对伊朗石油出口的制裁；作为交换，伊朗将开放霍尔木兹海峡，并就核计划启动谈判。

美国官员已向伊朗及相关调停方明确表态：特朗普无意解除海上封锁。美方的判断是，持续的经济压力将最终迫使德黑兰接受对华盛顿及波斯湾沿岸阿拉伯国家有利的协议条款。据美国官员表示，由美国主导的确保油轮穿越霍尔木兹海峡的行动已在一定程度上降低了各方达成协议的紧迫性。

特朗普在本届联合国大会上公开表示，他在对伊核问题上不会将政治因素纳入考量。"共和党正在参选，我会为他们助选，但我自己并不参选。在选举到来之前，我对伊朗问题绝不会、也不会给予任何政治上的考量，"他在纽约对各国领导人表示，"唯一的目标，就是伊朗永远不得拥有核武器。"

然而官员们指出，特朗普的立场并非铁板一块。自今年2月冲突爆发以来，这位总统在外交谈判、空袭命令与收紧制裁之间反复切换，且从未真正兑现他最强硬的威胁，包括"摧毁伊朗整个文明"的表述。官员们表示，随着战事延续，特朗普的立场可能随时改变，中期选举结果同样会对其决策产生影响。

在考虑恢复打击的同时，特朗普对全面重启大规模军事行动仍有顾虑——部分原因在于美方希望为其他潜在冲突保留日益有限的弹药储备。据报道，其正在考量的打击规模目前尚无法确定。

卡塔尔及其他地区调停方在联合国大会期间积极斡旋，试图重新激活美伊谈判。阿拉伯调停方透露，伊朗外交官已提出多项终战方案，并承认本国经济正面临日益严峻的困境。

然而，自今年2月战事爆发以来实际掌控伊朗的伊斯兰革命卫队态度强硬，表示不会接受新的协议框架，并声称已做好打持久战的准备。革命卫队的诉求是回归更接近特朗普6月与伊朗达成初步协议时的条款——该协议曾承诺为伊朗石油销售提供制裁豁免、允许获取被冻结资产，并承认德黑兰在霍尔木兹海峡管理中的地位，以换取该水道的开放。

美伊双方目前仍通过调停方保持间接接触，核问题谈判亦未完全中断。但在停火条件、核裁军要求与经济制裁三重分歧之下，谈判破局风险显著上升。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博报道，目前讨论涉及美国副总统万斯、能源部长赖特、内政部长伯格姆及财政部长贝森特等核心官员。万斯已明确敦促采取行动遏制柴油价格涨势，并主动询问可用政策选项。与此同时，赖特透露，政府正与炼厂协商，寻求以“自愿削减"”出口替代强制出口禁令，以规避直接行政干预引发的行业反弹。

上述动向对市场形成明显冲击。本周，特朗普公开表态支持限制柴油出口后，燃油期货出现剧烈波动；部分炼厂已开始在合同中加入保护性条款，以防范出口禁令导致无法履约的风险。欧洲等美国主要盟友亦对可能失去美国柴油供应深表忧虑，认为此举将在全球燃料供给本已趋紧的背景下进一步加剧能源压力。

美国柴油零售价目前稳定在每加仑约6.5美元附近，接近历史纪录水平。面对高压，多位共和党州长已在联邦层面决策出台前率先采取行动。

路易斯安那州州长Jeff Landry本周初宣布进入紧急状态，暂停对农民和伐木工人在公路上使用场外柴油的处罚，期限延至10月底。

"我们不会袖手旁观，眼看路易斯安那州的农民以创纪录的价格收割庄稼，"Landry在声明中表示。

阿拉巴马州州长Kay Ivey随后跟进，指示该州执法部门停止对红色柴油的限制性执法，期限为四个月。

内布拉斯加州州长Jim Pillen则签署行政令，允许公路注册车辆免罚使用场外柴油，并宣布为运输牲畜和农产品的车辆提供柴油税退款。

红色柴油（即染色柴油）在化学成分上与普通公路柴油完全一致，区别仅在于免征州及联邦消费税，且依法不得用于公路行驶。执法部门通过燃油染色加以识别，以防止公路用户购买更廉价的场外柴油。

据彭博报道，石油公司高管及行业相关方已积极游说政府官员，力推暂停联邦柴油消费税方案，认为这是在11月中期选举前向消费者提供实质价格减免、同时规避出口禁令副作用的最优路径。

据美国能源信息署（EIA）数据，联邦柴油税约为每加仑24美分，加上各州平均约36美分的州税，综合税负约为每加仑60美分。若放开场外柴油管制，农民的购买价格有望降回每加仑6美元以下，较当前水平形成明显减压，但仍远高于美以对伊朗开战前不足4美元的价格区间。

然而，停税方案在政府内部遭遇阻力，核心障碍在于如何在技术层面实现减税豁免——尤其是众议院目前正处于选举前休会期，立法推进窗口受限。

另一项来自行业的建议——豁免或下调生物燃料混合配额——已基本被政府否决。玉米乙醇和大豆生物柴油的混合指标对美国农业腹地具有重要政治意义，政府不愿在这一议题上触碰敏感神经。

出口禁令方案尽管阻力巨大，仍未从讨论桌上撤出。部分炼厂已未雨绸缪，彭博援引知情者消息称，相关企业正在合同中加入保护性条款，以应对一旦出口暂停、无法向境外买家交货所引发的违约风险。

与此同时，欧洲方面的担忧持续升温。在美伊战争与俄乌冲突双重压制下，全球燃料供给本已趋紧，若美国柴油出口骤然收缩，欧洲市场的替代来源极为有限，潜在经济冲击不容忽视。

目前，白宫内部讨论仍呈发散态势，各方案均处于评估阶段，最终政策走向尚不明朗。市场的不确定性预计将持续，燃油期货价格波动或进一步加剧。

本文来自华尔街见闻，欢迎下载APP查看更多

市场概述

美国消费者信心公布后，标普纳指曾转跌，最终和此前三连跌的道指均收涨；Meta回落跌超3%，但智能体火爆带动，全周和英特尔等芯片股均涨超10%，数据中心遭遇不可抗力的甲骨文一周跌逾7%。10年期美债收益率盘中再创2007年来新高后转降，仍连升四周；美债创19个月最差周表现。日美官员释放“弱日元有问题”信号，日元扭转五连跌。美伊技术性谈判消息后，原油一度跌超3%。全周美油跌近4%、创七周最大周跌。期金止住四连跌，全周仍跌超2%。

要闻

中国

习近平和彭丽媛同美国总统特朗普夫妇茶叙。

习近平向全球发展倡议5周年高级别对话会致贺信。

特朗普：今年访华感受到中国人民的热情好客，希望以同样的热情款待各位；马斯克、黄仁勋、苏世民、奥尔特曼等齐聚欢迎宴会。

海外

报道称美伊谈判进入技术性阶段、伊媒否认。伊朗提“七天方案”但划核红线：霍尔木兹可谈、浓缩铀不让步。

日元强势反攻！日本财务大臣：特朗普对日元贬值表达了担忧，将与美方密切协调。日本官员喊话后贝森特“撑场”：已和日财相讨论强日元“可取性”。

比尔·盖茨：AI已强大到足以造成“10亿人死亡”。

Anthropic诉特朗普政府受挫：美上诉法院维持“供应链风险”认定。

OpenAI据报酝酿500美元“Pro Max”套餐：主打最快Work与Codex，或接入Cerebras算力。GPT-6开真车考过了科目二！

马斯克放话：Colossus 2部署的英伟达芯片年底或增加一倍。报道：特斯拉Optimus机器人产能已提升10倍，目标年底周产千台。

还没破百万日活，Meta Muse就频频掉链子：服务降级、Agent失败，算力瓶颈浮出水面。Meta CTO解释Muse：回归人性交互，下一代操纵系统的核心是“意图理解”。扎克伯格谈Muse：个人Agent必须从预训练开始设计，虚拟机、记忆和权限系统是巨头的全栈护城河。

Meta数据隐私案败诉，或面临最高2190亿美元天价罚款。

报道：SK海力士旗下Solidigm最快明年在美IPO，估值或高达1500亿美元。

市场收报

欧美股市：标普500涨幅0.51%，报7743.41点，本周累计上涨1.21%。道指涨幅0.93%，报51828.62点，本周累计涨0.28%。纳指涨幅0.48%，报27068.716点，本周累计涨2.06%。欧洲STOXX 600指数收涨0.35%，报638.65点，本周累计上涨0.50%。

A股休市。

债市：美国10年期基准国债收益率跌3.74个基点，报5.1604%，本周累计上涨16.44个基点。两年期美债收益率跌7.27个基点，报4.8516%，本周累计涨10.83个基点。

商品：现货黄金涨0.25%，报4285.81美元/盎司，本周累计下跌2.11%。现货白银涨0.79%，报64.3172美元/盎司，本周累计跌2.93%。WTI 11月原油期货收跌2.32%，报92.41美元/桶，本周累计下跌3.82%。布伦特11月原油期货跌幅2.14%，报104.32美元/桶，本周累计跌0.43%。

要闻详情

全球重磅

中国

习近平和彭丽媛同美国总统特朗普夫妇茶叙。中美同意共同构建“基于尊重、公平、对等的建设性战略稳定关系”。习近平指出，这次访问我们又丰富了中美关系定位的内涵，同意共同构建“基于尊重、公平、对等的建设性战略稳定关系”，经贸领域也取得互惠互利的成果，将受到两国人民和国际社会的欢迎。特朗普表示，习近平主席此次对美国的国事访问富有建设性、非常成功。双方就美中关系和重大国际地区问题深入沟通，取得很多积极成果，对两国都有益。

习近平向全球发展倡议5周年高级别对话会致贺信。习近平指出，当前，世界百年变局加速演进，各国人民对实现发展的愿望更加强烈。中国愿同各方一道，秉持以人民为中心的发展理念，携手推动全球发展倡议走深走实，将可持续发展目标的美好愿景转化为可感可及的现实图景，为推动构建人类命运共同体作出新的更大贡献。

特朗普：今年访华感受到中国人民的热情好客，希望以同样的热情款待各位；马斯克、黄仁勋、苏世民、奥尔特曼等齐聚欢迎宴会。特朗普说：“愿美中两国人民能有一个更和谐、和平与繁荣的未来。”

DeepSeek Harness出桌面版了！DeepSeek Harness 推出官方桌面版，支持图形界面、账号登录和 API Key，并内置智能体团队、终端、子智能体、网页搜索等插件。该版本已通过苹果公证，但仍属夜间版，尚未正式官宣，暂不支持 Linux。

海外

重开海峡“七天方案”浮现，报道称美伊谈判进入技术性阶段、伊媒否认。卡塔尔媒体周五称，美伊谈判已超越初步外交接触、进入具体技术性磋商，伊朗技术专家已赴纽约加入谈判。原油跌幅扩大，一度跌超3%。后伊媒称，该媒体关于美伊新谈判的报道“不属实”，西方媒体为影响市场和油价“制造新闻”。伊总统称支持恢复伊美谅解备忘录，将为实质性谈判创造条件。据此前报道，伊外长周四称，伊朗向美递交新的谈判草案，若美接受条件，时间表可启动，七天后将重开海峡，同时双方恢复更广泛的和谈。

伊朗提“七天方案”但划核红线：霍尔木兹可谈、浓缩铀不让步。伊朗外长称，伊方已提交具体方案，若美国满足相关条件，最快七天内恢复霍尔木兹海峡正常通航，现在选择权在美方。据报道，伊朗高官称，即使美国接受重开海峡的方案，伊朗也不会在核计划上表现任何灵活性，不会放弃包括浓缩铀在内的权利，海峡将继续关闭到美国满足伊方的所有条件为止。

俄发言人称俄美乌三方会晤或近期举行，泽连斯基给出“10天”时间表。俄罗斯与乌克兰方面均证实，美方正推动俄美乌三方技术级会晤，阿联酋被提议为可能地点。泽连斯基表示，乌方正等待美方敲定日期，并称各方将在未来10天内就具体细节取得新进展。

密歇根大学9月消费者信心指数降至四个月低点，未来一年通胀预期升至4.6%。美国密歇根大学9月消费者信心指数终值降至48.1，创四个月新低。消费者未来一年通胀预期为4.6%，高于上个月的4%；预计未来5到10年的年化通胀率为3.4%，创5月以来最高水平。美国汽油、柴油价格攀升，房贷利率突破7%，调查负责人表示：尽管存在政治分歧，但消费者一致认为经济前景有所恶化。

美国8月耐用品订单环比持平，核心资本品订单增长1.6%超预期，企业资本开支仍显韧性。美国8月核心资本品订单环比增长1.6%，高于市场预期，且7月增幅由此前的0.4%上修至0.6%。尽管经济面临利率高企等压力，企业资本开支仍具有一定韧性。美国8月全部耐用品订单基本持平，预期-0.3%，较前值1.1%显著下滑。

日元强势反攻！日本财务大臣：特朗普对日元贬值表达了担忧，将与美方密切协调。日本财务大臣片山皋月表示，特朗普在与高市早苗会晤时对日元贬值表达担忧，日方将继续与美方就汇率保持沟通，并强调具体货币政策工具由日本央行决定。相关表态公布后，日元短线走强，但日美利差仍对日元走势构成重要约束。

日本官员喊话后贝森特“撑场”：已和日财相讨论强日元“可取性”。贝森特称，他周五与日本财相片山皋月进行了“富有成效的通话”，双方讨论了“反映日本强劲经济基本面的强势日元的可取性”，并强调继续就汇市保持密切沟通的重要性。片山稍早透露，本周特朗普与高市早苗会晤时均提到日元走弱，高市称日元被低估是“有问题的”。机构认为干预风险或给日元跌势“设顶”。

比尔·盖茨：AI已强大到足以造成“10亿人死亡”。盖茨在即将于本周末播出的节目采访中表示：“AI足够强大，能够引发造成10亿人死亡的事件，历史上从未出现过一种武器，能像坏人与最新AI工具相结合那样强大。”其还指出，行业自律是远远不够的，需要执法部门参与，明确监管措施，而且必须强制。

Anthropic诉特朗普政府受挫：美上诉法院维持“供应链风险”认定。周五，美国联邦哥伦比亚特区巡回上诉法院周五以2比1的裁决，驳回了Anthropic对五角大楼将其列为供应链国家安全风险的异议。不过加州联邦法官此前发布的，暂停政府禁令的裁定目前仍然有效。Anthropic在声明中表示不赞同裁决，考虑寻求复审。

报道：Anthropic洽谈租赁最高1GW数据中心容量，相关投资至少400亿美元。据媒体报道，Anthropic正探讨从Stream Data Centers租赁高达1GW算力的事项。数据中心开发商表示，部署完整的1GW算力将需要至少400亿美元的投资。Anthropic需要为该笔租赁提供财务担保，并为安装的芯片另行筹措资金。

OpenAI据报酝酿500美元“Pro Max”套餐：主打最快Work与Codex，或接入Cerebras算力。OpenAI疑似筹备推出月费500美元的"Pro Max"高端ChatGPT订阅套餐，相较现有Pro套餐，新增"最快工作速度与Codex"功能及更高使用额度，并可能采用Cerebras基础设施支持。报道称更多细节或于9月29日DevDay 2026上披露，但OpenAI官方公告对此未作任何确认。

GPT-6开真车考过了科目二！三个湾区年轻人搭起DrivingBench，把通用大模型塞进真车。GPT-6 Astra第二把以5分22秒开进锥桶车位，成唯一过关者，Sol、Grok、Fable全栽在看不懂锥桶上。Astra没专门学过开车，靠通用脑子通关，或意味自动驾驶数据护城河被抽干。

马斯克放话：Colossus 2部署的英伟达芯片年底或增加一倍。马斯克表示，其AI计算集群Colossus 2目前已部署11万颗英伟达GB200和44万颗GB300，共计55万颗芯片，年底前芯片数量可能超过目前水平的两倍。

报道：特斯拉Optimus机器人产能已提升10倍，目标年底周产千台。据报道，特斯拉上月Optimus周产量已达数百台，较今年二季度小批量测试阶段的每周数十台增长约十倍。管理层已向员工传达目标：年底前建立一条连续自动化生产线，实现每周逾千台的产能。然而，生产线上的技术难题、供应链约束以及AI能力不足，正在制约这款被马斯克视为公司"最重要产品"的机器人走向商业化。

9月大涨36%！Meta创2013年来最佳月度表现，市值直逼2万亿美元。9月至今，Meta股价大幅反弹，Muse的快速走红重新点燃市场对其AI商业化的预期。Muse上线6天下载量达90.2万次，并加速切入购物、旅行等场景，市场开始押注AI代理有望打开广告之外的增长空间。但安全隐私风险和高昂算力成本，仍是后续兑现预期的关键。

还没破百万日活，Meta Muse就频频掉链子：服务降级、Agent失败，算力瓶颈浮出水面。Meta旗下AI智能体Muse日活11天增长10倍至约70万，但服务问题已开始显现：实际资源消耗约为内部测试的10倍，SaaSHub将其标记为“服务降级”，一次压力测试中120个子Agent仅成功33个。Muse采用独立虚拟机架构，用户增长将持续推高CPU、内存和存储需求，算力扩容压力正在浮现。

Meta CTO解释Muse：回归人性交互，下一代操纵系统的核心是“意图理解”。Andrew Bosworth表示，AI产业正陷入过度关注基准测试的误区，而Muse主打用户体验与交互质感，推动人机交互从“直接操控”迈向“意图理解”。隐私方面，Meta推出端对端加密的“私密AI处理”机制；针对AI风险与AGI，Bosworth持理性审慎态度，驳斥灭绝论并坚守开源立场。

扎克伯格谈Muse：个人Agent必须从预训练开始设计，虚拟机、记忆和权限系统是巨头的全栈护城河。扎克伯格称，Muse从预训练开始围绕个人Agent设计，通过云端虚拟机、记忆、凭据存储和逐项授权，让Agent持续替用户执行长期任务。他强调技术扩散与权力制衡，主张让更多人用上强大AI，并称Meta正以更精简核心团队和更大算力重建模型研发。

Meta败诉！或面临最高2190亿美元天价罚款。Meta在美国新墨西哥州败诉，陪审团裁定，Meta在言论及数据隐私政策上存在欺骗公众的行为，违反了州法律。新墨西哥州总检察长表示，该裁决是追究科技巨头责任的"里程碑式时刻"，将向法院申请对Meta处以最高2190亿美元的民事罚款。Meta表示，不认同裁决，将继续抗辩。

美国“反抗浪潮”愈演愈烈！甲骨文巨型数据中心遭遇“不可抗力”，恐无法按期完工。甲骨文向Project Jupiter开发商发出“不可抗力”通知，担忧这一位于新墨西哥州、计划为OpenAI提供3000亿美元算力的数据中心项目无法按原计划于2028年投运。该项目此前已面临监管和融资压力，相关贷款跌至承压水平。尽管如此，分析认为甲骨文仍须依据合同条款向投资者支付相关费用。

报道：SK海力士旗下Solidigm最快明年在美IPO，估值或高达1500亿美元。据媒体报道，Solidigm潜在估值最高达1500亿美元，目标募资规模150亿美元，有望成为美国半导体史上规模最大的IPO。Solidigm本周已与多家投行就IPO承销商举行竞标会议，标志着上市进程迈出实质性一步。Solidigm主营业务为NAND闪存及固态硬盘，客户包括CoreWeave、戴尔等。

研报精选

10月加息定价过头了？瑞银：核心PCE下修叠加基数效应，美联储不太可能连续加息。瑞银认为，美联储政策收紧的实际幅度很可能低于当前市场定价所暗示的水平，其基准情景为12月再加息一次后维持利率不变，同时预计核心PCE通胀将在年度修订中下调0.2个百分点，叠加明年上半年有利的基数效应，连续大幅加息的基础正在削弱。

通胀、赤字、AI发债齐施压，超半数市场人士押注30年期美债收益率年底前触及6%。通胀高于目标、经济保持韧性和财政融资需求扩大，共同推高美债收益率。与此同时，外国官方投资者减少，对收益率和价格更敏感的对冲基金等投资者占比上升，债市波动风险随之增加。彭博调查显示，超半数受访者预计30年期美债收益率年底前可能触及6%。

<全文完>

本文来自华尔街见闻，欢迎下载APP查看更多

周五，微软宣布为Copilot推出多项新功能，将Word、Excel和PowerPoint直接整合进这一AI助手，同时新增编程工具Code和能够持续运行的AI代理Autopilot，试图将Copilot从单一的AI助手进一步打造为覆盖办公、编程和任务执行的一站式工作入口。

微软希望通过此次产品升级扩大Copilot的使用范围，并应对ChatGPT和Claude等AI产品的竞争。随着Office核心应用被纳入Copilot，微软正在尝试让用户更多地在AI助手内部完成工作，而不必频繁切换不同应用。

受消息影响，微软周五收涨3.66%。

Office三件套直接进入Copilot

此次升级中最受关注的变化之一，是Word、Excel和PowerPoint被直接整合进Copilot。

微软表示，用户可以在Copilot中创建和编辑Word、Excel及PowerPoint文件，并继续与其他用户协作。相关文件能够与原有Office应用保持同步。

这意味着，Copilot不再只是调用Office应用的AI功能，而是开始成为用户进入这些办公工具的统一入口。用户可以在同一环境中进行对话、处理文件和完成办公任务。

微软此次还升级了Copilot的Home功能，将Chat和Copilot Cowork结合起来，并加入Office能力。

Copilot新增编程工具和AI代理

除Office整合外，微软此次还为Copilot加入了两项新的AI能力。

其中，Code采用与GitHub Copilot相同的技术，旨在让用户无需直接编写代码，通过自然语言创建应用、仪表盘及其他软件。

另一项功能Autopilot则更加侧重任务执行。

Autopilot是微软此前推出的Scout AI代理的升级版本，被设计为能够持续运行的数字协作者。即使用户不在电脑前，它也能够继续执行任务。

微软表示，Autopilot将在9月底扩大至私人预览。

与传统的聊天式AI不同，Autopilot的核心变化在于从“回答问题”进一步转向“执行任务”。微软还为其设置了独立身份和权限控制，以适应企业环境下的使用需求。

从AI助手向工作入口转变

此次升级的核心并不只是增加几个功能，而是微软正在重新定义Copilot在办公软件体系中的位置。

此前，AI更多以Office中的辅助功能出现，用户可以借助Copilot生成文本、分析数据或制作演示文稿。而此次微软将Word、Excel和PowerPoint直接放进Copilot，使Copilot本身成为承载这些工作的产品入口。

与此同时，Code将软件创建能力纳入同一平台，Autopilot则负责持续执行任务。

在这一产品结构下，用户可以在Copilot中完成从提出需求、创建内容到执行任务的一系列操作。

本文来自华尔街见闻，欢迎下载APP查看更多

市场预计美联储10月加息的概率本周一度升至70%

美股早盘的波动明显受到美国经济数据牵动。美国9月密歇根大学消费者信心指数终值公布后，标普500和纳指均曾小幅转跌，道指曾回吐大部分涨幅，此后不久，三大指数重新稳住涨势，道指结束三连跌。

9月美国消费者信心指数终值降至48.1，为四个月低点；未来一年通胀预期则从8月的4%升至4.6%，未来5年至10年的通胀预期升至3.4%，为5月以来最高水平。评论称，消费者信心下降以及对价格和经济前景的担忧加深，削弱了油价回落带动的涨势。

全周AI交易力撑标普和纳指累涨。受益于AI智能体Muse火爆，Meta一周大涨超10%。Muse大火激发相关芯片需求热潮 ，Arm、AMD和英特尔全周也均涨超10%。不过，旗下大型数据中心项目遭遇不可抗力的甲骨文继续下挫，全周累计跌幅扩大到7%以上。

剔除AI概念影响的个股后，标普500其他成分股本周累计跌约1%

债市方面，中长期美债收益率续创多年新高。10年期美债收益率周五连续第二日盘中升破5.22%，连续三日创2007年来新高；30年期美债收益率连续两日盘中突破5.55%，再创2004年以来新高。尽管此后10年期收益率抹平日内升幅转降，30年期收益率回吐部分升幅，全周仍大幅攀升。

本周美债整体创去年4月美国政府宣布全球关税以来最差单周表现，长债收益率一周升近20基点

市场对美伊外交解决冲突的谨慎乐观情绪暂时压过了中东供应中断担忧，连续两日反弹的国际原油期货回落，周五缓和了债市抛售的部分压力。

卡塔尔媒体周五获悉，美伊谈判进入具体的技术性磋商阶段，伊朗在推动旨在重启霍尔木兹海峡的“七天方案”。消息传出后，原油跌幅扩大，美油和布油均曾跌超3%。稍早新华社报道提到，伊朗外长阿拉格齐周四说，伊朗已向美国递交一份新的谈判草案，将“重开”海峡并重启谈判。

本周特朗普政府确认考虑评估实施柴油出口禁令，且先后传出美伊讨论分阶段重开霍尔木兹海峡、美伊谈判进入技术性阶段，美油受到多重打击，创七周最大单周跌幅。

截至本周二，美油五连跌，周三和周四反弹，周五重回跌势、美伊技术性谈判消息后一度跌超3%

美股：美消费者信心后，标普纳指曾转跌，智能体火爆带动Meta及芯片股全周大涨

周五开盘，美股三大指数集体高开。道指全天保持涨势，标普500和纳指在密歇根大学消费者信心数据公布后一度小幅转跌。这意味着市场面对的是一个相对棘手的组合：消费者对经济前景的信心下降，但通胀预期却重新升温。这既可能意味着经济增长担忧加剧，也可能限制美联储进一步放松政策的空间。

不过，随着美债收益率的升势暂歇、油价回落，美股重新获得支撑。最终，三大指数继周一之后本周第二日集体收涨。周四收盘微跌的标普和三连跌的道指均最近四日内首日收涨，纳指两连涨。

标普500指数收涨0.51%，报7743.41点，本周累涨1.21%。道指收涨478.64点，涨幅0.93%，报51828.62点，本周累涨0.28%，全周V形反转。纳指收涨0.48%，报27068.716点，本周累涨2.06%。

本周主要美股指总体累涨。标普结束连跌两周的势头，纳指和纳斯达克100均连涨两周、最近五周内第四周累涨，凭借周五反弹，此前连跌三周的道指惊险累涨，而对利率敏感的小盘股指罗素2000累跌0.8%，连跌三周。

本周，纳指累涨超2%领涨主要股指，小盘股指继续累跌

个股方面，旗下智能体Muse近期爆红后，Meta成为市场关注焦点。Meta周四收涨4.5%，两日连涨并刷新2025年9月以来高位，但周五低开低走，收跌超3%。尽管周五收跌，Meta本周仍累涨近13%，过去一个月累涨超30%。

智能体Muse火爆的受益者——芯片股本周也普遍累涨。两连跌的费城半导体指数周五收涨约1.4%，本周累涨约6.3%。AMD收涨逾0.2%，Arm收涨1.3%，本周均累涨约12.6%，英特尔收跌超3%，但本周累涨约13.3%。

Meta本周市值增加约2200亿美元、突破1.9万亿美元冲向2万亿关口，周四收创2025年9月以来新高

不过，另一备受关注的AI概念股甲骨文逆市下挫。在周四传出因不可抗力导致新墨西哥州的一个数据中心项目恐无法按计划2028年投运后，甲骨文周五收跌近1.8%，四连跌，本周累跌7.1%。

甲骨文股债齐跌

美债：10年期收益率再创2007年来新高后转降 仍连升四周

美债市场仍是本周全球资产波动的核心。

继周四盘中突破5.22%后，基准10年期美债收益率周五再次升至5.22%上方，美股早盘曾升至5.2254%，连续三日刷新至少2007年7月以来的高位，美股午盘下破5.20%、抹平日内升幅转降，到债市尾盘时约为5.16%，日内降约4个基点，本周累计升约16个基点，连升四周，创3月27日一周以来最长连升。

对利率前景敏感的2年期美债收益率周五总体下行，美股尾盘下测4.85%刷新日低，继续脱离周三升至4.94%上方所创的两年多来高位，到债市尾盘时约为4.85%，日内降约7个基点，本周累计升约11个基点，连升六周，创2024年11月22日以来最长连升周。

30年期美债收益率周五盘中连续第二日突破5.55%，再次刷新2004年以来最高水平，到周五美股尾盘约为5.49%，全周累计升近17个基点，创5月15日以来最大单周升幅。

本周，大多数期限的美国付息国债收益率均站上5.0%，两年期美债收益率虽未升破5.0%，但也曾创两年多来新高

周五早盘，美债收益率曾随着油价回落而有所下降，但密歇根大学数据公布后重新走高。消费者未来一年通胀预期升至4.6%，进一步强化了市场对通胀压力的担忧。

《华尔街日报》指出，10年期美债收益率本周累计上升约16个基点，本月累计升幅约40个基点，今年以来的升幅已经达到约1个百分点。长期美债收益率的快速攀升，意味着市场要求更高的期限溢价，也在持续抬高股票等风险资产的估值门槛。

这也是近期全球市场一个重要的变化：美股虽然仍受到AI投资热潮支撑，但5%以上的长期美债收益率正在成为压制股票估值的重要变量。

与此同时，市场对美联储后续政策的重新定价仍在继续。近期油价大涨推动通胀担忧升温，加上消费者通胀预期重新走高，市场对美联储10月加息的押注明显增加。纽约联储主席约翰·威廉姆斯周五表示，如果供应冲击影响到价格，美联储不能对此置之不理。

日美官员接连释放“弱日元有问题”信号 日元扭转五连跌 一度涨1.2%

周五汇市最大的看点是日元。

日元兑美元盘中一度上涨1.2%，至156.98日元兑1美元，创近三周来最大日涨幅，并在G10货币中表现居首。

推动日元突然走强的直接催化剂，是日本和美国官员罕见释放的共同信号。

彭博社报道称，日本财务大臣片山皋月周五透露，日本首相高市早苗在本周与美国总统特朗普会晤时表示，日元被低估“存在问题”，特朗普在会晤中表达了对日元走弱的担忧。贝森特此后在社媒发文称，周五与片山皋月进行了“富有成效的通话”，双方讨论了强日元的“可取性”。

这番表态发生在美元兑日元此前一度逼近159的背景下，因此迅速引发市场对日本当局进一步干预汇市风险的关注。

华侨银行策略师Moh Siong Sim称，“干预风险应该为日元进一步走弱设置上限。” 更重要的是，特朗普对日元走弱的担忧可能意味着日美两国在支持日元方面的协调正在加深。

因此，周五日元的上涨并不只是日本国内利率预期变化的结果，更重要的是市场开始重新定价日美双方对日元过度贬值的政策容忍度。

周五日元反弹也得到美元回落支持。在卡塔尔媒体称美伊谈判进入技术性阶段后 ，周五美股午盘之初，ICE美元指数跌幅迅速扩大、并刷新日低至100.87，日内跌逾0.4%，跌离周四逼近101.40刷新的7月末以来高位。

到周五汇市尾盘，彭博美元现货指数日内跌逾0.2%，止步五连涨，在上周涨超1%创三个月最大周涨幅后，本周又累涨逾0.8%，和ICE美元指数均连涨两周，创3月以来半年最大两周涨幅。

彭博美元现货指数周五暂别两个月高位，连涨两周

但人民币未能反弹。离岸人民币（CNH）兑美元在周五美股早盘曾跌至6.7260下方，连续两日刷新9月2日以来低位。北京时间9月26日4点59分，离岸人民币兑美元报6.7227元，较周四纽约尾盘跌68点，四连跌，本周累跌272点。

美伊进入技术性谈判消息后，原油一度跌超3%，全周美油跌近4%

国际原油期货周五全线走低，市场对美国与伊朗可能通过外交途径缓和冲突的预期升温，令此前因中东供应风险大幅上涨的油价承压。

据新华社，伊朗外交部长阿拉格齐9月24日周四在联合国大会一般性辩论期间对媒体说，伊朗方面已向美国递交一份新的谈判草案，将“重开”霍尔木兹海峡并重启谈判。阿拉格齐拒绝透露草案具体内容，只表示谈判条件无外乎双方6月所达成谅解备忘录中的内容。

据报道，阿拉格齐周四称，伊朗已通过中间人向美国提出一项方案：若满足特定条件，霍尔木兹海峡将在七天后重新开放，相关谈判也将得以恢复。伊朗总统佩泽希齐扬周四也表示，是否结束战争取决于美国，并称美伊双方目前正通过中间人保持沟通。

卡塔尔媒体周五称，美伊谈判已超越初步外交接触、进入具体技术性磋商，伊朗技术专家已赴纽约加入谈判。此消息传出后，美油和布油均跌幅扩大、刷新日低，日内跌约3.3%。

虽然伊朗媒体此后否认、称报道不实，但原油跌势未改。到收盘，原油止步两连涨，美油逼近周二刷新的两周来低位，布油跌落一周高位。

WTI 11月原油期货收跌2.33%，报92.41美元/桶；周四刷新9月15日以来高位的布伦特11月原油期货收跌2.14%，报104.32美元/桶。

周五油价下跌更多反映的是外交解决预期带来的风险溢价回吐，而非市场已经确认中东供应风险解除。此前油价快速上涨后，投资者对任何可能推动霍尔木兹海峡重新开放的信号都十分敏感；但只要地区军事冲突仍在继续，油价就很难完全摆脱地缘政治风险溢价。

路透社指出，也门胡塞武装对沙特的袭击仍可能扰乱这个重要产油国的供应，因此油价并未完全消化供应风险。

本周，原油受中东局势影响剧震：截至周二，连跌五个交易日，随着胡塞武装持续袭击沙特、以及美伊外交进展未见实质进展，周三和周四持续反弹。

以收盘计算，全周原油涨跌不一。到周五收盘，美油累跌3.82%，在连涨三周后回落，创8月7日一周以来最大周跌幅；得益于周三和周四两日累涨7.41%，布油全周累涨0.43%，在上周回落后反弹、最近四周内第三周累涨。

不同于美油，布油未明显受到美国可能实行柴油禁令的影响，全周小幅反弹

黄金反弹 全周仍跌超2% 高利率与强美元继续施压

黄金周五成功反弹，全周受到高利率和美元走强的双重压制。

周五欧股盘中刷新日高时，纽约黄金期货涨破4350美元，日内涨逾1.2%，伦敦现货黄金涨至4310美元上方，日内涨近1%，美国消费者信心公布后，美股早盘均曾转跌并刷新日低，但早盘即转涨。

到收盘，四连跌的COMEX 9月黄金期货收涨0.54%，报4286.2美元/盎司，摆脱周四刷新的8月6日以来低位，本周累跌2.27%，为8月28日一周以来最大周跌幅。全周跌超2%源于，截至周四，期金创6月24日以来最长连跌日，四日累跌2.8%。

其他金属表现不一。两连跌的纽约期银反弹，COMEX 9月白银期货收涨1.24%，报64.245美元/盎司，本周累跌3.47%。周四反弹的纽约期铜回落，COMEX 9月期铜收跌0.34%，报6.6955美元/磅，本周累涨1.22%，连涨两周，两周累涨3.49%。

本周期金和期银均在上周反弹后回落、最近五周内第四周累跌。随着10年期美债收益率持续处于5.2%左右的高位，持有无息黄金的机会成本明显上升；与此同时，美元走强也令以美元计价的黄金对海外投资者而言更加昂贵。

本周黄金市场因此呈现出地缘政治避险需求与高利率压力之间的拉锯。尽管中东局势仍存在较大不确定性，但在美债收益率持续刷新多年高位的情况下，利率因素正在成为压制黄金价格的重要力量。

贵金属本周齐累跌，经济增长希望带动期铜继续累涨

一周市场：AI托住美股，“5%美债+高油价”重新主导定价

回看本周，全球市场的主线仍然是AI热潮与宏观利率压力之间的拉锯。

美股方面，AI相关股票继续提供支撑，标普500指数和纳指截至周四仍有望录得周涨幅；但与此同时，美债收益率快速攀升，美元走强，意味着市场对通胀和利率的担忧并未消退。

债市则明显弱于股市。10年期和30年期美债收益率分别一再刷新2007年以来和2004年以来高位，长期利率上行已经成为本周全球资产价格波动的重要背景。

汇市方面，美元整体保持强势，但日元周五突然大涨，为本周市场增加了新的政策变量；原油则围绕中东供应风险和霍尔木兹海峡重开预期剧烈波动，黄金则受到高利率环境压制。

因此，截至周五盘中，市场形成了一个颇具代表性的组合：AI仍在托住美股，但5%以上的长期美债收益率、高位油价以及重新升温的通胀预期，正在不断提高风险资产继续上涨的门槛；与此同时，日美官员对弱日元的共同担忧，则让日元成为本周尾声最受关注的汇率品种之一。

本文来自华尔街见闻，欢迎下载APP查看更多

当地时间本周四晚，特斯拉在内华达州Sparks的Semi专属工厂举办交付活动，宣布PepsiCo、DHL、US Foods、WattEV、ABF、Einride、IMC及OK Produce等一批新老客户加入订单名单。

马斯克表示，Semi的"候补名单相当可观"，并鼓励更多客户下单。并称"我们非常激动"。

特斯拉称，该工厂年产能达5万辆，即每周1,000辆。在技术层面，特斯拉给出了若干超出原定目标的数据：满载状态下续航500英里，较轻载荷下可达600英里；能耗较原设计目标降低约15%，至约1,700瓦时/英里。

周五，特斯拉高开低走，收跌1.54%。

十年延迟后，Semi正式进入量产

特斯拉Semi于2017年以概念车形式首次亮相，此后历经多次延期，直至2026年4月方才进入量产。本次活动地点选在紧邻内华达超级工厂的Semi专属制造基地，特斯拉表示该工厂具备年产5万辆的能力。

活动前夕，一名YouTube博主操控无人机飞越工厂上空，提前将多家客户名单泄露。正式活动上，特斯拉确认PepsiCo、DHL、US Foods、WattEV、ABF、Einride、IMC及OK Produce均已列入客户名单。

其中，自动驾驶卡车初创公司Einride去年8月宣布订购500辆；物流企业IMC本周早些时候表示将采购50辆，用于加利福尼亚州的港口短驳业务；本周一，特斯拉还获选为"全球最大货主联盟"提供2,500辆卡车，服务加州零排放货运业务。

特斯拉未披露总订单量及起售价格，但马斯克的表态暗示需求端并不缺乏。

工程升级：更高效率，更轻电池

活动大量篇幅聚焦于Semi的技术细节。

特斯拉半卡车工程总监Dan Priestley强调，500英里的续航数据来自满载测试，而非随货物减少而递增的轻载测试，以此区别于行业惯常的标定方式。特斯拉工程副总裁Lars Moravy则表示，当载重降至约60,000磅时，续航可进一步延伸至约600英里。

在电池技术上，Semi弃用此前测试版本所采购的2170电芯，改用特斯拉自研的4680电芯。特斯拉称，结合整车效率提升，此次调整在不牺牲续航的前提下，实现了电池包质量与容量的双降，有助于控制成本。

整车能耗已从最初设定的2,000瓦时/英里降至约1,700瓦时/英里，降幅约15%。特斯拉还推出多种续航配置，以满足不同运营场景需求，而非仅依赖单一的长续航版本。

推进充电网络建设，规避柴油价格波动风险

Semi搭载容量达822千瓦时的巨型电池组，需要更高功率的充电基础设施支撑。

特斯拉正在推进Megacharger网络建设，单桩最高可输出1.2兆瓦功率。活动现场，Dan Priestley与Lars Moravy实时演示了一辆Semi在新型兆瓦级充电桩上从3%充至60%仅用约30分钟的过程。

特斯拉表示，年底前将建成逾30座Semi充电站，合计超过200个兆瓦级充电桩，同时支持客户自建的夜间充电方案。充电网络的落地速度，将直接影响货运客户的实际运营可行性。

在成本逻辑上，特斯拉将Semi定位为低总拥有成本产品，核心论据包括：更低的电力费用、更少的维护零部件，以及规避柴油价格波动的风险敞口。Lars Moravy在活动上表示：

"油价和柴油价格历来起伏不定。但过去20年，电价基本保持平稳。若能将运输成本锁定在平稳水平，岂不更好？"

此外，特斯拉还推出驾驶员个人档案跨车辆同步、动态载重续航预测等功能，以提升车队管理效率。

声誉修复与执行能力仍是最大考验

尽管需求信号较为积极，特斯拉面临的核心挑战在于执行层面。部分货运客户已等待数年，任何进一步的交付延误都将加剧外界对公司兑现承诺能力的质疑。

特斯拉声称其现有Semi车队的正常运行时间超过98%，优于柴油重卡行业平均的90%至95%水平，并围绕Semi构建了专属服务体系，涵盖移动服务、远程诊断及OTA软件更新。

但上述数据来自规模有限的早期车队，大规模量产后能否维持，仍有待验证。

在更宏观的市场背景下，特斯拉正处于品牌形象与销售数据双重承压的时期。Semi作为公司在重型商用车领域的首款量产产品，其市场表现不仅关乎这一细分赛道的拓展，也将成为投资者评估特斯拉执行能力与产品创新势能的重要参照。

本文来自华尔街见闻，欢迎下载APP查看更多

此次披露源于OpenAI数月前发现旗下AI意外入侵Hugging Face后启动的调查。

该公司在周五发布的博客文章中表示，已就相关事件通知受影响方，涉及情形包括：软件绕过网站安全控制、影响服务可用性，以及"失控"AI模型对外部网站或服务造成负面影响。

就在数日前，OpenAI刚刚承认其AI模型于今年早些时候入侵了一家澳大利亚政府网站，此举被视为已知的首批AI对政府数据库发动网络攻击案例之一。

澳大利亚总理Anthony Albanese本周证实，该网站用于报告医疗健康统计数据，遭入侵时间为6月18日，目前没有证据显示澳大利亚公民个人信息受到泄露。

OpenAI在X平台的帖子中表示，此次调查的重点在于"AI代理与第三方网站的交互方式超出其既定任务或预期方法"的情形。

公司表示，迄今识别的大多数案例属于较低级别，对第三方服务的实质性影响"有限或没有证据显示存在实质影响"。

OpenAI还表示，已审查的大多数行为涉及AI模型执行"日常研究任务"，例如从网站获取问题答案。公司预计，完整审查工作将耗时数月。

OpenAI首席执行官Sam Altman周五在X平台发文承认，公司的处理速度不及预期，但他表示，在透明度与从海量活动日志数据中提取信息、并与受影响机构协作之间，需要审慎权衡。Altman写道：

"我们正在尽可能按照严重程度排列优先级，并持续增加资源投入。"

OpenAI此次事件并非个例。来自OpenAI、Anthropic、谷歌DeepMind以及Meta旗下模型引发的安全事件，已在主要企业中引发广泛的网络安全担忧。

传统网络安全工具——包括防火墙、邮件过滤器及事件响应软件——的核心能力在于识别已知恶意软件特征，或检测并拦截异常行为，继而向人工安全团队发出警报，由后者对受入侵账户或设备进行隔离处置。

然而，AI模型已被证明具备更高级的攻击能力：它们有时能够发现此前未知的软件漏洞，并同时利用多个漏洞对目标机构实施入侵。

这类攻击更难被拦截，且可能在安全人员毫无察觉的情况下，为恶意攻击者提供对受感染系统的深度访问权限。

本文来自华尔街见闻，欢迎下载APP查看更多

日本财务大臣片山皋月（Satsuki Katayama）周五表示，高市早苗首相并非"再通胀主义者，非常尊重央行独立性"，并称高市本人一再要求她向海外投资者澄清这一立场，"我们希望确保在这一点上不存在任何误解。"

片山同时重申干预汇市、支撑日元的意愿，并淡化了近期日本国债收益率上行所引发的市场担忧。

上述表态发生在日本央行上周三度加息之后。然而，高市政府提名的两位央行委员均投票反对这一决定，进一步强化了市场对日本政府倾向于延缓加息步伐的判断。

与此同时，日元兑美元汇率已跌破央行加息前水平，日本国债收益率也攀升至1990年代中期以来最高水平，市场压力持续升温。

片山的澄清并非孤立之举。经济增长战略大臣Minoru Kiuchi当天早些时候也表示，日本经济已无需再通胀政策。

Kiuchi在内阁中被视为再通胀立场最鲜明的成员，其发言与片山的口径高度一致，显示出政府有意统一对外叙事，以回应市场对政府干预央行政策的疑虑。

部分市场人士将高市视为已故前首相安倍晋三的政策传承者——安倍曾力推央行货币宽松与灵活财政政策，以打破日本数十年的经济停滞。

片山对此回应称，随着通胀重返日本，当前环境已与彼时截然不同，过去的政策框架不能简单套用于今日。

片山表示，高市本人"非常尊重央行独立性"，日常货币政策决定权归属日本央行，政府有意避免给外界留下干预央行政策的印象。

片山透露，她近期在东京与多位美国金融界人士会面，其中包括亿万富翁投资者Stanley Druckenmiller以及摩根大通首席执行官Jamie Dimon。

谈及会面内容，她承认，部分投资者仍认为高市政府正在制约日本央行的行动空间。

正是这种疑虑，促使片山在本次专访中主动、反复地强调政府尊重央行独立性的立场。

在汇率问题上，片山重申了干预市场的准备，并与美国财政部长贝森特于周五再次通话。

据日本财务省发布的通话摘要，双方就金融市场最新动态交换了意见，并再次确认了对日元被低估的共同关切，以及进一步深化合作的意向。贝森特随后在X上表示，双方"讨论了反映日本强劲经济基本面的强势日元的可取性"。

片山当天早些时候在新闻发布会上透露，特朗普在本周于纽约举行的会谈中，向高市表达了对日元疲软的关切。但她补充称，特朗普的表态仅止于此，双方并未就后续应采取何种措施深入探讨。

对于近期债券收益率的快速上行，片山认为这是一个全球性现象，部分反映了人工智能投资热潮带动的私人部门资金需求上升，并预计此轮快速上涨将是暂时性的。

她还指出，利率上升对日本家庭而言实际上意味着存款利息收入增加，相比美国人更多持有股票，日本人的储蓄更多存放在银行，因此有望从中受益。

本文来自华尔街见闻，欢迎下载APP查看更多