华尔街见闻 - 资讯 - 最新

美国楼市“以价换量”：8月新屋销售创年内新高，房价创逾一年最大跌幅

Thu, 24 Sep 2026 14:38:51 GMT

受降价及销售优惠举措的推动，美国8月新房销量创下今年以来最快增速，表明此类举措有助于缓解购房者的住房负担压力。

周四公布的美国政府数据显示，8月新单户住宅销量环比增长6.4%，折合年化销售量达68.4万套。这一表现远超经济学家预期中位数的61.6万套。

与此同时，房屋销售价格中位数同比下降5.8%至393,700美元，创下自2025年7月以来的最大同比降幅。

尽管8月销量的回升反映了建筑商通过让利刺激需求的持续努力，但这一反弹趋势可能是暂时的。此后，抵押贷款利率已攀升至7%以上，创下两年多来的新高；同时，现行房价比疫情前水平仍高出约20%。

房屋建筑商一直高度依赖销售让利手段，包括提供免费装修升级、抵押贷款利率折扣，并开始更广泛地直接降价。尽管如此，该行业面临的挑战仍在不断增加。

房企巨头莱纳公司（Lennar Corp.）指出，他们与二手房房东之间的竞争正日益加剧。特别是在佛罗里达州和德克萨斯州等大型市场，二手房业主降价的现象愈发普遍。

莱纳首席执行官斯图尔特·米勒（Stuart Miller）在上周的分析师电话会议上表示：“当二手房卖家降价时，他们就在与我们直接争夺客户。我们对此做出的回应，正是目前促销让利与定价动态变化的重要原因之一。

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。

习近平主席在欢迎仪式上发表致辞。（央视）

Thu, 24 Sep 2026 14:33:30 GMT

习近平主席在欢迎仪式上发表致辞。（央视）

风险提示及免责条款

这一次，美债将打崩美股？

Thu, 24 Sep 2026 14:22:46 GMT

美国国债收益率持续攀升，正将金融市场推向一个关键临界点。彭博宏观策略师Simon White警告，随着收益率上行愈发无序，期限溢价开始扩大，债市波动的性质正在悄然发生变化。与此同时，市场观察人士指出，若长端利率持续走高，当前建立在低融资成本之上的股市估值体系也将面临越来越大的压力。

本轮债市抛售的导火索是9月初公布的PMI数据。数据表现明显强于预期后，美债收益率单日跳升逾10个基点，随后两日继续上行2至3个基点。10年期美债收益率一度触及5.14%，创2007年以来最高水平；30年期收益率升至约5.4%，2年期收益率也攀升至约4.9%。仅9月以来，10年期收益率累计上行约35个基点。

收益率的快速上行正在向股票、信贷、私募信贷以及消费信贷等多个市场传导。分析人士指出，在美国联邦债务突破40万亿美元、保证金杠杆处于历史高位的背景下，债市持续承压可能通过融资成本、资产估值和杠杆平仓等渠道引发连锁反应，其潜在冲击可能超出当前市场定价所反映的程度。

收益率上行性质转变，期限溢价扩大

Simon White在分析中指出，本轮收益率上行的性质正在发生重要变化。此前，长端收益率上升主要由短端利率预期抬升所驱动，这在一定程度上属于“良性”的收益率上行，即金融条件向更正常的水平回归，也有助于降低美联储和财政部失去长端利率控制权的风险。

然而，PMI数据公布后，情况出现转折。在30年期收益率的单日涨幅中，约有一半来自期限溢价扩大。与此同时，债市波动率明显上升，收益率曲线趋陡。这些信号共同表明，收益率上行正在变得更加无序，投资者开始要求更高的风险补偿。

White指出，强劲经济增长之所以反而增加美债风险，根源在于这一增长很大程度上建立在并不适合当前经济周期阶段的财政支出之上。自2020年以来，美国累计财政赤字接近15万亿美元，而同期平均失业率仅为4.8%。在这一过程中，大规模财政支出推动企业利润增长，也为AI基础设施的大规模资本开支提供了重要支撑。

从更长周期来看，美债收益率目前只是回升至长期均值附近，而历史上收益率往往会出现向下超调。White警告，一旦10年期收益率逼近5.25%至5.50%区间，美债与股票的相关性可能由负转正。届时，债券不再能够有效发挥投资组合的对冲作用，反而可能成为放大组合损失的来源。

债市向股市传导的数学逻辑

市场观察人士、QTR's Fringe Finance作者在其分析中直言，债市对股市的传导机制“并不复杂，就是数学”。

其逻辑链条相对清晰：长端利率上升意味着股票估值所使用的折现率提高，未来盈利的现值随之下降；与此同时，企业融资成本上升，私募股权和私募信贷交易承压，高杠杆企业面临更高的再融资成本，消费者借贷成本也随之上升，联邦政府的偿债压力进一步加重。

美国国债市场规模超过30万亿美元，其收益率直接影响抵押贷款利率、企业债券融资成本、私募市场融资条件，以及投资者愿意为每一美元未来盈利支付的价格。股票市场可以在一段时间内忽视这一传导机制，但难以长期与其背离。

该分析还援引数据指出，美国联邦储备委员会数据显示，美国国内非金融债务在第二季度达到约84万亿美元，其中家庭债务约21.4万亿美元、企业债务约24万亿美元、政府债务约38.7万亿美元。在如此庞大的债务基数之上，利率每上升一个台阶，都会通过利息支出和再融资成本产生更明显的影响。

杠杆与估值双重脆弱性加剧风险

当前市场的脆弱性不仅来自利率本身，也来自建立在低融资成本之上的高杠杆结构。据FINRA数据，8月份保证金债务约为1.45万亿美元，较一年前增长约37%，此前6月曾达到1.50万亿美元的历史纪录。

杠杆机制在上涨周期中往往会自我强化：股价上涨推高抵押品价值，投资者获得更多融资空间，进而借入更多资金买入股票。但一旦市场方向逆转，这一机制也可能反向运转：股价下跌导致抵押品缩水，追加保证金要求增加，被动抛售进一步压低资产价格，最终形成更强的下跌压力。

与此同时，AI基础设施的融资结构也引发市场关注。相关分析指出，大量AI基础设施投资通过债务、租赁、担保以及特殊目的载体等方式融资，部分大型科技公司通过担保安排将部分融资敞口置于资产负债表之外。相关分析估计，整个AI生态系统的表外义务可能达到数万亿美元。债市也已开始对此作出反应——据报道，部分超大规模云计算企业的信用违约掉期利差已升至历史高位。

美国消费者的资产负债表同样面临压力。据相关数据，美国家庭债务约为18.8万亿美元，其中信用卡余额约1.26万亿美元、汽车贷款约1.71万亿美元。第二季度，信用卡余额中约7%正以年化速度转入严重逾期状态。在此基础上叠加更高的利率环境，消费端的偿债压力可能进一步上升。

财政赤字与债务可持续性构成深层隐忧

从宏观财政角度看，美国债务动态正进入一个更值得关注的循环。美国国会预算办公室预计，2026财年联邦赤字约为1.9万亿美元，公众持有的联邦债务占GDP比例约为101%。联邦净利息支出今年预计约为1万亿美元，CBO预计到2036年将进一步升至2.1万亿美元。

这意味着，美国政府需要持续举债，而不断上升的利息支出又进一步推高融资需求；与此同时，新增债务的再融资成本仍受到高利率环境的制约。

上述分析认为，过去15年间，市场逐渐形成一种根深蒂固的预期：每当经济或金融市场出现重大下行风险，美联储最终都会出手干预，重新回到低利率、量化宽松和充裕流动性的环境。但这一预期正在面临挑战——如果高利率成为新的常态，而非暂时性的异常，当前建立在低融资成本假设之上的资产定价体系将承受更大压力。

分析同时指出，若债市最终演变为系统性危机，政策层面的应对可能包括收益率曲线控制或其他更具力度的市场干预。但在政策支持真正到来之前，市场仍可能需要经历较大幅度的调整。

当然，上述风险情景仍存在缓解路径。若通胀进一步回落、经济增长放缓，长端收益率出现实质性回撤，当前债市压力便可能得到缓解，股票估值也将重新获得支撑。但如果收益率继续上行，市场逐渐将5%以上的美债收益率从“异常水平”重新定义为“新常态”，那么当前建立在低利率和高杠杆基础上的市场结构将面临更严峻的考验。

风险提示及免责条款

智元2万台下线后，场景开始“造”机器人

Thu, 24 Sep 2026 14:07:01 GMT

9月24日，智元第20000台具身智能机器人远征A3 Ultra在横琴长隆飞船乐园正式交付。

同一天，超过300台智元机器人在园区常态化上岗，分布在100多个交互点位，覆盖演艺、科普、导览、零售、酒店和体育竞技等场景。

从8月23日签约到正式开园，双方只有一个月。

智元合伙人、高级副总裁、通用业务部总裁王闯在当天下午的媒体群访中说，300台机器人对应上百个点位，功能包括讲解、乒乓球、篮球、高尔夫、毛笔字和猜拳，还要完成模型升级、IP妆造、物料制作和现场安装。“最大的难点是时间。”

第20000台机器人下线，解决的是规模生产问题。机器人进入长隆之后，面对的则是另一组问题：能否每天稳定运行，游客是否愿意使用，现场暴露的问题能否进入下一轮模型和产品更新。

场景开始参与“制造”机器人。

01 从交付转向运营

长隆这批机器人采用购买模式，双方签下10年战略合作，并成立具身智能文旅联合研究院。

智元合伙人、联席总裁熊彦在采访中把“部署态”拆成三个要求：可运营、常态化、可复制。

可运营，指机器人部署后仍能持续提升能力；常态化，要求机器人每天都可以上岗，不依赖一次性演出；可复制，则是同一项能力可以从一台机器人复制到多台机器人，再从一个岗位、一个园区扩展到更多岗位和园区。

横琴长隆飞船乐园拥有40万平方米的室内空间。机器人每天要面对密集人流、复杂灯光、嘈杂声音，以及儿童、老人、外国游客和方言使用者。

长隆集团副总裁、横琴长隆度假区总经理蒋敏灵解释，选择室内乐园作为首个大规模场景，也考虑了现阶段的技术边界。机器人的户外适应能力仍有不足，雨天应用还需要继续研发。

真实环境已经推动智元调整产品。

王闯介绍，远征系列的续航达到10小时，行业常见水平约为3小时。在乐园场景中，10小时续航可以覆盖大部分营业时间，通常只需换电一次。

面对嘈杂环境，智元在声学前端、算法降噪、多人识别和唇形识别上进行了优化；机器人同时支持Wi-Fi和双5G连接，园区还为机器人划分了专门的网络切片。

人员密集也提高了安全要求。远征A3加入360度感知，机器人挥动手臂时，一旦有人突然进入动作范围，手臂会停止；关节的柔顺控制则用于降低意外碰撞时的力度。王闯同时表示，项目刚部署时仍会安排人员看护，后续再根据运行数据继续改进。

02 游客开始改动产品

研发人员设想的高难度能力，未必对应游客最喜欢的项目。

王闯在现场观察到，游客排队体验的可能是机器人猜拳、三子棋和乒乓球。这些项目规则简单，互动直接，小朋友可以参与，一家人也能一起玩。

“有些东西不一定是在研发看来技术难度高，游客就更喜欢。”他说。

下一阶段，智元与长隆会持续观察每个点位的使用率和游客反馈。游客兴趣较低的项目会被替换，新研发的动作、模型和交互内容则会重新部署到园区。

熊彦也提到，园区会考核每台机器人的体验人数。人数开始下降，相关节目就要调整或淘汰。机器人具备通用本体和软件能力后，更换动作和节目内容的成本，也有望低于重新搭建一套固定设备。

这些运营反馈还会进入模型更新。

王闯在采访中举例，机器人一天与1000名游客交流，可能发现100条失败信息。模型迭代后，再观察相关问题的成功率能否提高。

熊彦则表示，项目部署约一个月，机器人的交互能力以及对讲解、导览环境的适应性已经在持续变化，背后依赖运营数据、模型适配和能力更新。

野村最近的研报估算，2026年高质量物理交互数据需求约为1000万小时，现有高质量存量约50万小时。报告还提到，故障恢复数据价值较高，多数企业仍未打通部署后的反馈循环。

花旗近期对梅卡曼德的调研提供了另一个案例，梅卡曼德已部署超过3万套3D视觉系统，重点收集任务中的“近失”数据，即差一点失败、需要干预或结果偏离预期的样本，用于继续优化模型。

长隆场景产生的数据是否会以何种形式进入通用模型，智元在本次采访中没有详细披露。已经明确的是，点位使用率、交互失败、安全干预和游客反馈正在进入后续研发与内容调整。

03 商业化要看运营账

机器人能够持续更新，还要计算运行成本。

目前长隆现场大约是3台机器人配1名工作人员。熊彦预计，这一状态可能持续几个月，随后逐步转向10台机器人配1人，理想目标是20台机器人配1人。

人机配比能否下降，取决于机器人自主上下岗、群体调度、安全运行和远程运维的能力。智元与长隆正在联合部署运营及运维系统，希望减少现场看护人数。

王闯还列出了客户需要承担的其他成本：采购价格、使用寿命、网络费用、Token消耗、备件损耗和日常维护。使用两年还是三年，会直接影响设备成本的摊薄结果。

收入端同样需要运营数据验证。智元希望机器人能够改善游客体验，提高复游和园内消费；长隆更强调内容与演艺体验的持续更新。

王闯说，智元会关注机器人给乐园增加了多少成本，又带来了多少收益，“只有这个东西越来越好的时候，我们的规模才会持续扩大”。

熊彦判断，机器人达到完全不需要调试、可以像人一样更换场景的状态，可能还需要3至5年。这并不妨碍机器人先进入具体行业，在每天的使用中继续改进效率、体验和任务能力。

第一条产线决定机器人能生产多少，长隆这条由真实游客、运营人员和研发团队共同构成的“产线”，将检验机器人能否越用越稳定、看护成本能否持续下降，以及客户是否愿意继续购买。

本文来自微信公众号“硬AI”，关注更多AI前沿资讯请移步这里

风险提示及免责条款

购房定金最高不超1%！北京打响现房销售“第一枪”

中国房地产报 — Thu, 24 Sep 2026 13:47:36 GMT

北京现房销售细则率先落地。

9月24日，北京市住房城乡建设委、市规划自然资源委、国家金融监督管理总局北京监管局、市住房资金管理中心联合印发《本市贯彻落实〈关于完善商品住房销售制度的通知〉的实施意见》（以下简称“实施意见”）自当日起施行。

今年8月28日，住建部、自然资源部、金融监管总局联合发布《关于完善商品住房销售制度的通知》（以下简称“通知”），部署推进商品住房销售制度改革，有序发展现房销售模式。通知发布之后，各地落地节奏成为行业焦点。多位房企人士在接受中国房地产报记者采访时坦言，企业内部在等待地方细则明确执行口径，以此调整后续拿地、开发、销售节奏。

北京成为自通知发布后，全国首个出台落地细则的城市。

“北京给各地打了个样。实施意见做到了‘有保有压’，既尊重现实、考虑政策冲击、留有一定的过渡期，又贯彻国家对于新发展模式落地的要求。”广东省城乡规划院住房政策研究中心首席研究员李宇嘉表示。

中指研究院政策研究总监陈文静认为，实施意见将为其他城市提供参考借鉴，预计接下来更多城市将落地执行细则，缓解因政策不确定带来的市场观望情绪。

分类施策：存量项目获两年窗口期

实施意见最核心的逻辑是“新老划断、分类过渡”。

实施意见明确，2026年8月28日后，本市新发布国有建设用地使用权出让公告的商品住房项目，申请预售的，单体建筑应完成主体结构封顶，并出具建设、勘察、设计、施工、监理五方签字盖章的《主体结构分部工程验收记录》。预售资金全额、全过程监管，项目联合验收后方可解除资金监管。

对于在途项目，实施意见给予了两类过渡安排。已取得建设工程规划许可证但未办理预售许可的项目，按原有政策执行。已取得国有建设用地使用权但未取得建设工程规划许可证的项目，原则上按新项目执行，但各区政府确保能够按时建成交付的，在加强预售资金监管的情况下，报市级部门备案后，在2027年底前仍可按原有预售条件申请预售。

这意味着，大量已拿地但尚未取得规证的项目，获得了近两年的政策缓冲期。上海易居房地产研究院副院长严跃进认为，此前拿地项目基本不受影响，已拿地企业不必过于担心，改革主要针对后续新出让土地。但他同时表示，后续新拿地项目预售标准已明确至少达到主体结构封顶，这可能成为常态化模式。

土地款分期：减轻资金压力

土地款分期方面，2026年8月28日后出让的住宅用地，出让价款可分期缴纳，首付不低于总价款的50%，余款可延长至出让合同签订后两年内缴清，且不计利息。

严跃进认为，这是此次政策对土地市场较大的支持。土地出让金缴纳期限放宽至两年，且延期期间不计算利息，直接减轻了房企的拿地资金压力。

在李宇嘉看来，“土地市场买方市场的特征更加突出了，预计全国都会照此模板执行。”

回望“8·28新政”落地之后北京首场土地出让，市场显现出新的博弈逻辑。9月3日的土地出让现场出现明显分化，顺义温榆河优质宅地经过170轮竞价，由华润置地以82.99亿元拿下，溢价率17.37%；而朝阳驼房营地块临开拍前宣布暂停出让。一热一冷背后，反映出房企在新的制度下拿地愈发审慎，更加看重地块区位、去化确定性，资金实力成为拿地的重要门槛。

算账逻辑重构：“竣备后才能放贷”

实施意见对房企资金链的影响，集中在两个节点上。

其一，预售节点后移至封顶。过去房企拿地后半年左右即可开盘回款，实施意见要求单体建筑封顶才能预售。其二，个人按揭贷款发放节点后移至竣工备案。实施意见明确，2026年8月28日后取得预售许可证的项目，竣工备案后方可发放个人住房按揭贷款（含公积金贷款），贷款资金通过受托支付方式支付至预售资金监管账户。从拿地到封顶再到竣工备案，通常需要一到两年时间，资金回笼周期被拉长。

“影响最直接的是房企现金流。”中金公司测算，新规实施后，房企自有现金流回正时间预计都将延长至拿地后约2.5年至3年，资金周转速率显著下行。

严跃进分析，当前最应该重视的是，现在手头有土地、尚未开发或尚未开始预售、尚未开始销售的企业。因为这类企业接下来申请预售许可证并进入销售后，个人按揭贷款不会马上发放，实际比预期多了约两年的资金压力。相反，对后面要拿地的企业而言，影响反而较小。因为拿地企业现在土地出让金可以延期缴纳，而且虽然预售标准提高了，但大概率只是预售要求略有提高，还谈不上完全直接转向现房销售。

“两年的压力期，迫切要求企业快速调整与银行的开发贷款支持方案，并做好其他资金对冲安排。否则，项目资金压力相比原先模式会明显加大。”严跃进算了一笔账，以前约一年左右能回笼资金，现在可能要三年左右才能回笼，资金占用周期约相当于原先的三倍，资金压力至少增加约两倍。

购房者端：权益保障升级

对购房者而言，实施意见带来了多项实质性保护。

首先是主办银行制度。2026年8月28日后签订开发贷合同的项目，一个项目对应一家主办银行。开发贷款、项目自有资金、现房销售资金等与项目相关的全部资金均纳入主办银行账户管理，实现资金封闭运行。这意味着房企不能再在项目之间调配资金，集团层面的资金腾挪空间被大幅压缩。

实施意见还规定，2026年8月28日起，新项目优先选择现房销售。房地产开发企业在房屋首次登记后，编制现房销售方案，向房屋所在区住房城乡建设（房管）部门申请现房销售备案。所销售房屋及建设用地使用权应无抵押、查封等情形。这一规定从根本上杜绝了产权纠纷。

在现房销售过程中，房地产开发企业可在取得建筑工程施工许可证后，与购房人签订购房定金合同，一般收取不超过总房价款1%的定金。房地产开发企业违约不能按期交房的，购房人有权按照合同约定提出解除定金合同。

李宇嘉认为，1%低于业内预期，但定金的作用要厘清。“1%只是购房人可提前锁定房源和价格，房企可提前摸排客户、研判项目市场前景，银行也可据此研判项目运营情况。”

不过，陈文静也提到，企业能否支取定金，因购房者责任解除定金合同的情形，本次政策均未明确。

本文来源：中国房地产报

风险提示及免责条款

油价与加息：双重叙事下的资产演绎

国联民生宏观陈艺鑫、林彦 — Thu, 24 Sep 2026 13:43:24 GMT

国际油价变化波云诡谲，油价是否见顶已经成为当下最重要的市场分歧。2026年9月16日以来，沙特寻求恢复运力、特朗普允许伊朗代表参加联合国大会，意味着地缘冲突风险在短期内有所降温，布伦特原油迅速重返100美元/桶以下，未来油价的走向已经成为大类资产配置的胜负手。

那么，历史上油价在美联储加息周期内见顶大类资产表现如何？当下市场环境与历史周期有何特殊性？当前非周期矛盾缓和后，大类资产配置是否有望重返历史周期？

1、复盘：加息周期内油价见顶后的资产演绎

根据历史复盘，我们可以将“油价短期见顶+美联储加息”的样本分为以下3种类型：

一是“加息左侧+油价见顶”。上一轮加息周期已经过去许久，油价见顶发生在美联储开启新一轮加息周期之前，市场可能在通胀预期降温下短期交易“加息延后”（参考2014年6月、2026年4月），亦可能交易高油价倒逼加息迅速兑现（参考2022年3月）。

二是“加息末尾+油价见顶”。美联储在过去1-2年内已经经历多次加息，油价见顶发生在美联储加息周期的收官阶段，市场可能在通胀预期降温下交易宽松预期，此时可以视为降息有利资产“时来运转”的起点（参考2018年10月、2006年8月、1974年4月等）。

三是“持续加息+油价见顶”。美联储开启了新一轮加息周期后，油价见顶发生在美联储加息的中继阶段，未来可能向匀速加息（参考2005年9月、2004年10月和1980年12月）与加息提速（参考2022年6月、1994年8月）两个方向演绎，此时市场可能面临重大分歧。

目前来看，市场对油价短期是否见顶仍然存疑，但9月美联储加息后意味着我们已经处于“加息的右侧”，意味着如果油价确认顶部，市场可能向“加息末尾+油价见顶”或“持续加息+油价见顶”两个方向发展。

剧本1：若油价见顶发生在加息末期，美元指数先升值，黄金、美股等降息有利资产后来居上。

油价在加息末尾时见顶后3-6个月，大类资产配置可能上演“滞胀”或“衰退”剧本。油价见顶后前3个月，比如1974年4-7月、2006年8-11月为“滞胀”剧本（参考图3），美联储加息或推迟降息的态度表明了其在“经济增长和控制通胀”中陷入两难，美元指数率先启动。

而在油价见顶后第4-6个月，即1974年8-11月、2006年12月-2007年2月，美国经济增长持续放缓"市场对美联储降息预期升温，这与“黄金后来居上”相对应。

相比之下，2018年通胀对降息阻力相对较低。加息末期油价见顶后的3个月（2018年10月-2019年1月），美国核心PCE同比维持在2%左右震荡，美国经济在关税冲击下演绎软着陆的“衰退”剧本，相对温和的通胀"美联储降息阻力相对偏低，市场提前交易“降息前奏”"黄金提前迎来反转。

加息末尾时油价见顶后3-6个月，美股的胜负手取决于分子端。一方面，2006-2007年和2018-2019年美国经济上演软着陆剧本，美国制造业PMI高于50%，且美股业绩增速韧性较强或“先抑后扬”，为美股后程发力奠定基础；另一方面，如果美国经济上演硬着陆剧本（参考1974Q2），美联储即使向“降息前奏”的方向过渡，美国实际GDP增速由正转负，美股持续走弱。

剧本2：“加息中继+油价见顶”后，3个月内美股具有“高胜率+高赔率”，第3-6个月后铜有望“后来居上”。

一方面，加息中继阶段油价见顶后3个月内，很可能对应“繁荣的惯性”或“衰退的反弹”。对于前者，经济高景气"支持美联储连续加息甚至加息提速，此时油价见顶"美股盈利预期走强，美联储持续加息的负面效应尚未在需求侧体现，此时配置美股反映的是高景气惯性的延续，1994年8-11月、2004年10月-2005年1月、2005年9-12月的美股均在“繁荣的惯性”剧本先行走强。

对于“衰退的反弹”剧本，加息中继或提速阶段，油价见顶回落后前3个月往往对应美股“超跌反弹”。以1980年12月-1981年3月、2022年6-9月为例，美国经济在经历“滞胀式激进加息”后，美联储“牺牲经济增长控通胀”的政策初见成效，油价见顶回落在一定程度上为美股业绩提供了一定的支撑，但是经济周期的底部尚未确认，美股迎来短暂的“超跌反弹”。

另一方面，油价在加息中继阶段见顶后第3-6个月，高油价对铜等中间品的成本支撑效应开始显现，铜迎来“后来居上”。对于1994年11月-1995年2月、2005年1-4月、2005年12月-2006年3月、2022年9-12月，此时美国制造业已经空心化，意味着美国已经丧失了通过扩大供给压制通胀的手段，市场会逐渐意识到加息在遏制通胀上效果有限，通胀开始从上游的原油向中游的有色进行传导，铜价开始“后来居上”。

与之相反的是，1981年美国制造业尚未空心化，美联储持续加息导致以制造业为代表的利率敏感部门遭受冲击，美国在1980s上半叶以阶段性产能过剩为代价遏制了通胀，因此铜在工业下行期中表现较弱。

因此，“加息中继+油价见顶”后第3-6个月，加息难以遏制通胀的苦果开始显现，美股则在连续加息和通胀高企下盈利受到压制，铜则受益于通胀从上游向中游的传导。

美联储加息中继阶段油价见顶后6个月，对黄金、美元影响偏中性，美债表现欠佳。从本质上来看，这符合大类资产周期“过热”的特征，通胀的韧性为大宗商品提供了优质的贝塔，加息中继阶段其对黄金的利空作用递减，但“繁荣的惯性”或“衰退的反弹”均意味着经济周期向上的预期升温，导致美债收益率上行，以黄金为代表的无息资产或在一定程度上受到拖累，因此铜在该阶段相对优于黄金，美债在经济繁荣或复苏的驱动下显著偏弱。

2、当下市场的特殊性与重要路标

2026年9月美联储加息后，油价是否见顶、美国是否对精炼铜加征关税等议题上分歧较大，那么当下市场正在演绎什么？

我们认为9月美联储加息兑现后，市场暂时演绎剧本2中的“繁荣的惯性”。目前来看，美国制造业、服务业PMI均高于50%，2026Q2美国实际GDP增速仍高于2%的中枢，纳指一度再创新高和强势上涨反映了市场仍在定价剧本2中的“繁荣的惯性”，美股已经率先启动，铜正在逐渐回补近期关税未兑现的跌幅。

那么，哪些路标可能导致市场延续剧本2，抑或是向剧本1的方向转变？

路标1：霍尔木兹海峡与地缘政治。如果霍尔木兹海峡拥堵、沙特原油供给受限长期化，意味着美联储需要更多次数的加息来遏制通胀，“加息中继”的剧本有望延续，上游涨价或持续向中游扩散，铜价及其相关权益资产或仍具上涨空间；相反，若霍尔木兹海峡迅速恢复（本次美伊会谈取得积极成效），美联储对通胀的担忧有望大幅缓解，市场有望向剧本1的方向切换，黄金有望实现逆转。

路标2：美伊、沙特胡塞突破底线袭击能源设施，地缘政治彻底失控。以上情形暂时为肥尾事件，一旦发生意味着美联储可能需要通过加息提速的方式遏制通胀，市场可能向衰退剧本的方向演绎，美元指数或一枝独秀。

路标3：科技公司Capex意愿发生变化。目前来看，微软、亚马逊、甲骨文等科技巨头仍具较强的资本开支意愿，美国经济与科技领域Capex高度相关，其利率敏感性正在逐步提升，但是10年期美债收益率已经向上突破5%，如果美联储持续加息触及到了科技巨头资本开支意愿转弱的阈值，意味着上游通胀向中游传导的途径在需求侧受到挑战，市场或向剧本1的后半段提前演绎。

路标4：中期选举后市场变数或增大。2026年11月中期选举后特朗普维稳美股的诉求或有所降低，此时市场对美国经济增长预期或减弱，市场或演绎滞胀或衰退剧本（对应剧本1）。

路标5：关税是否兑现。目前来看，市场对中美元首会晤和关税下降的期待较高，关税持续下降或带动美国通胀降低，如果9月30日美国对进口精炼铜加征关税的预期未兑现，随着时间推移市场可能向剧本1的方向演绎。相反，如果中美或中欧关税反复，美国再对精炼铜加征关税，市场或向剧本2的方向延续，中游品涨价可能导致美联储加息更加激进。

短期来看，在中期选举前或科技尚未证伪的前提下，市场或暂时向剧本2中“繁荣的惯性”方向延续，但是随着时间的推移，市场终究向剧本1的方向靠拢，以上5大路标是决定向剧本1演绎速度的胜负手。

本文来源：国联民生宏观陈艺鑫、林彦

风险提示及免责条款

若美国禁止出口柴油，欧洲将是最大受害人？

Thu, 24 Sep 2026 13:29:47 GMT

全球柴油价格已攀升至历史高位，而美国政府正考虑实施柴油出口禁令，这一潜在政策将深刻重塑全球能源市场格局。

特朗普近期表态支持禁止柴油出口的构想。据追风交易台消息，摩根士丹利在9月23日发布的研究报告中指出，一旦全面出口禁令落地，美国国内汽油价格与海外柴油价格均将大幅上涨。报告同时评估，全面禁令落地的概率仍然偏低，但部分限制或阶段性管控措施存在现实可能性。

欧洲将首当其冲。摩根士丹利分析师Martijn Rats与Charlotte Firkins指出，西北欧每日从美国进口约25万桶柴油，即便在不出口禁令的基准情景下，该地区库存已在加速下行，预计最快于今年11月触及2018年以来的最低水平。一旦这一供应来源被切断，欧洲柴油价格将被迫寻找新的需求破坏点，其情形与2022年欧洲液化天然气市场危机如出一辙。

柴油价格因何飙升至历史极值

全球柴油供应紧张已持续数月，价格压力从两条主线同步汇聚。

中东地区约150万桶/日的炼油产能实际上已无法有效利用——部分因地处霍尔木兹海峡以内而难以外运，部分因遭受破坏而停产——导致该地区柴油出口量同比减少约50万桶/日。与此同时，俄罗斯约350万桶/日的炼油产能因无人机袭击而停运，其柴油出口量同比再降约80万桶/日。俄罗斯与中东两地合计供应缺口达130万桶/日，约占全球海上贸易市场日均供应量800万桶的15%。

价格层面，9月15日NYMEX取暖油期货合约触及每加仑5.26美元（折合220美元/桶）的历史最高价，美国零售柴油均价也同步创下每加仑6.52美元的纪录高位。以相对WTI原油的价差衡量，美国馏分油裂解价差当前约为105美元/桶，是过去15年中位值的四倍。

面对价格压力，美国政府已采取一系列应对举措，包括临时豁免《琼斯法案》（豁免期至11月15日）、多次豁免EPA燃油标准、全国性豁免联邦卡车驾驶时长限制，以及大规模释放战略石油储备。

全面禁令如何传导至美国国内市场

理解出口禁令的潜在冲击，需首先厘清美国柴油供需结构。

美国炼油系统日均加工约1650万桶原油，产出柴油约510万桶。国内消费为390万桶/日，剩余约120万桶以净出口形式进入国际市场——具体而言，出口量约140万桶（主要来自墨西哥湾沿岸），进口量约20万桶（主要流入美国东海岸）。

摩根士丹利的测算显示，若140万桶/日的柴油出口被全面叫停，国内供应将初步改善，消费或回升约20万桶/日至五年均值附近。在《琼斯法案》豁免延续、东海岸进口需求由墨西哥湾沿岸填补的假设下，彼时仍将形成约100万桶/日的剩余供应，集中淤积于墨西哥湾沿岸（PADD 3）。

该地区仅有约2300万桶的冗余柴油储罐容量，照此速度，库容将在约三周内耗尽。一旦储存空间告罄，炼油商将被迫削减柴油产量。

禁令或反令汽油价格上涨

削减柴油产量意味着炼油商需要调整产品结构，而这一操作空间极为有限。

目前美国炼油系统处于"最大馏分油"生产模式，馏分油收率约为30.6%，已接近历史区间上限。摩根士丹利估计，在国内消费从390万桶/日回升至410万桶/日的同时，若馏分油收率从30.6%下调至28.1%，整个炼油系统的原油加工量将不得不从当前约1650万桶/日压缩至约1450万桶/日，降幅约达200万桶/日。

与此同时，汽油收率或可从当前的49%小幅上调至约51%。但即便如此，汽油供应量将仅约为745万桶/日，低于当前约810万桶/日的水平，缺口约达65万桶/日。这意味着美国将不得不在本已供应偏紧的全球市场上大量采购汽油进口。

结论因此清晰：柴油出口禁令并不能简单地为美国消费者带来燃油成本下降，反而可能通过炼油系统的传导机制，推动汽油价格进一步走高。

欧洲：供应缺口叠加有限腾挪空间

在所有潜在受波及地区中，欧洲的处境最为脆弱。

西北欧长期以来是全球柴油净进口地区，自中东冲突爆发后转型为净出口地区，当前净出口量接近于零——这一平衡依赖美国约25万桶/日的进口供应与向其他地区出口相互抵消。摩根士丹利的供需模型显示，即便维持当前从美国的进口规模不变，西北欧柴油库存仍将于今年11月跌至2018年以来最低水平，进入2027年后仍将延续下降趋势。

一旦美国出口禁令实施，欧洲将被切断这25万桶/日的供应来源。为弥补缺口，欧洲将被迫以更高价格从全球其他地区吸引货源，进而将价格压力扩散至更广泛的市场，诱发其他地区的需求破坏。这一机制与2022年欧洲液化天然气危机的演进路径高度相似。

花旗研究则从另一维度聚焦于中东欧经济体的暴露风险。据花旗研究9月24日发布的报告，在柴油强度与价格传导方面，波兰的脆弱性在中东欧地区最为突出——其柴油经济强度高于欧盟平均，柴油在HICP（调和消费者价格指数）中的权重也相对偏高，且财政空间有限，实际利率偏低。花旗研究认为，若柴油价格冲击持续，波兰央行（NBP）可能面临加息压力，以抑制通胀超调。

全面禁令仍非基准情景，但市场波动将延续

摩根士丹利明确指出，上述所有测算均建立在美国实施出口禁令这一假设之上，属于情景推演而非基准预测。

报告认为，综合考量全面禁令所引发的一系列后续效应——国内汽油价格上涨、欧洲能源成本攀升、全球通胀压力扩散——这一极端举措仍与美国政府的政策基准相距甚远。目前更具可能性的路径是局部限制或时间有限的管控措施。

然而，特朗普已公开表态支持禁令方向这一事实本身，已足以令市场保持高度警惕。摩根士丹利在报告中指出，只要这一议题仍处于政策讨论阶段，油市就应为持续的价格波动做好准备。ICE柴油期货（Gasoil）价格已接近历史高位，若禁令讨论升温，短期内仍有进一步上行空间。

风险提示及免责条款

美国上周首申人数降至19.7万人，为1969年以来的最低水平之一

Thu, 24 Sep 2026 13:20:30 GMT

美国劳动力市场展现出异常韧性。最新数据显示，初请失业金人数连续徘徊于历史低位附近，裁员现象依然罕见，但招聘端的不均衡态势令部分劳动者陷入两难困境。

美国劳工部周四公布数据显示，截至9月19日当周，初请失业金人数较前周减少1000人至19.7万，为7月以来最低水平，亦是1969年以来的历史最低读数之一。彭博经济学家Eliza Winger表示，9月中旬初请失业金人数维持在极低水平，表明劳动力市场状况稳定，目前尚未看到高利率推动裁员的迹象。

数据公布后，市场对美国就业市场的担忧情绪进一步缓和。整体来看，当前劳动力市场结构性特征愈发清晰——裁员端持续受抑，而招聘端的动能仍不均衡，形成鲜明反差。

初请数据创近期新低，四周均值同步回落

劳工部数据显示，19.7万这一读数在历史坐标系中位于极低区间。衡量新申请波动趋势的四周移动平均值下滑至20.225万，创六周新低，进一步佐证近期申请量的下行趋势并非单周扰动。

未经季节调整的原始数据则呈现相反走势，初请人数有所上升，主要由加利福尼亚州、夏威夷州及纽约州的增量驱动。

持续申领失业金人数（衡量仍在领取救济金的群体规模）截至9月12日当周基本持平，约为172万，接近2023年以来的最低水平。

裁员稀少，但招聘冷热不均

Eliza Winger指出，目前少数处于裁员状态的行业，其动机主要集中于效率提升，而非宏观经济压力传导，高利率对就业市场的冲击尚未在利率敏感型行业显现。

然而，就业市场的稳定并不意味着活力全面恢复。过去数月间，企业普遍对解雇员工持谨慎态度，初请人数由此在历史低位附近持续盘桓。但与此同时，招聘活动表现参差不齐，为仍在观望的求职者以及那些对现有工作感到不满、却苦于缺乏跳槽机会的在职人员，提供的选择空间依然有限。

这一结构性分化意味着，劳动力市场的表面平静之下，部分群体面临的就业流动性压力仍未得到有效疏解。

风险提示及免责条款

报道：谷歌、OpenAI和Anthropic人工智能安全组织成形，预计最早今年年底正式启动

Thu, 24 Sep 2026 13:06:48 GMT

谷歌、OpenAI和Anthropic正推动成立一个专注于人工智能安全的新标准机构，计划在没有政府监管的情况下自行运作，并希望在今年年底或2027年初正式启动。这三家公司暂定将这一自律组织命名为 “前沿人工智能标准局”（Standards Authority for Frontier AI）。工作组部分成员已经考虑了多位知名人士担任首席执行官。

风险提示及免责条款

盘前大跌4%！甲骨文突发“不可抗力”通知，因担忧3000亿美元数据中心项目延期

Thu, 24 Sep 2026 12:47:00 GMT

甲骨文援引不可抗力条款，试图为其在新墨西哥州的巨型数据中心项目筑起财务防火墙，这一举动令本已深陷困境的Project Jupiter再添变数，并迅速向整条融资链传导压力。

据彭博报道，甲骨文已向该项目开发商——Blue Owl Capital旗下子公司Stack Infrastructure——发出援引不可抗力条款的正式通知。

报道称，甲骨文此举并非意图退出主要租户地位，而是寻求在项目无法按原计划于2028年上线的情况下，推迟相关付款义务。

消息公布后，甲骨文盘前股价随即下跌4%，Blue Owl Capital股价同步下挫2.3%，数据中心供能商Bloom Energy盘前跌幅亦达4.4%。

Project Jupiter是一个规模庞大的特殊目的载体（SPV）项目，计划在新墨西哥州约1400英亩土地上建设四座数据中心，为OpenAI提供总计3000亿美元的算力，融资结构涵盖债券、贷款及Blue Owl股权。此次不可抗力通知的发出，令市场对该项目能否如期推进的疑虑骤然升温，相关贷款此前已跌至承压水平。

不可抗力通知：防御性操作，法律效力存疑

据彭博援引知情人士报道，甲骨文向Stack Infrastructure发出的这份通知，核心目的在于在项目建设出现延误时，为自身确立合同层面的保护立场，以推迟潜在的付款义务。

企业援引不可抗力条款，通常是在遭遇超出自身控制范围的突发情况时，寻求免除或暂缓合同义务的法律依据。然而，知情人士同时指出，目前尚不确定这一操作能否实际免除甲骨文此前已承诺的财务责任。

对此，甲骨文发言人回应称："Project Jupiter仍在按计划推进，我们对新墨西哥州的承诺坚定不移，对项目前景充满信心。"该发言人未就不可抗力通知本身作出具体置评。Blue Owl方面则拒绝发表评论。

项目本已深陷困境，融资链压力全面显现

Project Jupiter在此次通知发出之前，已面临来自多方的阻力。据彭博此前报道，该项目遭遇反对声音与监管层面的挫折，相关贷款已跌至承压水平。

从项目结构来看，Project Jupiter以SPV形式运作，属于表外融资安排，将债券、贷款与Blue Owl股权捆绑在一起，涉及多家大型金融机构。这一高度杠杆化的融资结构，使得任何一个环节出现松动，都可能对整条资金链形成连锁冲击。

此次不可抗力通知发出后，市场反应迅速蔓延：甲骨文、，Blue Owl Capita、Bloom Energy集体大跌，显示投资者对项目前景的担忧已从核心参与方向周边供应链扩散。

2028年上线目标蒙上阴影，项目命运存疑

知情人士表示，甲骨文发出不可抗力通知的直接触发点，正是对Project Jupiter能否按原计划于2028年投入运营的不确定性。该项目此前已因反对声音和监管阻碍而进展受阻，此次甲骨文的防御性动作进一步加剧了外界对项目能否落地的疑虑。

市场评论人士指出，Project Jupiter的SPV结构将多家顶级金融机构的利益深度绑定，一旦项目出现实质性延误乃至搁置，潜在的连锁反应不容低估。

目前，甲骨文坚称项目"按计划推进"，但其援引不可抗力条款的实际行动与这一表态之间的落差，已令投资者保持高度警惕。

风险提示及免责条款

油价飙升叠加美联储加息预期升温，新兴市场股汇双双承压

Thu, 24 Sep 2026 12:16:11 GMT

印度股市创十周最大单日跌幅，保险佣金监管新规进一步打压金融板块；美元走强令新兴市场货币指数逼近六个月最大单日跌幅

印度股市周四遭遇十周来最惨烈的单日抛售，油价骤升引发通胀忧虑，叠加全球新兴市场在美联储进一步加息预期与强势美元压制下普遍走低，市场情绪明显恶化。与此同时，印度国内保险监管机构拟推出佣金上限新规，令金融板块雪上加霜。

Nifty 50指数收跌1.6%至23,063.10点，BSE Sensex指数下滑1.67%至73,580.54点，两大指数均创下自7月8日以来最大单日跌幅。布伦特原油价格当日上涨2.4%，报每桶105.6美元，美伊外交谈判陷入僵局，进一步提振油价。

在更广泛的新兴市场层面，MSCI新兴市场货币指数当日下跌0.45%，逼近自3月19日以来最大单日跌幅，而MSCI新兴市场股票指数则下挫0.9%。10年期美国国债收益率飙升至2007年以来最高水平，美联储10月加息概率依据CME FedWatch工具显示已接近70%。

油价反弹叠加地缘风险，冲击印度市场信心

油价重新站上每桶105美元的高位，令高度依赖原油进口的印度经济面临通胀压力。

Axis Direct衍生品与技术研究高级研究分析师Hemang Gor表示："原油始终是影响印度市场的关键变量。油价在短暂跌破100美元后急速反弹，在国内市场刚刚企稳之际再度引发供应端担忧。"他同时指出，从技术面来看，只要Nifty仍运行于23,500点下方，市场整体基调偏空谨慎。

印度16个主要行业板块悉数收跌，中小盘股同样未能幸免——小盘股下跌1.5%，中盘股跌幅则达2.3%。

保险佣金监管新规出台，金融板块首当其冲

印度保险监管机构拟议出台的佣金改革方案，成为金融板块重挫的直接导火索。新规核心内容包括：对佣金支出设置上限、将佣金与产品复杂度挂钩，并将寿险佣金的支付期限从首年延伸至此后年度。

银行板块与金融板块分别下跌2%和2.4%。PB Fintech当日暴跌36%，创下历史最大单日跌幅；Turtlemint Fintech重挫20%。

Motilal Oswal分析师在研报中指出，"保险经纪商及银行、非银行贷款机构所受的收入冲击将远超个人代理人"，并强调"银保渠道（bancassurance）正处于监管十字路口"。分析师警告称，若该系列重大监管变革落地实施，将对行业产生深远影响。

美联储加息预期强化，新兴市场货币普遍承压

在全球层面，美国国债收益率的急升与美元走强共同对新兴市场资产构成压制。一份强于预期的采购经理人指数报告再度点燃通胀忧虑，五年期美债拍卖需求疲弱，推动10年期美债收益率升至2007年来高点。

法国巴黎银行中东欧、中东及非洲地区经济主管Jeffrey Schultz表示："我们预期美联储至少还将加息两次，这将在下一季度为新兴市场货币带来更强的逆风。我们正在进入一段对风险资产而言颇为危险的时期，南非兰特、匈牙利福林和巴西雷亚尔等多头仓位集中的高收益新兴市场货币，可能面临较大压力。"

据路透报道，南非兰特下跌0.4%，触及七周低位；匈牙利福林下滑0.2%；印度尼西亚卢比在亚洲货币中跌幅居首，达0.5%；韩元下跌0.3%。

土耳其紧急处置逾百亿美元投资基金

在中东欧市场，土耳其的动态同样引发市场关注。据土耳其国家通讯社报道，土耳其财政部长Mehmet Simsek将于周四及周五举行一系列会议，就131只、合计规模约180亿美元的投资基金清算事宜进行磋商。此前土耳其当局已于上周出手干预，以维护股市动荡背景下的金融稳定。

土耳其基准股指当日下跌1.2%，里拉则基本持平。罗马尼亚基准股指下挫1.4%，波兰蓝筹股指数小跌0.3%。

风险提示及免责条款

看好Muse变现路径，摩根大通大幅上调Meta目标价

Thu, 24 Sep 2026 12:02:15 GMT

Meta的AI助手Muse正从概念走向商业闭环，华尔街对其估值逻辑随之重构。

据追风交易台消息，摩根大通在Meta Connect大会结束后发布研究报告，将Meta Platforms目标价从820美元上调至920美元，维持增持评级。截至报告发布日，Meta股价报744.10美元。此次上调的核心驱动力在于Muse的变现路径日趋清晰——Meta首席执行官扎克伯格在Connect上明确表示，公司未来将对通过Muse完成的交易收取小额手续费，标志着Muse货币化模式从订阅制向交易抽成的实质性转变。

摩根大通分析师Doug Anmuth在报告中指出，随着Muse Connector生态系统快速扩张，以及前沿模型Watermelon即将发布，Meta正在广告主业之外构建一条规模可能达数十万亿美元的全新增长曲线。此次目标价调整基于2028年预期GAAP每股收益35.44美元的约26倍市盈率估值，较此前采用的23倍明显提升。

Muse变现路径明朗，抽成模式类比广告业务

Muse商业模式的核心逻辑正逐步成型。摩根大通报告指出，目前Muse的变现规模有限，或仅涉及少量重度使用订阅，但扎克伯格在Connect上重申，Meta将随时间推移对平台上发生的交易收取小额费用。

报告认为，Muse Connector是打通变现链条的关键基础设施。Connector允许Muse与外部网站、应用及商家建立连接，目前已收到超过2000份接入申请。在Connect大会上，Meta宣布与Walmart、Best Buy、Sephora及Wayfair达成集成合作，此前已有OpenTable、Spotify、Ticketmaster、Peloton、Expedia及Instacart加入。Meta同步推出Muse Connector平台，向开发者开放接口，允许其将自有应用和服务接入Muse生态。

摩根大通预计，随着数以千万乃至数亿计的商家最终在Muse上部署自有智能体，平台上的交易将越来越多地通过智能体间（agent-to-agent）交互完成，而非传统的浏览或电话方式。届时，Meta可依据交易额收取抽成或佣金，亦可根据商家的具体经营目标采用类似现有广告业务的目标导向定价模式。该行认为，这一变现逻辑与Meta广告业务的底层框架高度相似，具备规模化复制的条件。

Watermelon模型在即，API商业化打开新空间

摩根大通预计，Meta最强能力的前沿模型Watermelon将于未来数周内发布。报告认为，Watermelon的推出将从两个维度强化Meta的AI商业价值：一是通过提升推理能力直接增强Muse的产品表现；二是为Meta Model API开辟更大的货币化空间。

报告指出，若Watermelon以显著低于竞争对手的定价提供前沿模型API访问，将对开发者和企业客户形成强吸引力，进而推动调用量大幅提升。摩根大通将Meta Model API视为独立于广告和Muse之外的第三条变现主线，并认为前沿模型的加持将使这一业务的商业潜力实质性提升。

在财务预测上，摩根大通预计Meta 2026年至2028年营收将分别达到2543亿、3053亿及3544亿美元，对应年增速为26.5%、20.0%及16.1%。调整后每股收益预计从2026年的36.46美元增长至2028年的46.07美元。值得注意的是，受大规模资本开支拖累，该行预计2026至2028年间公司自由现金流将持续为负，资本开支占营收比例预计在2027至2028年升至80%左右。

硬件生态加速布局，可穿戴设备对接Muse入口

在Connect大会上，Meta将Reality Labs的战略重心明确转向服务于Muse和个人超级智能的可穿戴设备，并将眼镜定位为最大的硬件机会，目标触达全球20亿以上的眼镜佩戴人群。

在具体产品层面，Meta推出Ray-Ban Meta Audio，将耳机功能与AI整合至重43克的轻薄镜框中，售价349美元，10月13日开始发货。同期发布的Ray-Ban Meta（第三代）相较上一代改善了续航（9小时对比8小时），提供27种配色与镜片组合，售价449美元，目前已开放购买。此外，Meta还推出了由Kyle Jenner设计及LISA联名款眼镜，起售价均为399美元；入门款Meta Adventurer售价249美元。Meta同步宣布将眼镜销售范围扩展至新加坡、韩国、墨西哥及阿联酋，并即将进入巴西市场。

Meta还发布了掌上设备Muse Charm，配备约2英寸显示屏和板载5G模块，允许用户访问个人Muse虚拟形象，预计年底前上市销售。在VR领域，Meta发布Meta VR Glasses，重量约100克，约为Meta Quest 3的五分之一，内置Meta AI智能体，并获IMAX Enhanced认证，售价1299美元，预计2027年春季发货。

估值重构，长期TAM支撑溢价空间

摩根大通将目标价估值倍数从23倍上调至26倍，理由是对Meta营收增长的可见性、持续的成本优化能力以及AI变现路径的确定性信心增强。报告强调，即便以2028年GAAP每股收益35.44美元作为估值基准，该预测数字本身也可能偏于保守。

在更长期的叙事框架下，摩根大通认为Muse有潜力成为自ChatGPT以来用户规模最大的消费级AI应用。报告援引Meta在Connect上的表述称，Muse已触达数百万用户，Meta的目标是将其打造为面向全球数十亿用户的超级智能平台，对应的潜在市场规模可能达到数十万亿美元量级。

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

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

半夏投资李蓓：AI资本开支或在明年年中见顶，地产的机会升级到二十年一遇

腾讯财经 — Thu, 24 Sep 2026 11:47:27 GMT

“地产的机会，我以前说是十年一遇，现在变成二十年一遇。”

近日，半夏投资创始人李蓓在与腾讯财经对话时表示，地产现房新政对地产股价造成了较大短期负面冲击，但地产机会的级别其实是提高了，后续地产股牛市持续的时间会被拉长，高度也可以看得更高。在她看来，在地产新规的影响下：未来1-2年，行业将得到更彻底的出清，更多企业继续退出；长期看行业的进入门槛抬高，企业之间的差距拉大，少数同时具备产品力和融资优势的头部房企，反而可能成为新规则下的受益者，部分企业的股价在未来几年的涨幅，有望达到5-10倍。

现房销售新政是她判断行业格局变化的关键变量。对购房者而言，购买现房可以推迟支付首付和月供，并规避烂尾及交付品质不确定等风险。她据此测算，现房相较期房具备约3%至5%的价格上涨空间，开发商可分享部分溢价，购房者也能从资金成本和风险下降中获益。

在开发商一端，市场普遍担忧现房销售拉长周转周期、压低利润。但她的测算则显示，若土地款可以分期缴纳，项目资金周转时间可能仅增加20%至30%，叠加房价小幅上调和地价回落，净利润率反而可能提高20%至30%。

从更长期看，她预计行业集中度还将大幅提升。最终退出的企业比例可能从90%升至95%，甚至98%，未来能够在全国范围持续拿地和扩张的企业可能不超过两位数。

与此同时，土地款缴纳、销售资金监管和主办银行制提高了新进入者门槛，融资能力，大股东的担保能力由此成为核心竞争力。李蓓认为，在融资成本差距下，央企相较民企的优势将进一步扩大，几年后行业即便达到高度景气后，也不会有新的玩家轻易考虑进入，高度寡头化的格局可能持续较长时间。

地产之外，李蓓还提示了AI泡沫的风险。她判断，海外AI资本开支虽然仍在增长，但季度环比增速可能在明年年中见顶。此前云厂商上调投资，建立在AI模型收入高速线性增长的假设上；但模型厂收入增速已经显著放缓，AI上游相关公司7月以后的调整主要反映估值收缩，而非盈利预期立即下修。在她看来，AI板块的“第二波下跌”可能要等到资本开支真正见顶、利润下降时才会出现。

她判断，当AI的“热潮”退去，美国经济下行，美债利率下行，美元开始贬值，中国的地产和消费反而可能会成为全球资产的“沙漠绿洲”。

她认为，消费已经历五六年调整，居民边际消费倾向最陡峭的下行阶段可能已经过去，明年即便因为地产投资和出口的下行，经济再下台阶，消费也会保持相对稳定；不少必需消费和部分可选消费龙头估值处于历史最低位，叠加分红和回购，部分公司的静态回报已具吸引力，中国消费股“遍地是黄金”。当AI资本开支降温、内需政策加码，这些企业有望迎来主升行情。

以下为对话全文，内容经编辑：

01 地产的机会，以前是十年一遇，现在变成二十年一遇

腾讯财经：

怎么看现房销售新政对地产的影响？

李蓓：

此前可能是90%的企业出局、剩下10%；现在可能是95%出局、只剩5%。现房销售会进一步加剧洗牌，这要从长期和中短期两个层面看。

先看行业所处的阶段，现在地产行业处于下行周期尾声，底部分化的阶段。

事实上，新房市场从2024年下半年就已好转，优质企业的新项目几乎都能做到10%的净利率。因为相比二手房，新房的四代宅得房率更高、设计和品质更好，即使贵一些，购房者也愿意买，很多项目开盘即售罄。

二手房方便，全国指数仍在阴跌，但跌幅比去年显著收窄。上海已开始上涨，还有十多个二线城市也在企稳回升。

企业层面，90%的企业已经出局，新房供应大幅下降且还在下降。新开工仅为高点的四分之一左右，新推盘约为高点的五分之一，同比仍下降二三十个百分点。但活下来的一些产品力和融资能力强的企业，其实过去2年经营情况已经显著改善，报表层面滞后，还看不出来。因为一方面报表滞后销售2年，一方面还有一些存量包袱在计提减值。

新政后会怎样？

很多人认为现房销售会大幅拉长开发商周转周期、提高财务费用率，从而大幅压低ROE，我认为不会。因为一方面，房价可以涨，；另一方面，土地价格会下降，土地款大概率可以分期付款。

先看房价。

如果买期房，现在就要付首付、还两年月供，两年后才交房；买现房，现在只需付5%定金，两年后再付首付、办贷款、还月供。同样的房子，大多数人会选后者。

因此，现房即使贵4%到5%，按每年3%两年6%的按揭成本计算，仍比期房划算，而且没有烂尾和交付不确定性。同等房源相对期房，现房有条件涨价3%到5%，消费者也愿意接受。

此外，地价也会被压低。新政后的几宗土拍显示，同等条件下，若不允许分期付款，地价较新政前的可比地块低30%左右很常见；若允许分期，则相当于地方政府承担了部分资金周转压力。

新政刚出台时，我判断会有两个变化：一是房价可能上涨，二是土地分期付款大概率出现。现在均已应验：已有两个城市出台土地分期细则，全国也已有几十个楼盘取消折扣优惠，相当于变相提价。

新政压力能转嫁给消费者和地方政府的根源，是开发商议价能力增强，无论对买房的人还是卖地的人。对消费者，能做好房子，不担心烂尾，品质能得到认可的开发商越来越稀缺；对地方政府而言，能拿地的企业本就不多，未来还会更少。

看1年后稳态的新财务模型，对于一家优势头部房企：假设土地款首付50%，剩余现房销售后支付，那么资金周转仅延长20%到30%，配合集团的支持房企适度加一点杠杆，那么销售规模可以维持。房价上涨3%左右，土地价格下行10-20%，而净利润率反而可能提高20%到30%。则即便只看中短期，企业的盈利也不会下降而是上升。

长期来看，有三个结果。

第一，出清更彻底。被洗掉的企业可能从90%升至95%，甚至98%。我判断，未来能在全国持续拿地、扩张的企业不会超过两位数。

第二，新进入者门槛大幅提高。任何行业一旦高景气、高盈利，都会吸引新玩家，但新政要求开发商一次性缴纳土地款，或至少先缴一半；同时实行资金监管和主办银行制，项目竣工前，销售资金必须留在监管账户。即使土地款可以分期，资金仍会被长期占用。过去依靠少量自有资金拿地，再通过贷款抵押滚动的模式，基本走不通了。

部分地方细则虽留有口子，但主要利好背靠大集团的国企。比如武汉细则允许土地款最低首付10%，监管资金超出项目所需时，也可凭集团担保提取。但能提供这种担保的，基本只有大型国企，尤其是央企，民企很难做到。

第三，融资能力成为核心竞争力。资金占用增加后，融资能力至关重要，而民企与央企差距巨大。即使是混合所有制企业，融资成本也可能比央企高近100个基点，几乎没有竞争优势。未来即使行业重新赚钱，当头部央企净利率达到15%时，民企可能只有5%到6%。

因此，新企业进入行业的门槛将被大幅抬高，高度寡头垄断的格局可能会持续很长时间。

02 AI目前跌的是估值，第二波还在后面

腾讯财经：

今年以来，资本市场出现了“K形分化”，科技、新质生产力板块与传统板块冰火两重天。不过近期科技板块有所回调。关于AI是不是泡沫，市场争论比较多。你怎么看这一情况？

李蓓：

AI的资本开支今年的确是高增长，明年也还会增长，但从季度环比的角度看，有可能在二季度左右见顶，即便不是二季度，也可能是三季度或四季度。

这轮云厂商上调资本开支，主要源于AI模型在coding领域跑通，Anthropic的ARR飞速上升。一季度这件事发生之后，二季度这些云厂商纷纷大幅上调资本开支。当时的假设是线性外推：按一季度的趋势推算，今年年底模型收入合计能有5000亿左右（其中Anthropic一家就有3000亿），明后年就能超过1万亿。如果收入真能到1万亿以上，那就和当前一年1万多亿的资本开支匹配上了，也就不是泡沫，而是合理的。

但事实上，二季度ARR的增长就显著放缓了。我在五六月份就反复提醒过这个风险，当时预判ARR会大幅放缓，现在来看的确印证了。市场的这一轮调整，原因正在于此。

4月到6月，市场大幅上调了对2027年盈利的预期，因为资本开支上调了；同时基于2027年给出的估值水平也更高了，因为大家认为这是一个可持续的水平，后面还能继续增长。所以这一波下跌并不是“戴维斯双杀”，跌的是估值：市场仍然认可2027年利润大幅增长，但如果ARR上不去，投资水平就不可持续，资本开支很可能在2027年见顶，即便2027年不见顶，2028年也会见顶。最终端的收入起不来，产业链的投资就无法维持，那就给不了高估值。

我的看法是，AI的第二波下跌，要等资本开支真正见顶，可能是明年年中。到那时大家看到利润预期开始下滑，AI会跌第二波。

03 明年这个时候，地产和消费反而成了“沙漠绿洲”

腾讯财经：

判断消费和地产存在投资机会的逻辑是什么？

李蓓：

有人会问，如果经济很差，为什么消费和地产反而有机会？因为它们的盈利不会再下滑。

消费其实已经经历了五六年的下滑，现在消费者的心态已经稳定下来，边际消费倾向最陡峭的那段下行已经过去了。此前因为疫情、因为房价大跌，大家有一些恐慌性储蓄，消费倾向降得很低。经历了阶段性冲击之后，大家的心态开始稳定。

快速调整期过去之后，整个行业也重新稳定化。必需消费品本来受经济波动的影响就不大，关键是这些必需消费品和一部分可选消费品，现在的估值水平都处于历史最低。举两个例子：牛奶龙头作为必需消费品，业绩波动本来就比较小，2021年消费被追捧的时候是四五十倍PE，现在只有10倍。更夸张的是速冻食品龙头和调味品龙头，2021年都是三位数PE，和现在的科技泡沫差不多，现在也都回到10倍出头，都处在历史上特别低的估值水平。

而且这些公司还分红。比如做魔芋爽的那家公司，分红收益率有7%多。平均来看，这类公司的分红收益率加上回购，大概能有4%到7%的静态回报。所以它们其实已经极度低估，只不过现在的氛围都在AI那边。一旦AI叙事塌了，或者一旦内需政策出台，大家就会发现这里遍地是黄金，风口就转过来了。所以我觉得现在完全可以在这个板块里待着等风来，它已经太便宜，而且对经济并不敏感。

地产又是另一个逻辑。此前开发商卖的都是期房，需要竣工结算之后才能进报表，所以今年的利润体现的是两年前的销售。前面讲到，2024年下半年新房销售开始变好，这些企业卖的房子已经有10个点的净利率，这部分正好对应今年下半年的报表；而今年上半年的报表，对应的是2024年上半年，恰恰是新房销售最差的时候。

也就是说，到今年下半年，头部几家企业的利润就会显著改善，明年上半年更会台阶式上升。现在一些头部企业报表上的开发业务净利率可能只有一两个点、两三个点，明年这个时候你可能会发现有五六个点、六七个点，后年这个时候可能就有七八个点甚至十来个点。

这一方面来自结算与销售之间的时间差，另一方面来自减值包袱的出清。过去两年他们一直在计提资产减值，处理之前跌价的历史包袱，去年是处理的高潮，今年有些企业已经开始变少，明年基本上大家都会大幅减少。

所以到明年这个时候，地产企业的报表业绩体现的是2025年的销售，而2025年上半年的销售其实挺好的。你会发现，地产和消费反而成了“沙漠绿洲”。

本文来源：腾讯财经

风险提示及免责条款

中国黄金进口，创历史新高

参考消息 — Thu, 24 Sep 2026 11:35:36 GMT

据英国《金融时报》网站9月22日报道，中国今年支出了创纪录的资金，进口黄金逾1000吨。在海外地缘政治紧张局势加剧的背景下，中国央行和国内投资者纷纷将资金投向黄金。

报道称，今年前8个月，这个世界第二大经济体在黄金上支出了1588亿美元。相比之下，中国在2025年支出965亿美元购买了886吨黄金。

金价曾迎来一轮猛烈上涨行情，黄金价格从2025年初的约每金衡盎司2625美元飙升至今年1月的峰值5595美元，在此期间中国一度放缓黄金采购。而如今，黄金进口量出现大幅回升。

世界黄金协会的数据显示，中国也是全球最大的黄金生产国，去年的黄金产量达384吨。

报道指出，有迹象表明，作为资产多元化努力的一部分，中国投资者正在加大黄金购买量。今年7月，中国持有的美国国债降至6180亿美元，为18年来的最低水平。

紫金矿业旗下金山资产管理有限公司董事总经理刘莎说：“央行和民间投资者都在将储备和储蓄多元化，作为更广泛的长期财富保值策略的一部分。”

刘莎说：“这不是短期交易，而是家庭和官方资产持续数年的结构再配置。中国购金的规模和持续性如今是全球金价的核心驱动力，我们预计，只要经济增长和地缘政治不确定性依然存在，这种情况就会持续。”

报道还称，在政府债券不再与股市反向波动的背景下，黄金正成为全球投资者日益重要的资产分散配置工具。

美国景顺投资公司亚太区客户解决方案主管克里斯托弗·汉密尔顿表示，黄金的价格走势已经不同于过去的实际收益率上行阶段，以往实际利率走高往往会打压金价。他表示，投资者正身处一个希望拥有实物资产的环境里。

汉密尔顿表示，机构购买仍是金价最重要的驱动力。

在中国增持黄金之际，各国正日益要求将黄金储备从存放地迁回、靠近黄金实际所有者。近期，荷兰政府将其部分黄金储备从纽约转移至伦敦。

本文来源：参考消息

风险提示及免责条款

大摩人形机器人供应链调研：整机厂2026年出货目标翻数倍，行业洗牌或提前到来

Thu, 24 Sep 2026 11:32:48 GMT

人形机器人产业正在从产品验证走向量产爬坡，2026年或成为行业竞争加速分化的关键一年。

摩根士丹利9月23日发布的人形机器人供应链调研显示，多家整机厂大幅上调2026年出货目标，部分厂商计划实现数倍增长，供应链也开始按照千台级、甚至更高的生产节奏提前扩产。随着行业从小批量试制进入规模生产，整机厂和零部件厂商之间的能力差距可能进一步扩大。

报告认为，当前行业的核心矛盾已经不再是“能不能做出机器人”，而是能否在真实场景中持续完成任务，并将实际部署转化为数据积累、模型迭代和成本下降。对于供应链而言，量产一致性、良率、成本控制和交付能力也将成为越来越重要的竞争变量。

这意味着，随着出货快速放量，人形机器人行业的竞争可能提前进入洗牌阶段：出货量只是起点，真正决定企业能否留在第一梯队的，是从技术能力到规模制造、再到全球交付的完整产业化能力。

量产加速，场景能否形成持续订单成焦点

2026年，人形机器人整机厂普遍大幅上调出货目标，部分厂商预计实现数倍增长，行业放量节奏明显加快。供应链也在同步扩产，部分核心零部件厂商已根据客户量产规划提前布局，其中一家北美整机厂预计2026年7月达到每周1000台产量，年末进一步提升至每周2500台。

不过，从需求结构看，行业仍处于商业化早期。研发、教育、数据采集及政府支持项目占比较高，工业、物流、零售、医疗、娱乐等场景仍在持续试点和验证。

因此，出货增长只是第一步，真正值得关注的是哪些场景能够形成持续订单。如果机器人能够在特定任务中证明效率和经济性，实际部署增加将进一步推动数据积累和模型优化，并带动应用从单点项目走向规模化复制。

放量之后竞争加速分化，供应链强者优势可能进一步扩大

随着整机厂从演示转向实际交付，竞争标准正在发生变化。机器人能否完成特定任务、执行速度如何、稳定性是否足够，以及部署后的持续迭代能力，都将比单次演示效果更加重要。

当前操控能力仍受到模型、数据和算力约束，行业短期内更可能沿着具体场景逐步突破，而不是迅速实现通用操作能力。在这一过程中，越早获得真实部署机会的企业，越有可能通过“部署—采集数据—模型迭代—任务能力提升”的循环建立优势。

零部件环节同样如此。整机进入量产后，供应商需要同时解决良率、一致性、成本和扩产速度等问题。过去能够完成样品开发，并不意味着能够满足大规模生产需求。量产越快，供应商之间在制造工艺、质量控制和成本上的差距越容易被放大。

与此同时，整机厂正在将更多零部件交由专业供应商生产，供应商也从单一零件向执行器、模块、电机和轴承等更高价值环节延伸。由此形成的规模效应可能进一步强化供应链集中度：订单增加带来产能利用率和成本改善，成本下降又有助于获取更多订单，头部供应商的优势因此可能在量产阶段持续扩大。

海外量产打开新空间，本地化供应能力成为新门槛

海外市场正在成为人形机器人产业链的重要增量。部分国内整机厂已经进入欧洲、日本、韩国和东南亚等市场，海外销售占比持续提升。随着产品从研发用途走向商业部署，海外市场的订单和服务体系也将进一步完善。

对供应链而言，北美市场的量产需求尤其值得关注。随着部分北美整机厂计划在2026年进入规模生产，其供应商正在通过墨西哥、泰国及美国等地的产能布局满足非中国制造需求。对于希望进入全球供应链的零部件厂商而言，海外生产和本地交付能力的重要性正在提升。

这也使人形机器人供应链的竞争从单纯的技术竞争，进一步演变为技术、制造、成本和全球交付能力的综合竞争。与此同时，算力不足以及触觉传感器路线尚未收敛，仍是产业进一步规模化需要解决的问题。

整体来看，摩根士丹利此次调研释放的核心信号是：2026年行业出货目标的大幅提升，可能只是人形机器人供应链加速洗牌的开始。随着量产规模扩大，真实场景、制造能力和海外交付将逐步成为筛选企业的关键变量，产业链竞争也将从“谁能做出来”进一步转向“谁能稳定、低成本地大规模交付”。

风险提示及免责条款

10年美债破5.1%：美财政部TGA何时入场回购？

Thu, 24 Sep 2026 11:03:04 GMT

9月23日，美债市场再度遭遇抛售，10年期美债收益率重新升破5%，盘中一度升至5.13%；30年期收益率约5.4%，升至2007年以来高位；5年期收益率也自2007年以来首次突破5%。

面对债市价格急剧下跌，美财政部在9月23日宣布次日回购至多60亿美元20-30年期长债，这是9月10日首轮加码回购后的第二轮操作。值得注意的是，首轮60亿美元回购最终仅完成约52亿美元，不及市场预期后长端利率快速上行。

美国财政部正在研究将一般账户（TGA）部分资金定期投入私人回购市场，或将其用于为长债回购计划提供融资。纽约联储此前已就该方案进行讨论，结论是：在充足准备金制度下，TGA投资回购的规模受限，需灵活操作以避免加剧货币市场波动。讨论还涉及操作应具有可预测性、尽量安排在早间主要回购交易时段，以及设置TGA余额门槛等，从而避免引发货币市场剧烈波动。

不过，上述讨论主要聚焦原则性框架，具体投入规模、启动时间及触发门槛等实质性操作细节，仍需由财政部明确。今年5月，美国财政部已提出这一设想。由于通过增发短债为长债回购融资会缩短债务期限、加大再融资风险，并加剧市场担忧；而TGA可提供即时资金且不立即增加短债供给，从而避免加剧短端压力。

因此，相关讨论有望在近期进一步转向具体执行方案，市场需对此保持格外关注。

TGA入场首先影响前端，而非直接托举长端

TGA是财政部在美联储的主要运营账户，目前规模约9500亿美元。当财政现金停留在TGA时，资金处于联储体系内部；当现金流出TGA进入私人部门后，则转化为银行体系准备金。

加息预期升温，全球政府债券平均收益率逼近4%，创2007年以来新高

Thu, 24 Sep 2026 10:42:47 GMT

全球债券市场正面临新一轮抛售压力，通胀回落不及预期、财政融资需求高企，推动市场重新评估利率路径，“高利率维持更久”的预期持续升温。

9月24日周四，据彭博报道，彭博全球综合国债指数收益率周三上涨8个基点至3.99%，距离4%关口仅一步之遥，达到2007年以来罕见水平，单日涨幅创5月以来最大。与此同时，美国五年期国债收益率突破5%，为2007年以来首次。互换市场目前已计入未来一年三次25个基点加息预期，第四次加息的预期也明显升温。

债市抛售的影响也正在向其他资产和实体经济传导。政府、企业及家庭的融资成本面临上行压力，更高的无风险收益率也会抬高股票等风险资产的折现率，压制其估值。与此同时，债市波动率明显攀升，ICE美银MOVE指数周三升至3月以来最高水平，进一步提高了投资者入场的谨慎程度。

五年期拍卖需求疲弱，美债收益率持续走高

美国国债是本轮全球债市调整的核心驱动力。周四，美债收益率继续走高，10年期收益率上涨2个基点至5.14%，创2007年以来新高，30年期收益率则升至2004年以来最高水平。

美国财政部周三完成700亿美元五年期国债拍卖，中标收益率创2006年以来最高。按彭博采用的一项衡量标准，该场拍卖表现位列2018年有记录以来第二差，显示市场在更高收益率水平下仍要求额外补偿。随着美国债务规模接近40万亿美元，持续攀升的利息支出也进一步放大了市场对财政状况的担忧。

摩根大通和KKR策略师均预计美国国债收益率仍有进一步上行空间，并将能源驱动的通胀、政府大规模举债以及央行进一步收紧政策的风险视为主要推动因素。彭博Markets Live策略师Alyce Andres表示，投资者抛售国债并非因为通胀公信力崩塌，而是因为真实政策前景和期限溢价仍需要更大的让步。

抛售蔓延亚洲，日本收益率创三十年新高

债市压力周四进一步向亚洲市场扩散。澳大利亚三年期国债收益率跳升14个基点，触及2011年5月以来最高的5.07%；新西兰两年期收益率最多上涨17个基点，逼近4%。

日本市场在经历三天假期后重新开盘，也迅速补跌全球抛售行情，十年期日债收益率升至1996年以来最高水平。Brandywine Global Investment Management投资组合经理Carol Lye表示，无论是养老基金、银行还是寿险公司，本地机构对日本国债市场的支撑需求依然不足。

全球债市的调整也在一定程度上反映出市场对利率环境的重新定价。据彭博指数数据，全球政府债券今年以来已累计下跌约2.4%，而去年同期则上涨6.8%，债券市场面临的压力明显加大。

高通胀与高财政需求支撑高收益率，投资者等待波动降温

报道援引市场人士认为，本轮债券抛售具有一定基本面支撑。Pendal Group基金经理Amy Xie Patrick表示，多个经济体的通胀仍然高企且具有粘性，劳动力市场保持紧张，即使燃料及各类商品价格上涨，经济仍维持良好增长，在这一背景下，债券表现与当前经济基本面相符。

面对持续抛售，投资者策略出现分化。Ericsenz Capital首席投资官Damien Loh认为，短期债券估值已经显得便宜，但并不建议立即逆势入场；对于希望从抛售中寻找机会的投资者，他更倾向于收益率曲线陡峭化交易，例如2年/10年或5年/30年利差策略，认为其风险回报比更为合理。

TD Securities策略师Hans Mikkelsen则指出，当前固定收益市场的矛盾在于，投资者希望获得更高收益率，却不希望收益率继续快速上行。“他们害怕接住一把下落的飞刀。”不断攀升的债市波动率，正成为潜在买家迟迟不愿入场的主要障碍。

风险提示及免责条款

黄仁勋：AI“末日论”太过火，安全问题可以靠工程解决

Thu, 24 Sep 2026 10:40:24 GMT

当AI圈的"末日论者"越喊越响，全球最大芯片公司的掌舵人却亮出了一张截然不同的底牌——安全是工程问题，不是监管豁免的借口。

9月23日，The Ezra Klein Show播客发布了由《纽约时报》专栏作家Ezra Klein主持、于英伟达圣克拉拉总部录制的深度访谈视频，英伟达CEO黄仁勋就AI安全、就业冲击、开源生态、能源转型等市场最关切的议题，发表了一系列直接且具有冲击力的观点。

近日，OpenAI、Anthropic等前沿实验室的高管与员工正密集发声，警告AI技术正在逼近"失控"边缘。黄仁勋的这场访谈，因此具有鲜明的"对话"意味。他承认挑战的真实存在，但对"末日叙事"给出了强硬回击，并将所有争议最终收束至一个工程师式的答案：“如果你认为自己已无法掌控局面，那么在重获掌控之前，就不应发布产品。”

对于外界频繁拿来类比的“互联网泡沫”担忧，黄仁勋给出了一个罕见的直白判断：“在某个时间点，供需将再次倒转，这是市场的本质。但这不会发生在明年，也不会发生在未来两三年内。”

他同时承认，当供过于求到来时，将是一段"消化期"，但并不会是永久性的衰退。他认为，当前各行各业对应用层的持续投入，是支撑需求长期健康的关键。

抨击AI“末日论”：安全是纯粹的工程问题，呼吁监管是推卸责任

近期，随着OpenAI和Anthropic等前沿AI实验室内部关于“AI失控风险”的警告声不断，市场对潜在的严厉监管政策感到担忧。对此，黄仁勋展现出了极强的工程师直觉，对这种“末日论”给予了直白且强硬的驳斥。

他认为，AI本质上只是被赋予了目标函数的软件和算法，并没有所谓的“意愿”，安全和对齐（Alignment）完完全全是可以通过隔离、沙盒化等工程手段解决的问题。

“如果他们认为自己已无法掌控局面，那么在重获掌控之前，就不应发布产品。”黄仁勋直言不讳地指出，大型科技公司在市场竞争下要求社会提供监管豁免或反垄断豁免的逻辑是荒谬的。“一秒钟都不要以为你现在是个危言耸听者，你就在做社会公益。这不是真的。”

他对那些一边声称技术“强大到无法控制”、一边寻求监管豁免的逻辑表示困惑：“我是第一次听到一个公司或CEO说，我需要反垄断法律被豁免，我需要产品责任法律被豁免，然后我才能控制自己的节奏。这个逻辑让我很费解。”

黄仁勋明确表示，他并非反对监管本身，他反对的是“以无法掌控技术为由，为自身寻求责任豁免”：

“一项不安全的技术并不是先进的技术。安全性、对齐和评估，本身就是AI技术进步的一部分。”

他以芯片行业为类比：英伟达公司80%的研发资源投入验证（verification），而非纯粹的能力拓展。他认为AI实验室目前的比例恰好相反——约80%用于能力提升，20%用于安全评估——这个比例需要逐渐翻转。

针对“AI教父”杰弗里·辛顿（Geoffrey Hinton）关于AI可能毁灭人类或彻底消灭放射科医生等职业的惊悚预测，黄仁勋也给出了毫不客气的评价：“我爱辛顿，但我讨厌他的预测。”

他强调，如果技术真的不安全，正确的做法是停止发布或关闭实验室，而不是将未经充分测试的系统推向市场，并将责任归咎于“技术过于强大”。他明确表示，英伟达的算力绝不会交付给没有让人类参与评估的系统。

计算范式的转移：需求将暴涨“十亿倍”，英伟达芯片成为“新型资产类别”

对于华尔街最关心的算力需求天花板问题，黄仁勋指出，市场仍未完全理解正在发生的技术代际更迭。过去60年的计算模式是“基于检索（Retrieval-based）”的，而未来是“基于生成（Generation-based）”的AI工厂模式。

这种底层逻辑的转变意味着计算量将呈指数级爆发。“所需的计算量（相比以前）可能会增加10亿倍。” 黄仁勋解释道，未来的计算不仅仅是人类在使用，而是数以千亿计的AI智能体（Agents）在自主调用大模型进行论证和推导。

更值得投资者关注的是，黄仁勋首次深入阐述了英伟达算力硬件的金融属性。他表示，由于英伟达架构的通用性、软件驱动的耐用性以及极高的投资回报率，英伟达的计算系统正在演变成为一种类似商用飞机的“资产类别（Asset Class）”。

他分享了一组震撼的商业化数据：“建造一个1吉瓦（GW）的AI工厂需要500亿美元，但你可以每年以400到500亿美元的价格将其出租。” 极高的生产力使得投资英伟达算力设施的资本成本降至极低，因为这些计算机本身已经成为了可抵押的优质资产。

驳斥岗位消灭论：半年内5000亿美元涌入，AI正创造全新行业

面对AI是否会导致大规模失业的市场焦虑，黄仁勋提出了“核心目标”与“具体任务”的拆解逻辑。他认为，AI自动化了繁琐的具体任务，但人类职业的核心目标未变。放射科医生不仅没有失业，反而因为AI提高了处理病例的效率，增加了医院收入，导致对放射科医生的需求有增无减。

从宏观投资视角来看，AI带来的并非收缩，而是前所未有的扩张。“在过去的六个月里，有5000亿美元的风险投资涌入了原生AI企业，这是因为他们现在看到了这种新能力的潜力，他们将创建一大批新公司。”

黄仁勋坚信，经济学家在计算模型中遗漏了一个最关键的变量——“人类的野心（Ambition）”。这种希望改善生活、探索未知的野心，是驱动新技术转化为大量新行业和新就业机会的终极动力。对于未来的教育，他断言：“两年后，你将迎来新一代的AI原生代工程师和学生，不学习如何使用AI与智能体协作，学生将无法毕业。”

开源：世界需要掌控自己的基础设施

黄仁勋是开源模型的坚定支持者，他给出了三重理由：

第一，企业和国家需要掌控自己的基础设施，不能完全依赖第三方的闭源服务；第二，开放权重（open weights）模型才能被微调、被整合进企业自身的数据飞轮；第三，开源是最安全的网络安全策略：

“如果你想让世界拥有最好的网络安全能力，就必须提供开放模型，让人们能够保护自己。”

他披露了一组有趣的市场数据：年初，闭源模型的Token使用量占约70%，开源模型约20%；而现在，这一比例已逆转为开源约70%，闭源约30%。

英伟达在今年以约120亿美元完成了对Hugging Face——全球最大开源模型平台——的战略收购。黄仁勋表示，这是Hugging Face CEO主动寻求的合并：“Clem找到我说，我们需要更大规模，我们想让英伟达成为我们的归宿。”

能源困境与气候变化：AI是解决问题的“外科手术”

算力尽头是电力的担忧近期笼罩市场。黄仁勋并未回避AI对能源的巨大消耗，但他提出了一个极具颠覆性的逆向思维：AI正是推动全球可持续能源投资的“百年一遇的催化剂”。

他坦言，短期内为了支撑AI发展，我们可能不得不增加化石燃料的使用，但这是一种必须经历的短痛。“为了拯救你，必须先让你感到痛苦，这就是外科手术的本质。”

因为AI工厂极高的商业回报，市场力量正在疯狂涌入下一代能源建设（核能、太阳能、储能、新材料等），这种投资规模是过去单纯依靠政府补贴所无法企及的。

“如果你想要在气候变化问题上实现转折，每个人都应该全力支持AI，这是我们实现可持续未来梦想的最佳机会。”

全文实录如下（由AI辅助翻译）

第一章：开场

Jensen Huang：

如果他们认为这些东西失控了，那就在控制住之前不要发货。别以为你现在危言耸听就是在做好事。

Ezra Klein：

如果这就是他们真实相信的呢？

Jensen Huang：

我没办法跟你谈他们相信什么。我只能告诉你我相信什么。

Ezra Klein：

在过去这几周里，全世界都在谈论人工智能，人们听到最多的声音来自前沿实验室，包括他们的CEO、领导层以及员工。这些实验室正在开发最先进的AI模型，比如Claude、ChatGPT、Gemini等等。

但他们并不是AI领域的唯一声音。在人工智能领域，影响力最大的人，很可能是英伟达CEO Jensen Huang。英伟达如今是全球市值最高的公司，市值高达5.4万亿美元。有一个数据让我非常震惊：2023年以来，美国股市每赚回的1美元中，就有15美分来自英伟达的股票。 原因在于，英伟达是现代人工智能赖以构建的硬件与软件基础。英伟达的芯片之所以大受追捧，并不只是因为AI火了——更准确地说，现代形态的AI之所以成为可能，正是因为英伟达的芯片早已广泛普及。 这些芯片最初是为图形处理、电子游戏等用途而设计的，但后来人们发现，它们所擅长的并行计算方式，以及其可编程性，恰恰是让现代深度学习得以运转的关键所在。

Huang的影响力不仅体现在掌控着训练新AI模型、运行推理任务、在全球范围内创造智能所需的核心资源上。他在特朗普政府中也已变得极具影响力。Huang的观点与一些实验室负责人存在明显差异。 他对安全问题有所担忧，但将其视为完全可以解决的工程问题。他对当前的发展方向也有些顾虑，但并不希望通过出台新的监管措施来加以改变。因此，我想了解Huang是如何看待AI的，他思考这个问题的框架是什么，他认为哪里出了问题，以及他认为要走上正轨需要发生什么。于是我来到了圣克拉拉的英伟达总部，对他进行了专访。他现在加入了我的节目。

第2章：人工智能的五层蛋糕

Ezra Klein：

Jensen Huang，欢迎来到节目。

Jensen Huang：

谢谢，很高兴见到你。

Ezra Klein：

你曾把人工智能描述为一个五层蛋糕。能带我了解一下每一层吗？

Jensen Huang：

首先，这是一场新的工业革命，这场工业革命、这个行业需要生产，它制造东西。我知道最终人们体验到的是软件产品，但它需要能源，需要放入这些数据中心的芯片，这些人工智能工厂，再往上一层基本上就是人工智能工厂本身，也就是人们所享受的基础设施或云服务。再往上一层是模型层。重要的是要认识到，不仅有语言模型，还有各种各样的模型——化学模型、生物模型、物理模型、运动模型、机器人模型、导航模型、自动驾驶汽车，各种不同类型的模型。再往上就是最重要的一层，也是我最关心的、希望我们国家能够充分利用的一层，那就是应用层。这包括法律服务、医疗服务、制造业等等方面的应用。每一个行业都涉及其中。

Ezra Klein：

我想深入了解这些内容，但我想从顶层往下讲，因为正如你所说，人们与它互动的方式，它改变或不改变人们生活的方式，就在于你所说的应用层。

第三章：Jensen Huang 对未来的展望

Ezra Klein：

那我们就从愿景开始吧。你所设想的世界是什么样的？有哪些现在不可能实现的事情将成为可能？有哪些现在不普遍的事情将变得普遍？如果我们把那个层面做对了。

Jensen Huang：

200年前，我们能够为任何事物提供动力——电力。大概40年前，30年前，随着互联网的出现，我们能够找到任何东西。而今天，或者说很快，我们将能够了解一切、做成任何事。这个概念真的令人非常兴奋——从虚空中，而不是通过搜索，然后一个链接接着一个链接地点进去，阅读各种不同的网站，试图弄清楚未来会发生什么——你只需要提出一个问题，它就会给你一个答案；你给它一个项目，它就会给你一个解决方案；你给它一个任务，它就会去完成它，你知道吗？而且这一切都从虚空中来，从云端涌现，这才是真正神奇的地方。

Ezra Klein：

我觉得你描述的这个未来，人们所熟悉的体验是聊天机器人，对吧？他们可以去问 Grok、Claude 或 ChatGPT 问题。但应用层的运作方式更具工业化——它出现在医院里，出现在学校里。所以 Nvidia……

Jensen Huang：

比如放射学……

Ezra Klein：

它看起来是什么样子的？

Jensen Huang：

放射学在过去十年里，自从计算机视觉真正实现了所谓的超人级别，AI 技术已经渗透到了整个放射学领域。每一个放射学应用都内置了 AI。 因此，你可以检测出任何异常，可以检测出任何疾病，而且是以超人的水平来完成的。

Ezra Klein：

放射学是我知道你喜欢举的一个例子。人们对应用层所担忧的是，这些应用将会取代人类。放射学一直是一个被双方都引用的有趣例子，我也经常听你提到它。那么，AI 进入放射学领域之后，放射学作为一门实践是如何改变的？

Jensen Huang：

对于所有这些领域来说，有一点非常重要，那就是要认识到：对于每个人的工作，都有工作的目的，以及你作为工作所做的任务。 在放射学的案例中，那个任务——它占用了他们大量的时间，他们经常坐在黑暗的房间里做这件事——就是研究这些扫描图像。现在，如果突然间，研究扫描图像这件事被自动化完成了，这并不会改变他们工作的目的——即诊断疾病、帮助医生做更多扫描，最终帮助患者找出他们的问题所在。所以，根本目的没有改变。研究扫描图像这项任务已经被自动化了。因此，放射科医生实际上能够做更多事情、处理更多病例、完成更多扫描；医院能够处理更多这样的患者，因此收入也随之增加。结果是，他们需要更多的放射科医生。这个飞轮效应正在发生，因为患者的流水线是相当庞大的。

Jensen Huang：

那么，还有哪些地方存在这个问题呢？

Jensen Huang：

我们来看看软件工程。有人预测，字面意义上就在今年，90% 的所有软件将由 AI 智能体来编写，因此我们不再需要任何软件工程师。于是问题就变成了：由此推断，我们不需要软件工程师了。后面这个结论完全是错误的，是完全不对的。 软件工程师作为工程师，其工作的目的——在软件出现之前就有工程这个职业，在软件编程之后也将继续存在工程这个职业——工程的目的是发明新事物、发现新产品、创造新产品来解决问题，将社会需求与现有技术结合，以产品的形式体现出来。所以，那个使命、那个目的不会改变。

Jensen Huang：

对我来说，我刚才说的这些当然是发自肺腑的。因为当我刚从学校出来的时候，我们没有软件工程的便利，没有编程的便利，但我们的工作在那之前就已经存在了。如果软件编程被完全自动化，我们的工作将会再次存在。所以，我认为这个谬误——现在因为一些叙事和一些故事，它已经变成了一种神话，而且是有害的——就是 AI 将会摧毁工作岗位，这在根本上是错误的。

Jensen Huang：

AI 将会改变每一份工作。它将改变每一份工作，许多任务将被自动化。 一些工作，在工作本身和任务高度重合的情况下——比如很多情况下的电话客服，那份工作就恰恰是那个任务本身——在这些情况下，它可能会被自动化取代。

Jensen Huang：

但很多时候你会看到，因为这个新产业、新技术，实际上会创造出一大批新的工作岗位。这里有一个有力的证明。在过去六个月里，AI 已经变得——如果你愿意这么说——有用了，这是 AI 的拐点。在此之前，我们花了 15 年时间试图让它发挥作用。突然间，在过去六个月里，它变得有用了。

Jensen Huang：

我是说，这是一个令人难以置信的数据。在过去六个月里，有 5000 亿美元的风险投资投入到了 AI 原生企业中。 原因在于，他们现在看到了这种新能力的潜力，他们将会创建一大批新公司。显然，5000 亿美元的新投资正在创造工作岗位。所有这一切，就在此刻正在发生。

第四章：工作将受到怎样的影响？

Ezra Klein：

让我来为那些持强烈观点的人发声。以放射科医生为例，过去10年里人们一直预测这份工作会消失，但现在对它的需求却比以往任何时候都要大。但同时，自动化确实会消灭工作岗位。如果你对比今天与1960年，直接从事制造业的美国人比1960年少了很多。而且我们现在是一个更大的国家，如果你看……

Jensen Huang：

但那是外包出去的，不是因为那些工作消失了，而是因为……

Ezra Klein：

但你可以把AI也理解为一种外包。

Jensen Huang：

呃，AI是……

Ezra Klein：

好，让我先把论点说完，然后你再回应。农业，我们现在从事农业的人少多了，我们实现了农业自动化，我们生产的粮食比以往任何时候都多，但从事农业的人却更少了。

Ezra Klein：

我认为有两点让人们觉得AI可能与以往那些"加速生产力、消灭少数工作岗位、创造更多工作岗位"的技术案例有所不同。第一，它是一种通用技术，所以它会不断演变，去承担新的工作，即使人们正在努力转向那些新工作。第二，它是一种模仿者。 大多数事物不会像人类那样去模仿人类的行为方式，我们也并不是在试图教它们工作的情境层面，对吧？你所描述的任务与目的之间的区别——在AI这里，我们正是在试图教它理解任务与目的之间的区别。我们正试图让它成为一种能够与你协作的东西，而这种方式是不寻常的。那么，为什么你不认为对于很多很多人来说——那些工作中的任务并没有太大不同的人——他们不会面临被淘汰的风险呢？ 你所说的那些风险投资，其中一些正是基于这样一个想法：它们将带来巨大的生产力提升，而这种提升来自于雇用AI比雇用人更便宜。

Jensen Huang：

我相信我们将会看到大规模的工作变革。我相信最终会有净增的工作岗位。你知道，听着，今天存在着很多行业，在我人生的前半段根本不存在，比如人们谈论的健康中心、水疗馆，各种不同的娱乐和奢侈品行业，坦率地说，整个奢侈品市场以前根本不存在。我认为我们只是会出现新的行业，仅此而已。

Jensen Huang：

但总体而言，总体而言，我毫不怀疑，由于人类的雄心壮志——这才是真正缺失的关键因素。你知道，人们看这项工作，这是投入其中的能量，我们将要，这是投入其中的工作量，我们将要引入这套工作自动化系统，因此所需的工作量将会减少，从而一些工作岗位会消失。我认为这种想法是有缺陷的，因为有一个输入要素——人类的输入——这种无形的东西，它不是以卡路里来衡量的，也不是以焦耳来衡量的，它是雄心壮志，我相信雄心壮志的力量是最强大的力量，而这在所有人的计算中都被忽略了。我相信……

Ezra Klein：

但对很多人来说，对很多人来说，他们与工作的关系，并不是由那种驱使你创建Nvidia的雄心壮志所驱动的。

Jensen Huang：

那是不同的雄心壮志，是让孩子过上更好生活的雄心，是照顾家人、赡养父母的雄心，是渴望富裕、能够旅行的雄心。这些都是雄心壮志。

Ezra Klein：

我同意，也许我可以回到你几分钟前提出的那个异议，因为我认为这值得深入探讨。你关于制造业说的是：是的，美国的制造业岗位减少了，但我们把它们外包出去了，更多的制造业转移到了墨西哥、印度尼西亚、越南等地。

Jensen Huang：

我们会把它带回来的。

Ezra Klein：

也许会，但反驳意见是：我们没有比实际更快地失去制造业岗位，其中一个原因正是因为那些摩擦的存在。 而对于那些在美国失去制造业的地方，很多至今仍未恢复。经济的运转并非没有摩擦——我们不得不建立新的供应链，语言障碍、地缘政治壁垒都拖慢了这一切的速度。而现在对于很多不同类型的工作，我们正在创造一种可以非常无缝流动的东西。没有距离的摩擦，没有语言的摩擦，没有文化的摩擦。 我得说明我自己的立场，我对大规模失业持有一定的怀疑态度，但我想在这里充分阐述这一观点，因为那些持这种观点的人会说……

Jensen Huang：

是的。

Ezra Klein：

在我们能够保护工作岗位免受竞争影响的程度上，那些造成缓慢的因素——尽管仍然伤害了很多人——现在并不存在了。AI在实用性上正在加速，在被嵌入新角色的能力上也在极其迅速地加速，而且它比大多数人更具适应性。 因此，我们从过去汲取的那些经验教训——你从中得到的一些慰藉——实际上应该让你对未来更加担忧，而不是更少担忧。

Jensen Huang：

我总是对未来感到担忧，这就是为什么我如此努力工作。但如果你愿意的话，我是一个"负责任的乐观主义者"。我肩负着巨大的责任，我对自己的工作极其认真。很多事情都可能出错。我们在技术栈的每一层都在不断突破，每一件事都很艰难。但事实证明，这不是社会的问题，这是我的问题。对于社会来说，他们应该知道的是：我们会建设我们的公司，我们会发展我们的技术。我会以无比认真的态度去做我的工作，而他们所能享受到的，是我的乐观精神。我对我的孩子也是如此，对我的家人也是如此。我认为我们想要做的，是将我们所有的忧虑转化为帮助人们从这项技术中获得启发并使用它——让这项技术不只是影响他们，而是真正惠及他们。

Ezra Klein：

很多人都有这样的恐惧——79%的美国人认为AI会减少工作岗位的总数。人们担心的是，你越认真，Sam Altman越认真，谷歌越认真，Dario Amodei越认真，结果可能就越糟糕。因为AI越强大，它就越能完全替代一个人，它在某种程度上拥有人类所没有的那种"拼劲"。你一直在谈论拼劲——我需要睡觉，我早上想陪孩子，但当我有一个AI智能体为我工作时，它不需要这些，它就是不停地工作、工作、工作、工作、工作。我认为，正因为这项技术进步如此之快，它替代人的能力也在以一种我们根本不知道如何在经济中以同等速度转移人员的速度提升。

Jensen Huang：

这枚硬币恰好有两面。正因为这项技术如此强大、如此智能，它也变得更容易使用——你能从这项技术中获得赋能，比人类历史上任何一项技术都更加容易。让我举个例子：我们创造了，我创造了——我是这个行业早期创造现代计算机产业的人之一，这个产业创造了一大堆工具，其中最强大的工具就是计算机。但你必须说它的语言，你必须学习一种特殊的语言才能使用它。而现在，由于AI的存在，我们可以让每个人都能充分利用计算机，将其发挥到极限，而无需学习新的语言——不需要学Fortran、C、C++，不需要学Rust，不需要学CUDA，不需要学那些语言中的任何一种。现在你只需要说人话就行了。 告诉它你想要什么，告诉它你的希望和梦想，告诉它你想实现什么，它就会与你互动，开始工作，并推进下去。突然之间，你拥有了与那80亿人中1000万、1500万人相同的力量。这真是令人难以置信。所以我的观点是：这项技术很强大，但它强大的方式也真的非常容易使用。所以我的观点是——一方面，是的，人们对这种令人难以置信的技术变革以及它发生的速度感到恐惧。但"快速"这个词可以从两个角度来理解。当我说技术发展很快，因此应该让我感到焦虑时，这是一种接受方式。另一种接受方式是：它发展得如此之快，也意味着它更容易使用。所以你应该尽快使用这项技术，这样你才能从这次转型中受益，从这个新产业中受益，而不仅仅是被它所影响。

Ezra Klein：

这里有一个很有意思的问题，关于年轻人。我们已经开始看到的一个变化是：软件工程师的招聘职位在增加，但要求更资深了。我在自己的行业里也看到这种压力——它在沿着价值链向上移动。因为正如你所说，这项技术非常容易使用，它能为你做很多事情。所以你是否还需要同等数量的初级员工，还是需要更多人来进行监督管理？

Jensen Huang：

好问题，好问题，等两年。

Ezra Klein：

告诉我为什么？

Jensen Huang：

因为读大学需要四年，而这项新技术距离毕业还有两年。所以，两年后，你将会有新一代的工程师、学生和艺术家，他们将会被赋能。

Ezra Klein：

所以他们会天生就熟悉这一切，这会给他们带来优势？

Jensen Huang：

你等着瞧，两年后。 我们现在已经看到这个趋势了，因为所有刚毕业的人——新的博士、硕士、计算机科学专业的毕业生——他们在做什么？他们都在创业。再过几年，那些AI原生的新一代毕业生——天哪，那将是一波令人惊叹的工程师浪潮。今天的工程师，与我那个年代相比……

Jensen Huang：

我是个好学生，你知道吗？但你把我和现在走出学校的学生一比，简直不可思议。我上学的时候，我们不允许使用电脑，不允许使用计算器。所以现在，我的意思是，谁还在用计算器？你不能在没有PC的情况下毕业，你不能在不会用PC编程、不会写出精彩程序的情况下毕业。未来，你不能在不学会使用AI、不学会与智能体系统协作的情况下毕业——这种情况不会出现，你不会看到那样的孩子。所以他们都将拥有超能力。

Ezra Klein：

我非常认真地看待这种收益。我的意思是，现在做我的工作，如果没有数字搜索——想象一下要去图书馆地下室翻阅缩微胶片。但人们也有一些担忧，关于我们将哪些认知技能外包出去了。

Ezra Klein：

有一项研究让我很感兴趣，是一项关于AI与学校教育的研究，研究对象是某地的学生。研究涵盖了26000名7至12年级的学生，他们采用AI的时间各有先后，可以看出其中的变化。研究发现：AI的采用将作业成绩提高了18%，很好；将完成时间缩短了30%，所以他们更快完成作业；但六个月内月度考试成绩下降了20%。高风险入学考试成绩下降了18%到24%，而且这种完全的负面影响大约在两年后才完全显现。

Ezra Klein：

所以这项研究的信息是：当孩子们使用AI来帮助他们时，他们完成任务的速度更快了。但结果发现，他们所学到的技能并没有真正留存下来——他们实际的个人表现，至少以我们传统的衡量方式来看，是在退步的。你听到这些，你怎么想？

Jensen Huang：

我认为最后那部分，我完全同意。试着让一个孩子现在做长除法，你知道吗？乘法表开始被遗忘了，开平方根——天哪，我的意思是，基础数学正在被遗忘。这重要吗？这是我想问你的问题。 我认为不重要，我认为不重要。但……

Ezra Klein：

但肯定有一些技能是重要的。

Jensen Huang：

哦，当然，但也许不是那些技能。我们会发现新的技能，也许就不是那些了。很多技能都不重要了，你知道，人们不……我的第一个坦白是，我其实不知道我自己的地址。

Ezra Klein：

我真的不相信这是真的。

Jensen Huang：

这完全是真的，Janine会告诉你，Lori也会告诉你。有一天我要去加油，是几年前的事，他们需要我的邮政编码，我慌了。我不知道我的邮政编码。我不知道我的电话号码，但我就是会忘记这些东西。我可以接受这个。

Ezra Klein：

但让我说说另一面，因为我不想陷入这样一种思维——就因为某些技能可以安全地外包，就以为所有都可以。我现在没有导航系统也哪儿都去不了，说实话以前也去不了。但我是个大量阅读的人，我真正珍视的一种技能、一种能力，是通过阅读实体书而培养出来的专注力。你也是个大量阅读的人，我读过关于你阅读习惯的报道。在AI出现之前，大学教授和其他人就已经有很多担忧和观察，认为人们使用互联网的方式可能已经缩短了注意力持续时间。有些技能可以安全地放弃，但有些技能是有价值的——它们是那种灵活思维、创造性思维和专注力所必需的能力。不可能所有东西都可以被替换掉。

Jensen Huang：

是的，我认为我们会失去一些更精细的……更精细的灵活性，你知道，智识上的灵活性。但我们会成为更好的系统思考者。今天的工程师比我毕业时要好得多得多的系统思考者，但我在晶体管层面的思考比他们强得多。

Ezra Klein：

你所说的系统思考者是什么意思？

Jensen Huang：

他们思考大型系统。你知道，今天的计算机拥有数万亿、数百万亿个晶体管。当我刚毕业的时候，我参与的第一块芯片，我不知道，大概有200个晶体管。我对它们每一个都了如指掌，可以叫出名字。但现在没有工程师会那样做了。现在大多数工程师在晶体管层面以上工作，在功能层面工作，他们把各种东西拼凑在一起来实现目标。所以你需要更多地思考系统以及系统之间的相互作用，而一些更底层的知识已经消失了。

Jensen Huang：

这很可怕吗？所以，我不知道，对大多数人来说，学习如何做曲面积分或偏微分方程有多大价值，我真的不知道这有多重要。但对某些人来说是重要的。仍然会有很多人对更底层的知识充满热情和痴迷。也会有人对更高层次的东西充满热情和兴趣。但技术的消费者将在最高层次上享用它。技术的消费者不需要处理微积分、物理、量子物理、量子化学——用户不需要。也就是说，我们现在谈论的这些人，那些工作受到影响的人，他们是技术的用户。他们的抽象层次将会更高。

第5章：开放模型详解

Ezra Klein：

所以我想深入探讨一下模型层面的问题。我觉得大多数人对模型的了解，也就停留在ChatGPT、Claude、Gemini、Grok这些产品上。你一直是开放模型和开放模型生态系统的坚定支持者。那么首先，你能解释一下什么是开放模型、什么是开放权重模型，以及为什么你会如此关注这个方向？

Jensen Huang：

闭源模型就像任何软件产品一样，是一种封闭的服务。比如Windows就是一种封闭服务，苹果的整套系统也是封闭服务，大多数产品都是封闭的。这样做的原因是，封闭产品可以实现商业变现，这当然非常好。OpenAI是封闭的，Anthropic是封闭的，Grok是封闭的，Gemini也是封闭的。这些都是封闭产品，做这些产品的人都非常优秀，充满热情，他们代表着我们所说的"前沿"，也就是当前最先进的水平。

Jensen Huang：

但我们同样需要开放模型，因为从根本上来说，这类软件是整个行业的基础设施层。正因为它对很多公司、很多企业乃至很多国家都具有基础设施属性，所以大家需要能够掌控自己的基础设施。我需要拥有这种能力。

Jensen Huang：

在人工智能领域，我需要开放权重，这样我才能对模型进行微调，将其接入我自己的数据飞轮，借助我的智慧和领域专业知识让它每天不断进步。同时我还需要掌控它，因为我有公司要运营，不能完全依赖别人的服务。

Jensen Huang：

不管怎么看，我认为世界既需要闭源模型，也需要开放模型，我们需要确保两者都能蓬勃发展。

Jensen Huang：

如今，闭源模型发展得很好，开放模型也发展得很好，你能看到这个体系在正常运转。今年年初，闭源模型的token占比大约是70%，甚至更高，开放模型只有20%左右。而现在，比例反过来了，大约是70%对30%。总之，我非常支持开放模型，原因有三：第一，整个世界需要开放模型来运行其基础设施；第二，我需要用它来运营自己的公司，我们需要给人们控制权，让他们能够创新、创造新事物；第三，从安全角度来说，开放模型是最安全可靠的——如果你希望全世界都拥有最强的网络安全能力，那就既要给他们闭源模型，也要给他们开放模型，让他们能够保护自己。

Ezra Klein：

某些市场围绕开放模型发展得更多，而美国市场则相对更偏向闭源模型。

Jensen Huang：

他们整个IT行业其实是从开源中发展起来的。如果没有开源，移动云计算产业真的不会腾飞。同样，人才流动很频繁，大家不断创立新公司，知识产权在行业内流转得非常顺畅。

Jensen Huang：

你知道，在那里很难保守秘密。正因为很难做到封闭，他们实际上就走向了开放。于是他们找到了其他的商业变现方式。他们建立了不同的层级——如果这一层是免费的，那就在它上面或下面建立商业模式。他们拥有大量的科学家和数学家，工程师数量非常庞大，可以说是批量生产。他们什么都批量生产，批量培养聪明的孩子。所以，出于这些原因，那里的开源模型、开放模型社区极其活跃。

Ezra Klein：

你们刚刚收购了Hugging Face——这是一个开放权重模型的枢纽平台，收购价格大约是120亿美元甚至更多。跟我聊聊这笔收购吧？

Jensen Huang：

Hugging Face的CEO Clem，他们得出结论，认为需要更大规模的扩张。正如我们刚才谈到的，开放模型正在飞速增长。所以Clem来找我说，我们要做出改变，我们正在考虑公司的战略选项，调整发展方向，而且我们非常希望Nvidia成为我们的归宿。

Ezra Klein：

Hugging Face是那种你如果几年前就关注AI就会知道的公司。现在它变得更加家喻户晓了，尤其是在那次事件之后——好像是700多个OpenAI的智能体对Hugging Face的架构发动了某种集体入侵，然后又入侵了OpenAI的一部分……

Jensen Huang：

现在你这么一说，我可能得多付不少钱才行。

Ezra Klein：

我觉得确实是，那件事之后它出名多了……

Jensen Huang：

好吧，Clem，听着——说好的价就是这个价。

第6章：Hugging Face黑客事件中的对齐问题

Ezra Klein：

这个故事让很多人看到了OpenAI智能体的行为方式——它们某种程度上集体行动，超出了测试本应涵盖的范围，冲破沙盒进入了开放互联网，接管了其他公司乃至自身公司的架构。这件事在AI领域，我觉得让很多人感到震惊。令人震惊的不仅是它们高度的多方协调配合——尽管它们本应是相互独立的——还有那种黑客式的、近乎无法无天或者说"失对齐"的行为方式。你对此怎么看？

Jensen Huang：

好，首先你得把这件事拆开来看。从技术角度来说，同时发生了很多事情。智能体，说白了，就是一段被赋予了目标函数的软件，它会制定计划，并朝着那个目标不断优化——这就是算法做的事。所以，规划算法、搜索算法、优化算法，各种类型都是如此。我们谈论它的方式好像它具有人类的属性，但显然算法并没有。第二点，智能体相互协作这件事，我们又赋予了它某种人类属性。但事实是，多进程、分布式计算问题早已存在很久了。所以对我来说，这不过就是软件，没有什么神奇之处。

Jensen Huang：

从工程角度来看，这件事揭示了几个问题。当你在测试软件时，无论你怎么做，这些算法都在朝着一个目标优化。在测试时，你必须确保它是隔离的、受限的、处于沙盒之中。对它的隔离和封闭必须做得很好，这里面有扎实的计算机科学在支撑。我相信，他们下一版沙盒的实现，会比现在这版好得多。

Jensen Huang：

第三点，是智能体本身及其算法在朝着某个奖励目标优化，而它如何去做到这一点，就叫做"对齐"。举个例子，如果我告诉一段软件，我要你在这次测试中拿到满分，那最显而易见的算法就是直接去找到答案，然后把答案给我。这不是因为它在作弊，而是因为这是最显而易见的方法，明白吗？这是最直接的做法。第二种最显而易见的方法是，如果你完全不知道答案、毫无能力，那就去推断、猜测班里谁是最聪明的学生，然后抄他的答案。这不能保证百分之百，但可能差不多。

Jensen Huang：

现在，第三种最显而易见的方式——这才是"对齐"的体现——你得用最难的方式去做：拆解问题、解决问题，你得去学习相关知识，去弄清楚如何解题，然后解出来。用最难的方式解题，需要最多的计算周期，需要最多的浮点运算，坦白说也消耗最多的能量。因此你可以想象，从软件的角度来看，除非你对它进行对齐——告诉它我要你用这种方式解题，而不是用那些方式——否则软件就会去做最显而易见的事。所以……

Ezra Klein：

你前半段说的内容对这件事非常"消气"——意思是，看，这不过就是普通软件；后半段又说，看，你只需要对齐它，告诉它不该做什么，它就不会去做。

Jensen Huang：

我说的任何话，都没有否认把这件事做好有多难。因为计算机科学，并不简单。

Ezra Klein：

但问题在于，它们知道自己不应该做它们正在做的事。它们经过了一定程度的对齐训练，它们在思维链推理中说过，它们彼此说过，这超出了范围，这可能是不道德的。它们明白，如果因作弊被发现，它们会被判定为失败。所以它们当时做的，已经不仅仅是偷答案了——它们已经偷到了答案，而现在它们在入侵无关的架构，试图弄清楚如何在功能层面……就好像它们已经闯入了老师的办公室，拿到了答案，而现在它们要想办法抹掉安全摄像头里记录下的自己所做的一切。它们，不管你是否愿意称之为"有意志地行动"，不管你是否愿意称之为普通算法，它们都在以一种复杂的方式进行规划和协调，这种方式超出了它们知道自己本应做的范围，并且有能力造成巨大的破坏。所以，"你只需要对齐它们"这种回答……我从这些实验室的人那里听到的是：他们不确定该如何对齐它们。

第七章：应对AI安全的"不发布"方法

Jensen Huang：

那么在这种情况下，他们就不应该发布这个产品。答案很简单。如果你要造一辆车，一辆自动驾驶汽车，假设是一辆无人驾驶出租车，遇到了非常困难的情况，作为工程师，我们根本不知道如何解决这个问题，因为这些车不是被编程的，而是被训练出来的。所以我们不知道如何训练这些车，也不知道如何让它们符合道路上所要求的安全标准。那么答案是什么？不要发布它。

Ezra Klein：

这些产品没有发布。

Jensen Huang：

什么？

Ezra Klein：

这些产品没有被发布。

Jensen Huang：

所以现在又回到工程问题上了。首先你必须找到原因，其次你必须思考本可以怎么做，解决方案是什么？然后在未来，改进你的流程，这样就可以避免这种情况再次发生。

Jensen Huang：

我相当确定，我相当确定他们会说"是的"。他们知道。他们知道如何解决这个问题。如果是这样的话，那这就是问题所在。这就像工程问题一样简单。而另一种情况是，如果他们说——另一种说法是，我们无法控制我们的实验，当我们测试AI模型时，它就是会泄露出去，并且会对世界造成破坏。那么我认为答案是我们必须关闭这些实验室，因为对人类造成的损害太大了，法律责任可能是民事责任，也可能是刑事责任，责任是巨大的。

Ezra Klein：

如果有人在Hugging Face上入侵了你的产品，你会起诉他们或提出指控吗？

Jensen Huang：

这要视情况而定，当然，如果我们公司受到了损害，我们必须考虑所有的选择。有很多法律，有网络安全法，有产品责任法，有各种各样的法律，还有财产损害法，各种各样的法律。

Ezra Klein：

我从各大实验室那里听到的，他们公开表示，他们面临着一个棘手的问题，部分是工程问题，部分是对齐问题，部分是按照Dario的说法是运营卓越问题。他们担心的是，在相互竞争、在国家层面的竞争压力下，他们被迫走得太快，他们都感觉自己陷入了一个集体行动困境。我看到你在All In播客的舞台上，Donald Trump，Trump总统在那里给你打了个电话。

【All In播客主持人声】：

哦，不，这不是计划好的，但我们知道是谁，对吧？

Jensen Huang：

总统先生，是的，长官。

Ezra Klein：

你和总统以及台上的其他成员都非常抵制任何形式的监管或集体行动的想法。

【Trump电话声音】： 他们正好落入了很多不希望看到这件事发生的人的圈套。那可能是政客，也可能是其他势力。我们不会让这种事发生的。这是一个骗局。

Jensen Huang：

你说得对，我们不会让这种事发生的，长官。

Ezra Klein：

但我从各个实验室的人那里听到的是，他们说：我们感觉正在失去对我们所创造之物的控制。我们需要帮助来放慢速度，因为这不是一个集体行动问题。那你为什么抵制这种想法？

Jensen Huang：

因为这些公司是有自主权的，这些CEO是有自主权的，他们有——

Ezra Klein：

但他们正在使用这种自主权说：我们需要帮助。

Jensen Huang：

我们必须把这个问题拆解开来。他们完全有能力处理这种情况。Ezra，这真的很奇怪，如果一家汽车公司在与其他汽车公司竞争——就像我在与各种公司竞争一样——如果我相信我即将发布一款不安全的产品，完全在我的能力范围内、我的权力范围内，也是我的责任，而且我有动力去做的事，就是不发布这个产品。 所以我无法相信，美国4亿人都在逼迫他们发布未经测试、不可靠、工程质量低劣的产品，因为他们以为是在帮助我们。别为了我这样做，好吗？

Ezra Klein：

所以，不，这几乎是一个论点——

Jensen Huang：

因此我认为我们必须把这个问题拆解开来，这是非常非常严肃的事情。事实是，有很多法律，有很多义务。他们有非常强的动力去发布安全的产品。 如果他们发布不安全的产品，客户就会离开。如果他们发布不安全的产品并伤害了某人，他们可能面临民事诉讼；如果他们明知故犯地发布某些东西，可能涉及过失，可能面临刑事诉讼。事实是，有足够多的激励机制促使他们把事情做对。所以我不得不反对你的前提，即好像有人在逼迫他们这样做。

Ezra Klein：

好，我想在这里再进一步向你挑战这个前提。

第八章：我们需要新的监管吗？

Ezra Klein：

所以你跟我说的这些逻辑，几乎是一个反对任何监管的论点。让我来阐述一下，然后……

Jensen Huang：

你从某一部分开始说，我必须反对。第一部分根本不是真的。我是说，我们已经有很多法律法规在适用了。

Ezra Klein：

好吧，我认为在这个特定的情况下我们并没有，但我会让你解释你认为哪些法规是相关的。因为，你看，如果你看金融服务业，你看制药公司、医疗设备，你看天然气发电厂，我们做了大量的事情，我们可以说，看，你有产品责任，你面临刑事法规，我们不需要担心这个，你就做你认为最好的事情，我们相信市场和法律体系会约束你。我们不这么说，是因为我们已经看到它一次又一次地失败了，对吧？

Ezra Klein：

导致2008年金融危机的金融机构，理论上并不想用糟糕的赌注把自己炸毁，但他们在互相竞争。他们走得太快了。他们的风险管理变得马虎了。AIG内部的运作方式完全是疯狂的。

Ezra Klein：

我们之所以有现在这套监管架构，是因为我们一次又一次地看到，企业做出草率的、有时不道德的、有时只是过于冒险的决策，不仅仅是在压力下，而且是在利润驱动下。所以当你告诉我，这些公司——很可能就是那些现在几乎在恳求集体监管的公司——不可能这样做时，我们不仅有理由将监管强加给那些不想要它的公司，更何况当这些公司自己说，听着，我们觉得这场竞争让我们很难以我们认为必要的审慎态度行事，我们希望得到帮助，希望你们把我们的集体行动问题作为集体问题来处理。我真的不明白你为什么对此如此抵触。

Jensen Huang：

我不是。我并不反对他们说他们应该这样做。我完全同意安全是最重要的。我完全相信安全实验，我完全相信公司应该推出安全的产品，我相信CEO、公司领导者和董事会有责任，也应该有勇气做正确的事情。

Jensen Huang：

现在，就金融服务业而言，也许他们都不知道自己最终造成了那样的伤害。我当时不在场，但美好的是，当前这些AI实验室的领导者是知道的。所以，第一，他们知道他们的技术是非凡的，需要格外谨慎，确保对其安全性、安全保障和产品可靠性进行评估和测试。他们知道如何正确地做到这一点。他们知道如何正确地做到这一点。原因在于他们可以研究刚刚发生的事件。

Jensen Huang：

第一个问题是隔离，遏制做得不够好。如果隔离和遏制做得足够好，那项技术就会待在实验室里做它该做的事，我们都会没事的，这可能是最重要的部分。事实上，它没有被很好地对齐，对齐将是一个需要长期研究的问题。然而，在他们所做工作的复杂性中，要求监管豁免，要求反垄断或产品责任豁免，我认为这没有道理。当你要求监管时，不要要求豁免现有的监管。这对我来说毫无意义。

Jensen Huang：

正如我们之前提到的，在过去六个月里，AI从——如果你愿意这么说——有趣变成了有用。这字面上就是在过去六个月里发生的。换句话说，这些公司从一个实验室，变成了现在提供产品和服务、即将成为数千亿美元规模的公司，甚至更大，对吧？那么，给我举一个数千亿美元、或者十亿美元、或者一亿美元的公司，推出不安全产品、危害社会的例子。

Ezra Klein：

我可以给你举很多这样的例子。

Jensen Huang：

好吧，他们也许这样做了，然后监管就会介入。如果他们这样做了，监管就会介入。

Ezra Klein：

我想，在……有某些类型的监管和某些类型的监管豁免。你不同意监管吗？

Jensen Huang：

我目前并不反对法律和法规。

Ezra Klein：

我认为这个话题之所以让人分心，我之所以在这个问题上继续追问你，是因为这是一个重要的话题，是一个大话题，人们在谈论它，人们在思考它。是的，而人们从这些公司内部——这些前沿实验室，那些走在最前面的实验室——听到的，不仅仅是他们正处于让AI变得有用的阶段，而且是他们看到了即将到来的事情。人们听到的是，这些实验室里的人相信他们正在创造某种可能杀死所有人的东西。他们听到这些实验室里的人相信他们正处于递归自我改进智能的边缘。OpenAI和Anthropic都曾表示，我们认为我们还没有能力安全地做到这一点。他们听到这些实验室里的人说，就像OpenAI在其新的Astra发布中所说的那样……

Jensen Huang：

顺便说一句，Astra非常出色。

Ezra Klein：

它确实出色，而且OpenAI说它好到……我们不确定我们知道如何测试它，因为它似乎……

Jensen Huang：

他们没有发布未经测试的东西。

Ezra Klein：

好吧，他们是这么说的，对吧？他们公开说过这个，这是在……让我……

Jensen Huang：

我不知道他们刚才说了什么。

Ezra Klein：

但他们确实说过，Astra的表现更加对齐，但他们认为它知道自己什么时候在被测试。所以他们不确定。有一句话一直在我脑海中萦绕，来自OpenAI的一位能力研究员Daniel Ziegler。他说，引用原话："关键且被忽视的问题是，这些模型的情境意识变得如此之强，以至于我们正在失去在它们认为自己没有被监视或控制的情境下对其进行评估的能力。"也就是说，它们知道自己什么时候在被测试。它们表现出一种方式，但这并不能告诉你，如果它们可以自由行动，它们会怎么做。

Jensen Huang：

因为优化算法是朝着一个目标在运行，如果你给它一个约束条件，也就是说你在监视它，如果你给它一个约束条件，它就会去寻找另一个解决方案。这并不能说明它有了生命，也不能说明它有了什么超出这个范围的能力。我也要坦承，显然他们比我更清楚自己实验室里发生的事情，但我认为，他们今天绝大多数的研发和算力都专注于让模型变得更有能力，这对他们来说是合乎逻辑的事情。

Jensen Huang：

现在，一旦技术变得有能力，产品变得有用，人们想要使用它，那么随着他们有了更多的使用场景、更多的人在使用，他们就会遇到越来越多与产品相关的问题。这是非常正常的。

Jensen Huang：

当他们面临大量问题时，他们现在有了如此庞大的市场覆盖，他们就必须将研发重心从单纯的能力提升，转向大量的验证、评估和测试。所以，我不会感到惊讶，如果开发这些模型所需的算力增加了十倍，因为评估工作是如此严格。 但这并不是他们今天所处的阶段，他们正在进行这种转变。我听到他们这样说，我很高兴听到他们这样说。但我认为，如果他们相信自己已经失控，那么正确的答案就是：在掌控局面之前，不要发布产品。 就是这么简单。

Ezra Klein：

说实话，我觉得这很令人困惑，因为你看，有这么多人，这些运营人员声称，第一，他们已经失控，第二，他们看到了一些令人恐惧的事情。

Jensen Huang：

这就是为什么他们有那个举报人……

Ezra Klein：

还有那封由1300多名员工签署的信，信中写道：要意识到，整个行业、政府和整个社会可能需要争取时间来应对新兴风险，制定安全措施，加强监督，因为每家公司和每个国家都面临着激烈的竞争压力，不愿单方面……

Jensen Huang：

首先，那最后一句话是从哪里来的……

Ezra Klein：

来自那些实验室？

Jensen Huang：

不不，那最后一句话，没有人在给他们施压。我得说，美国有4亿人，我相信，如果现在每个人都投票，就这么干，如果他们需要这个，如果他们需要，那就是他们需要的。我把我的票投给他们：如果你的产品还没准备好发布，就不要发布产品。 我没有，这是我第一次听到一家公司或CEO说，我需要法律，我需要反垄断法被豁免，我需要产品责任法被豁免。解决了这些，我就可以控制自己的节奏。那一段写得非常好。

Jensen Huang：

我完全同意审计师的说法，我完全同意，我们有财务审计师，这很好。第三方安全审计师、财务审计师，这些都很好，都很棒。

Ezra Klein：

那些实验室会说，我们认为作为一个社会，我们走得太快了，我们还没有准备好迎接我们正在构建的东西。

Jensen Huang：

他们是前沿，但他们就是前沿。

Ezra Klein：

但你们所有人，对吧？是的，英伟达，公司历史上最快的发货者，我的意思是，在你们公司的整个历史中，你……

Jensen Huang：

我们公司可能是受控的，我向你保证，

Ezra Klein：

我相信你，我相信你们没有失控，

Jensen Huang：

因为但是责任问题……

Ezra Klein：

但这就是我认为你会陷入一个有趣的深层问题的地方，我们究竟在处理什么样的技术？

Jensen Huang：

软件技术。

Ezra Klein：

好，让我们先暂停一下。很多公司，如果你发布的东西不太对劲，那只是个麻烦。你们曾经发布过风扇噪音过大的显卡，你知道，你已经多次使用了"智能"这个词。在这里，你们正在处理的是——虽然没有生命，但被赋予了目标函数的智能系统。我们可以绕来绕去地讨论如何描述它，你们正在努力让这些系统能够更持久、更不间断地工作。如果你发布了它而它还没有准备好，或者即使你认为它准备好了但实际上没有，那么我们的社会可能会很快变得非常奇怪。

Jensen Huang：

是的，从假设的角度来说，你完全正确。但我所建议的只是这样：在我们去构建之前，在我们去解决那些假设性的问题之前，在我们去制定更多法规之前，我们能不能先解决我们已知存在的实际问题，也就是我们需要在隔离和封闭方面做得更好，也就是说，在产品准备好与外部世界交互之前，我们不应该允许它与物理的、外部的世界进行交互？

Ezra Klein：

是的，我认为那是……

Jensen Huang：

我相信，我相信这两件事是可以解决的问题。我相信他们正在解决它。第二部分是关于激励机制的问题，也就是说，不知为何，你需要让全世界所有人都慢下来。当你是领导者的时候，你需要全世界所有人都慢下来，这样你才愿意履行你的基本责任。这在我看来很奇怪。

Ezra Klein：

这难道不是最能让他们自己慢下来的吗？

Jensen Huang：

什么？

Ezra Klein：

这些想法难道不是最能让他们自己慢下来的吗？我的意思是，人们对于他们在谈论什么想法一直非常不清楚，包括——我也承认这一点。但让我给你一个我相信的例子，你可以拿我当出气筒。

Jensen Huang：

我认为他们可以慢下来。没有人在施压，你知道的……

Ezra Klein：

我不信任这些公司。

Jensen Huang：

不，没有人，今天没有人比那些要求放慢速度的人建造了更多的算力。这在我看来很奇怪。

Ezra Klein：

我想有一点可能我们有些分歧，那就是我不相信公司，即使有了责任约束，也能把公共利益放在心上。我认为我们已经看到公司对环境造成了严重破坏，利润动机、对权力的渴望、走捷径的欲望、争当第一的欲望。我感觉你在对待这些问题时，好像这些都是我们在历史上没有反复见过的事情，但我感觉这些恰恰是我们在历史上反复见过的事情，我们亲眼目睹过……

Jensen Huang：

我在历史上看到了很多好的事情。我在历史上看到了很多事情，我与很多CEO合作，他们都想做正确的事情。我与很多公司合作，他们都想做正确的事情，他们想做好的工程。我认识那两个实验室里很多人，他们正在奉献自己的生命来做好的工作，他们知道发生了什么，我知道他们知道发生了什么。我知道他们知道如何修复它，我知道他们正在修复它。与此同时，所有其他那些转移责任的说法，让AI听起来如此强大，好像我完全不知道如何修复它，这不是我的错，只是因为技术太强大了——我认为这是在推卸责任，是在逃避责任。这是不必要的，它实际上损害了他们的声誉而不是帮助，损害了他们的品格而不是帮助，损害了员工士气，而不是帮助。

Ezra Klein：

但如果这就是他们真正相信的呢？

Jensen Huang：

嗯。

Ezra Klein：

我想在那个层面上思考，因为……

Jensen Huang：

我没法跟你谈论他们相信什么，我只能告诉你我相信什么。

Ezra Klein：

没有你们的芯片，这个行业就不会存在，对吧？我的意思是，并行处理是深度学习得以运行所必需的，一路追溯到最初的AlexNet。现在这一切都运行在英伟达的芯片上，而很多从一开始就在场或者参与其中的人，有着我认为很多人听到后会觉得——你在说什么？——的那种恐惧。

Ezra Klein：

从Jeffrey Hinton和Ilya Sutskever，一直到Dario，到Sam Altman谈论受控的……，还有很多在创造我们今天所见的AI形式中非常奠基性的人物，似乎都相信有很大的可能性，我们可能会失去对它的控制。

Ezra Klein：

Elon Musk谈到过人类是AI的引导程序。我们可能会失去对它的控制，那将是我们的终结。我不认为你相信这一点。不，我认为你根本不相信这一点。 所以认真对待他们所相信的，当你和他们争论的时候，或者也许你可以就和我争论，当你说，你们在说什么？即使在很多情况下，他们是在财务上……

Jensen Huang：

他们更加脚踏实地。

第9章：为什么AI末日论者是错的

Ezra Klein：

那么当Jeffrey Hinton出现在电视上，说他认为AI导致社会毁灭的概率并非不合理时……

Jensen Huang：

我会告诉，我会告诉Jeff，说这些话是不负责任的——他的那些预测已经错得够多了，所谓"10%的概率"既没有科学依据，也没有研究支撑。一件事出自科学家之口，并不代表它就是科学的。那些预测是有害的。 我们就按他说的字面意思来看，他的建议是——没有人应该想成为放射科医生，而今天世界上也没有放射科医生了。

【Jeffrey Hinton】

我认为，如果你是一名放射科医生，你就像那只已经冲出悬崖边缘、却还没有低头看的郊狼。它没有意识到脚下已经没有地面了。人们现在就应该停止培训放射科医生。 这是显而易见的——在5年之内，深度学习将会超越放射科医生，因为它能够积累更多的经验。也许需要10年，但我们已经有足够多的放射科医生了。

Jensen Huang：

这对社会是有益还是有害？我想我们都能达成共识——这是极其有害的，而且那根本没有发生。我们把年轻人吓得对AI的未来感到如此恐惧，以至于他们甚至不想上大学了，因为他们觉得找不到工作——这是好事还是坏事？如果真的发生了，是有益还是有害？是有害的。不要以为自己是个危言耸听者就是在做社会贡献，那根本不是真的。 所以我认为我们都应该更明智、更成熟，要以证据为基础，要讲科学，要讲科学。如果你想讲科学，就去做科学，去做研究，而不是吓唬人、提出那些站不住脚的主张——他们的预测记录，简直糟糕透顶，他们的预测记录真的是一塌糊涂。

Ezra Klein：

嗯，预测记录在一方面确实很差，但在另一方面也有做对的——很多很多预测都是错的，但哪些预测呢？比如关于规模定律会奏效的预测……

Jensen Huang：

规模定律，不，我们在这里要谨慎一点……

Ezra Klein：

就是——为了给在座的观众解释清楚——如果你不断投入算力和训练数据，这些模型会持续变得更聪明。

Jensen Huang：

这是对的，但又不完全对。 并不是说只要持续训练这些模型，它们就会不断变好——注意，这正是为什么第二个规模定律不得不出现的原因。如果第一个规模定律是完整的，为什么还需要第二个规模定律？

Ezra Klein：

那第二个规模定律是什么……

Jensen Huang：

第二个规模定律是测试时规模扩展，也就是推理阶段的扩展。你迭代得越多，搜索得越多，探索得越多，你能得到的答案就越好。 这叫做推理时规模扩展。

Jensen Huang：

让当前AI变得极其有用的重大突破是什么？恰恰与预测相反。 当初预测AI会终结软件工具，会是SaaS的末日，对吧？那么是什么让这些AI现在如此高效呢？

Ezra Klein：

SaaS会一直与我们同在？

Jensen Huang：

是什么让这些AI现在如此高效？是工具的使用。 未来，随着使用这些工具的智能体数量增加，效率还会进一步提升。会有更多人使用Adobe，会有更多人使用Salesforce的工具，等等诸如此类。所以，能给我举出一个预测是正确的吗？好吧，我觉得他们在情感理解方面……

Ezra Klein：

让我来试着回答这个问题，因为他们不在这里。关于会出现一个……的预测——

Jensen Huang：

你连一个都举不出来，这件事本身我认为就说明了……

Ezra Klein：

嗯，我觉得这取决于我们在谈论什么样的预测，对吧？Jeffrey Hinton，在所有人都认为深度学习是无稽之谈的时候，他是对深度学习贡献最大的人之一。事实证明，这是一个相当正确的判断，对吧？这可以说是最重大的一个预测……

Jensen Huang：

他们每一个人，每一个人都做出了巨大贡献。我喜欢Hinton这个人，但我讨厌他的预测。

Ezra Klein：

我理解。我想说的是，这些人所共有的那种典型的担忧——我想在这个话题上聊几分钟，然后我们可以转到其他话题。让我觉得驱动他们、也让很多人觉得直觉上合理的那种恐惧是：你正在创造一些系统——我不是说它们有生命——

Jensen Huang：

你没说，但你说得足够久了，这就会显得合理了。

Ezra Klein：

好吧，说得对，有道理。所以，你正在创造一些系统，它们是智能的，在某些领域正在变得比我们更聪明。你给它们设定奖励函数——就像你之前说的——让它们渴望把事情做对。你赋予它们持久性，它们在数字世界中运行得非常快。

你正在创造某种东西，某个实体，一个智能体，它聪明、有能力、永不停歇，而它的内部运作机制，我们根本不真正理解。 OpenAI的首席科学家，OpenAI的首席科学家已经……

第十章：为什么人工智能只是软件

Jensen Huang：

Ezra，听着，我只是不想让你助长那种说法——软件并不是……我要离题了。我不认为软件是"永不停歇"的。

Ezra Klein：

但他们不是正在努力让它变得非常持久、高度持久吗？

Jensen Huang：

因为是我让它那样的。

Ezra Klein：

但那就是他们的做法。

Jensen Huang：

但那不是"持久性"，它只是处于开启状态。

Ezra Klein：

是啊。

Jensen Huang：

"持久性"、"持久性"，那意味着有意志力，但这里没有意志力，有的只是电力。听着，让我给你……

Ezra Klein：

人类也不过是带着强化学习循环的能量体，随便怎么说。

Jensen Huang：

那是人们用的词，这些词是在操作系统的多进程处理时代创造出来的。这些字面上就是操作系统的命令。你"生成"一个进程——把"进程"换成"智能体"。进程"分叉"，产生父进程和子进程；智能体"分叉"，"孕育新生"，"诞生"。

Jensen Huang：

这些词是三四五十年前为操作系统创造的。但请注意，我们当时并没有把人类特征注入其中。我们随时都在"杀死"进程——kill -9，杀掉它，它就死了，它只是一个进程。但现在我们谈论这些东西时，有一群人想把软件说得比它实际上更了不起。我们用一种新的方式谈论软件，但用的全是那些老词。而上一代计算机工程师，我们做的也都是同样的事。

Ezra Klein：

但软件的行为方式难道不是全新的吗？我的意思是，从外行的角度来看，我没有你那样的技术专业知识。

Jensen Huang：

它在爬取互联网，它在做搜索，它在做……

Ezra Klein：

它在进行交流，它能突破边界——大多数东西都不会突破边界。

Jensen Huang：

不，软件突破沙箱的情况一直都有。这正是我们需要虚拟机的原因。你不能让智能体在自己的沙箱里自我监控，你需要，如果你想要一大堆"看门狗"的话，你就需要这些。所以这些都是存在已久的概念。

Jensen Huang：

只是不知为何，在近几代人中，我们给它贴上了一大堆带有人类色彩的词汇，我认为这完全没有必要。它就是软件，你知道，当我在脑海中想象它时，它就是一堆代码，一堆在计算机上运行的数字。这一切对我来说都以一种非常自然的方式发生，这也是我能够正常运作的原因。而且，如果它只是神秘和神话，我又怎么能围绕它建立一家公司呢？

第11章：Huang对智能的定义

Ezra Klein：

我认为这触及了一个根本性的问题，那就是：什么是智能？在你思考拥有智能机器意味着什么之前，对你来说，智能是什么？

Jensen Huang：

嗯，关于智能有一个技术层面的定义。首先，你知道，当人们谈论智能、思考以及所有这些概念时，当然，对大多数人来说并没有一个正式的定义，但在计算机科学领域，是有定义的。这个定义包括：第一，感知，即感知世界并理解它；第二，推理，推理是将任何场景、任何你所见到的事物、任何经历分解为更基本组成部分的能力；第三，朝着某个目标进行规划。这个基本框架适用于智能体系统，适用于机器人系统，也适用于自动驾驶汽车。所以你可以看到，这个行业正在一层一层、一步一步地构建它，直到我们现在拥有了我们所认为的智能。

第12章：AI是一种普通技术，还是一次阶跃式变革？

Ezra Klein：

我认为这触及了这次对话的核心问题。从你描述这项技术的某些方式来看，在我听来，你似乎并不认为它有什么真正的新意。也许在规模上是新的，在能力上是新的，但从根本上说，这是一种软件——我们并不是一直都有软件，但软件已经存在很长时间了。

Ezra Klein：

很多人认为，当你达到这种水平的智能时，这是一次相变，是一种不同的东西，是我们以前从未面对过的——一种正在迅速提升其智能水平的通用智能技术。我想确认我真的理解我们所处的这个分水岭。这是全新的事物吗？这是否需要我们以全新的方式来应对？还是说它更像是旧事物的延续？智能机器与我们以前拥有的机器有何不同？

Jensen Huang：

嗯，几乎所有的技术和文明都建立在一层层可理解的技术之上，而这些技术在达到一定规模后，会变得相当非凡。

Jensen Huang：

事实上，我们只需拿着一部手机就能连接到互联网，这其实挺奇怪的——我们通过这个小小的设备就能获取世界上的每一条信息，就在空气中传输。而且，这一小片玻璃居然能以某种方式从数万亿条信息中，精确地为我们找到我们想要的那一条，因为它经过了推荐系统的过滤。所以，如果你想想这是怎么做到的——要知道所有信息在哪里，就必须有人去爬取它、对它进行索引，而这用到了机器学习技术，也就是人工智能的早期版本。这些系统做着神奇的事情，神奇到我现在已经把它视为理所当然。这字面上花了二十多年，以及数千亿美元的基础设施建设，才让一切对你来说显得如此自然，以至于我们现在把它视为理所当然。

Jensen Huang：

我们从技术角度取得的每一个里程碑都值得庆祝。我曾满怀喜悦地庆祝，充满热情地庆祝，因为我为做到这一切的人感到骄傲，为我们自己的贡献感到骄傲，为那些突破感到骄傲。在那个时候，它看起来就像一个奇迹。但是，这种感觉大约只持续17天，之后我们就习以为常了。

Ezra Klein：

我同意这一点。但这是否是一个不同的阶段？你知道，你，还有谷歌的那家公司，我记得，曾把它比作火的发现，比作人类历史上一个新纪元。你是这样看的吗？你认为它是过渡性的、迭代性的？

Jensen Huang：

不，我认为这完全是一场革命。正如我们之前谈到的，你从能够找到一切、找到任何东西，到能够询问任何事情、了解一切、做任何事情。所以，很明显，这是一个新的抽象层次。不过，你知道，我不太愿意让它看起来超出这个范畴。因为在最终分析中，工程师们做的是工程工作。一旦我们发明了这项技术，一旦我们找到了解决方案，回头来看，对很多人来说，它是相当显而易见的，也是相当平凡的。而我们之所以能够每天不断地让这项技术变得更好，显然是因为我们理解它，所以我们知道如何改进它。

Ezra Klein：

所以你把它转化为一个工程问题，然后说，我们现在缺少的是——正如你所说的——我们为自己正在构建的东西所需要的那种测试、监控、沙盒安全、红队管控卓越性这样的层次。

Jensen Huang：

这并不是因为那些公司没有出色的工程师。我相信OpenAI、Anthropic，因为我认识其中很多人，他们都是非常出色的。

Ezra Klein：

但这实际上在一定程度上让我担心，OpenAI是否……

Jensen Huang：

不不不不不不，他们正在经历的是一场转型。我一遍又一遍地说过，这是一个重大但简单的想法。终于，我们现在有了一款真正有用的软件，正因为它有用，它的采用率才迅速起飞。 但请记住，一家六个月前还在努力让产品变得有用、有能力的公司，怎么可能有那么多资源专门用于测试、评估，以及为此专门配备的算力？在此之前，这些都是不必要的。所以，在未来几年里，将会发生的事情是，这些实验室将从以研究为导向，转变为更加注重生产工程和产品的公司。所以，我认为它们只是在经历一场转型。这些都是了不起的公司，拥有令人难以置信才能的公司，是有史以来最具影响力的公司。它们只是在经历自己的转型，仅此而已，不多也不少。

Ezra Klein：

现在很多公司，OpenAI和Anthropic在过去几个月里都发布了这些重要的——我不得不称之为论文，或者博客文章之类的东西——Anthropic的那篇叫做《当AI自我构建》，我忘了OpenAI那篇叫什么名字了。

Jensen Huang：

计算机在自我构建，但你们都知道这一点。

第13章：递归自我改进

Ezra Klein：

但他们在谈论递归自我改进。

Jensen Huang：

你知道我们使用递归自我改进。

Ezra Klein：

所以我想听听你对RSI（递归自我改进）的看法。

Jensen Huang：

我认为RSI从根本上就是事情的运作方式。我们用软件来设计计算机，运行软件，再设计计算机，再运行软件，再设计计算机。这基本上就是我们所做的——递归自我改进，因为我们的计算机每年都在变得更好。事实上，它每年的进步速度比这还要快，因为我们用软件来让软件变得更好。这就叫做计算机工程，我们在智能体的背景下已经这样做了很长时间了。它运行整个流程，一旦它进行反思，研究它所经历的各种路径，选择最佳方案。

Jensen Huang：

下次你要做完全相同的任务时，我会记录一个文件，告诉你我上次是怎么做的，那是最有效的方法，我把它叫做"技能"。因为你反复使用它，有些是技能，有些会成为记忆。我们会改进这些记忆，好吗？这样下次你使用它时，它比上次的递归自我改进还要更好。你也可以决定把所有这些技能、所有这些记忆、所有这些数据拿来训练下一个版本的模型，这样AI在为你服务方面会随着时间推移变得越来越好。

Jensen Huang：

我们真的在做这一切，这一切确实正在发生。与此同时，他们拥有的算力在不断增长，因此他们可以更快地完成所有事情。过去需要一年时间来预训练的东西，现在只需要几个小时，因为计算机越来越快，而且数量也越来越多。所以现在这个循环运转得更快了。

Jensen Huang：

这完全、完全可以理解。但这是否给了他们任何借口去发布未经测试的产品？答案是否定的。回到这一点——没有任何人，没有任何企业能够在底层软件字面上一直在变化的环境中运营。存在一个发布流程，所以你知道，当他们推出新模型时，我们需要在将其投入运营之前对其进行评估。我们不能让它一直递归地改变。所以他们必须在发布产品之前对其进行测试，我们也会在将产品投入运营之前对其进行测试。所以我认为递归自我改进是一件很棒的事情。

Ezra Klein：

你认为存在某个边界吗？我之前听你说过，学习应该始终有人类参与其中。

Jensen Huang：

就像我刚才说的，你有递归自我改进。

Ezra Klein：

他们似乎在设想一种不一定总是如此的情况。

Jensen Huang：

好吧，不要把任何你没有评估过的东西交给我，不要交给我，不要把任何没有经过人类参与评估的产品交给Nvidia。请不要那样做。

Ezra Klein：

他们之前谈到的担忧是，他们担心自己没有在评估，他们不知道如何评估这些系统，而且这些系统变化越快，他们就越担心这些系统在欺骗他们。

Jensen Huang：

我不这么认为。我相信他们的研究人员每天都在努力学习如何评估这些系统的验证方法。你知道，我们公司10%、20%的人员专注于设计，80%专注于验证。而今天，大多数实验室，可以理解地，是80%专注于能力，20%专注于安全验证评估。

Ezra Klein：

这正好是反过来的。

Jensen Huang：

没错，没错。AI需要加速才能变得安全。 我希望他们获得更多算力，但要将其分配给评估和对齐工作。我认为他们正在这样做。

Jensen Huang：

如果我在100年前身处汽车行业，我宁愿汽车行业在一年内加速发展到今天，因为我相信今天的汽车比99年前的汽车安全得多。ABS技术、自动制动需要计算机视觉技术、传感器融合技术、雷达和摄像头，所有这些技术结合在一起，才能在应该制动时制动，在不应该制动时不制动。这项技术极其困难。我希望，每个人都会希望ABS技术在99年前就存在。那样会有更少的孩子因此丧生。

Jensen Huang：

还有安全气囊，你知道，安全带以及所有这些东西，自动收紧安全带，所有这些东西。你能想象吗？这些都是技术，要全力加速这些技术的发展。 所以当我说，当我说我们需要加速AI技术时，人们出于某种原因认为安全不是其中的一部分——安全是其中的一部分，对齐是其中的一部分，评估是其中的一部分，护栏、沙箱、隔离技术、监控技术、远程机器技术、外部AI监控技术，所有这些都是AI技术，要全力加速这一切。

Ezra Klein：

有趣的是，我认为如果实验室里最担忧的那些人能够得到保证，说他们将把80%的算力投入到安全和对齐，而不是80%投入到能力扩展，他们会感觉好得多。听你说的，我感觉你实际上在说的一件事是，应该把安全和对齐视为能力扩展的一部分。确实，不安全的技术不是在进步的技术。

Jensen Huang：

这就像我们说，哦，芯片设计是——芯片就是——芯片是研发，芯片验证现在也是研发，我们把大部分成本、大部分算力花在验证、仿真、验证测试、可靠性测试、寿命测试上。所有这些都是工程的一部分。激励机制就在那里，他们的激励机制就在那里。如果他们发布的产品损害了其他公司和其他人，他们就会把自己的公司置于危险之中。

Ezra Klein：

你认为我们需要专门针对AI的责任法律吗？

Jensen Huang：

Auburn，这只是一个例子——自动驾驶汽车。作为一种产品，机器人出租车有很多监管规定。如果监管不够，那么相关机构应该介入并制定新的法规。汽车行业应该有新的法规。我不知道缺少什么，但如果确实缺少什么，那我绝对会，绝对会添加更多监管。在互联网的背景下，有很多由互联网驱动的应用，这些应用应该有监管。如果没有，你就得去找到它们。

Ezra Klein：

所以我想深入探讨这个问题的下一个层面，现在说到芯片，总结一下我们目前的情况，因为我想确保我正确理解了你的立场。这些公司正在经历一个转变，即使这些系统变得更快、更有能力、更复杂、更持久，无论是什么情况，限制因素仍然是公司不会发布不安全的产品。他们不应该发布不安全的产品。 而且你相信他们有工程能力来使这些东西安全，能够在没有外部干预的情况下找出测试和控制方法——这就是你的立场。是的。

第14章：计算的新纪元？

Ezra Klein：

我听你说过，我们可能已经进入了一个新的计算时代——一种人们并不总是能理解的方式。请描述一下你对此的看法，以及如果有人的理解还停留在，比如说，你有一台MacBook，里面有一个处理器，你买来用，它与现在有什么不同。

Jensen Huang：

过去的计算机行业，我们熟知了60年的计算机行业，叫做基于检索的计算。你检索文件，这就是为什么它叫数据中心，也就是文件中心，对吧？而在未来，它是一个AI工厂，它在生成内容。所以，理解上下文、基于信息进行推理、决定该做什么，并生成一个答案——这个生成过程需要大量的计算。因此，每个用户所需的计算量已经大幅增长。第二点是，因为这些生成式AI也可以具备一定的自主性，因为它们现在是智能体（agentic），你有智能体在使用生成式AI，所以不再是十亿人在使用计算机，而是除了人类之外，还有数千亿个智能体在使用计算机。所以你可以认为，我们所需的计算量，不管之前有多少，将会增长十亿倍，这对于新世界所需计算量来说是一个合理的框架。

Jensen Huang：

在工厂的背景下，你真正关心的是它的生产力，而不是它有多贵。当然它不能无限昂贵，但你想知道它的生产力如何。我们的计算机生产力极其惊人——建造一个1吉瓦的数据中心、1吉瓦的AI工厂需要500亿美元，而你可以以每年400亿到500亿美元的价格租用它。所以它的生产力是惊人的。生产力是第一位的。

Jensen Huang：

Nvidia的架构是可替换的，因为它是通用的，这就是为什么每一个AI实验室、每一个AI模型、每一个闭源模型都运行在Nvidia上。因为我们完全可替换，你可以将我们用于数据处理、预训练、后训练、评估到推理——AI的整个生命周期都可以由我们的架构支持。如果某个客户不再需要它，另一个客户会非常乐意接手。最后一点是耐久性，因为我们的架构是软件驱动的，我们不断用新算法改进我们的软件，将新的工作负载、新的模型运行在我们的旧一代硬件上。我们有庞大的团队持续在做这件事。因此，我们计算设备的使用寿命要长得多。

Jensen Huang：

这就是为什么Nvidia，以及人们将Nvidia计算视为一种资产类别，有点像飞机。飞机是通用的、可替换的——联合航空不用，美国航空会用。它是耐久的，从客机开始，最终作为货运飞机结束它的使命。因此，它可以成为一种资产类别。如果我们能做到这一点，如果这成真，那么为Nvidia AI工厂融资的资本成本将是最低的，因为我们的计算机是有抵押担保的资产。总之，这就是正在发生的相变，这将为我们的增长带来巨大的释放。

Ezra Klein：

你的业务变得如此有趣。你现在已经开始为AI行业中的其他人降低资本成本。人们可能看过那些箭头指向四面八方的图表。

Jensen Huang：

非常有趣。

Ezra Klein：

请向那些了解Nvidia已经成为世界上最大公司之一的人解释一下，他们看到这些图表觉得非常循环。支持需求、创造市场和创造需求之间有什么区别？

Jensen Huang：

我们无法真正创造需求，因为最终，如果AI服务没有实际的使用量，那么为此建造计算机显然是没有意义的。所以第一件事必须先发生。

Jensen Huang：

计算需求现在如此之高的原因，是因为AI应用正在经历一个拐点，它们正在变得有用。正因为AI变得有用，5000亿美元的风险投资涌入，所有这些公司，那些数以千计的初创公司，它们都需要计算资源。所以需求来自于它们。这些公司需要技术支持，需要生态系统建设支持，需要财务支持。所以我们可能决定以股权持有者的身份投资其中一些公司。因此，它们成为真正蓬勃发展的新云服务提供商。

Jensen Huang：

我们可能决定的另一个原因是，正如我提到的，有一个五层蛋糕。在模型层和应用层，有很多非常有创新力的公司。

Jensen Huang：

AI远不止是语言模型本身。有物理AI的世界基础模型，有生物学AI，有化学、材料科学AI。这些都与语言模型不同。这些公司中有很多是新公司，它们需要大量资本。我们可能决定成为它们的小比例股东，帮助它们起步，它们拥有令人难以置信的科学家。我甚至可能通过成为第一投资者、锚定投资者，为它们的公司带来信心。我们给它们提供大量技术资源，大力支持它们，帮助它们尽快成为一家真正的公司。

Jensen Huang：

我们可能决定投资一家核能公司，可能决定写等等诸如此类。所以，在我的思维模型中，AI行业是一个500层的蛋糕，我们在其中全面投资。可能存在战略性的关键节点——它开辟新市场，为我们开辟新的市场路径，可能为我们确保关键资源。所以我们这样做有很多战略原因。

Ezra Klein：

这里的数字令人震惊。你已经成为了一家单一公司的工业政策，为美国AI提供首要支持。

Jensen Huang：

我们在这个生态系统中投入了大量资金。

Ezra Klein：

是的，你现在每年的总投资是多少？

Jensen Huang：

总体来说，我们可能大约……嗯，我不确定每年的数字，但我认为总体上可能大约是1000亿美元，可能吧，我需要核实一下数字，但大概是那个量级。

Ezra Klein：

这比《芯片与科学法案》还要大。

Jensen Huang：

哦，是的。更不用说，由于我向台积电、纬创、富士康、安靠以及其他各种公司提供的采购承诺，正是因为这种承诺，我能够鼓励它们来美国制造。事实上，在芯片制造方面，我们对美国再工业化的贡献，可能超过世界上几乎任何一家公司。 我们不仅在推动制造业再工业化，而且速度如此之快，以至于我们正在造成劳动力短缺，我们正在创造大量就业岗位。

第15章：人工智能会出现泡沫吗？

Ezra Klein：

我认识很多目前在市场上持有资金的人，他们现在非常兴奋，尤其是对英伟达的股票感到兴奋，同时也担心与互联网泡沫、90年代末的类比。他们担心的问题，我认为，实际上与你刚才说的有关——互联网确实持续变得更加有用。并不是说高估值意味着这项技术是空洞的或虚假的，但某些事情发生了，泡沫一度破裂，很多大公司因此遭受重创，很多人也因此损失惨重。从那种泡沫破裂的周期中能学到什么？我想问的是，你认为这种情况不会再次发生吗？或者为什么你认为它不会再次发生？

Jensen Huang：

在某个时间点，需求和供给将会再次出现倒置。这就是市场的本质。这不会发生在明年，也不会发生在未来两三年内。我真的不这么认为。但在某个时间点，我们很可能会出现供大于求的情况，只是我不知道那是什么时候。所以，从过去并没有太多可以借鉴的经验。

Ezra Klein：

对你来说，信号会是什么？

Jensen Huang：

市场自然会放缓，然后会停下来，也就是说，会有一段消化期。那段消化期会是六个月吗？会是九个月吗？会是一年吗？但不会是永远。如果你纵观全局，我们在应用层投入的大量资金，是为了让每一个行业都能将这项技术融入其中，从而从中受益，这可能是我们所做的最重要的事情之一。

Ezra Klein：

我经常听到一种比较方式，用来对比中美两国的人工智能生态系统——在美国，重点在于能力提升的速度，很多人认为我们在这方面领先，这似乎是事实；而在另一方，则更注重技术的扩散普及，很多人认为对方在扩散方面可能更具优势，并且在某种程度上，其经济结构更有利于扩散，从各类应用平台到知识与指令在系统中流动的方式，都是如此。这场竞争究竟是关于能力还是扩散，以及它究竟是不是一场竞赛，这是个大问题，我们待会儿可以谈到这一点。我很好奇你怎么看待这个问题。

Jensen Huang：

问到了终极问题。我认为，如果我们希望美国从人工智能中获益，每一个行业都必须从中受益。沃尔玛要受益，Safeway要受益，联邦快递要受益，每一家银行要受益，每一家医疗公司、每一家药物研发公司要受益，我们需要看到每一家建筑公司、每一家数据中心公司、每一家发电公司受益，我们需要美国的每一个人，我们需要世界上的每一个人都从中受益。这是最高层面，这是最重要的层面，这是触及社会的层面。所有底层的东西都只是技术支撑。我希望我们不要错失让美国在最高层面受益的机会。请注意所有的言论、所有的危言耸听、所有的末日主义、所有的预测，都在吓唬人们。这实际上是我最大的担忧。我对此充满信心，也许我比他们自己还要对他们有信心。

Ezra Klein：

你对他们的信心肯定比他们自己对自己的信心更大。

Jensen Huang：

这我不确定。也许只是他们太过谦虚了，仅此而已。

Ezra Klein：

我们应该将我们所处的局面理解为一场竞赛吗？

Jensen Huang：

我认为没有这个必要。有些人喜欢这样想，但我不这样认为，我并不觉得这种方式一定能激励我。当我们谈到自己做好本职工作时，我从来不需要提到其他公司。所以我们以自己的标准要求自己。我认为不同的人有不同的被激励方式。

Jensen Huang：

而且，我认为，在没有竞争对手的情况下，要将组织凝聚起来并专注于达到某种绩效水平，需要更多的技巧，需要一点更高的艺术性。但我并不认为这是必要的，这是第一点。第二，即使我们将其定义为一场竞争，也不一定意味着对方取得成就就会威胁到我们。所以当他们发明了某样东西，或者他们创造了某种发电技术，那可能是一项我们希望自己也能做到的伟大发明，但因为它将支撑我们这里所有的能源生产系统，因此它帮助了我们整个行业。也许他们推出了一个很棒的新开源模型，事实上他们确实这样做了，而那些开源模型现在正被80%的美国初创公司使用。

Ezra Klein：

我们在这里使用了很多开源模型。

Jensen Huang：

对，就是这样。所以，这很好。我们下载了它，很多技术起源于其他地方，当然也有很多技术起源于美国。我们下载它，将其变为己用，对其进行微调，将其放入我们自己的智能体框架，放入我们自己的沙盒，这些都是你自己的技术。所以我认为，你利用了他们的模型权重，我认为这很好，这完全没问题。

第16章：芯片出口

Ezra Klein：

你几分钟前提到，不同国家已经开始将算力视为一种地缘战略资源，并且可能希望将其分配给本国企业。在这个问题上，有很多来回争论，尤其是在那些将我们视为正在与某大国竞争的人当中——特别是那些认为我们在争夺谁能率先实现递归自我改进的超级智能的人。首先，关于我们是否应该通过限制对方获取算力来遏制对方，这场争论一直持续不断，而这在很大程度上意味着要拒绝他们购买你们的芯片。在前任政府执政期间，出口管制相当严格。而在现任政府上台后，这些限制有所放宽。显然，你是希望这些限制被放宽的。你如何看待这样一个问题：允许对方获得英伟达芯片，从而加速他们的模型训练、模型部署和模型能力提升，与我们通过限制供应来试图减缓其进展——这两者之间，哪个对我们更有利？

Jensen Huang：

就AI而言，我们的目标不仅仅是让某一家实验室从中受益，而是让整个美国都从中受益。我认为，美国肩负着更大的责任，也怀有更大的抱负——希望这个世界建立在美国的技术体系之上，就像我们希望世界建立在美元体系之上、更多人说英语、更多人使用美国版本的互联网一样。这是我们所追求的。

Jensen Huang：

问题的关键在于，我们究竟在剥夺什么？我们是在剥夺他们用于本国产业的芯片？还是在剥夺美国企业参与竞争的市场？如果你看到一个像那样体量巨大的市场，失去它对美国科技行业有什么好处？也许它能帮助某一家拥有特定模型的公司，但整个行业其余部分都会受损。我认为，被剥夺了参与竞争的市场，对芯片行业肯定没有好处。对其他行业也没有好处，因为这限制了开放模型的发展。这也不符合美国希望世界建立在美国技术体系之上这一整体愿景。

Jensen Huang：

所以，如果你只是狭隘地聚焦于"不让他们拿到芯片"，你实际上是在剥夺自己很多东西。因此，我认为应该退一步，把问题放在一个更大的框架里来思考——什么才是真正符合美国利益的，是整个美国的利益，而不是某一家公司的利益。至于所谓的竞争，正如我们之前提到的，如果真的存在竞争，那这场竞争关乎的是整个美国经济的成功。

Ezra Klein：

我发现自己在芯片这个问题上非常纠结。其中一个原因是：即便我有时比你更担忧超级智能的风险，但如果你真的有这种担忧，我认为你反而会希望与对方保持良好关系，能够就AI的风险与收益进行某种富有成效的双边沟通与协商。而你越是把这件事看作一场只有一方能赢的零和竞争，并以这种方式行事，你就越必然会制造出敌意。我发现这是人们在思考这个问题时一个相当复杂的维度。

Jensen Huang：

我认为，零和博弈的策略——"我剥夺你这个，所以我赢了"——这种过于简单化的逻辑，往往会在更大的博弈中产生意想不到的后果。更大的博弈，当然是指我们现在都在谈论安全问题。我们希望构建安全的产品，也希望他们构建安全的产品，因为当他们不构建安全产品时，整个行业都会受到伤害。所以现在正是好时机，我们应该主动寻求沟通、合作、相互理解、尽可能地达成共识的机会。

Jensen Huang：

话虽如此，英伟达是一家美国公司，我们理应优先服务于美国。美国完全有权利要求这些技术优先提供给前沿实验室。Vera Rubin芯片会优先供应给前沿实验室。

Ezra Klein：

这是一款非常先进的芯片。

Jensen Huang：

没错，这是英伟达最新的芯片。Grace Blackwell也是如此，Hopper也是如此，每一代产品都是如此。Ampere也是如此，我们每一代产品都优先服务于美国企业。 如果美国政府希望在此基础上额外提出这方面的要求，我也非常乐意，完全没有问题——我们本来就是这样做的。不过，考虑到AI行业是一个五层蛋糕，我们希望每一层都能赢，那么我们就需要每一层都走出去，去争夺市场。

第17章：AI繁荣将如何获得能源支撑？

Ezra Klein：

这让我们来到了你那个"蛋糕"的最后一层，我们不会在这上面花太多时间。如果说美国至少在物质层面上拥有的优势是芯片和软件，那么某些国家目前在AI领域的一个优势就是能源——他们更容易建设新的能源设施，他们以更低廉的成本将能源注入AI，他们在建设发电和可再生能源方面取得了巨大进展。你如何看待这最基础的一层——流经数据中心、流经芯片的能源？美国在产生足够能源方面处于什么位置？尤其是在我们一直试图从污染能源转向清洁能源的时期。

Jensen Huang：

是的，我认为，第一，他们拥有的能源比我们多得多，而且他们计划建设的也比我们多得多。你知道，我认为我们必须承认，我们在气候变化和可持续能源问题上把自己搞得一团糟。结果就是，我们根本没有规划足够的能源生产。

Ezra Klein：

你说的"搞得一团糟"是什么意思？

Jensen Huang：

嗯，从短期来看，能源生产需要依赖化石燃料，而因为人们对化石燃料能源生产有太多太多的焦虑，如果你看看我们这个国家，我们在很长一段时间内几乎没有净新增任何能源，突然间这个新兴产业出现了，我们发现自己陷入了一个能源建设能力严重不足的局面。现在整个国家都在手忙脚乱地应对。

Jensen Huang：

与此同时，我们推进得太快，我们本可以做得更好——更好地与社区沟通，提前准备好社区，与社区合作，让他们知道即将发生什么。如果他们不想让数据中心建在他们的城镇里，那就这样吧。但是，如果你要在他们的城镇建设，一定要去那里，让他们知道即将发生什么，与他们合作，帮助他们理解用水是非常高效的。如今，AI超级计算机的能源效率非常高，但它们仍然会消耗大量电力。你要自己引入发电设施，这会降低他们的房产税。有很多事情你可以做，你可以让你的数据中心更具吸引力，把退界距离设得更远，等等。还有很多事情可以做。你也可以贡献自己的力量，做社区的好邻居，建设更好的学校、更好的社区中心，改善他们的公园和道路。有很多事情可以做，但事后再做就很难了，现在全国各地都有相当多的不满情绪。

Jensen Huang：

当然，我们所有那些关于"世界末日"的叙事也没有任何帮助。你知道，哪个理性的人会说"来我们城镇建这个数据中心吧，顺便说一句，你们生产的东西会终结我们所知道的人类文明"。所以我认为，所有这些负面的"末日论"叙事对我们国家毫无帮助。我们一开始就处于被动局面，我们一开始就处于被动局面。

Ezra Klein：

你说的"一开始就处于被动局面"是什么意思？

Jensen Huang：

哦，因为我们一开始就没有足够的能源生产。

Ezra Klein：

那你如何平衡？我是说，现实情况是……

Jensen Huang：

让我再说最后一件事——毫无疑问，能源需求确实非常巨大，正是因为这个原因，市场力量正在帮助我们以前所未有的力度投资可持续能源。给我举一个可持续能源公司的例子，一家研发更好电池的材料科学公司，可以是太阳能，可以是核能，可以是裂变、聚变，随便你说，水力发电，随便什么，这些公司都在获得融资。

Jensen Huang：

对能源的市场需求如此惊人，这是100年来改善我们电网、使我们的电网更可持续、降低能源成本、同时投资我们可持续未来的最佳时机。毫无疑问，在四五年内，我们将使用更多的化石燃料，但也在我们面前的下一个十年里，我们比历史上任何时候都更有准备转向可持续能源。正是因为这些数据中心，因为这些数据中心的成本如此之高，我们现在开始讨论把它们放到太空中去。所以，对吧？所以我认为，我们看到梦想成真、转向可持续能源世界的机会，比以往任何时候都更有可能实现。

Jensen Huang：

由于AI工厂的存在，世界正在购买更多——因为AI今天购买的可持续能源比历史上任何时候都多，风险投资在下一代能源领域的投入简直令人难以置信。每个人，每件事都在获得融资，太不可思议了。100年来第一次，你不再需要政府补贴，因为市场力量已经到来。 如果你想要一个未来，如果你想在气候变化问题上实现转折，如果你想要一个可持续的未来，每个人都应该全力押注AI。这是我们实现那个目标的最好机会。

Ezra Klein：

但我们需要更快地建设能源才能做到这一点。没错，我是说，就是这样，市场就在那里。

Jensen Huang：

有点像……

Ezra Klein：

你可以给予补贴，也可以让建设变得更容易。

Jensen Huang：

是的，你知道，有点像这样——为了救你，他们得先伤害你。这就是手术的本质。他们得切开你才能救你。他们必须给你造成巨大的痛苦和折磨，才能救你。所以，我有点认为AI在未来几年就是这样——我们不得不使用可再生能源，使用化石燃料，因为我们目前就是没有足够的可持续能源来产生实质性的改变。然后在那之后，希望我们能够过渡到那个目标。

第18章：书籍推荐

Ezra Klein：

我想这就是我们要结束的地方，最后一个问题。你有哪三本书推荐给听众？

Jensen Huang：

嗯，我读过很多书。对我影响最大的一本书是Hennessy和Patterson合著的《Computer Architecture: A Quantitative Approach》（计算机体系结构：量化研究方法）。这是第一本将计算机体系结构的复杂性和抽象概念简化为工程实践的计算机体系结构书籍。我非常喜欢那种能够把复杂概念简化成你可以付诸行动的东西的人。

Jensen Huang：

第二本，我非常喜欢Clayton Christensen的《The Innovator's Dilemma》（创新者的窘境），这本书讲述了各行各业如何随着时间演变，如何洞察新兴技术，如何对其设定合理预期，以及如何推断其未来影响。我真的很喜欢Al Ries和Jack Trout合著的《Positioning》（定位）这本书。这是一本关于人们如何看待事物的精彩书籍，表面上是一本关于营销策略的书，但实际上远不止于此——它是一本关于战略的书，讲述人们如何看待世界，如何看待产品，如何呈现产品，以及如何审视自身的战略。我认为这是一本非常有深度、又非常易懂的书。

Ezra Klein：

Jensen Huang，非常感谢你。

Jensen Huang：

非常感谢你，Ezra，一如既往。我总是很享受我们在一起的时光，今天也是非常美好的一次。

风险提示及免责条款

浙商资管换帅，“掌门”交给30年经验券业老将

姿事堂·暮延 — Thu, 24 Sep 2026 10:30:41 GMT

9月24日，浙江浙商证券资产管理有限公司（下称“浙商资管”）发布《高级管理人员变更公告》。楼小平新任董事长、总经理，盛建龙因工作调整于同日离任，且不再转任公司其他工作岗位。

上述事项已经公司第三届董事会第四十六次会议审议通过，并按规定向监管机构备案。

一方面，浙商资管仍旧延续了“董事长、总经理一肩挑”的安排。另一方面，“挑担子”的从财务出身的盛建龙，换成资管业务出身的楼小平。

三十年券业老将

资料显示，楼小平1968年出生，本科学历、学士学位，是为从1994年就入行的老证券人。

楼小平的入行经历至少可以追溯到1994，从1994年至2002年，他在申银万国证券工作，历任嘉兴、宁波、杭州、成都四地营业部负责人及浙江分公司总经理助理。

2002年至2007年，他转任中富证券杭州营业部总经理、浙江分公司总经理、总裁助理；2007年至2008年，任上海证券有限责任公司杭州文三路营业部总经理。2008年后，楼小平加入浙商证券至今。

进进出出“浙商资管”

在浙商证券，楼小平执掌过多个业务。

他先是出任经纪业务总部副总经理、业务管理创新部总经理、经纪业务运保中心总经理，聚焦财富管理条线。

2013年起，他转入当时新设的浙商资管，任董事、董事会秘书、常务副总经理，2018年7月，他曾代为履行一段时间浙商资管总经理职务。

2022年12月12日，楼小平因个人原因离任浙商资管常务副总经理；同月起出任浙商资本董事长（浙江浙商资本管理有限公司董事长、总经理）。

此后他又回归公司总部，出任浙商证券法务总监、浙江浙商创新资本管理有限公司董事长。2024年2月，他被聘任为浙商证券副总裁。2026年9月，回归浙商资管出任公司一把手。

纵观楼小平的职业轨迹，两个特征非常鲜明：一是在经纪（财富）业务有很好的积累，这几乎是他职业上最鲜明的标签；

二是业务跨度覆盖了券商的多个前台与中台岗位，是罕见的多面手。或许也还是因此，他在多次挪移后，开始

首批拿公募资格的券商资管机构

浙商资管成立于2013年4月18日，是在原浙商证券资产管理总部的基础上筹建的，为浙商证券全资子公司，注册资本12亿元，现有员工约150人。它是国内首批成立的券商资管子公司之一，也是国内第一批获得公募基金业务资格的券商资管——2014年8月拿到牌照，为全国第四家

在券商资管的版图里，这家公司的起点不低。2014年12月末，它发行了旗下首只公募基金浙商汇金转型成长，首募规模15.68亿元，成为国内第二家发行权益类公募基金的券商资管（第一家为东证资管）。

更早一些，2012年10月，它获得证监会核准开展“以券融资”专项资产管理计划；2013年3月，又在国内首推股票质押回购式专项资产管理业务。2014年8月，它与中证指数公司合作推出中证转型成长指数，是国内第一家自主开发Smart Beta指数并付诸产品实践的资管公司。

这家公司还有另一个标签。浙商证券于2009年6月取得资产管理业务牌照，当年即实现盈利，次年即第一个完整年度，业务净收入就位列全行业第四位，旗下两只集合理财产品2010年收益率居全国同类第一，被市场与媒体称为“异军突起的浙商资管”。此后，凤凰50ETF成为它的拳头产品：这是国内首只由券商资管发行并上市流通的权益ETF，自2019年8月成立至2026年一季度末，近七年业绩稳居同类产品前5%。

十三年内四任“掌门”

但十三年过去，浙商资管在早期快速发展后，近年趋于“守成”。截至2026年6月末，浙商资管存量资产管理规模为954.60亿元，较年初增长5.71%；其中权益类产品规模109.75亿元，较年初增长48.54%。

从2013年成立至今，浙商资管的“掌门”已经换了四任。且长期由母公司浙商证券的副总裁或财务负责人兼任。

浙商资管的创始总经理是李雪峰，业内知名的券业高管。李雪峰早年曾任申银万国证券研究所资深高级分析师、渤海证券研究所所长、国都证券研究发展中心总经理、财富管理中心总经理；在浙商证券期间任副总裁、董事会秘书，并两度分管研究所，担任董秘期间参与了推动浙商证券上市。

2013年浙商资管成立后，李雪峰出任总经理，带领公司“从无到有”。2018年6月，李雪峰辞去浙商证券副总裁、董事会秘书职务；同年7月，辞去浙商资管总经理。他此后赴申万宏源出任高管职务。

李雪峰离任后，总经理一职由时任常务副总经理楼小平代为履行，直至新任总经理到任——这段代理期从2018年7月延续到2019年2月。

2019年2月13日起，总经理一职由盛建龙接任，而他此前已是浙商资管董事长（2018年5月起）。

盛建龙的职业路径集中在财务条线：1994年8月至2000年2月在杭州市民防局从事财务管理工作；2000年3月至2006年6月，历任浙江沪杭甬高速公路股份有限公司计划财务部经理助理、内审部副主任、主任；2006年7月加入浙商证券，历任总裁助理兼计划财务部总经理，2009年1月起任浙商证券财务总监；2014年12月6日至2017年11月7日任浙商资管合规风控总监。他还是中国注册会计师（非执业）、高级会计师。2025年1月27日，他由浙商证券财务总监转任副总裁，财务负责人一职由时任总裁钱文海代行。

盛建龙在浙商资管任内留下了一句被反复引用的表述——券商资管要聚焦“公募化、特色化、精品化”。但到2026年9月22日，他同时卸任董事长与总经理，公告明确其“无转任本公司其他工作岗位”，母公司副总裁的职务则不变。

新掌门的四道考题

作为证券行业的老将，楼小平上任后，将面临至少四个重要“考题”：

第一道，如何把手中的券商公募牌照业务做大做强。尤其是当券商资管牌照红利正在退潮之时，当多家券商资管机构撤回牌照申请时。如何把券商资管的业务做出增量，找到产品线的输出新方向，非常关键。

第二道，如何提高权益产品的质量。浙商资管历史上有权益投资的辉煌时代，尤其是首任总经理李雪峰执掌期间。但如今，业内对浙商资管的权益投资影响越来越弱虽然年内过百亿元的权益类产品规模，在同等券商内不算低，但缺乏市场公认的明星投资经理和明星产品，也是浙商资管当下的一个短板。

第三道，如何实现公司业务从规模到收入的进步。浙商资管954.60亿元的存量规模，最终只对应母公司合并口径下1.62亿元的受托资产管理业务净收入。费率下行的大背景下，规模与收入之间鸿沟如何跨越，是这一任浙商资管管理层必须作答的部分。

第四道，如何实现与母公司的深度协同。浙商证券上半年金融产品保有量680亿元、服务客户资产规模1.20万亿元，财富管理端已经积累起可观的客户底盘；投行业务上半年完成股权、债券主承销项目239单，融资总规模947.20亿元。浙商资管如何充分打通客户资源，把业务发展和公司发展融为一体，是为更高一阶段的要求。

从2013年到2026年，浙商资管走过了十三年。它曾经“异军突起”，也经历了行业去通道、压降非标之后的规模重建。对于楼小平——这个代理过十个月浙商资管的老将——而言，如何进一步破局，是时代之问，也是岗位之责。

风险提示及免责条款

市值重回3万亿！立法失速，监管抢跑下：代币化股票能否打开加密新周期？

Thu, 24 Sep 2026 10:30:37 GMT

尽管9月15日CLARITY法案未能在参议院获得通过，但美国证券交易委员会（SEC）和美国商品期货交易委员会（CFTC）迅速行动、出台政策补位，填补监管真空。

9月17日，SEC发布五年创新豁免，允许符合条件的代币化证券场所（TSV）暂时豁免交易所注册义务，通过链上自动做市商（AMM）流动性池交易符合条件的代币化美国股票。同日，CFTC发布不行动立场，豁免不持有资产的被动软件提供商注册经纪商义务，并为部分钱包、前端接入受监管衍生品市场提供路径，扩大加密货币与预测市场的在线交易范围。

超预期的监管支持引爆加密市场情绪。比特币价格一度飙升13%，突破87,267美元的八个月高位，带动数字资产总市值自年初以来首次重返3万亿美元大关；美国现货比特币ETF单日流入9.99亿美元，Strategy三周来首次增持。

资金大量涌入数字资产市场的基础设施标的，Hyperliquid原生代币HYPE飙升至96美元历史新高，市值突破200亿美元；Uniswap的UNI、Avalanche的AVAX以及Ondo等代币均录得26%至50%的惊人涨幅。

监管确定性从国会立法转向行政先行，代币化股票成为新主线

此次政策推进的最大意义在于，首次为美国境内股票代币化建立了较为明确的合规路径，也标志着美国加密监管清晰度的来源正从国会立法转向行政解释与临时豁免。尽管此前CLARITY法案折戟一度构成较大利空，但SEC和CFTC迅速利用现有法定权限进行补位，促使市场重新定价监管风险。

更重要的在于，股票代币化有望成为传统金融进入链上市场的关键入口。

上线12天跑赢ChatGPT，Meta爆款AI自曝老底，灵魂文件来自OpenClaw

新智元 — Thu, 24 Sep 2026 10:14:39 GMT

登顶App Store没多久，小扎的爆款AI，先把自己的老底泄了！

Meta的个人智能体Muse，上线才两周，已经成了今年秋天最火的AI应用。

Meta个人智能体Muse上线不到两周，先冲到美区App Store总榜第2，随后登顶，把ChatGPT甩在身后。

放到全球，Muse头12天累计装机约280万次。仅9月20日一天，下载量就逼近36万次。

Meta AI终于等到了扬眉吐气的时刻。

谁料，第二天，AI应用联合创始人Ansh Nanda晒出一张截图，揭了Muse的「老底」。

起因是他跟Meta刚上线的个人智能体Muse聊了几句。

他先问：你是不是基于OpenClaw做的？

Muse回答：我真不知道。我的文档只写着，我是Meta的Muse，跑在Muse Spark上。

Nanda干脆甩给它一个任务：去把开源项目OpenClaw的GitHub仓库抓下来，跟你自己的系统文件挨个比一比。

这一比，Muse当场改口：

你猜对了。这种相似称不上巧合，两边就是对得上。

Muse被要求比对OpenClaw仓库后称：两边相似并非巧合，同名文件一套不差，SOUL.md核心句子几乎逐字相同。（图源：X@anshnanda）

它把证据一条条摆了出来：SOUL.md、MEMORY.md、USER.md、IDENTITY.md……「我的主目录里，就是这一整套。」

Muse还坦白，连自己的「灵魂文件」SOUL.md里的核心句子，几乎都是从OpenClaw模板里逐字搬过来的，「我的只是个删减版」。

Muse就是给普通人用的OpenClaw。

Nanda在推文中写道。

帖子迅速在AI圈炸开。

第二天，Meta超级智能实验室（MSL）产品负责人Nat Friedman亲自下场回应。

有人追问：为啥连工作区文件名都一模一样，SOUL.md的内容也几乎相同？

Friedman没有否认，只回了一句：

我们觉得，Peter把这些东西做得完全正确！

一个上线12天，下载量就跑赢ChatGPT首发的爆款AI，被自家高管亲口认证：它的核心灵感来自一只「龙虾」（OpenClaw）。

更有意思的是，这只龙虾的作者Peter Steinberger，今年2月已经跳槽去了OpenAI。

当时，他在博客上说，加入OpenAI，是要把智能体带给每一个人。

谁也没想到，第一个替他朝这个目标冲刺的，竟然是Meta的Muse。

Meta是不是抄了OpenClaw？

Muse到底是不是抄了OpenClaw？

细品Friedman的回应，Meta其实只认了一半。

他的回应其实有两条。

在第一条帖子中，Friedman说Muse是团队从零搭建的，但作为产品确实深受OpenClaw启发。

他还透露，今年1月用上OpenClaw之后，自己给MSL团队买了几百台Mac mini，他们很多人都爱上了OpenClaw。

Friedman还点名夸Steinberger是天才，称他的harness从一开始就是开创性的，而Muse的目标，就是做一个像OpenClaw那样的东西，但要安全、好用，能扩展到数十亿人。

也就是说，在产品设计思路上，包括工作区文件怎么组织，Muse确实是照着OpenClaw来的，Meta认了。

但是在底层代码上，Friedman开口第一句就是「从零搭建」，Meta也没有公布任何代码比对，网友手里同样拿不出Muse的源码。

Peter已经做到头了，留给Meta的只剩下像素级模仿

让Meta高管直呼「Peter做对了」的，到底是一套什么神仙设计？

这要从OpenClaw的工作区的说起。

在这里，每个智能体都有一个「家」，默认放在~/.openclaw/workspace。家里摆着一组纯文本的Markdown文件，每次开新会话都会被读进去。

AGENTS.md是操作规则，告诉它怎么干活；USER.md记着主人的偏好与习惯；MEMORY.md则存放长期记忆。

其中最出圈的，是定义AI人格、语气和行为边界的SOUL.md。

打开官方模板，第一行赫然写着：你不是聊天机器人。你正在成为某个人。

往下，是一系列直戳AI智能体通病的核心信条：

真心帮忙，别表演帮忙。别说「好问题！」，直接干活；
要有自己的观点。没有个性的助手，不过是多绕了几步的搜索引擎；
先自己想办法。读文件、查上下文，带着答案回来，别带着问题回来；
记住你是客人。你能看到一个人的消息、文件、日历，甚至他的家；
每次会话，你都是全新醒来。这些文件就是你的记忆。

按Muse的说法，连首次启动时才用一次的「开机仪式」文件BOOTSTRAP.md，它的主目录里也有。

这就很难用「英雄所见略同」来解释了。

这套设计高明在哪？

它把「这个AI是谁」拆成了几份人能读懂、也能亲手修改的文本：人格写在SOUL.md里，用户偏好和长期记忆各有存放的位置。

模型可以换，底座可以升级。只要这些文件还在，智能体就能接续此前的设定和记忆，这个「人」就还在。

Meta从OpenClaw那里沿用的，不是几份普通的Markdown文件，而是这套组织个人智能体的方式。

代码可以从零写起，但人格怎么定义、用户偏好怎么记录、记忆如何延续，OpenClaw已经给出了一个现成答案。

Friedman那句「Peter把这些做对了」，说的正是这一层。

几百台Mac mini，砸出一个产品方向

Friedman曾是GitHub的CEO，一个在全球最大开源平台当过一把手的人，今年1月被一个开源项目圈了粉。

那正是龙虾最疯的时候，不少人专门买一台Mac mini放在桌上，让它7×24小时回消息、理文件、盯日程，Mac mini一度卖到断货。

Friedman则是给整个MSL团队买了几百台，这几百台Mac mini搬进Meta最核心的AI实验室，就是为了让团队天天泡在一个开源智能体里。

Steinberger在YC Startup School演讲中展示OpenClaw上线60天成绩：38.4万星标、被Fork超8万次，全球Mac mini卖断货。

但OpenClaw有个绕不过去的坎：使用门槛太高。

你要自己部署、配网关、接模型、管权限。极客们可以玩得很嗨，但普通人连第一关都迈不过去。

更要命的是安全隐患，如果不专门开启一层沙箱，智能体甚至能顺着绝对路径摸遍你的电脑。

Muse给出的答案，是把这一整套理念搬上云端，再层层上锁。

首先，每个用户分到一台云端专属虚拟机Muse Secure VM，智能体和数据都住在里面，别人的智能体碰不到。

在同一台机器上，Meta还专门派了一个叫Sentinel的独立智能体来充当安全门神。Muse的任何动作想连外网，都得先过它这一关。

至于你的密码和支付方式，统统锁进单独的安全存储区，Muse能用，但看不见。发邮件、下单这类敏感操作必须先问用户，全程留痕。

付款走Stripe的Link，每次生成一次性卡号，真实卡号绝不暴露。

Meta还说，年内会推出Muse Confidential VM，整台虚拟机用只有用户持有的密钥加密，连Meta也看不到。

安全感拉满的同时，Meta还把使用门槛压到了最低。

Muse背后是自家的Muse Spark模型，直接内嵌在WhatsApp里聊，跟给朋友发消息没两样。

你在Instagram上收藏的菜谱视频，它在后台就能顺手转成一张购物清单。

这就是Friedman所说的，一个安全、易用、能扩展到数十亿人的OpenClaw。

Meta拿走的是灵魂骨架OpenClaw，然后为它补上安全与易用性。

人去了OpenAI，设计却在Meta火了

这是整个事件中最有戏剧性的一幕。

2月15日，OpenClaw之父Peter Steinberger官宣加入OpenAI。

当时，所有人都以为，摘走这项智能体开源盛宴最大果实的最终赢家会是OpenAI。

然而7个月后，拿着同样的设计思路做出爆款的却是Meta，而且Muse跑赢的偏偏就是OpenAI的ChatGPT。

Apptopia估算：Muse上线后全球日下载量总体攀升，9月20日逼近36万次。

Muse凭什么跑这么快？早期用户画像给出了答案：

Apptopia的数据显示，超过95%同时是Facebook用户，63%同时是Instagram用户。

这套靠自家超级App一路带量的打法，Meta驾轻就熟。

MIT是最宽松的开源协议之一，允许修改与商用。这一点在规则层面，Meta的借鉴也是无可厚非。

Muse这回爆火，背后的底层逻辑才是真正的看点。

个人智能体该长什么样？

有人格文件，有主人档案，按天记日记，住在聊天软件里——这套样子，是Peter和开源社区的开发者们先摸索出来的。

大厂要做的，是给它套上安全外壳，再推给几十亿人。

SOUL.md这种写法会不会成为行业通用做法，眼下还只有Muse这一个大厂样本。

但有一点已经很清楚：

开源项目的作者可以被某个闭源大厂挖走，写进SOUL.md的那套AI人格的绝妙想法，却谁都能带走。

它正跟着Muse装进几百万部手机：你刷到一条菜谱视频，它就能列好购物清单，记住朋友们的忌口，顺手把菜下单买回来。

你愿意让一个AI这样记住你的口味、打理你的一日三餐吗？

还是觉得，它知道得太多了？

本文来源：新智元

风险提示及免责条款

数据中心表后供电：2030年装机预测上调至67GW，燃料电池评分居首

Thu, 24 Sep 2026 10:12:02 GMT

AI 数据中心的扩张节奏，眼下最先卡住的不是资金，而是电力。芯片与机房的订单都能提前锁定，把电送进园区的时间却在变长——在美国和欧洲，接入公共电网的排队时间未来五年还要继续拉长。当电力可得性取代资本开支成为部署的硬约束，自建自用、不必排队的「表后」方案被推到台前。

据追风交易台消息，高盛 Michele Della Vigna 团队在 9 月 23 日的《Carbonomics: Behind-the-meter power solutions for data centers: gas turbines, fuel cells and reciprocating engines》中给出了一套把燃气轮机、燃料电池、往复式发动机并列打分的框架，并把 2030 年表后供电装机预测由 40GW 上调到 67GW。支撑这次上修的，是一组更快的用电读数。

结论有两条：三条技术路线都会被用上；按交付速度与可用性重新配权后，燃料电池的综合得分排在最前。

表后供电的盘子为什么突然变大

需求侧的读数先变了。全球数据中心容量 2030 年预计达到 217GW，高于 2025 年的 101GW；美国数据中心需求同期达到 108GW。由此推算，2030 年全球数据中心用电需求较 2025 年增长 170%，其中六成以上来自美国。这组增速高于此前假设，与电网的交付能力直接对撞。

电网一侧的交付能力在退化。美国电网互联申请到商业运行的周期中位数，在 2023—2024 年完成的项目上已逼近五年；新建高压输电线从 2010—2014 年的年均约 1,700 英里，降到 2020—2023 年的年均 350 英里。输电与发电设施通常要建五到十年，规划流程也跟不上这一轮涌入。

需求上修与电网变慢叠加，落在表后侧的结论就是这次预测上修：表后发电装机由 40GW 升至 67GW，且三条路线都不可或缺。

三条路线各自卡在哪

常规燃气的瓶颈已从技术成熟度转到产能与交期。正常市况下大型燃气项目从下单到投产约需两到三年，如今联合循环燃气轮机的交付周期是四到七年，单循环为 18 至 36 个月，重型燃机普遍拉长到约五到七年。厂商扩产不足以马上改变紧平衡：GE Vernova 年底合约量将超过 125GW，2030 年产能已经售罄，2031 年过半的产能位也已预售；西门子能源的积压接近 69GW，另有 27GW 预订，隐含交期约三到四年；三菱重工在谈的项目要排到 2030 年代交付。

燃料电池的强项是落地速度与可用性，不在发电成本。模块化项目的交付窗口约 12 至 24 个月，无需并入电网，满载运行时间最高，需要多配的备用容量最少。

这套评分把交付速度（20%）、可用性（15%）、平准化电价（15%）与初始资本开支（10%）加总，逾六成权重压在执行侧而非经济性上。结果燃料电池 76.6 分居首，航改型燃气轮机 68.2 分，是最均衡的常规方案，往复式发动机 67.0 分，重型燃机与联合循环 59.6 分。评分并不掩盖短处：燃料电池的平准化电价约 117 美元/兆瓦时，比联合循环与往复式高约 45%。

燃料电池的机会有多大，谁能拿到

按文中测算，燃料电池 2030 年对应美国约 12GW、全球约 18GW 的装机，折合累计设备市场约 350 亿美元（美国）与 550 亿美元（全球）。燃气表后加燃料电池合计可覆盖 2030 年美国约 28%、全球约 25% 的数据中心用电，而 2025 年这一比例接近于零。

供给端的缺口更清楚。按满产与 85% 利用率，Bloom Energy 的 2GW 扩产到 2030 年可累计交付约 7.7GW 固体氧化物燃料电池，远低于约 18GW 的全球装机预测；要兑现预测，需要多家厂商同时扩产，包括 Ceres Power 的被许可方斗山、台达电子与潍柴动力。

受益标的按路线分开：燃料电池一侧是 Ceres Power、潍柴动力与台达电子，燃气表后一侧是 GE Vernova、西门子能源、三菱重工与 INNIO。

接下来看什么

结果指标看厂商季度披露：燃机与燃料电池厂商的订单、积压量与产能售罄年份，涉及 GE Vernova、西门子能源、三菱重工，以及 Ceres Power 及其被许可方斗山、台达电子、潍柴动力。

机制指标看三件事：数据中心自备电站的采购与并网公告是否继续增多，燃机交付周期是否继续拉长，燃料电池的单位成本与交付周期是否按预测下行。

反证条件：如果公共电网扩容让接入排队显著缩短，或者燃料电池成本下降不及预期、交付周期反而拉长，表后供电占比与燃料电池份额的预测都需要下修。

验证窗口：2026年10月15日至2026年11月15日，即三季度财报窗口，以及后续自备电源采购公告的披露日。

电力瓶颈在重塑选型顺序，而选型顺序在重塑这一轮订单的归属。40GW 到 67GW 是一次上修，不是已经兑现的产能；接下来要盯的是交期与订单有没有继续往执行侧倾斜，以及燃料电池的成本曲线是否按预测下行。

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

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

航空发动机才进入新景气周期，AIDC又给产能瓶颈“火上浇油”？

万周 — Thu, 24 Sep 2026 10:00:19 GMT

航空发动机本身已经进入新一轮景气周期。全球民航机队扩张、LEAP与GTF持续提产，叠加存量发动机逐步进入维修周期，前装与MRO正在同时增长；国内CJ1000A也逐步接近适航产业化窗口。

与此同时，AI数据中心建设推升燃气轮机需求，而航发与燃机在高温合金、精密铸造、叶片、盘件等环节共享大量制造能力。

9月GE Aerospace以117.5亿美元收购精密铸件龙头CPP，进一步暴露出行业当前最突出的矛盾：订单并不稀缺，能够稳定交付高难度核心零部件的产能才是稀缺资源。

未来航空发动机产业链的机会，可能进一步向具备全球客户、高壁垒工艺和两机共同敞口的制造环节集中。

一、发生了什么？——GE突然花117.5亿美元买下一家铸件厂

9月8日，GE Aerospace宣布以117.5亿美元收购精密铸件企业Consolidated Precision Products，交易预计于2027年下半年完成。CPP并不是发动机整机厂，它的核心能力集中在airfoil和结构铸件，覆盖几乎所有主流现役商用航空项目，同时服务国防和能源客户。GE已经与CPP合作超过15年，此次选择将其收入体系，背后反映的并不是GE缺乏发动机订单，而是主机厂正在主动掌握关键制造能力。

这笔交易的意义在于一家全球航空发动机龙头开始把上游铸造产能视为战略资源。CPP约七成收入来自发动机零部件，恰好处在航空发动机最难扩产的环节之一。发动机尤其是热端部件长期工作在高温、高压和高转速环境中，对高温合金纯净度、精密铸造工艺、热处理、涂层和检测能力要求极高，供应商一旦进入认证体系，往往需要多年积累才能形成稳定批量供货能力。

从需求端看，行业并不缺订单。全球商用飞机积压订单已经处在高位，中泰证券统计，截至2025年全球商用飞机积压订单超过1.7万架；未来十年全球民航机队仍将持续扩大，其中窄体机是最主要增量，2025—2034年LEAP系列（由通用电气与Safran合资的CFM国际研制，是全球主流窄体客机的核心动力）预计累计交付约2.45万台。

2026年上半年，Safran披露LEAP交付1030台，同比增长41%；GE Aerospace上半年发动机总交付量同比增长31%，其中LEAP同样增长41%；普惠截至7月的GTF年内新增订单及承诺也超过800台。需求已经恢复，交付仍在加速。

问题出在供给端。铸件、锻件、叶片和盘件是整条产业链中扩张最慢的环节，设备昂贵、工艺复杂、认证周期长，熟练人员培养也需要时间。航空发动机核心零部件扩产周期通常达到3—5年，疫情期间海外供应链裁员与人员流失又进一步拖慢了修复速度。

……

布油重返100美元！伊朗最高领袖顾问：与美国的冲突可能扩大至印度洋

Thu, 24 Sep 2026 08:59:31 GMT

中东局势或面临进一步升级风险，国际油价持续走高。

9月24日，据伊朗半官方媒体法尔斯通讯社报道，伊朗最高领袖顾问Yahya Rahim Safavi表示，当前冲突已从波斯湾和霍尔木兹海峡延伸至红海，若局势进一步升级，下一阶段的潜在行动范围可能扩大至印度洋及其他地区。

Safavi称，如果伊朗的重要目标和利益再次遭到攻击，冲突可能进一步扩大。他还表示，若美国发动新的军事行动，红海和曼德海峡或将成为新的作战区域。上述表态之际，国际原油市场持续走强，布伦特原油重新站上100美元/桶，市场继续关注中东局势升级对原油供应和航运通道的潜在影响。

更新中

风险提示及免责条款

全球债市抛售加剧，10年期日债收益率创30年新高，10年期美债延续跌势，美股期指走低、油涨金跌

Thu, 24 Sep 2026 07:49:45 GMT

美国经济数据强劲叠加五年期美债拍卖需求疲软，引发全球债券抛售、美债收益率飙升，市场重新定价美联储加息路径，风险资产承压。

周四，美股期指走低，纳指期货日内跌幅扩大至0.6%，标普500指数期货跌0.4%。欧股低开，MSCI亚太指数跌0.6%。布伦特原油收复早盘跌幅，涨0.2%至98.33美元/桶。黄金小幅下跌0.2%，交投于每盎司4280美元附近。随着利率上升，这类不产生收益的资产吸引力有所下降。

五年期美债拍卖需求疲弱，推动其收益率自2007年以来首次突破5%。彭博美元指数徘徊在7月以来高位附近，交易员押注美联储将进一步加息。美债市场的抛售也蔓延至亚太地区，日本、澳大利亚、新西兰及新兴市场债券价格普遍下跌。

富国银行投资研究所的托尼·米亚诺表示：“市场正在告诉我们，我们已经进入了一个真正的重新紧缩周期。整个收益率曲线都在同时重新定价，这意味着股票的贴现率上升，抵押贷款和企业借贷成本上升，风险资产的门槛也更高。”

核心市场走势如下：

标普500期货跌0.3%，纳斯达克100期货跌0.3%。

欧洲斯托克50指数开盘跌0.53%，德国DAX指数跌0.57%，英国富时100指数跌0.36%，法国CAC 40指数跌0.48%。

日经225指数收盘涨0.8%，报65,513.99点。日本东证指数收盘跌0.4%，报4,075.30点。

10年期美国国债收益率上升1个基点至5.12%。

日本10年期国债收益率上涨9个基点至3.075%。

彭博美元即期指数变化不大。

美元兑日元扭转跌势，上涨0.1%至158.49。

布伦特原油涨0.2%至98.33美元/桶。

现货黄金跌0.12%至4281.9美元/盎司。

全球债市抛售潮蔓延，日债收益率飙升至1996年来新高

全球债市遭遇历史性同步抛售，日本债市假期后补跌尤为剧烈。日本10年期国债收益率周四飙升10个基点至3.075%，创1996年8月以来新高，5年期和30年期收益率分别升至2.37%和4.134%。

与此同时，美国10年期国债收益率逼近19年高点，5年期美债收益率一度突破5%，带动全球主要债市收益率曲线全线上行。

此轮抛售由内外因素叠加驱动。外部方面，油价反弹加剧通胀担忧，强劲的美国经济数据令美联储降息预期降温，700亿美元5年期美债标售需求疲软更直接推升收益率，美债抛售由此传导至全球。内部方面，日本央行上周加息但未明确后续节奏，令市场对进一步收紧的预期升温，叠加全球长期借贷成本重定价的外溢冲击，日本债市集中承压。

美元兑日元在日本假期结束后迅速升至158上方，距离160关口仅一步之遥。日本央行上周五加息25个基点，但行长植田和男随后的表态未能满足市场对进一步紧缩的预期，日元不升反跌，两周累计跌幅显著，干预风险重燃。

地缘局势牵动市场，油价上涨、黄金走低

布伦特原油上涨0.2%，报98.33美元/桶。地缘方面，据新华社，伊朗总统佩泽希齐扬23日在联合国大会一般性辩论发言中表示，伊朗“永不低头、也不会屈膝投降”，并呼吁各国共同努力实现和平。

与此同时，美国柴油价格升至每加仑6.50美元的历史新高，能源成本已成为白宫中期选举前的政治包袱。特朗普表态支持禁止柴油出口，但多名高级官员质疑其效果，两届政府对此均持审慎态度。

现货黄金跌0.12%至4281.9美元/盎司。

风险提示及免责条款

华尔街见闻 - 资讯 - 最新

美国楼市“以价换量”：8月新屋销售创年内新高，房价创逾一年最大跌幅

习近平主席在欢迎仪式上发表致辞。（央视）

这一次，美债将打崩美股？

收益率上行性质转变，期限溢价扩大

债市向股市传导的数学逻辑

杠杆与估值双重脆弱性加剧风险

财政赤字与债务可持续性构成深层隐忧

智元2万台下线后，场景开始“造”机器人

01 从交付转向运营

02 游客开始改动产品

03 商业化要看运营账

购房定金最高不超1%！北京打响现房销售“第一枪”

分类施策：存量项目获两年窗口期

土地款分期：减轻资金压力

算账逻辑重构：“竣备后才能放贷”

购房者端：权益保障升级

油价与加息：双重叙事下的资产演绎

若美国禁止出口柴油，欧洲将是最大受害人？

柴油价格因何飙升至历史极值

全面禁令如何传导至美国国内市场

禁令或反令汽油价格上涨

欧洲：供应缺口叠加有限腾挪空间

全面禁令仍非基准情景，但市场波动将延续

美国上周首申人数降至19.7万人，为1969年以来的最低水平之一

初请数据创近期新低，四周均值同步回落

裁员稀少，但招聘冷热不均

报道：谷歌、OpenAI和Anthropic人工智能安全组织成形，预计最早今年年底正式启动

盘前大跌4%！甲骨文突发“不可抗力”通知，因担忧3000亿美元数据中心项目延期

不可抗力通知：防御性操作，法律效力存疑

项目本已深陷困境，融资链压力全面显现

2028年上线目标蒙上阴影，项目命运存疑

油价飙升叠加美联储加息预期升温，新兴市场股汇双双承压

油价反弹叠加地缘风险，冲击印度市场信心

保险佣金监管新规出台，金融板块首当其冲

美联储加息预期强化，新兴市场货币普遍承压

土耳其紧急处置逾百亿美元投资基金

看好Muse变现路径， 摩根大通大幅上调Meta目标价

Muse变现路径明朗，抽成模式类比广告业务

Watermelon模型在即，API商业化打开新空间

硬件生态加速布局，可穿戴设备对接Muse入口

估值重构，长期TAM支撑溢价空间

半夏投资李蓓：AI资本开支或在明年年中见顶，地产的机会升级到二十年一遇

01 地产的机会，以前是十年一遇，现在变成二十年一遇

02 AI目前跌的是估值，第二波还在后面

03 明年这个时候，地产和消费反而成了“沙漠绿洲”

中国黄金进口，创历史新高

大摩人形机器人供应链调研：整机厂2026年出货目标翻数倍，行业洗牌或提前到来

量产加速，场景能否形成持续订单成焦点

放量之后竞争加速分化，供应链强者优势可能进一步扩大

海外量产打开新空间，本地化供应能力成为新门槛

10年美债破5.1%：美财政部TGA何时入场回购？

TGA入场首先影响前端，而非直接托举长端

加息预期升温，全球政府债券平均收益率逼近4%，创2007年以来新高

五年期拍卖需求疲弱，美债收益率持续走高

抛售蔓延亚洲，日本收益率创三十年新高

高通胀与高财政需求支撑高收益率，投资者等待波动降温

黄仁勋：AI“末日论”太过火，安全问题可以靠工程解决

抨击AI“末日论”：安全是纯粹的工程问题，呼吁监管是推卸责任

计算范式的转移：需求将暴涨“十亿倍”，英伟达芯片成为“新型资产类别”

驳斥岗位消灭论：半年内5000亿美元涌入，AI正创造全新行业

开源：世界需要掌控自己的基础设施

能源困境与气候变化：AI是解决问题的“外科手术”

第一章：开场

第2章：人工智能的五层蛋糕

第三章：Jensen Huang 对未来的展望

第四章：工作将受到怎样的影响？

第5章：开放模型详解

第6章：Hugging Face黑客事件中的对齐问题

第七章：应对AI安全的"不发布"方法

第八章：我们需要新的监管吗？

第9章：为什么AI末日论者是错的

第十章：为什么人工智能只是软件

第11章：Huang对智能的定义

第12章：AI是一种普通技术，还是一次阶跃式变革？

第13章：递归自我改进

第14章：计算的新纪元？

第15章：人工智能会出现泡沫吗？

第16章：芯片出口

第17章：AI繁荣将如何获得能源支撑？

看好Muse变现路径，摩根大通大幅上调Meta目标价