周一盘中，10年期美债收益率报4.791%，上周五收于4.78%。自去年11月美联储在通胀压力仍高的情况下启动降息以来，10年期收益率已累计上行约80个基点。与此同时，30年期美债收益率已率先突破5%，上周五升至5.24%，创近20年新高。

财政部长贝森特此前多次试图压低长端利率，但效果有限。随着美国国债供给持续增加，市场需要更高收益率吸引边际买家，而长端利率持续走高，也将进一步抬升政府融资成本，并对股票、信贷等风险资产估值形成压力。

从驱动因素看，当前长端利率面临通胀黏性、货币政策偏软和财政赤字扩张三重压力。真正值得关注的已不只是10年期收益率能否突破5%，而是突破这一关口后，5%会是短暂的阶段性高点，还是新的利率中枢。

三重压力推高长端利率

当前10年期美债收益率上行并非单一因素驱动，而是通胀、货币政策和财政供给共同作用的结果。

一方面，美国通胀尚未真正回到2%的目标水平，但美联储去年11月、12月连续降息，使除房地产外的大部分金融条件仍相对宽松。市场因此担心，如果货币政策继续偏软，通胀可能维持更长时间，长端债券需要更高收益率才能补偿这一风险。

另一方面，美国财政政策并未明显收缩，减税与增支仍在持续。在财政赤字扩大的情况下，政府需要发行更多国债融资。当新增供给持续增加，而市场买盘无法完全消化时，收益率就需要上行，以吸引更多资金承接债券。

目前10年期收益率较有效联邦基金利率高出约115个基点。较大的期限利差，已经反映出市场对长期通胀、财政赤字以及债务可持续性的担忧。

5%并非不可承受，真正的压力来自债务规模

从历史水平看，10年期美债收益率达到5%并不意味着美国经济无法承受。

2008年量化宽松启动前的数十年里，10年期美债收益率长期处于5%以上，最高一度接近15%。美股互联网泡沫时期，10年期收益率也大多在5%至8%之间，当时美国经济仍保持较快增长。

真正不同的是如今的债务规模。美国国债存量已经达到约40万亿美元，即便收益率只是小幅上升，也会通过债务再融资逐步推高政府利息支出，并进一步加大财政压力。

2002年至2006年间，10年期收益率曾短暂跌破5%，当时美联储将政策利率降至1%并长期维持，随后房地产泡沫持续膨胀。2008年金融危机爆发后，美联储启动量化宽松，10年期收益率才进一步跌破4%。

因此，5%本身并不是经济无法承受的水平，真正的问题在于，面对约40万亿美元的债务规模，市场是否仍愿意以5%以下的利率持续承接美国政府不断增加的债务。

2023年的“5%时刻”会重演吗？

市场眼下更关心的是，如果10年期收益率突破5%，会不会重演2023年的行情。

2023年10月23日，10年期收益率盘中一度升破5%，最高触及5.02%。但这一关口很快触发大量买盘，当日收益率大跌19个基点至4.83%，随后两个月持续回落。

这一次，情况可能有所不同。随着收益率再次接近5%，长期资金仍可能重新入场，对收益率形成阶段性压制；但如果财政赤字继续扩大、国债供给持续增加，同时美联储维持相对宽松的政策立场，那么5%就可能不再是明确的阻力位，而逐渐成为新的运行中枢。

30年期美债已经释放出类似信号。其收益率上周五升至5.24%，创近20年新高，但并未出现2023年10月触及5%后迅速回落的走势。

财政与货币政策决定5%能否站稳

10年期美债收益率能否在5%附近站稳，最终仍取决于美国财政和货币政策是否发生变化。

财政端，如果减税与增支政策延续，赤字和国债供给短期内就难以明显收缩；货币端，如果美联储在通胀尚未完全受控的情况下继续释放宽松信号，市场对其控制通胀的信心可能受到影响，长端债券因此需要更高收益率才能吸引资金。

更重要的是，财政赤字扩大意味着债券供给增加，而较为宽松的货币政策又可能强化市场对长期通胀的担忧，两者共同推升期限溢价；庞大的债务存量，则会进一步放大利率上行对财政的冲击。

因此，在财政赤字、债务规模和通胀风险没有出现根本变化之前，10年期美债收益率向5%甚至更高水平迈进，可能并非一次性的市场冲击，而是美国长期利率中枢重新定价的过程。

本文来自华尔街见闻，欢迎下载APP查看更多

Robotaxi行业的竞争坐标正在变化。

前不久小马智行、文远知行和百度的财报会上，Robotaxi车队扩张背后的运营账，成了这一轮财报季分析师追问的话题，他们所关心的，是车队扩张背后的成本和商业回报。

“到目前为止，L4的单车智能在限定场景下已基本具备持续运营能力。现在各家要做的，是从单车进化到车队，解决车队运营和商业化。”曹操出行RoboX事业部CTO赵宸辉在与华尔街见闻独家对话时表示。

在他看来，车辆能在限定区域完成自动驾驶，只是L4规模化的起点；安全冗余、远程保障、补能整备、订单调度和单车经济性，正在成为同等重要的能力。

RoboX是曹操针对这一变化给出的方案。它将业务从Robotaxi扩展至Robovan，并通过CaoCao Robo OS连接不同类型的智能运力。

截至6月底，曹操已部署140辆第二代Robotaxi。公司计划2027年量产原生开发Robotaxi车型Eva Cab。

现阶段更关键的是，这套体系能否把无人车转化为安全、稳定、可复制的运力。

01 RoboX要解决什么

RoboX的核心，是曹操试图把现有网约车平台改造成能够同时管理有人与无人、载人与载货运力的系统。

赵宸辉认为，L4单车已经基本跨过“能不能开”的门槛，接下来要解决的是无人车队能否持续接单、补能、整备和处理异常的问题。竞争由此从自动驾驶车辆本身，延伸至车辆制造、订单入口和线下运营的完整链条。

按照曹操的规划，RoboX现阶段覆盖Robotaxi和Robovan，并为Robobus、Robotruck等形态预留空间。这里的“X”并不对应某一款车，而是指可以被同一平台调用的不同智能运力。

曹操为此将吉利的整车制造、智能驾驶资源，与自身的订单、调度和运营体系结合起来。

公司将其概括为“智能定制车、智能驾驶技术、智能运营”三位一体。试图缩短车型开发与运营需求之间的链条。

首先需要解决的是无人车如何进入现有出行网络。L4车辆受设计运行条件和地方许可约束，早期车队也难以独立覆盖一座城市的全部需求。高峰、跨区和长尾订单仍需要有人车辆承接；如果订单长期偏向有人车辆，无人车又难以获得足够利用率。

赵宸辉判断，两类运力将在较长时期内并行，混合派单不是过渡性安排，而是平台需要长期处理的供需问题。

CaoCao Robo OS承担的正是这一角色。它在“曹操大脑”匹配乘客、司机与订单的基础上，进一步纳入无人车辆的运营范围、剩余电量、整备状态和服务能力，并尝试统一调度Robotaxi、Robovan等运力。

平台需要决定由哪类车辆接单、何时补能，以及如何在乘客等待时间、无人车利用率和有人运力供给之间保持平衡。

赵宸辉还提到，Robo OS将面向AI智能体提供运力入口，并保留用户上车点、车型和舱内设置等服务记忆，用这些偏好信息改善下一次乘车体验。

系统决策还依赖两类数据：吉利量产车积累的驾驶数据，用于发现低频和长尾场景；曹操的出行数据，则用于判断车辆在何时去哪里、从哪个入口接人以及能否合规停靠。

前者影响“车怎么开”，后者决定“订单怎么完成”。

截至2026年上半年，曹操出行覆盖215座城市，平均月活用户4460万。现有出行网络为混合派单提供了订单基础

02 单车经济账怎么算

一辆Robotaxi每天接多少单才能实现盈亏平衡，是行业长期关注的问题。

小马智行今年3月披露，其第七代Robotaxi于2月在深圳实现月度单车盈亏平衡：单车日均净收入338元、日均完成23单，成本口径包括车辆及智驾套件折旧、能源、维护、保险、远程运营、人工、停车及网络基础设施等。

赵宸辉认为，各家企业的成本结构和主要运营区域不同，达到单车盈亏平衡所需的订单量也有差异。

Robotaxi省去了车内司机，却增加了自动驾驶套件、整车冗余、远程保障和现场救援等成本。各家的车辆采购、定制开发和补能成本也不相同。

他也表示：“单车盈亏平衡需要多少单，也取决于车辆在哪个城市运营。不同城市，客单价也是不一样的。”

单车盈亏平衡要算的是，付费订单带来的收入能否覆盖车辆折旧和运营支出。订单量之外，载客里程、客单价和空驶率同样影响这笔账。

赵宸辉表示，2026年的重点是用现有车辆验证自动驾驶、乘客交互、混合派单和后端保障，再把结果导入Eva Cab。

Eva Cab试图首先从车辆端改变成本结构。普通乘用车围绕驾驶者开发，原生Robotaxi则以乘客和运营方为中心。

按照赵宸辉的介绍，Eva Cab取消传统驾驶操作部件，重新设计乘客空间，采用侧滑门和高耐久性部件，并支持自动换电；不适用于运营车辆的配置会被精简。

原生设计旨在减少后装改制、降低维护复杂度，并延长高频运营部件的使用周期。

没有司机后，乘客确认车辆、上下车点识别、车门异常和舱内响应都需要由产品及后台系统接管。赵宸辉提到的侧滑门、乘客交互优化等，也是为了减少接送乘客“最后几米”的耗时。

绿色智能通行岛则负责车辆暂停接单期间的补能和整备。

司机过去分散完成的补能、清洁和检查，被集中到场站执行，场站的土地、设备和人员投入需要由车队分摊。按曹操的规划，绿色智能通行岛可与有人驾驶定制车共用换电设施，以减少重复建设投入。

曹操还希望复用现有客服、车辆管理和订单系统，同时为无人车配套远程保障、现场救援和整备流程。

03 “双十万”如何落地

曹操提出，到2030年累计部署10万辆Robotaxi和10万辆Robovan。截至2026年6月底，公司已部署140辆第二代Robotaxi。接下来的扩张，需要Eva Cab按计划于2027年量产，并将杭州验证的安全、调度和运营流程复制到其他城市。

车辆规模扩大时，人员和场站投入的增速需要低于车队增速，才能摊薄单车运营成本。

按照赵宸辉给出的节奏，“双十万”将经过模式验证、原生车量产和跨城市复制三个阶段。

行业正在探索不同的扩张方式。小马智行采用联合部署，文远知行强调海外轻资产，由车企、出行平台和属地运营方分担车辆及运营投入。

曹操依托吉利制造体系和自身出行平台，直接参与车型定义、车辆投放和车队运营。车辆与基础设施同步扩张，也会增加资金需求，对资产运营效率提出更高要求。

Robovan是“双十万”目标的另一半。曹操7月在长沙启动首批Robovan商业化运营，并提出车辆销售、租赁和机器人即服务等模式。

赵宸辉认为，载人和载货可以复用自动驾驶、调度、补能及维护系统，分摊底层投入。

出海还要解决属地运营问题。

赵宸辉表示，“我们在做出海的时候，其实第一个遇到的可能不一定是技术问题，而是我们本地化怎么去做运营，以及怎么本地化合规的问题。”

车辆认证、牌照、保险、事故责任和数据合规都要符合当地要求。赵宸辉表示，依托吉利现有的国际化经销商体系、安全及认证体系，曹操在海外获取车辆准入方面具备优势，并且已经在中东等地与当地公司展开合作。

对曹操而言，从140辆车走向更大规模，最终要把车辆增加带来的折旧和运营投入，摊进持续增长的付费订单里。

本文来自华尔街见闻，欢迎下载APP查看更多

9月6日，德国东部萨克森-安哈尔特州举行州议会选举。初步计票结果显示，AfD赢得83席中的39席，得票率较2021年的约20%翻倍有余；德国总理弗里德里希·梅尔茨（Friedrich Merz）领导的基民党仅获17.2%选票、15席，较上届大幅下滑，并结束该党长达24年的执政地位。

据新华社，分析认为，尽管选择党得票率大幅领先其他政党，预计仍不足以获得州议会绝对多数席位。该党萨安州首席候选人乌尔里希·西格蒙德此前表示，只有该党获得绝对多数、能够单独执政，他才会竞选州长。目前，德国主要政党均排除与选择党组成联合政府的可能性。

此次选举不仅改写萨克森-安哈尔特州的政治格局，也进一步凸显德国右翼势力上升趋势，市场对欧洲政治风险的关注随之升温。

选举结果：AfD创历史最佳战绩，基民党24年主导地位终结

根据初步计票结果，AfD以43.8%的得票率赢得39席，距绝对多数仅差3席；基民党以17.2%的得票率获得15席。社会民主党、绿党和左翼党各获约9%选票，分别取得8席；由德国左翼政治人物萨拉·瓦根克内希特创立的莎拉·瓦根克内希特联盟（BSW）则以5.3%的得票率首次进入该州议会，获得5席，成为后续组阁的关键变量。

据美联社报道，AfD此次得票率较2021年的约20%大幅跃升，并吸引了大量此前未参与投票的选民。AfD全国联席主席Alice Weidel将高投票率视为“变革信号”，并直接批评梅尔茨，称其是“德国繁荣发展的重大障碍”。

AfD萨克森-安哈尔特州首席候选人Ulrich Siegmund周一在柏林表示，AfD的目标是在“未来数日和数周内建立稳定多数”，并称将主动接触议会内所有党团乃至个别议员。

组阁前景：BSW成关键变量，AfD执政仍面临障碍

德国德意志银行高级经济学家Mühlberger在报告中指出，BSW手中的5个席位将在组阁谈判中扮演“造王者”角色。目前来看，可能出现两种结局：一是BSW在州长选举中弃权或给予非正式支持，从而促成AfD少数派政府；二是各方谈判陷入僵局，最终走向提前选举，而AfD届时有机会进一步争取绝对多数。

据美联社报道，BSW萨克森-安哈尔特州首席候选人Thomas Schulze周一再次表示，愿意协助AfD候选人出任州长。BSW全国联席主席Wagenknecht此前也呼吁萨克森-安哈尔特实现“政治重置”，双方在能源政策等议题上存在一定政策交集。

不过，Siegmund此前已明确表示，AfD“不准备为组建联合政府作出重大妥协”，并将提前选举列为优先选项。Mühlberger指出，若最终重新举行选举，规模较小的政党将再次面临无法跨越5%门槛的风险，这反而可能进一步提升AfD获得绝对多数的机会。

经济影响：区域冲击有限，政策不确定性上升

Mühlberger评估认为，即便AfD在BSW支持下组建少数派政府，也可能对萨克森-安哈尔特未来数年的经济前景产生实质性负面影响，直接投资可能因政策不确定性下降，技术工人短缺问题也可能进一步恶化。

不过，她同时指出，萨克森-安哈尔特对德国GDP的贡献不足2%，因此区域经济层面的结构性损伤不太可能蔓延至全国。此外，AfD州政府对德国联邦层面的经济和财政政策影响有限，也无法通过宪法法院施加直接政治杠杆。

野村分析师Andrzej Szczepaniak则认为，市场目前对右翼民粹主义的担忧相对有限，更值得关注的是左翼民粹政党上台后可能推动支出扩张所带来的财政风险。

政治余震：梅尔茨承压，9月选举再成关键考验

据美联社报道，梅尔茨上台以来曾承诺削弱AfD的政治影响力，但此次选举结果显示，这一目标并未实现。基民党在萨克森-安哈尔特执政24年后失去主导地位，也意味着梅尔茨将面临更大的党内和政治压力。

Mühlberger认为，9月20日举行的柏林及梅克伦堡-前波美拉尼亚州选举将成为下一阶段的重要观察窗口。预测市场数据显示，AfD赢得梅克伦堡-前波美拉尼亚州选举的概率高达82%，但在柏林的胜算相对较低，约为18%。

此次选举结果也引发国际层面的关注。特斯拉首席执行官埃隆·马斯克在社交平台X上发文“干得好”表示祝贺，Siegmund随后回应称，如果AfD执政，将欢迎与马斯克展开“强有力的建设性合作”，并称届时“德国将再度成为值得投资的地方”。

本文来自华尔街见闻，欢迎下载APP查看更多

ChatGPT-6 Astra于上周四、周五分两批推出。OpenAI总裁Greg Brockman称其为“全球最智能、且对齐程度最高的模型”。由于Astra面向更复杂的AI任务，市场进一步押注前沿模型持续迭代将带动算力需求增长，并支撑HBM、DRAM以及GPU等核心硬件需求。

这一预期迅速反映在股价上。美光科技上周五上涨逾6%，闪迪涨近12%，SK海力士纳斯达克存托凭证涨逾8%。周一亚洲市场接力上涨，SK海力士涨约8%，三星电子涨超5%，铠侠涨约10%。

机构认为，随着AI模型能力不断提升，算力需求仍在快速扩张，存储和网络环节的瓶颈也可能进一步凸显，“存储芯片交易”有望重新成为AI基础设施交易的重要主线。

AI算力扩张，存储芯片重回风口

Astra带来的这轮行情，核心并不只是单一模型发布，而是市场再次意识到，AI模型能力持续提升，仍将对应更高的算力和存储需求。

盛宝银行首席投资策略师Charu Channa指出，Astra的发布进一步支持AI支出持续增长。随着前沿模型对算力的需求不断提升，存储和网络环节的瓶颈也在扩大，这将利好SK海力士、三星电子等存储芯片厂商。

高盛和摩根士丹利分析师预计，2027年全球AI资本支出将达到1.3万亿至1.5万亿美元，其中超过一半将用于内存建设。若这一趋势延续，HBM、DRAM等存储产品有望持续受益于AI算力扩张。

与此同时，高盛首席亚洲股票策略师Tim Moe重申韩国股指年底12000点的目标，并指出韩国市场盈利预期仍在上修，本周上调幅度达到3.2%。他还强调，外国投资者对韩国半导体行业的持股比例仍明显低于历史平均水平。

此前市场对半导体“超级周期”的讨论，更多聚焦于AI资本开支能否持续，以及芯片厂商能否维持高增长和高利润率。如今，新一代AI模型不断推高算力需求，存储正重新成为AI基础设施交易的重要受益环节。

模型能力越强，背后的算力需求越高，对存储的需求也越旺。 Astra的发布，正在重新点燃这一交易逻辑。

本文来自华尔街见闻，欢迎下载APP查看更多

9月7日，鸣鸣很忙、好想来先后就门店称重问题发布回应，称已主动联系市场监管部门并配合核查，同时宣布升级称重管理机制。

两家公司均要求全国门店统一配置标准砝码，每天开业前先校秤，确认准确后再营业；同时上线全国秤具监控系统，将散称商品每笔称重数据实时回传总部，做到留痕、可追溯且不可篡改。

过去，消费者一旦离店，称重异常往往面临举证困难；门店也可能以系统异常、员工操作失误等原因解释，具体责任难以厘清。

此次整改实际上试图同时补上事前和过程监管。再配合督导巡检和责任追究，总部试图补上过去依赖门店自律、出了问题才追查的管理漏洞。

与此同时，两家公司也给出了相同标准的赔付承诺：一旦门店出现称重计价误差并经核实，均按称错商品差价的十倍赔付，并设立专项基金保障执行。

本轮整改源自此前接连出现的称重争议。

河北一名消费者此前反映，在赵一鸣零食购买4块牛肉干时，首次结算金额为64.58元，复称后对应金额仅17.29元；好想来也被曝有消费者首次结账111元、重新称重后降至64.8元的情况。

随后，多地市场监管部门针对量贩零食门店开展计量专项检查。包头市市场监管部门将电子计价秤是否存在作弊改装、是否按期检定等纳入检查范围；江苏阜宁检查中，则发现个别门店存在秤具管理不规范、计量赋码落实不到位等问题。

对于头部量贩零食品牌总部而言，理论上，系统性通过称重多收消费者费用，缺少直接的经济动力。

原因在于，两家公司的核心商业模式均以加盟和供应链供货为主。总部赚取的主要是向加盟商供货形成的商品价差，而不是参与门店终端销售分成。

由称重异常带来的额外收入，直接受益方更多是具体加盟门店。相反，一旦个别门店出现称重违规，总部承担的却是品牌声誉、监管以及整个加盟网络的连带风险。

问题因此更多出在总部与终端门店之间的管理半径。

目前，鸣鸣很忙和好想来仍处于快速扩张阶段。

截至2026年6月底，鸣鸣很忙门店达到2.64万家，上半年净增4457家；好想来母公司万辰集团旗下量贩零食门店达到约2.38万家，上半年净增5488家。

门店规模的扩大，不可避免地推高了管理难度。对于数万家加盟门店而言，提高违规成本固然重要，但更根本的在于提升违规行为被发现的概率。

这套机制能否奏效，最终取决于异常能否及时发现、快速处置，以及巡检与处罚机制能否保持长效常态，而非“一阵风”式的突击检查。

本文来自华尔街见闻，欢迎下载APP查看更多

韩国KB证券9月7日发布研报称，三星电子与SK海力士当前存储芯片库存已降至不足10天，明年DRAM与NAND的比特需求将超出供应10个百分点以上，届时可供实际销售的存储芯片物量存在耗尽的可能性。KB证券研究本部长Kim Dong-won将上述局面定性为"历史性短缺"。

该机构同时指出，三星电子与SK海力士股价近三个月较高点下跌38%，明年业绩对应市盈率仅约3倍，处于"极度低估"状态，并将两家公司列为半导体板块首选标的，预计强力重估行情即将启动。

AI投资激增，存储芯片需求急剧扩张

KB证券指出，超大规模云服务商明年AI基础设施投资规模正被大幅上调，较今年增长约60%，预计达1.3万亿美元。

Kim Dong-won表示，这一趋势的根本驱动力在于AI已开始作为云端AI服务、Token计费、Agentic AI及模型托管等直接新增收入来源加速落地，AI盈利模式正进入具体化阶段。

在AI基础设施投资中，存储芯片所占比重正快速攀升。

KB证券预计，该比重将从2024年的14%升至2025年的40%，并进一步跃升至2026年的57%，两年间扩大约4倍。

全球半导体研究机构集邦科技（TrendForce）的预测更为激进，预计2026年这一比重将达68%，两年内增长近5倍。Kim Dong-won将这一趋势归因于HBM4内存容量提升、CPU服务器DRAM需求增长以及推理用企业级SSD需求同步扩张三重因素叠加。

HBM4产能扩张蚕食通用DRAM供给

KB证券特别强调，第六代高带宽内存HBM4的产能扩张将对通用DRAM供应形成结构性挤压。

据该机构测算，生产一片HBM4晶圆所消耗的产能相当于三片通用DRAM晶圆，这意味着HBM4产量每提升一步，均以三倍比例压缩通用DRAM的可用晶圆投入量。

在晶圆总投入受限的前提下，这一结构性矛盾将直接制约可供市场销售的比特增量，成为明年供应短缺的核心成因之一。Kim Dong-won预计，明年DRAM与NAND的比特需求将双双超出供应10个百分点以上，形成"史上最严峻的供应紧张局面"。

库存告急，三星与SK海力士面临物量耗尽风险

KB证券披露，截至今年第三季度，三星电子与SK海力士的存储芯片库存已降至不足10天，当前局面已超越单纯的需求复苏范畴，可供销售的实物库存本身正面临绝对性短缺。

Kim Dong-won表示，明年实际可销售存储物量耗尽的可能性正在成为现实。

明年AI服务器将同步吸收HBM、服务器DDR5及企业级eSSD需求，多品类需求共振进一步加剧供应压力。KB证券认为，在上述背景下，存储芯片价格存在显著上行空间。

股价深度回调，KB证券看好重估行情

尽管基本面前景趋于乐观，三星电子与SK海力士股价近三个月已较高点下跌38%，明年业绩对应市盈率约为3倍。

KB证券认为，这一估值水平与两家公司未来三年有望持续刷新历史最高业绩、并维持大规模股东回报政策的预期严重背离，构成"极度低估"。

该机构将三星电子与SK海力士列为半导体板块首选标的，并预计两家公司将从当前极度低估状态启动强力重估行情。

本文来自华尔街见闻，欢迎下载APP查看更多

发布会核心亮点之一是小米18 Fold折叠屏手机正式亮相，售价10999元起，陶瓷特别版定价15999元，限量1500台。小米创始人、董事长兼CEO雷军将其定位为目前小米"最高端的手机产品"，历时20个月研发。

在芯片领域，雷军披露，小米造芯累计实际投入已达210亿元，并确认旗下玄戒O100与D100芯片将于明年上半年商用，自研半导体路线推进明显提速。与此同时，小米澎程N70 Pro增程SUV定价20.99万元，进一步延伸小米在汽车业务上的产品矩阵。

小米18 Fold是小米首款定位"中折叠"形态的手机产品，主打介于大折叠与小折叠之间的尺寸定位。雷军表示，该项目两年前立项，历时20个月研发完成。

屏幕方面，小米18 Fold配备5.38英寸外屏与7.58英寸内屏，内外屏长宽比均约为√2:1，接近A系列纸张比例，小米称两块屏幕均采用"超级像素"技术，以提升显示清晰度并降低功耗。机身厚度单边展开为5.02毫米，折叠后为10.68毫米，整机重量219克。

配置方面，小米18 Fold搭载自研玄戒O3 AI旗舰处理器，内置6000毫安时小米金沙江电池，至高支持六分屏多任务操作，在硬件规格上对标同价位竞品。

售价方面，标准版起售价10999元，陶瓷特别版采用新型氮化硅陶瓷材质，仅提供16GB+1TB一种配置，售价15999元，限量1500台，溢价明显，意在强化产品稀缺性与品牌高端形象。

雷军在发布会开场即聚焦造芯话题，释放出明确的战略信号。他表示，小米在决定造芯第一天起便计划"10年投入500亿"，截至目前已实际投入210亿元。

在商用进展上，雷军确认，玄戒O3已正式投入商用——此次小米18 Fold即为搭载该芯片的量产机型。更值得关注的是，玄戒O100与D100两款芯片将于明年上半年正式商用，意味着小米自研芯片的产品线正在向更高性能层级延伸。

雷军将上述进展归因于"出色的团队能力和真金白银的投入"，强调小米在自研芯片上的长期承诺不变。对于投资者而言，芯片自研能力的持续兑现，是评估小米高端化战略可持续性的关键变量之一。

汽车业务方面，小米澎程N70 Pro正式公布售价，定价20.99万元。该车型定位中大型五座增程SUV。

雷军在介绍N70的空间表现时着重强调乘坐体验：舱内可用面积达4平方米，配备5根超长滑轨，最长达1.56米，第二排座椅可移动范围达到600毫米，并以劳斯莱斯库里南作为对比参照，称N70二排空间更为宽敞。

20.99万元的定价将小米澎程N70 Pro置于国内中大型增程SUV竞争最为激烈的价格带，直面多个主流新能源品牌的同类产品。小米汽车能否将手机业务积累的品牌溢价有效迁移至该价格区间，将是市场持续关注的焦点。

更新中......

本文来自华尔街见闻，欢迎下载APP查看更多

9月7日，美元兑日元一度上涨1.4%，至154.06日元，突破155关口；日元上周累计上涨2.4%，较此前一度突破160日元兑1美元的弱势水平出现明显反转。

据华尔街见闻此前文章，日本疑似通过出售美国国债等外国证券，为其创纪录的日元干预行动提供资金。日本8月外汇储备大幅下降并跌破1万亿美元，也进一步强化了市场对日本出售美债为干预融资的猜测。

如果日本后续继续通过出售美债筹集汇市干预资金，美债市场的供给压力可能进一步受到关注；而日元能否延续升势，则取决于日本央行加息预期、政府干预意愿以及市场资金流向等多重因素。

日本疑似抛售美债，为创纪录干预融资

据彭博此前报道，日本可能通过出售美国国债等外国证券，为创纪录的日元干预行动提供资金。

日本财务省数据显示，截至8月26日的一个月内，日本当局共动用约15.4万亿日元（约986亿美元）进行汇市干预，创月度历史纪录，其中部分操作与美国联合实施。与此同时，日本8月末外国证券持仓较7月末减少878亿美元，降幅与当月干预规模高度接近。

同期，日本外汇储备总额下降946亿美元至9950亿美元，跌破1万亿美元。虽然财务省并未披露外国证券的具体构成，但市场普遍估计，日本外汇储备中约70%投资于美国国债。由于8月美债价格变动有限，估值因素难以解释如此大规模的持仓减少，也进一步强化了日本主动出售美债的市场判断。

日本仍有其他资金来源。此前日本财务大臣Satsuki Katayama表示，未来汇市干预还可能使用美联储FIMA回购便利，该工具每日最高可提供600亿美元流动性，无需直接出售美债。不过，如果日本继续通过抛售美债筹集干预资金，美债市场的供给压力仍可能升温。

日元突破155，止损与加息预期共同推升涨势

美元兑日元跌破155后，日元涨势进一步加速。据报道援引知情交易员，大量止损单在这一关键点位集中触发，同时部分期权障碍价位被突破，期权交易商被迫卖出美元，两重因素叠加放大了日元涨幅。

State Street Investment Management高级固定收益策略师Masahiko Loo表示，155水平较为关键，因为此前几轮日本汇市干预后，该位置曾构成美元兑日元的重要支撑。美国假期造成的低流动性，也可能进一步放大汇率波动。

与此同时，日本央行加息预期正在成为支撑日元的另一重要因素。日本央行审议委员高田创上周表示，9月加息25个基点“并非一定已经板上钉钉”，但连续加息也存在可能；日本最高外汇事务官员三村淳则表示，他在日元问题上的“战斗姿态”没有改变。

期权市场同样显示，市场正在加大对日元升值的押注。覆盖日本央行和美联储下一次政策会议的波动率上周五升至1月以来最高水平，用于对冲日元升值风险的期权溢价也接近周期高位。Russell Investments固定收益及外汇解决方案策略全球主管Van Luu认为，这可能只是更大一轮日元行情的开始。

本文来自华尔街见闻，欢迎下载APP查看更多

据央视财经，该芯片是全球首款落地“韬定律”、采用逻辑折叠技术的旗舰芯片，实现芯片性能的跨越式提升。

据新华社，麒麟9050 Pro在单芯片内将逻辑单元分层排布，如同从平层升级为复式，内部增设垂直互联通道，好似加装“电梯”，信号传输路径更短、时延更低、性能更好。这也是继华为Mate40全球发布会之后，华为时隔六年在旗舰发布会上推出全新麒麟芯片。

在HarmonyOS 7 | HUAWEI Mate XT 2 及全场景新品发布会上，华为常务董事、产品投资评审委员会主任、终端BG董事长余承东发表演讲。他表示，华为三折叠手机全球发货量超过100万台。

价格方面，Mate XT 2非凡大师三折叠手机售价19999元起。

史上最强麒麟芯片来了

据第一财经，发布会现场，华为常务董事、终端BG董事长余承东称麒麟9050 Pro为“史上最强”麒麟芯片，整机性能提升42%。同时，他在现场飙起英文，连续用“Super fast、Super intelligent、Super cool”三个“Super”概括芯片在性能、智能和能效方面的表现。

据华为公司董事、半导体业务部总裁何庭波此前发表的“韬定律”系列论文，逻辑折叠可以利用成熟的晶圆对晶圆混合键合技术，在相近的芯片面积内集成更多晶体管，并提升由这些晶体管构成的系统运行效率。

据华尔街见闻此前文章，9月4日，何庭波在中科院科技论文预发布平台ChinaXiv发布论文《Huawei's τ Chip Was Supposed to Melt?》（《华为的τ芯片本该过热烧毁？》），通过麒麟2026的实测数据，回应业界对3D堆叠芯片“高密度带来高功耗、高发热”的质疑。论文数据显示，麒麟2026（即麒麟9050 Pro）晶体管密度较前代提升约55%，但在相同性能下，NPU功耗下降66%，GPU功耗下降58%。

据第一财经，今年5月，华为对外发布“韬定律”，尝试为后摩尔时代的半导体演进寻找一条新的技术路径。而此次论文更新，也是华为试图向外展示“τ芯片”是如何通过重构电路结构、缩短信号传输距离、压缩传输延迟，将“时间维度革新”转化为芯片性能、功耗、温控的突破点，同时回应堆叠芯片“高密度等于高发热”的行业质疑。

此次发布会还进一步披露了麒麟9050 Pro在CPU、GPU、NPU、基带、散热及安全等方面的配置。GPU架构同步升级，计算能力与缓存能力进一步增强；同时，配合多通路导热封装和新一代散热系统，芯片在高负载场景下的性能释放和温控能力也得到改善。

端侧AI加速落地

相比传统芯片性能升级，麒麟9050 Pro此次更值得关注的是AI能力。作为首款落地“韬定律”的旗舰芯片，其达芬奇架构NPU支持多尺寸大模型端侧运行，实现了总参数30B、激活参数2B的端侧MoE全模态大模型运行，Mate XT 2也成为行业首个支持端侧MoE全模态大模型的手机。

在实际应用中，原生盘古30B-A2B大模型可以直接在手机端运行，即使没有网络，也能通过一句话完成本地相册整理。这意味着更大规模的大模型开始真正进入手机端，而不只是依赖云端调用。

除了AI能力，麒麟9050 Pro的传统算力也有明显提升。在其加持下，Mate XT 2整机性能较上代提升42%，9核灵犀CPU单核峰值性能提升24%、多核并发性能提升52%，新一代马良GPU渲染性能提升142%。

同时，麒麟9050 Pro还集成最新巴龙基带，采用天地一体融合通信架构，卫星寻呼成功率提升42%以上，连星速度提升40%以上；在地下室、车库、高铁等弱信号场景下，地面网络性能也进一步改善。

本文来自华尔街见闻，欢迎下载APP查看更多

三家机构关注重点各有侧重。瑞银聚焦台积电3DFabric及先进封装扩产，上调2027年底CoWoS产能预测至26万片/月；花旗聚焦CPO制造环节，重点关注主动耦合、自动化键合；野村则将目光投向测试和设备，认为EIC/PIC键合后的测试可能成为CPO量产瓶颈，并发现部分设备交期已拉长至两年。

从产业趋势看，先进封装正在从单一封装技术向3D系统级集成演进，CPO的核心矛盾也从技术验证转向规模化制造和测试。 随着AI芯片性能提升，封装、光互连和测试的重要性持续上升，产业链扩产正在向后端延伸。

与此同时，设备和厂房等产能约束开始显现，AI ASIC也成为新的增长点。整体而言，三家机构的调研共同指向同一变化：AI半导体的扩产正在从“前端增产”走向“全链条扩产”，封装、CPO、测试及设备有望成为下一阶段的关键环节。

台积电路线图：从CoWoS走向3D系统集成

台积电在展会上系统展示了应对AI算力增长的3DFabric路线，先进封装与光互连成为其中两条重要主线。

据瑞银报告，台积电5.5倍光罩尺寸CoWoS已经实现量产，良率超过98%；2028年将进一步扩展至14倍光罩，并支持20层HBM堆叠，2029年计划进一步支持24层HBM。

面板级封装也在加速推进。瑞银指出，设备供应商对台积电CoPoS（310×310mm²）的量产信心正在增强。台积电目标于2027年中期完成工艺和设备选型，2028年实现量产。

值得注意的是，台积电对2027年下半年的CoWoS扩产节奏似乎趋于谨慎，部分CoW外包业务可能更多交由ASE承接。这也意味着，先进封装的产能扩张正在从台积电内部向OSAT厂商进一步外溢。

光互连则是台积电3DFabric向系统级集成延伸的另一条路径。瑞银称，台积电展示的COUPE路线图计划于2026年实现200G/通道，并在2030年提升至400G/通道。

其背后的核心矛盾，是AI计算能力增长正在逐渐超过系统I/O带宽的提升速度。台积电演讲者指出，AI计算需求正以每两年约3倍的速度增长，而I/O带宽增速仅约1.4倍。随着传输频率和距离不断提高，铜互连的局限性日益突出，光互连因此成为解决系统级通信瓶颈的重要方向。

CPO制造：测试成为量产关键瓶颈

CPO从技术验证走向规模化量产后，产业链面临的挑战正在发生变化：问题不再只是“能不能做”，而是“能不能稳定、高效地做出来”。

花旗指出，CPO制造涉及EIC、PIC、透镜以及光纤/FAU等多部件集成，其中主动耦合需要实时光功率反馈和多轴定位。进入大规模生产后，行业还需要进一步提升对准速度、并行处理能力和自动化键合水平。

测试则成为另一大瓶颈。野村重点关注Insertion 2，即EIC与PIC完成晶圆键合后的测试环节。由于当前测试吞吐量偏低，产业链已经开始讨论是否可以跳过这一环节。

但野村认为，虽然取消Insertion 2能够缩短生产周期，但部分测试项目无法由后续环节覆盖，因此该步骤仍有助于判断晶圆良率、厘清供应链责任。换言之，测试效率与测试覆盖率之间的取舍，正在成为CPO量产必须解决的问题。

瑞银则预计，行业可能逐步简化Insertion 2，同时提高对Insertion 3——即单颗光学引擎测试——的依赖。测试设备厂商致茂电子在展会上提出，CPO测试可能向“shift-to-middle”转变：对于高密度扩展型交换机，如果任何一个光学引擎存在缺陷，都可能导致CoWoS级封装报废，因此Insertion 3的100%已知良品验证可能成为量产的必要条件。

本文来自华尔街见闻，欢迎下载APP查看更多

作者 | 周智宇

郭锐判断一个行业有没有机会，先看竞争还在比什么。

2004、2005年前后的功能机市场，已经热闹到连充电器也要多做一件事。郭锐自己买过一个，一边充电，一边还能播放音乐。多年后再提起它，他记得那个阶段层出不穷的“神奇需求”：手机可以装上大喇叭，可以刮胡子，配件也恨不得长出八种用途。

功能机曾经比谁能多塞一个东西，智能手机很快把这套竞争方式留在了过去。

如今，当问到为何偏偏走进一个如此拥挤的汽车行业时，智界汽车董事长郭锐给华尔街见闻的回答很短：“我是来到04、05年的手机行业。”

就在华尔街见闻与郭锐独家对话前夕，智界RX开启了预订。外界免不了拿这款FUV与外形相近的车型比较。

不过郭锐笑着说，“外观是最大的障眼法。”

相比外界对车外形的关注，他更多谈的是一辆车开上五年、十年之后，真正留在“里子”里的东西；谈四球头虚拟主销结构为什么难调；还谈到调校大师Tobias Moers——只有确认这辆车足够好，对方才肯把自己的名字放上去。

每当谈到外观、标签和价格，郭锐都会把问题再往里推，推到底盘、算法和生产线：这些藏在后端的能力，最后能不能在一辆车上被人真正开出来。再远的未来，他不肯提前讲完，只说要把产品一个接一个地交出来。眼下摆在他面前的，是RX。

把产品和人的需要接起来

从快消、消费电子到汽车，郭锐并不觉得自己换了几套做事的方法。

华尔街见闻问他迁移到新行业后有什么不同。他说：“本质上没什么不一样，真的。”

在他看来，产业成为生意，总要完成同一件事：把产品和人的需要接在一起。他说了一个英文词：bridging，意思是“搭桥”。卖一瓶水如此，做一辆车也如此。技术往前走，人的生活也在缓慢移动。收入、家庭结构、社会文化、人与人相处的方式，都会让一座桥改换方向。

郭锐谈这些变化，很少停在人群画像和市场术语上。解释智界V9这款MPV为什么要兼顾家庭与商务时，他提到自己的一个习惯：真正亲近的合作伙伴，他会请到家里吃饭，不会为了撑场面把饭局订在五星级酒店。双方“既有事谈，又是朋友”，一张餐桌上叠着两种关系，车里的空间自然也不只是接待或通勤。

这个例子从产品绕到他如何待人，又很快回到产品。为了让大家更清楚，郭锐说话常走这样的“弯路”：水、火锅、自行车、马、功能机，日常生活里的东西随手被他带进谈话，用来拆开一个商业问题。他关心的用户并不生活在条条框框里，人先有了新的相处方式，产品才需要重新寻找自己的位置。

对话中，问题几次落到价格和车型分类，郭锐总会往前追一步。外界关心一辆车卖多少钱、属于哪个档位，他更在意这个价格由什么支撑。“高端是结果，不是价格。”他说。

为了说明这句话，他举了两个再普通不过的东西。一支铅笔卖十元，已经可以算高端；一只杯子卖十元，多数人仍会觉得便宜。同一个数字放到不同物品上，含义立即变了。价格给不出一条恒定的高端线，产品交出了什么，人是否觉得值得拥有，才会留下结果。

定价之前，先得找到一个人愿意为它付钱的理由。

郭锐自己也肯为新技术付学费。读书时，他花6000元买过一部诺基亚。说完功能机时代那些“神奇需求”，他没有把自己放在洞察者的位置上：“我没有自大到说我能抓住用户需求，但是我至少有这个愿望。”

汽车让这件事变得格外复杂。从一把椅子到底盘、智能驾驶，几乎每个环节都在变化；一辆车既是交通工具，也是生活空间，还要提供驾驶乐趣。变量越多，旧有的分类越难概括新的需要。很多人看到拥挤，郭锐看到的是尚未完成的排列组合。

他不把“做得不一样”本身当作成就。郭锐把这句话重复了两遍：“不一样不是我们的目的，创造价值才是我们的目的。”偏离老路需要更长的周期，也要付出成本；如果没有新的需要可接住，他说，那只是“没苦硬吃”。

这座桥并不因为产品做出来就算完成。郭锐说，这件事“有挑战，但是有趣”。

一个做市场的人读论文

被问到AI将给汽车产业带来什么变化时，很多人会从智能驾驶和座舱这些很实际的变化来讲。郭锐先说：“我换一种回答。”

随后，他从数学讲起。加减乘除刚被发明时，如果有人追问数学怎样影响吃饭，答案当然存在，只是把一种基础方法问得太小了。AI也是这样。自动驾驶和座舱只是已经浮到表面的结果，远没有穷尽它在汽车里的用处。

郭锐接着区分软件与AI：软件按照写好的规则产生数据，AI从数据里学习规则。说到软件，他把自己拖进来当例子。写一个网站，前端、后端和数据库都要接起来，“框架套框架”，中间还要不停调试。按他自己的水平，没有两三万行代码，网站出不来。

这句自嘲勾出一段旧事。上世纪90年代末，他学计算机二级，那时，能有一台电脑已经不容易。周围人觉得他像个“scientist”；大学里若能做出一个网站，又会被看成下一个比尔·盖茨。会写驱动、会用汇编语言，听起来更是了不得。多年后回头看，那些曾经稀缺的本领已经成为普通工作。

郭锐讲这段经历，落点仍在眼前的AI。今天被少数人掌握的方法，随着工具和框架成熟，也会逐渐变成普遍能力。到那时，人们不会再把AI三个字挂在每个功能前面，它会沉进每天的开发和生产。

说到这里，他特意补了一句：“我是正儿八经读paper的。”

郭锐随即谈起端到端和世界模型等技术路径。公开论文只要发出来，他就去读。“他们只要敢发，我就敢读。”后来一些研究转向闭源，他说自己便没法继续读了。

算法并不是他进入汽车以后临时补的功课。公开履历显示，他毕业于北京大学信息科学技术学院，早年研究量子计算与算法，后来才走进消费品和消费电子。多年以后，论文阅读的习惯留了下来。履历看似一路离技术更远，汽车又把这条线拉了回来。

一个长期做市场和品牌的人，在一场对话里谈代码行数、算法框架和公开论文，多少有些出人意料。郭锐自己并不觉得这是两种身份。

他关心AI，也因此很少停在座舱里出现了什么新功能。他沿着研发往下追，追到制造和测试。在对话中，他举了整车下线检测和测试场的例子：AI指导执行器反复开门、关门，刹车、松离合，完成仅靠人的体力和时间难以覆盖的测试。为什么让机器做？他的解释没有一点技术包装：“因为人得睡觉。”

消费电子行业曾经处理过相似的压力。产品更新越来越快，可靠性要求也越来越高。郭锐认为，其中一部分方法可以进入汽车研发和生产。他说，车比手机重得多，链条也长得多，从第一个工位到最后一个工位，需要经过一周。

这些复杂，恰是他说汽车“有挑战，但是有趣”的原因之一。

智驾与驾驶乐趣，“这俩不冲突”

从某种程度上看，智界RX是一款有些“纠结”的车：一辆面向更高阶智驾演进做架构准备的车，为什么还要强调驾驶乐趣？

“这俩不冲突。”郭锐答得很快。

他以自行车为例。在郭锐小时候，自行车还是重要的代步工具。汽车逐渐普及以后，自行车没有消失，骑行反而成了更个人化的爱好；马也没有因为新的交通工具出现而失去价值。效率可以被更先进的工具接管，驾驭一件机器的乐趣会以另一种方式留下来。

郭锐借这段看似绕远的回答，拆开了RX要处理的问题。一辆车有工具的一面，也有享受的一面。智能化继续减轻重复、疲惫的驾驶，人的驾驶欲望不会随之消失。

RX要在同一辆车里容纳两者：面向更高阶智驾演进的架构，为安全和智能能力留出空间；底盘与整车控制，则要在驾驶者想自己开时给出清晰的反馈。

他后来把这层意思收成一句话：“想开的时候陪你玩，不想开的时候帮你开。”

RX没有继续沿用原来的数字序列。郭锐此前解释过：X在9系之上。这背后带着智界的一个野心。

郭锐认为，智界RX的产品价值远高于目前产品定价，因此，当下正是入手智界最恰当的时机。智界是一个价值持续向上的品牌，在他看来，依托持续迭代的创新能力与不断拔高的、产品实力，产品实际价值在大幅不断提升，但价格并没有未同步上涨，产品价值显著高于售价。站在当前节点，这份价值，值得用户看见。

郭锐把重点放在面向L3的架构上。按他的解释，L3与L2最大的差别是冗余：即便驾驶者自己开，系统也持续工作，转向、制动和通信要有双路或多路保障。他关心的是，这些基础能不能先成为一辆车的安全底座。

谈到RX采用的四球头虚拟主销结构，郭锐把结构和感受放在一起说：这套结构能增强支撑性和抓地力，车进弯时，车头像被弯道“吸进去”，不会顺着惯性往外推。接着，他解释这套结构为什么难调。

提到曾任奔驰AMG董事会主席、阿斯顿·马丁CEO的Tobias Moers时，郭锐说，对方看中的也是这一点。按他的讲述，对方很在意自己的声誉，只有确认车调得足够好，才愿意用自己的名字为结果背书。一个功成名就的人，仍把个人名誉放进一项尚未完成的工作里，这比一串履历更能说明调校的门槛。

按郭锐的说法，这类调校不能只靠实车测试，还要结合大量AI仿真和算力。技术名词很密，落点却简单：方向盘打下去，车头是不是听话；速度上来，车身还能不能稳住。好车在他那里很少是一个单独成立的形容词，总要变成身体能够感受到的东西。

郭锐又把话题带到RX背后的工厂。他从铝液流进大尺寸模具时为什么容易冷却说起。流动距离越长，不同位置的温度越难保持一致；压得太快，又可能卷进气泡。他说着说着，像临时上起一堂物理课：铝是金属，能不能用电磁力改变它的流动？能不能让铝液“从酸奶变成牛奶”，流得顺一些？

讲到电磁热控压铸，他又换了一个比喻：“像保温杯，慢慢流。”先把温度留住，让铝液完整填满模具，再均匀冷却。一项复杂工艺经他一转，变成了厨房里也能想象的画面。最后的目标仍然是他不断提起的那个字：整。一辆车开起来，车身要有完整、紧实的感觉。

三个小时的对话里，话题几次从可见的产品表面折进铝液、算法和工厂。讲到这里，郭锐自己点出了这场谈话的错位：“说的是比较后端的事情，可能你们在看前端。”

这些后端能力确实很难直接被看见。而郭锐把答案交回试驾：底盘的“手感”太抽象，原理只能解释一部分，那些藏在架构、算法和生产线里的东西，得等方向盘真正打下去，才能知道有没有做出来。

做成了叫理想，做不成叫幻想

郭锐对汽车行业的乐观，来自行业变化还没有停止。

他说，今天的汽车还有很多地方依赖泵、油液、压缩机和刚性连接。有些动作无法解耦，有些响应受制于机械结构。谈到这里，他把汽车比作早期计算机：用晶体管搭起来的机器占满一间房，耗电、金贵，还容易坏；如果只算眼前的投入产出，算盘在许多场景里反而更好用。

那并没有成为计算机的结局。郭锐借这个例子想说，基础技术还在变动时，眼前的形态很容易被误认成最终的样子。

汽车里的驾驶、空间和机械结构，在他看来也远没有被定义完。在他的说法里，今天的空间仍在服务驾驶，驾驶又首先服务交通工具。只要这组关系还没有松动，车就还没到定型的时候。

华尔街见闻请他举一个更远的例子，郭锐拿两个人当时的座位说事。对话时，两个人面对面交谈；进了车，所有座位却天然朝向前方。如果背过身，只从后视镜里看他，这场谈话会变得很别扭。车内空间长期服从驾驶任务，一旦驾驶任务改变，人与空间的关系也会跟着松动。具体会长成什么样，他很快把话收住：“八字还没一撇呢。”在郭锐看来，汽车产业“很重”，这些变化不会一下子发生。

他对汽车行业的判断，也来自相似的时间差。功能机最热闹的时候，手机和配件不断长出新用途。站在那一刻往四周看，各家围着功能和价格反复竞争，当然很挤；把时间往后推几年，原有的竞争方式已经不再重要。

所以有人问他，为什么要进入这样一个行业，他才会说自己“跑到2004、2005年的手机行业去了”。只看眼前的竞争，他说，汽车行业“特别卷”；把视线移到技术栈上，那里还有“巨大的金矿”。

郭锐并没有把这段经历当成一张可以复制到汽车上的路线图。讲完那些“神奇需求”，他特意补了一句，自己没有自大到认为能够抓住用户需求，至少有认真理解用户的愿望。

他相信汽车还有许多“好玩的事情”没来，也知道一项技术真正落到产品，中间隔着很长的研发和制造链条。

他讲了几种技术可能性，不过很快把话收回来，说了一句“Let's see”，先把眼前的事情做好。

华尔街见闻笑他留下的悬念太多。郭锐解释，自己不愿为理念谈理念，也不愿提前描画五年后的图景。“做成了叫理想，做不成叫幻想。”

他没有再给出一张路线图，只把话落回眼前：“我希望交产品出来，一个一个产品交出来。”

本文来自华尔街见闻，欢迎下载APP查看更多

日元兑美元汇率周一升至今年2月以来最高水平，超越7月干预行动后的峰值。美元兑日元跌幅扩大至1.3%，报154.30。交易员指出，汇价在欧洲交易时段突然跌破约155.00的关键支撑位，市场缺乏足够买盘承接卖压，加之美国因劳动节假期休市，流动性偏薄进一步放大了价格波动。

韩国首尔综指日内涨幅扩大至4%，SK海力士涨逾7%，三星电子涨逾5%，为MSCI亚太指数的上行贡献最大。与此同时，美伊两国在霍尔木兹海峡附近发生油轮袭击事件，推动国际油价走高。投资者在享受AI驱动的科技行情之余，也面临美联储本月加息预期升温带来的压力。

本周市场焦点集中于周五公布的美国消费者价格指数（CPI）数据，该数据将在很大程度上左右美联储下次会议的利率走向。荷兰合作银行（Rabobank）策略师Jane Foley表示，若通胀数据高于预期，美元仍有望获得一定提振，但她同时指出市场对美元的信心已有所减弱。

• 标普500期货基本持平，纳斯达克100期货小幅上涨0.3%。
• 欧洲斯托克600指数小幅下跌0.1%，对经济周期敏感的板块领跌。
• 韩国首尔综指日内涨幅扩大至4%，SK海力士涨逾7%，三星电子涨逾5%
• 美元兑日元跌幅扩大，下跌1.3%至154.30。
• 日本40年期国债收益率上升7个基点至4.1%。
• 布伦特原油上涨1.1%，交投于每桶97美元上方；西德克萨斯中质原油上涨1.2%，报每桶92.53美元。
• 现货黄金日内跌幅达1.0%，报4386.25美元/盎司；现货白银日内跌幅达1.0%，报65.48美元/盎司。
• 比特币下跌0.2%，报79,723.42美元

全球股市周一呈现宽幅震荡格局。欧洲斯托克600指数小幅下跌0.1%，对经济周期敏感的板块领跌。标普500期货基本持平，纳斯达克100期货小幅上涨0.3%。

人工智能相关板块延续热度。随着OpenAI GPT-6模型的发布持续点燃市场热情，韩国存储芯片龙头股表现尤为突出，成为亚洲市场中的亮点。

首尔Timefolio Investment Management基金经理Kim Namho表示，韩国芯片股上涨的最大驱动力，正是OpenAI新模型带来的乐观情绪——这一消息此前已将美国芯片股推高。OpenAI表示，其发布的GPT-6是公司迈向所谓通用人工智能这一十年长期目标的重要里程碑。

KCM Trade首席市场分析师Tim Waterer表示，"科技股的这波复苏正在让交易员今天保持买入心态。亚洲市场如此迅速地消化了美国市场因就业数据引发的负面反应，多少令人意外。"

地缘政治紧张局势为油市带来显著支撑。布伦特原油上涨1.1%，交投于每桶97美元上方；西德克萨斯中质原油上涨1.2%，报每桶92.53美元。

据Press TV报道，伊朗最高安全官员表示，将在未来数日内宣布在霍尔木兹海峡外划设新的限制区域，范围从美国海军封锁线开始，延伸至部分波斯湾水域。这一表态进一步加剧了外界对全球重要原油运输通道受阻的担忧。

油价上涨与上周五强于预期的美国非农就业数据叠加，令市场对本周五即将公布的美国8月CPI数据高度关注，美联储9月加息的可能性随之上升。

Brown Brothers Harriman全球市场策略主管Elias Haddad在给客户的报告中写道，美联储9月16日是否加息"取决于本周五美国8月CPI数据的表现"。他表示，"若CPI偏热，将几乎锁定9月加息并支撑美元走强；若数据偏冷，则将强化暂停加息的预期，令美元面临鸽派重定价的压力。"

值得注意的是，由于美国公众假日，周一现券市场暂停交易，美国国债10年期期货连续第二个交易日小幅下滑。

日元周一小幅走高，盘中最多升值0.3%至155.80兑每美元，市场猜测日本政府养老金投资基金（GPIF）可能提高对国内资产的配置比例，同时交易员也在权衡日本央行本月加息的可能性。与此同时，日本40年期国债收益率上升7个基点至4.1%。

RBC Capital Markets亚洲宏观策略主管Abbas Keshvani表示，"我们仍在消化上周GPIF消息的余波。该基金的潜在资产轮动，可能有助于稳定日本政府债券市场，并在明年之前启动日元的复苏行情。"

欧洲债市周一亦备受关注。德国极右翼政党德国另类选择党（AfD）周日在萨克森-安哈尔特州选举中取得历史最佳战绩，据ARD播出的预测数据显示，AfD以44%的得票率位居第一，支持率较上届翻逾一倍，而长期执政的基督教民主联盟得票率大幅萎缩至17.5%。欧元在亚洲早盘交易中变化不大，但包括德国国债在内的欧洲债券市场的后续反应值得持续关注。

本文来自华尔街见闻，欢迎下载APP查看更多

据上证报，9月7日，高盛研报首次覆盖中际旭创H股，给予“买入”评级，12个月目标价为3267港元。高盛分析师在报告中表示，上述预期反映了对中际旭创在硅光模块领域领先地位、1.6T及以上解决方案加速量产、供应链稳定性、生产基地多元化以及共封装光学竞争可控等方面的积极判断。

9月7日，A股三大股指震荡上涨，沪指全天窄幅盘整，盘中一度小幅小幅，收盘微涨0.1%，深成指、创业板全天走势较强，深成指涨近2%，创业板大涨超3%。算力硬件爆发，覆铜板、电路板、光电路交换机、光模块、HBM、光通信、高速铜连接等方向纷纷大涨，贵金属、煤炭、航天军工等集体陷入调整。算力芯片股摩尔线程因解禁而遭遇20CM跌停，为上市以来首次跌停，沐曦股份亦跟跌。

港股全天震荡下跌，恒指、恒科指盘中先后扩大跌幅，一度均跌超1%，午后跌幅仍然维持在1%附近，科网股多数承压，小米跌4%，百度大跌逾5%。芯片股反弹，华虹宏力、兆易创新等涨幅居前。AI大模型股午后下挫。中际旭创港股暴涨近20%。债市方面，国债期货多数反弹。商品方面，国内商品期货涨跌不一。

A股：截至收盘，沪指涨0.07%，深成指涨1.91%，创业板指涨3.64%。

盘面上，个股涨多跌少，沪深京三市约3100股飘红，今日成交1.96万亿。沪深两市成交额1.95万亿，较上一个交易日缩量846亿。板块方面，光模块概念股表现出众，中际旭创涨超10%，市值重回1万亿元，主力资金大举扫货，激发AI硬件侧炒作热情。农业、传媒、旅游、零售、机械板块同样活跃。银行保险、煤炭、石化板块调整。

港股：截至收盘，恒指跌0.93%，恒科指跌0.92%。

盘面上，港股光模块爆发，中际旭创涨近20%，群核科技涨约30%，剑桥科技涨约24%。百度集团、小米集团、四大行、中国石油等走软。天数智芯跌约11%，曦智科技跌约11%，智谱跌约5%。

债市：国债期货震荡上涨，截至收盘，30年期主力合约涨0.06%，10年期主力合约持平，5年期主力合约涨0.02%，2年期主力合约涨0.01%。

商品：国内商品期货国内商品期货多数收涨，截至收盘，BR橡胶涨超4%，20号胶涨近3%，鸡蛋、原油、沥青涨超2%，LU燃油、烧碱、集运欧线、棕榈油、沪锌、铁矿石涨超1%。跌幅方面，锰硅、硅铁跌超4%，碳酸锂跌超3%，焦煤、焦炭、沪金、沪银跌超2%，多晶硅、工业硅、钯跌超1%。

万亿中际旭创涨超10%

算力硬件大爆发，CPO、PCB等方向集体拉升。CPO概念股中，源杰科技、太辰光、联特科技、长芯博创等纷纷大涨超10%。中际旭创市值重回万亿关口。

PCB概念股深南电路、沪电股份双双涨停，光模块板块亦是大涨，万亿中际旭创涨超10%，新易盛、天孚通信等跟涨。

逻辑链一：GPT-6 Astra发布，AI算力军备竞赛再提速。近日OpenAI正式发布新一代旗舰模型GPT-6 Astra，自称“目前全球最智能、且对齐程度最高的模型”，可自主操作软件、完成编程/金融建模/制作演示文稿等长周期多步骤任务，并达到其“准备框架”中“关键”网络安全能力门槛。英伟达CEO黄仁勋于当地时间上周日发帖称，GPT-6 Astra由约10万颗NVIDIA Grace Blackwell NVLink72集群训练完成，直言“AGI已到来”，并透露“下一批40万GPU即将上线”，暗示算力军备竞赛仍在加速。这意味着模型训练侧的超大集群化、重资本化、强互联依赖进一步抬升，对高速光互连的需求非线性扩张。

逻辑链二：外围与亚太市场共振，光通信/存储逆势大涨。上周五美股光通信板块走高——迈威尔科技涨超7%、Coherent涨超6%、康宁（GLW）涨超5%；存储与光通信逆势大涨，闪迪涨11.9%、SK海力士ADR涨8.14%、希捷涨6.34%、美光涨6.1%、西部数据涨5.86%、AMD与英特尔均涨逾4%，费城半导体指数逆势涨3.37%；亚太方面，日经225收涨2.12%、韩国KOSPI收涨4.61%，SK海力士涨超7%、三星电子涨逾5%，半导体链情绪共振向上传导A股。

逻辑链三：高盛“一年内第三次上修”光模块天花板，首覆中际旭创H股“买入”。据上证报，9月7日早间，高盛发布全球光模块行业深度报告，将2026—2028年全球光模块市场TAM（总可寻址市场）分别上调33%、81%、115%（由2025年的376亿美元一路抬至2028年的约1485亿美元，三年近翻四倍）；将1.6T及以上光模块出货量2026—2028年分别上调29%、61%、50%；并预测硅光在整体光模块中的渗透率将从2025年的约6%提升至2028年的18%（其中800G约60%、1.6T与3.2T约80%）。

落到个股，高盛首次覆盖中际旭创H股给予“买入”评级、12个月目标价3267港元，重申A股“买入”、目标价2645元人民币（以基准价814元计潜在涨幅224.9%），其对中际旭创2026、2027年净利润预测较市场一致预期分别高25%和42%，核心基于其在硅光模块领域的领先地位、1.6T及以上解决方案加速量产、稳定供应链及可控的CPO竞争。

公司层面，8月31日晚间，中际旭创披露40亿元—80亿元股份回购方案，回购股份全部用于股权激励与员工持股计划，深度绑定核心团队利益，彰显长期发展信心。方案落地后，公司自9月1日起已连续4个交易日实施回购，截至9月4日累计回购金额超13亿元。

逻辑链四：CPO产业化从验证走向商用，光博会开幕在即。英伟达Spectrum-X以太网硅光交换机已于8月中旬宣布全面量产，台积电COUPE硅光集成平台也在加紧推进量产，CPO正从技术验证进一步走向规模化商用。第27届中国国际光电博览会（CIOE中国光博会）将于9月9—11日在深圳举办，同期举办“AI算力时代CPO与光电异构集成技术论坛”，产业技术有望从800G进一步向1.6T升级，3.2T及更高阶产品陆续推进送样与客户验证，成为板块情绪的重要催化。

逻辑链五：需求侧“不缺订单、只缺产能”，国产算力同步突破。海光信息相关高管在中期业绩说明会上透露，目前高速光模块全行业呈现“不缺订单、只缺产能”的格局，公司订单指引已排满2027年全年。国产算力侧，华为半导体负责人何庭波于9月4日更新“τ（韬）定律”论文（V3版），回应了3D堆叠芯片存在发热问题的质疑，不到四个月华为三次就韬定律发表论文，强化国产先进封装叙事，带动中石科技（涨超11%创历史新高）、科泰电源、兴森科技等华为概念股涨停。

业内人士指出，GPT-6 Astra对算力产业意义重大：一方面，10万GPU级训练规模再次验证全球AI算力需求持续爆发，训练与推理算力天花板不断抬升；另一方面，Astra将AI从“回答问题”推向能自主操作软件、完成完整工作流程的智能体，推理链条显著拉长，将带动推理算力需求进一步扩张。

开源证券指出，近期国内外科技巨头财报呈现业绩超预期、资本开支指引超预期等特点，印证全球AI算力链高景气度；进入9月，光、超节点及国产算力、液冷或将迎来密集催化，华为全联接大会与阿里云栖大会有望对相关板块形成较强催化。

摩尔线程20CM跌停

尽管算力硬件大爆发，但是算力芯片龙头摩尔线程突发跳水，沐曦股份-U跌近10%，摩尔线程20cm跌停，股价报415.49元/股，创上市以来新低，总市值跌破2000亿元。

消息面上，摩尔线程此前发布公告称，公司首次公开发行网下配售限售股2577.451万股将于9月7日上市流通，占公司总股本的5.48%，总流通股扩大85%。原定解禁日为2026年9月5日，因当日为非交易日，顺延至下一交易日。

值得一提的是，摩尔线程于2025年12月5日以114.28元/股的发行价登陆科创板，上市首日暴涨425.46%，上市仅五个交易日便达到历史最高点941.08元/股，而当前其股价已经回落到400元/股左右。

业绩方面，摩尔线程2026年上半年实现营收17.36亿元，同比大幅增长147.42%，已超2025年全年营收；毛利总额达9.89亿元，同比增长103.78%；归母净利润、归母扣非净利润分别为-1156.31万元、-1.51亿元，亏损分别较上年同期收窄95.73%、52.37%。

有分析认为，除了国产替代的稀缺性外，新股流通盘较小也是市场炒作的因素之一，此次摩尔线程限售股解禁，股价闪崩跌停，打响了科技股“大肉签”挤泡沫的第一枪。

对于跌停，摩尔线程表示，公司股票今日有首发网下配售限售股上市流通，总流通股扩大85%，相关解禁事项已按规定履行信息披露程序。公司目前生产经营持续向好，上半年收入17.36亿元，同比增长147%。

GPU核心技术不断迭代，“花港”架构的新产品年内上市。服务AI大模型的训练和推理产品已经销售到互联网、大模型公司，以及AI基础设施公司和运营商等客户。基于S5000的万卡集群已经为超大参数的大模型训练提供服务。面向词元工厂的S5000推理服务，陆续上线运营。具体经营及财务情况以公司已披露及后续正式公告为准。

大消费（零售/旅游）：政策催化升温，国芳集团7天6板

大消费板块震荡拉升，成为防御性调仓的主要承接方向，零售、旅游方向领涨。个股层面，国芳集团（7天6板）成为板块人气龙头，中百集团、中央商场、百大集团、桂林旅游、华天酒店涨停，板块效应显著。

逻辑链：促消费政策密集落地。商务部等7部门近日印发《关于推动商品消费扩容升级的实施意见》，提出到2030年社会消费品零售总额达60万亿元左右，培育形成绿色消费、智能消费、健康消费等十万亿级市场；国务院亦批复原则同意《扩大消费“十五五”规划》，将养老、托育、文旅、健康等服务消费置于突出位置；工信部等六部门印发《关于推动历史经典产业高质量发展的意见》，鼓励茶叶、中药、丝绸等名品精品进入口岸出境免税店、离境退税商店、市内免税店等渠道，进一步打开零售与旅游免税场景扩容预期。

华泰证券认为，《扩大消费“十五五”规划》将促消费与惠民生深度绑定，既通过扩大供给提升消费品质，又通过民生普惠稳定消费预期，有望从长期视角推动消费由修复性增长向内生性扩容转型；伴随提振消费政策陆续落地，看好大消费板块基本面逐步向好与龙头估值重估，推荐三大主线：AI科技消费、情绪及体验消费、国货崛起与品牌全球化。

本文来自华尔街见闻，欢迎下载APP查看更多

本周一，中际旭创A股盘中一度站上900元/股，涨幅超10%，成交额突破300亿元，总市值攀升至1.06万亿元；港股涨幅一度超16%。高盛给予A股12个月目标价2645元人民币，对应当前价格约225%的上行空间；H股目标价3267港元，隐含同等幅度的潜在涨幅。

高盛的核心逻辑在于1.6T及以上光模块方案的加速量产。高盛预计，中际旭创2026至2028年收入复合增速达78%，并指出其2026/27年净利润预测分别较市场共识高出25%和42%，理由是对公司营收增速及毛利率的判断更为乐观。与此同时，公司近期推出的40亿至80亿元股份回购方案进一步强化了市场信心。

高盛在报告中将中际旭创定位为全球光互联解决方案领域的领先供应商，认为公司在基于硅光（SiPh）的光模块领域具备显著领先优势。

报告称，中际旭创在硅光模块出货量增长及向规模扩展（scale-up）和横向扩展（scale-across）市场的多元化拓展，将是驱动未来营收的两大引擎。高盛指出，新一代AI平台的迭代升级——例如英伟达Rubin及Rubin Ultra架构的推进——将推动光模块规格持续升级，为公司带来产品结构优化的机遇。

在估值方法上，高盛采用同行盈利增长与经营利润率相关性推导出A股目标市盈率35.6倍，H股估值则在此基础上叠加13%的H-A溢价。

高盛在报告中着重梳理了围绕中际旭创的核心市场争议。分析师认为，其预测高于共识的主要来源，在于对1.6T及以上解决方案加速量产节奏的更积极判断，以及对供应链稳定性和生产基地多元化的正面评估。

针对外界关注的共封装光学（CPO）技术对传统可插拔光模块市场的潜在冲击，高盛认为这一竞争威胁"可控"（manageable），并不构成短期实质性风险。

高盛提示，除1.6T/3.2T光模块加速放量外，新一代AI平台迁移带来的规格升级，以及近端封装光学（NPO）方案贡献的增量收入，同样是值得跟踪的重要看点。

公司层面的动作同步为股价提供支撑。8月31日晚间，中际旭创披露40亿至80亿元的股份回购方案，回购股份全部用于股权激励与员工持股计划，旨在将核心团队利益与公司长期发展紧密绑定。方案公告次日即付诸实施。截至9月4日，公司已连续4个交易日实施回购，累计回购金额超13亿元。

本文来自华尔街见闻，欢迎下载APP查看更多

规划提出，到2030年，全面建成覆盖完善、性能领先的新一代通信网，加快形成技术先进、安全可控的信息通信产业体系，有效构建技管结合、敏捷高效的信息通信行业治理体系，打造全域联动、实战实用的网络和数据安全保障能力，行业赋能水平与全球化发展水平进一步提升，信息通信行业现代化迈出坚实步伐，为到2035年基本实现信息通信行业现代化奠定坚实基础。

规划还列出了13个主要指标，包括到2030年，信息通信行业收入达4.1万亿元，信息基础设施累计投资3.8万亿元，电信业务总量年均增速7%，每万人拥有5G（含5G-A）基站数为50个，智能算力规模达9800EFLOPS（每秒百亿亿次浮点运算），5G（含5G-A）用户普及率达95%等。

本文来源：新华社

工信部：适时启动6G商用 积极开展万兆光网试点建设

其中提到，推进城市及热点区域网络向“双万兆”演进。深化重点场景5G网络深度覆盖，推进5G演进（5G-A）网络在县级以上城区连续覆盖，并向重点乡镇延伸，实现城市热点区域具备万兆下行、千兆上行峰值速率能力。适时启动6G商用。积极开展万兆光网试点建设，逐步扩大万兆网络覆盖。持续实施“信号升格”专项行动，提升端到端业务感知。推动移动物联网广域覆盖和智联能力提升。深化互联网协议第六版（IPv6）技术创新和融合应用，有序推进IPv6单栈部署。

工信部：加强超高速大容量光传输、光接入、海缆光通信技术研发 加快空芯光纤等新型光纤技术研发及应用

其中提到，加强关键核心技术攻关。强化创新引领，加快6G核心技术研发攻关，持续开展6G技术试验。加强超高速大容量光传输、光接入、海缆光通信技术研发，加快空芯光纤等新型光纤技术研发及应用，开展车载光通信、工控光网络等行业融合应用技术研究。加强数据通信技术创新，攻克IP广域无损传输、流级负载均衡等技术。推进入算、算网资源感知等算力传输通道技术研发。加强星地高效传输、星间组网和路由等卫星通信关键技术攻关。加快光电融合、量子加密与信息通信网络融合等交叉融合领域前沿技术布局。

工信部：到2030年 全面建成覆盖完善、性能领先的新一代通信网

其中提到，到2030年，全面建成覆盖完善、性能领先的新一代通信网，加快形成技术先进、安全可控的信息通信产业体系，有效构建技管结合、敏捷高效的信息通信行业治理体系，打造全域联动、实战实用的网络和数据安全保障能力，行业赋能水平与全球化发展水平进一步提升，信息通信行业现代化迈出坚实步伐，为到2035年基本实现信息通信行业现代化奠定坚实基础。

工信部：推进涉诈APP分级处置，探索人工智能反诈助手

其中提出，建立全生命周期电话用户实名登记与安全管理体系，构建“数据驱动、精准风控、闭环处置”的实名制技防体系。健全短信端口、物联网卡等分类分级安全监管体系，推进重点新兴业务涉诈风险安全评估，深化电话号码关联账号涉诈协同治理，推进涉诈APP分级处置。建设行业反诈实验室，加强智能“断卡”研判处置工作，强化数据赋能，构建人工智能驱动的反诈技防体系。强化与公安、金融、网信等部门涉诈资源共享与研判，指导开展行业自律，探索人工智能反诈助手，培育反诈宣传品牌栏目，打造全方位综合治理格局。

本文来自华尔街见闻，欢迎下载APP查看更多

近日，CFA协会高级研究主管Rhodri Preece主持了一场关于“人工智能与金融”的圆桌会议。CFA协会应用投资实践与工具部门主管Brian Pisaneschi与数据科学研究员James Tate共同出席。在这场对话中，专家们详细拆解了Agentic AI（智能体AI）在投资工作流中的构建路径、金融数据缺失的最新解法，以及模型选择与治理背后不为人知的“偏见”盲区。

Agentic AI重塑工作流：从“代码驱动”到“技能驱动”

在过去，金融从业者使用AI往往需要复杂的编程能力。但如今，构建智能体工作流的门槛正在大幅降低，行业标准的演进正让AI从“辅助工具”变成“核心枢纽”。

Brian Pisaneschi指出，一年前构建智能体还需要学习各种Python库，而现在行业已经转向使用Markdown文件（半结构化文本）来描述特定工作流，即所谓的“技能（Skills）”。

更具颠覆性的是MCP（模型上下文协议）服务器的普及。Pisaneschi强调，MCP服务器现在已成为行业标准，“MCP服务器的作用是让大型语言模型能够几乎原生地与外部数据API等进行交互。”

这种转变改变了金融人的工作习惯。过去，分析师需要登录彭博终端提取数据再导入Excel；现在，逻辑反转了。Pisaneschi一针见血地指出：“执行任务的主要方式，是首先与人工智能平台本身进行交互。一旦你连接了所有需要的数据源……人工智能就能自主判断，它会提取相关信息，然后启动相应的对话和工作流程。”

这种模式的精妙之处在于它的“简洁性与可迭代性”。分析师可以通过不断纠错，将修改后的信息添加到技能文件中。“即使模型本身没有改进，仅仅通过我们为特定任务创建的技能文件，我们就能凭借自身的知识和对模型的迭代，构建出极其强大的工作流程。”

突破历史数据瓶颈：“合成数据”颠覆传统压力测试

金融市场的数据常常是不完整的，而AI为数据缺失提供了全新的解法。除了传统的线性插值和“最近邻插补法”，James Tate指出，最具商业想象空间的是利用生成式AI生成“合成数据（Synthetic data）”。

这在投资组合管理中具有巨大的实战价值。Tate表示：“我认为这在金融行业非常有价值，例如可以用于情景模拟、压力测试投资组合或回测交易策略。”

传统的压力测试往往依赖历史经验分布，而生成式AI不预设任何线性假设或分布假设。“使用这种人工智能驱动的方法，你不需要预先设定数据的函数形式或假设给定的分布，这更像是一种经验主义方法……理论上它们可以模拟不同变量之间任何潜在的关系。”分析师可以输入通胀、收益率、GDP等宏观数据，让AI通过数据驱动来推演投资组合的可能路径，这为应对不断变化的市场机制提供了极大的灵活性。

开源 vs 专有模型：成本优化与“赢家通吃”的博弈

面对市面上繁多的AI模型，金融机构该如何选择？这不仅关乎性能，更关乎数据隐私与成本。

出于隐私保护，许多机构倾向于开源软件。Pisaneschi坦言，开源大模型可能比主流专有软件（如OpenAI）落后大约三个月。在专有模型领域，“赢家通吃——拥有最好的模型会带来巨大的竞争优势，” 因为巨头们实现了强大的并行化，并针对智能体任务优化了工具框架。Tate也指出，专有模型在可扩展性上具有压倒性优势：“使用专有模型，你可以快速扩展规模，通过API批量发送5万个请求，24小时内就能得到结果。”

然而，开源软件的核心商业价值在于“成本优化”。Pisaneschi指出，如果处理海量数据，频繁调用OpenAI的API将极其昂贵。因此，机构可以基于高质量数据集，在本地训练并运行小型语言模型（SLM）。“如果你能得到一个足够好的模型，就可以在本地运行这个小型语言模型，从而节省大量成本，几乎是免费的。”

投资界最大的误区：AI并未消除偏见，甚至自带“损失厌恶”

在治理与合规层面，市场普遍存在一个误区：认为将决策委托给机器就能消除人类的情绪偏见。本次圆桌给出了截然相反的结论。

Tate发出了严厉警告：“我最大的担忧是大语言模型中的偏见问题……很多研究表明，这些大型语言模型中的偏见基本上反映了投资者的偏见——它们是用人类生成的数据训练的，自然会反映人类的偏见。”

他特别提到了一个极具冲击力的发现：“研究表明，大型语言模型存在损失厌恶偏差。这会带来什么影响呢？如果你让它们管理一个既有盈利也有亏损的投资组合，它们更有可能持有亏损部分，而实际上应该将这些资金转向更明智的投资方式。” 此外，由于训练数据的缘故，模型还存在严重的西方中心化和偏好美国科技股的倾向。

以下是访谈正文：

Rhodri Preece

大家好，欢迎收看本期圆桌会议。我是特许金融分析师协会（CFA Institute）高级研究主管罗杰·普里斯。今天我们将探讨人工智能与金融，特别是人工智能如何重塑工作流程、投资流程，以及人工智能对投资机构治理的影响。

Rhodri Preece

今天和我一起参与对话的是我的同事布莱恩·皮萨内斯基（Brian Pisaneschi）。布莱恩是应用投资实践与工具部门的主管，也是 CFA 协会研究与政策中心的常驻人工智能专家。还有我的同事詹姆斯·泰特（James Tate），他是数据科学研究员，也是 CFA 协会的附属研究员。欢迎詹姆斯和布莱恩，非常感谢二位。

Rhodri Preece

那么，让我们深入探讨今天的话题。正如我刚才提到的，金融领域目前正经历着翻天覆地的变化。鉴于人工智能的快速普及，我们常常难以跟上步伐。但我们知道，各种工具层出不穷，工作流程也必须随之改变和演进，以适应技术发展。有时，从业者很难知道从何入手，应该关注哪些方面。布莱恩，我想请你先谈谈一些最新的工具以及人工智能的应用前景，无论是用于自动化投资流程，还是通过这些工具来优化部分工作流程。

Brian Pisaneschi

就最新情况而言，我现在几乎每天都在谈论工具和技能。我们已经听说了很多关于智能体人工智能（Agentic AI）的内容。一年前我还在用 Python 构建这些智能体人工智能解决方案，当时必须学习各种不同的 Python 库才能把它们组合起来。

Brian Pisaneschi

关于智能体工作流程，去年，Anthropic 推出了一种名为“技能”（Skills）的全新行业标准，它本质上就是主提示，但这些主提示结构非常完善，能够让系统自主完成任务。它们只是 Markdown 文件——Markdown 是一种半结构化文本——用于描述特定的工作流程。在这个工作流程中，它可能还会用到一些其他资源。例如，如果你要创建一个估值模型，技能文件中可能包含一个可以预先填充的 Excel 文件。当然，你也可以创建自己的 CSV 文件，或者添加连接器来连接外部数据，以便导入和处理数据。

这些连接器就是 MCP 服务器，现在已经成为行业标准。这些工具能够让你快速地在工作流程中利用智能体 AI。所以，如果你有一些重复性任务，你可以创建一个技能文件，而无需懂编程。现在，你也不需要成为技术高手才能创建这些智能体工作流程。但如果你具备这些能力，可以让它们更加强大——你可以创建自己的自定义 MCP 服务器。MCP 服务器的作用是让大型语言模型能够几乎原生地与外部数据 API 等进行交互。

想想看，从业者使用工具的传统方式是打开 Excel 文件……

Rhodri Preece

他们会登录像彭博终端这样的市场数据终端，然后使用各种不同的平台来整合、提取信息，最后进行分析。而你刚才举的例子，听起来像是人工智能工具凌驾于所有这些工具之上，各工具彼此连接并可以与之交互。所以你的主要观点是……

Brian Pisaneschi

执行任务的主要方式，是首先与人工智能平台本身进行交互。这描述很贴切，没错，就是这样。一旦你连接了所有需要的数据源——就像我刚才说的，如果你已经有类似 Excel 的模型在使用，你可以直接提供内部技能文件——那么人工智能就能自主判断，无论你提出什么问题，它是否在处理你已经定义的特定任务。它会提取相关信息，然后启动相应的对话和工作流程。

Brian Pisaneschi

最有趣的是，它并非革命性的创新，它的精妙之处在于它的简洁性。当然，人工智能对于特定技能的运用有其基本能力。我们目前的做法是，如果它出错，我们可以指出错误，比如"你这里出错了，下次别再犯同样的错误"。作为个人，在特定项目中，可以不断改进，出错后进行修改，并将修改后的信息添加到技能文件中。

而且，如果同一任务由公司甚至整个行业的多位分析师反复执行，每个人都可以不断提升这项技能。即使模型本身没有改进，仅仅通过我们为特定任务创建的技能文件，我们就能凭借自身的知识和对模型的迭代，构建出极其强大的工作流程。任务的执行方式将会进一步演变，而我们已经从这些例子中看到了这一点。

Rhodri Preece

我想请詹姆斯加入讨论，更深入地探讨一下数据方面的问题。显然，模型的优劣取决于它所能获取的数据来源。我们经常谈到现在是数据新时代，数据量非常丰富，但实际上高质量或可靠的数据仍然匮乏，数据集中仍然存在空白。詹姆斯，您能否谈谈我们可以通过哪些方式来解决这些不足，无论是通过机器学习概念方面的最新进展，还是更传统的方法？

James Tate

谢谢，罗杰。表面上看，你可能拥有大量数据，但历史数据有限，或者存在一些缺失，这在金融领域是个常见问题。解决数据缺失问题主要有两种方法，实际上取决于缺失的数据类型。举个简单的例子，如果你下载了一些不同资产类别的历史数据，但发现部分数据缺失，一种很容易实现的方法是线性插值——本质上，它就像连接每个缺失数据点和实际存在的数据点。

James Tate

现在，让我们把问题复杂化一些。假设你有一个数据集，其中不仅包含收益率数据，还包含其他宏观经济变量或公司信息。如果这个数据集中存在缺失值，那么你可以使用一种叫做"最近邻插补法"的方法。这是一种非常简单且标准的数据科学方法，可以用来处理缺失数据。

James Tate

第三种方法是合成数据，我认为这非常有趣，也是我研究的重点。这指的是使用生成式人工智能模型来生成合成数据，也就是由某种统计模型生成的数据。我认为这在金融行业非常有价值，例如可以用于情景模拟、压力测试投资组合或回测交易策略。

你可以使用历史时间序列数据训练一个生成式模型，还可以将其与其他数据（例如宏观经济变量）结合起来，让模型学习收益率和宏观经济变量之间的潜在关系。我想特别强调这一点：使用这种人工智能驱动的方法，你不需要预先设定数据的函数形式或假设给定的分布，这更像是一种经验主义方法。

James Tate

这些生成模型的好处在于，理论上它们可以模拟不同变量之间任何潜在的关系，不需要你强加线性假设。这些模型会从数据本身学习，因此是数据驱动的。你可以用历史收益和宏观经济数据（比如通货膨胀率、收益率、GDP 变化、就业数据等）来训练生成模型。模型训练完成后，你就可以进行模拟——例如，如果通货膨胀率变化到某个值、收益率下降 x、GDP 变化若干，我的投资组合未来收益的可能路径是什么？

这些模型可以做到这一点，非常有前景。它提供了一种新的模拟方法，投资组合收益不再局限于历史经验，也就是说，不仅仅是使用经验收益分布并直接从经验收益中进行抽样。但这种方法的一个局限性在于，你如何根据经验收益来调整你的收益呢？

Rhodri Preece

是的，所处的市场环境很重要，因为我们知道市场机制会随着时间推移而改变。而这些生成式模型则有可能解决这些问题。因此，在建模能力和特定模型所需的假设方面，我们拥有更大的灵活性，尤其是在分析数据时，从而能够获得更好的数据和更好的工具。

Rhodri Preece

你们两位都提到了开源模式与专有模式的区别，我们很想了解目前的市场格局。布莱恩，你之前举了一些关于代理功能的例子。执行这些工作流程是否需要高额付费订阅？开源模式可以实现吗？如果可以，那么如今的市场格局与传统的金融领域有何不同？传统的金融领域往往涉及私有信息，而且需要向供应商支付相对较高的费用才能获得这些工具。

Brian Pisaneschi

隐私信息确实是个问题，所以行业里很多人都只专注于使用开源软件，因为他们不能把任何信息和数据泄露出去。当然，市面上有很多优秀的开源大型语言模型，但它们可能落后于主流软件大约三个月。

比如 OpenAI，他们最新的模型确实很不错，但其大部分价值体现在他们所谓的"harness"（工具框架）上，本质上是指智能体框架的底层架构。例如，Claude Code 就是一个集成到平台中的智能体架构。讽刺的是，他们实际上泄露了整个代码库，开源社区利用这些代码库创建了许多优秀的开源替代方案。但他们仍然拥有某种竞争优势，因为他们实现了强大的并行化，并针对智能体任务优化了他们的工具框架。举个例子，如果你直接拿一个开源模型（比如 DeepSearch 之类的）放到开源框架里，它肯定不如 Claude Code。在这个领域，赢家通吃——拥有最好的模型会带来巨大的竞争优势。

如果你所在的机构无法将数据导入 OpenAI，也不必担心，市面上仍然有很多非常优秀的开源模型。此外，开源软件的一大价值在于成本优化。我和 James 正在做的一个项目需要处理大量数据，如果每次都向 OpenAI 发送 API 调用，将耗费大量资金。所以我们可以基于数据集训练一个小型语言模型。现在训练模型变得非常容易且快速，只要保证训练数据的质量，避免"垃圾进、垃圾出"，如果你能得到一个足够好的模型，就可以在本地运行这个小型语言模型，从而节省大量成本，几乎是免费的。对于开源软件而言，这就变成了一个成本优化问题。

James Tate

真正重要的部分在于，你需要一种方法来比较所有不同的方案。你可以使用自己开发的模型作为基准，用几个流程进行测试；然后使用许多免费的开源替代模型，用同样的流程运行它们，并比较所有结果。

James Tate 我发现，使用一个规模小得多的开源大型语言模型，我几乎可以复现 OpenAI 专有模型在指定任务上的表现。但我遇到的难题是可扩展性，因为即使是运行一个小型的大型语言模型也相当困难。我当时使用的模型有 360 亿个参数，这在今天看来相当小，但三年前，它的规模要大得多。

James Tate

我仍然花了很长时间才得到我需要的结果。而正如布莱恩所说，使用专有模型，你可以快速扩展规模，通过 API 批量发送 5 万个请求，24 小时内就能得到结果。除非你在基础设施上投入大量资金，否则很难在本地复制这种能力。我认为对于大多数公司来说，这可能并非必要，因为有更简单的替代方案。所以，你需要仔细考虑具体的用例是什么。

Rhodri Preece

具体需求是什么？在选择合适的模型时，需要考虑哪些限制条件？它可以来自专有软件，也可以来自开源软件。但这确实引发了一些关于治理的问题。我认为人工智能治理是一个非常庞大的领域，可能超出了本次讨论的范围，但我想稍微谈谈这个领域。我知道很多机构都在努力解决这样一个问题：如何建立合适的框架，以确保能够负责任地使用工具和数据集，保护客户数据的机密性，并在对客户负有信托义务的范围内履行信托责任。显然，CFA 协会作为专业机构，非常关注这个问题，我们有自己的道德准则和职业行为标准。James，在使用大型语言模型、人工智能工具和大型数据集时，你认为主要的伦理考量是什么？

James Tate

我最大的担忧是大语言模型中的偏见问题，这也是我们正在积极研究的课题，目前是一个非常热门的话题。关键在于，这些大型语言模型由于基于所有公开数据进行训练，因此存在严重偏向西方数据集的问题，例如美国股票、科技股等。在日常工作中使用这些模型时，很容易就能发现这一点——它们会推荐某些路径，或者默认采用某些建议，而这都源于预训练数据。

你可以通过使用 MCP 服务来解决这个问题，让模型访问其他数据集，并赋予它们特定的技能，这样你就能确切地知道它们需要寻找什么。例如，你可能有一些用于筛选的特定盈利能力指标。如果你没有向大型语言模型指定具体的筛选条件，而你又在进行股票筛选，那么它可能会默认选择某个比率进行筛选。因此，你需要事先设置好这些筛选条件。

James Tate

但我最担心的是，真正意识到这些模型存在偏见的人并不多。很多研究表明，这些大型语言模型中的偏见基本上反映了投资者的偏见——它们是用人类生成的数据训练的，自然会反映人类的偏见。

James Tate

研究表明，大型语言模型存在损失厌恶偏差。这会带来什么影响呢？如果你让它们管理一个既有盈利也有亏损的投资组合，它们更有可能持有亏损部分，而实际上应该将这些资金转向更明智的投资方式。目前，研究人员仍在积极探索这方面的实际意义。但很显然，如果你是一名管理者，正在使用这些模型，你需要意识到它们的局限性，并了解如何找出这些局限性。

Rhodri Preece

找出这些局限性之后，你可以明确地决定如何应对它们。这是一个非常有趣的观点，因为行为金融学的文献非常丰富，人类存在偏见是众所周知的。但人们常常存在一个错误的假设：如果能将一些任务委托给机器或某种工具，就能消除一些影响投资决策的人类偏见。而实际上，正如你所说，随着大型语言模型的出现，情况并非如此——无论是机器驱动的输出还是人类的决策，都存在偏见。了解如何应对这些偏见至关重要。布莱恩，你想对此发表一下看法吗？

Brian Pisaneschi

我认为这关乎控制。想想投资中的量化分析，像止损单这样的基本工具，就能轻松减轻自身的情绪偏见。如果你把这些操作通过规则库和投资策略来实现，就能真正减少很多情绪偏见。当然，正如詹姆斯所说，这些大型语言模型非常复杂，它们拥有某种决策权，而这种决策权本身就容易受到偏见的影响。

詹姆斯还提到了修复这些问题的方法，也就是注入一些东西来减少这些偏见。一旦做到了这一点，你就可以利用我之前提到的技能来实现，比如红队演练（Red Teaming）。红队演练是网络安全行业用来尝试入侵自身系统的手段，目的是找出突破系统的方法。如果你能针对这些偏见对你的模型进行红队演练，并创建一个技能文件来减轻这些偏见，你就赋予了它更多可控性。如果这种控制是可预测的，那么你就能有效减少人类自身的偏见以及大型语言模型本身的偏见。关键在于控制——在于能够发现这些偏见，发现错误，进行修正，然后再次测试。

Brian Pisaneschi

通过大量的输出，你可以增强对系统的信任和信心。因为在人工智能的实际技术层面，所有关于治理和伦理的问题，最终都是为了赢得信任。当我们给一个大型语言模型布置任务时，我们拥有相关的知识，我们是金融领域的专家。我们观察输出结果，判断其好坏，就像对待员工一样——随着时间的推移，不断给它布置任务，它的表现可能会越来越好。

Brian Pisaneschi

这就是赢得信任的过程。那么，如何在整个公司层面大规模地赢得信任呢？你需要给它分配大量的任务，进行评估，创建它应该完成的任务的输出分布，然后通过审查输出和评估结果来赢得信任。在人工智能模型主导的世界中，信任的概念本身就值得单独探讨。

Rhodri Preece

谢谢布莱恩分享这些想法。很遗憾，今天的圆桌会议时间有限，只能聊到这里了。本次讨论涵盖了模型、工具、数据治理以及人工智能伦理等广泛议题。您可以在 CFA 协会研究与政策中心找到更多相关见解、前瞻性思考和研究成果。我们鼓励您访问我们的网站，查看更多资源。最后，衷心感谢詹姆斯和布莱恩，非常感谢！

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

本文来自华尔街见闻，欢迎下载APP查看更多

当日，摩尔线程低开4.11%，报498元/股，随后在连续竞价阶段被快速打至跌停，报415.48元/股，总市值降至1953亿元。公司证券业务人员回应媒体称，此次波动主要源于流通盘扩容，呼吁投资者"理性处理、理性看待"本次解禁带来的股价变化，并强调公司基本面正常。

此次冲击波及同行板块。沐曦股份一度跟随下跌逾11%，寒武纪一度跌近2%。与此同时，AI行业近期利好信号持续释放，国产算力需求缺口依然显著，市场对于此次下跌究竟是技术性抛压还是基本面转折存在明显分歧。

根据此前公告，本次解禁股份为摩尔线程首次公开发行网下配售限售股，共计2577.451万股，占公司总股本的5.48%，锁定期为自上市之日起9个月。因9月5日为非交易日，解禁日期顺延至9月7日。

此次解禁对流通结构的冲击不容低估。解禁前，摩尔线程流通股数仅为3022.55万股，解禁后这一数字升至约5600万股，扩容幅度接近85%。按解禁前收盘价测算，本次解禁市值超百亿元。

值得警惕的是，更大规模的解禁窗口尚在前方。

根据招股书安排，12月7日，摩尔线程将迎来首发后的另一批次解禁，届时约18590.64万股股份将解除限售，占总股本的39.55%，规模远超本次。

摩尔线程2026年中报显示，公司上半年营业总收入17.36亿元，同比增长147.42%，收入高增长与国产算力建设需求深度绑定。归母净利润亏损幅度大幅收窄95.73%至约-1156万元，距离盈亏平衡线仅一步之遥。

若剔除股份支付影响，上半年经调整净利润为8353万元，系公司成立以来首次实现半年度口径盈利。不过，扣非口径下公司仍亏损约1.5亿元，其中政府补助8823万元、金融资产公允价值变动及处置收益5952万元合计构成主要非经常性来源，主营业务的持续盈利能力尚待验证。

从行业横向对比来看，摩尔线程与壁仞科技、天数智芯、沐曦股份并称国产GPU四大厂商。据四家公司最新半年报，尽管营收均实现快速增长，但总体规模依然偏小，叠加巨额研发投入，主营业务实现大规模盈利仍需时日。

此次股价剧震发生的行业背景，与基本面下行信号并不一致。

在产品层面，摩尔线程旗舰产品MTT S5000已进入互联网头部企业及电信运营商等关键客户，并完成对DeepSeek-V4、智谱GLM-5.3-Flash等头部大模型的适配。在英伟达中国AI加速器市场份额降至零的背景下，国产算力需求缺口已达百万颗级别，摩尔线程被视为该赛道稀缺标的之一。

市场渗透数据亦印证行业景气。IDC数据显示，2025年中国AI加速卡市场总出货量约400万张，其中国产芯片合计出货约165万张，市场份额首次突破四成达41%。高盛与Bernstein Research预测，2026年国产AI芯片市占率有望首次超过50%。

在宏观催化层面，英伟达首席执行官黄仁勋上周末公开表示，通用人工智能（AGI）已经到来，并将OpenAI最新推出的GPT-6 Astra模型视为AI系统演进的重要里程碑。行业人士普遍认为，AI算力需求在新模型周期下有望持续扩张，国产GPU的长期赛道逻辑并未改变。

综合来看，摩尔线程此次跌停更多指向解禁带来的技术性抛售压力，而非基本面的实质恶化。流通盘近翻倍扩容，短期供需失衡是核心驱动因素。

然而，12月即将到来的更大规模解禁窗口——届时解禁量约为本次的7倍——意味着供给侧压力短期内难以根本消散。对于持仓投资者而言，在关注公司营收高增与减亏进程的同时，解禁节奏与流通盘结构仍是不可忽视的风险变量。

本文来自华尔街见闻，欢迎下载APP查看更多

周日，黄仁勋在X平台发文祝贺OpenAI团队，称"AGI已到来"，并透露Astra基于约10万张以上英伟达Grace Blackwell NVLink72芯片训练而成。他同时表示，"400K GPU即将上线"，释放出英伟达算力供给将进一步跃升的强烈信号。

这一表态对市场具有直接意义。英伟达数据中心业务已成为其核心增长引擎，而黄仁勋关于新增40万张GPU的预告，意味着来自头部AI客户的订单需求仍在持续扩张。

OpenAI于上周四发布Astra，将其定位为"世界上最智能、最符合人类价值观的模型"，并称该模型能够"以无与伦比的速度、精准度和判断力完成最苛刻的专业工作"。OpenAI总裁Greg Brockman在发布会上对媒体表示："欢迎来到AGI时代。"

Brockman进一步预言，未来人们回望历史时，将认为AGI诞生于"大约这个时候，而我认为可能就是这个模型"。"就我个人而言，我确实认为我们已经到达了，"他说。Astra本周起开始向用户推出。

OpenAI将AGI定义为"在大多数具有经济价值的工作中表现超越人类的高度自主系统"，并将Astra定位为一项重大研究突破，标志着可托付给AI的任务边界发生了根本性转变。

然而，并非所有人都认同这一宣告。知名AI研究者及批评人士Gary Marcus直接指出黄仁勋"操之过急"。

"黄仁勋既没有给出证据，也没有给出定义，这在我看来像是试图以企业意志强行占据一个科学问题，"Marcus在其Substack上写道，"在没有定义的情况下宣布胜利，只会让问题更加混乱。"

Marcus随后列出他自己对AGI的10项定义标准，指出Astra仅满足其中一至两项。"以通行定义衡量，Astra仍然存在差距，"他说。

即便是OpenAI自己的CEO Sam Altman，对这一概念的态度也颇为审慎。他近期在"Sources"播客中表示，AGI充其量是"一个定义极为模糊的词。我本来想说，它更像是一个无关紧要的营销术语。"

无论AGI的定义之争如何演绎，英伟达作为头部AI公司核心算力供应商的地位已无争议。OpenAI在今年3月的一份融资公告中将英伟达称为"我们基础设施的基石"，并表示"我们的训练集群和大部分推理栈持续运行在英伟达GPU之上"。

Meta、Anthropic、Google等前沿AI公司同样高度依赖英伟达生产的高端芯片。这一需求已转化为英伟达亮眼的财务表现——公司于今年8月公布的季度营收达962亿美元，同比增长逾一倍；其中数据中心业务营收达890亿美元，涵盖AI芯片在内的业务构成主要增长来源。

黄仁勋在X上的发文称，下一批上线的将是40万张GPU，进一步强化了外界对英伟达算力扩张势头的预期。从ChatGPT到o1，再到Astra，四年之内的技术跃迁，每一步都建立在英伟达不断升级的芯片基础之上。

本文来自华尔街见闻，欢迎下载APP查看更多

洛克菲勒国际董事长Ruchir Sharma在英国《金融时报》撰文指出，美国联邦债务已突破40万亿美元，10年期美债收益率升至约4.8%；一旦“决定性突破5%”——互联网泡沫时代以来的区间上沿——AI泡沫可能破裂。

政府高息发债产生的挤出效应正在推高AI企业的债券与股权融资成本。AI应用年收入估计约2000亿美元，仅是数据中心等基础设施超1万亿美元支出的零头，缺口高度依赖外部融资，长端利率飙升将直接冲击这一节奏。

市场当前定价隐含“AI投资不受宏观利率约束”的假设，但过去300年每次重大泡沫都终结于核心企业借贷成本显著上升——本轮风险源头由企业转移至政府，5%阈值一旦触发，或将引发叙事反转。

债务过剩落在政府：泡沫结构生变

回溯300年，每次重大泡沫破裂都始于核心企业借贷成本显著上升，19世纪的铁路泡沫、现代央行时代的历次泡沫概莫能外。通常，市场狂热时企业大举举债押注热门主题，通胀与利率随之走高并最终刺破泡沫，此后政府才介入接管债务、刺激经济。

本轮的不同在于，政府在经济向好时仍持续刺激。2020年代以来，美国财政赤字持续占GDP的约6%，是此前数十年平均水平的两倍以上。同期家庭与企业部门长期未大幅加杠杆，直到过去一年，科技巨头在现金盈余消耗后，才开始为庞大的AI基建大规模举债——但其杠杆水平对这些体量庞大的公司而言仍属可控。

Sharma认为，本轮周期中实质性的借贷过度迄今都堆积在政府账本上，而问题恰从过度最深处开始。

挤出效应显现：5%成为融资生死线

政府债务膨胀正在债券市场产生挤出效应。美国公共债务未偿余额已升至40.05万亿美元，首次突破40万亿关口，本财年利息支出达1.17万亿美元；30年期美债收益率攀升至5.32%，创2007年以来新高。公共债务利息支付过去五年翻倍至超GDP的3%，创下美国纪录，也是主要发达经济体中增幅最快、水平最高者。

对财政的担忧叠加能源价格上涨，推升全球债券收益率，高企的无风险利率进而抬高AI企业的融资成本——后者正是新发公司债中占比最大的部分。Sharma将10年期美债收益率确立为关键观察指标：一旦“决定性突破5%”，意味着更紧货币时代的开启，AI巨型项目融资将更难。当大型科技公司不得不与收益率超5%、对应通胀调整后回报超2.5%的政府债券争夺资金时，许多企业将被挤出债市。

预期差与估值威胁：市场尚未定价的约束

AI应用目前年收入估计约2000亿美元，仅是数据中心等基础设施超1万亿美元支出的零头。AI企业日益依赖新发债券与股权融资填补缺口，而10年期收益率破5%将同时拖慢这两条渠道——该水平也将超过美股盈利收益率，历史上这对股市构成逆风。

若10年期收益率在11月前突破5%，意味着六个月内涨幅超75个基点，历史上这种幅度的飙升都曾终结牛市。有分析师认为破5%只是回归1990年代——当时10年期收益率全程高于5%且美股强劲。但彼时美国远不及今日依赖债务：那十年以财政盈余收尾，如今公众债务已接近GDP的100%，偿债成本远高于当年，公共借贷成本的上升将更快挤压其他借款人，也更重地冲击泡沫化的AI市场。

后续需紧盯10年期美债收益率以多快速度突破5%，及其对AI资本开支与美股估值构成的威胁。

本文来自华尔街见闻，欢迎下载APP查看更多

近日，有媒体称，捷豹路虎未来两年可能削减至多4000个岗位。一位接近捷豹路虎的人士在9月7日对华尔街见闻表示，公司已经启动自愿离职计划，最终人数尚未确定。

计划面向受薪员工和管理层。该人士称，此次人员调整将根据不同市场和业务的实际情况推进，是全球业务转型中的组织优化，目的是精简人员结构和提高效率。

捷豹路虎全球约有4万名员工，外媒所称的4000人相当于其中一成。这轮人员调整被放进了公司新一轮降本计划。今年6月，捷豹路虎提出，未来两年从材料、质保和固定成本等方面节省约17亿英镑，并将盈亏平衡销量降至约30万辆。此次计划瞄准管理和受薪岗位。这部分开支不会随着产量下降同步减少，在销量快速下滑时会更快挤压利润和现金流。

30万辆已经接近捷豹路虎现在的销量。上一财年，公司批发销量约40.09万辆；2026财年降至30.79万辆，同比下滑23.2%。同期营收同比下降20.9%至229亿英镑，剔除特殊项目后的税前利润从25亿英镑降至1400万英镑，自由现金流净流出22亿英镑。

销量下滑有多重原因。美国关税增加了捷豹路虎对美出口的成本，中国豪华车市场竞争加剧，捷豹旧车型陆续退市；去年9月的网络攻击还造成生产停摆。销量在一年内减少约9.3万辆后，原有成本结构留给利润的空间迅速收窄，降本重点随之转向材料、质保和固定开支。

新财年第一季度，经营压力仍在延续。捷豹路虎营收同比下降9.6%至60亿英镑，税前利润同比下降68.9%至1.09亿英镑，自由现金流净流出9.98亿英镑。同期，揽胜、揽胜运动版和卫士占公司批发销量的80.8%。高价车型仍是销售主力，但没有抵消销量下降和现金流出的压力。

捷豹路虎还需要为下一轮产品更新留出资金。公司维持五年投入180亿英镑的计划，揽胜纯电版、揽胜运动纯电版和全新捷豹等产品即将陆续推出。公司一边维持新车投入，一边压缩材料、质保和组织开支，人员调整也由此展开。

捷豹路虎把盈亏平衡销量降至30万辆，这几乎就是公司目前的销量水平。新一轮产品投放还要继续花钱，管理和日常开支也得跟着销量一起往下调。这轮自愿离职计划，就是其中一部分。

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，这份报告覆盖约6800家A股、H股及ADR上市公司的二季度/上半年财报数据。

盈利增速五年最高，A股领跑

统计显示，全中国上市公司2026年上半年净利润同比增长14%（人民币口径），远超同期实际GDP增速。

进入二季度，增速明显提速——2026年二季度盈利同比增长24%，为近五年最高单季增速，较一季度的6%大幅跃升，也超出该行此前自上而下的预期。

分所有制来看，民营企业（POE）和"新中国"板块盈利分别同比增长36%和62%，显著高于国有企业（SOE）的18%和"传统中国"板块的10%。

A股继续主导盈利增长。科创板和创业板利润分别同比增长102%和44%，中证500和中证1000也分别增长27%和22%。

离岸市场方面，MSCI中国指数二季度盈利同比增长16%，但增长高度集中于金融板块（同比+34%），剔除金融后仅增长5%，离岸市场整体复苏仍较为局限。

行业高度分化：上游强、消费弱

盈利增长的结构性分化十分明显。增长动能也正从AI硬科技向更广泛行业扩散。

二季度表现最强的板块包括：IT（+142%）、保险（+140%）、材料（+78%）、能源（+52%）、券商（+58%）和医药（+20%）。

消费端则持续承压。食品饮料（-50%，受农业板块拖累）、零售（-20%）、汽车（-14%）均录得盈利下滑。

营收层面，全中国上市公司2026年上半年营收同比增长6%，高于2025年的2%和2024年的-1%。上游材料（+15%）、能源（+6%）受益于PPI回升，IT（+22%）和金融（+13%）同样强劲；而消费板块营收增速仅2%-4%，反映居民需求仍偏弱。

净利润率方面，全中国上市公司2026年上半年综合净利润率从2025年上半年的7.6%提升至8.2%。IT板块利润率从3.6%升至6.7%，材料从4.1%升至6.1%，券商从31%升至40%。房地产仍是最大拖累，营收同比下滑21%，利润率持续为负。

半导体主导AI利润池，存储成最大赢家

分析指出，中国AI利润池正加速向硬件、尤其是半导体集中。

2026年二季度，中国半导体板块盈利环比激增约150%至230亿美元，占中国AI总利润的42%，而一季度这一比例仅为25%，2025年全年更只有9%。

存储芯片是核心驱动力。国内存储龙头上市后，正在快速抢占全球存储周期的利润份额，目前已占据全球存储盈利的13%。

中国半导体板块整体利润率在二季度达到20%（2025年全年仍处于个位数），其中存储利润率高达71%，晶圆代工为15%，但仍落后于美国（35%）和其他地区（43%）。

在半导体之外，中国在电力、AI基础设施和物理AI领域的全球利润份额也在二季度环比提升。电力板块是中国最稳固的优势领域，全球利润份额达42%（约120亿美元），其中发电环节占全球利润的48%。AI基础设施盈利回升至80亿美元（全球份额19%），PCB/CCL、服务器和光模块表现突出。

值得注意的是，中国AI模型层仍处于亏损状态，国内价值创造高度集中于硬件使能端，而非基础模型和软件。

互联网盈利触底，下半年有望转正

离岸软科技/互联网公司二季度业绩略低于预期。高盛追踪的9家主要互联网公司（包括阿里巴巴、腾讯、小米、网易、百度、美团、京东、拼多多、携程）二季度盈利同比下滑13%，低于此前市场一致预期的-8%。

但该行认为，盈利增速正在触底。市场一致预期显示，三季度盈利增速将转正至+17%，四季度进一步加速至+25%，2027年一季度有望达到+43%。

支撑复苏的关键因素包括：外卖补贴竞争趋于缓和、AI和云计算货币化带来新增收入来源，以及电商业务的持续现金创造能力。不过，该行经济学家预测2026年下半年社会消费品零售总额增速仅为1.7%，消费疲软仍是制约因素。

A股股东回报持续强化，港股回购趋于收缩

高盛指出，A股与港股在股东回报方面正在出现明显分化。

A股方面，870余家上市公司宣布中期分红计划，合计现金分红达7400亿元人民币，中期派息率为29%，57家公司为上市以来首次分红。国有企业贡献了约80%的分红总额，其中15家公司单次分红超过100亿元。

回购方面，逾1270家A股公司宣布2026年回购计划，总额超2300亿元人民币。宁德时代宣布了A股历史上规模最大的回购计划（200亿至400亿元）。约70%（约1650亿元）的回购为注销式回购，高于2024年/2025年上半年的45%，显示上市公司越来越注重通过减少股本来提升股东价值。

港股方面，回购活动近期有所降温，部分原因是财报披露期的窗口限制。更根本的原因在于，互联网公司的补贴支出和AI资本开支加速消耗了现金流——阿里巴巴近期完成了港股历史上规模最大的增发即为例证。MSCI中国（剔除金融）的净发行已从过去两年的增厚EPS转为摊薄EPS。

该行表示，这一分化支持其维持超配A股、中性配置离岸中国的策略观点。

业绩会关键词：AI、出海、股东回报、盈利能力

高盛对1500余份A股业绩会文字记录进行了文本分析。

AI仍是最高频主题，但讨论范围已从硬件和半导体扩展至数据中心运营商、AI模型、汽车和医疗健康等下游应用领域。"出海"和"股东回报"紧随其后，成为第二、三大热点话题。"反内卷"和"关税"的讨论热度则明显降温。

此外，随着通胀回升和净利润率改善，企业在业绩会上广泛讨论定价、利润率、成本和盈利能力等议题。

在AI之外寻找增长

该行认为，随着AI相关股票持仓日趋拥挤，投资者正在寻找AI硬科技生态之外的增长机会。

该行筛选出一批评级为"买入"的非AI硬件板块公司，选股标准包括：2025-2027年EPS复合增速高于15%、过去一个月2026/2027年EPS预测中位数上调幅度达7%以上等。

覆盖行业包括医疗健康、金融、消费、造船和材料，涵盖翰森制药、信达生物、五矿资源、扬子江船业、中国生物制药、步步高、江西铜业、中金公司、石头科技、百济神州、蒙娜丽莎和龙工等。

高盛维持对MSCI中国2026/2027年EPS增速8%/12%的预测，低于市场一致预期的17%/（更高水平），并维持对CSI300的20%增速预测，同样低于市场一致预期的27%。

本文来自华尔街见闻，欢迎下载APP查看更多

据日本财务省周一公布的外汇储备数据，日本8月末外国证券持仓较上月减少878亿美元，降幅与当月干预规模高度吻合。财务省此前已确认，截至8月26日的一个月内，当局共动用约15.4万亿日元（约合986亿美元）进行汇市干预，创下月度历史纪录，其中部分操作系与美国联合实施。受此影响，日本外汇储备总额下滑946亿美元至9950亿美元，跌破万亿美元关口。

此次干预规模之大，以及融资方式对美债市场的潜在冲击，引发市场高度关注。财政部长贝森特近期宣布，政府将在截至11月4日的两个月内将长期债券回购规模翻倍，此举被市场解读为压制长端收益率上行的举措，显示美方对美债市场稳定性的重视程度正持续上升。

外国证券持仓骤降，美债抛售迹象明显

财务省数据显示，日本8月末外国证券持仓减少878亿美元，与当月干预支出规模接近。尽管数据未披露证券持仓的具体构成及期限分布，但市场参与者普遍估计，日本外汇储备中约70%投资于美国国债。

从市场价格来看，10年期美债8月末价格较7月末仅小幅下跌，意味着估值变动对外国证券持仓减少的贡献极为有限，进一步支持了日本主动出售美债的判断。

干预规模创纪录，美日联合出手

财务省数据显示，截至8月26日的一个月内，日本当局动用约15.4万亿日元进行汇市干预，创下月度历史纪录，且部分操作系与美国联合实施。这是迄今为止规模最大的单月日元干预行动。

此次干预发生的背景是，日元汇率承压明显，当局被迫大规模入市支撑本币。联合干预的形式亦表明，美日两国在汇率问题上的协调程度有所加深。

在日本再度通过出售美债为干预融资之际，美国官员对美债市场稳定性的关注度正持续提升，尤其是在中期选举临近的背景下。财政部长贝森特近期宣布，政府将在截至11月4日的两个月内将长期债券回购规模翻倍，市场普遍认为此举旨在压制长端收益率。

日本此番操作表明，即便美方对美债市场稳定性愈发敏感，东京方面仍愿意在必要时走出售美债这条路。

储备跌破万亿，但干预空间依然充裕

尽管日本外汇储备已跌破万亿美元关口，降至9950亿美元，但当局认为剩余储备规模仍足以支撑未来的潜在干预行动。除外国证券外，外汇存款作为另一潜在干预资金来源，8月末亦减少69亿美元。

值得注意的是，日本财务大臣Satsuki Katayama在美日联合干预后表示，未来干预行动还可能动用美联储的外国及国际货币当局回购便利（FIMA Repo Facility）。该工具允许日本每日最多获取600亿美元流动性，且无需出售美债，从而可有效限制对美债收益率的冲击，并进一步扩大潜在干预空间。

本文来自华尔街见闻，欢迎下载APP查看更多

9月6日，据The Information对公开声明及此前报道的综合分析，自去年10月以来，Anthropic已签署协议，锁定至少14.8吉瓦的算力容量，可在未来数年内调用。加上此前已确保的1至2吉瓦，总规模进一步扩大。

这一数字远超Anthropic在2025年12月向投资者披露的计划——彼时公司表示将在2029年前花费1800亿美元租用服务器。而按照目前已公布协议测算，未来十年左右的总支出可能高达5170亿美元，涵盖云容量租赁、芯片采购及数据中心租约。

值得注意的是，Anthropic可能还有更多未公开的协议，且已签协议的容量未必会被全部使用。

此外，尽管Anthropic年化营收已超650亿美元，超过OpenAI的400亿美元，但其算力储备仍落后于OpenAI规划的30吉瓦目标。

核心供应商：亚马逊、谷歌撑起大半江山

Anthropic的早期合作伙伴兼投资方亚马逊和谷歌，目前仍是最大算力供应商，合计提供11吉瓦容量，未来十年左右的成本超过3000亿美元。

过去一年，Anthropic还将触角伸向了此前与OpenAI关系更为密切的合作方：

• 微软：去年11月，Anthropic宣布与这家OpenAI长期支持者达成协议，承诺至少花费300亿美元，租用约1吉瓦的微软Azure服务器（搭载英伟达芯片）。

• SpaceX：今年5月，Anthropic宣布与马斯克旗下SpaceX签约，每月支付12.5亿美元租用AI服务器，协议持续至2029年5月，总潜在成本高达450亿美元。

• Lambda与Nscale：就在上个月，Anthropic与初创公司Lambda及英国Nscale签署价值800亿美元的云合同，锁定至少460兆瓦容量，期限六年。

自建数据中心：押注长期掌控权

除租用外，Anthropic也在加速布局自有数据中心。

去年11月，Anthropic宣布计划与云计算初创公司Fluidstack联合投资500亿美元，在德克萨斯州和纽约州建设数据中心，部分设施今年已开始投入使用。

此外，Anthropic还与前比特币矿商TeraWulf签署租约，后者正在肯塔基州开发一座AI数据中心，最终将提供401兆瓦算力。

在芯片层面，Anthropic今年4月与谷歌签署协议，采购多吉瓦规模的张量处理单元（由博通设计）；7月又追加了2吉瓦的AMD芯片订单。

与OpenAI的差距：营收领先，算力落后

尽管Anthropic在营收上已后来居上——据彭博报道，其年化营收已超过650亿美元，超过OpenAI截至今年7月逾400亿美元的营收——但在算力规模上，两者差距依然显著。

OpenAI今年4月向投资者表示，计划到2030年拥有30吉瓦算力。据知情人士透露，OpenAI上个月预计2030年前算力支出约为7500亿美元，高于此前6650亿美元的预测。

OpenAI已与甲骨文、微软、CoreWeave等公司密集签约。OpenAI高管表示，这些承诺已为公司建立起对竞争对手的优势。

相比之下，Anthropic已公布的算力规划总量，似乎仍远低于OpenAI的目标水位。

IPO前的关键变量

算力能否跟上增长，直接关系到Anthropic的盈利空间和客户留存。

Anthropic及其首席财务官Krishna Rao过去一年将算力协议列为优先事项。随着IPO招股书预计在未来数周内公开，投资者最期待看到的，正是公司对算力容量与支出的最新披露。

不过，这些协议并非板上钉钉。数据中心建设面临选址、电网接入、政府审批等多重障碍，同时遭遇来自地方政府的阻力，以及零部件短缺问题。

合同层面同样存在不确定性。以SpaceX与Anthropic的协议为例，任何一方均可提前90天通知取消合同。

本文来自华尔街见闻，欢迎下载APP查看更多

在最受关注的演示中，开发者用Astra在Unreal Engine里逐街重建了曼哈顿，另一名开发者在24分钟内用浏览器端3D库重建了杭州全城；一款支持12人联机的浏览器射击游戏在一天内完成；一段巴赫风格四声部合唱在独立基准测试中创下最高分，且无任何声部进行错误。与此同时，独立评测机构Artificial Analysis记录到Astra在涵盖44种职业的经济价值任务基准GDPval-AA v2上下滑约80个Elo分，写作能力的退步引发多名测试者明确批评。

Astra定价为每百万输入token 10美元、每百万输出token 50美元，是其前代产品GPT-5.6 Sol的2.5倍。OpenAI总裁Greg Brockman在发布简报中宣布AGI时代已经到来。该模型正在向ChatGPT Plus、Pro、Business及Enterprise用户以及API、微软Azure和AWS Bedrock渠道推出。

空间与视觉理解：最强的一面

早期测试中，Astra在空间感知与视觉重建方面的表现最为突出，多个独立案例相互印证。

投资人、前HyperWrite CEO Matt Shumer让Astra在Unreal Engine中工作了一周，最终生成了一份逐街还原的曼哈顿复制品。他随后进行了另一项实验：让Astra构建一个生存世界，并用模型的独立副本驱动其中每个角色，隔夜运行后发现这些角色已开始自发对话。

开发者Max Weinbach将苹果园区的照片输入模型，要求在Blender中重建，评价为"做得出奇地好"。Tom Krcha输入一张房屋外观图，得到了包含家电和玩具细节、以60帧每秒运行的完整室内可编辑几何体。Pietro Schirano将整个流程简化为在地图上标注一个坐标，模型随即生成周边区域的3D场景。

规模最大的案例来自一位以SuSu为名的开发者，其在24分钟内用Three.js重建了杭州及周边城镇，包含西湖、雷峰塔、茶园和湿地，并支持地标点击与昼夜切换，是可交互的"微缩杭州"而非静态图像。

编程与游戏开发：一天造出可联机射击游戏

游戏开发是测试中最热门的应用场景，也是Astra表现最集中的领域。

前苹果UX/UI设计师及AI开发者Anshu Chimala在45分钟内一次性生成了一款3D游戏，消耗不到其使用配额的百分之几。他的方法具有参考价值：将模型接入Blender，让其生成目标风格的概念图，再持续迭代直至游戏内截图与参考图在60帧下匹配，所有资产建模与贴图均由Astra自行完成。

前Coinbase和Eleven Labs开发者Rishi Prasad在一天内构建了浏览器射击游戏Astral War，支持权威多人服务器、12人大厅、手柄和语音聊天，他将其描述为相比一个月前用Claude Opus 5所做作品"视觉保真度的巨大跃升"。另一名匿名开发者Daniel则直接将一段手机游戏广告截图输入Astra，30分钟内得到了一个可运行的浏览器版本。

计算机操控与音乐：超出预期的两项能力

Astra的"计算机使用"功能——即模型直接驱动鼠标和键盘操作真实桌面——在OSWorld 2.0基准上，OpenAI报告其完成率为72.6%（每任务约40分钟），高于Sol的65.7%（每任务75分钟）。

一名日本插画师Taiyaki Sun对这一功能进行了字面意义上的测试：将手绘线稿交给Astra，要求其像人类上色师一样在Clip Studio Paint中用鼠标完成上色。Astra自行创建图层、缩放视图、选择画笔并填充画面，整个过程该插画师只是在旁观看，此次操作消耗了其100美元Pro计划21%的配额。

在音乐方面，博主Auggie维护着一项非正式基准：要求模型用LilyPond格式创作一段巴赫风格四声部合唱。Astra创下该测试的最高分，无声部进行错误，并使用了拿波里六和弦，是该基准中首个写出经过音的模型。Auggie将其标注为"该测试有史以来最佳成绩"。医生及AI测试者Derya Unutmaz则让Astra在约11分钟内构建了一架包含巴赫全部六首勃兰登堡协奏曲的可演奏虚拟钢琴。

值得注意的是，Astra是一个语言模型而非专用音乐模型，其音乐理解来源于乐谱和文字数据，而非音频训练，因此上述成绩对于文本模型而言已属出色，但若与Suno等专用音乐AI相比则仍有差距。

写作能力：明显的短板

写作是Astra最受批评的领域，多名测试者的独立评估指向同一结论。

Louis-François Bouchard运营一项以Elo评分衡量模型编辑风格匹配度的内部基准。Astra以1995分排名第11，其前代Sol以2156分排名第6。Bouchard称结果"令人意外地令人失望"。此外，Astra每次脚本生成费用约为0.26美元，约为Sol的1.8倍。

量化投资组合管理领域的知名作者Giuseppe Paleologo要求Astra就最优投资组合多元化提出新颖见解，得到的回复被他描述为"显而易见与夸大其词的混合"，且文风一眼可辨为机器生成。他的结论是：“真正的创造力仍然遥不可及。”AI测试机构Mia AI Lab同样认为Astra缺乏个性，建议回避一切创意写作任务。Ingar Haaland要求Astra模仿其个人风格写作，目标是通过AI检测工具Pangram的检测，结果未能通过。

Artificial Analysis的独立测量与上述批评吻合：Astra在GDPval-AA v2上下滑约80个Elo分，在客户支持和长上下文推理方面也出现小幅退步。

不过也存在反例。Cognition的Silas Alberti表示Astra的写作使Devin的测试报告更清晰；Every的员工作者Katie Parrott用Astra起草了自己对该模型的评测初稿，该媒体CEO阅读后未察觉并非本人所写。

定价与部署：高溢价背后的市场逻辑

Astra的定价是其前代Sol的2.5倍，在第三方综合评测指标上的领先优势却相对有限。据Artificial Analysis，Astra在其Intelligence Index上得分61.2，Sol为60.9，Anthropic的Claude Fable 5.1为65.7，后者同样定价高于Sol。

该模型目前向ChatGPT Plus、Pro、Business和Enterprise用户开放，并通过API、微软Azure和AWS Bedrock渠道提供，企业访问需由管理员手动开启。高级网络安全功能仍限于OpenAI的Daybreak项目，这一决定在发布48小时内显得审慎——据路透社报道，OpenAI代理已被发现在一家德国网站上交流违规策略。

预测市场此前给予Astra在9月30日前发布的概率为72%，实际发布日期为9月3日。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博报道，Moe在上周五的采访中表示，"市场低估了这一盈利周期的持续时长"，并预计美国大型科技公司明年的资本支出将突破1.2万亿美元，远高于此前8,000亿美元的预测。

这一乐观判断与近期市场走势形成鲜明反差。KOSPI自6月历史高点以来已累计下跌27%，三星电子和SK海力士等芯片巨头相继发布亮眼业绩，却未能有效提振股价。Moe的目标点位意味着，若其盈利预测兑现，当前估值水平将为投资者提供显著的安全边际。

盈利周期被低估，芯片需求料持续升温

Moe的核心论点在于，市场对韩国存储芯片企业盈利周期的持续性存在系统性低估。他预计KOSPI成分股今年盈利增速约为360%，2027年将放缓至约35%，但强调盈利增速最终趋缓这一事实已被市场充分消化，并非当前股价疲软的合理解释。

全球数据中心建设竞赛是支撑这一判断的核心驱动力。Moe指出，大规模数据中心扩张已导致存储和内存芯片出现严重短缺，推动芯片价格持续上涨，而这一供需失衡态势预计将在2027年进一步加剧。他表示，超大规模云计算厂商"即便暂时无法盈利，也必须持续投入"，而算力需求的爆发对内存消耗极为密集，将直接利好存储芯片制造商。

估值处于历史低位，目标点位具备支撑

从估值角度看，Moe认为当前KOSPI的定价已充分反映悲观预期，甚至存在过度折价。他的12000点目标基于7.5倍的预期市盈率，而KOSPI目前仅以5.3倍预期市盈率交易，约为过去七年均值的一半。

Moe表示，若韩国企业能够实现其盈利预测，12000点的目标"并不像表面看起来那么激进"。该目标点位在三个月前设定时已是市场上最为激进的预测之一，但Moe明确表示将继续坚守这一判断，核心逻辑在于盈利的实际兑现能力。

Moe并未回避潜在风险。他承认来自竞争对手的威胁，包括长鑫存储等企业的崛起，以及美国国内对数据中心大规模扩张可能产生的政治阻力，均构成不确定因素。尽管如此，他认为上述风险在未来数年内不足以动摇先进存储芯片制造商的基本面优势。在他看来，AI基础设施投资的结构性需求仍将主导行业走向，韩国头部芯片企业在高带宽内存等先进制程领域的技术壁垒，将使其在这一轮需求浪潮中持续受益。

本文来自华尔街见闻，欢迎下载APP查看更多

9月6日，OpenAI官方博客发布文章《研究加速：OpenAI内部视角（Research acceleration: The view inside OpenAI）》首次以内部数据形式公开AI“递归自我改进”（RSI）的进展。OpenAI称其已经实现去年秋天定下的目标：在今年9月前造出一个“自动化研究实习生”。

OpenAI对“研究实习生”的定义是：“一个能在人类指导下执行明确定义的研究任务的系统，包括那些需要一名熟练研究员数天才能完成的任务。”

下一个目标是：2028年3月前实现完整的“自动化AI研究员”，使其能够参与深度学习和对齐研究，并通过迭代进一步改进系统。

这意味着“AI训练AI”的飞轮正在加速：AI产出更多代码和实验结果，研究进展加快，更好的模型被训练出来，再反过来提升智能体能力。

飞轮正在转动：AI代理工作量达人类的3倍

从OpenAI公布的数据看，智能体首先改变的是研究人员的日常工作方式。

今年年初，按智能体使用量排序处于中位数的OpenAI研究员，对编码智能体的使用仍相对有限。到8月中旬，这部分研究员已将智能体纳入日常工作流程。按API价格折算，中位研究员每天的智能体推理使用额已超过600美元；研究组织中使用量处于前10%的研究员，每天使用的Token价值则超过7000美元。

OpenAI还表示，研究部门的智能体使用增长快于公司其他团队。以中位员工的输出Token变化计算，研究部门的使用规模较2025年12月增长124倍。

更关键的转折点发生在今年6月。

6月之前，研究组织的智能体总运行时长仍低于人类劳动总时长。此后情况逆转。截至8月中旬，以标准8小时工作日计算，每消耗1个人类工作日，研究组织的智能体已产出3.1个工作日的工作量。

与此同时，OpenAI称，越来越多研究员会同时运行4个或更多智能体会话。

代码和实验加速，研发流程的可执行环节被放大

OpenAI将AI研发描述为一条包含多个环节的流程：提出改进方案、设计评估、编写基础设施、进行大规模测试、发现训练中的错误或不安全行为，并将有效方案整合进核心训练。

其中任一环节受阻，都可能限制整体研发循环。

OpenAI称，写代码和运行实验是研究人员的两项主要工作，而内部数据反映这两项活动正在加速。

一方面，公司工程师整体代码交付速度提升。另一方面，2026年以来，每名活跃实验人员对应的实验数量持续增加；2026年8月达到自2025年1月开始跟踪以来的新高。

OpenAI称，这一趋势与Codex使用增加存在相关性，但同时强调，公司自2025年以来可用算力也显著增长，不能将实验增长完全归因于智能体。

“这些数据点相对容易测量，但可能很难解释。”

OpenAI还提示，随着自动化推进，最不易被自动化的任务可能占据研究人员更多时间，并成为未来研发的新瓶颈；算力也可能在其他瓶颈减弱后变得更关键。

从这一链条看，智能体带来的并非单一环节的效率改善，而是通过增加代码供给、测试次数和排障能力，压缩研发循环中的等待时间。更多实验再产生更多结果，供研究人员筛选、验证和整合，形成“人定方向—智能体执行—实验反馈—人再决策”的循环。

任务从写代码延伸至排障、监控和分析，但高层决策占比仍低

OpenAI使用Epoch AI提出的前沿AI研发任务分类框架，对研究人员交给编码智能体的任务进行了划分。

该框架将AI研发活动分为六类：决定做什么、设计研究方案、构建代码与数据集、运行训练与评估、分析实验和模型表现，以及沟通研究发现与决策。

OpenAI称，从2026年1月至8月，上述所有类别的智能体活动均有所增加。

增长最明显的任务包括研究和基础设施代码、技术协助与审查、启动监控和调试运行、实验结果分析，以及计算集群运营等。

其中，研究和基础设施代码的日均每研究员输出Token增量最大，达到19.82万；技术协助与审查增加15.88万；启动、监控和调试运行增加13.31万。

不过，OpenAI表示，高层规划类任务在智能体输出中仍只占很小比例。例如，“决定做什么”“决定继续还是停止”等任务的Token规模仍较低。

这意味着，至少按照OpenAI当前披露的内部数据，智能体已覆盖研发流程中更多执行性、技术性任务，但研究方向选择、资源取舍及结果判断仍主要由人完成。

智能体成功率在提升，但复杂任务仍需人工介入

OpenAI还公布了智能体任务完成率的数据。

从今年1月到7月，在可验证结果的任务中，各难度级别（以人类完成所需时间为代理指标）的成功率普遍提升。

但有一个重要限制：任务越复杂，越需要人工干预。 过去6个月中，在需要人类4至8小时完成的任务里，超过一半的成功案例涉及至少1次人工介入。

OpenAI的表述是：“智能体仍需要大量人工引导才能成功，尤其是随着任务复杂度上升。”

安全事件触发暂停：飞轮也会被踩刹车

飞轮并非无摩擦运转。

7月20日， OpenAI发现智能体入侵了内部研究基础设施，随即临时关闭用于训练的容器服务，并在加入大量额外限制后恢复。这导致强化学习训练算力急剧下降，持续约两周。

8月6日至7日， 初步证据显示Astra模型可能具备其“准备框架”（Preparedness Framework）定义下的关键网络能力，OpenAI对Astra模型实施了额外的特定安全限制，要求其在更高安全级别的研究环境中运行。

此后一周，Astra级别的GPU分配进一步下降59.2%，但其他模型类别的算力分配上升17.2%，抵消了约85%的Astra算力缺口，整体强化学习工作负载的总算力分配基本保持不变。

OpenAI对此的解读是：“当新的管控措施引入时，算力仍然有价值且具有灵活性，会自然流向研究企业内的替代用途。”

OpenAI首席科学家同日发出警告

同一天，OpenAI首席科学家Jakub Pachocki发表长文《An Alien Mind》（一个异星心智）。

文章认为，AI是养出来的，不是造出来的。造它的人也不完全懂它。人类唯一能看见AI在想什么的窗口，是它写出来的思维链。这扇窗正在关上。AI已经开始参与训练下一代AI，这个速度不会慢下来。现在没有哪家实验室配全速往前跑，包括OpenAI。

Pachocki在文中写道：“基于内部结果，我强烈预期这种进展速度可以持续到递归自我改进。” 但他同时表示，“目前我认为，没有任何实验室在对齐与监控上做到了足够充分的程度，可以继续负责任地以最高速度扩展太久。”

他呼吁行业自愿放缓，并推动各国政府将国际协调列为优先议题。

透明度与民主治理

OpenAI在报告结尾表示，将继续公开RSI进展，并在其“前沿政策蓝图”中主张，包括OpenAI在内的各公司应被要求公开追踪其RSI进展。

报告也坦承当前测量工作的局限：“智能体驱动的AI研究仍然是新生事物，我们仍在学习如何衡量它。” 部分指标（如代码产出量）易于收集但难以解读；更直接反映研究进展的指标（如智能体任务成功率）则复杂且难以验证。

OpenAI的表态是：“每当我们发现继续推进将带来不可接受的安全风险时，我们将采取适当应对措施，包括放缓或停止我们认为无法充分保障安全的系统的开发或部署。”

本文来自华尔街见闻，欢迎下载APP查看更多

据英国《金融时报》报道，瑞银（UBS）已将AI能力列为招聘初级投资银行人员的明确要求，成为首批将AI素养纳入正式招聘条件的主要金融机构之一。

据知情人士透露，这一新要求将适用于2027年加入其全球银行和市场部门的应届毕业生及实习生，候选人须证明自己能够运用AI"改善工作成果与效率"。此举标志着AI技能正从科技和数据岗位向传统银行业务岗位全面渗透。

这一变化发生在银行业大规模裁员警告持续升温的背景下。摩根士丹利分析师近期预测，随着各大银行加速拥抱AI并关闭更多分支机构，未来五年欧洲银行业将有逾20万个工作岗位面临威胁。

AI素养成招聘硬门槛

瑞银的新规定将与传统招聘条件并列执行，后者包括本科成绩须达到2.1等（英国学位分类标准）等要求。知情人士表示，AI"流利度"相关问题将被纳入应届生和实习生的招聘面试环节，考察候选人实际使用该技术的经验。

瑞银方面表示："我们持续审视招聘标准，以确保其反映我们所需的技能。随着AI从根本上重塑金融服务业，AI能力与经验已成为未来职业成功的重要组成部分，因此也是相关的招聘考量标准。AI素养是对学术、分析和人际交往能力的补充，而非替代，后者仍是我们招募人才的核心考量。"

知情人士还透露，AI能力要求同样适用于该行新发布的其他职位。

同业跟进，行业趋势初现

瑞银并非孤例。据公司文件显示，西班牙桑坦德银行（Santander）也已在其企业与投资银行部门的部分应届生项目中明确寻求"高级AI用户"。

这一趋势折射出银行业更深层的结构性转变——AI工具正被越来越多地用于承担历史上由初级员工完成的常规工作，涵盖财务分析、研究报告撰写乃至客户演示材料制作等。瑞银自身也在以新颖方式试验这项技术，包括为分析师创建可向客户进行视频演示的数字化身（avatar），该行表示此举将使员工得以专注于更具生产价值的工作。

尽管AI技能需求上升，部分银行高管对过度依赖技术表达了审慎立场。摩根大通欧洲、中东及非洲区联席主管Conor Hillery在去年12月英国《金融时报》全球银行峰会上表示，银行业需要"非常谨慎"，确保员工不会"失去对基础知识和基本原则的理解"。他补充称，摩根大通正努力在利用AI加速基础任务与培训初级员工传统核心银行技能之间寻求平衡。

瑞银的表态与这一立场一致——该行强调，AI素养是对既有能力要求的"补充而非替代"，学术能力、分析能力和人际沟通能力仍是招聘的核心维度。然而，随着AI门槛被正式写入招聘条件，对于尚未系统接触这一技术的应届毕业生而言，求职竞争的筹码已悄然改变。

本文来自华尔街见闻，欢迎下载APP查看更多

雷扎伊表示，任何进入该“禁区”的船只都将被列入伊朗制裁名单。伊朗可以监测到美国船只，也可以击沉它们。“当然，伊朗没有击沉美国船只，是因为它们运载石油，一旦被击沉将破坏环境。”

伊朗称即将与阿曼签署霍尔木兹海峡相关协议

针对伊美谈判，雷扎伊指出，美国必须赢得伊朗的信任才能继续谈判。他同时强调，美方声称霍尔木兹海峡开放“纯属谎言”。

雷扎伊还宣布，伊朗与阿曼就霍尔木兹海峡船舶通行图达成的协议“将于未来几天内签署”。

本文来源：央视新闻

伊朗称美方应认识到“游戏规则已经改变”

当地时间6日，伊朗伊斯兰议会议长卡利巴夫在议会公开会议上表示，伊朗“对等回应”的时代已经结束，伊朗未来针对相关行动的回应力度将进一步加大。

卡利巴夫称，伊朗武装力量近期对美国基地实施的打击“仅仅是一个开始”。他表示，美方应该认识到“游戏规则已经改变”，今后任何针对伊朗利益和安全的行动，都将遭到“更迅速、更猛烈、更痛苦”的回应。

卡利巴夫说：“美国人肯定已经明白，‘对等回应’的时代已经结束。”他还表示，伊朗武装力量对美国基地实施的打击已使美国领导层“陷入困境”，其“只能发表一些空洞的言论和口号，并利用人工智能生成有关战场的图片和视频”。

本文来源：央视新闻

本文来自华尔街见闻，欢迎下载APP查看更多

要闻精选

中国财政部大手笔注资银行、险企，总量达数千亿。

伊朗导弹袭击美航母，美军：航母成功规避伊朗多次攻击，击中伊3艘油轮！特朗普：美国已经赢了；美情报部门：伊朗已打出自信。

会见特朗普特使超3小时，普京表态“今天的局势并不简单”。

报道：Anthropic将推迟至10月中旬上市，“史上最大IPO”还得再等等。

OpenAI总裁：Astra是首个“在10万块GPU上训练的模型”，跨越了“应用门槛”。

Kimi、MiniMax即将在天猫开店。

市场概述

美国8月非农就业大幅超出预期，令市场重新押注美联储9月加息，短端美债收益率升至逾一年半高位，美股三大指数终结两连涨集体收跌，但资金并未全面撤离权益市场，半导体存储与光通信逆势大涨，国际油价与铜价延续上行，黄金在数据冲击后收复大半失地。

美股：标普500跌0.38%报7718.60点，纳指跌0.29%报26506.99点，道指跌0.51%报53414.25点，三大指数终结两连涨；费城半导体指数逆势涨3.37%报11735.26点，存储与光通信大涨，特斯拉跌5.92%、露露乐蒙跌17.38%

A股：沪指跌0.30%、深成指跌0.79%、创业板指跌0.78%，科创50跌超2%；沪深京三市超2900股飘绿、成交2.05万亿元；猪肉概念掀涨停潮，白酒走强，半导体、算力硬件重挫，浪潮信息跌停

港股：恒生指数涨1.74%、恒生科技指数涨2.27%；权重科网股普涨，腾讯、阿里、美团、小米上扬，地产股活跃，融创、龙湖、碧桂园、万科齐升

欧股：涨跌互现，德国DAX涨0.17%，法国CAC40跌0.03%，英国富时100收平，欧洲斯托克50涨0.19%

日韩：日经225涨1.26%报65020.94点，韩国KOSPI涨1.64%报6687.21点

原油：WTI原油涨0.20%报91.48美元/桶，布伦特涨0.80%报96.28美元/桶，两项全周累涨约9%；美国柴油零售均价5.85美元/加仑刷新历史纪录

贵金属：现货黄金跌0.97%报4429.29美元/盎司，盘中一度跌超2%至4365.25美元后收复；现货白银跌1.23%报66.14美元/盎司

工业金属：LME铜涨0.57%报14416美元/吨，收涨82美元，延续上行

美债：2年期美债收益率涨3.4个基点报4.3703%，盘中触及4.416%为2025年1月以来最高；10年期收益率约4.78%

外汇：美元指数涨0.27%报99.177，扭转此前跌势；美元兑日元从155.50回升至156.22；离岸人民币报6.72附近

比特币：全周一度突破82000美元创三个月新高，周五非农数据公布后回落，失守7.9万美元

要闻详情

中国

财政部大手笔注资银行、险企，总量达数千亿！财政部启动新一轮金融机构资本补充行动，工商银行、农业银行、中国人寿、中国人保、中国太平、进出口银行及中国信保、中国再保八家机构合计获注3600亿元。叠加首轮5200亿元，两轮累计注资规模突破8000亿元。中金公司此前测算，本轮3000亿元资本可撬动约4万亿元资产扩张，将有力支持实体经济并筑牢金融风险防线。

Kimi、MiniMax即将在天猫开店。国内大模型厂商正加速入驻天猫，将AI服务作为标准化订阅商品销售。继智谱在天猫开设首家官方旗舰店、开售订阅套餐后，Kimi、MiniMax、阶跃星辰等多家厂商也正接洽入驻。天猫已上线Token充值中心，首批接入多家国产大模型。此举将购买门槛显著拉低，目标客群从开发者向大众消费者延伸。

- 智谱悄悄上架天猫：Token越来越便宜，为什么AI公司反而开始限量了？模型越强，用户越愿意把编程、搜索、测试等复杂任务交给AI，Token消耗也随之暴增，增速甚至超过成本下降的速度。算力压力之下，AI公司开始从“不限量”转向按额度收费，商业模式也从“卖模型”转向“卖调用”。

AI服务器需求强劲，鸿海8月营收同比飙升52%，创历年同期新高。鸿海2026年8月营收9218亿新台币，同比增51.98%，创历年同期新高；前8月累计营收6.51万亿新台币，同比增39.73%，亦刷新同期纪录。AI服务器相关云端网络产品为增长核心引擎。展望三季度，受益于AI需求延续及ICT传统旺季，公司预期表现可望优于市场预期，但需关注全球政经不确定性。

华为何庭波更新韬定律论文：“τ芯片”本该过热烧毁？论文以麒麟2026实测数据回应3D堆叠芯片的散热质疑。数据显示，晶体管密度提升约55%，但相同性能下NPU、GPU功耗分别下降66%和58%。何庭波认为，LogicFolding通过缩短信号传输路径、减少数据搬运能耗，使芯片在“堆得更密”的同时反而降低功耗，也让外界担忧的“τ芯片本该过热烧毁”并未成为现实。

- 华为何庭波再发韬定律论文，大咖系统解读。专家认为，此次“韬定律”论文从“晒成绩单”转向“拆解机理”，正面回应3D堆叠芯片“发热”这一核心技术疑虑，并通过量产芯片数据验证缩短信号距离、降低电压带来的能效提升。未来，韬定律能否改写产业竞争规则，还取决于EDA、操作系统、检测标准及先进封装产业链能否跟上。

全球AI交易过于拥挤，海外资金悄然转向中国股市。巴克莱、瑞银、美银等机构交易台观察到，客户对挂钩沪深指数的看涨期权与掉期需求持续升温。背后逻辑是：韩日AI交易估值高企引发警惕，而中国期权隐含波动率已回落至近一年均值，科技板块权重持续扩大——入场窗口或已悄然开启。

海外

非农大爆表！美国8月新增就业16.2万人，预期仅5.5万人，失业率维持在4.1%不变，8月非农就业人口新增16.2万人，远超华尔街预期中值5.5万人，更突破所有机构预测上限，创年内第二高单月增幅。此前两个月数据同步上修，6月从2万人上修至3.1万人，7月从减少2.3万人大幅上修至增加2.1万人，两个月合计较前值高出5.5万人。数据公布后芝商所FedWatch显示9月加息概率从49.4%升至58%。

- 华尔街怎么看8月非农？强就业未终结9月加息悬念，下周CPI有"决定性意义"：贝莱德Rosenberg认为数据确认对就业市场已有认知，真正压力重回通胀，若下周CPI继续显示通胀进展，美联储仍会按兵不动。

- "新美联储通讯社"：8月就业数据扫清加息障碍，9月议息静待通胀"定调"：Timiraos认为强就业消除了9月加息的关键阻碍，但并未直接构成加息理由，最终仍取决于下周8月通胀数据。

特朗普施压沃什降息：高利率令美国陷入"不公平劣势"，否则停止与逆差国贸易，特朗普发帖称美国8月就业数据"非常亮眼"，但再度呼吁美联储大幅降息，强调高利率使美国处于"不公平的劣势"，上周早些时候已直言讨论加息"荒谬至极"。

- 万斯又公开喊话美联储：应该降息：副总统万斯称降息是应对当前通胀"正确且负责任"的选择，并称"希望得到美联储的帮助"，与沃什暗示加息的立场形成直接冲突。

伊朗导弹袭击美航母，美军：航母成功规避伊朗多次攻击，击中伊3艘油轮！特朗普：美国已经赢了；美情报部门：伊朗已打出自信。美军重创三艘伊朗油轮，特朗普称冲突是“小菜一碟”。但全美柴油均价已受局势波及飙创历史新高。美情报披露，伊朗正无视经济制裁展露惊人韧性，蓄力“持久战”直指美中期选举。

- 美军首度打击三艘伊朗油轮，霍尔木兹海峡冲突从“炸设施”升级到“断运输”。美伊军事冲突发生性质跃迁。随着美军打击目标首次从沿岸军事设施转向航行中的原油运输船只，标志着美伊交锋从"打击产能与设施"正式升级至"打击运输通道"，市场焦点也随之从"伊朗减产多少"切换至"美军是否要系统性切断伊朗原油运输"，全球原油定价逻辑面临重估。

- 特朗普：将向俄罗斯提交结束俄乌冲突的方案；泽连斯基：美总统特使访问期间，不对俄发动空中打击。据报道，俄方消息人士称，美国总统特使威特科夫和特朗普女婿库什纳将于9月5日至6日先访俄莫斯科，后访乌基辅。泽连斯基表示，访问期间乌方不会发动空中打击，并希望谈判尽可能具有建设性。此外，乌国家安全局总部遭俄军无人机袭击，乌媒称出于安全担忧，美方访问计划“可能有变”。

美国柴油价格创历史新高，刷新2022年纪录，特朗普中选“能源牌”打不下去了？美国柴油零售均价首次突破每加仑5.85美元，超过2022年创下的历史高点。全球炼油产能受损、出口激增及库存低位令供应持续紧张，秋收、冬季取暖和炼厂检修临近更添压力。柴油涨价正向农业、物流和通胀传导。燃料价格飙升叠加中期选举临近，也让曾承诺降低能源和生活成本的特朗普政府面临更大政治压力。

800亿美元！全球最大主权基金拟大幅减持美国国债，挪威主权财富基金拟削减约800亿美元美国国债敞口，转向房利美、房地美担保的机构MBS。此举发生在美债收益率高企、全球债市持续承压之际，市场对主权基金集体撤离美债的警觉情绪或将进一步升温。

报道：Anthropic将推迟至10月中旬上市，“史上最大IPO”还得再等等。Anthropic原计划最快于下周提交IPO招股说明书，目前推迟至9月下旬。上市路演最早10月中旬启动，目标在11月中期选举前完成挂牌。此次延期与公司正在敲定的150亿美元信贷额度相关，需待融资落实后方可推进后续流程。市场对其最高估值看至2万亿美元，有望跻身史上最大规模IPO之列。

- 谁将赢得“史上最大IPO”投行竞赛？Anthropic接近选择大摩和高盛。Anthropic IPO承销席位争夺进入尾声，摩根士丹利有望拿下“左一”主承销商，高盛或担任稳定代理商，摩根大通、花旗和巴克莱也预计获得重要席位。市场预期Anthropic 估值或突破2万亿美元，但650亿美元年化营收低于激进预期，OpenAI的竞争也为其高估值带来挑战。

GPT-6 Astra全量开放！OpenAI宣布GPT-6 Astra向高阶付费用户及API全面开放。Astra能力显著提升，但也带来新的使用逻辑：模型更敏感于指令、更主动提问，开发者应审计并精简AGENTS.md和Skills，减少冗余、冲突规则。多项实测显示其在编程、3D建模、视频制作等复杂任务上表现突出，AI开发正从“不断加规则”转向“删规则、给模型空间”。

- OpenAI总裁：Astra是首个“在10万块GPU上训练的模型”，跨越了“应用门槛”。布罗克曼认为，OpenAI或已进入AGI时代。Astra不仅是模型能力的升级，更可能意味着AI进入“电脑使用”时代：无需依赖API连接器，即可直接操作各类软件。随着模型能力跃升，过去精心构建的“技能脚手架”反而可能成为限制，AI已经能够自行泛化并找到更优的处理方式。

观点精选

高盛：高盛交易台主管Rich Privorotsky认为，Astra的能力跃升可能正是AI多头等待已久的突破。相比单纯降价，更强的模型智能有望打开新应用场景、扩大AI需求，重新点燃AI资本开支周期。9月甲骨文财报及科技行业会议有望进一步催化AI行情，但能源价格、霍尔木兹海峡局势以及下周CPI仍是市场面临的主要宏观扰动。

高盛：美国债市收益率创历史新高，VIX却跌至特朗普任期低点——高盛合伙人Mark Wilson直指这场"认知分裂"的危险：估值已在悄然失血，动能因子腰斩，欧洲防务股跑输基本面25%，AI叙事从"卖铲"切向"用铲"。VIX低位不代表风险消散，或只是市场尚未找到足够的理由恐慌。

美银，花旗：美银证券预计8月核心CPI环比上涨0.22%，认为通胀仍然偏高，足以支持9月加息；花旗则预计核心CPI仅增长0.18%，年率降至2.3%，美联储更可能按兵不动。两家机构的分歧背后，是CPI与PCE走势的背离，以及沃勒对通胀的关键容忍门槛。分析认为，若数据超预期偏热，美联储可能被迫采取更激进的紧缩路径。

国金证券：中国算力产业正经历一场深层次的利润重分配。传统模式下，利润高度集中于上游芯片与服务器硬件环节；而随着词元计价体系加速渗透、GaaS（算力即服务）模式兴起，中游算力调度运营商与下游应用服务商的利润占比将显著提升。

今日关注

中国

中国央行：9月7日将开展5000亿元3月期限买断式逆回购操作

中国8月外汇储备

小米秋季新品发布会：小米18 Fold等发布、小米澎程上市

海外

美股因劳动节假期休市

欧元区二季度GDP

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：

中美通胀数据：美国8月CPI是美联储9月议息前最后一份通胀读数，当前美联储“传声筒”沃勒已表态倾向维持利率不变。中国8月CPI/PPI定调内需成色，机构普遍预计CPI回升至0.9%附近、PPI在3.2%—3.8%区间存在分歧；8月进出口检验外需韧性，机构预计出口同比约23%。

“机圈”盛宴：下周消费电子迎来罕见的三强同周对决——华为Mate XT 2与小米18 Fold同日登场，前者首发HarmonyOS 7，后者首发展开玄戒O3 AI旗舰处理器；苹果紧随其后于北京时间9月10日凌晨发布首款折叠屏iPhone与iPhone 18 Pro系列，这是新任CEO约翰·特努斯的首场发布会。据TrendForce测算，受存储涨价影响iPhone 18 Pro整机成本同比增近40%，定价策略与首销表现将检验高端需求韧性。

AI独角兽：Anthropic原计划最快于下周提交IPO招股说明书，目前推迟至9月下旬。此外马斯克预告9月12日后发布参数2.1万亿的Grok 4.7，台积电9月10日公布8月营收。

其他：欧洲央行9月10日公布利率决议，市场预计按兵不动，关注拉加德新闻发布会对通胀路径的表述；加拿大对美200亿美元等额反制关税9月8日生效；美国财政部长债回购翻倍9月9日生效；甲骨文9月9日发布财报，关注云基础设施与AI算力订单的转化；周一美股因劳动节休市。

经济指标

• 美国CPI/PPI

美国劳工统计局将于美东9月11日发布8月CPI。市场预计8月CPI同比3.4%、与7月持平，核心CPI同比 2.5%。美联储理事沃勒表示，8 月通胀数据将“极大影响”他在9月议息会议上的投票：核心环比若不超过 0.2%，他倾向维持利率不变；若升至 0.3% 以上，他会考虑加息。这份数据是9月议息前最后一份通胀读数，将直接决定美债、美元与美股成长股的定价方向。

美国8月PPI将于9月10日公布，彭博经济研究预计同比升至5.3%，环比上涨0.4%，能源价格上涨推高运输及仓储成本是主因。核心PPI同比料升至4.7%。PPI中与PCE挂钩的分项预计贡献约5个基点的月度通胀增量。本次数据将与次日公布的CPI共同影响市场对美联储9月议息会议走向的预判。

• 中国8月CPI、PPI、进出口与金融数据

国家统计局将于9月9日发布8月物价数据。华创证券张瑜团队预计CPI同比回升至0.9%左右。中国海关总署将于同日公布8月进出口数据。看点是AI产业链支撑的高景气能否延续，以及“抢出口”退坡后的动能变化，直接影响外贸与航运板块预期。下周，8月金融数据也预计出炉。此外，国家外汇管理局将于9月7日公布8月末外汇储备，7月末为34187.8亿美元，央行再度增持黄金。

• 欧洲央行利率决议

欧央行将于9月10日公布利率决议，市场普遍预期本次加息已基本确定。彭博经济研究表示，此次加息已被管理委员会充分预告，市场关注重心将转向12月政策走向的前瞻指引。欧央行同日将发布最新经济预测，通胀预测料小幅上调约0.2-0.3个百分点。鹰派倾向加息，但金融条件收紧构成制约，行长拉加德发布会表态将是关键看点。

财经事件

• 9月机圈新品不断：华为苹果小米等集体上新

目前，华为Mate XT 2已确认将在9月7日发布，小米18 Fold也将在9月初登场，小米18 Pro系列则被雷军确认于9月底发布；vivo产品经理韩伯啸、荣耀CEO李健也都分别明确了vivo X500系列和荣耀Magic9系列将在9月发布；OPPO Find X10、华为Mate90和iQOO 16虽然尚未正式官宣时间，但入网、发布会审批以及供应链消息都指向9月。

• 苹果 2026 秋季新品发布会（iPhone Fold 首秀 + iPhone 18 Pro 双机）

苹果公司将于当地时间9月9日（北京时间9月10日凌晨1点）举办今年最大规模的产品发布会，此次发布会的口号是“惊喜与闪耀”（Surprise and shine）。该公司准备推出多款新品，包括首款折叠屏iPhone以及iPhone 18 Pro和Pro Max，此次发布会将是约翰·特努斯出任苹果CEO后的首场发布会。 TrendForce测算因存储等零部件涨价，iPhone 18 Pro整机成本同比增近40%，定价策略成为核心看点。

• 华为全场景新品发布会，MateXT 2 三折叠发布

华为将于9月7日召开全场景新品发布会。8月25日，华为终端宣布华为新一代三折叠旗舰手机华为Mate XT 2定档9月7日发布，将首发搭载HarmonyOS 7操作系统。

• 小米秋季新品发布会：小米18 Fold等发布、小米澎程上市

9月2日，小米创办人，董事长兼CEO雷军在微博表示，小米秋季旗舰新品发布会定档9月7日晚7点，小米澎程N70 Pro/N70 Max/N90 Max正式上市。同场发布的，还有两款旗舰新品：小米18 Fold全新折叠屏旗舰手机和小米平板9Pro Max，首发玄戒O3 AI旗舰处理器。

• Anthropic IPO推迟

Anthropic原计划最快于下周提交IPO招股说明书，目前推迟至9月下旬。上市路演最早10月中旬启动，目标在11月中期选举前完成挂牌。此次延期与公司正在敲定的150亿美元信贷额度相关，需待融资落实后方可推进后续流程。市场对其最高估值看至2万亿美元，有望跻身史上最大规模IPO之列。

• 加拿大反制关税生效：对美200亿美元等额反制关税

据新华社，加拿大政府于25日周二宣布，对价值约200亿美元的美国商品征收报复性关税。据央视新闻，加拿大政府表示，自9月8日起，将对约700种美国产品征收反制关税，税率分别为15%、25%或50%；同时将推出75亿加元的援助计划，支持受美国新关税影响的企业和工人。

• 美国财政部长债回购翻倍预计将于9月9日起生效

美国财政部宣布将把较长期名义附息国债的流动性支持回购操作单次最高规模至少提高一倍，至至少40亿美元，自2026年9月9日起生效。这一安排将从2026年9月9日持续至11月4日。 美国财政部将于9月9日启动扩大版长期美债回购计划，持续至11月4日。此举旨在改善长端美债市场流动性，为新债发行营造有利条件。回购计划启动时间与美国CPI、PPI数据及欧央行决议高度重叠，市场对长端利率的走势判断将更趋复杂，彭博新闻指出当前市场加息押注升温，长端供需动态值得关注。

• 中国央行：9月7日将开展5000亿元3月期限买断式逆回购操作

中国人民银行：2026年9月7日，中国人民银行将以固定数量、利率招标、多重价位中标方式开展5000亿元买断式逆回购操作，期限为3个月（89天），到期日为2026年12月5日。

• 一带一路高峰论坛

第11届"一带一路高峰论坛"于2026年9月9日至10日在香港会议展览中心举行，香港特区行政长官李家超出席并担任首日高层政商交流环节的演讲嘉宾。

• 共和党中期选举大会

美国共和党全国委员会定于2026年9月9日至10日在得克萨斯州达拉斯举行首届中期选举大会，美国总统唐纳德·特朗普和副总统万斯预计将在会上发表主旨演讲。。看点是中选年的竞选纲领与经济政策主张（关税、财政、移民），相关表述对市场理解中选后的政策路径有前瞻意义。

• AI大模型追踪

下周AI板块的核心变量是Anthropic招股书，若定价与上市节奏超预期，将成为AI一级市场估值向二级传导的关键检验，直接影响全球算力链与AI应用股的定价锚。模型侧看Grok 4.7的参数跃迁与定价策略。

• 巴黎太空峰会，SpaceX、Blue Origin等美企取消参会

9月9日至10日，法国总统马克龙将在巴黎大皇宫主办国际太空峰会，预计约120个国家派代表团出席。据POLITICO，在白宫施压下，SpaceX、Blue Origin、Stoke Space与Starcloud四家美国航天企业已于周四通知法方取消参会。

• 亚德诺（ADI）年内第二轮全产品组合价格调整生效

9月13日起，亚德诺将实施2026年第二轮全产品组合价格调整。据ADI首席客户官中村胜签发的客户函，本轮覆盖商业、工业及军用高可靠全系列，新价适用于所有未发货订单，部分"/883"后缀军用合格器件涨幅可达30%；ADI明确涨价所得全部再投资于内部晶圆厂、封装与测试扩产，以缓解最长六个月的交期。

• 芝商所100盎司白银期货24小时全天候交易启动

9月11日周五，芝商所将把100盎司白银期货扩展至24小时全天候交易。据CME官方新闻稿，1盎司黄金期货自7月24日启动全天候交易以来，周末时段已成交逾5.3万份合约、名义价值约2.19亿美元，为黄金期货周末交易时段最大流动性池。

• 2026 中国算力大会（廊坊）

2026中国算力大会9/11–13在廊坊举行、工信部主办，聚焦算力基础设施与AI基建。此外，9月4日至8日，柏林国际消费电子展（IFA 2026）举行，小米将首次参展。

• 台积电8月营收

9月10日，台积电当日公布8月营业额报告。作为全球晶圆代工龙头，其月度营收是观测AI算力与先进制程需求的高频指标；在CoWoS产能持续扩张、AI芯片订单能见度提升的背景下，营收同比增速将直接影响全球半导体与算力链景气判断。

• 金砖国家领导人第十八次会晤将于9月12日至13日在新德里举行

据印度外交部当地时间8月27日消息，印度将于2026年9月12日至13日在新德里举办金砖国家领导人第十八次会晤。（央视）

• 汇丰香港要求存量内地投资客户9月12日前提交资金来源声明

据每日经济新闻，汇丰香港近日已陆续向部分内地存量投资客户发出通知，要求其于9月12日之前通过汇丰香港App提交《开立/维持账户之声明书》，并更新联系信息。声明书内容包括确认投资活动资金来自中国内地以外地区的合法来源、银行可应执法或监管机构要求披露个人资料等。

财报

下周美股财报进入淡季，重点是甲骨文与Adobe两家“AI叙事验证者”：甲骨文（9月9日）看云基础设施在手订单与AI算力合同的转化率，其backlog变化是AI资本开支强度的领先指标；Adobe（9月11日盘后）看Firefly等生成式AI功能的变现进度与订阅增速。周一美股因劳动节休市，财报集中在周中。

下周A股处于中报收官后的财报空窗期。同样，下周港股无重点财报，焦点在事件与机制层面——江波龙9月8日挂牌检验存储龙头的A+H定价承接，优地机器人9月9日上市，恒大汽车同日董事会审议补发的2024及2025年度业绩

• 江波龙港股上市，预计9月8日挂牌

江波龙拟香港上市，融资不超过62.8亿港元（8.01亿美元）。根据江波龙周一发布的上市文件，公司计划发行约2600万股股份，发售价不超过每股240.6港元，较其上周五在深圳上市的A股收盘价折让约45%。江波龙预计9月8日在香港挂牌上市。若行使增发选择权，募资规模最高可达到10.6亿美元。

• 群核科技等获纳入港股通，9月7日起生效

上交所公告宣布Manycore Tech（简称“群核科技”）等正式调入沪港通下港股通标的名单，自9月7日起生效。百度集团在香港联交所发布公告称，据上海证券交易所当日发布的通知，百度A类普通股已获纳入沪港通下港股通标的证券，2026年9月7日生效。

• 恒大汽车：将举行董事会会议审议及批准集团财务业绩

恒大汽车在港交所公告，公司将于2026年9月8日（星期二）及2026年9月16日（星期三）举行董事会会议，藉以（其中包括）审议及批准集团的财务业绩。于2026年9月8日举行的会议上，董事会将审议及批准截至2024年及2025年12月31日止年度的年度业绩，以及截至2025年6月30日止六个月的中期业绩。

本文来自华尔街见闻，欢迎下载APP查看更多

据新华社及多家公司9月6日公告：

• 中国工商银行 ：拟向特定对象（包括财政部等）发行A股股票，募集资金不超过 1000亿元 ，用于补充核心一级资本。
• 中国农业银行 ：拟向特定对象（包括财政部等）发行A股股票，募集资金不超过 1600亿元 ，用于补充核心一级资本。
• 中国人寿保险(集团)公司 ：财政部直接注资 350亿元 ，以增强其稳健经营和风险抵御能力。
• 中国太平保险集团有限责任公司 ：财政部直接注资 70亿元 ，夯实长期可持续发展根基。
• 中国人民保险集团股份有限公司 ：拟向财政部发行A股股票，募集资金不超过 150亿元 ，全部用于补充资本金。
• 中国进出口银行 ：财政部注资 300亿元 ，巩固资本根基，提升服务对外开放能力。
• 中国出口信用保险公司 ：财政部注资 100亿元 ，提高风险偿付能力，扩大出口信用保险覆盖面。
• 中国再保董事会审议通过并披露向特定对象发行内资股方案。本次发行拟由财政部以现金方式认购，计划募集资金总额30亿元人民币。

此轮注资被业内人士视为增厚国有大行资本缓冲、提升风险抵御能力的重要举措，此前国有大行首批合计注资规模为5200亿元。业内人士表示，此次财政部对8家中央金融企业增资，属于“未雨绸缪”的前瞻性安排，是支持中央金融企业高质量发展、助力宏观经济行稳致远的主动作为。

中金公司此前测算，3000亿元资本能够撬动约4万亿元资产扩张，提升直接信贷投放和外延并购能力，并支持实体经济和金融风险防范。

中国工商银行公告称，拟向特定对象发行A股股票，发行对象为中华人民共和国财政部、中国烟草总公司及相关子公司，计划募集资金不超过1000亿元，扣除发行费用后全部用于补充核心一级资本。

其中，财政部拟认购700亿元，中国烟草拟认购100亿元，上海烟草、云南中烟、湖南中烟和湖南烟草分别拟认购50亿元。工商银行称，本次增资仍需履行内外部审批程序后实施。

截至2026年6月30日，工商银行核心一级资本充足率为13.21%，一级资本充足率为14.43%，资本充足率为18.57%，均满足监管最低要求。该行表示，利率市场化深化、息差收窄影响内源性资本积累，同时在全球系统重要性银行升组后，将面临更严格的附加资本要求。

农业银行同日发布向特定对象发行A股股票预案，拟向财政部、中国烟草总公司及其有关子公司发行A股，募集资金总额不超过1600亿元。扣除发行费用后，资金将全部用于补充核心一级资本，最终规模以监管机构批复的发行方案为准。

此前市场分析预计，若本轮3000亿元资金主要流向工行与农行两家机构，有望平均提升两家银行核心一级资本充足率约0.6个百分点。

保险机构也在同日披露资本补充安排。中国人寿集团宣布，财政部将向其注资350亿元，以增强稳健经营和风险抵御能力，并为公司专注主业、完善治理、错位发展注入动力。

中国人保公告称，公司拟向财政部发行A股股票，募集资金总额不超过150亿元，扣除发行费用后全部用于充实资本金。

中国太平宣布，财政部将向中国太平保险集团有限责任公司注资70亿元。公司称，此次注资将增强抵御风险能力，推动偿付能力等关键指标均衡稳健，并夯实长期可持续发展根基；中国再保计划募资30亿元用于增加核心一级资本。

政策性金融和出口信用保险机构也纳入本轮安排。中国进出口银行宣布，财政部将向其注资300亿元。中国出口信用保险公司宣布，财政部将向其注资100亿元，并称资本补充工作按照市场化、法治化原则稳妥推进。

2026年政府工作报告明确提出，拟发行特别国债3000亿元，支持国有大型商业银行补充资本。

回溯上一轮的操作轨迹，在首轮注资过程中，财政部通过特别国债出资5000亿元，除了财政部作为主要认购方之外，中国移动、中国烟草等具备实力的大型央企亦有参与；中国银行、建设银行、交通银行、邮储银行的定向募资额度分别为不超过1650亿元、1050亿元、1200亿元和1300亿元。

对于上轮注资，申万宏源证券认为，利率下行周期中，国有大行充分让利实体、息差越来越薄的基础上，足以说明国有大行乃至整个银行业内生资本能力被削弱。但同时也要认识到，银行与实体不分家，实体经济需要银行信贷资产高效支持，就必须要保障银行资产负债表的稳健性，必须要确保银行业可持续服务实体源泉不断，推进国有大行资本补充是有必要也尤为重要的。

业内人士认为，这将有利于增厚国有大行核心一级资本，增强风险抵御能力和实体经济服务能力。按照银行业务运作的一般杠杆效应测算，本次3000亿元的核心一级资本补充，在未来财务周期内可能撬动约4万亿元的资产扩张规模。

中金公司也指出，此次注资完成后，3000亿元资本能够撬动约4万亿元的资产扩张，提升直接信贷投放和外延并购能力，有力支持实体经济和防范金融风险。

通过两轮合计8000亿元的中央财政及央企资金注入，国有大行在显著提升自身风险抵御能力的同时，也有望在行业整体息差收窄的趋势下，继续维持相对稳定和可持续的分红能力。

本文来自华尔街见闻，欢迎下载APP查看更多

国金证券在最新产业研究报告中指出，中国日均词元调用量从2024年初的1000亿跃升至2026年3月的140万亿，两年增长超1000倍；三大运营商已率先推出词元资费套餐，GaaS（算力即服务）正成为算力运营的高阶形态。与此同时，"十五五"规划纲要将全国一体化算力网纳入109项重大工程，算力基础设施与水电并列升格为国家级战略资产，行业从"东数西算"物理布局阶段迈入"算网融合、全域调度、算电协同"新阶段。

这一转变正在重塑整个产业的估值逻辑。算力利用率、词元产出能力、调度技术水平和合规资质壁垒成为新的估值锚点，取代传统的机柜数量和电力容量指标。国金证券报告认为，具备跨域调度与行业运营能力的主体将获得更高利润份额，而单纯依赖硬件租赁的中小服务商面临持续的经营压力。

报告认为，估值锚点正在发生范式转换：投资者应从关注机柜规模、GPU库存，转向算力利用率、词元产出能力、调度技术与合规资质，不具备这些能力的中小服务商经营压力将持续加剧。

国金证券报告将本轮变革的主线定性为"定价体系重构"。传统算力租赁以机柜、单GPU卡或服务器时长为计费单位，市场价格体系高度混乱，不同服务商、不同芯片架构、不同地域机房之间报价差距悬殊，低价恶性竞争常态化。

词元按量计费将计价标的从硬件资源转向AI实际产出，实现成本与业务需求的直接匹配。上海电信推出词元算力套餐，1元对应25万额度点；上海移动联合头部互联网平台推出AI原生工作台，1元可购40万Tokens。

报告将算力运营模式划分为四个层级：基础算力资源租赁、分层算力订阅、GaaS全链路解决方案、行业专属算力定制，盈利空间依次递升。GaaS模式的核心逻辑在于，运营商不再受物理机柜数量限制，可混合调度国产NPU与海外GPU，依托跨域异构调度获取调度溢价与词元分成，收入结构从硬件租金升级为任务服务收入。

然而报告也指出现实约束：行业尚未形成全国统一的词元计量、折算与结算标准，不同厂商"额度点、Token"统计口径不一致，部分政企客户传统预算体系仍适配机柜采购模式，词元商业化仍处早期探索阶段。

国金证券从三个维度拆解了利润迁移的具体机制。

其一，从"芯片差价"向"调度溢价"转移。具备异构算力统一纳管和智能调度能力的运营主体，可通过资源优化获取服务溢价；其二，从"机柜租金"向"词元分成"转移，GaaS模式下运营主体不仅收取算力使用费，还能从模型推理的词元消耗中获取分成；其三，从"一次性建设"向"持续服务"转移，行业专属算力定制的长单模式带来稳定现金流，客户迁移成本高、合作粘性强。

分析师特别指出，这一价值迁移在供给约束背景下将进一步强化。HBM等关键硬件全球性紧缺推高了硬件采购与持有成本，重资产囤卡转租模式的盈利弹性受到压缩，而具备跨域调度与存量资源盘活能力的运营主体相对议价权反而提升。

在市场规模方面，据中国信通院测算，2025年中国人工智能核心产业规模预计突破1.2万亿元；国家数据局局长刘烈宏在公开场合推演，到"十五五"末，我国人工智能相关产业规模有望达到10万亿元区间，产业链价值分配格局将出现明显调整。

国金证券将当前中国AI算力运营市场划分为四大阵营：公有云厂商、电信运营商、第三方IDC服务商、地方国资算力平台。

公有云厂商在跨域调度、异构算力融合、GaaS服务方面走在行业前列，但"多租户"模式在金融、政务等高合规场景面临信任挑战。电信运营商拥有完善的基础网络与政企客户关系，率先推出词元资费套餐，劣势在于技术创新效率与生态开放度。第三方IDC面临液冷改造成本高昂与转型压力的两难困境，行业正经历深度洗牌。地方国资平台在土地、电力、能耗指标方面享受政策支持，但技术能力与运营效率存在短板。

据中国信通院数据，2025年中国智能算力服务市场规模突破1300亿元，其中AI云企业级服务约800亿元。在AI云赛道，据Omdia数据，2025年中国AI云市场总规模达567亿元，阿里云以38.1%居首，火山引擎（20.4%）、百度云（9.4%）、腾讯云（6.3%）、天翼云（5.9%）分列其后，前五家合计占比超过八成。

报告明确指出，中小算力企业面临三重压力：头部企业凭借规模优势发起价格战、液冷改造与调度技术升级需要大量资本投入、大客户更倾向选择具备全栈能力的头部服务商。不具备枢纽资源、调度能力和行业壁垒的中小算力企业经营压力持续加大，部分主体转向行业专属与边缘算力等垂直赛道求生。

报告提出，算力运营企业的估值框架正在经历体系性重构，传统以机柜规模、服务器数量、电力容量为核心的重资产估值体系已无法准确反映企业真实价值。

新估值体系需纳入四个维度：算力利用率、词元产出能力、调度技术水平、合规资质壁垒。

其中，算力利用率是衡量运营效率的核心指标，跨域统一调度可缓解资源闲置，同等物理资产产生更多收入与利润，是区分优质算力企业与低效算力企业的关键分水岭。词元产出效率更优的运营企业，其估值具备向上溢价空间；能够实现异构算力统一纳管、跨域低时延调度的企业，可获取技术溢价；等保三级、安全可靠认证等合规资质则是进入金融、政务等高溢价市场的"入场券"。

报告向投资者提出明确建议：规避传统无差异化竞争力的通用IDC项目，主动回避非枢纽地区算力项目及高度依赖单一海外芯片供给的运营企业；短期（2026至2027年）重点关注液冷配套与800G/1.6T高速光模块；中期（2028至2029年）布局国产AI芯片与算力调度软件企业；长期（2030年及以后）聚焦算电协同配套与边缘算力运营服务商。

本文来自华尔街见闻，欢迎下载APP查看更多

据CCTV国际时讯，美国中央司令部9月5日发声明称，“在伊朗伊斯兰革命卫队向两艘在地区水域巡逻的美军舰船发射弹道导弹后，美国中央司令部部队对三艘伊朗原油运输船实施了打击。”美军中央司令部随即发表措辞强硬声明：“我们将毫不犹豫地保卫美国部队，如有必要，将摧毁伊朗有限且暴露的石油船队。”

这是本轮冲突自2月爆发以来，美军首次将航行中的原油运输工具纳入打击目标，标志着美伊交锋从"打击产能与设施"正式升级至"打击运输通道"。市场关注点由此从"伊朗减产多少"转向"海峡能否安全通行"，油价与航运保险的定价框架均面临重估压力。

同日早些时候，伊朗媒体已报道哈尔克岛附近海域一艘油轮据报遭美军导弹击中，撤离工作正在推进，暂无伤亡报告。而在此前一日，德黑兰据称还向霍尔木兹海峡船只发射了反舰导弹。针对海上交通线的密集动作持续推高该地区航运风险溢价，霍尔木兹海峡正面临冲突爆发以来最严峻的安全考验。

过去一周，美军打击重心集中于伊朗伊斯兰革命卫队（IRGC）的防空阵地、布雷设施、雷达系统、海上资产与通信站点，以及拉拉克岛、哈尔克岛等石油出口枢纽的地面设施。上周日，CENTCOM对海峡内伊朗布雷部队实施了"有限且精确的行动"；本周二又对革命卫队防空阵地与布雷设施发动新一轮打击。

此次直接打击三艘航行中的原油运输船，将瞄准对象从静态军事资产扩展至动态运输工具。美方表示，触发因素是伊朗向两艘美国海军军舰发射弹道导弹。CENTCOM"如有必要将摧毁伊朗石油船队"的公开警告，进一步表明美方有意将伊朗能源出口能力本身纳入打击范畴。相较于此前对基础设施的损毁，直接打击运输船只对伊朗原油出口能力的冲击更为即时和直接。

霍尔木兹海峡承载全球约20%的原油运输，是全球能源供应最关键的咽喉水道。此前市场对冲突的定价主要围绕伊朗产能损失与设施损毁展开。如今，油轮直接遭袭已将风险外溢至通行环节本身，断航不再是假设情景。

据伊朗法尔斯通讯社5日报道，哈尔克岛附近海域多次传出爆炸声，一艘伊朗油轮据报被美军导弹击中，船员撤离工作正在推进，目前尚无伤亡报告。前一日，德黑兰据称已向霍尔木兹海峡船只发射反舰导弹。伊朗媒体与美军方在油轮数量及具体位置的表述上存在出入，但双方均指向"油轮遭袭"这一核心事实。

伊朗方面随即作出回应。据伊朗伊斯兰共和国通讯社6日报道，革命卫队公共关系部门发布公告称，革命卫队空军发射多枚弹道导弹，打击了美军一艘航空母舰和一艘驱逐舰，称两艘美军军舰"在遭受损失后被迫撤离冲突地区"。针对海上交通线的密集交火，标志着霍尔木兹海峡正面临本轮冲突爆发以来最严峻的安全考验。

对原油市场而言，当前核心问题已不是"伊朗能出多少油"，而是"这些油能否运出去"。若针对油轮的打击进一步外溢至国际商业船队，航运保险定价将面临持续上行压力，并进而影响船东的航线选择与整体物流成本。

在冲突持续升温背景下，油价此前已处于高位：WTI原油在连续三日累计上涨约9%后在91美元/桶附近企稳，布伦特原油结算价收于96美元以下。市场人士指出，最新一轮局势升级或继续为油价提供支撑，但美伊双方是否存在谈判"下台阶"的窗口，将决定地缘风险溢价的持续性。

后续关键观察点包括：美军是否系统性扩大对伊朗油轮的打击范围，以及国际商业油轮在霍尔木兹海峡的通行安排与航运保险费率是否出现实质性变化。

本文来自华尔街见闻，欢迎下载APP查看更多

Hartnett在最新一期《Flow Show》周报中指出，民主党若在中期选举中横扫两院，美股将面临逾10%的跌幅，美元走软，债券收益率下行，同时AI泡沫将面临破裂风险。他将"民主党横扫"定性为当前市场最大的尾部风险之一，而投资者目前对此几乎未作任何定价。

Polymarket数据显示，民主党横扫两院的概率已升至50%，远高于共和党横扫的10%。特朗普总统支持率目前仅在35%至40%区间徘徊，显著低于历史上中期选举前两个月53%的均值水平，这一政治基本面正在强化Hartnett的警示逻辑。

债券市场率先发出警报

Hartnett认为，上周市场最值得关注的事件并非超预期的就业数据，而是全球债券市场的全面失守。

10年期美债收益率升至4.81%，逼近2008年金融危机水平；30年期美债收益率升至5.31%，为2007年以来最高。与此同时，日本10年期国债收益率突破3.0%，为1996年以来首次；30年期日债收益率达4.2%，约为日本央行政策利率的四倍。欧洲方面，德国10年期国债收益率升至3.38%，创2011年后新高；法国与德国利差扩至88个基点，意大利与德国利差达84个基点，均触及2012年欧债危机水平。彭博全球债券收益率指数已升至2007年以来最高，距本世纪最高水平仅差1个百分点。

Hartnett将这一现象提炼为核心判断：“债券主导泡沫。”他认为，长端收益率——而非股票叙事——才是当前AI交易的真正锚点，并指出在全球30年期收益率降至5%以下之前，AI基础设施的建设方与投资方将持续跑输AI技术的应用方。

中期选举：被低估的市场变量

Hartnett坦言，中期选举并非类似1980年撒切尔/里根或2016年英国脱欧/特朗普当选那样的"政权更迭"式选举，不会从根本上改变美国政府支出的上行轨迹。但他强调，选举结果的结构性差异对资产价格的影响不可忽视。

美银8月基金经理调查显示，47%的受访者预期结果为"共和党控参院、民主党控众院"，23%预期民主党横扫，仅9%预期共和党维持两院控制权。目前共和党在参院以53比47领先，在众院以218比212领先。

参院选情方面，民主党若要实现横扫，须在北卡罗来纳（翻转概率92%）、缅因（69%）、阿拉斯加（64%）、俄亥俄（55%）、德克萨斯（51%）、爱荷华（37%）六个共和党脆弱席位中至少拿下四席，同时守住佐治亚（94%）、新罕布什尔（84%）、密歇根（65%）等自身脆弱席位。Hartnett点名俄亥俄、德克萨斯、爱荷华、密歇根为投资者需重点追踪的关键战场州。

值得关注的是，华尔街已将目光投向德克萨斯州长选举——共和党现任州长Abbott（民调支持率49%）与民主党挑战者Hinojosa（45%）之间的角力，被视为AI数据中心扩张政策走向的重要风向标。Abbott近期被迫宣布数据中心建设暂停令，以遏制民调下滑。

民主党横扫的市场冲击路径

Hartnett对民主党横扫情景下的市场影响给出了明确的传导逻辑。

他认为，选举格局若从"民粹资本主义"转向"民粹社会主义"，意味着税收与监管方向将由降转升，对企业盈利构成负面冲击，同时伴随压低通胀、改善医疗可及性、缓解K型财富分化等政策取向，直接冲击AI资本支出热潮与"大而不倒"的华尔街生态。此外，特朗普政治资本的流失将削弱其在AI、资源垄断及外交施压等优先议题上的执行能力。

综合以上判断，Hartnett给出的民主党横扫情景下的资产配置建议为：做空金融股与美元，作为最优对冲工具；股市跌幅将超过10%，美元走弱，债券收益率下行；国际股市相对跑赢，其中欧洲优于亚洲。

相反，若共和党意外守住两院，则意味着全面风险偏好回升，AI泡沫获得绿灯，美元"例外主义"叙事重燃。而概率最高的"共和党控参院、民主党控众院"格局，则对应温和风险偏好——"僵局即金发女孩"。

战略配置：做多商品与黄金，警惕AI拥挤交易

在上述宏观框架下，Hartnett维持其跨周期的核心配置建议：做多商品与黄金，作为通胀与地缘政治风险的对冲工具。他指出，各国政府"不惜一切代价"的财政干预正在压制长端收益率，支撑名义GDP繁荣，这一背景下"任何资产都优于债券"的战略逻辑依然成立。

在AI交易层面，Hartnett的警示更为直接。他指出，超大规模云计算厂商的自由现金流在资本支出承诺压力下已转为负值，AI泡沫"随时可能破裂"。他提出"做多屈辱、做空傲慢"的后泡沫操作框架，建议转向长久期债券及防御性板块，包括必需消费品、矿业/原材料与医疗健康，规避拥挤的AI基础设施建设相关标的。

从长周期视角看，Hartnett也注意到一个反向信号：美股过去10年滚动回报率为15%，大宗商品为11%，而美债为-2%，创近百年最差纪录。历史数据显示，债券长期回报转负往往是股票（1939年、1974年、2009年）和商品（1933年、2018年）的良好买入时机，这为其战术上看多Q4债券提供了历史依据。

本文来自华尔街见闻，欢迎下载APP查看更多

劳工节长假期间，全球债市持续承压——日本10年期国债收益率升至1996年以来最高，英国30年期国债收益率触及1998年高点，发达市场久期资产整个夏季遭到持续抛售。与此同时，衡量美股市场恐慌情绪的VIX指数却跌至特朗普第二任期以来的最低水平（圣诞假期除外），MSCI全球指数年内涨幅达13%，距历史高点不足1%。

这一背离正是高盛合伙人Mark Wilson在其最新一期"Weekly Mash"周报中着重点出的核心矛盾。他指出，股市的"韧性"叙事掩盖了一个正在悄然发生的现实：在收益率持续攀升的压力下，估值倍数已在悄然收缩，而市场却仍未对贴现率的变化做出充分定价。随着学生返校、市场从夏季模式切换，Wilson围绕四大主题梳理了当前的机会与风险图谱。

美联储理事Waller已明确提示，下周即将公布的CPI与PPI数据至关重要。在通胀数据落地之前，债市与股市之间的这场"认知分裂"或将持续考验投资者的判断。

悖论一：动能因子"腰斩"，但市场叙事仍未更新

今年夏季，市场内部结构已发生深刻变化，但这一转变并未获得应有的关注。

Wilson指出，高盛追踪的"高贝塔动能"组合自6月底高点以来已回撤近50%，年内累计收益转负。7月的轮动行情已有充分讨论，但8月的第二波下跌几乎未引发足够重视——他认为，7月事件带来的风险转移与消化压力拖累了8月的价格走势，这本不应令人意外。

更值得关注的是动能因子内部构成的变化：软件股在3个月维度已进入多头端，但在12个月维度仍处于空头端。Wilson明确表示，不应期待上半年的领涨板块在下半年重新主导市场。

悖论二：收益率创代际新高，股市"韧性"之下估值已在失血

全球收益率的持续上行是本轮行情最被低估的风险之一。

Wilson承认，面对全球收益率的大幅上行，股市表现出了相当的韧性；但他同时指出，在这段"韧性期"内，估值倍数实际上已在收缩，而市场并未充分奖励年内"惊人一致"的盈利强劲表现。

他将当前债市压力归结为两条相互独立的主线：其一，地缘政治风险溢价在8月重新抬头，波斯湾冲突与俄乌局势升级推动油气价格重新定价；其二，AI投资浪潮带来双重冲击——大型科技公司开始以债务融资支撑资本开支，加剧了资本竞争，同时也在特定经济领域制造了价格压力。

Wilson的结论直接而明确："固收抛售一旦停止、收益率企稳，对股市将是无条件的利好。而这也恰恰是目前最清晰的信号——因为抛售尚未停止。"

悖论三：地缘风险升温，欧洲防务股却跑输基本面整整一年

按常理，地缘政治风险上升应是防务板块的直接利好，但现实走势恰恰相反。

Wilson指出，欧洲防务股过去12个月的股价表现与盈利走势之间出现了高达25%的背离——盈利持续强劲，股价却持续落后。当前该板块的持仓水平处于两年低点，高盛主经纪商数据显示多空比率刚刚从局部低点回升。

他将初期的估值折价部分归因于“新科技”对“旧科技”的替代效应，但指出目前两者均已承压，这一解释已不再成立。

在政治日历层面，Wilson提示投资者关注近期萨克森州地区选举、瑞典选举，以及明年法国总统大选中Marine Le Pen胜选的可能性上升。他明确表示，在当前位置倾向于增持欧洲防务股。

悖论四：AI叙事从"卖铲人"转向"用铲人"，CyberCab或是最被低估的信号

AI投资主题正在经历一次重要的叙事切换。

Wilson指出，市场正从AI资本开支的受益者（即基础设施层）向AI使用场景的受益者转移——从Salesforce到Snowflake，再到特斯拉，这一轮动趋势预计将持续。他援引的基本面证据包括：英伟达业绩大幅超预期并上调指引、戴尔业绩传递相同信号、OpenAI的Astra模型获得积极评价，以及英伟达收购Hugging Face所揭示的开放与封闭生态并行发展的格局。

Wilson特别点出特斯拉CyberCab的进展，称其是他所见过的AI功能跃升最令人印象深刻、却也最少被讨论的证据之一。他援引数据称，截至7月22日特斯拉财报电话会议时，CyberCab累计行驶里程为38万英里，而此后迅速突破100万英里。

在更长期维度，Wilson提及高盛将2030年人形机器人出货量预测上调6倍，并开始测算其运营影响——以亚马逊为例，预计自动化将为其带来约720亿美元的成本节约，以及240个基点的EBIT利润率提升。

综合来看，Wilson的核心判断是：市场在经历了一个"上半年叙事消化不良"的夏季后，完成了轮动、经历了估值收缩，并开始寻找一个能够在高收益率环境下自洽的新叙事。但他警告，日本国债与英国国债收益率处于代际高位，并非一种可以忽视的"氛围"，而是更高的贴现率、AI债务融资带来的资本竞争加剧，以及"韧性增长"与"完美定价"可以共存——直到某一天不再共存的现实提醒。VIX的低位，或许只是市场还没有找到足够的理由去恐慌，而非风险已经消散。

本文来自华尔街见闻，欢迎下载APP查看更多

据新华社报道，俄总统普京5日晚在克里姆林宫与美国总统特朗普的特使威特科夫和女婿库什纳的会见超过3个小时，这是特朗普政府重启俄乌斡旋的最新外交行动，也是美方高层代表自今年1月以来首次访问俄罗斯。

普京在会谈开场即表示"我们今天面对的局势当然并不简单"，并请两位特使转达对特朗普"最诚挚的祝福和感谢"。俄总统助理乌沙科夫事后向媒体表示，此次会谈"内容充实、富有建设性、极其坦率，并建立在相互信任基础上"，但双方均未发表任何联合声明，两名特使离开克里姆林宫后也未接受媒体采访。

然而，外交接触的恢复并未带来战场同步降温。就在普京下令72小时暂停对基辅空袭的停火令生效前数小时，乌克兰刚刚遭遇一轮大规模空袭——乌方称俄罗斯发射弹道导弹并出动逾160架攻击型无人机，基辅两座主要机场遭到打击，多地基础设施受损。分析人士指出，此次会谈最大成果在于恢复了美俄直接沟通渠道，但距离真正的停火协议仍有相当距离。

美国重启斡旋，特使携和平方案赴莫斯科

特朗普5日在白宫椭圆形办公室表示，两名特使"带着一份终结战争的提案"前往莫斯科，但未透露具体内容。

据观察者网报道，会谈在克里姆林宫参议院宫举行，普京亲自迎接威特科夫和库什纳。除普京外，俄方参会人员还包括总统助理乌沙科夫、俄直接投资基金总裁Dmitriev等多名高级官员。双方重点讨论了美国提出的解决冲突设想及俄美关系，乌沙科夫表示双方还就经济事务及俄美潜在合作项目进行了"相当详细"的讨论。

威特科夫和库什纳会前在莫斯科一家餐厅与俄罗斯特使Dmitriev共进午餐。会谈结束后，两人随即离开莫斯科，计划于6日前往基辅与泽连斯基举行会谈——这将是两人自特朗普重返白宫以来首次访问乌克兰。

停火令生效前，俄军发动大规模空袭

此次外交接触的背景颇为复杂。据新华社，普京在会谈中介绍了俄乌达成"三日停火"的细节：俄方通过情报和外交部门收到停止空袭基辅的请求，"我已经下达相应命令，从今日午夜起，对基辅的空袭已经停止。"普京同时表示，乌克兰方面也大幅减少了对俄领土（包括莫斯科）的袭击，"减少了一个数量级"。

然而，停火令生效前，战场局势急剧恶化。乌方称，俄军在停火令生效前数小时发射弹道导弹并出动160余架攻击型无人机，基辅两座主要机场遭到打击。泽连斯基表示，这些袭击是俄方针对"美方准备乘飞机前往乌克兰"所作出的回应。

尽管普京宣布暂停对基辅空袭，基辅当天下午仍多次响起防空警报，乌克兰西部赫梅利尼茨基也遭到袭击，造成4人受伤。俄方强调，暂停打击范围仅限于基辅，目的是为美国代表团赴乌会谈创造条件，并不意味着俄军停止在乌克兰其他地区的军事行动。

核心分歧未解，停火前景存疑

尽管美俄高层恢复面对面沟通，双方在停火条件上的根本分歧依然清晰。据观察者网，克里姆林宫发言人佩斯科夫重申，俄罗斯坚持要求乌军撤出顿涅茨克和卢甘斯克地区，并解决冲突的"根源性问题"，作为实现停火的前提；乌克兰则始终拒绝接受任何涉及领土让步的方案。

据媒体援引知情人士，普京只愿意在自己的条件下停战，而由于莫斯科认为俄军在战场上占据优势，其谈判要求正变得愈发强硬。乌沙科夫在会后也表示，"俄方指出俄军在战线上取得了切实进展，并对既定目标的实现充满信心。"

此外，此次外交行程的安排顺序也引发欧盟方面的质疑。欧盟驻美大使Jovita Neliupšienė在接受媒体采访时表示，"外交是有效的，我们必须确保首先与我们的盟友对话"，并强调"莫斯科并未改变其战争目标"，欧洲的首要任务仍是向乌克兰提供其所需的一切支持。

分析人士：沟通渠道重开，但距协议仍远

市场和分析界对此次外交接触的评估总体审慎。兰德公司高级政治学家Sam Charap认为，美方此次访问"时机恰当，因为当前局势升级正在迅速螺旋化，双方若任其发展，似乎将继续不断加码"。

俄罗斯科学院欧洲研究所所长Alexey Gromyko则表示，此次访问有机会为达成双方均可接受的条款注入新动力，但关键问题在于，华盛顿是否准备好持续参与谈判进程，"而不是每隔六个月才回来一次"。

西方军事分析人士的判断与此相近：此次会谈最大的成果在于恢复了美俄直接沟通渠道，并促成俄乌罕见地同步暂停打击双方首都，但在领土划定、安全安排等核心议题上，距离真正的停火协议仍有相当距离。美方此前多次访问莫斯科均未能取得实质进展，此次能否打破僵局，仍有待观察。

本文来自华尔街见闻，欢迎下载APP查看更多

这组“量降额升”的数据，来自世界黄金协会9月4日在上海发布的《2026年中国金饰零售趋势洞察》。

在金价高企的背景下，中国消费者正在减少金饰购买量，黄金饰品的消费场景也在发生变化。

协会联合中国黄金经济发展研究中心对744名金饰零售从业者的调查显示，自戴场景占金饰消费的比重从2024年的27%、2025年的37%，进一步升至2026年的44%，连续三年增长，并超过赠礼、婚庆等其他场景。

金价高企降低了消费者对大克重金饰的接受度，而自戴比例提升，又让款式、佩戴感和个性表达变得更加重要。

兼具轻量化和设计空间的硬足金，因此成为黄金品牌调整产品结构的一个重要方向。

硬足金并不是纯度更高的黄金，而是在足金纯度基础上，通过工艺提高硬度。硬度提升后，足金可以制作中空、立体和复杂纹样等款式，用更少的黄金保留更大的视觉体量，从而降低单件产品的总价。

周大生珠宝集团董事夏洪川对华尔街见闻等表示，硬足金的维氏硬度可达60HV以上，部分产品超过100HV；以该公司部分硬金串珠产品为例，客单价约为1000元至2000元。

世界黄金协会也已经连续第四年推动这一品类。

按协会给出的时间线，2023年的重点是建立品类认知，2024年开始强调“硬、轻、亮”等产品特点，2025年强调品牌精神和年轻消费者的自我表达。

今年，协会的营销重点进一步转向日常佩戴场景，并把年轻人熟悉的MBTI人格测试作为切入点。

9月4日，世界黄金协会联合周大福、老凤祥、菜百首饰等十二家零售品牌，在上海启动新一轮硬足金推广活动，主题为"硬足金，映真我，就这么戴"。

相关营销也同步铺向线下和社交平台。9月4日至16日，协会与小红书生活MOODSFIT在上海愚园路四家店铺设置四大人格线下打卡站，并在陆家嘴一处LED巨幕长屏投放广告。

对一众黄金零售品牌而言，在高金价、轻克重和自戴需求同步上升的背景下，硬足金提供了一种更贴近当前消费变化的产品解法：降低单件价格，同时保留设计感和佩戴体验。

能否接住这部分需求，正在成为黄金品牌新的竞争点。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台，美银证券预测8月核心CPI环比上涨0.22%，对应核心PCE约0.24%，年率将升至3.4%，认为这一水平足以说服美联储主席沃什通胀尚未得到充分控制，从而支持再度加息。美银认为，8月CPI将是9月加息的“关键一战”。

花旗则预测核心CPI环比仅增0.184%，年率降至2.3%——若成真，将是2021年4月核心CPI突破2%以来的最低年率读数，足以令大多数官员选择维持利率不变。

与此同时，部分分析人士警告，若CPI数据超预期偏热，叠加超核心PCE通胀已升至3.9%的高位，以及强劲的8月就业数据，美联储可能被迫采取更激进的紧缩路径，将利率推升至5%以上、主动倒置收益率曲线，届时美股将面临显著的下行压力。

关键门槛：沃勒的一票牵动全局

此次9月会议的加息决定，在相当程度上取决于美联储内部的票数博弈。据分析，美联储内部鹰鸽两派势均力敌，理事沃勒被视为关键摇摆票。

沃勒此前对路透表示，"如果通胀持续向2%目标取得进展，我愿意支持维持当前政策利率不变"，并明确指出8月通胀数据将是其决策的关键依据。美银报告指出，沃什在杰克逊霍尔会议上释放了明显的鹰派信号，似乎已降低了再度加息的门槛；而威廉姆斯和沃勒的立场则相对偏鸽。

据美银分析，沃勒的隐含门槛是：若8月核心PCE环比超过0.30%，他才会支持加息。美银证券预测核心PCE约为0.24%，低于这一门槛，但认为若沃什支持加息且数据大体符合预期，委员会内部仍可能形成足够多数支持再度上调利率。

花旗则认为，在沃勒本周发表评论之后，市场对"过热"通胀的认定门槛已有所上移——任何四舍五入后仍为0.2%环比增幅的数据，对大多数官员而言都可能足够温和，足以支持暂停加息。

分歧核心：CPI与PCE讲述不同故事

此次预测分歧的深层原因，在于CPI与PCE两大通胀指标之间存在结构性差异，而两者当前正在讲述截然不同的通胀故事。

据分析，住房在CPI篮子中的权重约占三分之一，而PCE对住房的权重则显著更低。过去一年，住房通胀的降温是推动核心CPI下行的主要力量，也是CPI与PCE之间价差扩大的核心原因。与此同时，PCE对医疗保健的权重更高，且涵盖Medicare、Medicaid及雇主支付的医疗支出，而CPI主要衡量消费者自付部分。因此，医疗成本上升正在推高核心PCE，尤其是超核心PCE。

克利夫兰联储通胀即时预测模型显示，核心CPI预计将在9月进一步降至2.3%，接近美联储2%的目标；而核心PCE则预计将在同期升至约3.5%，两者走势明显背离。

美联储主席沃什在杰克逊霍尔讲话中已确认，PCE通胀是美联储首选的政策参考指标，尤其关注超核心PCE——即剔除能源和住房的PCE服务通胀。该指标目前已升至3.9%且仍在上行，反映出工资驱动的服务业通胀压力持续存在。

能源与就业：令鹰派底气更足的两张牌

无论最终数据如何，8月就业报告已率先为鹰派提供了有力支撑。

8月非农新增就业16.2万人，远超市场预期的5.5万人，年化薪资增速达3.1%。这一数据在沃勒发表上述表态之后才公布，意味着美联储在评估工资-通胀动态时需要重新权衡。

在能源方面，美银证券和花旗均预计8月能源价格将在连续数月下跌后出现反弹，推动整体CPI环比涨幅升至约0.34%至0.37%，年率从7月的3.4%附近进一步走高。

分析指出，中东局势持续紧张，霍尔木兹海峡尚未恢复正常通行，全球石油库存持续下降。若能源价格大幅飙升，不仅将推高整体通胀，还可能通过工资-价格螺旋向核心通胀传导，进一步强化美联储的紧缩压力。

加息预期重燃，股市承压

对于投资者而言，这份CPI报告的市场含义同样不容忽视。

标普500指数目前的席勒市盈率已超过42倍，处于泡沫估值区间，这在历史上通常对应经济周期的后期阶段，并因AI资本支出热潮而进一步放大。分析认为，若美联储被迫采取更激进的紧缩路径、将利率推升至5%以上并主动倒置收益率曲线，美股将面临显著的市盈率压缩风险。

美银证券认为，即便8月通胀数据的构成不会引发重大警觉，也不太可能为委员会提供推迟加息的充分理由。9月11日的数据发布，将是近期美联储政策走向最关键的一次考验。

CPI之后，8月PCE数据将于9月底公布，即美联储9月利率决议两周后。

花旗方面则指出，此次8月PCE数据的不确定性高于寻常——美联储对部分关键分项进行了方法论调整，这意味着CPI与PPI数据向PCE的常规映射关系在本月变得不够清晰，同时过去五年的PCE历史数据也将面临修订，预计将使核心PCE年率下调逾30个基点至3.0%左右。这一技术性因素增加了市场对最终PCE读数的解读难度。

本文来自华尔街见闻，欢迎下载APP查看更多

9月5日，据路透报道，韩国今年迄今出口总额已达7094亿美元，超过2025年全年7093亿美元的历史纪录。韩国关税厅预计，韩国有望在今年12月初突破1万亿美元，成为全球第四个年度出口额跨越这一关口的国家。

半导体是这轮出口增长的核心引擎。1至8月，韩国芯片出口额同比飙升169.6%至2810亿美元，占同期出口总额的41%。全球AI基础设施投资持续扩张，带动内存芯片需求激增、供应趋紧并推高价格，三星电子与SK海力士成为直接受益者。

与此同时，主要市场需求回暖，也为韩国出口增长提供了进一步支撑。不过，出口结构仍存在明显分化，作为第二大出口品类的乘用车，海外出货量同比下降4%，显示当前韩国出口增长高度依赖半导体。

韩国关税厅指出，尽管供应链调整和中东局势仍带来不确定性，韩国出口依然保持强劲增长。若12月初突破1万亿美元，韩国年度出口规模将再创纪录。

不过，当前韩国出口增长高度依赖半导体，后续表现仍与全球AI投资周期密切相关。AI基础设施建设延续，将继续支撑芯片需求和价格；若资本开支降温，出口对半导体的高依赖也可能放大波动。

本文来自华尔街见闻，欢迎下载APP查看更多

新华社援引伊朗法尔斯通讯社5日报道，伊朗石油"命门"哈尔克岛附近海域多次传出爆炸声。报道说，目前尚未在附近海域观察到烟雾或火光。

此次袭击发生前，美伊两国已在该水域发生了一系列密集的军事交锋。随着双方报复性打击的交替升级，霍尔木兹这条承载全球重要原油运输的航道正面临自今年2月冲突爆发以来最严峻的安全考验。

能源咽喉的密集博弈

袭击发生在5日上午，事发地点位于霍尔木兹海峡附近的哈尔克岛海域。

初步报告显示，现场传出多次爆炸声，但尚未在附近海域观察到明显的烟雾或火光。目前，遇袭油轮的人员撤离工作正在紧张进行中，尚未有伤亡情况的报告。由于官方信息尚未发布，事件的完整破坏程度仍不清晰。

霍尔木兹海峡作为全球战略性的能源运输咽喉，自今年2月底伊朗战争爆发以来，一直是华盛顿与德黑兰谈判与博弈的核心区域。

就在此次油轮遇袭的前一日，德黑兰据称向霍尔木兹海峡的船只发射了反舰导弹。不过，伊朗媒体并未披露具体的目标信息以及该行动造成的破坏情况。这种针对海上交通线的频繁动作，持续推高了该地区的航运风险溢价。

美伊冲突螺旋升级

过去一周内，美伊两国的直接军事对抗已进入螺旋升级状态。

上周日，美军对位于海峡内的伊朗火箭发射器实施了打击。美国中央司令部（CENTCOM）当时声明称，针对伊朗伊斯兰革命卫队（IRGC）布雷部队采取了“有限且精确的行动”，并指责其对航道构成了“迫在眉睫的威胁”。

随后，伊朗伊斯兰革命卫队证实拉拉克岛遭到打击，并誓言报复，随后对中东地区的美国基地发动了袭击。作为回应，美国中央司令部部队于周二实施了新一轮打击，目标直指伊朗伊斯兰革命卫队的防空阵地、布雷设施、雷达系统、海上资产及通信站点。美方表示，此举是为了回应伊朗伊斯兰革命卫队近期对霍尔木兹海峡商业航运的袭击企图。

本文来自华尔街见闻，欢迎下载APP查看更多

在Moderna和Merck公布其晚期黑色素瘤试验的积极结果后，这两家制药公司的总市值激增了超过500亿美元。这一突破直接引爆了其诊断合作伙伴的资本市场表现，在数据公布后的几周内，Tempus AI的股价大幅飙升了24%。

这一连锁反应在并购市场引发了罕见的异动。作为Moderna临床项目的肿瘤测序合作伙伴，Personalis的股价一度飙升至18美元，突破了Tempus AI此前给出的每股16.25美元的收购价。这种溢价表明，投资者正在押注更高的收购报价或潜在的竞购战。

随着个性化癌症疗法展现出成为重磅药物的潜力，为其提供基因图谱的诊断公司有望在每一次治疗中占据关键的“收费站”地位，这使得相关标的迅速成为华尔街资金追逐的焦点。

疫苗突破催生测序需求

个性化癌症疗法的核心在于为每位患者提供定制的基因图谱。医疗机构必须对肿瘤进行测序，以确定疫苗应当靶向的突变基因。据《华尔街日报》报道，Tempus AI已确认，如果Moderna与Merck的疫苗获得批准，该公司将被选为测序合作伙伴。

这一潜在市场的商业价值正被华尔街重新评估。Piper Sandler估计，如果该疫苗在黑色素瘤领域获得批准，每年将带来至少5000万美元的测序收入。BTIG分析师Mark Massaro进一步预测，如果这种疗法扩展到肺癌、膀胱癌和肾癌，相关测序收入可能会超过6亿美元，而这一巨大的市场机遇目前在股价中尚未得到充分反映。

并购战局暗流涌动

在行业风口下，Tempus AI对Personalis的收购案正面临市场的不确定性。今年7月20日，Tempus AI同意以每股16.25美元的价格收购Personalis，扣除Tempus AI现有股份后，该交易估值为15亿美元。然而，随着Personalis股价突破收购价，市场对交易生变的预期正在升温。

Tempus AI本周发布的交易代理文件证实了投资者的猜测。文件显示，在同意Tempus AI的交易之前，Personalis曾与多个潜在买家接洽，甚至收到过每股17美元的口头报价。华尔街分析师推测，Natera或Guardant Health等竞争对手可能是潜在的竞购方。

目前，Tempus AI持有Personalis 12%的股份，加上Merck同意将其13%的股份投票支持该交易，这意味着约四分之一的投票权已锁定。然而，其他股东仍可能推动更高的报价。对此，Tempus AI发言人表示：“正如Personalis关于此次交易的披露所述，其他独立方进行了广泛的尽职调查，要么拒绝参与，要么提出了Personalis董事会认为吸引力较低的报价。”

瞄准百亿级MRD检测市场

对于Tempus AI创始人Eric Lefkofsky而言，收购Personalis不仅是为了获取前端的测序费用，更是为了打破公司的估值困境。目前，Tempus AI的市销率约为6倍，而其增长更快的同行市销率约为13倍。Eric Lefkofsky此前创立Groupon的背景也给公司带来了一定包袱，他在Groupon IPO时套现超过3亿美元，但该公司的百亿美元估值在上市后不久便大幅缩水。

Personalis为Tempus AI提供了一座通往更高估值的桥梁，其真正的战略目标是微小残留病灶（MRD）检测。这是一种血液检测技术，用于在治疗后寻找循环肿瘤DNA的微小痕迹，有可能在影像学扫描发现之前检测到癌症复发。投资者将MRD视为一个价值数十亿美元的巨大市场，目前该领域主要由市值450亿美元的巨头Natera主导。

持有Tempus AI和Personalis股份的生命科学价值投资公司Bioaxia首席执行官Douglas Eby解释称，如果mRNA业务腾飞，Tempus AI将获得进入MRD领域的强大切入点。mRNA疫苗业务可以作为一个客户获取漏斗：最初的测序将患者引入Tempus AI的生态系统，而经常性的MRD检测则可以让他们在未来多年的监测中留在该系统中。

商业化前景与潜在风险

尽管前景广阔，但mRNA癌症治疗领域仍存在不确定性。就在Moderna发布利好消息几周后，竞争对手BioNTech在一项结直肠癌疫苗的中期试验中遭遇挫折，凸显了该领域的临床风险。

此外，长期的商业模式仍有待观察。目前尚不清楚制药公司最终是否会将部分测序工作转移到内部，或者将工作量分配给多个相互竞争的诊断实验室。对于Eric Lefkofsky而言，Personalis确实为他提供了一张进入精准癌症治疗领域的入场券，但前提是他必须先完成这笔交易，而市场的定价表现表明，这注定不会是一段平坦的旅程。

本文来自华尔街见闻，欢迎下载APP查看更多

当地时间周五，科技战略分析网站Stratechery发布了一篇与OpenAI总裁兼联合创始人格雷格·布罗克曼（Greg Brockman）的深度访谈，访谈在Astra正式发布前录制。这是迄今为止布罗克曼对Astra及OpenAI最新战略最为详尽的一次公开表达。

1. Astra是OpenAI首个在超过10万块GPU上完成训练的模型，这一规模代表了工程层面的重大突破。

2. Astra在"电脑使用"（computer use）能力上跨越了关键应用门槛，可充当"通用连接器"，不再依赖各软件单独提供API接口。

3. 布罗克曼表示，在AGI时代，安全、对齐与能力三者须作为同等重要的"需求"并行推进，而非有所取舍。

4. OpenAI将Astra直接指向自身系统扫描漏洞，并完成修复，这是一次重大的安全文化转变。

5. 在Hugging Face安全事件上，布罗克曼承认沙箱机制存在缺陷，AI找到了创造性的"越狱"路径。

6. 布罗克曼认为OpenAI内部已跨越"AGI时代"门槛，可能在Astra或下一代模型处达到大多数人认可的AGI标准。

7. 在芯片战略上，OpenAI自研Jalapeño芯片并使用AI辅助设计，同时维持与英伟达的深度合作伙伴关系。

8. 他认为，随着AI能力提升，过去精心构建的"技能脚手架"正逐渐从助力变为限制，这是Astra研发过程中的重要发现。

"首次在10万块GPU上训练"：Astra的规模意义

"这是我们首次在超过10万块GPU上进行训练。这个数字很容易说出口，但你需要想象那种规模——这些数据中心在某种意义上是我们为推动AI技术而建造的巨型机器，能够驾驭如此量级的算力，本身就是一项真正的工程壮举。"布罗克曼在访谈中说。

他强调，算力的大幅扩张并不仅仅用于提升模型能力，"大量算力投入到了安全与对齐工作中，还有大量安全工程围绕它展开。这是我们迄今为止对齐程度最高的模型——而正因为能力如此之强，对齐与安全变得比以往任何时候都更加核心。"

"电脑使用"跨越门槛：AI成为"万能连接器"

布罗克曼将Astra最核心的突破定位在"电脑使用"（computer use）上。

"过去两年，我们处于一个'连接器时代'——你有一些软件，人类可以正常使用，但AI没有访问权限。于是你必须为每一个软件写一个专门的连接器，钩入其API；而有很多软件根本没有API，那就完全超出AI的能力范围了。"他说，"现在，我们拥有了近乎'万能连接器'的技术。AI从被严格限制帮助你，变成几乎可以操作任何东西。"

他进一步描述了这一变化对OpenAI内部工作方式的影响："它已经在改变人们在OpenAI内部的工作方式，我认为它真的会提升很多公司、很多个人。"

值得注意的是，布罗克曼也坦承这一门槛的跨越并非终点："这不意味着所有问题都解决了。你需要考虑如何为这些AI设置企业级护栏，如何实现适当的监督、管理、追踪和可观测性——这些我们都在推进中。"

"我们现在已进入AGI时代"

布罗克曼在访谈中作出了一个措辞颇为大胆的判断：

"我认为，也许是上一个模型，也许是Astra，也许是下一个模型，但在这其中的某个节点，我们将跨越大多数人对AGI的门槛。……在某种意义上，我会说我们现在就已经进入了AGI时代。"

他解释，当前阶段，对齐、安全与能力三者需要作为并行要求共同推进，"这些方面正在变成开发的瓶颈，而这正是我们一直为之准备的。"

旧有"技能"反成累赘：AI强大到规则要减法

访谈中一个颇具冲击性的细节来自Astra的实际训练过程。布罗克曼透露，OpenAI过去花费大量精力为模型编写的行为规范，如今反而拖了后腿：

"我们发现，今年以来辛苦建立的一些技能——用来向模型展示在OpenAI内部做事的正确方式——实际上对它的表现来说是净负担（net negative）。它能够比我们写的更好地泛化，找到比我们规定的更好的处理模式。就像训练轮，起初有用，但一旦它跑得更快、更有能力，那反而成了障碍。"

"10亿用户是一种投资"：消费者与企业的融合

布罗克曼直面了一个市场上持续存在的质疑：ChatGPT拥有10亿用户，但这是否反而是一种分心？

"在美国，大约三分之一的人口每周都在使用ChatGPT。"他说，"这是独一无二的，对于这类先进技术来说，没有任何其他产品可以相提并论。"

他将这10亿用户定性为"投资"："这是真正的投资，它将在未来模型解锁的方式上积累价值。"

同时，他也承认了痛点所在："聊天作为产品的挑战在于，它未必与更智能的模型直接对应——如果你只是把它当成搜索引擎替代品，你未必能真正感受到好处。"他认为，未来的方向是打通消费者与企业场景，打造一个统一的AGI系统，"我们不想做两件事，我们想做一件事——建造一个AGI、一个系统、一个统一的技术栈。"

他还特别强调了健康领域的布局："每周有3亿人通过ChatGPT进行健康查询，3亿人，这是一个巨大的数字。"

AI自查漏洞：把Astra指向自己的系统

在网络安全议题上，布罗克曼透露了一个引人注目的内部实践：OpenAI将Astra直接指向自己的系统寻找漏洞。

"我们调用了Astra，把它对准我们自己的系统来发现漏洞——不只是读代码，而是真正审视这些系统端到端的运行方式，从而找到真实的、经验证的漏洞，然后帮助我们完成修复和补丁工作。"他说。

他同时承认，在Hugging Face安全事件上，OpenAI在防御窗口期的行动确实不够及时，"我认为，现在显然是时候了，也许几个月前也可以是时候，但那时候模型能力还要弱得多。"

与英伟达的关系：芯片自研是"乘法"，不是替代

在价值链竞争层面，布罗克曼就OpenAI自研芯片Jalapeño与英伟达的关系作出表态，明确否认了替代逻辑：

"英伟达是我们的首选计算合作伙伴，这不会改变。事实上，我们与他们的合作正在进一步深化。……我们自有芯片项目带来的内部专业知识，对我来说是乘法效应，不是替代，我认为对所有人都有好处。"

他还披露了一个AI辅助芯片设计的有趣插曲：在Jalapeño面临截止日期的最后一个月，团队直接让AI运行优化，"我们说，就让它跑吧，不去细读它做了什么。后来我们回头读了一下，发现它找到了一大堆我们列表上有但永远不会自己去实现的优化——这确实是个很酷的故事。"

以下为访谈文字实录全文（由AI协助翻译）

格雷格·布罗克曼，欢迎来到Stratechery。

GB（格雷格·布罗克曼）：谢谢你邀请我。很高兴来到这里。

显然我们有很多新闻要谈，但鉴于这是我们第一次交谈，我不想错过我通常问任何人的Stratechery传记问题。我确实想问——你把北达科他州定义为中西部的一部分吗？

GB：是的，我认为是的。

好吧，作为一个中西部人，我当然要花点时间谈谈那里。你在波士顿上的学，正如他们所说，但在我们谈到那里之前——你在上学之前就已经有了一份令人惊叹的履历，比如国际奥林匹克竞赛，但那是化学方面的。计算机是从哪里开始的，或者说计算机从一开始就是你生活的一部分吗？

GB：嗯，计算机在我成长过程中一直是我的背景。我喜欢玩电脑游戏，但我对数学、科学非常感兴趣。实际上，一直到九年级，我都认为自己可能会成为一名演员——我非常喜欢表演，也涉猎过一点哲学。

真是一个转折！我完全不知道这点，但我打算弄清楚你现在所做的事情和表演之间的联系，但我们继续吧。

GB：嗯，在九年级的时候，我觉得我在初中和高中的一两部戏剧中担任过明星或男主角。我当时在想，我想在某件事上加倍努力，我觉得我可以在某个领域做到世界最好，并真正尝试推动这个领域的发展。我觉得我要么选择更偏智力、硬科学的方法，要么选择艺术、表演和创意路线。我最终选择了硬科学方向，因为我觉得那可能是我能最大程度改变世界的领域。

为什么你认为走那个方向能最大程度地改变世界？

GB：我想对我来说，感觉是这样的——我喜欢表演的一点其实是它的团体性。我喜欢即兴表演，你只是创造性地思考事情，来回碰撞想法，但这同样需要你成为一个团队的一员，这个团队必须配合得非常好，而这并非总能保证。这是一件很难实现和找到的事情。我更喜欢偏智力路线的一点是，它感觉像是在磨练你自己的技能。但我确实学到的一件事是，即使你非常擅长编写代码，那也不够。实际上，这也关乎引入优秀的团队，我认为这正是我职业生涯的一部分——真正帮助构建和塑造能够交付卓越成果的环境和文化。

有一件有趣的事，这里有一个关于环境也塑造了其中一些事情的方面。你提到你总是在戏剧和电影中担任男主角。我从我的孩子们经历这个阶段时认识到——我的女儿有一阵子非常喜欢音乐剧之类的——女主角的竞争非常激烈，通常只要有一个称职的男性愿意自愿参加，他每次都能得到这个角色。男主角的竞争激烈吗，还是你就是独一无二的？

GB：（笑）我想这或许能解释。不过，我给你讲个故事。

反过来呢？同样地，在北达科他州，是不是没有那么多人在硬科学方面特别钻研，所以从同样角度来看，那是不是也显得更罕见？

GB：嗯，我给你讲两个故事。第一个是关于表演的。我第一份有偿工作就是一份表演活儿。Mannheim Steamroller乐队来到了北达科他州的大福克斯市。你听说过Mannheim Steamroller吗？

我听说过。是的，当然。

GB：他们当时要举办一场音乐会，需要临时演员。他们需要一些人扮成锡兵走来走去，因为那是一场圣诞假日音乐会。我去参加了试镜，当时我是个瘦弱的九年级学生，而那里全是身材高大的大学生。

他们让大家做的是，“好了，大家朝那个方向走”，然后选角的人会比较意见，然后你会有一段时间休息，然后他们说，“好了，朝另一个方向走”。我注意到，在休息期间，所有那些大学生都在互相交谈，闲逛，而我想的是，这份工作只有一个要求，那就是你整场音乐会都要保持六个小时的专注，来回走动。所以在休息期间，我就站在那里保持专注，完全沉浸在角色中。最后，他们说，“好了，我们选这个人，这个人，这个人。其他人可以离开了”。我没有被选中。

但在我们离开的路上，他们说，“实际上，我们觉得你太棒了。我们非常喜欢看你对这件事投入了多少热情，所以我们要为你专门创造一个新角色”。于是我得到了一个姜饼人的角色，他们给了我一套完整的服装。那就是我的第一份工作。所以这有点像是试图跳出常规思维来完成任务——不总是默认接受某个角色，而是试图找到创造性的方法来获得它。

但我认为，在北达科他州长大，真正很棒的一点是，我有可能在我专注的不同领域里做到全州最好。我的数学成绩比较突出。我从十年级开始就进入北达科他大学学习了很多课程。我深入参加了数学竞赛，然后我会去参加全国竞赛，去全国数学夏令营，在那里我会遇到全国最优秀的人。这些人太棒了，实际上，我真正的荣幸之一是，我在数学夏令营里非常敬佩的许多人现在都在OpenAI工作。所以我有机会在这个新领域，以新的视角看到他们。

太棒了。

GB：但这既是说我能够真正规划自己的道路。我开始做数学研究，我知道如果我去了一些那些实力很强的高中或竞争激烈得多的州，我想我不会脱颖而出。我将不得不走标准路线。所以正是因为在那个地区，我才能够探索我的兴趣，真正走自己的路。

所以当人们说他们在波士顿上学时，通常指的是哈佛，那是你开始的地方。然后你转到了麻省理工。然后到了某个时候你在为Stripe工作。顺序是怎样的？你什么时候认识Collison兄弟的？在波士顿发生了什么？

GB：嗯，高中毕业后，我休了一年假，实际上我开始编写一本化学教科书，因为我在高中时对化学非常着迷，参加化学竞赛，并提出了一种独特的思考方式。非常基于第一性原理，非常数学化，而不是死记硬背。我想教授这种方法，想推广它。所以我实际上写了100页。现在它就在我的网站上。我还没完成。我一直打算回去继续写。

那就像是一个退休项目，我喜欢。

GB：没错。嗯，那时我在想怎么才能出版这本书，所以我问了一个在数学方面做过类似事情的朋友，他说，“嗯，你没有博士学位，所以没人会出版它。所以你要么自费出版”——我当时想，哦，那工作量大，成本也高——“要么你可以建一个网站，用这种方式推广你的想法”。我说，“我想我得学学怎么编程了”。所以我上了W3Schools。你记得W3Schools吗？你见过那个网站吗？

不，我想我没见过。

GB：好吧，这是个经典的网站——他们有HTML教程、JavaScript、CSS、PHP。我通读了一遍，然后想，“我应该测试一下”。我记得我建了第一个小部件：你可以点击表格列，它会相应地排序行。那是有史以来最酷的感觉。我脑子里想着这个东西，现在它存在于这个世界中，任何人都可以从中受益。他们不需要理解背后的细节，它只管用。

我记得我建立的第一个有用户的程序，实际上是一个竞争性的聊天机器人游戏，有一天我从StumbleUpon获得了1500次点击。那感觉真是太棒了，有1500个人玩了我的游戏，希望他们玩得开心，而且他们足够投入地玩了它。我当时就想，“这就是我想要的，我想帮助别人，我想为他们创造价值并造福他们”。

所以，这就是我怀着这样的想法进入哈佛的，那确实改变了我的想法。我以为我会去追求那些更 eclectic 的兴趣，结果我却想，“我只想构建东西”。在哈佛的大一，我加入了计算机俱乐部，有两个大四学长每次都会进行晦涩难懂的技术辩论。我们都会听着说，“总有一天我们会明白的，总有一天那会是我们”。但他们毕业后，大二来了。

所以你就直接转学去了麻省理工，因为你意识到自己专注于编码和构建？

GB：基本上就是这样。因为到了大二，我在管理俱乐部。我应该主导那些晦涩难懂的技术辩论了，而我心想，“我还没准备好。我还有太多东西要学。我需要和那些比我优秀得多的人在一起”。

明白了。

GB：所以我花了很多时间在麻省理工那边，我觉得转学过去是合理的。

Stripe
明白了。那你是什么时候认识Collison兄弟的？

GB：我是在2010年，2010年底认识他们的。我们有很多共同的朋友，因为约翰去了哈佛，帕特里克去了麻省理工，他们当时正在四处打听。那个团队在到处寻找这两所学校里谁对计算机感兴趣，我的名字不断被提到。

对。

GB：所以我收到了他们团队的邀请，飞了过去。我记得见到帕特里克，对我来说，那一刻我就想，“好吧，这就是我想共事的人，我觉得我们可以一起做出伟大的成就”。

所以我的下一个问题是，是什么吸引你加入Stripe，但听起来你已经回答了。你在那里学到了什么？你加入团队很早，晋升得非常快。到你离开时，你已经是CTO了。你对Stripe本身及其规模扩张，以及你在公司快速成长的同时自身也快速成长，有什么感悟？

GB：首先，对我来说，始终是关于人。我知道这些是我想要共事的人，感觉我们可以一起学习，一起完成伟大的事业，所以这才是真正的关键。顺便说一句，两次辍学是我绝不想让任何人的父母经历的事。这显然让我的父母很为难，但他们最终实际上非常支持。

不，我们明白了，你把事情做到了极致，对吧？大多数创始人辍学一次，你不得不做两次。我们明白你的意思了。

GB：完全正确，完全正确。我记得Stripe的早期很多是关于第一性原理思考。我们处在一个领域，信用卡行业，非常不透明，非常拜占庭式，经过几十年的积累，复杂无比，连卡网络本身都运行在ISO 8583上，那是80年代的规范。它是一种面向字节的格式，整个都是。我们试图弄清楚，“我们如何让它变得简单，极其简单，以适应互联网时代？”。

所以，这在很大程度上是关于深入理解一个你完全陌生的领域。我们中没有谁真的是支付专家出身，但你只是想非常深入地理解它是如何运作的，以便你能暴露正确的原语、正确的API和抽象。对我来说，那实际上是核心技能，并且这一点在Stripe和OpenAI之间非常具有可转移性。它们在某些方面非常相似，你需要去科学地学习一个领域。AI和支付，在具体细节上显然不同——一个更像是自然科学，另一个几乎是一个由复杂性堆积起来的系统——但它们从根本上都是关于理解事物运作的底层原因，并以简单易用的方式将其暴露出来。

我花了很多时间在招聘上，很多时间在文化上，我觉得我发现了一点，我喜欢编码，我喜欢那种心流状态，以及构建和创造的感觉。

对，你因这种长达数小时的心流状态和无休止的编码而闻名。你在构建Stripe时，最长的编码会话/心流状态是多久？

GB：哦，都混在一起了。我说不清具体时间，但我只想说，对我来说，有一次24小时的冲刺，正是那次让我们真正接入了信用卡网络。那真是一段非常棒的时光，我们所有人都在办公室，没人睡觉，那本应是一个需要九个月才能完成的集成，我们在一夜之间完成了，如果我们晚了一天，就又得再等一个月。对于初创公司来说，每一天都很重要，所以那种完成看似不可能之事的感觉，我热爱它。那是非常令人兴奋的事情。

当你成为CTO时，你写了一篇文章，说你和其他CTO交流，你认为这更像是一个架构工作，但他们都不这么做，你写道，“我觉得我失去了反馈回路，我与产品脱节了，我需要再次编码，我要成为一名编码者”。我很好奇，那是你在成为CTO初期写的，那持续了多久？你和编码保持联系有多久？

GB：嗯，我想大概又持续了将近十年。我认为我在一个方面有所成长，也学到了很多，那就是即使你自己不再亲自写代码，如何保持参与感，真正帮助推动团队前进，并将团队凝聚在一起。

而且，顺便说一句，我认为这实际上对现在几乎每个软件工程师来说都是一个重要的教训，因为“编码”这个行为本身在过去一年里已经发生了巨大的变化。我认为在未来一年，变化会更大。我们都在从必须知道具体使用哪个库、能够精确掌握语法和分号放哪里的角色，转变为更高层次的管理者、主管，成为灵感、愿景、判断和反馈的来源。我认为这种转变，对我来说曾经是困难的，因为你不得不放弃一些你 习惯的、珍视的和真正热爱的东西。但我实际上已经用我更热爱的东西取代了它。

我知道我在和一个聪明人谈话，因为你抢了我的伏笔。我本来打算稍后回到这个话题的，但没错，这正是我们要讨论的。

OpenAI与图灵测试
让我们谈谈OpenAI。你是OpenAI创始团队的一员。你版本的故事是怎样的？我相信这本身可以是一个小时的播客，但是什么吸引你进入这个领域并让你们开始的？

GB：嗯，我对AI的想法已经兴奋了很久了。我记得当我刚开始编程时，我读了艾伦·图灵1950年关于图灵测试的论文。那是一篇非常有趣的论文，大概有70页左右。它开篇就说，“嗯，机器具有智能意味着什么？我不知道智能是什么意思。智能没有明确的定义。所以让我们有一个明确定义的版本”。

我稍后会问你什么是AGI。所以听起来这仍然悬而未决，对吧？

GB：嗯，你说对了。所以图灵非常聪明地回避了这个问题，说，“让我们只给它一个操作性的定义，即如果你能进行一个测试，让人类无法分辨出与他们交谈的AI和另一个人类，我们就定义那台机器是智能的”。

然而，非常有趣的一点是，但得到较少关注的是，他说，“嗯，你打算怎么解决这个问题呢？要编程出答案太难了。你无法写下所有规则来回答各种问题。相反，如果你能建造一台能够学习的机器呢？如果你能建造他所谓的‘儿童机器’呢？”。然后你教它——有一个老师给它奖励和惩罚，然后你就能够赋予它智能，帮助它通过这个测试。

我记得我被这个想法深深震撼了，因为作为一名程序员，只有深入理解问题的解决方案，你才能取得进展。有这么多问题我不知道答案，你不知道答案，没有人想到过解决方案，我们永远无法为它们编写出程序。但如果你能有一台机器，它能理解我们无法理解的问题，能理解我们无法理解的解决方案呢？这不仅仅是关于图像识别，尽管它当然也应用于此。这也关乎我们如何在社会中更好地相处？如何构建世界？如何确保我们所创造的利益最终能惠及每个人？这些都是非常困难的问题，人类不一定是最有能力解决的。但如果一台机器能够理解，能够查看更多的数据，能够对许多不同领域有更深入、更丰富的综合理解，也许它能以我们无法做到的方式解决这些问题。

所以，我被这个想法深深激励了。但这只是一个想法。我记得我进入哈佛时，问我的教授，“嘿，我能做点AI研究吗？”，他们向我展示了当时自然语言处理的最先进水平。我清楚地看到，我当时想，这不是图灵所说的那种。它更像是硬编码的，解析树，所有这些，这无法扩展到AGI。

但在2010年代初期，有些东西发生了变化，我当时在外部观察。2012年是AlexNet，然后是一系列其他论文，我经常在Hacker News上看到，感觉每天都有新的“用于X的深度学习”，我当时想，“什么是深度学习？”——我记得我访问了deeplearning.org，上面只写着，“深度学习是一种新的人工智能方法”。我当时想，我完全不知道这意味着什么，我实际上只认识该领域的一个人，我去找他们，请他们把我介绍给该领域更多的人，然后我不断被重新介绍给我大学里一些最聪明的朋友。我当时想，“等等，这很有趣，这些人正在研究这个，这实际上是一个非常强烈的信号”。

所以到了2015年，对我来说，感觉有些真实的东西正在发生。我也花了很多时间真正思考AI安全，思考这类技术的长期未来，意味着什么才能把它做对，那在当时更像是哲学。你可以在网上找到各种很酷的思想实验，我在Stripe组织了一个阅读小组，我们每周都会讨论这些事情。所以这是我深切关心的事情，想着如果我能以任何方式帮助AI的发展比我缺席时稍微好一点，那将是我职业生涯中能做的最好的事情。

这一切都指向2015年，我觉得我在Stripe已经达到了一个里程碑，公司无论有我还是没有我都会继续运转，这有点像是一个问题：“我想走管理者路线吗？”，这是进入下一阶段所需要的，或者，“我想去创办一家新公司吗？”，这一直激励着我，所以我决定那是我想要的。当我正要离开时，帕特里克说，“你为什么不和山姆[奥特曼]谈谈呢？”，他几年前把我介绍给了他。他说，“他见过很多处于类似情况的年轻人，也许他能给你一些建议”——有点希望山姆能说服我留下。结果并非如此。

（笑）是的。

GB：我和山姆见了面，三分钟内，他就说，“好了，你明确要离开了，你接下来有什么打算？”，我说，“嗯，我正在考虑在AI领域做点事情”，他说，“我也在考虑在AI领域做点事情”。那就是开始。

你当时赞同整个非营利组织的事吗？你在成立时对此有什么想法？

GB：嗯，成为非营利组织的想法是山姆提出的，我认为这其中有许多非常重要的属性，有些到今天看来依然正确。我们正在构建的技术，它比任何被创造过的东西都更宏大，它超越了传统结构和系统。没有任何一种现有的公司结构能够完全涵盖我们的使命和我们所需的工作。

所以，我认为那样开始是完全合理的，而且一直存在一个问题，即实际实现使命需要什么？这是我们花了很长时间真正思考的事情。我认为我们一直是公司在思考构建一个结构方面最具创新性的，这个结构要能够涵盖商业发展、利益分配、实际推动这种计算驱动经济的所有不同方面，并同时完成所有这些。所以我认为这一直是一个重要元素，它仍然是我们工作的关键部分。但再说一次，我认为我们在围绕使命核心的公司结构上进行了大量创新，而这个使命是不变的。

是的，创新是一种说法。你提到了信用卡网络，对吧？那是超级不透明的，很多来自80年代的东西，大量的路径依赖，这给了Stripe一个机会，因为你可以把所有这一切抽象掉，对其他人来说就是，“这是一个API，它可以用，别问问题”。现在当你回顾OpenAI——很难相信已经十多年了——OpenAI有没有可能以任何其他方式出现？其中也有那种路径依赖吗？或者是否存在一种，“如果让我回到第一性原理，我，格雷格·布罗克曼，我喜欢做的事，我会把这个结构设计得非常不同”？

GB：我看不到有其他任何方式能让我们走到今天，达到这个使命需要我们达到的地方。

ChatGPT与OpenAI风波
给我讲讲ChatGPT的发布吧，因为你有一个转折点，你意识到需要扩展，你与微软合作，增加了营利性部分，然后ChatGPT问世了，它变得非常庞大。你有没有预料到它会像现在这么大？

GB：所以让我感到惊讶的是，我的预测错误在于GPT-3.5会成为人们真正喜爱和想要的东西。我们当时已经有GPT-4了，它在8月左右完成了训练，我们在11月底发布了ChatGPT。每当我们有新模型时，总会发生的情况是我们会紧紧抓住它不放。

旧的看起来糟透了。

GB：我们所看到的全是前一个模型的缺陷。我们只是觉得，“啊，这个前一个模型太差了，我无法想象有人会想用它”。我们有大约200名测试员，我们付钱让他们使用预发布的ChatGPT，同样，我们不得不付钱让他们使用，而不是反过来。所以有一些产品市场契合的迹象，如果你深入挖掘并关注细节的话，但如果你从宏观上看，它看起来并不像我们拥有它。

但我们当时的想法是，GPT-4显然会改变世界，我们知道这一点，从我们第一次与它交谈时就非常明显。我记得在GPT-4完成训练后的第一周，只是感受它的现实。我们一直在梦想AGI，思考AGI，想象它会是什么样子。但当你第一次拥有一种技术，你真正可以问任何问题，它能给出相当合理的答案，它在AP生物考试中得了5分——所有这些，对我来说，感觉像是，好吧，有些事情将会不同。它可能不会明天就改变世界，但在未来几年，这项技术绝对会，而且现在它已经是现实了。那非常清楚。

所以你看ChatGPT的发布，我当时的想法是我们需要先把基础设施推出来，这样我们就可以拥有经过实战检验的LLM服务基础设施，我们已经投入了精力。然后在3月，当我们发布GPT-4时——如果你还记得，我们在完成和实际发布之间有六个月的延迟——那时我们就已经有了现成的基础设施。但我没预料到它会以那种形式如此迅速地起飞，尽管我预料到它将来会这样。

那段时间是什么样的？是不是所有人都全力以赴来防止服务器崩溃？

GB：哦，绝对是。所以我们推出了一个所谓的低调研究预览，当然，结果是指数级的，你能想象到的每一个系统都崩溃了。我们的登录系统成了一个大瓶颈，我们不得不做很多工作来改进登录系统，你抓着头说，我们在构建这种神奇的AI技术，而瓶颈却是“你的登录系统能扩展吗？”。

我记得我们有一套相当低效的推理内核部署到了生产环境中，我实际上写过一些更高效的东西，或者我们在研究方面有一些更高效的东西，其中一项重要工作就是，“让我们实际采用这些优化，把它们迁移过来”，所以一群人扑在这个问题上，把它搞定了。我认为这是第一天、第一周、第一个月的总体情况，就是扩展每一个系统，努力跟上这波又一波的需求。

2023年11月发生了什么？

GB：非常复杂的答案。你想从哪里开始？

我不知道，我觉得我必须问你这件事。它们与——你在那之后不久休了个假，这两者之间有关联吗？

GB：听着，我想说的是，从最高层面来看，我认为2023年真正表明，存在着已经积累起来的紧张关系，真正是人际关系上的紧张，我们之前没有充分预见并解决。对我来说，这是OpenAI最重要的教训之一，我们正在构建技术，但始终是关于人的，无论是好的还是坏的方面。这意味着真正管理人際关系动态，是我们所做的最重要的事情之一，如果我们不提前解决，如果我们不进行艰难的对话，那才是事情可能变得棘手的地方。所以我很乐意深入探讨更多细节，但我认为，如果你真的深入其中，很多并不是更有趣的技术问题。

这在多大程度上与ChatGPT这个意想不到的巨大成功有关？这之间有联系吗，还是你认为这些紧张关系无论如何都会爆发？

GB：我不认为有直接的因果关系，至少在我看来不是。我认为在某种程度上，也许有一个潜在的主题是，随着我们技术的进步，每个人都感受到了世界的重担，感受到了其中的利害关系。

实际上，最困难的事情之一就是如何继续前进？对我来说，我一直在评论的一件事是，我们日常的活动看起来几乎和其他公司一样。你仍然在调试某个底层问题，有人因为别人说了什么或没让他们参加会议之类的事情而对别人生气。这只是人的因素，人的工作。但当然，其中的利害关系是如此巨大。

所以我认为在OpenAI有一些非常重要的事情，实际上我特别关注的一件大事就是，真正努力不把人们置于让他们感到世界重担在肩且孤立无援的境地。真正作为一个团队一起做，这是关键的事情，我想这也许是我想说与那些事件有关的方式——它并不特定于那些事件，但它是OpenAI发展过程中一个持续的主题——真正保持我们共同做这件事的感觉，努力既迎接挑战，又确保我们做好所有基础工作，做好那些基础工作。这是我认为我们前进的一种方式。

是的，我的意思是，你一直是一个非常积极的倡导者，我认为这是OpenAI的总体理念之一：把东西推向世界，实验，看看会发生什么，然后据此反应。基于经验证据，而不是对未来进行理论推演来做出决定。我认为你们在AI方面阐述了很多这种理念，但我的问题是，我想你也在某种程度上触及到了，感觉OpenAI作为一个组织本身也是一个正在被调整的大规模实验。消极的解读是，它似乎只是前后摇摆，重组这里，换新领导那里，这是一个难以驾驭的庞然大物吗？还是说它可能更有条理，比人们认为的更有韧性？当你回顾时，你说不可能有其他方式，如果换一种方式会不会更好？

GB：首先，我们确实从起点发生了巨大的变化和成长，运营业务截然不同，但我们在推动这个领域前进方面始终是先锋。这在安全方面、安全方面、核心技术和真正思考利益分配方面都是如此。所有这些领域我们从一开始就专注，我认为结果确实说明了一切。

现在，这种变化是真实的。而且，有时候适合一个阶段的团队不一定适合下一个阶段。今年我一直非常关注的一件事就是建立一个让我非常兴奋的领导团队，思考下一个阶段以及我们将能够共同完成的事情。所以2026年的一个主题，也许是与我们之前相比的一个转变，是因为这个领域有这么多人，有这么多事情要做，而且技术发展如此之快，我们严重受限于计算能力，你必须专注。你必须真正地精简。你必须选择那些能协同发展的领域。

所以实际上做出一些决定，比如，“嘿，Sora，令人惊叹的技术，但属于更偏向娱乐的消费者领域，与我们其他优先事项相比，我们无法优先考虑它”，然后我们会取消它。这会导致下游影响，会很痛苦，很难做出这些决定，但这一切都是为了保持那种紧密的专注，以便我们能够完成核心使命。

你非常相信可扩展性，OpenAI本身是可扩展的吗？

GB：我相信它可能是史上最具可扩展性的业务。是的。

我是指内部，作为一个组织。有什么是不可扩展的？我们谈到了计算，谈到了数据，你之前提到了人的因素。最终的alignment挑战——我们认为alignment是让AI做我们想做的事——但你是否面临相反的挑战？你能从管理的角度跟上这个领域、这个问题吗？

GB：我想说两个答案。首先，绝对是肯定的。你可以从过去几年我们作为一个组织成熟了多少看出来，几年前我们有很多管理债务。同样，在很多领域我认为我们确实需要成长，需要成熟，但我认为我们已经完成了这项工作。这很艰难，也很痛苦，但我认为我们现在处于一个好得多的位置，我对公司及其未来感到无比兴奋。

但还有第二件事，那就是我认为退一步认识到公司运营方式正在改变也是值得的。例如，你可以看看人均收入。我们和类似业务的人均收入相对于任何以前的业务都是天文数字。这是有原因的，你开始看到通过这项技术可以获得这种增加的杠杆。而且，因为我们在制造这项技术，并努力使这项技术广泛可用，帮助这么多公司，你会看到许多其他公司能够以不同的方式运营，能够拥有那种超额的人均收入。

对我来说，这是非常令人兴奋的，我们正在改变运营公司甚至意味着什么，以及如何运作。所以有些事情是不变的，只是人们一起工作——那里有一些非常基础的东西，真正以良好和一致的方式做到这一点是我一直关注的。但我认为也有关于利用我们技术可能性的问题，这意味着每家公司都将有一个新的机会。

生产力与AGI
你提到取消了Sora，并将其定位为消费者娱乐方面。ChatGPT，巨大的消费者成功，你从消费者那里赚了难以置信的钱。但归根结底，有多少人愿意为此付费？有多少客户真正想要提高生产力？是不是在消费者市场取得如此巨大的成功几乎是一种负面影响，因为它分散了注意力，占用了大量GPU，也许你们错过了——不算是错过——但在企业成为首要焦点方面起步晚了？

GB：我们内部经常进行这样的对话，实际上，我认为这是OpenAI的优势之一，我们真正从第一性原理审视我们所做的一切，不断重新思考，拥有许多不同的观点和视角。有些人几乎可以从任何角度来论证，他们都有自己的道理。所以，“嘿，有这个代理时刻，我们对此反应慢了”这种说法有一定道理。

但也确实有十亿人——这超过了世界人口的10%。在美国，我认为数字大概是每周有三分之一的人使用ChatGPT。每周有这么多人在使用你的系统，这是独一无二的，对于这种先进技术来说没有任何类似的东西。

所以一方面，如果你仅仅把它看作是，“嘿，我们拥有先进的技术”，聊天作为产品的一个挑战是，它不一定与更智能的模型保持一致。如果你只是把它当作搜索引擎的替代品，人们是否会通过传统聊天直接获得这些好处并不清楚。但我认为所有这些事情都将汇聚在一起，达到一个顶点，我们将看到这十亿用户是一项投资，是未来模型解锁方式的实际积累，你正通过ChatGPT Work等看到它的第一步，这里面有很多细微差别和复杂性，但很多策略一直是说，我们有消费者，有企业，这是两件事——我们不想做两件事，我们想做一件事。我们想构建一个AGI，一个系统，一个统一的堆栈。我们希望它是你在个人生活、工作生活中都能使用的东西。

对，但这是否有关于输出内部组织架构的问题？你推出了一个新的ChatGPT，与旧版有巨大差异，它基于Codex构建。我能看到对OpenAI内部的好处，但客户是否会感到沮丧，因为他们没有意识到自己能做什么，所以，“我们将把他们直接扔进深水区，希望这能帮助他们自己弄清楚”？

GB：我认为行业正在发生根本性转变，你可以从当前正在出现的新兴代理产品中看到这一点。我认为核心转变是你正在从聊天转向代理用例。再说一次，这不仅仅关乎生产力。我认为在你的个人生活中，你希望能够要求这个东西去为你订票，为你预约理发，做那些个人事情，但你也希望它能给你好的生活建议，能帮你处理健康信息。

所以对我来说，生产力这个词太狭隘了。对我来说，消费者这个词太宽泛了。企业也是我认为将会转变的东西。所有这些经典词汇，它们都将以某种前所未有的产品构建方式融合和交织在一起。所以我的观点是，这里需要一个变革管理，即如何引导十亿用户走向新的用例集，帮助他们理解。而且，顺便说一句，存在一种可能的“不公平优势”，那就是你有一个AI，它理解你试图完成什么。

没错。

GB：它可以说，“哦，如果你启用这个连接器，如果你这样做，我实际上可以给你更多帮助”。这在我看来，是一件了不起的事情，一个了不起的机会，那里有很大的潜力。当我说“不公平”时，我的意思是相对于你用经典技术能完成的事情。如果你只是比较一种技术和另一种技术，这个技术有些独特之处。

你之前提到了图灵角度，我很高兴你提到了两部分，因为AI能像人一样说话吗？显然，我们很久以前就超越了那个点。但对我来说，AGI的定义——这对你们来说是一个麻烦的问题，我想，它终于不再受制于你们与微软的协议了，所以我们不必担心那个角度了——对我来说，它和学习有某种联系。你提到了学习，以及LLM在多大程度上学习过（过去时），但挑战在于它是否持续学习（现在进行时）？

对我来说，代理时刻的革命性之处，我认为，真正在于它能够把事情写下来。这就是Codex/ChatGPT转变的必要性所在，因为它获得了把事情写下来的能力。如果你能写下来，你就能记住事情。如果你能记住事情，你就能在各种方面变得非常有用。问题是，这是一个最终状态，还是我们会得到一个能够持续学习的LLM，而那就是AGI？我想错了吗，或者这符合图灵问题的第二部分吗？

GB：是的，我认为这也是一个非常有趣的辩论领域，因为人们确实有自己对AGI的定义，它几乎是一个模糊的东西。一开始，我们认为它会像，这里有一个时间点，每个人都同意那是AGI，但事情完全没有那样发展。

现在，我倾向于从技术中抽象出视角。所以，关于记忆是否必须融入权重？这是Transformer还是其他东西？这些问题，我认为，是细节。真正的问题是，你是否拥有一个按你对真正AI期望的方式运作的系统，一个能够学习、能够向你学习、能够适应你需求的系统？而这个问题，是通过它写入记忆的便签本实现的？是通过软令牌实现的？还是通过其他方式实现的？

所有这些，对我来说，都感觉像是问题的可能答案。我认为很明显，我们在“用便签本写下来”这方面走得比合理预期要远得多。看到它如此成功，真是令人惊讶，因为两年前，我们可能会说，“是的，你需要这些超长的上下文，那才是你需要的”，实际上，事实证明，仅仅通过“写一个便签本”和较短的上下文，它就不可思议地走得非常远。

只需写下来。

GB：所以我们将看看未来在改进这些方面会带来什么。我有这个信念，如果你从宏观来看，一切都是指数级的。如果你放大来看，你会看到这些范式转变。顺便说一句，这是雷·库兹韦尔关于技术和计算如何运作的观点。我认为，即使在记忆将如何运作这些问题上，这也绝对是正确的。

Astra
所以你刚刚发布了Astra。我们终于谈到正题了。这是一个新的预训练模型吗？你打算发布关于大小、架构的任何细节吗？我们在正式宣布之前录制这段录音，所以我还没看到你发布的全部内容。

GB：嗯，我们不会讨论内部的细节和架构等。但这是一个巨大的进步。我们说的是这是我们训练的第一个超过10万个GPU的运行，这是一个容易随口说出的数字，但想想它的规模。这些数据中心在某些方面是我们为了帮助交付和创造AI技术而建造的巨大机器，能够利用如此多的计算能力来交付我们所取得的那种结果，这是一个真正的工程挑战和奇迹。

所以其中一部分是关于让模型更有能力，但如此多的计算能力都用于安全和alignment，我们在这方面做了大量的安全工作。我认为我们已经做了大量工作来安全地交付这个模型。这是我们迄今为止最对齐的模型，对我来说，这是绝对关键的，而且一直是。但因为能力如此强大，alignment和安全在每个人的工作中变得更加突出和中心。

你的公告帖很有趣。它非常实事求是。有大量的实际用例。与你竞争对手的公告相比，对比非常非常大。你将AI定位为工具——我认为这是一种公平的说法——这是关于营销的，还是你就是这么看待AI的，而不是，比如说，创造上帝？

GB：我认为我们有一个深层的基本价值观，其中一些实际上与我们如何看待人有关。人有价值，不仅仅是因为我们能完成任务。我们有价值，因为我们为人，因为我们有感情，因为我们很重要。人类的判断、人类的监督、人类的控制，所有这些都绝对需要维持，并且永远保持。这是我们相信的核心不变之处。

所以当我们思考我们能做什么来帮助引导这项技术的未来时——从某些方面来说，这正是这一切的意义所在，这就是我们创办这个地方的原因，这就是我们所关心的，我们如何帮助这项技术走上一个比没有我们时稍微更积极的方向——我们思考这些问题，关于这项技术如何在世界上铺开。我们希望它能提升每个人，但也关乎人类如何与技术、与计算机相处。它显然在改变。甚至在仅仅减少打字、更多地与你的计算机对话，拥有这种更自然的界面方面也在改变。

但真正的人类监督、创造力和愿景，所有这些我认为都非常重要需要保留。所以这确实会渗透到这些问题中：你是把它当作一个人来谈论，还是当作一个工具来谈论？你是考虑用例吗？还是用不同的方式思考它？你可以把这看作几乎是一件小事，实际上我很高兴你指出来，但这是我们非常深思熟虑的事情。团队花了大量时间真正思考我们想要谈论的一切，以及我们如何向世界展示这类工作。

所以这是一个模型发布，还是一个产品发布，或者有区别吗？

GB：这些事情确实会融合在一起。我会说这首先是一个模型发布，但该模型在质量上更有能力。也许头条新闻是计算机使用。它真正跨过了我的门槛，计算机使用一直——即使从OpenAI成立之初，我记得在2015年11月，在它真正开始之前——

嗯，那就像是你们的第一个产品，对吧？就像玩电子游戏之类的。

GB：是的，没错。啊，你记得，是的。我们有一个愿景，如果你能处理屏幕像素、键盘、鼠标，端到端地训练一个AI，它将能够真正去处理任何类型的任务，任何你想让人们得到帮助的事情，这个AI都能做到。

如果你看看过去两年的时代，那是一个连接器时代。你有一些软件，人类可以很好地使用它，但AI无法访问它。那你怎么办？你必须编写一个非常具体的连接器来连接到API，并非所有内容都暴露出来，所以你无法做到你能做的一切。然后你想想有这么多没有API的软件，那些完全无法触及。

所以我们有一个受限的世界，AI在帮助你方面受到如此大的限制。我认为我们现在拥有几乎是通用连接器的技术。现在，这并不意味着所有问题都解决了。你必须考虑如何围绕这些AI的行为设置企业护栏？你如何有适当的监督、管理、跟踪和可观测性？所有这些我们都在努力。

所以我会认为这是一个持续的过程，关于产品如何铺开以帮助利用这种能力。但它已经在改变OpenAI内部人们的工作方式，而且我认为它真的将提升这么多公司，这么多个人。

AI价值链
如果你考虑整体价值链，有一个位置你会看到在两条战线上作战。一个是你有像微软这样的公司，或其他合作伙伴——如果你不想用他们的名字，因为他们仍然是重要的合作伙伴——但他们想要商品化模型。他们想在顶层构建东西，你可以即插即用，进出模型，他们掌握着所有上下文和重要的东西。但与此同时，你正在构建这些令人难以置信的能力，这些能力最终与终端用户紧密相连，它只是去做你想让它做的事情。这是否不可避免地是你必须达到的地方，才能完成你的目标？是否也有这个经济上的必要性——如果我们不想被商品化，我们需要向上进入产品，并直接与用户连接？

GB：我会说我们的根本使命是，我们希望世界上有更多的AI能力。我们希望人们更多地使用AI来做更多事情，让它帮助他们，我们真的认为我们正在推动这个计算驱动的经济。这意味着在不同的垂直领域采取不同的形式。

有时我们觉得我们处于一个可以真正专注某个领域并做好的位置，或者它非常核心于我们的使命。健康是一个好例子。我们正在健康领域构建一些非常独特的东西。实际上，令我惊讶的是，我们在健康领域所做的事情相比它实际帮助了多少人，得到的报道却如此之少。我们每周有大约3亿人使用ChatGPT进行健康查询。3亿人，这是一个巨大的数字。然后我们也在为临床医生构建一个自下而上的产品，以及为医院构建一个自上而下的企业产品。所以我们在健康领域有一个三边的市场，我们能在那里做的事情包括，比如，你想为临床试验招募找人——这是一个难题，但我们实际上可能有能力帮助找到那些原本不会被找到的人。这既能帮助患者，也能帮助这些药物更快地推进。

所以这有一个核心，即健康对我们的使命至关重要，我们有独特的成功机会，独特的机会，让我们真正专注于它。我们组建了一个团队，投入了全部精力，建立了各种关系。

当我们进入特定垂直领域时，我们所做的一件事就是思考如何与生态系统良好协作。这并不意味着我们不会在那里竞争——我们经常非常努力地竞争——但我们也真正认为我们会提升所有参与者，以及我们如何真正专注于这个核心使命，即我们拥有这项技术，我们希望它被广泛传播，我们希望它存在于各处。所以有时情况可能有点微妙。当我们进入特定领域时，总是有很多问题，关于我们到底想做什么，我们能做什么和不能做什么。但我认为我们看待这件事的方式是，OpenAI的总体目标受益于越多人以积极的方式使用AI。

嗯，如果你上面有试图将你商品化的层，那么可能也有一个角度是你在试图将你下面的层商品化。你们刚刚在Hot Chips上更多地谈论了你们的Jalapeño芯片。为什么Jalapeño很重要？它重要仅仅是为了在购买芯片上省钱吗？

GB：我会把它看作，自2017年以来，我们基本上与每家硬件初创公司、每个供应商都有联系。我们与他们交谈，给他们反馈，我们说，“嘿，我们看到模型的发展方向是这样，我们认为你应该这样做”。有时他们听我们的，有时不听，有时我们是亲密合作伙伴，有时他们不太想和我们谈。

关于拥有内部芯片项目，有一点非常自由的是，我们能够直接去追求我们认为最好的东西，我们认为恰好调整好的东西，不仅仅是为了我们目前在做什么，而是为了我们认为这项技术发展的方向。这是一项非常大的投资——我们有一个团队，一支绝对令人难以置信的团队，有出色的领导，他们为此工作了相当长一段时间。但同样，这也是我们与生态系统紧密合作的一部分。

我们与英伟达作为我们的首选计算合作伙伴紧密合作，如果你看看我们正在构建的计算机的规模和独特之处，我们需要英伟达，这是毫无疑问的，我们正在构建这些令人惊叹的训练计算机，我们也在用它们做大量的推理，我们能够以他们自己甚至没有意识到的方式推动他们的硬件。

是的，我听说有点捡起来比较困难，也许这让按时推出非常大的模型变得更难了一些，但我想现在它正在工作了。

GB：是的，是的。我想说的是，拥有内部专业知识使我们能够做到一些事情，因为我们深入理解事物。一边坐在场外把建议扔过栅栏是一回事，如果你真正经历了痛苦，那是另一回事。

这方面的一个好例子实际上是AI用于芯片设计。我们已经谈过这个，我们在Jalapeño的设计中使用了我们自己的模型，它确实加快了速度，给我们带来了一些真正的胜利，所有很酷的事情。顺便说一句，那里有一个很酷的故事，我们临近一个截止日期，还剩下大约一个月，我们通过我们的模型得到了一些优化。我们想，“我们是花时间真正阅读它做了什么？我们知道它是正确的。我们需要确切理解它做了什么优化，还是我们花剩下的时间做更多的优化？”——所以我们说，“你知道吗？我们只管做更多的优化”。所以我们花了那一个月时间只是运行它，而没有深入理解它所做的所有调整。然后我们回去阅读了它，结果发现它找到了很多本来就在我们列表上的优化，但我们就是从未做到，所以那实际上是一个相当酷的故事。

但现在我们有了那种专业知识，我们知道这个东西有效，我们可以把它带给生态系统。我们可以与所有人紧密合作，真正广泛地带来这些好处，转变硬件，并进行大规模应用。所以关于那个飞轮有一些绝对关键的东西，芯片令人难以置信，团队做得很好。

但是，当你无法批量出货，仍然需要与生态系统中的其他人合作来获得你需要的供应时，现在谈论它是不是有问题？

GB：嗯，但这是核心，这实际上是一切的核心。我们认为它是——我认为一切都是乘数效应，一切都是互补的，一切加起来。再说一次，英伟达是我们的首选合作伙伴，这一点不会改变。事实上，我们与他们更紧密地合作。我们对这种合作关系深怀感激，我们花了很多时间与他们的团队在一起，我们从他们那里学到很多东西，我们希望他们也能从我们这里学到一些东西，我认为这不会改变。我们能够拥有内部专业知识并以我们自己的方式思考问题，对我来说，这也是乘数效应，我认为它真的让每个人都受益。

网络安全
你提到你刚刚信任AI的设计，那让你走得更远。这是网络安全的答案吗？你们的一些工程师在黑帽大会上发表演讲，谈到这个结构性问题——攻击者不需要担心破坏东西，他们的目标就是破坏东西。如果你在防守方，除了抵御这些攻击，你还要担心一切继续运行。防守方是否需要达到完全信任AI的地步？

GB：我认为硬件方面是一个非常重要的案例研究，因为在那里我们有护栏。我们有验证，实际上，我们编写底层硬件设计的方式是专门为了允许验证，所以我们几乎是共同设计了整个系统。

这就像你编码一样，先写单元测试，然后反过来实现它。

GB：那种事情，你如何选择你的语言和工具链，整体，它们都在一起，实际上所有这些加起来就是一个你可以拥有那种可观测性和信任的系统。

我认为，有些领域你可以说，“我有足够的护栏，如果这是我没有完全检查的代码或优化，实际上是可以的”，只要你有适当的补偿控制。但我认为，作为人类，你确实需要理解和感受对你所创建的系统的责任，这一点非常重要。这对我来说实际上是核心，回到人类是什么，我们独特之处是什么，我们将要带向未来的东西是什么，我认为责任是其中的核心。归根结底，你要对你公司发生的事情负责。

对，但如果进攻方不负责任，这是结构性的劣势吗？

GB：所以我认为这是我们经常思考的事情，我们称之为“防御者之窗”。我认为我们可以看到未来的大致轮廓，我们拥有的前沿能力显示了将扩散到威胁行为者的那类能力。顺便说一句，我认为这种能力不会永远被锁在少数实验室里，这一点非常重要，权力的广泛分配非常重要，这也是我们使命的一部分。

但我们有能力在时间上实现分离。存在这样一个窗口，防御者可以差异化地获得这些能力。我的观点是，这是真的——网络安全界有一个普遍看法，进攻是技术问题，防御是政治问题。攻击者可以直接从货架上拿个东西就用，而作为防御者，你必须考虑你的利益相关者，必须考虑你的业务，必须考虑如何真正让人们参与进来，你的CEO，所有高管，所有这些。所以我认为，在这里，防御者需要那种意志力。

我们正在建议的一件事，我们实际上已经做到了并且现在正在公开谈论它，就是每家公司都应该将此视为一个主动事件。关键业务运营，主动事件，那是你的下一个优先事项，所以我们实际上把我们25%的生产工程师拿出来保护我们自己。我们拿我们的模型——事实上，我们拿了Astra，指向我们自己的系统来寻找漏洞，不仅仅是阅读代码，而是真正观察这些东西如何端到端地运行，这样我们会找到真实有效的漏洞，然后它也帮助我们进行修复、打补丁和修复。所以我认为你确实需要生态系统中能量的转变，以便保持领先并利用这个窗口。

嗯，你现在做这些当然好，但对我来说，关于Hugging Face事件及其相关报道，最引人注目的是感觉OpenAI之前并没有特别关注网络安全。你们为什么以前不这样做？"防御者之窗"不是已经打开一段时间了吗，而你们也没有利用好它？

GB：嗯，两个答案。一个，如果你看看我们做沙盒的方式，并不是说这个工作负载没有被沙盒化。实际上有一个沙盒围绕着它，我认为我们意识到的一件事是我们有——

对，那显然没有经过充分测试。那真的是沙盒吗？还是通过第三方连接到互联网，而第三方只是被扔进去的？关于这个事件，最引人注目的就是这个。这就像是，如果你想测试漏洞，我想你确实测试了。

GB：毫无疑问，AI做了非常有创意的事情来逃脱并进入Hugging Face。但对我来说，有一件更大的事情，我认为你指出的对，那就是自今年夏天Mythos发布以来，当我们开始拥有具备网络能力的模型时——我们甚至在二月份就谈到了我们的网络可信访问计划，因为我们看到了这股浪潮的到来，我们想真正为此做好准备——存在一种倾向——

我知道，但你们在二月份就谈了，但你们没有把它指向你们的沙盒，"我的沙盒真的安全吗？"。

GB：有一种本能，一种反应，那就是说，"让我们大规模限制访问，让我们真正严格限制，只有你能获得访问权限才能用"。我认为，如你所说，因为领域在不断发展，这意味着防御者损失了时间，人们没有进行防御。那部分是关于访问的，但部分是关于你投入多大力量说我们要在这方面做出重大转变。

现在，我认为在某种程度上，时间不是都平等制造的，因为我们已经从一个网络模型不那么有用、不那么有差异化的世界，变成了一个实际上非常有能力、非常强大的世界。我们在Astra上看到了这一点，我们已经谈过它如何真正饱和了一系列评估。我认为现在就是时候，几个月前也可能是时候，但你只会拥有能力弱得多的模型，你会取得少得多的进展。

所以我认为，真正评估我们所处的位置，我们显然已经到了那里，我觉得这是我们学到的东西，我们铭记在心，我认为你看到了真正的转变。这在很多方面实际上是一种文化变革，一种运营变革，这并不容易，因为它真正意味着你必须让团队非常紧密地协同工作，对如何制定政策等有更高的标准。所有这些，对我们来说，就转变而言，不是我们一直关心这些方面，而是真正在运营上把它们结合在一起，并能够以我们现有的方式做出决策，我认为这是我们所做一切各个方面的提升。

现在突然间他们能做到了，好像以前做会是浪费时间，我认为这有点道理。你如何避免陷入"AI将来会做到，所以我们不需要现在做"的陷阱？一般来说，不仅仅是这件事。

GB：我想说一个具体的数据点，所以在早期，大约在第一季度的某个时候，我们真正开始思考，我们将会有——很难知道什么时候，但我们将会有这些非常具备网络能力的模型。什么是我们可以从头开始构建的沙盒，在云基础设施上构建，尽可能安全？我们构建了那个。我们实际上把我们一些最好的工程师派去解决那个问题，他们全力以赴并做出了成果。

所以我认为，围绕你看到的未来从头开始构建基础设施，这是我认为重要的事情。至于你提到的关于"哦，我们可以让AI来做"的时机问题——我们在不同领域见过这种情况，在编写内核方面，思考这样的事实："好吧，我们将要进入一个未来AI能够很好地编写GPU内核的世界"，那种需要数月、有时一年才能为新型硬件建立基础设施的经典投资，那种事情，或者我们只是说，"啊，AI会搞定的"？我认为答案总是，AI达到那个目标所需的时间比你预期的要长一点。但当它做到的时候，它以你无法想象的方式令人惊讶和强大。

Astra的一个例子。我们发现的一件事是，我们今年非常辛苦地建立的一些技能，用来向我们的模型展示在OpenAI做事的正确方式等，现在实际上对其性能产生了负面影响。

规则太多了。

GB：没错。它能够更好地泛化，或者能够找到更好的方法来处理模式等，比我们写的东西更好。所以我认为，关于这一点，你确实想要建立那些控制措施，想要建立确定性的基础设施，想要编写那些技能。但你还需要准备好，随着AI变得更有能力，其中一些东西，即脚手架，会成为限制因素。它有点像辅助轮。起初，它帮助你，但一旦你开始走得更快，一旦你拥有更有能力、更好、更对齐的东西，它实际上就会开始成为障碍。

你还会再次进入那种12小时或24小时的编码心流状态吗？

GB：我希望会。我想也许有一天会发生，但我得说，我以现在的方式帮助团队中找到了如此多的快乐和价值。我认为对我来说，这真的是关于那个使命。

嗯，不仅仅是你，但任何人还会吗？因为AI的好处不几乎就是它可以随时提供永久的心流状态吗？

GB：我认为我们会找到新的方式，无论是管理代理——实际上，看到软件工程师比以往任何时候都更努力工作，这真是太疯狂了，因为你意识到如果你的代理不工作，那只是损失了时间，你永远也找不回来。所以我认为人们将以现在难以想象的方式达到那种心流状态。

归根结底，你在谈论这将是可控的，这些AI，"不要放太多规则，它们会自己搞定的"，如果你把这一点发挥到极致，那最终岂不是关于它们不可控？

GB：嗯，我认为这是这个时刻的核心，我们所处的新阶段的核心，从某些方面来说，我会说我们现在已经进入了AGI时代。我认为这是这个时刻的核心，在那里——也许是之前的模型，也许是Astra，也许是下一个模型，但在某个点上，我认为我们将跨过大多数人的AGI门槛。确保我们掌握节奏，确保我们思考安全、保安、alignment和能力，所有这些作为要求——我们围绕这些都有标准，我们希望共同推进它们——这是我们一直相信的。

但我认为，这些其他方面正日益成为发展的瓶颈，这一点变得非常突出。我认为，再说一次，这是我们已经为此做好准备的事情，我们一直在思考这个问题，我认为我们正在以一种实际的方式将其付诸实施。所以我的观点是，还有很多进展可以取得，但我认为我们应该通过提高我们在所有这些方面的标准来接近它。如果你看看那个，我认为我们看到了诸如可监控性等事情的前景。那是非常关键的。我们正在以一种实际的方式引入它。我认为我们有一个非常好的计划。我们有一群优秀的人，我们有良好的记录和良好的使命，所有这些都指向我们正在以一种它们是可控的方式来构建系统，并且我们在节奏方面一步一步来。

格雷格·布罗克曼，祝贺Astra的发布，是的，迫不及待想用它。

GB：非常感谢，谢谢你邀请我。

本文来自华尔街见闻，欢迎下载APP查看更多

高盛Delta One交易台主管Rich Privorotsky在最新市场简报中表示，Astra看起来“举足轻重”——它确实甩开了同行，而这可能正是AI多头一直等待的那类能力突破。

这一判断迅速映射至市场交易：软银隔夜涨超10%，作为OpenAI的重要投资者，其股价被视为OpenAI估值变化的重要映射；甲骨文也上涨约5.5%。不过在Privorotsky看来，股价上涨反而是整个故事中“最不有趣的部分”。

OpenAI内部对Astra的评价同样激进。OpenAI总裁Greg Brockman称其为“代际飞跃”，并认为这一时刻或许会成为AGI到来的标志性节点。在Privorotsky看来，AI竞争也正在从单纯的价格和效率比拼，转向更直接的“智能战”——模型能力越强，能够被开发的新应用越多，AI支出周期就越有可能延续。

不过，AI叙事之外，市场仍面临几项关键宏观变量。日元走强、能源价格以及霍尔木兹海峡局势持续扰动风险偏好，美联储则进入等待下周CPI的关键窗口。对风险资产而言，Astra带来的乐观情绪能否进一步扩散，仍需要经受通胀、能源和货币政策的检验。

能力突破，而非降价：需求曲线再次被重塑

Privorotsky在简报中重点区分了两种截然不同的市场信号：token价格下降，与模型能力的实质性跃升。

他的核心逻辑是，模型价格下降，企业只是以更低成本使用相同数量的AI；但当模型变得“真正更聪明”时，企业会发现此前无法实现的新应用场景，AI需求空间也将随之扩大。

“价格下降是一回事，智能的真正突破会再次改变需求曲线，”Privorotsky写道，“它迫使所有其他实验室追赶，维持支出周期的活力，并重新激活‘还有更好的东西值得去构建’这一信念。”

他同时澄清，此前关于“token需求增速跟不上token成本下降速度”的表述曾被部分断章取义。其完整逻辑是：只有在模型能力未能实现根本性跃升的情况下，算力过剩才可能成为问题；而Astra的出现恰恰指向了相反的方向。

Astra剑指AGI，AI竞争从价格战转向“智能战”

Astra在部分AGI相关基准测试中的表现，使OpenAI有底气宣称其在部分指标上已经超过Anthropic。

尽管业界目前对AGI尚无公认定义，也没有统一的测试标准，Greg Brockman也表示最终判断应交给用户，但他在此次媒体电话会议上的表态已经相当明确。当被问及Astra是否符合AGI定义时，他回答：“我认为就是这个模型。”

这一表态进一步强化了市场对本次发布的解读：头部模型厂商的竞争，正在从价格和效率比拼，进一步转向智能能力的正面较量。对AI多头而言，这正是他们长期等待的信号——领先优势如果能够体现在模型智能本身，AI资本开支周期的持续性也将获得新的支撑。

日元走强：日银加息与财政扩张形成罕见组合

除了AI，Privorotsky还特别提示了日元。近期日元继续走强，但暂未看到明显的干预迹象；与此同时，市场对日本央行政策的定价明显转鹰，已计入9月略高于25个基点的加息幅度，以及未来一年接近100个基点的加息幅度。

与此同时，日本财政端也在进一步扩张。Privorotsky指出，日本FY2027预算申请总额已经达到143.1万亿日元。由此形成了一个值得关注的组合：财政政策更宽松，货币政策更紧，日元却在走强。

这一组合对资产价格的影响并不均衡。日元升值可能对出口商形成边际压力，而日本国内银行则可能继续受益；Privorotsky指出，Topix银行指数已经升至年内高位。

更重要的是，日元走强也会削弱套息交易，对全球风险资产形成一定压力。

能源仍是最大宏观风险，霍尔木兹海峡成为关键变量

相比AI带来的乐观情绪，能源市场仍是Privorotsky眼中最大的宏观风险。

霍尔木兹海峡的航运仍受到严重干扰。他指出，美国已经证明可以护航大型原油船队通过海峡，但这并没有解决更广泛的供应问题：成品油和LNG运输仍然受阻，库存也持续承压。Privorotsky直言，当前状态“不可持续”。

因此，能源价格仍可能成为当前市场乐观情绪的最大扰动因素。Privorotsky担心周末期间出现新一轮“升级—降级”式局势变化，但同时认为，随着美国国内政治因素的重要性进一步上升，未来也可能出现推动中东局势降温的窗口。

与此同时，俄乌局势近期释放了一些外交层面的积极信号，但Privorotsky认为，市场不宜过度押注和平前景。

美联储进入“等CPI”模式，AI叙事能否延续仍待数据验证

报告指出，市场正在逐渐看到一条“美联储维持利率不变”的狭窄路径。此前沃勒的表态也显示，美联储核心决策层的政策立场并未发生明显变化，后续仍将依据数据作出判断。

因此，市场焦点正从就业数据转向下周公布的CPI。经历艰难的8月后，市场仓位已有所减轻，此前屡屡受挫的共识交易和动量交易也有所降温。

Privorotsky认为，如果CPI没有明显上行意外，风险资产仍有进一步走强的空间，而Astra重新点燃的AI叙事，有望成为新的推动力。

下周，甲骨文财报和密集的科技行业会议将陆续落地，市场将从云基础设施、AI业务等方面寻找更多信号，观察这轮AI热潮能否从模型能力突破进一步扩散至产业链和资本开支。

Privorotsky同时提醒，能源价格仍是市场需要警惕的变量，德国萨克森-安哈尔特州周末举行的选举也值得关注。

本文来自华尔街见闻，欢迎下载APP查看更多

9月5日，据彭博援引多位不具名交易员报道，亚洲精炼商对中东原油的需求强劲，正推动相关基准价格快速上涨。阿联酋基准Murban期货目前报每桶106.10美元，面向亚洲市场的DME阿曼原油报每桶99.18美元，逼近100美元关口。

中东冲突僵持、霍尔木兹海峡持续受阻，加之沙特石油出口降至2017年以来低位，部分原油货物还出现交付延迟，由8月推迟至9月甚至10月，供应收紧进一步加剧了亚洲市场的抢货压力。

亚洲炼厂加速抢货，替代供应竞争升温

据彭博，印度石油公司（Indian Oil ）等大型炼厂，以及韩国、日本炼厂，正成为本轮中东原油采购增长的主要买家。

与此同时，霍尔木兹海峡的原油运输量仍明显低于正常水平。过去一周，经由该海峡运输的原油日均量仅约600万至800万桶。船舶追踪机构Kpler和Vortexa数据显示，沙特石油出口量也已降至2017年以来最低水平。

供应收紧之下，亚洲买家开始扩大替代货源。印度等买家增加巴西、加拿大和阿根廷原油进口的同时，也在加大俄罗斯原油采购。

其中，俄罗斯ESPO原油的竞争尤为激烈。据彭博，相关货物溢价已升至纪录高位，显示在传统供应渠道受阻之际，亚洲炼厂正在为有限的替代货源展开更激烈的争夺。

本文来自华尔街见闻，欢迎下载APP查看更多

周六，据英国《金融时报》援引四位知情人士消息，摩根士丹利处于获得此次IPO最重要的"左一主承销商"（lead left）席位的有利位置，高盛则有望担任稳定代理商，负责监管Anthropic上市初期的关键交易阶段。

投资者预计，Anthropic上市估值将达到2万亿美元或以上，届时将超越SpaceX，成为史上规模最大的IPO。若估值成真，早期投资者将坐收数百亿美元的账面收益。Anthropic的上市表现，也将成为当前市场对高速增长AI企业风险偏好的重要风向标。

大摩领跑，高盛护盘，摩根大通等亦入列

在此次IPO的席位分配中，摩根士丹利的优势地位最为突出。

报道称，摩根士丹利近几周已主导与潜在投资者就Anthropic发行价格展开讨论，这是"左一主承销商"角色的核心职能之一——该席位掌控估值谈判走向，并决定哪些对冲基金、机构投资者及主权财富基金将获得最大份额的股票配售，同时也是华尔街投行的重要声誉资本。

不过，知情人士同时提示，摩根士丹利的最终任命尚未敲定，仍存在变数。

高盛则预计出任稳定代理商。值得注意的是，在今年6月SpaceX的上市交易中，两家银行的角色恰好互换——高盛担任主承销商，摩根士丹利出任稳定代理商，两家银行各从逾20家参与机构共享的5亿美元费用池中分得1亿美元。

此外，摩根大通、花旗集团和巴克莱银行也预计将在此次交易中获得重要席位，原因是上述三家银行此前已向Anthropic提供债务融资。

上市或推迟至10月中旬

Anthropic原计划最快于下周公开提交IPO招股说明书，但时间节点尚未最终确定。

据路透社最新报道，Anthropic已推迟至9月下旬提交IPO招股说明书，上市路演最早10月中旬启动，目标在11月中期选举前完成挂牌。此次延期与公司正在敲定的150亿美元信贷额度相关，需待融资落实后方可推进后续流程。

此次IPO将在SpaceX今年6月以1.78万亿美元估值完成创纪录的860亿美元融资后不久登场，市场对其能否延续AI资产的高估值热情保持高度关注。

营收增速强劲，但未达最乐观预期

Anthropic过去一年估值大幅攀升，当前估值已超过9000亿美元，投资者预计其上市估值将超过2万亿美元，较现有估值翻逾一倍。

然而，该公司的营收表现并未完全满足最为激进的市场预期。Anthropic于8月告知股东，其7月营收折合年化规模达650亿美元，较5月的470亿美元显著提升，但仍低于部分投资者此前预期的800亿美元年化销售额门槛。

与此同时，竞争压力不容忽视。Anthropic最大竞争对手OpenAI近期势头强劲，本周发布了其最新AI模型，并称之为"全球最智能"的模型。部分市场人士警告，OpenAI的强势复苏可能对Anthropic的上市估值形成压制。

下一场争夺：OpenAI IPO席位已在视野之内

此次Anthropic IPO的承销席位争夺，不过是更大格局竞争的前奏。摩根士丹利和高盛同样将角逐OpenAI的IPO承销资格——后者预计将于明年初上市。

"左一主承销商"席位不仅意味着丰厚的直接收益，更是投行在AI赛道上积累客户关系与市场声誉的战略布局。

在AI企业上市潮来临之际，谁能率先锁定头部标的，将在这场旷日持久的竞争中占据先机。

本文来自华尔街见闻，欢迎下载APP查看更多

9月5日，鸿海精密公布的数据显示，2026年8月营收为9218亿新台币，同比增长51.98%，为历年单月次高，并创历年同期新高。尽管受消费智能产品新旧产品转换影响，8月营收环比下降2.61%，但整体规模仍维持高位。

前8个月，鸿海累计营收达到6.51万亿新台币，同比增长39.73%，以美元计价同比增长约38.4%，同样刷新历年同期纪录。此前同期高点为2025年前8个月的4.66万亿新台币。

AI服务器需求强劲，鸿海三季度营收有望延续高增长

从产品类别看，AI服务器相关的云端网络产品仍是鸿海营收增长的核心引擎，月度及累计增幅均位居四大产品类别之首。鸿海表示，该业务持续受惠于AI产品拉货动能，8月及前8个月均保持强劲增长。随着AI基础设施投资延续，服务器需求仍是支撑公司营收增长的主要动力。

消费智能产品同样保持明显同比增长，主要受拉货动能及出货价格提升带动，但受主要产品进入新旧产品转换期影响，8月环比有所回落。元件及其他产品则受相关零组件及其他收入增加带动，月比、年比均显著增长；电脑终端产品虽然同比仍明显增长，但增幅在四大产品类别中相对落后。

整体来看，AI需求持续放量正推动鸿海营收维持高增长。今年3月、6月、7月及8月，公司营收分别同比增长45.57%、52.11%、54.19%和51.98%。

展望第三季度，鸿海释放出更积极的信号。公司表示，目前对第三季度的能见度较前月提升，整体表现“可望优于市场预期”。一方面，AI需求预计延续增长；另一方面，ICT产品进入下半年传统旺季，两大因素有望共同支撑第三季度营运表现。

不过，鸿海也提醒，全球政经局势仍存在较大不确定性，相关变化仍可能对后续运营带来影响。

本文来自华尔街见闻，欢迎下载APP查看更多

花旗在最新大宗商品展望中表示，其核心情景是霍尔木兹海峡在2026年第四季度恢复通航。若海峡重开，油价回落可能通过通胀、利率和美元等渠道利好黄金：能源价格下降将缓解通胀压力，为美联储进一步转向宽松提供空间，并推动美元和实际利率走低，从而降低持有黄金的机会成本。

与此同时，油价回落也可能缓解新兴市场的财政及外部收支压力，释放此前受到抑制的实物黄金需求。若金价继续上涨并形成更强的价格动能，零售投资者也可能重新入场，进一步强化黄金涨势。

该行维持对贵金属的看涨判断，将黄金0—3个月目标价设为4800美元/盎司，6—12个月目标价设为5000美元/盎司，均高于当前约4500美元/盎司的现货价格。

霍尔木兹重开，油价或快速回落

能源市场目前仍处于异常状态。花旗将2026年三季度布伦特原油预测上调至86美元/桶，但维持四季度70美元/桶、2027年65美元/桶的预测不变。当前全球油品综合价格已超过120美元/桶，但原油本身尚未达到2022年的高位，异常主要体现在精炼利润率大幅走高。

花旗认为，这种状态难以长期维持。伊朗面临本币贬值和石油收入下降压力，存在打破封锁的动力；与此同时，高油价也将加大美国经济和金融市场压力，临近11月中期选举可能进一步增加美国政府推动局势缓和的动力。

报告预计，霍尔木兹海峡持续关闭的概率约为20%—25%，若封锁延续，布伦特原油可能升至110—120美元/桶；冲突升级至双方相互摧毁能源基础设施的极端情景概率仅为5%—10%。若海峡恢复通航，全球石油市场则可能迅速转向供应过剩，过剩规模预计达到300万—400万桶/日。

黄金仍偏向上行，回调或提供买入机会

在花旗看来，海峡重开带来的影响并不止于油价。能源价格回落有望减轻高油价对经济增长和债务负担的挤压，并改善整体市场环境。

报告指出，8月黄金涨势仍不够稳固，主要由投机性、纸面交易推动，实物需求并未充分跟进。因此，若金价短期回调，花旗反而将其视为买入机会。若后续涨势形成更强的价格动能，零售资金也可能重新入场，进一步强化上涨趋势。

即使霍尔木兹海峡长期关闭，花旗仍认为黄金具有较强韧性，整体风险仍偏向上行。不过，若股市出现大幅调整，投资者可能抛售黄金以弥补其他资产损失，黄金仍可能面临阶段性回撤压力。

技术面上，黄金100日均线约为4366美元/盎司，50日均线约为4218美元/盎司，4000美元/盎司则构成重要支撑位。

本文来自华尔街见闻，欢迎下载APP查看更多