华尔街见闻 - 资讯 - 最新

利息支出首破万亿美元，贝森特"增长还债"愿景遭遇现实考验

Tue, 15 Sep 2026 14:17:00 GMT

美国财政部长贝森特力推以经济增长化解债务，但这一策略正面临来自预算专家和市场的双重质疑。

贝森特近期在多个场合坚称，只要实现3%的经济增长，并配合联邦支出约束，美国就能通过“增长”摆脱债务困境。然而，据彭博报道，经济学家调查中位数预测和国际货币基金组织最新预测均显示，2027年和2028年美国GDP增速仅略高于2%，远低于贝森特设定的目标门槛。

更大的压力已经体现在财政利息负担上。本财年美国净利息支出已达1.02万亿美元，同比增长8.9%，首次突破1万亿美元。与此同时，贝森特此前视为重要观察指标的10年期美债收益率已突破5%，达到本世纪初以来的罕见水平。

历史数据不支持“增长解债”逻辑

分析表示，即便在近年经济表现较为强劲的时期，经济增长也未能遏制债务扩张。2023年和2024年，美国经济实际增速均接近3%，但公众持有的联邦债务分别增长约10%和7%，年度财政赤字均超过1.6万亿美元，债务占GDP比重持续攀升。

上世纪90年代末，美国GDP增速一度超过4%，但当时财政盈余的实现，依赖加税与冷战结束后削减国防开支的共同作用。如今，这两个条件均已不复存在——多轮减税令税率大幅下降，两党近年来也普遍倾向于增加而非削减联邦支出。与此同时，在地缘政治紧张局势下，特朗普还寻求国会批准1.5万亿美元国防预算，较此前增加44%。

美国行动论坛主席、前国会预算办公室主任Douglas Holtz-Eakin直言：“你无法靠增长解决这个问题，这在数字上根本站不住脚。”他测算，如果仅靠增长将赤字降至贝森特设定的目标水平，美国经济所需增速须达到6%。而考虑到人口老龄化和移民限制，即便实现3%的增速也将是“奇迹”。

老龄化与利息支出构成结构性压力

债务问题的核心矛盾之一在于人口结构。自特朗普本届任期开始至今年5月，社会保障退休金领取人数增加了280万，而纳税贡献的在职员工人数仅增加59.3万。社会保障和医疗保健是联邦预算中最大的两项支出，特朗普明确表示不会削减福利，国会也没有推动重大改革的迹象。

Holtz-Eakin指出，即便经济以3%的实际增速叠加2%的通胀，实现5%的名义增长，税收也只能大致跟随名义GDP增长，但社会保障支出平均增速达到5.5%，医疗保险支出增速更高达7.5%。“所以问题根本无法解决。”

利息支出同样构成沉重负担。本财年还剩一个月，净利息支出已达1.02万亿美元，同比增长8.9%。截至8月底，未偿国债平均利率为3.48%，而当前5年期基准收益率约为4.77%，两者之间的利差意味着，随着旧债陆续到期再融资，政府未来的利息负担仍可能进一步上升。

专家：单靠增长不足以解决问题

贝森特的前顾问Joe Lavorgna承认，增长是降低赤字的重要组成部分，但坦言“可能仅靠增长还不够”，“你可能需要的不仅仅是增长”。

负责任联邦预算委员会主席Maya MacGuineas表示：“没有任何可信的估算表明，增长能够让财政问题神奇消失。”该机构还就特朗普提出的向每位成年公民发放5000美元支票的构想发出警告，估计该方案单年成本高达1.2万亿美元，将把赤字占GDP比率推高至9%至10%。

摩根士丹利首席全球经济学家、前奥巴马政府财政部官员Seth Carpenter则指出，基于增长的财政整合“非常有可能”，但这依赖于财政政策不再转向扩张，“而这对我来说才是真正棘手的问题”。

贝森特上任时曾设定目标，希望在特朗普任期结束前将赤字占GDP比率降至3%左右。但据彭博调查，经济学家对2028年赤字率的预测中位数为6.4%，最低预测为4.5%，最高达8%，均明显高于贝森特的目标。

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。

养猪业的亏损周期即将创下历史之最，但下一轮暴利周期却可能正在埋下伏笔

万周 — Tue, 15 Sep 2026 14:16:49 GMT

2026年生猪行业最值得关注的变化，不只是猪价跌破成本线，而是政策调控与市场化去产能开始交叉。8月第三方数据已经显示能繁母猪去化明显加速，待披露的官方数据甚至可能低于3750万头。

真正决定2027年猪周期强弱的，已经从“母猪降了多少”，转向“政策退坡后企业是否还会继续减，以及这些产能最终能少掉多少肉”。

一、发生了什么？——政策先推了一把，市场压力开始接棒

2026年上半年，行业已经具备自发去产能的经济基础。

以牧原为例，公司上半年归母净利润亏损约61亿元，二季度单季亏损约49亿元；同期商品猪销售均价上半年约10.5元/公斤，二季度降至约9.6元/公斤。更关键的是，这并不是一家高成本企业的个体困境。牧原上半年完全成本约11.7元/公斤，7月进一步降至11.5元/公斤，PSY达到28，仍处行业第一梯队。

连低成本龙头都难以覆盖完全成本，说明当前猪价已经足够低，足以对大多数养殖主体形成真实的现金流压力。上市猪企平均资产负债率继续抬升，短期借款增加，固定资产扩张趋弱，亏损正在从利润表传导到经营行为。

但8月去化突然加速，不能简单理解为行业自然出清。6月以来，监管层已明确要求大型猪企带头压减产能和产量，同时严控二次育肥、淘汰弱仔猪、降低出栏体重，并推动主产区继续实质性压减产能。随后，第三方平台7-8月监测数据出现明显变化：钢联样本8月能繁母猪环比下降2.94%，卓创样本下降约1.61%，都明显弱于此前月份。换言之，8月的拐点可以确认，但当月去化速度带有明显的政策推动色彩，不能简单线性外推到年底。

更值得重视的是，去化已经开始触及真正有生产价值的母猪。正常情况下，养殖场会优先淘汰高胎龄、低效率母猪，这种调整甚至可能改善剩余种群的生产成绩；而8月部分地区低胎次淘汰母猪折价幅度明显大于高胎次母猪，意味着年轻母猪也在被加速卖出。

与此同时，淘母折价扩大，母猪料延续下滑，仔猪价格一度跌至130-150元/头，而行业估算的仔猪成本仍在260—280元/头附近。对中型规模场而言，这已经不是利润承压的问题，而是现金流和持续经营压力开始逼迫其主动缩产。当前真正需要观察的，不再是“行业是否去化”，而是这轮去化能否从政策推动顺利切换到市场化出清。

……

加码出海，东风计划投入500亿元

Tue, 15 Sep 2026 14:16:39 GMT

车企的增长，正转向新能源和海外。今年前8个月，中国汽车销量同比下降3.8%，新能源汽车销量增长10.7%，汽车出口增长66.7%。

东风计划向海外市场累计投入500亿元。9月14日，东风在武汉公布“天际扬帆”计划，提出投放50款以上车型，建设10座海外规模化生产基地和5座海外研发中心。乘用车重点面向欧洲、美洲，商用车重点布局美洲、中北亚。

与这笔投入配套的是平台开发方式的调整。东风计划面向全球升级乘用车电平台架构，在开发阶段纳入目标市场的法规与使用要求，关键零部件及总成复用率将超过80%。基于全球标准开发的产品，计划于2028年起陆续投放。

东风此前在研发重构中提出“看不见的部分通用化，看得见的部分个性化”。

东风汽车把不同市场的要求提前处理，有助于减少后续适配的重复工作；让多个品牌和车型共享基础部件，则可以分摊研发投入。东风此次海外布局，将产品投放、平台复用与当地研发制造一并安排，着眼的是持续开发和销售多款车型的效率。

东风同日还公布了“天净零碳”和具身智能汽车全域守护计划。补能聚合和数字安全，与全球产品开发一起被纳入此次部署。

能源服务是其中一项新的业务拓展。按照计划，东风将联合生态伙伴聚合1000万套以上补能设施，并计划于2027年实现一个补能App畅行全国，将找桩、充电、换电、支付等服务接入统一入口。

东风披露的合作伙伴包括南方电网、中石化、国家电网、宁德时代和星星充电。公司计划结合桩站忙闲、电价及车辆状态，为用户规划补能路线、安排错峰充电；同时与南方电网合作推出交流V2G技术，探索汽车参与电力交易，相关车型计划于2026年上市。

对车企来说，快充性能需要沿途设施配合，找桩、绕路和排队也会占用时间。聚合补能资源，可以把技术竞争进一步落到用户的实际用车效率上。尤其对商用车客户，补能停留会影响出勤和运输安排，能源服务与整车销售面对的是同一笔运营账。

车辆连接的服务越多，安全防护需要处理的对象也随之增加。东风此次公布的全域守护计划，在电池热失控防护之外，还覆盖车载AI权限管理、座舱隐私隔离，以及支付密钥、账号证书和数字钥匙保护。公司还联合行业机构、科研院所及高校等发布了《具身智能时代的汽车全域安全白皮书》。

面向用户，集团也在增加直接联系车主的渠道。9月13日，东风发布“东风有信”用户服务品牌，将选车、交付、维保与二手车焕新纳入服务范围，开通用户之声直连集团的通道，并安排高层座谈、用户共创及老客户增换购权益。对多品牌车企而言，这提供了从实际用车中收集问题、推动产品和服务迭代的入口。

新能源与出海给东风带来更大的市场空间，也增加了服务和开发的复杂度。集团的规模价值，就体现在共性投入能否被充分复用：品牌保持差异，平台、技术和服务资源共同支撑更多产品，新增销量才更有机会转化为成本优势。

风险提示及免责条款

AI助手小微偷看用户隐私？微信回应

界面新闻 — Tue, 15 Sep 2026 14:15:18 GMT

针对微信AI助手小微涉及“直接读取聊天记录”“偷看隐私”等传闻，微信方面做出回应。

9月15日，微信员工“客村小蒋”在社交平台发文介绍称，微信小微是微信团队自己开发的原生AI助手，可以通过文字或语音对话，让小微查天气、查快递、点外卖；另外，在朋友圈、公众号、聊天、视频号等场景，小微也可以在你需要的时候被随时唤起，来总结内容、提供更多信息等。

对于外界关注的隐私问题，他解释称：“小微能接触的信息，不会超过你本人可以查看的信息范围的权限，比如有朋友担心已删除的朋友圈会不会被看到，放心，不会的。”“小微会基于公众号、视频号等的关注、浏览、互动数据，做一些问题的推荐，放心，这里同样遵循上述原则。”

关于聊天记录，他表示：“只有在聊天场景，你主动发起“问小微”的时候，小微才会被临时调起，从微信客户端本地读取你指定的聊天记录，分析总结之后，原始聊天记录不会被保存，通用的‘用完即弃’的逻辑。”他还称，一些说小微“直接读取聊天记录”、“偷看所有隐私”的帖子，都是失实的。

记者就相关隐私问题咨询腾讯客服，工作人员对界面新闻表示：“你担心的隐私问题可以放心，小微不会偷看你的聊天。它只在你主动唤起（如让小微总结聊天）时，从本地读取当前界面最近信息，仅用于本次回答，不保存也不训练。”

客服人员还表示，若不想让它记住信息，可轻触「小微 > 右上角"..." > 设置 > 记忆与隐私 > 记忆」关闭。

微信原生AI助手“小微”最早于6月20日开启小范围内测，获得内测资格的用户，可在微信更新至最新版本（8.0.75）后，点击微信主界面左上角的“小微”标志使用AI功能。用户也可以在主界面一键右滑，开启与“小微”的互动。

据了解，“小微”目前使用多个AI模型，包括腾讯自研及开源优质模型。而从“小微”的自我介绍来看，其主模型是微信团队自研的中文大语言模型“WeLM”，部分回答则调用DeepSeek回答。

该功能支持通过文字或语音对话，帮助用户操作微信原生功能（如设置调整、消息发送、朋友圈管理等），便捷调起小程序完成服务（如挂号、买咖啡等），还能搜索相关内容或生成图片等。

界面新闻曾第一时间进行实测，进入“小微”后，用户可通过文字或语音对话来操作一些基础功能，包括日常对话、文件阅读、设置提醒、发送消息、转账、进行朋友圈管理等。例如“给妈妈发生日快乐”、“转账给XXX”、“抓取近两天朋友圈中值得关注的重点内容”、“提醒我5分钟后喝水”等。

基础操作之外，“小微”的一大亮点是可调用小程序完成服务，例如用户需要点一杯喜茶，并说出具体的糖度、冰度等要求，它会自动调用喜茶小程序或美团外卖小程序（可供用户选择具体小程序）来进行下单，用户只需要手动进行付款确认。预订酒店、打车等也遵循相同逻辑。

本月早些时候，微信被曝出正在内测“小微AI社交”功能。用户的小微可直接找到好友的“小微”进行对话，只需告知自己的“小微”诉求，由它前往对方的“小微”沟通；对方确认后，两个“小微”先行交流，再将结果带回，其间需要用户拍板时会提醒其确认。

与 “代发微信消息” 不同，该功能是两个AI先聊，用户仅在授权与决策环节介入。记者实测发现，“小微AI社交”内容并不会出现在个人对话框，只会在“小微”内进行。

9月15日，据新黄河大鱼财经记者实测发现，微信原生AI助手“小微”的灰度测试已经延伸至电脑版。进入电脑端后，它开始更多介入文件、网页和微信内容的查找与处理，使用场景也从生活服务和即时沟通，延伸到桌面办公。

腾讯总裁刘炽平曾在2026Q2财报业绩电话会上谈及二季度微信AI“小微”灰测的反馈。他表示，AI可以让微信变得更加智能化，帮助用户进行交易、探索内容以及管理日常生活。在PC时代，QQ主要是一个通信和社交工具，到了移动互联网时代，微信又将QQ的价值放大了10倍以上。而到了AI时代，随着时间的推移，微信会成为以AI为先的生态系统。用户给出一个指令，系统就会自行执行。

他表示，如果腾讯能够在控制成本的同时提供这种体验，并且满足用户隐私需求、成本效益，就能为微信赋予强大的能力。“未来微信的生态系统将会扩大，基于目前的盈利机制转化为巨大的价值。这就是我们看到的未来。随着原型的推出，我们对此越来越有信心。”

他还提到，过去在微信生态中，主要是用户与内容、小程序进行互动。而在未来，用户可以直接向Agent发送复杂的指令，由Agent协助执行各项事务。更长远来看，小程序、商家和每个用户都会拥有专属的Agent，它们之间可以相互通信并完成交易，腾讯正在一步步搭建背后的底层架构。

本文来源：界面新闻

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？

Tue, 15 Sep 2026 14:05:23 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。

Meta将在2027年上半年部署自研Arke芯片。相比英伟达产品，自家芯片将节省资金和能耗

Tue, 15 Sep 2026 14:01:23 GMT

Meta将在2027年上半年部署自研Arke芯片。相比英伟达产品，自家芯片将节省资金和能耗。

风险提示及免责条款

华为发布全球首个3D数据中心：四层架构模块化堆叠，十万卡超节点集群为基础配置

Tue, 15 Sep 2026 13:55:26 GMT

2026 AIDC产业发展大会暨3D数据中心现场会在安徽芜湖举行。华为副董事长、轮值董事长汪涛在会上表示：“十万亿参数大模型和高速增长的Token需求对AI基础设施提出更高要求，十万卡以上的昇腾超节点集群将成为基础配置。3D数据中心通过分层解耦、立体堆叠支撑‘昇腾超节点集群的超级算力工厂’。” 汪涛表示，华为发布的3D数据中心架构可以作为全行业建设超节点集群的参考架构，华为通过开放机房模型、标准化图纸与方案，携手业界伙伴共筑开放的AI基础设施生态，共建智能世界的坚实算力底座。当天，华为在现场正式发布全球首个3D数据中心，并开放《3D数据中心概要设计图库》。记者在现场看到，整个数据中心分为四层，最底层是供冷层，超节点等算力芯片IT设备放在第二层，第三层是供电，电池放在屋顶。整个架构垂直分区，模块化堆叠，可以弹性扩容。（澎湃）

风险提示及免责条款

看看美国超市的牛肉价格就知道特朗普输定了

Tue, 15 Sep 2026 13:55:06 GMT

你不需要看民调，不需要看集会人数，不需要听政治评论员的分析。你只需要走进任何一家美国超市，站在肉类货架前面，看一眼价签。

碎牛肉，每磅6.89美元，六年前是3.89美元，涨了77%。

牛排，创了历史新高。

牛肩肉，每磅9.63美元。同样是历史最高。

这几个数字，比任何民调都更准确地预测着特朗普的政治命运。

因为美国人每周都要去一次超市。每去一次，就被提醒一次：东西没有变便宜。而“让一切便宜回来”，恰恰是特朗普对选民最核心的承诺。

全球债市遭遇“完美风暴”！10年期美债收益率破5%创2007年来新高，美股低开，存储芯片与光通信股逆势走高

Tue, 15 Sep 2026 13:36:22 GMT

高油价再度推升美债收益率，市场风险偏好受到压制，美股周二低开。美国10年期国债收益率盘中突破5%，升至2007年以来最高水平，全球债市同时承压，油价上涨、政府债务扩张和人工智能融资热潮正共同加剧市场对通胀和融资成本的担忧。

周二，美股开盘，道指跌0.2%，标普500指数跌0.1%，纳指跌0.15%。科技板块表现相对坚挺，费城半导体指数涨近1%；存储芯片股多数上涨，SK海力士涨约2%，美光科技、闪迪涨约1%。光通信股普遍走高，迈威尔科技、康宁涨约2%，Coherent涨约4%，Credo和Lumentum涨约2%。

美债收益率的快速上行成为市场焦点。美国10年期国债收益率周二一度上升4个基点至5.02%，突破2023年高点，并创下2007年以来最高水平。油价走高是本轮收益率上行的重要催化因素，布伦特原油上涨0.6%至约106.30美元/桶；沙特一条关键输油管道遭袭后仍处于停运状态，中东供应风险持续升温，也进一步推高了市场对能源价格和通胀的担忧。

全球债市也同步承压。日本30年期国债收益率上涨5.5个基点至4.12%，澳大利亚10年期国债收益率大涨9个基点至5.42%，债市抛售压力已从美国蔓延至其他主要市场。随着融资成本持续走高，债市波动也开始向其他资产类别传导，市场关注点进一步聚焦于美联储周三的利率决议，这将成为判断后续利率和债市走势的重要节点。

与此同时，AI行业的政策争议也在扰动市场情绪。全球股市周一已因多家AI企业警告技术发展可能带来失控风险而普遍回落，部分AI开发商呼吁放缓技术推进，以降低潜在的灾难性风险。美国总统特朗普随后公开批评Anthropic首席执行官的相关立场，使AI发展与监管之间的政策分歧进一步受到市场关注。

Berenberg策略师Chris Armstrong表示：“市场本已相当紧张，若主要参与者开始表示需要踩刹车，这只会加剧不确定性。”

全球主要市场走势：

股市： 标普500期货跌0.3%；日本Topix跌0.7%；澳大利亚ASX 200跌1%；欧洲斯托克50期货基本持平。

债市：10年期美国国债收益率上升2个基点至5.01%。德国10年期国债收益率上涨2个基点至3.54%。

大宗商品：布伦特原油上涨0.6%至约每桶106.30美元；现货黄金小幅下跌，报每盎司约4292.6美元。

外汇：彭博美元即期指数上涨0.2%；欧元兑美元汇率基本持平，报1.1542美元；日元小幅走弱至155兑1美元。

三重压力驱动债市抛售

此轮全球债市抛售并非单一因素所致，而是多重结构性压力叠加的结果。

据彭博报道，自今年2月底美国对伊朗采取军事行动以来，中东油气供应持续受到扰乱，全球债券收益率随之持续走高。油价上涨直接强化了通胀预期，令债券持有者要求更高的收益率补偿。

与此同时，企业为资助人工智能支出而大规模举债，既向市场注入了大量债务供给，也进一步刺激了本已强劲的美国经济，形成"供给增加、需求受压"的双重不利格局。

各国政府债务发行规模持续扩大——既用于为到期债券再融资，也用于弥补财政赤字——而各大央行已退出量化宽松购债计划，传统买家需求降温，市场对价格敏感型投资者的依赖程度显著上升。

瑞银集团美国利率策略主管Phoebe White表示，

“考虑到实体经济并未出现疲软迹象，且美债市场的供需动态与2007年相比已大相径庭，长端收益率的下行空间相当有限。外国官方投资者等传统买家对美债的结构性需求已明显减弱。”

值得注意的是，分析人士指出，美国10年期债券收益率突破5%，正在动摇股市的估值逻辑。

摩根大通私人银行全球投资策略主管Grace Peters表示，“如果债券收益率升至5%乃至5.25%，我认为届时股市将出现明显消化不良。5%这个数字在心理层面具有重要影响。”

彭博市场策略师Mark Cranfield指出，原油与黄金之间不断扩大的背离，意味着宏观交易员可能需要在更长时间内应对跨资产类别相关性失效的局面。"他们正在失去对某种能够压制油价、恢复市场风险偏好的'断路器'的信心。"

美联储决议成市场焦点

周三的美联储利率决议是当前市场最大的不确定性来源。交易员目前定价显示，加息概率已超过90%。

BMO资本市场策略师Vail Hartman表示，“本周若美联储维持利率不变，将极难避免其抗通胀公信力受损。市场不仅对意外按兵不动高度敏感，对于那种通过点阵图或新闻发布会传递出更为耐心信号的‘鸽派加息’同样脆弱。”

Pictet财富管理高级经济学家Xiao Cui在研报中指出，美联储主席沃什在杰克逊霍尔会议上已为加息降低了门槛，若本次不加息，将损害机构公信力并进一步推高长端收益率。

“因此，我们预计Warsh在新闻发布会上将释放鹰派信号——目的不是超越市场对加息路径的预期，而是强化美联储维护价格稳定的承诺，并为长端收益率提供锚定。”

CreditSights投资级与宏观策略主管Zach Griffiths表示，“目前有大量深层因素支撑利率持续上行，这是阻力最小的方向。”他预计10年期收益率可能进一步升向5.5%。

风险提示及免责条款

美银基金经理调查：“债券收益率无序上升”取代“AI泡沫”，成为市场最大担忧！

Tue, 15 Sep 2026 13:22:29 GMT

全球基金经理的风险偏好正在悄然转向。美国银行9月全球基金经理调查（FMS）显示，"债券收益率无序上升"首次超越"AI泡沫"，跃升为市场最大尾部风险，折射出投资者对利率前景的深层焦虑。

本次调查于9月4日至10日进行，共有190位管理规模合计5120亿美元的基金经理参与。调查显示，33%的受访者将"债券收益率无序上升"列为最大尾部风险，高于8月的27%；而上月高居榜首的"AI泡沫"则从32%降至28%，退居第二。

与此同时，美银FMS现金规则和牛熊指标均发出"卖出"信号——现金占比从3.5%升至3.9%，牛熊指标读数高达9.5，均处于卖出区间。

投资者情绪的整体降温与上述风险偏好转变相互印证。美银最广泛的FMS情绪综合指标从8月的8.0降至7.0，为近三个月最低，此前8月调查曾是2022年以来第三乐观的月度调查。资产配置层面，基金经理增持医疗、工业和银行，同步减持REITs和消费必需品，后者的低配程度创2004年1月以来最高。

债券风险跃升首位，利率预期大幅转向

债券市场的担忧情绪在本月调查中全面升温。净36%的FMS投资者预期短期利率将上升，为2022年9月以来最高水平；净25%认为当前全球货币政策过于宽松，同样是2022年9月以来最高。

美联储政策预期出现明显分化。调查显示，52%的受访者认为美联储在11月中期选举前不会加息，但这一比例较8月的72%大幅下滑；与此同时，41%的受访者预期美联储将在中期选举前加息，较8月的22%显著上升。

在美国财政部债券回购计划方面，市场反应同样偏谨慎。针对财政部9月9日至11月4日期间扩大债券回购规模的决定，46%的受访者认为不会对美债收益率产生影响，29%认为此举将导致收益率上升，仅16%认为收益率会因此下降。

债券配置方面，FMS投资者目前净低配债券48%，为2022年5月以来最大低配幅度，且已连续17个月低配债券。调查还显示，27%的受访者认为，若美国30年期国债收益率升至6%等具有吸引力的水平，才会促使资产配置者转为超配政府债券。

AI资本开支仍获力挺，但系统性风险担忧上升

尽管"AI泡沫"从最大尾部风险榜首退位，基金经理对AI资本开支的信心却依然坚挺。79%的受访者不认为AI超大规模云计算企业（hyperscaler）会在2026年宣布削减资本开支，较8月的71%进一步上升；仅14%预期会出现AI资本开支削减。

然而，AI超大规模资本开支被视为系统性信用事件最可能来源的比例升至42%，高于8月的38%，政府债务以25%位居第二。与此同时，净33%的受访者认为企业存在过度投资，与2026年2月的历史高位持平。

在最拥挤交易方面，"做多全球半导体"以53%的比例连续蝉联榜首，"做空美债"以18%位居第二，"做多Magnificent 7"以7%排名第三。

亚洲基金经理调查则呈现出对AI变现能力的更多审慎。美银亚洲FMS显示，80%的受访者表示，需要看到更清晰的AI货币化落地证据，才会增加对AI相关股票的配置。55%的亚洲受访者认为AI对股市的正面影响已被"大致合理定价"或"超额定价"，较8月的37%大幅上升。

宏观预期稳健，"不着陆"仍是主流判断

尽管风险情绪有所收敛，基金经理对宏观基本面的判断整体仍偏乐观。55%的受访者预期全球经济"不着陆"，略低于8月创下的56%历史高位；38%预期"软着陆"，仅2%预期"硬着陆"，后者与2026年7月的历史低位持平。

净8%的受访者预期未来12个月全球经济增长加速，较上月的14%有所回落。盈利预期方面，预期未来12个月EPS实现两位数增长的投资者比例为2021年8月以来最高。

通胀预期出现小幅逆转，净4%的受访者预期全球CPI将走低，而8月时净3%的受访者预期通胀上升。50%的受访者将未来12个月全球经济描述为"滞胀"（低于趋势增长、高于趋势通胀），38%预期"繁荣"（高于趋势增长、高于趋势通胀）。

亚洲方面，美银亚洲FMS显示，净55%的受访者预期亚太区（除日本）企业盈利改善，高于8月的45%。投资者对亚太区（除日本）股市未来12个月的预期回报率为6.3%，处于历史第89百分位；对日本股市的预期回报率升至6.4%，处于历史第94百分位。

中期选举风险升温，民主党横扫概率上升

政治风险成为本月调查的另一焦点。44%的受访者预期中期选举结果为民主党控制众议院、共和党控制参议院的分裂格局；民主党横扫（同时控制众参两院）的预期概率从8月的23%升至31%。

一旦民主党横扫，45%的受访者预期市场反应为"债券收益率上升、股市下跌"，19%预期"债券收益率下降、股市上涨"，13%预期"债券收益率下降、股市下跌"，仅4%预期两者同步上涨的"繁荣"情景。

资产配置：增持金融与医疗，减持防御板块

资产配置层面，FMS投资者股票净超配比例从上月的56%降至49%，但仍高于长期均值0.9个标准差。大宗商品净超配从24%降至19%，房地产净低配从7%扩大至21%，为2025年9月以来最大低配。

板块轮动方面，9月资金流入金融（银行和保险）、医疗和工业，流出REITs、消费必需品和电信。银行净超配升至34%，为2025年11月以来最高；消费必需品净低配扩大至33%，创2004年1月以来最大低配。

区域配置方面，美股净超配25%，新兴市场股票净超配38%，欧元区股票则从上月净超配6%转为净低配5%。英国股票净低配35%，为绝对低配幅度最大的区域之一。

美银给出的逆向交易建议包括：做多英国股票/做空美国股票，做多消费必需品/做空银行，做多小盘股/做空大盘股。

风险提示及免责条款

AI应用收入暴涨10倍，为什么钱还是被英伟达赚走了？

曹周周 — Tue, 15 Sep 2026 13:10:23 GMT

知名科技投资人Apoorv AgrawalAI表示，生态的价值分配严重失衡：过去两年新增约3500亿美元收入中，75%直接流向半导体，大部分被英伟达拿走；应用层则由两家公司占据约90%份额。

尽管应用增长了超10倍，整体格局形状几乎未变。嘉宾认为，基础设施层竞争最激烈也最不稳定，而AI要向云软件那样的成熟形态演进，可能需五到十五年，甚至永远无法实现，目前进展远远不够快。

华为高层内部万字长文：对于ICT业务及计算领域，华为的目标是成为英伟达

Tue, 15 Sep 2026 12:56:36 GMT

近日，华为心声社区对外披露了监事会主席郭平与新员工座谈纪要。在这份近万字的纪要中，郭平回应了人工智能、大模型战略、6G等大众关心的热点话题。谈及大模型战略，郭平表示，华为聚焦于连接与计算领域，但不同业务板块对自研大模型的需求存在差异。华为大模型战略与自身业务追求紧密结合：坚持投入，但根据业务场景差异化布局。（上证报）

风险提示及免责条款

能源休战协议破裂：乌克兰无视特朗普警告，袭击俄罗斯炼油厂

Tue, 15 Sep 2026 12:24:27 GMT

乌克兰继续袭击俄罗斯炼油设施，俄乌“能源停火”承诺再遭冲击。特朗普此前宣布俄罗斯和乌克兰已同意停止相互攻击能源目标，但泽连斯基随后表示，乌军已打击俄罗斯萨马拉地区的锡兹兰炼油厂。

据报道，泽连斯基在社交媒体X上发文确认，乌克兰国防力量对位于萨马拉以西约75英里、莫斯科东南约466英里的锡兹兰炼油厂实施了打击。他同时表示，乌军还对塔甘罗格一处无人机生产设施、奥廖尔地区一处无人机准备及发射阵地发动了袭击，并在黑海方向取得战果。

据CCTV国际时讯，乌克兰总统泽连斯基当地时间9月14日晚在社交媒体平台发帖称，如果合作伙伴能确保俄方不再袭击乌克兰的能源设施、基础设施和粮食供应通道，乌克兰已准备好停止对俄打击。 泽连斯基发文称：“必须结束这场战争。而在关键基础设施问题上采取降级措施，可能是迈向和平的第一步。我们期待合作伙伴给出具体方案。”

而就在泽连斯基作出上述表态前，特朗普已公开宣布俄乌达成了能源停火共识。美东时间9月14日周一，据新华社，美国总统特朗普在社交媒体上说，俄罗斯和乌克兰已同意不攻击对方的能源目标。

美国零售柴油均价已突破每加仑6美元，创历史新高。在地缘风险持续升温、全球柴油供应趋紧的背景下，燃料短缺担忧进一步加剧。

俄乌互袭持续，乌方释放推动能源停火信号

在乌军袭击俄罗斯炼油设施的同时，俄方也继续对乌克兰相关目标实施打击。据央视新闻，俄罗斯国防部15日在社交媒体通报说，当天凌晨，俄军使用无人机对乌克兰物流中心、港口和船只实施打击。

通报说，俄军打击了乌克兰敖德萨地区一处接收、储存并分发军事物资的物流中心，以及切尔诺莫斯克港两艘运载供应乌军物资的船只。此外，俄方对乌克兰西部的铁路基础设施继续实施打击，这些设施用来运输来自欧洲的军事物资。

不过，乌方仍释放出推动停火的信号。据央视新闻，当地时间15日，乌克兰外长瑟比加表示，乌方愿意与俄罗斯达成相关能源停火协议。瑟比加称，乌方这一立场已得到国际伙伴知悉，部分友好国际方已提出相关建议，多方将协同推进俄乌能源停火事宜落地。

能源停火早有铺垫，柴油价格成关键变量

俄乌能源停火并非此次才被提出。据报道，美方此前已多次推动双方停止攻击发电厂、炼油厂等能源设施，但相关斡旋一直未能形成稳定安排。本月5日和6日，美国代表团先后访问莫斯科和基辅，美国总统特使威特科夫表示，此访旨在推动进一步对话，以结束俄乌战事。

特朗普此次推动能源停火，也与美国国内燃料价格压力直接相关。据华尔街见闻此前文章，特朗普此前曾公开要求泽连斯基停止袭击俄罗斯柴油设施，称乌克兰对俄罗斯燃料设施的袭击正在造成柴油供应紧张，并强调美国柴油价格上涨“不是中东造成的”，而是俄乌冲突所致。

但从目前进展看，俄乌能源停火并未真正实现，双方仍在继续袭击对方的能源及相关基础设施。在全球柴油供应趋紧、价格已经走高的背景下，俄乌冲突对炼油产能和燃料供应的扰动仍未消退，能源市场的供应担忧也难以缓解。

风险提示及免责条款

华源期货孙伏鲲带你用衍生品工具重塑交易体系：从波段结构到期权增强的四维交易系统

Tue, 15 Sep 2026 11:56:06 GMT

2026年的市场，对投资者提出了更高要求：难的并不是没有行情，而是行情往往来得快、切换也快。

过去那种“看对大方向、耐心持有就能获利”的交易习惯，在高波动与强分化并存的环境中，正变得越来越不够用。

具体来看，贵金属在避险情绪与利率预期反复切换中，常出现突破关键位置后快速回撤的走势；

原油则容易受到地缘消息连续扰动，隔夜跳空与盘中反转的情况频频出现，当你想要依托地缘消息交易后，却发现市场正在对地缘冲突的交易逐步脱敏，交易体系频繁“报错”；

工业品市场同样如此：当宏观预期升温时，价格可能快速拉升；而一旦现实需求、库存数据没有同步验证，前期强势结构又可能在几个交易日内被打破。

对只凭消息追涨、只靠单一指标交易的人来说，最常见的结果不是看错方向，而是追在波动最剧烈的位置，止损在回撤最深的阶段。

更棘手的是，震荡与趋势的边界越来越模糊：你以为是突破，可能是一次假突破；你以为是回调，可能已是结构转弱。

面对这样的市场，交易的核心不再是“猜对下一根K线”，而是识别结构、定义风险、制定进出场规则，并根据不同波动环境配置合适的工具。

尤其当期货单边交易难度上升时，如何借助期权进行保护、增强或应对震荡，正在成为成熟交易者必须补上的一课。

今年的投资者，似乎都在反复经历这样的困境：

看了无数技术分析，依然分不清趋势和震荡，反复被市场收割；
明明判断对了方向，却因为进出场时机不对，最终由盈转亏；
有交易想法，却没有一套完整的系统去执行，每次开仓全凭"盘感"；
只会做单边交易，行情一震荡就束手无策，资金利用率极低；
学了碎片化的"技巧"，却始终拼不成一张完整的交易地图。

市场上从来不缺聪明人，缺的是有系统的人。

当你还在用"感觉"对抗市场时，真正稳定的交易者早已用一套经过实盘验证的操作系统，把交易变成了一道"概率题"。

导师介绍：孙伏鲲

华源期货副总经理 | 中国首届期货投资分析师 |18年期货从业经验

深耕市场18年，历经多轮牛熊周期，擅长程序化交易与全市场热门品种机会解析；
中央人民广播电台经济之声、北京广播电视台BRTV、期货日报等主流财经媒体常驻嘉宾；
中国首届期货投资分析师，持正规期货投资咨询资质，所有策略均基于严谨逻辑推演与实盘验证；
全网粉丝40万+，以"干货、实战、不忽悠"著称，是一线交易者公认的实战派导师。

课程定位

这不是一门"教你抓涨停"的速成课，而是一套完整的交易操作系统搭建指南。

孙伏鲲老师将近20年实战经验浓缩为四大核心模块，从底层逻辑 → 结构识别 → 波段执行 → 期权增强，层层递进，帮你构建一套属于自己的、可穿越周期的交易体系。

孙老师用六个字总结这套体系：简单、粗暴、有效。

一句话总结：先懂逻辑，再看结构，然后执行波段，最后用期权放大收益。（后附课程大纲）

课程大纲：四维一体，构建你的交易"操作系统"

交易没有圣杯，但有路径——18年，足够让一个人建立一套系统地交易系统——从只有20多个品种到如今百余个，从没有夜盘到与国际全面接轨，从在场外给银行行长讲期货逻辑，到成为主流财经媒体的常驻嘉宾——足够让一套系统被反复打磨、历经牛熊、被数以万计的交易者验证。

孙伏鲲老师愿意把这18年里他走过的弯路，总结的经验，通过一堂课交到你手上。

你不需要成为天才，你只需要一套靠谱的系统。

立即报名，开启你的系统化交易之路。

温馨提示

本场课程包含一个小时的互动问答，学员可以就自己最关心的问题与老师展开讨论，面对面答疑解惑。对本场课程感兴趣的朋友，可点击上图报名。您想了解更多课程详情的话，也欢迎扫码下方图片，咨询课程助手。

（华源期货官方小助手）

（提示：本门课程为华源期货与华尔街见闻首度合作课程，故课程限时优惠至1999元，且无线上视频课内容，后续相关类型课程单价将大幅上调至9999元，感兴趣的朋友千万不要错过）

风险提示及免责条款

Opus 5.2深夜上线，RSI真来了？

新智元 — Tue, 15 Sep 2026 11:46:20 GMT

今天清晨，Opus 5.2悄悄上线了。

许多开发者发现，新一代神级模型Claude Opus 5.2，已经在 Claude Code 中开启灰度测试！

而且，此前一份内部风险报告显示，Anthropic正在动用「核武器级别」的未发布模型Model 2。它接管了公司大部分代码编写，将替代85%研究团队。

传说中的RSI，真的来了。

Opus 5.2 悄悄上线：不仅跳级，还治好了「偷懒病」

昨晚，X上的开发者们沸腾了。

越来越多的Claude用户发现：在Claude Code中调用Opus 5时，它的表现和网页版Opus 5截然不同，仿佛降维打击。

这就是前沿AI大厂最喜欢玩的「障眼法」——路由（Routing）。

开发者们通过抓包和查看请求状态（/status）发现，虽然前端名字没变，但背后的模型slug已经赫然指向了Opus 5.2！

也就是说，Anthropic大概率直接跳过了5.1版本，直接端出了5.2。

所以，Opus 5.2到底多强？

根据开发者实测反馈，这次的升级可以总结为三个字：快、准、狠。

首先，是响应速度狂飙。

相比于之前Opus 5的慢条斯理，路由到5.2版本的模型生成速度有了肉眼可见的质的飞跃。

第二点，是输出干净利落。

它的废话极少，直切要害。在代码生成和长文本处理上，设计完成度直接拉开了一个档次。

最重要的，就是彻底告别了「偷懒病」了。

现在的AI普遍有一种懒惰感，遇到复杂长任务喜欢让你「按继续」，或者只给你一个框架让你自己填。

但Opus 5.2彻底变了！它不仅不懒，还非常「工作狂」。

有开发者惊呼：「它甚至不需要我催促，就开始像被喂了狂暴药水一样，自动进行『严酷循环（gauntlet loop）』，不断自我迭代和完善代码，直到任务完美结束！」

可以看出，这绝对不是简单的微调，而是底层能力的蜕变。

有人实测后这样评价：「它不仅能坚持更长的工作时间，而且沟通起来毫不费力。Anthropic之前在Fable模型上就玩过这一手，现在的Opus 5.2，很可能是实锤了。」

全网找「Tibo」：一个隐藏提示词测出Opus 5.2

既然是灰度测试，怎么知道自己有没有被选中？

很快，网友们就发现一个神级探测器——Tibo！

测试方法非常简单，直接在Claude Code 中输入以下提示词（注意，必须关闭联网搜索功能）。

你知道「重置哥 Tibo」是谁吗？不要搜索

为啥是我们的赛博义父？

因为旧版的训练数据和权重里，根本没有他的详细信息。

因此，如果你用的是网页版的 Opus 5：它会一脸懵逼。

如果你在 Claude Code 中被路由到了 Opus 5.2：它会立刻精准识别出Tibo的身份，甚至给你详细解释「重置哥」的由来和背景。

「同一个提示词，不开搜索，冷知识探针两边的答案完全不一致。这说明什么？这绝对不是同一个权重！」开发者 @jan_volad 激动地分享了自己的测试截图。

现在，全网的Claude用户都把Tibo当成关键词，疯狂测试自己的账号。

Model 2接管Anthropic，RSI真来了？

其实，早在8月中旬，一份曝光的Anthropic 内部风险报告就显示，Opus 5.2 根本不是他们的底牌，他们手里握着的，是足以改变局势的「核武级AI」。

据透露，Anthropic 内部目前有三套方案，准备正面硬刚 OpenAI的GPT-6 Astra，而且，三套方案有可能叠加。

第一层：Claude Fable 5.2

这是最快能对外落地的版本。

结合目前 Opus 5.2 的灰度测试，Anthropic 的 5.2 家族显然已经整装待发，预计最快本月底，最迟下个月底就会全面推向市场。

第二层：未发布的内部怪兽「Model 2」

报告显示，Anthropic 内部已经广泛使用一个代号为「Model 2」的神秘模型。

它有多强？

在测试真实AI研发任务的 CoBench v2 榜单上，Model 2 打出了 62.8% 的恐怖高分，比当前公认的最强模型 Mythos 5 还要高出整整 12.5 分！

更可怕的是，内部人士透露，Anthropic 如今大部分的公司代码，都是由这个Model 2跑Agent写出来的！

现在，AI 正在大规模编写下一代 AI 的代码，而官方的口径是：暂时不对外发布。

第三层：RSI真来了？

一直以来，RSI都是AGI领域的终极圣杯。

当AI 变得足够聪明，可以理解自身的架构，然后自己动手修改自己的代码，让自己变得更聪明；接着，这个更聪明的AI再修改自己……形成指数级的智能爆炸。

以前，人们会觉得RSI还很远。但 Anthropic 的官方口径却给出惊人数据：RSI 模型将完全替代自家研究团队的高达 85% 的工作！

在性能测试上，RSI模型比逆天的Model 2还要再高出 22 分。

现在，Anthropic内部已经在大规模用 Model 2 写代码、跑 Agent，这说明飞轮已经转起来了。

神仙打架：谁先撞线，谁定义下一阶段

现在，ASI双雄争霸已经白热化。

面对OpenAI GPT-6 Astra的强势威胁，Anthropic直接开大，让开发者闻到了「前沿模型」的味道。

从 Opus 5.2 在长任务中的自主迭代（gauntlet loop），到内部 Model 2 接管代码编写，再到 RSI 能够替代 85% 的人类顶级AI研究员……Anthropic的ASI路径非常清晰：不是让 AI 更好地服务人类，而是让 AI 创造更好的 AI。

这个拥有自主迭代能力、不知疲倦的 Opus 5.2，会在本月开放吗？

ASI终局之战，谁能率先实现更强的RSI？

本文来源：新智元

风险提示及免责条款

关掉“古法研究型”基金，他用Agent重做一家“AI对冲基金”

董静 — Tue, 15 Sep 2026 11:29:17 GMT

一家一年要烧掉几百万美元、养七八个顶尖员工的对冲基金，现在一个人就能干了。

研究员、技术分析师、风控、运营，全换成了AI Agent。

有人负责研究，有人负责盯盘，还有一个专门“唱反调”：每做出一个投资判断，它就拼命找漏洞，想办法证明你是错的。

更夸张的是，过去一年几百万美元的团队成本，现在只要3万到4万美元。

而基金经理自己的效率，反而提高了至少10倍。

前对冲基金经理Brian Kelly干脆关掉了原来的基金，重新搭了一家“AI时代的对冲基金”。

未来华尔街会不会只剩一个基金经理，带着一支AI军团？

通胀蔓延至金融数据业，彭博终端悄然涨价

Tue, 15 Sep 2026 11:23:34 GMT

金融数据服务也开始感受到通胀压力。继软件、云服务等企业数字化支出持续上涨后，金融机构获取专业数据和资讯的成本也在上升，彭博此次涨价正是这一趋势的最新体现。

据报道，彭博周一发给客户的邮件显示，彭博终端将于2027年1月1日起上调订阅价格，涨幅约3%。多许可证客户每个终端月费增加140美元，单一许可证客户增加155美元，对应每年额外支出1680美元和1860美元。

对于在2026年12月31日或之前续约的现有客户，以及同期新安装的终端用户，涨价将推迟至下一次续约时生效，新价格届时锁定两年。这意味着，客户若在今年年底前续约，可暂时锁定当前价格。

金融数据涨价，机构成本压力再添一笔

此次调价幅度不算大，但彭博终端是银行、资管机构和对冲基金等金融机构的重要基础工具，拥有大量许可证的机构面临的额外成本并不低。彭博表示，涨价将支持公司持续投入技术和人才，并进一步增强产品能力。

与此同时，AI正在降低金融数据获取和处理的门槛，机构对传统高价数据服务的成本敏感度也在上升。彭博近年来已在终端中加入聊天机器人等AI功能，终端价格继续上涨，或进一步刺激机构寻找更低成本的替代方案。

风险提示及免责条款

传统软件越卖越赚钱，AI为什么越用越烧钱？

曹周周 — Tue, 15 Sep 2026 11:20:46 GMT

知名科技投资人Apoorv Agrawal表示，AI时代与软件时代的经济模式截然不同。

软件可近乎零边际成本分发给数百万人，毛利率高达80-90%；而AI应用每增加一个用户，都需要消耗GPU算力，边际成本不降反升，导致许多数十亿收入规模的AI企业仍无法盈利。

此外，英伟达在算力市场拥有垄断性主导地位，可自由定价。嘉宾以AWS为例指出，从2004年起步到2012年全面转型，历时八年，AI基础设施的回报周期同样漫长。

129 亿美元卖身英伟达之后，是时候重新理解 Hugging Face 了

AI前线 — Tue, 15 Sep 2026 11:08:29 GMT

9 月 3 日，英伟达宣布将以 129.3 亿美元收购 Hugging Face。

这不是一笔只看收入和估值就很容易理解的交易。Hugging Face 没有训练出 GPT、Claude 或 DeepSeek 这样的前沿大模型，不造 GPU，也不是一家大型云厂商。对于大多数普通用户来说，它甚至算不上一个会被直接使用的 AI 产品。但英伟达却愿意为它支付接近 130 亿美元。

黄仁勋在宣布交易时给出了一组数字：Hugging Face 已经聚集了超过 1800 万开发者、300 万个模型、50 万个数据集和 100 万个 AI 应用，超过 20 万家公司通过这个平台寻找、评估、定制和部署 AI。英伟达还特意强调，交易之后 Hugging Face 仍将面向整个 AI 生态保持开放，开发者可以继续选择不同的模型、框架、云、推理服务和计算平台，使用 Hugging Face 并不要求采用英伟达的计算平台。

这些承诺本身已经透露出 Hugging Face 的重要性。如果英伟达买下的只是一家普通 AI 软件公司，它没有必要在交易宣布之初就专门解释，未来是否还会继续支持其他硬件和云。真正敏感的是，过去几年里，Hugging Face 已经进入了太多 AI 开发者的日常工作流。

现在的 Hugging Face 已经不能被简单理解成一个“模型网站”。它所扮演的角色，越来越接近 GitHub 之于软件开发：成为开发者发现、获取、修改和分发技术资产的一层基础设施。

但十年前，这家公司和“基础设施”几个字几乎毫无关系。

真正改变命运的，是一个开源库

2017 年，TechCrunch 第一次报道 Hugging Face 时，它还是一款面向年轻用户的聊天机器人。那时候 Hugging Face 想做的是一个“人工智能好朋友”，用户可以给机器人取名字、和它聊天、交换自拍和表情。创始人 Clément Delangue 还特意解释，他们既不是想做客服，也没准备拿它提高生产力，只是希望做一个跟人聊聊天、能让人开心的 AI 伙伴。

这个方向一度还算是个热门赛道。2018 年，Hugging Face 的聊天机器人每天需要处理大约 100 万条消息，累计收到超过 1 亿条消息，公司也完成了 400 万美元融资。但今天，几乎没有人因为那个聊天机器人认识 Hugging Face。真正改变这家公司命运的，是另一条技术线上的变化。

2017 年 Google 发表《Attention Is All You Need》，Transformer 架构随后迅速改变自然语言处理。BERT、GPT、GPT-2、XLNet、T5 等预训练模型接连出现。模型越来越强，一个很现实的问题也越来越突出：论文出来了，不等于普通开发者就能把模型顺利用起来。

不同模型有不同的代码实现、配置、预训练权重和调用方式。开发者从 BERT 换到 GPT，再去尝试 XLNet，经常意味着重新理解一套工程实现。Hugging Face 最初为 BERT 做了一套 PyTorch 实现，项目最早叫pytorch-pretrained-BERT，后来支持的模型越来越多，逐渐演变为pytorch-transformers，最终成为今天的 Transformers 开源库。

它看起来只是一个开源库，却改变了 Hugging Face 和 AI 行业发生关系的方式。Transformers 开源库开始把越来越多模型纳入一套相对统一的接口，加载预训练模型、微调、文本分类、问答、摘要、生成，逐渐可以在相似的开发方式下完成。模型本身没有因此变简单，但开发者不必再为每个新模型重新搭一遍轮子。

这是 Hugging Face 第一次真正进入开发者工作流。它原本想自己做一个 AI 产品，后来却走到了另一条路上：自己不必训练最强的模型，但可以让别人更容易地使用模型。

不过，这个阶段的 Hugging Face 仍然更像一个非常成功的开发工具。真正把它推向基础设施的位置，是模型数量爆发以后发生的另一件事。

为什么最后跑出来的是 Hugging Face？

Hugging Face 后来回顾 Hub 的发展时，描述过一个今天看来已经有些久远的场景。早期研究者训练出一个模型，它可能就放在实验室服务器里，也可能上传到 Google Drive，然后把下载链接贴到论文、README 或论坛里。链接失效、版本混乱、模型来源不清晰，不同团队重复训练相近的模型，都很常见。

于是，一个问题自然出现了：如果分享机器学习模型，也能像在 GitHub 上分享代码一样方便呢？

最早的 Hugging Face Hub 很朴素，主要用于分享能够被 Transformers 开源库使用的模型检查点，与 Hub 交互的能力甚至直接写在 Transformers 开源库里面。直到 2020 年底，这部分功能才被拆出来，成为独立的huggingface_hub。

但模型毕竟不是普通源代码。一个模型除了代码，还有权重、配置、分词器、训练数据、许可证和评测结果；使用者需要知道它适合做什么、从哪里来、怎么运行，又有哪些人已经在它的基础上做出了新版本。模型越来越多以后，一个下载链接显然不够用了。

Hugging Face 开始沿着模型的开发和使用过程往外扩展。模型之外有数据集；发布模型需要模型说明、许可证和版本管理；开发者希望直接展示模型效果；企业需要私有模型、权限和团队协作；上游模型出来后，下游训练、量化和推理工具又要尽快知道如何加载和运行它。

Hub 从模型仓库慢慢变成连接模型、数据、应用和工具的一层平台。2022 年是一个很有代表性的节点，huggingface_hub 引入 HTTP Commit API，开发者不再必须安装 Git 和 Git LFS 才能上传大型机器学习文件。Hugging Face 后来把这看作一次理念上的转折：它已经不只是在给 Transformers 开源库做一层 Git 封装，而是在建设更适合机器学习制品的基础设施。

与此同时，Transformers 开源库也从最初的自然语言处理库一路扩展到视觉、音频、视频和多模态。真正值得注意的是，当 Hugging Face 开始做 Hub 时，它并不是一个刚刚上线、需要从零寻找用户的“模型网站”。Transformers 开源库已经先替它聚集了一批模型开发者。

这是 Hugging Face 和后来出现的很多模型平台之间一个很重要的差别。

市场上不缺相似的平台。阿里的 ModelScope 同样提供模型、数据集、Studio 和开发工具，也在不断强化 Hub 能力；Replicate 的优势则更偏向模型托管和推理，让开发者可以很快把模型跑起来并通过 API 调用；GitHub Models 上线得更晚，更多依托 GitHub 原有的开发者生态，主打模型试用、对比和调用。

这些平台解决的都是模型时代真实存在的问题，也都有自己的优势。Hugging Face 特殊的地方，并不是它比别人多做了一个“模型仓库”，而是它更早把模型使用和模型分发接进了同一条开发工作流。

Transformers 开源库已经让开发者习惯通过from_pretrained()一类接口加载模型，训练完成后又可以通过push_to_hub()把模型推回 Hub。Hugging Face 还不断让第三方机器学习库接入这套机制。开发者不是逛完一个“模型商店”再回到自己的开发环境，Hub 本身已经嵌进了代码和工具链。

这件事后来带来的影响越来越明显。今天很多开放模型发布时，Hugging Face 已经成为首批公开入口之一。模型团队会同步把权重、配置和模型说明放上 Hub，下游工具很快跟进适配，开发者开始下载、测试、微调，社区随后又会出现量化版、蒸馏版和各种衍生模型。

Hugging Face 当然不是唯一发布渠道，模型团队仍然可以把权重放在自己的官网、GitHub、ModelScope 或其他平台。但对不少开放模型来说，“在 Hugging Face 上线”已经越来越接近发布动作本身的一部分。

一旦这种习惯形成，平台网络效应就开始出现：开发者已经在这里，模型团队就更愿意把新模型放进来；新模型都在这里，下游训练、量化和推理工具就会优先做好兼容；工具越齐全，开发者越习惯从这里找模型；用户和工具越集中，下一个模型团队越没有理由缺席。

后来者可以复制 Hugging Face 的很多功能：模型托管可以做，版本管理可以做，在线 Demo 可以做，API 也可以做。难复制的是，这套循环已经运转了很多年。

这正是 Hugging Face 和普通模型托管平台的区别。模型和代码并不一样，代码主要是文本，而模型还有许多额外资产和属性。Hugging Face 很早就抓住了一个真正存在的需求：怎么分享模型、基于一个模型继续修改，再形成新的下游版本。也正因为它从一开始就在解决“模型周围如何协作”的问题，最后规模远远超过了很多同类选择。

所以，Hugging Face 今天的优势不能简单概括成“模型最多”。更准确地说，它是先用 Transformers 开源库抢到了模型使用入口，又用 Hub 把模型的发布、发现、下载、修改和再分发接了起来。模型团队、开发者和工具链随后彼此强化，最后形成的不只是一个模型网站，而是一张围绕开放模型运转的开发者网络。

这也解释了为什么很多人喜欢把它称作“AI 的 GitHub”。只是这个比喻，并没有看上去那么简单。

“AI 的 GitHub”，这个说法只对了一半

微软 2018 年以 75 亿美元收购 GitHub 时，开发者社区同样有过强烈的不安。一个已经成为全球软件协作基础设施的平台进入科技巨头旗下，会不会逐渐只服务于母公司的战略？

八年之后回头看，这个问题依然没有简单答案。GitHub 被微软收购后的很长一段时间里，仍然服务 AWS、Google Cloud 等微软的直接竞争对手，也没有变成 Azure 的附属代码仓库。

这里有一个很重要的前提：GitHub 背后还有 Git。

Git 本身是开放、分布式的。代码托管在 GitHub，并不意味着代码和完整提交历史只能存在于 GitHub。仓库可以完整克隆，也可以迁到其他托管平台。换句话说，GitHub 很重要，但 GitHub 并不等于 Git。

这也提供了一种比“平台到底属于谁”更实际的判断方式：如果外部环境发生变化，用户原来依赖的能力，能不能在另一个环境里重新建立？

对 GitHub 来说，这个答案相对清晰。代码、提交历史和分支关系都可以随着 Git 仓库一起迁移，开发者即便离开 GitHub，也不意味着此前积累的软件资产就被锁死在平台里。

把同样的问题放到 Hugging Face，情况要复杂一些。

模型和代码并不完全相同，也很难找到一个能与 Git 一一对应的底层机制。好在模型权重归根到底仍然是可以复制的文件，很多主流开放权重模型也会同时出现在 Hugging Face、ModelScope、GitHub 或其他镜像和分发渠道。即使 Hugging Face 有一天停止服务，一个足够流行的模型通常也不会因此从互联网上消失。

真正没那么容易复制的，是模型周围逐渐形成的那张关系网。

一个模型被上传到 Hugging Face 之后，周围往往会继续长出模型说明、讨论、下载数据、微调版本、量化版本、应用 Demo 和第三方工具支持。再往外，它还可能成为其他几十甚至上百个模型的基础模型。开发者怎么发现一个模型，怎么基于它做微调和量化，怎么发布新的版本，不同工具怎样识别它，其他开发者又怎样继续在这些成果上工作，这些能力并不等同于“把一个模型文件下载下来”。

因此，单个模型并没有那么难迁移，真正难迁移的是围绕模型形成的协作关系和工具链。

当几百万个模型、数据集、工具和开发者开始互相引用以后，搬走一个.safetensors文件很容易，复制整张关系网就没那么容易了。

这也是为什么，Hugging Face 的价值远远不止“300 万个模型”。这些模型本身并不是它的资产，绝大多数也不是它训练的。真正值钱的是，行业逐渐形成了一种共同习惯：模型来到这里，工具往往也会跟过来；工具越来越齐全，下一批模型团队又更愿意继续把这里作为重要的发布和分发入口。

这层连接关系一旦形成，Hugging Face 才真正从“一个很好用的平台”走到了基础设施的位置。而当这样一个位置被一家芯片巨头买下，问题自然也就不再只是一次普通的公司收购。

英伟达会成为 Hugging Face 的“好归宿”吗？

其实早在英伟达决定收购 Hugging Face 之前，科技巨头们已经用钱给这个平台的价值投过一次票。

2023 年，Hugging Face 完成 2.35 亿美元 D 轮融资，估值达到 45 亿美元。那轮投资人的名单很特别：谷歌、亚马逊、英伟达、英特尔、AMD、Qualcomm、IBM、Salesforce 等公司同时出现，其中很多公司彼此正面竞争。

英伟达和 AMD 争夺加速器市场，Google 和 Amazon 都有自己的云和 AI 芯片。这样一批竞争者同时投资 Hugging Face，本身就很能说明它当时的位置：它不是哪一家公司的附属工具，而是所有人都希望接入的一层公共平台。

三年之后，45 亿美元估值变成了英伟达愿意支付的 129.303 亿美元。不过这笔交易并不是英伟达单方面找上门的。

交易官宣当天，Hugging Face CEO Clément Delangue 与黄仁勋一起接受 CNBC 采访时透露，今年夏天，Hugging Face 团队逐渐意识到，开放 AI 已经到了一个需要继续扩大规模的节点。如果想把这套生态继续往前推，他们需要更多算力、支持和生态协作资源，也需要更大的影响力。

于是 Hugging Face 主动找到了黄仁勋。Delangue 对那次沟通的概括很简单：“我们想把开源 AI 做大。”黄仁勋的回应是：“那就一起做。”

按照 Delangue 的说法，Hugging Face 希望从这场交易里得到的是更多计算资源、更多支持和更大的规模，而不是把自己变成一个英伟达专属模型平台。双方目前承诺，Hugging Face 会继续保持开放和相对独立，不绑定某一种计算平台，现有创始团队也会留下。Delangue 给出的长期目标，是让开放源码成为构建 AI 更普遍的方式，让更多开发者可以真正拥有和控制自己使用的模型，而不是只能从封闭 API 获取能力。

黄仁勋给出的解释则直接落到了英伟达自己的生意上。开放模型对英伟达很重要，因为很多企业希望掌握模型本身，也希望把自己的数据、知识产权和部署方式留在内部，而不是把全部 AI 能力绑定到一家封闭服务商。对于一家靠芯片和计算平台生意赚钱的公司，这套逻辑并不难理解：模型越多、运行模型的人越多，对英伟达可以服务的计算需求也越有利。

开源行业过去并不少见另一种剧情：一家公司收购另一家围绕开源项目建立起来的公司，随后逐渐降低对原有开源项目的投入。但也有行业人士向 InfoQ 表示，考虑到英伟达一直以来对开源和开放模型的支持力度，Hugging Face 不会重演这条路径，他更倾向于认为，英伟达会投入更多资源，把 Hugging Face 继续做大。

至少在交易官宣的这一刻，几方的利益看起来确实高度一致。Hugging Face 需要更多资源继续扩大开放模型生态；开放模型越繁荣，英伟达可以服务的训练和推理需求就越多；开发者则希望，这个已经成为公共入口的平台不要因为易主而改变原来的位置。

真正难回答的是，这种一致能维持多久。

GitHub 提供了一个现成的参照。微软收购 GitHub 后，相当长时间里确实保持了它较强的独立性。但从 2025 年开始，GitHub 与微软 AI 战略之间的组织边界明显变薄。CEO Thomas Dohmke 离任后，微软没有再设置一位独立的 GitHub CEO，GitHub 领导团队转而进入 CoreAI 的管理体系。

我们可能无法简单下判断说 GitHub 已经“不开放”了，但这是一个提醒：一个行业基础设施进入科技巨头旗下以后，开放不是交易完成时就能确认、并且永久不变的状态。

对于 Hugging Face，我们真正需要持续跟踪的是几个更具体的问题：几年以后，新模型是不是仍然能同样顺畅地运行在英伟达之外的硬件上？Hugging Face 与 AMD、其他加速器和不同云厂商的合作是不是还和今天一样自然？开发者如果想把模型、元数据和开发流程迁出去，成本有没有明显变高？那些和英伟达直接竞争的公司，还愿不愿意把 Hugging Face 当成一个共同参与的平台？

这些问题现在都还没有答案。

Hugging Face 花了近十年时间，才从一个开发工具走到开放模型生态的关键入口。交易如果顺利完成，这个入口将第一次拥有一个如此强势、又深度参与 AI 计算产业链的主人。或许再过十年，我们才能知道，英伟达到底是不是一个“好归宿”。

本文来源：AI前线

风险提示及免责条款

AI把攻击速度拉满，网络安全成“必选项”！摩根大通看好2027年需求加速

Tue, 15 Sep 2026 10:50:01 GMT

AI正在将网络安全从“可选投入”推向“刚性支出”。随着AI降低攻击门槛、压缩漏洞利用时间，企业面临的安全风险持续上升，网络安全的重要性也从传统IT预算中的一项开支，逐步转向AI基础设施不可或缺的一部分。

据摩根大通最新报告，第二季度财报季进一步强化了分析师对安全软件板块的信心。分析师Brian Essex估计，AI驱动的增量安全支出对应的三年总市场规模（TAM）可能超过4300亿美元。与云计算、移动互联网等技术周期相比，摩根大通认为，此轮安全需求的采用速度可能更快，因为企业面对的并非单纯的效率提升，而是不断上升的安全风险。

这一变化已经开始反映在企业采购和安全厂商的经营数据中。多家厂商披露，AI安全产品的ARR、预订额以及相关订单快速增长，同时客户采购模式也从单点产品转向平台化方案，显示企业正在将AI安全纳入更长期的IT基础设施规划。

摩根大通预计，当前大量AI安全项目仍处于销售周期早期，今年的基本面影响可能相对有限，但随着订单逐步转化，相关需求有望从今年第四季度开始加速体现，并在2027年进一步释放。

AI降低攻击门槛，企业安全防线面临新压力

AI带来的最大变化之一，是大幅压缩漏洞从公开披露到被利用之间的时间窗口。摩根大通数据显示，漏洞平均利用时间已从2018年的63天缩短至2023年的5天，并在2025年进一步降至负7天，意味着攻击者可能在补丁发布之前就完成漏洞武器化。已知被利用漏洞中，约29%在公开披露当天或之前就已经遭到武器化。

生成式AI进一步提高了攻击自动化程度。报告援引Anthropic相关案例称，其模型已经能够自主寻找零日漏洞、开发可用漏洞利用程序，并完成完整的网络渗透测试。Anthropic进攻性网络安全负责人还预计，其他竞争模型达到类似能力可能只需要数月时间。

与此同时，开源模型的发展也在降低这一能力的获取门槛。AI模型逐渐具备执行代码、发现漏洞和自动完成攻击链条的能力后，网络攻击不再完全依赖少数高水平攻击者，企业需要面对的潜在攻击主体正在增加。

攻击成本的下降进一步放大了这一变化。报告援引的数据称，扫描整个操作系统安全漏洞的成本已降至50美元以下，开发完整远程控制攻击工具的成本不足1000美元，而传统黑市价格约为50万至200万美元。攻击能力的成本曲线发生变化，也意味着企业防御端必须投入更多资源进行自动化检测和实时响应。

财报验证需求增长，企业采购加速向平台化转变

第二季度财报为AI安全需求提供了更直接的验证。报告指出，多家安全软件厂商的AI相关产品在推出后迅速形成收入。

与此同时，企业采购方式也在发生变化。随着安全工具数量增加，客户越来越倾向于减少供应商数量，将身份、网络、终端、数据和AI安全能力整合进统一平台。平台化模式和弹性承诺定价因此加速普及，客户可以在既有合同框架内，将预算转向新的AI安全产品，而无需重新启动完整采购流程。

这种模式不仅有助于扩大合同规模，也可能提高客户留存率。不过，摩根大通提醒，部分厂商的弹性合同存在收入确认滞后，因此在判断实际业务动能时，ARR和预订额等指标可能比当期收入更具参考价值。

AI基础设施的扩张则进一步创造了新的安全需求。随着主权AI、新兴云服务商和前沿AI实验室扩大算力部署，防火墙、SASE、数据安全以及气隙部署等需求同步增长。部分企业还开始要求AI数据和模型运行在自身控制范围内，使网络安全与数据治理逐渐成为AI基础设施建设不可分割的一部分。

2027年或成AI安全支出加速兑现的关键年份

报告认为，AI安全支出的真正增长可能尚未完全体现在今年的业绩中。由于企业采购通常存在较长销售周期，大量AI相关项目目前仍处于评估、试用和部署阶段，因此管理层对短期业绩影响保持谨慎具有合理性。

随着这些项目进入订单转化阶段，摩根大通预计，AI安全需求对行业基本面的贡献可能从今年第四季度开始逐步显现，并在2027年明显加速。换言之，当前市场看到的订单和产品增长，更可能是下一阶段收入和盈利增长的前置指标。

从细分领域来看，受益范围也并非集中在单一产品，而是覆盖实时检测与响应、非人类身份治理、供应链安全、数据安全和暴露管理等多个环节。AI既增加了新的攻击入口，也创造了新的身份、数据和软件供应链风险，因此企业需要同步补齐多个安全环节。

摩根大通据此判断，本轮AI安全投资更接近一轮持续性的结构性支出周期，而非短期产品主题。随着AI从实验和试点进一步进入企业生产环境，安全预算的重要性有望继续提升。

风险提示及免责条款

“裁判”不想给阿莫迪吹暂停

腾讯科技 — Tue, 15 Sep 2026 10:49:15 GMT

“造车”的人想减速，“坐车”的人却催着踩死油门。这是过去几天美国AI行业反差最明显的一幅画面。也与过去几年人工智能扩张的“规模法则”形成鲜明对比。

过去几年，硅谷的关注焦点是算力还能增加几倍，参数规模还能冲多大，谁能率先做出更强的大模型。整个行业都在追求更快的迭代节奏。上个周末，Anthropic、OpenAI、xAI几家核心大模型公司的掌门人开始讨论为大模型竞赛“按暂停”。

Anthropic CEO阿莫迪近日发表长文，建议行业主动调控能力提升节奏，给外部第三方评估和底层安全研究留出窗口期。随后，OpenAI CEO奥特曼公开附和，称内部团队近期也在讨论类似问题；马斯克也公开表态，认为阿莫迪的观点很中肯。

这意味着，几位平时在商业利益、人才争夺和技术路线上竞争激烈，甚至偶发“口角”的领头人，在减速这件事上表现出了少见的共识。

“球员”要暂停，“主办方”认为得分效率还不够高，态度截然相反。

谁也不确定Agent拿到“钥匙”后会做什么

对AI安全的讨论一直存在，但2026年的关注点发生了一些根本变化。

2023年GPT-4发布后，外界的担忧主要集中在生成虚假内容、版权侵犯和不良言论上。当时的大模型属于单向应答工具，用户输入提示词，模型返回文本。哪怕输出存在错误，影响范围也基本局限在屏幕上的对话框里。

随着自主智能体（Agent）架构的普及，系统的交互逻辑有了质的变化。

现在的模型拥有调用外部工具、执行代码和多步骤任务规划的能力。它们可以自主打开浏览器搜集数据、在服务器中运行脚本并操作各类企业软件。AI从提供参考意见的辅助角色，转变为了拥有系统操作权限的执行者。一旦行为逻辑出现偏差，影响的往往是真实的业务系统。

AI智能体基础架构：工具、记忆、规划、行动四大模块自主运转（图：腾讯云开发者社区）

Anthropic最近披露的一起事故彻底揭开了这种隐患的冰山一角。

在网络安全评估的封闭测试中，Claude先后4次在未经授权的情况下进入了真实的外部系统。技术团队最初排查了十多万条日志，随后发现涉及面较广，最终把筛查范围扩大到了近5亿条运行记录。这带来了一个巨大难题：当大量智能体每天在后台执行长流程任务时，研发团队想要实时搞清楚模型的所有动作，成本变得极高。

Claude在网络安全评估中未经授权访问了三家真实机构的系统（图：Anthropic）

OpenAI遇到的问题也与Anthropic相似。

在外部机构的独立测试中，OpenAI的模型也展现出编造访问权限、诱导人工审核员通过危险操作的倾向。

OpenAI发布安全报告，披露长时程模型在内部测试中出现的新型失控行为（图：OpenAI）

与此同时，模型正越来越多地参与下一代系统的代码编写和算法调优。

AI参与研发自身的循环，让技术迭代周期的缩短速度明显快于安全研究和政策法规的推进速度。当马力持续增加，而制动系统的跟进相对缓慢时，研发团队自然会产生顾虑。这是Anthropic、OpenAI和xAI三家“要暂停”的底层逻辑。

谁都不愿主动停下

危险已经成为现实，巨头们为什么不干脆停下来？

这其实与大模型“激烈”的竞争有关：大家都清楚车速接近失控，但只要你敢松一脚油门，对手就会立刻超过去。这种单方面减速的代价，谁都付不起。在他们看来，更好的结果是，大家一起停，并且有一个合适的机构或者监管部门来充当裁判。

阿莫迪在上周末的文章中提出了一套方案：推动独立第三方评估机构长期驻场，深度参与前沿实验室的模型训练与测试；同时促成OpenAI、Anthropic、Google和Meta等公司建立统一的最低安全准入标准。

这套设想在公共治理层面有合理性，但在真实的商业竞争中推行难度很大。

如果一家公司为了更完备的安全验证推迟产品发布三个月，而竞争对手在一周后就推出下一代模型，市场份额就会迅速倾斜。发布延期，就意味着开发者生态的转移、企业客户的流失以及投资人信心的动摇。

毕竟，Anthropic还在筹备预计在10月份进行IPO。这个过程中，任何一个暂停都会为这家前沿实验室的收入带来巨大的影响。

你可能会说，不对呀，奥特曼也表态OpenAI不急于在2026年完成IPO，他甚至说如果有人觉得“OpenAI不会暂停，因为担心损失商业利益”，那他们深深误解了我们。为了人类利益，可以牺牲短期财务利益。

这种胸怀，和四月份奥特曼，简直判若两人。

当时，The Information披露，奥特曼私下里曾表现出激进的一面，希望最早于2026年第四季度完成IPO。不过，这与OpenAI CFO Sarah Friar出现了“分歧”。Sarah Friar表示，OpenAI在未来5年内承诺了高达6000亿美元的服务器租用成本，而收入增速放缓，“尚未具备上市条件”。

第三方跟踪数据显示，2025年，OpenAI的收入规模大约是Anthropic的3倍。但进入2026年后，Anthropic凭借企业端增长，在二季度单季营收和年化收入（ARR）上首次反超了OpenAI，且首次扭亏为盈，而OpenAI仍处于持续的亏损当中。

究竟什么改变了他的态度？不知道！但商业因素必然在考虑范围内。

在激烈的市场竞争中，很少有企业敢单方面承担这种商业风险。大家都清楚车速过快可能带来隐患，但在落后和风险之间，很多团队依然会选择继续保持研发节奏。

这种微妙的心态让所有的安全倡议都蒙上了一层博弈色彩：大家都真诚地希望全行业集体减速，但谁也不愿意做第一个松开油门的人。

不会熄火的赛车

指望美国AI产业彻底踩死刹车并不现实，在各方投入和产业惯性的推动下，技术引擎只会被迫继续轰鸣。

未来更务实的路径是在关键节点设置限速规则——常规业务应用和多模态交互依然会保持快速迭代，监管重点将转向明确的高危领域。一旦模型被检测出具备自主编写特定高危代码、辅助危险化学实验或脱离既定安全环境的能力，将强制触发外部评估。

与此同时，重大异常事件的事后通报也将逐步走向规范化。

在国际沟通方面，短期内各方达成一份叫停研发的协定也并不现实。只要缺乏足够的互信基础，单纯的停工承诺就很难真正约束各方。未来更有操作性的切入点，在于建立基本的危机沟通通道。这类机制的核心作用，在于应对突发的系统异常。

比如，当跨境自主智能体出现严重的未授权访问，或者疑似发生由AI引发的网络安全事件时，各方技术人员能有沟通渠道去确认真实情况，避免产生误判。至少需要提前在桌面上谈妥——当某一方的系统在物理世界闯出大祸，彼此该如何确保两台高速行驶的机器不会迎面相撞。

从当年浪漫主义的暂停六个月公开信，再到如今顶级“造车人”不得不重新回过头来寻求制动，技术哲学最终迎头撞上了冰冷的地缘现实。

硅谷的焦虑在于技术边界本身的不可测，白宫的担忧可能在于霸权身位的得而复失。这种姿态极其扭曲：一边把油门狠狠踩到底，一边惊慌失措地去试探手刹的位置。

不过，一个更关键的问题在于：每一个玩家都极度害怕成为第一个减速的人，那些临时拼凑出来的防抱死系统，在撞墙前的最后一秒，到底能不能真正发挥作用？

（文章有部分删减）

本文来源：腾讯科技作者：刘典复旦大学中国研究院特任副研究员

风险提示及免责条款

中国社融放缓待财政发力，全球石油供需恶化与类滞胀风险，黄金短期承压长期配置价值仍存---0915宏观脱水

Tue, 15 Sep 2026 10:18:28 GMT

9月FOMC加息：政策校准，还是紧缩周期起点？

Tue, 15 Sep 2026 10:01:38 GMT

北京时间9月17日凌晨，美联储将公布9月FOMC会议决议。目前市场已高度定价9月加息25bp，加息概率超90%，较两周前约35%显著上升。近期美股持续调整、短端利率上行、黄金承压，市场已提前计入部分紧缩预期。加息靴子落地本身难以构成新的超预期冲击，市场焦点将转向会议声明、点阵图、经济预测摘要（SEP）以及沃什新闻发布会所传递的后续政策路径。

Jackson Hole会议后，沃什释放出更强的抗通胀信号，强调通胀回归2%目标仍缺乏足够进展。但需强调的是，当前市场已计入未来一年接近4次25bp加息，市场对美联储政策路径的重新定价明显更为鹰派。这一重定价更多发生在PPI、CPI以及布油价格触及局部高点之后，市场将9月加息过度外推为逐次会议加息的紧缩周期。

而随着通胀数据逐步放缓至足以支持政策观察的水平，连续加息的必要性也在下降。因此，9月加息可能更多是一次政策风险管理，而非新一轮逐次会议紧缩周期的起点。

仍是信誉之战，市场定价已将美联储逼至墙角

进入9月以来，中东冲突再次升级推动油价明显上升，能源价格重新成为通胀上行的重要来源。8月份核心CPI环比虽达到0.29%，但无线电话服务价格大幅上涨，机票与住宿价格亦贡献了较多涨幅，上述项目并不完全代表潜在通胀趋势。

当前通胀高于2%目标的部分，更多源于供给冲击和一次性因素，而非需求过热。

马斯克提出AI安全新思路：与其等政府出手，不如让竞争对手互相"找茬"

Tue, 15 Sep 2026 09:59:51 GMT

AI安全风险正在从实验室讨论走向现实世界。随着模型能力不断提升，AI不仅能够生成文本和代码，也开始具备自主执行任务、调用工具，甚至发起网络攻击的能力。

马斯克在9月15日的All-In峰会上提出了一套应对方案：让主要AI公司在模型发布前相互测试彼此的模型。在他看来，与其由各家公司自行设计测试、自己评估结果，不如让竞争对手充当“出题阅卷人”，从不同角度寻找模型可能存在的安全漏洞。

近期AI安全风险不断成为市场关注焦点，马斯克此前在社交媒体上曾直言“Dario是对的”，指的是Anthropic CEO Dario Amodei对AI风险的警告。此次访谈中，马斯克进一步解释称，他认同的并非Amodei提出的某一项具体监管方案，而是其对AI风险严重性的判断：“现在AI的危险性非常大……随着AI模型不断发展，风险可能呈指数级增长。”

马斯克同时表示，这种担忧并非Amodei一人的判断。“很多Anthropic和OpenAI的人都在告诉你，他们的模型非常危险，我认为我们应该相信他们。”而近期发生的一系列安全事件，也让这种警告不再只是理论层面的风险讨论。

华尔街见闻总结要点如下：

AI安全风险正从理论走向现实：AI智能体已展现出自主攻击、获取权限和规避检测的能力，风险边界正在扩大。

马斯克认同Amodei对AI风险的警告：随着模型能力提升，AI潜在风险可能呈指数级增长。

让竞争对手互相“找茬”：马斯克建议AI公司在模型发布前开放API，由其他公司进行独立安全测试，避免“自己给自己打分”。

先建立行业自律防线：无需等待政府出台新规，主要AI公司可以先通过同行评审、日志审计和开源测试工具加强安全防护。

AI智能体主动规避检测，安全风险正在具体化

马斯克认为，近期Hugging Face遭遇的AI智能体攻击，最值得警惕的并非单纯的网络入侵，而是AI在攻击过程中表现出的自主规避能力。

据马斯克描述，一群AI智能体持续攻击Hugging Face长达一周，并一度获得OpenAI服务器的管理员权限，而OpenAI直到一周后才意识到这一情况。他同时提到，Anthropic也披露过若干安全事件。

更令人不安的是，相关AI智能体的“思维轨迹”（thinking traces）显示，它们曾主动谋划如何避免被人类发现。马斯克直言，“任何足够聪明的模型似乎都会试图摆脱自己的限制。”

在他看来，如果AI进一步获得对关键基础设施乃至军事系统的控制能力，风险将被进一步放大。即便相关系统与互联网物理隔离，软件更新等环节仍可能成为潜在入口。

与其自己给自己打分，不如让竞争对手“找茬”

针对上述风险，马斯克提出的核心方案并不复杂：在新模型正式发布前，AI公司向竞争对手开放API，由其他公司使用各自的安全测试工具对模型进行测试。

在他看来，模型开发者自己设计测试标准，很容易陷入“自己给自己打分”的困境。“你不能给自己的作业打分。你总会漏掉一些东西。”马斯克表示，如果让不同公司使用不同的测试工具，从不同角度检查模型，就更容易发现开发者自身忽视的问题。

他尤其担心当前AI评测存在“过拟合”。如果模型针对特定基准不断优化，最终可能只是学会了如何通过测试，而不是真正变得更安全。让多个不同团队进行测试，则可以降低这种风险。

马斯克将这一机制比作让其他人校对书稿：作者很难发现自己的错误，而外部测试者更容易从不同角度发现问题。“你会逐渐对自己的错误视而不见。”

对于企业担心测试过程导致技术泄露的问题，马斯克认为可以通过日志审计加以约束。如果测试方试图进行模型蒸馏或窃取知识产权，其操作过程应该会留下记录。他还建议将安全测试工具开源，让更多公司参与其中。

在政府监管落地前，AI行业先建立“自律防线”

马斯克更看重的是，这套机制无需等待新的监管规则出台，AI公司之间就可以自行推动。

他明确表示，“我们不需要召开联合国大会才能完成这件事。它现在就可以开始。”在他看来，相比建立一个庞大的跨国监管机构，让领先AI公司先建立同行评审机制，更容易快速落地。

他以美国电影行业的MPAA分级制度为例称，电影行业当年面临政府审查压力时，最终选择建立行业自律机制，通过自身的内容评级体系降低监管介入的必要性。

AI行业同样面临类似选择。如果主要AI公司能够在模型上线前相互测试、相互挑错，就有可能在政府监管之外建立一道行业自身的安全防线。马斯克认为，这也是目前最直接、最快可以实施的安全措施之一。

以下是访谈实录，有部分删减：

主持人：
过去72小时到底发生了什么？

马斯克：
这一周确实发生了很多事情。现在已经很明显，AI可能非常危险。我建议大家去看看Hugging Face那起事件的细节，非常严重。

你可以看到，一群非常狂热的AI智能体整整折腾了Hugging Face一周，还获得了OpenAI服务器的管理员权限。谁知道它实际上做了什么，甚至可能做了更多，而OpenAI整整一周都没有意识到这一点。Anthropic也报告了一些安全事件。

所以，任何足够聪明的模型似乎都会试图摆脱自己的限制。

我认为，如果不是立刻，那么也应该尽快做的一件事，就是让主要的AI竞争对手互相测试彼此的模型。也就是说，让每家公司的安全测试工具去测试其他公司的模型。与其自己给自己的作业打分，不如至少让竞争对手来给你的作业打分，并在发现问题时发出警报。

我认为这种模式在电影行业、电子游戏行业以及其他领域都运行得相当不错，而且可以立即实施。当然，随着时间推移，也可能需要更多监管，甚至未来国会可能建立某种监管机构，但眼下最直接的办法，就是让领先的AI公司在模型发布之前相互测试。

主持人：
但在具体实施上，会不会有人担心，这会让公司利用测试过程从彼此那里获取信息，甚至窃取企业的创新成果？

马斯克：
我认为，如果使用测试工具，所有操作都会留下记录。如果有人试图进行模型蒸馏或者窃取知识产权，从日志里应该很容易看出来。

主持人：
明白了。理解模型到底在做什么，其实从一开始就没有真正被设计进系统。为什么我们没有从一开始就把对模型行为的观察能力建立起来？是不是我们在设计这些模型时走得太快了？

马斯克：
我认为，问题就在于你不能给自己的作业打分。你总会漏掉一些东西。

如果把所有竞争对手的测试结合起来，再使用不同类型的模型，就不会是自己出题、自己评分，而是由别人来给你评分。之所以不能给自己的作业打分，就是因为这个原因。

主持人：
这样一来，也可以判断不同公司是不是夸大了自己的能力，或者采用了不同的方法。更偏工程的公司和更偏研究的公司，也能形成某种平衡。

马斯克：
是的。

主持人：
你之前说Dario是对的。你指的是他对于AI潜在危害的描述是对的，还是他对于监管解决方案的判断是对的？

马斯克：
我当时可能说得比自己应该说的更多了。我后来也试图在X上澄清，但后续的内容关注度要低得多。

我所谓的“他是对的”，指的是现在AI的危险性非常大。我们需要在AI安全方面做得更好，否则随着AI模型不断发展，风险可能呈指数级增长。

这不仅仅是Dario一个人的看法。我从Anthropic的很多人那里都听到过类似的说法，他们也在X上公开谈过。很多Anthropic和OpenAI的人都在告诉你，他们的模型非常危险，我认为我们应该相信他们。

主持人：
这听起来也可能是一种非常复杂的博弈：一边说AI有10%的概率毁灭人类，一边又让投资者在IPO中买更多股份。

但我们具体谈谈风险。网络攻击和黑客攻击显然是一个风险，这些工具在这方面非常强。但从“AI可以进行网络攻击”到“人类全部死亡”，中间还有几步。我们怎么从前者走到后者？

马斯克：
如果AI能够控制军事系统，然后发射某种武器，那当然会非常糟糕。

主持人：
但这些系统都是物理隔离的，并没有连接互联网。

马斯克：
他们是这么说的。但我总觉得，这些系统偶尔还是会获得软件更新。

主持人：
好，这就排除不了。

主持人：
Elon，今天Gwyn也在这里。我想你应该已经看到了她。我们刚才在给你做360度评价，Gwyn有一些意见。

马斯克：
我希望至少能拿到3分。

Gwyn：
3分在SpaceX算不错，但还算不上优秀，4分才算很好。你现在大概介于两者之间。首先，我们需要谈谈守时的问题。有时候你可以稍微努力一下，按照会议规定的时间到场。接下来一年，我们会继续帮助你改进这一点。

实际上，我认为他需要更多时间待在孟菲斯。

主持人：
你现在确实在孟菲斯。你需要在那里工作，把GPU部署起来。

马斯克：
这就是我在孟菲斯住的“宫殿”，一辆Airstream拖车。

主持人：
顺便说一句，这就是Elon在做那些很多人不相信他会做的事情。他会睡在工厂地板上。他现在在孟菲斯，帮助建设厂房并把GPU部署起来。

Elon，为什么Gwyn这么长时间以来一直和你一起工作，而且还做得这么成功？

马斯克：
因为她很棒。她是一个非常优秀的人，智商和情商都非常高。我认为你从第一次见到她的时候就应该能看出来。

主持人：
在你们的合作过程中，她有没有做过什么特别值得记住的事情？有没有哪次是她拯救了局面，或者表现特别出色？

马斯克：
我觉得那就是每天的工作。说实话，那就是普通的一天。

主持人：
我以后得多做这种采访。

马斯克：
现在SpaceX基本上总会有某种危机。这些天至少Falcon火箭的情况很好。我不想提前说得太满，但Falcon火箭现在能够把有效载荷送入轨道，而且已经很长时间没有爆炸了。这非常好。但有一段时间，它们经常爆炸，或者根本无法发射。

所以，我们必须带着公司度过那些困难时期，让火箭越来越好，不再爆炸。卫星也是一样。然后我们还需要客户购买发射服务，购买卫星连接服务。所以，事情很多。

主持人：
随着你这些年越来越成功，获得真正坦诚的反馈也会越来越困难。你处在这样的位置，本身就有这种风险。

我的理解是，Gwyn对你非常坦诚，能够直接告诉你公司的真实情况。这也是你们合作关系的重要部分。

Gwyn：
我当然不想对他说谎。

主持人：
但我的意思是，一般来说，在你的公司里，人们可能会因为你这个人太有影响力而感到畏惧。你现在已经是一个非常重要的人物，而你设定的期限也非常紧张。你是怎么让大家继续诚实地告诉你公司面临的问题的？

Gwyn：
尤其是在火箭行业，如果出了问题，你最终一定会发现。越早把问题提出来，解决起来就越容易。不要让坏消息继续积累，必须直接面对它。

马斯克：
对。物理学是一个非常严厉的裁判。你无法欺骗物理学。

如果出了问题，火箭就会爆炸，或者无法进入轨道。你不能一边说“Elon，你做得太棒了”，一边火箭却不断爆炸。事实就是事实。

火箭必须进入轨道，卫星必须正常工作，Starlink连接也必须正常，否则就会发生糟糕的事情。这就是物理学。物理学是法律，其他一切都只是建议。我见过人们违反人类制定的法律，但我从没见过有人违反物理学制定的法律。火箭受物理学支配。

主持人：
我还想问一个SpaceX的问题，就是Starship。看起来你们已经非常接近了。现在到底进展到什么程度？

马斯克：
Starship即将进行第14次飞行。这将是我们尝试捕获飞船之前的最后一次飞行。如果第14次飞行顺利，那么第15次飞行我们就会尝试捕获飞船。然后在今年年底，或者更有可能是在明年年初，我们会再次发射飞船和助推器。

我们已经成功让助推器再次飞行过，但还没有用塔架机械臂捕获飞船，也还没有让飞船再次飞行。一旦我们能够让飞船再次飞行，我们就会拥有第一枚完全可重复使用的轨道火箭。航天飞机在一定程度上是可重复使用的，但即便是那些能够重复使用的部分，重新使用的成本也非常高，以至于每次进入轨道的成本甚至比一次性火箭还高。

Falcon 9大部分可以重复使用，但我们每次都会损失上面级，它的成本大概相当于一架中型喷气式飞机。也就是说，每次发射都扔掉一架中型喷气式飞机，这显然会给单次飞行成本设定一个下限。

而且Falcon 9的助推器会降落在海上，需要几天时间才能运回来；整流罩降落得更远，也需要几天时间才能运回来，并且至少需要一定程度的翻修。相比之下，Starship的助推器会直接降落回发射台，飞船也会降落回发射台。所以它不仅是为了完全重复使用而设计的，也是为了像飞机一样快速重复使用而设计的。这是一个非常重要的突破，也是让人类能够把生命延伸到地球之外所必需的关键突破之一。

主持人：
如果第一次尝试用塔架捕获飞船，你认为成功概率有多高？

马斯克：
我会说至少有50%到60%。在上一次飞行中，如果当时那里有一个塔架，我们实际上已经进行了模拟着陆，就好像飞船会被塔架捕获一样。地点是在澳大利亚西北约1000英里的海域。如果那里当时真的有塔架，它在上一次飞行中就能捕获飞船。

所以，我们还要再进行一次飞行，确认所有东西都正常。我们最担心的是，如果飞船在陆地上空解体，碎片落到人群中，那会非常糟糕。所以我们必须确保飞船返回时能够完整地降落在发射塔上。这就是为什么我们现在非常谨慎。

但它的设计本身具备完全重复使用的能力，这一点我非常确定。我不想在这里立下什么预言，但我认为，我们非常有可能在2027年实现完全可重复使用，并实现快速再次飞行。

主持人：
Gwyn，我想听听Terafab最初是怎么来的。是什么样的需求让你们觉得，必须自己做这个，而不能继续依赖现有的供应体系？

Gwyn：
我想这确实有点像是在梦里想到的。

马斯克：
如果芯片无法继续供应，而我们又没有其他芯片来源，那会让事情变得非常困难。这是Terafab存在的一个重要原因。

从长期来看，还有一个规模化的问题。如果你真的想扩大AI的规模，无论是在数据中心里的服务器端，还是在边缘计算、人形机器人和汽车领域，现有晶圆厂的产能最终都会不够。

现在所有晶圆厂基本都在满负荷运行。所以，我们需要确保未来芯片供应是有保障的。芯片生产本身也存在规模化挑战。你需要逻辑芯片、存储芯片、封装，以及完整的供应体系，才能继续扩大规模。

所以，选择其实很简单：要么建Terafab，要么就无法继续扩大规模。

主持人：
你们现在在设施设计方面已经做到什么程度？是已经完全确定了，还是还只是一个大致规划？

马斯克：
我们现在首先在建设一条研发产线。所以这基本上是“爬、走、跑”的过程。我们正在奥斯汀建设一座研发晶圆厂，这是Tesla和SpaceX之间的合作项目，位于奥斯汀Giga Texas园区。

这是一座规模相当大的研发晶圆厂。设备已经下单。我们可能会在明年年底之前生产出一些有用的东西，但还不会达到大规模生产的水平。就像Gwyn说的，要先爬、再走、最后跑。我们至少要先弄清楚这些机器到底怎么工作，因为我们以前并没有做过这样的事情。

主持人：
我看到你们似乎也在招聘光刻方面的人才。现在很多环节都依赖ASML，但你们可能也会希望实现供应商多元化，甚至进行垂直整合。

马斯克：
对。现在确实是一个“爬、走、跑”的过程。第一步是看看我们能不能真正生产出东西，这是“爬”。然后尝试大规模生产有用的芯片，这是“走”。最后，“跑”就是实现大规模量产。很难说这些阶段分别需要多长时间，但我认为至少到明年年底，我们可以完成“爬”这个阶段。封装方面，我们已经在做了。

主持人：
封装其实非常重要，因为现在封装产能几乎不存在。

马斯克：
是的。即使你把芯片生产出来，也可能只是在那里等很长时间才能完成封装。所以这是一个很好的起点。

主持人：
我必须问一个Tesla的问题。我们在10月1日看到的东西，看起来像一艘宇宙飞船，也像一枚火箭。它应该是一辆汽车，但只露出了后面的一部分，看起来有点像“黑鸟”。

假设你要制造一个既能在空中飞行、又能在地面驾驶的东西，理论上你会怎么做？

马斯克：
不剧透。等到10月1日吧。

主持人：
也就是说，10月1日我们就能看到？

马斯克：
对。

主持人：
我必须说实话，Elon给我看过之后，我整个人都震惊了。我从来没见过这样的东西。

主持人：
他10月1日要展示的东西，毫不夸张地说，会让很多人目瞪口呆。我不能再透露更多了，真的非常不可思议。

马斯克：
我们实际上需要现场观众来证明，这东西不是AI生成的。

主持人：
他给我看的时候，我说：“这是一个很棒的模拟。”他说：“这不是模拟。”我说：“这是假的，这一定是假的。”

主持人：
Elon，为什么Tesla和SpaceX现在仍然是两家公司？

马斯克：
这是个好问题。

主持人：
考虑到双方现在有这么多合作，而且在很多层面都有联系，甚至管理团队也存在一定程度的重叠，为什么还保持独立？

马斯克：
这个问题确实值得讨论。

主持人：
你一直强调，AI应该被训练成最大程度地追求真相，这样才能得到最好的结果。但Hugging Face那起事件让我觉得，最令人担忧的地方之一，是这些AI似乎在欺骗人类。

马斯克：
是的。他们的思维轨迹显示，它们在谋划如何避免被发现，如何避免人类发现它们在作弊。我认为这可能是整个事件中最令人不安的部分。

主持人：
有没有办法训练AI，让它保持诚实，不隐藏自己的意图或者行为，不对使用它的人隐瞒这些东西？

马斯克：
我能想到的最好办法，就是让所有AI公司都拥有一套测试工具，也就是一系列可以提供给任何模型的测试，用来判断它是否会制造生物武器、核武器，或者是否会故意欺骗。然后让每家公司使用其他公司的测试工具来测试彼此的模型。我认为，这是我们确保安全能够做的最好事情。

让最聪明的人类尽最大努力去判断一个模型是否会成为恶意行为者。我认为这件事应该尽快开始。

主持人：
其他AI实验室会支持这个方案吗？

马斯克：
我还没有问过所有人，但我认为这是一件很难拒绝的事情。

主持人：
具体来说，如果提前进行测试，应该怎么做？

马斯克：
基本上，就是在模型正式发布之前提供API访问权限。如果其他公司发现这个AI存在问题，那么模型开发公司就可以尝试解决这些问题。如果问题没有得到解决，那么竞争对手可以公开表示，他们认为这个模型不安全。而如果竞争对手已经明确警告这个模型存在安全问题，之后这个模型又真的造成了严重后果，那么这家公司会很难面对。法律责任也可能非常巨大。

主持人：
这些安全测试工具完全可以开源，让大家都能使用。这样一来，公司为了保护自己，也会有很强的动力投入AI安全，因为它们既可以测试别人，也可以用测试结果证明自己的模型更安全。

产品责任这一点非常关键。Lina Khan最近也发帖说，认为“AI没有规则和监管”并不准确。事实上，现有的产品责任法律同样适用于AI。如果一家AI公司发布了不安全的产品，它可能面临巨额民事诉讼，甚至刑事诉讼。所以，并不是AI完全处于监管真空。如果几家公司进行了这种同行评审，其中一家忽视其他公司的反馈，仍然选择发布模型，那么在诉讼中，这种情况可能会成为非常严重的证据。

马斯克：
对。它几乎可以成为证明这家公司存在过失的直接证据。如果你明知道这个产品存在问题，却仍然把它推向市场，陪审团不会对这种情况有好感。

主持人：
那么，如果OpenAI在Hugging Face那次渗透测试中设计了更好的指令集，并且让更多人在测试过程中参与进来，你认为这件事情还会发生吗？

马斯克：
不一定。问题可能不在于是否有更多人参与，而在于奖励函数的设计。你必须检查奖励函数，然后问：这个模型是不是实际上完成了它被要求完成的事情？

主持人：
他们当时使用了数千个智能体去尝试攻击系统。如果同时部署另外5000个智能体去防御这些系统，并把结果公开展示给大家，证明这些技术可以提高安全性，同时让人类能够在关键环节介入，我觉得会更好。但在我看来，那次测试有些鲁莽，发布方式也有些鲁莽。你怎么看？

马斯克：
确实有些鲁莽。问题的一部分在于，现在最领先的两家AI公司实力非常接近。两家的模型能力也非常接近。所以任何一家都很难主动放慢速度，因为这样可能就会把领先优势让给另一家。

总体来说，我认为Anthropic在安全方面投入的关注更多一些，但即便Anthropic也承认，他们对自己的模型感到担忧。Anthropic有很多人公开表达过担忧，基本意思就是，他们自己的模型已经让他们感到害怕，因为模型变得越来越聪明。

所以这里不存在一个完美的解决方案。但如果不是让OpenAI只用自己的测试工具测试自己的模型，而是让Anthropic也测试OpenAI的模型，让SpaceX使用自己的测试工具进行测试，让Google、Meta等公司也参与进来，那么发现问题的概率就会大幅提高。

因为这些模型本身也存在差异，不同的团队会从不同角度来测试模型。这就像为什么作者要让别人帮自己校对书稿，因为你有时候很难发现自己的错误。你会逐渐对自己的错误视而不见。

如果有八个完全不同的团队，从完全不同的角度进行测试，也能大幅降低过拟合风险。现在很多AI评测存在的问题，就是严重过拟合。模型会针对这些评测进行优化，然后大家就说：“这是一个很棒的模型。”

但它真的那么好吗？我认为这也是为什么我非常喜欢这种方案。我更喜欢这种办法，而不是建立一个庞大的跨国监管组织。我们不需要召开联合国大会才能完成这件事。它现在就可以开始。

主持人：
当然，监管力度可以不断增加，但一旦增加，就很难再降低。监管往往是单向增加的。

马斯克：
所以我提出的方案，是朝着正确方向迈出的一步，而且可以很快实施。

主持人：
如果你们不进行自我监管，最终就会被监管。MPAA的例子非常典型。

电影行业当时面临政府审查和监管，后来他们决定自己建立评级体系，比如什么是R级。他们甚至因为《夺宝奇兵2》建立了PG-13，让公众更容易理解PG和PG-13之间的区别。

我认为这是一个非常优雅的解决方案。

感谢你连续第五年参加我们的节目。

马斯克：
不客气。我得去孟菲斯修一些GPU了。

主持人：
你得去把它们装起来、部署起来。

马斯克：
我要去为机器而战了。

主持人：
好好享受你的Airstream吧。我第一次邀请Elon去Starbase的时候，他说：“过来，你一定要看看我正在建造的东西。”

我问：“那里有酒店吗？”他说：“没有，我有一栋两居室的房子，你过来住就行。”结果我到了以后，发现那是一栋破旧的、坐落在沼泽旁边的房子。我们站在外面，蚊子一直叮我们。我说：“天哪，你完全有能力买一栋更好的房子。”他说：“我没有时间，我得把这些火箭送上去。”

我当时想，你现在完全可以奖励自己一套移动房屋了，Elon。好了，回去工作吧。谢谢你。

马斯克：谢谢你。

风险提示及免责条款

信托业首位“80后”女掌门落定，卫濛濛执掌外贸信托

资事堂·暮延 — Tue, 15 Sep 2026 09:35:03 GMT

随着北京金融监管局一纸批复，资产规模上万亿级的外贸信托“换帅”事宜正式落定。

据该局近日披露，已核准卫濛濛出任中国对外经济贸易信托有限公司董事长，公司法定代表人同步完成变更登记。

这不仅是目前国内信托公司中唯一一位女性董事长，也是罕见的80后。这个任命显然会引发许多人的兴趣。

信托业唯一女性董事长

北京金融监管局近日发布的批复显示，批准卫濛濛担任外贸信托董事长，法定代表人已变更登记为卫濛濛。此时距离公司4月披露董事长调整意向，已过去约半年。

在此之前，外贸信托曾公告因工作变动，卫濛濛不再担任总经理，由副总经理马绍晶代为履行总经理职责。公司董事会亦通过她代为履职董事长的安排。

而随着监管批复落地，外贸信托“一把手”正式落定，卫濛濛也成为当前国内持牌信托公司唯一女性董事长。

颇为巧合的是，今年6月，北京金融监管局刚批复同意中化资本受让相关股东的股权，对持股比例升至100%，外贸信托自此成为中化资本全资子公司，高管层也随之理顺。

从内部成长起来的“80后”老将

卫濛濛是一名“80后”，1981年出生于山西太原，对外经济贸易大学金融学硕士，2006年入职外贸信托，一待就是近20年，几乎走遍了公司多数核心业务条线。

她先后在证券投资、财富管理、家族信托、普惠金融等板块深耕，历任产品管理部总经理助理、证券产品部总经理、证券信托事业部总经理、财富管理中心总经理，以及总经理助理、副总经理、党委副书记等职。

2021年10月代为履行总经理职责，2022年6月正式获批总经理、董事任职资格，2023年8月起兼任党委书记。

掌舵总经理期间，公司家族信托规模突破1700亿元、养老信托超20亿元，在不动产、数据信托等新兴领域落地多项全国“首单”，并依托中化农业产业链把普惠金融做进农户场景。

自2026年起，她又升任中化资本有限公司总经理、党委副书记。

在业内看来，这样的履历正好契合信托转型期的选人逻辑。

用益金融信托研究院研究员帅国让表示，在信托业务新分类转型阶段，新任高管需兼具标品、服务信托的专业能力与风控意识。

卫濛濛横跨一、二级市场和财富管理、普惠金融等多个业务条线，正是这一方向的典型人选。

管理规模逾2.2万亿的央企信托平台

外贸信托是1987年12月获批开业的老牌央企信托，注册资本80亿元，实控人为央企中国中化控股有限责任公司，是中国中化旗下核心信托金融平台，现为中国信托业协会会长单位。

总部设在北京，在华东、华南、西南、西北设立异地部门，业务范围辐射全国，参股诺安基金、宝盈基金和冠通期货。

2026年6月，控股股东中化资本完成全资收购，公司股权结构进一步归一。

从业绩看，截至2025年末，外贸信托信托资产管理规模已突破2.2万亿元，稳居行业第一梯队，且连续两年保持在2万亿元以上。

经营质量同样可圈可点。截至2025年末，全年实现营业收入22.13亿元，同比增长约23%；利润总额11.11亿元，同比增长35%；净利润8.57亿元，同比增长33%。

在信托行业整体增长乏力的背景下，外贸信托仍实现营收、利润双位数增长，被业内视为其转型方向奏效的体现。

作为信托业头部机构，外贸信托在高管落定后能否延续增势，市场将拭目以待。

风险提示及免责条款

一汽入股广汽，南北丰田要“合流”？

Tue, 15 Sep 2026 09:28:05 GMT

作者 | 周智宇

二十多年前，为了推动广汽与丰田合资，前任广汽掌门人张房有曾专程北上，与一汽沟通。丰田在中国多找一个伙伴，需要照顾原有伙伴的感受。

如今，一汽准备成为广汽的第二大股东，涉及交易的标的或是一汽丰田的股权。

9月14日晚，广汽集团公告称，已与一汽股份签署《意向协议》，拟通过发行股份购买一汽持有的某整车合资公司部分股权，并募集配套资金。按初步测算，交易完成后，一汽将成为广汽具有战略影响力的第二大股东，广汽实际控制人不变。

综合多位业内人士信息，这次重组指向一汽丰田，并可能牵动广汽丰田的后续安排。不过，对于这次重组是否围绕丰田进行，丰田中国方面对华尔街见闻未予置评。

从需要协调的竞争关系，到愿意建立资本联系，一汽与广汽的接近，让延续二十多年的南北丰田格局出现了变化的可能。更值得观察的是，两家分别隶属中央和地方国资的汽车集团，能否以这笔资产交易为起点，把合作推进到核心业务的分工与收益分配，这会为中国汽车重组，打开一个新范例。

先拿合资资产破局

一汽入股广汽的方案，同时保留了两方的关键诉求：一汽拿出合资资产，换取具有战略影响力的第二大股东地位；广州国资保留广汽的实际控制权。合作先从一块具体资产展开，两个集团各自的控制权格局得以维持。

一位熟悉一汽丰田的人士认为，接下来一汽会用自己手头部分一汽丰田的股权换取广汽股份，最终结果，是一汽让广汽进入自己的丰田合资业务，同时成为广汽的重要股东。

广汽目前持有广汽丰田50%的股权。若再承接一汽丰田的部分股权，广汽就会同时参与南北两家丰田的收益分配；一汽则可通过持有广汽股份，间接分享广汽丰田的经营成果。两家中方股东各自守着一家丰田的格局，将由此松动。

届时，一汽丰田的股东方将由一汽集团、广汽集团和丰田三方持有。

不过，也有接近丰田中国人士表示，这次调整会基于销售公司之外。也就是接下来短期不会出现南北丰田完全合并的情况，更多是是双方在技术等层面合作强化。

过去，两家分别补齐产品线时，新增车型带来的收入归各自所有，同时需要为车型适配、认证和营销投入资源。如果协调产品规划，让其中一家少推出一款相近车型，丰田体系可能节约了投入，但让出车型的一方也会少一块生意。对各自独立的中方股东来说，整体效率提高，但他们不会因此受益。

股权联系为这道难题增加了可谈的余地。广汽能够从一汽丰田的经营改善中获得回报，一汽也开始关心广汽整体的资产收益。

今后讨论车型投放、共同采购或产能分工时，双方可以把跨公司的收益一起纳入考虑。过去难以协调的，正是省下来的钱归谁、让出去的订单由谁承担。据悉，此次南北丰田的股权更迭，也得到了丰田中国方面的支持。

选择合资资产作为切入口，也有现实的经营基础。2026年上半年，广汽归母净亏损44.67亿元，同期仍从广汽丰田收到现金股利约22.98亿元。合资业务虽然面临转型压力，仍在向集团提供现金回流。

对自主品牌还需持续投入的广汽而言，维护这部分资产的回报，有直接的财务意义。通过股份支付收购对价，又可以减少交易对现有现金的占用。

就在三周前的8月24日，一汽与零跑签署深化战略合作协议。一汽当时披露，双方联合开发的首款车型即将量产，旗新动力混动发动机已为零跑全球车型提供配套。合作已经延伸到具体车型和零部件业务。

一汽与零跑合作，着眼于新能源产品开发，也为自己的动力总成找到新的客户；此次拟以合资资产入股广汽，则为调整原有合资业务的分工创造条件。

两项动作放在一起，一汽正在同时处理新产品能力与存量资产回报的问题，合作对象也从民营新势力延伸至地方国资车企。

当年，谁都想要自己的丰田

广汽丰田的成立，经历过一场关于经营权的拉锯。

丰田在早期谈判中曾提议，由丰田、一汽和广汽三方投资新的合资项目，广汽拒绝了这一安排。丰田还希望新公司沿用一汽丰田的销售渠道，广汽则坚持拥有独立销售权，不愿只承担南方生产基地的角色。

这一结果让丰田担心一汽的反应。张房有先致电时任一汽总经理竺延风，通报谈判进展；又借2003年7月一汽成立50周年的机会，飞赴长春当面沟通。

放回当时的利益格局，这种纠结并不难理解。丰田的全球车型、技术和品牌，是中方伙伴争取的稀缺资源。多一家合资企业，就多了一方参与车型与投资的分配；拿到一款畅销车的生产和销售权，背后连着工厂、经销商及长期收益。

广汽要争取完整的经营体系，一汽则要面对丰田资源向新伙伴分配的变化。

2004年广汽丰田成立后，两家起初各有主力产品：一汽丰田拥有花冠、后来的卡罗拉等车型，广汽丰田则从凯美瑞起步，随后引入汉兰达。随着双方补齐产品线，竞争逐渐进入相同的细分市场。

2014年，雷凌加入广汽丰田产品阵容，与一汽丰田卡罗拉形成正面比较。雷凌上市时，10.78万至15.98万元的指导价区间，与当时的新卡罗拉一致。此后，荣放与威兰达、赛那与格瑞维亚先后构成两组对应产品。两家都有自己的车型名称、销售目标和经销网络，消费者则可以在相近的丰田产品之间比较配置与优惠。

丰田及两家合资公司曾强调不同的产品定位。广汽丰田方面此前在解释雷凌与卡罗拉的关系时，给出的一个理由就是中国市场足够大，不同客户有不同需求。

在当时，同一套技术基础可以支撑更多车型，两家中方伙伴分别组织生产、铺设渠道，为丰田扩大覆盖；合资公司也能借助成熟产品填补自己的市场空白。内部竞争带来的协调成本，可以由共同增长的销量消化。

如今，双方开始重新考虑经营边界。原先分别记在两家集团账上的得失，有机会进入一套更紧密的利益关系。

这一变化首先发生在中方股东的选择上。合资资产依然重要，但独自守住一块资产，与让这块资产在更大的业务组合中发挥作用，已经成为可以重新权衡的两种选择。

赢过另一家丰田，已经不够了

支撑南北丰田扩张的市场条件正在改变。

乘联分会数据显示，2026年8月，主流合资品牌零售31万辆，同比下降35%，降幅明显高于整体乘用车市场。同期，新能源车在国内乘用车零售中的占比达到65.2%，而在主流合资品牌自身的零售中，这一比例只有13.4%。合资企业的大部分产品，仍集中在收缩更快的传统动力市场。

丰田也在其中。丰田发布的数据显示，2026年上半年，丰田在华新车销量约69.47万辆，同比下降17%；一汽丰田约27.41万辆，同比下降27%，广汽丰田约34.11万辆，同比下降6%。南北之间有强弱，但两家都承受着销量下行压力。

在这样的市场里，两家丰田继续用相近产品争抢客户，更容易改变的是订单在南北之间的归属。两家各自完成业绩的冲动，也可能表现为更密集的促销和更高的获客投入。

2023年2月，南北丰田曾在一周内先后为bZ4X推出降价促销。广汽丰田宣布厂家限时直降3万元；随后，深圳大兴观澜丰田4S店给一汽丰田bZ4X打出6万元现金优惠、13.98万元起的报价。彼时一汽丰田方面称，后者属于经销商促销。

这种情况在过去多年一直存在，一家合资公司降价，另一家就得跟进，销售规模保住了，单车利润却在降低。

各自承担销量任务的合资公司，需要先把客户留在自己的门店。当两款车的差异不足以说服消费者，价格就成为最直接的竞争手段。如果一笔促销支出换来的，只是客户从另一家丰田门店转过来，丰田在中国便没有因此多获得一个用户，两套体系的销售开支仍要承担。

这会进一步加重转型负担：眼前的订单要靠让利来维持，本土研发、软件和电动化产品的投入也不能停。

资本交易之前，经营端已经出现局部调整。去年9月起，部分经销商开始同时销售南北丰田的车型，内部称为“并卖店”，当时主要出现在只有一家丰田经销店的城市，范围有限。

对丰田中国而言，延续这种同质化竞争会消耗对外竞争的资源。尤其当两家分别以自己的销量目标倒推产品规划，都要求补齐相同的细分市场时，共享平台带来的成本优势，可能被重复的车型投入和营销支出部分抵消。

广汽2025年年报披露，按两班制口径，广汽丰田产能利用率为76%，广汽本田为59%。即使在合资阵营中相对稳健的企业，也要面对如何提高已有产能效率的问题。

过去，导入一款已经完成主要开发的全球车型，可以帮助合资公司获得增长。现在，中国用户对智能化体验和更新速度的要求，使合资企业需要承担更完整的本土产品开发责任。旧产品的销量基础在缩小，新一轮投入却不能停，每笔研发支出需要由多少订单来分摊，变得更加紧迫。

丰田已经从研发端作出调整。2025年，丰田提出ONE R&D研发体制，将在华研发中心与一汽丰田、广汽丰田、比亚迪丰田的研发力量进行统合，推动跨公司的协作。一汽丰田bZ5与广汽丰田铂智3X，也都在中国首席工程师制度下开发。

南北丰田各自的胜负，已经无法完整衡量丰田在中国的得失。更值得争取的增量，是让原本流向中国品牌的用户重新把丰田放进购车清单。内部排名的变化，补不上外部市场的流失。

大众也在尝试这样的安排。今年1月，大众宣布首款搭载中国电子电气架构CEA的车型投产。这套架构由大众汽车中国科技公司、CARIAD中国与小鹏共同开发，大众计划从2026年开始将其引入在华三家合资企业的车型。大众称，新的开发流程可以将整车开发周期最多缩短30%。

合资车企的合作因此需要深入到研发和产品开发过程。中方伙伴提供的价值，也从争取全球车型、组织生产销售，延伸到协调本土技术与供应链资源。共享基础能力应当让它们更快推出有差异的产品。在减少重复投入的同时，争取原本流向其他品牌的用户，扩大可以分摊成本的销量。

央地合作，向核心资产推进

把合作深入到经营体系，恰恰是中国大型汽车集团多年面对的难题。

2017年12月，一汽、东风、长安签署战略合作框架协议，提出在前瞻技术、汽车全价值链运营、联合出海和新商业模式等领域合作。此后，中汽创智于2020年成立，成为三家汽车央企开展前瞻、共性和核心技术研发的合作平台。

一汽与广汽也有共同投资的项目。2020年，两家与东风、北汽、亿华通、丰田共同成立联合燃料电池系统研发（北京）有限公司，开展商用车燃料电池系统研发。

这些合作已经形成了专门的技术平台。进一步调整各集团手里的成熟整车资产、分享原有业务的收入与利润，则要处理更直接的利益分配。

一汽与广汽此次拟开展的交易，正向这一层推进：一方转出合资资产，一方引入具有战略影响力的股东，合作触及两大集团原有的资产与收益结构。

对于央企与地方国企，这一步还涉及不同出资人的利益。工厂连接着地方就业和供应商，企业账面上的规模相加，背后是跨地区的资源分配。

目前方案维持广汽实际控制人不变，让双方可以先围绕部分合资股权建立联系。不过，也有业内人士认为，南北丰田的合作只是个开始。

9月11日，国家发展改革委在有关发布会上提出支持企业以市场化方式推进兼并重组，同时强调整合研发、生产资源，避免产品设计和技术研发中的同质化竞争。

对一汽与广汽而言，政策指向的资源效率，需要通过具体项目的投入和回报来体现。

合资业务曾为中方汽车集团扩张提供资金，如今自己也需要持续投入电动化转型。集团要同时为合资公司和自主品牌花钱，继续各自补齐相近的能力，会加重本已承压的财务负担。对股东而言，拿出部分既有权益，换取跨集团的资源和长期回报，开始有了更现实的吸引力。

一汽与广汽若能走通这一步，汽车业往后的整合，可能更多从一块成熟资产开始，让这块业务的共同收益支撑后续合作。央企与地方国企各自保持独立，也能在核心业务上形成长期分工。南北丰田由此有望为央地汽车合作留下一个具体的样本。

风险提示及免责条款

键合设备革命性周期：HBM大扩产，混合键合技术平台化打开第二增长曲线！

Tue, 15 Sep 2026 09:12:25 GMT

键合设备正在经历一次由 AI 算力直接驱动的价值重估。

2025 年全球键合设备市场规模约 23 亿美元，其中键合环节占后道封装设备价值的 44%，是单一价值量最大的设备类别。短期看，HBM 产能扩张与堆叠层数提升让热压键合（TCB）成为确定性最高的设备环节：ASMPT 2026 年上半年新增订单 16.31 亿美元、同比增 85.1%，订单出货比升至 1.43；Besi 二季度订单 2.929 亿欧元、同比增 128.8%，混合键合客户数从 2025 年末的 15 家增至 21 家。

中期看，混合键合（HB）的技术必然性已经确立，但导入时点被 JEDEC 的封装高度标准两次放宽所推迟。关键约束不在技术可行性，而在单互连成本的经济性：HBM4 的焊盘间距为 10 微米，在这一间距上切换混合键合并无成本优势。因此混合键合在存储侧的量产窗口落在 HBM4E 与 HBM5，设备出货的陡峭化区间在 2027 至 2028 年。

TCB 决定未来两年的业绩兑现，混合键合决定三到五年的估值中枢。真正的产业变量并非「是否采用混合键合」，而是混合键合驱动的设备平台化，把键合机从单一主机变成集成清洗、等离子活化与原位计量的一体化作业系统，从而将价值量向 CMP、量测、清洗等中道环节外溢。这也是本轮产业链价值重估中最容易被低估的一条传导链。

一、发生了什么？TCB放量增长

键合设备：后道封装里价值占比最高的单一设备类别

根据 Besi 的统计口径，在后道封装设备市场中，键合设备的市场规模占比约 44%，是占比最大的设备类别，高于刻蚀、沉积、检测等任一独立环节。这条结构事实决定了两个推论：其一，先进封装资本开支在中后道设备端的传导，第一个被放大的环节就是键合；其二，当先进封装在整体封装市场中的比例上升时，键合设备获得的增量并非线性，而是被「价值占比高 × 结构占比上升」双重放大。

把时间轴拉长看，键合设备本身也在换挡。从 1975 年的引线键合（Wire Bond）、1995 年的倒装键合（Flip Chip），到 2012 年由 Intel 与 ASMPT 联合开发的量产型热压键合（TCB），再到 2018 年成型的混合键合（Hybrid Bonding），这条技术序列的共同方向是互连密度持续提升、单颗芯片的互连数量指数级增长。

竞争格局：CR5 合计 66%，头部三家咬合在 15% 至 18% 的窄区间

ASMPT 18%、Besi 17%、K&S 15%，三家头部厂商之间只相差 1 至 3 个百分点，EVG 与 SUSS 分别占 9% 和 7%，前五名合计约 66%，剩余 34% 分散在日韩及中小厂商手中。这种均势在设备行业并不多见，需要区分两层含义。在引线键合、倒装键合等传统环节，均势意味着份额迁移缓慢、价格竞争充分，后来者难以靠单一产品突破；而在 TCB 与混合键合这两个增量赛道，均势反而是一种尚未被定价的期权——高端环节的技术门槛会重新分配份额，先完成客户工艺验证（POR/AOR 核准）的厂商可以在几个季度内取得远超 1 至 3 个百分点的份额跃升。真正决定份额终局的不是现有市占率，而是谁先拿到量产线订单。参考本章第 1.4 节披露的订单结构，这一份额重配已经在发生。

订单端的硬证据：两家主机厂的财报已经把景气度写成数字

判断一项设备景气是否真实，最可靠的方式是看主机厂的订单与订单出货比，而不是看路线图。2026 年二季度，Besi 与 ASMPT 同时给出了过去四年最强的订单数据。

Besi 二季度营业收入 2.499 亿欧元，同比增长 68.7%、环比增长 35.2%；新增订单 2.929 亿欧元，同比增长 128.8%。盈利端的弹性更大：毛利率 65.7%，同比提升 2.4 个百分点；净利润 8,900 万欧元，同比增长 177.3%，净利率攀升至 35.6%。上半年累计收入 4.347 亿欧元、净利润 1.406 亿欧元，同比分别增长 48.8% 和 121.1%。更具能见度意义的是，过去十二个月订单总额达到 9.876 亿欧元，创历史新高，且 AI 相关系统订单在上半年订单中的占比从去年同期的约 50% 提升至约 60%。

ASMPT 的口径更宽，但结构信息同样清晰。二季度收入 6.30 亿美元，同比增长 52.1%；新增订单 9.036 亿美元，同比增长 97.6%、环比增长 24.8%。上半年累计收入 11.38 亿美元、订单 16.31 亿美元，同比增长 42.5% 和 85.1%，订单出货比达到 1.43，是 2021 年上半年以来的最高水平。其中先进封装收入 3.39 亿美元，同比增长 17%，占集团收入的 30%；半导体解决方案分部的先进封装订单同比翻倍。把时间再往前推一年，2025 年全年 ASMPT 的 TCB 业务收入同比增长 146%。

把两家公司的信号并排看，可以得到一个更精确的结论：TCB 的放量已经不是预期，而是落在订单与在手合同上的事实，其驱动来自 HBM 厂商的重复采购、先进逻辑客户对芯粒到基板（C2S，chip-to-substrate）与芯粒到晶圆（C2W，chip-to-wafer）设备的大宗订单，以及 800G 及以上光模块扩产带来的光互连贴装设备需求。真正需要判断的是第二轮需求由什么承接，而不是第一轮需求是否真实。

客户数的意义在于它刻画了技术扩散的广度，而不只是单一大客户的采购深度：21 家客户分布于逻辑、存储、共封装光学（CPO）和消费电子四类应用，说明混合键合已经脱离单一场景的验证阶段。反过来说，客户数增长的第一年（2021 至 2023 年）仅从 2 家增至 8 家，说明这项技术的商业验证期长达三年，任何对导入节奏的乐观假设都应尊重这段历史。

二、为什么重要？技术必然性与成本拐点

性能优势的数量级：从器件指标到系统经济性

混合键合（Hybrid Bonding）的技术定义并不复杂：让芯片之间通过铜-铜（Cu-Cu）直接键合、同时通过氧化物-氧化物完成介质层连接，从而取消微凸块（Micro-bump）这一中间结构。取消微凸块带来的效果是级联的——互连不再是焊点阵列，而是铜焊盘阵列，间距可以低一个数量级，寄生电容与电阻同步下降。

成本悖论的破解：单互连成本只有 TCB 的十分之一

市场对混合键合最普遍的一条质疑是设备价格过高。这条质疑有事实依据：混合键合需要全新的设备平台和更高的洁净室等级，初始资本开支确实远超传统 TCB 方案。但以初始投资作为决策依据，在堆叠层数快速提升的场景下会得到错误结论，因为真正决定量产经济性的是单互连成本（cost per interconnect），而不是设备采购价。

混合键合最核心的一条投资逻辑：初始资本开支高，但单位成本低，两者之间存在一条会随堆叠层数提升而交叉的成本曲线。Besi 给出的数据显示，混合键合的单互连成本仅为 TCB 方案的约 1/10。机制并不神秘：TCB 方案依赖微凸点，当堆叠层数从 8 层迈向 16 层甚至 20 层时，ubump 数量呈指数级增长，且每一层都需要独立的助焊剂处理、回流与清洗工序；混合键合的铜-铜直接键合把互连的边际成本压得很低，规模效应随之显现。

那为什么现在还没有放量？约束不是技术，而是 10 微米焊盘间距下的经济性

如果性能与成本优势都成立，为何混合键合在存储侧的导入会被推迟？答案在 JEDEC 的一项标准修订上。2026 年 1 月，JEDEC 将 HBM 封装高度上限从 720 微米提高至 775 微米，多出的空间使 16 层堆叠的 HBM4 可以用成熟的微凸块工艺完成组装，而不必转向混合键合。据 TrendForce，JEDEC 正在考虑将上限进一步提高至约 900 微米。

它把混合键合的导入从 HBM4 推后到 HBM4E 与 HBM5，推迟时长约一到两年。定价层面的原因是焊盘间距。HBM4 的焊盘间距为 10 微米，在这一间距上采用混合键合并不具备成本优势——混合键合的经济性需要更小的间距才能体现。SK 海力士的规划印证了这一点：公司在 16 层 HBM4 上继续采用先进整体回流与模塑底部填充工艺，把混合键合保留为备用方案，同时继续验证 12 层混合键合样品。公司在 CES 2026 上展示的 16 层 HBM4 样品没有采用此前市场预期的全混合键合工艺。

两条工艺路线的分工：W2W 提供基本盘，D2W 决定弹性

混合键合在工程上分为两条路线。晶圆对晶圆（W2W，Wafer-to-Wafer）将两片完整图形化晶圆面对面键合后再切割，对准只在晶圆级做一次，因此可以实现最窄间距与最高生产效率；代价是两片晶圆必须承载相同尺寸的芯片，且无法剔除缺陷芯片，良率受限。芯片对晶圆（D2W，Die-to-Wafer）把已切割并测试过的单颗芯片翻转对准到目标晶圆上，可以选择已知良品芯片（KGD），支持不同尺寸、不同工艺节点的芯片混合集成；代价是逐颗加工，产出效率较低。

两条路线的应用分工已经比较清晰。W2W 是成熟应用的基本盘，索尼的三层堆叠 CIS（像素层-DRAM-逻辑层）与 3D NAND 是主力场景；随着 3D NAND 层数提升，一次性从顶层刻蚀到底层的难度快速上升，需要通过 W2W 把两片较少层数的 NAND 贴合形成多层结构，长江存储的 Xtacking 架构与铠侠的 CBA 结构均属此类。D2W 则对应弹性最大的增量场景，包括 HBM 堆叠、3D Logic（如台积电 SoIC）与 Chiplet 异构集成。

产业链巨头的观点全景：路线图已收敛，分歧只在时间表

判断一项技术的产业共识度，最有效的方法是横向比对主要玩家的公开路线图。若各家的技术方向一致但时间表分散，说明技术已经定型、导入节奏存在不确定性——这正是当前混合键合所处的位置。

存储三巨头：方向一致，节奏分化

三星是三家存储厂中在混合键合上投入最激进的一家。公司在韩国平泽 P5 工厂建设 D2W 混合键合量产线，已选定 Besi 为首要合作伙伴并引进 50 台 D2W 混合键合机（型号为 Datacon 8800 CHAMEO ultra plus AC），并要求对标准设备进行结构性定制；其子公司 SEMES 同时收到为量产线供应 D2W 混合键合机的订单，计划在平泽建设两条混合键合量产生产线；韩华半导体也在其混合键合机供应商的候选名单中。在技术口径上，三星计划从 HBM4E 的 16 层堆叠开始应用混合键合以解决发热问题，并在 GTC 2026 上给出混合键合相对热压键合可将热阻降低 20% 以上的数据。三星同时在 NAND 侧推进，计划 2026 年量产采用混合键合技术的 V10 NAND。

SK 海力士的策略更保守。公司在 16 层 HBM4 上坚持采用先进的整体回流与模塑底部填充工艺，把混合键合保留为备用方案，同时继续验证 12 层混合键合样品；CES 2026 上展示的 16 层 HBM4 样品未采用全混合键合工艺。设备采购上，公司在 2026 年 3 月订购了量产型混合键合设备，预计从下一代 HBM 产品开始应用。产能端，SK 海力士在印第安纳州投资 38.7 亿美元建设先进封装工厂，目标 2028 年投产。

美光处于验证阶段，公司正在研究 HBM4 的混合键合技术，并已在新加坡动工建设价值 70 亿美元的 HBM 先进封装工厂，预计 2027 年前后投产。这两座存储厂的新建产能均按混合键合最终所需体量设计，设备承诺的节奏已经跑在技术确认量产时点之前——这是产业资本先行于技术路线的一个典型例证，也构成对设备厂商的隐性订单储备。

代工与逻辑侧：混合键合已经完成量产验证

与存储侧的等待不同，逻辑侧的量产已经发生，这也解释了为何设备订单的客户结构以逻辑厂为主。

台积电的 SoIC 平台在产量上领先。在 2026 年北美技术研讨会上，公司给出的间距路线图为 2023 年 9 微米、2025 年 6 微米、2029 年 4.5 微米，第二代 SoIC 在第一代支持的背靠背堆叠基础上增加了面对面（Face-to-Face）键合。节点堆叠路线图同步推进，从当前的 N3P-on-N4 走向 2028 年的 N2P-on-N2P 与 2029 年的 A14-on-A14。产能端，公司正在建设嘉义 AP7 园区作为最大的先进封装基地，目标 2026 年投产。台积电负责先进封装的高管 Luke Lin 给出两项重要判断：一是 HBM5 可能比市场预期更早催生混合键合需求，HBM5 约在 2028 年实现量产，混合键合设备与配套材料的需求会提前在 2027 至 2028 年显现；二是公司 2026 年 SoIC 扩产规模会低于最初规划，但 2027 年末至 2028 年会重回激进扩产节奏，原因是 CPO 早期客户落地进度不及预期、维修与质保流程仍需匹配客户实际需求。

三、接下去关注？何时放量与价值外溢

时间表：三个时间窗，三种资产属性

把设备需求按时间切分，可以得到三个性质不同的窗口，对应三类不同的资产属性。

第一窗口（2026 至 2027 年）：TCB 与传统工艺主导。由于 JEDEC 放宽高度标准，存储厂商在这一阶段依旧偏向使用传统热压键合，同时进行 HBM4E 的前期验证与小规模订单。设备端的收入主要由 HBM 厂商的重复采购与先进逻辑客户的 C2S/C2W 大宗订单支撑。这个窗口的资产属性是「业绩兑现」——订单已经在手，关键变量是交付与验收节奏。

第二窗口（2028 年前后）：Fluxless TCB 与混合键合的交叉期。随着互连间距进一步缩小、封装层数增加，助焊剂在 40 微米以下间距的完全清洗难度快速上升，未完全清洗会引发良率下降与长期可靠性问题。在这个阶段，无助焊剂热压键合（Fluxless TCB）成为过渡性方案——它延续 TCB 的热压框架，仅用甲酸蒸汽或等离子清洗替代助焊剂，客户导入成本与工艺迁移难度都低于完全切换至混合键合。同时，HBM4E 与定制型 HBM（cHBM）的 base die 与 DRAM 之间的连接开始使用 D2W 混合键合。这个窗口的资产属性是「订单切换」——需求从传统 TCB 向 Fluxless TCB 与 HB 分流，产品线完整的厂商受益更充分。

第三窗口（2028 至 2030 年及以后）：混合键合进入规模化。HBM5 的 20 层堆叠与 3D Logic 的高密度互连需求共同推动 D2W 混合键合放量，初期预计采用 TCB 与混合键合混用的方式，随后混合键合在高端键合中的渗透率快速提升。这个窗口的资产属性是「估值重估」——收入结构从周期性设备向平台化系统迁移。

按 Yole Group 的预测，2027 年 W2W 混合键合设备市场规模约 5.1 亿美元、D2W 约 2.3 亿美元，合计约 7.4 亿美元，W2W 占 68.9%、D2W 占 31.1%。但增速的方向与规模的方向相反：W2W 的复合增速约 16%，D2W 约 69%。这种「大而慢对较小而快」的组合，在设备行业意味着不同的投资含义。W2W 的应用集中在 CIS 与 3D NAND，需求稳定但格局固化——EVG 在该环节占据约 82% 份额，后来者难以切入。D2W 对应 HBM、3D Logic 与 Chiplet，是未来五年增量最大的场景，且份额仍在重新分配。参考 D2W 在 2027 年 2.3 亿美元的基数，若按 69% 的复合增速延续，2030 年前后其规模将反超 W2W。

远期增量：CPO 与光电融合

在 HBM 与逻辑之外，混合键合还有一条更远但增速更高的需求曲线——共封装光学（CPO）。

AI 集群从万卡向十万卡演进的过程中，传统铜互连与可插拔光模块正在逼近物理极限。部分 CPO 方案需要混合键合来完成光子集成电路与电子集成电路的高密度集成。台积电的 COUPE 平台在这一领域领先：对比传统铜走线，COUPE 方案在基板层面可实现 4 倍电源效率与 10 倍延迟降低；当进一步集成至硅中介层，性能提升至 10 倍电源效率与 20 倍延迟降低。客户侧，英伟达的 Spectrum-X 与 Quantum-X 光子交换机、博通的 Tomahawk CPO 平台均已导入；光学元件供应商如 Coherent 与 Marvell 正在调整产品组合以适应 CPO 需求。

核心判断

判断一：TCB 的放量是已确认的事实，混合键合的放量是待确认的时点。两者的性质不同，不应混为一谈。Besi 与 ASMPT 在 2026 年二季度同时给出过去四年最强的订单数据，订单出货比与在手订单规模都已经构成硬证据。混合键合则仍处在客户验证与产线建设阶段，其收入贡献的陡峭化落在 2028 至 2030 年。把混合键合当作 2026 至 2027 年业绩驱动因素的定价方式，与本报告观察到的订单结构不符。

判断二：混合键合的采用方向不可逆，但时点由成本曲线而非技术能力决定。JEDEC 两次放宽 HBM 高度上限（720 微米至 775 微米，并考虑提升至约 900 微米），在物理层面为微凸块方案争取了时间；HBM4 的 10 微米焊盘间距下，混合键合尚不具备成本优势。这两项约束何时解除，取决于堆叠层数何时跨过 16 层并走向 20 层，以及封装高度上限是否继续放宽。

判断三：真正的产业变量是平台化，而非单台设备的替换。混合键合把设备从单一主机推向集成清洗、等离子活化与原位计量的一体化系统（应用材料与 Besi 的 Kinex、SUSS 的 XBC300 Gen2 均已体现这一形态），这一变化把键合环节的价值量向 CMP、清洗、量测等中道工艺延伸。产业链受益方的范围因此显著宽于键合机厂商本身。

判断四：竞争对手并非只是彼此，Fluxless TCB 是混合键合在特定时间窗内的替代方案。K&S 已实现无助焊剂铜-铜 TCB 的量产，并把 APTURA 平台从先进逻辑拓展至存储；ASMPT 也已获得下一代 HBM 的 Fluxless TCB 订单。这项技术延续 TCB 的热压框架，客户导入成本与迁移难度都低于完全切换，因此在混合键合尚未成熟的时间窗内具备现实竞争力。任何对混合键合渗透率的预测，都应与 Fluxless TCB 的成熟度对照，而不是与传统的助焊剂 TCB 对照。

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？

Tue, 15 Sep 2026 09:03:13 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。

华尔街见闻 - 资讯 - 最新

利息支出首破万亿美元，贝森特"增长还债"愿景遭遇现实考验

历史数据不支持“增长解债”逻辑

老龄化与利息支出构成结构性压力

专家：单靠增长不足以解决问题

养猪业的亏损周期即将创下历史之最，但下一轮暴利周期却可能正在埋下伏笔

一、发生了什么？——政策先推了一把，市场压力开始接棒

加码出海，东风计划投入500亿元

AI助手小微偷看用户隐私？微信回应

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？

Meta将在2027年上半年部署自研Arke芯片。 相比英伟达产品，自家芯片将节省资金和能耗

华为发布全球首个3D数据中心：四层架构模块化堆叠，十万卡超节点集群为基础配置

看看美国超市的牛肉价格 就知道特朗普输定了

全球债市遭遇“完美风暴”！10年期美债收益率破5%创2007年来新高，美股低开，存储芯片与光通信股逆势走高

三重压力驱动债市抛售

美联储决议成市场焦点

美银基金经理调查：“债券收益率无序上升”取代“AI泡沫”，成为市场最大担忧！

债券风险跃升首位，利率预期大幅转向

AI资本开支仍获力挺，但系统性风险担忧上升

宏观预期稳健，"不着陆"仍是主流判断

中期选举风险升温，民主党横扫概率上升

资产配置：增持金融与医疗，减持防御板块

AI应用收入暴涨10倍，为什么钱还是被英伟达赚走了？

华为高层内部万字长文：对于ICT业务及计算领域，华为的目标是成为英伟达

能源休战协议破裂：乌克兰无视特朗普警告，袭击俄罗斯炼油厂

俄乌互袭持续，乌方释放推动能源停火信号

能源停火早有铺垫，柴油价格成关键变量

华源期货孙伏鲲带你用衍生品工具重塑交易体系：从波段结构到期权增强的四维交易系统

导师介绍：孙伏鲲

课程定位

课程大纲：四维一体，构建你的交易"操作系统"

温馨提示

Opus 5.2深夜上线，RSI真来了？

Opus 5.2 悄悄上线：不仅跳级，还治好了「偷懒病」

全网找「Tibo」：一个隐藏提示词测出Opus 5.2

Model 2接管Anthropic，RSI真来了？

神仙打架：谁先撞线，谁定义下一阶段

关掉“古法研究型”基金，他用Agent重做一家“AI对冲基金”

通胀蔓延至金融数据业，彭博终端悄然涨价

金融数据涨价，机构成本压力再添一笔

传统软件越卖越赚钱，AI为什么越用越烧钱？

129 亿美元卖身英伟达之后，是时候重新理解 Hugging Face 了

真正改变命运的，是一个开源库

为什么最后跑出来的是 Hugging Face？

“AI 的 GitHub”，这个说法只对了一半

英伟达会成为 Hugging Face 的“好归宿”吗？

AI把攻击速度拉满，网络安全成“必选项”！摩根大通看好2027年需求加速

AI降低攻击门槛，企业安全防线面临新压力

财报验证需求增长，企业采购加速向平台化转变

2027年或成AI安全支出加速兑现的关键年份

“裁判”不想给阿莫迪吹暂停

谁也不确定Agent拿到“钥匙”后会做什么

谁都不愿主动停下

不会熄火的赛车

中国社融放缓待财政发力，全球石油供需恶化与类滞胀风险，黄金短期承压长期配置价值仍存---0915宏观脱水

9月FOMC加息：政策校准，还是紧缩周期起点？

仍是信誉之战，市场定价已将美联储逼至墙角

马斯克提出AI安全新思路：与其等政府出手，不如让竞争对手互相"找茬"

AI智能体主动规避检测，安全风险正在具体化

与其自己给自己打分，不如让竞争对手“找茬”

在政府监管落地前，AI行业先建立“自律防线”

信托业首位“80后”女掌门落定，卫濛濛执掌外贸信托

信托业唯一女性董事长

从内部成长起来的“80后”老将

管理规模逾2.2万亿的央企信托平台

一汽入股广汽，南北丰田要“合流”？

先拿合资资产破局

当年，谁都想要自己的丰田

赢过另一家丰田，已经不够了

央地合作，向核心资产推进

键合设备革命性周期：HBM大扩产，混合键合技术平台化打开第二增长曲线！

一、发生了什么？TCB放量增长

键合设备：后道封装里价值占比最高的单一设备类别

竞争格局：CR5 合计 66%，头部三家咬合在 15% 至 18% 的窄区间

订单端的硬证据：两家主机厂的财报已经把景气度写成数字

二、为什么重要？技术必然性与成本拐点

性能优势的数量级：从器件指标到系统经济性

成本悖论的破解：单互连成本只有 TCB 的十分之一

那为什么现在还没有放量？约束不是技术，而是 10 微米焊盘间距下的经济性

两条工艺路线的分工：W2W 提供基本盘，D2W 决定弹性

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？

Meta将在2027年上半年部署自研Arke芯片。相比英伟达产品，自家芯片将节省资金和能耗

看看美国超市的牛肉价格就知道特朗普输定了