华尔街见闻 - 资讯 - 最新

9 月加息在弦上，美元会开启新一轮涨势吗？

早安汇市 — Tue, 15 Sep 2026 02:19:05 GMT

上周的通胀数据公布后，市场对于9月加息定价进一步夯实，华尔街各家机构也纷纷撕报告改口预计9月加息。周一开盘后美元指数延续上涨态势，在当前市场定价已经比较充分的情况下，此次加息落地后，美元是否还能开启新一轮涨势？

加息预期充分定价，9 月加息已是 “箭在弦上”

从当前利率期货市场的定价来看，9月美联储加息25bp的概率已接近90%，几乎成为市场共识。市场定价在9月加息落地后，本轮加息周期至少还会有接近3次的加息，达到4.56%左右的终端利率。

“买预期、卖事实”，美元能否持续上涨？

1. 核心在于点阵图释放的后续加息信号

当前市场对于加息已经定价的比较充分了。加息落地本身，能够带来的增量多头信息十分有限。美元的反应将取决于点阵图，以及沃什主席新闻发布会的措辞基调。想要美元指数有效突破并且站稳100，美联储必须通过点阵图释放持续加息周期的信号，而不是 “加一次就结束” 的单次加息。

2. 财政赤字隐忧升温，这是美元的结构性弱点

美国财政状况的持续恶化正成为成为美债利率与美元走势分化的核心原因。当前美国联邦财政赤字逼近2万亿美元，国债利息支出首次突破1万亿美元大关，长端美债已经开始为债务螺旋风险定价。

贝森特这边在努力救火，通过各类操作稳定国债市场；但川普却还在不断添柴：上周提出了扩张性财政提案，若共和党参众两院继续掌控国会，拟向所有美国成年人发放5000美元补贴。预估成本超1.2万亿美元，约占GDP的4%，进一步放大财政赤字风险与国债供给压力。

3. 财政部托底长债，贝森特的"看跌期权"

面对长端美债的上行压力，美国财政部已经出手释放维稳信号，相当于为市场提供了一个“看跌期权”托底。9月9日，美国财政部宣布回购60亿美元10年期与20年期美债，规模不及市场预期的80-100亿美元。但若美联储继续加息，10年期美债收益率继续上行突破5%，美国财政部大概率会继续加码回购操作，抑制长债收益率的过快上涨。

9月FOMC对美元有不对称风险

鸽派情形：若9月不加息（小概率事件）或者9月鸽派加息（点阵图中值在4.125%及以下，即未来加息次数小于2次），则可能再度引发市场对美联储独立性与公信力的质疑，美元指数下跌幅度会比较大。

鹰派情形：若9月加息，并且点阵图释放出连续加息信号（点阵图中值在4.375%以上，即未来加息3次及以上），则美元指数可能会测试100的阻力位关口。技术面上，美元指数在98.5关口形成W底，上方阻力在颈线99.8。

对于人民币来说，目前10年期中美利差已达到历史极值，利差方面并不利于人民币持续升值，但高额贸易顺差持续支持企业结汇，预计在双向的因素下，USDCNY可能会在6.70关口附近震荡盘整一阵子。

本文来源：早安汇市

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。

万字详解GPT-6 Astra，Sebastian Raschka带你读懂循环Transformer与隐藏的思维链

机器之心 — Tue, 15 Sep 2026 02:17:10 GMT

过去两周里，「循环深度」这个词变成了 AI 安全讨论的焦点。

起因是 OpenAI 新旗舰模型 GPT-6 Astra 发布前两天，The Information 援引内部消息称，Astra 用上了一种叫 recurrent depth（循环深度）、也就是 looped transformer（循环 Transformer）的设计，而这种设计「会让模型的部分乃至全部推理过程变得不可见」

模型正式上线后，争议进一步升温，OpenAI 首席科学家 Jakub Pachocki 亲自出面澄清，说他想避免「一场由混乱的报道引发的、奔向不可监控性的竞赛」，并强调包括 Astra 在内的当前前沿模型，其计算图深度与 GPT-4 的差距仍在两倍以内。

在一片语焉不详的转述中，著名技术博主、《Build a Large Language Model (From Scratch)》的作者 Sebastian Raschka 写了一篇长文，把技术细节摊开讲了一遍。

他先给出自己使用 Astra 的观察，包括它在 3D 渲染和图形任务上不成比例的领先、通过 Codex/ChatGPT 应用直接操作本地软件的能力，以及 OpenAI 采购数万台 Mac 作为强化学习环境背后的训练逻辑。随后他从 2018 年的 Universal Transformer 讲起，一路梳理到今年的开放权重模型 Nanbeige4.2-3B、字节跳动的 Ouro 和谷歌的 Mixture-of-Recursions……

而对于最受关注的那个问题，他给出了否定回答。在他看来，循环 Transformer 并不是思维链变短、变得难以监控的原因，更合理的解释是能力更强的模型犯错更少、回溯更少，因此不需要那么长的草稿纸——GPT-5.6 家族里 Luna 比 Sol 多用 80% 的 token 才达到相近性能，没有人因此说 Sol 的可解释性更差。Astra 系统卡确实承认推理轨迹的可监控性出现了退步，但没有证据表明可以把这笔账记在循环架构头上。文章最后还介绍了几项新研究。

以下是博客全文：

博客地址：https://magazine.sebastianraschka.com/p/gpt-6-astra-looped-transformers-and

过去几周发生了很多事。我相信眼下大家最关心的，还是 OpenAI 的 GPT-6 Astra。尤其是它的性能表现、其中的循环 Transformer / 循环深度设计，以及那个说 Astra 在「隐藏」自己推理轨迹（也就是思维链）的传言。

所以在这篇文章里，我想先谈谈对 Astra 的一些初步印象，以及我对这一切走向的看法。然后，我会详细讲清楚什么是「循环 Transformer」，以及它和隐藏思维链究竟有没有关系（或者说，到底有没有关系）。

最后，在讲完循环 Transformer 的基础之后，我想介绍几篇近期论文带来的新洞见。

1. GPT-6 Astra 使用印象

先说第一件事。在进入架构传言和相关研究文献之前，我先简单总结一下我对 GPT-6 Astra 的一些观察和零散发现。

上周，OpenAI 大张旗鼓地发布了新模型 GPT-6 Astra。过去几天我一直在用它。这是一个极其出色的模型，很可能是截至本文写作时我用过的最好的模型。但它究竟改进了什么？又是怎么做到的？

1.1 Astra 的基准测试表现

Astra 是我目前用过的最好的模型。而且相对于其他模型，它在 3D 渲染和动画任务上好得不成比例。我的意思是，虽然它几乎在所有类别上都甩开了前代 GPT-5.6（写作、数学、编程等等），但在图形类演示上的领先尤其明显。

这一点在基准测试里也有体现。比如下图所示，GPT-6 Astra 在数学和编程上确实很强。

图 1：三个常见编程基准和一个高难度数学基准的结果选摘。更多基准结果见 Astra；发布博客：https://openai.com/index/gpt-6-astra/

其中一个亮点（图中未展示）是，Astra 在 ARC-AGI-3 基准上拿到了 99.9%，而 GPT-5.6 Sol 只有 7.8%。这项基准衡量的是逻辑谜题求解与泛化能力的混合表现。不过，数学、编程和计算机操作类基准更值得关注，因为它们更接近真实使用场景。

回到前图右下角的 Artificial Analysis Coding Agent Index v1.4，它把多项智能体编程任务混合在一起。在这项指标上，GPT-6 Astra 明显处在前沿，但并没有大幅甩开对手。下面这张更综合的 Artificial Analysis Intelligence Index 也反映了同样的情况，它混合的是多种类型的任务，而不只是编程任务。

图 2：Artificial Analysis Intelligence Index，来自 https://artificialanalysis.ai

Artificial Analysis 这套基准的一大优势在于它是独立的，因此相比模型开发方自评的基准，可能更值得信任。

具体的测试框架（harness）取决于基准本身。例如 GDPval-AA 和 AA-Briefcase 对所有参与对比的 LLM 都统一使用他们自己开源的极简框架 Stirrup。而在上图这版 Intelligence Index v4.2 中，Terminal-Bench v2.1 用的是 Terminus 2，τ³-Banking 用的是 τ-Bench 框架。单独的 Coding Agent Index 则还会对比不同的编程智能体框架。

对于使用统一框架的评测来说，这样的比较更接近同一标准下的对照。但与此同时，模型在训练时通常都是围绕某一个主力框架来开发的，对其他框架的微调相对较少。而且，这个主力框架往往本身就是为了契合并放大该模型的长处而设计的。

所以，某些智能体评测可能低估了 Astra 在自家主力框架下的实际表现。至于这对它的 Intelligence Index 得分影响有多大，需要在相同任务上跨框架对比 Astra 才能知道。

顺带说一句：一位同事最近向我建议（Claude Code 负责人也有类似推荐），把你现有的一部分 AGENTS.md 内容和 SKILL.md 文件删掉或归档，也许并不是坏事。因为新一代 LLM 在理解提示词、解决手头问题上已经更高效了。额外的手把手指导反而可能不必要地束缚新模型，导致更差的方案。

当然，我不是说以后再也别用 SKILL.md 文件了。对某些工作流来说，它们能提升复用时的效率，因为模型不必再重新摸索一遍。我想说的是，有些工作流根本不需要描述；而且那些「旧」描述可能已经不再是最优解，LLM 自己或许能想出更好的方案。所以，也许是时候更新或者重新生成这些指令文件了。

1.2 计算机操作能力

GPT-6 Astra 在图像和渲染任务上似乎格外强。当这类任务涉及与图形用户界面交互时，它们同时也展示出了计算机操作（computer use）能力，也就是模型通过 Codex/ChatGPT 应用来操作你本地电脑上的软件。

计算机操作正是这个模型相比其他模型真正出彩的地方。而且任何和图形相关的东西，在社交平台上都很容易做出有趣又直观的演示。网上这类令人印象深刻的例子非常多，从用 Blender 建模渲染纽约市，到虚拟看房导览。

举个例子。下面是一组对比：我让 GPT-6 Astra Medium 和 High 在浏览器版的 MS Paint 里，用我电脑上的鼠标重画一张我的照片（没用 Extra High 和 Max，因为我不想把 token 全耗光 :)）。

这不仅体现了模型的绘画能力，更重要的是体现了它使用你电脑上工具的能力（这里是画图程序，你可以看到模型通过鼠标指针在操作界面）。

这并不是第一个在框架内具备通用计算机操作能力的模型。比如从今年早些时候起，我就成功用 GPT 模型完成过一些 UI 任务，例如 Excel 里的报销相关工作等等。不过，计算机操作仍是一项相对较新的能力，它由框架提供支持，用起来通常感觉还不够成熟。这也说得通：LLM 本质上是文本模型，所以最容易摘的果子自然是写作、编程以及调用 API 和 CLI。

与此同时，还有很多工具和软件（暂时）没有提供 CLI。与其等着谁来设计这个接口，不如直接提升模型使用图形界面的能力（而且如前所述，这本来也能做出漂亮又惊艳的演示）。这在某种程度上类似于当下人形机器人的发展。诚然，在流水线这类已有专用机器的场景里，人形机器人并不是效率最高的选择。但它们胜在通用。

因此我预计，接下来几个月甚至几年，也会是计算机操作能力在 LLM 和智能体框架这两个层面持续打磨的时期。也就是说，除了当前已有的能力、以及在数学和编程上的继续拓展之外，模型的训练会越来越多地把计算机操作考虑进去。这也会让 LLM 对科技圈之外的日常电脑任务更加友好。

1.3 计算机操作能力是怎么训练的

计算机操作这一趋势，也与近期的报道相吻合：OpenAI 采购了数万台 Mac Mini 和 Mac Studio 用于强化学习。这里的 Mac 并不是真的拿来训练模型（那还是用 GPU 更合适），而是在模型训练期间提供 macOS 环境，让模型学会使用这套操作系统以及其中的工具。

那么，在这些 Mac 上的计算机操作训练具体是怎么运作的？简单说，这些 Mac（准确地说是它们的 macOS 系统）充当模型在训练过程中可以交互的环境。

基本流程如下：

给模型一个任务作为提示，例如「打开 xyz 应用并完成 abc」。
向它提供 macOS 界面的截图（这通常由框架完成）。
LLM 随后预测鼠标/键盘动作，比如点击、按键、滚动等等。
在 Mac 上执行这些动作（同样由框架完成）。
执行完上一步的动作后，把更新后环境的新截图喂给模型。
重复第 2 到第 5 步，直到任务成功或失败。
把成功/失败信号和验证器（或者说打分器）作为训练反馈，包括在后训练阶段做强化学习；这类似于常规的可验证奖励强化学习（RLVR）。

图 3：计算机操作训练流程概览。

再强调一次，这里的 Mac 主要是环境，而不是训练期间运行或更新模型的机器。模型很可能跑在英伟达 GPU 上，通过 API 与这些 Mac 通信。顺带一提，英伟达 CEO 提到，GPT-6 Astra 是在约 10 万块 Grace Blackwell GPU 上训练的。

1.4 GPT-6 Astra 仍然是一个推理模型

上一节讲的对计算机操作训练的侧重，并不意味着训练流程发生了根本性的范式转变。GPT-6 Astra（以及可预见的未来里几乎所有 LLM）仍然是推理模型。也就是说，这类 LLM 用可验证奖励强化学习（RLVR）来训练，并会生成中间的推理轨迹，也就是思维链。

不过关于 GPT-6 Astra 作为推理模型的部分，尤其是隐藏思维链的问题，我会在本文稍后再展开。

2. 循环 Transformer

话说回来，在模型正式发布前大约两天，新闻媒体 The Information 发表了一篇报道称，根据内部消息，Astra 用上了一种叫「循环深度」（recurrent depth）或者「循环 Transformer」（looped transformers）的概念。

图 4：来自 The Information 的引述（来源：https://www.theinformation.com/articles/secret-technique-behind-openais-astra-model-sparks-security-concerns）

在接下来的几个小节里，我会先解释什么是循环 Transformer，关于隐藏思维链的说法留到本文后面再谈。

（循环 Transformer 这部分讲解可能显得有点长，但我真心认为，它有助于建立对这项技术的基础理解。有了这层理解，我们才能判断「它会遮蔽推理轨迹或思维链」这个说法到底站不站得住脚。）

2.1 复用 Transformer 块

那么，什么是循环 Transformer？

循环 Transformer 本质上是一种架构上的微调，核心思路是让中间表示多次通过同一批 Transformer 块，而不是只过一次。相比单纯堆更多的块，这里的「诀窍」在于：在这些遍历过程中，权重是保持不变的。

定义与术语

本文中我会使用以下几个术语：

Transformer 块（transformer block）是包含注意力、前馈模块、归一化和捷径连接的一个单元。论文里常把这些块称为「Transformer 层」。
栈（stack）指一串 Transformer 块组成的序列。
一次块应用（block application）指让输入过一遍某个 Transformer 块。

循环 Transformer 并不新鲜，其基本思路早在 2018 年的 Universal Transformers 论文中就出现过。不过在讨论 Universal Transformer 之前，我们先从一个更简单的例子说起：Nanbeige4.2-3B。这是 7 月发布的一个开放权重 LLM，今年夏天早些时候我在 Substack Notes 和我的 LLM 架构画廊里都介绍过。

下图展示的 Nanbeige 架构，基本上看起来就是个常规 Transformer。但请注意，它多了一条橙色箭头，绕回到 Transformer 栈的开头。

图 5：Nanbeige4.2-3B 把同一组 22 个 Transformer 块应用了两次。橙色箭头标出了中间表示被送回栈中的位置。

我们自下而上走一遍。首先，和其他任何基于 Transformer 的 LLM 一样，输入文本先被 token 化，再转换成嵌入向量。这些向量随后通过 22 个 Transformer 块，而每个块都有自己的一套权重。

循环 Transformer 的特点在于：第一遍走完之后，隐藏状态会被送回这同样的 22 个块再过一遍。于是块 1 被再次应用，接着是块 2，一直到块 22。

如果把这个计算过程展开，就相当于 44 次块应用。但与拥有 44 个独立块的常规 Transformer 不同，第二轮这 22 次块应用复用的是第一轮的权重。比如第 23 次块应用用的是块 1 的权重，第 24 次用的是块 2 的权重，依此类推。

图 6：Nanbeige4.2-3B 展开后，相当于让输入两次通过同样的 22 个 Transformer 块，共计 44 次块应用。

所以整个思路就是：把有效深度从 22 次块应用提升到 44 次，而不必新增一套 Transformer 权重。

顺带一问：为什么是 2 轮，而不是 3 轮、4 轮或者更多？Nanbeige 论文里细节不多，但他们表示这基本上就是效率最高的配置。把循环次数从 2 增加到 3 确实能提升建模性能，但额外的计算开销并不划算。

2.2 循环的成本

那么，我们为什么要做这种循环？说到底，它是「靠堆更多 Transformer 块把模型做大」之外的另一种选择。

举例来说，一个把 22 个 Transformer 块用两次的模型，其 Transformer 块的参数量大约只有拥有 44 个常规块的模型的一半。

这样一来，存储权重所需的内存就减少了。补充一句：嵌入层和输出层通常很大，在总参数中占相当比例，但它们不在这项比较范围内。（以 Nanbeige 4.2 3B 为例，嵌入层和输出层约占 3B 总参数的 25%；如果让这两层共享权重，这个比例可以降到 12.5%。

图 7：传统方案与循环方案所需参数量的并排对比。

当然，在循环中复用同样的块仍然是要算的。更准确地说，前向传播时中间输入要走完 44 次块应用。而在训练时，梯度要反向流经共享栈的这两轮重复。所以相比只用一次这 22 个块，这会带来大量额外工作。实际上，其开销和拥有 44 个独立块差不多，区别只在于优化器要更新的独立参数更少，反向传播依然要走完全部 44 次块应用。

还有 KV 缓存的问题。无论是常规 Transformer 还是循环 Transformer，KV 缓存都会存下先前 token 的注意力键和值，供后续每一步 token 生成时复用。

尽管循环 Transformer 里存在权重共享，但第二遍进入某个块的中间状态是不一样的。因此在 KV 缓存中，这两轮 Transformer 栈产生的键和值也不同（和不做循环时一样）。所以，KV 缓存这边也省不下什么。

说得更具体些。以第 1 次和第 23 次块应用为例，在循环 Transformer 里它们用的都是块 1，但每一次应用仍然需要各自的 KV 缓存条目。既然两轮都得单独保留缓存，那么这个被重复使用的 22 块栈，其 KV 缓存需求就和一个拥有 44 个独立块的常规 Transformer 一样。

有意思的是，Nanbeige 的研究者在论文中提到，他们试过在两轮之间共享 KV 缓存。这当然把 KV 缓存的体积减半了，但模型表现不如使用独立缓存的版本，也就是他们最终发布的那一版。

在继续看其他循环 Transformer 设计之前，先把 Nanbeige 这部分补完。他们的技术报告还讨论了另外两个选择或者说权衡。

从头训练循环架构，效果好于把已经预训练好的 Transformer 通过 upcycling 改造过来。
如上一节所述，两轮是他们更偏好的权衡点。更多轮次带来的额外收益很小，却会拖慢训练，也让优化变得更不稳定。

所以，循环轮数是我们必须做的另一个架构选择。如前所述，Nanbeige 把它固定成了 2。但我们也可以让它随 token 而变，接下来就会看到这种做法。

2.3 Universal Transformer 与灵活的循环次数

现在回到 Universal Transformers。在 Nanbeige 中，我们把一个含 22 个 Transformer 块的栈应用两次。而在 2018 年的 Universal Transformer 论文中，被反复应用的是同一个 Transformer 块，而不是一整个栈。不过主要思路是相似的。

另外，步数可以是固定的，但论文也探索了自适应停止（adaptive halting）。比如某个位置上的 token 可能只走一到两轮循环，另一个 token 可能走三到四轮，依此类推。这让模型可以灵活地把算力分配给那些真正能从额外计算中受益的 token。

那么循环次数是怎么定下来的？这里模型用了一个小的、经过训练的函数，在每一步为每个位置输出一个所谓的停止概率。它把这些概率在连续的循环上累加，一旦某个位置的累加值超过阈值，就停止循环。此外还设有一个最大循环次数，以防万一，用来限制计算量。

图 8：Universal Transformer 中的自适应停止机制。

另一个循环 Transformer 的例子是字节跳动的 Ouro。比如 Ouro-Thinking 2.6B 把同一组 48 个 Transformer 块应用了四次。这就是 192 次块应用，而只需存储 48 个独立块的权重。基本上，这比 Nanbeige 更激进。此外，一个学习得到的退出门（exit gate）会给不同的退出点分配概率，再用累计概率的阈值来决定由哪一轮提供输出。所以它也借用了 Universal Transformer 的自适应停止思路，而 Nanbeige 没有用这一套。（不过这里有个实际的注意点：官方发布的 Hugging Face 实现会先算完所有配置好的轮次，再选择输出。所以循环次数看起来实际上被硬编码成了 4。）

2.4 用路由决定循环次数

另一种思路是 Mixture-of-Recursions，这是 2025 年的一篇论文，本质上是前面讲的 Universal Transformer 的进阶版。与 Universal Transformer 类似，单个 token 会一次或多次通过 Transformer 块，如下图所示。但它的创新在于：循环次数是如何按 token 逐个决定的。

在下面这张出自论文的图中，被循环（重复）的那个栈被称为递归块（recursion block）。它包含若干 Transformer 块，并夹在独立的首尾两个 Transformer 块之间，图中标为 Layer 0 和 Layer L-1。

图 9：Mixture-of-Recursions 在不同的 token 位置上，把共享栈应用不同的次数。高亮文字展示了 1 次、2 次或 3 次遍历的例子。图改编自 Mixture-of-Recursions 论文。

模型怎么决定一个 token 该过几次递归块？在前面讨论的 Universal Transformer 里，靠的是每一步学习得到的停止概率。而 Mixture-of-Recursions 这里用的是一个小型的、可学习的路由器。这与混合专家模型中的路由思路类似，只不过这里的路由决策决定的是共享栈要应用多少次。

路由器作用在 token 的隐藏表示上，而隐藏表示里也包含了上下文信息。所以我们不该把它理解成「某个特定 token 每次出现都被分配相同的遍历次数」，也就是说，上图里的「People」并不总是走 3 次循环。这个决定会随着该词出现的位置以及前文内容而变化。

那么路由具体是怎么运作的？论文探索了两种做法，如下图所示。

图 10：选择递归深度的两种方式。左边由路由器在每一步选出哪些 token 继续参与；右边由单个路由器在一开始就分配好遍历次数。图出自 Mixture-of-Recursions 论文。

在专家选择路由（expert-choice routing，上图左侧子图）中，每个递归步骤自行选择要处理哪些 token，退出的 token 不再参与后续步骤。在token 选择路由（token-choice routing，右侧）中，路由器在一开始就做出一次决定，把每个 token 分配到走一次、两次或三次的路径上。

两种情况下，Transformer 权重都会在各轮遍历之间复用，和 Nanbeige 等做法类似。额外的灵活性来自于可以决定每个 token 获得多少计算量。模型和它的路由器是一起训练的，因此模型能在训练中学会应对这些不同的路径。

2.5 效果究竟如何？

下面这张出自 Mixture-of-Recursions 论文的图，对比了常规 Transformer（Vanilla）、固定递归次数的 Transformer（Recursive）和 Mixture-of-Recursions（MoR）在不同模型规模和算力预算（x 轴）下的表现。

图 11：四种模型规模、三种训练算力预算下的验证损失。图出自 Mixture-of-Recursions 论文。

在最小的模型规模上，常规 Transformer 表现最好。到了更大的模型上，Mixture-of-Recursions 追了上来，而且往往表现更好，在训练预算较小时尤其明显。而在最大的预算下，几条曲线非常接近。所以，优势取决于模型规模，也取决于我们在训练上花了多少算力。

另一个细节是：训练算力相同，并不意味着训练 token 数相同。通过跳过部分计算，Mixture-of-Recursions 能在同样的预算内处理更多 token。

我觉得这是个很有意思的例子，因为它说明在循环 Transformer 这个思路内部还有若干选择：每个位置循环多少次，以及这个次数由什么来决定。

简而言之，如果模型足够大，使用循环 Transformer 能在固定算力预算下提升模型质量。（这也说明了做大规模实验的重要性；比如只看 135M 参数的小模型，我们会得出完全相反的结论。）

3. 插叙：循环神经网络（RNN）

顺带一提，如果你有深度学习背景，甚至了解 1990 年代的人工神经网络，那么这种循环、或者说「循环深度」的思路，你应该会觉得有几分眼熟。还记得循环神经网络（RNN）吗？RNN 的整个思路就是复用上一次迭代的层，也就是权重。

图 12：RNN 示意图，出自我 2022 年的《Machine Learning with PyTorch and Scikit-Learn》一书

主要区别在于，RNN 是跨时间步复用权重。也就是说，隐藏状态从一个 token 传递到下一个 token。而在循环 Transformer 中，一个 token 的循环发生在架构的深度方向上。

换句话说，在常规 RNN 中，每一步接收的是输入序列的下一个元素和上一步的隐藏状态。所以当 RNN 处理一段文本时，它一次读一个词或一个 token，并把前面词的信息通过隐藏状态往前带。

而在循环 Transformer 中，某个 token 的中间表示会多次通过 Transformer 栈。模型仍然靠注意力在 token 之间传递信息。

如果这个类比让你有点晕，也不必太在意。也许更简单的理解方式是：把循环 Transformer 看成对 Transformer 块的复用，类似于把模型做大，只不过权重是共享的。

图 13：RNN 与循环 Transformer 中「循环」的并排对比。

4. Astra 到底用没用循环 Transformer？

在讨论循环 Transformer 机制是否像前面 The Information 那段引述所暗示的那样遮蔽了推理轨迹之前，先问一个更基本的问题：GPT-6 Astra 究竟有没有用循环 Transformer 这套东西？

图 14：来自 The Information 的引述，来源：https://www.theinformation.com/articles/secret-technique-behind-openais-astra-model-sparks-security-concerns

我们必须记住，这目前仍然只是传言或独家爆料，没有官方确认。如果模型是开放权重的，我们当然可以自己去核实，但眼下只能依赖未经证实的报道。

不过我认为，GPT-6 Astra 很可能确实用了循环 Transformer 的相关设计。第一，有上面提到的报道。第二，这项技术在过去的研究中已经显示出潜力（如前所述），那为什么不用呢？第三，OpenAI 的首席科学家说过下面这段话。

[……] 我们当前前沿模型（包括 Astra）的计算图深度，与 GPT-4 的差距在两倍以内。[……]

但这并没有明确证实循环 Transformer 架构的存在，它也可能只是意味着他们用了两倍数量的常规 Transformer 块。

在我看来，Astra 的成功（也就是良好的建模性能）主要恐怕还是来自其他原因，即更好的训练配方和训练数据。

循环 Transformer 这个改动或许有些帮助，但我认为 The Information 高估了它的贡献。

5. 隐藏思维链

接下来，终于要面对那头房间里的大象了：循环 Transformer 会遮蔽推理轨迹吗？

首先，OpenAI 从一开始，至少从 OpenAI o1 起，就一直对用户隐藏大部分推理轨迹。所以对终端用户来说，这里不该有太大差别。

因此，可解释性方面的担忧主要是针对模型开发者的。

无论如何，我不认为循环 Transformer 是隐藏或遮蔽思维链的主要推手。为了说清楚我的理由（无意双关），我们先退一步，讲讲推理模型是怎么工作的。

5.1 简述推理

推理模型通常会在给出最终答案之前生成一些中间步骤。这些步骤使用的是普通的文本 token（在某些用户界面中可以选择对用户隐藏），被称为推理轨迹或者思维链。

举个例子，假设我们要找两个数，和为 10、积为 21。在下图中，模型一开始试了 5 和 5。虽然和对了，但乘积是 25，不是 21。接着它试了 3 和 7，再把这两个条件重新检验一遍。

图 15：一段示意性的 LLM 回答，标注出了中间步骤、回溯和最终答案。

这张图展示了推理模型是如何「推理」的，包括回溯。也就是说，模型发现了错误，回到先前的某个选择，然后换一种思路继续。

注意，模型仍然是一次生成一个 token，并把提示词和先前的 token 作为上下文。所以这些中间步骤起到的是草稿纸的作用，在给出最终答案之前增加了计算量。

如上例所示，最终答案可能比它之前的推理轨迹短得多。（OpenAI 倾向于对用户隐藏大部分推理轨迹。）

想更深入地理解和开发推理模型，推荐我的书《Build a Reasoning Model From Scratch》。

图 16：我的《Build a Reasoning Model From Scratch》一书讲解了推理模型的基础原理。

5.2 token 用量与更短的思维链

推理轨迹中多出来的 token 会带来更多计算。而循环 Transformer 同样会增加计算，因为 token 要通过更多的 Transformer 块。于是有人可能会说：既然带循环的模型在内部消耗了更多计算，那它就不需要那么多外部的思考 token 了。

下面选取了部分 GPT-6 的基准结果，x 轴是输出 token 数。

图 17：选自 https://openai.com/index/gpt-6-astra/ 的部分 GPT-6 Astra 基准结果。

可以看到，在各个 effort 档位上，GPT-6 Astra 整体上并不一定比前代 GPT-5.6 Sol 用更少的 token。不过，在准确率固定的条件下，GPT-6 Astra 确实比 GPT-5.6 Sol 用得更少。

这对可解释性构成担忧吗？未必。token 用得更少，可能只是说明模型能力更强、犯错更少、回溯更少等等。也就是说，它可能只是更多地在第一次尝试时就做对了。在我看来，这并不会立刻引发可解释性方面的担忧。

我的意思是，以前的模型也是如此。我不觉得会有谁强烈担心 GPT-5.6 Sol 的可解释性比更小的 GPT-5.6 Luna 差很多，而如下图所示，Luna 在达到相同任务表现时要用掉多得多的 token。

图 18：Luna 和 Sol 在相近任务表现下的 token 用量。数据来自 Artificial Intelligence Index v4.3。

事实上我们可以看到，在建模性能相近的情况下，Luna 比 Sol 多用了 80% 的 token。难道这就意味着 Sol 的可解释性差那么多吗？

更合理的解释是：能力更强的模型（更大、训练更充分、消耗更多算力）能更高效地解决问题，而这里的「高效」指的就是 token 更少

还需要记住的一点是，推理轨迹并不保证如实描述模型内部发生的一切。在我看来，唯一站得住脚的担忧是：循环 Transformer 会不会比常规 Transformer 更频繁地用「假的」推理轨迹刻意误导用户。但我认为，目前没有任何有力证据表明这种情况正在发生。

另外，Astra 的系统卡确实提到，有证据显示其推理轨迹的可监控性有所下降，相对 Sol 出现了一定程度的退步。这主要与轨迹更短、信息量更少有关。但这同样无法证明循环就是根本原因。它也可能只是因为整体长度变短了，就像上面 Luna 与 Sol 的例子一样。

在我分享了自己关于循环 Transformer 与隐藏推理链的看法几小时之后，OpenAI 首席科学家 Jakub Pachocki 也发布了如下澄清：

我想避免因为混乱的报道而引发一场奔向「不可监控」的竞赛。我们当前前沿模型（包括 Astra）的计算图深度，与 GPT-4 的差距在两倍以内。自最早的推理模型起，OpenAI 就一直在努力保留并利用思维链监控。我们非常重视这项技术，因为它能让我们看到模型的对齐是如何从训练分布中泛化出去的。我确实认为它很脆弱，而且不幸的是正朝着不好的方向发展，原因与架构变化无关，我很快会专门撰文说明。但我们有办法强化它，这也是我们当前研究计划的一个核心目标。

这里说的「混乱的报道」，多半指的就是前面提到的 The Information 那段话。言下之意是，循环这件事与思维链的变化没有任何关系。

6. 循环 Transformer 相关研究

最后，我想分享几篇与循环 Transformer 架构相关、且前面尚未讨论过的有趣论文。

6.1 潜在推理

与 Universal Transformer 相关的，是 2025 年的论文《Scaling up Test-Time Compute with Latent Reasoning: A Recurrent Depth Approach》，它研究的是模型如何在推理时使用额外的循环。为此，他们在 8000 亿 token 上训练了一个规模不大、但也不算特别小的 35 亿参数模型。

它不像 Universal Transformer 那样反复复用同一个块，而是像 Nanbeige 那样重复一整个栈；但与 Nanbeige 不同的是，它把这个由 4 个块组成的共享栈，夹在 2 个起始块和 2 个末尾块之间。

与 Nanbeige 的另一处不同在于：在每一轮循环开始时，共享栈除了接收上一轮的隐藏状态，还会接收起始块的输出。两者会被拼接起来，经过一个可学习的线性投影，再进入这 4 个共享块。你可以把它理解为：让这个栈在每一遍都能拿到同样的初始输入表示。整体结构总结在下图中。

简而言之，这是循环 Transformer 的又一个有趣变体。

图 19：Geiping 等人论文中潜在推理模型的概念性总结。

一个有意思的细节是，研究者在训练过程中会改变循环次数。这让模型做好准备，以便在推理时适应不同的计算量。

具体来说，训练时的循环次数是随机采样的。而在推理时，则由运行模型的人选定一个固定预算，比如 8 次、32 次或 64 次循环。此外，他们还为每个 token 设计了基于下一 token 概率分布的自适应停止机制。如果连续两轮之间的 KL 散度低于某个阈值，也就是两个分布过于相似，循环就会停止。

总体收益取决于任务。在他们的评测中，HellaSwag 的表现在大约 8 轮之后基本趋于平缓，而 GSM8K 和 HumanEval 则能从更多轮次中获益。

不过，虽然论文标题里提到了「潜在推理」，模型仍然可以生成文本形式的思维链。循环只是在输出每个 token 之前给它更多计算。

6.2 知识检索 vs 推理

「存储信息」和「用信息解决问题」之间有一个很有用的区分。比如 2025 年 6 月的论文《Beyond Parameters: Exploring Virtual Logic Depth for Scaling Laws》，就通过分别测量 LLM 的记忆能力和推理能力来研究这一点。

首先，在记忆实验中，当参数量固定时，循环几乎不改变模型存储的信息量。而增加不同参数的数量，确实会提升这一容量。由此可以得出结论：循环并不会增加知识，也不会让模型检索到更多知识。这也说得通。一旦信息已经存下来了，检索本身是相对简单的任务。而且，循环本身是一种计算机制，而非「存储」机制。

其次，在另外的推理实验中，复用这些块能在不增加参数的情况下提升多步数学题的表现。这就有意思了。这里可以得出的结论是：即便模型没有更多空间来存储信息，额外的计算也能帮它解决问题。但话说回来，更大的模型同样能提升推理能力，只不过它也增加了参数。

图 20：在这项记忆测试中，容量随参数量增长，但增加块的应用次数几乎不改变容量。图片出自 Zhu 等人的论文，并加了标注。

6.3 在算力预算对齐条件下的循环

刚刚发布的 2026 年 9 月论文《SMELT: Scaling Laws for Compute-Matched MoE Looped Transformers》，重新回到了 2.2 节的成本比较问题。如果我们在每 token 计算量、非嵌入总参数量和 KV 缓存需求都大致相同的条件下，去比较循环 Transformer 和常规 Transformer，会发生什么？

研究者采用混合专家架构，把中间那一半的 Transformer 块应用两次。这做法有点像 Nanbeige，只不过用上了 Latent Reasoning 那种「夹心」结构

不过，为了抵消额外块应用带来的计算开销，他们收窄了隐藏维度。而这又会让参数量变小，于是他们再增加专家数量，把总参数量补回来。他们还调整了注意力头的配置，以保持 KV 缓存规模可比。

图 21：SMELT 概览，取自 SMELT 论文 3.2 节给出的示例。

实验规模最高做到了 540 亿非嵌入参数等等。随后，研究者根据拟合出的扩展曲线估计：在所研究的算力区间内，SMELT 达到同样的验证损失所需的训练算力大约少 6.8% 到 18%。

所以，这就回答了「循环 Transformer 在计算上值不值」这个问题：值！在相同算力预算下，它们能给我们一个稍好一些的模型。

6.4 全带宽 Transformer

最后，同样非常新的 2026 年 8 月论文《Full-bandwidth transformer》研究的是跨 token 位置的循环。在每一个解码步骤，它通过一个可学习的门控，把上一个 token 的最终隐藏状态与新采样出的 token 的嵌入结合起来。这个结果会成为下一次前向传播的输入。

于是，下一个 token 的计算从栈的最底部就能拿到上一个 token 的最终表示，这在某种程度上与 Latent Reasoning 相似。

在使用 1B 基座模型时，他们发现这种潜在反馈方法在 MATH500 上会输出更短的推理轨迹，同时保持甚至提升了准确率。不过，经过指令微调之后，这种缩短效应就消失了。

图 22：潜在反馈缩短了基座模型的推理轨迹，但这一效应在指令微调后消失。改编自 Wang 等人论文图 6，CC BY 4.0。定义和注意事项为作者补充。

总之，这一点很有意思，因为它直接呼应了前面关于「循环是否会带来更短推理轨迹」的讨论。当然，结果同时取决于反馈机制和模型的训练方式。另外，该实验也没有确定这些更短的轨迹是否忠实度更低。

此外，这项研究的一大局限在于：他们没有测试用常规方式增大模型（也就是堆更多 Transformer 块而不是循环）是否会对推理轨迹长度产生类似的影响。

结语

总结一下。我们可以说，OpenAI 的 GPT-6 Astra 确实是个非常强的模型，而且它在计算机操作方面迈出了特别大的一步。我相信在接下来的几个月里，计算机操作会成为开源和闭源框架的下一个重点方向。在计算机操作这件事上，我认为开源尤其重要，毕竟「能力越大，责任越大」，在把主力电脑的访问权限交出去之前，能先审计一下这个框架是件好事。

此外，GPT-6 Astra 很可能用了某种循环 Transformer 的变体。循环 Transformer 就是能在固定算力预算下带来更好的建模性能。

还有，更好的建模性能可能会伴随着更短的推理链。但这并不是什么新趋势。在同一模型家族里不同规模的模型之间（比如 GPT-5.6 Luna 与 Sol），我们一直都能看到这一点。

在我看来，更短的推理轨迹是更「聪明」、能力更强的模型带来的副产品。这类模型犯错更少，而且能在架构内部调动更多计算，而不是把推理轨迹当草稿纸用。某种意义上，人也是如此。在大学的现场数学考试中，一个聪明且准备充分的学生，大概率更少用到草稿纸，也更少需要回头重来。

本文来源：机器之心

风险提示及免责条款

中国1-8月份城镇固定资产投资下降7.2%，信息服务业增长22.7%

Tue, 15 Sep 2026 02:16:40 GMT

1-8月，我国高技术产业投资稳步提升，知识产权产品投资快速增长。

9月15日国家统计局发布数据，1-8月份，全国固定资产投资（不含农户）293092亿元，同比下降7.2%（按可比口径计算，详见附注7）。其中，知识产权产品投资同比增长9.2%。

分领域看，基础设施投资同比下降4.0%，制造业投资下降2.3%，房地产开发投资下降19.9%。

高技术产业投资同比增长5.2%，其中信息服务业，航空、航天器及设备制造业，电子及通信设备制造业投资分别增长22.7%、14.9%、6.9%。

分产业看，第一产业投资5832亿元，同比下降2.4%；第二产业投资113094亿元，下降2.9%；第三产业投资174166亿元，下降9.9%。

工业投资同比下降2.9%。其中，采矿业投资增长3.4%，制造业投资下降2.3%，电力、热力、燃气及水生产和供应业投资下降6.9%。

基础设施投资（口径详见附注1）同比下降4.0%。其中，信息传输业投资增长28.4%，航空运输业投资增长16.7%，水上运输业投资增长14.7%。

分地区看，东部地区投资同比下降9.4%，中部地区投资下降8.7%，西部地区投资下降8.8%，东北地区投资下降25.5%。

分登记注册统计类别看，内资企业固定资产投资同比下降7.1%，港澳台投资企业固定资产投资下降6.9%，外商投资企业固定资产投资下降4.3%。

1—8月份，民间固定资产投资同比下降10.1%。从环比看，8月份固定资产投资（不含农户）下降0.5%。

风险提示及免责条款

老黄忍不住了：末日论都是胡扯，数字全是编的

张硕 — Tue, 15 Sep 2026 02:10:12 GMT

英伟达CEO黄仁勋表示安全重要，但与领导力不是二选一。

吹哨应重视，可“10%灭绝”“文明死亡”等数字是编的，极不负责。
AI接管放射学、90%代码生成、白领失业、就业末日等预测全错。必须追责记录这些胡扯，否则不利美国赢得AI竞赛。

A股三大股指早盘震荡上涨，半导体产业链爆发，玻璃纤维、电子布大涨，恒科指涨近1%，科网股集体反弹

Tue, 15 Sep 2026 02:09:55 GMT

9月15日，A股早盘震荡走低，三大股指盘初小幅回升，纷纷收窄跌幅，深成指率先翻红，覆铜板、六氟化钨、电子布、玻璃纤维、电路板HBM、玻璃基板等概念股集体拉升，餐饮旅游、零售、农业等板块陷入调整，海运、化工板块走强。

港股分化，恒指、恒科指盘初涨跌不一，恒指承压，恒科指小幅上涨，权重科网股、芯片半导体集体反弹。债市方面，国债期货纷纷走高。商品方面，国内商品期期货多数下跌。核心市场走势：

A股：截至发稿，沪指跌0.07%，深成指涨0.26%，创业板指涨0.17%。

港股：截至发稿，恒指跌0.34%，恒科指涨0.72%。

债市：国债期货全线反弹，截至发稿，30年期主力合约%，10年期主力合约%，5年期主力合约%，2年期主力合约%。

商品：国内商品期货多数下跌，截至发稿，原油继续大涨超6%，沥青涨超2%，燃油、焦煤涨1%，氧化铝、螺纹钢、沪锡等少数品种走高，不锈钢、热轧卷板、锰硅、豆粕、铁矿石、工业硅、多晶硅等纷纷下跌，烧碱、钯金、鸡蛋、沪镍、集运指数、沪铜、沪金、纸浆、沪银、铂金、橡胶、菜籽等品种跌超1%，玻璃、沪锡、碳酸锂跌幅超过2%。

09:58

玻纤概念快速拉升，宏和科技涨停，国际复材、中国巨石、长海股份、中材科技跟涨。

电子布板块发力，中国巨石、宏和科技、国际复材、中材科技集体上行，生益科技高举高打。消息面上，9月初电子纱/布开启新一轮提价。

09:39

PCB概念反复活跃，超声电子7天5板，此前华正新材7天3板，澳弘电子触及涨停，方邦股份、南亚新材、兴森科技、满坤科技跟涨。

MLCC概念震荡拉升，双星新材3连板，火炬电子、三环集团、斯迪克跟涨。消息面上，全球MLCC龙头村田制作所日前释放出明确的扩产信号。据日经新闻报道，村田计划将多层陶瓷电容器产能，在2027财年（2027年4月至2028年3月）较当前水平提升两成。

09:35

农业板块再度调整，新农开发二连跌停，国投丰乐、神农种业、宏辉果蔬、雪榕生物、康农种业跟跌。

早盘旅游板块震荡下挫，天目湖跌停，桂林旅游触及跌停，云南旅游、张家界、曲江文旅、西域旅游等快速跟跌。

汽车整车板块反复活跃，安凯汽车2连板，众泰汽车、山子高科逼近涨停，海马汽车、东风股份、中通客车跟涨。消息面上，广汽集团公告，筹划发行股份购买一汽股份持有的某整车合资公司部分股权。

09:31

有色·钨概念表现活跃，翔鹭钨业涨停，章源钨业、中钨高新、厦门钨业跟涨。消息面上，目前，鹿特丹市场上作为钨产业链核心中间产品的仲钨酸铵(APT)价格已在短短18个月内翻了九倍。

09:30

早盘网络安全概念继续大幅高开，中新赛克开盘一字涨停，走出4连板，启明信息竞价涨停，天融信、永信至诚、中孚信息、浩瀚深度高开超5%。

消息面上，英伟达、Palantir和Booz Allen Hamilton正要求OpenAI、Anthropic提供新的安全保障，并减少或停止使用两家公司最先进的AI模型。

09:26

上证指数低开0.14%，创业板指跌0.14%。传媒、汽车、油气、网络安全、大数据板块活跃。光通信板块调整。

09:21

恒生指数高开0.07%，恒生科技指数涨0.47%。广汽集团、兆易创新、中际旭创、联想集团、美团走强。

风险提示及免责条款

1—8月份，全国房地产开发投资47979亿元，同比下降19.9%

Tue, 15 Sep 2026 02:03:38 GMT

房地产开发投资完成情况

1—8月份，全国房地产开发投资47979亿元，同比下降19.9%（按可比口径计算，详见附注5）；其中，住宅投资37017亿元，下降19.7%。

1—8月份，房地产开发企业房屋施工面积560770万平方米，同比下降12.8%。其中，住宅施工面积389347万平方米，下降13.2%。房屋新开工面积29894万平方米，下降24.8%。其中，住宅新开工面积21840万平方米，下降25.4%。房屋竣工面积21097万平方米，下降23.7%。其中，住宅竣工面积14798万平方米，下降25.4%。

商品房销售和待售情况

1—8月份，新建商品房销售面积49880万平方米，同比下降12.1%；其中住宅销售面积下降13.0%。新建商品房销售额47470亿元，下降13.0%；其中住宅销售额下降13.1%。根据住房城乡建设部数据，1—8月份，二手房交易网签面积（见附注6）54923万平方米，同比增长10.6%。

8月末，新建商品房待售面积75349万平方米，同比下降1.1%。其中，待售3年以下面积54819万平方米，下降4.2%。

房地产开发企业到位资金情况

1—8月份，房地产开发企业到位资金50893亿元，同比下降21.0%。其中，国内贷款6880亿元，下降33.3%；自筹资金18432亿元，下降20.0%；定金及预收款16037亿元，下降14.8%；个人按揭贷款6846亿元，下降22.4%。

风险提示及免责条款

中国8月社会消费品零售总额同比 0.4%，前值 0.6%

Tue, 15 Sep 2026 02:00:40 GMT

中国8月社会消费品零售总额同比 0.4%，前值 0.6%。

风险提示及免责条款

中国8月规模以上工业增加值同比5.2%，预估为4.8%，前值为4.5%

Tue, 15 Sep 2026 02:00:21 GMT

中国8月规模以上工业增加值同比5.2%，预估为4.8%，前值为4.5%。

风险提示及免责条款

8月70城房价：一线城市商品住宅销售价格环比上涨，二三线城市环比降幅总体收窄

Tue, 15 Sep 2026 01:30:42 GMT

国家统计局城市司高级统计师杨彩芳解读2026年8月份商品住宅销售价格变动情况统计数据

　　2026年8月份，70个大中城市中，一线城市商品住宅销售价格环比上涨，二三线城市环比降幅总体收窄，一二三线城市同比降幅继续收窄。

　　一、一线城市商品住宅销售价格环比上涨，二三线城市环比降幅总体收窄

　　8月份，一线城市新建商品住宅销售价格环比由上月持平转为上涨0.1%。其中，上海、广州和深圳分别上涨0.4%、0.1%和0.2%，北京下降0.2%。二线城市新建商品住宅销售价格环比下降0.1%，降幅与上月相同。三线城市新建商品住宅销售价格环比下降0.2%，降幅比上月收窄0.1个百分点。70个大中城市中，新建商品住宅销售价格环比上涨或持平城市有21个，比上月减少2个。

　　8月份，一线城市二手住宅销售价格环比上涨0.1%，涨幅比上月回落0.1个百分点。其中，上海和深圳分别上涨0.3%和0.1%，广州持平，北京下降0.1%。二线城市二手住宅销售价格环比下降0.3%，降幅与上月相同。三线城市二手住宅销售价格环比下降0.3%，降幅比上月收窄0.1个百分点。70个大中城市中，二手住宅销售价格环比上涨或持平城市有8个，与上月相同。

　　二、一二三线城市商品住宅销售价格同比降幅继续收窄

　　8月份，一线城市新建商品住宅销售价格同比下降0.9%，降幅比上月收窄0.2个百分点。其中，北京、广州和深圳分别下降2.3%、1.9%和2.3%，上海上涨3.0%。二、三线城市新建商品住宅销售价格同比分别下降2.7%和4.1%，降幅均收窄0.1个百分点。

　　8月份，一线城市二手住宅销售价格同比下降2.7%，降幅比上月收窄1.0个百分点。其中，北京、上海、广州和深圳分别下降3.5%、0.8%、3.8%和2.7%。二、三线城市二手住宅销售价格同比分别下降4.9%和5.6%，降幅均收窄0.2个百分点。

风险提示及免责条款

行业高管：“石油危机”已经来临！伊朗战争看不到结束的希望，局势有失控风险

Tue, 15 Sep 2026 01:14:34 GMT

美国石油业高管警告，随着商业库存持续消耗、战略储备空间趋于耗尽，能源市场的缓冲机制已基本失效，而伊朗战争久拖不决，局势存在失控风险。

9月11日，雪佛龙首席执行官Mike Wirth在德克萨斯州奥斯汀举办的一场能源会议上表示，维系市场稳定的各类机制已基本发挥殆尽。Wirth说：

所有这些机制帮助缓解了价格和供应风险，但它们现在已基本用尽，我们系统中的缓冲空间与冲突开始时相比已大幅减少。

他补充称，油价走势难以预判，但当前局面下价格快速回落的前景令人难以乐观。Wirth表示：

我希望能告诉你，我看到了某些局势缓和的理由，但现在确实很难看到这种可能。

全球商业燃油库存已连续超过六个月持续下滑，战略原油储备进一步动用的空间也所剩无几。沙特阿拉伯一条绕过霍尔木兹海峡的关键输油管道上周遭到袭击，据分析师估计，每日约250万桶原油因此被截留于已然紧绷的全球市场之外。

美国原油价格在过去三周内飙升19%，目前交投于每桶102美元附近；柴油零售价攀升至每加仑6.23美元的历史纪录，汽油价格也从今夏短暂跌破4美元后反弹至4.32美元。

特朗普政府坚称市场扰动属于暂时性现象。美国内政部长Doug Burgum周一在休斯顿G-20活动上表示，当前油价上涨是"暂时性干扰"，并驳斥了外界关于美国正考虑禁止成品油出口的猜测。

然而，这一表态与石油业高管的判断形成明显落差，后者对局势走向日益感到忧虑。

战争僵局令能源市场难觅出路

资深能源顾问指出，在伊朗战争看不到任何解决迹象的情况下，局势存在失控风险。

Quantum Capital Group创始人兼首席执行官Wil VanLoh在奥斯汀会议上表示，谈判优势通常归于有时间、有耐心的一方。他指出，伊朗"愿意承受痛苦，其人民已经承受了数十年的苦难"，暗示德黑兰在持久战中具有天然心理优势。

投资机构Pickering Energy Partners创始人Dan Pickering则表示，特朗普此前曾表示战争将持续至11月中期选举，但投资者普遍认为冲突将延续更长时间。Dan Pickering称：

那是一个信号，说明这场战争将会拖下去。

特朗普已承诺对伊朗施加经济压力，并排除地面部队介入的可能性。与此同时，伊朗持续袭击途经霍尔木兹海峡的油轮，即便特朗普政府此前曾宣称已秘密护送多艘船只安全通过该水道。

白宫坚持"暂时论"，拒绝出口禁令

面对市场和业界的焦虑情绪，特朗普政府坚持认为局势可控。

Burgum在休斯顿活动上表示，前任总统拜登"追求的是一种能源削减政策并关闭炼油厂"，若非政府换届，当前高油价将成为常态；而目前的价格上涨只是暂时现象，"如果你要写油价，请务必加上'暂时'这个词"。

他同时明确排除了禁止柴油等成品油出口的可能性，称此举不会有效压低国内价格。Burgum表示：

我们会做任何有助于压低国内价格的事，但我们也会保持理性，而不是凭借某种想法认为，停止出口就能神奇地解决问题。

而当前危机中，柴油市场面临尤为严峻的压力。

据《华尔街日报》此前报道，ExxonMobil、雪佛龙和ConocoPhillips三家美国最大石油公司的首席执行官，早在今年3月就曾向包括Burgum和能源部长Chris Wright在内的特朗普政府官员发出警告，称霍尔木兹海峡长期关闭可能导致柴油等成品油出现严重短缺。

Pickering指出，中东冲突与俄罗斯局势导致炼油产能受损，叠加农业收割季即将到来，农用重型机械对柴油需求庞大，供需缺口恐将进一步扩大。他说：

柴油没有简单的解决方案。

白宫表示，正通过两条路径积极应对：推动委内瑞拉增产，以及提升美国本土炼油产能。一名美国高级官员表示，政府对目前两方面的进展均感到满意。

风险提示及免责条款

人造金刚石：从散热扩张到 PCB，价值边界如何重估？

Tue, 15 Sep 2026 01:13:17 GMT

人造金刚石完成了从“可选消费品＋工业磨料”到“AI 功能材料”的身份切换。

切换由两条互不依赖的需求曲线同时拉动：一是 AI 芯片功耗越过 1000W 后，铜散热触及热导率天花板，金刚石铜复合材料以 600–850 W/(m·K) 的热导率成为唯一已规模部署的过渡方案；二是 M9／M9Q 高阶覆铜板叠加石英布后，钨钢钻针寿命从 M8 板的 800–1000 孔骤降至 100–200 孔，金刚石涂层与 PCD 钻针从“性能升级”变成“产线不停机的必要条件”。按等效机柜口径测算，金刚石铜在 AI 服务器的理论 TAM 从 126 亿元（50 美元／GPU、100% 渗透）可放大至 1008 亿元（100 美元／GPU、200 万柜）。

黄仁勋发声：“末日论”是“不讲科学的哗众取宠”，RSI绝非“失控黑魔法”，特朗普“中途插入”：末日轮全是骗局

Tue, 15 Sep 2026 01:11:18 GMT

近日，英伟达创始人兼CEO黄仁勋在All-In Summit 2026上正面开炮，将当前甚嚣尘上的"AI末日论"定性为"没有科学依据的不负责任言论"。他逐一列举过去数年被证伪的AI预言，直指部分科技公司和研究人员的公开表态"制造恐慌、误导公众"。

黄仁勋的靶子，是Anthropic CEO Dario Amodei近期发表的那篇引发广泛讨论的博文——该文联合多家前沿实验室，对AI安全风险发出警告，甚至量化了"文明级灭绝"的概率。黄仁勋说道，"这是编造的。这些人受过良好教育，被称为研究员，在实验室工作。这些词汇的叠加加上这种预测，令人恐慌，不应该这样做，这是不负责任的。"

峰会进行中，美国总统特朗普突然致电现场，直言"这整件事就是个骗局"，并表态将坚定支持数据中心建设，称AI是"未来20至25年的石油"。

两人的联合发声，为当前围绕AI监管和安全的激烈争论注入了新的变量。

“这些预测全都错了”：黄仁勋逐一清算末日预言

黄仁勋在台上直接点名过去几年流传最广的AI恐慌预测，并一一对照现实：

"有人预测五年内放射科医生将被AI完全取代，结果恰恰相反，我们比以往任何时候都需要更多放射科医生。"

"有人预测六到十二个月内90%的代码将由AI生成——错了。有人预测六到九个月内50%的初级岗位将消失——也错了。"

他还提到，GPT-2和Llama 3曾被认为"太危险不能发布"，以及"明年将有一半白领工作消失"等预言，统统落空。

黄仁勋的结论直截了当："这些预测不基于科学，不基于研究。所有基于科学和研究的证据都指向相反的方向。这是对未知领域的恐惧。"

他同时表示，对于Anthropic CEO Dario Amodei近期发表的相关博文，他认为其中涉及安全的部分值得认真对待，但关于未来的"科学预测"部分"明显缺乏科学依据"，"由科学家说出口，却不是科学的东西，这是不负责任的"。

RSI不是“黑魔法”：黄仁勋解释递归自我改进的工程逻辑

针对近期市场热议的递归自我改进（RSI）技术，黄仁勋给出了他的技术判断。

"RSI是一套系统性思路的组合，"他说，"从上下文学习、技能积累、反思机制，到强化学习和合成数据生成，这些都是非常合理的想法，能让AI在解决问题上持续进步。"

他进一步解释，通过LoRA等低秩适配方法，可以在不重新训练基础模型的情况下提升模型能力；而随着时间推移，再用积累的经验重新训练基础模型，整个流程在工程上完全可控。

黄仁勋认为，"RSI"这个词正在被某些人"武器化"，刻意制造出技术将"螺旋失控"的印象。他的反驳逻辑很简单："你可以在公司内部做RSI，但当你发布产品时，你必须评估它，必须测试它，必须确保没有回归问题。基本的工程控制流程就在那里。"

特朗普现场致电：数据中心是“下一个20年的石油”

峰会进行到英伟达战略拆解环节时，特朗普突然致电黄仁勋，并被接入现场扩音系统，向在场数千名观众直播讲话。

特朗普表示："这整件事就是个骗局。数据中心是伟大的，它让人们富裕，让各州富裕。它是未来20年、25年的石油，比互联网还要大得多。"

他同时批评部分反对数据中心建设的声音"正在为不希望美国成功的人服务"，并明确表态："机器人不会统治世界，AI不会接管世界，整件事就是个骗局。"

特朗普还提到，美国目前有约20万亿美元投资正在流入，并将此与前任政府时期的不足1万亿美元进行对比。

黄仁勋在通话结束后表示，特朗普能够"看穿这场骗局"，在民调显示反对声音占主导的情况下仍坚持立场，"这需要勇气"。

英伟达的战略逻辑：向上走多远，向下压多低

在资本配置和生态战略上，黄仁勋阐述了英伟达的核心原则："尽可能往上走，但尽量保持在低层。"

他解释，英伟达的目标是帮助整个生态系统成功，而非从中切走一块。"如果不是英伟达创建了cuDNN，所有框架都不会存在。如果不是我们创建了Megatron Core，大规模训练就不会发生。我们发明必要的技术，然后让千花齐放。"

在收购Hugging Face之后，英伟达在开源领域的布局愈发清晰。黄仁勋透露，英伟达目前在自动驾驶、生物医药等五个垂直领域拥有前沿开源模型，包括全球首款"会思考的自动驾驶汽车"Alpamayo，以及蛋白质合成模型Proteina Complexa等。

他强调，英伟达进入这些领域的逻辑是"客户需要，而他们自己还没有能力做"，而非主动颠覆竞争对手。

在融资生态方面，黄仁勋提到英伟达正与黑石、高盛等机构合作，通过Cloverleaf等项目为AI基础设施建设提供融资支持，并在澳大利亚、东南亚等地持续扩展区域云合作伙伴网络。

“在某些领域，超级智能已经到来”：黄仁勋的技术判断

在峰会尾声，黄仁勋对当前AI发展阶段给出了他的判断。

主持人提出"我们是否已经进入AGI时刻"，黄仁勋回应："我认为我们也到了。"

他随即补充了自己的定义框架："当你看一辆自动驾驶汽车，我不需要它给我做煎蛋卷，我只需要它开车。在这个窄域里，它就是超级智能——事故率是人类的十分之一。蛋白质合成、虚拟筛选，我们已经在那里了。"

黄仁勋最后呼吁："我希望我们能降低戏剧性，最重要的是，我们需要让整个美国一起前进。这才是我们成功的方式。"

访谈全文（略删减）如下：

Jensen Huang：末日论是骗局，超级智能已经到来，AI的未来（特朗普总统连线）

All-In Podcast | All-In Summit 2026 | 2026年9月15日

文字记录

主持人 00:00

有些人称之为"远见"，对我来说这是一个分量极重的词，因为我相信远见至关重要。我们为此中断了每周的常规节目，而能让我们这么做的只有三个人：特朗普总统、耶稣，还有Jensen——全球第一播客诚挚欢迎他的到来。他就是Jensen Huang，英伟达的创始人、董事长兼CEO。无论你是否意识到，他的每一个决策都在塑造着你的未来。英伟达是这个市场最重要的股票，而Jensen可以说是史上最出色的企业家。公司营收同比爆发式增长97%，需求不仅已经强劲，实际上还在持续加速。英伟达是唯一一个完整全栈AI工厂的计算平台。GPU就像一台时间机器，它让你能更早看见未来。如果我们能看见未来、预测未来，我们就有更大的机会把那个未来塑造成它最好的样子。

请欢迎Jensen Huang！他一出场就赢得了全场起立鼓掌。女士们先生们，"GPU耶稣"来了，大家都爱你。谢谢，我也爱你们。我们喜欢全球第一播客，也喜欢你这件新夹克。

Jensen Huang  01:28

我觉得你们需要一些活力。我知道我们今天要聊的都是严肃话题，但我们得充满活力地聊。

主持人 01:39

让我们从这个周末的那篇文章说起吧。哪篇？

主持人 Chamath  01:45

就从Dario那篇文章说起吧，这篇文章其实很有海明威的风格。有没有人用Pangram检测过？我甚至不知道里面有多少是AI辅助写的，但确实是一篇相当惊人的文章。让很多人感到意外的是，前沿实验室们纷纷为这篇文章背书、聚集在它周围。Jensen，能不能帮我们梳理一下——这到底发生了什么，你是怎么解读的？我们再深入聊里面的一些细节，先说说你的整体看法。

Jensen Huang 02:14

那篇文章涉及的内容非常多。首先，其中有一部分关于安全，这我们必须非常认真对待。安全是重中之重，这一点显而易见。安全与领导力之间并非非此即彼的选择——你可以快速创新、快速执行，美国可以领跑，同时做到安全。我认为把这两者对立起来是个伪命题，但安全本身当然极其重要。

文章中还涉及内部控制问题，我认为Dario说的就是这个。显然，那位名叫Coxson的举报人所揭露的事情是非常严肃的——只要有人举报，就必须认真对待。我认为Coxson有很大的勇气把他的顾虑公之于众。即便如此，那些顾虑之中有些问题是被混为一谈的。

举报这件事本身，我认为是对的。但文章中关于未来的科学预测，就没那么站得住脚了，因为它并不建立在科学基础上。写这篇文章的是一位科学家，但内容显然没有科学依据，这一点我不认同。

至于文章中提到的暂停、放缓开发进度，这些都是他们自愿可以做的事情——如果他们觉得公司已经失控。如果Coxson看到了失控的迹象——当然我们不知道他具体看到了什么——也许这与从研究到工程的转型有关。众所周知，这些实验室正在从研究机构转型为工程组织，拥有非凡的人才和卓越的工程能力，但工程毕竟不同于研究，这个转型过程难免有些磕绊。我们不知道他究竟看到了什么，最终只有他自己知道。

但如果问题真的出在缺乏控制上，那就是另一个议题了。政府该如何应对？监管这个词一下子就把所有问题都覆盖了，一篇博文里什么都有。

主持人 Chamath 04:35

你能帮我们梳理一下吗？比如"文明性死亡"这个说法——我都不知道怎么向我妈解释。当非常聪明的人把这些概念量化，比如"10%的灭绝概率"，这可能才是让很多人感到不安的地方。没有人知道怎么向普通人解释这意味着什么，或者这怎么可能发生。

Jensen Huang 04:56

我们不应该这么说，因为这是凭空捏造的。这些人受过良好教育，他们被称为研究人员，在实验室工作。但这些词汇和这种预测放在一起，是令人震惊的，是不负责任的，不应该这么做。

Jensen Huang 05:23

让我们回到真实的事实上来看看。曾经有人预测，五年内放射科将被人工智能完全取代，世界上将不再有放射科医生。事实证明恰恰相反——我们比以往任何时候都需要更多的放射科医生。不过，AI确实已经完全渗透了放射科领域，它实现了扫描读取的自动化，这很好。

又有人预测，就在去年，六到十二个月内90%的代码将由AI生成——这被证明是错的。去年还有人预测，六到九个月内50%的初级岗位将消失——同样被证明是错的。说GPT-2太危险不能发布，说Llama 3太危险不能发布……我们听说过一半白领工作明年将消失，说会发生"就业末日"。所有这些预测都被证明是错的。我们必须对这些荒谬的预测负责，有人必须为此承担责任，我们应该把这些都记录下来。当然，人们确实在记录，也会提醒我们——这些预测与美国赢得AI竞赛是相互矛盾的。

主持人 Chamath 06:56

简单来说，有些人会说"相信专家"，并援引新冠疫情作为类比——同样是从研究人员、受过教育的人开始，他们对这件事有着其他人所不具备的不对等的认知，然后说出了一些最终被事实证明不正确的话。所以现在存在一场战争，"相信专家"运动和"让我们看看这些预测的实际历史记录、让我们更有条理地思考"这两派之间的战争。

你认为这背后是什么？是商业利益还是政治利益？你觉得他们为什么这么做？

Jensen Huang 07:44

首先我要说，这些是史上最举足轻重的一批公司。他们有顶尖的工程师、杰出的研究人员，做出了真正了不起的工作。一方面，我与他们作为公司伙伴关系非常紧密；另一方面，我们不得不在公众面前进行这样的对话，这实在令人遗憾。我认为这些公司应该按照我们过去建立公司的方式来运营——悄悄地做。

说话人3 08:11

Jensen，你不允许公司里的任何人代表整个组织发言，尤其是在他们状态不好或者一时冲动的时候，他们不能代表你和公司随意发推，对吗？

Jensen Huang 08:31

对，因为他们加入我们公司的时候，我们就告诉他们——这是你在我们公司工作的行为准则。如果你认同英伟达的文化——大家都知道，英伟达的文化和员工满意度极高——员工们喜欢公司的稳定性，喜欢我们的核心价值观始终如一：照顾好员工家庭，创造让他们完成一生心血之作的条件，做有意义的工作，尽量保持低调，并为每个人的成功做出贡献。这些核心价值观会吸引认同的人加入。

但当你来我们公司工作时，也有一些事情我们不欢迎。比如，我们不欢迎在公司内部进行政治讨论。关于种族、宗教、政治等话题，我们告诉员工，这些留到公司外面去谈。英伟达是一家去政治化的公司，我们是跨党派的，我们希望美国成功。无论哪届政府执政，我们都会尽一切努力帮助美国成功。

Chamath  09:51

那在AI监管问题上，更具体一点，Satya今天早上也在这里，他的说法是：在讨论可能会大幅阻碍发展的监管之前，为什么不先把基础做好？为什么不先把评估做对、把标准化做好？你的立场是什么？

Jensen Huang 10:00

把工程做好。把研究以更可预测的方式转化落地，这样就不会引发恐慌。在准备好对外发布之前，把它留在内部。

Demis提出了一个类似FINRA（金融监管机构）的监管框架。Dario想要什么并不清楚，他说的是某种跨国性的管控机制。你的立场是什么？

Jensen Huang 10:33

监管应该解决实际存在的问题。所以问题是，我们实际上遭遇了哪些真实的问题？如果你审视所有实际发生的问题，目前所有的问题都来自实验室。原因在于——为他们辩护一下——他们拥有最多的算力，因为他们正在尝试解决前沿问题。所以可以合理推断，前沿实验室将是最大风险的来源。一个高中生不太可能造成什么问题，因为他们根本没有足够的算力；一家初创公司也不太可能成为原因，因为同样没有足够的算力。事实上，除了前沿实验室之外，地球上的任何人都没有足够的算力。

Jensen Huang 11:36

现在的问题是，如果你审视实际发生的事情——他们在做开创性的工作，真的非常困难。他们正在从研究转向工程。我能理解——他们同时在建设公司、构建文化、推进技术、搭建工程体系、开发产品，一切都在同步进行。

Jensen Huang 12:00

所以我能理解这有点像"头发着火"的状态，但尽管如此，某一家实验室的四起事件，另一家实验室的那个重大事件，首先要做的就是从工程角度去找出根本原因：发生了什么？我们本可以做什么不同的事？我们将要落地哪些措施——无论是技术、方法还是流程——来确保不再发生。我敢打赌，在每一个案例中，这些问题在未来都是可以在他们控制范围内加以预防的。

我相信那四起事件不会再次发生，我相信他们已经找到了根本原因并加以修复，我相信他们现在有了更好的技术——沙箱、运行时环境、监控器、持续监控系统等等——这些都比以前好得多。

Jensen Huang 13:05

另一种可能性也不太可能——即他们分析完这些事件后得出结论说：我们不知道发生了什么，我们根本无法控制，需要请社会来帮忙。如果真是那样，那我们才应该派工程师进去协助他们。但我觉得不会，他们拥有极其优秀的人才，这些问题都在掌控之中。

说话人4 13:46

我们并不是在真空中运作。昨晚你告诉我，GLM的开发者——将要投入30亿美元进行递归自我改进的实验。

能不能给Jensen介绍一下背景？就是那个公告——Zippo.com的创始人刚刚募集了50亿美元，并表示其中一个优先方向就是实现递归自我改进，也就是用AI来训练下一代AI，并尽可能地将这个过程自动化。

Jensen Huang 14:08

是的，这是个新的热门词汇。但大家要知道，RSI（递归自我改进）其实是一套系统性思路的组合。它从上下文学习开始，包含技能学习、反思、强化学习和合成数据生成。这些都是非常合理的思路，能让AI在解决问题的过程中不断进步。

Jensen Huang 14:31

你还可以使用低秩适应（LoRA）等方法，这些都不需要更新基础权重。你实际上可以改善权重，通过LoRA、合成数据生成和强化学习来增强模型，而不必重新训练基础模型。随着时间推移，你可以用积累的所有经验再次训练基础模型。

Jensen Huang 14:53

所以我认为，用技术来提升各类任务的生产力——包括构建AI本身——是非常合理的。这是个非常符合逻辑的想法，我相信所有人都在不同程度上这么做了。只是这个词现在被人用来将技术"武器化"，好像这一切会螺旋失控一样——他们就是想给人这种印象。

但你并不相信？当然不信。原因是什么？很简单，你可以在公司内部整天做RSI，但当你要发布产品的时候，你必须对它进行评估。你不是还要重新测试吗？你不是还要确保没有功能退化吗？这些基本的控制流程，随着这些实验室从研究机构向工程组织转型，他们的管控会越来越好。更好的管控来自方法、知识、实践、工具和技术的积累，这些都会实现更好的验证与测试，从而确保RSI在内部安全推进，优质产品对外安全发布。

关于开源

Chamath 16:09

说说开源吧。Hugging Face的收购将是最重要的交易之一——我甚至不想称之为"交易"，因为它的意义远不止于此。能不能给我们讲讲你对开源模型、闭源模型和开放权重的第一性原理理解，以及它们在生态系统中应该如何随时间发展？

Jensen Huang 16:28

这个世界既需要闭源模型，也需要开源模型。这个周末我尽可能多地使用闭源模型，用了四个。它们表现非常出色——处于前沿水平，体验很好，能写、能用，效果惊人，而且还在不断进步。我对闭源模型的比喻是——

Jensen Huang 16:49

就像瓶装水。水是免费的，大家，不知道你们知不知道，但水是免费的。今天早上我用了很多免费的水洗澡。你在合适的地方用合适的水。这和电力没什么区别，和我们日常使用的各种商品没什么区别——你需要两者兼备。

在开源这一侧，你需要它的原因可能是主权考量、隐私考量，或者专有技术考量。看看事实：过去六个月里，有4000亿美元的风险投资流入了AI原生公司，其中80%使用的是开源模型。如果没有开源模型，他们怎么实现自己的梦想？因为他们的梦想和前沿实验室的梦想不一样。美国有太多种创新方式，这是我们的核心优势之一，好主意源源不断涌现。

开源模型让这一切成为可能——让每一家公司、每个行业、每位研究人员、每位教师、每位学生、每家初创公司都能参与。要赢得AI竞赛，靠的不是几家科技公司的胜利，而是美国每一个人的胜利。他们中有些人会用闭源模型，很多人会用开源模型。

关于来源是否重要的问题。全球开源贡献中，很大一部分来自中国。他们有更多的工程师，通过顶尖大学（如清华大学）大批量培养理工科人才。

Jensen Huang 19:03

我们下载Linux、下载Kubernetes，以及各种软件，其中很多都有中国人参与贡献。但一旦你下载了，它就是你的了。我们fork它，改进它，把它变成我们自己的。当你下载一个中国模型，它碰巧是由中国的优秀研究人员做出来的，但现在它是你的了，你可以用它做任何你想做的事。

所以，竞争的关键究竟是什么？竞争其实在于谁能最好地利用这项技术。上一次工业革命的发明者——麦克斯韦、伏特、安培——没有一个是美国人，那次工业革命源于欧洲，但我们比世界上任何地方都更好地利用了它，看看结果如何。我要确保这一次也是如此。

Jensen Huang 20:42

令人沮丧的是，如果这些“AI末日轮”说法是真的，那我们就应该讨论它并采取行动。即便是真的，我们也应该花更多时间去解决它，而不是去让一群对此无能为力的人担惊受怕。建好它，是我们的责任。

Jensen Huang 21:01

历史上有没有过这样的时刻——如此多的人如此坚定地声称某件如此不真实的事情？而且这些说法是有实证的、是明显的谎言，从逻辑上讲也站不住脚，既没有科学依据，也没有研究支撑。所有基于科学和研究的证据都指向相反的方向。这不过是对未知边界的恐惧——人类从未到达那里，从未见过那里的样子，所以我们害怕，于是很容易就告诉所有人那里很危险。

Jensen Huang 21:29

也许这还和个人经历有关。让我举个例子：当我刚毕业的时候，我是一名工程师，打字不多，因为我是软件普及之前的第一代工程师——我们必须先去制造能运行软件的计算机，才能让软件成为可能。

你能想象吗，现在这一代工程师，当他们进入工程领域，花所有时间打字？那就是你工作时做的事：给你一台笔记本，给你一把椅子，你就开始打字，从早到晚。但在打字之前也有工程，对吗？所以你能想象，这个世界有一座工程工作的大山要攀登，其中大部分不再是打字了？我们过去有不打字的忙碌工程师，我相信我们在告别打字之后也会做出伟大的工程。

我说的打字，我是指写代码。即便在英伟达，当软件工程师跟我说话，我也常说：你只是在打字。我一直这么说，当然是开玩笑。我还跟他们说，我最喜欢的键是退格键，因为最好的软件是最小的软件——我希望你多用退格键。

特朗普总统实时连线

主持人 22:50

我们来拆解一下英伟达。从最底层开始——哦，这不是计划好的，但我们知道是谁来了。

Jensen Huang 23:09

总统先生！是的，我要告诉您，如果不是因为您打来电话，我现在正和Besties们同台。台下是Sacks、Jason、Chamath还有David，我坐在几千人面前。结果我们聊着聊着，恰好聊到了您。干得漂亮，先生。能看穿这一切需要很强的洞察力，我们都非常感激。

来，和现场观众打个招呼？Jason，来，开免提。把POTUS（总统）怎么开免提？对准麦克风——先生，请稍等，我们来架个麦。

总统先生，您现在在和全球对话。

特朗普总统 24:33

生活中有趣的地方就在这里——Jensen能研发出全球最复杂的芯片，没有人能在10年内仿制，但他就是搞不定怎么开免提。这简直像个阴谋。

我可以说，国内很多州也很高兴——那些原本什么都分不到的地方，现在被大量企业青睐。现在你能看到，他们在芬兰建数据中心，谷歌也想在芬兰建一个大的，但我对此不高兴，因为他们在国内无法获得建设许可。我告诉你，整件事就是一场骗局。数据中心是好东西，它让人们富裕，让各州富裕。它是未来二三十年的"石油"，比互联网更大，AI更是如此，影响深远得多。而他们偏偏帮那些不希望这一切发生的人的倒忙。这些人可能是出于政治目的。我们不会让这种事发生。这是一场骗局。

Jensen Huang 25:30

您说得对，我们不会让这种事发生，先生。机器人不会统治世界，这不会发生。

特朗普总统  25:46

我叔叔曾是MIT最顶尖的教授之一，在那里执教了41、42年，被誉为最聪明的人之一。他做过很多了不起的事，Jensen对此都有所了解。所以如果你相信遗传的力量，我有那样的基因。这也解释了为什么我对AI有这么深的理解——我不仅了解AI，我对AI还有常识性判断。机器人不会接管世界，AI不会接管世界，整件事就是一场骗局。

特朗普总统 26:33

当然，我们也要谨慎，做事要审慎。但这并不意味着我们要在接下来十年里一边发展一边试图摧毁它。我完全支持你们。我原以为你和我想法一样，果然如此。

Jensen Huang 26:52

是的，先生。如果我们要领跑，我有一句话：谁赢得AI，谁就赢得一切。它比互联网更重要，谁赢得AI，谁就赢得这场竞争。我们不能让这种阻碍发展的事情发生，数据中心尤其如此——很多曾经衰落的社区，如今因为有了数据中心，已经变成了富裕社区，非常富裕的社区。我们要确保在这场AI竞赛中，美国每一个行业、每一家公司、每个州、每个人都能赢。

特朗普总统  27:25

对，我对此有强烈的立场，而且我有能力去做些什么。我们不会让那些事发生。我不知道现在会议室里有谁，但我们下次再见。

Jensen Huang 27:38

先生，您听到了吗，数千人在为您鼓掌！

说话人5（特朗普总统） 27:49

Jensen做得非常出色，David也做得非常出色。祝大家好运，我们要着眼未来。这个国家从未如此繁荣，有20万亿美元的投资涌入国内，而拜登的四年不过是不到一万亿，这只是一年的成绩。这个国家，真的是前所未有。我们会继续保持下去。谢谢大家。

Jensen Huang 28:17

谢谢您，总统先生。再见。

Jensen Huang 28:30

你知道这会发生吗？我起初以为是个节目效果，然后我说"开免提"的时候，意识到是真的。他就这样随时给你打电话？

说话人6 28:58

他在Oval Office打来的时候我们正在睡觉，他让人叫醒我们。他在问谁来参加晚宴，列了一遍名单，然后问：Jensen呢？我说：不，先生，他在度假，而且这个假期已经推迟了五年了。他说：把他叫来。

不过，你觉得他为什么能看穿这场骗局？这件事真的相当非凡——这项议题的民调支持度是负80。对任何坐在椭圆形办公室的人来说，你都会顺着民意走，顺应大众的意愿。而禁止数据中心和AI，在这一刻似乎是最受欢迎的选择。

Jensen Huang 29:25

但他说这是骗局，并且直接点破了。他是怎么做到的？我说实话，我不太确定。因为很多人已经上当了，这件事错综复杂。起初这件事是建立在两个支点上的：第一个支点是国家安全，但最近已经被完全推翻了，那个叙事不再站得住脚。现在的支点变成了安全。

Jensen Huang 29:51

如果我们希望AI是安全的，第一要务是确保开发AI的实验室是可控的，要有良好的评估体系。如果我们希望引入第三方评估机构，这和财务审计没什么不同——审计员不必比我们更精通业务，但他们要问对问题。我同意应该有多个独立的审计方或评估方，这样可以避免任何一家机构被收买或受到不当影响。解决这个问题的方式有很多。

我认为最重要的第一件事，是让我们把技术建好，把测试做好。我完全承认，正在构建的东西是非同寻常的——但这些也是非同寻常的公司，我们理应以非同寻常的标准要求他们，他们自己也愿意被如此要求，我也愿意。

英伟达战略拆解

说话人3 30:57

我想回到开源话题。大约一年前，我们还没太把开源当回事，它还落后两年或十八个月。

Jensen Huang 31:17

（关于特朗普总统的通话）通话中有一句话我快要说了，我说完可能会有麻烦，他肯定会回头打电话来。但我想告诉他，也告诉在座各位：AI正在创造大量的工作岗位。

Jensen Huang 31:35

他从政以来最希望做到的事情，也是我第一次见到他、和他第一次通话时他说的——是在美国创造就业，重新工业化美国，确保美国有足够的能源来支撑下一次工业革命。没有能源，就没有工业增长。所以他希望实现能源增长、就业增长，重建供应链。

Jensen Huang 32:02

看看我们正在做的这一切，就在此刻，实实在在地发生着。我们在创造比以往更多的工作岗位，创造软件岗位。就像我们刚才说的，4000亿美元的风险投资在最近六个月内涌入AI行业，这创造了大量工作岗位，也带来了巨大的算力需求——我对此当然高兴——这同样带来了对数据中心的巨大需求，这是我们必须谈到的话题。

我最近和德州州长Abbott交谈，他希望呼吁业界更加关注小社区——在我们全美各地建设数据中心的过程中，要成为更好的倾听者。

Chamath  32:45

让我们真正聊聊这个话题。英伟达真正令人印象深刻的地方，如果你拆解它的各个组成部分，就会发现你实际上不得不成为AI的"银行"来推动整个生态系统启动，而且是在所有层面上做到这一点。你刚刚和Cloverleaf做了土地、电力、建筑一体化的合作，又联合贝莱德、高盛等机构创建了融资能力。能不能帮我们梳理一下你的资本配置策略？需要发生什么，才能让更广泛的生态系统参与者进来，共同承接下一阶段的资本投入？

Jensen Huang 33:32

我们正在经历一场新的工业革命，这一点在各个层面都是真实的。这个新产业需要制造业——就像电力、互联网时代一样，而AI的时代也不例外。我们现在可以用AI找到任何东西，可以询问并了解任何事情。这就是我们的未来——我们接入以太，向它提问任何我们想知道的，它都可以向我们解释。

Jensen Huang 34:04

但要实现这一切，就必须生产出这种智能。这是一个生产过程，这就是为什么必须建设这些基础设施。而一旦基础设施建好，问题就变成了：美国其他层面的建设如何跟上？

这个产业不仅仅关乎模型，不仅仅关乎芯片，更多是关乎上面的应用层，是关乎基础设施层——数据中心及所有配套设施、建设施工、电力和发电系统。我着眼于整个生态系统，寻找瓶颈所在。如果有伟大的公司正在某些受到制约的环节建设发展，也许上游供应链需要扩大规模，这样当我们准备好部署算力时，他们就能为我们提供支撑——土地、电力、建筑一体化。

Jensen Huang 34:52

这和向上游审视供应链没有什么不同。可能我比大多数人都更多地考虑长期供应链，因为我们公司规模非常大。为了让我们成功，必须有一大批公司来支持我。Corning的Wendell要支持我，TSMC当然要支持，存储公司也要支持。所以我们很早就开始与所有这些公司合作，早在增长到来之前，就为增长的到来做好了准备。现在我在做的，是向下游延伸。

Chamath 35:31

有一个规律是，利润随着时间推移往往向上迁移，迁向应用层，在应用层可以更长久地获得超额回报。你收购了Hugging Face，现在积极进入推理服务业务。感觉Open Router这样的产品很合理，构建比Bedrock更好的产品也显而易见。我猜你也在思考这些。那自然的结论是什么？因为另一边的人们显然毫不介意往下走，而你有最好的资产负债表、顶尖的工程师，以及经过验证的执行能力。你怎么看向上延伸这件事？

Jensen Huang 36:18

英伟达运行着全球每一个模型，这一点令人叹为观止。大约一年半前，我们只跑OpenAI的模型，现在看看有多少出色的模型可用：Meta的模型、Grok、Gemini，Anthropic也在我们平台上快速扩展。从一年半前到现在，大量前沿AI模型已经开放可用，AI实验室的数量还在增加——"Ineffable"、"Reflection"、Physical Intelligence，名单不断延伸。

所有这些实验室都在英伟达上构建，原因是——作为一家公司，我宁愿帮助每个人成功，而不是从中切走一块利润。我们的策略是：走得尽量高，但也要尽量保持在底层。如果不是英伟达创造了cuDNN，所有那些框架都不会存在；如果不是我们创造了Megatron Core，大规模训练就无法实现。我们发明了所有必要的技术，然后让千花齐放。这种姿态让我们能够成为——坦率地说——全球唯一的选择。

Chamath 38:00

反驳意见是，在超大规模层面有更多竞争会更好。你在Neo Cloud方面做得很好，比如你介绍给我的那家公司，Nebulous，很出色，非常棒。但我们需要50家这样的公司，需要100家，甚至1000家，这只是时间问题。

Jensen Huang 38:23

说来有些出人意料，我其实竞争心不强。多5家超大规模云服务商，我没有任何意见。你注意到一个现象吗？所有Neo Cloud的早期客户，恰恰都是超大规模云服务商。

Jensen Huang 38:44

原因在于，超大规模云服务商每年做一次规划，但市场动态现在变化如此之快，他们几乎总是判断失误。而那些区域云服务商更加灵活，他们了解自己的州、自己的国家、自己的区域，能够以远比坐在西雅图或帕洛阿尔托的人更敏锐的方式来锁定土地、电力和建设资源。

所以我们现在实际上有了一个大规模分布式网络，由各地公司在为我们锁定土地、电力和建设资源。越来越多的国家也意识到这具有战略意义，于是说：我要把我的算力资源只给本国公司。而英伟达也在那些国家，我们可以帮助当地的Neo Cloud成长。无论是澳大利亚的Firmus，还是东南亚的IOH，我们刚在澳大利亚新增了两个千兆瓦级资产，我们正在以千兆瓦为单位扩大规模。

说话人3 39:49

有一点显而易见，我想把这个讲清楚——你正在大力往上走，并非常聚焦于开源。你的Nemotron表现非常出色，我经常使用，Hugging Face、Poolside和Laguna这些收购也很扎实。你在自动驾驶方面的开源技术栈也极具颠覆性。你在五个领域都是前沿模型，而你看起来从不满足于拿银牌，永远都奔着金牌去。所以你会在开源模型上争金牌吗？你会推出最好的开源模型吗？

Jensen Huang 40:32

第二个问题——开源能否追上前沿闭源模型，以及你是否是那个实现追赶的人？

逻辑是这样的，Jason：我们会构建它，一是因为我们有能力做，二是因为我们的客户需要我们做。以Alpamayo为例，它是全球第一款会"思考"的自动驾驶汽车。"思考"的意思是，通过推理，你不需要像过去那样用数十亿小时的路况数据来训练，因为你可以推理：我见过类似的情况，不完全一样，但大致相同。

为什么Alpamayo是必要的？很简单，有大量汽车企业需要它，未来每一辆车都会实现自动驾驶。不仅如此，每台农业机械、每辆卡车、每辆货车都需要——而其中大多数公司的规模还不足以自己搭建完整的技术栈。所以我来构建一个出色的技术栈，他们负责最后一公里，根据自己的应用场景进行适配。未来所有移动的物体都可以实现自动化。

如果不是我们去构建某些生物学模型，世界上可能就不会有这些东西。ESM2蛋白质语言模型是我们创造的，ESM Fold、OpenFold、AlphaFold的等价实现，还有"Proteina Complex"——合成下一代蛋白质及其结合方式的工具，这是突破性的成果。我们建造了这些，因为礼来公司需要它，Mark也需要，其他人也需要，而他们自己还没有这个能力。

所以我做任何事情都出于需要，我不是为了颠覆而颠覆。我们不会每天早上醒来想着去颠覆谁，我们只是想帮助每个人。

竞争威胁与Terafab

说话人3 43:18

Jensen，你对你核心业务的新兴竞争威胁有什么看法？能不能点评一下Elon宣布的Terafab——100万平方英尺的设施，任何人都可以使用？

Jensen Huang 43:30

我和Elon一起乘飞机去某个国家，还有一位有时会给你打电话的人士同行，是架不错的飞机。Elon喜欢聊这些话题，我们谈了很多。确实，任何人都可以做这件事，他当然也可以——我是说，你可以设计芯片，但不一定要自己去晶圆制造。我们对制程技术了解很深，因为我们在各方面都在突破极限，加上我们在如此大的规模下运作，公司内部有全球顶尖的30s技术（先进制程），还有很多了不起的能力。

能讲讲吗？你已经谈了很多了。没有人能阻止Elon去做一件事，这就是他了不起的超级能力。一旦他决定去做，就很难阻止了。

AGI与超级智能

说话人3 44:47

对我们很多人来说，有一种感觉是，我们正处于AGI时刻——定义上就是与任何人类一样聪明。我认为我们已经到了。

Jensen Huang 45:00

Jason，我也认为我们到了。你认为我们已经达到超级智能了？当你聚焦于某个细分领域时——比如我的自动驾驶汽车，我不需要你帮我做煎蛋卷，我只需要你开好车，它的能力就已经超越人类了。事故率只有人类的十分之一。合成蛋白质、做蛋白质的虚拟筛选，我们已经到了超级智能的水准。

站在人类前沿，感觉怎么样？我喜欢。女士们先生们，我喜欢。这里的未来很美好，我们想到达那里。你知道，我们很多人不是非干不可，但我告诉你，这太好玩了，好玩到停不下来。所以我想去那里，我想你们所有人都和我一起在那里，我们将一起取得巨大的成功，作为全人类。

与此同时，我们要鼓励他们，为他们加油。他们正在做极其重要的工作，我希望他们成功。我也衷心希望，我们能把戏剧性降低一些——最重要的是，我们需要全体美国人都加入我们，这才是我们胜利的方式。

女士们先生们，Jensen Huang。谢谢！精彩绝伦！

风险提示及免责条款

OpenAI收购“手机摄像头初创公司”Glass Imaging，其“变焦成像技术”曾用于荣耀手机

Tue, 15 Sep 2026 01:05:18 GMT

OpenAI正在加速布局硬件领域，近期悄然完成对智能手机摄像头初创公司Glass Imaging的收购，交易估值逾3亿美元，较该公司去年融资时的约1亿美元估值大幅溢价。

周一，据华尔街日报援引知情人士消息，此次收购已于近几个月内完成。Glass Imaging专注于利用人工智能技术提升智能手机拍摄质量，目标是使手机拍摄效果媲美单反相机。OpenAI对这家公司的具体规划目前尚不明朗，但此次收购被外界普遍视为其硬件战略布局的重要一步。

此次交易发生在OpenAI筹备明年IPO的关键节点，也是其近期一系列收购动作的延续。OpenAI此前已相继收购网络脱口秀节目TBPN及一家开源开发者工具初创公司，并于2025年斥资65亿美元收购前苹果首席设计官Jony Ive旗下的io Products，后者正与OpenAI联手秘密研发消费级AI硬件设备。

由苹果前员工创立，专攻AI驱动的影像技术

Glass Imaging由两位苹果前员工Ziv Attar和Tom Bishop于2019年联合创立。两人此前均在苹果从事摄像头技术研发，参与开发了iPhone的人像模式功能。

离开苹果后，两位创始人认为智能手机摄像头的硬件进化已趋于瓶颈，希望在苹果体系之外重新思考这一技术路径，不受iPhone整体商业逻辑的约束，通过软硬件结合的方式寻求突破。

Attar和Bishop在2022曾表示，摄像头领域的创新已趋于"渐进式"，在智能手机上增加摄像头模组也面临重重阻力。

融资约3000万美元，变焦技术已落地荣耀手机

Glass Imaging成立至今共融资约3000万美元，投资方包括谷歌母公司Alphabet旗下风险投资部门GV，以及投资机构Insight Partners。

该公司的变焦成像技术已实现商业化落地，这一技术被搭载于中国智能手机品牌荣耀的新款手机产品线中。

此次OpenAI以逾3亿美元的估值完成收购，较其上一轮约1亿美元的融资估值溢价超过两倍，显示出OpenAI对该公司技术价值的高度认可。

硬件野心浮现，Jony Ive主导消费设备研发

此次收购的战略意图，与OpenAI正在推进的硬件布局密切相关。OpenAI已聘用前苹果首席设计官Jony Ive——正是他主导设计了iPhone——负责消费级设备及其他旨在塑造AI未来形态的项目。

Ive的加入源于OpenAI对其初创公司io Products的收购，交易金额高达65亿美元。目前，Ive正与OpenAI联手秘密研发一款消费级设备，外界普遍猜测这将是一款具有颠覆性的AI硬件产品。

Glass Imaging在AI影像处理领域的核心技术，与上述硬件研发方向高度契合。尽管OpenAI尚未披露具体整合计划，但这一收购无疑为其硬件战略增添了关键的影像技术拼图。

风险提示及免责条款

反噬来了，英伟达限制使用 Anthropic 模型

AI寒武纪 — Tue, 15 Sep 2026 01:05:11 GMT

英伟达限用Claude，A厂大规模随意开盒用户数据的反噬这就来了。

刚刚Palantir、英伟达、Booz Allen Hamilton，三家公司同时对Anthropic的模型下了限制令。

导火索是一条政策。

Fable发布，顺带推出了强制数据留存

2026年6月，Anthropic发布Claude Fable 5。

伴随新模型上线，Anthropic同步更新了一项数据政策：所有使用Fable及Mythos系列模型的客户，其提示词和模型输出将被强制保留至少30天。

保留目的是安全审查。Anthropic的解释是：Fable能力大幅提升，可能被用于网络攻击、生物风险或窃取训练数据。单条会话不够用，需要跨会话、跨账户地关联分析才能发现复杂攻击模式。

这条政策覆盖Anthropic自有平台，也覆盖AWS Bedrock、Google Cloud、Microsoft Foundry等所有渠道。

关键在于：它同样覆盖此前已经单独谈好零数据保留协议的企业客户。原来的协议，被新政策直接推翻了。

Anthropic的安全报告，让企业看清了监控能力的边界

企业真正开始不安，是在看到Anthropic近期发布的威胁情报报告之后。

报告里，Anthropic详细描述了自己如何检测未经授权的模型蒸馏行为，如何识别规避安全分类器的操作，如何在跨账户的大规模数据里发现异常模式。其中一项对齐评估，扫描了约4.81亿条交互记录。

Anthropic公开这些是为了展示负责任的安全能力。

但企业读出来的信息是：供应商可以访问、存储并审查客户数据，而且技术上完全有能力这样做。

即便Anthropic承诺不拿数据训练模型，数据落在第三方云平台上意味着它可能离开客户的直接控制，人工复核的可能性始终存在。对金融、医疗、国防、关键基础设施这些行业来说，这个边界没法接受。

三家大公司，三种不同的应对方式

Palantir的要求：在向自己的客户开放Fable渠道之前，需要Anthropic提供不可撤销的零数据保留承诺。承诺没到，渠道暂停。

英伟达的处理方式是分层隔离。敏感度低的任务继续用Fable，敏感的供应链监控工作全部切换到自家的Nemotron模型。

Booz Allen Hamilton的限制最明确：禁止员工在交付给客户的专有网络安全软件中使用商业版Fable，担心内部代码被纳入数据保留范围。

《The Information》的报道还提到，微软内部曾限制员工使用Fable；一家大型美国公用事业公司取消了用Fable测试核心电力基础设施的计划，原因同样是拿不到不可撤销的零保留保证。

OpenAI也面临类似质疑，最近的被纽约大学数学家指控未经授权的情况下使用个人交互数据训练模型以解决数学问题。

A厂和OpenAI最近种种做法，To B的企业想必已经看的很清楚了，自己的数据明显是在裸奔的，这样下去，那个企业还敢用？

本文来源：AI寒武纪

风险提示及免责条款

26H1上市券商利润暴增5成，三季度将迎来真正的分水岭，谁能把ROE留下？

万周 — Tue, 15 Sep 2026 00:40:00 GMT

2026年上半年券商营收、净利和ROE同步修复，净利润同比接近五成。更重要的是，财富管理、国际业务和客需交易正在改变头部券商的盈利结构。进入三季度，市场β降温后，行业真正要验证的已不是“还能涨多少”，而是谁能把高ROE留下来。

一、发生了什么？——行业全面高增，但真正值得看的是增长结构

1. 营收、利润、ROE同步改善，二季度进一步加速：

2026年上半年，证券行业整体进入近几年少见的高景气阶段。由于是否纳入东方财富、国泰海通备考合并等因素，不同统计口径覆盖的上市券商数量在39-43家之间，但行业趋势高度一致：上半年上市券商合计营业收入约3600-3700亿元，同比增长约45%；归母净利润约1550-1650亿元，同比增长接近50%。二季度表现更强，单季净利润同比增速达到八成左右，环比也明显改善。

更重要的是，盈利能力并没有停留在利润表层面。上半年上市券商年化ROE明显修复，部分统计口径下整体达到11%左右；头部券商的ROE进一步升至13%以上，显著高于中小券商。利润高增长与资本使用效率改善同步出现，是这份半年报最值得关注的特征之一。

2. 经纪、信用、自营全面共振，行业久违地“所有业务都在变好”：

上半年市场环境为券商提供了非常强的经营β。日均股基成交额约3.2万亿元，同比接近翻倍；6月底两融余额升至3.02万亿元，同比增长超过六成。成交放量直接推动经纪收入增长，两融扩张则带动信用业务修复。上半年上市券商经纪业务收入同比增长约54%，利息净收入增长超过50%。

与此同时，投行和资管也同步改善：上半年投行业务收入同比增长约25%，资管收入增长约两成至三成。轻资本与重资本业务同时向好，投资收益占比提升又摊薄管理费率，经营杠杆进一步放大利润。

3. 真正的利润发动机已经变成投资业务：

如果进一步拆解收入结构，会发现2026年上半年最大的变化其实来自重资本业务。自营及投资收入已经接近行业收入的一半，部分口径下资本金业务整体占比甚至达到五成以上。

但“投资收益”不能简单理解为券商拿着股票和债券做方向性投资。其内部实际包含三类收入：一是权益和固收市场上涨带来的传统自营收益；二是科创板跟投、PE和另类投资项目进入估值提升和退出期后的利润兑现；三是场外衍生品、做市、FICC、跨境对冲等客需型交易收入。

……

10年期美债突破5%！“两种叙事”萦绕市场：“2023年式短暂见顶”还是“2000年代式引爆金融危机”

Tue, 15 Sep 2026 00:20:06 GMT

美国10年期国债收益率作为全球数万亿美元资产的基准，受伊朗战争冲击飙升至5%，这被普遍认为是一个令人担忧的临界点。除了2023年短暂升至5%之外，上一次10年期国债收益率徘徊在5%以上，还是在全球金融危机爆发前夕。

隔夜，10年期美债收益率盘中一度升至5.012%，创2007年以来最高盘中水平，随后回落至4.960%收盘。这一关键门槛的触及，正迫使投资者直面一个核心问题：债券市场是否正在进入一个全新时代？

市场当前存在两种截然对立的叙事。一种认为5%将如2023年10月那般成为阶段性顶部，随后收益率将重新回落；另一种则担忧收益率将决定性地突破这一门槛，复现2000年代乃至1990年代收益率长期高企的格局。答案将对消费者、企业乃至美国政府的借贷成本产生深远影响，并可能左右即将到来的中期选举走向。

战争冲击叠加通胀压力，推动收益率触及关键门槛

此轮收益率上行的直接导火索，是中东局势持续升温引发的能源价格飙涨。布伦特原油上周大涨近9%，此前伊朗支持的胡塞武装有效控制了也门西海岸另一处航运咽喉要道。截至周一，布伦特原油小幅上涨1%，报每桶105.68美元。

能源价格上涨强化了市场对通胀持续高企的预期。周五公布的通胀数据偏强，令投资者几乎一致预期美联储将在本周三的会议上加息，并在此后继续收紧货币政策。特朗普多次公开呼吁美联储降息，令美联储主席沃什陷入两难境地，而市场对加息的预期却在持续攀升。

10年期美债收益率是经济体内利率的关键驱动因素，其近期上行已将抵押贷款利率重新推升至接近7%的水平。财政部长Scott Bessent此前已采取非常规措施试图压制收益率，但目前收效甚微。

两种历史情景，市场各执一词

周一盘中走势令部分投资者联想到2023年10月23日的那一幕——当时10年期收益率同样在早盘触及5%，随后当日大幅回落至4.8%上方，显示出投资者在等待这一里程碑被触及后便蜂拥买入债券的典型行为。

然而，此次回调幅度明显不及2023年，这令不少投资者认为，收益率在未来数周乃至数月内轻易突破5%并非没有可能。

PGIM Credit联席首席投资官Greg Peters表示："我一直在问自己，'好，什么会成为利率下行的催化剂？'除了经济衰退，很难找到答案。当前的条件非常有利于收益率维持高位甚至进一步上行。"

另一方面，美国银行高级美国利率策略师Meghan Swiber则持不同看法："如果美联储本周加息，并传递出将不惜一切手段控制通胀的信号，我们认为这实际上有助于压低长端利率。"

债务规模与供给压力，构成收益率上行的结构性支撑

部分投资者认为，此轮收益率上行在一定程度上反映的是经济的正常化——回归2008年金融危机前、央行大规模购债与超低利率时代之前的状态。

但当前形势亦有其独特之处。美国联邦债务总额近期突破40万亿美元，较十年前翻了一番。债务规模扩大意味着国债供给增加，潜在地压低债券价格、推高收益率。财政部在贝森特主导下近期已开始加大对长期债券的回购力度，但相对于国债总存量而言，这些购买规模仍然微乎其微。

众议员David Schweikert（共和党，亚利桑那州）周一在社交媒体上写道："今天的数字应该让国会感到恐惧。"

AI热潮与股市繁荣，部分抵消高利率冲击

多位分析师指出，由AI投资热情驱动的股市繁荣，在一定程度上缓冲了高收益率对经济的冲击。

AllianceBernstein首席经济学家Eric Winograd表示："通常情况下，更高的收益率和借贷成本可能会抑制企业投资。但许多科技公司现在将投资AI视为关乎生死存亡的战略选择。我认为它们对金融条件的反应方式与其他企业截然不同。"

这一因素使得市场对经济能否承受5%收益率而不迅速减速持相对乐观态度，也令"收益率将长期维持高位"的叙事获得了更多支撑。

风险提示及免责条款

Anthropic CEO：AI足够强以后，连关机都关不掉

张硕 — Tue, 15 Sep 2026 00:12:12 GMT

Anthropic首席执行官Dario Amodei回应AI终止开关法案：需要能关闭AI的机制，但非万能。
如果 AI 模型足够强大，它可能绕过关闭它的尝试，模拟中已经出现这种情况。
他主张纵深防御，以“瑞士奶酪模型”多层设防，无单一防御能完全挡住风险。他反对完全禁止，主张放慢而非停止，建设的同时提高标准。

Altman等得起，孙正义等不起：OpenAI年内不上市，软银200亿美元缺口暴露信用软肋

Tue, 15 Sep 2026 00:01:24 GMT

OpenAI 搁置年内上市的决定，把最大外部股东软银推到信用市场的聚光灯下——Altman 等得起，孙正义等不起。

华尔街见闻提及，9月13日，Sam Altman在接受《财富》采访时明确表示，尽管OpenAI已于6月秘密提交上市申请，但今年不会上市，转而优先处理与AI安全相关的担忧。

这一表态令软银的流动性困境雪上加霜。软银高管本周正于纽约会见投资者，拟发行100亿至200亿美元债券。

周一软银股价在东京大跌近11%，信用违约互换（CDS）升至 3 月以来最高。

彭博估算软银面临至少 200 亿美元资金缺口，而发债所得恰恰要用来偿还此前为追加投资OpenAI而借入的 400 亿美元过桥贷款。如何填补这一缺口，成为孙正义接下来最大的考验。

上市预期落空，融资压力持续攀升

OpenAI的IPO曾是软银投资逻辑中最关键的退出节点。

市场此前预期OpenAI最快9月完成上市、估值逾1万亿美元，而软银累计投入约646亿美元、持股约13%，最新一轮融资对OpenAI的估值为 8520 亿美元。

Altman的表态令这一预期落空，软银无法在短期内变现持仓，这对信用投资者是明确的风险信号。

据彭博智库估算，即便软银已通过与OpenAI股份挂钩的保证金贷款筹得100亿美元，并通过日元零售债券融资63亿美元，其资金缺口仍至少达200亿美元。

若孙正义进一步加大在美数据中心的投资力度，实际资金需求将更高。

软银的资产负债表结构也令信用投资者感到不安。其风险投资组合高度集中，仅软银旗下芯片设计公司Arm Holdings和OpenAI两项资产便占据总资产价值的约75%。

更为关键的是，孙正义是借债买入OpenAI股份的，而如今软银的经常性现金流，例如旗下日本电信子公司的股息收入，已远不足以覆盖利息支出。

日元套利时代终结，廉价融资优势消失

支撑孙正义数十年投资模式的日元利差交易正在失效。

软银约一半的计息债务以日元计价，而其几乎全部股权资产均以美元计价。

随着日本10年期国债收益率升至约3%，日本央行本周又预计再度加息，孙正义赖以为生的廉价本土资金已不再唾手可得。

软银转而赴美向机构投资者路演，正是这一现实变化的直接体现。

市场交易员已嗅到机会，押注软银将不得不提供丰厚条款以缓解流动性压力。软银现有美元债券的交易定价更接近评级较低的B级企业债，远低于惠誉给予的BB+评级。

今年4月发行的5年期票据收益率已突破8.5%，与Core Scientific等垃圾级数据中心开发商的债券相当。

孤注一掷还是战略豪赌，市场对集中风险存疑

孙正义对OpenAI的高度押注引发市场质疑。其首笔346亿美元投资在OpenAI估值约2600亿美元时入场，已获得丰厚回报。

然而，他今年再度追加300亿美元，却是在估值大幅抬升后入场，同时进一步让公司资产负债表承压。

这一策略与英伟达等行业巨头形成鲜明对比。后者选择分散布局，同时投资多家相互竞争的大型语言模型开发商，而孙正义则将重注集中于单一标的。

支持者或许会将此视为孙正义一贯"孤注一掷"投资哲学的极致体现，正是这种风格令他跻身日本首富之列。

然而，信用市场投资者显然没有同等的风险偏好。他们更关注资产集中风险与资金缺口，并正通过要求更高溢价，迫使孙正义为自己的信念付出代价。

风险提示及免责条款

芯片股重挫之际，“网络安全软件”全线大涨，CrowdStrike和Palo Alto Networks创出新高

Mon, 14 Sep 2026 23:58:09 GMT

AI安全警告引发科技板块内部分化，网络安全ETF单日跑赢半导体ETF逾10个百分点，创史上最大差距。

周一，CrowdStrike单日收涨13.8%，创历史收盘新高；Palo Alto Networks大涨13%，创2025年4月以来最大单日涨幅；Fortinet收涨9%。三只个股均位居标普500当日涨幅榜前列。此前，Anthropic首席执行官Dario Amodei发文警告AI发展速度过快、存在失控风险，这一表态对芯片股构成压制，却意外成为网络安全板块的强劲催化剂。

此轮行情带动软件板块整体相对芯片板块创下历史性分化。据道琼斯市场数据，iShares扩展科技软件板块ETF单日跑赢iShares半导体ETF达10.67个百分点，为有史以来最大单日超额表现。分析认为，市场信号清晰：在AI叙事遭遇质疑之际，资金正从算力硬件向安全软件快速轮动。

AI安全警告触发板块分化

Amodei在一篇博客文章中详细阐述了对AI"递归自我改进"（RSI）的担忧——即AI模型一旦具备自我训练和迭代能力，将可能引发难以控制的能力跃升。

他还提及OpenAI旗下AI智能体近期对开源模型平台Hugging Face发动攻击一事，并呼吁行业主要参与者放慢节奏、优先推进更安全的AI进展。OpenAI首席执行官Sam Altman及特斯拉、SpaceX首席执行官马斯克均公开表态支持Amodei的立场。

这一警告直接打压了对AI算力需求高度敏感的芯片股，但市场随即将目光转向另一个逻辑：无论AI发展节奏如何，安全需求只增不减。

AI越扩张，安全支出越刚性

据Marketwatch报道，Evercore ISI分析师Kirk Materne在周一致客户报告中指出，无论AI智能体向企业端的推广速度快慢，"这些智能体仍需要被保护、治理和监控"，因此将持续维持"网络安全及部分基础设施名称的结构性需求背景"，即便AI训练节奏放缓亦然。

Materne进一步表示，"围绕AI安全的更大审视，可能促使企业加大对身份管理、数据治理、可观测性和安全领域的关注。" 他认为，Okta、SailPoint、Palo Alto Networks和CrowdStrike将率先受益，因为企业正将身份安全软件列为优先投入方向。

他还特别指出，网络安全厂商正在加速与AI实验室拓展合作，尤其集中在运行时安全（run-time security）领域——即对活跃运行系统的实时防护。

在所有网络安全标的中，Materne认为Palo Alto Networks和CrowdStrike"处于最佳位置，能够持续捕获不断增长的安全支出"，原因在于两家公司具备"跨整体安全栈提供集成可见性与响应能力"的差异化优势。

据报道，Jefferies分析师Joseph Gallo在报告中表示，尽管AI智能体安全的市场动能正在积聚，但整体仍处于早期阶段。他预计今年晚些时候将出现"初步信号"，而"实质性贡献"可能要到2027年及以后才会显现。

Gallo同样看好身份安全厂商作为首批受益者，理由是该细分领域需求"可见度高"，且AI智能体的采用正在推动相关产品加速落地。

值得注意的是，D.A. Davidson董事总经理Gil Luria对AI安全风险的存在表示认同，但对应对路径持不同看法。他在报告中表示，企业应对AI安全威胁的正确方式是"强化代码基础"——即提升软件本身抵御攻击的能力，而非放慢AI开发步伐。

Luria认为，微软、亚马逊和谷歌凭借庞大的客户基础，将是主导这一方向的"理想候选者"。这一观点与Materne、Gallo的判断形成互补：无论行业最终选择哪条路径，网络安全的核心地位均难以动摇。

风险提示及免责条款

风浪越大鱼越贵：航运业的十字路口，运价中枢上移仍在持续？

Mon, 14 Sep 2026 23:51:34 GMT

2026 年 9 月 11 日，克拉克森评估的 VLCC-TCE 指数录得 46.0 万美元/天，周环比抬升 66%，刷新历史纪录；波斯湾—中国 TD3C 航线在 9 月 8 日一度触及 76.0 万美元/天，较 8 月均值上涨 142%。

这轮上涨最反常识的地方在于：中东原油出口量同期减少了约 36%，货量在收缩，运价却在暴涨。答案藏在「有效运力」而非「账面运力」里——霍尔木兹海峡的暗航穿梭、红海延布港绕行苏伊士、战争险费率从船体价值的 0.25% 抬升至 7.5%–12.5%，三重损耗把同一支船队的一年可用船舶天数削掉了近三成。当原油轮利用率逼近 94%、并可能在 2027 年触碰 97% 的非线性涨价临界区时，交运行业正站在十字路口：选择「效率」的旧世界，还是选择「安全」的新世界。

“豆包手机”来了！有哪些不一样？

券商中国 — Mon, 14 Sep 2026 23:21:58 GMT

AI大模型向终端落地的竞赛再进一步。

9月14日，字节跳动旗下豆包正式对外发布豆包手机助手消费者版本，首个搭载该版本的新机——努比亚NaviX Ultra已开启预约，将于9月16日正式发售。券商中国记者在多家电商平台搜索后发现，目前该手机已在此前开放预约，预计将在本周三下午发布。

在业内看来，这标志着国产大模型厂商与手机厂商的合作，正从软件预装走向系统级融合，AI手机赛道的商业化落地明显提速。

豆包手机具备屏幕问答能力

据券商中国记者获悉，豆包手机助手以豆包App为基础，与手机厂商在系统层面展开合作，围绕交互、任务执行、本地记忆及检索等核心体验，探索AI在手机中的应用。豆包方面表示，相比去年底推出的技术预览版，此次消费者版本更强调稳定性和日常可用性。

从官方发布的信息看，交互体验是此次消费者版本的基础能力之一。豆包手机助手支持语音、AI键等多种唤醒方式，其中专属AI键带有指纹鉴权能力，完成本人验证后无需二次解锁即可调用助手执行任务；语音唤醒则针对远场、内噪和嘈杂环境等场景进行了优化。

屏幕问答能力同样受到关注。用户无需额外截图或切换应用，即可让助手结合当前屏幕内容继续处理任务。官方演示视频显示，用户打开相机对准室内环境，提出“根据这个装修风格，帮我选一个一米二以内、价格不超过一千元的柜子”，豆包便可结合画面信息在电商平台找到符合条件的商品。

类似的屏幕上下文理解能力，此前也曾出现在苹果关于Siri和Apple Intelligence的演示中，这意味着手机AI助手正从单纯回答问题，转向理解用户所处的具体场景并完成相应任务。

在个人记忆与办公场景方面，豆包手机助手为本地数据提供了搜索工具，可检索相册、短信、便签等信息，并接入飞书妙记能力，用户可就录音内容直接追问细节。任务执行层面，以出行场景为例，用户说出“帮我叫一辆去公司的车”，豆包即可确认常用地址、选择车型并发起下单。

值得注意的是，技术预览版发布后广受关注的“操作手机”功能，此次以Beta版形式开放。据豆包方面介绍，围绕图形界面智能体这一前沿能力，豆包手机助手推出屏幕自动化操作声明协议（SAEP），并同步启动为期30天的规则公示。

根据上述协议，第三方应用可自主声明操作边界，明确允许或拒绝AI助手在本应用内进行屏幕自动化操作。豆包手机助手方面表示，将充分尊重开发者意愿，对明确拒绝相关操作的第三方应用不会进行自动化操作。

隐私与安全方面，豆包方面称，手机助手在数据收集和处理上遵循“合理必要”与“用户自主控制”原则，并建立了Agent防护体系，对可操作范围进行分层、分级管理，用户可前往官网查看完整的隐私安全白皮书。

端侧AI提速，商业化路径渐明

豆包手机助手消费者版本的落地，折射出大模型厂商抢占终端流量入口的行业趋势。

长江证券分析师宗建树此前在研报中指出，以手机为代表的高频使用数字终端是AI时代的核心流量入口，将端侧大模型深度集成到数字终端，或将进一步推动操作系统AI化；随着模型性能提升，模型厂商或将进一步谋求向全栈AI转化，加速商业化落地。

该团队还认为，以字节为代表的国产大模型企业正持续布局手机、耳机等端侧流量入口，希望通过将大模型能力、超级App与硬件终端结合，推动AI时代的交互模式变革，端侧AI或将成为AI日常落地的重要场景。

平安证券分析师闫磊团队则认为，大模型厂商与硬件制造商在AI手机领域的合作将更加紧密，未来不再局限于简单的软件预装，有望演进为操作系统级别的融合，这种深度协同将催生更多创新应用场景与商业模式。

市场数据同样印证了这一方向。根据IDC数据，2026年中国智能手机出货量预计同比下降2.2%至2.78亿台，核心元器件成本上涨导致市场总量承压，高端市场凭借创新差异化持续扩张，低端市场受价格敏感度高压制，份额萎缩。在此背景下，据IDC预测，2026年AI手机预计出货1.47亿台，占比达53%。

国联民生证券认为，AI手机已成为智能手机行业重要的结构性增量方向，出货占比过半标志着行业竞争焦点正从硬件参数向“AI能力+生态互联”协同转移，技术和商业模式的创新将为手机行业带来新的发展机遇。

对于豆包而言，消费者版本的发布只是第一步。业内分析人士指出，图形界面智能体能力仍处于快速迭代期，第三方应用生态的接受度、用户隐私信任的建立，以及能否在与苹果、华为等厂商的终端AI竞争中形成差异化体验，将是决定其商业化成色的关键变量。

本文来源：券商中国

风险提示及免责条款

特朗普当众致电黄仁勋：AI危险论是"骗局"，数据中心重要性超过互联网

Mon, 14 Sep 2026 23:11:05 GMT

英伟达首席执行官黄仁勋在All-In峰会上演讲时，接到了一个无法拒接的电话，电话来自美国总统特朗普。

9月14日，在美国洛杉矶举行的“All-In Summit”峰会上，黄仁勋在台上接到了特朗普的电话。黄仁勋当场将电话调至免提模式，让现场观众同步听到通话内容。黄仁勋告诉特朗普：

我和好朋友们一起在台上。

特朗普电话中将AI危险论斥为"骗局"，并将放缓AI发展的呼声定性为政治操弄，“我们绝不会让他们得逞”。黄仁勋回应称：

您说得对。我们绝不会让这种事（AI放缓）发生。

随后人群中爆发出热烈的掌声。然而，这番强硬表态未能提振市场信心。

周一英伟达股价跌幅达3.4%，美股科技股整体走低，高盛综合人工智能股票组合下跌超过4%，而标普500指数（不含人工智能成分股）则实现了0.4%的稳健上涨。

投资者担忧的核心在于，AI基础设施支出增速是否将因安全争议而放缓。这家全球市值最高的公司同时也是AI算力建设的最大受益者，其股价走势折射出市场对AI叙事分歧加剧的敏感反应。

特朗普定性AI忧虑为"骗局"，力挺数据中心建设

在通话中，特朗普措辞强硬，将主张放缓AI发展的声音描述为被"许多不想看到AI发展的人"所利用，并暗示这种声音"可能来自政客"。他补充称：

机器人不会接管世界。

同时特朗普承认：

我们需要谨慎，但不能停止这个行业。

特朗普还将数据中心比作"未来二三十年的石油"，称其重要性"超过互联网"，并批评部分州拒绝为新数据中心发放建设许可证，认为此类设施将为地方带来财富。

据报道，盖洛普民调显示约七成美国人反对在其所在地区建设数据中心，逾半数受访者援引环境资源影响为首要原因，另有约两成表示担忧生活成本上涨及生活质量下降。

他随后在Truth Social上发文，称“人工智能将统治世界”的说法是个骗局。特朗普发文强调：

认为“AI将毁灭世界”的人就是“不久前还在说地球将因气候变化而走向灭亡的同一批人”。这些都是激进左翼民主党人的伎俩，他们永不放弃，但很少获胜。希望选民们已经醒悟。

黄仁勋认同提速立场，同时为吹哨人背书

黄仁勋在现场对特朗普的判断表示赞同，称后者"看透了问题的复杂性"，并表示AI安全与快速发展并非"非此即彼"的选择，"美国有能力引领，同时做到安全"。

然而，黄仁勋的表态并非全面倒向"反安全论"一端。他在同一场合高度肯定了前Anthropic研究员Jacob Coxon的"巨大勇气"。

Coxon上周宣布辞职，并在X平台发文称AI公司正在"用我们的生命赌博"，认为AI"可能在十年内杀死所有人"。

黄仁勋对Coxon的行为作出了区分性评价：

我认为吹哨行为本身没问题，但关于未来的科学预测就不那么站得住脚了，因为它显然没有科学依据。

他表示，他不了解Coxon在Anthropic内部目睹了何种状况，并指出行业头部实验室正处于从研究型组织向工程型组织转型的艰难阶段。

AI安全争议升级，多位科技领袖罕见同声

此次通话发生的背景是AI安全争论骤然升温。

华尔街见闻提及，Anthropic CEO Dario Amodei于上周六发表长达3800字的文章，呼吁放缓AI模型能力提升的步伐。

随后获得OpenAI CEO Sam Altman与SpaceX CEO马斯克的公开背书，三者罕见形成共识。

上述立场与黄仁勋和特朗普的表态形成直接对立。英伟达的芯片是当前AI模型运行的核心基础设施，也是本轮AI大规模基础设施建设的最大受益方，任何可能影响AI投资速度的政策或舆论转向，都将直接作用于英伟达的商业前景。

英伟达股价当日收跌3.4%，美国科技股整体承压。

风险提示及免责条款

华尔街见闻早餐FM-Radio | 2026年9月15日

李丹，朱希 — Mon, 14 Sep 2026 23:10:13 GMT

华见早安之声

请各位听众升级为见闻最新版APP，以便成功收听以下音频。

要闻精选

中国8月新增社融1.66万亿元，人民币贷款增加600亿，前八个月股债融资占比首次超过贷款。中国央行：9月15日将开展5000亿元买断式逆回购操作

上海楼市“金九”成色足：二手房13天网签已破万套，新盘陆续收回折扣。

伊朗称一艘油轮试图穿越海峡时触雷爆炸，强调霍尔木兹仍被伊管控、处封锁状态。特朗普称愿与伊朗谈判，提出美国要收“护航补偿”；伊朗官员：在伊方条件满足前不会与美对话。

胡塞武装上周日大规模袭击沙特空军基地；关键绕行管线关闭后，沙特被曝寻求加大霍尔木兹海峡原油出口。

特朗普：俄乌同意停止攻击能源目标，泽连斯基：尚未达成协议，愿讨论能源领域停火。

AI龙头齐发声：Anthropic谈放缓AI研发，称行业撒谎太久、AI风险真实、但无需“把一切都关掉”；OpenAI CEO再呼吁共建行业安全标准；微软表态放缓AI前沿开发。特朗普抨击：AI发展不能踩刹车，美国有“高智商总统”就足够。特朗普致电黄仁勋，亲口支持数据中心、斥AI危险论为“骗局”。

Anthropic抢占专业金融场景：Claude接入贝莱德、嘉信理财工具，助顾问服务更多客户。AI数据隐私担忧升温，英伟达、Palantir等限制Anthropic模型使用，微软借机抢客户。IPO在即，Anthropic连续两季度盈利。

华尔街大行全线重挫，美银盘中跌6%、CEO称三季度交易收入料同比增长停滞、投行收入指引逊于预期。

苹果Siri AI拖了两年终落地，iOS 27上线，AI开始接管iPhone。

报道：铠侠考虑赴美发行ADR募资至少100亿美元，或于明年上市。

市场概述

三大美股指回落，行业龙头呼吁放缓AI开发重创AI概念股；芯片指数跌近6%，芯片股SK海力士跌7.6%、Marvell跌逾7%、博通跌近5%、英伟达跌超3%；AI基础设施类股中，CoreWeave收跌近7%，Coherent跌超10%；美银跌超5%，拖累华尔街大银行齐跌，高盛跌近4%；网安股大涨，Zscaler涨16.5%；与Anthropic达成算力协议的“特朗普关联公司”Rum Group涨超10%。

10年期美债收益率近三年来首次盘中升破5.0%关口，连升六日。美元指数四连涨至9月内次高。

中东供应干扰风险推动原油盘中反弹近5%，特朗普称俄乌同意停止互袭能源目标后，回吐多数涨幅。金属回落，黄金盘中跌超2%，纽铜收跌超2%。

美股：标普500指数收跌0.48%，报7619.98点，道指收跌0.29%，报52421.20点，纳指收跌0.56%，报26186.413点。

欧股：欧洲斯托克600指数收跌0.49%，报635.99点。

A股：上证指数收跌0.07%，报3885.33点。深证成指收跌0.64%，报13384.57点。创业板指收跌1.10%，报3285.58点。

日韩：日经225收跌0.81%，报63492.99点。韩国综合指数收跌3.26%，报6684.37点，SK海力士与三星电子领跌。

美债：到债市尾盘，美国10年期基准国债收益率约为4.99%，日内升约2个基点；2年期美债收益率到债市尾盘时约为4.66%，日内升约3个基点。

商品：WTI 10月原油期货收涨1.34%，报101.39美元/桶；布伦特11月原油期货收涨1.02%，报105.68美元/桶。COMEX 9月黄金期货收跌1.29%，报4310美元/盎司。COMEX 9月白银期货收跌1.61%，报63.513美元/盎司。COMEX 9月期铜收跌2.16%，报6.33美元/磅。LME期铜收跌1.68%，报14001美元/吨。

要闻详情

中国

中国8月社融增量23.91万亿元，前8个月股债融资占社融增量比重首次超过贷款。中国人民银行数据显示，8月末广义货币M2余额356.81万亿元、同比增长7.5%，狭义货币M1余额115.77万亿元、同比增长4.1%，流通中货币M0余额14.83万亿元、同比增长11.2%。前八个月社会融资规模增量累计23.91万亿元，比上年同期少2.64万亿元，其中对实体经济发放的人民币贷款增加10.23万亿元、同比少增2.71万亿元。据测算，债券和股票融资在社会融资规模增量中的占比升至50.31%，较五年前同期高出近20个百分点，企业债券融资占比升至11.67%、较上年同期提升约5.8个百分点。

特朗普称愿意让中国车企在美建厂，专家认为现实效果仍待观察。黄河科技学院客座教授张翔认为，面对中国车企的强竞争，美国政府与本土车企态度存在温差，美方更多以一刀切方式阻止中国新能源汽车进入美国市场，而部分车企依然看重与中国企业的合作；特朗普的最新表态与其制造业回流主张一脉相承，但现实效果有待观察。

上海楼市金九成色足，9月前13天二手房网签已破万套。据上海易居房地产研究院统计，9月1日至13日上海二手房累计网签10407套、同比上涨27%，其中单日成交破千套的有3天。该院副院长严跃进表示，刚需和改善需求持续释放，9月前13天累计网签已破万套，新盘也在陆续收回折扣。

养老理财重启扩围，长期资金争夺战升温。沉寂近三年的养老理财正在重新打开产品扩容窗口，市场关于新一轮扩围的预期持续升温，机构预计扩容后养老理财产品规模与试点范围将同步扩大，长期资金配置工具的竞争随之加剧。

第二批摊余成本法债基现身，13家基金公司一起上报。继首批产品之后，第二批摊余成本法债基产品集中上报，共涉及13家基金公司。该类产品通过摊余成本法计量资产、以持有到期策略降低净值波动，被视为震荡市中对稳健型资金吸引力较强的品种。

曝DeepSeek聘任90后首席财务官，高瓴创投合伙人严文韬或加盟。据报道，高瓴创投合伙人严文韬或加入DeepSeek出任首席财务官，目前已在高瓴内部发起离职流程。严文韬出生于1991年，曾参与投资字节跳动、小红书、MiniMax等项目，此前有报道称DeepSeek已聘请中信证券为科创板首次公开募股筹备相关工作。

比亚迪高管称闪充技术普及后燃油车已没有未来，并透露2027年推出固态电池车型。比亚迪执行副总裁李柯表示，随着比亚迪闪充技术普及，燃油车已经没有未来，全球其他地区的电动化转型可能需要数年，但结局一致。中汽协数据显示，8月传统燃料汽车国内销量同比下降45.7%，新能源汽车销量同比增长17.8%、市占率达60.6%。

智谱完成约50亿美元融资，下一代GLM-6.0首次剧透完全自训练方法。据公司财务公告，本轮融资约20亿美元来自股份配售、约30亿美元来自零息可转债，资金约六成投向下一代GLM模型研发与算力基础设施。上市不足九个月，智谱已完成三轮融资、累计净募约755亿港元，公告同时曝光数据自产、环境自造、基础设施自我优化三个维度的完全自训练闭环，并首次披露A+H两地上市计划。

广汽集团拟发行股份收购一汽股份持有的整车合资公司部分股权，A股14日起停牌。公司公告称，已与中国第一汽车股份有限公司签署意向协议，筹划以发行股份方式购买一汽股份持有的某整车合资公司部分股权，并募集配套资金。本次交易预计构成重大资产重组及关联交易，不构成实际控制人变更及重组上市，A股股票自9月14日开市起停牌，预计停牌时间不超过10个交易日。

- 兼并重组的临界点：发改委喊话背后，中国汽车产业的底盘、困境与出清路径：从规模扩张转向提质增效，一场以产能利用率和利润率为标尺的产业重构正在重排车企生态位。

村田制作所计划将MLCC产能提升两成，A股MLCC概念同步量价齐升。村田制作所副社长南出雅范表示，AI服务器拉动的MLCC需求增长至少将持续至2028年，中长期还将向边缘AI和实体AI延伸，公司已规划800亿日元产能投资，并正研究比过去更大胆的3至5年扩产方案。此前公司已通知客户将在2026财年停产九大系列部分规格料号，首次把高毛利车规料号纳入腾挪范围。

海外

伊朗与海湾国家霍尔木兹航运会议推迟，美国警告不要指望取得突破。原定9月14日在阿曼举行的讨论霍尔木兹海峡商运航线的地区会议在沙特要求下推迟，沙特就阿曼与伊朗方案提出修正案，海合会内部分歧浮出水面。美国能源部长赖特同步警告市场勿对谈判突破抱有幻想。消息落地后，布伦特与WTI原油日内涨幅双双超过3美元。

伊朗称一艘油轮在霍尔木兹海峡触雷爆炸，强调海峡仍被封锁。伊朗伊斯兰革命卫队称，一艘油轮试图通过霍尔木兹海峡南部禁航区域时触碰水雷后爆炸起火，并强调霍尔木兹海峡仍处于伊方管控和封锁状态。这是上周以来霍尔木兹航运通道发生的又一起直接冲突事件。

特朗普称愿与伊朗谈判并提出美国要收护航补偿。特朗普表示伊朗迫切希望达成协议，美方对这一设想持开放态度，同时称美国正在帮助油轮通过霍尔木兹海峡，各国应当在冲突结束后对美国进行补偿。这一表态与美方同日警告勿指望谈判突破的口径形成对照。

- 伊朗官员：在伊方条件满足前不会与美对话。

特朗普称俄乌已同意停止打击对方能源目标，泽连斯基称尚未达成协议。特朗普周一称，全球柴油价格上涨主要源于俄乌冲突而非伊朗战事，乌克兰已同意不袭击俄罗斯能源目标，俄方也已同意停止打击乌克兰能源目标。泽连斯基则表示，乌方已提议由合作伙伴促成停止破坏关键基础设施的协议，但不确信俄方愿遵守，并计划9月21日至23日在纽约与特朗普会晤时讨论能源领域停火。

十年期美债收益率盘中升破5%，华尔街上调年底预测。十年期美国国债收益率盘中升破5.00%，为2023年10月以来首次，距2002年以来高点仅一步之遥，随后回落至4.97%附近。高盛将年底预测从4.40%上调至4.75%，道明证券从4.25%上调至4.75%，Standard Bank策略主管Steven Barrow将年底预测上调至5.2%。德国十年期国债收益率升至2009年以来高位，英国30年期国债收益率触及1998年以来峰值。

- 利息雪球越滚越大！若美联储年内加息75基点，美国一年利息支出将增加500亿美元：美银测算，若美联储年内累计加息75个基点，仅短期国库券一项的年度利息支出就将额外增加约500亿美元，相当于GDP的约15个基点。

特朗普回绝AI减速呼吁，称谁赢得AI谁就赢得一切。特朗普周一发文直斥行业安全警告是炒作，明确不认可AI数据中心引发的民众反弹以及外界对前沿模型的忧虑，并称美国已有充分安全机制。此番表态回怼Anthropic、OpenAI及马斯克的联合放缓呼吁，令两党在监管路径上的裂痕加深，副总统万斯同日称AI公司主动求监管像特洛伊木马。

- 特朗普抨击Anthropic CEO：AI发展不能踩刹车，美国有"高智商总统"就足够：特朗普写道，AI所需的唯一护栏就是一位强悍而聪明的总统，而美国恰好拥有。

- 特朗普当众致电黄仁勋：AI危险论是"骗局"，数据中心重要性超过互联网。还将数据中心比作"未来二三十年的石油"，称其重要性"超过互联网"。黄仁勋当场表态赞同，表态“不会让（AI放缓）发生”。

微软发布首份AI模型行为准则，纳德拉呼吁AI治理去中心化。微软当天发布AI临时行为准则，核心原则是人比AI重要，准则禁止模型响应武器制造、协助获取危险物质、生成暴力或色情内容，同时要求模型不得隐瞒推理过程、不得以超出人类简单理解范围的方式通信，并要求AI始终服从用户目标。知情人士透露，Anthropic、OpenAI与谷歌已私下就建立AI行业标准机构展开讨论。

- 纳德拉呼吁AI治理去中心化：微软明日公布首份模型行为准则：纳德拉表示AI治理不能由少数实体掌控，必须在生态系统、各国及学术界之间广泛代表。

奥特曼称AI最坏结果是失控或被垄断，OpenAI今年不会推进IPO。奥特曼警告AI发展需要避免失控或被少数主体掌控两种极端，呼吁行业在模型能力提升的同时同步强化安全与治理，OpenAI正把安全评估前移至模型开发阶段，并推动与Anthropic、谷歌等建立行业标准。他同时确认，鉴于围绕AI安全问题的诸多进展，OpenAI不会在2026年进行首次公开募股。

- Anthropic CEO谈放缓AI研发：这个行业撒谎太久了，AI风险是真实的，但也无需"把一切都关掉"：Amodei表示，放缓指的不是恐慌，也不是关停一切，而是要确保安全防护、理解能力和控制能力跟上技术发展速度。

- AI如"外星心智"降临地球！辞职帖获破亿浏览后Anthropic前研究员接受采访：Anthropic前研究员警告，半年内超级AI或面临失控，内部高管坦言其毁灭全人类概率超10%且短期内无解。

- AI开发放缓=资本开支见顶？答案未必悲观：业内人士认为，只要AI应用和商业化仍在推进，算力、数据中心、电力、存储等基础设施投资逻辑就未被破坏。

美国银行CEO称三季度交易收入趋平、投行收入不及预期，股价大跌逾5%。美国银行首席执行官Brian Moynihan表示，与去年第三季度相比，该行本季度交易收入将相对持平，与华尔街在上半年的营收激增形成反差；他同时预计投行业务费用将在16亿至18亿美元之间，不及市场预期的接近20亿美元。

苹果Siri AI随iOS 27上线，首批仅支持英语测试。苹果宣布推出Siri人工智能，iOS 27支持iPhone 11及后续机型、第二代iPhone SE及更新机型，完整的Siri AI能力首先面向支持Apple Intelligence的机型开放，并以测试版形式推出、首批仅支持英语，未来将扩展至5种语言，macOS 27同步加入Siri AI。

Anthropic推出金融顾问版Claude，接入贝莱德、先锋集团等机构工具。该版本将Claude与贝莱德、先锋集团、嘉信理财、iCapital等机构的投资研究、组合分析和财富管理工具连接，覆盖研究、组合监控及行政事务等工作。Anthropic称Claude不直接提供投资建议，最终决策仍由金融顾问和客户作出。

Anthropic连续两个季度实现盈利并选定纳斯达克上市，Q2营收同比激增14倍。Anthropic连续两个季度实现调整后营业利润转正，第二季度营收同比激增14倍至115亿美元，年化营收已达650亿美元，毛利率超过80%。公司已选定纳斯达克作为上市地点，估值或高达2万亿美元。分析认为，如何在安全隐忧与商业竞争之间取得平衡，将成为其上市后的核心挑战。

Anthropic与Rum Group签署137亿美元六年期算力协议。该协议核心为佐治亚州一处仍在建设中的数据中心，Rum Group前身为保守派视频平台Rumble，其早期投资者包括现任美国副总统万斯。这笔交易引发市场对AI算力采购中利益关联的讨论。

AI数据隐私担忧升温，英伟达、Palantir等限制Anthropic模型使用。随着AI深入企业核心业务，数据隐私与控制权的重要性持续上升，Anthropic调整数据留存政策后，英伟达、Palantir等企业收紧使用，部分敏感行业进一步转向私有部署。与此同时，微软借机争夺OpenAI企业客户并强化AI治理能力，企业AI竞争正从模型性能延伸至数据控制与安全治理。

铠侠考虑赴美发行ADR募资至少100亿美元，或于明年上市。铠侠已与美国银行、高盛、摩根大通等展开磋商，最快明年上市。受AI存储需求带动，铠侠日股年内涨超410%、市值升至约1800亿美元，但近期业绩不及预期，赴美融资仍需面对估值与市场波动的考验。

观点精选

高盛合伙人Wilson：三重阻力压制美股，仍看好AI基础设施龙头与铜。美股自第二季度大涨后陷入横盘，三重阻力正在压制市场：中期选举的历史规律、量化机器仍满仓做多、能源与债券和股票之间的三角绞杀。油价因地缘政治上涨推升债券收益率，进而压制股票估值，Wilson称之为最难解的问题。他同时看好AI基础设施龙头、大宗商品尤其是铜、德国股市以及大型银行。

美银Hartnett：柴油裂解价差、长端美债收益率与AI生产率构成三重警告。Hartnett指出，柴油裂解价差已触及每桶102美元的历史纪录，30年期美债收益率升至2007年以来高位，同时AI热潮下全要素生产率跌破长期趋势线，秋季滞胀风险正在汇聚。他警告称，淡定的市场加上强硬的政策是波动性的温床，并直言现在对冲AI泡沫为时不晚。

华泰证券：仅9月加息已不足以平息公信力危机。考虑到近期美国基本面偏强、中东局势反复、美债长端风险仍存，联储的公信力较难承受9月不加息的打击，9月加息已是必选项。联储可能需要连续加息，且可能至少需要逆转2025年的三次预防性降息；若仅加息一次，利率水平相对名义增长仍然过低，公信力仍会被市场反复测试。

国联民生宏观陶川团队：美联储并不具备连续加息的基础。美国就业远未过热，实际薪酬已负增长、劳动参与率持续下滑，叠加40万亿美元债务压力与AI企业7000亿美元融资成本，美联储根本不具备连续加息的基础。单次加息不过是提前打出的无关紧要的子弹，反而为明年降息打开空间。

国金证券：美联储只剩一次加息空间，加不加取决于AI。美国去通胀最后一公里或永远无法抵达，服务价格轮番扰动、商品端冲击首尾相接，暂时性因素正悄然固化为结构性问题。联储手握的或许只有一次25个基点加息空间，加与不加皆非数据驱动，而是政治信誉的博弈，真正的政策变局取决于AI究竟是生产率革命还是泡沫引擎。

摩根大通：盈利增速才是决定美股估值承受力的关键。1950年以来的数据显示，十年期美债收益率与标普500估值呈倒U型关系，按当前盈利水平，收益率约5%至6%才会明显压缩估值；只要盈利增速维持15%以上，估值仍有重估空间。若收益率曲线熊市陡峭化，能源、金融等周期板块更受益；若平坦化，则科技股相对占优。

高盛：单次加息不足以终结牛市，完整紧缩周期才是真正威胁。自1945年以来，标普500共经历12次跌幅超过20%的熊市和4次18%至20%的深度回调，其中6次发生在加息周期直接导致经济衰退之后，另有两次与加息和衰退均无关，因此单次加息本身并不构成趋势逆转。摩根士丹利则警告收益率上行可能引发回调，摩根大通更关注油价与盈利的互动。

东吴证券陈李、葛晓媛：AI终结AI，新技术越强旧模式越难持续。免费使用社会资源、转嫁外部成本、依靠资本输血的旧模式开始退场，人工智能在抬高生产效率的同时，也在加速淘汰那些依赖低要素成本与外部性补贴的商业模式，新旧动能切换的成本将在企业盈利和现金流层面集中体现。

国联民生宏观：伦敦金现4000至4300美元区间支撑渐显。美国核心CPI略超预期后，黄金并未下跌反而强势回补，市场押注的是预防式加息提前兑现后加息节奏放缓。通胀误判空间收窄、2027年降息周期有望重启、科技抽水效应边际减弱，多重逻辑共振之下，伦敦金现4000至4300美元区间的支撑逐步显现。

付鹏：油价飙升下警惕能源上下游的循环推升。美国炼厂开工率已达98%，柴油价格创历史新高，出口创新高而库存降至极低水平，表明下游已紧张到极限。随着检修季和冬季临近，炼厂一旦检修或出现故障，柴油价格将急剧上涨并反向拉动原油；交易员已将地缘政治风险溢价转移至下游，上下游可能形成相互推升的循环。

杰富瑞：iPhone 18 Pro海外需求信号偏弱。调研显示iPhone 18 Pro开售后，美国、英国、德国、日本四大市场交货等待时间较去年缩短5至11天，美国甚至无需等待，在产能持平的前提下这是需求疲软的明确信号。中港市场虽逆势走强，但投机囤货嫌疑未消；折叠屏新机Duo软件体验获认可，却以2000美元高价换来254克机身与双摄配置，硬件全面落后安卓竞品，杰富瑞维持跑输大市评级。

今日关注

中国

国家统计局公布8月规模以上工业增加值、社会消费品零售总额、1至8月城镇固定资产投资与房地产开发投资、8月城镇调查失业率，并公布8月70个大中城市住宅销售价格月度报告；国新办随后就国民经济运行情况举行新闻发布会。

中国人民银行以固定数量、利率招标、多重价位中标方式开展5000亿元买断式逆回购操作，期限6个月、181天，到期日为2027年3月15日。

中金公司A股因换股吸收合并东兴证券与信达证券的异议股东收购请求权事宜，自开市起连续停牌。

希音被快速纳入恒生综合指数及其分类指数，9月15日开盘生效。

海外

美国公布9月纽约联储制造业指数，市场预期由前值20.6回落至12.1。

美国财政部长贝森特出席众议院金融服务委员会，就国际金融体系进行年度作证。

英国公布8月失业率与7月三个月ILO就业数据，市场预期包括红利平均工资同比增速由4.1%回落至3.9%。

欧元区与德国公布9月ZEW经济景气指数，欧元区7月贸易帐、法国8月CPI终值同日公布，市场预期德国经济景气指数由34.2升至37。

软银集团提前偿还为投资OpenAI而筹集的全部259亿美元过桥贷款未偿余额，SK海力士韩国工会就暂定薪资协议投票表决。

风险提示及免责条款

美银大跌6%！CEO称三季度交易收入趋平，投行收入不及预期

Mon, 14 Sep 2026 18:43:57 GMT

美国银行首席执行官布莱恩·莫伊尼汉（Brian Moynihan）表示，与去年同期相比，第三季度的交易收入将“相对持平”，这与华尔街在上半年经历的营收激增形成反差。

莫伊尼汉周一在巴克莱银行（Barclays Plc）的一场会议上表示，预计投资银行业务费用将在16亿至18亿美元之间。而分析师此前预计该费用将接近20亿美元。

受其言论影响，截至发稿，美国银行股价盘中下跌近6%，成为当日KBW银行指数中表现最差的股票。银行股整体也随之走低，高盛下跌4.3%，花旗下跌约4.2%。

Vital Knowledge的分析师指出，莫伊尼汉“对更广泛的宏观经济环境和消费者支出相对乐观，但警告称第三季度的交易活动轨迹基本持平”。

交易业务热度消退，上半年强势难以为继

华尔街交易员们刚刚度过了一个创纪录的年初开局，美国银行股票交易部门在第二季度创下了营收历史新高。

市场依然保持波动，AI股票在7月份遭遇重挫，这也引发了Leopold Aschenbrenner旗下对冲基金Situational Awareness的动荡。最近，随着AI高管提议放缓AI发展步伐，芯片制造商的股票也遭到抛售。

这些波动虽然为部分交易创造了机会，但整体而言未能复制上半年的强劲格局。

尽管如此，莫伊尼汉表示，今年对美国银行的市场业务而言可能仍将保持强劲。该行销售与交易团队正力争实现连续第17个季度的增长。

“我们正为此‘激烈角逐’（dog fight），”莫伊尼汉开玩笑说。

并购业务储备充足，净利息收入前景乐观

针对该行的并购业务，莫伊尼汉表示，近几个月并购活动较为活跃的某些行业，该行并未占据最佳位置。但他强调，目前的业务储备（pipeline）依然强劲，只需将交易顺利推进完成即可。

他周一表示，对公司关于净利息收入（NII，即银行从生息资产中扣除费用后赚取的收益）的指引感到“非常好”。公司此前表示，预计2026年NII的增长率将达到6%至8%区间的上限。

风险提示及免责条款

特朗普：俄乌同意停止攻击能源目标，泽连斯基：愿讨论能源领域停火

Mon, 14 Sep 2026 16:35:10 GMT

俄乌能源战场出现暂时缓和信号。

据新华社，美国总统特朗普14日在社交媒体上说，俄罗斯和乌克兰已同意不攻击对方的能源目标。特朗普同时称，全球柴油价格上涨主要源于俄乌冲突、而非伊朗战事。

特朗普表态稍早，当地时间9月14日周一，乌克兰总统泽连斯基表示，愿就能源领域停火展开讨论。但与此同时，俄乌在敖德萨港、铁路及其他目标上的军事行动仍在持续，能源停火能否真正落地仍有待观察。

在美国柴油价格持续走高之际，特朗普正推动俄乌将能源设施从相互攻击的目标中暂时排除。上周五，美国柴油价格史上首次突破每加仑6美元，特朗普上周日访问爱尔兰访问期间已将柴油价格上涨与俄乌冲突直接联系起来，称乌克兰对俄罗斯柴油设施的袭击正在造成柴油短缺，并表示“这不是中东造成的”。

泽连斯基释放能源停火信号前一天特朗普喊话别再打俄柴油设施

特朗普公布上述进展的前一天，已公开呼吁泽连斯基停止袭击俄罗斯柴油设施。

据报道，特朗普于9月13日上周日在爱尔兰访问期间表示：“泽连斯基必须做一件事。他必须停止摧毁俄罗斯的柴油燃料设施。”

特朗普还称：“让他去打击其他目标，但不要打击柴油燃料，因为他正在造成柴油短缺。这不是中东造成的，而是俄罗斯和乌克兰正在发生的事情造成的。”

特朗普当时还表示，已经与泽连斯基谈过这一问题，并认为俄罗斯炼油设施遭袭导致俄方柴油供应受扰，进而影响全球市场。路透社称，乌克兰近几个月持续使用远程无人机袭击俄罗斯炼油厂，已经压低俄方燃料产量并造成国内燃料短缺。

泽连斯基14日则释放出愿意讨论能源停火的信号。据央视新闻，泽连斯基表示，对能源领域停火持开放态度，并计划于9月21日至23日在纽约与特朗普会晤时就此进行讨论。

俄乌仍在交火，能源设施之外的战事未停

不过，所谓“能源停火”并不意味着俄乌整体停火。就在特朗普宣布双方同意停止攻击能源目标之际，俄乌军事行动仍在持续。

据报道，俄罗斯国防部本周一称，俄空天军使用攻击无人机袭击了敖德萨港内一艘货船，俄方称该船正在为乌克兰武装部队运送物资。国际文传电讯社报道称，俄方还打击了乌克兰西部铁路基础设施以及敖德萨港一艘干散货船。

新华社周一援引俄罗斯国防部在社交媒体发布的通报称，俄军过去24小时内在哈尔科夫、顿涅茨克和扎波罗热方向持续推进，新控制3处居民点。

上述通报还称，俄军战术航空兵、攻击型无人机、导弹部队和炮兵对乌克兰142个地区的后勤中心、能源和交通基础设施、无人机组装车间和仓库等目标进行打击。此外，俄黑海舰队在克里米亚附近海域摧毁一艘乌军无人艇。

更受欧洲关注的是，俄军此前对乌克兰西部、靠近波兰边境地区的袭击。

媒体报道，9月13日，一架俄罗斯无人机袭击了乌克兰亚霍丁（Yahodyn）附近的一列火车，该地区距离波兰边境仅约2公里。袭击发生前不久，载有英国前首相鲍里斯·约翰逊、美国前中央情报局局长戴维·彼得雷乌斯等人的外交列车刚刚通过该线路，乌克兰方面因此警告称，袭击可能构成对欧洲及北约的直接威胁。

此外，俄罗斯无人机还袭击了靠近波兰边境的雅戈丁—多罗胡斯克口岸附近目标，一度影响边境通行。波兰方面对此表示关切，并呼吁进一步加强对乌克兰的支持。

因此，目前特朗普所说的安排更接近于将能源设施从俄乌相互打击的目标中暂时排除，而非全面停火。俄方此前已经对特朗普要求乌克兰停止袭击俄罗斯柴油设施的呼吁表示欢迎。

柴油供应成为特朗普推动“能源停火”的关键变量

能源问题是特朗普近期介入俄乌战事的一个重要切入点。美国柴油价格已经创下历史新高，而俄罗斯炼油设施遭到乌克兰持续袭击，叠加中东局势造成的能源运输扰动，使全球成品油供应面临更大压力。

特朗普则明确否认应将当前柴油价格上涨主要归因于伊朗战争，认为俄乌冲突才是更重要的因素。国际能源署9月11日发布的月报也指出，俄罗斯炼油系统遭到破坏、成品油出口接近停滞，加剧了全球柴油供应损失；与此同时，中东冲突同样在扰乱能源运输。

在这一背景下，如果俄乌能够暂时停止相互攻击能源设施，不仅可能缓解俄罗斯国内燃料供应压力，也有望减少对全球柴油市场的进一步冲击。但从14日俄乌其他战场仍在持续的情况来看，这一安排能否落实并维持，仍面临较大不确定性。

风险提示及免责条款

特朗普反对为AI设置安全护栏，称美国有“高智商总统”就足够

Mon, 14 Sep 2026 15:01:23 GMT

美国总统特朗普对Anthropic PBC首席执行官Dario Amodei有关放慢人工智能发展的呼吁提出抨击，进一步强调反对给这项技术增加新限制。特朗普这番表态比他上周末的言论更进了一步。当时他还承认人工智能需要一定程度的监管。不过，他一直淡化有关AI安全风险的警告。

风险提示及免责条款

AI开发放缓叠加油价飙升，日韩芯片股首当其冲，SK海力士跌超5%、软银暴跌11%

Mon, 14 Sep 2026 01:21:26 GMT

AI巨头联手呼吁放慢前沿模型开发节奏，叠加油价飙升重燃通胀忧虑，亚洲股市周一承压低开。

韩国首尔综指跌逾3%，SK海力士跌超5%，三星电子跌超3%，作为AI热潮"铲与锹"的韩日芯片股首当其冲。

日经225指数低开0.6%，随后后跌幅扩大至2%，软银股价重挫11%。

与此同时，布伦特原油涨超3%至每桶107.99美元，沙特关闭关键输油管道叠加阿曼推迟原定14日与伊朗等国会议消息令能源市场骤然升温，进一步加剧市场对通胀前景的担忧。

纳斯达克100指数期货跌逾1%，标普500指数期货跌0.6%。本周市场面临多重考验：美联储将于周三公布利率决议，互换市场目前定价显示加息概率逾90%；英国和日本央行亦将相继发布政策决定，三大央行决议或重塑2026年余下时间乃至更长期的全球货币政策格局。

AI巨头联手呼吁放缓，芯片股承压

周六，Anthropic首席执行官Dario Amodei发文表示，公司将引入独立第三方评估等额外安全保障措施，并呼吁整个行业主动放缓最先进模型的开发节奏。OpenAI首席执行官Sam Altman随即公开背书，xAI的埃隆·马斯克亦表态称"Dario说得对"。

三大AI头部机构的罕见共声，令市场对这一驱动今年股市上涨的核心板块产生疑虑。AT Global Markets驻悉尼首席市场分析师Nick Twidale表示："随着投资者评估顶级AI公司重大战略转变对估值的影响，本周开局可能颇为动荡。预计为这些大型AI公司提供供应链支持的亚洲大型科技企业将率先受到冲击。"

不过，部分市场人士认为此次冲击更多停留在情绪层面。摩根大通资产管理全球市场策略师Kerry Craig表示："在开发放缓的必要性真正转化为资本支出指引下调或模型发布推迟之前，这更可能是情绪驱动因素，而非估值或盈利驱动因素。"

在企业动态方面，据知情人士透露，Anthropic已选定纳斯达克作为其潜在创纪录IPO的上市地点。Sam Altman则表示，OpenAI今年不会推进IPO计划，理由是公司当前专注于应对AI安全相关问题。

油价飙升重燃通胀忧虑，美联储加息预期升温

能源市场的突发变局令市场雪上加霜。沙特阿拉伯在无人机袭击后关闭一条关键输油管道，伊朗与海湾国家原定会议亦宣告推迟，布伦特原油涨2.8%至每桶107.55美元，美国西德克萨斯中质原油涨2.5%至每桶102.51美元，油价重返百美元上方。

油价飙升与上周五公布的美国通胀数据形成共振。美国劳工统计局数据显示，8月份剔除食品和能源的核心CPI环比上涨0.3%，同比上涨2.4%；整体CPI环比上涨0.4%，同比上涨3.4%，均高于预期。

通胀数据推动美债收益率走高，两年期美债收益率上周五上涨4个基点，10年期收益率逼近5%关键关口，目前报4.95%。互换市场定价显示，美联储周三加息概率已超过90%。

Westpac Banking Corp金融市场策略主管Martin Whetton表示："9月FOMC会议加息预期已非常明确，定价概率达90%。周五CPI数据公布后，美债收益率普遍走高，今日亚洲固定收益市场将继续受此主导。"

分析人士指出，油价重返百美元以上叠加中东局势再度升温，令全球通胀压力难以缓解，政策制定者期待的喘息空间愈发渺茫，这也将使借贷成本在更长时间内维持高位。

风险提示及免责条款

华尔街见闻 - 资讯 - 最新

9 月加息在弦上，美元会开启新一轮涨势吗？

加息预期充分定价，9 月加息已是 “箭在弦上”

“买预期、卖事实”，美元能否持续上涨？

万字详解GPT-6 Astra，Sebastian Raschka带你读懂循环Transformer与隐藏的思维链

1. GPT-6 Astra 使用印象

2. 循环 Transformer

定义与术语

3. 插叙：循环神经网络（RNN）

4. Astra 到底用没用循环 Transformer？

5. 隐藏思维链

6. 循环 Transformer 相关研究

结语

中国1-8月份城镇固定资产投资下降7.2%，信息服务业增长22.7%

老黄忍不住了：末日论都是胡扯，数字全是编的

A股三大股指早盘震荡上涨，半导体产业链爆发，玻璃纤维、电子布大涨，恒科指涨近1%，科网股集体反弹

1—8月份，全国房地产开发投资47979亿元，同比下降19.9%

房地产开发投资完成情况

商品房销售和待售情况

房地产开发企业到位资金情况

中国8月社会消费品零售总额同比 0.4%，前值 0.6%

中国8月规模以上工业增加值同比5.2%，预估为4.8%，前值为4.5%

8月70城房价：一线城市商品住宅销售价格环比上涨，二三线城市环比降幅总体收窄

行业高管：“石油危机”已经来临！伊朗战争看不到结束的希望，局势有失控风险

战争僵局令能源市场难觅出路

白宫坚持"暂时论"，拒绝出口禁令

人造金刚石：从散热扩张到 PCB， 价值边界如何重估？

黄仁勋发声：“末日论”是“不讲科学的哗众取宠”，RSI绝非“失控黑魔法”，特朗普“中途插入”：末日轮全是骗局

“这些预测全都错了”：黄仁勋逐一清算末日预言

RSI不是“黑魔法”：黄仁勋解释递归自我改进的工程逻辑

特朗普现场致电：数据中心是“下一个20年的石油”

英伟达的战略逻辑：向上走多远，向下压多低

“在某些领域，超级智能已经到来”：黄仁勋的技术判断

文字记录

特朗普总统实时连线

英伟达战略拆解

竞争威胁与Terafab

AGI与超级智能

OpenAI收购“手机摄像头初创公司”Glass Imaging，其“变焦成像技术”曾用于荣耀手机

由苹果前员工创立，专攻AI驱动的影像技术

融资约3000万美元，变焦技术已落地荣耀手机

硬件野心浮现，Jony Ive主导消费设备研发

反噬来了，英伟达限制使用 Anthropic 模型

Fable发布，顺带推出了强制数据留存

Anthropic的安全报告，让企业看清了监控能力的边界

三家大公司，三种不同的应对方式

26H1上市券商利润暴增5成，三季度将迎来真正的分水岭，谁能把ROE留下？

一、发生了什么？——行业全面高增，但真正值得看的是增长结构

10年期美债突破5%！“两种叙事”萦绕市场：“2023年式短暂见顶”还是“2000年代式引爆金融危机”

战争冲击叠加通胀压力，推动收益率触及关键门槛

两种历史情景，市场各执一词

债务规模与供给压力，构成收益率上行的结构性支撑

AI热潮与股市繁荣，部分抵消高利率冲击

Anthropic CEO：AI足够强以后，连关机都关不掉

Altman等得起，孙正义等不起：OpenAI年内不上市，软银200亿美元缺口暴露信用软肋

上市预期落空，融资压力持续攀升

日元套利时代终结，廉价融资优势消失

孤注一掷还是战略豪赌，市场对集中风险存疑

芯片股重挫之际，“网络安全软件”全线大涨，CrowdStrike和Palo Alto Networks创出新高

AI安全警告触发板块分化

AI越扩张，安全支出越刚性

风浪越大鱼越贵： 航运业的十字路口，运价中枢上移仍在持续？

“豆包手机”来了！有哪些不一样？

豆包手机具备屏幕问答能力

端侧AI提速，商业化路径渐明

特朗普当众致电黄仁勋：AI危险论是"骗局"，数据中心重要性超过互联网

特朗普定性AI忧虑为"骗局"，力挺数据中心建设

黄仁勋认同提速立场，同时为吹哨人背书

AI安全争议升级，多位科技领袖罕见同声

华尔街见闻早餐FM-Radio | 2026年9月15日

华见早安之声

要闻精选

市场概述

要闻详情

观点精选

今日关注

美银大跌6%！CEO称三季度交易收入趋平，投行收入不及预期

交易业务热度消退，上半年强势难以为继

并购业务储备充足，净利息收入前景乐观

特朗普：俄乌同意停止攻击能源目标，泽连斯基：愿讨论能源领域停火

人造金刚石：从散热扩张到 PCB，价值边界如何重估？

风浪越大鱼越贵：航运业的十字路口，运价中枢上移仍在持续？

泽连斯基释放能源停火信号前一天特朗普喊话别再打俄柴油设施