华尔街见闻 - 资讯 - 最新

源杰科技：预计2026年第三季度净利润同比增长578.85%-659.70%

Mon, 12 Oct 2026 11:45:13 GMT

源杰科技公告，预计2026年第三季度营业收入6.5亿元至7亿元，同比增长264.56%至292.60%；归母净利润4.03亿元至4.53亿元，同比增长578.85%至659.70%，2025年第三季度为5962.89万元；扣非净利润4亿元至4.5亿元，同比增长678.44%至775.74%，2025年第三季度为5138.5万元。

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。

联讯仪器：预计2026年前三季度净利润同比增长1,866.00%至2,072.95%

Mon, 12 Oct 2026 11:41:27 GMT

联讯仪器公告，预计2026年前三季度归属于上市公司股东的净利润为19亿元至21亿元，较2025年前三季度增长1,866.00%至2,072.95%；扣除非经常性损益的净利润为18亿元至20亿元，较2025年前三季度增长1,836.84%至2,052.04%。

风险提示及免责条款

印度9月CPI升至近两年高位，食品与能源通胀支撑央行紧缩

Mon, 12 Oct 2026 11:40:14 GMT

印度通胀压力再度升温，食品价格上涨、卢比贬值与国际油价走高共同加大了物价上行风险，也为印度储备银行（RBI）继续加息提供了依据。市场预计，随着通胀短期内难以明显回落，印度货币政策紧缩周期仍可能延续。

10月12日，印度统计和计划实施部公布的数据显示，9月消费者价格指数（CPI）同比上涨5.54%，高于8月修正后的4.83%，创2024年底以来最高水平，略低于彭博调查经济学家预测中值5.58%。数据公布后，印度国债延续跌势，10年期基准国债收益率上行约10个基点至7.40%。

此次通胀数据公布前数日，RBI货币政策委员会刚刚一致决定加息25个基点，将基准利率上调至5.50%，并将政策立场调整为“校准式收紧”。通胀持续走高进一步凸显了央行控制物价压力的必要性。

食品价格加速上涨，卢比疲软加剧通胀压力

食品价格是9月通胀加速的主要推手。数据显示，印度9月食品通胀同比升至7.74%，明显高于8月的5.97%。食品在印度零售通胀篮子中的权重超过三分之一，其价格上涨对整体CPI形成显著推动。

其他分项价格也普遍上涨。9月交通运输成本同比上涨5.01%，高于8月的4.6%；餐厅及酒店价格涨幅从8.38%升至9.36%。个人护理价格同比上涨13.75%，虽低于8月的15.17%，但仍处于较高水平。

与此同时，卢比持续承压。尽管卢比周一上涨1%，但仍是今年以来亚洲表现最差的货币之一。卢比贬值推高进口成本，增加输入性通胀风险；国际油价重新升至每桶100美元上方，也进一步加大了印度的通胀压力。

印度政府对终端燃油价格的保护有限，仅在5月小幅上调零售油价。面对食品和能源成本上涨，企业利润率已受到挤压，而新增成本尚未完全传导至消费者，意味着后续零售价格仍存在上行压力。

RBI预计，印度今年12月当季通胀均值将达到6%，并已将全年通胀预测上调至5.2%。此外，降雨不足可能在未来数月继续推高食品价格，令通胀回落面临更多阻力。

经济学家预计加息周期仍将延续

通胀持续高于此前水平，令RBI面临更大的政策压力。随着食品价格冲击扩大、进口成本上升，央行需要在抑制通胀与避免过度收紧金融条件之间寻求平衡。

Elara Securities经济学家Garima Kapoor表示，在大宗商品价格持续偏高、全球利率上行的背景下，预计RBI将继续推进加息，并预测截至2027年3月底前还将加息两次。

法国兴业银行经济学家Kunal Kundu则指出，相较于蔬菜价格的短暂上涨，范围更广的食品价格冲击更具持续性，也更容易传导至居民通胀预期。

食品价格走势、卢比汇率及国际油价将成为影响后续政策的重要变量。若这些因素持续推高物价，印度通胀短期内恐难回落至RBI目标区间的中值4%，央行维持紧缩立场、进一步加息的可能性也将随之上升。

风险提示及免责条款

瑞银给出AI交易下一主线：电力、数据中心与关键资源

Mon, 12 Oct 2026 11:31:29 GMT

AI投资叙事正从模型研发转向基础设施建设。瑞银（UBS）在最新研报中指出，电力供应、数据中心容量与融资能力正成为驱动AI交易下一阶段的核心变量，市场关注点也从模型竞争转向基础设施能否及时交付。

瑞银能源与资源领域专家Catherine Gordon在近日发布的报告中，将这一趋势概括为“AI基础设施约束浮现为交易下一阶段”。她指出，Alphabet与亚马逊近期签署的长期购电协议（PPA），进一步凸显了电力供应对AI扩张的重要性，并使基础设施类资产持续成为市场关注焦点。

尽管市场仍对AI资本支出的可持续性及基础设施融资存在担忧，行业反馈却持续显示需求保持韧性。当前的关键问题已不只是AI需求能否兑现，更在于供给端能否跟上部署速度。

供给瓶颈与执行能力，决定AI投资下一阶段

Gordon指出，围绕OpenAI营收预期的短暂质疑虽一度引发市场波动，但AI投资逻辑的核心仍在于基础设施建设能否匹配需求。电力可用性尤其受到关注，Alphabet与亚马逊签署长期购电协议，也进一步强化了市场对能源供给约束的重视。

近期新加坡Data Center World Expo上的行业交流同样显示，与会者更关注供应链能否快速扩大产能，而非终端需求出现实质性下滑。这意味着，随着AI基础设施持续扩张，项目交付速度、供应链保障与执行能力，可能成为影响企业竞争力和投资回报的重要因素。

这一趋势也延伸至关键原材料领域。瑞银的分析与“投资瓶颈资产”的思路一致，即关注那些掌握关键材料、能够满足电网扩建、数据中心建设、制造业回流和国防投入需求的企业，稀土、钨等金属便是典型代表。随着基础设施投资持续增长，掌握稀缺原材料供应的企业，有望获得更多投资者关注。

风险提示及免责条款

大摩Wilson：债市已在替美联储“加息”，美股反弹还看两大信号

Mon, 12 Oct 2026 11:26:50 GMT

债券市场的剧烈波动正在悄然承担起美联储的紧缩职能，这一罕见格局为股市走向带来了新的解读框架。

摩根士丹利首席股票策略师Mike Wilson在最新周报中指出，随着美国10年期国债收益率自2月以来累计上行120个基点，金融条件已大幅收紧，债市实际上正在替代美联储完成加息工作，这可能令美联储无需进一步上调政策利率。Wilson认为，若本周三公布的美国消费者价格指数（CPI）数据温和，将有助于缓解长端收益率压力及市场对政策利率的预期。

在此背景下，Wilson为投资者提供了两大前瞻性信号：金融股的相对表现，以及衡量债市波动率的MOVE指数。他强调，债市波动率的变化比收益率的绝对水平更具指示意义，而本周摩根大通、高盛、花旗及富国银行的三季度财报将成为关键观察窗口。

债市收紧效应已然显现

Wilson在周一发布的"Weekly Warm-up"报告中指出，当前多重因素叠加，货币紧缩效应已在市场中发挥作用：10年期美债收益率自2月以来跳升120个基点，美元指数走强，油价维持高位，三者共同构成了实质性的金融条件收紧。

全球政府债券收益率目前已整体超过4%，为2000年以来首次。Wilson认为，在债市已大幅定价更高利率的情况下，美联储主席Kevin Warsh面临的政策压力实际上有所减轻。若本周CPI数据不出现超预期上行，长端收益率的上行动能或将趋于平缓。

标普500上涨掩盖内部分化

Wilson指出，标普500指数之所以未能充分反映当前金融条件的收紧，原因在于指数涨幅高度集中于少数大市值、以人工智能为核心的科技股——这些公司的成长性足以抵御资本成本上升的冲击。

这一结构性分化在市场广度上已有明显体现。标普500等权重指数自3月以来落后市值加权指数达6个百分点，显示普通个股已承受了更多来自长端利率上行的压力。Wilson强调，对大多数股票而言，收益率的快速攀升已造成实质性损伤。

两大信号决定最坏时刻是否过去

Wilson建议投资者重点追踪两项指标，以判断市场压力是否已触顶。

其一是MOVE指数，即债市波动率指标。Wilson认为，真正重要的不是收益率的绝对水平，而是收益率的变化速度及其波动性。MOVE指数的回落将是债市压力缓解的重要信号。

其二是金融股的相对表现。本周恰逢JPMorgan、Goldman Sachs、Citi及Wells Fargo集中披露三季度业绩，Wilson认为，若上述银行财报表现稳健，将在相当程度上发出"全面解除警报"的信号。

衰退担忧或被过度定价

尽管Wilson承认收益率持续走高存在演变为增长阻力的风险，但他目前认为这一情形尚未成真。他指出，此轮收益率上行在很大程度上源于经济增长本身及其带动的资本需求，而非单纯的通胀或政策预期驱动。

从实际利率角度看，Wilson以当前CPI同比约3.4%与联邦基金有效利率3.88%相减，所得利差远低于历次衰退前的峰值水平，表明市场对增长前景的悲观预期存在高估。结合对即将到来的财报季的乐观预期，Wilson得出结论：美股走势仍有改善空间。

风险提示及免责条款

英特尔前CEO：AI天价投入，将催生30年来首次内存技术重大突破

曹周周 — Mon, 12 Oct 2026 11:25:02 GMT

英特尔前首席执行官Pat Gelsinger表示，AI本质就是记忆，资本与技术需求将推动存储创新。

HBM海岸线带宽限制是根本问题，未来须将记忆与计算以全新结构结合。

他看好铁电体等新材料和高密度可堆叠存储，但对低成本闪存持保留态度。

他认为存储器创新是三十年来第一次，即将到来。

资本热捧的AI制药神话，能否照进临床？

硅碳变量 — Mon, 12 Oct 2026 10:54:45 GMT

上月22日，英伟达及卡塔尔主权财富基金支持的AI制药公司Iambic Therapeutics于当地时间周一提交了美国首次公开募股（IPO）申请。

这一动作瞬间让Iambic Therapeutics站在了聚光灯下，也再度引发了市场对AI制药领域的热切关注与深度思考。

AI制药的投资盛宴

Iambic成立于2019年（原名Entos），目前正推进利用其AI平台开发的候选药物管线，旨在治疗实体瘤。其进展最快的候选药物IAM1363正在进行早期临床试验，用于治疗乳腺癌等实体瘤。

其股东阵容堪称豪华：英伟达不仅作为投资方入股，还与Iambic达成技术合作，借助BioNeMo、GPU算力体系支撑后者AI药物研发平台的迭代，帮助它在AI制药赛道拿到算力层面的优势；卡塔尔投资局旗下医疗投资主体参与投资，为这家临床阶段Biotech补充资本弹药，支撑新药研发这条高投入高风险的漫长管线。

与此同时，Iambic 已经和艾伯维、武田制药等多家跨国药企达成AI药物发现合作。在这些项目中，Iambic 输出自身AI分子设计平台，在真实新药靶点场景中检验模型能力。同时，这类合作也为公司带来阶段性收入，持续积累平台研发数据，强化技术验证。

事实上，Iambic Therapeutics的IPO申请，只是AI制药领域资本热潮的一个缩影。

近年来，AI制药犹如一块巨大的磁石，吸引着海量资本蜂拥而入，成为投资界的香饽饽。

从全球范围来看，AI 制药企业的融资事件频繁发生，融资金额屡创新高。摩熵投融资数据显示，截至2025年12月24日，全球AI制药公司超350家。其中我国至少有101家，大部分处于初创期与萌芽期，处于成长期与成熟期的有10余家，包括晶泰科技、英矽智能、太美医疗、康韵生物等。

产业热度的攀升，也带动了资本市场的持续关注。摩熵投融资数据显示，2025年，全球AI制药相关投融资事件近80起。其中我国至少有31起，红杉中国参与投资4起，另外芯能创投、联想创投、中金资本、BV百度风投等多家机构同样表现活跃，参与投资2起。

比如，英矽智能在港股上市时募集资金总额达22.77亿港元，引入的基石投资者包括礼来公司、腾讯、淡马锡、橡树资本等行业巨头和知名投资机构；晶泰科技通过配售新股募集到约26.53亿港元资金，还与DoveTree 公司达成高达59.9亿美元的BD合作，创下2025年中国AI制药领域金额最大的BD交易之一。

这些头部企业的亮眼表现，无疑为AI制药行业注入了一剂强心针，也吸引更多资本跑步入场。

资本持续向AI制药倾斜，这股热潮的背后有着深层次的产业动因。

一方面，AI 拥有强大的数据处理能力，可以从海量生物医学数据中快速筛选出潜在的药物靶点与分子结构假设。与之相对的是，传统药物研发的靶点发现环节则需要科研团队投入大量时间开展实验验证。

借助深度学习算法，AI能够对基因、蛋白质等多组学数据进行计算分析，在短时间内圈出一批具备疾病关联可能性的靶点，压缩早期候选范围，提升靶点探索阶段的研发效率。

另一方面，AI能够依据靶点的结构与理化性质，生成在计算层面有望具备特定活性和选择性的候选药物分子。这一方式能够缓解传统药物分子设计阶段高度依赖研发人员经验和大量盲目试错的问题，为新药早期发现提供了新的思路。

转向市场端，全球老龄化持续推进，市场对创新药物的需求也在持续增长。

而传统新药研发长期存在周期长、投入高、临床成功率偏低的行业痛点，AI制药为改善这一局面提供了新的可能性，它可以在药物早期研发环节提升效率和压缩试错成本，有望缩短新药研发的前置周期，匹配市场对创新疗法的需求，赛道也因此具备可观的商业想象空间。

现实与梦想的差距

尽管Iambic Therapeutics手握豪华资本阵容，AI药物研发平台也搭建起差异化的技术叙事，但无法回避的现实是公司核心管线仍处于早期临床阶段，这也让其上市之后持续面临多重不确定性考验。

Iambic管线中推进最快的候选药物IAM1363，目前正在开展I/1b期临床试验。

不过，I/1b期临床仅仅是新药漫长研发链条的起点。这一阶段试验的核心目标是初步考察药物的安全性、耐受性与药代动力学特征，同时会收集初步的疗效信号；试验样本规模有限，观察周期较短。所以距离药物最终拿到上市许可，中间仍隔着巨大的鸿沟。

后续项目还需要推进大样本、多中心的II期、III期临床试验，持续验证药物的治疗效果并评估其安全性。新药研发的每一个临床阶段都暗藏风险，一旦出现不及预期的数据，对应的适应症开发就可能被叫停，前期投入的资金与时间成本也将付诸东流。

新药研发本身就是高失败率的生意。“业界一直流传着‘双十定律’的说法，但我觉得是三十，即新药研发平均需要耗时10年、耗资10亿美元，并且成功率低，不足10%。”信达生物产品开发及工艺开发副总裁周凯松告诉健康时报记者。

市场期待AI制药能够提升新药研发效率，但现阶段仍缺少足够的长期临床数据，证明AI可以彻底改变新药研发高失败率这一行业固有难题。

即便AI在早期靶点挖掘和分子设计环节展现出优势，一旦进入大规模人体临床试验，依旧会遭遇各类难以提前预判的问题。药物在小样本试验中表现尚可，放大到更大患者群体后疗效衰减；或是在后续试验中出现意料之外的不良反应，都是临床开发中十分常见的失败诱因。

临床试验本身就充满不确定性，而早期管线还额外背负着AI平台技术有待验证这一层挑战。

AI制药的想象空间充足，但整套技术体系仍在持续迭代。对Iambic来说，核心AI平台的算法与模型能否稳定预测分子活性、药物安全性以及体内药效，仍需要在后续真实研发项目里反复验证。

AI在计算机模拟层面的出色表现，并不等同于它在真实人体环境中能够实现预期药效。

AI模型训练高度依赖存量生物数据，一旦模型存在偏差，可能筛出无效靶点或是设计出理论成立、体内试验却失效的分子。这类问题不仅会延缓管线开发，也会让市场质疑其作为估值核心的AI平台价值。

雄厚资本与药企合作，确实给Iambic打下了不错的基础。不过资本市场给AI Biotech的估值，本质上高度依赖管线未来能否落地兑现。

预期能否兑现，最终取决于IAM1363与后续管线的临床数据。AI可以降低早期阶段的试错成本，但难以消解人体生物系统固有的复杂性。对所有AI制药公司而言，这都是绕不开的挑战：从模型层面的理想结果，到转化为能够造福患者的上市新药，依旧道阻且长。

是泡沫还是希望

Iambic Therapeutics这类资本叙事先行、管线尚处于早期阶段的AI制药公司登陆资本市场，也引发市场对整个AI制药赛道的深度反思：这究竟是资本催生出的行业泡沫，还是医药研发变革所蕴藏的全新机遇？

不可否认，资本叙事优先的行业现状，给AI制药赛道埋下不少隐忧。

一方面，为获得融资支持，部分AI制药企业会放大技术价值与商业化前景，夸大AI在新药研发中的价值，向市场传递过于乐观的预期。这容易推高估值，造成估值水平与真实研发能力和管线进度脱节。一旦临床数据不及预期，企业无法兑现前期承诺，股价便存在大幅回调的可能，投资人也将承受损失。

另一方面，该现象还可能带来行业资源错配。大量资金涌向擅长讲技术故事但落地研发能力偏弱的企业，而那些深耕技术和踏实推进管线且具备真实潜力的团队，反而可能面临资金缺口，进而拖累整个赛道的良性发展。

二级市场的股价波动，已经折射出市场的这份顾虑。

不少AI制药企业上市初期凭借AI概念和资本故事拉动股价，一旦管线推进不顺或技术验证遇坎，股价便快速回调，体现出概念叙事带来的股价高波动。

不过，也不能仅凭这些风险，就全盘否定AI制药长期的价值。

落到技术底层，AI在新药研发上具备差异化优势：它可以解析海量生物医学数据，打开传统研发难以触及的研究方向。尤其是在AI模型持续迭代之下，它在药物研发链条的应用边界还会继续拓展，有望重构新药研发范式，实现研发提效与成本下降。

尽管绝大多数AI制药管线仍停留在早期阶段，但行业已经出现值得关注的落地案例。2026年9月10日，英矽智能宣布公司AI驱动候选创新药物Rentosertib已在针对特发性肺纤维化的III期临床试验GENESIS-IPF-3中完成首例患者入组并给药。

简言之，AI制药赛道“靠故事上市”的现象，既裹挟着资本叙事催生的泡沫，也承载着AI重构药物研发的想象空间。

长期来看，在技术迭代与临床需求的双重驱动下，AI制药赛道仍具备成长空间。伴随AI技术持续成熟和应用场景不断拓展，行业或将逐步走出早期概念验证阶段，向商业化落地推进。

本文来源：硅碳变量

风险提示及免责条款

FDE在硅谷是香饽饽，在中国可能是个坑？

人人都是产品经理 — Mon, 12 Oct 2026 10:36:29 GMT

混AI 圈，很难躲开FDE 这三个字母。Forward Deployed Engineer，前沿部署工程师。

数据确实唬人。领英今年初的报告说，这个岗位从 2023 到 2025 年涨了 42 倍，同期 AI 工程师只涨了 13 倍；Indeed 的口径是一年翻了七倍多。OpenAI 和 Anthropic 前阵子几乎同时成立企业服务公司，OpenAI 一出手就收购了一家英国 AI 咨询公司，把上百名资深 FDE 直接收编。国内也跟上了，腾讯在深圳挂出 40 到70K、15 薪的 FDE 岗，上海ZF还专门办了 FDE 人才培训班。

于是"转 FDE，年薪百万"的帖子满天飞。

我想泼盆冷水。在美国，FDE 是香饽饽；在中国，它很可能是一个换了新名字的老坑。 这篇文章不再科普 FDE 是什么，我想站在一个做了很多年产品、自己也要招人的老板角度，聊两件更扎心的事：国内的 FDE 凭什么大概率被做成"高级外包"；以及产品经理、研发、项目经理、运营、售前这五类人，转 FDE 分别会卡在哪。

同一个名字，两种活法

FDE 这套打法，是 Palantir 当年为了伺候涉密ZF客户逼出来的。它有一个灵魂假设：工程师嵌进客户团队，帮客户把能力建起来，项目结束后客户能自己跑。Palantir 卖的是"能力转移"。

国内甲方要的是什么？是交付物。付钱，给我系统，验收，结项，出了问题再来找你。

这背后是一整套组织逻辑。海外的 FDE 通常是被业务一把手亲自拉进项目的，坐在会议桌中间，和客户一起定义问题，考核看业务指标变没变，钱按成果算，越做合同越大。国内的 FDE 往往是 IT 部门或采购按合同招进来的，坐在会议室角落等需求，考核看有没有按期结项，钱按人天算。

你把右边这一串特征连起来读一遍：按人天收费、按需求实现、按期验收。这不就是外包吗？只不过外包出去的，是一个更贵、更懂大模型的人。

所以我的第一个判断是：FDE 在国内会不会沦为外包，不取决于你技术多强，取决于你被放进了一个什么样的权力结构。 进了一家真想做 AI 转型、愿意给你话语权的公司，你是特种兵；进了一家只想"买个 AI 系统交差"的甲方，你就是个高级实施。

先把尺子立起来：FDE 的六块拼图

要对比岗位，先得有把尺子。我把 FDE 的能力拆成六块。

动手编码，原型自己写，而且要写到能上生产，不是做个 demo 拍拍屁股走人。方案架构，客户的数据、老系统、权限体系，你得真能接起来。业务翻译，客户嘴里说"我想用 AI 提升效率"，你得把它翻译成一个能做、能验证的具体问题。推动协调，在别人的组织里把事推下去，你没有任何行政权力。客户沟通，坐得住会议桌，扛得住业务老大的质疑。结果闭环，对系统上线后真有人用负责，再把现场踩的坑反哺回产品。

有个说法是 FDE 的时间大约四成写代码、六成面向客户。这个比例本身就说明问题：决定成败的，是后面那六成。

六块里，我认为最难补、也最值钱的是两块：业务翻译和结果闭环。前者靠对行业的理解，后者靠心态和担当，这两样都没有速成班。

五个岗位，一个一个拆

拿着这把尺子量下去，我发现一个规律：真正决定你能不能转过去的，往往不是你缺哪块能力，而是你原来岗位养出来的那个惯性。 能力缺口可以补，惯性不改，补了也白补。

售前和解决方案：离得最近，但最大的坑恰好在终点线上。

售前的底子在五类人里最接近 FDE。面客是满分，天天在客户现场；方案架构很强，知道怎么把产品塞进客户的 IT 环境；编码中等，大多能自己搭个 POC。

但售前有一块几乎是空的：结果闭环。售前的 KPI 是签单，POC 做漂亮了、合同签了，就交给实施团队，人转身去追下一个商机。FDE 恰恰相反，签单只是开始，你要对上线三个月后有没有人用负责。

所以售前的惯性是"签完单就撤"。还有一个更隐蔽的毛病：为了成交，售前习惯过度承诺。到了 FDE 的位置，你承诺的每一句话都得自己兑现，这时候就知道当初画的饼有多烫手了。

想转，最好的练法是主动跟一个项目，从 POC 一路跟到上线后三个月，亲眼看看自己的方案在真实业务里是怎么"坏掉"的。站在老板角度，售前转 FDE 是最快的，但前提是考核得改，你还按签单额给他算钱，他就永远是个售前。

产品经理：底子第一梯队，但要戒掉"等排期"的瘾。

B 端产品经理最值钱的就是业务翻译，这正好是 FDE 六块拼图里最难补的那块。懂流程、懂权限、懂客户组织里谁说了算，这些都是 PM 天天在干的事。

缺口也很明确：动手编码。但说句实在话，这块缺口在今天比任何时候都好补。TRAE、Qoder、Cursor、Claude Code 这些 AI 编程工具，已经能让一个不怎么写代码的产品经理把原型做到能跑。问题在于从"能跑"到"能上生产"，中间隔着数据权限、异常处理、日志、回滚这些工程素养，这不是工具能直接给你的，得靠在真实项目里一次次被现实教育。

产品经理真正要戒的，是两个惯性。一个是"写完 PRD 等排期"。FDE 身后没有研发团队给你排期，你想清楚了就得自己动手。另一个更隐蔽：PM 习惯做通用产品，一上来就想抽象、想复用、想平台化。FDE 的顺序正好反过来，先为一个客户把事做成，再从里面抽象。顺序一反，就会变成在客户现场画平台大饼，客户最烦这个。

站在老板角度，我对产品经理转 FDE 是最看好的。原因很简单：FDE 的终极价值是把现场经验反哺产品，而产品经理天然就握着这条通道。Palantir 那套 Ontology 本体模型，最早就是从现场项目里提炼出来的。一个能写代码的产品经理去做 FDE，三年后回来做产品负责人，那是降维打击。

运营：最被低估的一类人，但硬技能补课最多。

很多人第一反应是运营跟 FDE 不沾边，我不这么看。

运营有一块能力是其他岗位都不如的：结果闭环。运营天生对数字负责，知道"系统上线"和"有人在用"之间隔着多远。推动协调也强，在业务一线把一个动作推下去，是运营的看家本领。业务理解同样不差。

问题出在硬技能上。方案架构和编码，是运营离 FDE 最远的两块。运营的惯性是"只盯数据不碰系统"，习惯在既有系统上做运营动作，从来不去碰数据从哪来、接口怎么调、权限怎么配。

我的建议是别想着一步变成全栈工程师，可以先从扣子、Dify 这类智能体编排平台切进去，把一个真实的业务流程用 Agent 搭起来跑通，再慢慢往代码和系统集成里扎。老板这边也要看清楚：一个懂业务、肯补技术的运营，往往比一个只会写代码、不会跟人说话的工程师，更接近"能交付结果"的 FDE。

研发工程师：代码最硬，却可能离得最远。

这个结论可能会让不少工程师不服气。

研发的编码是满分，架构也强，这两块是 FDE 的地基。但研发最缺的，恰好是最难补的那两块：客户沟通和业务翻译。

研发的惯性是"关上门才写得出代码"。需求不清楚？那你先写清楚再来找我。可 FDE 的工作，就是在需求不清楚的地方干活。客户自己也说不清要什么，你得陪他一起把问题找出来。再加上很多工程师有技术洁癖，看到客户十几年前的老系统、堆在 Excel 里的业务数据，第一反应是崩溃，第二反应是"推倒重来"，而客户最不可能接受的就是推倒重来。

能转好的研发，是那种喜欢看到自己代码被真人用起来的人，比起技术优雅，更享受"这东西真解决了问题"的成就感。站在老板角度，这类人最稀缺，因为愿意走出去的研发本来就少。找到一个，就是宝。

项目经理：推动力满分，但也是最危险的转型路径。

项目经理的推动协调是满分，客户沟通也强，天天在甲方和乙方之间周旋。

缺口是编码和方案架构，硬技能几乎要从零开始。但这不是我把项目经理放在最后的主要原因。

真正的原因是：国内很多公司招的所谓"FDE"，本质上就是驻场项目经理。 这恰恰是 FDE 沦为外包的那条路。项目经理的惯性是"按计划交付，不问结果"。甘特图是安全感，范围变更要走流程，按期验收就是胜利。可 FDE 经常要做的，恰恰是推翻原计划，因为你在现场发现客户最初提的需求根本不是真问题。

项目经理想转，第一件事是戒掉"范围变更就走流程"的本能，学会对业务结果而不是对计划负责。老板这边有个很好用的自检：如果你招 FDE，最后面进来的人全是项目经理画像，那说明你心里要的其实是交付，不是 FDE。

一个反直觉的排序

五类人摆在一起，我的排序是：售前和产品经理在第一梯队，运营和研发在第二梯队，项目经理在第三梯队。

最反直觉的是研发。代码写得最好的人，反而没进第一梯队。

原因就在 AI 本身。AI 编程工具正在以肉眼可见的速度，把"写代码"这块缺口变便宜。一个产品经理今天借助 TRAE 或 Qoder 能做出来的东西，三年前得配一个小研发团队。但面客的本事、对结果负责的担当，没有任何工具能替你补，只能靠你自己一次次下场练出来。

所以我的结论是一句话：缺口好补，惯性难改。

站在老板这边，说几句不好听的

先对想转 FDE 的人说。

别被百万年薪晃了眼。那是美国顶级选手、在尊重工程师的土壤里拿到的数字。在国内，你第一要问的不是"我能力够不够"，而是"这个平台给不给 FDE 真正的话语权"。面试的时候留个心眼：面你的是业务负责人，还是 IT 部门？考核是按人天，还是按业务结果？进项目之后，你能不能见到客户真正拍板的那个人？这几个问题的答案，比 JD 上写的薪资更能决定你三年后是什么样子。能力可以补，但一个把你当高级外包用的坑，你再强也跳不出来。

再对想招 FDE 的老板说，也包括我自己。

想清楚你要的是 FDE，还是一个便宜点的乙方。如果你心里其实是"我出需求、你来实现、出事你背"，那你要的是实施工程师，别用 FDE 的名头和薪资去招，招来了也留不住。真正的 FDE 需要三样东西：定义问题的空间，按结果而不是按人天的考核，以及他从现场带回来的反馈能真正进入你的产品路线图。

还有一笔账得算明白：国内客户的付费习惯是按人天。如果你不敢跟客户谈按结果收费，FDE 模式在财务上就成立不了，算到最后它就是一门毛利很薄的人力外包生意。FDE 的问题，归根结底不是招人的问题，是商业模式的问题。

FDE 这阵风会越刮越大。但风口上，有人飞起来，有人只是被吹得团团转。

区别从来不在风，在你站的地方。

本文来源：人人都是产品经理

风险提示及免责条款

新华社：厄尔尼诺持续增强，全球面临多重风险

新华社 — Mon, 12 Oct 2026 10:20:57 GMT

随着超强厄尔尼诺事件正式形成，全球多地正面临天气、生态和民生等风险。国际气象机构和科学家提醒，此次厄尔尼诺事件发生在全球变暖背景下，影响因地区和季节而异，各国应充分利用预警窗口部署应对措施。

强度持续攀升

今年的厄尔尼诺备受全球关注。中国国家气候中心监测显示，超强厄尔尼诺事件已于9月正式形成。世界气象组织10月8日发布通报说，10月至12月期间，热带太平洋中部和东部的海洋表面温度将升至创纪录水平，这反映出厄尔尼诺正在增强，并在12月达到顶峰。

世界气象组织预测，本轮厄尔尼诺持续至2027年2月的可能性接近100%，并且可能成为至少自1950年以来最强的厄尔尼诺之一。

英国气象局长期预报部门负责人亚当·斯凯夫8月说，此前从未在预测中见过如此强烈的厄尔尼诺信号。如果预测准确，此次厄尔尼诺事件的强度及其对全球气候的影响，将远超近年来经历的厄尔尼诺事件水平。

厄尔尼诺是一种自然气候现象，典型特征为赤道太平洋中部和东部海面温度升高，通常每2至7年出现1次，持续约9至12个月，它对全球温度的影响往往在形成后的第二年最为显著。最近一次厄尔尼诺事件发生在2023年至2024年，它对2024年的全球创纪录温度起到助推作用。

英国雷丁大学气候领域研究人员阿克沙伊·德奥拉斯表示，今年的厄尔尼诺事件可能进一步推高全球气温，使2027年成为有记录以来最热年份。

影响跨越海陆

厄尔尼诺的影响始于海洋与大气相互作用。据美国国家海洋和大气管理局介绍，通常沿赤道由东向西吹的信风会将暖水推向太平洋西部。厄尔尼诺期间，信风减弱，暖水向东扩展，东太平洋深层冷水上涌受到抑制，使赤道中东太平洋洋面温度升高。这些变化还会影响大气环流，将影响传递至更远地区。

厄尔尼诺叠加长期全球变暖，正进一步推高海洋温度。欧盟气候监测机构哥白尼气候变化服务局的数据显示，8月22日，全球日平均海洋表面温度达到21.10摄氏度，超过2024年3月创下的21.09摄氏度的纪录。

随着海洋持续变暖，海洋生态系统和沿海社区面临的风险也在增加。英国《自然》杂志9月30日报道，截至8月底，美国佛罗里达州附近海域、巴拿马太平洋沿岸等海域已观测到珊瑚白化。高温可能使珊瑚失去提供营养的共生藻类，严重时可致珊瑚死亡。

世界气象组织秘书长塞莱丝特·绍洛说，厄尔尼诺源于热带太平洋的海水变暖，但其影响并不限于太平洋。在数千公里之外，厄尔尼诺也能改变降雨模式，增加极端气温出现的可能性。

厄尔尼诺对全球的影响因地而异。世界气象组织介绍，随着厄尔尼诺在2026年底达到峰值，南半球大部分地区——包括南部非洲、南美洲和澳大利亚等地——将在2027年前几个月进入最炎热季节，季节性高温叠加厄尔尼诺可能增加干旱、野火及烟霾等相关风险。而坦桑尼亚、塞舌尔等东非国家发生洪水的风险显著上升。

据阿根廷媒体日前报道，受超强厄尔尼诺影响，巴拉那河和乌拉圭河水位暴涨，导致该国恩特雷里奥斯省和科连特斯省出现大范围洪涝灾害。在受灾较严重的恩特雷里奥斯省康科迪亚市，多个区域被洪水淹没，部分市民被安置到市政疏散中心。

英国气象局近日指出，厄尔尼诺可能增加英国晚秋和初冬多雨、多风天气的几率，冬季后期寒冷天气发生几率也可能上升。英国生态与水文学中心科学家阿穆利娅·切武图里说，若新增降雨集中在英国西北部，该国东南部干旱可能延续至2027年。

联合国儿童基金会6日发布公报说，受厄尔尼诺影响，近100个国家和地区的超过3.47亿名儿童预计将在今年10月至12月经历异常多雨或干燥天气。这些天气现象将增加极端洪水和干旱的风险，并可能造成严重后果。

用好预警窗口

面对厄尔尼诺持续增强带来的风险，英国布里斯托尔大学研究人员牵头在《柳叶刀》杂志发文提出五项应对建议：国际机构及时推动健康保护和疾病预防；支持各国评估健康风险、落实预警措施；加强厄尔尼诺相关健康归因研究；持续跟踪健康影响、填补证据空白；评估相关防灾措施的成本效益。

文章主要作者、该校气候科学高级研究员鲁比·利伯指出，当前厄尔尼诺正使许多地区的气候状况变得更加极端，迫切需要更深入地了解、更准确地衡量和识别各个国家和地区面临的不同风险。

世界气象组织表示，正推动气象部门与卫生部门加强沟通协作，让气象预报及时服务健康决策。联合国儿童基金会呼吁各方在厄尔尼诺影响达到峰值前投入资源，保障儿童所需的基本服务，为受影响社区提供人道主义援助。

应对厄尔尼诺还需兼顾长期适应。英国纽卡斯尔大学气候变化影响领域教授海莉·福勒表示，许多基础设施按过去的气候条件设计，如今需要应对未来的极端天气，必须加大长期适应投入并减少对化石燃料的依赖。

本文来源：新华社

风险提示及免责条款

美国蓝潮尾部风险：财政掣肘、AI 博弈，市场定价几何？

Mon, 12 Oct 2026 10:15:55 GMT

目前距离11月3日美国中期选举已不足月余。民主党在众议院竞争中占据明显优势，参议院则处于胶着状态。预测市场显示，众议院翻蓝概率超90%；尽管分裂政府（民主党控制众议院、共和党守住参议院）仍是基准情景，但民主党横扫两院（蓝潮）的概率已升至约60%，尾部风险明显上升。

而随着民主党全面控制国会的概率较此前显著上升，市场对选举结果的定价已进入最后阶段，定价焦点也正逐渐转向不同政治格局对财政、监管及2028年政策环境的影响。当前市场已较充分定价民主党夺回众议院这一基准情景，但对蓝潮可能带来的AI监管收紧、企业税上调及政策路线变化仍存在一定低估。

从历史交易模式来看，中期选举前市场通常因政治前景不明而表现疲软，并计入较高风险溢价；选举结束后，随着不确定性消除，美股往往迎来强劲的跨年反弹。自1970年以来，美股在中期选举后6个月内平均上涨约12%。

但若此次分裂政府格局兑现，立法僵局将限制财政扩张，2027年财政脉冲减弱，债务上限与政府停摆风险后置。如民主党会对AI与数据中心监管、加密货币、大型科技和能源领域进行更严格的审查；但财政僵局一方面减轻供给压力，让长端获得支撑，另一方面2027年债务上限危机引发短端扭曲，美债收益率曲线或结构性变陡。

选举影响将逐渐转向政策再定价

选举本身对美国经济和股市基本面的直接影响有限。若民主党仅夺回众议院，国会将重新进入更强的政治制衡状态，特朗普推动新的大规模财政刺激将受到约束，2027年财政脉冲预计弱于2026年。

台积电Q3业绩前瞻：2nm放量、AI需求强劲，汇丰最高看至3800新台币

Mon, 12 Oct 2026 10:15:30 GMT

台积电本周四（15日）将公布Q3财报，其营收或将大幅超出市场预期，进一步巩固其作为全球AI算力基础设施核心供应商的地位，多家券商随即上调目标价，并预计四季度增势将延续。

据华尔街见闻此前文章，彭博根据台积电数据计算得出，该公司截至9月的第三季度营收达1.49万亿新台币（约467亿美元），同比增长51%，超出分析师平均预期的1.46万亿新台币，亦高于公司此前给出的446亿至458亿美元指引区间上沿。

据追风交易台消息，在此背景下，美国银行和汇丰均在10月12日上调了台积电目标价，维持买入评级，两者目标价分别为新台币3260元和新台币3800元。台积电股价本月已触及历史高位，当前报新台币2550元。

强劲的销售数据，在投资者普遍担忧债务水平攀升、监管阻力增加，以及OpenAI与Anthropic呼吁放缓AI技术发展步伐之际，进一步巩固了市场对AI需求前景的信心。台积电是英伟达和苹果的核心代工合作方，被市场视为追踪AI需求的重要风向标。本周，AMD首席执行官Lisa Su表示预计芯片需求未来数年将持续大幅增长；三星电子报告运营利润同比大增近九倍；AI服务器组装商鸿海精密季度销售额也超出预期，多点信号共同印证AI硬件需求持续扩张。

三季度营收超预期，2nm放量是主要驱动

台积电9月单月合并营收为新台币5118.57亿元，同比增长54.6%，环比微降0.6%。彭博计算得，2026年前三季度累计营收达3.899万亿新台币，较2025年同期的2.763万亿新台币增长41.1%。

据美银研报，三季度营收超出美银及市场预期的环比增幅分别为+14%和+13%，实际录得+18%（以新台币计）。美银分析师Haas Liu认为，这一超预期表现主要由2nm制程的强劲放量驱动——2nm营收贡献占比预计从二季度的3%提升至三季度的约11%，主要受益于苹果新品发布的移动SoC备货需求，以及AMD Venice服务器CPU需求的强劲增长。与此同时，5nm和3nm制程利用率持续超过100%，由高性能计算及AI领域的多款产品升级所支撑，包括英伟达Rubin GPU、AMD MI400、AWS Trainium3的量产爬坡，以及谷歌TPUv8t/i的初步放量。

汇丰分析师Frank Lee在研报中同样将三季度营收超预期归因于AI先进制程的强劲需求，并预计三季度毛利率约为66.9%，与公司65%至67%的指引区间上沿基本吻合。

毛利率预期：两家机构均低于市场近期乐观预期

在利润率预测上，两家机构均对市场近期的乐观预期持保留态度。美银预测三季度和四季度毛利率分别为67.0%和67.8%，低于市场近期预期的67%至68%和68%至69%。美银指出，2nm制程爬坡带来的毛利率摊薄效应约为3%至4%，加之海外晶圆厂产能扩张，将部分抵消来自利用率改善及3nm折旧逐步滚降所带来的正面影响。

汇丰对三季度毛利率的预测为66.9%，四季度进一步收窄至66.0%，明确指出2nm节点良率爬坡及海外扩张将持续带来毛利率摊薄压力，对四季度的预测亦低于市场一致预期。

从全年来看，美银预测2026年全年毛利率约为67.2%，2027年进一步提升至68.9%；汇丰则预测2026年和2027年毛利率分别为66.7%和67.0%，两家机构均预计随着台积电在2027年初提价落地、先进节点折旧成本逐步消化，利润率将呈现改善趋势。

四季度及2027年展望：定价提升驱动持续增长

两家机构均预计四季度营收将保持强劲增长势头。美银预测四季度营收环比增长约10%至15%（美银预测为+11%），高于台积电历史季节性规律的+7%。美银分析师认为，四季度增长的核心驱动力将是产品结构持续向先进节点迁移所带来的混合均价提升，预计5nm及以下制程营收占比将从三季度的约71%提升至四季度的75%，其中2nm占比有望进一步升至约18%。

汇丰对四季度营收的预测为1.677万亿新台币，环比增长12%，高于市场一致预期的10%。

展望2027年，美银将台积电2027年EPS预测上调至新台币161.36元，较市场一致预期高出约15%；汇丰预测2027年EPS为新台币152.77元，较市场一致预期高出约5%。两家机构的核心逻辑均指向：台积电将于2027年初对先进节点晶圆定价提涨5%至10%，叠加成熟节点温和涨价3%至5%，推动毛利率进一步改善。

资本支出持续扩张，2026至2028年维持高强度投入

在资本支出方面，美银预计台积电2026年资本支出约为630亿美元，处于公司最新指引600亿至640亿美元区间的上沿，主要用于3nm产能扩充（约5.5万至6万片每月）、2nm产能爬坡（约6万片每月），以及A16制程的初期安装（约3000至5000片每月）。汇丰同样维持2026年资本支出预测640亿美元，并预测2027年升至850亿美元。

美银分析师进一步指出，2027年资本支出预计进一步跃升至约830亿美元，较2026至2028年复合年均增速约20%，反映出N3、N2、A16制程的持续扩产及CoWoS-L先进封装的加速布局。值得注意的是，设备供应商计划于2027年起对前端设备提价10%至15%，后端封装设备提价5%至10%，但美银认为台积电凭借较强的议价能力，可将上述成本增量转嫁至晶圆定价，并于2028年产能投产时予以充分体现。

Terafab竞争风险有限，台积电技术领导地位稳固

市场对于马斯克旗下Terafab计划建设超大规模晶圆厂的竞争隐忧，被两家机构均认为存在高估之嫌。据路透社10月7日报道，有消息指台积电正在就参与Terafab项目进行磋商。汇丰分析师明确表示，不认为台积电会实质性参与该项目，原因在于自主运营晶圆厂对台积电维持技术领导力和定价权至关重要。

美银则从产能规模角度进行了量化分析：即便按照Terafab计划在2026至2036年间投入逾1190亿美元，受制于美国本土单位产能建设成本高企（约每千片每月6亿美元以上），预计到2036年其先进节点产能也仅约9.6万片每月，远低于台积电目前的规模。美银据此判断，Terafab难以实现规模经济，台积电将在可预见的未来持续作为SpaceX和Tesla的核心代工合作方。

在技术层面，美银估算台积电N3/N3E的晶体管密度较英特尔18A高出约30%，而未来A16与A12节点相对于英特尔18A-P和14A的密度优势有望进一步扩大至约50%至60%。

估值仍具重估空间，两家机构均上调目标价

在估值层面，美银和汇丰的判断方向一致，但目标价存在明显差异。美银以2027年预测市盈率20倍为基准，将台积电普通股目标价从新台币3100元上调至3260元，ADR目标价从590美元上调至620美元，认为当前16倍2027年预测市盈率处于历史区间11至21倍的中间水平，估值尚不算昂贵。

汇丰则给出更为进取的目标价，将目标价从新台币3400元上调至3800元，对应2027年预测市盈率25倍，并将ADR目标价从632.19美元上调至766.44美元。汇丰认为，台积电当前定价能力处于历史最强水平，因此适用高于历史均值的估值溢价是合理的。

美银同时指出，台积电主要HPC客户的估值溢价相对台积电目前已高达100%至150%，而历史均值约为53%，这表明台积电股价的上涨迄今主要由盈利预测上修驱动，而非估值倍数的扩张，后者仍存在明显的修复空间。台积电将于10月15日举行三季度业绩发布会，届时AI需求展望、资本支出计划，以及美国投资扩张进展预计将成为市场关注焦点。

~~~~~~~~~~~~~~~~~~~~~~~~

以上精彩内容来自追风交易台。

更详细的解读，包括实时解读、一线研究等内容，请加入【追风交易台▪年度会员】

风险提示及免责条款

最弱借款人撑不住了！大摩：CCC级信用利差突破1000基点，银行股遭遇33年来最极端超卖

Mon, 12 Oct 2026 10:11:47 GMT

美股表面的平静正在掩盖市场内部的深层裂痕。

摩根士丹利策略师Nick Savone在最新的报告中指出，标普500指数距历史高点仅0.2%，两周已实现波动率处于过去五年的第14百分位，表面异常平静。

然而，CCC级债券利差已收于1000基点上方，为2023年以来最宽，CCC与广义高收益利差之比更升至历史峰值，而这一比值"历史上往往在更糟糕的信用周期到来之前触顶"。

与此同时，美国银行股自8月以来已下跌13%，14日RSI跌至27，而标普500的RSI仍高于60，两者之间33点的差距为30余年来最大。

上述压力正在向更广泛的市场定价逻辑渗透。美国10年期国债收益率本周升至5.30%，为2002年以来最高，周四30年期国债拍卖收益率更创下2000年8月以来新高。大摩维持年内还将再加息两次的判断，预计联邦基金利率终值区间升至4.25%至4.50%。即将于本周二打响的银行股财报季，被视为检验市场能否弥合"基本面韧性与投资者忧虑"之间缺口的关键时刻。

银行股：33年来最极端超卖

摩根士丹利欧洲内容团队的Matthew Garman指出，美国银行股自8月以来累计下跌13%，BKX指数14日RSI仅为27，已深度进入超卖区间，而同期标普500的RSI仍保持在60以上。两者之间33点的RSI差距，是1993年以来从未出现过的极端背离。目前BKX的远期市盈率已重新跌破近10年中位值约11.9倍。

银行股大幅跑输指数的背后，除利率和油价因素外，AI颠覆交易的冲击同样不可忽视。

摩根士丹利大宗经纪数据显示，金融板块占对冲基金北美净敞口的10.9%，处于过去一年的第100百分位，但仅为2010年以来的第13百分位——基金全年持续从极低基础上增持银行股，而近期13%的回调正在对新仓位形成压力。

CCC级信用：裂缝在最脆弱处扩大

大摩表示，目前美国高收益整体利差仅处于1994年以来的第16百分位，反映出表面上宽裕的信用环境；但CCC级利差已突破1000基点，升至第77百分位，且CCC利差与广义高收益利差之比已升至有记录以来最高水平。

Savone直接将症结指向利率："最弱的借款人开始感受到高利率和再融资成本带来的压力。"当博通、甲骨文、SpaceX等优质发行人以6%以上的综合收益率持续大规模融资，信用资源的"挤出效应"正使评级最低的借款人所能获得的空间愈发有限。

摩根士丹利欧洲衍生品团队已就此开始布局防御，向客户推介针对弱资产负债表资产篮子（MSSTWKBS，涵盖约50%的房地产、高杠杆工业及高负债电信公司）的保护性策略，并指出该篮子在2022年同等利率冲击中曾下跌20%，且当前已实现波动率低于欧洲斯托克50指数，对冲成本相对低廉。

利率高压：美联储仍指向两次加息

宏观利率环境持续对风险资产构成压制。

摩根士丹利跨资产主管Serena Tang指出，美国10年期国债收益率本周升至5.30%，为2002年以来最高；欧元兑美元跌至1.12，触及17个月低点。摩根士丹利基准指标显示，10年期美债收益率、美国实际收益率及标普500指数均处于各自十年区间的第100百分位。

Michael Gapen维持其鸽中带鹰的基准预判：将政策立场定性为"中性至温和限制性"，其对真实中性利率的估计自2025年初以来已从100基点以下上升至约150基点，金融条件自2月以来已收紧约100个基点。尽管9月非农就业数据仅录得2.9万的疲弱表现，他仍坚持美联储将分别于12月和3月各加息25个基点，将联邦基金利率区间推升至4.25%至4.50%。

财报季：化解分歧的"真相时刻"

Savone将即将到来的财报季定性为"真相时刻"，视其为市场化解"基本面韧性与投资者忧虑"之间背离的关键窗口。市场共识预期标普500三季度每股盈利同比增长29.5%，其中"科技七巨头"贡献约四分之一。三季度每股盈利预期在财报季临近之际持续上调，报告最密集的一周为10月26日当周，届时占标普500市值37.3%的成份股将集中披露业绩。

然而，盈利增长的高度集中值得警惕。

摩根士丹利数据显示，市场对盈利质量的区分正在加剧：2025年二季度数据显示，每股盈利上调且自由现金流预期同步上调的股票，财报次日中位涨幅为1.7%；而每股盈利上调但自由现金流预期下调的股票，则平均下跌0.8%。首席股票策略师Mike Wilson明确指出，自由现金流和预期修正广度将是决定个股财报后表现的核心变量。

从早期财报来看，百事可乐（PEP）小幅超预期但下调指引，引发市场对2027年盈利重置的担忧；星座品牌（STZ）超预期但啤酒需求与利润率依然疲弱；李维斯（LEVI）在营收略低于预期的情况下上调全年展望；达美航空（DAL）三季度营收同比约增16%。Savone警告，在工业和金融板块个股隐含波动率偏高的环境下，市场将对业绩兑现给予溢价，对低于预期者则"更为严苛"。

风险提示及免责条款

史上最大投资潮！AI基建年均达美国GDP的3.6%，是铁路时代1.6倍、互联网时代的3倍

Mon, 12 Oct 2026 10:10:57 GMT

人工智能正在催生美国有史以来规模最大的基础设施投资浪潮，其体量之巨，令此前所有历史先例相形见绌。

据布鲁金斯学会最新研究，2025年至2032年间，美国AI数据中心建设的总投资规模将达10.3万亿美元，年均约占GDP的3.63%。这一比例不仅是铁路时代高峰期的1.6倍，更是互联网与电信热潮的逾3倍。哥伦比亚大学商学院教授Stijn Van Nieuwerburgh指出，这场投资浪潮在宏观经济层面的影响将是深远且不可忽视的。

巨额资本开支也在改变AI建设的融资方式。Meta、Microsoft等超大规模云服务商的AI投资已经超过经营活动产生的现金流，越来越多项目开始通过租赁、合资企业、特殊目的载体、私人信贷和证券化获得资金。以Meta的Hyperion数据中心为例，约300亿美元的项目资产承载了270亿美元债务，项目层面的债务资产比达到90%，但相关债务并不直接列入Meta的资产负债表。

Van Nieuwerburgh并未据此认定AI已经形成泡沫，也认为现在断言存在系统性风险为时尚早。他真正担心的是，表外融资让市场很难看清完整的经济责任。已有约1.4万亿美元债务被用于相关结构，其中约7000亿至8000亿美元由银行持有。若需求、收入或项目进度不及预期，风险究竟停留在科技公司、项目股东和私人信贷机构，还是重新回到银行体系，目前缺少一套能够回答这一问题的披露和衡量框架。

布鲁金斯学会在最新播客中围绕Van Nieuwerburgh的新论文《为AI基础设施建设融资》展开讨论，从金融监管和次贷危机的视角追问AI建设的规模、表外融资结构及潜在传导风险。

访谈核心要点：

2025年至2032年，美国数据中心、电力和芯片等AI基础设施投资总额可能达到10.3万亿美元，年均相当于国内生产总值的3.63%。

AI建设相对经济规模可能比1870年至1890年的铁路投资热潮高约50%，是互联网和光纤建设热潮的三倍以上。

一个100兆瓦AI训练园区在2025年的估算成本约为41亿美元，其中约三分之二来自信息技术设备，三分之一来自数据中心建筑和电力基础设施。

Meta的Hyperion项目显示，超大规模云服务商正从自行建设和持有资产转向租赁。约300亿美元的项目资产发行了270亿美元债务，项目杠杆率达到90%，但债务留在合资企业和特殊目的载体中。

Hyperion采用五份连续四年期租约。Meta未来要么续租，要么支付剩余价值担保，但按现行会计规则，两项义务都可能暂时不在资产负债表中确认，形成Van Nieuwerburgh所说的“概率真空”。

相关结构已发行约1.4万亿美元债务，其中约一半由银行持有。若一个杠杆率为90%的项目现金流下降10%，股权可能被全部抹去；降幅继续扩大，就会开始损害债权。

政策重点不是阻止AI投资，而是建立可比较的披露体系，追踪资产所有者、债务持有人、租约签署方和担保方，并识别银行、保险公司、养老基金、债券基金及私人信贷之间的风险连接。

规模史无前例：AI投资碾压所有历史先例

Van Nieuwerburgh估算认为，美国AI数据中心建设在2025年至2032年间的年均投资规模约为GDP的3.63%。以同口径比较，美国铁路建设高峰期（1870至1890年）年均投资约占GDP的2.2%，州际公路体系建设（1950年代）和互联网及光纤热潮均约为1.1%，运河建设约为0.66%，电气化约为0.5%。

Van Nieuwerburgh表示，即便采用更乐观的宏观假设，这一数字也难以被大幅压低。

若假设名义GDP年增长率为5%（对应3%通胀与2%实际增长），该比例约降至3.5%；即便假设AI驱动强劲生产率增长、实际GDP增速高达4%，年均投资占比也仅能下降至约3%。"这个数字对于1个百分点的宏观变量变化并不敏感，"他说。

在成本构成上，每座100兆瓦AI训练数据中心的建设成本约为41亿美元，其中约三分之二来自IT设备（含服务器、芯片及光纤等），三分之一来自数据中心厂房本身及配套电力基础设施，且该成本以每年约4%的速度递增。

他同时引用了"杰文斯悖论"（Jevons Paradox）来解释为何算力成本下降并不会减少总体投资需求：计算效率的提升会引发更大规模的算力需求，"使用场景的队伍排了12英里长"，一位数据中心开发商曾如此描述尚待计算的应用场景。

表外融资：杠杆风险正在"隐身"

随着超大规模云厂商的资本支出持续超过自身经营性现金流，融资模式正发生结构性转变——从此前的自持建设，转向租赁、合资及私募信贷。Van Nieuwerburgh在论文中以Meta的Hyperion数据中心项目为例，详细剖析了这类结构的运作逻辑及潜在风险。

据论文披露，Meta最初计划自建该设施，但最终将其20%股权出售给私募信贷机构Blue Owl，作价25亿美元，并保留20%权益。双方共同成立名为"Beignet"的特殊目的载体（SPV），该实体随后发行了270亿美元债务，对应资产估值约300亿美元，项目层面债务与资产比率高达90%，债务覆盖率约为1.15倍。

关键在于，由于Meta本身仅持有该合资企业的少数股权，Beignet所发行的债务无需并入Meta的合并资产负债表，Meta对外呈现的仍是低杠杆财务形象。

在租约安排上，Meta签署的并非一份长期租约，而是五份连续的4年租约——每四年届满，Meta均可选择不续租。

Van Nieuwerburgh指出，这意味着Meta实际持有大量或有负债：若续租，须承担后续租赁义务；若不续租，则须支付"剩余价值担保"（Residual Value Guarantee），以确保项目债务得以偿还。

然而，在现行美国通用会计准则（GAAP）下，上述两类或有负债均因概率未达70%的确认门槛而无需计入资产负债表，由此形成Van Nieuwerburgh所称的"概率真空"（probability vacuum）——"两种义务必然有一种会发生，但两者都不在资产负债表上体现。"

次贷危机幽灵：风险在金融体系中的漂移

布鲁金斯研究院高级研究员Aaron Klein在访谈中，将上述表外融资结构与2008年次贷危机中的结构性投资工具（SIV）相类比，引发了Van Nieuwerburgh的深度回应。

Van Nieuwerburgh承认两者存在相似之处，但也点明了当前结构的关键区别。

他指出，当年次贷危机的核心症结在于严重的期限错配——SIV以短期资产支持商业票据为长期抵押贷款融资，一旦市场流动性收紧，体系便迅速崩溃。而目前AI数据中心融资中，多数情形与Hyperion相似，以长期项目债务匹配长期资产，期限错配风险相对有限。此外，Meta目前仍是投资级信用主体，财务状况稳健。

但他同时指出，风险并未消失，只是发生了转移。据他的初步统计，迄今已有约1.4万亿美元债务针对这类结构发行，其中约7000亿至8000亿美元由银行体系持有。传统银行业的杠杆率约为90%，私募信贷行业整体杠杆率约为50%，且与银行体系之间存在信贷额度等关联。

"最终的关键问题是：如果音乐停止，我们会经历2001年式的互联网泡沫崩溃——股市大跌但银行体系安然无恙——还是2008年式的金融危机，银行体系受损，信贷紧缩蔓延全经济？"Van Nieuwerburgh说，"目前我们还没有一套能够回答这个问题的测量框架。"

透明度是当务之急

Van Nieuwerburgh对监管体系提出了具体警示与建议。

他指出，现行GAAP准则由FASB（财务会计准则委员会）制定，Meta遵循了现行规则，并不存在欺诈或违规，但规则本身亟待审视。FASB可修订相关确认与合并规则；SEC可要求上市公司就此类或有负债作出更充分的披露，而非仅在10-K或10-Q的脚注中有限呈现。

在系统性风险的监控层面，他建议监管机构——包括美联储、财政部及各金融监管部门——着力建立一套完整的"经济资本堆栈"披露机制，明确每项重大资产的所有权归属、债务承担方、租约签署方、建设与剩余价值担保方，以及在需求不及预期时的实际风险承担方。"目标不是阻止投资，而是通过透明度实现合理定价，让监管机构提前看到风险集中，减少在下行周期中被隐性负债突然'击中'的概率，"他说。

Van Nieuwerburgh强调，纳税人亦以非直接方式参与其中——各州通过税收减免、设备购置税豁免及电费优惠等方式为数据中心项目提供补贴，且近期已有州开始收回部分优惠政策。与此同时，若AI真正释放强劲的生产率增长，其带来的GDP扩张与税基扩大将使全体纳税人间接受益。"我们每个人都对AI有敞口，在整体上，我们应该希望这项技术成功。"

以下为访谈全文

Jan Eberly（主持人）：

欢迎收听《布鲁金斯经济活动播客》第九季。我是Jan Eberly，西北大学James R. and Helen D. Russell金融学教授。本季节目中，我们将听到围绕2026年秋季布鲁金斯经济活动论文会议论文展开的讨论。这次会议由布鲁金斯学会于9月主办。

Jón Steinsson（主持人）：

我是Jón Steinsson，加州大学伯克利分校Marek公共政策与经济学教授。我们是《布鲁金斯经济活动论文》的联合主编。这是一项每半年举行一次的会议，也是一份期刊，通过把严谨研究与实时政策分析结合起来，应对当下最紧迫的经济挑战。

Jan Eberly（主持人）：

和以往一样，本季安排了一系列很有时效性的议题，包括能源市场、通胀、移民对劳动力市场和住房市场的影响、AI融资等。在本季接下来的节目中，我们将进一步了解这些会议论文，更重要的是，了解决策者应当如何思考论文所探讨的问题。

Jón Steinsson（主持人）：

本期节目讨论AI热潮，但关注的是AI热潮中一个并不总处在聚光灯中心的方面：我们究竟如何为当前正在进行的所有AI投资买单。布鲁金斯学会经济研究项目高级研究员Aaron Klein将与哥伦比亚商学院的Stijn Van Nieuwerburgh讨论他的新论文《为AI基础设施建设融资》。

Jan Eberly（主持人）：

这里的数字令人震惊。Van Nieuwerburgh估计，到2032年，美国数据中心建设每年所需投资将相当于国内生产总值的约3.6%。相对于经济规模而言，这比铁路建设热潮、州际公路系统建设或电网建设的规模都更大。

Jón Steinsson（主持人）：

令人惊讶的是，Meta和Microsoft等公司目前在AI上的投资支出，已经超过其经营活动产生的现金流。因此，它们正越来越多地借助租赁、合资企业和私人信贷来弥补资金缺口。对于了解以往投资热潮的人来说，这种情形其实并不陌生，例如21世纪初的互联网或光纤建设热潮。

Jan Eberly（主持人）：

Van Nieuwerburgh特别剖析了Meta的Hyperion数据中心项目，以此说明这些融资结构实际如何运作，以及它们为什么会让杠杆——也就是债务——更难以从外部被看见。他没有把这称为泡沫，因为判断泡沫向来很棘手，但他确实明确指出了监管者和投资者应当关注什么。

Jón Steinsson（主持人）：

下面把节目交给Aaron和Stijn。

Aaron Klein（采访者）：

谢谢你，Jon，也谢谢你，Jan。很高兴再次为你们工作。Stijn，你好，感谢参加节目。

Stijn Van Nieuwerburgh（嘉宾）：

你好，Aaron。

Aaron Klein（采访者）：

你现在常驻哪里？

Stijn Van Nieuwerburgh（嘉宾）：

我常驻纽约市的哥伦比亚大学。

Aaron Klein（采访者）：

哦，那可是世界之都。或许，在AI领域，美国正试图成为下一个世界经济之都。

你的论文非常精彩，我想直接切入主题。你估计，从现在到2032年，AI数据中心建设每年所需投资将相当于国内生产总值的3.6%。这是一个巨大的数字。与过去的运河、铁路或州际公路系统等基础设施建设热潮相比，它处在什么水平？

Stijn Van Nieuwerburgh（嘉宾）：

是的，我的中心估计是，从2025年到2032年，每年的投资规模相当于国内生产总值的3.6%。大致按照同一口径计算，铁路建设热潮在1870年至1890年约20年的高峰期内，平均投资规模约为国内生产总值的2.2%。

20世纪50年代的公路建设约为国内生产总值的1.1%。电信与光纤建设热潮，或者说互联网热潮，约为1.1%。运河建设约为0.66%，电气化建设约为0.5%。所以，AI投资的这一估计值，比此前这些资本开支热潮中规模最大的铁路建设热潮还要高约50%，是互联网热潮的三倍多。

显然，这是一个极其庞大的数字。不过，我想补充两点限定。第一，关于这些历史事件的估计并不总是采用完全一致的口径，其中有些时期距今已经非常久远。例如，在铁路数据中，确实有一些年份的投资峰值超过了国内生产总值的4%。铁路数据没有包括机车和车辆，因此可能略有低估。

但这里的重点并不是追求虚假的精确性，而是我们正在经历的这场技术热潮确实规模巨大，而且会对宏观经济产生影响。

Aaron Klein（采访者）：

让我在这一点上再追问一下。我仔细阅读论文时看到，你对一个100兆瓦的AI训练园区给出的估值略高于40亿美元。

而且在整个时间段内，这个估值似乎基本保持不变。我总会想到摩尔定律，即计算能力会随着时间不断变得更便宜。你是如何做出这个估计的？我知道这只是未来六年，但似乎每隔几年，计算能力都会便宜很多。

Stijn Van Nieuwerburgh（嘉宾）：

是的。首先我想澄清论文中的假设。你说得没错，论文对2025年一个100兆瓦设施采用的成本约为41亿美元，随后假设这一美元成本每年上升4%。我们并没有假设名义价格保持不变。需要说明的是，每兆瓦4100万美元的成本中，大约三分之二来自信息技术设备，包括所有光纤和外围设备；另外三分之一来自房地产，也就是数据中心建筑本体、其中的全部设备以及电力基础设施。

我认为你说得对，历史上计算效率的提升一直非常迅速。单位计算量的成本通常在下降。但这篇论文实际上是以兆瓦而不是以FLOPS，也就是浮点运算次数，来衡量这些数据中心的规模。因此，我的理解是，更好的芯片或许能够让每瓦电力产生更多FLOPS；与此同时，随着每FLOP成本下降，这些前沿模型开发商会训练越来越大的模型。

推理需求也会越来越多。你我会不断点击应用程序和ChatGPT窗口，提出越来越多的问题。因此，即使单位美元所能获得的性能持续提高，最前沿技术机架的成本仍然可能继续上升。这实际上是两个方向相反的作用。

效率提升会降低完成固定工作负载所需的容量，但计算成本下降又会诱发高得多的计算需求。这就是所谓的反弹效应，有时人们也把它称为Jevons悖论：当某种东西变得更便宜时，我们有时反而会更多地使用它。

一位数据中心开发商曾经这样向我描述：“应用场景的队伍足足排了12英里长。”还有大量事情我们尚未用计算机去处理。一旦计算成本下降，我们就会做更多这样的事情。

Aaron Klein（采访者）：

是的，我来自银行业。我一直记得一位银行家告诉我的一件事：当他们推出网上银行、让客户可以在线查看银行账户余额时，他们原以为呼叫中心的使用会减少，从而节省大量成本，因为在此之前，人们需要拿起电话，拨号询问自己的账户里有多少钱。

结果，在线查询实际上更昂贵。尽管每次查询的成本更低，但因为操作方便得多，人们查询的频率大幅增加，而不必拿起电话、拨号并在线等待。因此，用这种思路理解这个函数关系很有道理，而你基本上是假设这两个作用会相互抵消。

让我再追问另一个假设，也就是你对国内生产总值采用的4%名义增长率，你刚才回答时也提到了这一点。这是基于2%的通胀和2%的实际增长吗，还是另有依据？假设通胀为3%，就像过去几年大致出现的情况，而实际增长只有1%，结果会怎样？

与此相关的是，几乎没有人会在自己的模型中预测衰退，但把时间拉长到七年，长期内一次衰退都不发生的概率最终会降到零。你的模型对通胀、实际经济增长和衰退概率有多敏感？

Stijn Van Nieuwerburgh（嘉宾）：

这是个好问题。坦率地说，那条4%的路径并不是一项经过精细校准的宏观预测，而只是一个便于使用的标准化假设。从历史看，名义国内生产总值增长率大致就是这个水平，其中约2%来自通胀，约2%来自实际经济增长。

如果我们想假设通胀为3%，或者名义增长率为3%，就可以让国内生产总值从2025年至2032年按略高的速度增长。机械地说，这会扩大投资占国内生产总值比率中的分母，并降低3.6%这一核心数字。例如，如果你假设名义增长率为5%，也许是因为你希望把通胀假设从2%提高到3%，那么这一数字会从国内生产总值的3.6%降至3.5%。所以，它并不是特别敏感。

当然还有一个问题：如果我们认为3%的通胀会影响整个经济，它难道不也会影响AI建设的成本吗？因此，如果你让分子中的成本上升速度与分母中的国内生产总值增速保持一致，这个比率就不会改变。这正是我选择4%这个数字的原因。请记住，我让AI成本上升4%，同时也希望国内生产总值上升4%，这样机械性的通胀影响就不会扭曲这一比率。

至于衰退，这是个好问题。可以想象，衰退会减少AI需求、收紧融资约束、导致项目取消，因此可能会显著缩小分子。

同样，我并不是试图预测三至八年后的商业周期。我确实认为，正如你所说，衰退是有可能发生的。我认为那会同时导致国内生产总值和AI投资下降；在这种情形下，我猜分子的降幅会大于分母。

Aaron Klein（采访者）：

是的，从历史看，在这种大规模投资扩张之后，通常会出现一定程度的过度投资和某种形式的衰退。你列举的案例中，最近一次是2001年的互联网泡沫繁荣与破裂。再往前看，铁路和运河同样经历过一定程度的繁荣—萧条周期。

我们暂时从宏观问题转开。很有意思的是，名义国内生产总值变动1%，对你的基础估计影响并不大。无论对经济增速还是通胀率而言，1%都是很大的变化，但你的模型仍然表明，这里的AI投资热潮规模将达到公路和州际公路建设热潮的三倍，而后者确实彻底改变了美国。

Stijn Van Nieuwerburgh（嘉宾）：

关于这一点，我想再补充一句。有些人认为我们即将迎来增长奇迹，因此国内生产总值的实际增速也许不会是2%，而会达到4%，也就是名义增速从4%提高到6%，甚至更高。如果你假设增长非常、非常强劲，我给出的投资占国内生产总值3.6%这一核心数字，可以一路下降到3%。

但要把它降到3%以下会很困难。所以，即使你愿意假设未来八年AI将推动美国经济实现大幅增长，这个结果仍然没有那么敏感。

Aaron Klein（采访者）：

让我们具体谈一笔交易。我认为你的论文做得非常好，既讨论了全局，又带着读者一步步分析了一项交易。

你以Meta的Hyperion数据中心为案例，详细分析了一项非常具体的交易。这笔交易揭示了这些项目实际上是如何融资的？

Stijn Van Nieuwerburgh（嘉宾）：

我选择Hyperion，不仅因为这是一笔规模巨大的交易，也因为我认为它是许多类似项目融资方式的一个模板。它非常清楚地揭示了，像Meta这样信用良好的科技公司，如何在不把全部项目债务列入自身资产负债表的情况下获得新的计算容量。

这个过程很有意思。Meta最初计划把这个设施放在自己的资产负债表上建设并完全持有，就像超大规模云服务商传统上建设自有数据中心那样。但过去几年发生了一种变化，我称之为从“自建”向“租用”的“大规模风险转移”。现在，第三方业主和基础设施基金负责建设并持有这些设施。因此，Meta实际上以25亿美元的价格，把Hyperion数据中心20%的股份出售给一家名为Blue Owl的私人信贷公司，同时保留了20%的股权。

随后，双方共同成立了一家名为Beignet的合资企业。这是一家特殊目的载体，所持有的唯一资产就是位于Louisiana州Richland Parish、名为Hyperion的数据中心。它是一座巨型数据中心，初始阶段约为2吉瓦，我关注的正是这一阶段，未来还有可能扩建至5吉瓦。

之后，Beignet决定发行大规模债务。它以估值约300亿美元的Hyperion资产为基础，发行了270亿美元债务。想想这个数字：项目层面的债务资产比达到90%，偿债覆盖率大约为1.15左右。

在这一过程中，Meta自身仍然维持了很低的杠杆，因为它只持有那20%的合资企业权益。Beignet发行的债务没有任何一部分需要列入Meta自己的资产负债表。因此，Meta可以继续表现为一家低杠杆公司，同时又在这座数据中心上承担高达90%的巨额杠杆。不过，如果没有Meta作出长期租用该设施的承诺，没有人会建设这座数据中心。

有时，超大规模云服务商租户会签署10年、15年或20年的租约。Meta采取了一种稍有不同、而且我认为很有意思的做法：它签了五份连续的4年期租约。你也许会问：“五份4年期租约，不也相当于一份20年期租约吗？”

并不完全一样，因为每隔四年，Meta都有机会退出园区内九栋建筑中的任何一栋，而且可以决定不续签相应租约。因此，Meta在这份合同中拥有很大的灵活性。如果四年、八年或十二年后，出于任何原因，它不再需要那么多计算容量，就可以直接退出。

那么，债券持有人难道不会担心自己被抛在寒风中吗？Meta还必须承诺签署一项所谓的剩余价值担保。这项担保基本规定，如果Meta决定不再续租，比如八年后不续租，它就必须支付一笔罚金，或者可以说是租约不续签费用，也就是这项剩余价值担保。金额足以偿还与那栋特定建筑有关的债务。

因此，从为270亿美元债务提供资金的债券持有人角度看，出售这些债券的人当然希望投资者把它们视为非常安全的投资：要么Meta继续支付租金，而租金足以支付债务的利息和本金；要么Meta不续租，并支付一笔现金，使债务同样能够得到偿还。

所以，只要Meta仍有偿付能力、没有进入破产程序，这笔债务就会得到偿还。

Aaron Klein（采访者）：

我来自金融监管领域，也是次贷灾难和全球金融危机的亲历者。叙事往往聚焦Bear Stearns、AIG、Fannie Mae以及Lehman Brothers等破产的大公司，但有一个部分经常被忽略：煤矿里的第一只金丝雀，其实是所谓的结构性投资工具，也就是SIV。它们本质上使大型银行能够通过这些表外投资，对次级抵押贷款形成巨额敞口。

美联储和其他银行监管机构认可了这种会计体系，认为风险位于表外，因此银行得到了保护。这正是你刚才所说的。Meta正在制造大量表外风险，所以看起来它不必报告这些带有选择权的四年期租约，也不必报告剩余价值付款，Meta看起来仍然处于相对低杠杆状态。

与此同时，项目交易看起来似乎也不是90%的债务杠杆，因为Meta正站在它背后的阴影中。银行危机让我们发现，银行的表外工具最终又回到了表内，因为其中还存在声誉风险。银行不能简单地让那些曾得到各种承诺的投资者承担全部损失，而这正是最早显现问题的信号。

时任美国财政部长Paulson曾提出由政府推动成立“超级SIV”来拯救这些SIV，但最后基本没有结果。不过，这有助于解释为什么监管机构前一刻还说银行对次贷的敞口有限，下一刻就变成了：“次贷问题已经无法被控制，正在威胁全球金融体系；我们必须救助银行，否则世界就会崩溃。”

可以设想这样一种情形：如果所有AI公司都出问题，包括Google、Meta、Amazon，这些公司从另一个角度看也“大到不能倒”，而现在它们正在隐藏自己的杠杆。你是否认为，Meta及其他超大规模云服务商使用表外会计的做法，与21世纪头十年银行在另一轮抵押贷款繁荣中采用的做法存在相似之处？

Stijn Van Nieuwerburgh（嘉宾）：

是的，我认为这里确实存在明显的相似之处。和你一样，我也深入研究过次贷危机，并在危机后的多年里教授证券化课程。正如你所说，证券化的理念，是把风险从高杠杆银行体系分散到理想情况下没有杠杆的投资者手中，例如养老基金、主权财富基金和共同基金。

但在次贷危机中，证券化的承诺从未得到完全实现，因为银行往往保留了这些证券化产品中最先承担损失的分层，或者通过担保又把这些敞口带回自己的资产负债表，正如你指出的，其中有时是出于声誉原因。

这里的相似之处在于，像Meta通过我们刚刚讨论的Hyperion案例实现的那种法律隔离，可能会低估实际存在的经济追索责任。也许在某种情况下，超大规模云服务商会决定支持具有战略重要性的Hyperion项目，而不是严格执行每一项法律退出权，也不会完全依赖这套结构实现的破产隔离。

不过，Hyperion是一项具体的经营性资产，拥有投资级租户，也有长期项目债务。我认为，这是它与次贷危机之间一个关键区别。

次贷危机真正出问题的地方，在于存在大量期限错配。许多SIV投资于长期抵押贷款，却用短期债务融资。我尤其想到资产支持商业票据。当时这是一个规模巨大的市场，在2006年、2007年和2008年前后，规模从数千亿美元一路超过1万亿美元。

所以，至少就目前而言，这里的重大区别在于，我没有看到大量短期负债敞口。通常，就像Hyperion这个例子一样，特殊目的载体会用长期债务为数据中心这项长期资产融资，因此不会出现同样的期限错配。此外，Meta至少目前仍然是投资级信用主体，拥有公开信用评级；它目前的资产负债表非常强劲，也是一家利润非常高的公司。

因此，情况必须变得非常糟糕，Meta才会破产。这并非不可能，但至少从今天的角度看，似乎是一个相当遥远的可能性。

出现较多短期债务的一个领域，是人们开始为GPU融资的时候。除了为数据中心这种房地产融资之外，人们也越来越多地为GPU融资。GPU是芯片，而芯片贬值相对较快。因此，这也许是一种五年期工具，而不是一项20年期投资；它可能是一项四年、五年或六年期投资。正是在这个领域，我们看到了更多短期敞口，当然也包括这些芯片未来价值可能低于当前价值的技术风险。

所以我想表达的是，两者既有相似之处，也有不同之处。

Aaron Klein（采访者）：

让我们再深入一点。我记得你提到了资产支持证券。美联储当年曾通过这一市场对美国企业实施过规模巨大的救助，涉及GE等公司。

证券化结构中的部分错配在于，银行把这些长期资产包装成短期、可以不断续作的资产来推销。在私人信贷方面，我在Hyperion交易中看到了一个熟悉的名字——Blue Owl。随着投资者试图赎回资金，它是最早出现严重问题的私人信贷基金之一。

正如你指出的，债务与资产之间存在期限错配；但私人资本的出资人，也就是Blue Owl的投资者，也有权出售自己在Blue Owl中的份额——可以说是出售自己的信贷敞口——而Blue Owl已经暂停了这种赎回。

我看到你在案例中提到的基金是Blue Owl，而它已经遇到了一些问题。这笔交易是否与Blue Owl更广泛的问题有关？从Blue Owl的经历中，你是否看到任何因素，可能加剧私人信贷投资者与其所持私人信贷资产之间的这种错配？

Stijn Van Nieuwerburgh（嘉宾）：

这是个好问题。我会把基金管理人和具体项目区分开来。Blue Owl的信贷平台确实因为这些赎回申请而承受了真实压力。这类基金通常设有赎回限制，也就是所谓的“闸门”，可以限制投资者在某个季度能够赎回的比例。从某种意义上说，这给了它们解决底层问题的时间。

通常每个季度的赎回量相对较小。当然，如果连续20个季度，每个季度都有2%的投资者希望拿回资金，那仍然会占到投资规模的很大一部分。

另一个要点是，Blue Owl对Hyperion进行的是股权投资。我认为，投资Hyperion的并不是那个面临赎回申请的同一只私人信贷基金。但我认为你提出了一个更广泛的问题：这些确实是长期投资，可是如果私人信贷基金的投资者有权在较短期限内赎回一部分投资，这同样会造成期限错配。

从结构上说，使时间安排相匹配非常重要，也就是要明确告诉投资者：“这是一项长期资产投资。未来10年或15年内，你不能退出。”否则，我们确实会通过后门重新制造挤兑风险。

与此同时，我还想指出，只要Meta不破产，这项特定资产，也就是Hyperion资产，就会产生足够的现金流来偿还债务。因此，可以说，这些投资背后有一个相对安全、资金安排充分、信用评级达到投资级的租户。

Aaron Klein（采访者）：

对，只是它们没有那么高的流动性。你提出了一个会计问题。参议员Paul Sarbanes是我的第一位上司，我还曾担任他的首席经济学家，参与Sarbanes-Oxley法案相关工作，所以会计改革立法对我来说意义非常特殊。大家可能记得，Enron、WorldCom等大公司曾爆发会计危机，我们发现会计师并没有如实处理账目。因此，美国成立了监管机构——公众公司会计监督委员会，也就是PCAOB，负责监督四大会计师事务所的审计工作。

你认为PCAOB是否意识到其中一些会计花招？它能否采取行动？你是否认为负责这些项目会计工作的会计师事务所存在利益冲突？正如你所说，这些项目在法律上相互独立，Beignet可能已经脱离Meta的资产负债表。但如果我是一家会计师事务所，Meta是我的客户，我当然会希望让Meta满意，而现在我又在为名为Beignet的独立实体做另一套独立的会计处理。

你是否担心这些项目的会计处理方式？请再解释一下你提到的会计机制，以及你认为会计监管机构是否已经注意到它。

Stijn Van Nieuwerburgh（嘉宾）：

我先解释一下我所说的“概率真空”。回到Hyperion交易，Meta签署了五份连续的4年期租约。只有第一份，也就是当前租约，需要作为租赁负债列入其资产负债表。之后16年的租约，也就是后面四份4年期租约，都属于未来租约。按照美国公认会计原则，如果一项负债发生的可能性没有达到至少70%，就不必列入资产负债表。

因此，Meta在这笔交易中实际上存在规模很大的未来租赁承诺，但目前并未反映在资产负债表上。只有在Meta开始下一份租约时，相关承诺才会被反映出来。

与此同时请记住，如果Meta不续租，就需要向这一结构支付剩余价值担保。这项义务发生的可能性同样没有达到至少70%，所以也不必列入Meta的资产负债表。

因此，Meta实际上确定会承担两种义务中的一种。四年后、八年后、十二年后，它要么续租，要么支付剩余价值担保。这两件事保证会有一件发生，但两者都没有反映在资产负债表上，因为任何一项单独发生的可能性都没有达到70%。

这里的概率计算从字面上看就是对不上的。不过，这本身并不意味着存在违法，只是美国公认会计原则就是这样规定的。Meta遵守了这些规则，不存在欺诈，也没有人指控它行为不当。在这种情况下，决定确认和并表规则的是美国财务会计准则委员会，也就是FASB。

FASB可以修改这些规则，也许确实应该修改。美国证券交易委员会可以要求上市公司披露这些信息，并执行相关报告义务，至少让投资者清楚未来可能出现哪些负债。公司自身会在10-K和10-Q报告的脚注中披露部分未来义务，因此勤勉的投资者能够找到这些证据。但我们也许应该让这一切更加透明。

此外，你提出了一个重要问题，即由客户付费的模式。我认为，这仍然是一个结构性隐忧。Sarbanes-Oxley法案禁止部分非审计服务，要求部分事项事先获得审计委员会批准并接受其监督，轮换部分关键合伙人，同时增强PCAOB的权力。我认为，这些保障措施降低了利益冲突，但并没有消除一个商业事实：审计机构仍由发行人付费。

这些租约、担保和并表决定都高度依赖判断，因此值得审计委员会和PCAOB密切关注。

Aaron Klein（采访者）：

让我们讨论另一种可能的情形：AI需求的增长没有预期那么快。历史上有过很多热潮，人们都声称它们会带来一个全新的世界，但需求最终没有那么快地增长，或者后来出现了一项新技术，迅速超越了原有技术。

你提到的运河建设热潮，持续时间就没有一些人原先设想的那么长，因为铁路技术随后出现。由于有了蒸汽机车，通过运河运输货物突然就不再像过去那样划算。

我有时会用热力学第二定律来理解风险：风险不能被消灭，只能被转移。如果情况发生重大变化，建设热潮已经展开，但最终没有奏效，谁会承担风险？风险会回到银行体系吗？会留在Google和Meta等科技公司内部吗？还是由Blue Owl和私人资本投资者承担？你深入研究这个行业的细节之后，发现风险实际上落在了哪里？

Stijn Van Nieuwerburgh（嘉宾）：

这是关键问题。我认为我们需要对此给出精确答案，而这也正是我目前正在研究的内容。我今年夏天的大部分时间，都用来绘制这些公司彼此之间承担的所有金融负债，并试图弄清最终究竟由谁承担这场AI建设热潮带来的风险。

这是一个困难的问题，部分原因正是我们前面所说的体系不透明。我们没有一套能够回答这一问题的报告系统，也许我们应该建立这样一套系统。

如果我们观察数据中心融资从表内向表外转移的过程，就会发现，大量风险已经从这些科技公司转移到外部世界，也就是其他所有投资者身上。通常，第一笔损失由项目的股权投资者承担。假设你是数据中心业主，租户不再续租，而且没有其他人需要这座GPU设施了，也许是因为量子计算已经出现，或者边缘计算兴起，所有人都在手机上完成计算，而不是在你的数据中心里计算，那么损失就会落在你身上。

类似地，如果建设发生延误，而你已经像Hyperion那样发行了债务，可当地社区不愿继续向你发放建设许可，那么债务到期时间与收入开始流入的时间之间就会出现错配。同样，第一笔损失由股权投资者承担；如果损失足够大，就会开始波及债权人。

请记住，如果项目杠杆率达到90%，现金流只要下降10%，债务就会开始受损。现金流下降10%会把股权全部抹去，再多下降一点，在90%的杠杆下就会侵蚀债权。

即使采用这种表外融资，超大规模云服务商目前仍然承担着大量风险。原因在于，它们通常仍然拥有信息技术设备。我们说它们在租赁数据中心，指的是它们租用了建筑空间以及随建筑提供的电力，但通常仍然自己拥有服务器。一般就是这样操作的。

正如我们前面讨论的，服务器也越来越多地采用租赁方式，也就是说由其他人持有。但目前大部分信息技术设备仍由超大规模云服务商自己融资。超大规模云服务商在2026年的资本开支达到8000亿美元，是有原因的，其中很大一部分就是它们仍然自行持有的信息技术设备。

至于你问到的银行，我认为那确实是一个关键问题。按照我看到的某项统计，目前已经针对这些结构发行了约1.4万亿美元债务。其中约一半，也就是7000亿至8000亿美元，由银行持有。整个银行业的杠杆率大约为90%，而私人信贷行业整体的杠杆率约为50%。

因此，私人信贷显然比传统银行体系风险更低、杠杆更低，但并非完全没有杠杆。它不像共同基金或养老基金那样不使用杠杆。私人信贷确实有杠杆，而且私人信贷这一非银行体系与传统银行体系之间也存在联系，例如信贷额度等。

所以，这个体系非常复杂，而这确实是关键问题。归根结底，如果音乐停止，我们究竟会经历互联网泡沫式的下跌——股市损失大量财富，但不会外溢到银行体系，类似2001年的温和衰退，一批富人损失了很多钱，但这没关系，我们可以承受；

还是会经历2008年至2009年式的金融危机，银行体系受到损害，并进一步外溢到经济中所有其他需要信贷的行业？这才是最终的关键问题，而我认为目前我们没有一套能够回答这个问题的衡量框架。我正在尝试建立它，我们所有人都应该努力建立它。美联储、政府和财政部都应该重视这个问题。

Aaron Klein（采访者）：

我们曾试图建立一套这样的系统，名为金融研究办公室，也就是OFR。它本应建设支撑性数据基础设施，以便追踪所有这些资产，让我们能够回答刚才的问题。遗憾的是，OFR并没有真正实现其创设者最初设想的功能。欧洲在这方面做了更多工作，例如建立了全球法人识别编码基金会，也就是GLEIF，让人们能够追踪这些资产，弄清谁拥有它们、谁运营它们，从而获得相关数据，不至于对风险转移到了哪里感到所谓的“意外”。

这场AI热潮与过去热潮的一个区别在于，你提到的以往热潮都带有公共基础设施属性。Eisenhower州际公路系统包含大量联邦投资；运河系统和Erie运河获得了大量州政府支持。这些基础设施具有公共用途，也包含纳税人的投入。

AI热潮似乎缺少这一点。纳税人是否为其中任何资本提供了资金？如果不是从前门进入，是否通过后门进入？如果纳税人在融资中没有发挥多大作用，政府又应当在监管方面扮演什么角色？因为过去政府的逻辑是：“我们设定汽油税、征收汽油税，所以也有权制定州际公路上的行驶规则。”这些规则可能涉及安全，也可能规定出口之间可以有多近。联邦政府在这方面制定了大量规则。

这里的制度是什么？我还想加上州和地方政府。政府在资金层面对这类项目有多大敞口，又因此拥有多大的监管权力？

Stijn Van Nieuwerburgh（嘉宾）：

确实，数据中心、芯片和项目融资中的大部分直接资金来自私人资本。我认为，这是它与州际公路系统以及部分电气化建设之间的一个重要区别。

但公共部门并非缺席。政府支持会通过税式支出体现出来，例如折旧规则，以及州和地方层面的销售税、财产税优惠。数据中心开发商在地方层面获得了大量补贴，各州为了吸引这些项目而展开竞争，尤其会给予使用税豁免，例如对用电或设备采购免税。

这些优惠的规模可能达到数十亿美元，影响很大。研究显示，它们有时会决定一项投资最终落在哪个州。

财产税也是另一个非常重要的因素。数据中心开发商会指出，它们往往是当地财产税税基最大的贡献者之一，尤其是在一些较为偏远的县，大型数据中心园区正在那里兴建。这可以为地方提供非常重要的支持，并基本降低对家庭或其他企业征税的需要。

我认为，这场争论已经到达一个转折点。过去九个月里，对数据中心的抵制大幅上升，一些州开始取消此前提供的部分补贴。这是一个很有意思的发展。

那么，政府在这一切中应当发挥什么作用？我已经努力强调了衡量和披露的重要性。在这方面还有很多工作可以做。我希望另一个已经表达清楚的要点，是审慎监测的必要性。尤其对于使用杠杆的体系，包括银行和保险公司，监管者应当绘制出谁持有这些数据中心债务、谁向私人信贷基金提供杠杆资金。这样做的目的，是在压力真正出现之前发现这些彼此相关的风险敞口。

当然，还涉及针对电网的实体基础设施监管。

最后我想说，我们所有人、每一位纳税人，也都通过生产率直接拥有这项风险敞口。如果AI确实带来强劲的生产率繁荣，那将利好美国经济、利好国内生产总值增长，也会改善财政状况。通过累进税制，政府会获得更多税收收入。

因此，我们所有纳税人都拥有AI敞口。从总体上说，我们或许都应该希望这项技术取得成功，因为它最终会把整个蛋糕做大。

Aaron Klein（采访者）：

Stijn，谢谢你。这是一场非常精彩的对话。节目快要结束了，我最后再问一个问题。我在Washington，你在New York；你身处世界金融之都，我身处世界政治之都。对于正在Washington收听这期播客的政策制定者，你最希望他们从这篇论文中带走的一条信息是什么？

Stijn Van Nieuwerburgh（嘉宾）：

我希望他们认识到，AI不只是软件，也不只是ChatGPT。它还意味着一场正在发生的大规模实体资本投资热潮，未来八年的规模可能达到10万亿美元。这会对宏观经济产生真正重大的影响。

而且，为这笔巨额投资提供资金的方式正在改变。超大规模云服务商在本轮周期开始时拥有大量现金，杠杆率很低；但随着支出、特别是资本开支持续上升，越来越多的项目正被放入合资企业和特殊目的载体，并通过租赁、私人信贷和证券化融资。

这些结构在经济上可能非常有用，能够引入更多资本，但也会让杠杆变得更难被看见。一家上市公司可能报告自己只有很少债务，因为所有债务都隐藏在资产负债表之外。

所以，我的政策建议很直接：我们需要针对完整的经济资本结构提供可比较的披露。每项重大资产由谁拥有？谁承担债务？谁签署租约？谁为建设或剩余价值提供担保？如果最终需求不及预期，或者收入不及预期，谁来承担损失？监管者应当绘制出哪些银行、保险公司、养老基金、债券基金和私人信贷载体持有这些风险敞口。

这里的目标不是阻止投资，而是提高透明度。透明度有助于正确定价，帮助监管者识别风险集中，也能降低这样一种可能性：经济进入下行期时，所有人才同时发现某个地方隐藏着相同的义务。

建立这些系统的时机就是现在，因为人们仍在设计和签署相关合同，整套架构也仍在成形。

Aaron Klein（采访者）：

非常感谢。这次对话精彩地深入了AI热潮背后的世界，而这个世界可能会改变我们所熟悉的经济。Stijn，非常感谢。这是一场非常棒的对话。

Stijn Van Nieuwerburgh（嘉宾）：

谢谢你，Aaron。

风险提示及免责条款

印度购金收紧遇上中国黄金买盘：金价下一轮上涨靠什么？

Mon, 12 Oct 2026 09:58:17 GMT

10月8日，印度政府宣布取消银行及指定机构进口黄金、白银、铂金的综合商品及服务税（IGST）豁免，相关进口渠道需缴纳3%的税款。此举是继今年5月将金银实际进口关税从6%大幅上调至15%、总理莫迪公开呼吁民众未来一年内避免购买黄金后，印度再次通过提高贵金属进口成本、抑制非必需进口需求，以缓解油价高企和资本外流带来的外汇储备快速消耗与卢比贬值压力。

与印度官方抑制黄金需求的政策形成鲜明对比的是，中国在官方与民间层面正展现出创纪录的购金热潮。官方数据显示，9月份中国黄金储备增持74万盎司（约23吨），实现连续第23个月增持，官方黄金储备总量达到创纪录的2410吨。今年1-8月，中国在黄金进口上的支出高达1588亿美元，全年进口量或首次突破1700吨，已远超2025年全年的965亿美元。国内投资者正逐步将黄金从传统首饰消费转向金条、金币及长期资产配置。

当前全球黄金投资者的热情也在恢复。9月全球黄金ETF净流入67.3吨，低于8月的121.2吨，但仍为连续流入提供了支持；截至9月底，全球黄金ETF总持仓量升至4256吨，创历史新高。与此同时，全球央行8月净购金39吨，高于7月的23吨及2026年月均27吨的水平。ETF资金流入、央行购金与中国实物需求共同构成黄金市场的需求基础。

印度政策影响有限，黄金支撑力量分化

印度取消税收优惠对全球金价的冲击有限。印度黄金需求价格弹性较高，回收金、印度国际金银交易所（IIBX）渠道和灰色市场可部分替代银行进口，且印度国内溢价走高会刺激民间存量黄金回流。

其影响主要取决于后续是否进一步抑制进口、推高印度国内黄金溢价并改变实物需求。若政策影响仅限于银行税款抵扣与退税流程调整，其实际影响更可能体现为资金占用增加与进口渠道重构，对全球黄金需求总量产生影响甚微。

2026年诺贝尔经济学奖出炉

Mon, 12 Oct 2026 09:50:10 GMT

瑞典皇家科学院决定，将2026 年瑞典中央银行纪念阿尔弗雷德・诺贝尔经济学奖授予罗伯特・E・霍尔（Robert E. Hall）与迈克尔・伍德福德（Michael Woodford），表彰二人为宏观经济稳定奠定微观经济学基础。

风险提示及免责条款

新晋时尚大姥是刚拿诺贝尔奖的76岁老奶，拒掉Prada和Celine代言咋让奢侈品高攀不起？

Vista氢商业 — Mon, 12 Oct 2026 09:32:20 GMT

这两天新晋时尚大姥，是刚拿下诺贝尔文学奖的76岁老奶。

10月8日，加拿大诗人安妮·卡森获得2026年诺贝尔文学奖。文艺青年还在研究选择哪一本作品作为入门读物时，小红书网友已经开始逐帧学习诺奖得主的hot nerd穿搭了。

诺奖官方在推特发布了安妮·卡森诺奖电话现场照，照片中，安妮·卡森身穿费尔岛毛衣，一手举着红色手机，一手扶着红色镜框，惊讶得嘴巴张成了“O”形，疑似致敬蒙克的世界名画《呐喊》。

比起大众印象中严肃、深沉的文学大师，镜头里的安妮·卡森带着几分不按常理出牌的古灵精怪。而回看她以往的公开亮相会发现，这位文学大师的时尚品味，远比想象中大胆、有趣。

鲤Newriting在报道中将安妮·卡森风格概括为“传统男装的结构，添上一些独有的个人趣味”，西装、马甲、衬衫是她衣柜里的常客，利落的剪裁透着几分复古绅士的味道，但几处俏皮的细节又冲散了严肃沉闷。

她曾在深色西装上搭配了一条鲜红的印花领带，印花图案是自己小说《红的自传》中的人物革律翁。

翻看其过往照片，不难发现这位诺奖得主尤为偏爱红色，从眼镜框、皮鞋到领带，一抹红色让Hot Nerd既有不动声色的吸引力，也有毫不遮掩的明艳。

显然，有品的不止广大网友。网友还在求同款，奢侈品牌已经主动上门求合作了。

据《澎湃新闻》报道，安妮·卡森的学生李骄阳在接受采访时透露，据卡森的丈夫说，她今年已经接连拒绝了 Prada 和 Celine 两大奢侈品牌的代言邀约。

两家顶奢品牌，痛失“大结果”。但两个一直有「智性恋」情节倾向的品牌向安妮·卡森求合作的一点也不意外。

Celine一直以「都市知性女」人设著称，它向来擅长把“有品位”这件事做得不动声色。尤其在Phoebe Philo掌舵时期，利落的剪裁、克制的设计比显眼的Logo更有存在感，连王菲都是忠实拥趸。比起浑身上下写满“我很贵”，Celine更偏爱那种不需要靠名牌撑场面、穿什么都有自己主意的都市女性。

Prada则属于衣服要做，学问也要做的那一派。它对文学和艺术的兴趣也不是说说而已，旗下Miu Miu甚至办起了文学俱乐部，请作家、学者来聊书、聊女性的成长。衣服当然要做得漂亮，但它显然不甘心别人提起自己时，只能夸一句“衣服真好看”。

这两个高奢品牌所追求的气息与风格在安妮·卡森的身上具象化了。

2026年诺贝尔文学奖的授奖词这样评价卡森：“因其大胆而富有独创性的全部作品，在与古典传统的俏皮对话中，为当代文学创造了新的形式。”

这份评价与鲤Newriting在报道中所概括的穿着风格有着异曲同工之妙。文学创作中，她擅长与古典传统玩味周旋；穿衣服时，她也喜欢在传统男装的规矩里加入几分不按常理出牌的趣味。

甚至笔者在检索资料时，都不自觉地用“穿着”，而非“穿搭”来形容她。那些衣服仿佛本来就该穿在她身上，而不是为了凹出某种知识分子风格而刻意搭配。

别人费心营造的高智感，对她而言，不过是从文学创作到日常生活，一以贯之的审美表达。

而被奢侈品牌盯上的，还不止文学大师。就在几个月前，卡地亚还靠着菲尔兹奖得主王虹，收获了一波意想不到的流量红利。

《王的猜想》让广西纸贵，王的带货能力也恐怖如斯。秉持着“买不起同款大脑，至少还能买条同款项链”的朴素愿望，“王虹同款”的卡地亚Clash系列的部分戒指、项链都卖到缺货

据时尚商业媒体LADYMAX报道，王虹同款首饰走红后，部分商家迅速在商品页面打出“王虹同款”的标签，卡地亚也通过微信小程序广告投放借势营销。

一个让品牌主动上门邀约，一个让品牌顺势借力，向来被明星争抢的高奢品牌，怎么反过来追着知识分子跑了？

对这些早已凭专业成就获得认可的人来说，奢侈品牌并不是证明自己身份的必需品。反倒是高奢品牌要借点真学问装点门楣了。毕竟，奢侈品的日子没有以前那么好过了。

贝恩公司发布的《2025年中国个人奢侈品报告》显示，2025年中国内地个人奢侈品市场收缩3%——5%。放眼全球，贝恩另一份报告指出，全球奢侈品消费者数量已从2022年的约4亿人降至2025年的约3.4亿人。

同时，消费者正从“品牌崇拜”转向“价值审视”。麦肯锡2026年6月发布的《The State of Luxury》指出，在美国和中国奢侈品消费市场中，情感连接正在成为重要的品牌吸引力来源，消费者更希望品牌反映自身的身份、价值观和人生向往，而不只是展示财富或社会地位。

当网红人设越来越相似，连AI都能批量生产精致内容时，传统营销那套吸引眼球的办法，也开始越来越难玩出新花样。未来实验室指出，“我们正进入一个功能胜于虚饰、意义胜于营销的时代。”专家型网红正在逐渐成为消费者信赖的向导。

当漂亮广告和精致人设越来越不稀缺，真正有分量的智慧，反而成了奢侈品牌眼中的硬通货。

品牌可以花钱请人穿上自家的衣服，却没法靠一笔营销预算，制造出一位诺贝尔文学奖得主或菲尔兹奖得主。

高奢品牌不光想借知识分子的文化影响力撑场面，还想把他们的思想主张，直接变成衣服上的卖点。

这并非奢侈品牌最近生意难做才想出来的新招。早在十年前，就有品牌尝过知识分子思想“变现”的甜头。

2016年，Dior时任创意总监Maria Grazia Chiuri在自己的首秀中，将尼日利亚女性主义作家奇玛曼达·恩戈兹·阿迪契的“We Should All Be Feminists”印在T恤上，让原本出现在文学作品和公共演讲中的女性主义主张，成为时装秀上最醒目的表达之一。

对刚刚迎来首位女性创意总监的Dior而言，这句口号不仅为新系列赋予了鲜明的女性主义色彩，也让品牌从时尚圈走进了更广泛的女性议题讨论。

这件售价710美元的白T，最终成了Dior那场首秀最出圈的单品之一。《Vogue》当时就指出，它是整场秀在Instagram上最受关注的瞬间。

2017年正式上市后，商品一度在线上售罄，就连蕾哈娜、娜塔莉·波特曼等明星，也纷纷穿上了这件白T。这件单品甚至被英国巴斯时尚博物馆选为2017年度代表服装。

高奢的名头未必是万能通行证，品牌自己也得拿出点诚意。阿迪契曾在接受《ELLE》采访时透露，自己原本对时装周不感兴趣，并没打算接受Dior的邀请。直到时任创意总监Maria Grazia Chiuri亲自写来一封手写信，才让她改变了主意。

高奢品牌也不是一到营销季才想起来翻书，毕竟，想把自己的品牌故事讲得漂亮，肚子里怎么着也得有点墨水。

2025年，Bottega Veneta为纪念经典皮革编织工艺诞生50周年，推出了 “Craft is Our Language”（工艺是我们的语言）企划。扎迪·史密斯原本不愿意拍广告，但这个关于双手与创造的主题引起了她的共鸣。她意识到写作何尝不是一门手艺？

一个用文字编织故事，一个用皮革编织手袋，原本八竿子打不着的文学与时尚，在一双手上找到了共同语言。

从Dior的手写信，到Bottega Veneta的拍摄，高奢品牌想和知识分子交朋友，光有钱、有名气还不够，至少得和人家聊到一块去。

2025年11月，Miu Miu把2024年在米兰创办的文学俱乐部开到了上海展览中心，主题为“女性成长启示”，围绕波伏瓦、圆地文子、张爱玲三位女性作家的作品展开对谈。品牌邀请作家、译者和文学研究者围坐讨论女性成长、爱情与自我意识，李庚希、刘浩存、赵今麦三位品牌大使到场，为来宾领读文学作品。

据Miu Miu官方介绍，这场文学活动吸引了超过600位来自文化、文学、艺术和时尚领域的嘉宾。

请一位作家拍广告，可以借来对方的文化光环，而自己做东道主，作家、学者轮番来做客，品牌也有机会从文化圈的临时嘉宾，混成这里的熟面孔。

从时尚秀场卷到文学沙龙，高奢品牌不光要比谁更时髦，还开始比谁更有学问。知识分子倒是请来了，可消费者真的愿意为这份「高智感」买单吗？

比起穿成hot nerd，很多人更想成为hot nerd，但后者不仅卡建模、卡学历，还得卡天赋和人生履历。所以大部分人退而求其次选择了前者，毕竟前者一套高智感穿搭就能搞定。

图源：小红书@柿子

奢侈品牌向来擅长造梦，只不过，消费者想做的梦也在变。

过去，名牌包包、珠宝腕表是财富和身份的象征，品牌用这些给消费者渲染一场纸醉金迷、游走于上流社会的美梦。而在全民过日子时代，身份炫耀那一套刺激已经不怎么管用了，只是比起证明自己有钱，有学问、有品位、活得有主见，也开始成为一种值得向往的身份。

明星同款让人幻想拥有光鲜亮丽、备受瞩目的生活，知识分子同款则满足了另一种更难速成的虚荣：不光想让人觉得自己穿得有品，最好还觉得自己肚子里有货。

更有意思的是，对于明星来说，他们的时尚完成度靠脸，知识分子的时尚完成度，有时候更依赖大众的幻想和赋魅。人人嘴上都喊着要祛魅，可真轮到自己，谁不想成为那个随便穿件衣服，都能被别人夸出一套审美哲学的人？

诺奖官方发布的那张电话现场照，不少眼尖的网友发现，安妮·卡森身上的费尔岛毛衣已经起了不少毛球，显然不是一件崭新的时髦单品。但这丝毫没有影响评论区求同款的热情。

“话说都没人挂一下同款毛衣的链接咩……”

同样一件起球的毛衣，穿在普通人身上可能只是懒得换新，穿在诺贝尔文学奖得主身上，却成了某种不费力的时髦。网友甚至能从中品出几分不在乎外界眼光的洒脱。

图源：小红书@巴黎评论Paris Review

毕竟，当一个人已经靠文学成就征服世界，谁还在乎她的毛衣起不起球？

而这恰好是知识分子能够提供的另一种身份想象：不是靠昂贵的商品证明自己过得成功，而是已经成功到不需要在意自己穿得够不够昂贵。

小红书上不乏诸多网友评价：“明星戴卡地亚是明星的荣耀，王虹戴卡地亚是品牌的荣耀”。以往是消费者借名牌抬高身价，这一次，反倒是名牌沾了知识分子的光。

而对奢侈品牌来说，知识分子的吸引力还不止于让网友抱着“戴上同款就能接智慧”的念头争相求购。它也可能帮助品牌接近一批有消费实力、注重审美与文化品位的专业人士，比如医生、律师、高校教授、企业高管等。

相比单纯追逐明星同款或炫耀性消费，这部分消费者可能更在意品质、工艺和文化内涵，也更容易对与自身价值追求相近的品牌产生认同。

如果说一部分消费者购买知识分子同款，是想体验一种尚未拥有的成功，那么对于那些已经在各自领域有所成就的消费者，知识分子所代表的专业积累、独立审美与生活态度，也可能是一种熟悉而值得认同的身份。

奢侈品牌追着知识分子跑的高明之处就在于：既能让消费者对另一种人生心生向往，又能凭借相似的价值追求，与那些具有较强购买力的专业人士拉近距离。

不过，奢侈品牌看中的，恰恰是知识分子不靠商业包装建立的声望。当这份原本独立于商业之外的魅力，也开始被反复拿来做营销，它还能保持同样的吸引力吗？

奢侈品牌卖的还是衣服和包包，只不过，这次想卖给消费者的梦，不只是有钱人的生活，还有聪明人的人生。

本文来源：Vista氢商业

风险提示及免责条款

中期选举之后，美债的悲观预期会改变吗？【大鹏说7】

Mon, 12 Oct 2026 09:14:11 GMT

预览内容

当看空美债的声音越来越集中，市场是否也忽略了变化的可能？

在「大鹏说」第7讲中，培风客陈大鹏提出了一个值得重新思考的问题：美国财政的长期压力依然存在，但支撑长端美债收益率上行的几条逻辑，会不会在中期选举之后发生变化？

理解这个问题，需要先分清一件事：拿下国会，不等于能够改变一切。即便民主党赢得两院，也未必能削减已有法案的支出；但在人事任命、财政博弈等问题上，新的约束可能逐渐显现。

这些约束，会怎样影响市场正在交易的AI增长、通胀与联储独立性？为什么长期风险没有消失，短期的悲观预期仍可能需要重新审视？

“政治是利率的一个先行指标。”围绕这一判断，大鹏从国会的权力边界出发，逐一拆解美债收益率背后的驱动因素，解释哪些担忧仍在，哪些基本假设可能松动。

本期也延伸讨论了黄金与铜：联储政策、宏观预期和产业库存，分别如何影响他的观察？为什么这两个品种，需要关注不同的变量与节奏？

点击下方图片进入本期正文，看看大鹏如何把这些变化，串成一条完整的分析思路。

财政部：将新能源汽车的增值税出口退税率由13%下调至9%

Mon, 12 Oct 2026 09:10:14 GMT

财政部发布调整部分产品出口退税政策的公告，自2027年4月1日起，将新能源汽车的增值税出口退税率由13%下调至9%。自2027年4月1日起，取消电子烟设备装置等产品增值税出口退税。

风险提示及免责条款

OpenAI全新生命科学模型曝光，或瞄准AI制药

BioTender — Mon, 12 Oct 2026 09:05:38 GMT

2026 年 10 月 10 日，TestingCatalog 报道，OpenAI 价格页出现新名字：gpt-rosalind-discovery。 BioTender 随后查看官方页面，确认它与 Research 并列，但页面没有解释两者的能力差别。

两款型号的账单完全一致：每百万 token，输入 5.00 美元、缓存输入 0.50 美元、输出 25.00 美元。 但同价只能说明公开单价相同，无法证明训练方式、工具权限或任务表现相同。

Research 与 Discovery 的三档公开单价一致，单位为美元／百万 token（图源：OpenAI 官方 API 价格页实景截取）

一个新名字，先引出了制药猜想

TestingCatalog 随即问：它会不会专门做药物发现？命名引出了猜想，但报道也承认用途尚不清楚。 截至本文核验，尚未找到该型号的独立官方公告或能力说明。

“第二款”需要划清范围：此次曝光的是另一个 API 型号。 但它对应独立模型、调优版本还是其他产品安排，目前无法确认。价格页出现了新条目，但专门制药模型的定位还没有被证实。

TestingCatalog 于 2026 年 10 月 10 日报道新条目，并指出尚未正式宣布（图源：TestingCatalog 报道页面实景截取）[2]

这条线，早在 4 月就已经铺下

2026 年 4 月 16 日，OpenAI 首次发布 GPT-Rosalind，明确覆盖生物学、药物发现和转化医学。但这条产品线并未停在首发版本：6 月 3 日，官方已公布能力更新。 因而不能把今天的爆料当作历史上的第二次模型发布。

随后，官方在 9 月 11 日更新说明，宣布退出研究预览，并向全球符合条件的组织开放申请；公开定价于 10 月 5 日生效。但这些既有里程碑，仍没有交代 Discovery 与已有版本的具体关系。

Rosalind 从首发、能力更新到新型号曝光的公开时间线（图源：BioTender 根据 OpenAI 公告与 TestingCatalog 报道制作）

它想接手的，是实验室里的交接工作

可以把已公开的 Rosalind 理解成一名能查资料、用工具、组织分析的研究助手。首发配套插件连接超过 50 个科学工具与数据源，但价值仍取决于能否把这些环节接成可信的研究流程。 官方列出的合作方包括安进、Moderna 等。

OpenAI 的 Workbench 则把这条思路放进一个工作空间：科学问题、专门工具和可检查的证据可以一起推进。但工作台、工具插件与底层模型是不同层次的产品。 看到现有界面的功能，不能直接认定 Discovery 继承了全部能力。

Rosalind Workbench 的研究工作空间概念，属于已公开产品背景（图源：OpenAI 官方 Workbench 博客；非 Discovery 界面）

制药猜想有它的背景。药物发现已写进 Rosalind 的官方定位，6 月更新也强调药物化学与基因组学。 但从系列的应用方向，跳到新型号的专门任务，中间还缺一份官方说明。

一种猜想是，Discovery 更强调候选与假设的筛选，Research 承担广泛研究任务。但这种划分只是编辑层面的可能性分析。命名提供了方向线索，但不能代替任务清单与能力证据。

官方示例在同一工作空间查看蛋白酶体与硼替佐米的结合结构（图源：OpenAI Workbench 博客；展示现有工作台功能，非 Discovery 能力证明）

会聊分子，离会发现药还有多远

改动一个分子，要兼顾药效、毒性和体内去向。这类权衡属于多参数优化。但单项预测好，不保证整体决策好。 官方 MedChemBench 已纳入这些问题，以及结构理解、构效关系和逆合成任务。

另一条路先理解疾病机制与靶点，再组织验证。帮助中心把早期发现与假设生成列为当前最有价值的阶段，但也覆盖文献综合、组学解释和实验规划。 公开边界比“自动生成新药”更具体。

官方示例将荧光蛋白序列差异与功能解释放在同一工作空间（图源：OpenAI Workbench 博客；非 Discovery 专属能力）

现有评测提供了一把有限的尺子。6 月更新版在 MedChemBench 上为 27.5%，GPT-5.5 为 25.1%，相差 2.4 个百分点。 基因组学和湿实验辅助评测也有提升，但这些是 OpenAI 报告的既有版本结果，不能替新型号背书。

数字尤其需要守住用途。上述比例是各自评测任务的成绩，但并非药物研发成功率，也不能拿不同测试的分数直接排难度。已有 Rosalind 的进步值得看，但 Discovery 仍需要自己的对照评测。

6 月更新版与 GPT-5.5 的三项官方评测成绩；各测试口径不同，均非 Discovery 成绩（图源：BioTender 据 OpenAI 公布数据绘制；数据尚非独立复现）

标出了价格，门也没有向所有人打开

Rosalind 通过可信访问计划向符合条件的组织提供服务。但知道单价不等于获得权限。 帮助中心明确，API 用于获批的内部研究工具、流程和应用，不向客户侧产品或外部商业应用开放。

价格页还有一个容易漏看的细节：10 月 5 日开始计费的脚注，直接点名的是 gpt-rosalind-research。 但 Discovery 的独立启用安排和访问细则没有在该脚注中展开，不能把兄弟型号的所有条款逐项照搬过去。

价格页脚注点名 Research 的计费日期，并说明获批内部研究与可信访问要求（图源：OpenAI 官方 API 价格页实景截取）

下一步，要等它拿出哪种证据

判断它是否更适合制药，可以给两款型号同一道题：如何整合证据，找出值得验证的靶点或候选？但比较时应固定数据、工具与预算。 否则，差别可能来自外部资源，未必来自模型。

还要检查建议是否经得住真实实验，不能只看回答完整度。我们更关心可追溯的证据、失败条件与后续验证，但尚未发现 Discovery 披露这类专属结果。 一张价格表无法填上这些缺口。

证据整合、候选假设与实验检验之间的反馈关系（图源：BioTender 概念示意；不代表 Discovery 已披露能力）

下一份说明至少要回答三个问题：优化什么任务？同题条件下比 Research 好在哪里？有没有实验支撑？但在答案出现前，Discovery 仍主要是一个可确认的型号名，以及一组产品假设。

官方页面已经把两个名字放在一起，制药方向也有既有产品背景支撑。但新型号的用途、版本关系与真实增益，仍然留白。真正值得等的，是 Discovery 如何改变下一次研究决策。它会让科学家更早找对方向，还是只换一种方式整理已有答案？

专门任务、同题对比与实验结果：评估新型号的三项待确认问题（图源：BioTender 编辑核验框架；非官方产品路线图）

本文来源：BioTender

风险提示及免责条款

国投林荣雄：A股科技年内第二波行情可期，10月下旬是关键窗口

Mon, 12 Oct 2026 09:05:11 GMT

A股大盘再度回落至年内低位，但国投证券首席策略分析师林荣雄认为，转机或已临近。

在10月11日最新发布的策略周报中，林荣雄团队提出，10月下旬美股AI龙头三季报及资本开支指引的集中披露，叠加国内A股三季报窗口与DeepSeek筹备科创板上市，将构成AI产业景气的重要验证期。若届时长端美债利率随财政预期降温而回落，A股科技板块年内第二波行情有望明确开启。

该团队将当前市场定性为从"第三象限向第四象限过渡"的关键节点——即在国内K型经济分化尚未收敛、但美债利率压制有望边际缓和的组合下，AI科技有望凭借独立景气度率先获得估值修复。林荣雄强调，"在国内宏观经济K型分化没有收敛之前，资本市场'无科技不成牛'，最终结束'M非A'信仰要坚定。"

报告同时指出，经过前期风格调整，国证价值与国证成长的指数比值已回到年初附近，成长板块此前积累的风险已有明显消化，当前配置赔率正在改善，四季度可适度向成长倾斜。

大盘回落至敏感点位，市场等待两大转机信号

林荣雄团队指出，当前A股大方向的定价由国内盈利扩散（K型分化）与海外流动性（美债利率）双因子共同决定。市场真正需要的答案只有两个：一是看到国内K型经济收敛，内需提振出台真招实招，扭转收入信心不足的预期；二是看到海外长端美债利率能够边际缓和，至少不再继续创新高，令市场在定价层面逐渐对高利率脱敏。

目前两个条件均未完全满足。国内方面，9月制造业PMI回升至52左右、重回扩张区间，地产贴息政策与稳楼市组合拳相继落地，央行三季度货币政策例会亦强调继续实施适度宽松货币政策。但该团队认为，这些举措更多是通过四季度适当加码政策使全年经济增速满足年初预设目标下限，对居民资产负债表收缩与房价预期的扭转仍需时间，K型经济分化的收敛目前看依然无法确认。

海外方面，美国9月非农新增就业仅2.9万人，远低于预期的8.9万人，10月加息概率已明确下降。但若价格压力再次上升，12月加息仍可能成为政策选项。市场一致认为美债利率易涨难跌，高位状态短期内难以改变，更多需要等待市场对高利率呈现出脱敏状态。

AI中美分化背后：定价逻辑转变而非产业趋势逆转

8月以来，美股费城半导体指数上涨约11.15%，而A股AI硬件板块却先涨后跌，光模块、半导体等方向本周领跌，中美科技资产阶段性收益背离明显。

林荣雄团队将这一背离归结为四方面原因：其一，在资金流动层面，高美债利率下全球AI资产定价收圈至美股AI科技核心龙头；其二，在产业趋势层面，9月下旬美国参议员再度提出针对中国光模块的法案，A股海外算力链开始额外计入供应商政策风险，即便近期订单尚未受到明显影响，但限制扩大、客户增加替代供应商的担忧已形成估值折价；其三，前期大幅上涨后的高估值需要时间消化，目前国证价值与国证成长的指数比值已回到年初附近，成长此前积累风险已有明显消化；其四，美股开始出现"AI硬切软"迹象，市场从"AI=买芯片"进入"AI全栈重估"阶段，数据云、数据库、企业软件等此前预期较低的环节，一旦证明真实增量收入，估值弹性反而更大。

该团队强调，上述背离本质上是中美资本市场对各自未来利润确定性和风险的定价发生变化，AI产业趋势本身并未逆转。

两阶段行情路径：10月下旬大反弹，11—12月存在波动

在此认知基础上，林荣雄团队对年内AI科技行情后续作出两阶段预判，并提示所有展望均建立在一定假设条件之上。

第一阶段为10月下旬至11月，定性为"产业催化下的业绩驱动大反弹"。具体催化剂包括：10月下旬微软、Google等科技龙头披露三季报及资本开支指引，市场将重新评估AI商业化进展；11月AMD、英伟达财报及微软Ignite大会相继展开；10月底Anthropic上市；国内方面，A股三季报集中披露，以及DeepSeek筹备科创板上市。该团队表示，若届时长端利率随财政预期降温回落，AI科技年内第二波行情将"毫无疑问"。

第二阶段为11月至12月，团队提示存在估值切换与地缘政治引发的波动风险。进入12月，AWS re:Invent、甲骨文及博通财报将继续提供产业需求验证线索，Gemini 4扩大开放、Mistral新模型开放权重等进展亦可能带来新的预期变化。

该团队同时设定了三个核心前提：全球宏观不出现"黑天鹅"（如美联储激进加息周期与美伊冲突明显加剧）；AI科技后续盈利增长斜率超过贴现率上行幅度；经过一个季度情绪消化与交易拥挤回落至中位水平。"只要产业逻辑没问题，四季度AI科技行情回归概率在增大，这才是年内胜负手。"

四象限框架：当前处于杠铃策略阶段，等待向科技主导切换

林荣雄团队以"国内K型分化—海外美债利率"四象限框架作为配置决策的核心工具。在当前K型分化不收敛、美债利率高位的组合下，对应的市场结构为"杠铃策略"：资金倾向两端配置，一端是有产业景气支撑的科技龙头，另一端是红利、资源、高股息等现金流资产，中间大量普通行业缺少明确方向。

报告数据显示，当前价值与成长风格的相对比值已来到近一年最高水平，科技、成长、微盘、红利和大盘在经历一轮分化和收敛后，年内收益率已回到同一起点附近。

该团队判断，一旦美债利率出现边际回落信号，市场有望从"K型分化不收敛+美债利率下行"象限进一步切换，对应少数高景气科技资产反复创新高、出现面向年内二顶反弹的"科技M顶"结构。

财政发力叠加产业政策，为科技成长提供阶段性支撑

国内政策面亦出现边际积极变化。10月9日，财政部宣布安排使用地方政府债务结存限额5500亿元，规模较去年增加500亿元，为近年来最大。其中专项债务结存限额2500亿元重点支持"六张网"建设，涵盖新型电网、算力网、新一代通信网等数字基础设施领域。

与前两年不同，本次安排未明确列示化债清欠用途，资金投向更突出县区财力保障和有效投资。同日，中共中央、国务院印发《关于发展新质生产力的意见》，内容覆盖技术研发、成果转化、产业升级、融资制度和人才机制，共提出五个方面、19项重点举措。

林荣雄团队认为，上述财政加力与产业政策联动，短期可能强化科技成长板块的政策预期，其中数字基础设施、电网等方向可能带来结构性投资需求；更持续的受益，仍应寻找能把技术转化为订单、收入和效率改善的企业。

风险提示及免责条款

若芯片盈利下修15%，标普500还能维持两位数上涨？这是巴克莱的最新测算

Mon, 12 Oct 2026 08:30:57 GMT

标普500盈利增长日益依赖半导体，行业景气一旦逆转，可能对整个大盘形成拖累。

据追风交易台，这种风险已体现在盈利预测中。半导体与科技硬件行业合计仅占标普500指数权重的29%，却贡献了2027财年约75%的EPS上修幅度，预计还将贡献当年约70%的指数EPS增长。

盈利贡献高度集中，叠加半导体行业本身较大的预测误差，使市场更容易受到预期落差冲击。巴克莱数据显示，过去20年，半导体行业的平均EPS预测误差在标普500各行业中最高；与此同时，机构投资者近几个月持续减持半导体股票。

面对半导体盈利预期集中的风险，巴克莱最新报告进一步通过压力测试评估其对大盘的影响。结果显示，即使2027财年半导体EPS下修15%，只要其他行业盈利保持不变，标普500仍有望实现高于长期趋势的两位数增长；若半导体与其他行业盈利同步下修，指数增速则可能回落至长期趋势附近。

盈利高度集中，半导体预测误差居各行业之首

数据显示，2026财年以来，半导体与科技硬件行业贡献了标普500指数EPS上修幅度的约40%，而两者合计仅占指数权重的29%。到2027财年，这一比例预计升至约75%。从盈利增长看，市场预计这两个行业将贡献标普500在2026年约43%的EPS增长，2027年这一比例将升至约70%。

盈利预期越集中，行业预测偏差对大盘的影响就越大。巴克莱数据显示，过去20年，以每年9月30日对下一财年的EPS预测与最终实际值之间的偏差衡量，半导体行业的平均预测误差在标普500各行业中最高。

这与行业较强的周期性有关。资本开支变化、存储芯片供需及价格波动，以及终端需求切换，都可能迅速改变盈利前景。剔除全球金融危机及其复苏期后，历史上9月底对下一财年半导体EPS的预测，最大高估幅度约为15%至25%，相关案例包括2010年代初PC行业下行引发的供给过剩，以及2010年代末关税冲击带来的周期性压力。

压力测试显示大盘仍有缓冲，机构开始减持半导体

巴克莱以历史预测误差为参照，对标普500的2027财年盈利进行了情景测试：

基准情景：半导体EPS下修15%，其他行业盈利不变，标普500仍有望实现高于长期趋势的两位数EPS增长。
溢出情景：半导体EPS下修10%，其他成分股EPS同步下修2%，指数整体盈利增速仍可维持在长期趋势附近。

这表明，大盘具备一定的盈利缓冲能力，但前提是半导体盈利下修幅度可控，且其他行业受到的冲击有限。如果需求走弱进一步扩散，指数整体盈利增长也将承压。

资金动向则显示，机构投资者正趋于谨慎。巴克莱观察到，近几个月机构投资者持续减持半导体股票。此前，芯片股的增长势头、定价能力、盈利上修幅度及远期盈利预测均升至多年高位，部分机构可能正在降低对高增长预期持续兑现的依赖。

后续需要关注半导体资本开支能否持续转化为收入与利润、存储芯片价格走势，以及AI需求能否扩展至更广泛的市场。这些因素将影响行业盈利预期的兑现程度，也决定半导体盈利波动对标普500整体表现的冲击。

~~~~~~~~~~~~~~~~~~~~~~~~

以上精彩内容来自追风交易台。

更详细的解读，包括实时解读、一线研究等内容，请加入【追风交易台▪年度会员】

风险提示及免责条款

重磅金融改革发展政策将发布！2026金融街论坛年会下周开幕，吴清、朱鹤新出席

Mon, 12 Oct 2026 08:10:08 GMT

10月12日，2026金融街论坛年会新闻发布会在京举行。

据证券时报，会上介绍，2026金融街论坛年会将于10月19日—10月22日举行，采取“主论坛+平行论坛+专题大会+配套活动”的框架结构，主论坛活动由人民银行、金融监管总局、证监会、新华社、外汇管理局承办，将围绕人工智能技术演进下的经济治理、金融创新与央行决策，建设一流投资机构服务资本市场高质量发展，构建高质量金融服务实体经济新生态，全球新格局下跨境金融发展与合作等议题开展交流讨论。论坛年会期间，国家金融管理部门将集中发布系列金融改革发展政策，充分彰显论坛作为国家级权威政策宣传发布平台的重要作用。

在2026金融街论坛年会新闻发布会上，证监会办公厅副主任王利表示，证监会主席吴清将出席10月19日论坛年会开幕式并作主题演讲，此外，多位证监会领导和有关司局、系统单位负责人也将出席论坛年会有关活动。

王利介绍，10月21日，证监会承办一场主论坛，主题聚焦“建设一流投资机构，服务资本市场高质量发展，共享投资中国新机遇”，主论坛设领导致辞、主题演讲环节，还安排有两场圆桌交流，内容分别为培育壮大耐心资本和双向开放下的中国资本市场长期投资机遇，我们将邀请境内外知名行业机构的专家，围绕产业赋能、投资趋势、合规发展、国际合作等开展交流。同时，证监会科技司将承办金融科技大会子论坛，主题为“AI赋能资本市场数智化”，聚焦AI+资本市场的实践与监管、AI驱动资本市场数字化变革新趋势等主题，探讨AI赋能背景下资本市场发展的新模式、新场景。北京证券交易所将承办一场平行论坛，主题为“共建服务中小企业资本市场新生态”，围绕提升资本市场韧性与活力、全球资本市场服务科技创新实践、北交所赋能中小企业创新发展等开展研讨交流，并发布相关战略合作成果。

国家外汇管理局外汇研究中心主任陈之为在发布会上表示，中国人民银行副行长、国家外汇管理局局长朱鹤新将出席2026金融街论坛年会开幕式并发表主旨演讲。按照组委会安排，国家外汇局将于10月22日上午主办专场活动，为汇聚全球智慧，共商发展大计。此次论坛汇集将当前国际经贸领域前沿性热点问题，邀请嘉宾从不同角度发表演讲。

风险提示及免责条款

高盛重新看多全球股市，中长期转向超配债券，称有望从拖累变为对冲

Mon, 12 Oct 2026 07:58:06 GMT

高盛在最新资产配置报告中同时上调股票和债券评级，其对平衡型投资组合前景的判断出现重要转变。

据追风交易台消息，高盛将全球股票评级上调至3个月维度超配，与12个月维度保持一致，理由是近期估值回调改善了进入三季度财报季的赔率。与此同时，高盛将债券评级上调至12个月维度超配，认为随着通胀正常化和央行政策立场趋于温和，长久期债券的中期配置价值正在上升。

信用债方面，高盛将3个月评级下调至低配，与12个月立场保持一致，认为当前利差水平相对全收益率仍处低位，风险回报不及股票。

高盛在报告中指出，其宏观基准情景依然偏向乐观：经济增长保持健康、衰退风险低企，通胀动能有望在2027年前持续消退。这一"金发女孩"式组合将为平衡型投资组合提供更有利的环境，债券也有望逐步从拖累因子转变为有效对冲工具。

风险资产承压，利率与能源价格成核心扰动

自夏季以来，全球风险资产整体处于整固状态，利率上行和能源价格压力日益侵蚀盈利增长带来的顺风效应。全球股市尽管底层盈利表现稳健，但在上行利率环境下整体横盘，估值遭到明显压缩。

压力最为集中的领域包括对利率敏感的小市值股、房地产及基础设施板块。高盛报告显示，MSCI全球指数12个月远期市盈率年内已累计下滑近20%，属于晚周期中罕见的大幅去评级。与此同时，利率上行开始向信用市场蔓延，企业信用利差显著扩大，欧元区主权风险溢价也出现重新定价。

高盛风险偏好指标（RAI）在过去两周内从此前高位骤降至零，其货币政策分项（RAI PC2）已跌至2000年以来的最低水平之一——上一次录得类似读数是在2022年。高盛指出，RAI PC2的急剧下滑在历史上通常会改善股票和债券的回报赔率，因为这往往预示着利率压力趋近极限并为后续缓解创造条件。

重新看多股票：盈利韧性支撑，估值回调创造机会

高盛将3个月股票评级重新上调至超配，核心逻辑在于盈利增长依然稳健而估值已充分回调。高盛美股策略团队预计2027年标普500盈利增速达18%（剔除股权重估相关"其他收入"的基效影响），并预期三季度财报季将在美国和欧洲均呈现超预期表现。

高盛指出，若利率出现缓解，叠加AI应用落地加速带动实质性收入和盈利改善，股票存在估值扩张空间。在区域配置上，高盛维持亚洲和美国超配、欧洲低配，并建议采用"哑铃"策略：一端配置AI受益的科技股，另一端精选对利率敏感、具备高股息和低波动特征的防御性股票，后者有望受益于未来利率回落。

高盛同时提示，近期主要下行风险来自利率和能源价格的进一步上行，以及美国中期选举不确定性可能推高权益波动率。

中长期转向超配债券：从拖累到对冲

尽管在3个月维度维持债券中性评级，高盛已将12个月维度债券评级上调至超配，视之为资产配置立场的重要战略性转变。

高盛认为，当前收益率水平已赋予长久期债券更好的非对称性：利率下行带来的潜在收益已超过利率进一步上行可能造成的损失。支撑这一判断的核心逻辑包括：通胀预期改善、更高的票息收益及再投资收益率，以及央行政策立场趋于温和。

高盛经济学家预计美联储、欧洲央行和英国央行均仅剩一次加息空间，并有望于明年开始降息，而市场当前定价已反映美联储超过三次、欧洲央行至少两次、英国央行近四次的加息预期——与高盛基准情景存在显著落差。这一背景进一步强化了债券配置的中期价值。

在区域选择上，高盛维持对美国、英国和德国10年期国债的超配，低配日本。高盛指出，法国OAT利差走阔引发了对美债和德债的相对安全需求，为上述市场提供了额外支撑。

低配信用债：利差对冲价值不足

高盛将信用债3个月评级下调至低配，与12个月立场一致，并明确表示在股票与信用债之间倾向于选择股票。

报告指出，信用利差在近期风险规避环境中已落后于股票表现，延续了年内的相对弱势。即便经过近期利差扩张，信用利差相对全收益率的占比仍处历史低位——以美国投资级企业指数为例，信用利差仅占全收益率的15%，而近年平均值约为45%。

高盛信用策略团队维持美元信用优于欧元信用的观点，倾向于高收益债券而非杠杆贷款，同时低配欧元区AT1相对高收益债。此外，持续的债券供给压力和企业加杠杆趋势构成额外阻力。

"金发女孩"宏观情景，平衡型组合受益

高盛认为，名义增长动能正趋近峰值，但主要驱动力是通胀正常化而非实际增长放缓。这一组合——经济增长保持健康而通胀持续消退——与"金发女孩"情景高度吻合，历史经验表明这是60/40平衡型投资组合表现最佳的宏观环境。

高盛动态资产配置模型显示，在其宏观基准情景下，未来12个月60/40组合的回撤风险已降至历史区间低端，右尾风险（12个月涨幅超过20%）的概率接近历史无条件均值。

高盛同时指出，其模型尚未充分纳入AI资本开支热潮对盈利的推升效应，因此可能低估股票的上行潜力——这与1990年代末的情况类似，当时模型同样未能捕捉到后期科技股的超额涨幅。

战术对冲：期权保护仍具吸引力

高盛建议在超配股票的同时保留战术性现金仓位，并通过期权工具选择性增加股票敞口。目前全资产类别隐含波动率整体处于低位，VIX维持在15附近，而利率波动率（MOVE指数）相对股票波动率已升至2024年以来最高水平，两者背离值得关注。

具体对冲工具方面，高盛推荐以下三类策略：其一，VIX看涨期权价差，可应对宏观冲击触发相关性骤升的情景，当前最大赔付比率处于历史高位；其二，短端利率接受方期权（front-end receiver swaptions），在衰退情景下可提供优于标普500虚值看跌期权的收益，当前短端远期利率的大幅上行也创造了更具吸引力的入场点；其三，针对欧元区财政风险，欧元兑美元和欧元兑瑞郎的看跌期权提供定向对冲，但需主权压力进一步扩散方能兑现收益。

~~~~~~~~~~~~~~~~~~~~~~~~

以上精彩内容来自追风交易台。

更详细的解读，包括实时解读、一线研究等内容，请加入【追风交易台▪年度会员】

风险提示及免责条款

一周 10 万星，AI「逆向一切」，但大家不要过于兴奋

极客公园 — Mon, 12 Oct 2026 07:54:20 GMT

「在应用里看到一个想加入自己产品的功能？让智能体去帮你调查它。」

这是 REA 项目主页第一屏的话。后半句更直接：即使没有源代码，智能体也可以检查应用、解释功能怎么工作、展示证据，「并为你的项目实现类似功能」。

REA 全名 Reverse Engineer Anything，即「逆向一切」。上周它在 AI 开发者圈刷了屏：10 月 6 日还不到 1 万星，到 10 月 12 日已经超过 11 万。

6 天涨了 10 万星，平均每天约 1.7 万｜图片来源：Star History

真正让普通人看到这件事的，是游戏。10 月初，一批老游戏突然能在浏览器里直接玩了：《光环：战斗进化》《半条命》《暗黑破坏神》，还有真正意义上的 3A 大作《GTA5》和《使命召唤：现代战争 2》。

其中最出圈的一份复盘，来自逆向开发者 Maurice Heumann：他让十几个 Claude Code 和 Codex 智能体并行干活，把一款射击游戏 99% 的函数还原成了 C++ 源码，其中 83% 编译出来和原程序逐字节一致。他用的是 Hex-Rays 的官方 MCP，不是 REA。

也就是说，REA 只是这波浪潮里名字最响的那一个。

同一个星期，整个 AI 逆向圈都在加速。

似乎，人人都有免费软件用、免费游戏玩的日子到来了。

01 旧工具，新用户

逆向工程，就是手里没有源代码，从编译好的程序往回推，搞清楚它是怎么写的。这原本是安全研究员和破解者的手艺：在反编译器、反汇编器、调试器之间来回切，一个功能拆上几天是常事。

REA 干的事，是把这套工具接到 AI 编程智能体上。接口用的是 MCP，一种让 Claude Code、Codex、Cursor 这类智能体调用外部工具的通用协议。

装好之后，你对智能体说一句「弄清这个应用的搜索功能怎么工作」，它会自己去调 Ghidra、IDA 或 Hopper 等对应的工具，帮你翻二进制，调 JADX 拆安卓安装包，或者直接读 Electron 应用里打包的 JavaScript，最后把结论和证据一起交回来。

智能体负责提问，REA 负责取证｜图片来源：REA

听上去像个新物种。但放在专业圈里看，它其实更像一次重新包装：毕竟让 AI 接上逆向工具，GhidraMCP、IDA Pro MCP 这些开源项目去年就在做了。

REA 走红前不久，IDA Pro MCP 的作者、调试器 x64dbg 的开发者 Duncan Ogilvie 在 X 上说，他用 IDA 的 MCP 插件，大约一小时解完了今年 Flare-On 的全部题目。

Flare-On 是谷歌旗下 FLARE 团队每年办的逆向挑战赛，题目大多取材自真实的恶意软件分析。

这并非个例，逆向领域的专家们其实普遍对今天这波新兴起的浪潮不是很看得上眼：Elias Bachaalany 是逆向工程教材《Practical Reverse Engineering》的合著者，早年在 IDA 的开发商 Hex-Rays 工作过。

REA 被各路人马转发刷屏时，他也转了其中一条推介，开头就一个词：炒作。接着他列了几个早就存在的同类工具，意思是这些人只是没见过。

逆向教材合著者的评价，开头就一个词｜图片来源：X

AI 能拆程序是真的，只是不从 REA 开始。能拆到什么程度，圈内说法也不一致。

安全领域博主轩辕之风认为，没加壳的程序 AI 轻松拿下，轻度加壳也行，VMP 这类高强度虚拟化保护目前还啃不动；他还批评 REA 连动态调试都没有。一家做逆向产品的公司也在 X 上说，碰到加壳样本，模型分析照样会卡住。反方的说法是：混淆能拖慢 AI，挡不住它。

公开的案例，多数落在容易的那一头。宝玉用 Codex 加 REA 逆向了一个混淆过的网页前端，说几乎完整还原了里面的编辑器。也有博主拿它拆剪映，发现 Claude 拆到一半会卡住，也会被限制。

还有一类东西，它怎么都拿不到：放在服务器上的逻辑。你能拆开装在自己电脑上的客户端，显然拆不开别人机房里的那一半。

另外，工具多也未必是好事。Duncan Ogilvie 说过，他不认为给模型暴露更多工具能让它表现更好；现在也确实已经有 REA 用户抱怨，它塞给智能体的工具说明太长，用不了多久就把上下文挤满了。

REA 真正新的地方，其实在还是在被大幅降低的逆向门槛。

以前想让 AI 帮你逆向，你得先是个会逆向的人：装好 IDA，配好插件，知道该问什么。现在一行 npx rea-agents setup，选好要接入的智能体、点头确认，配置就写好了。把它推上热榜的，也不是安全圈，是 AI 博主和科技大号。

REA 的技术不新，新的是用它的人。

02「逆向」AI 做，「牢」用户坐

新用户带来的第一个问题，就藏在那句宣传语里：给你的项目里加上类似功能。拆开来看，和照着做一个，在法律上是两件事。

拆一个软件，法律上大致要过三个层面：商业秘密、版权，还有合同。

首先是商业机密，最高人民法院 2020 年关于商业秘密案件的司法解释写得很明白：对从公开渠道取得的产品做拆卸、测绘、分析，拿到技术信息，不算侵犯商业秘密。前提是东西来路正，先用不正当手段拿到秘密、再拿逆向当说辞，法院不认。

版权这部分，《计算机软件保护条例》第十七条允许为了学习和研究软件里的设计思想和原理去使用软件，2020 年修正的《著作权法》第五十条，把「计算机软件反向工程研究」列为可以避开技术措施的情形之一。

但大多数商业软件的用户协议里，都有一条禁止反编译的条款。在美国这一条是经常被引用且能执行的：2003 年的 Bowers 诉 Baystate 案里，联邦巡回上诉法院认定，软件许可里的禁止逆向条款有效，逆向之后做出竞品的一方，按违约赔了钱。

欧盟反过来，合同里禁止为互操作而反编译的条款，一律无效。同一件事，换个地方答案就不同。

《著作权法》第五十条：豁免的是「研究」｜图片来源：中国政府网

至于照着做一个，这里其实有个好消息：版权保护的是代码怎么写，不保护功能本身。条例第六条写得清楚，保护不延及开发软件所用的思想、处理过程和操作方法。单从版权看，别人有个好用的搜索功能，你自己写一个效果相似的，本身不违法。

麻烦其实出在它是怎么写出来的。软件行业应对这件事有一套老办法，叫净室开发：一组人去拆对方的产品，只写出功能说明书；另一组从没看过对方代码的人，照着说明书从头写。两组之间隔着一道墙，墙就是日后打官司时的证据，证明新代码是独立写出来的。

REA 现在把这道墙拆了：读反编译结果的是这个智能体，写新代码的还是这个智能体，中间没有任何隔断。Hacker News 上有人把这种做法叫作「洗知识产权」；一个复刻 Photoshop 的项目，开发者说他们团队明确禁止成员用 Ghidra 和 REA，原因很简单，怕被起诉。

游戏圈把这件事推到了极端。Maurice 那种做法叫字节级匹配反编译：写出来的源码，编译之后要和原程序一个字节都不差，他说这给了智能体一个非对即错的客观信号。净室追求的是「我没照着你写」，字节级匹配追求的恰恰是「写得和你一模一样」。

发行商的反应也很直接。10 月 6 日，一个能在浏览器里玩 GTA 5 的网站上线，几个小时后就被下架，不过这一例背后还有 2023 年泄露的源码，未必全靠逆向。据 Destructoid 的盘点，Rockstar、Activision、Bethesda 法务都已经光速触动，撤下了自家游戏的浏览器版本。

回头再看 REA 的免责声明，它说自己为「合法的逆向工程研究、分析和重建」提供工具。研究和分析，上面这些法条都留了门；重建这个词，找不到对应的豁免。项目把它写进了合法用途，又把「取得授权、遵守法律」的责任交给了你。

「重建」被写进了合法用途｜图片来源：REA

还有一层风险在数据上。REA 的说明里写着分析在本机运行，这话没错，工具确实跑在你自己电脑上。但智能体要理解这些分析结果，就得把反编译出来的代码片段、调用关系和字符串，发给背后的模型服务商。如果你拆的是客户交给你的软件，或者签过保密协议的东西，这一步本身就可能违约。

模型服务商也有自己的底线。前面那位拆剪映的博主遇到的卡顿和限制，就是这条底线在起作用。它算是一道护栏，只是拦在哪里，由服务商说了算。

数一数这里面的几方：项目说，责任在你；模型会拦你，但标准不透明；被拆的软件公司，手里握着用户协议和律师。真正站在风险正中间的，只有发出那句指令的用户。

至于《著作权法》第五十条，它在列出豁免之后，紧跟了一句限制：不得向他人提供避开技术措施的技术、装置或者部件。一个人在自己电脑上做研究，和把这种能力打包成一行命令发给十几万人，是不是一回事，法条没有给答案。看起来，这个问题迟早也会被问到 REA 这类项目本身头上，而不只是它的用户。

这几天的公开讨论里，职业逆向工程师谈能力、谈工具、谈强壳，很少有人谈合规。这不奇怪：拿到授权再动手，发现漏洞先通知厂商，为了兼容去拆协议，这些是这一行默认的规矩，不需要每次重新说。但 REA 把这门手艺打包成了一行命令，这些规矩显然没法跟着一起打包。

对做 App 的人来说，这也是一次提醒。Elias Bachaalany 的建议很直接：只要程序跑在用户手里，就能被拆开，唯一稳妥的办法是把关键逻辑放到服务器上。他在后面补了一句：目前是这样。

而对用 REA 的用户来说，在让智能体动手之前，或许值得先把 REA 的主页拉到最底下，读一遍那段免责声明：拿过来之后的事，它其实早就说好了，要你自己来担。

本文来源：极客公园

风险提示及免责条款

马斯克亲口承认：全球只有3家拥有足够数据，自己不在其中

新智元 — Mon, 12 Oct 2026 07:37:51 GMT

600 亿美元，买一张补票。

10 月 10 日，两千多人的 X Takeover 活动现场，马斯克远程连线。主持人直接问他：你为什么要买 Cursor？

马斯克的回答只用了 61 秒，迅速传遍全网。

他说，想造出一个像样的超级智能，你就得搞定编程。而据他所知，全世界攒够了编程训练数据的，只有三家——

OpenAI，Anthropic，Cursor。谷歌勉强算半个。

这份名单里，没有 xAI，没有 Grok，也没有马斯克自己。

一个手握火箭、Colossus 超级算力、特斯拉的人，当着两千多观众的面承认：

在通往超级智能最关键的那条路上，自己原本没有入场券。

所以他把Cursor买了。

编程数据到底凭什么这么值钱？

Cursor 是程序员每天泡在里面写代码的编辑器。

AI 给你一段建议，你可以按 Tab 接受，也可以直接删掉，还可以改几行再用。

每一次这样的操作，都相当于给 AI 批改了一道作业——对的打勾，错的打叉，半对的还附上了正确答案。

据报道，Cursor 训练时用到了数万亿 Token 这种真实的开发者交互数据。

这种数据，网上爬不到，实验室造不出来，只能靠成千上万个真实的程序员，一天一天、一行一行攒出来。

马斯克自己在同一场访谈里也解释了为什么编程最特殊：软件的逻辑是确定的，能跑单元测试。

代码写对了没有，跑一遍就知道，答案不靠谁主观打分。

编程是 AI 最容易自己「刷题练级」的科目，题库越大、批改越多，练得越快。

而且批改的质量至关重要。

马斯克还讲了一个细节，让人印象很深。他翻看新版 Grok 的强化学习训练记录，发现 AI 有时候明明答对了，却被判成错的，因为题目本身出了问题。然后 AI 就拼命乱试答案，像被枪顶着脑袋一样。

他说，换成自己也会很讨厌那种感觉。

题出了错，AI 就白练，甚至越练越歪。而真实程序员的每一次取舍——这段代码我接受、那段我拒绝、这里我改两行，恰恰是最靠谱的批改记录，因为来自真实工作，对错由真人裁定。

谁手里握着最大、最干净的题库，谁就离ASI更近一步。

他手里样样都有，偏偏差了这一块

回过头来看马斯克的家底：X 上有海量文本，特斯拉有路面数据，SpaceX 有工程数据，Colossus 有全球顶尖的 GPU 算力。样样都不少。

偏偏缺了真实的人在真实写代码这一块。

有个旁证很说明问题。IDC 今年 9 月初的分析中提到，马斯克曾在宣誓证词中承认，xAI 用过 OpenAI 的输出来训练 Grok。

自家题库不够，只能抄别人的答案来练。但是，这条路走不远，马斯克心里比谁都清楚。

算力可以砸钱建，模型可以花时间追。但编程数据这东西，得靠用户一行一行地攒。

Cursor 是 2022 年创办的公司，短短几年，就攒下了马斯克口中全世界只有三家才有的东西。

今年 4 月，SpaceX 和 Cursor 宣布合作，SpaceX 拿到了一个选择权：要么付 100 亿美元继续合作，要么花约 600 亿美元整个买下。

SpaceX 选择整个买下。

600 亿美元，创业公司收购史上最贵的一笔，马斯克自己给出了理由——这不是买一个产品，是买一张入场券。

造超级智能的四样东西，最意外的是第四样

在这场活动上，马斯克干脆把造超级智能的配方公开了：

数据、人才、算力，再加一支好的企业销售团队。

前三样大家都比较一致。第四样才是真正出人意料的——一支企业销售团队？

造超级智能跟销售有什么关系？

关系大了。数千家公司的合作关系，意味着 Cursor 已经装进了这些公司程序员的电脑里。

超级智能想要进入真实工作场景，这就是现成的门。门开得越多，用的人越多，新的编程数据就越多，模型练得越好，又能卖进更多公司。

造出来和用起来，在这里接成了一个飞轮。

马斯克他心里其实算得比谁都精：真实公司里，程序员天天在写代码、退回建议，题目来自真活儿，对错由真人裁定。销售每敲开一家公司的门，AI 就多一本真实的作业本。

超级智能不只是技术问题，也是商业问题。

7 月 8 日，SpaceXAI 和 Cursor 联合发布了 Grok 4.5，主打编程和 Agent，在数万块英伟达 GB300 上训练。

马斯克称它是 Opus 级别，更快、更省 Token、更便宜。

但实际成绩，SWE-Bench Pro 解决率 64.7%，落后于 Claude Fable 5 的 80.3%；Terminal-Bench 2.1 拿了 83.3%，也没有登顶。

票是买到了，人还坐在后排。

10 月 4 日，马斯克在 X 上确认，SpaceXAI 改名 SpaceXSI——SI，就是 Super Intelligence，超级智能。名字里已经把目的地写上了，至于到没到，那是另一回事。

OpenAI 有 Codex，还有 ChatGPT 里海量的编程对话。

Anthropic 有 Claude Code，编程场景的使用量大得惊人。

马斯克点名的前两家，模型、编程产品和编程数据早就攥在自己手里。

有意思的是，马斯克对对手评价并不低。访谈里，他聊到 AI 做的音乐 MV，专门点名夸了 Claude，说「要给他们很多赞誉」。谈到 AI 安全时，他又说「同意 Anthropic 说过的一些话」。

你以为你在写代码，其实你在教超级智能写代码

马斯克这场访谈，等于当众改写了 ASI 竞赛的记分规则。

过去几年，所有人都在数卡。谁的 GPU 多，谁离终点近。

可现在，一个手握全球最大算力集群的人，掏出创业公司收购史上最高的价钱，去买一样算力换不来的东西——

人类的判断。

算力砸钱就能堆，数据只能靠人攒。编程数据里的每一条记录，都是一个真实程序员的一次取舍，这段接受、那段退回、改两笔再提交。对错有真人裁定，有机器验证，不掺水。

所以超级智能的学费，不是巨头用电烧出来的，是全世界程序员一下一下按出来的。

本文来源：新智元

风险提示及免责条款

创业板早盘再跌破3000点，银行逆势走强，算力硬件调整，恒科指高开超1%之后一度转跌，新能源汽车拉升

Mon, 12 Oct 2026 02:32:54 GMT

10月12日，A股早盘集体低开，三大股指盘初下跌，深成指跌1%，创业板一度跌超1.5%，盘中再度失守3000点，沪指在银行等权重股走强带动下，跌幅较小。AI硬件、芯片半导体等科技股再度承压，覆铜板等概念股全线下挫。油气、有色金属、房地产等板块调整。AI应用、文化传媒、银行等逆势走强。工业富联、立讯精密等跌幅较大，此前美国启动337调查。

港股高开低走，恒指、恒科指早盘双双缩窄涨幅，恒科指转跌，权重科网股分化，网易、阿里等上涨，芯片股下挫，新能源汽车上涨，零跑汽车涨超6%。债市方面，国债期货集体上涨。商品方面，国内商品期货多数上涨，贵金属期货多反弹，碳酸锂暴跌8%。核心市场走势：

A股：截至发稿，沪指跌0.22%，深成指跌0.96%，创业板指跌1.10%。

港股：截至发稿，恒指涨0.51%，恒科指跌0.29%。

债市：国债期货全线上涨，截至发稿，30年期主力合约涨0.37%，10年期主力合约涨0.09%，5年期主力合约涨0.06%，2年期主力合约涨0.03%。

商品：国内商品期货多数上涨，截至发稿，沪银、橡胶、焦煤、铂金涨超2%，焦炭、沪锡、集运指数、沪金、沪铜涨1%，沪铝、钯金、工业硅、螺纹钢、锰硅、菜籽、热轧卷板、铁矿石、氧化铝等纷纷走高，燃油、烧碱、不锈钢、豆粕、沪镍等下跌，玻璃、纸浆、鸡蛋、多晶硅跌1%，原油、沥青跌超2%，碳酸锂暴跌超8%。

10:35

文化传媒板块再度上演涨停秀，果麦文化、博纳影业、上海电影等十余股上板，新华传媒因并购利好揽下10连板。当前AI硬件侧分化明显，而AI应用端弹性更足，资金炒作非常积极。

10:15

半导体设备概念震荡拉升，京仪装备涨近10%，华峰测控、拓荆科技、托伦斯、中科飞测跟涨。消息面上，据报道，ASML将统一上调在韩国供应的设备替换零部件价格，涨幅10%。新价格将从明年1月起生效，本次涨价范围涵盖EUV及DUV光刻机的全部零部件。

影视、传媒板块盘中持续走高，果麦文化20cm涨停，吉视传媒回封涨停走出2连板，此前博纳影业、德才股份、慈文传媒、新华文轩等多股涨停，欢瑞世纪、掌阅科技、华策影视、内蒙新华等涨幅靠前。

港股光通信、PCB概念股走弱，剑桥科技一度跌超10%，长飞光纤光缆、中际旭创跌近5%；广合科技跌超9%，大族数控跌超5%，胜宏科技跌超4%，建滔积层板跌超3%。

早盘PCB概念震荡走弱，宏昌电子逼近跌停，迅捷兴、金安国纪、华正新材、贤丰控股、广合科技等多股跌超5%。

10:13

覆铜板板块再度领跌AI阵营，宏昌电子跌停，金安国纪、华正新材、贤丰控股均跌8%左右，生益科技、胜宏科技跟随下滑。报道称，郭明錤供应链调研：英伟达 Rubin Ultra（NVL576）下一代服务器中背板，正在测试无玻纤覆铜板。

10:11

创业板指跌1.5%，跌至3000点下方。

09:57

银行板块再度带领红利资产方阵走升，中国银行、中信银行A股同创历史新高。此前，据媒体报道，保险机构相关负责人表示，将坚持高股息蓝筹资产和科技成长板块双线布局逻辑，以前者为底仓，以后者博更高收益。

09:46

零跑汽车涨超6%，蔚来、小鹏集团、宁德时代均升超3%，港股新能源汽车阵营一片火热。此前，工信部等联合发布《关于进一步加强汽车产品创新设计和研发测试验证有关管理工作的通知（征求意见稿）》。

09:26

上证指数低开0.18%，创业板指跌0.65%。覆铜板、房地产、光通信板块调整。工业富联跌超3%。

消息面，据证券时报，当地时间10月9日，美国国际贸易委员会就美国Vicor Corporation 提出的相关专利侵权主张，正式启动337调查，主要针对垂直供电系统、相关组件及包含上述产品的计算系统。本案被列入337调查的企业包括立讯精密、工业富联、台达电子、英飞凌等。

立讯精密、工业富联迅速作出回应，均表示本次调查现阶段不会对公司生产经营及业绩造成重大不利影响。

立讯精密表示，经初步评估，本次调查涉及的公司相关产品主要应用于数据中心领域电源模块与处理器的集成供电方案，目前处于客户验证阶段，尚未进入量产状态。工业富联则表示，本次337调查涉及公司相关产品尚处于内部验证评估阶段。

09:21

恒生指数高开0.92%，恒生科技指数涨1.03%。阿里巴巴、网易、紫金矿业、药明康德、康希诺生物走强。立讯精密跌超3%。

风险提示及免责条款