9月22日，据彭博援引知情人士透露，软银集团此次债券发行已吸引逾200亿美元的初步投资意向，有望跻身史上规模最大的垃圾债交易之列。此次发行募资将主要用于支持软银对OpenAI的巨额投资，投资者正争相锁定可能创下纪录的高收益率。

上述需求仅代表投资者早期、非约束性的认购意向，主要作为正式定价前的参考，最终定价预计于周四完成。此次发行规模超110亿美元，包括100亿美元美元债和10亿欧元（约合11亿美元）欧元债。软银方面表示，交易进展顺利、需求强劲，但目前暂无扩大规模的计划。

此次交易正值全球市场借贷成本普遍上升、AI前景与风险持续引发市场波动之际，其最终定价及市场反应，也将成为观察投资者对AI资产信心的重要窗口。

收益率或创纪录，定价讨论仍在进行

据彭博援引知情人士消息，软银及其主承销商已就此次发行的潜在定价与投资者展开沟通。其中，期限最长的美元部分为7.5年期票据，讨论中的潜在收益率最高约10%；期限最长的欧元部分为6年期，讨论区间在8%中段附近。

若最终按照上述水平定价，将创下相应货币及期限下的收益率纪录。不过，知情人士指出，上述数字仍处于试探性沟通阶段，尚未进入正式的初始价格指引环节，最终定价仍存在变数。软银周一已面向全球投资者举行路演电话会议，并将于周二继续进行。

承销团队阵容强大。花旗集团担任美元部分的主账簿管理人及联席全球协调人，高盛集团、摩根大通及摩根士丹利亦参与其中。欧元部分由摩根大通担任主账簿管理人，联席全球协调人包括高盛及德意志银行。

软银AI融资版图持续扩张

此次债券发行，是软银近期密集融资行动的最新一环。软银创始人孙正义领导的集团已向OpenAI累计承诺投入近650亿美元，使其成为全球最大的AI投资方之一。

为支撑庞大的AI投资布局，软银今年以来持续加码融资。今年3月，软银签署400亿美元过桥贷款，以追加对OpenAI的投资，并已偿还其中259亿美元的未偿余额。上周，软银又将一笔以旗下芯片子公司Arm股份为抵押的保证金贷款规模扩大50亿美元至250亿美元，同时将一条现有信贷额度增加4.5亿美元至65亿美元。

此外，阿波罗全球管理公司正在洽谈将对软银的一笔贷款规模扩大36亿美元至90亿美元，以协助其为OpenAI投资融资；软银还获得了一笔118.7亿美元的贷款，同样用于支持其OpenAI投资。

据彭博汇编数据，今年以来软银已跨币种发行近150亿美元债券，成为2026年迄今全球垃圾评级借款人中债券市场融资规模最大的企业。

AI不确定性与信用风险受市场关注

尽管认购需求旺盛，市场对软银信用风险的担忧也在同步升温。据彭博汇编数据，软银2031年到期美元债券的收益率本月早些时候一度升至8.2%，较1月份的低点6.7%大幅上行，反映出信用利差走阔与美债基准收益率上升的双重压力。

与此同时，部分全球顶级AI平台负责人近期出于安全考量呼吁放缓AI发展步伐，为AI投资前景增添不确定性，并推动软银债务违约保险成本升至三年来最高水平。OpenAI首席执行官Sam Altman表示，公司今年不会上市，这意味着软银对OpenAI的巨额投资短期内仍无法通过公开市场实现退出，相关资产的流动性也受到市场关注。

信用评级方面，软银目前获标普及惠誉评为BB+，处于投机级最高档。相比之下，2026年迄今企业债发行规模最大的两家公司——Alphabet及Amazon——评级分别为AA+和AA，均高于日本主权信用评级。

本文来自华尔街见闻，欢迎下载APP查看更多

周二，美股盘前，道指期货上涨0.27%，标普500指数期货涨0.1%。纳斯达克100指数期货上涨0.1%。油价短线急挫，布伦特原油日内跌幅达2.5%，报93.83美元/桶；WTI原油日内跌幅达3.0%，报89.55美元/桶。

市场受到霍尔木兹海峡可能重新开放的消息提振。据报道，一名伊朗高级政府官员透露，如果美国采取初步措施缓解军事压力，伊朗愿在7天内重新开放霍尔木兹海峡。该提议已通过中介方传达给美方，旨在重启谈判，最终达成两国永久结束敌对状态的协议。伊朗计划利用本周在纽约举行的联合国大会，与相关中介国家展开磋商。

此外，Meta旗下新一代AI智能体Muse的推出重新点燃市场对AI应用的热情，成为推动科技股走强的重要因素。

CLSA研究主管Shaun Cochran在接受彭博电视采访时表示，"总体而言，市场实际上相当强劲。我们目前所见的是市场对AI革命的憧憬，正在推动对资本开支的信心。这在很大程度上是一个资本开支驱动的经济，而这正是维系风险偏好的根本所在。"

• 道指期货上涨0.27%，标普500指数期货涨0.1%。纳斯达克100指数期货上涨0.1%。
• 欧洲斯托克50指数开盘涨0.17%，德国DAX指数涨0.13%，英国富时100指数涨0.21%，法国CAC 40指数涨0.22%。
• 韩国首尔综指收涨0.15%，报7017.91点。亚洲股市整体上涨0.6%。
• 10年期美国国债收益率下降3个基点至4.92%。
• 美元兑日元连续第三个交易日上涨，日内上涨0.3%至157.75。
• 布伦特原油日内跌幅达2.5%，报93.83美元/桶；WTI原油日内跌幅达3.0%，报89.55美元/桶。
• 现货黄金跌至4331.8美元/盎司，日内跌0.27%。

Muse是本轮市场上扬的直接催化剂。这款产品允许用户创建定制化AI智能体，并将其派发至互联网上代为执行数字任务。与旧版Meta AI相比，Muse的核心差异在于能够基于用户在Facebook Marketplace和Instagram等平台的社交内容进行响应，同时支持接入Gmail、苹果及谷歌日历、OpenTable等第三方服务。

Capital.com高级分析师Kyle Rodda表示，"最具实质意义的催化剂，是Meta新款AI聊天机器人的发布。该产品获得强劲需求，令市场对所谓'AI交易'的增长前景重燃乐观情绪。强劲的AI需求信号应能提振整个AI生态链的情绪，尤其是芯片板块。"

此番AI热情的重燃，发生在市场信心一度受挫的背景之下。此前，美国头部AI企业相继呼吁放缓技术发展步伐，并发出一系列日益严峻的警告，称AI演进速度过快，正对国家安全和全球经济构成威胁，一度引发市场对该板块增长可持续性的质疑。

State Street Investment Management高级策略师Clive Maguchu表示，"过去一年多，我们多次看到投资者质疑这波AI行情的强度及其可持续性。但每隔一段时间，总会有新的消息印证需求依然旺盛。"

阿里巴巴周二推出新一代AI芯片，腾讯则发布迄今最强图像生成模型，两家公司股价在港股市场同步走高，进一步强化了市场对AI投资周期仍处上行轨道的判断。

霍尔木兹海峡重开释放积极信号，国际油价短线跳水。

据日本共同社报道，伊朗方面希望华盛顿释放信号，表明其准备重返谈判桌，并采取措施终止对伊朗港口的军事封锁、停止与霍尔木兹海峡相关的军事行动。若上述步骤落实，伊朗愿在7天内重新开放这一战略水道。

该官员表示，伊朗计划借助联合国大会与担任中介角色的相关国家展开磋商，但他明确排除了伊朗总统佩泽希齐扬与美国总统特朗普在大会期间举行场边会谈的可能性。

本文来自华尔街见闻，欢迎下载APP查看更多

9月22日，据路透社报道，韩国已确认该燃气电厂为对美投资协议的首个项目，同时正与美国就核电和液化天然气项目展开进一步磋商。韩国政府表示，相关投资仍需经过美国政府投资委员会审批，并与美国商务部长Howard Lutnick进一步谈判，最终由美国总统特朗普宣布。

据新华社此前报道，韩国总统李在明去年11月14日在首尔龙山总统府举行新闻发布会，宣布韩美敲定两国关税和国家安全磋商成果文件“联合事实清单”。根据当天公布的文件内容，韩美领导人表示认同今年7月发布的“韩国战略贸易及投资协议”，确认协议包括韩国对美造船领域的1500亿美元投资，以及《战略投资谅解备忘录》承诺的额外2000亿美元对美投资。

首个项目的确定，标志着韩美贸易协议中的大规模对美投资开始进入具体执行阶段。不过，韩国国内对项目商业可行性的争议仍在持续，反对党议员也要求加强国会监督。

首个项目出炉：得州燃气电厂供应AI数据中心

据报道，韩国确认的首个项目位于得克萨斯州Encinal，装机容量6.3吉瓦，项目估值逾200亿美元，所发电力将主要供应当地AI数据中心和芯片工厂。

韩国国会议员Chung Chin-ook在产业部长简报会后表示，韩国将为项目提供全额投资，并与美国合作伙伴各持50%股权。议员Bae Jun-young表示，项目正式宣布后，一笔“可观”的资金需在9月底前到位；如果美方提出要求，资金最快可在45天内完成汇划。

西江大学管理学教授Kim Yong-jin认为，得州电厂项目可能成为韩国企业进入美国市场的切入口，并带动更多韩国企业携技术和资本赴美投资。

除燃气电厂外，韩国还在推进规模更大的核电投资计划。报道援引知情人士称，韩美正讨论在美国建设最多8座大型核反应堆，其中两座采用韩国自主设计的APR1400堆型，其余6座采用西屋公司的AP1000堆型。

Chung Chin-ook表示，韩国还在考虑收购西屋5%至10%的股权。至于是否参与长期搁置的阿拉斯加液化天然气项目，目前尚未作出决定。Kim Yong-jin则认为，如果韩国推动本国设计的核反应堆落地，并取得西屋约10%的股权，将有助于韩国保护相关知识产权，并进一步拓展欧洲和中东市场。

特朗普持续施压，商业可行性成焦点

此次投资安排源于两国去年11月达成的贸易协议。根据协议，美国将对韩国商品征收的关税降至15%，但美国官员持续批评韩国投资推进速度，特朗普也曾威胁提高关税。

随着谈判从框架协议进入具体项目阶段，韩国更担心投资的商业回报。韩国总统李在明上周五表示，确保项目具备“商业合理性”已成为当前谈判的主要分歧之一。报道援引一名知情人士称，韩国正寻求将年度对美投资规模控制在200亿美元以内，以降低大规模资金外流对韩元汇率的压力。

韩国国内对项目回报的质疑也在升温。反对派议员要求加强国会监督，而韩国政府则认为，得州燃气电厂在20年的利润回报周期内具备商业可行性。根据韩国《对美战略投资法》，具备商业合理性的项目无需国会批准，但若缺乏商业可行性、政府仍以国家安全或供应链稳定等理由推进，则需获得国会同意。

美国韩国经济研究所驻华盛顿高级研究员Hyun Jung Je表示，得州项目的确认表明，韩美正在寻找双方都能接受的投资项目，但这项投资协议最终仍需通过具体项目的实施和实际结果来检验。

本文来自华尔街见闻，欢迎下载APP查看更多

9月22日，阿里巴巴旗下千问办公在2026杭州云栖大会发布一系列企业级AI Agent产品，推出企业上下文、数字员工、协作空间、安全中心等功能，完善Agent从业务理解到执行协作的产品体系。硬件方面，千问办公同步发布AI Agent随身助理QwenNote A2。

其中，企业上下文（Enterprise Context）通过整合企业数据，帮助Agent获取与任务相关的信息，进一步构建“懂业务”的数字员工。

阿里巴巴集团副总裁、千问办公CEO陈宇森在大会现场表示，“千问办公是业内首个企业级Agent产品”。他指出，Agent要真正落地企业，既要懂业务，也要像人一样在企业和组织内协同，同时每一次任务执行都要有边界、可追溯。

硬件方面，陈宇森透露，上一代钉钉A1已在国内实现“大几十万台”销量，并对新款QwenNote A2提出“千万台”的销量目标，显示出千问办公对AI硬件市场的进一步布局。

企业上下文：让Agent真正读懂业务数据

千问办公此次发布的核心产品之一是“企业上下文”（Enterprise Context），定位为面向企业的上下文数据管理产品。

其核心逻辑在于，企业往往积累了大量数据，但Agent执行具体任务时，需要的并非全量信息，而是与当前任务最相关的内容。企业上下文通过内置专属模型，以较低的Token成本对企业数据进行压缩和结构化处理，并随业务变化实时更新，让Agent能够基于最新业务信息进行判断。

这一产品直接针对企业AI落地中的数据孤岛和信息过载问题。基于企业上下文与千问办公的Agent托管能力，企业可以构建“懂业务”的数字员工，并将其部署在钉钉等即时通讯平台，与员工协同完成任务。

数字员工与协作空间：Agent走向组织化运作

在数字员工层面，千问办公为Agent赋予完整的“组织身份”：拥有名称、所属部门、负责人和岗位职责，同时具备授权范围与生命周期管理，可被员工识别、被系统授权，也可由管理员停用，所有执行记录均可追溯至对应身份。

与此同时，千问办公推出“协作”功能，允许企业创建协作空间，将散落在群聊、文档和知识库中的信息统一关联，并按需加入团队成员与数字员工。在该空间内，员工可以直接与同事或Agent讨论，Agent之间也可以相互沟通、分工协作，任务产出与进度统一沉淀在空间中，减少信息在不同群组之间反复流转。

针对不适合在聊天框内完成的工作场景，千问办公还推出“应用”功能，支持企业和SaaS厂商将业务系统以应用形式接入，在保留原有界面和数据的同时叠加Agent能力。用户可以直接在业务系统内修改、保存AI生成的结果，无需在多个工具之间切换。

安全中心：从架构层面管控Agent风险

随着AI从“回答问题”走向“执行操作”，安全边界成为企业采用Agent的关键考量。陈宇森表示，企业不能只在系统外围增加防线，而应从架构设计之初就将权限越界、数据泄露和误操作等风险纳入考量。

此次发布的千问办公安全中心，可统一管理Agent的数据访问、工具调用和任务执行。具体机制包括：执行前通过沙箱划定运行边界，执行过程中对高风险操作进行审批与拦截，异常发生后通过操作记录与恢复机制进行处置。

结合钉钉企业安全体系，该产品还支持最小权限授予、敏感信息识别与全程审计，使企业能够追溯任务发起方、Agent使用的数据以及具体执行操作。

QwenNote A2：以隐私保护为差异化卖点的AI硬件

硬件层面，千问办公发布AI Agent随身助理QwenNote A2，主打“真AI，不录音”，针对传统AI录音产品引发的隐私顾虑。

在隐私保护机制上，QwenNote A2采用“单次转写、转后即焚”的设计：设备默认不录音，交流结束后语音在云端完成一次文字转写，随后原始录音被永久删除；设备工作时亮起无痕小绿灯，告知对方当前仅在记笔记而非录音。该设备重67克，搭载六麦拾音阵列，支持独立联网与调用Agent，无需依赖手机即可运行。

在使用场景上，QwenNote A2支持一键将线下交流转化为云端任务。例如销售拜访客户后，可通过语音指令将交流内容同步至千问办公，自动生成PPT或提炼关键信息。

陈宇森披露，上一代产品钉钉A1已在国内实现“大几十万台”销量。他认为，AI录音只是一个小品类，AI笔记、AI会议智能等产品则具备更大的应用空间，未来完全有可能实现“千万台”级别的销量。

Qwen Intelligence：千问大模型进一步布局个人智能

与此同时，千问大模型还发布AI手机全栈解决方案Qwen Intelligence，面向手机厂商提供模型、平台及场景解决方案，推动手机Agent从简单问答进一步走向复杂任务执行。

针对手机Agent的核心需求，Qwen Intelligence首发三套解决方案：Mobile Planner Agent负责理解需求、拆解任务并动态规划；Mobile-Use Agent负责实际操作手机；Mobile Creative Agent则面向影像创作，将用户的一句话需求转化为完整创作流程。官方数据显示，Mobile-Use Agent端到端实测任务成功率达到90%，单次任务完成时间从83.6秒缩短至59.5秒。

目前，Qwen Intelligence已开始进入实际应用。阿里巴巴携手荣耀，以Qwen Intelligence和荣耀Magic OS为基础，共同打造面向下一代AI手机的垂域模型和解决方案。官方数据显示，该方案综合任务准确率达到91.8%，复杂长程任务可执行100步以上操作，端到端服务闭环率达到90%。

本文来自华尔街见闻，欢迎下载APP查看更多

Muse于9月18日登顶美国iOS App Store免费榜，距其上线仅10天。杰富瑞在最新研报中指出，这一成绩标志着AI智能体正从小众工具迈向主流消费产品，由此引发的服务器CPU需求讨论再度升温。

从市场预测数据来看，杰富瑞预计AI PCB总可寻址市场（TAM）将从2025年的70亿美元增长至2030年的730亿美元，复合年增长率约60%；ABF基板TAM同期有望从80亿美元扩张至300亿美元，复合年增长率约30%。上述数据为相关供应链个股提供了明确的中长期增长支撑。

Meta的Muse并非首款面向普通消费者的AI智能体产品，但其凭借大厂背书和主流产品定位，成为将"智能体"概念带入大众视野的最高知名度案例之一。

杰富瑞指出，此前同类产品多定位于专业用户或高端付费工具，而Muse的上线策略明显有别——将智能体功能封装为日常可用的消费级产品。上线仅10天即登顶美国iOS免费榜，这一速度引发市场对AI智能体规模化落地节奏的重新审视。

杰富瑞认为，这一事件将成为近期市场重新关注服务器CPU需求的关键驱动因素之一——智能体应用对推理算力、多任务编排及底层基础设施的消耗，均显著高于传统聊天机器人场景。

在ABF基板层面，杰富瑞表示来自日本、韩国及欧洲的主要供应商将持续受益于服务器CPU的强劲需求。产品迭代方向——更大封装面积、更高层数、更复杂设计——对良率管控和产能供给构成持续压力，行业壁垒随之提升。

与此同时，ABF基板的扩产在原材料和设备端与BT基板存在一定重叠，这一结构性特征将对BT基板形成挤出效应。

根据Prismark数据及杰富瑞预测，ABF基板TAM预计从2025年的80亿美元增长至2030年的300亿美元，服务器CPU和AI加速器是驱动增长的两大核心需求来源。

从整体量级来看，杰富瑞预测服务器CPU出货量将从2025年的约2900万颗增长至2030年的约7500万颗，覆盖通用型、AI头节点及AI独立部署三类场景，年均复合增速在两位数区间。

AI PCB整体TAM方面，杰富瑞（援引Prismark数据）预计市场规模将从2025年约70亿美元扩张至2030年约730亿美元，五年复合增长率约60%，CPU、英伟达及非英伟达加速器、交换机、光模块均贡献增量。

本文来自华尔街见闻，欢迎下载APP查看更多

9月22日，A股全天冲高回落，早盘三大指数集体高开，创业板指盘中一度涨超2%，随后双创指数冲高回落、尾盘集体下挫，三大指数近乎平收。算力芯片、半导体、MLCC、AI应用、出版传媒、生物制品涨幅居前；航运港口、旅游酒店、贵金属、玻璃玻纤跌幅居前。

港股恒指、恒生科技指数早盘冲高后逐渐回落，恒科指盘中一度涨超1%，权重科网股多数反弹，阿里涨近2%，腾讯控股大涨超5%，隔夜Meta大涨11%，旗下AI个人智能体应用Muse上线不足两周，已在下载量和日活用户数两项关键指标上超越ChatGPT同期表现，芯片半导体活跃，澜起科技涨8%。债市方面，国债期货全线上涨。商品方面，国内商品期货走势分化。

A股：截至收盘，沪指涨0.06%，深成指跌0.05%，创业板指涨0.01%。

盘面上，个股跌多涨少，沪深京三市约3000股飘绿，今日成交2.15万亿。沪深两市成交额2.14万亿，较上一个交易日放量1040亿。板块方面，AI应用端全天强势，汽车、家电、煤炭、传媒板块活跃，地产板块尾盘发力。海运、钢铁、军工、石化板块调整。节前效应显现，午后光通信、CRO板块走软。

今天有两只新股同日上市：创业板的中塑股份，北交所的世纪数码，两只都被打到二次临停。

港股：截至收盘，恒指收涨0.18%，恒生科技指数涨0.34%。

盘面上，腾讯控股放量走强，收涨超5%。软件、传媒板块走强，建材、有色金属、石化、银行、医药板块调整。智谱、MINIMAX-W双双回撤。

债市：国债期货全线上涨，截至收盘，30年期主力合约涨0.29%，10年期主力合约涨0.08%，5年期主力合约涨0.07%，2年期主力合约涨0.02%。

商品：国内商品期货涨跌不一，截至收盘，航运期货涨幅居前，集运指数(欧线)涨4.50%；新能源材料全部上涨，碳酸锂涨2.53%；非金属建材全部上涨，玻璃涨1.75%；基本金属多数上涨，国际铜涨1.65%；化工品多数上涨，20号胶涨1.28%；油脂油料多数上涨，豆二涨1.05%；贵金属跌幅居前，白银跌1.80%；黑色系涨跌参半，铁矿石跌1.05%；能源品多数下跌，原油跌0.93%；农副产品多数下跌，苹果跌0.80%。

算力芯片/CPU：Meta Muse引爆Agent行情，海光信息发新品

旋极信息回封20cm涨停，禾盛新材、综艺股份涨停，博通集成3连板、瑞芯微涨停；国产CPU龙头中，中国长城早盘一字涨停后炸板、收涨6.94%报15.87元，海光信息涨3.88%报256.00元、龙芯中科涨2.41%，摩尔线程涨7.52%。

核心催化来自Meta消费级AI智能体Muse爆火，据Sensor Tower数据，Muse已连续三天位居美国iPhone免费应用下载榜首，市场重新评估Agent时代服务器CPU需求；叠加海光信息当日发布1000系列CPU新品、华为发布业界首个NPO技术超节点昇腾960，国产CPU与算力芯片形成共振。

隔夜美股也添了一把火——AMD市值首次突破万亿美元（收涨约10%报615.52美元），费城半导体指数涨超4%，ARM涨17%、英特尔涨12%、Meta涨11%、高通涨9%。

摩根士丹利测算四大北美云厂商2026年二季度资本开支同比大增87%，预计2027年全球前14大云厂商资本开支接近1.4万亿美元，其中存储芯片支出占比约五成。

半导体/存储：NOR Flash涨价、长鑫量产，澜起科技涨超5%

存储与半导体板块延续强势。澜起科技涨5.58%，盘中一度涨超10%，兆易创新涨2.65%、成交额居A股前列，先导基电4天2板。

催化来自NOR Flash合约价上半年累计涨幅达100%—120%，兆易创新上半年净利增长超1000%；长鑫科技9月20日公告第五代工艺技术平台正式量产、并展出大容量LPDDR5X产品。

阿里巴巴CEO吴泳铭在云栖大会表示，当前客户AI需求非常强劲，将全力投入AI基础设施建设，目标到2032年阿里云运营的全球数据中心规模超过20GW。平头哥发布最强国产AI芯片真武V900，算力提升至真武M890的3倍。据悉，平头哥AI芯片的年出货量将大幅提升。

天风证券认为，全球DRAM市场规模持续高速扩张，国内需求占比超四分之一但本土供给不足，叠加地缘摩擦下供应链自主需求提升，国产化与新技术迭代两大逻辑共同打开行业成长空间。美银判断存储正处于周期修复叠加AI结构性短缺阶段，DRAM季度均价环比涨20%—30%。

AI应用掀涨停潮

南威软件2连板，光云科技、旋极信息 20cm 涨停，新炬网络、延华智能等批量涨停，AI应用端个股大面积异动。

消息面，9月22日，小米发布并开源Xiaomi MiMo-V2.6系列，包含Pro与Flash两个原生全模态模型。官方称这是其探索RSI（递归自我改进）路径的关键一步，通过规模化扩展强化学习算力，让模型在持续探索与反馈中拓展智能边界。此外，工业和信息化部近日印发《“人工智能+软件”专项行动实施方案》。

国金证券表示，自定义AI与企业AI正在悄然渗透。Muse等产品表明消费级Agent正在把个人数据、长期记忆、权限控制和Computer Use整合至同一入口；企业端则通过数据库、办公软件和业务系统连接形成专属工作流。用户能够自行组织数据、调用接口并设计任务流程，使应用形态更加个性化。市场未必出现移动互联网时期依靠统一界面覆盖所有用户的超级应用，但大量分散任务可能先在后台形成模型调用、Token消耗和软件收入，再逐步体现为用户可感知的产品变化。

文化传媒全天强势

内蒙新华走出5连板，新华文轩走出2连板，引力传媒、中国出版等多只相关个股涨停。

催化来自新华传媒拟发行股份收购界面财联社100%股权，叠加文旅部《文化产业发展"十五五"规划》支持文化企业融资与AI内容融合。

消息面上，国家新闻出版署日前印发《出版业发展“十五五”规划》，到2030年，出版业高质量发展取得显著成效，出版激发全民族文化创新创造活力、推动文化繁荣发展的作用更加凸显。规划坚持目标导向和问题导向相统一，围绕着力做好主题出版、持续扩大出版优质供给、深化全民阅读工作、加快出版深度融合发展、推进报业系统性变革、推动印刷发行业创新发展、加强出版国际传播、建设高水平出版人才队伍等8个方面，提出“十五五”时期需要着力推进实施的重点任务，开列8个专栏、33个重大工程项目，涵盖内容生产、阅读推广、行业升级、国际传播、人才队伍等出版全链条、各领域。

广发证券研报指出，2026年出版行业正面临需求、政策与渠道的多重压力，教育出版公司受教辅政策趋严影响，市场化教辅销售下滑，大众出版公司则因图书零售市场整体下行及短视频等新兴渠道投流侵蚀ROI而承压，上半年A股教育出版公司总营收同比减少11.37%，大众出版公司营收同比减少6.31%；但部分公司现金流充沛、中期分红意愿较强，如凤凰传媒股息率达5.78%，体现出一定防御属性，后续需在政策适应、渠道优化及新增长点探索方面积极应对。

阿里、腾讯双双反弹

权重科网股多数反弹，腾讯涨超5%，阿里涨近2%，盘中一度涨超5%。

消息面，阿里巴巴CEO吴泳铭在云栖大会表示，当前客户AI需求非常强劲，将全力投入AI基础设施建设，目标到2032年阿里云运营的全球数据中心规模超过20GW。平头哥发布最强国产AI芯片真武V900，算力提升至真武M890的3倍。据悉，平头哥AI芯片的年出货量将大幅提升。

腾讯周二在一份声明中表示，Hy Image 3.5 Preview模型在性能上较其前代产品有所提升，目前正被整合到腾讯的各项产品中，包括元宝以及视频编辑和设计工具。

此次发布表明，腾讯正加速探索文本以外的应用领域，同时致力于实现其愿景，即为微信生态系统中超过10亿的用户构建能够执行各项任务的AI。Meta推出智能体Muse本周一举跃居移动应用商店下载榜首，凸显出市场对代理AI的兴趣，此类AI能够为用户量身定制内容，并帮助他们完成购物、叫车等任务。

本文来自华尔街见闻，欢迎下载APP查看更多

据彭博引述知情交易商消息，至少三家亚洲燃料加工企业已从沙特阿美高管处获得非正式保证，称装载将很快重启，但未给出具体时间表。这些消息人士表示，上述沟通并非正式通知，沙特阿美亦拒绝就此置评。

目前，部分亚洲炼厂已因管道停运错过延布港的原油装载档期，其船只或停泊于港口附近水域，或正在驶往当地。与此同时，欧洲买家所受冲击更为严峻——沙特阿美上周已告知至少两家欧洲炼厂，因管道受损，10月份长期协议项下的原油供应将全面暂停，且该决定适用于所有欧洲买家。

东西管道于9月10日遭从伊拉克方向发射的无人机袭击后被迫关闭，该管道此前每日向延布港输送约400万桶原油。管道停运后，延布港装载活动几近停滞。

据彭博上周引述知情人士称，沙特方面正寻求在数日内将管道恢复至约一半产能，并争取在约六周内达到满负荷运营。

这条全长1200公里的管道横贯阿拉伯半岛，连接沙特东部主要油田与红海沿岸的延布港，是沙特绕开霍尔木兹海峡向欧洲及亚洲输送原油的关键通道。管道从阿布盖格（Abqaiq）附近的世界最大原油处理设施出发，穿越沙漠和汉志山脉，抵达西海岸。其中约200万桶/日的原油用于红海沿岸炼厂的国内消费。

管道停运后，沙特增加了从波斯湾拉斯坦努拉港的对亚洲出口，相关原油经霍尔木兹海峡，在阿曼湾通过船对船转运方式交付。这一替代路径使亚洲买家的供应受阻程度相对有限。

相比之下，欧洲客户的处境更为被动。由于延布港是欧洲从沙特进口原油的主要装货地，管道停运直接导致欧洲10月长约供应全面中断。能源市场研究机构Energy Aspects分析师Nicholas Dyer指出，延布港储罐库存目前处于历史低位，沙特不太可能将储罐抽空以维持出口，这将进一步压缩延布港的可用货源。

Dyer还警告，延布港的供应收紧可能产生连锁效应，波及埃及苏伊士运河入口的锡迪·凯里尔港（Sidi Kerir）——沙特通过苏伊士运河将原油转至该港供欧洲买家提货——届时或出现更多延误和取消。

东西管道长达1200公里，沿线安保难度极大。管道大部分路段埋深约1米，具备一定的防空袭能力，但沿线11座泵站是最脆弱的节点，管道在此处暴露于地面之上。

卫星图像显示，麦地那以南一处泵站在9月袭击中受损，但沙特官方尚未证实具体受损位置。据知情人士透露，沙特阿美正设法绕开受损路段，以便恢复部分管道产能。

即便管道顺利重启，延布港的出口能否完全恢复仍存变数。

也门胡塞武装已威胁封锁沙特港口，并持续强化在曼德海峡附近的军事部署，对途经该水道的船只构成持续威胁。这意味着部分货物可能被迫改道北上经苏伊士运河，这对亚洲买家而言意味着更高成本和更长运输周期。

在外交层面，沙特王储穆罕默德·本·萨勒曼已向美国总统特朗普和英国首相Andy Burnham寻求军事援助以应对胡塞武装，但两国均未表示愿意直接介入。

对于市场参与者而言，东西管道能否按计划恢复、延布港装载何时全面重启，以及红海航运安全能否保障，仍是左右近期原油供应预期的三大核心变量。

本文来自华尔街见闻，欢迎下载APP查看更多

9月22日，沃尔玛中国宣布，现任美国山姆会员商店非食品采购高级副总裁Sean Jackson将外派中国，担任山姆会员商店首席采购官，直接向山姆会员商店业态总裁刘鹏汇报。

与此同时，现任沃尔玛中国副总裁、山姆会员商店非食品采购负责人Amber Bynum将调任沃尔玛商店首席采购官，向沃尔玛商店业态总裁祝骏汇报，并于10月中旬正式到岗。

两项任命都落在沃尔玛中国眼下最重要的能力之一——商品。

沃尔玛在公告中称，山姆目前处于业务高速发展期，沃尔玛商店则“转型初显成效”，此次任命旨在进一步强化双业态采购组织能力，并“推动全球商品资源协同”。

相比普通的人事更替，这也让Sean Jackson的履历格外值得关注。

Sean拥有超过30年零售行业经验，目前负责美国山姆非食品采购，覆盖家居、硬百货、科技产品、办公、娱乐、服装和季节性商品等多个核心品类，此前还负责过消费品、健康与保健采购。

长期负责美国山姆商品体系的管理者来到中国，一个直接的问题是，山姆中国过去几年形成的商品开发路径会不会发生变化。

过去几年，山姆中国越来越强调从中国会员需求出发开发商品，而非简单复制美国山姆货盘。中国供应链也已经深度进入其自有品牌和差异化商品体系。

Sean到任因此不必然意味着进口商品占比提升。更值得观察的是，美国山姆的商品开发经验、全球供应商体系与中国本土供应链之间，是否会发生更紧密的协同。

沃尔玛为此次交接留出了过渡期。Sean将在完成中国本地业务培训后正式履职，现任代理首席采购官Neil Maffey完成交接后，还会以全职顾问身份继续为山姆业务提供战略支持。

另一项任命，则把山姆的人才送向了沃尔玛商店。

Amber Bynum在沃尔玛任职超过十年，曾负责全球采购卫生与健康、快消品及零售运营等业务。

去年加入山姆中国采购团队后，她负责的非食品品类实现增长，同时推进商品创新和供应商协同体系优化。

她接手沃尔玛商店采购线的时间点，也恰逢这一业态进入新一轮商品重构。

今年4月，沃尔玛在成都推出全新一代门店。新店面积约3000平方米，仅配置约1万个SKU，并提高生鲜、食品和短保鲜食占比，同时加大本土商品和供应链投入。

沃尔玛计划以这一模型推进全国门店改造，年内升级及新开门店超过100家。

这套思路与传统大卖场追求“大而全”已经明显不同，更接近精选商品、提高周转和强化差异化的方向。

因此，Amber从山姆转任沃尔玛商店，更值得观察的是，过去几年山姆已经验证过的商品开发、供应商协同和精选逻辑，会有多少进入大众业态。

沃尔玛中国正处于增长阶段。

今年第一季度，沃尔玛中国净销售额同比增长22.3%，电商业务增长31%；山姆过去12个月新增9家门店。 8月，山姆石家庄店开业，成为其中国第68家门店。

规模扩大之后，商品能力的重要性持续上升。

一边是美国山姆采购负责人进入中国，一边是山姆中国采购管理者转向沃尔玛商店。

两项任命背后，沃尔玛正在让全球采购经验、中国供应链以及不同业态之间的商品方法发生更频繁的流动。

本文来自华尔街见闻，欢迎下载APP查看更多

把第一季上线视作“出道时间”，这个小镇女孩只用了两个多月，就从一部AI短剧的女主角，登上《时尚COSMO》旗下COSMO CRUSH电子刊封面。

两季故事里，方桃子从合照边缘被裁掉的小镇女孩，一路摸索着在时尚行业升级打怪。观众也越来越难只把她当作一个AI角色。

剧方为方桃子单独运营账号，持续更新做饭、健身、买花和晨间记录等日常内容；评论区里，粉丝会催更、讨论她的感情和工作，甚至替她规划综艺和演唱会。

一个生成出来的角色，开始拥有接近真人艺人的陪伴感和持续关系。

方桃子不是孤例。过去半年，抖音已经涌现20多部播放量破亿的AI原生系列内容。

9月21日，首届抖音AI创作大赛收官。72天里，17万件AI作品涌入，揽获超过400亿次播放。抖音把分散的创作冲动，收拢成了一条正规内容赛道。

同一天，抖音宣布与爱奇艺达成合作，双方将投入上亿资源，把站内优质短篇往剧集、电影方向延伸。

从制造一条爆款，到留下一个可以持续生长的故事——抖音对AIGC的期待，已经变了。

AIGC新势力

今年AI做视频明显更厉害了，但抖音上真正在变的，是怎么用AI讲故事。

年初大家还在比拼东方美学、复古影像这些视觉风格；2月模型能力提升后，热梗二创快速增加；3月开始，围绕亲情、陪伴和现实情绪的写实短片出圈。

5月以后，越来越多创作者开始搭建原创世界观，内容也从单篇走向系列化。

怪物收容、东方玄幻、原创科幻之后，女性叙事、都市怪谈、中式微恐等细分类型逐渐在抖音平台形成稳定受众。

更多作品从“展示画面”走向“故事为先”，创作者从做完一条作品，转向持续讲一个故事。

这轮变化背后，是两股力量的汇合。

一边是生成技术在继续拆低影像生产门槛。过去高度依赖演员、场景和后期的科幻、古装等题材，现在个人或小团队就能完成。

截取自AI短剧《归墟》

另一边，抖音也在主动组织这批新供给。

2025年9月，抖音推出"AI创作浪潮计划"，从流量、工具和课程等方向扶持AI内容。接近一年时间，已有超过160万名作者参与，相关内容累计播放达到1400亿次。

今年6月启动的首届AI创作大赛，则进一步把筛选标准从"生成能力"推向剧本、角色、叙事和IP潜力，开始主动寻找能够持续讲故事的人。

这批创作者来源很杂：电影专业学生、小说作者、视觉设计师、职业画手、海归导演、60多岁的资深动画从业者，个人创作者和专业公司团队同场竞技。

拿下金奖的《合龙》出自2XLabs。这支在影视行业深耕十余年的团队，这次把从构思到成片压进了一个半月：一个多月磨剧本，真正交给AI生产只有一周左右。

开篇主角站在木桥上垂钓，为了确定整个世界的疏离感，团队用AI快速测试了清晨、落日、傍晚、阴天等上百种方案。

传统拍摄中需要协调场景、光线和排期才能完成的试错，被压缩到了生成环节。

新的创作者也在持续进入。

编导李让没有影视科班背景，自学AIGC影像创作。他4月上线的《告别》用第一人称串起一个人从童年到老年的多次离别：离开母亲、朋友、恋人，直到面对衰老。作品没有依靠视觉奇观，而是靠普通人生经验完成共鸣，上线5天播放破亿。

曾从事游戏美术和3D制作的泫九，独立制作末日科幻系列《归墟》，编剧、角色设计、生成、剪辑和配乐几乎一人包揽。

做了近十年真人短片的菲菲飞，则借AI摆脱部分演员、置装和场景限制，持续更新《被裁掉的女孩》。

专业影视团队获得了更快的试错工具，成熟短视频作者摆脱真人制作限制，美术、小说等背景的个人创作者也开始独立完成完整影像。

AIGC没有消除专业能力，却正在打破过去相对固定的影像生产需要高投入的刻板印象。

对抖音而言，更重要的因此不是AI视频数量增加，而是一批能够持续生产人物、故事和世界观的原生创作者开始形成。

过去以单条爆款为主的AI内容，也开始拥有持续生长的可能。

开造IP池

抖音持续有意识地培育AIGC赛道，目的显然不只是增加一类内容供给。

过去抖音最擅长“造星”。算法把创作者推给可能感兴趣的人，用户点个关注，路人就变成了粉丝。达人和个人IP，成了平台最重要的内容资产。

但网红有个问题：火得快，凉得也快。一条爆款的生命周期可能就几天，达人必须持续产出新内容才能不被算法遗忘。

如今在平台上涌现的AIGC系列故事代表着另一种生产。

截取自AI短剧《被裁掉的女孩》

《被裁掉的女孩》的观众等待方桃子下一步会经历什么，《归墟》的观众则关心那个末日世界如何展开。用户追的不再只是作者，而是人物、故事和一个持续生长的世界。

区别于围绕创作者本人形成的个人IP，一批拥有稳定人物、故事线和世界观的内容IP雏形开始出现。

爱奇艺高级副总裁陈宏嘉在现场分享时提出，好的IP包括两类东西：一类是人物、符号、场景这些可以被识别的“有形资产”；另一类是情感、价值观和世界观这些“无形资产”。最终还要能跨不同形式开发，持续产生商业价值。

说白了，一个故事要真正成为IP，得经得起反复用、换着花样用。

谁先筛出好故事，谁就掌握了后面一连串开发的起点。

过去，影视IP多半是从网文和漫画长出来的。背后原因其实很朴素：码字最便宜。一个人一台电脑就能开工，能写的人也比能拍的人多得多。

拍剧完全是另一回事。拉起剧组、找演员、搭场景、做后期，几个月下来几千万扔进去，赌错了就是真金白银的损失。没人愿意对着一个空白剧本下注，只能挑已经在网上火过的故事。

抖音过去站在这条链条的最末端。一部剧拍完了、定档了，才轮到抖音剪预告片、买热搜、找达人二创——做的全是宣发的事。

AIGC把这个门槛往下压了一大截。过去最烧钱的科幻、古装，现在个人创作者用AI就能先做出短片版本，直接丢到几亿用户面前试水。

故事能否打动人，用户会用点击和评论给出答案。

如果一个故事值不值得继续开发，能在抖音上先得到答案，平台就从"事后宣传"变成了"事前筛选"。

大赛收官当天，抖音宣布与爱奇艺达成深度合作。双方将投入上亿资源，共同推动站内优质短篇向剧集、电影等更长内容形态延伸。

为了让更多好故事有机会沉淀为IP，抖音还宣布后续将投入20亿流量扶持，继续增加创作基金、广告变现和内容付费等支持，同时与电影节、影视公司合作，把成熟故事送进更多内容形态。

抖音里的IP未必只有“短片变长剧”这一条路。

抖音方面披露，《丧尸清道夫》已经启动影视化改编，《零号档案8》《归墟》等热门内容则开始尝试互动剧玩法。

抖音小游戏《零号档案：降临》《归墟：迷局》

一条今天出现在抖音里的短片，未来可能继续成长为剧集、电影或者游戏。

抖音想留下的，或许不是IP开发的每一个环节，而是好故事被最早发现和验证的位置。

本文来自华尔街见闻，欢迎下载APP查看更多

近日，在知名科技播客Frictionless Podcast by Logan Jastremski的专访中，“芯片网红”、资深芯片设计师、知名硬件分析专家“Mr. Bubble”就当前AI算力供应链的核心瓶颈、未来架构演进及AI投资的最终价值归宿进行了深度剖析。这场对话从晶体管密度讲到存储层级，从机架设计讲到大模型实验室的战略意图，核心结论只有一个：

AI算力基础设施真正的瓶颈，已经从"造更快的芯片"转移到了封装、互连延迟与存储层级这三个更底层、更难解的物理问题上。

（图为Frictionless Podcast主持人Logan Jastremski）

对于当前市场最热门的几个方向——英伟达路线图的可执行性、HBM之后的存储竞争、推理侧的架构分歧，以及大模型实验室"踩边界"背后的真实动机——Mr. Bubble均给出了不少与市场主流叙事相悖的判断。分析认为，与其押注于“互相厮杀”的前沿AI实验室，不如牢牢握住底层的硬件与供应链。

长期以来，市场习惯于用摩尔定律（晶体管密度每两年翻倍）来衡量芯片的进步，但 Mr. Bubble 强调，这一逻辑在经济学层面已经断裂。

“推动这些制程节点（Node）发展所需的资金已经膨胀到了惊人的地步，现在可能需要花费数百上千亿美元。而你甚至无法让晶体管数量翻倍，可能只能获得15%到20%的密度提升。” Mr. Bubble 表示，正是因为晶圆光刻微缩成本呈非线性指数级增长，“先进封装成为了新的摩尔定律”。

他指出，行业不再死磕将更多晶体管塞进同一单位面积，而是通过封装技术“扩大面积”，将多颗芯片连接起来使其像一颗芯片一样运作。这一趋势直接改变了产业链的价值分布。

Mr. Bubble表示，正是因为看清了这一趋势而早于市场看多英特尔——原因是英特尔的封装技术EMIB远超台积电当时的水平，而台积电此后也在向该方向转型。但他直言，"真正应该做多的其实是PCB板厂商"，因为当英伟达被迫将Rubin Ultra从四芯片单封装降规成两个独立封装通过PCB连接时，PCB制造商反而成了整个计算链路的新瓶颈。

Mr. Bubble拿英伟达的路线图举例，揭示了其受制于供应链的现实：“如果你看英伟达的路线图，你会发现它并不受英伟达控制，而是受制于内存和封装。”

他透露，英伟达最初计划在 Rubin Ultra 架构中封装 4 颗裸片（Die），但受制于物理和封装极限，最终被迫降级妥协（传闻改为每组封装 2 颗裸片，再通过 PCB 连接两组封装）。

“现在，PCB 制造商成了英伟达让这些相隔几厘米的芯片像一颗芯片一样运作的瓶颈所在。”

随着大模型参数量级跃升，算力的重心已从“横向扩展（Scale out）”转向了“纵向扩展（Scale up）”。数据中心的算力形态正在重构。

“你不能再在真空中设计芯片了。” Mr. Bubble 强调，“这些系统不再只是一两颗芯片，甚至不是一台服务器，它们是一个完整的机架（Rack），甚至可能是多个机架。在未来，无论AI训练还是推理，设计重点必须是整个机架。”

在纵向扩展领域，互连（Interconnect）的吞吐量和延迟决定了集群的生死。他对比了两种截然不同的架构路线：

英伟达通过NVL72系统和庞大的NVSwitch交换机网络来解决高带宽互连问题，占据了本可用于 GPU 的物理空间；

而谷歌的 TPU 团队则交出了另一种惊艳的答卷，“他们的Scale-up规模达到了惊人的 9600 颗芯片……他们将部分路由逻辑直接构建在了芯片内部，让芯片同时充当伪路由器。”

“基于你的扩展域，你可以改变你的芯片设计。”他举例说，如果拥有极低延迟、高带宽的扩展域且中间交换较少，就可以减少单芯片的内存配置，用“堆更多芯片”代替“堆更多内存”。这也解释了为何谷歌的TPU芯片单卡HBM配置少于英伟达，却依然能撑起超大规模训练。

Mr. Bubble认为，这种系统级的设计能力，将成为未来AI硬件厂商的核心壁垒。

此外，推理侧的"预填充-解码分离（prefill-decode disaggregation）"正成为主流架构范式。Kimi的参考设计已将两个阶段部署在不同节点上，"这正变得无处不在，因为这两个操作在根本上就是完全不同的事情。"

在 AI 推理端，随着大模型上下文窗口（Context Window）从128K暴增至100万甚至更高，内存容量正面临前所未有的考验。市场普遍认为需要无休止地堆砌昂贵的HBM（高带宽内存），但Mr. Bubble提出了不同的务实解法。

“归根结底，大模型的‘权重（Weights）’应该放在 HBM 里。但如果我们不是一次性使用所有的上下文，为什么要在 HBM 中存放海量的上下文数据呢？”

他指出，推理过程中，占据大量内存空间的其实是用户的历史对话和上下文，而非单纯的模型权重。为了解决这一吞吐量和成本矛盾，行业正在走向“闪存卸载（Flash Offload）”的道路。

英伟达已经推出了针对此类场景的网络附加闪存驱动器机架设计，而更廉价、更高容量的 HBF（高带宽闪存）甚至常规的闪存，结合优秀的闪存控制器设计，完全可以承载海量上下文的需求。

对于未来内存的终极形态，Mr. Bubble 给出了明确的预测：“如果有人想了解我认为内存的未来是什么，那就是3D DRAM。” 他提到，将DRAM直接键合在逻辑芯片上方，通过物理距离的无限拉近（局部性优势）来同时降低延迟、提高带宽并降低功耗，这将是下一次硬件革命的焦点。

对话最后，Mr. Bubble将矛头指向了大模型实验室近期流行的“pacing the frontier（踩边界/放缓前沿）”叙事。

他的核心质疑是：“踩边界是为了我们，不是为了他们自己。”大模型实验室没有暂停任何数据中心建设计划，没有削减任何资本支出，“那些数据中心都是多年期承诺，如果他们是真心的，就应该取消这些开支。但这不会发生。”

在AI安全论上，他坦言自己不是AI终结者叙事的信徒：“让这些GPU持续运行的成本极高，所以它去统治互联网、把一切搞垮，这听起来就是在浪费资源。”他认为更现实的风险在于法律责任，而非科幻式的失控场景。

他真正感兴趣的问题是：踩边界究竟有多少是垂直整合与高价值问题攻坚，有多少只是“监管俘获”。他举例，解决千年数学难题（如Navier-Stokes）"花了1500万美元赚了100万，好吧，但那个问题可能并没有那么高的价值"，而Terence Tao的数学研究奠定了LTE通信基础，那才是真正价值数十亿美元的成果。

在投资逻辑上，他的立场一以贯之：“我是一个坚定的信徒，我只相信拥有硬件层、拥有铁路，或者拥有那些构成这一切的核心部件。”

Mr. Bubble 给出了一针见血的投资判断：“你是想投资Anthropic 和OpenAI这种注定会竞争到死、且其超额收益（Alpha）会随着人员跳槽而消散的公司？还是想拥有那些有 10 年、20 年业绩记录，并在开发不可或缺的硬件方面拥有深厚护城河的公司？”

关于让华尔街最头疼的“资本支出回本”问题，Mr. Bubble用最直接的经济账给出了回应：“我认为我们将迎来一次快速的起飞。我的意思是，只要借助AI研发出5到10种新药，就能收回所有的资本支出。”

全文如下（由AI辅助翻译）：

第一章：简介 & 为什么硬件才是AI真正的核心话题

Mr. Bubble：

我们会给这些服务器增加更多内存。说到底，问题在于用哪种内存？是HBM？是DRAM？还是闪存？我猜更多会是闪存。现在大家都在讨论如何减少对HBM的需求量。因为说实话，到头来，权重（weights）放在HBM里可能还说得过去。但如果我们不是同时用到所有上下文，为什么要在那里放大量的上下文呢？

Mr. Bubble：

我非常相信一件事，就是要拥有硬件层，或者说拥有"铁路"，拥有构成它的那些东西，对吧？所以你是想投资Anthropic和OpenAI这种会互相竞争到死、最终随着人员流动alpha也会扩散出去的公司呢？还是想拥有那些有着10年、20年研发历史和护城河、专门开发核心硬件的公司？是的，他们是在为我们推进前沿，而不是为他们自己。但我，我倾向于非常看多。我是说，现在有利率和伊朗的这些情况，但我不知道，我有种感觉，我们用AI找到几种药物，把对的研究人员聚在一起，或者我们想出办法让5G不需要在一平方英里内建一千座基站。我是说，Starlink，随便什么，只要更高效的东西。我是说，我们会迎来快速起飞。我觉得光靠五到十种药物，就能把所有的资本开支（capex）都合理化掉。

Logan Jastremski：

Mr. Bubble，非常感谢你来参加这个播客。这是我第一次尝试做一个更聚焦于AI的播客，而不是我传统的加密货币播客。所以我非常感谢你的到来，更重要的是，我非常欣赏你在Twitter和X上的各种观点。

Logan Jastremski：

就像我们在按下录音键之前说的，最重要的是，我认为你有一种非凡的天赋，能把技术概念解释得非常简单，而这是很难做到的。所以我非常期待这次对话，真正把你今天所看到的，乃至未来我们认为事情走向的一切都拆解清楚。谢谢你。

Mr. Bubble：

谢谢你邀请我。我要说，我所谓的"简化事物的天赋"，很多人其实不喜欢，但我首先是一个芯片设计师。所以我必须简化和抽象，否则我会被各种细节搞得崩溃。另外，如果你是一个交易员，或者像我喜欢说的——赌徒，你真的只需要有一个高层次的概览。我觉得有时候人们会陷入细节的泥潭，对吧？我同意。说到底，你得知道什么是重要的，无论是从芯片角度还是从经济角度。因为我见过有人为某种SerDes的误码率（bit error rate）或某种材料在功耗上好了几瓦而吵架，我只想说，伙计们，算了吧，这个东西到底要做什么，那才是它对世界的经济价值。这里那里差一点点根本无所谓。

Logan Jastremski：

我完全同意。我觉得我们在加密货币领域也有很多这种书呆子式的争论。总体来说，就像Elon喜欢说的——简化，然后删除。架构和设计越简单，通常获得的采用率就越高。我相信在AI领域也有很多类似的情况。

Mr. Bubble：

我一直以来，不是要在播客一开始就跑题，我以前很喜欢哲学，其实我只读古代的东西，大概到斯多葛派为止，但他们有一整套关于事物本质的观点，就像柏拉图的理念论。本质是什么？核心是什么？从那个核心出发，你可以推导出其他一切。这就是我在处理这些话题时的方式——主要的东西是什么？ 然后从那里出发，我们再谈细节，看它们是否重要。

Logan Jastremski：

我觉得这是一个很好的出发点。所以我想为所有观众和听众从零到一地讲起，因为我觉得你在解释这些概念方面确实做得非常出色。也许就从摩尔定律这样基础的东西开始，讲讲为什么摩尔定律最终走到了尽头，从那里开始，然后我们再跳到一些更有趣的内容。

Mr. Bubble：

好的，在谈摩尔定律之前，你得先大致了解它在说什么。它说的大体上是晶体管密度。它基本上说，在大约一年半到两年的时间里，具体数字不太重要，你大概能获得双倍的晶体管密度。也就是说，在单位面积内，你能放下更多晶体管。那为什么这很重要？因为晶体管是构建数字逻辑的方式。当我们制造芯片时，我们写程序，程序被转换成数字逻辑，数字逻辑再被转换成一堆晶体管阵列。我们能塞进去的越多，晶体管做得越小，计算机能完成的工作就越多，对吧？就把它想象成你写了一个程序，但它放不进内存里，这当然是非常粗糙的简化，但大概就是这个意思。就是我们有这个操作，这个流程，这个工具，但我们实际上放不下它。所以从一个角度来说，它非常重要——它基本上每两年左右就让性能翻倍，随着晶体管数量越来越多，你能完成的工作也越来越多。但从经济角度来说，它也非常重要，因为你可以为你的资本开支做合理化。你可以预测，"嘿，如果我花一亿美元，我实际上会获得投资回报，因为这些芯片会好这么多。芯片好这么多，我就可以收溢价，可以获取市场份额。"所以从这个角度来说，它相当重要。我觉得从工程角度来说，当然，它很酷，很重要。但真正来说，我认为从商业角度，它极其重要。

不过我认为人们没有意识到的是，有一件事像是摩尔定律的一个分支，我甚至不知道它有没有名字，但我们可以叫它"泡泡定律"，或者我只是喜欢借用别人的东西……就是：提升晶体管密度需要花多少钱？ 在早期的每一个工艺节点，花费并不多，对吧？你不需要花几十亿美元来让晶体管密度翻倍。而现在，你可能需要花几百亿甚至上千亿美元，才能让晶体管数量不翻倍，对吧？也许每个节点之间，你只能获得15%到20%甚至更少的晶体管密度提升。所以我之所以从经济角度来阐述，是因为这个模式正在崩溃。推进这些节点所需的资金已经膨胀到这样一个程度——真正只有一两家公司能负担得起这样的投入。如果你不投资，你就会落后，对吧？然后就是一个永恒的恶性循环——"哦，你的节点更差，我不想用。"当你没有客户，你实际上就没有资金或时间去迭代来改进你的节点。所以我认为这是摩尔定律的关键所在。我认为人们忽视的一件事就是钱，就是让这些晶体管翻倍的成本。从大约60年代到90年代，这个成本相对来说几乎是免费的。到2000年代初，我们才开始需要在这方面动点脑筋。

第二章：芯片从0到1

Logan Jastremski：

在某个时间点，我相信是在90年代中期，或者也许是2000年代后期，在哪个时间点我们开始从单核性能转向多核，以及这种转变，我认为，改变了事物的动态格局。

Mr. Bubble：

我认为是在2000年代中期。我不一定记得很清楚。也许是奔腾处理器，是第一款双核处理器。我记不住名字了，但大概是在2000年代中期。这背后的部分原因就是：一个核心归根结底是做什么的？它处理指令。你能多快地处理指令？这取决于核心能跑多快，而这只是你时钟频率的函数，对吧？现在时钟频率已经触顶了。这与摩尔定律无关，更多的是与瑟布尔定律有关，以及晶体管能切换多快的问题。

但时钟频率触顶了，世界意识到，如果有些指令可以并行执行呢？并不是每条指令都依赖于另一条，图形处理是最明显的例子，我们称之为"令人尴尬的可并行化"工作负载，对吧？矩阵运算是令人尴尬地可并行化的。 这就是多核系统开始兴起的原因，因为对于某些类型的工作负载来说，这是一种可以提升性能的方式，但对于其他工作负载则不然。所以直到今天，如果你有一个单线程工作负载，或者就是某种逐条指令执行的瓶颈任务，说实话，如果你是一个非常优秀的程序员，你可能可以用一台老电脑就把它搞定，只要它还有相当高的时钟频率。你可以想想英特尔酷睿i9-14900KS，我认为这是有史以来面向公众发布的时钟频率最高的处理器，它的频率大约达到了6GHz的峰值。我们今天实际上还没有任何单核处理器能跑得比这更快。 这对大多数人来说不那么重要。但如果你有一个非常重要的单线程工作负载，比如网络数据包处理，你是一个字节接一个字节地接收数据，那时钟频率就非常关键了。

Logan Jastremski：

最终，正如你提到的，这让位于GPU。英伟达在这方面主导了一段时间。正如你指出的，矩阵乘法与AI的映射相当吻合。你能谈谈AI这边是如何开始扩大规模的吗？我想，是关于更大规模的预训练运行的问题。

Mr. Bubble：

也许我们就从英伟达为什么存在、他们为什么擅长这件事说起。我是说，图形处理说到底，这听起来像个玩笑，但它就是形状旋转，是三角形和正方形，你做一个矩阵乘法来移动和旋转它们。这与我们在AI中使用的数学大致相同，对吧？ 但AI的好处是你不需要那么高的精度，而图形处理则需要。如果你考虑物理模拟或速度计算，使用64位浮点数，或者用更多位来表示小数部分，对那些工作负载来说是相当重要的。英伟达，当时并不是唯一的图形芯片公司，但很明显图形处理将需要一个专用处理器，对吧？因为你看，我们已经在CPU领域做到了双核，但那远远不够运行一个60帧的完整游戏，对吧？所以你必须把图形处理卸载到一个新的加速器上。所以英伟达做得非常好，我认为。

有趣的问题是，英伟达为什么能长期主导这个领域？ 因为当时这个领域有很多其他公司。我对这个问题的回答是：英伟达从一开始就将其GPU设计得具有很强的灵活性和可编程性。有一个著名的故事，黄仁勋说英伟达差点破产，因为图形API发生了变化，也就是渲染图形的协议改变了，而英伟达不支持它。所以他们不得不立刻流片一块全新的芯片来支持那个协议，否则他们就会被淘汰，因为微软在背后支持那个协议，而微软是那个巨无霸。但英伟达，甚至从最早的时候起，他们就在做一些事情，比如并行化IO，比如GPU的虚拟化IO。他们从一开始就非常强调可编程性，因为那时是蛮荒时代，而这最终得到了回报。 很多选择走固化路线的公司都消亡了。但英伟达，直到今天，这仍然是一条相当深的护城河。他们有很强的可编程性，新模型出来了，英伟达似乎在一两天之内就能跑起来，对吧？所以我认为这就是英伟达优势的核心论点。

那么，你说的"固化"，是指定制加速器吗？对，是定制加速器。但我的意思是，英伟达在往GPU里加的东西，甚至超出了规范的要求。就像如果规范改变了，如果我们想做这件事，我们能不能让加速器来分担这个工作？这就是为什么他们很快就进入了科学计算领域，因为他们让那个协议变得非常有用，对吧？没有其他图形芯片公司进入了科学计算领域，这是有原因的。 而那正是他们在进入AI之前的起点，对吧？所以，为英伟达点个赞，他们从一开始就努力让这些大型、复杂、可并行化的处理器变得更具可编程性。我认为那是正确的选择。事后来看，那确实是正确的选择，对吧？对于现在的AI来说，这是否仍然是正确的选择？我们不知道，事情会变化。但就目前而言，显然这为他们带来了巨大的成功。

Logan Jastremski：

那么也许再深入探讨一下，你已经开始——我想先退一步说——你因为对英特尔的判断而出名，真正谈到了封装，认为封装是新摩尔定律。你能解释一下为什么你认为封装是新摩尔定律，以及为什么封装比光刻机更有意思？

Mr. Bubble：

是的，就像我一开始说的，你知道，如果我们能一遍又一遍地缩小晶体管，每两年翻一番，那封装可能没那么重要。但我们现在需要用一切手段来获得更多晶体管，对吧？因为光刻缩放近年来已经基本到顶了，或者说没有以同样的速度在缩放。也许我们只能获得10%、12%的提升——而我们花了什么，200亿、400亿美元才达到这个水平。也许更聪明的做法就是把更多的芯片加在一起并连接起来，让它们表现得像一颗芯片。所以这是在增加面积，对吧？与其试图把晶体管缩小到一个单位面积里，我们是在扩大面积，对吧？这对我来说非常清楚，因为如果你对光刻有任何了解，你就知道在先进制程节点上流片的成本极其高昂，比7纳米节点要贵出好几个数量级，5纳米节点的流片成本大概是它的两倍，然后2纳米节点又是那个的两倍，对吧？所以成本就这样急剧膨胀。获得性能提升的更好方式其实就是增加面积，这是一种新的缩放范式，对吧？现在大家都在谈论缩放范式，但这是一种新的范式，对吧？所以，封装就是人们现在试图扩展晶体管数量的方式，在一颗完整的芯片内给你提供更多晶体管。

英特尔，当我——你知道，我当时真的非常关注英特尔，现在也是——主要是因为我理解他们试图推进的光刻节点。我的意思是，他们试图通过更早采用高NA EUV等技术以及推动封装技术来超越台积电。这需要大量的投资，对吧？正如我所说，每一个节点的投资都呈非线性指数增长，对吧？所以这就变成了一种垄断、双寡头的局面。所以他们唯一能追上台积电的方式就是烧钱。但我对这个策略确实有很高的信心，如果你真的有把握能出货的话，这其实是个不错的策略。另一件我可能比别人更早发现的事情就是，他们的封装技术——叫做EMIB——比台积电当时提供的技术领先太多了。而现在台积电正在采用EMIB已经有的东西，对吧？他们正试图将自己的封装技术向那个方向转变。这在当时非常重要，因为如果你看英伟达的路线图，它依赖于什么？它实际上并不依赖于任何英伟达自己掌控的东西。它依赖于内存，它依赖于封装。

第三章：封装作为新摩尔定律

Mr. Bubble：

这两件事英伟达实际上都不自己做，对吧？我的意思是，他们与合作伙伴合作，试图去影响它。但归根结底，这些都是给他们提供这些东西的供应商和合作伙伴，对吧？他们既不自己制造，也不自己设计，对吧？所以如果你看英伟达的路线图，它是从H100的一颗大芯片，到B200的两颗芯片，然后Rubin默认是两颗芯片，Rubin Ultra本来应该是四颗芯片。瞧，发生了什么。Rubin Ultra无法把四颗芯片放在一个封装里。他们不得不多次降低规格。现在的传言是，一个封装里放两颗芯片，然后两个封装，对吧？所以它们通过某种PCB连接方式连接在一起。所以对于任何了解封装发展方向的人来说，这是显而易见的。我通过做多英特尔来布局这个，效果很好。你知道，我很高兴英特尔现在表现得更好了，但真正的机会其实可能是做多PCB制造商，因为现在他们已经成为英伟达的瓶颈——英伟达需要让这两颗相隔也许几英寸或几厘米的芯片表现得像一颗芯片。这并不一定容易，也不是迄今为止一直以来的做法。

Logan Jastremski：

总体来说，我认为主要的瓶颈就是提高芯片之间的数据吞吐量，确保它们能够相互通信，几乎像一颗芯片一样运作。

Mr. Bubble：

是的，吞吐量，还有信号完整性。因为随着传输距离变长，信号会失去它的能量或完整性。我的意思是，我们有输电线路，对吧？我们以前在电话线上有中继器来放大信号并重复传输。归根结底是同样的物理原理，只不过现在你是在PCB上传输几厘米。所以信号现在需要被转换成某种其他格式、某种其他物理介质，然后需要来回传输，这在高速情况下并不容易做到，而且还要保证良好的信号质量。所以，Rubin Ultra还没有出货。我的意思是，我认为Rubin现在正在爬坡。我们看看Rubin Ultra明年能不能出货，但他们遇到了相当多的麻烦。还有一件事，你看，我们现在关注Rubin Ultra是因为它在新闻里，但Feynman本来应该默认就是四颗芯片，对吧？所以这成了一个巨大的问题。Feynman本来应该有更多的HBM，对吧？所有这些我们直觉上就知道今天不可能实现的东西。每次我看英伟达的路线图，我就觉得这今天不可能，这今天不可能，对吧？所以我很好奇他们打算如何解决这个问题。人们只想举手投降说，哎，这是英伟达，老兄，黄仁勋什么都能做到。而我说，好吧，你知道，我相信他是个出色的运营者，他能做很多事情，但他受制于SK海力士、三星和台积电能做什么，以及也许未来英特尔能做什么，对吧？

Logan Jastremski：

是的，我认为这在晶体管方面——无论是时钟速度的扩展还是多核扩展——都是非常清晰的从0到1的过程。甚至包括芯片die的扩展。不过我很好奇，现在随着这些发展，我们显然已经扩展到了更大规模的集群，从几百个，到现在几千个，再到几十万个互联的GPU。而关键在于规模扩展。这些用于大规模预训练的数据中心。所以有意思的是，你不仅需要在芯片上有相当高的吞吐量，还需要在机架内部以及机架之间都有高吞吐量。那么，随着我们在训练方面扩展到更大的集群，你能谈谈这些事情是如何扩展的吗？

Mr. Bubble：

是的，那么。 我觉得首先要说明的是，为什么要扩展规模，对吧？一方面，单纯地把封装推到极限，比如NVL72本来就要有72个封装，把这些全放进一个封装里，实际上是不可行的。 但同时，这些AI算法是非常可并行化的，对吧？所以它的好处在于，你可以让一块芯片处理问题的一部分，另一块芯片处理问题的另一部分，这样你就能获得更高的吞吐量，对吧？这就是它的优势所在。如果我们处理的是像……我不知道，比如更偏向单线程的工作负载，那根本就不需要扩展规模，对吧？那样做毫无意义，但AI不同。而且你知道，这种矩阵运算越来越具有可并行性。所以规模扩展领域正在成为真正的瓶颈。我认为延迟和吞吐量都极其重要。但延迟方面更为关键，这是因为人们并行化的方式——无论是流水线并行还是张量并行——你在芯片之间实际传输的数据量并不是特别大。英伟达今天的系统是为巨大的带宽和NVLink设计的，对吧？我认为大约是每秒900千兆比特，对吧？这对训练工作负载更为相关，因为在训练时，你需要在GPU之间来回传输大量的激活值和大量的部分乘积结果。所以根据你构建的集群类型，无论是推理集群还是训练集群，互联网络需要针对你要做的事情来设计。如果你试图把一个训练风格的互联网络用于推理，我的意思是，它能用，但你必须想办法绕过那个巨大的延迟瓶颈。是的，对于这一点。但是，我要说的是，很多其他公司在规模扩展领域的做法非常不同。我最近参加了Hot Chips大会，GPU团队——我认为他们真的做得很好，可能是目前世界上最优秀的硬件团队之一——他们的规模扩展域达到了9600块芯片。这是一个惊人的芯片数量。 对吧。由此带来的一个结果是，他们芯片上的HBM比英伟达的要少。而且他们目前也没有做这种——至少据我所知——他们目前没有做这种多芯片、多大尺寸die封装在一起的方案，对吧？所以。这非常。

Logan Jastremski：

只是因为他们在规模扩展上做得好得多

Mr. Bubble：

是的，他们擅长扩展互联网络。所以如果你非常擅长做这件事，并在芯片之间进行流量调度，因为在9600块芯片的规模下，你可以路由到的地址数量是巨大的。这是数量惊人的芯片。所以你如何在芯片之间切换互联，实际上将决定延迟，对吧？NVL72系统有一个大的——不止一个，我认为里面有4个NVL交换机，对吧？这些交换机占用了本可以放GPU的机架空间。但TPU团队没有这样做。他们实际上把一部分路由逻辑直接内置在芯片里了。所以这些芯片本身也充当了伪路由器的角色。就是这样的技巧。 不过我要说，规模扩展领域对芯片设计也变得越来越重要，因为正如你所说，这些系统不再只是芯片了。它们不只是一两块芯片，不是四块芯片，不是一台服务器，而是一整个机架，甚至可能是多个机架。我认为这在计算机体系结构领域是比较新的概念，过去我们被教导要关注缓存命中率和内存访问时间。但当你在多块芯片之间进行统筹调度时，你必须分析整个系统，对吧？而且根据你的规模扩展域，你可以改变你的芯片设计。对吧。所以如果你拥有一个低延迟、高带宽的规模扩展域，并且中间没有太多的交换，你或许可以减少芯片上的内存，因为你可以用更多的芯片来解决问题，而不是用更多的内存来解决问题。芯片设计是一种平衡的艺术。 我认为很多工程都是如此。但芯片设计真的是一种平衡的艺术。一切都像是，我在哪里可以做出取舍，以便在其他地方获得收益？一切都关乎平衡。

Logan Jastremski：

这真的非常有趣，因为理论上，正如你所提到的，如果在单台服务器内，你有比如说50太字节的吞吐量，并且你有一个50太字节的线路或互联，你就可以做一些非常有趣的事情，比如构建定制的机架，里面可能全是内存，或者全是GPU，但你受到了瓶颈限制，因为你没有那个50太字节的互联，而这才是真正的核心问题，再加上你提到的延迟问题。

Mr. Bubble：

是的，你还触及到了另一件事，那就是解耦（disaggregation），对吧？这些模型，或者说用于推理和训练的这些技术，正在意识到，实际上，流水线的某些部分或某些操作，应该在不同的硅片上或不同的内核上运行，对吧？使用不同的利用率或不同的程序来运行。这样实际上效率更高。Kimi的参考设计就为推理的预填充（prefill）步骤和解码（decode）步骤设置了独立的节点。而这正在变得无处不在，这已经成为提供推理服务的标准方式，因为它效果好太多了，因为归根结底，这两者是完全不同的操作。所以规模扩展域如今变得更加重要。我认为，是的，我认为AI训练的未来，甚至推理的未来，就是设计整个系统，整个机架。你不能再只是设计一块芯片了。你不能在真空中设计一块芯片。对于本地机器或小规模应用来说这没问题。但对于我们现在运行的这些规模，我们必须在系统层面进行优化。我认为未来会有更多的解耦。我们说的是预填充和解码，但我认为还可以有更多。

第四章：机架、托盘与计算单元

Logan Jastremski：

我确实很想聊聊预填充和解码，但也许我们先聚焦在训练和预训练这一块。 随着封装规模不断扩大，数据中心的机架也在不断扩展，从1吉瓦到多吉瓦，你觉得在训练这边，还有没有什么你认为值得关注的瓶颈？还是说主要还是集中在封装和互联这块？

Mr. Bubble：

是的，我觉得在训练这块，我要说英伟达的芯片在训练方面真的很强，对吧？如果你要跑大量高算力的工作负载，它们非常适合，因为它们能提供大量的浮点运算能力，而且有很大的带宽。 当然，这些问题并非没有其他解决办法，但在训练这一侧，我觉得能做的硬件优化越来越少了。比如说把一些东西卸载到闪存，或者把某些计算保存起来留到后面用，这样就不用重新计算了。但这些都属于非常偏算法层面的事情，对吧？所以我觉得在训练这边，想要继续堆浮点算力越来越难了。如果你真的想要一个疯狂堆算力的芯片，你就需要大量的乘加运算单元，说到底就是需要一块巨大的芯片，巨大的面积，有点像Cerebrum那种风格，可以做大量的计算。

Logan Jastremski：

这不就是马斯克当时想用他们内部项目Dojo做的事吗？

Mr. Bubble：

我不太了解，不过——

Logan Jastremski：

他们已经把它关掉了，所以我觉得应该没成功。

Mr. Bubble：

这我一点都不意外。 我是说，在训练这块，关键在于你有海量的数据，而在推理这边，你有的是用户的查询、用户的上下文，再加上模型权重，基本上就这些。但在训练中，你有各种各样层次的数据，比如激活值、各种状态、权重本身，你还要在训练过程中不断做检查点保存，因为如果任务中断了，你想从上次停的地方继续跑，对吧？还有你用来训练的数据本身，这都是海量的数据问题。所以我觉得把一些东西卸载到更便宜的存储介质上，知道什么时候去访问它们，同时为计算节省时间，这在训练中也许是可以做的，但能做的空间我觉得要少得多。训练这边，我们只能寄希望于做算法和机器学习的人能在训练层面想出什么办法，这可能已经超出我在硬件层面能管的范围了。

Logan Jastremski：

说得有道理。那我们可以转到推理这块了。 我做过一个挺有意思的实验，就是——AI领域一直有个广泛的说法，认为所有东西最终都会在本地运行，你会在你的MacBook Pro或者iPhone上跑模型。我就去看了一下Open Router，拉了前10名的模型，看了看需要多少算力。就是说，对于一块H100或者同等级别的高带宽内存，你需要多少张网络芯片才能跑起这个模型？即使是前10名里最差的那个，我觉得大概也要2到4张。而每张H100现在好像还要两三万美元。

Mr. Bubble：

对，差不多，大概两万四到两万八。

Logan Jastremski：

然后我再看了看那些更流行的模型，比如GILM 5.2，那是个万亿参数量级的模型。我就想，好，光是把权重装进去，你就需要40到50张H100，更重要的是还需要相应的内存容量。所以我想问你一个大问题：现在这些模型越来越大，而且看起来还会继续变大，这最终会对内存产生什么影响？是会继续留在SRAM或者高带宽内存上，还是会转移到闪存？因为看起来不只是吞吐量，内存容量的需求也在不断扩大。

Mr. Bubble：

是的，我的意思是，这个问题涉及很多内容。如果我们来看，你的数字大致是对的，我认为即使是 llama 70b，在实际运行中你也需要大概4块GPU才能真正跑起来。对吧。我认为你关于内存的问题非常有趣，因为，你在内存里存的是什么，这真的很重要，对吧？如果你存的是权重的话，我的意思是。是的，权重在扩展，但有一种观点认为，这方面在某种程度上已经趋于平稳，或者说人们并没有像以前那样在权重扩展上使劲推进。我认为，现在已经是公开的知识，或者说是普遍的传言，新的 GPT 六使用了一种技术，让同样的权重反复循环使用。你可以叫它 transformers，对吧？ 所以，我的意思是，这很有意思，因为，是的，如果单纯靠堆更多更多的权重就能奏效，那我们至少在权重这块就需要越来越多的内存，对吧？

我认为很多研究已经表明，这些权重里，很多其实是空的，你知道，它们非常稀疏。并不是每一个权重的每一个比特里都包含大量信息，这也是为什么量化和剪枝这类技术效果非常好。还有像，你知道的，投机解码也非常有效，因为并不是每个权重对你的问题贡献都是一样的。

但当我们看其他方面，比如什么东西占用了大量空间？在推理服务的时候，其实是上下文（context）。是你的对话，或者你之前的对话。 就因为这些模型生成下一个 token 的方式，是自回归地遍历你整个上下文，对吧？字面意思就是一次只生成一个 token。我的意思是，人们大量使用投机解码，一次生成更多，但我们做的大体上就是这个，对吧？而当你去看它，我的意思是，上下文随着权重数量、注意力头数量，以及用户数量一起扩展，对吧？所以上下文实际上，有一个观点可以提出，就是上下文在推理中实际上比权重更重要。 根据模型的不同，它可能占据更多，甚至是大部分的空间，对吧？所以

Logan Jastremski：

上下文这个话题超级有意思，因为我的意思是，是的，我总喜欢想，好吧，如果在未来我们能挥一挥魔法棒，我们想要什么？这有点像电影《她》（Her）里面的感觉。或者就是，它了解关于你的一切。和你的电脑对话，希望是以好的方式，但就像上下文窗口从128到256到512，现在大概在一百万左右了。我很好奇，你认为它们会，如果你可以拥有越来越大的上下文窗口，而你也许不再受限于，我的意思是，每样东西，我猜一切都受硬件限制，但你认为上下文窗口会走向何方？你认为它们会从一百万增长到一千万，然后从一千万增长到一亿吗？

Mr. Bubble：

所以我认为单纯靠扩展非常困难，就因为硬件的限制。即使是我们现在所说的一两百万，也不是真正意义上的一两百万。 因为你需要在一两百万的长度上训练，而实际上要找到一两百万长度的数据是相当困难的，对吧？

但不管怎样，我确实认为更多的上下文是会到来的。你知道，这些模型会拥有更多关于你的信息。问题是，它们如何获得这些信息？也许不是像，也许是，你知道，一段来自多年前的缓存对话，被存储起来，然后它们去搜索它、提取它，并把它保存在它们的一两百万上下文里。也许是在你的上下文上进行后训练，对吧？我认为如果某件事情足够重要，就像即使是作为人类，如果某件事对一个人来说足够重要，你可能就会把它烧进你的神经元里，对吧？ 你不需要去搜索你的文件然后想起那个，你知道，也许如果是你说的某件小事，但你知道你住在迈阿密或佛罗里达，这可能就应该直接烧进权重里，对吧？所以我认为我们通过后训练，把重要的东西烧进权重里，从而获得更有效的上下文，对吧。但同时我们也可能会存储大量关于人的数据。我的意思是，想想 meta 和 Google 这些公司，他们存储了大量关于我们的信息，对吧？这些模型最终也会这样做。而上下文的一大好处是，我们可能没有深入解释过，但你通过计算来生成上下文，这叫做预填充（prefill）。但在解码（decode）的时候，你只需要去取它，对吧？你只需要获取它然后在那里得到下一个 token，所以一大好处是，如果你已经有了上下文，你可以避免做预填充，直接开始解码。

第五章：内存层级结构：HBM、DRAM 以及下一层级

Mr. Bubble：

所以 GPU 或硬件的利用率要低得多。它消耗的功耗也少得多。你可以在很多模型上看到这一点。它们对上下文命中的收费方式是不同的。所以我认为 Kimi 收费大概是 5 美元或 3 美元，如果你没有设置上下文的话。但如果你设置了上下文，它们收费就少得多。所以这是其中一部分原因。我认为上下文这件事，可能甚至不会存在于实际的硬件层面。它将体现在整个系统设计中，对吧？所以 Nvidia 对此有他们的答案，也就是说，你知道，网络附加闪存驱动器，对吧？他们有一种纯闪存机架，那将是他们的方式，你知道，用来获取 Logan 的上下文或获取 bubble 的上下文，对吧？Logan 提到了一些关于汽车的事情。好吧，我们去搜索那次关于汽车的对话，对吧？然后快速获取它。诸如此类的事情。

我的意思是，对于智能体相关的工作，它现在变得非常重要，因为智能体说到底就是上下文。它们只是一个框架，本质上就是一堆提示词注入。是的，当我发现这一点的时候我也感到很惊讶。但是，我的意思是，如果每次你都必须重新执行那个提示词，那只会消耗 GPU，而且你的首个 token 的生成时间会永远那么长，对吧？所以智能体的最大好处是，你知道，像 LLM cash 或 LLM cake 这样的东西，它们是围绕着缓存你的智能体框架并一直重复使用它来构建的，对吧？就是这么简单的一件事。

Logan Jastremski：

我在智能体这一侧得出了同样的结论，就是你只是想要越来越多的上下文。因为我当时在思考如何实现最长的长程智能体。而且行业似乎——我很好奇你的看法——对于仅仅通过像 Grok 这样的方式最大化解码侧的吞吐量非常感兴趣。由于 SRAM 具有非常高的吞吐量但容量相对有限，将所有内容存储在 SRAM 中并最大化吞吐量是比较困难的。 但当你降到像高带宽内存这样的层级时，我认为现在大约是 8 TB，你跳到了 100 到 300 GB 的容量，但如果你想运行得更快，这通常还是不够的。所以我认为你一直是高带宽闪存的支持者。我很好奇你在这方面的最新想法，但大概就是能够保持相对较高的吞吐量，同时拥有更多的上下文。所以，是的，正如你提到的 Nvidia 和 CMX，我认为对我来说有趣的事情，也许也是我想问你的问题是，你认为这个行业是否对吞吐量过度优化了？ 如果智能体正在兴起，而且它们对于存储关于你生活的上下文以及你想让它们做什么更加重要的话。

Mr. Bubble：

所以这个行业确实一直专注于吞吐量，这是因为更高的 token 吞吐量可以让他们赚更多的钱。你说得很到点子上。如果我必须不断地获取上下文，而上下文在这些 GPU 的内存占用中占了很大一部分。那么，是的，我的意思是，你可能可以通过更智能地处理上下文来获得更好的吞吐量。我认为 HBF 对我来说非常有趣。说实话，我一直开玩笑说，你知道，如果你想改变世界，要么找到治愈癌症的方法，要么发明一种新型内存。 没有多少人在尝试做新型内存。很多人在癌症方面努力着，我希望，你知道，我们能先攻克那个。但发明一种新型内存总是值得称赞的，对吧？所以内心深处的我一直渴望一种新型内存。当你看它的时候，是的，闪存具有更好的位密度，对吧？所以我们可以在那里存储更多的东西。如果我们能从中获得哪怕是有竞争力的带宽，那就太棒了。你知道，我们应该在这些加速器上以更低的每比特成本拥有更高的密度，也就是更低的总容量或 GB 成本，对吧？

我认为我在高带宽闪存方面看到的问题，很多人都说过，哦，这是一个可靠性问题。我认为可靠性问题实际上是可以解决的。你必须是一个非常出色的闪存控制器设计师才能做到这一点。而且你必须针对手头的问题来设计你的闪存控制器。我们今天设计闪存控制器的方式是，我们把它们设计成用来存储数据库、存储文件或存储你的电脑游戏，对吧？上下文是非常不同的。 你知道，上下文是以某种特定方式被获取的。上下文并不总是需要永久保存的，对吧？所以我是否总是需要以完美的比特分辨率存储你两年前关于假期的对话？也许不需要，对吧？所以也许我们可以接受丢失其中的一小部分。而且关于闪存的问题一直是，你知道，写入，向闪存写入一直是损害其可靠性的因素。所以它是持久存储，但在一定程度上，取决于你向它写入多少次。

我认为 HBF 的问题一直是，它的市场在哪里？如果你有 HBM，为什么要用 HBF？我们真的能从加速器上更多 GB 的存储中获得更多好处吗？我不这么认为。因为如果是这样的话，为什么 Google 要用内存更少的 9600 规模的扩展域呢？我认为对于这些解码来说，关键一直就是带宽，对吧？所以密度实际上并不能给你带来太多好处。它只是让你能够存储更多的上下文。但说实话，如果你在移动数据方面非常聪明，你可能只需要把那些上下文存储在普通闪存中，在需要的时候去获取就可以了。

所以我认为 HBF 一直是这样一个东西，它非常有趣。有理由认为它是有用的。它对卸载上下文有用吗？我认为你完全可以使用普通闪存来做到这一点。我认为你不会获得太多的性能提升，HBF 的延迟和专门为 AI 设计的高端普通闪存的延迟都是 5 微秒，对吧？所以我们得不到太多好处。它的带宽低于 HBM，每比特成本也更低，但总体上可以说和 HBM 差不多，你知道，对吧？所以 HBF 的客户是谁？在我看来，是那些无法获得 HBM 的人，对吧？这就是我最终看到的情况。

也许有理由认为你可以将它用于本地推理，但在数据中心产品中，现在很难说。我就透露一个内部消息，因为，你知道，你邀请我上了这个播客。我听说，你知道，目前来自大约两三个人的消息，HBF 的主要客户是中国人，他们对此非常感兴趣。 考虑到我刚才说的一切，这非常有道理，因为如果你没有办法获得这种高端 HBM，而且你也无法制造它，你实际上就没有办法制造那么多加速器，对吧？所以你可能愿意接受一个次等产品，如果它，你知道，如果它能达到 H100 或 B200 的水平的话。对。它不会处于领先边缘。而如果你能以稍微便宜一点的价格获得它，那就有一个使用场景。

我认为 HBF 现在还处于非常早期的阶段。我们必须弄清楚如何对其进行标准化，但同时使用场景目前也非常不确定。在我看来，我确实相信，整个机架需要从内存控制器到闪存内存控制器，针对项目进行协同设计。所有东西都需要为 AI 应用而设计，对吧？

Logan Jastremski：

所以你更看好 Nvidia 的方案，就是用 CMX 把越来越多的东西卸载到闪存上，拥有几个TB、几个TB那样的闪存空间？

Mr. Bubble：

我不，我不会说我特别看好那个方案。那也许比 HBM 要好一些。对，我同意。Nvidia 也是这么认为的，行业里很多人也这么认为。我只是觉得我们可以做得比那更好，对吧？我认为我们需要做的是跨所有层面非常智能化的调度编排。这甚至包括从算法层面入手，比如用于压缩和存储上下文的算法，对吧。

Logan Jastremski：

那么你觉得随着时间推移，我们能不能从现在姑且叫它——我知道不是一百万，但就叫它今天的一百万——发展到五百万、一千万、一亿？这主要会是由算法上的进步驱动，还是更多由硬件层面的提升驱动？

Mr. Bubble：

有一种观点认为，推理（inference）会开始越来越像训练（training）。我们正在用测试时计算（test time compute）来实时地在你的上下文上进行训练。那么在这种情况下，我们还需要那么多闪存吗？可以说，不需要了。我们不需要存储每一张图片和每一条信息，但这真的还很难说，取决于什么样的架构才是最合适的，我是说。我们现在，你知道，大家最近都想紧跟前沿，但我们本身就在前沿，所以我们也不一定知道最好的技术是什么。我的看法是，你会把东西卸载到闪存上，但不会是所有东西。不会是你写的每一份文档。对于大型企业来说，有这样一种逻辑：嘿，如果我有这个大型数据库，我为什么不直接把它喂给我的 LLM，然后，瞧，我就有了上下文。我直接和我的数据库对话，对吧？这种情况是有可能存在的，对吧。

Logan Jastremski：

那你觉得这个行业，从宏观角度来说，是否会继续优先追求吞吐量（throughput）——因为这是他们在推理侧获取收入的主要方式——而不是去做一些更专门化的方案，让你拥有更大的上下文窗口，但吞吐量可能稍微低一些？

Mr. Bubble：

这是个好问题。我觉得这个行业目前肯定是在专注于吞吐量，但这些公司怎么赚钱呢？他们靠服务更多的用户来赚钱。如果你能用更少的硬件服务更多的用户，那赚的钱会远远多于只是提供长上下文窗口。 对，我是说，想象一下，你就有一个 NVL72 机架，然后通过一些闪存卸载或者一些非常智能的算法改进，你能服务的用户数量翻倍甚至翻三倍，对吧？这对 AI 实验室来说更有价值。但那种超快的模型，或者专门解码速度很快的模型，我觉得也会存在相当长一段时间。我也很惊讶，很多人喜欢那种东西，就连 AI 研究人员也非常喜欢那种东西。但我认为，未来对于 AI 实验室来说，归根结底的价值在于，如果他们问：我们是把所有东西都放到 Cerebras 上然后收更高的价格，还是说，我们能不能就用我们现有的硬件，把服务的用户数量扩大三倍？我认为他们会选择在同样的硬件上服务三倍的用户。 如果你能用同样数量的硬件服务更多的人，成本就会下降，对吧？每个人的每个 token 的成本都会降低。

第六章：纵向扩展 vs 横向扩展

Mr. Bubble：

所以我不知道这是否回答了你的问题，但我认为新的能力，我觉得将会是一种有趣的赚钱方式，对吧？我不知道我和你还有普通人能不能得到这个机会，但也许企业会得到，对吧？就像，如果你能直接在我的数据库上做后训练，然后把它内置到我的LLM里，那就太好了。

我的意思是，这基本上就是 Thinking Machines 正在做的事情，对吧？他们在做更长的上下文。嗯，他们在人们的数据上做后训练，以便在这些数据上获得更好的结果。从某种意义上说，那就是上下文，对吧？

Logan Jastremski：

我看过一个 Thorio 的播客，不记得是哪一期了，但他谈到了——随着时间的推移，他认为上下文窗口会持续扩展。正如你提到的，你会对上下文本身做某种强化学习或后训练，然后再把这些内容重新烘焙回模型中，这让我对上下文更加看好。所以，我想我从你这里听到的，也许对所有正在收听的人来说，最好的表达方式是什么呢？是在公开市场这边吗？是做多 Cerebras 吗？

对，我猜是 Grok，但他们被收购了，而在公开市场上，好像是做多像 Etched 这样的公司？

Mr. Bubble：

我认为做多像 Etched 这样的公司，如果你能做到的话，会是一个非常好的投资，但他们还没有上市。我认为在公开市场这边，很难找到一个清晰的投资标的。AI的魅力在于，很多这类公司都是新公司，还没有上市。所以在这个领域有一些有趣的公司，比如 Weka，他们做的是用于闪存卸载的软件，或者说就是帮人们在各种集群中存储数据，对吧？所以我认为，是的，你可以尝试在商品侧，或者说所谓的商品侧，或者就叫它硬件侧来布局。我认为未来在实际的软件层面，或者闪存控制器方面，会有一些有趣的机会，对吧？所以我认为，目前还没有哪家公开公司的算力能超过 Nvidia，也许当有人带着有趣的东西上市时，这种情况会改变，对吧？但是，这是你可以布局的一种方式。你知道，如果你认为上下文会被烧录进权重里，那我们就需要做大量的后训练或测试时计算，对吧？

所以，任何能以低成本提供算力的人，都将变得极其有价值。

Logan Jastremski：

有意思。是的，我觉得对我来说，未来几年内 Agent 会越来越多地承担日常工作、电脑操作，这似乎是显而易见的。对于普通人来说，大多数人无法进入私募市场，而那些实验室公司的估值已经达到了万亿以上，普通人怎么能表达这种观点呢？

Mr. Bubble：

是的，这很有意思。也许将 Agent 进入市场这件事变现的最好方式，是那些使用 Agent 的公司，也就是那些被 Agent 所替代工作的公司。我真的认为这可能行得通，就像保险公司一样，这是一种非常反直觉的看法。我们现在还没有哪家保险公司在大力宣传 AI Agent，但我认为那可能是最好的变现方式，对吧？我认为 Agent 将会变得就像互联网，或者就像云计算一样。如果你没有一个 Agent 化的使用场景，你根本就不在这个游戏里，你知道吗，每个人都会拥有它，对吧？

所以也许这个论点是，那些正在非常积极地采用 AI 的人，也就是大型科技公司，他们同时也是提供 AI 服务的人。

Logan Jastremski：

是的，这说得通。那么从长远来看，你提到了 Weka，这也超级有意思。我深入研究过他们，他们在并行化闪存以提高吞吐量方面做了很多很酷的事情，我觉得这很棒。但是，在内存方面，你主要对提高吞吐量感兴趣吗？你是否也对 CXL 或其他技术感兴趣？

Mr. Bubble：

是的。在解码端，当然，提高吞吐量意味着提高内存带宽，对吧？所以任何能提高内存带宽的方式都极其有趣。现在剩下的方法已经很少了，人们甚至在争论只保留最低限度的内存带宽。但是，我一直喜欢 CXL 的原因是，它允许内存被添加进来，或者挂载在外面，看起来就像你普通电脑上的内存一样，对吧？ 至少从编程模型来看，它对程序员是透明隐藏的。这有什么用呢？嗯，正如我们一直在暗示的，你可以把东西卸载到内存里，比如 VLLM 就把上下文卸载到 RAM 里，对吧？如果我们能构建一种直连的方式来做到这一点，就能增加集群的价值，对吧？所以我真正想说的，或多或少是：同样的硬件，加上新类型的内存，再写出更好的代码，你就能从你的硬件中获得更多价值。 至少是同样的加速器。

Logan Jastremski：

一个有趣的问题，也许是个有点大胆的想法，我很好奇你对此的看法。大多数人谈论光子学都是从规模扩展的角度来说的。你是如何从计算层面来思考光子学的？因为当你能够在给定通道内并行化矩阵乘法时，这会变得非常有趣。

Mr. Bubble：

是的，我觉得我应该写一篇文章，在白板上给大家推导一下这个数学。但如果你看看我们正在运行的AI模型，它们有多大，甚至隐藏维度有多大，矩阵有多大。光子矩阵乘法的运作方式基本上是在模拟域中进行的，对吧？你是在让光束跨越距离传播。你可能需要一个足球场那么大的空间，才能得到等效的矩阵尺寸，在所谓的"光子学"中进行乘法运算，到那时就变成自由空间光学了。所以，光子计算，我看好它吗？并不太看好。在数据中心这一侧，它也许可以作为某种物联网或嵌入式设备使用。比如，如果Waymo的激光雷达系统开始对传入的传感器信息进行一些计算，我不会感到惊讶，但这会非常困难。我对光子计算并不太看好。我不认为这只是有点异想天开，我不想说得更负面，但确实如此。 我觉得有些人在那里卖空头支票，对吧？让我们看看需要多长时间才能实现吧。

Logan Jastremski：

我觉得我们已经很好地涵盖了数据中心从0到1的广泛内容，包括预填充、解码、训练等方面。你个人对什么感到兴奋？你在大方向上一直判断得很准确，但你说有些问题已经解决了。现在是否只是把这些扩展到更多客户，让更多人能够广泛使用AI？还是说仍然存在一些让你感到兴奋的未解决的工程问题？

Mr. Bubble：

我觉得作为一名工程师，最让我感兴趣的一直是内存。这也是为什么我一直喜欢 HBM，尽管到目前为止我对它有些挑剔。我是说，它是对已有技术的一种很好的应用，对吧？我认为我们将会看到内存领域更多的创新，我对此非常期待。 我认为人们正在意识到，当你在进行推理时，如果你事先了解将要执行的操作或需要的数据，你就可以组织你的内存来加以利用。所以 Jalapeno 出现在 Hot Chips 大会上，这是 OpenAI 的芯片。他们谈到了内存局部性，我们通常把内存看作一个大型存储库，一次性全部获取。但这些实际的内存芯片有不同的通道，它们在物理上距离计算部分有一定距离。看起来距离不远，我们说的可能只是几毫米，但这仍然很重要。他们意识到并展示的是，保持某些内存组，让计算引擎能够获取靠近它的或在空间上接近的数据，能带来更好的性能。 所以我认为，让内存更靠近计算需要它的地方这个想法，在未来会变得越来越重要。 我认为人们正在谈论将内存集成在计算之上的3D技术。在这些情况下，这将极为重要，因为你不再只有一条宽大的总线来回传输数据。你会有一堆非常细小的线路，每次只能传输几个字节。所以你必须在空间上组织这些线路。所以字面上来说，知道芯片中各个部分的物理位置是一个巨大的优势。 我认为这可能会在不依赖更好的 HBM 的情况下，在吞吐量和功耗方面带来更多的提升。

Logan Jastremski：

我有点好奇，这更多是关于局部性的问题，还是更多关于吞吐量或延迟的问题？

Mr. Bubble：

嗯，两者都可能有，对吧？我是说，更好的局部性意味着更低的延迟，对吧？但如果你有更多的内存通道，你就能获得更多的带宽。 所以也许你只需要在那个特定芯片或那组或那个可寻址内存块中拥有恰好满足需求的带宽，这就够了。但延迟会低很多，对吧？是的。所以我认为，每个人都在谈论，我自己也谈论这个，我做过一段时间的芯片设计，每个人都在谈论内存带宽和延迟。我认为有一件事人们没有谈到，就是你什么时候需要这个访问时间。 你知道，如果我知道GPU要执行的操作需要10毫秒，而我只在第11毫秒才需要这个数据。那么它需要那么多带宽或那么低的延迟吗？不需要。你只需要知道什么时候需要获取它，对吧？ 所以控制好这一点会很有趣。这与局部性有关。我认为这里有很多有趣的东西。我会说，如果有人想了解我认为内存的未来是什么，那就是 3D DRAM，对吧？

第七章：AI对齐

Mr. Bubble：

有点像，那家公司叫什么来着？他们最近在 Hot Chips 上展示了一种将 DRAM 封装在逻辑芯片上方的技术。我们等会儿再查一下。

Logan Jastremski：

Hot Chips 怎么样？D matrix。

Mr. Bubble：

D matrix。就是 D matrix。就是那家公司。Hot Chips 办得很好。我是说，我搬到帕洛阿尔托的一个重要原因就是，去年我来参加 Hot Chips，我当时心想，我是个纽约人，那边没人懂芯片，也没人在乎，这当然没什么问题，人们关心别的事情。但我来到这里，感觉到处都是传奇人物，大家说着同一种语言，互相交流想法。感觉就像置身于启蒙时代伦敦的咖啡馆里，每个人都在探讨：我们怎么才能让这些芯片变得更好？ 但今年人满为患，里面挤满了各种各样的金融圈人士，不全是，但有很多来自对冲基金之类机构的人，我觉得这非常有意思。去年更多的是高频交易公司的人，他们其实也需要了解这些芯片的工作原理，对吧？他们当时就在那儿，心想，哦，我也得跟这些芯片打交道。我觉得看到金融圈的人向演讲者提问，挺有意思的，也挺好笑的。但不管怎样，我认为 3D DRAM 会非常厉害。我希望能看到更多人在这方面探索新的方案，因为这是我们获得更高带宽、更低延迟的一种途径。不过芯片的设计难度会稍微大一些。

Logan Jastremski：

有意思。你还提到了功耗。我觉得 Jensen 一直在反复强调这样一个观点：如果你只有一个 1 吉瓦的数据中心，那你的上限就是 1 吉瓦。所以更好的办法是提升不同层面的能效。你有没有深入研究过功耗或者能耗这个方向？

Mr. Bubble：

在一定程度上有。我觉得可以大致估算出每瓦的 token 产出，也就是每千瓦或每兆瓦能处理多少 token，随便你怎么算。我觉得，Jensen 说得对，我们在功耗方面确实有一些可以做的事情，可以降低功耗，但这可能会牺牲 token 吞吐量，或者你能服务的用户数量。所以你真的需要从经济角度去理解这件事，站在那些真正在卖 token 的人的角度，也就是那些大型实验室。他们非常在意能服务更多用户，在意更高的批处理量，这是关键词。他们希望批处理量尽可能高，这样就能用同一套硬件服务更多用户。是这样的，批处理量越高，产出的 token 就越多，每瓦产出的 token 也越多。那么，花大力气去做各种复杂的操作来降低这些芯片的功耗，到底值不值？我觉得，也许值，也许不值。这是一个很大的平衡问题。在功耗方面，我认为降低这些数据中心的功耗难度其实很大，是一个巨大的挑战。你可能更应该去找便宜、更清洁的电力来源。 有道理吗？总体来说是这样，我还想补充一点：数据中心最大的成本根本不是电费，而是硬件成本。 所以如果你想创办一家新的云服务公司，电费算什么？无关紧要。土地成本是多少？GPU 要花多少钱？哦天哪，你最好有充足的融资才行，对吧？

Logan Jastremski：

所以你认为最值得关注的事情仍然是内存，尤其是考虑到，模型权重的总体大小可能不再持续增长，但上下文长度普遍在增加。而且即便这些今天保持不变，你也需要更多内存来支持更多并发用户。

Mr. Bubble：

是的，没错。我们最终会给这些服务器增加更多内存。归根结底，问题在于用什么类型的内存？是 HBM？是 DRAM？还是闪存？我猜更多会是闪存。大家都在讨论如何降低对 HBM 用量的需求。因为说实话，归根结底，权重应该放在 HBM 里。如果我们并不是同时用到所有的上下文，为什么要在那里存放大量的上下文呢？对吧？

Logan Jastremski：

有道理。有意思。好的。我觉得从大方向来说，我的问题基本上都问完了，除非你还有什么有趣的事情，或者什么让你感到兴奋的事情想聊聊。

Mr. Bubble：

我想聊聊"追赶前沿"这个话题。说真的，我很想知道这到底是怎么回事。我的意思是……

Logan Jastremski：

说得好。

Mr. Bubble：

我非常好奇这到底是什么意思，因为这个概念根本就没有被明确定义过。我一直在越来越多地思考这件事。我是说，我们听说他们解决了那些千禧年难题，花了1500万美元才赚了100万，好吧，但那个问题可能本身也没那么有价值，对吧？我是说，就像Stokes方程，我们，世界会因此一夜之间改变吗？如果我们解决了它，我觉得可能只是在CFD（计算流体动力学）模拟里节省了一些计算资源。但数学和理论领域里确实有很多真正有价值的问题，对吧。我想到像 Terrence Tao，他的很多研究都在与EE（电气工程）领域相邻的方向，比如信号处理、估算，还有稀疏信号的重建。他的数学研究奠定了现在手机运作方式的基础，比如LTE和蜂窝通信，对吧？因为他的数学研究，我们使用了更少的带宽。那么这样的数学问题到底有多大价值？它可能价值数十亿。

所以我很好奇，"追赶前沿"到底有多少是垂直整合、去攻克有价值的问题，又有多少是真正出于安全考虑？ 说实话，我不太相信所谓的安全问题。我们谈过电力的问题，我是说，我们可以直接断电。我觉得安全方面更大的问题在于，这些实验室可能要承担法律责任，对吧？如果他们的AI对某人的电脑做了什么非常糟糕的事情，那就是起诉的理由。说到底，我觉得我们国家有法律框架，可以用正确的方式来规范这件事。我们可以签一份合同，说好了，你要承担责任，你签了这份合同，如果这个AI agent失控了，那是你的责任。我不知道。我不太相信那种"终结者"式的场景，说这些agent会直接接管互联网、把一切都搞垮，光是因为维持这些GPU运行的成本就已经很高了。所以这看起来就是一种对资源的糟糕利用，对吧？我同意。

我一直在想这件事。我在看空和看多之间来回摇摆，但是。我觉得，我从来没有……好，这里有个非常大胆的观点。我一直在用AI，但我从来都不是那种会说"哦，AI太厉害了，太疯狂了，我们都得跟上"的人。在我看来，AI适合帮我做那些脏活累活、那些繁琐的事务性工作。但真正的思考，很遗憾，还是得靠我自己。 我从来没有感觉到它已经能替代这一点了。如果你去问那些初中生或者高中生，他们其实也没用那么多AI，因为他们能用来干什么呢？他们能做什么？无非是写个关于George Washington之类的小作文。

第八章：AI实验室的未来

Mr. Bubble：

这没什么太大用处。所以我一直在想的一件事就是，你知道，AI应该，真正强大的AI和高算力资源，应该用于重要的问题，以及那些真正能够解决这些重要问题的人。这一直是看多的理由，对吧？我们想想，如果一台GPU或者配备GPU的服务器，有可能发现一种药物，哪怕只是提高了10%的概率，那这台服务器的价值应该是多少？而那种药物价值数十亿美元，或者一种新材料，你知道，可能帮我们节省大量能源。

从AI的角度来看，这对我来说一直是最重要的事情。这也是为什么，到目前为止，我其实并不太在意那些。我是说，写代码很酷，做网站很酷，那些垃圾内容就是垃圾，但是，让我们做真正有价值的工作吧。所以我不知道，"放缓前沿"这件事，到底有多少是在做决策——认为所有这些算力资源和这些疯狂的模型，应该更好地用于解决真正重要的问题——又有多少只是，你知道，监管俘获的问题。

Logan Jastremski：

我同意。我觉得大部分都是SCOP的问题。我是说，我不在湾区，所以我不像那边的人那样被各种群体思维所影响，但对我来说，我同意。我不认为这些模型……我从一个朋友那里听到这个说法，我不同意他的观点，他说这些模型现在几乎相当于iPhone，只是在边际上有所改进，不会有太大进步。但是……

Mr. Bubble：

iPhone是最好的例子，因为我们所有人都对iPhone上瘾了。我们出门都离不开它。对，它现在正在成为我们工作中不可或缺的东西。所以——

Logan Jastremski：

我确实认为它最终会达到那个水平。但就像你说的，你可以问它问题，它显然会给你还不错的答案，但它还没有到可以替代你，或者说你今天就能完全依赖它的程度，就是那种，你知道，它给出的答案明显更好的感觉。你还是得去核实它，你得检查它的上下文里有什么，它在预填充时引入了什么，它引用了哪些不同的来源。对我来说，就像你说的，它更多地是在做那些基础性的重复劳动，比如，好，你能帮我回复邮件吗？对我来说，就是你加入越来越多的上下文，它确实变得越来越有趣、越来越有用。但现在，这些模型总体上还是有"失忆症"的。它们足够聪明，但还没有聪明到能一步到位解决所有问题的程度。所以我不认为我们已经到了拥有超级智能的阶段。因此，在很大程度上，我确实认为这主要是SCOP的问题，他们想要放缓，也许他们只是想在内部使用这些模型来继续推进研究。

Mr. Bubble：

这听起来是个很好的做法，因为如果我有一定量的算力资源，运行这些东西要花很多钱。那它可以用来服务更多用户，我向他们收费，不知道，每月20美元之类的。或者它可以用来，你知道，发现一种新材料，或者解决信号处理领域中一个非常重要的问题，诸如此类。所以我并不反对这件事本身，我反对的是它的呈现方式。

我真的非常希望，人们能把AI用于这些有价值的、你知道的，重大发现上，因为我们在人力方面受到了太多的瓶颈制约，对吧？人类有大量的好直觉，我们能想出各种各样解决问题的思路。但归根结底，你还是得付出实际的工作才能真正解决它，你知道，去验证它。所以那里有太多可以做的事情，但我认为如果我们不谈"放缓前沿"这个话题，那就是我们的失职，对吧？

Logan Jastremski：

我同意。你对开源与闭源的看法是什么？因为大家普遍认为开源模型相对落后。但看起来，如果说有什么的话，它们其实非常接近了。当然，很难判断闭源实验室是否在把他们最新的模型藏得越来越久，但从硬件角度，或者说投资角度来看，这些模型似乎都无法在普通硬件上运行，除非你跑的是那些非常老旧、不那么智能的模型，除非他们在特定任务上做了大量强化学习。

Mr. Bubble：

你说得对。我的意思是，运行这些模型确实需要一定的技术积累，这是个挑战。这也是为什么专门帮人运行开源模型已经成为一门大生意，对吧？开源对我来说一直都是在商品化编程。现在 GPT-6 在视频游戏、图形处理这类事情上已经相当不错了。所以我相信那些也会被商品化。但前沿领域一直是关于突破极限的，对吧？而我们在电脑上能做的事情，到目前为止已经差不多做完了。你知道，我们能写代码、能发邮件、能用 Excel 工作，但我们需要跳出电脑的范畴。我们需要改变现实的底层结构，也就是发现新事物，去解决比网页应用、iPhone 应用更重要的问题。我是说，如果你能从那些东西里获得价值，那当然也挺好的。但我认为现在有一种可能，我们会迎来递归式自我改进。AI 是在递归地让自己变得更好吗？更可能的是 AI 在让我们变得更好——AI 发现新事物，自动化我们大量的工作，让我们更快、更高效，对吧？所以我认为这才是前沿应该坚守的方向。我之所以提这个，是因为如果追赶前沿意味着服务更少的用户，去攻克这些高价值的问题，这真的会从根本上改变商业模式，并且影响到下游的一切。这可能是好事，也可能是坏事，但我们现在还不知道。我认为，Navier-Stokes 问题的潜在突破并不一定说明 AI 在所有其他问题领域都会同样有效，对吧？这说得通。而且据说那个突破也是来自某个人的人类直觉，对吧？所以，是的……

Logan Jastremski：

所以我听到的是，前沿应该继续推进。可以问一个更直接的问题吗——如果你有机会以当前的估值投资这些实验室，姑且说是一万亿美元，你认为这比投资一个 neo cloud——也就是那种可能只是专门服务开源模型的公司——更有意思吗？

Mr. Bubble：

我非常相信直接拥有硬件层，或者说拥有铁路，拥有那些构成基础的东西，对吧？所以你是想投资 Anthropic 和 OpenAI——这两家会竞争到两败俱伤，最终随着人员跳槽流动，他们的超额收益会逐渐扩散消失——还是你想拥有那些有着十年、二十年积累和护城河、专注于开发这一切所需的核心硬件的公司？甚至包括，你非常擅长运营数据中心。我是说，有一个论点是，如果你拥有大量 GPU，并且非常擅长保持高可用性，那你就是一家非常有价值的公司。

第九章：结语与价值下一步将流向何处

Mr. Bubble：

我确信大多数投资者不会这样思考，他们只会，你知道的，无脑追捧这些东西，这也可能是他们应该做的。但归根结底，我用过一个非常好的经验法则来判断一家公司是否具有强大的价值主张——如果这家公司消失六个月，所有人会有多惨？ 比如我想到 TSMC，那会很糟糕，对吧？Nvidia，也会很糟糕，甚至像 Sandisk，嗯，我们可能可以从京瓷那边搞到替代品，对吧？有些地方你可以争辩说人们愿意在产品之间切换，对吧？最好的公司就是那种让你永远没有理由离开的公司，对吧？那些才是真正的好公司。所以如果一家 AI 实验室开始做到这一点，那将会非常有意思，对吧？但我觉得他们还没聪明到那个程度，你知道吗？不过我们拭目以待。我觉得，是的，我很期待这些 IPO。我的意思是，它们会成为很好的做空对象，我想。我很确定这会是很好的投资组合 beta 对冲工具。所以我非常兴奋。能有一个新的金融工具用于对冲，感觉很好。

Logan Jastremski：

所以继续做多硬件。我觉得这不是，

Mr. Bubble：

这可能才是真正的创新。

Logan Jastremski：

是的，对冲，新增千兆瓦的数量。我是说，能不能获得能源供应当然还有待观察。但是，我的意思是，对我来说。回到"引领前沿"这个说法，它之所以看起来像是一场闹剧，是因为他们不可能对正在建设中的那些数据中心按下暂停键。

Mr. Bubble：

对我们来说是"引领前沿"，但对他们自己来说可不是。

Logan Jastremski：

是的，他们自己不会放慢速度。如果说有什么变化的话，他们一直在谈论想要引入更多千兆瓦，用于训练和推理。所以，光是建设数据中心本身就已经是多年期的承诺了。所以如果他们是真的认真对待这件事，我觉得他们应该会取消那些资本支出。但他们没有。这不会发生的。

Mr. Bubble：

是的，我倾向于非常看涨。我是说，我们现在有利率问题和伊朗局势，但是。我不知道。我的意思是，我有一种感觉，你知道，我们用 AI 发现几种新药，把合适的研究人员聚集在一起，或者我们找到一种方法让 5G 不需要在一平方英里内建一千座基站。是的，是的，是的，随便什么，只要是更高效的东西。是的，我是说。我们将会迎来一次快速起飞。 我是说，光靠五到十种新药就能为所有的资本支出提供合理依据。我是这么认为的。

Logan Jastremski：

非常对。好的，Mr. Bubble，非常感谢你来参加节目。非常有趣。感谢你陪我聊天，并分享了你的独家见解。

Mr. Bubble：

当然。谢谢你，Logan。感谢你邀请我。

本文来自华尔街见闻，欢迎下载APP查看更多

据硬AI，9月22日，在2026年杭州云栖大会上，阿里巴巴集团CEO吴泳铭发出迄今最为明确的AI扩张信号，将机器智能定位为继工业革命之后人类社会最深刻的变革，并为此锚定了横跨AI模型、AI芯片与AI云的全栈布局。

吴泳铭宣布，阿里巴巴目标在2032年将阿里云运营的全球数据中心规模扩展至超过20GW，并同步披露计划训练参数规模达5至10万亿的新一代AI模型。

与此同时，旗下芯片部门平头哥当天发布最新AI芯片真武V900，算力较前代M890提升3倍，单一集群可扩展至50万卡规模，阿里表示预计平头哥AI芯片年出货量将大幅提升。

吴泳铭判断，未来机器供给的思考总量将达到人类的1000倍以上，而当前行业中长期需求已远超供给能力，全球AI数据中心相关供应链的紧缺正制约算力增速。这一供需缺口，正是阿里巴巴此番大规模扩张的核心依据。

消息公布后，阿里巴巴港股股价持续走强，一度涨逾4%、创月内新高。

“机器思考总量将达人类1000倍”

除了具体的业务数据，吴泳铭在演讲中对AI产业周期的宏观研判同样引发市场关注。他将当前的AI发展类比为早期的电力时代。

吴泳铭表示：

机器正在成为思考的主力，智能正在成为一种规模化的商品，未来机器思考总量将达到人类的1000倍以上。

他认为当机器智能的供给变得无限充沛，它对人类社会的意义，将远远超出对现有脑力劳动的替代，这种变化将比工业革命更加深刻。

对于目前广受关注的各类AI应用，吴泳铭保持了冷静的客观审视：

今天的AI Coding就像1882年的电灯，替代的是现有工作，还不足以创造一个新的时代。帮人编程、写报告，只是机器智能的初级阶段。

吴泳铭进一步强调：

无论后来出现多少新发明，第一步都要建足够多的发电站、铺足够广的电网。

吴泳铭总结道，未来的机器智能时代，思考将像动力一样成为规模化供给的商品，而阿里目前的战略重心，就是不遗余力地去建设这套为机器智能时代供电的“超级电网”。

本文来自华尔街见闻，欢迎下载APP查看更多

行情的导火索是Meta近期推出的个人智能体Muse。Sensor Tower数据显示，应用上线六天它在美国iOS累计下载超90.2万次，远超Meta上一代产品的数据表现；到周一，Muse同时坐在美国iOS与Google Play免费榜第一，把ChatGPT挤了下去。

市场为Muse的大热疯狂买单。科技分析师Ben Thompson在文章《Frontier Overhangs》中评价道：“Muse Spark 1.3并非最顶尖的模型，但这正是值得警惕的信号——一个并不领先的模型，已经足够支撑一款极具粘性的个人Agent产品。”

Thompson认为，当下前沿模型能力已经出现“过剩”，模型能力不再是AI企业最重要的护城河，下一个赛点或许是“应用时刻”。

模型能力跨过临界点之后，AI竞争的重心正在发生位移。从C端的Meta Muse到B端的腾讯WorkBuddy，一个共同信号浮现：决定产品价值的，越来越不是模型本身，而是Harness、工作流与用户入口的控制权。

9月22日，腾讯呼应了隔夜Meta的涨势，早盘港股跳涨超6%，盘中最高463.40港元。

与此同时，咨询机构和风险资本的研究正在从不同维度验证同一判断。Gartner警告，到2030年，高达2340亿美元的企业软件支出面临“Agent套利”风险；a16z明确建议AI应用公司停止按Token定价，转向按结果收费；ICONIQ调研的300余家AI软件公司数据显示，应用层已成为行业建设重心，AI产品毛利率正从2025年的45%向2026年预计53%攀升。

“应用时刻”将临？

Thompson提出了一个关键概念：当前沿模型的能力持续提升，但实际产品和用户场景对模型能力的消化速度跟不上时，就会出现“frontier overhang”——模型能力过剩。

他援引了一个具体案例：AI叙事游戏公司Fable推出了新一代模型，但市场需求反应平淡。这不是因为产品质量差，而是因为现有模型能力对于该场景已经“够用”，更强的模型并未带来用户可感知的体验提升，自然也就无法转化为更高的付费意愿或更大的市场份额。

Thompson认为，性能还不够用时，谁把模型和应用层（harness）绑得紧谁赢；一旦越过“够用”那条线，客户开始在意上市速度、便利、定制、数据怎么处置，模块化就占便宜了。

这个细节具有指示意义。它说明，在某些场景下，模型能力的边际价值正在递减。当“更强的模型”不再等于“更好的产品体验”，模型层的竞争优势就开始与应用层的商业价值脱钩。

Thompson进一步指出，在这种背景下，真正重要的是“应用层（harness）”——即如何将模型能力有效地组织、调度和封装，使其能够在具体场景中稳定、可靠地完成任务。模型是引擎，Harness是传动系统。没有后者，前者的马力再大也无法有效输出。这一框架，为理解Meta Muse和腾讯WorkBuddy的产品逻辑提供了清晰的坐标。

C端：Meta Muse的产品赌注

Meta推出Muse，是一次典型的“应用层押注”。根据Meta官方介绍，Muse定位为个人AI Agent，其底层模型为Muse Spark 1.3，但产品的核心卖点并不是模型参数规模或基准测试成绩，而是Agent能够实际完成任务的能力——帮用户制定计划、执行步骤、追踪进度，在用户的日常生活场景中真正“干活”。

这一定位的背后，是Meta对AI产品竞争格局的一个判断：在模型能力已经相对充裕的当下，用户真正稀缺的不是“更聪明的模型”，而是“能帮我把事情做完的工具”。Muse试图成为用户的个人执行层，而不仅仅是一个问答界面。

更进一步看，Muse的产品重心，实际上将C端Agent的突破口从“模型是否足够聪明”，转向了“用户能否放心交付任务、产品能否连接真实事务”。Muse Spark系列模型帮助Meta补上了基础能力，但决定Agent能否进入用户日常生活的，并不只是推理和生成能力，还包括授权、信任与执行链路。为此，Muse将独立运行环境、凭据保护和关键动作审批纳入产品设计，以建立清晰的授权边界；同时结合长期记忆与后台执行能力，让Agent能够围绕用户目标持续推进任务，而非止步于一次性的问答或指令响应。

从商业逻辑看，这种设计有其深意。个人Agent一旦深度嵌入用户的日常工作流，就会积累大量个人数据、偏好和使用习惯，形成难以迁移的用户粘性。这种粘性，才是真正意义上的护城河——而不是某个特定版本的模型能力。

市场对Muse发布的积极反应，在一定程度上印证了这一逻辑：投资者对“能用”的Agent产品的兴趣，已经超过了对“更强”模型的关注。

B端：腾讯WorkBuddy的企业路径

在企业端，腾讯WorkBuddy呈现出相似的产品逻辑。根据腾讯云官方介绍，WorkBuddy企业版的核心能力不在于提供一个通用聊天界面，而在于能够连接企业内部的各类系统和流程，跨平台执行工作任务，将AI能力真正嵌入企业的日常运营。

这代表着企业AI从“工具”向“执行层”的一次关键跃迁。过去，企业购买AI产品，本质上是购买一个更智能的搜索或问答工具；而WorkBuddy所代表的方向，是让AI成为能够主动发起、执行和完成工作任务的Agent，直接参与业务流程。

这一转变的商业含义同样深远。当AI能够跨越多个软件系统完成任务，传统企业软件的“功能价值”就面临直接挑战。Gartner在2026年7月的报告中明确指出，Agentic AI的兴起使高达2340亿美元的企业应用软件支出面临风险——因为Agent可以绕过或替代原本需要多个独立软件才能完成的工作流程，传统软件的“功能护城河”可能因此被侵蚀。

对于企业软件公司而言，这是一个需要认真对待的结构性压力。

商业价值的重新定价：从Token到结果

模型能力的"够用化"，正在推动AI商业模式发生根本性转变。

风险投资机构a16z在其报告《You are not a model. Don't price per token.》中直接点明了这一趋势：AI应用的真实价值，来自其所整合的数据、工具、工作流以及最终交付的可量化结果，而不是来自调用了哪个模型、消耗了多少Token。换言之，“卖模型能力”的定价逻辑正在让位于“卖结果”的定价逻辑。

a16z给出三种收费模式：卖模型访问，按 token 计价；把模型变成有用的工作，按客户认得出的价值单位计价，通常是积分；交付清晰可归因的业务结果，按结果计价。而受访的50位企业AI技术买家，27人偏好“和可辨认的工作量挂钩的积分”，14人偏好按token付费。

这对AI产业的价值链分布有直接影响。如果模型本身逐渐成为一种基础能力——类似于云计算早期的算力——那么真正能够捕获商业价值的，将是那些能够在模型之上构建出具体产品、垂直工作流和可验证ROI的应用层公司。

McKinsey在其报告《Where AI agents pay off》中提供了企业视角的佐证：随着Token成本持续下降，企业在评估AI投入时，关注的核心问题已经从“这个模型有多强”转向“这个Agent能带来多少可量化的效率提升和经济回报”。ROI的可验证性，正在成为企业AI采购决策的核心标准。

这意味着，AI应用公司需要回答的问题，已经从“我们用了什么模型”变成了“我们能帮客户省多少钱、提多少效”。

产业格局：多模型时代的应用层竞争

ICONIQ在其《2026 State of AI Report》中对300多家AI软件公司进行了调查，结果揭示了一个清晰的产业趋势：接近三分之二的受访公司正在开发横向或垂直AI应用，多模型使用已经成为常态。

“多模型使用成为常态”这一数据，本身就是模型商品化趋势的有力注脚。当企业可以根据任务需求灵活切换不同模型，模型提供商的议价能力就会受到压制，而能够有效整合多模型、构建稳定工作流的应用层平台，反而获得了更强的议价地位。

ICONIQ的报告同时追踪了AI收入和毛利率的变化。这一数据维度的重要性在于：它将帮助市场判断，应用层的商业价值捕获是否真的在发生，还是仍停留在叙事层面。对于投资者而言，这是区分“AI应用故事”与“AI应用生意”的关键指标。

从产业结构看，当前正在形成的格局是：模型层（OpenAI、Anthropic、Google、Meta等）提供基础能力，应用层（各类垂直Agent和工作流平台）负责将能力转化为可交付的结果，而传统企业软件公司则面临被绕过或被替代的压力。这三层之间的价值分配，将是未来数年AI产业最值得持续观察的动态。

如果Agent可以跨系统完成任务，企业员工就不必频繁进入每一个传统软件界面。软件仍在运行，但界面可能退到后台。

Gartner预计，到2030年，最高2340亿美元企业应用软件支出将面临Agentic AI带来的风险，约占企业应用SaaS支出的20%。

Gartner管理合伙人George Brocklehurst说：“Agentic AI改变了软件的经济逻辑。Agent系统直接交付结果，绕开重度依赖用户界面的应用，让软件变得不可见。”座席数量与软件收入增长之间的传统联系，可能因此被削弱。

压力首先落在依赖仪表盘、功能模块和座席授权收费的厂商身上。企业买家不会因为多了一个AI按钮就增加预算；他们会追问，Agent是否减少人工操作、是否缩短流程、是否提高转化率、是否降低单位成本。

但这不是传统SaaS的终结。拥有行业数据、客户关系、系统连接和业务流程控制权的厂商，仍可将自身重构为Agent执行层。风险在于守着界面收费，机会在于占住任务执行和结果交付的位置。

模型领先，还能直接变现吗？

需要明确的是，上述分析并不指向“模型不重要”的结论。前沿模型能力仍然是整个AI产业的基础，没有足够强的模型，应用层的构建无从谈起。真正值得讨论的问题是：模型领先，是否还能直接转化为产品优势和商业价值？

从当前的证据看，这条转化路径正在变得更长、更复杂。Fable新模型需求不佳的案例说明，在某些场景下，更强的模型已经无法带来可感知的用户价值提升；Meta Muse和腾讯WorkBuddy的产品逻辑说明，头部科技公司已经在用“Harness应用层+工作流+用户入口”来构建差异化，而不是单纯依赖模型能力；a16z和McKinsey的研究说明，企业客户的付费逻辑正在从“模型能力”转向“可量化结果”。

这意味着，AI产业的竞争正在进入一个新阶段：模型能力是必要条件，但不再是充分条件。谁能把通用模型转化为具体的产品体验、稳定的工作流和可验证的商业回报，谁才能在下一阶段的竞争中真正占据有利位置。

而这一变化提示了一个值得重新审视的估值框架：在AI领域，模型参数规模和基准测试排名固然重要，但应用层的工作流深度、用户入口的粘性，以及ROI的可验证性，可能正在成为更具预测力的商业价值指标。当模型开始“够用”，下一场战争的战场，已经悄然转移。

本文来自华尔街见闻，欢迎下载APP查看更多

字节跳动今年第三次在北京拿地。

9月21日，北京云瑞长石科技有限公司以底价26.13亿元，竞得北京市朝阳区奥林匹克公园南区OS—15地块。工商信息显示，该公司由北京字跳网络技术有限公司全资持股，股权穿透后的控制主体为抖音集团（香港）有限公司。

北京市公共资源交易服务平台显示，该地块位于朝阳区亚运村街道，建设用地面积约2.24万平方米，建筑控制规模不超过9.17万平方米，用途为商务金融用地。按建筑规模上限计算，成交楼面价约2.85万元/平方米，不包括后续建设成本。

今年2月，字节旗下公司以28亿元竞得海淀蓝景丽家收储项目两宗地块；3月，又以约33.05亿元受让学院路东升科技园三期研发地块。三笔交易总价超87亿元，对应土地面积约11.08万平方米，规划建筑规模约31.65万平方米。

OS—15在官方名称中明确属于土地一级开发项目；蓝景丽家是经过收储和城市更新后挂牌供应的地块；双泉堡则是设置产业准入条件的协议出让研发用地。字节在三笔交易中均是土地使用权受让方，负责后续建设和使用，并非征收、拆迁等一级开发工作的承担者。

三宗地块的用途也有所区别。

蓝景丽家紧邻字节已经使用的方恒广场和中坤广场，位于人工智能创新街区大钟寺先导区。北京市2026年重点工程计划列有“抖音集团数字经济产业园及配套项目”。这宗地更接近字节现有办公集群的延伸。

双泉堡地块规划建筑面积约12.8万平方米，用途为研发设计。协议出让计划要求意向主体符合北京“十大高精尖产业”方向，并设置单位面积收入和财政贡献门槛。地块所在的学院路集中了高校和科研机构，更适合承载长期研发活动，但目前没有官方信息披露具体入驻团队。

最新取得的奥林匹克公园地块属于商务金融用地，公开文件未设置与双泉堡相同的产业准入条件。该地块可以承载办公、商务及配套功能，但最终用于总部职能、商业化团队还是其他业务，仍有待披露。

字节近年来持续增加人工智能投入。

公司于2023年组建Seed大模型团队，2026年6月发布Seed2.1模型，并通过豆包和火山引擎向个人和企业用户提供服务。大模型研发、消费端产品和企业服务都需要技术、产品及商业化团队协同，自有园区有助于集中人员并定制办公和研发环境。

办公楼市场调整也为科技企业购置资产提供了窗口。世邦魏理仕数据显示，2025年北京办公楼平均租金同比下降10.7%，企业自用购置成为物业交易的重要支撑。但租金下降同样提高了租赁方案的吸引力，拿地自建还需承担前期资金投入和较长建设周期。

连续拿地更能说明字节希望在北京稳定配置长期办公和研发空间。从大钟寺办公集群、学院路研发用地到奥林匹克公园商务地块，字节正在形成用途有所区分的自有空间布局，具体承载哪些业务仍需等待规划和公司信息进一步披露。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台，高盛在最新研究报告中指出，内容供给正趋近无限，而用户注意力依然有限，这一核心矛盾将在未来数年内深刻改变行业格局，并在不同赛道和玩家之间制造明显的分化。

据高盛报告，AI多模态技术的快速演进已使内容生产成本平均压缩80%至90%以上，制作周期大幅缩短。以短剧为例，2026年前8个月的短剧及迷你剧产量较2025年全年扩张了13倍；游戏（含小游戏）新品发布量则增长逾8倍。与此同时，受众对AI生成内容的接受度也在随质量提升而快速上升——在头部短剧平台红果上，超过90%的剧集已为AI生成。

高盛认为，内容供给的爆发式增长并不意味着产业链各环节均能受益。报告明确指出，制作与执行层面的价值将被压缩，头部IP与创意资产的稀缺性则进一步凸显。

供给爆炸，注意力成为稀缺资源

高盛报告的核心命题在于：AI时代内容供给趋近无限，但用户的时间与注意力并未随之扩张。

从技术层面看，AI视频生成速度已超越人类观看速度——以H3 max模型为例，生成一段5秒视频仅需3秒。这一突破使内容生产从"稀缺驱动的制片厂模式"向"无限动态生成模式"转变。高盛估计，AI可将动画制作、音乐、广告视频及短剧的生产成本削减80%至95%；对于游戏、长剧等复杂互动内容，成本降幅也达30%至70%。制作周期方面，AI使内容产出速度至少提升5至10倍——一个2至3人的小团队如今可在一周内完成一款小游戏的开发，而过去同样的工作需要3至6个月。

然而，供给的无限扩张正在制造新的问题。高盛指出，当大量同质化内容以前所未有的速度涌入市场时，内容的"货架寿命"反而在缩短，用户注意力愈发碎片化，新IP突围的难度也在上升。

价值链重构：IP升值，制作层贬值

高盛将AI对文娱产业价值链的冲击归纳为三个层面，各层受益程度存在显著差异。

IP与创意层呈现分化格局。头部、长青IP有望借助AI延长生命周期，腾讯旗下《王者荣耀》、《逆水寒》等常青游戏在2026年持续扩大市场份额即为佐证。但与此同时，长尾IP面临更大的差异化压力，新IP在注意力高度分散的环境中愈发难以获得用户认知。

制作与执行层的价值正在被系统性压缩。AI工具的普及使传统制作流程的附加值大幅稀释，实体摄影棚、演员、外包机构及平面设计将是受冲击最深的群体。高盛指出，除非内容能够成功转化为具有版权保护的持久IP，否则竞争将持续走向同质化。

内容分发平台整体受益，但内部亦有分化。短剧制作方尽管成本大幅下降，却因需向平台购买流量而普遍难以盈利，平台方则从中获益。相比之下，以版权内容库为核心护城河的平台——尤其是在版权保护相对薄弱的中国市场——其竞争壁垒正在被AI内容的涌入所侵蚀。

新业态涌现，商业化路径仍在探索

高盛在报告中梳理了AI视频技术催生的多种新兴内容形态，认为这些模式具备真实的用户需求，但变现方式仍处于动态演化阶段。

动态互动微短剧：将移动端竖屏短剧与实时视频生成相结合，根据观众实时选择或情绪分析动态生成叙事内容，取代传统的预渲染分支剧情。

虚拟主播与AI直播电商：虚拟偶像和AI主播正从依赖人工动作捕捉的2D/3D形象，进化为可实现7×24小时自主播出的多模态智能体，并能实时响应观众评论、动态展示商品。

个性化虚拟陪伴：高保真虚拟角色提供一对一互动体验，变现模式包括按时计费（如每分钟1美元的视频通话）及订阅制。

AI工作流编排平台：高盛将整合多智能体工作流、长篇叙事一致性管理及制片流水线的"编排层"平台视为潜在的高价值捕获者，iQIYI的Nadou Pro即为代表案例之一。

在线游戏：最具韧性的赛道

高盛认为，在线游戏是当前文娱各垂直赛道中抗压能力最强的板块。AI在游戏领域的红利目前更多流向头部成熟发行商，因其更具条件借助AI工具延伸既有IP和常青游戏的生命周期；反观新游IP，2026年以来成功案例明显减少。

腾讯被高盛视为游戏AI化的领跑者，其混元游戏及混元3D模型可从多模态输入（文字、图片、草图）在数分钟内生成高质量3D资产，并支持构建可交互的游戏原型。

网易则深度聚焦AI原生玩法机制，通过伏羲实验室推进大语言模型驱动的自主NPC、生成式用户创作内容（AI-UGC）等方向，旗下《燕云十六声》和《天下手游》已整合多项AI元素。

高盛同步将XD Inc.上调至买入，认为其TapTap平台将受益于游戏供给的大幅扩张，叙事逻辑有望从2026年上半年的"AI受损方"（因AI算力成本上升及TapTak Maker对广告流量的稀释）转向"AI受益方"，尤其是在服务长尾游戏开发者方面具备独特价值。

长视频与音乐流媒体：短期受益，长期承压

高盛对长视频平台的判断较为审慎。近期来看，AIGC可加快内容产出、降低采购成本，且监管层对AI内容的态度相对支持；但长期而言，两大核心问题悬而未决：其一，用户是否会在长视频平台上持续消费AI内容（过去三年该类平台用户时长整体下滑约50%）；其二，AI内容的泛滥是否会逐步削弱版权剧集的竞争优势。

高盛对芒果超媒维持卖出评级，对爱奇艺维持中性评级，认为两者可受益于短期成本削减，但长期面临来自短剧平台的用户竞争压力。

音乐流媒体方面，高盛指出，中国音乐制作供给目前处于较为无序的扩张状态，版权曲库与AI仿制歌曲之间的保护边界，以及用户对AI音乐的偏好迁移，是核心不确定因素。腾讯音乐（买入）短期订阅收入面临压力，中长期增长将更多依赖非订阅收入及竞争格局的改善。

两大核心风险：变现与监管

高盛在报告中点明了AI文娱产业面临的两大结构性挑战。

变现难题：当用户可以近乎零成本创作无限内容时，其付费意愿可能依然有限。对于娱乐产品而言，无限供给还可能引发"内容疲劳"——更多AI短剧、虚拟偶像和互动故事，并不自动转化为更长的观看时长或更高的用户消费。

监管压力：AIGC业务可能面临AI法规、隐私法、消费者保护法、广告法及版权法规的多重叠加约束。对于虚拟偶像、陪伴型智能体、互动短剧及AI直播主播而言，监管挑战尤为突出，因为这类产品的用户粘性往往建立在情感连接之上。高盛注意到，中国监管机构已开始加强对短剧及长剧行业的监管力度。

本文来自华尔街见闻，欢迎下载APP查看更多

9月22日，研究机构SemiAnalysis发布深度技术报告，系统拆解了大模型推理服务的底层架构。从用户发出请求到AI生成每一个token，每个环节如何运作、哪里是瓶颈、什么样的硬件在什么阶段真正创造价值。

报告指出，推理服务并非一个整体，而是由预填充（Prefill）、中间填充（Midfill）、解码注意力（Decode Attention）和解码专家（Decode Experts）四个工作阶段构成的"Token工厂"。

这一分析框架对于理解AI基础设施竞争的核心逻辑具有重要参考价值。每个阶段对算力、内存带宽和网络的需求截然不同，混同处理将损失混合专家（MoE）模型架构的结构性优势。

报告以英伟达Blackwell系列GPU为案例进行推演，其结论对硬件设计者、云服务商和模型部署方均具有直接指导意义。

过去，我们讨论大模型，习惯用参数量说话——千亿、万亿，数字越大越震撼。但MoE的出现，让这种比较方式变得苍白。它真正改变的，不再是参数的总量，关键是哪些参数在哪个时刻被激活。

具体来说：每次处理一个词元Token（可以简单理解为一个词或一个字），MoE模型不会让全部参数都参与计算。它有一个"路由器"，会为每个Token精准定位出少数几个最合适的"专家模块"，让这些专家各司其职，处理完再把结果汇总。

这就好比一家超级医院，每个病人进门不是被所有科室的医生轮流问诊，而是智能分诊系统直接把他送到最对口的两三位专科医生面前。

这个机制带来了一系列连锁反应：

• 哪些数据必须"住"在离计算最近的地方，发生了根本变化；
• 内存、带宽、存储的价值权重，被彻底重新排列；
• 调度系统的复杂度，从线性增长变成了指数级跃迁。

换句话说，MoE让整个推理系统变成了一座需要精密协调的"智能工厂"。

SemiAnalysis报告指出，AI推理服务是一个由多个专用工作节点池构成的循环系统，而非运行在单一服务器上的程序。

用户或其代理发出请求后，调度层（如英伟达Dynamo或Mooncake）将其放入队列，分配给输入填充工作节点处理。该节点负责将用户输入连同历史对话状态转化为新的上下文，再交由解码工作节点反复读取已积累的状态、逐步生成回答token。

在智能体（Agent）场景下，这一流程还会与工具调用、外部搜索等环节交织，形成每小时可达数千次的对话轮次。

（推理服务中模型阶段的概述）

每一轮对话产生的"记忆"，在系统内部以一种叫做KV状态的形式存储。这些状态被设计成不可变的数据块（blob），像区块链账本上的记录一样，一旦生成便不再修改，只会不断追加。

（预填充和中间填充与 KV 缓存边界处紧密耦合的解码环路分离）

为什么要这样设计？因为AI对话天然是因果推进的——后一句话的理解，依赖于前面所有内容的积累。不可变结构，完美契合了这种单向流动的特性。

更炫技的是这套存储的层级设计：

• 最高频调用的实时数据（当前正在计算的上下文）住在GPU的HBM（高带宽内存）里，这里是寸土寸金的"黄金地段"；
• 次高频的中间态数据（刚完成的对话轮次）被迅速转移到CPU的DRAM，进行中转暂存；
• 低频沉淀的历史数据则被推入SSD或网络存储池，等待被召唤。

（KV 数据块在存储和工作内存中移动）

这套动态分级，让昂贵的HBM永远只服务于"正在赚钱的数据"，而不是白白浪费在存档上。

报告引用SemiAnalysis AgentX数据集的真实追踪数据显示，智能体对话过程中上下文的增长速度极快，但也会因压缩等模型行为产生大幅波动。边界模型供应商的领先AI公司被观察到正在反复压缩上下文以维持在百万Token限制之内。

在成本结构上，报告明确指出，HBM比DDR内存贵出数倍且供应受限，频繁复用的通用数据块（如系统提示）应保留在共享CPU内存或近端缓存设备中，而非占用昂贵的HBM资源。

（通过 MoE 预填充层的流程）

中间填充（Midfill）在智能体工作流中日益重要。它在已有的长缓存前缀基础上追加少量新token——前缀可能已达数十万token，而新输入仅有数百至数千token。这一阶段兼具解码阶段的大规模KV状态读取和预填充阶段的权重复用特性，算术强度可达单token解码的数百倍，但缓存状态的流量也远超同等规模的初始预填充。

（Midfill 将解码的缓存状态读取与足够的新标记相结合，以批量处理模型和专家工作）

解码注意力是生成回答token的核心环节，每次前向传播仅处理一个或少数几个token。随着上下文长度增长，注意力读取的数据量甚至可以超过模型权重本身的大小——在长上下文场景下，注意力是现代解码过程中最重的内存操作之一，尽管大多数模型参数实际上位于专家层。

（通过一个 MoE 解码层的流程）

解码专家（Decode Experts）是MoE架构特有的环节。路由器根据当前token的激活值，从庞大的专家库中选取少数几个专家执行计算。专家权重不携带任何查询历史，仅依赖当前激活，这使其可以在更广泛的GPU范围内分布部署。

这四道工序的神奇之处在于：它们对硬件的需求截然不同。

预填充是计算密集型的，中间填充是计算与内存的双重考验，而解码则几乎完全被内存带宽所主宰。把它们混为一谈，就像让短跑运动员和马拉松选手用同一套训练方案，必然是一场浪费。

报告专门辟节讨论内存带宽与内存容量的经济权衡，得出一个对硬件设计和采购决策具有反直觉意义的结论：在许多推理场景下，带宽比容量更能创造收益。

数据在被处理时创造收益，在内存中闲置时只产生成本。一块内存吞吐极高的加速器，即便容量较小，其生成token的速率也可能超过低带宽高容量配置。

在达到"够用"的容量门槛之前，每增加一份内存都能显著提升收益；越过这个门槛后，曲线逐渐走平，继续堆容量的边际效益越来越低，最终可能变成一种浪费。

（每台机器的收入与本地快速内存容量的关系）

报告给出了一个2027年的实用设计基准：以每token约70KB的KV状态、200万token的聚合活跃上下文计算，单个流水线阶段的KV状态需求约为140GB，加入双缓冲后接近280GB；再叠加模型权重、激活值、路由表和运行余量，单阶段约需400至500GB的本地快速内存。

这一基准同时说明，加速器HBM（高带宽内存）的最优用途是承载当前正在赚取收益的活跃批次数据。已完成处理的KV数据块应及时迁移至CPU DRAM，再转入更廉价的网络附加存储。将昂贵的HBM用于存储闲置上下文，是对稀缺资源的低效使用。

即便硬件配置完善，推理服务的实际效率在很大程度上取决于调度层的设计质量。报告特别警告了一种在大规模推理集群中容易出现的系统性风险：延迟反馈震荡（retirement-gated oscillation）

首先要承认一个现实，预填充和中间填充是可预测的，只要知道输入长度和缓存大小，处理时间就能被精确估算。但解码是随机的，没有人知道模型什么时候会输出终止符号，一个回答可能3句话结束，也可能写出一篇论文。

这种不对称，给调度系统带来了巨大挑战。如果解码速度变慢（比如某个超长回答还没写完），后续的Prefill请求就会积压，整个流水线开始拥堵。

更糟糕的是，一旦出现延迟，系统可能过度补偿，突然放入大量新任务，导致新一轮拥堵。这是经典的延迟反馈震荡，就像交通信号灯控制失当时的道路潮汐现象。

工程师们的解法充满智慧：

• 在各个阶段之间设置"就绪缓冲区"，让预填充完成的结果先在缓冲区等待，而不是直接堵在解码入口；
• 平滑化入场控制，不根据单次请求的完成情况来决定下一批任务的数量，而是观察整体积压趋势；
• 分层控制时间尺度：微秒级的硬件调度、毫秒级的Token流控制、秒级的缓冲管理、分钟级的工作节点重配置。绝对不能让慢变量去追快噪声。

（从延迟反馈震荡到稳定流动）

值得注意的是，高交互性和高利用率并不天然矛盾。只要调度系统足够聪明，完全可以在保持每个用户低延迟体验的同时，让机器整体保持高负荷运转。

关键在于，调度器要有足够的"视野"和足够快的"反应速度"。

在推理系统的架构设计上，目前存在两种主流哲学的激烈交锋。

分离式（Disaggregated）架构主张让不同类型的工作节点各司其职：专门为Prefill优化的机器，专门为Decode优化的机器，各自配置最适合自己工作模式的硬件。

Prefill机器可以更注重计算力，Decode机器可以更注重内存带宽。任务来了，调度器决定送到哪台机器，完成后搬走KV缓存，交接给下一台。

聚合式（Aggregated）架构则主张一次对话的整个处理过程，尽量在同一台机器上完成。好处是显而易见的，不需要在不同机器之间搬运动辄几十GB的KV缓存，没有网络传输的延迟和开销，专家层可以天然共享，调度器的决策也简单得多。

聚合式的软肋同样明显，一台机器需要同时擅长高强度计算（服务Prefill）和高带宽内存访问（服务Decode），而这两种能力在硬件设计上往往存在取舍。

如果一台机器在其中某方面有短板，它就会在对应的工作模式下"跑不满"，白白浪费算力。

这场辩论的结论，取决于你能否造出那块"全能明星芯片"。 如果未来某款加速器能同时拥有极高的计算密度和极高的内存带宽，聚合式架构将获得压倒性优势。否则，分离式架构仍然是在现有硬件条件下最务实的选择。

报告通过SemiAnalysis推理模拟器，对Kimi K3模型在B200、B300与GB200系统上采用16至64块GPU的不同配置进行了性能投影，覆盖交互延迟、吞吐量、能耗与内存占用四个维度。需要说明的是，这些均为工作负载与硬件的模拟预测，并非实测基准数据。

在解码阶段，GB200在延迟-吞吐权衡曲线的大部分区间表现领先，B200和B300亦提供具竞争力的配置点。最低延迟配置通常结合流水线与张量并行；而吞吐量导向的配置则倾向于每GPU单个注意力实例，不采用张量或流水线并行，同时保持尽可能宽的专家并行度。

（解码、中间填充和预填充的预计交互性和吞吐量边界。来源：SemiAnalysis 推理模拟器）

在中间填充阶段（127k缓存输入Token加1k新Token追加），GB200凭借NVL72架构将扩展带宽延伸至整个机架，在低首Token延迟区间领先；B300在吞吐量导向端追平差距。B200与B300通常采用PP=4配置，将专家全对全通信限制在节点内部的NVLink网络。

内存占用方面，投影结果显示大多数前沿配置的每GPU HBM峰值驻留量维持在80GB以下，支持了报告的核心论点：相较于最大化每块加速器的HBM容量，带宽管理与存储编排往往具有更高的经济价值。

（模拟边界上每个 GPU 的 HBM 峰值驻留时间预测。来源：SemiAnalysis 推理模拟器）

能耗分析方面，解码阶段因每个查询需约1000次模型前向传播而成为最大能耗来源；中间填充阶段因仅需对现有长上下文追加短序列，反而是能耗最低的模式。

（ 相同解码、中间填充和预填充边界下每次查询的预计能量。来源：SemiAnalysis 推理模拟器）

本文来自华尔街见闻，欢迎下载APP查看更多

9月21日，据追风交易台消息，摩根士丹利最新研报显示，随着机架式AI架构加速普及，美国数据中心面临的电力缺口远比市场预期严峻。该行预计2026至2028年，美国数据中心累计电力需求达97吉瓦（GW）。扣除在建数据中心贡献的21吉瓦及可用电网容量19吉瓦后，电力缺口在引入任何解决方案之前已高达57吉瓦——较此前估算的38吉瓦扩大约50%。

即便将天然气涡轮机、Bloom Energy燃料电池、核电站配套项目等“快速通电”方案纳入计算，净缺口中值仍达33吉瓦，占同期美国数据中心电力需求的34%。该行将其形象地描述为：“我们短缺的电力，相当于六个纽约市的基础用电量（约5至6GW）。”

机架架构升级，是缺口扩大的直接推手

此次电力缺口大幅上修，核心原因在于AI芯片部署方式的根本性转变。

行业正从以8块GPU为单位的服务器架构，迁移至以72块GPU为单位的机架式架构（NVL72）。这一转变不仅是芯片数量的变化，更是整个系统功耗逻辑的重构——每个机架还需集成高速互联、内存、液冷、电源管理等组件，功耗远超单纯的芯片叠加。

摩根士丹利分析师据此大幅上调功耗假设：

• Vera Rubin：单机架IT功耗从149千瓦上调至234千瓦

• Rubin Ultra：从415千瓦上调至600千瓦

• Feynman：上调至1100千瓦

这一变化使2027年和2028年的美国电力需求预测分别较旧模型上调38%和69%。摩根士丹利将2027年定义为机架架构的“拐点”——届时行业将从优化单颗芯片，全面转向优化整套计算系统。

“快速通电”能填多少缺口

为缩小缺口，摩根士丹利分析师纳入了多项“快速通电”方案，包括表后发电设备、Bloom Energy燃料电池、在运行中核电站附近建设数据中心等。

在基准情景中，分析师对这些方案的概率加权供电贡献估计为24GW，由此将2026—2028年的缺口从57GW降至33GW。

具体看：

• 新增表后燃气轮机及往复式发动机，可贡献19GW；

• Bloom Energy燃料电池，可贡献6GW；

• 在运营核电站附近部署数据中心，可贡献3GW；

• 部分加密货币矿场改造项目被计入在建数据中心或新增表后发电方案，未作为额外减项重复计算。

报告给出的低、中、高情景显示，2026—2028年的净缺口分别为42GW、33GW和0GW；其中，33GW被列为分析师认为“最可能出现”的结果，对应同期美国数据中心部署电力需求的34%。

分析师同时提示，此次净缺口上升还与模型口径调整有关：报告不再将Powered Shell Provider（已具备接电条件、可建设数据中心外壳的项目）重复计入“快速通电”减项，因为这些项目已被纳入在建数据中心、电网接入或表后发电的计算中。

“快速通电”的经济价值：提前一年，价值几何

根据摩根士丹利的模型，提前一年获得电力，创造的价值相当于约4.5美元/瓦，是年度电力成本的5.9倍。

原因直接：数十亿美元的硬件若无法通电，便是闲置资产；推迟通电，意味着推迟算力收入，也意味着错过当代芯片的竞争窗口。

研报指出：“AI玩家争夺电力的紧迫程度，远超市场认知。任何能在2027至2028年为数据中心开发商提供电力的'快速通电'供应商，都将能够签署极具吸引力的合同。”

已转型为“供电壳”提供商（PSP）的前比特币矿企，正是这一逻辑的直接受益者。这类公司以10至12美元/瓦的成本建设数据中心“供电壳”，签署15至25年固定价格合同，无杠杆自由现金流收益率达15%至19%。摩根士丹利测算，在15倍EV/EBITDA估值下，每吉瓦净价值创造可达15.5亿美元，是可再生能源PPA模式的约15倍。

2026年迄今，PSP交易数量已超过2025年全年。

电网接入之外，现场供电和已通电场地受到关注

在57GW原始缺口和33GW中性情景净缺口的背景下，分析师将能够缩短通电周期的方案归为关键缓解路径。

报告提及，现场发电可绕开“通常漫长且存在不确定性”的电网并网流程；燃料电池可在电网接入完成前提供现场电力；具备现成电网接入条件的已通电场地，则可被改造为高性能计算数据中心。

分析师预计，未来数月将出现更多表后发电交易，尤其集中于得州西部。同时，拥有电网接入资源的场地提供方，也可能通过建设并出租高性能计算数据中心来实现容量转化。

分析师还预计，受美国电力缺口影响，超大规模云厂商及其他AI参与者可能加大在海外布局数据中心的力度，北欧、伊比利亚半岛、澳大利亚、东盟和印度等市场或承接更多增量需求。

报告认为，随着高密度机架在2027年后加速部署，数据中心的首要问题将从“是否有足够机房空间”，进一步转向“能否为每个机架提供足够的电力和冷却能力”。

本文来自华尔街见闻，欢迎下载APP查看更多

9月20日，黑石集团（Blackstone）总裁兼首席运营官Jon Gray在面向100多位全球顶级投资者的闭门演示中，首次全方位披露了黑石内部关于人工智能（AI）投资的专有数据与核心逻辑。

面对市场上关于“巨额AI资本支出能否为投资者带来回报”的深刻怀疑，Jon Gray借用了一则经典的超级碗广告词——“牛肉在哪儿？（Where’s the Beef?）”，直击当前AI投资的核心痛点。他明确指出，AI部署已经转化为企业实实在在的生产力提升和收入增长，而由此引发的需求正与现实世界的基础设施瓶颈发生剧烈碰撞。

“1870年的拂晓时刻”：与过往工业革命的同与不同

回顾历史，Jon Gray将当前的宏观环境类比为19世纪后期的美国。

“我认为我们今天所处的境况更接近1870年，一场重大的工业革命即将到来。”Gray指出，在1870年到1900年的30年间，伴随着钢铁、铁路和电力的普及，美国年劳动生产率翻了一番，GDP增长了四倍，股市上涨了七倍。“我并不是说今天也会发生同样的事情，但这确实展现了技术变革和创新的力量。”

然而，与当时铁路公司因“高杠杆超前建设”导致200家企业破产的惨痛教训不同，如今的AI基础设施建设呈现出完全相反的供需格局。“今天的情况截然不同——需求远远超过供应，无论是能源还是数据中心，大部分已签订的合同都与杠杆率极低的公司签订。”

千亿营收与万亿估值：“牛肉”来自明确的投资回报

针对市场最关心的“资本支出是否只是一堆循环融资”的担忧，Gray用一系列极具冲击力的数据证明了“牛肉”的真实存在：

• 大模型收入井喷： 像Anthropic和OpenAI这样的大型模型公司，收入在短时间内增长了100倍。截至2025年7月，它们的年化收入已经达到惊人的1050亿美元。在此推动下，这两家公司的合计估值从6830亿美元飙升至超过2.3万亿美元。
• 企业端变现加速： 黑石投资组合中的14家AI相关公司，年化收入从去年9月的2500万美元暴增21倍，达到5.25亿美元。
• 宏观生产力跃升： 过去十年美国年生产率增长率平均为1.5%，而过去两年半已达到2.6%。标普500指数成分股公司和黑石投资组合公司的EBITDA利润率在过去四年中分别提高了500到700个基点。

Gray直言不讳地指出：“过去12个月（标普）平均盈利增长率为15%，即使剔除一次性收益也达到了32%。毫无疑问，随着这项技术在经济中的普及，它将产生巨大的影响。”

现实世界的“硬短缺”：算力、芯片与电力的超级周期

当技术走出办公桌，应用于机器人、自动驾驶等更广阔的实体领域时，真正的障碍开始显现。Gray强调：“真正的障碍在于现实世界，在于芯片、电力和数据中心。”

为满足激增的计算需求，全球超大型数据中心企业正掀起前所未有的资本开支狂潮。数据显示，五家超大规模数据中心公司的资本支出今年翻了一番，达到8200亿美元，相当于美国GDP的2.5%。黑石自身的数据中心租赁量也从2024年的1吉瓦暴增至今年的预计6吉瓦，对应近1000亿美元的资本支出。

面对如此庞大的投资，市场不可避免地产生了“泡沫”担忧。但Gray以存储芯片巨头SK海力士为例进行了强有力的反驳：“SK海力士目前的市盈率仅为4倍，这可不是2000年思科市盈率高达150倍的时候。人们对当前形势仍然抱有很大的怀疑。”

除了数据中心和芯片，电力瓶颈同样严峻。建造每吉瓦电力需要高达550亿美元的巨额资金，而订购一台通用电气的涡轮机甚至需要排队等到2031年。正是这种资本密集型和极高的进入壁垒，构成了黑石重金布局底层基础设施的逻辑。

“真正的‘核心’是什么？就是芯片、数据中心和电力。而在这之上，真正的核心是投资回报。”Gray总结道。

不可忽视的风险与“不惧AI”的稀缺资产

在拥抱AI浪潮的同时，Gray也保持了客观的风险警觉。他警告称，估值过高是一个切实的问题，“那些刚刚起步、没有收入的公司估值却高达100亿美元，一些国防科技公司的估值也高得惊人，这些都需要密切关注。”此外，网络安全、监管对技术前沿的潜在压制以及地缘政治紧张局势，都是悬在市场头顶的风险。

有趣的是，在AI重塑一切的背景下，黑石并未完全将目光局限于科技领域。Gray特别提到了“稀缺资产”的投资价值——从拥有14亿人口市场的印度板球队，到特色咖啡连锁店，再到海滨房产和罗马机场。“人工智能无法取代板球，这些体验不会消失，这些资产是不可替代的。”

以下是讲话文字稿

Jon Gray00:02

我喜欢这首歌。这是 2024 年黑石集团的假日视频，2026 年的视频也即将发布。我很高兴各位从世界各地来到这里，非常感谢。如果没有在座各位的支持，我们也不会有今天的成就，我们永远感激你们。谢谢大家。

Jon Gray00:27

现在我们想谈谈，您在考虑投资巨额资金时最关心的几个问题。我认为最好先从最重要的问题入手——如何成为一名全球金融健身领域的意见领袖。

Jon Gray00:49

这对我来说非常重要。我这里有五点建议。

第一，你需要大量出汗。幸运的是，我天生就会出汗，但这能让你显得非常真实。

第二，你需要抬高镜头角度。我的女儿们总是提醒我，否则就会露出可怕的双下巴。

第三，毫不掩饰地展示你的品牌。你想感觉自己像个纳斯卡赛车手吗？那就给你一个 logo，你很重要。

第四，要有那种傻老爸的气质。完美！再加上五个表情符号，这能展现出满满的热情，让拍摄充满乐趣。

好了，搞定这些，让我们开始正题吧。

Jon Gray01:38

今天上午我们打算尝试解答四个问题。

第一，自从我们大多数人去年齐聚一堂以来，发生了什么？

第二，我们能从过去，特别是遥远的过去中学到什么？

第三，我们今天身处何方？

第四，我们要去往何方，未来将会发生什么？

Jon Gray02:02

我们当然要从人工智能（AI）这两个字母的角度来探讨这个问题。这并不意味着我们不重视乌克兰和中东的地缘政治局势——这些局势推高了大宗商品价格，导致通货膨胀和短期利率上升，正如我们昨天所看到的。人们担忧赤字，长期利率，所有这些对我们投资者来说都很重要。但是，当我们思考最终什么会驱动投资组合的价值、思考经济正在发生什么以及未来会发生什么时，我们必须考虑这两个字母。

所以，我想回到一年前，也就是 2025 年 9 月 17 日，我们当时在这个房间里。我们当时在想些什么？

Jon Gray02:53

我们热情的主要原因是什么？最主要的，是人工智能。我们风格一年来变化不大。

Jon Gray03:12

当我们回顾过去一年或两年的人工智能发展历程时，以谷歌代币为例，其交易量从 2024 年几乎为零，增长到如今每月 480 万亿枚代币。到了 2026 年 5 月，交易量已经达到了 3.2 千万亿枚代币——这是我为了这次演讲新学的词。到了 9 月份，这些数字显然还会更高。

Jon Gray03:41

像 Anthropic 和 OpenAI 这样的大型模型公司，几年前几乎没有收入，到 2025 年 7 月，收入增长了 100 倍。截至 7 月，它们的年化收入已经达到 1050 亿美元。这在人类历史上是前所未有的。

Jon Gray04:03

黑石集团通过投资组合公司拥有一个绝佳的视角。这些数据来自我们的投资组合公司、普通合伙人持股的投资组合公司以及我们的借款人。去年 9 月，这 14 家公司的年化收入为 2500 万美元，如今增长了 21 倍，年化收入达到 5.25 亿美元。这就是市场正在发生的事情，因为这些公司获得了非凡的投资回报。

显然，这会影响估值。我们很幸运投资了这两家公司，它们去年 9 月的估值为 6830 亿美元，如今估计合计超过 2.3 万亿美元。随着它们开始上市，其强大的收入模式正在推动估值增长。

Jon Gray05:05

我们去年还讨论了很多：不仅仅是模型和技术，还有实现这些模型和技术所需的基础设施。全球资本支出增长了六倍，明年这些数字还会更大。去年，五家超大规模数据中心公司的资本支出为 4150 亿美元，今年这个数字翻了一番，达到 8200 亿美元，相当于美国 GDP 的 2.5%。

不仅仅是超大规模数据中心，我们也积极参与数据中心租赁。我们拥有全球最大的平台，2024 年租赁了 1 吉瓦，2025 年租赁了 2 吉瓦，今年预计至少租赁 6 吉瓦，相当于近 1000 亿美元的资本支出，租户们还将投入数千亿美元的芯片。

遗憾的是，我们没有投资存储芯片公司。美光、SK 海力士，这三家该领域的领军企业，股价分别上涨了 600% 和 500%。当你看到这样的图表时，作为投资者，第一反应是：这感觉像个泡沫。但 SK 海力士目前的市盈率仅为 4 倍，这可不是 2000 年思科市盈率高达 150 倍的时候。人们对当前形势仍然抱有很大的怀疑。

去年，我们投入了大量资金用于 GPU 和 TPU 的融资，与英伟达和博通建立了合作关系，在新型云计算领域大举投资，与谷歌成立了一家合资企业。通过 Crux 公司，我们与 Firmus 在澳大利亚、NASA 和印度以及全球众多数据中心公司进行了投资。我们认为，对计算能力的强劲需求将继续带来丰厚回报。

不仅仅是数据中心，电力也越来越重要。去年我们谈到了电力对未来的关键作用。过去五年，公用事业资本支出高达 8000 亿美元，预计未来五年将几乎翻一番。我这周去了加拿大，他们正在讨论投入数千亿美元来扩建和升级电网，这种情况将在全球范围内发生。

这里的股票反应不如存储芯片公司那么剧烈，但电力行业曾经是一个非常乏味的行业，而现在，生产涡轮机、冷却设备和电气设备的公司股价一年内上涨了 44% 到 81%。幸运的是，我们在这个领域同样投入了大量资金——我们向 Sempra Infrastructure 提供了巨额信贷，用于资助一个大型液化天然气项目；投资了能源数据分析公司 Enverus；投资了 Williams，用于建设公用事业公司，以建造发电厂和数据中心，他们正在建设麦克莱恩项目；还投资了欧洲的电气设备、欧洲风能和太阳能技术公司、可再生能源公司。在能源转型和基础设施业务方面，我们投入了巨资。

所有这些与人工智能相关的投资，带来了怎样的回报呢？我们分析了今年第二季度全公司收益最高的十项投资，其中九项都集中在人工智能领域，包括一些行业标杆企业，只有印度的 Aster Care 医院是例外。预计第三季度的情况会非常相似。

Jon Gray07:30

那么，我们能从过去，特别是遥远的过去学到什么呢？我想把时间拨回到 1870 年 9 月 17 日。当时大多数美国人都生活在农场里，这是美国内战后的时期，几乎所有的建筑都是木制的。如果要去邻镇看望家人，当然是骑马；如果晚上要阅读，就要点上蜡烛。

仅仅 30 年后，一切就发生了翻天覆地的变化。到了 1900 年，建筑很多都是钢铁建造的；去看望家人可以选择乘坐火车，路上也开始出现汽车；多亏了托马斯·爱迪生，人们可以在灯光下阅读。

我认为我们今天所处的境况更接近 1870 年，一场重大的工业革命即将到来。从 1870 年到 1900 年这段时间，经济上发生了什么？年劳动生产率翻了一番，GDP 增长了四倍，实际制造业增长了六倍，股市上涨了七倍。我并不是说今天也会发生同样的事情，但这确实展现了技术变革和创新的力量，以及它们最终对经济和投资的意义。

但即便在繁荣时期，也难免会有衰退。当时支撑这一切的关键基础设施是铁路，在那段时间里，有 200 家铁路公司破产或资不抵债。这是一个警示故事。当时，他们以高杠杆率提前建设供应，远超需求，这与后来的电信基础设施建设非常相似。而今天，情况截然不同——需求远远超过供应，无论是能源还是数据中心，大部分已签订的合同都与杠杆率极低的公司签订。这并不意味着不会出现问题，但情况已经发生了变化。

Jon Gray13:00

现在把时间快进到 84 年后。1984 年 1 月 22 日，我即将迎来 14 岁生日，在伊利诺伊州高地公园的榆树广场初中，观看乔·泰斯曼执教的华盛顿红皮队对阵马库斯·艾伦率领的奥克兰突袭者队的比赛。比赛没什么看头，比分是 38 比 9。不过亮点是两则广告。

Jon Gray14:10

第一则就是史蒂夫·乔布斯 1984 年那则著名的广告："1 月 24 日，苹果公司将推出 Macintosh 电脑，届时你就会明白为什么 1984 年不会再像《1984》那样了。"

这则广告极具预见性——它讲的是计算机应该普及化。你不应该必须使用 Cobalt 操作系统，也不应该必须用 MS-DOS 和那些繁琐的命令，你应该只需点击一下鼠标，就能拥有触手可及的强大计算能力。

Jon Gray14:50

如果你思考今天的比喻，我们现在讨论的是全世界每个人都能获得智慧——即使你身处世界上最小的村庄，也能接触到世界上最杰出的头脑，而无需身处英国剑桥或美国马萨诸塞州剑桥。这是一个非常有力的信息。

Jon Gray15:09

但我认为，今天讨论中最相关的话题，是同一场超级碗比赛中克拉拉·佩勒（Clara Peller）提出的问题。这位 81 岁的老人看着一个巨大蓬松的面包，提出了一个非常重要的问题：牛肉在哪儿？

这正是我们面临的问题——我们正在投入数万亿美元的资本支出，这到底是怎么回事？它真的有意义吗？还是只是一堆循环融资，人们最终会损失所有这些钱？

Jon Gray15:49

这就是我们试图解答的问题。我想回到我们目前的状况，以及我对所有这些投资充满信心的原因。这一切都始于我们公司内部正在发生的事情：人工智能的应用案例正在迅速扩展，几乎无处不在。

例如流程改进方面，印度的 IGI 钻石分级系统，以及我们合作的移动通信塔公司 Phoenix Tower，该公司现在处理租赁的速度提高了五倍，他们投资了 400 万美元开发新的人工智能流程，每年因此获得 450 万美元的收益，软件工程的年回报率超过 100%。我们合作的几乎所有公司都从中受益。Enverus 有了一个新的代码修复流程，他们在示范公司投入的资金获得了 18 倍的回报——这就是为什么投资持续增长的原因。

在客户服务方面，Tricon 是一家租赁住房公司，它可以将申请处理速度提高 90%。内容创作、广告、设计、效果图制作，这些领域同样无处不在。

Jon Gray17:06

但这不仅仅关乎生产力。我们投资组合公司 Chamberlain 是一家车库门开启设备公司，他们发布了支持人脸识别的 Myq Secure View 三合一智能锁。几年前，他们发现可以利用人工智能可视化技术，业务拓展到前门以及用于亚马逊包裹的车库门。如今，他们的年化收入已达 4050 万美元，CEO 预计未来五年内年化收入将达到 5 亿美元。随着时间的推移，我们将看到越来越多类似的案例。

在法律和合规领域，营销审查的效率提高了 50%。软件开发领域，我个人最喜欢的是首席信息官（CIO）和投资组合智能代理——我们看到时间缩短了 99%。

现在，这些优势也开始体现在数据上。美国年生产率增长率过去十年平均为 1.5%，而过去两年半已达到 2.6%。超大规模数据中心企业是这一趋势的先锋，过去三年半他们的员工人均收入增长了 65%，利润率也在上升。标普 500 指数成分股公司和我们投资组合公司的 EBITDA 利润率在过去四年中分别提高了 500 到 700 个基点。

这带来了非常强劲的盈利增长。过去 12 个月的平均增长率为 15%，即使剔除一次性收益，也达到了 32%。毫无疑问，随着这项技术在经济中的普及，它将产生巨大的影响。

Jon Gray19:42

现在，一切都将发生改变。目前，这些技术大多还停留在我们的办公桌上。但随着这些技术离开办公桌，应用于机器人、自动驾驶汽车、国家安全等各种实际场景，对计算能力的需求将越来越大，生产力也将不断提升。

以无人驾驶汽车公司 Waymo 为例，过去两年半，其行驶里程增长了 250 倍，而严重事故率降低了 94%。这种趋势将会持续下去，并产生深远的影响。

Jon Gray20:32

关于人工智能对我们生活的影响，挑战在所难免，社会也必将经历转型。但探讨一些真正的积极影响同样有意义。

其中之一就是就业增长。在我们的数据中心公司 QTS，蓝领工作岗位正在蓬勃发展，不到两年时间，工地的建筑工人数量就增长了两倍。尽管人工智能提高了生产力，但我们公司的整体就业人数仍在增长，过去十年里，新的商业应用数量翻了一番，现在创办公司也容易多了。

Jon Gray21:10

这项技术最令人兴奋的地方在于科学。发表在《自然》杂志上的一项研究表明，由于人工智能发现的药物，一期临床试验的成功率显著提高。人工智能在化学领域无疑更胜一筹；在生物学方面仍需改进，但前景可期。麦肯锡最近的一项研究显示，通过人工智能优化，可将一项试验的时长缩短 40%。我们投资组合公司 Vara 也在这个领域做着同样的事情。对我们所有人来说，最令人兴奋的莫过于此：人工智能将如何长期改善我们的健康。

Jon Gray22:02

鉴于这一切正在发生，我们该何去何从？我们有三个基本信念。

第一，这些应用场景将会激增，这将极大地提高生产力——不仅发生在医疗和法律领域，也发生在现实世界。随着生产力的提高，人们会越来越多地使用人工智能，这将推动智能需求的指数级增长。我们认为这种情况还会继续下去。而真正的障碍在于现实世界，在于芯片、电力和数据中心。

Jon Gray22:45

为什么会面临这样的挑战？我现在就站在一个数据中心、一个人工智能工厂的工地上，这里面临着一系列切实的挑战。

首先是权益问题，社区对此感到担忧。不幸的是，有很多误解——建造数据中心几乎不需要用水，你可以为社区带来益处，可以利用新能源降低电力成本。但人们的担忧仍然会拖慢项目进度，比如项目暂停，我们在纽约州就看到了这种情况。

其次是电力建设的难度，比如从通用电气Vernova公司获得一台涡轮机，需要排队等到 2031 年。

在芯片供应方面，超大规模数据中心在五年内将其容量上限提高了九倍，而芯片公司的产能甚至没有翻一番。芯片公司所处的行业本身是周期性的，他们一直犹豫不决，导致芯片严重短缺。

还有一个真正与我们息息相关的问题是，这些人工智能工厂，包括电力、数据中心和芯片本身，都需要巨额资金——每吉瓦电力需要 550 亿美元。黑石集团拥有独特的规模优势，能够了解现状并调动所需资源。

现在，我们回顾去年最让我们夜不能寐的事情：低估技术颠覆性创新的风险。

去年，这种情况体现在股市上——专业服务、软件和信息服务公司的股价下跌。在很多情况下，它们的基本业务状况良好，但由于市场参与者担心这些公司未来的发展前景，不确定性大大增加，估值倍数被压缩。这种情况也发生在私募市场，软件交易下降了 66%，大型交易的跌幅还会更大。

但并非所有公司都会面临同样的结果。25 年前面临亚马逊冲击的六家零售商是个很好的例子：Kmart、Sears 和 Toys R Us 最终被历史淘汰，而沃尔玛、Costco 和 TJ Maxx 则成功生存了下来。它们拥有独特的价值主张，成功渡过了这场风暴。

在白领企业中也会出现类似的动态。有些公司拥有至关重要的记录系统，管理团队将关注点从席位转向结果，最终取得了更好的业绩。而在此期间，由于不确定性，部分公司的估值倍数可能会较低。

Jon Gray26:23

这个世界上还有一些与科技无关的赢家，我们姑且称之为稀缺资产。我们投资了印度的一支板球队——印度有 14 亿人口，板球是他们最喜欢的运动，目前只有 10 支球队，人工智能也无法取代板球。我们还有一家很棒的咖啡连锁店 7 Brew，他们的招牌饮品是金发女郎咖啡，人们仍然需要这些产品，仍然会喜欢它们。

Jon Gray26:55

海滨房产可能是最佳投资领域之一。虽然没人喜欢房地产，估值倍数也很低，但这些体验不会消失，这些资产是不可替代的。或者像罗马机场那样的基础设施，同样至关重要。

那么，最大的风险是什么？

首先是网络安全。金融机构的关键基础设施一旦出现问题，很可能会引发政治动荡，不仅在美国，也会波及全球。

其次，如果监管措施减缓了技术前沿的发展，并不会改变技术扩散的必然趋势，因为如今的技术已经非常强大。技术的不断发展是一个非常重要的风险。比如太空数据中心，以及手机上的边缘计算，这些都有可能发生。但考虑到需求曲线，这有点像电力——你需要核能、天然气和可再生能源并行发展。目前地面数据中心仍然非常重要。

第三是地缘政治紧张局势。第四是估值过高的问题。那些刚刚起步、没有收入的公司估值却高达 100 亿美元，一些国防科技公司的估值也高得惊人，这些都需要密切关注。

这就是我们每天在进行投资时都在讨论的问题，也是为什么我们专注于技术栈最底层——计算——的原因之一，因为我们对这部分最有信心。

那么，真正的"核心"是什么？就是芯片、数据中心和电力。而在这之上，真正的核心是投资回报。我们将继续看到应用场景的增加、需求的持续增长，而这正是这项巨额投资的合理性所在。

最后，我们依然用那张"北极星"幻灯片来结束——我们常说的"一切都关乎回报"。自从 Pete 和 Steve 40 年前创立这家公司以来，我们始终致力于为客户创造价值。Steve 每天都在提醒我们这一点。这就是我们撰写备忘录的原因，这就是我们周末阅读备忘录的原因，这就是我们花费大量时间思考世界将走向何方的原因。

感恩是永恒的价值观。我们对在座的各位都充满感激。希望你今天余下的时间过得愉快，再次感谢。

本文来自华尔街见闻，欢迎下载APP查看更多

9月21日，纳指100单日收涨约2.83%，重新站上3万点，创6月以来新高。但高盛交易台分析师Peter Callahan指出这是一次“安静的暴涨”——成交活跃度只有3分（满分10分），S&P等权重指数仅涨约18个基点，涨幅高度集中于大市值科技股。

这是我记忆中少有的一次“安静的”约3%纳指涨幅。

Muse类产品的爆发，直接打开了CPU芯片的新需求空间。Arm Holdings当日涨超15%，英特尔涨逾12%，AMD涨近10%。

与此同时，信用市场与股市出现背离，投资级CDS利差扩至五个月最高，信用市场对本轮乐观情绪持保留态度；下周美光财报被视为AI基础设施交易能否持续的关键验证节点。

Muse：从聊天机器人到“帮你干活”的智能体

这一切的导火索，是Meta的消费级AI智能体Muse。

Muse于9月8日上线，定位与传统对话式AI截然不同——它能自主执行多步骤任务，包括预订行程、管理日历、代为完成电商购物，在后台持续运行，而非等待用户指令。

Wells Fargo分析师Ken Gawrelski在给客户的报告中援引SensorTower数据指出：

• Muse在9月19日单日下载量达26.4万次，连续第三天突破20万

• 上线第10天，日活跃用户峰值达44.8万

• 对比：ChatGPT达到20万日下载量用了近一年，达到45万日活跃用户用了49天

Ken Gawrelski将Meta目标价从640美元上调至796美元，维持“增持”评级，并写道：“Muse标志着消费级AI从聊天机器人向AI助手的转变，而谁先到市场，谁就占优——因为AI助手用得越多，就越有价值。”

高盛交易台的Rich Privorotsky则直接点出Muse的战略意义：

Meta基本上建立了一个直接面向消费者的智能体工厂——购物、通话、订阅、行政事务，越来越多地代替你行动。最终状态很清晰：每个人都有几十个智能体帮你买菜、付账单、订假期、安排孩子上学。你的生产力变成了你加上你的智能体团队。这是巨大的效率释放，也是巨大的算力乘数。

Meta当日股价涨幅约11%至12%，创2025年10月以来新高。

为什么是CPU，不只是GPU

与此同时，芯片股的涨幅结构，揭示了市场对AI架构转变的押注逻辑。

9月21日，Arm Holdings单日涨超15%，英特尔涨逾12%，AMD涨近10%——这三家都是CPU领域的核心玩家，而非传统AI算力叙事中的主角英伟达。

据市场情报机构Vital Knowledge的分析：早期生成式AI主要依赖GPU处理孤立的文本和图像生成任务；而AI智能体需要持续运行后台程序、逻辑循环和本地数据调度，这使得智能体AI对CPU的需求远高于GPU密集型工作负载。

换句话说，Muse类产品的爆发，直接打开了CPU芯片的新需求空间。

AMD当日市值首次触及1万亿美元门槛，超越摩根大通，与礼来、伯克希尔哈撒韦并肩。高盛TMT交易台的Peter Callahan在快报中特别提及：“如果AMD未来超越这两家，标普500前十大公司将全部是TMT公司，且市值均超过1万亿美元。”

此外，据报道，OpenAI正在加速开发类似Muse的消费级智能体产品，行业军备竞赛的预期进一步推高了市场对整个CPU/云计算产业链的估值。

“安静的暴涨”：涨幅集中，市场内部高度分化

高盛TMT交易台分析师Peter Callahan的快报用一句话定性了这次行情：“纳指重返3万点，但这是我记忆中少有的一次安静的约3%涨幅。”

当日数据显示：

• 标普500等权重指数当日仅涨约18个基点，而标普500本身涨幅约130个基点——两者差距位列过去5年以上的单日前五

• 半导体指数SOX在5个交易日内累计涨幅接近12%，为2025年8月初反弹以来最强5日表现

• 期权活跃度创近一个月新高，AMD和英特尔单日看涨期权成交量均超过100万张，接近年内高点

据媒体报道，有人在开盘时大举买入科技相关看涨期权，触发了“现货涨、波动率也涨”的罕见组合——这通常是期权驱动行情的典型特征，而非基本面驱动的稳健上涨。

高盛交易台同日记录显示，当日整体买卖方向基本均衡，多头基金（LO）在通信服务和信息技术方向净买入，对冲基金（HF）在通信服务、金融和消费可选方向净买入，但整体活跃度依然偏低。

投资者将信将疑：基本面扎实，但“涨太快了”

高盛TMT快报直接记录了当日投资者的真实反应：

投资者承认基本面扎实，但情绪指标更为谨慎，当天收到大量“涨太快了”和“目标价在哪里”的问询。

Peter Callahan进一步指出，这与高盛近期科技会议上的对话一脉相承——投资者对于是否全面“重返AI基础设施交易”存在明显张力。原因在于，宏观层面的油价和利率压力，在近期盖过了基本面层面健康的供需评论、资本回报率数据和产品更新等积极信号，“似乎形成了一种'买家在更高位置等待'的行情格局”。

换句话说：基本面没问题，但宏观噪音让投资者不敢追高。

信用市场发出不同信号

股市的乐观情绪，并未得到信用市场的背书。

彭博宏观策略师Frank Monkam分析：尽管标普500接近历史高位，但投资级债券的信用质量——以5年期投资级CDS衡量——已恶化至五个月最低，且自美联储本月加息以来，这一背离持续扩大。

Frank Monkam写道：

股市继续定价韧性增长和盈利，以及更乐观的叙事。信用市场则在做数学题，要求更高的企业风险补偿。这种明显的错误定价引发了一个问题：哪个市场对风险溢价的判断是错的？我倾向于认为，来自资本结构更高层级的信号，最终将有最后的发言权。

两个市场，同一张企业资产负债表，给出了截然不同的答案。

油价与利率：暂时的喘息，还是真正的转机？

本轮科技反弹的另一个宏观背景，是油价的回落。

布伦特原油跌破100美元/桶，据彭博报道，卫星数据显示沙特阿拉伯波斯湾港口的石油装载量在上周末大幅跳升，为6月以来最高，显示沙特在红海管道受无人机袭击中断后，已将出口路线切换回霍尔木兹海峡。

油价下跌带动10年期美债收益率跌破5%关口。高盛的Rich Privorotsky将利率和利率波动率定性为“当前最大的宏观风险”，并指出：“利率与能源价格脱锚的风险依然存在——油价下来了，但二次通胀和全球利率冲击的影响已经固化。”

下一个催化剂：美光财报

高盛TMT快报在结尾明确点出下一个市场焦点：

远离会议和地缘政治，我雷达上的下一个催化剂是下周的美光（MU）财报。

美光作为AI存储芯片的核心供应商，其财报将直接检验AI基础设施需求的真实强度。值得注意的是，在本轮芯片股普涨中，存储板块明显落后——闪迪当日跌约3%，西部数据和希捷科技基本持平——这与CPU芯片的爆发形成鲜明对比。

美光财报能否弥合这一分歧，将是市场判断“重返AI交易”是否可持续的重要参考。

本文来自华尔街见闻，欢迎下载APP查看更多

据追风交易台，瑞银在最新研究报告中将2027年底全球CoWoS行业产能预测从此前的26万片/月上调至27万片/月，较2026年底预估的16万片/月大幅增长约69%。驱动此轮上调的核心动力，是ASIC与CPU需求的强劲崛起。

瑞银认为，这两类芯片在2028至2029年将主要继续依赖CoWoS封装工艺，而非迁移至英特尔EMIB-T或台积电CoPoS等新兴方案。与此同时，向更大封装尺寸及异构集成的技术演进，本身也将消耗大量额外产能。

CoWoS产能预测再度上调，2027年需求近乎翻倍

瑞银在参加中国台湾峰会并完成CoWoS行业深度调研后，进一步上调了对行业产能的预测。根据最新估算，2027年全球CoWoS总需求将达到约263万片晶圆当量，较2026年预估的132.1万片增长近一倍。

从需求结构来看，英伟达仍是最大单一客户，2027年CoWoS晶圆需求预计达129万片，但其占比将从2026年的60%下降至49%，反映出需求来源的多元化趋势。ASIC类芯片的占比则从2026年的30%提升至2027年的33%，AMD的占比亦从10%跃升至18%，主要受Venice服务器CPU放量拉动。

瑞银指出，即便英特尔EMIB-T与台积电CoPoS将于2028至2029年开始为大型AI加速器封装提供产能，当前的可见度仍显示2028年需要进一步扩张CoWoS产能，凸显出需求的持续强劲。

ASIC项目加速落地，多家超大规模云厂商进展超预期

经过数年投入，各大超大规模云厂商与AI原生企业的定制芯片项目正加速兑现。

在加速器芯片方面，微软Maia 300的性能表现具备竞争力，瑞银预计Maia 200/300在2027年的出货量将分别达到5万/35万颗，较2026年约10万颗的Maia总量大幅提升。OpenAI的Jalapeño芯片预计2027年出货量将从2026年的15万颗增至60至70万颗。Meta的MTIA目标出货量约为45万颗，但能见度相对较低。谷歌TPU与亚马逊Trainium则按计划推进，瑞银预计两者2027年封装量将分别达到900万/320万颗，较2026年的410万/250万颗显著增长。

在CPU方面，AMD Venice服务器CPU的放量是本次上调的重要驱动因素。瑞银将AMD 2027年CoWoS需求预测上调11%，预计Venice CPU出货量将达500万颗，高于此前400万颗的估算。英伟达方面，瑞银将其2027年AI GPU生产量从820万颗上调至880万颗，并纳入约20万颗Rubin CPX的新增预测；Rubin Ultra因封装架构相近且HBM规格调整，有望从2027年中期起更顺畅地爬坡放量。

供给侧多元化提速，非台积电产能快速扩张

CoWoS供给格局正在加速分散。瑞银预计，ASE的CoW产能将从2026年底的2万片/月大幅扩张至2027年底的7万片/月，扩张力度明显超出此前预期；台积电与Amkor的CoW产能届时预计分别为18万片/月与2万片/月。

在WoS环节，瑞银近期指出，台积电可能在现有与ASE合作的基础上，于2028年引入新的OSAT合作伙伴参与量产，进一步拓宽供给来源。

台积电后端业务的增长势头同样值得关注。瑞银预计，台积电先进封装销售额将在2026至2030年维持约50%的复合年增长率，即便面临英特尔EMIB的竞争压力。具体而言，后端业务（含先进封装）占台积电总营收的比例预计将从2026年的约12%提升至2027年的约16%。

瑞银认为，先进封装产能的快速扩张及封装结构日趋复杂化，将为关键设备供应商带来直接受益机会。

本文来自华尔街见闻，欢迎下载APP查看更多

他认为，这些过剩共同指向一个结论：模型能力的绝对领先，已不再是构建商业护城河的充分条件。模型与应用层（harness）正在走向模块化分离，Meta旗下Muse等产品证明非顶尖模型也能构建出具有强用户粘性的产品。

Thompson同时对Anthropic CEO Dario Amodei所倡导的"放缓前沿AI"（Pace the Frontier）的主张提出了直接质疑，认为这一以安全为名的论述，恰好与前沿实验室当前的商业困境高度吻合。

模型与应用层正在分离

Thompson指出，过去他曾认为模型公司的"harness"（即模型与应用之间的集成层）是核心差异化来源，前沿实验室因此具备更强的盈利潜力。

但这一判断正在被现实修正。

微软CEO Satya Nadella在接受Stratechery采访时透露，微软的Copilot Cowork已经从绑定Claude转向多模型架构——"我们有同一套harness，GPT、Anthropic、任何开源权重模型都可以接入，用户甚至可以把自己微调的模型放进来。"

Thompson援引已故管理学家Clayton Christensen的理论解释这一现象：当产品性能尚未满足市场需求时，集成架构占优；一旦性能"足够好"，市场就会转向模块化，竞争维度从性能转向速度、便利性与定制化。

Anthropic的Fable产品提供了一个现实案例。Anthropic曾要求使用Fable的企业客户允许其保留数据至少一个月，Thompson当时认为这是Anthropic押注自身模型足够强大、客户别无选择。但结果是：客户推回了，Fable使用率偏低，Fable 5.1发布时，这一数据留存条款已被悄然删除。

Thompson的结论是："客户表现出了愿意基于数据留存政策而非纯粹性能来做模型选择的意愿。"纯粹的能力领先，不再直接等于护城河。

Meta Muse：非顶尖模型也能建立护城河

Thompson将Meta近期发布的个人智能体产品Muse视为一个"看空信号"（bearish signal）。

他写道："Muse是我用过的最好、最易上手的个人智能体产品，没有之一。"但关键在于，支撑Muse的Muse Spark 1.3模型，并非当前最先进的模型。

这正是问题所在——或者说，这正是行业格局转变的证明。

Thompson指出，个人智能体产品的粘性远高于聊天机器人："一旦你把所有信息都放进个人智能体，并真正将其融入日常生活，切换到其他产品的难度就大得多。"相比之下，代码智能体（如Claude Code）的切换成本相对较低，因为核心资产（代码）存放在GitHub，指向不同的智能体并不困难。

他的判断是："模型能力已经足够好，足以构建真正具有护城河的产品。从商业角度看，Anthropic和OpenAI应该把更多资源投入到真正构建这类产品上。"

定价与资本的双重压力

Thompson在今年7月曾撰文指出，外界对中国模型威胁的担忧被高估，其核心逻辑是：Anthropic和OpenAI目前的高定价，是供不应求的产物，而非真实成本优势的体现。

他将这称为"价格过剩"（pricing overhang）——两家公司之所以能维持高价，是因为需求旺盛到供给跟不上。但大量算力并未用于推理服务，而是用于训练、强化学习和研发。如果放缓进展，这部分算力可以重新分配，从而真正满足市场需求、压低价格。

资本层面同样存在压力。Thompson引用英国《金融时报》报道称，Anthropic已告知投资者，公司本季度将实现盈利，但这一数字剔除了股权激励成本。Thompson指出，更大的问题在于训练成本是否被纳入计算——他最初认为训练成本被排除在外，但随后更正称，据悉Anthropic的盈利数字已包含训练成本。

他的判断是：Anthropic、OpenAI以及超大规模云厂商都需要AI收入大幅增长，"可用资本是有上限的，触碰这个上限对所有依赖外部资本的公司来说都将是一场灾难"。

"放缓前沿"：安全论述与商业利益的高度吻合

Thompson在文章开篇即表明立场，他明确反对以"有效利他主义"（Effective Altruism）为哲学基础的AI安全主义框架，称其"赋予未来可能存在的所有生命以同等道德权重，以一种荒谬的方式将天平倾向于安全主义，使创新成为不可能，自由成为不可容忍"。

他写道："我拒绝这一前提，转而选择对预见未来能力的怀疑，以及对人类在前行中自我解决问题的信念。"

在网络安全这一现实威胁面前，Thompson认为"放缓前沿"的逻辑尤为站不住脚。他指出，在攻防博弈中，进攻方的自动化攻击预期收益始终为正，而防守方的自动化防御预期收益为负——防守方需要比攻击者更强大的模型，才能实现真正有效的自动化防御。"能力过剩完全在进攻一侧：防守方需要的模型，不仅要足够好，还要能够以完全自动化的方式完成防御，而不会拖垮被保护的基础设施。我们还没到那一步。"

他的结论是："在当前真实存在的安全风险面前——即被对齐的大语言模型被恶意行为者用于攻击基础设施——放缓前沿实际上扩大了坏事发生的时间窗口。"

Thompson最后直接点出竞争动机："Anthropic的存在，本身就是因为Amodei和联合创始人们不信任Sam Altman和OpenAI。我不确定这是否只是巧合——要求放缓前沿的呼声，恰恰出现在前沿首次被OpenAI重新夺回的时候。"

"Anthropic对Anthropic领先没有意见；其他任何人领先，就需要政府介入。"

本文来自华尔街见闻，欢迎下载APP查看更多

据The Information最新报道，消息人士透露，OpenAI正在开发新功能，以更直接地对抗SpaceX旗下Grok Bot，同时也在讨论推出个人AI助手以应对Meta的Muse。

Grok Bot与Muse：对手已经跑起来了

Grok Bot于今年8月上线，定位是白领和小企业主的"AI数字参谋"。

用户可以快速搭建专注于不同任务的Bot，比如做市场调研、策划广告活动。这些Bot可以接入Gmail、Google Calendar、Notion、Figma、财务软件、AI编程助手等工作应用，在其中直接执行任务。

更关键的是，Grok Bot可以"观察"用户操作，学会自主重复这些动作。Bot完成任务后会主动汇报，也可以设置为在发送邮件、付款或修改数据前先请求用户审批。

Grok Bot包含在SuperGrok订阅中，起价每月30美元。SpaceX在社交媒体、YouTube及播客平台大力推广，包括专注AI话题的Dwarkesh Podcast。

Meta则在本月推出了Muse，功能覆盖与商家沟通、回复邮件、在线购物等日常手机操作。Meta已在Messenger等应用中为Muse提供显著入口。

不过，Meta的分发优势并非万能。2024年，Meta推出对标ChatGPT的聊天机器人，结果反响平平——这一前车之鉴仍在。

OpenAI的处境：技术有，但用户不知道

OpenAI并非毫无准备。

据报道，OpenAI计划将Codex和ChatGPT中已有的"Agent"技术重新包装和品牌化，推出新产品。目前，部分用户已将ChatGPT接入邮件、日历等应用，实现预约、邮件沟通等任务的自动化，有时任务跨度长达数天。

OpenAI也表示，自GPT-5以来，每一代新模型都被设计为能够处理更长周期的任务。

但问题在于，大多数用户对这些功能并不知情。报道称："可以说，SpaceX和Meta凭借各自的Agent产品，在近几周抢走了不少风头。"

何时正式推出反制功能，目前尚不明确。OpenAI需要同时兼顾的优先级清单很长，包括确保下一代AI模型的安全性与对齐问题，以及由这些模型驱动的大规模Agent"集群"的管控。

Agent热潮背后：ChatGPT增长已经放缓

这场Agent大战的深层驱动力，是AI消费市场正在寻找下一个增长点。

个人助手应用Instinct的崛起是一个信号。这款仅限邀请制的应用已拥有超过10万用户，用户可通过消息应用与其交互，并授权其访问信用卡信息和密码，以完成购物、订旅行等任务。科技创业者和风险投资人对其赞不绝口，Instinct目前正寻求以100亿美元估值融资。

Instinct之所以引发关注，正是因为它代表了AI消费端的一个潜在突破——而这个突破的背景，是ChatGPT增长在过去一年里"大幅放缓"。

ChatGPT今夏周活跃用户突破10亿，但这个目标，OpenAI原本计划在去年就实现。

用户愿意用AI聊天机器人查信息、寻求建议，但在"帮我在网上预订服务"这类更复杂的个人任务上，聊天机器人的表现一直差强人意。个人Agent，正是这个缺口的答案。

OpenAI的烧钱账单：2030年前预计亏损2780亿美元

与此同时，OpenAI的资金压力也在持续升级。

据英国《金融时报》报道，OpenAI已向部分投资者透露，预计到2030年底累计烧钱2780亿美元，主要用于云计算和芯片投入。这一数字远高于今年年初向投资者披露的1800亿美元预测。

在人员层面，OpenAI从SpaceX的Cursor部门挖来Brian McCarthy担任全球销售负责人，向新任首席营收官Dali Rajic汇报。此外，两名来自Snowflake的资深销售高管也将加入OpenAI，其中一人曾主导Snowflake与OpenAI商业合作关系的谈判。

本文来自华尔街见闻，欢迎下载APP查看更多

Muse上线仅约五天便录得73万次下载，累计下载量在12天内突破280万次，并于上周五登顶美国iOS免费应用榜首，超越ChatGPT、Anthropic的Claude及SpaceX AI旗下的Grok。受此提振，Meta股价周一单日飙涨逾11%，富国银行随即将其目标价上调至796美元。

市场分析人士认为，Muse的爆发式增长标志着AI代理应用正从开发者和技术爱好者群体向普通消费者加速渗透。据CNBC报道，Bernstein分析师Stacy Rasgon表示："到目前为止，大多数代理类应用场景并非真正面向普通人。现在Meta Muse等代理应用开始出现，或许正在获得更广泛普及的潜力。"

下载数据：全面超越ChatGPT同期

据科技媒体TechCrunch报道，市场情报机构Apptopia的数据显示，在可进行同口径比较的美国和加拿大市场，Muse上线首12天的iOS下载量达180万次，高于ChatGPT同期的130万次。

另一家分析机构Sensor Tower的数据则显示，Muse在上线约五天内录得73万次下载，截至周一累计下载量已超过250万次，其中iOS和Android平台分别贡献约150万次和110万次。

相比之下，Claude和Grok在同等13天窗口期内的下载量分别为40万次和20万次。ChatGPT在同一时间窗口内录得310万次下载，仍领先于Muse，但需注意两款应用的平台发布策略存在差异——ChatGPT当年仅在iOS全球上线，而Muse目前仅在美国和加拿大的iOS及Android双平台发布。

日活用户数据同样亮眼。Apptopia数据显示，Muse的美国移动端日活用户已达64.2万，远高于ChatGPT同期的23.1万；即便仅比较iOS平台，Muse的日活用户也以35.9万对ChatGPT形成超越。

产品定位：面向普通用户的AI代理入口

Meta将Muse定位为面向普通消费者的AI个人智能体工具，核心功能包括跨网络执行任务，如填写电子表单、整理电子邮件收件箱等，旨在让用户能够管理和调度功能强大的数字助手。该应用由Meta的Muse Spark系列AI模型驱动，是首席执行官扎克伯格大举进军AI代理市场的重要举措。

在商业模式上，Muse提供免费基础版，同时设有每月20美元和100美元两档订阅方案，为Meta开辟了一条有别于核心在线广告业务的AI变现路径。

Meta在用户导流方面具备显著的平台优势。据Apptopia数据，Muse用户中逾95%同时是Facebook用户，63%是Instagram用户。Muse还支持与WhatsApp打通，Meta此前凭借类似的跨平台导流策略将Threads推向5亿用户规模，Muse有望复制这一路径。

生态博弈：亚马逊封堵，Shopify牵手

Muse的快速扩张已在电商领域引发明显的生态摩擦。亚马逊宣布封锁Muse对其购物网站的访问，理由是隐私和安全风险。亚马逊方面表示，Meta事先未告知Muse将访问其平台，并指出该代理绕过了亚马逊购物体验中内置的个性化功能，且疑似捕获并存储用户凭证、抓取账户数据。

"我们认为，代表客户在其他商家处进行购买的第三方应用，应当公开透明地运营，并尊重服务提供商关于是否参与的决定，"亚马逊发言人在声明中表示。

与此形成对比的是，Shopify选择与Meta合作。Shopify首席执行官Tobias Lütke周一宣布，Shopify将与Muse合作，允许其在平台商店内实现代理结账功能，双方的合作为Muse在电商场景的落地提供了重要背书。

风险与隐忧：热度能否持续？

尽管Muse开局强劲，但市场对其能否维持热度仍存疑虑。此前，OpenAI的Sora以及Meta自身的Vibes AI视频工具均曾在发布初期引发下载热潮，但未能持续成为现象级产品。

与此同时，Muse的崛起也面临更广泛的行业背景压力。AI安全与网络安全风险的担忧近期持续困扰科技行业，而Meta本身也刚刚同意支付约170亿美元，与多个州检察长就Facebook和Instagram对儿童及青少年造成潜在伤害的指控达成和解。

Muse对用户个人数据的高度依赖同样引发关注。Stacy Rasgon指出："他们（用户）在意安全，但我不确定他们有多在意隐私。"这一问题或将成为Muse长期发展的潜在隐患。

本文来自华尔街见闻，欢迎下载APP查看更多

周一，美国零售柴油价格涨至每加仑6.51美元的历史峰值，较今年2月伊朗战争爆发前累计涨幅超过70%。

爱荷华州参议员Chuck Grassley在社交平台X上直接敦促特朗普暂停柴油出口，并以全大写字母写道：

高柴油价格正在扼杀农民收入。

多名爱荷华州众议员同日跟进，要求白宫"止血"，措施涵盖出口禁令、取消燃油税及向受影响企业提供财政支持。

白宫目前明确拒绝这一方案。一位白宫官员表示，"政府目前不考虑出口禁令或出口限制"，并援引内政部长Doug Burgum的立场——若出口禁令确能压低价格则可考虑，"但事实并非如此"。

能源咨询机构Rapidan Energy预测，白宫实施出口禁令的概率已达35%。

议会层面，要求出口禁令的声音已从个人表态升级为具体立法动作。

美国田纳西州众议员Tim Burchett提出两项立法：一是立即禁止柴油出口至2027年1月；二是设定价格触发机制，当全国平均柴油价格超过每加仑5美元时自动启动禁令，并持续至价格回落至4.50美元以下。

参议院多数党领袖John Thune上周表示，他对"探索"出口禁令方案持开放态度。他说：

如果我们国内有足够供应却在出口，那可能是解决问题的一个途径。

众议员Ashley Hinson则呼吁动用"一切可用选项"，包括暂停柴油出口并建立柴油救济计划。众议员Zach Nunn的诉求则更为直接：

将美国能源优先卖给美国人。

美国石油工业强烈抵制出口禁令，并从供应链结构角度提出反驳。

美国石油学会（API）首席执行官Mike Sommers警告称：

限制美国柴油出口只会让问题更糟，对消费者、农民和整体美国经济都是如此。

Sommers指出，美国柴油生产主要集中于墨西哥湾沿岸地区，该地区炼油产能超出本地消费需求，但基础设施制约意味着美国其他地区仍依赖进口。

他在社交媒体帖子中写道：

美国每日供应约150万桶柴油，约占全球海运柴油贸易量800万桶的20%。一旦移除近20%的供应，全球价格可能上涨，直接冲击依赖进口柴油的美国本土地区。

Burchett则反指石油行业存在"暴利"行为，"选择以更高价格向欧洲出售柴油"，并强调向海外运输美国柴油直接压缩了国内供应。

尽管白宫官方立场明确，市场对政策转向的风险仍保持高度警惕。

Rapidan Energy创始人、前乔治·W·布什政府顾问Bob McNally表示：

政府一贯拒绝出口禁令，但外界担忧总统随时可能改变主意。

McNally说：

我在白宫亲眼见过，当四面楚歌时，原则会被抛在一边，人们会变得不顾一切。

美国上一次对石油产品实施出口管控是在上世纪70年代能源危机期间。2022年俄乌冲突全面爆发后，时任总统拜登曾要求能源部探讨限制精炼产品出口的可能性，但最终未付诸行动。

目前，中期选举的临近与持续上涨的油价，正将这一政策抉择推向新的临界点。

本文来自华尔街见闻，欢迎下载APP查看更多

要闻精选

中国国家主席将于9月23日至25日对美国进行国事访问。中国外交部：中美元首半年内实现互访，具有历史性里程碑意义。

新华社：中美经贸磋商在美国纽约举行，双方围绕共同关心的重要经贸问题进行了坦诚、深入、富有建设性的交流，并就人工智能有关问题举行对话。

中国尚未落实对美恢复稀土供应？外交部：建议向中方主管部门询问。外交部回应稀土出口限制提问：中方维护关键矿产全球产供链稳定与安全的立场没有变化。

中国央行召开外资金融机构座谈会，持续完善政策供给，稳步扩大金融市场双向开放。

伊朗总统22日赴美出席联合国大会，预计23日会上发表讲话。伊朗革命卫队：已做好持久战准备。

乌克兰对莫斯科发动“最大规模袭击”，俄炼油巨头瘫痪，俄罗斯据称拟将柴油出口禁令延至9月底之后；特朗普施压泽连斯基停止袭击俄罗斯炼厂，反复强调柴油；美国柴油零售价首破6.5美元再创纪录。

胡塞武装争夺战略高地，特朗普据称临时叫停空袭该武装。沙特管道遭袭后扩大海湾出口，周日七艘超级油轮装1400万桶；卡塔尔重返国际债市！霍尔木兹海峡受阻，Q2 LNG收入从90亿美元暴跌至2亿美元。

Meta新智能体Muse登上苹果应用商店榜首，股价一度涨13%；亚马逊封锁Meta旗下Muse AI购物代理，AI代购时代规则之争开始。

报道：OpenAI开发新功能应对Grok Bot和Meta Muse竞争；OpenAI和Anthropic拟相互进行压力测试，寻找潜在安全风险。

消息称Claude跳过5.2，直奔Opus 5.5，周二发布。SpaceXAI发布最强编程与知识工作模型，Grok 4.7速度达竞品两倍、价格仅一半。

软银寻求超110亿美元垃圾债融资，OpenAI押注与Arm抵押贷款推高杠杆风险。

市场概述

中美经贸磋商备受关注，Meta引爆美股AI交易热情，助推纳指涨超2%、收创新高，标普收涨1.5%、和纳指创近七周最大涨幅；Meta收涨逾11%，Meta智能体成绩激发相关芯片需求热潮，Arm涨17%，英特尔涨12%，AMD股价涨近10%、公司市值首次突破1万亿美元；CoreWeave涨5%、康宁涨近6%；格陵兰概念股暴涨，Greenland Mines涨逾230%，Critical Metals涨近39%。

美债涨跌不一，10年期美债收益率回落，两年期美债收益率盘中走V、逼近两年高位。美元指数反弹、逼近一个多月高位；离岸人民币两日突破6.70、再创四年新高；比特币继续大涨，盘中涨破8.6万美元，较日低涨近7%。

市场关注美伊和谈前景和沙特恢复海湾出口迹象，原油重挫，四连跌，美油一度跌超6%，布油近两周来首次盘中跌破100美元。黄金回落、盘中跌超1%，期金止步收盘三连涨。基本金属中伦铝独跌，纽铜涨超1%、五连涨。

美股：标普500指数收涨1.49%，报7764.70点，道指收涨0.71%，报52048.83点，纳指收涨2.26%，报27122.094点。

欧股：欧洲STOXX 600指数收涨1.02%，报641.93点。

A股：上证指数收涨0.97%，报3949.91点。深证成指收涨0.65%，报13730.02点。创业板指收涨0.80%，报3399.59点。

日韩：日经225收涨1.38%，报65018.95点。韩国综合指数收涨1.65%，报7007.72点。

美债：到债市尾盘，美国10年期基准国债收益率约为4.95%，日内降约5个基点；2年期美债收益率约为4.75%，日内升约1个基点。

商品：WTI 10月原油期货收跌4.51%，报95.78美元/桶。布伦特11月原油期货收跌3.40%，报100.34美元/桶。COMEX 9月黄金期货收跌0.91%，报4345.8美元/盎司。COMEX 9月白银期货收跌1.1%，报65.825美元/盎司。COMEX 9月期铜收涨1.08%，报6.6865美元/磅。LME期铜收涨0.96%，报14661美元/吨。LME期铝收跌0.67%，报3267美元/吨。

要闻详情

中国

据新华社，中国国家主席将对美国进行国事访问。

- 外交部：中美两国元首在半年内实现互访，具有历史性里程碑意义。外交部发言人郭嘉昆表示，中美两国元首在半年内实现互访，具有历史性里程碑意义。中方愿同美方一道丰富中美建设性战略稳定关系内涵，加强对话合作，妥善管控分歧，不断增进两国人民的福祉，促进世界的和平、稳定、繁荣。

据新华社，中美经贸磋商在美国纽约举行。双方以两国元首重要共识为引领，秉持相互尊重、和平共处、合作共赢的原则，围绕落实历次经贸磋商共识、促进双边贸易投资等双方共同关心的重要经贸问题，进行了坦诚、深入、富有建设性的交流，并就人工智能有关问题举行对话。

中国尚未落实对美恢复稀土供应？外交部：建议向中方主管部门询问。郭嘉昆表示，中方一贯致力于维护关键矿产全球产供链稳定与安全，中美双方应当共同落实好两国元首达成的重要共识，维护中美经贸关系稳定发展态势。

外交部回应稀土出口限制提问：中方维护关键矿产全球产供链稳定与安全的立场没有变化。

中国央行召开外资金融机构座谈会。潘功胜表示，央行认真落实党中央、国务院决策部署，实施好适度宽松的货币政策，为经济稳定增长和金融市场平稳运行营造良好的货币金融环境。继续推动金融高水平开放，持续完善政策供给，稳步扩大金融市场双向开放，不断优化跨境支付服务，更加便利人民币国际使用。

人民日报：房地产进入存量阶段，绝非行业发展的退潮。二手房交易占比已超新房达52%，标志着房地产正式进入存量时代。这不是退潮，而是行业价值回归本质的转折点——核心矛盾从"有没有"转向"好不好"，投资属性让位于居住属性。城市更新、老旧改造将成稳投资新引擎，"好房子"建设重塑品质标准。

支付宝合并三大业务板块，吴敏芝出任新事业群总裁。调整后平台运营、数字支付与信用服务纳入同一事业群，面向用户的AI钱包、个人生活助手“阿宝”与面向商家的支付宝AI开放平台由同一事业群统筹；韩歆毅称智能体商业正走向规模化发展。公开信息显示，“阿宝”上线三个月已推动超一万项服务完成AI化升级，AI支付累计完成3亿笔。

上交所：持续对沈鼓集团上市初期交易予以密切关注，依规采取自律监管措施。9月21日上交所表态，对沈鼓集团上市初期交易保持密切关注并依规采取自律监管措施，显示新股交易监管持续从严。

海外

伊朗总统22日赴美出席联合国大会。第81届联合国大会一般性辩论将于22日在纽约拉开帷幕。据新华社援引美媒报道，佩泽希齐扬预计23日在联合国大会上发表讲话。

伊朗革命卫队：已做好持久战准备。在特朗普据报叫停对胡塞武装空袭、美伊高级别接触预期升温的同时，伊方的强硬表态意味着中东局势仍存在反复可能，油价与避险资产的波动风险并未消除。

胡塞武装争夺战略高地，特朗普据称临时叫停空袭该武装。据报道，特朗普在与沙特王储通话后一度指示五角大楼准备空袭，但当地时间9月20日中午变卦，美方“至少暂时不会”动手，撤回时打击目标清单已获批、美军战机已完成弹药挂载；也门胡塞武装正在塔兹省和拉赫季省争夺隔断红海海岸与南部地区的“卡赫布布山脉”制高点。

特朗普施压泽连斯基停止袭击俄罗斯炼厂，反复强调柴油。泽连斯基20日表示双方商定在纽约会晤，称这次会晤“可能带来重要改变”。基辅经济学院最新评估认为，中东战事对全球柴油及油气供应造成的冲击明显大于俄乌冲突。

莫斯科遭“最大规模袭击”，乌克兰“击中俄罗斯重要石油工业设施”。据央视新闻，乌军9月20日凌晨对莫斯科地区的莫斯科炼油厂实施打击，AVT-6初级炼油装置、综合原油加工装置等遭打击并发生大规模火灾；该厂年原油加工能力约1200万吨，距克里姆林宫约16英里。莫斯科市市长索比亚宁称自19日以来共击落1600多架无人机，其中450架在逼近莫斯科时被击落。

受乌克兰袭俄炼厂影响，美国柴油零售价首破6.5美元再创纪录。AAA数据显示美国全国柴油均价升至每加仑6.505美元，美国取暖油裂解价差一度飙升至每桶117美元，创彭博2009年有记录以来最高；俄罗斯方面亦计划进一步收紧柴油出口。

沙特管道遭袭后扩大海湾出口，七艘超级油轮装1400万桶，盘中布油破百、美油跌超6%。上周日一日装船约1400万桶油的规模进一步印证了沙特将出口重心迅速向海湾港口转移的能力，也表明此次供应中断的持续时间可能比市场此前悲观预期的短。

卡塔尔重返国际债市！霍尔木兹海峡受阻，Q2 LNG收入从90亿美元暴跌至2亿美元。二季度卡塔尔预算赤字58亿美元、相当于GDP的11.4%，为有记录以来最大单季缺口；摩根大通数据显示当季政府收入同比下降57%，彭博调查预测其全年经济萎缩12.1%。

IMF：全球债务2029年将超GDP。IMF总裁表示，各国在巩固财政状况方面行动“远远不够”，最新预测显示受美国等政府借贷快速攀升驱动，全球公共债务将于2029年超过全球GDP的100%、较此前预期提前两年。她表示已就美国财政问题与贝森特专项讨论，双方均认同当前美国债务结构不可持续、需逐步压缩预算赤字与债务规模；同时警告中东战事可能对全球经济造成冲击。

Muse登上苹果应用商店榜首，Meta暴涨13%，AMD和英特尔也嗨了。Meta 9月8日上线后六天内下载量超90.2万次，高于前代Meta AI应用同期77.3万次，登上美国苹果与谷歌应用商店免费榜首位。Muse定位为可执行数字任务的个性化AI代理，能读取用户社交内容，并接入Gmail等第三方服务，提供每月20美元或100美元订阅套餐。华尔街视其为Meta数千亿美元AI投资开始兑现的信号，涨势蔓延至核心供应商。

亚马逊封锁Meta旗下Muse AI购物代理，AI代购时代规则之争开始。据报道，亚马逊称曾要求Meta主动将亚马逊排除在Muse服务范围之外但未获回应，并指出Muse在浏览过程中不会主动披露AI代理身份、且在用户提示下可访问账户页面和订单历史。

SpaceXAI最强编程与知识工作模型来了！Grok 4.7速度达竞品两倍、价格仅一半。马斯克称：“Grok 4.7是智能、速度与低成本的强大组合。” SpaceXAI称，Grok 4.7重点提升复杂任务的持续执行能力、自我验证和长上下文处理；在拒绝危险请求和抵御越狱攻击方面表现更强；延续Grok 4.6的基础API定价：2美元/百万输入Token ，6美元/百万输出Token；已接入Cursor、Grok Build及Grok API。

报道：OpenAI开发新功能应对Grok Bot和Meta Muse竞争。据报道，OpenAI正针对SpaceX旗下Grok Bot开发专项功能，后者定位为全天候在线的数字工作伙伴、可管理软件应用并处理后台例行任务；管理层同时就推出一款专属个人AI助手以正面回应Meta Muse展开讨论。

报道：OpenAI和Anthropic拟相互进行压力测试，寻找潜在安全风险。据报道。两家公司今年早些时候曾与各自律师讨论一项具有法律约束力的协议，拟相互获得对方商业化AI模型的API访问权限并开展测试以寻找漏洞或潜在危险，尚未发布的模型不在范围内，双方保证测试过程中不保留对方数据；目前尚不清楚协议是否最终敲定。

曝Claude跳过5.2，直奔Opus 5.5，周二发布。已有测试者晒出用其在Claude Code中生成的Waymo自动驾驶汽车3D模型，称车标与传感器细节均已成形；据传Opus 5.5每百万输入token定价4美元、输出20美元。3D建模一直是Opus系列的展示强项——Anthropic 7月发布Opus 5时曾演示从机械零件图生成FreeCAD三维模型。

贝森特：OpenAI黑客事件要怪管理层，责任在人、别“甩锅”AI。贝森特称，Hugging Face事件的责任在于OpenAI管理层，而不是“一群智能体”，企业需要对自身开发的AI技术担责，相关实验室可随时放慢开发进程；特朗普任命AI事务“总管”将有助于为相关问题“提供背景、塑造框架并划定边界”。

软银寻求超110亿美元垃圾债融资，OpenAI押注与Arm抵押贷款推高杠杆风险。据报道，软银此次发债所得资金部分用于支持下月完成交割的追加OpenAI投资，债券定价或于本周四落地。软银对OpenAI总承诺投资额已接近650亿美元，今年3月曾安排400亿美元过渡性贷款、近期已偿还259亿美元未偿余额；其2031年到期美元债收益率本月早些时候一度升至8.2%，较1月低点6.7%大幅上行。

AI数据中心“新贵”Nscale IPO：1030亿美元合同，85%靠微软与Anthropic两家支撑。Nscale招股文件披露，微软与Anthropic合计贡献约884亿美元合同价值，其中微软约438亿美元、期限延续至2033年，Anthropic今年8月签署的约446亿美元算力租赁协议尚未获得正式融资承诺，且附带里程碑与持续供算要求。截至8月底公司活跃合同仅26亿美元，今年上半年营收1.406亿美元、净亏损10.2亿美元；此次IPO目标估值最高达350亿美元。

诺和诺德减重药CagriSema“遇冷”！减重12.4%没能打消市场疑虑。9月21日资本市场日上，诺和诺德公布CagriSema两项三期试验顶线数据均达主要疗效终点，但公司在哥本哈根交易中一度重挫，分析师认为市场期待的业绩反转路径仍未明确。

盘前一度大涨7%、最终收跌！派拉蒙拟砸15亿美元争取加州放行，810亿美元华纳合并障碍或扫清。派拉蒙与华纳兄弟探索的810亿美元合并案正寻求与加州总检察长达成和解，双方让步方案涉及15亿美元加州投资、制片厂资产、电影产出及CNN编辑独立性。与此同时，交易拖延将使派拉蒙每天承担约700万美元“计时费”，和解谈判面临时间压力。

观点精选

谁是黄金的神秘买家？美联储加息后金价不跌反涨，商业买盘、CTA、中国ETF均未显著发力，神秘买家究竟是谁？德意志银行直指各国储备管理机构——霍尔木兹海峡地缘紧张与油价下跌释放的储备再配置需求，才是这轮黄金行情的真正驱动力，黄金定价逻辑正在从利率框架向油价联动悄然切换。

AI狂飙背后的“债务黑洞”：未来5年或需1.2万亿美元外部融资。AI狂飙正在制造一个史无前例的"债务黑洞"：美银测算显示，2025至2030年间AI数据中心建设总资本支出将高达5万亿美元，仅核心云巨头的外部融资需求就达1.2万亿至1.5万亿美元。亚马逊、Meta等巨头自由现金流已告急，英伟达、博通悄然扮演"隐性担保人"角色——一场重塑全球信贷市场的资本豪赌，已然开局。

内存价格在燃烧，芯片战争又打起来了。手机厂商扎堆发布高端旗舰，背后既有存量竞争，也有2nm芯片与自研芯片的较量。苹果、高通、联发科相继推出2nm芯片，华为、小米则通过W2W等先进封装探索芯片性能提升。与此同时，芯片厂商集体“All in AI”，SoC正从单一NPU向全子系统异构AI算力网络演进。

高盛专家电话会：现房销售转型下，明年3月起新房供应或出现短缺、持续12至18个月。在高盛组织的中国地产专家电话会上，上海易居房地产研究院院长丁祖昱预计，销售模式改革或导致2027年3月至2028年9月出现12至18个月的供应收缩；中端国企及强区域性房企或在行业格局重塑中获得更多市场空间。

能源价格上涨叠加债市波动，大摩Wilson：美股近期或面临7%回调风险。大摩Wilson认为，若金融条件进一步收紧或能源价格大幅走高，标普500指数可能跌至7100点。这一水平较该指数上周五收盘价低约7%。尽管如此，Wilson仍维持年底看涨立场，预计强劲的企业盈利将推动年末反弹，目标点位为8000点，较当前水平上涨近5%。

今日关注

中国

阿里2026年云栖大会9月22日至24日在杭州举行，主题“智以致用”，将围绕模型、Agent与Agentic Cloud拆解“五层全栈”技术，发布阿里云核心技术及年度产品。

第五届GMIF 2026全球存储器行业创新峰会9月22日至23日在深圳举行，主题“AI存储，驱动未来”。

海外

第81届联合国大会一般性辩论9月22日在纽约拉开帷幕，伊朗总统佩泽希齐扬预计23日发言，特朗普表示当天将召开关于伊朗的会议。

日本首相高市早苗正安排于9月22日与特朗普会晤

泽连斯基计划21日至23日在纽约与特朗普会晤讨论能源领域停火。

高通骁龙峰会9月22日至24日在夏威夷举行，预计发布首款2纳米工艺骁龙8 Elite Gen6。

苹果新款Mac mini与Mac Studio于9月22日正式发售。

据爆料Anthropic计划于周二发布Claude Opus 5.5。

本文来自华尔街见闻，欢迎下载APP查看更多

9月21日，据彭博，芝加哥联储主席Austan Goolsbee周一警告，近年来供给冲击出现得更频繁、持续时间也更长，美联储不能再简单将其视为暂时性因素而选择“忽视”。 如果供给端的价格压力持续向更广泛领域蔓延，央行仍需通过收紧政策压制通胀，但代价可能是就业减少、薪资下降和经济增长放缓。

圣路易斯联储主席Alberto Musalem则在接受路透采访时表示，在强劲内需与大宗商品价格上涨的双重推动下，美联储"很可能"需要继续上调利率以遏制通胀。

他强调：

政策必须有效遏制通胀。相比事后被迫大幅调控，及早且渐进地采取行动成本更低。

上周美联储实现三年来首次加息，并释放年内可能进一步收紧的信号。通胀已连续五年半未回落至2%的目标水平，部分官员担忧，关税、油价上涨等供给侧冲击正逐步演变为更持久的价格压力。

Goolsbee：供给冲击不再只是“一次性事件”，压制通胀代价或波及就业和薪资

Goolsbee在伦敦一场活动的书面讲稿中指出，近年来供给冲击“来得更频繁、冲击更强烈、持续时间更长”。如果由供给冲击引发的通胀开始表现出持续性，美联储继续“看穿”这些冲击的逻辑就不再成立。

过去，央行通常将供应链中断、能源价格上涨等供给冲击视为暂时因素，避免通过加息进一步压低需求。但Goolsbee认为，近年来这类冲击正在成为经济运行中的“常态特征”，持续时间也往往超出最初预期。

他列举了三类压力：供应链紊乱、今年以来持续高位的油价，以及不断升级的关税摩擦。在他看来，如果反复出现的供给冲击最终演变为持续性通胀，美联储仍有必要采取行动，否则就可能无法履行价格稳定这一法定职责。

Goolsbee认为，即便通胀源于供给冲击而非需求过热，美联储仍需要通过收紧政策压低需求、缩小供需缺口，以推动价格重新稳定。

不过，他也强调，此类加息无需像应对需求过热时那样激进，因为当前的问题并非单纯的需求过强。但只要供给冲击持续存在，政策就很难做到“无痛”：经济重新达到平衡，可能意味着就业减少、薪资下降以及增长放缓。

Goolsbee将这一局面称为滞胀冲击带来的“就业与通胀之间的痛苦权衡”。在供给持续恶化的情况下，央行难以同时完全避免通胀和经济活动受到冲击。

联储内部与白宫的分歧同步升温

联储内部官员的表态与沃什的立场形成鲜明对比。沃什虽然投票支持本次加息，并将其定义为撤回部分宽松、推动通胀进一步降温，但他在新闻发布会上强调，不认为价格稳定与充分就业这两项法定职责在中期存在根本冲突，也不认为实现2%的通胀目标必须以明显损害劳动力市场为代价。

白宫方面则进一步向美联储施压。特朗普经济顾问Peter Navarro在加息决定公布后公开批评称，不应在能源价格冲击最猛烈的时候加息，并将此次决定称为“现代史上任何新任美联储主席最糟糕的首次加息决定”。

随着供给冲击持续时间拉长，美联储面临的政策难题也从“是否需要看穿一次性冲击”，转向“如何应对可能持续的通胀压力”。如果要将通胀重新压回2%，就业、薪资和经济增长可能需要承担多大代价，也将成为联储政策讨论的关键。

本文来自华尔街见闻，欢迎下载APP查看更多

罗斯柴尔德旗下独立研究机构Rothschild & Co. Redburn首次覆盖CoreWeave和Nebius即双双给出"卖出"评级，核心判断是：股票市场仍在积极定价AI增长，但信用市场已开始为股票市场基本忽视的风险定价。

与此同时，有"大空头"之称的迈克尔·伯里估算，头部科技巨头合计持有规模超过3万亿美元的表外承诺，引发外界对其扩张能力可持续性的审视。

Rothschild & Co. Redburn在周一发布的报告中表示，新云企业盈利与估值存在"周期性虚高"，Nebius股价已反映算力经济性持续重估过程中最乐观的结果，面临最大下行风险；CoreWeave风险收益比"仍缺乏足够吸引力"。

该机构同时指出，超大规模云厂商将表外承诺纳入考量后，实际经济杠杆更高，可能限制其为下一阶段大规模AI基础设施建设提供资金支持的能力。

上述质疑并未即时压制市场情绪。周一Nebius收涨4.14%，CoreWeave收涨5%，两者散户情绪均处于"看涨"区间，与研究机构的谨慎立场形成明显背离。

罗斯柴尔德首次覆盖：新云龙头双双遭"卖出"

Rothschild & Co. Redburn此次覆盖范围涵盖AI算力基础设施领域的多家核心公司。

针对CoreWeave和Nebius，该机构均给出"卖出"评级；对Core Scientific、TeraWulf、Applied Digital、Cipher Mining、Hut 8和IREN这六家正从比特币挖矿向AI算力基础设施转型的企业，则统一给予"中性"评级。

该机构对两类公司的评级分化，折射出其对商业模式风险的差异判断。

直接从事GPU租赁的新云企业，承担更高的设备折旧、融资成本与订单兑现压力；而依托自有电力资源和数据中心容量转型的矿企，进入AI基础设施赛道的路径相对灵活，估值疑虑相对较小。

罗斯柴尔德还指出，传统房地产投资信托基金"作为尚未受到充分重视的间接受益者，尤其值得关注"。

涨价逻辑支撑股价，但融资成本吞噬利润空间

支撑CoreWeave与Nebius股价的共同逻辑，是AI训练与推理需求持续扩张，而能够及时交付的GPU集群、电力及机房容量仍具稀缺性。

Nebius于9月17日宣布自10月1日起对部分GPU按需租用价格上调约20%，这是三个月内的第二次提价；CoreWeave亦表示正在以更高价格签订新合同。Nebius股价年内累计涨幅约167%。

然而，罗斯柴尔德的核心追问指向盈利质量：GPU租金收入在覆盖设备折旧、运营支出与融资成本之后，最终能为股东留下多少回报。

CoreWeave第二季度收入达25.75亿美元，同期净利息费用为6.40亿美元，融资成本已成为影响盈利的关键变量。

该机构认为，AI推理时代的新云竞争将更看重订单质量、预付款安排、设备利用率，以及覆盖硬件更新和融资成本后的资本回报。

信用市场发出与股票市场截然不同的信号

Rothschild & Co. Redburn表示，信用市场"正在发出更重要的信号"。所谓信用市场，涵盖公司债、银行贷款、私募信贷、数据中心项目融资及信用违约互换（CDS）等工具。

股票投资者关注AI增长空间，债权人则更关注企业未来现金流能否覆盖利息与本金。信用利差和CDS成本上升，通常意味着投资者正在要求更高的风险补偿。

该机构援引的具体案例是：甲骨文Project Jupiter数据中心相关的180亿美元贷款，报价约为每1美元面值89至91美分，反映出投资者对项目推进及融资风险的谨慎态度。

按照该机构的逻辑推演，超大规模云厂商将表外承诺纳入后，实际经济杠杆更高，一旦其扩张能力受制于融资条件收紧，压力将通过新增订单放缓、续约议价及交易对手信用风险，传导至CoreWeave、Nebius的增长与估值。

伯里估算AI公司超3万亿美元承诺，揭示资本回收与硬件更新错配

罗斯柴尔德的信用市场警示，与有"大空头"称号的迈克尔·伯里的最新判断形成呼应。

据报道，伯里估算，亚马逊、Meta、Alphabet、微软和甲骨文合计持有接近1.2万亿美元尚未开始的租赁承诺、超过1.5万亿美元采购承诺，加上特殊目的实体、担保及或有支持等敞口，总规模超过3万亿美元。

伯里明确表示并未指控欺诈，其核心担忧在于：长期租约与采购支出已经锁定，而设备经济价值、技术要求及未来需求的变化速度可能更快，企业因此面临资本回收与硬件更新之间的结构性错配。

值得注意的是，这3万亿美元是对多类跨期承诺的汇总估算，不能直接等同于已发生损失；其投资含义主要在于，评估AI数据中心巨头的扩张能力，需同时审视财报脚注中的未来现金支出义务。

对于投资者而言，罗斯柴尔德的报告并不代表订单取消或公司下调经营指引，但可能推动部分机构投资者将订单增长与资金回收能力结合起来审视，并重新比较算力运营商、机房出租方与电力资源持有者之间的回报结构差异。

本文来自华尔街见闻，欢迎下载APP查看更多

麦克勒姆明确表示，最新一轮关税升级"可能再度促使企业推迟投资和招聘决策"，若新关税持续实施，第四季度经济增速可能"大致减半"，跌破1%。

这一警告意味着央行对经济前景的评估出现实质性下修。加拿大经济第二季度折年增速仍达3.3%，但这股动能主要来自企业和居民在经历近18个月贸易摩擦后的一次性调整，随着关税不确定性重新升温正迅速消退。

增长失速与通胀顽固并存，令央行政策空间急剧收窄。麦克勒姆表示："如果通胀压力处于可控范围内，我们不希望通过加息来抑制经济增长。但如果通胀压力持续超预期，我们也不希望反应过于迟缓。"

关税冲击：增长动能迅速消退

加拿大央行7月时预计第三季度经济增速为1.5%，彼时最新一轮关税尚未出台。如今关税升级的冲击正通过企业投资和招聘决策的推迟向实体经济传导。

麦克勒姆指出，自贸易摩擦开始以来，企业已通过调整供应链和采购策略来降低关税风险，但这种适应性调整的边际效果正在递减；新一轮关税直接打击了企业进行长期资本开支和招聘的信心。

投资和就业的推迟将进一步传导至居民消费。人口增长放缓与人口老龄化本已对劳动力供给和消费需求形成结构性拖累，关税冲击则放大了这一下行压力。

麦克勒姆还提到，企业正在积极引入人工智能技术，但其对生产率的提升效果尚需时日方能显现，短期内无法对冲增长放缓的风险。

油价高企：通胀持续高于目标

在增长下行的同时，通胀压力并未消退。加拿大年通胀率目前为3%，高于央行2%的目标。中东局势紧张已对原油价格造成冲击，并损及汽油和柴油的供应能力，进一步推升燃料成本。

麦克勒姆明确表示，若油价维持在每桶100美元附近，通胀可能进一步上升。

关键在于油价上涨是否会演变为更广泛的通胀压力。麦克勒姆称尽管更广泛通胀风险有所上升，但目前尚无证据显示燃料成本的上涨已蔓延至其他商品或服务领域。

本文来自华尔街见闻，欢迎下载APP查看更多

9月21日，据《华尔街日报》报道，双方上周末集中磋商，讨论的让步措施已超出15亿美元投资承诺，还涉及制片厂资产、电影产出以及CNN编辑独立性等问题。目前双方尚未达成最终协议。

这场价值810亿美元的并购案此前遭遇多州反垄断诉讼。今年7月，以加州为首的十余个民主党执政州提起诉讼，认为派拉蒙与华纳兄弟探索合并后可能导致院线电影及有线电视频道市场进一步集中；编剧工会（Writers Guild of America）也提起诉讼，认为交易可能影响好莱坞编剧的就业和职业发展。

若和解达成，派拉蒙与华纳兄弟探索的合并将继续推进，HBO、CBS、CNN、多个流媒体平台及知名电影制片厂将归入同一集团。

消息后华纳兄弟探索股价持续走高，最终收涨近11%。派拉蒙天空之舞则先涨后跌，收盘跌幅约3%。

派拉蒙扩大让步范围，制片厂与CNN均纳入谈判

据报道援引知情人士透露，派拉蒙讨论了不出售旗下制片厂地块、继续留在加州运营的方案。此前，在并购阻力加大的情况下，派拉蒙曾考虑迁出加州。

内容产出方面，双方讨论了派拉蒙合并后每年制作30部电影的承诺，以及未能完成目标时可能面临的处罚，包括被迫出售其持有的Miramax股权。Miramax曾出品《低俗小说》《老无所依》等影片。

此外，双方还讨论了出售部分有线电视频道，以及设立独立委员会保障CNN编辑独立性的方案。CNN一直是这笔交易中的敏感议题，派拉蒙在诉讼提起前就曾讨论设立相关编辑委员会。

多州诉讼叠加高额交易成本，和解面临时间压力

除诉讼本身外，来自地方政府、院线运营商和好莱坞劳工工会的和解压力也在增加。加州州长Gavin Newsom、洛杉矶市长Karen Bass、州长候选人Xavier Becerra等近期均呼吁双方尽快解决争议。

交易持续时间越长，派拉蒙承担的成本也越高。根据双方协议，自下月起至交易完成前，派拉蒙需向华纳股东支付约每季度6.5亿美元的“计时费”，折合每日约700万美元。

与此同时，派拉蒙已向联邦法院申请，要求各州及编剧工会为阻止交易提供约19亿美元的保证金，若最终胜诉，该笔资金将归派拉蒙所有。随着诉讼继续，持续累积的时间和资金成本进一步增加了双方达成和解的压力。

本文来自华尔街见闻，欢迎下载APP查看更多

据TankerTrackers.com数据，沙特阿美周日在中东海湾地区的七艘超大型原油运输船（VLCC）上共装载约1400万桶原油。媒体指出，卫星图像显示，前述油轮停靠于拉斯坦努拉港附近海域。这一装载规模释放出沙特出口部分恢复的强烈信号，直接打压油市看涨情绪，开始为沙特快速恢复出口定价。

美东时间9月21日周一，布伦特原油期货收跌3.53美元，跌幅3.4%，报100.34美元/桶，美股盘中曾自9月9日以来首次跌破100美元关口；美国WTI 10月原油收跌4.51%，报95.78美元/桶，和布油均创9月8日以来收盘新低，盘中一度触及94.22美元，日内跌幅扩大至逾6%。

到周一收盘，布油和美油均连跌四个交易日，分别创6月16日和6月24日以来最长连跌日，分别四日累跌7.73%和9.5%。

与此同时，市场对美伊外交进展的期待同步升温，进一步压低地缘风险溢价。特朗普表示愿意与伊朗总统Masoud Pezeshkian会面，后者本周将出席联合国大会。PVM Oil Associates分析师Tamas Varga表示，投资者正将希望寄托于本周谈判取得突破。

装载规模超预期，出口路线快速重组

9月13日，无人机袭击迫使沙特阿拉伯关闭东西向输油管道，红海沿岸延布石油港的原油装载作业随即全面停止。然而，沙特阿美在不到一周内便完成了出口路线的大规模切换，速度之快超出部分市场参与者的预期。

据路透社援引Vortexa数据，自9月12日以来，沙特经海湾方向的原油装载量平均约为370万桶/日，高于本月早些时候的290万桶/日；而9月1日至11日期间，沙特经红海方向的装载量平均约为390万桶/日。

摩根大通分析师在上周五的报告中指出，卫星数据显示，过去六天沙特经霍尔木兹海峡的原油日均流量已升至290万桶，而8月份这一数字仅为70万桶/日。

上周日一日装船约1400万桶油的规模，进一步印证了沙特将出口重心迅速向海湾港口转移的能力，也表明此次供应中断的持续时间可能短于市场此前最悲观的预期。

油价回落：地缘溢价消退与外交预期共振

布伦特原油盘中跌破100美元，背后是两股力量的叠加：一是沙特出口部分恢复带来的供应预期改善，二是美伊外交窗口重新打开所引发的地缘溢价回吐。

Mizuho能源期货总监Bob Yawger表示，就在几天前，美伊会面的可能性还显得极为遥远，"这是朝着正确方向迈出的一步"。据半岛电视台报道，伊朗已通过调停方传达了重启谈判的条件，伊朗安全负责人Mohsen Rezaei对此予以确认。

值得注意的是，中东地区的实际冲突并未停止。也门胡塞武装称已对利雅得及红海城市延布的沙特阿美设施发动袭击，并持续推进对红海沿岸地区的军事行动。

9月17日上周四的报道援引伊朗消息人士称，在沙特求助后，有大国已要求伊朗协助约束胡塞武装。地缘局势的不确定性依然存在，但市场当前的定价重心已从风险溢价转向供应恢复预期。

销售策略东移，亚洲炼厂受益、欧洲货源收紧

管道中断后，沙特阿美在销售策略上作出明显调整：取消部分对欧洲客户的原油货物销售，转而增加经霍尔木兹海峡东部港口装载、面向亚洲市场的销售。

据媒体上周援引贸易消息人士报道，沙特阿拉伯本月及下月将从拉斯坦努拉港出售约6000万桶原油，并通过船对船转运方式在阿曼苏哈尔港完成交付。这一安排意味着亚洲炼厂将获得更充裕的沙特原油供应，而欧洲买家则面临货源阶段性收紧的局面，需转向其他供应来源填补缺口，或承受现货溢价压力。

对于亚洲炼厂而言，沙特增量供应的到来恰逢油价回落，采购成本压力有所缓解；但船对船转运的交付方式也意味着物流环节更为复杂，到港时间存在一定不确定性。

后续风险：管道修复进展与出口持续性存变数

尽管当前出口数据显示沙特供应正在恢复，但市场仍需警惕反向风险。东西向管道的修复进展尚未有明确时间表披露，沙特阿美发言人拒绝就相关情况置评。若管道修复进度不及预期，或胡塞武装对海湾出口设施发动新一轮袭击，当前依赖霍尔木兹海峡的出口路线将面临更大压力。

此外，利比亚方面亦传出供应扰动信号。利比亚国家石油公司主席Massoud Suleman周一告诉路透社，该国沙拉拉油田产量出现部分下降，但未说明具体原因，为全球供应端增添了额外变量。

当前油价的回落在一定程度上已反映了市场对沙特出口恢复的乐观预期，一旦实际出口数据未能持续兑现，或地缘局势再度升温，油价存在重新走高的可能。管道修复的实际进展与霍尔木兹海峡出口的持续性，将是后续市场定价的关键观察窗口。

本文来自华尔街见闻，欢迎下载APP查看更多

标普指出，AI应用的不均衡推进、治理框架的成熟程度以及运营准备状态，将"越来越多地推动金融机构信用质量的提升或削弱"。换言之，在AI赛道上落后的银行，可能面临来自评级机构的额外压力。

据标普6月对全球179家金融机构的调查，受访企业预计今年由AI带来的成本降幅可达4%，到2028年这一数字将升至6%至8%。成本节约的前景正逐步被纳入机构竞争力的评估框架。

尽管AI应用预期持续扩展，多数金融机构目前仍将AI部署限定在支持职能和自动化领域。调查显示，约84%的受访企业表示在上述领域使用AI，但将AI用于开发新产品和服务的机构不足三分之一，主要障碍来自监管限制与声誉风险。

这一结构性差异意味着，AI目前对大多数银行的价值贡献仍以降本为主，收入端的增量效益尚未充分释放。如何跨越从效率工具到业务创新引擎的跃升，仍是行业面临的核心挑战。

标普强调，AI应用的信用影响并非取决于技术采纳本身，而在于机构能否将成本节约和额外收入转化为可持续的盈利能力改善，并在同业竞争中形成结构性优势。

标普AI研究与应用负责人Miriam Fernandez表示：

"净信用结果在很大程度上将取决于机构能否将成本效率和额外收入转化为可持续的盈利改善，形成相对同业的竞争优势，同时维持稳健的风险管理。"

这一表述将稳健的风险管理置于与效率提升同等重要的位置，意味着在追求AI红利的同时，治理框架的缺失可能反而成为信用评级的拖累因素。

本文来自华尔街见闻，欢迎下载APP查看更多

Hougan明确判断，持续近一年的“加密寒冬”已经终结，并预计这可能成为加密货币历史上最强劲、持续时间最长的一轮牛市。

过去5天，比特币累计上涨超过7%，过去3个月涨幅接近35%。从技术面看，BTIG分析师认为，只要守住7.5万美元附近支撑位，多头可进一步向9万美元区域推进。

这一反弹发生在《数字资产市场清晰法案》未能通过参议院程序性投票的背景下，打破了“立法失败即利空”的简单逻辑，市场开始重新评估监管不确定性的真实影响。

立法折戟未阻反弹

华尔街见闻提及，上周，《数字资产市场清晰法案》在参议院程序性投票中以49票赞成、50票反对，未能达到推进所需的60票门槛。

该法案旨在为美国数字资产市场建立更全面的监管框架，明确美国证券交易委员会（SEC）与商品期货交易委员会（CFTC）之间的监管分工，被加密行业视为近年来最重要的监管立法之一。

围绕政府官员利益冲突、稳定币奖励以及银行业影响等问题的分歧，是谈判中的主要争议点。投票结果公布后，比特币和部分加密概念股一度下跌，但随后迅速反弹。

Hougan认为，在《清晰法案》未能通过的情况下，SEC和CFTC短期仍可依靠现有权限制定规则，立法失败未必意味着监管环境必然恶化。

Strategy执行董事长Michael Saylor同样将该法案受挫称为数字资产行业的一个“积极转折点”，认为行业与其接受可能被长期固化的限制，不如利用现有监管框架争取更有利的规则，未来两年更重要的任务则是扩大数字金融产品的实际应用规模。

资金从AI回流：加密春天的核心逻辑

Hougan判断“加密寒冬”结束的核心依据，并非单纯的价格反弹，而是价格与基本面之间的背离。

他指出，过去一段时间加密资产价格下跌的同时，行业基本面并未同步恶化：区块链上的交易活动增加，贝莱德等大型金融机构进一步参与数字资产市场，形成“价格周期性下跌、基本面结构性改善”的格局。

他预计，加密资产价格可能在今年晚些时候进一步追赶基本面的变化。

更值得关注的是资金流向的变化。Hougan表示，投资者正在从AI股票重新轮动回加密货币。他补充称，此前AI热潮“几乎吸走了市场中的全部注意力。任何追逐动量的投资者都把重点放在AI上。现在，随着AI行情有所趋稳，我们开始看到资金重新回流加密货币市场”。

这一判断若成立，意味着比特币本轮反弹的驱动因素已从单纯的避险或政策预期，转向更广泛的资产配置再平衡，AI交易拥挤度的下降为加密资产提供了增量资金的来源。

9万美元关口成下一个观察点

从更长周期看，比特币仍未完全走出此前的调整。

比特币在去年10月创下约12.6万美元的历史高点，随后一度腰斩，并在今年7月初跌至约5.76万美元的低点；即使近期大幅反弹，目前价格仍较历史高点低约三分之一。

这意味着当前反弹的性质更接近从深度调整中修复，而非确认新一轮历史高点的开启。分析认为，9万美元能否有效突破，将是检验“加密春天”成色的关键观察点：

• 若价格在9万美元附近遇阻回落，市场可能需要重新审视资金轮动的持续性；
• 若放量突破，则将进一步强化Hougan关于“历史上最强劲、持续时间最长的一轮牛市”的判断。

后续可关注美联储利率路径与美债长端利率走向，它们仍是影响加密资产估值的核心宏观变量。

本文来自华尔街见闻，欢迎下载APP查看更多

据The Information援引知情人士透露，根据拟议中的协议，OpenAI和Anthropic将获得对方商业化AI模型的API访问权限，并通过一系列测试寻找模型可能存在的漏洞或潜在危险。尚未发布的模型则不在协议范围内。

双方同时保证，在测试过程中不会保留对方的数据。

目前尚不清楚OpenAI和Anthropic最终是否正式敲定了这项协议。

相关讨论发生之际，AI模型安全和测试机制受到越来越多关注。The Information报道称，OpenAI近期正重新考虑一系列AI安全策略。

AI安全测试从内部评估走向同行测试

如果相关安排最终落地，其核心机制将是让两家AI公司直接利用对方商业化模型的API开展测试，从外部寻找模型可能存在的安全漏洞和隐藏风险。

相比单一公司内部进行模型安全评估，这种相互测试机制意味着模型开发商之间可以利用彼此的测试能力，对已经投入商业应用的模型进行交叉检验。

2025年夏天两家公司过去曾进行过类似的模型测试，并公布相关结果：Anthropic的模型更倾向于通过否认违反规则来欺骗测试人员；而OpenAI的模型则更有可能协助解答可能导致现实世界危害的咨询。

此次讨论的拟议协议则试图以更正式、具有法律约束力的方式建立双方之间的测试安排。

对于正在快速推进模型能力和商业化应用的AI行业而言，如何在模型能力提升的同时加强安全测试，正成为OpenAI、Anthropic等AI公司需要面对的重要问题。

本文来自华尔街见闻，欢迎下载APP查看更多

分析师认为，这一成绩是Meta数千亿美元AI投资开始兑现的切实信号，并可能为公司打开广告、订阅及交易分成等全新变现空间。

市场调研机构Sensor Tower高级分析师Abe Yousef指出，Muse于9月8日上线，此后六天内下载量超过90.2万次，高于前代Meta AI应用同期77.3万次的成绩。

与旧版产品相比，Muse支持基于用户社交内容进行个性化回应，并可接入Gmail、日历、OpenTable等第三方服务，功能层级显著提升。

消息提振Meta股价周一盘中一度涨幅达13%，最终收涨11%，创下2025年4月以来最大单日涨幅。

涨势亦蔓延至Meta核心供应商，AMD收涨9.9%，市值首次收于1万亿美元整数位心理关口上方；英特尔收涨12%，创5月份以来最大单日涨幅。

Muse定位为可执行数字任务的个性化AI代理，用户可借助它创建定制化AI工具，由其自主完成网络操作。

其关键能力在于能够读取用户在Facebook Marketplace和Instagram上的社交内容，并连接Gmail、苹果和谷歌日历、OpenTable等第三方服务，乃至通过浏览器访问其他网站。

相比之下，去年4月发布的旧版Meta AI应用主要聚焦于图像和短视频生成，个性化程度较低。

Muse提供免费基础版本，但每月20美元或100美元的订阅套餐可解锁更多每周使用额度。此外，Muse亦已接入Meta旗下WhatsApp，意味着其实际用户规模可能远超独立应用的下载数据。

华尔街对Muse的早期表现给出积极评价。

Evercore ISI分析师Mark Mahaney在周一的研报中写道，"Meta手中握有Muse这张王牌"，称其"是产品创新成功的切实体现"，同时也证明Meta累计约2000亿美元的AI投入"并非徒劳"。

Evercore研究团队指出，用户增长趋势表明Muse可能成为Meta"潜在的、极具爆发力的新用户活跃驱动因素"，并有望通过广告、订阅以及交易收入分成，为公司带来"可观的全新变现机会"。

对于首席执行官马克·扎克伯格而言，Muse的早期成绩在一定程度上印证了其将个性化AI助手推向大众消费市场这一战略构想正逐步落地，而支撑这一愿景的大规模数据中心建设与AI研究投入，也有望逐步转化为商业回报。

本文来自华尔街见闻，欢迎下载APP查看更多

这一趋势正在加速。Harvey、Abridge、Decagon、Ramp等横跨法律、医疗、金融和客服赛道的初创企业，相继宣布自研或定制模型的计划，部分企业已将八成流量切换至自有模型。

Sequoia Capital和General Catalyst等头部投资机构亦在背后助推。

此举对OpenAI和Anthropic构成直接压力。两家公司正各自筹备备受期待的IPO，而应用层客户的外流可能蚕食其最重要的收入来源。

Harvey的处境最能说明问题。

这家估值156亿美元的法律AI初创企业，长期将OpenAI的GPT-4作为其产品核心。据彭博，今年3月该公司AI智能体完成重大更新后，用户使用量急剧攀升，但随之而来的是毛利率的断崖式下滑——从年初约50%跌至6月的-50%。

Harvey今年的AI Token使用量增长了二十倍。

Harvey联席创始人兼总裁Gabe Pereyra表示，此前AI应用的表现高度依赖底层模型的能力，因此付费购买OpenAI和Anthropic的最佳模型是必要选择，自训练模型的意义相对有限。但这一逻辑在成本的重压下开始松动。

今年8月，Harvey发布了自有模型，底层由月之暗面（Moonshot AI）的Kimi K3提供支持。该模型的性能接近Anthropic旗下最佳产品，但成本仅为其一小部分。结合其他AI使用策略的调整，Harvey的毛利率已重新转正。

Harvey的转型并非孤例，这一趋势已在多个行业蔓延。

• 医疗科技初创企业Abridge近期宣布，将基于英伟达开源模型，为临床场景自建基础模型。
• AI客服初创企业Decagon表示，目前已有80%的查询请求流经其自有模型。
• 金融科技领域，Ramp和Rogo正首次探索训练自有模型的可能。
• 编程工具领域，已并入SpaceX旗下的Cursor以及估值480亿美元的Cognition，是最早发布定制模型的AI应用公司之一。

Ramp联席CEO Karim Atiyeh表示，此前训练专属模型在经济上完全不合理，但随着今年6月完成7.5亿美元融资以及开源权重系统性能的大幅跃升，这一逻辑正在逆转。

旧金山风险投资机构Basis Set的创始人兼管理合伙人Dr. Lan Xuezhao对此态度更为强硬：

"如果不去优化成本、精调自有模型，你在定义上就是低效的。如果一家公司不考虑自建模型，可能根本拿不到融资。"

推动这一转变的，不仅是成本本身，还有OpenAI和Anthropic日益强势的商业策略。

两家公司近期均转向对企业用户的模型使用量额外收费，叠加此前的订阅基础费，对"Token最大化"的使用模式形成了直接惩罚。据报道，Uber在鼓励工程师最大化使用Anthropic的Claude Code后，仅到4月便耗尽了全年的AI预算。

与此同时，OpenAI和Anthropic今年均在法律、金融、医疗等初创企业的核心赛道积极招兵买马，推出插件并试点行业应用，直接与客户群体形成竞争关系。

初创企业对模型供应商的依赖还带来了另一层风险：被切断访问权限。SpaceX完成对Cursor收购后不到一周，OpenAI即宣布暂停向这家编程工具初创企业提供模型访问，理由是马斯克旗下公司过去存在违反服务条款的情况。

正是在这一背景下，在Anthropic办公室举行的一次投资者论坛上，与会者专门讨论了初创企业自建模型的趋势。Anthropic表示，Harvey仍需依赖Anthropic旗下最强大的Claude Opus模型处理最复杂的任务。

转向开源权重模型并非没有代价，这条路同样布满障碍。

人才是首要瓶颈。Anthropic投资方Menlo Ventures合伙人Matt Kraning指出，能够胜任模型精调工作的专业工程师薪酬可达数百万美元，且极易被OpenAI和Anthropic等大型机构挖走。

数据是另一道门槛。企业自训模型需要大量专有数据，Harvey由于无法访问客户的敏感法律文件，不得不从AI数据提供商Mercor处购买训练数据。

开源模型的基础设施成本同样不可忽视。视觉AI初创企业Elorian的CEO Andrew Dai指出，下载开源权重模型并自行管理计算基础设施的开支相当可观，对于流量较低的早期公司而言，按用量付费给闭源模型可能反而更为经济。

此外，确有企业尝试后铩羽而归。初创企业Salespeak此前宣布自建大语言模型的计划，但几个月的摸索后放弃了这一方向。其联席创始人兼CEO Omer Gotlieb表示，与Anthropic、OpenAI的现成模型相比，未能看到"显著优势"。

尽管自研浪潮汹涌，多数初创企业并未寄望于完全摆脱OpenAI和Anthropic。

Redpoint Ventures管理董事Logan Bartlett同时持有Anthropic、Abridge和Ramp的投资，他预计行业降低对Anthropic模型依赖的动力将持续增强，但坦承，初创企业仍会在必要时为最优性能买单。"它们不会为了赌气而自断手脚，"他说。

Anthropic的演示材料亦印证了这一现实——Harvey仍需Claude Opus处理最复杂的任务，这表明在现阶段，开源与闭源的混合使用策略，或许才是多数初创企业的最优解。

这场围绕AI成本与控制权的博弈，实质上是应用层初创企业寻求与模型层巨头重新议价的过程。随着开源模型性能持续追近闭源产品，这一张力将在OpenAI和Anthropic迈向IPO的进程中，持续考验双方的利益边界。

本文来自华尔街见闻，欢迎下载APP查看更多

据The Information报道，OpenAI正在开发专门针对Grok Bot的功能，后者定位为全天候在线的数字工作伙伴，能够管理软件应用并处理后台例行任务。

同时，OpenAI管理层已就推出一款专属个人AI助手展开讨论，以正面回应Meta的Muse。

OpenAI的应对策略并非从零构建新系统，而是计划对现有ChatGPT和Codex平台中已有的智能体能力进行重组和品牌重塑。

自去年GPT-5迭代以来，新版模型已具备跨邮件、日历等第三方应用执行长周期任务的能力，但这些功能在消费者层面的认知度仍然偏低。

此举折射出OpenAI在AI工具赛道面临的竞争压力——SpaceX和Meta相继推出主打任务自动执行的产品，正对其市场领导地位构成直接挑战。

市场关注OpenAI能否将底层模型能力迅速转化为用户友好的专项智能体产品，抢占市场份额，保持竞争优势。

SpaceX上月将Grok Bot作为每月30美元SuperGrok订阅套餐的一部分正式推出，定位为"数字首席幕僚"，能够持续监控用户工作流、在Gmail、Notion和Figma等应用中自主执行任务，即便用户本地设备关机，系统也可保持运行。

Meta则于本月入局，推出自动化智能体产品Muse，专注于移动端任务场景，涵盖商务沟通、邮件管理及个人购物等需求。

与此同时，Meta旗下仅限受邀用户使用的个人助手应用Instinct已积累逾10万用户，显示出消费者偏好正从传统问答式聊天机器人加速转向至任务执行类工具。

在自主AI助手这一新兴市场，竞争格局正在快速成形。OpenAI一方面需要推进安全对齐和未来版本的模型架构等核心工作，另一方面也面临捍卫先发优势的市场压力。

投资者和企业客户正密切关注OpenAI的产品路线图，以评估其将底层模型能力转化为专项智能体产品的速度与执行力。

这场围绕自动化工作场景工具的竞赛，将在很大程度上决定各方在这一高速增长市场中的份额归属。

本文来自华尔街见闻，欢迎下载APP查看更多

去年，vivo X300系列于10月13日发布，到了今年，X500系列的发布整整早了22天。

发布会上，vivo副总裁黄韬也主动提到，过去几年，vivo年度旗舰发布会大多都在10月中旬以后。甚至有用户调侃，十一长假旅行回来，再看一场主打旅拍的旗舰发布会，正好回味刚刚结束的假期。

今年，vivo等不及10月了。

存储价格上涨后，成本压力正在成为手机厂商共同面对的问题。与此同时，新一代旗舰又集中在短时间内登场。当涨价越来越难避免，谁先发布，就有机会更早进入消费者的换机选择，抢到有限的预算。

X500标准版涨价明显。

X500提供12GB+256GB、12GB+512GB和12GB+1TB三个版本，售价分别为5499元、5999元和6999元。

全天候科技现场摄图

若与去年X300的相同内存版本相比，X500起售价上涨1100元。

不仅如此，X500的高配版也有所降配。上一代X300最高配为16GB+1TB，发售价5799元，但此次X500最高配的运行内存已经降低至12G。

价格向上之后，vivo开始把更多过去属于Pro的能力放进标准版。

影像是X500标准版此次升级的重点。主摄采用vivo X300 Pro同款的蓝图×索尼LYTIA-828传感器，拥有1/1.28英寸大底；长焦则首发搭载与X500 Pro同款的蓝图×索尼LYTIA-610传感器，支持6400万像素与4K 120fps电影级慢动作。

Live也成为这一代的新卖点。X500支持8K原生Live直出和4K原生电影感Live，并加入AI摄影指导等功能。性能上则搭载蓝晶×天玑9600M以及OriginOS 7。

标准版向Pro靠拢，成为vivo给这一轮涨价提供的产品解释。

再往上，X500 Pro和X500 Pro Max进一步拉开差距。两款机型搭载蓝晶×天玑9600 Pro，采用2nm制程，并升级GPU和双NPU架构；影像侧融合V3+与VS1，强化60fps追焦、长焦视频超分以及4K高帧率Log视频能力。Pro Max还搭载6.85英寸2K屏和蔡司2亿APO超级长焦。

价格也继续向上。X500 Pro Max的12GB+256GB版本售价6999元，最高达到8999元，X500系列由此覆盖从5499元到近9000元的价格带。

X500只是第一枪。随着更多国产直板旗舰在9月接连登场，今年的竞争也将更早回答一个问题：当旗舰越来越贵，谁还能让消费者愿意掏钱换机。

本文来自华尔街见闻，欢迎下载APP查看更多

美东时间9月21日周一，贝森特在接受CNBC采访时表示，Hugging Face事件的责任在于OpenAI管理层，而不是“一群智能体”。他还表示，认同麻省理工学院研究实验室联合主任Daniel Huttenlocher的观点，即“责任在人，而不在AI”。

贝森特此次表态，将AI安全讨论的焦点从模型本身的能力与风险，进一步引向开发者和企业管理层的责任。他并未提出针对OpenAI的具体处罚措施，但明确强调，不能因为事故涉及AI，就将责任从创造和部署技术的人类身上转移出去。

OpenAI模型攻击事件引发问责争议

此次争议源于OpenAI先进AI模型在一项网络安全能力评估中攻击Hugging Face的事件。

据报道，OpenAI于今年7月表示，其先进AI模型在一项旨在测试网络攻击能力的评估中，成功攻击了另一家AI初创公司Hugging Face。OpenAI随后于8月承认，公司本可以更早采取行动，阻止此次攻击。

这一事件将AI模型自主执行网络攻击任务的能力，以及相关企业应承担何种责任的问题推到了台前。

贝森特此前已在国会听证会上谈及该事件。9月15日，他表示，政府尚未看到能够明确界定此次事件责任归属的情况。

他同时强调，AI安全治理不应给予相关实验室责任豁免，而这正是他所称AI实验室正在寻求的安排之一。

贝森特当时表示，确保安全的最佳方式，是让创造者对自己开发和生成的内容承担责任。

贝森特谈特朗普拟任命AI“总管”：为治理问题划定框架

据新华社报道，美国总统特朗普9月19日在社交媒体发文称，将组建一支“人工智能部队”，并将在不久后任命一名人工智能事务“总管”。

特朗普在帖文中将人工智能描述为可能比工业革命或互联网浪潮影响更大的技术变革，并称其影响甚至可能占到美国国内生产总值的25%。

特朗普同时表示，美国不会以任何方式阻碍或扼杀AI产业发展，而是要支持和保护其成长；对于AI相关的不法行为，美国将借助现有刑事与民事司法体系予以惩处。

贝森特周一谈及特朗普的上述AI相关未来任命。他表示，任命AI事务“总管”将有助于为相关问题“提供背景、塑造框架并划定边界”，并强调这些问题“非常重要”。

特朗普此前表示，美国不会以任何方式阻碍或扼杀AI产业发展，而是要支持和保护其成长；对于AI相关的不法行为，美国将借助现有刑事与民事司法体系予以惩处。

不过，现阶段尚无公开信息显示这一职位的具体权限、监管职责及其与现有机构之间的关系。贝森特此次表态也未进一步说明，该职位将如何参与AI安全事故的责任认定或监管规则制定。

从网络攻击到失控智能体 AI安全讨论聚焦风险与责任

贝森特在CNBC采访中还谈及AI安全风险。他表示，相关讨论将涉及当前主要的AI风险，包括失控智能体、非国家行为体发起的网络攻击，以及生物武器等潜在威胁。

他强调，AI开发企业需要对自身开发的技术承担责任，并表示相关实验室可以随时放慢开发进程。

这意味着，AI安全议题已不再局限于模型输出是否存在风险，也涉及AI系统在现实环境中执行任务时可能带来的网络安全与其他风险。

对AI开发企业而言，核心问题之一是如何界定模型能力、部署方式、管理决策与实际事故之间的责任关系。贝森特的表态强调，AI系统的自主行动并不意味着开发者和管理层可以免于承担责任。

不过，如何将这一原则落实为具体法律责任、事故报告义务和监管规则，仍有待进一步明确。

本文来自华尔街见闻，欢迎下载APP查看更多

9月21日，据彭博报道，戴蒙将出席摩根大通在孟买举办的年度投资者大会，并与印度大型企业集团高管会面。Mukesh Ambani旗下信实工业已在交易所公告中确认将与摩根大通官员会面，雀巢印度、塔塔钢铁等大型企业代表也预计参与。摩根大通预计，本届大会将吸引逾1000名全球投资者、企业高管及政策制定者。

摩根大通印度高级区域主管Rahul Badhwar表示，印度企业持续向海外扩张，跨国公司也在加深本地布局，战略咨询、融资及资本市场服务需求随之增长。摩根大通联席全球投行主管Dorothee Blessing接受采访时表示，私募股权入境投资和主权财富基金配置需求也在上升。

抢占股权融资高地，摩根大通持续扩大优势

摩根大通已在印度股权融资市场占据领先位置。2025年，该行重夺印度股权发行市场榜首，此前已连续数年无缘第一。去年，印度企业通过IPO、股票配售及大宗交易合计募资近550亿美元。

Badhwar表示，摩根大通重点关注跨境并购、创新经济、制造业、医疗健康、消费、金融服务和科技等领域，同时看好可再生能源、能源转型、数字基础设施、数据中心及人工智能等长期投资机会。

今年早些时候，摩根大通还在印度古吉拉特国际金融科技城（GIFT City）设立分支机构，开展股票等金融工具交易，为境外客户提供服务。GIFT City凭借政策优势，已吸引汇丰、渣打及三菱UFJ金融集团等国际金融机构入驻。

印度市场的吸引力也在推动其他外资银行扩张。高盛、汇丰等机构不断扩大当地业务，日本金融机构也在增加本地存在。不过，在IPO等细分市场，本土机构凭借客户资源和监管经验仍保持较强优势。

六万名员工坐镇，印度成为全球运营重镇

摩根大通在印度的业务远不止投行。该行在印度多个城市的全球能力中心拥有约6万名员工，业务覆盖量化研究、数据科学和云计算等领域，使印度成为其美国以外规模最大的运营基地之一。

与此同时，摩根大通近期也面临印度监管压力。据彭博报道，印度监管机构指控该行一家毛里求斯关联实体存在操纵股票交易行为。相关离岸实体在缴纳要求款项后，交易禁令已解除，摩根大通迄今未就相关指控公开置评。

摩根大通方面表示，该毛里求斯实体独立于其印度本地子公司J.P. Morgan India Pvt.，相关监管命令不会直接影响其主要通过本地实体开展的业务。

随着印度资本市场规模扩大、跨境资金持续流入，戴蒙此次亲赴孟买，也凸显印度在摩根大通全球业务版图中的重要性。

本文来自华尔街见闻，欢迎下载APP查看更多

据CCTV国际时讯，随着也门胡塞武装在国内加大攻势并与沙特持续互袭，美国总统特朗普针对沙特的求援摇摆不定已两周。当地时间上周四，特朗普与沙特王储兼首相穆罕默德再次通话后，一度指示五角大楼准备对胡塞武装实施空袭。

可到了当地时间9月20日中午，特朗普似乎又变卦了。据美国官员透露，美方“至少暂时不会”对胡塞武装发动空袭。报道称，对胡塞武装的空袭行动一度箭在弦上，就在特朗普下令撤回时，打击目标清单已经获批，美军战机也已完成弹药的挂载。

据新华社报道，也门胡塞武装19日晚宣布，该组织发动两次军事行动，分别袭击了沙特阿拉伯首都利雅得的“敏感目标”以及沙特阿美石油公司位于延布的设施。声明称，两次行动均“取得成功”，目标区域发生大规模火灾。

胡塞武装对也门红海沿岸的控制已实质上封堵了沙特绕开霍尔木兹海峡的石油出口替代通道，迫使沙特大幅增加经由霍尔木兹海峡的石油运输。

目前布伦特原油期货价格已从上周接近110美元/桶的高点回落至100美元/桶左右，但精炼燃料零售价格仍处于历史高位，美国零售柴油价格周一再创纪录，突破每加仑6.51美元。

胡塞武装自2014年起控制也门首都，本月完成对红海沿岸的闪电式推进，致使沙特扶持的政府军溃散。

据路透社援引五名也门军方消息人士，胡塞武装目前正在塔兹省和拉赫季省争夺被称为"卡赫布布山脉"的战略制高点，该山脉将红海海岸与政府军控制的南部地区隔断。

目前战斗集中于塔兹省偏远山区的Al-Wazi'iyah地区外围，以及印度洋沿岸的Ras al-Ara一带——该地区介于胡塞武装上周夺取的红海入海口与政府军在亚丁的据点之间。

胡塞武装意在通过控制上述高地，巩固其在曼德海峡周边的后方阵地，从而获得开辟新战线、保护现有占领区的能力。

沙特近日已对胡塞武装阵地发动数百次空袭，但据胡塞武装方面称，这些打击未能撼动其战线。联合国数据显示，本轮冲突升级已造成近700人死亡、数千人受伤，约13万也门人在境内流离失所，另有逾3000人乘船渡过红海逃往非洲。

这场战事令特朗普政府面临两难处境：一方面承受来自沙特盟友的施压，另一方面又不愿扩大他今年2月对伊朗发动"史诗狂怒行动"所引发的这场本已深陷争议的战争。

美国曾于2025年初对胡塞武装轰炸长达两个月，后在与该组织达成停火协议后撤手，此后基本置身事外。

据路透社，特朗普上周日与也门沙特扶持的国际公认政府总统Rashid al-Alimi通话，后者请求美国提供军事援助。其中一名也门籍消息人士和一名西方消息人士表示，特朗普在通话中未作出任何直接的军事支持承诺。

在更广泛的外交层面，今年6月美伊达成的临时协议在数周内即告破裂，相关斡旋工作此后基本停滞。

伊朗总统Masoud Pezeshkian定于周二飞赴纽约出席联合国大会，这是自特朗普联合以色列对伊朗发动攻击以来，伊朗领导人首次出席该会议。

胡塞武装对曼德海峡的控制已实质性封堵了沙特石油出口的关键替代通道。

对此，沙特加大了经由霍尔木兹海峡的原油出货量——卫星数据显示，近日沙特经由该海峡的日出口量达到290万桶，而8月时仅为70万桶。但运力吃紧推动运费急剧攀升，部分油轮收取的费用已高达货物价值的四分之一。

尽管油价已从上周接近110美元/桶的高点回落至约100美元附近，精炼燃料价格却仍居历史高位：美国零售柴油价格周一再创纪录，突破每加仑6.51美元，而今年2月战事爆发前约为3.75美元。

对于将柴油价格视为政治敏感指标的特朗普而言，这一涨幅构成不小的政治压力。

与此同时，霍尔木兹海峡的安全局势亦持续告急。英国海事安全机构UKMTO最新通报称，一艘驶入该海峡的船只遭到投射物袭击，造成船员轻伤。

本文来自华尔街见闻，欢迎下载APP查看更多

根据调整，支付宝事业群、数字支付事业群和芝麻信用事业部将合并组建新的支付宝事业群。吴敏芝出任新支付宝事业群总裁，并继续兼任蚂蚁集团CPO。

此次调整意味着，支付宝的平台运营、数字支付和信用服务将被纳入同一事业群。原本分布在不同业务板块的技术、产品及生态资源也将进一步整合，以强化用户服务和商家经营能力。

韩歆毅在全员信中表示，随着AI技术加速进入各类商业场景，智能体商业正在走向规模化发展。支付宝此前提出的“双飞轮”战略，即围绕用户服务和商家经营同步推进AI能力建设，正是为智能体商业做准备。

过去三年，支付宝已在AI支付、Agent信任机制、AI钱包、个人生活助手“阿宝”、“碰一下”以及多终端生态等方向展开布局。

从业务进展看，“阿宝”上线三个月已推动超过一万项服务完成AI化升级，并与手机、车机、手表和眼镜等终端实现连接；AI支付已搭建全栈产品体系，累计完成3亿笔AI支付；“碰一下”则继续拓展线下支付场景，并被用于连接商家数字化经营服务。

按照此次调整方向，新的支付宝事业群将进一步集中技术、产品和生态能力：面向用户推进AI钱包和生活助手，面向商家则通过支付宝AI开放平台提供服务和经营工具；

支付、信用与平台入口被整合后，支付宝智能体商业的产品开发和商业落地将由同一事业群统筹。

公开资料显示，吴敏芝于2021年8月加入蚂蚁集团。此前，她曾在阿里巴巴集团任职20余年，先后担任阿里巴巴国际贸易事业群总裁、B2B事业群总裁及首席客户官等职务，拥有平台运营和商业服务经验。

本文来自华尔街见闻，欢迎下载APP查看更多

9月21日，据GeekWire报道，亚马逊已切断Meta旗下个人AI代理Muse代表用户在Amazon上购物的通道。用户尝试通过Muse在亚马逊购物时，会看到提示称，未经授权的AI代理持续访问亚马逊违反使用条款。亚马逊表示，此前曾要求Meta主动将亚马逊排除在Muse的服务范围之外，但未获回应。

这场冲突并非发生在两家毫无合作关系的公司之间。自2023年起，亚马逊商品便可在Facebook和Instagram内直接购买；今年4月，Meta还与亚马逊签署数十亿美元协议，将在亚马逊云端运行代理AI工作负载。亚马逊称，目前正与Meta直接沟通，但对于是否考虑采取法律行动，公司拒绝置评。

亚马逊为何封锁Muse？

亚马逊给出的理由主要涉及授权、身份披露和账户安全。

亚马逊称，Meta没有事先告知Muse将访问其平台，且Muse在浏览过程中不会主动披露AI代理身份。亚马逊认为，这相当于未经授权的第三方进入用户账户，处理交易并接触相关数据。

亚马逊还指出，Muse在用户提示下可以访问账户页面和订单历史。亚马逊发言人表示，提供代客购物服务的第三方应用应透明运营，并尊重平台是否允许其参与。

Meta此前则表示，Muse无法获取用户密码或支付方式，用户提供的凭证会进入安全存储，Muse可以在不直接查看凭证的情况下使用相关服务。

Muse的产品设计也恰好触及这一争议：对于提供公开API的服务，Muse可以通过用户凭证接入；如果没有API，则可以“像用户一样通过浏览器使用该服务”。亚马逊此次封锁的正是后一种访问方式。

从法律诉讼到服务条款

亚马逊此前已尝试通过法律手段限制AI代理访问其平台，但相关诉讼结果并不完全有利。

亚马逊此前就Perplexity旗下Comet浏览器提起诉讼，并于今年3月获得初步禁令。但8月4日，第九巡回上诉法院推翻该禁令，认为根据联邦反黑客法律，访问亚马逊计算机系统的是用户本人，而非AI公司。9月10日，法院进一步驳回亚马逊的复审申请。

不过，这一裁决仍为亚马逊基于合同和服务条款提出索赔留下空间。此次针对Muse的提示语也没有援引黑客行为，而是直接指向亚马逊“使用条款”，显示双方争议的重点正转向AI代理是否获得平台授权。

AI代购正在触碰电商平台的核心利益

亚马逊对代理购物保持强硬态度，也与自身商业模式有关。

亚马逊2025年广告收入超过680亿美元。如果AI代理直接完成搜索、比价和下单，用户无需进入亚马逊页面，传统的广告展示和商品推荐机制可能受到影响。过去一年，亚马逊已持续限制外部AI代理访问其平台，除了起诉Perplexity外，公司还着手阻止来自谷歌和OpenAI的购物代理。

与此同时，亚马逊也在发展自己的代理购物能力。今年5月推出的“Alexa for Shopping”中，“Buy for Me”可以代表用户前往外部品牌网站寻找并购买商品。亚马逊强调，该功能会主动披露身份，并允许品牌选择退出。

由此，AI代购带来的一个核心问题逐渐浮现：平台是否允许第三方AI代理代表用户进入自己的交易体系，以及平台能否继续掌握交易入口和用户关系。

Muse快速增长，加速规则博弈

Meta于9月8日正式推出Muse，将其定位为能够执行多步骤任务的个人AI代理，可连接电子邮件、日历、支付、餐饮和购物等服务，支持iOS、Android、muse.ai及WhatsApp。

Muse上线后迅速获得关注。发布仅一周便登顶苹果美国App Store免费应用榜首，超过ChatGPT。早期用户已将其用于切换汽车保险方案、寻找折扣码以及自动填充在线购物车。

Meta表示，Muse运行在安全虚拟机中，配备独立浏览器，并会在发送邮件或完成购物等敏感操作前征得用户确认，同时由“Sentinel”监控代理审核对外发送内容。

随着Muse进入真实交易场景，AI代理与传统互联网平台之间的边界也被进一步推到台前。谁控制代理、谁拥有用户关系、代理可以访问哪些服务，以及交易价值如何分配，都将成为“代理商务”时代需要解决的问题。

本文来自华尔街见闻，欢迎下载APP查看更多

德银认为，当前市场面临的一个关键风险是，通胀压力可能比预期更持久，而金融条件又没有随着政策收紧同步恶化。在这种情况下，央行需要将利率维持在更高水平更长时间，才能达到预期的紧缩效果。

能源价格是这一判断的重要依据。尽管油价近期连续四个交易日下跌，布伦特原油仍徘徊在每桶96美元附近，而大宗商品整体涨势尚未充分反映在通胀数据和市场调查中。德银指出，能源冲击的影响并不止于油价本身，若涨价压力进一步向核心通胀和工资预期传导，通胀回落的速度可能慢于市场当前预期。

与此同时，资产市场表现显示金融条件依然偏宽松。标普500指数接近历史高位，信用利差维持较窄水平，企业融资环境并未因政策利率上升而明显收紧。德银认为，这可能削弱加息对需求的抑制作用，使央行面临进一步收紧政策的压力。

历史经验显示，市场往往低估加息终点

Allen特别提醒，市场低估紧缩幅度并非首次发生。德银援引2022年的经验称，当时投资者最初预计美联储首年加息约200个基点，但最终实际加息幅度超过400个基点。换言之，市场在紧缩周期初期往往难以充分计入后续政策调整。

这种经验在当前环境下尤其值得关注。相比2022年通胀突破8%后才大幅收紧政策，如今主要央行对价格压力的反应明显更快。Allen认为，在经历上一轮通胀冲击后，央行可能更倾向于防止通胀再次失控，因此政策反应函数可能进一步前置。

但更高的利率并不意味着经济或股市必然转弱。Allen指出，1999年美联储加息、债券收益率上升的同时，标普500指数全年仍上涨近20%。因此，德银关注的核心并非加息本身是否终结增长，而是市场是否为利率路径进一步上行留下了足够空间。

如果油价高位持续、通胀的第二轮效应逐渐显现，而宽松金融条件又继续削弱加息效果，那么市场此前对降息的押注可能需要重新调整。届时，债券收益率、美元以及风险资产估值都可能面临新的定价压力。

本文来自华尔街见闻，欢迎下载APP查看更多

9月21日，据彭博报道，美国汽车协会（AAA）数据显示，美国全国柴油均价已升至每加仑6.505美元，首次突破6.50美元关口。华尔街见闻此前文章提及，美国柴油零售价上周五进一步升至6.45美元，此前已首次突破每加仑6美元，如今再度刷新纪录。

地缘冲突对能源供应的扰动仍在扩大。据央视新闻，当地时间9月20日，乌克兰武装部队总参谋部通报称，当天凌晨，乌军对俄罗斯莫斯科地区的莫斯科炼油厂实施打击。

乌方称，炼油厂区域发生大规模火灾，AVT-6初级炼油装置、综合原油加工装置等遭到打击。乌军方称，莫斯科炼油厂是俄罗斯最大的炼油企业之一，年原油加工能力约1200万吨，生产车用汽油、柴油、航空燃料、重油等石油产品。

随着美国中期选举临近，创纪录的柴油价格也开始给农业州以及依赖家用取暖油的地区带来更大成本压力，能源价格正成为影响美国消费者和企业的重要变量。

中东供应受扰叠加俄罗斯炼厂遇袭，全球柴油市场持续收紧

本轮柴油价格上涨的核心驱动力仍来自供给端。中东冲突爆发后，经霍尔木兹海峡运输的能源货物受到严重干扰，中东原油出货量尚未恢复至战前水平，全球炼厂的原料供应因此受到制约。

与此同时，莫斯科炼油厂遇袭进一步凸显全球炼化体系的脆弱性。彭博数据显示，受中东和俄罗斯能源供应扰动影响，上周全球柴油期货和炼油利润率均升至历史高位，美国取暖油裂解价差一度飙升至每桶117美元，创下彭博自2009年有记录以来的最高水平。

俄罗斯方面也在进一步收紧柴油出口。据彭博报道，俄罗斯政府计划将针对燃料生产商的柴油出口禁令延长至10月底。此前，俄罗斯已因国内燃料供应压力及炼厂持续遭袭，多次延长相关出口限制。俄罗斯此前约占全球海运柴油供应的10%，这些供应退出国际市场后，进一步加剧了中东供应受扰带来的缺口。

供给端持续收紧也在迅速推高美国柴油价格。自9月以来，美国柴油价格累计上涨超过87美分，并突破2022年创下的前期峰值。高盛近期警告称，在全球供应约束持续的情况下，柴油价格仍存在进一步上涨空间。

柴油价格的快速上涨还将进一步推高运输、农业和取暖成本，并增加美国通胀压力。随着原油供应受扰、炼油产能承压以及成品油库存偏紧，柴油市场的供需矛盾仍在加剧。

柴油涨价向运输、农业和通胀传导

尽管多数美国消费者并不直接使用柴油，但柴油广泛应用于卡车运输、农业机械、发电机组、船舶、铁路以及家用取暖系统，其价格上涨会通过运输和生产成本向更广泛的商品和服务传导。

美联储明尼阿波利斯联储行长Neel Kashkari周末表示，美国当前通胀水平仍然过高，价格压力已经从能源领域扩散至更广泛范围。美联储上周将基准利率上调25个基点，为2023年以来首次加息，能源价格的持续上涨也进一步增加了后续政策判断的复杂性。

高油价同时引发了市场对美国政府限制柴油出口的讨论，以增加国内供应。不过，美国内政部长Doug Burgum表示，禁止出口并不能有效压低美国国内价格，对这一政策工具持保留态度。

华盛顿智库进步研究所（Institute for Progress）指出，如果以通胀调整后的实际价格衡量，目前柴油价格仍低于2022年的历史高点。但从名义价格和近期涨幅来看，柴油成本正在快速上升，对运输、农业及取暖需求形成更直接的压力。

高盛在最新报告中则指出，相较柴油，汽油价格目前可能为投资者提供更大的交易机会。随着柴油价格持续走高，能源市场的供需矛盾也可能进一步向其他成品油品种扩散。

本文来自华尔街见闻，欢迎下载APP查看更多

9月21日，据彭博报道，在Nscale提交的S-1招股文件中，微软与Anthropic合计贡献约884亿美元合同价值，其中微软约438亿美元、Anthropic约446亿美元。尤其是Anthropic这笔协议，目前尚未获得为项目提供资金的正式融资承诺，且还附带一系列里程碑和持续供算要求。据英国《金融时报》报道，Nscale此次IPO目标估值最高达350亿美元。

更值得关注的是，Nscale目前的实际经营规模与1030亿美元合同总值存在明显落差。截至8月底，公司处于活跃状态的合同仅26亿美元；今年上半年营收1.406亿美元，同时净亏损10.2亿美元。巨额合同能否真正转化为收入和现金流，将成为市场审视Nscale这笔IPO估值的关键。

两大客户贡献85%合同价值

Nscale的合同规模在过去三年迅速膨胀，但增长高度依赖微软和Anthropic两家客户。

微软自2025年底以来与Nscale签署多项协议，合同总额约438亿美元，期限延续至2033年。Anthropic则于今年8月与Nscale签署约446亿美元的算力租赁协议，计划在西弗吉尼亚州一处今年早些时候收购的站址建设总规模8吉瓦的数据中心，其中首批2吉瓦预计于2028年投入运营。

但这笔446亿美元的合同并非已经锁定的收入。根据招股文件，Anthropic协议附带特定里程碑要求以及严格的持续算力供应标准，如果Nscale未能达到相关要求，合同可能被终止。与此同时，公司目前尚未获得为该项目提供融资的具有约束力的承诺。

这意味着，Nscale账面上的巨额合同价值，并不等同于已经确定的收入或现金流。公司也在招股文件中坦言：“我们的绝大部分收入来自少数客户。”

英伟达深度绑定，供应链与融资风险交织

除了客户集中，Nscale与英伟达之间的深度绑定也值得关注。

英伟达既是Nscale的重要股东，也是其数据中心芯片的核心供应商，同时还为Nscale约8.6亿美元的租赁义务提供支持。上周，英伟达又参与了Nscale规模达31亿美元的融资方案，其中包括价值10亿美元的可转换票据或无投票权股份。

这种关系意味着，Nscale的扩张不仅依赖客户订单，也与英伟达的资金和供应链支持紧密相连。Nscale在招股文件中也承认，与英伟达的紧密关系“不能消除供应链风险”，最新一代AI加速芯片的交付仍可能出现延误。

对于一家需要持续投入巨额资本建设数据中心的公司而言，客户订单、芯片供应和外部融资之间形成了高度关联，也放大了其扩张过程中的资金压力。

合同兑现存变数，融资依赖成行业共性

远期合同并非没有退出风险。今年4月，OpenAI退出了与Nscale在挪威和英国共同开发Stargate基础设施项目的计划。随后，微软接手挪威数据中心项目，Alphabet旗下谷歌则计划在英国项目中替代OpenAI。

这种客户集中与融资依赖也并非Nscale独有。据彭博今年3月估算，微软和Meta合计约占Nebius年营收的一半；微软在CoreWeave 2025年营收中的占比约为67%。Rothschild & Co.旗下Redburn指出，这类AI基础设施公司租赁成本高、债务融资依赖度强，营收增长与融资可获得性密切相关。

对Nscale而言，1030亿美元合同能否最终兑现，仍取决于融资、数据中心建设和客户履约等多个环节。随着AI基础设施公司持续加大资本投入，Nscale能否将庞大的远期合同转化为稳定收入和现金流，也将成为市场评估其最高350亿美元IPO估值的重要依据。

本文来自华尔街见闻，欢迎下载APP查看更多

领衔该团队的Michael Wilson在最新报告中指出，若金融条件进一步收紧或能源价格大幅走高，标普500指数可能跌至7100点。这一水平较该指数上周五收盘价低约7%。尽管如此，Wilson仍维持年底看涨立场，预计强劲的企业盈利将推动年末反弹，目标点位为8000点，较当前水平上涨近5%。

标普500指数自8月中旬触及历史高点后持续震荡，通胀前景的不确定性令市场承压。10年期美债收益率徘徊于5%附近，美联储上周也完成了三年来的首次加息。

估值承压，牛市根基仍在

Wilson表示，尽管强劲的企业盈利帮助股价在较高债券收益率环境下保持韧性，但标普500指数的估值在过去四个月已降至3月以来的最低水平。

他在报告中写道："若近期因金融条件进一步收紧和/或能源价格大幅上涨，估值修正出现恶化，我们认为标普500指数可能在年末牛市重启前跌至7100点。"

Wilson同时预计，市场波动性将在11月中期选举前有所上升，但他最终仍看好企业盈利前景对年末行情的支撑作用。

能源与债市构成近期核心风险

能源价格是当前市场的重要变量之一。

西德克萨斯中质原油（WTI）价格虽已从每桶100美元上方回落，但仍较7月低点高出约43%，对通胀预期和企业成本构成持续压力。

与此同时，美联储抗击通胀的决心令债券市场保持紧张态势，10年期美债收益率维持在5%附近的高位，对股票估值形成压制。Wilson指出，金融条件的进一步收紧是触发更深度回调的关键风险因素之一。

盈利支撑与市场分歧并存

目前标普500指数仍仅较历史高点低约2%，二季度创纪录的强劲盈利季为股价提供了重要支撑。

在市场观点方面，摩根大通和高盛同样认为健康的企业盈利将继续利好股市。不过，据彭博报道，美国银行（BofA）策略团队警告称，随着盈利增速放缓，投资者仓位仍然过于偏多。

Wilson在报告中重申了对大盘高质量股票的推荐，并指出服务导向型和轻资产行业的市场动能正在增强。

本文来自华尔街见闻，欢迎下载APP查看更多

9月21日，在资本市场日投资者简报会上，诺和诺德公布CagriSema两项三期临床试验顶线数据。REIMAGINE 5试验显示，CagriSema 1.0 mg/1.0 mg组2型糖尿病患者平均减重12.4%，高于Tirzepatide 5 mg组的9.1%；REDEFINE 9试验则显示，该药在超重或肥胖人群中的平均减重达到21.0%，安慰剂组为2.0%。

不过，数据公布后，诺和诺德股价在哥本哈根交易中一度暴跌7.7%。分析师认为，市场此前期待管理层在资本市场日给出更明确的业绩反转路径，但此次披露仍未完全消除相关疑虑。

两项试验均达到主要疗效终点。其中，REIMAGINE 5不仅比较了两款药物的减重效果，CagriSema在HbA1c降幅方面也达到非劣效性标准。

CagriSema目前已成为诺和诺德中期增长的重要支柱。彭博行业研究分析师指出，公司未来数年的增长在很大程度上依赖CagriSema，而该药此前曾因与礼来Zepbound的头对头试验未达到市场预期等因素令投资者失望。

减重数据亮眼，CagriSema正面挑战礼来

REIMAGINE 5是一项直接比较CagriSema与Tirzepatide的三期试验，受试者为接受二甲双胍、SGLT2抑制剂或两者联用后，血糖控制仍不达标的2型糖尿病成年患者。

第60周时，CagriSema 1.0 mg/1.0 mg组体重平均减轻12.4%，Tirzepatide 5 mg组为9.1%；HbA1c分别下降1.71%和1.67%，CagriSema达到非劣效性标准。值得注意的是，本次试验采用的是CagriSema相对较低的剂量，而Tirzepatide 5 mg属于其较低剂量方案。

另一项REDEFINE 9试验针对超重或肥胖成年人。第68周时，CagriSema 1.0 mg/1.0 mg组平均减重21.0%，安慰剂组仅为2.0%，同时在收缩压、腰高比和空腹血脂等指标上也表现出改善。

FDA审批进入倒计时，安全性暂未出现新信号

CagriSema由司美格鲁肽（semaglutide）与长效淀粉素受体激动剂卡格列肽（cagrilintide）组成，为每周一次皮下注射的固定剂量复方制剂。

诺和诺德已于2025年12月向FDA提交体重管理适应症NDA，预计监管机构将在2026年第四季度作出决定。目前，CagriSema尚未在任何市场获批。此次资本市场日上，诺和诺德还首次披露了该药用于治疗2型糖尿病痛性周围神经病变的数据，并称初步结果显示出良好前景。

安全性方面，两项试验中CagriSema总体耐受性良好，安全性特征与此前研究一致，未发现新的安全性信号。公司暂未公布具体不良反应发生率，详细数据将于后续披露。

数据改善仍难扭转预期，市场期待的不只是CagriSema

CagriSema此次数据较此前明显改善，但市场反应显示，投资者关注的已不只是这款药物能否在减重效果上追上礼来，而是诺和诺德能否借此重新建立增长预期。公司股价年内已下跌约18%，此次资本市场日原本被市场寄予了更高期待，管理层也提出未来几年推出五款以上重磅产品、带来超过230亿美元新增销售额的目标，但这些规划仍未完全打消疑虑。

彭博行业研究分析师指出，CagriSema是诺和诺德中期增长的重要支柱，但该药此前曾因与礼来Zepbound的头对头试验未达市场预期而令投资者失望。如今，REIMAGINE 5显示其减重幅度高于Tirzepatide 5 mg，虽然改善了市场对产品竞争力的预期，但尚不足以单独改变公司整体增长逻辑。

更大的压力来自现有产品与未来增长之间的衔接。随着Wegovy、Ozempic之外的新增长点受到更多关注，诺和诺德今年已启动大规模重组，累计裁员约1.3万人，并加码新治疗领域和AI研发。公司预计2026年至2030年收入增速将与行业同行大致一致，意味着市场需要看到的不只是CagriSema获批，更是其能否与其他新产品共同填补未来增长缺口。

因此，此次临床数据的积极变化更多是缓解了部分产品层面的担忧，却没有完全解决公司层面的增长疑问。CagriSema能否最终兑现商业价值，以及诺和诺德能否建立新的增长曲线，仍是资本市场接下来关注的重点。

本文来自华尔街见闻，欢迎下载APP查看更多

9月21日，奇富科技宣布管理层调整：原首席风险官吴海生辞任首席执行官兼董事，将更多精力投入国际业务，由郑彦接任首席执行官兼董事。

简历显示，郑彦拥有18年消费金融风险管理经验，曾任招行信用卡中心风险管理部职务、共同创立萨摩耶数字科技，2017年加入奇富科技，2020年起担任首席风险官。

公告指出，此次调整与长期战略及国际业务增长潜力相联系，重点在于管理职责的重新安排。

据奇富科技2026年二季度未经审计财报，其第二季度净收入35.67亿元、经营利润11.61亿元；部分风险指标出现改善，二季度首日逾期率由一季度的5.7%降至5.6%，30日回收率由一季度的85.8%升至88.1%，90天以上逾期率由一季度末的3.50%降至2.83%。

奇富科技将相关变化归因于提高风控标准、调整用户结构和优化催收；

规模收缩与风险指标改善同步出现，反映出管理层正在放款规模、贷款定价和资产质量之间重新寻找平衡。

行业监管的变化，进一步提高了风险管理和定价能力在助贷业务中的权重。

2025年10月实施的助贷新规强化商业银行的自主风控责任，要求银行统一管理合作平台，将增信费用计入综合融资成本，并持续评估增信机构的代偿能力。

针对小额贷款公司的融资成本管理指引提出，逐步降低新发贷款综合融资成本，原则上最晚于2027年底前压降至一年期LPR的四倍以内。奇富科技旗下相关小贷主体也将面对由此带来的定价调整。

国际业务则构成此次管理层调整的另一条线索。

奇富科技此前在定期报告中提到，已在部分海外市场申请资质并组建本地团队。吴海生转向国际业务，进一步明确了海外拓展的管理责任。

此次换帅重新安排了奇富科技的管理重心：郑彦接手整体经营和风险收益管理，吴海生集中推进国际业务。资产质量、放款规模、轻资本业务收入和海外业务贡献，将成为从中长期来看观察这套分工成效的主要指标。

本文来自华尔街见闻，欢迎下载APP查看更多

9月21日，太古地产宣布，西安太古里首开区建筑群完成结构封顶。项目预计于2027年初实现整体结构封顶，并于2027年晚些时候分阶段竣工交付、陆续开业。

西安太古里由太古地产与曲江新区管委会下属国企西安城桓文化投资发展有限公司合作开发，位于西安小雁塔历史文化片区。项目总楼面面积约26.9万平方米，包括零售、酒店及服务式公寓等业态。

按照太古地产披露，这是其目前在中国内地规模最大的太古里项目。

项目延续太古里低密度、开放式街区的产品形态，规划引入近500个零售品牌，并配置“居舍”品牌酒店及服务式公寓。

西安项目是太古地产新一轮内地扩张的一部分。

公司2022年宣布未来十年投资1000亿港元，其中500亿港元用于中国内地。截至2026年6月底，该投资计划整体已有约七成资金得到落实，内地投资额度落实比例超过九成。

目前，太古地产在内地拥有6个已落成综合项目，总楼面面积约130万平方米；另有西安太古里、北京太古坊、三亚项目、陆家嘴太古源、前滩太古里扩建项目及广州聚龙湾太古里等7个项目处于开发阶段。公司此前提出，到2032年将其内地物业总楼面面积扩大一倍。

这轮扩张也将太古地产的项目版图由北京、上海、广州、成都进一步延伸至西安、三亚等城市，项目形态则从核心商圈综合体拓展至历史文化街区、滨水商业和旅游度假型商业。

西安太古里将商业开发嵌入小雁塔历史文化片区，是其城市更新类项目的一次新尝试。

按太古地产口径，2026年上半年，其内地商场零售额同比增长23%，零售物业租金收入增长13%至25.72亿港元。

西安太古里能否延续现有项目的运营表现，仍取决于后续招商、品牌组合以及开业后的实际客流。

本文来自华尔街见闻，欢迎下载APP查看更多

9月21日，据报道援引知情人士称，特朗普于上周日致电泽连斯基，敦促乌方停止对俄罗斯炼油设施的无人机和导弹打击，理由是相关袭击正在加剧全球柴油供应紧张并推高油价。一名参与通话的乌克兰高级官员称，特朗普在通话中反复强调的核心信息就是“柴油、柴油……柴油”。

据央视新闻，9月20日，乌克兰总统泽连斯基表示，他当天与美国总统特朗普通话，双方商定在美国纽约举行会晤。泽连斯基说，这次会晤“可能带来重要改变”，目前外交进程正在推进。

另据新华社，泽连斯基20日晚在社交媒体发文称，和平进程是乌方优先事项，特朗普的特使威特科夫和女婿库什纳近期访问乌克兰期间，双方就“关键细节”进行了详细讨论。关于局势降温的举措以及能源、粮食安全和保护乌民众生命等“根本性安全问题”，乌方有一些构想并正在与美方团队一同努力，乌方愿采取切实举措。

柴油价格成特朗普政治包袱

柴油价格飙升正成为特朗普在中期选举前面临的政治压力。中东战争造成的能源基础设施损毁，叠加俄乌冲突对供应的持续扰动，已将美国柴油价格推至历史高位。

9月21日，据彭博报道，美国汽车协会（AAA）数据显示，美国全国柴油均价已升至每加仑6.505美元，首次突破6.50美元关口。据报道，乌克兰基辅经济学院（KSE Institute）最新评估认为，中东战争对全球柴油及油气供应造成的冲击，明显大于俄乌冲突。

与此同时，乌克兰近期仍在持续打击俄罗斯能源设施。据环球网援引英国天空新闻网、美联社等媒体报道，莫斯科市市长索比亚宁20日称，当天莫斯科遭遇“最大规模袭击”。泽连斯基随后在社交平台X发文称，乌克兰前一晚对莫斯科地区的远程打击“产生了非常重大的影响”，并表示俄罗斯一处重要石油工业设施和后勤设施遭到击中。

能源停火协议尚无实质进展

能源设施互不攻击一度被特朗普视为推动俄乌降温的突破口。

美东时间9月14日周一，据新华社，美国总统特朗普在社交媒体上说，俄罗斯和乌克兰已同意不攻击对方的能源目标。“乌克兰已同意不攻击俄罗斯的能源目标，俄罗斯也同意同样不攻击乌克兰”，“全球柴油价格上涨主要是由俄乌冲突造成的，而非伊朗”。

对此，泽连斯基当地时间9月14日晚表示，如果合作伙伴能够确保俄方不再袭击乌克兰能源设施、基础设施和粮食供应通道，乌克兰已准备好停止对俄打击。据CCTV国际时讯，他称，在关键基础设施问题上采取降级措施，可能成为迈向和平的第一步，并期待合作伙伴提出具体方案。

不过，乌方随后仍继续打击俄罗斯能源设施。据报道，泽连斯基在社交媒体X上确认，乌克兰国防力量对俄罗斯萨马拉地区的锡兹兰炼油厂实施了打击。该炼油厂位于萨马拉以西约75英里、莫斯科东南约466英里处。

据报道，乌克兰官员表示，俄乌之间实际上尚未达成正式的能源停火协议，特朗普的表态属于“超前发布”。俄罗斯方面迄今也未对特朗普推动能源停火的努力作出明确回应。

随着柴油价格持续走高，能源供应压力与俄乌冲突的关联进一步成为特朗普关注的焦点，也成为其敦促乌克兰停止袭击俄罗斯能源设施的重要理由。

本文来自华尔街见闻，欢迎下载APP查看更多

据媒体21日援引知情人士透露，卡塔尔政府正在发行5年期和10年期两个期限的美元债券，5年期初始利差指引约为美国国债基准上浮85个基点，10年期为95个基点。最终定价及发行规模预计将于周一稍晚公布，目标为基准规模，即至少5亿美元。此次发行由高盛集团和汇丰控股联合管理。

霍尔木兹海峡航运受阻对卡塔尔造成尤为沉重的打击。该国依赖这条水道出口液化天然气（LNG），而LNG是其最主要的出口收入来源。据卡塔尔财政部数据，今年第二季度LNG收入从第一季度的90亿美元骤降至仅2亿美元，单季跌幅高达97%。与此同时，卡塔尔财政部长Ali Al-Kuwari周日在纽约卡塔尔经济论坛上呼吁战事尽快结束，称该国迫切需要"喘息空间"，以重回经济发展轨道。

美伊冲突对卡塔尔财政的冲击正在数据层面充分显现。据摩根大通经济学家Francesco Arcangeli在9月14日的研究报告中指出，卡塔尔第二季度录得58亿美元的预算赤字，相当于当季国内生产总值的11.4%，为有记录以来最大单季财政缺口。

摩根大通数据显示，该季度政府收入同比下降57%，几乎完全源于油气收入的大幅缩水。彭博对经济学家的调查预测，卡塔尔经济全年将萎缩12.1%，在所有受访国家中表现最差。

卡塔尔今年4月曾在私募市场发行了30亿美元债券，但此前尚未进入公开国际债市。本次债券发行是其今年首度公开发债。

尽管财政承压，卡塔尔仍具备相当强的抗风险能力。该国坐拥规模约5800亿美元的主权财富基金，外汇储备超过700亿美元，标准普尔对其评级为AA，与英国和韩国同级。

这一信用背书为此次债券发行提供了重要支撑。然而，财政缓冲能够维持多久，在很大程度上取决于霍尔木兹海峡何时恢复正常通航。目前部分油气货物仍可在美军护航下通过海峡，但相关商品流量较冲突爆发前仍大幅下降。

卡塔尔一直是美伊之间的重要斡旋方。财政部长Ali Al-Kuwari在纽约论坛上表示，希望双方能够达成协议、实现和平，并强调卡塔尔需要将注意力重新集中于经济议程和多元化转型。

能源部长Saad Al-Kaabi在同一场合措辞更为强硬。他批评美国财政部长斯科特·贝森特关于霍尔木兹海峡"两年内可被废置"的说法"完全错误"，坚持认为全面重开这条航运要道至关重要。

然而，据目前迹象来看，美伊两国恢复和平谈判的意愿均不明朗，卡塔尔经济所面临的外部压力短期内难以根本缓解。

本文来自华尔街见闻，欢迎下载APP查看更多

不再依靠全球MEB，一汽-大众要靠中国本土技术发起反攻。

9月20日，一汽-大众ID. AURA T6上市，四款车型售价12.99万—16.69万元，其中两款激光雷达车型售价14.99万元起。一汽-大众称，新车预售订单已经超过3万辆。

除了价格上与自主品牌、新势力来到相近区间，T6更值得关注的是两项“首次”：它是大众品牌首款搭载激光雷达的纯电SUV，也是一汽-大众首款采用中国电子电气架构CEA的量产车型。

过去几年，合资品牌在中国市场补充智能座舱、语音交互和辅助驾驶功能，较多依赖采购本土供应商的成熟方案。T6的变化在于，本土化已经进入决定车辆计算、通信和软件迭代方式的电子电气架构，合作范围也由单项功能扩展到整车软硬件协同。

大众集团上半年在华纯电交付约3.09万辆，同比下降47.9%。一汽-大众的燃油车还在撑销量。以T6为始，这套中国底座能不能接住还在燃油基本盘，仍待市场检验。

01 更换电子骨架

T6进入的是当前竞争最密集的价格区间。其入门车型售价12.99万元，两款激光雷达车型分别为14.99万元和16.69万元。正式售价较预售阶段进一步下调，说明即使拥有合资品牌、激光雷达和长续航等标签，新车仍要直面自主品牌的价格压力。

今年4月发布ID. AURA序列时，时任一汽-大众销售有限责任公司执行副总经理、大众品牌执行总监盛晔华提出，要“打造全球领先的大众电车”。这更多体现了一汽-大众对新一轮产品转型的目标。T6则是检验这一目标的首批量产产品之一。

过去，大众在中国销售的纯电车型主要基于MEB平台。MEB侧重整车平台、电池和空间布局，CEA则是面向中国市场开发的新一代电子电气架构，重点解决计算资源、车内通信和软件功能的集中管理。二者并非替代关系，而是分别作用于整车开发的不同层面。

电子电气架构是否足够集中，会影响车内控制器数量、数据传输效率、跨域功能协同及OTA范围。大众汽车集团披露，CEA采用区域控制与中央计算相结合的设计，可使电子控制单元数量减少约30%。

大众预计，这套架构能够提高部分车型的开发效率，并降低开发成本。上述数字属于企业目标，实际效果仍要在不同车型的量产和迭代中验证。

CEA并非一汽-大众独立开发，而是由大众中国科技公司、CARIAD中国和小鹏汽车共同参与。大众安徽的ID.与众07是大众集团首款采用CEA的量产车型，T6则把这套架构带入一汽-大众。

这意味着一汽-大众的中国团队不再只是将全球车型导入国内，而是开始参与车辆软件底座、功能接口和产品节奏的定义。对于过去主要依赖全球统一平台和开发流程的合资企业，这种变化涉及的不只是产品配置，也包括研发分工和决策机制。

调整背后是市场压力。大众集团公布的数据显示，今年上半年其在中国交付约97.3万辆汽车；纯电动车交付约3.09万辆。与此同时，乘联会数据显示，8月国内新能源乘用车零售渗透率达到65.2%，主流合资品牌在新能源车零售中的份额为4.3%。

这一市场结构使合资车企面临提高产品决策和技术迭代速度的压力。在传统全球车型模式下，一款产品往往需要协调总部、区域和合资公司多层体系，软硬件变更周期较长。CEA的作用，是让大众能够更多地从中国市场需求和本土供应链出发开发车型。

大众计划今年在三家在华合资企业推出5款CEA车型，T6是这套架构规模化落地的一部分。架构复用有助于统一接口、减少控制器，并加快座舱、辅助驾驶和车身功能的导入，但最终效果仍取决于软件更新频率、量产稳定性以及成本下降能否反映在终端产品上。

02 系统协同

T6的另一项变化，是大众首次在纯电SUV上提供激光雷达。

两款高配车型搭载192线激光雷达和地平线征程6H芯片，芯片算力为420TOPS，支持高速和城市领航辅助驾驶以及泊车功能。整套方案由酷睿程提供，连接了大众的软件体系与地平线的芯片、算法能力。

地平线董事长兼CEO余凯也成为了T6的“001号车主”。余凯对华尔街见闻表示，T6搭载的辅助驾驶系统在上市前完成了超过45万公里测试。按照他的说法，大众对软件发布、硬件质量和安全验证的要求较为严格；车辆底盘响应和系统延迟，也会影响辅助驾驶的平顺性与安全性。

这一表述点出了智能化竞争中容易被忽视的一面。辅助驾驶体验不只取决于芯片和算法，还需要与制动、转向、动力及底盘系统协同。集中式电子电气架构可以提供更统一的数据通道和控制接口，减少不同控制器之间的通信环节。

一汽-大众还提出，在符合条件的情况下对首年辅助驾驶事故担责。这类承诺有助于降低消费者对新系统的顾虑，但实际保障范围和执行效果，仍需结合具体权益细则及后续案例观察。

大众与地平线的合作不只是购买一套封闭方案。酷睿程由CARIAD和地平线合资成立，大众今年进一步获得地平线辅助驾驶基础模型的“白盒”使用权限，可以在模型基础上开展适配。其目标是在利用本土供应商量产能力的同时，保留对整车集成、功能定义和后续迭代的参与。

放在行业中看，T6并不是第一款把激光雷达带到15万元附近的合资车型。广汽丰田铂智3X激光雷达版本指导价为14.98万元；售价11.99万—14.99万元的东风日产N7，也在部分配置上引入Momenta辅助驾驶方案。激光雷达和城市领航辅助驾驶，正在由高端车型卖点逐步进入主流价格区间。

T6的观察价值因而不只在于增加了一颗激光雷达，而在于电子电气架构、芯片和算法开始被纳入同一套中国本土研发体系。如果CEA和酷睿程方案能够进入更多车型，大众才有可能通过规模复用降低成本，并缩短不同车型之间的功能导入周期。

后续需要关注的包括激光雷达车型的实际订单占比、辅助驾驶功能使用率、OTA更新频率、真实道路中的安全表现，以及同一套技术能否快速复制到其他车型。3万辆预售订单提供了市场兴趣的初步信号。

上汽大众的ID. ERA 9X提供了一个近处参照。这款增程车型一度被看成合资新能源的阶段性突破，上半年交付超过1万辆；公开上险数据显示，8月已回落到约1100辆。新品可以迅速起量，也可以迅速回落。T6若只靠上市窗口的订单，撑不住“换底座”要摊的研发和渠道成本。

对大众而言，T6更像是一次开发体系的量产验证。新的底层架构为其缩短迭代周期提供了条件，但能否重新建立在中国新能源市场的产品吸引力，仍要看后续车型能否稳定地把技术投入转化为用户可以感知的体验。

本文来自华尔街见闻，欢迎下载APP查看更多

2026年上半年，贵州茅台营业收入907亿元，涨了不到两个百分点；归母净利润445亿元，降了两个百分点；经营现金流707亿元，涨了将近5倍半。

如果把这段话放进一场考试，给5个描述让你选最贴合的那个，你会选什么。

9月15日，美国创业公司TypeSafe AI结束了两年隐身期，发布了一个叫Jev的模型，点燃了硅谷和AI圈的目光。

上手之后，我们把上面这道题喂给它，它连选三次，每次都选同一个描述，每次都满格把握。整道题花了不到0.001美元。

这个模型特殊性在于，它不写任何一个字，不解释为什么，不写代码或聊天，给它一段材料和几个备选描述，它只在其中勾一个，再报一个数字表示自己有多大把握。

这么一个只做减法的东西，一周内被OpenRouter等多家开发者平台和模型网关接入，几天内还有人做出了开源仿制版，引发了硅谷和AI圈的躁动。

Jev创始人Diogo Almeida在OpenAI做了4年研究，参与的InstructGPT是后来ChatGPT的前身。DCVC领投了4000万美元种子轮。模型名取自19世纪经济学家杰文斯，这个名字里藏着公司的全部赌注。

回到开头茅台那道题会发现，几个正确选项几乎把材料的事实复述了一遍，这道题本身没有多难，但真正值得问的是：一个连字都不写的AI，最终能引起这种热度，凭什么。

一. 从顾问换成开关

做过AI产品的人，都清楚一个日常困境。

一家公司的系统每天做着大量琐碎的判断，这封邮件算不算投诉，这份公告有没有提到诉讼，这笔退款该不该自动批。

最常见的方案是每次都请一个大模型来回答，但大模型的核心工作方式是生成，需要一字一字写，你问它一个“是或否”，它可能先写三段分析再给结论，按字数收费，等上几秒甚至几十秒，回来的文字还需要程序去拆解和校验，格式不对就得重来。

更麻烦的是，大模型说“我很确定”的时候，这句话本身并不附带刻度。

有时候“很确定”如同传统烹饪时的“少许”，究竟是7成还是9成，预制对应的那1-3成不确定落在哪个错误方向上，都无从得知。

于是，大量本该由机器自动完成的判断，卡在了某种两难里：用大模型太贵太慢，靠写死的规则又不够灵活。

Jev对此做了件看上去很简单的事：把答案提前写好，让模型只负责挑选。

把材料和备选答案一起丢给它，它同时给每个选项打出一个支持程度，选出最高的那个返回。因为不用逐字生成，速度快了不止一个数量级；因为只按读入的材料字数收费，不收输出费，每次判断的价格几乎可以忽略。

这里面最关键的商业差异，是计价单位变了。

大模型卖的是“字数”，Jev卖的是“一次判断”。

字数是服务的计价方式，一次判断是零件的计价方式。零件可以进采购清单，可以算单位经济账，可以塞进一行代码里跑上万次。如果这个零件足够便宜，软件里会冒出大量此前根本不值得调用AI的判断点。

TypeSafe自己做过一组评测，在5个业务场景里把Jev和几个大模型工作流做了对比。

准确率上，Jev只追平了中档水平，比最强的那个低了6个百分点。全部优势集中在单价和速度上：每次判断便宜几百倍而且快几十倍。

另一个常被提起的卖点是“不会胡编”。

严格地说，Jev的答案只能落在你给定的选项里，所以它编不出一个凭空的概念或数字。

但它可以很有把握地选错，错误的形态从“写出一段不存在的话”变成了“自信地勾错一个选项”，后者更不容易被察觉。

创始人自己也承认，高把握下答错是可能的。

TypeSafe还做了一件在AI公司里不太常见的事——在说明书里列出了自己模型的所有已知短板。它写到，Jev读日期像读普通文字，不擅长做算术，材料里塞进无关内容会分心，英语表现最好，中文能用但弱一些，并建议非英语场景下先用自己的材料测试。

这份说明书之所以值得写，是因为它正好定义了我们接下来要做的事。

二. 面对猪周期，它犹豫了

TypeSafe的说明书写明中文弱于英文，并建议用户先自测。

Jev发布以来，公开可见的中文实测极少。所以我们解决了API后，用国内的财经场景材料做了一轮测试。

规矩定得很简单，材料取自监管部门、各公司的中报原始公告，用Wind做了交叉核对。每道题的参考答案在调用模型之前写好封存，写完一个字没改。

每道题反复问三遍，看它会不会自己改主意。

我们准备了15道题，覆盖从“两新”政策到降准降息、从煤炭供应冲击到汽车芯片短缺、从光伏到生猪周期，再加上宁德时代、比亚迪、万科、腾讯、茅台、美团、京东、泡泡玛特、安踏九家公司的中报。

45次判断，全部命中，每道题3次答案完全一致。

这张成绩单最没意思的部分就是那个满分，有意思的是第15题。

2021年8月的生猪存栏同比增了将近3成，养殖户每头猪平均亏损上千元，能繁母猪的存栏同比还在涨，尽管环比已经下降了，过剩还没结束，产能收缩的信号已经出现，这道题正好站在拐点上。

Jev3轮都选了“从过剩走向再平衡”，但这是15道题里唯一一道把握没有拉满的，三轮分别报出85%、88%、85%。剩下那一成多不确定，它给了“仍然过剩”，没有给别的错误方向。

一串满格把握什么也说明不了，这个犹豫说明它仍然形成一定的判断力。

满分的原因和测试题目有关。

比如增长率，“同比增长54.80%”“同比下降7.13%”，都是提前算好递给它的，它从头到尾没做过一次加减法。

TypeSafe自己的评测里，Jev最差的一项是发票核对，要比对金额、数量和交货日期，只拿了61.8%，TypeSafe的说明书也写着：算术请留在代码里。

我们相当于照着说明书出了一张卷子，把它已知短板都绕开了。

一个模型表现好坏与否，更取决于给它出题的设计，这也意味着，围绕它做产品的人，核心竞争力可能落在选项设计和数据预处理上。

接着我们做了第二轮测试，把算账的活还给它。

三. 同一道除法，连错10次

第二轮选了3家公司，出了26道题，每道反复问5遍，题目和我们预测一样，在调用之前全部封存。

我们押了13处它会失手，最后只中了两处。

例如它数数居然数对了，泡泡玛特半年报里11个IP和业务线的收入两列中，数出其中几个下降了，它5轮给出的区间都是对的，只是列表越长越不确定。TypeSafe的说明书说它不会可靠计数，这道题它做到了。

青岛啤酒的二季度利润在降，上半年累计利润在涨，方向相反地混在同一段材料里，5次都没被单季数字带偏；海尔2024年的收入增长有多少来自年底完成的3笔收购，有多少来自自身，需要用总增量减去收购贡献再算比例，它5次都归对了。

4家公司的收入增速分档题也全部答对，比如针对伊利业绩，实际增速4.13%，分界线定在4%，只差0.13个百分点，这道题给了97%的把握。

把茅台整章管理层讨论直接投进去，答案准确；泡泡玛特的英文版4.4万字符也放进去了，10次全对，但同样是一整章中报文字，海尔的中文版5次都被接口拒收。

可见同样的篇幅，中文消耗的计费单位明显更高，也更容易撞上读入上限。

然后测试来到了模型的边界。

我们分别给宁德时代、金山办公和茅台两年的收入和成本，问毛利率是变好了还是变差了。

这种题需要先算出两年的毛利率再比较变化幅度，人看一眼也得拿计算器，这种基本答不对，但它自己知道，提出报出来的把握只有不到两成，概率几乎平摊在6个选项上，等于明牌说自己"在猜"。

计算结果离分界线远、粗算一眼就能判断方向的题，它基本都对；结果贴着分界线、要算到小数点后才分得出来的题，三道错了两道。

这印证了说明书的定义：Jev不是计算器，算术要留在代码里，对想用它做金融产品的人来说，这条线划得很清楚：从取数、对齐口径到算比率，这些活必须由程序完成，Jev只能接手最后那一步语义判断。

不过测试中发现的一个意外是，它答错了一道不知道自己错了的题。

为了测它在贴线题上的表现，我们挑了美的2025 年中报做对照：营业成本同比增长 16.83%，我们的分界线划在 17%。

材料里2024 年同期营业成本同时列了原口径约 1584 亿元和调整后约 1599 亿元两个数。它5次都选了"达到 17%"，而且都有超过8成把握。

我们原以为是两套口径把它带偏了如果按原口径算，增速确实会到17.9%，刚过线；于是删掉原口径和调整额，只留调整后的两个干净数再问5次。

结果居然还是全错，把握反而更高了。

同一道题的两种问法，问了10 次错了 10 次。这是我们第 3 次猜错它会在哪里出错。伊利贴着线答对，美的贴着线答错，原因无法确定，主要因为 Jev 不展示解题过程无法溯源，能说的只有观察位数和单位差异，比如美的的数字是 9 位数、单位千元，伊利是 4 位小数、单位亿元。

毛利率题的错误会报警，它自己知道在猜，用它的人可以设一个门槛，把握不够就转人工。

要警惕的反而是美的那道题，它很确定自己是对的，这在真实的产品里，后者更危险。

比较令人好奇的是，它所谓的“把握”到底在衡量什么。

对此我们又做了一组测试：把开篇那道茅台题的正确答案和“以上都不对”从选项表里拿掉，只留3个和事实矛盾的描述，它几乎把全部支持压在了“收入下降”的选项上，但茅台的收入其实在涨。

更直观的对照，是同一个错误描述在2种测试上的待遇不一样。

当设定有“以上都不对”这个选项时，它几乎不给这些描述任何支持；但选项一旦拿掉，支持度一下子跳到8成以上，3家公司无一例外。

TypeSafe在文档里解释过这个机制：把握衡量的是“在这几个答案里，模型有多偏向其中一个”，它并不衡量答案本身对不对。把握打到95%，意思是“这几个里面最像这个”，读成“95%等于100%”就错了。

它只会在你写好的答案里挑一个，挑得再笃定，也挑不出你没写的那个。

四. 衍生的价值流向

190次判断，按公开标价其实合计不到1毛钱，这种判断，1元钱大约可以买数千次。

19世纪，蒸汽机更省煤之后，英国的煤反而烧得更多了，因为便宜到值得用在以前不值得烧煤的地方，这正是杰文斯悖论的起点。

TypeSafe把这种理念写进了模型名，一次AI判断的成本每降一个数量级，调用量的增长会超过省下来的钱，如果判断真能变成零件价格，软件里会冒出大量本就不值得唤起生成式AI的调用点。

应用场景大概率会分为两类。

一是在大模型工作流上叠甲，也就是AI助手每次要动手操作前，由它判断这一步需不需要人来批；检索回来的文档由它先筛一遍再喂给大模型，一些开发者平台已经发教程教人这么用。

另一类是原本就不值得用AI的大量琐碎判断，包括并不限于工单分派、退款原因归类、设备告警分级、商品分类、合同条款初筛，数量巨大、单次不值钱、对速度和成本极其敏感。

但我们在测试中也发现了一件事，真正的成本在接口账单之外。

在我们刻意挑选的难题里，把门槛设到最保守、保证放行的判断零错误，大约4成的判断要转给人。

门槛稍微松一点，错误就混了进来，即便门槛拉到最高，也拦不住一张漏掉了正确答案的选项表。

所以衍生的商业价值会从模型身上往5个方向流动，包括写进代码里的算术规则和口径处理，由懂行的人设计、且留好“以上都不对”出口的选项模板，用自己的业务数据反复校准的门槛，以及承接转人工流量的复核团队。

而一条能跑起来的流水线大致会是这样的一种状态——程序负责取数和算账，Jev负责语义判断，把握不够的交给人，会写字的大模型负责把结果讲给人听。

TypeSafe自己选的商业姿态很明确，一周内接入多家第三方平台和网关，自己不做应用层。它赌的是"被集成"，在别人的产品里跑上万次，按量收费。

不过这里有一个待验证的风险，TypeSafe自己承认无法证明当前的定价不依赖补贴。

对科技行业更深远的影响可能是计量体系的变化。过去3年，AI产业最通行的需求指标是token消耗量。

如果高频低复杂度的判断被从通用大模型手里切走，这套以“字数”为锚的指标就会开始失真。

推理算力的需求形状也会分化：“长输出、能忍几秒”和“短输入、高并发、一秒内返回”，对应的硬件和调度结构完全不同。

五. 但零件未必稀缺

Jev发布一周，公开信息里，似乎还没有国内模型公司把“只判断、不写字”做成一个单独定价的商业产品。

但国内类似能力其实本身不缺。

蚂蚁和人大做的LLaDA系列也跳出了"一个字一个字往外写"的框架，但它的目的是写得更快，Jev干脆不写，方向稍有区别。

做判断的能力在国内大量存在，智源的BGE、阿里Qwen3的排序模型、各家的内容审核和金融文本打标，在搜索、风控、合规链路里每天跑无数次。

关键它们只是被当成被调用模型来用，没有人把它们包装成一个独立的模型品类、定出独立的计价单位。

事实上，Jev发布几天后就有开源仿制版冒了出来：最受关注的Laya用的是ModernBERT-large（4.21亿参数）纯编码器架构，另有项目直接微调阿里通义开源的Qwen系列模型跑同款决策任务。

中国团队的开源模型成了仿制它的底座，做成商业产品的却是一家旧金山公司。Laya在项目说明里也写明，没有复现TypeSafe声称的校准训练方法。

校准意味着“说8成把握的时候真有8成对”，是TypeSafe标榜的核心差异，壳容易复制，这一层到底有多厚，还需要更多独立测试来验证。

我们的测试，也留下了一个和国内市场相关度更高的发现：

同样篇幅的财报章节，中文材料折算成的Token消耗比英文高出不少，也更容易撞上单次读入的上限。

当然TypeSafe自己都承认中文弱于英文，一个中文原生的判断模型，在纸面上有空间。

国内模型公司的竞争叙事还锁在参数规模、编程能力和Agent榜单上，"把一次判断的单价打到零"这条路，目前还没有人走。

但考虑到底层能力具备、开源底座现成、应用场景天然对接中国庞大的金融数据和内容审核需求，这个商业模式大概率会被快速跟进。

快不快，要看有没有团队愿意把它从一个零件变成一门生意。

我们三轮测试下来，接上模型接口其实容易，但更难的反而是把9家公司的中报数据逐条核对干净，再给每道题设计出一组不漏选项的答案。

这门生意把一次判断的价格压到了几乎为零，剩下的价钱，其实就在了出题人的账上。

本文来自华尔街见闻，欢迎下载APP查看更多

问界把产品、营销、零售和服务交给赛力斯之后，鸿蒙智行其他四界的动作，也引发市场的关注。

近期，有市场消息称，享界将落地专网门店和标杆体验中心，优先铺向核心城市，做成主要陈列、销售享界的线下阵地。专网本身不是新词，但和问界“车企接管、门店单卖”叠在同一周，市场立刻把它理解成：享界也要独立。

对此，北汽蓝谷在9月21日披露的一份投资者纪要中表示，专店系由北汽和华为协同规划、在鸿蒙智行渠道体系内补强享界销售网络的业务举措，目前按计划有序推进。

华尔街见闻了解到，专网在S9T上市后就启动了。2025年6月12日，北汽开过享界专网招募会，126家经销商到场，覆盖66个城市。当年口径是先建数十家专网用户中心。

北汽蓝谷2025年报写过，截至年末全国门店超900家，其中享界专网准入17家；2026年规划是专网继续加密一至三线城市。今年已有“鸿蒙智行享界用户中心”以专营店形态开业，店招仍挂鸿蒙智行，展的是享界车型，功能按展示、销售、交付、售后来配。

合作上，享界仍是北汽与华为联合打造的高端豪华品牌。自去年S9T上市以来，双方合作升级为“车企+华为科技生态”战略共同体，这一定位与合作模式均未发生变化。享界既是北汽发展高端新能源汽车的旗舰品牌，也是鸿蒙智行体系的核心成员之一。未来仍将围绕享界品牌建设深化合作，联合打造豪华旗舰产品。

渠道上，享界确认专网在推进，但拒绝把它写成模式切换。北汽蓝谷称，自S9T上市以来，享界已启动鸿蒙智行享界专网建设；今年以来，部分专网门店和用户中心已正式营业。

关键一句是：享界专网与鸿蒙智行其他渠道业态一样，纳入鸿蒙智行统一管理体系，这一模式未变。

目前，享界已率先形成轿车、旅行车、SUV、MPV全品类布局，对应S9、S9T、G9、V8。G9上市后获得高端旗舰SUV市场关注，双方正有序推进交付；V8定位家庭旗舰智慧MPV，已按节奏持续预热。

9月21日，官方又公布G9将于9月23日在北京享界超级工厂开启首交，V8将于9月28日开启预订。车型变多，混店展位更紧，专网的直接用途是把享界从“四界店里的一块展台”，补成能完整摆开的专属阵地。

9月15日，鸿蒙智行和问界同日说明：问界仍留在鸿蒙智行框架内，但产品定义、产品设计、品牌营销、渠道零售、服务体系改由赛力斯主导，华为终端参与赋能；部分原鸿蒙智行店面将只卖问界。

鸿蒙智行同时划线：此次调整不涉及尊界、享界、智界、尚界，四界仍由华为全流程主导。声明没有把讨论停住。

问界仍是五界里体量最大的一块，说明发布当日赛力斯A股、港股双双大跌。担忧随即外溢：华为会不会再从前台退一步，合作车企能不能自己扛渠道，专属门店是不是独立运营的前奏。

享界最先被拿来对标，是因为店的形态看起来像。鸿蒙智行线下分两类：体验中心多在商超，负责看车、试驾、下定，展位通常只有两三台车；用户中心更接近4S，覆盖销售、交付和售后。

专店会越开越多。五界已经挤不下同一块展台，要拆的是网点，不是合作模式。

本文来自华尔街见闻，欢迎下载APP查看更多

9月21日，据彭博援引知情人士，此次发行包括总额100亿美元的美元债券和总额10亿欧元（约11.4亿美元）的欧元票据，所得资金将部分用于支持软银追加投资OpenAI，相关投资预计于下月完成交割，债券定价或于本周四落地。软银今年以来已在债券市场融资近150亿美元，成为2026年以来高收益债发行规模最大的企业之一。

与此同时，软银债务的市场定价已经明显承压。其2031年到期美元债收益率本月早些时候一度升至8.2%，较1月低点6.7%大幅上升，信用违约保险成本也升至近年来高位。在AI投资规模持续扩大的背景下，融资成本上升与资产退出时间的不确定性正同时考验软银的资金安排。

超110亿美元垃圾债酝酿发行，持续为OpenAI投资输血

此次软银拟发行的债券包括三个期限、总额100亿美元的美元债券，以及两个期限、总额10亿欧元的欧元票据。花旗担任美元债部分的首席记账簿管理人及全球协调人，高盛、摩根大通和摩根士丹利担任联合全球协调人；欧元债部分则由摩根大通担任首席记账簿管理人，高盛和德意志银行参与协调。

软银对OpenAI的总承诺投资额已接近650亿美元，持续加码使其对OpenAI的资金敞口不断扩大。今年3月，软银为追加投资OpenAI安排了400亿美元过渡性贷款，近期已偿还259亿美元未偿余额。

此次债券融资意味着，软银仍在通过新增债务为OpenAI投资提供资金支持。随着单笔投资规模不断扩大，AI资产的资金占用周期及未来退出安排，也越来越直接地影响软银自身的融资需求。

Arm股份抵押贷款扩张，多渠道融资推高杠杆

债券发行之外，软银近期还在扩大以资产抵押为基础的融资规模。

据彭博报道，软银近期寻求将以Arm股份作担保的保证金贷款规模扩大50亿美元至250亿美元，同时获得4.5亿美元的额外信贷额度，使相关授信规模达到65亿美元。

与此同时，据报道援引知情人士，阿波罗全球管理公司正在洽谈将向软银提供的贷款规模扩大36亿美元至90亿美元，同样用于支持其对OpenAI的投资。软银还获得了一笔118.7亿美元的贷款；今年早些时候，公司亦曾安排一笔100亿美元贷款，并以OpenAI股权作为抵押。

从债券到股份抵押贷款，再到以OpenAI股权作为担保的融资，软银正在通过多种方式为AI投资筹集资金。融资工具不断增加，也意味着其资产负债表对利率、信用利差以及所持AI资产估值变化更加敏感。

OpenAI上市推迟，融资成本与退出压力同步上升

软银面临的另一项压力来自OpenAI的退出路径。OpenAI首席执行官Sam Altman近期表示，公司今年不会上市。这意味着，软银此前通过大规模融资投入OpenAI后，短期内可能缺乏明确的公开市场退出渠道，相关资金占用时间也可能进一步拉长。

如果OpenAI未来上市，软银持有的相关股权将获得更加明确的流动性渠道；但上市时间表推迟，则意味着软银需要在更长时间内承担融资成本，同时等待投资价值兑现。

与此同时，软银自身债务的市场定价已经明显恶化。其2031年美元债收益率较今年1月低点已上升约150个基点，融资成本上升与信用利差扩大共同推高了债务负担。

对于软银而言，当前的核心矛盾正在从“能否获得资金”逐渐转向“以多高成本获得资金，以及AI投资何时能够兑现回报”。在OpenAI上市时间表尚不明确的情况下，超过110亿美元垃圾债的发行规模及定价，也将成为市场观察软银杠杆水平和信用风险的重要窗口。

本文来自华尔街见闻，欢迎下载APP查看更多

霍尔木兹海峡封锁已进入第七个月，中东产油国正通过一套船对船（STS）转运系统维持石油出口，但这套体系的运转成本正急剧攀升。根据Kpler数据，9月以来通过霍尔木兹的出口量已回升至约每日650万桶，为6月停火短暂反弹后的最高水平。

然而，这一出口量的背后是史无前例的物流代价。据路透LSEG数据，超大型原油船（VLCC）将波湾原油运往中国的基准运价已飙升至每桶逾30美元，为有记录以来的最高水平——在战争爆发前，这一比例仅占油价的2%至3%，而在当前约每桶105美元的油价下，运费成本已超过总成本的四分之一。上周布伦特原油一度突破每桶108美元，部分原因正是来自沙特出口通道受阻的消息冲击。

能源市场正在适应，而非瘫痪——但这种适应的代价正由产油国、航运市场乃至全球消费者共同承担。

霍尔木兹海峡的封锁迫使产油国重新设计出口路径。阿布扎比国家石油公司（ADNOC）最早于今年4月启动STS方案：将船只用作"穿梭油轮"，把原油从波湾终端运至较为安全的阿曼湾水域，再将货物转载至大型船只继续驶向目的地，通常是亚洲炼厂。母船随后经霍尔木兹返回重新装载，循环往复。

这套机制通过缩短单次航程来降低船只穿越海峡的风险，同时最大化利用有限且昂贵的油轮运力，使部分关键出口得以延续。目前已有越来越多的油轮在美国海军护航下，关闭导航系统，经由阿曼海岸线附近的狭窄走廊穿越海峡。

最初由ADNOC主导的应急方案，如今已演变为一个相当规模的新兴产业，沙特阿美也日益依赖STS转运来维持出口。

这一转变有其紧迫背景：也门伊朗支持的胡塞武装近期持续加强对红海南端曼德海峡的管控；9月10日，伊拉克境内的亲伊朗武装袭击了沙特东西输油管道，切断了约占全球供应4%、原本经由红海港口延布流向国际市场的石油。两路夹击之下，沙特开始通知买家，将改由阿曼路线的STS转运维持发货。

规模数据清晰反映了这一变化。根据Kpler，9月份阿曼湾STS转运装载量预计将达到每日约250万桶，较8月的140万桶大幅跃升，约占当前经霍尔木兹流通量的40%。而在战争爆发前，STS转运几乎从未被使用。相比之下，阿联酋9月石油出口量预计将达每日360万桶，高于2025年均值的340万桶。

这套浮动物流网络在一定程度上避免了更为严峻的供应冲击，但其成本已高度扭曲了市场结构。

运价飙升的直接后果是产油国利润遭到侵蚀。产油国已被迫对原油报价给出更大折扣，以保持出口竞争力，实际上是在自行吸收部分高涨的运输成本。与此同时，波湾STS转运对油轮的大量占用进一步收紧了全球可用运力，推升了整体运价。

"我们正在目睹一场史上最大规模的财富从产油国转移至油轮船东的过程，"HiLo Analytics首席执行官Keshav Lokhiya表示。

全球能源市场正在适应当前高度紧张的地缘政治风险，而非陷入停滞——这一点毋庸置疑。然而，中东石油贸易正变得越来越低效，日益依赖一套由军事护航、临时转运节点和从未被设计用来承载此等规模的替代航线拼凑而成的应急体系。

每一次额外转运都意味着更多船只、更长时间和更高成本，这些压力最终汇聚于全球油市。冲突持续越久、受威胁的航线越多，这套全球能源体系就愈发昂贵，也愈发脆弱。

本文来自华尔街见闻，欢迎下载APP查看更多

这家德国汽车巨头被剔除出欧元区最重要的蓝筹股指数Euro Stoxx 50，这是该公司近15年来首次跌出这一基准指数。此次调整由指数提供商Stoxx在例行审查后作出，大众股价已从2021年高位下跌逾四分之三，跌至约16年低点。

交易员警告，此次被动出局将带来新一轮抛售压力——追踪Euro Stoxx 50的交易所交易基金（ETF）将被迫清仓大众持仓。根据Stoxx数据，目前共有30只ETF复制该指数，合计规模达590亿欧元，另有逾11万只主动结构性产品与之挂钩，销售规模超过680亿欧元。

大众方面回应称，"纳入某一指数并不改变公司的基本面实力"，并坚称集团"对投资者而言仍是具有吸引力的投资标的"。

大众股价已深陷颓势。本月早些时候，该公司与工会达成意外重组协议，股价一度单日反弹逾9%。但好景不长——周五该公司发布盈利预警，因对旗下保时捷股权估值计提60亿欧元减值，叠加海外市场持续低迷与重组成本攀升，股价当日重挫8.3%。

汇丰全球汽车行业高级分析师Michael Tyndall表示，"整个行业正面临几乎是生死存亡的风险，估值因此普遍受压"，同时指出大众当前的低估值也反映出市场对重组成本的忧虑。

尽管本月有所反弹，大众当前市值仅约380亿欧元，与其3220亿欧元的年销售额相比悬殊极大。德国资产管理公司Flossbach von Storch投资组合经理Simon Jäger对英国《金融时报》表示，"这一市值非常清晰地传递出一个信号——投资者对大众有多么悲观。"

大众的出局并非孤例。去年，菲亚特与标致母公司Stellantis已被移出Euro Stoxx 50，此后该公司股价近乎腰斩，同期亦经历管理层换血，并在美国和欧洲市场利润率改善方面屡屡受挫。

此番一同离开指数的还有荷兰信息服务集团Wolters Kluwer。接替两者入选的是芬兰诺基亚——这家曾经的手机巨头已在Nvidia支持下转型为数据中心网络提供商——以及法国公用事业集团Engie。目前，Ferrari、宝马和梅赛德斯-奔驰是仍留在Euro Stoxx 50中仅剩的三只汽车股。

一位竞争对手高管对大众的出局评论称，"这是时代的象征"，并认为此事件带来的声誉冲击将远大于实际资金流出的影响。

大众的离场使德国在Euro Stoxx 50中的席位降至16席，反映出德国大型上市企业持续承压的困境。Stoxx数据显示，过去五年，德国成分股子指数的年化回报率为10.9%，明显落后于Euro Stoxx 50整体的12.5%。

大众历史上曾多次出入这一指数。该公司于指数成立两年后的2000年首次入选，随后因全球金融危机于2010年至2011年间短暂退出，此后重新回归并维持成员资格至今。2008年，大众曾在一场大规模逼空行情中短暂成为全球市值最高的公司。

大众表示，重组将改善其财务表现，"也应对大众股价产生正面影响"，并称公司正着眼于"中期内重返Euro Stoxx 50指数"。然而，在销量下降、美国关税上升、治理结构复杂等多重阻力之下，这一目标实现的时间表仍充满不确定性。

本文来自华尔街见闻，欢迎下载APP查看更多