华尔街见闻 - 资讯 - 最新

内存价格在燃烧，芯片战争又打起来了

腾讯科技 — Mon, 21 Sep 2026 10:29:37 GMT

“都得抢着早发布、早开卖，”一位前手机厂商战略研究员说，“之前为了避开iPhone，安卓新品发布普遍安排在10月。”

手机厂商之间“神仙打架”，既有出于“黄金周”、“双11”假期的考虑，也有国产高端旗舰与iPhone正面对决的因素，也还有小米17 Pro的成功方法论。

“去年只有苹果和小米在9月发布，小米正好出个背屏，天天拿来宣传，整整早卖了一个月，今年大家都吸取了‘教训’。”前述研究员说。

不过，无论是哪一点，都足以说明智能手机市场竞争的激烈程度。

整个9月份，华为和小米同日发布新品，前者拿出了新一代三折叠Mate XT2，小米则推出中折叠旗舰小米18 Fold。随后苹果发布Phone 18 Pro系列以及首款折叠屏iPhone Duo。

如果将OPPO、vivo等计算在内，整个9月的新品发布接近10场。

价格上，高端旗舰价格普遍超过10000元，部分甚至冲到20000元。与此同时，更底层的芯片也升级到了最新一代：包括华为的麒麟9050、小米玄戒O3、苹果A20 Pro、联发科天玑9600 Pro、高通第六代骁龙8至尊版系列。

可以说，手机厂商们带着内存涨价的压力，参与到了2nm芯片争夺战当中，这中间还有一个非常明显的变化：芯片厂商正在集体“All in AI”。

2nm争夺战

关于2nm芯片，2025年联发科是最早进行传播的。联发科CEO蔡力行先是在2025年Computex预告，然后9月份对外官宣全球首个2nm SoC启动流片。

流片领先并不代表着量产领先。

真正的2nm手机芯片战，直到今年9月随着苹果A20 Pro的亮相才正式开启。“采用最新的2nm工艺技术打造，A20 Pro为移动计算树立了全新的标杆。”苹果在官方新闻稿中强调。

从量产上市的时间上，苹果是当仁不让的2nm首发，而从客户体量来说，苹果也必然会拿到2nm的首发权益。

“台积电今年2nm晶圆产能差不多100K，苹果占了其中70K左右。”长期跟踪台积电产能的蓉和半导体咨询CEO吴梓豪说，“联发科出货量不大，（天玑9600 Pro）这颗芯片几千片晶圆就够了，高通大概10K左右，再加上AMD差不多20K，总共在100K左右。”

海通国际资深分析师Jeff Pu此前预测，苹果今年Q3、Q4要为包括iPhone Duo在内的新品备货7800万台，不考虑装配报废的情况，单月对A20 Pro的理论需求是1300万颗。

知名评测机构极客湾测算的数据显示，苹果A20 Pro的die size为98.8mm²。假设台积电2nm的良率为85%，以此推算，A20 Pro这颗手机芯片对产能的需求预计在25K左右，而剩下45K的需求，则会被分配给同样是2nm的M6芯片。

从客户的重要性角度来看，受AI需求的影响，苹果已经从台积电第一大客户的位置上滑落，遭遇英伟达反超，但GPU并不追求最尖端的工艺，现阶段苹果依旧是2nm的核心客户，这在过去多年都是如此。而苹果之所以能够拿到这样的权益，既有张忠谋时代与苹果建立起来的深度合作关系，也有iPhone在全球市场销量作为需求支撑。

联发科虽然高调官宣流片，但手机SoC对2nm的需求量要小得多。按照5K片晶圆的需求量、134.02mm²的die size以及85%的良率来推算，单月天玑9600 Pro的出货量大概在200万颗。

值得注意的是，联发科也在联合谷歌设计推理专用的2nm TPU，预计2027年底出货，这个后续进入量产环节，有可能大幅拉升联发科对台积电2nm的需求。

吴梓豪说：“虽然高通、联发科、苹果同台发布2nm芯片，但联发科的高端相对较少。尽管它现在是全球最大的手机芯片出货商，对应的是颗数最多，也都是中低端为主。”

根据Counterpoint Research的跟踪数据，到2026年第二季度，联发科在全球智能手机芯片市场份额为31%，环比一季度下滑2%。作为对比，高通和苹果分别为23%和19%。

另一个值得关注的话题就是，2nm虽然是今年主流工艺制程，但它和内存一样，价格也涨了。也因为这个原因，高通在二季度的业绩会上就预告，从9月1日开始涨价。

最终，晶圆代工涨价，也会像内存涨价一样，传导至终端手机上。消费者最直观的感受就是：手机价格又涨了。

涨价、扎堆发布也还折射出一个非常严肃的现实：存量竞争。

“整体大盘不好。”前金立手机副总裁俞雷说，“销售额其实没跌，跌的是台数，这几年都是如此。”

在俞雷看来，这种涨价一方面与供应链价格上涨有关，另一方面也与供应链国产替代、技术进步有关，一个直观的变化就是，屏幕，CIS，存储，射频，电源管理，这些都在逐步实现国产替代，进而让国产手机进化加速，最终将“日系”“韩系”手机打得遍体鳞伤，

国产进化的另一个点，也就是我们接下来要说的手机芯片自研。

自研新势力

以高通、联发科为代表的2nm芯片是一种解决方案，以苹果、华为和小米为代表的自研是另一种解决方案。

苹果自研芯片之路，充分证明了这条路径的价值，华为、小米也成为自研这条路上的践行者。不过，由于代工受限，相比苹果，华为和小米的自研之路更显得困难重重，但某种程度上又显得难能可贵。

9月7日，华为正式发布Mate XT2三折叠，搭载基于韬定律和逻辑折叠的麒麟9050 Pro芯片。这款芯片采用了W2W（Wafer to Wafer，晶圆对晶圆）技术，将传统的单层平面逻辑单元改为双层垂直堆叠，俗称在芯片里加装电梯。

逻辑折叠，是华为自研芯片在工艺制程受阻的情况下，一种全新的解题思路，是“韬定律”落地探索的重要成果。巧合的是，小米也采用了相同的W2W方案——推出了6nm工艺的玄戒O100芯片。

华为和小米的共性在于：先进封装为芯片设计厂商打开了压榨性能的大门。

不过，两家的差别也很明显：华为的W2W聚焦的是逻辑单元的堆叠，而小米的W2W是逻辑单元和存储单元堆叠。前者主要解决的是物理制程微缩瓶颈，后者想要改善的是内存墙造成的数据搬运效率瓶颈。

苹果、高通和联发科这些主流手机SoC今年都上了2nm，小米目前还停留在3nm，这里面其实有多重因素，我们过去讨论过很多，其中一个关键因素是GAA架构的限制。

当前的2nm制程，三星和台积电都切换到了GAA架构，带这一架构对应的设计软件，晶圆代工都受到严格限制。

“小米最多就能用3nm。” 前述前战略研究员说。

实际上，从规模的角度来说，现阶段的玄戒芯片，即便上2nm也未必是一件划算的生意，根源就在于出货量的规模化。

以苹果为例，单iPhone这个产品线，每年对自研芯片的需求量就在上亿颗的水平。目前，玄戒O1的出货量也刚过100万颗。我们去年也做过类似测算，真正能够产生规模化效益，可能需要出货量冲到1000万颗。从这个角度来说，国产自研芯片才刚刚开始。

但其实小米在这个3nm的玄戒O3上探索的思路，远比粗暴导入2nm更有价值。

根据小米披露的数据，玄戒团队对晶体管底层最小逻辑单元Standard Cell进行了重构，从O1的480个提升至当前O3的2400个。同时，玄戒O3采用了称之为Channelless的沟道消除技术，取消了过去SoC为了布置BUF单元来加强供电而预留的沟道，同时将BUF单元移动至其他模块，实现5%的晶体管密度提升。

如果让我来说它的价值，过去摩尔定律靠晶圆厂工艺制程迭代，实现单位面积晶体管数量18个月/24个月翻一倍。现在工艺制程进化速度放缓，很多人说“摩尔定律”已死，“摩尔定律”失效，但华为和小米，在制程受限的背景下，用另外一种方式，让“摩尔定律”焕发青春。

中国的芯片设计团队非常了不起，这也要承认。

都在All in AI

不管是苹果的2nm，还是玄戒的3nm，今年有一个非常明显的共识——AI已经融入到各个核心的IP当中，CPU、GPU、ISP等不同核心都参与到AI推理任务的分摊中来。SoC正在从 “一颗单独NPU负责全部AI” 走向全子系统异构AI算力网络。

从这个角度说，All in AI，一点也不为过。

在这种算力网络下，大模型重负载依然优先跑NPU，短延迟轻AI任务直接跑CPU‑AI或者 GPU‑AI，分担碎片化、低延迟的小 AI 任务，减少片上的数据搬运开销。

此前，玄戒O3沟通会上，玄戒团队披露的数据显示：CPU包含了两个新的矩阵计算引擎单元，采用SME2指令集，提供3.5TOPS的算力，处理轻量级的AI工作负载。GPU子系统中采用了8核心NX神经加速单元，总算力36TOPS，可实现在GPU内部对图像渲染的AI超分和插帧的能力。

“大家都在做布局尝试，当前手机上的场景/价值上还不足，”一位资深芯片设计专家告诉腾讯科技。

“从技术演进趋势上说，GPU内嵌AI是明确的，看NV就知道，游戏场景上需要实时性强的场景也合理。CPU内嵌AI是做些小处理，可能大家还是看苹果干了以及ARM想推这个能力。这些都是确定的方向，具体方案上还可以不同。”

根据此前披露的信息，苹果采用的路线是CPU (AMX 硬单元)+GPU (内置神经网络加速器)+ 独立 NPU，三级异构AI算力。联发科的底层IP和玄戒O3同源，全计算子系统都增加专用 AI 硬件单元，是今年手机SoC里面走得最彻底的全模块AI化。

前述战略研究员也认同向苹果“抄作业”的思路。

“苹果CPU核心中的AMX主要做向量计算和矩阵加速，跑简单算法以及一些RNN模型，但不能并行计算，高通和ARM在去年就支持了QMX/SME，基本上就是照着苹果这个功能来做的。”

在他看来，这种设计理念核心是为了优化计算“成本”。“NPU计算需要计算核心传输调度任务，这里面有不少的成本。所以，就一些简单的计算能在本地（核心内部）进行了。”

将AI任务“就近计算”，一方面提高了效率，另一方面缩减了开销，将会带来整机能效比的提升，也有机会让手机厂商基于不同的IP的AI特性，探索个性化的能力。“OPPO做了一些主动智能的投入，可能会做出差异化来。”前述战略研究员说。

趋势和方向是确定的，探索则还处于早期，路线也没有统一。

“当前做得都还不太好，但以后AI融合可能会越来越多，（具体方案上）是在GPU内部内嵌AI，还是GPU+GPU外的NPU做紧密协同，都可以的。”前述芯片设计专家说。

也就是说，All in AI声量很大，行业也有共识，但真正让消费者为这些创新额外买单的，是可靠、稳定、高频使用的场景和能力。

本文来源：腾讯科技

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。

突破100bp！法德利差14年新高：法国财政与政治风险何时引爆？

Mon, 21 Sep 2026 10:00:17 GMT

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

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

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

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

100bp并非终点，法国风险定价进入危险阶段

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

北汽蓝谷回应享界专店：合作模式未变

Mon, 21 Sep 2026 09:39:51 GMT

问界把产品、营销、零售和服务交给赛力斯之后，鸿蒙智行其他四界的动作，也引发市场的关注。

近期，有市场消息称，享界将落地专网门店和标杆体验中心，优先铺向核心城市，做成主要陈列、销售享界的线下阵地。专网本身不是新词，但和问界“车企接管、门店单卖”叠在同一周，市场立刻把它理解成：享界也要独立。

对此，北汽蓝谷在9月21日披露的一份投资者纪要中表示，专店系由北汽和华为协同规划、在鸿蒙智行渠道体系内补强享界销售网络的业务举措，目前按计划有序推进。

华尔街见闻了解到，专网在S9T上市后就启动了。2025年6月12日，北汽开过享界专网招募会，126家经销商到场，覆盖66个城市。当年口径是先建数十家专网用户中心。

北汽蓝谷2025年报写过，截至年末全国门店超900家，其中享界专网准入17家；2026年规划是专网继续加密一至三线城市。今年已有“鸿蒙智行享界用户中心”以专营店形态开业，店招仍挂鸿蒙智行，展的是享界车型，功能按展示、销售、交付、售后来配。

合作上，享界仍是北汽与华为联合打造的高端豪华品牌。自去年S9T上市以来，双方合作升级为“车企+华为科技生态”战略共同体，这一定位与合作模式均未发生变化。享界既是北汽发展高端新能源汽车的旗舰品牌，也是鸿蒙智行体系的核心成员之一。未来仍将围绕享界品牌建设深化合作，联合打造豪华旗舰产品。

渠道上，享界确认专网在推进，但拒绝把它写成模式切换。北汽蓝谷称，自S9T上市以来，享界已启动鸿蒙智行享界专网建设；今年以来，部分专网门店和用户中心已正式营业。

关键一句是：享界专网与鸿蒙智行其他渠道业态一样，纳入鸿蒙智行统一管理体系，这一模式未变。

目前，享界已率先形成轿车、旅行车、SUV、MPV全品类布局，对应S9、S9T、G9、V8。G9上市后获得高端旗舰SUV市场关注，双方正有序推进交付；V8定位家庭旗舰智慧MPV，已按节奏持续预热。

9月21日，官方又公布G9将于9月23日在北京享界超级工厂开启首交，V8将于9月28日开启预订。车型变多，混店展位更紧，专网的直接用途是把享界从“四界店里的一块展台”，补成能完整摆开的专属阵地。

9月15日，鸿蒙智行和问界同日说明：问界仍留在鸿蒙智行框架内，但产品定义、产品设计、品牌营销、渠道零售、服务体系改由赛力斯主导，华为终端参与赋能；部分原鸿蒙智行店面将只卖问界。

鸿蒙智行同时划线：此次调整不涉及尊界、享界、智界、尚界，四界仍由华为全流程主导。声明没有把讨论停住。

问界仍是五界里体量最大的一块，说明发布当日赛力斯A股、港股双双大跌。担忧随即外溢：华为会不会再从前台退一步，合作车企能不能自己扛渠道，专属门店是不是独立运营的前奏。

享界最先被拿来对标，是因为店的形态看起来像。鸿蒙智行线下分两类：体验中心多在商超，负责看车、试驾、下定，展位通常只有两三台车；用户中心更接近4S，覆盖销售、交付和售后。

专店会越开越多。五界已经挤不下同一块展台，要拆的是网点，不是合作模式。

风险提示及免责条款

软银寻求超110亿美元垃圾债融资，OpenAI押注与Arm抵押贷款推高杠杆风险

Mon, 21 Sep 2026 09:07:11 GMT

软银集团正寻求发行超过110亿美元的高收益债券（即垃圾债），为持续加码OpenAI等人工智能资产筹集资金。随着债券融资、Arm股份抵押贷款等多种融资手段并行推进，软银的杠杆水平持续上升，融资成本与投资退出压力也随之受到市场关注。

9月21日，据彭博援引知情人士，此次发行包括总额100亿美元的美元债券和总额10亿欧元（约11.4亿美元）的欧元票据，所得资金将部分用于支持软银追加投资OpenAI，相关投资预计于下月完成交割，债券定价或于本周四落地。软银今年以来已在债券市场融资近150亿美元，成为2026年以来高收益债发行规模最大的企业之一。

与此同时，软银债务的市场定价已经明显承压。其2031年到期美元债收益率本月早些时候一度升至8.2%，较1月低点6.7%大幅上升，信用违约保险成本也升至近年来高位。在AI投资规模持续扩大的背景下，融资成本上升与资产退出时间的不确定性正同时考验软银的资金安排。

超110亿美元垃圾债酝酿发行，持续为OpenAI投资输血

此次软银拟发行的债券包括三个期限、总额100亿美元的美元债券，以及两个期限、总额10亿欧元的欧元票据。花旗担任美元债部分的首席记账簿管理人及全球协调人，高盛、摩根大通和摩根士丹利担任联合全球协调人；欧元债部分则由摩根大通担任首席记账簿管理人，高盛和德意志银行参与协调。

软银对OpenAI的总承诺投资额已接近650亿美元，持续加码使其对OpenAI的资金敞口不断扩大。今年3月，软银为追加投资OpenAI安排了400亿美元过渡性贷款，近期已偿还259亿美元未偿余额。

此次债券融资意味着，软银仍在通过新增债务为OpenAI投资提供资金支持。随着单笔投资规模不断扩大，AI资产的资金占用周期及未来退出安排，也越来越直接地影响软银自身的融资需求。

Arm股份抵押贷款扩张，多渠道融资推高杠杆

债券发行之外，软银近期还在扩大以资产抵押为基础的融资规模。

据彭博报道，软银近期寻求将以Arm股份作担保的保证金贷款规模扩大50亿美元至250亿美元，同时获得4.5亿美元的额外信贷额度，使相关授信规模达到65亿美元。

与此同时，据报道援引知情人士，阿波罗全球管理公司正在洽谈将向软银提供的贷款规模扩大36亿美元至90亿美元，同样用于支持其对OpenAI的投资。软银还获得了一笔118.7亿美元的贷款；今年早些时候，公司亦曾安排一笔100亿美元贷款，并以OpenAI股权作为抵押。

从债券到股份抵押贷款，再到以OpenAI股权作为担保的融资，软银正在通过多种方式为AI投资筹集资金。融资工具不断增加，也意味着其资产负债表对利率、信用利差以及所持AI资产估值变化更加敏感。

OpenAI上市推迟，融资成本与退出压力同步上升

软银面临的另一项压力来自OpenAI的退出路径。OpenAI首席执行官Sam Altman近期表示，公司今年不会上市。这意味着，软银此前通过大规模融资投入OpenAI后，短期内可能缺乏明确的公开市场退出渠道，相关资金占用时间也可能进一步拉长。

如果OpenAI未来上市，软银持有的相关股权将获得更加明确的流动性渠道；但上市时间表推迟，则意味着软银需要在更长时间内承担融资成本，同时等待投资价值兑现。

与此同时，软银自身债务的市场定价已经明显恶化。其2031年美元债收益率较今年1月低点已上升约150个基点，融资成本上升与信用利差扩大共同推高了债务负担。

对于软银而言，当前的核心矛盾正在从“能否获得资金”逐渐转向“以多高成本获得资金，以及AI投资何时能够兑现回报”。在OpenAI上市时间表尚不明确的情况下，超过110亿美元垃圾债的发行规模及定价，也将成为市场观察软银杠杆水平和信用风险的重要窗口。

风险提示及免责条款

霍尔木兹封锁七个月：石油还在流，但越来越贵越来越脆弱

Mon, 21 Sep 2026 08:54:23 GMT

一套代价高昂的浮动转运体系正在勉强支撑全球能源供应，但这套应急机制究竟是过渡安排还是新常态，答案尚不明朗。

霍尔木兹海峡封锁已进入第七个月，中东产油国正通过一套船对船（STS）转运系统维持石油出口，但这套体系的运转成本正急剧攀升。根据Kpler数据，9月以来通过霍尔木兹的出口量已回升至约每日650万桶，为6月停火短暂反弹后的最高水平。

然而，这一出口量的背后是史无前例的物流代价。据路透LSEG数据，超大型原油船（VLCC）将波湾原油运往中国的基准运价已飙升至每桶逾30美元，为有记录以来的最高水平——在战争爆发前，这一比例仅占油价的2%至3%，而在当前约每桶105美元的油价下，运费成本已超过总成本的四分之一。上周布伦特原油一度突破每桶108美元，部分原因正是来自沙特出口通道受阻的消息冲击。

能源市场正在适应，而非瘫痪——但这种适应的代价正由产油国、航运市场乃至全球消费者共同承担。

浮动转运链如何运作

霍尔木兹海峡的封锁迫使产油国重新设计出口路径。阿布扎比国家石油公司（ADNOC）最早于今年4月启动STS方案：将船只用作"穿梭油轮"，把原油从波湾终端运至较为安全的阿曼湾水域，再将货物转载至大型船只继续驶向目的地，通常是亚洲炼厂。母船随后经霍尔木兹返回重新装载，循环往复。

这套机制通过缩短单次航程来降低船只穿越海峡的风险，同时最大化利用有限且昂贵的油轮运力，使部分关键出口得以延续。目前已有越来越多的油轮在美国海军护航下，关闭导航系统，经由阿曼海岸线附近的狭窄走廊穿越海峡。

沙特跟进，规模快速扩张

最初由ADNOC主导的应急方案，如今已演变为一个相当规模的新兴产业，沙特阿美也日益依赖STS转运来维持出口。

这一转变有其紧迫背景：也门伊朗支持的胡塞武装近期持续加强对红海南端曼德海峡的管控；9月10日，伊拉克境内的亲伊朗武装袭击了沙特东西输油管道，切断了约占全球供应4%、原本经由红海港口延布流向国际市场的石油。两路夹击之下，沙特开始通知买家，将改由阿曼路线的STS转运维持发货。

规模数据清晰反映了这一变化。根据Kpler，9月份阿曼湾STS转运装载量预计将达到每日约250万桶，较8月的140万桶大幅跃升，约占当前经霍尔木兹流通量的40%。而在战争爆发前，STS转运几乎从未被使用。相比之下，阿联酋9月石油出口量预计将达每日360万桶，高于2025年均值的340万桶。

财富从产油国流向船东

这套浮动物流网络在一定程度上避免了更为严峻的供应冲击，但其成本已高度扭曲了市场结构。

运价飙升的直接后果是产油国利润遭到侵蚀。产油国已被迫对原油报价给出更大折扣，以保持出口竞争力，实际上是在自行吸收部分高涨的运输成本。与此同时，波湾STS转运对油轮的大量占用进一步收紧了全球可用运力，推升了整体运价。

"我们正在目睹一场史上最大规模的财富从产油国转移至油轮船东的过程，"HiLo Analytics首席执行官Keshav Lokhiya表示。

适应之下的结构性脆弱

全球能源市场正在适应当前高度紧张的地缘政治风险，而非陷入停滞——这一点毋庸置疑。然而，中东石油贸易正变得越来越低效，日益依赖一套由军事护航、临时转运节点和从未被设计用来承载此等规模的替代航线拼凑而成的应急体系。

每一次额外转运都意味着更多船只、更长时间和更高成本，这些压力最终汇聚于全球油市。冲突持续越久、受威胁的航线越多，这套全球能源体系就愈发昂贵，也愈发脆弱。

风险提示及免责条款

大众近15年首度跌出欧洲蓝筹股！股价跌至十六年低点，欧洲汽车业困境再现

Mon, 21 Sep 2026 08:50:17 GMT

大众汽车正在经历其现代史上最艰难的时刻之一。

这家德国汽车巨头被剔除出欧元区最重要的蓝筹股指数Euro Stoxx 50，这是该公司近15年来首次跌出这一基准指数。此次调整由指数提供商Stoxx在例行审查后作出，大众股价已从2021年高位下跌逾四分之三，跌至约16年低点。

交易员警告，此次被动出局将带来新一轮抛售压力——追踪Euro Stoxx 50的交易所交易基金（ETF）将被迫清仓大众持仓。根据Stoxx数据，目前共有30只ETF复制该指数，合计规模达590亿欧元，另有逾11万只主动结构性产品与之挂钩，销售规模超过680亿欧元。

大众方面回应称，"纳入某一指数并不改变公司的基本面实力"，并坚称集团"对投资者而言仍是具有吸引力的投资标的"。

指数调整加剧股价下行压力

大众股价已深陷颓势。本月早些时候，该公司与工会达成意外重组协议，股价一度单日反弹逾9%。但好景不长——周五该公司发布盈利预警，因对旗下保时捷股权估值计提60亿欧元减值，叠加海外市场持续低迷与重组成本攀升，股价当日重挫8.3%。

汇丰全球汽车行业高级分析师Michael Tyndall表示，"整个行业正面临几乎是生死存亡的风险，估值因此普遍受压"，同时指出大众当前的低估值也反映出市场对重组成本的忧虑。

尽管本月有所反弹，大众当前市值仅约380亿欧元，与其3220亿欧元的年销售额相比悬殊极大。德国资产管理公司Flossbach von Storch投资组合经理Simon Jäger对英国《金融时报》表示，"这一市值非常清晰地传递出一个信号——投资者对大众有多么悲观。"

欧洲汽车业集体失色于指数

大众的出局并非孤例。去年，菲亚特与标致母公司Stellantis已被移出Euro Stoxx 50，此后该公司股价近乎腰斩，同期亦经历管理层换血，并在美国和欧洲市场利润率改善方面屡屡受挫。

此番一同离开指数的还有荷兰信息服务集团Wolters Kluwer。接替两者入选的是芬兰诺基亚——这家曾经的手机巨头已在Nvidia支持下转型为数据中心网络提供商——以及法国公用事业集团Engie。目前，Ferrari、宝马和梅赛德斯-奔驰是仍留在Euro Stoxx 50中仅剩的三只汽车股。

一位竞争对手高管对大众的出局评论称，"这是时代的象征"，并认为此事件带来的声誉冲击将远大于实际资金流出的影响。

德国蓝筹股整体承压

大众的离场使德国在Euro Stoxx 50中的席位降至16席，反映出德国大型上市企业持续承压的困境。Stoxx数据显示，过去五年，德国成分股子指数的年化回报率为10.9%，明显落后于Euro Stoxx 50整体的12.5%。

大众历史上曾多次出入这一指数。该公司于指数成立两年后的2000年首次入选，随后因全球金融危机于2010年至2011年间短暂退出，此后重新回归并维持成员资格至今。2008年，大众曾在一场大规模逼空行情中短暂成为全球市值最高的公司。

大众表示，重组将改善其财务表现，"也应对大众股价产生正面影响"，并称公司正着眼于"中期内重返Euro Stoxx 50指数"。然而，在销量下降、美国关税上升、治理结构复杂等多重阻力之下，这一目标实现的时间表仍充满不确定性。

风险提示及免责条款

美国柴油零售价首破6.5美元再创纪录，莫斯科炼厂遇袭加剧全球燃料短缺

Mon, 21 Sep 2026 08:40:59 GMT

美国柴油价格再创历史新高，全球能源供应持续承压之际，莫斯科炼油厂遇袭进一步加剧了市场对成品油供应的担忧。

9月21日，据彭博报道，美国汽车协会（AAA）数据显示，美国全国柴油均价已升至每加仑6.505美元，首次突破6.50美元关口。华尔街见闻此前文章提及，美国柴油零售价上周五进一步升至6.45美元，此前已首次突破每加仑6美元，如今再度刷新纪录。

地缘冲突对能源供应的扰动仍在扩大。据央视新闻，当地时间9月20日，乌克兰武装部队总参谋部通报称，当天凌晨，乌军对俄罗斯莫斯科地区的莫斯科炼油厂实施打击。

乌方称，炼油厂区域发生大规模火灾，AVT-6初级炼油装置、综合原油加工装置等遭到打击。乌军方称，莫斯科炼油厂是俄罗斯最大的炼油企业之一，年原油加工能力约1200万吨，生产车用汽油、柴油、航空燃料、重油等石油产品。

随着美国中期选举临近，创纪录的柴油价格也开始给农业州以及依赖家用取暖油的地区带来更大成本压力，能源价格正成为影响美国消费者和企业的重要变量。

中东供应受扰叠加俄罗斯炼厂遇袭，全球柴油市场持续收紧

本轮柴油价格上涨的核心驱动力仍来自供给端。中东冲突爆发后，经霍尔木兹海峡运输的能源货物受到严重干扰，中东原油出货量尚未恢复至战前水平，全球炼厂的原料供应因此受到制约。

与此同时，莫斯科炼油厂遇袭进一步凸显全球炼化体系的脆弱性。彭博数据显示，受中东和俄罗斯能源供应扰动影响，上周全球柴油期货和炼油利润率均升至历史高位，美国取暖油裂解价差一度飙升至每桶117美元，创下彭博自2009年有记录以来的最高水平。

供给端持续收紧也在迅速推高美国柴油价格。自9月以来，美国柴油价格累计上涨超过87美分，并突破2022年创下的前期峰值。高盛近期警告称，在全球供应约束持续的情况下，柴油价格仍存在进一步上涨空间。

柴油价格的快速上涨还将进一步推高运输、农业和取暖成本，并增加美国通胀压力。随着原油供应受扰、炼油产能承压以及成品油库存偏紧，柴油市场的供需矛盾仍在加剧。

柴油涨价向运输、农业和通胀传导

尽管多数美国消费者并不直接使用柴油，但柴油广泛应用于卡车运输、农业机械、发电机组、船舶、铁路以及家用取暖系统，其价格上涨会通过运输和生产成本向更广泛的商品和服务传导。

美联储明尼阿波利斯联储行长Neel Kashkari周末表示，美国当前通胀水平仍然过高，价格压力已经从能源领域扩散至更广泛范围。美联储上周将基准利率上调25个基点，为2023年以来首次加息，能源价格的持续上涨也进一步增加了后续政策判断的复杂性。

高油价同时引发了市场对美国政府限制柴油出口的讨论，以增加国内供应。不过，美国内政部长Doug Burgum表示，禁止出口并不能有效压低美国国内价格，对这一政策工具持保留态度。

华盛顿智库进步研究所（Institute for Progress）指出，如果以通胀调整后的实际价格衡量，目前柴油价格仍低于2022年的历史高点。但从名义价格和近期涨幅来看，柴油成本正在快速上升，对运输、农业及取暖需求形成更直接的压力。

高盛在最新报告中则指出，相较柴油，汽油价格目前可能为投资者提供更大的交易机会。随着柴油价格持续走高，能源市场的供需矛盾也可能进一步向其他成品油品种扩散。

风险提示及免责条款

美股股指期货持续走高，纳指期货涨幅扩大至1%，标普500指数期货涨0.65%

Mon, 21 Sep 2026 08:33:53 GMT

美股股指期货持续走高，纳指期货涨幅扩大至1%，标普500指数期货涨0.65%。

风险提示及免责条款

"2030年AI毁灭人类的概率是0%"！黄仁勋：应尽可能快推进AI，我只怕穷，不怕税

Mon, 21 Sep 2026 08:33:39 GMT

英伟达创始人、总裁兼首席执行官黄仁勋近日在接受CBS News专访时，对当前AI领域最核心的争议给出了旗帜鲜明的判断：AI终结人类的叙事完全错误、不负责任，应以尽可能快的速度推进AI；他本人不惧加税，只怕贫穷。

黄仁勋明确表示，"2030年AI毁灭人类"的概率为0%，并将此类言论定性为"戏剧化且无科学依据"。他同时把新一代数据中心定义为“AI工厂”：能源和数据进入，令牌与智能输出。它们制造的不是汽车和钢铁，而是电子与数字，却可能撬动数万亿美元的基础设施投资，并为建筑工人、电工、安装工和设计师带来几十年来少见的机会。

针对加利福尼亚州"亿万富翁税"（第40号提案），黄仁勋表示愿意缴纳，并留下金句："我不害怕纳税，我只害怕贫穷。"

以下为访谈核心要点

黄仁勋明确表示，AI在2030年终结世界的概率是0%。他认为安全担忧本身合理，但将未经科学证实的极端情景包装成迫在眉睫的现实，是不负责任的恐吓。

AI行业已经从“让技术可用”的研究阶段进入产品化和规模化阶段。随着产品进入社会，工程资源应从能力开发逐步转向验证、测试、评估、基准测试和可靠性建设。

在新增AI监管之前，应先执行现有法律。网络安全、未经授权访问、产品责任、损害赔偿和服务等级协议等规则，已经能够覆盖许多现实事故。

应尽可能快地推进AI，但不能快过安全允许的速度。黄仁勋强调，任何公司都不应在产品尚未准备好时发布产品，也不应交付会使人们陷入危险的系统。

AI并不只是模型，而是由能源、芯片、模型、数据和应用构成的多层产业。未来FedEx、Walmart等传统企业都将成为AI公司。

数据中心建设者需要更早与社区沟通，并在电网、道路、学校、公共设施、能源账单和建筑设计方面创造可见的本地收益。黄仁勋认为，新一代循环水冷却已经显著降低了耗水量。

AI数据中心本质上是“制造数字”的工厂。它们有望推动美国重新工业化，为蓝领工人和建设行业创造几十年来罕见的增长机会。

AI"末日论"：无科学依据，不负责任

当被问及Dario Amodei、Sam Altman、Elon Musk等科技领袖关于AI危险性的警告时，黄仁勋明确与"世界末日"叙事划清界限。

"不会，那完全是错误的，"他说，"那些说法太过戏剧化，也不负责任，没有事实依据，也没有科学依据。"对于特朗普将AI危险论称为"骗局"的定性，黄仁勋表示认同，并进一步指出，这类叙事正在美国各地激起不必要的恐惧。

黄仁勋并不否认AI安全本身的重要性，他将这一问题比作航空业的安全体系——专职从事飞机安全工作的人比研发新型飞机的人更多，这是合理的。他认为，AI行业正从实验室研究阶段切换至大规模产品化阶段，将大量资源转向安全验证、测试与评估，是自然且必要的转型，"核心担忧并没有错"。

他将引发戏剧性表述的部分原因归结于利益驱动："也许是政治原因，也许只是为了吸引注意力。"他未点名具体人士，但措辞直接。

监管立场：执行现有法律，反对叠加新规

黄仁勋在监管问题上的立场贯穿始终：先执行现有法律，不需要专门针对AI新增监管框架。

他指出，针对AI相关事故，网络安全法、产品责任法及合同责任等现有法律体系已可适用。他以两家已发生多起网络安全事件的实验室为例，暗指OpenAI和Anthropic，认为现有法律足以处置，无需另立新规。

"你不妨读一读字里行间的意思：他们实际上并不是在要求更多法律，而是在要求免受我们现有法律的约束，"黄仁勋说，"我认为这是个问题。"

面对记者追问——既然如此，公众为何要相信与芯片销售利益高度绑定的英伟达的立场——黄仁勋回应称，英伟达的商业价值正是建立在AI产品能够安全部署的基础之上，"让这类新应用能够被安全生产并交付给全世界，符合我们非常切身的个人利益和行业利益"。

"亿万富翁税"：我只怕穷，不怕税

在个人财富与税收问题上，黄仁勋展现出与部分科技富豪截然不同的姿态。

面对加利福尼亚州第40号提案，即外界所称的"亿万富翁税"，多位硅谷同行正斥资数百万美元展开反对游说，黄仁勋则表示完全愿意缴纳。当被提及该税案可能导致他在五年内缴纳约80亿美元税款时，他笑称："我很高兴你这么说。我有能力在五年内缴纳80亿美元，这本身就是一种幸运。重点并不是那80亿美元，而是我有能力缴纳80亿美元。"

他随即留下全场最受关注的金句："我不害怕纳税，我只害怕贫穷。"

黄仁勋将自己定位为"美国梦"的亲历者。他说，如果没有这个国家提供的教育环境与创业土壤，"我就不会站在这里"。他从NVIDIA员工薪酬谈到公民责任，表示"尽可能多付给员工"是他一贯的原则，缴税同理，"这是成功者享有的一种幸运，也是一种责任"。

数据中心与再工业化：美国百年来的制造业机遇

针对数据中心在全美引发的两党共同抵制，黄仁勋坦承行业存在沟通失误，但同时为数据中心的经济价值进行了系统性辩护。

他承认，在部分社区未经充分沟通便推进建设是"遗憾"，并以自己在肯塔基州只有600人的小镇成长的经历类比，表达了对居民担忧的理解。他表示，行业应在建设前很久就与社区展开对话，并为当地提供实质性回馈，包括改善基础设施、降低房产税和电费。

对于外界最主要的担忧，黄仁勋逐一回应：耗水问题已因冷却技术升级而成为"历史性误解"；电费问题则正相反，数据中心应为电网贡献韧性、推动电力成本下降。他还提出，当前这轮投资潮是美国百年来首次有机会大规模投资可持续能源的窗口。

黄仁勋将AI工厂定义为"新型制造业"——"能源输入，智能输出"，并强调，这是几十年来美国蓝领工人、建设者和手艺人迎来的最大机遇："这是美国重新工业化、再次成为制造业国家的绝佳机会。"他指出，全球经济中约15万亿美元规模的部分将直接受益于AI，相关基础设施将成为覆盖每个国家的核心产业，规模达数万亿美元。

以下为访谈核心全文：

主持人

Jensen，感谢你今天接受采访。

Jensen Huang

我很乐意。很高兴见到你。

主持人

我也很高兴见到你。感谢你抽出时间。我的第一个问题是，我们听到一些顶尖公司的首席执行官——Dario Amodei、Sam Altman、Elon Musk——都说我们需要控制AI的发展节奏。还有举报者说，人类可能在十年内走向终结。你同意这种说法吗？

Jensen Huang

首先，AI技术极其强大。它当然可以带来巨大的好处，也可能被用于非常糟糕的用途。因此，我们在开发这项技术时，必须确保以安全的方式进行。

这个行业正在经历转型：过去是在开发一种逐渐具备能力的AI技术，而在今年上半年，我们跨过了一个转折点，AI开始真正变得有用，而且对它的需求极其旺盛。这些AI产品生成令牌已经可以盈利，而且利润非常可观。许多公司都在采用它。OpenAI最新的Astra非常了不起，我们到处都在用。我们使用Claude Code，使用Cursor，也使用xAI的产品，还使用Cognition。如今，这项技术的能力已经达到极其实用的程度。

因此，这些公司正在从试图让技术运转起来的实验室，转变为产品公司。事实上，就连“实验室”这个称呼本身也很说明问题：最初十到十五年，它们一直处于研究阶段；而就在过去六个月里，整个行业几乎突然切换到了大规模提高产量的模式。所以，我认为目前出现的所有反应，本质上都是这种转型的一部分。

主持人

那么，这些对未来可能发生什么的判断正确吗？用一些人的说法，我们所有人会在十年内消失吗？

Jensen Huang

不会，那完全是错误的。这种叙事非常戏剧化，会吸引大量关注，显然也已经吸引了媒体的注意。我认为，从根本上说，他们确实非常在意产品能否被安全地制造出来。他们正在从实验室转向工程阶段，必须把更多研究人员和更多算力投入安全工作。

在开发产品时，既有引擎、设计和能力，也有验证环节。任何行业在初期，大部分工程工作都用于让产品先运转起来；等产品逐渐成熟并进入社会后，大部分工程工作实际上会转向验证、测试、评估、基准测试、证明产品符合标准，并确保交付的产品可靠、按预期运行，兑现产品的承诺。

所以，在现在这个转型阶段，他们需要把大量能力转向AI安全，这是非常合理的。我认为问题的核心就在这里。围绕这件事营造出的所有戏剧性都没有必要。坦率地说，那些说法太过戏剧化，也不负责任。它们没有事实依据，也没有科学依据，所以是错误的。

但他们的担忧本身并没有错。我想强调的是，核心担忧并没有错。这就像我刚刚乘飞机抵达这里一样。我很高兴航空旅行的整个生态和行业都严肃对待安全；全天候从事航空公司安全、飞机安全和航空旅行安全工作的人，比研发新型飞机的人更多。这很合理，而我们现在只是在经历同样的过程。

主持人

你曾说，我们不需要任何新法律，也不需要任何新监管。但你刚才又说，你支持在主要行业设置安全保障。那为什么不支持为AI建立一个相当于FDA或FAA的监管机构？

Jensen Huang

在制定新法律和新监管之前，我们先执行现有的法律和监管。我们已经有各种法律法规。我们生活在一个法治国家，这正是我们感到安全、有保障并受到治理的原因。对于每一种应用，无论是食品、航空旅行还是任何其他领域，都有各种法律法规可以适用。

主持人

那专门针对AI的部分呢？缺失的究竟是什么？请告诉我缺少哪一部分。

我很想知道你的看法：当Dario Amodei或Sam Altman这样的人说希望看到监管时，你为什么认为不存在缺失的部分？

Jensen Huang

我刚才回应的是两个实验室的情况。其中一家实验室发生了四起由它们触发的网络安全事件，另一家刚刚又发生了几起。在这两类事件中，我们都有大量法律可以处理。我们有关于网络安全和未经授权进入的法律，有损害赔偿责任，有与网络安全有关的各种责任，也有与产品有关的各种责任。

如果你的产品造成伤害，如果产品没有达到你承诺的表现，或者你与公司签订了包含服务等级协议的合同，那么都有大量相关法律。我的观点是，先执行这些法律，不要让这种“世界末日”叙事导致某些人免受现有法律的约束。

你不妨读一读字里行间的意思：他们实际上并不是在要求更多法律，而是在要求免受我们现有法律的约束。我认为这是个问题。我们已经有大量法律，所以先执行它们。

主持人

那么，你是否认为，这些公司之所以要求受到监管，某种意义上是因为它们不想自己处理这些问题，也不想为自己正在制造的东西承担责任？

Jensen Huang

它们正在从实验室转变为产品公司，从一家不产生客户收入的机构，转变为一家靠客户收入运营的企业。由于转型速度如此之快，这个过程必然非同寻常。

它们是历史上最具影响力的两家科技公司，拥有才华非凡的研究人员，工作也做得非常出色。但事实并不会因此改变：它们正在从实验室转变为产品和服务公司，产生数百亿美元收入，并预计收入最终会达到数千亿美元。两家公司扩大算力的速度，都是人类历史上任何公司从未经历过的。

它们确实配得上这样的增长，因为产品很好、很有用，人们想要更多；公司想创造更多收入，投资者也希望看到增长，这些都没有问题。但法律是存在的，产品责任法也是存在的。应当用当前发生的事件来检验这些产品责任法，然后再看看公司会怎样、接下来会发生什么。

先做显而易见的事，先做实际的事，然后我们再讨论理论问题。不能在实际问题都没处理之前，只顾讨论理论。

主持人

你是在主张不要增加政府监管，对吗？我想弄清楚这一点。

Jensen Huang

我的主张是执行现有监管。

主持人

对。但你的意思是，目前你不主张增加政府监管——要增加监管来做什么呢？

Jensen Huang

对。如果这是讨论的前提，那么在我们知道究竟缺少什么之前，为什么要增加更多法律？

主持人

既然如此，相比增加监管，你是否更信任控制这项技术的四五位首席执行官？你相信他们会做正确的事，并消除这里的一些担忧吗？

Jensen Huang

他们当然有能力做正确的事。他们正在经历怎样的转型，这是可以理解的。首先，他们都很年轻，都是第一次担任首席执行官。我已经做这份工作三十三年了，因此可以享受事后回顾的便利，坐在后排对他们的业务高谈阔论。

但事实是，他们正在经历这种转型。创办公司、建立组织、打造产品、开创行业、经营业务、推动上市，没有一件是容易的。所有这些对他们来说都是新事物，而且正在同时发生。

所以，我很能理解他们面对的挑战有多么巨大。我也非常相信他们团队的能力，这些都是非凡的人。

主持人

所以你信任他们？

Jensen Huang

我相信他们，我相信这些人。我也理解他们所处的环境。

但我不赞成用“世界末日”来转移问题、分散注意力。我更希望他们专注于那些我知道他们正在关注的事情。他们的工程师完全有能力理解，已经发生的事件要求他们为实验建立更安全的沙箱、更好的隔离和遏制机制。

我确信，他们已经认识到，在软件进行测试和评估时，需要更密切地监控它的全部运行情况。我也确信，如果他们的软件会从自己的云端与外部云和其他服务交互，就应该让人们知道；如果发生事故，也应当公开披露，让整个行业都能从中学习，大家都能改进。

网络安全行业就是这样运作的。此刻，全球各地都有网络攻击，也有全球各地的工程师在争分夺秒地修补软件、改进软件并修复漏洞。这些系统极其复杂。我们拥有开放软件和开源软件，让所有公司都能保护自己并升级软件，这是整个行业能够运转的原因之一。就在我们说话的时候，这套机制也正在运行，大家互相照应。数百家公司作为一个共同体协作，我们拥有一种不对称的优势：防御者的数量很多，可以共同对抗攻击者。

所以，对于它们经历的那些事件，还有很多事情需要仔细分析。但事实没有改变：它们现在正在重新把工作建立在工程基础上。它们会改进工程，会在评估、基准测试和测试方面投入更多，而这对它们来说是一种很好的转型。

主持人

我很好奇。美国公众看到你是NVIDIA的创始人兼首席执行官，而NVIDIA是一家极其成功、也是世界上最有价值的公司。在安全这个具体问题上，既然公司的成功和你的净资产都与芯片销售直接相关，美国人为什么应该相信你的观点？

Jensen Huang

我们公司的成功与产品和服务能否安全部署直接相关。如果计算机行业不能安全、高效地为世界创造价值，不能像迄今为止这样带来极其积极的影响；如果我们无法继续做到这一点，那么我们的价值就会下降。

因此，让这类被称为AI的新应用能够被安全地生产并交付给全世界，符合我们非常切身的个人利益和行业利益。我们必须做到这一点。我们必须在负责任与乐观之间取得平衡。

我们以此为业，是因为我们相信它对世界有益。我们相信，我们希望自己的孩子成为这个未来的一部分。我的孩子已经是其中一员。我们希望所有家庭都能成为其中一部分。我们希望未来的人类遭受更少痛苦，公司能够提高生产率，我们能更快地发现知识。我们希望拥有这一切。我们希望应对人口老龄化，希望拥有可持续能源，并利用AI的市场力量推动世界走向可持续能源。

我们希望实现所有这些目标，但必须负责任地、以安全的方式去做。我们也必须成熟地处理这一切，不能用戏剧化的、号称具有历史意义的未来预言来吓唬别人。那根本不是真的。

主持人

那么，我们应该放慢吗？这

Jensen Huang

从美国的立场看，无论其他任何人怎样，我们都应该尽可能快地前进。

听着，我们作为一个国家实力雄厚。这个国家拥有非凡的能力和非凡的创新者。我为自己是美国科技行业的一员而感到自豪，我认为科技行业是我们国家三大珍贵支柱之一。当然，金融体系是其中之一，军事实力也是其中之一，而我所服务、所参与的科技行业，绝对也是国家的珍贵财富之一。

我们会尽可能快地前进。但无论这有多重要，我们永远不会、也永远不应该在产品尚未准备好之前就推出产品，或交付不安全的产品。没有人期望我们那样做。但所有人都期望我们取得成功，并帮助美国尽可能繁荣。

主持人

David Sacks本周早些时候告诉我，他认为如果我们放慢AI的发展速度，可能会严重损害美国经济和美国军事实力，使美国处于不利地位。所以我想明确理解你的看法：你认为现在应该控制AI的发展节奏吗？

Jensen Huang

首先，David非常聪明。他考虑周全、思考深入、为人务实，也是伟大的美国爱国者之一。能够认识他是我的荣幸。我是在他担任白宫顾问时认识他的，他是一个了不起的人。

我不完全清楚他说那番话时的具体语境，但我相当确定，他希望美国以能够达到的最快速度前进，但不要快过我们应有的速度。我们应当尽可能快地前进，但不能快过应有的限度。如果我们因此牺牲安全，那就绝不能接受。

如果你牺牲安全，交付不安全、使人们身陷危险的产品，那么我们有各种法律可以追究你。因此，开发这些技术的公司有充分的激励去做正确的事。我对此完全有信心：它们既有这样做的激励，也有这样做的能力。我们会以对社会安全的方式交付和创造AI，并推动AI进步。

主持人

我想问问Donald Trump总统以及你和他的关系。你同意Trump总统的看法吗？你是他在科技和AI领域最亲近的顾问之一。

Jensen Huang

他有很多顾问，也会听取大量建议。他是一位非常出色的倾听者，会与各种各样的人交谈。我认为，这也是他能够看透复杂局势的原因之一。

主持人

说到这一点，他本周表示，他认为有关AI危险的担忧和恐惧是一场骗局，认为“AI可能毁灭人类”也是一场骗局。你同意Trump总统的说法吗？

Jensen Huang

是的。你和我刚刚正是从这个话题开始谈的。我完全不同意“AI会毁灭人类、会在2030年终结世界”这种说法。

主持人

你同意吗？总统把这种恐惧称为一场骗局。你同意他这样的定性吗？

Jensen Huang

我刚刚在All-In Summit上听到你和他通电话。

主持人

我不想替他说话，我问的是你的看法。

Jensen Huang

我认为，那些关于世界末日的说法正在美国各地激起恐惧，而恰恰由那些提出这些说法的人来做这件事，我完全无法理解。所以，他们一定另有目的。也许是政治原因，也许是别的原因，也许只是为了吸引注意力，也许是为了获得一次与你进行精彩采访的机会。我不知道他们的理由是什么。

但无论怎样描述，2030年都不会是世界末日。世界在那一年终结的概率是0%。所以，我认为吓唬人既没有必要，也不负责任。我不知道他们的动机是什么。

不过，他还说了另一件事：我们不需要更多监管，而需要执行现有的监管。这是非常实际、非常明智的主张，我们刚才也谈到了这一点，我同意。

主持人

他还谈到了一件有意思的事，也就是他有能力确保AI不会给美国人造成这种影响。你是否认为，Trump总统有能力在任期内抵御并防止AI危机？你了解他，也与他交谈过。他有这种能力吗？

Jensen Huang

作为美国的领导人，考虑到我们目前已有的所有法律法规，也考虑到摆在眼前的这些事件，我相信我们拥有处理这些问题所需的法律和监管工具。

主持人

所以在你看来，他能够抵御这种危机？

Jensen Huang

是的。因为美国的制度已经拥有大量适用于许多不同产品和服务领域的法律法规。我认为他说的是实际问题。正如我们先前谈到的，我认为我们拥有大量法律法规，而这些法律法规应该被执行。

主持人

我可以问一个与你个人情况有关的问题吗？大家都知道，Jensen Huang是NVIDIA非常成功的首席执行官，你也是一位亿万富翁。

你说过，你在California的一些亿万富翁同行正在花费数百万美元反对第40号提案，也就是所谓的“亿万富翁税”。而你表示，如果California通过该提案，你完全愿意缴纳。为什么你的看法与这么多同行不同？

Jensen Huang

我不介意纳税。为什么要介意呢？

听着，我不喜欢看到税款被浪费。我希望我们的国家高效运转。但我也支持这个国家所代表的一切。我支持所有政府官员履行公民职责，让美国变得伟大、变得更好。我热爱我们为所有公民提供的基础设施，也喜欢它所创造的一切。

对我来说，我就是“美国梦”的终极体现。如果没有这个国家，没有它提供的教育，没有创办新公司、追逐梦想的能力，没有让才干成为成功理由的环境——让你的努力、坚毅和创新成为成功的理由——我就不会站在这里。我不会遇到所有那些让NVIDIA成为可能的人，也不会在学校遇到我的妻子。这样的例子还可以一直列下去。

我从方方面面热爱这个国家。它并不完美，但它令人难以置信。能够成为其中一员，我非常高兴。我有幸周游世界，有时从外面回望自己的国家，看到我们经历的各种考验、磨难和争论，看到这个国家在许多方面的混乱；但正是这些使它变得美丽，也使它能够运转。

主持人

即使你最终可能在五年内缴纳大约80亿美元，仍然值得吗？

Jensen Huang

首先，我很高兴你这么说。我有能力在五年内缴纳80亿美元税款，这本身就是一种幸运。重点并不是那80亿美元，而是我有能力缴纳80亿美元。

所以，我不害怕纳税，我只害怕贫穷。

〔笑声〕

为其他人作出贡献对我来说毫无困难。我喜欢尽我所能给员工支付尽可能高的薪酬，这一点很有名，而且我确实这样做。我不会为了让别人替我工作而尽可能少付钱，而是努力尽可能多付钱。这是成功者享有的一种幸运。

坦率地说，我很乐意这样做。我认为这是一种幸运，也是一种责任。没有什么比有能力缴纳更多税款更让我高兴。

主持人

等等，你是在要求多缴税吗？

Jensen Huang

不是。你赚得越多，缴的税就越多。我对此没有意见。

主持人

这倒是真的。

Jensen Huang

我对此没有意见。

主持人

Jensen，谢谢。我们还有时间再问几个问题吗？我想尊重你的时间。

Jensen Huang

我有的是时间。

主持人

真的？

Jensen Huang

是我的团队在管时间。

主持人

太好了。我想问一件眼下让许多美国人非常困扰的事。很多人不希望在自家后院出现数据中心。

Jensen Huang

对。

主持人

这是罕见的两党一致，反对声同时来自两党。NVIDIA为很多数据中心提供动力。对于那些站出来表示“不希望这些设施出现在我们社区”的人，你想说什么？

Jensen Huang

首先，我想说，很抱歉我们没有更早来和你们谈。我们本应该更早与他们沟通。

在某个社区、某个乡村地区或小镇竖起一座巨型数据中心之前，就应该进行沟通。你知道，我在一个只有600人的小镇长大，就读的学校只有300名学生。那个地方就是Kentucky的Oneida，仅此而已。如果一座数据中心突然出现在唯一一家杂货店旁边，我想我也会感到惊慌。

所以，首先，我们需要在建设数据中心很久以前就与社区接触。我想，我的所有同行如今也都认识到了这一点。只是这一切发生得太快，而且迅速席卷全美国。有时候，我们没有意识到，也没有机会以一位来访者应有的礼貌进入一座新的小镇。

不过，我还想说，数据中心也在飞速改善。现在的冷却系统使用循环水，我们用温水为数据中心冷却，因此所需的冷却量大幅下降。

对于所消耗的能源，我们应该为发电设施提供资金。事实上，我们还应该为当地电网作出贡献，增强它的可靠性。

美国越来越理解，借助AI的市场动态和市场力量，再加上当前这轮规模惊人的投资，我们迎来了一百年来第一次能够投资各种可持续能源的机会。如果某座城镇想要太阳能，或希望采用核能——无论核聚变还是核裂变——或者水力发电，如今每一种发电方式都摆在桌面上，每一种都在得到投资。

这是一个极好的时刻。如果我们想拥有可持续的未来，那么必须承认，未来五年我们无疑会使用更多化石燃料；但在那之后的几十年里，由于人工智能，我们会看到各种可持续能源的应用。

我还想说，有许多城镇因为数据中心建设方的投资而受益的好故事。社区中心得到改善，新学校、新棒球场、新道路建了起来，房产税也降低了——所有这些都可以讨论。

所以，我认为数据中心建设方应该走进社区，告诉居民他们正在考虑在当地建设，也让居民知道，这场讨论同时包含改善城镇、降低税负和降低能源账单的机会。

同时，也应该设定一些最低要求。对于数据中心的外观，应该有一定期待。我认为它们应当被设计得更好，也完全可以设计得更好。我们需要一种新的数据中心设计方式。

主持人

不过，主要担忧其实并不是建筑是否漂亮。漂亮只是整个问题的一部分。

Jensen Huang

我认为，现在没有人把数据中心的美观视为其功能的一部分。

主持人

人们更关心电费、用水量以及投入其中的各种资源。这似乎才是抗议数据中心的人最主要的担忧。

Jensen Huang

说到这些，耗水问题现在已经是一个误解。这些数据中心不再使用蒸发式冷却，消耗的水比一个游泳池全年自然蒸发掉的水还少。所以，我认为这种担忧有历史原因，也可以理解，但现在已经是误解。

至于电费上涨，实际情况恰恰相反。所有这些数据中心都应该为电网作出贡献；一旦它们为电网作出贡献，电网会更有韧性，电力成本也会下降。

主持人

听起来，你是在说，人们应该重新考虑是否接受数据中心进入自己的社区；但建设时仍然要做好，外观也要更美观。

Jensen Huang

与城镇之间的退距应该更大。数据中心会带来大量进出交通，也会产生噪声等问题，所以处理这些事情必须合情合理。

我们本应在出现之前，就很早与社区展开对话。只是事情发生得太快，因此造成了遗憾。不过，今后我们可以做得好得多。

主持人

你创办NVIDIA时，它是一家游戏芯片公司。三十年前，你坐在一家Denny’s里。

Jensen Huang

我曾在Denny’s当洗碗工。

主持人

对。

Jensen Huang

所以我喜欢Denny’s。我喜欢Denny’s——“America’s Diner”。

主持人

你在Denny’s当洗碗工时，有没有想过，自己最终会站在一场有关AI和人类终结的争论最前线？

Jensen Huang

没有。我当时只是一门心思想把碗洗好，要洗得比任何洗碗工都好。我也是所有收拾餐桌的服务员中最出色的一个。几乎对做过的每一份工作，我都投入了热情，不管那是什么工作。

主持人

看起来，你今天对现在的工作也投入了同样程度的热情。

Jensen Huang

这件事影响深远，也非常重要。这是一场重要的对话，我很高兴我们正在进行这场对话。

我希望确保美国公众明白，这个行业有责任安全地开发技术。就像制药行业有责任安全地制造药物、汽车行业有责任安全地制造汽车、航空业有责任安全地制造飞机一样，这个行业也会安全地开发AI。第一，我们必须为此承担责任。

第二，不要让那些神话和荒谬、戏剧化的故事，使我们无法对这种不可思议的能力抱持乐观。我们不希望美国成为这样一个国家：发明了这场工业革命的技术，最终却让自己的国家落在后面。不要让这种事发生。我不希望它发生在我的孩子身上，也不希望它发生在你的孩子身上。

主持人

你能解释一下，数据中心实际上是做什么的吗？为什么AGI可能是一件好事？

Jensen Huang

好，这是一个非常好的问题。

首先，大家知道，大约350年前，现代工业革命开始了。人们开始生产电力。这是一件神奇的事，几乎带有神话色彩：水流进入一台机器，一种看不见的技术从中产生，名叫电力。我们能够把能源输送到世界各地，取代蜡烛、炉灶、燃木烤炉、蒸汽机等等。于是，我们使这个新产业成为可能，而一整个产业也在它之上建立起来。

再下一场、也是上一次工业革命，实际上是信息时代。我们通过建设数据中心，把互联网连接在一起，使我们能够找到任何东西。此前的工业体系让我们能够驱动任何东西；现在，我们能够找到任何东西。

到了今天，我们创造了这种名为人工智能的技术。只要给它信息和上下文，它就能对这些信息进行推理，从而回答问题、完成任何事情。它甚至可以使用工具。

比如，过去是你我使用网页浏览器，使用PowerPoint、Excel，或使用AutoCAD、Blender之类的3D设计工具。现在，这个软件可以理解你要求它做什么，获取完成任务所需的上下文和信息，理解你的意图，然后替你完成工作。

OpenAI最新一代的Astra非常了不起。你只需要告诉Astra：“这是我家后院的一张照片。这里还有一些我喜欢的参考案例，也许我想在里面放一座游泳池或一个花园。现在，请把它变成一份设计文件，交给我的园丁和木匠，让他们替我建好后院；或者替我设计那栋房子、建造那栋房子。”

Astra会使用所有必要的工具和你提供的图像，为房屋、厨房或后院生成CAD文件。这令人难以置信。这就是AGI所做的事情。

不过，我们现在需要一种新的基础设施。过去我们需要发电机，需要服务互联网的数据中心；现在我们需要人工智能工厂，也就是AI工厂。

能源进入其中，数据进入其中，然后产生我们称为“令牌”的数字；这些数字本质上被重新组织为智能。我知道这听起来很复杂，但基本原理就是：能源输入，智能输出。它本质上就是一座AI工厂。输入、输出；输入、输出。就这么简单。

当然，这些工厂里有大量由NVIDIA制造的计算机。

接下来的问题是：这个行业会有多大？事实证明，经济的几乎每个部分和每一个人都与它有关。我们喜欢了解事物，也喜欢做事情。也许我们想让购物自动化；也许我们想让它自动规划度假或旅行，并替我们找到最优惠的票价；诸如此类。我刚才还举了改善后院或设计新厨房的例子。

所以，每个行业都有信息工作要做。全球经济规模可以说是100万亿美元，其中约15万亿美元的部分，会因为获得比现在更多的智能而受益。

这些工厂会成为覆盖每个国家的一层基础设施，每家公司都会使用它。这就是为什么会有这么多数据中心。它会成为一个数万亿美元规模的产业。

然后问题就变成了：从美国的角度，我们应该怎样看待这些数据中心？需要认识到，这是至少五十年来、甚至一百年来，我们第一次有机会让美国重新工业化，也就是让制造业回到美国。

当然，这一次制造的是看不见的东西，就像发电一样，不完全是传统意义上的汽车制造。

主持人

没错，是传统制造的另一种形式。

Jensen Huang

它不是在制造原子，而是在制造电子。可以这么说，它是看不见的，但它仍然是制造业。

正如你所知道的，它正在美国各地创造各种制造业岗位。建筑工人、电工、管道和设备安装工、设计师、建设者，每个人都忙得不可开交，因为他们正在全美建设价值数万亿美元的AI工厂。

真正让我兴奋的是，这是几十年来第一次，美国的蓝领工人、建设者和手艺人迎来了巨大的机会。他们现在都在享受这样的繁荣，我很高兴看到这一点。我们的确面临电工和建筑工人短缺，但这也是美国重新工业化、再次成为制造业国家的绝佳机会。我们可以为蓝领工人以及全国所有建设者创造机会，让建设和制造重新回归。

所以，我认为这不可思议。它正在创造各种各样的工作岗位。

主持人

许多人并没有把数据中心看成一个制造业故事，所以我觉得这很有意思。

Jensen Huang

没错。正如我刚才所说，它只是制造业的新版本。发电是一种工业活动，发电设施里也有人建设这些工厂；它们必须被建造出来，是建设者把它们建出来的。

数据中心就是制造业的新版本，而这个新版本所制造的产品是看不见的，是数字。我知道，“制造数字”听起来很奇怪，但它本质上就是这么回事。

风险提示及免责条款

黄仁勋称不惧纳税，未来五年税负或达约80亿美元

董静 — Mon, 21 Sep 2026 08:29:48 GMT

今年秋季，黄仁勋所在的美国加利福尼亚州选民将就一项亿万富翁税提案进行投票，该提案拟对净资产超过10亿美元的加州居民一次性征收5%的税。

近日，黄仁勋在接受美国哥伦比亚广播公司（CBS）专访时表示，如果该措施在11月获得通过，他不反对缴纳数十亿美元的额外税款。

“我有能力在五年内缴纳80亿美元的税款。”

“我不怕缴税。我只是害怕变穷。与其尽可能少地支付薪水来换取员工的工作，我更倾向于尽可能多地支付给他们。”

功率半导体又涨价了：新周期、新革命，AI供电的隐藏红利受益者？

Mon, 21 Sep 2026 08:29:18 GMT

2026年功率半导体的涨价，被多数投资者归类为又一轮周期反弹。这个归类很可能低估了正在发生的事。

截至2026年8月，英飞凌、意法半导体、德州仪器年内各完成两到三轮调价，主流功率器件交期从12周拉长到30周以上，最紧缺料号达到52周；同期全球8英寸有效产能同比下降2.4%，功率器件七成以上依赖的这条产线，正在被代工大厂主动放弃。但真正的变量不是价格，而是英伟达把800V高压直流（HVDC）确立为下一代AI工厂的供电标准：600kW机架的母线电流从5万安培降到750安培，单机柜功率半导体价值量从1.5万美元抬升至11.5万美元以上。功率半导体的需求锚正在从汽车换到算力。

外交部介绍习近平主席访美有关安排和中方期待。（新华社）

Mon, 21 Sep 2026 07:33:36 GMT

外交部介绍习近平主席访美有关安排和中方期待。（新华社）

风险提示及免责条款

号称"逆天"的Jev模型：实测一晚上亏掉3万美元

黑白之道 — Mon, 21 Sep 2026 07:33:23 GMT

一夜成型的"AI 印钞机"

Moon 在 9 月 19 日发的这条推文，到现在已经有接近百万次曝光。推文本身不长，但信息密度极高——他用晚上加第二天早上这段时间，搭了一个实时交易机器人，喂给它链上+链下的数据流，让它针对 MON/USDC 交易对做高频决策。整个过程全自动运行，不需要人为干预。

按 Moon 自己的描述，这个机器人"应该"具备的能力相当华丽：每区块决策一次，延迟控制在 100 毫秒上下，能根据链上数据和场外信号综合判断买卖方向。从概念上看，这套系统把传统量化交易里"信号源+执行器"的两层架构完全压到了一个 AI 模型里。

视频开头展示的"Jev Trader"仪表盘也确实做得相当专业：顶部是当前处理的区块号和运行时长，主面板是价格曲线和仓位状态，右侧实时滚动着最近若干个区块的决策记录——每条记录都标明了买卖方向、置信度（conf 数值在 0.5 到 0.95 之间波动）和延迟（多数在 70ms–170ms 之间）。这一上来就给人"这是个成熟产品"的观感。

但越往后看，味儿就越不对了。

视频里的"全自动亏损"

视频时长约 10 秒，覆盖了大约 30 个区块的决策周期。开头第一个区块时，机器人开仓做多 600 个 MON，彼时浮亏 -113.235 MON（约 -5.19%），状态显示为 Selling，置信度 0.60。也就是说，刚刚建仓的机器人已经开始考虑要不要反向操作了。

紧接着的几个区块里，机器人进入了高频横跳模式：BUY（87% 置信度）→ SELL（91% 置信度）→ BUY（85% 置信度）→ SELL（91% 置信度）→ BUY（76% 置信度）。每一个区块都在根据"本区块的链上信号"重新做一次方向判断，听起来很 fancy，实际表现就是经典的"追涨杀跌"——价格冲到 0.022005 它就兴奋地开多，价格回落到 0.021985 它又果断地砍仓。

到第四帧左右，价格出现一次明显跳水，从 0.022002 直接掉到 0.021983，机器人瞬间把置信度拉到 0.91 给出了强力 SELL 信号——反应倒是很灵敏，问题是它早在高位已经开多了，这时候再卖，相当于在地板上止损。最终浮亏从 -5.19% 一路扩大到 -5.28%，账面亏损持续放大。

视频结尾，机器人在 0.021986 这个位置又开始尝试 BUY，置信度 0.76，意图很明确——"我抄个底"。问题是它前几个区块刚刚在同一价位疯狂止损，现在又回到原点继续接货，整体策略的连贯性几乎为零。

视频号里的"Jev 神教"

Moon 这条推文能爆火，本质上不是因为他亏了钱——币圈亏钱的故事从来不缺——而是因为他"真的把视频号吹的东西跑了一遍"，而且跑出了和宣传话术完全相反的结果。

目前国内多个短视频平台上，搜索"Jev"相关的 AI 交易内容，会看到大量账号在用类似的句式宣传："Jev 让小白也能跑量化"、"链上 AI 印钞机"、"Jev 一晚回本"等等。这些内容有几个共同特征：第一，几乎不展示实盘账户的盈亏曲线；第二，所谓的"战绩"截图大多来自模拟盘（dry run）或者干脆是回测数据；第三，对风险和滑点的描述几乎为零。

而 Moon 这条推文恰好把这个口子撕开了——他用的是 dry run 没错，但他同时把每笔决策的置信度、延迟、信号方向、浮亏百分比全部公开了。任何一个懂量化的人看完这几帧视频，都能得出结论：这套系统在当前的参数和策略下，根本无法稳定盈利。它所谓的"高置信度"只是模型对自己输出的自信，并不是对市场方向的准确判断。

AI 模型不是量化策略

这其实也是过去一年 AI 量化赛道反复出现的问题：把一个大语言模型或者多模态模型直接接到交易接口上，让它根据实时数据"自由发挥"，听起来很 AI native，但实际工程上的坑一个都没少。

一个能稳定盈利的量化系统，至少需要三件事：稳定的特征工程（不是把所有原始数据都塞给模型）、严格的回测和风控（单笔最大亏损、最大回撤限制）、以及清晰的策略一致性（不能在同一个信号下做出相反的操作）。这三件事和模型本身的能力没有太大关系，更像是基础设施层面的纪律。

Jev 在视频里表现出的高频横跳，本质上是没有"风控层"和"持仓约束"——模型每个区块都被允许重新决策一次，那它当然会随着每个区块的信号变化来回切换。结果就是：信号质量不够高的时候，这种切换只会放大摩擦成本和滑点，而不是提升胜率。

写在最后

Moon 最后那句"So far it has lost me $31,680"，是这条推文能被反复转发的核心。一晚上的工作量、一个看起来很专业的仪表盘、一套号称"开了挂"的 AI 模型，最终换来的是真金白银的 3 万美元亏损。

这并不是在说 Jev 本身没用——任何 AI 模型在交易场景下都需要严格的工程化封装——但视频号里那些"Jev 印钞机"的内容，确实需要打一个大大的问号。对一个号称能让小白跑量化的工具，至少应该让用户在 dry run 阶段就看到和真实环境一致的回测结果，而不是给出一个看起来很牛、跑起来血亏的仪表盘。

毕竟，亏钱这件事，从来都不是因为模型不够聪明。

本文来源：黑白之道

风险提示及免责条款

习近平将对美国进行国事访问

新华社 — Mon, 21 Sep 2026 07:06:33 GMT

外交部发言人9月21日宣布：应美利坚合众国总统特朗普邀请，国家主席习近平将于9月23日至25日对美国进行国事访问。

来源：新华社

风险提示及免责条款

人民日报：房地产进入存量阶段，绝非行业发展的退潮

人民日报 — Mon, 21 Sep 2026 06:55:52 GMT

9月20日，人民日报发文《房地产进入存量阶段，绝非行业发展的退潮》。

18日，住房和城乡建设部在国新办发布会上表示，我国房地产市场已进入存量阶段。目前，我国二手房交易占比从2020年的27%提升至2025年的46%，2026年前8个月已达52%，超过新房成为住房交易市场的主力，这正是房地产发展阶段转换最直观的市场证据。

这一转变并非突如其来，而是符合经济发展规律的必然结果。从供给侧看，我国城镇人均住房建筑面积已超过40平方米，户均住房超过1.1套，人民群众“有房住”的问题已基本解决。从需求侧看，我国城镇化率接近67%，城市发展正从大规模增量扩张转向存量提质增效为主，居民部门“卖旧买新”“以小换大”的改善型置换需求成为交易主流。

从“增量”到“存量”，阶段转变的背后，是发展目的的回归。过去很长一段时期，房地产投资属性被不断放大；进入存量阶段，行业核心矛盾从总量不足变为结构性供给不足，居民需求从“有没有”转向“好不好”，对房屋品质、社区环境、物业服务的精细化要求日益凸显。房地产发展的价值，终究要回到“住”这个民生属性的根本上来。

房地产回归民生，首先要兜住底。存量阶段，政策应统筹防风险、促转型、惠民生多重目标；对行业而言，应加快构建房地产发展新模式，形成更可持续的发展模式；对经济发展而言，房地产对宏观经济的贡献将从增量为主转向存量提升，城市更新中的城中村、危旧房、老旧小区更新改造等将成为稳投资的重要力量；对普通居民而言，意味着居住体验的实质性改善，意味着每一个在城市打拼的人，都能有一处安心的居所。

房地产回归民生，关键要提品质。近年来，住房和城乡建设部大力推动“好房子”建设，新版《住宅项目规范》提出了多项住房品质提升要求。新版规范，不仅能指导新建住房的开发，更将为存量住房的改造升级提供明确依据。

房地产回归民生，最终要落到实打实的居住体验改善上。今年前8个月，我国新建商品房销售面积同比下降12.1%，二手房交易网签面积同比增长10.6%，这一降一增，不是市场需求在萎缩，而是需求结构在“换挡”：越来越多的人不再盯着房产价格追涨杀跌，而是通过理性置换，将房子的意义从投资品切换为更合适的生活空间。这背后，是人民群众的选择——大家更在意房子能不能住得更舒心、更踏实。

当一所房子的价值锚点从“涨不涨”转向“好不好”，房地产行业才能真正与人民群众的美好生活同频共振，走出一条更扎实、更长远的发展之路。

本文来源：人民日报，作者系北京大学光华管理学院院长、北京大学博雅特聘教授

风险提示及免责条款

SpaceX展望Terafab：月产100万片晶圆，支撑1TW算力

董静 — Mon, 21 Sep 2026 06:52:05 GMT

SpaceX首席财务官Bret Johnsen认为，由于全球现有半导体供应链（尤其是存储芯片）的产能扩张速度远无法满足未来“轨道AI”和星舰项目三位数的爆发式增长需求，SpaceX必须亲自推动Terafab项目以突破供应链瓶颈，力争在2028年至2029年前形成实质性产能，为轨道AI算力的增长拐点提供关键支撑。

AI狂飙背后的“债务黑洞”：未来5年或需1.2万亿美元外部融资

Mon, 21 Sep 2026 06:50:16 GMT

全球AI基础设施建设正以史无前例的速度燃烧资本，但支撑这场"超级周期"的债务引擎已悄然膨胀至令市场警觉的规模。随着越来越多的科技巨头陷入自由现金流负值，外部融资需求将不可避免地持续攀升。

据高盛最新测算，2027年超大规模云服务商（Hyperscaler）全球直接债务发行规模预计将达4200亿美元，较2026年全年预估的2500亿美元增逾60%。

与此同时，美国银行在其最新报告中测算，到2030年，以微软、亚马逊、Alphabet、Meta、甲骨文、SpaceX、Coreweave及Nebius为代表的核心AI基础设施主体，外部融资总需求将达1.2万亿至1.5万亿美元，若以债务为主要融资渠道，预计每年将为信贷市场带来逾3000亿美元的增量供给，短期内甚至有望冲至5000亿美元。

这一债务扩张浪潮不仅波及投资级债券市场，更通过表外特殊目的载体（SPV）、基础设施融资、私募信贷等多条渠道持续渗透。

超大规模云商自由现金流告急，债务成唯一出路

AI投资热潮的最直接财务后果，是主要Hyperscaler的现金流状况急剧恶化。

除微软外，其余主要Hyperscaler均已陷入自由现金流负值。这意味着，未来资本开支的扩张几乎完全依赖外部融资——而债务是首选渠道。

美银测算，2026年至2028年，上述八家核心企业的合并经营现金流约为3.3万亿美元，而总资本开支达3.7万亿美元（其中AI资本开支2.9万亿美元），三年净融资缺口约为4000亿美元。将预测区间延伸至2030年后，经营现金流升至6.6万亿美元，总资本开支升至6.9万亿美元，净缺口仍维持在约3000亿美元。若叠加分红、回购及并购等资本运作需求，总资金缺口将扩大至8000亿美元。

美银强调，债务对权益在成本上具有显著优势——Hyperscaler债务税后成本约为5%，而权益融资成本超过11%，两者相差逾一倍。这使得债务融资在可预见的未来仍将是主流选择，但对部分债务成本近期已大幅攀升的企业（如甲骨文）而言，该逻辑的适用性正在减弱。

表外"时间炸弹"规模持续扩大

除直接债券发行外，AI融资体系中另一个不容忽视的风险敞口来自表外安排。

今年截至目前，AI相关跨信用市场美元债务发行总量已达5680亿美元，其中投资级债券2590亿美元，私募信贷、直接贷款及其他双边/非公开融资合计2560亿美元，高收益债券400亿美元，机构贷款110亿美元。

而在已披露的表内债务之外，高达3.1万亿美元的表外承诺与义务——主要由1.1万亿美元的未折现租赁付款和1.7万亿美元的采购承诺构成——仅在三个月内就新增了1.3万亿美元。这些表外敞口通过SPV、基础设施融资等渠道运作，直接映射至私募信贷市场。

供应商融资成为"不可融"资产的破冰钥匙

在外部融资渠道中，芯片供应商主导的"供应商融资"机制正扮演越来越关键的角色——其核心作用在于将原本难以融资的资产转化为可进入银行信贷市场的标准化债券。

以英伟达为例，其通过"照付不议"（take-or-pay）结构，为部分Neocloud客户提供六年最低收入保障，为贷款人设定合同层面的收入下限，从而替代超大规模云商的承购背书，使相关融资获得市场认可。

博通则通过旗下AI XPV Platform走得更远——在与阿波罗（Apollo）及黑石（Blackstone）联合发行的350亿美元首发债务包中，博通对其中310亿美元的优先票据及芯片残值提供直接担保（占总债务的87%）。从定价差异可清晰看出担保价值：有保障的A2级票据利率为5.75%，无保障的二级留置权票据则高达8.5%。美银分析师测算，若该平台扩张至20GW规模，博通的峰值残值担保（RVG）敞口至2029年中期将达约3700亿美元。

美银报告指出，这类供应商信用机制的本质，是将清算利率的决定权从资金使用方转移至供应商，由此将原本无法进入常规信贷市场的敞口转化为可融资资产。但与此同时，这也意味着大量或有负债正在芯片供应商的资产负债表上悄然积聚。

信贷反馈机制：债务泡沫的自我纠偏边界

尽管债务规模持续扩张，美银亦提示，市场存在内生的风险纠偏机制。2026年7月AI信用利差的剧烈波动已提供一次预演——利差走阔迫使部分发行人暂停债券发行计划，印证了当债务成本超过资本配置的经济合理性边界时，发行人将转向股权、可转债，甚至主动削减资本开支。

报告同时警示，阻碍AI基础设施建设步伐的主要约束，可能并非资本本身，而是电力供应、监管审批、施工周期等物理性与制度性瓶颈。

开源模型的快速崛起则构成另一层潜在压力。随着能以极低成本实现接近前沿模型性能的开源方案在市场上渗透，主流前沿模型的Token价格自6月峰值以来已累计下跌逾50%，创历史新低。这不仅冲击了前沿模型的商业逻辑，也令其高达万亿美元级别的IPO估值承压。若Token经济的盈利转折点迟迟未能兑现，整个AI债务生态所依托的收入假设将面临根本性重估。

风险提示及免责条款

2027年新房供给缺口重现：房价企稳曙光在即？

Mon, 21 Sep 2026 06:43:33 GMT

9月18日，住建部在十五五系列新闻发布会上明确定调，房地产市场进入存量时代。二手房交易占房地产交易的比重已由2020年的27%升至2025年的46%，今年前8个月进一步达到52%，首次超过50%。中国房地产已由增量扩张转向存量提质，新房独大格局被打破。

8月28日多部委推出新政，覆盖拿地、融资、建设、销售及抵押贷款全链条，核心导向是引导新项目销售转向现房销售。住建部再次强调现房销售是大势所趋，旨在实现“一手交钱，一手交房”，从根本上防范烂尾和交付风险。

这对于开发商而言，意味着商业模式被根本重构。过去房地产开发高度依赖预售模式，开发商在项目建设早期即可销售，并利用购房款支持后续建设和拿地。旧模式下，预售回款占开发资金来源约66%，开发商可在拿地后6-12个月回款并滚动拿地。

新模式下，项目需要达到更高建设进度后才能销售，按揭资金进一步向竣工交付环节后移。由此，现金转换周期拉长至2-3年，项目内部收益率（IRR）从15%-20%降至3%-7%，净利率从约6%降至4%。开发商商业模式从高杠杆高周转转向现房销售、封顶预售。

因此，政策短期可能表现为紧开发、松需求：开发商需要更多自有资金和长期融资承接项目，拿地和新开工意愿下降；购房者则获得更长期限、更高安全性的融资和交易条件。其结果可能是新增供应持续收缩。

房地产或从去库存走向供给约束

由于新土地项目需要封顶才能预售，或者只能卖现房，开发商失去快速周转动力，新开工意愿和建设节奏将显著放缓。虽然短期内部分房企抢在政策实施前申请预售证使得供应暂时维持平衡，但随着旧项目消化，中期市场供应缺口将逐步显现。

AI 制药真正的 Scaling Law来了？

贝叶斯之美 — Mon, 21 Sep 2026 06:43:02 GMT

9 月 15 日 FDA 正式启动Expedited IND Pilot。核心目标不是简单“审批更快”，而是从制度设计上缩短：发现候选药物 → IND-enabling → IND → First-in-Human之间的时间。

FDA 明确表示，目前美国部分首次人体试验准备流程可能长达约两年，而新机制希望通过 sponsor 与 Qualified Research Institution 协作，并把过去串行完成的 IRB、site contracting、trial activation 等步骤尽可能并行化。申请窗口持续至 2026 年 10 月 30 日。这件事对于传统 Pharma 是利好，但对AI Drug Discovery 的边际意义更大。

原因很简单。

过去 AI 制药最大的悖论是药物发现的时间可以大幅度缩短，毕竟大模型最强的能力就是各种排列组合，但是Regulatory + Clinical Time的时间却几乎没变，所以我们可以用 AI 把一个候选分子从 4 年缩短到 18 个月，最后却还要进入同一条漫长的 IND/临床漏斗。

于是 AI 的时间优势被监管瓶颈“截断”。

现在如果出现：Discovery↓ + TIND↓ + TTrial↓，都同时缩短了，那么AI 制药的全部商业模型才真正发生非线性变化。

而且 FDA 不是只有这一项政策。2026 年 FDA 实际上正在同时推进：MIDD、QSP、NAMs、减少动物实验、master protocol、阶段适配的 CMC、单一关键性临床试验+confirmatory evidence 等一整套开发范式改革。

6 月 FDA 已正式发布 ICH M15《Model-Informed Drug Development》最终指南；FDA 与 EMA 年初还公布了 10 项 Good AI Practice 原则，明确承认 AI 可以贯穿非临床、临床、制造和上市后证据生成。另外，FDA 正推动以AI 模型、organ-on-chip、真实世界数据等 NAMs替代部分动物实验。

这实际上是在降低一种非常重要的东西：AI Drug Regulatory Uncertainty Premium。以前投资者问：AI 找出来的靶点、AI 设计的蛋白、AI 生成的 molecule，FDA 到底认不认？

现在监管机构正在回答：

可以用，但必须做到 context-of-use、验证、风险分级、可审计。

这是完全不同的监管环境。

GPT诞生以来，资本市场习惯用大模型的逻辑理解 AI 制药：更多算力、更大模型、更复杂算法，最后带来更高的研发效率。这个逻辑有一部分成立，但生物医药和互联网 AI 有一个根本区别。语言模型可以从互联网上持续吸收文本，生物学很多最重要的数据却必须通过真实实验产生。

一个模型可以设计出十万个候选分子，但这些分子能不能进入细胞、能不能作用于目标蛋白、有没有毒性、进入人体以后是否有效，最终都要由现实世界回答。因此，AI 制药真正的 Scaling Law，核心并不只是模型做得越来越大，而是模型、生物数据、自动化实验和临床反馈能够形成越来越快的闭环。

AlphaFold 是这个时代最重要的起点之一。过去，确定一个蛋白质的三维结构可能需要大量实验和很长时间，AlphaFold 将很大一部分结构预测问题转化成了计算问题。Google DeepMind 已经公开超过 2 亿个蛋白质结构预测，越来越多过去需要先做实验才能获得的信息，可以先通过计算完成筛选。这个变化看起来像一次算法突破，真正深远的意义在于药物研发的搜索空间开始大幅缩小。以前科学家需要在巨大的可能性空间里不断试错，现在 AI 可以先筛掉绝大多数低概率方案，把实验资源集中到少数更有希望的候选物上。药物研发因此开始从“大量试验寻找答案”，走向“先计算，再做更有价值的实验”。

但当模型越来越强以后，新的瓶颈很快出现，那就是真实生物数据。互联网上可以抓取大量文本，却无法直接知道关闭某个基因以后一个癌细胞会发生什么，也无法知道一个新分子进入人体后会产生什么副作用。这些答案必须通过实验获得。

所以未来 AI 制药最值钱的资产，很可能越来越集中在高质量、独家的实验数据上。Recursion 这类公司长期建设自动化实验平台，大规模观察基因、药物、细胞和疾病表型之间的关系，背后的价值并不只在于拥有几十 PB 数据，更重要的是这些数据来自真实实验，而且可以持续产生。公开论文每家公司都能读，公共数据库每个模型都能使用，但一家企业几年里通过自己的实验系统积累出来的 perturbation、细胞表型和疾病反应数据，很难被直接复制。

这会形成一个非常重要的产业飞轮。AI 先提出一个预测，实验系统负责验证，实验结果变成新的数据，新数据继续训练模型，模型再提出更好的预测。循环越快，系统学习得越快。未来判断一家 AI 制药公司的竞争力，可能越来越少看“模型有多少参数”，越来越多看“一年能完成多少次高质量的预测、实验和学习循环”。一家企业一年只能完成几百次有效验证，另一家能够完成几万次，几年以后双方积累的知识差距可能会非常大。这也是为什么自动化湿实验室、实验机器人、标准化生物实验平台越来越重要。它们本质上是在提高 AI 与现实世界交互的速度。

近期 Anthropic 开始建设生物学湿实验能力，就是一个很值得重视的信号。

Frontier AI 模型越来越擅长阅读论文、提出假设、设计实验，接下来真正限制科研速度的环节，很可能变成实验本身。模型一天可以提出成千上万个可能的生物学假设，但科学家无法用传统方式逐一验证。当 AI 提出问题的速度超过实验室给出答案的速度，实验能力就会成为新的稀缺资源。GPU 解决的是“模型能够思考多少”，实验室解决的是“模型能够知道多少”。未来生命科学领域的 Scaling 很可能同时发生在算力、机器人和实验吞吐量三个维度。

AI × Wet Lab Closed Loop这可能是 AI 制药真正的“Scaling Law”。

GPU AI 的 scaling law 是：Compute+Data+ParametersCompute + Data + Parameters，生物 AI 的 scaling law 很可能变成：Model×Causal Biological Data×Automated Experimentation。谁拥有自己的实验闭环，谁就能产生别人没有的 ground-truth data。而 biological data 和互联网文本完全不同，文本可以 crawl，高质量 perturbation / phenotype / multi-omics / clinical response data不能 crawl，只能做实验制造出来。因此Wet Lab=Biological Data Factory，这可能成为未来 AI Biotech 最大的护城河之一。

AI 制药最大的经济价值，最终还要回到药物成功率。制药行业最残酷的地方，是一个项目即使已经投入很多年、很多钱，也可能在 Phase II 或 Phase III 失败。一款药从发现候选分子开始，还要经历临床前、一期、二期、三期和监管审批，每一关都有失败概率。

因此，AI 真正创造巨大价值的方式，很可能来自提前排除错误靶点、减少无效候选物、降低毒性失败、优化患者选择和改善临床试验设计。如果这些环节各自只提高一点点，叠加起来就可能显著改善整个药物开发的资本回报。对于一家大型 Pharma 而言，提前两三年发现一个项目大概率失败，节省的资金和时间，可能比单纯把某个实验从一个月缩短到一周更有价值。

现在行业最关键的变化，是 AI 药物终于开始大量进入人体临床。截至 2025 年底，已经有超过 100 个 AI-enabled therapeutic assets 进入临床开发，越来越多项目开始从 Phase I 向 Phase II 甚至 Phase III 迁移。这个阶段非常重要，因为整个行业终于可以开始积累真正有价值的数据：AI 的预测和真实人体结果之间到底是什么关系。过去很多 AI 制药公司的证据主要来自计算 benchmark、分子生成能力或者实验室验证，这些数据只能证明模型“看起来有效”。进入临床以后，行业才有机会回答最重要的问题：AI 能不能提高真正的药物开发成功率。

Insilico 的 Rentosertib 就是一个值得整个行业观察的案例。AI 参与了靶点发现、分子设计和后续药物开发，项目已经推进到 Phase III。它的意义远远超出一款药本身。如果这样一批 AI 参与设计的药物最终能够在大规模临床中取得成功，市场就会第一次拥有足够强的证据去判断 AI 是否真的提高了药物研发效率。如果其中一些项目失败，这些失败本身也同样重要，因为行业可以进一步判断问题出在靶点、分子、疾病机制、患者选择还是临床设计。如果一个平台能够把失败数据重新用于训练和优化下一代模型，那么一次失败就不再只是项目归零，也可能成为下一轮研发的学习资产。

Generate Biomedicines 则代表另一条值得关注的路线。过去药物研发很大程度上是在自然界和化学空间里寻找合适的分子，现在 AI 开始尝试根据目标功能直接设计蛋白质和抗体。这意味着药物研发逐渐从“搜索”走向“设计”。如果这种模式最终能够在大规模临床中成立，生物医药会越来越接近一个工程系统：先定义想实现的功能，再让 AI 生成满足这些约束条件的分子，然后通过实验和临床不断验证。这种变化的长期意义，可能比简单提高某一个研发环节的效率更大，因为它直接扩大了人类可以探索的药物空间。

监管环境也在发生配套变化。FDA 近年来持续推进 Model-Informed Drug Development、新型动物替代模型、更灵活的临床设计和更高效的 IND 流程。Expedited IND Pilot 的意义尤其值得关注，因为 AI 如果能把药物发现从几年压缩到更短时间，但后面的 IND 和临床流程仍然很慢，前面的效率提升会被大量抵消。只有发现、实验、监管和临床四个环节同时提速，AI 制药的经济模型才会真正出现明显变化。制药行业里，时间本身就是资本成本，一个项目早一年进入市场，可能意味着非常巨大的专利价值和现金流差异。

所以未来判断一家 AI 制药公司的质量，我会重点看五件事。

第一，它有没有别人难以复制的实验和临床数据；

第二，它从模型预测到实验反馈的周期有多短；

第三，它的候选药能否持续从 discovery 推进到 IND、Phase I、Phase II 和 Phase III；

第四，它的临床成功率能不能逐渐显示出高于传统研发方式的迹象；

第五，一次项目失败以后，整个系统能不能吸收这些信息，让下一批项目更聪明。前四项决定当期价值，第五项决定这个平台有没有真正的复利能力。

如果这个闭环最终成立，AI 对制药业最深刻的改变会出现在研发生产率上。传统制药行业长期面临一个著名问题：全球 Pharma 投入越来越多研发费用，新药研发效率却没有同步提高。AI 真正值得期待的地方，在于它可能第一次让更多实验产生更多数据，更多数据带来更好的模型，更好的模型又提高下一轮实验和临床决策的质量。这样一来，企业做得越多，未来研发可能越有效率，制药行业才有机会真正获得类似科技行业的学习曲线。

因此，AI 制药真正的 Scaling Law，可以用一句话概括：谁能更快、更便宜、更可靠地让 AI 向现实世界提问，并得到高质量答案，谁就更可能领先。GPU 决定模型能够思考多少，自动化实验室决定模型能够学习多少，临床数据决定这些知识最终值多少钱。当这三条曲线开始同时增长，AI 才可能真正改变制药行业最难的问题——新药研发的成功率和生产率。

这也是为什么 AI 制药接下来最值得关注的，已经逐渐从“模型有多强”转向“现实反馈循环有多快”。真正长期的赢家，很可能是那些能够把模型、自动化实验、独家生物数据和临床开发连接成一个持续学习系统的公司。那时候，AI 在生物医药领域最大的价值，不会体现为某一个惊艳的算法，而会体现为一件更朴素、也更重要的事情：人类找到有效药物的速度开始真正加快。

本文来源：贝叶斯之美

风险提示及免责条款

IMF：全球债务2029年将超GDP

Mon, 21 Sep 2026 06:40:50 GMT

国际货币基金组织警告，全球公共债务将比此前预期提前两年突破GDP总量，美国债务路径被明确点名为"不可持续"，全球财政整顿的紧迫性显著上升。

IMF总裁Kristalina Georgieva于20日在纽约出席卡塔尔政府主办的经济论坛时表示，各国在巩固财政状况方面行动远远不够。据彭博报道，她指出，IMF最新预测显示，受美国等政府借贷快速攀升驱动，全球公共债务将于2029年超过全球GDP的100%，较此前预期提前整整两年。

在美国财政问题上，Georgieva表示已就此与美国财政部长Scott Bessent进行专项讨论，双方均认同当前美国债务结构不可持续，美国需逐步压缩预算赤字与债务规模。与此同时，她还警告中东战事可能对全球经济造成冲击，并对卡塔尔凭借充裕财政缓冲抵御冲击的能力给予正面评价。

债务警戒线提前触及，美国等政府借贷是主因

IMF此次上调债务风险预警的核心依据，在于美国等政府借贷规模的快速扩张。根据最新预测，全球公共债务占GDP比率将在2029年突破100%这一关键门槛，比此前预期提前两年。

Georgieva在论坛上直言："我们已就财政整顿的必要性发出长期警告，所有人都知道这是必须做的，但实际行动远远不够。"这一措辞罕见地直接点出各国政府在财政纪律上的集体失位。

在所有主要经济体中，美国受到IMF最为明确的关注。Georgieva表示，她已就美国财政问题与财政部长贝森特进行专项沟通，双方达成共识：美国当前债务结构不可持续，需要逐步削减预算赤字和债务水平。

事实上，Georgieva上月已就此发出预警，指出包括美国在内的多数发达经济体正处于需要格外审慎管理的债务轨道上。此次在与美国财政部长直接对话后再度公开表态，显示IMF对美国财政走向的关切程度进一步加深。

货币政策走向被IMF列为可能进一步推高债务负担的另一关键变量。Georgieva指出，全球通胀压力依然具有持续性，美联储和欧洲央行等主要央行可能需要进一步加息。

利率上行将直接推高政府融资成本，令本已背负沉重债务的各国政府面临更高的利息支出压力，从而形成"高债务—高利率—更高债务成本"的负向循环，进一步压缩各国财政腾挪空间。

Georgieva还就中东局势对全球经济的潜在冲击发出警告。她表示，伊朗与美国之间的冲突可能导致卡塔尔、科威特和伊拉克等主要大宗商品生产国经济出现大幅萎缩。

不过，她对卡塔尔的评估相对乐观。Georgieva指出，卡塔尔在战前是全球第二大液化天然气出口国，已积累了相当规模的经济缓冲储备，这些储备目前正有效帮助其抵御冲突带来的外部冲击，为其他资源型经济体提供了一定的参照样本。

风险提示及免责条款

报道：三星明年HBM4/HBM4E产量或翻倍，产品占比将从40%升至80%

Mon, 21 Sep 2026 06:40:45 GMT

三星电子正大举押注下一代高带宽内存，公司在AI存储芯片竞争中正全面转向高附加值产品。

据首尔经济日报报道，三星电子计划将HBM生产工艺中不可或缺的"玻璃载板"的外包清洗量，从今年每月2万片提升至明年每月5万片，增幅达2.5倍。行业人士据此判断，HBM4及HBM4E的实际产量明年将较今年至少翻倍。与此同时，三星HBM整体月均投片量预计将从今年约18万片扩大至明年约25万片，增幅近40%。

产量扩张背后，是三星对高世代产品的战略集中。随着HBM4E量产逐步铺开，HBM4系列在整体HBM出货中的占比预计将从今年的约40%大幅提升至明年的约80%。这一结构性转变意味着三星将把更多产能资源向高利润产品倾斜。

玻璃载板需求激增，折射产能扩张逻辑

玻璃载板是HBM生产工艺中的关键耗材。在将DRAM晶圆研磨减薄并钻孔的过程中，玻璃载板贴附于晶圆背面，防止其翘曲或破裂。

由于HBM需要在有限厚度内堆叠多层DRAM芯片，随着堆叠层数不断增加，晶圆减薄技术与翘曲控制工艺的重要性随之上升。三星重点扩产的HBM4和HBM4E均以12层及以上高堆叠产品为核心，对玻璃载板的工艺要求更为严苛。

据首尔经济日报报道，三星玻璃载板月需求量从去年的1万片增至今年的2万片，明年将进一步提升至5万片。行业分析人士指出，即便考虑到玻璃载板清洗后可重复使用、且实际用量因工艺投入方式与良率而有所差异，2.5倍的需求增幅仍高度指向HBM4系列产量翻倍以上的预期。

产品结构加速向高世代切换

在量产进程方面，三星今年2月已启动HBM4的量产出货。该产品采用10纳米级第六代（1c）DRAM及4纳米工艺制造的基底芯片。今年5月，三星又向英伟达等客户提供了HBM4E 12层版本的样品。

行业预计，随着HBM4E明年进入全面量产阶段，HBM4系列在三星HBM整体出货中的占比将从今年约40%大幅攀升至约80%。一位行业人士表示："三星在扩大HBM产量的同时，似乎将高附加值产品HBM4置于核心位置。"

这一产品结构转变，将直接提升三星HBM业务的整体盈利能力，并强化其在AI加速器存储市场的竞争地位。

高堆叠工艺需求推动供应链联动

三星此轮扩产对上游供应链形成明显拉动。玻璃载板外包清洗量将在两年内从每月1万片扩大至5万片，增幅达五倍，相关供应商的订单规模随之同步放大。

从行业趋势看，HBM堆叠层数的持续增加——从早期的8层、12层向更高层数演进——使得晶圆减薄与支撑工艺在整个制造流程中的瓶颈效应愈发凸显。玻璃载板需求的快速增长，既是三星产能扩张的直接映射，也折射出高堆叠HBM工艺复杂度提升所带来的材料消耗强度上升。

风险提示及免责条款

创新药出海：为什么两周后的这个窗口如此重要？

Mon, 21 Sep 2026 05:08:16 GMT

2026 年 9 月 29 日零时，美国依据《1962 年贸易扩展法》第 232 条对进口专利药征收的 100% 关税，将从 17 家大药企扩展到市场上所有公司。这道关税的设计意图不是收税，而是逼企业提交三件投名状：降价、建厂、搬产能。

与此同时，中国创新药正处在自己的历史高点——2026 年至今对外授权交易总额突破 1,200 亿美元，同比增长 36%，首付款超百亿美元，全球医药 BD 交易前十名中中国企业连续两年占八席。两周后的这个窗口，改变的不是中国创新药的出口量，而是它的定价权结构——出海的计价方式，正在从“资产价格”切换到“体系价格”。

刚刚，GPT-6 Astra取得哥德巴赫猜想重大突破！

新智元 — Mon, 21 Sep 2026 05:00:55 GMT

数学界重大突破！

就在最近，GPT-6 Astra又在哥德巴赫猜想上取得新进展了。

网友Captain Sude宣布：Astra已成功证明了关于刘维尔函数的一项类哥德巴赫猜想！

具体来说，它无条件证明了哥德巴赫猜想的Liouville弱形式。

更惊人的是，跟我们的想象不同，这一次，Astra并不只是靠着大力出奇迹的算力碾压——它做出l非常优雅的逻辑推理。

并且，这个证明现在已经通过了Lean 4的形式化验证。

摘不下的明珠

在这之前，哥德巴赫猜想这个幽灵，已经折磨了人类数学家近三个世纪。

1742年，哥德巴赫在欧拉的信中提出这个猜想：「任一大于2的偶数，都可以写成两个素数之和。」

为了它，无数人耗尽心血。从哈代、李特尔伍德，到陈景润证明「1+2」，人类始终无法皇冠上的明珠——「1+1」。

这是因为，素数的分布太诡异了！

既然死磕行不通，数学家们脑洞大开，搞出一套「替身文学」——刘维尔版本的哥德巴赫猜想。

为了模拟素数，数学家们引入了一个奇妙的工具：刘维尔函数。

这个函数记作，其中的代表一个数字包含的质数因子的总个数。

它的规则就像一个只认「单双数」的开关：如果一个数包含的质数块个数是偶数，那么λ(n)=1。

如果包含的质数块个数是奇数，那么λ(n)=-1。

所有的纯质数（比如2, 3, 5, 7, 11），它们的刘维尔函数值绝对都是 -1！然而，反过来并不成立，比如8、12的λ值也是 -1。

2018年，在知名数学论坛MathOverflow上，有人提出了一个弱化版哥德巴赫猜想：

对于每一个大于2的偶数N，是否总能找到两个正整数 a和b，使得 N=a+b，并且 λ(a)=λ(b)=−1。

如果经典的哥德巴赫猜想是对的，那么这俩素数的刘维尔值必然都是-1，所以这个「刘维尔猜想」也绝对是对的。

但现在，数学家们放宽了条件：加数不一定非得是纯素数，只要它的质因子个数是奇数就行！

黎曼阴影下的突围：AI给出惊天两页纸

既然放宽了条件，应该很容易证明吧？结果，它依然难得令人发指！

问题的核心在于，数学家想要研究这种正负交替的符号在加法组合下，会不会像抛硬币一样互相抵消，从而揭示隐藏在加法底下的深层秩序。这关乎打通数学中「乘法积木」与「加法组合」的桥梁。

直到2024年，数学家 Alexander P. Mangerel 终于有了突破。在一篇论文中，他证明了：对于所有足够大的偶数，这个猜想是成立的。

链接：https://arxiv.org/abs/2404.12117

但是！它的证明带着两个限制。

1.「足够大」：意味着它不包括那些比较小的偶数。

2.「GRH」：他的证明严重依赖于广义黎曼猜想。也就是说，只有在广义黎曼猜想成立的前提下，他的结论才成立。

而这一次，Astra 和 Captain Sude 的团队，直接把这两个枷锁突破了！

一开始，Astra丢出了一份仅仅只有2页纸的PDF。

这份精悍的论文中，Astra 宣布——

无需广义黎曼猜想，可以无条件证明：所有能被4整除的正整数，都可以表示为两个刘维尔值为-1的正整数之和！

在PDF中，Astra巧妙地利用了Mangerel论文中的一个「无条件相关性界限」，结合了一个极其精妙的下降法。

定理的核心逻辑，是用反证法：假设存在一个奇数 m（不被3整除），并且在4m这个规模下，没有任何一对和为4m的数字的刘维尔值都是 -1。

接下来，Astra开始步步紧逼。

1.因为乘以4不会改变刘维尔值，所以m本身也不能被拆成两个负号的数。

2.因为乘以2会翻转刘维尔值（多了一个质因子2），所以 2m 不能被拆成两个正号的数。

3.接着，AI通过构造 a+b=m 且 λ(a)=λ(b)=1的情况，并选取差值 b−a 最小的一对，利用它们与 3的整除关系，强行推导出了一个矛盾！

它发现，如果你假设 4m没有这样的拆分，那么通过乘法与加法的交错逼近，最终会在局部迫使所有的数字都带有相反的符号，这直接违背了Mangerel之前证明的界限。

就这样，仅仅用初等的代数推导（甚至高中生都能看懂推导过程），Astra就这样发现了无条件成立的情况。

48小时，彻底终结全偶数域

而且，还没结束。

据项目作者 Captain Sude 透露，Astra 在第一天证明了「4的倍数」情形后，第二天，它又找到了一条全新的初等证明路线，直接把结果推广到了全部大于2的偶数！

这一次，它给出这个核心主张：

其中，没有任何「充分大」的限制，没有有限例外集，所有偶数，无条件成立！

而它的证明思路，更是让人拍案叫绝。

它并没有使用暴力穷举，也没有靠把以前的解析估计压缩得更紧，而是玩了一步漂亮的「结构转化」。

AI的逻辑链条如下。

第一步：寻找替罪羊。 AI先证明，对于每一个大于3的素数p ，都存在正整数u,v，使得2p=u+v，并且它们的刘维尔值都是1。如果不成立会怎样？这就构成了「加法符号模式的缺失」。

第二步：逼迫现出原形。把刘维尔函数延拓到有限域Fp上，定义一个函数G。因为前面的「加法分解不存在」，这个函数G在局部被逼出了乘法对称性缺陷（Defects）。

第三步：完美的交换律。这是证明中最惊艳的一笔！因为乘以 -2 再乘以 -3，和乘以 -3 再乘以 -2 是一样的。AI利用这个「可交换」的性质，让两条路径互相抵消，最终把所有的非零缺陷全部消灭！

第四步：向全局传染。利用一个下降引理，把局部成立的乘法规则，像病毒一样传播到整个有限域，强迫函数G变成一个全局严格的乘法对象。

第五步：致命一击（二次剩余制造矛盾）。既然G变成了严格的乘法函数，那么任何数的平方，其G值必须是 1。然而，根据二次互反律，能在有限域内找到一个素数ℓ，它明明是个「平方数」，但因为它是素数，它本身的刘维尔值又必须是 -1。

于是，1 = -1。矛盾爆发！

至此，一开始「分解不存在」的假设被彻底粉碎。Liouville–Goldbach 猜想在全偶数域无条件成立！

这条把加法阻碍转化为乘法刚性的论证路线，简直太优雅了，体现了高度抽象和直觉的顶级思维。

已通过Lean 4形式化验证

这一次，Astra还同时提交了Lean 4的完整形式化验证。

通过Lean 4验证，就意味着逻辑上绝对正确。

知乎上UP主@SUNNY99 立马对 Astra 开源的 v1.0.0 版本进行了独立复核。结果令人震撼：Lean 证明可以完美重新编译！

其中，最终定理与论文主张完全一致。代码里没有任何「sorry」（在Lean中代表未填补的坑）、没有乱造的自定义数学公理、所有的公理依赖完全正常，249个偶数的数值冒烟测试全部通过。

看到这里，可能有些朋友会问：那这代表哥德巴赫猜想彻底被解决了吗？

我们必须严谨地说：还没有。

目前解决的，是哥德巴赫猜想的刘维尔弱化版本。

从「质因数个数为奇数的合数」跨越到「纯正的质数」，中间仍然隔着天堑。经典的哥德巴赫猜想，依然是那颗高高悬挂的果实。

但是，这绝不意味着这次突破不伟大。

首先，在纯数学意义上，它为整个数论搭起了一座打通「乘法积木」与「加法组合」的宏伟桥梁。

这可能就是未来攻克原版哥德巴赫猜想的核心钥匙。

其次，在AI意义上，这是一个历史性的奇点时刻。

一直以来，我们认为AI擅长的是海量记忆和暴力计算，比如下围棋、算蛋白质折叠。但这一次，Astra 展现出了惊人的数学直觉和品味。

它像一位极具天赋数学家，写出一篇让人类数学家直呼优雅的证明。

参考资料：

https://x.com/captain_sude/status/2099890355613155420

https://www.zhihu.com/question/2083895373177931200/answer/2084099614551102975

本文来源：新智元

风险提示及免责条款

闲鱼被曝涉黄产业链后首次回应：部分商品被误读，专项小组已成立并联动警方

Mon, 21 Sep 2026 05:00:11 GMT

针对媒体报道平台存在色情引流、部分信息疑似涉及未成年人等问题，闲鱼对华尔街见闻回应，称已成立专项小组，并建立“前置识别—即时处置—警企联动”的综合防控机制。

平台表示，报道截图涉及的10件商品中，9件已被下架或处置，另1件经核查未发现违规，但因表述不当被前台屏蔽。

此前，河北经视《今日调查》报道称，闲鱼上部分商家以按摩、模特约拍、上门健身、游泳教学等正常服务为掩护，通过暗语、私聊和二维码将用户引导至站外，随后要求付费入群或提供色情交易信息。

报道还称，相关客服资料中出现“处宝可约”等涉未成年人暗语，可供“预约”的女孩最小为14岁。

闲鱼对此回应称，报道截图涉及的10件商品中，6件商品在媒体报道发布前已被日常巡查系统识别为风险商品并下架；另有3件商品在报道发出后被核实存在站外引流风险，相关商品和账号已被处置。

闲鱼同时表示，这3件商品在站内未呈现色情信息，记者添加站外社交账号后才出现涉嫌违规的交流。

剩余1件商品为动漫风格图片定制服务。闲鱼称，商品因详情页使用“宝贝很特殊”等表述被报道定性为涉黄，但平台核查商品及交易后未发现违规；考虑到表述容易引发误解，平台仍对其采取前台屏蔽措施。

对于报道中“处宝可约”的截图，闲鱼回应称，该文字并未出现在平台页面、商品信息或站内私聊记录中，而是出现在相关人员的企业微信个人资料中。

平台表示，其对8月10日至9月10日期间涉及按摩券、女性服饰、上门染发、纪念币等商品进行了溯源，未在闲鱼站内的商品、沟通和交易中发现上述信息。媒体报道涉及的“模特拍摄”“私教体验”等商品，部分实际为漫改图片定制、健身私教体验等正常服务。

9月18日，闲鱼曾对外披露专项治理数据：2026年1月以来已累计冻结色情引流类风险账号98358个，排查上千万件商品，并通过移送线索与公安部门协同打击15个色情团伙。

对闲鱼而言，站外交易增加了违规行为的追踪难度，但风险引流事实上从平台内的商品展示和私聊开始。能否在用户转向外部社交工具前，识别异常商品、变体暗语和联系方式交换，仍是平台治理的关键。

平台披露的大量风险账号处置数据，也显示色情引流治理具有持续性。治理效果不仅取决于事后下架和封禁，还取决于能否减少违规信息触达用户并将其引向站外的机会。

闲鱼表示，将深化与公安机关的执法合作，并呼吁其他平台联合行动，以切断跨平台违法引流链条。

风险提示及免责条款

村田主动放弃部分MLCC低端市场，背后藏着什么？

万周 — Mon, 21 Sep 2026 04:03:50 GMT

9月以来，MLCC行业出现一组此前少见的信号：村田主动优化部分成熟料号，三星电机用长协锁定AI服务器订单，高端产品交期持续拉长。

真正值得关注的并非全行业普涨，而是47μF以上高容MLCC正在快速吞噬设备、材料与工艺资源，并通过产能迁移向普通规格外溢。2027年，可能成为这轮结构性短缺能否兑现的关键窗口。

一、发生了什么？——村田开始“让路”，47μF以上MLCC走到台前

1. 一个反常动作：龙头为何主动退出部分成熟料号

9月10日，村田下发产品线优化通知，计划在2026财年停产部分消费级常规及车用MLCC料号。几天后，村田管理层又公开表示，高端产品生产负荷上升后，低端产品越来越难完全供应，维护低端市场份额的优先级也在下降。

对于一家长期依靠规模、工艺和客户覆盖建立竞争优势的全球龙头而言，这个动作比单次涨价更值得重视：它意味着产能正在主动向高附加值规格迁移。

过去几个月，市场讨论MLCC更多围绕“涨了多少”。村田的动作把问题向前推进了一步。当龙头愿意放弃部分成熟料号，说明高端产品已经开始争夺有限的设备时间、烧结能力和材料资源。AI服务器恰好是这一轮产能重配最重要的推手之一。

……

AppLovin CEO：暴跌92%后，我们不再讨好华尔街，现金全拿去回购

董静 — Mon, 21 Sep 2026 04:01:13 GMT

Applovin CEO Adam Foroughi认为，面对华尔街非理性的暴跌与看空，企业最有效的反击不是浪费时间去讨好和解释，而是无视外部噪音，利用公司强劲的现金流激进回购股票，同时专注内部底层技术的升级（ML 2.0）与团队激励，最终依靠扎实的业绩增长逼迫市场重新为其高昂定价。

阿波罗布局AI生态前端：初创企业将比之前更早需要风投之外的资金

Mon, 21 Sep 2026 03:46:51 GMT

以杠杆收购和大型融资交易著称的阿波罗，正悄悄变成AI初创企业的早期股东——为的是日后成为它们的债主。

据The Information最新报道，阿波罗全球管理公司正悄然布局AI初创企业的早期融资轮，已入股数据标注公司Mercor、芯片公司SiFive及国防科技企业Hadrian。

阿波罗认为，AI硬件时代的初创企业将比上一代软件公司更早需要风投以外的资金，其希望通过早期股权投资建立关系，进而提供债务融资或资产支持融资，复制其今年联合黑石完成的350亿美元芯片租赁交易模式。

入股Mercor：200亿美元估值轮的新面孔

据知情人士透露，阿波罗已在Mercor最新一轮融资中投入数千万美元（低位数千万美元区间），该轮融资由General Catalyst领投，完成后Mercor估值将达200亿美元。

Mercor的业务是为谷歌、OpenAI、Anthropic等大型AI公司提供人工标注服务，帮助这些公司微调模型输出。这一业务让Mercor得以近距离接触头部AI公司的算力需求——这也正是阿波罗感兴趣的核心所在。

此前，阿波罗还参与了SiFive今年1月的融资轮，该公司估值36亿美元，专注于基于开源RISC-V架构的芯片设计，与Arm的CPU方案形成竞争。8月，阿波罗又跟投了Hadrian的融资轮，后者估值78亿美元，主要为国防和航空航天客户建造先进工厂。

硬件时代，初创企业更早需要“非风投资金”

阿波罗的逻辑建立在一个关键判断上：AI时代的初创企业，尤其是硬件和国防科技方向，将比上一代软件公司更早触及风投资金的天花板。

据知情人士向媒体透露，阿波罗内部认为，硬件和国防科技初创企业需要大量前期资本来搭建设备和设施，而距离大规模量产和商业化往往还需要数年时间。这与过去那批软件公司截然不同——后者通常要等到规模相当大之后才会引入债务融资。

阿波罗高管认为，他们可以为这些初创企业提供债务融资、资产支持融资，或者撮合涉及债股混合、多方资金来源的复杂融资结构。

已有先例：350亿美元的芯片租赁交易

阿波罗并非纸上谈兵。今年早些时候，阿波罗联合黑石牵头了一笔350亿美元的融资方案，购买谷歌的芯片并将其租赁给Anthropic——这正是其所擅长的“资产支持融资”逻辑在AI领域的直接应用。

与此同时，市场上类似的结构性融资需求正在涌现。据报道，科技投资机构Coatue Management正与芯片初创公司MatX合作设立合资企业，为后者未来芯片所需零部件的制造产能提供融资和锁定。

与同行的差异化路径

大型私募和银行涉足风险投资并非新鲜事，但成效参差不齐。

黑石今年早些时候将其成长期投资部门并入新成立的AI专项部门BXN1，此前其首只成长基金的表现落后于同期可比基金。Thoma Bravo则在今年关闭了成长投资部门，转而专注于大型并购。

阿波罗目前采取了一条略有不同的路径：不单独设立专注于风险投资的基金，而是通过旗下多只现有基金进行投资，包括其混合资本解决方案基金（该基金本身即进行债股混合投资）。

此外，阿波罗去年10月宣布与8VC建立合作关系——8VC由Palantir联合创始人Joe Lonsdale创立。双方计划向阿波罗所称的“美国工业复兴”方向的高速增长但资金密集型企业投入数十亿美元，涵盖AI、机器人、自主系统、生物技术和核能等领域。Lonsdale当时表示，这一方向正是两家机构共同看好的赛道。

风险提示及免责条款

A股三大股指早盘集体上涨，生物医药爆发、创新药拉升，存储芯片走强，恒科指冲高回落转跌，科网股分化

Mon, 21 Sep 2026 02:16:12 GMT

9月21日，A股早盘集体上涨，三大股指盘初进一步拉升，创业板一度涨超1%，生物医药爆发，CRO、创新药、减肥药、基因检测等概念股全线大涨，航天军工、餐饮旅游、零售等板块活跃，半导体产业链陷入调整。存储芯片走强，长鑫科技大涨5%。

港股震荡分化，恒指早盘小幅上涨，恒科指冲高回落，目前已经转跌，生物科技指数暴涨近5%，权重科网股分化，芯片股活跃。债市方面，国债期货震荡上涨。商品方面，国内商品期货多数走高。核心市场走势

A股：截至发稿，沪指涨0.50%，深成指涨0.80%，创业板指涨1.29%。

港股：截至发稿，恒指涨0.51%，恒科指涨0.37%。

债市：国债期货震荡上涨，截至发稿，30年期主力合约涨0.15%，10年期主力合约持平，5年期主力合约持平，2年期主力合约持平。

商品：国内商品期货普涨，截至发稿，纸浆大涨3%，沥青、碳酸锂、沪银、多晶硅涨超1%，沪锡、锰硅、橡胶、钯金、铂金、氧化铝、工业硅、铁矿石、不锈钢、玻璃、沪铜、螺纹钢、热轧卷板、沪金、鸡蛋等品种纷纷走高，沪镍、沪铝、焦煤、焦炭、烧碱、菜籽等下跌，集运指数、豆粕跌超1%，燃油跌超2%，原油大跌6%。

09:56

零售概念表现活跃，新华百货涨停，国芳集团2连板，南宁百货、杭州解百、国光连锁、三江购物跟涨。

09:54

恒生生物科技指数涨超4%，英矽智能、金斯瑞生物科技、诺诚健华、康方生物均升超6%。A股方面，创新药板块强势依旧，药明康德、康龙化成稳步向前。

09:51

C沈鼓低开48%后连续拉升，现二度停牌，跌幅为16.9%。

09:40

早盘PCB概念震荡走高，广合科技涨停，迅捷兴、景旺电子、深南电路、鹏鼎控股、胜宏科技涨幅靠前。

09:34

AI制药、CRO概念反复走强，诺禾致源20cm涨停，泓博医药、成都先导、博济医药、贝瑞基因、塞力医疗跟涨。

消息面上，9月18日，工信部等十部门联合印发《医药工业发展“十五五”规划》。规划提出，加快人工智能、量子计算、超级计算、计算医学等新技术赋能药物研发，探索超限制造、太空制药、生物制造等药械生产新模式。

09:32

长鑫科技升超5%，提振存储板块，兆易创新、澜起科技、大普微、佰维存储跟涨。消息面上，长鑫科技第五代技术平台实现量产，晶圆产出较上一代提升超50%。

09:26

上证指数高开0.21%，创业板指涨0.93%。CRO、存储器、光模块板块走强，次新股板块调整，C沈鼓跌48%。

09:21

恒生指数低开0.01%，恒生科技指数跌0.08%。智谱、联想集团、携程集团走软。

风险提示及免责条款