华尔街见闻 - 资讯 - 最新

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

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。

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。

债市动荡之际，英国央行据悉考虑暂停出售长期国债

Tue, 15 Sep 2026 08:44:20 GMT

英国央行正考虑停止出售其持有的长期国债，这可能成为其量化紧缩（QT）计划的一项重要调整。

9月15日，据《每日电讯报》报道，英国央行、财政部及债务管理办公室官员已就相关方案起草计划，但最终决定尚未作出。英国央行货币政策委员会（MPC）将于本周四决定下一年度QT计划，长期国债是否继续出售也将成为此次讨论的一部分。

市场预计，英国央行未来12个月的资产负债表缩减规模将降至500亿英镑，低于当前水平，其中主动出售债券规模约为200亿英镑。英国央行自2022年开始推进QT，通过到期债券不再续作以及主动出售等方式缩减资产负债表。

在主动出售的债券中，长期国债目前约占20%。这意味着，如果维持现有出售节奏和结构，未来12个月长期国债的出售规模约为40亿英镑。若相关出售暂停，英国央行主动出售组合中的债券期限结构也将随之发生变化。

此次调整的背景是长期英债价格持续承压。英国央行持有的大量20年期和30年期国债是在金融危机和疫情期间购入的，随着长期国债价格下跌，这部分持仓目前面临较大亏损。30年期英债收益率目前约为5.9%，处于1990年代以来的高位。

对于英国央行而言，是否继续出售长期国债，需要在既定QT目标与当前债券市场环境之间进行权衡。如果最终暂停相关出售，QT仍可能继续推进，但资产负债表缩减的具体方式将有所变化。

MPC将于本周四公布下一年度QT计划，市场也将据此观察英国央行未来缩表的规模以及债券出售结构。

风险提示及免责条款

“一箭十星”入轨，中国民营航天首次执行规模化星座组网任务

界面新闻 — Tue, 15 Sep 2026 08:42:53 GMT

朱雀二号改进型遥七“一箭十星”发射成功。

据界面新闻，北京时间2026年9月15日14时26分，朱雀二号改进型遥七运载火箭(ZQ-2E Y7)在东风商业航天创新试验区蓝箭航天液氧甲烷运载火箭发射工位点火升空，将10颗上海垣信卫星科技有限公司(下称垣信卫星)千帆极轨19组卫星送入预定轨道，飞行试验任务获得成功。

朱雀二号改进型遥七运载火箭发射。图片来源：蓝箭航天

这是朱雀二号系列运载火箭首次执行规模化卫星互联网星座组网任务，同时是中国民营商业航天企业首次承担大型卫星互联网星座组网任务，标志着中国民营商业航天正式迈入批量组网新阶段。

千帆星座，又称G60星链，是中国自主可控的大型低轨宽带卫星互联网星座，由垣信卫星建设运营。千帆星座计划到2028年发射3600颗卫星，总规划超1.5万颗。

在9月13日举办的浦江创新论坛商业航天专题论坛上，垣信卫星系统总体部总经理尚琳透露，千帆星座目前已累计完成238颗卫星发射，年底计划完成324颗，初步提供区域服务。

蓝箭航天市场营销部总经理马海静告诉界面新闻，卫星互联网组网任务和一般的单星发射相比，对火箭、卫星以及整个任务组织体系提出了更高要求。

卫星互联网组网不是简单地把更多卫星装堆叠到火箭上，而是涉及多星适配、星箭协同、批量部署、轨道控制以及末级钝化离轨等一整套工程流程，对任务全过程的协同和精细化管理要求都更高。

针对这次任务，蓝箭航天围绕火箭与卫星接口、飞行程序、多星释放时序、地面测试和发射流程等进行了系统准备，并与客户开展了大量协同工作。

朱雀二号是蓝箭航天自主研制的中型液体运载火箭，为二级构型，动力系统采用蓝箭航天自主研制的液氧甲烷发动机，是全球首款成功入轨的液氧甲烷火箭，也是国内首款连续发射成功的民商液体运载火箭。

朱雀二号改进型运载火箭箭体直径3.35米，整流罩直径3.35米，全箭总长55米，起飞质量264吨，起飞推力327吨，具备500公里太阳同步轨道4吨、200公里近地轨道6吨的运载能力。

界面新闻获悉，本次发射任务部署的卫星高度为900公里。

截至目前，朱雀二号系列已经完成9次飞行。改进型号简化了测发流程、缩短了任务测发周期。2026年5月-6月，朱雀二号改进型遥五和遥六任务间隔缩短至26天。

朱雀二号改进型是目前蓝箭航天主力载具之一，与朱雀三号同为液氧甲烷火箭，但前者不可回收。

二者共用大量关键产品与技术。例如，两者一子级均采用TQ-12A系列发动机、二子级均采用TQ-15A发动机；一二子级均通过气动推杆进行分离等等。

在运载能力方面，朱雀二号改进型的最大运力为6吨，朱雀三号在回收状态下的最大设计运力为18吨。

蓝箭航天表示，目前已实现朱雀二号改进型常态化商业发射，并将持续推进朱雀三号工程化复用验证。

朱雀三号(ZQ-3)于2023年8月正式立项，是蓝箭航天自主研制的一款大运力、低成本、可重复使用的大型液体运载火箭，也是国内首款采用不锈钢箭体结构的大型液氧甲烷可重复使用运载火箭。

该火箭为两级串联构型，一、二级箭体直径4.5米，整流罩直径5.2米，全箭长66.1米，起飞质量约570吨，起飞推力超过750吨。

按照设计指标，其一子级规划可重复使用不少于20次；在一子级回收工况下，近地轨道运力18.3吨，一次性发射运力21.3吨。

8月19日，蓝箭航天朱雀三号遥二运载火箭在东风商业航天创新试验区发射升空，火箭一二级成功分离，将鸿擎科技自主研制的鸿鹄03星准确送入预定轨道，一子级按预定程序成功软着陆于甘肃省民勤县朱雀三号着陆场坪。

这是中国首次成功实现重复使用运载火箭一子级着陆腿方式回收。朱雀三号由此成为继长征十号乙之后国内第二款验证可回收技术的火箭，也是目前唯一实现该能力的民营火箭。

蓝箭航天成立于2015年6月1日，是中国最早一批成立的商业航天企业，创始人为张昌武。

今年6月，蓝箭航天重启IPO。6月29日，蓝箭航天向上交所提交更新版招股说明书(申报稿)，上市进程状态也正式恢复为“已问询”。该公司此前因财务资料过期，中止近三个月的科创板IPO审核。

据上交所官网披露，蓝箭航天于2025年12月31日获科创板IPO受理，适用商业火箭专项第五套上市标准，是新规落地后首家申报的民营液体火箭企业。

本文来源：界面新闻

风险提示及免责条款

10年美债冲向5%！贝森特回购是否被低估？

Tue, 15 Sep 2026 08:40:53 GMT

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

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

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

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

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

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

贝森特回购是否被低估？

短期被高估，但中期不应低估。

美联储周四加息几成共识，渣打为何拒绝“投降”？

Tue, 15 Sep 2026 08:38:18 GMT

美联储9月会议进入倒计时，市场正屏息等待政策风向。

渣打银行9月14日发布的报告明确判断，美联储将在9月15-16日FOMC会议上维持利率不变（北京时间周四凌晨公布利率决议）。在该行看来，当前加息仍是“错误的政策选择”，更合理的做法是等待关税冲击和近期数据修订消退，再判断通胀是否形成趋势。

问题在于，市场已经押注得相当激进。联邦基金期货目前定价9月加息25个基点的概率高达88%，一旦美联储按兵不动，利率市场可能出现明显重定价，美元也可能短暂走弱。反过来，若美联储加息落地，市场则可能进一步强化鹰派预期。渣打认为，沃什的信誉可能在这一情形下发挥稳定作用，并支撑美元和美债长端。

因此，9月会议的交易焦点不仅是利率决定本身，更在于美联储将如何向市场传递后续政策路径，尤其是沃什能否重新锚定市场预期。

通胀压力可能被高估，关税冲击正在消退

报告认为，当前核心通胀存在被高估的可能。关税确实推高了核心PCE，但影响幅度和持续时间仍存在较大不确定性，GDP综合修订也可能改变市场对经济和通胀走势的判断。在数据尚未企稳之前，美联储没有必要急于加息。

该行追踪的超核心CPI近期明显回落，已回到2010年代的正常区间。报告认为，当前CPI压力更多来自商品价格，关税是重要推手，但这并不意味着经济内部已经形成持续性的通胀压力。

链式核心CPI与核心PCE过去长期高度同步，近期却出现明显背离。报告指出，链式CPI更能反映消费者实际支出，其近期走势值得政策制定者关注。

此外，美联储内部多项分析认为，关税可能贡献约0.7个百分点的PCE通胀。随着关税收入在2025年四季度见顶，其通胀影响可能在数月后逐步减弱。换言之，当前或正处于关税通胀冲击开始消退的窗口。

从风险管理角度看，等待数据确认也不会关闭加息选项。若后续数据证实通胀重新走高，美联储仍可一次性加息50个基点；反之，若过早加息后又被迫逆转，反而可能损害政策信誉。

88%加息定价升温，沃什面临政策反馈风险

尽管渣打判断9月不应加息，市场却已明显转向鹰派。联邦基金期货定价9月加息25个基点的概率高达88%，并预计截至明年3月累计加息约74个基点。这轮预期升温，很大程度上受到沃什杰克逊霍尔讲话的推动。

但报告指出，市场可能只捕捉到了沃什讲话中的鹰派部分。沃什一方面强调通胀回到目标的重要性，另一方面也指出，政策制定者必须判断基础通胀究竟是在上升、下降还是停滞，而不是仅根据单一数据作出判断。

沃什还警告，如果市场依赖美联储指引，而美联储又反过来依赖市场价格，政策制定者可能因此忽视新的经济变化，增加政策失误风险。

在渣打看来，这一风险正在被不断放大。加息预期越高，市场定价对政策的反向约束就越强，美联储也越容易受到既有预期影响，从而形成“市场预期推动政策、政策再强化市场预期”的反馈循环。

因此，如果9月最终按兵不动，真正值得关注的将是沃什如何处理已经高企的加息预期：既要解释为何此时无需加息，也要证明美联储不会被市场定价牵着走。

票数逻辑也不支持9月加息

投票结构也是渣打判断的重要依据。7月FOMC已有3名委员支持加息，若9月要真正实现加息，还需要至少4名原本倾向于按兵不动的委员转向，才能达到7票门槛。

渣打认为，沃什最可能的策略是避免成为少数派，但不会主动推动加息。如果再有4名委员转向，他可能加入加息阵营；如果只有3名转向，沃什可能投票支持加息，以避免6比6平票；若仅有2名转向，则他仍有空间支持按兵不动。

关键在于，7月会议以来的数据是否足以推动至少3名“按兵不动”派改变立场。渣打认为，目前的数据尚不足以形成这一条件。

真正的考验在沃什发布会

报告预计，FOMC声明不会出现大幅调整。SEP方面，点阵图或不会明显转鹰，但相比6月，降息空间可能进一步收窄，加权平均利率点位或有所上移。

如果最终按兵不动，沃什将在发布会上面临更大考验：既要解释为何当前无需加息，也要说明美联储将如何看待市场已经形成的高加息预期。

市场尤其可能追问10月会议是否仍保留加息可能。沃什大概率会强调“每次会议根据数据决定”，但如果缺乏更明确的政策触发条件，市场对其立场的疑虑仍可能延续。

因此，9月FOMC的影响不只取决于利率决定本身，也取决于沃什能否有效引导后续预期。对于美元和美债长端而言，会议后的关键变量将是市场如何重新定价未来的利率路径。

风险提示及免责条款

8月经济：托底的兑现度

国联民生宏观陶川、钟渝梅、孙海若 — Tue, 15 Sep 2026 08:11:40 GMT

伴随7月基本面数据的阶段性回落，8月步入了宏观政策的密集部署期。客观而言，政策传导至数据体现并非一蹴而就，9月才是政策效能真正的“实物验证期”。从实际呈现来看，8月部分宏观指标放缓的斜率已开始改善，企稳的能见度逐步显现。这印证了近期落地的政策已初步发挥了缓冲效用，在底部为基本面构筑了初步的“支点”。

这种“斜率修复而总量承压”的格局，本质上是政策传导时滞的客观映射。正如我们在《财政发力：解构传导时差》中所提示的，从资金下达到最终转化为实物工作量，客观上存在刚性时滞。受此制约，基本面的企稳难以一蹴而就，财政传导的有效性将在9月迎来真正的考验；若届时兑现度依然欠佳，四季度出台新一轮增量政策的窗口或将随之打开。

具体来看，工业：生产边际提速，高技术制造构筑核心支撑。8月工业增加值环比升至0.54%（前值0.11%），同比升至5.2%（前值4.5%），整体生产动能呈现出明确的修复态势。结构上看，高技术制造业成为绝对主力（同比高达16.7%）。背后既得益于出口拉动，更映射出经济向“新质”跃迁的中长期产业逻辑。

制造业：政策节奏影响下边际承压，科技制造独具韧性。8月制造业投资增速降至-6.1%（前值-4.4%），预计主要受制于政策落地节奏滞后影响（如政策性金融工具9月方才官宣）。不过也不乏结构性亮点：在全球AI资本开支持续扩张与“新质生产力”加速培育的共振下，电子设备投资增速“一枝独秀”（8月高达10.3%）。

基建：实物端初见企稳迹象，资金端静待进一步发力。8月基建投资增速降幅收窄至-7.2%（前值-11.5%），其中水利环境、公用事业板块投资增速率先改善，侧面反映出“六张网”建设正逐步启动。然而，鉴于8月财政存款水平保持中性、新增专项债发行进度整体偏滞后，宏观政策大幅托底的资金支撑尚未完全落地。后续随着财政加码并打通向下的传导堵点，基建仍有相对充足的改善动能。

消费：延续“服务稳、商品弱”的结构，增速回落斜率边际放缓。8月社零同比增长0.4%，服务消费保持韧性，暑期出行形成主要支撑。“以旧换新”品类降幅收窄，汽车（同比-18.5%）仍是主要拖累。“金观平”最新发文指明“投资于人”的促消费导向，政策正由短期补贴向稳就业、强保障、稳预期延伸。

地产：调整仍在延续，但投资端下行斜率趋缓。8·28新规侧重开发融资模式的长期重构，通过保交付、稳预期推动行业转型。短期看，新规提高了房企的资金要求，或对拿地和新开工形成一定约束；配套融资支持则有助于保障存量项目续建和交付。即将到来的“金九银十”将是观察房企现金流及投资变化的重要窗口。

本文来源：国联民生宏观陶川、钟渝梅、孙海若

风险提示及免责条款

10年期美债收益率破5%之际，日债收益率也失守3%，全球债市压力骤增！

Tue, 15 Sep 2026 07:41:11 GMT

全球债券市场正遭受数十年来最严峻的考验。10年期美国国债收益率突破5%，创2007年以来新高，与此同时日本国债收益率也升破3%关口，触及30年来最高水平。能源价格飙升、通胀持续高企与主权债务规模不断膨胀，三重压力叠加，令全球债市的抛售动能进一步加剧。

周二亚洲交易时段，10年期美债收益率一度攀升至5.02%，连续第二日触及2007年以来高位。与此同时，日本10年期基准国债收益率升至3.03%，为30年来最高。本周美联储与日本央行均面临利率决策窗口——市场普遍预期美联储将加息，而日本央行亦被预期上调利率至31年来最高水平。市场情绪脆弱，任何政策信号的偏差都可能引发新一轮冲击。

多重因素驱动收益率上行

本轮全球债市抛售并非单一因素所致。收益率持续攀升的直接导火索，是中东局势紧张引发的油价上涨——布伦特原油价格亚洲盘中上涨1.6%至每桶107.3美元。与此同时，企业为支撑人工智能支出大规模发债，既令市场债券供给泛滥，也持续向本已具韧性的美国经济输送刺激。

从更深层的结构性因素来看，各国政府的债务发行规模持续扩大，既需再融资到期债券，又要为财政赤字提供资金。而各主要央行已退出量化宽松时代的国债购买计划，传统买家需求降温，市场更依赖对价格更为敏感的边际投资者来消化供给。

新加坡银行首席经济学家Mansoor Mohi-uddin表示："全球政府债券收益率正在上升，中东石油冲击、持续通胀以及央行恢复加息，都在打压需求。"

日债承压，财政隐忧难消

日本债市所承受的压力同样不容忽视。据路透报道，日本政府计划于本周二正式批准消费税减免方案纲要，将食品类消费税从8%下调至1%，为期两年，相关措施将从2027年4月起实施。这一政策将造成约5万亿日元的税收缺口，且方案并未说明具体融资来源，令市场对日本财政可持续性的担忧持续发酵。

此外，据彭博报道，日本当局正在考虑将中期防务支出目标设定为GDP的3.5%，以与北约盟国看齐。西太平洋银行（Westpac Banking Corp）认为，日本潜在的额外国防支出将进一步加重全球债市压力。

三菱UFJ摩根士丹利证券高级债券策略师Keisuke Tsuruta表示，在年底预算草案获内阁批准之前，市场将持续承受不确定性。"目前很难预判明年债券发行总规模，市场将维持紧张情绪。"

5%并非终点，6%已进入视野

5%是市场密切关注的整数关口，往往成为触发投资者和政策制定者行动的关键节点。10年期美债收益率此前曾于2023年10月23日及本周一短暂突破该水平，但均未以高于5%的价格收盘——最近一次收盘超过5%发生在2007年。

这一水平对更广泛资产市场的含义不容小觑。收益率升至5%意味着投资者可锁定未来十年5%的年化无风险回报，这可能分流原本流向股市的资金。Hilbert Group高级投资组合经理Jesse Marre表示："一旦突破5%，风险资产就开始令人担忧了。"

ING Groep NV美洲地区研究主管Padhraic Garvey则提出了更为严峻的情景："情况会变得更糟吗？会的。10年期收益率一旦有效突破5%，将把6%推入市场视野。而从5%到6%的这段旅程，对更广泛市场而言，将远比此前难以消化。"

美联储决策是近期关键变量

市场目前最关注的，是美联储本周的利率决定。

BMO Capital Markets策略师Vail Hartman表示，若美联储按兵不动，其抗通胀公信力将受损；但即便加息，若美联储主席沃什在新闻发布会或点阵图中释放鸽派信号，同样可能倒逼债券投资者要求更高收益率以对冲通胀风险。

西太平洋银行金融市场策略主管Martin Whetton表示："美联储加息叠加油价持续走高将再度推升美国收益率，周一盘中试探5%的情形应被视为常态，而非例外。"

瑞银集团美国利率策略主管Phoebe White则指出，长端收益率下行空间有限。她表示，实体经济尚未出现明显疲软迹象，美债市场供需动态与2007年相比已大相径庭，"外国官方投资者等机构对美国国债的结构性需求已实质性减弱"。

风险提示及免责条款

AI交易失速！高盛警告动量交易出现5年来最大分化，资金从芯片转向软件

Tue, 15 Sep 2026 07:35:25 GMT

人工智能相关交易正面临本轮牛市以来最严峻的结构性考验。高盛警示称，动量因子内部正在出现前所未有的分裂——短期动量与长期动量的表现背离扩大至五年来最大，而AI板块自ChatGPT发布以来的最大回撤，也正在重塑动量交易的底层逻辑。

高盛策略师Guillaume Soria在9月15日的最新客户报告中指出，当日3个月动量指数（GSPRHMO3）上涨5%，而12个月动量指数（GSPRHIMO）下跌6.7%，单日表现差距创五年之最。与此同时，追踪AI相关股票的高盛指数（GSPUARTI）较高点已累计下跌近45%，创ChatGPT问世以来最大跌幅。

高盛明确建议，对于持有AI敞口的投资组合，可通过买入中期赢家篮子（GSXUHMOM）或AI受益股篮子（GSTMTAIP）的看跌期权进行对冲。AI交易与动量策略之间高度重合的风险，正成为其重点关注的对冲对象。

动量因子内部裂变：短期与长期表现背离创五年极值

动量交易的内部结构正在快速变化。高盛数据显示，3个月动量与12个月动量之间的单日表现差距已扩大至五年来最大，显示资金正在明显偏离此前占据主导地位的“旧动量领导者”。

从仓位来看，动量因子的整体敞口也有所下降。以一年维度衡量，当前仓位处于第41百分位，较此前明显回落；但拉长至五年维度，仓位仍处于第88百分位的高位，意味着系统性去杠杆尚未充分释放。

与此同时，动量因子的波动率明显高于大盘。以当日表现来看，标普500指数跌幅不足30个基点，动量因子内部却出现剧烈分化。这种低相关、强波动的状态，也使短期对冲动量因子的成本效益更具吸引力。

资金从半导体流向软件：年初“最受嫌弃”板块强势逆袭

动量交易的行业构成也在发生明显轮动。高盛报告显示，短期动量资金正从半导体流向软件，而软件恰恰是年初市场最不受青睐的板块之一。

这一变化已经反映在相对表现上：高盛追踪的软件对半导体相对表现指数（GSPUSOSE）当日录得历史第二大单日涨幅。高盛认为，如果这一趋势延续，资金流向可能逐步传导至6个月乃至12个月动量篮子，推动未来动量篮子再平衡，表现为买入软件——包括多头增持与空头回补——同时卖出半导体。

值得注意的是，软件此前长期位于12个月动量指数空头端的最大权重位置。软件快速反弹不仅意味着行业风格切换，也会进一步加剧短期与长期动量之间的分化。

AI与动量的高度相关性面临瓦解风险

尽管AI板块与动量因子目前仍保持极高相关性，1个月至1年期相关系数维持在90%至96%，但高盛警告，这种长期高度绑定的关系正面临松动。

高盛认为，AI板块持续走弱将对动量因子的构成产生深远影响。随着软件逐渐取代半导体，成为短期动量的重要驱动力，动量与AI之间此前高度一致的走势也可能逐步脱钩。

目前，美国市场动量敞口最高的主题仍集中在AI相关领域。但如果软件相对半导体的轮动持续，动量篮子的行业构成将进一步调整。对于投资者而言，这意味着过去将AI作为动量敞口代理的策略需要重新评估，动量交易正在进入一个新的风险与收益阶段。

风险提示及免责条款

虽然加息“没用” 但美联储别无选择

Tue, 15 Sep 2026 07:19:45 GMT

周四，美国劳工统计局公布8月生产者价格指数（PPI）同比上涨5.4%,2026年以来最高，高出预期0.1个百分点，较7月的4.7%陡然提速。生产端价格在连续两个月停滞甚至回落之后，突然加速了。

数据公布后美股期货跳水，美债收益率全线飙升，10年期一度突破4.92%,9月加息概率从62%蹿到70%。同一天，原油破百。

5.4%的PPI，破百的油价，七成的加息概率——叙事似乎很清楚：通胀凶猛回归，美联储必须重拳出击。

美联储确实必须出手，但不是因为通胀真的全面回来了，而是因为不动的后果更糟。

《求是》杂志发表习近平总书记重要文章《在加强基础研究座谈会上的讲话》

新华社 — Tue, 15 Sep 2026 07:05:51 GMT

据新华社，9月16日出版的第18期《求是》杂志将发表中共中央总书记、国家主席、中央军委主席习近平的重要文章《在加强基础研究座谈会上的讲话》。

文章强调，基础研究是整个科学体系的源头，是所有技术问题的总机关，是全球科技竞争的前沿阵地。衡量一个国家的科技实力，一个重要标准就是看基础研究水平。要成为世界科技强国，基础研究必须搞上去。党的十八大以来，党中央高度重视基础研究，通过优化科研布局、加大投入保障、创新体制机制等，推动我国基础研究水平显著提升。同时要看到，与世界科技强国相比，我们的基础研究仍然存在差距。要增强危机感和紧迫感，以更大力度、更实举措加强基础研究，提升我国原始创新能力，进一步打牢科技强国建设根基，加快实现高水平科技自立自强。

文章指出，要优化基础研究系统布局。进入大科学时代，基础研究组织化程度越来越高，需要我们加强统筹谋划和顶层设计，加快形成战略性、前瞻性、体系化布局。要把准目标方向，坚持“四个面向”战略导向，从国家急迫需要和长远需求出发，进一步明确基础研究的主攻方向和重点领域。强化力量协同，发挥新型举国体制优势，强化国家实验室、国家科研机构、高水平研究型大学等引领作用，鼓励和规范发展新型研发机构，推动企业主导的产学研深度融合，打通基础研究、应用开发、成果转化的创新链条。健全学科布局，完善学科设置调整机制，加强基础学科建设，促进应用学科与基础学科协调发展，鼓励多学科交叉融合和跨学科研究。

文章指出，要壮大基础研究人才队伍。基础研究归根结底靠高水平人才。要一体推进教育科技人才发展，全方位做好培养、引进、使用工作，努力使基础研究人才数量充足、素质优良、结构合理。着力提高自主培养质量，遵循人才成长规律，全面提高教育质量，源源不断培养基础研究后备力量，优化科教协同育人机制，注重在科研一线发现和培养高水平人才。大力扶持青年人才，坚持任务牵引、以老带新，为青年科技人员的成长成才铺路搭桥。积极营造良好氛围，不断改善基础研究人员的工作和生活条件，大力弘扬科学家精神，激发青少年的好奇心、想象力和探求欲，让投身基础研究成为更多青少年的人生追求。

文章指出，要加强对基础研究的支持保障。勇于破除思想障碍和制度藩篱，为基础研究提供长期稳定的投入保障和政策支持。要加大经费投入，逐步提高基础研究经费占比，进一步拓宽筹资渠道，形成基础研究多元化投入格局，提高科学基金资助效能。优化研究条件，体系化布局建设重大科技基础设施，加强国家科学数据中心建设，加紧建设世界一流科技期刊，重视人工智能赋能基础研究，建设智能化科研平台系统。深化科技体制改革，健全符合基础研究特点的分类评价体系，完善基础研究激励机制，改革科研管理方式。净化科研生态，营造开放包容、宽容失败的创新环境，加强科研诚信建设，坚决惩治科研腐败。

文章指出，要拓展基础研究国际合作。主动融入全球创新网络，在开放合作中提升原始创新能力。深化政府和民间基础研究国际交流合作，联合各国开展气候变化、能源环境、生命健康等重大科学问题攻关，加大国家科技计划对外开放力度，牵头发起和加入国际大科学计划、大科学工程，积极参与全球科技治理。

文章强调，加强基础研究，需要全党全社会共同努力。各级党委和政府要加大政策支持力度、做好服务保障，推动党中央决策部署落到实处。

本文来源：新华社

风险提示及免责条款

飞书：2026 年上半年ARR增速达到去年同期的2.5倍

Tue, 15 Sep 2026 06:36:08 GMT

9月15日，在2026飞书未来无限大会暨豆包工作开工大会上，飞书CEO谢欣透露， 2026年上半年，飞书年度经常性收入（ARR）增速达到去年同期的2.5倍，创成立以来新高。其中，超九成新增客户同步采购了飞书AI产品。同时，飞书的中小企业客户总量也在过去一年增长了70%。

风险提示及免责条款

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，日韩股市集体下跌，布油价再涨近2%

Tue, 15 Sep 2026 05:59:47 GMT

美国10年期国债收益率突破5%关口，创下近二十年来最高水平，全球债市正面临油价飙升、政府债务扩张与人工智能融资热潮三重压力的集中冲击。这一里程碑式的突破，不仅令亚洲股债市场同步走低，更将市场目光聚焦于美联储周三的利率决议——这或将成为决定债市走向的关键节点。

美国10年期国债收益率周二最高上涨4个基点至5.02%，超越2023年高点，为2007年以来首次触及这一水平。此轮上涨的直接导火索是全球油价走高——布伦特原油上涨1.6%至约每桶107.30美元，沙特一条关键输油管道在遭受袭击后仍处于停运状态，中东供应风险持续升温。

与此同时，日本30年期国债收益率上升5.5个基点至4.12%，澳大利亚10年期国债收益率大幅攀升9个基点至5.42%，全球债市抛售浪潮已无明显边界。债市动荡迅速向其他资产类别蔓延。亚洲股市整体下跌0.6%，日本Topix指数跌0.7%，韩国KOSPI指数盘中一度跌超1.5%，澳大利亚ASX 200指数跌1%；美股期货同步走软，标普500期货跌0.3%。

除债市压力外，人工智能监管争议也在同步扰动市场情绪。全球股市周一已因领先AI企业发出警告而普遍回落——多家AI开发商呼吁放缓技术推进节奏，以防止AI失控并造成灾难性危害。美国总统特朗普随即公开抨击Anthropic首席执行官的这一立场，进一步激化了围绕AI监管的政策分歧。

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：美国10年期国债收益率上涨3个基点至5.02%；日本10年期国债收益率上涨2.5个基点至3.020%；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年期国债收益率上涨9个基点至5.42%。

大宗商品：西德克萨斯中质原油上涨1.8%至每桶103.17美元；布伦特原油上涨1.6%至约每桶107.30美元；现货黄金基本持平，报每盎司约4300美元。

外汇：彭博美元即期指数上涨0.1%；欧元跌0.1%至1.1536美元；日元跌0.3%至154.75兑1美元；澳元跌0.3%至0.7121美元。

加密货币：比特币跌1.9%至77,584.98美元；以太坊跌3.1%至2,491.97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

美联储本周加息概率92%、10年期美债收益率破5%，为何没能压垮黄金？

Tue, 15 Sep 2026 05:43:34 GMT

美联储加息预期飙升、美债收益率突破5%心理关口，黄金却未被压垮——这背后是地缘风险驱动的通胀对冲需求与利率压力之间的角力，折射出当前宏观环境的深层矛盾。

中东局势急剧恶化成为这轮行情的核心推手。据新华社报道，也门胡塞武装对沙特发动新一轮袭击，沙特随即关闭东西输油管道，这条管道日均输送量涉及全球约4%的石油供应。油价随之攀升至每桶107美元附近，布伦特原油报每桶106.96美元。能源冲击强化了市场对通胀持续的担忧，CME FedWatch工具显示美联储本周加息25个基点的概率已升至约92%至93%。10年期美债收益率周一盘中一度触及5%，为2023年10月以来首次。

然而，黄金并未在上述利空组合拳下崩溃。现货黄金在4300美元附近窄幅震荡，较8月底逾4600美元/盎司的高点下跌逾3%，但仍牢守4000美元一线支撑。加息预期推高无风险利率、美元走强以及油价上涨共同构成短线压力，但地缘政治风险带来的避险需求和长期结构性买盘形成了有效对冲，令金价在关键位置维持韧性。

供给冲击叠加加息预期，黄金承压但未溃

黄金周一跌逾1%至五周低点后，周二小幅回稳。现货黄金报4298.86美元/盎司。

从逻辑链条看，油价上涨→通胀预期升温→美联储加息确定性增强→美债收益率走高→美元走强，每一环都构成黄金的利空因素。黄金不产生利息，在利率上行周期中，相对于生息资产的吸引力天然下降。

但这一逻辑在当前的中东冲突背景下遭遇了强力对冲。沙特东西管道遭袭后，沙特方面尚未说明管道何时恢复运营，也未明确能否通过霍尔木兹海峡增加出货量来弥补缺口。供给前景的持续不确定性，维持了市场对通胀风险和地缘动荡的高度警惕，令黄金的避险属性得到支撑。

美债破5%：加息信号还是财政忧虑的共鸣？

10年期美债收益率突破5%，并非单一因素所致，而是多重力量共振的结果。

通胀压力是直接触发点。8月美国CPI同比上涨3.4%，核心CPI同比涨2.4%但环比加速至0.3%，非农就业新增16.2万人，失业率维持4.1%。这一"通胀未灭、就业韧性"的组合，令市场对美联储在9月FOMC会议上加息几无异议。据路透调查，接受调查的经济学家还预期年内将至少再加息一次。

与此同时，财政因素也在持续推升长端收益率。公开数据显示，本财年前11个月美国净利息支出历史上首次突破1万亿美元，联邦债务总额突破40万亿美元。此外，与AI基础设施建设相关的企业债发行规模急剧扩张，据高盛数据，Alphabet、亚马逊等超大规模云计算服务商今年已发行约1940亿美元债券，预计全年发行规模可能达2500亿美元左右。

PGIM Credit联合首席投资官Greg Peters对此直言："我一直在问自己，究竟什么能成为压低收益率的催化剂？除了传统的经济衰退，实在很难找到其他因素。让收益率维持在高位乃至继续上行的条件已经完全具备。"CreditSights投资级与宏观策略主管Zach Griffiths则表示，10年期美债收益率有可能进一步冲向5.5%。

市场在押注什么：一次加息，还是"更高更久"？

此次FOMC会议中真正牵动市场神经的，不是加息本身，而是会后点阵图与发布会所传递的政策路径信号。

据摩根士丹利的预测，美联储预计将在9月和12月各加息25个基点，理由是能源价格的二次效应、AI投资驱动的强劲需求、中性利率可能暂时偏高，以及维护货币政策信誉的考量。

在美债收益率方面，南非标准银行G10策略主管Steven Barrow将10年期美债收益率年末预测上调至5.2%，并预计该收益率将在2027年第一季度进一步升至5.3%。"让我坚信收益率将突破5%的一个因素是，我们在通胀数据并未明显超出预期的背景下，收益率便已升至接近5%的水平，"Barrow表示。他同时预计，美联储在9月和12月各加息一次后，将维持利率稳定至2027年底。

道明证券策略师Gennadiy Goldberg为首的团队则认为，鉴于市场已大幅计入加息预期，收益率不会因加息本身而明显失控上行，但除非经济出现恶化迹象，长债收益率在2027年总体上应维持在较高水平。

OCBC外汇分析师Christopher Wong指出，高油价、高美债收益率和避险情绪减弱共同推升了美元，但随着加息已被充分定价，美元进一步上涨需要美联储明确保留继续收紧的选项。

长期支撑犹存，机构上调黄金目标价

尽管短线压力不可忽视，机构投资者对黄金的长期展望并未逆转。

OCBC已上调贵金属价格预测，理由是价格起点更高、投资参与度改善以及结构性需求持续支撑。OCBC财富顾问部门主管Chez Anbu表示，黄金8月的强劲反弹逆转了此前偏弱的走势，宏观背景趋于改善。该行现预测黄金至2026年12月将达到每盎司4600美元，白银目标价为69.70美元/盎司。

从价格结构看，黄金在此前调整期间确立的约4000美元/盎司支撑位依然完好，9月虽跌逾3%，但仍远高于该底部区域。

对于黄金持有者而言，当前局面的核心逻辑是：加息推高了持有黄金的机会成本，但同样的加息动因——能源冲击引发的通胀担忧与地缘政治不确定性——也正在支撑金价。只要中东局势未见明显缓和，这一内在张力将持续存在，黄金的避险溢价也不会轻易消散。

风险提示及免责条款

特朗普：谁赢下AI，谁就赢下世界

张硕 — Tue, 15 Sep 2026 05:33:43 GMT

特朗普现场致电黄仁勋表示AI末日论全是骗局，数据中心是未来20年石油，比互联网更大。他强调机器人不会接管世界，但美国要谨慎推进，不能叫停行业。“谁赢AI谁赢世界”，赢得AI竞赛，就能让数据中心带动衰败社区变富，确保每个行业、每家公司、每个州、每个人都赢。

SEMICON TW2026：AI基建产业链的瓶颈与焦虑，在哪里？

Tue, 15 Sep 2026 03:48:44 GMT

2026 年9月初的 SEMICON Taiwan，是 AI 基建叙事的一次静默切换。

过去三年，行业讨论的是"还能建多大"；这一次，台积电、英伟达、微软、谷歌、SK 海力士、思科、康宁、ASML 在同一个会场里反复讲的，是在电力与资本的约束下，如何把同样的投入换成更多产出。计量单位从 FLOPS 换成了 GW；优化目标从"每美元性能"换成了"每瓦交付的价值"；台积电的设备采购需求指数在半年内从 1.0x 拉到 1.9x，而资本开支只涨了约 15%。

AI 基建的瓶颈并不在钱，而在四道物理硬墙——先进封装、高阶载板、存储带宽、电力与散热。其中最具增量信息的一条，是高阶载板与基板材料正在成为继存储之后的第二个供应链瓶颈。ABF 载板供给缺口超过 30%，头部厂商订单排到 2027 年二季度，而受约三年扩产周期制约，规模增量要到 2028–2029 年才能释放。定价权正在从"算得出"的一端，迁移到"造得出来"的一端。这不是情绪，是稀缺性的重新定价。

高盛对冲基金主管：“零日期权”压制美股波动，科技和能源仍是最佳选择

Tue, 15 Sep 2026 03:34:29 GMT

美股正处于一场多空拉锯之中，而一股来自期权市场的隐性力量正将标普500指数的日内波动锁定在异常狭窄的区间内。

高盛对冲基金业务主管Tony Pasquariello在最新市场宏观报告中警告称，"当前的交易并不容易"。他指出，股市一方面受到油价上涨和利率走高的压制，另一方面又获得企业盈利增长的支撑，整体陷入僵局。与此同时，高盛经济学家David Mericle已将9月美联储议息会议加息25个基点纳入预测，尽管他本人认为当前经济形势并不构成加息的强有力理由。

在市场结构层面，高盛衍生品策略师Brian Garrett指出，以"零日到期期权"（0-DTE）为代表的波动率收割策略规模庞大，在缺乏日内催化剂的情况下，这类策略会将市场强制压缩在更窄的波动区间内。尽管宏观不确定性高企，Pasquariello仍维持对能源和科技板块的双重看多立场，并将美国财政可持续性列为美股最大的长期风险。

零日期权制造“27天紧身衣”

令Pasquariello感到意外的是，过去27个交易日内，标普500指数的日内交易区间始终低于1%——这是新冠疫情暴发以来持续时间最长的低波动纪录。

对此，Brian Garrett给出了结构性解释："这反映了当前的市场结构。交易量偏低、重要消息相对匮乏，使得期权市场在日内交易中扮演了更重要的角色。0-DTE的'收益'策略在标普期权市场规模巨大，这类策略从早上9点30分开市便开始运作，在缺乏日内催化剂的情况下，会将市场强制压入更窄的波动区间。"

Pasquariello将这一现象概括为：零日期权可以在一定程度上"拴住"日内波动区间，但这种压制并非无限期有效。一旦重大催化剂出现，被压缩的波动能量将集中释放。

美联储加息预期升温，但经济基本面存疑

在宏观层面，高盛首席经济学家David Mericle已将9月美联储会议加息25个基点纳入预测基准情景，但他同时明确表示，这一加息决定缺乏强有力的经济依据。

Mericle认为，通胀超出2%目标的部分可归因于一次性因素，其影响预计将逐步消退；过去三个月核心PCE通胀率降至约2.5%的水平，是上述判断的早期信号。他还指出，通胀看似广泛蔓延，主要源于关税效应，而非经济过热，通胀预期目前也未面临脱锚的迫切风险。

高盛美国投资组合策略团队负责人Ben Snider则梳理了过去七轮加息周期中美股的历史表现：加息启动后的前三个月，标普500平均下跌2%；但此后12个月平均反弹9%。唯一的重大例外是2022年的大幅调整。Snider的研究还显示，在加息初期表现最佳的两个板块正是科技和能源。

科技与能源：高盛不愿放弃的核心配对

Pasquariello在报告中强调，2026年是极为特殊的一年，每周都像是一场独立的冒险，动量因子经历了一系列剧烈波动。但在这一切之中，做多能源（年内涨幅+44%）与做多科技（年内涨幅+23%）的组合持续创造回报。

在科技前景方面，高盛另一位分析师Rich Privorotsky援引业界一线人士的判断称："那些处于技术最前沿的人告诉你，技术进步的速度快得令人震惊，以至于他们需要主动放慢节奏。这本身就是对这项技术的巨大背书。安全和对齐问题确实存在，解决好这些问题至关重要——'这东西真的有效'的信息，已经内嵌在这一警告之中。"

Pasquariello表示，考虑到当前宏观动态，他不倾向于放弃能源加科技、以及全球利率多头与股票多头这两组配对策略。

仓位偏防御，市场情绪降至年内低点

从持仓数据来看，高盛主经纪商账簿显示，当前净敞口处于过去一年的第26百分位，上周宏观产品的净卖出规模更是创下"解放日"以来最大单周降幅。

高盛美国投资组合策略的情绪指标目前读数为-0.5个标准差，为今年3月以来最低，处于过去十年的第26百分位。

Pasquariello表示，他理解主动管理型投资者为何选择在季节性表现历来较弱的时期削减风险敞口，也清楚系统性基金在价格下行时可能被迫进一步减仓。但他仍预期市场将在9月和10月完成必要的调整，并为年末两个月的行情奠定良好的技术面基础。

财政可持续性是美股最大长期风险

Pasquariello在报告中将美国财政可持续性列为美股最大的长期风险，并直言这一问题最终可能导致大幅加税或利率长期高企，两种结果对股票投资者而言均非利好。

他同时注意到，彭博大宗商品指数（BCOM）尽管面临季节性不利因素，近期已强势突破2022年高点，这一信号值得关注。

在Pasquariello看来，当前市场是一条"蓄势待发、仓位偏轻的走势，正走向一个被市场用一个月时间拒绝定价的催化剂周"。零日期权可以暂时压制日内波动，但这种压制终有极限。

风险提示及免责条款

融资结构正在重塑

招商证券张静静团队 — Tue, 15 Sep 2026 03:24:04 GMT

事件

央行更新8月金融数据：

1）社融新增1.66万亿，增速7.2%（前值7.4%）

2）人民币贷款新增600亿，增速4.9%（前值5.1%）

3）M2同比增长7.5%（前值7.7%），M1-M2增速差-3.4%（前值-3.7%）。

核心观点

信贷边际回正，但仍显著弱于季节性，居民、企业同步偏弱

8月单月新增人民币贷款约600亿元，同比少增约5300亿元，明显低于往年同期。7月信贷净减少后，8月虽然转正，但回升幅度有限；历史上8月通常是信贷投放相对稳定的月份，2026年新增规模明显低于2019年以来同期水平。结合贷款余额增速进一步回落至4.9%，说明当前信贷供给并不紧，核心约束仍在实体部门加杠杆意愿或者有效融资需求。

1）居民端：8月居民贷款继续净减少2029亿元，同比少增2332亿元，短贷、中长贷均弱。其中，居民中长期贷款减少822亿元，同比少增1022亿元；居民短期贷款减少1219亿元，同比少增1324亿元。从累计来看，1-8月居民贷款累计净减少1.03万亿元，而去年同期净增加7110亿元，同比少增约1.74万亿元；其中居民中长期贷款累计仅增加188亿元，较去年同期的1.08万亿元少增约1.06万亿元，按揭需求仍处低位。居民短期贷款累计减少1.05万亿元，也反映消费信贷需求偏弱。从8月单月看，住户贷款合计已连续两个月为负，且中长期贷款从7月的-1202亿元改善至-822亿元，但仍未转正。按揭作为居民中长期贷款的重要组成，其持续负增长表明成交端的边际变化尚未形成稳定信贷需求；短贷连续偏弱则与耐用品消费、消费贷使用意愿不足相呼应。地产销售修复仍较集中，叠加收入和就业预期偏谨慎，居民主动扩表意愿尚未明显改善。

2）企业端：中长期贷款环比由负转正，但同比仍少增。8月企（事）业单位贷款新增2600亿元，同比少增3300亿元。结构上，票据融资新增1000亿元，同比多增469亿元；短期贷款减少1600亿元，同比少增2300亿元；中长期贷款新增3200亿元，较7月的-2300亿元明显改善，但同比仍少增1500亿元。从累计来看，1-8月企业贷款累计新增11.26万亿元，同比少增9600亿元；其中中长期贷款累计新增5.64万亿元，同比少增1.74万亿元，仍是企业信贷少增的主要拖累；票据融资累计新增1.29万亿元，同比多增4122亿元。企业中长期贷款边际转正，或说明部分项目融资开始落地，但持续性仍需观察。更值得关注的是，中长期贷款虽然月度回正，但新增3200亿元仍低于去年同期4700亿元，说明政策项目融资尚处恢复初期；此外，企业短贷再次转负，而票据保持正增长，结构仍带有一定票据补量特征。若后续财政资金和政策性金融工具形成实物工作量，企业中长期贷款能否连续改善将是判断信用周期拐点的关键。

社融同比明显少增，政府债高基数回落，企业直接融资仍是亮点

8月社融新增1.66万亿元，同比少增9041亿元，社融存量增速由7.4%回落至7.2%。结构上，人民币贷款和政府债是同比少增的主要来源，而企业债券、股票融资继续形成支撑。具体而言，8月政府债券新增1.01万亿元，同比少增3544亿元；社融口径人民币贷款新增591亿元，同比少增5662亿元；未贴现银行承兑汇票新增383亿元，同比少增1590亿元；委托贷款新增227亿元，同比多增392亿元；信托贷款减少233亿元，同比少增583亿元。企业债券融资新增2687亿元，同比多增1349亿元，股票融资新增638亿元，同比多增182亿元。从同比贡献看，人民币贷款和政府债合计少增约9206亿元，几乎解释了社融同比少增的全部，而企业债与股票合计多增约1531亿元，对冲了一部分拖累。这意味着8月社融回落更多来自贷款和政府债高基数，而非所有融资渠道同步走弱。政府债单月仍超过1万亿元，绝对规模并不低，但去年同期发行更快导致同比转负；企业直接融资保持高增，则表明大型优质企业融资仍更多向债券市场迁移。累计来看，1-8月社融增量23.91万亿元，同比少增2.64万亿元；其中人民币贷款10.23万亿元，同比少增2.70万亿元，政府债8.77万亿元，同比少增1.50万亿元，而企业债券和股票融资合计3.26万亿元，同比多增约1.43万亿元。若将政府债、企业债和股票融资合计，1-8月债券和股票融资占社融增量约50.3%，继续超过贷款占比，融资结构向直接融资迁移的趋势进一步强化。

M1 & M2

M1增速小幅回升0.1pct至4.1%；M2增速回落0.2pct至7.5%，M1-M2增速差由-3.7%收窄至-3.4%。8月新增人民币存款1.20万亿元，同比少增8600亿元，存款派生仍偏弱。

1）居民存款：8月居民存款新增400亿元，同比少增700亿元，增量较小。与居民贷款继续净减少相结合，居民资产负债表仍表现为谨慎扩表。由于8月住户贷款尤其是中长期贷款仍为负，存款增长偏弱并未伴随信用扩张，居民部门资金活化程度仍需继续观察。从累计看，前8个月住户存款增加6.99万亿元，而住户贷款净减少1.03万亿元，存贷方向继续背离，反映居民仍偏向增加安全资产、降低负债敞口。

2）企业存款：8月企业存款新增2800亿元，同比少增约200亿元，较7月减少1.63万亿元的季节性低点明显回升；与此同时，企业中长期贷款也由负转正，企业信贷需求较7月边际改善。但从1-8月企业中长期信贷仍同比少增1.74万亿元来看，资金改善尚未转化为强劲资本开支，企业扩表意愿整体仍偏谨慎。

3）财政与非银存款：8月财政存款新增1100亿元，同比少增800亿元，较7月缴税大月的9785亿元明显回落，财政资金沉淀的季节性压力减轻；非银存款新增5600亿元，同比少增6200亿元，是8月存款同比少增的主要来源。M1小幅回升、M2继续放缓，说明企业交易性资金活化出现边际改善，但广义货币扩张仍受信贷派生偏弱和非银存款高基数回落制约。

总结

整体来看，8月金融数据呈现“总量继续放缓、结构持续重塑”的特征。社融、贷款增速均较7月进一步回落，居民与企业信贷同比表现仍偏弱，反映实体部门主动扩表意愿尚未明显修复。

与此同时，政府债券、企业债券和股票融资对社融的支撑作用进一步增强，直接融资的重要性持续提升。当前融资结构的变化既受到有效信贷需求偏弱等周期性因素影响，也具有一定的阶段性和长期性特征。从国际经验看，随着利率市场化不断深化、资本市场逐步成熟以及经济发展水平提升，融资体系往往会由较为依赖银行信贷，逐步向银行贷款、债券和股权融资更加多元、均衡的格局演进，直接融资占比也通常随之提高。

因此，当前信贷增速中枢下移，除反映传统融资需求偏弱外，也可能包含融资方式逐步转换的因素。往后看，衡量金融对实体经济的支持力度，需要更多从广义社会融资和融资结构变化的角度观察，债券和股权融资在金融体系中的重要性有望进一步上升。

本文来源：招商宏观静思录

风险提示及免责条款

知名PE合伙人斯坦福授课：AI 时代的钱到底流向了哪里？

Tue, 15 Sep 2026 03:19:15 GMT

资深科技投资人、Altimeter Capital合伙人Apoorv Agrawal在斯坦福大学的最新授课中，深度拆解了当前3000亿美元AI生态的“倒三角”利益分配格局，并直言AI应用要想突破当前的盈利瓶颈，进军广告领域将是今年的重大事件。

近期，在斯坦福大学的一场公开课程中，Altimeter Capital合伙人、斯坦福大学兼职讲师Apoorv Agrawal围绕“AI时代的钱到底流向了哪里”这一市场核心关切，进行了深度拆解。

随着全球科技巨头在AI基础设施上投入天文数字的资本支出（Capex），市场对AI商业化前景的审视正变得愈发严苛。Agrawal指出，这是一个规模巨大的超级周期，正如英伟达CEO黄仁勋所言，当前的数据中心建设是一个包含能源、芯片、电力互连和应用的“五层蛋糕”。

但对于投资者和从业者而言，最核心的拷问在于：“我们在资本支出方面投入了巨资，在建设数据中心方面投入了巨资。那么问题来了：你构建的这些模型，它们真的能创造经济价值吗？”

3000亿美元的“倒三角”：75%的收入流向了半导体

回顾过去25年的互联网、移动互联网和云计算革命，其商业变现模式通常呈金字塔状——底层基础设施利润相对微薄，而顶层的应用端攫取了最丰厚的利润。然而，当前的AI生态呈现出截然相反的形态。

Agrawal在授课中直言，生成式AI生态系统与过去的云计算生态截然不同，它呈现出一个“倒三角形”。对于这一现象的底层逻辑，他引用了硅谷知名投资人马克·安德森的观点进行对比：“正如马克·安德森所说，软件吞噬世界，是因为我可以开发软件并将其分发给数百万人，而运行这些软件的边际成本接近于零，软件企业的毛利率高达80%甚至90%。但人工智能的经济模式并非如此。”

这种差异的根源在于算力成本。“人工智能应用的增量用户并不是免费的，因为你需要消耗大量的GPU资源，拥有人工智能用户的成本要高得多。”Agrawal指出，在过去两年AI行业新增的约3000亿美元收入中，“约75%都直接流向了半导体行业；应用业务虽然增长了十倍以上，但仍然没有产生太大的影响。”

在整个技术栈中，半导体层是目前最赚钱的部分。Agrawal给出了极具冲击力的利润率对比：“数据中心业务的毛利率约为75%，上下浮动几个百分点。而应用层的毛利率，我估计在0%到30%之间……差距相当大，原因就在于半导体层有一位玩家（英伟达）几乎独占鳌头。”

打破“均衡态”的催化剂：巨头自研ASIC与资本支出拐点

针对这种由英伟达主导、底层拿走绝大部分利润的“倒三角”格局会维持多久，市场分歧巨大。Agrawal给出了自己的预判：“我猜它在云端保持当前状态的时间可能会比我预期的要长，大约是十年。我感觉这种情况可能会持续更久，因为要达到稳定均衡状态实在太难了。”

不过，他也为投资者指出了观察这一格局可能被打破的两个核心催化剂：

第一是云巨头（超大规模数据中心运营商）在自研芯片上的突破。“如果某个超大规模数据中心运营商的ASIC项目取得突破——无论是谷歌的TPU、Meta的MTIA，还是亚马逊、微软的项目——都可能成为突破口。如果出现突破性进展，我怀疑这将是该层级最大的重新定价。”

第二是巨头资本支出指引的变化。“另一个催化剂是超大规模数据中心运营商的资本支出指引。我建议在座各位都去听听财报电话会议……如果他们停止对资本支出做出大幅预期，可能意味着当前的均衡状态行不通了。”

此外，算力需求结构的切换也值得高度关注。当前英伟达售出的GPU中约有60%用于训练，40%用于推理。Agrawal认为，“随着时间推移，推理任务的份额会逐渐增加”，但推理任务的工作负载极不稳定，这不仅将考验硬件的利用率，也将重塑中介层（推理中间层）的竞争格局。

AI变现的终极猜想：“我们必须进军广告领域”

在应用端，以ChatGPT为代表的消费级AI正面临海量用户与低效变现的矛盾。Agrawal分享了一组核心数据：ChatGPT拥有约10亿用户（相当于Facebook早期的量级），但“约95%的用户都是免费用户”。

对比当前互联网巨头的单用户收益（ARPU），AI应用的差距显而易见：“Alphabet拥有约40亿用户，每用户每年盈利约100美元；Meta拥有约35亿用户，每用户每年盈利约70美元。而领先的人工智能提供商ChatGPT，每用户每年约带来10美元的收益。”

在排除了纯靠知识型工作订阅模式能撑起万亿估值的可能性后，Agrawal抛出了他对AI商业化模式的终极预判：“第二个问题是：我们如何将每用户每年10美元的收益提升到100美元？我不确定单靠广告和订阅是否可行。答案是，我们得进军广告领域。”

他认为，AI大模型在广告投放上具备得天独厚的优势：“ChatGPT或Claude能够投放的广告具有很多优势：更优惠的价格，因为他们能理解你的意图；非常好的归因分析；更高的信任度。”

尽管市场对“在私人AI对话中插入广告”持悲观或怀疑态度，但Agrawal将其类比为十年前市场看空Facebook移动端广告的论调。“我认为这将是今年另一个重大新闻，这绝对会是一件大事……我乐观地认为我们会找到答案，这将是对现有经济模式的一次重大突破。”

以下是文字稿

Apoorv Agrawal 00:09

好了，各位，这节课我们会轻松愉快地进行。我叫 Apurv，接下来的九周左右，我将担任你们的讲师。

今天我们要学习的内容如下：我会先简单介绍一下自己，说说我为什么会做这件事，以及一些课程安排。还有小测验——没错，我就是那个会出小测验的人，第一天我们就要进行小测验。接下来，我们将探讨大家一直在思考的一个关键问题：人工智能领域究竟哪里赚钱？

你们当中有些人认识我，也知道我的职业生涯是从印度开始的。后来我搬到了新加坡，在这里认识了一些朋友。大约十三四年前，我和 Sonil 以及其他几位同事在 Palantir 开始了职业生涯，加入过各种各样的工程团队，在政府大楼里编写了大量的 Spark 程序。后来我厌倦了这些，便回到斯坦福大学读研究生。现在，我在 Altimeter 担任领导职务。Altimeter 是一家投资公司，专注于一种相当集中的投资方式，设有上市公司和私营公司两个业务部门。六个月前，我获得了人生中最重要的一次晋升。

Apoorv Agrawal 01:26

我现在荣升为父亲。正如人们所说，这将是我最大的一笔投资。有人说这是最有把握获得负内部收益率的投资，但我认为它是最有把握获得正内部收益率的投资——当然，这并非财务上的考量。我就住在街对面，有问题尽管问，希望能在这里为大家提供帮助。

我还有一位很棒的助教 Chloe Fang 一起指导。如果有比较难的问题，可以向她请教，好好利用这个机会。

Apoorv Agrawal 02:06

我们为大家安排了一场精彩的课程。这门课每周不超过三个小时，包括课堂阅读，以及你花在和 ChatGPT 讨论作业上的所有时间——大概一个小时的课堂时间，一到两个小时的阅读时间。

课程形式很简单：从下节课开始，每节课都会邀请嘉宾演讲。根据查塔姆研究所的规定，很多嘉宾会分享一些内容，甚至可能有点过度分享，所以请不要录音。课后我们会和一些嘉宾一起吃饭（自愿参加），欢迎大家加入，Chloe 会负责安排相关事宜。

评分很简单：50% 是出勤率，50% 是课程结束时布置的作业。这门课是对话式的，积极提问、积极参与，你参与得越多，收获就越多。说实话，对我来说最大的好处就是能从你们身上学到很多东西。

Apoorv Agrawal 03:15

这是未来九周的课程安排，演讲嘉宾阵容强大，一位比一位更令人印象深刻。过去几个月，我一直在忙着制定这份日程表，Chloe 对此非常了解。请务必准时参加。这些演讲嘉宾都是杰出的领导者，运营着涵盖半导体、基础设施和能源等各个领域的卓越企业。在基础设施和模型方面，我们邀请了来自 OpenAI 和 Anthropic 的专家，以及众多应用程序和智能体方面的专家。请尽情提问，把最棘手的问题留给演讲嘉宾解答，他们一定非常乐意回答。

那么，你为什么要参加这门课程？你能从中获得什么？说实话，我每年都会回学校一次，和大家分享行业里正在发生的一切。

Apoorv Agrawal 04:21

我意识到这是一个规模巨大的超级周期。我们 Altimeter 公司深知这一点，也坚信这一点，所有的关注点都围绕着它展开。但我没有找到一门能够深入探讨这个周期的课程，而这正是我本科或研究生时期所希望拥有的。

Apoorv Agrawal 04:39

五年后，所有人都会问你："嘿，你预见到这一切了吗？你见证了 ChatGPT 的诞生，见证了这个领域的形成。"你肯定希望自己能回答"是"。你们当中一半人会创办一家人工智能公司，另一半人会为其投资。因此，至少你们应该知道该如何支配即将筹集的 A 轮融资，应该对哪些事情不该做心中有数，或者至少对正在考虑创办、投资或加入的这个行业，应该问哪些问题？在这个周期阶段，支配这个行业的底层逻辑是什么？

Apoorv Agrawal 05:25

我认为这将是迄今为止规模最大的一次超级周期，很高兴各位能来和我们一起学习。

我会花些时间讲解这张幻灯片，因为这是关键所在。你们当中有多少人以前见过类似的内容？谢谢读过相关资料的同学，我们也为那些更喜欢听觉学习的人准备了笔记。

我们先来谈谈这张图表。这里所反映的，实际上可能是目前生成式人工智能领域最大的问题。如果你听过任何一家超大规模数据中心运营商，甚至是英伟达和其他公司的财报电话会议，就会发现，我们在资本支出方面投入了巨资，在建设数据中心方面投入了巨资。正如 Jensen 所说，这是一个五层蛋糕：能源、芯片、电力互连、内存等等，所有这些都是为了给你提供一个可以按小时或按代币租用的数据中心，用来训练和运行模型。

那么问题来了：你构建的这些模型，它们真的能创造经济价值吗？这基本上就是这张图表右侧所要呈现的内容。

为了类比我所见证的几次最大的技术革命——25 年前的互联网、20 年前的移动技术，以及大约 10 年前的云计算——你会发现，互联网、移动技术和云计算呈现出相同的模式。但云计算生态系统与人工智能生态系统截然不同。大家对这种差异的原因有什么猜测吗？为什么它们的形状不像金字塔，而更像倒三角形？

学生发言：也许是因为人工智能领域现在还处于早期阶段。

Apoorv Agrawal：是的，确实还处于早期阶段，这个猜测不错。还有其他想法吗？

学生发言：也许是因为英伟达拥有垄断地位，所以他们可以随意定价。

Apoorv Agrawal：下周我们邀请英伟达的人来的时候，你能再问这个问题吗？你说得很有道理，他们的确占据了绝对优势。我们在阅读材料中有一张图表，显示了 AMD 目前在所有计算领域的市场份额，而且英伟达非常领先。

学生发言：是不是因为云计算能够利用硬件来生成可以开发的产品，而人工智能还没有真正形成这种模式？

Apoorv Agrawal：正如马克·安德森所说，软件吞噬世界，是因为我可以开发软件并将其分发给数百万人，而运行这些软件的边际成本接近于零，软件企业的毛利率高达 80% 甚至 90%。但人工智能的经济模式并非如此。拥有大量用户使用 Cursor 或其他工具，你肯定听说过很多大型企业即使年收入数十亿美元也仍然无法盈利的故事。人工智能应用的增量用户并不是免费的，因为你需要消耗大量的 GPU 资源，拥有人工智能用户的成本要高得多。

你们刚才提到的所有角度，从早期阶段、英伟达的主导地位，到推理运行方式物理特性的截然不同，都与我们目前的处境非常吻合。

我还可以补充一点，在阅读材料中我也提到过：我们分析了互联网、移动和云计算的发展历程，以及这些领域格局的转变用了多少年时间。举一个例子，AWS 成立于 2004 年，2010 年迎来了第一个客户 Netflix，亚马逊在 2012 年全面转向 AWS，从破土动工到完成首个资本支出周期，一共用了八年时间。我不知道你们当中是否有人 20 年前就关注过亚马逊的财报，但当时最大的争论是：亚马逊会不会破产？值得庆幸的是，至少目前为止还没有人濒临破产。但这仍然是一个庞大的数字，我们稍后会再回到这张幻灯片。

这正是我们将要探讨的课程核心主题。我们将邀请名单上各公司的代表发言，围绕核心主题展开讨论：

英伟达：你们是行业主导力量吗？能保持多久？最担心哪些 ASIC 芯片的竞争？业务面临哪些价格压缩问题？
Anthropic 和 OpenAI：重点讨论盈利能力。两家公司都拥有数十亿用户，且几乎百分之百依赖云服务。这部分用户群体是否盈利？广告收入是否会超过订阅收入？
推理中间层：这是整个生态系统竞争最激烈的部分，既有横向竞争，也有超大规模云服务商想要在这一层占据主导。目前最大的问题是：你究竟是一个功能还是一个平台？我们看到很多基础设施领域的新兴企业想法不错，但如果你问自己"为什么它不是 AWS 的一部分"，可能会发现它或许应该成为 AWS 的一部分。

说话的人 2 12:22

在开始测验之前，大家有什么问题吗？我很好奇，右边那个三角形代表的应用领域比较小，那么像 Salesforce 这类现有平台，以及它们的收入，你们会如何把它们纳入分析？

Apoorv Agrawal 12:43

这是一个很好的问题。Salesforce、Palantir，还有一系列我们称之为"传统经济企业"的公司，正在进行自我革新，推出独特的产品线，比如 Salesforce Einstein、Palantir IP 等。答案是肯定的，它们应该被纳入分析。

在计算中，我解决这个问题的方法是获取模型收入。如果你在使用 Salesforce，你可能正在运行某个大型模型或进行推理，他们的支出是通过底层架构在应用层捕获的，很难从公开披露的信息中单独提取出来。但总体来说，它占据了右侧底部的大部分空间，同时也会占用顶部团队未来盈利所需的良好产能，而这正是我们目前在图表中看不到的。

Apoorv Agrawal 13:51

或许我们可以换个方式来问：半导体层建设是否存在时间错配？通常半导体的建设周期是五到六年，而应用收入却是针对当下的。这也正是这个彩色三角形下半部分呈现周期性的原因——资本支出周期会经历不同的阶段，可以把它想象成铺设铁路。

我们在图表中展示了移动超级周期的情况，当时非常相似：第一阶段，许多资本支出密集型企业的市值都被推高了。

学生 14:45

所以我怀疑我们现在还处于早期阶段。我很想知道你对谷歌的看法——我看到你在那层小图中把谷歌标记为谷歌云，但谷歌也有自己的 TPU 模型，在 GPU 之后它们非常受欢迎。你如何看待它们在这个三角形中的定位？

Apoorv Agrawal 15:07

像谷歌这样的大型企业集团理应被划分成不同的业务部门。我把 TPU 业务部门归入半导体部门，GCP 部门属于基础设施层，而 Gemini 部门则属于应用层。稍后我们会用一张图表讨论这个问题。

Gemini 实际上是目前使用最广泛的消费者应用之一，排名第二。而最大的问题是，这其中有多少是谷歌的分发优势带来的，又有多少是应用本身凭借卓越性能所致？

学生 15:50

目前还没有定论。请问一个关于预测的问题：现在这个图表看起来像个三角形，如果预测成功，它或许会变成倒三角形；但如果预测失败呢？

Apoorv Agrawal 16:16

我会换个方式来问你的问题：这个行业的稳定均衡状态是什么？

我认为人工智能不太可能只是昙花一现或以失败告终。我一直在思考这张图表中的稳定均衡状态——我之前在推特上和一位很聪明的人就此展开了一番辩论，深入探讨了"什么是稳定均衡"这个问题。

Apoorv Agrawal 16:49

我猜它在云端保持当前状态的时间可能会比我预期的要长，大约是十年。我感觉这种情况可能会持续更久，因为要达到稳定均衡状态实在太难了。

Apoorv Agrawal 17:10

底层架构确实如此，但肯定会有一两个突破口。举个例子，如果某个超大规模数据中心运营商的 ASIC 项目取得突破——无论是谷歌的 TPU、Meta 的 MTIA，还是亚马逊、OpenAI、微软以及其他实验室的项目——都可能成为突破口。

Apoorv Agrawal 17:32

如果出现突破性进展，我怀疑这将是该层级最大的重新定价。另一个催化剂是超大规模数据中心运营商的资本支出指引。我建议在座各位都去听听财报电话会议，每年四次，上市公司 CEO 会告诉你他们最关心的问题。如果他们停止对资本支出做出大幅预期，可能意味着当前的均衡状态行不通了。

学生 18:22

这里面是否也存在训练与推理之间的比重变化因素？我的感觉是，只有当推理的影响力远大于训练时，这种做法才行得通。我很想听听你对这种转变何时发生的判断，因为一旦训练的边际收益下降，资金自然会从训练转向推理。

Apoorv Agrawal 18:42

这是个很好的问题，也是英伟达财报电话会议上最受关注的信息之一——英伟达 GPU 在推理任务中所占的份额。我上次查到的数据大约是 40%，这意味着售出的 GPU 中大约 40% 用于推理，其余 60% 用于训练。我估计随着时间推移，推理任务的份额会逐渐增加。

但我无法告诉你具体时间，因为目前全球的训练任务仍然非常繁重。训练任务的工作负载模式非常可预测，在短时间内保持高利用率；而推理任务的工作负载模式则非常不稳定，通常集中在人类工作期间，直到智能体接管任务之前。也许到那时，推理任务会全天候运行，更难预测。

关于整个技术栈中最赚钱的部分，答案是半导体层，其利润率遥遥领先——数据中心业务的毛利率约为 75%，上下浮动几个百分点。而应用层的毛利率，我估计在 0% 到 30% 之间，具体取决于你问谁。差距相当大，原因就在于半导体层有一位玩家几乎独占鳌头。如果从盈利的角度来看，这种集中度更高。这个"三角关系"更加集中，稍后我会详细解释。

学生 21:07

我们已经经历了云计算领域的投资周期，这绝对是其中一个因素。如果像谷歌、亚马逊这样的基础设施公司都有自己的芯片，以各种方式自研，那 OpenAI 也在寻找这类资产，这些都来自哪里？

Apoorv Agrawal 21:27

对于初创公司来说，整个生态系统中大约有 3000 亿美元的收入可以争夺。正如 Jensen 在财报电话会议上透露的，其中大约一半来自大型超大规模云服务提供商，所以他们很可能是你的主要客户。

如果你今天创办一家软件公司，客户群结构会非常单一，只有极少数的大额订单，这与构建消费业务或企业软件业务的结构截然不同。此外可能还有一些其他企业客户，但我认为他们最终都会选择云服务提供商。如果你想创办一家芯片公司，首先应该考虑的是：你要先把产品卖给这五家超大规模云服务商中的哪一家？

学生 22:30

最后一个问题：每个层级最终只会涌现出少数几家赢家，这需要好几年时间才能见分晓。我感觉过去并没有出现过完全垂直整合的企业。谷歌算一个，我认为它在右侧的层面上是完全垂直整合的，但我很好奇这种权力转移会带来什么影响。

Apoorv Agrawal 22:53

互联网超级周期最大的赢家可能是谷歌，市值约为 3 万亿美元，在搜索领域占据了近 99% 的市场份额。谷歌是一家高度垂直整合的公司，从文件服务器到搜索、广告，再到用户体验，无所不包。

移动领域的赢家是苹果，市值大约 2.5 万亿美元。

Apoorv Agrawal 23:19

接下来，假设 Meta 是社交领域最大的赢家，它们的整合程度并不高，市值现在大概 2 万亿美元左右。也许它们因为没有完全下沉到服务器端而损失了 1 万亿美元的估值空间。

Apoorv Agrawal 23:36

云计算领域则既同质化又异构化，目前还没有哪家公司独占鳌头。AWS、GCP 和 Azure 三大巨头虽然占据主导地位，但彼此之间并没有完全整合。英伟达一直在这方面努力——你是否听说过 NVX Cloud？这是他们为构建云生态系统而推出的云服务，他们显然在尝试一系列垂直领域的应用。所以你说的或许有道理。

好了，各位，我知道现在是周四晚上五点，我不想做那种扫兴的人，所以我就直接进入正题。

Apoorv Agrawal 24:17

我准备了一个小测验，马上开始。我会给你们一些关于我们即将讨论的公司的信息，并为获胜者准备了奖品，得分取决于答对与速度两方面。最快的方法是快速推理后作答，当然你们也可以借助 AI 工具，但请给人类玩家 5 秒钟时间先用"模拟方式"作答。

Apoorv Agrawal 25:25

准备好迎接下一个挑战。

Apoorv Agrawal 25:32

在场的软件工程师可能拥有不公平的优势。

Apoorv Agrawal 25:52

接下来我用大约十分钟，来探讨一下我对当前形势以及价值为何以这种方式积累的一些假设。我觉得时间不多了，想准时结束，但有任何问题请随时打断我。

我在下一张图表中用略微不同的方式描绘了它，做了和两年前相同的练习。两年前的情况是：左边的生态系统显然小得多，大约只有现在的五分之一。令人惊讶的是，它的形状并没有发生太大变化。尽管增长迅猛，过去两年新增了大约 3500 亿美元的收入，其中约 75% 都直接流向了半导体行业；应用业务虽然增长了十倍以上，但仍然没有产生太大的影响。

所以我就想，好，让我们把每笔销售额都拆开来看，看看哪些公司贡献了哪些部分。正如你们所知，这 3000 亿美元的收入大部分都流向了英伟达。而应用业务的收入，实际上由两家公司贡献了大约 90%。有人想猜猜是哪两家吗？

Apoorv Agrawal 27:39

基础设施领域是竞争最为激烈的领域——不仅有横向的竞争，还有跨领域的竞争，同时也是新公司层出不穷、收购频繁的领域。它是目前竞争最激烈但也最不稳定的部分。

Apoorv Agrawal 28:12

这张图表在过去两年里几乎没有变化，它需要多久才能真正形成云软件的雏形？是五年、十年、十五年，还是永远不会？也许它就一直这样下去。我们相信它终会到来，只是速度太慢了。

Apoorv Agrawal 28:37

在思考人工智能的未来时，我们关注的第二件事是消费级人工智能的盈利模式（目前除了编程领域之外，消费级人工智能可以说是最大的人工智能市场）。ChatGPT 的使用率很高，但大部分都是免费的，约 95% 的用户都是免费用户。DeepMind 的创始人 Demis 也宣布，他们不打算采用广告订阅这种盈利模式。

我们一直在思考，这些企业究竟能发展到多大规模？盈利模式是什么？订阅模式会更大还是广告模式会更大？为此我研究了人工智能领域之外最大的消费级产品。

Apoorv Agrawal 29:36

有一类产品的用户规模已经达到了 30 亿，这些产品几乎成了人们生活中不可或缺的一部分，比如 WhatsApp 和 Chrome。

还有一类用户规模在 15 亿到 20 亿之间的社交产品，类似于 Instagram、TikTok 和 Facebook。

它们并非强制性的，但却展现出极佳的网络效应——如果我的朋友 Chloe 使用了其中一款应用，我更有可能也会加入。

第三类是主流消费品，既非强制性的，社交性也不算特别强，我会称之为小众产品：如果你想购物，你会去亚马逊；如果你想听音乐，你会去 Spotify；如果你想参与辩论或看猫咪视频，你会去 Twitter。

大家猜猜 ChatGPT 和 Gemini 更接近哪一类呢？

学生发言：我觉得它的规模会和 YouTube、WhatsApp 差不多，因为它会成为人们日常生活中不可或缺的工具，人们会把它当作日常生活的一部分来使用。

好，我来告诉你们答案。现在差不多是 Facebook 级别的量级，大概 9 亿左右。没错。

Apoorv Agrawal 31:27

如果把它们放在一起比较，结果是这样的：ChatGPT 刚刚在小众领域占据主导地位，而 Gemini 还没有。它正在向社交领域发展。就我个人而言，作为 OpenAI 的投资者，我非常希望……

我希望它能朝着核心实用性发展。但我们一直在问自己一个最大的问题：每个人都在做的知识工作，也就是知识本身——ChatGPT 并不是一个让你和别人聊天的地方，也不是一个让你收发邮件或获得多巴胺刺激的地方，它是一个你需要主动参与、主动提问的地方。而世界上主动提问技术问题的人数，并不代表所有网民的人数。

地球上大约有 80 亿人口，其中 40 亿人上网。消费者应用的大致经济效益是这样的：Alphabet 拥有约 40 亿用户，每用户每年盈利约 100 美元；Meta 拥有约 35 亿用户，每用户每年盈利约 70 美元。

领先的人工智能提供商 ChatGPT 拥有约 10 亿用户，每用户每年约带来 10 美元的收益。所以问题是：我们如何将用户数量从 10 亿提升到 40 亿？知识型工作或许是答案，但我认为我们需要超越知识型工作本身。第二个问题是：我们如何将每用户每年 10 美元的收益提升到 100 美元？我不确定单靠广告和订阅是否可行。

答案是，我们得进军广告领域。而且 ChatGPT 或 Claude 能够投放的广告具有很多优势：更优惠的价格，因为他们能理解你的意图；非常好的归因分析；更高的信任度。我认为这将是今年另一个重大新闻，这绝对会是一件大事。

真正透彻理解广告模式至关重要。十年前 Facebook 上市时，有很多做空 Facebook 的报告，因为人们说："这些广告在电脑上效果不错，但在手机上肯定不行，因为手机空间不够。"令人惊讶的是，我们最终还是在手机上找到了空间。

现在的情况也一样——"我正在进行这场非常私人的对话，我不想被广告打断"，这就是看空的论据。我无法预测最终结果，但我乐观地认为我们会找到答案，这将是对现有经济模式的一次重大突破。我们会在今年晚些时候的某个演讲环节深入探讨这个问题。

谢谢大家。

风险提示及免责条款

关掉“古法研究型”后，他用AI Agent做了一家“AI时代对冲基金”

AI原生Lab — Tue, 15 Sep 2026 03:16:09 GMT

“Houston，把Desmond周末跑出来的策略图调出来。”

Brian Kelly对着电脑说了一句话，几张图表随即出现在屏幕上。

放在过去，这道指令至少要穿过几张办公桌：量化研究员整理测试结果，分析师画图，再把材料送到基金经理面前。如今，周末加班的Desmond是Agent，负责上传下达的Houston也是。

Kelly是对冲基金Bracket22的创始人。公司里还有Steffi和Doocy，一个看技术信号，一个专门攻击投资逻辑。四个名字组成了一支投研团队，唯一的人类是Kelly。

这不是他的第一家基金。

2025年初，Kelly关掉了此前经营的加密货币对冲基金。那家公司只有七八名员工，却要覆盖多个国家和时区。工资、奖金、医疗保险、办公室租金加在一起，按Kelly自己的估算，每年相关成本约为500万美元。

几个月后，他开始密集试用AI。重新搭建Bracket22时，Kelly没有把旧团队招回来，而是把一家基金拆开，再用Agent逐个装回去。

严格来说，Bracket22不是替外部LP管理资金的传统对冲基金。它只交易Kelly自己的钱，覆盖加密货币、股票和大宗商品。

但这也让它成了一场足够纯粹的实验：如果没有客户、同事和办公室，一家投资机构还剩下什么？

用Agent替代每个岗位

很多公司引入AI，是给原有团队增加一个助手。Kelly反过来做：先把团队拆成岗位，再给每个岗位安排一个Agent。

Desmond负责量化策略，Steffi负责技术分析。研究完成后，Doocy登场。它扮演红队，不负责把材料写得更漂亮，只负责找漏洞，试着把整套投资逻辑推翻。Houston站在更上层，调用其他Agent，收集结果，再把不同意见送到Kelly面前。

这张组织图里，研究、反驳、协调和决策被刻意分开。Kelly还让专业Agent彼此隔离，希望它们先各自得出判断，不要互相带节奏。最后，他再用自己的经验拍板。

Kelly复制的并不只是几个岗位。他还搭了一套“企业大脑”，把研究资料、历史交易和邮件做成相互连接的节点。在他的比喻里，这些节点像神经元：看到一个新信号时，系统可以找到过去相似的研究；复盘一笔交易时，也能沿着记录返回当初的判断。

这是投研机构里最难被看见的一笔资产。

传统基金的记忆散落在硬盘、邮箱、会议纪要和员工脑子里。人一离职，许多没有写进报告的上下文也跟着消失。Kelly想把这部分经验从人身上搬下来，放进Agent可以持续调用的系统里。只要记录不断增加，这家只有一个人的公司，也能拥有机构记忆。

当然，把Agent隔开，并不等于得到真正独立的意见。如果它们使用相似的模型和数据，就可能从不同岗位出发，走进同一个盲区。Doocy可以模拟投委会上的反方，却不会像真正的合伙人那样，为一句反对意见承担后果。

所以，Kelly始终保留自己的判断来进行最终决策。

成本从500万美元压缩到4万美元

最先发生变化的是成本。

在接受CNBC的采访中，Kelly自称Bracket22全部Agent和算力一年的支出约为3万至4万美元。与他给出的旧基金500万美元成本相比，新成本只相当于原来的0.6%至0.8%，降幅超过99%。

被省掉的也不只是七八份工资。

加密货币市场全年无休。过去，为了让基金24小时运转，Kelly要在不同时区布置员工，还要承担福利、办公空间、奖金和管理成本。

现在，Agent不用交接班，也不会在凌晨三点关机。Desmond可以整个周末测试策略，等Kelly上班，再由Houston把结果调出来。

Kelly估计，自己的生产率至少提高了10倍。他甚至设想，一家100人的机构有了AI，可能获得过去1000人的产出，研究覆盖面正在与员工数量脱钩。

过去，一家基金想多看一种资产、多跑一组策略，通常要继续招分析师和工程师。现在，它可以先增加Agent。原本需要提前承担的人力固定成本，开始变成随使用量变化的模型和算力费用。

这会先改变小型资管和自营交易公司的门槛。一个有策略、有资本的基金经理，不再需要先凑齐完整班底，就能获得过去只有机构才负担得起的研究覆盖。

与此同时，金融AI公司的生意也会变化：客户要的不只是一个会总结研报的聊天框，而是一整套数字化班底——有人找信号，有人唱反调，有人调度，还有一个记得住过去所有交易的“大脑”。

基金开始有了一点软件公司的样子：系统搭好之后，新增能力不必再按人头付费。

但省钱不等于创造Alpha

成本省下来了，那投资收益如何？最关键的数字，Kelly没有给，这也是这个案例最具争议的地方。

对基金来说，图表、报告和24小时在线都只是中间产品，最后交出来的只能是收益。Bracket22披露了人员、成本和生产率，却没有披露收益率、最大回撤、夏普比率、胜率，也没有给出相对基准的表现。

因此，人们可以确认Kelly把一家交易公司做得更便宜了，却无法确认这些Agent比从前的团队更会赚钱。

这是投资行业里经常被混淆的两张成绩单。一张记录“做了多少工作”：读了多少研报、覆盖多少市场、测试多少策略；另一张记录“工作产生了什么结果”：在承担同样风险后，究竟多赚了多少钱。

AI很容易把第一张成绩单写得漂亮。第二张要难得多。

成本下降当然有价值。如果投资表现不变，每年少掉数百万美元的运营费用，本身就会改善Kelly的净收益；一些过去不值得测试的小策略，也可能因为试错成本下降而重新进入视野。但省钱不等于创造Alpha，研究数量增加也不等于有效信号增加。

相反，策略跑得太多，还可能更容易在历史数据里撞见偶然规律。当越来越多机构使用相近的模型、数据和框架，Agent也可能让相似策略更快地挤进同一笔交易。人类时代需要几周形成的拥挤，机器或许几小时就能完成。

所以，Bracket22已经通过了运营测试，还没有通过投资测试。Kelly复制了生产投资判断的流水线，能否复制Alpha，要等市场交卷。

大机构能否复制？

很难。

Kelly可以把公司压缩到一个人，首先因为他交易的是自己的钱。没有外部LP，他不用向客户解释某次回撤是不是模型造成的，也不用说服别人把资金交给一个叫Houston的Agent。

自有资本给了Bracket22极大的试错空间。

一旦换成客户资金，问题就变了。一笔交易不仅要方向正确，还要留下谁批准、依据是什么、出了问题由谁承担的记录。受托责任、合规审查、权限隔离和审计要求，并不会因为研究员变成Agent而消失。Agent可以生成意见，却不能替机构签下责任。

目前华尔街大机构的AI探索基本上都是人机合作的：摩根士丹利把部分工作分流给AI；高盛把Devin、Claude等系统放进人与AI共同工作的团队；BNY甚至让“数字员工”拥有登录账号、邮箱和权限，却仍为它们安排人类经理。

大机构的谨慎不完全是因为动作慢。它们要保留的不只是人，还有一条出了问题能够追责、出现分歧能够制衡的链条。对一人公司来说，组织冗余是一笔成本；对管理客户资金的机构来说，冗余有时就是保险。

人才梯队也是同一道题。初级分析师今天是一项费用，几年后可能成为能够识别异常、质疑模型的人。如果拆报表、做假设、写第一版研究都交给Agent，年轻员工从哪里经历错误，又从哪里形成判断？高盛内部有人担心，过度依赖AI会削弱年轻银行家的推理能力。省掉今天的训练成本，可能也会透支明天的高级人才。

所以Bracket22的例子更像一次极限测试，它展示了一种新的基金运作方式：投研机构可以像软件一样被组装，专业分工可以由Agent复制，组织规模不再决定研究覆盖面。

同时它也把基金经理的角色推到更集中的位置——机器负责扩张认知带宽，人要为目标和收益负责。

本文来自微信公众号「AI原生Lab」，持续拆解真实AI落地案例，分享企业AI实践与方法论。

风险提示及免责条款

AI巨头喊放慢，是在跟美国政府讨价还价

无情的发图机 — Tue, 15 Sep 2026 03:05:33 GMT

硅谷知名投资人David Sacks在采访中谈到，当前前沿AI市场已形成Anthropic与OpenAI的“双寡头”格局，两家公司在市场份额、收入增长和模型能力上都领先。

他认为，AI企业应主动将产品安全、可靠性和可预测性放在首位，这是企业基本责任，不应以此向政府索要反垄断或责任豁免。

他还质疑“只有政府介入才能确保AI安全”的说法，认为这更像是企业借安全之名与政府讨价还价。

“新美联储通讯社”：沃什加息“没有退路”，特朗普“信任”面临考验

Tue, 15 Sep 2026 03:02:42 GMT

特朗普去年力压美联储降息，如今他亲手选定的主席却被市场逼到加息门口。

9月14日，“新美联储通讯社”Nick Timiraos在《华尔街日报》发文，美联储主席凯文·沃什即将面临的一个关键抉择：在通胀持续顽固、能源价格走高的背景下，是否在本周的议息会议上宣布加息。

Timiraos认为，沃什在过去几个月的一系列表态，已经让自己几乎没有“按兵不动”的空间。8月CPI数据超预期，彻底封死了最后一条退路。与此同时，白宫的态度暧昧——口头上说“100%尊重独立性”，却又暗示对加息“不会太高兴”。

距美国中期选举仅剩七周，若沃什选择加息将直接考验特朗普口中对他长达数月的“信任”。但若不加息，沃什的公信力又将如何自处？此前，沃什用“少说话、避免挑衅”的战术维持了白宫与美联储的平衡，而这次会议后沉默将不再是护盾。

沃什如何把自己逼到墙角？

沃什5月接任美联储主席后，6月的首次新闻发布会上释放了强硬的抗通胀信号，市场随即预期他将采取更积极的行动。然而，在随后的议息会议上，他选择维持利率不变，却没有给出令人信服的解释——为什么强硬表态之后，政策却原地踏步？

结果是，他讲话期间长端利率不降反升。Nick Timiraos在文章中写道，这是“投资者不确定他的强硬言辞是否会转化为实际政策”的信号。

8月，沃什在一次主旨演讲中试图修正这一印象。他表示，“几乎没有证据显示借贷条件正在抑制经济”，而且夏季较好的通胀数据并未让他相信潜在趋势已经改善。这番话，实际上是在为加息铺路。

但真正“关上最后一扇门”的，是9月的CPI数据。Nick Timiraos写道，“8月消费者价格关键指标涨幅超预期，打破了此前两个月的改善势头”，而这两个月的改善原本是美联储自身预测的初步验证。数据公布后，市场对本周加息的押注概率迅速升至约90%。

更关键的是，数据落在美联储会前“静默期”内，没有任何官员能够出来“降温”。9月17日的议息会议即将到来，沃什的选择空间却越来越窄。

白宫的“100%支持”里藏着什么？

就在本周会议前夕，白宫国家经济委员会主任凯文·哈塞特（Kevin Hassett）周日在电视上公开表态，称通胀正在改善，美联储没有必要加息。他同时强调，特朗普“100%尊重凯文·沃什的独立性”，并将“100%支持”美联储的任何决定。

这番话听起来很体面，但哈塞特随即补了一句：特朗普对加息“不会太高兴”。

他还提出，美联储在选举临近时调整利率，会“损害其远离政治的声誉”。这句话的逻辑，Nick Timiraos在文章中做了一个反向解读：如果白宫公开要求降息，而美联储在市场普遍预期加息的情况下选择按兵不动，同样会让外界怀疑沃什是在迎合任命他的总统。

换句话说，无论沃什怎么选，都有人会质疑他的动机。这正是美联储独立性问题的核心困境。

特朗普与美联储：从“战争”到“停战”

去年，特朗普对美联储发动了“数十年来最持续的公开施压”。他长期攻击前主席鲍威尔，甚至威胁要对其提起欺诈诉讼。他将经济顾问斯蒂芬·米兰（Stephen Miran）安插进美联储董事会，后者在出席的六次会议上全部投票支持宽松政策。特朗普还试图罢免美联储理事丽莎·库克（Lisa Cook）——这是总统试图解雇美联储理事的首次尝试，最终因最高法院介入而未能成功，但案件至今仍悬而未决。

沃什的到来，暂时终结了这场“战争”。特朗普反复表示“信任沃什会做正确的事”，这一表述让沃什得以避开鲍威尔所遭受的那种公开攻击。

但Nick Timiraos指出，这种“停战”是有条件的。在选举前七周加息，将直接检验特朗普的“信任”能维持多久。

值得注意的是，沃什本人去年曾公开批评美联储降息太慢。当被问及这一立场是否受到可能提名他的总统影响时，他在CNBC上回应说：“鸟儿换羽毛是有时机的，要顺应时势。这与这位总统毫无关系。”

沃什的立场：独立，还是孤立？

面对外界的种种猜测，沃什本人的公开表态始终强调独立性。

"他们选了一个独立的人来做一份独立的工作，这正是我计划去做的，"沃什今年夏天在国会听证时如此表示。

Nick Timiraos在文章中还透露了一个细节：与沃什交流过的人士表示，沃什认为鲍威尔时代的美联储因为说了一些“不必要的对抗性言论”而让局面更糟——比如公开描述关税如何推高价格，或者公开捍卫美联储独立性。沃什的策略是“少说话，避免挑衅”。

这种低调风格，在某种程度上维持了与白宫的和平。但如果本周真的宣布加息，沉默将不再是护盾。

经济学家们怎么看？

围绕这次加息，经济学界并非铁板一块。

前国会预算局局长、共和党经济学家道格拉斯·霍尔茨-伊金（Douglas Holtz-Eakin）的判断颇为直接。他表示，7月之前他认为沃什没有必要在中期选举前冒险与白宫交恶。但7月以来，沃什的表态加上能源冲击和AI繁荣塑造的经济形势，已经让他“无处可站”。

“他的手被逼着出牌了，”霍尔茨-伊金说，“凯文·沃什是个出色的政治家，他得想办法处理好这件事。”

他还预判了后续的可能走向：特朗普和沃什可以默契地让特朗普公开抨击沃什，而沃什默默承受；或者特朗普干脆转移话题，装作什么都没发生。“特朗普会转移话题，而不是正面对抗，因为他不能承认自己犯了错误，”霍尔茨-伊金说。

然而，美国企业研究所（AEI）的保守派经济学家迈克尔·斯特雷恩（Michael Strain）持不同看法。他认为，7月就应该加息，但既然当时没动，现在在选举前几周出手，时机并不合适。

“美联储不幸的现实是，它无法忽视特朗普总统对这一重要机构极度敌视这一事实，”斯特雷恩说。他认为，投资者消化“再次按兵不动”的速度，会比美联储从与特朗普的冲突中恢复的速度快得多。

未来走向：停战之后

美联储的独立性原则，在政治压力面前究竟有多大的韧性？

文章指出，在选举前后调整利率并非没有先例——美联储曾在1988年政治大会前、1994年、2004年、2018年以及拜登任内的2022年均有过类似操作。从历史来看，货币政策与选举周期的交叉并不罕见。

但当下的特殊性在于，特朗普对美联储的敌意已有充分记录，而沃什的每一步棋都在被放大解读。

霍尔茨-伊金的判断或许最为务实：无论结果如何，沃什都需要展示出他是在根据经济数据而非政治压力做决策。

风险提示及免责条款

Anthropic又发文：AI时代的经济会是什么样子？

Tue, 15 Sep 2026 03:01:16 GMT

AI究竟会带来前所未有的经济增长，还是引发大规模的失业潮？是两者皆非，还是会走向某种我们尚未预见的未来？

Anthropic经济学团队近日发布了一套经济情景模型，试图量化AI对就业、增长与薪资的潜在影响，并以交互工具的形式向公众开放，让每个人都能根据自己对AI能力的判断，预览对应的经济图景。

该模型围绕三种情景展开：从温和渐进的"适度情景"，到经济增速翻倍的"实质性变革情景"，再到年均GDP增速高达15%、但大量知识工作岗位消失的"极端情景"。

研究发现，在多数情景下，失业率和工资波动仍处于历史正常区间；但在极端情景中，知识工作者面临薪资下滑甚至长期失业，资本在经济成果中的占比也将显著上升。

Anthropic表示，这一模型及更广泛的研究将用于指导其资助的劳动力市场研究，并为相关政策建议提供依据，目标是确保AI带来的经济收益能够在全社会广泛共享。

该模型当前版本为v1.0，发布于2026年9月，研究者承认模型存在若干局限，并表示将持续迭代更新。

重新定义经济：一切工作皆是“任务包”

要理解AI如何影响经济，首先要打破我们对“工作”的固有认知。在Anthropic的模型中，经济中的所有工作都不是单一的，而是由一系列**“任务包”**组成的。

以一名护士的一天为例：她的工作包括巡视病房、抽血、对患者进行分诊、记录生命体征、订购病房耗材等等。随着AI的介入，这个“任务包”会发生怎样的变化？

有些任务只有人类能做：比如给病人洗澡，AI无能为力。

有些任务会被AI增强： AI可以帮助护士更快更好地起草出院指南、远程监控患者、规划排班。

有些任务将被彻底自动化：比如记录生命体征或订购耗材，AI可以完全代劳。

还会涌现全新的任务：历史表明新技术总会创造新工作，比如护士未来可能需要审查AI的分诊结果，或评估AI提出的护理计划。

结果是什么？随着AI融入工作，护士的生产力大幅提升，她可以花更多时间与患者沟通。当这种“任务层面的重塑”每天在全国各行各业发生数百万次时，就构成了未来价值超30万亿美元的庞大经济体。

GDP、劳动力市场以及工人的薪资份额，都将取决于AI增强或自动化任务的速度与广度。

预演未来：我们可能会面临的三种剧本

未来的经济走向取决于AI能力的进化速度以及各行业的采用情况。Anthropic在报告中重点勾勒了三种截然不同的宏观情景。

第一种是温和情景，渐进的收益。

在这个剧本里，AI的经济影响力类似于互联网的普及。它确实推动了实际的经济增长，但增长率保持在新技术带来的历史正常范围内，一切都在渐进式发生。在宏观经济数据中，你甚至很难立刻察觉到AI的剧烈冲击。

第二种重大情景是脑力劳动的革命。

到2030年，AI将有能力完成一半的知识型工作（其中大部分是自主完成），但并不会被全面采用。此时，经济增长率达到正常水平的两倍。值得注意的是：知识工作者的工资将停滞不前，而其他类型的工人将获得收益。

Anthropic在8月份对超1万名美国人进行的调查显示，大多数普通人的预期与这一情景最为吻合，即到2030年GDP将比没有AI时高出10%，整体失业率升至5%左右。

第三则是极端情景下，出现深刻的经济重塑。

在这一情景下，AI在绝大多数知识工作任务上的生产力超越人类，几乎自主完成所有工作，且基本不为人类创造新的知识型任务。这通常需要AI具备“递归自我改进”能力并被迅速采用。

结果是震撼的：年度GDP增长率将高达15%，经济规模每4.5年翻一番。作为一个社会，我们将前所未有地富裕；但代价是，从事知识工作的工人急剧减少，失业率飙升至超越典型经济衰退期的水平。

关于2030年的四个残酷真相

基于上述模型，Anthropic得出了四个值得每一位职场人深思的关键发现。

发现一：经济蛋糕变大，但可能伴随历史性失业。

在所有情景下，AI都会推动GDP增长，社会整体财富大幅增加。但在极端情景下，由于AI实现递归自我改进和快速普及，失业率可能会飙升至历史最高水平。

发现二：痛苦的职业大洗牌。

在重大和极端情景中，脑力劳动者（知识工作者）将面临严重的自动化替代。从个体层面来看，程序员和呼叫中心客服可能不得不转行去做受AI影响较小的电工或护士。

但跨行就业极其困难：工人可能不愿意改变、需要学习新技能，且新工作并不好找。这种洗牌要求的转换越多，就会有越多人陷入漫长的失业期。

发现三：工资出现两极分化，知识工作者面临降薪。

模型显示，虽然全社会平均工资会上升，但这主要集中在非知识型工作领域。由于对人类脑力劳动的需求减少，知识工作者的工资将面临下行压力。

相反，AI提高了脑力劳动的效率，例如更快地产出物理基础设施的设计和许可，会导致建筑等体力劳动需求大增，推高蓝领工资。

在重大情景中，知识工作者的工资基本持平；而在极端情景中，到2030年，知识工作者的工资将下降10%以上。

发现四：资本吃饱，劳动力分配缩水。

今天，经济每产出1美元，大约60美分归劳动力，40美分归资本。但随着AI接管更多任务，资本用于创造财富的技术和资源将变得更有价值、需求更高，从而推高其价格。

研究发现，在重大和极端情景中，劳动份额将明显下降，资本份额上升。在极端情景下，尽管经济体量急剧膨胀，但到2030年，劳动力的总收入几乎没有变化。

绝大多数知识工作者将面临降薪或失业，工人阶层只能分得更大蛋糕中更小的一块。

写在最后：未来并非命中注定

面对这样一份略显残酷的预测，Anthropic表示2030年的经济面貌并非不可改变的宿命。它取决于AI究竟能做什么，企业和工人如何应用它，以及最关键的，这项技术的财务收益将如何被分配。

Anthropic团队也坦言，作为1.0版本的经济模型，它极大地简化了复杂的现实，例如没有考虑政策反应、经济周期或超级机器人的出现等。

但这个探索器的核心价值在于警醒：在极端的AI繁荣下，我们面临的主要挑战不再是如何实现经济增长，而是如何确保红利被广泛共享，而不是让成本不平等地压在部分群体，尤其是知识工作者身上。

AI时代的列车已经启动，我们不仅需要关注它跑得有多快，更需要关注车上的每个人是否都能拥有自己的座位。

风险提示及免责条款

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

Tue, 15 Sep 2026 02:09:55 GMT

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

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

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

港股：截至发稿，恒指跌0.34%，恒科指涨0.72%。

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

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

09:58

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

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

09:39

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

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

09:35

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

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

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

09:31

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

09:30

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

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

09:26

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

09:21

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

风险提示及免责条款