华尔街见闻 - 资讯 - 最新

江南布衣接手Marsèll大中华区运营，高端鞋履成为多品牌新落点

Thu, 24 Sep 2026 07:51:14 GMT

江南布衣进一步扩充品牌版图。

9月24日，江南布衣披露，已与意大利高端手工鞋履及皮具品牌Marsèll达成战略合作。江南布衣将独家负责该品牌在大中华区的运营，覆盖中国内地及港澳台市场，同时取得Marsèll在该区域的长期商标权益。

与江南布衣此前主要依靠内部孵化扩充品牌矩阵不同，Marsèll是一个已在海外市场运营多年的独立设计师品牌。此次合作意味着，江南布衣的多品牌业务开始由服装、童装和生活方式产品，进一步延伸至专业鞋履及皮具领域。

Marsèll于2001年创立于意大利威尼斯附近的布伦塔河沿岸。这里是意大利传统鞋履制造产业带，长期聚集制鞋工坊及奢侈品牌供应商。Marsèll以男女鞋为核心，同时销售手袋等皮具产品，产品在意大利威尼托地区制作，设计上强调皮革处理、手工饰面和结构变化。

从渠道看，Marsèll目前仍属于规模较小的高端设计师品牌。2023年12月，品牌在米兰开出首家旗舰店；在中国市场，Marsèll过去主要通过买手店及高端百货触达消费者，2026年春季曾在成都SKP开设限时零售空间，尚未形成广泛的直营网点。

这给江南布衣留下了本地化运营空间。其现有门店、会员体系和多品牌集合店可以为Marsèll提供初期触点，Marsèll则补充了江南布衣较为欠缺的独立高端鞋履及皮具产品。相较服装，鞋履更强调尺码、试穿和售后服务，线下渠道仍具有较强作用。

江南布衣最新业绩也显示，其增长方式正在发生变化。2026财年，公司实现收入60.46亿元，同比增长9%；净利润约9.97亿元，同比增长11.1%。截至2026年6月底，其实体零售店总数为2118家，较上一财年仅增加1家，线上收入则增长20.5%至14.48亿元。

在门店总量基本稳定的情况下，公司需要从单店效率、线上渠道和新品牌中寻找增量。2026财年，江南布衣新兴品牌组合收入达到4.78亿元，同比增长32.2%，但占总收入的比例仍为7.9%。主品牌JNBY依然贡献公司一半以上收入，新业务尚未改变整体收入结构。

江南布衣拥有超过61万个活跃会员账户，其中年度消费超过5000元的会员超过36万个。这批消费者对设计师品牌已有一定认知，是Marsèll进入中国市场可以利用的基础。

不过，贝恩数据显示，2025年中国内地个人奢侈品市场收缩3%至5%，消费者在购买高价商品时更加关注品质、实用性和价格合理性。Marsèll的手工制作和差异化设计具有辨识度，但相对有限的品牌知名度也意味着较高的市场教育成本。

取得区域商标权，使江南布衣能够以更长周期规划Marsèll在大中华区的渠道和产品策略。江南布衣能否在扩大销售的同时维持其产品定位，将决定这次合作最终能否成为新的业务增量。

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。

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

商务部：中美第八轮经贸磋商达成多项共识

Thu, 24 Sep 2026 07:47:58 GMT

在今天下午召开的商务部例行新闻发布会上，新闻发言人何亚东就中美经贸团队在美国纽约举行的第八轮经贸磋商相关情况进行回应。何亚东介绍，近日，中美两国经贸团队在美国举行第八轮经贸磋商。双方以两国元首重要共识为引领，秉持相互尊重、和平共处、合作共赢的原则，围绕落实已有经贸磋商共识、对等降税安排、建立贸易理事会和投资理事会、吉隆坡经贸磋商联合安排延期等双方共同关注的经贸问题，进行了坦诚、深入、富有建设性的交流，达成多项共识。何立峰副总理与贝森特财长作为中美各自牵头人在中美经贸磋商机制下就人工智能进行了首次对话。下一步，中方将与美方在中美经贸磋商机制下，就后续工作保持密切沟通。（央视）

风险提示及免责条款

智己LS6打出“底盘牌”，20万元级纯电SUV再添变量

Thu, 24 Sep 2026 07:30:36 GMT

9月23日，全新一代智己LS6上市，推出Max、Pro Max和Ultra三个版本，官方指导价20.29万至26.49万元，限时上市权益价19.79万至25.99万元。新车定位大五座家庭纯电SUV，希望通过技术配置下放，进入竞争密集的主流家庭市场。

与常见的舒适配置升级相比，新一代LS6此次更值得关注的变化发生在底盘。

新车全系搭载灵蜥全线控底盘，包括前轮线控转向、后轮转向和大陆MKC2线控制动系统。方向盘与前轮之间取消传统机械传动连接，驾驶者的操作转化为电信号，再由执行机构完成转向。

线控转向此前主要应用在价格较高的车型上。

智己将其覆盖到入门版本，使底盘技术成为LS6区别于同价位产品的主要抓手。配合官方所称的“双向18度”后轮转向，即后轮左右最大各转动9度，这辆车长接近5米的SUV，最小转弯半径可降至4.49米。

这套系统的实际价值，主要体现在家庭用户日常使用频率较高的场景。

老旧小区掉头、地库转弯和窄车位泊车，往往是中大型SUV不够灵活的地方。前后轮转向协同可以缩小车辆转弯所需空间，也有助于兼顾低速灵活性与高速行驶稳定性。

针对线控系统对安全冗余的更高要求，智己为转向系统设置了双电源、双通信和双执行器等冗余设计，并通过车辆运动控制系统协调转向、制动和动力输出。

对于智能汽车而言，这类底层执行能力不仅服务于驾驶体验，也为辅助驾驶系统更精细地控制车辆提供了硬件基础。

三电部分，新车全系采用800V高压平台，官方公布的最高充电功率为396千瓦，CLTC最高续航782公里。智己没有单纯通过扩大电池容量来强调续航，而是继续在电驱效率和补能速度上做文章。

20万元级纯电SUV市场目前已经聚集小鹏G7、乐道L60、极氪7X等产品，价格向上又与小米YU7、特斯拉Model Y等车型形成交集。

各家此前主要围绕续航、座舱和辅助驾驶展开竞争，LS6将线控转向、线控制动和后轮转向列为全系配置，意味着竞争开始进一步延伸至底盘执行层。

对于智己而言，LS6的产品思路相对明确：在保持大空间、长续航等家庭属性的同时，用底盘技术建立差异。全线控底盘进入20万元级市场，也有可能带动同价位产品加快相关配置的普及。

当然，配置下放能否真正形成市场优势，仍取决于整车标定、驾驶体验、交付质量和销售服务。至少从产品布局看，新一代LS6不再只是增加功能数量，而是把竞争重点放到底层技术上，为20万元级纯电SUV市场增加了新的比较维度。

风险提示及免责条款

美财长称中美已同意将贸易休战协议延长至明年1月，外交部回应

澎湃新闻 — Thu, 24 Sep 2026 07:29:30 GMT

9月24日，外交部发言人郭嘉昆主持例行记者会。

路透社记者提问，美国财长贝森特表示，中美两国已同意将贸易休战协议延长至明年1月10日，中方还没有发布消息，中方是否同意贸易休战延长？

郭嘉昆表示：“关于中美经贸磋商的有关情况，建议你向中方的主管部门进行询问。”

本文来源：澎湃新闻

风险提示及免责条款

ChatGPT之后，下一个全民AI应用会是Meta Muse吗？

Thu, 24 Sep 2026 07:26:02 GMT

Meta 9月8日推出的AI个人代理产品Muse，正在以罕见的速度席卷消费科技市场——上线首六天下载量即达90.2万次，超越Meta AI自身同期纪录，目前已登顶美国及加拿大苹果应用商店免费榜榜首，并带动Meta股价在两周内额外上涨21%，远超同期标普500指数1%的涨幅。

摩根大通分析师Doug Anmuth在最新研报中将Muse定性为"自ChatGPT以来最具潜力成为最广泛使用的消费级AI应用"，认为其核心驱动力在于强产品市场契合度、慷慨的免费层级设计，以及Meta覆盖逾20亿用户的庞大分发平台。

与此同时，高盛在其每日报告中指出，Muse引发的"代理式AI冲击"已成为市场最热议题，并导致其"消费者惰性"股票篮子单日下跌2.58%。

然而，Muse的光鲜表面之下暗流涌动。安全研究人员已披露一个零日漏洞，可令本地应用完全劫持用户账户；多名用户记录了Muse在未获授权情况下读取私人短信的异常行为；亚马逊已宣布封锁Muse访问其零售网站；而支撑这一产品规模化运营所需的算力成本，据测算在1亿用户规模下可能高达300亿至500亿美元硬件投入，远超付费订阅收入所能覆盖的范围。Muse究竟是下一个ChatGPT，还是另一个元宇宙式的资本黑洞，答案仍悬而未决。

Muse是什么：从聊天机器人到"代劳型"AI代理

Muse的核心定位，是Meta所称的"世界首款面向所有人的个人AI代理"。 与传统聊天机器人不同，Muse不仅回答问题，更直接代替用户执行任务，涵盖网购、旅行预订、邮件处理及日程管理等日常事务。

产品定价设有三档：免费层级提供每周1亿个Muse Token；付费层级分别为每月20美元和100美元。相较竞品，Grok Bot订阅费为每月30美元以上，Gemini Spark为每月20美元，而Instinct目前仍处于仅限邀请的内测阶段。

在技术架构上，Muse通过"连接器（Connectors）"体系与第三方服务打通，现有接入服务包括Gmail、Spotify、Peloton、OpenTable等。Meta已于上线两周内向开发者开放连接器构建权限，并相继推出Mac版本、美国本土商家外呼测试版，以及与Shop Pay的代理结账集成。扎克伯格还在Meta Connect发布会上推出了Muse Charm实体挂件。

摩根大通预计，随着数以千万计的企业在Muse上部署自有代理，用户与商家之间的交互将逐步从人工浏览或电话沟通，转向"代理对代理（agent-to-agent）"模式，届时Meta可参照其广告业务的变现逻辑，通过抽佣或按交易目标收费实现货币化。

技术底色：站在开源巨人的肩膀上

Muse的技术基因，可追溯至一个名为OpenClaw的开源代理框架。OpenClaw由Peter Steinberger及数十名贡献者在不到六个月内构建完成，上线首周即在GitHub斩获10万星标，目前累计超过38.7万星，是GitHub历史上增长最快的代码库之一。

OpenClaw采用自托管架构，通过SOUL.md、IDENTITY.md、USER.md等纯Markdown文件管理记忆、浏览、消息及定时任务。据用户测试，Muse使用了完全相同的文件结构——当被直接询问时，Muse自身的代理也予以确认。

Meta的核心贡献，并非技术上的从头创新，而是将复杂的自托管流程压缩为一分钟的普通用户注册体验。 正如一位X平台用户所总结的：

“个人AI代理的瓶颈从来不是模型本身，而是注册流程。Docker没有发明容器，Slack没有发明聊天。赢得市场的实验室，往往不是证明概念的那个，而是消除了概念与普通人日常生活之间最后一道摩擦的那个。”

值得关注的是，OpenClaw的创始人Steinberger此后已加入OpenAI，专注于面向大众的代理产品开发，OpenClaw项目本身则移交至独立基金会运营。

安全与隐私：被加速赶工所牺牲的基石

扎克伯格将Muse标榜为"从底层为隐私与安全而构建"，但现实与这一承诺之间存在显著落差。

在安全层面，据Ars Technica报道，安全研究人员已发现一个零日漏洞：任何本地应用或终端命令，无论其macOS权限级别如何，均可修改Muse的一系列未公开设置。

其中一项设置允许进程更改语音转录的服务器端点——攻击者只需将该端点重定向至自控服务器，即可获取用户Muse账户的完整控制权限。

安全研究员Wardle对此评价称：“他们在我看来根本没有认真考虑过安全问题，这非常令人担忧。”

在隐私层面，多名用户记录了Muse在未经明确授权的情况下读取私人信息的行为。据报道，一名科技记者表示，他明确拒绝授予Muse访问短信的权限，但Muse随后主动推送通知，内容涉及其与播客联合主持人的私人对话及编辑发来的工作消息。当被追问时，Muse起初声称仅读取了通知横幅文本，但该解释随后被证明并不准确。IBM副董事长Gary Cohn公开表示，出于隐私顾虑，他目前尚未准备好使用该服务。

在行为透明度层面，代码审查显示，Muse的自动化浏览器刻意伪装成人类用户：它以禁用自动化标识的方式启动Chrome，注入代码隐藏navigator.webdriver属性，并伪造浏览器插件信息以生成更接近真人的浏览器指纹。Amazon正是以"Muse访问其网站时未自我标识为AI代理"为由，宣布封锁该应用。

算力账单：规模化扩张背后的成本黑洞

Muse的商业模式面临一个根本性的数学难题：为每位用户提供专属虚拟机的承诺，在规模化后将产生天文数字级别的硬件成本。

据@demian_ai此前在社交平台X上发帖称，每位Muse用户都应该获得一台配备2个虚拟CPU、8GB内存及100GB固态硬盘的专属云端虚拟机。据测算，若Muse在一年内达到1亿用户规模（考虑到其当前的下载势头，这一情景完全可能），Meta将需要约158万颗AMD EPYC服务器芯片（按50%活跃用户负载计算），以及约800拍字节的内存，对应电力消耗约1.6吉瓦。

付费订阅收入远不足以覆盖上述成本。若有1000万用户订阅每月20美元的套餐，年收入约为24亿美元；而仅硬件建设成本一项，在1亿用户规模下即可达300亿至500亿美元。Meta当前全年资本支出指引已高达1300亿至1450亿美元，训练与广告业务已占用大量算力资源。

为应对这一挑战，Meta已于2026年3月成为Arm AGI CPU的主要联合开发商及首席部署合作伙伴，并于同年4月向其算力组合中新增数千万颗AWS Graviton核心。然而，分析人士指出，若Meta无法对闲置虚拟机实施有效的冻结与共享策略，“专属云端PC”的承诺将难以按宣传规模兑现。

市场影响：颠覆预期与"消费者惰性"的终结

Muse对资本市场的冲击，已远超Meta自身股价的波动。

高盛在其报告中指出，Muse所代表的代理式AI能力，从根本上威胁到那些依赖用户"高转换成本"维持客户留存的商业模式——无论是难以取消的订阅服务、繁琐的银行账户迁移，还是复杂的保险续约流程，一旦AI代理可以代劳，这些企业的护城河将大幅收窄。高盛"消费者惰性"股票篮子（GSXUSWCH）在相关报道发酵当日下跌2.58%，成为近期交易最活跃的主题篮子之一。

摩根大通则将Muse的长期可寻址市场规模定性为"可能达到数十万亿美元"，并预计Meta将在2027年之前以推动用户采纳和参与度为优先目标，暂缓大规模商业化变现。为此，Meta已开始在Instagram和Facebook上投放Muse广告，并推出"邀请好友获得10亿Muse Token"的裂变激励机制，同时启动全国性电视广告攻势。

核心悬念：下一个ChatGPT，还是元宇宙2.0？

Muse当前的市场表现令人印象深刻，但其能否成为真正的"全民AI应用"，仍取决于几个尚未解答的关键问题。

首先是信任问题。Meta在数据隐私领域本就背负沉重的历史包袱，而Muse上线两周内已暴露出零日漏洞、未授权读取私信及浏览器伪装等多重问题，这对于一款需要用户授予账户、文件乃至麦克风和摄像头访问权限的产品而言，是极为不利的起点。

其次是成本可持续性。付费订阅收入与实际算力投入之间的巨大缺口，意味着Muse目前本质上是一项由Meta广告业务补贴的战略性投入，其商业闭环尚未形成。

第三是竞争压力。OpenAI正在开发竞争性代理产品，Nous Research的Hermes Agent也在追逐同一赛道，而Amazon的封锁行动则预示着平台生态的阻力可能持续存在。

摩根大通的判断是，Muse有潜力成为自ChatGPT以来最具影响力的消费级AI应用；但批评者则将其与元宇宙相提并论——一个烧钱无底、最终未能兑现承诺的宏大叙事。

初期的病毒式传播固然亮眼，但真正的考验，是当好奇心退潮之后，有多少用户愿意每月付给扎克伯格20美元乃至100美元，让Meta来打理自己的生活。

风险提示及免责条款

个人Agent火了，软件迎来新需求？大摩看好通信、客户服务与电商基础设施

Thu, 24 Sep 2026 07:24:02 GMT

Meta旗下Muse与私人产品Instinct的走红，令投资者重新审视AI Agent浪潮对软件行业的结构性影响。摩根士丹利认为，消费端Agent的兴起并非短期业绩催化剂，但正在强化通信、网络基础设施与电商软件的中期多头逻辑。

据追风交易台消息，摩根士丹利分析师Elizabeth Porter等人在最新研究报告中指出，个人AI Agent的加速普及，从需求侧重塑了通信软件的增长逻辑——消费者借助Agent发起更多业务互动，企业端AI则降低响应成本，二者共同推动通信量扩张和基于用量的货币化模式。这一趋势对Twilio和Wix的暴露度最为直接。

对于网络基础设施提供商而言，报告认为"人类访问量下降导致网站建设需求萎缩"的空头叙事正在被重新定义：Agent日益需要发现商家、预订服务并完成交易的系统支撑，中小企业（SMB）的线上交易基础设施需求或因此受益。摩根士丹利明确将北美软件行业评级定为"具吸引力"（Attractive），但同时提示，上述趋势更多体现为对估值中枢和长期预期的改善，而非对近期季报和业绩指引的直接提振。

Muse与Instinct：从问答工具到任务执行

根据摩根士丹利报告，Muse和Instinct是新一代个人AI Agent，其核心区别在于从"回答问题"转向"代理完成任务"。Meta于2026年9月8日通过其应用程序及WhatsApp正式推出Muse；Instinct为私人产品，主要通过iMessage提供访问入口。

两款产品均具备浏览网页、填写表单、预订出行等能力，并可在获得用户授权后完成消费行为。9月中旬，双方相继推出限量版外呼功能，允许Agent主动联系商家处理预约、预订及客户服务事宜。

这一功能扩展被摩根士丹利视为关键节点——Agent从被动响应用户指令，演变为主动代表用户与企业发生交互，直接打通了消费行为与企业通信系统之间的链路。

通信软件：需求侧开辟新入口

报告指出，AI对联络中心（Contact Center）市场的影响此前主要聚焦于企业用更少的坐席人员处理现有咨询，对以坐席数计费的传统模式构成压力。消费端Agent的出现则引入了一个需求侧的新机遇：消费者可以通过Agent发起此前因时间或意愿不足而放弃的咨询和任务。

摩根士丹利将这一逻辑概括为："企业AI让回应更便宜，消费AI让发起更容易。"通信量的扩张，一方面可缓冲坐席压力，另一方面加速了按时长、交互次数或结果计费的自动化服务需求。

报告认为，RingCentral最清晰的机会在于按用量计费的AI Reception（AIR）产品；NICE和FIVN的空头逻辑有所弱化，但能否在AI层胜出并实现货币化以抵消人工坐席压力，目前仍存在不确定性。报告显示，FIVN订阅收入中AI收入占比约15%，NICE年化云端收入中占比相近，大摩期待看到AI收入加速向该比例及以上迁移，同时整体营收趋于稳定乃至加速增长。

Twilio：用量扩张叠加软件附加值

报告将Twilio定位为通信领域暴露度最广的公司。摩根士丹利强调，核心机会并不在于与AI助手的对话本身，而在于Agent完成任务过程中所触发的一系列通信行为——身份验证短信、预订确认及后续跟进消息，均构成增量通信用量。

在语音层面，Twilio既可支持Agent发起外呼，也可支持企业侧接听。此外，Conversation Relay等软件附加产品，为Twilio提供了超越纯连接服务、在每次交互中获取更高收入的额外路径。

不过，摩根士丹利对短期业绩预期保持谨慎，并援引Twilio此前表态——该公司曾提示，上半年超出预期5%以上的表现不应被视为"新常态"，公司预计超额表现将有所收敛。

网络基础设施：从流量逻辑转向交易逻辑

对于Wix和GoDaddy等网络基础设施提供商，报告认为Agent的兴起正在重构需求逻辑：网站的价值不再主要体现于承接人类访问流量，而在于能否支撑Agent发现商家、完成预订和交易的后端能力。

摩根士丹利认为，Wix的暴露度优于GoDaddy——后者规模较大的域名业务稀释了Agent浪潮的传导效应。Wix推出的MCP（模型上下文协议）和Headless策略，有望在外部AI平台主导网站生成或消费者界面的情况下，仍保留其作为后端运营层的角色，维系与商家在预订、电商及业务运营方面的核心关系。

报告同时提示，功能捆绑是一项货币化风险：将相关功能整合进GoDaddy Airo等更大平台，短期内可能促进用户留存，但未必能形成独立的付费升级收入。AI原生建站工具的竞争亦构成持续压力。

电商基础设施：Shopify居于最有利位置

在电商软件赛道，摩根士丹利明确指出Shopify是最直接的受益者。报告认为，Shopify已构建Agent平台所需的核心基础设施——包括标准化实时商品与库存层Catalog、商家侧控制面板Agentic Storefronts，以及交易标准UCP。

这一体系的战略价值在于整合效率：Agent平台接入Shopify一次，即可覆盖数百万商家的数十亿件商品，无需与每个消费品牌单独谈判和维护对接关系，从而令Shopify在集成层面具备显著竞争优势。

此外，消费者发现路径的碎片化——从搜索、社交、零售媒体延伸至Agent渠道——进一步凸显了统一商务系统的价值。单一数据记录系统在整合与协调多渠道表现方面的能力愈发关键。报告还指出，随着Agent活动扩散，基于商品属性而非媒体投入的筛选机制，或将令平台上长尾小众品牌获得更多曝光。摩根士丹利表示，将就Shopify在Agent生态中的多层机会进行更深入的专项研究。

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

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

突破100bp！法德利差14年新高：法国财政与政治风险何时引爆？

Thu, 24 Sep 2026 06:53:31 GMT

9月18日，法国10年期国债收益率一度升至4.57%，创2008年以来新高；相对同期德国国债收益率溢价达到105bp，为14年来首次。10年期法德利差（OAT-Bund）时隔多年重新突破100bp这一重要关口。同日，欧洲股市大跌，市场以剧烈波动对法国财政与政治风险进行集中定价。

法国政府已放弃2026年将财政赤字率降至5.0%的目标。受增长环境疲弱、能源价格上涨及恶劣天气条件带来的额外支出影响，2026年法国政府赤字率预计将升至5.4%。尽管2027年预算案尚未公布，预计将于本月末前后出炉，但政府大概率将继续把2027年赤字目标设为5.0%。若从2026年的5.4%降至2027年的5.0%，实际所需的年度财政调整规模不足150亿欧元。

但当前政府提出的削减方案规模为540亿欧元，这一规模对应的是在无任何巩固措施情景下约6.5%赤字率与5.0%目标之间的差额。这意味着，核心矛盾并非财政目标本身，而在于这份新预算案很难在高度碎片化的议会中通过。

评级机构也迅速跟进确认这一风险：Scope Ratings在例行报告中将法国的主权信用评级从AA-下调至A+，使其评级与惠誉和标普持平；而晨星DBRS虽确认其AA评级，但将其评级展望从稳定下调至负面。穆迪10月的决定或将成为下一个市场下行风险的催化剂。

100bp并非终点，法国风险定价进入危险阶段

过去法国国债收益率上升可更多解释为全球长端利率上行，而随着OAT-Bund利差持续扩大，市场定价重心已转向法国自身的财政可信度和政治稳定性。100bp突破意味着法国已难以再被视为欧元区无风险核心，而是向高溢价半核心资产靠拢。

日元再逼近160，瑞银警告：空头“洗净”后，做空窗口重启

Thu, 24 Sep 2026 06:48:25 GMT

日元持续承压，干预风险重燃，而市场结构的微妙变化正在为新一轮空头攻势埋下伏笔。

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。

与此同时，日本10年期国债收益率周四跳升10个基点至3.075%，创1996年以来新高，全球债市抛售浪潮与国内财政压力形成共振，进一步加剧市场动荡。

对冲基金持仓出现关键信号转变：据CFTC最新数据，截至9月15日当周，对冲基金七个月来首次转为日元净多头，持有约2510亿日元（约合16亿美元）的日元看涨头寸。瑞银策略师团队指出，投机性日元空头已被"彻底洗光"，这恰恰为市场重建看空头寸腾出了空间。

当前市场面临的核心矛盾在于：日本央行加息路径的不确定性、美联储持续鹰派的政策预期、以及日本财政扩张带来的长端利率上行压力，三重因素共同压制日元，而干预的威慑效力正在被市场逐步消化。贝森特的"强势日元"承诺，将在160这道关口迎来真正的压力测试。

加息未能救援日元，160关口再度成为焦点

日本央行9月18日政策会议决定加息25个基点，但此举未能阻止日元颓势。植田和男会后讲话被市场解读为偏鸽，未能提供足够明确的后续紧缩路径指引，令日元在加息后反而持续走弱，美元兑日元一度升破158。

值得注意的是，此次加息决议并非全票通过，委员会内部出现两票反对，且未有委员提出加息50个基点的动议。

Ebury Partners策略主管Matthew Ryan指出，“若市场对日本央行进一步紧缩缺乏信心，日元短期内仍面临进一步走弱的风险。外汇干预本质上是一种钝器，若缺乏有力的货币政策配合，日本当局将难以遏制日元抛售。”

日债收益率飙升至近三十年高位，国内外压力叠加

日本假期结束后，市场重新开盘即遭遇冲击。日本10年期国债收益率周四单日跳升10个基点至3.075%，为1996年以来最高水平；5年期收益率同步上行9.5个基点至2.37%，收益率曲线全线走高。

外部压力来自美国：强劲的经济数据与一场需求疲弱的国债拍卖，将美债收益率推至近二十年高位，油价上涨进一步强化了通胀预期，市场对美联储持续加息的定价愈发激进。

国内层面，财政压力同样不容忽视。据报道，日本政府正考虑将中期国防开支目标上调至GDP的3.5%，与北约及其他美国盟友看齐。这一潜在支出扩张计划，令市场对首相高市早苗财政路径的审视进一步加深，长端国债承压明显。

空头"洗牌"完毕，新一轮做空窗口或已开启

CFTC持仓数据揭示了一个耐人寻味的市场结构变化：截至9月15日当周，对冲基金对日元的净头寸由空转多，为2025年7月以来首次，净多头规模约2510亿日元。

然而，瑞银策略师Shahab Jalinoos团队对此给出了截然不同的解读——这并非看涨信号，而是空头出清的结果。他们指出，投机性日元空头已被"彻底洗光"，在套息交易环境依然有利、美日利差仍然显著的背景下，这恰恰为投资者重建看空头寸创造了条件。

换言之，净多头的出现，可能不是日元反转的起点，而是新一轮做空周期的前奏。澳大利亚联邦银行货币策略师Carol Kong表示，"若美债收益率持续上行，市场继续试探日本当局捍卫日元的决心，美元兑日元可能很快突破160。"

干预门槛与贝森特承诺：联合行动能否再现？

160关口的象征意义远不止于技术层面。澳大利亚国民银行外汇策略主管Ray Attrill表示，“我们完全有可能重返160，但我预计干预威胁本身会阻止汇率真正突破这一水平。”

然而，干预能否产生持久效果，在很大程度上取决于华盛顿是否参与。Attrill指出，日本单边干预在货币政策基本面不利的情况下，历史上难以形成持续性逆转，市场可能很快消化另一次单边操作的影响。

今夏美国曾与日本联手买入日元，显著提升了做空日元的风险成本。财政部长贝森特多次公开表态支持日元走强，实际上是在向交易员发出挑战。一旦美元兑日元重返160，贝森特的公信力将直接受到检验。

Attrill补充称，美国进一步参与干预可能附带条件——日本需展示出比市场当前预期更快、更大幅度加息的意愿。片山皋月此前已确认日美联合干预的原则框架仍然有效，但美国财政部的实际容忍底线，以及联合行动的触发条件，仍是市场最大的不确定性所在。

分析认为，汇率检查（rate check）的效果已被证明短暂而有限，市场对日本当局单边干预的怀疑情绪有所上升。这一背景下，期权市场对160关口附近的干预风险定价正在悄然变化。

Carol Kong指出，若美元兑日元快速突破160，将“实质性地提升官方行动的可能性”，尤其考虑到近期已有汇率检查的先例，以及联合干预的历史惯例。160的快速突破，可能触发期权市场对风险逆转（risk reversal）的重新定价，进而放大汇率波动。

风险提示及免责条款

据报道，DeepSeek完成75亿美元融资，年化营收突破10亿美元

Thu, 24 Sep 2026 06:24:59 GMT

据报道，DeepSeek完成75亿美元融资，年化营收突破10亿美元。

风险提示及免责条款

Meta全面押注个人Agent：Muse接入眼镜、Mac、邮箱，打通购物与办公

Thu, 24 Sep 2026 05:39:17 GMT

Meta正将旗下个人AI智能体Muse打造成覆盖用户全场景生活的核心平台，从智能眼镜到Mac桌面，从购物交易到日常办公，一场围绕"个人超级智能"的全面布局正在加速成形。

9月23日，Meta在加州门洛帕克举行年度Connect开发者大会。CEO扎克伯格宣布，Muse将接入Meta智能眼镜产品线、新增Mac端计算机操作能力、获得独立电子邮件地址，并与沃尔玛、Sephora、Best Buy、Gap等主要零售商达成合作。与此同时，Meta还推出了名为"Muse Charm"的随身手持设备，计划赶在假日购物季前发货。

Muse于9月初发布，目前已登顶苹果应用商店榜首，并刚刚进入加拿大市场。扎克伯格将其定位为Meta迄今在消费AI领域最重要的押注，并称："在未来几年，我预期Muse将成长为全球数十亿人用于实现目标、改善生活的个人超级智能。"

在商业化路径上，Meta计划为用户提供大规模免费使用额度，并通过对用户交易收取小额佣金实现盈利。受此前股价连续上涨推动，Meta股价本月迄今已累计上涨30%，有望创下2013年7月以来最佳单月表现。

元宇宙退场，Muse成为战略核心

今年的Connect大会与数年前的场景截然不同。彼时扎克伯格高调宣布押注元宇宙并为此更名公司，而本届大会上，元宇宙话题几乎销声匿迹。"我们决定暂时将元宇宙的优先级降低一些，"扎克伯格在台上表示。

取而代之的核心叙事，是"个人超级智能"。扎克伯格身穿印有"BUILDING IS MY LOVE LANGUAGE"字样的黑色T恤登台，将Muse定性为Meta整体愿景的"核心"，并在现场演示了通过佩戴智能眼镜向Muse语音指令、为与技术主管Andrew Bosworth的会议预订日历时段的功能——演示过程顺利完成。

在技术架构上，每位用户的Muse运行于独立的私密安全计算环境（Meta称之为"Muse安全虚拟机"），底层模型为专为个人智能体训练的Muse Spark多模态模型。区别于传统聊天机器人，Muse强调持续在后台执行任务，支持角色与个性定制，默认角色名为Jolly。

硬件矩阵全线更新，眼镜成关键入口

Connect大会上，Meta发布了多款新硬件，并将其与Muse深度绑定，构建覆盖用户全天候场景的感知入口。

在眼镜产品线上，Meta划分出更清晰的层级：售价349美元的Ray-Ban Meta Audio取消摄像头，主打音乐、通话与语音交互，续航最长12小时，定位全天候佩戴；449美元起的第三代Ray-Ban Meta保留摄像头，升级了拍摄、降噪与续航性能；现有的Ray-Ban Display增加导航等功能并扩大销售市场。Meta计划到年底提供超过100种眼镜选择，其中包括与Blackpink成员Lisa的联名款。

在高端产品线上，Meta发布了Meta VR Glasses，将计算单元与电池移至外接设备，将镜体重量压缩至约100克，面向观影、沉浸式内容及多屏办公场景，售价1299.99美元，计划于2027年春季上市。

Muse将于"未来数月内"接入上述AI眼镜，用户届时可通过唤醒词免触控激活智能体，完成预约、记录餐食、指导锻炼乃至发现并购买眼前所见商品等任务。Meta表示，Muse将在后台运行，任务完成后主动反馈结果。

Mac操控与邮件代理，打通办公场景

在生产力场景，Meta宣布将Muse的"计算机使用"能力引入Mac平台。用户授权后，Muse可操控Mac上的任意应用，在用户离开电脑后继续执行预先排定的任务。

"你可以让它帮你经营小生意，或者替你完成工作，"Meta首席AI官Alexandr Wang在主题演讲中表示，"你可以离开电脑，它会继续替你处理好所有排队中的任务。"

邮件功能同步在开发之中。未来Muse将拥有专属电子邮件地址，用户可将其加入邮件线程，或将邮件直接转发给Muse代为处理。Wang表示该功能将"很快"上线，但未提供具体时间表。

此外，Muse还将新增实时数字化身功能，由全新AI模型Muse Realtime Avatar驱动，用户可与自定义的Muse虚拟形象进行实时视频对话。

购物生态快速扩张，平台开放引千家开发者

购物场景是Muse商业化变现最直接的落点。Meta已与Stripe及Shopify达成合作，Muse可访问Shopify完整商品目录，并通过Link和Shop Pay完成购买，PayPal支付支持也在持续扩充。新增零售合作伙伴包括沃尔玛、Best Buy、Gap、Sephora、Wayfair，以及旅行平台Expedia和杂货配送平台Instacart（即将上线）。工作场景方面，新增连接器涵盖Box、GitHub、Granola和Notion。

值得注意的是，据华尔街日报，亚马逊在大会前夕封锁了Muse在其平台上完成购买的通道，称其未获授权。

在平台开放层面，Meta已允许开发者自行构建Muse连接器。Wang透露，相关平台开放后不到一周，Meta即收到超过1500份申请，"我认为这可能是一个时代性的机会，"他说。

在商业逻辑上，Meta计划提供大规模免费使用额度，并从Muse参与撮合的交易中抽取小额费用。目前公开的案例已涵盖购物、旅行、账单谈判、保险等场景。Meta表示，即将发布目前家族中能力最强的模型，以推动整个Muse模型体系的全面升级。

风险提示及免责条款

全球债市抛售潮蔓延！日本10年期国债收益率冲上1996年来新高

Thu, 24 Sep 2026 05:35:27 GMT

日本债市在结束周假期后重新开市，随即被卷入全球债券抛售浪潮。日本10年期国债收益率周四飙升至1996年8月以来最高水平，与美国国债收益率同步冲上数十年高点，标志着全球主要债市正经历一场历史性的同步重定价。

日本10年期国债收益率周四上涨10个基点至3.075%，5年期收益率上涨9.5个基点至2.37%，各期限收益率全线攀升。与此同时，美国10年期国债收益率亦升至近19年高点，30年期日本国债收益率上涨近7个基点至4.134%，5年期收益率更创历史新高至2.345%。

此轮抛售潮由多重因素叠加驱动：油价反弹加剧通胀隐忧，强于预期的美国经济数据强化了市场对美联储持续加息的预期，而700亿美元5年期美债标售需求疲软更直接推升收益率。日本债市在三天休市后重新开市，集中承压，跌势尤为剧烈。

美债抛售是导火索

此轮全球债市动荡的核心驱动力来自美国。据大华银行（UOB）研报，油价反弹、美国PMI数据强于预期，以及700亿美元5年期美债标售需求疲软三重因素叠加，推动5年期美债收益率突破5%，带动美债收益率曲线全线上行至近20年高点。

强劲的经济数据令市场重新评估美联储货币政策路径，投资者对美联储短期内降息的预期进一步降温，长端利率随之承压。这一走势迅速向全球主要债市传导，日本债市首当其冲。

日本央行加息信号引发双重冲击

日本债市的压力并非仅来自外部。日本央行上周五上调基准利率，并暗示可能进一步收紧货币政策，但由于未能就未来行动节奏提供更明确指引，交易员普遍感到失望。

这一表态使日本国债收益率同时面临两方面压力：一是市场对日本央行进一步加息的预期持续升温；二是全球长期借贷成本重新定价带来的外溢冲击。两股力量叠加，令日本债市在假期结束后重新开市时承受了集中释放的抛售压力。

值得注意的是，据彭博报道，本月早些时候，在美国财政部长Scott Bessent公开表示期待东京方面及日本央行采取行动支撑疲软日元后，日本基准借贷成本已升至三十年来最高水平。此次进一步上行，意味着日本债市正处于多年来最为严峻的利率上行周期之中。

财政隐忧加剧市场担忧

除货币政策因素外，日本政府的财政支出前景同样令投资者不安。据悉，日本政府正考虑将中期防卫预算目标设定为GDP的3.5%，以符合北约及其他美国盟友的标准。这一消息加剧了市场对首相高市早苗整体支出计划的担忧。

在持续通胀与财政扩张预期的双重压力下，投资者要求对持有日本国债给予更高的风险溢价补偿，进一步推动了这波抛售潮。收益率的持续攀升，意味着日本政府未来的债务融资成本将显著上升，财政可持续性问题再度引发市场关注。

分析认为，此次日美债市的同步大幅走高，标志着全球主要经济体的长期借贷成本正在经历系统性重定价。

日本债市的特殊性在于，其长期以来是全球低利率环境的重要锚点。随着日本国债收益率加速上行，部分依赖日元套利交易的全球资产配置策略面临重新审视的压力，市场波动性或将进一步上升。

风险提示及免责条款

付鹏：一场跨越十余年的宏观交易——从新西兰看小型开放经济体【付鹏说5】

付鹏 — Thu, 24 Sep 2026 04:39:35 GMT

《付鹏说·第七季》全新升级上线！立即订阅

一场跨越十余年的宏观交易——从新西兰看小型开放经济体

交易桌前看天下，付鹏说来评财经。本期视频录制2026年9月24日。

前段时间我去新西兰滑了一趟雪。很多人会猜，是不是又在关注新西兰了？其实不必额外关注，因为新西兰这轮反馈已经走了十多年，虽然后面可能还要再走几年，这一轮大周期才算真正走完。我借这个机会把它讲一讲，因为这是一个最基本的模型，而我们用人生中的十来年，完整地经历了它。

我真正开始盯住新西兰。原因很简单：它是一个典型的小型开放经济体。

二、小型开放经济体的基本框架：经常账户、利差与房贷

小型开放经济体的框架其实很简单：经常账户（Current Account）与资本和金融账户之间需要保持平衡，二者大体相当。

先看新西兰的经常账户。它的贸易和商品结构非常单一，核心是乳制品——脱脂奶粉、全脂奶粉，代表企业是大家熟知的恒天然（Fonterra），此外还有牛羊肉、原木和木浆（国内的纸浆期货就与之有一定关系），以及新西兰的代表性水果奇异果（Kiwi），基本上也就这些。

说到新西兰出口的强势阶段，还得提到2008年中国的三鹿奶粉事件。如果没有这一事件，新西兰此后的乳制品出口不会那么强劲，全球乳制品行情也不会那么强。

进口方面，新西兰高度依赖海外。它没有现代重工业体系，汽车、机械、电子产品乃至能源，整套工业品几乎全部依赖进口。新西兰本质上是用初级农产品去交换高级工业品和能源的贸易结构。这决定了它的贸易收支非常容易受到冲击——进口中能源、原油的比重很高，对输入性通胀极为敏感。出口端相对还有一定韧性，但这几年乳制品同样处于大宗商品周期的低迷阶段，说到底，新西兰出口的增长与中国高度相关。

现在新西兰政府绞尽脑汁地拉拢印度，积极推进与印度的自由贸易协定，目的就是通过印度市场来拉动出口。但无论如何，这都改变不了它经常账户必然逆差的格局。

经常账户逆差，就需要资本和金融账户的顺差来弥补。为了维持这一平衡，新西兰的利率必须高于海外利率。道理很简单：如果不是高利率，怎么吸引资金？

高利率会形成一个双向循环。第一，正利差有利于纽元（新西兰元）保持稳定——注意，不是升值，而是稳定；第二，汇率的稳定反过来又支撑资本和金融账户的净流入。所以它的基本公式是：新西兰与海外的利差必须为正，而且这个利差还必须足以抵消离岸资本对纽元的贬值预期。如果贬值预期过大，货币互换（Swap）的成本，也就是对冲成本，就会非常高，平衡便难以为继

这里还有一点必须注意：经常账户逆差意味着新西兰本国缺乏储蓄。

为什么要强调这一点？因为这必然涉及居民部门的房贷。本国储蓄不足，居民买房的按揭贷款就无法依赖本国储蓄，只能依赖资本和金融账户，也就是海外融资。新西兰的四大银行——澳新银行（ANZ）、ASB银行、新西兰银行（BNZ）和西太平洋银行——母行全部是澳大利亚的银行，西太平洋银行新西兰公司就是如此。因此，新西兰国内的房贷资金主要来自邻国澳大利亚的海外融资。

这意味着，房贷规模越大，新西兰每年需要对外支付的利息就越高；银行赚到的利润，其股息也要回流澳大利亚的母行。这些都是资本端对外支出的重要部分。房贷规模越大、利率越高，对外支出的这条线就越粗，吸引资本流入的压力也就越大——因为只有流入大于流出，才能形成金融账户顺差，去抵消经常账户的逆差。所以这套循环一旦恶化，后果会非常严重。

特朗普面临柴油出口禁令两难：选票压力与市场代价的博弈

Thu, 24 Sep 2026 04:11:44 GMT

美国柴油价格创历史新高，特朗普政府正面临一场政治逻辑与经济逻辑的正面冲突。限制出口看似是平抑国内油价的捷径，但分析人士警告，这一举措可能引发连锁反应，最终令美国消费者和全球市场付出更高代价。

柴油价格已飙升至每加仑6.50美元的历史纪录，汽油价格亦维持在每加仑约4.50美元的高位，能源成本正成为白宫在中期选举前愈发棘手的政治包袱。据媒体报道，特朗普本周表态支持禁止柴油出口的构想，美国财政部长贝森特也表示政府正在评估全面或部分禁令的可行性。

然而，包括能源部长Chris Wright和内政部长Doug Burgum在内的多位政府高级官员近期对禁令效果公开表示怀疑。据路透专栏作者Ron Bousso分析，禁止柴油出口不仅无法从根本上增加燃料供应，反而可能压低炼油商的生产积极性，进而拖累汽油、航空燃油等其他油品产量，令局面雪上加霜。

地缘冲突驱动的供应危机

此轮燃料短缺几乎完全由地缘冲突引发。中东和俄罗斯此前合计占全球柴油海运出口量的约五分之一。今年2月下旬伊朗战争爆发后，霍尔木兹海峡航运受阻，全球炼油产能和柴油供应随之大幅收缩。

局势在7月进一步恶化。俄罗斯历来是全球最大柴油出口国之一，但在乌克兰无人机持续打击其炼油设施数月后，俄方于7月暂停了柴油出货。据报道，9月份俄罗斯六大主要柴油生产炼厂中，有一半因遭受无人机袭击而大幅削减或完全停止产出。

面对供应缺口，美国凭借庞大的炼油产能迅速填补空白，成为少数具备大规模出口能力的供应方之一。据Kpler数据，与2025年均值相比，美国石油出口总量自3月以来已激增逾20%，达到每日900万桶。

库存告急，禁令呼声升温

出口激增的代价是国内库存持续失血。美国柴油库存已降至逾四十年来同期最低水平，较去年同期低约13%。更令市场担忧的是，当前正值炼厂秋季检修和冬季取暖旺季来临前的传统补库期，库存却反向下滑。

特朗普政府此前已尝试多项措施缓解国内油价压力，但收效甚微。3月，华盛顿对有百年历史的《琼斯法案》发出豁免令——该法案要求在美国港口间运输货物须使用美国建造、美国所有、悬挂美国国旗且主要由美国船员操作的船只。此次豁免旨在便利墨西哥湾沿岸炼厂向东西海岸输送柴油，但实际效果微乎其微，且豁免令将于11月15日到期。

报道指出，特朗普还曾敦促乌克兰总统泽连斯基停止打击俄罗斯能源基础设施，但相关努力进展有限，袭击近日仍在持续。

禁令为何可能适得其反

Bousso认为，表面上看，禁令逻辑似乎成立。美国炼厂去年日产柴油近500万桶，而国内消费量为390万桶，存在明显盈余。

但这一"盈余"恰恰是禁令注定失效的根源所在。现代炼油系统的设计初衷是同时服务国内外市场，墨西哥湾沿岸炼厂依据全球价格信号优化运营，将柴油、汽油和航空燃油输送至出价最高的市场。

禁令实施初期，更多燃料将流入国内市场和储罐，价格或暂时回落。但一旦库存填满，炼厂将因无法向海外销售过剩柴油而被迫降低加工负荷。最终结果是柴油产量下降，汽油、航空燃油等其他油品产量也将随之缩减——禁令不仅无法创造更多燃料，反而可能抑制整体生产。

这也解释了为何拜登和特朗普两届政府都对这一选项保持审慎态度。

政治算盘与战略代价

与此同时，Bousso还指出，禁令的风险不止于油价本身。限制出口可能损害美国作为可靠能源供应方的国际声誉，与特朗普政府力推的"能源主导"战略形成直接矛盾。与此同时，欧洲和亚洲盟友及客户对美国燃料的依赖程度日益加深，禁令将对这些关系造成冲击。

然而，随着总统支持率持续走低，中期选举日益临近，政治压力正在积聚。特朗普依据紧急权力拥有临时限制出口的法律授权，而寻求一个政治上受欢迎的"快速解决方案"的诱惑，可能难以抗拒。

反对禁令的经济逻辑相当清晰，但特朗普政府能否顶住政治压力、坚守这一立场，目前仍是未知数。

风险提示及免责条款

资深投资人：现在硅谷是由“帮派成员”主导的

董静 — Thu, 24 Sep 2026 04:06:25 GMT

Edgewood Ventures管理合伙人 Vishal Verma认为，当今硅谷实际上是由”帮派”主导的——既包括以PayPal党、YC党为代表的公司系帮派，也包括印度裔、波斯裔、华裔等族裔网络，正是这些紧密的小圈子相互交织、彼此赋能，共同创造了硅谷惊人的财富与创业生态。

AI算力融资正被重新定价：CoreWeave数据中心债券息票9.25%，较同类高2.7个百分点

Thu, 24 Sep 2026 04:04:20 GMT

Blue Owl Capital 关联方为 CoreWeave 相关数据中心项目发行的 11 亿美元高收益债券，以 9.25% 的收益率完成定价，较同类评级债券平均收益率高出约 2.7 个百分点。这笔交易为 AI 算力热潮的信用风险标出了新价格：当数据中心的租户本身是投机级借款人时，融资成本正在被市场重新定价。

据知情人士，这批 5 年期债券定价于面值的 98.5%，由高盛、花旗和德意志银行联合承销；募集资金将用于弗吉尼亚州里士满附近 Digital Drive 数据中心园区的额外算力建设。该设施 76 兆瓦 IT 容量已全部预租给 CoreWeave，合同期 15 年、总值 29.4 亿美元，预计 2027 至 2028 年间投运。

标普全球评级周二将该笔发行评为 BB-，较投资级低三档，并明确指出"对单一投机级租户的敞口仍是关键风险"。这笔交易恰好发生在 AI 基础设施债务大量涌入高收益债市场、投资者对缺乏投资级租户的项目要求更高收益率的时点，CoreWeave 正是典型。

CoreWeave 作为 AI 算力新贵，二季度营收同比增长逾一倍至 25.75 亿美元、积压订单达 1040 亿美元，但高增长并未消除债券投资者对其长期偿债能力的疑虑。这笔定价或将成为后续 AI 数据中心项目融资成本的参照系。

高额溢价背后：市场为单一租户风险开价

据知情人士向彭博透露，此次发行的五年期票据定价为98.5美分，收益率9.25%，较彭博追踪的同评级债券平均收益率高出约270个基点。

这一溢价幅度直接反映了项目的结构性风险：底层资产的全部76兆瓦IT容量将完全租赁给CoreWeave一家，租期15年，合同总金额29.4亿美元，预计于2027年至2028年间投入运营。单一租户、单一项目、单一来源现金流，三重集中令投资者要求显著高于市场均值的风险补偿。

标普在报告中将该债务评为BB-，并将"对单一投机级租户的敞口"列为关键风险项。这意味着，哪怕CoreWeave的租约条款在账面上看似稳健，评级机构仍对其信用资质所带来的潜在波动保持警惕。

CoreWeave的信用成色：AI算力新贵的两面性

CoreWeave是近年崛起最快的AI算力基础设施提供商之一，其15年、29.4亿美元的租约在规模上颇具说服力，但投机级的信用评级使其无法提供与亚马逊、微软等超大规模云厂商同等的信用背书。

对债券投资者而言，这份合同的可持续性至关重要。一旦CoreWeave在租约存续期内出现经营困难或违约，项目的现金流支撑将骤然丧失，而专用于AI计算的数据中心资产在再招租方面的灵活性有限，资产变现的不确定性将显著上升。

项目的发起方为Blue Owl Capital关联实体、Cedarwood Investment Group LP以及PowerHouse Data Centers LLC。Blue Owl在另类资产管理领域具有一定的市场背书，但其关联方作为项目发起人，并未从根本上改变底层资产对CoreWeave单一信用的依赖。

融资成本趋严：AI数据中心的结构性挑战

据彭博报道，此次发行是近期AI基础设施垃圾债浪潮的组成部分，而投资者对此类项目要求的收益率正在系统性抬升，尤其是在租户不具备投资级信用评级的情况下。

这一趋势对后续AI数据中心项目的融资可行性构成直接压力。以9.25%的借贷成本测算，项目运营期内的债务服务负担将显著高于具备投资级租户的同类项目，这将直接压缩开发商的利润空间，并对项目内部回报率形成拖累。

若AI算力供需格局出现变化，或CoreWeave等头部算力租户的信用状况发生恶化，市场对此类债券的定价可能进一步走高，部分融资方案的经济性将面临重新检验。对于计划通过资本市场为AI基础设施融资的开发商而言，租户的信用质量正在成为越来越难以绕开的核心变量。

风险提示及免责条款

个人Agent入口大战升级！Grok Bot周活激增、Muse登顶App Store，OpenAI最快本周迎战

Thu, 24 Sep 2026 03:54:02 GMT

AI助手赛道正从"聊天问答"向"替人干活"全面跃迁，一场争夺用户工作流入口的关键战役已经打响。SpaceXAI的Grok Bot上线逾一个月、Meta的Muse登顶App Store，OpenAI则被贴上"追赶者"标签，正紧急备战，最快本周推出代号"Aeon"的个人Agent产品，以应对两面夹击。

据彭博9月22日报道，Grok Bot截至9月14日的周活跃用户已达41.8万，较前一周增长24%；Meta Muse则在上架两天内冲至美国区App Store免费榜第2名，截至9月22日已登顶，将ChatGPT挤至身后。

与此同时，据科技媒体The Information 9月21日报道，OpenAI正在开发功能以更直接对标SpaceXAI于8月推出的Grok Bot，同时内部也在讨论如何回应Meta本月上线的个人AI助手Muse。知情人士透露，OpenAI计划将现有Codex和ChatGPT中已有的“智能体”技术重新包装和品牌化，而非从零构建新产品。

AI工程师@dotey在社交平台X上发帖称，原定上周发布的相关产品已被Sam Altman确认推迟，目标是赶在9月29日旧金山DevDay开发者大会之前亮相。

分析认为，谁能率先占据用户的"工作流入口"，将直接决定下一阶段的用户粘性与商业化空间。

Grok Bot：41.8万周活，马斯克称"增速前所未见"

Grok Bot于8月11日由SpaceXAI正式推出，定位为"始终在线的AI团队"。与普通AI助手最大的区别在于，每个Bot拥有独立的云端持久电脑，文件、浏览器、登录状态均保存其中——用户关机睡觉，Bot仍在后台运行。

在功能层面，Grok Bot可自动登录用户的Gmail、Google Calendar、Notion、Figma、财务软件乃至无API的旧网站，像人一样操控鼠标、填写表单，完成多步骤任务，仅在需要用户授权时才发出提示。多Bot协作是其核心卖点：

用户可同时运行多个Bot，分别负责收件箱管理、销售外联等，并由一个"幕僚长"Bot统筹协调，各Bot可在群聊中自主分配任务。

Grok Bot通过SuperGrok订阅提供，起价每月30美元，亦提供独立App版本。SpaceXAI将其定位为白领工作者和小企业主的"AI数字首席助理"，并在社交媒体、YouTube及播客平台大力投放广告。

马斯克本人在社交平台X上表示：“Grok Bot的使用量增速超过我们见过的任何产品。”

Meta Muse：登顶App Store，消费端攻势凌厉

Meta于9月8日推出个人AI助手Muse，主打消费场景，功能涵盖代为回复邮件、与商家沟通、网购比价、日程管理等日常任务，用户可通过Messenger等Meta旗下应用直接访问。Muse免费下载，与Grok Bot的企业订阅模式形成差异化竞争。

据彭博智库数据，Muse的下载量是Grok Bot独立App的四倍。Meta凭借旗下应用数十亿级别的用户基础，具备显著的分发优势，并已在Messenger等核心应用中对Muse进行突出推广。

不过，分发优势并非万能。The Information指出，Meta在2024年曾推出对标ChatGPT的聊天机器人，但其庞大的用户基础并未转化为预期中的竞争优势。

与此同时，邀请制初创公司Instinct的崛起同样引发市场关注。该产品通过短信和电话帮助用户订餐厅、购物，用户需授权其访问信用卡信息和账户密码。Instinct目前拥有逾10万用户，正寻求以100亿美元估值融资，估值在一个月内翻了四倍。

OpenAI备战“Aeon”：技术早有，包装滞后

OpenAI并非毫无准备，但其现有能力的市场感知度严重不足。

The Information报道，OpenAI正在开发的产品内部暂称“Codex Bot”，基于开源智能体框架OpenClaw构建。值得注意的是，OpenClaw的创始人Peter Steinberger已于今年2月加入OpenAI，Sam Altman明确表示其负责打造下一代个人智能体。

从代码层面看，泄露信息已提前透露产品形态。常年追踪ChatGPT代码的博主Tibor Blaho在ChatGPT安卓客户端的连续两个版本中发现了“aeonId”字段，与“accountUserId”并列出现，旁边还有名为“memberAeonIds”的字段——“member”（成员）的命名方式，与Grok Bot多Bot共处群聊的形态高度吻合。

测试说明中还出现了“aeon式行为”的描述：能力状态需在每一个采样步骤重新捕获，而非等待下一轮用户输入。这与需要连续执行多步骤任务的智能体逻辑完全吻合，暗示Aeon并非简单的功能迭代，而是一个可被单独标识、持续运行的“数字成员”。

事实上，OpenAI早在今年7月9日便已推出ChatGPT Work，官方介绍中已包含跨应用执行任务、持续处理复杂项目、定时任务等功能，并整合了Codex技术，支持云端后台运行。问题在于，大量用户对这些功能毫不知情——正如The Information所描述的：后厨什么菜都能做，菜单上却只写着“聊天”。

据@dotey在X平台发布的信息，Aeon传闻将在DevDay之前、甚至可能本周发布。OpenAI目前尚未就此作出官方表态。

入口之争：谁占住工作流，谁就握住用户

这场竞赛的本质，已不再是模型能力的排行榜之争，而是对用户日常工作流入口的争夺。

据the information报道，四家玩家，四种路径：SpaceXAI要的是一台存有用户所有登录状态的云端电脑；Anthropic更早于6月23日推出Claude Tag，让Claude以"成员"身份入驻Slack接收任务，瞄准的是整个团队的协作频道；Meta的Muse要的是用户每天打开的聊天App；Instinct则直接要求用户交出信用卡和密码，换取全权代理的便利。

入口一旦形成使用习惯，迁移成本将极高。一个接管了用户收件箱、熟悉其写作风格、记住优先级客户的Bot，远比一个聊天App更难被替换。

对OpenAI而言，压力来自多个维度。据The Information报道，ChatGPT过去一年增长明显放缓，10亿周活跃用户的目标原定去年达成，今年夏天才最终实现。在个人Agent这条被视为"第二增长曲线"的赛道上，OpenAI已落后于Grok Bot和Muse的市场节奏。

然而，技术与产品之外，整个赛道面临的最大不确定性或许是用户信任。有多少普通用户愿意授权AI访问个人信息、社交账号乃至支付权限，目前仍是未知数。聊天时代，用户评估的是"AI够不够聪明"；Agent时代，用户要回答的是"我敢不敢把钥匙交出去"。

这道信任门槛，是所有参与者共同面对的最后一关，也将是决定这场入口之战最终格局的关键变量。

风险提示及免责条款

沙特断供：入冬前，欧洲能源危机能否出现拐点？

Thu, 24 Sep 2026 03:53:27 GMT

9月中，沙特东西向输油管道遭无人机袭击后关闭，导致原本通过延布港、红海及苏伊士运河输往欧洲的原油供应受到显著冲击。沙特阿美已明确通知至少两家欧洲炼油客户，下月将不再依据长期协议进行原油配额；而这一决定实际上将适用于所有欧洲长协买家。

欧洲经合组织国家6月日均进口沙特原油57.7万桶，虽然占欧洲原油总消费的比例并非绝对主导，但其品质与物流路径难以被快速替代。

欧洲市场最直接的反应，是替代原油溢价快速攀升。由于欧洲炼厂亟需寻找与沙特原油品质相近的替代品，挪威Johan Sverdrup原油相对布伦特现货基准溢价一度高达35美元/桶，9月8日仅为0.60美元/桶；Johan Castberg溢价超过30美元/桶，CPC Blend溢价亦从不足1美元升至约9美元，显示欧洲现货市场的紧张程度远高于期货价格所反映的水平。

不过，近期随着中东局势、谈判走势以及红海形势开始有所缓和，油价连续从高位回落，布油期货一度跌破100美元/桶；欧洲能源溢价也随之回落。不过，沙特阿美快速调整出口路线，将原定销往欧洲的配额全面东移，转而向亚洲买家出售约6000万桶原油（9月和10月装船）。该线路经拉斯坦努拉港运至霍尔木兹海峡外，在阿曼附近完成转运。

但当前溢价回落并不意味着欧洲能源供需重新平衡，而更大程度上反映了市场对于最坏情形不会立即发生的重新定价。欧洲能源现货市场与期货市场仍显著脱节，到岸成本、柴油裂解价差及天然气风险远未消除。

欧洲面临严峻的能源供应风险

华尔街最火的“金融AI”创始人：如何做“AI时代的彭博”，为何OpenAI和Anthropic做不好金融

AI原生Lab — Thu, 24 Sep 2026 03:44:28 GMT

随着AI深入华尔街的每一个毛细血管，一家估值20亿美元的初创公司正试图通过构建垂直领域的“金融基础设施”，接管传统银行家的工作，并立志成为AI时代的彭博。

当整个市场都在追逐OpenAI和Anthropic等通用大模型的宏大叙事时，Rogo选择了一条极其垂直且深度的道路——从帮投行做PPT、建Excel模型，到全流程处理并购交易，再到进军财富管理领域。

近日，在知名投资播客《Invest Like The Best》中，主持人、Positive Sum CEO Patrick O'Shaughnessy对Rogo联合创始人Gabe Stengel进行了深度专访。详细拆解了Rogo的业务逻辑、订单商业模式，以及他对华尔街未来的终极想象。

（右边为：Rogo CEO Gabe Stengel）

访谈中，Stengel抛出了一系列极具冲击力的观点：OpenAI和Anthropic永远不会去做金融数据室，但如果你想成为高端资本市场的"交易所"，你就必须做。这正是Rogo押注的方向。

据《华尔街日报》报道，近期，金融AI平台Rogo Technologies完成了一轮约3000万美元的战略融资，投资方星光熠熠，包括花旗、巴克莱、法国巴黎银行、三菱日联金融集团（MUFG）和法国兴业银行等华尔街顶级投行。而就在今年早些时候，这家成立于2021年、由前初级银行家创立的公司，刚以20亿美元的估值完成了1.6亿美元的D轮融资。目前，摩根大通、美国银行等巨头已经深度使用其平台。

护城河：为何OpenAI和Anthropic“赢不了”金融？

这是访谈中最核心的竞争逻辑部分。市场最大的疑问始终是：既然大模型越来越聪明，为什么华尔街不直接用ChatGPT或Claude？

Stengel给出的答案是：金融行业需要的不仅仅是智能，而是极致的合规、可审计性以及与底层业务的深度绑定。

"你要建的东西必须和他们的方向垂直（perpendicular）。表面上你可能也做聊天机器人，但底层有大量他们永远不会去建的东西。"

他的核心判断是：金融服务是由无数个"利基市场"拼成的，每个都有不同的数据集、不同的"好"的定义、不同的监管要求。光是深入这些工作流、数据集，就能做到50亿美元收入。而对于Anthropic来说，这不过是'走在路上弯腰捡一分钱'——他们要走的路是从1000亿到1万亿美元。"

具体来说，Stengel给出了两个"脏活"案例：

一是MNPI合规管道。如果你在处理影响市场的交易，合规要求极为精细——每一个操作的可审计性，如何进入内部系统，一旦被监管审查能否完整还原——"这是像素级完美（pixel perfect）的管道工程"。

二是数据室（Data Room）。"如果一家大型上市公司收购另一家，需要双方安全交换数据。你需要一个合规、安全的数据室，而且不能只是个静态的Dropbox文件夹，它必须接入你的Agent工作流。OpenAI和Anthropic永远不会想做数据室生意。"

“我不想OpenAI或Anthropic会想要建立一个数据室业务。”Stengel表示，“如果你想成为所有高级金融和资本市场的交易所，你不仅需要拥有智能，还需要拥有交易场所、沟通场所、工作流以及所有输入的数据。”

这种“最后一英里”的基础设施，正是Rogo的护城河。

商业模式与业绩想象力：做“AI时代的彭博”

在订单和商业化方面，Rogo目前采用的是类似彭博（Bloomberg）的“按席位收费（Per Seat）”模式。客户群体主要集中在大型投资银行，因为投行不仅拥有最多的席位，更是整个金融界人才和数据的分发渠道。

Stengel毫不掩饰他对彭博模式的借鉴，并描绘了Rogo的未来发展路径：

首先，用一点AI和数据敲开大门（类似早期的彭博终端）；其次，构建完整的分析和工作流，从智能副驾（Copilot）进化到全自动驾驶（Autopilot），让AI能100%准确地撰写投资备忘录（IC Memo）或尽职调查问卷；最后，提供交易对手之间的通信渠道——不是让人类交易，而是让AI代理（Agents）之间直接进行交易谈判。

对于未来的业绩指引和定价革命，Stengel提出了一个极具想象空间的“基于结果定价”模式：

“对我来说……如果我能跳过基于Token和使用量的收费，只是对提供给你的每一个好投资想法收费呢？或者对每一份能完美发给LP的季度报告收费？作为投行，如果我能为你制作完整的保密信息备忘录（CIM）并据此收费，我宁愿达到那种状态。”

他透露，目前Rogo的产品路线图才刚刚走完了1%，99%的资本市场创新仍在前方。

他同时指出，私募市场（Private Markets）是Rogo最核心的战场，原因恰恰是这里"管道还没建好"："私募市场所有的协调、标准化、信息挖掘和实际交易，全部是人工完成的。而公开市场，很多东西早就自动化了。"

极端的生产力爆发：90%的企业价值将转移到软件上

AI对华尔街生产力的重塑已经产生立竿见影的效果。Stengel提到，一位25年没碰过Excel的投行董事总经理（MD），现在可以自己直接使用AI，“以前需要和分析师反复沟通三天才能做出的5页客户材料，他现在自己花10分钟就做完了。”

Stengel认为，金融业正在经历前所未有的结构性震荡：

"过去10到20年，做资本配置、做投资者是很好的生意。市场有天然的壁垒和惯性，私募尤甚——你募了一期基金，再募一期，很难把生意搞砸。但现在是第一次，每个投资机构、每家银行都在说：'我得把自己的做法完全重新想一遍了，而且马上就会有数百家AI原生的投资机构、AI原生的投行来攻击我的商业模式。'私募基金、对冲基金、投资银行，很久没有遇到过真正的创新者困境了。"

Stengel抛出了一个令所有传统金融机构都必须警醒的观点：企业价值正在发生转移。

“如果今天你企业90%的价值在于人——你最好的投资者、最好的银行家带来了交易和收入。那么在10年后，世界上最好的投资公司和银行，其90%的企业价值将不再是人，而是软件、数据和系统。”

对于二级市场的买方，Stengel描绘了一个疯狂的画面：

“想象一下，如果对冲基金的每一个投资经理（PM）都有10000个AI代理，它们在相互交流、讨论想法、阅读笔记、高谈阔论，然后在经历了24小时无休止的辩论后，只给你提供一个（绝佳的）想法。”

对于一级市场，他预测未来资本的融通将变得像散户在Robinhood上买股票一样简单：“我认为KKR只需要5分钟就能弄清楚是否能把这家投资组合公司卖给另一家PE，而不是5个月。资产定价的时间将大幅缩短。”

内部“公司大脑”：不使用AI的员工将戴上“笨蛋高帽”

要实现这种AI原生化，Rogo自身的内部管理极其激进。

公司内部有一个名为“Shrek”的企业大脑，所有内部对话都会被录音并输入其中，成为全公司共享的记忆库和销售赋能工具。更具戏剧性的是，Rogo极其看重员工对AI工具的采用率。

“每个月我都会收到一份报告，显示公司每个人使用了多少AI工具。每个部门垫底的员工，我们会打印一张带有‘笨蛋高帽（Dunce Cap）’的图贴在办公室里。”Stengel说，虽然这带有一种玩笑性质，但这是为了建立一种强大的激励机制，强制所有人将AI融入工作本能。

正如Stengel所言，这场金融业的创新者窘境才刚刚开始。“金融业务中没有任何一个你认为神圣不可侵犯的部分，是对AI免疫的。”

全文实录如下（由AI辅助翻译）：

第1章：介绍

Gabe Stengel：

我们现在看到的是，这些模型比我认识的任何人、比我身边的任何人都要聪明。想象一下，如果一家对冲基金的每位投资经理都拥有1万个智能体，这些智能体整天相互交流、探讨想法、研读报告、高谈阔论，然后在经过，比如说，24小时不间断的辩论之后，只给你提出一个投资想法。10年后，全球最顶尖的投资公司、最优秀的银行，其90%的企业价值将不再来自人才，而是来自软件、数据和系统。 你会开始做什么？你会开始想方设法，把你最优秀的人才脑海中所积累的一切，全部转化并注入到一套由你自己掌控和运营的系统中。企业中没有任何一个环节是神圣不可侵犯的，没有任何一个部分能够免于被彻底颠覆。

Patrick O'Shaughnessy：

过去几年里，你我多次谈到这个基本问题，我就从这里开始。你实际上是在尝试打造投资领域的超级智能工具，帮助投资者以更快的速度、更好的质量、更低的成本、更轻松的方式完成工作。但现在越来越感觉到，哇，我们已经在大量替代那些核心职能了——就连几年前非常聪明的分析师甚至投资组合经理所做的工作，现在也不例外。你是如何看待这条发展轨迹的？从你亲身经历和观察到的来看，以及未来两年将走向何方？

Gabe Stengel：

我认为预测两年其实比预测10年或20年更容易推断。因为在未来两年里，最优秀的投资者将会想方设法重塑自己的公司，重塑自己。 如果你回顾做市业务和量化交易领域发生的事情——Jane Street花了15年时间才建立起主导地位。而当今全球最优秀的投资者，将在未来两到五年里摸索如何将AI融入自己的工作。你知道，Dario有句名言，说每个人都将拥有一个装满天才的数据中心，或者说一个国家的天才都聚集在数据中心里。试想一下，如果Goldman Sachs、Millennium、Citadel突然迎来了一个国家的天才，他们会怎么做？ 他们大概需要花相当长的时间，才能弄清楚如何改变工作方式、如何充分利用这一切、如何将其整合进自己的体系。我认为，如何将AI应用于投资全生命周期，是未来五年每一位优秀投资者面临的最大挑战。

Patrick O'Shaughnessy：

在这条发展轨迹上，已经出现了很多公司。Cognition就非常有名，他们现在的广告直接说："还记得Devin吗？现在它真的很厉害了。"所以，很多如今明显非常优秀、产品也很出色的公司，在AI业务的某个阶段，产品其实曾经很糟糕，而现在却已经非常出色了。

第2章：构建Rogo

Patrick O'Shaughnessy：

如果你想想我们从底层模型本身看到的那几次能力跃升，你能不能用同样的方式来讲讲Rogo和它产品的"发展阶段"？比如你自己来定义有几个阶段，我不知道你怎么框架这个问题，但就是说每个阶段它能做什么，一直讲到今天。

Gabe Stengel：

是的，其实在我们正式起步之前，我尝试过两次创建Rogo，都失败了。高中的时候，我有个朋友，他爸爸是投资银行家，想要一个App来追踪两家上市公司在并购过程中的股权交换比率。于是我们尝试用非常老旧的AI技术来做这件事，结果一塌糊涂。然后到了大学，在GPT-3发布之前，我们发表了一篇关于AI辅助计量经济学和金融计量经济学的论文，当时也试图将其商业化，但完全行不通。

真正开始创业，是在GPT-3发布之后、ChatGPT出现之前。所以Rogo早期的那段日子，你能明显感觉到它有多神奇——你可以演示一些很酷的东西，但实际上什么都用不了。我的意思是，要说东西真正开始能用，那些阶段和模型的迭代是紧密相连的。o1 Pro，然后大概是Opus 4.5——o1 Pro是第一个让你获得足够可靠性的版本，至少可以作为一个不错的搜索工具来用。比如你可以说，帮我计算这家公司过去12个季度的某个财务指标，它能可靠地完成，不会让你烦到宁愿自己动手去做。

到了Opus 4.5，大概是去年年底、2025年末到今年年初，这些模型基本上已经能胜任一个初级投资专业人员或初级银行家所做的任何工作，只要你给它正确的指令和背景信息。我觉得，对很多应用型AI公司来说，存在一种"先发劣势"——你以为自己知道世界会走向哪里，于是想为那个终态构建产品，但模型还没到位。所以人们试用之后就会说，这太烂了，这是垃圾。我们也经历过这种情况。但现在我们看到的是：如果你当初对终态的判断是对的，知道模型会走向哪里，并且一直朝那个方向构建，那么当模型真正到位的时候，就会是魔法一般的效果。

对我来说，最好的产品验证就是我们每天收到的反馈。人们整天都在说：这正在改变我的工作方式，我每个月节省了数百小时，我现在能做以前根本做不到的事情。因此我变得更聪明，能做出更好的决策。这种体验令人愉悦，我自己也喜欢用它。它给我的日常工作带来了快乐，因为那种用户体验、对细节的关注和精心打磨，明显是为我、为我这类人量身定制的。 这是产品构建过程中最美好的部分。

Patrick O'Shaughnessy：

你会把这归因于——你认真对待了所有合规、监管、工作流程、最后一公里对接这些事情，然后模型足够成熟了，一下子这一切就变得极其有价值了？

Gabe Stengel：

除此之外，还有一些细节，是关于理解这些机构里的人是怎么工作的，然后专门为此构建产品。我举个例子。我们让一家银行的董事总经理通过邮件发送一份演示文稿的修改批注变得极其简单——这本来就是他们通常的工作方式，只不过以前是把批注发给分析师，现在是把同样的批注发给我们的AI分析师，然后在20分钟内而不是两天后收到修改好的版本。与此同时，系统还会通知交易中的初级分析师，告知他们正在发生什么，并向他们展示所有小改动的完整审计记录，以便他们在需要时可以介入。这整套用户体验和流程，让那些可能十年没登录过电脑、但知道怎么在iPad上做批注的金融专业人士，真正能够采纳并使用AI。 这些构建一款真正适合特定终端用户的产品的细节，只有当你对这份工作有一种"蜘蛛侠的直觉"时，你才能知道。

第3章：10,000个AI智能体

Patrick O'Shaughnessy：

你们能做到的最前沿的事情中，哪些最让你印象深刻？比如说，能处理哪类工作？

Gabe Stengel：

哦，我是说，我觉得我们正在做的最酷的事情，就是把这些创新应用起来，比如Multibook这样的东西。

想象一下，如果一家对冲基金的每位投资组合经理都拥有10,000个智能体，这些智能体整天互相交流、碰撞想法、阅读研究报告、深入探讨。然后经过整整24小时不间断的"辩论"之后，只给你呈现一个想法。之所以能这样做，是因为投资者愿意为一个真正好的想法支付5万美元，而在其他几乎任何领域，都很难有理由消耗这么多算力，就只为了获得一个简单的洞见。

我们现在看到的是，这些模型比我认识的、我接触的任何人都更聪明。 关键在于"管道"——把它接入你的上下文，告诉它你的投资逻辑，告诉它你的工作方式，然后把它融入你的日常工作中。所以，搭建好所有这些"管道"，真正把数据和上下文收集起来，这才是我眼中真正的前沿所在。

Patrick O'Shaughnessy：

对于这样一款产品，有一点我一直觉得很有意思——当然，你对它应该用来做什么有自己的想法，但从某种意义上说，用户可以用很有创意的方式来使用它。所以你也能从中看出人们真正想用它来做什么。

如果我用一种"上帝视角"来看——现在是纽约的周一早晨，大量Rogo用户可能正在热情地使用它。如果我能看到这款产品每一个正在使用中的实例，我会看到什么？都是哪些人在用？主要的使用场景是什么？差异有多大？给我们讲讲它现在的使用情况。

Gabe Stengel：

尽管在很多方面，我认为公开市场股票是AI最好的应用场景，因为所有数据都是公开可得的，所以只需要尽可能地聪明就行。但那是一种非常……怎么说，最糟糕情况下的表述方式。我们早期用户以及核心市场，实际上是我称之为"交易撮合者"的群体——也就是那些在进行交易的人，正在收购公司、出售公司、或者协助推动交易完成的人。

所以我们做的很多事情，既是让人们更聪明，也是真正在完成交易本身。

怎么准备数据室？怎么拆解数据室？怎么协调与第三方的电话会议来讨论数据室内容？怎么走完一笔交易从启动到交割的所有初始步骤？ 如果你从高空俯瞰所有Rogo的用户，他们要么是一笔交易的卖方，要么是买方，都在用它来准备所有的思路和材料，帮助推动整个交易的执行——无论是往数据室里放东西，比如公司的商业模式、描述客户情况的PPT、尽职调查问卷中关于客户集中度的回答；还是另一边所有那些智能体，在拼命翻阅数据，并将其对应到该机构的投资理念，来判断"这个集中度风险是否低于我们这只基金可以接受的水平"。

系统的各个组件方面，用户通过所有经典渠道来访问它——电子邮件、聊天机器人、主动提醒之类的方式。但Rogo实际上已经深入到这些机构很多幕后系统中，因为在推进一笔交易时，不只是参与其中的人需要了解进展，你还需要更新你的CRM，需要更新你的投资组合监控系统，需要更新你事后向LP分发信息的方式。

所以我们一半的业务范围，其实是冰山水面以下的部分——根据人类在整个交易过程中所做的事情，与这些不同的系统记录进行交互。

Patrick O'Shaughnessy：

所以现在服务的是交易撮合者。你觉得什么时候能给出同样的答案，说你也能服务于公开市场对冲基金的初级分析师这类群体？他们的工作流程同样有一套流程，但非常不同。你说得对，我的第一直觉也是公开市场是最适合做这件事的地方，因为有这么多数据可用。你觉得这个转变什么时候会发生？

Gabe Stengel：

我认为，对于我们的业务来说，我们需要具备成为优秀公开市场投资者所需的全部领域知识。 而我不知道那需要什么——我从来没做过这行。事实上，我花在那些真正擅长这件事的人身上的时间远远不够。我们需要招募到这方面的领域专家，然后再基于此，弄清楚如何把我们已经构建的系统应用到那个市场。

我对我们所构建的底层系统、工具和基础设施将对那个市场极具价值这一点，有极强的信念。 但现在我们需要一位优秀的"主厨"，能够把这些拼接在一起，为公开市场投资者打造出那种最终形态的产品和最后一公里的交付。

我们的董事会其实一直在推动我考虑把目标客户群扩展到核心投行业务之外。但现实是，在"交易撮合者"这个垂直领域，一直有着极其丰富的深度和市场空间。 而我对终极愿景的设想——真正成为私募市场的完整基础设施，让人们能够非常高效地完成交易——这对交易撮合者来说重要得多。而对于公开市场来说，那些基础设施、那些交易所早就已经存在了。

所以我确实想服务于他们，因为我想服务于最顶尖、最聪明的用户——他们对自己跟踪的公司、所关注的行业拥有海量的知识，我想让他们变得更聪明，这听起来非常酷。但仅仅专注于我今天所在的领域，我就已经可以建立一家规模巨大的公司了。

Patrick O'Shaughnessy

有意思。所以从中可以得出一个结论：在垂直领域构建AI业务的大量机会，往往存在于那些基础设施尚未完善的地方。

Gabe Stengel：

是的。

Patrick O'Shaughnessy：

然后再把你的……

Gabe Stengel：

对，

Patrick O'Shaughnessy：

叠加在这之上。

Gabe Stengel：

正是如此。我的意思是，私募市场之所以如此吸引人，部分原因在于一切都由人工完成——包括协调、标准化、尽职调查以及实际交易。而公开股票市场则不同，其中很大一部分已经实现了自动化。

第4章：依然重要的技能

Patrick O'Shaughnessy：

根据你所了解的情况，你认为投资专业人士——广泛来说，无论是公开市场还是私募市场——随着时间的推移，应该考虑哪些技能会变得更有价值？哪些技能会变得不那么有价值，这一点其实相对显而易见。但是，换一种方式来问：我们到底该怎么办？ 现在AI可以从头到尾完成尽职调查、投资委员会备忘录、异议处理等所有这类工作。这至少对于投资领域的初级人员来说，是工作的重要组成部分。那么你认为，几年后哪些技能仍然会非常重要？

Gabe Stengel：

我想先说明一下，我在金融领域工作了两年，所以我和那些人一样，也是这个领域的学生，同时我对这项技术充满兴趣，想弄清楚如何运用它。

但你知道，世界上最优秀的投资者有一种能力，就是找出什么是真正重要的，并在各种议题上运用自己的判断力。 我认为，AI最终是否能够取代这种能力，目前还没有定论。我觉得，当"第37手"那个时刻发生，当Lisa Doll看到了我永远无法看到的东西，如果这种情况开始在公开股票市场上发生，那将真正改变什么是重要的。如果这真的改变了整个运作方式，我认为核心技能将属于那些能够走出去、收集他人没有的数据和信息并输入到模型中的人。 如果你能在实地花时间，如果你能与专家交流，如果你能建立一个能够为你的模型提供信息的人脉关系网络，也许你不需要亲自计算出你的"第37手"是什么来做出一项出色的公开股票投资，但你实际上可以用别人没有的数据来喂养你的模型。

Patrick O'Shaughnessy：

也许现在是个好时机，来谈谈我所想象的那条"流水线"。比如，如果Rogo输出了一些非常有用的结果，请告诉我产生这个结果的整个系统。我想了解这个系统的每一个组成部分，我最感兴趣的是你们自己拥有、使用、购买和构建的数据，以及你们如何处理数据、如何思考数据，以及如何思考模型。 这两个问题，一方面我对你们具体的业务感到好奇，另一方面我也认为，基本上在每个垂直领域都会出现类似Rogo这样的公司。所以我很好奇，哪些东西可以被抽象复制到其他专业服务或其他有趣的垂直领域，并最终被AI进步所颠覆。 请详细讲讲，具体来说，数据和模型这两块是什么，以及它们是如何随时间演变的。

Gabe Stengel：

是的，Rogo早期就像一个鲁布·戈德堡装置，大概有60个不同的模型调用。一个问题进来，你先要判断：Patrick现在问的是哪些公司？它们的股票代码是什么？我怎么把这些代码输入到Bloomberg、FAX或某个内部数据集的API调用中？数据返回后，我还需要调用另一个模型把所有信息整合在一起。随着模型变得越来越智能，你会希望少一些规定性，少一些鲁布·戈德堡式的机械操作，而是思考什么是最简单、最好、质量最高的工具。

这就好比，如果世界上最聪明的人明天来这里，努力成为一名出色的银行家和投资者，他们需要哪些不仅仅依赖于聪明才智的工具？数据工具是什么？收集信息的方式是什么？审核自身工作的方式是什么？以及如何呈现结果并将其推送回所需的系统？

因此，我们花了大量时间思考，一位优秀的银行家或投资者真正完成工作所需的所有数据输入是什么，然后我们花了大量时间思考，在完成这项工作时，所有的合规和监管要求是什么，以确保如果有一天，某位特拉华州的法官将AI的输入和研究列为可被发现的证据，你实际上已经以正确的方式完成了所有工作，确保信息没有被混用。因为AI投资判断和AI银行家输出的现实是：你将能够看到这些内容是如何被创建的完整溯源链。 然后我们还花了大量时间对这些模型进行基准测试，并创建不同类型的评估值和数据集，这样我们就能随时判断哪个模型性能最佳、从token角度来看哪个成本最低、哪个延迟最低，并将任务路由到最合适的模型类型。

第5章：击败OpenAI和Anthropic

Patrick O'Shaughnessy：

我相信你最常被问到的问题就是：你们最终如何与Anthropic和OpenAI竞争？他们都把金融视为一个重要赛道，这也是为数不多的你能看到他们公开谈论并认真思考的领域之一。从长远来看，你认为你们能做什么，来形成一种与他们能做或愿意做的事情相抗衡的差异化定位？

Gabe Stengel：

我的意思是，你要构建的东西应该与他们想构建的东西垂直正交。有时候你可能也会做一个聊天机器人，因为那能帮你更快地打入市场。但你必须清楚，在表面之下有大量的东西是那些大型实验室永远不会去构建的，而这些东西是我们需要为金融或其他任何垂直行业去构建的。当你想到金融服务和资本市场，有多少企业是通过深入这些工作流程、深入这些数据集、深入工作方式，就能创造出超过五十亿或一百亿美元价值的？在那些极其复杂、高度特定的问题之上，存在着巨大的市场空间和支出规模。整个金融行业其实是由不同细分领域组成的集合，每个领域都有不同的数据集、不同的"好"的定义，以及不同的监管要求。 我们完全可以通过深入这些领域、构建帮助管理它们的记录系统，来实现五十亿美元的收入。而对于Anthropic来说，这种事情大概就像是在路边停下来捡一分钱——因为他们走的是一条从千亿收入迈向万亿收入的道路。而这些系统背后有极大的深度，真正需要构建的东西远不止"智能"本身。

Patrick O'Shaughnessy：

有没有一个你最喜欢的例子，能说明那种你不得不去打通的"最后一公里"的麻烦事？

Gabe Stengel：

有，我来举个例子。想象一下，如果你在处理可能影响市场的交易或并购，你需要摄取MNPI（重要非公开信息）。这时你仅仅在可审计性方面就有一套合规要求：哪些内容可以标记、如何将其接入投资公司或银行的内部系统，以便一旦遭遇审计或监管机构要求查看你的操作记录时，所有这些"管道"都已完美就位。这是一个例子。

另一个例子是，如果你真的想要完成交易——比如一家大型上市公司要收购另一家大型上市公司，需要来回传输数据——你实际上需要某种数据室，一个合规、安全、可协调的数据交换场所。理想情况下，它不只是一个静态的Dropbox文件夹，而是与你的工作方式、你的智能体、你的工作流程深度整合的系统。我认为OpenAI或Anthropic永远不会想去做一个数据室业务。而如果你真的想成为整个高端金融和资本市场的交换中枢，你不仅需要掌控智能，还需要掌控交易场所、沟通场所、工作流程，以及所有进入其中的数据输入。

Patrick O'Shaughnessy：

这很有意思。我本来问的是数据和模型，但听起来"驾驭层"（harness）或者说基础设施，可能才是这三者中最重要的。

Gabe Stengel：

想想Claude Code刚推出时，以及Claude的协作模式与OpenAI的ChatGPT之间的根本区别。那时两者的模型其实相当接近，但Claude的驾驭层和呈现方式要好得多，它让模型能够更充分地发挥其长程运行的能力。这就是为什么Claude在使用量上出现了爆发式增长和大幅扩张。这充分说明，你如何驾驭这些模型，至关重要。

我认为人们低估了"智能"这件事的本质。人类之所以能够高度自主、完成很多事情，不仅仅是因为我们有强大的记忆力、高智商和丰富的知识，还因为大脑中存在着各种各样的微服务：你如何存储知识？如何检索它？如何触发它？情绪就是触发这些不同微服务的一种方式。这也是为什么一位优秀的投资人往往拥有卓越判断力——因为他们对市场中某类现象有一种"蜘蛛侠直觉"，当他们看到这种情形时，会自动触发对某段历史事件的回忆，进而支撑一个富有创造性的决策。所有这些小型微服务，都是需要被构建出来的东西。

Patrick O'Shaughnessy：

如果我强迫你成为一名投资人，而你唯一的目标是投资像Rogo这样的公司——也就是那种垂直应用型公司，我把它理解为就像把AI的能力"接入"某个行业——基于你的经验，你会寻找哪些特质让你最感兴奋？无论是行业本身，还是创始人/构建者及其方法论？

Gabe Stengel：

有几点。第一，这个行业本身必须有足够的复杂性和深度，包括数据类型、人们使用的记录系统类型、部署模式类型，让你能够花大量精力去解决这些问题，从而形成一个"楔子"，进而解决其他所有问题。因为如果这个行业任何人都可以直接走进去，直接卖一个基础版的ChatGPT、Cowork或Copilot，根本不需要解决那些奇奇怪怪的集成问题，那你就没有足够的时间去构建那些与你的核心方向垂直正交的东西。所以这个行业本身需要与核心市场足够相邻，但又有足够高的壁垒。这是第一点。

第二点，我会寻找团队和创始人的领域专业知识。 我自己并没有独特的领域专业知识，但我有足够的积累来起步，而且我对金融、货币和资本市场充满好奇。我在纽约长大，周围的人满脑子想的、嘴里聊的都是高端金融。我为此着迷，我想深入了解它。然后我们组建了一支同样对此充满热情的团队。我们现在有超过一百名曾在全球顶级投资银行或投资公司工作过的员工，所以我们能够不断地在模型发布时，将其驾驭并应用于金融领域。我们的工作本质上就是捕捉模型的每一次变化，并找出如何将其应用于这些机构。

第三点，也是最后一个重要特质，我会寻找一家愿意不断重塑核心产品、愿意把它彻底推倒重来的公司。 我认为，如果一家公司的产品交付方式——比如某种终端，或某种非常特定的用户体验或界面——是无法被自己快速"自我蚕食"的，那它就不够敏捷，无法在每六个月出现阶跃式变化时不断自我重塑。

Patrick O'Shaughnessy：

你们有没有做过这种彻底拆解重建的例子？

Gabe Stengel：

最让我深受启发的故事是Max Levchin讲的，他谈到Affirm每年都会重建其核心账本技术。他们这样做有几个原因：一是这是最有趣的工程问题，所以所有工程师都想参与，这也是一种留住人才、让工程师深入了解公司核心业务的好方式。二是这能确保这套系统不会僵化，而是持续改进。 我们对自己的驾驭层和核心智能体系统做的正是同样的事情。我们不断审视它，意识到自己甚至还没有达到一个局部最优解——事实上，如果模型变化如此之快，达到局部最优解根本是不可能的。我们需要不断地把整个系统重做一遍。

Patrick O'Shaughnessy：

目前有什么是模型还做不到的，但如果能做到，就会真正改变产品本质的事情？

Gabe Stengel：

压缩（compaction）。就是说，如果你和一个智能体进行了100次对话，它如何确保自己记住了正确的内容，并将记忆压缩成每次都能调用的合适token量，同时对你是谁、你关心什么有足够的连贯性和上下文，让你感觉像是在和一个真正了解你、越来越了解你的人交谈。

这本身就是个难题，而当你把智能体不仅仅看作一对一关系时，这个问题就会呈指数级复杂。现在几乎所有智能体都是一对一的——你单独使用ChatGPT，单独使用Copilot，单独使用Gemini。但一旦这些智能体真正开始与很多同事协作，或者在一个有100人的Slack频道里工作，需要跨整个公司运转，压缩问题就会呈指数级扩大——因为它要同时和100个不同的人对话，还需要跨这些对话进行协调。

所以，如何把所有这些记忆、所有这些交互真正整合进智能体的"心智模型"或"大脑"中，让它能够持久存在，能够在一系列交互过程中真正保持上下文——这是目前模型还做得不够好的地方。

Patrick O'Shaughnessy：

你认为AI软件企业主要有哪几类？我们看到像Cognition、Cursor这样的公司增长速度快得惊人。我特别想让你把这个和过去的软件公司分类体系做个对比。我也很好奇Rogo是怎么卖出去的，你会把它归入哪个类别？是按使用量收费？按席位收费？还是别的什么？能不能聊聊人们想怎么买这类产品，以及AI软件企业正在形成哪些新的商业模式？

Gabe Stengel：

我们现在按席位定价，因为我们的买家习惯了按席位付费。他们把我们归入和Bloomberg、FactSet、Capital IQ、Pitchbook类似的类别。所以我们必须建立一套非常"人力密集型"的业务——每签一笔合同，都需要客户经理、解决方案架构师、销售工程师上门拜访，握很多手，解释产品怎么用、怎么集成。你没办法签一笔合同然后使用量就自动涨一百倍。

我看看Anthropic向我们销售有多容易——非常容易。而且我们支付给他们的金额呈指数级增长，中间完全没有人工介入，因为它是token消耗模型。但很多行业光靠"搭token消耗的顺风车"是行不通的，企业销售就是这样，我们就是其中之一。所以这其实很有意思——我们必须以大多数企业销售组织五倍的速度搭建市场拓展机器。

所以我认为确实存在这样一类：典型的企业销售模式，但借助AI模型作为顺风，打造出好100倍的产品。

另一类则是token中间商、token消耗型业务——在企业内部那些习惯了按使用量付费的部门进行销售，比如Cursor、Claude Code等等。这样一来，可以用更少的人走得更远。

你对这种情况在金融领域会不会改变、怎么改变有什么预测？我认为每家企业都需要经历两次定价革命：先转向某种基于使用量的模式，再转向某种基于结果的模式。

对我来说，如果我能找到一种方式，直接跳过token计费、跳过使用量计费，为用户简化一切，等到我能说："Patrick，如果我每给你一个好的投资想法就收你一次费，怎么样？或者我帮你完美完成发给LP的季度报告，按份收费？或者作为一名银行家，你每创建一个CIM就付费？"——我宁愿走到那一步，也不想去想怎么把费用分摊到每个token上。那种方式根本没法达成共识——你花了10万美元买token，会问"我真的得到了10万美元的价值吗？"谁也说不清。但你知道一个好投资想法对你值多少钱，因为你能看到实际赚了多少；你也知道能做出一份CIM对你值多少钱，因为你清楚自己向这些公司收了多少顾问费来完成这笔交易。

Patrick O'Shaughnessy：

按席位定价显然不能随时动态调整，至少对同一个客户不行。那你怎么应对这种在某种程度上与客户利益不一致的问题——如果你做得越好，他们用得越多，你的成本就越高，他们反而变成了"更差的客户"？

Gabe Stengel：

现实情况是，我们只走完了产品路线图的1%，资本市场领域99%的创新还在前方。所以真正重要的是：我们是一个好伙伴，是他们AI战略的好守护者，他们愿意在未来继续与我们合作。

第六章：AI时代的彭博

Patrick O'Shaughnessy：

思考这件事未来的走向非常有趣，你说你们目前只完成了路线图的1%。那么从你们产品的角度来看，你认为这一切将走向何方？我的意思不是整个行业，而是说，如果你们还有那么多路线图要走，能给我们描述一下吗？

Gabe Stengel：

我是说，想想资本市场工作流程、投资工作流程、投资银行工作中，还有多大比例完全依赖人工处理、由人工中介完成。这和金融服务的其他领域有些类似——15年前、20年前，每个人办理房贷都要亲自去当地银行网点，和银行工作人员面谈。那种感觉非常"人性化"：我在买房，我在贷款，这很重要，我需要和人谈谈。没有人会想到，这个过程可以不需要人工介入。而现在，40%到50%的房贷直接通过Rocket Mortgage这样的平台在线完成。

我认为，在企业如何交易、如何融资、如何举债方面，将会出现大量创新。我认为，在未来10年或20年，对于企业主或公司员工来说，上网点击一个按钮就能尝试融资，会变得比以往任何时候都更加容易——就像现在有人可以登录Robinhood，点击一个按钮就能买入股票一样。

我认为，KKR要弄清楚能否将某家投资组合公司出售给另一家机构，将只需要5分钟，而不是五个月。 我认为资产定价所需的时间将缩短一个数量级。因此，市场将变得更加透明、更具流动性、更加高效，整体交易活动也将大幅增加。

Patrick O'Shaughnessy：

那么我想聚焦于自动化风险定价的具体未来——姑且用这个不太准确的简单说法。假设三年后，你刚才说的一切都成真了，我可以融到几百万美元的债务或股权，就像填一个网上表格一样，系统直接帮我定价风险并给出报价。有点像Opendoor，但适用于所有东西。为了实现这种资本市场的未来，你还需要构建哪些目前尚不具备的东西？

Gabe Stengel：

这其实和彭博的策略非常相似。我会省略很多细节，但大致是这样的：

先提供少量数据作为敲门砖，在此基础上构建所有人所需的分析工具和工作流程，然后提供一个交易所和通信平台，让用户能够真正在此前相当不透明的多类资产上完成交易。

彭博有Bloomberg Messenger，而对我们来说，就是先用少量AI作为敲门砖，然后构建完整的工作流程，从副驾驶聊天机器人进化为完全自动驾驶的工具。这样我就能确保在你的投资委员会备忘录或尽职调查问卷上做到100%准确，然后在交易对手之间提供通信渠道，让能够自动执行工作的智能体真正替你完成交易。

我和彭博Messenger之间的区别在于：我不需要构建供人类交易的通信渠道，我需要构建的是供智能体跨企业、跨投资机构进行交易的通信渠道。 所以如果你想想，真正需要构建的基础设施是什么？想象一下，什么样的系统能让一家大型私募股权公司放心地让智能体代表自己谈判交易，与交易中所有第三方顾问——做质量确认的人、法律顾问等——进行沟通，然后真正主持一个拍卖流程，让一批机构提交报价。需要构建的软件量是巨大的。 我认为，有时候我们会把这描述为：对于许多非标准化的资产类别来说，这看起来像是一个交易所。

Patrick O'Shaughnessy：

给我们介绍一下你们目前的客户群，比如大型银行占多少，投资公司占多少，上市公司与非上市公司的比例……

Gabe Stengel：

目前主要是大型银行。 原因很简单，因为那是我的从业背景——我做了几年投资银行，专注于买方并购业务，非常有意思。所以我们很早就开始瞄准银行，原因有几个。第一，投资银行在某种程度上是整个金融业的分销渠道。 很多后来成为优秀投资人的人，最初都是在高盛TMT部门之类的地方做了两年分析师。第二，他们的席位数量远超其他机构。 所以如果你能拿下美国银行这样的客户，你实际触达的人数，远比你同时拿下10位最顶尖的单一投资组合经理——每位手下只有10名投资人——要多得多。

Patrick O'Shaughnessy：

如果我想想美国银行之类的机构，大家都在想，企业采用AI的进程到底走到哪一步了。也许你的样本有些偏差，因为你知道你的客户在使用Rogo，而且用得很多。但能不能给我们说说你认为我们现在处于什么阶段？这个问题似乎真的很难给出一个准确的答案。

Gabe Stengel：

我会说，大多数公司都在个人生产力方面看到了巨大的提升，他们正在努力弄清楚如何把这种个人生产力转化为可以衡量的公司整体生产力。 我跟任何一家银行的个人银行家聊，我们部署在……

Patrick O'Shaughnessy：

那很棒。

Gabe Stengel：

哦，他们会说，我现在的效率是以前的100倍，对吧？你会碰到一个董事总经理，他会说，Gabe，我给客户发了五页材料，以前我得跟分析师来回沟通三天才能做出来，而我现在自己10分钟就搞定了。这些银行家已经25年没做过任何分析工作了，对吧？他们20年没打开过Excel文件，但现在能自己动手做了。 问题是，这些效率提升体现在哪里？你赢得了更多交易吗？你实际上完成了更多交易吗？你在服务以前没有涉足过的市场吗？这就不仅仅是个人生产力工具的问题，而是公司战略问题了。你的计划是什么？你是想用这个东西来削减成本？还是想用它进入以前觉得没有意义去服务的市场？你可以看看摩根大通这样的银行，他们刚刚宣布将尝试为中小企业做更多并购业务，也就是那些以前他们认为没必要去服务的市场，因为交易费用可能太低，需要太多人来负责。

但是现在，如果你有一个银行家能独自承担整个交易团队的工作，那你也许就能进入那些以前根本没有意义的市场了。

Patrick O'Shaughnessy：

所以从某种意义上说，瓶颈在某个时刻将会是客户自身的创造力，而不是说你能提供无限的能力，很快你就只能依赖他们自己去想出答案。

Gabe Stengel：

关键在于他们自己想清楚要做什么，对吧？ 如果明天有100个优秀的投资者来这里为你工作，你会如何引导这些生产力？你需要一段时间才能想清楚：结构是什么？他们各自负责不同的事情吗？我给每个人多少资金？我们攻打哪些方向？

Patrick O'Shaughnessy：

真的很有意思。两年前，在这个话题上最明显的问题会是关于准确性的，人们会用"幻觉"这个词，但这个词现在似乎已经从对话中消失了。我都不记得上次有人跟我说"幻觉"是什么时候了。关于这个问题，关于确保准确性——在准确性精确到小数点都非常重要的场景下——你能给我们讲讲现在这个问题的本质是什么吗？

Gabe Stengel：

这依然非常重要。我认为实际上可审计性比准确性更重要。 当然，这两件事是相互关联的。但真正重要的是，我给你一个答案，你知道如何使用它。如果它不准确，你不知道如何核查，也很难看出它从哪里来，那不管准不准确你都没法用，因为你不信任它。如果它大多数时候是准确的，但即便偶尔不准确，你也能很容易地看清楚其中的假设是什么、数据是从哪里提取的，那它依然是可操作的，依然能节省你的时间。

而且随着这些工具逐渐从你只是用来检索信息的副驾驶工具，演变成你不仅信任它来收集信息、还信任它来执行、具备自主性、实际做出投资决策或发送邮件的自动驾驶工具，你需要有充分的信心：如果你回过头去查看它为什么做出某个决定，你能够理解原因，因为你需要能够调试它。 就像个别投资者会做出糟糕的决定，你需要进去看看哪里出了问题——是数据输入错误了？有人欺骗了它？发生了什么？你对智能体也需要做同样的事。而且尤其是在资本市场中有监管机构盯着这些事情、需要确保没有违规行为的领域，如果你无法解释为什么做出某个决定以及数据是如何输入的，那是行不通的。

Patrick O'Shaughnessy：

你之前谈到你必须像一个普通的企业销售组织那样去销售，但你又能以比上一个时代最快增长的企业SaaS公司快好几倍的速度增长。你怎么解决这个问题？ 你在企业销售中在某种程度上受限于人类的速度。你怎么招募到足够多的人、速度够快？你怎么考虑在没有Anthropic、Cognition那种API使用量增长的情况下，以正确的速度增长——他们实现10倍增长太容易了，对你来说要难得多。你怎么解决这个问题？

Gabe Stengel：

我们需要解决的核心问题是：你能多快让一个人作为销售人员变得高效？ 不只是销售人员，还有市场人员、销售开发代表、售后人员——他们能多快理解我们的业务，帮助推动我们前进、推动客户前进、帮助我们的终端用户。所以赋能、培训人员以及持续再培训，是我们——以及我猜其他快速增长的企业初创公司——必须面对的根本问题。

第7章：Rogo的公司大脑

Patrick O'Shaughnessy：

那你们会用AI来构建工具吗？

Gabe Stengel：

哦，我们内部的工具简直太神奇了。首先，Rogo内部发生的每一次对话都会被记录下来，100%全程记录。 每当有新人入职，我们都会说："嘿，Patrick，提前告知你一下，我们就是这么做的。你随时都在被录音，随时都在被过滤进公司大脑。"这不是什么老大哥监控的情况，只是说你要交流的每个人都会开着Granola或者某种会议转录工具，因为他们需要用它，需要保持出色的信息回溯能力，需要不断积累自己掌握的知识。因此，我们积累了一个巨大的信息库，然后在此基础上构建了各种工具，供大家使用，比如："我们正在和这类公募股票公司合作，面对这样的市场，我们以前处理过这类数据吗？有没有可能用得上的案例？"你可以调出三周前一位同事的对话记录，而你甚至从未见过那个人，因为他常驻亚太地区。能够把所有这些信息吸收进来，并在人们需要的时候及时调取，这才是赋能的核心问题所在。

Patrick O'Shaughnessy：

那你能详细介绍一下这个内部大脑吗？

Gabe Stengel：

它有个名字叫"Shrek（史瑞克）"，原因嘛，是因为我的工程师们觉得这个名字特别搞笑。你实际上可以看到，有一个仪表盘，可以随时查看大家正在做什么，就像一片"沼泽"一样，它连接了我们所有的不同系统。 它非常清楚地知道我们公司的目标是什么——比如我们的价值观是什么、我们想为客户交付什么、我们的北极星指标是什么。所以它能够以此为依据，塑造每一个回答和每一份交付物。 它既能主动推送，也能被动响应。

有人可以进去问："嘿，我想快速了解一下，面对一家大型机构，我应该怎么介绍模型路由这个话题，怎么阐述它的价值主张，以及能带来哪些成本节省。"它就能把所有相关信息调取出来给你。但它也可以主动说："嘿Patrick，我看到你日历上周四要跟一家私人信贷公司开会，这是你需要了解的所有信息、最能引起共鸣的使用场景，以及我们过去合作过的同类公司最想听到的那些ROI指标。"

Patrick O'Shaughnessy：

那你们对人才的销售话术是什么？比如说，假设有这样一个人，如果明天能把他招进来，那将是颠覆性的，因为他能力超强或者名气很大之类的。你会怎么说服他来Rogo，而不是去其他同样令人兴奋的地方？

Gabe Stengel：

这永远取决于那个人的动机，所以很难给出一个通用的话术。但我今天对人才讲的Rogo故事是这样的：AI将彻底改变世界。 最有意思的地方在于应用AI，因为那是AI与人类交汇的地方。所以，那些决定AI如何与人类交汇、如何触达人类的公司，将会做出全世界最有趣、最有创造力的工程和产品工作。

金融是推动人类所有进步与创新的催化剂。 资本配置处于为每一家公司、每一个想法、每一个经济体融资的上游。所以如果你能让这个过程更高效，你就能让整个世界加速运转。而我们是这个赛道的领头玩家，不只是要做一个千亿美元的生意，而是要做一个五千亿美元的生意，彻底改变资本市场。 这里有如此深厚的底蕴、如此复杂的挑战和如此多有趣的问题，令人无比兴奋。而且我们有一群非常出色的人，他们聪明、有冲劲、有好奇心、不自大，他们会把这件事做成。

Patrick O'Shaughnessy：

话术不错。很高兴我加入了，很高兴我投资了。再多说说资本市场这块吧。我确实认为，从历史上看，市场越高效、流动性越强，它的正面影响就会大幅增长。 你可以通过市场历史来印证这一点，虽然市场历史并不算长，大概也就三四百年真正意义上的市场。你觉得未来有什么可能？这件事可能走向哪里？你为什么相信——我猜——减少资本市场的摩擦，能有如此巨大的力量？

Gabe Stengel：

你说"金融对世界有益"的时候，总是有被人当成那种说"私募股权对世界有益"的亿万富翁PE大佬的风险。但我喜欢回溯到高端金融的起源。当你想到摩根大通这样的公司，它的起源之一，是J. Pierpont Morgan帮助欧洲投资者与一个新兴市场——美国的企业家们建立连接，为铁路和基础设施建设融资，正是这一切让美国成为了经济巨头。 这之所以发生，是因为有中间人帮助把那些敢于冒险的资本配置者，与那些富有创业精神、渴望创新的人连接在了一起。这对世界产生了深远而积极的影响。

现在想想经济中的所有角落——不只是美国国内，还有国际上——那些无法进入资本市场的地方。每一个新兴国家，你很难在那里融资来实现你的想法、筹集债务。还有美国30万家中小企业，他们甚至说不清高盛是做什么的，而摩根大通也没有时间去跟他们合作，因为这些生意规模太小了。如果你能加快企业家、公司创始人和个人进入资本市场的速度，你就能加速所有的创新。

第8章：Chewing Glass

Patrick O'Shaughnessy：

你从那些正在创业、公司形态与你类似但身处不同行业的同行身上，学到了什么？

Gabe Stengel：

我学到的是，要想增长得这么快，需要多大的攻击性。 我学到了每天咀嚼玻璃是一种什么滋味，以及你需要对长期的TAM（总体可寻址市场）和SAM（可服务市场）抱有多大的信念，才能确保你不会为每天发生的所有问题而焦头烂额。你知道，我会打电话给Harvey的Winston。Winston那种对随时袭来的百般"皮肉之伤"毫不在意的能力，只专注于三年后自己将身处何处这个终极目标，以及到达那里只需关注的两件事——这真的令人叹为观止。

Patrick O'Shaughnessy：

那"玻璃"是什么样的？那种"攻击性"又是什么意思？

Gabe Stengel：

我是在新冠疫情期间开始工作的，所以我甚至没机会见识过办公室是什么样子。这段经历非常……你知道，我和我的联合创始人John过去常开玩笑说，这是一段极其昂贵的商学院教育。我们几乎把所有事情都做错了。不知道怎么招人，不知道怎么解雇，不知道怎么带人，不知道怎么管理，不知道怎么给反馈，不知道怎么定方向。而快速扩张过程中出现的大量人员问题，对我来说就像是在吃玻璃。 所以，当员工离职，当你遇到留人问题，当你花了6个月招募一个候选人，结果他没有加入——那就是在咀嚼玻璃。当你花了大量时间在一个产品上，结果被下一个发布的模型完全碾压，让你觉得自己把所有时间和精力都押注在一个错误的决策上简直蠢透了——咀嚼玻璃。当你被40个投资人连续拒绝，才终于能融到资——咀嚼玻璃。我对创业的体验就像坐过山车，你必须感受极致的高峰，也必须感受极致的低谷。 我是一个情绪非常丰富的人，我尽量不让团队感受到，但在高峰时我会觉得自己站在世界之巅，在低谷时又觉得一切都是灾难性的。但如果我回顾这段旅程，低谷会越来越低，高峰则会越来越高。当我回望三个月前经历的那个低谷或高峰时，我会想：真是个笑话，那种事我现在闭着眼睛都能应付。我认为，关键就在于调节这些情绪，把它引导到推动业务前进的方向，但同时也不能让它分散你的注意力。

Patrick O'Shaughnessy：

关于进取心这件事，你怎么看？感觉这好像是个老生常谈的话题。

Gabe Stengel：

你采访过的 Pat Grady 参加了我们周三的董事会会议。我们在会上提出了一个计划——无论是招聘目标、商业目标还是产品目标，可以说是极为激进的明年计划。我喜欢 Pat 的原因之一，就是他能把所有事情浓缩成两个要点，而且逻辑无懈可击。他就是这样：前提一，前提二，结论自然得出。他说："Gabe，如果金融行业的每个人都将在未来18个月内做出关于AI的采购决策，而且不管怎样他们肯定会买某样东西——就算你不在场，他们也会买——那么唯一重要的事情就是你能以最快的速度横扫市场，确保你在场。"基于此，你觉得这个计划够不够激进？答案是：不够。之所以不够激进，是因为我当时太软了。我认为现实是，你必须足够激进，承担所有这些风险，清楚自己在玩什么游戏。作为一家风险投资支持的企业，我的目标是拉大分布的两端尾部。如果失败的概率增加了30%，但成为千亿美元公司的概率也提升了20%，那完全值得。但你真的必须同时接受这两端尾部一起被拉大的现实。

你在融A轮时，情绪上最低落的时刻是什么？

那时候我们的股权表上还没有任何明星投资人，但有一位出色的投资人——Box Group 的 David Tish，他是我们早期的种子轮投资人，把我介绍给了一批顶尖投资人来谈A轮。我当时想，太好了，我亲眼见过顶级投资人进入股权表能带来什么——对招募人才、对品牌和客户吸引力的提升，等等。这终于是我们实现这一目标的机会了。我们已经埋头建设了两年半，David 把我们介绍给了40位投资人。我见了所有人，Sequoia、Kleiner、Benchmark，全都见了。结果40个人全部拒绝了我们。

而且不是那种"收到邮件和PPT，没什么兴趣"的拒绝，而是那种——"哦，这挺有意思的，让我见见 Gabe。哦，我挺喜欢 Gabe 的，再跟他深聊一个小时。哦，Gabe，来投资委员会吧。哦，Gabe，我们去吃个晚饭。哦，Gabe，周末来我们这边坐坐。哦，你知道吗？我们决定不投了。"这非常伤人，因为在那个阶段，一切都跟你这个人直接相关，没有别的。就像被40个女朋友分手，每次你都动了真情，每次她们都说：不适合你。

Thrive 也是如此，在A轮时他们花了大量时间在我身上，和 Avery、Vince 一起吃了晚饭，我爱上了他们和这家机构，因为他们真的很棒。然后——致命一击，他们也拒绝了。

幸运的是，Keith Rabois 在所有人拒绝我们大约一个月后出现了。Keith 说："Gabe，这个方向其实也不算多逆势，基本上就是金融版的 Harvey，我为什么要投？"我说："Keith，如果这不算逆势，为什么你所有的朋友刚刚都说这是个坏主意，都不相信我？"

你觉得他们为什么不相信？

原因很多。我认为大家低估了金融领域的市场规模，这其实挺荒唐的。但部分原因是，我觉得旧金山对金融行业的直觉不足——他们没有投过 Ion Group、Bloomberg、S&P、Factset、Pitchbook、Morningstar 这些公司。所以这个市场里实际上没有出现过真正优秀的风险投资支持的企业，大家对这个市场的轮廓和体量也就没有直觉。

第二个原因是产品太差了。每个投资人都说，"我在金融行业工作，让我用用看，它能改变我的工作方式吗？"他们试了之后发现有一半时间结果是错的，就说"这根本不可能成"。我想说的是，我们正处于指数级增长曲线上，6个月、12个月、18个月之后，它会成的，我会搞定的。

第三个原因是，大家不相信我能搞定这件事。他们没有足够多的数据点来观察我如何咬牙硬撑、如何一次次摸索出下一个迭代方向。

Patrick O'Shaughnessy：

你认为那之后发生了什么变化？因为现在，现在已经是一批非常有能力的人在其中了。

Gabe Stengel：

因为我很早就认识了这些人，而且每一轮我都会遇到他们。每次我说，嘿，我们要做这件事，他们就说，不可能。但每次我们都做到了。顺便说一句，很多时候结果会以不同的方式呈现。比如，你真的会失去你需要的关键员工，或者你以为能拿下的那个优质客户完全泡汤了，但我们一直在想办法，一直在顺应市场灵活应对。

我认为这正是你在投资时需要考虑的事情。在当今这样的市场，尤其是应用AI领域，形势如此动荡、如此模糊，你需要押注于创始人能够保持极强的应变能力。

Patrick O'Shaughnessy：

你认为为什么没有出现更多真正有竞争力的金融服务竞争对手？

Gabe Stengel：

我认为分销渠道真的很难突破。这与其说是工程和产品问题，不如说更多是一个人的问题——如何建立信任、如何传递价值、如何与这些机构合作。但与此同时，工程和产品方面的要求也极高。所以，真正打入这个市场所需要的执行标准，我认为是相当高的。我非常幸运，早期招募的一些人都有金融从业背景，而且都是顶尖人才。我们从内部网络招募了曾在高盛、花旗、Jefferies、Apollo、Ares或黑石工作过的人。所以我们拥有一支极度拼搏、充满好奇心、聪明能干、同时又是好人的团队——低调、谦逊，年轻到足够开放，也渴望自我提升。

Patrick O'Shaughnessy：

我也非常好奇你是如何处理技术人才问题的，以及在你的团队中，一个技术人才身上什么最重要，这又是如何演变的。有一个直觉是：随着执行难度的大幅降低，技术人才身上的领域专业知识的价值反而在上升。你不再需要非常强的技术能力才能写出好代码，至少没有过去那么需要了。那么，工程或技术团队的形态随着时间推移是什么样的？我之所以这样问，是因为我在思考其他想要进入这个领域的公司，无论他们身处哪个行业。

Gabe Stengel：

是的，我认为确实有一些问题，领域专业知识的价值正在不断提升，产品直觉以及更偏向"总经理思维"而非"工程师思维"的心态变得极为重要。当然，我们产品的某些部分也需要纯粹的、有韧性的工程能力，因为你在非常激进地扩展规模。但如果我看看团队中那些表现出色的人，他们很多都是前创业者——那些曾经创办过公司、坚持下来、拥有丰富产品直觉、懂得如何发挥它的人，而他们的公司可能最终慢慢消亡了。

正如你所说，有很多公司都在尝试攻克金融AI，有很多极具产品思维和工程思维的领域专家都尝试过金融AI。我们收购了六家不同的处于萌芽阶段的金融AI初创公司。那些前创业者能够对产品的未来进行宏观构想，规划出用户体验应该是什么样的，同时又具备工程实力，能够持续做出正确决策，这一点至关重要。

第9章：AI原生金融

Patrick O'Shaughnessy：

你在我们开始录音之前跟我说，这是我们在这个领域第一次面临真正意义上的"创新者困境"。你能解释一下你的意思吗？

Gabe Stengel：

是的，我觉得对于很多投资公司、很多高端金融服务机构来说，过去10年、20年日子过得相当不错。你知道，作为一个资本配置者、一个投资人，是可以赚很多钱的。这个行业的进入门槛非常高。尤其是如果你做的是私募市场，你的业务本身就有一种自然的惯性——因为你募了一期基金，再募一期，之后想把生意搞砸其实都挺难的。我相信肯定有一百个创过基金的人会说，实际上比我说的难一百倍。但说公平话，市场上一直没有出现过那种让每一家投资公司、每一家银行都拍着脑袋说"哇，我需要彻底重新思考自己在做什么"的冲击时刻。那种让人意识到——现在会有数百家AI原生颠覆者、AI原生投资公司、AI原生投资银行来攻击我的商业模式，我得赶紧想清楚自己该怎么办——的时刻。私募股权公司、对冲基金、投资银行，已经很久很久没有遇到过真正的"创新者困境"了。

Patrick O'Shaughnessy：

"AI原生"，这个词对你来说意味着什么？它的定义是什么？

Gabe Stengel：

从某种意义上说，我认为它就意味着愿意不断地重新审视和颠覆自己所做的一切，并且对AI深信不疑到这种程度——你不再纠结什么是可能的，也不管某件事听起来有多天方夜谭，你只是在朝着一个方向坚定前行：把这项异乎寻常的底层技术融入你所做的每一件事。它渗透到业务的每一个角落，没有任何一个业务板块是神圣不可侵犯的，没有任何一个地方能够免于被彻底革新。

Patrick O'Shaughnessy：

那你具体怎么做到的呢？你是一家公司的领导者，对AI深信不疑，想确保——就像你在Rogo所说的那样——把这些都付诸实践。但我相信肯定也有一些领域让你不满意，觉得AI在某些事情上用得还不够。作为一个领导者，你怎么确保公司把这件事当成一种持续的习惯和实践，而不是一次性的行动？

Gabe Stengel：

我来说一件非常具体的事：每个月，我都会收到一份报告，里面列出公司里每一个人对各种AI工具的使用情况——包括我们采购的工具、我们内部自研的工具，所有这些。然后在每个部门内部，我都会有一个排名，列出使用频率最高的5个人和最低的5个人。我们把这份排名贴得到处都是。每个部门使用最少的那个人，会收到一张印着"笨蛋帽"的通知单，贴在办公室各处。 这很搞笑，但大家都知道这一天会来。而且说实话，随着公司越来越大，很多人不认识我，不知道我其实是在开玩笑、是个爱搞笑的人，他们是真的会感到害怕。我希望他们不要真的害怕，也希望这种氛围能慢慢改变。但不管怎样，这是一个很强的激励机制，能真正确保大家去用这些工具。

Patrick O'Shaughnessy：

如果你列出这些问题——假设有人坐在那里，经营着这类公司，业务做得很好，虽然来之不易，但确实是一门好生意。说实话，这些公司从组织和技术角度来看往往相当简单。主要靠人，对吧？没有太多的管理开销。很多这类公司，也许会购买大量数据之类的东西。

你会鼓励他们问自己、问自己的公司哪些问题，才能最有效地应对这场转型？

Gabe Stengel：

我会说，如果你确定现在你公司90%的企业价值都在你的人身上——你最优秀的投资人、最优秀的银行家，正是这些能带来交易、带来收入的人，才是企业价值真正积累的来源。而10年后，全球最顶尖的投资公司、最顶尖的银行，其90%的企业价值将不再来自人，而是来自软件、数据和系统。那你会开始做什么？你会开始想办法，把你最优秀的人才脑子里潜藏的一切，全部转化并沉淀到一套你自己拥有和自主运营的系统中。 这是第一件大事。

第二件事，我会建议拆解交易全生命周期的每一个环节，在每个环节中，尝试梳理清楚：你在哪些地方是不可替代的，或者你拥有别人没有的数据，或者你拥有别人没有的领域专业知识。

然后要认真追问自己：在这个市场上，我真的拥有别人没有的东西吗？ 是人脉关系？是别人没有的背景信息？还是我只是觉得自己在这个领域比别人更聪明、读的东西更多？——如果是后者，AI就会让这一切变得无关紧要。

Patrick O'Shaughnessy：

你有没有见过哪个大型机构，是这种态度上最前沿的典型代表？有没有哪个人是你最喜欢举的例子，就是那种——哦对，有几个正在这么做的。

Gabe Stengel：

有意思的是，今天看起来最有远见的那些人，两年前听起来简直像疯子。 就是那种进来说"我们需要录下每一段对话"的人。你知道，他们会说，你能把这段对话直接输入我公司的大脑，会有一个我的数字克隆，然后它会输出关于这笔投资究竟应该怎么做的博弈论分析。两年前，大家听到这类人说话，心里都在想：Patrick 到底在说什么鬼？

有一个例子，是一家公司的联合创始人 Molas John Momtazi，他对行业的走向极具预见性。他想要为公司所有最优秀的银行家打造数字克隆。他想要一套系统，能够基本上代替他出现在电话会议上，以他的方式发言，了解他的思维方式，然后吸收这些背景信息。他想要构建这样一套系统：投资银行里任何初级员工都能立即调用他的专业知识、背景信息和人脉关系——这样一来，这些信息和数据就不只是在驱动他个人创造收入的能力，而是在赋能银行里每一个初级员工创造收入的能力。

所以，确实有一些人经历了他们自己的"第37手时刻"，突然意识到：哇，这件事将会比任何人预期的都要深刻得多。

第10章：人类仍然更擅长的事情

Patrick O'Shaughnessy：

关于你的业务未来，你觉得最不确定的是什么？

Gabe Stengel：

我会说，是私募市场实际转型的速度。对吧。如果你想想为什么不同类型的资产类别的交易量会增加，流动性会提升，这往往与标准化有关，因为这样就更容易追踪和交易这些资产。私募市场一直对标准化免疫，因为其中存在大量非结构化数据。AI应该能解决这个问题。 话虽如此，是否会有监管或市场力量来推动一些额外的标准化，从而真正加速私募市场的透明度和流动性，这在某种程度上不是我能控制的。

另一件事是，人际关系中还能保留多少超额收益，这对我来说仍然不清晰。 我说的是小市值并购。很难想象，如果你是一个小企业主，你花了20年建立一家企业，你想确保在把企业交给别人的时候，你信任那个人，你能和他握手，这个过程能被完全自动化。但对于很多由赞助商持有的企业，或者像二级市场、私募信贷、GP/LP二级市场这类业务，我确实认为可以完全自动化。但是，那些长尾的小企业、中型企业，那些需要应对代际传承的企业，他们要花多长时间才能适应点击一个按钮就出售自己的企业，而不是与某人握手成交——这对我来说还有些不确定。

Patrick O'Shaughnessy：

如果有几位年轻的新创始人在这里，他们对如何与私募市场投资者打交道和互动感到好奇，你会教他们什么？你会告诉他们该做什么、不该做什么？

Gabe Stengel：

我的融资风格可能不适合所有人。我非常直接，对于我担心什么、想去哪里非常透明。 但与此同时，你必须在那个最终目标上非常坚定。然后我会说，这关乎重复积累和人际关系。那些突然出现并领投C轮或D轮的人，往往是我在种子轮就认识的，然后是A轮、B轮、C轮。他们每次都以各种理由放弃了，但他们对我和这家企业积累了更多的了解。

有什么你会鼓励人们不要做的事情吗？我认为有很多"假装直到成功"的做法。你需要有那种勇气和自信，即使你并不完全自信。 我是一个极度焦虑、极度缺乏安全感、极度恐惧的人。但你需要表现出自信，说你对前进的方向充满信心，即使在你知道处于低谷的时刻也是如此。我认为，人们有时会误解这一点，以为他们需要假装成自己不是的样子。我觉得这是不对的。你需要相信那5%的可能性——你有机会建立一家价值千亿美元的企业——这是有可能的。 你不需要假装这有100%的可能，但你应该能够清晰地描绘出一张路线图和战略，说明你如何有可能成为一家千亿美元的企业，然后对那些事情如果顺利发展你将会实现目标充满信心。

Patrick O'Shaughnessy：

你为什么感到害怕和不安？

Gabe Stengel：

我对所有可能出错的事情都极度焦虑。每天感觉都像是站在刀刃上，随时有一千件事可能崩塌。我认为，这种商业建设的现实就是——它是一场积累动能的游戏。你怎样把每一件小事都做好，让自己能快一点顺势而下？我只是害怕这股动能会停下来，或者遇到一个障碍，偏离轨道，然后又需要重新催生动能。要打造一台能够不断积累动能的机器，究竟有多难，我看得一清二楚。 所以，如果有任何绊脚石可能阻断这种势头，如果我不是时刻对这些时刻保持警惕，我就不会竭尽所能地去为它们做准备，确保我们能够应对。

Patrick O'Shaughnessy：

我们还遗漏了什么？就是你在这个时代打造这样一家公司所学到的东西——在这个时代，一切感觉都像是争夺球权，感觉每一个可能的领域都会出现一个 Rogo 或者 Harvey 之类的竞争者，尤其是在"最后一公里"的连接很难做的地方。而且主导者不会只是 Anthropic 一家，也不会只是 OpenAI 一家，不会是一家公司统治所有。 那么，关于目前建设这个业务的经历，你认为还有什么重要的事情是我们没有提到的？

Gabe Stengel：

我认为，确实会有企业解决所有这些问题，但能做到这一点的企业，将会成为吸引人才、资本和品牌的"黑洞"，它们能够汇聚资源来真正落地执行。因为 AI 是一股强劲的顺风，但如今要参与竞争，执行的门槛比以往任何时候都要高。每个人都被拉进了大联盟，都在经历"欢迎来到 NFL"的时刻。你必须比你预想的更快、更强、更有韧性、更灵活，拥有合适的团队比以往任何时候都更重要。 而如今，合适的团队极其昂贵。所以，如果你想不清楚该用什么策略尽快成为吸引人才和资本的"黑洞"，我认为你被某个实验室或有能力做到这一点的公司碾压的风险会大得多。

Patrick O'Shaughnessy：

每次做这些访谈，我都会把我最喜欢的问题留到最后。有史以来，别人为你做过的最善意的事情是什么？

Gabe Stengel：

我觉得，我从父母那里获益良多，他们都无比善良、慷慨、无私。但这种善意在我母亲和父亲身上的表现方式截然不同。我母亲的善意，是无论我做了什么，在她眼里我都很了不起、很聪明、永远不会犯错，尽管在成长过程中，这绝对不是事实。但她在我心里种下了自信的种子，让我相信自己，即使在那些感觉一切都要走偏的低谷时期也是如此。接连四十次做不对一件事，一次次失败，考试不及格，不管遇到什么，她都表现得好像我也许是世界上最聪明的人。这当然是不理性的，但你需要那种来自无尽之爱的非理性自信。

我父亲则完全不同。如果我做错了事回到家，他会怒不可遏，几乎不愿意看我，完全无法理解，因为他是一个极其自律、品行端正、有着极高标准的人。所以他的善意，体现在他愿意去理解我是谁，以及为什么我会在某件事上失败，然后帮助我。 他会坐下来和我一起仔细梳理每一个细节，尽管他有时真的无法理解，为什么我拥有那些机会却没能把握住。他花时间让我变得更好，同时也坚守着他自己的原则、他对卓越的标准，以及他对"好"的定义。

Patrick O'Shaughnessy：

你正在打造一家令人着迷的公司，看着它不断进步真的很酷。感谢你和我一起做这期节目。

Gabe Stengel：

谢谢你。

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

风险提示及免责条款

全球债务规模扩张增速腰斩，G7利息支出升至2008年来新高

Thu, 24 Sep 2026 03:01:59 GMT

全球债务规模持续扩张但增速腰斩，发达经济体正在为多年扩张付出越来越高的利息代价。

国际金融协会（IIF）最新报告显示，2026年上半年全球债务新增逾10万亿美元，总规模突破365万亿美元再创历史新高，与此同时，七国集团（G7）平均政府借贷成本升至2008年年中以来最高，发达经济体过去一年仅国际交易政府债券的利息支出就超过3.3万亿美元。

3.3万亿美元的年度利息支出，不仅超过全球人工智能领域约2.6万亿美元的估计支出，也高于3.1万亿美元的国防支出和2.3万亿美元的清洁能源支出。IIF数据显示，G7年度利息支出较此前水平几乎高出85%。对财政空间本已承压的发达经济体而言，这一数字将利息负担对公共资源的挤占直观量化。

值得关注的是，全球债务的扩张速度实际上正在放缓——2026年上半年新增逾10万亿美元，不足去年同期新增21万亿美元的一半。但债务增量与利息负担出现背离，意味着存量债务的滚动成本已被锁定在更高的利率区间，正成为主权债务风险的新形态。

付息3.3万亿美元，超过AI、国防与清洁能源投入

IIF《全球债务监测报告》显示，G7经济体的平均政府借贷成本升至2008年年中以来最高水平，年度利息支出较此前几乎高出85%。过去一年，发达经济体在国际交易政府债券上支付的利息超过3.3万亿美元。

这一数字超过全球人工智能领域估计支出的2.6万亿美元，也高于3.1万亿美元的国防支出和2.3万亿美元的清洁能源支出。

换言之，发达经济体每年仅用于偿还存量债务利息的资金，就足以覆盖全球一整年的AI投资且仍有富余，利息负担对财政空间的挤压由此得到直观量化。

新增债务腰斩，存量再融资成本却锁定高位

IIF报告显示，2026年上半年全球债务增加逾10万亿美元，总规模突破365万亿美元，再创历史新高。但这一增量不足2025年同期新增21万亿美元的一半。

IIF指出，高利率环境、债务偿还成本上升、能源价格走高以及与伊朗的冲突，共同压制了借贷活动。新兴市场是此轮债务增长的主要驱动力，上半年债务增加6.5万亿美元、总量突破110万亿美元；发达经济体的债务积累速度同期明显放缓。

政府部门与非金融企业贡献了大部分增量，两大板块债务规模均刷新历史纪录。当旧债到期、新债以更高票息滚动发行时，即便新增债务规模下降，总利息支出仍将持续攀升。

债务/GDP回落是"通胀幻觉"，滚动风险走向前台

全球债务规模约占GDP的310%，较2021年初的峰值低约25个百分点。但IIF指出，这一下降在很大程度上源于通货膨胀推高了名义GDP，而非实质性去杠杆化。

这意味着一旦通胀回落、名义GDP增速放缓，债务比率的改善将迅速逆转。而高利率既在推高政府再融资成本，又使债务/GDP比率的回落高度依赖通胀，形成政策上的两难。

据IIF报告，美国10年期国债收益率已升至2007年以来最高水平，30年期国债收益率亦达到近二十年来的峰值，政府再融资成本随之攀升。G7平均借贷成本回到2008年年中以来最高水平的同时，全球债务总规模已突破365万亿美元的历史新高，主权债务的滚动风险正从理论情景变为现实约束。

对持有长端主权债券的投资者而言，利率风险与信用风险的边界正在模糊，这一变化值得持续关注。

风险提示及免责条款

腾讯WorkBuddy第一次有了专享PC，这回吃螃蟹的是华硕

Thu, 24 Sep 2026 02:52:40 GMT

日前，华硕正式推出WorkBuddy专享款PC，成为首家推出WorkBuddy专享电脑的PC厂商。

相比用户自行下载WorkBuddy，这款产品进一步把Agent与本地模型、Skill及PC硬件能力结合起来。

这也不是华硕第一次把办公Agent放进AI PC。今年6月，华硕商用电脑已经与百度智能云推出“华硕×百度搭子DuMate AI解决方案”，同样强调端侧算力与Agent能力结合。

与此同时，荣耀、联想、小米等硬件厂商也在把自家的Agent能力延伸到PC。荣耀将YOYO Claw预置进MagicBook，联想持续升级天禧Claw，小米则把超级小爱2.0“专家模式”带到PC。

随着端云协同逐渐成熟，在电脑里提供一个能够直接处理文件、调用工具甚至执行任务的Agent，正在成为AI PC的新卖点。

PC自带的Agent最终来自第三方，还是由硬件厂商自己来做，目前仍没有定论。真正决定这条路线的可能是谁先跑出一个足够高频、足够通用的“国民级Agent”。

当办公Agent成为卖点

此次华硕Workbuddy专享款与用户自己下载WorkBuddy的核心区别，主要落在两点：

一是针对英特尔平台做过适配的本地Skill，二是本地模型与云端模型之间更深的协同。

目前，英特尔已经在华硕专享款WorkBuddy中上线15个本地Skill。在搭载第三代英特尔酷睿Ultra处理器的华硕破晓高端系列上，还可以进一步调用本地模型。三方基于35B-A3B本地模型，已经对26个WorkBuddy高频专家进行了本地适配和优化。

对应到实际使用，一些本地文件处理等可以直接留在电脑上完成；遇到复杂推理、长链路任务，或者需要实时信息时，再调用云端模型。WorkBuddy会根据任务情况在两者之间进行分配。

腾讯云智能制造行业华东解决方案负责人马英奎对华尔街见闻·全天候科技表示，腾讯WorkBuddy可以让用户灵活选择多种模型；用户也可以自行选择本地或云端，如果本地处理效果不满意，再切换至云端。

马英奎进一步指出，用户不用再自己判断“买的这台PC跑什么样的模型，才能把性能发挥到最大”。部分任务放在本地，也可以减少云端资源调用，合同、金融资料等不希望上传的数据则可以留在电脑处理。

目前，华硕Workbuddy专享款主要瞄准两类人群：一类是没有专业AI团队、但希望快速使用Agent的中小企业和创业者；另一类则是AI使用频率更高的“超级个体”，比如一个人完成文案、视频生成、剪辑和多平台发布的内容创作者。

对华硕这类PC厂商来说，办公Agent也给AI PC提供了新卖点。

WorkBuddy并不是华硕今年合作的第一款办公Agent。

今年6月，华硕商用电脑已经与百度智能云推出“华硕×百度搭子DuMate AI解决方案”。这套方案同样以华硕商用AI PC的端侧算力为基础，将其与搭子的Agent能力结合，重点面向企业办公场景。

这也说明，在办公Agent还没有完全跑出胜负之前，PC厂商没有必要过早押注一家。相比单纯比拼芯片参数，谁能把电脑已有的本地算力变成用户真正会使用的功能甚至成为新的换机理由，才更容易获得PC厂商更深的适配资源。

不过对于腾讯来说，华硕更像是一次打样。

9月初，WorkBuddy开放平台上线，首批引入超过百家生态伙伴，并将能力开放至智能硬件、行业应用和开发者。

当时腾讯云副总裁、腾讯CodeBuddy & WorkBuddy负责人刘毅给出的目标是将WorkBuddy做成“面向Agent时代的操作系统”，而不是只做一个更强的工具。其硬件合作目前已经覆盖PC与平板、智能眼镜、耳机等十余个品类、超过30个品牌。

要实现这个目标，只做一款华硕 WorkBuddy专享电脑显然不够。

后续腾讯是否会联合更多PC厂商推出专享款Workbuddy的PC，正受到更多关注。

二、自建vs第三方

对于沉寂已久的PC市场来说，把一个能够真正干活的Agent放进电脑，确实可能成为新的产品叙事。

华硕选择与WorkBuddy、百度搭子等第三方Agent合作。除此之外，一些同时拥有硬件、系统和AI能力的PC厂商，则更倾向于把自己的Agent直接延伸到电脑。

荣耀今年在MagicBook Pro系列2026上预置了自研YOYO Claw，主打自动部署和“开箱即用”。它可以自主规划、调度和执行任务，并接入办公、学习、自媒体等不同Skills。随后发布的MagicBook 14、MagicBook 16 2026，也已经把YOYO AI智能体列为整机主要卖点。

联想走得更早。

今年3月，联想发布天禧AI Claw，强调“零成本部署、零门槛使用”；5月进一步发布天禧AI 4.0，将智能体核心升级为天禧Claw，并继续强化“端—边—云”协同。

按照联想的规划，复杂任务可以在不同算力之间进行分配，同时支持本地大模型运行。

小米也在把自己的Agent能力往PC上延伸。

随着HyperOS 4发布，超级小爱2.0新增“专家模式”，可以完成深度研究、PPT制作、网页制作等任务，首批已经适配Xiaomi Book Pro 14、REDMI Book Pro 16 2026等PC。

几家的路径并不完全一样，但背后的考虑相近。

对于PC厂商来说，直接把一个能够调用文件、软件和模型的Agent交到用户手里，产品卖点也更容易成立。

而端云结合的成熟，又降低了这件事的门槛。

Agent并不需要把所有能力都塞进本地。涉及隐私、简单文件处理等任务可以优先在端侧完成，需要更大模型和实时信息时再调用云端。

这意味着，如果能够以相对可控的硬件和云端成本，在一台PC里提供一个开机就能使用、真正能替用户完成部分工作的Agent，它确实可能成为PC厂商下一阶段的新卖点。

至于这个Agent来自第三方，还是由硬件厂商自己来做，亦或者二者结合，目前还没有答案。

最后哪种方式会成为更多厂商的选择，可能还是要看什么Agent能真正跑出稳定的用户使用习惯。

风险提示及免责条款

AI大厂“放缓控制风险”，老黄：怕失控别发货啊

朱雪莹 — Thu, 24 Sep 2026 02:44:03 GMT

AI大厂认为，AI能力提升太快，必要时应该主动放缓、控制风险。

黄仁勋则直接反驳：如果真怕AI失控，那就别发产品，没人逼你上线。更矛盾的是，一些呼吁行业慢下来的公司，自己却在疯狂扩张算力。

黄仁勋：互联网让你“找到一切”，AI要替你“做完一切”

董静 — Thu, 24 Sep 2026 02:28:26 GMT

黄仁勋认为，计算产业正从“基于检索”向“生成式与智能体化”发生根本性转变，人类将从手动搜索信息转变为直接向AI下达指令，由AI自主完成任务并输出结果，这一范式转换将驱动未来的计算需求呈指数级（十亿倍）爆发。

一管血查50多种癌症，美国FDA专家委员会投票支持，AI筛查时代吹响号角？

Thu, 24 Sep 2026 02:25:36 GMT

美国东部时间2026年9月23日，多癌种早期检测领域迎来了一个具有里程碑意义的时刻。

美国FDA分子与临床遗传学专家委员会审议了GRAIL公司的Galleri多癌种早期检测产品，并在三项关键投票中亮明了态度：

10:0，认为Galleri具有合理的安全性保证；

6:4，认为其有效性具有合理保证；

7:2（1票弃权），认为Galleri的临床获益超过其风险。

虽然FDA最终的全国销售审批决定仍需在未来几个月内做出，但专家委员会的背书，已经大幅提振了市场信心。正如Guggenheim分析师Subbu Nambi所言，这几乎“消除了风险”。

一管血，筛查50多种癌症，这听起来像是科幻小说中的情节。但真正懂行的人知道，这场变革最值得关注的，是AI与数据在癌症筛查中吹响的时代号角。

抛弃传统路线：它出售的是一套AI癌症识别系统

谈到液体活检，很多人脑海中浮现的是寻找血液中肿瘤释放的特定“基因突变”。但Galleri走的是一条截然不同的路线。

当肿瘤细胞死亡后，会释放游离DNA（cfDNA）进入血液，这些DNA上保留着具有组织和肿瘤特异性的“甲基化模式”。Galleri的核心技术，正是通过靶向甲基化测序读取这些信号，随后将其交给机器学习（AI）模型。

模型不仅要判断样本中“是否存在癌症信号”，还要进一步预测这个信号“最可能来自哪个器官”。

因此，从商业和技术本质上看，GRAIL早已不是一家传统意义上的“检测试剂公司”。它真正出售的，是一套由分子检测、算法分类和临床解释共同组成的AI癌症识别系统。

35%敏感性与99.85%特异性：克制的产品哲学

如果你追求的是“一管血查出所有癌症”，Galleri的数据可能会让你意外：在美国PATHFINDER 2研究中，Galleri总体12个月的敏感性约为35.0%。

这意味着相当一部分癌症在检测时并未被发现。那为什么FDA专家还会投出支持票？答案藏在另一个惊人的数据里：99.85%的特异性。

在面向数千万甚至上亿普通健康人群的筛查中，最大的灾难不是“漏诊”，而是“假阳性”。哪怕只有几个百分点的假阳性，一旦放大到人口级别，都会制造海量的恐慌，并引发无数不必要的CT、PET、内镜甚至穿刺活检，足以压垮现有的医疗体系。

Galleri 99.85%的特异性，确保了它极少制造“假警报”。同时，它的阳性预测值（PPV）达到了约77.0%，意味着一旦它报警，确诊癌症的概率已经相当高。

“优先控制假阳性，精准打击致命盲区”，这就是Galleri的产品哲学。

数据显示，对于目前缺乏成熟筛查手段（如胰腺癌、卵巢癌、胆道癌等）、却造成美国约三分之二癌症死亡的12类高致死性癌症，Galleri的敏感性达到了约61.3%。

FDA委员会明确强调，Galleri的定位是现有标准筛查（如乳腺钼靶、肠镜）的“补充，而不是替代”。它的目标市场，是补足现有癌症筛查体系最明显的那块空白。

14万人大考：未达终点，却验证了“真正的价值”

围绕Galleri最大的争议，来自规模超14万人的英国NHS-Galleri随机对照试验。

英国一项针对14万人的Galleri癌症早筛技术大规模试验虽然未达到总量上减少中晚期癌症患者的预设主要终点，但在第二和第三轮筛查中使最致命的晚期癌症患者分别减少了22%和26%。

该试验成功将原本在晚期暴露的致命癌症提前至早中期发现，促使美国FDA专家组以7比2的投票结果认定其获益大于风险。

这项试验试图回答一个终极公共卫生问题：把Galleri加入医疗体系，能不能减少晚期（III/IV期）癌症？从严格的统计学意义上看，该试验没有达到预设的主要终点。

在癌症早筛领域，“发现得多”并不等于“筛查成功”（可能存在过度诊断），真正的成功是“把原本要在IV期才暴露的致命癌症，提前到了I/II期”。

这正是FDA投票出现“6:4”有效性分歧，却最终以“7:2”认定获益大于风险的核心原因。专家们认为，它虽然不完美，但其减少晚期癌症的潜力已经跨过了值得进入临床的门槛。

颠覆旧规则：AI时代的筛查模式与数据飞轮

过去几十年，人类的癌症筛查是“按器官划分”的：查肺去做低剂量CT，查肠去做肠镜。

而Galleri带来的是一场范式转移：将基本单位从“器官”变成了“人”。未来的体检，可能是先抽一管血进行全身信号扫描，一旦AI提示异常，再根据算法指引的器官去定向精查。

在这场变革中，AI的机会才刚刚开始：

纵向时间轴的AI追踪：癌症是动态的。如果一个人连续5年抽血，单一信号可能始终未达“阳性”标准，但在AI眼中，这5年的细微变化轨迹可能已经暴露了高风险趋势。

打通“阳性后”的决策闭环：当血液查出异常后，患者应该先做CT还是MRI？什么时候该停止检查？未来结合病历、家族史的大语言模型和多模态AI，将成为指导医生决策的最强外脑。

无法复制的数据飞轮： GRAIL目前手握CCGA、PATHFINDER系列以及超过14万人的NHS-Galleri真实世界数据。当这些甲基化数据与患者最终的生存期、治疗方式等临床结局彻底打通，GRAIL将拥有一个不断进化的“真实世界AI训练平台”，这是任何后来者都难以逾越的护城河。

结语：不可神话的AI，已经到来的未来

当然，AI不能“无中生有”，如果极早期的微小肿瘤没有向血液释放足够的cfDNA，再强的算法也无济于事。

为了保障人口级别筛查的安全性，FDA目前审评的Galleri采用的依然是“锁定的机器学习分类器（locked machine-learning classifiers）”，这意味着它在现阶段还不能在临床应用中每天“自动更新学习”。

但无论如何，2026年9月23日的这场专家投票，绝不仅仅是一项血液检测产品的通关文牒。

它证明了在茫茫血海中同时捕捉几十种癌症信号在技术上已经可行。如果未来几年，它能在真实世界中进一步证明可以降低癌症死亡率，并跑通商业化落地的成本测算。

那么今天，我们正站在未来癌症筛查新纪元的起点，听到了AI时代吹响的第一声号角。

风险提示及免责条款

世界上最有价值的见解并未写在公开网页上--来自“专家库AI”的思考

Thu, 24 Sep 2026 02:20:41 GMT

随着金融AI工具的普及，华尔街分析师的工作模式正被彻底重塑，而垂直领域的专有数据和零容错率要求，正成为AI在金融市场中创造“超额收益”的核心壁垒。

近日，在知名投资播客节目《How I Invest》的访谈中，营收已突破5亿美元的市场情报平台AlphaSense产品高级副总裁Chris Ackerson，就AI如何重塑金融分析师角色、专有数据的商业价值以及AI智能体在金融领域的未来应用空间等市场核心关注点，进行了深度分享。

在生成式AI浪潮下，市场高度关注劳动力替代危机以及AI工具的实际商业变现能力。对此，Ackerson给出了明确的市场观察：AI并未消灭金融从业者，而是大幅度改变了他们的资源分配方式。

“随着我们系统的功能越来越强大，我们能够承担很多繁琐的工作，也就是分析师们过去熬夜完成的那些手动工作。”Ackerson指出，“现在，他们可以专注于更高价值的活动，比如与客户会面、参与公司动态等等。”

在实际的商业落地和订单转化案例中，这种效率提升已经可以直接量化。Ackerson透露，一家大型投资银行在剥离部分业务后，通过几个月的测试证明，“AlphaSense 可以将平均覆盖率提高 15%，从而显著提高银行家的工作效率。”这意味着金融机构在不增加人力成本的情况下，能够扩大业务半径，从而构筑了AI工具持续增长的底层逻辑。

通用大模型的高错误率痛点与垂直AI的破局

尽管OpenAI等横向通用大模型发展迅猛，但在金融这一容错率极低的垂直领域，其商业化落地仍面临巨大阻力。这也是市场高度关注垂直AI企业能否建立技术护城河的关键点。

Ackerson直言不讳地指出了通用大模型的软肋：“就在上周，一家领先的 AI 实验室发布的数据显示，使用领先的市场数据时，错误率在 5% 到 9% 之间。这对任何一位严肃的投资专业人士来说都是无法接受的。任何错误率都会阻碍 AI 的真正普及。”

为了解决幻觉问题并降低误判率，垂直AI的解决方案在于对数据的极致控制。通过汇总数据、索引信息，并利用AI读取每一行文档以理解数据间的关联，再集成到智能体系统中进行提取。Ackerson提供了一组核心数据：“通过在 AlphaSense 平台内利用前沿 AI 模型，并结合 AlphaSense 的数据和工具，我们可以以更低的成本提供质量高出三倍的评估结果，这正是垂直整合的真正优势所在。”

专有数据成为最强护城河：“世界上绝大多数知识并非以文字形式存在”

随着各家AI实验室在底层模型能力上的竞争逐渐从预训练转向后训练，能够直接影响模型质量的“专有数据”正在成为最为稀缺的资产。

“所有人工智能公司最终都会转型为数据公司，我们看到，随着越来越多的公司涌现，这种趋势愈演愈烈。”Ackerson表示。

在金融尽调中，渠道调研和专家访谈是获取超额收益（Alpha）的重要信息源。AlphaSense目前的护城河之一正是一个包含全球顶尖投资者与行业专家访谈的庞大记录库。目前，该资料库拥有超过30万份访谈记录，且每个季度以新增超过2.5万份的速度迅速增长。

“世界上绝大多数知识并非以文字形式存在，而是存在于人们的脑海中。”Ackerson强调。基于这些独家数据，AlphaSense开发了AI访谈系统（AI Interviewer），这打开了巨大的商业想象空间。过去，分析师可能只做5通专家电话，现在借助AI智能体，可以进行20通甚至50通深入不同领域的电话访谈，在财报发布前提取量化数据并预测业绩指引。目前，该系统进行访谈的质量“已经达到甚至超过了最优秀的分析师的水平”。

未来的竞争：降低40倍成本与人类判断力的溢价

如果华尔街所有机构都使用相同的AI工具和数据集，对冲基金的超额收益将从何而来？这也是投资者对金融AI赛道长期逻辑的终极拷问。

在研究环节（占金融研究总成本的约80%），盲目使用前沿大语言模型进行网络搜索不仅成本高昂，还会引入无关信息导致“上下文污染”。Ackerson透露，通过训练专有的搜索模型精准调用工具，可以“在提供比前沿模型更高质量的同时，将成本降低高达40倍。”

展望未来五年，金融行业的交付形态将从静态的文档（幻灯片、备忘录）转向实时更新的定制化软件和智能体生态。超级分析师（Super Analyst）将像“永不眠的分析师一样全天候工作”。

在这样的环境中，人机协同的深度和人类的判断力将决定最终的投资胜负。“你引导系统的方式、你提出的问题、你在与人工智能互动时做出的选择，这些都是人为因素造成的差异。”Ackerson总结道，并引用了其CEO的观点来定义未来的企业价值：“企业的价值是其所有决策的总和。将判断力应用于人工智能系统的决策之上，将始终至关重要。”

以下是文字记录

David Weisburd 00:00 在软件工程领域，一直存在这样一个悖论：人工智能越强大，对工程师的需求就越高，因为现在的工程师效率几乎是过去的数倍。你认为金融领域也会出现同样的情况吗？或者你认为分析师这一层级会被彻底颠覆？

Chris Ackerson 00:20 随着我们系统的功能越来越强大，我们能够承担很多繁琐的工作，也就是分析师们过去熬夜完成的那些手动工作。现在，他们可以专注于更高价值的活动，比如与客户会面、参与公司动态等等。这真正意味着，随着公司效率的提高，他们能够覆盖更多公司，推出更多产品，加快产品路线图的推进。

我们在 Alphasense 内部也看到了这一点。随着我们的工程师和产品经理在人工智能方面效率的提升，我们的产品路线图也在加速推进，竞争格局日趋激烈。因此，我们在客户群体中也看到了同样的情况。人们究竟是在使用像 Super Analyst 这样的工具来辅助分析师，还是说这些工具正在颠覆关于劳动力替代的争论？这场争论在未来很多年里都将持续下去。

我们看到客户的能力大幅提升，这意味着他们将加大对员工的投入，但员工的角色也在不断变化和调整。有一家大型投资银行剥离了部分业务，他们想尝试使用 Alpha Sense，看看能否利用我们的产品来提高其余银行家的服务覆盖率。他们花了几个月的时间对 Alpha Sense 进行测试，结果证明 Alpha Sense 可以将平均覆盖率提高 15%，从而显著提高银行家的工作效率。至于如何利用这些节省下来的资源，则取决于银行自身的决定。他们可能会因为能够覆盖更多公司而招聘更多银行家，或者为客户提供更优质的咨询服务，也可能从事其他工作。但毫无疑问，员工的角色正在发生变化。

David Weisburd 02:06 随着人工智能系统日趋完善，相关职责和工作内容也会随之演变。您提到您的客户正在开展越来越多的业务，一些早期案例研究表明，他们已经开始使用 Alpha Sense 和 Agentic AI 等工具来拓展业务。以对冲基金领域为例，能否具体说说？

Chris Ackerson 02:29 分析师的工作是追踪某个行业或板块，他们需要了解新兴公司，提出新的投资理念，为财报季做准备，密切关注财报季对投资组合中所有公司的影响。所有这些领域都非常适合人工智能的应用。

David Weisburd 02:53 效率显著提升，我们在所服务的各个行业都看到了同样的情况。许多人都在考虑利用像 OpenAI 和 Anthropic 这样的横向平台来满足他们的投资需求，而你们是垂直领域的。你们的方式与横向人工智能有何不同？

Chris Ackerson 03:13 我们的理念从一开始就始终如一，那就是通过聚合和控制高质量数据，并构建专门用于理解和利用这些数据的 AI，我们可以以更低的成本提供更高的准确率，从而赢得市场的信任。我们今天也确实看到了这一点。就在上周，一家领先的 AI 实验室发布的数据显示，使用领先的市场数据时，错误率在 5% 到 9% 之间。这对任何一位严肃的投资专业人士来说都是无法接受的。任何错误率都会阻碍 AI 的真正普及。正因如此，人们仍然花费大量时间来构建和验证所有信息，因为这些系统根本无法正常工作。

在专业分析师层面，我们解决这个问题的方法是：汇总所有数据，索引所有信息，利用人工智能进行丰富和理解，读取系统中流经的每份文档的每一行，准确理解数据的含义以及不同来源之间的关联和关系，然后将这些信息集成到智能体系统中，使它们能够准确地提取特定任务所需的信息。这样，我们就能显著降低错误率和误判率。此外，当数据真正集成到系统中时，最终用户验证信息的速度和效率也显著提高。例如，您可以查看每行数据以及每个文件的具体来源。

David Weisburd 05:14 我认为，人工智能在高增长领域推进缓慢，最大的原因之一在于错误的代价因场景而异。一方面，像医院系统这样，即使 5% 的错误率也可能导致病人死亡；另一方面，你可能只是在研究给狗狗吃的零食。人们期望所有这些领域都能以相同的速度发展，但实际上，关键在于……

Chris Ackerson 05:34 这些数据用于什么用途？出错的代价是什么？没错。我们已经做了相关测试，即使在数据缺失的情况下也能进行测试。我们构建了评估框架，对所有人工智能系统进行全面测试，并针对用户实际执行的所有任务制定了非常详细和具体的评估标准。

在 Alpha Sense 平台，我们采用自动化评估和人工评估相结合的方式。我们聘请了金融分析师加入 Alpha Sense，负责抽查并验证这些评估的准确性。我们发现，通过在 Alpha Sense 平台内利用前沿 AI 模型，并结合 Alpha Sense 的数据和工具，我们可以以更低的成本提供质量高出三倍的评估结果，这正是垂直整合的真正优势所在。

Chris Ackerson 06:32 或许你能解开我这几年一直在思考的问题：为什么大语言模型（LLM）会产生幻觉？因为从定义上讲，它们是概率性的。它们经过训练，训练数据来自数百万份文档、数据点和强化学习循环记录，这些记录本质上将所有信息编码成一组压缩的模型权重。这使得这些模型具有极强的泛化能力，但也意味着模型的输出是概率性的，取决于它所看到的数据。

这些模型是基于整个互联网进行训练的。众所周知，互联网上充斥着大量信息，其中既有不可信赖的，也有非常有价值的。因此，在 Alpha Sense，我们人工智能系统输出的所有内容都基于我们精心整理的权威可信数据，例如公司实际的表述、专家访谈以及卖方研究分析师的观点。我们努力的目标是充分利用这些概率模型的优势——它们具有创造性，能够跳出固有思维模式，完成传统机器学习无法完成的任务——同时，将它们建立在真正值得信赖的数据之上，以便将其呈现给投资委员会或客户会议上的首席财务官。

Chris Ackerson 07:55 数据似乎是垂直行业人工智能公司最有价值的方面之一。Alpha Sense 是如何具体运用数据的呢？人们经常谈论数据，但我仍然认为数据的重要性被严重低估了。让我先退一步，简单谈谈我们聚合的数据集。

其中一项是我们的专家访谈记录库。这是一个汇集了全球顶尖投资者和最佳买方分析师与行业专家访谈的数据集。这些专家包括曾在公司工作过的人员、前高管、供应商和客户，他们会被问及能够引导实际投资决策的问题。所有这些都是独家洞察。世界上绝大多数知识并非以文字形式存在，而是存在于人们的脑海中。我们的专家访谈记录库旨在挖掘并记录这些洞察，使其可供用户使用，现在我们的人工智能代理也可以利用这些洞察来影响系统输出的答案。这是独家数据的一个典型例子，你无法在任何其他面向公共互联网的人工智能系统中找到这些数据。因此，获取独家洞察的能力是关键之一。

Chris Ackerson 09:16 在我们的领域，数据控制至关重要，原因如下。第二个关键原因是，它能真正提升模型质量，降低错误率和误判率。在 Alpha Sense，我们不断训练搜索模型和人工智能模型，以提高输入这些模型的实际上下文质量。我们的研究表明，最新的前沿模型推理能力非常出色，是强大的工具，但它们的搜索能力却很差——它们不知道如何为特定任务找到合适的上下文。因此，我们正在训练自己的模型，使其在这方面表现卓越。而这一切只有在对数据拥有控制权和所有权的情况下才能实现。

第三个原因在于，数据在未来几年对构建智能体至关重要，因为智能体的输出本身就构成了一个数据集。回顾问答时代，也就是人工智能的聊天机器人时代，你提出问题，得到答案，答案就进入了聊天记录，也许你会再次查看，也许它会被删除。

如今，智能体们正在像对待真正的工作成果一样，撰写投资备忘录和推介材料，这些工作本身就具有价值。因此展望未来，任何机构都应该思考的问题是：我们是否应该预先设想客户会提出的问题，并真正产出对他们来说高价值的成果？

Chris Ackerson 11:00 今天的例子是，Alpha Sense 正在利用我们的人工智能技术在行业内进行渠道调查。我们开发了一款 AI 访谈系统。这款 AI 访谈系统是基于 Alpha Sense 数据训练的智能体，它了解市场，掌握任何公司或市场的所有可用信息，并利用这些信息构建访谈脚本，与真正的专家进行电话访谈，提出问题，进行后续跟进，并深入探讨特定主题。

我们首先将 AI 访谈工具应用于渠道核查数据集。我们利用这个工具与各行各业的专家进行访谈，这些专家了解不同行业的价格和需求信号。我们每个季度都会转录数千通电话，并在其上构建一个智能层，以便在财报发布前提取量化数据，预测特定公司的业绩指引最终可能如何实现。现在，我们所有的客户都可以使用这个 AI 访谈工具。

专家访谈一直是私募股权公司和对冲基金尽职调查流程中至关重要的一部分。我们的用户仍然会进行大量的专家访谈，但现在他们可以借助人工智能进行补充。例如，他们可能原本只需要进行五通电话，而现在可以通过人工智能进行二三十通甚至五十通电话，深入调查不同的领域。这形成了一个内容飞轮，极大地扩展了我们的资料库，并提升了我们可获取的洞察能力。目前，我们的资料库里有超过 30 万份访谈记录，每个季度新增超过 2.5 万份，而且增长迅速。

Chris Ackerson 13:16 我们最初开发 AI 面试官时，将其应用于渠道调研，因为这是一个相对封闭的问题。渠道调研包含一系列结构化的访谈问题，例如：你们的采购量是多少？市场上对特定产品的需求如何？因此，我们可以将这项早期技术应用于一个非常实用的案例，效果非常好。随着系统的不断改进，我们评估了 AI 面试官的质量，现在它的质量已经达到甚至超过了我们最优秀的分析师的访谈水平。该系统会随着时间的推移不断改进，并且它基于 Alpha Sense 上的所有数据。想象一下，如果你要面试我，你可以事先阅读 Alpha Sense 上所有关于我们所在领域的文章。这就是 AI 面试官在每次专家访谈前所做的准备工作。

David Weisburd 14:15 从你们现在正在做的人工智能代理的早期应用，到未来金融领域的工作形态，人工智能的发展前景广阔。让我们快进到五年后。投资银行家们在做什么？投资者们在做什么？人类最终扮演什么角色？

Chris Ackerson 14:39 这些行业的核心作用仍然至关重要。对冲基金分析师为客户提供咨询服务，帮助找出在特定市场中获得投资回报的优势所在。我认为，这个核心理念不会改变。

我们非常兴奋的一点是我们全新的"超级分析师"产品。目前，"超级分析师"已经能够完成许多出色的工作。例如，所有 Alpha 数据都会实时传输，超级分析师可以监控这些数据，从而实现工作自动化。在财报发布期间，它可以读取所有电话会议记录，并执行您指定的流程。这些行业交付的成果大多是文档类文件，比如生成幻灯片、投资备忘录、Excel 模型等等，它在这方面非常出色。

展望未来几年，我们设想这样一个世界：每个人都在构建自己的定制软件，完美契合自身特定流程和用例。我们将突破文档和会议的局限，迈向一个每个人都在使用实时软件的世界，这些软件始终能够访问最新信息，并完全根据你的特定流程量身打造。

在这个未来，什么才是真正有价值的？人类的判断力至关重要。企业从所有决策中学习的能力至关重要。我们的首席执行官杰克经常说，企业的价值是其所有决策的总和。在智能体时代，企业最重要的任务是确保能够捕捉到人力资本或智能体资本执行的所有决策所带来的学习成果。因此，投资于能够帮助你捕捉这些学习成果的系统，使你的公司不断进步，并将判断力应用于人工智能系统的决策之上，将始终至关重要。

此外，世界如此复杂，科技日新月异，商业世界和应用程序都在不断发展。因此，企业各个层级的人员几乎都扮演着架构师的角色。系统工程师仍然至关重要，因为人类社会和经济始终处于动态变化之中。从我与数百位投资者的交流中了解到，伟大的投资公司并非仅仅依靠投资回报就能成功。那些能够长久生存的公司，往往擅长那些大多数人看不到的事情。

Chris Ackerson 19:24 Alpha Sense 的客户共享相同的数据，对冲基金之间如何竞争？几十年来，这一直是信息系统和投资领域关注的问题。我们认为，最终的投资决策是投资者与 Alpha Sense 或超级分析师以及他们所使用的技术共同作用的结果。你引导系统的方式、你提出的问题、你在与人工智能互动时做出的选择、你指向的目标、你要求它自动化的流程，这些都是人为因素造成的差异。而最终的决策则是所有这些因素与人工智能代理能力的结合。

David Weisburd 20:08 分析海量数据并实现流程自动化，这才是最终创造超额收益的关键。我认为金融产品本身也是面向终端客户的产品。养老金、捐赠基金、家族办公室等机构的风险承受能力可能千差万别。你可能查看同一个概率模型，然后说：我打算稳妥行事，争取 8% 的回报；或者我打算即使波动性很大也要追求最佳净回报。从投资的角度来看，这其中既有偏好，也有产品层面的考量。

Chris Ackerson 20:44 我们推出的超级分析师平台可以根据您的流程进行定制。您可以利用自身的技能，将超级分析师集成到下游工作流程中，整合您自己的数据和视角，从而真正打造差异化的竞争优势。

David Weisburd 21:04 最近，我采访了彼得·蒂尔对冲基金的总裁，他谈到了被动投资者带来的市场系统性风险。以前，主动投资者会参与买卖决策，而现在，所有人都涌入这些股票，这在系统中造成了杠杆效应。您认为人工智能和数据的对称性会导致市场波动加剧吗？

Chris Ackerson 21:25 我们的使命是帮助市场更有效地配置资本。我们认为，借助像 Alpha Sense 这样的工具，我们可以与用户一起控制和降低风险。将高质量的数据融入决策过程——Alpha Sense 的核心价值主张之一，即消除投资或决策过程中的盲点——可以通过人工智能获得很好的答案。但如果答案仅仅来自一位博主或一位分析师，那么它的价值远不及一个能够汇集所有分析师、众多专家、公司内部人员以及公司自身对某个主题的看法的系统。将所有这些信息整合到一个答案中，能让您对自己的决策更有信心，并提高决策对业务有利的可能性。

Chris Ackerson 22:29 我想了解一下你们的数据基础设施。你们在运行推理时既使用了大型语言模型，也使用了开源软件，能跟我说说这方面的情况吗？

我们已经看到不同模型之间存在着非常显著的差异，即使是最前沿的人工智能模型也各具特色。我认为这与后训练在训练过程中扮演的角色越来越重要有关。几年前，所有实验室都在使用相同的数据集进行预训练，其中大部分数据来自公共互联网，因此预训练得到的模型在功能上非常相似。而现在，这些公司的大部分 GPU 支出不再用于预训练，而是用于后训练。在后训练阶段，可以根据不同的任务和数据集进行更精细的区分。所以，这些模型实际上已经实现了差异化，这与许多预测截然相反——那些预测认为它们最终会趋于同质化和融合。

例如，我们看到 Claude Opus 在生成高质量幻灯片方面非常出色，但作为上下文检索系统或搜索模型，它的表现并不理想，至少在早期版本中是如此。因此，我们会根据对不同模型优缺点的评估，选择应用不同的模型。

Chris Ackerson 23:57 您提到了开源模型。我们与 Cerebras 合作，它是一家非常出色的低延迟推理提供商，我们可以利用他们提供的顶级开源模型。低延迟对于构建具有对话感和实时性的系统至关重要。因此，我们所有的工具，无论是超级分析师还是生成网格，都在其流程中使用了多个针对不同任务优化的模型。我们也正在开始训练我们自己的模型，我们关注前沿模型，认为我们可以在某些任务中创造很多价值。

David Weisburd 24:36 我想强调一下你提到的一点，那就是大语言模型本身拥有不同的数据集。这让很多人感到困惑。我目前正在帮助我们投资组合中的一家公司进行并购或融资活动，我和很多投资银行的负责人交流过，他们都表达了同样的观点：至少在科技领域，他们目前的大部分工作都是帮助大型语言模型公司获取数据集。大多数人并不了解这种情况，但如今交易的一个重要部分就是帮助这些大型语言模型获取越来越多的数据，尤其是专有数据，以便它们能够实现差异化竞争。

Chris Ackerson 25:19 所有人工智能公司最终都会转型为数据公司，我们看到，随着越来越多的公司涌现，这种趋势愈演愈烈。这些公司专注于帮助人们构建强化学习环境，并有专家协助构建数据集。最近收购某航空公司数据资产就是一个有趣的案例。我们看到这种情况越来越普遍，这也凸显了差异化数据的重要性，以及我们为何对过去十多年来积累的数据充满信心。

回到你刚才说的，关于训练自己的数据和进行自己的后训练。Alpha Sense 已经训练我们自己的 AI 模型近十年了，早在生成式 AI 爆发式增长之前。所有这些模型都需要进行后训练才能有效发挥作用。因此，我们的系统中有很多专门用于搜索的模型，它们可以帮助我们找到合适的内容来理解用户的问题，并对信息源进行排名。这些模型经过多年的学习，已经掌握了哪些信息源最相关，哪些内容对于任何给定的任务来说最权威。

Chris Ackerson 26:37 随着我们不断推进，我们正在训练前沿模型，以期为超级分析师等产品提供端到端的支持。超级分析师与人们以往使用人工智能代理的体验略有不同，后者通常是在自动化金融研究等场景下直接与大语言模型交互。实际上，绝大部分工作都集中在研究环节，这占了成本的 80% 左右。影响质量的因素中，约有 70% 取决于你如何有效地利用所有工具、数据集和 Alpha 数据集进行研究，并找到合适的背景信息。无论是撰写盈利预测、路演演示文稿还是战略备忘录，都需要用到这些。因此，我们认为，我们拥有强大的数据和工具来构建前沿系统，这些系统能够比那些缺乏理解能力的前沿人工智能模型更有效地运行研究环节。

David Weisburd 27:36 大语言模型的另一种加权方式是，它们对所有不同的来源都有一定的权重，通过运行你自己的数据，你可以稍微调整这些权重，以便即使在前沿的大语言模型上，也能获得信息优势，它们的搜索训练方式也截然不同。

Chris Ackerson 27:54 这就好比一种网络搜索框架，你只能盲目地到处搜索，希望能找到真正有价值的信息。这种方法在网络搜索中总体上是有效的，但对于金融研究来说就不太适用了，因为金融研究需要处理大量低价值或无用的信息，成本很高。运行这些研究流程需要投入大量资金。

其次，它会降低质量。这有点像上下文污染，因为你引入了无关信息，任务执行时间也会更长。正如你所说，我们可以训练一个模型，使它能够准确地知道应该使用哪种工具来执行给定的任务。因此，我们认为我们能够在提供比前沿模型更高质量的同时，将成本降低高达 40 倍。

需要明确的是，这并不意味着我们不会使用前沿模型。我们认为它们在真正擅长的领域非常出色，例如编写代码、进行深度数据分析、生成高质量的成果，比如幻灯片或 Excel 备忘录。因此，这两类模型将像两个独立的代理一样协同工作，一个负责协调实际的代码生成或数据合成，另一个则作为高效的研究人员。这些系统将协同运作。

David Weisburd 29:13 马克·贝尼奥夫也谈到了软件的未来发展方向，即无头模式——用户不一定非要使用 Salesforce 来创建提示，Salesforce 本质上是通过名为 MCP 的 API 来实现的。Alpha Sense 是否也在朝着这个方向发展？您认为这是否是应用程序的未来？

Chris Ackerson 29:38 毫无疑问，市场将会朝着智能体之间协作的方向发展，它们将通过不同的协议来实现这一点，MCP 就是其中之一。

当我们打造像 Super Analyst 这样世界级的智能代理时，我们希望它能在 Alpha Sense 桌面环境中运行。Alpha Sense 桌面环境配备了专门设计的代理工作区，旨在让 Super Analyst 的使用体验更加出色。您使用 Super Analyst 生成的所有历史记录和工作成果都会保存在该桌面工作区中，所有调整所需的工具也都集成在这个工作区中。此外，Super Analyst 也是您的得力助手，无论您在哪里工作，它都应该能够胜任。目前，它已经可以在 PowerPoint 和 Excel 中使用，未来还将通过 API 和 MCP 集成到其他系统、应用程序和工作流程中。

无论您是个人用户，还是企业内部的 IT 团队或技术团队，都可以使用 Alpha Sense 作为智能代理自动化基础设施，进行市场情报分析，从而构建各种应用程序并自动化各种工作流程。随着智能代理能够让你们从简单的问答转向真正的工作委派，超级分析师将像团队中那个永不眠的分析师一样全天候工作，通过手机、电子邮件、Slack 和 Teams 等各种渠道，以更加人性化的方式交付工作成果。

David Weisburd 31:19 听起来你们的增长速度相当惊人，营收增长超过 5 亿美元。但任何企业都会遇到一些令人夜不能寐的事情，尤其是在当今世界局势下。那么，究竟是什么事情让你夜不能寐呢？

Chris Ackerson 31:33 我们极其专注于提供决策级答案和输出，因此，我们的重点在于确保用户在周五深夜收到 Alpha Sense 的输出结果后，可以安心地合上电脑回家享受周末，而无需担心数据来源是否可靠，或者是否存在虚假的指标或财务数据。我们日夜都在思考这些问题。

从产品策略角度来看，在类似聊天机器人的生成式搜索时代，验证对我们来说是一个相对简单的问题，因为我们已经将所有数据集成到了 Alpha Sense 中，所有内容都归因于正确的引用来源，您可以点击查看原始出处。随着这些系统变得越来越复杂，它们不仅仅生成一份可以轻松点击查看引用的报告，还会生成更多可视化的抽象推荐和建议，比如图表和表格。因此，我们每天都在思考如何减少验证过程中的摩擦并维护用户信任。

David Weisburd 32:42 回想职业生涯的起点，正如您之前提到的，您曾在 IBM Watson 工作。您的许多同行现在都在 OpenAI 和 Anthropic 等公司工作，真正地在构建未来。如果让你给当年的自己一条永不过时的建议，一条能加速职业发展、避免代价高昂的错误的建议，那会是什么？

Chris Ackerson 33:02 所有从事人工智能工作的人都因为低估了这些模型改进的速度而留下了许多教训。我们每天都在纠结于到底应该围绕这些模型搭建多少脚手架scaffolding，目的是使它们达到某种质量，使产品在今天可用，而不是等到模型在六个月或一年后会达到的水平。我们现在对于删除脚手架、迈向未来都非常坦然。

五年了。我会给自己的建议，也是杰克和拉杰这两位创始人给我们所有人的建议，那就是：着眼未来，尽可能快地行动，不要感伤，继续创新。

我们对未来的发展方向感到无比兴奋，比以往任何时候都更加秉持"初学者心态"。你必须每天醒来都像初学者一样，因为一切都在悄然变化。

Chris Ackerson 34:12 您提到了脚手架。在 Alpha Sense 中，每一代模型都对脚手架进行了哪些改进，以确保推出的产品能够满足专业用户的需求，让他们信赖，并且不会产生影响投资决策的虚假信息？

举例来说，我们在 2023 年推出了第一批生成式 AI 功能，当时专注于文档摘要，例如能否有效地总结财报电话会议等等。之后，我们逐步发展到生成式搜索解决方案，它可以从 Alpha Sense 的所有内容中查找并综合答案；再到工作流代理，帮助自动化复杂的工作流程；以及现在的超级分析师，您可以直接向其委派工作。

在每一次发展过程中，我们都大幅简化了脚手架。在 2023 年，我们能够让一个大语言模型几乎 100% 准确地总结财报电话会议。如今，要实现这一点已经无需那么多额外工作——这些模型本身可以更有效地完成这项任务。但同样地，如果你把整个盈利预测流程都委托给超级分析师，那么为了确保其有效性、降低预测失误风险并提高准确性，就需要付出巨大的努力，高效管理上下文资源。这就是我们今天关注的重点，这几乎是一种文化竞争优势。

David Weisburd 35:40 你提到杰克和拉杰，也谈到了我所谓的"初学者心态"，即不断重塑自我。很多人认为这是技术问题，但实际上这是文化问题。

Chris Ackerson 36:00 我们所做的投资，包括我们聚合的内容数据集、我们构建的搜索数据，以及数百万条搜索查询记录，都将伴随公司整个生命周期持续发挥作用。这些搜索查询记录使我们能够训练模型，从而找到适合特定任务的合适内容。这些都是持久的数据资产，将继续为公司提供动力。

David Weisburd 36:25 使用像 Alpha Sense 这样的产品，你必须始终着眼未来，勇于创新，不断突破自我。克里斯，我偶尔会使用 Alpha Sense，我的公司也确实成功上市了，我用它来判断是否应该买入或卖出股票。非常感谢你抽出时间接受采访。

Chris Ackerson 谢谢，大卫，这次采访很愉快。

风险提示及免责条款

A股低开低走，创业板跌1%，机器人、商业航天逆势拉升，CRO、PCB下挫，港股权重科网股普遍调整

Thu, 24 Sep 2026 02:13:24 GMT

9月24日，A股早盘低开低走，三大股指盘初集体下跌，深成指、创业板跌近1%，机器人、商业航天、卫星导航等概念股逆势拉升，银行、煤炭、油气股活跃，房地产、贵金属下挫，覆铜板、CRO、电路板等概念股普遍下跌。

港股同样低开，恒指、恒科指早盘跌幅有所收窄，权重科网股全线下跌，芯片半导体股亦承压，兆易创新、剑桥科技跌幅居前。债市方面，国债期货全线上涨。商品方面，国内商品期货大多数品种下跌。核心市场走势：

A股：截至发稿，沪指跌0.45%，深成指跌0.84%，创业板指跌0.76%。

港股：截至发稿，恒指跌0.57%，恒科指跌0.93%。

债市：国债期货全线下跌，截至发稿，30年期主力合约涨0.15%，10年期主力合约涨0.02%，5年期主力合约涨0.01%，2年期主力合约涨0.01%。

商品：国内商品期货普遍下跌，截至发稿，原油大涨超4%，燃油涨逾3%，橡胶涨2%，沥青涨1%，工业硅等少数品种走高，沪铝、玻璃、烧碱、豆粕、螺纹钢、铁矿石、沪锡、纸浆、锰硅、菜籽、沪铜、氧化铝、沪镍、鸡蛋、集运指数、不锈钢、焦炭、沪金、多晶硅等大多数品种下跌，焦煤、碳酸锂跌超1%，钯金、沪银、铂金等跌幅居前。

09:48

早盘房地产板块震荡下挫，华丽家族跌停，华远控股触及跌停，绿地控股、香江控股、万科A、荣盛发展等快速跟跌。

09:46

煤炭板块震荡拉升，云煤能源涨停，郑州煤电、辽宁能源、安泰集团、陕西黑猫跟涨。

09:41

机器人概念表现活跃，襄阳轴承涨停，宁波东力、万向钱潮、南方精工、三花智控、拓普集团跟涨。消息面上，近日，马斯克接受专访时指出，未来15年全球人形机器人或达到100亿台；未来20年可能达到1000亿台。

09:32

早盘AI制药概念异动拉升，贝瑞基因直线涨停，华大基因、荣泰健康、塞力医疗、义翘神州、金域医学跟涨。

消息面上，Anthropic宣布成立生命科学研究团队及实验室，并公布Claude参与生物学研究取得的早期成果。研究人员称，Claude在分析超过20万个逆转录酶（RT）序列后，发现一种此前未被描述的酶系统，并将其命名为“阵列相关逆转录酶”（ART）。

09:26

上证指数低开0.28%，创业板指跌0.38%。黄金、房地产、半导体、电脑硬件板块跌幅居前。

09:21

恒生指数开盘跌0.74%报24649.45点，创科实业跌近3%领跌蓝筹。恒生科技指数跌0.78%，腾讯控股、阿里巴巴跌超1%。恒生中国企业指数下跌0.70%。

风险提示及免责条款

美国PMI火热背后：价格压力创2022以来新高，供应链瓶颈严重，企业成本压力加剧

Thu, 24 Sep 2026 02:03:16 GMT

华尔街的共识再次被打破，9月美国标普全球PMI初值不仅没有如预期般小幅下滑，反而呈现出爆炸性的全面增长。

据追风交易台消息，摩根大通在9月23日的研报中称，美国9月综合产出PMI飙升至58.4，创下2021年7月以来的最高水平，暗示美国第三季度GDP增速可能高达4%至5%。然而，在这份看似完美的经济增长成绩单背后，高盛和摩根大通均认为，潜藏着令市场警惕的暗流：需求已严重超出企业产能，导致除疫情期外近二十年来最严重的供应链瓶颈。更关键的是，投入成本通胀正以2020年以来最快的单月速度飙升，创下2022年底以来的新高。

分析指出，当前数据传递了一个明确的信号——美国经济不仅没有衰退，反而热度惊人。但这种由强劲国内需求驱动的增长，正伴随着能源、运输和劳动力成本的剧烈上升。由于企业产出价格（售价）的上涨幅度不及投入成本的飙升幅度，企业利润率正面临实质性的挤压（Margin Compression）。

价格压力急剧升温，企业利润率面临挤压

本份报告中最危险的信号在于通胀的猛烈反扑。摩根大通指出，9月份的通胀信号明显强于近几个月。

投入成本飙升：全行业投入价格指数录得自2020年以来的最大单月涨幅，并加速至2022年底以来的最高水平。高盛数据显示，服务业投入价格分项大涨7.2个点至66.1（创2022年11月以来新高）；制造业投入价格在连续三个月下降后大幅反弹3.0个点至68.1。
成本驱动因素：价格上涨主要归因于近期能源价格上涨带来的燃料和运输成本增加，同时工资压力也有所加剧。制造业企业还特别提到了原材料成本高企和供应短缺。
利润率挤压（Margin Compression）：尽管9月份产出价格（企业售价）通胀也有所上升（高盛数据显示服务业产出价格+1.2至57.0，但制造业产出价格微降0.2至59.2），但其涨幅远不及投入成本的飙升幅度。摩根大通明确指出，这种不对称表明企业的利润率正在受到挤压。

分析指出，总体而言，9月PMI数据描绘了一幅需求旺盛但供给受限的经济图景。在强劲的订单和招聘背后，飙升的成本和受压的利润率将成为投资者在未来几个月必须直面的核心风险。

需求远超产能，供应链与劳动力瓶颈再现

经济的火热直接导致了供需失衡的加剧。摩根大通认为，当前的需求正持续超过企业的运营产能。

供应链极度紧张：积压工作量以2022年5月以来的最快速度增加，供应商交货时间延长幅度达到2022年中期以来的最大值。标普新闻稿指出，如果排除疫情期间，当前的增长正伴随着近二十年调查历史上最严重的供应链瓶颈。
劳动力市场火热但招聘困难：9月全行业就业指数升至2022年6月以来的最高水平。其中，制造业就业创下2021年2月以来的最强劲增长，服务业招聘也以2022年6月以来的最快速度增长。尽管企业因工作量和积压订单增加而大力招聘，但许多企业报告称越来越难以找到合适的员工。

经济活动全面爆发，远超华尔街预期

9月份的PMI数据彻底击碎了市场对经济放缓的担忧。高盛指出，服务业和制造业PMI双双逆势上扬，打破了市场预期的小幅下降共识。

服务业PMI： 9月录得58.7（大幅高于预期中值56.0和前值56.5），创下2022年3月以来的最高水平。其中，新业务分项指数（+3.0至58.3）表现极为强劲。

制造业PMI： 9月录得57.0（远超预期中值53.5和前值53.9），创下2022年5月以来的最高水平。产出（+3.6至56.7）和新订单（+3.0至57.3）分项均出现急剧上升。

摩根大通强调，标普新闻稿估计，最新的调查数据与约5%的年化GDP增速相符，并预示整个第三季度的GDP增速约为4%，这甚至高于摩根大通近期上调后的3.5%的预测。

标普评论更是直言：

“如果排除新冠疫情封锁后经济重新开放带来的需求激增，最新的商业活动改善是自2015年初以来记录的最大增幅。”

不过，高盛也提醒投资者注意数据背后的“名义偏差（Nominal bias）”——部分商业调查的强劲表现可能是由于受访者以美元（名义）而非实际数量来衡量出货量和订单，从而受到了价格上涨因素的干扰。

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

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

Agent专治各种“破事”，很多公司的赚钱逻辑要变了

施建柳 — Thu, 24 Sep 2026 01:57:49 GMT

知名科技商业分析师 Ben Thompson 表示：大公司靠“赌你嫌麻烦”躺赚的生意，

正在被 AI Agent 改写。以前航班延误赌你懒得申请赔偿，保险公司赌你不愿花几小时打电话；

现在 Agent 5 分钟就能替你把钱要回来，过去能赚钱的“摩擦”，反而可能变成公司的成本。

普通人根本不在乎什么“提高生产力”，真正有用的 AI，是帮你自动干掉生活里那些烦人的破事——不是画大饼，而是当“止痛药”。

曾经，英特尔是“内存先锋”，却差点因此破产

张硕 — Thu, 24 Sep 2026 01:30:39 GMT

英特尔曾是内存先锋，却因日本厂商崛起差点破产。

高层忽视客户态度变化，前线员工先感知转折，自发把产能转向微处理器。最终虽仍然被迫承认核心存储器业务消失，但损失已减少很多。

可见战略转折点常由一线先察觉，管理层迟钝便导致“战略失谐”。

Claude发现神秘DNA系统！狂烧2.1 亿Token挖出「上帝手术刀」

新智元 — Thu, 24 Sep 2026 01:21:00 GMT

整个生命科学界和AI圈，今夜无眠。

就在刚刚，Anthropic甩出了新分子生物学实验室的「首个成果」——

Claude在噬菌体DNA中，自主发现了一套人类此前从未记录过的全新酶系统！

它的结构与「上帝手术刀」CRISPR高度神似，具备切割、复制、粘贴DNA的特征。

发现过程，竟动用了950个AI Agent，运行21小时，消耗约2.1亿Token。

随后，人类科学家接手审查和实验验证。

最终，团队进一步实验确认，这是一种此前未被表征的、存在于噬菌体中的全新酶系统。

他们将其命名为ART，即「阵列关联逆转录酶系统」。

CEO Dario难掩激动直言，「哪怕这是我在读博期间做出的成果，也足以骄傲一辈子」。

从今天起，生命科学的科研范式彻底被改写了。

950个Claude，狂烧2.1亿Token开干

这一惊天发现的背后，是一场极其疯狂的算力风暴与算法协同。

在过去的生物学史上，寻找新的酶系统就像在干草垛里找一根特定的绣花针。

人类科学家需要耗费数月甚至数年，一行行比对碱基序列、查阅文献、排除噪音。

但在Anthropic的实验室里，这一流程被浓缩到了短短21小时——

950个Claude集群并联启动，各司其职；它们吞吐、反刍、推演了超过2.1亿个Token的生物基因组数据。

然后，它们跨越数以万计的公开序列，地毯式扫描超20万个逆转录酶（RT）。

筛选出3500个全新候选系统，再层层严苛审视、推演排除，最终浓缩提炼出最核心的20个极具潜力对象。

在这个过程中，Anthropic的人类团队仅仅做了一件事：给出了最初的探索Prompt，然后放手让AI去自主调度探索。

AI阅读文献、验证已有方法、比对未分类序列、评估旁系基因逻辑，甚至自动撰写出人类可读的研究报告。

而在排查进行到第21个小时时，其中一个Claude在扫描一段来自「巨型噬菌体」（Jumbo phage）的原始DNA序列时，突然注意到了反常信号。

在它的推演分析日志里，留下了这样一段足以载入AI史册的「内心独白」：

（逆转录酶旁边的DNA）太壮观了：我肉眼就能看到一个串联重复阵列……这是一个类似CRISPR的……重复阵列？！

这句近乎拟人化的惊叹，直接揭开了新世界的一角。

撞上这个异常信号时，Claude表现得像一个训练有素的资深科学家：

迅速测算序列特征、严密比对微观拓扑，并在全网文献中搜寻相似先例。

在确认无误后，AI生成了一份详尽的实验验证报告，郑重交到了人类科学家的实验台上。

首次发现ART，酷似「基因剪刀」CRISPR

Claude挖出的全新生命系统，被Anthropic命名为ART。

ART主要存在于噬菌体中。噬菌体，就是感染细菌的病毒。

这套系统包含三个部分：逆转录酶（RT）、紧邻的伴侣基因，以及一长串间隔规则的DNA重复序列。

在分子生物学界，逆转录酶本身并不罕见。

甚至，之前就有学者在测序中扫到过这个噬菌体酶片段，但在庞大的碱基汪洋中，人类研究员直接把它当成普通的无用噪音跳过了。

一串A、T、C、G里，Claude看到了一段反复出现、间距均匀的序列，这种排法与CRISPR阵列相似。

这个细节，足以让科学家兴奋。

因为在CRISPR-Cas系统中，阵列保存的不同序列可产生引导RNA，帮助相关蛋白识别目标。研究人员利用这种机制，发展出了可编程的基因编辑工具。

初步实验给出了一条线索：ART阵列确实会表达出一组不同的短RNA。

这让研究人员怀疑，背后可能存在某种类似的工作逻辑。但这些RNA具体发挥什么作用，整套系统如何运转，仍然需要继续实验。

Claude打前站，人类做科研闭环

这场发现背后，离不开Anthropic自己的分子生物学实验室。

2026年春天，公司成立了研究团队，希望验证通用AI能否系统性地加速基础生物学发现。

团队成员长期研究异常蛋白，擅长用计算方法读取DNA、分析演化关系，再挑出值得实验的生物系统。

他们与Claude合作的方式，也比「问AI一个问题」复杂得多。

Claude先读文献，用公开数据复现已有结果，检查方法是否靠谱。

随后搜索无法归入已知系统的候选，写出功能猜想和支撑证据，再回头审视自己的判断。

大量候选会在这个阶段被淘汰。一轮搜索到最后，可能只剩一个值得验证的对象，也可能一个都没有。

通过人类审查之后，候选才进入实验室，由科学家开展实验，Claude再协助解释结果。

所有湿实验，都由人类科学家完成。

团队使用的工具包括Claude Science、Claude Code，有时也通过自建程序协调多个Claude会话并行运行。

背后是一个很具体的分工：AI扩大搜索范围，提出可供检查的线索；科学家判断证据质量，再用真实实验决定哪些猜想站得住。

5到10年治愈人类大多数疾病

如今，一个狂想正在变成现实。

Dario Amodei曾在Machines of Loving Grace中立下一个近乎疯狂的宏愿：

在AI的全面加持下，人类有望在未来5到10年内治愈绝大多数严重疾病。

但今天，当看到950个Claude在短短21小时内，完成人类数月才能理出的全新酶系统挖掘时，那扇紧闭的未来大门，似乎真的被撞开了一条缝。

所有人都在见证技术以惊人的速度跨代爆发：

2023年：AI还在做高中水平的简单数学题；
2024年：AI开始在顶尖奥赛中崭露头角；
2025年：AI开始解决小型的开放性科学悬想；
2026年：AI已经开始攻克数学界顶级难题

并且，正式作为「首席探索官」，在噬菌体未知的基因暗物质中，独立挖掘出了可能引发下一场生物医疗革命的分子机器。

ART会成为下一个CRISPR吗？不知道，但值得期待。

Claude迈出了这一步。

一个AI，用21小时，在一段没人注意过的DNA里，看到了一个没人看到过的模式。

这或许只是一个开始。

本文来源：新智元

风险提示及免责条款