华尔街见闻 - 资讯 - 最新

为何每个人突然又讨论CPU了

董静 — Sat, 10 Oct 2026 12:33:01 GMT

著名半导体行业分析师Ian Cutress认为，随着AI从单纯依赖GPU的大模型生成向调用外部工具的“智能体工作流（Agentic workflow）”演进，CPU在处理复杂逻辑和执行任务时的核心作用再次凸显；但由于应用场景复杂且智能体仍在快速迭代，目前整个行业尚未能准确界定这种新兴工作流究竟需要多大级别的CPU算力，以及最佳的CPU与GPU配置比例。

四部委征求意见稿：禁止隐藏式车门把手，关键功能保留实体操纵件

Sat, 10 Oct 2026 12:13:11 GMT

10月10日，中国工业和信息化部、公安部、生态环境部、市场监管总局联合发布征求意见稿，拟对汽车产品创新设计和研发测试验证实施全面强化管理。

征求意见稿明确提出，禁止配备全隐藏式车门把手；灯光、雨刮、除霜除雾等关键驾驶安全功能在采用虚拟操纵件的同时，必须保留实体操纵件；折叠显示屏、柔性显示屏被明确禁止；行车时不得使用"零重力"座椅、旋转座椅或座椅放倒成床等功能。

在时间节点上，自2027年1月1日起，涉及创新设计的新申报车型须提交额外技术参数及验证材料；已获批车型须在2027年7月1日前完成补充申报，逾期且存在安全隐患的车辆须立即停产并启动召回程序。

禁止全隐藏式门把手，关键功能须保留实体操纵件

征求意见稿中《汽车产品创新设计技术指南》明确规定，禁止配备全隐藏式门把手。采用门把手创新设计的产品，须按照《汽车车门把手安全技术要求》（GB 48001）等要求，充分验证车门把手在极端环境中的功能稳定性和紧急情况下的可操作性，并具备机械冗余设计和手部操作空间。

在操纵件方面，征求意见稿要求，挡位、灯光、喇叭、前风窗玻璃除霜除雾、前风窗玻璃刮水器、车窗升降、辅助制动、应急制动手刹、驱动系统电源切断装置和组合驾驶辅助系统激活等功能，均须配备实体操纵件，并纳入新增技术参数申报范围。

对于采用虚拟操纵件（触摸按键、压感按键等）替代传统物理按键的产品，须完成触控可靠性、防误触性能、反馈清晰度等评估验证。汽车应急逃生装置、应急制动装置、驱动系统电源切断装置等涉及安全的应急操纵件，必须具备实体操纵件和醒目标识，便于应急操作。

折叠屏、柔性屏被禁，显示屏娱乐功能受限

征求意见稿明确规定，不得采用折叠显示屏、柔性显示屏。对于采用中控娱乐屏、大面积显示屏、复杂抬头显示的产品，须评估信息呈现对驾驶安全的影响，以及极端环境场景下的功能可靠性，并进行碰撞安全评估。

新增技术参数申报项目中，要求企业填报中控显示屏娱乐功能的限制使用场景，以及是否配备组合驾驶辅助信号灯等信息。

座椅创新设计须受技术手段限制，行车时禁用特定功能

针对当前市场上广泛推广的大角度座椅（"零重力"座椅）、旋转座椅及座椅放倒成床功能，征求意见稿要求，汽车生产企业应通过技术手段限制座椅使用场景，行车时不可使用上述功能。

相关产品须完成座椅防夹安全性、碰撞安全性、调节机构锁止可靠性和防止误触其他操纵件等评估验证。同样，采用升顶座舱结构的产品，行车时亦不可使用升顶座舱功能，须通过技术手段加以限制，并完成防夹安全性、碰撞安全性、防风等评估验证。

新型交互方式受限，非驾驶人不得操控关键功能

对于采用语音交互、手势交互等新型人机交互系统的产品，征求意见稿规定，涉及关键驾驶安全的功能，如开启/关闭除霜除雾、前照灯、雨刮、车门、前机盖等，不得允许非驾驶人在车辆行驶过程中通过语音交互或其他新型交互方式直接操控。

新增技术参数申报项目中，要求企业填报防止语音等新型交互方式误操控车辆关键驾驶功能的情况，包括有效交互区域、语料识别、指令确认机制等内容。

研发测试验证门槛全面提升，环境适应性验证不少于一年

征求意见稿中《汽车产品研发测试验证技术规范》要求，汽车生产企业须在申报《公告》产品准入前，完成综合可靠性与耐久性、结构可靠性、软件功能可靠性、环境适应性、采暖与制冷、防护性能与密封性等方面的测试验证。

具体要求包括：综合可靠性与耐久性验证须完成不低于30000公里的可靠性验证试验；环境适应性验证周期不少于1年，且须包含从高寒—高温—高寒的试验次序（"两冬一夏"）；验证材料留存期限不少于6年。

未完成全部研发测试验证项目的企业，不得申报《公告》。未按要求进行测试验证、测试验证不充分或提供虚假验证材料的产品，工业和信息化部将不予公告。

营销宣传须如实，企业主体责任全面压实

征求意见稿对汽车生产企业的营销宣传行为作出明确约束，要求企业真实客观开展营销宣传，不得作虚假、夸大或引人误解的宣传，不得使用违反道路交通法规的场景来宣传产品功能，不得诱导驾驶人忽视安全驾驶责任。

在告知义务方面，企业须编制简洁易懂的使用说明书和用户培训材料，完整准确告知产品创新设计的正确使用方式、功能边界、使用条件及应急处置方法，不得隐瞒创新设计存在的技术局限性。

此外，征求意见稿鼓励汽车生产企业为创新设计涉及的系统和部件购买产品责任险。在发生安全事故时，企业须主动开展调查分析，并在公安机关依法开展交通事故调查时，及时提供数据和技术协助。

完善汽车产业链后端规范

在强化前端产品准入的同时，中国四部委发布的《汽车零部件再制造规范管理办法（公开征求意见稿）》进一步规范了报废汽车零部件的循环利用。

文件提出，支持回收拆解企业将报废汽车的“五大总成”（发动机、方向机、变速器、前后桥、车架）交售给通过再制造质量管理体系认证的再制造企业。再制造企业收购的种类需与自身业务一致。

同时，文件明确设定了回收禁区，不得回收尾气后处理装置进行再制造。对于不具备再制造条件的零部件，必须作为废料交售给冶炼或破碎企业，以确保环保标准与产品质量底线。

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。

中国新能源车9月销量同比转负12%，乘用车零售降24%

Sat, 10 Oct 2026 11:51:00 GMT

中国乘用车市场9月延续下滑，长期扮演增长引擎的新能源车同比转负，需求疲软正传导至车市最后一块增长高地。

乘联会数据显示，9月全国乘用车零售销量170.2万辆，同比下降24%；新能源乘用车零售114.1万辆，同比下降12%。新能源车由增转降，是本月数据中最关键的变化。

这一变化意味着此前“整体下滑、新能源逆势增长”的结构被打破，车企四季度的量价与盈利将同时承压。

此前乘联会已将2026年国内汽车销量预测从下降1%下修至下降11%，一季度行业利润率创历史新低、价格战延续，9月数据进一步强化了需求偏弱的前景。

降幅仍处20%以上高位

9月24%的同比降幅仍处20%以上高位。作为对照，2月受春节及购置税免税政策退坡影响，零售同比下降25.4%；7月零售同比下降20.9%。9月降幅介于两者之间，显示终端需求收缩并非单月扰动，而是贯穿全年的趋势。

从绝对量看，170.2万辆的零售规模处于年内偏低区间。去年同期在政策与基数支撑下销量较高，今年缺乏同等力度支撑，叠加消费者观望情绪，零售端持续承压。

新能源车同比转负，渗透率高位下增长减速

新能源车零售114.1万辆、同比下降12%，是9月最具信号意义的变化。此前新能源车长期是乘用车市场的增长引擎，国内新能源渗透率持续走高，6月达63%、7月进一步升至65.1%。

9月新能源转负，是继2月因春节因素同比下降32.0%之后年内再次转负，但出现在渗透率已处高位的背景下。这意味着新能源车增长对整体车市的拉动正在减弱，其增量越来越依赖对存量燃油车的替代，而在需求整体收缩时，这一替代进程同样放缓。

四季度业绩承压，价格战或加剧

9月数据对车企四季度业绩构成直接压力。一季度全汽车行业利润率已降至3.2%的历史新低，行业平均单车净利润约10965元。销量下滑叠加价格竞争，将进一步压缩单车收入与毛利空间。

2026年开年已有近70款车型集体降价，新能源与燃油车平均降价力度均超13%。需求疲软环境下，价格竞争可能继续加剧，以价换量的效果递减，行业盈利修复更加困难。乘联会已将全年销量预测下修至下降11%，9月数据使这一判断面临的现实更为严峻。

后续需关注四季度是否有新的刺激政策出台，以及车企在价格与库存策略上的调整。

风险提示及免责条款

中国证监会召开资本市场和金融形势专家座谈会

Sat, 10 Oct 2026 11:16:51 GMT

10月10日，中国证监会党委书记、主席吴清在北京召开座谈会，与部分上市公司负责人、证券基金机构专家深入交流，就当前资本市场和金融形势充分听取意见建议。座谈会上，大家一致认为，我国宏观经济稳中向好，产业结构转型持续深化，资本市场运行总体稳健，多层次市场功能有效发挥，虽然面临一些风险挑战，但高质量发展的态势不会改变，对经济运行和资本市场充满信心。同时，与会专家对更好推动资本市场平稳健康发展提出了具体建议，主要包括：持续加强稳市机制建设，进一步拓宽中长期资金来源、渠道和入市方式，发展壮大耐心资本；推动有条件的上市公司加大分红回购力度，完善投资者回报和权益保护机制；优化发行上市制度，支持不同类型、不同行业、多元化的优质企业发展壮大；强化交易监管，加强跨境风险监测应对；研究储备更多增量政策工具；等等。吴清表示，上市公司和行业机构是市场的重要主体，希望大家积极建言献策，共同把资本市场建设好，更好回报广大投资者，为中国式现代化建设积极贡献力量。中国证监会有关司局负责同志参加座谈。

风险提示及免责条款

苹果把摄像头做成"不录像的传感器"：隐私牌能撬开智能家居吗？

36Kr — Sat, 10 Oct 2026 10:57:05 GMT

「Welcome home.」

一句「欢迎回家」，苹果为 10 月 13 日的神秘新品活动埋下了伏笔。

一个「Home」，似乎暗示了这场活动的主角。正如我们此前的报道，这一次，苹果可能要往我们家里添不少新东西。

图｜Apple

在这些硬件的新品身后，苹果也正试图让 AI 真正走进家庭，让 Siri AI 成为整个智能家居的「大脑」。

当一向强调隐私保护的苹果，遇上需要主动感知周围环境的 AI，苹果在 AI 时代的隐私策略，或许比即将亮相的新品更加耐人寻味。

也就在几天前，一则关于苹果新设备的爆料，恰好揭示了一种颇为反常识的产品思路：

一台不录像的 AI 摄像头

根据彭博社记者 Mark Gurman 在他的《Power On》播客中透露，苹果正在开发一款代号为 J450 的智能家居摄像头。

它的的外形是一个小型金属圆柱，看起来像放大版的唇膏，可以摆放在家中的不同位置。

特别的是，这款摄像头并不保存或传输视频，它通过很低的帧率来感知周围环境，再用 AI 分析人员和宠物的活动，最终将这些发生的事件转化成文字的描述。

这么看，叫它「传感器」好像还更恰当一些……

这款产品也不会单独形成一条产品线，它是代号 J490 的智能家居显示屏中枢——也就是此前爆料中的 HomePad——的配套产品。

图｜MacRumors

爆料同时提到，它的感知方式可能与苹果此前探索的摄像头版 AirPods 所使用的技术非常相似。

今年 8 月，曾有一段演示视频曝光：带摄像头的 AirPods 被用于识别用户眼前的书籍。而在稍晚的 9 月，Gurman 在另一档播客中，用「Depth map」（深度图）来形容相关技术——更接近于通过点状信息来呈现人员的位置及移动。

爆料是否准确，我们暂且放在一边。这里借它来理解，这款新「摄像头」究竟想做什么。

对于传统摄像头而言，一段十分钟的视频，意味着十分钟的连续画面。但对于能够理解视觉信息的 AI 来说，用户真正需要的可能只有一句话：

「有人把快递放在门口，随后离开。」

我们不能说完整录像会失去它的价值，毕竟在现实生活中，连续影像所能提供的信息，还是一句 AI 生成的文字能没有办法交代清楚的。

只不过从这条技术路径来看，它确实提供了另一种思路： 设备不一定要完整记录周围发生的一切，才能理解正在发生什么。

如果打个比方，苹果正在探索的这套感知方案，有点像浴室门上的一块磨砂玻璃/光栅玻璃。

门外的人依然能看见里面有没有人，甚至能够通过模糊的轮廓，猜出一个人大致在做什么。但至少，他无法再像隔着透明玻璃一样，把里面的一举一动看得清清楚楚。

这当然不意味着隐私得到了万无一失的保护。毕竟，磨砂玻璃又不是一堵墙，总归还是能透出点什么。

但两者给人的心理压力显然不是一个量级。如果一间浴室只有透明玻璃，恐怕很少有人愿意走进去；而当玻璃变成磨砂的，即使知道外面依然能看见自己的轮廓，许多人也愿意接受这种程度的暴露。

苹果试图改变的，可能正是这种心理上的边界。

不久前发布的 Apple Watch Series 12 带来了 Siri Recap 功能。我觉得，它也有类似的思路的体现。

图｜Apple

用户主动开启后，手表能够检测周围的对话，通过 Apple Intelligence 生成标题、摘要和要点，方便用户事后回顾。

在这个过程中，采集到的音频会交由 iPhone 和 PCC（私有云计算）分析与转录。最后留下的是一份「高度压缩且去除敏感信息」的文字形式的记录，这份原始录音则不会留给用户回放。

再回头看那款摄像头，两者看似是不一样的产品形态，但苹果在两者上探索的方向其实是心有灵犀的：

从记录发生了什么，转向理解发生了什么。

被 AI 改写的社交信任

过去，智能设备往往被动响应用户的主动操作；而未来，AI 助手需要主动、持续地理解用户所处的环境，才有机会提供更贴近场景的服务。这也就是我们常常提及的「个人上下文」概念。

矛盾也出于此。

一台设备越了解用户，就越可能接触用户不愿被记录的生活细节；更复杂的是，隐私涉及的不只是设备主人，还有朋友、家人，甚至不经意出现在感知范围内的其他人。

一个简单的场景。和朋友坐在咖啡馆聊天，对方戴着一副智能眼镜，我们像往常一样讨论工作、吐槽同事。

想想可能觉得没什么大不了的，不就是一副眼镜呗。

但如果这位朋友突然掏出一支录音笔，摆在桌上，告诉我，接下来我的那些吐槽过的奇葩甲方、和爸妈吵架的糟心事，甚至关于前任的那些陈年旧账，这些都可能被一一记录下来，上传到某个不知道在哪的服务器，最后被整理成一份备忘录供他随时搜索、查阅。

这口咖啡我大概率是喝不下去了。

因为在我们传统社交环境中，其实存在着许多不需要明确说出来的规则。

朋友之间的闲聊，默认不会被录音；饭桌上的玩笑，说过笑过，也就过去了——这些规则很少被写进正式的社交礼仪，却构成了人与人交往时心照不宣的默契。

真实的窘境是，AI 可穿戴设备正在逐渐消解这一层默契。

过去，我们想录下一段谈话，通常还得掏出手机、打开录音，周围的人至少有机会问一嘴。

今天，我们使用一些智能眼镜设备的时候，录制时亮起指示灯，还能算是给周围的人提个醒。即便这在我看来，这多多少少有点「我已经提醒过你了喔，剩下就不关我事了哦」的意味。

亮灯终究只是一种提醒，而不是一种承诺。 它并不意味着周围的人已经同意被记录。

更何况，未来那些能够全天候感知周围环境的设备，可能连「按下录制键」这一步都省了。即使佩戴者没有主动做什么，设备也可能已经在暗中默默完成了感知和分析。

这也是当下一些 AI 硬件产品形态的尴尬：它们的许多能力成立的基础，恰恰建立在周围人未必知情、也未必同意的环境感知之上。

这也让我们不得不重新审视对「隐私」的理解。

过去，当我们谈论科技产品的隐私问题时，关注的往往是数据安全和个人信息泄露。比如，我们的聊天记录有没有被泄露，平台又有没有在未经允许的情况下，将这些信息交给第三方。

当 AI 设备开始拥有持续感知现实世界的能力，隐私问题也多了一层新的复杂性。

事实上，早在 AI 可穿戴设备出现之前，美国隐私研究学者 Helen Nissenbaum 就曾提出过一种理解隐私的理论——「情境完整性」（Contextual Integrity）。不过，我觉得将其放之于 AI 时代也同样适用。

情境完整性理论告诉我们， 隐私并不简单等于保密 。

我们每天都在不同的社会关系和场景中交换信息，而这些信息的流动是否恰当，很大程度上取决于它是否符合特定情境下人们默认的规则。比如，看病时，我们会向医生讲述一些连家人都未必知道的身体状况。

而判断一段信息的流动是否越界，就需要考虑谁在传递信息、谁在接收、涉及什么内容，以及信息是在什么条件下被传递的。

所以，即便信息本身并没有改变，一旦接收者或传递方式发生变化，原本合理的信息交流，也可能越过隐私的边界。

仍然是看病的例子，我愿意将身体状况告诉医生，可这些信息未经同意就被提供给广告商，即使内容没有变化，恐怕也很难让我接受。

回到刚才咖啡馆的场景。

我愿意向朋友吐槽甲方，不代表也同意这段对话被他的 AI 眼镜采集和分析。就算信息没有泄露，这本质上也远超了我对「私人交流」这一场景的预期。

所以，隐私保护不能只停留在数据被收集之后，设备选择记录什么、不记录什么，本身也是隐私保护的一部分。

从这个角度来看，苹果作为一家硬件厂商，或许正在尝试用一种不同的技术思路缓解这种矛盾——

尝试将「感知」与「记录」区分开来，通过不保留原始录像，或许能给用户减少因为持续记录带来的社交风险。

苹果的隐私生意经

其实，这样一种产品思路出现在苹果身上，并不令人意外。

我们在过往的文章中聊过，苹果与谷歌达成合作，借助 Gemini 模型增强 Siri 的 AI 能力。这件事当中，也能看出苹果对隐私保护的态度。

尽管用上了谷歌的大模型，苹果仍然选择把相关 AI 功能的运行环境，紧紧掌握在自己手里，让它们在设备端和 PCC（私有云计算）架构中运行。

即便部分计算借助了谷歌的云端基础设施，苹果也希望通过自己的隐私保护机制，避免用户的私人数据被第三方获取。

感兴趣的朋友可以自行跳转阅读：为了让你的 iPhone 聪明点，苹果每年给谷歌砸 10 亿美元

能看出来，苹果一直试图把「隐私保护」变成自己的竞争优势。

与此同时，如果苹果希望继续成为 AI 时代最重要的硬件入口之一，它就不得不让自己的产品获得更多感知现实世界的能力。

设备知道得越多，随之而来的隐私问题也就越难回避。

从这个角度来看，传闻中这款摄像头的产品思路，既延续了苹果一直强调的隐私理念，也符合它自身的商业利益。

毕竟，除了隐私理念，还有一个很现实的因素： 苹果首先是一家硬件公司 。

尽管服务业务的重要性不断提高，iPhone、Mac 等硬件产品，依然构成了苹果收入的主体。

这意味着，苹果并不需要依靠尽可能多地收集、留存用户行为数据，才能从一台设备上赚到钱。

恰恰相反，如果一台家庭摄像头因为更好的隐私保护，让更多人愿意把它放进自己家里，那对苹果来说，会不会反而是一笔更划算的交易呢？

换成其他科技公司，这笔账可能会没这么好算。

以 Meta 为例，它同样希望通过智能眼镜等设备，成为下一代 AI 的重要入口。只不过，与苹果不同，Meta 的收入一向都高度依赖广告业务。

在 Meta 的商业模式中，用户数据与广告定向、效果衡量、推荐算法以及商业增长都有着密切关系。

并不是说 Meta 一定会将智能眼镜采集的环境信息用于广告。只不过，对于一家依赖数据驱动广告业务的公司来说，减少数据收集与留存，可能就不只是一个产品设计上的决定，还需要考虑对现有业务的影响。

同样是做 AI 硬件，不同的赚钱方式，可能会让两家公司对隐私保护产生不同的考量。

所以相比之下，苹果或许更有动力，将隐私保护变成下一代 AI 硬件的重要竞争力。

更有意思的是，这件事的影响可能不止于苹果自己。

当一家足够有影响力的公司，把「不保存原始数据」作为公开的产品承诺，消费者可能也会拿这个标准，去看待行业里的其他 AI 设备。

那其他厂商或许也会面临类似的追问——

既然苹果已经开始尝试少留一些数据，那其他公司的 AI 设备呢？它们会留有多少关于我的信息？

原本只是某家公司的产品选择，也可能因此逐渐像滚雪球，成为整个行业需要公开回答的问题，而消费者也就有了更多知情和选择的空间。

其实最终受益的，是每一个在未来，将不得不与这些 AI 设备共同生活的你我。

本文来源：36Kr

风险提示及免责条款

野村警告：美股指数“严重失真”，十只股票贡献标普七成涨幅，警惕柴油带来新冲击

Sat, 10 Oct 2026 10:23:15 GMT

美股表面平静之下，一场滚动式熊市正在悄然蔓延。

野村证券跨资产策略师Charlie McElligott在10月8日的报告中警告，标普500指数近两个月几乎原地踏步，但85%的成分股已陷入技术性调整，指数的"平静"不过是极度集中的市场结构所制造的幻觉。

McElligott指出，仅十只股票就贡献了标普500自3月30日以来23%涨幅的70%，其中英伟达一家独占13%。与此同时，欧洲柴油短缺正通过利率波动率传导至整个市场，构成随时可能引爆的“导火索”。

就在野村报告发布数小时内，两大关键变量相继落地：特朗普宣布中期选举前不对伊朗动武，油价应声下跌；英国《金融时报》随即披露OpenAI年化营收远低于此前向投资者传递的预期，纳斯达克周四当日跌逾1%，AI板块遭到重创。

上述两则消息直接冲击了McElligott所描述的市场核心逻辑——一个由少数AI赢家撑起指数、其余成分股在水面之下大幅下跌的"严重失真"结构。野村的分析显示，当前市场相关性处于过去25年中仅有两次出现过的极低水平，而那两次的历史背景，分别是2007年全球金融危机前夕和2018年的"波动率末日"（Volmageddon）。

指数"原地踏步"，水面之下已是熊市

自7月"动量去杠杆/AI平仓"冲击以来，标普500指数整体涨跌幅不足1%，波动率指标全面压缩：SPX 10日已实现波动率仅为7，3个月平值隐含波动率处于过去一年的第2百分位，25-delta认沽/认购偏斜更低至0.4百分位。

然而，这种平静与个股层面的剧烈分化形成鲜明反差。过去一个月，标普500指数仅移动0.8%，而成分股平均波动幅度高达8.9%，两者之差达8.1个百分点，位于过去30年的第95百分位。AMD单月涨幅达39.5%，英特尔上涨27.6%；而奈飞下跌18.2%，银行股同样承压。

从更宏观的视角看，成分股的损伤触目惊心：

85%的标普500成分股较历史高点回撤超过10%

59%回撤超过20%

41%回撤超过30%

26%回撤超过40%

17%回撤超过50%

换言之，指数距历史高点仅一步之遥，但六分之一的成分股已腰斩。McElligott将此定性为"滚动式大幅修正"，并批评那些认为"股市没有反映利率风险"的观点——利率敏感型板块过去一个半月已遭到重创：医疗保健-3.5%，非必需消费品-3.6%，公用事业-4.6%，工业-5.8%，金融-7.7%，材料-7.9%，REITs -9.8%。过去30天内，标普500中仅有科技、媒体、电信（TMT）和能源两个板块录得正收益。

十只股票撑起七成涨幅，集中度风险极端

野村的数据揭示了这场"幻觉"的核心机制。自3月30日以来，标普500累计上涨23%，其中十只股票贡献了70%的涨幅：英伟达单独贡献13%，美光、苹果和微软各贡献约9%，其余490只股票合计仅贡献30%。

自8月3日以来，"Mag 7"（七大科技巨头）上涨7.7%，标普500上涨2.6%，而等权重标普500则下跌3%。

McElligott将这一现象定义为"主题性分化"（Thematic Bifurcation）：

少数AI赢家承担了全部指数上行动力，其余股票则因资本和情绪被"挤出"、AI颠覆风险的预期，以及利率上升的压制而持续落后。

当前市场相关性之低，历史上仅有两次可比先例。标普500一个月隐含相关性处于过去一年的第1.8百分位，一个月已实现相关性处于第0.7百分位。

据彭博报道，高盛衍生品策略师Brian Garrett此前指出，过去25年中仅有两个时期出现过如此低的已实现相关性——分别是全球金融危机前夕和Volmageddon。

期权市场"只怕上涨"，Gamma压制波动

指数层面的平静并非偶然，而是有结构性力量在主动维持。

McElligott指出，指数"波动率供给"规模庞大，尤其是0DTE/1DTE日内期权的卖出行为，主要来自QIS波动率风险溢价（VRP）策略，将做市商的Gamma头寸"塞满"，从而隔绝了大幅波动的可能。野村测算的0DTE客户Gamma区间达到+140亿美元，处于第100百分位。

卖出波动率的回报之丰厚令人咋舌：卖出日度25-delta标普认沽期权的10日夏普比率高达13.9，卖出日度宽跨式组合的夏普比率达14.2。

除QIS策略外，衍生品收益基金的规模同样不可忽视。衍生品/收益基金资产管理规模目前达3220亿美元，自2020年以来增加2220亿美元，基金与结构性产品合计每月提供的Vega供给达4.15亿Vega。

低实现波动率形成自我强化循环：波动率控制策略、CTA和风险平价基金的美股敞口已回升至第86百分位，接近年内高点。

最为反常的是期权偏斜结构：认沽偏斜处于过去一年的第0.4百分位，而认购偏斜则高达第99.6百分位（野村图表显示为第100百分位）。市场参与者几乎不购买下行保护，“唯一的恐惧是右尾上涨风险”——大量机构投资者因持仓不足AI核心股票而面临踏空压力，被迫追涨的潜在动能持续积聚。

柴油短缺：利率波动的隐形导火索

McElligott将能源——尤其是欧洲柴油短缺——定性为整个市场结构中最脆弱的环节。他的核心判断是：柴油裂解价差（Cracks）= 利率波动率。

其逻辑链条清晰：欧洲和亚洲面临能源短缺，全球（亚洲和印度除外）炼油产能严重不足。特朗普此前以"柴油禁令"相威胁，迫使欧洲释放了规模超出预期的紧急储备（仅法国一国就释放1000万桶柴油），但这仅能维持约一个月的供应，且无法解决根本性的炼油产能瓶颈。

欧盟柴油裂解价差目前处于85，欧元区1年1年利率波动率为112.6，两者自2月以来几乎同步运动——利率交易员实际上已在交易柴油。

欧洲能源市场同样处于年内高位：德国1年期远期基础电价138，荷兰天然气近79，英国天然气196，柴油价格1485美元。

McElligott警告，即便伊朗局势暂时缓和，炼油产能的结构性短缺依然存在，"无论多少条Truth Social帖子，都无法炼出一桶柴油"。

三种交易路径与核心风险

面对上述复杂局面，McElligott提出三种交易策略：

第一，追逐右尾上涨。在未来一个月的财报季中，买入大型科技股认购价差期权，押注AI财报再度提振市场，推动标普500向8000点冲击。当前认购偏斜处于第99百分位，对于仍处于低配状态的机构而言，这一策略具有不对称的赔率。

第二，在和平预期中做空能源溢价。若特朗普在中期选举前释放伊朗谈判信号，能源和利率波动率将大幅回落，届时可转向黄金和罗素2000（IWM）上行期权等"超跌资产"。

第三，无论如何持有利率波动率。McElligott建议通过做多美元/欧元利率Vega、持有长期限Swaption宽跨式期权进行对冲，因为即便财报季表现亮眼，终端利率预期仍可能上行，美联储政策路径需要重新定价至"真正限制性"区间。

野村回测显示，美元20年20年Swaption宽跨式期权在通胀最高五分位数环境下月均回报超过1%，几乎全部来自Vega收益。

OpenAI营收数据重击AI叙事

就在McElligott报告发布当日，两大关键事件相继验证了其分析框架。特朗普在Truth Social宣布中期选举前不对伊朗动武，油价随即下跌，印证了McElligott所描述的"和解"情景。

然而更具冲击力的是，据英国《金融时报》报道，OpenAI年化营收约为200亿美元，远低于此前向投资者传递的约700亿美元预期，差距高达约500亿美元。消息公布后，纳斯达克当日跌逾1%，AI板块遭到集中抛售。

分析认为，这一数据直接打击了支撑整个市场结构的核心前提——AI需求的真实性与增长可持续性，也对英伟达、博通（AVGO）等芯片融资交易的逻辑构成直接挑战。

McElligott的牛市情景建立在"AI资本支出涓滴效应"最终惠及其余493只股票的预期之上——Mag 7对标普500盈利增长的贡献已从15%降至7%，而其余493只股票的贡献则从7%加速至13%再至18%。

但这一逻辑链条的起点，正是AI需求的真实性，而这一前提刚刚遭遇了来自OpenAI自身投资者文件的首次重大冲击。

当前，市场相关性处于仅在全球金融危机前夕和Volmageddon出现过的极低水平，认沽偏斜处于第0.4百分位，几乎所有人都在以14倍夏普比率的代价做空左尾风险。McElligott的Swaption宽跨式期权，或许是当前市场上性价比最高的保险。

风险提示及免责条款

厄尔尼诺70年最强，从糖到铜：大宗涨幅还剩多少空间？

Sat, 10 Oct 2026 10:23:00 GMT

9月，超强厄尔尼诺事件正式形成。预计该事件将于12月达到峰值，并有接近100%的概率持续至2027年2月。当前正迎来1950年以来最强超强厄尔尼诺。Niño3.4区海表温度异常值已达3.0℃，峰值可能达到3.7℃，远超2015/16年另一次超强厄尔尼诺事件的2.6℃历史极值。

气候异常已转化为明确的区域天气冲击。印度6-9月季风降雨较常年同期偏少13%-15%，为十年来最弱季风降雨，水库水位降至五年低位；印尼降水同比大幅下降；巴西南部及中部部分地区降雨过多；澳大利亚、东南亚部分地区则面临高温干旱。

农业领域已出现显著的供给受损。欧洲夏季干旱预计导致欧盟2026/27年度小麦产量同比下降约8%，玉米产量降至5060万吨、创14季低点，糖产量下降约20%。印度季风降雨不足，水稻和甘蔗承压；印尼棕榈油产区干旱、火灾及雨季推迟，2027年减产风险上升；巴西中南部甘蔗收割与压榨进度亦受显著影响。

工业品与运输亦受气候冲击。印尼部分镍加工设施因缺水面临减产；智利、秘鲁及赞比亚铜矿生产与物流受异常降雨或干旱影响。印度水电出力下降，燃煤发电需求上升。巴拿马运河与欧洲莱茵河低水位制约船舶通行与装载效率，推高部分商品物流成本。

气候异动对大宗商品市场的冲击已进入实质性定价阶段，农业、工业金属以及能源航运板块的价格波动显著放大。受厄尔尼诺影响较大的玉米、大豆、豆粕和糖等农产品，其投机资金净多头持仓已升至近10年高位；CFTC持仓从深度净空头转为净多头。

当前大宗市场已定价多少？

张忆东：港股10月大概率反弹，先抑后扬，把握两条主线

投资作业本Pro — Sat, 10 Oct 2026 10:21:27 GMT

10月5日，海通国际首席经济学家张忆东发布策略周报，分享了对港美股、美债和欧债的看法。近期该团队的预警已多次应验。

张忆东团队于5月6日率先在业内发布《夏日寒风》预警，7月份全球股市如期大跌。8月16日，该团队发布《秋季行情将从跌深反弹转向震荡分化》，在市场短期反弹后前瞻性提示全球主要股市的秋季行情将面临短期震荡风险，指出美债10年期收益率已突破近三年高位，未来数周不排除进一步向4.8%—4.9%靠近，极端情况下甚至触及5%左右。

投资作业本课代表整理了该团队本次周报的要点如下：

1、10月份全球股市有望从risk off走向risk on。

2、9月至今的美债收益率"飙升"之势难以持久，海外债市风波较难演变为全球金融危机。美债长端利率10月份高位震荡回落或是大概率。

3、近期欧洲债市风波较难演变为再一次的欧债危机或者新的全球金融危机，反而可能导致欧洲的资金流向美债市场进行避险，短期有利于压低美债长端收益率。

4、基本面将是四季度行情的关键，在海外高利率和宏观高波动背景下，投资需要立足基本面以不变应万变。

我们继续看好四季度美股行情，但近期创新高后，美股基本面和估值的性价比下降，警惕美股短期遭遇美债和欧洲收益率惯性冲高的冲击。

5、我们依然维持港股10月份大概率出现反弹行情的判断。后续港股行情反弹，可能只需要short cover就能启动，未必需要等待经济和盈利全面回升。

港股10月份有望先抑后扬，厚积薄发，可以关注港股波动率指标和美债利率走势和美股走势。

6、我们的投资建议是高利率时代精选基本面，掘金超级智能的应用主线，配置非科技领域的深度价值资产。

以下是投资作业本课代表（微信ID：touzizuoyeben）整理的精华内容，分享给大家：

10月全球股市有望从risk off走向risk on

9月27日我在《宏观利空下美股保持强势，AI行情如期转向应用主导》提出：在基本面的支撑下，美股将保持强势。

当前，在全球股票定价的影响因素中，美债长端利率上行、风险偏好恶化以及上市公司短期业绩等已经比较充分地兑现了（price in）。

但是，在AI这种时代性、革命性的科技变革面前，关于企业长期可持续增长上限，也就是自然增长率，市场对其定价存在严重的不充分，而这才是真正在AI行情之秋的大机会。

高利率时代精选基本面，AI应用中美共振、科技硬件“缩圈”，非AI科技领域看产业景气。10月份全球股市有望从risk off走向risk on。

美债"飙升"之势难以持久

首先，美债10年期收益率近期升至5.3%左右，在今年年内比较充分地定价了各种宏观基本面。

5月以来，我们持续提示“夏日寒风”的风险，并将美债长端利率超预期上行视为全球风险资产面临的一只“灰犀牛”，预判三季度或升至5%以上、极端情况下达到5.3%左右，目前市场已经运行到这一位置。进入三季度，这一风险逐步兑现。

9月30日美债10年期收益率收于5.29%，为2007年6月以来最高，6月底以来累计上行91bp。市场对2027年末政策利率的定价约4.8%，较美联储9月点阵图中位数高出近70bp，说明加息预期已计入得相当充分。

其次，当前美债长端利率上行的主要矛盾由利率水平转向上行速度，美债收益率升至高位本身具有美国经济较强、通胀较强等基本面基础，真正值得关注的是9月以来过快上行的速度。

最近几周美债收益率加速上行偏向极端：MOVE指数在9月下旬由78.6升至110.45，利率上行由低波动下的有序上行转为高波动下的加速。

9月份至今美债收益率上行，经历了政策重定价和交易性放大两个阶段。前期短端领涨、实际利率主导、曲线走平，是典型的政策路径重新定价；9月23日以后，收益率走势开始与政策定价分化：加息概率下降、2年期收益率回落，10年和30年期收益率仍继续上行，曲线由熊平转为熊陡，源于高波动环境下风险预算收缩叠加季末市场承接能力减弱。

第三，9月至今的美债收益率"飙升"之势难以持久，海外债市风波较难演变为全球金融危机。

我们相信常识：任何可持续的变化都应是相对稳步的，持续而猛烈的飙升往往难以持续，不宜因为短期飙升就过度寻找理由去论证其合理性。相反，我们维持此前的预判——美债长端利率10月份高位震荡回落或是大概率。

短期看，随着季末过去，交易性因素可能逐步消退。长端市场承接尚未失灵。

中期看，美国经济保持较强韧性，美债长端利率或继续维持高位震荡，但这是与高增长相匹配的高利率。

欧债风波难酿危机

近期欧洲债市风波较难演变为再一次的欧债危机或者新的全球金融危机，反而可能导致欧洲的资金流向美债市场进行避险，短期有利于压低美债长端收益率。

近期欧洲国债市场出现明显波动，但不同国家之间的表现高度分化。德国国债仍获得避险资金，压力主要集中在财政约束较紧、增长偏弱、国债风险溢价上升的国家，反映的是国别财政风险重估。

更关键的是，美国融资市场和国债现券流动性指标保持正常，以史为鉴，或成为后续避风港。

继续看好四季度美股行情

基本面将是四季度行情的关键，在海外高利率和宏观高波动背景下，投资需要立足基本面以不变应万变。

首先，基本面的差异近期充分反映在股市定价上，海外债市风波之下，美股的盈利韧性构成赢家通吃的优势。

美股的盈利预期持续上修、更为强势，港股逐步走出低位，边际改善。

标普500未来12个月每股盈利预测的同比增速由6月底的32.06%升至9月底的37.61%，盈利支撑仍较强劲；同期，恒指未来12个月每股盈利预测的同比增速连续三个月回升至6.94%，恒生科技的盈利预测回升至8.89%。

其次，玫瑰有春天，苦菜花也有春天，四季度行情关注基本面的“预期差”和股市基本面和估值的“性价比”。

基于基本面，我们继续看好四季度美股行情，维持此前《宏观利空下美股保持强势，AI行情如期转向应用主导》的判断，但近期创新高后，美股基本面和估值的性价比下降，警惕美股短期遭遇美债和欧洲收益率惯性冲高的冲击。

港股10月大概率出现反弹行情，有望先抑后扬

基于基本面，我们依然维持港股10月份大概率出现反弹行情的判断。

虽然基本面修复尚需时间，但是，海外债市波动引发了过度拥挤的悲观交易，导致港股的调整大大超出了基本面的原因，所以，后续港股行情反弹，可能只需要short cover就能启动，未必需要等待经济和盈利全面回升。

美债长端利率能否结束急升、中国经济基本面能否企稳回暖，是打开港股修复空间的两个关键变量。具体而言：

第一，海外投资者对于中国经济的预期，已从年内最悲观的位置开始修复，后续还需等待更多积极政策落地。

花旗中国经济意外指数自5月中旬以来持续处于负值区间，但是，9月15日该指数降至-45.9，10月2日回升至-35.6，有所改善。需求端，1—8月社会消费品零售总额累计同比增长1.1%，消费修复仍需时间。

第二，港股基本面目前的“预期差”较大，投资者拿着显微镜审视中国经济和经济政策而得出悲观结论，忽略了中国经济政策方向一定比具体某个政策重要的原则，低估了政策最终稳内需稳经济的能力。

中国经济企稳对港股的意义尤其直接，不论是金融地产，还是互联网、消费，港股的权重股的基本面基本上都是立足于中国经济，一旦稳经济政策组合拳不断落地，势必有助于推动港股行情从风险溢价回落走向盈利修复。

后续若经济数据改善，港股反弹的基本面支撑将进一步增强。

当前更值得把握的是偏低预期下的修复机会，再由后续盈利验证行情的持续性，更符合港股的定价特点。

港股当前盈利和估值的性价比较好，风险偏好极低，卖空和估值等指标已到极端值。

10月2日恒指下跌2.60%，失守24000点，当日卖空成交占全市场成交的27.34%，为2015年以来第五高；恒指未来12个月预测市盈率降至9.97倍，AH溢价指数升至126.77，H股相对A股的折价进一步扩大。

这些指标表明，投资者对港股的定价已较为谨慎，防御和对冲需求也较集中。

港股10月份有望先抑后扬，厚积薄发，可以关注港股波动率指标和美债利率走势和美股走势。

一方面，从历史经验看，港股的阶段性底部多出现在波幅指数冲高之时，恒指波幅指数目前19.34，尚未明显放大，若后续波幅进一步上升，阶段底的胜率将显著提高。

另一方面，关注美债长端利率何时震荡回落，一旦外部环境转稳，当前港股集中的卖空和对冲交易就可能出现short cover。

若美债长端收益率果真如我们预期的那般10月份结束急升并逐步回落，港股面临的外部折现率压力将随之减轻；在中国内地利率相对稳定的情况下，中美利差也将收窄，中国资产的相对吸引力进一步改善。

若海外债市波动同步下降，投资者要求的风险补偿也将回落，与无风险利率下行共同推动港股估值修复。

若美债压力缓解，美股行情或从科技权重龙头向更广阔领域扩散，也为港股反弹提供进一步支撑。

立足基本面以不变应万变，掘金超级智能的应用主线，配置深度价值的非科技

四季度中美股市行情反弹的催化剂有三个。

第一，美国中期选举之前，地缘政治风险如期迎来降温；第二，美债市场迎来转机，美债长端收益率震荡回落：关注美国通胀与就业数据、FOMC决议及会后表态、财政部借款估计与再融资公告；第三，美国超级智能的应用持续扩散，而中国经济政策持续发力。

我们的投资策略是防守反击，立足基本面以不变应万变。

我们维持此前预判，当前，在全球股票定价的影响因素中，美债长端利率上行、风险偏好恶化以及上市公司短期业绩等已经比较充分地兑现了（price in）。

但是，科技企业长期可持续增长上限，也就是自然增长率，市场对其定价存在严重的不充分，而这才是真正在AI行情之秋的机会。

我们的投资建议是高利率时代精选基本面，掘金超级智能的应用主线，配置非科技领域的深度价值资产。

主线一、精选全球科技龙头，把握应用扩散的成长机会。

未来数月，科技资产的产业成长与估值修复可能形成共振，为中美科技龙头继续走强提供持续催化。

对美国科技龙头而言，供应链稳定与融资环境改善，有助于推进算力建设和应用商业化；对中国科技企业而言，技术和制造优势将进一步转化为订单与盈利，在把握跨境合作机会的同时，中国科技的中期配置仍应重视自主可控。

中国科技则兼顾自主可控与全球产业需求，继续重视安全可控、私有化部署和行业适配需求，聚焦技术突破、实际可用性与商业化兑现能力较强的企业，把握自主能力建设与应用扩散共同带来的成长空间。

AI应用将出现景气繁荣，AI产业链价值有望从单纯追求模型能力，进一步向安全可靠和推理应用扩散。

第一，网络安全、模型治理及企业私有化部署的重要性将持续提升。AI安全讨论进入中美两国政府层面的制度化协调。

第二，重视生物医药、具身智能等领域AI应用落地带来的机遇，AI应用可通过优化研发、生产、运营和服务流程，推动医药、智能驾驶、具身智能、先进制造等领域的科技创新。

第三，AI生态打通，够用的大模型和海量应用场景结合，为既有流量、数据和客户关系打开新变现空间。上周Meta Muse持续活跃，进一步强化AI应用商业化预期，并带动市场关注应用扩散所带来的软硬件增量机会。与之类似，北京时间9月30日凌晨OpenAI将举行DevDay。

第四，AI硬件端，精选国产算力、半导体设备、先进封装、国产模型与算力协同以及算力与能源协同等机会。自主算力与模型建设的需求，特别是推理需求增长带来的结构性增量，不仅来自外部限制，也来自供给稳定、数据安全、行业适配和成本控制。

主线二、配置深度价值资产，做好海外高利率高波动时代的港股“熬”的准备。

首先，四季度，我们预判中国经济政策将持续发力、美国经济将保持韧性，叠加美债长端利率有望高位震荡甚至有所下行，有色金属、电力设备及储能、化工、数字资产等，行情值得关注。

其次，港股可能迎来风险溢价收缩与盈利边际改善的共同支撑。一方面，精选具备客户基础、应用场景和现金流支撑的互联网及科技龙头；另一方面，精选内地高股息资产、香港本地股、澳门本地股。

来源:投资作业本Pro，作者王丽

更多大佬观点请关注↓↓↓

风险提示及免责条款

特朗普任命新白宫新闻秘书：曾在北京工作3年，任职中国知名律所，会讲普通话

每日经济新闻 — Sat, 10 Oct 2026 10:04:00 GMT

据新华社，美国总统特朗普9日在社交媒体上宣布，任命保守派评论员凯蒂·扎卡里亚出任白宫新闻秘书，接替离职的卡罗琳·莱维特。

图片来源：凯蒂·扎卡里亚社交媒体

特朗普介绍说，扎卡里亚目前是特朗普媒体科技集团旗下“真实社交”网站的高级通讯顾问，“表现出色”，曾协助他在关键摇摆州的竞选中取得胜利。

特朗普说，扎卡里亚曾任国土安全部发言人兼公共事务副助理部长，经常在福克斯新闻频道、大全新闻网等保守派媒体担任评论员。

据红星新闻，一名知情人士表示，尽管扎卡里亚并非华盛顿政坛的常驻人物，但她在特朗普的圈子里早已为人熟知，而且十分符合特朗普心目中白宫新闻秘书的理想形象。该人士形容，扎卡里亚“简直就像是专门为这个角色挑选出来的人”。

此外，扎卡里亚还有一段在中国生活和工作的经历。扎卡里亚毕业于美国佩珀代因大学卡鲁索法学院。她此前在一档访谈节目中透露，毕业后自己曾前往中国北京，在中伦律师事务所工作，并担任世界银行集团旗下国际金融公司的外部法律顾问。

扎卡里亚称自己在中国生活和工作了大约三年。谈及中文水平，她表示，虽然随着时间推移，自己的普通话已经有所退步，难以进行长时间交流，但仍能听懂不少中文。

值得一提的是，扎卡里亚的丈夫泰勒·扎卡里亚也曾在北京工作。据悉，泰勒本科毕业于乔治城大学，毕业后前往北京学习中文，随后进入一家私募股权投资公司，从事全球新兴市场投资业务。

白宫新闻秘书这一职务在莱维特8月底离职后一直空缺。据悉，莱维特离职原因是有两个年幼孩子需要照顾，想有更多时间陪伴孩子和家人。特朗普则已邀请她继续担任“外部高级顾问”。

本文来源：每日经济新闻

风险提示及免责条款

第三批摊余成本法债基上报， 16家中小基金公司“抢滩”热门产品

资事堂·暮延 — Sat, 10 Oct 2026 10:01:57 GMT

8 月 14 日摊余成本法债基重新“开闸”后，中小公募机构的申报热情持续高涨。

因为摊余成本法债基确实具备独特的市场热度。

同样是买债券，普通债基的净值随债券市价涨跌，市场一波动净值就上下起伏。摊余成本法债基则以买入成本记账，把票息和折溢价摊销到持有期的每一天，净值几乎是一条平稳向上的曲线。但产品必须封闭持有到期、中途不能卖出。

10 月 8 日、9 日，第三批 16 家中小基金公司集中上报。

又有16 家集体申报

证监会网站显示，财信基金、金元顺安基金、金信基金、泉果基金、红塔红土基金、易米基金、汇百川基金、百嘉基金、安联基金、兴华基金、红土创新基金、联博基金、国新国证基金、华西基金、兴合基金、尚正基金等 16 家机构上报摊余成本法债基，目前处于 “接收材料”状态。

此次上报的机构依然以中小型公募机构为主。产品条款延续此前框架，全部设置 63 个月封闭运作、到期终止，单只募集规模上限 80 亿元。

按照监管要求，每家基金公司原则上最多申报两只摊余成本法债基。

累计申报产品已达44只

作为支持中小基金公司差异化发展的重要落地举措，摊余成本法债基于8月14日重启上报。

8 月 14 日首批 15 家上报，9 月 11 日第二批 13 家接力，10 月 8 日、9 日第三批 16 家而至。前两批合计 28 只产品已获批，随着第三批集体上报，短短两个月累计上报数量达到 44 只。

在两个月的窗口期内，财信、泉果、红土创新、易米、汇百川、百嘉、安联、兴华、联博、华西、兴合、尚正等十余家机构已触及 “双产品”上限。

若两只产品均实现80亿元顶格募集，单家中小基金公司有望收获约160亿元的规模增量。

这一增量对于中小基金公司来说意义重大。

发行端认购火热

9 月下旬，贝莱德、红土创新、路博迈、财信、兴华、国融、鹏安等旗下 7 只摊余成本法债基同步开启发行。

仅仅两天后，贝莱德稳利 63 个月封闭、红土创新瑞泽 63 个月封闭便迅速售罄。财信、路博迈旗下产品也相继提前结募。

据悉，银行理财子公司是这一类产品最重要的买家。

摊余成本法债基在不同持有阶段，越往后年化收益率越高，后段收益表现亮眼，这恰恰是理财子机构看重的。

有的理财子公司会采用期限错配的方式布局，重点博取产品后段更高的年化收益，以此优化自身组合收益表现，这也是理财资金大举进场的核心逻辑。

中小公募打破规模瓶颈？

摊余成本法债基的募集，也将对行业结构产生重要影响。

虽然，已获批产品管理费统一为 0.15%，单看费率确实不高。但对中小公募来说，这是一笔雪中送炭的钱。

按单只 80 亿元募集上限算，0.15% 的费率每年能带来约 1200 万元管理费收入，五年封闭期累计约 6000 万元。对运营成本高、管理费收入少的中小公募来说，这笔现金流能带来持续稳定的管理费现金流，改善营收结构。

同样重要的是入场券。多数银行对合作基金公司设有规模、业绩门槛，没有品牌和存量的中小公募平时很难够到。摊余成本法债基净值稳、单只规模上限高，银行愿意接，托管合作的达成为中小公募打开了合作渠道。

当然，拿到产品红利并不意味着可以“躺平”。多位业内人士热恩威，中小公募未来要真正突围，仍需走好差异化的竞争路线。

风险提示及免责条款

Anthropic如果值20万亿美元，那将撕裂社会

董静 — Sat, 10 Oct 2026 09:33:44 GMT

半导体研究机构SemiAnalysis创始人Dylan认为，Anthropic若达到20万亿美元估值，意味着AI的能力已强大到导致人类全面失业，而由此产生的巨额财富将极度集中在极少数股东和供应链手中，这种极端的财富分配不均必将引发民众反抗与社会动荡，最终彻底撕裂现有的社会结构。

债市再观察：化债尾声，利率中枢的最后一层保护垫正在被抽走？

Sat, 10 Oct 2026 09:11:47 GMT

6万亿置换债发行进度已达98%，2028年前需消化的隐性债务从14.3万亿降至2.3万亿。本轮化债的主体部分已经结束——但债市的位置，才刚刚进入最难定价的阶段。

化债收官带来的不是利率继续下行的确定性，而是信用债定价锚的强制切换。当2027年6月退平台大限到来、区县级平台政府信用纽带被彻底切断，AA评级内部将出现本轮周期中最剧烈的一次分化。四季度10年期国债运行区间1.58%-1.72%、城投利差仍有压至16-25BP的空间；而2027年利率中枢将小幅抬升至1.55%-1.80%，赔率结构从"躺赢"转为"分化"。

“芯片大佬”Pat Gelsinger：从存储、光互联、电气到网络架构，当下是硬件创新的黄金时代

Sat, 10 Oct 2026 08:35:34 GMT

在AI重塑全球算力版图的当下，前英特尔CEO Pat Gelsinger一针见血地指出：AI让芯片设计变得简单，但制造、内存与能源的物理瓶颈正引发一场史无前例的硬件复兴。

10月9日，硅谷创投机构a16z 播出一期深度访谈节目。在对谈中，Playground Global普通合伙人、前英特尔CEO Pat Gelsinger与a16z的Raghu Raghuram、Guido Appenzeller展开了一场跨越芯片设计、存储创新、光互联、能源瓶颈乃至AI代理（Agent）基础设施的深度讨论。这位亲手设计了英特尔386和486处理器、见证了现代EDA行业诞生的芯片老兵，以其数十年的一线经验，为当前AI硬件浪潮提供了罕见的底层视角。

（左：Guido Appenzeller；中：Pat Gelsinger；右：Raghu Raghuram）

Gelsinger开门见山地抛出了一个核心判断：“对于我们所有硬件人来说，这就像是文艺复兴。”在他看来，从存储到光互联、从电力架构到网络拓扑，当下的硬件创新机会密度，是他职业生涯中前所未有的。

“能源容量即经济产能”，数据中心或面临违约潮

在AI基础设施建设如火如荼的当下，市场最容易忽视的硬约束是电力。Gelsinger将能源问题提升到了宏观经济的高度。

“在AI数字时代，能源容量就等于经济产能。” Gelsinger指出，过去15年美国在增加可再生能源的同时淘汰煤炭，导致国家整体能源容量几乎停滞，即便近期激增，年化增速也仅约4%。这与AI动辄需要百万级GPU集群的庞大胃口形成严重错位。

他发出了明确的市场警告：“为什么还要建新的数据中心？如果我买了一百万个GPU却无法为它们供电，你将会看到越来越多此类数据中心项目发生违约，因为根本没有足够的能源。” 甲骨文此前关于核能数据中心的言论，在Gelsinger看来只是行业面临供电瓶颈的“初步信号”。

为了解决这一问题，他提出供电网络的底层重构迫在眉睫，“800伏直流电（DC）重返数据中心，可以说是‘爱迪生的复仇’。” 从发电、输电到利用垂直GaN（氮化镓）技术进行一步到位的降压转换，以及液冷等散热技术的升级，整个电气系统正迎来25年未见的复兴周期。

“HBM是极其糟糕的内存”，30年来最大的存储创新即将来临

针对当前市场备受追捧的HBM（高带宽内存），Gelsinger给出了极具冲击力的评价：

“HBM是一种极其糟糕的内存（hideous memory）。只不过它是我们目前能拿到的最好的。”

他直言不讳地指出了HBM的物理局限：极差的比特密度、受限于边缘的带宽、高昂的功耗以及严重的散热问题（DRAM非常怕热）。然而，正是这些痛点，加上AI对内存计算的极度依赖以及过去四年存储行业增加的2.5万亿美元市值，正在催生行业的质变。

“准确地说，过去30年里我们到底经历了多少次重大的新型内存创新？只有DRAM、SRAM和Flash。”Gelsinger表示，“30年来的首次内存创新已经近在眼前。” 他极度看好铁电材料（ferroelectrics）等新材料在非电容、高密度、可堆叠内存中的应用，并透露自己已投资相关的隐形初创公司。

对于芯片堆叠技术（3D Packaging），他保持了理性的克制。他认为受限于良率呈指数级下降的数学规律，“我不是一个疯狂追求16层或32层堆叠的人。我认为2到4层的内存堆叠将是最佳的甜点区（sweet spot）。”

设计只需3个月，制造却要9个月：摩尔定律后的“制造时间差”

AI正在大幅缩短芯片前端设计的时间。Gelsinger认为，当前AI辅助芯片设计就像当年486处理器引入现代EDA工具一样具有划时代意义。利用AI工具，一个优秀的团队可以在三个月内完成一款AI加速器的逻辑设计。

但技术的进步总是将瓶颈转移到别处。“现在已经没有单纯的‘芯片’了，一切都是‘机架’（Rack）。”

Gelsinger详细拆解了当前的制造地狱：

“我花了3个月设计，但我至少需要3个月才能让晶圆出厂，再花3个月进行复杂的3D高级封装，最后还要把它集成到机架级解决方案中。也就是我用了3个月设计，但实际上要等9个月才能真正开始使用它。”

如果算上部署软件和模型迭代的速度，这种长达一年半的硬件交付周期，往往会导致“芯片刚落地，AI工作负载已经发生改变”的尴尬局面（如Graphcore曾面临的困境）。

100家AI芯片公司大乱斗终将“九九归一”

面对当前市场上涌现的近百种AI推理加速芯片，Gelsinger做出了“天下大势合久必分，分久必合”的断言。他认为当前的架构异构化只是暂时的，市场最终将收敛至少数几家主导平台。

他的逻辑基于三点：

工作负载的演进：大语言模型（LLM）正在接近瓶颈，未来的AI将融入更多传统的HPC（高性能计算）特性（如对64位高精度计算的需求，用于分子或化学分析），过度专门化的芯片将难以适应2-4年后的模型。

资本与规模的壁垒：建立AI算力规模需要数百亿美元的资本支出。“建立这些东西需要庞大的资本，这违背了你能同时维持100种不同芯片架构的逻辑。”

巨头的选择：OpenAI、Nvidia和Anthropic等头部玩家会主动挑选赢家，因为软硬件生态的协同演进成本极高。

光互联：铜的死亡，迟早会来

“我宣布铜的死亡大约已经有20到25年了。终有一天我会是对的。”

Gelsinger在光互联问题上态度鲜明：所有IO功能都应该迁移到光学互联，但核心计算-存储复合体本身不需要走这条路。他认为，当前数据中心中铜缆的波导特性正在让铜缆在5米距离的成本超过光纤在100米距离的成本，物理规律正在逼迫迁移发生。

对于关键的时间节点，他指出2028-2029年将是行业转折点——英伟达已明确表示将在这一时间窗口采用NPO/CPO（近封装光学/共封装光学）方案，其他厂商也将跟进。

“NVL72在工程上是奇迹，在制造上是噩梦。如果我们当时有更成熟的光学供应链，我们今天会更先进。”

在网络架构层面，Gelsinger支持向光路交换（OCS，Optical Circuit Switching）演进。他引用网络专家Nick McKeown的观点：

传统互联网是为“数据包可能去任何地方”而设计的，而AI工作负载“几乎完全相反——流量是大规模且可预测的。这更像是电路交换而不是包交换。”

AI代理时代的"新VMware"

对谈最后，Gelsinger回归到他在VMware时代的管理经验，讨论AI代理（Agent）时代的基础架构范式。

“每一次创新都会引出下一个抽象层。”他认为，虚拟机抽象依然是计算层级中值得保留的核心范式，但服务对象正在从"硬件与人类"转变为"代理"。

“虚拟化和管理的每一个基本要素，都需要在下一个计算层级中被重新创建。”

Gelsinger指出，新一代“代理VMware”需要解决：如何让代理高效运行、如何为代理构建安全配置、如何管理代理性能，同时还需要保留人类设定策略、描述“宪法”（引用Anthropic创始人Dario Amodei的概念）和查看仪表盘的能力。

访谈全文实录如下（由AI辅助翻译）

第 1 章：Intro

Pat Gelsinger：

在AI数字时代，能源容量等于经济容量。为什么要建新的数据中心？买上百万块GPU，如果没有电力支撑，你会看到越来越多的数据中心项目出现违约，因为电力根本跟不上。

Guido Appenzeller：

每当你拥有某种技术让某件事变得容易，瓶颈就会转移到其他地方。

Pat Gelsinger：

现在没有什么单纯的芯片了，它已经是一个机架，我花了三个月来设计它，但还要再等9个月才能真正开始使用。过去30年里到底出现过多少种全新的存储技术？存储领域30年来首次迎来真正的创新，就在眼前。我大约在二十二五年前就宣告了铜互连的死亡。终究我会被证明是对的。对我们所有硬件人来说，这就像文艺复兴一样。AI推理加速芯片，我肯定连名字都叫不全。你们为什么要资助这么多这类项目？

Raghu Raghuram：

你自己也资助了不少。

Guido Appenzeller：

历史上从来没有哪个行业同时存在100家相互竞争的处理器厂商。这只是暂时现象吗？最终会收敛到少数几家吗？

第2章：从技工学校到18岁加入英特尔

Raghu Raghuram：

我今天邀请到了我们尊贵的嘉宾、亲爱的朋友，也是我的前任老板——Pat Gelsinger先生，欢迎Pat。Pat目前是Playground Global的普通合伙人，但他在业内以领导才能而广为人知，曾担任英特尔首席技术官，后来领导VMware，以及许多其他职务。欢迎你的到来。

Pat Gelsinger：

嘿，谢谢你。Raghu，很高兴能和你还有Guido在一起，对吧？对我来说，这感觉有点像回到了老地方，你知道，就像……是啊，感觉就像我们叠加了一年的变化，但你们两个看起来还是一样，我也很有活力，那我们就开始吧。

Raghu Raghuram：

那可不是在说David，你也停不下来，一直都这么有活力，这不是什么新鲜事。不过，让我们从你在英特尔的职业生涯说起。最近，Andreessen Horowitz创办了一个学院，旨在发掘16到22岁之间的有才华的人，然后将他们放入现代教育环境中，让他们为自主创业或加入当今的公司做好充分准备。你有过类似的经历，你上了一所普通的职业技工学校，然后在18岁或19岁的时候就直接进入了英特尔，是吗？

Pat Gelsinger：

是的，那真的是一段非常神奇的时光。我16岁的时候，偶然赢得了一个奖学金，去了一所技工学校，跳过了高中最后一年半的学业，18岁的时候英特尔来招募我。 你知道，我那时从来没坐过飞机，但已经深深爱上了技工学校的学习。面试官，他叫Ron Smith，他在纸上写着——我是他那天面试的第12个人，如果你连续面试了12个人，到最后你根本分不清男女，对吧？他写道：聪明、积极、有点傲慢，他会适应的，就这样。

Pat Gelsinger：

于是我被邀请加入英特尔，那真的是一段非常辉煌的经历。从一名技术员开始，后来进入设计团队，参与了286的收尾工作，成为386的第4号工程师，再到486的架构师和设计经理。 与此同时，我完成了本科、硕士和博士的学业。这简直是最完美的职业发展路径——白天在工作中学习，晚上把所学付诸实践。

Raghu Raghuram：

而且这完全是你热爱的芯片领域，我敢说，你在那里所热爱的和所构建的东西，之所以有巨大突破，是因为你在开拓新的领域。

Pat Gelsinger：

是的，在很多方面都是如此。那真的是行业里一段相当不可思议的时光。我记得在斯坦福的一门课上，一位教授提出了一种新的进位前瞻设计方案。我当时正在做386的进位前瞻，所以我就想，让我去试试看。两天后我回来告诉教授：这个方案行不通。

Pat Gelsinger：

然后我就开始和我在斯坦福的教授争论起来，接下来的两节课，就变成了我和教授争论为什么他的设计不可行。他当时有一本正要出版的书里用了那个设计，这让他非常恼火。我们还开始研究他的自测试方法，我记得斯坦福的Ed McCluskey教授，他可以说是这一领域的奠基人，我们就他的很多想法展开了精彩的争论——那些想法对真实芯片来说并不实用。 但我当时正在把内建自测试应用到386上。我的论文导师是John Hennessy，他后来也做得很好。

Pat Gelsinger：

我说嘛，我帮助了他的职业生涯，他后来成了校长，之后一直如此。

Raghu Raghuram：

是啊，之后我们会聊到CISC和RISC之争，但我想先聊聊486。不好意思，你先说。

Guido Appenzeller：

我在斯坦福教书时也有过同样的经历。你带着你认为是真理的东西走进课堂，然后一个在业界工作的学生说：嗯，实际上并不完全是这样。所以下一节课你回来说：好吧，我查了一下，你是对的，这是更新后的内容。

Pat Gelsinger：

是的，你知道，这正是学生互动的一部分，我认为这也是硅谷之所以如此独特的原因之一。这里有那么多公司，创业精神就像融在水里一样，创业、新想法、挑战教授……在斯坦福这样的地方当教授，你必须做好被挑战的准备，并且享受这个过程。

Guido Appenzeller：

那栋楼里人来人往，流量还挺大的。

第3章：486与现代EDA的诞生

Raghu Raghuram：

是的，486是你的重大成就，当然，很多人都参与其中。你们在芯片设计上开辟了一些新领域，增加了芯片应该具备的功能，等等。

Pat Gelsinger：

是的，那也是一段相当神奇的时期，因为那是在你所认为的EDA行业诞生之前。

Raghu Raghuram：

哇，是的。

Pat Gelsinger：

你知道，386末期有一点点苗头，但486才是真正第一款采用现代EDA技术的芯片。我们做了高层设计，对吧？就是RTL描述，但那时候还没有Verilog，所以我们发明了HDL，对吧？就是英特尔硬件描述语言，我自己写了一门语言。当然，你还得为这门语言构建一个编译器，对吧？所以我们为这门语言创建了一个编译器。那时候还没有自动布局布线，所以我们不得不发明它，我们与Alberto Sangiovanni-Vincentelli以及他在伯克利的一些学生合作，完成了第一个布局布线、第一个自动时序管理。

Guido Appenzeller：

所以他们在某种程度上创造了EDA……

Pat Gelsinger：

是的，在很大程度上是这样，486不仅是一款兼容的流水线微处理器，我们还奠定了现代EDA行业的许多基础，那真的是这个行业一段相当神奇的时期。

第4章：AI如何改变芯片设计

Guido Appenzeller 如果我们看看今天，人们回顾Blackwell时会说，这是AI接管微处理器设计流程之前最后一代精心设计的芯片，我们现在是否正处于类似的转变之中？

Pat Gelsinger：

我认为某些方面确实如此。所以我认为，当你看看今天像Jalapeno这样的东西，你会说，这是在芯片设计流程中从第一性原理使用AI的方式，抛弃了很多传统的东西。当然，设计中有些部分在这个意义上仍然非常困难。很多模拟方面的工作，Circs可能是最好的例子，仍然无法用AI来完成，对吧？你只是需要大量的硅片数据才能搞定这些。所以你要么在模拟设计上非常保守，从而能够用AI来处理，要么……

Pat Gelsinger：

你就得用老办法来做，但是现在很多逻辑功能真的可以用AI工具和技术以相当令人难以置信的方式来完成，对吧？你的晶体管预算足够大，设计工具越来越智能，少数专家指导工具如何应用，我真的认为这将有点像486那个时代，对吧？

Pat Gelsinger：

你们回过头来会说，是的，那是芯片设计新纪元的开始。

第5章：为什么芯片制造仍然需要九个月

Guido Appenzeller：

每当你拥有某种技术让某件事变得容易，那就意味着瓶颈会转移到其他地方。那么，我们现在能猜到未来的瓶颈会在哪里吗？有些事情AI似乎做得非常好，对吧？比如处理软件层，编写内核，还有很多……我认为很多是能够在更高层面上指定目标，然后将其转化为非常长的……那么新的前沿是什么？未来什么事情会变得困难？

Pat Gelsinger：

你知道，看看今天的情况，假设Guido和Pat，我们要一起做一次伟大的新旅程。我们要去构建一个……对吧？这将是一个领先的东西，因为我们了解架构，了解AI工作负载，了解如何组合这些，然后是正确的乘累加运算和寄存器结构。

Guido Appenzeller：

还能完美地看清明天的模型工作负载。

Pat Gelsinger：

所有这些东西。假设我们把AI工具全部释放出来，那真的太棒了。三个月之内，我们就能得到一个出色的设计，对吧？ 当然，在模拟组件方面我们会稍微保守一些。

Pat Gelsinger：

但我们现在仍然有几个重大瓶颈。其中一个就是，我们仍然需要9个月的硅片加工时间。 对吧？就是这样。所以我可以在三个月内完成设计，但实际上要大规模生产出真正的芯片，还需要九个月。这很糟糕，对吧？所以如果我们要推动这种创新，就必须真正改善这个瓶颈。

Raghu Raghuram：

甚至在那之后，我们还有更多的等待周期。

Pat Gelsinger：

你知道，首先，从晶圆厂拿到东西，最快也要三个月，而这还是在设计流程极度优化的情况下。 那我怎么压缩这个时间？然后还要进入先进封装，3D封装越来越复杂，这又要花大约三个月。然后还要把它集成到机架级解决方案中，因为现在没有什么东西只是一块芯片，它是一个机架。所以加起来是9个月，我花了三个月设计，但要真正开始使用它，还需要9个月。 那么我们如何开始压缩设计的这些环节？我认为我们需要新形式的光刻技术来实现这一点，我们需要不需要花费5000万美元掩模成本的设计流程。

Pat Gelsinger：

直到我能够进行原型测试。你告诉我，怎么把这个时间压缩到一两个月？因为我现在可以在三个月内完成设计，但如果要花一年半才能真正实现规模量产并跑通软件，那我对AI工作负载的理解，早就不再适用于最终流片的那块芯片了，对吧？ 所以，所有这些……

Guido Appenzeller：

你现在就能看到这个问题在AI领域实时上演。

Pat Gelsinger：

是的。我们可以从历史上看，Graphcore的设计并不差，但世界已经向前走了，对吧？ 所以，所有这些方面都在某种程度上抵消了AI让设计变得容易这一事实，所有制造和规模化的问题，对我来说都成了巨大的瓶颈。 当然，另一个瓶颈就是内存，对吧？内存带宽。

Guido Appenzeller：

我们深有体会。是的。

Pat Gelsinger：

你知道，正如我所描述的，HBM是一种糟糕的内存，但它偏偏是目前最好的一种。

Raghu Raghuram：

我们正想问你这个问题。

Pat Gelsinger：

是的，这是一种很糟糕的内存。位密度差，受限于带宽，还有功耗问题、散热问题。DRAM不喜欢高温。

Guido Appenzeller：

把所有东西都堆在一个地方。

Pat Gelsinger：

对于AI这种内存计算密集型工作负载来说，这简直太糟糕了。 所以我需要压缩从开发到真正规模化落地的时间，我需要解决与此相关的内存问题。对我来说，这是另一个关键瓶颈。还有功耗——功耗、散热，现在大多数功耗仿真工具都很差，没有好的3D功耗建模工具，没有功耗热点分析，没有好的电压输入建模。我基本上是在用几乎整个功耗余量来做保护带，这意味着我损失了大约40%的功耗在保护带上。 所以我必须在功耗建模上做得更好，而且我的散热技术也很落后。

Raghu Raghuram：

功耗传输模型也必须改变。

Pat Gelsinger：

是的，所有这些，对我来说，都是下一批重大瓶颈。我怎么逐一改善这些问题？如果我做到了，那我们才真正进入了一个令人兴奋的新时代。 感谢那些出色的AI工具，但即使这些工具全部部署到位，我面临的挑战依然巨大。

Raghu Raghuram：

我们确实看到了芯片数量和芯片架构的某种复兴。

Pat Gelsinger：

是的。

Raghu Raghuram：

这都要归功于这些工作负载。

Pat Gelsinger：

现在大概有100种AI推理加速芯片，我甚至肯定不知道它们全部。

Raghu Raghuram：

是的，确实。所以……

Pat Gelsinger：

你们为什么要投资这么多这类项目呢？

第6章：100种AI芯片会收敛到少数几种吗？

Raghu Raghuram：

你也资助了不少。是的，所以，你知道，它们都很擅长在你提到的那些组件上，或者在它们所针对的帕累托曲线的某个部分上，做出不同的设计假设。那么你认为这些芯片都有存在的空间吗？还是说，部分由于Guido所讲的AI工具链的发展，我们现在有能力构建更多种类的芯片？而且时间也非常充裕。无论你怎么看……

Guido Appenzeller：

更挑衅性地说，从历史上看，任何行业都从未出现过100家相互竞争的处理器厂商，对吧？所以，这是一个更加异构的未来吗？我们会看到——这只是暂时现象吗？最终还是会收敛回少数几家。

Pat Gelsinger：

我认为这更像是一种暂时现象。我预期它最终会收敛。我看到这种情况的原因大概有三点。其中一点是，你在计算环境中看到的这种新兴异构性——好，现在我有了专门用于预填充（prefill）和解码（decode）的不同芯片。然后人们开始说，我们真的需要一个专门针对中间阶段的层，而不只是预填充阶段。所以现在我有了早期预填充，还有中间填充，它们是不同的。

Guido Appenzeller 推测与验证。听听OpenAI怎么说。

Pat Gelsinger：

是的，你知道，突然之间，整个计算集群在不同工作负载之间变得越来越细粒度。我认为，历史上任何时候出现这种情况都是不可持续的。

Pat Gelsinger：

然后突然之间，当你看到这些，人们又开始说，当我转向推理模型时，我希望它看起来更像一个CPU。所以突然间，我并不需要那个层级——那个层级并没有成为我计算能力的主导部分，我反而需要更多这边的资源，对吧？还有模型工作流等等。所以我真的不喜欢——我会说，大规模的专业化，对吧？因为我认为工作负载会持续地、大幅度地调整和迁移。这是第一点。第二点是，我认为当今的模型也即将经历一些演进上的突破。

Pat Gelsinger：

我认为大型语言模型（LLM）正在触及某些极限。现在人们在思考如何真正对三维结构建模——当你涉及分子、化学品和成像时，扁平化的LLM并不好用。所以我认为我们会看到这方面的局限性，这将在算法领域引发不同的转变。我也认为，一些最有趣的工作负载，是那些将高性能计算（HPC）类的东西重新带回AI的场景——比如突然之间，64位精度再次变得重要。

Raghu Raghuram：

能举个例子吗？

Pat Gelsinger：

好，比如说，假设我的AI模型现在正在为一项化学分析推导出最有价值的五个领域。那些化学算法是以高精度运行的——计算量最大的部分，到底是找到我需要运行的那五个算法，还是在不同的化学或生物系统上运行这五个算法？ 所以我确实认为，随着我们优化AI系统，它会把我们带回到一些更传统的高性能计算领域。所以我也看到了这方面的工作负载趋势。综上所述，这种极端的专业化，在我这个计算架构师看来，我不太喜欢它，因为我不认为这将是2、3、4年后工作负载的样子。这是我不看好这些越来越专注于计算工作负载某一部分的AI芯片的原因之一。

Pat Gelsinger：

第二点是，现在大概有100家这样的公司，对吧？

Pat Gelsinger：

有多家做光学的，有做概率计算的，它们不可能全部胜出——之所以不能全部胜出，是因为归根结底，这些东西需要规模。而规模需要你赢得市场、获得资本、让工作负载跑在上面。所以我认为，说你会有100家这样的公司，本身就违背逻辑。因此，我认为受资本、市场份额等因素的影响，行业会回归——谁是胜出的团队、胜出的设计、胜出的架构。我认为工作负载会驱动这一点。

Pat Gelsinger：

我预见到行业自然整合会发生。同时我也预期，赢家会挑选出一些赢家——比如OpenAI、英伟达、Anthropic会说，我喜欢这个，因为这不只是硬件，而是硬件和软件如何共同演进。对吧，向前发展。我确实预期，这里有10个我可以选，但我喜欢那个——而且它确实需要在软件和工作负载演进上投入，才能充分利用那些平台。基于这三个原因，我们会看到这个领域的收窄。

Raghu Raghuram：

还有部署复杂性的问题。抱歉，请继续。

Guido Appenzeller：

这完全说得通。我大体上同意。不过让我还是来搅搅局，制造一点争议。

Pat Gelsinger：

你们改变了这一点，对吧？

Guido Appenzeller：

所以，100家公司可能会存在，也可能会整合，对吧？我完全同意你的论点——归根结底，大型消费者会在一定程度上选出赢家。

Guido Appenzeller：

我认为，今天要成为这个领域的先行者，在某种程度上，你是否在其中，取决于你在真正的大玩家那里获得了多少牵引力。同时也有一种说法是：在任何过渡期，你可能会看到更多不同方法的爆发，然后随着时间推移逐渐淘汰。话虽如此，我认为有一个论点可以这样说：从历史上看，我们之所以标准化在一两种架构上，是因为不同的指令集很难处理——我们需要构建多个编译器，基本上是软件复杂性决定了你只能有少数几个硬件平台。这一部分似乎正在随着AI而改变。但如今，为某个芯片编写优化内核——我认为Kleinia是个很好的例子——正如我说的，人类已经无法真正编程这个东西了，但一个Agent可以在一夜之间完成。这就是我们所需要的，对吧？基本上你可以说，如果你能构建一个具备某种能力的芯片，现在在上面构建充分利用它的软件层变得容易多了。这样的结果会不会是，我们拥有更多一点的异构性，只因为对这种异构性编程变得更容易了？

Pat Gelsinger：

我确实认为这改变了瓶颈所在的位置。第一个瓶颈是我要指出的——我们已经谈过了——构建这些东西仍然需要一年半的时间，对吧？第二个瓶颈是，不仅需要一年半才能把这些东西装进机架、实现规模化，要让它们真正有用，你能借到500亿美元吗？

Pat Gelsinger：

我的意思是，我们谈的不是小额资本支出，而是非常巨大的资本支出——数据中心、电力、承诺等等。所以我必须大规模地构建这些东西，这与之相关。这将打破很多异构性。

Pat Gelsinger：

当然，大玩家们——我们看到了英伟达对Groq所做的事情——会在某种程度上拥有一些异构性，对吧？

Pat Gelsinger：

两年后，你不会知道英伟达里面跑的是什么架构，它就会像另一个东西一样，对吧？所以你会看到这些架构，异构性会被隐藏在内部，这对我来说完全没问题。这就是分层、这就是抽象一直以来所做的事情。但我认为那些力量是强大的，会让大量的异构性暴露出来——不对，我认为它会被抽象在这些东西之下。但归根结底，大规模构建这些东西仍然很难。

第 7 章：为什么 HBM 是一种糟糕的内存

Raghu Raghuram：

好的，你提到了 HBM 是一种糟糕的内存。

Pat Gelsinger：

但它却是我们目前拥有的最好的内存。

Raghu Raghuram：

确实。但关于内存的令人沮丧之处在于，我真的不记得上一次内存创新是什么时候了，可能是 eDRAM（嵌入式动态随机存取存储器）。我觉得你可能也参与其中。

Pat Gelsinger：

是的，那个项目死掉了，所以我也算经历了一次失败。

Raghu Raghuram：

我们把它搞死了。那么你认为内存创新即将到来吗？或者说需要发生什么？显然，我们理解规模问题，因为在这方面规模问题更大。但如果把规模问题放一边，即使从技术角度来看……

Pat Gelsinger：

是的，你看看那段历史，我个人可能至少参与过五种不同的新内存架构，eDRAM 只是其中之一，这些架构都没能见到天日。我可能还了解过去 30 年里业内发生的近 100 种类似情况，而在过去 30 年里，我们究竟有过多少种主要的新内存？对吧，你知道，好吧，DRAM、SRAM、闪存，好吧，还有什么？DRAM、SRAM、闪存，是的。所以我确实认为……

Raghu Raghuram：

闪存堆叠稍微算是一点。

Pat Gelsinger：

勉强算吧，是的，对，你知道，不管怎样，对，所以在这方面，确实令人失望，我们还没有创造出下一种物理技术，能够实现低成本、高性能、可靠且可制造的内存。所以我确实认为，在过去三四十年里，内存一直是一个糟糕的行业，因为你可能一年盈利，接下来四年亏损。所以在一个五年中只有一年盈利的行业里搞研发，这实在太难了，因为它一直被如此剧烈的商品化周期所驱动。

Guido Appenzeller：

不过这在一定程度上已经有所改变了。

Pat Gelsinger：

在过去五年里。

Guido Appenzeller：

三大内存公司都跻身全球最有价值的前 20 家公司之列。这是一个疯狂的转变。

Pat Gelsinger：

确实令人惊叹，对吧？谁能想到会这样？任何关注 AI 工作负载的人都知道，预测过去容易，预测未来难，对吧？而当你看这一切时，会说 AI 是一个内存的世界，确实如此，就在其中。所以我认为，资本和技术需求的结合将会推动内存创新。

Pat Gelsinger：

现在有两个领域让我感到兴奋。其一是，我确实认为 HBM 的带宽限制是一个根本性问题。因此，基于这一点，这个想法……显然，我们有一家公司 D-Matrix 正在做这件事，但我认为其他公司也会加入，无论是 Cerebras 及其技术，还是其他公司。

第8章：芯片能叠多高？

Guido Appenzeller：

未来是堆叠式的

Pat Gelsinger：

你必须想办法把内存整合进来

Raghu Raghuram：

而且要从多个维度来考虑

Pat Gelsinger：

你必须把内存和计算整合在一起，对吧？要有一种全新的基础架构。我确实认为，鉴于目前AI领域已经投入了如此巨大的资本来应对这些工作负载，我认为我们实际上也能够突破其中一些物理层面的挑战。所以我相信，你知道，我刚刚……

Raghu Raghuram：

投资了某个项目，对吧？

Pat Gelsinger：

你知道，我刚刚也投资了一家新的内存公司。目前还在隐秘阶段，但你知道吗？

Pat Gelsinger：

我对新内存领域即将发生的一些创新感到非常兴奋。你将会看到新材料的出现，比如用于内存的铁电材料，寻找非电容式、高密度的内存，寻找能够实现高性能、高密度且可堆叠的内存，对吧？但是，你知道，有人正在研究用低成本闪存来实现这一点。我个人对这个想法并不是特别热衷。我认为闪存或MRAM结构在底层单元的速度和性能方面存在一些问题。是的，但我确实认为，内存领域三十年来首次迎来创新。我认为这将是一个令人兴奋的领域。我相信届时会有几家公司在这里涌现。

Pat Gelsinger：

好的，你知道，我们会在这里找到一些可以做的事情。但我认为三十年来首次出现的内存创新就在眼前。

Pat Gelsinger：

你知道，我认为内存行业在过去四年里市值增长了2.5万亿美元。我觉得这个数字大致是对的。

Guido Appenzeller：

我们本可以直接投资那里，而不用做任何差异化的事情。

Raghu Raghuram：

是的，完全正确。用你的钱就行了。嗯，你怎么看？抱歉，你先说。

Guido Appenzeller：

稍微展开说一下堆叠这部分，如果你要预测芯片会以多快的速度"长高"，这会是像……你知道，我们会先到2层然后停在那里一段时间，还是说我们会有，比如16层的三明治结构？你知道，逻辑层和内存层愉快地混合在一起？

Raghu Raghuram：

HBM把这个拉低了

Guido Appenzeller：

HBM在Nvidia上在往下走，但你怎么看这个演变趋势？

Pat Gelsinger：

是的，你知道，我认为，堆叠的问题在于，随着堆叠维度的增加，整个堆叠的价值也在增大，这意味着每一层的良率以及堆叠工艺本身必须持续提升。基本上，它不能线性提升，而是必须指数级提升。当你堆到8层或16层高的时候，以指数级方式提升制造和设计特性就会变得极其困难，当你算一算相关的数学，你的制造流程必须接近完美。

Guido Appenzeller：

他们可能会看到一些设计，这些设计会考虑到某种特定的模型类别，就像我们在二维领域看到了很长时间的那样。

Pat Gelsinger：

当然。但请记住，这就是DRAM的本质。你总是有坏块替换机制，比如备用行之类的。所以我不是在任何意义上轻视这一点，但假设你已经做到了这些，你仍然需要良率非常高。你知道，如果我有一颗裂了的芯片，不管你内置了多少冗余，你也没办法，它就是一颗坏芯片，对吧？所以，正因如此，我不是那种疯狂追求16层、32层堆叠的人。我认为会出现3、4、5层的堆叠，这最终会成为最佳平衡点。

Guido Appenzeller：

中层建筑。是的。

Pat Gelsinger：

是的，你知道，部分原因在于制造，部分原因在于相关的复杂性，良率的甜蜜点在哪里，所以这就是我认为大多数事情的落脚点。但即便如此，对吧？比如说，假设我现在有了一块很棒的计算芯片，那块芯片需要多大？现在一切都受到了光刻场的限制，对吧？我能不能用更多的小芯片来获得更好的良率特性、更好的散热，然后你会说我希望在上面有一个内存堆叠。

Pat Gelsinger：

是两层内存堆叠，还是四层内存堆叠？我不认为它会变成八层内存堆叠。所以大概是2层或4层，对吧？但是电源传输也需要集成进去，这就变成了另一个要素，我希望它在Z轴方向上，因为我希望我的电源阵列也从这个方向接入，对吧？然后我需要相当智能的RDL层来在整个平台上分发信号。所以在某种程度上，你知道，当你把所有这些部分加在一起，我的标准结构已经大约有8层厚了，我认为这差不多就是极限了，至少以我们今天对制造工艺的理解来看是这样。

Pat Gelsinger：

当然，我们预计光学技术也会加入进来。所以会有更多III-V族材料结构更靠近这个复杂体，因为我希望我的IO能够深度集成到这个架构中。所以我以硅为核心的部分需要得到这些其他III-V族材料的补充。我如何将光学互连集成进来？我如何将电源轨集成进去？

Pat Gelsinger：

你知道，这是一项工程壮举，也是一场制造噩梦，要把所有这些部分整合在一起，但这就是物理规律随着时间推移带领我们去的地方。因此，16层高的堆叠对我来说太疯狂了，2层或4层高的内存堆叠，我认为这大概就是最佳平衡点所在。

Raghu Raghuram：

你还可以谈谈散热问题以及为此所需的新材料。

Pat Gelsinger：

显然，首先会有很多挑战，你就是不能允许今天存在的那些物理热点。所以你必须更加智能地利用热量和分散热量。但你知道，然后你会说，好的，我如何在这些环境中既能输入电能又能将热量散出去？顺便说一句，如果我能以我想要的电压更高效地输入电能，同时拥有更好的电源响应能力和电压调节能力，那么我产生的热量就会少一些，但我确实需要思考，好的，我如何冷却这些东西？

Pat Gelsinger：

新材料，比如金刚石和其他一些被提出的东西，在改善散热冷却方面能发挥什么作用？我如何采用更好的液冷技术？你知道，直接贴在上面，具有良好的导热特性。所以，你知道，我们工程师正在变成管道工，对吧？确实如此。

Raghu Raghuram：

是的。你担心芯片级别的电磁兼容问题。是的，让我问你一个相反的现象，有些人说，嘿，我们把内存从封装上拿走，在计算和内存之间全部用光学连接。这样可以给你更多的自由度，以及更多构建系统的方式。与堆叠相比，你怎么看这种方式？这是另一个极端。

Pat Gelsinger：

是的，你知道，我认为越多的OEO，对吧，接口，也就是光-电-光的转换，在你的核心计算复合体中需要越多这样的转换，对我来说就越困难，从这个意义上说。而且你总会有与之相关的损耗。

Pat Gelsinger：

你知道，人们正在努力想出更聪明的技术来降低成本和功耗，对吧？我在经过DAC和各种转换时浪费了多少功耗？所以我不喜欢这种方式，因为我认为它虽然让你能够访问大型内存池，但消耗大量功耗才能到达那里。是的，对吧，记住，基本上每次计算的飞焦耳现在已经相当惊人地低了，对吧？但每比特通信的飞焦耳相比之下要差1000倍。如果我要花那么多能量去访问大型内存池，我不喜欢这些方法，我认为它们在某种程度上违背了解决方案的底层物理规律。

Guido Appenzeller：

我的意思是，还有另一种方法，就是说，我们能不能真正直接将计算和内存整合在一起，对吧？把一部分计算移到内存里去？

Pat Gelsinger：

这就是一些PIM（存内计算）的方案。

Guido Appenzeller：

正是。那么，你对此有什么看法？

Pat Gelsinger：

我也不喜欢这些方案，对吧？因为我认为工作负载，你知道，因为现在我必须拿着我的工作负载，然后把这些小块计算推进内存里，对吧？这样我就不需要那么多内存带宽流入我真正的计算单元。但这给工作负载带来了约束。再说一次，我可能是错的，特别是考虑到我们现在能够通过设计手段带来的一些设计灵活性和智能化，但大多数PIM的想法已经存在了25到30年，我认为再过25到30年它们仍然还在那里，从这个意义上说。你知道，给我高密度、高性能的大内存带宽，并让它靠近真正的计算引擎。我预计这将是一个对许多不断演变的工作负载来说更具普适性的解决方案。

Guido Appenzeller：

所以我们还是被困在越来越密集的芯片里，堆叠，更多逻辑，更多功耗。

Pat Gelsinger：

但会好得多。我是，我是，我是光学的超级粉丝，你知道，转向光学来实现所有IO功能。是的，对吧？你知道，我大约在二十到二十五年前就宣布了铜的死亡，最终我会是对的。

Guido Appenzeller：

你还是对的。

Raghu Raghuram：

总有一天会的。

Pat Gelsinger：

很快就会是对的了。但我认为，对我来说，所有IO都应该转向光学，对吧？但核心计算-内存复合体，不。对吧？

Raghu Raghuram：

那么当你第一步迈出去的时候，我们的文章是关于纵向扩展，甚至比横向扩展更多。你对此有什么看法？

Pat Gelsinger：

是的，你知道，我认为我们现在……

Raghu Raghuram：

如果可以的话，驱动工作负载的应用场景会是什么？

Pat Gelsinger：

好吧，我认为驱动工作负载的就是摆在我们面前的这个，对吧？

Pat Gelsinger：

我的意思是，你知道，今天，在我们的纵向扩展环境中，我们铺设了大量铜缆，对吧？你知道，铜缆本质上正在变成一种波导，而且越来越短。 突然之间，你知道，让铜缆在5米距离内工作，比让光纤在100米距离内工作还要贵，对吧？所以，你知道，我认为物理规律正在推动我们走向这条路。那么，Pat，既然如此，我们为什么还没有迁移过去呢？

Pat Gelsinger：

这是一个复杂的供应链，你知道，从未经过大规模测试。 我认为现在，大家都在考虑某种形式的NPO、CPO等，时间节点大约在28、29年，因为如果不做出这种转变，我就无法将纵向扩展环境扩展到大基数的计算集群。所以，很明显Nvidia已经表明了这一点。我认为业内其他所有人都预期，那就是转折点。你知道，说实话，我本不应该构建NVL 72的。它是一个工程奇迹，但也是一个制造噩梦。 你知道，整个行业花了额外一年半的时间来消化这个庞然大物，对吧？

Pat Gelsinger：

真的令人惊叹，你知道，我们能够将其扩展到那种规模。但是，你知道，这确实证明了，如果我们当时拥有更成熟的光学供应链，我们今天会更加先进。 我们今天就能构建更好的纵向扩展环境，更好的功耗表现、更低的成本、更好的能效，但我们当时没有足够成熟的光学供应链来支撑这一切。

Pat Gelsinger：

这些问题解决起来并不简单，还有大量工作要做，但我认为28、29年是产能爆发的年份。

Guido Appenzeller：

我们可能在封装光学器件如何应用于网络方面积累了大量经验，对吧？我认为其中很多经验可以很好地迁移到GPU上。

Pat Gelsinger：

是的，我确实这么认为。但突然之间，你知道，就像，好吧，这些东西必须能在1000万GPU的规模下运行，对吧？它必须能集成进封装里，还有很多其他问题，你知道，很多形式的光学器件不喜欢恶劣的热环境。但猜猜怎么着？恶劣的热环境恰恰是IT领域的常态。 所以我们有热管理问题要处理，封装集成问题要处理。业内激光产能也不够，所以有一堆问题，但我认为这里面没有什么根本性的障碍，只是需要大量艰苦的工作把所有这些部分整合到一起。

Guido Appenzeller：

在网络架构方面，也有一些减法，比如交换，还有什么，更多的电路交换网络，只是因为你无法无限扩展这些非常快速的光网络。

Pat Gelsinger：

好吧，你知道，我喜欢你，Nick McCune或者另一个例子，这里的教授，也是我的好朋友，你知道，我的意思是，你也稍微了解一点，Guido。

Guido Appenzeller：

他是我的论文导师，我……

Pat Gelsinger：

所以，但你知道，他描述得很好，你知道，我们构建网络，是为了能够处理任何数据包去往任何地方，而不需要知道它可能去哪里。当你想到AI的时候，几乎完全相反，对吧？我们处理的是大规模且可预测的数据流。所以，仅凭这个描述就说明，这看起来更像是电路交换而不是分组交换。所以我确实认为，向光网络迁移与拥有一个更可预测、可管理、大流量的工作负载这两者的融合，对我来说，我确实看到了这一点。是的，我们将一路走到把光引入计算复合体，并且我们将一路走到OCS或某种形式的光交换，你知道，配合更可预测的数据流，那才是正确的架构。

Pat Gelsinger：

然后你会问，这算是纵向扩展还是横向扩展？某种程度上……

Raghu Raghuram：

它某种程度上模糊了这条边界。

Pat Gelsinger：

是的，对吧？如果我的纵向扩展足够大，那么你就只需要问，我的纵向扩展环境的半径是多少？ 有一天我想把它连接到其他真正大型的集群上。对我来说，这最终会是一个相当漂亮的答案，你知道，面向未来。但我正看着一个在这方面比我更专业的人。

Guido Appenzeller：

现在，你看，我一直认为纵向扩展与横向扩展在某种程度上是一种人为的区分。你能理解它的来源，对吧？因为我们使用不同的协议，一个是前端，一个是后端网络，等等。所以现在，实际上，它确实有很大的区别，但如果你退一步从系统架构的角度来看，它们实现的是相同的目标，只是略有不同的特点、略有不同的协议，我认为随着时间推移这些会趋于融合。

Raghu Raghuram：

是的，我的意思是，尤其是对于训练工作负载来说。

Guido Appenzeller：

是的，尽管我的意思是训练和推理看起来相当相似。

Pat Gelsinger：

是的，现在我要说，你知道，对吧？你的大脑会停止学习吗？你知道，顺便说一下，这是工作负载演进的另一个特征。我确实认为，训练和推理的分离在未来会越来越少，而不是越来越多，对吧？ 这也是反对更多异构架构的一个小论点，我认为是持续学习。我认为会有一些算法领域会说，是的，持续学习成为算法的本质，在那里，是的，我确实希望我的推理环境能够更新我的模型权重，因为，你知道，这给了我越来越多的精细化，在工作负载迁移到那些不那么正式的训练环境中，或者在那些环境中是更小的数据集的情况下，不断演进。所以我不确定那是不是……

Raghu Raghuram：

但是你需要的节点数量才能有用，推理的直径比训练要小。

Guido Appenzeller：

今天来说确实如此。是的。

Guido Appenzeller：

我仍然认为从另一个角度来看，异构性可能扮演一定角色，那就是不同类型的AI工作负载需要非常不同的底层支持，有些更受算力限制，有些更受内存瓶颈限制。 我们也有小型扩散模型工作负载，对吧？其最优芯片与那种顶级的、拥有……抱歉，50万亿参数权重的LLM看起来非常不同，对吧？后者需要创建大规模集群。我认为这可能会推动异构化。

Pat Gelsinger：

是的，我认为这方面有一定的空间。是的，但我也要说，好吧，现在我在谈论在我的数据中心里让100万个GPU协同工作，对吧？你会说，好吧，对于那个特定的扩散模型工作负载，我确实应该放一些针对性优化的东西，对吧？所以我不会开始放，你知道，1000个那种进去，对吧？而对于那个工作负载，我需要，你知道，2000个这种，然后对于某些……突然之间，你知道，你就失去了规模带来的一些灵活性， 对吧？你会说，你知道，管理和升级、连接、故障域，所有这些事情要花我多少成本？

Guido Appenzeller：

智能体会做所有的升级工作。

Pat Gelsinger：

是的。是的，谢谢你。一切都变得简单了，太好了，我无所谓了。

第9章：能源容量等于经济容量

Raghu Raghuram：

好的，所以车队管理已经讲完了，我们讨论了计算、内存、网络，下一个是电力

Pat Gelsinger：

对对对

Raghu Raghuram：

你提到了芯片内部、芯片上的垂直供电。但我的意思是，还有800伏直流电、数据中心的电力传输，整个生态系统一直延伸到发电，以及相关的社会政治层面，等等。

Pat Gelsinger：

是的，是的。

Pat Gelsinger：

如果你从基本原则出发，我们国家在能源容量方面做得非常糟糕。基本上，我们经历了10到15年，在这段时间里，我淘汰煤炭的速度与增加可再生能源的速度基本持平。

Pat Gelsinger：

国家的整体能源容量基本上停滞不前，这非常不好，因为在人工智能数字时代，能源容量等于经济容量。 所以基本上，作为一个国家，我的经济容量在15年内停滞不前。如果你认同这一点——我认为这在过去五年中是非常可以证明的——我们看到了巨大的涌入，只是为了给我更多的容量。但我认为即便如此，我们国家的能源容量每年增长也只有大约4%，从基本上的0增长到1，对吧？哇，增长了4倍，或者说4%。所以对我来说，这是一个糟糕的局面，我们确实需要更多的能源容量。

Pat Gelsinger：

第一点，显然我们在这个领域有一些公司。

Pat Gelsinger：

我们谈到了核能，其中之一是与Alva合作运营的。我认为核能作为基础负荷是非常好的，我们希望继续建设更多。不幸的是，我们所有的可再生能源都深度依赖中国，这非常令人遗憾。你知道，燃气轮机的交货期目前只需要八年，对吧？所以，我们在快速扩张方面确实面临困难的环境，但首先，我们只是需要更多的容量。这从根本上制约了我们在AI领域能走多远，因为如果我无法为它供电，为什么还要建新的数据中心、购买数百万个GPU呢？我认为你会看到越来越多的数据中心项目出现违约，能源根本无法到位。

Raghu Raghuram：

所以你认为这将是一个重大阻力？

Pat Gelsinger：

我认为这将是一个阻力，而且我认为你已经开始看到一些早期迹象了。Oracle的那个评论，我认为那只是你将要看到的众多案例中的第一个。现在，这并不意味着我们会因此放慢脚步，但我认为人们会开始问：我真的有足够的能源来支撑我为水泥、数据中心机架和GPU采购所做的资本承诺吗？所以你认为这会成为一个上限？我们需要更多的能源容量，需要在这方面进行更多创新，需要在美国建立更多的供应链，核能是我的最爱之一。 美国上一次核反应堆投入使用是什么时候？

Pat Gelsinger：

是20年前了，对吧？我们就这样停止了一个非常有能力的行业。所以这是我们需要更多的领域之一，我们需要在电力传输方面变得更加高效。正如你所说，将数据中心迁移到800伏直流电是绝对必要的，要能够消除沿途许多转换步骤，这些步骤都是由于历史原因和标准化原因造成的。好吧，我们必须解决这个问题，800伏直流电，爱迪生的复仇来临了，我喜欢这么说。我确实认为，我们需要更好的电力转换。我们有几家公司，其中一家做垂直GaN，我认为这将是一项杀手级技术，能够在一个转换步骤中实现800到48、800到12，甚至800到5的转换，这样就能给你提供更多的能量。我们提到了

Raghu Raghuram：

固态变压器，你知道的。

Pat Gelsinger：

是的，所有这些，固态变压器、开关等等，重建整个电力传输网络。我认为这将会有很多创新，就好像，好吧，电力又变得酷了，对吧？然后你在冷却系统中也需要所有这些，对吧？所以会有一系列的创新，涡轮机、制冷剂，突然间它们又成为了令人兴奋的新技术。所以，对于我们所有的硬件人来说，这就像是一场文艺复兴就在我们面前，它将会……

Raghu Raghuram：

25年之后，我不得不回去重新学习卡诺循环

Pat Gelsinger：

卡诺效率，哦是的，这是好东西吗？热力学第一定律是如何对抗的。

Guido Appenzeller：

毕竟这里还有一些东西

Pat Gelsinger：

所以这将是一个令人兴奋的时代。但我们也说，我们需要改变物理规律，因为在过去五代Nvidia芯片中，CMOS在基本功耗、每太浮点运算功耗方面没有任何改善，完全停滞，这是不行的。这就是我们拥有超导公司Snow Cap的意义所在，它提供了从根本上改变物理规律的机会，功耗性能提升一千倍。所以我确实认为，这些创新在不久的将来也将到来。

第 10 章：面向智能体的 VMware

Raghu Raghuram：

在过去这一个小时里，我的时间管理做得很糟糕。有太多话题需要聊，我们没有涵盖到，但在结束之前至少要聊一个。

Pat Gelsinger：

好的，你来主导。

Raghu Raghuram：

好，我是这么想的。现在虚拟机又回来了。你怎么看待这件事，VMware 的未来走向？

Pat Gelsinger：

嗯，你知道……

Guido Appenzeller：

我感觉被排除在这个对话之外了。

Raghu Raghuram：

网络方面也聊聊。

Pat Gelsinger：

是的，我认为每一次创新都会引领出下一个抽象层，对吧？我觉得很多这些想法……你知道，我喜欢说，我们今天的世界有什么新东西？数据结构、算法、抽象……我们把它们追溯到那些基础性的东西。我认为虚拟机这个抽象概念，无论是从基础设施层面还是从应用层面来实现，它仍然是一个基础性的抽象模型，在计算层级中始终有一席之地。 那么，你们觉得呢？我们中有谁要回去重新运营 VMware 吗？

Raghu Raghuram：

是吗？要回到哪一年？

Pat Gelsinger：

是啊。你知道，我确实认为这些抽象概念……但你也要想想。就像我们在 VMware 做的事情，我们基本上管理了计算层级的每一个方面，管理工作负载、管理网络、管理存储系统。你怎么对这些进行抽象？在 AI 的语境下，当我们思考这些智能体的形态时——谁来管理这些智能体？谁来为所有智能体创建安全配置？谁来管理智能体的性能？本质上，虚拟化和管理的每一个基本要素都需要在这个下一代计算层级中被重新构建。会有很多优秀的公司在这方面取得突破，去实现这些事情。

Raghu Raghuram：

你想以网络话题来结尾吗？

Guido Appenzeller：

我想在虚拟机这个话题上再停留一会儿。对我来说最有趣的是，我们现在构建虚拟机是为了让智能体使用，而不是让人类使用。 我们从其他公司迄今看到的是，这会改变很多东西——产品形态会变，你的市场推广方式会变，比如你是否想让智能体来选择你的虚拟机产品，这会改变你能承受的复杂程度，会改变启动速度的要求。人类比智能体耐心得多。所以，如果今天要重建 VMware，它会有什么不同？

Pat Gelsinger：

是的，我确实认为……

Guido Appenzeller：

面向智能体的 VMware。

Pat Gelsinger：

是的。我也确实认为……你知道，需不需要同时有一个面向智能体的 VMware 和一个面向人类的 VMware 呢？

Guido Appenzeller：

我明白你的意思。是的。

Pat Gelsinger：

对。你知道，从某种意义上说，我还是需要人类来参与。

Guido Appenzeller：

我们还是聚焦在智能体上吧，它们现在比人类有趣多了。

Pat Gelsinger：

是的。但是，你知道，我认为这是一个重要的点，因为我确实觉得需要……我借用一下 Dario 的"宪法"概念，就是护栏，或者说能够设置策略。然后你就真的可以说，好，虚拟机的每一个方面，就像我们今天所熟知和喜爱的那样，现在都是在服务智能体，而不是服务硬件和人类。 所以我认为这就成了你的基本设计约束。

Pat Gelsinger：

在这一侧，你要思考：我怎么让智能体变得更好？怎么让它们更安全？怎么让它们性能更强？怎么对它们进行抽象？怎么迁移它们？所有这些问题，都会有新的实现形式，也就是面向智能体的新形态。但同时我也需要思考：人类如何来设置策略、编写"宪法"、获取仪表盘等等。 我认为这才是有趣的地方，因为你两者都需要做，而不是只做其中一个。我要说，就像我们当年为虚拟机所做的那些核心设计难题——是以高性能的方式为应用程序或操作系统抽象硬件——这里，为智能体抽象硬件和操作，是你真正要服务的根本所在。

Raghu Raghuram：

这次讨论非常精彩，非常感谢你的到来，我们下次再聊。

Pat Gelsinger：

两位都是我最喜欢的人，随时奉陪。

Raghu Raghuram：

好的。

Guido Appenzeller：

太棒了，谢谢。

Pat Gelsinger：

谢谢。

风险提示及免责条款

前三季基金业绩揭榜: 半导体吃肉、原油喝汤、医药复兴

资事堂·资文 — Sat, 10 Oct 2026 08:27:27 GMT

2026年前三季度，A股市场在半导体国产替代与AI算力浪潮的双重驱动下走出结构性行情，由此，公募基金业绩榜单（前三季）也随之呈现鲜明的"科技+资源"双主线格局。

根据官方公布的净值和收益水平，今年前三季度的主动权益基金中，易方达旗下的杨宗昌、汇安基金陈思余、诺安基金左少逸、财通基金金梓才等发挥较为出色，领涨全市场；

被动指数端，半导体材料设备主题ETF霸榜；QDII阵营则上演原油与半导体的"双雄对决"。以下为七大分类基金前三季度业绩全景。

主动权益基金：新名字占据潮头

主动型非货币基金前三季度冠军由杨宗昌管理的易方达供给改革基金超越年中的方正富邦吴昊和财通基金金梓才占得鳌头。

亚军也是杨宗昌管理的易方达产业机遇A，业绩增幅达到111.62%，两只产品均由杨宗昌掌舵，凸显其前期重仓半导体产业链，后期又及时调整的精准节奏（根据净值推测）。

第三名由陈思余管理的汇安趋势动力A获得，年内收益以96.66%位列第三，该基金一季度（Q1）即领跑同类（第12名），上半年（H1）升至第1，全程保持强势。

此外，左少逸管理的诺安创新驱动A（94.83%）从Q1的613名一路飙升至前三季第4名，后程发力显著；东方人工智能主题A（92.68%）、申万菱信智能驱动A（89.38%）等AI主题基金同样表现亮眼。

上半年全面业绩领涨的金梓才，继续保持着多点开花的节奏：财通多策略福鑫（85.30%）、财通匠心优选一年持有A（82.79%）、财通景气甄选一年持有A（78.53%）、财通成长优选A（76.91%）四只产品齐入前20，形成"财通科技军团"。

附图：主动非货基金前三季排名靠前者

股票型基金：医药批量复苏

股票型基金（主动型）的排名则较为清晰，领跑者就是年内亚军汇安趋势动力A（陈思余管理，年内收益96.66%），不过它的H1收益率高达163.21%，为全市场主动股票型之最，此次虽然排名未动，收益率已然大幅回撤。

另外，卜忠林管理的申万菱信智能驱动与刘力管理的华商改革创新A分列二、三位。

此后还有王先伟的创金合信专精特新和金梓才的财通集成电路。

股票型基金榜单呈现鲜明的双寡头特征，半导体基金与医药基金“共治”天下：

半导体方向，除前三名外，国寿安保数字经济（吴坚，62.12%）、景顺长城全球半导体芯片产业（63.78%）、国富亚洲机会A（61.70%）等都是业绩靠前的。

医药方向这边，招商前沿医疗保健A（李佳存，61.78%）、招商医药健康产业（61.08%）都进入了前20，而且两者的上半年收益率仅10%左右，凸显了其三季度的强势表现。

附图：股票型基金前三季排名靠前者

混合型基金：科技风景这边读好

主动型混合型基金冠军为易方达产业机遇A（杨宗昌，111.62%），与主动权益冠军同源。另外，东方人工智能主题A（严凯，92.68%）、国泰半导体制造精选A（彭凌志，85.41%）、银华集成电路A（方建，83.88%）分列二至四位、

另外，王悦的民生加银聚优（81.98%）、华商均衡成长A（张明昕，74.87%）、华夏移动互联美元现汇（78.95%）、建信新兴市场优选A（74.93%）等基金表现突出

与股票基金不同，这边还是半导体主题的基金占据半壁江山。

另外，财通系金梓才再度成为最大赢家：财通匠心优选一年持有A（82.79%）、财通景气甄选一年持有A（78.53%）、财通品质甄选A（76.35%）三只产品齐入前十。

指数型基金：半导体材料霸榜，中韩半导体跨境亮眼

指数型基金前三季度榜单几乎被半导体材料设备主题ETF垄断。

鹏华科创板半导体材料设备主题ETF（林嵩，82.43%）居首，华夏上证科创板半导体材料设备主题ETF（杨斯琪，81.95%）与华泰柏瑞上证科创板半导体材料设备主题ETF（李沐阳，81.78%）紧随其后，三只产品H1收益率均超169%。

从排名变动看，鹏华ETF从Q1的574名飙升至半年末和三季末的第1名；华夏ETF从565名升至第2名，后程发力特征显著。

跨境指数基金方面，华泰柏瑞中证韩交所中韩半导体ETF（75.25%）表现突出，反映韩国半导体产业链的景气外溢。

整体而言，半导体材料设备主题还是2026年前三季度被动投资的最强主线。

债券型基金：华商系张永志包揽前三，可转债"先抑后扬"

债券型基金冠军为华商瑞鑫定期开放（张永志，26.64%），华商可转债A（26.30%）与华商稳定增利A（18.82%）分列二、三位，华商系张永志一人包揽前三，堪称年内的“债基之王”。

值得关注的是华商可转债A的“先抑后扬”：一季度收益为-4.48%（同类排名7654名），H1飙升至40.74%（第3名），前三季累计26.30%，展现出可转债品种在权益市场回暖下的高弹性。

此外，财通收益增强A（15.98%）、易方达丰和A（12.39%）、华商稳健双利A（12.18%）等"固收+"产品表现稳健。

QDII基金："双雄对决"局面

QDII基金前三季度呈现原油与半导体两大阵营的对决。

原油阵营中，易方达原油A美元现汇（殷春涛，86.47%）居首，南方原油A（张其思，80.80%）、易方达原油A人民币（78.66%）、嘉实原油（75.38%）紧随其后。

上述基金的Q1收益普遍超59%，到三季度末已经都上周涨到了75%以上，反映国际油价上半年的强势。

半导体/科技阵营中，华夏移动互联美元现汇（78.95%）、华泰柏瑞中证韩交所中韩半导体ETF联接A（77.50%）、建信新兴市场优选A（74.93%）、国富全球科技互联美元现汇A（68.80%）表现突出，H1收益率普遍超96%，反映全球半导体与科技互联的景气共振。

两大阵营"双雄并立"，成为QDII市场最鲜明的特征。

FOF基金：易方达系垄断前十，养老目标产品亮眼

FOF基金前三季度榜单几乎被一家公司垄断：

易方达优势驱动一年持有A（张浩然，35.58%）居首，易方达优势领航六个月持有A（34.10%）、易方达优势价值一年持有A（33.97%）分列二、三位，易方达优势回报A（26.51%）、易方达优势风华六个月持有（23.04%）亦跻身前五。

值得注意的是，易方达养老目标日期2055五年持有Y（19.77%）、易方达汇裕积极养老目标五年持有Y（17.96%）等养老目标产品表现亮眼，反映FOF与养老投资领域的密切关系。

非易基金中，交银智选星光A（17.51%）、汇添富聚焦价值成长三个月持有（17.32%）表现相对突出。

2026年前三季度，公募基金业绩呈现"科技+资源+医药"的新主线格局，这个变化会孕育未来怎样的草蛇灰线，值得后续密切跟踪。

风险提示及免责条款

特斯拉欧洲改称“TAD”，辅助驾驶的边界仍待审批厘清

Sat, 10 Oct 2026 08:23:37 GMT

特斯拉坚守了十年的“FSD”，在欧洲还是更名了。

当地时间10月9日，特斯拉德国、比利时和丹麦官网已将原称“完全自动驾驶（监督版）”的功能改称“Tesla Assisted Driving”（TAD，特斯拉辅助驾驶）。

名称换了，车辆并未因此获得在欧盟全境使用该功能的许可。特斯拉官网仍注明，功能只能在取得监管批准的市场启用。

这次更名有明确的监管背景。德国联邦交通部10月6日发表声明称，交通部长比尔格9月曾与特斯拉会谈，特斯拉已提出将系统改名。

声明同时指出，“Full Self-Driving”容易使人误以为系统能够承担全部驾驶任务；实际上，系统可以辅助加速、制动和转向，驾驶员仍须始终保持注意，并对驾驶负责。比尔格表示将支持继续推进欧洲审批。

名称之争涉及驾驶员如何理解功能边界。一套能在城市道路完成转弯、变道等动作的系统，容易让使用者把“持续监督”理解为偶尔接管。

荷兰车辆管理局RDW在批准文件中专门说明：车辆并非自动驾驶，驾驶员必须参与驾驶，随时准备控制车辆。将“辅助”写进名称，有助于使产品表述与这一责任划分一致；它本身并不能证明系统已通过所有安全审查。

审批路径也解释了为何欧洲各国进度不同。

RDW于4月10日给予该系统临时批准，丹麦随后认可了荷兰的批准。按照丹麦交通主管部门的说明，其他成员国可以分别作出认可；要在欧盟全境通用，仍须完成欧盟层面的程序。特斯拉目前列出的已开放欧盟市场包括荷兰、丹麦、比利时等八国，德国不在其中。

此前特斯拉称，10月6日可能进行欧盟范围投票；该次技术委员会会议的议程草案仅列出“继续讨论荷兰提出的第39条核准请求”，没有列出表决，也未点名特斯拉。按现有会议安排，12月是下一次可能讨论表决的时间。

巴黎车展将提供另一处观察场景。车展官网称，10月12日开幕的展会将设置开放道路试乘项目；小鹏公告显示，参加这一项目的车企只有小鹏与特斯拉，小鹏称这将是其NGP首次在中国以外大规模面向公众试乘。

改名之外，德国与特斯拉还讨论了系统速度设置和驾驶责任。德国交通部称，双方就系统相对限速最多高出10%的方案达成理解，驾驶员仍对安全驾驶负责。

RDW则指出，欧洲和美国车辆使用的软件版本及功能不能一一对应。这意味着，判断系统能否在欧洲扩大使用，仍需着眼于当地版本及其适用规则。

中国市场也需要区分已推送的功能与后续开放的能力。2025年2月，特斯拉向中国车主推送了城市道路辅助驾驶更新；但截至目前，其中国官网的Model Y订购页虽提供“特斯拉辅助驾驶”选装包，仍注明该功能“稍后推出”。

对特斯拉而言，更多国家获批意味着辅助驾驶软件有机会覆盖更大的现有车主群体。尤其是在欧洲市场，面对来自中国品牌愈发激烈的攻势，特斯拉亟需FSD建立起自己的技术招牌。

对行业而言，这一过程也提供了一个观察窗口，功能持续通过软件更新演进时，车企仍需向用户讲清每个市场实际开放了什么、驾驶员必须做什么，并让监管机构审查相应版本。

TAD的名称已经调整，欧盟范围内的使用边界，还要等待审批结果来确定。

风险提示及免责条款

花旗：法国财政风险或令欧央行12月后暂停加息，欧元料跌破1.10

Sat, 10 Oct 2026 07:39:15 GMT

花旗在最新报告中提出了一种不同于市场主流预期的判断：法国公共财政风险可能制约欧洲央行进一步收紧货币政策。如果财政压力持续加剧，欧央行可能在12月加息后暂停行动；若金融压力提前蔓延至欧元区其他国家，暂停加息的时间还可能更早。欧元兑美元也可能因此跌破1.10。

花旗利率策略师指出，欧央行利率预期与法国、德国国债收益率之差之间的关系已经逆转，反映出市场对进一步收紧货币政策的态度正在发生变化。随着法国财政风险上升，投资者可能越来越担心，进一步加息会加剧金融条件收紧。

汇率市场可能率先反映这一变化。花旗外汇策略师认为，如果欧元跌破两年期利差所对应的公允价值，欧元兑美元可能下探1.10。花旗的两年期估值模型显示，若欧元区与美国的两年期利差收窄50至75个基点，即使欧元没有进一步偏离公允价值，汇率也可能降至1.1075至1.1000区间。

花旗将做多美联储利率、做空欧央行利率列为首选交易策略，即押注欧央行利率预期相对美联储进一步下修。尽管市场目前几乎已完全消化欧央行12月加息的预期，并计入2027年接近两次加息，但花旗认为，法国财政风险可能促使投资者重新评估欧央行的政策路径，为相关交易留下50至75个基点的调整空间。

法国财政风险开始影响欧央行政策预期

花旗的核心判断是，法国财政风险可能通过金融条件影响欧央行的政策选择。随着法国国债风险溢价上升，欧元区整体融资环境可能趋紧。如果压力进一步波及其他高负债成员国，欧央行继续加息的代价也将随之上升。

这意味着，即便通胀压力仍然存在，欧央行也未必会按当前市场预期持续加息。财政风险引发的金融市场波动，可能成为影响其政策路径的重要变量。

利差收窄或令欧元跌向1.10

花旗预计，欧央行相对美联储的利率预期仍有50至75个基点的下修空间。按照其两年期估值模型，如果欧元区与美国的两年期利差收窄50至75个基点，欧元兑美元可能降至1.1075至1.1000区间，即使没有额外的汇率超调。

这一判断的关键在于，市场目前仍在为欧央行继续加息定价。如果法国财政风险促使投资者下调对欧央行利率峰值的预期，而美联储的政策预期没有出现同等幅度的变化，欧美利差收窄就可能进一步压低欧元汇率。

花旗押注欧央行利率预期相对走低

花旗首选的交易策略，是做多美联储利率、做空欧央行利率，押注两者之间的利率预期差进一步向有利于美联储的方向变化。

花旗认为，即使伊朗局势缓和，这一策略仍有吸引力。地缘局势缓和、大宗商品价格回落，可能支撑法国股市、国债和欧元，从而降低直接做空这些资产的吸引力。但法国财政风险对欧央行政策预期的影响，未必会随能源价格回落而消失。

接下来，法国财政风险如何演变，以及欧央行12月会议是否会释放放缓紧缩步伐的信号，将成为检验花旗这一判断的重要观察点。

风险提示及免责条款

靠定增赚了数百亿的人，又把钱拍在了桌面上

资事堂·暮延 — Sat, 10 Oct 2026 07:08:52 GMT

大腕出手，志在必得。

10月8日晚，新材料龙头中材科技发布定增公告：以51.40元/股向15名对象定向增发8718.19万股，合计募资44.81亿元。

消息一出，最引人注目的名字，不是易方达，不是国寿养老，而是——葛卫东。

这位私募大佬，以全场最高报价强势入局，最终获配1361.87万股，斥资约7亿元，一举跻身公司第五大股东。

他曾在沐熙股份、兆易创新等科技股上分别斩获上百亿元浮盈，但最终却把最新的“重拳出击”放在了一个材料股上。

这着实出人意料。

报价最高，志在必得

中材科技这次定增，来“抢”的机构和投资者着实不少。

9月下旬申购报价阶段，共有25名投资者提交有效报价，覆盖头部公募、险资、券商资管、外资及知名个人投资者，阵容堪称豪华。

最终，中材科技以51.40元/股完成发行，15名对象入围，合计斥资44.81亿元。

葛卫东的报价策略颇为强势——他分三档报价：59.15元、57.85元、56.55元，对应认购金额分别为3亿、4亿、7亿元。

其中59.15元，是25家申报者中全场最高价。

这个姿态，已经无需多言。

最终，他按顶档7亿元全额获配，拿下1361.87万股，限售期6个月。

名家云集的配售名单

除葛卫东外，此次定增的配售名单同样星光熠熠。

易方达基金以10.22亿元成为最大认购方；近两年业绩亮眼的财通基金拿下4.85亿份额；诺德基金获配4.27亿元。

险资方面，国寿养老、大家资产悉数现身；券商资管方面，华泰资产、上海国泰海通资管各有斩获；外资UBS AG获配1.38亿元；国家军民融合产业投资基金二期亦参与认购。

知名个人投资者钟革、陈学赓各获配约1亿元。

中材科技大股东中国建材集团旗下的中建材联合投资公司，则认购了8.20亿元，锁定期长达18个月。

这份名单，本身就是一种信号。

为什么是中材科技？

资本聚焦于此，答案无外乎两点：公司质地，以及价格。

质地层面，中材科技是中国建材集团旗下的新材料核心平台，聚焦特种纤维、复合材料、新能源材料三大赛道，旗下子公司泰山玻纤是国内玻璃纤维行业龙头。

业绩层面，公司正在提速。2026年上半年，营收162.57亿元，同比增长21.95%；归母净利润12.08亿元，同比增长20.93%；扣非净利润10.95亿元，同比增长35.54%。

另外，中材科技还踩中了眼下热门的AI叙事。

子公司泰山玻纤主营玻璃纤维及制品，其中与AI关联的特种纤维布，2026年上半年销量达1345万米、收入5.3亿元，同比分别增长50%和114%。

公司在半年报中透露增长原因：

AI算力需求叠加供给缺口，特种纤维布供不应求。

另外，此次募集的44.81亿元中，将有16.62亿元投向年产3500万米低介电纤维布项目，14.75亿元投向年产2400万米超低损耗低介电纤维布项目。

两个项目均属特种纤维布范畴，也就是说，后续中材科技有更多的需求会与AI相关零部件的行业挂钩。

成本优势并不明显

不过，葛卫东此次参与定增的成本优势并不明显。

葛卫东参与配售的价格是51.40元/股。10月8日当天，中材科技收盘价52.01元，以此计算，葛卫东账面浮盈幅度仅为约1.2%。

而10月9日定增公告后的首个交易日，中材科技开盘52.96元，盘中最低探至49.24元，最终收于51.92元。

按收盘价计算，葛卫东账面浮盈进一步缩减到约1%。这还没有考虑，中材科技的股价在盘中一度跌破他的成本线。

然而，参与定增出现短期浮亏乃至微利，在葛卫东的历史记录里并不罕见。

让他赚得盆满钵满的兆易创新、西藏药业，起初都经历过漫长的浮亏煎熬，最终靠长期持有等来了爆发。

这一次，他大概率也不会在意短期的账面涨跌。

定增"封神"之路

在A股投资史上，葛卫东或许是参与二级市场定增赚钱最多的个人投资者之一。

他的战绩，足以单独写成一部传奇。

兆易创新，是他"定增封神"的代表作。

葛卫东自2018年起在二级市场建仓（预测成本约70元/股），此后两度重仓参与定增：

2019年8月：以75.47元/股，斥资约3.8亿元认购503.51万股；

2020年6月：以203.78元/股，豪掷15亿元再度认购约736万股。

此后，他的持股经历堪称一场漫长的"过山车"：2021年年中股价最高升至230元以上，2024年初又跌至55元低位——但葛卫东的底仓，基本纹丝未动。

转折点出现在2025—2026年。

AI算力浪潮带动存储周期反转，兆易创新业绩爆发。2026年上半年，归母净利润预告约69亿元，同比增幅约1099%。

2026年6月29日，兆易创新股价创出846.66元历史新高。

按市场测算，葛卫东家族（含配偶王萍）合计持股约2400万股，累计投入约36.8亿元，高位浮盈一度突破130亿元。

西藏药业，是让他"名声大噪"的另一战。

2017年5月，葛卫东以36.48元/股参与定增，耗资约1.06亿元。此后逆势加仓，持有三年。

2020年7月，西藏药业攀上88.40元高峰，定增部分浮盈非常可观。

外界对此的评价是："浮亏三年，暴赚十亿。"

近年参与的景嘉微，葛卫东2023年参与定增，阶段性浮盈超50%。

但这些，都不如他在一级市场（PreIPO）的那一笔来得惊人。

沐曦股份，葛卫东通过个人账户和旗下混沌投资，自2022年起多次增资或受让股份，累计投入超十亿元。

2025年12月17日，沐曦股份登陆科创板，首日暴涨692.95%，盘中一度触及895元。

按最高价计算，葛卫东及混沌投资持股价值一度超240亿元，浮盈超200亿元。

当然，葛卫东的定增投资，也同样踩过坑。包括江淮汽车、思瑞浦、铂力特等。

所以，高手不是不会亏，而是赚的时候，会赚得足够多。

复制哪一个结局？

这一次，葛卫东把7亿元拍在了中材科技的桌面上。

还是成本优势不明显，还是短期浮盈微薄，但这次和他一起在定增名单里蹲的，是这个市场上一大批知名机构。

他们看中的什么，各自有何投资逻辑，外界并不知晓，他们成功与否外界也无法推测。

结果如何，时间会给出答案。

风险提示及免责条款

苹果iPhone Duo加单30%，iPhone 18 Pro系列总订单量未变

证券时报 — Sat, 10 Oct 2026 06:13:26 GMT

10月10日，证券时报记者独家从苹果供应链方面获悉，苹果公司结构性调整2026年秋季手机新品订单量：对iPhone Duo加单30%，但总量仍未超过1000万台，并对iPhone 18 Pro砍单10%—15%，同时对iPhone 18 Pro Max加单10%—15%，iPhone 18 Pro系列总订单量未变。“这意味着销量在往更高价值产品倾斜，所以整体利好苹果供应链公司业绩。”苹果供应链人士对记者表示。

风险提示及免责条款

ASML零部件价格全线上调10%，三星SK海力士接受涨价，半导体设备成本压力蔓延

Sat, 10 Oct 2026 06:01:44 GMT

全球最大半导体设备制造商ASML宣布对韩国客户实施零部件价格全线上调10%，三星电子与SK海力士已接受这一方案，涨价将于明年1月起正式生效。这标志着半导体设备供应链的定价权正加速向供应商一侧倾斜，行业成本压力持续扩散。

据韩国科技媒体The Lec报道，ASML总部于上月初通过韩国法人向三星和SK海力士发出涨价通知，经双方采购部门协商后确认。此次涨价覆盖EUV与DUV光刻机的全部零部件，包括定期采购的消耗性部件，以及因故障或性能下降而需更换的核心组件，涉及光学系统、光源、精密驱动装置等。

此次全线一次性上调10%被业界视为异常举措。ASML此前通常仅在原材料价格大幅上涨或特定材料采购困难时对个别零部件进行单独调价。与此同时，ASML正与主要客户就新设备价格上调展开谈判，设备本体涨价预期也在升温。业界普遍认为，三星和SK海力士接受涨价后，其他设备与零部件供应商的提价要求将获得更大支撑。

ASML零部件涨价：覆盖范围广，时机罕见

此次涨价范围涵盖ASML供应韩国市场的所有替换用设备零部件，EUV与DUV光刻机均在其列。从定期更换的消耗品到关键结构件，价格将于2026年1月起统一上调10%。

ASML将安装于客户工厂的设备服务、零部件及升级业务单独核算。2024年该业务收入达81.93亿欧元，占公司总营收326.67亿欧元的约25%。ASML预计今年这部分收入将增长逾30%。

一位半导体行业人士表示，零部件构成要素的整体成本确实有所上升，但ASML此举也有在客户盈利改善之际提升自身利润率的考量。

设备本体涨价谈判同步推进，TSMC态度存分歧

在零部件之外，新订单设备的价格上调同样在酝酿之中。ASML目前正与主要客户就设备价格上调进行磋商。

据The Information此前7月报道，ASML已通知中国半导体企业等客户，DUV设备价格将上调10%，部分客户已接受。然而，作为ASML最大客户的台积电据悉对设备涨价持反对立场。

三星和SK海力士率先接受零部件涨价，被业界解读为一个重要信号——在供需格局已然逆转的背景下，大型客户的议价空间正在收窄。

涨价潮蔓延，多家设备巨头跟进

ASML并非孤例。半导体设备领域的涨价趋势已在多家头部企业中蔓延。

美国应用材料公司在今年8月的业绩发布中表示，新产品与现有产品价格均已提升。日本东京电子在7月末的业绩说明会上表示，正推进包括在售设备在内的价格调整，以应对成本上升压力。美国等离子电源设备商Advanced Energy也宣布对部分产品线提价。

供需失衡是核心驱动力

此轮涨价潮的根本原因在于供需结构性失衡。AI数据中心投资热潮带动存储与晶圆代工厂商同步扩产，设备与零部件订单集中涌入，而供应商扩充产能需要时间。与此同时，通胀与原材料价格上涨也推高了供应商的成本负担。

这与过去半导体厂商凭借采购规模优势压低供应商单价的格局形成鲜明对比。当前，供应商的价格谈判能力已显著增强。

一位行业人士指出，大规模扩产正在实际落地，设备与零部件已进入供应短缺阶段，随着晶圆投入量持续增加，耗材领域也将出现大规模供应缺口。

风险提示及免责条款

素人IP混战的2026年，TOP TOY押注的小玉能否拿到大结果？

Sat, 10 Oct 2026 05:29:11 GMT

国庆假期，上海嘉善路的一栋老洋房外排起长队，消费者往往需要等待一两个小时才能进店。

吸引人们的是一个黑发、满脸雀斑、留着狗啃刘海的小女孩——yuy玉，粉丝们更习惯叫她“小玉”。

这个从小红书走红的原创IP，国庆期间与Parlid拍立得联手打造主题空间，推出联名相纸、影像体验及创意周边。

相距不远的富民路，另一场小玉主题店同期营业。二楼阳台上，巨大的小玉形象探出身子，俯瞰着楼下排队等候的人群。

上海富民路yuy玉慢闪 10月6日下午摄

小玉在线下受到的热烈追捧背后，离不开名创优品旗下TOP TOY的推动。

2025年底，TOP TOY投资控股小玉所属公司“广州角闪石族艺术文化有限责任公司”。

此后，小玉在多地商场的中庭快闪中创下千万元级销售成绩，还相继与华为、CASETiFY、奈雪的茶、麦当劳等品牌推出联名产品，成为“素人IP”商业化的突出案例。

但押中小玉，并不意味着TOP TOY已经掌握了批量制造爆款的方法。

一位接近名创的IP行业投资人告诉华尔街见闻·全天候科技，小玉的成功有清晰的运营方法，却也叠加了市场周期、粉丝结构与产品节奏等难以复制的偶然因素。

小玉的“草根生长”

与依靠影视、动画或商业机构集中推广的传统IP不同，素人IP通常由个人创作者发起，先通过社交平台持续更新内容、与用户互动积累粉丝，再逐步进入商品开发与商业运营体系。

它们未必拥有完整的故事和世界观，却能凭借鲜明的形象与情绪表达，和粉丝建立长期联系。

2025年初，00后创作者“角闪石族族长”在小红书推出了小玉。这个有着雀斑、红鼻头和不规则刘海的小女孩，出现在一幅幅关于日常生活、情绪表达和自我接纳的插画中。

创作者持续更新作品、回复评论，小玉也逐渐成为粉丝日常生活中的情绪寄托。约三个月后，小玉积累了超过5万粉丝，不到一年突破30万。

上述IP行业投资人告诉全天候科技，小玉早期并未急于大规模铺货，通过商场快闪、IP授权和特定渠道销售积累市场反馈，降低了过早押注单一IP的库存风险。

“它的逻辑是先IP火了，再有货物出来，而不是IP还没有被消费者认可，就做一大堆货出来。”他说。

2025年5月，小玉在成都非标商业空间COSMO三楼画廊举办首次线下展览。

由于现场反响热烈，COSMO随后将其移至一楼中庭举办大型快闪，吸引大量粉丝和代购到场，商品多次售罄。

进入2026年，小玉的限时主题店陆续落地上海、杭州、北京等核心商业体。

4月10日，上海五角场合生汇华东首站快闪开业，热门商品仅五分钟便售罄。活动首日，商场整体客流达11万人次，次日增至16万人次，同比分别增长10%和29%。

6月，小玉相继进驻杭州中心、北京朝阳合生汇。杭州项目日均销售额突破20万元，北京项目开业约一个月销售额突破千万元。

除了经营节奏，小玉原生粉丝的消费与传播习惯，也为后续商业扩张提供了条件。

另一位接近TOP TOY的人士告诉全天候科技，小玉的核心消费者以年轻女性为主，其中不乏穿搭博主、生活方式KOL和热衷二次创作的普通消费者。

她们不仅购买周边，还习惯将小玉挂在包上、融入日常穿搭，再拍照分享到社交平台。小玉的传播由此不再只依赖创作者更新，而是不断出现在粉丝自己的生活内容中。

鲜明的粉丝画像，也为小玉拓展品牌合作创造了条件。

2026年2月，小玉先后与MEDM、CASETiFY合作，进入潮流服饰和数码配件领域。

此后，联名逐渐扩展至家居、智能设备和大众餐饮，合作对象包括华为、奈雪的茶、麦当劳等品牌。

在与麦当劳的合作中，麦当劳在全国500家指定门店发起了线下穿搭互动。消费者购买指定套餐后，可以通过缤纷穿搭参与体验，进而获得小玉限定周边。

通过这些合作，小玉为合作品牌连接了一批愿意主动传播内容的年轻消费者，同时也借力合作品牌的营销资源和零售渠道，进入了原有粉丝圈层之外的消费场景。

半年多时间里，小玉已完成十余次跨品牌联名。

上述投资人介绍，对于知名度尚在积累期的新IP，早期授权通常难以直接收取高额固定版权金，部分合作往往采用销售分成或资源置换的方式，优先争取品牌的推广资源与渠道支持。

随着影响力扩大，IP方将逐渐拥有更强的授权议价能力。

9月25日，小玉“Beautiful Girl”系列毛绒盲盒及周边正式在TOP TOY全渠道上线。此前，小玉的部分商品已在个别门店销售，此次则进一步扩大到常规零售网络。

TOP TOY北京合生汇门店摄

从限时主题店、品牌联名到全渠道铺货，小玉开始将前期积累的粉丝热度，交给更大规模的商品供给和零售体系承接。

爆款背后的机缘

小玉的走红，恰好发生在潮玩行业经历周期下行、审视增长成本的时候。

2026年上半年，泡泡玛特收入同比增长23.8%至171.73亿元，归母净利润增长10.1%至50.38亿元，增速明显放缓。

同时，泡泡玛特存货同比增长168.4%，由2025年6月底的22.74亿元增至61.02亿元；存货周转天数则由上年同期的83天大幅拉长至201天。

名创系同样面临增长与成本之间的压力。

今年上半年，TOP TOY收入同比增长32.7%至9.85亿元，分部经营结果却由上年同期盈利5103万元转为亏损7234万元。

母公司名创优品的IP授权费同比增长近48%，推广及广告费用增长约46%。

消费者并非不再购买潮玩，但随着商品开发、营销和渠道投入不断增加，押注新IP的成本与风险也在上升。

尤其是缺少稳定消费基础的新角色。提前大规模生产可能形成库存负担，谨慎备货又可能错过销售窗口，企业很难判断一个形象究竟会不会走红。

上述投资人告诉全天候科技，2026年上半年，不少潮玩企业仍在消化此前积累的库存，对推广新IP更加谨慎。加之营销资源趋紧、用户注意力分散，部分品牌对签约单一新IP的意愿有所下降。

“上半年整个市场不缺商品，缺好IP。”他说。

正是在这种行业不敢盲目砸钱的谨慎期，小玉踩中了难得的时间窗口。

作为一个已经在前端积累了原生粉丝、经过社交平台低成本验证的素人IP，它恰好填补了市场对新鲜优质IP的渴求。

据上述接近TOP TOY的人士向全天候科技透露，公司今年第二季度明显加大了对小玉的商业化投入。

但如果拆解TOP TOY当时的资源版图就会发现，小玉的爆火更像是一场“意料之外的惊喜”，而非一套被预先精准规划的造星流水线。

事实上，TOP TOY今年最核心、规模最大的营销资源，依然投向了更具确定性的“明星代言”。

今年4月，TOP TOY宣布赵露思成为品牌首位全球代言人，并围绕旗下糯米儿等IP展开营销。5月，品牌在曼谷推出赵露思应援主题店；

7月，又借势其澳门演唱会，设置限定小卡、换卡互动和主题打卡活动，将明星粉丝的关注引向潮玩商品和线下门店。

借势明星，是潮玩企业在爆款难以预测时，购买“确定性”的标准动作。

无论是王一博与奇梦岛、王俊凯与JOTOYS，还是赵露思与TOP TOY，本质上都是在拿明星既有的庞大流量为商品兜底。

这种模式安全、可复制，但潮玩在其中充其量只是流量变现的中转载体。

反观小玉，它的爆发路径背后是某种不可复制性。

如果小玉的快闪与联名模式可以被公式化量产，潮玩公司也就无需将天花板级的资源砸向明星营销来寻求安全感。

高频快闪、素人起步、跨界联名、少女社群……这些看似清晰的经营范式，终究都是事后倒推出来的归纳。

正如泡泡玛特创始人王宁曾坦言LABUBU在全球范围内的爆红完全超乎预料一样——一个IP究竟能不能成为爆款，归根结底依然带有“玄学”意味。

一个爆款远远不够

小玉为TOP TOY增加了一个成功样本，但对于仍在寻求独立上市的TOP TOY，以及不断扩大IP零售布局的名创系而言，一两个爆款远远不够。

事实上，TOP TOY押注的远不止小玉。

2025年9月首次向港交所递表、2026年3月底再次递表期间，TOP TOY通过控股原创团队、设立合资公司及内部开发等方式，不断扩大自有IP储备。

招股书披露的股权架构中，东莞海创文化、东莞果然有趣、深圳存糖口袋、广州角闪石族艺术文化等多家IP相关企业，均由TOP TOY持股51%，涉及糯米儿、霉霉、尼尼莫、小玉等原创角色。

其中，糯米儿2025年销售额突破2亿元。TOP TOY围绕其推出多个主题快闪，并在重庆开设主题店；霉霉、FOFO等角色也相继拥有独立主题店。

2026年，公司又与赵露思共同开发原创IP SISI，尝试借助明星影响力培育新角色。

从整合成熟团队、投资素人创作者，到与明星共同开发角色，TOP TOY已经尝试了不同的IP培育路径。

截至今年6月底，公司自有IP超过30个，但公开披露中获得突出销售成绩的角色仍然有限。

今年上半年，TOP TOY收入增长32.7%至9.85亿元，分部经营结果却由上年同期盈利5103万元转为亏损7234万元。

不断扩大的IP储备，仍然需要转化为销售和利润。

这一课题同样摆在母公司名创优品面前，只是后者已经有了更大规模的成功样本。

近期，名创优品宣布自有艺术家IP YOYO前三季度GMV突破10亿元。

自2025年6月推出首款产品以来，YOYO已进入全球53个国家和地区，背后是集团全球门店网络和集中营销资源的支持。

今年上半年，名创优品完成189家门店调改，调改后店效同比增长近一倍；上海MINISO LAND全球壹号店开业九个月销售额突破1亿元，乐园系门店坪效约为普通门店两倍。

这类乐园系大店通常由名创优品率先直营打样，通过3至6个月的运营验证单店盈利模型，再寻找加盟商接手。

叶国富甚至提出，要让同一商圈的乐园系门店销售额达到甚至超过泡泡玛特。目前，名创优品国内约有100家乐园系门店，长期规划达到1200家。

YOYO的形象已出现在MINISO LAND广州壹号店，名创优品与TOP TOY还计划在北京三里屯布局旗舰大店，进一步扩大IP零售渠道。

理想情况下，大店与原创IP能够相互赋能：门店为新角色提供曝光和销售渠道，成功的原创IP则反过来吸引客流，并减少对外部授权的依赖。

但目前能够形成稳定销售规模的自有IP仍然有限，名创优品仍需借助外部授权支撑商品供给。这也意味着持续的成本投入。

今年上半年，名创优品集团收入增长22.4%，剔除汇兑损益的经调整净利率同比降1.7个百分点至10.6%。

同期，公司IP授权费增长近48%至3.56亿元，推广及广告费用增长约46%至3.83亿元，均快于收入增速。

名创优品曾提出未来十年推动100个IP走向全球的目标。如今，YOYO验证了集中资源培育原创IP的商业潜力，小玉则展示了从社交平台发现新角色的可能。

但个别IP的成功，还不足以支撑持续扩张的渠道网络。

对名创系而言最棘手的问题始终是：大店可以按照计划扩张，爆款却无法按照计划制造。

风险提示及免责条款

大模型价格战：OpenAI和Anthropic掀桌了，国产模型面临最强压力？

Sat, 10 Oct 2026 05:28:02 GMT

Anthropic 发布 Claude Haiku 5.5，把 10 万 token 以内请求的输入价定为每百万 0.10 美元，正好和OpenAI两周前推出的 GPT-6 Luna 分毫不差，也比自己的上一代 Haiku 4.5 便宜九成。

港股两家纯模型公司应声重挫，MiniMax 盘中跌幅扩大到 10%，智谱跌 6%。这不是一次普通的降价。它意味着过去两年由中国厂商焊死的那条"性价比斩杀线"，被美国厂商用同一套武器反向接管了。

这一轮价格战的性质与 2024 年完全不同——2024 年打的是工程效率，2026 年打的是资本与供应链特权。智谱与 MiniMax 的受挫，表面是价格战冲击，实质是估值倍数与商业模式的双重重估。下一阶段需要盯住各家大模型的毛利率。

AI要钱、欧美政府也要钱！全球“资本争夺战”打响，债券风暴才“刚刚开始”

董静 — Sat, 10 Oct 2026 05:18:31 GMT

AI，正在疯狂借钱。

美国政府，也在疯狂借钱。

欧洲政府，同样缺钱。

而过去几十年，给全世界“输血”的日本资金，正在变得越来越挑剔。

一边，是SpaceX、博通、甲骨文，不到一周就要融资超过1500亿美元。

另一边，是美国一年接近2万亿美元的财政赤字，要靠发债填坑。

法国也要创纪录发债。

但买债的人，却没有以前那么多了。

结果就是：

AI巨头和各国政府，开始抢同一池的资本。

谁愿意出更高利率，谁才能拿到钱。

这就是为什么，美债收益率在高位不下来。

为什么法国国债开始被抛售。

为什么垃圾债利差突然飙升。

更危险的是，压力可能从国债传到企业债，再传到房贷、消费贷和实体经济。

十年期美债收益率逼近5.4%，AI光环难掩标普500"虚胖"隐忧

Sat, 10 Oct 2026 03:54:42 GMT

美股表面风平浪静，水面之下暗流涌动。十年期美债收益率本周逼近5.4%，创2002年以来新高，布伦特原油徘徊于每桶100美元上方，金融市场正在经历一场被科技巨头光环所遮蔽的广泛撤退。

标普500指数本周创下历史新高，但这一纪录背后隐藏着极度脆弱的市场基础——仅约30%的成分股交易于50日均线之上，是彭博自1990年有数据以来，所有创纪录交易日中市场参与度最低的一次。

与此同时，罗素2000小盘股指数连续第五周下跌，较高点累计跌幅约8.5%，逼近技术性回调区间。

利率冲击正在向更广泛的资产类别蔓延。垃圾债券ETF跌至今年春季关税战引发抛售以来的最低水平附近，美国高收益企业债利差持续走阔，最弱资质借款人发行的债券收益率已高达约15%。纽约证券交易所集团总裁Lynn Martin将近期多宗高知名度IPO的推迟，直接归因于利率上升。

指数新高之下，市场广度创历史最差

标普500指数本周触及历史新高，但这一纪录的含金量正受到严峻质疑。

据彭博数据，在标普500创下历史新高之际，仅约30%的成分股交易于50日均线之上。50日均线是衡量近期市场广度的重要参考指标，该数值越低，意味着指数上涨越依赖少数权重股拉动，整体市场参与度越弱。

小盘股的处境更为严峻。利率敏感型的罗素2000指数中，仅27%的成分股交易于50日均线之上，该指数已连续五周下跌，较高点累计跌幅约8.5%，正逼近通常定义为10%的技术性回调门槛。房地产股同样经历了持续的下跌。

Ocean Park Asset Management首席投资官James St. Aubin表示：

“市值加权的标普500指数正在掩盖水面之下大量正在发生的损伤。债券市场在美联储尚未出手的情况下，已经实际上收紧了金融条件。风险在于，最初的能源冲击最终可能演变为盈利问题，而股票市场尚未充分消化这一可能性。”

利率冲击蔓延全球，借贷成本全面攀升

十年期美债收益率本周三一度逼近5.4%，为2002年以来最高水平，利率冲击已超出美国边界向全球扩散。

与此同时，布伦特原油价格持续徘徊于每桶100美元上方，加剧了市场对通胀长期高企的担忧。英国借贷成本升至19年高位，法国政府债务压力同步上升。

在信用市场，压力信号更为直接。最弱资质借款人发行的债券收益率已高达约15%，对于需要再融资的企业而言，这是一道极为沉重的门槛。美国高收益企业债利差近日持续走阔，垃圾债券ETF已跌至今年春季关税战引发市场抛售以来的最低水平附近。

St. Aubin将投资级以下信用利差称为"真正的恐慌晴雨表"，并指出自9月中旬以来利差的持续走阔令人不安。他表示，其公司内部模型已对多项利率敏感型投资发出下行趋势预警，促使团队削减了包括高收益债在内的信用敏感资产敞口。

极端情景测算：标普500明年或跌逾20%

法国兴业银行策略师对极端情景下的市场走向给出了量化评估，结论不容乐观。

法兴策略师Manish Kabra、Charles de Boissezon和Kawtar Mamouni在近期研报中指出，若十年期美债收益率升至6%、布伦特原油涨至每桶150美元，同时科技巨头现金流持续承压，标普500明年跌幅可能超过20%。

反之，若收益率回落至4%、油价回落至每桶80美元，并伴随大型科技公司基本面改善，则市场仍有进一步上涨空间。Kabra表示：

“5%的收益率会造成估值阻力，但6%的收益率将引发信用事件，而这更可能发生在私营部门之外、杠杆率最高的资产负债表所在之处。当前所有问题都集中在主权国家的财政稳定性和债务可持续性上。”

AI交易并非铁板一块，资金已在悄然撤离

值得关注的是，本周四芯片股的大幅下跌表明，即便是AI主题交易也并非无懈可击。

标普500和纳斯达克100指数本周整体上涨，但周四芯片股的集体下挫显示，市场对AI需求的信心出现动摇。大型指数能否继续抵御压力，在很大程度上取决于油价和债券市场的后续走向。

部分投资者已选择主动撤离。管理规模2.7亿美元、今年业绩跑赢标普500的基金经理Jeff Muhlenkamp表示，他已大幅增持能源股，并几乎清空了全部AI相关持仓。

"我很乐意在派对还在进行时就离开，"他在谈及AI热潮时说，"融资目前仍然可得。一旦这一条件耗尽，游戏就结束了。"

当前，利率冲击促使投资者重新调整投资组合，而非引发全面的风险资产抛售。投资者正在剥离对债券收益率波动和高融资成本敏感的头寸，从投机性信用到货币套利交易均在收缩。但随着利率压力持续积累，这场表面平静之下的结构性分化，正在考验市场的承压极限。

风险提示及免责条款

细思极恐！AI研究人员正在囤积枪支和农村土地

董静 — Sat, 10 Oct 2026 03:47:20 GMT

Starcloud创始人Philip Johnston认为，AI实验室研究人员正在以指数级速度囤积枪支和购买农村土地，这种发自内心的恐惧行为本身就说明问题——超级智能很可能具有自我毁灭性，费米悖论最合理的答案或许就是：智能生命注定是短命的。

油轮运费创六十年新高：从美国到中国运一船油，比发射火箭还贵！

Sat, 10 Oct 2026 02:42:17 GMT

全球油轮市场正经历一场史无前例的运费风暴。伊朗冲突重塑中东原油贸易格局，叠加船队供给严重短缺，超大型油轮运费已飙升至六十年来最高水平——将一船原油从美国运往中国的费用高达8000万美元，超过一枚SpaceX猎鹰9号火箭的发射成本。

据彭博10月9日报道，本周一笔从美国出发的油轮订单，运费折算后相当于每桶41美元的运输成本，而去年同一航线的均值仅为4.50美元。这一成本约占西德克萨斯中质原油期货价格的45%。

船舶经纪商Gibson指出，这趟航程的费用约为8000万美元，高于SpaceX猎鹰9号约7400万美元的标准发射报价；而同等金额在今年早些时候还足以直接买下一艘同类油轮。船舶经纪商SSY表示，即便经通胀调整，当前运费已是1960年代超级油轮问世以来的最高水平，超越了1980年代两伊战争期间的"油轮战争"时期。

与此同时，运费暴涨正向整个能源产业链传导。欧洲炼油商Repsol第三季度炼油利润率为每桶36美元，但据RBC分析师估算，10月已收窄至约15美元，部分原因正是高企的油轮成本。全球最大独立石油交易商Vitol集团首席执行官Russell Hardy本周在一场会议上表示，“市场上的运力确实不够用，我们看到了近乎抛物线式的价格走势。”

供给缺口：霍尔木兹海峡的连锁反应

此轮运费飙升的根源，是一场由伊朗战争引发的结构性运力短缺。

伊朗战争爆发后，霍尔木兹海峡通行风险骤升，大量船东选择绕道，全球有效运力遭到大幅压缩。随着中东原油出口逐步恢复，据行业高管估计，目前霍尔木兹海峡的石油过境量已回升至战前水平的约80%，但贸易流程远比战前复杂。中东产油国越来越依赖在海上进行"船对船"转运，每次转运往往额外增加约一周的航行时间，进一步拉长了全球船队的周转周期。

贸易流的反复中断加剧了这一困境。霍尔木兹通道一度陷入停滞，大量油轮在中东与其他地区之间空载游荡寻找货源；如今随着海湾运输恢复，船只又需重新调配部署，这一过程往往耗时数周。与此同时，伊朗对中国的原油出口实际中断，迫使中国买家转向其他来源，推高了主流市场的油轮需求。此外，伊朗对商船的袭击导致部分船只停航维修，另有一些船只为规避胡塞武装的威胁而绕行非洲，额外增加数千英里航程。

船舶经纪商MJLF & Associates商业情报主管Lauren Gallinari表示，“我们此前确实见过极端的运费市场，但这一轮行情的速度、幅度和广度都令人瞩目。”

运费数字：每桶运输成本逼近原油价格的一半

运费的绝对值已达到令市场难以定价的程度。

据彭博数据，租用一艘超大型原油船（VLCC）将美国原油运往亚洲的费用已升至7700万美元，而2025年全年均值仅为920万美元。Vitol的Hardy表示，运费波动已极为剧烈，交易商甚至难以在数美元的误差范围内估算运输成本。

Clarksons Securities分析师写道，“在几乎没有额外运力可用的情况下，运费越来越取决于租船方能够承受的上限。”

此轮行情的波及范围远不止超大型油轮。Suezmax油轮的日均收益已跳升至逾68万美元，约为本月初的五倍；运输丙烷等气体的船只运费接近历史纪录，较去年底已翻逾三倍。

华尔街见闻文章写道，航运综合指数同样印证了这一行情的广度。据航运界网援引Clarksons数据，ClarkSea指数截至10月2日已连续四周创下历史新高，达到每天75658美元，单月涨幅达73%，年内均值同比上涨66%，较10年均值高出84%。值得注意的是，此轮行情并非仅由油轮驱动，LNG船、干散货船、集装箱船及汽车船等多个细分市场均同步处于"异常或强劲"水平。

下游传导：炼油利润承压，通胀风险上升

运费暴涨正从中游向下游加速传导，炼油商的利润空间正被快速侵蚀。

Shell本周在一份交易更新中表示，部分第三季度业绩将受到"当前宏观环境下长期航运租约可变成本上升"的影响，这与该公司今年早些时候的类似披露相呼应。

对冲基金Svelland Capital创始人Tor Svelland警告称，“市场正在节节攀升，但到了某个临界点，炼油厂很容易选择减产。当运输成本从货物价值的5%升至50%，贸易流动就会停止。”

华尔街见闻文章提及，在政治层面，特朗普政府在中期选举前面临压制通胀的迫切需求，柴油价格上涨正冲击工业和农业部门，美国石油行业已向政府施压，要求推动相关方扩大柴油出口以缓解全球短缺。Morrow亦表示，他认为中国将逐步增加成品油出口，并将其描述为全球炼油短缺问题的“关键枢纽”。

目前，市场的核心问题已从“运费还能涨多高”转变为：在运费持续攀升侵蚀炼油利润之前，全球原油贸易体系究竟还能承受多大的压力。

资产重估：二手船价格罕见超越新造船

运费暴涨正在重塑整个航运资产市场的估值逻辑。

据Clarkson Research Services数据，二手油轮市场价格已攀升至每艘2.4亿美元的历史纪录，较去年底高出逾60%。华尔街见闻文章写道，据船舶经纪商Clarksons数据，一艘船龄15年的VLCC均价约为1.6亿美元，较三个月前上涨44%，已高于1.31亿美元的新造船价格——这种二手船价格超越新船的现象在行业内极为罕见。与此同时，愿意驾船穿越霍尔木兹海峡的船长月薪已高达10万美元，中东航线超级油轮的日租金更一度触及130万美元的历史高位。

全球最大上市航运公司的市值已合计突破700亿美元，创下历史新高。伊拉克、阿联酋和科威特等中东产油国近期均已入市购买油轮，试图锁定运力、规避价格波动。西非和南美的货主则开始将原本由超大型油轮承运的货物拆分至两艘较小的Suezmax船上，以应对运力紧张。

风险提示及免责条款

跟跌不跟涨！白银陷入困境

Sat, 10 Oct 2026 02:09:28 GMT

白银市场正陷入一种罕见的双重困境：利好消息无法推动价格上涨，利空消息却能精准压制。在美元走强与实际利率上行的双重夹击下，白银的工业需求逻辑正在被宏观力量系统性压制，投机资金大规模撤离，做空力量达到近年峰值。

周五亚市盘中，白银价格一度跌超2%至58.70美元/盎司，而黄金同期仅小幅下跌0.4%至4120美元。高盛大宗商品交易台追踪Comex金属资金流向的分析师Robert Quinn在最新报告中以"Silver Futures: Stuck"（白银期货：陷入僵局）为题，直指白银当前困境的核心：支撑白银上涨的AI与太阳能需求逻辑正在兑现，但市场无动于衷，因为美元和实际利率的上行力量更为强大。

这一局面的直接后果是，白银价格从1月高点115美元以上腰斩至60美元以下，投机性净多头规模从约240亿美元缩水至约120亿美元。与此同时，实物白银市场与纸面市场出现明显背离——中国逢低买入，而纸面市场的空头仓位已攀升至至少一年来最高水平。

投机资金单周抛售16亿美元，创年内最大规模

资金流向数据揭示了白银市场承压的直接原因。

据Quinn援引CFTC持仓报告，截至9月29日当周，管理型资金、其他类别及非报告类账户合计净卖出白银期货约16亿美元，为今年2月以来单周最大抛售规模。值得注意的是，此次抛售并非单纯的多头平仓，而是呈现出更为悲观的结构：约8亿美元来自多头平仓，另外8亿美元来自新建空头仓位。

从更长时间维度来看，管理型资金的白银净多头头寸目前较一年前减少了2.95万手合约。投机性净多头规模已从1月峰值约240亿美元缩减至约120亿美元，降幅近半，与白银价格从115美元以上跌至60美元以下的走势高度吻合。

这一背景下，此前市场的乐观押注已几乎化为泡影。据ZeroHedge报道，高盛交易台在8月21日曾记录到客户大量买入3个月到期、行权价90美元/盎司的白银数字期权——这意味着白银需要在约六周内实现52%的涨幅，方能兑付。

利好逻辑兑现，价格却反向下跌

白银当前困境中最令市场困惑的现象，是其工业需求逻辑与价格走势的严重背离。

Quinn追踪两个股票篮子作为白银结构性需求的实时"晴雨表"：高盛数据中心篮子（AI基础设施建设的代理指标）和太阳能篮子（光伏是白银最大工业用途之一）。过去六个月，这两个篮子与管理型资金白银多头变化保持正相关。

然而，9月29日至10月7日期间，数据中心篮子上涨4.2%，太阳能篮子上涨2.4%，按照历史规律，这本应吸引投机资金回流白银。但结果恰恰相反——白银同期下跌1.4%。

原因在于，同一时期美国实际利率小幅走高，美元指数上涨0.8%，升至过去六个月最高水平102.5。Quinn指出，历史上美元走强与实际利率上行的环境，往往与管理型资金多头平仓同步出现。如下图显示，自8月以来，管理型资金多头头寸与美元指数（倒置）几乎逐点同步运动，多头规模从9月初约69亿美元降至约50亿美元。

这与9月中旬的情形形成镜像对比。彼时Quinn在题为"Silver Futures: Hawkish Enough?"的报告中记录到，数据中心篮子因行业领袖质疑AI扩张节奏而暴跌6.9%，白银随之下跌4.7%。当时是AI逻辑出了问题，现在AI逻辑完好无损，白银依然无法上涨。这清晰表明，主导白银走势的是美联储与美元，而非基本面。

期权市场：看跌情绪升至两年极值，CTA空头创年内新高

期权市场的结构变化进一步印证了市场情绪的急剧恶化。

Quinn指出，标准化25 delta看跌/看涨期权偏斜已升至两年分位数的前2%区间，意味着投资者为白银下行保护支付的溢价，相对于上行期权，已接近两年来最高水平。与此同时，3个月隐含波动率从1月峰值逾100%骤降至约33%，为近一年最低水平。

这一组合传递出明确信号：市场普遍预期白银不会大幅波动，而少数预期波动的参与者，则押注方向向下。

趋势跟踪型基金（CTA）的仓位变化同样触目惊心。据高盛期货策略师框架，CTA净多头从9月初约12亿美元，在短短五周内逆转为约-14亿美元的净空头，仓位转变幅度约26亿美元，净空头规模为至少一年来最高。

Quinn的历史数据提供了参照：8月6日，管理型资金净多头处于两年分位数的3%低位，短期动量随即翻转，触发CTA空头平仓。此后从7月28日至9月8日，白银12月合约上涨15.2%，管理型资金净买入18亿美元，以新建多头为主。而当前CTA空头仓位已超过彼时水平。

美元是最后一道防线，但高盛外汇团队发出警示

白银何时能够解套？Quinn将目光指向美元走势，但同时附上了重要警示。Quinn在报告中写道：

“高盛外汇研究团队认为，白银阻力的一个支柱——美元上行——可能趋于停滞。鉴于多个货币对的仓位已明显拉伸，以及美联储近期沟通中强调对政策收紧采取耐心态度，团队对美元近期持续走强的前景持谨慎态度。”

高盛Stuart Jenkins、Michael Cahill等外汇团队在题为"US Outperformance and the Dollar"的报告中指出，9月美元涨势主要源于美国股市的相对强势，贸易加权美元刚刚创下年内新高，但在美元仓位拉伸和美联储偏鸽沟通的背景下，对美元近期持续走强持谨慎态度。

然而，本周的新消息再度给白银施压：布伦特原油因有报道称白宫要求五角大楼制定针对伊朗的打击方案而暴涨逾5%至105美元以上，10年期美债收益率随之向5.3%靠拢，美元再度走强。此外，周三公布的FOMC会议纪要显示，"多数"官员认为年内再加息一次"可能是适当的"，高盛经济学家仍预期12月加息。这正是Quinn所指的"宏观逆风"，在中期选举前不会消散。

实物市场与纸面市场背离，中国逢低买入

纸面白银陷入僵局，实物市场却呈现出截然不同的图景。

高盛大宗商品策略师Lina Thomas和Daan Struyven上月警告，关税担忧导致大量白银被提前拉入美国，“我们预计大部分流入美国的金属将滞留于此，导致美国以外可用库存趋紧，一旦投资者需求回升，可能重演2025年下半年至2026年上半年的波动行情。”纽约与伦敦之间的套利裂缝已开始显现——据ZeroHedge在社交平台X上援引摩根大通的Willig表示，交易员对纽约与伦敦白银的跨市场交易意愿正在下降。

与此同时，ETF资金整体呈现买入黄金、卖出白银的态势。高盛交易台周四从亚洲传来一个值得关注的信号："隔夜中国逢低买入。"该交易台将"中国实物买盘"定性为关键支撑，并提出一个直白的问题：

“如果你认为利率已停止下行，为什么不买贵金属？”

以当前约70的金银比计算，较9月初的66进一步走阔，白银相对黄金持续走弱，这一廉价属性本身或构成潜在的均值回归动力。

底线：空头已近极限，不对称性指向上行

综合高盛的Quinn报告的四张核心图表，当前白银市场的仓位结构已接近历史极端：

投机资金：单周抛售16亿美元，其中一半为新建空头，净多头规模约为1月峰值的一半；

CTA：净空头约-14亿美元，为至少一年来最高；

期权：看跌偏斜处于两年分位数前2%，隐含波动率接近一年低点；

基本面：AI与太阳能需求晴雨表上行，美国以外实物库存趋紧。

上一次Quinn发现白银仓位如此“洗盘”是在7月底，此后白银在六周内上涨了15%。Quinn认为，当前空头手握美元、实际利率和伊朗局势升级三张牌，若布伦特原油持续攀升，白银向50美元中段再度下探并非没有可能。

但从不对称性角度看，当CTA空头达到极值、期权偏斜处于极端、高盛外汇团队对美元走势发出警示，白银不需要好消息来解套，只需要坏消息不再加码。而当30年期美债收益率升至5.67%、美联储公开讨论经济还能承受多少次加息时，债券市场的坏消息，或许终将转化为一切"无法被印刷出来"的资产的好消息。

风险提示及免责条款

a16z领投，AI决策模型Jev爆火数周即完成8.7亿融资，估值75亿美元

Sat, 10 Oct 2026 02:05:46 GMT

TypeSafe AI凭借一款颠覆传统大语言模型逻辑的AI产品，在上线数周内完成了硅谷近年来最受瞩目的融资交易之一。这家旧金山初创公司以75亿美元估值完成约8.7亿美元融资，印证了市场对"后LLM时代"自动化AI基础设施的强烈押注。

据彭博10月9日报道，本轮融资由Andreessen Horowitz领投，Sequoia Capital及早期投资方DCVC跟投，多位天使投资人亦参与其中。Andreessen Horowitz普通合伙人Martin Casado将加入TypeSafe董事会。融资消息公布时，TypeSafe旗下核心产品Jev自9月15日发布以来仅过去数周，该模型上线后迅速走红，用户数在数日内突破百万。

TypeSafe表示，目前已有约三分之一的财富500强企业采用Jev，但拒绝披露具体客户名称。公司联合创始人Diogo Almeida表示，Jev发布视频的病毒式传播引发了来自企业高管、开发者及投资人的大量关注，直接推动了本轮融资的迅速落地。

Jev的差异化：不生成文本，只输出决策

Jev的核心技术路径与OpenAI、Anthropic等主流大语言模型存在根本差异。据TechCrunch报道，Jev基于Transformer架构构建，但并非大语言模型，不输出文本，而是生成概率值——公司将其称为"校准决策"。

这一设计使Jev能够直接嵌入软件系统执行决策任务，而非逐个生成文本token。TypeSafe表示，这意味着Jev在执行自动化任务时，速度更快、token消耗更少，综合成本显著低于传统大语言模型。

Almeida在接受TechCrunch采访时表示："我们在人类语言处理上已经做得很好，但这对自动化并没有用，因为计算机使用的是另一种语言。"他同时指出，当前许多AI模型存在"碎片化的智能"问题——"如果95%的时间你得到的是爱因斯坦，但另外5%的时间是憨豆先生，这对自动化来说毫无价值。"

TypeSafe表示，Jev目前每日处理的token量已达数万亿级别，并在扣除运营成本后实现盈利，但拒绝披露具体营收数字。

员工总数仅20多人

TypeSafe由Diogo Almeida于2024年联合创立，另两位联合创始人分别为前Meta研究工程师Sasha Sheng，以及工程师兼创业者Erik Gafni。Almeida此前曾在OpenAI担任研究员，Jev的研发团队同样汇聚了来自OpenAI、Meta及Alphabet旗下Google的研究人员。

尽管估值已达75亿美元，TypeSafe目前员工总数仅略超20人。公司表示，将利用本轮融资扩大产品部署规模、增加招聘并采购更多算力资源。为应对上线初期的需求激增，TypeSafe借助AI模型运行服务商Modal Labs支撑基础设施压力。据彭博此前报道，Modal Labs目前正在讨论以约150亿美元估值完成新一轮融资，同样受到投资者的高度关注。

a16z的战略逻辑：从Cursor到TypeSafe

Andreessen Horowitz对TypeSafe的押注，延续了其在AI开发者工具领域的一贯布局。据彭博报道，该机构此前是AI编程工具Cursor的早期及持续投资方，而Cursor今年已被SpaceX以600亿美元收购。

Martin Casado将TypeSafe与Cursor进行了类比：Cursor通过降低开发门槛帮助开发者创造更多软件，而TypeSafe则致力于帮助开发者以更低成本构建更高质量的软件。"行业里已经存在一个Jev形状的空缺，"他表示，"所有开发者都在说，这正是我一直想做的事——只是之前做得很糟糕。"

此次融资发生的背景是，AI行业的成本竞争日趋激烈。OpenAI、Meta及SpaceXAI等主要玩家均在加速推出更具成本效益的模型，与此同时，中国低成本开源权重模型的崛起也在推动企业重新审视AI支出结构。TypeSafe的定位，恰好契合了这一市场对高可靠性、低成本自动化AI基础设施的迫切需求。

风险提示及免责条款

OpenAI的200亿美元疑云，刺中了AI最敏感的神经

万周 — Sat, 10 Oct 2026 01:55:14 GMT

200亿美元，足以让华尔街重新打量AI的万亿美元生意。10月8日，媒体披露OpenAI截至9月底的年化收入运行率接近500亿美元，较此前流传的700亿美元少了近三成。消息传出，美股AI硬件板块普遍承压，英伟达下跌2.9%，博通下跌4.3%，美光下跌4.8%。

这场抛售看起来有些荒诞：OpenAI并未披露一笔突然消失的200亿美元订单，需求也没有被证实骤降。资本市场却迅速把一场收入统计争议，翻译成对算力投资回报和下一轮资本开支的质疑。

01 消失的200亿美元，藏在统计口径里

按照《金融时报》披露的投资者材料，OpenAI年化收入接近500亿美元。此前700亿美元的说法，来自投资者为了与Anthropic直接比较而进行的口径调整。两家公司的云渠道销售统计方式存在差别：Anthropic把部分经云合作伙伴完成的销售按总额展示，OpenAI则对部分合作伙伴销售仅记录归属于自身的收入。700亿美元因而不能简单理解为OpenAI曾经给出的、后来落空的经营目标。

总额法与净额法的差异并不复杂。假设企业通过云平台采购100美元的模型服务，渠道保留30美元。满足总额确认条件的模型公司可以记录100美元收入，同时列示相关渠道费用；满足净额确认条件时，则可能仅记录70美元。决定适用方式的是谁控制服务、承担履约责任以及合同的实质，而非管理层可以任意选择的美化手段。

……

万亿估值背后的“数字口径游戏”：OpenAI与Anthropic的营收竟然无法直接比较

Sat, 10 Oct 2026 01:30:15 GMT

当AI行业两大巨头的核心财务指标无法进行苹果对苹果的比较，投资者正面临一场信息迷雾。

OpenAI预计年化营收将在年底达到或超过700亿美元，Anthropic则于今年7月宣布年化营收已触及650亿美元。然而据彭博10月10日报道，这两个数字根本无法直接比较——两家公司对同一指标采用了截然不同的口径。

Anthropic将通过亚马逊等云合作伙伴产生的销售总额全部计入营收，而OpenAI仅计入其从微软等合作伙伴分得的净收入份额。这意味着，OpenAI的数字在账面上可能显著低于Anthropic，但这并不代表其真实业务规模落后。

这一口径差异已对市场产生实质冲击。本周四科技股出现下挫，部分原因正是投资者试图将OpenAI的数字调整为可与Anthropic直接比较的口径后，得出了更低的估算值，引发市场对OpenAI营收增速的担忧。

彭博此前报道，OpenAI目前年化营收约为500亿美元，低于部分媒体此前援引的700亿美元，但该公司预计将在年底前接近后者。在两家公司均未公开标准化财务报表的情况下，年化营收已成为市场判断万亿美元AI热潮能否兑现的关键——但也是一个存在严重缺陷的指标。

口径分歧：同一指标，两套算法

两家公司营收数字无法直接比较的根源，在于收入确认方式的根本差异。

Anthropic将亚马逊等云平台视为其产品的分销渠道，因此将通过这些渠道产生的销售总额全额计入营收。OpenAI则采用净额法，仅将其从微软等合作伙伴处实际分得的收入份额纳入统计。

据报道，投资者曾尝试对两家公司的数字进行重新换算以实现可比，但最终得出的结论是：现有信息不足以支撑准确的换算。纽约大学斯特恩商学院金融学教授Aswath Damodaran表示，只要各公司在自身口径上保持一致，采用净额或总额确认收入在原则上均可接受，关键在于为投资者提供最大程度的清晰度。

ARR的局限：一个非标准化的"增长故事"

年化营收（ARR）本身就是一个充满弹性空间、极易被扭曲的指标。

年化营收，又称年度营收运行率，其计算逻辑是将某一较短周期（如一个月或一个季度）的业绩外推至全年，或将未来12个月的合同价值加总。报道指出，公司在确定这一数字时拥有相当大的自由裁量空间，且一旦未来销售未能兑现，该数字极易失真。

Damodaran将这种对ARR的过度关注比作“看一个幼儿园孩子的成绩单”，并直言：“我们聚焦于ARR这件事本身，就已经偏离了正轨。”

更值得注意的是，年化营收与公司实际确认的全年营收之间存在显著落差。

据报道，知情人士透露，OpenAI目前预计2026年全年实际营收约为350亿美元，仅为其年底年化营收预测值的一半。Anthropic同样存在类似差距：据彭博看到的文件显示，该公司2025年实际营收约为46亿美元，而彼时其对外公布的年化营收已超过90亿美元。

市场影响：黑箱效应令投资者承压

在缺乏标准化财务披露的情况下，两家公司的营收数字已成为整个AI投资叙事的晴雨表，其不确定性正在向更广泛的市场传导。

Janney Montgomery Scott首席投资策略师Mark Luschini表示：“当一个如此重要的市场参与者在某种程度上是一个黑箱时，投资就变得非常困难。”他指出，OpenAI和Anthropic业务前景的任何不确定性，“都会在市场中已经持续存在和震荡的疑虑上再叠加一层。”

报道指出，随着科技股涨势推动股指维持在历史高位附近，这两家公司任何销售增速放缓的迹象，都有可能波及更广泛的市场，并颠覆芯片制造商等从AI投资浪潮中获益的企业的预期。

OpenAI和Anthropic并非唯一强调年化营收的AI公司。在当前这轮热潮中，越来越多的明星初创企业借助这一指标展示增长、支撑其高企的私募市场估值。Damodaran认为，围绕年化营收技术细节的争论，本质上是在回避一个更根本的问题：这两家公司需要创造多大规模的真实销售，才能覆盖其庞大的支出，并支撑超过1万亿美元的估值。

报道也指出，随着Anthropic即将登陆华尔街，这场信息不对称的局面或将迎来转机。

一旦两家公司完成上市，投资者将获得按照通用会计准则编制的财务报表，届时年化营收这一非标准化指标的参考价值将大幅下降，市场对两家公司真实财务状况的判断也将建立在更为坚实的基础之上。

风险提示及免责条款