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

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

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

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

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

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

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

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

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

对话最后，三位研究者给出了一组快速预测。

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

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

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

以下为访谈内容全文，部分有删减：

Dwarkesh Patel：

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

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

Beren Millidge：

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

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

John Schulman：

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

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

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

Charlie O'Neill：

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

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

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

Dwarkesh Patel：

但你认为这个不连续性会比2012年以来的任何事情都更难吗？

Charlie O'Neill：

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

Dwarkesh Patel：

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

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

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

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

Beren Millidge：

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

Charlie O'Neill：

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

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

Dwarkesh Patel：

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

Charlie O'Neill：

我当时在上小学。

Dwarkesh Patel：

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

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

John Schulman：

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

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

Dwarkesh Patel：

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

John Schulman：

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

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

Dwarkesh Patel：

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

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

John Schulman：

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

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

Charlie O'Neill：

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

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

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

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

Beren Millidge：

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

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

Dwarkesh Patel：

但时间跨度增加不是表明——

Beren Millidge：

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

Dwarkesh Patel：

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

Beren Millidge：

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

Charlie O'Neill：

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

John Schulman：

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

Dwarkesh Patel：

对齐是最后的工作。

John Schulman：

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

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

---

00:28:06 – 自动化的AI研究员将如何训练

Dwarkesh Patel：

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

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

John Schulman：

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

Charlie O'Neill：

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

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

Dwarkesh Patel：

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

Charlie O'Neill：

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

Beren Millidge：

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

Charlie O'Neill：

你有关于RSI的例子吗，什么样的训练集？

Dwarkesh Patel：

Nanochat speedrun，但比人类speedrunner更快。

Beren Millidge：

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

Dwarkesh Patel：

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

Charlie O'Neill：

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

John Schulman：

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

Dwarkesh Patel：

它更多是由直觉引导的。内循环是测试那个直觉，而不是测试本身导致洞察。

John Schulman：

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

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

Beren Millidge：

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

---

00:33:51 – 长视界RL会引出AGI吗？

Dwarkesh Patel：

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

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

Charlie O'Neill：

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

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

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

Dwarkesh Patel：

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

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

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

John Schulman：

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

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

Beren Millidge：

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

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

John Schulman：

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

Beren Millidge：

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

John Schulman：

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

Dwarkesh Patel：

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

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

Beren Millidge：

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

Dwarkesh Patel：

你认为这在多大程度上解释了代际改进？

Beren Millidge：

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

Charlie O'Neill：

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

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

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

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

Dwarkesh Patel：

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

Charlie O'Neill：

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

Dwarkesh Patel：

哦，我明白了。有趣。

Charlie O'Neill：

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

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

John Schulman：

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

---

00:45:24 – 仿真到现实的鸿沟

Dwarkesh Patel：

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

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

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

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

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

Charlie O'Neill：

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

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

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

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

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

Dwarkesh Patel：

RSI恰好比当律师助理更容易，这真是太不幸了。

John Schulman：

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

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

模型有各种各样的弱点限制RSI以及其他事情。有些与样本效率有关，有些无关。

Charlie O'Neill：

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

John Schulman：

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

Charlie O'Neill：

所以你不认为你可以只是把它全部倒进去，你的整个生活，你的研究经验？

Beren Millidge：

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

Charlie O'Neill：

是的，我只是问如果你有那个。

Beren Millidge：

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

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

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

Dwarkesh Patel：

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

John Schulman：

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

Charlie O'Neill：

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

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

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

Beren Millidge：

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

Charlie O'Neill：

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

Beren Millidge：

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

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

Charlie O'Neill：

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

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

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

Dwarkesh Patel：

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

Charlie O'Neill：

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

Dwarkesh Patel：

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

Charlie O'Neill：

不破坏某些东西，以迭代的方式。

Beren Millidge：

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

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

Dwarkesh Patel：

所以也许在极限情况下，你只是被从头重新训练模型与所有这些新信息所瓶颈。

Beren Millidge：

是的，这当然非常昂贵。从头训练模型是昂贵的。

Dwarkesh Patel：

但你无论如何都会这样做。

Beren Millidge：

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

Dwarkesh Patel：

但可能有一些深层技术原因使它非常困难。

Charlie O'Neill：

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

Dwarkesh Patel：

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

Charlie O'Neill：

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

Dwarkesh Patel：

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

Charlie O'Neill：

也许在那个规模上，是的。

Beren Millidge：

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

---

01:00:33 – 有多少进展是由数据解释的？

Dwarkesh Patel：

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

Charlie O'Neill：

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

Beren Millidge：

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

Charlie O'Neill：

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

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

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

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

John Schulman：

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

Charlie O'Neill：

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

Beren Millidge：

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

Charlie O'Neill：

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

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

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

Beren Millidge：

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

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

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

Dwarkesh Patel：

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

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

Charlie O'Neill：

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

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

Dwarkesh Patel：

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

Charlie O'Neill：

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

Beren Millidge：

有趣的是，我觉得数据实际上在规模上更重要。我觉得架构有点像一次性的事情。

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

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

Dwarkesh Patel：

我明白了。所以你对数据的规模依赖性有什么看法？

Beren Millidge：

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

Charlie O'Neill：

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

Dwarkesh Patel：

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

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

Charlie O'Neill：

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

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

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

所以很多取决于Mercor和内部团队能多快扩大他们训练的RL环境的复杂性。

John Schulman：

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

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

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

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

Dwarkesh Patel：

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

John Schulman：

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

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

Charlie O'Neill：

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

John Schulman：

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

Charlie O'Neill：

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

Beren Millidge：

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

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

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

Dwarkesh Patel：

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

Beren Millidge：

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

Charlie O'Neill：

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

Beren Millidge：

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

John Schulman：

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

Charlie O'Neill：

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

---

01:18:03 – 为什么RL如此有效？

Dwarkesh Patel：

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

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

Beren Millidge：

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

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

Dwarkesh Patel：

因为它正是关于如何得到正确答案的比特。

Beren Millidge：

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

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

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

Charlie O'Neill：

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

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

Dwarkesh Patel：

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

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

Beren Millidge：

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

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

Charlie O'Neill：

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

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

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

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

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

Beren Millidge：

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

---

01:24:54 – 第37手和熵坍缩

Dwarkesh Patel：

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

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

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

Beren Millidge：

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

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

John Schulman：

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

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

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

Beren Millidge：

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

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

---

01:28:32 – 快速预测时间线

Dwarkesh Patel：

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

Charlie O'Neill：

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

Beren Millidge：

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

Dwarkesh Patel：

抱歉，但一年和三年之间的差异只是字面上……

Beren Millidge：

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

Dwarkesh Patel：

你是在想计算机的东西还是基本认知能力？

Beren Millidge：

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

Charlie O'Neill：

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

John Schulman：

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

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

Charlie O'Neill：

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

Dwarkesh Patel：

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

John Schulman：

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

Dwarkesh Patel：

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

Charlie O'Neill：

大概5-10年？

Dwarkesh Patel：

哦，真的吗？好的，那很遥远。

Beren Millidge：

真的，你认为这比一般远程工作者更长？有趣。

Dwarkesh Patel：

我意识到你可能对完全通用的远程工作者有非常不同的定义。我本可以早点说明的。

Beren Millidge：

这是真的，因为显然AI研究员可以是远程工作者。

Charlie O'Neill：

我在想象一个月的正常白领工作。我认为超过两个月就开始有点分歧了。

Dwarkesh Patel：

一个非常能干的白领工作者，但不一定是一个超级有创造力的研究员。

John Schulman：

我会说两年。

Dwarkesh Patel：

两年？10倍？好的。你呢，Beren？

Beren Millidge：

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

Dwarkesh Patel：

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

Beren Millidge：

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

Dwarkesh Patel：

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

Charlie O'Neill：

我很乐意在那个上多花一点时间。

Dwarkesh Patel：

关键是什么？

Charlie O'Neill：

我吸收信息和做出下一个实验的贝叶斯最优决策的能力。

Beren Millidge：

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

Dwarkesh Patel：

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

Beren Millidge：

这基本上就是ASI？

Dwarkesh Patel：

是的。

John Schulman：

我会说3-4年。

Dwarkesh Patel：

我靠？我是说那似乎没错，但——

John Schulman：

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

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

Dwarkesh Patel：

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

John Schulman：

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

Charlie O'Neill：

我会说5到10。

Dwarkesh Patel：

所以基本上，你认为自动化AI研究是ASI-complete之类的？

Charlie O'Neill：

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

Beren Millidge：

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

Dwarkesh Patel：

抱歉，但这也包括像人类一样快速学习新领域的能力。

Beren Millidge：

我认为那不一定必要，因为AI将拥有比任何人类多得多的经验。

Dwarkesh Patel：

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

John Schulman：

谢谢邀请我们。

本文来自华尔街见闻，欢迎下载APP查看更多

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

融资结构：折价配售叠加零息溢价转债

本次融资分两部分独立进行，互不构成条件。

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

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

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

钱流向哪里：六成押注算力与下一代模型

根据公告，智谱拟将所得款项净额按以下比例分配：

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

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

• 约25% 用于优化资本结构、补充日常营运资金及其他一般企业用途。

公司预计上述款项将于2028年6月30日前悉数动用。

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

股权结构影响

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

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

融资提速：两个月内二度出手

这已是智谱在资本市场的密集动作之一。

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

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

三次融资合计，智谱从资本市场累计募集资金规模已超过百亿美元量级。

行业背景：大模型竞争进入资本消耗阶段

从更宏观的视角看，智谱的密集融资折射出大模型行业竞争逻辑的演变。

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

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

本文来源：新华社

本文来自华尔街见闻，欢迎下载APP查看更多

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

战场局势：胡塞武装控制曼德海峡要地，双方互相袭击

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

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

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

外交斡旋：美国接触胡塞武装，拒绝直接军事介入

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

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

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

伊朗立场：否认战争状态，但此前承认难以约束胡塞武装

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

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

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

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

也门冲突快速升级，影响几何？

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

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

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

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

其三，目前美军深陷对伊朗作战的泥潭，胡塞精准地抓住了一个力量真空期。

图片来源于央视新闻

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

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

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

估值逻辑生变，IPO计划遇阻

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

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

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

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

资本支出放缓还是预期管理？

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

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

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

“我们是为了安全主动放缓”，远比“我们烧不起钱了”更易被市场接受。

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

本文来自华尔街见闻，欢迎下载APP查看更多

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

在CTA定位方面，信用债维持最大多头，股票和大宗商品多头被削减至接近中性。

本文来自华尔街见闻，欢迎下载APP查看更多

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

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

我认为，在本十年末有10%的概率杀死所有人，这是不可接受的。

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

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

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

Amodei在博文中直指两大核心风险。

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

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

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

Amodei在博文中提出了具体的行动框架。

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

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

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

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

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

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

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

谷歌DeepMind与Meta的高管目前尚未就本周末的讨论公开表态。

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

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

见闻财经日历提醒下周重点关注：

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

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

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

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

经济指标

• 美联储利率决议

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

• 日本央行利率决议

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

• 英国央行利率决议

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

• 中国8月社会零售、固定投资、工业增加值、70城房价等数据

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

财经事件

• 伊朗将与海湾国家谈霍尔木兹协议

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

• 贝森特预计将出席众议院金融服务委员会进行作证

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

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

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

• 华为全联接大会 2026（上海）

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

• Anthropic 开发者大会（信号：9月中旬）

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

• 国务院政策例行吹风会，央行、国资委、证监会等负责人参会

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

• 恒生科技指数扩容与改组

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

• 第十三届北京香山论坛

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

• 半导体与电子制造专业盛会Semicon India

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

• 第23届中国—东盟博览会（东博会）、2026上合组织数字经济论坛

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

• 首届加拿大投资峰会（卡尼总理主办）

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

• iPhone 18 Pro将于9月18日发售

iPhone 18 Pro将于9月18日发售，12日开始接受预订。

• 日本定于9月17日改组内阁

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

• 国际原子能机构理事会会议（IAEA），或聚焦伊朗核问题

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

• 香港首个五年规划9月16日公布

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

财报与个股动态

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

• 沐曦股份：9月17日起1397万股限售股上市流通

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

• 中金公司：吸收合并获批，A股股票将自9月15日开市起连续停牌

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

• 恒生指数公司：希音将快速纳入恒生综合指数

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

重磅事件提前预警（9/21-9/27）

美银Hartnett预计中美外交大事件在9月24日。

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

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

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

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

"我会说，不是2026年。"

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

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

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

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

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

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

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

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

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

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

Altman在X平台回应Amodei的帖文时写道：

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

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

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

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

主持人： 所以听起来不是2026年，可能是2027年。

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

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

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

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

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

中国需求回归，成为油价上行核心驱动

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

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

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

霍尔木兹海峡风险持续，供应端压力难以消散

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

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

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

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

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

成品油市场：比原油更"安静"也更危险的压力

如果原油价格的上涨已引发广泛关注，成品油市场的紧张态势则更为深层。

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

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

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

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

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

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

国内市场联动：期货价格异动，监管出手调控

国际油价的剧烈波动迅速传导至国内市场，并引发一系列监管响应。

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

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

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

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

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

估值压缩已发生，但股债相对吸引力基本稳定

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

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

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

历史规律：加息初期承压，但12个月后平均回报达+9%

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

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

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

与此同时，高盛梳理了过去数十年间7次加息周期的历史数据，得出以下规律：

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

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

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

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

股市对长端利率更敏感，利率波动率是额外风险

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

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

企业资产负债表健康，大型公司基本面风险有限

高盛的分析表明，当前标普500成分股整体上对利率上升的基本面抵御能力较强：

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

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

3. 利息支出相对于强劲的企业利润而言依然较小。

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

企业应对策略：提升增长是维持估值的关键，并购与AI投资加速

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

这一压力正在催生多种企业应对策略：

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

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

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

本文来自华尔街见闻，欢迎下载APP查看更多

因缺芯致歉后，华境的保交付有了新动作。

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

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

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

这张新配置表同时承担着保交付任务。新增功能为价差提供了产品上的解释，华境则希望借此推进车辆交付。一次供应端的应急调整，被放进了产品变化的节奏里。

这也是这套Plan B最值得关注的地方：面对关键零部件短缺，华境已经开始调整可供用户选择的产品组合。

此前，华境在交付周期调整说明中承认，鸿蒙座舱配套车机芯片出现阶段性供货紧缺，导致部分订单交付延期。公司称，生产制造能力已全面就绪，但对芯片供给挑战的预判和预案不够充分，并宣布拓展芯片供给渠道、推进多元化供应方案。

“生产制造能力已全面就绪”，点出了这场交付受阻的特殊之处。

背靠上汽通用五菱，华境有现成的整车制造基础。但一辆车最终能生产、交付多少，取决于最紧缺的那个零部件。工厂做好准备之后，座舱芯片仍然可以决定交付节奏。

这对华境尤其关键。华境S将华为乾崑智驾与鸿蒙座舱作为全系标配，以15.98万元的起售价进入大六座SUV市场。华为智能化配置是它争取用户的重要卖点，也意味着每一辆车的交付，都需要相应的供应保障。

全系标配让消费者更容易理解产品价值，也让关键部件的短缺更难通过原有高低配之间的调整来消化。这次新增四款版本，折射出的正是华境为产品供给增加灵活性的需要。

在15万元级市场，这种灵活性又受到价格约束。华境既要保留智能化配置的吸引力，也要控制新方案带来的价格变化。3000元的价差不算一次大幅调整，但如何让消费者认可新增配置的价值，同样属于保交付方案的一部分。

华境已经有了一定的交付规模。华境S于5月8日上市，6月交付5689辆，7月增至7203辆，8月交付7306辆。9月8日，官方宣布累计交付突破2.5万辆。

眼下华境交付仍处爬坡阶段，缺芯情况，也让供应保障成为华境接下来能否继续放量的关键。

对一个刚推出首款车型的品牌而言，交付等待还会影响下一批订单。最早一批用户何时拿到车、提车过程是否顺畅，会逐渐变成潜在买家的购车参考。等待时间拉长，影响的就不止当月销量，还有新品上市后积累的市场热度。

因此，华境在致歉后推出新方案，有着明确的紧迫性。它需要尽快让保供措施体现为交付进度，赶在等待消耗用户耐心之前，把车交出去。

华境S此前证明了，上汽通用五菱可以把华为智能化配置装进一辆15万元级的大六座SUV。缺芯之后，它还要证明，自己能够以这个价格、按更大的规模，持续把车交到用户手中。

本文来自华尔街见闻，欢迎下载APP查看更多

英伟达CEO黄仁勋重申2030年AI基础设施市场规模将达3万亿至4万亿美元，并明确表示公司2027财年70%的营收增长目标受限于供应而非需求。SpaceX CFO Bret Johnsen则披露公司正朝着年化1000亿美元总营收目标迈进，并计划于2027年部署AI卫星，将轨道算力成本压至与地面算力相当的水平。高盛银行家将AI定性为"投资超级周期"而非泡沫，但同时指出，超大规模云厂商能否将资本支出积压转化为持久企业收入，仍是市场最核心的悬念。

网络安全成为本届大会最高频的议题之一。黄仁勋明确将网络安全列为AI的下一个主要应用场景，Palo Alto Networks CEO直言"AI安全行业甚至尚未建立"，而CrowdStrike与Palo Alto两家公司合计市值约4900亿美元，与万亿级AI公司相比仍存在显著估值差距，引发市场对该赛道重估空间的关注。

黄仁勋：70%增长是供应上限，不是需求上限

黄仁勋在接受高盛半导体分析师James Schneider访谈时，系统阐述了AI基础设施高速增长的底层逻辑。他将驱动力归结为两个叠加的行业变革：从检索式计算向生成式计算的范式转移，以及摩尔定律的终结。

在他看来，过去60年的计算机本质上是"预先录制"的——用户点击后从存储中检索信息。但生成式AI要求实时基于上下文生成答案，这意味着一个全新的、持续运转的计算层必须被建造。与此同时，晶体管缩小红利消失，性能提升不再依赖制程微缩，英伟达的应对是通过CoWoS多芯片封装与NVLink纵向扩展实现极端协同设计。黄仁勋强调：

"如果你没有NVLink，如果你不能有真正出色的纵向扩展，你就死定了，因为摩尔定律是你的敌人。"

黄仁勋重申，英伟达2027财年70%的同比营收增长目标是供应上限而非需求上限——若无供应约束，增速将更高。分析师预计英伟达本财年营收约4000亿美元，按70%增幅计算，明年营收将达约6800亿美元。他同时将英伟达在AI供应链中的地位与台积电相提并论，强调每一家AI实验室都能在英伟达平台上构建业务，"某种程度上就像台积电"。

在供应约束方面，黄仁勋承认上游封装、晶圆、内存以及下游数据中心电力与选址均存在广泛瓶颈，但强调英伟达的生态系统规模与客户可见度是应对这些约束的核心优势，并维持CY27约70%同比增长的预期。

正面回击"循环融资"质疑

黄仁勋在大会上直接回应了市场对英伟达5000亿美元融资平台的"循环融资"质疑。争议源于英伟达今年8月宣布与Apollo、BlackRock、Blackstone、Brookfield、高盛及KKR等金融机构合作成立算力融资平台，计划募集超过5000亿美元第三方资金，支持AI模型开发商兴建基础设施。

批评者担忧，英伟达投资AI公司或云服务商，这些公司再回购英伟达硬件，投资与销售之间的界线趋于模糊——这一模式在上一轮互联网基础设施热潮中曾导致朗讯科技等供应商走向衰落。

黄仁勋以财务数据正面反驳："我看了一下财务报表，我们投入1美元、拿回100美元的回报，这算是循环融资吗？如果这也算，那我们就多做一些。"他强调，在动用公司资金投资之前，英伟达会确认被投资方手中有真实合同、能从客户处获得收入，他见过的此类合同总额达1000亿美元。

高盛的研究报告亦指出，英伟达的财务担保旨在为生态系统提供种子资金，但最终回报规模及投资方的多元化，与"循环融资"的定义并不相符。

SpaceX：从火箭运营商到AI基础设施平台

SpaceX CFO Bret Johnsen的演讲是本届大会另一大亮点。他明确表示，SpaceX正将自身定位为一体化AI基础设施平台，而非单纯的发射或卫星运营商，垂直整合覆盖火箭、电力、算力基础设施、AI模型、客户关系与Starlink连接。

关键数据披露包括：公司目前算力收益处于每吉瓦300亿至500亿美元区间的上限；本月初完成一笔新的算力授权协议；对年底前实现年化1000亿美元总营收的信心进一步增强；预计2026年底算力规模扩展至超过2GW，2027年底达5至10GW。

在轨道算力方面，SpaceX计划于2027年部署AI卫星，并预计轨道算力成本达到与地面算力相当水平的时间将早于此前预期。Starlink宽带业务持续增长，企业与政府服务表现尤为突出，Starlink Mobile预计于2028年上半年推出。Johnsen将AI模型、地面算力、Starlink、星舰与轨道算力整合为一个统一的基础设施增长叙事。

网络安全：AI时代最被低估的赛道

网络安全是本届大会出现频率最高的议题，黄仁勋、Palo Alto Networks CEO Nikesh Arora与CrowdStrike CEO George Kurtz均从不同角度强调了这一赛道的战略价值。

黄仁勋的逻辑链清晰：AI加速自动化编程，代码生成速度提升意味着代码被利用和攻击的速度同步加快，漏洞修复需求随之激增。

“还有什么比制造一个问题更能创造需求呢？”他表示，网络安全需要持续运作，将为AI大型实验室带来庞大新商机。目前英伟达正与CrowdStrike、思科、Palantir合作，使用Nemotron模型构建红蓝队系统。

Arora则指出，AI正在加速漏洞发现与攻击复杂度，企业需要集成化安全平台而非碎片化供应商堆叠。Palo Alto拥有约1.8亿个已部署传感器，每日处理19PB数据，构成数据与训练护城河。他直言“AI安全行业甚至尚未建立”，而未来五年5万亿美元的算力投资将带来网络流量的大幅增长，全部需要安全检测。

CrowdStrike的Kurtz则强调，公司10年以上的专有标注安全数据是核心竞争壁垒，其域专用模型的修复成本约为每次活动0.03美元，而前沿模型替代方案约为10美元，但可实现相近效果。新产品Guardian早期需求强劲，Flex协议累计达935笔，灵活性承诺总额23亿美元，上季度Flex交易量环比增长两倍。

SpaceX之外：Uber、MongoDB与Mastercard的AI叙事

Uber CEO Dara Khosrowshahi重申增长由出行与外卖双轮驱动。Uber One会员数量突破5000万，同比增长50%，占总订单量约50%，会员消费额是非会员的2至3倍。外卖业务中，杂货与零售年化营收达150亿美元，同比增长超40%，管理层认为按需零售规模最终可能超过出行业务。Uber同时表示，目标是在2028至2029年成为领先的自动驾驶商业化平台。

MongoDB CEO CJ Desai等管理层强调公司正演变为双引擎增长模式，Atlas连续五个季度维持约29%增长，Enterprise Advanced ARR连续三个季度增长超10%。AI方面，Voyage正通过Claude Code、Codex等编程代理成为客户获取渠道，客户数量环比近乎翻倍；Managed MCP发布有助于将Atlas直接嵌入代理驱动的开发工作流。AI辅助现代化迁移有望将项目周期从18至24周压缩至4至8周。

Mastercard CFO Ling Hai指出，消费者与企业支出趋势在8月保持强劲，跨境交易健康，无卡支付增长越来越多由AI订阅、数字资产等数字原生支付流驱动。服务业务目前占净营收近40%，网络安全需求在收购Recorded Future后持续加速，中国市场在获得国内牌照后仍是中期重要机遇。

半导体设备：供需持续偏紧，能见度"史无前例"

Lam Research CFO Doug Bettinger在大会上措辞强硬，称行业"基本上已售罄"，管理层更担心错过上行空间而非应对下行周期。Lam预计2027年晶圆设备支出（WFE）增长由DRAM主导，先进逻辑/代工紧随其后，NAND亦将稳健增长，洁净室可用性是关键约束，预计至2027年底前持续存在。

值得关注的新信息包括：Lam已与SpaceX的Terafab项目深度合作，该项目被描述为"非常大的机遇"；公司宣布在美国投资30亿美元用于实验室与工程建设，包括新建俄勒冈实验室；中国WFE今年小幅增长，但占比持续下降。

Seagate CFO Gianluca Romano则表示，AI基础设施驱动的存储需求叠加有限的供给增长，将持续支撑定价上行，上季度每艾字节价格同比上涨约11%。HAMR技术出货量有望于2026年底在艾字节维度超越PMR，预计未来几年占公司出货量的80%至90%。

高盛结论：超级周期而非泡沫，但ROI仍是核心考验

高盛科技研究主管James Schneider与欧洲TMT专家Sean Johnstone均在总结中强调，AI需求正在跨越整个技术栈持续扩展，但市场辩论已从模型能力转向基础设施规模、电力、投资回报率与真实企业落地。

高盛银行家将AI定性为投资超级周期而非泡沫，底部指标仍具建设性——供给偏紧、算力需求强劲、产品创新提速。但宏观层面的顾虑依然存在：利率、地缘政治、政策不确定性以及大数定律。

Johnstone的核心判断一语中的：AI需求正在扩展，但投资者仍需要证明资本支出能够转化为持久收入、利润率与现金流。

超大规模云厂商需要将积压订单转化为持续的企业AI收入，客户正从“最大化算力消耗”转向“以ROI为导向的算力优化”，而电力、内存、数据中心建设与容量方面的约束，可能使市场持续偏紧至2028年。

本文来自华尔街见闻，欢迎下载APP查看更多

周五，油价回落使得长期国债收益率小幅回落，但本周美国国债收益率曲线全面飙升，短期美债收益率更是暴跌。

2年期美债收益率攀升28个基点、至4.60%以上，10年期美债收益率一度升至4.988%、逼近5%关口，30年期国债收益率则达到约5.38%，创下2007年以来的最高水平。

9月11日，据彭博最新Markets Pulse调查，约五分之一的受访者表示，10年期美债收益率略超6%才将触发其个人投资组合的警报，并促使其减持股票。

122名参与者的中位响应值为6.5%，其中6%至6.24%区间获得最多选票，超过半数受访者认为收益率需升至6%至8.24%之间，才会对个人持仓做出实质性调整。

这一结果与交易员对大盘的整体判断形成明显落差，并对股市短期走势具有直接参考意义——尽管收益率仍在高位徘徊，但真正触发个人层面抛售行为的门槛，可能比市场此前预期的更高。

调查于9月8日至10日进行，共收集122份有效回复。数据揭示出交易员在机构判断与个人行为之间的显著差异。

在评估十年期美债收益率触发标普500指数下跌10%的临界点时，逾四分之三的受访者将该水平锁定在5%至5.75%区间。

然而，当问题切换至个人投资组合时，同一批受访者的容忍阈值大幅上移，中位数达到6.5%。

对此，彭博调查指出，这一分歧或源于风险承担机制的本质差异：管理他人资产的机构投资者面临问责压力，而个人投资决策则不存在"做错被解雇"的顾虑，因此投资者在自有资金上往往愿意承受更高风险。

值得注意的是，此次调查中零售投资者仅占受访者总数的7%。

彭博分析师Tatiana Darie此前曾指出，对市场而言，收益率上升的速度比其所达到的绝对水平更具冲击力，而本次Pulse调查数据印证了这一判断。

从调查分布来看，选择10.5%以上水平的受访者共8人，被单独归入一个区间统计。

这一长尾分布表明，部分市场参与者对极端利率情景持有相当程度的容忍空间，也意味着在收益率快速攀升的情境下，市场所受冲击可能远超绝对水平本身所暗示的程度。

十年期美债收益率在最新CPI数据公布后从5%附近回落，短期压力有所缓释。但若收益率重拾升势并快速逼近6%，届时个人投资者层面的调仓行为或将集中出现，进而对市场形成更为明显的下行压力。

本文来自华尔街见闻，欢迎下载APP查看更多

美光科技周五宣布，中国台湾员工将获得相当于35至68个月薪酬的2026财年奖励，最低现金补偿为170万新台币（约合5.38万美元）。

美光指出，在经历了一个“对公司而言非凡的年份”后，全球超过6万名员工将获得2026财年的奖励，本次向员工发放的薪酬力度为历年来最高。

然而，代表美光中国台湾约三分之二员工的桃园工会当日发表声明称，双方在持续谈判中尚未达成共识，工会仍要求将营业利润的15%拨作员工奖金，并警告称：

若公司不回应相关诉求，工会将继续推进罢工程序。

根据美光披露的方案，2025年8月29日前入职的中国台湾员工将获得100万新台币（约合3.17万美元）的现金奖金。

对于初级工程师，总奖励平均达340万新台币，其中现金补偿平均约290万新台币，其余部分以股权授予价值计算。此外，所有员工还将获得年度股权授予。

美光在中国台湾约雇用1.5万名员工，中国台湾是其最重要的生产基地之一，公司已在台累计投资逾1.6万亿新台币。

工会迄今坚持的核心诉求是将15%营业利润纳入员工奖金分配机制，与美光现行方案之间仍存在明显分歧。

美光此番举措，在一定程度上是为规避重蹈韩国竞争对手三星电子的覆辙。

据报道，三星今年5月曾面临多达4.8万名工会成员发起18天罢工的威胁，最终在最后关头谈判达成协议，设立了相当于芯片部门营业利润10.5%的特别奖金池，方才化解危机。

美光中国台湾工会此前亦明确指出，三星和SK海力士的利润分享安排已拉大美光员工与韩国同行之间的薪酬差距，此为此次劳资纠纷的核心背景之一。

对于存储芯片市场而言，中国台湾作为美光核心生产基地的稳定性至关重要。劳动争议若持续升级乃至演变为实际罢工行动，将对美光的生产节奏和供应链造成直接影响，进而波及全球存储芯片供给格局。

本文来自华尔街见闻，欢迎下载APP查看更多

据美国汽车协会（AAA）数据，全国柴油均价已达每加仑6.0556美元，加利福尼亚州价格更逼近8美元。与此同时，汽油价格也突破每加仑4美元，创同期历史最高水平。据彭博9月11日报道，距离11月中期选举仅剩约50天，高企的油价正在侵蚀消费者购买力，并向更广泛的经济层面传导。特朗普政府目前可动用的政策工具已所剩无几，出口管制这一选项尽管被业界普遍视为"糟糕政策"，却仍在持续发酵。

咨询机构Rapidan Energy Group将出口限制措施落地的概率评估为35%。能源部长Chris Wright近期未明确排除这一可能性，内政部长Doug Burgum则在共和党全国委员会大会上表示"所有选项都在考虑之中"，但同时承认出口管制历史上曾推高国内价格。多数专家警告，禁止出口不仅无法压低油价，反而可能适得其反，并对全球能源市场造成严重冲击。

价格为何创纪录：地缘冲突叠加供应链断裂

柴油价格的历史性突破，根源在于多重地缘政治冲击的同步叠加。

伊朗战争及霍尔木兹海峡航运中断，引发了史上最大规模的能源供应中断。与此同时，乌克兰对俄罗斯炼油厂持续数月的无人机打击，已迫使俄方实施柴油出口禁令。中东地区霍尔木兹海峡与曼德海峡附近的战事本周进一步升级，美伊两国似乎正为一场持久战做准备，这意味着能源价格高位运行的局面可能延续更长时间。

柴油是全球经济的"基础燃料"，广泛用于发电、家庭供暖、农业机械及货运卡车。尽管普通美国消费者日常直接接触柴油的机会有限，但其价格上涨将通过食品、物流和建筑成本向终端消费者传导。进入秋季后，供暖和农业用油需求还将季节性回升，进一步加剧供需紧张。

高油价对特朗普共和党的政治冲击尤为敏感。在缅因州，全美最高比例的家庭依赖取暖油过冬；在俄亥俄、堪萨斯、爱荷华等农业州，柴油成本直接关系到农业生产成本。美国伐木业协会（American Loggers Council）执行董事Scott Dane本周在Fox Business上呼吁特朗普暂停柴油出口，他表示：

“给一辆伐木卡车加满油，要花1350美元，我们快撑不住了。”

出口管制为何被提上议程：政策工具箱已近告罄

美国炼油厂目前正以接近历史峰值的速度运转。据彭博报道，全美约130座炼油厂上周每日将近1800万桶原油加工为汽油、柴油和航空燃油，但这一高产出对补充库存、压低价格的效果微乎其微——在全球地缘政治主导定价的市场环境下，产量提升难以抵消供应冲击。

报道指出，特朗普政府今年已采取了一系列措施，包括豁免已有百年历史的《琼斯法案》相关条款，以便利原油运输。但在产能已接近上限、现有政策效果有限的背景下，行政手段的空间正在收窄。白宫目前可用的工具，实际上只剩下进一步动用战略石油储备，或者实施出口禁令两条路。

每日约300万桶的成品油出口量，正是此次禁令讨论的核心靶点。这一数字在美国总产量中占据相当比重，也是支撑全球供应的重要来源。

禁令的代价：专家警告适得其反

尽管出口管制在政治上具有一定吸引力，但能源行业和独立研究机构几乎一致认为，这一措施将产生与初衷相悖的效果。

美国石油协会（American Petroleum Institute）早在2022年致时任能源部长Jennifer Granholm的信中就明确指出，出口限制将推高国内油价。战略与国际研究中心（Center for Strategic and International Studies）今年早些时候发布的报告，以及达拉斯联储和哥伦比亚大学全球能源政策中心针对原油出口限制的研究，均得出相同结论。

结构性问题是核心障碍。美国炼油产能高度集中于墨西哥湾沿岸，其基础设施本就面向出口市场设计。将产品从该地区输送至全国其他地区的管道，目前已处于满负荷或接近满负荷运行状态，全球油轮运力的紧张也限制了国内调配的灵活性。

战略与国际研究中心在报告中指出：“面对无利可图（甚至亏损）的经营环境，墨西哥湾沿岸炼油商必然会大幅削减炼油活动，加工更少的原油，输出更少的成品油。”

这将导致“国内汽油供应量反而低于没有禁令时的水平，部分乃至完全抵消初期的库存积累，并对禁令本欲压制的价格形成上行压力。”

全球市场的连锁反应：欧洲与亚洲首当其冲

目前，特朗普政府高层官员的表态均刻意保持弹性空间。

能源部长Chris Wright近期在被问及出口禁令时，未予明确排除，但随即将重心转向扩大生产和保障能源流通，这与特朗普"减少监管、释放产能"的整体能源政策方向一致。

内政部长Doug Burgum在共和党全国委员会大会上表示"所有选项都在考虑之中"，同时也承认出口管制历史上曾推高国内价格。

Rapidan Energy Group将当前出口限制措施落地的概率定为35%。这一概率虽然不高，但对于长期将出口管制视为政策禁区的能源行业而言，任何可能性的存在本身，已足以引发市场的高度警觉。

一旦美国实施出口管制，冲击将迅速蔓延至全球能源市场。

欧洲因俄乌冲突已承受燃料供应压力，美国出口中断将进一步加剧其困境。亚洲方面，中东冲突已导致供应紧张，今年以来对美国成品油的依赖程度持续上升，同样面临严峻风险。

从历史先例来看，美国并非没有实施过能源出口管制——1975年至2015年间，美国曾对原油出口实施长达40年的禁令。

然而，正是这一禁令的最终解除，使美国成长为全球主要能源供应国，也构成了当前限制成品油出口的重要障碍。禁止出口将直接冲击特朗普力推的"能源主导"战略，削弱美国作为全球能源供应者的地位与影响力。

本文来自华尔街见闻，欢迎下载APP查看更多

OpenAI周三宣布，Agents API即日起进入公开测试阶段，面向所有开发者开放。

此前这套代理框架与基础设施只服务于Codex和企业版ChatGPT，如今以编程接口的形式对外提供，开发者无需额外付费，仅按实际消耗的token及工具调用量计费。

过去一年，随着Codex和ChatGPT for Work触达全球数百万用户，OpenAI也在实践中摸清了一件事：要让长时运行的Agent在真实场景中真正好用，光有模型远远不够，它需要一套强大的harness来管理上下文、高效调用工具、协调子Agent，还需要配套的基础设施支撑Agent连续运行数天，并在可以读写文件、执行代码、保存中间结果的环境中持续工作。

从早期客户披露的数据来看，落地效果颇为可观。SafetyKit将案例审核工作流迁移至Agents API后，单案处理成本下降了60%；Hypha通过将代理执行框架与沙箱环境解耦，把代理响应失败率压低了86%；科技公司Cirridae的评估分数则从0.71提升至0.85，同时实现了4倍的延迟降低。

Agents API的核心设计理念是降低构建长时运行代理的工程门槛。

每当新模型发布，开发者往往不得不重新搭建自己的 harness 才能用上新能力，这无疑占用了本该用于打磨产品的宝贵精力。Agents API 通过版本化的方式，让每次模型更新都能直接对应相应的能力访问入口。

OpenAI 与模型保持同步，持续维护和优化这套 harness。这意味着开发者只需在一次API调用中指定任务、模型、工具与运行环境，即可创建可投入生产的代理，而无需自行搭建上下文管理、子代理编排等底层基础设施。

该API具备三项关键能力：

• 其一，上下文自动压缩。当会话趋近上下文窗口上限时，系统自动对早期内容进行压缩，使代理可持续运行数小时乃至数天；
• 其二，工具搜索与并行调用。按需加载相关工具定义以降低token消耗，并支持并行执行多个工具调用；
• 其三，多代理协同。主代理可将复杂任务分解后下发至多个并行运行的子代理，各子代理独立维护上下文，最终由主代理汇总结果。

物流科技公司Nash表示，其平台通过Agents API部署了数千个长时运行的AI代理，负责管理全球数亿次配送任务，代理运行周期可横跨数小时乃至数天。

在计算环境层面，Agents API提供多种部署选项。

OpenAI提供自托管沙箱，与Codex及ChatGPT共用同一沙箱基础设施，支持快速启动与弹性扩展；

（Agents API 为AI代理提供与 Codex 相同的框架和基础架构）

同时，OpenAI已与Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、甲骨文、Runloop及Vercel等生态合作伙伴达成一级集成协议，为开发者提供涵盖私有云部署、特定存储机制以及不同CPU、GPU与内存配置的差异化选项。

这一设计使Agents API得以覆盖从初创团队快速验证到企业级生产部署的全谱系需求。

建筑及居家服务领域的AI平台Long Lake表示，借助该API，其团队现可在数小时内跨行业部署代理，而非此前所需的数天周期。

Agents API基于开源的Codex执行框架构建，开发者可查阅其公开代码库以了解模型调用、工具协调与上下文管理的核心逻辑。

OpenAI负责维护并持续优化该框架，开发者在每次模型升级时可自动获益，无需自行重构代理架构。

OpenAI表示，Agents API当前处于公开测试阶段，将根据开发者反馈快速迭代，后续推进至正式发布。

该公司同时表示，支持MCP协议、自定义函数及网页搜索等内置工具。对于开发者而言，无需为API本身支付额外订阅费用，这一定价策略有助于降低采用门槛，同时将收入来源与实际使用量直接挂钩。

本文来自华尔街见闻，欢迎下载APP查看更多

美东时间9月11日美股三大指数全线反弹，资金重新流入AI硬件与半导体板块，戴尔作为AI算力落地的代表标的一举领涨。

此前9月10日美股盘后，甲骨文管理层在业绩说明会上重申2027财年资本支出计划高达900亿至950亿美元，用于扩建AI数据中心及相关基础设施，并直接点名戴尔与HPE将是这笔支出的主要承接方。

周五戴尔股价飙涨11.98%，股价创下历史新高，市值突破3600亿美元，今年累计涨幅接近350%。

华尔街见闻提及，甲骨文9月10日盘后公布强劲业绩。Q1云业务增长121%超预期，RPO达6640亿美元，上调全年业绩指引。

管理层在业绩说明会上重申，2027财年资本支出将高达900亿至950亿美元，重点方向为AI数据中心扩容、机架部署与网络设备采购。

关键转折在于Hilary Maxson在会上的直接表态。她明确指出上述巨额支出将流向戴尔和HPE等核心供应商，用于采购AI服务器机架、液冷系统及配套网络设备。这一措辞直接将订单可见度落实到具体供应商层面。

甲骨文同期披露的庞大AI云订单积压进一步印证，企业侧对算力的需求仍处于快速扩张阶段。对于戴尔而言，这意味着未来数个季度的订单来源获得了来自下游云巨头的明确背书，业绩兑现的确定性显著提升。

RBC资本市场于周四发布研究报告，首次覆盖戴尔并给予"跑赢大盘"评级。分析师David Paige在报告中写道：

我们看不到任何放缓迹象，相信戴尔将持续受益于多年期AI基础设施支出周期。

Paige还特别强调了戴尔供应链的竞争护城河，称其"同类最佳的供应链构成了竞争壁垒，在供应中断时期尤为突出，客户在供应波动或短缺阶段越来越多地将戴尔视为值得依赖的稳定伙伴"。

戴尔是英伟达Grace Blackwell NVL72机架的首批出货商之一，与英伟达的深度合作关系使其在GPU供应保障方面具备显著优势。

公司的AI服务器客户群已突破6500家，涵盖新兴云服务商（包括CoreWeave）、主权买家及大型企业，过去三个季度新增客户达3300家，客户集中度风险持续下降。

此前华尔街见闻提及，戴尔2027财年第二季度业绩报告显示，二季度AI服务器营收达到164亿美元，同比增长100%；公司当季AI服务器订单金额达到创纪录的609亿美元，季度末AI服务器积压订单达到950亿美元。

值得注意的是，公司高管在财报电话会议上表示，内存等零部件成本上涨推动了产品提价，这一因素也纳入了上调后的全年指引之中。戴尔此前将本财年全年营收预测上调至1920亿美元，较去年同期增幅接近70%。

除基本面因素外，戴尔近期还获得了被纳入标普100指数的资质认定，进一步提升了其在机构投资者中的关注度与配置价值。

本文来自华尔街见闻，欢迎下载APP查看更多

布伦特原油周四大幅跳涨后周五急速回落，但仍接近110美元/桶，距中期选举仅剩约七周半。自8月油价飙升以来，民主党重夺参议院的概率已从41%升至50%以上。特朗普周二表示，油价将在中期选举后才会大幅回落——此番表态或强化了市场对冲突持续的预期，但也令外界更加关注白宫是否会被迫采取行动压低油价。与此同时，10年期美债收益率逼近5%，进一步压缩了政策腾挪空间。

日元方向的转变则牵动更广泛的全球市场神经。美日10年期国债利差在过去两年大幅收窄，而美元兑日元汇率却长期滞后于这一变化——这一背离正在修复。TS Lombard认为，日本资本回流才是推动日元持续走强的核心动力，其公允价值模型指向130至140区间，意味着当前水平仍有显著升值空间。一旦日元"超级油轮"加速转向，套息交易的大规模平仓可能引发跨资产波动率的系统性上升，VIX或难以维持当前的低位。

油价：特朗普的政治算术

油价的每一次上涨，都在侵蚀共和党的选情基本盘。自8月油价大幅上行以来，民主党重夺参议院的市场隐含概率已突破50%。布伦特原油逼近110美元/桶，在距中期选举仅剩七周半的时间节点上，市场开始重新评估共和党对高油价的容忍上限。

特朗普周二的表态——油价将在选举后才会下跌——在一定程度上强化了地缘冲突持续的预期，但这并不意味着白宫会坐视不管。分析认为，若油价在选举日前仍舒适地维持在100美元以上，加之10年期美债收益率逼近5%，政治压力与经济压力的叠加可能迫使白宫寻求某种形式的缓和。若民主党同时夺回参众两院，特朗普剩余两年任期的施政空间将大幅受限——这一代价或许更难承受。

值得注意的是，当前油价波动率所反映的市场压力，远低于7月那次规模更小的现货价格冲击，更不及3月的剧烈震荡。波动率市场似乎已在一定程度上为特朗普所需要的价格回落定价。

日元：结构性转向，而非短期扰动

日元的故事，远不止于一次汇率波动。

过去两年，美日利差大幅收窄，但美元兑日元汇率几乎纹丝不动——这一背离如今正在加速修复。

TS Lombard指出，日本央行加快紧缩步伐、政治层面对日元升值的容忍度提升，以及日本资本外流的逆转，三重力量正在形成合力。干预或许是这轮行情的催化剂，但资本回流才是可能令其持续的根本驱动。

TS Lombard的公允价值模型将美元兑日元的合理区间指向130至140，意味着即便跌破150，也可能只是这轮调整的起点，美元/日元将面临持续的下行压力。

套息交易平仓，日元波动率威胁全球资产

日元的问题不仅局限于日本国内，更是全球市场的隐患。套息交易的逻辑在于波动率不掩盖收益率差，但随着日元波动率（JPY vol）的上升，维持做空日元的风险调整后回报正在迅速恶化。

官方干预是催化剂，而波动率的上升则是将局部调整转化为广泛平仓的核心驱动力。杠杆头寸被迫缩减，正在对全球流动性产生直接冲击。

资金回流日本，推升欧美债券收益率

日元的转向正在重塑全球债券市场的供需格局。据Natixis分析，如果GPIF（日本政府养老金投资基金）将资金轮动至日本国债（JGBs），其影响将远远超出东京市场。

历史上，日本投资者一直是外国债券的重要买家。当他们变得对价格更加敏感或开始主动将资金汇回国内时，这将在全球政府债券发行量加速之际，抽离一个重要的需求源。因此，日元的转向可能会对美国和欧洲的债券收益率施加额外的上行压力。

日元走强或唤醒VIX，引发全球避险

强势日元不仅反映了全球风险规避情绪，它本身就能创造这种情绪。美元/日元的无序下跌可能会迫使全球风险资产中的套息交易去杠杆化，从而将日元的反弹演变为一场更广泛的全球波动性事件。

在VIX指数近期刚刚重置的背景下，股票波动率目前为这种尾部风险提供了极具吸引力的对冲工具。如果日元这艘“超级油轮”加速转向，全球市场的波动率将无法继续保持沉睡。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博社报道，SemiAnalysis已收购主题投资研究机构Citrini Research，双方创始人Dylan Patel与James van Geelen于周五（9月11日）向彭博社确认了这一交易。此次收购将SemiAnalysis在芯片供应链与AI硬件领域的深度技术研究，与Citrini在公开市场投资分析方面的影响力相结合，标志着独立研究行业在AI浪潮下的一次重要整合。交易价格未予披露。

据彭博报道，van Geelen将暂时留任Citrini Research首席执行官，Citrini将保持一定程度的运营独立性，而非完全并入SemiAnalysis品牌。与此同时，报道指出，知情人士透露，van Geelen还计划另行发起一只新基金，但他本人拒绝就此置评。

这两家机构均是本轮AI牛市中市场高度关注的独立研究声音。Citrini今年早些时候发布的一篇报告曾引发市场震荡，重创软件股；SemiAnalysis则长期是芯片行业高管与机构投资者的必读参考。两者合并，被市场视为一个明确信号：将AI硬件建设与公开市场股票表现相连接的综合性研究，正成为稀缺且高价值的资产。

Citrini：靠一篇报告震动市场的"网红"研究机构

Citrini Research成立于2023年，是一家相对年轻的主题投资研究机构，总部位于纽约。尽管成立时间不长，该机构已在Substack平台积累了约26万订阅用户，是金融领域规模最大的Substack订阅业务之一。Citrini截至2025年12月已累计融资约505万美元。

令Citrini真正出圈的，是van Geelen今年早些时候发布的一篇题为《2028年全球智能危机》的报告。报告描绘了一个AI快速消灭白领工作、经济体系来不及消化冲击的未来图景，发布后迅速在市场引发轩然大波，软件股遭到集中抛售。这篇报告让Citrini从一家订阅制研究机构跃升为具备市场移动能力的研究力量。

SemiAnalysis：芯片圈的"必读"研究机构

SemiAnalysis由Dylan Patel创立于2020年，专注于半导体与AI基础设施研究，覆盖GPU供应链、定制芯片路线图及数据中心经济学等核心议题，已成为芯片行业高管与机构投资者的重要参考来源。

据彭博报道，Patel表示，传统研究机构的运作方式"笨拙、陈旧、缓慢，且未能向大众普及"。他认为，研究行业正在经历深刻变革，新时代的研究应当由真正懂行的人来完成，并向更广泛的受众开放。

"James拥有金融领域规模最大的Substack业务，同时在此之外也有其他业务，"Patel表示，"这次合并是为了扩大我们的研究规模，在这个研究民主化的新时代成为最优秀的研究机构。"

整合逻辑：硬件研究与市场分析的协同

此次收购的战略逻辑清晰：SemiAnalysis擅长供应链与技术层面的深度拆解，Citrini则专注于追踪AI基础设施支出如何传导至公开市场。两者的结合，填补了从芯片硬件建设到股票投资决策之间的分析空白。

van Geelen将留任Citrini CEO，意味着两家机构短期内将保持相对独立的运营架构，而非立即完全整合。未披露的交易条款也令外界对两家机构最终整合深度保持观望。

van Geelen在声明中表示："我对独立投资研究的未来充满期待。"

另外，在出售Citrini的同时，van Geelen个人层面亦有新动作。据彭博援引知情人士消息，他计划发起一只新基金，但具体细节尚未披露，van Geelen本人也拒绝就此发表评论。

这一安排表明，van Geelen在保留对Citrini运营影响力的同时，正在为自己开辟新的投资管理赛道——这与他此前通过研究报告积累的市场影响力形成自然延伸。

本文来自华尔街见闻，欢迎下载APP查看更多

9月11日，据《金融时报》报道，Situational Awareness基金创始人Leopold Aschenbrenner近日已开始在AMD、英特尔、SK海力士、闪迪及AI初创公司CoreWeave等科技股中重建大规模交易头寸。

报道援引消息人士透露，由于此前的经纪商关系几乎全部断裂，Aschenbrenner已转而与鲜为人知的专业经纪商Clear Street建立合作，借此重返市场。此举引发市场高度关注，因为其交易手法与今年7月酿成巨亏的操作高度雷同。

野村证券策略师Charlie McElligott此前已捕捉到异常信号。他指出，上周五及劳工节假期后的周二，市场出现了一系列大规模弹性看涨期权（Flex Call）交易，集中于多只AI及半导体相关个股，"神秘买家"合计花费3.15亿美元期权权利金，涉及Delta敞口11亿美元、Vega敞口580万美元。

这一"现货涨、波动率也涨"的联动模式，与今年7月市场动荡前的行情特征如出一辙。

报道援引据知情人士透露，Situational Awareness近日建立的新头寸均通过弹性期权完成，标的涵盖此前爆仓的核心持仓。

McElligott列举了来自野村交易台在上周五及周二观察到的具体期权成交情况：

• AMD方面，周五成交5000张2026年1月到期、行权价540.01美元的看涨期权，权利金合计1870万美元；周二进一步买入3700张行权价580.01美元合约，权利金1750万美元。
• 清洁能源公司Bloom Energy方面，两个交易日合计权利金支出约4820万美元，股价两日累计上涨17.5%。
• CoreWeave两日累计涨幅达18%，对应期权权利金合计逾4300万美元。
• 此外，SK海力士、闪迪、DRAM相关标的及英特尔均出现类似的大额深度价外看涨期权买入记录。

上述合约均为深度价外期权，旨在通过触发大规模gamma轧空来推动价格动量，从而间接拉抬标的股价。

（半导体ETF未来3个月的看涨期权偏斜度飙升至历史高位）

Situational Awareness此前在AI热潮中声名大噪，Aschenbrenner亦跻身业内最受瞩目的科技投资人之列。

然而，今年夏季AI板块的大幅回调导致基金损失规模高达数百亿美元，最终不得不大幅削减杠杆并抛售大量持仓。

为渡过危机，Situational Awareness将旗下大部分公开市场头寸出售给Citadel，此举虽使基金得以存续，但也宣告了此前激进策略的阶段性终结。

在7月末致投资人的信中，Aschenbrenner表示将"另谋再战之日"，并承诺"汲取必要教训"。他还表示，基金将"继续以公私混合形式运营"，但公开市场投资将"以全额支付的方式管理"。

与7月爆仓时借助高盛等大型投行的总收益互换获取高杠杆不同，Aschenbrenner此次选择弹性期权作为工具。

《金融时报》援引知情人士称，使用全额付款期权（fully-paid options）可将最大损失限定于已支付的权利金，理论上规避了追加保证金乃至爆仓的风险。

然而，这一结构调整并未从根本上改变策略逻辑，仍是通过在流动性相对有限的动量标的中建立大规模敞口，意图引导市场跟风，触发连锁式价格上涨。

McElligott注意到，这种"现货上涨带动波动率上升"的相关性，在近期单只科技股经历剧烈波动后，正重新成为波动率分散策略的正收益驱动力。

7月的爆仓事件已在华尔街留下深刻印记。据报道，此前与Situational Awareness合作的经纪商均遭到美国司法部调查，令Aschenbrenner在主流金融机构几近"列入黑名单"。

在此背景下，他转向Clear Street，这家经纪商在对冲基金圈以专注科技板块闻名。英国《金融时报》将此描述为Aschenbrenner"试图重建华尔街关系、从对冲基金史上最大单笔亏损中复盘反弹"的努力。

当前市场的核心疑问，在于这一策略能否再次奏效，抑或将重演7月的崩盘路径。

从结构上看，此次Aschenbrenner的盈亏将完全由自身承担，不再通过总收益互换（TRS）与经纪商共担风险敞口。一旦动量反转，期权权利金将全部归零，且无法通过调整杠杆比例加以缓冲。

与此同时，AI存储相关股票的估值逻辑本身也正面临挑战。McElligott观察到，这批高度集中的AI主题个股，在经历了夏季的剧烈回调后，波动率结构仍处于高度敏感状态，任何动量中断均可能引发快速去杠杆。

从历史上看，试图通过拉升深度价外期权触发gamma轧空的策略，高度依赖市场的持续跟风配合。一旦市场参与者意识到头寸集中度并选择对冲或做空，结果往往与最初预期截然相反。

本文来自华尔街见闻，欢迎下载APP查看更多

9月11日，据MarketWatch报道，BMO资本市场美国利率策略主管Ian Lyngen预计，美联储本月加息25个基点后，将在10月和12月会议上继续各加息一次，合计三次加息将把联邦基金利率目标区间推回至4.25%至4.5%，实质上抹去前美联储主席鲍威尔主导的2025年降息成果。先锋集团（Vanguard）高级美国经济学家Josh Hirt也表示，三次加息是评估美联储路径的"相当合理的起点"，但他同时指出，可能的加息次数区间宽达一至六次。

在市场脆弱性方面，分析人士已锁定两大潜在风险敞口：人工智能支出热潮背后的乐观情绪，以及保险行业对私人信贷的大规模持仓。与此同时，美国财政赤字持续扩大带来的隐忧也在升温，若10年期美债收益率触及5%，市场或面临新一轮抛售压力。

"连加三次"：历史规律与当前预期

经济学家普遍指出，美联储历史上鲜少满足于仅加息一次。

据报道，Monetary Policy Analytics政策经济学家Derek Tang表示，一旦启动加息，政策惯性往往推动多次连续行动。

Ian Lyngen的基准预测是7月、10月、12月各加息25个基点。若该路径成真，联邦基金利率将回到4.25%至4.5%区间——这一水平与2024年底降息前的高点相当，意味着过去一年多的宽松操作将被全面逆转。

Josh Hirt则为市场提供了更宽泛的情景框架。他表示，加息次数的合理区间为一至六次，三次只是思考起点，最终路径取决于通胀数据的演变节奏。

值得注意的是，历史上也存在例外：1997年美联储仅加息一次，此后18个月内未再行动，直至转向降息。

AI支出热潮：高利率环境下的最大压力点之一

Derek Tang明确点出，人工智能支出周期所依赖的乐观预期，是当前货币收紧环境下最值得警惕的脆弱环节之一。

Allianz Investment Management高级投资组合经理Charlie Ripley阐释了传导机制：AI"超大规模"科技企业（hyperscalers）未来数年每年资本支出估计高达1万亿美元，这些企业高度依赖债务融资。长端利率上升将直接推高借贷成本，压缩投资回报空间。

报道称，Rockefeller International主席Ruchir Sharma近期在《金融时报》撰文表达了类似担忧：当美国政府债券收益率升至5%，大型科技企业将不得不与政府在债务市场上直接竞争，部分企业可能因此被挤出融资渠道，AI繁荣周期存在被高借贷成本提前终结的风险。

Charlie Ripley也认同，10年期美债收益率一旦触及5%，可能成为触发市场抛售的临界点。

私人信贷与保险业：被忽视的系统性隐患

Derek Tang指出的第二个脆弱环节，是保险行业对私人信贷的大规模配置。

国际货币基金组织（IMF）此前已就此发出警告：部分或全部由私募股权公司持有的保险公司，透明度不足，且倾向于配置风险更高的固定收益资产。一旦利率环境剧烈波动引发损失，风险可能通过保险业向银行体系蔓延，形成跨行业的系统性传导。

Tang表示，"这是我认为市场参与者应当给予更多关注的领域。"

此轮加息与历史危机的关键差异

尽管风险点明确，Vanguard的Hirt认为，此轮潜在加息周期与历史上引发重大金融危机的加息周期存在本质区别，不宜简单类比。

他指出，2023年硅谷银行倒闭和1994年加州橙县市政破产，均发生在美联储骤然逆转市场预期的背景下——彼时利率从低位快速拉升，市场猝不及防。而当前情况截然不同：

美联储在2022年至2024年间已经历一轮大幅加息周期，利率整体仍处于高位，市场对政策方向并不陌生。此次若再度加息，更多是在寻找对通胀施加下行压力的合适利率水平，而非颠覆市场叙事。

报道指出，这一判断为市场提供了一定的缓冲逻辑，但分析人士普遍强调，AI融资链条和私人信贷领域的结构性脆弱性，仍需持续跟踪。

本文来自华尔街见闻，欢迎下载APP查看更多

高盛首席美国经济学家David Mericle在9月11日的研报中明确表示，该行现在预计美联储将在9月16日结束的两天会议上加息25个基点，此前预测为按兵不动。这一转变直接由最新公布的美国8月CPI数据触发——核心CPI环比上涨0.3%，高于市场预期的0.2%，推动市场将9月加息概率定价至约90%。

值得注意的是，高盛此次"改口"并非基于对通胀形势的根本性重新判断，而更多出于对美联储公信力的考量。David Mericle坦言，"8月CPI报告仅将我们对8月核心PCE的预测小幅上调至0.26%，并未改变我们对通胀的基本判断，但我们认为，在市场已将加息概率定价至近90%的情况下，美联储将不愿意因按兵不动而引发市场动荡。" 目前，市场对下周加息的最新定价约为85%。

高盛转向：信誉考量压过经济判断

报告称，高盛此次调整预测的逻辑颇为特殊——该行明确表示，从经济基本面角度看，并不认为当前有加息的强烈必要性。

David Mericle在报告中指出，高盛仍然认为通胀超出2%目标的部分，可以完全归因于一次性因素，这些因素的影响预计将逐步消退；过去三个月核心PCE通胀改善至约2.5%的年化速度，正是这一判断的早期信号。

此外，高盛认为当前经济并未过热，通胀预期也未面临立即失锚的风险，而有限幅度的加息对于抵消供给冲击的通胀影响作用有限。

然而，促使高盛最终转向的，是对美联储沟通信誉的判断。报告指出，美联储主席沃什在杰克逊霍尔会议上发表的偏鹰派讲话，已引导市场预期"若通胀数据不够完美则加息"，而8月CPI虽未令人担忧，但确实"不够完美"。在此背景下，若美联储选择按兵不动，可能损害市场对其政策可信度的认知，并引发长端利率的即时反应。

高盛还指出，近期油价上涨，可能使此前态度摇摆的部分FOMC票委更倾向于支持加息；而即便是那些认同高盛通胀判断的委员，也可能因疲于反复解释"高通胀并非过热信号"而选择不反对加息。

华尔街集体转向，9月加息成共识

高盛并非孤例。华尔街见闻文章写道，8月CPI数据公布后，多家华尔街主要机构迅速调整了对美联储的利率预测，9月加息正在成为越来越多机构的基准情景。

摩根大通放弃了此前更偏向等待的判断，将预测调整为9月和12月各加息25个基点。该行首席美国经济学家Michael Feroli表示，加息理由直接明了：核心PCE通胀今年每个月均高于3%，且近期向2%目标靠拢的进展极为有限。

花旗经济学家Andrew Hollenhorst和Veronica Clark预计美联储9月加息25个基点，认为8月核心通胀高于预期叠加能源价格重新上涨，"很可能刚好足以促成共识"。三菱日联同样彻底放弃了"2026年维持利率不变"的预测，转而预计9月加息25个基点。

共识之外：后续路径分歧显著

尽管9月加息已成华尔街共识，但对于此后的政策走向，各机构判断出现明显分化。

对于9月之后的路径，高盛的立场相对审慎。David Mericle认为，后续会议进一步加息是可能的，但并非基准预测。

高盛认为，大多数FOMC委员可能倾向于不在10月会议上再次加息——一方面是因为10月会议临近中期选举，另一方面是对加息必要性持怀疑态度的委员，也可能希望将紧缩节奏控制在更为渐进的水平。至于12月，高盛预计届时通胀趋势将进一步改善，关税及伊朗战争等关键通胀驱动因素的影响也将进一步消退，届时再次加息的必要性将大幅降低。

高盛同时指出，即便实施单次25个基点的加息，对经济的实际影响也相当有限。

道明证券的立场最为鹰派。包括Oscar Munoz和Gennadiy Goldberg在内的策略师预计，美联储将在9月启动本轮加息周期，并总计加息三次——分别在9月、10月各加息25个基点，并于2027年1月完成第三次加息。策略师认为，8月CPI显示通胀缺乏进一步改善，美联储有必要开启新一轮紧缩周期。

摩根大通则预计年内两次加息，但不认为美联储会连续每次会议行动。Michael Feroli认为，10月暂停加息有合理依据——需要时间观察加息对经济的传导效果。该行基准路径为：9月加息、10月暂停、12月再加息，且不认为加息周期会延续至2027年。

三菱日联的路径介于两者之间。该行预计9月加息后10月暂停，并认为12月再次加息的概率为55%至60%。值得关注的是，三菱日联明确指出，此次加息本身存在成为"政策错误"的可能性，并将大多数期限美债收益率预测上调25至50个基点，预计年底2年期美债收益率为4.25%、10年期为4.625%、30年期为5%。

花旗的预测则最为温和。该行预计9月加息后，美联储将一直按兵不动至2027年6月，届时随着通胀逐步回落重新开启降息，并在2027年底前累计降息三次。

本文来自华尔街见闻，欢迎下载APP查看更多

美国财政部周五公布的数据显示，2026财年前11个月联邦预算赤字达1.97万亿美元，为有记录以来最高水平之一，其中8月单月赤字为1668亿美元。

截至8月的11个月里，净利息支出累计达1万亿美元，已超过国防及其他所有主要支出类别，仅低于社会保障与卫生与公众服务部两项。

受通胀担忧及美联储加息以遏制通胀的预期推动，本周美债收益率升至多年高位：2年期收益率周五盘中一度触及4.66%，10年期触及4.98%。可交易国债平均利率升至3.48%，较五年前高出逾2个百分点。

由于大量低息时期发行的国债陆续到期、须以更高成本再融资，财政部的平均融资成本仍将继续上行。对一个未偿债务已突破40万亿美元的政府而言，利息支出的膨胀正在挤压财政空间，也让长端美债“无风险锚”的定位不再稳固。

美国财政部数据显示，2026财年前11个月（截至8月）联邦预算赤字为1.97万亿美元，经日历差异调整后较2025年同期下降约5%。

8月单月赤字为1668亿美元，较7月的4320亿美元大幅收窄，但后者主要受到关税退款等日历因素扰动，并不具有可比性。

从收支结构来看，前11个月联邦支出合计6.81万亿美元，同比增长3%；收入合计4.85万亿美元，调整后同比亦增长3%。收支增速同步，但支出规模绝对值显著高于收入，赤字缺口依然庞大。

按彭博汇编数据分析，2026财年全年赤字有望较2025年扩大约2000亿美元，届时将仅次于2020年和2021年疫情危机年份，成为美国历史上第三高赤字年度。

财年最后一个月9月通常因企业所得税申报截止日期而录得盈余，但难以从根本上改变全年走势。

利息负担是当前联邦财政压力的核心症结。前11个月净利息支出合计1万亿美元，超过国防及其他所有主要支出类别，仅低于社会保障和卫生与公众服务部（主管联邦医疗保险Medicare）。

若以滚动12个月口径计算，美国利息支出目前已达1.4万亿美元的历史峰值，同比增幅达12%。

相比之下，社会保障滚动12个月支出为1.66万亿美元，但增速明显更慢。照此趋势，利息支出有望在2028年底前超越社会保障，成为美国联邦政府最大单项支出。

推升利息负担的核心因素在于借贷成本持续上升。财政部数据显示，截至8月末，可流通国债平均利率已升至3.48%，较五年前高出逾2个百分点。

随着低收益率债券陆续到期、财政部被迫以更高成本再融资，这一数字仍将持续攀升。目前，可流通美国国债中有23%为短期国库券（T-Bills），一旦美联储重启加息，利息支出将面临更为直接和迅速的冲击。

联邦支出增速持续超出财政收入增长能力，收支缺口有进一步扩大之势。

8月当月，美国政府支出为5270亿美元，收入为3600亿美元。从过去六个月的趋势线来看，支出与收入两条曲线正快速背离，支出增速逼近新冠疫情时期峰值，而收入增长则受制于更为狭窄的区间。

社会保障和联邦医疗保险支出的持续扩张是重要驱动力之一。随着退休人口稳步增加，上述"法定福利"项目支出长期承压，而国会在削减福利或提高缴费方面均缺乏政治动力。

关税退款近期也对赤字形成阶段性冲击。美国最高法院今年2月裁定特朗普政府此前大部分关税加征措施违法，此后数月净关税收入连续下滑。不过，8月关税净流入回升至128亿美元。

长端利率走高，从无风险基准到财政风险定价

2年期收益率周五触及4.66%、10年期触及4.98%，均处多年高位。

长端收益率的上行，更多反映市场对财政赤字扩大、供给放量及债务可持续性恶化的风险补偿。

美国国会预算办公室2月曾警告，到2030年美国债务占GDP之比有望超过1946年二战刚结束时创下的106%纪录。

美国财长贝森特已承诺在未来数周或数月内公布财政整固计划，并称正与白宫预算主管 Russ Vought 共同制定；同时他预计，随着政府基于其他立法推出新的进口关税，此前的关税收入大部分将得以恢复。

债务水平、利息成本与财政赤字三者相互强化的迹象，正在让长端美债的定价从“无风险基准”向“财政风险资产”偏移。

市场接下来的关注点，是财政部下一次季度再融资声明中对发行结构与长期国债回购计划的调整，以及贝森特承诺的财政整固方案能否在数周内落地。

本文来自华尔街见闻，欢迎下载APP查看更多

此次上市融资规模或高达1000亿美元，公司估值有望触及2万亿美元，有望成为史上规模最大的IPO。

华尔街见闻提及，Anthropic原计划最快于下周公开招股说明书，但目前预计推迟至9月下旬。招股说明书披露后，上市路演最早将于10月中旬启动，最终挂牌时间则可能落在11月美国中期选举前数日。

基石投资者通常是在IPO向市场公开发行前承诺认购特定份额的机构投资者，为上市提供早期背书。随着超大规模IPO日趋普遍，提前锁定机构投资者已成惯常做法。

英伟达此前已扮演过类似角色。芯片设计公司Arm在IPO时的基石投资者名单中即包括英伟达和亚马逊，沙特主权财富基金PIF则是SpaceX的基石投资者之一。

对于Anthropic而言，引入英伟达这一资金雄厚的战略投资者，既可巩固市场信心，也可进一步强化双方在算力供应层面的深度捆绑。

Anthropic的估值在过去数月间已大幅跃升。

今年5月，该公司完成融资时的上市后估值为9650亿美元；若此次IPO以2万亿美元估值落地，将意味着估值在短期内翻逾一倍。

营收高速增长是估值支撑的关键。Anthropic方面表示，其年化营收运营率已由2025年底的约90亿美元，在今年7月底攀升至650亿美元以上。

公司对2028年营收的内部预测约为1900亿至2000亿美元，最终估值在一定程度上将取决于上述预期能否兑现。

Anthropic高度依赖英伟达GPU，与此同时也在积极寻求芯片供应来源多元化，背景是旗下Claude模型的需求激增已令现有算力趋于紧张。

该公司的主要金主同时也是其核心算力供应商。今年4月，Anthropic宣布将在十年内向亚马逊AWS投入逾1000亿美元，并采用逾100万块亚马逊Trainium2芯片；与此同时，公司还与谷歌及博通达成协议，计划新增数吉瓦的TPU算力。

在与英伟达的合作方面，2025年11月，英伟达宣布将向Anthropic投资最多100亿美元，此举是更广泛战略合作的一部分。该合作框架下，Anthropic承诺采购300亿美元由英伟达芯片驱动的微软Azure算力。

尽管与英伟达、亚马逊、谷歌的合作持续深化，Anthropic仍在着力推动对自身硬件成本的掌控。

据悉，该公司正在组建内部团队，专门设计针对Claude模型定制的芯片，意在降低对外部供应商的依赖，并在算力基础设施层面构建更强的自主能力。

本文来自华尔街见闻，欢迎下载APP查看更多

伦巴德全球宏观研究公司（TS Lombard）与西班牙国际银行（Banco Santander）近期相继发布报告指出：GPIF正在或即将加速回流日本国内债券，其规模或将对美欧国债收益率产生实质冲击。

据西班牙国际银行测算，即便不触发正式的资产配置审查，GPIF最多可在现行政策框架内减持高达620亿美元的美国国债。

TS Lombard则进一步指出，这一结构性资金回流将推动USD/JPY跌破150，并指向130至140的公允价值区间，而全球套息交易的被动去杠杆风险尚未被市场充分定价。

目前，日本厚生劳动相Kenichiro Ueno已证实，官员正在研究是否需要对GPIF资产配置进行审查，但尚未作出正式决定。与此同时，GPIF国内债券配置截至3月底已升至27%，高于25%的基准目标，意在不改变现行政策的情况下，仍存在4%增配空间。

目前市场对这一潜在转向的定价尚不充分，投机性日元空头头寸依然偏高。

过去两年，美日10年期国债利差持续收窄，但USD/JPY始终徘徊于历史高位附近，形成罕见的长期背离。

TS Lombard认为，日元正在重新与利率差联动，若这一收敛趋势延续，汇率的下行压力将持续存在。

支撑日元疲弱的关键因素，历来并非利差本身，而是日本国内持续的大规模资本外流。日本庞大的经常账户顺差，长期被投资组合资金流出与套息交易所淹没。

过去两年，即便国内资产收益率不断抬升，日本投资者仍持续买入海外资产。如今这一行为正在逆转——资金回流日本，使回流本身取代官方干预，成为日元走强的结构性驱动力。

日本10年期国债收益率上周触及3%，为1996年以来首次，受通胀压力、财政支出担忧以及市场对日本央行加快加息的预期共同推动。

TS Lombard预计，日本央行将从2027年1月起恢复季度加息，终端利率在2027年第四季度达到2%。利差收窄的方向性已经确立。

GPIF当前管理资产规模约2万亿美元，是全球规模最大的养老基金，也是美国国债最大的单一外国持有方之一——据美国财政部数据，日本持有美债总规模达1.1万亿美元。

GPIF配置行为的任何边际变化，都足以对全球固定收益市场产生可感知的冲击。

截至今年3月底，GPIF国内债券配置已升至27%，高于25%的基准目标。按现行政策，该基金允许在基准上下5个百分点范围内浮动，即最高可配置至31%，当前距上限仍有约4个百分点的增配空间。

TS Lombard指出，这一转向可能才刚刚开始。

西班牙国际银行固定收益、外汇及大宗商品策略全球主管Antonio Villarroya领衔的团队在致客户报告中写道："鉴于战略配置区间赋予的灵活性，GPIF可以在未来数月内开始削减外国债券持仓，无需等待正式的战略资产组合审查。"

该行的模型情景假设GPIF将外债配置从当前水平降至投资组合的20%——仍在现行政策允许范围之内——由此测算出潜在减持美债规模高达620亿美元，且抛售风险集中于美国国债。

Villarroya团队补充称，若日本央行通过连续加息成功推动日元走强，上述减持路径将更有可能付诸实施。

套息交易的运转逻辑建立在低波动率之上：只要日元汇率稳定，借入日元、配置高息资产的利差收益便能持续累积。一旦日元波动率上升，做空日元的风险调整后回报将迅速恶化，杠杆头寸被迫收缩。

TS Lombard指出，官方干预只是催化剂，波动率才是将干预转化为更广泛平仓的关键变量。

TS Lombard的相对价格与利率模型显示，USD/JPY的公允价值在130至140之间，当前150附近的价格从基本面看并非支撑，而更可能只是通往新制度的一道门槛。

市场目前尚未为日元全面重估布局——投机性头寸仍以做空日元为主，一旦USD/JPY决定性跌破150，强制回补可能成为下一阶段的主要驱动力。

TS Lombard提示，日元升值的影响不止于汇率本身，而是具备向全球资产蔓延的潜力。

若USD/JPY出现无序下行，可能迫使跨资产套息头寸集中去杠杆，将日元反弹升级为一次更大范围的波动事件——这与2024年8月日元急升引发全球股市动荡的情形具有内在相似性。

TS Lombard认为，在VIX近期回落之后，做多股票波动率是对冲上述尾部风险的有效工具，并警告称，若GPIF这艘"超级油轮"继续加速，全球波动率未必会继续沉睡。

本文来自华尔街见闻，欢迎下载APP查看更多

Anthropic没有直接点名胡塞武装，但也门北部大部分地区由胡塞控制，因此一些媒体均将相关人员与胡塞武装联系起来。

更值得关注的是，Anthropic称，这些人员使用Claude Code承担原本由人类软件工程师完成的部分工作，并曾进行一次制导火箭试射。

Claude Code被用作替代软件工程师 并分析制导火箭试射失败原因

Anthropic称，相关人员推进了包括多级弹道导弹、多型号导弹和制导火箭在内的三个武器研发项目，并利用Claude开发飞行器的制导、导航和控制软件。

Anthropic在报告中写道：

“这些操作者使用Claude Code取代人类软件工程师，开发用于制导、导航和控制（GNC）的软件，以操纵和稳定飞行器。”

Anthropic称，他们还利用Claude将开源自动驾驶系统集成到“手机级”飞行计算机上，编写控制和位置估算软件、调整控制参数、运行固件构建流程，并进行飞行模拟。

不过，AI并未帮助其成功实现武器部署。Anthropic表示：

“我们没有证据表明这些操作者成功部署了可投入使用的武器；但他们确实试射了一枚制导火箭。”

公司称，这次试射“似乎失败了”，数小时后，相关人员又返回Claude，试图分析失败原因。

安全防护拦截“很多请求”，但并非全部

Anthropic表示，相关人员采取了多种方式绕过Claude的安全机制，包括隐藏真实目标和软件最终用途，并将工作拆分至多个会话中，使单次对话无法呈现完整意图。

Anthropic称：

“我们的安全防护机制拦截了他们的许多请求，但并非全部。”

公司随后封禁了与这些行为者相关的账户，并向公共和私营部门合作伙伴共享威胁情报。但Anthropic同时发现，这些人员此前已经建立了一套不依赖Claude或其他工程计算环境的离线模拟工具。

“即便如此，我们有证据表明，这些操作者也已经建立一套不依赖Claude或其他工程计算环境的离线模拟工具。”

必须强调的是，Anthropic没有直接认定这些操作者就是胡塞武装，也没有证据证明相关AI辅助研发最终形成了可投入实战的导弹系统。

目前能够确认的是，Anthropic发现了一个位于也门北部、与其描述高度吻合的武器研发小组，并确认该小组曾利用Claude开展制导武器软件开发、进行制导火箭试射以及在试射失败后进行AI辅助分析。

本文来自华尔街见闻，欢迎下载APP查看更多

美国股市周五结束了连续四个交易日的下跌。道指收涨近1%、涨509.19点终结四连跌，标普500涨0.86%、纳指涨0.96%。通信服务与非必需消费领涨，甲骨文900至950亿美元资本开支指引引爆AI服务器链，戴尔飙涨近12%创历史新高。

22V Research的Peter Williams指出，市场将通胀数据解读为“足够热到触发美联储收紧”，在担忧政策过于宽松的背景下可能是一件“好事”。eToro的Bret Kenwell则提醒，如果美联储把加息表述为对通胀再起的保险，市场可能视为“鸽派加息”。

据华尔街见闻，8月美国消费者价格加速上涨。汽油成本在连续两个月下降后反弹，加大了美联储收紧货币政策的压力。数据显示，利率期货市场对下周三加息的定价从周四的72%升至接近90%。

Northlight资管的Chris Zaccarelli表示，虽然无法保证美联储下周行动，但很难看出央行如何证明维持利率不变是合理的。

标普500指数收于7656.98点，上涨0.86%，此前连续四个交易日下跌。纳斯达克综合指数上涨0.96%，道指上涨0.98%。

罗素2000仅涨0.45%，小盘股继续落后。费城半导体指数涨1.81%，VIX波动率指数大跌11.21%至15.84，市场恐慌情绪明显降温。

标普11个行业板块中9个上涨，通信服务和非必需消费分别上涨1.35%和1.13%。公用事业与医疗分别跌0.34%和0.14%，是仅有的两个下跌板块。分析认为它们恰恰对利率最敏感，说明高利率的压力并未真正消退。

个股方面，AI服务器与网络设备链最强。戴尔科技涨11.98%至567.29美元，创历史新高；慧与科技涨12.44%；惠普涨8.40%并刷新盘中纪录。巴克莱指出，AI投资潮正在形成强大的"缓冲垫"，使当前美国经济对利率的敏感度明显低于以往周期。

华尔街见闻提及，甲骨文上一财季业绩超预期强劲，备受关注的AI基础设施云业务收入更是同比翻倍猛增，首席财务官Hilary Maxson重申全年900亿至950亿美元的资本开支指引，并点名戴尔、慧与为直接受益方。

不过这份亮眼财报并未让自身股价一路上扬。甲骨文股价盘初一度涨逾8.5%，但因毛利率担忧，最终下跌1.8%。

与服务器链的火热相对，存储链高开低走、全天转跌。美光科技跌0.22%，西部数据跌3.04%，希捷科技跌3.73%。光通信中，迈威尔科技涨4.03%、Coherent涨4.16%，康宁涨1.99%。

油价下挫近3%，黄金守住4300美元

原油周五先冲高后跳水。布伦特结算价104.61美元/桶，跌2.81%，盘中一度触及110.19美元的四个月高位；WTI结算价100.05美元/桶，跌2.37%，盘高104.46美元、盘低98.48美元。

华尔街见闻提及，周五稍早出现了缓和信号。央视新闻称，也门胡塞武装最高政治委员会当天发表声明，表示红海西海岸各省份的交火已经停止，并呼吁各方向沙特施压，避免局势进一步升级。

但供给之结并未解开。国际能源署9月11日报告称，沙特8月产量环比下降230万桶/日至600万桶/日，为三十余年最低；胡塞武装推进至曼德海峡的丕林岛，沙特绕开霍尔木兹的东西输油管道遇袭后预防性关闭。

华尔街见闻提及，本周阿曼湾至中国的超大型油轮运费飙升至 Worldscale 450点（即基准运费的4.5倍），折合每桶运费约11.50美元，创下该航线开通以来的最高纪录。

股市的反弹掩盖不了债市的紧张。10年期美债收益率收于4.974%，日内上行约3个基点，盘中最高触及4.977%，距5%关口仅一步之遥，创2023年10月以来新高。

对政策敏感的2年期收益率涨9.5个基点至4.642%，创2024年7月以来新高。

长债表现优于短债，反映市场预计美联储将以加息维护抗通胀公信力。

分析认为如果美联储将下周加息行动表述为防止通胀再起的保险措施，而不是开启长期加息周期，市场可能将其解读为“鸽派加息”。这可能会限制长期美债收益率的进一步上行压力，即使短期收益率仍保持高位。

外汇市场，美元指数收于99.122，微涨0.07%，美国CPI公布后一度冲高至99.36，随后因油价下跌带动长端收益率回落而回吐。

现货黄金上涨0.7%至每盎司4349.06美元。

比特币涨0.3%至77439.13美元，以太币涨3.4%至2545.44美元。

本文来自华尔街见闻，欢迎下载APP查看更多

要闻精选

商务部新闻发言人就美国中情局高官公开表示对中国开展间谍活动答记者问。

国务院常务会议部署进一步完善算力基础设施，要求坚持合理布局、规范有序，积极推进关键技术和装备研发应用，构建多层次网络化算力体系。

三部门：探索运用高通量卫星、低轨卫星互联网等方式为农村及偏远地区提供多样化网络接入服务。

证监会发布修订后的《期货公司监督管理办法》，将期货业务分为基础类与交易类两档，经营两项及以上交易类业务的期货公司注册资本最低10亿元，并强化股东穿透式监管。

也门胡塞武装完全控制曼德海峡地区，沙特东西向输油管道遭袭后预防性关闭，10日通行曼德海峡的船舶数量由前一日的30艘骤降至6艘。

美国8月核心CPI同比2.4%创五年半来最低水平，环比0.3%超预期、为4个月来最大涨幅。“新美联储通讯社”：美联储下周势将加息，但只加息一次无法解决问题。CPI后投行纷纷“撕报告”，年内不加息阵营“投降”，鹰派押注到明年1月加三次。

美国9月密歇根大学消费者信心指数初值降至47.8、低于8月的51.7，未来一年通胀预期由4%跳升至4.6%，多数受访者预计未来一年美联储将加息。

美国柴油全国均价升至每加仑6.0556美元、历史首次突破6美元关口，加利福尼亚州逼近每加仑8美元，燃料成本向运输、建筑与食品端的传导压力进一步上升。特朗普政府酝酿动用《国防生产法》扩炼油产能。

甲骨文跳涨8.5%后转跌，AI需求强难消巨额烧钱与利润担忧。

市场概述

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

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

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

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

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

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

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

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

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

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

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

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

要闻详情

中国

国务院常务会议：进一步完善算力基础设施，构建多层次网络化算力体系。会议指出，要坚持合理布局、规范有序，进一步完善算力基础设施，积极推进关键技术和装备研发应用，构建多层次网络化算力体系。这是继"十五五"规划提出全国一体化算力网建设之后，高层对算力布局的又一次明确部署，市场关注后续在绿色智算集群、液冷原生基础设施与国产算力装备环节的落地节奏。

证监会发布修订后的《期货公司监督管理办法》，明确注册资本与业务分档。新规将期货业务明确分为基础类与交易类两档，经营两种及以上交易类业务的期货公司注册资本最低为10亿元；同时强化股东穿透式监管、压实公司治理责任，并将期货做市交易业务和衍生品交易业务正式纳入期货公司业务范围。

三部门印发《数字乡村高质量发展行动计划（2026—2030年）》。中央网信办、农业农村部、工业和信息化部联合发文，提出深化电信普遍服务和"宽带边疆"建设，按需推进农村地区5G和千兆光网部署，探索运用高通量卫星、低轨卫星互联网等方式为农村及偏远地区提供多样化网络接入服务，并拓展"低空经济+"农业农村应用场景、加快北斗系统在精准作业与灾害监测中的深度应用。

商务部就美国中情局高官公开表示对中国开展间谍活动答记者问。商务部新闻发言人表示，美方行径是对中国的打压抹黑，所谓中国是军事和经济"双重威胁"完全是无中生有；中国在人工智能、半导体、生物技术等领域取得的技术突破是中国科研人员和企业埋头苦干取得的成果，绝非美情报机构可以肆意觊觎的猎物，靠间谍窃密和霸权打压拦不住中国企业创新前进的脚步。

HBM供应趋紧推升成本，华为、寒武纪等被曝对AI芯片涨价。受HBM供应趋紧、采购成本攀升影响，华为、寒武纪等中国AI芯片厂商掀起一轮涨价潮：华为昇腾950DT意向报价已超25万元，两个月内涨幅高达50%；寒武纪尚未发布的下一代芯片"690"报价同样上调20%至30%。算力军备竞赛正在推高整条产业链的价格天花板。

燧原科技登陆科创板首日大涨，腾讯八年持仓浮盈超300亿元。燧原科技上市首日开盘涨超190%，总市值一度突破2000亿元；作为最大外部股东，腾讯自2018年Pre-A轮起持续加注并深度参与，八年重仓对应超300亿元账面浮盈，真格基金、上海国投、国方创投、云沐资本等早期投资者同步迎来回报。随着燧原上市，摩尔线程、沐曦股份、壁仞科技与燧原科技这"国产GPU四小龙"全部进入资本市场。

库克承认折叠屏决策源于竞品，苹果新CEO称"不追求首发、追求终局定义"。据苹果首席记者古尔曼透露，苹果决定认真开发折叠屏的节点大约在2020年——库克结束亚洲行后看到消费者开始使用华为、三星等竞品的折叠屏手机，因此确信苹果需要推出自己的折叠屏产品。然而目前华为、三星折叠机均已历经多次迭代，苹果此时入场能抢下多少份额仍待观察。

- 苹果"新掌门"的产品哲学：技术审美重于概念营销，不追求首发追求"终局定义"：新任CEO特纳斯在上任后首场专访中拒绝"AI可穿戴取代手机"的市场噱头，坚守iPhone作为"完美智能个人中枢"的核心地位。

海外

美国8月CPI核心环比0.3%超预期，美联储下周加息概率升至近九成。美国劳工统计局数据显示，8月CPI同比上涨3.4%、符合预期，核心CPI同比上涨2.4%、创五年半来最低水平，但核心环比上涨0.3%、为四个月来最大涨幅，高于市场预估的0.2%。数据公布后，利率互换显示交易员对美联储下周加息25个基点的定价由数据公布前的69%升至89%，市场已完全计入年底前两次加息；机构分歧随之浮现——9月究竟是一次"保险式"加息，还是新一轮加息周期的起点。

- 8月CPI"热"得刚好？华尔街密集押注美联储下周加息，沃什这次没法再"喊狼来了"：至少两家此前预计按兵不动的机构改判加息，12月是否加息成为新的悬念。

- 美债收益率逼近5%！下周加息概率升至70%，市场担心这将是新一轮紧缩的开始：10年期收益率一度升至4.96%，若加息被解读为紧缩周期开端，利率敏感型资产或承受更大压力。

- CPI后投行纷纷"撕报告"：年内不加息阵营"投降"，鹰派押注到明年1月加三次：道明证券从预计全年利率不变改为预计到明年1月共加息三次，摩根大通改为9月、12月各加一次。

- "新美联储通讯社"：美联储下周势将加息，但只加息一次无法解决问题：美联储内部几乎没人认为单次加息25个基点足以压低通胀，若下周决定加息，反映的是利率此前处于错误水平的判断；自1990年代以来，美联储仅有一次"一次性"加息。

美国9月消费者信心初值降至47.8，一年期通胀预期跳升至4.6%。9月初美国消费者信心指数从8月的51.7降至47.8，低于市场预期；消费者对未来一年通胀的预期从4%跳升至4.6%。多数消费者预计美联储将在未来一年内加息，为2023年以来首次；仅有35%的共和党受访者认为政府在管理经济上表现良好，创特朗普重返白宫以来最低读数。

哈塞特：特朗普5000美元计划"可以以负责任的财政方式实现"。白宫国家经济委员会主任哈塞特将该提案定性为"严肃的提案"，称抵消方案需与国会协商，推进可以借助预算和解程序绕过少数党的阻挠票；他同时表示"我猜如果美联储采取大幅行动，总统会有话要说"。

美国柴油价格历史性首次突破每加仑6美元。据美国汽车协会数据，全美柴油平均价格已升至每加仑6.0556美元，加利福尼亚州价格更逼近每加仑8美元。作为食品、运输及建筑业的关键投入品，高企的柴油成本最终将反映至消费者端；随着秋季取暖及农业用油需求季节性回升，价格上行压力短期内难以缓解。

沙特东西向输油管道遭袭后预防性关闭，胡塞武装称已完全控制曼德海峡。沙特能源部称，该国东西输油管道的利雅得段及麦地那地区段10日上午多次遭袭，现已对该管道采取预防性关闭措施，袭击造成一些人员受伤；该管道承担沙特东部油田与红海沿岸出口设施之间的输油，核心作用是帮助沙特绕开霍尔木兹海峡。同期曼德海峡通行船舶数量骤降，10日仅有6艘船通过，远低于9日的30艘。

- 报道：胡塞武装占领红海关键岛屿，完全接管曼德海峡地区：胡塞武装已进入紧邻曼德海峡的祖巴卜镇，也门政府军从丕林岛撤出。

- 曼德海峡告急！沙特首相两次致电敦促美方打击胡塞武装，均遭特朗普拒绝：美方表示无意直接军事介入，但将提供情报与目标数据，并已派驻约200名军事人员赴沙特提供非作战支持。

- 外媒：巴基斯坦已向伊朗"转达"沙特警告，要求伊朗约束也门胡塞武装：伊朗回应"无法控制"胡塞武装，《麦加共同防务协议》或被触发，将是该联盟成立以来的首次真正考验。

- 油价短线下挫！伊朗将与海湾六国会晤、红海西海岸停火，中东局势现缓和信号：海合会六国外长定于9月14日赴阿曼与伊朗外长会晤，寻求商船通行临时协议，布伦特原油应声下挫近2%。

特朗普：如果能重来，我还是会打伊朗。特朗普在谈及伊朗核问题时称，如果伊朗拥有核武器，他会给最高领袖打电话询问"有什么可以帮您的"，"而不是像现在这样，把他们炸个稀巴烂"。此番强硬表态与其"战事将在11月中期选举后立即终结"的说法形成对照，市场关注其对能源风险溢价的指引意义。

IEA：伊朗战争拖累石油需求创疫情后最大降幅。国际能源署大幅上调今年全球石油需求降幅至每日250万桶，创疫情以来最大跌幅；该机构不再预期霍尔木兹海峡今年会重新开放航运，并警告随着供应持续受限、商业库存缓冲迅速耗尽，"未来数月可能需要进一步压缩需求以弥合供需缺口"，2026年和2027年将是全球石油需求增长的"失落时期"。

油轮运费飙升至基准运费的4.5倍，冲突成本正写进每桶原油账单。本周阿曼湾至中国的超大型油轮运费飙升至Worldscale 450点，折合每桶运费约11.50美元，创该航线开通以来的最高纪录；美伊交火持续压缩海湾可用运力，西非至亚洲航线的超大型油轮运费同样刷新历史高位。

特朗普政府酝酿动用《国防生产法》扩大炼油产能。据路透报道，美国正考虑利用《国防生产法》提升国内炼油产能，方案在总统近期与炼油企业高管的会议期间讨论，炼油企业主张联邦资金最好用于提高现有炼厂效率或扩建现有工厂，而非新建；目前美国炼厂开工率已约98%，据CFTC数据，截至9月8日当周NYMEX WTI原油净多头头寸创20周新高。

甲骨文Q1云基础设施营收同比增121%，巨额资本开支引发"烧钱"追问。甲骨文第一财季营收193亿美元、同比增长30%，云基础设施部门营收74亿美元、同比大增121%，高于市场预期的71.9亿美元；截至8月底剩余履约义务（RPO）达6640亿美元，高于预期的约6399亿美元，公司预计2027财年调整后每股收益8.10美元、高于此前预计的8.05美元。财报后股价一度跳涨8.5%，随后因资本开支同比增超两倍、毛利率收窄及自由现金流为负而转跌。

- 甲骨文电话会：单季交付850兆瓦算力，GPU续约溢价20%，RPO将大规模转化为真实收入：单季交付算力约为上一季度的三倍，GPU续约溢价20%且利用率高达97.9%，约一半RPO将在36个月内转化收入。

- 甲骨文跳涨8.5%后转跌！AI需求强难消巨额烧钱与利润担忧：华尔街机构大多维持买入或增持评级，但目标价相差逾120美元，最高较周四收盘价高116%、最低仅高37%。

- 甲骨文：AI撑起了面子，但谁来兜底里子？：OCI营收暴增背后是285亿美元资本开支、自由现金流持续为负，传统软件与SaaS业务仍显疲软。

需求过大，OpenAI宣布暂停200美元Pro 20X档新增订阅。OpenAI首席产品官Tibo在X上发文称，为确保现有用户获得良好体验并流畅访问GPT-6 Astra，将暂停接受200美元档Pro 20X订阅服务的新增订阅，已订阅用户不受影响；他坦言低估了Astra的需求规模。

OpenAI五天内再破千禧年数学难题，霍奇猜想也要被攻破了？。OpenAI确认在攻克纳维—斯托克斯问题后，又在霍奇猜想上取得实质进展；Anthropic也接近解决伯奇—斯维讷顿—戴尔猜想。文章称三大千禧年数学难题或在一个月内被AI相继攻破，AI已具备产出全新科学知识的能力。

Anthropic估值急升，财富管理机构争抢员工财富管理业务。Anthropic估值在极短时间内急剧攀升，部分员工持有股权的时间不过两年，却可能面临规模远超预期的财富变现，有财富管理人士形容"这就相当于一张彩票"。目前高盛、美银、纽约梅隆银行、摩根大通及富国银行均已与Anthropic展开接触，希望提前建立与高净值科技新贵之间的长期关系。

67%暴跌后卷土重来！AI投资明星Aschenbrenner重返期权市场。据媒体报道，Leopold Aschenbrenner旗下对冲基金Situational Awareness已重返期权市场，购入数亿美元期权，标的涉及SK海力士、闪迪、超威半导体、Bloom Energy以及甲骨文；此次建仓策略转向低杠杆，采用定制化期权工具，最大损失仅限于已支付的期权费。

撤退信号？"大空头"平仓英伟达和Palantir看跌期权。"大空头"Michael Burry平仓了英伟达和Palantir的2026年12月到期看跌期权，理由是规避时间价值损耗，但仍持有Palantir的2027年看跌期权及多个科技股空头。与此同时，英伟达CEO黄仁勋转发GPU租金环比上涨22%的数据，回击Burry关于芯片折旧年限被高估的核心看空逻辑。

Kalshi获准推出黄金、白银永续期货，与传统交易所抢生意。Kalshi获CFTC批准于周四上线黄金和白银永续期货，成为美国首个获批的非加密货币类永续期货产品；自5月推出加密货币永续期货以来，相关合约名义交易量已达440亿美元。CME Group等传统交易所股价承压，CME更已起诉CFTC试图阻止该类产品扩张，Kalshi还在申请美股、铜及外汇永续期货。

观点精选

新债王Gundlach：若美联储按兵不动，长端利率将大幅攀升。他认为美国通胀远未消退，CPI轨迹与70年代大通胀时期"惊人相似"，真实通胀或高达7%；同时信贷市场出现严重分化，AI企业债因"雪崩式"供给导致利差剧烈走阔。面对高达42倍的标普席勒市盈率和38%的科技股权重，他直言美股处于"极度危险"状态。

高盛前大宗商品主管Jeff Currie：燃油短缺正在引发结构性通货膨胀。布伦特原油突破107美元、柴油裂解价差飙升至110美元，他认为中国需求回归叠加多年实物商品投资不足，正把供给冲击演变为结构性通胀压力；汇丰也警告"超级挤压"已经开启，市场或面临更持久的大宗商品通胀周期。

a16z：资本直接转化为算力，"中游"正在消亡。该机构认为AI正颠覆传统投资逻辑，强者恒强的飞轮一旦启动便难以逆转，全球3000家VC中仅20家实现持续3倍回报。AI收入用4年达到千亿量级，而SaaS用了15年；传统SaaS资产估值腰斩，真正的瓶颈不在需求，而在能源与数据中心供给。

付鹏：成品油的紧张终于传导到上游，警惕上下游"左脚踩右脚"。美国炼厂开工率已达98%，柴油价格创历史新高、出口创新高而库存降至极低水平，表明下游已紧张到极限。随着检修季和冬季临近，炼厂一旦检修或出现故障，柴油价格将急剧上涨并反向拉动原油，上下游可能形成相互推升的循环。

美债收益率5%、油价120美元、VIX指数25？市场的噩梦场景正在成为现实。文章指出，10年期美债收益率强势突破4.8%、正步步逼近5%这道"生死线"，油价冲顶与农产品齐涨持续推升通胀预期，VIX骤然觉醒、机构抢购尾部风险保护。AI叙事虽支撑科技股韧性，但纳斯达克35%的空头积累随时可能触发轧空。

花旗：拉美处于"腾飞前夜"。弱美元、大宗商品高位、供应链重构与政治右转顺风等多重因素同步共振，拉美正站上数十年来最佳宏观起点，外部环境与2003—2008年超级周期高度相似。MSCI拉美指数同步叩关十年关键阻力位，一旦突破，或意味着新一轮结构性牛市正式开启。

谁能"叫停"Anthropic？当AI逼近自进化，失控风险正引发硅谷恐慌；随着核心研究员愤而辞职，OpenAI急呼行业"协调减速"，但在商业博弈与竞争压力下，无人敢单方面踩下刹车。文章称，这场狂飙揭露了一个致命的治理悖论：真正失控的，究竟是AI，还是制造AI的科技巨头。

Databricks：十年把年营收从不足百万美元做到近70亿美元。这家诞生于伯克利实验室的数据公司正朝着万亿美元估值目标挺进，文章认为这不是运气，而是三个前瞻性押注与一套严苛增长方法论共同作用的结果。

钼的未来展望：2.64万吨硬性缺口，为什么它的弹性如此惊人？文章围绕"70%副产供给×无成本约束×需求结构迁移"的三重错配展开拆解，指出钼的供给高度依附于铜矿副产、缺乏独立产能弹性，而需求结构正在迁移，2.64万吨的硬性缺口使价格弹性被显著放大。

1万亿美元回购仍在继续，但美股最熟悉的资本游戏已经变了。2026年美股企业回购仍处历史高位、4至5月宣布回购金额刷新纪录，但承担AI建设的科技巨头正把更多现金投向数据中心、芯片和电力系统，部分超大规模云厂商的回购已明显回落。文章提出，如果AI导致自由现金流持续走弱，2027年会否成为回购结构的分水岭。

今日关注

中国

国家主席习近平将于9月12日至13日赴印度新德里出席金砖国家领导人第十八次会晤。

华为Mate XT 2非凡大师三折叠手机10:08开售，19999元起、搭载麒麟9050 Pro，开售首周的销量与缺货情况将检验高端折叠机需求，并带动铰链、屏幕与结构件环节情绪。

汇丰香港要求存量内地投资客户于9月12日前提交《开立/维持账户之声明书》并更新联系信息，若逾期未提交，投资相关服务可能被终止。

海外

马斯克预计在9月12日之后发布Grok 4.7模型，参数规模达2.1万亿、较Grok 4.6的1.5万亿增长40%。

美国总统特朗普预计访问爱尔兰。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博援引知情人士透露，高盛、美国银行、纽约梅隆银行旗下财富管理部门、摩根大通及富国银行已与Anthropic展开接触。Anthropic正寻求为员工提供一份顾问名单，帮助他们规划即将到来的财富。

Anthropic的上市备受市场瞩目。该公司预计将在未来数周内启动IPO，融资规模有望达到或超过SpaceX 862亿美元的上市规模。这一前景使其员工的财富前景格外引人关注。

Anthropic要求各金融机构就其财富管理业务进行提案，并披露费用、服务及运营细节等信息。该公司于近期正式发起信息征集，除上述大型银行外，多家规模较小的精品机构和顾问公司也已响应。

已向Anthropic提交信息的Laird Norton Wetherby财富管理公司的Brandon Smith表示，该公司此前已与Anthropic的多名员工进行过接触。他认为，Anthropic上市催生大批新晋百万富翁"非常合理"。

"AI在短时间内经历了如此迅猛的崛起，即便员工仅在两年前才获得股权，最终变现的金额也可能极为可观，"他说，"这就相当于一张彩票。"

对于许多科技公司员工而言，突如其来的财富往往伴随着如何妥善管理的困惑。Anthropic的案例是硅谷这一轮IPO浪潮中最新的缩影。

SpaceX上市前夕，逾1000名现任及前任员工集体行动，联合与财富管理机构谈判，争取更优惠的收费条款及更复杂的税务优化金融产品。这一案例表明，初创公司员工在面对巨额财富时，愿意付出相当努力来争取更有利的财富管理安排。

Anthropic员工的情况尤为特殊。由于公司估值在极短时间内急剧攀升，部分员工持有股权的时间不过两年，却可能面临规模远超预期的财富变现。这对于缺乏专业财务经验的工程师或研究人员而言，无疑是一项重大挑战。

Anthropic此番财富管理合作伙伴的遴选，折射出华尔街围绕硅谷IPO热潮展开的多层竞争格局。各大银行不仅角逐IPO承销席位，更希望借此建立与高净值科技新贵之间的长期财富管理关系。

对于高盛、美国银行等机构而言，提前锁定Anthropic员工客户，意味着在财富正式形成之前便占据先机。这类关系一旦建立，往往具有较强的客户黏性，能够带来持续的资产管理收入。

Anthropic的IPO时间表尚未最终确定，但市场对于这场预期中的"财富盛宴"已早早拉开竞争序幕。

本文来自华尔街见闻，欢迎下载APP查看更多

美东时间9月11日周五，甲骨文（ORCL）股价跳空高开约7.5%，盘初一度涨逾8.5%，随后涨幅快速收窄，早盘不止一次短线转跌，午盘再度转跌，尾盘刷新日低时，日内跌约2%，收盘跌逾1.7%。股价高开低走与周四盘后的市场第一反应形成鲜明对比。周四公布财报后，甲骨文股价在美股盘后一度涨近10%。

周四盘后，市场主要交易的是AI需求爆发带来的利好：甲骨文不仅营收和利润超预期，云基础设施业务更保持三位数增长，创纪录的剩余履约义务（RPO）也显示未来收入储备大幅扩张。与此同时，市场认为甲骨文通过客户预付款、客户提供芯片等方式缓解了此前最受质疑的“AI烧钱”压力。

周五正常交易时段，投资者开始重新审视这份财报的另一面：AI需求确实强劲，但甲骨文为了满足这股需求仍在以极高速度扩大资本投入，现金流依然承压，数据中心业务未来能否转化为足够的利润和自由现金流，仍需进一步验证。

华尔街分析师整体也没有否定甲骨文的AI增长逻辑，多数机构维持买入或增持评级，并认为甲骨文第一财季的业绩进一步验证了云基础设施需求加速。不过，目标价分歧相当明显：从摩根士丹利的210美元到花旗的330美元，相差120美元以上；相比甲骨文本周四的收盘价，各家目标价均有明显上行空间，最低将较周四收盘涨37%、最高将涨116%。

分析师的主要分歧集中在一个问题：AI需求的爆发已经得到验证，但甲骨文能否将这轮增长稳定转化为利润和现金流，仍需更多证据。

AI云基础设施收入暴增121%，业绩全面超预期

从经营表现来看，甲骨文这份财报相当强劲。

截至2026年8月末的公司第一财季，甲骨文营收同比增长30%，达到193亿美元；云业务收入同比增长62%至116亿美元。其中，云基础设施（IaaS）收入同比暴增121%，达到74亿美元，成为推动整体业绩增长的核心引擎。甲骨文还预计，第二财季云业务收入将同比增长65%至71%，显示AI算力需求仍在快速释放。

甲骨文称，第一财季新增交付超过30万块GPU，并新增850MW数据中心容量，新增交付的算力容量约为上一财季的3倍。

公司同时上调了全年业绩预期，预计2027财年营收至少达到900亿美元，非GAAP每股收益预期提高至8.10美元。

因此，财报公布后市场首先关注的并不是甲骨文有没有AI需求，而是需求强度远超此前预期。云基础设施收入同比增长121%，也进一步证明甲骨文正在从传统数据库软件公司加速转型为AI基础设施供应商。

RPO再创新高：同比增加209亿美元，增幅近46%

在AI基础设施投资热潮中，剩余履约义务（RPO）已经成为衡量云计算企业未来收入增长的重要指标。与单季收入相比，RPO能够反映公司已经签订合同、但尚未确认收入的未来业务规模，因此尤其受到投资者关注。

甲骨文第一财季RPO达到6640亿美元，刷新上一财季刚刚创下的6380亿美元历史最高纪录，单季增加260亿美元；与去年同期相比，则增加2090亿美元，增幅约46%。公司第一财季新增AI云合同超过300亿美元，推动RPO继续大幅攀升。

更重要的是，甲骨文表示，约一半的6640亿美元RPO预计将在未来36个月转化为销售收入。这意味着，虽然这些合同并不会立即计入当期营收，但已经为未来数年的收入增长提供了相当可观的可见度。

RPO的快速膨胀，也成为周四盘后股价大涨的重要支撑。此前市场最担心甲骨文为了抢占AI基础设施市场而投入巨额资金，却未必能够获得足够订单；如今持续刷新纪录的RPO则表明，至少在需求端，甲骨文暂时并不缺订单。

资本支出同比增超两倍，AI扩张仍是一场烧钱大战

但订单增长的另一面，是甲骨文必须投入巨额资金建设数据中心、购买GPU并扩大算力供应。

甲骨文第一财季资本支出达到约285亿美元，远高于去年同期的85亿美元，同比增幅超过两倍。仅一个季度的资本支出，就已经超过上一财年全年资本支出的约一半。

与此同时，甲骨文维持2027财年900亿至950亿美元的资本支出预期不变。公司上一财年资本支出已经达到约557亿美元，这意味着今年的投资规模仍将进一步大幅扩大。

如此激进的投资也直接反映在现金流上。甲骨文第一财季自由现金流为负54亿美元，虽然好于市场此前预计的约负95.6亿美元，但公司仍需要依靠外部融资来支撑AI基础设施扩张。

也正是在这里，周五股价的走势开始出现分歧。

周四盘后，市场看到的是“RPO暴增+AI需求爆发”；到了周五，投资者开始进一步追问：如此庞大的订单储备，最终能否产生足够高的利润和现金流，覆盖不断攀升的数据中心投资？

客户预付款缓解现金压力，但盈利兑现仍需时间

甲骨文此次财报中一个值得注意的变化，是公司正在尝试改变传统的AI基础设施投资模式，以降低自身承担的资本压力。

路透社指出，甲骨文此次新增的大量合同中，有相当一部分并不需要公司完全依靠自身资本投入来建设，包括客户预付款以及由客户提供芯片等安排。这意味着，虽然RPO大幅增长，但新增订单并不必然对应同等规模的甲骨文新增资本开支。

这也是为什么周四盘后市场迅速降低了对甲骨文“烧钱”的担忧。

但这种模式并没有彻底解决现金流问题。晨星分析师Luke Yang指出，即便甲骨文要求客户部分承担硬件成本，公司的现金流状况短期内仍不会发生根本性变化；云收入需要达到足够大的规模，才能同时支撑持续的产能扩张并实现正向自由现金流。

与此同时，甲骨文本财年仍计划通过债务和股权融资筹集约400亿美元，其中第一财季已经完成200亿美元股票发行。

因此，对投资者而言，甲骨文目前的核心矛盾已经从“AI订单够不够多”，逐渐转向“AI订单的盈利质量有多高”。

盘后先交易需求爆发，周五转向估值与现金流

从股价走势来看，周五的高开低走，很大程度上反映了市场在数小时内完成了两轮不同的定价。

周四盘后财报刚刚公布时，市场第一时间交易的是业绩超预期、IaaS收入暴增121%、RPO创纪录以及AI需求远超供给的乐观预期，因此甲骨文股价一度涨近10%。

到了周五开盘，随着更多投资者参与交易，利好继续推动股价一度上涨8.5%以上。但当盘后已经释放的利好被充分计价之后，市场开始把注意力重新转向资本支出、融资需求、利润率以及自由现金流。

有分析称，甲骨文虽然AI需求强劲，但高额资本支出仍然是市场需要持续观察的问题；华尔街部分分析师则认为，公司本次财报已经明显缓解了此前对于资本开支进一步失控的担忧。

这也解释了为何甲骨文股价没有简单地从“涨”切换成“跌”：多空双方实际上都能从同一份财报中找到依据。

多头看到的是121%的IaaS增长、6640亿美元RPO和持续爆发的AI云需求；空头看到的则是285亿美元季度资本支出、负自由现金流以及未来仍高达900亿至950亿美元的年度资本开支计划。

市场不再怀疑AI需求，开始考验AI投资回报

因此，甲骨文周五盘中从涨逾8.5%到一度跌1.65%，并不意味着华尔街突然否定了甲骨文的AI故事。

恰恰相反，这份财报进一步证明了AI基础设施需求的真实性，而且需求增长速度仍明显快于甲骨文当前的供给能力。

真正发生变化的是市场的关注重点。

财报之前，投资者担心的是甲骨文是否会为了AI需求而过度烧钱；财报之后，市场开始承认AI需求确实强劲，但进一步追问这些巨额订单能否最终转化为足够的利润和自由现金流。

路透社援引分析师观点称，甲骨文在平衡高速增长与投资压力方面取得了进展，但公司仍面临债务、数据中心盈利能力以及现金流改善速度等风险。

这意味着，甲骨文下一阶段真正需要向市场证明的，已经不只是能不能拿到AI订单，而是：能不能在满足AI算力需求的同时，把创纪录的RPO转化为足够高质量的收入、利润和现金回报。

这或许正是强劲财报公布后甲骨文股价仍高开低走的关键所在。

多数机构维持看多，目标价最高330美元

财报公布后，多家华尔街机构维持对甲骨文的积极判断，但对AI基础设施业务的盈利能力、资本开支回报以及未来增长持续性的判断存在明显差异。

花旗维持“买入”评级，目标价330美元，是这批机构中最高的目标价，较甲骨文周四152.94美元的收盘价高出约177美元、潜在上涨空间约116%。花旗认为，第一财季业绩大幅超预期，为公司在投资者日和AI World大会上进一步上调预期创造了有利条件。

Bernstein维持“跑赢大盘”评级，目标价325美元，较周四收盘价高出约172美元、潜在上涨约113%。该机构认为，随着收入加速、RPO继续增长、利润率保持强劲以及2027财年指引上调，甲骨文的投资逻辑变得更加清晰。

德意志银行维持“买入”，目标价300美元，较周四收盘价高出约147美元、潜在上涨约96%。该机构特别强调，甲骨文本季度签下超过300亿美元AI合同，其中采用预付款或“自带硬件”（BYOH）等结构，据称无需甲骨文额外承担资本开支；与此同时，公司完成此前宣布的200亿美元ATM股票发行，也消除了部分投资者此前担心的股票供应压力。

富国银行维持“增持”，目标价280美元，较周四收盘价高出约127美元、潜在上涨约83%。该机构认为，甲骨文本季度很好地证明了公司能够在获得新增RPO和增长机会的同时，不需要产生相应的新增现金流出，而且没有大幅提高全年指引。

巴克莱维持“增持”，目标价252美元，较周四收盘价高出约99美元、潜在上涨约65%。该机构指出，甲骨文收入增速已经从去年同期的21%提升至本季度的30%，预计还会继续加速；随着200亿美元ATM股权融资完成以及管理层解释了产能建设延迟和利润率问题，公司的融资结构也有所改善。

瑞银维持“买入”，目标价250美元，较周四收盘价高出约97美元、潜在上涨约63%。瑞银认为，本季度的利好包括营收和EPS超预期、云基础设施增速有望进一步加快，以及ATM融资完成；负面因素则是公司没有进一步上调2027财年营收指引。总体而言，AI驱动的增长加速正在兑现。

美国银行同样维持“买入”，目标价240美元，较周四收盘价高出约87美元、潜在上涨约57%。该行认为，甲骨文云基础设施（OCI）需求正在加速，虽然盈利能力和资本开支回报的可见度仍有限，但OCI收入前景显示需求可能出现“阶跃式”增长，甲骨文正在AI基础设施这个快速增长的市场中持续获得份额。

摩根士丹利相对谨慎，维持“持有”等级，目标价210美元，仍较周四收盘价高出约57美元、潜在上涨约37%。该行认为，本季度云基础设施增长加速至121%，证明甲骨文在IaaS执行层面取得阶段性成果，但毛利率压力以及2027财年EPS指引仅温和上调，使其仍需要更多证据来判断GPU云服务的经济效益以及基础设施建设的盈利可见度。

摩根大通维持“增持”，目标价200美元，虽然是上述机构中最低，但仍比周四收盘价高约47美元、潜在上涨约31%。该行认为，甲骨文有望受益于收入增长加速和数据中心扩张带来的利润增长，同时公司当前估值倍数明显低于可比大型软件企业，为未来估值重估留下空间。

以上目标价说明，华尔街整体并未因为甲骨文的巨额资本开支而转空，真正存在争议的是AI基础设施高增长究竟能够以多快速度兑现为利润。

本文来自华尔街见闻，欢迎下载APP查看更多

随后“新美联储通讯社”Nick Timiraos撰文称，投资者已基本认定美联储下周将进行三年来首次加息，更难的问题是之后会怎样。

由于美联储内部几乎无人认为单次25个基点的加息足以压制通胀，一旦下周决定加息，传递的信号便是当前利率水平本就存在偏差，而纠偏绝非一步之功。

美国CPI数据后投资者目前预计，至明年6月，美联储累计加息次数将至少达到三次，高于此前预期的两次。9月美联储加息概率也飙升至9成。

与此同时，美联储面临来自政治层面的现实压力。特朗普总统此前对加息明确表示反对，称期望新主席沃什能带来更低利率。副总统万斯上周表示欢迎美联储在利率上给予配合。财政部长贝森特也主张，近期通胀源于供给冲击，美联储不应在此时收紧政策。

一次加息难以为继，历史先例罕见

Nick Timiraos指出，美联储自1990年代将联邦基金利率确立为调控借贷成本的核心工具以来，仅有1997年这一次"加息一次即止"的先例。

前美联储副主席、现任职于Pimco的Richard Clarida明确表示：

如果下周加息，肯定不会是'一次了事'，后续还会有更多行动。

沃什本人的表态也为市场提供了佐证。他在7月曾表示，自己并不认为美联储擅长对经济进行"微调"。分析人士指出，一位对微调持怀疑态度的主席，不太可能在加息25个基点后便宣布任务完成。

美联储理事沃勒上周同样点明了这一逻辑，在单次会议上加息25个基点，并不足以将通胀拉回2%的目标。

Piper Sandler策略师、前美联储高级顾问Kurt Lewis表示：

一旦你决定收紧政策，就必须将利率推升至足以让限制性程度产生实质意义的水平。

通胀数据成"压垮骆驼的最后一根稻草"

在此之前，市场对于9月会议是否加息还存在分歧，但周五公布的通胀数据打破了这一均衡。

官员在6月预测，随着关税效应逐步消退，下半年月度通胀将有所回落，6月和7月数据也一度印证了这一判断。然而8月数据走势逆转，衡量核心消费价格的关键指标强于预期，叠加就业数据向好以及波斯湾紧张局势推动油价再度上涨。

Lewis直言，8月通胀数据"成为压垮骆驼的最后一根稻草"，令市场将9月会议的意义从"单次决策"升格为"政策路径"的起点。

旧金山联储主席Mary Daly近期将美联储面临的选择描述为两种经济情景之间的抉择：

• 其一，过去两年的冲击逐步消散，现有政策设置足以将通胀压降；

• 其二，冲击叠加累积，通胀持续扩散，美联储需要远超25个基点的大幅调整。

她表示，8月初情景一仍是她的基准预测，但此后两种情景的概率已逐渐趋近。

沃什的"反前瞻指引"立场加大市场定价风险

文章指出沃什在上月杰克逊霍尔年会主旨演讲中为"利率处于错误水平"的判断奠定了论据基础。

此前沃什称几乎没有证据显示当前借贷条件正在抑制经济活动，并表示6月和7月通胀数据改善未能说服他底层趋势已经好转。然而，这一逻辑自然引发市场追问：利率究竟需要升至多高？

美联储主席历来通过解释加息的政策目的是"重新校准"、"预防性操作"或"风险管理调整"，来引导市场预期，无需明确承诺后续路径。

但沃什长期以来对前瞻指引持抵触态度，认为指引束缚了央行的政策空间。

BNY Investments首席经济学家、前美联储货币事务部门主任Vincent Reinhart警告称，缺乏指引将使单次加息在市场手中被无限放大。他说：

如果你没有事先铺垫，政策行动就面临被过度揣测的风险。市场天然倾向于将首次加息解读为一系列行动的开始，而没有指引，你根本无法压制这种预期。

鹰派官员着眼前景，看涨通胀理由充分

此外，Nick Timiraos认为力主尽早行动的美联储官员则从另一角度强化了加息逻辑。

圣路易斯联储主席Alberto Musalem上月在一次演讲中表示，"更早、更渐进、更小步的加息，优于潜在的更晚、更突然的大幅调整"。他在7月会议上已支持加息。

这一阵营的依据不仅在于过去三个月的数据，更着眼于前方的风险：

• 伊朗战争推高柴油价格、相关影响尚未在航运网络中充分传导；

• 新一轮关税落地在即；

• 人工智能基础设施大规模扩张正在加剧电力与科技供应链的压力；

• 高企的股价持续支撑消费需求。

Musalem明确表示，未来12至18个月内通胀显著高于美联储目标的概率，已超过通胀回归2%目标的概率。

美联储手中仍握有一项可用于塑造预期的工具：每季度发布一次的官员经济预测，其中包含官员对未来利率路径的匿名判断。

6月会议上，沃什拒绝参与提交点阵图预测。Point72资产管理公司首席经济学家Dean Maki预计，本次预测"将释放超出寻常的信号"。

Maki表示，若沃什明确表示此次加息是在"收回去年部分降息幅度"，投资者将解读为最多再加息两到三次。但他同时指出：

这将与他反对美联储提供此类前瞻指引的一贯主张相悖。

本文来自华尔街见闻，欢迎下载APP查看更多

据路透援引知情人士透露，特朗普政府正在研究如何利用《国防生产法》扩大美国国内炼油产能。相关方案在特朗普近期与近12家美国炼油商举行的会议上被讨论，白宫官员询问炼油企业，联邦政府支持资金以何种方式使用最有效，才能增加炼油能力。

目前尚未作出最终决定，与会人士预计相关讨论仍将继续。炼油企业高管向政府表示，如果获得联邦资金，相较于新建炼厂，更适合用于提高现有炼厂效率或扩建现有设施，因为新建炼厂成本高昂且需要多年时间才能投入运营。

美国成品油价格的上涨尤其引发政策层面的压力。美国全国柴油平均价格首次突破每加仑6美元，较2月美国与以色列对伊朗发动军事行动以来上涨近60%；美国柴油库存也比过去五年同期均值低13%。美国汽油价格同样居高不下。

周五WTI原油下跌2.32%，但价格仍然维持在100美元/桶以上。

原油看涨仓位升至数月高位

美国商品期货交易委员会（CFTC）最新持仓数据显示，截至9月8日当周，投机资金继续增加对原油上涨的押注。

NYMEX WTI原油净多头头寸当周增加19,720手，至139,339手，创20周新高；布伦特与WTI原油合计净多头增加25,890手，至411,159手，创16周新高。

成品油市场同样呈现一定的看涨倾向。NYMEX汽油净多头增至92,926手，创约9个月新高。不过，NYMEX取暖油/柴油净多头降至16,004手，创4周新低。

天然气市场则继续偏空，NYMEX天然气净空头增加至76,518手，创5周新高。

换言之，在截至9月8日的一周里，资金明显增加了对原油和汽油上涨的押注，而并非全面看多整个能源板块。

值得注意的是，CFTC上述持仓数据截至9月8日，而WTI随后才突破100美元/桶。因此，两者在时间上应理解为投机资金提前增加原油多头仓位，随后油价进一步走高，而非CFTC数据直接导致油价突破100美元。

美国炼油能力已接近上限

特朗普政府考虑动用DPA扩充炼油能力，也反映出美国当前面临的一个现实问题：即便原油供应增加，美国炼油环节也未必能够迅速将更多原油转化为汽油和柴油。

美国炼厂开工率已经达到约98%，接近满负荷运行。在燃油需求保持强劲、全球炼油产能又受到中东局势和俄罗斯炼厂受袭等因素影响的情况下，美国炼油企业提高产量的空间受到限制。

美国炼油产能过去十年还出现下降，一些经营不盈利的炼厂陆续关闭，使现有炼油产能进一步集中于墨西哥湾沿岸地区。特朗普政府因此将增加国内炼油能力视为缓解燃油价格压力的一个长期方案。

美国白宫发言人Taylor Rogers表示，美国炼油能力对于确保能源安全和可靠供应至关重要，扩大炼油能力是特朗普及其能源团队的优先事项，目前政府正在评估监管改革、加快审批以及增加投资等具体措施。

DPA或成为扩大炼油产能的政策工具

《国防生产法》通常被视为美国政府在紧急情况下调动工业资源的重要工具。

特朗普政府今年4月已经采取行动，将美国国内石油生产、炼油和物流能力认定为对国家防务至关重要，并授权利用DPA支持相关能力扩张。白宫当时表示，石油燃料关系到美国军队、工业基础和关键基础设施。

此次讨论的关键在于，特朗普政府可能进一步把DPA从保障能源供应的政策工具，延伸至直接支持炼厂扩建和效率提升。

不过，炼油商并不倾向于依靠政府资金新建大型炼厂。行业高管更希望联邦资金用于现有设施扩建和效率提升，因为新建炼厂投资巨大、建设周期长，难以解决当前的燃油供应紧张问题。

原油、成品油到通胀成为影响政策的主要因素

从市场角度看，当前美国政府面对的并不只是原油价格上涨。

中东冲突扰乱全球原油和成品油供应，国际油价突破100美元/桶后，柴油、汽油等终端燃料价格同步上涨，进而向运输、农业和工业成本传导，并重新加大美国通胀压力。

油价上涨已经开始影响美国金融市场，投资者担忧能源价格上涨可能推高通胀，并影响美联储未来的政策路径。

国际能源署（IEA）也警告，由于中东冲突和海湾地区供应中断，2026年全球石油供应降幅可能进一步扩大至570万桶/日，相当于约6%的供应量；沙特8月原油产量降至约600万桶/日，为30多年来最低水平。

对于美国政府而言，扩大炼油能力能够增加中长期成品油供应，但由于新建产能需要多年，短期内能否压低汽柴油价格，仍取决于中东供应恢复、全球炼油产能以及美国现有炼厂的实际增产空间。

本文来自华尔街见闻，欢迎下载APP查看更多

最明显的变化是，此前预计美联储今年剩余时间按兵不动的机构，纷纷改为押注9月加息；但对于9月之后是否继续加息，华尔街已经出现明显分歧。

道明证券最鹰：从“全年不动”直接改为预计加息三次

道明证券的转向幅度最大。

此前，该行预计美联储将在2026年剩余时间维持利率不变；但在8月CPI公布后，包括Oscar Munoz和Gennadiy Goldberg在内的策略师改为预计，美联储将在9月启动本轮加息周期，并总计加息三次。

具体来看，道明证券预计：

• 9月：加息25个基点
• 10月：再加息25个基点
• 2027年1月：第三次加息25个基点

策略师认为，8月CPI显示通胀缺乏进一步进展，因此美联储有必要在9月启动加息周期。

对于9月会议后的政策指引，道明证券预计美联储可能不会给出明确的前瞻指引，但点阵图应会偏鹰。

这意味着，在目前几家大型投行中，道明证券对于加息周期的判断最为激进：不仅把9月加息纳入基准情景，还认为紧缩行动可能持续到明年初。

摩根大通：9月、12月各加一次，10月暂缓

摩根大通也放弃了此前更偏向等待的判断，将预测调整为9月和12月各加息25个基点。

该行首席美国经济学家Michael Feroli表示，下周加息的理由很简单：核心PCE通胀今年每个月都高于3%，而且近期向2%目标靠拢的进展非常有限。

摩根大通此前曾预计美联储12月加息，但认为如果通胀数据过热，央行可能提前到9月行动。如今，8月核心CPI高于预期，使其正式把9月加息纳入预测。

不过，摩根大通并不认为美联储会连续每次会议加息。

Feroli认为，10月暂停加息有一个合理理由——需要时间观察加息对经济的影响。因此，该行的基准路径是9月加息、10月暂停、12月再加息。

同时，摩根大通认为当前通胀看起来仍然主要由供给冲击驱动，因此加息周期不会延续到2027年。

三菱日联：9月加息后暂缓，12月再加息概率55%至60%

三菱日联同样彻底放弃了此前“2026年维持利率不变”的预测。

该行策略师George Goncalves和Agron Nicaj现在预计，9月加息25个基点，10月维持利率不变。

他们给出的理由包括沃什在杰克逊霍尔会议上的偏鹰表态、8月就业数据保持稳健，以及最新CPI高于预期。

不过，三菱日联认为这次加息本身存在成为“政策错误”的可能性。策略师指出，在市场已经高度预期下周加息的情况下，美联储现在很难选择按兵不动。

他们尤其强调，既然沃什此前反复强调“通胀是选项之一”，如果在最新数据之后什么都不做，反而会产生政策沟通上的问题。

对于之后的路径，三菱日联预计10月暂停，并认为12月再次加息的可能性为55%至60%。

因此，与道明证券相比，三菱日联的预测更接近“一次加息、观察效果，再决定是否行动”的路径。

此外，该行还将大多数期限美债收益率预测上调25至50个基点，目前预计年底2年期美债收益率为4.25%、10年期为4.625%、30年期为5%。

花旗：9月加息后一直按兵不动，明年6月重新降息

花旗的最新预测则更加接近“9月一次性加息”。

花旗经济学家Andrew Hollenhorst和Veronica Clark预计，美联储9月加息25个基点，此后一直维持利率不变至2027年6月。

两人认为，8月核心通胀高于预期，加上能源价格重新上涨，“很可能刚好足以促成共识”，支持美联储在下周会议上加息。

但花旗并未因此判断美联储将重新进入持续加息周期。相反，该行预计随着通胀逐步回落，美联储将从2027年6月开始降息，并在2027年底前累计降息三次。

这意味着花旗最新路径是：

9月加息 → 长时间按兵不动 → 2027年6月开始降息。

此前，花旗曾预计劳动力市场走弱将推动美联储今年开始降息；该行此前已经因为8月就业数据强于预期，把首次降息预期推迟至2027年，如今又因为CPI进一步加入了9月加息预期。

四家投行预测出现明显分叉

经过这轮调整，华尔街目前对美联储未来几个月的预测大致形成四种不同路径：

因此，8月CPI带来的并不只是“9月加不加息”这一层面的变化，更重要的是，华尔街正在重新评估美联储未来数月的政策路径。

目前最鹰的道明证券预计连续三次加息，摩根大通预计年内两次，三菱日联认为9月加息后可能暂停，而花旗则预计9月加息后一直等到明年6月才重新调整政策。

共同点是9月加息正在成为越来越多机构的基准情景；真正的分歧，则已经转向这次加息究竟是“单次纠偏”，还是新一轮加息周期的起点。 市场目前也明显提高了对下周加息的押注，最新定价约为85%。

本文来自华尔街见闻，欢迎下载APP查看更多

据波罗的海交易所数据，中东阿曼湾至中国的超大型油轮（VLCC）运费本周飙升至国际油运基准费率（Worldscale）的450左右，即正常基准运费的4.5倍，折合每桶运费约11.50美元，创下该航线开通以来的最高纪录。

该航线正是在美以与伊朗战争爆发后启用的。运费飙升表明中东冲突正向更广泛的经济层面蔓延。若高企的运输成本持续，将加大通胀压力，令本已面临冲突扩大化不确定性的企业和消费者承受更多成本负担。

华尔街见闻提及，周五稍早，央视国际时讯援引也门胡塞武装发言人叶海亚·萨雷亚9月11日发布的视频声明称，胡塞武装自9月3日起对也门西海岸“沙特支持的力量”发动大规模攻势，9天内攻占塔伊兹和荷台达省6个地区，面积达5400平方公里。胡塞方面还称，行动造成数百名敌方人员死伤或被俘，并拦截32架次沙特战机、击落9架无人机。

据新华社，胡塞武装攻占红海港口城市穆哈后，曼德海峡航运受到明显影响。当地时间10日15时许，仅有6艘船只通过曼德海峡，而9日为30艘、8日和7日分别为26艘和29艘。

新华社称，胡塞武装在攻占穆哈后继续向曼德海峡及周边岛屿推进，红海航道格局面临新的变化。

能源数据公司Vortexa分析师Ioannis Papadimitriou表示：

美国海军与伊朗之间不断更新的交火持续将海湾地区运费推向新高。

他补充说，在中东海湾及周边水域作业的风险上升，阿曼湾运费承压走高，区域内可调配油轮数量随之收紧。

中东局势的军事升级已产生更广泛的连锁反应，运费压力并不局限于海湾地区。据路透社报道，西非至亚洲航线的超大型油轮运费同样刷新历史高位，显示油轮市场整体供需格局已受到波及。

分析人士指出，中东区域风险溢价的扩大令船东倾向于规避高危航线，可调配运力在全球范围内重新分配，从而带动其他主要航线运价同步走高。

这一溢出效应意味着，即便冲突未直接影响某条航线，全球原油采购方和炼油企业同样难以置身事外。

油轮运费上涨直接推高原油到岸成本，并沿产业链向成品油及下游消费品传导，在当前通胀形势尚未完全稳定的背景下，这一传导路径引发市场对价格压力再度抬头的警惕。

本文来自华尔街见闻，欢迎下载APP查看更多

特朗普提出向每位美国成年公民发放5000美元支票的设想，在财政赤字高企的背景下引发广泛质疑。

白宫国家经济委员会（NEC）主任哈塞特周四为该提案站台，称其"可以以负责任的财政方式实现"，并定性为"严肃的提案"。然而，国会共和党领袖的反应普遍冷淡，分析师亦对该计划能否落地持保留态度。

按现有成年人口规模估算，该计划将带来逾1万亿美元的新增支出，而美国联邦债务负担正逼近历史峰值。

哈塞特表示，具体抵消方案仍需"与国会协商"，并称推进路径包括通过预算和解程序（reconciliation）绕过参众两院少数党的阻挠票。

在通胀与货币政策方面，哈塞特还暗示，若美联储下周采取大幅加息举措，"总统会有话要说"，措辞引发市场对白宫与美联储关系走向的关注。

华尔街对该提案的可行性普遍存疑。据彭博，Evercore ISI分析师在周五报告中直言，"特朗普提出的、以共和党赢得中期选举为条件的5000美元全民支票计划，因其巨大财政成本和通胀影响，在国会根本行不通。"

国会共和党高层对这一提案的回应同样克制。分析师指出，在当前财政空间有限、通胀压力尚未完全消退的背景下，超过1万亿美元的直接支出计划面临来自党内的实质性阻力。

哈塞特试图淡化外界对财政纪律的忧虑，强调美国经济的增长与财富积累为返还红利提供了基础，但未就具体融资安排作出说明。

他表示，预算和解程序是潜在的立法路径之一，该机制允许国会多数党推进财政法案而无需获得少数党支持。

在货币政策议题上，哈塞特周五承认8月消费者价格指数（CPI）显示通胀出现加速，但同时强调三个月滚动趋势仍呈放缓态势，意在为市场情绪降温。

当被问及美联储是否可能在下周会议上作出大幅加息反应时，哈塞特措辞意味深长："我猜，如果美联储采取大幅行动，总统会有话要说。"这一表态或为白宫对美联储独立性的潜在施压信号。

目前，投资者正密切关注美联储下周议息决定，通胀数据的反复与白宫的政策表态共同构成市场的不确定性来源。

本文来自华尔街见闻，欢迎下载APP查看更多

据美媒于美东时间9月11日周五报道，沙特一条重要输油管道本周四遭到抛射物袭击并引发火灾。该管道承担沙特东部油田与红海沿岸出口设施之间的原油运输，在霍尔木兹海峡通航受阻的背景下，是沙特重要的替代输油通道。

周五美股午盘时段，传出上述沙特输油管遭袭的消息后，国际原油期货反应相对平静，保持盘中至少2%以上的跌幅。

此后，沙特宣布关闭东西向输油管道。沙特能源部发布声明称，周四发生多次袭击后，预防性地关闭利雅得和麦地那地区的东西输油管道。正采取行动来确保管线和（美军/沙特）资产的安全。国际原油继续维持跌势，布油盘中跌近3%。

周五稍早，央视国际时讯援引也门胡塞武装发言人叶海亚·萨雷亚9月11日发布的视频声明称，胡塞武装自9月3日起对也门西海岸“沙特支持的力量”发动大规模攻势，9天内攻占塔伊兹和荷台达省6个地区，面积达5400平方公里。胡塞方面还称，行动造成数百名敌方人员死伤或被俘，并拦截32架次沙特战机、击落9架无人机。

据新华社，胡塞武装攻占红海港口城市穆哈后，曼德海峡航运受到明显影响。当地时间10日15时许，仅有6艘船只通过曼德海峡，而9日为30艘、8日和7日分别为26艘和29艘。新华社称，胡塞武装在攻占穆哈后继续向曼德海峡及周边岛屿推进，红海航道格局面临新的变化。

不过，周五也出现了缓和信号。央视新闻称，也门胡塞武装最高政治委员会当天发表声明，表示红海西海岸各省份的交火已经停止，并呼吁各方向沙特施压，避免局势进一步升级。

沙特输油管遭袭，替代霍尔木兹的通道面临风险

美媒CNN报道称，周四有抛射物袭击沙特东西向输油管道沿线设施并引发火灾。一名美国官员透露，初步分析显示，紧邻输油管道的泵站遭到袭击。卫星图像显示，其中一座泵站周五出现大面积火灾损毁迹象；另一张周四拍摄的图像则显示，另一座泵站附近出现小规模火灾，并冒出浓厚黑烟。

CNN称，目前尚不清楚袭击由谁实施，也无法确认输油管道本身是否受损。不过，一名美国官员表示，袭击可能由来自伊拉克的无人机实施。消息人士称，目前也不清楚受损设施需要多长时间才能修复。

卫星监测数据显示，周四在沙特东西向输油管道附近发现了9处较大的火灾。不过，其中至少6处的位置似乎与输油管道沿线的火炬坑相对应。火炬坑是石油和天然气设施用于在紧急情况下燃烧排放油气的设施，因此并非所有被卫星探测到的火灾都意味着遭到了袭击。

上述遭袭输油通道的核心作用，是帮助沙特绕开霍尔木兹海峡，将部分原油输送至红海，再通过海运出口。如果这一通道受到持续干扰，沙特应对霍尔木兹海峡通航风险的替代能力也将受到影响。

值得注意的是，周五稍早，央视CCTV国际时讯援引美媒Axios报道称，沙特王储兼首相穆罕默德·本·萨勒曼9月10日曾两次致电美国总统特朗普，敦促美国对也门胡塞武装发动打击，但特朗普拒绝了这一请求。

美国官员称，美国政府目前“无意对胡塞武装采取直接军事行动”。这意味着在沙特能源基础设施遭袭、胡塞武装控制范围扩大的背景下，美国目前仍在避免直接开启针对胡塞武装的新军事战线。

曼德海峡通行量骤降，胡塞公布近期攻势“战果”

新华社报道显示，曼德海峡船只通行量正在明显下降。

据新华社援引沙特阿拉伯行业杂志《中东物流》的数据，10日15时许，仅有6艘船只通过曼德海峡，其中5艘驶离海峡，另有1艘进入；而9日共有30艘船只通过，8日和7日分别为26艘和29艘。

曼德海峡连接红海与亚丁湾，是全球重要航运通道之一。随着胡塞武装近期在也门西海岸扩大控制范围，航运公司面临的安全风险进一步上升。

对于此前攻势，胡塞武装9月11日公布了一组大规模“战果”。

叶海亚·萨雷亚称，胡塞武装自9月3日起发动的攻势针对“沙特支持的力量”，已攻占塔伊兹和荷台达省6个地区，控制面积达5400平方公里；行动还针对对方7个师、38个旅，造成数百人死伤或被俘，并解救多名胡塞武装被俘人员。

胡塞方面同时宣称，期间拦截32架次沙特战机，并击落9架无人机。

这些数据主要来自胡塞武装单方面声明，目前无法由独立渠道全部核实，因此更适合作为其对近期军事行动的战果展示，而非意味着周五当天仍在继续向红海沿岸推进。

事实上，央视新闻当天援引胡塞武装最高政治委员会声明称，红海西海岸各省份的交火已经停止，并呼吁各方向沙特施压，避免局势进一步升级。

伊朗外交部确认：下周一在阿曼与海湾国家会晤

与红海方向的军事风险形成对照的是，霍尔木兹海峡问题出现了新的外交协调信号。

据新华社援引伊朗法尔斯通讯社11日报道，伊朗外交部发言人巴加埃当天宣布，伊朗、伊拉克等波斯湾沿岸国家将于14日在阿曼举行地区会议，就建立霍尔木兹海峡商业航运安全航线交换意见。

此前英国《金融时报》报道称，海湾合作委员会六国外长计划于9月14日、即下周一在阿曼沿海城市塞拉莱与伊朗外长阿拉格齐举行会晤，会议由阿曼主导，目标之一是争取各方支持临时安排，以规范霍尔木兹海峡的商船通行。

《金融时报》报道发布后，巴加埃在社交媒体表示，下周一的会议将在阿曼举行，伊朗、伊拉克及其他波斯湾沿岸国家将参加，议题包括地区问题以及伊朗与阿曼就霍尔木兹海峡安全航线谈判的结果。

他还表示，伊朗和阿曼已经就霍尔木兹海峡临时航道达成谅解。伊朗仍致力于维护海上安全，但在美国海上封锁和“经济战”持续的情况下，无法保证航运安全。

外交层面的这一进展，加上胡塞武装宣布红海西岸停止交火，为周五油价从盘中高位回落提供了部分解释。

截至周四，布伦特原油已经连续五个交易日收涨，按收盘价计算累计上涨12.68%；WTI则连续八个交易日收涨，八日累计上涨22.88%。周五稍早，WTI一度跌至98.48美元/桶，日内跌3.9%；布伦特一度跌至103.50美元/桶，日内跌逾3.8%。

周五美股午盘时段，在沙特输油管遭袭的消息传出后，国际原油并未明显逆转此前跌势，WTI仍处于99.90美元上方，布伦特徘徊105美元上下，跌幅仍超过2%。

这意味着，至少从周五市场定价来看，沙特输油管遭袭和曼德海峡航运骤降带来的供应风险，暂时没有压过霍尔木兹海峡可能出现临时商运安排、以及红海西岸交火停止等缓和信号对油价的影响。

本文来自华尔街见闻，欢迎下载APP查看更多

美国劳工统计局于美东时间11日周五公布的数据显示，8月CPI环比上涨0.4%，同比上涨3.4%，均符合市场预期；剔除食品和能源的核心CPI环比上涨0.3%，高于市场预期的0.2%，同比上涨2.4%、符合预期。在周四公布的PPI同样偏热、国际原油突破100美元/桶关口的背景下，这份CPI报告进一步强化了市场对美联储下周加息的预判。

利率期货市场随即大幅提高加息定价。CPI公布后，市场一度将美联储9月15日至16日会议加息25个基点的概率推升至约90%，随后略有回落，目前约为85%，明显高于CPI公布前的约70%。市场同时开始提高对年内第二次加息的定价。今年内至少有一次加息的概率从一天前的94%升至97%。

“新美联储通讯社”拆解CPI：核心通胀年化降温 但短期趋势重新抬头

有“新美联储通讯社”之称的《华尔街日报》首席经济记者Nick Timiraos在社交媒体上进一步拆解了这份CPI。

他指出，8月核心CPI未经四舍五入的环比涨幅为0.29%，折合年化增速达到3.5%；三个月年化增速从前一个月的1.6%升至2%，六个月年化增速则从2.4%升至2.6%。过去12个月核心CPI同比增速虽然从2.5%小幅降至2.4%，但降幅非常有限。

也就是说，从12个月维度看，核心通胀仍在缓慢降温；但从三个月、六个月等更能反映近期趋势的指标看，降温进程已经出现停滞甚至反复。

Timiraos同时指出，剔除住房的核心服务价格8月环比上涨0.51%，为今年1月以来最高，同比上涨3%；核心商品价格环比上涨0.11%，同比上涨0.7%；住房价格环比上涨0.26%，同比上涨3%。

不过，Timiraos特别提示了8月数据中的一个重要“噪音”：电话服务价格单月暴涨5.4%，创有记录以来最大涨幅，对核心CPI贡献约0.10个百分点。

Blue Trust首席投资官Brian McClard指出，电话服务价格过去约30年来总体一直处于通缩趋势，8月却出现异常上涨。Timiraos回应称，不止是8月，电话服务这一分项在6月同样明显助长了核心CPI。

因此，8月核心CPI的超预期，并不能简单等同于美国的基础通胀全面重新加速。

华尔街主流转向：不一定是通胀失控，但已足以支持9月加息

尽管存在上述噪音，华尔街仍越来越倾向于认为，美联储下周已经很难继续按兵不动。

Nationwide首席经济学家Kathy Bostjancic表示，油价、汽油和柴油价格重新上涨，令人担心能源价格进一步向其他商品和服务传导，并推高通胀预期，因此她已经转而预计美联储将在下周加息。

美银高级经济学家Stephen Juneau则认为，8月数据本身不足以让他更加担忧通胀前景。电话服务价格的大幅上涨“往往是噪音，并会逆转”，但这并不妨碍美联储下周加息。

彭博首席美国经济学家Anna Wong和经济学家Troy Durie也认为，8月CPI可能无法说服FOMC内部的鸽派继续维持利率不变，再叠加市场偏鹰派的反应，美联储下周很可能不得不加息。

《华尔街日报》援引摩根士丹利财富管理首席经济策略师Ellen Zentner称，这份CPI虽然没有前一天的PPI那么“热”，但仍然让美联储在维护抗通胀信誉方面“回旋余地更小”。

Regan Capital首席投资官Skyler Weinand则更加直接：8月CPI虽然基本符合预期，但通胀“仍然过热”，美联储“手脚被绑住”，下周加息“几乎已经确定”。

Sharif：美联储到了“要么行动、要么闭嘴”的时刻

在目前公布各自评论的经济学家中，Inflation Insights创始人Omair Sharif的表态尤其鹰派。

Sharif表示，美联储已经到了“要么行动、要么闭嘴”的时刻——如果美联储在杰克逊霍尔会议上已经发出需要采取行动的信号，那么下周就必须用一次加息来兑现此前的表态，否则就可能沦为“喊狼来了”的故事。

Sharif的以上判断针对的是美联储主席沃什8月在杰克逊霍尔央行年会上的讲话。沃什当时表示，如果美联储无法确信底层通胀正以“明确且足够快”的速度向2%目标靠拢，政策制定者就“还有工作要做”。

Sharif特别指出，8月核心CPI中无线通信服务价格大涨确实存在明显的异常因素，如果剔除这一项，核心通胀涨幅会温和得多。但问题在于，在市场对下周加息的定价一度逼近90%的情况下，美联储已经很难再以单个分项的异常来解释整体数据。

而现在，8月核心CPI环比上涨0.3%，叠加油价突破100美元以及中东局势带来的能源冲击，使沃什下周继续按兵不动的政策空间明显收窄。

Oxford Economics仍留一线：核心PCE或仅涨0.2%，决策仍在“刀刃”上

但并非所有经济学家都认为CPI已经足以决定政策。

Oxford Economics分析师指出，美联储真正盯住的是个人消费支出价格指数（PCE），而不是CPI本身。由于部分核心商品价格涨幅相对温和，他们预计8月核心PCE环比可能仅上涨0.2%，属于相对温和的水平。

如果这一预测成立，美联储下周仍有理由暂缓加息。

不过，Oxford Economics也认为，政策决定已经处于“刀刃”之上。

问题在于，其他多家机构预计8月核心PCE会出现更高涨幅。如果这些预测兑现，可能进一步加剧美联储内部的担忧——尤其是此前已经认为6月和7月通胀降温可能开启一轮良性趋势的官员，可能会重新评估这一判断。

路透社指出，至少两家华尔街机构已经因此改变了此前的政策预测：此前预计美联储9月按兵不动，如今转而预测下周加息。

道明证券策略师放弃按兵不动的预测，目前预计美联储将在9月启动本轮三次加息中的第一次。

包括Oscar Munoz和Gennadiy Goldberg在内的道明策略师在周五发布的研报中写道：“我们预计本轮周期总共将加息三次，后两次升息将在10月和明年1月进行。美联储可能不会提供前瞻指引，但点阵图应会偏鹰。”报告指出：“在8月CPI显示通胀缺乏进展后，我们预计美联储将在9月启动加息周期。”

Hodge：不是通胀重新加速，只是“去通胀道路上的颠簸”

Natixis经济学家Christopher Hodge则给出了相对温和的判断。

他认为，8月CPI并不意味着核心通胀重新加速，而更像是“去通胀道路上的一次颠簸”。

但这并不意味着他反对下周加息。Hodge认为，美联储可能认为有必要通过一到两次加息对经济进行“轻推”，而这很可能从下周的会议开始。

这一判断也恰好解释了目前市场的矛盾反应：华尔街并不一定认为美国通胀已经重新进入失控状态，但越来越多人认为，在通胀降温出现停滞、油价又重新上涨的情况下，美联储有必要通过加息进行保险式的政策调整。

“一次加息”还是“重新进入加息周期”？华尔街分歧浮现

因此，8月CPI公布后，市场关注点正在从“9月会不会加息”逐渐转向“9月加息之后怎么办”。

22V Research全球宏观分析师Peter Williams认为，这份通胀报告“显然不是市场最害怕的那种”，但也不是一份能够彻底解决美国通胀问题的报告。他认为，市场对数据的反应甚至表明，通胀“足够热”从而促使美联储收紧政策，反而可能被视为一件好事，因为市场此前已经开始担心政策过于宽松甚至具有通胀性。

Lombard Odier Investment Managers宏观研究主管兼多资产投资组合经理Florian Ielpo也认为，这显然不是市场最担心的通胀报告，但也远远谈不上彻底解决通胀问题。

Northlight Asset Management首席投资官Chris Zaccarelli则表示，不能说美联储下周“一定”会加息，但很难想象在这样的数据面前，美联储还能找到维持利率不变的理由。

Plante Moran首席投资官Jim Baird认为，8月核心通胀比理想水平更高，使下周的政策会议更加关键。如果美联储再次按兵不动，市场对于“美联储到底在等什么”的质疑将会变得更加尖锐。

eToro美国投资与期权分析师Bret Kenwell则把焦点放到了加息之后。他认为，如果美联储把这次行动描述为针对通胀重新升温的“保险式加息”，而不是新一轮持续紧缩的开始，那么市场可能将其解读为一次“鸽派加息”。

这种情况下，短端美债收益率可能维持高位，但长期美债收益率进一步上行的压力反而可能得到控制。

市场9月加息预期高涨 12月是否再加成为新悬念

CPI公布后，利率期货已经迅速反映出这种政策预期变化。

市场一度将9月会议加息概率推高至约90%，随后回落至约85%，仍明显高于CPI公布前的约70%。与此同时，年内第二次加息的可能性也有所上升。

这意味着，市场对于9月加息的争论正在迅速降温，而更大的问题变成了：这究竟是一次“保险式加息”，还是新一轮加息周期的起点？

从Timiraos对三个月、六个月核心通胀年化指标的拆解来看，近期通胀趋势确实没有此前看起来那么顺畅；从Oxford Economics的判断来看，PCE口径又可能比CPI温和；而从Hodge等人的观点看，8月数据仍可能只是去通胀道路上的一次短暂反复。

因此，下周美联储会议真正值得关注的，或许不只是25个基点本身，而是沃什将如何解释这次行动，以及他是否会暗示未来还需要进一步加息。

如果美联储把9月行动定义为一次针对通胀风险的“保险式加息”，那么市场可能将其视为“鸽派加息”。而如果沃什释放出连续紧缩的信号，那么美债收益率和风险资产面临的重新定价压力，可能才刚刚开始。

本文来自华尔街见闻，欢迎下载APP查看更多

据密歇根大学周五发布的初步调查结果，9月美国消费者信心指数从8月的51.7降至47.8，低于彭博经济学家调查的所有预测值。消费者对未来一年通胀的预期从4%跳升至4.6%，5至10年长期通胀预期也小幅上行至3.4%。

本次信心下滑有明确的触发因素：汽油价格已升至9月份有记录以来的历史最高水平，美伊冲突持续推高能源成本，直接侵蚀美国家庭的实际购买力。

本次调查覆盖8月25日至9月7日期间的受访者反馈，彼时正是汽油价格加速上涨、贸易紧张情绪升温的阶段。

与此同时，周五发布美国8月核心CPI同比2.4%创五年半来最低水平，环比0.3%超预期、为4个月来最大涨幅，交易员预计美联储下周加息概率约为90%。

本次调查中，衡量未来前景的预期指数跌幅尤为突出，从51.5骤降至45.8；反映当前状况的现状指数相对平稳，从51.9小幅降至50.9。

消费者对未来一年经济状况的判断降至2022年7月以来最低水平，当前及未来财务状况的评估也双双恶化。

值得关注的是，自2023年以来首次出现多数消费者预期美联储将在未来一年内加息——这一转变折射出市场对通胀重燃的深层担忧。

此次信心下滑具有明显的跨党派特征。调查显示，来自两党的消费者信心均出现下滑，其中仅有35%的共和党受访者认为政府在经济管理上表现良好，为特朗普去年重返白宫以来的最低读数。

密歇根大学调查主任Joanne Hsu在声明中表示：

"本月民众对政府经济政策的评价下降约10%，仍远低于2026年2月、即伊朗冲突爆发前的水平。值得注意的是，即便是通常支持现任政府经济政策的共和党人，其满意度也出现了显著下滑。"

本文来自华尔街见闻，欢迎下载APP查看更多

但在这场以榜单命名的发布会上，高德真正想强调的或许并不是榜单本身。

同日，高德推出3D原生城市世界模型ABot-Earth 0.7，并以“空间智能”重新组织扫街榜的产品体验。

一年前，扫街榜主要利用导航和到店行为判断一家店“值不值得去”；今年，高德推出飞行街景2.0、避雷指南和导航Live，并借助Agent能力，把这种判断延伸到具体的形成规划中。

这背后，是高德试图改变AI时代下，自己在用户决策链条中的位置。

依托长期积累的位置、路线和实时交通数据，高德希望进一步理解用户需求和现实环境，提前判断一次行程可能遇到的问题。

但问题也随之而来：空间智能能否真正提高消费决策的可预测性，并帮助高德摆脱“用完即走”的工具属性，找到可持续的商业模式？

向时空扩张

高德选择从空间智能切入AI，与它过去二十年积累的数据类型有关。

地图连接的是一个不断变化的物理世界。高德披露，其月活跃用户接近10亿，日调用北斗卫星定位峰值近万亿次，并已沉淀数十万亿级时空样本。

这些数据来自路网、建筑、地形和街景，也来自一次次导航、避堵和路线纠错。

与互联网内容平台不同，高德的出行数据并不主要来自用户主动发布，而是在真实移动过程中持续产生。

一条道路什么时候开始拥堵，一家店有多少人专程前往，一个商圈在不同时段的人流如何变化，一次导航最终有没有抵达，这些行为都会更新高德对现实世界的判断。

扫街榜本身可以被视为这类数据进入消费决策的第一次集中尝试。

2025年，高德开始用专程前往、多次到店和本地用户偏好等行为计算商家评分。

扫街榜2026进一步提高专程前往、反复到店等行为的权重，并在咖啡等专业性较强的品类中引入行家评分。

相比一次线上评价，专程前往和反复到店意味着用户付出了实际的时间和出行成本，也更能反映真实偏好。正如高德CEO郭宁所说：“评论可以生成，脚步无法伪造。”

但识别一家店是否值得去，只解决了消费决策的第一步。从决定前往到真正抵达，中间还隔着路况、天气、排队、停车和营业时间等一系列现实变量。

按照高德在发布会上的解释，真实世界包含四类信息：道路之间如何连接，现实空间是什么结构，不同时间会发生什么变化，以及人流、车流等要素如何流动。

高德的想法是，把这些信息都汇到一个系统里。这样它不光能还原真实世界的三维样貌，还能实时感知变化，并推演接下来可能发生什么。

所谓向空间扩张，就是地图不再只提供一个坐标和一条路线，还要呈现目的地内部是什么样。

今年1月，高德启动“百万烟火好店支持计划”，投入价值数亿元的算力资源，为100万家商家免费接入“飞行街景”。

此次发布的2.0计划延续免费接入飞行街景，并增加最高4800元经营年费减免、免费AI店长和消费补贴，支持范围由三维展示进一步延伸至日常经营。

华尔街见闻·全天候科技了解到，目前飞行街景仍以景区等合作点位为主，商家室内场景主要依靠自行拍摄上传。受素材供给及相关要求影响，其覆盖仍需通过商家授权和外部合作逐步扩大。

向时间扩张，则是让地图不只显示此刻的状态，还要判断用户在行程中途可能遇到的复杂变量。

发布会上，高德展示了一份贵州五日游攻略。大模型生成的行程表面上安排完整，但加入节假日交通、天气、景区承载量、停车情况，以及同行者中是否有老人和儿童等变量后，一些安排可能并不能按计划完成。前一段行程延误，也会影响后续的预约和路线。

避雷指南把这种判断放进具体产品。它从营业时间、行程节奏、停车、拥挤程度等15 个维度检查计划，提前提示闭店、堵车和时间冲突。

在产品中加入Agent规划能力，也扩大了高德能够理解的信息范围。

在用户主动输入和授权的前提下，方案是否被接受、怎样被调整以及最终能否完成，也可以成为下一次规划的反馈。

这些上下文信息最终服务于消费行程的可预测性，从而进一步优化产品体验。

高德的AI化路径，也由此从记录人和地点的关系，走向理解用户意图并预演真实行程。

这既是产品体验的延伸，也是高德摆脱单一导航工具身份的再度尝试。

新坐标仍待确认

AI没有消除高德长久以来的问题，反而让这个问题变得更复杂：庞大的地图流量之外，高德究竟应该建立怎样的商业模式和能力边界？

过去，高德尝试通过广告、聚合打车和本地生活承接流量；扫街榜则把导航进一步前移至消费决策环节，让高德不只回答“怎么去”，也开始介入“去哪里”。

在C端，AI延续了这一方向，通过理解用户需求和上下文，增加高德在消费决策链条中的触点。但这只是本轮AI化的一部分。

高德拥有足够大的用户基础，也试图以导航、到店等真实行为数据和具备烟火气的特色小店形成差异。

但由于缺少美团式的地推铁军，其本地生活生态仍有短板，商家服务能力和体验闭环因此受限。

AI可以帮助高德更早地理解需求，却无法独立补齐这些短板。

这意味着，高德若想继续向本地生活深入，仅靠地图流量和AI能力并不够，还需要借助阿里现有的商家、交易和履约体系。

这也使高德的商业化问题与其在阿里内部的位置联系起来。

2025年高德全面AI化时，恰好处在阿里两条核心战略的交叉处。

当年8月，阿里巴巴集团首席执行官吴泳铭在业绩会上表示，高德地图2025是“全球首个基于地图的AI原生应用”，并称其有机会通过AI升级成为“未来生活服务的重要新入口”。

彼时，阿里通义实验室与高德达成深度合作，由通义Qwen提供模型底座能力，双方共建覆盖空间感知、时空意图理解等模型的大模型簇，高德借AI强化用户入口。

变化出现在当年11月：阿里推出"千问"项目及同名App，两个月后C端月活破亿，12月又成立千问C端事业群。千问从模型能力变成独立的C端入口。

但进入2026年，阿里的两条主线开始被重新组织。

AI一侧，千问消费者业务、模型实验室和QwenWork被整合进“AI实验室与应用”；消费侧则进一步向淘宝、闪购、飞猪等组成的大电商体系集中。高德没有被完整收进其中任何一边。

阿里内部的变化，让高德必须重新定义自己需要完成什么。

阿里判断，未来将有大量AI智能体承担数字化工作；千问则通过统一界面协调跨平台资源。在这一框架下，统一入口与垂直应用并不必然冲突，也为高德继续深耕位置场景留下了空间。

此次上线的“避雷指南”就是一次尝试。它不只提供地点信息，还会结合实时状态，对整段行程进行时空推演和风险校验，带有更强的任务型Agent色彩。

同时，高德也在尝试把时空能力直接产品化，开拓B端商业化。

2026年4月，高德发布四足机器人“途途”，将世界模型和具身导航能力用于开放环境；随后，3D原生城市世界模型ABot-Earth系列、通用世界模型工坊ABot-World Studio陆续问世。

7月，高德与哈啰、上海海思和开源鸿蒙推出共享两轮AI原生导航方案。9月10日，梅赛德斯-奔驰成为高德扫街榜全球首个汽车合作伙伴，扫街榜能力将进入奔驰智能座舱。

从机器人、世界模型到两轮车和汽车座舱，高德正尝试把地图、导航和时空数据封装成面向车企、硬件厂商及行业客户的空间智能服务。

AI时代，高德面对的已不只是如何把地图流量变现，而是如何重新定义这套时空能力的商业价值。

本文来自华尔街见闻，欢迎下载APP查看更多

劳工统计局周五公布的数据显示，美国8月CPI同比上涨3.4%，持平预期和前值，环比0.4%符合预期，较前值的0.1%显著上行。

剔除食品和能源后的核心CPI环比上涨0.3%，超出市场预期的0.2%，为4月以来最大单月涨幅；同比涨幅则从前值2.5%小幅度回落至2.4%，为2021年3月以来最低水平，符合整体预期。

数据公布后，美股期货短线走低后反弹，截至发稿三大期指均涨超1%；黄金涨幅达1.5%，10年期美债收益率小幅下行。

交易员预计美联储下周加息概率约为90%。据华尔街见闻此前文章，摩根大通市场情报团队前瞻分析称，0.3%的环比意味着美联储将在下周加息，而0.2%则按兵不动。

下周加息板上钉钉？

CPI公布后，市场迅速调整对美联储政策的预期。9月FOMC加息25个基点的概率升至90%以上，几乎接近完全定价。

高盛短期宏观交易员Brian Bingham则认为，美联储目前正处于一个非常微妙的位置。沃什此前曾表示，不希望过度关注小数点后的数字，但现在市场关注的恰恰是核心CPI究竟是0.2%还是0.3%。

在Bingham看来，0.3%的核心CPI已经足以支持9月加息。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博报道，IEA在9月月度报告中将今年全球石油需求降幅预测上调至每日250万桶，较上月预测深化94万桶，为2020年新冠疫情冲击以来年均需求最大跌幅。

IEA不再预期霍尔木兹海峡今年会重新开放航运，同时警告称，随着供应持续受限、商业库存缓冲迅速耗尽，"未来数月可能需要进一步压缩需求以弥合供需缺口"，2026年和2027年将是全球石油需求增长的“失落时期”。

受上述警告影响，布伦特原油期货从盘中逼近110美元的高位急速回落约3.5%，跌至103美元附近。尽管如此，油价本周仍录得7月以来最大单周涨幅，年内累计涨幅已逾70%。

供应缺口持续扩大，库存以创纪录速度下降

IEA在报告中将今年全球石油供应年均降幅预测下调至每日570万桶，较上月预测再降130万桶，并将供应恢复预期推迟至明年。综合供需两端，今年全球石油供应缺口预计约为每日175万桶，高于上月报告中每日130万桶的预测。

IEA将此次危机定性为"创纪录的供应中断"。

报告数据显示，今年2月至8月间，全球石油库存以每日280万桶的速度加速下降。第四季度库存预计将继续下滑，而IEA此前曾预测同期库存将出现小幅回升。IEA 8月报告还曾预计市场将于今年底前恢复供应过剩，如今这一判断已被彻底推翻。

霍尔木兹危机冲击流通，战争对供应的打击超过需求端

IEA指出，此次战争对石油流通的冲击甚至大于对消费端的影响，这正是供应缺口持续扩大的核心原因。霍尔木兹海峡咽喉要道持续受阻，能源基础设施遭受攻击的范围从波斯湾延伸至俄乌战场。

据彭博报道，伊朗支持的胡塞武装声称击中了沙特阿拉伯东西输油管道——该管道连接红海出口终端，是绕开霍尔木兹海峡的关键替代通道。与此同时，胡塞武装向毗邻战略要地曼德海峡的沿海地区推进，逼近红海南端的莫卡港。沙特石油产量上月再度下滑，降至1990年以来最低水平。

RBC Capital Markets分析师Helima Croft在研报中写道："沙特与胡塞武装全面战争的重燃，可能成为触发我们高油价情景的催化剂。"

柴油短缺冲击全球，亚洲石化产业首当其冲

IEA警告，2026年石油需求所受冲击的规模，可与过去60年中四次最大能源危机相提并论，冲击最为集中的领域是柴油等中间馏分油，以及亚洲石化工厂的原料供应。

柴油短缺已在全球范围内引发连锁反应。美国柴油裂解价差目前约为每桶110美元，全美工业用柴油零售均价达到每加仑6美元的历史高位，加利福尼亚州部分加油站价格已突破每加仑9.99美元。

Capital Economics大宗商品分析师Hamad Hussain警告，库存耗尽叠加中国需求早期复苏迹象，令油价对中东供应的任何新一轮中断高度敏感。前高盛大宗商品业务负责人、现任Real Macro负责人Jeff Currie在接受CNBC采访时表示，中国买家正在积极入市竞购原油，"我实际上更看重中国重返市场这一因素"。

外交斡旋现曙光，市场密切关注海湾局势走向

在地缘紧张持续升温之际，外交层面出现一丝缓和迹象。据彭博报道，海湾合作委员会六国正考虑于下周与伊朗官员举行会谈，议题涉及霍尔木兹海峡通行问题。

UBS分析师Justinus Steinhorst在研报中指出："布伦特原油在胡塞武装与曼德海峡局势引发双重咽喉要道担忧的背景下维持105美元上方，10年期德国国债收益率升至2009年以来最高，10年期美债收益率也逼近5%关口。"

市场当前面临的核心矛盾在于：战争对供应端的破坏远超需求端的自然调节速度，而IEA的最新警告表明，在供应恢复前景依然模糊的情况下，需求侧的被动压缩或将成为平衡市场的唯一出路。

本文来自华尔街见闻，欢迎下载APP查看更多

高盛前大宗商品业务主管、现任Real Macro负责人Jeff Currie周四接受CNBC采访时表示，此轮布伦特原油涨势已越来越难以被定性为短暂冲击。他警告称，市场正在低估一个由实物商品长期供给短缺所驱动的通胀周期。"旧经济正在反扑，"Currie说，"你在利率市场看到了，你在大宗商品市场也看到了。"

与此同时，汇丰全球大宗商品首席经济学家Paul Bloxham本周在研究报告中同样发出警示，称一场"超级挤压"已经开始，与Currie的多头判断形成呼应。

中国需求回归，成为油价上涨的核心驱动力

面对外界将本轮油价上涨归因于海湾地区冲突升级的解读，Currie明确表示，他将更大的权重放在中国需求的重新入场上。他表示，在结束新加坡和香港之行后，他观察到强烈的中国买盘兴趣。

Currie解释称，今年夏季早些时候，由于获取原油的渠道趋紧，中国曾削减炼厂运营规模并减少成品油出口，这在一定程度上加剧了全球精炼产品的供给紧张。然而，异常高企的柴油利润随后创造出强烈的重启激励——炼厂陆续恢复生产，带动原油需求重新涌入一个本已承压的市场。

柴油裂解价差破纪录，精炼利润超过原油本身

此轮行情中最引人注目的信号之一，是美国柴油裂解价差已升至每桶110美元——这一数字甚至超过了原油本身的价格。裂解价差衡量的是炼厂将原油加工为成品油所获得的利润空间，而非成品油的绝对价格。

"这是相当可观的利润，"Currie表示。如此高企的精炼利润，既是推动中国炼厂重启的直接诱因，也是当前实物商品市场供需失衡程度的直观体现。

"这不是暂时的"：结构性通胀叙事正在成形

Currie指出，此轮布伦特原油涨势正在展现出更强的持续性特征——股票市场和远期油价均开始反映一种更为持久的供给扰动预期，而非短期冲击。

他将这一轮通胀压力的根源追溯至多年来对实物商品生产和运输产能的系统性投资不足，并认为这一结构性矛盾在利率市场和大宗商品市场均已有所体现。

"人们开始意识到，这不是暂时的，"Currie说，"这一次的味道不一样。"

这一判断与他此前夏季对实物市场稀缺性的预警一脉相承，也与汇丰Paul Bloxham关于"超级挤压"已经开启的最新警示相互印证，共同指向一个正在成形的市场共识：大宗商品的结构性短缺，或将成为未来通胀走势中难以回避的变量。

本文来自华尔街见闻，欢迎下载APP查看更多

10年期美债收益率周四一度升至4.96%，逼近5%这一被众多投资者视为股市潜在威胁的心理关口，创近三年来新高。与此同时，市场对美联储下周加息的预期持续升温，据LSEG数据，联邦基金期货显示美联储本月加息25个基点的概率约为70%。

收益率上行与加息预期叠加，令已从8月中旬历史高位回落2.7%的标普500指数承压。State Street宏观多资产策略师Cayla Seder表示，"我们正处于一个充满不确定性的时期，收益率上升与加息预期同步走高，市场整体的紧张情绪必须被计入定价。"

加息预期升温，市场押注"剃刀边缘"

美联储新任主席Kevin Warsh上月发表的讲话被市场普遍解读为鹰派信号，此后加息押注明显升温。美联储今年迄今维持利率不变，但强劲的就业数据为加息提供了新的支撑——最新非农就业报告显示月度新增就业人数超出预期。

通胀方面，美联储重点参考的核心个人消费支出（PCE）价格指数7月同比增速为3.3%，仍显著高于2%的政策目标，进一步强化了市场对通胀黏性的判断。

BNY Wealth首席投资官Alicia Levine将当前局面形容为"剃刀边缘"，称"这是很长时间以来第一次，市场真切感受到结果可能完全两分"。联邦基金期货目前显示，美联储将现行3.5%至3.75%的利率区间上调25个基点的概率约为70%。

单次加息还是新一轮周期，是关键分歧

投资者目前最关注的，并非加息本身，而是此次行动是否预示着新一轮紧缩周期的开启。

Levine表示，"如果美联储发出信号说'我们还有工作要做'，那对市场来说不会是好消息。"她指出，若加息被定性为周期性举措而非孤立操作，市场所受冲击将远大于单次调整。

Citi Wealth投资组合策略主管JP Coviello则将此次会议定性为对Warsh抗通胀公信力的一次考验。他表示，"市场对美联储独立性仍存有一定担忧"，这一因素在7月新主席首次新闻发布会后已引发市场关注。

收益率上行冲击股市，小盘股与估值承压

收益率持续走高对股市的传导路径已逐渐清晰。更高的国债收益率意味着债券对资金的吸引力上升，直接压制股票估值，并推高企业和消费者的融资成本。

Coviello认为，此轮收益率上行源于"正当理由"，即经济增长预期改善，而强劲的企业盈利表现也为股市提供了基本面支撑。他表示，"从企业层面盈利增速的变化幅度来看，我们认为这足以抵消实际收益率上升对股票投资的负面影响。"

然而，市场内部的分化正在加剧。对利率敏感的板块面临更大压力，尤其是依赖债务融资的中小市值公司。标普500指数年内累计涨幅约11%，主要受益于AI基础设施大规模投入带动的企业盈利增长，但近期已出现明显回调迹象。

CPI报告成下周关键变量

在美联储会议召开前，今晚，市场还将迎来一份关键的通胀数据——消费者价格指数（CPI）报告，其结果可能直接左右美联储的最终决策，并对收益率走势产生即时影响。

与此同时，美伊紧张局势本周推动油价突破每桶100美元，进一步加剧了市场对通胀前景的担忧，也为美联储的政策判断增添了新的变量。

5%的收益率关口是否会被突破，取决于即将公布的通胀数据与美联储的政策表态。对投资者而言，这一数字不仅是技术层面的心理关口，更是重新评估股债相对吸引力的重要参照。

本文来自华尔街见闻，欢迎下载APP查看更多

据美国汽车协会（AAA）数据，柴油全国均价已升至每加仑6.0556美元，加利福尼亚州价格更逼近每加仑8美元。随着秋季取暖及农业用油需求季节性回升，价格上行压力短期内难以缓解。

柴油价格创纪录的直接冲击将逐步向下游传导。作为食品、运输及建筑业的关键投入品，高企的柴油成本最终将反映至消费者端，进一步加剧整体通胀压力。与此同时，距美国中期选举仅剩逾50天，能源价格飙升对特朗普所在的共和党而言政治压力同样不容小觑。

全球柴油供应的收紧，根源在于多个关键节点遭受持续打击。

在俄罗斯，乌克兰对其炼油设施发动的数月无人机打击已造成显著减产，导致俄罗斯柴油出口量跌至十年低点。在中东，霍尔木兹海峡的航运时断时续叠加炼油产能损失，令该地区柴油生产与分销双双受限，燃油货运量仍远低于战前水平。

本周，霍尔木兹海峡及曼德海峡附近战事进一步升级。据彭博报道，美国与伊朗似乎均在为一场旷日持久的战争做准备，这意味着能源价格高企的局面可能延续更长时间。

柴油并非普通消费品，而是支撑现代经济运转的基础能源。

发电、家庭取暖、农业机械、公路货运——这些领域无不高度依赖柴油。尽管大多数美国消费者并不直接购买柴油，但其价格变动通过供应链渗透至食品价格、物流成本及建筑造价，最终由普通消费者买单。

季节性因素令当前局势更加棘手。进入秋季后，取暖用油需求与农业消费同步攀升，恰为历年柴油消费的传统旺季，供需缺口面临进一步扩大的风险。

价格飙升在政治层面的冲击同样不可忽视。距中期选举仅剩逾50天，高油价对共和党的选情构成直接威胁。

全美取暖油依赖程度最高的缅因州，以及俄亥俄、堪萨斯、艾奥瓦等农业大州，或将成为能源价格敏感的关键战场。

然而，白宫目前可动用的政策手段已所剩无几，主要选项不外乎进一步动用战略石油储备或实施出口禁令。美国内政部长Doug Burgum在被问及柴油出口管制问题时表示"所有方案均在讨论之中"，但同时承认，此类措施在历史上曾推高而非压低国内价格，暗示政策选项的实际效果存在较大不确定性。

本文来自华尔街见闻，欢迎下载APP查看更多

作者 | 周智宇

无人城配的竞争，正在车辆买卖之外展开。

京东物流提出五年采购100万辆无人车的计划，并为配送车引入地平线计算方案；新石器借助滴滴货运，争取商户按需配送的订单。

9月10日，九识智能扩大租赁加盟，通过自营和加盟车队提供分时租赁、按单付费等服务。整售、整租面临更多价格竞争，九识希望把只需用车几小时的小货主也接进来，在售车和自动驾驶订阅之外增加运输收入。

九识智能联合创始人、CCO周清向华尔街见闻透露，公司已在45个城市开通自营车队，其中约三分之一跑出了正向商业模型。这些经营样本给了九识扩张的底气，但支撑车队扩张的货源，也正是其他玩家争抢的生意。

2026年，无人城配的争夺正从快递网点之间的固定短驳，延伸到商户临时叫车的运输需求。技术降低了新路线的部署负担，车企和智驾公司加速入场，物流平台也开始参与车辆开发。供给越来越多，原有的无人车厂商开始向下游争取运输订单。

厂商下场找货

“之前以整售和整租为主，后面我们发现这个行业进入的玩家越来越多，我们一定会产生价格竞争，这是不可避免的。”周清对华尔街见闻表示。

客户的用车情况，让九识找到了另一种做生意的办法。九识CEO孔旗介绍，一些快递客户每天只用车五六个小时，剩余时间车辆就停在院里。这些客户开始把闲置时段租出去，进而组建车队，承接其他运输需求。

有些货主偶尔才需要几小时用车、一次配送，不愿为此买车或长期租车。按需付费让车队能够承接这些零散需求，服务更多小货主。

今年5、6月，九识在45个城市启动租赁试点。周清介绍，公司希望通过车队把零散、分时的运输需求与计划性物流任务整合起来，提供运力服务。

九识因此要在车辆交付后，继续和合作伙伴找订单、做调度、提供现场服务。按单付费的货主没货时可以不下单，持有车辆的一方却已经掏了钱。货主用不满一辆车的问题，转到了车队手里。

“租车一定会有资金压力。”周清坦言。他希望用更高的车辆使用效率消化资产投入。

新石器创始人、CEO余恩源把夜间物流视为一块新的市场。今年8月，他在世界机器人大会上表示，在公司的青岛无人车运力网络中，夜间订单已经开始超过白天。

车队需要的订单，得能填进空闲时段和返程路线。孔旗介绍，在湖北一个邮政项目中，无人车把快递送进乡村后，还会把当地农产品带回来。对于已有固定线路的车队，这类返程货源，意味着有机会在不增加车辆的情况下多接一笔运输生意。

公司先通过自营验证，再招募更多加盟商。周清认为，有了这些案例，合作伙伴才更愿意参与。他预计，未来可能形成几百个加盟车队、几十个核心自营车队的结构。

通过加盟，九识可以借助更多当地伙伴投入车辆、开发客户。但运营权限并未随之全部放开。周清介绍，涉及安全监控、网格员管理等工作，九识目前只向经过筛选的合作伙伴开放部分权限。加盟商可以分担投入和获客，九识仍要参与车辆交付后的运营，扩张就绕不开各地的服务成本。

九识也在约束同城加盟商之间的竞争。9月10日，公司给部分现场签约的加盟商设置了城市保护期，其间不再引入新的九识租车加盟商。孔旗在现场解释，要让合作伙伴有钱赚，否则多人进入同一市场，相互压价，生意就难以持续。

没有新增货源，同城继续铺车，就是把有限的订单分给更多车辆。九识扩大加盟，需要当地伙伴带来的投入，更需要这些车后续能够接到的运输任务。

订单的入口在变

新石器也在争取货主的零散运输需求，选择借助货运平台接近客户。其与滴滴货运合作的按需叫车模式始于2025年中，今年3月，公司披露其按需配送服务已累计完成超过150万笔订单，并计划年内扩展至50座城市。货主可以通过手机发起点到点运输需求，按次购买服务。

车队和平台把车辆、调度与客户需求接在一起，货主可以只购买一趟配送或几个小时的服务。九识通过自营和加盟拓展客户，新石器借助平台连接需求，争取的都是具体的运输任务。

今年这轮竞争，对先行者更棘手的地方在于，新对手进入城配的时间很短，技术和量产积累却未必少。做乘用车智驾的企业可以复用算法，整车厂可以提供制造能力，它们有机会少承担一部分从零研发、摸索供应链的投入。

一名智驾公司技术高管对华尔街见闻表示，他们也一直在等自动驾驶技术更成熟、前装量产方式更可靠，以及具备安全运营千辆规模车队的能力。这三件事情成熟之后，相关技术和运营经验才能在不同车型间充分复用。过早投入会带来资源浪费和重复劳动。九识也在为整车厂提供进入无人驾驶市场的路径。通过Zelos Inside业务，九识向整车企业输出自动驾驶能力，东风、宇通等已经与其开展合作，广汽领程也在9月10日与其签署战略合作协议。

九识生态与创新事业部总经理薛亚鹏将此形容为，一些原先视为竞争对手的企业，正逐渐形成“既竞争又合作的状态”。他还提到，整车厂除了制造能力，也有更广泛、成熟的传统车辆客户，这些客户正在面对无人化转型的需求。

更多品牌进入无人车市场，可能分走九识的整车订单，也可能增加它的技术订单。借助合作补齐自动驾驶能力后，整车厂还可以向既有客户推销无人驾驶车型，减少从头开拓市场的投入。先行者积累的技术，也在帮助后来者争取客户。

新的运输需求能否被接下来，还取决于车辆部署的方式。“无图”技术正在减少新路线的准备负担。Momenta今年7月在苏州相城落地RoboVan时，采用了乘用车量产业务积累的无高精地图技术；孔旗也在9月10日介绍，九识从8月开始交付的车辆，已采用不依赖预先采集高精地图的方案。

在固定的快递短驳线路上，采图、适配的投入可以摊在长期任务里。换成商户临时叫车，每次运输的起终点都可能不同，如果一条新路线还要经过较长的准备，车再便宜，也很难接下这笔生意。减少对预先采图的依赖，才有机会把这些小单组织成可以持续经营的业务。

按次购买运输服务，让货主少了与单一车辆品牌绑定的理由。在有多家可用运力的地方，下一趟货交给谁，可以重新比较价格和时效。

行业先行者有机会触达更多客户，也得持续争取这些客户的订单。卖运力，同样躲不开价格竞争。

货源带来的筹码

无人车厂商向下游走，会遇到已经握有货源、也有能力组织供应商的企业。

9月9日，京东物流宣布未来五年采购100万辆无人车的计划，地平线同日宣布获得京东物流无人车项目定点。京东既释放采购需求，也亲自参与产品开发、选择计算方案。

这类买家采购无人车，是要把车辆接入已有的物流网络。厂商需要适应客户的调度和作业流程，交付后的运输任务也由客户掌握。合格的车辆和技术方案越多，京东就越有条件比较报价，把无人驾驶带来的降本收益留在自己的物流网络里。

货运平台则可以组织更多分散的货主。在深圳龙岗8月公布的试点方案中，新石器提供技术，地上铁持有车辆资产，货拉拉提供订单与撮合，东部公交负责运维。首批计划投放50辆车，先在龙岗四个街道夜间运营。

货拉拉相关负责人指出，他们将在试点中提供物流订单入口和供需匹配撮合。

车辆资产、技术和现场运维由合作方提供。新石器借此获得资产和货源支持，可以减轻车辆投入和客户开发的负担，运输收入也要覆盖各方的成本。

技术公司借平台接近货主，接单的入口仍在平台。对于希望扩大技术服务收入的企业，这种分工可以减少直接开发货主、组织车队的投入。

前述智驾公司高管谈及其货运业务规划时表示，公司现阶段需要多参与一些经营环节，但随着技术成熟，希望逐步聚焦自动驾驶解决方案，由合作伙伴持有车辆、经营车队。

九识发展自营和加盟车队，则希望把货主和当地车队接进自己的服务体系。公司已推出面向货主的租车平台，以及面向加盟商的运营管理系统，覆盖订单、调度、定价和结算，并承诺向合作伙伴永久免费开放。总部还会提供线上推广和客户线索。车辆交付后，九识仍可以参与订单组织和车队运营。

这需要九识投入资金和当地经营力量，也让它与物流企业、货运平台的关系变得更微妙：它既需要这些客户和伙伴带来订单，又希望直接经营一批属于自己服务体系的货主。

随着可供选择的车辆和技术方案增多，掌握稳定货源的一方，更有条件挑选供应商、商定合作价格。九识等先行者争取运输生意，也是在为自己积累这样的筹码——让下一轮车队扩张跟着自己的订单走。

本文来自华尔街见闻，欢迎下载APP查看更多

野村证券中国互联网月度追踪报告及QuestMobile监测数据称，红果短剧独立App日活达到1.68亿，同比增长107%，超过爱奇艺、腾讯视频、优酷和芒果TV四款App约1.55亿的简单加总。

这个口径衡量的是移动端每天打开应用的用户，也恰好指向本轮变化最先发生的地方：红果正在成为一种日常视频入口。

这个变化发生在两个层面。

用户侧，红果把剧集装进类似短视频的信息流，免费观看、连续推荐，用户由“为一部剧打开平台”转向“先打开平台再找剧”。

供给侧，字节将IP、外部制作、生成工具、分发和结算接入同一体系，让更多作品以更短周期进入市场。

前者解释日活为何迅速上升，后者决定这种增长能否得到持续供给。

红果与长视频平台的差异，由此不只是内容长短，而是内容如何生产、用户如何进入，以及平台如何承担项目风险。

01 从“找剧”到“刷剧”

红果首先接住了短剧市场扩张的用户基础。

QuestMobile数据显示，2026年2月，短剧行业月活用户达到7.18亿，红果月活为3.04亿；5月，覆盖独立App及微信、抖音小程序的短剧去重用户增至8.51亿；6月红果月活进一步升至3.68亿，同比增长73.7%。

短剧已经从新兴品类转为大众娱乐，红果则把分散在小程序和信息流中的需求，集中到一个独立App内。

免费模式改变了用户进入剧情的成本。

中国网络视听协会发布的报告显示，2024年，IAA免费短剧的市场份额从1月的11%升至10月的50%。

此前的小程序付费短剧常在剧情转折处要求充值，收入取决于用户是否为下一集付款；红果以广告换取免费观看，平台更关心用户今天看了多久、明天是否回来。签到、金币和连续观看奖励围绕这一目标展开，将单次观看变成连续使用。

更重要的变化发生在内容选择上。

红果把抖音式的消费机制移植到剧集，自动连播和算法推荐不断提供下一段剧情，用户无需在每次打开前确定片名。

长视频更像内容目的地，用户往往因为某部剧、综艺或IP进入平台，搜索、收藏和排播围绕具体项目展开；红果更像时间入口，观看对象可以更换，刷剧动作却能持续。

红果因此把短视频的“刷”和长视频的“追”叠加起来。

推荐流负责发现内容，连续剧情负责制造悬念和留存，签到与奖励再强化使用习惯。

一位漫剧从业者直白地向华尔街见闻描述了这种感受：“用户不是在看长剧和看短剧之间选择了看短剧，而是在刷视频和看短剧之间选择了看短剧。”

短剧的时长和节奏为这种使用方式提供了条件。

单集通常只有数分钟，冲突出现更早，用户可以在通勤、午休和睡前随时进入，同一天内形成多次观看。

QuestMobile的夜间消费报告显示，2026年5月，红果在18时至20时两个时段的用户活跃比例均较上年同期提高0.9个百分点。短剧正在从零散空闲时间进入晚间休闲时段，日常使用的窗口随之扩大。

而长视频的活跃曲线更多由重点排播塑造。

头部剧集或综艺上线，独家内容会快速拉升平台活跃；项目收官或排播进入空档，用户随之回落。红果依靠连续推荐，将这种压力分散到更大的剧库：一部作品表现减弱，下一部可以立即接续。

日活越过四家长视频App，反映的正是两种召回方式的差异，即长视频主要用内容召回用户，红果还可以用习惯召回用户。

02 内容开始高周转

“刷剧”成为日常后，平台的关键问题从内容数量转向流速。

这里的周转不只是拍摄更快，还要压缩项目从IP进入、匹配制作方、上线、取得播放和广告收入，再把结果带回下一轮立项的时间。红果经营的是一批项目同时进入、退出和重新排序的循环。

这套循环在真人短剧阶段已经形成。

红果从番茄小说等渠道取得IP和剧本，以版权采购、定制或联合出品推进项目，外部公司负责选角、拍摄和后期。

平台连接需求和产能，制作方按项目投入人员和资金。一个团队完成拍摄后即可承接下一部，红果持续获得新内容，供给不受自有制作规模限制。

2026年4月，红果短剧创作服务平台与抖音集团短剧版权中心整合为“短剧创作者中心”，缩短项目寻找资源的时间。

IP选取、投稿、制作承接、项目撮合、成品经营、数据复盘和结算进入同一入口，各类创作者和投资出品方围绕需求匹配。平台由此掌握播出流量以及项目从立项到回款的主要接口。

这些接口决定了周转的三个速度。

首先是项目速度，同一时期可以有更多作品并行制作和上线；

其次是判断速度，一部剧的完播、追更和分账表现能够较快影响下一批选题与预算；

最后是资金速度，广告收入经分账回到版权方和制作方后，可以继续投入新项目。单部作品仍有成败，平台却可以通过扩大项目组合，将风险分散在一批内容之中。

这种周转已经传导到制作现场。

一位郑州的AI短剧制作人员向华尔街见闻表示，他所在的公司有两个组，每组每周都要出一部超过60集的短剧。

这样的生产节奏意味着，公司不再等一部剧全部完成后再启动下一部，而是让不同项目的设定、生成、筛选和投放同时推进。

AI继续放大这种并行能力。

即梦、Seedance等工具可以在开机前完成人物设定、场景、分镜和样片，也可以生成部分镜头，使原本要到拍摄后才能发现的问题提前暴露。

同一笔预算能够测试更多题材和视觉方案，项目继续实拍、追加制作或停止投入，也可以更早决定。模型降低每次试验的成本，红果的项目体系能够消化增加的试验量。

红果闭环的核心是让项目、判断和资金连续转动。番茄小说扩大可选故事，外部公司提供弹性产能，AI增加测试方案，抖音和红果完成触达与变现，结果再返回立项。

相比单押一部爆款，这套模式更看重一批项目的平均效率：测试足够多、反馈足够快、收入能够再次投入，这样剧库就能持续更新。

不过，在上述从业者看来，因为周转很快，所以经常是一个爆火的类型还未跟上，就已经进入下一个阶段了。很多不能把握热点方向的公司，很容易在高中转中被甩出去。

他所在的公司近几年也在做海外方向，“海外的周转速度现在还没有国内快，比如他们感兴趣的吸血鬼等类型，可以火很长时间。”

03 爆款账与周转账

用户入口和生产方式的差异，最终体现在两套账本上。

红果以广告收入和用户时长为基础，先扩大免费观看规模，再通过广告负载、填充率和价格回收；长视频以会员订阅为核心，以稀缺剧综推动拉新、续费和升级。红果计算整个剧库的流量产出，长视频首先计算头部项目对付费的拉动。

财务数据呈现了长视频模式的基本结构。

爱奇艺2026年二季度总收入62.9亿元，会员服务收入40.1亿元，占比接近64%，同期内容成本38.2亿元。

芒果TV上半年互联网视频业务收入44.62亿元，会员、广告和运营商业务分别为19.33亿元、16.84亿元和8.45亿元。

头部作品可以带动订阅、品牌广告、版权发行和IP衍生，失利也会形成集中的成本压力。

红果采用组合经营，大量不同成本的作品进入剧库，再由少数高表现内容贡献主要播放和广告收入。

单个项目生命周期可以较短，剧库更新却不能中断；平台通过连续反馈提高整体命中率。人物设计、分镜、样片和漫剧生产成本下降后，AI让平台得以扩大测试池，更快筛选方案。

两套账本也对应不同场景。

QuestMobile指出，短剧已直接参与用户时长竞争；长剧仍保持大盘播放量，独有的头部内容能够拉升活跃，OTT大屏继续承接家庭深度观看。

红果以持续供给覆盖通勤、午休和晚间的碎片时间，长视频占据长叙事、精品制作和家庭大屏。用户时间在两者之间重新分配，日活背后的价值也随之分开。

平台策略已经开始交叉。爱奇艺扩大微剧、漫剧分账和AIGC内容生态，优酷以会员和广告分账吸引横屏短剧，芒果TV建设AIGC工具并与红果推出“果果剧场”，红果也增加会员和长视频版权。

双方相互吸收产品机制，竞争转向内容效率和用户价值。

变化将首先挤压中间地带，即制作成本接近长剧，却不足以吸引会员；更新接近传统项目，又难以适应短剧的高频分发。

行业未来可能会形成两个更清晰的方向：一端是支持订阅和IP开发的稀缺精品，另一端是依靠组合回报的高频供给。平台需要为各自选择建立稳定的回收方式。

红果1.68亿日活验证了高周转模式可以获得大规模用户。下一轮衡量标准将转向流量质量，如广告密度、内容差异和制作方回报。AI正在降低“做出一部剧”的门槛，故事判断、用户分发和商业回收反而更加稀缺。

红果与长视频平台的下一阶段分化，也将围绕这些能力展开。

本文来自华尔街见闻，欢迎下载APP查看更多

A股三大指数早盘低开低走、盘中均跌逾2%，午后虽略有回稳但终集体收跌，沪指再失3900点。涨幅居前的题材依次为兵装重组概念、元件、MLCC概念、铜缆高速连接、通信设备；跌幅居前的为多元金融、工业金属（铜）、代糖概念、贵金属、粮食概念。光模块龙头中际旭创A股和H股双双上涨。

港股全天震荡下跌，恒指、恒科指午后跌幅收窄，盘初一度双双跌超1%，权重科网股多数反弹，铜业股重挫，光通信逆势活跃。债市方面，国债期货全线下跌。商品方面，国内商品期货多数下跌，金属期货跌幅居前。核心市场走势：

A股：截至收盘，沪指跌1.18%，深成指跌1.08%，创业板指跌0.49%。

盘面上，个股跌多涨少，沪深京三市近4900股飘绿。量能明显放大，今日成交1.99万亿。沪深两市成交额1.97万亿，较上一个交易日放量3248亿。板块方面，中际旭创、新易盛午后再度发力，玻纤、覆铜板板块冲高，带动指数低位反弹。石化、有色金属、券商、炒股软件、农业、地产板块全天低迷。

港股：截至收盘，恒生指数收跌0.6%，恒生科技指数跌0.23%。三大指数集体录得5连跌。

盘面上，地产、石化、半导体、有色金属板块领跌。中际旭创、小米集团、长飞光纤光缆走强。智谱、MINIMAX-W继续调整，当周均跌两成以上。近期，杰富瑞将智谱云业务市销率从50倍大幅下调至30倍，并明确看空“独立AI实验室”模式。

债市：国债期货全线下跌，截至收盘，30年期主力合约跌0.15%，10年期主力合约跌0.06%，5年期主力合约跌0.06%，2年期主力合约跌0.02%。

商品：国内商品期货普遍下跌，截至收盘，贵金属跌幅居前，白银跌5.11%；新能源材料全部下跌，碳酸锂跌4.99%；化工品多数下跌，丁二烯橡胶跌3.53%；黑色系全部下跌，焦煤跌3.44%；基本金属多数下跌，锡跌3.07%；农副产品全部下跌，红枣跌3.07%；油脂油料多数下跌，豆一跌1.75%；非金属建材涨跌参半，PVC跌1.26%；能源品涨幅居前，原油涨5.79%；航运期货全部上涨，集运指数(欧线)涨3.57%。

PCB/元件/MLCC：涨价主线多点开花，AI硬件景气共振

PCB概念股中，崇达技术、骏亚科技、博敏电子、澳弘电子等纷纷涨停。

超声电子涨停，金安国纪、逸豪新材等涨幅居前。

逻辑链：① 覆铜板涨价由上游向中游传导——建滔积层板、松下、南亚塑胶上调CCL价格，电子布价格连续三个月加速上涨；② MLCC涨价预期升温——龙头将停产部分MLCC产品，供需收紧；③ PCB厂商陆续重新报价，三季度为产品传导关键窗口，高多层板与高频高速材料供需偏紧；④ 需求端：AI服务器、算力硬件需求延续，集邦咨询数据显示2026年二季度全球前十大无晶圆厂IC设计厂商合计营收年增73%、突破1414.5亿美元，头部CSP持续加大AI资本开支。

机构研报指出，随着电子布、铜箔及CCL价格持续上行，PCB厂商已陆续启动重新报价，相较上游材料，板厂涨价存在一定时滞，三季度有望成为产品价格传导的关键窗口，行业盈利弹性逐步打开；在AI服务器、算力硬件需求延续背景下，高多层板与高频高速材料供需偏紧。

双星新材、风华高开涨停。

消息面上，MLCC龙头村田制作所日前正式发布官方通知，宣布在2026会计年度启动产品线优化，将停产部分MLCC产品并扩充其他产能，本次停产范围涵盖消费级常规系列及车用规格系列中的特定料号。

业绩层面，风华高科披露的2026年半年度报告显示，公司上半年实现营业收入35亿元，同比增长26.28%；实现归母净利润2.9亿元，同比增长74.01%；扣非后归母净利润2.88亿元，同比增长68.84%。

此外，9月1日，三星电机宣布，其与某全球知名客户签订了价值1.07万亿韩元（约合人民币52.54亿元）的MLCC（片式多层陶瓷电容器）供应合同，产品用途是AI服务器，供货期限为2027年全年。该笔合同金额占到了三星电机MLCC事业部全年营收的21%。

铜缆高速连接与光通信：康宁—Verizon大单点燃，AI硬件端震荡回暖

神宇股份20CM涨停，铭普光磁、长飞光纤等涨幅居前。

逻辑链：这是当日AI硬件端"由跌转暖"的核心催化。康宁（Corning）先宣布向Zayo供应数据中心互联光纤的长期协议，紧接与Verizon签下价值数十亿美元、2032年前提供超8000万英里高密度光纤的供应协议；与此同时，亚马逊与高通合作将1.6T光连接写进新一代AI数据中心合作路线图，高盛大幅上修全球光模块市场（TAM）预测。光博会（CIOE）同期开幕，光模块、光器件方向走强。

中信建投认为，AI硬件仍是中期景气方向，但短期需关注量能收缩对行情的制约；广发证券此前强调，2026年上半年AI产业链维持高景气，全球市场协同、国内外需求联动，云厂商持续加大算力基础设施投入，驱动高速率光模块、AI服务器硬件需求强劲。

国产GPU概念燧原科技上市首日大涨

燧原科技登陆科创板涨近180%。燧原科技今天的开盘价是410元。相比142.18元的发行价，开盘直接上涨188.37%，收盘回落至最高冲到397元。如果按照开盘价计算，中一签500股浮盈已经达到约13.4万元。

目前燧原科技总市值约1700亿元。相比IPO发行价对应的约612亿元估值，上市首日市值接近翻了三倍。这也是国产GPU近一年密集上市潮的延续。

摩尔线程、沐曦股份此前已经登陆科创板，壁仞科技登陆港股，今天随着燧原科技上市，常被市场并称为国产GPU“四小龙”的四家公司全部进入资本市场。

2023年至2025年，燧原科技营业收入分别为3.01亿元、7.22亿元和9.90亿元。2025年收入同比增长约37%，净亏损约11.6亿元，虽然仍处于亏损状态，但亏损较2024年的15.1亿元已经明显收窄。

公司预计，2026年前三季度实现营业收入23亿元至30亿元，同比增长约326%至455%。也就是说，今年前三季度的收入规模，有望达到去年全年的2倍以上。同期预计净亏损约7亿元至8.6亿元，公司目前预计在2026年或2027年实现盈亏平衡或盈利。

本文来自华尔街见闻，欢迎下载APP查看更多

硅谷顶级风险投资机构Andreessen Horowitz（a16z）9月10日发布了一期深度访谈播客。a16z合伙人Jen Kha、成长基金合伙人David George与长期LP、Accolade Partners合伙人Aram Verdiya围绕AI时代的投资逻辑展开了一次罕见的深度对话。三人的核心判断高度一致：AI正在让"幂律效应"从风险投资的行业特征，演变为整个资本市场的系统性规律；资本配置框架、基金构建方式乃至资产类别的边界，都正在被重写。

幂律是指两个变量之间的某种特定函数关系：一个变量的变化量是另一个变量的某种幂次（次方）的倍数。它的核心特征是：“极少数的个体占据了绝大多数的资源或份额”，也就是人们常说的“长尾效应”或“二八定律”。

对话中有几个核心数据令人警醒：美国3000家VC中，只有20家在过去二十年实现了持续3倍净回报，占比不到1%；AI收入规模达到1000亿美元只用了四年，而SaaS走完同样路程花了15年；当前美国企业平均每名员工每月在AI上的支出仅为12美元，而头部1%的企业这一数字高达7000美元——这意味着AI扩散仍处于极早期。

“资本等于算力”：“极致飞轮”改变行业护城河

David George在访谈中抛出了这轮AI浪潮中最具颠覆性的判断之一：

“现在，你可以把资本砸向一家公司，它会直接复利放大这家公司的优势。这在我职业生涯中是第一次。”

他解释，传统软件时代，往一家初创公司砸太多钱反而是灾难——雇一千个人、制造协调混乱、形成重叠优先级，公司反而会“搞砸”。但AI时代不同了：“你可以把钱扔进算力，算力可以直接改善产品和业务。”

这意味着规模经济在AI市场是真实的、且会持续强化。三家前沿模型公司——SpaceX、OpenAI、Anthropic——潜在企业价值合计已达3.5万亿至5万亿美元。Jen Kha指出，令人震惊的是，在SpaceX上市前，大多数机构投资者对其几乎毫无敞口。

Aram Verdiyan则从更宏观的视角给出了自己的判断：

“AI正在攻击GDP的每一个角落——交通、劳动力、服务、资本、协调。历史上从来没有一个技术范式，同时击中30万亿美元的GDP。”

他还对AI的TAM（潜在市场规模）提出了颠覆性观点：医疗IT行业每年支出约600亿至1000亿美元，但AI实际攻击的是医疗劳动力本身——账单管理、行政流程——那是一个万亿美元级别的产业。“AI的TAM可能是传统SaaS或医疗IT的10倍以上。”

David George援引劳动力数据进一步佐证：美国经济中劳动力支出与软件支出之比大约是40比1。“这不是说劳动力会消失，而是劳动力会被重新发明。把AI等同于'下一代软件'，太低估它了。”

“死亡中间地带”：VC格局的结构性重塑

访谈中反复出现一个词："death of the middle"（中游陷阱）。

Aram Verdiyan分享了一个核心数据：在美国3000家风险投资机构中，只有20家在过去二十年实现了持续3倍净回报，占比不足1%。 他特别强调，"持续"是关键词——不需要七八支基金，但在20年周期内，你是否有3到4支实现3倍净TVPI的基金？满足这个条件的，全美只找到20家。

相比之下，剑桥数据显示，过去十年风险投资的平均回报只有1到2倍净回报——不仅不如私募股权，甚至不如公开市场，而且还要锁定资金十年。

在这个背景下，VC行业正在向两极分化：一端是真正的"小而精"——专注于细分垂直领域、或在比大基金更早阶段介入，与大机构形成互补；另一端是全生命周期的大型机构——从种子到上市全覆盖，拥有700名员工、强大运营资源。

Jen Kha明确表达了a16z的飞轮逻辑：

“我们的业务是一个飞轮。从我们是不是领域专家、能不能打动创始人出发；如果我们赢得项目、帮助公司取得更好的结果，就会形成品牌效应，新创始人想要和赢家在一起，赢家的创始人又会给其他创始人做背书——这就是飞轮的运转方式。”

David George补充道：成长期基金的成功根本上依赖早期业务——“我一直说，我们的业务从早期开始，也从早期结束。”

对于那些想通过“只做晚期”或“跳过早期”来参与AI的机构，Aram Verdiyan态度直接：“最强的晚期特许经营权，背后都有一个巨大的早期特许经营权。如果你是一家全新的晚期基金，想写一张5亿美元的支票，真的很难。“David George附和：“我经历过那个世界，确实非常难。”

如何识别真实AI牵引力？"ARR这个词正在被重新定义"

随着AI泡沫与真实需求并存，如何区分真实牵引力成为最棘手的问题之一。

Aram Verdiyan描述了一个典型场景：“一家公司从某个加速器出来，声称一个月内ARR从零做到500万。但这中间根本没有续约周期，他们是在互相销售，还把月度数字乘以12来折算ARR。”他语气犀利：“每九家这样的公司里，可能才有一家是真正有几百万真实ARR的，才是下一个Cursor。”

对此Jen Kha笑称：“我很喜欢有时候有人在帮大家'重新定义ARR的含义'，像是一个非常有帮助的公告。”

David George给出了自己的判断框架：

"市场是否在主动要求你的产品，永远是那个核心问题。 财务分析没法告诉你答案，你必须深入理解客户，和客户对话。"

他以Harvey（AI法律工具）为例：早期Harvey在头部律所拿下了一些签单，但实际使用率平平，与其他AI软件公司相比留存数据并不出彩。但推理模型落地后，完全翻转——律师从产品中获得的价值大幅提升，使用率和参与度直线上升；更关键的是，客户从担心幻觉风险转变为主动要求律师事务所使用这个产品。"这才是我们寻找的市场信号。"

传统SaaS的困境与私募股权的"AI陷阱"

与传统的软件服务（SaaS）相比，AI的渗透速度和潜在可用目标市场（TAM）呈现出指数级的爆发。

“今天，AI领域的收入已经达到了1000亿美元。SaaS花了15年才达到同样的水平，而AI只用了4年。”Aram Verdiyan给出了一个极具冲击力的数据。他指出，AI正在攻击GDP的每一个层面——交通、劳动力、服务和资本协调，“以前从来没有一种技术范式能同时触及30万亿美元的GDP。”

然而，AI的高歌猛进，却让旧时代的软件资产和重仓它们的私募股权（PE）基金如坐针毡。在2021年至2022年期间，大量传统软件公司被PE以25至32倍EBITDA的高估值杠杆收购（LBO），但这些缺乏“AI原生”能力的资产如今正面临估值缩水和流动性枯竭的危机。

Aram Verdiyan直接点破："你在2021年前以25到32倍EBITDA收购的软件资产，今天可能只值一半。" 他援引数据：2021至2022年间，杠杆收购软件交易约为2000亿至3000亿美元，带走超过2000亿美元债务；今天那些公司的估值大幅收缩，杠杆比率急剧攀升。私募信贷市场的赎回潮，正是这一逻辑的直接映射。

更严峻的是增长逻辑的倒转：Aram Verdiyan指出，"在公开市场，增长率每提升1个百分点，相当于EBITDA提升3个百分点。" 这意味着不能证明AI加速增长的公司，估值折价会非常惨烈——"很多私募股权持有的标的，既没有足够快的增长，也没有管理团队能重塑业务"。

Aram直言不讳地指出：

“你看看今天的公开市场，那个资产（传统SaaS）现在的交易价格是市销率的2倍。这不仅是估值的问题，更严重的是，这些公司可能根本找不到买家。 因为如果你今天看一家软件公司，首先想到的是：它的终极价值是什么？它能抵御AI的冲击吗？”

Jen Kha则对"AI版私募股权"的幻觉发出警告：

"仅仅把Sears放上网站，不会让它变成亚马逊。 我们看到有些公司第一件事就是上马AI客服，结果如果你不从工作流底层重建，客户流失反而加速。每一分NPS下滑都直接对应营收下滑，再叠上债务，就会螺旋式下行。"

对于试图通过简单引入AI来拯救老业务的尝试，Aram也泼了冷水：“你不能只往公司里派一个运营合伙人，然后说‘让我们在上面加点AI吧’，这根本行不通。”DG补充道，哪怕只是简单的AI客服替代，如果没有深入工作流重构，客户流失将导致净推荐值（NPS）下降，并引发收入的螺旋式下滑。

AI的真正瓶颈：不是需求，是供给

访谈最后，话题转向了一个被市场低估的角度——AI的真实瓶颈在哪里？

Aram Verdiyan断言：“AI今天的瓶颈不在需求侧，在供给侧。”供给链从左到右是：能源→电网→数据中心→芯片→前沿模型→应用。美国在芯片及以右的链条上极具优势，VC生态系统也在有力支撑。但在能源和电网基础设施层面，问题不是发电量不够，而是"速度到功率"——许可、传输、监管。其他国家每年新增可再生能源容量是美国的10倍。

“这意味着数据中心需要被彻底重新设想。旧数据中心的密度已经无法支撑新AI设施，这里存在的不是50亿、100亿的机会，而是千亿美元级别的机会。”

David George列举了他认为未来10年最可能创造巨大价值的领域：机器人、自动驾驶（全美Waymo上路数量不足一万辆）、医疗（占GDP18%，AI几乎尚未触及）、能源、制造业与国防。

"现在感觉我们在AI上已经做了很多。但十年后回头看，那些其他重大领域才刚刚开始创造价值。下一个SpaceX或OpenAI，大概率会诞生在这些领域。"

访谈全文如下（由AI辅助翻译）

第1章：Intro

Aram Verdiyan：我们研究了美国3000家风险投资公司的数据。在过去二十年里，只有20家实现了持续3倍的净回报。

David George：目前，显然幂律效应比过去10到20年的科技投资中更为极端。有史以来第一次，你可以拿着资本投入一家公司，它会不断复利放大他们的优势。

Aram Verdiyan：AI正在攻击GDP的每一个层面——交通、劳动力、服务、资本、协调。从来没有哪一种技术范式能同时冲击30万亿美元的GDP。

David George：Elon已经公开谈到了Sam那边的Grockbot。他还谈到了Astra以及一些即将推出的长期能力。

Jen Kha：你认为下一个市值达到百万亿美元的公司会是哪家？

David George：有可能是……

第2章：为什么幂定律或幂律（Power Law）不再只是风险投资领域的事

Jen Kha：欢迎回到A16Z播客。

价值创造的方式已经发生了根本性的变化。幂律曾经只是风险投资这个小众行业的一个特征，而现在它已经系统性地贯穿整个市场。 尤其是三家前沿模型公司——SpaceX、OpenAI、Anthropic——代表着大约3.5万亿到5万亿美元的潜在企业价值。令人震惊的是，在SpaceX上市之前，我们很多LP以及更广泛的机构配置者群体对它的敞口并不大。

所以我们今天将讨论：为什么投资组合构建和资产配置可能已经发生了改变，为什么幂律不再只存在于风险投资行业，以及当今价值究竟在哪里、如何实现复利增长。David George、Aram Verdiyan，感谢你们加入。

David George：很高兴来到这里。感谢邀请。

Aram Verdiyan：感谢你邀请我们。

第3章：每一个风险投资支持的IPO合并：未来走向何方？

Jen Kha：太棒了。太棒了。太棒了。好的。那么DG，如果你把过去六年所有风险投资支持的IPO加在一起，全部加在一起，未来会走向何方？

David George：目前，幂律效应明显比过去10到20年的科技投资更为极端，可能要追溯到网络效应驱动的消费类公司兴起的时候。这种情况有很多原因。规模收益递增一直是我们这个行业的一个动态规律。

显然，大家都很清楚网络效应业务如何能够实现规模收益递增，但软件业务同样可以做到，而且可以以不同的形式呈现，但是，你知道，市场上的品牌声誉、资源的积累，都提供了竞争优势，这些依然成立。但现在，尤其是对于那些实验室来说，在我的职业生涯中第一次，你可以拿资本投入到一家公司，它会不断复利放大他们的优势。这件事就像——你怎么会把一家初创公司搞砸呢？嗯，你知道，往里面砸太多钱，让他们招一千个人，然后，你知道，你就制造了各种协调问题、管理开销问题、以及相互竞争的优先级问题，然后事情就会变得一团糟，因为你无法招到足够多的人，以足够快的速度做足够多的事情。但现在情况不同了。你可以把钱砸向算力，算力可以让产品和业务变得更好。 所以对我来说，幂律效应更加极端并不令人特别惊讶。目前，规模经济在AI市场中是非常真实存在的， 我认为这种情况将会持续下去。

Jen Kha：那么，Aram，首先，你不仅仅是我们Accolade的长期LP之一，顺便提一下，距离你上次作为A16Z的员工，恰好已经整整10年了。 所以，为了庆祝你的10周年纪念，因为你去年也在，我把这个珍贵的东西带回来了。

Aram Verdiyan：哦，我的天。

David George：哦，天哪。这太棒了。

Aram Verdiyan：你为什么还留着这个？这太棒了。

Jen Kha：我们在地下室翻出来的，我们特意做了这个超大版本，就是为了留作纪念。

Aram Verdiyan：我简直不敢相信——

Jen Kha：我是从地下室找到这个的。但顺便说一句，在过去的10年里，世界发生了很多变化。你还记得吗，在那个时候，人们就已经在抱怨基金规模太大了。

Aram Verdiyan：而你们当时有一只10亿规模的基金。

Jen Kha：第一只突破10亿的基金。

David George：第一只风险投资基金？

Aram Verdiyan：正是。

Jen Kha：正是。所以，你知道，从那以后发生了很多事情。

第4章：从空白页面重新思考投资组合构建

Jen Kha： 你如何看待你的风险投资组合与私募股权投资组合之间的关系？然后还有总体上的资产配置问题。我们在来的路上聊过这个。如果你现在重新从一张白纸开始，凭借你现在所掌握的知识，你会如何做出不同的构建？

Aram Verdiyan： 是的，我们来谈谈风险投资。今天，AI领域的收入已经达到了1000亿美元。SAS花了15年才达到同样的水平。AI只用了四年就做到了，而我们在需求渗透方面甚至还远远没有接近饱和。 DG说你可以向其中大量投入资本，这种乐观情绪，是推理需求无限的体现。我们正处于一个AI正在攻击GDP每个层面的时刻——交通、劳动力服务、资本协调。 历史上从未有过一种技术范式能同时冲击30万亿美元的GDP。所以你有了增长最快的技术，它正在冲击GDP的所有部分。

因此，作为一个资产配置者，很难不主张你应该大力布局。它不是一个卫星仓位，你应该将其作为核心甚至超级核心仓位，以某种形式存在。

David George： 我非常有偏见。但如果你只是想想市场的形态以及自我入行以来它们发生了多大变化，在私募股权和成长股权领域，那大概是18年前的事了，那时这还是一个小众行业。而现在已经不是了。我一直在谈论这个，但我们的资产类别拥有5到6万亿美元的价值，围绕公司保持私有状态更长时间的动态趋势不会逆转。

Aram Verdiyan： 是的，我的意思是，你在2019年离开GA时就有了这个洞察。这是在后期阶段获得风险投资级别的回报，而这现在正在发生。它不再只是早期阶段然后你在收入达到1亿美元时IPO了。

David George： 是的，我认为顶级的退出回报过去是100亿美元，而现在大概是400亿美元。

Jen Kha： 是的，或者等到Anthropic和OpenAI上市的时候，可能很快就会达到1000亿美元。

David George： 而且，你看，这是有道理的，对吧？就像上一个周期创造了25万亿美元的新市值，其中很大一部分流向了现有巨头。

Jen Kha： 是的。

David George： 很多流向了初创公司和新兴公司。而且，你知道，每一个后续的浪潮都比前一个更大。 所以，我们的预期是，把那25万亿拿来，这个数字还会更大。

Aram Verdiyan： 我对AI的TAM（总可寻址市场）一直感到困惑，很想听听你的想法。比如医疗保健每年在医疗IT上花费600亿到1000亿美元，但AI正在冲击的是实际的劳动力以及医疗保健中正在执行的任务的价值。 那包括理赔、账单管理，那是一个万亿美元级别的产业。所以AI的TAM可能比传统SAS或医疗IT大10倍以上。那个价值是什么？那就是某项任务被执行的经济价值，那就是你在看的TAM，然后AI公司会获取一定的份额，但我们根本不知道这个TAM能有多大。就像你说的，你看每一次浪潮，现有巨头随着时间推移都会缩小10倍。所以很难估计。但我可以告诉自己，我对这些结果能有多大一直估计严重不足。

David George： 是的，我也一样。是的，劳动力。我的意思是，你看看美国经济中花在劳动力上的钱与花在软件上的钱相比，大概是40倍之多。现在重要的是，这并不意味着劳动力会消失。我认为劳动力只是会被重新发明。 所以我们最终会看到人类所做任务的某种重新想象。

但我认为这实际上正是AI的全部意义所在——你正在追逐这个不同的东西。所以把它等同于软件，说它是软件的下一个演进，是太过局限的。

Jen Kha： 我们的法律顾问经常对我们说，他说，我喜欢Harvey。我所有的客户现在都认为自己是律师了，他们实际上可以在某些话题上和我辩论，而以前他们可能会说，我不太理解这个，我就听你的吧。所以我的计费小时数反而只增加了。

是的，随着AI使用的兴起。所以所有那些使用场景可能都被大大低估了，我们甚至还不知道。

David George： 是的，它们是扩张性的。是的，这就是全部的重点。

Aram： 然后还有这整个论点，说前沿实验室会蚕食应用层，哪一层会胜出？结果发现，好像大家都在增长。

David George： 我的一个朋友做了一个播客，他描述的是类似"一切都会成功"这种观点。我描述的方式略有不同，但就是说，我们经常收到LP的问题，他们问我们，技术栈中的哪一层会成功？我有点像是，我不知道，市场会非常大。我认为现在一切都可能奏效。 当然会有很多公司失败。也可能有一些特定的类别不会成功。但我认为总体而言，认为"哦，如果开源做得好，对实验室就不利"这种零和思维太过局限了。所以我们尽量让自己摆脱这种零和思维。

第5章：为什么这个AI时代在本质上是赢家通吃

Jen Kha：把它提炼出来。因为为什么人们认为这会是赢家通吃？你知道，如果我们可以做出假设的话，上一个科技时代，在很多领域可能确实是赢家通吃。但这次感觉在本质上是不同的，因为我们正在重新奠定很多基础性的东西，所以也许可以把它提炼出来。

David George：是的，你看，赢家通吃是一种有趣的描述方式，因为如果你只是看所有领先科技公司的市值增长，有很多公司都是成功的。并不是赢家通吃。对吧？ 现在，有一个重要的区别。我们非常相信在特定类别中的幂律效应。所以赢家会占据绝大多数的市场份额和市值。而第二名就像是在争抢残羹剩饭。 但我认为我们拥有的类别数量将会大规模扩张，对吧？你知道，如果你回到20年前，CRM其实不是一个真正的类别。我的意思是，它很小，就像Siebel Systems这类东西。但你知道，现在它是一个庞大的类别。所以我认为同样的事情会发生。我们在每一个我们投资的科技市场中都见过这种情况。再说一遍，我们的方式是，在我们的业务中，我们可以承受亏损，对吧？如果我们在某个基金中的某些投资上没有亏损，那说明我们承担的风险还不够多，对吧？ 所以，如果你看我们历史上表现最好的风险投资基金，我认为亏损率大约是60%左右。

Jen Kha：是的，在早期阶段。

David George：是的，在早期阶段。而在成长阶段，亏损率会更低，但可能会在10%到20%的范围内，这是合适的。因为这样的话，我们所做的投资中，会有回报达到10倍甚至更多的。所以，如果我们做得好，我们就在每一个可信的类别中支持该类别的领先公司。如果这个类别发展得好，那我们就做得很好。如果这个类别发展得不好，那也没关系。这就是我们所承担的风险。

第6章：为什么在风险投资中保持一致性比以往任何时候都更重要

Jen Kha：其中也隐含着时机的问题。因为我知道，Aram，你和我都为此感到惋惜，我认为很多人往往会觉得在某个时间点上市场已经过热。但回过头来看，结果发现一切其实都相当便宜。但市场上也会出现一些异常情况，在那种时候可能确实如此。所以我知道你给很多你的LP建议，关于在风险投资中保持一致性的重要性，可能比任何其他资产类别都更重要，因为你根本不知道这些技术什么时候会出现。也许可以详细讲讲这个问题，因为现在有很多机构配置者实际上无法接触到很多前沿模型。现在他们正在努力追赶，在某些情况下，可能引入了一些不太好的行为，这些行为有点过于反映市场泡沫的迹象。也许可以为我们解析一下。

Aram Verdiyan：是的，我的意思是，Digi谈到的幂律的极端性，如果你作为一个配置者，在过去五到十年里没有接触到排名前五到十的公司，你在回报方面就已经大幅落后了。 让我们退一步来看。我们研究了美国3000家风险投资公司的数据，只有20家在过去二十年里实现了持续的3倍净回报。

Jen Kha：抱歉，再说一遍，20%？

David George：20家。

Aram Verdiyan：不到1%。 哇，持续的3倍净回报。这太惊人了。实际上，你不需要在那20年里有七、八支基金，关键在于你是否拥有三到四支3倍净TVPI的基金？在20年的时间里，我们发现只有20家公司做到了这一点。

在风险投资中保持一致性真的非常难。 但有趣的是，那些保持一致性的公司，在每个年份都能持续获得进入行业定义性公司的机会。当然也有例外。顺便说一句，仅仅拥有那个品牌标志是不够的，如果你是早期阶段并且拥有一支大基金，你需要持有足够多的份额。如果你是晚期阶段的DG（David George），我很好奇你是否同意，规模配置真的非常关键。所以在晚期阶段，类似风险投资的回报是可能实现的，但你最好的公司应该占你基金的5%、10%甚至更多。 这样，你实际上可以靠单一公司来回报整个基金。晚期阶段的基金回报数学以前是不存在的，但现在存在了。所以我们找到了正确的投资组合规模，那些持续获得投资机会的公司位于3000家中的前20名。所以如果你没有它们，回报的差距将会非常大。如果你没有那些公司，你得到的只是平均的风险投资回报。

如果你查看剑桥的数据，过去十年的平均风险投资回报是1到2倍的净回报。你在私募股权中会做得更好。你在公开市场中肯定也会做得更好。你根本不需要把你的钱锁定十年。

Jen Kha：是的，当然。我刚刚看到我们的朋友Endowment Eddie发的一条推文，他今天早上发的。他说，对大型风险投资基金的兴趣是由创始人驱动的，而不是LP。创始人往往更想要那种能够扩展规模、成为全生命周期投资者并帮助获取客户或招聘人才的品牌。LP们慢慢地跟上了，但大多数仍然在拖延。 因为这实际上与传统观念相悖。

Aram Verdiyan：而且回报规模更大。所以基金可以更大。在那20家中有一些例外。有一些小型公司专注于利基垂直市场，或者他们在比大型公司更早的阶段进行投资，在那个阶段与大型公司的竞争并不激烈。现在这种策略的问题是，你必须在基金规模和策略上保持一致。如果你随着时间的推移开始变大，你就会与大型公司产生竞争。我认为保持一致性会变得非常困难。

Jen Kha：中间层的消亡。我们说过，每次说到"中间层的消亡"就要喝一杯。

David George：我非常欣赏风险投资生态系统中的许多同行。但这个"中间层的消亡"……

Aram Verdiyan：你怎么定义它？比如，什么是中间层？

David George：所以我认为，就像你描述的那样，那些高度专业化的基金，你知道，一些很早就进入AI领域并拥有深厚领域专家的基金，表现得相当不错，对吧？就像他们做得很好，而且，你知道，有时他们能够快速行动。进入一些项目，或者抢占我们想做的交易份额，你知道这是现实。然后我认为还有，你知道，不管我们是什么，你知道，大型的，大规模的风险投资，对吧？从某种意义上说，我们有很多产品线，可以从种子轮一直扩展到你上市为止。我认为我们有一些同行也采用类似的策略，对吧？你知道，我想说我们是最好的，但也有其他一些人在做这件事。而介于两者之间的其他所有东西，我认为都很难竞争，原因就像 Eddie 说的那样，对吧？创始人关心什么？创始人关心的是，从他们认为能够降低自身风险的合伙人那里获取资本。 如果你只是简化来说，这是描述创始人真正关心的事情最简单的方式。当然，他们也关心合伙人这个人，对吧？就像他们在乎一个具体的人。所以你必须是一个好的参与者，诸如此类。但这就是为什么我们建立了大量资源的原因，对吧？这就是为什么我们有700名员工。这就是为什么我们把从基金中赚取的管理费投入到运营资源中，因为我们认为这将，第一，改变结果的曲线，第二，帮助我们赢得交易。 所以，你知道，当创始人选择合伙人时，通常，如果这是一个热门交易，他们会有很多选择。就像这是显示出来的偏好。正如 Eddie 所说，我们在这方面做得还不错。我同意他的观点，我们的LP来投资我们是这一切的副产品，对吧？所以，你知道，我们的业务是一个飞轮。飞轮从以下几点开始：我们是否是深度领域专家？我们是否会有正确的观点？我们能否向创始人证明我们是他或她的正确合伙人？ 如果是这样，我们就赢得了交易。如果我们能帮助改善结果，那很好。如果我们确实改善了结果，就会发生两件事。第一，我们的业务具有持续回报，部分原因是新的创始人希望与赢家在一起。 是的，对吧。就像他们想要这个，他们在乎这个，因为这有重要的品牌信号作用，对他们有连锁效应。其次，你知道，通过成为赢家的一部分并以小方式帮助他们，我们创造了一种强有力的口碑效应。创始人会告诉其他创始人，嘿，你应该和这些人合作。 所以这就是飞轮在我们业务中的运作方式。

Aram Verdiyan：有一个理论，很好奇听听你们两位的看法，就是关于Pre-seed阶段。那些估值低于2000万、3000万、4000万美元的，基金规模低于1亿美元的，他们可以与大型机构共存，因为在起步阶段，比如有七家AI公司在做类似的事情。我认为像 Andreessen 这样的大型机构会想等一两轮，直到有更多的相对确定性，因为你最不想做的事情就是投到第二名或第三名。 就像你说的，你必须投到品类赢家。所以你宁愿等那一轮，然后真正加倍押注并领投A轮或B轮。所以小型基金可以为自己开辟一个利基市场，比大型机构早一两个阶段，实际上有赢的权利。他们可以做得很好，并且与大型机构形成互补。你同意这个观点吗？

David George：是的，是的，是的，是的。而且你看，我们与整个生态系统中的种子基金有着非常健康的关系。我们自己也做种子轮，对吧？但Pre-seed肯定是，你知道，比我们通常会做的更早。我认为它更像是一个更大的、更大的大种子轮，对吧？是的，就像连续创业者，他们以前是A轮。

Jen Kha：是的，是的，是的，那确实是我们的节奏。话虽如此，你知道，我们有我们的 speed run 项目，我们今天早上刚从那里过来。我不知道，我觉得。我认为市场正在演变，因为创始人对品牌有如此强烈的偏好依附，正如 DG 所说，我们能看到所有的项目。有时对我们来说做Pre-seed和种子轮确实有意义。 所以，你知道，你有点需要那种灵活的能力。对于创始人来说，就你的观点而言，他们其实并不太在乎你的重点在哪里。他们只是想在那个轨道上。就像你会找到基金来匹配它一样。所以我认为我们可以在这个世界中共存，但我认为这也非常重要，就像我们的业务本质上是一个早期阶段的业务。我们必须第一个到达终点。我们实际上可能不会进行投资，但我们至少必须了解市场格局，才能在以后做出明智的决策。

Aram Verdiyan：所以我今天在 speedrun 与一些创始人交谈，他们非常希望留在这个轨道上。

Jen Kha：是的，对，对。这是一个新现象，10年前，这开始真正成形，更多的早期阶段的人开始做后期阶段，然后跨越整个投资链延伸，但不完全是今天这种方式。 DJ，我不知道你是否同意，就像如果没有早期阶段，然后也没有后期阶段跟进，实际上几乎不可能有效地拥有这种中期阶段的业务。

David George：是的。我是说，你看，我非常有偏见。但我认为我们作为成长基金成功的原因是因为我们的早期阶段业务。我一直都这么说，就像我们的业务始于早期阶段，也终于早期阶段。 所以，你知道，这在成长阶段为我们提供了大量优势，包括在准入、信息、知识、关系等方面。我认为，你知道，我们的早期阶段合伙人可能也会说成长业务为他们提供了好处，因为它允许我们随着时间的推移扩大规模并深化与创始人的合作关系。这有助于在早期阶段赢得交易。

Jen Kha：是的，完全正确。而且你不能，两方面都有。你不能只做早期，也不能只等到后期。 所以你之前的观点，看起来越来越多的机构正在向少数几个名字聚拢，这可能是真的。因为，你知道，再次提到这种幂律动态，但同时，几乎大多数那些所谓的标志性投资，我们必须在早期阶段获得，因为这是我们保持球权控制权并参与按比例权利乃至更多的唯一方式。所以这显然是业务...

Aram Verdiyan：我们坚定地相信，最强的后期阶段投资机构背后都有一个强大的早期阶段投资机构，就像赢得交易的能力在你拥有早期阶段投资机构时会成倍增加。 是的，就是这样。我们谈到后期阶段的规模，不管你的后期阶段基金规模有多大，如果你能在规模上将基金的5%到10%投入到一家定义品类的公司中，你能做到这一点的方式，是因为你有一个早期阶段的投资机构，在早期就与企业家和管理团队建立了关系，作为一家全新的后期阶段机构进来写一张5亿美元的支票真的很难。

David George：不，这非常难。我已经经历过那个世界了。

第7章：风险投资自2000年代以来的结构性变化

Jen Kha：从有限合伙人的角度来看，你认为风险投资从根本上来说，或许在结构上与你刚开始职业生涯时相比有哪些不同？你是怎么看待这个问题的？另外，你如何看待风险投资内部的资产配置问题，因为在考虑投资组合构建时，风险投资内部实际上也存在细分类别。

Aram Verdiyan：是的，我的意思是，用一种非常简单的方式来说，在我们看来，做风险投资有四种方式：Pre-seed阶段。可以想象一下规模低于1.5亿的基金，仅在美国就有一千家、接近两千家。然后是我们谈到的"混乱中间地带"，那里也有很多公司，不是几千家，也有几百家公司。再然后是大型机构。最后是专注于后期阶段的机构。所以一共有四种方式来参与其中。

几十年来，我们一直在投资较大的机构。我们也投资过种子阶段的公司，在"混乱中间地带"我们有选择性地投了几家，但我们没有涉足专注于后期阶段的投资。是的，原因就是我们之前谈到的那些。

那么它是如何变化的呢？人工智能实际上正在让我们的工作比以往任何时候都更难。 它让工作变得更难，是因为融资轮次普遍规模更大，速度也更快。行业内正在发生的增长势头令人困惑，而困惑的原因在于：

你可能会遇到这样一家公司——我其实很好奇听你说说这个，因为我们经常听到这种情况——一家公司从某个加速器出来，一个月内ARR从0做到了500万。 一个月。是的，那家公司还没有经历过一个完整的续约周期。但他们就凭着这个增长势头，以极高的估值倍数在融资。

而且很多时候，他们可能是在一个同期群体内部互相销售，这甚至算不上真正的ARR，但他们把月收入乘以12来计算。然而，每九家这样的公司里，就有一家真正特别的公司，有着几百万的真实ARR。 以巨大的估值，最终会成为下一个Cursor。

所以，今天要真正分辨出什么是真实的增长势头、什么不是，确实非常困难。 估值非常高。这就是为什么大型机构表现出色的原因。我实际上认为它们可以等待，或者它们对下一轮融资有足够的相对确定性，然后主导那一轮。但即便如此，也没有太多确定性。当你们投资Cursor的时候，我认为也没有太多确定性。有多少个月，人们一直在说Cursor已经死了？

Jen Kha：哦，就连收购公告发布的那天早上，人们还在说Cursor已经死了。我心想，他们刚刚宣布将以6000万美元被SpaceX收购。

Aram Verdiyan：如果我说错了请纠正我，ARR 300万，融资4亿美元，或者大概在那附近。是的，是的，大概是那样。是的，就是这样。很多人会说，这太疯狂了。他们为什么要这么做？

David George：好吧，你看，创始人的判断力是非常重要的事情，对吧？ 所以，随着时间的推移去了解创始人，花大量时间与他们相处，观察他们的思维方式——我倾向于认为，尤其是我的早期阶段合伙人在这方面相当擅长。其次，要分辨真实的与那种具有误导性的增长势头确实很难——所谓误导性，是指你无法从中获取市场信号，并不是说任何人在刻意误导。

Jen Kha：可能也有一些这种情况。

David George：是的，可能也有一些。但我要回到——

Jen Kha：我就喜欢时不时地有人出来帮忙重新定义ARR到底是什么意思。我心想，这真是一个非常有帮助的公益提示。

David George：这确实总是很有帮助。是的。但我要回到的问题是，市场是否在要求你的产品更多？ 这始终是那个关键问题，贴在我电脑屏幕上的便利贴上。

Aram Verdiyan：但是，当一家公司只运营或销售了几个月的时候，你怎么知道这一点呢？

David George：你没办法靠财务分析来做到这一点。你必须真正深入了解客户，与客户交谈。然后，你知道，就像我之前提到的关于Harvey的例子。随着时间的推移作为一个例子。对。他们在早期商业上做得非常好，因为他们很聪明，他们做了充分的研究。就像是研究加律师的组合，你知道，他们在早期就获得了一些势头，并且让一些知名律师事务所早期签约加入。但是，你知道，实际使用情况并不是很好。对。所以，如果你看看它的实际部署情况，与AI领域的一些其他软件公司相比，从留存角度来看，它看起来很平庸。不是留存，不，就是实际使用，实际使用情况。现在快进到推理模型出现之后，情况完全逆转了，你可以看到，知道，采用率绝对起飞了，对吧？所以同时发生了很多不同的事情。律师从产品中获得了更多的价值。你可以从使用情况和参与度中看到这一点。然后它变成了，因为它是高效用的使用和参与，它几乎从之前的那种状态完全翻转了，之前是"哦，我们害怕幻觉之类的问题"，变成了不，每个客户实际上都在要求律师事务所使用这个产品。所以，你知道，我认为我们寻找这样的市场。我们试图尽早抓住它们，比我们在Harvey那时更早地抓住它们。但是，你知道，这就是我们寻找的那种信号。你必须深入挖掘，对，每个人都可以做队列分析，每个人都可以查看续约数据，但是真正理解市场的纹理，以及客户在他们的替代选择中真正想要和需要什么，我认为，你知道，这就是你做决策的方式。这就是为什么拥有早期阶段的业务如此重要，因为他们在技术和产品方面钻研得最深。而且他们，你知道，他们显然在cursor中看到了这一点，他们在许多其他事情中也看到了这一点。

Aram Verdiyan：Jen，最大的阻力是什么？我的意思是，你是我认识的最多产的融资人。那么阻力是什么？

Jen Kha：你让我觉得在这家公司非常有价值地受雇。

David George：我同意你是一位多产的融资人。

第8章：我们是在接住一把下落的刀吗？当今LP的情绪

Aram Verdiyan：你从LP那里得到的关于AI现状、风险投资现状最大的阻力是什么？

Jen Kha：很多都是担忧，你知道。我们是不是在接住一把下落的刀，就像市场时机的问题，我们现在所处的位置，比如说事情是否过热，等等。 所以我们在一开始就谈了很多关于估值和潜在市场的问题。但我确实从LP那里得到很多这样的感受，他们的工作也即将发生根本性的变化。你之前提到了其中一个方面，关于AI让评估机会和基金变得更具挑战性。但另一个方面是，LP在历史上在某些方面其实并没有被激励去真正拥抱变化，对吧？你知道，这份工作的最终目标实际上与GP的风险承受能力在某种程度上是截然相反的。这只是行业的运作机制。但是，我经常说，你知道，GP可能因为错过了下一个Facebook、下一个Uber而被解雇，对吧？那是遗漏性错误，那是可以被解雇的。但LP恰恰相反，只有当你投资出问题的时候才会被解雇。 所以在某种程度上，激励结果实际上是完全相反的……

Aram Verdiyan：如果你是LP，投资IBM是不会被解雇的。

Jen Kha：正是如此。事实上，你甚至可能因为根本不投资而不被解雇。所以……

Aram Verdiyan：如果你错过了前沿模型，回到你作为LP的第一个问题，但你的表现大致跟上了基准，对吧？也许略低于基准，你还是能保住工作，对吧？

Jen Kha：是的，而且对于大多数人来说，我把基金中的基金排除在外，因为那是另一回事，但对于很多人来说，上行空间实际上对他们来说并不那么有吸引力。 所以那种"嘿，你会错过下一代潜力"的推销，这是激励错位。这实际上是相当直接的。那么，从LP的角色来看，我们接下来该怎么做？我认为我们也有重要的角色和功能。我们在谈到作为风险投资行业领导者的工作时，我们必须帮助人们了解未来的走向。其中一部分是了解如何渗透，不仅仅是在他们的风险投资配置中，而是在他们的整个投资组合中。我认为，这比仅仅说"嘿，你可能会错过下一代回报"，或者优化下一个前沿模型，或者一两家幂律公司等，要有趣得多。

Aram Verdiyan：LP所做的是渠道获取、筛选和规模配置。你可以说，你有数据来找出在3000家公司中哪20家历史上表现良好。你不会看到一致性，对吧？也许其中一半是一致的，但LP的工作也是找到下一代公司，同时继续获取最优质的资源。 所以一是获取渠道，二是筛选，三是投资组合构建和规模配置。从LP的角度来看，这是至关重要的。因为如果在3000家公司中只有20家表现良好，你应该相当集中地投资于那15到20家公司。 所以当我看到一个拥有50、60、70家风险投资公司的投资组合时，我很难想象整体投资组合能产生高于平均水平的回报。再说一次，我回到风险投资的平均水平，那实际上相对于其他资产类别——公开市场、私募股权——来说，流动性的吸引力并不够。私募股权可能在没有锁定期、没有风险投资所承担风险的情况下，给你带来1.5到2倍的净回报。你谈到了60%的亏损比率，私募股权没有这个问题。 私募股权在AI软件方面有其他问题，我们今天可以谈到。所以对于LP来说，投资组合构建和规模配置是至关重要的。我见过太多次LP或配置者找到一个有趣的基金，实际上判断正确，却只把他们基金的1%投入其中。很好，你获得了10倍回报，那只是你基金的10%回报，根本不会产生任何影响。

David George：你们认为，Jen所谈到的这种演变，在今天处于什么阶段？我知道你们有偏见，但风险投资和成长型投资在整体资本配置中的适当比例，与私募股权、公开市场、实物资产、信贷等相比，应该是多少？

Aram Verdiyan：是的，这对我来说很难回答，因为我做的全是风险投资和成长型投资。所以我会有偏见地说，应该大幅增加配置。

Jen Kha：不过我们喜欢这个答案。

Aram Verdiyan： 看看今天的公开市场。我们用"vibe coding"的方式创建了一个很好的工具，帮助我们评估AI韧性。针对上市公司，现在我们也在私募市场做同样的事，这对我们的成长型股权投资组合帮助巨大。但在SaaS公开市场中，最多只有15到20家公司的市销率超过10倍，这个数字本身就很疯狂，因为几年前还有几十家。而那些公司中，几乎每一家都在展示AI带来的增长加速。比如你在做安全监控、智能体部署等等。所以这又回到了同一个原则：如果你以某种形式与AI挂钩——而AI是GDP各组成要素中增长最快的部分——那么你就应该在投资组合中超配它。

这将对公开市场产生影响，甚至今天的私募股权在做新投资时，他们也在寻找AI原生的标的。他们不想再去买一家增长10%、依赖种子客户群的工作流软件公司。对，那种情况基本上不会再发生了。他们在寻找的是能够展示加速增长、拥有AI原生管理团队的核心系统。所以，AI这条纽带实际上贯穿了今天的每一个资产类别。而最强的参与方式之一——

我的意思是，可能是通过风险投资。但这正是选择能力、资源获取和投资组合构建至关重要的地方。

Jen Kha： 就连我们谈到的退出案例，比如Silver Lake可能收购Workday，这类事情在私募股权领域变得更加大胆——当你有能力注入AI能力并将这些公司带入未来时，这是一种选择。另一个现实是，风险投资的退出规模现在已经远远超过私募股权。我昨晚专门查了一下数据。

今年私募股权最大的退出案例是对EA的收购，大约500亿美元，还有Medline，也大约500亿美元。再看Cursor——先不算IPO——Cursor被SpaceX收购的交易规模远远超过了这些数字。所以……

Aram Verdiyan： 问题在于，看看ChatGPT之前那批私募股权的投资，你当时可能为一家增长10%到20%的软件资产支付了15到20倍的EBITDA。而今天看公开市场，那类资产的交易价格只有2倍市销率。问题不仅仅是估值，这类公司甚至可能找不到买家——因为今天你看一家软件公司，第一个想到的问题就是：它的终局价值是什么？它能抵御AI的冲击吗？证明这一点最好的方式就是有机增长加速。 我们的数据显示，在公开市场上，增长率每提升1个百分点，相当于EBITDA提升3个百分点。 对。顺便说一句，这很有意思，因为在疫情期间，大家都说"我们要盈利"，那时候是反过来的。而现在又颠倒回来了。

David George： 不不不，是2021年反过来的。对，就是那时候。之后基本上就和风险完全挂钩了，对吧？确实，和公开市场的风险高度相关。

Aram Verdiyan： 确实如此。所以很遗憾，很多私募股权的被投企业增长不够快，没有展示出加速迹象，也可能没有合适的管理团队来彻底改造业务。就像Intercom做的那样——这是个很好的例子——把创始人请回来，全面重塑业务，打造AI原生产品，做大规模，然后出售。这几乎像是在"自杀式"地颠覆自己原有的业务，而这在私募股权中是非常难做到的。

David George： 确实非常难。我不久前和那位创始人待了一段时间，在一个活动上我走过去，给了他一个大大的击掌，然后说："你做到了，兄弟。"他确实做到了。这件事真的极难做到。 现在这还是个例，但你知道，有一批真正优秀的创始人，他们在这些企业里——无论是上市公司还是私募市场——我认为他们会去尝试。我们拭目以待。

第9章：遗留SaaS问题：如何处理旧有资产

Jen Kha： 是的，不过在这个话题上，DG，因为我们有时也会遇到类似的反对意见，就像那些一直在风险投资领域并且已经配置了风险投资的人，他们也可能面临类似的问题——他们确实持有一些遗留的SaaS业务。是的，同样地，你是如何看待这些历史遗留资产的平衡问题的？

Aram Verdiyan： 让我来问你这个问题。我要借着John的问题继续问你。假设你有一家——

选一家2016年到2021年、ChatGPT出现之前那个年代的软件公司，这家公司当时还不错，但现在已经没有AI原生功能了。它没有在加速增长。它在风险投资账簿上的增速大概是30%。估值大概在10到20倍收入。它已经无法上市了。没有人愿意把它推向公开市场。Silver Lake对这类公司也不感兴趣了，一年前他们还感兴趣，但现在不了。这类公司最终会怎样？ 你知道，我们对这类公司有很多敞口。

David George： 好的，你看，我觉得这真的非常因公司而异。我这个周末和我们的一位创始人CEO在一起，他说，给我说实话，你到底觉得现在发生了什么？他还特别对我说，别给我一个"播客式的答案"——这还挺讽刺的，因为我们现在就在录播客。

我认为两件事可以同时成立：AI是我们有史以来见过的最大的一代性变革，它将颠覆各个行业；但与此同时，那些能够适应的软件公司也仍然会有一些持久的价值。

我们一直在密切关注的一件事，也是让我们对AI极度看好的原因，就是AI真正向实体经济的扩散。就拿编程来说，如果你要为普通软件公司和较慢的变革节奏描绘一个乐观的场景，你可能会说：编程领域确实被冲击了，但那其实是一种假象。编程是有完美文档记录的，它有完美的数据，是可验证的，也是可模拟的。但商业中的大多数任务并不具备这三个特点。所以，也许AI向编程以外其他知识工作的扩散会花费更长的时间。这就是为软件公司辩护的理由。其中一些公司会进化，拥有AI解决方案，改变它们的商业模式——我认为这是必须的。但这也是为什么也许事情被有些夸大了的理由。

如果你看看过去六个月许多上市SaaS公司的反应，我认为业界正在逐渐形成这样的认识。

不过，这一切都让我对AI极度看好。如果你看我们的投资组合，我们确实有一些那样的公司，但我们大约95%的净资产价值并不在那些公司里，而是在那些增长非常快、持续加速的公司里。

我认为数据显示，美国每家公司平均每名员工每月在AI上的花费是12美元。而在我们看到的数据集中，前1%的公司每名员工每月在AI上的花费高达7000美元。哇。

所以，不仅AI在编程以外的扩散十分有限，就连从消费token、真正从AI中获取实际价值的用户结构来看，我们现在也还处于非常早期的阶段。

目前，最前沿的银行大概也只是将1%的员工成本用在AI工具上。这让我非常看好的原因在于：这些是我们有史以来见过的增长最快的公司，它们每个月新增的营收超过了那些超大市值科技公司。然而，这一切可能仅仅建立在大约1000万、也许2000万、最多3000万用户的采用基础上。而美国有15亿知识工作者。我认为AI将彻底改变我们大量工作的方式。

Jen Kha：是的，Kalpers 因为没有投资于此而损失了数十亿的收益，这是众所周知的，他们现在正在弥补失去的时间。他们已经将投资组合从91%转变为58%用于风险投资，成长型投资从9%增加到43%。这两者之间可能需要一些平衡，但你知道，他们正在大力押注，但在一些历史性公司中仍然会有很多价值被积累。而且，你知道，我之前开了一些关于"弯道"的玩笑，但对于 Air Table 来说，那可能是一个很好的结果，你知道，除了他们实际上将要剥离业务中的超级代理部分，而且我认为会在其中做一些真正有趣的事情。但从整体来看，我认为很多事情都会找到归宿，而这种零和思维，我认为可能是一个陷阱，我们会建议避免这种思维。

David George：所以我们谈到了风险投资、成长型投资，我们谈到了私募股权，我们也谈到了公开市场。顺便说一句，这些所有类别的构成在过去10年里都发生了根本性的变化。我们也看到了全新类别的出现，这些类别在私募市场中可以获得，比如私人信贷，你对这些类别的相对前景有什么看法？

Aram Verdiyan：特别是在软件领域？

David George：是的，我说的是在科技领域。

Aram Verdiyan：我们所拥有的有利视角是观察私人信贷，它存在于大量私募股权软件投资组合中，规模达数千亿美元。我给你一个统计数据。看看2021年和2022年，大约发生了2到3千亿美元的软件LBO（杠杆收购）交易，其中超过2000亿美元的债务被提取出来。这些软件交易的平均估值为EBITDA的25到32倍。这些公司今天的价值可能只有当时的一半。你在信贷市场和私人信贷中看到赎回的原因正是如此。他们在关注公开市场，经历了所谓的"SaaS末日"，软件领域经历了大规模的价值修正，你可以看到估值的收缩，这意味着杠杆比率急剧上升。所以，如果你是一家对人工智能不够具有抵御能力的软件公司，我认为你在股权层面和信贷层面都面临挑战。

第10章：为什么"AI私募股权"不是万能药

Jen Kha：顺便说一句，即使是私募股权的AI版本也不是完全免疫的。我们经常谈到，你知道，就像你把西尔斯百货搬到网站上并不能让它变成亚马逊，对吧？你必须从头开始打造亚马逊才能获得那种优势。从基础架构上来说，要把它做成亚马逊，不仅仅是建个网站那么简单。在很多情况下，那些现在只是简单地注入AI的私募股权支持的公司，我们在我们自己的一些公司里也看到了这种情况——同行竞争对手会说，哦，我要做的第一件事当然是雇用AI客服人员，因为那就像是唾手可得的果实。结果发现，如果你没有真正地把工作流程整合进去，如果客户习惯了和真人交谈，你就会很快流失客户。而且每一分钱，NPS（净推荐值）的每一次下降都与营收的下降直接相关。然后你就开始陷入螺旋式下降，尤其是如果你还背负着债务的话。 所以很多时候，我们有时会听到有人说，好吧，我只要做那种AI版本的私募股权就行了。这并不是创造回报的万能药，尤其是当从技术角度来看，真正地将AI全面融入公司这件事本身就是完全不同的另一回事。

Aram Verdiyan：是的，你不能只是派一个运营合伙人去公司，然后说，我们给它加上AI就行了。这根本行不通。是的，你需要彻底地重新来过。 而且顺便说一句，如果管理团队确实具备创始人思维，这是有可能实现的，但董事会必须保持一致。是的，所有投资人都必须保持一致，而且你确实需要像我们公司那样做出一些非常艰难的决定。

David George：所以显然这是一个非常支持风险投资和成长型投资作为一个类别的群体。让我们来谈谈对它的合理反对意见，以及为什么你所承担的风险，或者说风险投资和成长型投资中存在的任何风险，可能不值得去承担的理由。

Aram Verdiyan：我的意思是，我们经常收到的反对意见是关于流动性的时间线。平均来说，一只独角兽通常要在私有状态下存续10年以上。然后你会看到所有这些后续融资轮次一个接一个地快速发生。你可能会在5、6家不同的机构里看到同一个名字。问题是，你怎么退出？所以……

Jen Kha：而且IPO实际上并不等于分配（变现）。

Aram Verdiyan：在IPO之后，你可能需要12个月、24个月甚至更长时间才能真正获得流动性，尤其是如果你在IPO时持有10%、15%的股份，如果你投资的是一家跨代际的伟大公司，那将需要很长时间。所以我们在流动性时间线方面经常收到这样的反对意见。

David George：那么对于这种反对意见，有什么反驳呢？

Aram Verdiyan：好吧，反驳意见要回到那3000家机构，其中只有20家能持续表现良好这一点上。如果你身处那些机构中的前1%，并且你投资了一个品类赢家，你要确保它真正实现复利增长。 你会想在3、4年前卖掉Stripe、Databricks或者其他那些公司吗？答案是一致的：不会。现在，这些公司中有没有可能比现在更早上市的？当然有。Anthropic最早是在2021年获得融资的，大约五年后即将上市。是的，Cursor从首次被收购，从首次获得基金融资到被收购，时间很短。是的，所以最好的风险投资机构实际上能实现基金级别的流动性回报，速度相当快，甚至可能比私募股权还要快。但这样的机构只是极少数。

Jen Kha：实际上，大约一年半前，有一件非常著名的事情，我们去找了我们基金1的LP们。那个时候，基金1已经成立了16年，我们持有一个在种子阶段就投资的Stripe的头寸。我们问所有的LP们，嘿，你们想要在这上面套现流动性吗？我们意识到，你知道，我们当初要做的工作现在已经完成了，16年了，你们想要拿回流动性吗？而那些LP们每一个人都说，不，我们宁愿让它继续复利增长。然后最终，一年后，你知道，我们决定退出，因为已经17年了。我们必须把这个流动性释放出来，我们必须结束这个基金，等等。但是，你知道，很多LP们——我认为这非常具体，取决于特定的类别，对吧？捐赠基金更愿意让它继续运行。家族办公室，坦率地说，不想要把钱拿回来，因为他们不想为此缴税。他们宁愿让它继续复利增长。 所以每个LP群体都有其特定的细微差别，很难用一把大刷子笼统地说所有人都想要同样的事情。但我也认为，就你的观点而言，最优秀的LP们——不好意思，最优秀的GP们，一路上都在制造流动性，尤其是在2021年，当很多人没有及时套现的时候，你知道，我认为那是第一个指标的一个好兆头。而在下一个周期中，关键在于你是否真的能够通过并购提前获得一些流动性，然后随着时间的推移，让潜在的赢家通过IPO上市，同时也享受充分的复利效应。

David George：是的，完全正确。

Jen Kha：我要以这个话题结束，因为我觉得这是一个很有意思的问题，你和Gavin之前来回讨论过，他不想回答下一个10万亿美元公司会是谁，但他对下一个20万亿美元市值公司会是谁非常确定。所以我要问你们两位，你们认为下一个100万亿美元市值的公司会是什么？

David George：哦，我的天哪。来了。我甚至无法想象那些事情。是的，那可能不只是一个科技周期，而是两个科技周期之后的事情。完全有可能会有全新的公司被创造出来。我认为你所说的那些能够推动10万亿美元或更多结果的市值创造，将会来自那些尚未被触及的新产品领域，对吧？所以，就像我说的，技术向企业的扩散，我们还差得远呢，对吧？你知道，一年前，大家一直在谈论消费者端，现在没人再谈消费者AI了。但消费者的最终使用场景不会是一个聊天机器人界面，那只是拟物化的版本。我们将会有一个原生版本，它将是主动式的，将代表我们完成工作，将为消费者创造大量价值，而我们在这方面几乎还没有起步。我是说，是的，有，你知道，十亿聊天用户，但那只是冰山一角。我们在机器人技术上几乎还没有起步，但我认为机器人技术将会比语言类的东西更大，而且我认为这将在未来10年内发生。我们在自动驾驶上几乎还没有起步，对吧？美国在运营的Waymo不到一万辆，自动驾驶出租车更少。而且，在这个领域还有很大的空间供其他人建设。医疗保健占GDP的18%，无论是在医疗服务交付还是在药物研发方面，我们几乎还没有触及表面。我是说，有一些公司正在努力，显示出一些早期的进展迹象，但我认为我们在未来10年取得的进展将是巨大的。然后，你知道，我们正处于一个有趣的时代，重新想象所有物理世界的事物，从国防到制造业再到数据中心。所以我看着所有这些趋势的汇聚，我想，是的，也许感觉我们已经在AI上做了很多了，但10年后，我们回头看会说，哦天哪，那些其他主要领域创造了大量的价值。所以我很兴奋，我认为下一个SpaceX、AI或OpenAI可能将会被创造出来，而且它们可能会在这些类型的领域中诞生。

Aram Verdiyan：是的，是的，我会补充一个类别。对我来说，这既是一个担忧，也是一个巨大的机遇。这也是为你的新基金做个宣传。关于你做的机会基金，我非常简单地思考，今天AI的瓶颈不在于需求端，而在于供给端。所以你有能源、电网、数据中心，然后是芯片，然后是前沿模型和应用。美国在这条链的右侧非常出色，比如芯片及其之后的部分，是的，风险投资生态系统对此支持得很好。我认为你的新基金也将真正帮助到左侧，因为美国的问题不在于能源生产，而在于通电速度。是的，那涉及到许可、输电、监管问题。其他国家每年的可再生能源容量是美国的10倍。

第11章：真正的瓶颈：数据中心、芯片与机器时代

Aram Verdiyan：所以这是一个真实存在的瓶颈。这意味着需要重新构想数据中心。你谈到密度要提升10倍以上。你不能只是把旧的数据中心改造成新的AI设施。所以这正是你们新基金可以发挥作用的地方——不是创造105亿，而是千亿级别以上的机会，真正解决这个瓶颈。

我认为这是一个真实存在的问题，因为需求不是问题所在。我听到很多有限合伙人说这像是互联网泡沫，或者像是新冠疫情时期。但事实并非如此，因为这种增长势头是真实的，不像新冠时期那样是昙花一现的收入。瓶颈可能在于供给。但如果你拥有正确的投入，比如你们现在的基金——支持那些下一代芯片公司、内存公司等等，这将是一个巨大的机会。

Jen Kha：机器时代到来了。让我们迎接机器吧。

David George：我喜欢这个说法。

Jen Kha：好的，就以这个结尾吧。非常感谢你们两位。这次真的非常有趣。

Aram Verdiyan：谢谢你。

David George：谢谢你。

Jen Kha：太棒了。再见。

本文来自华尔街见闻，欢迎下载APP查看更多