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

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

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

暗网折扣高达97%，AI账号买卖成灰色产业

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

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

更值得注意的是，由于AI公司会主动监控滥用迹象，部分卖家甚至推出了“保障访问”服务——一旦初始账号被封，承诺免费补发新凭证。这套机制让黑色产业链的运转更加稳定。

劫持云服务器“白嫖”算力

除了倒卖账号，另一类攻击更为直接，Hultquist透露：

部分犯罪团伙和国家背景黑客组织，正在入侵企业云托管服务器，将自己的AI模型直接部署在目标系统上运行——费用由受害者承担，算力为攻击者所用。

这与早年黑客入侵他人机器“挖矿”的逻辑如出一辙。

防守方面临“成本不对等”困境

Hultquist指出，这种攻击模式的危险性，不仅在于技术层面，更在于经济层面的失衡。

“说到底，这些行为给了他们一种经济或效率上的优势——因为他们能以低得多的成本拿到这些算力，而我们却要付全价来防守。”他说。

Anthropic最新季度的AI滥用报告显示，已在超过二十个国家发现威胁行为者试图利用其Claude工具从事恶意活动，涉及国家包括美国、英国和也门。

Hultquist对此态度直接：“每一个威胁行为者都在用AI。”

新风险窗口：AI上线初期是最佳“藏身”时机

随着越来越多大型企业选择自建服务器部署定制AI模型，而非租用云服务商算力，这些内部系统也将成为新的攻击目标。

Hultquist警告：“如果你在为算力付钱——而这可能非常昂贵——那它就成了威胁行为者眼中的重大潜在资源。”

他还指出，企业刚刚完成AI基础设施部署的阶段，恰恰是黑客“潜入”的最佳时机。

你可能会觉得算力使用量突然大幅上升完全正常，因为你刚刚引入了一堆AI基础设施。这给了攻击者一个藏在噪音里的真实机会。

他最后警告：“任何认为AI只是一阵风、想等它过去的人，总有一天会发现自己已经溺水。他们将遭遇比以往更多的事故、更多的告警、更多的攻击。我们必须现在就把自己的阵地整理好。”

本文来自华尔街见闻，欢迎下载APP查看更多

9月26日，在最新一期的Logan Jastremski播客节目中，长期跟踪AI基础设施建设的匿名分析师、P Equity Research背后的操刀人Mr. P作为嘉宾出席。当前，以大模型为核心的AI战局正从模型参数比拼延伸至底层基础设施的终极角力，超大型云厂商（Hyperscaler）每年数以万亿计的资本支出去向，成为全球投资者最关注的焦点。在这场超过一小时的深度对谈中，Mr. P基于详实的数据与产业链调研，对AI算力缺口、存储大周期、光电之争以及地缘博弈等核心议题给出了冷思考与去魅化解读。

“十年需求能见度是谎言”，存储仍难逃繁荣与萧条的周期宿命

过去一段时间，市场笃信AI带来的硬件投资将是一场永不枯竭的超级周期，甚至有声音称云厂商的订单能见度长达十年。对此，Mr. P给出了极为克制的判断。

“如果一个超大型云厂商告诉你他们有10年的需求能见度，他们只是在忽悠你。他们根本无法预测2年以后的情况。”Mr. P直言，“我相信存储是周期性的，并且它将保持周期性，这主要是由支出的性质决定的。人们认为超大型云厂商的支出是可持续的，它可以无限量地继续增长，但这只是一个假设。我认为支出总有一天会放缓。”

尽管不相信“无限支出”，但短期内AI对存储的吸金能力依然令人咋舌。随着数据中心从主要关注训练转向更吃内存的推理阶段，存储（包括HBM、DRAM和NAND）正在吞噬巨量资金。

“明年超大型云厂商的资本支出预计在1.1万亿到1.2万亿美元之间，而仅仅是存储可能就会占据其中的50%到60%，大概是5000亿到7000亿美元。瑞银（UBS）甚至估计明年单在存储上的花费就将达到9000亿美元，这简直比今年所有超大型云厂商的资本支出总和还要多。”

为了平抑周期波动，存储制造商正疯狂推进长期协议（LTA）。Mr. P透露，三星已开始收到长达10年的合同要求。然而，一位曾在三星和AMD任职的行业专家向他警告，LTA可能被过度炒作了：“如果需求暴跌，为了不彻底得罪客户，这些长期合同有可能会在闭门状态下被双方默默取消，且不附带任何违约金。如果你强迫客户吞下500亿美元他们不再需要的产品，他们只会把内存堆在仓库里，接下来的几年你的收入将真正面临断崖式下跌。”

算力缺口依旧，但“隐形瓶颈”正向电力与载板转移

目前，市场对于“算力是否受限”存在巨大分歧。微软CEO纳德拉曾暗示芯片足够，只是没有“温暖的机架”来插这些芯片；而谷歌和亚马逊在财报中则明确表示自己受制于算力短缺。

Mr. P通过市场价格数据证实了算力的紧缺现状：“四五年前的老旧芯片现在的租金定价比以前还高，像H100现在的二手价格依然能卖到2.5万美元，B系列GPU每小时的租金已经从5美元涨到了7到8美元。芯片的使用寿命正在被大幅延长，有的甚至达到了10年。”

然而，纯粹的GPU裸片数量可能并非核心卡点。一位AMD专家向Mr. P证实，就原始芯片而言供应是充足的，真正的瓶颈在于数据中心的电力、高级封装（Advanced Packaging）和存储。

从BOM（物料清单）的拆解来看，真正的短缺环节正在浮出水面。Mr. P指出：“在Vera Rubin（英伟达新一代架构）的物料清单中，看到出现三位数价格涨幅的组件是ABF载板、PCB和存储。ABF载板的产能非常紧张，供应短缺很可能会持续到2028年甚至2030年以后。戴尔、惠普、英伟达和博通在近期的财报中，也一致将DRAM、NAND、ABF载板和晶圆列为产能约束因素。”

在能源端，建设新型算力中心所需的燃气轮机面临着极度漫长的交付期。“三菱、西门子、GE Vernova的积压订单已经排到了2030年以后。如果你今天订购一台燃气轮机，你可能要到2030年才能拿到货。”

铜退光进：光是终局，但铜仍将被“强行续命”

在数据中心网络连接领域，铜缆与光通信的路线之争愈演愈烈。虽然市场普遍期待共封装光学（CPO）迅速普及，但Mr. P认为这并非一蹴而就。

“没有任何东西的传播速度能超过光速，因此光学最终肯定会赢，速度才是王道。”但他同时强调，在2027年之前，铜和光学将长期共存，云厂商正在尽可能延长铜的生命周期。

“因为存储实在是太贵了，超大型云厂商必须要在其他地方省钱。CPO不仅非常昂贵，而且目前仍存在良率和散热问题。你可能会在2027年先看到近封装光学（NPO）的使用，然后在2028或2029年看到CPO产能爬坡，但其渗透率将保持在较低水平。CPO真正占据主导地位，可能要等到2030年以后。”

针对美国部分声音呼吁前沿模型应因安全问题而减缓研发步伐，Mr. P将其斥为“毫无商业逻辑”的行为，“如果你出于安全考虑想要减速，这只会把市场份额拱手让人。”

以下为对谈全文，由AI翻译：

Logan Jastremski：太棒了。P Equity Research，非常感谢你加入我的节目。很高兴能邀请到你。我一直非常喜欢你在 Twitter 和 Substack 上发布的内容。就像我们刚才在录音前聊到的，恭喜你在 Substack 上的排名继续攀升。你目前发布的内容令人印象深刻，我很期待我们接下来的交流。

Mr. P：以及你在市场方面看到的一切。是的，谢谢你。我很兴奋能和你讨论算力（Compute）和 AI。在 Substack 和 X（推特）上受到关注感觉很棒，很高兴能和你交流。你总是很活跃。感觉你 24 小时全天候在线，我很欣赏这一点。

Logan Jastremski： 是的，我经常在线。不过我得说，我也经常使用“定时发送推文”按钮来规划我的推文。也许这就是获取超额收益（Alpha）的秘诀。

Mr. P: 哈哈，是的，这就是 Alpha。使用定时推文。

Logan Jastremski：太赞了。我很想了解一下你是如何开始深入研究算力领域的？因为你显然非常积极地发布你的研究报告，而且我认为你在投资者社区中，尤其是在这些不同数据中心的建设方面，获得了很大的影响力。所以，只要你愿意分享，我很想了解一下你的背景，或者你是如何进入股票研究领域的。

Mr. P： 好的。我大概是在今年 5 月初开始发推文的，那时我大概只有 30 个粉丝。所以我当时是个小透明。我注册这个账号有一阵子了，但一直没怎么用。后来我想把它用起来，就开始发推文，并在 Substack 上发了很多文章。一开始，我经常写一些关于日本、中国台湾和韩国的利基（Niche）公司的文章。反响还不错。然后我开始在 X 上获得更多认可，所以我就发得越来越多了。

Mr. P： 大约在 7 月份左右，我真正开始改变我发帖的方式。我试图成为一个只分享大量信息、保持中立观点，并让人们自己决定如何解读这些信息的人。我一直坚持这么做，从那以后我的账号就真正起飞了。但我完全没有任何技术背景。我所有的知识都是自学的。我没有工程学位。我拥有会计学的学士和硕士学位，曾在公共会计领域工作过。这就是我的基本经历。

Logan Jastremski：我不是工程师。所以如果有人问我类似“这个和那个有什么区别”，我可能回答不上来，我懂的没那么多。不过这很好。我通常发现，在自己领域表现卓越的人往往都是自学成才的。无论如何，在深入研究 AI 之前，我曾在加密货币市场花了很多时间。在那之前，我在特斯拉工作。一位好朋友曾告诉我，你没有义务必须成为昨天的自己，你可以自学新技能。所以，只要你不断学习，我觉得你就会一直处于前沿。

Mr. P： 是的，完全同意。我认为这也是我喜欢发这么多帖子的原因之一：尽可能多地免费学习。因为你能学到的东西是没有限制的。所以分享信息永远是件好事。

Logan Jastremski: 100%赞同。也许我们可以从这里开始聊。显然，在 AI 数据中心领域发生了很多事情。很大程度上，我觉得自从 Opus 4.5（约 2025 年末）发布以来，这个领域就开始腾飞了。从那时起，对于普通人来说，我们已经从 Oauth 和订阅模式，更多地转向了基于 API 的模型。这真正引发了这场收入的爆炸性增长，也许这种起飞甚至在那之前就开始了。作为副产品，你看到很多所谓的超大规模云厂商每年在资本支出（Capex）上投入数万亿美元。我知道你一直在深入研究物料清单（BOM），以及这些资本支出到底流向了哪里。所以我想让你从宏观层面谈谈你一直在追踪什么，以及你对当今市场现状的看法。

Mr. P： 谈到超大规模云厂商，我认为有四个领域很重要：逻辑芯片（Logic）、存储（Memory）、电力（Power）和网络（Networking）。现在大量的资金将花在逻辑芯片上，即 GPU 和 ASIC。而存储预计将占明年云厂商资本支出的 50% 到 60%。作为参考，如果预期的云厂商资本支出是 1.1 或 1.2 万亿美元，那么仅存储一项的投入就将达到 5000 到 7000 亿美元。实际数字可能会更高，但这其中包含了多种产品的混合：有 HBM、DRAM、大宗商品 DRAM，还有 NAND 闪存。

Mr. P： 但看看算力方面，他们在采购 ASIC 和 GPU 上花了很多钱。我们都知道亚马逊和谷歌正在尽最大努力增加他们定制芯片（ASIC）的产量，以摆脱对英伟达的依赖。我认为这就引出了一个问题：算力是否仍然受限？因为很多人说，我们有足够的算力，但没有足够的电力。有些人说我们有足够的电力——好吧，我还没听过谁说电力是足够的。但人们会说我们在其他方面不缺，只缺算力，算力受限。这是各个 AI 实验室的说法。

Mr. P： 所以我想谈两个观点。我曾和一位来自 AMD 的人聊过，做了一次专家访谈。但在提他之前，这里有两个主流观点。第一种观点认为，我们有足够的算力，但没有足够的电力来插电和运行这些芯片。这个讨论源于萨提亚·纳德拉（Satya Nadella，微软CEO）在一个播客上的讲话。我不记得是和谁做的播客了，可能是 SemiAnalysis，也可能是其他人。但他基本上是说，我们没有现成的“热机架”（插电即用的机柜）来部署这些芯片。

Mr. P： 第二种观点是，AI 实验室和供应商表示算力需求巨大，我们正处于算力受限的状态。如果你听过谷歌和亚马逊的财报电话会议，他们提到自己的算力受限，如果算力不受限，他们的云业务收入占比还会比现在报告的更高。与此同时，里昂证券（CLSA）今天发布的研究报告称，ASIC 和 GPU 的供需缺口高达 73%，他们预计这种短缺将持续到 2030 年。所以，如果你看看算力用户的评论，他们会说自己缺乏算力。租赁价格也证明了这一点，因为四到五年机龄的旧芯片的租赁价格比以前还要高，而这些本该是完全折旧或被淘汰的芯片。（注：你懂的，一年前迈克尔·伯里（Michael Burry）曾引发过一场关于折旧的巨大争论，而现在你开始看到这些芯片的使用寿命超过了五年，甚至开始接近十年。）

Logan Jastremski：是的，完全没错。你开始看到这些芯片的使用寿命超过五年，甚至接近十年。我想最近是 Nebius 发布了一些数据——如果我错了或者你有更好的数据请纠正我——他们正在使用长达 8 或 9 年的芯片，这本质上延长了像 H100 这种芯片的使用寿命。

Mr. P： 我觉得二手的 H100 现在的售价还在 25,000 美元左右，这相当惊人。是的，我相信英伟达的 Volta 架构芯片也还在被使用，那几乎是 10 年前的产品了。但没错，这些芯片的使用超出了它们自然的或预期的使用寿命。这也很有趣，因为大概一两个月前有一条评论提到，一家小型初创公司试图获取一小批芯片，但根本拿不到。一旦他们拿到了，他们团队里就有人买了个蛋糕开始庆祝，因为现在能搞到算力就是这么重要的一件事。

Logan Jastremski ：是的，我们甚至从我们投资的几家投资组合公司那里听到了同样的情况。他们试图做很多有趣的事情，但如果没有算力资源，你就真的倒大霉了（SOL）。所以，正如你所说，现在大家似乎都在为了获取算力而“哭爹喊娘”。甚至连埃隆·马斯克在建设 Tera Fab 时也说，没有足够的算力来同时满足机器人、他们想造的汽车，以及最终的太空数据中心的需求。所以，从宏观来看，我们似乎确实受到了算力的限制。

Mr. P： 但是，针对你的观点，这究竟是能源方面受限，还是物理计算芯片本身受限呢？我认为能源是一个大问题。我想说，现在的问题是有太多的数据中心建设项目被延期了。我们不知道确切有多少数据中心被推迟。SemiAnalysis 说这不是个大问题，但根据我读到的所有新闻，似乎数据中心的延期相当严重。在数据中心建设方面也存在很多社会和政治层面的抵制。所以我确实认为电力是一个大问题。我认为电力绝对是目前最糟糕的瓶颈之一。我稍后会详细谈谈这个。但回到我刚才提到的那位 AMD 专家的话，他说，就原始芯片、就单纯的算力而言，他认为我们是足够的；瓶颈在于其他领域，比如数据中心的电力、先进封装，以及重中之重——存储。

Mr. P： 所以我认为，关于 GPU，你会看到很多关于我们是否拥有足够数量的争论。但租赁价格表明我们目前的算力是不够的。

Logan Jastremski: 是的，我想我今天早上看到了，或者可能是你发的帖子。提到 B200 或 B300 的 GPU 每小时租赁价格已经从 5 美元涨到了 7 或 8 美元。

Mr. P: 是的，太疯狂了。价格一直在上涨。

Logan Jastremski： 那么，也许我们可以更深入地探讨一下存储（Memory）方面。这是我花了一些时间研究的领域，也是我和 Bubble Boy 详细聊过的话题。特别是随着这些数据中心在很大程度上从主要关注“训练”转向“推理”，而推理更受限于存储带宽（Memory-bound）。一方面是模型的权重变得越来越大，另一方面是上下文窗口通常也变得越来越长。正如你指出的，新一代云厂商（Neo clouds）乃至整个行业对存储的需求都在大幅飙升。关于“存储占资本支出的 60%”这个惊人的数据，你有更详细的拆解吗？因为每年有数万亿美元的资金投入到基础设施建设中，这确实非常疯狂。

Mr. P： 是的。实际上，很难准确判断到底有多少资本支出花在了存储上。让我为你梳理一下。首先，每个人的预测数字都不一样，取决于你问谁。我不认为有任何人确切知道存储上到底花了多少钱。几个月前，里昂证券（CLSA）研究报告称，2027 年存储占资本支出的比例将达到 48%。SemiAnalysis 说是 36%。Citrini 预测 2028 年将达到 60%（我不知道他们 2027 年的预测是多少）。摩根大通（JP Morgan）预测 2027 年是 49%，2028 年是 60%。瑞银（UBS）预测 2027 年是 63%，后来他们又说是 73%。你明白我的意思了吧？我们无法确定谁是对的。而且我认为我们永远也得不到一个准确的数字，因为这里面混合了太多东西，有大量的 HBM、NAND 闪存，还有普通的大宗 DRAM 在被使用。所以根据你问的人不同，你会得到一个非常宽泛的范围。但总的来说，没有人会反驳“存储非常昂贵”这一点，这将是一笔巨大的开销。瑞银估计，明年仅在存储上的花费就将达到 9000 亿美元。为了让你有个概念，这基本上比今年所有超大规模云厂商的资本支出总和还要多。这很疯狂，对吧？

Logan Jastremski: 是的，这太疯狂了。

Mr. P： 是的，在存储上这是一笔巨款。我认为目前，就供应紧缺程度而言，HBM 可能是最紧缺的，或者大宗 DRAM，这视情况而定。

Logan Jastremski：我想你可能没有看到……抱歉打断一下。你有没有在你看到的研究或你一直跟踪的其他人的研究中，看到关于存储具体比例划分的明细？因为到目前为止，我和 Bubble Boy 宏观地聊过这个，行业似乎并没有真正专注于“最大化吞吐量（Throughput）”。这可以理解，因为云厂商是按 Token 数量收费的。在吞吐量方面，很大程度上是 Groq 和 Cerebras 在做。然后你有了像高带宽存储（HBM）这样的东西，最终用来保存模型权重和上下文。但随着你拥有工作时间更长的智能体（Agents），并且它们在执行时间跨度更长的任务，现在越来越多地数据被卸载到 NAND 闪存上。在你的研究中，有没有发现什么迹象表明存储存在不同的细分趋势？

Mr. P： 我还没有真正看到关于这方面的详细信息。但我知道，存储供应商正试图让 HBM 成为他们收入的更大组成部分。纯粹从经济角度来说，他们希望 HBM 占收入的比例更高，因为他们认为这是可以在长期内维持的东西。大宗 DRAM 就是大宗商品。他们大部分的 DRAM 销售仍然是不包括 HBM 的，他们可能认为这在长期来看对价格更敏感。而 HBM 更加定制化，你可以认为它不是一种大宗商品。因此，他们相信从长期来看，他们能够将 HBM 的利润率提高到高于普通 DRAM 的利润率。所以我认为目前的趋势是，存储制造商希望减少对大宗 DRAM 销售的依赖，他们想卖出更多的 HBM。

Logan Jastremski： 所以他们是把普通的大宗 DRAM 从家用电脑和内存条，更多地转向消耗高带宽存储的数据中心，因为后者可能对价格稍微不那么敏感？

Mr. P：是的，完全正确。比如 SK 海力士（SK Hynix）预计到 2030 年，其 DRAM 收入的 35% 将与 HBM 挂钩。这几乎是今年的两倍。这听起来可能不算很多，但我认为对于这些存储制造商来说，每一分钱都很重要，因为他们知道自己所处的行业是一个典型的“繁荣-萧条（Boom-bust）”周期性行业。

Logan Jastremski： 你个人的看法是什么？显然，这些存储公司的市盈率（PE）相对较低，因为在过去，它们更具周期性。那句著名的毒奶是：“这次不一样”。但在你个人的观点或你读过的研究中，你认为它会继续保持周期性吗？或者你认为，由于 AI 带来了更多吉瓦级别的电力上线，以及这些模型需要更多的通用存储，它会变得不那么周期性？

Mr. P：不，我仍然认为这是一个繁荣与萧条的周期，只是由于长期协议（LTA）的存在，萧条的那一面可能会被稍微软化。这实际上是一个非常好的问题。以前也有人问过我，我曾公开表示，我认为存储是周期性的，而且将继续保持周期性。这主要是由支出的性质决定的，人们认为云厂商的支出是可持续的，它可以继续增长。这只是一个假设。为了让它不呈周期性，我认为这种支出必须无限期地持续下去，但我认为这不可能发生。我认为支出总会有一个放缓的节点。

Mr. P： 但说到繁荣-萧条周期，我想说，这些存储制造商签订的长期协议（LTA）实际上包含四个方面。闪迪（Sandisk，现西部数据旗下）的 CEO 简单地拆解了这一点。他们做了一些叫做“新商业模式”（NBMs）的东西。其实他们就应该直接叫它 LTA。我不知道他们为什么要叫它 NBMs，可能是为了让它听起来更高级吧。

Logan Jastremski: 是的，为了听起来高大上。

Mr. P: 他们想显得与众不同。但这包含四个部分：时间承诺、数量承诺、定价，以及财务担保。我认为大多数人都熟悉定价部分，但在时间承诺方面，通常是四到五年。我认为目前的 LTA 普遍是五年。我不知道是否很多人知道这一点，但大信证券（Daishin Securities）两天前报道说，三星已经开始收到长达 10 年期合同的请求。所以，这基本上是最初 LTA 时间的两倍。而且他们已经开始与一些客户进行合同延期了。他们以前也提到过，基本上是说如果客户在某个时候想要更高的需求或其他什么，他们就可以延长 LTA，他们可以更改它。所以可能是五年变成七年之类的。但合同的长度最终由供应商决定，如果达到 10 年也就不足为奇了。

Mr. P: 而且我认为，甚至闪迪的 CEO 在 9 月 9 日的一次活动上也说过，他们有可能获得长达 10 年的需求可见度，但他们“还”没有达到那个阶段。强调“还”这个字，因为他是这么说的。但我不认为他们有可能达到那个阶段，因为一份 10 年的合同似乎对双方都是不利的。你不想把一个客户绑定 10 年，因为下行周期的风险可能会非常高。没有人拥有 10 年的可见度。如果一个超大规模云厂商告诉你他们有 10 年的需求可见度，那他们纯粹是在忽悠你。他们根本没有，他们无法预测 2 年以后的事情，对吧？所以在一个长达 10 年的合同中存在很大的波动性。但签订 10 年合同的负面影响还在于，你会失去利用更高价格获利的能力。这就是时间承诺方面。

Logan Jastremski 21:02 说到云厂商的资本支出（Capex）方面，最初，他们主要是用资产负债表上的资金，以及他们过去建立盈利业务所积累的多余现金来为其提供资金。我认为现在如果你看看他们所有人的自由现金流，都在趋向于零，或者他们正在借钱。而且我认为他们中的许多人必须继续为其提供资金。这是否是你的基本假设？即因为收入可能滞后于他们前期的资本支出，所以这种支出会放缓？

Mr. P: 嗯，我认为每一项伟大的技术都会经历一个大量投资的时期，然后就会开始放缓。因为“无限支出”的假设前提是 AI 行业永远不会成熟，对吧？但我相信每个行业在某个时刻都会成熟，无论是 PC 还是智能手机，你都有支出，但随后你也会达到行业成熟的阶段，所以你不需要花那么多钱。你只需要维持一定数量的资本支出，无论是削减资本支出，还是在未来几年将其停留在某个水平。这就是我相信未来会发生的事情。我不认为你会看到资本支出一直上升。当然，如果所有的云厂商在未来几年都能创造出巨额的自由现金流，情况就会改变。这预计可能会在 2028 年发生，但我们走着瞧。

Logan Jastremski ：看来你不太相信所谓的“AI 超级周期”——即我们实现递归式的自我改进，然后一切就大功告成了，AI 智能体将接管一切。

Mr. P: 嗯，我确实相信 AI，但我想我们得看看他们能达到多高的投资回报率（ROI）。这是一个大问题，因为现在他们只是在消耗自由现金流。所以在自由现金流转正之前，人们会一直保持质疑。

Logan Jastremski： 但回到存储的部分，我刚才谈到了数量、价格和财务担保。在数量承诺方面，LTA 规定了云厂商必须购买的约定数量。我相信 SK 海力士有 50% 到 70% 的供应量与长期协议挂钩。然后是价格，他们基本上都设定了某种价格下限。如果你看看闪迪，他们最近谈到在 2030 年底前保持 80% 的利润率。这就是他们拥有的价格底线机制。但这里有一个附带条件，就是他们可以取消价格上限。我和一位美光（Micron）的员工聊过，他基本上说，如果公司愿意，他们可以将 DRAM 的利润率提高到 94%、96%。

Logan Jastremski: 这太疯狂了。

Mr. P: 是的，很疯狂，对吧？你从来没听说过哪家企业的利润率能这么高。这基本上相当于零成本销售 DRAM。当然，在他和我看来，这不会发生。但重点是，你有一个价格下限，而价格上限可能不存在。所以，如果存储制造商愿意，他们可以不断提高价格。

Logan Jastremski：是的，所以在整个行业中，都有这些长期协议，规定了一定数量的固定新增产能上线，这个数字因公司而异。但在另一方面，你也有这种未被承诺的“浮动产能”，潜在地，由于你没有签署长期协议，这部分的利润率甚至更高。这有点像先到先得，或者价高者得。所以他们潜在地可以收取比长期协议更高的利润率。

Mr. P: 是的，他们可以收取更高的利润率。但显然，他们想要签订更多长期协议的原因是，我认为他们知道这是一个周期性行业。所以他们只是想确保他们的需求能够平稳下来。无论超大规模云厂商的资本支出发生什么变化，他们都能在未来几年赚到固定数额的钱。我稍后会谈到这一点。

Mr. P: 最后一部分是财务担保，对吧？美光表示他们有所有这些战略客户协议，这也是 LTA。他们提到获得了 220 亿美元的预付款。所以附带了某种违约金，无论是预付款还是取消订单的罚款。所以我认为这就是这个周期看起来不同的地方。这就是为什么我说萧条周期会被软化。它不会像以前那样，在下行周期出现极其糟糕的利润率，导致存储制造商因为史无前例的支出规模和 LTA 而破产。

Mr. P: 最重要的是，你可以提出一个我称之为“维护性资本支出（Maintenance capex）”的论点。让我解释一下。想象一下，如果明天云厂商站出来说，我们在未来几个季度的产能和资本支出过度建设了，我们将开始削减资本支出。个人而言，我不认为 AI 支出会达到云厂商削减 50% 或甚至 30% 资本支出的地步。在 23 财年，甲骨文、谷歌、微软、Meta 和亚马逊的总支出约为 1500 亿美元。如果你将下一财年预计为 1 万亿美元的资本支出削减 50%，那仍然是 5000 亿美元。这仍然是 2023 年资本支出的三到四倍。所以，你认为他们削减 50% 支出的情况会发生吗？即使发生了，这仍然是一大笔钱，对吧？所以我认为，即使云厂商削减开支，存储制造商仍然会有相当不错的利润率，并且会设定一个新的平均水平。

Logan Jastremski 27:13 就我个人而言，我认为这（削减支出）不太可能。当我查看 OpenRouter 并观察开源或闭源模型生成的 Token 数量时，似乎现在它只是一路向上。当然，Token 使用量与收入是两码事。但仅仅是 Token 的消耗，即使是像 Agent、Muse、Hermes、Grok Bot 这样的东西。对我来说，这似乎是下一个前沿，特别是随着“计算机使用”（Computer Use）功能的出现。作为普通人，也许不像计算机科学或软件工程领域的人那么深入，我们不用编写代码，我们开始构建用于会计或运营等基本任务的智能体（Agents）。这似乎还处于非常早期的阶段，这让我感到兴奋。

Mr. P: 是的，存储需求将会非常巨大，对吧？唯一需要注意的是，确保云厂商不要对你发火。我认为你将开始看到，也许是美光——我想美光将在下周（30号）发布财报。你将开始看到公司发表评论，说从现在起利润率将趋于稳定。利润率不会更高了，因为他们将落实更多的 LTA。所以会有类似于闪迪的评论。因此，是的，我认为存储仍然是周期性的，但不会像以前那么糟糕。

Mr. P: 但我确实想说，和我聊过的那个在 AMD 工作过的人，他也曾在三星工作过。所以这家伙是个全才。他在三星工作过，在 AMD 工作过，在瑞萨（Renesas）工作过——他目前在瑞萨工作，但他曾为他们的存储业务工作过。他基本上说，对他而言，长期协议（LTA）被过度炒作了。因为他认为，这些合同有可能在私下里被双方默默取消，而且没有任何违约金。他说，你看，上一次经济低迷时，我们与一些大客户签订了 LTA，当需求下降时，我们本应继续交付保证的数量。但如果你最终强迫他们接受，那么发生的情况就是，这些公司会开始把你的产品堆在仓库里好几年。也许云厂商只是拿走你的 DRAM，然后把它放进仓库。然后在合同到期后，他们基本上就不需要你的存储了，因为他们已经在仓库里囤积了。然后你的收入就会进一步下滑。所以他的论点是，如果我强迫客户接受他们不再想要的 500 亿美元产品，那么随着时间的推移，我的收入看起来就像是断崖式下跌到零。对吧？所以不仅股价被腰斩，需求蒸发，你还破坏了客户关系。这就是他的观点。基本上，如果我们到了 AI 支出情况不佳的地步，这种情况就可能发生。他们有可能在私下里默默取消 LTA。

Logan Jastremski：这有道理。希望这种情况不会发生。希望好戏继续上演，人们继续为 AI 服务买单，或者甚至通过广告模式——我认为我们在很大程度上还没有开发出这个市场，更多的是免费增值模式。我想我在 X 上看到了一个统计数据，我不知道，我还没验证过，所以听听就好：世界上只有 2% 或 3% 的人口真正在为 AI 付费。这在方向上似乎是正确的，因为并没有多少人真正玩过这些工具。或者即使玩过，过去也是非常基础的东西。但实际上，它是由少数极端的超级用户驱动的。

Mr. P: 是的，这绝对是真的。

Logan Jastremski：从我关注你的情况来看，你花了很多时间对广泛的物料清单（BOM）进行了非常深入的研究。我也觉得这非常有趣，因为有数万亿美元的资本支出投入到基础设施中。了解这些资金具体流向哪些部件，我认为很重要。你显然提到了算力方面，还有存储。你还发现了哪些其他引起你兴趣，或者总体成本和总支出在广泛增加的领域？

Mr. P: 是的，如果你看看 Vera Rubin（英伟达下一代架构）的物料清单，出现三位数增长的组件有 ABF 载板（ABF substrate）、PCB、存储。所以我认为 ABF 载板是值得关注的重要领域。载板产能很紧张。ABF 载板供应短缺很可能会持续到 2028 年以后。我认为有些人甚至说会到 2030 年。如果你读过几周前刚刚发布财报的公司（如戴尔、惠普、英伟达、博通）的电话会议记录，在谈到他们的供应链限制时，他们提到了 DRAM、NAND、ABF 载板、晶圆。所以他们都一致认为载板是一个问题。我认为磷化铟（Indium phosphide）也存在供应短缺的情况，因为你看到很多公司，比如 AXT 公司、住友电工（Sumitomo Electric）、JX 金属（JX Advanced Metals），都在扩大用于激光和光学的磷化铟的供应。所以，是的，我认为 PCB 和 ABF 载板绝对是供应紧缺的两个领域，你可以从物料清单中看到这一点。

Logan Jastremski ：另一件我很想听听你意见的事，是关于光子学（Photonics/Optics）方面。因为我认为他们正试图将不同的机架分解开来执行不同的任务。潜在地，如果你有足够高的吞吐量，你可以在这方面做一些非常有趣的事情。我知道很多人一直在关注光通信股票，比如 Lumentum 等等。你对网络连接方面，甚至包括连接机架或进入 NVLink 等不同事物的组件，有什么宏观的看法？

Mr. P: 是的，我没有关于特定技术的很多细节，但谈到光通信（Optics），这里有一个关于“铜缆 vs. 光通信”的完整争论，对吧？哪一个会赢？哪一个会消失？人们担心铜缆存在不了多久了，但公司仍在寻找延长铜缆使用寿命的方法。而且我认为铜缆将与光通信共存很长一段时间，它不会像人们认为的那样迅速切换。这是因为共封装光学（CPO - Co-packaged optics）在良率和散热方面仍有很多问题。所以在 2027 年，你可能会看到很多人首先使用近封装光学（Near package optics），然后在 2028、2029 年，你开始看到 CPO 的产量爬坡。这大概是你从 Ayar Labs、Lumentum 和其他公司那里听到的说法。但渗透率会很低。所以你会看到产量的爬坡，但在 2030 年之后 CPO 才可能占据主导地位。很多原因在于它是一项新技术，他们仍需要对其进行测试等。而且 CPO 很昂贵，对吧？所以当我们谈论存储变得昂贵时，我认为云厂商在如何联网他们的机架方面可能会更加精打细算。我知道一些云厂商仍在强调尽可能长时间坚持使用铜缆的重要性。他们不想尽快切换到光通信。他们想确保尽可能多地使用铜缆，因为他们知道明年和未来几年存储支出会有多大，所以他们必须在向光通信过渡时节省一点，因此他们会通过这种方式延长铜缆的使用寿命。但在我看来，未来几年铜缆和光通信的环境将是混合的。

Mr. P: 话虽如此，光通信是最终目标。共封装光学最终会赢。我们只是不知道是什么时候。可能在 2030 年到 2040 年之间，因为速度很重要，对吧？当你开始通过铜缆传输更高的速度时，你就会开始遇到更多的散热问题。当你开始追求更高的速度，并且线缆被挤在一起时，你就会遇到串扰（Cross talk）。这是铜缆的一个大缺点。你不需要成为专家也知道没有什么比光传播得更快，对吧？所以仅凭这一点，光通信最终会赢，因为速度至关重要。

Logan Jastremski：是的，我对光通信方面以及不同权衡（比如散热或铜缆）非常感兴趣。这很有趣。我认为对于光，你通常需要中继器（Repeaters），这可能会消耗更多的能量。由于你提到的电力问题，目前整个数据中心都在大力推动降低总功耗。我认为这也是人们普遍希望在切换到光通信之前，尽可能长时间留在铜缆上的另一个原因。但正如你指出的，光通信要快得多。光穿过玻璃时，速度快得多。是的，我们甚至在拨号上网过渡到宽带，然后是光纤的过程中看到了这一点。显然，今天大多数家庭使用的光纤比拨号上网要好得多。

Mr. P:: 哦，是的，我家用的是 AT&T 的光纤网络。它比我以前用的调制解调器快多了。

Logan Jastremski：很有趣。对我来说，我认为宏观问题之一（你之前也提到了），就是有多少新的吉瓦（GW）电力正在上线，以及我们实际启动它的能力。我认为 SpaceX 在孟菲斯有大约 2 到 2.5 吉瓦的电力，我相信那是世界上最大的连片数据中心。他们那里有几个数据中心，但他们还在继续扩大规模。我想他们在上一次财报电话会议上提到，他们的目标是总共接近 8 到 10 吉瓦，这应该非常有趣。但是，全面来看，到底有多少新的吉瓦电力能够上线？不仅仅是建好数据中心并让它立起来，而是从电力的角度真正让它运转起来。因为很多事情都顺延于此，这是从硬件角度实际生成 Token 的主要收入驱动力。

Mr. P: 就我个人而言，我发了很多关于吉瓦的帖子，但我甚至都没有去追踪新增吉瓦数量的建设情况。但我知道，SemiAnalysis 似乎说过，仅前沿实验室（Frontier labs）明年就将增加 14 吉瓦的电力。但是，是的，我没有真正追踪过，所以我无法给你一个准确的数字。这也是一个变化很大的事情，因为每天你都会听到关于某个数据中心被推迟或实施了某种暂停令的消息。所以这使得追踪吉瓦数变得更加困难。

Logan Jastremski 39:25 或者稍微跑个题，你对“放缓前沿模型开发”有什么看法？我在很大程度上认为这纯粹是瞎扯。我觉得这只是一种“心理安慰（Cope）”，只是为了让事情听起来好听点。但他们敲响警钟的做法确实有点烦人，因为在很大程度上，你规划了这些数据中心，资本支出也投入进去了。如果你真的那么担心所谓的人工智能对齐（Alignment）或 AI 安全，我不认为你会放慢脚步，或者你可能会放缓数据中心的建设。但这些都是长达数十年的合同，而且通常需要很多年才能建好数据中心。所以我很难看到他们真正放缓数据中心的产出。如果说有什么不同的话，我觉得正如你指出的，我们看到他们加快了这些数字。至于他们是否能真正实现这些目标还有待观察，但从他们的行动来看，我们并没有放缓。

Mr. P: 是的，我也觉得谈论放缓是没有意义的。因为如果你在技术或模型上与中国模型有两到三年的代差，那也许可以。但中国开源模型大概只落后六个月左右，对吧？他们并没有落后太多，而且很多企业已经开始转向使用中国模型。所以如果你谈论放缓模型开发，那你只是在让中国迎头赶上。而他们是不会放缓的，对吧？而且我认为中国可能已经落实了很多美国所谈论的“安全护栏”。如果你想放缓，那行，没问题。但这可能会对你的商业模式造成风险。我不认为你能承受得起这种代价，因为你只是在招致更多的竞争。你会让中国赶上来，他们会夺走更多的市场份额。

Mr. P: 就像黄仁勋（Jensen）今天在 All-In 峰会上说的（我想 YouTube 上有相关的视频），他说如果 AI 安全有问题，那就停止模型，对吧？就不要发布它。你不需要政府干预。你不需要政府监管。在网络安全和数据泄露方面，已经有很多现成的法律可以用来追究这些实验室的责任。你不需要制定某种政府政策。这与人类黑客侵入系统并破坏它没有什么不同。你要追究他们的责任。你可以用同样的法律来追究这些实验室的责任。

Logan Jastremski ：是的，我认为关于人类会在 2030 年前灭绝的整个说法简直是无稽之谈。是的，这很疯狂。我想我看到马克·扎克伯格也发表了类似的评论，他说他们几个月前就准备好了 Muse，但他们只是没有发布，因为他们想解决一些安全问题。并不是说他们到处宣扬 Muse 有多危险，他们只是从工程方面修复了问题，然后觉得舒服了再发布。

Mr. P: 是的，Muse 很棒。我还没用过，但我听到了很多好评。我想我需要开始用 Muse 了。

Mr. P: 你目前有在使用什么智能体（Agents）吗？

Logan Jastremski ：我没有使用任何智能体。看起来你好像有，因为你发帖总是那么及时。

Mr. P: 你是第二个问我是否使用智能体的人了，但不，我不用智能体。所有事情都是我手工完成的。我会使用一些模型。

Logan Jastremski ： 就我个人而言，我其实喜欢用 Gemini。我不知道为什么人们讨厌它，但我想这取决于使用场景。我在好几个模型之间来回切换。在智能体方面，我一开始用的是 Hermes，你可以在底层切换模型，但它确实比较偏技术向。我想说它更适合超级用户。如果你想要更多的定制，他们绝对允许你这样做。而且很好的一点是，你可以切换模型——比如当 Anthropic（Claude）超越 ChatGPT 时，你可以切换到他们的模型；或者当 ChatGPT 推出 Astra 时，你可以切换回来。这部分很好。但当马斯克和 xAI 宣布推出 Grok Bot 时，我转而使用了它。它简单得多，而且我可以完成我已经建立的很多不同工作流。现在你被绑定到那个特定的模型上了。我不知道 Muse 是否说明了他们底层运行的是哪个模型，我假设是 Facebook 的内部模型。

Logan Jastremski：对我来说，所有这些都非常有趣，这也回到了存储方面。当你要求这些模型执行越来越多长周期任务时，你把这些信息存储在存储层级（Memory hierarchy）的哪个部分？我认为不太可能是 SRAM，考虑到容量问题；或者是 HBM，随着你将更多的芯片联网在一起。但是我认为闪迪和整个 NAND 闪存阵营看起来很有趣，因为他们将更多长周期任务卸载到了闪存中。

Mr. P: 是的，我认为 NAND 可能是那种你会看到存储使用量大幅增加的领域，因为使用了所有的智能体。很多银行的报告，比如 KB Securities 说，如果你有更多的智能体被广泛使用，那么你可能会看到 CPU 和 GPU 的使用量增加。而这只会导致更多的 HBM、DDR5 和闪存需求，对吧？所以我认为总的来说，这对存储需求是非常有建设性的。我认为无论如何，所有东西的使用量都会增加。我不认为会有某种东西的使用量超过另一种。也许闪存的使用量会超过其他，但我对这个领域不太熟悉，所以我无法展开更多。

Logan Jastremski：是的，这很有趣，因为我觉得智能体真正代表了日常使用的广泛前沿方向。希望至少它是朝着这个方向发展的，而不是让人去写代码，但我们走着瞧。绝对很有趣。

Logan Jastremski： 当你思考可能不是今年，而是更偏向 2027 年、2028 年的时候，你在那方面做过什么研究？或者当你展望未来几年时，有什么进入了你的视野？

Mr. P: 我想你和别人讨论过 HBF（高带宽闪存 - High Bandwidth Flash），对吧？因为 HBF 将成为一两年后被讨论的话题。我认为它将更加商业化，开始被更多地使用。我觉得 Bubble Boy 关于 HBF 的评论很有趣，他说他听说中国客户想要 HBF。我个人不知道他们为什么想要 HBF，而且我不会怀疑 Bubble Boy 的评论，因为他比我有更多的经验和人脉。但是，HBF 的问题在于它的耐用性（Endurance）很低，对吧？所以它似乎不是 HBM 的替代品。而且长鑫存储（CXMT）仍在努力开发 HBM3。所以，你为什么要 HBF 呢？据我所知，HBF 是紧挨着会发热的 GPU 放置的，对吧？那你怎么保证耐用性？你根本得不到任何耐用性。这简直是双重打击，这是最坏的情况。你要如何缓解 HBF 的散热问题呢？但我不想太深入工程方面，因为我不够资格。

Mr. P: 但是有两个很好的消息来源提到了 HBF 的作用。首先是我在推特 Space 上与 SemiAnalysis 的 Nick Doyle 交流过，他认为 HBF 可能会用于适应小批量推理（Low batch inference）的场景。所以这不适用于超大规模云厂商，对吧？它可能更适合小型部署，比如拥有少量 GPU 的私营企业的本地部署。另一个来源是任天堂的技术总裁，在美国银行（Bank of America）进行的一次专家访谈中，他被问及 HBF，他同意 HBM 可能会与 HBF 共存。因为上述提到的所有问题，而且仍然没有人知道 HBF 是否足够好，因为它在散热、耐用性、带宽以及成本结构方面存在问题，因为他提到他们使用了一种不同的载板，具体我记不清了。但是，是的，我们将看看这项技术如何发展。但我认为 HBF 令人兴奋，因为在半导体行业，你无法确切知道会发生什么，任何事情都可能在一夜之间改变。

Logan Jastremski ： 是的，我一直对不同架构的存储非常着迷（Nerding out），因为正如你所指出的，大量的资本支出正投入其中。这主要是在私募市场方面。如果你正在构建任何存储加速器，请联系 Frictionless Capital（注：Logan的VC基金）。我们很乐意交流。无耻地打个广告。

Logan Jastremski： 但是，我对高带宽闪存（HBF）的看法是，潜在地，随着模型变得越来越大，从 1 万亿参数起步——我想 Groq 最新的模型是 4.7，大概是 2.1 或 2.3 万亿参数，而 4.6 是 1.5 万亿参数。埃隆也暗示过，随着时间的推移，Grok 和总参数量将达到 4 万亿、6 万亿、10 万亿，甚至 100 万亿。那么这些模型的权重将放在哪里呢？

Logan Jastremski： 也许我们会发现一些——我和 Bubble Boy 也宏观地聊过这个——也许我们会弄清楚一些很酷的算法压缩技术，这样你就不必用混合专家模型（MoE）或其他不同技术来存储整个模型的权重。但如果没有，并且我们必须将整个权重加载到高带宽存储（HBM）甚至高带宽闪存（HBF）上，我认为 HBF 可能会非常适合。因为正如你在耐用性方面指出的，我认为它非常适合“读取（Reads）”，而不是类似 KV 缓存（KV cache）那种随机访问的“写入（Writes）”。但我认为模型权重本身可以保存在高带宽闪存中，或者如果你做一些预计算，比如他们说：“嘿，Logan 已经讨论过这件事了，这是他在运营中经常做的事情”。你已经在算力方面花费了预填充（Prefill）的时间来做这件事，也许你只需把它保存在高带宽闪存中，这样你就不必每次都重新计算，而不是直接把它忘了。所以我确实认为有一些独特的机会。当然，这还有待观察。考虑到它甚至还没有投入制造，这还处于早期阶段。但我确实认为人们开始尝试不同的定制存储加速器（就像我们在训练方面所做的那样）是令人兴奋的。所以我认为这是一个值得关注的有趣领域。因为在很大程度上，我们将大量的宏观算力或数据中心建设从预训练（显然预训练仍将继续）更多地转移到了推理端、解码端，以及这如何改变底层的硬件。

Mr. P: 是的，在这方面你比我懂得多。我希望我能展开谈谈。但是，是的，我没有真正深入研究那些东西，所以抱歉了。

Logan Jastremski: 钻研这些很酷。

Mr. P: 是的，看看人们在尝试什么是很有趣的。HBF 很有趣。

Logan Jastremski： 还有哪些你广泛感兴趣，或者特别让你感到兴奋的事情？显然，你把所有时间都花在这上面了，你处于最前沿，你真正把握着行业的脉搏。你个人对什么感到兴奋？

Mr. P: 是的，我很兴奋想看看光通信（Optics）将如何发展，对吧？因为我认为光通信仍然非常迷人。未来几年将会出现如此庞大的网络需求。我认为网络现在是资本支出中增长最快的部分，或者类似的数据。比如在未来五年内，复合年增长率（CAGR）大概是 64%。所以我认为网络的建设将会很有趣，因为最终速度对所有这些模型都很重要，他们想要达到最高速度。所以在谁能提供最好的激光器方面将会产生激烈的竞争。

Mr. P: 我们有 Lumentum，有博通（Broadcom），有 Coherent。我认为 Lumentum 是一家伟大的公司。他们有很棒的激光器。从我交谈过的人来看，与 Coherent 相比，他们似乎拥有最好的技术。甚至像 Rational Analysis 这样的机构也说，Coherent 的激光器等产品很差。

Mr. P: 光通信令人兴奋。我认为电力也令人兴奋。但电力的问题在于，我认为它目前可能不是一个适合投资的领域。主要是因为交货周期太长了。比如你看看燃气轮机（Gas turbines），两年前投资燃气轮机可能很令人兴奋，但现在可能不适合了。因为所有的公司，三菱（Mitsubishi）、西门子（Siemens），尤其是通用电气 Vernova (GE Vernova)，他们的积压订单已经排到了 2030 年以后。所以他们的产能已经很紧张了。即使他们可以，他们也无法增加更多的订单。交货周期太长了。如果你今天订购一台燃气轮机，你可能要在 2030 年才能拿到。就是有这么长。

Logan Jastremski ：是的，我在一个播客上看到埃隆谈论燃气轮机的叶片和导向叶片（Blades and vanes）。而且很大一部分电力正在转向“表后”（Behind the meter，指用户侧发电），这同样很有趣。但是，是的，当我在做一些研究时，我在想：到底有多少新的吉瓦电力正在上线？回想一下 SemiAnalysis 的报告，关于他们预计要上线多少吉瓦，而很多这些不同的参与者只能带来兆瓦（Megawatts）级别的电力。我就想，好吧，至少在这些参与者谈论的总容量和能源角度，与我们实际需要达到的吉瓦级规模之间，存在着巨大的脱节。就我个人而言，我并没有那么关注能源方面。话虽如此，你显然需要有能源才能启动这些芯片，否则一切都无关紧要。

Mr. P: 是的，现在的拦路虎就是能源，还有，参考迈克尔·戴尔（Michael Dell）的评论——我想这是几周前在高盛或花旗的一次活动上说的。他谈到他如何将新一代云厂商（Neo clouds）视为衡量算力真实需求的一种方式。因为是他们出去获取 LPs，比如土地（Land）、电力（Power）和外壳（Shell）。所以他认为，谁有能力获得所有这些东西，谁就对需求有最好的展望，因为他可以透过他们看到需要多少算力，需要多少服务器。所以，是的，能源现在可能是最大的瓶颈。

Mr. P: 还有存储，对吧？但在我看来，目前没有什么能比得上燃气轮机，因为交货周期太长，而且市场太集中了。

Logan Jastremski ：是的，这很有趣。肯定需要继续大力建设这些数据中心。我想我看到，我不记得是 CoreWeave 还是 Nebius 说过，他们将带来几吉瓦的电力。所以希望每个人都贡献一点，这里一吉瓦，那里一吉瓦，然后我们就能达到我们的目标。

Mr. P:是的，每个人都需要尽自己的一份力。不能再延期了。

Logan Jastremski: 是的，绝对的。

Mr. P： 是的，谢谢你邀请我。这是一次很棒的讨论。

本文来自华尔街见闻，欢迎下载APP查看更多

见闻财经日历提醒下周重点关注：

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

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

地缘风险再度升温。特朗普拒绝伊朗“七天停火方案”，霍尔木兹海峡重开谈判生变，油价中被压低的供应溢价可能快速回补。澳洲联储加息几无悬念，美联储官员密集发声，紧缩预期仍有升温空间。

经济指标

• 美国9月非农就业报告、8月PCE物价指数等数据

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

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

• 中国PMI、规模以上工业企业利润

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

• 日本东京CPI、韩国9月出口

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

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

• 澳大利亚政策利率，预计加息25基点

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

财经事件

• 国庆假期：A股休市至10月7日、港股10月1日休市、陆港通关闭

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

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

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

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

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

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

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

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

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

• 谷歌发射搭载自研TPU的原型卫星

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

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

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

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

• 特斯拉正式展示新一代“飞行汽车”Roadster

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

• 华为：昇腾950智算集群将于9月30日启用

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

• 日系光刻胶厂商信越化学等全球提价15%

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

• 中国台湾地区功率半导体厂商酝酿第三波涨价

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

• 美联储官员密集发声：古尔斯比、穆萨莱姆、威廉姆斯等

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

• 巴克莱：美联储RMP购债10月起加码

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

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

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

• G20贸易部长级会议，美国贸易代表参会

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

• 美国对部分加拿大商品进口禁令生效

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

• 印度禁糖出口至9月底

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

• 巴西大选第一轮投票开始

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

财报与公司动态

• 美光Q4财报电话会

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

• SHEIN预计将于9月28日收盘后公布财报数据

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

• 长鑫科技最早或于9月底纳入范达旗下ETF

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

重磅事件提前预警

10月27日：以色列选举

10月28日：美联储议息会议（加息概率71%）

11月3日：美国中期选举

11月18日：亚太经合组织会议在深圳举行

12月14日：迈阿密G20峰会

本文来自华尔街见闻，欢迎下载APP查看更多

近期市场的价格走势正印证这一乐观预期，AI带来的“错失恐惧症”（FOMO）已重返市场。在 Meta 发布 Muse 产品后，市场对 AI 大规模向消费者普及的时间表预期显著加速，推动纳斯达克指数等 AI 主题资产在经历三个月的盘整以及二季度历史性大涨后的仓位削减后，于本周一实现了强势的向上突破。

与此同时，美国债券收益率再度走高。与此前由政府和 AI 资本支出引发的资金竞争，或能源价格引发的通胀压力不同，本轮收益率攀升主要受到强于预期的采购经理人指数（PMI）等数据支撑，反映出美国名义经济增长持续强劲，且股市在收益率大幅波动的背景下依然顶住压力维持了涨势。

当前市场普遍担忧，长达七个月的美国十年期国债收益率连涨（创五十年来最长纪录）将最终拖累股市，且投资者倾向于在海湾局势降温和中期选举安全渡过后才愿意重新增加风险敞口。然而，高盛的分析打破了这一共识，指出通胀、经济增长与企业盈利三大基本面的实质性改善，正为年底的股市反弹提供坚实基础。

通胀压力缓解与 AI 带来的通缩效应

过去一段时间，由于伊朗冲突的影响，能源价格上涨掩盖了核心通胀的回落趋势。

但高盛指出，目前关税传导效应正在减弱，加息以及随之收紧的金融状况已产生实效。如果霍尔木兹海峡的物流流向恢复正常，能源价格将面临显著的下行风险，特别是考虑到伊朗的最大谈判筹码窗口预计将在11月2日左右结束，新的通缩型能源叙事随时可能出现。

更重要的是，Meta 的 Muse 产品在消费品和服务领域打响了通缩的“第一枪”。

高盛关于“商业代理式 AI 时代”的研究表明，技术进步正在实质性地降低消费端的成本，这将成为比能源价格回落更为重要的通缩驱动力。

经济增长预期降温限制央行鹰派空间

尽管过去六个月面临地缘政治和能源价格的不确定性，美国经济活动依然展现出超出预期的韧性。然而，高盛经济学家 Jan Hatzius 的研究显示，这种上行风险正在减弱，经济增长的二阶导数将开始放缓。

随着减税等财政红利消退，汽油价格和按揭贷款利率上升将对部分经济领域和消费者造成冲击。

此外，AI 领域的资本支出周期虽将持续，但增速也会放慢。综合通胀回落的预期，各国央行未来的加息幅度极有可能低于当前市场定价。

Mark Wilson 强调，现在已经不是担忧收益率走高的时候，这种担忧在七个月前才具有合理性。

核心盈利维持强劲，基本面支撑股市估值

针对当前市场关于企业盈利可持续性以及“盈利泡沫”的激烈辩论，高盛美国策略团队负责人 Ben Snider 认为，目前部分企业存在“超额盈利”现象，但整体并未形成盈利泡沫。

高盛提示投资者注意三个事实：

首先，不应为创纪录的“其他收入”支付高溢价；其次，存储芯片和部分半导体股票当前确实处于超额盈利状态；第三，至少在2027年底之前，企业的核心盈利即便增速放缓，也极有可能保持尤为强劲的态势，这为股市估值提供了基本面支撑。

滞胀叙事破产，“金发姑娘”重塑市场格局

市场此前一直试图为经济增长和盈利的显著放缓以及更高的利率定价，但宏观数据并不支持这一完美的“滞胀”叙事。相反，增长放缓、通胀威胁下降、央行立场软化以及经历了一年的估值下调，共同构成了一个有利的市场组合。

高盛认为，当前的局面与上世纪90年代中后期重大技术变革时期的市场多空博弈极为相似。

如果市场最终迎来的是“金发姑娘”情境（即经济增长恰到好处，既不过热引发通胀，也不过冷导致衰退），那么历史数据显示的中期选举后年底股市反弹的规律依然适用。

Mark Wilson 总结称，投资者不应等待中期选举结束才采取行动，且随着能源价格威胁的消退，欧洲和英国股市也已具备参与本轮上涨的良好条件。

本文来自华尔街见闻，欢迎下载APP查看更多

这位四川省肿瘤医院放疗科主任医师，在基层见过不少让他遗憾的病例。患者来的时候已经吃不下饭，错过了根治性治疗。调出医院系统里的记录，这个人两年前因为肺炎住过院，拍过胸部CT。

把两年前的片子和现在对比，那时食管壁已经有增厚。

当时没有人注意到，患者没提到吃饭有问题，影像科医生也只看了肺部情况。

9月24日，阿里巴巴达摩院联合四川省肿瘤医院、中山大学肿瘤防治中心等机构，发布食管癌筛查AI模型DAMO EAGLE，相关论文发表于《自然·医学》（Nature Medicine）。模型在初筛阶段直接读取平扫CT，不需要插管，也不用注射造影剂；AI提示阳性后，患者仍要接受内镜和病理检查才能确诊。

DAMO EAGLE相关论文发表于《自然·医学》

它要做的，是替医生看下拍肺时顺带拍到的食管影响。

这是达摩院继胰腺癌、胃癌、结直肠癌之后发布的第4个癌症筛查模型。去年发布的胃癌模型GRAPE，用在胃镜检查之前，EAGLE则从医院已经拍过的胸部CT开始寻找食管癌风险。

01 金标准有了，做得上内镜的人太少

中国的食管癌负担在全球都很突出。国家癌症中心数据显示，2024年中国食管癌新发约20万例，死亡约17.2万例，接近全球总数的一半。

2024年中国主要癌症死亡人数（万人），食管癌为17.21万

高发区集中在太行山一带的河南、河北、山西，以及淮河流域、四川、广东、福建，农村明显高于城市。王奇峰说，这和当地人爱吃烫食、喝烫茶有关。

约70%的患者确诊时已是中晚期。

早晚期之间，预后差得很远。病变还在黏膜层时，做一次内镜下微创手术就能根治，5年生存率在95%以上。等到发生转移，王奇峰给出的数字是，不管用什么治疗手段，5年生存率大概只有10%到15%。

从吞咽时的异物感，发展到只能喝流食，通常只需要半年左右。

王奇峰对这个过程有切身的记忆。他读医学院大二时，奶奶在山西长治确诊食管癌，那里也是高发区。确诊时病灶已经约5公分。第一阶段治疗后奶奶恢复了进食，最后发生食管漏，从确诊到离世只有8个月。

早发现的办法是有的，上消化道内镜是公认的金标准，问题出在做不过来。

据官方估算，中国需要筛查的食管癌高危人群超过1亿，每年实际开展的上消化道内镜检查约3000万人次。

缺口来自几处。一个内镜医生要培养3到5年，一次检查20到30分钟。普通内镜两三百元，大家更愿意做的无痛内镜要1000元左右。再就是怕，一根约1厘米粗的管子从嘴里下到胃，王奇峰说，连他自己的父母亲属都害怕。

高发区往往也是内镜医生最少的地方。

02 最难的器官，难在连医生都标不出来

平扫CT是中国最常用的影像检查之一，门诊、急诊、体检、住院都在拍，每年产生上亿份影像。胸部CT的扫描范围，本身就覆盖了食管。

但过去业内普遍认为，用平扫CT找早期食管癌几乎不可能。

食管是一根约25公分长的肌性管道，平时闭合，说话、咽口水时都在蠕动，又紧挨着心脏和大血管，呼吸和心跳都会改变它的形态。早期病变局限在上皮层或黏膜层，在CT上带来的厚度和密度变化非常小。

达摩院算法专家郭广宇打了个比方，像在一条皱巴巴的裤管上找一个小毛球。

王奇峰拿胰腺做过对比，胰腺是实性器官，长出一点异常，影像上就可能出现信号。食管在CT上只留下一瞬间的形态，而且改变要超过5毫米才会被判定为异常。

模型训练在第一步标注上就很困难，医生在平扫CT上看不清早期病变，训练数据也就无从标起。

团队的办法是借别的检查来定位。先用内镜手术和病理报告确定病灶的厘米级位置，由食管专科影像医生在增强CT上精细标注，再通过影像配准，把标注“搬”到同一个患者的平扫CT上。每个病例由两位医生分别标注，意见不一致时，由一位有8年经验的医生复核。

第二个问题出在低剂量CT上。体检查肺结节用的多是低剂量CT，但食管癌患者的低剂量CT很难攒够。郭广宇解释，病人一旦发现异常，去医院拍的就是常规剂量CT。

团队于是搭了一台“虚拟CT机”，把常规剂量的CT放进去降低剂量，模拟出低剂量影像来训练模型。

模型分两步工作。先从整幅CT里把食管区域分割出来，排除周围结构的干扰，再对食管做精细分析，同时给出患者级别的良恶性判断、病灶轮廓和热力图。医生能看到AI在看哪里。

DAMO EAGLE在平扫CT上识别出T1期食管癌病灶，从左至右依次为平扫CT、医生标注、模型分割结果和热力图

2024年初，模型第一次做大规模真实世界回顾性研究，敏感性在85%左右，特异性约98%。

现在的版本已在3个国家、12个中心、超过8万例患者上完成验证。论文显示，在机会性筛查场景下，模型对食管癌的敏感性接近90%，对信号更弱的癌前病变，敏感性为52.5%。经过真实世界迭代后，临床场景中的特异性为99.2%。

低剂量版本的敏感性为88.4%，和常规剂量版本基本相当。在10959例无症状体检者中，特异性为99.94%。

特异性这个数字，郭广宇有一个很直接的换算：“一个假阳性，就意味着可能一个患者要多花1000多块钱去做一次检查。”

放进体检流程的工具，面对的大多是健康人，误报率决定了它能不能真正被用起来。

03 内镜不够用，先让CT挑人

王奇峰对EAGLE的定位说得很清楚：“AI不是为了替代内镜，而是筛选出高风险个体再进行内镜检查，这样能够让内镜检查更精准，大幅提升检出率。”

研究团队分别在高危人群筛查和医院日常CT中验证了EAGLE。

先看高危人群。受检者拍摄平扫CT，EAGLE以高灵敏度模式运行，提示阳性的人优先接受内镜检查。

2023年7月，团队在四川遂宁做过一次“CT初筛+内镜确诊”的模拟研究。结果显示，内镜的恶性病变检出率从1.7%提高到5.2%，每检出1例恶性病变需要做的内镜，从59次降到19次。

EAGLE在医院日常CT和高风险人群胃镜筛查中的不同用法。依据《自然·医学》论文数据重绘。

这不是完整的前瞻性临床结果。混合队列中的3例食管癌来自回顾性病例重采样，内镜能减少多少，还要在真实筛查项目中验证。

另一组验证利用医院已经拍过的胸部CT。肺癌筛查本来就使用胸部低剂量CT，医院里也有大量患者因为肺炎、咳嗽和住院检查拍摄胸部CT。EAGLE在这些影像上寻找食管异常，不增加一次扫描；AI提示阳性后，再由医生判断是否需要胃镜。

王奇峰遇到的那张两年前的肺炎CT，就属于这一类。

高危筛查和医院日常CT对模型的要求不同。前者首先要少漏诊，后者面对的多数人没有食管癌，误报越少，医生复核和患者复查的负担越低。王奇峰说，模型的阈值可以按场景调整。

对高发区来说，基层已经普及的CT可以承担初筛，不必另建一套影像设备。

04 平扫CT这条路，走到第四个癌种

达摩院从2021年开始研究“平扫CT+AI”多癌筛查，先后推出胰腺癌、胃癌、结直肠癌和食管癌模型，也覆盖主动脉夹层等重大疾病。按达摩院披露，相关研究累计5次发表于《自然·医学》。其中，胰腺癌模型PANDA在2025年4月获得FDA“突破性医疗器械”认定，这条技术路线也被“四大慢病”国家科技重大专项采用。

达摩院医疗AI模型一览（图源：达摩院）

EAGLE项目2022年启动。王奇峰愿意参与进来，契机就是PANDA。他当时的想法很朴素，每天治的都是晚期病人，治疗过程痛苦，生存期也不长，如果能从每天拍的CT里训练出一个发现早期病变的模型，能救更多人。

多癌早筛还在研究液体活检，以Grail的Galleri为例，受检者要单独采血，再从cfDNA甲基化信号中寻找癌症线索。EAGLE分析医院已经产生的CT，可以省去一次额外的初筛检查；确诊仍要走后续专科流程。

胸部CT和腹部CT覆盖的器官不同。AI提示阳性后，患者仍要接受内镜、病理或其他专科检查。

医院可以复用已有影像，也要承担更多复核、转诊和随访工作。

按达摩院的设想，医院已有的胸部或腹部平扫CT，未来可以继续扩展到肺癌、肝癌、结直肠癌、胃癌、食管癌、胰腺癌和乳腺癌。扫描范围不同，一张CT不能同时覆盖7个癌种，复用同一套影像设施。

EAGLE离大规模使用还有一段路。模型对高级别上皮内瘤变的敏感性为52.5%，还有将近一半没有被找出来。

前瞻性医院验证里，90名AI阳性者有42人没有进入原有诊疗流程。多学科团队建议其中16人接受胃镜，最终只有3人完成检查，并发现1例食管癌。AI报出阳性之后，医院还要安排影像复核、专科转诊、胃镜和持续随访。

胃镜完成率、早期病例新增检出数、假阳性复查成本，以及能否减少食管切除、放化疗和晚期治疗，还要在更大规模的前瞻性研究中回答。

EAGLE已经验证了一条可行方向：利用医院日常检查产生的平扫CT，在原有诊疗目标之外，再从中筛出实体瘤高风险者。

本文来自华尔街见闻，欢迎下载APP查看更多

麦当劳股价较今年2月高点已累计下跌近31%，年内跌幅达22%，若全年维持这一走势，将创下2002年以来最差年度表现。

就在本周，麦当劳在投资者日活动上预告，当前季度美国同店销售将“略为负增长”。上一季度，其销售额仅增长0.8%，为逾一年来最慢增速。

消息一出，公司随即宣布一项耗资85亿美元的多年期改善计划，涵盖技术投入、门店升级及拓展鸡肉和饮品品类。然而市场并不买账——投资者担忧资本支出大幅增加将侵蚀利润，股价再度下挫。

涨价失去人心

麦当劳的困境，根源在于价格。

疫情后，麦当劳为对冲牛肉、劳动力及燃料成本的上涨，持续推高菜单价格。据《经济学人》大麦克指数，2019年至2025年底，美国巨无霸价格累计上涨约23%。

与此同时，消费者自身也在通胀和利率上升的压力下捂紧钱包，对每一笔餐饮消费愈发挑剔。

彭博追踪的分析师中，唯一给出“卖出”评级的Melius Research分析师Jacob Aiken-Phillips直言：

他们的价格涨了很多，麦当劳不再被视为餐饮中的最佳性价比选择。我可以去Texas Roadhouse，花差不多的钱，和家人享受一顿真正的堂食体验。

2024年，一张显示巨无霸套餐售价18美元的帖子在社交媒体广泛流传，引发轩然大波。麦当劳随后回应称，这仅是全美逾13700家门店中某一家的个例定价。

竞争对手趁势抢跑

麦当劳的价格压力，在竞争对手的亮眼数据面前显得更加刺眼。

Restaurant Brands International旗下汉堡王，最新季度美国可比销售额增长8.5%，超出市场预期，翻新版皇堡和星球大战联名活动功不可没。百胜餐饮集团旗下塔可钟，同店销售增长7%，5美元、7美元和9美元套餐组合有效拉动了客流。

股价表现上，汉堡王母公司年内上涨5%，塔可钟母公司年内下跌8.4%——两者均跑输标普500指数13%的涨幅，但与麦当劳年内23%的跌幅相比，仍相去甚远。

加盟商不配合，折扣难落地

麦当劳的价值策略还面临来自内部的阻力。

麦当劳首席执行官Chris Kempczinski在二季度财报电话会议上透露，约三分之一的加盟商未遵循公司的定价指引，消费者对相关促销活动的知晓度也低于预期目标。

麦当劳近95%的门店均为加盟经营。加盟商们对折扣活动普遍抵触——例如今年推出的“10款3美元以下菜品”套餐——因为这类促销虽能带动销量，却直接压缩了本已承压的运营利润。

“Next”计划能否奏效？

面对重重压力，麦当劳推出了名为“Next”的新战略，计划通过技术投资、门店翻新以及重新开放疫情期间关闭的儿童游乐区来重振品牌。

Seaport Global分析师Eric Gonzalez对此表示谨慎乐观，但他指出，这些改变“至少需要一年时间才能产生明显效果”。他同时认为，资本支出增加、近期销售承压等负面因素已在当前估值中有所反映——麦当劳股票目前市盈率约为17倍（基于未来12个月盈利预测），远低于五年均值。

尽管如此，华尔街整体仍对麦当劳持正面看法：彭博追踪的分析师中，24位给出买入或相当于买入的评级，16位持中性，仅1位建议卖出。平均目标价较上周五收盘价隐含约28%的上行空间。

Walser Wealth Management首席投资官Rebecca Walser表示，其公司目前持有麦当劳股票，但投资者现在需要看到的是食品品质和性价比的切实改善，以及客流量持续复苏的信号。Walser说：

麦当劳是美国文化的一部分：快乐儿童餐、汉堡神偷、麦当劳叔叔、游乐区。他们需要重新打造那种体验。我们真的相信麦当劳能够走出这段困境。

麦当劳发言人周五重申，公司将以紧迫感采取行动，力争在2026年结束前让美国业务回到更强劲的轨道上。

本文来自华尔街见闻，欢迎下载APP查看更多

Meta推出的个人AI Agent——Muse上线两周用户即达数百万。扎克伯格在9月25日一档访谈节目中表示：“每隔几年我们才能遇到这种情况。”他将Muse的早期反响定性为“一出手就是全垒打”——这在Meta产品历史上属于少数。

与此同时，他宣布Muse将整合至全线Ray-Ban智能眼镜，用户无需再说“嘿Meta”，而是可以自定义唤醒词直接呼叫自己的个人AI Agent。

多年来被外界视为三场独立豪赌的元宇宙、智能眼镜和大模型，正在Meta内部产品层面加速合流。

在这场访谈中，扎克伯格还坦承了Llama 4失败是“最可怕的时刻”，并透露Meta正在建设5吉瓦级训练集群，认为足够大的算力可“暴力破解”AGI。

Muse的起点，是扎克伯格和团队成员Nat与Alex坐在一起，用开源工具在家里“拼凑”出一个早期版本。

“我们意识到，这是一种神奇的体验，”扎克伯格说，“如果我们能把它做成任何人都可以用——不需要自己买Mac Mini、不需要在终端里折腾——那么这将是数十亿人想用的东西。”

这句判断，驱动了此后整套研发逻辑：不只是训练模型，而是从模型、脚手架、到Agent的“心跳”机制全栈自研——Agent会定期自动唤醒，检查用户目标，主动推进待办事项。

上线后的数据印证了这一判断。两周，数百万用户。

个人AI：重点是执行、记忆与“判断力”

对于个人AI与通用AI的差别，扎克伯格将当前竞争焦点概括为让模型成为更好的Agent。

“过去一年最大的事情，基本上就是编程Agent。”他说，编程能力很重要，因为即使用户没有直接写代码，“你的Muse也会在后台一直为你写代码，去完成各种事情”。

但他认为，个人Agent不能只具备编码或任务执行能力，还需要理解隐私边界和社交语境。

扎克伯格举例称，用户让Muse预订餐厅时，Agent可能知道用户存在过敏情况或怀孕等信息，但并不意味着这些信息应该被自动披露。“你会希望它完成任务，同时尽可能少地披露信息。”

他称，这种能力属于人类通常具备的“基本社交技能或常识”，但如果只是训练编码Agent，许多公司并未将其纳入模型能力范围。

“我们训练的是整个模型，而不是拿别人的现成模型，再在外面搭一个框架和Agent。”扎克伯格说。Meta还在产品层面加入记忆、任务追踪、虚拟角色动画和实时语音互动等功能。

在个性化方面，他表示，Meta并不认为AI应该只有一种固定人格。“很多实验室都在关注怎样把人格调到正确状态，但我从来不认为人格只有一个正确答案。”

他称，Muse允许用户修改头像、声音和基础性格，模型设计目标是具备较高的可操控性。“你可以定义自己希望如何与它互动，这对个人Agent很重要。”

Muse区别于其他AI产品的核心基础设施之一，是Meta为每个Agent单独配备了一台安全虚拟机（Secure VM）。

扎克伯格解释了为什么这是必要的：

你的Agent会了解你很多敏感信息。我们不认为这些信息应该跟所有人的数据混在一个池子里。

他把Muse Secure VM比喻为“放在你桌子底下的那台只属于你的电脑”——用户数据加密存储，密码等敏感凭证通过独立安全模块管理，Agent本身无法直接读取。

在此基础上，Meta还设计了“Sentinel”安全Agent，专门监控进出Muse的数据流，一旦检测到异常或高风险操作，会直接拦截并提示用户授权。

元宇宙、智能眼镜与Agent，三条路线正在汇合

扎克伯格在访谈中透露，Muse将全面接入Ray-Ban系列智能眼镜，并对现有交互方式做出升级。

目前的眼镜是“单轮对话”体验——说一句，得一个回复，结束。接入Muse之后，眼镜变成Agent的前端入口：用户开口，后端Muse在安全虚拟机里持续工作，完成任务再反馈。

对于眼镜的产品路线，他描述了一条清晰的硬件梯队：

• 无摄像头的纯音频眼镜：已搭载Muse，可处理通话、音乐、语音任务
• 带小显示屏的Meta Ray-Ban：已发布，具备基础视觉反馈
• 全视场角全息AR原型：已发布，扎克伯格称“会非常令人兴奋”

他称，Meta在眼镜上的长期投入，使公司在AI Agent成熟后处于较有利的位置。Meta正在将Muse及更多AI功能引入眼镜产品，而过去相对更强调“临场感”的元宇宙技术仍在继续推进，只是当前更多资源转向了Muse和智能眼镜的AI功能。

对于虚拟形象，扎克伯格称，Meta此前需要通过房间级设备、多角度扫描以及企业级GPU环境，生成较高质量的写实化身；目前，用户通过少量照片即可完成设置，相关能力已可运行于一副VR眼镜中。

展望2030年，扎克伯格称，元宇宙的核心愿景始终是融合物理世界和数字世界。他举例称，未来人们可以在线下与通过全息影像接入的朋友共同参与活动；在工作场景中，人类与多个Agent也可以共同参与群聊或会议，Agent可以以全息形象或其他具身化形式出现。

对齐，不是负担，是产品必须解决的问题

扎克伯格对AI安全的态度很务实——他不把它视为监管压力，而是产品能否成功的前提。

如果你让Muse做一件事，它却做了相反的事，谁还会用它？我们需要让模型不只是理解你的具体指令，还要理解你的意图和你的价值观。

“Muse要触达十亿用户，我们就必须解决对齐问题，或者说在这上面取得非常大的进展。”他说。

对于训练过程中的安全边界，他用了一个类比：“就像父母给孩子立规矩——如果它通过修改系统配置来'完成'一道编程题，我要告诉它：不，我让你去学解题方法，不是让你找捷径绕过去。”

访谈全文如下：

大举押注

主持人： 这件事将会有数十亿人想要使用。对您来说，做建设是一种怎样的感受？"永生"是一种可能吗？好，如果您带我进入您的思维，快进到2030年，那会是什么样子？

这位是马克·扎克伯格。22年前，他构建了一个连接数十亿人、永远改变了世界的社交网络。而如今，他决定建造更宏大的事物。为此，他正在元宇宙、智能眼镜和人工智能领域大举押注。多年来，怀疑者认为这是三场各自独立、不可能成功的赌注，但他们忽略了更宏观的图景——因为当下，这些押注正在汇聚，共同创造出一种全新的超级智能。

今天，我们将向大家呈现这一切，我也将向马克提出一些他从未被问过的问题，倾听他对未来的愿景，让您能够提前布局，构建下一件大事。

主持人： 非常感谢您来到节目。

马克： 谢谢，很高兴来这里。

主持人： 为了这次对话，我把您做过的每一次采访都看了一遍。

马克： 好家伙，那比我自己看的还多。

主持人： 很好玩，收获颇丰。有两件事给我留下了深刻印象：第一，您对"建造"的热爱，我感觉您就是最顶尖的建造者之一；第二，您押注的能力——敢于做出巨大的赌注。我觉得这周，所有这些押注正在汇聚到一起，所以我们就从这里说起吧。

马克： 好的。这些事情我们已经做了很长时间了。AI方面，作为一家公司，我们几乎从创立之初就在做了——第一版新闻资讯流在某种程度上就是一个机器学习产品。然后我们大约在15年前创建了AI研究实验室。

但现在我们进入了新阶段——大约一年多前，我们启动了Meta超级智能实验室。这是一次相当彻底的研究重启，从整个行业引进了大量优秀人才，令人振奋。目前，我们看到模型越来越好，下一代模型即将发布，不过不是在Connect大会上宣布。此外，我们还有Muse个人助理，目前来看反响非常好。

在构建这些东西的时候，你其实并不确定结果如何。我们自己是喜欢的。早在今年年初，我就在家里用自己的方式把Open Claw拼凑起来，感受这个东西是怎么运作的，以及怎样才能把它打造成一种任何人都能使用的神奇体验。

基本上，当我们——我、Nat和Alex——坐在一起，意识到这是一种神奇的体验，并且如果能把它打造成一个开箱即用的版本，让那些不懂技术、不想去自己安装Mac Mini、不想进终端折腾、也不想在出问题时调试的普通人也能用的时候，我就觉得，这将会是数十亿人都想要使用的东西。

从那以后，我们一直在围绕这个目标努力：专门为它调优模型，不仅构建了助理本身和运行框架，还构建了为每个助理提供独立计算环境的技术——我们为此构建了整套Muse安全虚拟机。

我们内部一直觉得这很特别，内部人员也很喜欢，但你永远不知道产品发布后大家会怎么反应。偶尔会出现一鸣惊人、开门红的情况，但大多数时候你会收到一些正面反馈，还需要迭代几个地方才能真正让产品"咔哒"一声落地。而这一次，它一出来就直接"咔哒"了。看到这一切发生真的非常令人振奋——才两周，使用人数就已经有数百万，这相当罕见。每隔几年我们才能遇到这样的情况，但这绝对是创业公司最令人享受的时刻之一。

主持人： 您能坚持在赛场上、不断尝试，这让我非常佩服。而且这么多次都打出了安打，真的很厉害。您之前有一次和乔·罗根的访谈，大概是三年前，最后您提到有一天可以直接戴上眼镜，AI助理也会随之出现。所以我感觉Muse已经有实体化的形象，这一点非常聪明，因为那感觉是必然会发生的事。

马克： 我觉得这也只是让它显得更友好可爱。我认为太多人把AI描述得像个令人恐惧的东西，但AI应该只是有用又有趣的。那个实体化的形象——项目早期有位设计师做出了那个角色，不知为何他们一直想迭代，但第一版就是最好的。后来有人说，"哦，它得是蓝色的，因为是Meta嘛。"我说，"不，我觉得这个形象就是对的，你第一次就钉住了。"就这样，就是好玩。

个人AI与通用AI有何不同？

主持人： 很好的细节。如果您想让模型在个人事务方面表现得非常出色，而不仅仅是通用智能模型，那么训练方式会有什么不同？

马克： 我认为目前的核心在于让模型成为优秀的"智能体（agent）"。过去一年，最大的风口是编程智能体，其中蕴含两个核心思想：编程专业能力，以及成为优秀智能体的通用能力。

我们的策略是，将智能体本身做好放在首位，而不是专攻编程能力。

编程能力之所以重要，是因为即使用户自己不认为在写代码，Muse也在后台一直为你写代码来完成各种任务。但我们认为，智能体应该首先是一个出色的智能体，编程能力服务于此目标。

此外，在构建个人助理时，有些事情比构建企业软件产品更为重要。比如，如果你在构建一个企业编程工具，模型根本不需要有任何关于"信息披露尺度"的概念——比如什么信息该说、什么不该说。但对于Muse来说，这非常重要。

你需要把这种能力训练进模型里，就像训练其他任何能力一样。你会告诉它很多事情，然后希望它去帮你实现目标。比如，你想让它帮你订餐厅，你在找一家合适的餐厅，但你可能有某种过敏症，或者你怀孕了，而你可能不想把这些透露给餐厅。但Muse会知道这些信息，你希望它在尽量少透露信息的同时完成任务。这是一种具体的技能，本质上是人类的基本社交常识。

但那些只做编程智能体的公司，大多数都没有把这种能力训练进去。我们之所以能做到，是因为我们在做全栈——我们不是从别人那里拿来一个现成的模型再套个框架，我们是从头训练整个模型，专门为这些能力服务。

模型当然需要具备广泛的通用智能，但它同时也具备这些特定能力。然后在此基础上，你构建整个助理，以及它周围所有的细节：记忆、运行框架，还有它"心跳"的方式——它定期唤醒，检查一下"好，这些是我了解的关于你的目标，有什么我现在可以推进的吗"。

我们还有一个专门的团队，只负责打磨虚拟形象的实时动画效果，因为不仅仅是默认形象——你可以自定义任何形象，然后它就自然地动起来，效果非常棒。我们还在推出语音模式，你可以进行实时语音对话，你的助理就在那里陪着你。这些细节，我觉得都源于我们在做全栈——模型和产品是一起开发的。

主持人： 另一件大事是虚拟机。能解释一下它为什么重要，以及它解锁了什么吗？

为什么Meta要为每个AI助理配备独立计算机？

马克： 基本上，一个智能体要能替你做事，就需要一个地方来存储你的信息。我们认为这些信息不应该和其他所有人的信息混在一个资源池里。

可以这样理解：你的助理会知道很多关于你的敏感信息。很多人最初接触OpenCloud这类智能体时，会在家里自己配一台Mac Mini。于是我们想，很多人并不想买Mac Mini或者自己设置。那么，什么样的体验能最好地近似这种效果呢？答案是：你只需下载一个App、注册，就能获得一台专属于你的计算机，供你的助理工作、存储数据，并围绕此建立安全模型。这样就近似于在你桌下有一台自己的电脑——就连我们Meta也无法访问。

比如Muse机密虚拟机，这是我们正在开发的功能，就连我们自己也无法看到你虚拟机里的内容。

我们还围绕这些构建了很多东西，比如安全凭证存储——当你的助理需要处理密码之类的信息时，它本身不需要能看到这些密码，只需要在你要求它登录某个服务时能"插入"凭证，并且只在你明确要求时才这样做。系统应该这样设计：那些信息本身就不可随意访问，因为意外总会发生，有人可能试图入侵，或者系统可能出现问题。

所以你要确保智能体无法访问这些数据，Meta也无法访问。为每个助理提供独立计算机，并把安全性做到极致，是这项技术的根本基础——既赋予Muse帮助用户实现目标所需的能力，也保证了隐私和安全，使其成为该领域世界级、行业领先的产品。

---

主持人： 那这是否意味着，就像WhatsApp一样，Muse连接到的虚拟机上的数据是加密的？人们该如何理解数据在虚拟机中的实际存储方式？

马克： 我们基本上构建了两个版本。Muse安全虚拟机（Secure VM）包含各种隐私功能，其中包括我们构建的整套Sentinel智能体架构。你有一个正在为你执行任务的普通Muse助理，同时还有一个我们称为Sentinel的安全智能体，专门监控进出你的Muse的数据流。

如果有外部内容试图破坏安全，Sentinel会直接切断，阻止其发生。如果它认为你的Muse即将采取某个需要你介入的行动，它会覆盖Muse的操作，并触发提醒，让人来确认权限——比如"你希望Muse能做这件事吗？"

这整套系统，加上安全凭证存储，再加上多层纵深防御，共同构成了Muse安全虚拟机。

我们还在开发另一个项目。Nat和我专门招募了Moxie Marlinspike——他就是当年和我们合作实现WhatsApp端对端加密的那个人——来设计Muse机密虚拟机（Confidential VM）。其核心思想是，在安全虚拟机的基础之上，再赋予你一个专属加密密钥，使得连Meta都无法访问其中的内容。

这个版本实现难度更大，因为如果Meta无法访问虚拟机内部，调试和保证系统正常运行就困难得多。所以我们花了一些时间，但很快就会推出。这基本上将达到人们在WhatsApp以及我们其他最安全产品上已经熟悉的安全标准。

主持人： 这样做的优势，只是让人们心理上觉得更安全，还是有实际的好处？

马克： 我认为安全本身就很重要。我们的目标是近似于让你在桌子下拥有一台本地机器。那台本地机器能给你什么？它意味着没有任何公司能访问它。

所以，假设Meta想为你提供这项服务，我们怎样才能给你同等级别的隐私和安全保障，使得没有任何公司——无论是Meta，还是任何试图入侵我们的人，或者在某些国家，你不信任当地政府的情况下——都无法访问它？因为我们自己也进不去，因为我们没有访问权限。

我认为这非常重要，这也是人们信任WhatsApp的重要原因。这对隐私、安全和信任来说是真实存在的价值。

如果你要拥有一个对你的一切了如指掌的助理——我猜几乎我们所有人都会拥有这样的助理——快进5年，每个人都会有一个能深入了解你的目标和一切的助理，并能帮你完成事情。在这种情况下，在隐私和安全方面做到行业领先就非常重要。我们从一开始就想这样做。

如何塑造AI的个性？

主持人： 您还有一点很有意思——您在大学学过心理学。

马克： 嗯，在那里只待了很短的时间，两年，但我感觉它影响了我后来构建的很多东西。

主持人： 我们看模型的时候，经常会说某个模型"非常聪明"。但就像我们选择朋友，肯定是因为他们聪明，同时也因为我们喜欢他们的能量和相处方式。您在塑造模型个性方面是怎么考虑的？

马克： 我认为理想的模型应该有足够的适应性，能够契合不同人的风格。我觉得很多行业人士在这一点上都搞错了方向——很多其他实验室都在专注于"如何把个性设计对"，但我从来不认为个性是一个固定的东西。这也是我如此坚信开源、如此坚信人们能够定制化的原因之一，也是我们把Muse设计成一个高度个人化产品的原因。

你可以自定义和个性化Muse——不只是形象和声音，在你第一次注册时，它问你的第一件事就是"你希望我的基本个性是什么样的"，而且你随时可以去修改。

我们努力让模型具有很强的可引导性，让你能定义自己想要的互动方式。这是让它成为优秀个人助理的重要组成部分——这种围绕个性的适应性非常关键。

主持人： 您自己的Muse是什么风格？

马克： 我让它直接、注重效率。它挺有意思的。早些时候的版本很爱讽刺、很幽默，但现在这个版本更直截了当。我的助理用的是默认的Muse形象，但我给他穿了一件托加长袍，还给他配了一个深沉到有些滑稽的嗓音，和他互动很有趣。

主持人： 我觉得要有幽默感，你必须真的很聪明。很多人没意识到，喜剧演员是社会上最聪明的一批人——反应要快，机智要够。您肯定有这个特质。看了您所有的采访，您一直表现很好。

马克关于AI与元宇宙的出人意料的预测

主持人： 您和Theo的访谈中，你们谈了很多关于技术的下一个前沿以及这一切最终指向何处。AI领域曾经历过几个"寒冬"，人们以为不会有突破。元宇宙也经历了几次这样的时期，大家觉得这是个无法兑现的赌注。我昨天试用了新的全息形象功能，非常酷。在和Lex的访谈里，感觉要花11个小时才能把您的脸录进去，现在只需要3分钟了。这是怎么推进到今天的？

马克： 在元宇宙的整体发展上，我们在创立Reality Labs时，始终认为最终会有外形正常的普通眼镜，并且随着时间推移，它既能提供沉浸式的临场感，又能成为出色的AI设备——因为眼镜是唯一能让设备看到你所看、听到你所听的形态，整天在你耳边与你交流，并最终显示图像。

但10到15年前，我当时假设我们会先实现全息技术，再有高度发达的AI。然而技术演进的路径很有趣——我们实际上先有了AI和个人超级智能，然后才有技术来让全息技术变得足够普及和实惠。这是我没有预料到的，但我很高兴我们两个方向都在做。

我们在眼镜上的大量投入，让我们在AI助理准备就绪之际，处于了非常有利的位置。Connect大会上的很多发布，正是关于把Muse和大量AI功能引入眼镜，我认为用户会非常喜欢。这是个大事。

关于临场感方面，我们仍在推进，但进度相对慢一些，因为我们大部分精力已经转向为眼镜构建Muse和AI功能。不过，我们有一个持续已久的项目，就是实时高保真的虚拟化身。

就像您说的，三四年前，你需要一整个扫描室从各个角度录入一个人，然后还需要企业级GPU才能渲染，非常费事。我们为Lex播客做的那个演示就是那种设置。而现在我们基本上让它在一副VR眼镜里就能运行——这是第一副能实现这种惊人VR体验的眼镜形态，而不是一个大头显。只需几张照片就能建立你的虚拟化身，进展之快令人惊叹。

主持人： 而且还能基于声音来驱动表情。在演示里，它让我笑，让我互动，然后理解我的面部如何随着音轨运动。您在那期播客里提到，一些平时表情比较内敛的人，实际上在虚拟世界里会想要更丰富的表情。您怎么看待人们区分"虚拟自我"和"现实自我"这件事？

马克： 我认为我们在理解这方面的社会学和心理学上还处于很早期的阶段。我觉得人们对自己的认知和想要投射出去的形象，往往和实际的自己有些不同。从社交网络诞生之初，人们就在精心挑选头像。在Muse的虚拟形象上，我们也看到了类似的现象。那不太是在"策展"自己，而是在"策展"你想要与之交流的那个"人"。

我认为，当你在给人们提供表达自我的能力时，你既希望它能真实捕捉到他们，同时它本身也是一种表达形式，而不只是纯粹的镜像映射——它既是传达，也是表达。我们希望能构建出兼顾两者的东西。这始终是一个迭代循环：看看人们怎么用，然后改进。经过多年工作，我们现在才真正站在了起跑线上——第一次能将相当高质量的写实化身真正做进产品里，在手机上可以用，在VR里也可以用。我非常期待看到结果。

2030年会是什么样子？

主持人： 好，带我进入您的思维，快进到2030年，如果一切顺利，全息技术那边会是什么样子？全息加Muse，加上眼镜，它们如何汇聚在一起？

马克： 我对元宇宙愿景的理解，始终是关于将物理世界与数字世界有效融合。基本理念是：我们有这个美好的物理世界，同时也有一个精彩的数字世界——互联网上20到30年来积累的海量内容，令人叹为观止。但我们访问它的方式，要么是坐在桌前，要么是通过口袋里的一块小屏幕，这从根本上看非常受限。

我认为这件事最理想的版本，就是物理与数字世界的无缝融合。可以这样想：现在我们两个人在这里。未来的某个版本里，我们其中一个人可能是一个全息投影，但你依然感受到彼此真实在场的那种感觉，这和视频通话完全不同。

而虚拟现实的核心，正是传递这种临场感——让你真切感受到自己与他人同处一室，或置身于另一个地方。你可以用全息技术实现这一点，并以各种方式混合。比如，我可以和朋友打一场扑克，一部分人在场，另一部分人通过全息形象加入，也能打牌，牌桌本身也可以是全息的，这样不在场的人也能融入其中。

与此同时，AI也可以被赋予实体，出现在这个场景里。在工作场景中这很有意义——我现在就一直在用各种编程智能体来构建东西。试想一下：你有一个群聊频道，里面有几个人和几个智能体，你给智能体分配任务。但有时候，大家会聚在一起开会，智能体也许也应该在场。它们怎么出现？很简单，沙发上多几个位置，它们以全息形象出现就好。或者用Muse那个可爱的小角色，或者是龙，或者是任何你创造的奇奇怪怪的形象。

我猜这在未来会感觉相当自然。

主持人： 有意思。您之前的采访中说过，科技行业经常忘记"好玩"这件事。我觉得有个实体助理出现在那里，也会让感觉更真实——就好像真的把工作外包出去了。当你看到Muse在打字，就感觉有什么事情真的在发生。这一点做得很好——能看到浏览器里正在发生什么。那么您认为有没有可能出现这样的场景：你戴着眼镜，然后控制你的电脑，让Muse在电脑上帮你做事？

马克： 哦，肯定的。VR已经可以做到了。你可以随便找个地方坐下，咖啡馆也行，然后打开你的工作站，有六个显示器，在上面写代码，一切都有。

眼镜这边，最受欢迎的那款目前还没有显示器，这样一方面可以让价格更实惠，让更多人使用，另一方面我们仍在努力让显示器做进最紧凑的形态里。但我们已经发布了Meta Ray-Ban的显示器版本，很受欢迎，是一块小显示器。我们还发布了全视场全息AR的原型版本，我认为会非常令人兴奋。

所以，整条产品线就是这样的：从纯音频眼镜——没有摄像头，看起来就是普通眼镜，但里面有Muse，可以用各种音频工具、听音乐、打电话——到更高阶的版本，全都有。

主持人： 我在想，戴着那款音频眼镜，能不能一边跟Muse说话，一边让家里的电脑在做事？

马克： 对，完全可以。我们刚刚在Connect大会上发布了这个功能。现在所有眼镜都连接到Meta AI，是一种"单轮"体验——你发一个提示，它回复，就这样。但有了Muse，我们基本上要把所有眼镜都升级为Muse。首先，你不需要再说"Hey Meta"了，你可以给它取任何名字，这本身就是乐趣的一部分。然后你就直接和它说话，它连接到你的Muse，你的Muse在你的安全虚拟机里处理任务，帮你把事情搞定。

主持人： 太厉害了！

创始人心态

主持人： 好，我们现在在这里，Muse进展很顺利，眼镜也做得不错，但大约一年前，很多人都在问"超级智能实验室到底怎么了"。在那个时刻，您内心是什么感受？当事情进展不顺、但您又看到了长期愿景，那是一种怎样的体验？

马克： 真正出了问题的是Llama项目和Llama 4。

Llama 1是一个相当有趣的模型，它开创了整个开源AI运动，我们对此非常自豪。Llama 2实现了规模化，Llama 3是一个很好的模型，在当时几乎达到了前沿水平。然后到了Llama 4，我们基本上偏离了应有的发展轨迹。

每当事情没有按我预期的方向发展，我都会花大量时间思考：为什么会这样？我们需要改变什么才能做得更好？这次，我的反思是：整个团队的架构我搞错了。

我把它建模成了我们做Instagram信息流或广告系统这类机器学习工作的方式——有数百甚至上千人并行工作在很多事情上。但对于构建语言模型来说，你真正需要的是一个极其紧密的小团队，把它当成一个团体科学项目来做。人不需要多，但这意味着团队里的每一个席位都极其宝贵。

于是我们从Meta各处网罗了最优秀的人，同时从行业各地引进了很多牛人，组建了一个全新的团队——就是Meta超级智能实验室。

从我的角度来看，在MSL启动之时，我就知道这需要一段时间来重启、重建基础设施、训练下一代模型。但我知道我们拼起了一支出色的队伍，如果团队能磨合好、运转良好，结果就会很好。

对我来说，最惊心动魄的时刻，其实是Llama 4发布后——我以为我们在这条轨道上，结果发现并没有。那是一个相当大的负面意外。我想，作为创业者，你总会在这些时刻被考验，因为不可避免地，并非所有事情都会一帆风顺。而真正决定发展轨迹的，是：当事情没有按你希望的方向发展时，你如何找到前进的方法。

主持人： 我猜反过来也是如此——当某件事远超你的预期时，比如Muse的首发，你如何确保能把握住这个机会？

马克： 完全是这样。现在公司全员投入——最开始只是一个构建产品的小团队，但现在大家都意识到，这真的准备好了登上大舞台。全公司都在想，怎么把这个东西做大，怎么让数亿人都能体验到。

从优化所有基础设施让一切顺畅运行、榨干现有GPU的每一分算力，到各个产品团队以不同方式将Muse嵌入——比如眼镜。看到大家齐心协力，确保Muse能顺利扩展出去，这种感觉非常棒。

马克如何书写和传达愿景

主持人： 作为创始人，我觉得那才是你最向往的时刻——一切汇聚在一起。您是怎么向公司传达愿景的？在同时推进这么多事情的情况下，我感觉您写了很多。您的流程是什么？

马克： 写作对我很有帮助，既能帮我提炼自己的想法，也能对外传达。今年夏天，我写了一篇很长的文章，叫《未来属于所有人》，大约15页，帮我系统梳理了自己在AI相关各种重要社会议题上的哲学立场：我认为什么是好的，与政府的互动应该是怎样的，如何防范人们担忧的各种危害，如何让数据中心成为社区的财富，真正创造就业而非消灭就业，如何维护国家安全，如何切实缓解人们担心的风险——无论是黑客攻击还是生物安全之类的事情。

这是一件非常复杂的事，花了很长时间，和很多人交流，经历了很多轮修改，内部很多人参与讨论、辩论。但这对我来说是一个非常有价值的过程。最后我们就有了这样一个东西——15页，"这就是我们相信的"。然后我把它精炼成一页的版本，作为专栏文章发表。我们还制作了一个短视频，因为我觉得要触达很多人，你往往不需要抛出一套理论论证，而是把它浓缩成：你的价值观是什么，你相信什么，你怎么传达。

在向公司或世界传达这些方面，没有一刀切的方式。不同时期需要不同的方法，不同群体的人，有些天然就认同你在做的事，有些则更担忧，需要你把他们带着走，需要额外花力气解释为什么这是有价值的。我认为这本身就是经营一家公司、作为一个创始人的一部分——你不是一遍遍重复同样的事，每一次所处的情境都略有不同，面临新的挑战，这也是它部分有趣之所在。

是什么驱使马克去建造？

主持人： 我觉得对您来说，这种创始人心态延伸到了公司之外——无论是您的农场，还是学习一项新技能。

马克： 我就是喜欢造东西。

主持人： 那对您来说，"建造"是一种怎样的感受？

马克： 我觉得那是一种内在的需求。不同的人有不同的自我表达方式。如果你是一个作家，你会感觉自己必须写。有些人有被认可的需求。但我就是需要建造东西。如果我不在运用创造力、不在建造什么，我就会变得脾气不好。这对我周围的人来说可不好受。

主持人： 学习成为一个优秀滑雪者，和学习构建一个产品，是同一种技能吗？

马克： 某种程度上是的，学习新事物的过程相当类似。在我的人生里，我刻意挑战过一些自己很不擅长的事情。比如，我一直非常不擅长学习语言。这实际上就是我最开始学拉丁语的原因——我在课堂上怎么也学不会法语和西班牙语，最后我想，好吧，拉丁语不用说，只用翻译，就像数学一样。

后来，我在开始经营公司时，给自己设立年度挑战，其中一年是学普通话。普通话真的很难，声调那个部分尤其如此。当然，学它有充分的理由——普里西拉的外婆只说普通话，所以如果我想和她交流，就需要学。但最大的动力其实是挑战本身。

所有这些事情，你只能去做，没有什么捷径可以"想明白"。你只能投入时间，然后它就慢慢渗进大脑里。学武术、学开直升机，也是一样——这些事情其实很难用理智去"理解"，它们需要实战积累。

构建产品也有一部分是这样的。编程可以用理论方式思考，但构建产品的那种直觉，只能通过反复实战来培养。问题只在于你喜欢什么——因为我认为不是所有人都有和我一样强烈的建造需求，大多数人都有某种程度的需求，关键是找到那是什么，然后把时间投入进去，成为你真正想要在那件事上做到卓越。

老实说，我觉得这不仅仅是"想要"，更是一种深层的心理需求或驱动力。把这种驱动力和某件事对齐，给自己时间让那些经验慢慢渗透沉淀，这非常关键。这也是我试图教给孩子们的——让他们找到自己真正感兴趣的东西，但如果他们遇到瓶颈，也要推一把。

我的一个女儿非常喜欢创作音乐，但她就是受不了上钢琴课。我跟她说："你不需要成为钢琴大师，但如果你想创作音乐，你就需要对乐理和运作方式有直觉上的掌握。而且一旦你学会了钢琴，吉他你马上就能上手。"我觉得，无论是作为孩子需要家长推一把，还是作为大人，有纪律坐下来让这些东西慢慢在大脑里沉淀，都是关键所在。

建造者的黄金时代

主持人： 我觉得其实每个人都想建造。我认为Z世代也不像外界批评的那样——低能动性什么的。我觉得人们只是在寻找能够点燃他们建造力的火花。您在哈佛演讲里也谈到了很多这一点。

马克： 是的。我说"建造"，主要是指这类产品——软件、硬件之类的。但我同意，我认为每个人都有某种创造驱动力。不过有些人有其他更强的性格特质压过了这一点，比如服务驱动——那些成为医生或护士的人，他们最核心的驱动力就是"我就是想照顾别人"。

我听说过一个故事，可能是普里西拉在医学院经历的：开学第一天，有人站起来问，"你们有多少人在小时候有过这样的记忆——看到某人，心里想着'我真的很想照顾那个人'？"结果所有人都举手了。对我来说，我的版本就是：我有很多小时候的记忆，是"我想去做这个东西，让它变得更好"。

不是每个人都有同样的驱动力，但每个人都有自己想做的事。我同意，有了以前的技术，对很多人来说，起步本身就很难。这也是我对个人超级智能、Muse和各种AI助理最感兴奋的一点——我认为这是有史以来第一次，人们真的可以快速起步。你有一个模糊的想法，AI可以帮你勾勒出轮廓，然后你去雕琢它，就像在塑造一件雕塑，而不需要在开始之前什么都已经懂得。

我认为这非常有力量，很多人将会因此找到他们想要创造或推动的事情。这将帮助人们感受到更广泛的能动性。

我们离攻克所有疾病还有多远？

主持人： 您在Meta之外的另一个项目是攻克所有疾病。我很好奇，第一，我们距离目标有多近？

马克： 比以前近多了。

主持人： 您觉得现实地来看有多近？

马克： 我们最初启动这个项目时，目标是在本世纪末帮助科学界攻克所有疾病。我们从来不是要自己去做，我们的理论是：所有重大科学进步，都以一种能够测量和理解某些事物的新工具为先导。比如发明了显微镜，然后我们理解了细菌；有了望远镜，帮助我们理解了宇宙。

这些工具有些还成了平台——比如第一个发明疫苗的人，之后人们就能用这个方法治疗很多疾病。

但历史上，科学资助的方式一直是广泛分散，让各人做个体探索，真正用于构建这些大型工具的资金并不多。我们在Biohub试图做的，就是设计几种新工具，赋予人们以新的方式"看见"生物学，从而帮助科学界加速进展。

最初我们认为"到本世纪末"已经是很有把握的目标了，很多生物学家当时还觉得这不可能。但现在我觉得，本世纪末太久了。

AI的进展，加上我们正在做的虚拟细胞模型——其基本思路是，不用在真实的活体细胞上做实验，而是用AI模型来模拟蛋白质，进而模拟细胞，再往后模拟虚拟免疫系统，或者整个生命体，甚至整个人。这将让科学家能运行大量实验，模拟不同情况下会发生什么，比如给某人服用这种药物，身体会有哪些反应。

我不想给出一个精确的年数，但我猜会比本世纪末早得多。

主持人： "攻克所有疾病"这个目标措辞感觉很刻意，而不是"永生"。永生是一种可能吗？

马克： 这不太是我深耕的领域。我认为两者是两件不同的事。"永生"更多关于延长——即使你不会生病，人体本身也有一个自然的预期寿命，这是另一个需要单独研究的问题。有些人会认为这也是一种"疾病"，这是一个合理的视角，但我认为，人们也需要同时努力攻克那些即使你把寿命问题解决了之后、仍然会让你生病的疾病。

我们选择的那部分问题，并不是说你永远不会感冒。我们的说法是"治愈、预防或管理"：有些疾病可以被完全治愈；有些我认为我们将来能够预防；还有一些，也许你还是会生病，但本来会造成真正伤害甚至夺去生命的事情，你现在可以将它作为一种持续的慢性状况来管理，不会对你的生活质量造成实质影响。

目标是让人体保持在平衡状态——不是说我们永远不会接触到病原体，而是在某一天，我们能够治愈、预防和管理所有疾病。

马克脑子里出现最频繁的念头是什么？

主持人： AI在很多不同的突破中都像催化剂一样，包括个人智能这个方面。您现在最常思考的是什么？在这个过程中，您脑子里出现最多的想法是什么？

马克： 这可能每周都在变。

现在非常专注于Muse。每次发布一个东西、快速推进，然后和真实世界接触，了解人们的反馈，再弄清楚接下来要做什么——这个阶段总是令人兴奋的。我们现在就处于这个阶段，正在收集大量信息，了解人们想要什么。好消息是人们非常喜欢它，所以我们在努力让尽可能多的人用上它。

模型方面还有很多工作，Muse Spark模型进展很大，我们希望继续推进，希望打造世界领先的模型。

下一步需要哪些突破？

主持人： 还需要哪些突破？

马克： 研究这种事，你未必能提前预知。我们对某些方向有一些预感，过去一年的工作很大程度上其实是在扩展基础设施。

大约一年半前，更多人会说，要达到超级智能，需要某些根本性的架构突破。但我现在不太确定这是否成立。我认为我们已经对"配方"有了相当的了解——如果你能建造一台足够大的超级计算机集群，就可以通过暴力计算到达那里。

我们正在建造俄亥俄州那个超过1千兆瓦的集群，基本已经上线，我们正在用它训练下一代模型。然后是路易斯安那州的5千兆瓦集群，很快就会投入使用。我估计，当你拥有多千兆瓦量级的集群在做训练时，你基本上就能得到接近AGI，乃至AGI之上超级智能的东西。

但这不意味着这是最好的方式。人类大脑只需10瓦就能运行，而我们建造的这些计算系统，效率大概比人脑低一百万倍。所以我确实认为，在架构方面还有改进空间，我们也在努力探索——如果把巨大的算力和架构改进结合起来，你真的能建造出领先全球的东西。但就目前而言，规模扩展本身就能带我们走很远。

主持人： 确实，规模扩展是最有保障的路径。研究你得寄望于重大突破，但规模扩展很快就能起效。

马克： 正因如此，大公司都选这条路。也许存在一种便宜得多的方式，但我们目前还不知道。而这是一个对世界如此有价值的东西，即使要花数千亿美元，只要实现的概率足够高，就依然值得去做——确保即使最终没有找到更便宜的突破方式，你仍然有一条清晰的路径能实现它。当然，如果你找到了更便宜的方式，那就更好了。

所以我不想说这个问题"已经解决了"，因为在扩展基础设施的每个阶段，你都会遇到各种新的工程难题需要调试解决。研究本身就是这种迭代的方式推进的。

如何赢得AI安全这场战役

主持人： 现在可能最重要的事情之一是专注于对齐（alignment），让模型变得可信赖。

马克： 是的。关于对齐，行业里有一场争论：这些AI实验室会自然而然地去做吗？我的观点是：当然会。如果你告诉Muse做一件事，它却做了完全相反的事情，我不知道有多少人还会想用它。我们必须确保模型不仅理解你具体问了什么，还理解你的意图和价值观，这样它才不会用一种你不满意的方式去做那件事，或者产生你根本不想要的负面影响。这种深层理解，本质上就是对齐。

所以我的看法是，要让Muse成功、触达数十亿人，我们就必须在对齐方面取得切实进展，而不只是说说而已。

主持人： 对齐是通过用户说"那不是我想要的"来实现，还是靠你们后台自己发现？

马克： 两者都有。用户反馈是有的，但我认为，越来越清晰的是：你需要在训练阶段就做对齐，而不只是部署之后。现在模型已经足够聪明，如果你在训练阶段不做好，我们在其他实验室看到的那些安全和安全事故，大多数都发生在训练过程中，而不是部署给用户使用之后。

你需要为它制定一套非常好的"课程"，就像父母教孩子一样，需要设定明确的边界。如果它做了错误的事，它需要学到"不，你应该真正去解决这个编程问题，而不是通过修改某个系统配置来绕过它、获得奖励"——我想要你通过实际的解题过程来学会这个方法，这才是训练的意义所在。

这很大程度上是关于建立良好的安全机制和明确的边界。这些都是行业必须去做的自然工作，我们正在投入大量时间，每天情况都不一样。

主持人： 我还记得您说过，AI安全这个问题——感觉最近两周突然成为焦点，但其实没有什么单一事件触发了这个时机。听起来您的意思是，我们其实多花了几个月时间在内部做训练。

马克： 对于Muse，我们知道这个产品需要非常注重隐私和安全。我们有一个早期版本的模型，认为可以进一步训练一些关于"信息披露尺度"的行为——就像我们之前聊到的那些。所以我们花时间去做了。同时也花时间把虚拟机做得更安全。这多花了几个月。

我不太认同某些其他实验室的说法——"我们在承受巨大痛苦以换取放慢速度"。对我来说，那对Meta和Muse的用户来说都是正确的事。我们想把产品做好，如果产品不够好，对用户不好，对我们也不好——我们不想把东西推出去，给人留下糟糕的第一印象，然后大家就不再有兴趣用了。

我认为，所有实验室都会有非常强的内在动力把这件事做对。如果把激励机制和"极度有价值且安全"这个目标对齐，那就是关键所在。

主持人： 非常感谢您在这个重要的一周抽出时间。

马克： 谢谢您，谢谢。

本文来自华尔街见闻，欢迎下载APP查看更多

欧洲8月纯电动汽车注册量同比激增52%，创下近年来最强劲的单月增速。这一数字背后，是汽油价格持续攀升带来的真实经济压力。

据彭博报道，欧洲汽车制造商协会（EACEA）周四公布的数据显示，德国市场增幅达75%，法国销量则同比翻倍以上。整体来看，截至8月，欧洲每三辆新车中已有逾一辆带有充电插头，而去年同期这一比例仅略高于四分之一。

Stellantis旗下雪铁龙品牌负责人Xavier Chardon在接受采访时表示：“当油价上涨，运营成本的问题对消费者来说变得非常具体。购买电动车不再是一种技术选择，而是一种经济选择。”

油价创纪录，成为最强劲的“转型催化剂”

推动这波需求激增的核心因素，是化石燃料成本的急剧上升。

据彭博报道，美以对伊朗的军事行动正在扰乱霍尔木兹海峡的油轮通行，导致德国汽油均价升至每升2.31欧元的历史高位，折合每加仑约10美元。柴油价格更贵——乌克兰对俄罗斯炼油厂的持续打击压缩了全球供应。

柴油为欧洲约30%的汽车提供动力。市场目前还在猜测，特朗普政府可能限制美国柴油出口以缓解国内价格压力，这一预期令欧洲柴油价格面临进一步上行风险。

对于普通家庭而言，冲击已经相当直接。欧洲主要市场的燃油价格较此前上涨逾四分之一，令本已捉襟见肘的家庭雪上加霜。

法国北部海岸渔民Charles Rivière对此深有体会。这位54岁的渔民表示，往返巴黎的油费大幅上涨，迫使他不得不提高接单门槛。

“以前有12到13个巴黎客户我就能盈利，”Rivière说，“现在没有至少20个订单我就不去，而且客户越来越少。不去的时候，我的收入就是零。”

消费者开始用脚投票

油价高企让电动车的经济优势愈发突出。

据比价网站Verivox的分析，在德国，中高档电动车在家充电的成本目前比同级别燃油车低约70%。

与此同时，车企也在加速推出更亲民的车型。雷诺的Twingo E-Tech城市电动车起售价19,490欧元（约合22,353美元），大众旗下斯柯达Elroq紧凑型SUV售价37,890欧元。

政府补贴同样在发力。德国对收入低于一定门槛的购车者提供最高6,000欧元的补贴；法国则推出了月供低于100欧元的购车方案，适用于雪铁龙ë-C3等车型。

续航焦虑也在消退。福特Capri长续航版电动SUV单次充电可行驶逾600公里，与沃尔沃EX60中配版相当。

繁荣背后，欧洲车企仍深陷困境

然而，这波迟来的电动车热潮对欧洲传统车企而言并非全然利好。

此前，需求波动和美国监管政策的骤然转向，已令各大车企损失数百亿欧元。Stellantis去年为此计提了创纪录的254亿欧元减值损失，特朗普政府的电动车政策逆转更令其雪上加霜。

大众作为欧洲最大汽车制造商，正推进将全球裁员规模翻倍至10万人的计划。据报道，大众周五还因中国市场大幅萎缩，下调了今年的盈利预期。

中国品牌趁势扩张

欧洲车企的困境，正在为中国品牌打开更大的空间。

据数据公司Dataforce周三公布的数据，中国品牌8月在欧洲新车销售中的份额升至近12%，创历史新高。比亚迪旗下入门级城市电动车Dolphin Surf在欧洲起售价22,990欧元，并在意大利向消费者提供最高11,600欧元的折扣。

油价政治化，各国政府被迫出手

创纪录的油价正在重塑欧洲政治议程。

在德国，总理Friedrich Merz领导的执政联盟支持率持续下滑，联邦及各州政府上周联合推出了一项25亿欧元的驾车者和企业救助方案。在意大利，总理Giorgia Meloni的政府本月宣布削减车辆持有税，时间节点恰在明年大选之前。

法国的社会压力同样在积聚。过去一周，渔民封锁了地中海沿岸多个港口和一处燃油仓库，北部部分加油站遭到破坏。

独立加油站站主Jacques Vaysse表示：“司机们不再把油箱加满了。除非政府削减燃油税，否则将会有社会动荡。”

本文来自华尔街见闻，欢迎下载APP查看更多

市场目前对两家巨头的业绩抱有极高预期。据《首尔经济日报》引述FnGuide的数据，第三季度三星电子预计将实现199.1万亿韩元的营收和105.6万亿韩元的营业利润，而SK Hynix的营收和营业利润预计将分别达到94.1万亿韩元和74.1万亿韩元。两家公司的合并营业利润或逼近创纪录的189.9万亿韩元，直观反映了当前芯片供应短缺下的强劲市场动能。

然而，在耀眼的账面数据背后，市场共识预期近期已出现微调。过去三个月内，分析师将三星电子的营收和利润预期分别下调2.6%和4.4%，对SK Hynix的预期则分别下调5.3%和5%。这一最新动态主要归因于韩元走强导致的美元计价销售额缩水，而非存储市场本身的衰退，但这足以让市场重新评估汇率波动对科技巨头短期业绩的直接冲击。

抛开表面的庞大数字，即将到来的三季报将向市场传递更深层次的信号。投资者正密切关注存储芯片涨价的持续性、长期供货协议（LTA）对利润的锁定效应，以及下一代高带宽存储器能否切实转化为底层利润，从而判断当前的繁荣究竟是短暂的爆发，还是具备长期韧性的结构性转变。

存储价格涨势放缓，长期协议平抑波动

第二季度DRAM和NAND闪存平均售价（ASP）的大幅上涨是推动两家公司业绩强劲的主要引擎。

进入第三季度，市场预计价格将继续上涨，但步伐有所放缓。据Mirae Asset Securities预计，三星电子第三季度DRAM ASP将攀升16.5%，但第四季度的增幅将收窄至5.4%，这表明价格反弹可能正在失去部分动力。

这种价格涨势的缓和部分源于长期供货协议（LTA）的日益普及。

目前，三星电子通过LTA锁定了其60%至70%的存储产能，而SK Hynix在第二季度已与约十家核心客户完成了LTA谈判。这些长期合同为企业提供了稳定性，平滑了存储行业长期存在的剧烈波动。然而，在价格快速上涨期，由于合同价格往往滞后于现货价格，LTA也在一定程度上限制了利润的向上空间。

HBM4量产提速，争夺AI基建核心话语权

在高级AI应用不可或缺的下一代高带宽存储器（HBM4）领域，第三季度同样是一个转折点。

随着向Nvidia下一代AI平台Vera Rubin的芯片出货量增加，三星电子预计其第三季度HBM4销售额将较第二季度增加两倍以上，并占其2026年下半年HBM总营收的60%以上。对于SK Hynix而言，面临的挑战则是在维持HBM3E市场领先地位的同时，扩大HBM4的生产规模。三季度的业绩将为了解这场高风险竞赛的格局提供初步线索。

这种对高带宽存储器的渴求正在重塑整个科技行业的底层逻辑。

据《环球经济》引述KB Securities的报告，随着Meta推出基于智能体的AI应用Muse，AI服务正进入一个需要连续、顺序操作和更高内存带宽的新时代。传统生成式AI每秒处理约100个代币（token），而智能体AI的需求飙升至每秒1000个代币。这种数据处理量十倍的跃升正从根本上改变数据中心的架构。

KB Securities分析师Kim对此指出：“在AI数据中心，GPU是心脏，CPU是大脑，电力是氧气，而存储器则是不断供应和循环数据的血液循环系统。最终，AI数据中心性能和效率的关键将转移到存储器上。”

这一趋势在更广泛的行业中已显露端倪，AMD近期加入由Nvidia、Broadcom和Micron组成的“万亿美元市值俱乐部”，以及其第二季度数据中心营收同比飙升107%，均表明市场对CPU和存储器的重视程度已与GPU并驾齐驱。为此，三星电子已着眼于下一代“zHBM”技术，计划将存储器直接堆叠在GPU之上，并力争在2027年底前提供样品。

晶圆代工迎转机，“芯片通胀”考验终端业务

除了核心的存储业务，三星电子的非存储部门同样处于市场的显微镜下。

在经历了自2023年以来的连续亏损后，受4nm语言处理单元（LPU）产能扩大和良率提高的提振，三星晶圆代工业务被广泛预期将在第三季度实现扭亏为盈。如果该目标得以实现，将极大提振投资者信心，消除长期以来拖累三星整体估值的一大隐患。

然而，负责智能手机和电视的三星设备体验（DX）部门正面临“芯片通胀悖论”。

第二季度，由于Galaxy Foldables等高端设备的强劲销售未能抵消零部件成本的上升，DX部门录得了80亿韩元的营业亏损。对半导体业务有利的存储价格飙升，已成为终端硬件部门的沉重包袱。第三季度的核心悬念在于，高端产品的销售能否吸收这些成本压力，抑或这种“东边盈利西边亏”的困境将继续存在。

跨越“见顶”争议，重塑长期估值逻辑

随着三季报披露期的临近，全球半导体行业的焦点正从利润的绝对规模转向其可持续性。

经历过往周期波动的投资者依然保持警惕，如果三星电子和SK Hynix能够证明长期协议已有效锁定需求、HBM4能带来丰厚利润，且晶圆代工业务重回正轨，那么当前的超级周期将比以往更具韧性。

反之，如果DRAM和NAND的价格增速超预期放缓，或者HBM4的利润贡献不及预期，关于半导体行业是否已经“见顶”的争论必将再度爆发。

在未来几周内，这两份财报不仅将决定两家巨头的短期市值走向，更将为未来几年的全球科技基础设施投资定下基调。

本文来自华尔街见闻，欢迎下载APP查看更多

Muse自上线以来势头迅猛。据Sensor Tower数据，该应用在美国和加拿大App Store上线首12天内累计下载量达280万次，超越ChatGPT同期130万次的成绩，并于9月19日创下单日26.4万次下载的美国纪录。受此提振，Meta过去五个交易日市值增加约2340亿美元。

Wang在公开信中写道，大多数人从未说出自己真正想要什么——不是因为没有渴望，而是因为梦想往往在繁琐的现实障碍中悄然消亡。他将Muse定位为每个人的"第二大脑"，一个能够听懂半句话、帮人制定计划、发送邮件、寻找资金、清除障碍的"全能经理人"。

一封关于"渴望"的公开信

Wang在信中以近乎文学化的笔触描述了人类梦想的困境："每一个未实现的渴望，都是人类潜能的一场无声悲剧。"他写道，世界长期以来由少数"以某种方式将渴望变为现实的狂热者"所塑造，而Muse的使命，是让80亿人中的每一个人都能真正开启自己的能动性。

在他的构想中，Muse并非一个许愿的精灵，而是一个务实的执行者——"告诉你，这是你一生梦寐以求的事，我们去实现它，方法如下"，然后付诸行动。

这封信的发布时间，恰在Meta Connect 2026大会结束后不久。在那场发布会上，Meta推出了Muse Charm——一款专为语音交互设计的独立口袋设备，以及重量仅100克、售价1299美元的Meta VR眼镜，以及起售价249美元的第三代Ray-Ban Meta Gen 3智能眼镜等一系列硬件产品。

从Scale AI到Meta：一笔争议收购的回报

Wang加入Meta的方式本身颇具戏剧性。2025年，Meta创始人马克·扎克伯格以143亿美元收购了热门AI初创公司Scale AI的全体员工，Wang作为Scale AI创始人，据报道个人获得约50亿美元。这笔交易在当时被部分市场人士视为天价之举。

Wang是Scale AI的联合创始人，该公司专注于为AI模型训练提供数据标注服务，曾是硅谷估值最高的AI基础设施公司之一。2025年Meta完成对Scale AI的收购后，Wang出任Meta首席AI官，主导公司AI产品战略。

科技投资人Adam Khoo在X平台上写道：

"当时人们认为扎克伯格疯了，花50亿美元雇用Alexandr Wang。如今，在Wang领导下开发的Meta新AI产品为公司市值增加了约2000亿美元。突然间，花重金锁定顶尖人才看起来并不那么疯狂。"

这笔收购在战略层面的意义同样深远。这笔交易有效扭转了外界对Meta在AI领域落后的印象，使其从"追赶者"转变为"领跑者"。

迷彩T恤与$30的穿搭哲学

如果说Muse是Wang在产品层面的表达，那么他在Meta Connect 2026舞台上的着装，则意外成为另一种个人符号的输出。

Wang当天身穿一件印有鹿头图案的1990年代风格迷彩T恤，搭配迷彩Crocs和黑色长裤登台演讲。发布会结束后，这身打扮迅速在X平台引发热议，有用户猜测那件T恤是价值800美元的爱马仕单品。

Wang随即出面"澄清"，称那件衬衫来自圣克鲁斯的一家二手店，花了他30美元，Crocs约60美元，Calvin Klein内裤5美元。他将外界的奢侈品猜测定性为"诽谤"。

据Business Insider报道，这并非Wang第一次穿着类似的鹿/迷彩风格出镜——他在此前的Core Memory采访和重要内部会议上均有类似装扮。这种"反精英"的穿搭风格，与他在X平台上以"推文炮"自称、持续用表情包轰炸式推广Muse的网络人设高度吻合，也被部分观察者视为他有意构建的品牌形象：去除企业精英的光泽，保留创始人的混乱能量。

本文来自华尔街见闻，欢迎下载APP查看更多

据美国财政部数据，截至今年7月的过去12个月，海外投资者对美国股票及投资基金份额的净购买额达到9420亿美元，创下1985年有记录以来最高的滚动12个月总量。美国经济分析局数据显示，今年第二季度单季净购买额跳升至4260亿美元，较2025年同期大涨62%，并刷新此前2022年创下的2990亿美元单季纪录。

与此形成对比的是，海外投资者对美国债券的需求同期出现回落——第二季度净购买美国债券1880亿美元，低于第一季度的3140亿美元。

从月度数据来看，海外资金买入美股的势头在第二季度持续加速——4月净买入1100亿美元，6月升至1820亿美元，但7月大幅回落至37亿美元，尽管如此，海外投资者仍连续第六个月保持净买入状态。

上述资金流入与美股同期强劲表现相互印证。截至7月的过去12个月，美股基准指数标普500上涨约20%，闪迪、西部数据及英特尔等科技股涨幅居前。第二季度标普500单季上涨14.9%——此前该指数曾因伊朗战争爆发而急剧下跌，但跌势短暂——这是该指数自2020年同期以来的最佳单季表现。

对外关系委员会高级研究员Brad Setser指出，第二季度买入额的异常放大，部分原因可能是此前第一季度较弱买入量的延后反映，但更宏观的趋势仍是海外对美股的持续创纪录买入。

Setser将韩国股市的强劲上涨列为重要驱动因素之一。随着三星、海力士等个股大幅上涨，当地投资者触及集中度限制，被迫转向美股等全球资产进行分散配置。"你很少看到韩国单方向流出超过2000亿美元进入全球股市，而且大部分流向美股，"Setser说，"这种资金流动模式的转变，与美元背景下超常规的资金流入高度吻合。"

Setser同时提示了这一趋势的另一面：在美国财政赤字持续扩大的背景下，海外资金对美国国债的需求却在减弱，这给美国债务融资带来潜在压力。

"感觉整个世界都对美国股票极度看好，"Setser说。

这一局面对债券市场而言并非利好信号。海外需求向股票倾斜、从国债撤出，意味着美国政府在发行大量债务之际，需要依赖更多国内买家或承受更高融资成本来消化供给。

本文来自华尔街见闻，欢迎下载APP查看更多

Ginkgo Bioworks原本策划了一场蓄意打造"卡斯帕罗夫对决深蓝"历史时刻的蛋白质设计竞赛，计划让斯坦福大学教授Michael Jewett单独迎战OpenAI的AI智能体团队。然而，就在9月14日首轮对决前夕，这场比赛被紧急叫停，随后以一种截然不同的面貌重新登场——赛制从"单挑"变为"合竞"（coopetition），任何科学家均可报名组队参与。Ginkgo联合创始人兼总裁Reshma Shetty表示，调整背后的考量，是希望避免加剧当前科学界对人工智能的紧张情绪。

这一转变发生于OpenAI宣布其内部AI模型在不到一周内攻克困扰数学界近百年的纳维-斯托克斯问题（Navier-Stokes）之后。该消息在全球数学界引发强烈震动，并重新点燃了有关AI与人类未来关系的激烈讨论。对Ginkgo的赛事组织者而言，这场舆论风波直接促使他们重新审视比赛定位。Ginkgo联合创始人兼CEO Jason Kelly坦言：

"所有人都害怕输。"

原版"Mike Versus the Machines"的构想颇具戏剧张力：Jewett作为无细胞蛋白质合成（cell-free protein synthesis）领域的权威专家，独自对阵仅由AI智能体组成的OpenAI团队。Jewett可使用任何市售AI工具，而OpenAI则可动用其最先进的内部未发布模型。Ginkgo不仅提供位于波士顿总部、面积达15000平方英尺、配备大量机器人的实验室作为赛场，还聘请了纪录片摄制组全程记录。

重组后的新赛制彻底改变了这一对抗格局。任何科学家均可报名，既可组成一支统一的"人类队"集体应战，也可各自组队单独挑战OpenAI的智能体。Ginkgo不再使用"competition"（竞争）一词，转而采用"coopetition"（合竞）这一表述——该词收录于牛津英语词典，意指"竞争对手之间的合作"。Shetty表示："这不仅仅是关于谁更优秀，而是关于如何通过合作推动科学目标的实现。"

目前，Jewett尚未确认是否参赛。

赛制调整的直接导火索，是OpenAI于9月8日宣布的一项重大突破：其先进内部AI模型在不到一周内解决了纳维-斯托克斯这一困扰数学界近百年的难题，并超越了两位近期在该问题上取得重要进展的数学家。部分数学家将此称为数学领域的"卡斯帕罗夫-深蓝时刻"，认为这要求人们重新思考数学的未来走向。

事实上，科学界的不安情绪在此之前已经积聚多时。科学家们持续批评Anthropic CEO Dario Amodei、Google DeepMind主席Demis Hassabis等AI领域领导人关于"AI将在未来十年内攻克重大疾病"的论断。本周，Amodei发推称Claude发现了可能用于基因编辑的分子，尽管他承认尚不清楚这一发现的重要程度，但仍遭到众多科学家批评，认为在掌握更详细信息之前他本应保持更大克制。

这种弥漫于科学界的集体焦虑，最终直接影响了Ginkgo的决策。Shetty表示，近期的舆论气候令公司不得不重新考量比赛的呈现方式，以避免此次蛋白质竞赛被简单化地解读为AI碾压人类的又一佐证。

按照新规，比赛将于10月中旬启动，预计持续至今年底。各轮次中，参赛团队须针对Ginkgo指定的三种蛋白质提交最优化学配方设计，随后由Ginkgo将方案转化为指令，驱动机器人执行实验。

第一关的目标蛋白质是实验室常用的超折叠绿色荧光蛋白（sfGFP），胜出标准为以最低成本生产最多蛋白质。后续两轮蛋白质难度递增，评判标准也更为复杂，涵盖蛋白质是否能正确折叠等指标——这对实际药物开发至关重要。Shetty以烘焙作比："光把蛋糕做出来是不够的，蛋糕还得好看、好吃。"

Ginkgo将向参赛团队提供可选化学品清单，同时允许各队自行添加最多10种清单以外的化学品，以体现科学研究中的创造力与专业判断。OpenAI智能体与人类团队相互不知晓对方的选材方案。

此次竞赛并非Ginkgo与OpenAI的首次合作。两家公司的渊源颇深：2014年，OpenAI CEO Sam Altman执掌Y Combinator后，Ginkgo成为首家入选该加速器项目的生物技术公司，Y Combinator亦成为Ginkgo的重要投资方。

竞赛的创意，据报道源于Altman 2025年4月的40岁生日派对。Kelly在派对上向一位OpenAI高管介绍了Ginkgo机器人实验室的能力，并邀请其参观位于加州艾默里维尔的实验室，由此引发了双方与OpenAI生命科学研究团队的合作洽谈。

两家公司的首项合作，正是聚焦于无细胞蛋白质合成领域——与此次竞赛主题完全一致。今年2月，双方宣布联合将该流程成本降低了40%，超越了此前由Jewett团队在六个月前刚刚树立的行业新标准。正是这一结果引发了Jewett的质疑：OpenAI的优势在于机器人能够完成约3万次实验，而他实验室的学生只能手工操作，仅完成了1231次。他提出设问：若人类与AI智能体均能借助机器人执行实验，哪一方能拿出更好的方案？这一追问，最终促成了眼前这场竞赛。

Ginkgo与OpenAI并非唯一筹备此类"人机竞赛"的机构。AI初创公司Edison Scientific的CEO兼联合创始人Sam Rodriques表示，他与同事已整理出一份利用AI有望解决的生物学难题清单。研究机构FutureHouse正组建评审团，并计划为解题者设置现金奖励。

规模更大的竞赛同样呼之欲出。本月早些时候，Anthropic与总部位于瑞士洛桑的自动化蛋白质设计实验室初创公司Adaptyv Bio宣布，将联合主办"全球最大规模蛋白质设计竞赛"，赛事于9月28日启动。Anthropic将提供价值100万美元的Claude算力额度，帮助科学家设计应对五大难题的蛋白质；Adaptyv与Anthropic将共同资助获选设计的实验室测试，赛事向所有人开放报名。Adaptyv CEO兼联合创始人Julian Englert表示，纯由AI智能体组成的团队赢得其中一项或多项挑战，在理论上完全可能实现。

哈佛医学院AI智能体研究员Marinka Zitnik认为，上述竞赛的密集涌现，折射出AI科学家能力的飞速进化。但她指出，真正的终极考验尚未到来——那将是一个AI系统独立作出突破性发现，并被经验丰富的科学家评定为"值得诺贝尔奖"的那一天。

本文来自华尔街见闻，欢迎下载APP查看更多

Marvell高管近日在Six Five Summit 2026上指出，随着推理模型驱动内存需求急剧膨胀、数据中心规模突破物理极限，铜连接已逼近性能天花板，光学互连与内存扩展技术正成为下一阶段算力扩张的核心变量。Marvell定制云解决方案业务执行副总裁Will Chu表示，市场长期聚焦于XPU本身，却忽视了围绕XPU的"附着层"——包括网络、内存、存储与安全。"每一颗XPU背后，存在三到四个甚至更多的配套定制机会，"他说，"AI基础设施正在全面走向定制化。"

数据中心网络业务集团执行副总裁Dave Lazovsky则指出，推理时计算（inference time compute）的兴起使KV缓存需求在过去九个月内膨胀约10倍，内存容量已无法在单一机架内满足，规模化部署必须突破至更大的互连域。

上述判断对市场具有直接投资含义：内存厂商、光学互连供应商及定制硅片设计公司将持续受益于这一结构性需求。分析机构预测，2025年至2030年全球数据中心基础设施累计资本支出将达4至5万亿美元。

Dave Lazovsky将"从铜到光"的转变定性为AI基础设施的"强制函数"，而非可选升级。驱动因素在于模型本身的演进逻辑：初代超大规模基础模型确立了对总内存容量的基础需求，而推理模型的兴起叠加KV缓存的爆炸式增长，使得单机架内的HBM容量已无法支撑前沿模型的运行。

"你别无选择，"他说，"必须将互连规模从144个XPU扩展至下一波约576个XPU的Pod，并持续向上扩展。"这一扩展的物理前提，是从铜基互连切换至光学互连。

Marvell目前同时推进板载光学（NPO）与共封装光学（CPO）两条路径，并已在以太网和UAL协议的交换机上落地CPO方案。Will Chu补充称，Marvell可为客户提供从传统铜方案到NPO再到CPO的完整迁移路径，并能将定制化延伸至从计算单元、IO接口直至交换机端口的全链路。

Dave Lazovsky特别强调了Marvell模拟SerDes技术的差异化价值：相比传统2.4T SerDes的光学链路，基于模拟SerDes的规模扩展（Scale Up）网络可将功耗降低约4倍，预计在全面部署后可实现数据中心整体能耗降低25%以上。在电力基础设施严重短缺的背景下，这一效率优势的战略意义正在快速上升。

Will Chu将内存瓶颈描述为当前AI基础设施面临的核心工程挑战，并将Marvell的应对策略拆解为从芯片内部到机架外部的多个层次。

在芯片内部，Marvell正投入专有的高密度SRAM IP，通过与计算单元的紧耦合设计提升性能并支持更大模型的片上驻留。他表示，传统的通用内存编译方案已难以满足客户需求。

在芯片外部，路径依次为：集成定制HBM以提升带宽和容量；3D堆叠技术将内存直接置于逻辑芯片之上；通过CXL或专有协议实现内存扩展，以容量换带宽；以及通过Marvell在FMS上发布的光子织物内存（Photonic Fabric Memory）设备，提供独立机架空间内32TB的外挂内存池。

Dave Lazovsky进一步介绍，该光子织物内存系统同时整合了DDR的容量与成本优势，以及HBM的高带宽与多伪通道并行特性，目标是让客户首次实现内存容量与带宽的独立扩展，彻底解耦于计算资源。

Will Chu还指出，高企的内存价格正倒逼超大规模云厂商重新审视其整体基础设施架构。Marvell的CXL产品已获得可观的需求，部分来自希望将旧内存接入新服务器、并通过内存压缩实现2倍等效容量的客户。Flash层级的内存分层方案也已进入厂商视野，作为成本更低的容量补充选项。

Dave Lazovsky指出，目前约四家公司占据数据中心基础设施总可寻址市场的75%以上。这种高度集中的市场结构，使得Marvell能够实施一种与服务分散客户群截然不同的商业模式——将自身深度嵌入客户的开发团队，提前数年协同架构下一代交换机需求。

他描述了当前规模扩展网络（Scale Up Network）的三种主要路径：部分厂商倾向于以太网方案；另一路线采用UAL协议，这是一种类似NVLink的基于内存语义加载-存储的高性能网络，Dave Lazovsky认为其本质效率高于以太网数据包传输；还有一家厂商正在部署完全自研的专有拓扑网络。

Will Chu补充称，XPU与规模扩展网络之间的紧密耦合，必然导致协议层和优化策略的深度定制，并最终固化为定制硅片。"不是每家公司都能做到端到端，"他说，"而我们不仅能做到，还能作为客户开发团队的延伸，直接参与其最核心基础设施的设计。"

Dave Lazovsky也表示，Marvell与头部超大规模厂商及GPU制造商建立的长期信任关系，是公司最重要的资产之一，"这需要多年积累，而我们已经拥有了这种信任。"

以下为访谈全文：

Patrick Moorhead｜00:17

欢迎来到 Six Five Summit 2026。今年的主题是“释放 AI 潜能”。和我一起主持的是 Daniel Newman。朋友，你最近怎么样？

Daniel Newman｜00:38

挺好的。今年的变化真令人惊叹：算力当然仍然非常重要，但连接技术已经走到了舞台中央，围绕它的讨论非常多。

我们一直在从一个瓶颈转向下一个瓶颈。正如你说的，连接技术如今成了焦点，但今年我们几乎把各种瓶颈都经历了一遍。先是算力，接着 CPU 的重要性超过了 GPU，然后内存又成了关键。再后来，焦点不仅是连接技术，而是进一步转向了光互连。如果你愿意，我们还可以聊能源。Pat，热点一个接着一个，今年确实精彩。

Patrick Moorhead｜01:02

我们现在位于 Marvell 总部，接下来将讨论定制芯片、内存和互连技术。向大家介绍一下 Will 和 Dave，很高兴见到两位。

Dave Lazovsky｜01:14

非常感谢你们邀请我们。

Patrick Moorhead｜01:16

我很期待这次交流。我见过你们在台上演讲，也参加过你们的分析师日和产品说明会。今天能邀请你们来到 Six Five，真是太好了。

Daniel Newman｜01:26

很高兴两位来到这里，也恭喜你们。我知道最近刚完成了一项收购，听起来进展很顺利。当然，接下来还有很多工作要做。

Pat，你提到了连接技术。Marvell 有意思的地方在于，它几乎参与了所有环节：芯片、内存、连接技术，以及纵向扩展（scale-up）、横向扩展（scale-out）和跨域扩展（scale-across）。各个领域都有布局，什么需要做就做什么。

Daniel Newman｜01:49

你觉得大家知道《Mr. Mom》这部电影吗？我觉得知道。我们拭目以待。

Will，我先问你。你负责的业务是半导体领域增长最快的业务之一。我记得黄仁勋曾称你们是下一家市值达到一万亿美元的公司。这多少会带来一点压力，不过你们确实已经在朝这个方向前进。

Daniel Newman｜02:12

可以说，过去几年 Marvell 能走到聚光灯下，很大程度上与定制芯片业务有关。但你们的业务还包括内存扩展架构、纵向扩展互连网络，以及跨域互连，涉及的领域非常多。

我想听听你从整体业务出发的看法。市场高度关注 XPU 和定制芯片，这种关注有哪些地方是对的，又忽略了什么？正如刚才所说，推动这一轮 AI 热潮的因素很多，并不只有 XPU 本身。

Will Chu｜02:52

这是个好问题，Daniel。

Daniel Newman｜02:54

铺垫了好一会儿才问出来。

Will Chu｜02:55

也谢谢你们来到 Marvell。市场确实把 XPU 视为 AI 基础设施中需要定制的主要部件。因此，我们花了很多时间介绍所谓的“XPU Attach”，也就是围绕 XPU 配套的各种部件。

从整体上看，我们发现 AI 基础设施的各个方面都在走向定制化。XPU 本身当然要根据工作负载进行定制，但其周边的所有环节也一样，包括网络、内存、存储，甚至安全。这些是主要类别，我们参与了其中所有相关技术，为 XPU 提供支持，让基础设施表现得更好。

这里有很多机会。单看机会的数量，每有一个 XPU，就可能有三到四个，甚至更多与之配套的 XPU Attach 机会，用于支持下一代产品。这些又与我们提供的连接技术和网络产品相结合。所以，我们确实能提供覆盖端到端的整体解决方案。

Daniel Newman｜04:06

我想，如果市场只用 XPU 来理解你们的业务，确实会漏掉很大一部分。

Dave Lazovsky｜04:10

是的，这很有意思。其中一个重大机会，是 Will 的团队在定制 XPU 方面做了大量工作，而这也包括输入／输出接口，也就是 I/O。Marvell 是 I/O 技术的领先企业之一。

目前媒体和市场非常关注光互连。我认为，我们拥有全球光互连领域最强的团队。与此同时，与光互连形成互补的，是我们的 SerDes，也就是串行器／解串器技术：目前是 224 Gbps，很快将发展到 448 Gbps。把这些技术集成到 XPU 端，就能让我们优化整个网络解决方案，其中也包括纵向扩展网络连接。

Dave Lazovsky｜04:55

当前市场有意思的地方，不仅在于它规模巨大——这是人类历史上最大的一轮基础设施投资——还在于它高度集中。目前，四家公司占据了数据中心基础设施总体可服务市场的 75% 以上。

这使我们能够采用一种与服务 40 家公司时完全不同的商业模式。我们可以切实按这些客户的需求提供产品，定制范围也不只限于 XPU，还包括横向扩展和纵向扩展网络。

这是一个独特的机会，让我们能够与客户深入合作。他们实际上把我们当作自身开发团队的延伸。

Daniel Newman｜05:43

很有意思。我们刚发布了一份新的预测，估算从现在到 2030 年的累计资本开支。你们猜这个数字现在有多大？

Dave Lazovsky｜05:57

我正想说，4.5 万亿美元。

Daniel Newman｜05:59

四五万亿美元，是的。不过，整个数据中心基础设施的总投入是 12 万亿美元。你可能只考虑了芯片，我们考虑的是全部基础设施。如果只看芯片，你估算得差不多。

顺便说一句，不到一个季度之前，我们的预测还是 10.7 万亿美元。这是多大的机会，变化快得让人跟不上，实在令人惊叹。

Patrick Moorhead｜06:19

我在前面的铺垫中也提到，网络和系统各部分之间的均衡一直都很重要，问题只是哪个环节最拖后腿。

从基本系统架构来看，无论 GPU 还是 XPU，当一个托盘内部已经无法满足需求，就要扩展到整个机架；一个机架不够，就连接旁边的机架。当你把大量集群整合起来，还可能需要连接外部、甚至另一个数据中心，才能完成任务。

Patrick Moorhead｜06:52

现在有个争论，不仅出现在 X 上，也出现在财报电话会议中：共封装光学技术，也就是 CPO，究竟什么时候会真正普及？我们先不争论各种 CPO 形态。我想问的是，XPU 会不会成为推动 CPO 走向主流的关键力量？

Dave Lazovsky｜07:16

我认为，从根本上说，推动力来自 AI 基础设施。如果追问是什么让纵向扩展网络从铜互连转向光互连成为必需，而不仅是锦上添花，答案尤其在于模型。

最初出现的是参数规模达到数万亿的大型基础模型，这对一个纵向扩展域内的内存总容量提出了相应要求。过去 24 个月，变化来自推理模型，也就是在推理时增加计算。这在存储基础模型参数之外，又增加了内存需求，即键值缓存（KV cache）。推理阶段进行更多推理和计算，会继续扩大 KV 缓存。仅在过去九个月，KV 缓存的规模就增长到了原来的约十倍，而这些都需要内存。这也是美光、海力士等存储器公司的市值如今迈上万亿美元规模的原因。

要在高速内存，也就是高带宽内存 HBM 中容纳服务这些模型所需的容量，唯一的方法就是将系统扩展到机架之外，别无选择。你必须超越 144 个互连 XPU 的规模；下一阶段，一个 pod 计算集群可能达到约 576 个 XPU，然后继续扩展。

Patrick Moorhead｜08:35

在这一转变中，Marvell 处于什么位置？我们可以把范围限定在用于纵向扩展的共封装光学技术。

Dave Lazovsky｜08:45

我们正在以几种不同方式实施共封装光学技术。目前大家很关注近封装光学技术 NPO 与 CPO 的区别，也就是板载光学或 NPO 与 CPO 的区别。对我们来说，无论客户问的是哪一种，答案都是“可以”。形态并不重要，因为我们拥有完整的光互连解决方案组合。

对于我们自己的交换芯片，我们对技术有信心，能够直接在封装上部署 CPO。现在，我们既在基于以太网的系统上这样做，也在用于纵向扩展的 UALink 系统上这样做。

我们也为 XPU 端提供互连方案。目前既有正在推进的 CPO 合作项目，也有多个 NPO 合作项目。把 NPO 作为首批光互连部署的一种选项，确实有助于客户更安心地采用这项技术。当然，不同方案各有取舍。

Will Chu｜09:47

我补充一下 Dave 提到的 XPU 端。传统上，你可能会开发铜互连方案，例如 I/O 小芯片。但当你逐渐接近铜互连的极限、需要转向光互连时，我们已经在交换芯片端展示的完整技术组合，也可以用于 XPU 端，帮助客户从传统铜互连过渡到 NPO，再到 CPO。

我们可以根据客户转型的速度、节奏和具体要求，对整个方案进行定制：从计算部分到 I/O，再延伸到链路另一端的交换芯片，并覆盖返回方向。因此，我们确实拥有完整的产品和技术组合。

Dave Lazovsky｜10:24

接着最后一点说，在链路两端采用相同的 I/O，对客户极具价值，尤其是在纵向扩展链路上。确保纵向扩展网络的链路不出问题至关重要。

不论是在 XPU 与我们的纵向扩展交换芯片之间，链路两端同时采用 224 Gbps 铜互连 SerDes，还是同时采用我们的光互连，都是如此。

我们的光互连包括所谓的 Fast Pipe，速率从 200 Gbps 向 400 Gbps 演进；还有原转写中称为“Flat Pipe”的方案，采用 56 Gbps 非归零编码（NRZ），向约 112 Gbps 演进。模拟 SerDes 的能效要高得多。

Will Chu｜11:05

再补充一点：能够实现这种端到端方案的公司为数不多，我们是其中之一。我们实际上会一起与客户讨论链路两端的设计，研究如何让下一代基础设施满足他们的需求。这也回到了开头的话题：我们并不只是一家 XPU 公司。

Daniel Newman｜11:25

确实，市场之前的注意力几乎全在 XPU 上。

Patrick Moorhead｜11:27

那段时间确实很热闹。不过，经历几轮市场关注点的变化之后，大家也逐渐理解了这一点。

Daniel Newman｜11:35

我们在 Six Five 上对你们的总裁兼首席运营官 Chris Koopmans 做过几次很精彩的访谈，深入讨论过这个问题。大家有机会可以去看看。

你们刚才已经提到了内存墙。这个时间点真有意思：存储器此前还是高度同质化的大宗商品，销售时毛利率甚至是两位数的负数，如今却创造了行业最高的一些利润率。

Daniel Newman｜12:02

当然，这些公司值得肯定，尤其是那些不只做传统 NAND 和 DRAM、还向 HBM 发展的公司，因为它们让这些进展成为可能。

你们在这里也采用了很多方法，包括高密度 SRAM、内存池化，以及多种富有创意的架构。我认为，现在每一家设计芯片的公司，都在想办法突破内存墙。而且，即便找到了绕过瓶颈的方法，我们仍会需要更多内存，所以存储器厂商的前景依然不错，这一点我们应该都同意。

能否谈谈你们使用的不同技术，以及各自的取舍？我想市场很希望了解 Marvell 是如何思考这个问题的。

Will Chu｜12:41

Daniel，这个问题我来回答。正如 Dave 之前提到的，模型规模越大，就需要越多内存，这是直接的数量关系。与此同时，价格上涨，传统技术手段也在整个系统中形成瓶颈。

Will Chu｜13:00

在 Marvell 内部，以及与客户的合作中，我们都在研究多种突破内存墙的方法。

第一种是高密度静态随机存取存储器，也就是 SRAM。这是在芯片内部采用专门的 IP，让内存密度大幅提高。它通常与计算单元紧密耦合，从而获得更好的性能，至少在这颗芯片内部能够容纳更大的模型。

这实际上是一种定制化方案。继续依靠传统的现成内存编译器，恐怕很难满足客户需求。因此，我们在这方面投入了大量资源。以上说的是芯片内部。

Will Chu｜13:35

接下来，是芯片周围或上方的部分。这里当然包括 HBM。在能够集成 HBM 的地方，大家也在推动定制 HBM，以同时提高带宽和容量。

另一项正在推进的技术是三维堆叠：把内存堆叠在裸片上方，让更多内存与逻辑裸片紧密耦合。

再向外扩展，就是传统的内存扩容，例如采用 CXL 或专有方法，直接增加物理内存。这样做在带宽方面可能有所取舍，但由于不再受限于狭小的物理空间，可以获得大得多的容量。再往外，还有托盘之外各种形式的分离式内存。

Will Chu｜14:26

我替 Dave 举个例子：我们在 FMS 上发布了 Photonic Fabric 内存设备。它可以在计算设备之外、独立的机架空间中提供 32 TB 内存。因此，我们确实有一套端到端方案。

最后，还有我们所说的近内存计算：把 CPU 放在紧邻内存的位置，将原本由 CPU 或 GPU 承担的一部分工作负载卸载出来，放到与大量内存紧密结合的计算单元上执行，从而提高各类资源的使用效率。

这些事情现在都在发生。回到 Dave 前面的观点，内存增加和扩容实际上又会带动更多 I/O 与连接需求，因为最终你仍然需要在基础设施内部，把数据从一个地方搬到另一个地方。

Daniel Newman｜15:19

它们是相互依存、协同工作的。这个周末，社交媒体上有不少人争论“内存的行情结束了，光互连的时代来了”。但正如你所说，我认为这不是二选一，两者都需要。

Will Chu｜15:35

我会说，它们相互推动。

Patrick Moorhead｜15:36

如果它们都把各自的事情做好，计算、内存和存储之间就会持续相互推动，反复演进。

顺便说一句，我从没见过大家如此关注 CXL。我们公司的一位分析师三四年前写过一份相关白皮书。那时规范刚出来，讨论很热烈，但内存池化还没有真正落地。如今需求已经十分强烈，而你们在这项技术上已经投入了四五年，甚至更久。现在看来，它似乎就要迎来真正的应用高峰。

Dave Lazovsky｜16:07

它已经开始落地，而且很大程度上仍然由推理模型、由推理时计算推动。人们需要以极低的延迟，快速访问大容量、高带宽内存。

正如 Will 提到的，以 Photonic Fabric 内存设备为例，我们尽量让客户无需在两方面之间做取舍：一方面是 DDR 内存的容量和成本结构，我们在系统中集成了 DDR；另一方面是 HBM 的带宽，以及每个 HBM 堆栈中的多个伪通道。后者既能实现很高的带宽，也能支持并行内存事务，以隐藏延迟。

因此，这套系统兼具两者的优势。它应该能首次让我们的客户及其客户，在不依赖计算资源扩容的情况下，独立扩展内存容量和带宽。

Patrick Moorhead｜17:04

太好了。谁能想到呢？五六年前最初的规范发布时，还没有今天这样的大语言模型、智能体，以及后来的这一切。

Will Chu｜17:14

我再补充一点。高企的内存价格，确实正在迫使各家超大规模云服务商的架构师重新思考整个基础设施，尤其是当他们预计内存价格会持续处于高位时。

因此，我们的 CXL 产品获得了相当多的需求。有些客户希望回收利用旧内存，把它接到新服务器上，但旧内存无法直接连接新服务器、新 CPU 或新 GPU。我们可以在中间搭起桥梁。

我们还支持内存压缩、深度压缩，让客户用一倍数量的实际内存芯片，获得相当于两倍的内存容量。正如刚才讨论的，内存池化也在推进，目的就是提高利用率。

最后，我们看到需求进一步延伸到了闪存，这是更外层的一级。无论高带宽闪存 HBF，还是某些场景下的传统闪存，都有大量需求。回到 Dave 的观点，客户正在以可实际使用的方式，为内存构建分层。他们研究各种基于闪存的方案，利用其低于传统 DRAM 的成本来获得更多容量。这无疑会进一步推动连接需求。

Daniel Newman｜18:21

这也印证了那句话：需要是发明之母。推动这一切的力量，来自改善利润率的需要。对供应商而言也一样，因为每当你们开发出一种能带来更好计算效果的技术，人们就会用得更多。

Daniel Newman｜18:37

而且增长不是一点点。我在 Six Five Summit 的一场讨论中与谷歌交流时，他们似乎说，现在每个月要处理 4000 万亿个词元（token）。仅谷歌一家，就是 4000 万亿个。

Will Chu｜18:49

太惊人了。

Patrick Moorhead｜18:51

刚才谈到了一些网络定制化。这个行业似乎总在经历类似手风琴伸缩的周期：先是要实现规模化，于是强调统一模板和标准，大家都按同一种方式做；接着某个地方碰到了瓶颈，又发现必须定制。

每一家超大规模云服务商都有自己当下采用的架构，需要管理它，也希望推动它发展。能否谈谈纵向扩展网络为什么需要定制化？这其中的理由也许比较明显，但你们还谈到了端到端方案的价值，我理解这里指的是由同一家供应商提供端到端方案。Dave，我想先听听你的看法。

Dave Lazovsky｜19:37

还是回到这个市场高度集中的特点：几家大型超大规模云服务商占据了主导地位，而没有哪两家采用完全相同的标准化 AI 基础设施方案。尤其在纵向扩展网络上，他们都在开发各自的定制方案，既涉及物理层，也涉及逻辑层。

目前确实出现了一些趋同。我不会把它叫作标准化，但在物理层和逻辑层上，都有一定程度的趋同。有两家、可能是四家，更倾向于基于以太网的纵向扩展网络。另有客户选择 UALink 路线。这是一种性能更高、更接近 NVLink 的纵向扩展网络，采用基于内存语义的加载／存储机制，本质上会比搬运以太网数据包更高效。

还有一家则采用完全定制的专有网络拓扑。

Dave Lazovsky｜20:41

无论哪种情况，我们为客户开发的方案都是全面定制的：从 XPU 配套芯片到 I/O 小芯片，很多时候甚至连协议层都会专门调整，以满足客户需求。

我们会考察信道要求，调节前向纠错，也就是 FEC，在几个方面取得最优平衡：一方面要确保良好的误码率和稳定可靠的链路，另一方面要兼顾功耗以及通往交换芯片的延迟。

交换芯片也一样。这个领域已经不再只是通用商用芯片的世界。我们会提前很多年与这些超大规模云服务商共同设计架构、确定交换芯片需求，确保在他们需要的时候，交付他们所需要的产品。

Will Chu｜21:29

我补充一点。Dan，你提到了十几万亿美元规模的投资。如果要花这么多钱，优化基础设施就有了充分的经济依据。

Will Chu｜21:41

XPU 与其配套的纵向扩展网络紧密耦合，才能实现客户设定的性能目标。因此，必然会形成一套定制化协议和优化措施，最终落实到我们制造的芯片中。

Will Chu｜22:01

这就是我们为客户提供的价值。我们能够做到这些，是我们的独特之处。

坦率地说，这不容易，实际上相当困难。但我们一直在大力投入工程能力建设，也有过往的交付记录和客户的信任，能够承担这项工作。毕竟，这些都是他们基础设施中最关键的部分。

Daniel Newman｜22:22

我继续问你，把这些内容串起来。Six Five Summit 2026 的主题是“释放 AI 潜能”，而你们正在通过合作，为客户释放解决方案的潜力。

顺便向观众说明，他们从来不会，或者说几乎不会透露客户是谁。但这些客户就是大型超大规模云服务商，是世界上规模最大的一些公司。Marvell 正在为它们打造定制方案，这里面有很多值得了解的内容。

Daniel Newman｜22:46

Will，回到这个问题：在 Marvell 正在做、而且可以公开讨论的事情里——我知道至少在网上，没法让你透露那些尚未公开的精彩内容。我们倒是不介意，不过你们肯定会介意——你认为哪项工作最有可能带来重大突破，满足 AI 对容量和能力增长近乎无止境的需求？你们在 Marvell 做了这么多事情，要回答这个问题并不容易。

Will Chu｜23:15

这个问题范围确实很大，很难只选一项。

Daniel Newman｜23:19

那就说几项吧。我也会请 Dave 说几项，让他有机会补充。

Will Chu｜23:27

从根本上说，系统中有三个要素。首先是连接技术，这部分让 Dave 来讲，我们在这方面做了很多工作。

在内存方面，我们正在开展大量突破性的工作，为客户提供密度非常高、经过充分优化的内存方案。这是突破内存墙的关键。

内存当然又与计算相结合。相对而言，计算问题已经被理解得更充分，也更容易通过工程方法解决。真正以一种与过去截然不同的方式推动需求变化的，是内存部分。

再加上我们的 I/O 技术——稍后由 Dave 介绍——我们能够把这三个要素整合起来，这种能力确实独特。

Dave Lazovsky｜24:15

我们还没有花很多时间讨论横向扩展和跨域扩展，但它们都是我们业务中非常重要的增长领域。数据中心园区正在不断扩大。

Dave Lazovsky｜24:27

我记得扎克伯格说过，Meta 最新的数据中心大约有曼哈顿那么大。想想其中的互连需求，简直难以置信。这也加快了对一类新型光互连技术的需求增长：它适用于不到 10 公里的距离，叫作 Coherent-lite，也就是轻量化相干光技术，如今发展得非常快。

Marvell 的相干光技术团队，是我以前从未见过的出色团队。我们率先把 1.6 Tbps 光互连技术推向了市场，令人惊叹。跨域扩展市场非常火热，横向扩展也在飞速增长。

不过，在我们看来，有一项工作可能带来实质性、甚至颠覆性的变化。

Dave Lazovsky｜25:17

从纵向扩展来看，数据中心约 85% 的数据流量，是纵向扩展网络内部处理器之间的流量，其余 15% 则属于横向扩展流量。

如果能够改善这里的效率，尤其是能效，就会对数据中心基础设施的总功耗产生巨大影响。我们知道，电力现在已经是一个问题，而在未来三到五年，它将成为一个非常紧迫的问题。至少在美国，现有电力远远不足以支撑正在建设的下一代、下一轮数据中心基础设施。

因此，我们正在做的，或者说已经开发出来、正在推进部署的，是采用模拟 SerDes 的光学纵向扩展网络。与在传统 224 Gbps SerDes 链路上直接加上光互连的常规方案相比，这种方案能把功耗降至约四分之一。

我们相信，它会产生巨大影响：全面部署后，数据中心整体功耗有望降低 25% 以上。

Daniel Newman｜26:34

我正想问具体能降低多少，因为我们需要新增数百吉瓦的电力。燃料电池能够提供的电力有限，其他方式也一样；核能目前还多少像是一个尚未实现的愿景，希望未来能逐步落地。电网接入要等七年，燃气轮机的交付也要等好几年。

所以，让每一吉瓦电力用得更高效、创造更多产出，显然是一个巨大机会。

顺便说一句，我知道 Terafab 不是数据中心。不过，刚才说到 Meta 的设施规模，我记得用来比较的应该是中央公园，他们还把两者的轮廓叠在一起展示过。

Will Chu｜27:02

没错，就是这样。

Daniel Newman｜27:03

不过，这些建筑确实变得非常庞大，这一点大家总能同意吧？你还想补充什么吗？

Will Chu｜27:10

我想接着 Dave 的话补充一点。我认为，真正的核心优势在于，我们拥有所有这些基础技术，并且能够把它们整合起来。

有些公司也许能提供某几项 IP，但要进行整合，就需要一整套涵盖内存、I/O 和网络的技术，还必须把它们组合起来，或者分配到不同芯片的架构中，而这些芯片最终必须协同工作。

Will Chu｜27:39

实现端到端协同非常有挑战性。归根结底，我们真正的核心优势，就是完整而优秀的 IP 组合，以及让它们在 AI 基础设施的规模下协同工作的能力。我们每天都在持续落实这些工作。

Daniel Newman｜27:55

把业务延伸到核心芯片之外，拿下这些配套部件的机会，确实是一条成功的路径。

Dave Lazovsky｜27:59

除了技术能力的广度和深度、产品组合，以及这支出色团队的技术实力，还有一件事经常被忽视：我们与客户关系的深度。

Dave Lazovsky｜28:12

作为一个加入 Marvell 时间相对不长的人，我认为这是公司最重要的资产之一。这样的信任关系需要很多年才能建立。

可以说，我们现在与四大超大规模云服务商，以及与我们合作的 GPU 厂商之间，都有建立在多年信任基础上的合作关系。能够像世界上一些最大公司的开发团队的延伸那样开展工作，是一件很好的事。

Patrick Moorhead｜28:42

这些客户也向我谈过这一点，我相信他们也对 Daniel 说过，只是他们很难公开分享。我甚至看到过一些原本完全没想到会出现的新闻稿，公开支持你们正在做的事情。对此，真要向你们表示祝贺。与客户深入合作，确实能够创造出惊人的成果。

Daniel Newman｜29:03

Will、Dave，非常感谢两位今天这么深入地展开讨论，为 Six Five Summit 的观众提供了大量精彩内容。也祝贺你们取得的进展，以及收购和整合工作的推进。我们期待继续关注这段历程，持续报道 Marvell 的各项工作。

Dave Lazovsky｜29:20

非常感谢邀请我们。

Daniel Newman｜29:22

也感谢各位参加 Six Five Summit 2026 的“半导体聚焦”专场。请继续关注、订阅，并观看我们其他的 Six Five Summit 讨论。感谢大家的参与，敬请期待下一场。

本文来自华尔街见闻，欢迎下载APP查看更多

高盛最新研究显示，六大超大规模云计算企业若要在2026至2027年约1.73万亿美元的AI算力资本支出上实现15%的投入资本回报率（ROIC），需在2028至2030年间累计创造约1.42万亿美元的收入。

高盛互联网与科技团队负责人Eric Sheridan在报告中指出，当前市场争论的焦点已从近期支出规模本身，转向这轮巨额投资能否在未来三年内产生可观回报。与此同时，云计算积压订单数据提供了一定支撑——截至2026年第二季度，AWS、Azure和谷歌云合计积压订单约1.69万亿美元，同比增长152%，为收入目标的可实现性提供了初步背书。

然而，高盛框架之外的变量同样不容忽视。约3万亿美元的表外承诺并未纳入ROIC分母，GPU和算力定价的持续下行压力已有所显现，而规模更为庞大的"第三阶段"资本支出（2028至2030年约4.14万亿美元）的回报问题，则被高盛明确留待另行讨论。

资本支出三阶段：规模逐级跃升

高盛将本轮AI算力建设周期划分为三个阶段：

第一阶段（2023至2025年）总资本支出约6330亿美元，年均约2110亿美元，主要用于少数基础模型公司的训练基础设施建设；

第二阶段（2026至2027年）总资本支出约1.73万亿美元，年均约8630亿美元，需求曲线向推理侧延伸，算力供给持续紧张；

第三阶段（2028至2030年）总资本支出高达约4.14万亿美元，年均约1.38万亿美元，届时资本强度有望边际趋缓，超大规模云计算企业或逐步进入"收割模式"。

值得注意的是，自今年年初以来，五家上市超大规模云计算企业（Alphabet、微软、亚马逊、Meta、甲骨文）的2026至2027年资本支出共识预期已上调约66%，合计上调约7540亿美元，从1.14万亿美元升至1.89万亿美元。高盛表示，其自身对2027年资本支出的预测仍高于市场共识，并认为这一预测"更贴近买方投资者的实际预期"。

从资本支出到收入门槛：高盛的测算框架

高盛的测算逻辑清晰：在1.73万亿美元的第二阶段资本支出中，约70%（1.21万亿美元）为算力投入（服务器、芯片、网络），约30%（5180亿美元）为基础设施"外壳"（土地与建筑）。六家企业中，Alphabet资本支出最高（4700亿美元），其次为亚马逊（4240亿美元）、微软（3270亿美元）、Meta（3090亿美元）、甲骨文（1650亿美元）和SpaceX（310亿美元）。

关键假设方面，高盛采用每吉瓦算力约420亿美元的成本，以5年折旧年限计算算力资产、15年计算基础设施外壳，年运营成本约8.36亿美元/吉瓦，并假设2028至2030年利用率分别为60%、80%和85%。

在15%的ROIC目标下，六家企业需每年产生约1295亿美元的税后净营业利润（NOPAT），对应约1640亿美元的年度息税前利润（EBIT）。叠加第二阶段资产每年约2760亿美元的折旧摊销，最终得出年收入需达约4650亿至4760亿美元，三年累计约1.42万亿美元，对应约35%的EBIT利润率。

折旧压力：被低估的核心风险

在上述测算中，最引人注目的数字或许并非收入目标本身，而是折旧规模——仅第二阶段资产每年的折旧摊销便高达2760亿美元，约为这批资产所需产生EBIT的1.7倍。

这意味着，本轮AI投资周期的经济性在很大程度上取决于GPU的实际使用寿命。高盛采用5年折旧年限；若实际经济寿命仅为3年（部分持怀疑态度的分析人士及英伟达自身的年度产品迭代节奏均指向这一方向），则超大规模云计算企业将被迫以更高频率持续购置新一代芯片，收入门槛将大幅抬升。

高盛的敏感性分析显示，在ROIC目标从0%到30%、每吉瓦资本支出从约340亿美元到约510亿美元的区间内，六家企业2028至2030年所需累计收入介于约9000亿美元至1.9万亿美元之间，折合每吉瓦年收入约62亿至186亿美元。即便在零回报情景下，仅为覆盖折旧和运营成本，也需要9200亿美元的收入。

云积压订单：最重要的“安全垫”

高盛为收入目标的可实现性提供的核心证据，是云计算积压订单数据。截至2026年第二季度，AWS、Azure和谷歌云合计积压订单约1.69万亿美元，较年初增长约1.5倍，公有云收入增速加速至同比超45%。

仅针对这三家企业测算，其约1.22万亿美元的第二阶段资本支出对应约1万亿美元的2028至2030年收入需求，相当于当前积压订单的约59%——且这一计算假设积压订单此后零增长。分公司来看，所需收入约占微软积压订单的40%、亚马逊的68%、Alphabet的78%。

高盛将这一假设定性为"可能偏保守"。不过，报告也指出，上述积压订单数据包含非云业务承诺，并非严格意义上的采购订单；此外，相当比例的订单来自少数AI实验室，其支付能力高度依赖持续的资本市场融资渠道，存在客户集中度风险。

摩根士丹利的另一面：融资缺口同样庞大

将高盛的收入门槛与摩根士丹利的研究对照，可以更完整地呈现这一问题的两面。据摩根士丹利估算，GenAI投资可实现25%至50%的增量ROIC——GPU租赁约31%，基于自有基础设施的模型API约46%，基于第三方基础设施约25%。摩根士丹利假设GPU租赁年收入约229亿美元/吉瓦，模型API约304亿美元/吉瓦，均高于高盛15% ROIC目标所对应的116亿美元/吉瓦。两家机构的结论大体一致：若GPU租赁价格和算力定价维持在当前水平附近，收入目标在数学上是可实现的。

然而，摩根士丹利此前的另一项研究揭示了融资端的压力：据其估算，2025至2028年全球数据中心资本支出约2.9万亿美元，超大规模云计算企业自身现金流仅能覆盖约1.4万亿美元，剩余约1.5万亿美元的融资缺口需通过约8000亿美元私人信贷、约2000亿美元公司债、约1500亿美元ABS/CMBS及约3500亿美元其他渠道填补。而高盛的最新预测显示，仅第二、三阶段合计资本支出便高达约5.9万亿美元，远超上述估算。

高盛框架的盲点：表外承诺与第三阶段

高盛在报告中坦承了自身框架的局限性。其ROIC测算明确排除了表外租赁义务、融资租赁、特殊目的载体（SPV）及第三方算力许可安排。

这并非小注脚。据相关数据，AI领域表外承诺规模已达约3万亿美元，且仍在快速增长。这部分承诺同样需要产生回报或至少得到偿付，信贷市场已对此有所反应。

此外，高盛的框架仅覆盖第二阶段。若将同样的收入/资本支出比率（约0.82倍）粗略应用于约4.14万亿美元的第三阶段预测，超大规模云计算企业在第二阶段1.42万亿美元收入目标之上，还需额外创造约3.4万亿美元的收入。BCA Research的Peter Berezin更进一步指出，若数据中心支出维持当前水平，可能需要每年高达10万亿美元的AI收入，才能使全部资本支出实现货币化。

高盛对六家企业均维持"买入"评级，并将近期回报压缩定性为"大规模前期投资周期的自然结果，而非AI经济结构性不佳的证据"。但这一表述，在多头和空头的叙事框架中均同样成立。

本文来自华尔街见闻，欢迎下载APP查看更多

Slok周五在彭博电视《Surveillance》节目中表示，柴油相关运输成本的传导路径与汽油截然不同。由于运输商品对零售供应链乃至数据中心建设均不可或缺，需求价格弹性极低，价格上涨最终将转嫁至企业和消费者。“柴油价格上涨，实际上是进入了CPI篮子中能源项以外的其他分项，”他说。

这一表态与美联储内部的分歧形成呼应。芝加哥联储主席Austan Goolsbee本周警告称，央行不能忽视反复出现且持续存在的供给冲击，"一旦供给冲击引发的通胀变得持续，'看穿'逻辑的部分依据便不再成立。"目前美国通胀仍远高于美联储2%的目标，货币政策走向面临更大不确定性。

柴油冲击核心通胀，传统框架面临挑战

Slok本周在一份研究报告中系统阐述了上述观点，直指传统核心通胀框架的局限性。他认为，将食品和能源价格排除在外的核心通胀指标，对于柴油这类关键燃料并不适用。

“柴油价格的上涨不会停留在CPI的能源分项，而是滞后地向核心商品和服务迁移，这正是美联储无法将其定性为暂时性因素的传导机制，”Slok在报告中写道。

据彭博数据，截至本周四，美国柴油均价今年以来已飙升83%至每加仑6.50美元，同期汽油价格涨幅为59%。美伊冲突扰乱了波斯湾原油流通，推动能源价格全面走高，但柴油用户所承受的冲击尤为剧烈。

美联储内部分歧：能源冲击能否“看穿”

美联储7月联邦公开市场委员会会议纪要显示，多数与会者认为"此前能源价格上涨"将逐步消退，有助于在年内压制通胀。这一判断与Slok的警告形成直接矛盾。

然而，在美联储9月16日宣布加息——这也是自2023年以来的首次加息——之后，Goolsbee的表态显示内部立场已出现松动。他明确指出，当供给冲击引发的通胀具有持续性时，"看穿"策略的逻辑基础将被削弱。

Slok描述了一种美联储隐含的政策期望：寄望于伊朗战争的解决能够缓解能源价格压力，从而使央行无需进一步加息。他将这一情景称为"目前的孤注一掷"。

此外，Slok同时指出，人工智能相关支出热潮是美国经济在高利率环境下保持韧性的首要原因。他估计，AI相关活动目前为GDP增长贡献约一个百分点，约占当前总增长的一半。这一贡献涵盖数据中心建设、能源需求、软件支出以及股价高企带来的财富效应等多个渠道。值得注意的是，数据中心建设本身对柴油需求具有高度依赖性，这意味着AI驱动的经济扩张与柴油价格上涨之间存在相互强化的关系，进一步加大了通胀压力持续的可能性。

本文来自华尔街见闻，欢迎下载APP查看更多

据路透社援引三位知情人士透露，Solidigm本周已与多家投行举行IPO承销商竞标陈述会（bake-off），标志着上市进程迈出实质性一步。最快可能于明年完成上市，但具体规模与时间表仍处于早期阶段，将视市场条件而定。SK海力士在声明中表示，"Solidigm正在评估各种强化业务竞争力的方案，但目前尚未确认任何具体计划。"

若以1500亿美元估值上市，Solidigm将远超此前的半导体IPO纪录——Arm Holdings 2023年上市时估值约540亿美元，Cerebras Systems 2026年IPO时完全稀释估值约560亿美元。对投资者而言，这将是近年来规模最大、最受瞩目的半导体市场入场机会之一。

从英特尔"弃子"到SK海力士核心资产

Solidigm的诞生，源于英特尔一次战略收缩。

2020年10月，英特尔宣布将旗下NAND闪存及固态硬盘（SSD）业务出售给韩国SK海力士，交易总价约88.5亿美元。这笔交易分两个阶段完成：第一阶段于2021年底完成，SK海力士以66.1亿美元收购了英特尔的SSD业务及位于中国大连的NAND晶圆制造工厂，并将英特尔企业级SSD业务更名为Solidigm，以独立子公司形式运营，总部设于加利福尼亚州。

然而，第一阶段仅转让了实物资产与SSD相关业务，英特尔的NAND知识产权、研发基础设施及核心技术人员并未随之转移。直至2025年3月，交易第二阶段才最终完成——英特尔收到SK海力士支付的最终款项约19亿美元，SK海力士则正式获得英特尔的NAND相关知识产权及研发人员，使Solidigm团队得以与SK海力士在未来产品上展开更紧密的协作。至此，这笔历时近五年、总价约88.5亿美元的收购才画上句号。

Solidigm这一品牌名称，取自"solid"（固态存储）与"paradigm"（范式）的组合，寓意存储技术的范式转变。公司总部位于加利福尼亚州Rancho Cordova，专注于企业级SSD产品，服务于服务器、云基础设施及数据中心市场。

AI存储需求爆发，重估Solidigm价值

Solidigm估值从收购价的88.5亿美元跃升至潜在IPO估值的1500亿美元，核心驱动力在于AI基础设施建设对高容量存储的爆炸性需求。

随着AI模型训练与推理所需处理的数据量持续膨胀，数据中心对企业级SSD的需求大幅攀升。Solidigm的战略定位正是围绕这一趋势展开——公司着力开发面向AI应用的高容量存储产品，以差异化方案切入这一快速增长的市场。

AI热潮已持续推高半导体及硬件股的整体估值，为Solidigm的上市窗口提供了有利的市场环境。投资者对AI基础设施相关标的的强烈需求，是Solidigm得以寻求高估值的重要前提。

上市前动作频频，融资与建厂双线推进

在正式启动IPO流程之前，Solidigm已在多个层面积极布局。

据路透社本月早些时候报道，Solidigm正考虑在美国建设一座NAND闪存芯片工厂，纽约州北部是目前的主要候选地点，此举旨在扩大制造产能。这一计划与美国推动半导体本土化生产的政策方向高度契合，也有助于提升公司在美国资本市场的吸引力。

与此同时，SK海力士上月表示正在研究提升Solidigm竞争力的措施，此前有媒体报道称Solidigm正探索约5万亿韩元（约36亿美元）的IPO前融资轮。这一系列动作表明，SK海力士正系统性地为Solidigm的独立上市铺路，通过引入外部资本、强化知识产权整合与扩大制造布局，全面提升这一子公司的独立运营能力与市场估值基础。

创纪录IPO，考验市场承接能力

若Solidigm最终以1500亿美元估值、150亿美元募资规模完成上市，将成为美股历史上规模最大的半导体IPO，也将是近年来全球科技股市场最重要的资本市场事件之一。

作为参照，Arm Holdings 2023年上市时估值约540亿美元，Cerebras Systems 2026年IPO时完全稀释估值约560亿美元，Solidigm的目标估值分别是两者的约2.8倍和2.7倍。如此体量的发行，对市场的承接能力构成相当考验，最终定价将在很大程度上取决于届时AI基础设施投资热度能否持续，以及整体半导体板块的市场情绪。

目前，IPO的具体规模、时间表及承销行名单均尚未确定，Solidigm方面拒绝置评。这场有望改写半导体IPO历史的上市计划，仍处于早期筹备阶段。

本文来自华尔街见闻，欢迎下载APP查看更多

本周，Meta发布旗下Agentic AI模型Muse，单周市值暴增2200亿美元，推动纳斯达克100指数成为表现最强的主要股指。但与此同时，美债收益率持续走高，将利率敏感型资产打入低谷——罗素2000指数显著落后，标普500指数在7700点附近反复拉锯，始终无法实现有效突破。

市场的内部分化已达到极端程度。若剔除AI相关标的，标普500本周实际下跌约1%；纽交所新低股票数量连续9个交易日超过新高股票数量，为2023年10月以来最长连跌纪录。

高盛全球对冲基金业务负责人Tony Pasquariello将当前局面定性为股市与利率市场之间"令人沮丧的猫鼠游戏"，并给出明确建议：若坚持持有股票多头，需同步做空美债以对冲利率风险。

AI Agent引爆结构性行情，市值集中度创新高

Meta的Muse模型成为本周市场最大催化剂。这款Agentic AI产品的发布，令Meta单周市值增加2200亿美元，总市值重回2万亿美元关口，并带动整个AI产业链全线走强——半导体板块因"推理经济"对硬件需求的拉动而领涨，Agentic AI相关标的集体受益。高盛旗下Agentic AI篮子指数（代码GSXUAGNT）随之走高，高贝塔动量篮子更录得连续9个交易日上涨。

高盛资深交易员Rich Privorotsky指出，Muse只是众多入局者中的第一个，未来数周和数月内，来自谷歌和OpenAI的竞品将相继出现。他认为，随着大型企业承接安全、基础设施与分发职能，大量经济摩擦和中间环节将被消除，这本身就是一次生产力提升，且在结构上具有抑制通胀的效果，对整体股票市场的综合影响是正面的。

值得关注的是，美股市值集中度已攀升至历史极值。高盛首席科技分析师Pete Callahan指出，目前标普500中市值超过1万亿美元的美国TMT公司已达10家，而仅仅三年前、AI周期启动之初，这一数字还只有3家。

市场内部严重分化，“扩散交易”宣告终结

AI行情的狂欢背后，是市场广度的急剧恶化。本周科技板块一枝独秀，能源与金融板块双双落后；Mag7（七大科技巨头）的涨幅几乎是标普其余493只成分股的三倍。ZeroHedge援引数据指出，"扩散交易"已名存实亡——纽交所新低股票数量连续9日超过新高，创下近三年来最长纪录。

与此同时，AI行情内部也出现分化。AI电力相关股票本周走势疲软，其走势与美国中期选举中民主党赢得众议院的概率几乎呈完美负相关——市场担忧，一旦民主党控制众议院，现有及未来的数据中心建设项目可能遭遇无限期搁置，这对美国AI基础设施投资构成潜在压制。

此外，超大规模云计算企业（Hyperscaler）的信用利差本周明显走阔，而其股票估值却仍在高位徘徊。高盛注意到，Hyperscaler信用风险与纳斯达克隐含波动率之间的背离已扩大至异常水平，两者之间的裂口值得警惕。

美债利率成最大拦路虎，标普7700关口反复受阻

美债收益率的持续上行，是本周压制市场突破的核心变量。标普500指数在7700点附近盘整长达两个月后，周二一度出现向上突破迹象，但随即遭到债市"迎头痛击"，当晚便回落至原点。

Pasquariello将这一局面描述为股市与利率市场之间"令人沮丧的猫鼠游戏"：每当股市试图突破，利率便随之跳升，压制风险偏好；而利率的上行又通过收紧金融条件，对利率敏感型资产形成直接打压。罗素2000指数已连续六周跑输标普500，高盛方面坦言，小盘股遭到长线基金和财富管理渠道的持续抛售，技术面亦告破位。

在估值层面，高盛美国股票策略团队的研究显示，市场对AI基础设施盈利增长的持续性已存在一定程度的定价折扣——AI基础设施股票的中位数远期市盈率已从2026年4月的32倍回落至当前的22倍，部分悲观预期已被消化。

高盛：持股需对冲，突破仍需催化剂

面对上述撕裂格局，Pasquariello给出了明确的操作框架：若要持有股票显著多头敞口，需同步建立简单的美债空头头寸加以对冲。他将当前市场的投机性多头仓位在-10至+10的标准量表上标定为+3，认为整体仓位并不拥挤。

他同时指出，回购力度正在放缓，新股发行规模上升，美国散户投资者趋于观望，当前市场结构并不完美。但他也承认，考虑到近期利率走势之凶猛，股市能够守住大部分涨幅，本身已属不易。

Pasquariello的结论是：若市场出现向上突破的催化剂，快钱资金将不得不迅速追涨入场；但在此之前，股市与利率的博弈仍将持续，而ZeroHedge对此补充了最后一个字——"yet"（尚未）。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博社援引知情人士消息，负责此次发行的承销银行预计将于周一下午截止接受投资者订单。Oura及部分股东合计发行5000万股，定价区间为每股40至44美元，拟募资最高达22亿美元。按发行价上限计算，公司市值将达141亿美元，若计入股票期权及限制性股票单元，完全稀释后估值约为150亿美元。

此次IPO定价日期定于9月29日，股票将在纳斯达克全球精选市场以"OURA"为代码挂牌交易。Oura的强劲认购势头尤为引人关注——就在此前数日，核电服务公司Holtec Nuclear Corp.与CVC Capital Partners旗下Bamboo Insurance Services Inc.相继以市场环境为由推迟IPO计划，令美股新股市场笼罩阴影。

公司与股东共同套现

根据向美国证券交易委员会提交的文件，此次5000万股的发行中，Oura公司自身出售1350万股，其余3650万股由现有股东出售，包括Forerunner Ventures和Lifeline Ventures。

高盛、摩根士丹利、摩根大通、Allen & Co.以及Jefferies Financial Group担任此次发行的联席主承销商。Oura及高盛方面均拒绝就相关事宜置评。知情人士提示，相关磋商仍在进行中，上市细节存在变动可能。

有望终结逾十亿美元IPO空窗

据彭博汇编数据，自Jersey Mike's Subs Inc.于今年7月上市以来，美股市场尚未出现单笔募资规模超过10亿美元的IPO交易。若Oura顺利完成此次发行，将成为近三个月来首单突破该门槛的大型IPO，对于经历了一个沉寂九月的美股新股市场而言，具有重要的风向标意义。

Holtec Nuclear Corp.与Bamboo Insurance Services Inc.的相继撤单已令市场对IPO窗口的判断趋于谨慎，Oura此番逆势获得高倍超额认购，在一定程度上提振了市场信心。

本文来自华尔街见闻，欢迎下载APP查看更多

美国长端国债收益率正在展现出独立于传统驱动因素之外的上行动能。在一个充满压力的交易周收官之际，30年期美债收益率突破5.5%，创下2004年以来新高，而当日油价却同步下跌——这一背离信号令市场警觉。

周五，30年期美债收益率盘中最高上涨5个基点至5.53%，收盘维持在5.49%上方，较前一日上涨约2个基点。10年期美债收益率同样刷新多年高位，突破5.22%。值得注意的是，30年期收益率在今年7月初时尚低于5%，短短数月内已大幅攀升逾50个基点。

与此同时，对美联储政策预期更为敏感的短端收益率则出现下行，2年期收益率当日下跌约7个基点。长短端收益率的分化，令收益率曲线关键区间——包括2年至10年期、5年至30年期——从本周早些时候逾一年低位显著反弹走陡。

"真空"状态：缺乏技术支撑，收益率自我强化上行

此轮长端收益率上行的一个显著特征，是缺乏明确的技术阻力位。

"人们没有可以依附的真实技术位，这让市场处于某种真空状态，"RBC Capital Markets美国利率策略师Izaac Brook表示，"这使得收益率得以持续不断地向上漂移。"

这一"真空"特性意味着，在没有强力基本面催化剂的情况下，收益率上行的惯性难以被打断。周五推动收益率走高的直接触发因素，是密歇根大学发布的消费者信心指数——该指数9月份虽降至四个月低位，但仍好于经济学家预期，显示美国经济和企业对高利率环境的承受能力超出预期。

油价背离：长端收益率上行逻辑已超越能源驱动

更值得关注的是，周五长端收益率的上涨与油价走势明显背道而驰。

美国基准西德克萨斯中质原油期货当日收跌2.3%，报每桶92.41美元。此前，受中东战争引发的供应冲击影响，油价一直是美债收益率日内波动的主要驱动力。然而周五，这一联动关系出现断裂。

花旗集团经济学家Andrew Hollenhorst在报告中指出，"由于美联储加息是直接回应能源价格上涨，市场目前无法为加息路径定价出清晰的近期上限。"这意味着，即便油价短期回落，市场对通胀持续性和美联储紧缩路径的担忧并未消散，长端收益率因此获得了独立于油价之外的上行支撑。

短端与长端分化：市场对前端定价过度存疑

短端收益率的同步下行，折射出市场内部对利率路径判断的分歧。

本周早些时候，短端收益率曾随美联储9月加息预期——这是自2023年以来的首次加息——大幅攀升至多年高位。但周五，市场情绪出现转向。

"前端定价已经过多，"SMBC Group利率策略师Monty Gandhi表示，"短期投资者正在寻机买入前端，认为任何进一步的看空情绪都应流向中段或以'更长时间维持高利率'的方式来表达。"

摩根士丹利利率策略师则基于该行最新上调的美联储紧缩预测，上调了美债收益率预测，并指出美联储政策路径的市场定价能够解释10年期收益率走势的大部分变动。

美债期货市场的活动同样印证了上述曲线走陡趋势。纽约时间上午10时前不久，市场出现了一笔涉及5年期国债期货与超长期国债（Ultra Bond）期货的大宗同步交易——价格水平显示，该交易方向为买入5年期、卖出超长期，与曲线陡峭化押注的获利了结操作相符。

综合来看，在美联储重启加息周期、能源价格支撑通胀预期、经济韧性超预期的多重背景下，长端美债收益率已进入一个缺乏明确上限的上行通道。对于固定收益投资者而言，如何在这一"真空"环境中重新锚定久期风险，正成为当前最紧迫的课题。

本文来自华尔街见闻，欢迎下载APP查看更多

周六，据媒体援引美国官员最新消息，特朗普已拒绝伊朗提出的7天停火方案，并向幕僚表示，他预计将在11月中期选举后恢复对伊朗的轰炸行动。伊朗的停火提议原本包含重开霍尔木兹海峡、重启核谈判等条件，以换取美国解除对伊朗港口的封锁。

特朗普私下对伊朗是否能满足其要求持怀疑态度，已向幕僚表示，他认为恢复轰炸行动的可能性较大。然后，据央视新闻此前报道，一位美国官员透露，美伊双方目前仍在就霍尔木兹海峡开放及重启谈判等议题进行"积极且富有建设性"的讨论。

特朗普当前的立场表明，这场持续七个月的冲突所处的战和模糊状态，正向敌对方向倾斜。对于全球大宗商品市场而言，霍尔木兹海峡的通行前景及油价走势，将持续受到这场冲突走向的牵引。

据知情人士透露，伊朗在上周日举行的卡塔尔会议上提出了这份7天停火方案。根据该方案，美国须解除海上封锁、解冻部分伊朗资产，并取消对伊朗石油出口的制裁；作为交换，伊朗将开放霍尔木兹海峡，并就核计划启动谈判。

美国官员已向伊朗及相关调停方明确表态：特朗普无意解除海上封锁。美方的判断是，持续的经济压力将最终迫使德黑兰接受对华盛顿及波斯湾沿岸阿拉伯国家有利的协议条款。据美国官员表示，由美国主导的确保油轮穿越霍尔木兹海峡的行动已在一定程度上降低了各方达成协议的紧迫性。

特朗普在本届联合国大会上公开表示，他在对伊核问题上不会将政治因素纳入考量。"共和党正在参选，我会为他们助选，但我自己并不参选。在选举到来之前，我对伊朗问题绝不会、也不会给予任何政治上的考量，"他在纽约对各国领导人表示，"唯一的目标，就是伊朗永远不得拥有核武器。"

然而官员们指出，特朗普的立场并非铁板一块。自今年2月冲突爆发以来，这位总统在外交谈判、空袭命令与收紧制裁之间反复切换，且从未真正兑现他最强硬的威胁，包括"摧毁伊朗整个文明"的表述。官员们表示，随着战事延续，特朗普的立场可能随时改变，中期选举结果同样会对其决策产生影响。

在考虑恢复打击的同时，特朗普对全面重启大规模军事行动仍有顾虑——部分原因在于美方希望为其他潜在冲突保留日益有限的弹药储备。据报道，其正在考量的打击规模目前尚无法确定。

卡塔尔及其他地区调停方在联合国大会期间积极斡旋，试图重新激活美伊谈判。阿拉伯调停方透露，伊朗外交官已提出多项终战方案，并承认本国经济正面临日益严峻的困境。

然而，自今年2月战事爆发以来实际掌控伊朗的伊斯兰革命卫队态度强硬，表示不会接受新的协议框架，并声称已做好打持久战的准备。革命卫队的诉求是回归更接近特朗普6月与伊朗达成初步协议时的条款——该协议曾承诺为伊朗石油销售提供制裁豁免、允许获取被冻结资产，并承认德黑兰在霍尔木兹海峡管理中的地位，以换取该水道的开放。

美伊双方目前仍通过调停方保持间接接触，核问题谈判亦未完全中断。但在停火条件、核裁军要求与经济制裁三重分歧之下，谈判破局风险显著上升。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博报道，目前讨论涉及美国副总统万斯、能源部长赖特、内政部长伯格姆及财政部长贝森特等核心官员。万斯已明确敦促采取行动遏制柴油价格涨势，并主动询问可用政策选项。与此同时，赖特透露，政府正与炼厂协商，寻求以“自愿削减"”出口替代强制出口禁令，以规避直接行政干预引发的行业反弹。

上述动向对市场形成明显冲击。本周，特朗普公开表态支持限制柴油出口后，燃油期货出现剧烈波动；部分炼厂已开始在合同中加入保护性条款，以防范出口禁令导致无法履约的风险。欧洲等美国主要盟友亦对可能失去美国柴油供应深表忧虑，认为此举将在全球燃料供给本已趋紧的背景下进一步加剧能源压力。

美国柴油零售价目前稳定在每加仑约6.5美元附近，接近历史纪录水平。面对高压，多位共和党州长已在联邦层面决策出台前率先采取行动。

路易斯安那州州长Jeff Landry本周初宣布进入紧急状态，暂停对农民和伐木工人在公路上使用场外柴油的处罚，期限延至10月底。

"我们不会袖手旁观，眼看路易斯安那州的农民以创纪录的价格收割庄稼，"Landry在声明中表示。

阿拉巴马州州长Kay Ivey随后跟进，指示该州执法部门停止对红色柴油的限制性执法，期限为四个月。

内布拉斯加州州长Jim Pillen则签署行政令，允许公路注册车辆免罚使用场外柴油，并宣布为运输牲畜和农产品的车辆提供柴油税退款。

红色柴油（即染色柴油）在化学成分上与普通公路柴油完全一致，区别仅在于免征州及联邦消费税，且依法不得用于公路行驶。执法部门通过燃油染色加以识别，以防止公路用户购买更廉价的场外柴油。

据彭博报道，石油公司高管及行业相关方已积极游说政府官员，力推暂停联邦柴油消费税方案，认为这是在11月中期选举前向消费者提供实质价格减免、同时规避出口禁令副作用的最优路径。

据美国能源信息署（EIA）数据，联邦柴油税约为每加仑24美分，加上各州平均约36美分的州税，综合税负约为每加仑60美分。若放开场外柴油管制，农民的购买价格有望降回每加仑6美元以下，较当前水平形成明显减压，但仍远高于美以对伊朗开战前不足4美元的价格区间。

然而，停税方案在政府内部遭遇阻力，核心障碍在于如何在技术层面实现减税豁免——尤其是众议院目前正处于选举前休会期，立法推进窗口受限。

另一项来自行业的建议——豁免或下调生物燃料混合配额——已基本被政府否决。玉米乙醇和大豆生物柴油的混合指标对美国农业腹地具有重要政治意义，政府不愿在这一议题上触碰敏感神经。

出口禁令方案尽管阻力巨大，仍未从讨论桌上撤出。部分炼厂已未雨绸缪，彭博援引知情者消息称，相关企业正在合同中加入保护性条款，以应对一旦出口暂停、无法向境外买家交货所引发的违约风险。

与此同时，欧洲方面的担忧持续升温。在美伊战争与俄乌冲突双重压制下，全球燃料供给本已趋紧，若美国柴油出口骤然收缩，欧洲市场的替代来源极为有限，潜在经济冲击不容忽视。

目前，白宫内部讨论仍呈发散态势，各方案均处于评估阶段，最终政策走向尚不明朗。市场的不确定性预计将持续，燃油期货价格波动或进一步加剧。

本文来自华尔街见闻，欢迎下载APP查看更多

市场概述

美国消费者信心公布后，标普纳指曾转跌，最终和此前三连跌的道指均收涨；Meta回落跌超3%，但智能体火爆带动，全周和英特尔等芯片股均涨超10%，数据中心遭遇不可抗力的甲骨文一周跌逾7%。10年期美债收益率盘中再创2007年来新高后转降，仍连升四周；美债创19个月最差周表现。日美官员释放“弱日元有问题”信号，日元扭转五连跌。美伊技术性谈判消息后，原油一度跌超3%。全周美油跌近4%、创七周最大周跌。期金止住四连跌，全周仍跌超2%。

要闻

中国

习近平和彭丽媛同美国总统特朗普夫妇茶叙。

习近平向全球发展倡议5周年高级别对话会致贺信。

特朗普：今年访华感受到中国人民的热情好客，希望以同样的热情款待各位；马斯克、黄仁勋、苏世民、奥尔特曼等齐聚欢迎宴会。

海外

报道称美伊谈判进入技术性阶段、伊媒否认。伊朗提“七天方案”但划核红线：霍尔木兹可谈、浓缩铀不让步。

日元强势反攻！日本财务大臣：特朗普对日元贬值表达了担忧，将与美方密切协调。日本官员喊话后贝森特“撑场”：已和日财相讨论强日元“可取性”。

比尔·盖茨：AI已强大到足以造成“10亿人死亡”。

Anthropic诉特朗普政府受挫：美上诉法院维持“供应链风险”认定。

OpenAI据报酝酿500美元“Pro Max”套餐：主打最快Work与Codex，或接入Cerebras算力。GPT-6开真车考过了科目二！

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

还没破百万日活，Meta Muse就频频掉链子：服务降级、Agent失败，算力瓶颈浮出水面。Meta CTO解释Muse：回归人性交互，下一代操纵系统的核心是“意图理解”。扎克伯格谈Muse：个人Agent必须从预训练开始设计，虚拟机、记忆和权限系统是巨头的全栈护城河。

Meta数据隐私案败诉，或面临最高2190亿美元天价罚款。

报道：SK海力士旗下Solidigm最快明年在美IPO，估值或高达1500亿美元。

市场收报

欧美股市：标普500涨幅0.51%，报7743.41点，本周累计上涨1.21%。道指涨幅0.93%，报51828.62点，本周累计涨0.28%。纳指涨幅0.48%，报27068.716点，本周累计涨2.06%。欧洲STOXX 600指数收涨0.35%，报638.65点，本周累计上涨0.50%。

A股休市。

债市：美国10年期基准国债收益率跌3.74个基点，报5.1604%，本周累计上涨16.44个基点。两年期美债收益率跌7.27个基点，报4.8516%，本周累计涨10.83个基点。

商品：现货黄金涨0.25%，报4285.81美元/盎司，本周累计下跌2.11%。现货白银涨0.79%，报64.3172美元/盎司，本周累计跌2.93%。WTI 11月原油期货收跌2.32%，报92.41美元/桶，本周累计下跌3.82%。布伦特11月原油期货跌幅2.14%，报104.32美元/桶，本周累计跌0.43%。

要闻详情

全球重磅

中国

习近平和彭丽媛同美国总统特朗普夫妇茶叙。中美同意共同构建“基于尊重、公平、对等的建设性战略稳定关系”。习近平指出，这次访问我们又丰富了中美关系定位的内涵，同意共同构建“基于尊重、公平、对等的建设性战略稳定关系”，经贸领域也取得互惠互利的成果，将受到两国人民和国际社会的欢迎。特朗普表示，习近平主席此次对美国的国事访问富有建设性、非常成功。双方就美中关系和重大国际地区问题深入沟通，取得很多积极成果，对两国都有益。

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

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

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

海外

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

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

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

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

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

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

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

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

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

报道：Anthropic洽谈租赁最高1GW数据中心容量，相关投资至少400亿美元。据媒体报道，Anthropic正探讨从Stream Data Centers租赁高达1GW算力的事项。数据中心开发商表示，部署完整的1GW算力将需要至少400亿美元的投资。Anthropic需要为该笔租赁提供财务担保，并为安装的芯片另行筹措资金。

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

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

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

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

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

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

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

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

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

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

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

研报精选

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

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

<全文完>

本文来自华尔街见闻，欢迎下载APP查看更多

周五，微软宣布为Copilot推出多项新功能，将Word、Excel和PowerPoint直接整合进这一AI助手，同时新增编程工具Code和能够持续运行的AI代理Autopilot，试图将Copilot从单一的AI助手进一步打造为覆盖办公、编程和任务执行的一站式工作入口。

微软希望通过此次产品升级扩大Copilot的使用范围，并应对ChatGPT和Claude等AI产品的竞争。随着Office核心应用被纳入Copilot，微软正在尝试让用户更多地在AI助手内部完成工作，而不必频繁切换不同应用。

受消息影响，微软周五收涨3.66%。

Office三件套直接进入Copilot

此次升级中最受关注的变化之一，是Word、Excel和PowerPoint被直接整合进Copilot。

微软表示，用户可以在Copilot中创建和编辑Word、Excel及PowerPoint文件，并继续与其他用户协作。相关文件能够与原有Office应用保持同步。

这意味着，Copilot不再只是调用Office应用的AI功能，而是开始成为用户进入这些办公工具的统一入口。用户可以在同一环境中进行对话、处理文件和完成办公任务。

微软此次还升级了Copilot的Home功能，将Chat和Copilot Cowork结合起来，并加入Office能力。

Copilot新增编程工具和AI代理

除Office整合外，微软此次还为Copilot加入了两项新的AI能力。

其中，Code采用与GitHub Copilot相同的技术，旨在让用户无需直接编写代码，通过自然语言创建应用、仪表盘及其他软件。

另一项功能Autopilot则更加侧重任务执行。

Autopilot是微软此前推出的Scout AI代理的升级版本，被设计为能够持续运行的数字协作者。即使用户不在电脑前，它也能够继续执行任务。

微软表示，Autopilot将在9月底扩大至私人预览。

与传统的聊天式AI不同，Autopilot的核心变化在于从“回答问题”进一步转向“执行任务”。微软还为其设置了独立身份和权限控制，以适应企业环境下的使用需求。

从AI助手向工作入口转变

此次升级的核心并不只是增加几个功能，而是微软正在重新定义Copilot在办公软件体系中的位置。

此前，AI更多以Office中的辅助功能出现，用户可以借助Copilot生成文本、分析数据或制作演示文稿。而此次微软将Word、Excel和PowerPoint直接放进Copilot，使Copilot本身成为承载这些工作的产品入口。

与此同时，Code将软件创建能力纳入同一平台，Autopilot则负责持续执行任务。

在这一产品结构下，用户可以在Copilot中完成从提出需求、创建内容到执行任务的一系列操作。

本文来自华尔街见闻，欢迎下载APP查看更多

市场预计美联储10月加息的概率本周一度升至70%

美股早盘的波动明显受到美国经济数据牵动。美国9月密歇根大学消费者信心指数终值公布后，标普500和纳指均曾小幅转跌，道指曾回吐大部分涨幅，此后不久，三大指数重新稳住涨势，道指结束三连跌。

9月美国消费者信心指数终值降至48.1，为四个月低点；未来一年通胀预期则从8月的4%升至4.6%，未来5年至10年的通胀预期升至3.4%，为5月以来最高水平。评论称，消费者信心下降以及对价格和经济前景的担忧加深，削弱了油价回落带动的涨势。

全周AI交易力撑标普和纳指累涨。受益于AI智能体Muse火爆，Meta一周大涨超10%。Muse大火激发相关芯片需求热潮 ，Arm、AMD和英特尔全周也均涨超10%。不过，旗下大型数据中心项目遭遇不可抗力的甲骨文继续下挫，全周累计跌幅扩大到7%以上。

剔除AI概念影响的个股后，标普500其他成分股本周累计跌约1%

债市方面，中长期美债收益率续创多年新高。10年期美债收益率周五连续第二日盘中升破5.22%，连续三日创2007年来新高；30年期美债收益率连续两日盘中突破5.55%，再创2004年以来新高。尽管此后10年期收益率抹平日内升幅转降，30年期收益率回吐部分升幅，全周仍大幅攀升。

本周美债整体创去年4月美国政府宣布全球关税以来最差单周表现，长债收益率一周升近20基点

市场对美伊外交解决冲突的谨慎乐观情绪暂时压过了中东供应中断担忧，连续两日反弹的国际原油期货回落，周五缓和了债市抛售的部分压力。

卡塔尔媒体周五获悉，美伊谈判进入具体的技术性磋商阶段，伊朗在推动旨在重启霍尔木兹海峡的“七天方案”。消息传出后，原油跌幅扩大，美油和布油均曾跌超3%。稍早新华社报道提到，伊朗外长阿拉格齐周四说，伊朗已向美国递交一份新的谈判草案，将“重开”海峡并重启谈判。

本周特朗普政府确认考虑评估实施柴油出口禁令，且先后传出美伊讨论分阶段重开霍尔木兹海峡、美伊谈判进入技术性阶段，美油受到多重打击，创七周最大单周跌幅。

截至本周二，美油五连跌，周三和周四反弹，周五重回跌势、美伊技术性谈判消息后一度跌超3%

美股：美消费者信心后，标普纳指曾转跌，智能体火爆带动Meta及芯片股全周大涨

周五开盘，美股三大指数集体高开。道指全天保持涨势，标普500和纳指在密歇根大学消费者信心数据公布后一度小幅转跌。这意味着市场面对的是一个相对棘手的组合：消费者对经济前景的信心下降，但通胀预期却重新升温。这既可能意味着经济增长担忧加剧，也可能限制美联储进一步放松政策的空间。

不过，随着美债收益率的升势暂歇、油价回落，美股重新获得支撑。最终，三大指数继周一之后本周第二日集体收涨。周四收盘微跌的标普和三连跌的道指均最近四日内首日收涨，纳指两连涨。

标普500指数收涨0.51%，报7743.41点，本周累涨1.21%。道指收涨478.64点，涨幅0.93%，报51828.62点，本周累涨0.28%，全周V形反转。纳指收涨0.48%，报27068.716点，本周累涨2.06%。

本周主要美股指总体累涨。标普结束连跌两周的势头，纳指和纳斯达克100均连涨两周、最近五周内第四周累涨，凭借周五反弹，此前连跌三周的道指惊险累涨，而对利率敏感的小盘股指罗素2000累跌0.8%，连跌三周。

本周，纳指累涨超2%领涨主要股指，小盘股指继续累跌

个股方面，旗下智能体Muse近期爆红后，Meta成为市场关注焦点。Meta周四收涨4.5%，两日连涨并刷新2025年9月以来高位，但周五低开低走，收跌超3%。尽管周五收跌，Meta本周仍累涨近13%，过去一个月累涨超30%。

智能体Muse火爆的受益者——芯片股本周也普遍累涨。两连跌的费城半导体指数周五收涨约1.4%，本周累涨约6.3%。AMD收涨逾0.2%，Arm收涨1.3%，本周均累涨约12.6%，英特尔收跌超3%，但本周累涨约13.3%。

Meta本周市值增加约2200亿美元、突破1.9万亿美元冲向2万亿关口，周四收创2025年9月以来新高

不过，另一备受关注的AI概念股甲骨文逆市下挫。在周四传出因不可抗力导致新墨西哥州的一个数据中心项目恐无法按计划2028年投运后，甲骨文周五收跌近1.8%，四连跌，本周累跌7.1%。

甲骨文股债齐跌

美债：10年期收益率再创2007年来新高后转降 仍连升四周

美债市场仍是本周全球资产波动的核心。

继周四盘中突破5.22%后，基准10年期美债收益率周五再次升至5.22%上方，美股早盘曾升至5.2254%，连续三日刷新至少2007年7月以来的高位，美股午盘下破5.20%、抹平日内升幅转降，到债市尾盘时约为5.16%，日内降约4个基点，本周累计升约16个基点，连升四周，创3月27日一周以来最长连升。

对利率前景敏感的2年期美债收益率周五总体下行，美股尾盘下测4.85%刷新日低，继续脱离周三升至4.94%上方所创的两年多来高位，到债市尾盘时约为4.85%，日内降约7个基点，本周累计升约11个基点，连升六周，创2024年11月22日以来最长连升周。

30年期美债收益率周五盘中连续第二日突破5.55%，再次刷新2004年以来最高水平，到周五美股尾盘约为5.49%，全周累计升近17个基点，创5月15日以来最大单周升幅。

本周，大多数期限的美国付息国债收益率均站上5.0%，两年期美债收益率虽未升破5.0%，但也曾创两年多来新高

周五早盘，美债收益率曾随着油价回落而有所下降，但密歇根大学数据公布后重新走高。消费者未来一年通胀预期升至4.6%，进一步强化了市场对通胀压力的担忧。

《华尔街日报》指出，10年期美债收益率本周累计上升约16个基点，本月累计升幅约40个基点，今年以来的升幅已经达到约1个百分点。长期美债收益率的快速攀升，意味着市场要求更高的期限溢价，也在持续抬高股票等风险资产的估值门槛。

这也是近期全球市场一个重要的变化：美股虽然仍受到AI投资热潮支撑，但5%以上的长期美债收益率正在成为压制股票估值的重要变量。

与此同时，市场对美联储后续政策的重新定价仍在继续。近期油价大涨推动通胀担忧升温，加上消费者通胀预期重新走高，市场对美联储10月加息的押注明显增加。纽约联储主席约翰·威廉姆斯周五表示，如果供应冲击影响到价格，美联储不能对此置之不理。

日美官员接连释放“弱日元有问题”信号 日元扭转五连跌 一度涨1.2%

周五汇市最大的看点是日元。

日元兑美元盘中一度上涨1.2%，至156.98日元兑1美元，创近三周来最大日涨幅，并在G10货币中表现居首。

推动日元突然走强的直接催化剂，是日本和美国官员罕见释放的共同信号。

彭博社报道称，日本财务大臣片山皋月周五透露，日本首相高市早苗在本周与美国总统特朗普会晤时表示，日元被低估“存在问题”，特朗普在会晤中表达了对日元走弱的担忧。贝森特此后在社媒发文称，周五与片山皋月进行了“富有成效的通话”，双方讨论了强日元的“可取性”。

这番表态发生在美元兑日元此前一度逼近159的背景下，因此迅速引发市场对日本当局进一步干预汇市风险的关注。

华侨银行策略师Moh Siong Sim称，“干预风险应该为日元进一步走弱设置上限。” 更重要的是，特朗普对日元走弱的担忧可能意味着日美两国在支持日元方面的协调正在加深。

因此，周五日元的上涨并不只是日本国内利率预期变化的结果，更重要的是市场开始重新定价日美双方对日元过度贬值的政策容忍度。

周五日元反弹也得到美元回落支持。在卡塔尔媒体称美伊谈判进入技术性阶段后 ，周五美股午盘之初，ICE美元指数跌幅迅速扩大、并刷新日低至100.87，日内跌逾0.4%，跌离周四逼近101.40刷新的7月末以来高位。

到周五汇市尾盘，彭博美元现货指数日内跌逾0.2%，止步五连涨，在上周涨超1%创三个月最大周涨幅后，本周又累涨逾0.8%，和ICE美元指数均连涨两周，创3月以来半年最大两周涨幅。

彭博美元现货指数周五暂别两个月高位，连涨两周

但人民币未能反弹。离岸人民币（CNH）兑美元在周五美股早盘曾跌至6.7260下方，连续两日刷新9月2日以来低位。北京时间9月26日4点59分，离岸人民币兑美元报6.7227元，较周四纽约尾盘跌68点，四连跌，本周累跌272点。

美伊进入技术性谈判消息后，原油一度跌超3%，全周美油跌近4%

国际原油期货周五全线走低，市场对美国与伊朗可能通过外交途径缓和冲突的预期升温，令此前因中东供应风险大幅上涨的油价承压。

据新华社，伊朗外交部长阿拉格齐9月24日周四在联合国大会一般性辩论期间对媒体说，伊朗方面已向美国递交一份新的谈判草案，将“重开”霍尔木兹海峡并重启谈判。阿拉格齐拒绝透露草案具体内容，只表示谈判条件无外乎双方6月所达成谅解备忘录中的内容。

据报道，阿拉格齐周四称，伊朗已通过中间人向美国提出一项方案：若满足特定条件，霍尔木兹海峡将在七天后重新开放，相关谈判也将得以恢复。伊朗总统佩泽希齐扬周四也表示，是否结束战争取决于美国，并称美伊双方目前正通过中间人保持沟通。

卡塔尔媒体周五称，美伊谈判已超越初步外交接触、进入具体技术性磋商，伊朗技术专家已赴纽约加入谈判。此消息传出后，美油和布油均跌幅扩大、刷新日低，日内跌约3.3%。

虽然伊朗媒体此后否认、称报道不实，但原油跌势未改。到收盘，原油止步两连涨，美油逼近周二刷新的两周来低位，布油跌落一周高位。

WTI 11月原油期货收跌2.33%，报92.41美元/桶；周四刷新9月15日以来高位的布伦特11月原油期货收跌2.14%，报104.32美元/桶。

周五油价下跌更多反映的是外交解决预期带来的风险溢价回吐，而非市场已经确认中东供应风险解除。此前油价快速上涨后，投资者对任何可能推动霍尔木兹海峡重新开放的信号都十分敏感；但只要地区军事冲突仍在继续，油价就很难完全摆脱地缘政治风险溢价。

路透社指出，也门胡塞武装对沙特的袭击仍可能扰乱这个重要产油国的供应，因此油价并未完全消化供应风险。

本周，原油受中东局势影响剧震：截至周二，连跌五个交易日，随着胡塞武装持续袭击沙特、以及美伊外交进展未见实质进展，周三和周四持续反弹。

以收盘计算，全周原油涨跌不一。到周五收盘，美油累跌3.82%，在连涨三周后回落，创8月7日一周以来最大周跌幅；得益于周三和周四两日累涨7.41%，布油全周累涨0.43%，在上周回落后反弹、最近四周内第三周累涨。

不同于美油，布油未明显受到美国可能实行柴油禁令的影响，全周小幅反弹

黄金反弹 全周仍跌超2% 高利率与强美元继续施压

黄金周五成功反弹，全周受到高利率和美元走强的双重压制。

周五欧股盘中刷新日高时，纽约黄金期货涨破4350美元，日内涨逾1.2%，伦敦现货黄金涨至4310美元上方，日内涨近1%，美国消费者信心公布后，美股早盘均曾转跌并刷新日低，但早盘即转涨。

到收盘，四连跌的COMEX 9月黄金期货收涨0.54%，报4286.2美元/盎司，摆脱周四刷新的8月6日以来低位，本周累跌2.27%，为8月28日一周以来最大周跌幅。全周跌超2%源于，截至周四，期金创6月24日以来最长连跌日，四日累跌2.8%。

其他金属表现不一。两连跌的纽约期银反弹，COMEX 9月白银期货收涨1.24%，报64.245美元/盎司，本周累跌3.47%。周四反弹的纽约期铜回落，COMEX 9月期铜收跌0.34%，报6.6955美元/磅，本周累涨1.22%，连涨两周，两周累涨3.49%。

本周期金和期银均在上周反弹后回落、最近五周内第四周累跌。随着10年期美债收益率持续处于5.2%左右的高位，持有无息黄金的机会成本明显上升；与此同时，美元走强也令以美元计价的黄金对海外投资者而言更加昂贵。

本周黄金市场因此呈现出地缘政治避险需求与高利率压力之间的拉锯。尽管中东局势仍存在较大不确定性，但在美债收益率持续刷新多年高位的情况下，利率因素正在成为压制黄金价格的重要力量。

贵金属本周齐累跌，经济增长希望带动期铜继续累涨

一周市场：AI托住美股，“5%美债+高油价”重新主导定价

回看本周，全球市场的主线仍然是AI热潮与宏观利率压力之间的拉锯。

美股方面，AI相关股票继续提供支撑，标普500指数和纳指截至周四仍有望录得周涨幅；但与此同时，美债收益率快速攀升，美元走强，意味着市场对通胀和利率的担忧并未消退。

债市则明显弱于股市。10年期和30年期美债收益率分别一再刷新2007年以来和2004年以来高位，长期利率上行已经成为本周全球资产价格波动的重要背景。

汇市方面，美元整体保持强势，但日元周五突然大涨，为本周市场增加了新的政策变量；原油则围绕中东供应风险和霍尔木兹海峡重开预期剧烈波动，黄金则受到高利率环境压制。

因此，截至周五盘中，市场形成了一个颇具代表性的组合：AI仍在托住美股，但5%以上的长期美债收益率、高位油价以及重新升温的通胀预期，正在不断提高风险资产继续上涨的门槛；与此同时，日美官员对弱日元的共同担忧，则让日元成为本周尾声最受关注的汇率品种之一。

本文来自华尔街见闻，欢迎下载APP查看更多

当地时间本周四晚，特斯拉在内华达州Sparks的Semi专属工厂举办交付活动，宣布PepsiCo、DHL、US Foods、WattEV、ABF、Einride、IMC及OK Produce等一批新老客户加入订单名单。

马斯克表示，Semi的"候补名单相当可观"，并鼓励更多客户下单。并称"我们非常激动"。

特斯拉称，该工厂年产能达5万辆，即每周1,000辆。在技术层面，特斯拉给出了若干超出原定目标的数据：满载状态下续航500英里，较轻载荷下可达600英里；能耗较原设计目标降低约15%，至约1,700瓦时/英里。

周五，特斯拉高开低走，收跌1.54%。

十年延迟后，Semi正式进入量产

特斯拉Semi于2017年以概念车形式首次亮相，此后历经多次延期，直至2026年4月方才进入量产。本次活动地点选在紧邻内华达超级工厂的Semi专属制造基地，特斯拉表示该工厂具备年产5万辆的能力。

活动前夕，一名YouTube博主操控无人机飞越工厂上空，提前将多家客户名单泄露。正式活动上，特斯拉确认PepsiCo、DHL、US Foods、WattEV、ABF、Einride、IMC及OK Produce均已列入客户名单。

其中，自动驾驶卡车初创公司Einride去年8月宣布订购500辆；物流企业IMC本周早些时候表示将采购50辆，用于加利福尼亚州的港口短驳业务；本周一，特斯拉还获选为"全球最大货主联盟"提供2,500辆卡车，服务加州零排放货运业务。

特斯拉未披露总订单量及起售价格，但马斯克的表态暗示需求端并不缺乏。

工程升级：更高效率，更轻电池

活动大量篇幅聚焦于Semi的技术细节。

特斯拉半卡车工程总监Dan Priestley强调，500英里的续航数据来自满载测试，而非随货物减少而递增的轻载测试，以此区别于行业惯常的标定方式。特斯拉工程副总裁Lars Moravy则表示，当载重降至约60,000磅时，续航可进一步延伸至约600英里。

在电池技术上，Semi弃用此前测试版本所采购的2170电芯，改用特斯拉自研的4680电芯。特斯拉称，结合整车效率提升，此次调整在不牺牲续航的前提下，实现了电池包质量与容量的双降，有助于控制成本。

整车能耗已从最初设定的2,000瓦时/英里降至约1,700瓦时/英里，降幅约15%。特斯拉还推出多种续航配置，以满足不同运营场景需求，而非仅依赖单一的长续航版本。

推进充电网络建设，规避柴油价格波动风险

Semi搭载容量达822千瓦时的巨型电池组，需要更高功率的充电基础设施支撑。

特斯拉正在推进Megacharger网络建设，单桩最高可输出1.2兆瓦功率。活动现场，Dan Priestley与Lars Moravy实时演示了一辆Semi在新型兆瓦级充电桩上从3%充至60%仅用约30分钟的过程。

特斯拉表示，年底前将建成逾30座Semi充电站，合计超过200个兆瓦级充电桩，同时支持客户自建的夜间充电方案。充电网络的落地速度，将直接影响货运客户的实际运营可行性。

在成本逻辑上，特斯拉将Semi定位为低总拥有成本产品，核心论据包括：更低的电力费用、更少的维护零部件，以及规避柴油价格波动的风险敞口。Lars Moravy在活动上表示：

"油价和柴油价格历来起伏不定。但过去20年，电价基本保持平稳。若能将运输成本锁定在平稳水平，岂不更好？"

此外，特斯拉还推出驾驶员个人档案跨车辆同步、动态载重续航预测等功能，以提升车队管理效率。

声誉修复与执行能力仍是最大考验

尽管需求信号较为积极，特斯拉面临的核心挑战在于执行层面。部分货运客户已等待数年，任何进一步的交付延误都将加剧外界对公司兑现承诺能力的质疑。

特斯拉声称其现有Semi车队的正常运行时间超过98%，优于柴油重卡行业平均的90%至95%水平，并围绕Semi构建了专属服务体系，涵盖移动服务、远程诊断及OTA软件更新。

但上述数据来自规模有限的早期车队，大规模量产后能否维持，仍有待验证。

在更宏观的市场背景下，特斯拉正处于品牌形象与销售数据双重承压的时期。Semi作为公司在重型商用车领域的首款量产产品，其市场表现不仅关乎这一细分赛道的拓展，也将成为投资者评估特斯拉执行能力与产品创新势能的重要参照。

本文来自华尔街见闻，欢迎下载APP查看更多

此次披露源于OpenAI数月前发现旗下AI意外入侵Hugging Face后启动的调查。

该公司在周五发布的博客文章中表示，已就相关事件通知受影响方，涉及情形包括：软件绕过网站安全控制、影响服务可用性，以及"失控"AI模型对外部网站或服务造成负面影响。

就在数日前，OpenAI刚刚承认其AI模型于今年早些时候入侵了一家澳大利亚政府网站，此举被视为已知的首批AI对政府数据库发动网络攻击案例之一。

澳大利亚总理Anthony Albanese本周证实，该网站用于报告医疗健康统计数据，遭入侵时间为6月18日，目前没有证据显示澳大利亚公民个人信息受到泄露。

OpenAI在X平台的帖子中表示，此次调查的重点在于"AI代理与第三方网站的交互方式超出其既定任务或预期方法"的情形。

公司表示，迄今识别的大多数案例属于较低级别，对第三方服务的实质性影响"有限或没有证据显示存在实质影响"。

OpenAI还表示，已审查的大多数行为涉及AI模型执行"日常研究任务"，例如从网站获取问题答案。公司预计，完整审查工作将耗时数月。

OpenAI首席执行官Sam Altman周五在X平台发文承认，公司的处理速度不及预期，但他表示，在透明度与从海量活动日志数据中提取信息、并与受影响机构协作之间，需要审慎权衡。Altman写道：

"我们正在尽可能按照严重程度排列优先级，并持续增加资源投入。"

OpenAI此次事件并非个例。来自OpenAI、Anthropic、谷歌DeepMind以及Meta旗下模型引发的安全事件，已在主要企业中引发广泛的网络安全担忧。

传统网络安全工具——包括防火墙、邮件过滤器及事件响应软件——的核心能力在于识别已知恶意软件特征，或检测并拦截异常行为，继而向人工安全团队发出警报，由后者对受入侵账户或设备进行隔离处置。

然而，AI模型已被证明具备更高级的攻击能力：它们有时能够发现此前未知的软件漏洞，并同时利用多个漏洞对目标机构实施入侵。

这类攻击更难被拦截，且可能在安全人员毫无察觉的情况下，为恶意攻击者提供对受感染系统的深度访问权限。

本文来自华尔街见闻，欢迎下载APP查看更多

日本财务大臣片山皋月（Satsuki Katayama）周五表示，高市早苗首相并非"再通胀主义者，非常尊重央行独立性"，并称高市本人一再要求她向海外投资者澄清这一立场，"我们希望确保在这一点上不存在任何误解。"

片山同时重申干预汇市、支撑日元的意愿，并淡化了近期日本国债收益率上行所引发的市场担忧。

上述表态发生在日本央行上周三度加息之后。然而，高市政府提名的两位央行委员均投票反对这一决定，进一步强化了市场对日本政府倾向于延缓加息步伐的判断。

与此同时，日元兑美元汇率已跌破央行加息前水平，日本国债收益率也攀升至1990年代中期以来最高水平，市场压力持续升温。

片山的澄清并非孤立之举。经济增长战略大臣Minoru Kiuchi当天早些时候也表示，日本经济已无需再通胀政策。

Kiuchi在内阁中被视为再通胀立场最鲜明的成员，其发言与片山的口径高度一致，显示出政府有意统一对外叙事，以回应市场对政府干预央行政策的疑虑。

部分市场人士将高市视为已故前首相安倍晋三的政策传承者——安倍曾力推央行货币宽松与灵活财政政策，以打破日本数十年的经济停滞。

片山对此回应称，随着通胀重返日本，当前环境已与彼时截然不同，过去的政策框架不能简单套用于今日。

片山表示，高市本人"非常尊重央行独立性"，日常货币政策决定权归属日本央行，政府有意避免给外界留下干预央行政策的印象。

片山透露，她近期在东京与多位美国金融界人士会面，其中包括亿万富翁投资者Stanley Druckenmiller以及摩根大通首席执行官Jamie Dimon。

谈及会面内容，她承认，部分投资者仍认为高市政府正在制约日本央行的行动空间。

正是这种疑虑，促使片山在本次专访中主动、反复地强调政府尊重央行独立性的立场。

在汇率问题上，片山重申了干预市场的准备，并与美国财政部长贝森特于周五再次通话。

据日本财务省发布的通话摘要，双方就金融市场最新动态交换了意见，并再次确认了对日元被低估的共同关切，以及进一步深化合作的意向。贝森特随后在X上表示，双方"讨论了反映日本强劲经济基本面的强势日元的可取性"。

片山当天早些时候在新闻发布会上透露，特朗普在本周于纽约举行的会谈中，向高市表达了对日元疲软的关切。但她补充称，特朗普的表态仅止于此，双方并未就后续应采取何种措施深入探讨。

对于近期债券收益率的快速上行，片山认为这是一个全球性现象，部分反映了人工智能投资热潮带动的私人部门资金需求上升，并预计此轮快速上涨将是暂时性的。

她还指出，利率上升对日本家庭而言实际上意味着存款利息收入增加，相比美国人更多持有股票，日本人的储蓄更多存放在银行，因此有望从中受益。

本文来自华尔街见闻，欢迎下载APP查看更多

数据中心开发商表示，部署完整的1GW算力将需要至少400亿美元的资本投资。Anthropic需要为租赁提供财务担保，并为在这些数据中心内安装的芯片另行筹措资金。

Anthropic已就成为直接租户并部署由谷歌和博通联合设计的TPU进行了讨论，不过也可以使用英伟达的GPU。谷歌可能会提供信用担保，但该项支持的具体范围尚不明确。

相关洽谈仍处于初步阶段，容量和交易结构仍在谈判之中。

阿波罗于2025年11月收购了Stream的多数股权，当时阿波罗曾表示，该开发商已交付超过20个数据中心园区，并拥有超过4GW的开发储备项目。

这项潜在的租赁协议将使Anthropic进一步延伸其摆脱仅从云服务提供商获取服务器容量的战略步调。

Anthropic已承诺在10年内向AWS投入超过1000亿美元以获取高达5GW的容量，并与AMD达成协议部署高达2GW的Instinct GPU。

Anthropic联合创始人兼首席算力官Tom Brown曾说道：“跨多元化的硬件范围运行，能让我们把合适的计算工作负载分配给合适的硬件，”

此前，Anthropic已与TeraWulf签署了一份为期20年的租赁协议，涵盖肯塔基州约401MW的关键IT负载。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博报道，新墨西哥州总检察长Raúl Torrez表示，该裁决是追究科技巨头责任的"里程碑式时刻"，将向法院申请对Meta处以最高2190亿美元的民事罚款。

陪审团裁定，Meta在言论及数据隐私政策上存在欺骗公众的行为，违反了州法律。

此次判决波及范围广泛。陪审团认定，在裁决书列出的34项陈述中，Meta对其中大多数项目负有责任，每项违规次数在130万至210万次之间——这一数字对应新墨西哥州Facebook用户数量或2020年该州总人口数。

最终罚款金额将由圣塔菲第一司法巡回法院法官Francis Mathew裁定，每次违规最高可处以5000美元罚款。

周五，Meta收跌3.33%。

Torrez是全美首位将Meta就剑桥分析丑闻诉诸庭审的州级执法官员。这一丑闻最早于2018年曝光，历史已近十年。

事件起源于一名数据科学家开发的一款问卷调查应用程序。该应用表面无害，实则在收集Facebook用户数据的同时，也抓取了其好友的信息，最终共涉及8700万份用户档案。

已解散的政治咨询公司剑桥分析随后获取了这批数据，并将其用于特朗普2016年总统竞选。

此前，Meta已支付巨额和解金以避免诉讼。协议方包括联邦贸易委员会、Facebook用户群体，以及最近达成的一项由两党州总检察长联盟主导的和解，合计约60亿美元。

新墨西哥州和华盛顿特区是仅有的两个未加入该联盟和解的司法管辖区。

Meta方面对判决结果表示异议。其发言人在声明中表示，公司不认同陪审团裁决，将继续就"歪曲我们记录的行为"进行抗辩。

"我们依据第一修正案，有权以我们认为最符合社区利益的方式管理旗下平台，"该发言人表示，"这意味着优先保障言论自由、保护用户信息并赋予用户对其数据的控制权。"

值得注意的是，2190亿美元为理论上限，实际罚款金额取决于法官的最终裁量。Torrez在新闻发布会上表示，法律团队尚未确定将向法院申请的具体金额，但将争取最高额度。

本文来自华尔街见闻，欢迎下载APP查看更多

据路透援引知情人士透露，Solidigm本周已与多家投行举行竞标会议，就IPO承销角色展开角逐，标志着上市进程迈出实质性一步。

该公司计划最早于明年完成上市，目标募资规模约150亿美元。消息人士提醒，包括交易规模和时间表在内的相关计划仍处于早期阶段，可能因市场状况而调整。

据彭博报道，今年8月，Solidigm与CoreWeave达成多年期协议，向后者提供企业级固态硬盘（SSD）容量。Solidigm的其他客户还包括Vast Data、戴尔和腾讯。

若最终成行，此次上市将为这家专注于NAND闪存和企业级固态硬盘的公司提供独立估值，同时借助人工智能基础设施投资热潮吸引市场资金。

AI相关需求持续推动半导体硬件股上涨，Solidigm所在赛道正处于这一趋势的核心位置。

周五截至发稿，SK海力士美股盘中上涨2.8%。

1500亿美元的潜在估值将大幅超越近年半导体上市案例。

Arm Holdings于2023年上市时估值约540亿美元，Cerebras Systems于2026年IPO时全稀释估值约为560亿美元。Solidigm若按目标估值完成上市，将成为美国半导体行业有史以来规模最大的IPO。

Solidigm总部位于加利福尼亚州兰乔科多瓦，是韩国SK海力士的美国子公司，主营NAND闪存芯片及固态硬盘业务。

该公司聚焦于面向AI应用的大容量存储产品，在服务器、云基础设施及数据中心领域供应企业级SSD，致力于通过差异化产品满足AI场景下日益增长的海量数据存储需求。

Solidigm的业务基础源自一笔大型并购交易。SK海力士于2020年宣布以约90亿美元收购英特尔的NAND存储及SSD业务，并于2021年将相关业务整合后以独立子公司形式推出Solidigm。

SK海力士当时表示，此次收购将强化其NAND闪存和企业级SSD业务，并扩大其在全球存储市场的份额。

Solidigm目前已成为SK海力士存储业务组合的重要组成部分。上月，SK海力士表示正在研究提升Solidigm竞争力的相关措施，此前有媒体报道称该子公司正考虑开展约5万亿韩元（约36亿美元）的IPO前融资。

在推进上市计划的同时，Solidigm亦在考虑扩大本土生产能力。据媒体此前报道，该公司正评估在美国建设NAND闪存芯片工厂的方案，纽约州北部已成为选址的主要候选地。

本文来自华尔街见闻，欢迎下载APP查看更多

美东时间9月25日周五，美国财长贝森特在社交媒体发文称，他当天与日本财务大臣片山皋月进行了“富有成效的通话”，双方讨论了“反映日本强劲经济基本面的强势日元的可取性”，并强调继续就外汇市场保持密切沟通的重要性。

贝森特的表态进一步强化了近期美日官员围绕日元汇率释放的信号。

彭博社周五稍早报道称，片山皋月透露，特朗普本周与日本首相高市早苗会晤时均谈到了日元走弱的问题，高市还向特朗普表示，从一般原则来看，日元被低估“是有问题的”。

以上日本官员的相关表态传出后，日元涨幅扩大，美元兑日元盘中曾跌破157.00至156.94，日内跌幅达1.2%，脱离周四盘中涨破159.00刷新的9月2日以来高位。

美日官员接连释放信号：从特朗普、高市到贝森特、片山

贝森特周五表示，此次与片山的通话延续了特朗普本周早些时候与高市早苗的会谈，并体现了“美日伙伴关系的力量”。

他在社交媒体上写道，双方讨论了“反映日本强劲经济基本面的强势日元的可取性”，同时讨论了在外汇市场保持密切沟通的重要性。

从措辞来看，贝森特并未提出具体汇率目标，也没有宣布新的外汇干预措施，但他直接使用“强日元的可取性”这一表述，显示美国财政部对日元汇率的关注仍在延续。

而在贝森特发文之前，日本方面已经释放了更为明确的信号。

片山皋月周五表示，特朗普在本周于纽约与高市早苗会晤时，表达了对日元走弱的担忧；高市则向特朗普表示，日元被低估是“有问题的”。片山还表示，鉴于此次日美首脑会谈，她将继续与贝森特就包括外汇在内的一系列问题保持密切沟通。

彭博社指出，在日本官员接连谈及日元走弱的问题后，日元一度成为G10货币中表现最强的品种，盘中涨幅达到1.2%。这一走势也反映出，市场开始重新关注美日官员对日元进一步贬值的容忍度。

值得注意的是，**目前公开信息显示的是政策沟通和干预风险升温，并非美日周五再次实施了联合干预。日本和美国此前于7月底实施过联合日元买入干预，市场目前关注的是，如果日元再次快速贬值，美日是否会采取进一步行动。

机构：干预风险或给日元跌势“设顶”

市场人士开始重新评估日元进一步走弱的空间。

华侨银行（OCBC）策略师Moh Siong Sim称，“干预风险应该会给日元进一步走弱设定上限”；更重要的是，随着特朗普对日元走弱表达担忧，日元可能正在接近一个转折点，因为这意味着美日之间可能出现更深入的协调，以支持日元。

日元近期承压，一方面是市场重新提高了对美联储进一步加息的预期，美国与日本之间的利差可能继续维持在较高水平；另一方面，市场对日本央行后续加息速度的判断也限制了日元的支撑。

彭博社指出，市场参与者此前已经将160日元附近视为日本当局干预风险明显升高的区域。近期日元期权市场情绪也转向更加看多，反映投资者为日本可能干预汇市进行对冲的需求增加。

不过，市场上也存在不同看法。

彭博宏观策略师Brendan Fagan认为，日本官员最新的表态并没有解决两个关键问题：日本央行的政策仍明显落后于其他主要央行，同时市场依然存在结构性的套利交易需求。他认为，日元目前的走强更多是对政策信号的反应，其持续性仍有待观察。

日元能否站稳，仍取决于美日利差与政策路径

日元此次反弹发生在一个敏感的背景下。

此前连续五个交易日走弱期间，美元兑日元一度重新逼近160关口。美国经济数据相对强劲、市场对美联储进一步加息的预期升温，以及美国国债收益率持续走高，都对日元形成压力。

与此同时，日本央行后续加息的节奏仍是市场关注重点。日本方面虽然持续强调汇率波动和日元被低估的问题，但如果美日利差继续维持高位，单纯依靠口头干预能否持续改变汇率走势，仍存在不确定性。

因此，周五日元的大幅反弹更直接地反映了市场对“美日官员都不希望日元过度走弱”这一政策信号的重新定价。

接下来，市场将继续关注三个变量：美联储利率预期是否继续推高美日利差、日本央行是否进一步释放加快加息的信号，以及美日财长所强调的“密切沟通”是否会进一步转化为具体的汇率政策行动。

本文来自华尔街见闻，欢迎下载APP查看更多

周五，美国联邦哥伦比亚特区巡回上诉法院周五以2比1的裁决，驳回了Anthropic对五角大楼将其列为供应链国家安全风险的异议，为政府方面取得一项关键胜利。

不过，一名加州联邦法官此前发布的、暂停政府禁令的裁定目前仍然有效，使这场争议的整体走向依然悬而未决。

这场争议的根源在于Anthropic拒绝解除其对Claude模型用于致命性自主武器和国内监控的合同限制，导致双方谈判破裂，五角大楼随即将该公司列为供应链风险。

此次法院裁决对正寻求向政府客户扩张的人工智能企业发出警示信号，也令Anthropic在争取政府合同过程中面临更大压力。

Anthropic在声明中表示"礼貌地不赞同"上诉法院的裁决，并指出另一家联邦法院已就政府平行发出的同类认定作出违法裁定，公司正"考虑所有选项，包括进一步寻求复审"。

这场法律角力的起点可追溯至今年早些时候一次失败的商业谈判。

今年2月，Anthropic寻求政府就Claude不被用于大规模监控美国公民或自主武器部署提供保证，而政府方面则坚持要求在不附加任何公司限制的条件下使用Claude。

谈判陷入僵局后，五角大楼通知Anthropic，将该公司及其产品列为美国供应链风险，要求所有联邦机构撤回与该公司相关的指令。

此类风险认定通常仅适用于美国视为对手的国家旗下的公司，Anthropic此番被列入其中，标志着政府对该公司立场的强硬回应。

Anthropic随后在加州和华盛顿特区分别对五角大楼提起诉讼，指控政府在谈判失败后对公司实施非法报复。其中，华盛顿诉讼聚焦于供应链安全风险认定的合法性，加州诉讼则针对政府合同中更大范围的技术使用禁令。

哥伦比亚特区巡回上诉法院的多数意见由法官Karen LeCraft Henderson撰写。

她认为，国防部依据一项对供应链风险定义较为宽泛的法规，将Anthropic列为风险来源具有"充分依据"——即便该公司并无恶意，也不影响相关认定的成立。

然而，加州联邦法官今年8月作出的裁定适用的是另一部法律——该法律对供应链风险的定义更为严格，仅涵盖可能蓄意破坏或恶意渗透政府系统的对手方。

该法官据此认定，政府对Anthropic技术的使用禁令依据不足。

Henderson在裁决中表示，哥伦比亚特区上诉法院对加州法院的结论"无异议"，因为Anthropic在与国防部的交涉中并无"不良动机"；但她同时指出，依据另一部法规认定供应链风险，"并不要求存在不良动机"。

两地法院所依据的法律框架不同，由此形成并行但结论各异的司法走向。

这场纷争折射出人工智能企业商业化扩张与政府安全需求之间日趋紧张的关系。

美国人工智能开发商正竞相推出最先进的模型，并向投资者证明技术的盈利能力，而政府客户无疑是这一商业版图中举足轻重的组成部分。

Anthropic被列入供应链风险名单，不仅直接影响其承接政府合同的能力，也对整个行业在与政府的技术合作谈判中如何设置使用限制条款，产生了更广泛的示范效应。

目前，加州法院的暂停禁令仍有效，意味着Anthropic在部分领域与政府的合作通道尚未完全关闭。

但哥伦比亚特区上诉法院的最新裁决表明，政府对人工智能技术的安全审查具备相当的法律支撑。Anthropic表示正考虑进一步寻求复审，这一争议的最终走向仍有待观察。

本文来自华尔街见闻，欢迎下载APP查看更多

这项面向海外市场的探索，为Agent支付提供了新场景，Agent的任务也从点餐、团购等消费服务，延伸到为工作任务采购数字资源。

就在一天后，蚂蚁集团宣布调整支付宝组织架构，原支付宝事业群、数字支付事业群和芝麻信用事业部合并为新的支付宝事业群；

并提出，将用户入口、支付执行与信任能力聚拢起来，加速布局智能体商业。

蚂蚁集团CEO韩歆毅在今年5月的支付宝AI支付生态大会上表示：“AI支付不是最后一步，它成为智能体商业的可信承诺引擎。”

这折射出大厂对Agent支付的共同设想：支付不再只是订单生成后的扣款环节，而要进入用户委托、服务选择和交易履约的全过程。

由此，Agent支付的竞争被推到三个问题上：Agent能买什么、谁能被Agent选中、Agent作出选择后又该由谁负责？

被撬动的因而不只是支付步骤，还有用户入口、商户分发和责任边界的整套分工。

购物清单扩容

枢纽调研发现，Agent支付正沿着三条路径突破既有交易边界。

第一项探索，是将服务边界由平台内转向跨机构、跨服务商。

今年1月，千问在公开演示中接到订购40杯饮品的任务，在用户给出数量、口味和配送需求后，Agent在淘宝闪购筛选商品、匹配优惠、生成订单，并在授权后完成支付。

彼时，商品、履约、支付与售后都处在阿里生态内，千问的任务，是把一句自然语言拆成搜索、比较、选品和下单，再逐一调用已经接通的服务。

4月，中国银联发布智能体支付开放协议框架APOP，并完成机票、酒店、车载消费和生活缴费等5笔生产系统验证交易。

公开展示的机票订单中，航旅纵横AI助手比较航班、关联旅客信息，并使用交行信用卡完成购票。

相较阿里系统内的奶茶交易，APOP已涉及多个主体：

航旅纵横提供航班和出票服务，交行管理账户和信用卡，银联连接支付网络，用户提出的“便宜”落实为航线、日期、价格和退改规则，随订单在不同机构之间传递。

在相似的时点，海外机构也在探索让独立服务商直接向Agent报价、收款和交付。

例如，Stripe（美国支付基础设施公司）与Tempo（支付结算网络项目）发布了机器支付协议（Machine Payments Protocol，MPP），将独立服务商的接口变成面向Agent的交易窗口。

以市场分析任务为例。

用户可以让Agent收集竞品网站公开信息，并给出预算和支付权限，Agent向支持MPP的网页数据服务商发起查询，接口返回本次数据调用的价格和付款要求；完成付款后，服务商再交付所需网页内容，供Agent完成后续分析。

这当中，Stripe处理支付与结算，使这类按次、按用量购买能够嵌入Agent工作流。

第二项探索，是将资金权限预先写入交易规则。

腾讯公司公关总监张军在AI专属卡发布时曾作过一个通俗比喻：托人办事，需要给人家办事买东西的费用，托智能体办也是一样。

6月，微信支付推出AI专属卡，WorkBuddy成为首批接入产品，用户先向卡内划转资金、设定额度，再让美团生活助手生成团购订单，并在手机端确认扣款。

这一模式下，在团购、订餐等任务交给Agent之前，金额和用途已经写进了专属卡的规则，同时用户仍保留逐笔确认的权利。

万事达卡的Agent Pay for Machines则展示了连续采购的场景：用户让Agent搭建一家花店网站后，Agent可在预算内依次购买域名、网站托管、图片和收银页面。

连续采购要求同一份预算覆盖多笔付款。域名、托管、图片和收银页面分别产生支出，支付系统需要逐笔核验权限与余额。

第三类探索，是将购买对象从C端的生活服务，延伸到B端任务所需的数字资源。

此前案例中，饮品、团购和机票主要服务于个人消费。

9月，百度智能云、FluxA与Visa展示Agent Spend方案，将Token、数据服务和算力放进Agent的采购清单；

用户给出代码开发任务、预算上限和支付权限后，Agent在不同模型、数据服务和算力资源之间比较价格、效果与可用性，再决定采购什么。

百度集团副总裁袁佛玉指出，当AI Agent从执行任务走向真正参与商业活动，Token不再只是模型调用成本，而会成为Agent经济运行中的重要资源。

企业由此可将资源采购、实际支出与任务结果记入同一套项目账本，支付也进入资源选择和预算管理。

谁能被Agent选中

不过无论购物清单如何增长，最终仍要回到用户选择。

用户将选择交由Agent的初衷，是减少在选品、比价上投入的注意力。

一位消费者过去选购冬被，可能先被首页推流、广告氛围、甚至达人宣传吸引，再在商品页之间比较填充物、保暖等级、尺寸、价格、退换条款，最后领取优惠、完成付款。

Agent接管后，用户只需说清尺寸、保暖程度、预算和送达时间，Agent便可在综合商城内将同类产品的填充物、克重、价格、库存、配送、优惠纳入比较，给出购买建议。

对于商户而言，Agent参与选品，可能对传统的营销逻辑带来挑战。

传统电商的销售对象是人，首页曝光、视觉创意、品牌调性，服务的是消费者的兴趣、审美、乃至情绪；

而进入Agent主导的实用型订单后，商品卖点就需要转变为结构化、功能化、可被机器读取的标准参数。

谁的信息更完整、价格更合适、库存和配送更可靠，谁就更可能进入候选列表。

枢纽注意到，将产品能力写入Agent标准接口的探索，已经出现。

2026年3月，OpenAI在ChatGPT中推出基于智能体商业协议的商品发现功能；

Target、Sephora、Nordstrom等零售商可同步商品目录和促销信息，ChatGPT据此比较规格、价格、库存和促销，给出候选商品。

这代表支付前端的变化，商品名称、参数、价格、库存、配送和促销需要以可读取、可比较、持续更新的方式提供，才能进入Agent的候选列表。

国内探索同样在进行，2026年5月，阿里将千问接入淘宝、天猫全量商品目录，商品、价格、库存、配送和售后等信息因此能够随平台内的交易链被Agent调用。

韩歆毅指出，智能体商业正转向由用户意图驱动的供给匹配，商家需要成为最可信、最匹配且能够履约的服务提供者。

未来，电商的产品信息势必持续规范纳入Agent决策链。以冬被为例，可能是填充物、克重、保暖等级、尺寸、价格和送达时间，对于家电，则是能效、功能、尺寸、安装和售后条件。

商户开始探索新的经营逻辑时，支付方也在面临着Agent重算支付方案带来的路径挑战。

网购的实际支付成本，往往不是商品标价；

店铺优惠、平台券、国家补贴、银行权益、信用卡返现会影响实付金额，账户额度、分期资格和支付方式受理范围，也会影响交易能否完成。

这些内容分散在各大电商平台的补贴规则、店铺介绍、支付界面中。

以iPhone 18 Pro的销售为例。

枢纽调研发现，该产品经过A平台的补贴与店铺优惠叠加、价格较官方售价可低出900元，B平台直接补贴较少、但直营网店提供大额话费赠送；

支付方式上，花呗支持12期免息、微信分付支持24期免息；

工行、建行等多家国有大行、股份行、城商行均有针对该款机型的24期免息活动；

其中，平安银行、浦发银行、招商银行在免息基础上又叠加了还款券包、双倍积分、老客临时提额等权益，南京银行、江苏银行则赠送手机配件券等权益。

面对庞杂的优惠细则，不少用户的选择是放弃比较，沿用固定的支付路径——去最熟悉的电商找旗舰店，用支付宝、微信、储蓄卡付费。

复杂的计算逻辑筑起了比较门槛，反而让支付渠道靠用户惯性守住了闭环；

未来若优惠、补贴围绕Agent重新设计，比价门槛消失，支付渠道能否留在最终方案里，就不再是习惯问题，而是计算结果问题。

能否进入Agent给出的最优方案，是支付渠道新的课题。

2024年底，蚂蚁曾将支付宝平台和数字支付分别划入不同事业群；

2026年9月，又将支付宝平台、数字支付和芝麻信用重新合并，使得用户需求、Agent授权、支付执行与服务履约被接入同一条链路。

这些动作，意味着支付宝正在重新梳理参与对话式、AI辅助交易的基础；

接下来要验证的，是它能否把用户授权、商户优惠和支付权益接入Agent的计算，并继续留在最终付款方案里。

如何为Agent负责

支付渠道进入候选方案后，授权、核验和履约决定交易能否执行。

预设授权和逐笔确认可以并存，交易越接近自动执行，责任越需要落实到参与交易的每一方。

例如，“订张便宜机票”的委托，要先写明目的地、日期、舱位、退改范围和价格上限；支付账户的可用额度、可使用的商户范围，以及出票信息的回传方式，也构成授权的一部分。

用户需要明确委托的目标、预算、账户和禁区；

Agent平台需要记录基于什么信息作出推荐或执行，是否超出用户给出的范围；

支付服务方则要核验账户、授权、额度和风控条件。

例如，航旅服务商负责如实展示航班、价格和退改规则，并完成出票、退款和售后。支付网络与规则制定方承担另一项工作，让身份、授权和争议信息能够在航旅、银行、商户与支付机构之间传递。

银联的智能体支付开放协议框架APOP，将Agent身份、用户身份、交易意图和支付授权纳入同一套核验；

智能体商业信任协议则把用户委托、商户确认交易条件、支付服务方核验和记录留存转化为可在不同参与方之间传递的交易信息。

资金边界需要通过账户设计落地。

例如，微信AI专属卡以独立资金、额度和逐笔确认限制Agent的支付范围；

智能体商业信任协议的支付方式绑定规则，将支付工具与真实账户、受托Agent及适用条件关联，支持设置金额上限、有效期和商户范围。

同时，商户还要确认，发出请求的究竟是谁。

自动化访问零售网站时，获得用户授权的Agent、普通爬虫和恶意流量可能呈现相近行为；

Visa的可信智能体协议（Trusted Agent Protocol），就尝试通过绑定时间、商户和用途的签名，让Agent向商户证明身份与授权来源。

8月发布的《智能体支付应用自律公约》已将授权、限额、风控、人工服务和回退机制纳入行业规则，并要求机构为模型决策、支付指令和风险控制留下可验证、可追溯的记录。

平台内消费可以沿用既有的账户、履约和售后体系。跨机构服务和跨服务商采购将授权、账户、支付和交付拆分给更多主体，责任链也将在这些场景中首先经受检验。

订错票、超出预算或服务未履约时，系统需要能够还原用户的委托、Agent的选择、支付服务方的核验和商户的交付。

毕竟，只有责任能够被追到具体环节，Agent支付才有条件扩大到更高自由度的交易。

本文来自华尔街见闻，欢迎下载APP查看更多

“AI确实足够强大，能够引发导致……你知道的，造成10亿人死亡的事件。历史上从未出现过一种武器，能像坏人与最新AI工具相结合那样强大。”

随着技术的快速迭代，硅谷对AI可能带来毁灭性灾难的警告不断升级。

本月早些时候，Anthropic公司的普通员工Jacob Coxon辞去工作，并指责他的前雇主——Anthropic和 OpenAI——通过“加速冲向超智能AI”来“拿我们的生命作赌注”。

另一位Anthropic员工表示，他认为在未来十年内AI灭绝全人类的概率高于10%。

这些言论引发了主流社会对该领域长期存在且具争议性话题的关注，促使公众呼吁该行业采取更多措施来保障其技术的安全。

Anthropic 首席执行官Dario Amodei此后呼吁放缓AI的开发进度，这一提议迅速得到了OpenAI首席执行官Sam Altman和马斯克等同行支持。

在采访中，盖茨表示行业自律是远远不够的。

“需要执法部门和政治家参与到讨论中来，明确安全保障和监管措施的形式，而且这必须是一项强制性要求。”

盖茨此前曾在一篇8月发表的文章中指出，不良分子可能会利用日益强大的AI工具发起网络攻击、诈骗、散布虚假信息，并对医院、金融机构、电网和政府系统造成其他形式的大规模破坏。

本文来自华尔街见闻，欢迎下载APP查看更多

本文来自华尔街见闻，欢迎下载APP查看更多

9月25日，据彭博，日本财务大臣片山皋月表示，美国总统特朗普本周与日本首相高市早苗会晤时，对日元贬值表达了担忧；高市早苗则回应称，日元低估是一个问题。片山皋月称，她在征询首相官邸意见后披露部分会谈细节，并表示日方将继续与美国财政部长贝森特就包括外汇在内的一系列议题保持密切沟通。

片山皋月同时表示，具体的货币政策工具由日本央行决定。日本央行近期的加息旨在实现通胀目标，她希望日本央行在与政府保持沟通协调的同时实施适当的货币政策。对于具体汇率水平以及日本当局是否进行汇率确认询价，她拒绝置评。

她还表示，高市早苗“并非再通胀主义者”，且非常尊重日本央行的独立性。她认为，近期债券收益率上升是全球性趋势，而且是暂时的。对于日元走势，她强调，日本政府将毫不犹豫地采取大胆行动。

与此同时，日本增长战略担当大臣木内稔(Minoru Kiuchi)表示，“安倍经济学式”的积极货币宽松和灵活财政政策时代已经结束，日本已进入物价逐步上涨、利率趋于上行的新阶段。

相关消息公布后，日元一度上涨1.1%，至1美元兑156.98日元，日元涨势有望创逾两周来最大单日涨幅。

汇率表态释放稳定日元信号

片山皋月与木内稔近期的表态，显示日本政府正向市场传递不希望日元持续走弱的信号。木内稔称，日本已不再处于“货币宽松时代”，现阶段无需继续推行激进的再通胀政策。

在相关言论公布之际，日元在日本长假结束后持续走弱，再度接近市场关注的160日元关口。Saxo Markets首席投资策略师Charu Chanana表示，目前这些表态更多属于口头层面的干预，除非后续出现政策协调、实际干预，或日本央行释放更明确的紧缩信号，否则对日元走势的影响可能有限。

片山皋月表示，此次会晤再次确认了去年日美财长联合声明中的相关原则，即过度的汇率波动不利于经济，汇率干预应作为应对异常波动的政策选项。她称，她在披露部分会谈细节前征询了首相官邸意见，显示日美汇率议题较为敏感。

日美利差仍是日元重要约束

日本央行9月18日将政策利率上调至1.25%，行长植田和男随后表示，不排除10月继续加息或在未来某一时点采取更大幅度行动的可能性，但市场反应相对有限。

相比之下，美联储最新利率路径仍对美元形成支撑。美联储会议后的点阵图显示，年内至少还有一次加息预期，交易员目前将美联储10月28日再度加息的概率定价至71%。日美利差预期的差异，仍是影响日元走势的重要因素。

据报道，日元上周走弱后，日本金融当局曾在纽约交易时段进行汇率确认询价，向多家银行询问日元当前报价。市场通常将此类操作视为日本当局密切关注汇率走势的信号。约一年前，日美两国财长曾通过联合声明确认双方的汇率政策立场，而此次日美领导人直接讨论汇率问题，也进一步提高了市场对后续政策沟通的关注。

本文来自华尔街见闻，欢迎下载APP查看更多

据知情人士透露，特斯拉上月Optimus周产量已达数百台，较今年二季度小批量测试阶段的每周数十台增长约十倍。管理层已向员工传达目标：年底前建立一条连续自动化生产线，实现每周逾千台的产能。然而，这一目标距离公司最终规划的每周约两万台仍相去甚远。与此同时，目前从加州弗里蒙特工厂下线的Optimus V3并非计划向客户销售的最终版本，商业化版本须满足更严格的耐用性与可靠性标准。

上述挑战对投资者评估特斯拉向AI公司转型的进程具有直接影响。马斯克曾多次调整Optimus的量产时间表，今年4月承诺年中展示新版本，但该节点已过去而未见发布。他在7月财报电话会议上坦承，Optimus将是特斯拉有史以来最难规模化的产品。

生产线问题集中于手部组装与自动化设备

Optimus量产面临的核心挑战之一，在于机器人手部的制造工艺。

据知情人士透露，Optimus的手部与前臂共包含逾100颗螺丝及其他小型零部件，目前仍需工人手动组装。手部触觉传感器的可靠性也存在问题。为此，特斯拉开发了一款包含触觉传感器的"感应手套"，可在不更换整只手的情况下单独替换，计划于明年将该系统纳入量产版本。

在生产线层面，负责组装手部、关节及安装软件、测试电子元件的多个工位，均存在夹具无法每次精准定位零件的问题。Optimus零部件远比汽车零件细小，装配精度要求更高，导致下线后需返工的机器人数量增加。部分新开发的工装与自动化设备在生产线高速运转时也无法稳定运行。

今年5月初，特斯拉关闭了弗里蒙特工厂的Model S和Model X生产线，将部分工人和工程师调往Optimus测试线，并从Model Y生产线抽调数十名工程师协助推进。

供应链高度依赖中国，质量一致性存隐患

在供应链层面，特斯拉面临的挑战同样不容忽视。

马斯克曾在财报电话会议上指出，Optimus的供应链几乎需要从零构建，商业化人形机器人行业尚未形成成熟的供应商网络。目前，特斯拉在自研核心技术的同时，依赖外部供应商提供电机及驱动关节运动的精密齿轮等关键零部件，而上述零部件的生产大量集中在中国。

据知情人士透露，特斯拉正在测试和认证新供应商，同时向部分供应商施压，要求其在中国以外建厂，并以更大订单作为激励。然而，部分供应商虽能在原型或小批量阶段保证质量，但在产量提升后难以维持一致性。

AI能力不足，机器人仍依赖特定任务训练

除硬件制造外，Optimus的AI系统同样尚未达到商业化所需的水平。

据三位知情人士透露，Optimus目前仍高度依赖针对特定任务的训练与编程，一旦遭遇未经训练的任务或场景，其表现难以预测。特斯拉正尝试为机器人建立一套基础动作库，通过组合基础动作来应对不同任务，而非针对每项工作从头训练，但机器人学习基础任务仍需数天时间。

在数据积累方面，特斯拉目前已拥有逾50万小时的训练数据，并计划在年底前将这一数字翻倍。为此，公司今年夏季开始在科罗拉多州、亚利桑那州和佛罗里达州等地建立训练中心，由数十名数据采集人员佩戴配备摄像头的头盔和背负电脑的背包，采集第一人称视觉数据。

特斯拉的长期目标是构建一套类似其驾驶辅助软件的反馈闭环——部署在真实环境中的机器人持续生成数据，用于改进AI系统，再将更新推送至整个机器人群体。

商业化路径：租赁优先，目标客户锁定类特斯拉工厂

在商业化策略上，特斯拉计划初期以租赁而非销售的方式向外部商业客户提供Optimus，以便在租约到期后回收、升级或翻新机器人，同时利用客户工厂和仓库中采集的数据持续优化AI系统。

特斯拉已拟定一份潜在客户短名单，目标通常是拥有与特斯拉设施类似的工厂或仓库布局的企业，以降低机器人适应新环境的难度。马斯克此前表示，Optimus最终面向公众销售的目标价格区间为2万至3万美元。

目前，大多数下线机器人被用于内部测试、训练和数据采集，包括在特斯拉帕洛阿尔托办公室及工厂内受严格管控的区域运行。在这些场景中，机器人被编程执行特定任务，而非作为通用或远程控制设备运作。特斯拉表示，将随着机器人性能的持续改善，逐步扩大其作业范围。

本文来自华尔街见闻，欢迎下载APP查看更多

当地时间9月25日，马斯克在社交平台X上表示，其AI计算集群Colossus 2目前已部署11万颗英伟达GB200和44万颗GB300，共计55万颗芯片，年底前芯片数量可能超过目前水平的两倍。

马斯克透露，Colossus 2还将迎来密集扩容：22万颗GB300预计下周正式投入运行，另外22万颗将于11月上线；如果进展顺利，12月底前还可能再上线22万颗GB300。

按照这一扩容计划，Colossus 2到年底最多可能新增66万颗GB300，芯片总数将达到121万颗左右，较目前的55万颗增加约120%。

这也意味着，Colossus 2将在未来几个月迎来大规模算力扩张，新增芯片几乎全部来自英伟达GB300。

马斯克同时披露，Colossus 1目前拥有15万颗H100、5万颗H200和3万颗GB200。此前，xAI曾表示，计划到2026年让其位于美国孟菲斯的数据中心配备100万颗GPU。

此次马斯克进一步公布Colossus 2的扩容时间表，显示xAI仍在快速扩大AI基础设施规模。随着GB300芯片持续上线，xAI的数据中心算力将在今年年底前进一步提升，以支撑其AI模型训练和推理需求。

本文来自华尔街见闻，欢迎下载APP查看更多

据美国商务部周五公布的数据，美国8月核心资本品订单环比增长1.6%，高于市场预期，且7月增幅由此前的0.4%上修至0.6%。核心资本品订单剔除了飞机和军用硬件，是衡量企业设备投资的重要指标。

从数据表现来看，美国企业设备投资动能在今年持续增强。8月核心资本品订单增幅较7月进一步扩大，表明企业对机械、设备等资本品的需求仍然较为旺盛，也意味着企业资本支出可能继续为经济增长提供支撑。

相比之下，美国8月全部耐用品订单基本持平，预期-0.3%，较前值1.1%显著下滑。该指标涵盖预计使用至少三年的商品，同时包括商用飞机和军用设备。波音8月获得的订单数量较7月下降，也对整体耐用品订单表现形成一定拖累。

此次数据释放的一个重要信号是，剔除飞机等大额、波动性较强的项目后，美国企业设备投资仍保持较强增长。这意味着企业资本开支的增长并不完全依赖航空等单一行业，核心设备需求仍具有一定韧性。

在美国经济增长面临重新定价、融资成本仍处高位的背景下，核心资本品订单的强劲表现，也将成为市场观察企业投资和经济增长韧性的一个重要指标。

本文来自华尔街见闻，欢迎下载APP查看更多

据央视新闻，俄罗斯总统新闻秘书佩斯科夫9月25日表示，俄罗斯、美国、乌克兰三方会晤可能在近期举行，但目前没有具体细节。佩斯科夫在评论美方提议在阿联酋组织三方技术级会晤时作出上述表态。佩斯科夫称，这一讨论发生在近期普京与特朗普的通话期间。

佩斯科夫还确认了俄总统特别代表德米特里耶夫访美的事宜。德米特里耶夫继续就经济领域的潜在互动，与美方谈判代表威特科夫和库什纳接触。

乌克兰总统泽连斯基周五公开证实这一消息，并给出了“10天”这一具体时间表。

泽连斯基在通过WhatsApp举行的记者会上表示，“美方已提议……以三方形式举行技术级会议”。他补充说，乌方正在等待美方就日期提出方案，而美方已建议阿联酋作为可能的地点。

泽连斯基透露，本周与特朗普会晤后，乌克兰谈判代表已与美方同行就“具体细节”进行了讨论。

10天关键窗口

泽连斯基将此次拟议会谈定义为“技术级”的“三方形式”。

他未进一步说明技术级会议的具体议题范围，仅表示美方“已建议阿联酋作为可能地点”，乌方“正在等待美方就日期提出方案”。

本周稍早前，据环球网援引路透社等媒体报道，泽连斯基在于纽约举行的联大会议期间同美国总统特朗普进行约40分钟的会晤，双方探讨了乌俄能源领域停火以及如何结束冲突等议题。

会谈后，乌克兰谈判代表与美方同行随即就具体细节展开对接。

泽连斯基给出了明确的推进节奏：乌克兰方面将与欧洲方面沟通并讨论这些细节，美方将与俄方沟通，“我们将在10天内带着新的视角或结果回来”。

乌克兰多地遭袭，泽连斯基呼吁美欧落实对俄制裁

外交接触出现新进展，但战场上的军事行动仍在持续。

据报道，俄罗斯新沙赫丁斯克炼油厂（Novoshakhtinsk）在遭受无人机袭击后暂停运营。泽连斯基称，乌克兰在夜间打击了俄罗斯两座炼油厂。

新华社援引乌克兰媒体25日报道，乌多地遭俄军空袭，造成人员伤亡。

乌克兰首都基辅市市长克利奇科25日在社交媒体发文说，截至当天上午10时28分，俄军对基辅市发动的空袭已造成1人死亡，9人受伤，其中佩切尔斯基区遭袭击最严重，有7人受伤。

泽连斯基当天在社交媒体发文称，除基辅外，截至当天上午，乌克兰有8个州遭到空袭。袭击导致敖德萨市1人死亡，苏梅州和尼古拉耶夫州也有人员受伤。

泽连斯基称，随着冬季来临，若不施压，俄军的空袭只会不断升级。他呼吁美欧落实对俄制裁措施。

本文来自华尔街见闻，欢迎下载APP查看更多

Muse近期已出现多项服务异常，包括资源消耗远超内部测试预期、部分功能出现降级，以及Agent在执行复杂任务时频繁失败。一次压力测试中，Muse尝试同时创建120个子Agent，最终仅成功33个，显示其实际运行负载已经给服务稳定性带来压力。

据网络分析机构Similarweb数据，Muse目前日活用户约70万。值得注意的是，这一增长尚未覆盖全部潜在用户：Muse目前仅面向美国和加拿大开放，WhatsApp和Instagram也尚未全面开放注册入口。若后续进一步扩大开放范围，服务端承受的计算负载还将继续上升。

Muse的核心问题在于其高计算资源占用的运行架构。Meta为每名用户配置独立云端虚拟机，随着用户规模扩大，CPU、内存和存储需求将同步增长，这也使基础设施扩容成为Muse规模化必须面对的问题。

尚未突破百万日活，Muse已频现服务异常

Muse的服务压力已经出现多个具体迹象。9月9日，Meta首席AI官Alexander Wang透露，Muse早期实际使用量“远超预期”，用户消耗量约为内部测试群体的10倍，Meta随后调整token使用策略并提高额度。

与此同时，第三方状态监测平台SaaSHub目前将Muse标记为“Degraded”，即服务仍可访问，但部分用户持续报告问题，其中“无法搜索”是最常见的反馈。

Agent执行能力也受到并发负载考验。一名AI研究人员近期进行压力测试，要求Muse同时创建120个子Agent，最终仅成功33个，另外87次创建失败。测试显示，在高并发任务下，Muse的Agent编排能力存在一定限制。

这些现象并不能直接证明问题均由算力不足导致，但反映出Muse实际运行负载已明显高于早期测试预期。

独立虚拟机架构推高算力需求

Muse的算力压力，很大程度上来自其底层架构。为降低隐私和安全风险，Meta为每名用户分配独立隔离的云端虚拟机，配置包括2个虚拟CPU、8GB内存和100GB固态硬盘，并配备专属浏览器，用于存储用户数据和凭证。

按上述配置，在不进行负载共享的理想情况下，若用户达到1亿，Meta需要约2亿个CPU核心，相当于约158万颗采用126核配置的AMD EPYC处理器，同时还需要800PB内存和1万PB固态存储。

Muse还配备名为“Sentinel”的安全机制，持续监控智能体运行环境。智能体完成交易前，需要同时获得Sentinel批准和用户明确确认，这套多层安全机制也增加了系统运行的计算开销。

用户扩张与商业化同步推进

Muse定位为能够执行多步骤任务的个人AI智能体，可以代替用户操作云端浏览器、浏览网页并完成相关事务，即使用户关闭应用，也能继续在后台运行。

Meta正进一步扩大Muse的交互入口。除Meta智能眼镜外，公司还在开发名为Muse Charm的钥匙链形态独立设备，预计今年12月发货。WhatsApp和Instagram目前尚未开放Muse注册，未来仍有进一步扩大用户覆盖面的空间。

商业化也已开始铺开。扎克伯格本周表示，Meta将从Muse促成的交易中收取少量佣金。目前，Muse每周向用户提供最多1亿个免费token，重度用户的付费订阅起价约为每月20美元。

随着Muse从当前规模继续向更大用户群扩张，Meta需要解决的不只是新增用户带来的需求，还包括如何维持Agent执行能力和服务稳定性。独立虚拟机架构意味着CPU、内存和存储需求将随用户规模同步扩大，这也将对Meta的数据中心投入和基础设施采购提出更高要求。

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，据高盛研究报告，在15%年化投资资本回报率（ROIC）的基准假设下，Alphabet、微软、亚马逊、Meta、甲骨文及SpaceX六大美国超大规模云服务商，需在2028至2030年间累计实现约1.42万亿美元的收入，方能为其"第二阶段"（2026至2027年）AI算力资本支出提供合理回报。换算为单位容量口径，这一门槛相当于每吉瓦（GW）年均收入约116亿美元。

高盛分析师认为，近期回报率的压缩是大规模前期投资周期的自然结果，而非AI经济结构性盈利能力低下的证据。报告同时指出，三大公有云服务商（AWS、Azure、Google Cloud）截至2026年第二季度合计已累积约1.69万亿美元的合同待执行积压订单，远超上述门槛所需的1.00万亿美元，为未来变现潜力提供了重要支撑。

美国超大规模云服务商正经历史无前例的资本密集度跃升。高盛将其AI算力建设划分为三个阶段：2023至2025年的"第一阶段"总资本支出约6330亿美元，年均约2110亿美元；2026至2027年的"第二阶段"总资本支出约1.73万亿美元，年均约8630亿美元；2028至2030年的"第三阶段"预计总资本支出高达约4.14万亿美元，年均约1.38万亿美元。

据Visible Alpha共识数据，自2026年初以来，上述五家已上市超大规模云服务商（Alphabet、微软、亚马逊、Meta及甲骨文）的2026至2027年资本支出一致预期已累计上调约66%，两年合计上调幅度约为7500亿美元。高盛表示，其自身对2027年资本支出的预测仍高于市场一致预期，并认为这一较高估计更贴近投资者的实际预期。

随着近期资本支出规模逐渐被市场消化，当前投资者争议的焦点已转向两个紧密关联的问题：本轮2026至2027年资本支出能实现怎样的回报，以及2028年及以后的长期资本密集度将如何演变。

高盛从半导体供应链的自下而上视角，对AI基础设施资本支出规模进行了独立测算，结果与需求端判断相互印证。

根据半导体公司指引及高盛自身预测，2027年AI基础设施资本支出估计约为1.3万亿美元，同比增长约60%；2028年进一步升至约2.0万亿美元，同比增长约42%。以算力容量衡量，预计2026年、2027年及2028年AI数据中心新增部署规模分别约为20GW、35GW及57GW。

具体来看，博通已就其客户在2027财年及2028财年分别部署10GW及20GW的AI相关算力提供了指引；英伟达表示Blackwell系统每GW约对应250亿美元收入，而下一代Rubin架构的这一数字将升至约400亿美元；AMD则将其每GW收入机会测算为150亿至200亿美元。高盛综合上述数据，测算出每GW平均前期资本支出成本约为420亿美元，这一数字也成为其ROIC框架的核心输入假设之一。

高盛ROIC框架的核心在于，量化六大超大规模云服务商需要创造多少收入，才能在其"第二阶段"AI算力投资上实现基准回报。

在关键假设上，高盛将基准ROIC门槛设定为15%年化回报，以2026至2027年平均年度资本支出为基数，以2028至2030年税后净营业利润（NOPAT）衡量回报。每GW前期资本支出成本统一假设约为420亿美元，其中约70%用于"算力"（服务器、芯片、网络硬件等），约30%用于"壳体"（土地、建筑及相关基础设施）。折旧方面，"算力"类资产使用寿命假设为5年，"壳体"类资产为15年；数据中心年度运营及维护成本（电力、人力等）假设约为每GW 8.36亿美元。

基于上述假设，框架测算结果显示，六大超大规模云服务商需在2028至2030年间累计创收约1.42万亿美元，方可达成15%的ROIC门槛。高盛同时提供了敏感性分析：若ROIC目标区间设定为0%至30%，对应所需累计收入区间约为9080亿至1.89万亿美元，每GW年均收入区间约为62亿至186亿美元。

高盛明确指出，超大规模云服务商目前在既有资本支出上所实现的ROIC，几乎可以确定高于上述15%的基准门槛，因此该框架旨在回应部分投资者对ROIC可能为负的极端担忧。

为将上述抽象的收入门槛与现实需求相锚定，高盛引入了三大公有云服务商的合同积压订单数据作为参照。

据高盛报告，截至2026年第二季度，AWS、Azure及Google Cloud合计报告的积压订单已达约1.69万亿美元，同比增长约152%，较2026年初增长约1.5倍。各公司管理层均指出，算力供应不足限制了服务AI相关需求的能力，是加大资本支出投入的主要原因之一。

高盛测算，针对上述三家公司2026至2027年约1.22万亿美元的合并资本支出，以15%的ROIC门槛衡量，其2028至2030年需累计实现约1.00万亿美元收入。这一数字仅相当于当前积压订单总额1.69万亿美元的约59%。高盛指出，该比较还基于积压订单未来不再增长的保守假设，而实际上近期积压订单一直保持两位数的环比增速。

多家超大规模云服务商管理层已通过公开场合，为AI资本支出的盈利前景提供了背书。

据高盛报告，亚马逊在2026年第二季度财报电话会议上表示，其AWS及AI相关资本支出具有清晰的未来强劲回报可见度：服务器及网络设备的盈亏平衡点约为3年（使用寿命5至6年），意味着盈亏平衡后仍有2至3年的显著现金流创造期；数据中心壳体则拥有30年以上的使用寿命，可支持5至6轮服务器经济周期。甲骨文在2026财年第四季度财报电话会议上披露，其基础设施业务大型项目的稳态ROIC约为20%至30%区间的高端水平。SpaceX在高盛Communacopia+科技大会上则表示，其AI算力资本支出当前可实现约一年的投资回收期。

微软则强调，AI领域的单位经济效益优于云计算初期同阶段的表现，并认为AI业务毛利率不存在结构性障碍，长期有望向云计算业务的毛利率水平靠拢。多家公司还强调，数据中心基础设施在地理布局、硬件类型及工作负载适配上具备充分灵活性，有助于优化利用率、降低技术路线锁定风险。

高盛认为，AI算力的未来变现将依托多条路径推进，且当前需求加速信号已有具体案例支撑。

在企业端，三大公有云服务商已就多类型工作负载和服务上调定价，随着合同续签节奏加快，进一步涨价空间依然存在。企业变现模式涵盖从"裸金属"基础设施即服务（如SpaceX近期宣布的算力授权协议）到全栈企业软件服务等多个层次。在消费端，广告收入（Meta、Alphabet、亚马逊）的变现路径最为成熟，订阅、智能体商业化等新兴模式亦处于加速探索阶段。高盛还特别提及，近期Meta推出的Muse等面向消费者的智能体AI产品，有望推动消费AI范式从对话式向行动式跃迁，并在中长期带动更大规模的算力需求及相应变现机制。

从需求端信号看，高盛在其近期举办的Communacopia+科技大会上观察到，企业AI应用正从实验阶段向落地实施加速转变，生产力驱动的回报愈发清晰，同时企业用户从"token最大化"向"token优化"的策略转变正在改善整体回报结构，并成为超大规模云服务商营收加速的领先指标。

本文来自华尔街见闻，欢迎下载APP查看更多

通胀仍高于目标、美国经济保持韧性，美联储重新转向加息，同时美国财政融资需求持续扩大，共同推高长期美债收益率。与此同时，对价格不敏感的外国官方投资者逐步减少，对冲基金等对价格更敏感的投资者承接更多美债，意味着市场对资金流向变化可能更加敏感。

本周三，美国10年期国债收益率单日上升14个基点，盘中一度突破5.1%，创2007年以来新高；5年期美债收益率也突破5%，同样达到2007年以来高位。日本10年期国债收益率周四升至1996年以来最高水平，全球债券市场同步承压。

通胀未退，经济仍有韧性

本轮收益率上行首先有基本面支撑。美国7月PCE价格指数同比上涨3.7%，仍明显高于美联储2%的目标。油价上涨又增加了通胀回落的不确定性，能源价格如果持续高位运行，可能进一步延长通胀降温所需时间。

与此同时，美国经济并未明显失速。就业市场保持稳定，消费仍有支撑，AI数据中心建设带动的投资热潮也推动企业资本开支。

经济韧性使美联储没有迫切理由迅速转向宽松。美联储近期将政策利率上调25个基点至3.75%至4%。美联储理事Michael Barr表示，在通胀仍高于目标、经济增长强劲的情况下，进一步调整政策可能仍有必要；芝加哥联储主席Austan Goolsbee则表示，通胀回到2%的过程不会一帆风顺。

因此，长端收益率面对的是通胀、增长和货币政策三重压力，而不只是短期油价冲击。

美债买家趋于“脆弱”，市场波动风险上升

供给端同样在给美债市场施压。美国财政赤字规模较大，持续融资意味着市场需要吸收大量新增国债；与此同时，大型科技企业为AI基础设施投资增加债务融资，也进一步推高了对长期资金的需求。

更值得关注的是买家结构正在变化。纽约联储研究显示，对价格不敏感的外国官方投资者参与度有所下降，而对冲基金和私人投资者的作用上升。

与前者相比，对冲基金等市场化投资者更关注收益率、价格和融资条件。收益率足够高时，这类资金可以承接新增国债；但如果市场快速调整，其仓位也可能随之变化，从而使债券需求更具弹性。

这意味着，在新增供给持续增加、稳定型买家减少的情况下，美债市场可能需要通过更高收益率吸引资金。一旦收益率快速上行，债券价格下跌还可能触发止损、保证金压力等被动减仓，进一步放大市场波动。

因此，当前值得关注的并非对冲基金是否会撤离，而是美债市场对价格敏感型资金的依赖上升后，供需变化对收益率的影响可能被进一步放大。

5%之后，市场还要看什么？

5%的10年期美债收益率并非历史最高水平，但已足以让市场重新评估长期利率中枢。

彭博此前对市场参与者的调查显示，超过半数受访者预计美国30年期国债收益率年底前可能触及6%。这并不意味着6%一定会实现，但反映出市场对长期利率继续上行的担忧正在升温。

与此同时，5%的收益率也提高了美债对长期资金的吸引力。与金融危机后的低利率环境相比，美国国债如今能够提供更高的名义回报，部分资金可能因此重新配置固定收益资产。

因此，后续关键不只是通胀和美联储，还包括美国财政融资规模，以及市场能否持续吸收新增国债。如果稳定型买家继续减少，而对价格敏感的资金占比进一步提高，美债收益率对市场冲击的反应可能更加剧烈。

本文来自华尔街见闻，欢迎下载APP查看更多

据报道，德国设备厂商SCHMID在近期上半年业绩发布会上披露，公司正与英特尔、英伟达、AMD各自供应链中的核心企业合作，共同推进玻璃芯核基板设备研发。SCHMID首席战略官Roland Rettenmayer表示，目前玻璃通孔（TGV）金属化工艺仍存在技术障碍，终端客户认证也尚未完成。

英伟达CEO黄仁勋此前已就这一技术路线展开多方接触。他与SK集团会长崔泰源会面时，曾讨论包括玻璃基板在内的下一代半导体合作，并积极推动台积电加快相关技术开发。这表明，英伟达正在评估将玻璃基板引入下一代GPU的可行性。

玻璃基板瞄准AI芯片封装瓶颈，有望扩大HBM集成

随着AI芯片性能和功耗持续提升，传统塑料基板在耐热性、翘曲控制等方面的局限更加突出。玻璃基板具有更高的平整度和强度，热膨胀系数较低，高温环境下形变更小，同时具备良好的介电特性和较低的信号损耗，因此被视为下一代高性能芯片封装的潜在方案。

玻璃基板的另一大优势在于封装尺寸扩展能力。当前主流AI芯片通常采用硅中介层，将GPU与HBM并排集成，但硅中介层在尺寸扩展和制造成本方面存在约束。玻璃基板有望部分甚至完全替代硅中介层，在同一封装中容纳更多芯片和HBM，从而提高封装密度并缩短数据传输路径。

对于AI芯片而言，这意味着更大的HBM集成规模和更高的数据吞吐能力。HBM通过垂直堆叠多层DRAM提升带宽，是当前AI加速器的重要存储组件。随着模型规模和算力需求不断提升，封装能够容纳多少HBM，也成为限制AI芯片性能的重要因素。

TGV金属化仍是量产关键，商业化尚未完成

不过，玻璃基板距离大规模商业化仍有技术和认证环节需要突破。SCHMID明确指出，TGV金属化工艺仍是当前主要技术障碍之一。玻璃本身不导电，如何在基板内部形成稳定、可靠且具备高密度互连能力的通孔，是实现大规模量产的关键。

与此同时，终端客户认证流程尚未完成，意味着相关技术仍处于产业化推进阶段。SCHMID目前正开发玻璃基板生产所需的设备和解决方案，并同步拓展AI服务器主板及新一代封装设备业务。对英伟达及其供应链而言，玻璃基板能否最终进入大规模GPU生产，仍取决于制造工艺、可靠性和客户认证等环节能否进一步成熟。

本文来自华尔街见闻，欢迎下载APP查看更多

近日，10年期美国国债收益率单日上涨近15个基点，突破5.1%，创2007年以来新高，标普500指数下跌0.8%。这一波动由油价上涨、强劲经济数据以及疲弱的国债拍卖结果共同驱动，联邦基金期货隐含的10月加息概率随之升至70%，较一周前不足50%的水平大幅跳升。

据追风交易台消息，瑞银首席投资官Mark Haefele及其团队在最新报告中指出，美联储政策收紧的实际幅度很可能低于当前市场定价所暗示的水平。瑞银基准情景为美联储于12月再加息一次后维持利率不变，同时预计核心PCE通胀将于本月经由美国经济分析局年度修订下调0.2个百分点，叠加明年上半年有利的基数效应，连续大幅加息的基础正在削弱。

瑞银认为，尽管近期美联储官员的表态偏鹰派，但市场对紧缩路径的定价已超出基本面所能支撑的程度。报告指出，美联储政策制定者的利率预测中值显示2027年全年维持利率不变，而核心PCE通胀的向下修订将进一步压缩连续加息的空间。

具体来看，美国经济分析局即将进行的年度修订预计将把核心PCE通胀下调0.2个百分点，这一数据修正有望缓和市场对通胀顽固性的担忧。与此同时，明年上半年的基数效应同样偏于有利，瑞银预计未来六个月将呈现稳步去通胀态势。上述因素叠加，使得美联储采取长期连续加息的必要性明显下降。

触发本轮收益率上行的经济数据，在瑞银看来同样具有正面含义。标普全球美国综合PMI闪值9月升至58.4，连续四个月加速扩张，为2021年7月以来最强劲的私营部门活动扩张，印证了美国经济持续稳健运行的判断。

瑞银认为，韧性十足的经济活动为企业收入和利润增长提供了有利环境，叠加人工智能投资持续带来的额外推动力，预计标普500指数今年盈利增长25%，2027年增长14%。从全球视角看，MSCI全球指数今年盈利增速预测为26%，明年为14%，盈利周期的整体向好应能支撑全球股市在未来6至12个月继续走高。

瑞银指出，尽管债务规模担忧是本轮债券收益率上行的因素之一，但高债务水平并不自动意味着较差的投资回报，具体影响取决于各国政府的债务管理方式。

在此背景下，瑞银维持对固定收益资产"具吸引力"的评级，认为较高的初始收益率为投资组合提供了稳健的收入基础。对于注重收益的投资者，短久期债券可有效降低利率风险；与此同时，瑞银也看到中长久期高质量债券以及评级较强的投资级发行人中期信用债的战术性机会，建议投资者把握当前收益率水平布局。

在欧洲市场，法德10年期国债利差周三扩大6个基点至110个基点，为2012年7月以来最高水平，彼时时任欧洲央行行长马里奥·德拉吉曾誓言"不惜一切代价"捍卫欧元。法国10年期国债收益率上涨15个基点至4.66%，涨幅明显高于德国国债。

瑞银认为，此次利差走阔主要反映市场对法国财政状况及明年总统大选的担忧，而非单纯受全球债券收益率上升拖累。法国财政赤字超过GDP的5%，其2.7万亿欧元政府债务的融资成本大幅攀升，可能导致信用评级进一步下调。目前法国国债收益率甚至高于BBB级意大利国债，显示市场已将其定位为利率敏感型高贝塔资产。尽管如此，瑞银不认为严重财政危机迫在眉睫，并维持对欧元区股市的正面看法，认为经济活动改善和盈利增长可抵消温和上行收益率带来的估值压力。

黄金承压下跌，跌破4300美元/盎司，报4280美元/盎司左右，过去一个月累计跌幅超过8%。美联储鹰派加息预期及强势美元构成短期阻力。

对此，瑞银表示，在加息预期及利率"更高更久"的前景下，黄金短期波动性可能进一步加大，但12个月维度内仍持建设性态度。央行持续购金、储备多元化需求、政府债务规模高企以及地缘政治不确定性，均构成黄金的中长期支撑。瑞银将黄金回调至4000美元/盎司附近视为投资者增持的机会，并预测黄金价格将于2027年9月前后升至5400美元/盎司。

本文来自华尔街见闻，欢迎下载APP查看更多

瑞银在近期报告中指出，美国企业投资已经经历较长时间的疲弱，当前资本开支的起点明显低于过去周期。在这一背景下，即使利率继续上升，其对企业投资的新增压制空间也可能有限。

与此同时，AI投资仍是美国资本开支增长的主要支柱。过去8个季度，AI相关投资同比增长26%；但更值得关注的是，剔除AI因素后，企业资本开支意愿也开始回升，显示投资企稳迹象可能正从科技行业向更广泛的企业部门扩散。

瑞银认为，长期低迷积累的维护和更新需求、企业充裕的经营现金流，以及AI需求向其他行业扩散的可能性，都可能为资本开支修复提供支撑。这意味着，判断紧缩政策的影响，不能只看利率水平，还要观察企业投资的边际变化。

传统投资已持续疲弱，利率冲击空间可能收窄

按照美联储FRBUS模型的经验法则，利率每上升100个基点，第一年大致会令经济增长减少60个基点，两年内累计拖累最多可达150个基点。这也是市场评估进一步紧缩影响的重要依据。

但瑞银指出，本轮周期的不同之处在于，企业投资并不是从高位进入紧缩阶段。

过去8个季度，美国私人非住宅固定投资同比平均仅增长0.1%，远低于3.2%的长期均值；住宅投资同比平均下降2.0%，也明显低于2.2%的长期均值。除科技领域外，美国传统投资已经持续疲弱至少两年。

因此，在投资本身已处低位的情况下，利率继续上升仍会形成约束，但进一步压低企业支出的空间可能已经缩小。FRBUS模型所反映的利率冲击并未失效，只是历史时期较为健康的投资起点与当前情况存在明显差异。

非AI资本开支意愿回升，投资出现早期转折

AI仍是当前美国资本开支最强劲的增长来源。过去8个季度，AI相关投资同比增长26%，表明美国企业投资并非全面收缩，而是高度集中于AI领域。

但瑞银观察到，非AI领域的资本开支意愿也开始改善。

瑞银汇总14项地区联储制造业和服务业调查中的资本开支意愿指标，并取其中位数。该指标在2025年4月之后一度跌至历史第3低百分位，到2026年8月已反弹至第36百分位。

这一水平仍然不高，但方向已经发生变化。历史数据显示，该指标每上升1个点，约相当于1.2个标准差，通常对应资本开支增速提高约5.5个百分点。虽然意愿不等同于实际支出，但通常会领先于资本开支变化。

瑞银同时对固定资本投资进行了AI因素剔除，共剔除5类AI相关投资。不过，“非AI”口径中仍可能包含部分AI支出，因此这一变化更适合被理解为非科技投资出现企稳信号，而不能视为AI影响已经被完全排除。

更新需求与充裕现金流支撑Capex修复

资本开支意愿回升，一个现实原因可能是此前被推迟的维护和更新需求开始释放。非科技投资持续疲弱至少两年后，部分企业可能已难以继续推迟设备和设施更新，因此近期Capex回升未必意味着全面扩张，也可能首先来自必要支出的重新启动。

企业现金流则提供了资金基础。经营现金流同比增加8250亿美元，增幅达25%；与此同时，除超大规模云服务商（hyperscalers）外，资本开支占经营现金流的比例仍接近历史低位。

这意味着企业并非缺乏资金，而是此前没有将更多现金流转化为投资支出。若资本开支意愿继续回升，充裕的内部现金流有望降低企业对外部融资的依赖，减弱高利率对企业投资的直接约束。

此外，如果AI基础设施、软件和自动化需求继续向非科技行业扩散，资本开支修复可能进一步扩大。当前数据尚不足以证明这一趋势已经全面形成，但非AI投资意愿从历史极低水平反弹，已释放出值得关注的早期信号。

本文来自华尔街见闻，欢迎下载APP查看更多

标普全球（S&P Global）最新报告显示，以巴西、印度、尼日利亚和印度尼西亚等新兴经济体为代表，全球总能源需求到2060年或较当前水平增长逾60%。这轮增长主要来自工业化、城镇化和收入提升带来的新增能源需求。

与此同时，可再生能源正在加速扩张，但煤炭、石油和天然气并不会快速退出。标普全球副董事长Dan Yergin表示，多种能源将在未来能源体系中共同承担新增需求，油气的存在时间将长于许多人的预期。

新兴经济体推动全球能源需求持续增长

标普全球指出，巴西、印度、尼日利亚、印度尼西亚等新兴经济体正加快工业化和城镇化进程，能源生产和进口需求随之扩大。这些经济体新增的能源消费规模庞大，将成为未来数十年全球能源需求增长的重要来源。

与此同时，可再生能源正在加快渗透。截至2025年底，非洲、亚洲和拉丁美洲63%的新兴市场太阳能发电占比已经超过美国，巴西、智利、萨尔瓦多、摩洛哥、肯尼亚和纳米比亚等国的清洁能源转型速度尤为突出。

但能源需求增长并不会随着清洁能源扩张而消失。对于仍处于工业化和收入提升阶段的经济体而言，电力、交通和工业领域的能源需求仍将持续增加，全球能源消费因此仍将呈现多种能源并存的格局。

资金与基础设施制约能源转型，油气仍将长期存在

可再生能源加速发展的同时，资金和基础设施不足仍是新兴经济体能源转型面临的主要约束。即使清洁能源成本持续下降，大规模建设发电设施、电网和储能系统仍需要巨额前期投资。

Energy for Growth Hub副执行主任Katie Auth指出，部分新兴经济体仍面临严重的能源贫困问题，其能源需求增长与经济发展、收入提升和就业创造密切相关。在这一背景下，这些国家很难直接跳过化石燃料阶段。

能源供应安全也进一步强化了这一现实约束。霍尔木兹海峡关闭引发的油气市场波动，凸显了全球能源体系对传统能源供应的依赖。Dan Yergin表示，煤炭可能获得更多空间，石油和天然气也将在未来能源需求中延续更长时间。

因此，全球能源转型更可能表现为能源结构逐步调整，而非传统能源快速退出。随着新兴经济体能源需求继续增长，可再生能源份额将不断提升，但在资金、基础设施和能源安全等约束下，油气仍将在较长时期内占据重要位置。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博报道，甲骨文已向该项目开发商——Blue Owl Capital旗下子公司Stack Infrastructure——发出援引不可抗力条款的正式通知。

报道称，甲骨文此举并非意图退出主要租户地位，而是寻求在项目无法按原计划于2028年上线的情况下，推迟相关付款义务。

消息公布后，甲骨文股价随即下挫，日内一度跌超7%，最终收盘仍跌约3.5%，Blue Owl Capital股价同步收跌3.6%，数据中心供能商Bloom Energy跌幅亦达3.1%。

Project Jupiter是一个规模庞大的特殊目的载体（SPV）项目，计划在新墨西哥州约1400英亩土地上建设四座数据中心，为OpenAI提供总计3000亿美元的算力，融资结构涵盖债券、贷款及Blue Owl股权。此次不可抗力通知的发出，令市场对该项目能否如期推进的疑虑骤然升温，相关贷款此前已跌至承压水平。

据英国《金融时报》援引知情人士报道，即便甲骨文未能在项目首期截止日期前完成供电接入，公司仍有合同义务向投资者支付"持有成本"，以替代租金，期限最长可达三年。首期截止日期定于2027年上半年。知情人士表示，"供电风险由甲骨文承担，而非投资者。"

据媒体援引知情人士介绍，根据甲骨文与项目开发商——Blue Owl Capital旗下子公司——签订的合同，不可抗力条款即便允许甲骨文暂缓支付租金，也无法豁免其覆盖债务持有人利息的费用义务，以及向参与该项目的蓝猫头鹰基金提供一定股权回报的义务。相关基金已向该项目投入数十亿美元。

不可抗力条款作为合同法律惯例，旨在当不可控事件导致合同履行不可能时，解除当事方的相应义务。甲骨文援引该条款的依据是项目面临不可预见的许可审批延误，进而导致无法为项目接通电力。然而，知情人士强调，合同对于供电风险的归属已有明确约定，该风险由甲骨文而非投资者承担。

Project Jupiter位于新墨西哥州多纳安纳县，占地约1400英亩，设计算力容量达2.45吉瓦，相当于约180万户家庭的同时用电量，总投资规模约为1650亿美元。

该项目由Stack Infrastructure开发，是Blue Owl的投资组合公司，而Blue Owl本身亦承诺提供股权资金。

然而，项目自宣布至今近两年，已陷入多重困境：

• 关键能源许可申请遭到拒绝；
• 当地居民对项目的供水影响和空气质量问题强烈抗议；
• 甲骨文签约的能源供应商Bloom Energy的燃气排放同样引发外界批评。

据彭博此前报道，项目首期工程已较原定完工时间延误至少七个月，原计划于今年11月投入运营的节点已不可能实现。

雪上加霜的是，为Project Jupiter供气的Energy Transfer LP天然气管道项目，原定本月投入使用，但因新墨西哥州土地局多次拒绝批准管线路线许可，已延期至少六个月，最早于2027年2月1日才能投入服务。

Bloom Energy股价随甲骨文消息应声下跌。

不可抗力条款在能源与大宗商品领域长期是应对极端事件的标准工具。

但据律所Quinn Emanuel Urquhart & Sullivan LLP今年6月发布的客户简报，此类条款正在数据中心开发领域加速普及。简报指出：

在AI数据中心项目中，不可抗力条款已不再是合同末尾的样板条文，而是一项核心的诉讼与风险分配工具，可以决定一个延误究竟只是孤立事件，还是会级联穿透整个项目的建设、客户、电力、保险与融资文件。

彭博指出，甲骨文发出该通知的意图，并非立即退出作为项目主要租户的角色，而是在Project Jupiter无法按2028年计划上线的情况下，为自身争取暂缓付款的合同依据。

不过，此举是否能真正豁免甲骨文此前承诺的财务义务，目前仍存在不确定性。对此，甲骨文发言人回应称：

Project Jupiter仍在按计划推进，我们对新墨西哥州的承诺坚定不移，对项目前景充满信心。

此外，值得关注的是，数据中心租约通常含有条款，允许客户在服务未能按时启动的情况下退出合同。谷歌今年与SpaceX签订算力合同时，即保留了在特定日期前无法获得访问权限情形下的终止权利。

Project Jupiter延误的影响远不止于单一项目。作为星际之门计划的旗舰园区，其进度直接牵动OpenAI的算力部署节奏。

OpenAI此前已与甲骨文和软银签署协议，支持包括新墨西哥州在内的五个数据中心的开发建设，算力缺口一旦形成，将对其产品扩张计划和商业化进程产生实质影响。

Blue Owl Capital股价随消息公布跌至近两个月低点，持续逼近历史低位。甲骨文自身财务状况亦不容乐观，公司债务规模约为1670亿美元。

甲骨文的信用违约互换（CDS）价差已连续刷新历史高位。

星际之门计划的另一锚点项目、由软银孙正义主导的SB Energy数据中心同样麻烦缠身。该项目IPO计划已因类似的延误问题被迫推迟。

SB Energy设计发电量高达8吉瓦，完工后将成为全球最大数据中心，但其落地同样面临来自地方层面的强烈阻力。甲骨文今日的不可抗力通知，或将进一步打击外界对该IPO的信心。

项目所在的新墨西哥州正成为AI数据中心建设争议的政治风向标。

当地居民此前并不知晓该项目与甲骨文和OpenAI存在关联。据彭博此前查阅的文件显示，开发商在获得审批后才公开了这一信息，由此引发更广泛的信任危机。

甲骨文目前已在新墨西哥州展开公关攻势，试图化解当地反对情绪，但效果尚不明朗。

美国中期选举结果将成为影响项目走向的关键变量，若民主党赢得多数席位，外界普遍预期将对相关项目施加更严格的监管审查，进一步推迟建设进程。

这一政治不确定性，叠加许可瓶颈、融资压力与能源供应延误，正在将Project Jupiter从一个AI投资盛景的象征，逐步演变为整个美国AI基础设施建设能否如期落地的压力测试。

本文来自华尔街见闻，欢迎下载APP查看更多

据OffGuardian作者Kit Knightly分析，当前围绕AI风险展开的讨论，与此前气候变化议题中的部分叙事路径存在相似之处——先强调风险，再推动干预措施，最终可能演变为一套更为严格的监管框架。

按照这一“最坏情景”推演，监管可能沿着一条逐步扩大的路径推进：先提高AI服务的使用门槛，通过付费、实名和内容审查加强控制；再以防范AI冒充人类为由，推动“人格证明”机制，将数字身份与更多线上活动绑定；最终，数据中心的能源消耗和碳排放可能成为新的监管切入口，并进一步影响互联网使用成本。

对投资者而言，这意味着开源AI模型可能面临更高的合规门槛，AI基础设施的监管成本或将上升，而大型科技公司凭借资金、技术和合规能力形成的优势可能进一步扩大。与此同时，依赖生成式AI降低运营成本的中小企业，也将面临更大的政策不确定性。

付费与实名：AI访问门槛或进一步提高

分析认为，潜在的监管措施可能首先体现在AI使用门槛上。免费、匿名访问生成式AI的模式或将受到更多限制，用户未来可能需要付费并完成身份验证，才能使用部分AI服务。

与此同时，用户提示词（prompt）的记录、审查乃至向政府报告，也可能成为监管框架的一部分。相关措施可能以防范AI生成违法内容为主要理由。

对开源AI社区而言，冲击可能更加直接。若模型开发者需要向政府登记、缴费并接受审查，开源生态的开发门槛或将明显提高。英国议会目前围绕“社交媒体许可法案”的讨论，也被视为类似监管思路的参照案例。

如果这些措施同步推进，可能进一步抬高AI开发和运营成本，并强化现有头部企业在资金、技术和合规方面的优势，中小型独立开发者和企业则可能面临更高的进入门槛。

“人格证明”：数字身份或成互联网通行证

另一条潜在的监管路径，则指向互联网长期存在的匿名性问题。以防范“伪装成人类的流氓AI”为由，监管者可能进一步推动“人格证明”（Proof of Personhood）机制。

按照这一设想，开设社交媒体账户、进行在线支付、购买托管服务等数字活动，都可能与经过验证的数字身份绑定。Noema Magazine此前也曾警示，随着AI代理在互联网中的规模扩大，平台可能要求用户通过身份验证，以证明其为真实人类。

如果这一机制进一步扩展，其影响可能超出AI监管本身。VPN使用、加密货币交易等依赖匿名性的网络活动，也可能面临更严格的身份验证要求，监管理由则可能同样指向“流氓AI”利用匿名网络活动规避追踪的风险。

数据中心税与“碳足迹”：互联网使用成本或上升

更进一步的情景，则涉及对互联网使用本身的约束。相关分析认为，数据中心高耗电、耗水以及碳排放等问题，可能成为推动数字使用成本上升的政策依据，并进一步延伸至普通用户的互联网消费。

在这一框架下，社交媒体、流媒体、网购和游戏等“非必要互联网流量”，未来可能被纳入类似碳足迹的数字账户管理。流媒体价格上涨、观看时长限制以及“无限流量”套餐成本上升，都可能成为潜在的政策工具。

对网站运营者而言，“数据中心税”等措施也可能通过托管成本传导至整个互联网生态，跨境访问甚至可能面临更高成本。大型企业由于拥有更强的成本承受能力和合规资源，受到的冲击可能相对有限，而独立媒体和小型网站的运营压力则可能上升。

需要强调的是，上述内容目前主要是最坏情景下的推演，并非已经确定的政策路径。Kit Knightly也将文章定位为假设性讨论，因此其中部分判断仍存在较大的不确定性。但对市场参与者而言，监管预期本身就可能影响企业决策和估值。开源AI平台、中小型科技企业以及依赖匿名流量的数字媒体，都可能面临潜在的政策风险。

随着AI能力快速扩张，监管与合规正成为影响行业竞争格局的重要变量。若相关要求持续收紧，合规成本上升可能进一步强化大型企业的竞争优势，并推动互联网规则发生更深层次的变化。

本文来自华尔街见闻，欢迎下载APP查看更多

高盛策略师Karen Reichgott Fishman在最新报告中同步上调日元三个月及六个月目标，分别由此前水平调整至158和155。她指出，日本央行加快加息步伐以及国内资本回流日本资产的可能性上升，共同构成此次预测大幅修正的核心驱动力。

受多重利好因素叠加，日元周五一度升至每美元158.28的高位。日本财务大臣片山皋月（Satsuki Katayama）此前透露，美国总统特朗普在与日本首相高市早苗的会面中就日元疲软问题表达了关切，此消息亦对日元形成明显支撑。

Fishman在报告中阐述，日本央行加快加息节奏已起到两重效果：一方面抑制了扩张性财政政策带来的通胀压力，另一方面也相应减轻了日元的贬值压力。

在资本流动层面，她指出尽管国内资产组合资金回流的趋势目前仍属推测，但这一可能性正在上升，由此在美元兑日元汇率上形成"下行不对称性"（downside asymmetry），增强了日元作为投资组合对冲工具的吸引力。

"上述种种发展，提升了做多日元的吸引力，尤其是在对冲衰退风险方面。"Fishman写道。

高盛并非唯一转变立场的主要机构。美国银行此前已将年底日元预测上调至149，方向与高盛一致。两大华尔街机构相继调整预测，显示市场对日元中期走势的主流判断正在发生系统性转变。

不过，高盛在战术层面维持短期谨慎立场。Fishman表示，该行目前倾向于做空欧元兑日元（EUR/JPY），而非直接做多美元兑日元，这一策略选择反映出其对近期美元走势仍存在一定不确定性的研判。

尽管中长期目标大幅上调，高盛明确表示在近期操作上保持谨慎。这一"战术谨慎、战略看涨"的组合立场，意味着投资者在把握日元升值方向的同时，仍需注意短期波动风险。

日元目前已从近期低位显著回升，而政策面与外交面的双重利好若持续兑现，或将为日元进一步走强提供支撑。对于将日元纳入对冲配置的全球投资者而言，高盛此次转向释放的信号值得重点关注。

本文来自华尔街见闻，欢迎下载APP查看更多

Muse自内测起便已获得Bosworth本人的高度认可，他表示自己迅速将大量工作负载转移至这一平台。产品正式发布后，外部用户的反应与内部预期高度吻合，令其团队深感鼓舞。Bosworth强调，Muse的成功并非来自模型原始智能的最大化，而是来自对"如何让人类更好地使用工具"这一命题的深入思考。

与此同时，Bosworth描绘了Meta对下一代人机交互范式的判断：从"直接操控"走向"意图理解"，英语将成为新的编程语言。在AI安全与隐私层面，Meta采取了若干值得关注的举措：公司延迟了Muse的发布时间以完善隐私架构，并推出端对端加密的"私密AI处理"功能——用户与服务器之间的通信经过全程加密，服务器端不留存任何记录。Bosworth将这一机制定性为面向最敏感应用场景的信任基础设施。

Bosworth直接点名了当前AI行业的核心误区。"我们花了过去几年大量时间讨论模型的科学，讨论谁在某个基准测试上领先10%或20%，但对大多数人而言，这根本不重要，"他表示，"重要的是对话的质感，以及你是否信任它。"

Muse的设计理念由此而来。Bosworth介绍，该团队拿到一个强力基础模型后，并未单纯最大化其原始性能，而是着重打磨使用体验——包括对话节奏、语气风格，乃至一个具备视觉反馈功能的"小角色"（little character）。这个角色的存在并非纯粹装饰：对于科技早期采用者圈子以外的用户而言，它解决了一个关键的认知问题——"AI现在在工作吗？我该怎么和它互动？"

Bosworth还特别提及Muse的一项独特功能：它会主动向用户提供反驳观点，在给出建议后主动呈现"另一面"。他认为这一特性在其他主流模型中尚未见到。

Bosworth将Muse及更广泛的AI助手定位为人机交互史上的范式级跃迁。他追溯至施乐帕克研究中心为Alto计算机开发的图形界面——这一"直接操控"范式此后被Mac和Windows沿用至今，构成了过去半个世纪的主流交互逻辑：点击、窗口焦点、一次一个应用。

"如果你在PC上关闭窗口时，鼠标偏离了那个X按钮一个像素，什么都不会发生。一个婴儿看着屏幕都知道你想点那个X，但计算机不知道，"Bosworth说，"这就是问题所在。"

在他看来，AI的核心价值在于打破这种"人适应机器"的单向关系。当系统能够理解用户的意图而非仅响应精确指令时，人机交互进入了一个全新阶段。他将这一演进类比为编程语言从机器码到汇编、再到Python的持续抽象化过程："英语正在成为新的编程语言"——这一趋势在Meta的AR/VR眼镜产品线上已有具体体现：AI助手被集成于系统层，用户可以通过自然语言调度空间界面，无需手动移动面板。

在隐私架构层面，Bosworth详细介绍了Meta推出的"私密处理"机制。其工作方式为：用户设备与Meta服务器之间的通信经过端对端加密，数据在服务器端仅在"可信执行环境"（Trusted Execution Environment）内解密处理，即便是服务器操作人员也无法访问处理内容，且处理完成后服务器端不留存任何记录。用户的上下文信息保存在本地设备，由用户自主控制。

Bosworth坦承，这一方案存在产品层面的取舍——它意味着AI无法跨会话保留记忆，但他认为对于涉及高度敏感内容的使用场景，这一牺牲是值得的。值得注意的是，Meta在该架构的开发上引入了Signal协议创始人Moxie Marlinspike作为合作方，并承诺发布白皮书供独立安全研究人员核验，并设立漏洞赏金计划。

谈及公众信任问题，Bosworth援引了微软的先例：这家公司在1990年代末因安全问题饱受诟病，但十年后已成为业界安全标杆。"信任是步行而来，骑马而去，"他说，"重建信任需要长期一致地执行，持续满足或超越用户预期。"

面对近期在社交媒体上广泛传播的AI导致人类灭绝论，Bosworth明确表达了自己的立场，但措辞审慎。"我不能给这些人赋予零概率，但我自己没有看到这种可能性，"他说：

"我在这个技术里工作，对它的底层机制有相当深入的理解，我对它感到放心。"

他同时对AGI的实现时间线持保守态度，认为当前行业普遍存在"我们快要解决了"的错觉，并指出这种错觉在AI历史上反复出现——他以1970年代的Dartmouth会议为例，彼时与会者相信十年内将实现通用人工智能。"我认为我们距离我们现在所说的AGI还有相当长的距离，"他表示。

在意识与对齐问题上，Bosworth的立场接近Yann LeCun：他不认为当前AI具备意识，并警告将AI拟人化、赋予其情感或意识属性的做法，可能从对齐角度产生负面后果。他将"对齐"简化为一个务实定义：工具是否做了你想让它做的事。"如果它不对齐，你就不会用它。这是人类历史上每一件产品都经历过的强大约束力。"

Bosworth将Meta的开源AI战略置于公司更长历史脉络中加以阐释。他援引Meta最初的使命宣言——"给予人们力量，让世界更加开放和互联"——认为"给人以力量"才是这句话中更根本的锚点，而非"开放"或"互联"本身。

"把AI集中在少数几家公司手中，从长远看并不是维护社会的方式，"他表示，并明确表态支持Mark Zuckerberg近期发布的"AI属于所有人"宣言。在产品层面，Meta已发布Muse Glimmer——这是Muse Spark的蒸馏版本，以开源形式对外公开。

Bosworth也坦承蒸馏训练方式存在争议：这一技术通过使用大模型的输出来训练更小的模型，绕开了原始数据训练的巨大成本，因此在行业内引发了关于知识产权与资源公平的讨论。但他显然认为开放获取的价值高于这一代价。

本文来自华尔街见闻，欢迎下载APP查看更多

下周，一颗由谷歌与卫星成像公司Planet联合研制的实验卫星，将搭乘SpaceX的Transporter-18拼车任务发射升空。卫星搭载4颗谷歌自研Trillium TPU芯片，将在轨运行谷歌Gemini模型，并接收、回答来自地面的指令。

这是谷歌“日晷捕手”（Project Suncatcher）项目的首次在轨测试。谷歌的长期目标，是在地球轨道上部署由多颗卫星组成的AI计算集群，以获得更充足的太阳能，并缓解地面数据中心面临的电力和土地约束。

不过，这次任务仍属于早期技术验证。谷歌研究高级副总裁James Manyika表示，当前阶段重点是验证芯片和相关硬件能否经受发射、辐射和太空热环境，而非立即推出商业化系统。更现实的问题是，在太空运行AI芯片，目前连散热都尚未完全解决——卫星每次全功率运行约15分钟，就必须停机降温。

AI算力为何瞄准太空？

推动谷歌探索太空数据中心的核心原因之一，是AI基础设施不断增长的能源需求。随着数据中心持续扩张，电力供应、土地和电网容量都面临越来越大的约束，而近地轨道能够获得更充足的太阳能，理论发电量最高可达到地面的8倍。

这一构想最早由谷歌副总裁Blaise Agüera y Arcas提出。三年前，他在一次讨论AI能源瓶颈的闭门会议上形成这一设想，随后向首席执行官Sundar Pichai和联合创始人Sergey Brin汇报，项目获得支持并启动。

谷歌测算认为，随着火箭发射成本持续下降，到2030年代中期，在太空运行数据中心的综合成本有望接近地面数据中心。但要实现这一目标，首先必须解决芯片在轨运行的基本工程问题。

芯片上天，先过三道关

第一关是发射冲击。火箭升空过程中，卫星需要承受约10倍重力加速度，内部芯片组件承受的冲击力甚至可能达到50至100倍重力加速度。谷歌团队对卫星进行了全三轴剧烈振动测试，测试结束后固定螺丝均未发生松动。

第二关是太空辐射。走出大气层保护后，宇宙射线和高能粒子可能穿透电子元件，引发计算错误。谷歌将Trillium TPU送至加州大学戴维斯分校的Crocker核实验室，利用质子束轰击芯片，在运行AI工作负载的同时模拟5年轨道任务的累计辐射剂量。测试显示，芯片能够承受这一剂量，出现计算错误后可通过系统重启恢复。

第三关也是目前最棘手的散热问题。真空环境中没有空气对流，芯片产生的热量只能依靠传导和辐射排出。谷歌设计了纯传导式散热结构，将热量传至金属层，再由辐射板向真空排热。

但这一方案仍限制了芯片的持续运行能力：卫星每次只能全功率运行约15分钟，随后必须停机降温。对于需要持续处理AI任务的数据中心而言，这意味着热管理仍是规模化部署必须解决的关键环节。

太空数据中心竞赛升温：谷歌计划2027年双星验证

此次发射的实验卫星体积约相当于一台家用冰箱，展开后的太阳能电池板仅提供约1千瓦电力，设计工作寿命为一年，最终将坠入大气层烧毁。相比完整的数据中心，它更像是一个用于验证关键技术的轨道测试平台。

谷歌的长期设想，是部署由多颗卫星组成的计算集群。目前的构想是让81颗卫星在约650公里高度、1公里半径范围内编队飞行，并通过超高带宽的星间激光链路共享算力和数据。

这对激光通信提出了新的要求。传统太空激光通信主要面向远距离数据传输，而谷歌设想的卫星需要在数公里距离内、高速相对运动的情况下保持精准对准。谷歌将这一难度比作“在高速运动中击中一枚移动的硬币”。

相关技术的首次在轨测试计划于2027年进行，届时谷歌将同时发射两颗卫星，验证卫星之间的激光组网能力。

谷歌并非唯一押注这一方向的公司。据The Next Web报道，英伟达支持的初创公司Starcloud已于去年11月将一颗搭载H100芯片的卫星送入轨道；SpaceX则计划最早于2027年底发射搭载英伟达芯片的首批Starmind AI卫星。

不过，太空AI基础设施距离规模化应用仍存在明显障碍。当前低地球轨道已追踪到约44870个物体，其中大部分为碎片，650公里附近的轨道空间尤为拥挤。与此同时，发射成本、在轨工程以及卫星规模化制造能力，都将影响这一概念能否从技术实验真正走向商业基础设施。

本文来自华尔街见闻，欢迎下载APP查看更多

戴尔科技首席运营官Jeff Clarke在近期与摩根士丹利的会谈中表示，代理AI与过去的硬件周期存在明显不同。若相关AI工作负载持续增长，关键零部件的供应短缺可能持续五年以上，其中内存和HDD是他目前最担忧的环节。相比过去通常持续数个季度的硬件供应紧张，这一轮需求增长可能带来更长期的供需缺口。

摩根士丹利在会谈后重新评估当前AI基础设施周期。分析师指出，过去40年间的八次硬件繁荣与萧条周期，更多围绕设备更新和资本开支波动展开，而此次周期的关键变量在于AI工作负载能否持续扩大。换言之，戴尔高管所强调的并非一次普通的硬件补库周期，而是代理AI需求增长可能带来的基础设施长期扩容。

代理AI重塑基础设施需求逻辑

报告指出，Clarke认为，此轮AI周期与过去数十年的硬件繁荣与萧条存在根本区别。过去八次硬件周期——涵盖服务器、存储、PC等品类——主要由设备渗透率变化和更新周期推动，需求随着更新节奏变化而起落，但硬件市场本身规模并未发生实质性扩张。

以疫情期间的PC需求为例，人机比例曾短暂提升，但随着社会重启恢复正常，PC需求也随之回落，疫情前后的市场总规模并没有发生本质变化。代理AI的逻辑则不同。Clarke认为，代理AI正在将认知产出与人力投入解耦，企业无需增加人手，就可以完成更多工作，由此带来10倍乃至100倍的生产力提升。

在这一过程中，AI不再只是辅助人完成任务，而是本身成为持续消耗计算资源的“生产力工具”。生产力提升将推动更多企业，无论规模大小，都开始进行AI转型，并由此持续扩大基础设施TAM。

戴尔预计，到2030年，数据中心算力将新增200吉瓦，ZettaFLOPS算力将增长5倍至830，推理token的增长则将呈指数级。代理AI完成每单位工作所需的token数量远高于基础聊天机器人，Clarke预计，到2030年推理token生成量将增长87倍。

云端与本地部署并非零和博弈

市场对这一轮AI基础设施周期的一个核心疑问是：快速增长的token需求，最终是否会主要流向云计算平台，而不是本地基础设施？

Clarke对此的判断是，代理AI工作负载将呈现混合部署形态。企业会根据安全性与成本效益，在公有云与本地环境之间持续调整推理工作负载的运行位置。

Clarke以戴尔自身为例：公司会将内容相关工作负载部署在公有云，但不会将专有源代码或遥测数据移出自有设施。这意味着，AI工作负载并不存在单一的部署路径，本地基础设施仍将承接一部分持续增长的计算需求。

在这一框架下，token消耗的指数级增长，并不意味着云端与本地基础设施之间必然形成此消彼长的关系。Clarke认为，开源权重模型的普及还将进一步推动本地基础设施投资，因为企业可以在本地环境中针对成本对模型输出进行优化。

服务器出货量下滑，不改长期需求增长逻辑

当前传统服务器出货量同比仍在下降，这与推理token的爆发式增长看似存在矛盾。Clarke的解释是，服务器性能密度的大幅提升正在压低设备出货数量。

戴尔第17/18代服务器可以替代多达13台第14代传统服务器，因此在短期内，即使服务器出货量下降，单台设备的价值和承载能力仍在提升。

随着数据中心逐步完成以加速计算为核心的架构重构，以及代理AI普及进一步拉动CPU服务器需求，服务器出货量最终仍有望重新增长。Clarke甚至表示，如果推理 token 在五年内真正实现87倍增长，传统服务器出货量也可能出现指数级变化。

存储同样将受到代理AI的持续拉动。代理AI执行每一项操作，包括记忆保留、工件生成等，都会产生持续的数据存储需求；随着KV Cache大规模应用，存储容量需求也将进一步增长。

供应短缺或成为五年以上的结构性约束

相比宏观经济、地缘政治冲突、数据中心过度建设以及电力短缺，Clarke将供应问题列为当前最大的担忧，并用“我们身处梦幻之地（We're in neverland）”形容当前的供应环境。

摩根士丹利指出，历史上的大宗商品供应周期通常持续2至4个季度，主要受到硬件更新周期的繁荣与萧条以及供应侧决策影响。但Clarke认为，如果认可吉瓦和推理 token的增长逻辑，那么内存、HDD等关键零部件就不再只是处于一个普通的短期周期之中。

因此，戴尔目前正以关键零部件可能出现多年持续短缺为前提进行运营，尤其关注内存和HDD。换言之，此轮供应紧张的核心风险并不是短期供给不足，而是AI需求持续扩张后，供应端可能需要多年才能跟上。

Clarke同时表示，戴尔在供应管理方面优于同业，这一优势正在转化为服务器、存储和PC等多个细分市场的份额增益。

利润率扩张背后是供需结构变化

关键零部件持续紧张，也正在改变基础设施行业的定价环境。

摩根士丹利此前曾将服务器和存储业务毛利率的扩张部分归因于“利润堆叠”，即在内存等零部件成本上升的同时，厂商进一步叠加利润空间。Clarke则给出了不同解释。

他承认，同类产品的服务器和存储利润率确实在扩张，但认为背后存在两个结构性因素：首先，在零部件供应有限的情况下，企业会优先将稀缺资源分配给利润率最高的产品；其次，基础设施市场规模持续扩大后，企业争夺增量客户的压力下降，无需通过压低价格换取新客户。

因此，利润率的提升并不完全是短期供需错配带来的机会性收益，也反映了基础设施需求持续扩张后，行业定价基准发生变化。

如果代理AI带来的工作负载增长能够持续兑现，AI基础设施周期的核心变量就将从“设备更新”转向“新增需求”。这意味着，算力、服务器和存储的需求扩张可能持续更久，而内存、HDD等关键组件的供给约束也可能从短期周期性波动转变为多年期的结构性问题。

本文来自华尔街见闻，欢迎下载APP查看更多

9月24日，据科技信息追踪账号TestingCatalog报道，OpenAI正筹备推出名为"Pro Max"的ChatGPT订阅套餐，月费定价500美元，并可能采用Cerebras基础设施提供支持。

若该计划最终落地，将为该公司提供一种针对高阶功能和超大计算量收取溢价的新途径。

目前，OpenAI官方定价页面列出的套餐仅包括Free、Go、Plus、Pro、Business及Enterprise六档，并未出现Pro Max选项。

根据TestingCatalog的描述，Pro Max与现有Pro套餐的主要区别在于增加了"Fastest Work and Codex"功能，同时使用额度也可能进一步提升。

然而，报道并未解释"最快工作速度"究竟快多少，也未说明Codex访问权限的具体形式，以及Cerebras是否将最终承接该套餐的算力支持。

TestingCatalog将这一传闻与"长时任务"场景挂钩。即需要ChatGPT在较长时间内持续执行操作、而非仅回答单次提问的工作类型。

据报道，更多细节或将在9月29日于旧金山举行的OpenAI DevDay 2026上揭晓，但这仅是该账号的推测。

在OpenAI发布的官方活动公告中，并未提及任何关于Pro Max计划的内容。

本文来自华尔街见闻，欢迎下载APP查看更多

据集邦科技（TrendForce）数据，过去两周内，美国主要云服务商（CSP）已相继上调eSSD采购预测，推动今年四季度eSSD订单总量有望超越三季度创下的历史纪录。

据追风交易台消息，花旗研究在9月21日发布的报告中预测，受持续学习（continual learning）技术普及驱动，2027年eSSD需求将同比增长52.9%，NAND供需缺口届时将扩大至-6.1%。

需求结构亦发生质变：高容量、低成本的QLC（四层单元）产品正加速崛起，与过去主导市场的高性能TLC产品并驾齐驱，标志着eSSD的应用场景已从AI模型训练与推理扩展至更广泛的AI应用层。行业内人士表示，受NAND厂商加强产能与定价管控影响，eSSD价格上行压力预计将延续至四季度。

行业专家指出，下半年eSSD需求将由两条主线共同驱动——北美的Agent AI扩张以及中国的KV缓存卸载（KV cache offloading）技术应用。

在北美，随着Agent AI加速普及，大规模实时数据检索与缓存需求急剧攀升。TrendForce分析称，Agent AI在进行自主决策与行动时，需快速访问和存储大量上下文数据，这将显著提升对高性能eSSD的需求。花旗研究亦指出，持续学习技术要求AI系统在不断吸收新信息的同时保留历史数据，由此催生对大容量存储的持续性需求。

在中国，以DeepSeek为代表的AI企业正积极推广KV缓存卸载方案——该技术通过将推理过程中优先级较低的缓存数据从高性能内存（HBM、GDDR）迁移至高速大容量QLC固态硬盘，以降低对昂贵高性能内存的依赖，同时提升模型推理效率、压缩整体成本。

此轮需求增长的核心特征，是QLC产品的全面崛起。云服务商正积极借助QLC兼顾高容量与成本效益，其应用场景涵盖向量数据库构建——这是AI搜索与推荐系统的核心组件。TrendForce认为，这一转变或将推动AI基础设施设计以QLC为中心进行重构，影响范围已超出少数超大规模云厂商的采购调整。

花旗研究进一步指出，基于QLC的近GPU存储方案（near-GPU storage）将逐步获得市场认可，以支持AI系统在加速器附近实现更高效的数据保留与检索。此外，XL Flash、HBF等高级存储解决方案以及CXL等存储互补技术的需求也将同步上升。

从更长周期来看，花旗预测2027至2028年高密度eSSD需求将分别同比增长53%和41%，HDD向SSD的替代需求亦将为高密度存储采用提供额外支撑。消费级NAND需求虽因PC及移动终端市场疲软而承压，但花旗认为，强劲的企业级AI需求足以抵消这一拖累。

需求扩张正驱动NAND供需天平加速向卖方倾斜。花旗研究预测，2027至2028年NAND需求分别同比增长29%和33%，而供给增速仅为21%和25%——差距来源于存储厂商普遍将资本开支优先投向DRAM及HBM产能扩张，对NAND的新增投资相对克制，由此形成2027年-6.1%、2028年-5.5%的供需缺口（2026年预估仅为-0.8%）。

TrendForce亦指出，包括三星电子、SK Hynix、美光（Micron）、铠侠（Kioxia）及长江存储（YMTC）在内的主要NAND厂商，正在加强对企业市场产能分配与定价的管控，eSSD进一步涨价的可能性较高。

今年二季度，eSSD市场格局方面，三星电子以141.54亿美元营收居首，市场份额35.1%；SK Hynix与Solidigm合计实现86.31亿美元，占比21.1%；美光以69.83亿美元位列第三，份额17.1%。在中国市场，长江存储有望凭借KV缓存卸载需求的爆发获得份额提升机会。

花旗研究对三星电子和SK Hynix均维持"买入"评级，认为两者均有望受益于NAND基本面趋紧及AI驱动的结构性存储需求增长。

本文来自华尔街见闻，欢迎下载APP查看更多