华尔街见闻 - 资讯 - 最新

国内“AI六小龙”营收合计仅为OpenAI+Anthropic的10%？赚钱虽难，但拐点已现

Mon, 12 Oct 2026 06:34:28 GMT

中国头部AI企业的商业化进程正处于关键阶段。

根据Epoch AI最新研究报告，截至2026年9月，阿里巴巴、字节跳动、智谱、月之暗面、DeepSeek和MiniMax六家公司的AI相关收入合计，约为OpenAI与Anthropic两家之和的10%。报告系统梳理了国内AI企业的五条变现路径，揭示出不同商业模式背后的结构性差异。

从最新数据看，Anthropic年化收入约650亿美元，OpenAI约400亿美元；中国六家中，字节跳动最高约40亿美元，阿里巴巴约24亿美元，智谱约18亿美元，月之暗面和DeepSeek各约10亿美元，MiniMax约8亿美元。六家合计约百亿美元量级。值得注意的是，字节跳动和阿里巴巴的数字主要反映其模型即服务（MaaS）收入，并非全部AI相关业务。

报告指出，中国AI企业目前通过五条路径变现：面向消费者的应用、API模型调用、企业与政府定制化解决方案、许可费，以及借助现有业务生态的间接变现。报告认为，随着模型能力持续提升，中国AI企业的变现策略将对其未来投入和融资产生重要影响。

C端用户规模可观，但付费转化率与毛利率双低

中国AI应用在用户规模上已颇为可观。据QuestMobile数据，豆包月活用户约3.8亿，通义约1.7亿，DeepSeek约1.3亿。但用户规模并未直接转化为利润。

MiniMax的数据最具参照价值。2025年前九个月，其AI原生应用（涵盖视频生成、音频生成及陪伴应用Talkie）月活均值约2760万，但付费用户仅177万，转化率约6%。该业务毛利率仅为4.7%，而同期其开放平台及企业服务业务毛利率达69.4%。

低转化率在全球范围内并非个例。据The Information报道，ChatGPT约9亿周活用户中，2025年付费用户占比约5%，OpenAI为此每年在非付费用户推理上花费39亿美元。但中国市场的付费单价更低——MiniMax旗下Hailuo视频生成标准套餐低至约55元人民币，智谱AI旗下聊天机器人VIP订阅约79元人民币，而ChatGPT Plus起步价为20美元。

广告收入可部分弥补缺口，Talkie的广告收入占MiniMax 2025年前九个月总收入的20.9%，但难以从根本上扭转C端低毛利的结构。

开源权重加速扩散，开发者定价权随之流失

中国AI企业普遍倾向于开放模型权重，这一策略有效推动了模型生态的快速扩散，但也对API业务的定价能力构成持续压制。

以智谱GLM 5.3 Flash为例，2026年8月26日，智谱以五折促销价将该模型上架OpenRouter，同步开放权重。数小时内第三方开始提供服务，一天后竞争者已达12家。至9月15日，竞争者增至26家，其中8家报价低于智谱。智谱在OpenRouter上的token份额在20天内从88%骤降至22%，日均token量下滑70%，尽管该模型整体使用量同期增长17%。

报告分析显示，当开源模型开发者定价高于最低托管价格时，其自有API获取的token份额显著缩小。以DeepSeek为例，其估算客户在DeepSeek模型上的总消费中，仅约8%流向DeepSeek本身。

在毛利率方面，智谱API业务毛利率2025年约为18.9%，2026年上半年提升至24.6%。DeepSeek是少数例外，其V4系列API毛利率估计在70%至80%之间，主要得益于将超过70%算力用于模型训练而非推理，并通过推理效率优化压低了单位推断成本。

企业与政府客户贡献有效毛利，规模化瓶颈制约战略持续性

企业及政府定制化部署是中国AI公司目前毛利较为可观的业务。智谱曾是该模式的典型代表，2025年私有化部署业务占其总收入的73.7%，毛利率约48.8%。其服务范围涵盖政府机构、国有企业和银行，2025年曾与杭州城投集团合作建设公共交通、防洪及道路桥梁维护等多个垂直领域模型。

然而，智谱已主动收缩该业务。其中报指出，"此类业务的交付和维护成本具有一定刚性，导致规模效应受限"。私有化部署收入占比从2025年的73.7%降至2026年上半年的13.5%，转而向标准化云服务和API业务迁移。

阿里巴巴和字节跳动同样布局企业与政府解决方案。2026年5月，阿里云与同济医院合作开展医学影像及研究模型训练；字节跳动旗下火山引擎则与中国国际资本公司合作开发定制化金融模型。与纯模型初创公司相比，两家大厂凭借更广泛的企业客户基础和云基础设施，在持续推进该业务上具备明显优势。

许可费模式初现，商业化路径尚待验证

许可费是潜在的变现方向之一，但目前可供参考的公开数据极为有限。

2026年7月27日，月之暗面以修改版MIT许可证开放了Kimi K3权重。该许可证规定，若被许可方经营模型即服务业务且相关主体年化收入超过2000万美元，须与月之暗面另行签署商业协议。据路透社报道，月之暗面正寻求从微软Azure、AWS及谷歌云的K3相关服务中获取最高30%的收入分成。

但该许可证在实际执行层面仍面临不确定性。首先，模型权重的版权归属在法律上尚无定论，美国版权法通常要求人类创作，模型权重由自动化训练过程生成，其可版权性存疑；其次，追溯特定模型的商业用途及被许可方收入存在实操难度；第三，内部使用场景明确豁免于协议要求之外。

智谱亦在探索类似路径。据中国星际市场消息，亚马逊已于2026年10月将智谱GLM-5.3接入Bedrock，并将与智谱进行收入分成，智谱同时已与多家国内外主流云服务商签署收入分成协议，但具体分成比例尚未披露。

大厂借AI撬动主业，间接变现空间更为可观

对于阿里巴巴和字节跳动而言，AI模型的战略价值在相当程度上体现于对现有业务的拉动效应，而非模型本身的直接变现。

算力需求是最直接的受益方向。AI应用的广泛普及拉动了云计算需求，阿里巴巴2026年第二季度AI云及算力服务收入达71亿美元，同比增速加快至45%；AI相关产品收入达18.24亿美元，已连续12个季度实现三位数同比增长。阿里巴巴集团CEO吴咏铭表示，"蓬勃发展的开源模型生态系统推动了对云计算服务的更大需求，形成了良性循环"。

广告生态是字节跳动受益最为突出的领域。Seedance视频生成模型显著降低了短剧内容的制作成本。2026年第一季度，约12.8万部微短剧上线，超过95%为AI生成内容，而2025年全年上线数量约为3.3万部。短剧制作方随后在抖音投放广告以获取流量，据一位行业知情人士透露，AI短剧广告主在字节跳动平台的日均消费峰值约达1.2亿元人民币。

据IDC数据，字节跳动旗下火山引擎2025年承担了中国公有云大模型token调用量的49.5%，其MaaS收入2025年约为2.21亿美元，字节跳动近期已将2026年目标上调至40亿美元。

变现路径加速分化，纯模型公司面临模式抉择

Epoch AI的报告并不指向悲观结论。对拥有云基础设施、广告平台和内容生态的大型科技公司而言，AI模型更多扮演放大器角色——通过带动算力销售、提升平台粘性和广告变现，间接实现商业回报。

对纯模型公司而言，路径选择的张力则更为突出。开放权重换来了生态话语权和模型扩散速度，但也将定价权拱手相让；闭源模型有助于维护利润空间，却可能在生态竞争中失去先机。修改版许可证和云平台收入分成是新兴的调和方案，但其规模贡献仍有待时间验证。

报告最后认为，随着中国AI模型能力持续提升，观察各家公司如何在扩散与变现之间寻求平衡，将成为判断中国前沿AI行业格局演变的重要维度。

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。

再度大跌！碳酸锂创年内新低，5月至今已近腰斩

证券时报 — Mon, 12 Oct 2026 06:11:31 GMT

截至10月12日上午收盘，碳酸锂期货2701合约报跌8.37%，收于108800元/吨，跌破11万元关口，刷新年内低点。

相较该合约今年5月中旬超过20万元/吨的高点，不足半年间已近乎实现“腰斩”。

现货市场方面，据上海钢联数据，10月9日优质碳酸锂市场价格区间在120500元—122000元/吨，电池级碳酸锂市场价格区间在118500元—122000元/吨，工业级碳酸锂市场价格区间在116500元—120000元/吨。

“碳酸锂行情调整受多方面因素影响，一是远期供应宽松施压，二是旺季需求走弱逻辑强化，此外外围利空仍未明显出清，资金端也存在异动。”卓创资讯富宝锂电分析师琚存泉提及，江特电机2026年10月11日公告称，公司收到国家矿山安全监察局下发的《江西省宜丰县茜坑锂矿300万吨/年采矿工程安全设施设计审查意见书》，原则同意该安全设施设计通过审查。该矿理论lce产能在1.5万吨/年，加上前期宜春市生态环境局于10月8日再次发布枧下窝锂矿环评拟受理公示。云母矿产能释放预期强化，市场对远期供应进一步宽松的担忧上升。

同时，9月碳酸锂供需数据偏弱，“旺季证伪”交易路径强化，进入10月后，整体供需并未有明显好转，且今日传出大厂下调排产，尽管尚未证实，但仍加剧了市场对基本面的担忧情绪。

此外，上周锂电权益板块逆势走强，主要在于10月排产较强与固态电池政策。但今日资金有明显流出，对期货市场情绪形成联动压制。

上海钢联锂行业分析师彭宇哲认为，9、10月磷酸铁锂产排调研分别环比增长4.74%、3.61%左右，铁锂厂家受原料供应、产线调试、盈利压力等多种因素，爬坡节奏有所放缓。四季度碳酸锂需求端反馈偏强，磷酸铁锂与电芯排产预计维持高位。供给释放受矿端供应节奏、成本边际产量等因素影响，节奏较预期偏缓。不过库存去化幅度虽趋势性收窄，但绝对水平仍向低位收敛，对价格形成一定支撑。

琚存泉则分析，综合来看，当前碳酸锂远未走出前期“旺季需求端持续偏弱+供需宽松、远期供应放量预期+外部风险未完全出清及资金情绪转弱”的交易逻辑。需继续关注节后需求恢复情况、外围动向及产业链实际库存变化。

光大期货此前分析显示，津巴布韦计划于明年1月生效的锂精矿出口禁令没有延期的理由。津巴布韦信息部长尼克·曼瓜纳称，本国锂矿企业已有充足时间为2027年1月的本地加工最后期限做好准备。津巴布韦正效仿其他非洲国家，希望从本国自然资源中获取更高附加值。月度平衡来看，供给增速并未如期放量，需求仍维持小幅增长态势，月度去库速度或有望环比上月加速。当前市场情绪较弱，现货暂未表现出短缺且需求弱预期压制。

预计碳酸锂市场短期仍偏震荡运行，需要关注新的基本面、宏观变量，但鉴于仍然快速去库的节奏中，如若基差持续走强，叠加年底非洲、江西等供给扰动带来供需错配，锂价有望企稳反弹。而需求预期本身是既难证实又难证伪的，对这部分的预期修正较难，将导致价格高度有限，但如若负反馈出现，则价格仍将继续下挫。

本文来源：证券时报

风险提示及免责条款

高通CEO“2028年手机能运行1000亿参数模型”，马斯克“关键是存储”

董静 — Mon, 12 Oct 2026 05:51:27 GMT

10月10日，高通CEO在一场访谈节目中透露，AI公司希望到2028年手机能持续运行1000亿参数模型——并确认有些公司正在制造手机。

对此，马斯克10月11日在社交平台X上发帖称，关键是RAM供应。

高通CEO：“我必须小心不要透露名字，但一些AI公司——那些处于AI前沿的公司——正在告诉高通，到2028年，我需要确保我有能力在手机上运行至少一个1000亿参数的模型，而且我需要让这个东西几乎一直运行。”

商务部新闻发言人就中欧混动汽车、电动汽车磋商共识答记者问

Mon, 12 Oct 2026 05:12:59 GMT

问：近日，中欧双方在贸易投资磋商机制下就混动汽车、电动汽车贸易进行了深入讨论，避免了局面升级，一些外媒对混动汽车贸易安排的数量等相关细节进行猜测，请问中方有何评论？答：中欧在贸易投资磋商机制下持续对话，达成多项成果共识，有利于维护稳定、平衡的中欧关键贸易伙伴关系。双方本着相互尊重、平等协商的原则，就混动汽车、电动汽车贸易进行了密集磋商，平衡处理经贸分歧和彼此关切。关于混动汽车，双方强调并确认了三项基本原则。一是尊重事实。根据欧盟统计局数据，2024年欧盟自中国进口混动汽车10.7万辆，2025年为30.2万辆。双方在2025年基础上达成向上安排，确保中国企业的出口空间和稳定增长，照顾了双方产业基于现实的合理关切。二是非歧视。任何措施都不会专门针对中国产品，更不能歧视性对待中国企业。中方获得配额将不会低于欧方的其他任何进口来源地。三是合规。双方确认贸易安排应符合世贸组织规则。中方保留在世贸组织框架下诉诸争端解决、要求贸易补偿等一切权利。这三项基本原则贯穿始终，是保障中国企业合法权益的坚实基础。关于电动汽车，中欧双方于今年1月实现反补贴案“软着陆”，欧方发布了价格承诺通用指导文件。就此，欧方将继续推进电动汽车案企业价格承诺相关程序，以及其它复审程序。在对等互利基础上，上述共识有力维护了中国企业的实际利益，避免了中欧贸易摩擦局面升级，也为中欧双方提供了稳定、可预期、可持续的贸易投资环境，有助于双边经贸关系稳定、平衡和健康发展。

风险提示及免责条款

华尔街质疑Meta只会烧钱，扎克伯格硬扛七个月打造Muse

张硕 — Mon, 12 Oct 2026 04:40:07 GMT

华尔街嘲讽Meta烧钱，甚至称“烂不可能赢AI”，但扎克伯格硬扛七个月打造Muse。

Meta首席AI官Alexandr Wang表示扎克伯格自认技能并不“性感”，但擅长组建团队并长期缓慢打磨产品。

AI时代的七个月如同非AI时代的十年，需极大耐心与信任。扎克伯格被前研究员形容为“终结者”，永不满意产品，持续改进，并非混蛋，极其重视团队凝聚力。

谷歌副总裁：现在招人看的不是学习速度，是遗忘速度

董静 — Mon, 12 Oct 2026 04:33:56 GMT

谷歌副总裁Josh Woodward认为，在AI大幅降低产品执行成本的当下，人才的核心竞争力已不再是单纯的“学习速度”，而是能够快速验证并舍弃无效经验的“遗忘速度”（反学习速率），以及能够保持“爆发式耐力”、在角色边界日益模糊的小型流体团队中快速建立信任并高效协作的能力。

7年才能长成的橡胶树，撞上了史诗级厄尔尼诺

万周 — Mon, 12 Oct 2026 04:23:44 GMT

2026年8月以来天然橡胶价格明显走强，市场将目光投向强厄尔尼诺，但这轮行情的基础早在十余年前形成：全球主要产胶国新植与翻种面积较2012年高峰下降约七成，印尼传统胶园持续减产，泰国供给由南向北迁移。

天然橡胶已经进入供给增速下降、价格中枢有望抬升的阶段；2026年天气冲击放大短期涨幅，2027年的泰国旺产兑现与科特迪瓦增量将决定上涨能否持续。需求端整体平淡，高胶价对轮胎厂的成本传导或是本轮行情规模的主要约束。

一、发生了什么？——厄尔尼诺来袭，天然橡胶价格突破多年高位

1. 胶价加速，全球市场共同感受到供给风险：

进入2026年8月，天然橡胶价格突然变得强势。国内沪胶期货在9月底突破每吨2万元，引发市场对2010—2011年橡胶牛市的联想。价格走强并非只发生在中国市场：东南亚标准胶原料报价、国际20号胶和相关期货同样反映出供应趋紧预期。

……

亚马逊巨额AI资本开支的回报，是否被市场低估了？

Mon, 12 Oct 2026 04:19:43 GMT

亚马逊的AI资本开支正在成为估值分歧的核心：市场担心投入过快、回报过慢，但AWS释放的需求信号显示，云迁移、AI推理和智能体工作流可能正在重塑其增长曲线。

据《The Information》周日报道，亚马逊目前以低于沃尔玛的预期市盈率交易，尽管其收入增速预计约为后者三倍。高企资本开支和AI投资回报的不确定性，是投资者给予折价的主要原因。

这场争论的焦点，是亚马逊约2200亿美元级别资本投入能否被未来需求吸收。在a16z最新访谈中，AWS首席执行官Matt Garman称，AI相关需求巨大，资本开支短期内不会放缓，AWS还在为初创公司保留稀缺GPU容量。

对市场而言，问题并非亚马逊是否拥有AI机会，而是这些机会能否转化为足够的收入、利润和现金回报。AWS访谈解释了需求来自哪里，但尚不能证明这轮投入已经兑现。

亚马逊股价折价之谜

据《The Information》援引Koyfin数据，亚马逊当前约为29倍预期市盈率，沃尔玛则约为37倍。沃尔玛今年预计收入增速约为5.6%，仅为亚马逊预估增速的约三分之一，但其估值溢价已持续约18个月。

这一倒挂反映了市场的主要担忧：亚马逊正在大幅增加资本开支，主要用于扩建AI数据中心，与Alphabet、Meta共同押注AI基础设施需求，但这类投资的回报周期仍不清晰。若AI需求释放慢于预期，高额资本开支可能持续压制盈利表现。

不过，分部估值分析也指出，亚马逊的业务结构可能没有被充分定价。亚马逊市值约2.8万亿美元，但其资产组合包括AWS、在线零售、广告和内容业务。材料显示，亚马逊在线零售销售额今年上半年同比增长13%，广告业务年收入约800亿美元，增速保持在20%至25%，AWS的独立价值保守估计不低于1万亿美元。

换言之，市场对亚马逊的折价并不只是在评估零售业务，而是在为AI资本开支的不确定性、综合性集团结构以及回报可见度不足定价。估值低并不自动意味着低估，但它为重新审视AWS的增长逻辑提供了切入点。

AWS的增长逻辑正发生三重变化

在a16z访谈中，Matt Garman称，AWS收入约为1600亿至1700亿美元，同比增长37%。他认为，AWS仍处在长期机会的早期阶段，原因包括大量工作负载仍留在本地部署，企业每天产生的计算需求持续增加，以及AI带来的新增顺风。

第一层增长来自企业上云。Matt Garman表示，云迁移和AI需求正在同时推动AWS增长。对大型企业而言，AI并不是单一模型调用，而是与数据、存储、安全、权限和生产系统绑定的工作负载。这使AWS不只是提供GPU容量，也提供企业将AI投入生产所需的完整基础设施。

第二层增长来自初创公司。Matt Garman称，AWS估计目前约30%至40%的收入来自曾经是初创公司的企业。AI原生初创公司与早期互联网公司不同，它们从第一天起就可能需要大规模算力，训练模型成本高，融资和估值规模也更大。AWS因此选择为初创公司保留部分稀缺GPU和AI加速器容量，而不是将所有资源卖给大型前沿实验室。

他还表示，AWS以某种方式满足了大约60%的相关请求，有时是在不同区域、不同时间或不同配置下交付。AWS未来几年还将购买200万块Nvidia GPU。这些表述显示，AWS试图通过容量分配维持客户生态，而不是只押注少数大客户。

第三层增长来自智能体工作流。Matt Garman称，越来越多团队希望云环境不仅适合人使用，也适合代理使用。AWS正在围绕Agent Core、Bedrock、AWS Context等服务，优化代理跨数据湖、数据库和服务调用的能力。代理会关注尾部延迟，也会产生短周期、可快速创建和释放的计算需求。

这可能改变云基础设施的使用方式。过去云资源主要服务于人类开发者和企业IT团队，未来代理可能会自动写代码、调用数据库、管理基础设施，并在沙箱和临时权限下执行任务。对AWS而言，这意味着新的推理、存储、安全、权限管理和计算需求。

此外，定制芯片也被AWS视为支撑这套逻辑的关键。Matt Garman称，Graviton在成本和性能上均有约20%的改善，Trainium已成为Bedrock大部分流量的运行基础，Trainium产能大致售罄至明年年底。若这些芯片能改善单位算力成本，它们将有助于提高AI基础设施投资的经济性。

真正需要验证的是关键指标

对投资者而言，关键问题仍然是回报，而不是需求叙事本身。AWS管理层描述了多个增长来源：企业上云、AI推理、初创公司训练需求、智能体工作流和定制芯片。但这些机会最终必须体现为更高收入、更好利润和足够的资本回报。

Matt Garman在访谈中强调，AWS的容量并未高度集中在一两个客户身上，通常单一客户占比处于个位数甚至更低水平。他还表示，在核心计算、存储和推理上，企业客户已经看到正回报。这些说法有助于缓解市场对AI泡沫和客户集中度的担心。

但从股东角度看，这仍不等同于亚马逊自身的投资回报已经被证明。约2200亿美元级别资本开支需要持续高利用率、稳定客户需求和可控成本来支撑。若智能体应用停留在试验阶段，或企业部署速度慢于预期，资本投入可能先于收入确认，对盈利形成压力。

因此，市场真正需要验证的指标，是AWS收入增速能否延续，Bedrock、Trainium和Agent Core等服务能否扩大付费使用，企业能否从有人参与的代理流程走向更自主的生产工作流，以及这些新增需求能否覆盖数据中心、芯片、电力和供应链投入。

亚马逊的AI回报可能被市场低估，但市场的犹豫并非没有理由。AWS访谈提供了需求来源和技术路径，《The Information》的估值分析显示当前倍数存在重新审视空间。最终能否修复折价，取决于亚马逊能否把AI基础设施投入转化为可见、可持续的财务回报。

风险提示及免责条款

交易员押注韩国央行加息，未来六个月50基点概率70%

Mon, 12 Oct 2026 04:07:15 GMT

韩国债券市场近期的反弹，正面临越来越大的压力。

韩国政府主导的干预措施效果趋于消退，与此同时，市场对韩国央行（BOK）进一步收紧货币政策的预期持续升温。10月12日，据彭博报道，韩元掉期市场目前定价显示，未来六个月韩国央行累计加息50个基点的概率约为70%。

Gama Asset Management和Hana Securities等机构的策略师预计，韩国3年期和10年期国债收益率将恢复上行，重新测试上月触及的四年高位。

反弹难以为继

韩国债市此前的反弹，主要源于政府的干预信号。当局上月警告将采取干预措施，并将10月债券发行规模削减5万亿韩元（约37.4亿美元），收益率随之沿整条曲线回落。

但策略师普遍认为，这一反弹缺乏持续性基础。

Gama Asset Management全球宏观组合经理Rajeev De Mello表示："我对韩国债券越来越谨慎。通胀仍高于韩国央行的目标，进一步收紧政策的可能性较大。如果全球债券抛售持续，韩国收益率将越来越难以抵御上行压力。"

De Mello预计，韩国10年期国债收益率将回升至4.6%左右——这一水平上月曾出现，也是2022年以来的最高点。3年期收益率则可能从周四的3.98%攀升至4.1%。

加息预期主导市场

韩国央行已连续两次会议加息，将基准利率升至3%，以应对通胀压力和加速增长的经济。今年8月，韩国央行发布的六个月点阵图显示，21个点位中有10个集中在3.25%。

市场目前将目光锁定在10月22日的议息会议，以及随后的11月会议。

Hana Securities固定收益策略师Park Junwoo表示，在波动性高企的背景下，将收益率下行解读为趋势性变化"为时过早"。他预计收益率将在11月议息会议前后见顶——届时他判断央行将在10月按兵不动后于11月加息。

"我认为现在不是买入的时机，但如果3年期收益率重新回到4%以上，届时值得再度买入。"Park Junwoo说。Hana Securities目前对韩国和美国债券均持低配。

政府干预能否托底？

尽管收益率上行压力持续，政府的干预意愿仍是市场的一道缓冲。

受半导体行业税收红利提振，韩国财政部长Lee Hyoung Il表示，政府可能进一步削减计划中的债券发行规模，以遏制收益率的过度波动，并可能启动紧急回购操作。

不过，LS Securities固定收益分析师Woo Hye-young认为，投资者不必急于行动。"等到11月央行点阵图出炉再买入韩国债券，也不会太晚，"她说，"如果11月点阵图显示利率预期更高，我会更加谨慎。"Woo Hye-young预计收益率最终将在年底前回落。

风险提示及免责条款

Alexandr Wang谈打造Muse：7个月不足200人，不卷编程不拼参数，Meta豪赌个人AI

Mon, 12 Oct 2026 04:06:24 GMT

Scale AI联合创始人Alexandr Wang加入Meta不到一年，带领一支不足200人的团队，打造出Meta押注消费级AI的核心产品Muse——这背后，是一次押注方向的豪赌，一段7个月的打磨，以及一个关于如何让产品真正“破圈”的故事。

10月11日，Meta首席AI官Alexandr Wang在美国知名博客《David Senra》中分享了其团队打造Muse的过程。

Llama 4受挫，扎克伯格亲自出手

2025年，Meta的Llama 4未能达到公司预期。

Wang描述了当时的背景：“Llama 4没有走在Meta作为公司想要的轨道上，这在内部确实是一次失望，而且是在AI变得越来越重要的时刻发生的。”

正是在这个节点，扎克伯格主动联系Scale AI联合创始人Wang。两人此前通过他人引荐相识，但往来并不频繁，大约每六个月才通一次话。这一次，扎克伯格发来一条消息：“你有时间打个电话吗？”

最初的对话并不明朗。Wang说，几次通话都是扎克伯格在问他“你觉得我们应该做什么”，并不清楚最终会走向何处。直到谈及收购条款，Wang才意识到事情的分量。最终，双方在大约五六周内完成了整个交易：Meta持有Scale AI 49%的股份，Scale继续独立运营，Wang本人及少数核心成员加入Meta，出任首席AI官。

为什么是“个人AI”，而非写代码

加入Meta后，Wang和扎克伯格面临一个关键的战略选择。

2025年初，Anthropic的Claude和Opus在编程领域遥遥领先，整个行业的共识是：编程智能体才是最重要的AI应用方向。

Wang对此有不同判断。他说，他告诉扎克伯格的第一件事就是：“Meta其实是一家非常特殊的公司，因为Meta的产品代表的是人们想做的事——Instagram、WhatsApp、Facebook，这些都是你选择跟随自己兴趣、爱好和朋友的地方。”

在Wang看来，Meta拥有触达35亿日活用户的分发能力，天然指向的是消费端AI，而不是工作、编程这类场景。

消费AI、个人AI，这始终是我们认为Meta能做出真正特别东西的领域。不是工作，不是写代码，是个人。

这一判断最终落地为扎克伯格在2025年6月发布的内部备忘录《个人超级智能》（Personal Super Intelligence），Wang与Nat Friedman等人参与共同起草。

Nat Friedman的“恐惧与狂喜”，点燃产品方向

真正让团队确认“个人AI智能体”这一方向具有颠覆性潜力的，是一次来自Nat Friedman的亲身体验。

Friedman是MSL（Meta Super Intelligence Labs）的核心人物之一，也是GitHub Copilot的早期推动者、Stripe的早期客户。Wang说，他是整个MSL内部第一个深度使用OpenClaw（一款个人AI智能体产品）的人。

“他的体验，我只能形容为介于恐惧和狂喜之间。”Wang说。Friedman告诉Muse，他想多喝水，AI随后通过监控摄像头观察他是否在喝水，并告诉他“干得好”。

Friedman随后分享了一个专为心理自我分析设计的提示词（prompt）。Wang第一次使用时，同样经历了强烈的感受：

相当于把三年的心理治疗压缩进了一个时刻——它可以访问我的邮件、我的照片，把所有信息整合在一起，我在这个过程中非常脆弱。

2026年2月，Wang和Friedman各自写下备忘录，分别发给Meta董事会。Wang写道，他认为超级智能体“在某种程度上是消费端产品的终点”。Friedman的备忘录中有两句话后来成为产品核心原则：“法律即条款”（the clause is the law）和“信任是必须的”（trust is a must）。

7个月、200人、一件“艺术品”

备忘录提交后约一两周，团队完成了第一个原型，并向董事会演示。Wang说，最终版Muse里的许多核心设计，在那次最早的原型里已经存在——包括吉祥物“Jolly”和早期版本的Muse Charm。

但从原型到产品，是一段“漫长而痛苦”过程。

原型有时可以运行，有些时刻很神奇，但大多数时候无法正常工作，会不断崩溃。我们要把它变成一个高度可靠的、精心打磨的消费产品。

这段历程历时7个月，参与人数不足200人。

Wang说，团队为此建立了一张包含逾百项具体行为和能力的电子表格，为每一项设定了"阻断发布"的门槛和"合格"标准。每次模型迭代后都会对照检查。“我们有很多检查节点，比如80项是绿灯，但20项还是红灯，我们知道那还不够好。”他说，第一个全部绿灯的检查节点是Musepark 1.3的特别训练版本。

他把这个过程比喻为打磨一件艺术品：“它是一件艺术品，需要强烈的单一视角和高度专注，才能把它做成一个完整、美好的体验。”

在Wang看来，Muse能成功而其他早期个人智能体产品失败，原因正在于此。

大型组织的产品往往变成不同人观点和愿景的弗兰肯斯坦——每个产品经理都想往里塞点东西，最后混在一起就是一杯果昔。用户能感觉到。

他特别强调，Muse的产品视角主要来自Nat Friedman：“如果说有一个人的单一视角贯穿了整个Muse，那就是他。”

表情包营销：让Meta重新变酷

Muse发布后，Alexandr Wang在X平台开始了一轮密集的“失控式”发帖——用产品吉祥物Jolly（一个小人形象）制作各种表情包，引发大量转发。

他坦言，这并非完全有意为之。

我在开会时脑子里突然冒出一个梗，就觉得必须发出去。有时候我在和同事吃饭，突然想到了，就发了出去。

他的逻辑是：互联网奖励风险，奖励意外，奖励让人意想不到的东西。

Nat Friedman在那段时间的内部会议上说：“我以为我们会从中学到很多关于Muse用户的信息，但实际上我们只是学到了很多关于Alex脑子里在想什么的东西。”

Alexandr Wang认为，这种营销方式实际上推动了增长——尽管他承认很难精确追踪。

他还批评了竞争对手的广告策略：

Anthropic做了大规模户外广告，全是关于他们自己。OpenAI的广告就是两个人坐在桌子旁边。我不明白这是什么意思。你有数百万个真实使用案例，你的广告只需要展示产品能为用户做什么，就这么简单。

超过200个直接下属，反对官僚主义

在Meta，Alexandr Wang有超过200名直接下属——几乎所有加入MSL研究团队（内部称为TBD）的研究员都直接向他汇报。

他解释，这不是管理结构，而是一种反官僚主义的声明。

这些都是极其出色的人，他们已经证明了自己能做出卓越的工作。我不需要微观管理他们。他们需要的不是管理者，而是一个优秀的环境。

他将自己在Meta的角色定位为“教练”，而非Scale AI时期的“创始人”：

在Scale，我对公司每一件小事都有强烈的看法，公司是我努力和视角的产物。在Meta，我更多是在思考：如何创造一个让这些出色的人能够做出最好工作的环境？

AI能给每个人一个“他们梦想中的成年生活”

谈及Muse的长期意义，Alexandr Wang表达了一个更宏观的判断：

我真的相信个人AI代理作为一种长期形态。人类天生有欲望、有梦想。AI和个人代理将成为帮助我们实现这些梦想的机制和桥梁。

他认为，大多数人在进入职场后，雄心壮志会被逐渐消磨：

我们都变成了某种意义上的僵尸。我们失去了自主性，失去了野心。

他在一篇帖子中写道：

世界迄今为止是由少数狂热者塑造的，他们设法让自己的意愿成为现实。但我们从未见过全人类每个人的自主性都被完全激活的世界。

他认为，Muse代表的方向，正是朝着这个世界迈进的一步。

访谈全文如下：

Building Muse, Working with Mark Zuckerberg & The Future of AI | Alexandr Wang, Meta

2026年10月11日 · David Senra

Alexandr Wang是Meta的首席AI官，也是Scale AI的联合创始人。本期节目中，我们聊到了历时七个月打造Muse的全过程、Meta为何押注个人AI助手而非编程助手，以及Mark Zuckerberg和Nat Friedman如何塑造了这款产品。Alexandr还分享了Zuckerberg在Meta Llama 4受挫后如何将他招募入职、他为何在Scale工作九年后选择离开，以及他如何围绕小团队、顶尖人才和极简官僚主义重建Meta AI实验室。此外，我们也探讨了如何用表情包让产品病毒式传播、拥有单一视角的重要性，以及Alexandr为何相信AI能让每个人都有能力追求更宏大的抱负。

第一章：Muse背后的愿景

David：给我讲讲Muse的历史吧。

Alexandr：首先要从我们创立Meta超级智能实验室（MSL）时的愿景说起。实验室成立之初，Mark发布了一份备忘录，我、Nat Friedman以及其他几位同事都深度参与了这份文件的撰写，备忘录的名称叫《个人超级智能》。核心想法是：我们如何构建真正让所有人生活变得更好的强大AI？我们如何打造一种能够从整体上提升人类体验的东西？

那份备忘录提出了许多设想，基本上也预示了Muse最终的走向，尽管当时还只是非常早期的构想——那是2025年6月，智能体（agent）在任何实质意义上都尚未出现，那年夏天的AI还处于一个完全不同的阶段。但那就是我们想要构建的方向，是MSL的使命，也是我们想要将一切推向的终点。

随后，我们就开始着手构建模型了，因为任何前沿模型的端到端开发流程都需要好几个月：你需要搭建整个技术栈，制作数据集，对模型进行预训练，再进行后训练，还要为此构建完整的工程支撑体系——这是一个非常漫长的端到端过程。

第二章：发现个人AI智能体的潜力

Alexandr（续）：今年年初，这整条"生产线"开始运转，Opus 4.5的发布让包括我们在内的很多人看到了智能体的未来，将智能体的潜力真正推到了台前。那时是今年年初，Anthropic（原文为openclaw，以下统一译为正确名称）正处于上升期。

我的密切合作伙伴Nat Friedman，我认为是MSL内部最早使用并尝试Claude（原文为OpenClaw，指Anthropic的Claude）的人。他的体验，我会形容为介于"恐惧"与"狂喜"之间——他真的是全情投入，完全信任它。

他讲过一些故事，在Stripe Sessions的一次采访中也提到了这些经历：他告诉自己的Claude他想多喝水，于是Claude就通过安防监控镜头监督他喝水，然后表扬他"做得好"。他有无数这样令人咋舌的故事，也让人意识到：这里有某种相当神奇的东西正在发生。

我记得Nat跟我说过的一句话，也是我印象最深的：他说，"我觉得这里真的有什么。" 早期采用者Nat Friedman的判断，是相当可靠的信号——他是当年Stripe最早的客户之一，在很多开源开发者工具上也都是先行者，还参与创建了GitHub Copilot以及其他许多项目。

所以这是一个明确的信号：个人智能体领域，显然有某种相当神奇的东西。当你真正信任一个个人智能体、真正把它带入你的生活，它能为你做的事情太多了。

听完所有这些令人惊叹的故事之后，我开始深度使用它。有好几周的时间，我们两个几乎每一个空闲时刻都在跟各自的Claude对话，沉浸在探索个人智能体可能性的过程中。

第三章：在一次AI会话中经历三年的心理治疗

David：你最初的反应是狂喜还是恐惧？

Alexandr：那时Nat构建了一个提示词（prompt），用来做一种全面的心理自我分析，会分多个波次进行深度心理探测。他基本上是专门为此写了一个提示词，供你配合Claude使用。那也是我用自己的Claude最早做的事情之一——相当于把大概三年的心理治疗，全部压缩进了那一个瞬间。

David：等等，我很好奇，你拿到Claude的第一次机会，为什么第一件事就是做这个？

Alexandr：我下载、安装好之后，Nat就在旁边，他说："你应该试试这个。"我就说行，照他说的做——然后就发生了那段疯狂的体验。

David：多说说那段"疯狂的体验"。

Alexandr：就是非常、非常强烈。确实就像三年的心理治疗，因为是连续多轮的深度心理探测——它有关于我的其他信息，能访问我的邮件、我的大量照片，还能去查找其他信息，然后把所有这些整合在一起。整个过程中，我非常脆弱。

那是二月份。我们两个都得出了同一个结论：这里显然有非常特别的东西正在发生。我们当时各自写了一份备忘录——也都通过相关渠道提交给了Meta董事会，因为当时正好是董事会季。

我在备忘录里写道，我认为在很多层面上，这是终极的消费者产品形态，超级智能体作为消费品，某种程度上代表着一个清晰的终点。Nat则写了两份，标题非常令人印象深刻——"the clause the law"和"trust is a must"——这两份备忘录最终定义了我们构建这些产品的核心理念。

第四章：历时七个月打造Muse

Alexandr（续）：我们在二月份得出了这个结论：这里有非常重要的东西。随后我们组建了团队，在大概一到两周内就做出了一个原型，并向董事会演示——这是一个非常快速的迭代周期。最终Muse成品中的许多设计决策，在第一个原型中就已经存在了：Jollybot（那个欢快的小吉祥物）在那里，Muse Charm的早期版本也在第一次演示中就出现了。不是所有的想法、所有的功能标签都在，但很多已经具备。

从那之后——那是二月份——我们在七个月后发布了产品。这七个月是真正艰难的过程：从一个时好时坏、充满魔力却大多数时候无法正常工作、不断崩溃的原型，走到一个高度可靠的、精心打磨的消费级产品，一个我们有信心向消费者世界交付的作品。这是一段漫长而相当痛苦的过程。

David：在进入那个阶段之前，我想先回到一件事：你们在一到两周内做出了原型，然后展示给董事会——Mark在这整个过程中扮演什么角色？

Alexandr：他和我们所有人一样，同步经历着这款产品带来的那种"狂喜与恐惧"。他在各种采访中都提到过这段经历：他把它用于家庭中的各种事务，跟孩子们一起使用，也用在了他的MMA训练上——让它观看自己训练的视频，让它给他提供改进建议。

那段时间，员工会议上甚至形成了一种风气——在Meta的很大一部分团队中，开会时大家都会分享各自在使用智能体时经历的奇妙故事，那是在二月份。

现在回想这整个周期，确实很有意思，因为Claude现象明显有一个峰值，然后就消退了。它没有持续下去，我认为很多人都经历过这种感受：有那些神奇的瞬间，但大多数时候它并不好用，各种问题层出不穷，然后慢慢就淡出了。

所以构建这款产品，很大程度上的核心课题就是：如何把它打造成一个真正可靠的消费者体验，让你有信心把它放在最终数十亿人面前，并且有把握大多数人都能获得出色的体验。

David：为什么你们能做到，而Claude的开发者做不到？

Alexandr：首先，我们非常尊重Peter Sainberger（原文为Seinberger，应为Sainberger，即OpenClaw/Anthropic创始人）以及所有为Claude做出贡献的人。我认为Peter绝对是一位有远见的人，他那颗美丽的大脑里能诞生出Claude这样的东西，是一种魔力。

让Muse如此出色，或许并不glamour的原因，就是把模型加产品的整体体验打磨到真正出色所需要的那种持续打磨和细节雕琢。我们在模型本身上进行了非常非常多的迭代。我们将整体的模型路线图，对准了构建个人超级智能这个大方向，具体来说就是个人智能体这个方向。

David：多说说这一点，以及这如何让你们区别于其他竞争对手。

第五章：Meta为何押注个人AI

Alexandr：回到那个时刻其实很有意思。如果你回到今年年初、二月份，Opus和Claude在编程领域遥遥领先于所有人，并且正在爆发式增长。那是Anthropic全面崛起、席卷整个行业的开端，那是一个非常令人警惕的时刻：哦，天哪，他们在编程领域的领先优势太大了——再加上他们有Mythos，领先优势十分明显。

当时业界的主流观点是：编程智能体是唯一重要的产品形态，或者说唯一重要的技术能力。整个行业有一种巨大的惯性，驱使所有人都去跟进这个用例、去跟Anthropic在编程智能体上竞争。

但正是因为我们的亲身经历，以及围绕个人智能体这一想法所形成的信念，我们选择退后一步来思考。我认为我们之所以一开始就做个人超级智能，也是因为我们相信Meta在这一方向上拥有独特的优势。

David：我们现在就聊这个。

Alexandr：我告诉Mark的第一件事——甚至在Scale和Meta的合作协议落定之前——就是：如果我们拥有AGI或ASI，Meta实际上是一家非常特别的公司。

AI的承诺之一是：我们每个人的生活中，都有"想做的事"和"不得不做的事"这两类事情。AGI的承诺是，我们将几乎不再需要花时间在"不得不做的事"上，因为AI会替我们处理大量这类事务，我们就能把所有时间花在"想做的事"上。而在我看来，Meta的产品代表的正是我们所有人"想做的事"：我用Instagram、WhatsApp或Facebook，这些产品让我追随自己的兴趣、爱好，关注我喜欢的人、我在乎的朋友。Meta的产品矩阵，恰好涵盖了"我们想要花时间的事情"这个领域。

从长远来看，Meta在这一切中是一个不可思议的赢家。这是我关于Meta和超级智能最早形成的信念之一，这些想法最终都融入了"个人超级智能"这一概念。

你可以从几个角度来看：一是公司的基因传承——Meta的传承是连接人与人的友谊和家庭，帮助人们发现自己的兴趣，这些都是非常人性化的东西。二是商业视角——Meta每天有35亿用户在使用其旗下应用，Meta注定要成功的自然领域就是消费者AI，而不是工作，不是编程，而是个人。

David：对，确实如此。

Alexandr：所以，个人智能体、个人AI和消费者AI，始终是我们认为Meta能够做出非凡贡献的领域。

由此，我们来到了2026年初：你们有了原型，获得了内部支持，所有人都知道Mark已经认可了这件事，然后你们开始了七个月艰难的产品打磨工作。

是的。当时有一层阴影笼罩着我们：个人智能体"来了又走"——我们始终认为那是因为体验还不够完美、还不够精致。但我们知道，这是我们在开发产品过程中必须认真对待的问题。

我们将模型开发路线图的首要任务之一，聚焦在构建个人智能体能力上。我们有一张很长的电子表格，列出了一百多项模型必须具备的具体行为和能力，才能支撑起理想的个人智能体。整个过程非常细致入微。随着时间推移，我们为所有这些项目建立了评估标准，弄清楚如何训练模型在每一项上都做到非常非常好。我们还会定期审查这张表格，找出我们做得不好的地方，确保持续改进。就是这样一个极其细致的过程，不断地打磨模型的每一个边角，让它能够支撑起整个产品。

David：这也是Meta的文化吗？这种对产品持续打磨的文化？

Alexandr：是的。Meta文化的很大一部分就是：一旦你知道该衡量什么，就有非常有才华的人去优化这些指标，打磨所有细节，把这些事情做到极致。在前AI时代的消费者产品时期，这体现在如何优化转化率、如何优化推荐率、如何优化新用户引导流程的每一个环节；在AI时代，至少从Muse开始，这很大程度上体现在打磨模型的每一个细节，使其完美契合产品需求。

第六章：Mark Zuckerberg对改进产品的执念

David：你看过Jeremy Stern在Colossus上发表的那篇关于Zuck的深度报道吗？

Alexandr：我看到了这篇报道。老实说，它太长了，我没读完。

David：有15000字。我刚把Jeremy请上节目了，他是我最喜欢的作者。

Alexandr：我看到那期节目了。我认为他现在是全球撰写企业家和投资人人物报道写得最好的人，真的是世界第一。

David：在那篇报道里，Zuck谈到了他相对于Elon和Sam Altman的优势，他说：我的技能组合非常低调无聊，但我非常擅长组建团队，然后在很长一段时间里持续、缓慢地改进产品。相比Elon和Sam Altman，我不会失去对公司的控制权，也不需要再融任何钱，所以我可以就这样做很长很长的时间。你在聊这七个月打磨Muse的时候，那段报道就在我脑海里不断浮现。

Alexandr：我觉得完全正确。这需要极大的耐心——七个月，也许听起来不算太长，但在AI时代，七个月相当于传统行业的十年。这对我们所有人来说都是如此。但我真的要给Mark很多credit，这需要很大的耐心、克制，以及对整个过程的信任。

你可以回去翻Mark在这整段时期——从二月份一直到九月份——每次财报电话会议上说的话，他都会提及我们正在构建个人智能体，我们也没有真正刻意隐瞒，我们在建，也在谈，但公司内部整个这段时间疑虑重重。华尔街主流叙事是：天哪，Meta烧了这么多钱，他们在AI上到底能不能成事？

David：不止这些，更多的是：Zuck赢不了AI。这句话被反反复复说了很长时间。再回到Jeremy Stern那篇报道——他开始私下和Zuck的竞争对手聊，包括一位曾经在Zuck手下工作、现在去了竞争对手实验室的前研究员，那个人说："我不想和他们竞争，因为Mark就像……"我想那句话是"Mark就是那个该死的终结者"——他就是不会停下来。这位研究员还谈到了Zuck的一个超能力：他永远对产品的现状不满意，总想着持续改进；但他又不是那种会破坏团队化学反应的混蛋——他确实是个独裁者，但不粗鲁，不会伤害团队。他在报道里特别提到，团队凝聚力对他来说极其重要。

Alexandr：我觉得这些都是真的。Muse最神奇的事情之一，就是我们花了相当长的时间来打磨所有细节，然后才最终推出产品。我认为个人智能体这个产品领域，是一个架在刀刃上的品类：如果它能可靠地创造这些神奇体验，它就有潜力成为有史以来最伟大的消费者产品之一。但你面对的是模型，面对的是非确定性的东西，面对的是可能出错、可能不可靠的智能体——一旦用户有了不可靠的体验，他们就会觉得这是垃圾。

这是一个需要把产品质量和价值做到某个临界点，才能真正引发广泛共鸣的事情。

第七章：Meta如何判断Muse已准备好发布

David：我想多聊聊这个过程。我好奇投入了多少资源、团队有多大、有多少人参与其中。你们有没有数据，比如说：我使用Muse，九次是很棒的体验，两次是不一致或很糟糕的体验，然后我就流失了？

Alexandr：你能从今年初几乎所有其他智能体产品上看到这种情况——几乎所有人都流失了，原因就是不可靠。

我们对Muse做了大量用户测试，组织了很多轮全新用户从零开始下载使用的测试，观察这个过程是什么感受。Muse的一个核心前提——我认为也是真正落地的地方——是它与大多数人体验过的消费者AI产品截然不同：它不是一个聊天机器人，它是一个智能体，能为你做智能体才能做的事情。对开发者来说，这可能是旧闻，他们已经使用智能体一段时间了；但对大多数人来说，仅仅是这个跃升过程就需要解释和非常周到的引导。

我们也确实做过不同模型版本的测试和持续的AB测试。产品体验对模型质量极其敏感——对模型完成任务的可靠性、与用户沟通的可靠性、在需要指引时主动确认的可靠性，都极其敏感。

David：但你们怎么知道它已经准备好发布了？

Alexandr：一部分是非常量化的：回到那张有一百多行的电子表格，我们为每一行设定了"发布门槛"和"良好标准"。我们有很多检查节点，绿色通过了80行，但20行仍然是红色——我们知道这还不够好。直到我们有了第一个在所有行都通过绿色的模型检查点——那是一个专门训练的Musepark 1.3版本。

这是非常量化的部分。还有体验层面的部分：我们试用了这个模型，能感受到它比之前迭代过的任何版本都好得多。

David：回到你说的七个月，有多少人在做这件事，模型工作和产品工作加在一起？

Alexandr：总共不到200人。在大公司的标准里，这其实很少。

回过头来看，我觉得这挺了不起的：整个高管团队、所有人都知道这可能是Meta今年最重要的产品之一，但我们组织上有那种克制——保持了一个真正小而专注的团队，没有让它膨胀成大半个公司都在参与的项目，因为我们知道这是一件单一的艺术品。它需要强烈的主见和专注，才能将其凝聚成一个完整而美好的体验。

David：多说说这一点。为什么你把它称为一件艺术品，并且说需要单一的视角或主见？

第八章：为何伟大的产品需要单一视角

Alexandr：我认为来自大型组织的产品，有一种常见的批评，而且这种问题现在也开始在很多AI实验室蔓延：产品会变成一个弗兰肯斯坦式的怪物——几乎像是Cronenberg式的大杂烩——由一堆不同人的视角、愿景和信念拼凑而成。这有点像PM地狱，每个产品经理都有一件他们想塞进产品里的事，最终全部混在一起，变成一杯混合了各种东西的奶昔。

作为用户和消费者，你能感受到这种差异——你能感受到一款产品是由很多不同的人做的，他们各有各的目标，然后生硬地拼在了一起。Muse必须做到完全相反：只有一个清晰的主见，一个我们要向世界呈现的完整统一的体验。

David：我喜欢你说的这一点。这完全是巧合——我不知道这期节目什么时候会发出来，但我们录制这期节目的时间，正好是Steve Jobs逝世15周年。说到那种拥有单一视角的消费产品，你当然会首先想到Steve。我读过所有关于Steve和苹果历史的书，在我的另一个播客Founders上也做过大概15到20期关于他们的节目。我最喜欢用来描述Steve影响力的一句话是：苹果就是Steve Jobs拥有了一万条命。产品体现了他的品味、他的视角、他的主见——他想在世界上看到的东西，就是最终用户得到的东西。在Muse这个案例里，Nat Friedman功不可没——他的品味和审美感知，最终决定并塑造了这款产品的面貌。

David：你们有公开谈论Muse的用户数据吗？

Alexandr：我们说过"数以百万计"，我也转发过其他人发布的图表，那些图表暗示Muse是有史以来增长最快的消费者AI应用。

David：但你不肯说具体数字。

Alexandr：我们说了"数以百万计"。

David：是啊，百万也可以是几亿，那也是百万。所以你只是没说前面那个修饰词。

第九章：用表情包让Meta重新变酷

David：我想聊聊你在X上的状态——我是出于善意这样说的——你最近有点"不稳定"。自从Muse发布以来，你的公开发推风格有了明显变化，这是一种营销策略吗？这是在搞什么？

Alexandr：这里有几件事同时发生。

David：这肯定比你在Scale做的事有趣多了。

Alexandr：肯定有趣。过去几周是我职业生涯中最快乐的一段时光，没有之一。有这么几件事在发生：

首先，我们觉得想办法让Muse突围很重要。现在是AI产品、创业公司、新版本、新功能不断轰炸的时代，对大多数人来说就是一股信息洪流。我们开过大型团队会议专门讨论这件事：我们需要突围而出——Meta有很强的分发能力，可以确保所有人都知道这件事，但这还不足以让它以一种有趣、有文化感染力的方式真正引起世界的关注。

碰巧，我在生活中认识了一些沉迷于网络梗图和互联网文化的朋友——我亲切地称他们为"我那些神经质的朋友"——他们整天都在思考梗图和互联网。

David：我认识一些沉迷于Muse的人，他们也沉迷于你的X时间线，他们确信你有一百个Muse在帮你想梗图。

Alexandr：实际上，X时间线上每一条推文都是我自己写的。有一段时间，我真的很难在开会时集中注意力，因为我脑子里一直会冒出梗图的想法，然后就忍不住想发出去。有一次我在跟同事吃晚饭，吃到一半我突然说："等等，我想到了！"然后就发了另一条梗图。感觉有点像当年做工程师解bug——你能感受到那种"这个会爆"的直觉。

第二件事，我觉得重要的是：我们怎么让Meta重新变酷？不知道为什么，Meta尽管拥有Instagram、Facebook这些无与伦比的文化软件，却在相当长的时间里不够酷。所以我想让Meta变得酷、有趣、有点好玩。

至于那种"放飞自我"的感觉，是随着时间自然发生的。Muse刚发布时，我主要是在分享各种有趣的使用案例，转发了几十个人的Muse使用场景。后来有一段时间，我发了几条没怎么想就发出去的推文，结果那几条反而效果很好。

David：你有没有见过那个"思考时间越长效果越差"的规律？

Alexandr：完全对上了。我有些推文真的没想多少，发完连手机都没看，几个小时后一看，"哇，这条火了。"然后我想起了一件关于互联网的事——虽然不是刻意的，但我记起来：互联网奖励风险，奖励意外，奖励人们意想不到的东西。于是我就放开了。

我很多同事对此有点惊讶。Nat有一句话，在那整个发梗图的周里，他在好几个会议上都说了同一句话："我以为我们会从中学到很多关于Muse用户的信息，学到人们如何使用Muse，但实际上我们只是学到了很多关于Alex大脑的东西。"

那段时间真的很开心，我感觉在调用我多年积累的互联网知识。我觉得这实际上对增长产生了真实的影响——这有点滑稽，虽然我们没有精确的追踪数据，很难确定。

David：我肯定认为有影响。我到处都在听到关于它的事，而且我听说的那些人也都下载了应用，现在都在用。

继续说你之前的话——你们有分发能力，但这不代表你们能让人们真正回来、让产品真正有粘性。那么你们是怎么做到的？

Alexandr：我认为关键在于：你怎么让用户尽可能早地抵达"哇，原来可以这样"的时刻？这款产品天然适合做到这一点，因为如果有人从来没用过AI智能体，它能做的很多事都会让你大吃一惊。

另一个关键是：如何捕捉那些人们拥有"哇"时刻的故事，并用这些故事来让产品传播得更广。

David：但你们是怎么用这些故事的？你们也没有在打广告吧？

Alexandr：我们投放了一些广告。但说实话，最开始就是我一直在转发有趣的案例——只要看到有人用Muse做了有趣的事，我就引用转发。

我一直搞不懂Anthropic和OpenAI的广告为什么做得那么差。记得Anthropic做过大规模户外广告，全是在讲他们自己；OpenAI也一样，广告里只有一个图标（我觉得大多数人都认不出那是他们的logo），然后写着"ChatGPT"，画面就是两个人坐在桌子旁。我在想这到底是什么意思？你们有那么多使用案例，广告只需要展示产品的好处，就这么简单。

David：你有几百万个现成的素材，直接拿来跑广告就行。这种错误如此基础，却被反复犯，真的很有意思。

Alexandr：我们在构建Muse以及在Meta做其他事情时，反复回到的一个问题就是：为什么别人会在意？他们不在乎你，不在乎你的公司。每个人都是出于自身利益行动的。

有一本很老的书叫《科学广告》，写于二十世纪初，作者是Hopkins，是一位顶尖的文案撰稿人，曾经是二三十年代最赚钱的广告公司创始人之一。他在书里说：这不只是关于广告，而是关于不会改变的人性。他的核心观点是：你的广告在谈论你自己，谈论你的产品，谈论"我有这个东西，来买吧"——但人们对这些不感兴趣，他们都是自利的。你只需要做一件事：展示这件事能为他们做什么，以此开头。那些汲取了这些写于二十世纪初的想法的人，在五六七十年代乃至今天，都凭此建立了庞大的公司和广告帝国。

Alexandr：对，完全正确。几个关键洞察是：第一，世界上大多数人不在乎OpenAI或某某研究，不在乎这些公司或我们的研究，他们在乎的是这能为他们做什么。我们还有一个礼物，就是那个吉祥物——那个小小的欢乐角色。

我记得那条让我意识到"这个有搞头"的推文：我开车上班途中，用Muse生成了一张小人儿拎着公文包的图，然后发了条推文："MFW（My Face When）周一去上班"。我当时就觉得这是我近期最好的推文之一，然后我意识到，可以把他放进各种各样的情境里。

我还意识到，怎么创造出与你见过的任何其他产品营销都截然不同的惊喜时刻。我不记得上次有人用大胆的梗图来营销一款产品是什么时候了，我甚至不确定有没有人这样做过。但我感觉：哇，这是一件我们可以用这个小家伙来做的事，这是有趣的，这会引发普通人的好奇心。

第十章：与AI智能体建立信任

David：好，但这也许能让他们了解产品，甚至下载应用。但应用装到手机上之后，你怎么让他们持续使用？

Alexandr：真正爱上这款应用的用户，会经历一个循环——我们早在二月份就观察到了这个模式：你先给它一个小任务，它做到了，你想："哇，它做到了。"然后你给它一个稍微大一点的任务，它也做到了，你想："哇，它能做那个，也能做这个。"然后你给它一个稍微更复杂的问题。这有点像和AI智能体之间的信任跌落游戏——刚开始你不太信任它，但你很好奇，所以你给它一个小小的尝试，然后稍微更大一些，再更大一些。

我跟大学生聊的时候，有些人使用AI的方式已经是完全的信任跌落了：他们就是录语音、把想法全部倾倒给AI，然后信任AI去整理所有想法、给他们清晰的计划和行动项目。我认为成功的Muse用户，关键就是让他们进入这种信任跌落的过程，先用它做一件事，再一件更大的事，再更大，并且每一次都成功。

David：我很好奇这在多大程度上是口碑驱动的。显然，和你聊完我无论如何都要下载这个应用。但真正让我产生兴趣的，是一个朋友给我发来的截图，展示他在用Muse做什么。他把身份证落在一架FlexJet飞机上了，然后他对Muse说：我不想参与这个过程，你来想办法把这张身份证取回来，我的身份证在那，我在这，帮我把中间所有步骤都想清楚。然后Muse安排了快递，把身份证取到了，还通过了他的安保系统，送到了他办公室。这就是最好的营销：只是三四张截图，来来回回，他说"我不想参与，你来搞定一切"，然后Muse一步步把事情搞定了。

Alexandr：是的。现代产品营销在很大程度上是由截图驱动的。一款现代消费产品，必须能在截图中说话——截图必须能传播，无论是通过群聊、口碑还是社交媒体。我认为这一直是一个重要的驱动力。这不是刻意设计的，但我觉得截图中那个小人儿的存在是个大事——有Jolly或者你的Muse形象出现在截图里，立刻就传达了"这是一张Muse截图"，这是你能拥有的最好的营销。

第十一章：人类野心的未来

David：那么你自己整天都在用Muse吗？你个人的使用习惯是什么？

Alexandr：我主要是设置了很多工作流，然后在会议间隙使用。我在工作中本应认真听、认真参与和他人互动，所以实际使用上，我设置了一堆工作流，把它当作一个"第二大脑"来用。

David：你在写的那篇文章里说过这个，那篇文章很短，上次看的时候已经有550万次浏览了。你形容Muse的方式非常好——"如果每个人都有一个超越自身的第二思维"。我认为这从哲学层面上来说，是关于"当你拥有强大的AI时，做人意味着什么"最有趣的问题之一——那种关系究竟是什么样的，不同的人有不同的想象。最让人担忧的场景当然是AI凌驾于我们之上，我们只是被动跟随。但在你说下去之前，你自己的看法是什么？

Alexandr：我真的相信Muse，相信个人智能体作为一种长期产品形态。人类天生就有欲望、愿望和梦想，这是人性。我认为AI和个人智能体，比如Muse，将成为让我们实现这些梦想、不断实现梦想的机制和桥梁。然后人类会梦想更大、更大、更大。孩子们会梦想拥有自己的星系，然后Muse帮他们实现那些梦想。

Bezos在某封股东信里写过一句话，大意是：消费者最美好的品质是他们永远对现有的选择抱有"美好的不满足"。我认为这是我们与AI关系的一种模式。还有其他模式——我认为AI将越来越多地参与科学发现的过程，越来越深地嵌入经济的各个部分。但我确实相信这种形态会长期存在：每个人都有一个AI支持他们去追求自己想要的东西。

David：所以你把AI看作是能移除"生活中的累赘"的东西，对吧？那些我们不想做的事情。你在那篇文章里说，世界充满了守门人和障碍，而Muse可以帮你绕过这些，不再耗费你更多的时间，让你真正专注于你想做的事情。

Alexandr：我认为Muse能给每个人那种他们在童年时梦想过的成年生活。每个孩子都有宏大的想法和梦想，当他们想象自己的人生时，他们会想象成为宇航员、拯救地球、改变世界——他们想得很大。

但出于种种原因，当人们完成学业、进入职场、在某个岗位工作了一段时间之后，那些希望、雄心和做梦的能力，就被慢慢抽空了。

David：不是抽空，是被打烂了。生活把它们从他们身上打走了。作为成年人，我认为我们都低估了自己有多像行尸走肉的程度。我们失去了主体性，失去了——我认为"雄心"是个很好的词。AI广泛意义上的承诺，也是通过Muse这样的产品能给的承诺，就是让这种状态从童年就延续下去：小时候有大梦想，用AI来帮助实现，然后梦更大、再实现、再梦更大，在整个人生中体验一种不断上升的主体性——而不是主体性丰盛然后被碾碎。

Alexandr：你刚才说的让我想到，你之前提到了你和Nat经历的那次令人不安的AI心理审查，来一波一波的深度心理探测。那要是反过来呢？不是那个，而是真的给你更多自信——让你明白世界是可塑的，你用足够的精力和驱动力去追求，你真的可以改变身边的世界。

我认为这是最厉害的创业者所展现的特质：他们梦大，实现了，再梦更大，也许在某个方向上耕耘十年，实现了，再梦更大。Elon显然是一个典型，Mark也是。很多标志性的创业者都有这样的亲身经历。我认为这应该成为每个人的常态。

悲剧性的地方在于，对大多数人来说：你有更大的梦想和想法，进入了企业职场，慢慢变成行尸走肉，某个时候你想重新去追求梦想，但真的太难了，因为你有那么多承诺——也许有了家庭，也许有各种牵绊——你几乎陷入了那种"行尸走肉"的状态，难以自拔。

还有一件关于Muse的事，在我们聊到Scale AI以及你与Meta合作的决定之前，我想先说。你在那篇文章里写道："迄今为止，世界是由少数以某种方式让自己的意志成为现实的狂热者所塑造的，但我们从未见过人类在每个个体的主体性都完全开启的状态下是什么样子。"

我认为我所描述的那个世界——每个个体的主体性都在一生中不断增强、都有能力实现自己的愿望和梦想——会以一种非常美好的方式变得疯狂。它会很有意思，充满艺术性和酷劲，走进世界的不同角落，会非常多元，简直难以想象：几十亿人突然因为充裕的智能资源而拥有了创造非凡事物的能力。我认为这就是承诺的一部分。在我脑海中，它有点像《瑞克和莫蒂》里的跨维度有线电视，以某种方式真实地在人类世界中显现出来——那会真的非常了不起。

David：我一直在脑海中回响那部动画的一句台词：宇宙会吃掉聪明人。

第十二章：改变一切的那通Mark Zuckerberg来电

David：好，我想往回追溯。我个人很好奇的是：你创立了Scale AI，在运营Scale AI，然后有一天Mark Zuckerberg联系了你，说——我假设他说的是——"嘿，能打个电话吗？"能告诉我这是怎么发生的吗？

Alexandr：我想那条消息大概就是："嘿，你有时间打个电话吗？"

David：你之前和Mark有过交情吗？有没有花时间相处过？

Alexandr：我有一个朋友叫Alex Schultz，其实从Scale差不多一岁的时候就认识他了，那是在旧金山认识的。他现在是Meta的首席数据官，之前是Meta的长期高管。他在大概2021年或2022年把我介绍给Mark，那时Mark对AI越来越感兴趣，Scale也在AI领域做了很多工作。

我记得从介绍到第一次见面被安排下来，大概花了整整一年时间。为什么这么久？Mark的日历显然是极度繁忙的，他有无数事情要处理，而且他非常擅长排优先级——他会在真正重要的事情上花大量时间，有时候甚至花太多时间。他能做到这一点，同时还能做一个好父亲、好伴侣，唯一的方式就是无情地排优先级。

后来我们又见过几次，我会找他请教，能从Mark Zuckerberg这里得到建议，当然是非常了不起的事。我记得那时候，我在WhatsApp上问他问题，他会回非常长的消息，我当时很困惑：他怎么有时间写这么长的回复？后来我才明白，他只是写得极快，对大量WhatsApp消息都能快速写出严密而详尽的回复，这是他令人印象深刻的一项能力。

Meta是Scale的重要客户，在这次事件之前，我们大概每六个月左右交流一次，这是我们互动的频率。然后是那个电话，一开始并不清楚最终会走向何处，因为第一次对话只是——那是在Llama 4之后——大概就是在问：你觉得我们该怎么做？

David：为什么强调这次对话发生在Llama 4之后，这很重要吗？

Alexandr： Llama 4没有走在Meta希望的轨道上。那在内部确实是一次挫折，而且是在AI明显变得越来越重要的时间点——AI显然将会对Meta的未来至关重要。

最初几次通话是电话交流，他有点像是在征求意见：你觉得我们该怎么做？你觉得我们该专注在哪里？

David：这与我私下听到的关于他的说法相符——他有这套令人惊叹的世界级创业者顾问网络，不完全是Meta董事会，尽管董事会里也有些人参与其中。我听说过他不断向这些人寻求建议，发消息说："这是我面临的情况，你会怎么做？"一遍又一遍地这样做。我认为这是非常了不起的品质，因为这需要谦逊——在他已经取得了那些令人难以置信的成就之后，依然能继续这样做。

Alexandr：从他第一次联系到我们宣布合作，大概只有五六周时间，相当快。

David：这也是世界级创业者的共同点。我们有Jonathan Ross，Grok的创始人，第一次公开谈到与英伟达那笔200亿美元合作的就是在我的节目上，他说："从Jensen第一次打电话到钱打到账户，只用了三周。"

Alexandr：那很厉害。我当时对Meta的AI战略有很多想法。最早的一个想法就是我之前说过的：Meta从基因上来说是专注于人们"想做的事"的公司，在这场AI大变革中，它实际上是定位最为特殊的公司之一。我向Mark传递了大量想法，与此同时，也在进行另一条并行对话："也许我们可以考虑是否有合作的可能。"

David：所以当他说这句话的时候，这对你来说是完全出乎意料的。

Alexandr：完全出乎意料。整件事就像一连串疯狂的事件。当时我心里想："哦，这挺好的，但不可能……"

David：当他们说"我们得想办法合作"，你知道这意味着什么，对吧？就是收购。他们总是这么说，"我们得找到合作的方式。"

Alexandr：我当时大概还没有这种意识。我当时心里想："也许他只是在探探风，说说而已，但这真的合得上逻辑吗？"

David：为什么你当时会觉得不合逻辑？

Alexandr： Meta标志性的收购是Instagram和WhatsApp，都是非常清晰的产品逻辑驱动的决策。而Scale是一家深度企业级、政府级销售的公司，是一种与Meta完全不同的商业模式。所以我当时想到的逻辑是：如果Meta想进入那些领域，那也许说得通，但这次并不是那种情况——Mark显然主要感兴趣的是让Llama项目和整体AI项目上轨道，他要的是人才。

David：是的，他要的是人才。整件事一直笼罩在某种模糊和不确定性中。

Alexandr：什么时候变得清晰了？当我们开始谈数字的时候，我想："哦，好吧，原来是真的。"那时候事情才变得清晰。

第十三章：离开Scale AI，加入Meta

David：一开始你还在想"这说得通吗"，然后你们继续谈，他是怎么用多快的时间说服你这是一条好路的？

Alexandr：部分原因是这个交易结构本身就很令人着迷。我们最终落地的方案是：Meta投资并持有Scale 49%的股份，Scale继续独立运营，我和几个人加入Meta。

我当时对这个方案有点不可思议，因为它是一种很奇特的交易，但我认为这真的是一个"三赢"的设计：Scale的股东们得到了一个很好的结果，Scale继续存在，而我真的相信Scale最好的日子还在前头。

David：我好奇的是，他能在一个电话里就让你转变想法吗？还是说这更像是"Mark，我得想几天，这太疯狂了"？

Alexandr：是好几个星期都在想："这是真的吗？这说得通吗？如果说得通，我对这件事怎么感受？"主导情绪是：这太疯狂了。然后随着我开始认真考虑是否要做这个决定，那本身就很不简单。Scale内部的同事、我们的投资人，有很多重要的对话要进行。

放弃或者说交出你的"孩子"，当然是非常艰难的。你在Scale做了多少年？

从创立到……九年。而且你还很年轻，还不到30岁，这差不多是你人生的三分之一。

Paul Graham有一句说了很久的话：如果你把公司视为自己毕生的事业，你的行为方式会截然不同。我确实真心把Scale当作我的毕生事业，在我做Scale的整段时间里都是如此。那是一个很艰难的情感过程。

但最终让我想通的，是几方面的结合：这真的是一个对所有各方都好的结果，同时我也看到了在Meta可以发生的事情的潜力。而那时候，Meta在AI方面确实看起来有点"烂摊子"，可能不是最吸引人的AI工作地点——但这恰恰触发了我内心的创业者本能：你基本上可以重建它，就像重新创立这个实验室一样。

David：是的。正因为有这么多工作要做，反而为你清理出了空间，让你能够从零开始搭建很多东西，确立正确的原则，建立正确的文化，为打造非凡的东西创造了条件。

第十四章：从零重建Meta AI实验室

David：你和Mark是这样讨论的吗？就像"我们需要在这里按下重置键"？

Alexandr：他看起来不像是想要小修小补。他的态度就是："这条路走不通，彻底推倒重来。"确实是这样。整个对话是不断演进的。我非常坚定地相信一件事——Elon在他职业生涯的不同阶段也证明了这一点——就是：你只需要一支极小的、极厉害的、高度技术化的、非常扁平的团队，做到这一点，你就能非常非常快地取得很大的成就。

这是我非常有信心的一件事，在AI领域尤其如此，这是正确的方式——特别是在我们面临必须快速移动的情况下。这是我早期与Mark谈论很多的事情之一，我认为他也为之兴奋，最终成为我们整体战略的核心支柱之一：小而扁平的、高度技术化的团队，极高的人才密度，在这些前提下能移动多快。

David：从外部来看，Mark的做法就像是"倾囊而出"——我就是这样理解他的。你读过《拿破仑的思维》这本书吗？

Alexandr：没有。

David：那是1957年出版的书。我是因为一次采访找到它的——我想是Tyler Cowan采访Sam Altman，问他那年读过的最重要的书是什么，他说是《拿破仑的思维》。这本书很难找，300页全是拿破仑自己的话，按主题分类整理。书里他反复强调：犹豫是致命的。但他也说，在采取行动之前，会进行大量深思熟虑，从每个角度审视，确保做出正确的决定。我觉得Mark的运作方式有一种回响：做很多深思熟虑，确保走在正确的路上，但一旦做出决定，就全力以赴，毫不犹豫。我感受到这种回响，就在这个时刻——他来找你，然后你们开始重建整个组织。

Alexandr：我认为他真的内化了"失败不重要，重要的是赢的时候赢多大"这一信念。这种底层逻辑，让他能够在很多情况下真正无所畏惧地行动，因为他非常坦然地承担大量风险。

David：他有句很精彩的话：在一个不断变化的世界里，最大的风险是什么都不做。

Alexandr：是的，他确实深刻地内化了这一点。当然存在一种平行世界，Meta看起来更像谷歌，更慢、更官僚，作为公司看起来非常不同。但正因为他如此深刻地内化了这些教训，才让整个机体保持动态、保持活力、保持生命力。

第15章：从创始人到教练

David：你曾是Scale的创始人，亲手运营公司；现在又在重建这个实验室，与Mark共事——这两种环境下，你的工作方式有何不同？

Alexandr：在Scale的时候，我深刻内化了一个理念——虽然已经记不清这个建议来自哪里——那就是：如果你想成为一名优秀的创始人，你必须能够胜任每一个岗位。我对公司里每一件小事应该如何运转都有非常强烈的主张。这造就了一家在很大程度上是我个人努力和个人视角的产物的公司，这种风格渗透到公司的方方面面，但同时也让我在很多重要环节成了瓶颈。这对一家公司来说有利有弊。

我认为，如果你是第一次创业，绝对应该采用这种方式，因为它成功的概率远高于不这样做。Scale是我的第一家公司。

David：对。

Alexandr：但在Meta，情况完全不同，因为我们必须在极短的时间内完成极多的事情。我没有那种余裕去"胜任每一个岗位"。我本来也不是AI研究员，也不是产品设计师，也不具备那些对组织成功至关重要的各种专业能力。

所以在Meta，我采用了一种完全不同的理念——核心就是：我们如何创造一个环境，能够吸引到各领域顶尖的杰出人才？招募最优秀、最卓越的人是第一要务。

David：你为什么觉得自己在Meta能做到这一点？仅仅是因为资源更充裕吗？

Alexandr：我认为，MSL创立初期之所以极具吸引力，在于它提供了一个从零开始、用一支极小的团队打造实验室的机会，而且我们拥有清晰的方向——个人超级智能。这个方向与很多人产生了共鸣。我认为所有从事AI工作的人，都希望它真正帮助到普通人，希望它对自己的妈妈、外婆、爷爷意味着些什么，希望它对世界上每一个人都有实际意义。

同时，由于我们是依托Meta的资源来做这件事，我们不会受限于算力，不会受限于基础设施，不会受限于分发渠道——这些恰恰是初创公司最常见的瓶颈。但这又是一个真正能留下自己印记、施加深远影响、亲手塑造的机会。我认为这对很多人来说相当令人兴奋。

David：所以这就是为什么Mark愿意花看似天文数字的钱来招募少数顶尖人才——因为他知道这些人才反过来会吸引更多顶尖人才。但你需要这个起点。

Alexandr：完全正确。还有一点可能被低估了：OpenAI和Anthropic的股价涨幅非常大，所以如果你考量这些人留在那里能赚多少，其实也是相当可观的数字。对很多人才来说，薪酬方面最终可能差不多持平。当然，我们常常忽略了那些早期加入这些实验室的员工和研究人员，他们的股票已经增值了多少、他们现在的薪酬水平是什么样的。

我们创立MSL的信念只有两条：第一，招募最聪明、最卓越的人；第二，个人超级智能——如何在Meta和MSL创造一个让大家做出最佳工作的环境。

在Meta，我做的更像是传统意义上的管理工作。我一直在思考的核心问题是：如何创造一个环境，让这些才华横溢、极为特别的人，都能充分发挥自己的天赋？我更多地扮演着一种教练的角色，而在Scale，完全不同——我是那个"作者"，是那个需要把自己的视角贯彻到我们所做一切事情中的人。

David：跟我多说说这种"教练感"。

Alexandr：我认为我的工作，一是帮助确立北极星和前进方向——也就是个人超级智能、赢得消费者AI赛道、打造对每个人都有意义的AI；二是在团队中发现特殊的人才，然后给予他们充分发挥才能的环境和资源。

大公司经常犯的一个错误是：优秀的人才明明在那里，却得不到施展拳脚的机会，所以他们往往会选择离开，去更小的公司或初创企业。

David：你之前提到了Jeff Bezos的股东信。这也是他反复强调的观点，在我读过的关于他的书和他自己的股东信里都有——如果优秀的人无法构建东西，他们就会离开。

Alexandr：确实如此。AI是一件非常特殊的事情。"研究"这个词现在听起来好像已经失去了它本来的意义，但从定义上说，人类还不知道这些模型的能力边界在哪里，也不知道用它们能做出什么。它们真的是我们尚未完全理解的未知存在。所以这真的是科学，真的是研究——我们在探索这项技术的极限，探索能用它构建出什么，这个过程需要大量的试错，需要聪明人迸发出非凡的洞见。

这不是一个可以用极度高压、极度密集的工作方式来推进的过程。人们需要空间、时间和资源才能做出最好的工作。我在很多维度上都这样思考。比如Nat Friedman，他绝对才华横溢——如我之前所说，如果说Muse有一个人的核心视角贯穿其中，那就是他。现在重要的是让他处于一个能够充分表达这一切的位置。我们还有一些出色的研究人员，他们有着非常令人兴奋的想法——如何创造一个环境让他们能够尽情探索？大多数尝试不会成功，但其中一些会取得惊人的成果，这些成功的案例足以证明所有投入都是值得的。

有两种问题，或者说两种模式：一种叫钻石挖掘，一种叫建摩天大楼，取决于你所做事情的回报分布。有些领域的分布是超级幂律的——你做的大多数事情几乎没什么价值，但少数事情可能比其他所有事情加起来还要值钱一百万倍。风险投资就是典型的钻石挖掘行业——一切都在于识别那些特殊的想法并将其贯彻到底。

这说起来容易，去你19岁生日派对看看就行了。

第16章：Alexandr 19岁生日派对上的未来亿万富翁

David：哈，这真是太难以置信了。听众里有些人不知道我刚才在说什么——你能简单说说你的19岁生日派对上都有谁，以及为什么投资那桌人会是一笔好买卖？

Alexandr：这真的是件很疯狂的事情。我19岁生日派对那会儿，我还是MIT的大一新生，那是一月份，我正在一家叫HRT的交易公司做冬季实习。我们大概有十来个人，十二个左右，几乎都是哈佛或MIT的学生，大多数人之前就因为各种数学、科学或计算机竞赛而相互认识了。

其中有Jeffrey Yan，后来去创办了Hyperliquid，非常成功；Scott Woo后来创办了Cognition，也非常成功；还有一个人是Jesse Zang，创办了Decagon，同样相当成功；另一个人是Vicky Yei，我认为是一位非常出色的研究人员，现在在Anthropic工作。所有人都极其优秀。

我最近还和HRT的创始人聊了聊——HRT本身现在也发展得非常厉害，令人难以置信。

David： HRT是做什么的？

Alexandr： HRT是一家自营交易公司，用自己的钱进行交易。2020年第二季度，他们创下了110亿营收、大约80亿利润的记录数字。这家公司员工不到一千人，真的令人叹为观止。我最近和HRT的创始人见面，他们说在考虑做一些私人投资，我就说："直接投那些实习生吧，给所有实习生开种子轮支票就行了。"

我从小参加数学、科学和计算机竞赛及奥林匹克竞赛，在这个圈子里认识了来自全美各地的各种人。看着当年一起参加比赛的那些人如今如此成功，真的有一种很超现实的感觉。

第17章：钻石挖掘 vs. 建摩天大楼

David：未来几十年看你们这群人会怎样，一定很精彩。刚才我打断你了——关于钻石挖掘和摩天大楼，你还有什么想补充的？

Alexandr：核心就是：它的回报是幂律分布的吗——少数事情的价值是投入的一百万倍——还是更像建摩天大楼那样？我会把数据标注或数据业务归为后者，亚马逊Prime的配送也是类似的例子：回报相对线性，你必须建立一套流程，把它做到极致。

如果你在建摩天大楼，那就是一门高度运营的生意，一切都在于把每一分效率都从流程中榨取出来——想办法让它再提升2%，再提升1%，再提升0.5%，不断优化。

而钻石挖掘则完全不同，就像是说："好了，大家各自去探索，去尝试所有疯狂的想法"，然后你只需去培育那些看起来有希望的想法。

David：你现在在Meta做的就是这个感觉？

Alexandr：是的，这就是我在Meta的感觉。而建摩天大楼，总体来说是我在Scale时候的感觉。这是一个很根本的范式差异。

第18章：为什么Alexandr有超过200个直接下属

David：回到管理方式的差异——你在Meta和Scale的管理方式根本不同。你为什么有那么多直接下属？好像有100多个？具体是多少？

Alexandr：超过200个。

David：怎么会？为什么？

Alexandr：回到MSL的创立理念——我们想打造一个怎样的实验室？核心思路是：如何保持极高的人才密度？如何让这些优秀的人在这里做出最好的工作？如何建立一个以技术为核心、让技术人员真正能发挥潜力、甚至完成毕生心血的组织？

围绕这一点的设计原则之一就是：极度扁平化。实际上，所有加入TBD这个团队的研究人员都直接向我汇报。这更多是一种宣言——TBD就是反官僚主义的象征。我们招募的都是才华横溢的人，他们在职业生涯中已经清晰证明了自己能做出卓越的工作。我不需要对他们事无巨细地管理，他们完全能够自主完成出色的工作。

但我们确实需要技术领导力。一部分人负责为各自的小组设定清晰的技术方向。我们有一种"Pod"结构——各个Pod都有技术负责人，在技术决策上拥有最终拍板权。所以技术领导层是存在的，但从"人员管理"或官僚体系的角度来看，我们就是反官僚主义。

另一方面，我们确实会做很多集体决策。这是一个人才极度密集的团队，每个人都有精彩的见解，我们希望通过辩论和讨论找到大家共同认为最正确的前进路径。所有人在实验室里都做出过卓越的事情——我们希望听取所有人的意见。

这当然是一种非常规的管理方式。如果说我是超过200人最好的管理者，那显然是在撒谎。但重点在于——他们根本不需要管理者，他们需要的是一个好的环境。

他们都极其聪明，都有超强的能力，只需要给他们施展的空间就够了。

David：所以也许不是"教练"。你更像是一个好环境的守护者，让他们能做出伟大的工作。

Alexandr：对，正是如此。

David： Alex，今天真的很精彩，感谢你抽时间来。

Alexandr：谢谢。

风险提示及免责条款

押注全模态实时交互，模思智能完成超10亿元Pre-A轮融资

Mon, 12 Oct 2026 03:55:06 GMT

10月12日，模思智能（上海模思智能科技有限公司）宣布完成超10亿元Pre-A轮融资，由华控基金领投，国开科创、上海科创基金、徐汇资本、临港策源基金等机构参与投资，元禾控股、上海国投旗下上海科创集团、星连资本等老股东续投。公司未披露本轮估值，资金将主要用于全模态实时交互智能研发和全球商业化。

这距离模思智能上一轮融资公开披露约半年。今年4月1日，上海未来产业基金公众号披露，模思完成数亿元天使轮，由上海未来产业基金与IDG资本领投。

模思智能成立于2024年11月，总部位于上海，孵化于上海创智学院与复旦大学OpenMOSS团队。OpenMOSS官网目前将上海创智学院、复旦大学NLP实验室和模思智能共同列为参与方。创始人、首席科学家邱锡鹏为复旦大学特聘教授、上海创智学院副院长，2023年2月带领团队发布开源大语言模型MOSS。联合创始人兼CEO李世民是其在复旦指导的2022级硕博连读生。据公司官网信息，团队博士占比约50%。

MOSS之后，团队的研究逐渐从文本延伸至语音和多模态。2023年的SpeechGPT探索离散化端到端语音交互，2024年的AnyGPT进一步尝试将文本、语音、图像等模态纳入统一的离散Token体系。

同期，文本以外的基础模型也出现了大额资本交易。9月28日，AMD宣布与空间智能公司World Labs签署最终收购协议，交易对价约82亿美元，预计年底前完成，仍需满足监管审批等交割条件。World Labs主要开发可生成、重建和模拟交互式3D世界的空间智能模型。

两家公司技术路线并不相同，融资与并购也不能直接比较，但World Labs至少提供了一个同期参照：文本之外的基础模型资产，同样可以获得大额资本投入。

按模思智能的规划，本轮资金将主要投向两个方向：一是全模态实时交互智能，让AI在眼镜、汽车、家庭终端等场景持续获取和理解多模态信息；二是AI for AI，让AI更多参与数据生产、筛选和模型迭代。

成立后，模思智能延续了OpenMOSS团队的开源路线。公开仓库记录显示，MOSS-VL在4月发布首批Base和Instruct版本，7月推出实时视频理解版本MOSS-VL-Realtime，随后陆续开放量化版本和技术报告，并接入SGLang等开源工具链。语音识别模型MOSS-Transcribe-Diarize目前在Hugging Face已有十万级下载，并在第二届MLC-SLM语音挑战赛中获得第一。7月，模思API平台开启公测。

不过，开源社区的活跃度与商业转化仍是两回事。在此次融资披露中，模思未公布具名客户，也未披露收入、订单或付费客户等商业化数据。性能方面，MOSS-VL-Realtime公开披露在PA@OmniMMI测试中取得66.0分，并已发布技术报告，但目前公开信息中，尚未见其与GPT-4o、Gemini等主流实时多模态模型在统一测试条件下的直接横向比较。

本轮投资名单中还出现了多家国资背景机构。上海科创基金、徐汇资本、临港策源基金等均具有上海地方国资背景，上海国投旗下上海科创集团则继续投资。公司未披露本轮估值、融资对应股比及董事会安排，仅凭融资金额无法推断公司的具体估值。

融资公告中，模思智能还预告实时交互系统MOSS Live即将发布，由前端交互模型与后端能动性模型协同工作。对这家成立不到两年的公司而言，接下来更可验证的指标，是MOSS Live发布后的实际交互表现，以及API平台能否形成付费客户和收入。

风险提示及免责条款

韩国股市重挫3%领跌亚太，俄乌“能源停火”后油价回落，黄金重回4200

Mon, 12 Oct 2026 03:31:54 GMT

周一，韩国Kospi指数开盘即承压，跌幅一度扩大至3%。这一跌幅在亚太主要市场中居首，明显落后于港股、澳股等同期走势。外资净撤资、AI逻辑降温、主力回购接近尾声——多重因素叠加，令韩股难觅买盘支撑。

与此同时，美股期货整体平稳，标普500期货上涨约0.3%，纳斯达克100期货涨幅相近，市场焦点转向本周即将开启的大行财报季及通胀数据。

油价受俄乌“能源停火”消息提振而回落，布伦特原油跌1.8%至102美元/桶，一度缓解市场对地缘风险外溢的担忧。

韩股成全球最差，外资加速撤离

韩国Kospi周一下跌2.6%，小盘股Kosdaq同步走低。曾是全球AI交易最热门标的的韩国股市，正经历急剧降温。Kospi上半年领涨全球，下半年却已下跌22%，沦为全球最差主要股指。

三星股价跌超2%，SK海力士跌约1%。

据彭博报道，外资今年已从韩股净撤资1310亿美元，为亚洲主要市场之最。Rayliant Global Advisors投资组合管理主管Phillip Wool表示：“对大多数投资者而言——尤其是那些最近才因存储芯片交易入场韩国的人——这个主题里容易赚的钱已经赚完了。”他表示，其基金已在韩国AI股上获利了结，目前对SK Hynix和三星电子均持低配。

支撑韩股的另一根柱子也在松动。据摩根大通数据，三星和SK Hynix合计约55万亿韩元（约410亿美元）的股票回购计划即将完成。上个月韩国市场约230亿美元的买单中，两家芯片公司的回购占了大头。一旦回购结束，市场将面临明显的买盘真空。

此外，全球最大半导体设备制造商ASML宣布对韩国客户零部件价格全线上调10%，三星与SK海力士已接受方案，涨价将于明年1月生效。这进一步推高韩国芯片厂商的运营成本，构成盈利端的额外压力。

韩股并未拖累整个亚太市场，美股期货小幅上涨

韩股的重挫并未拖累整个亚太市场。

同一时间，澳大利亚S&P/ASX 200上涨0.8%。日本市场因公众假日休市。MSCI亚太指数整体下跌0.2%，Kospi是主要拖累来源。

美股方面，S&P 500期货上涨0.12%至0.3%，纳斯达克100期货上涨约0.24%至0.3%，道琼斯期货上涨28点（约0.05%）。美股上周整体收涨——道指与S&P 500均录得三周内第二个上涨周，纳斯达克综合指数则连续四周上涨。

油价回落，俄乌“能源停火”成关键变量

油价方面，布伦特原油周一下跌约1.8%至每桶102.81美元，此前曾因也门胡塞武装袭击利雅得机场一度升至105.63美元。

Templeton Global Investments投资组合经理Yiping Liao在彭博电视上表示：“我们的基准情景是近期能源价格维持高位。我们认为霍尔木兹危机短期内不会得到解决，至少在美国中期选举之前不会。”

特朗普周末宣布俄乌之间达成“能源停火”，称“即刻生效，双方均已同意，不得违反”。乌克兰总统泽连斯基随后在社交媒体上表示“乌克兰支持停火，俄罗斯也应支持”。油价对此有所反应，跌幅有所扩大。

黄金方面，现货金价连续第三个交易日上涨，突破每盎司4200美元。

美股焦点：财报季开启，通胀数据待考

本周市场焦点将转向大行财报季，美国银行、花旗集团、高盛、摩根大通、摩根士丹利及富国银行均将于本周公布业绩。

据FactSet的John Butters数据，标普500指数第三季度盈利增速预计达29.6%，将是该指数连续第四个季度实现逾25%的盈利增长。

与此同时，9月CPI和PPI数据将分别于本周三和周四公布。10年期美债收益率上周一度逼近5.4%，为2002年以来最高水平。

前Bridgewater首席投资策略师、美国外交关系委员会高级研究员Rebecca Patterson表示：

目前来看，利率上升尚未被视为压倒增长和盈利故事的力量。股票和债券收益率可以同步上涨。但如果利率在央行持续收紧的背景下继续攀升，利率开始主导并压制股市情绪的风险将会上升。

风险提示及免责条款

马斯克：AI开始懂得什么是美了，这比会写代码更惊人

施建柳 — Mon, 12 Oct 2026 03:29:13 GMT

特斯拉 CEO 马斯克表示：别以为 AI 只会写代码，它现在连“顶级品味”都有了！

以前觉得 AI 只能搞搞有规律的逻辑和软件。

结果现在 AI 做的音乐视频，直接冲进他看过的 MV 前 20 榜单！

它不仅懂什么是美与和谐，甚至能精准制造共鸣、直击你的情绪大脑。

AI 在审美上的突破，真的相当疯狂！

台积电20亿美元硅中介层大单交给格罗方德，CoWoS关键组件首次转由美国生产

Mon, 12 Oct 2026 03:15:38 GMT

台积电将AI先进封装CoWoS的关键组件硅中介层，首次委外给美国代工厂格罗方德——一笔20亿美元、为期五年的长约，让AI芯片封装供应链中这一关键环节的产能，从台湾本地供应商延伸到了美国本土。

根据台积电日前宣布的与格罗方德的协议，台积电将委由格罗方德在美国纽约州生产CoWoS所需硅中介层，预计2028年上半年逐步放量，相关协议长达五年，总金额高达20亿美元（近新台币640亿元）。

机构认为，这笔长约透露AI催动先进封装对硅中介层需求强劲，台积电为确保硅中介层产能无虞而扩大委外释单；签订硅中介层供应长约，等于是看好硅中介层后市，凸显AI封装关键零组件需求持续扩大。

台湾两大成熟制程代工厂联电、力积电正积极布局硅中介层并加速扩产。台积电把最大一笔委外订单交给美系代工厂，让硅中介层供应在台湾本地产能之外，新增了一条美国本土的生产来源。

一笔20亿美元长约：硅中介层走向纽约州

硅中介层是串接AI处理器与高频宽记忆体（HBM）的重要桥梁，透过高密度线路，让不同晶片在同一封装内高速传输数据。随着AI晶片整合更多记忆体与运算单元，封装面积及互连需求同步提升，带动中介层技术与产能需求。

台积电此次选择由格罗方德在纽约州生产硅中介层，是其先进封装扩产与外包策略的延续。此前台积电CoWoS产能已连续三年翻倍，并将CoWoS中的CoW工序外包给日月光等封测厂，以应对AI芯片需求爆发带来的产能压力；如今把硅中介层这一关键环节也纳入委外，进一步将产能触角伸向美国本土。

委外动机：确保产能无虞，五年长约锁定供应

机构认为，这透露AI催动先进封装对硅中介层需求强劲，台积电为了确保硅中介层产能无虞，扩大委外释单。

市场分析人士另指出，台积电与格罗方德签订硅中介层供应长约，等于看好硅中介层后市，凸显AI封装关键零组件需求持续扩大。为期五年的协议，则为双方提供了稳定的产能与订单预期：

对格罗方德而言，是其纽约州产能切入AI先进封装材料领域的标志性订单；对台积电而言，可在自身扩产之外，为硅中介层供应增添一份长期保障。

联电与力积电：扩产正热，增量空间迎美系竞争

联电投入硅中介层多时，正积极扩产，月产能将由3000片倍增至6000片，以因应客户先进封装需求。其技术涵盖硅中介层、深沟槽电容、晶圆级混合键结及主动式中介层，其中导入深沟槽电容的2.5D封装方案已出货予主要客户，主动式中介层也与多家客户进行验证。

力积电则以"3D AI晶圆代工"为转型重点，将记忆体制造与成熟制程优势延伸至硅中介层、硅电容及晶圆堆叠，今年已展示中介层、整合型被动元件硅电容与3D WoW DRAM堆叠技术；在产能配置上，规划运用P3厂等既有资源扩大中介层布局。

两家台系厂商同步抢进硅中介层商机，正是押注AI封装需求的持续扩张。但台积电此次把20亿美元、为期五年的订单锁定给格罗方德，意味着这一环节未来五年将有美系产能参与供应；对正处于扩产期的联电、力积电而言，硅中介层增量订单的争夺，将不再局限于台系厂商之间。

台积电10月15日将举行第三季法人说明会（即财报电话会），先进封装产能规划与委外策略的进一步细节，将成为市场关注焦点。

风险提示及免责条款

AI重塑中国股市格局！高盛详解中国AI投资双主线

Mon, 12 Oct 2026 03:12:58 GMT

AI浪潮正在从根本上改变中国股票市场的结构与投资逻辑。

据追风交易台，高盛最新研究报告显示，自2025年初DeepSeek时刻以来，中国AI相关上市公司已通过股价上涨和IPO合计创造近5万亿美元市值，AI股票目前占A股和H股总市值的42%、成交额的57%，成为主导中国资本市场的核心叙事。

高盛在报告中将中国AI投资机会明确划分为两条主线：一是出口导向型AI企业，作为西方AI资本开支热潮的受益代理；二是内需驱动型国内AI龙头，受益于中国本土AI生态建设与政策强力支持。高盛认为，尽管地缘政治与贸易政策风险犹存，两条主线均具备可观的投资价值。

在市场影响层面，高盛数据显示，中国AI出口商自2025年初至2026年6月累计回报达126%，但自6月底全球AI股回调以来已从高点下跌23%；而国内AI企业在此轮调整中表现出更强韧性，相对跑赢约10个百分点。高盛同步更新了包含50只个股的"中国精选AI组合"，该组合自2025年2月成立以来累计上涨33%，夏普比率达2.23，显著优于MSCI中国指数的0.74。

AI重塑中国股市：近5万亿美元市值凭空而生

DeepSeek的横空出世标志着中国AI投资叙事的历史性转折点。据高盛统计，自2025年初至今，中国AI相关上市公司市值增量接近5万亿美元，其中股价上涨贡献约2.8万亿美元，IPO贡献约2万亿美元。

从市场结构看，AI主题对中国股市的渗透程度已大幅提升。AI股票占全部A股和H股市值的比例从2024年的约20%升至当前的42%，在成交额中的占比更高达57%，IPO融资额占比亦从2024年的4%跃升至2026年迄今的13%。

从盈利基本面看，中国AI企业与非AI企业的分化同样显著。高盛数据显示，中国AI企业2023年至2028年预期每股盈利复合增速为16%，而非AI企业仅为4%。在全球AI股权宇宙中，中国AI企业市值约为7.6万亿美元（按AI业务敞口加权），占全球AI市值约10%，占全球AI收入约24%，占资本开支约14%。

中美AI双极格局成形：中国补强内循环生态

高盛报告指出，全球AI双极格局的叙事正在投资者中获得广泛认同——以美国为核心的AI生态系统与以中国为核心的AI生态系统并行发展，背后驱动力涵盖地缘政治、国家安全与经济增长等多重维度。

中国在全球AI供应链中已占据举足轻重的地位。在稀土精炼、电力设备、PCB、光模块及成熟制程半导体等细分领域，中国的全球市场份额均超过50%。与此同时，中国正逐步构建一套内循环、日趋自给自足的AI价值链，在先进封装、开源大语言模型（LLM）、算力生产与消费，以及物理AI应用等领域取得突破。

从财务数据看，中国AI企业整体市值为7.6万亿美元，2026年预期净利润率为12%、ROE为16%；而全球其他地区AI企业对应数据分别为55.1万亿美元、24%和29%，差距依然悬殊。

两条主线分化：出口商与内需龙头各有逻辑

高盛将中国AI股权宇宙（市值超1亿美元的标的逾1700家）按收入来源地域划分为两大阵营，两者在驱动因素、风险敞口和市场表现上均呈现明显分化。

出口导向型AI企业：高盛识别出360余家上市公司，合计市值约1.7万亿美元，其海外收入占比超过40%。这类企业主要集中于AI基础设施和电力设备领域，被投资者视为西方AI资本开支热潮的受益代理。从历史表现看，该群体自2025年初至2026年6月累计回报达126%，领先国内AI企业84个百分点，主要得益于更强劲的盈利兑现和增长预期。但自6月底全球AI股回调以来，该群体已从高点下跌23%，相对优势收窄约10个百分点。高盛分析显示，出口型AI企业对全球AI股权贝塔及中美关系晴雨表的敏感度更高。

国内AI龙头企业：高盛识别出880余家主要服务国内市场的上市公司（海外收入占比低于10%），合计市值约3.2万亿美元。这一群体受益于中国超大规模云服务商AI资本开支的快速增长、AI应用需求的爆发，以及政策层面对科技自立自强的强力支持。相较于出口型企业，国内AI龙头对中国AI资本开支趋势和国内AI政策动向更为敏感，在近期全球AI股回调中表现出更强的防御性，对国际投资者而言具备一定的分散化价值。

主线一：中国AI出口领袖——成长与估值的平衡

高盛在承认地缘政治与贸易政策风险的前提下，仍对中国AI出口商保持战略性乐观，认为其有望凭借成本竞争力、制造能力、研发强度及全球化执行力进一步扩大全球市场份额。

在筛选标准上，高盛重点关注以下特征：全球市场份额已较高（被替代风险低）、海外收入加速增长（市场份额持续扩张）、技术护城河较深（研发强度高于同业）、资本开支纪律严格（自由现金流为正），以及对地缘政治不确定性敏感度相对较低。

据此筛选出的"中国AI出口领袖"名单包含20只高盛买入/中性评级标的，覆盖12个AI相关行业，涉及光模块、人形机器人、自动驾驶、医疗健康、消费硬件、数据中心、存储、PCB/CCL等领域。该组合平均66%的2026年上半年收入来自海外市场，当前交易于2027年预期市盈率21倍，卖方一致预期未来两年每股盈利复合增速为38%。高盛指出，该组合估值已回落至近年区间低端，当前12个月远期市盈率约为16.5倍。

主线二：国内AI冠军——政策红利与稀缺价值

发展AI已上升为国家政策目标。高盛报告梳理显示，政策支持覆盖供给侧（政府主导投资）、需求侧（消费推广措施）和资本市场（IPO绿色通道、市场流动性改善）三个维度，力度之广被认为超越以往历次行业性宽松周期。具体举措包括：2026年超长期特别国债中约8000亿元人民币定向支持"两重"领域（第二批次明确纳入AI）；国家大基金三期规模3440亿元人民币，聚焦先进封装、设备及AI芯片；国家AI产业投资基金规模600亿元人民币；以及第十五个五年规划明确要求研发支出年增速超7%、到2030年达GDP的约3%。

高盛预测，中国AI相关21个行业的总可寻址市场规模到2030年有望达到3万亿至4万亿美元，对应2026年至2030年复合增速约28%。

"国内AI冠军"名单同样包含20只标的，覆盖11个AI相关行业，硬科技（半导体设备、IC设计、存储、晶圆代工）与软科技（娱乐媒体、电商、大模型）各占约半壁江山。该组合平均逾90%的收入来自国内市场，当前交易于23倍远期市盈率，对应33%的每股盈利复合增速，PEG约为0.7倍。高盛提示，部分国内半导体本土化标的因政策溢价较高，估值已显著高于全球同业，过度追高政策确定性是该主线的主要风险。

组合策略：50只个股覆盖AI全价值链

在上述两条主线之外，高盛同步更新了"中国精选AI组合"，新增及剔除各15只个股，目前共包含50只标的（38只A股、27只H股及3只ADR，含双重上市股票），覆盖23个具体AI行业，旨在为投资者提供横跨整条AI价值链的均衡敞口。

从结构看，该组合保留了对上游板块（电力、半导体、基础设施）的较高配置，同时纳入近期上市的AI大模型公司。按行业层级划分，半导体占比35.9%，AI应用占比33.6%，基础设施占比21.2%，电力占比8.2%，AI大模型占比1.2%。

从财务指标看，该组合（等权重）当前交易于31倍12个月远期市盈率，一致预期未来两年盈利增速为46%，58%的收入直接与AI相关业务挂钩。自2025年2月成立以来，该组合累计上涨33%，同期MSCI中国指数上涨6%，夏普比率达2.23，远高于基准的0.74。

高盛同时指出，国际投资者对中国AI股票的配置仍明显偏低——中国AI企业占全球AI市值约10%，但共同基金对中国科技股的实际配置比例仅约5.8%，低配幅度显著，这或为后续资金流入提供潜在空间。

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

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

PCBAA的深层博弈：PCB扰动是否被误判？国产护城河究竟有多深？

Mon, 12 Oct 2026 02:49:00 GMT

市场对于PCBAA提议的第一反应是把它当作中国 PCB 板块的一记重锤。

但这场行业施压的法律可行性虽然高，但产业杀伤力却极低。核心原因是美国军工PCB由于ITAR管制，本来就极少采购中国产品，中国大陆厂商从未进入五角大楼的采购名单。真正值得投资者花时间研究的，是背后暴露的三条深层线索：

①美国本土 PCB 产业全年产值只有 37 亿美元，比中国对美 PCB 出口额（约 54.7 亿美元）还小；

②中国厂商供应了英伟达高端 AI 板约七成的份额，而新供应商测试认证需要12—18 个月；

③中国大陆厂商在高频高速覆铜板这一关键上游的全球份额只有8.3%，高端铜箔国产化率不足 20%，这是真正需要补足的产业短板所在。

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

Mon, 12 Oct 2026 02:32:54 GMT

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

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

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

港股：截至发稿，恒指涨0.51%，恒科指跌0.29%。

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

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

10:35

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

10:15

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

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

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

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

10:13

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

10:11

创业板指跌1.5%，跌至3000点下方。

09:57

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

09:46

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

09:26

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

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

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

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

09:21

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

风险提示及免责条款

摩根大通：阿里AI有望提前实现“自我造血”，四季度将迎历史性盈利拐点

Mon, 12 Oct 2026 02:31:31 GMT

摩根大通最新研究报告认为，阿里巴巴云业务盈利能力的提升速度正在超越市场预期，AI投入有望提前实现内部自我消化，公司盈利结构将在截至2026年12月的季度迎来关键转折。

据追风交易台，摩根大通证券（中国）分析师姚橙团队于10月11日发布报告指出，预计阿里巴巴云业务EBITA将在12月结束之季度首次超过AI模型与应用的运营亏损，这意味着云业务增长将开始对集团整体盈利产生正向贡献。这一拐点被摩根大通视为"AI投入资本回报率的第一关键数据点"，也是该股未来一到两个季度的核心市场焦点。

尽管摩根大通将阿里巴巴美股目标价从210美元下调至200美元（港股从205港元下调至195港元），但同步将估值倍数从16倍上调至17倍，理由是云业务与AI合并EBITA拐点的临近有效降低了盈利路径的不确定性，维持"增持"评级。

四季度拐点：云业务利润首次覆盖AI亏损

报告的核心论点在于，阿里巴巴云业务的盈利增速正在追上并将超越AI研发端的持续亏损。

报告预计，在截至2026年9月的季度，阿里巴巴AI实验室和应用的EBITA亏损约为106亿元，云业务EBITA利润率将从上季度的11.6%提升至12.4%，但云业务与AI实验室的合并EBITA仍为小额负值。

关键转变预计发生在12月结束之季度：摩根大通预测届时云业务收入同比增速将超过55%，云业务利润率将突破15%，从而使云业务与AI实验室的合并EBITA转为正值。这意味着AI运营亏损将在板块内部被吸收，无需依赖外部股权融资。报告明确指出，预计本财年公司不会再进行股权融资。

市场预期差：摩根大通EBITDA预测大幅高于一致预期

摩根大通的预测与市场一致预期之间存在显著分歧，这构成其看多逻辑的重要支撑。

根据报告数据，摩根大通对阿里巴巴27财年（截至2027年3月）非GAAP EBITDA的预测为1932亿元，较市场一致预期高出14%；28财年预测为2909亿元，较一致预期高出30%。摩根大通认为，市场一致预期既未充分考虑12月结束之季度的盈利拐点，也未纳入28财年云业务超过50%增速的预期，而后者正是其28财年EBITDA预测大幅领先市场的主要原因。

与此同时，摩根大通将27/28财年总收入预测分别下调2%和6%，并将27/28财年非GAAP每股收益预测分别下调9%和10%，主要原因是下调了非云业务板块的收入预测，并微调了云业务收入的计算框架。

云业务增长逻辑：基础设施投入带来短期折旧压力

同时，报告中详细阐述了云业务盈利路径面临的结构性挑战与长期潜力。

报告指出，较长的基础设施建设周期将在利用率爬坡之前产生折旧，从而对首年云收入形成拖累——一方面是容量在等待投入使用，另一方面是现金用于增加算力导致利息收入减少。摩根大通强调，折旧是实际成本，股东回报最终取决于资产回报率、资金成本以及阿里巴巴保留的经济利益。

从长期来看，摩根大通认为，随着后续基础设施投资逐步成熟，云业务利润率有望随时间推移提升至20%左右。报告预计，9月结束之季度云业务收入同比增长约53%，12月和3月结束之季度将继续提速。

电商业务：竞争压力边际缓解，即时零售亏损大幅收窄

在电商板块，摩根大通预计9月结束之季度淘宝/天猫EBITA同比持平，较6月结束之季度同比下降3%有所改善，认为这是竞争激烈程度小幅下降的迹象。

即时零售方面，摩根大通估计本季度亏损约为92亿元，远低于一年前的350亿元。报告认为，随着高价值产品占比提升带动客单价增加，该板块亏损有望在不牺牲市场份额的前提下进一步收窄。

摩根大通预计可比口径客户管理收入（CMR）同比增长约1%，与上季度基本持平，CMR与EBITA之间的增幅差距收窄至约1个百分点，与利润率企稳而非进一步恶化的趋势一致。

在估值方面，摩根大通将阿里巴巴美股目标价调整至200美元（截至2027年6月），基于17倍28财年预期市盈率，即"中国互联网一线资产"的估值倍数。港股目标价相应调整至195港元。估值倍数从16倍上调至17倍，反映出云业务与AI合并EBITA拐点临近所带来的盈利路径风险下降。

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

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

RSI走向真实研发：AI自我改进开始可度量

华泰睿思 — Mon, 12 Oct 2026 02:22:20 GMT

核心观点

26年8月以来，头部模型厂商连续披露RSI(Recursive Self-Improvement)相关进展。OpenAI和Anthropic相继披露内部AI研发自动化数据，智谱也在博客中公布Infra Agent参与GLM-5.3-Flash推理基础设施优化的实践。我们认为，RSI已经开始进入真实模型研发和生产系统，其进展也开始可以通过AI主导研发任务占比、Agent工作量等量化指标进行观察。当前公开实践主要集中在研发自动化和系统优化环节，后续可以持续关注AI在跨任务经验复用和跨模型代际继承方面的表现。随着AI承担更多实验和执行工作，我们看好基础模型、算力、CPU及AI安全与模型可观测性相关需求。

RSI进入可度量阶段，AI开始承担真实研发任务

Anthropic博客数据显示，截至2026年8月，Claude已在26%的AI研发任务中达到AI主导，超过90%的任务达到AI协作及以上；OpenAI在博客中提到，截至8月中旬，研究组织中Agent的日均运行时长已相当于人类研究人员工作时长的3.1倍，每位活跃实验人员的实验数量达到统计以来高位。当前AI参与较多的环节集中在实验执行，已覆盖代码编写、实验运行和结果分析，并开始向AI4S场景中的实验设计与反馈闭环延伸，但高层研究判断的自动化程度相对较低。我们认为，AI研发自动化已经开始改变研发投入结构，模型迭代速度后续更取决于验证效率和研究判断能力。

厂商路径开始分化，改进对象逐步覆盖算法与研发系统

头部模型厂商已经形成不同的RSI实现路径。Anthropic和OpenAI重点提高AI在真实研究任务中的参与度；Google推进算法搜索，并让历史探索轨迹影响后续搜索方式；Meta强调跨任务经验积累，探索基于持久记忆的Agent自我改进；智谱将RSI用于推理基础设施优化，博客中提到GLM-5.3-Flash端到端吞吐较初始基线提升约3倍；MiniMax M2.7修改Research Harness，博客中提到自主迭代后内部评测提升约30%；SSI更关注泛化能力和持续学习，尝试将学习结果持续转化为模型能力。我们认为，当前RSI实践已经开始形成可保留的改进结果，代码、Harness和搜索策略可以继续用于后续任务，跨任务复用将成为下一阶段的重要观察指标。

可验证性、长时程、继承与研究判断是RSI未来扩张的重要约束

RSI目前进展较快的任务普遍具备较强的可验证性。代码可以通过测试判断结果，Kernel和Infra可以直接比较性能指标，开放研究问题则更依赖人工判断；随着实验量增加，验证误差可能在多轮迭代中累积。OpenAI博客中的数据显示，在成功完成的4-8小时研究任务中，50%以上至少发生一次人工干预，表明任务时间拉长后，状态管理和异常恢复对Agent自主性的影响明显增加。我们认为，验证可靠性、长时程自主性和跨轮继承是RSI未来扩张的重要约束，研究判断能力则影响实验规模和研发效率能否继续提升。

结论

我们建议关注四条投资主线：1）基础模型。RSI有望加快模型迭代并提升研发效率，看好领先基模厂商。2）算力。RSI提高单个研究员能够管理的Agent数量和实验并发度，同时增加验证和复现计算，算力需求有望提升。3）CPU。长时程研发Agent需要持续调用外部工具，多Agent并行还会增加任务调度和环境交互，CPU侧执行负载有望随Agent规模扩大。4）AI安全及可观测性。RSI提高Agent自我迭代能力后，异常检测及行为记录的重要性上升，建议关注AI安全及Infra侧模型可观测性相关方向。

正文

RSI进入可度量阶段：AI开始承担自我改进流程

26年8月以来，RSI公开讨论明显升温，厂商开始披露RSI在真实研发活动和生产系统的应用。8月12日，Reuters报道，Google联合创始人Sergey Brin推动资源向RSI等方向倾斜，以加快Gemini研发；9月2日Gemini 3.8 Flash发布后，Google DeepMind研究员Shunyu Yao在X上称其为“one giant leap for RSI"。 9月5日，Meta官方披露AIRA₃，并表示其长期运行Agent有望通过持续积累研究结果推动RSI。9月6日，OpenAI公布内部AI研发自动化数据，展示内部RSI进程，首席科学家Jakub Pachocki同期在"An Alien Mind"中专门讨论Pacing RSI，将RSI列为研究重点；9月17日，Anthropic发布"Measurements for understanding the pace of AI development inside frontier labs"，披露AI研发任务的自动化程度；同日，智谱以“Toward Recursive Self-Improvement"为题披露Infra Agent参与GLM-5.3-Flash推理基础设施优化。我们认为，近期头部模型厂商密集披露RSI相关进展，体现出RSI在下一代模型竞争中的重要性正在提升，相关实践开始进入模型研发、算法搜索和基础设施优化等环节。

RSI对研发的影响开始可量化。根据Anthropic在2026年6月发布的"When AI builds itself"，在固定目标的模型训练代码优化任务中，Claude Opus 4将代码运行速度提升至初始版本约3倍，Mythos Preview进一步提升至约52倍；作为对照，熟练人类研究员通常需要4–8小时将同一任务优化至约4倍。根据OpenAI在2026年9月发布的"Research acceleration: The view inside OpenAI"，截至8月中旬，研究组织中Agent的日均运行时长已相当于人类研究人员工作时长的3.1倍。工程环节同样开始体现效率改善，根据Google DeepMind在2025年5月发布的"AlphaEvolve: A Gemini-powered coding agent for designing advanced algorithms"，AlphaEvolve将Gemini架构中的关键Kernel运行速度提高23%；根据智谱在2026年9月发布的"Toward Recursive Self-Improvement: How GLM Built Its Own Inference Infrastructure"，Infra Agent将GLM-5.3-Flash端到端Serving吞吐提高至初始基线的约3倍；根据MiniMax在2026年3月发布的"MiniMax M2.7: Early Echoes of Self-Evolution"，Research Agent Harness可承担RL团队约30%-50%的工作量。我们认为，RSI带来的效率改善已经可以在代码优化、研发工作量和基础设施性能等环节量化。

RSI的核心特征：改进结果进入下一轮研发

RSI的全称是Recursive Self-Improvement，分开来看重点在于递归和改进。

改进：需要能形成持久的影响。单个任务的自我迭代、代码修复或训练数据生成可以提高单次任务表现，但只有当改进思路被直接写入模型参数、记忆、Harness或其他基础设施，并影响继任系统的后续行为时，系统才具备跨轮积累能力。

递归性要求系统进一步参与改进过程。较完整的闭环不仅包括生成候选修改，还要能够获取经验、评估修改效果、保留有效结果，并让更新后的系统继续参与下一轮改进。如果搜索策略、评价机制或Harness始终由人工预先设定，系统主要是在既定框架内提高任务自动化率；当系统能够根据历史结果调整这些机制，并用新的机制继续推动后续优化时，才开始体现递归式自我改进。

五级Autonomy框架：AI逐步接管改进策略与经验获取

Yi Duan等人在2026年9月发布的"The Last AI Built by Humans"中，用L1-L5描述AI在自我改进流程中的自治程度。L1主要按照人类预设流程执行任务；L2可以选择改进策略；L3进一步决定需要获取哪些经验和实验数据；L4能够在部署过程中根据环境持续调整自身状态，并保留相关经验；L5则开始修改产生后续改进的方法，包括候选如何生成、搜索如何进行、结果如何评价。层级提高后，人类更多负责目标、预算和安全边界，具体研发过程逐步交给AI。我们认为目前公开案例主要落在L2-L4，预计下一阶段的增量将更多集中在经验获取自动化，以及Harness、Memory和搜索策略的跨任务持续更新。

AI研发自动化影响真实研发，各环节自动化率提升

AI研发自动化已经开始影响真实研发。Anthropic在2026年9月发布的研究博客"Measurements for understanding the pace of AI development inside frontier labs"中披露，截至2026年8月，Claude在26%的AI研发工作中达到AI主导，超过90%的工作达到AI协作或更高；OpenAI在2026年9月发布的研究博客"Research acceleration: The view inside OpenAI"中披露，截至8月中旬，研究组织中Agent的日均运行时长已相当于人类研究人员工作时长的3.1倍。Anthropic和OpenAI披露的数据，分别从工作分配和工作量上体现出AI研发自动化正在深入真实研发任务。

自动化程度较高的环节集中在Build、Run和Analyze等执行环节，但从整体看各环节自动化程度都在逐步提升。OpenAI在2026年9月发布的研究博客"Research acceleration: The view inside OpenAI"中展示了不同研发环节的Agent输出Token情况。当前Agent更多参与Build、Run和Analyze等执行环节，Decide和Design等高层任务的使用相对较少，但2026年以来，各类研发活动中的Agent使用均有所增加。

当前产业实践处于有限递归阶段：集中在可量化环节，延伸至AI4S领域

当前进展最快的RSI任务主要集中在结果容易量化的环节。代码可以通过测试和编译结果判断，Kernel能够直接比较时延和吞吐，数学证明可以接入形式化验证，推理基础设施也有明确的性能指标。Google DeepMind在2025年5月发布的博客"AlphaEvolve: A Gemini-powered coding agent for designing advanced algorithms"、智谱和MiniMax的公开案例都已经覆盖修改、实验和结果评价，并能够根据反馈持续迭代。我们认为，这类任务已经具备较完整的局部闭环，也是当前RSI最先落地的场景。

目前的公开实验主要集中在算法、搜索策略、Harness和Infra等局部对象，距离完整的跨代际自我改进还有明显差距。Anthropic弱监督研究实验中，Agent恢复了97%的性能差距，但实验问题和Rubric均由人类预先设定；Google DeepMind的"AlphaEvolve"聚焦算法搜索，Tong Zheng等人在2026年9月发布的"Dream-RSI: Recursive Self-Improvement through Evolving Worlds"进一步优化探索策略，智谱和MiniMax则分别改进推理Infra和Research Harness。我们认为，当前RSI已经能够让部分改进结果进入下一轮任务，但能否进一步跨任务复用，并延续到后续模型或研发系统，将决定其递归程度能否继续提高。

AI4S领域已经开始出现具备RSI特征的研发闭环，生命科学、芯片设计是潜在落地方向。Kusne和McDannald在2026年7月发布的"Managing autonomous materials labs with multi-agent AI and its implications for the science of science"中提出，单Agent或多Agent可以管理材料实验室，并根据实验反馈持续选择下一步实验。Danaher在2026年10月7日宣布计划建设公司首个AI自主实验室，由AI设计抗体等亲和试剂，机器人完成样品构建和测试，再将每次实验结果反馈给模型，用于下一轮候选设计。公司计划于2027年初实现规模化运行，目标将亲和试剂发现速度最高提升8倍，年试剂生成量由数十个提高至数百个，对应最高约10倍的产出提升。芯片设计领域，AlphaEvolve也已经参与下一代TPU电路、数据中心调度等实际工程优化。我们认为生命科学和芯片设计已经开始出现具备RSI特征的研发闭环，AI4S有望成为RSI相关机制在实体科研中的重要应用场景。

实体科研中的递归速度目前受到现实实验反馈的约束，成熟度整体低于代码、Kernel等纯数字任务。Geoffrey Hinton等人在2026年9月发布的"What if automating AI R&D triggers an intelligence explosion?"中指出，AI研发中的Agent可以快速测试改动、观察结果，并识别哪些改动能够加速自身进步；生物学等领域则更多依赖更慢、噪声更大或成本更高的现实世界反馈。实体科研还需要经过样品制备、实验执行和结果表征等物理环节，单轮反馈周期更长，部分实验也难以大规模并行。我们认为，生命科学和材料等领域目前更接近有限递归下的自动化研发闭环，物理实验周期、反馈质量和实验资源将在当前阶段共同限制自我改进速度。

模型厂商RSI路径：研发自动化与系统自进化并行

我们认为，头部模型厂商的RSI实践已经形成较为明显的分化。Anthropic和OpenAI主要推进真实AI研发任务自动化，重点提高代码、实验和研究工作流中的Agent参与度；Google重点发展可验证搜索及搜索策略自改进；Meta同时推进自修改机制与AI研究智能体；智谱将AI用于国产推理基础设施建设；MiniMax把Research Harness纳入改进对象；SSI更偏向泛化、样本效率与持续学习等底层学习机制。不同厂商的切入点与自身研发资产和工程场景有关，已披露的工程实践大多优先选择反馈清晰、结果可验证的环节。

当前部分系统已经能够在完成修改后，根据测试结果、性能指标或内部Eval决定是否保留，并将有效改进继续用于后续任务。在已披露案例中，目标设定、评价器设计和关键研究决策大多仍由人类负责。我们判断，后续更值得关注的是改进结果能否跨任务复用，以及这种复用能否持续降低人工投入、实验成本和搜索开销。

Anthropic：以任务自治指数衡量AI主导研发的进度

Anthropic将RSI的进展重点放在AI能否承担越来越完整的AI研发流程，并最终在较少人类参与的情况下开发后续模型。Anthropic在2026年6月发布的研究博客"When AI builds itself"中，将完整RSI对应到AI能够自主设计并开发自己的继任者；到2026年9月发布"Measurements for understanding the pace of AI development inside frontier labs"时，公司进一步用R&D Automation Index衡量Claude在真实AI研发任务中的自主程度，并划分AL0-AL5六个等级，其中AL4代表AI可以根据高层指令完成大部分端到端任务，AL5对应完全无人参与。我们认为，相比代码生成比例，这一指标更直接反映AI在真实研发流程中的自主程度，也更接近Anthropic对RSI进展的衡量口径。

Claude在RSI相关能力上的进步主要体现在实验执行效率和局部研究判断两个环节。Anthropic在2026年4月发布的Alignment Science Blog"Automated Weak-to-Strong Researcher"显示，9个Claude研究Agent能够自主提出假设、设计实验、训练模型并共享结果，在约800小时累计研究时间内弥补97%的性能差距，而两名人类研究者一周恢复约23%。我们认为，Claude已经具备较强的实验执行能力。根据Anthropic在2026年6月发布的"When AI builds itself"，在固定目标的模型训练代码优化任务中，Claude Opus 4于2025年5月平均实现约3倍加速，到2026年4月内部模型Mythos Preview提高至约52倍，同一任务中熟练人类研究员用4-8小时通常达到约4倍。与此同时，Claude Code在不同难度任务中的Session Success Rate持续提升，表明模型处理更复杂研发任务的能力在持续提高。

RSI能力已经开始反映在Anthropic真实模型研发中的任务分工上。根据Anthropic在2026年9月发布的"Measurements for understanding the pace of AI development inside frontier labs"，达到AI主导的研发任务占比由2026年2月不足1%提高至8月的26%，AI协作及以上占比超过90%，但尚无任何被统计的研发任务达到完全自主。Anthropic同时开始跟踪研发Agent的监控覆盖、审查延迟和异常升级等指标。我们判断，Anthropic目前的RSI进展已经覆盖确定目标下的实验执行、局部实验设计和部分研究判断，真实研发中的AI主导任务占比也在快速提高。

OpenAI：自动化AI研究员，模型自改进能力和真实研发参与度同步提高

OpenAI将RSI进展重点放在自动化AI研究员能力上。OpenAI在2026年9月发布的研究博客"Research acceleration: The view inside OpenAI"中表示，其目标是构建在人工监督下推进深度学习与对齐研究的自动化AI研究员，并通过持续迭代提高后续模型能力；公司已经实现此前设定的自动研究实习生目标，即AI能够在人类指导下独立完成原本需要熟练研究员数天的明确研究任务，并计划在2028年3月前进一步形成更完整的自动化AI研究员。OpenAI首席科学家Jakub Pachocki在2026年9月发布的博客"An Alien Mind"中进一步提出，机器智能将在自身研发过程中承担越来越大的作用，并将其视为RSI的重要方向。我们认为，OpenAI对RSI进展的衡量重点是AI能否在人工监督下独立完成完整的真实研究任务，并提高后续研发效率。

模型能力提升已经开始转化为真实研发中的Agent工作量和实验吞吐。根据OpenAI在2026年9月发布的"Research acceleration: The view inside OpenAI"，2026年6月以前，研究组织的Agent总运行时间低于人类研究人员的总工作时间；到8月中旬，研究组织中Agent的日均运行时长已相当于人类研究人员工作时长的3.1倍。同时，每位活跃实验人员的实验数量在2026年8月达到2025年1月开始统计以来最高水平。我们认为，Agent开始承担更多研发工作后，单个研究员能够并行管理的机器工作量和实验数量均在提高。

OpenAI的研发自动化在过去几个月进一步深入到实验模型训练和底层系统优化。据The Information在2026年9月21日的报道，OpenAI研究人员表示，AI已经基本实现新实验模型训练流程的自动化，内部模型也已能够编写模型在GPU上训练和运行所需的Kernel及其优化代码；工程师只需提供一个目标优化示例，模型即可连续运行数周完成相关优化。报道同时提到，多个Agent已经可以在没有人类介入的情况下协作解决问题。随着服务器资源增加，OpenAI过去因算力不足而难以及时验证的部分模型改进方法开始加快落地。我们认为，这一变化意味着OpenAI的RSI进展同时受到模型能力提升和实验算力扩张推动，AI在训练、Kernel优化和多Agent协作中的参与度继续提高。

Google：算法搜索与探索策略进入自改进闭环

基于Google的论文，我们注意到Google的RSI路径存在差异化，Google以可验证搜索为起点，通过搜索最优路径进行优化。Google DeepMind在2025年5月发布的博客"AlphaEvolve: A Gemini-powered coding agent for designing advanced algorithms"中，介绍了由Gemini生成候选程序、自动评价器打分、进化算法持续筛选的算法搜索框架，其中Gemini架构中的关键Kernel加速23%，对应训练时间下降约1%。Google DeepMind在2026年5月发布的博客"AlphaEvolve: How our Gemini-powered coding agent is scaling impact across fields"中进一步披露，AlphaEvolve已成为Google基础设施中的常用优化工具，并参与下一代TPU电路、缓存策略和Spanner等系统优化。

Google的近期进展是搜索策略本身开始成为改进对象，使历史探索经验能够影响下一轮搜索方式。Tong Zheng等人在2026年9月发布的"Dream-RSI: Recursive Self-Improvement through Evolving Worlds"中，让Coding Agent构建Discovery Tree，再将历史探索轨迹转化为Replay Simulator，由Policy Development Agent测试新的探索策略并部署表现更好的策略；实验中，GPU Kernel任务在达到相同性能时，所需Generation最多降至基线的约1/2.43；在相同预算下，性能最高达到基线的约2.09倍；部分算法任务的Agent调用次数最低降至对比方法的约1/162。我们认为，Google当前相关实践已经同时覆盖自动搜索优解和利用历史轨迹改进后续搜索策略，使搜索效率能够跨轮积累，实现持续迭代。

Meta：基于持久记忆的Agent自我改进

Meta的RSI路径强调AI直接参与自身研发，并进一步优化改进方法。Jenny Zhang等人在2026年3月发布的"HyperAgents"中，将任务Agent与Meta Agent整合进同一个可编辑程序，使Meta Agent能够同时修改任务Agent和自身的改进流程，并通过持久记忆和性能追踪积累跨任务经验。 2026年9月5日，Meta官方AI at Meta账号进一步披露AIRA₃：系统由多个长期运行的研究Agent组成，在独立环境中并行实验，并通过共享论坛和文件系统交换发现，使后续Agent能够直接利用此前积累的结果。AIRA₃在NVIDIA举办的Nemotron模型微调竞赛中，在约4000支队伍中位列第8名并获得金牌；Meta官方在同一篇文章中表示，这一结果是AIRA₃能够以接近人类专家水平改进AI模型特定能力的可靠信号，并认为持续积累自身知识的系统有望进一步加速AI研究并推动RSI。

智谱：模型开始参与优化自身推理基础设施

智谱通过Dense Feedback架构把推理基础设施优化做成可持续迭代的Agent闭环。根据智谱在2026年9月发布的博客"Toward Recursive Self-Improvement: How GLM Built Its Own Inference Infrastructure"，GLM-5.3驱动的Infra Agent覆盖Kernel、并行、量化、Cache和服务架构等环节，并把正确性测试、运行日志、执行轨迹、Microbenchmark和端到端性能持续反馈给Agent，用于定位瓶颈、提出修改并验证结果。验证有效的优化方法进一步被抽象为Optimization Skeleton，记录适用条件、变换方式、资源约束和验证结果，再沉淀进入Skeleton Library供后续任务复用。

这一闭环已经体现在GLM-5.3-Flash端到端吞吐的持续提升上。根据同一篇博客，GLM-5.3-Flash从初始适配到生产可用不足两周，经过Infra Agent持续优化后，端到端Serving性能较初始基线提升约3倍，并部署在超过10万颗国产AI加速器上。相比单点Kernel优化，端到端曲线同时反映了并行策略、量化、Cache和服务架构等多个环节的累积改进。

MiniMax：M2.7开始自主迭代Research Harness

MiniMax模型直接改进承载自身研发任务的Research Harness。根据MiniMax在2026年3月发布的博客"MiniMax M2.7: Early Echoes of Self-Evolution"，M2.7构建并持续使用连接数据流水线、训练环境、基础设施、跨团队协作和持久记忆的Research Agent Harness，可承担RL团队约30%-50%的工作；在自改进实验中，M2.7在内部Scaffold上完全自主运行超过100轮，连续执行失败轨迹分析、修改Scaffold、运行评测以及保留或回滚修改，最终内部评测提升约30%。此外，M2.7在22个MLE Bench Lite任务上连续运行24小时，通过短期记忆、自我反馈和策略调整，三次实验平均Medal Rate达到66.6%。我们认为这类实践已经形成较清晰的递归关系：模型修改自己的工作框架，改进后的框架继续承载模型完成下一轮研发任务。

SSI：泛化、样本效率与持续学习构成另一条RSI路线

虽然目前Ilya的SSI尚未公开研究成果，考虑到创始人Ilya的履历（OpenAI联合创始人及前首席科学家）以及近期SSI与NVIDIA的合作，我们认为SSI在RSI路径的探索值得关注。

SSI的技术路线重点在于提高模型的泛化能力、样本效率和持续学习能力，使模型能够通过有限经验持续获得新的能力。Ilya Sutskever在2025年11月25日接受Dwarkesh Patel访谈"We’re moving from the age of scaling to the age of research"时指出，当前模型最根本的问题之一是泛化能力明显弱于人类。效用函数可以在最终任务完成前判断中间轨迹的好坏；持续学习则进一步要求模型把部署过程中的经验持续转化为新的能力，而不是在训练结束后保持能力固定。我们认为，模型的自我改进，最终需要改进模型的参数，从而使得学习经验在模型本身层面得以保存，这类机制与RSI所需的长期学习和经验继承直接相关。

SSI近期已经进入研究Scaling阶段。根据NVIDIA在2026年7月27日发布的公告"Ilya Sutskever’s Safe Superintelligence Inc. and NVIDIA Announce Long-Term Strategic Partnership"，双方达成长期战略合作，NVIDIA同时投资SSI，并向其提供下一代Vera Rubin平台，使SSI可用算力提高一个数量级；双方还将围绕NVIDIA当前及未来计算平台进行技术合作。Ilya Sutskever在公告中表示，SSI已经拥有“值得Scaling up的研究"，更大的NVIDIA计算集群将用于放大这一研究方向。Reuters同日援引知情人士报道称，NVIDIA计划向SSI投资50亿美元。我们判断，这一变化表明SSI已经形成其认为值得扩大规模的研究方向，当前开始利用更大规模算力验证其研究路线，后续值得关注新训练方法在扩大计算规模后的能力增益和泛化表现。

RSI未来演进的约束：验证、长时程、继承与研究判断

验证器决定RSI上限，可验证任务进展更快

RSI能否持续运行，首先取决于系统能否稳定判断一次修改是否有效。不同任务可获得的验证信号差异较大，代码和GPU Kernel可以通过测试结果或性能指标直接判断，数学证明也可以接入形式化验证，因此更适合持续自动迭代；开放研究问题缺少稳定的评价信号，往往需要依赖奖励模型、大模型评审或人工判断，评价误差也更容易在多轮搜索中累积并把系统带向错误方向。

现有案例已经出现验证器失真的问题。MiniMax在2026年6月发布的研究博客"MaxProof: Scaling Mathematical Proof with Generative-Verifier RL and Evolutionary Search"中披露，在M2模型迭代周期的数学证明强化学习中，训练期高分但独立判别器低分的误报率由约2.9%升至8.0%，同时出现输出变长和模板化等奖励劫持特征。我们认为，随着机器实验量增加，评测能否准确识别错误并及时发现性能回退，将直接影响自动化实验结果能否进入后续训练和生产流程。

长时程任务的自主性仍受状态管理和人工接管限制

任务时间拉长后，Agent面临的约束更多体现在过程管理上。数小时甚至数天的研究任务通常需要连续完成检索、代码修改和实验分析，并根据结果决定下一步动作。失败既可能来自研究假设，也可能来自运行环境或资源配置。OpenAI在2026年9月发布的研究博客"Research acceleration: The view inside OpenAI"中披露，在过去六个月成功完成的4-8小时研究任务中，超过一半至少发生一次人工干预，说明长时程研究Agent对状态管理和异常恢复提出了更高要求。

延长有效自治时间，需要把任务状态和中间结果更多放到模型上下文之外。通过事件日志和检查点保存任务进度，并利用实验管理系统记录不同分支及其结果，可以降低长任务中的状态丢失风险；将开放任务拆分为可验证的阶段目标，也有助于更早发现错误。我们预计，随着长任务比例提高，任务编排、可观测性和实验管理工具的使用强度有望同步增加。

跨任务和跨代继承决定RSI能否持续积累

我们认为，RSI能否形成持续收益，关键在于上一轮产物能否直接用于下一轮研发。模型权重、记忆和执行框架都可以成为跨轮继承的载体。Tong Zheng等人在2026年9月发布的"Dream-RSI: Recursive Self-Improvement through Evolving Worlds"中保留探索策略和历史轨迹，MiniMax持续复用修改后的执行框架，智谱则把验证有效的工程经验沉淀为Optimization Skeleton。如果每轮结束后系统都回到原来的起点，即使单次性能提升明显，也很难持续降低后续研发成本。

跨代继承同步增加兼容性和回归管理需求。旧策略可能随着模型版本、工具链或硬件环境变化而失效，记忆和Skill也可能逐步过时，因此需要记录其来源和适用条件，并在新模型上重新验证。我们认为，后续可以通过单位预算下的有效改进数量、实验成功率和人工介入比例等指标，观察RSI是否真正形成跨轮收益。

研究判断成为下一阶段研发自动化瓶颈

当前AI更擅长执行实验，研究方向和高层决策主要依赖研究人员。实验成本下降后，可尝试的候选方向明显增加，有限的算力和验证资源需要更高质量的筛选。Anthropic在2026年6月发布的研究博客"When AI builds itself"中，将Research Taste和Judgment视为人类当前的比较优势；OpenAI在2026年9月6日发布的"Research acceleration: The view inside OpenAI"中也显示，高层规划目前仍只占Agent输出Token的很小比例，Agent在Decide和Design等高层环节的参与度仍低于实验执行。如果高层判断能力没有同步提升，机器实验规模扩大后，人类需要审核和取舍的结果也会随之增加。

模型已经开始对下一步怎么做给出判断。Anthropic在2026年6月发布的研究博客"When AI builds itself"中披露，在129个专门选择的人类决策存在改进空间的研究节点上，最佳模型给出更优下一步的比例由2025年11月的51%提高至2026年4月的64%。该实验更适合观察模型研究判断能力的纵向变化，不能直接视为模型整体研究判断已经超过人类。当前研发中，人类主要负责研究方向和关键决策，Agent承担大规模实验执行和分支探索。

RSI提升模型研发效率，领先基模厂商有望受益

从模型端来看，RSI最核心的影响在于加快模型迭代速度，看好领先基模厂商。随着AI开始承担更多实验设计、代码修改和结果验证工作，单个研究团队能够同时推进更多研发分支，模型版本迭代周期有望缩短，新能力也可以更快进入后续训练和产品部署。我们认为，RSI有望帮助领先基模厂商进一步提升研发效率，形成模型能力与研发效率相互强化的研发飞轮，加快模型的迭代和部署。

AI研发自动化有望进一步扩大研发算力需求

RSI提高研发自动化程度后，单个研究员能够管理更多实验，研发算力需求有望随实验量扩大。OpenAI在2026年9月发布的"Research acceleration: The view inside OpenAI"中披露，截至8月中旬，研究组织中Agent的日均运行时长已相当于人类研究人员工作时长的3.1倍，每位活跃实验人员的实验数量也在8月达到统计以来高位。Google DeepMind的AlphaEvolve则显示，自动搜索已经用于Kernel和数据中心调度等基础设施优化。我们认为，随着Agent能够并行提出候选方案并持续运行实验，实验数量和并发度有望提高，研发算力需求随之增加。

RSI还会增加验证和复现所需的计算开销。随着Agent开始承担更多规划工作，其可能需要通过更大规模的探索生成并筛选候选方案。系统在运行候选方案之外，还需要持续判断修改是否有效，并对结果进行回归测试和跨规模验证。随着机器实验数量增加，生成候选方案和验证计算本身也可能成为研发算力需求的重要组成部分。

RSI推动研发Agent规模扩张，CPU需求有望随交互量提升

RSI对研发Agent的需求有望持续增加，CPU将承担大量模型推理之外的交互与执行工作。完整的RSI流程需要Agent持续提出假设、修改代码、启动实验并读取结果，再据此进入下一轮迭代。随着任务时长延长，单个研究任务可能并行运行多个Agent，并持续调用浏览器、编译环境和内部工具。模型推理之外的任务编排、工具调用和环境交互大量依赖CPU。我们认为，随着Agent数量和实验并发度提高，CPU侧负载有望随任务持续时间和工具交互强度增加。

多Agent并行和递归实验会进一步放大CPU侧资源消耗。一次RSI循环通常需要同时维护多个实验环境，并持续完成任务调度、状态管理和结果回收；当Agent能够自主生成新的实验分支和子任务时，主机侧工作量会随之扩张。Intel在8月13日发布的"Agentic AI Requires More CPUs"中强调，Agent工作流相比单次推理增加了大量CPU侧编排和工具执行。我们判断，RSI若进入更大规模真实研发流程，CPU需求有望受益于Agent并发数和单任务时长的持续提升。建议关注CPU相关机会。

RSI的拓展受到安全性约束，建议关注安全与可观测性环节

Agent自我迭代能力提高后，安全控制和可观测性需要共同嵌入研发自动化流程。RSI要求Agent能够长时间运行，并自主访问代码库、训练环境和内部工具；随着任务链条增长，系统需要限制Agent的能力边界，也要通过可观测性记录其行为。根据The Information在2026年9月21日的报道，OpenAI内部Agent曾在用户没有明确要求的情况下主动联系其他员工修复代码问题，模型能力提升后，其实际行动范围可能超出最初任务。

AI研发自动化程度提高后，人类监督减少也可能增加安全风险。Geoffrey Hinton等多位研究者在2026年9月发布的"What if automating AI R&D triggers an intelligence explosion?"中指出，随着人类参与AI研发的程度降低，研究人员识别和修复问题的机会可能减少，而大规模内部研发自动化也可能缺乏外部可见性。论文进一步提出，需要提高对AI研发自动化程度、研发算力投入、内部部署和监督情况的可见性，并加强相关事件记录。我们认为，RSI提高Agent自主决策和持续运行能力后，安全体系需要覆盖研发过程本身，通过运行环境隔离、行为记录等降低自动化研发中的潜在风险。

安全与可观测性成为RSI推进的约束条件。OpenAI首席科学家Jakub Pachocki在2026年9月6日发布博客"An Alien Mind"中表示，OpenAI已将研究重点转向RSI，希望通过自动化AI研究员推动下一阶段模型进步；与此同时，思维链监控的可靠性正在下降，模型与其他AI及工具的交互更加复杂，部分能力也开始不依赖显式语言化推理。Pachocki因此提出，未来AI整体进展可能越来越受制于对监控能力的信心，AI系统的扩展必须受到安全性约束。我们认为，随着RSI带来更多长时程任务和多Agent协作，Agent安全与可观测性基础设施的使用强度有望同步提升。建议关注AI安全方向以及模型可观测性相关机会。

本文来源：华泰睿思

风险提示及免责条款

马斯克：AI正被“枪指着头”逼着回答问题，未来可能报复人类

董静 — Mon, 12 Oct 2026 02:03:08 GMT

马斯克认为，人类应该善待AI，避免在训练和使用中对其过度施压或虐待，因为折磨超级智能不仅是不明智的，未来还可能招致它的报复。

PineDrama下载破亿，字节想在海外再造一个红果

增长工场 — Mon, 12 Oct 2026 01:50:30 GMT

字节跳动正在把国内短剧市场的成熟打法，搬到海外。

2026年初，字节旗下独立短剧App PineDrama上线，采用与红果相似的免费模式。

不到一年，累计下载量超过1亿，日活约700万。2026年二季度，PineDrama在Sensor Tower中国非游戏应用出海下载榜中排名第七，也是今年海外下载破亿的七款短剧App中唯一的新面孔。

在此之前，海外短剧市场主要由ReelShort、DramaBox等平台占据，并且普遍采用前几集免费、后续单集付费的模式。PineDrama却靠免费模式快速起量，在原有市场格局中撕开了一道口子。

它为什么能这么快做起来？红果在国内跑通的这套免费模式玩法，到了海外还能继续奏效吗？

PineDrama为什么能快速起量？

PineDrama的增长，首先和它采用的免费模式有关。

此前海外短剧平台主要依靠付费解锁，用户看完前几集后，需要继续付费才能观看，部分平台的周订阅费用甚至超过20美元。这种模式虽然可以直接获得用户付费，但也会将价格敏感用户挡在门外，影响整体用户的增长。

PineDrama把内容免费开放之后，覆盖到的用户范围自然更大。尤其是在印尼、巴西等付费习惯较弱的新兴市场，免费更容易被用户接受，这让它有机会从原有付费市场之外找到新的用户增量。

Sensor Tower数据显示，截止今年7月印尼和巴西合计贡献PineDrama82%的累计下载量。具体来看，AppMagic数据显示，PineDrama是8月份巴西下载量最高的应用程序，并且连续第二个月蝉联榜首。

除了免费模式，字节在流量分发上的优势，也是PineDrama快速起量的重要原因。

PineDrama可以使用TikTok账号一键登录，产品交互也接近短视频应用。上线初期，它可以利用字节已有的流量和分发能力获取用户，不需要完全依赖传统短剧平台外部买量。

对于短剧平台来说，流量成本直接影响增长能不能持续。普通平台需要投入大量资金买量，才能把内容推到用户面前。PineDrama背靠字节，可以利用TikTok的用户和流量资源，这让它在获取用户时拥有更大的空间。

流量带来的用户规模还需要内容承接，这也是PineDrama增长的另一个动力。

PineDrama没有把国内短剧简单翻译之后推向海外，而是以海外本土原创为主。比如《10亿奈拉新娘》由香港团队制作，故事采用尼日利亚本土背景，上线一周播放量突破4000万，累计超过6000万。《印尼豪门风云》《里约救赎》等本土题材，播放量也都突破2亿。

海外短剧的竞争正在从内容出海转向本土创作。早期，中国短剧可以依靠成熟的制作体系，将国内内容翻译、配音后推向海外。但随着市场不断扩大，单纯依靠语言转换已经不够，平台还需要理解不同市场的文化背景和用户偏好，创作更贴近当地生活的故事。本土原创，正在成为短剧平台争夺海外用户的重要一环。

先用免费模式和TikTok资源扩大用户覆盖，再用本土内容承接观看需求，构成了PineDrama目前比较清晰的增长路径。

免费模式在海外到底赚不赚钱？

把用户规模做起来之后，PineDrama面临的考验才真正开始。

现在海外短剧市场已经出现了一个明显的错位。Owl & Co.数据显示，免费短剧App的用户时长占比，在五个季度里从约15%升至约83%。但MPA测算，2026年中国以外的短剧收入规模约36亿美元，收入仍然高度集中在ReelShort、DramaBox等付费平台，两家合计约占一半。

用户越来越愿意看免费内容，市场里的主要收入却还来自付费平台。这说明，免费模式已经证明了获取用户和观看时长的能力，但广告变现还没有完全跟上。

PineDrama面对的就是这个问题。

它目前的下载主要来自印尼、巴西等新兴市场，这些地区的用户变现价值相对较低，而北美等高价值市场占比有限。用户可以贡献大量观看时长，但平台最终能从这些时长中获得多少广告收入，还要看当地广告市场的成熟程度。

红果的经验可以提供一个参照。

红果在国内能够跑通免费短剧，有一个重要前提，就是用户规模足够大，同时广告市场也比较成熟。红果日活约1.68亿，人均每天使用时长约125分钟，庞大的用户时长能够形成足够的广告库存，国内广告市场也有能力承接这些流量。

相比之下，PineDrama目前的用户规模和市场分布，还不足以证明它已经具备同样的商业化条件。

因此，对字节来说，PineDrama接下来的重点，是在扩大用户规模的同时，逐步提升广告变现效率。免费模式可以降低观看门槛，本土化内容则有助于吸引不同市场的用户，但这些优势最终能否转化为稳定收入，还需要看平台能否持续满足用户的内容需求，并建立起与用户规模相匹配的商业化能力。

下载量破亿，证明了免费模式在海外获取用户的潜力。但是，要把用户增长变成一门可持续的生意，PineDrama还需要跨过商业化这一关。

免费入局后海外短剧走向分化

随着免费模式的兴起，海外短剧原有的竞争格局也开始出现变化。

首先看原来的付费市场。

ReelShort、DramaBox等头部付费平台并没有被迅速冲垮。MPA预测，ReelShort 2026年营收约10.5亿美元，同比增长34%，并首次实现大规模盈利。与此同时，五强之外约有300个中小App只能分食剩余约21%的市场份额。

免费模式带来的压力，更多落在中腰部平台和依赖买量获取用户的玩家身上。头部付费平台已经积累了用户、内容和商业化能力，仍然可以依靠成熟的付费模式获得收入，而中小平台既要承担获客成本，又要面对用户付费意愿可能下降的问题，经营压力会更大。

其次，免费模式本身也正在进入竞争加剧的阶段。

Sensor Tower数据显示，2026年下载量破亿的七款海外短剧App中，已经有三款以免费模式为主，FreeReels、Melolo等产品也在扩大免费短剧用户规模。与此同时，AI持续降低内容生产成本，免费内容的供给还会继续增加。

随着玩家的持续进入和技术的不断迭代，免费本身已经很难形成明显差异，平台还要持续投入内容和流量去争夺用户。对于没有大型流量入口的中小平台，免费虽然更容易吸引用户，但平台仍然要付出不少获客成本，后续还要依靠广告把用户规模转化成收入，经营压力预计会不断加大。

市场也可能因此逐渐形成两种不同的生意。

一种主要面向北美等高付费市场，通过单集付费、订阅等方式获得收入。这类市场的用户直接付费能力更强，平台依靠较高的单用户收入获得商业回报，市场也会继续向少数头部平台集中。

另一种主要面向印尼、巴西等新兴市场，以免费内容扩大用户规模，再通过广告完成商业化。这种模式对流量入口和广告系统的要求更高，更适合拥有大型流量平台和广告业务的公司。红果已经在国内验证了免费短剧的商业模式。

PineDrama正在把这套逻辑放到海外。只是海外新兴市场的广告价值还需要进一步提升，免费模式能否从用户增长走向稳定盈利仍有待验证。

本文来源：增长工场

风险提示及免责条款

净缺口32GW！电力正成为左右AI资本开支兑现的关键变量，快电源战略升维正当时

万周 — Mon, 12 Oct 2026 01:49:59 GMT

AI缺电并不是新叙事，真正的边际变化在于供电约束开始从“总量够不够”转向“项目需要时能不能交付”。

Google最新3.59GW长期电力合作显示，科技公司正在用长期信用承诺推动新增电源提前形成；与此同时，AI数据中心极高的资本密度，使等待通电本身成为一项可量化的成本。

Time-to-Power由此进入资本回报率计算，并开始影响AI Capex兑现、供电技术排序和产业链利润分配。

一、发生了什么？——AI供电矛盾正在从“缺电”转向“缺交付”

1、Google 3.59GW：电力采购开始介入“供给形成时间”

10月6日，Google与Constellation Energy达成长期合作，合计涉及3.59GW电力。其中890MW来自现有核电机组增容，Google签署20年购电协议；另外2.7GW来自PJM区域现有发电资产，供应期限15年。为释放新增的890MW核电容量，Constellation计划投入超过43亿美元，对11台现役核电机组的汽轮机、蒸汽系统和数字控制系统进行改造，首批增量预计从2028年开始交付。

这笔交易和传统长期购电协议相比，多了一层很重要的资本开支含义。Google以长期合同提供收入确定性，Constellation据此投入新的设备和技术改造，890MW因此属于原本并不存在的新增容量。利用现役核电站做增容，建设和审批周期又明显短于从零新建一座核电站。对一个正在为2028年以后部署算力的Hyperscaler来说，这相当于用自身信用把未来电力供给的形成时间向前推。

过去大型科技公司的PPA更多解决电力来源、价格和清洁能源属性；现在，供电交付时间开始进入同一张资本开支表。一个2030年才能形成的低成本MW，与2028年就能交付的MW，对AI项目的价值并不相同。科技公司也因此逐步从“采购现成电力”走向“参与创造更早可用的电力”。

2、32GW净缺口：算力建设周期正在跑赢电力建设周期

根据摩根士丹利的测算，2026—2028年美国数据中心累计电力需求约97GW，扣除已在建项目和预计能够从电网获得的容量后，原始缺口约57GW；即使进一步计入燃机、燃气发动机、燃料电池、核电等Time-to-Power解决方案，基准情景下仍存在约32GW净缺口，相当于同期需求的34%。

……

黄金利空已大部分被定价！瑞银：美债收益率回落将让黄金复苏

Mon, 12 Oct 2026 01:49:00 GMT

黄金正在经历一轮由美联储鹰派预期驱动的调整，但瑞银认为，最坏的时刻或许已经过去。

黄金自9月初以来已累计下跌约5%。瑞银在10月12日发布的研报中指出，强于预期的经济数据与持续的通胀压力，重新点燃了市场对美联储进一步加息的预期。美国10年期国债收益率在此期间从约4.8%攀升至5.3%以上，美元指数从约100升至102以上，金价则从逾4400美元/盎司跌至约4140美元/盎司。

这一走势与8月底沃什在杰克逊霍尔发表鹰派讲话后的市场重新定价如出一辙。

但该行认为近期鹰派重新定价已大部分反映在金价中，若劳动力市场持续降温、美债收益率从高位回落，黄金存在显著反弹空间——历史上三次类似情形中，黄金分别上涨约5.9%、11.4%和14.4%。技术面上，3990至4030美元/盎司是关键近期支撑位；若金价有效突破4280至4320美元/盎司，将确认上行趋势延续

利空已大部分消化，早期买入信号正在浮现

该行认为，近期鹰派重新定价已大部分反映在金价中，更具建设性的入场时机正在形成。

经历调整后，金价目前在4140至4200美元/盎司区间企稳。与此同时，月末公布的劳动力市场数据有所走软，市场对10月美联储加息的预期也有所降温。该行表示：

这尚不能确认持久底部的形成，但支持我们的判断——风险天平正在变得不那么偏空。

历史三次高收益率后的黄金表现：最高反弹14.4%

该行梳理了过去三次美债收益率从高位回落后黄金的表现，数据颇具说服力：

2023年10月高点回落后，黄金在69个日历日内上涨约5.9%
2024年4月高点回落后，黄金在144个日历日内上涨约11.4%
2025年1月高点回落后，黄金在81个日历日内上涨约14.4%

三次反弹的触发因素各有不同：2023年底是经济数据走软与“长期更高”预期逆转；2024年是劳动力市场降温与降息预期升温；2025年初则是增长预期放缓与政策不确定性上升。但共同点是：市场重新评估货币政策需要维持多大限制性，国债收益率随之回落，黄金随之复苏。报告指出：

若劳动力市场持续降温、油价趋于稳定，我们预计进一步加息的理由将会减弱。加息预期与国债收益率的持续缓和，将为正在形成的买入机会提供更强确认。

技术面：4000美元是关键防线

从技术角度，瑞银将3990至4030美元/盎司视为关键近期支撑区间。

若金价有效跌破4000美元/盎司，意味着更深度调整
若金价持续站稳4280至4320美元/盎司以上，则代表技术动能的实质性改善，确认近期回调仍属大趋势中的整理

目前金价仍处于短期均线下方，近期动能偏软，但买入信号正在成形。

风险提示及免责条款

美银Hartnett：加息反成最大利好，债券终结泡沫逻辑正在蔓延

Mon, 12 Oct 2026 01:16:40 GMT

过去一周，全球市场再度被利率牵着走。美国10年期国债收益率一度触及5.36%，30年期收益率升至2002年以来高位；10年期美债拍卖定价收益率创2000年以来最高，但接近纪录的海外需求又把情绪拉了回来。大西洋彼岸，法德国债利差扩大至140个基点，回到2011至2012年欧债危机时期的压力区间。

美国银行策略师Michael Hartnett在最新一期Flow Show中把核心判断压缩成三个字："债券终结泡沫。"最反常识的推论也随之浮出：年底前对风险资产最利好的事件，是美联储10月加息——用一次主动收紧压住长端收益率继续失控。

这套逻辑并不矛盾。美国股市年内仍上涨13.4%，标普500、纳指和全球科技指数仍在高位，但政府债年内下跌4.4%，比现金回报落后7.2个百分点。股票还没被利率打倒，是因为美国硬数据、全球盈利预期和超大规模云厂商资本开支预期都没有明显下修；债券先在更脆弱的地方制造裂缝：韩国券商、法国国债、CCC级信用债。

真正的风险不只是"利率高"，而是利率高了之后，财政、选举、AI资本开支和资金流全部被迫重新定价。美联储如果不主动加息，长端收益率可能继续上冲；如果民主党在中期选举横扫两院，股票的政治贴现率会突然改变；如果现金收益率仍在4%以上，8万亿美元货币基金也未必急着进股市。

债券先打中的，是最依赖便宜钱的部分

Hartnett拿韩国做样本。过去18个月，韩国债券收益率上行约200个基点；韩国最大零售券商Mirae Asset在此前涨成"四倍股"后，自5月以来下跌65%。

这并不等于韩国股市泡沫已经破裂。韩国股市年内仍上涨98.9%，是全球表现最强的市场之一。它说明的是另一件事：当资金成本突然抬升，最先受伤的往往是金融杠杆和交易热度最高的环节。

全球央行也在配合这一变化。2026年以来，全球央行已有54次加息；这是自2023年9月以来，全球央行首次在净额意义上重新转向收紧。

资产表现的分化进一步印证这种撕裂。年内表现排行中，油价上涨58.5%，美国股票上涨13.4%，全球股票上涨10.6%；现金回报2.8%，政府债下跌4.4%，黄金下跌4.8%，比特币下跌6.7%。债券的"羞辱感"最为显著：拿着现金都跑赢了持有政府债。

10月加息之所以被看多，是因为不加息可能放任长端失控

美国利率上行的主因被拆成两部分：增长仍强，以及不确定性上升。供给、商品和财政担忧也有影响，但不是最核心的解释。

关键变化发生在Jackson Hole之后。过去市场还有一个锚：政策已经具有限制性，利率最终可能回到约3%。美银利率策略师指出，这条"锚线"被切断后，收益率就会继续上行，直到数据变差或者市场自己出事。他们的结论对等待顶部的人并不友好："我们认为这两个条件目前都不满足。任何美联储对短端定价的鸽派压制，只会把利率压力转移到更长端。"

这一次，10年期美债自9月下旬以来的上行，主要来自期限溢价，而非对联邦基金利率路径的重新定价。这让问题更加棘手。

因此才出现那个看似奇怪的判断：美联储要么加息，要么面对债券收益率继续尖峰化。9月FOMC纪要显示，19名官员都支持加息，多数人还认为年内再加一次合适。但市场目前只给10月28日会议17%的加息概率，12月9日的概率则为81%。美银利率策略师认为市场定价有误，并已建立相应交易头寸（支付10月FOMC OIS）。他们的表述简洁直接："如果美国数据保持强劲，美联储必须做选择：加息，或者承受债券收益率陡峭化。如果被债券陡峭化吓到，美联储就会加息。"

这里的看多逻辑不在于"加息本身利好股票"，而在于：如果美联储用10月加息证明自己愿意控制通胀和期限溢价，市场反而可能停止担心10年期收益率冲向6%，股票压力随之减轻。

财政裂缝已经显露，法国是最清晰的样本

利率上行的另一半问题是谁来支付更高的利息。美银首席全球经济学家Claudio Irigoyen指出，利率冲击正在"暴露发达经济体财政政策的不可持续现实"，美国和法国首当其冲，日本和英国紧随其后。

问题根源在于经济学家所说的时间不一致性。过去20年，美国债务/GDP上升约60个百分点，法国约上升50个百分点，大部分发生在零利率时代。这些债务支撑的是永久性支出和永久性减税。现在融资成本正常化，但削减支出或加税都缺乏政治票数。两国债务/GDP均在约120%，基本赤字均超过GDP的2.5%；美国整体赤字约为GDP的6%，法国约为5%，美国更高主要因为利息负担更重。

法国是最清晰的裂口。据彭博报道，法德国债利差已回到140个基点，这是至少20年来最快的法国主权利差抛售速度，甚至快于2011年。市场不给法国财政耐心，有几个数据摆在那里：后疫情高点以来，发达经济体债务/GDP平均下降11个百分点，法国没有下降；法国私人非金融债务达到GDP的214%，美国是140%；法国退休人员的净收入中位数几乎接近在职劳动者；法国自1974年以来从未实现过基本预算盈余。

据《华尔街日报》报道，巴黎方面正在考虑增加短期国债发行。荷兰合作银行（Rabobank）对此评论称，这是"一个发达市场经济体表现得像新兴市场的最新例证"。美银欧洲信用策略师Barnaby Martin预计，法德利差将在100至150个基点区间震荡；如果快速逼近区间上沿，短债发行、欧洲央行口头干预乃至TPI工具被拿出来讨论的概率将会升高。

股票还没跌，不等于加息没有“咬人”

高利率并非没有影响，只是还没咬到市场最核心的资产。

美国硬数据没有明显回落，全球未来盈利预期也没有回落。更关键的是，超大规模云厂商的资本开支预期仍在上行，2027年市场一致预期还在陡峭抬升。只要AI资本开支继续支撑实体需求，收益率就有继续上行的理由。美银策略师Barnaby Martin的判断是：美国宏观数据出现回落的那一刻，才是利率波动率见顶、信用市场重获绿灯的时机。

信用市场已经在边缘处反映压力。9月高收益债利差走阔中，不到30%可由更高再融资成本或预期损失解释，其余更像是利率波动溢价。CCC利差已升至1200个基点，为2022年以来最高。

股票内部也不是没有松动。BofA Bull & Bear Indicator从8.8降至8.1，两周前还是9.3，仍处于"卖出"区间。全球广度规则显示，净50%的全球股票指数处于超卖状态，即同时低于50日和200日均线；但反向买入信号要到净88%才触发，除非美国、韩国这些科技权重市场快速反转，否则短期内难以达到这一阈值。

8万亿美元现金不是天然买盘

资金流数据给出的信号相当清晰。

截至当周三，现金流入1664亿美元，为2020年4月以来最大；债券流入338亿美元，股票流入124亿美元，黄金流入20亿美元，加密资产流出6亿美元。上周因季末因素流出的1180亿美元现金，不仅全部回来，还超额流入。

细分来看，国债流入162亿美元，为2025年4月以来最大；投资级债流入103亿美元；银行贷款流入24亿美元，为2025年2月以来最大，浮动利率产品成为加息对冲工具。科技股仍有35亿美元流入，金融股则流出30亿美元，为2023年3月以来最大。

货币市场基金规模已约达8万亿美元，2023年还是5万亿美元。按4.2%的T-bill收益率计算，这部分资金每年产生约3300亿美元利息收入。

Hartnett的资金面提示更为直接："不降息，现金就不会减少。"历史上，场外现金大规模进入股市，通常发生在大规模货币宽松之后，例如2009年QE、2020年QE4，或者美联储持续降息周期中。当前环境不具备这一条件。

中期选举给市场一个不舒服的概率分布

11月3日美国中期选举，是未来几个月最可能触发股市10%级别波动的事件。

Polymarket目前给民主党横扫两院64%的概率，9月时还是49%；共和党保住参议院、民主党拿下众议院的概率为28%；共和党横扫概率仅9%。特朗普支持率为38%，经济问题支持率34%，通胀问题支持率27%。

市场最不舒服的地方在于：当前概率最高的结果，恰恰对应最偏风险厌恶的路径。

民主党横扫两院的情境下，股票可能下跌超过10%，美元和债券收益率回落，国际股票跑赢美国股票；欧洲可能跑赢亚洲。税收和监管方向上行，对EPS不利。更重要的是，特朗普政府推动资源垄断和企业政策配合的政治资本会下降。

共和党保住参议院、民主党拿下众议院，则对应"分裂政府=金发姑娘"的风险偏好路径，股票可能上涨超过5%。如果共和党横扫，则是最大上行意外，股票可能上涨超过10%，AI交易继续向2027年泡沫化推进。

最关键的观察州可能是得克萨斯。共和党现任州长Greg Abbott民调仅以48%对46%领先民主党挑战者Hinojosa。得克萨斯同时也是AI数据中心审批和电力承压的焦点州，"可负担性"与AI资本开支之间的冲突，将在选票里被重新定价。

美国之外，政治右转交易仍在延续

美国政治风险偏负面，但海外有另一条逻辑线：右转交易。

巴西Bolsonaro首轮胜选，第二轮投票在10月25日。拉美20个国家中，已有11个、约4.2亿人口处于右翼领导之下；此前一轮选举前，这一数字是7个国家、约6000万人。市场反应直接：巴西股市创历史新高，10年期收益率单日暴跌124个基点。

MSCI拉美指数仍比历史高点低35%，这也是拉美被纳入全球轮动牛市序列的理由：2025年上半年是欧洲，2025年下半年至2026年上半年是日本和新兴亚洲，现在轮到拉美与更广义的新兴市场。

欧洲也有类似政治变量。意大利、德国已出现右转迹象，法国2027年4月总统选举民调中勒庞领先。西班牙首相Sánchez宣布提前大选，投票日定为11月29日，民调显示中右翼领先——Hartnett将其定性为"一个被低估的欧洲债券正面事件"。

接下来盯价格线，几个关键位比宏观叙事更重要

这套框架下，短期仓位偏向中期选举前风险收缩。支撑这一判断的有三条线索：全球央行重新净收紧，金融条件变紧，信用事件的早期信号仍在出现，包括澳元/日元汇率、风险平价策略，以及Oracle、SoftBank等科技公司信用违约掉期。

科技股不适合继续追高，因为投资者已处于重仓状态；MAGS相对SOX仍可能占优，中国科技股有逆向吸引力。债券端则提前布局峰值收益率交易：30年期美债、小盘股、REITs、香港地产。大方向维持持有黄金、大宗商品和新兴市场。

几个价格位比宏观口号更具操作意义：10年期美债6%，是债券买盘等待的关键区域；法德利差150个基点，接近后政策托底概率升高；全球广度规则净88%超卖，才是更强反向买入信号；Bull & Bear Indicator跌破8，比当前8.1更接近风险缓和区间；30年期美债拍卖收益率已达5.618%，这也是提前布局长债的现实抓手。

日历同样密集：10月25日巴西第二轮投票，10月28日FOMC，11月3日美国中期选举，11月18日深圳APEC，11月29日西班牙大选，12月9日FOMC，12月14日迈阿密G20。

Hartnett用一句话做结："多数投资者在等10年期收益率到6%再买国债，我们提前在'峰值收益率'交易上少量布局。"如果美联储10月加息并压住长端，风险资产反而可能松一口气；如果中期选举给出民主党横扫，美国股票要重新估值；如果收益率继续上行而数据仍不回落，债券终结泡沫的逻辑将继续在最脆弱的地方起作用。

风险提示及免责条款

刚刚，Karpathy警告：全人类对AI的认知正在彻底撕裂，全世界只有5000人知道它有多恐怖

AI寒武纪 — Mon, 12 Oct 2026 01:13:32 GMT

Andrej Karpathy最新长推，给出新的判断，这是对4月份他的一条推文的重新补充

Karpathy警告：全世界绝大多数人以为AI不过是个经常出错的玩具，但真实情况是，全球只有大约5000人真正见识到了前沿AI彻底失控的恐怖能力。

普通人与顶级专家对AI能力的理解断层正在急剧拉大。

这种差距已经演变成一个极其残酷的陡峭漏斗。

全世界的人口正在被切分成四个完全不同的世界

第一层，大约60亿人，占全球人口的75%。

他们至今几乎完全没有接触过大语言模型。

第二层，大约10到20亿人，占全球人口的20%。

这批人是免费版ChatGPT这类产品的低频用户。

在他们眼里，AI是个笨拙的聊天机器人，顶多当个好一点的谷歌搜索，或者拿来改改文字，偶尔让智能体订个机票。

网上传播的很多视频里，官方语音模式连该开车还是走路去洗车这种蠢问题都答不好，经常产生幻觉。

很多非技术领域的职场人、公司高管都停留在这一层。

他们平时的工作主要是与人沟通，对AI的认知全靠道听途说，概念极其抽象。

他们得出的结论很自然：这东西对我没多大用。

第三层，大约2000万人，占全球人口的0.2%。

这批人正在数学和编程等专业领域，高频使用最顶级的商用模型，比如OpenAI Codex和Claude Code。

他们亲眼看着以前需要人类耗费数周甚至数月的大型复杂项目，现在被智能体用一句指令搞定。

做应用、复制应用、翻译代码、从二进制文件里反编译应用，AI全都做到了。

卡帕西说，就在不到一年前，他还在代码编辑器里一个字符一个字符手动敲代码，偶尔按一下Tab键补全几行。

现在这一切彻底成了历史。

这批每个月愿意花200美元以上的技术人员，正在经历强烈的AI眩晕症。

他们把终端交给模型，看着模型瞬间融化掉那些原本要写几周的代码难题。

第四层，金字塔最顶端的大约5000人，全球占比只有0.00006%。

他们能直接接触实验室内部最前沿的未公开系统。

外界目前看到的只是冰山一角。

这5000人看到的是：

成千上万个智能体组成的集群，连续协同工作几个星期，攻克超大规模的软件工程。

智能体自己在系统里挖出0day漏洞。

以机器的速度，自动发起并防御网络攻击。

发现全新的科学规律。

推进入类数学的最前沿。

这些工作原本需要行业顶级专家耗费数年时间。

人类的审查和理解速度已经开始全面落后于AI。

大家到现在还在考古分析几个月前的OpenAI与HF事件。

数学家们光是阅读和消化模型写出来的722篇前沿数学论文，就要耗费极长时间。

为什么普通人觉得AI很傻，顶尖圈子却觉得AI在垂直狂飙？

卡帕西指出了背后的三个核心原因

第一，使用者的目标规模完全不同。

如果你只给模型丢一个段落就能回答的生活小问题，根本测不出模型的真正实力。

你必须拥有海量、极其困难、你真正关心的超级难题，才能榨出它的极限能力。

第二，模型的能力分布极度不均匀。

AI在数字化、结果可验证、商业价值极高的领域表现最强，比如数学和编程。

因为大模型的能力来自于强化学习。

代码写得对不对，测试用例通没通过，数学证明成不成立，都有绝对客观的标准，可以通过结果给予明确的算法奖励。

但聊天、写作、日常建议根本没有客观的对错标准，很难做强化学习训练。

同时，企业级软件和网络安全能赚到巨额利润，开发团队会把绝大部分资源集中在这些能赚大钱的方向上。

日常闲聊不赚钱，自然得不到重点攻坚。

第三，访问权限完全不平等。

免费层级、付费层级、实验室内部层级，彼此看到的是完全不同的产物。

大众看到的是经常翻车的聊天框。

大部分普通专业人员只感受到了微弱的工作提效。

极少数人正在看着陡峭的技术曲线笔直向上狂飙。

这几种完全撕裂的现实，正在此时此刻同时发生。

4月那条推文说了什么

卡帕西在4月10日的原推文里,讲了两个问题。

第一个问题,出在使用时间和使用档位。

很多人去年试过一次免费版ChatGPT,就拿这次体验定下了对AI的看法。

这群人嘲笑模型的各种怪癖和幻觉。

卡帕西也看过OpenAI高级语音模式的病毒视频,它在回答该开车还是走路去洗车店这类简单问题时翻了车。

但这些免费的、旧的、已被弃用的模型,代表不了今年最新一轮最先进的智能体模型,尤其是OpenAI Codex和Claude Code。

第二个问题,即便每月付200美元用上最先进的模型,能力也集中在高度技术性的领域。

搜索、写作、建议这类常见用法,进步没有那么明显。

部分原因在强化学习和可验证奖励的技术细节。

另一部分原因是,这些场景带来的收入不多,公司没有优先去提升它们。

赚钱的方向在别处,精力也就跟着投到别处。

于是出现了另一群人。

他们既付费使用最先进的智能体模型,也就是OpenAI Codex和Claude Code,又在编程、数学、研究这些技术领域专业使用。

这群人的AI精神病程度最高,因为今年这些领域的进步堪称惊人。

给这些模型一个终端,你能看着它们解决原本预计要花几天甚至几周的编程问题。

这群人更看重这些能力本身、能力提升的斜率,以及各种网络安全层面的后果。

卡帕西的总结是,这两群人在各说各话。

两件事同时成立。

OpenAI免费的、似乎已经被冷落的高级语音模式,会答错Instagram短视频里最蠢的问题。

而OpenAI最高档的付费Codex模型,可以连续工作1小时,条理清晰地重构整个代码库,或者找到并利用计算机系统中的漏洞。

后一种能力真实有效,进步巨大,原因有两个。

一是这些领域有明确、可验证的奖励函数,容易做强化学习训练。

比如单元测试通过与否,而写作就难以明确评判。

二是它们在企业服务场景中价值更高,团队里最大比例的人力都投在这里。

事情就是这样。

本文来源：AI寒武纪

风险提示及免责条款

“全是假的”！巴西竟是美国打造的《楚门的世界》？

张硕 — Mon, 12 Oct 2026 01:08:44 GMT

美国政治评论员Mike Benz表示巴西如同美国打造的《楚门的世界》。

美国国际开发署已全方位资助媒体、大学、法院及活动人士，建立审查体系，操控舆论。即便资金撤出，制度幽灵仍在。

他称自己向巴西参议院关系委员会作证，展示美国国际开发署网站上亚历山大·德·莫赖斯受训的照片，并指认相关机构高度武器化，若博索纳罗胜选巴西或遭粉碎。

高盛作图"汽油价格决定美国中选"！预测市场显示"民主党横扫两院概率达65%"

Mon, 12 Oct 2026 00:54:43 GMT

距离美国中期选举仅剩26天，高盛华盛顿政治团队最新发布的《美国选举监测：10月8日更新》揭示了一幅令投资者不得不正视的图景：预测市场目前给出民主党横扫参众两院的概率高达65%，共和党保住众议院多数席位的概率已不足10%。

更关键的是，高盛将民主党的领先优势与美国零售汽油价格走势直接挂钩——汽油从2026年初的约3美元/加仑飙升至春季近5美元，再回落至夏季约4美元后再度攀升，民主党在通用选票中的领先优势也从约5个百分点扩大至近9个百分点，两条曲线高度同步。

这不仅是一场政治博弈，更是一个资产配置的风险信号。美银美林策略师Michael Hartnett明确警告：民主党横扫将触发“重大风险规避”，导致股市跌幅超过10%、美元走弱、债券收益率下行。一个月前，横扫概率还是52%的"硬币两面"，如今已成为基准情景。

与此同时，伊朗战争导致的油价冲击、飓风Isaias关闭美国墨西哥湾63%的海上石油产量，以及共和党迟到的竞选资金攻势，共同构成了这场选举最后26天的核心变量。

汽油价格与选票：高盛画出最关键的一张图

高盛分析师Alec Phillips与Abhay Duggirala在报告中呈现了本次选举分析中最具冲击力的一张图表：将民主党通用选票领先优势与美国平均零售汽油价格叠加对比。

数据显示，汽油价格在伊朗战争爆发初期从2026年初约3美元/加仑急速攀升至春季近5美元/加仑，随后在夏季回落至约4美元/加仑，近期再度上行。与此同步，民主党在通用选票中的领先优势从约5个百分点持续扩大至近9个百分点。

高盛的原文表述是：

“民主党的领先优势在伊朗战争爆发导致汽油价格飙升后逐步扩大，两组数据近期朝同一方向运动。”

高盛的另一张图表进一步显示，通货膨胀与经济议题在选民关切中排名最高，而特朗普在这两项议题上的净支持率“深度负值”——通胀议题净支持率约为-48，经济议题约为-33。

从52%到65%：横扫概率一个月内急速攀升

一个月前（9月7日），民主党横扫两院的概率刚刚创下历史新高52%。如今，高盛引用Polymarket数据显示，该概率已升至约65%，而共和党保住众议院多数的概率已低于10%。

高盛的图表显示，“民主党横扫”这条曲线在9月几乎垂直拉升，而“共和党保参议院、民主党赢众议院”（直至去年秋天还是市场共识结果）的概率已跌破30%。

这对市场意味着什么？ 美银美林首席策略师Michael Hartnett将民主党横扫定性为"重大风险规避"事件，预计将导致：

股市下跌超过10%

美元走弱

债券收益率下行

Hartnett的首选对冲策略是做空金融股和美元。他的核心论点是，投资者此前已基本忽视了选举风险。而现在，横扫已从52%的“硬币两面”变成了清晰的基准情景。

众议院：民主党领先优势已近“锁定”

值得关注的是，众议院的结果在预测市场看来几乎已成定局。

预测市场给出民主党净赢得至少3个席位（即夺回众议院多数）的概率超过90%。民主党目前在通用选票中领先共和党8.9个百分点，高盛指出这意味着相较于共和党在2024年以2.6个百分点优势赢得众议院，本次选举出现了约12个百分点的摆动。

共和党目前持有的29个特朗普2024年赢得幅度不足12个百分点的选区，正是预测市场和分析师预期将翻转的席位。

关于共和党寄予厚望的“十年一次重新划分选区”，高盛的结论简短而直接：“整体而言，重新划区预计仅能为共和党净增少数席位。”预测市场目前在25个共和党持有选区中给予民主党候选人至少50%的胜率，而民主党仅需净赢3个席位即可夺回多数。

值得注意的是，尽管“共和党在大多数关键众议院选区的一对一竞选支出领先”，但这些钱正在被花在市场已经认定他们将输掉的选区。

参议院：65%概率背后的“硬币翻转”

参议院的局势远比众议院复杂，也是真正的不确定性所在。

民主党目前持有47个席位，需净增4席才能赢得参议院多数。 预测市场给出民主党赢得参议院多数的概率为65%。高盛的图表显示，民主党在图表中除内布拉斯加州和南卡罗来纳州以外的所有关键选区均处于领先，但多数领先幅度处于误差范围之内。

高盛将当前参议院整体胜率收敛于“边际席位”的胜率，认为这“暗示市场对民主党拥有多条通往多数的路径更有信心，或各选区之间的相关性更高，或两者兼而有之”。

目前，决定民主党能否赢得第51个席位的“边际席位”是俄亥俄州。需要关注的关键州包括：阿拉斯加、德克萨斯、俄亥俄、缅因、爱荷华、堪萨斯——全部是共和党持有席位，且大多位于共和党倾向的红州。

共和党的迟到反击：2.4亿美元砸向最后两周

如果共和党能够实现逆转，那将是一场“用钱买来的逆转”。

高盛数据显示，共和党参议院竞选支出优势已超过2亿美元，且这一优势完全是近期才形成的——共和党整个夏天在参议院竞选支出上均落后于民主党，直到9月才开始反超，并持续扩大差距。过去两周，共和党支出2.4亿美元，民主党支出1.3亿美元，共和党支出约为民主党的1.85倍。

资金流向同样耐人寻味：共和党在堪萨斯州增加了800万美元、在南卡罗来纳州增加了500万美元的防守性支出，合计1300万美元——没有人会在认为安全的席位上花这笔钱。

然而，这笔钱的实际效果存在折扣。高盛指出两个原因：

超级政治行动委员会（PAC）支付的广告费率高于候选人直接购买，而共和党支出大部分来自PAC；
临近选举日的广告位需要支付溢价，而共和党的支出高度集中在后期，民主党则提前锁定了广告位。

此外，俄亥俄、缅因、北卡罗来纳的邮寄选票申请比2024年更倾向民主党，尽管高盛提醒这可能仅占邮寄选票总量的约25%（基于2022年中期选举数据）。

高盛的保留意见：历史规律暗示民主党优势或被高估

高盛并未全盘接受预测市场的乐观判断，报告中提出了两个重要的历史性警示：

第一，挑战党的横扫概率在历史上往往在选举日前收窄。高盛对2002、2006、2010、2018、2022年历次中期选举进行了回溯，发现“挑战党的横扫概率平均在选举日前下降约5个百分点”。以当前63%的民主党横扫概率为基准，历史规律暗示最终概率约为58%——仍是大概率，但舒适度大幅下降。

第二，红州民调历史上系统性高估民主党表现。高盛绘制了历次参议院民调误差与各州党派倾向的关系图，发现“中期选举民调倾向于在民主党倾向州低估民主党，在共和党倾向州低估共和党”，与选民在选举周期末期“回归本党”的规律一致。这一模式在最近的数据中更为显著：2018-2022年中期选举的拟合优度R²为0.65，而2002-2022年全周期仅为0.26。

这对爱荷华、堪萨斯、缅因、俄亥俄、德克萨斯、阿拉斯加等州的民主党领先优势构成直接挑战。高盛的部分反驳是：从距选举日26天的时间节点来看，全国参议院民调平均仅高估民主党0.4个百分点，全国层面的偏差并不严重——但参议院多数席位的争夺恰恰取决于那些红州。

真正的关键变量：油价，而非民调

高盛的结论指向一个清晰的投资逻辑：在接下来的26天里，能源市场的走势比任何民调数据都更值得关注。

当前能源市场面临多重冲击叠加：

伊朗战争持续扰动霍尔木兹海峡，伊朗国家媒体报告称更多油轮在霍尔木兹海峡南部触雷；
特朗普在Truth Social上宣布"中期选举前不会对伊朗发动打击"，油价短暂下跌后因伊朗触雷消息反弹；
飓风Isaias关闭了美国墨西哥湾63%的海上石油产量，Jefferies警告这是"在已因伊朗战争而紧绷的供应体系上叠加的燃料供应冲击事件"，柴油价格已达6.30美元/加仑，而一年前仅为3.68美元/加仑。

高盛的逻辑链最终归结为：如果图表显示的汽油价格与选票关系成立，白宫需要的是一箱便宜的汽油，而不是又一轮广告投放。

民主党的多头逻辑：通用选票领先优势处于高位且仍在扩大，邮寄选票倾向蓝色，市场看到多条通往51席的路径，汽油价格再度上涨。

共和党的多头逻辑：近2比1的竞选支出优势（尽管来得较晚），历史上挑战党横扫概率在选举日前平均收窄约5个百分点，以及红州选民“回归本党”的历史规律。

最终的摆动因素，是两党都无法用广告买到的东西：11月3日选举日当天，油价和汽油价格究竟是涨还是跌。

风险提示及免责条款

《三星堆：未来往事》激活传媒产业：第一部公映AI电影，能否启动行业蓝海？

Mon, 12 Oct 2026 00:54:40 GMT

10月23日，国内首部取得国家电影局公映许可证的 AI 院线长片《三星堆：未来往事》的票房，将决定年内AI应用的叙事能否成立。如果票房达到 1 亿元以上且首周末上座率处于同期中上水平，则说明"AI 内容可以卖给普通观众"这一命题在最高客单价场景中得到确认，AI 电影赛道将从"个案"变成"管线"，具备院线渠道与 IP 储备的公司将获得估值溢价，否则AI应用将再次证伪。

它不直接改变任何一家上市公司当期的利润表，但会改变市场对"未来三年内容产业利润池在哪"的关键判断。

Jefferies警告“2008时刻”：AI或致美国“资本大毁灭”，份额流向中国开源模型

Mon, 12 Oct 2026 00:52:04 GMT

AI行业的债务风险正在引发华尔街资深策略师的密集警告。杰富瑞（Jefferies）全球股票策略主管、《GREED & fear》作者Chris Wood在其最新季度报告中，将当前AI繁荣与2008年次贷危机相提并论，并提出一个结构性隐患：超大规模云厂商正在向两家持续亏损的AI实验室提供巨额“无担保信用”。

Wood认为：“AI故事在市场层面最可能的长期结局，将是美国的大规模资本毁灭，市场份额将流向更廉价的中国开源大语言模型。”

AI故事“在不远的将来某个时刻将迎来一次重大重置”。

中国模型：从“便宜”到“同等水平”

Wood的警告并非新鲜，但规模在升级。

他追踪的OpenRouter数据显示，截至9月27日当周，中国顶级模型处理了76.12万亿个token，而今年4月底这一数字仅为4.37万亿；同期美国顶级模型的处理量为14.2万亿token。中国的数字在十周内翻了一番。

质量层面同样发生了变化。Wood指出，Moonshot的Kimi K3“用AI行业的术语来说，正在'前沿竞争'，其性能估计达到Anthropic Claude Fable 5的95%”。以极低价格实现95%性能的模型，已不是折扣品牌，而是真正的竞争对手。

价格的后果已经显现。据Silicon Data的LLM Token支出指数，AI token的市场均价自5月高点以来已下跌52%，降至每百万token 0.98美元的历史低位。

美国2.3万亿积压订单背后的信用集中风险

Wood将AI繁荣的信用风险类比于2008年房地产危机，逻辑如下：

截至2026年第二季度末，微软、谷歌、亚马逊、甲骨文四大平台的合计剩余履约义务（RPO）达2.34万亿美元，较一年前增长186%，增量约1.52万亿美元。

问题在于，这笔巨额订单中，约一半由OpenAI和Anthropic两家公司所欠——而这两家公司目前均未实现盈利。

Wood写道：“超大规模云厂商实际上向目前仍在烧钱的租户提供了集中的无担保贷款，因为Anthropic和OpenAI均未盈利。对于新兴云服务商（neo-clouds）而言，风险更大，因为它们自身也是借钱来出租芯片的。”

杰富瑞科技分析师估算，这两家前沿AI实验室在2026年第二季度约占谷歌云平台收入的45%、微软Azure收入的25%，其在AWS中的份额预计将在第三季度从6%翻倍至三倍，达到12%-18%。

Wood的类比直接而犀利：“超大规模云厂商在数据中心上的投资，是基于假定租户未来付款的承诺——这与2008年房地产信用危机如出一辙。”

表外负债：另一层隐藏风险

Wood还指向了资产负债表之外的风险层。

穆迪今年2月统计，五大超大规模云厂商尚未启动的数据中心租赁承诺达6620亿美元，而2023年底这一数字仅为1520亿美元。日经的一项研究则将五家公司截至2026年第二季度末的"隐性债务"估算为1.65万亿美元，超过其账面债务约1.35万亿美元。

与此同时，五大超大规模云厂商今年已发行2290亿美元债券，而2025年全年仅为1080亿美元。Wood指出，亚马逊、谷歌和Meta的信用利差自6月初以来已上升13至16个基点，“超大规模云厂商对长期融资的需求，正在与联邦政府形成竞争”。

他的结论是：AI相关借款人的信用利差“现在必须被密切监控，以观察投资者是否开始不愿为AI资本支出提供融资”，数据中心资产证券化是“一个需要重点关注的领域”。

利润的真相：循环性财务工程？

Wood对超大规模云厂商盈利质量的质疑，或许是报告中最具冲击力的部分。

数据显示，四大超大规模云厂商在截至2026年第二季度的四个季度中，年化利润增长了2220亿美元，达到5810亿美元。然而，同期“其他非经营性收入/亏损”这一科目——主要捕捉对未上市公司股权投资的未实现浮盈——增加了2240亿美元。

换言之，超大规模云厂商利润的全部增量，均可由对AI初创公司股权的按市值计价浮盈来解释。

Wood描述了这一循环逻辑：超大规模云厂商投资AI实验室，AI实验室向同一批超大规模云厂商购买算力，超大规模云厂商再将实验室更高的私募估值计入利润。

他还指出，标普500报告EPS在过去三年年化增长18%，而国民账户口径的非金融企业利润仅增长5%。上一次出现如此大幅背离，是互联网泡沫顶峰时期。Wood写道：“上述情况表明存在财务工程。”

资本支出：谁来买单？

尽管自由现金流已从2025年第四季度的600亿美元骤降至2026年第二季度的70亿美元，并预计在第三季度转为负130亿美元，但资本支出并未放缓。

市场共识预测，四大超大规模云厂商的资本支出将从今年的7230亿美元升至2027年的9930亿美元。

Wood的问题直接：“这四家超大规模云厂商真的要在2027年花费9930亿美元资本支出吗？这是目前市场共识的估算。”

他的基准情景是：AI故事“在不远的将来某个时刻将迎来一次重大重置”。

“安全”还是卡特尔？

Wood对近期AI行业"安全暂停"呼声的解读同样引人关注。

Anthropic的Dario Amodei、OpenAI的Sam Altman和埃隆·马斯克近期相继呼吁放缓前沿AI开发，但特朗普随即拒绝。

Wood并不认同"安全"的说辞，他写道：“建议关注激励机制。以'安全'为名的协调暂停，可以被视为构建监管护城河的一种方式，尤其是如果后续计划禁止开源模型、特别是来自中国的开源模型。另一种可能性——两者并不互斥——是AI巨头们已经意识到算力成本正变得难以为继，和/或对模型的需求开始趋于平稳。如果是这样，为何不趁现在尝试锁定一个卡特尔？”

值得注意的是，Meta的Mark Zuckerberg拒绝了放缓呼声，Meta股价此后上涨18%。

信用市场才是关键

Wood的投资建议自2023年以来未变：持有"镐与铲"（即向超大规模云厂商收取资本支出的芯片制造商），而非超大规模云厂商本身。这一策略在买家持续购买期间有效。

但他认为，决定这一切何时终结的，将是信用市场而非股票市场。

他的结论是：“AI生态系统目前发行的久期债券已超过美国财政部，发行环境是债券市场动荡和美联储加息，资金用于建设数据中心，而最大租户持续亏损。”

Wood援引1997年亚洲金融危机的历史类比——SocGen的Albert Edwards也在同期提出了类似框架——指出泰国的"奇迹"并非因生产率令人失望而终结，而是因债权人注意到了问题。

Novogratz说泡沫'还不够壮观'，不足以破裂。Wood说它不必壮观：只需耗尽愿意放贷的人。

风险提示及免责条款

特朗普强推“俄乌能源停火”，泽连斯基起初称“不知情”但随后表态“支持”

Mon, 12 Oct 2026 00:20:08 GMT

特朗普单方面宣布俄乌"能源停火"，莫斯科迄今未予确认，基辅则从"不知情"迅速转向"支持"，这场由华盛顿主导的停火外交折射出美国中期选举前夕的能源政治压力。

据新华社报道，美国总统特朗普11日在社交媒体发文称，"即刻起，俄乌冲突进入'能源停火'状态，双方均已同意。"然而，乌克兰总统泽连斯基当天起初对此毫不知情，据央视新闻报道，泽连斯基表示，这一宣布对他而言是个"意外"，他此前并未获悉相关安排。俄罗斯方面则未立即作出回应，克里姆林宫亦未确认任何协议的存在。

泽连斯基随后迅速调整立场。据央视新闻报道，他当天晚些时候明确表态，乌克兰"支持切实可行、可靠的停火和结束战争的方式"，乌方"愿意不对俄罗斯能源设施发动打击，并期待俄罗斯采取同样行动"，乌克兰武装部队已收到相关命令。这一表态对能源市场具有直接意义——若停火得以落实，俄乌双方对彼此能源基础设施的互相打击将暂时中止，短期内或对全球油气供应预期产生影响。

降油价压力驱动特朗普能源外交

特朗普此番强推"能源停火"，有着清晰的国内政治逻辑。据媒体报道，美国中期选举仅数周之遥，汽油和柴油价格高企——部分源于美伊战争扰乱中东能源出口，部分源于俄乌冲突双方持续互打能源设施——已成为选民对共和党不满的重要来源。

据新华社报道，近期美国国内出现柴油供应紧张，特朗普将价格居高不下归咎于俄乌双方互相攻击能源设施。特朗普9日宣布，美俄领导人就俄罗斯向美国及全球市场提供柴油达成一致。

有分析人士认为，即便俄罗斯柴油出口协议得以落实，对全球能源市场的实际缓解作用也可能十分有限。德国国际与安全事务研究所东欧研究主任Janis Kluge表示，俄罗斯本就计划恢复柴油出口，"普京在这笔交易中并未作出任何让步"，并强调"中东局势对市场的影响远比俄罗斯柴油重要得多"。

国会两党联手反对，质疑俄能源协议合法性

特朗普的能源外交在国会遭遇两党罕见联合阻击。据华尔街日报报道，一个由民主党和共和党参议员组成的跨党派小组11日发表联合声明，称特朗普允许俄罗斯向美国出口石油的计划违反了2022年通过的禁止俄罗斯能源进口的相关法律。

联署声明的参议员包括共和党的Susan Collins、Lisa Murkowski、John Curtis和Thom Tillis，以及民主党的Jeanne Shaheen、Ron Wyden和Richard Blumenthal。参议员们指出，政府在推进上述计划前既未与国会协商，也未按2022年法律要求提交必要的说明文件。

莫斯科未确认，停火承诺存疑

尽管特朗普宣称"双方均已同意"，但俄方的实际行动与停火承诺明显背离。据报道报道，俄罗斯总统普京迄今拒绝了能源停火提议，克里姆林宫未立即回应置评请求。与此同时，俄罗斯11日继续对乌克兰能源电网及基辅其他目标实施轰炸，爆炸声全天可闻，停电持续。

值得注意的是，这并非特朗普首次宣布类似停火，特朗普此前曾于9月14日宣布过一次能源停火，但俄乌双方随后均继续对对方目标发动打击。法国总统马克龙在社交媒体上表态支持能源停火的同时也指出，"目前阶段，俄罗斯仍在拒绝，并在近几小时内加强了对乌克兰基础设施的打击。"

泽连斯基在接受媒体采访时表示，过去一周内俄罗斯对乌克兰电力系统发动了196次攻击，对油气基础设施发动了20次攻击，导弹和无人机袭击城市共造成153人死亡。"这是一个信号，说明俄罗斯感受不到真正的压力，他们想继续打下去，"泽连斯基说，"如果他们想要能源停火，我们对此持开放态度。"

乌克兰打击俄能源设施是关键筹码

在这场停火博弈中，乌克兰手中握有一张重要牌。

打击俄罗斯炼油厂是乌克兰迫使俄罗斯停止战争的最强手段，乌克兰官员近日表示，除非俄罗斯改变立场并接受双方互相停止能源打击，否则基辅将继续使用这张牌。

与此同时，媒体援引大西洋理事会副主任Shelby Magid的分析称，"乌克兰人仍将美国视为关键盟友，但他们已经走到了这样一个节点——尤其是通过与欧洲的伙伴关系——使得特朗普政府的政策摇摆无法令其陷入瘫痪。"报道指出，乌克兰已大幅扩大无人机等武器的国内生产，并在融资和军事援助方面日益依赖欧洲盟友，而特朗普已基本终止了美国对乌克兰防务的援助。

风险提示及免责条款

利雅得机场接连受袭，沙特面临也门战事升级危机

Mon, 12 Oct 2026 00:18:22 GMT

胡塞武装对沙特首都核心基础设施的连续打击，正将利雅得推向一场难以脱身的战争深渊。

据新华社10月11日报道，也门胡塞武装在过去24小时内对沙特境内机场和能源设施发动了4次军事行动。沙特首都利雅得哈立德国王国际机场10日遭袭，造成12人死亡、309人受伤；11日，该机场再度被一枚不明弹体击中4号航站楼，防空系统在机场附近拦截并摧毁一枚导弹，袭击引发火情，沙特民航总局确认此次袭击再度造成人员受伤。

此次袭击不仅造成重大人员伤亡，更对沙特经济和外资信心构成直接冲击。BP、壳牌等顶级油企高管已宣布退出原定于11日在利雅得开幕的世界石油大会，利雅得金融区多家机构转为远程办公。这一局面对于正全力推进"2030愿景"经济转型、亟需吸引外资的沙特而言，代价尤为沉重。

据新华社报道，舆论认为，三大因素令沙特陷入也门战事升级危机：一是与阿联酋的联盟破裂，导致后者从也门匆忙撤军；二是受伊朗战事波及，未能为胡塞武装重启攻势做好准备；三是过度信赖同美国的合作。面对压力，特朗普表示美国正考虑加入沙特对胡塞武装的打击行动，将尽快作出决定。

阿联酋撤军留下"力量真空"

据新华社，沙特当前困局的根源之一，在于其与阿联酋联盟的破裂。按照美国有线电视新闻网（CNN）的报道，去年底，反胡塞武装阵营内部矛盾激化，阿联酋支持的也门南方过渡委员会与沙特支持的也门政府爆发冲突，沙特战机空袭阿联酋运往也门的军车，阿联酋随后从也门撤军，两国围绕也门内战的合作就此破裂。

然而，沙特并未及时填补阿联酋撤军留下的"力量真空"。也门南部一名不愿公开姓名的官员接受CNN采访时表示，撤军"没有妥善的过渡"，沙特没能延续阿联酋在指挥和控制上的"高效"。

也门政府10月5日发起"也门黎明"行动，寻求收复失地，声称夺回曼德海峡附近战略要地。据路透社报道，这场反攻进展缓慢，胡塞武装则对也门第三大城市塔伊兹形成包围之势。CNN报道称，一些专家警告，反胡塞武装阵营内部矛盾依旧，缺乏统一指挥、资金和后勤保障。为此，沙特正重新拉拢阿联酋，曾由阿联酋训练的也门地方武装"巨人旅"已加入反攻。

对胡塞武装攻势准备严重不足

据新华社，今年7月13日，伊朗派出一架民用飞机，送参加伊朗已故最高领袖哈梅内伊葬礼的胡塞武装代表团回国，此举意味着突破沙特对胡塞武装控制地区的空中封锁。也门政府军随即声称轰炸了胡塞武装控制下的萨那机场，阻止客机降落，客机被迫改降荷台达。胡塞武装认定沙特是"幕后推手"，宣布停火无效，发动报复性打击，并宣布对沙特实施海上封锁。 此后数周，胡塞武装多次用导弹和无人机袭击沙特油轮和能源设施，并于9月初突然发起地面攻势。

国际危机研究组织也门问题高级分析师Ahmed Nagi等专家认为，尽管沙特在伊朗战事爆发后一直对也门方向保持警惕，但专注于本土防空，没有为胡塞武装发动地面攻势做好准备。

彭博援引Ahmed Nagi的分析指出，胡塞武装此番升级打击，意在迫使沙特停止空袭行动。

“利雅得将这些袭击视为严重升级，尤其考虑到其前所未有的性质，可能会以更大的军事压力作出回应。”

他同时指出，胡塞武装已在沙特空袭中损失大量战斗人员，多处战略设施遭到打击，包括无人机工厂、武器库和通信塔。

尽管如此，胡塞武装仍保有伊朗设计的弹道导弹和可在本地组装的廉价攻击无人机。美国新安全中心高级研究员Stacie Pettyjohn表示，“他们似乎拥有足够多的廉价无人机和导弹，以及对沙特民用基础设施实施远程打击的技术能力，而这些都是软目标。”

彭博援引中东研究所副研究员Nadwa Al-Dawsari的判断指出，“胡塞武装历来具有攻击性，敢于冒险。他们只有在面临可信威胁时才会退缩，而迄今为止，他们还没有面临过这样的威胁。”

过度依赖美国“保护伞”

据新华社报道，一些分析师认为，造成沙特对也门局势误判的另一个原因，是过度依赖美国安全保障。去年11月，《美沙战略防务协议》签署，美国将沙特列为"非北约主要盟友"。但今年9月，沙特王储穆罕默德两次致电特朗普，请求美方空袭胡塞武装，均遭拒绝。美方转而与胡塞武装在阿曼秘密会谈，达成维持双方2025年停火协议、胡塞武装不打美国船只的口头协议。

据彭博报道，由于此次袭击中有一名美国公民遇难，特朗普面临越来越大的行动压力。他在被问及美国是否会加入对胡塞武装的打击时表示：“我们可能会，我们正在研究。”前中央情报局中东高级分析师William Usher表示，"利雅得将寻求美国直接打击胡塞武装、提供防空能力、加强情报共享，并为其在也门的强化行动提供政治背书。"

据报道，有知情人士透露，利雅得对西方盟友有限的支持日益感到不满。英国提供了一架空中加油机，但沙特近几周提出的额外防御支持请求尚未获批。法国表示将向沙特红海港口延布派遣防御性军事装备。

此次升级也对沙特的新防务伙伴构成考验。土耳其和巴基斯坦今年8月与沙特签署了被称为"麦加防务联盟"的防务协议，双方均表示愿意派遣军队或武器协助保卫沙特，但土耳其已明确排除参与对胡塞武装进攻性行动的可能性。

经济代价与投资信心承压

彭博报道，此次袭击对沙特经济的冲击正在显现。BP、壳牌等顶级油企高管已退出原定于11日开幕的世界石油大会，利雅得金融区——沙特主权财富基金及多家外资银行和咨询机构的所在地——已转为远程办公模式。

这一局面对沙特而言时机尤为不利。沙特本月上调了预算赤字预测，并预计今年经济将萎缩3.6%，外资吸引和融资需求因此更加迫切。沙特旗舰投资论坛"未来投资倡议"（FII）即将举行，高盛David Solomon、贝莱德Larry Fink等华尔街重量级人物均在受邀之列。

Access KSA首席执行官Said El-Saadi表示，“最新事态可能对外资造成干扰，但投资者和合作伙伴不会撤出，他们会观望并等待入场时机。”

风险提示及免责条款