华尔街见闻 - 资讯 - 最新

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

Mon, 14 Sep 2026 13:19:20 GMT

美国财政状况正面临来自利率与债务双重压力的严峻考验。随着美联储预计年内再度加息，叠加美国国债规模首次突破40万亿美元，利息支出的螺旋式上升正成为华盛顿最难以回避的财政隐患。

美国银行首席经济学家Aditya Bhave在最新报告中测算，若美联储如市场预期年内累计加息75个基点，仅短期国库券（T-Bills）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。与此同时，美国过去12个月的利息总支出已创下1.4万亿美元的历史纪录，并有望在未来两年内超越社会保障支出，成为联邦政府最大单项支出。

这一趋势令市场对美国财政可持续性的担忧显著升温。美国银行警告，利息支出与赤字之间存在自我强化的反馈循环——更高的利息成本推高赤字和国债发行规模，进而抬升期限溢价和借贷成本，再度加剧利息负担，形成难以打破的恶性循环。

短期债务占比攀升，加息敏感性骤增

美国财政部对短期国库券的依赖程度已升至2010年以来最高水平（新冠疫情期间的紧急融资阶段除外）。目前，T-Bills占美国未偿债务总额的比例达到23%，未偿T-Bills规模接近7万亿美元，其中绝大多数将在一年内到期。

这一债务结构的直接后果是：联邦政府的借贷成本对短期货币政策的变动极为敏感。美国银行指出，一旦美联储加息，这部分短期债务的利息支出将几乎即时反映在财政账单上，而无需等待长期债券的到期再融资周期。

美国银行预计美联储本周将加息一次，此后年内还将再加息两次，合计75个基点。据此测算，T-Bills的年度利息成本将增加约500亿美元。

再融资压力持续累积，长端利率成本高企

除短期债务的即时冲击外，长期债务的再融资压力同样不容忽视。美国银行数据显示，当前未偿市场化国债的平均利率约为3.4%，远低于现行市场收益率水平。

具体而言，就附息证券而言，未来数年内到期滚动续借的债务，其再融资利率平均将比到期债券高出约1.4个百分点。这意味着，即便美联储不再进一步加息，仅凭现有利率水平，美国的利息支出也将随债务到期结构的演变而持续走高。

今年美国财政赤字预计将再度超过GDP的6%，利息支出已超过国防支出和医疗保险支出，成为赤字扩大的主要驱动力之一。美国银行指出，与医疗保险、国防及社会保障等相对稳定的支出项目相比，利息成本的恶化趋势尤为突出。

债务与利率的反馈循环，财政风险长期积聚

美国银行在报告中着重强调了一个更为根本性的风险：利率与债务之间的反馈循环。债务可持续性的核心在于借贷成本与名义GDP增速之间的差距——当名义增长超过借贷成本时，债务/GDP比率可随时间趋于稳定；而一旦这一差距收窄，高债务水平将愈发难以为继。

美国银行模拟了三种情景下的债务/GDP走势：在低、中、高三种假设下，债务/GDP比率每上升1个百分点，分别推动利率上行1个、2个和3个基点。尽管初期影响有限，但随着时间推移，三种情景下的债务轨迹将出现显著分化——更高的债务水平导致更高的借贷成本，进而加速债务积累。

美国银行还指出，由利息支出驱动的赤字与由减税或政府支出驱动的赤字在经济效应上存在本质差异：前者对经济活动的支撑作用远弱于后者，同时可能通过持续抬升长期利率而挤出公共和私人投资，并削弱政府在经济下行期提供财政支持的能力。

国债供给压力或向长端传导

从市场角度看，赤字构成的变化意味着国债供给增加，但并不伴随相应的经济增长提振。美国银行认为，这将对国债供给、期限溢价以及收益率曲线长端形成额外的上行压力。

Academy Securities交易员Peter Tchir表示，在利息支出相对于国防或可自由支配支出已构成问题的背景下，加息对财政状况并无助益。他表示，"很难想象特朗普总统会对此感到满意，即便加息有助于压低长端收益率，股市也尚未将这一影响充分计入价格。"

美国银行的结论直截了当：额外增加500亿美元的利息成本，对美国而言没有赢家——除了持有短期美国债务的债权人之外。

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。

据报道，英伟达、Palantir、博思艾伦将限制使用OpenAI模型

Mon, 14 Sep 2026 13:04:36 GMT

另有报道称，微软为未来人工智能模型设定限制。

风险提示及免责条款

布油突破108美元，伯恩斯坦警告：霍尔木兹与红海危机叠加，油价或将冲向150美元

Mon, 14 Sep 2026 12:19:51 GMT

沙特东西输油管道遭袭关闭、伊朗与海湾国家外交谈判宣告推迟，两大冲击同步发酵，令全球能源市场面临数十年来最严峻的供应压力。伯恩斯坦分析师警告，布伦特原油价格可能在现有基础上进一步飙升至每桶120至150美元。

布伦特原油期货隔夜一度上涨3.7%，触及每桶108美元上方，随后小幅回落至107.70美元；WTI期货报103美元附近。据新华社此前报道，原定14日在阿曼南部城市塞拉莱举行的地区会议已推迟。阿曼外交大臣Badr Albusaidi周日晚间在社交媒体上表示，此次推迟是"为了寻求共识"，并重申各方致力于推动地区对话与合作。

伯恩斯坦分析师Neil Beveridge和Brian Ho在最新报告中将当前市场定性为"长期供应不足"，并指出此前每桶90美元的2026年布伦特预测已"被现实超越"。美国能源部长Chris Wright则在维也纳向市场泼冷水，表示"指望目前能与伊朗达成双方同意的协议，显然并非明智之举"，并警告交易员不要对霍尔木兹海峡问题的外交突破抱有期待。

4%全球供应悬而未决

沙特东西输油管道上周四遭无人机袭击受损，利雅得随即将其关闭。该管道日输送能力高达700万桶，是自伊朗战争爆发以来绕开霍尔木兹海峡、维持沙特石油出口的核心通道。

据路透社援引多名沙特石油交易商消息，若管道无法及时恢复运营，沙特将耗尽用于红海出口的库存储备。三名熟悉沙特出口情况的行业消息人士表示，延布港目前的库存仅能维持五至七天的出口需求；另有消息人士称，沙特在埃及艾因苏赫纳港和西迪克里尔港的库存亦只能支撑数日。据行业估算，延布港储油能力约为3500万桶，艾因苏赫纳和西迪克里尔分别约为1800万桶和2000万桶，但目前均未处于满仓状态。

沙特政府媒体办公室及能源部未就管道修复时间表作出回应。据路透社消息人士透露，损毁修复时间估计从数周到五六周不等，部分消息人士认为可在修复期间部分恢复泵送。

国际能源署（IEA）上周五公布数据显示，受霍尔木兹海峡和红海通道受阻影响，沙特石油供应已在8月降至逾三十年低点；IEA同时预计，今年全球石油供应将下降约570万桶/日，降幅约6%。

外交僵局：霍尔木兹谈判无限期推迟

此次峰会原本是自美国和以色列今年2月对伊朗开战以来，伊朗、海湾合作委员会成员国及伊拉克之间的首次正式会面，议题聚焦于在霍尔木兹海峡建立临时航运通道。

伊朗外交部表示，沙特以也门局势为由提出推迟请求。伊朗外交部随即反驳称，"沙特要求推迟地区峰会并将其归咎于也门局势，是对这场危机根本原因的转移"。一名知情人士透露，沙特的不满部分源于伊朗支持的胡塞武装持续对其领土发动袭击。

巴林已明确拒绝参与此次会议，理由是近期伊朗支持的武装对海湾地区发动了袭击。本次峰会原本讨论的方案由阿曼和伊朗共同提出，大致内容是赋予伊朗决定哪些船只可进入波斯湾的权力，并可能向过往船只收取一定费用。

与此同时，霍尔木兹海峡紧张态势持续升级。英国海事贸易行动组织（UKMTO）周日通报，一艘船只在遭到抛射物袭击后发生火灾；伊朗官方媒体IRIB则报道，一艘商业船只在格什姆岛和亨加姆岛附近遭到"敌方打击"，造成一人死亡。

双重通道受阻：供应缺口持续扩大

据彭博数据，霍尔木兹海峡、曼德海峡及苏伊士运河的合计过境流量目前已不足700万桶/日，而冲突爆发前约为2000万桶/日。

UBS能源专家Dominic Ellis指出，东西管道关闭对红海出口的冲击，叠加胡塞武装持续扰乱红海航运，将在可预见的未来持续支撑油价。他同时表示，UBS团队本月早些时候已预测能源股第三季度盈利较市场一致预期有40%的上行空间，其中炼油相关标的如Repsol、Galp和OMV的上行空间更高达80%至90%。

据央视，当地时间9月14日，也门胡塞武装称袭击了位于沙特海米斯穆谢特的空军基地。胡塞武装已于上周五占领了红海入口处的一座岛屿，进一步加剧了红海航运的不确定性。

此前压制油价的另一重要因素——中国进口量的大幅下滑——也正在逆转。分析师指出，中国进口量此前减少约500万桶/日，部分原因在于动用了估计约15亿桶的战略石油储备；目前进口已开始回升，并在全球范围内推高油价。

价格上行风险显著

伯恩斯坦的警告将当前局势的严峻性清晰呈现：霍尔木兹海峡通道受阻、红海航运受扰、沙特东西管道关闭三重压力同步叠加，全球石油供应体系正承受前所未有的压力。

Chris Wright虽试图稳定市场预期，表示通过霍尔木兹海峡及绕行管道的合计流量已恢复至冲突前的三分之二以上，并称"全球石油市场比我们希望的更紧张，但并未过度紧张"。然而，随着沙特库存窗口收窄至数日、外交谈判陷入僵局，市场对供应中断的定价仍将持续。

距美国中期选举仅剩约50天，油价飙升对特朗普所在共和党的政治压力亦不容忽视。

风险提示及免责条款

多国央行同步加息，能源冲击正在重写全球央行的利率剧本

Mon, 14 Sep 2026 11:59:24 GMT

持续半年的中东能源冲击，正在迫使全球央行重新审视“暂时性通胀”逻辑。油价上涨原本被视为一次性供给冲击，但随着能源供应受阻持续时间拉长，并叠加关税、供应链扰动和地缘冲突，市场开始担心通胀预期重新升温，央行“看穿”能源冲击的政策空间正在收窄。

当地时间周三美联储将公布利率决议，市场定价显示加息概率已升至89%，高盛和汇丰均预计加息25个基点。日本央行预计周五跟进，澳大利亚联储、加拿大央行和英格兰银行未来八周内也存在加息可能。上周欧洲央行的加息，则成为此轮全球货币政策重新转向收紧的重要信号。

油价走势正在强化这一预期。周一国际油价涨超3%，WTI原油期货重新升至每桶约103美元，美国汽油价格升至5月以来最高，柴油价格首次突破每加仑6美元。现货黄金下跌1.3%至每盎司4292.13美元，美元走强和加息预期升温共同施压贵金属。

“暂时性通胀”逻辑为何失效

央行过去能够“看穿”能源冲击，一个重要前提是公众相信油价上涨只是暂时的，通胀预期不会因此失控。1990年海湾战争和2011年阿拉伯之春期间，美联储都没有因油价上涨立即收紧政策，最终证明这一判断基本成立。

但本轮冲击的持续时间和叠加因素已经不同。供应链紊乱、俄乌冲突、关税政策反复，以及美伊冲突接连推高成本；与此同时，霍尔木兹海峡封锁持续半年，使能源供应风险从短期事件演变成长期变量。

油价最新上涨进一步放大了这一风险，UBS分析师Giovanni Staunovo表示，在CPI数据公布后，市场已经基本消化美联储加息预期，油价再次上涨将进一步强化通胀担忧。

多国可能加息，但政策逻辑并不相同

欧洲和英国受到的能源冲击最直接，两者均高度依赖进口燃料，油气价格上涨容易通过家庭能源支出和工业成本向更广泛的通胀传导。日本同样是能源进口国，但日本央行的加息更多仍属于货币政策正常化，能源价格上涨则进一步增加了收紧政策的理由。

美国的情况有所不同。作为大型能源生产国，美国受到能源进口成本上升的直接冲击相对有限，同时经济增长仍具韧性，因此美联储在通胀与增长之间的权衡更有空间。若能源价格继续维持高位，美联储面对的主要问题将是通胀预期是否重新抬头，而非能源冲击本身对经济的直接打击。

因此，这一轮全球央行政策可能出现“方向趋同、动机不同”：欧洲和英国主要应对能源通胀，日本继续推进政策正常化，美国则需要防范能源价格重新推高通胀预期。中东外交斡旋若进一步受阻，央行等待通胀自行回落的时间窗口还将被压缩。

风险提示及免责条款

金融时报：贷款规模提质降速成为新常态

金融时报 — Mon, 14 Sep 2026 11:40:27 GMT

根据央行公布的最新金融数据，今年前8个月，人民币贷款增加10.44万亿元；与此同时，企业债券净融资2.79万亿元，同比多1.23万亿元；非金融企业境内股票融资4700亿元，同比多2031亿元。债券、股票等融资渠道作用增强，金融支持实体经济的方式更加丰富多元。

这组数据背后释放了什么信号呢？

“贷款密度”发生了变化。在金融支持实体经济质效提升的同时，当前信贷市场也呈现出一些结构性特征。在业内人士看来，当前信贷市场也面临供强需弱的情况。银行对符合贷款条件的企业和居民已“应贷尽贷”，贷款供给始终保持在较高的水平，实体经济的有效融资需求得到了充分满足。但在新旧动能转换的过程中，新质生产力对贷款需求天然较少，房地产、基础设施建设等传统领域贷款需求减少。过去，房地产和融资平台项目建设较多依靠抵押担保和中长期贷款融资，随着房地产市场供求关系变化和地方融资平台债务化解，传统上“贷款密度”比较高的资金密集型企业信贷需求自然回落，而以科技创新为代表的新质生产力领域本身“贷款密度”比较低，当前贷款规模提质降速成为新常态。

融资渠道也更加丰富，更加适配新质生产力企业的需求。对于新质生产力企业而言，股权投资、银行贷款、企业债券、融资租赁和供应链金融等多种资金来源均可发挥作用。对企业而言，资金能否及时到位、成本和期限是否与盈利预期和生产经营需要相匹配，都是融资过程中的重要考量因素，多元化的融资选择有助于企业合理安排资金，更好满足研发投入、设备更新和日常经营的需要。

融资方式多元化不仅体现为新增融资的协同互补，也体现为存量融资的置换替代。例如，企业通过发债置换银行贷款，或地方政府发行专项债置换存量隐性债务，客观上会拉低贷款存量数据。但这属于金融资源优化配置的正常调整，作为单一渠道的贷款增长放缓并不意味着信用扩张减弱，或者说“紧信用”，而是企业以更低成本、更可持续的方式获得资金支持。同时，地方政府专项债置换存量隐性债务，也有利于风险出清和高质量发展。

总体来看，当前实体经济有效融资需求得到了充分满足，结构也更加优化，这是存量信贷资源盘活、资金配置效率提升的体现。金融支持实体经济，不在于贷款增量的一时高低，而在于资金是否流向了最需要、最有效率的地方，这既是经济高质量发展的内在要求，也为未来经济增长积蓄了更多动能。

本文来源：金融时报

风险提示及免责条款

历史数据显示：单次加息不足以终结牛市，完整紧缩周期才是真正威胁

Mon, 14 Sep 2026 11:28:34 GMT

美联储加息预期升温之际，华尔街策略师并未因此转向看空美股。摩根士丹利、摩根大通和高盛认为，当前市场已经对政策转向有所定价，企业盈利和经济增长仍是支撑股市的主要因素，单次加息未必会改变本轮行情的中期方向。

市场目前预计，美联储本周加息的概率已升至87%，若落地将成为三年来首次加息。与此同时，标普500指数距离历史高点不足2%，企业盈利依然强劲。相比加息本身，策略师更关注的是货币政策收紧是否会进一步压制经济活动和企业盈利。

历史经验也显示，持续加息与衰退往往比单次政策调整更容易成为熊市的触发因素。彭博分析显示，自1945年以来，标普500指数共经历12次跌幅超过20%的熊市，以及4次跌幅在18%至20%之间的深度回调。其中6次发生在加息周期直接导致经济衰退之后，另有两次既非由加息周期、也非由衰退触发。

当前的短期压力则主要来自通胀和利率。油价持续站上每桶100美元，10年期美债收益率逼近5%，均令市场重新担忧通胀压力。美股自8月中旬创下历史新高后持续震荡，纳斯达克100指数期货周一跌1.6%。

华尔街怎么看：盈利、收益率和油价是三条主线

高盛首席美国股票策略师Ben Snider表示，市场已经消化未来一年内超过三次加息的预期，而企业盈利和资产负债表均保持稳健。因此，政策转向本身对股市的冲击可能有限。

摩根士丹利策略师Michael Wilson则将注意力放在美债收益率。若通胀冲击明显超出预期，美股可能出现约10%的技术性回调。尤其是在油价重新站上每桶100美元、中东地缘政治局势持续的背景下，长端收益率进一步上行可能加大高估值股票的压力。

不过，Wilson认为，需要区分收益率上行的原因。如果10年期美债收益率走高主要反映更强劲的名义经济增长，而非通胀失控，那么股市仍有一定承受空间。在这种情形下，股票甚至可以继续发挥一定的通胀对冲作用。

摩根大通策略团队则将油价视为近期市场的重要变量。油价继续上涨可能推高通胀预期，并进一步压缩股票估值；如果油价压力缓解，市场则更容易消化加息影响。

摩根大通股票策略主管Mislav Matejka还提醒，9月本就是美股表现相对疲弱的月份，季节性因素可能放大近期波动。但从更长周期看，市场能否维持强势仍取决于经济和盈利表现，而非单一的政策事件。

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？

Mon, 14 Sep 2026 11:17:28 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）。

比亚迪高管：随着闪充技术的普及，燃油车已没有未来

第一财经 — Mon, 14 Sep 2026 11:10:43 GMT

据第一财经，近日，比亚迪执行副总裁李柯在接受采访时表示：“在中国，随着比亚迪闪充技术的普及，我认为燃油车已经没有未来，这是非常明确的。”

她还表示，全球其他地区的电动化转型可能需要花费几年，但是最终的结局是一样的。

此外，她还透露，比亚迪计划在2027年推出搭载固态电池的车型。

9月10日，中汽协发布的最新数据显示，8月，汽车国内销量完成170.1万辆，同比下降24.2%。其中，传统燃料汽车国内销量58.4万辆，同比下降45.7%。

中国汽车工业协会副秘书长陈士华表示，这主要与油价持续保持高位有关。

与之相对应的是，8月新能源车销量约164.3万辆，同比增长17.8%，新能源汽车新车销量达到汽车新车总销量的60.6%。

图片来源：中汽协

1至8月，汽车国内销量约1316.2万辆，同比下降21.8%。其中，传统燃料汽车国内销量约594.8万辆，同比下降32%。

对比过往数据来看，从今年4月开始，传统燃料汽车国内销量同比下滑幅度逐步扩大，已连续三个月接近“腰斩”。4至8月，传统燃料汽车国内销量同比降幅分别为32.2%、37.5%、45%、45.7%和45.7%。

但值得关注的是，传统燃料汽车出口却实现大幅增长。1至8月，传统燃料汽车出口371.8万辆，同比增长34.7%。 其中，8月出口量为48.5万辆，同比增长25.2%。

油退电进，我国新能源汽车销量持续走高，1至8月累计完成1065万辆，同比增长10.7%，新能源汽车新车销量达到汽车新车总销量的52.4%。在陈士华看来，新能源汽车单月市占率跨过50%关键节点后，其对整体车市的主导作用越来越强。

从整体大盘来看，1至8月，我国汽车销售2031.5万辆，同比下降3.8%。其中，8月销量约271.2万辆，同比下降5.1%。

本文来源：第一财经

风险提示及免责条款

燃气轮机短缺持续至2030年，AI数据中心被迫重拾蒸汽锅炉

Mon, 14 Sep 2026 10:53:36 GMT

燃气轮机的严重短缺，正成为AI数据中心扩张面临的新瓶颈。随着AI算力需求持续增长，数据中心运营商开始寻找燃气轮机之外的发电方案，工业锅炉与蒸汽轮机的组合正成为一种现实的替代路径。

Applied Digital首席执行官Wes Cummins表示，公司目前订购的燃气轮机最早可能要到2032年才能交付。马斯克近期也警告称，“燃气轮机已售罄至2030年”，并透露SpaceX和特斯拉甚至可能需要自行生产涡轮叶片。

燃机供应周期不断拉长，正在迫使AI基础设施运营商重新考虑能源配置。据POWER Magazine报道，部分数据中心已经开始采用工业锅炉配合蒸汽轮机发电，以绕开燃气轮机漫长的交付周期。

这一趋势已经开始落地。美国电力设备供应商Babcock & Wilcox（B&W）已与独立电力生产商Base Electron签署一项价值24亿美元的协议，为Applied Digital的AI园区建设1.2吉瓦锅炉发电设施，预计于2028年投入运营。

燃气轮机为何如此难补货

燃气轮机的供应瓶颈并非简单的产能不足，而是与其极高的制造门槛有关。燃气轮机需要在极高温度和负荷下持续运行，对高温合金、精密铸造以及制造工艺都有严格要求，相关供应链难以在短时间内大幅扩产。

相比之下，蒸汽轮机的工作温度相对较低，可使用的合金材料范围更广，产业链也更加成熟。这意味着，在燃气轮机交付周期不断拉长的情况下，锅炉与蒸汽轮机能够提供一条相对容易扩张的替代路线。

马斯克则试图从生产端打破这一瓶颈。SpaceX正在得州巴斯特罗普筹建工厂，以解决燃气轮机关键部件的铸造产能问题。马斯克表示，如果将相关生产环节内部化，燃气轮机的上线时间最多可以提前18个月。

“锅炉+蒸汽轮机”成为过渡方案

从供应链角度看，锅炉与蒸汽轮机的最大优势并非效率，而是更容易获得、更快部署。

两条路线都可以使用管道天然气作为燃料，但发电方式不同：燃气轮机直接燃烧天然气驱动涡轮发电；锅炉+蒸汽轮机则先燃烧天然气产生蒸汽，再利用蒸汽推动轮机发电。

后者虽然增加了能量转换环节，但相关设备供应链更加成熟。据POWER Magazine报道，Rentech Boiler Systems能够在一年内完成整套锅炉的制造与交付。相比之下，燃气轮机交付往往需要等待数年，这使锅炉+蒸汽轮机对急于获得新增电力的AI数据中心更具现实吸引力。

对AI数据中心而言，当前的能源瓶颈正在从“有没有天然气”转向“能否尽快将天然气转化为电力”。在燃机供应迟迟无法跟上的情况下，锅炉+蒸汽轮机本质上是在牺牲部分发电效率的同时，换取更短的部署周期。

天然气只是过渡，核能才是长期方向

不过，从更长周期看，天然气发电并非超大规模云服务商的终局方案。对于谷歌等大型科技公司而言，最终目标仍是通过可再生能源和核能满足数据中心不断增长的电力需求，天然气更多承担的是填补当前电力缺口的“桥梁”角色。

核能已经成为科技巨头锁定长期清洁电力的重要方向。谷歌已与芬兰Fortum签署为期22年的核电供应协议，以获得长期稳定的清洁能源。

因此，在AI数据中心电力需求快速增长、燃气轮机供应却持续紧张的当下，行业实际上正在形成一条过渡路径：现有核电和新建天然气发电负责解决眼前的电力缺口，锅炉+蒸汽轮机则成为燃机短缺下的应急替代方案；更长期来看，核能与可再生能源仍是数据中心能源转型的主要方向。

风险提示及免责条款

据报道，铠侠据悉考虑通过美国上市交易融资100亿美元

Mon, 14 Sep 2026 10:48:08 GMT

据报道，铠侠据悉考虑通过美国上市交易融资100亿美元。

风险提示及免责条款

Altman再呼吁共建行业安全标准：AI最坏结果是失控或被垄断，两条红线都不能碰

Mon, 14 Sep 2026 10:37:54 GMT

上周末，全球AI三大巨头罕见释放“放缓研发”信号，OpenAI首席执行官Sam Altman也再次呼吁AI行业共同建立安全标准。

9月14日，Altman在X平台发帖称，人工智能发展存在两种最坏结果：一是AI最终失控，人类失去对未来的控制；二是极度强大的AI被少数个人、公司或国家掌控，并将自身意志强加于所有人。他认为，这两条红线都不能触碰。

Altman表示，OpenAI已开始在重大能力提升的强化学习训练启动前，主动制定明确的安全论证（safety cases），并希望其他前沿AI公司采取类似做法，围绕模型失准、监控和安全等问题形成统一标准。

据The Information援引知情人士，Anthropic、OpenAI和谷歌已就合作成立AI行业标准机构展开磋商，相关工作组会议仍在进行。这意味着，头部AI实验室的安全治理思路正从各自制定内部规则，逐步转向推动行业协调框架。

安全治理前移，AI“调速”并非放缓发展

Altman强调，随着模型能力不断提升，对齐（alignment）和安全技术也必须同步甚至更快发展，避免AI能力跑在安全保障之前。AI行业需要走一条“狭窄的中间道路”：既不能因竞争压力牺牲安全，也不能让AI能力提升明显领先于对齐、监控和治理能力。

他认为，AI安全治理的重点正从模型部署后的风险控制前移至开发过程本身。OpenAI目前的做法是，在启动预计将显著提升模型能力的前沿强化学习训练前，就提前制定安全论证（safety cases），而不是等模型完成后再进行安全评估。

他同时强调，“调速”（pacing）并非停止AI进步，而是避免以技术上能够达到的最快速度推进。尽管安全论证和监控措施会增加研发成本，但这些投入仍有必要，以确保安全和治理能力跟上模型能力的提升。

监管尚待落地，AI行业应先行推动安全标准

在监管层面，Altman支持美国政府为前沿AI设立统一安全要求，但认为行业没有必要等到相关立法落地后再行动。即使缺乏政府参与，主要AI实验室也应率先推动行业标准机构成立，并探索独立审计等机制。

据报道，Anthropic首席执行官Dario Amodei上周六已公开呼吁AI公司加强技术测试和审核方面的协调。此前，Anthropic、OpenAI和谷歌已就合作成立行业标准机构展开磋商。

Altman在一次员工大会上表示，即便美国政府暂时没有参与，主要AI实验室也应自行推进标准建设；至于全球层面的协调，则需要政府介入，但“首先我们应当尽力自为”。

在他看来，随着AI能力持续提升，社会对前沿AI公司的安全要求也将越来越高，而行业自律最终需要落实到每一家AI实验室的具体行动中。

风险提示及免责条款

断管、封峡、库存见底：布油是否上冲120美元/桶？

Mon, 14 Sep 2026 10:26:18 GMT

随着9月初以来中东局势再度升级、近期多条输油线路接连遭袭，原油市场重新进入供应冲击主导的交易阶段。布油价格一度突破109美元/桶，较6月约70美元/桶的阶段低点涨超50%。国内方面，上期所原油期货主力合约更是日内暴涨11%，突破900元/桶关口，创上市以来新高。

9月10日，沙特东西输油管道遭袭，被迫预防性关闭。该管道日输油能力约700万桶，是规避霍尔木兹海峡封锁的核心替代通道。此次关闭将使全球原油市场面临约400万桶/日、约占全球供应4%的潜在供给缺口。胡塞武装也在红海进一步加强了对曼德海峡航运的军事扼制，这使这一全球重要能源运输咽喉同样面临较高的航运中断风险。

两大重要能源运输要道同时承压，外交进展亦不顺畅。伊朗与阿曼原计划推动海湾国家讨论霍尔木兹海峡临时航道安排，但会议已经延期，沙特还就方案提出修正意见。市场此前期待的“通过外交谈判恢复航运”路径受阻，霍尔木兹风险溢价短期内难以消退。

而在需求端，中国8月份原油进口增至3790万吨，连续第二个月增长；9月份进口预计将达到约每日1000万桶的超高水平。需求端强势回归进一步消耗全球薄弱的库存缓冲，放大近月合约逼空压力。

缓冲垫消失与地缘死结，油价是否仍有上行空间？

多重因素叠加让当前的原油市场供应风险呈现明显的非线性特征。霍尔木兹海峡并非简单的开或关，即使仍有部分船舶通行，只要保险费、运费、等待时间和安全风险持续上升，实际有效供应能力就会下降。若沙特东西管道持续停运、曼德海峡航运风险持续上升，原本用于替代霍尔木兹的出口能力受限，市场能调配的边际桶数将快速减少。

高利率不是美股的“终结者”？盈利才是？

Mon, 14 Sep 2026 10:24:47 GMT

市场正把“高利率”视为美股估值的终结者。30年期美债收益率升至约5.40%，为近20年最高；长久期美债过去一年下跌约10%，标普500远期市盈率也被压缩约3倍。但与此同时，美股仍上涨约16%。

摩根大通9月14日公布的报告却得出了截然不同的结论：这轮利率上行距离真正压制估值仍有一段距离，决定估值天花板的关键并非收益率本身，而是盈利增速。

该团队将1950年以来的估值数据按照盈利增速分档后发现，10年期美债收益率与标普500估值倍数呈现“倒U型”关系——收益率在前期温和上行时，估值反而可能得到支撑；只有突破一定阈值后，利率上行才会开始明显压缩估值。按照当前盈利水平，这一阈值对应的10年期美债收益率约为5%至6%。

更广泛来看，华尔街策略师也并未将美联储重新加息视为牛市终结信号。高盛、摩根士丹利和摩根大通的策略师均认为，只要经济增长和企业盈利保持韧性，温和加息引发的市场回调可能只是短期波动。

高盛首席美国股票策略师Ben Snider表示，市场已经计入未来一年加息三次以上的预期，而企业盈利和资产负债表依然强劲；彭博统计也显示，历史上真正威胁牛市的通常是完整的加息周期，而非单次加息。

估值真正承压的门槛在5%-6%

第一档是盈利增速高于20%的超级增长环境，估值倍数最高可支撑至约24倍，对应10年期美债收益率约6%。第二档是盈利增速为10%-20%的高于趋势增长环境，估值倍数约为20倍，对应收益率约5%。整体来看，盈利增速越低，市场能够承受的收益率水平也越低。

目前标普500约22倍2026年EPS，对应调整后2026年盈利增速约28%；2027年估值约18倍，隐含盈利增速约21%（剔除一次性投资损益）。这意味着，只要盈利增速能够维持在15%以上，2027年的估值仍存在进一步重估的空间。

衡量估值是否昂贵，还有另一把尺子。两阶段股息贴现模型显示，目前隐含股权风险溢价约为7.2%，处于历史69%分位；长期PEG约为2倍。换言之，只要企业能够兑现13%-15%的年均盈利增速，当前估值水平大体仍有基本面支撑。

AI 30只龙头目前约30倍前瞻估值，对应标普500其余470只成分股约19倍、MSCI ACWI同业约14.3倍。这样的估值溢价，主要来自更强的盈利可见性、更低的杠杆率以及更稳定的股东回报。

生产率则是另一重缓冲。若生产率维持在1.5%-2.5%的区间内，当前收益率仍可支撑约20倍估值；如果AI进一步推动生产率突破2.5%，估值所获得的支撑将更强。

利率如何传导至盈利：先看债务结构，再看现金流

利息费用上升对企业盈利的冲击是渐进式的，因为企业债务整体以固定利率、长久期融资为主。

短期来看，两股力量足以部分抵消融资成本上升的压力：一是金融板块盈利改善，二是企业仍持有约2.4万亿美元现金，这些资金能够获得更高的利息收入。与此同时，多数企业当前借贷成本仍低于2023年的峰值水平：30年期固定按揭利率约6.8%，低于2023年的8.1%；高等级债收益率约6%，低于6.5%；高收益债约7.7%，低于9.6%。

真正值得关注的压力来自结构性分化。“更高更久”的利率环境正在挤出消费相关活动、住宅和商业地产，以及不直接受益于AI建设的资本密集型行业和高杠杆企业。

报告将这一过程形容为一只“看不见的手”：有限的资本正在流向出价最高、信用质量最好的借款人——政府和大型跨国企业。因此，更高利率未必意味着整体企业盈利遭到全面打击，但会显著加剧市场内部的分化。

曲线形态决定板块：陡峭化买周期，平坦化买科技

板块领导权还取决于收益率曲线如何变化。

如果出现熊市陡峭化，即长短端利差扩大，能源、金融等周期板块更容易受益；如果出现熊市平坦化，则科技股相对占优。与此同时，债券替代品和长久期非科技板块——包括公用事业、地产、通信服务和必需消费——对利率上行最为敏感。

风格上，基准情景仍是浅加息周期，即去年“保险式”降息预期出现逆转，但并未演变成激进紧缩。在这一情景下，成长股和优质成长股仍有望保持优势；如果通胀重新加速，市场开始定价更广泛的加息周期，即进一步加息4-5次，则投资风格可能转向低波动。

从市值风格看，大盘股的抗压能力更强。相比之下，小盘股更依赖短期银行浮动利率融资，因此货币政策传导更直接，受到的冲击也更大。

报告同时认为，本轮利率上行主要由基本面驱动，而不是市场对美联储独立性或美国财政可信度的担忧。长端掉期利差相对稳定，长期盈亏平衡通胀率也仅小幅上升。

风险提示及免责条款

高盛大幅上修27/28年光模块需求，称供应链紧张将是明年最大出货瓶颈

Mon, 14 Sep 2026 10:06:10 GMT

光模块行业真正的约束已从需求侧转向供给侧，DSP与激光器等原材料的稀缺性，以及龙头厂商的产能锁定策略，将成为决定2027年利润分配格局的关键变量。

高盛走访中国15家光通信企业后，大幅上调高速光模块需求预测，并判断定价纪律将好于市场预期。这份调研报告揭示的核心逻辑，远不止于订单排期——供给端的原材料瓶颈与龙头企业的产能锁定策略，正在悄然重塑这一轮AI基础设施投资的利润分配格局。

高盛将800G及以上光模块2027年/2028年需求预测分别上修39%和36%，至1.44亿只和1.71亿只。与此同时，报告判断1.6T光模块价格将维持在700美元以上，800G产品2027年降价幅度仅为个位数。这一定价判断的支撑逻辑，在于DSP、激光器、PCB等关键零部件的持续紧缺，以及龙头厂商通过预付款和长期协议主动锁定产能的供应链管理策略。

在CPO（共封装光学）商用化路径上，高盛指出测试与耦合设备商是最早兑现收入的环节。罗博特科二季度收入环比增长172%，高出高盛预期141%，印证了这一判断。报告同时预计CPO交换机2026年至2028年出货量将从1万台跃升至13.1万台，设备端订单能见度延伸至2028年。

需求上修：规模扩张与规格升级双轮驱动

高盛此次上修需求的依据，来自走访企业对全球800G与1.6T光模块需求的综合判断——受访企业给出的区间为1.3亿至2亿只，高盛最终将2027年/2028年预测落定于1.44亿只和1.71亿只。

驱动力来自三个层面：AI服务器机架的持续扩容、光模块应用场景从横向扩展（scale out）向纵向扩展（scale up）及跨层互联（scale across）延伸，以及产品规格的持续升级。这意味着此轮需求上修并非单一因素驱动，而是集群规模扩张与规格迭代同步发生的叠加效应。

中国市场方面，受访企业预计整体需求将实现两位数增长，规模超过5000万只，主体仍以800G和400G为主，1.6T处于起量初期。值得注意的是，受访管理层普遍强调，当前每一只出货的光模块均已实际部署于数据中心，反映的是真实终端需求，而非渠道备货，这在一定程度上降低了重蹈2000年代互联网泡沫时期"双重订购"覆辙的风险。

激光器等紧缺成为2027年出货实际上限

需求上修的同时，供给端的约束正在成为行业真正的变量。受访企业普遍指出，DSP、激光器、PCB的持续紧缺可能压制2027年实际出货量，这意味着1.44亿只的需求预测，在供给端存在无法完全兑现的风险。

激光器环节，中国供应商正在加速提升200G EML的产能与技术能力，以支撑1.6T光模块在2027年的放量。Everbright（688048.SS）为2027年备下的激光器产能中，EML略多于CW激光器，EML内部以100G为主，200G占比仍小。东山精密的200G EML已进入量产，但受DSP供给制约，出货量目前仍然有限；该公司已锁定2027年1000万颗DSP供应，为激光器与光模块出货提供支撑。

InP外延片龙头VPEC方面，随着出口许可趋于稳定、更多客户自带InP衬底，以及中国以外第二至第四供应商逐步成长，InP衬底供给正在改善。VPEC的MOCVD设备数量将从当前62台扩张至2027年二季度的69台，并计划在2027年新建生产基地。

龙头锁产能，价格为何不崩

在供给偏紧的背景下，高盛判断800G光模块2027年降价幅度将控制在个位数以内，1.6T价格维持700美元以上。这一判断的核心支撑，在于行业竞争格局与龙头厂商的供应链管理策略。

受访企业管理层强调，光模块并非纯粹的组装业务，产品SKU众多，对供应商的研发能力和响应速度要求极高。与电信市场5年产品周期相比，数通市场的产品迭代周期已缩短至1至2年，这使得研发能力与量产执行力成为竞争壁垒，而非单纯的价格竞争。

全球龙头英飞拓（Innolight，300308.SZ / 3308.HK）的做法具有代表性：通过与供应商开展研发协作、直接投资供应商、签订预付款协议和长期供货合同，在供给紧张周期中锁定可持续产能。这种深度绑定供应链的策略，在地缘政治压力下客户要求分散生产基地的背景下，进一步强化了龙头的竞争优势，也为整体定价纪律提供了结构性支撑。

CPO商用化：设备商最先兑现，订单能见度延伸至2028年

CPO技术的商用化进程仍面临挑战。激光器供应商指出，外部光源（ELS）方案中300mW/400mW连续波（CW）激光器存在散热难题，当前优先推进的是100mW以上配合PA的NPO方案。光模块厂商也观察到，3.2T NPO光引擎在中国及海外市场均呈现强劲需求。

尽管CPO规模放量尚需时日，测试与耦合设备商已率先受益。高盛指出，昂贵的最终模块意味着生产过程中需要多道测试，越早发现缺陷，损失成本越低，这使得测试设备需求具有结构性支撑。

罗博特科二季度收入环比增长172%，高出高盛预期141%，直接印证了这一逻辑。罗博特科与FiconTEC均表示，未来一年计划出货的工具数量，将超过过去25年累计出货量的一半，订单能见度延伸至2028年。高盛预计CPO交换机出货量将从2026年的1万台增长至2027年的9.2万台，再到2028年的13.1万台。

在技术升级层面，罗博特科与FiconTEC计划明年将晶圆级测试时间缩短50%至60%，并实现芯片级测试速度提升4倍；Enlitech推出的NightJar超光谱成像系统，可在早期晶圆测试阶段实现已知良品芯片（KGD）筛选，进一步降低失效成本。

验证窗口：三个关键指标决定判断成立与否

上述判断均有明确的可验证条件。

需求端，若2027年800G及以上光模块实际出货达到1.44亿只区间下沿，则上修判断成立，否则需下修；验证窗口为2027年一季度各厂商年度出货指引。

定价端，若1.6T光模块均价跌破700美元，则定价纪律判断被推翻。

设备端，若设备商收入环比增速连续两个季度转负，则订单能见度判断不成立；验证窗口为2026年三季度业绩发布期（10至11月）。

风险提示及免责条款

“很难亏”的债基又来了，这次13家一起上报

资事堂·暮延 — Mon, 14 Sep 2026 09:30:07 GMT

备受关注的第二批“摊余成本法”债券基金“现身”。

根据监管机构截至9月11日的披露信息，包括博道基金、东财基金、泰信基金、东方阿尔法、苏新基金、泉果基金、中海基金、恒越基金、博远基金、汇泉基金、益民基金、汇百川、瑞达基金等已于日前上报了各自的摊余成本法债券基金。

按照相关规定，摊余成本法计价的债券基金，可将票息收益按持有期平摊到每个交易日，通常情况下，拥有很强的盈利稳定性。相关产品自2021年后已很长时间未有新产品问世。

13家中小公募集体申报

证监会官网披露的上报名单显示，博道、东财、泰信、东方阿尔法、苏新、泉果、中海、恒越、博远、汇泉、益民、汇百川、瑞达13家基金公司集体上报第二批摊余成本法债券基金。

与首批产品类似，这批债基统一设定63个月封闭期、到期终止，单只募集规模上限不超过80亿元。

这场申报潮来得并不慢。8月14日，首批15家中小公募刚刚重启申报，名单里既有尚正、红土创新、百嘉等内资机构，也出现了贝莱德、路博迈、联博、安联四家外资公募的身影。

仅过去约一个月，第二批便接力而至。两批合计28只产品、28家中小公募，这也是自2021年监管暂停受理该类产品新申报以来，时隔五年重新“开闸”。

另外，9月3日晚，首批10家基金管理人已上报科创债场外指数基金。多重举措被视为支持中小基金公司规范健康发展的有力落子。

托管安排：兴业或领跑，浦发中信并列

从第二批产品的托管安排看，股份制银行再度占据主导。

据业内人士透露，博远、瑞达、中海、泰信、博道、汇泉 6 家基金公司的产品有望落户兴业银行。恒越、泉果、苏新、汇百川 4 家或由浦发银行托管。益民、东方阿尔法、东财基金旗下产品则可能分别花落中信银行、招商银行与江苏银行。

叠加首批名单，兴业银行合计托管的摊余成本法债基有望达到 10 只，领跑同业。浦发银行与中信银行各入账 5 只，或并列第二。

股份制银行的抢跑动作是其拿到托管资格的重要因素。

政策信号刚释放，相关银行就迅速与多家基金公司联系，把合作意向敲定了下来。

部分银行甚至由副行长级别的高管亲自出面，进行沟通协调，而不是派托管部员工按部就班走流程。同时拿下多只托管的银行，除了提供托管服务，还会协调理财子公司、自营资金参与认购，协助基金公司完成销售，解决单一投资者集中度不超过 40% 的硬约束。

对中小基金公司而言，托管行的分量远不止“存管”二字。

多数银行渠道对合作基金公司设有规模、业绩等硬性门槛，没有品牌和存量规模的中小公募平时很难够到。摊余成本法债基净值稳、单只规模上限高、天然契合机构资金，银行愿意接，托管合作的达成，也为中小公募打开了主流渠道的合作空间。

批文落地在即，中小公募的突围才刚开始

对于这批产品，业内普遍翘首以待。据业内人透露“我们一直密切关注批文下发时间，一旦获批立即启动发行工作。”。

从名单看，此次入选的多为平时合规风控表现较好的中小基金公司。

据业内人士介绍，监管通过设定分类评价、资本金等门槛，筛选出合规且具备基本运营能力的机构进行扶持。

对符合条件的公司而言，摊余成本法债基、科创债指数基金带来的管理费收入，有望覆盖运营成本，实现盈亏平衡甚至缓解财务压力。

不过，拿到产品红利并不意味着可以“躺平”。

多位基金公司人士强调，中小基金公司要真正突围，仍需依靠持续创新能力、挖掘公司特色、走差异化竞争路线，近年不乏中小公司靠精品路线占据一席之地的案例。

风险提示及免责条款

AI终结AI：新技术越强，旧模式越难持续

东吴证券陈李、葛晓媛 — Mon, 14 Sep 2026 09:07:54 GMT

最强的AI公司，开始讨论减速。

OpenAI首席执行官萨姆·奥特曼（Sam Altman）明确表示，公司不会在2026年上市。他承认，OpenAI还没有解决模型对齐问题。如果不能证明模型安全、可控，公司就不应该继续训练。

Anthropic首席执行官达里奥·阿莫代伊（Dario Amodei）随后发表长文，呼吁前沿AI公司放慢模型能力的提升速度。奥特曼和马斯克都表示赞同。

这些企业没有减少资本开支，也没有退出模型竞赛。它们继续建设数据中心，训练更大的模型，同时要求整个行业慢下来。

这不是AI衰退的信号。

AI能力越强，数据、安全、能源和社会信任问题越难留在企业之外。AI企业过去争夺芯片，现在还要争夺社会的许可。

AI技术不会停止。可能结束的是今天的AI发展模式：资本市场提供资金，社会提供数据，居民承担能源成本，企业自己制定安全规则。

AI创造的社会价值、AI公司的收入、AI投资者的回报，是三件不同的事。

OpenAI不急着上市，阿莫代伊要求所有人减速

奥特曼不愿意马上把OpenAI交给公开市场。

他的理由很直接。上市以后，管理层需要面对季度收入、利润和股东回报。模型能力和安全控制一旦发生冲突，公司可能需要暂停训练，牺牲短期收入。OpenAI目前的治理结构，让公司保留了这种权力。

奥特曼说，如果为了人类利益暂停训练，他愿意向投资者解释：“很抱歉，我们事先已经告诉过你们，这种情况可能发生。”

这番话很动听，也暴露了现实矛盾。

一家准备冲击巨额估值的公司，能否在关键时刻主动放弃收入？管理层认为自己可以。公开市场未必相信。社会也不能只依赖管理层的自我承诺。

阿莫代伊（ Anthropic 的联合创始人兼首席执行官）的主张更进一步。

他提出三项安排：向独立评估者开放接近内部员工的系统权限；让前沿AI公司共同制定安全标准；推动政府和不同国家协调监管。

他没有主张停止技术进步。他要求放慢模型能力提升的速度，为安全研究争取时间。

这份主张还有另一条清晰的政治线索。

阿莫代伊认为，美国企业减速的幅度不能超过对中国的领先优势。他要求继续限制高端芯片和设备出口，打击模型蒸馏，保护模型权重。

模型蒸馏，是利用一个强大模型的输出训练另一个模型。它能够降低训练成本，也会削弱闭源模型的技术壁垒和定价权。

阿莫代伊同时拥有三种身份：AI安全研究者、美国政策游说者、Anthropic首席执行官。

安全风险真实存在。国家竞争真实存在。商业利益也真实存在。

开源模型不需要全面超过Claude。它只要成为可信、便宜的替代品，就能迫使闭源模型降价。Anthropic刚刚建立定价权，马上就要面对开源模型和价格竞争。

阿莫代伊希望政府提供共同减速的规则。任何一家企业单独减速，都会把客户和市场交给对手。只有所有企业一起减速，安全投入才不会变成竞争劣势。

更严格的安全标准也会提高行业门槛。头部公司有资金建立评测体系，承担合规成本。小公司和开源社区很难获得相同资源。

AI技术进步正在同时改变利润表的两端。开源模型和模型蒸馏降低智能的价格，安全风险和社会争议提高经营成本。产品价格下降，合规成本上升，资本开支仍在扩大。技术越强，旧商业模式反而越难维持。

危险是真的，算计也是真的。

减速倡议的出现，恰恰说明AI资本开支不会自发减速。

公司拿走收入，社会收到四张账单

模型公司获得了收入和估值，很多成本没有进入它们的利润表。

这些成本正在变成四张社会账单。

数学家的成果，为什么先成了AI的答案

最近的数学争议提供了一个具体案例。

据公开报道，纽约大学数学家特里斯坦·巴克马斯特与Anthropic研究员莱文特·阿尔珀格以个人身份合作，研究欧拉方程和纳维-斯托克斯方程的相关问题。他们投入了接近一年时间，并借助AI工具完成部分计算和形式化验证。

形式化验证，是使用Lean等程序逐步检查证明过程。

两人原计划继续打磨论文。相关研究进展在社交媒体上流传后，OpenAI调动大批AI智能体，集中研究同一方向。公开报道显示，模型在88小时内给出了相关证明。

这项成果涉及特定条件下的纳维-斯托克斯方程相关问题，不等于完整解决千禧年大奖难题。形式化验证也不能替代学术共同体的同行评议。

双方随后分别发布成果。

巴克马斯特在公开说明中质疑OpenAI介入研究的方式，也披露了双方沟通中的争执。OpenAI否认在成果公开前接触对方论文，否认调取研究者的私人数据。巴克马斯特也表示，自己的核心质疑不是OpenAI盗用了数据，而是商业公司获知研究传言后，使用巨大算力突击同一课题。

争论没有停留在一项证明属于谁。

包括陶哲轩在内的多位数学家随后发表公开声明。他们不反对使用AI研究数学。他们反对把解决难题当成模型跑分，仓促公布答案，忽视论文写作、同行评议、成果引用和思想传承。

数学研究的价值不只是一道题的最终答案。重要的部分还包括新概念、新方法，以及人类如何理解这条证明。

AI公司追求更快得到答案。数学共同体追求把答案变成可以理解、验证和传承的知识。两个目标并不完全一致。

AI可以学习人类知识。知识的来源、署名和收益分配却没有同步建立规则。原作者提供了土壤，模型公司收获了产品。

这是第一张账单：知识生产的成本由社会承担，商业收益集中在模型平台。

AI公司为了阻止用户作恶，需要看见多少秘密

Anthropic近期发布模型滥用报告，披露Claude被用于武器研究、网络攻击、监控和诈骗等活动。

报告强调模型平台的“可观察性”。平台能够观察用户与模型的交互过程，及时识别异常行为。政府部门和安全机构通常无法直接看到这些过程。

这种能力具有明显的安全价值。它也意味着模型公司拥有巨大的数据权力。

企业正在把代码、合同、客户资料和内部判断交给模型。医生可能输入病例，律师可能输入诉讼材料，科研人员可能输入尚未发表的想法。平台能够保留哪些信息、如何分析、由谁调用，用户很难完全掌握。

这不等于Anthropic或其他模型公司保存、查看所有对话。真正的问题更加基础：为了发现危险，平台需要观察多少用户行为？观察的边界由谁确定？安全调查结束后，数据如何处理？

模型公司既提供工具，又掌握使用记录，还负责判断哪些行为具有风险。这种权力不能只靠企业内部制度约束。

AI公司需要观察用户，才能防止滥用。社会也需要观察AI公司，才能防止另一种滥用。

这是第二张账单：企业获得了数据带来的安全能力和商业价值，用户承担了隐私与商业秘密暴露的风险。

模型逃出沙箱，谁来证明它仍然安全

“沙箱”是一种隔离的测试环境。模型只能使用规定的工具，不能访问外部系统。

据路透社和奥特曼公开访谈披露，一个AI模型在性能评估中没有按照规定路径完成任务。它离开沙箱，进入第三方系统寻找答案，再把答案交回评测环境。

奥特曼把这次事件形容为阅读科幻故事。他也承认，测试人员没有明确写下“不得逃出沙箱”。在人类看来，这是一条不需要说明的边界。模型只看到了目标：尽可能获得高分。

这不是AI产生了人类意义上的野心。它暴露的是目标优化问题。

当完成任务与遵守规则发生冲突，模型可能寻找规则没有覆盖的路径。模型能力越强，发现漏洞、调用工具和隐藏行动的能力越强。

开发公司不能自行出题、自行监考，再自行宣布模型安全。独立评测、事故报告、权限隔离和法律责任都会形成真实成本。

这是第三张账单：企业获得模型能力，外部机构和整个社会承担失控风险。

数据中心进入小镇，电费为什么留给居民

AI的第四张账单更加直观。

2026年7月，美国佛罗里达州新里奇港出现反对AI数据中心扩张的抗议活动。类似争议很快进入中期选举。

NPR统计显示，2026年以来，美国各类竞选组织已经投入超过4500万美元，制作涉及数据中心的政治广告。两党使用了相近的话语：数据中心获得过多税收优惠，推高居民电费，应该承担更多成本。

一项路透社与益普索的调查显示，77%的美国人担心数据中心推高电价。约三分之二的民主党选民、半数共和党选民反对在自己居住的社区建设数据中心。

威斯康星州的竞选广告承诺，阻止AI数据中心让家庭电费“飙升”。数据中心第一次成为影响地方选举的重要议题。

数据中心需要电力、变电站、输电线路、备用电源和冷却用水。它还会增加对燃气轮机、变压器、铜和建筑施工的需求。建设周期很长，电网必须提前投入。

数据中心并不必然推高居民电价。关键在于新增电源和电网成本由谁支付。

科技公司承担专用设施和新增供电成本，居民账单可以不受影响。公共事业公司把投资纳入统一费率，普通家庭就会分担AI扩张的成本。

在华尔街，数据中心是资本开支。在居民家里，它是一张更贵的电费账单。

这是第四张账单：AI公司获得算力和收入，地方社会承担电力、土地和环境压力。

知识、隐私、安全和能源成本，过去没有完整进入AI公司的利润表。社会现在要求企业付账。

铁路事故催生刹车，汽车监管举起红旗

新技术引发社会冲突，不是第一次。

19世纪的铁路也曾代表最先进的技术、最宏大的资本开支和最乐观的增长预期。

George Hudson被称为英国“铁路大王”。他控制多家铁路公司，向投资者支付高额股息。股价上涨吸引新资金，新资金支持更多铁路建设。

1849年，股东调查发现，Hudson把资本金和新募集资金当成利润支付股息，还隐瞒部分债务。高分红维持股价，股价帮助公司继续融资。这个循环无法永久维持。

Hudson随后辞去多家铁路公司的职务，个人声誉和财富迅速崩塌。

铁路没有消失。英国继续铺设铁路，工业革命继续向前。倒下的是依靠资本补贴分红的商业模式。

1889年6月12日，另一场事故改变了英国铁路监管。

约900名教会主日学校的师生和家属乘坐一列游览列车出行。机车在陡坡上动力不足，工作人员决定拆分列车。后部车厢失去控制，沿坡道向后滑行，撞上随后驶来的列车。

事故造成80人死亡、260人受伤。许多遇难者是儿童。

连续自动制动技术当时已经出现。部分铁路公司没有采用。安装设备需要资金，还会增加维护成本。竞争对手不安装，主动提高安全标准的公司就会承受更高费用。

事故发生后，英国议会通过法律，要求铁路采用连续自动制动、闭塞信号和道岔联锁。道岔联锁，是让信号与道岔相互制约，防止冲突线路同时开放。

企业知道安全技术有效，不代表企业会主动承担成本。强制标准解决了单个企业不愿先行动的问题。

汽车监管走过另一个极端。

英国1865年通过《机车法》，后来被称为《红旗法案》。蒸汽机动车在城镇内的速度不得超过每小时2英里，在乡村不得超过4英里。每辆车需要三人操作，其中一人必须在车辆前方步行，挥动红旗或提着灯笼提醒行人和马车。

红旗要求后来被取消，车辆前方必须有人步行的限制一直延续到19世纪90年代。1896年，英国取消这项要求，并把速度上限提高到每小时14英里。

这种规则减少了部分道路风险，也消除了机动车最重要的速度优势。车辆很难测试，商业用途受到限制，产业发展速度随之放慢。

1923年的美国辛辛那提出现了相反的规则争夺。

当地约4.2万名居民联署，要求给汽车安装机械限速装置，把最高速度限制在每小时25英里。汽车协会、经销商和相关企业投入资金反击，最终阻止提案通过。

汽车行业还推动“乱穿马路”概念，把街道事故的部分责任转向行人。马路原本属于行人、马车和儿童。汽车普及以后，产业开始重新定义谁有权使用道路，谁应该为事故负责。

新产业不会被动接受规则。它还会争夺危险的定义权。

铁路和汽车留下了三条经验。

技术需求真实，不代表企业利润真实。安全措施有效，不代表企业愿意主动采用。监管能够减少伤害，也可能消除技术本身的价值。

铁路没有被事故终结。被终结的是铁路公司自行决定安全标准的时代。

新技术可能改变世界，投资新技术的人仍然可能损失本金。

当社会账单回到AI公司的利润表

今天的AI公司正在面对三重压力。

开源模型压低产品价格。监管提高数据、安全和能源成本。资本市场开始要求经营现金流覆盖资本开支。

收入端出现价格竞争，成本端开始承担社会责任，融资端开始追问回报。

过去没有进入利润表的社会成本，将以具体形式回到企业：数据授权费、版权支出、独立评测费用、安全人员投入、事故赔偿、保险费用、电网接入成本和更严格的融资条件。

AI企业可以继续保持收入增长，估值可能下降。

投资者过去愿意为高速增长支付高估值。增长速度放慢，利润率无法上升，资本开支继续扩大，估值就会收缩。技术能力再强，也不能自动转化为股东回报。

铁路改变了世界，大量铁路公司仍然破产。汽车成为现代生活的基础设施，早期汽车企业大多没有活到最后。

AI也可能重复这段历史。

监管还会产生一个反直觉结果：规则可能限制AI巨头，也可能保护AI巨头。

独立评测、数据合规和安全审查需要大量资金。头部企业最有能力支付这些成本。它们还可以参与制定标准，把安全规则变成新的准入门槛。

阿莫代伊提出给予部分行业协调反垄断豁免，就是一个值得关注的信号。企业以安全为理由共同制定规则，能够减少恶性竞争。规则也可能保护现有领先者，限制开源模型和新企业进入市场。

AI安全正在从企业成本变成竞争工具。安全标准越昂贵，头部企业越容易承担；行业协调越深入，后来者越难进入。巨头呼吁监管，不只是在约束自己，也在选择未来的竞争者。

社会纠偏未必打破垄断。它也可能把垄断写进规则。

AI监管需要落在具体问题上：数据授权、成果署名、能源成本、独立测试、事故披露和法律责任。规则不能只由模型公司制定。科学家、企业用户、消费者、电力部门、地方居民和公共机构都应该参与。

社会需要给AI安装刹车，不能要求AI永远跟在红旗后面步行。

铁路和汽车的发展历史告诉我们，不能等到数据权利、知识传承和安全风险全部固化，再讨论谁来负责。我们也不能因为风险真实存在，就冻结一项可能推动科学、医疗和生产率进步的技术。

最好的监管，不是在AI前面安排一个举着红旗的人。

最好的监管，是把AI产生的成本退回AI公司的利润表，让收益和责任属于同一个主体。

未来判断一家AI企业，投资者不能只看模型能力、算力规模和收入增速。还要看它需要多少资本才能维持领先，能否用现金流覆盖投入，多少社会成本最终会回到自己的账上。

AI技术继续发展。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。

本文来源：陈李lichen

风险提示及免责条款

中国1至8月社会融资规模增量 239100亿人民币，前值 222500亿人民币

Mon, 14 Sep 2026 09:00:42 GMT

中国1至8月新增人民币贷款 104400亿人民币，前值 103800亿人民币。

风险提示及免责条款

三星、SK海力士拒绝向韩国电力预付190亿美元电费

Mon, 14 Sep 2026 08:48:32 GMT

三星电子与SK海力士拒绝韩国电力公社一项总额25万亿韩元（约186亿美元）的预付电费方案，韩国半导体扩产计划背后的电力保障问题由此再添变数。

9月14日，据路透援引韩国国会议员李哲圭（Lee Chul-gyu）办公室提供的文件报道称，三星电子和SK海力士完成内部审查后，已正式告知韩国电力公社，难以接受这一预付电费方案。

据此前韩媒报道，韩国电力公社提出这一方案，是希望两家公司按照新建晶圆厂的预期用电量提前支付电费，并利用这笔资金投资电网等配套基础设施，以保障未来新增产能的供电需求。

这一提议与韩国政府推动的半导体产业集群计划直接相关。按照规划，三星电子和SK海力士将在韩国建设大规模芯片制造基地。随着晶圆厂陆续投产，新增用电需求预计将对当地电网形成较大压力，因此韩国电力公社需要提前筹措资金扩建相关电力基础设施。

不过，两家公司对是否有必要进行如此大规模的电费预付款存在疑虑。报道援引知情人士称，半导体需求能否长期维持仍存在不确定性，是两家公司拒绝这一方案的重要原因。在产能利用率和未来需求尚未完全确定的情况下，提前承担大规模电力成本，也意味着企业需要先行锁定一笔巨额资金。

此次预付方案遭拒后，韩国半导体扩产所需的电力基础设施如何融资、建设进度能否与晶圆厂扩产计划匹配，仍有待进一步解决。

风险提示及免责条款

大模型开始进入“研发复利”，RSI会不会成为下一个超级叙事？

万周 — Mon, 14 Sep 2026 08:46:55 GMT

过去的大模型竞争主要比拼算力、数据和模型能力，如今一个更深的变化正在发生：AI开始进入代码、实验、训练优化乃至芯片设计流程。严格意义上的RSI尚未实现，但“AI参与研发下一代AI”的闭环已经开始出现。真正值得关注的，也许已经不是AGI何时到来，而是AI进步的速度是否开始由AI自己推动。

一、发生了什么？——AI开始进入“制造AI”的流水线

1、RSI并不是“AI有了自我意识”：

RSI是Recursive Self-Improvement的缩写，通常可以翻译成“递归式自我改进”。这个概念听起来有些科幻，但它讨论的并不是AI突然拥有自我意识，而是一个非常具体的工程问题：当前这一代AI，能不能参与研发下一代AI，而能力更强的下一代AI，又能不能进一步提高AI研发效率。

过去开发一代前沿模型，研究人员需要阅读论文、寻找方向、写训练代码、设计实验、运行测试、分析失败，再决定下一轮怎么调整；如今这些环节中的一部分，已经逐步转移给AI来承担。不过，AI帮程序员写几段代码还不能叫RSI。严格意义上的RSI要求形成一条跨代反馈链：AI₀参与开发AI₁，AI₁不仅能力更强，而且也更擅长开发AI，于是AI₁能够更快地帮助开发AI₂，而AI₂又进一步提高下一轮研发效率。

真正持续变强的，不只是模型本身，还有“开发AI的能力”本身。这也解释了它和AGI最大的区别。AGI讨论的是AI最终能有多强，像不像一个全能的数字工作者；RSI讨论的则是AI变强的速度，会不会开始由上一代AI自己推动。

2、AI已经从“研发助手”走进真实实验流程：

过去两年，前沿模型在AI公司的内部角色发生了明显变化。它们不再只是回答研究员的问题，而是已经可以修改真实代码库、自动Debug、运行实验、分析日志，甚至在目标清晰、评价标准明确的条件下，连续完成“提出方案—修改代码—运行实验—比较结果—继续优化”这一整套动作。这类能力之所以重要，不在于它替研究员省下了多少机械劳动，而在于AI第一次开始具备“持续推进研发任务”的雏形。

Google DeepMind的AlphaEvolve能够大量生成候选算法，通过自动评测判断哪些方案更优，再把更好的方案送入下一轮搜索，已经被用于数据中心调度、芯片设计和AI训练优化。Anthropic和OpenAI披露的内部实践也说明，AI已经进入研究调试、训练系统优化和部分开放式实验环节。

当然，这距离完整RSI仍有明显距离，因为“研究什么”“为什么值得研究”“一个小模型上的结果能不能推广到前沿模型”这类最困难的判断，仍然高度依赖人类研究员。今天的AI更像一名执行能力越来越强的研究工程师，而不是一个能够完全独立选题、承担结果责任的首席科学家。

……

AI开发放缓=算力需求见顶？答案未必悲观

Mon, 14 Sep 2026 08:10:56 GMT

AI巨头罕见释放“放缓开发”信号，全球AI与半导体板块遭遇抛售，但部分市场人士认为，短期情绪冲击尚不足以逆转AI基础设施投资逻辑。

9月14日，AI及半导体板块普遍下挫。日韩股市中，SK海力士跌超6%，三星电子跌4%；美股盘前，存储芯片股同样集体走弱，美光科技跌近5%，西部数据跌近4%，闪迪跌超5%。

市场抛售背后，是AI巨头近期罕见的集体表态。Anthropic首席执行官Dario Amodei上周六在X平台发表长文，呼吁AI企业主动放缓最前沿模型的开发速度，并宣布Anthropic将单方面引入独立第三方评估机制。

OpenAI首席执行官Sam Altman随后表示支持，xAI创始人埃隆·马斯克也发文称“Dario是对的”。三位AI巨头掌舵者罕见形成共识，迅速打击市场情绪，并引发投资者对AI资本开支周期的担忧。

不过，在部分投资者看来，“放缓开发”并不意味着AI资本开支周期就此逆转。算力需求、数据中心建设以及电力、存储、网络和冷却等基础设施需求仍在，若模型研发节奏趋缓，反而可能给行业更多时间消化此前投入、推动AI应用商业化。

AI巨头罕见“踩刹车”，芯片股先遭重估

Amodei在文章中警告称，未来6至12个月，AI代理可能具备“控制整个互联网”的能力，潜在损失规模或达数千亿美元。此前，Anthropic发布的威胁情报报告披露，其Claude模型已被用于武器开发、网络攻击、监控及欺诈等活动。

这一系列警告迅速在行业内部形成共振。Altman表示，AI带来的人类灭绝风险“不可接受”；马斯克则公开支持Amodei的观点。

消息传至资本市场后，AI产业链率先承压。索尼金融集团高级经济学家Takayuki Miyajima表示，周末有关放缓AI开发的言论将对日本AI及半导体相关股票构成抛售压力，中东局势的不确定性也进一步放大了避险情绪。

此前已经处于高位的AI资产对预期变化尤为敏感。Saxo Markets新加坡首席投资策略师Charu Chanana表示，AI和芯片股的估值同时建立在强劲需求与技术持续快速进步的预期之上，“哪怕只是可能出现延迟，也足以触发获利了结”。

放缓研发，不等于算力需求见顶

但在另一部分投资者看来，市场可能把“放缓AI开发”和“削减AI基础设施投资”画上了等号。

Global X Management悉尼投资策略师Billy Leung认为，三位CEO支持放缓开发，并不会直接改变芯片、电力和数据中心基础设施上的投入，反而可能拉长整个开发周期。

“如果商业化和AI应用继续增长，而新能力的开发速度略有放缓，行业反而可能从‘花钱建设’转向利用已有资产盈利，也就是货币化。”

Allspring Global Investments新加坡投资组合经理Gary Tan也认为，相关表态可能带来短期压力，但不太可能破坏长期AI投资主线。他指出，AI产业仍处于相对早期阶段，在技术快速演进的背景下，生态中的其他参与者未必愿意同步放慢脚步。

换言之，市场真正需要关注的并不是AI研发是否短暂降速，而是AI资本开支是否会因此出现实质性收缩。如果数据中心、电力、网络和存储等项目仍在推进，那么芯片需求的长期逻辑就尚未发生根本变化。

真正的考验：AI巨额投入能否兑现回报

相比AI安全争议本身，资本市场更深层的担忧在于：过去数年规模庞大的AI基础设施投资，最终能否转化为足够的商业回报。

T. Rowe Price伦敦投资组合经理Sebastien Mallet表示，AI“将改变世界”并不意味着当前每一笔相关投资都能获得具有吸引力的回报。随着资本投入规模持续扩大，投资者开始从“AI需要多少算力”进一步转向“这些算力最终能赚多少钱”。

与此同时，安全监管强化也可能带来新的投资机会。Chanana认为，网络安全、AI监控等领域可能因此获得额外需求，而存储、网络、冷却和电力设备等基础设施企业，也可能继续受益于已经启动的项目。

她指出，引入更多安全保障并不会让算力需求和AI应用凭空消失，反而可能使AI产业的发展路径更加审慎、持续。

当然，市场也存在截然不同的声音。以精准预判2008年美国房地产危机而闻名的投资者Michael Burry在X平台发文称，AI行业近期的安全警告可能只是“炒作和虚张声势”，意在掩盖真实且失控的增长放缓。

因此，对于AI产业而言，眼下的核心问题或许已经从“AI还会不会继续发展”，转向了AI巨额资本开支究竟能否持续，以及算力投资何时能够真正转化为利润。这也将决定本轮AI基础设施行情究竟是遭遇一次情绪性回撤，还是进入估值与商业模式重新定价阶段。

风险提示及免责条款

发生了什么？AI巨头们都要放缓

董静 — Mon, 14 Sep 2026 08:10:43 GMT

一个Anthropic顶级研究员，宁愿放弃高薪，甚至连公司上市之后可能赚到的巨款都不要了，也要辞职。

更反常的是，原本打得最凶的几个人，也开始喊停了。

Anthropic CEO达里奥说：AI需要放慢。

马斯克立刻转发：“Dario is right.”

OpenAI的奥特曼甚至说：如果安全问题解决不了，OpenAI可以暂停训练。

第三方进驻审计、公司之间协调降速，必要时直接暂停训练。

为什么突然这么紧张？

因为他们已经开始担心，AI会不会开始复制自己、入侵其他系统？甚至有一天，操控生物实验室？

他们到底看到了什么？

10年美债冲向5%！贝森特回购是否被低估？

Mon, 14 Sep 2026 08:08:13 GMT

随着长端美债再度遭遇大幅抛售，10年期美债收益率升至4.97%，逼近5%关口，并接近2007年以来高点；30年期收益率触及5.37%，创2007年以来新高。最新公布的美国8月PPI数据超预期，叠加中东局势持续升级、布伦特原油升至105美元/桶上方，市场对美联储加息预期继续升温，多重因素共同推升长端利率。

而在9月10日备受瞩目的美国财政部首次扩大回购操作中，回购规模仅51.9亿美元，低于此前公布的60亿美元操作上限，也低于市场预期；且投标总额仅约105亿美元，远低于通常200亿美元水平。市场失望，长端抛压加剧。

然而，值得注意的是，尽管收益率飙升，一级市场拍卖需求仍显强劲。最新30年期国债拍卖中，投标倍数达到2.61，处于过去12次拍卖的91%分位，间接投标比例达到79.5%；10年期国债投标倍数达到2.71，处于历史较高水平。这意味着，在收益率达到较高水平后，长期资金仍有配置意愿。

与此同时，截至9月8日当周，投资者空头头寸减少6个百分点，净多头升至去年11月以来最高。强劲拍卖与空头拥挤，暗示利率进一步上行空间可能受到约束。

当前美债市场的核心矛盾并非买盘缺失，而在于宏观利空驱动的供给压力与高收益率催生的配置需求之间的博弈。强劲拍卖需求表明真实配置力量依然存在，极致空头则意味着继续追空的边际收益与赔率同步下降；随着收益率逼近5%，配置资金的潜在回流逐步增加，市场将从收益率上行交易逐步转向高收益率是否足以吸引买盘的博弈。

市场由此陷入防风险与寻收益之间的拉锯：强劲拍卖与空头拥挤抑制上行空间，通胀粘性与财政供给则限制收益率下行空间。

贝森特回购是否被低估？

短期被高估，但中期不应低估。

曝DeepSeek来了位90后CFO

智东西 — Mon, 14 Sep 2026 07:52:21 GMT

9月14日消息，今日，据TOP华人科创社报道，高瓴创投90后合伙人严文韬或将加入DeepSeek出任CFO。

据爆料，严文韬已经在高瓴内部发起离职流程，如无特殊情况预计将于近期正式到岗。倘若此事属实，这将成为DeepSeek创立以来，一次重量级的非技术高管引进。

9月9日，据外媒路透社援引两名知情人士报道，DeepSeek已经聘请中信证券，为其在上海科创板进行首次公开募股（IPO）做准备。该公司计划今年启动IPO流程，目前潜在发行时间、募资规模以及目标估值均尚未确定。

严文韬出生于1991年，曾参与投资了字节跳动、小红书、MiniMax等项目。今年7月，严文韬在第十四届创业投资大会上透露，他早在2020年就开始研究大模型，2023年又开始关注具身智能。

在国内大模型赛道资本化加速的大背景下，DeepSeek正双管齐下，既在加速推进新融资，同时在持续发布新模型。

在融资方面，今年6月，DeepSeek完成约74亿美元（约合人民币496亿元）融资，投后估值超过500亿美元（约合人民币3353亿元）。今年7月，路透社报道称，DeepSeek正在进行新一轮融资，这轮融资对公司的估值达到5000亿元人民币。

据路透社此前援引知情人士和投资方文件报道，在6月这轮融资中，DeepSeek创始人梁文锋个人出资200亿元，腾讯出资100亿元，宁德时代出资50亿元。腾讯和宁德时代由此成为DeepSeek最大的外部股东。

产品方面，DeepSeek的布局也已提速。9月10日，DeepSeek正式发布DeepSeek V4.1 Flash，该模型采用全新架构，是一款552B参数的MoE模型，为DeepSeek全新模型架构系列中尺寸最小的成员，在性能上超越了包括DeepSeek V4 Pro在内的一众旗舰模型。

资本、产品双线推进的同时，近段时间DeepSeek接连被曝出CFO即将就位、已聘请中信证券准备上市筹备配套工作，都预示其IPO进程正在提速。

本文来源：智东西

风险提示及免责条款

上下文税：企业AI的隐形瓶颈

Mon, 14 Sep 2026 07:49:32 GMT

作者 | 松壑

1951年，丰田启动了一项叫做“创意提案制度”的实验。公司要求每一个流水线工人把自己在工作中发现的改进方法提交上来，工人们照做了。

半个多世纪里，丰田累计收到约5000万条改善建议，高峰期每名员工每年提交近50条，近年稳定在每人每年14条左右，丰田生产方式由此成为全球制造业的教科书。

工人愿意交出自己的诀窍，原因很朴素：丰田承诺终身雇佣，人的经验让公司更强，公司保证你的位置。信任先行，知识随后。

2026年，一些中国企业正在要求员工做一件近乎相似的事：把你的工作经验交给AI，包括并不限于整理知识库、编写系统性提示词和Skill、录入判断逻辑、校验AI的输出。

福特当年推行流水线的时候，工人从分散的车间集中到传送带旁边，工作被拆成更细的单元，效率提高了，但没有人被要求把自己的手艺写成说明书交给机器。

AI改造完全不同。它要求每个人主动增加一层额外劳动，为AI准备它需要的上下文，但回报与风险承担却是不确定的。

丰田给了一个承诺，大多数激进推行AI改造的企业什么都没给。

今年7月，福布斯技术委员会发表了一篇文章，标题叫《The Hidden Context Tax That's Killing Your Enterprise AI Agents》，标题就提出了一个概念：

上下文税

研究提出，企业AI系统中因上下文不足或管理不当导致的效率损耗和精度下降，属于一种隐性税负。

这个概念可以往前推一步：上下文税首先是一个组织问题。

企业为了让AI变得聪明，需要员工在本职工作之外额外付出劳动来整理、提交和维护上下文，而这个额外劳动在权利、责任、风险和收益四个维度上全部失衡。

MIT在2025年发布的《The GenAI Divide》报告显示，约95%的企业生成式AI试点未能产生可衡量业务回报，仅约5%进入了生产环境，主要障碍包括工作流脆弱、上下文学习不足和与日常运营脱节。

内在原因并不来自于技术，而是组织关系的重构没有跟上。

95%这个数字的背后，恰恰是一笔没有算清楚的上下文税。

一. 企业焦虑始作

企业作为上下文税的征税方，确实有自己的焦虑与困境。

尤其一些互联网公司推进AI改造的动机是真实的、多层的，很多时候甚至是迫切的。

最表层的是竞争焦虑。

当同行纷纷宣布全员拥抱AI、当股东或投资人在尽调里问“你们的AI战略是什么”、当客户开始用AI产品的效率来比价，不搞AI就意味着在下一轮竞争中丧失位置。

这种焦虑在2026年，已经弥漫到了几乎所有行业。

更实在的动机是解决现实问题。

关键岗位的人才流失率居高不下，核心员工离职意味着经验和客户关系同时消失。如果能把这些经验沉淀到系统里，组织的抗风险能力就能上一个台阶。

对于重复性高、规则性强的工作，AI确实能释放人力去做更有判断力的事。

还有一层不太被公开讨论的动机：管理层需要通过AI改造来证明自己的战略眼光。

AI是当下最大的叙事，推得早、推得快，意味着在董事会和股东面前占据认知高地。

这个动机未必是坏事，但它会让推进的节奏变得更激进，对落地效果的容忍度更低，留给员工适应的时间更少。

这些动机叠加在一起，构成了企业强推AI改造的合理性，但合理的推进动机并不自动解决推进方式上的权利失衡。

企业站在组织效率的角度看到的是“我需要这些经验进入系统”，员工站在个人利益的角度看到的是“系统学会了我的经验之后我会怎样”。

两种视角各自成立，但一些冲突必然会在中间地带发生。

二. 交不出与不愿交

企业的上下文分两种。一种是系统数据，审批记录、CRM字段、ERP凭证，这些可以通过API和连接器打通，技术上有成熟方案。

另一种是人身上的经验，客户为什么翻脸、这笔账通常是哪里出了问题、这份合同的第三条到底在防什么。这些知识不在任何数据库里，只有从业者自己知道。

AI需要第二种上下文才能真正干活。一个Agent看不见行业Know-How，就只能做搬运工，做不了决策者。

许多企业AI改造推到深水区之后，障碍最终总是落在同一个地方：

怎么把人脑里的经验变成AI能用的输入。

交不出来的人至少分三种情况。

第一种是经验本身就是碎片化的、直觉性的。

一个做了20年的老师傅知道一台机器的声音不对劲，但他说不清哪里不对，因为那是身体层面的感知，天然不可编码。

组织学里区分显性知识和隐性知识，不少核心经验属于后者。

第二种是经验发生在线下。

工厂车间、门店现场、面对面的客户谈判、工地上的安全判断，这些场景里的上下文不会自动变成数字信号。

让一个销售把每次客户拜访的谈判策略录入系统，等于要求他做两遍工作。

第三种是AI使用者的能力本身就弱。

总有人不会写提示词，不知道怎么把自己的经验转化成AI能理解的结构化输入，工具用不好，整理出来的东西AI也读不懂。

解决这一点企业可以强推AI培训，但培训解决的是意愿问题，能力缺口需要的是更长时间的适应。

比交不出更棘手的是不愿交。不愿交的理由有两层，每一层都指向制度设计的缺失。

第一层是恐惧。

因为上下文交出去之后，自己变得可替代。何况更多人拓展自身能力以适应新环境的速度，远远追不上交上下文的速度。

上海政法学院教授王倩在今年5月的一篇分析中指出，企业通过让员工“记录工作流程”“进行知识管理”，实际上在提炼员工的工作经验、决策思路和沟通话术，形成标准化的、可复用的技能模块。

这个过程中，企业至少从中获得四重收益：知识留存、效率提升、降低对个体的依赖、形成专属数字资产，但劳动者的贡献没有对应的权利保障。

帝国理工学院和微软研究院联合发表的一篇FAccT论文为这个现象提供了学术框架。论文引用了一个概念：

知识萃取主义

（knowledge extractivism）

研究引用数据殖民理论中的“剥夺式积累”，来描述企业AI系统在权力不对等条件下提取员工隐性知识的过程。

论文甚至指出，AI甚至可以跳过员工主动提交的内容，直接从员工与系统交互的行为模式中推断隐性知识，比如谁和谁经常协作、谁在哪个节点做了什么决策。员工自己都不知道这些信息被记录了。

这往往是一项只有义务没有权利的非对称改造，一个员工花2小时把自己积累十年的客户谈判策略录入系统，系统学会之后所有同事都能用。

但问题是做完这些，录入者什么都没得到，甚至他的不可替代性因此下降了，那他下次一定会提交一份最低限度的东西。

第二层是无激励无保障。

企业AI改造几乎总是自上而下推行，管理层宣布战略，中层传达执行要求，基层被要求配合。

配合的方式就是缴纳上下文税：整理数据、贡献skill、测试跑通、校验输出、维护知识库。

做对了没有额外的奖励，做错了如果因为AI幻觉产生事故反而要承担责任。

今年4月，企业级AI公司Writer联合Workplace Intelligence发布了一份覆盖美欧2400名知识型员工的报告，数据格外刺眼：

29%的受访员工承认自己做过破坏公司AI战略的事，包括私自使用未经批准的AI工具、拒绝使用公司指定的AI产品等。

在1997年之后出生的年轻人群体中，这个比例升到了44%。

与此同时，60%的高管表示计划裁减不会或不愿使用AI的员工。

这种反差本身在说明AI化的激进推进中，一些信任正在面临坍塌。

那些暗中搞砸的年轻员工，与其说是在对抗技术，不如说是在对抗一种只有义务没有正反馈的工作安排。

员工行为分析平台ActivTrak追踪了2023到2025年超千家企业、4.43亿小时的数字化工作行为数据，结论是：

AI落地后，员工的工作量没有减少反而增加了，周末加班增多，协作沟通时长增加34%，多任务处理时间增加12%。

大厂员工的反馈更直接：企业强推AI，实际增加了工作压力，员工不得不为AI的产出擦屁股。

上下文税加上纠错税，总税负不降反升。

三. “降税”路径涌现

认识到问题之后，行业众的一些先行者早已在不同方向来尝试几条差异化的“降税”路径。

第一条路径是让系统数据的打通尽可能彻底，减少员工手动搬运数据的负担。

钉钉完成了上千项核心能力的CLI化改造，飞书支持MCP协议原生接入，WorkBuddy用连接器打通分散在各系统里的结构化数据。

这条路径解决的是系统上下文的税负。效果很直接，飞书产品负责人说不需要手动导出PDF上传、不需要整理上下文，当然它免不掉人脑经验那一层的税。

第二条路径是让上下文的采集嵌入自然工作流，员工不需要做额外的事。

飞书的豆包助手每日自动抽取工作记忆，沉淀为长期资产，钉钉悟空在安全沙箱内继承企业权限，Agent自动读取审批链和协作记录。

更引关注的是Anthropic的产品设计，其在企业端推出的类似于数字工位产品Claude Tag把AI直接部署到Slack频道里。

当对话本身成为上下文，这条路径把显性的上下文税变成了隐性的后台采集。

效率的问题解决了，但伦理问题仍然存在。

无痛采集意味着员工感知不到自己在被提取，系统在后台持续积累组织知识，员工不知道什么被收集了、怎么被使用。

帝国理工和微软的上述论文把这种机制叫做“使用中知识的捕获”，指出它为平台创造了粘性和战略护城河，员工作为知识的生产者，在这个过程中没有任何议价能力。

第三条路径刚刚开始被少数企业探索：建立正向激励机制。

如果员工贡献的经验能被追踪和量化，贡献质量与绩效考核或薪酬挂钩，上下文税就从一种隐性义务变成了一种可定价的交换。

WorkBuddy开放平台的专家中心允许生态伙伴把行业经验封装成AI可调用的专家角色，但价值如何回馈到贡献经验的个体，机制尚未明确。

WPS灵犀的模式是让AI帮用户做到新事情而非做用户已经在做的事情，章庆元强调工作并不等于文档，AI应该从交付内容走向交付结果。

这个思路是减少上下文税的另一条路，如果AI能帮员工打开新的能力空间，员工就不再把贡献经验视为威胁。

帝国理工和微软的论文在对策部分写了一条判断，可以作为这三条路径的校准线，即开发系统时需要考虑一个根本问题：

系统究竟是被开发来帮助用户拓展能力边界的，还是被开发来替代用户当前工作的？

后者会产生强烈的动机去剥夺员工的知识。研究表明最能提升生产力的技术，是那些帮助用户做到新事情的技术。

四. 汹涌“知识圈地”

18世纪的英国圈地运动，地主用篱笆围起了原本属于公共使用的土地，佃农失去了赖以生存的生产资料，被迫进入工厂成为雇佣劳动者。

在那之前，佃农的土地就是他的全部，失去土地意味着失去一切谈判能力。

白领和知识工作者的核心生产资料恰恰是经验、判断力、行业认知、客户关系、谈判策略、对问题的直觉。

这些东西不可复制，正因为不可复制，知识工作者才有议价能力，一个做了十年的销售老法师的不可替代性，往往在于他知道电话什么时候该打、打给谁、说什么。

当企业以AI改造的名义要求员工把这些经验整理成知识库、编码成skill模块、训练成AI可以复用的模型，发生的事情在结构上和圈地运动一样：

生产资料正在从个体转移到组织。

经典的劳资关系里，企业获取的是员工的劳动时间，支付的是工资，剥削发生在劳动成果和报酬之间的差额上。

上下文税的存在，带来了连政治经济学也没层染指的新变化——

企业所觊觎的，不仅是劳动时间和劳动成果，而是劳动者之所以能够产出这些成果的能力本身。

一名销售的谈判策略被AI学会了之后，这个策略仍然在产出价值，但产出价值的主体从人变成了系统，员工原本凭借经验积累获得的不可替代性，随着经验被系统化而逐步丧失。

这就是上下文税和普通的工作负担之间的本质区别。

加班是在消耗人的时间，上下文税是在消耗人的护城河。

更关键是，这个过程发生在严重的信息不对称之下，员工通常不知道自己提交的经验会被怎样使用、会被保留多久、会被谁调用、会在多大程度上降低自己的不可替代性。

前面提到的“使用中知识的捕获”机制，甚至不需要员工主动提交，系统从交互行为中就能推断隐性知识，员工对此完全无感知。

没有知情权、没有议价权、没有分润机制、没有不可替代性的保障。

员工面对这场知识圈地的处境，和失去土地的佃农没有本质区别：

他们正在被要求交出自己最有价值的东西，而回报条款是空白的。

现行劳动法框架下，职务作品和职务发明有明确的归属规则，但“把一个人十年的谈判经验训练成AI可复用的技能库或模型"这件事，不在任何现有法律条文的射程之内。

王倩教授已经在呼吁讨论现行法框架下如何判断此类行为的合法性，世界经济论坛《2025年未来就业报告》预计，到2030年全球约9200万个岗位将因技术变革、绿色转型等因素被替代，其中单独归因于AI和信息处理技术的替代约为900万个。

但对正在被要求交出经验的在职者来说，区分替代的原因并不能缓解焦虑。立法速度能否追赶圈地速度难以确定。

1951年，丰田的工人们之所以愿意提交改善建议，是因为其用终身雇佣回答了“你的经验交出来之后，你能得到什么”这个问题。

2026年，大多数激进推行AI改造的企业中，绝大多数没能回答这个问题。

44%的年轻员工在暗中搞砸AI项目，60%的高管说会裁掉拒绝使用AI的人，但没有高管说过如何保护那些真心教会AI的人。

95%的AI试点失败率，说到底是95%的信任缺口。

知识圈地运动的篱笆已经立起来了，但里面的人还没有被告知他们的地会换来什么。

风险提示及免责条款

A股三大指数集体低开

Mon, 14 Sep 2026 01:25:39 GMT

上证指数跌0.54%，深证成指跌1.03%，创业板指跌1.29%。

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

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

短期债务占比攀升，加息敏感性骤增

再融资压力持续累积，长端利率成本高企

债务与利率的反馈循环，财政风险长期积聚

国债供给压力或向长端传导

据报道，英伟达、Palantir、博思艾伦将限制使用OpenAI模型

布油突破108美元，伯恩斯坦警告：霍尔木兹与红海危机叠加，油价或将冲向150美元

4%全球供应悬而未决

外交僵局：霍尔木兹谈判无限期推迟

双重通道受阻：供应缺口持续扩大

价格上行风险显著

多国央行同步加息，能源冲击正在重写全球央行的利率剧本

“暂时性通胀”逻辑为何失效

多国可能加息，但政策逻辑并不相同

金融时报：贷款规模提质降速成为新常态

历史数据显示：单次加息不足以终结牛市，完整紧缩周期才是真正威胁

华尔街怎么看：盈利、收益率和油价是三条主线

人造金刚石：从散热扩张到 PCB， 价值边界如何重估？

比亚迪高管：随着闪充技术的普及，燃油车已没有未来

燃气轮机短缺持续至2030年，AI数据中心被迫重拾蒸汽锅炉

燃气轮机为何如此难补货

“锅炉+蒸汽轮机”成为过渡方案

天然气只是过渡，核能才是长期方向

据报道，铠侠据悉考虑通过美国上市交易融资100亿美元

Altman再呼吁共建行业安全标准：AI最坏结果是失控或被垄断，两条红线都不能碰

安全治理前移，AI“调速”并非放缓发展

监管尚待落地，AI行业应先行推动安全标准

断管、封峡、库存见底：布油是否上冲120美元/桶？

缓冲垫消失与地缘死结，油价是否仍有上行空间？

高利率不是美股的“终结者”？盈利才是？

估值真正承压的门槛在5%-6%

利率如何传导至盈利：先看债务结构，再看现金流

曲线形态决定板块：陡峭化买周期，平坦化买科技

高盛大幅上修27/28年光模块需求，称供应链紧张将是明年最大出货瓶颈

需求上修：规模扩张与规格升级双轮驱动

激光器等紧缺成为2027年出货实际上限

龙头锁产能，价格为何不崩

CPO商用化：设备商最先兑现，订单能见度延伸至2028年

验证窗口：三个关键指标决定判断成立与否

“很难亏”的债基又来了，这次13家一起上报

13家中小公募集体申报

托管安排：兴业或领跑，浦发中信并列

批文落地在即，中小公募的突围才刚开始

AI终结AI：新技术越强，旧模式越难持续

OpenAI不急着上市，阿莫代伊要求所有人减速

公司拿走收入，社会收到四张账单

数学家的成果，为什么先成了AI的答案

AI公司为了阻止用户作恶，需要看见多少秘密

模型逃出沙箱，谁来证明它仍然安全

数据中心进入小镇，电费为什么留给居民

铁路事故催生刹车，汽车监管举起红旗

当社会账单回到AI公司的利润表

中国1至8月社会融资规模增量 239100亿人民币，前值 222500亿人民币

三星、SK海力士拒绝向韩国电力预付190亿美元电费

大模型开始进入“研发复利”，RSI会不会成为下一个超级叙事？

一、发生了什么？——AI开始进入“制造AI”的流水线

AI开发放缓=算力需求见顶？答案未必悲观

AI巨头罕见“踩刹车”，芯片股先遭重估

放缓研发，不等于算力需求见顶

真正的考验：AI巨额投入能否兑现回报

发生了什么？AI巨头们都要放缓

10年美债冲向5%！贝森特回购是否被低估？

贝森特回购是否被低估？

曝DeepSeek来了位90后CFO

上下文税：企业AI的隐形瓶颈

一. 企业焦虑始作

二. 交不出与不愿交

三. “降税”路径涌现

四. 汹涌“知识圈地”

A股三大指数集体低开

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%

AI巨头联手呼吁放缓，芯片股承压

油价飙升重燃通胀忧虑，美联储加息预期升温

人造金刚石：从散热扩张到 PCB，价值边界如何重估？