华尔街见闻 - 资讯 - 最新

家族信托减持27.5亿港元股份后，张勇又向海底捞借了1亿元

Tue, 13 Oct 2026 04:21:42 GMT

海底捞创始人张勇的个人财务安排，再次引发市场关注。

10月12日晚间，海底捞公告称，公司与控股股东、董事会主席兼首席执行官张勇签订贷款协议，同意向其提供本金上限相当于人民币1亿元的港元贷款，期限仅30天。

这笔贷款将用于张勇的个人财务安排，利率为一个月期香港银行同业拆息（HIBOR）加60个基点，不设任何担保。张勇须在贷款到期时偿还本金及利息。

一个多月前，张勇家族刚刚通过减持海底捞股份，回笼资金约27.5亿港元。

9月8日，张勇妻子舒萍设立的家族信托旗下公司SP NP Ltd.，以每股10.62港元的价格出售2.59亿股海底捞股票，占总股本约4.65%。

当时，海底捞解释称，减持纯粹出于股东自身资金需要及财务安排，与集团业务、营运及财务状况无关。

这一交易曾引发股价明显波动。9月9日，海底捞收盘下跌9.14%。

从大额减持到短期借款，两笔交易均以个人财务安排为由。已经筹集约27.5亿港元的张勇家族，为何仍需向上市公司借款1亿元，成为外界关注的焦点。

值得注意的是，这两次财务安排都发生在离岸信托税收新规实施之后。

今年7月24日，财政部、税务总局发布《关于离岸信托个人所得税有关事项的公告》，进一步明确个人将财产装入离岸信托，以及信托存续期间取得收益的个人所得税处理方式。

按照新规，符合条件的居民个人离岸信托，其存续期间产生的相关收益，即使没有实际分配，也需要按规定申报缴纳个人所得税。

对于部分历史应缴未缴税款，新规还设置了自实施之日起90日的申报缴纳窗口。符合规定并在期限内完成申报缴税的，可以不加收滞纳金。这一窗口将在今年10月下旬结束。

由于张勇、舒萍持有的海底捞股份涉及境外家族信托架构，9月的大额减持曾引发市场对其是否需要筹措税款的猜测。

此次新增的1亿元贷款，使创始人家族的资金安排再次受到关注。

需要区分的是，9月出售股票的是舒萍设立的Rose Trust旗下持股公司，而10月获得贷款的是张勇个人。信托资产与个人资产在法律上并不完全等同，减持所得也未必能够直接供张勇个人使用。

因此，即便家族已通过减持获得大额资金，仍可能因资金分配、到账时间等因素存在短期流动性需求。但目前没有公开证据表明，此次贷款用于缴纳税款，也无法确认两笔交易存在直接联系。

另一个值得关注的问题是，张勇为何选择向海底捞上市公司借款。

海底捞表示，集团资金充足，贷款不会影响日常运营。由于贷款利率高于同期限港元存款利率，还能够带来额外利息收入。

截至今年6月底，海底捞持有现金及现金等价物约49.44亿元人民币，1亿元贷款上限相当于这一金额的约2%。

由于张勇同时担任公司控股股东及执行董事，这笔贷款构成香港上市规则下的关联交易。

根据公告，交易须遵守公告及申报要求，但获豁免独立股东批准等程序。张勇已就相关董事会决议回避表决。

不过，此次贷款没有抵押或担保，意味着上市公司仍需承担相应的信用风险。

对于一家资金充裕的上市公司而言，向控股股东提供短期融资究竟有多大商业必要性，仍值得关注。

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。

AI时代，每个新产品“不做Agent入口，就沦为其他Agent的数据”

Tue, 13 Oct 2026 04:04:09 GMT

在斯坦福大学的课堂上，SpaceX的Lee Robinson揭示了AI代理正从被动响应向“全天候待命”进化，而在这个万亿级的新赛道中，任何未能掌握Agent入口的产品，终将彻底沦为其他AI系统的数据“养料”。

近日，在斯坦福大学CS146S课程上，SpaceX技术骨干（前Cursor核心成员）Lee Robinson发表了关于“全天候代理（Always-on Agent）工作原理”的主题演讲。

在当前市场高度关注AI商业化落地、算力成本控制以及应用层爆发节点的背景下，Robinson的演讲不仅拆解了前沿AI架构的底层逻辑，更向业界抛出了一个极具冲击力的商业论断：未来的SaaS和软件生态将被彻底重构。开发者的角色正从“审批每一条命令”转变为“指导代理持续运行”。

AI软件的终局：“不做入口，就沦为无头数据”

在探讨AI应用的未来想象空间时，市场一直在寻找下一代超级入口。Robinson引用了OpenRouter成员的洞察指出，现在所有的应用看起来都一样：侧边栏、代理、聊天框。“这就像2005年一样，大家都在做同样的事情，有服务器、有数据库、有CRUD界面。”

但他强调，这已经成为一种新常态。对于现有的科技公司和SaaS企业而言，残酷的商业逻辑已经浮现：“每个新产品都必须具备某种代理功能，要么集成到现有系统中，要么就沦为供其他代理使用的无头数据（headless data）。”

这意味着，在未来的商业版图中，应用层的价值将极大取决于其是否能成为Agent的交互中枢。围绕这一趋势，从持久工作流、云端计算机、内存管理到技能评估等每一个细分领域，“都相当于数十亿甚至数万亿美元的风险投资机会，可以说是下一代公司、下一代产品的基础组件。”

生产力范式跃迁：盲测中AI审核已超越人类

市场极为关注AI Agent能否真正取代人力并形成可靠的业务流。Robinson将开发者与AI的合作划分为四个时代：从最初的复制粘贴ChatGPT代码，到简单的终端交互，再到专用应用程序，直到如今迈入拥有独立计算机和内存的“始终在线”形态。

在这个新时代，Agent更像是一个“全天候待命的同事”。Robinson指出，“它不再只是在问答式的环境中回答问题，而是可以执行更复杂的任务……它知道什么时候该保持沉默。”

更重要的是，阻碍Agent大规模部署的“安全性与准确性”痛点正在被攻克。在从“人工审批”向“自动审核”过渡的过程中，AI系统本身的审核能力已经迎来了质变。“如果你做一个盲测，对比AI模型和人工审核命令的结果，大多数情况下，模型实际上做得更好。” 这种转变使得代理可以在后台自动运行数小时甚至数天，极大地拓宽了AI赋能企业级任务的想象空间。

重塑成本与架构：打造“无限上下文”的错觉

对于投资者和企业而言，大模型的Token消耗直接挂钩着利润率。如何以最低的成本实现最强的代理功能？Robinson给出的答案是“瘦客户端固定服务器架构”以及“主子代理协同”。

在Grok Bot等前沿框架中，“只有一个工具用于在客户端和服务器之间进行通信”。在执行任务时，代理会遵循一套极其严苛的成本阶梯：它会先尝试基于历史对话查找，再尝试网络搜索或后台操作，“先尝试最便宜或最可靠的选项”，只有在所有方法失败后才会去打扰用户。

为了突破模型上下文窗口的物理限制，主代理会将繁重的工作交给拥有全新工作记忆的子代理（辅助程序）。“主代理将繁重的工作交给子代理，这就是如何打造出感觉拥有无限上下文的产品。”

同时，对于基础设施层，Robinson提出了一种极端的成本控制理念：在动辄消耗数十万Token的长期对话中，保持提示信息的缓存至关重要。“如果出现缓存未命中，实际上就相当于系统出现了一个bug。” 趁缓存还热的时候立即压缩长对话，是降低后续成本的关键。

“删除产品”法则：未来6到12个月代理将能连续工作数月

站在当前的时点，市场迫切想知道AI应用的下一步爆发点何时到来。

Robinson分享了一个在Cursor和SpaceX都秉持的核心开发原则——“删除产品”。这意味着开发者必须接受一个现实：“假设今天的模型是它们有史以来最糟糕的。” 面对必然会快速迭代的底层大模型，最聪明的策略是尽可能少地构建繁杂的UI，而是去打造一个极其简单的界面，让模型替你思考和行动。

对于未来的业绩指引和技术时间表，Robinson给出了极为乐观的预期。他认为在未来六到十二个月内，随着模型长时间执行指令能力的提升和持久工作流（如Temporal开源工具）的完善，“代理工作数周或数月的情况很快就会出现”。

这不仅意味着企业端效率的指数级提升，也对整个AI行业提出了新的挑战：当AI代理每月更新一次模型，但代理本身需要连续运行一个月时，传统的评估体系将面临重构。但这正是下一轮技术红利与巨大商业价值的藏身之处。

以下是演讲文稿

我是 Lee。今天我们将简单聊聊这种新型的始终在线、主动式、持久型代理的工作原理，并帮助大家了解它们的构建基础。顺便提一下，我们今天要谈到的一些内容目前还在研发中，是 SpaceX 正在努力的方向。

在第一周，大家搭建了一个非常简单的框架，帮助你们理解核心概念：模型可以循环调用工具，这非常强大。它为模型解锁了许多新功能，但也存在一些缺点，例如，当你合上笔记本电脑时，进程就会停止运行。我想谈谈如何将这个简单但强大的模型优化思路扩展到这种新型代理——始终在线的代理。

它不只是在你的终端运行，而是可以在服务器上运行，可以在云端运行。你可以关闭电脑，它也可以重启，即使电脑崩溃，它也能正常运行。这个代理程序拥有自己的独立计算机，它不是你的笔记本电脑，而是一台云端的 Linux 服务器，上面有它自己的桌面、文件、浏览器等等，可能还有一些 3D 应用。它可以将文件保存到这台服务器上。随着时间的推移，它可以更好地了解你的操作过程，并建立起你使用方式的记忆。

与终端中那些会响应你发送的每条消息的程序不同，这种始终在线的代理更像是你的同事，它不会总是立即发送消息，它知道何时应该保持沉默。有时，它可能只想在后台运行一段时间，只有在有重要更新时才会回复你。而且，它的触发方式也不仅仅局限于你的输入，并非只有你在终端中才能触发它。也许是 Slack 消息、电子邮件或其他类型的事件唤醒了这个代理去执行任务。

理想情况下，我们希望这类始终在线的代理能够长时间工作，不仅仅是几个小时或几天，而是几周甚至几个月。这需要一种略有不同的架构，我们稍后会详细介绍。我们将深入探讨我们如何构建这种架构，如何搭建框架，以及我们今天所取得的成就和未来的发展方向。我们还会详细介绍我们如何设计这个系统，使其能够主动、持久地执行任务并很好地遵循指令。当然，最后会留出提问时间，如果您有任何关于今天内容之外的问题，都可以提问。

人工智能在盲测中基本能够击败人类

"首先，我们是如何走到今天的。我认为，到目前为止，开发者与人工智能的合作大致经历了四个阶段。第一个阶段是从 ChatGPT 复制粘贴代码，然后放到你选择的编辑器里，现在感觉好像是几十年前的事了，但实际上只是几年前的事。"

然后，当模型能够更好地实现我们在上一讲中提到的那种简化框架时，它们就能编辑文件、运行 shell 命令，并通过终端中非常简单的界面与之交互。这迅速发展起来，因为模型突然拥有了这种新功能，可以为你做更多主动工作，从而提高效率。

第三阶段是将编码代理（它们上手比较简单）开发成专用应用程序。此时，人们开始并行运行多个代理，他们可能在云端运行这些代理，而不仅仅是在本地计算机上。但即便如此，你仍然会成为瓶颈，因为你需要审查它们运行的每一个命令，需要确保每个 shell 命令都正确无误，需要密切关注它们，了解所有情况。

如今，随着模型、工具和产品的改进，我们进入了一个新时代，智能体开始以"始终在线"的形式运行。它们可以在后台自动运行，拥有独立的计算机和内存，能够边工作边学习新技能，即使你睡觉或去做其他事情，它们也能继续工作。一个很好的例子是，我们已经不再需要每天手动提示智能体，尽管有时仍然需要这样做，但你可以设置智能体，让它在后台自动运行。

所以，以前可能是这样的：你给代理发出指令，然后等待，再给代理发出指令，再等待。如果它要求你运行 shell 命令，你必须批准或禁止该命令。而现在，你不再需要排队等待命令，而是可以引导代理。比如你可以说："嘿，去看看这个线程。"然后紧接着又说："哦，对了，这件事应该在周四做。"以前的模型在你立即打断并发出另一个命令时会感到困惑，但现在它们能够理解，就像你和朋友聊天一样，它们可以分辨出这两件事之间的关联。模型和框架现在都能处理这种情况了。

如果你说"嘿，去发送这封邮件，去发送这条 Slack 消息"，系统会启动额外的安全检查，很多公司称之为"自动审核"，它本质上是一个独立的 AI 模型，会检查所有运行的命令。这实际上比人工审核数百条 shell 命令并逐一批准要安全得多。我们现在已经达到了这样的程度：如果你做一个盲测，对比 AI 模型和人工审核命令的结果，大多数情况下，模型实际上做得更好。

始终在线的代理就像给一个真正在工作的朋友发短信

"有点矛盾的是，随着模型的改进，界面反而变得更加简洁了。这种始终在线的代理，我们称之为机器人。现在涌现出很多这类新产品，并且发展迅猛。我认为主要原因在于我们都会发短信，每个人都非常擅长使用手机。我们已经将这种与人工智能交互的方式简化到就像在和朋友发短信一样，但它实际上可以为你完成真正的工作。它不再只是在问答式的环境中回答问题，而是可以执行更复杂的任务，比如你通常会交给同事完成的任务。"

这些改进主要体现在模型本身。我将重点介绍其中六点，但实际上还有更多。

首先，在过去一两年里，这些模型在长时间执行指令方面有了显著提升，它们不会出现混乱或错误。现在，只要压缩和精简得当，模型就能稳定运行数小时甚至数天，我们稍后会详细讨论这一点。

第二，模型现在可以有效地将任务交给辅助程序，这些辅助程序被称为子代理。子代理之所以有用，是因为模型拥有一个记录当前进程的工作记忆，而这个记忆最终会被填满。因此，如果模型能够将任务交给拥有全新工作记忆的辅助程序，那就非常有利了。这实际上可以为模型提供一个无限的上下文，使其能够执行一些在令牌使用或工具调用方面可能比较耗时的任务，然后再返回给主代理并报告更新。稍后我会提供一些相关的图示。

现在的模型调用工具的能力更强了。就在几年前，它们基本上还无法很好地调用工具，而且经常出现幻觉。有趣的是，现在人们很少再谈论幻觉了，因为这基本上已经是一个解决了的问题。不仅如此，你还可以给模型提供非常强大的工具，就像给新成员入职一样。这当然包括运行 shell 命令和文件，但你还可以给它们一台完整的 Linux 计算机，允许它们制作演示视频等等。它们可以像人一样在屏幕上点击操作，而且它们在这方面（也就是所谓的计算机使用）越来越熟练。这基本上意味着，任何没有公开 API 或 MCP 服务器的 SaaS 产品或网站，都可以通过这些模型和机器人的计算机使用能力，实现无人值守的自主操作。

你可以把所有信息都存储在文件中，这样做的好处是模型可以非常轻松地调用和搜索这些信息，我们稍后会详细讨论。最后，你还可以教机器人如何完成一些工作，它会将这些工作转化为技能、记忆、例程或其他可以重复使用的东西。

代理所掌握的知识以纯文本文件的形式存在，它可以搜索这些文件；而技能则是将某人针对特定任务的专业知识编码到 Markdown 文件中。

"关于文件管理，这只是个简化的例子，但你可以想象，当你使用机器人时，它的底层架构大概是这样的：你会建立起对用户的画像或理解，这些信息会体现在每一条提示信息中。比如，你可能喜欢小写字母的文本格式，那么每条消息都应该使用小写字母。此外，随着你使用这些机器人的时间推移，你会建立起类似工作日志的东西，就像你和同事一起工作，他们每天记录工作内容一样。所有这些信息都会被保存到文件中，供模型以后搜索或使用。比如，如果你问'嘿，我上周做了什么'，它就可以直接查找。这些模型非常擅长使用 Linux 命令，运行 shell 命令来进行 grep 搜索，并浏览这些文件。"

同样，技能本质上就是将你完成特定任务的知识编码成一个 Markdown 文件，其中包含了你需要执行的具体步骤，以及你认为决定成败的关键因素。这不仅仅指你自己的技能。现在，已经形成了一个完整的生态系统，许多公司和开发者都在编写这些技能，例如如何发送一封优秀的电子邮件、如何构建一个出色的 API 等等。

举个例子，Grok Bot 就有一个完整的插件系统。基本上，任何你想使用的工具，都有相应的插件可以安装，这些插件会用到技能或服务器。此外还有例程，如果你熟悉 cron 作业，就会知道例程是按照某种计划运行一些提示符，这也非常有用。基本上，一切都与计算机有关。

在一个始终在线的代理中，代理处于休眠状态，直到被唤醒，其循环运行在服务器上。

一个始终在线的代理会一直处于休眠状态，直到收到消息或触发信号将其唤醒，然后通过启发式算法来决定是否值得向用户推送更新信息。

第三部分，让我们更深入地了解一下这个始终在线的代理的运作机制，或者说幕后运作。代理始终在线意味着什么？你可以从左到右阅读这张图表，它从服务器处于休眠状态开始，代理可以使用的计算机也处于休眠状态。无论是你发送消息还是某种触发器决定启动代理（我们稍后会讨论），这基本上就是加载和启动代理所有状态的过程，而它运行在服务器上。如果它决定需要使用计算机，例如它想使用计算机的浏览器或在计算机上进行一些操作，它也可以启动计算机。然后，一旦使用完毕，它也可以将这些计算机置于休眠状态。

为什么这很重要？因为这会很昂贵。世界上的计算机数量有限，无法让所有这些计算机一直为所有人运行，同时也会占用大量的服务器资源。因此，可以将这些状态（包括对话记录、记忆、例程等等）持久化到数据库中。

那么，如何唤醒机器人呢？当然，你可以直接发出指令，但越来越有趣的是，让其他程序在后台运行，然后根据你的需要决定何时联系机器人。比如，有人在 Slack 上联系你，而你的机器人可以驻留在 Slack 中。又比如，你安排机器人参加电话会议或会议。在 SpaceX，这种情况越来越普遍：员工本来可以亲自到场，但他们希望机器人代为参加会议并做笔记，然后再返回给你，这其实挺有意思的。也许你有一些例行工作或后台工作需要花费数小时甚至数天才能完成，然后你想让机器人回来给你一份总结。这些情况都可能发生。

然后我们基本上有一个路由器，它会对这些信息进行去重，并确定如何将其融入对话中。之后，它会运用一种启发式方法：我是否需要就此事打扰用户？因为并非所有事情都真正重要。就像你的同事在做某件事，如果他每次取得进展都来烦你，那会非常烦人。你真正需要的可能只是每天一次的状态更新，具体取决于任务。

代理的 Firecracker 虚拟机很容易创建快照，并且将代理循环保留在服务器上，这样就可以在不停机的情况下重建该机器。

"我讲了代理程序如何利用这台计算机，这台 Linux 服务器。它运行着一个 Firecracker 虚拟机。这样做的好处在于，可以很方便地对机器状态进行快照，然后将其关闭并重新启动。这台机器上当然可以存放文件，但你也可以连接到它，实时查看机器状态，并根据需要进行控制。这台机器当然可以运行命令，如果你要运行一些 shell 命令，那就非常棒了。也许你不想在你的个人笔记本电脑上运行这些命令，而是想在一个安全且受保护的环境中运行。另一个有趣的地方是，它当然可以安装 Chrome 浏览器，但你也可以为它设置虚拟桌面。所以，如果你运行了 5 个、10 个机器人，每个机器人都需要自己的浏览器，你可以让它们拥有不同的屏幕。所有这些都是这些机器人之间共享的基础架构，它们可以调用这些计算机。"

我们之前讨论过唤醒代理的触发器，也就是左侧的那些，比如不同的应用程序、Slack 消息或电子邮件。中间部分是服务器，右侧是我们刚才提到的计算机，你可以在上面运行文件、命令等等。现在我们再详细说说这个服务器。命令会进入队列，然后服务器会调用紫色框，也就是代理循环，这是我们上周讲过的——这是一个循环调用工具的模型。关闭代理时，你可以将状态保存到数据库或存储中。

我觉得很有意思的是，这个看似不起眼的小组件，在其上构建了所有这些抽象层，最终形成了一个功能强大的产品，因为它配备了所有这些有用的工具，并且连接到了所有这些不同的服务。

代理程序运行在服务器上是计算机领域一种相当常见的做法，它类似于瘦客户端和胖服务器的组合，而计算机领域多年来一直在这两种模式之间摇摆不定。这样做有几个很好的理由：假设你需要更新代理程序代码，如果为了发布更新而不得不推送应用商店更新，那可就太麻烦了，还不如直接快速地推送一系列服务器更新。此外，有时你需要执行一些繁重的计算任务，比如转录、图像生成等等，这些任务在服务器上运行的速度可能比在设备上更快，具体取决于设备类型。而且，我们已经掌握了非常成熟的服务器扩展方法，尤其是在流量和增长不稳定的情况下。但最关键的是，如果你把代理程序循环放在虚拟机上，那么你就无法独立于代理服务器关闭虚拟机。

所以，你需要把所有东西都保存在服务器上，这样你就可以随时重建虚拟机。例如，假设你需要对虚拟机进行一些关键的零日 Linux 更新，那么能够重建虚拟机而不至于破坏整个代理循环、导致应用程序停机，就非常重要了。

持久工作流会在任务崩溃后从停止的步骤恢复执行，并且用户自己的消息优先于正在发生的所有其他事情。

持久工作流而不是作业队列，然后是新消息的排序规则

因此，这里需要考虑的底层基础设施是工作流和作业队列。主要区别在于，假设使用作业队列时，你正在按步骤执行任务。你让代理执行一些复杂的任务，它会依次执行第一步、第二步和第三步。但是，由于某种原因，基础设施出现了问题。如果使用普通的作业队列，当它崩溃并需要重启时，你就必须重新执行第一步、第二步和第三步，这显然会非常麻烦。

所以，你真正需要的是一个持久的工作流程，这意味着你可以安全地重试。当失败后重试时，它会直接从第三步开始。在分布式系统和基础设施领域，这在某种程度上已经是一个比较成熟的问题了。我们使用了一个名为 Temporal 的开源工具，如果你感兴趣，可以了解一下。这样我们就不用从头开始重建很多非常复杂的功能了。当然，你仍然需要运行相关的基础设施，但有些组件已经集成好了。

假设收到一条新消息。根据消息的发送对象（例如用户、机器人、群聊、Slack 讨论串或后台程序），优先级会有所不同。比如，如果我说"哦，实际上，需要更改这个活动的日期"，我们希望代理的循环停止，我的消息优先级高于所有其他正在处理的消息，这很合理。对于其他消息，优先级会排在队列末尾。如果用户很快收到三四条消息，它可以将它们集中处理，这样就只需要处理一次。你可以根据自己的需要设计任何启发式算法，然后系统会依次处理每个消息。

该连接方式在客户端和服务器之间保留了一个工具，并将繁重的工作交给辅助工具完成。

只有一个工具（发送给用户），连接 Grok Bot 客户端和服务器，每个客户端决定如何显示返回的内容。

"好的，我们来谈谈这个框架本身。它会在我们上周讨论的基础框架的基础上添加一些新工具和新概念。Grok Bot 框架与市面上其他类似工具最大的区别在于，我们采用了一种瘦客户端固定服务器架构，客户端和服务器之间只需要一个工具进行通信。这个工具的作用就是向用户发送数据。这种架构的优点在于它非常简洁，客户端只是以某种方式向服务器发送消息，而将许多更复杂的工具放在服务器端运行。这些工具种类繁多，例如运行 shell 命令、读取文件、调用云代理、录制屏幕或进行演示等等。我认为这种架构运行良好，因为现在无论你在哪里启动一个新客户端，无论是移动应用、服务器、桌面应用、电子邮件还是 Slack，都只需要这一个工具即可。它与服务器进行双向通信。

不过，在客户端，即使只有一个工具，当它接收到该工具时，也能决定如何以最符合用户需求的方式，用丰富且交互性强的界面呈现。例如，如果它从服务器收到用户尝试登录的信息，就可以显示独特的登录表单，并连接到像 1Password 这样的工具。它还可以调用 Stripe Link 或 X Money 等服务，让用户支付服务费用。如果你尝试执行一些无法撤销的操作，例如发送电子邮件或 Slack 消息，系统可能会要求你编辑并批准草稿后再发送。有时，如果你不需要发送消息，也可以直接留下表情符号作为回应。"

预先加载每个工具的详细信息会使上下文窗口变得拥挤，因此代理会先获取工具名称，并在打扰用户之前尝试最便宜的选项。

打造出一个感觉拥有无限上下文的产品

"回到我刚才提到的动态工具发现，对于任何模型来说，都有一个上下文窗口，它就像是模型的工作内存，而上下文窗口的容量是有限制的。如果你把所有可能的工具都塞进这个上下文窗口，空间就会非常有限。工具的工作方式是这样的：你拥有工具名称、模式以及各种不同的细节信息。如果你开始安装 Google Drive 连接器、Gmail 连接器、YouTube 连接器以及所有这些使用 MCP 服务器（它们都包含工具）的服务，你会发现顶部区域的大部分空间已经被填满了。问题在于，这会占用模型足够的空间来真正处理对话。"

所以，现在很多流行的模型框架都使用一种上下文工程或框架技巧，叫做动态上下文，或者有些人称之为工具搜索工具，这个名字挺有意思的。简单来说，就是把工具的名称添加到发送给模型的每条消息中，然后模型就可以决定，比如，如果我想用这个工具，可以从文件中读取信息。所有这些信息都存储在文件系统中。这样做可以节省上下文的使用，从而降低成本，减少资源消耗。

总的来说，这里的原则是先尝试最便宜或最可靠的方案，然后逐步升级。最简单的方案就是利用代理或机器人基于对话历史已有的信息。如果信息不在当前上下文中，可能需要使用插件、MCP 服务器或某种 API，例如，它可以从 Plaid 获取您的银行信息。如果这种方法行不通，它就需要进行网络搜索，例如查找昨晚小熊队的比赛比分。如果仍然找不到，它可能需要访问用户的电脑，打开浏览器进行搜索。再进一步，它可能需要访问整个桌面，例如运行脚本、命令或在 Linux 电脑上构建程序。只有当所有这些方法都失败后，才需要联系用户，请求他们提供输入或批准某些内容。

这确实有助于营造与同事合作的氛围。他们不会因为各种各样的事情而打扰你，理想情况下，他们会先尝试上述这些方法中的很多种。

主代理通过将繁重的工作交给子代理来保持自身对话的简洁，这使得产品能够给人一种拥有无限上下文的感觉。

"在那台电脑上，也就是代理能够使用的那台 Linux 机器上，它可以通过三种不同的方式从中检索信息。当然，它可以直接截屏，但还有更高效的方法。它还可以查看页面的 HTML 代码，或者查看可访问性树，这是一种减少令牌使用量的有效方法，基本上可以帮助你找到你想让浏览器点击的按钮、链接或其他元素。当然，如果这些方法都不奏效，你还可以直接点击像素。例如，有些网站会弹出模态框或对话框，你需要点击它们，因此你的模型，也就是你的代理，也需要具备这种功能。或者，最糟糕的情况是，你回到用户那里，发现需要双因素身份验证码或某种验证码之类的东西。"

把所有组件整合起来，你有一个主代理，它就像你的协调器。你要尽可能地保持主代理的对话简洁，因为它现在可以调用各种不同的辅助代理，而这些辅助代理只是子代理。这样做的好处在于，如果你把任务交给辅助代理去运行一堆 shell 命令或者进行很多耗时的工具调用，所有这些最终都会得到问题或任务的答案，但这些都不会增加主代理对话的复杂性，它只会返回结果。这样就能打造出一个感觉拥有无限上下文的产品。

当然，无限上下文并不存在。每个模型都有一个上下文限制，但是有一些技巧和变通方法，尤其是在训练模型以提高其处理能力时，不会感觉遇到了上下文窗口的限制，也不会感觉模型的质量随着训练的深入而下降。

所以我们有不同的助手，每个助手都具备不同的技能，每个助手都有自己独立的持久工作流。回到队列和工作流的区别，这意味着如果某个助手出现故障（例如视频助手崩溃、内存占用过多等等），它可以重启并继续运行，而不会丢失任何进度。而主代理则有点像同事，负责管理待办事项列表。你可以对它执行一些操作，例如查看进度、发送消息、停止助手等等。因此，这套系统很大程度上是模拟了如何扩展一个工程师团队来解决一个非常复杂问题的理想方式。

上下文工程通过缓存提示信息、保持主对话简洁以及分层内存管理，实现提示信息的缓存和主对话的精简。

理想情况下，代理的大部分令牌都会被缓存，因此工具定义和系统提示保持不变，而冗长的输出和繁重的工作则会写入文件和辅助程序。

"上下文工程也称为框架工程。它们随着时间的推移而不断发展。基本上，我们可以采取哪些技巧来最大限度地减少这些框架中使用的上下文量，从而提高效率、降低成本并带来其他好处？我之前提到过提示缓存。这是一个很好的例子，说明了它为何如此重要。想想看，当你使用编码代理或任何代理时，理想情况下，大多数使用的令牌实际上都是缓存令牌。因为你发送了一段对话，然后你进行了更改，添加了一条消息，然后基本上又重新发送了整个对话。所以，如果你查看模型的定价，当然，如果令牌被缓存，价格会有很大的折扣。而且你也希望尽可能长时间地将它们保留在缓存窗口中。"

因此，一种方法是尽量保持工具定义、系统提示等所有信息在不同调用之间尽可能保持不变，这样就不会破坏缓存，从而避免每次都为未缓存的令牌付费。如果顶部的固定部分保持不变，那么当调用到底部，只剩下最新收到的消息时，就只需要为这部分差异支付未缓存的令牌费用。这其中也蕴含着丰富的技巧和学问。

基本上，主代理（在最理想的情况下，也就是你与之进行非常非常长时间对话的那个代理）会不断地压缩或概括上下文，有时你甚至不会注意到，我们稍后会举例说明。所以你真的需要保持上下文简洁。一些方法可以做到这一点：当输出内容很长时，与其将其塞进上下文，不如将其放入一个文件中。代理非常擅长读取文件，所以这种方法效果很好，例如读取技能或记忆。如果你给模型发送截图或其他非常耗时的任务，只需将其委托给辅助代理即可。这样，任务就会交给子代理，而不会影响主代理的上下文。而且，在理想情况下，你还应该不断地修剪、整理，从对话、从这个上下文窗口中移除不必要的内容，这样做既是为了降低成本，也是为了便于记忆，并确保模型运行良好。

缓存未命中就像一个 bug，趁缓存还热的时候压缩一段很长的对话，可以得到一个更便宜的摘要，以便在此基础上继续构建。

"所以，如果出现缓存未命中，实际上就相当于系统出现了一个 bug。回溯到今年 1 月，当时 OpenClaw 正迅速流行起来，人们开始在模型提供商的订阅计划中使用它。这是一种模型提供商之前从未见过的全新使用模式。而且，当时的框架还没有针对这种工作流程进行优化。因此，缓存未命中的情况非常普遍。而当代理程序持续运行时，这显然会造成问题。所以，我们做了大量的修复工作，以确保系统能够尽可能地保持提示信息的缓存。"

这里有个小技巧，就是尽量保持提示信息中的所有内容有序。这样，即使你部署了新的更改，想要测试系统提示信息的新变化或添加新工具，你也可以对每个部分进行哈希处理，始终保持固定的顺序。假设你正在进行 A/B 测试，想要添加提示信息的新内容，你肯定不希望这打乱其他用户的提示信息顺序，否则就会破坏缓存。另一个有趣的技巧是，当你打开聊天窗口并开始输入时，服务器可以提前准备好提示信息，相当于预热缓存，就像你在网站上将鼠标悬停在链接上时，服务器会预取下一页的内容一样。因此，有很多小的工程优化可以提升这些模型在令牌使用方面的效率，并增强它们在长时间使用时的稳定性。

关键在于，当你长时间工作时，你必须非常擅长压缩或摘要。假设模型有一个包含 20 万个令牌的上下文窗口，你会一直处理下去，最终，它会遇到需要进行摘要的情况。而所有压缩都是有损的，所以你必须找到最佳的压缩算法，既能有效压缩，又能避免丢失重要的细节。这真的非常非常难。

举个例子，假设你正在和你的机器人进行交互，你积累了超过 10 万个令牌，然后你去做其他事情。这时，模型提供商会有一个缓存窗口期，在此期间缓存仍然有效。这个窗口期可能是 10 分钟，也可能是 60 分钟。我们有一个技巧，我认为非常有用：在缓存有效期内，你应该立即进行压缩，因为对话时间很长，压缩成本会低得多。所以，现在就进行压缩，当用户 30 分钟后回来时，他们将从这个摘要开始，继续添加消息的成本会低得多。因此，我们需要做很多工作来提高摘要算法的质量。

代理的记忆是分层的，从每次都包含的核心事实到短暂的草稿笔记，其他一切都通过文件查找。

"谈到信息压缩以及选择哪些信息存储在智能体的内存中，我通常会从几个不同的层面来考虑。首先是关于用户的重要信息，这些信息必须每次都包含在内。就像我之前提到的，用户总是希望看到小写文本，这可能需要出现在每条消息中，否则，如果某条消息突然出现大写字母，那就太奇怪了，就像 Sam Altman 那样。此外，你可能还需要包含一些提示信息或一些想要存储的信息。有很多不同的方法可以设计算法来确定哪些信息最重要，需要保留。理想情况下，应该对这些信息进行某种形式的垃圾回收。"

仔细想想，我们的大脑就是这样运作的。比如，某个事实现在很重要，需要记住，它与今天的对话相关；你现在可能不会想到足球比赛。你的大脑很擅长把这些信息放在当前情境中，以便日后使用。我们尝试在这里模拟一下，这个系统当然包含这些核心事实。它还记录了你过去的对话历史，并附有日期。此外，它还有一些类似草稿纸的笔记，记录的是你现在正在处理的一些小事，它们被设计成短暂的，会消失，但可能在接下来的 30 分钟或 1 小时内仍然有用。其他所有信息都可以通过文件找到。这就是文件的神奇之处，也是模型擅长执行命令的原因——它们可以随时查找信息，而且它们在这方面做得非常出色。

从长远来看，模型和产品会同步改进，而尚未解决的问题则始于运行一个月的代理。

理想情况下，代理的失败会在每日内循环中成为评估，而在外循环中，新模型会从中学习并提升评估结果。

未来6到12个月代理将能连续工作数月

这种飞轮机制的运作方式是这样的：假设你的智能体出错了。理想情况下，这会被转化为某种评估。比如，模型意外地调用了某个工具，而它本不应该这样做。然后在后端，你可以修复框架、修复错误、修复提示，或者可能是推理问题。你可以在评估中检查并确保问题确实已修复，然后进行相应的更改。负责这些产品的团队几乎每天都在做这件事：他们发现错误，修复错误，并通过评估来衡量结果。这是一个不断改进的内部循环。

但还有一个外循环，大概每隔几个月或者一个月，你都会训练新的模型。理想情况下，新模型会从所有这些错误和失败中学习，并在评估中不断进步，从而在你关心的方面做得更好。你可以将新版本部署到产品中，确保它们在各个方面都有所改进。有趣的是，当新模型发布时，它们会带来全新的功能飞跃，让你能够以全新的方式使用产品。

例如，目前还没有太多关于在群聊中使用机器人的训练数据。这算是一个正在探索的新兴领域，而确保其正确运行至关重要。显然，如果你看过像 Moltbook 或 Hugging Face 这样的案例，就会明白其中存在一些失败的案例。因此，训练模型如何在多智能体系统中良好运行至关重要，例如，在不同的机器人相互交流的情况下。理想情况下，作为一家致力于人工智能的公司的产品团队，在构建这类框架时，应该始终运行这些内部循环和外部循环。

如果把今天的模型视为它们有史以来最糟糕的情况，那就意味着要尽可能少地构建，他认为代理工作数周或数月的情况很快就会出现。

"我们在 Cursor 和现在的 SpaceX 都奉行的一个原则是'删除产品'。这意味着你必须接受并假设今天的模型已经是它们未来最糟糕的状态，也就是说，六个月后你可能需要彻底重建用户界面。我今天谈到的大部分内容，与六个月前甚至一年前相比，都是相当大的更新，因为我们学习到了很多构建模型框架和进行上下文工程的实用新方法。所以，一个好的策略是，努力为下一代模型构建框架——如何在尽可能少地构建的同时，打造一个极其简单的界面来与这些模型交互，并让它们为你思考和行动？"

我认为未来六到十二个月内会发生一些事情，我们拭目以待。就目前而言，假设你的代理或机器人可能每天工作几个小时，也可能一天，具体取决于任务的难度。我认为，你的代理很可能很快就能连续工作数周甚至数月。这确实引发了一些关于如何训练和评估这些模型的有趣问题。我认为，模型在回忆对话中的历史信息方面会越来越出色。目前，针对所使用的算法类型或底层数据表示方式，研究领域有很多不同的方法，也许是图，也许是文件，也许是其他形式。

我认为理想情况下，如果你有这样一个数字化同事，你应该像培训真人一样，为它提供所有必要的工具。当然，我认为各个组织仍在逐步接受这个理念，所以还有很多工作要做。我认为界面可能会变得更加便捷，有些人可能更喜欢用语音交互的方式与机器人或智能代理交流，他们或许会拥有乔纳森·艾维设计的炫酷设备，可以整天和它对话。我认为模型和产品会越来越擅长在工作中学习技能，并将这些技能编码成文件、指令和技能文档，从而将这些原始智能转化为实际应用，完成你交给它的任何任务。我认为，人们和公司会越来越擅长记录所有这些定制流程，以便智能代理能够理解和使用它们。

新产品要么集成到现有系统中，要么就沦为供其他代理使用的数据

"所以，我认为这里有一些有趣的问题，或许能启发大家进行研究或探索。首先，我们回到之前提到的运行一个月的智能体。当需要评估一个运行一个月的智能体，而模型却每月发布一次时，该怎么办？这样就无法全面评估模型是否完全符合预期，所以要么需要找到更好的评估方法，要么就得降低模型的发布频率。我认为这将是未来六个月内整个行业必须解决的问题。"

安全方面，我们讨论过不同的算法，我认为还有很多工作要做，比如如何构建安全的框架，如何确保这些代理的基础设施非常安全，从而防止它们被恶意攻击者控制。我们可能没有过多讨论代理何时保持沉默或发出提醒，这方面的启发式方法我们还没有做到完美。我认为，如何在主动提醒和主动告知之间找到平衡点，比如"嘿，我看到你昨天缺课了，我录了课并做了笔记"，这或许对你有帮助，或许会有点烦人，我们需要找到合适的平衡点。

我也认为，可以相当肯定地假设，到明年这个时候，世界上流通的令牌数量将会显著增加，这意味着优化推理、优化模型、优化工具，以及努力降低令牌使用量以提高效率，都将非常重要。

所以现在需要思考一些新的构建模块。我记得在 X 大会上看到 OpenRouter 的 Alex 对此有非常精辟的见解。有人说，现在所有应用看起来都一样：侧边栏、代理、聊天框，大家都在做同样的事情。Alex 说，是啊，那就像 2005 年一样，大家都在做同样的事情，他们有服务器、有数据库、有用于更新和删除数据的 CRUD 界面。而现实是，这已经成为一种新常态，每个新产品都必须具备某种代理功能，要么集成到现有系统中，要么就沦为供其他代理使用的无头数据。

今天我们讨论了很多这类产品，比如持久工作流、沙箱、云端计算机、内存、技能、与其他服务的连接、语音、支付、身份验证、评估、可观测性等等。每一个领域都相当于数十亿甚至数万亿美元的风险投资机会，每个领域都有二十家初创公司。还有很多不同的东西值得探索，因为它们可以说是下一代公司、下一代产品的基础组件。它们都必须整合起来，成为各种工具的一部分。所以，这方面还有很多工作要做。

风险提示及免责条款

中金：全球银行股“东升西落”的启示

中金公司林英奇、许鸿明等 — Tue, 13 Oct 2026 04:00:46 GMT

8月以来海外系统重要性银行股价平均下跌8%，中国大型银行上涨约9%，年初至今平均回报达到32%，跑赢海外同业。尽管短期股价表现不足以说明长期趋势逆转，但其背后的周期性变化值得关注。

我们认为，中外财政政策、利率和信用周期的差异，以及市场对银行未来盈利和资产负债表风险的重新定价，使中国银行股具备较好的相对风险收益特征，我们继续看好中国大型银行股相对海外同业的表现。

摘要

财政取向：从需求刺激到修复资产负债表。同样是政府加杠杆，海外财政扩张面临通胀和利率上行压力，而中国财政政策更加注重化解存量风险。根据财政部和央行数据，2026年中国广义政府融资安排中，债务置换和金融机构注资合计3.1万亿元，占比约22%，有助于缓释银行信用风险和资本压力。近期房贷贴息和PSL降息扩围等政策进一步支持信贷需求修复。

利率周期：从息差红利到久期风险。利率上行初期有利于欧美银行息差扩张，但随着利率维持高位，债券浮亏和信用成本压力逐步显现。2026年二季度末，美国商业银行债券未实现损失约3267亿美元。相比之下，中国利率环境相对平稳，近年来债券投资收益对银行盈利形成支持，未来盈利改善则更加依赖净息差企稳和信贷需求恢复。

信贷周期：扩张空间与风险后置。当前海外银行信贷增长和资产质量仍然较强，但高利率环境下，商业地产、私募信贷和AI相关高杠杆融资风险值得关注。中国信贷需求仍然偏弱，但债务置换和房地产融资政策有助于缓释存量风险，未来信贷需求恢复有待进一步财政和房地产政策的支持。

盈利与估值：周期错位下的相对收益机会。2026年上半年，美国、欧元区银行业净利润分别同比增长约21%和11%，高于中国上市银行的3%，海外银行盈利能力仍然较强。但较高盈利水平已一定程度反映在估值中，中国上市银行A/H股平均PB约0.6/0.5倍，低于欧美银行。考虑到中国银行盈利有望保持稳定、估值相对较低，叠加保险等长期资金对高股息资产的配置需求，我们认为中国银行股中长期具备较好的相对收益机会。

正文：全球银行股“东升西落”的启示

8月以来，受到高利率冲击，海外系统重要性银行股价平均下跌8%，部分欧洲大型银行股价从高点回撤幅度达到20%左右。相比之下，中国大型银行股价表现出较强韧性，8月以来上涨约9%，跑赢海外同业，年初至今平均回报达到32%，同样位居全球同业前列。

尽管短期股价表现不足以说明长期趋势逆转，但其背后的周期性变化值得关注。同样是政府加杠杆，为什么海外银行股调整，而中国银行股表现较好？为什么过去几年利好欧美银行的高利率环境，反而开始成为市场担忧的因素？

我们认为，这一分化既反映了中外财政政策、利率和信用周期所处阶段的不同，也反映了市场对银行未来盈利和资产负债表风险的重新定价。

图表1：8月以来海外银行股普遍出现回撤，中国银行股年初至今表现跑赢

注：截至2026年10月12日
资料来源：Wind，中国政府网，中国人民银行，中金公司研究部

财政取向：从需求刺激到修复资产负债表

同样是政府加杠杆，中外财政政策对银行资产负债表的影响有所不同。近期能源价格上涨进一步推升通胀预期，市场担忧海外经济体财政扩张可能加大利率上行压力。

对于银行而言，长端利率虽然能够扩张息差，但也会增加债券投资浮亏损失，也可能通过提高实体经济融资成本增加信用风险。而中国财政扩张的一个重要特点，是将相当一部分资金用于化解存量债务风险和补充金融机构资本，实现金融体系资产负债表修复。

2026年两会安排政府融资约14万亿元（包括债务置换），其中，隐债置换2万亿元、新增专项债中用于化债的8000亿元，以及金融机构注资3000亿元，合计3.1万亿元，占广义融资安排的约22%。

具体而言，9月底推出的两项财政金融协同政策能够精准支持银行信贷需求，其中房贷贴息政策我们测算每年能够支持1.8万亿元的新增贷款；PSL 降息为政策性银行投放“六张网”贷款提供了稳定、更低成本的资金来源，我们测算“六张网”投资“十五五”时期能够累计拉动贷款超过16万亿元（参见《房贷贴息和PSL降息的金融信号》）。

图表2：房贷贴息和PSL降息扩围补齐了今年金融领域的政策拼图

资料来源：Wind，中国政府网，中国人民银行，中金公司研究部
图表3：中国广义财政融资中，一部分为金融机构注资和债务置换

注：2023年按照预算调整后方案列示，其余根据财政预算； 2020-2022年包括新增专项债限额内的中小银行资本专项债；2025-2026年为金融机构注资特别国债。
资料来源：Wind，财政部，中金公司研究部

利率周期：从息差红利到久期风险

利率上行前期，银行往往更受益于息差扩张，但利率上行中后期，债券浮亏、信用成本上升等弊端逐渐显现。根据FDIC数据，截至2026年二季度末，美国银行业可供出售和持有至到期债券的未实现损失合计约3267亿美元，占相关证券摊余成本的5.5%。2023年硅谷银行事件表明，当长期债券浮亏与负债端流动性压力叠加时，利率风险可能转化为实际损失。

相比之下，中国银行业处于利率相对平稳的环境。近年来，债券投资及交易相关收益成为中国上市银行非息收入的重要支撑。根据我们对上市银行的测算，2023年至2026年上半年，其他非息收入平均每年贡献约1.7个百分点的利润增长。

当然，随着国内利率降至低位，存量债券浮盈的兑现空间受限，未来中国商业银行盈利改善更依赖净息差企稳和信贷需求恢复。

图表4：海外长债利率上升，而中国利率稳定

资料来源：Wind，中金公司研究部
图表5：利率上升导致美国商业银行出现债券浮亏

资料来源：FDIC，中金公司研究部
图表6：债券浮盈的兑现成为近几年中国上市银行利润贡献的因素之一

资料来源：Wind，中金公司研究部

信贷周期：扩张空间和风险后置

从信贷脉冲来看，海外银行信贷仍处于扩张阶段，而中国信贷周期位于历史偏低水平。海外信贷增长一方面受到前期降息的支持，另一方面也包括通胀上升带来的营运资金需求以及和AI等新兴产业投资拉动。相比之下，中国信贷需求仍然偏弱，新增融资更多依靠基建、制造业等政策支持领域。

我们认为更值得关注的是信用风险的情况，目前海外银行不良贷款指标保持较低水平，但高利率环境下三个领域值得关注：融资成本高企叠加空置率上升对商业地产贷款形成压力；私募信贷赎回压力及银行对非银金融机构的融资敞口；AI相关高杠杆项目融资可能面临回报和再融资压力。

中国方面，不良贷款率整体保持稳定，债务置换、房地产融资政策有助于缓解风险暴露，居民贷款压力有所上升但总体可控。我们认为未来中国信贷周期的修复有待于进一步财政和房地产等政策的支持，而海外信贷周期在高利率环境下面临更多挑战。

图表7：从信贷周期看，海外处于扩张中后期，中国有待复苏

注：中国信贷脉冲使用新增社融/GDP，海外使用新增贷款/GDP。
资料来源：Wind，中金公司研究部

图表8：从违约周期看，中国和海外信用风险都处于较低位置

资料来源：Wind，中金公司研究部

图表9：美国各类贷款不良率位于低位

资料来源：FDIC，中金公司研究部

图表10：中国各类贷款不良率分化

资料来源：Wind，中金公司研究部

图表11：美国银行业信贷条件整体仍然较宽松

资料来源：Haver，中金公司研究部

盈利与估值：周期错位下的相对收益机会

从当前盈利看，欧美银行受益于较高利率环境和资本市场业务改善，同时信贷增速和资产质量仍然保持较强韧性，基本面相比中资银行仍然具有优势。2026年上半年，美国银行业净利润同比增长约21%，欧元区主要银行净利润增长约11%，而中国上市银行净利润增长约3%；2026年上半年，美国银行ROE约13%，欧元区主要银行约11%，呈现上升趋势；中国上市银行ROE约10%，由于盈利增速偏低ROE缓慢下降。

但从估值看，海外银行较高的盈利水平也已经一定程度反映在股价中。当前中国上市银行A/H股平均市净率约为0.6和0.5倍，而欧美银行普遍在0.8倍以上，部分大型银行已经达到1.5-3.0倍。从市净率-ROE的相关性分析来看，部分中资银行估值已出现一定吸引力。

向前看，我们认为中国上市银行未来1-2年净利润增速有望保持稳定，如果财政刺激能够进一步推动信贷需求恢复，银行利润增速存在改善空间。相比之下，欧美银行仍具有较高的盈利能力，但在高利率环境可能面临更多不确定性。

考虑到中国大型银行较低的估值、稳定的分红能力，以及保险等长期配置型资金对高股息资产的持续需求，我们认为中国银行股中长期相对海外银行具备较好的相对风险收益特征。

图表12：美国、德国、日本商业银行近年利润增速高于中国，ROE呈现上行趋势

资料来源：Bloomberg，中金公司研究部

图表13：全球银行估值比较来看，部分中资银行估值已出现一定吸引力

注：数据截至2026年10月9日。基于Bloomberg一致预期数据。
资料来源：Bloomberg，中金公司研究部

图表14：海外银行CDS利差近期有所上升，但绝对水平较低

注：截至2026年10月9日。
资料来源：Bloomberg，中金公司研究部

本文来源：中金点睛

风险提示及免责条款

AI时代，你不在餐桌边就在菜单上

鲍奕龙 — Tue, 13 Oct 2026 03:59:21 GMT

SpaceX的Lee Robinson指出，AI代理时代催生了全新的产品构建范式：每款新产品都必须具备代理侧功能，或成为其他代理调用的无头数据。持久工作流、沙盒、内存、支付、身份、评估等模块，构成下一代产品的基本单元，每个模块都吸引着20家以上初创公司竞逐，背后蕴藏数万亿美元机会。

马斯克谈芯片生产：中国规模化制造能力往往超过全球其他地区总和

Tue, 13 Oct 2026 03:48:49 GMT

马斯克对中国制造业规模化能力的最新表态，在芯片行业已引发的竞争焦虑上再添一把火。

隔夜，中国存储芯片厂商长鑫存储的最新技术突破消息，冲击了美股芯片板块——费城半导体指数周一下跌2.7%，创三周新低。美光、闪迪、SK海力士ADR等内存芯片相关个股领跌，市场对中国厂商加速切入高毛利AI服务器内存市场的担忧情绪明显升温。

针对这一走势，AI分析师Melvin表示他完全无法理解这波内存股的抛售潮，认为市场反应过度，这波抛售并不合理。

随后，马斯克在社交平台X上发文回应称，一旦中国掌握某种产品的制造方法，其规模化能力往往超过全球其他地区的总和，并以锂电池和太阳能为例加以佐证。他同时对中国在内存芯片领域的追赶速度表达了明确关切，认为LP5和LP6等通用标准规格"中国似乎正在快速攻克"。

马斯克：中国规模化能力是系统性优势

马斯克在帖文中将中国的制造规模化能力定性为一种系统性优势，而非个案现象。他写道："当中国弄清楚如何制造一种产品时，其规模化能力往往超过世界其他地区的总和。我们在锂电池和太阳能领域已经见证了这一点。"

他以SpaceX为参照，指出SpaceX是少数例外之一——其入轨质量大约比世界其他所有运载火箭加起来高出一个数量级。但他随即补充，即便如此，中国目前已占据非SpaceX入轨质量的大部分份额，"SpaceX是矩阵中的异常值"。

在内存芯片领域，马斯克的判断更为直接。他表示，RAM三年前还只是一种低利润大宗商品，而LP5和LP6采用通用标准设计，"中国似乎正在快速解决"。他同时指出，更新一代的HBM架构、逻辑层下方的SRAM层，以及在逻辑层上方进行3D堆叠RAM同时解决散热问题，将是更难攻克的技术挑战。

长鑫存储技术突破触发市场抛售

马斯克的表态并非凭空而来。就在此前周末，长鑫存储总裁曹堪宇博士在行业活动上宣布，公司在下一代4F²存储单元架构上取得关键进展，并计划于2026年底前推出基于该架构的DDR5服务器内存产品。

4F²架构的核心优势在于存储单元面积更小。传统DRAM常见的6F²架构中，F代表工艺最小线宽，而4F²设计理论上可在单位面积内容纳约多三分之一的比特数，从而降低单位成本，并更适合用于AI服务器所需的大容量内存条。曹堪宇表示，该设计采用专有的垂直环绕栅极晶体管以抑制漏电，直接指向高毛利的AI服务器DRAM市场。

这一消息令市场对中国厂商加速渗透高端存储芯片市场的担忧骤然升温，成为周一芯片股集体下挫的直接导火索。科技股成为周一美股表现最差的板块，内存芯片相关个股首当其冲。美光跌破1000美元关口，最终收跌约4%；闪迪收跌近6%；SK海力士ADR与超微电脑均跌超4%；希捷科技跌超3%；昆腾跌超9%；康宁亦大幅下挫。

市场的抛售逻辑清晰：若中国厂商能够以更低成本、更大规模切入此前由美韩企业主导的高端存储芯片市场，相关企业的利润空间将面临实质性压缩。马斯克的公开表态，在一定程度上强化了投资者对这一竞争格局演变的预期。

风险提示及免责条款

本轮AI狂潮：身兼“科网”与“地产”泡沫特色，神似2008国际资本大循环

Tue, 13 Oct 2026 03:43:03 GMT

二十年前，华盛顿郊外弗吉尼亚州的劳登县是全美房地产泡沫最狂热的中心之一，随后在全球储蓄退潮与2008年次贷违约中遭遇重创。二十年后，这里被成片的数据中心覆盖，来自加拿大养老金、日本软银等全球资本涌入这里大搞AI基建，成为全球互联网与AI算力最密集的节点。

截至2026财年，该县超过40%的税收（12亿美元）直接来自数据中心。

这种对单一资产极度依赖的场景，让当地官员再次产生了2008年危机前夕的恐惧——劳登县不仅在近期叫停了新数据中心审批，还专门设立了1.2亿美元的“财政稳定基金”，并要求运营商缴纳清算保证金，以防算力泡沫破裂后重演当年的财政崩盘。

劳登县的焦虑，正是全球宏观资金失衡的一个缩影。

劳登县的“数据中心巷”阿什本，视频截图

国际货币基金组织（IMF）预测，2023年至2026年底，全球累积的过剩储蓄增量将达到1.95万亿美元，比2008年危机爆发前三年的增量高出约三分之一。

承载这些资金的资产池，已经从当年的房地产，彻底转向了AI产业链。

海外储蓄大腾挪：从买美债到押注美股AI

这一次，全球资金的流动链条发生了关键重构：

渠道从官方转向私人：在2000年代初，亚洲等地的海外储蓄主要由外国央行管理，大笔买入美国国债，客观上压低了全球借贷成本；而如今，巨额资金更多掌握在追求高回报的海外私人基金手中，直接涌向美股与科技企业债。
风险敞口高度集中：彭博经济研究分析显示，截至2026年6月底，海外投资者对美股AI相关核心行业的持仓敞口已达约4.9万亿美元（这大致相当于德国的年度GDP），占其全部美股持仓的比重从2019年的约10%飙升至近20%。

彭博报道截图

大西洋理事会高级研究员洪特兰（Hung Tran）评价：“这就像1970年代的中东石油美元，亚洲科技企业赚取美元利润后再循环投回美国市场，如今的科技美元已经成为新版本的石油美元。”

汇丰控股亚太区首席经济学家范力民（Frederic Neumann）指出：“亚洲资本正是喂养美国AI热潮的燃料。这完全建立在脆弱的全球需求与资本流动失衡之上。一旦AI投资受挫，美国、美元以及全球市场都将面临痛苦的调整。”

既是“科网”也是“地产”：AI资产的结构异变

为什么AI能够吸纳如此庞大的跨国资本？中金公司在研报《“棉花糖”时代的美国AI》中提出了一个核心逻辑：美国AI产业同时具备硬核科技与“类地产”双重属性。

在科技属性维度，AI的人均效率与替代劳动力的能力显著超越当年的互联网企业。

数据显示，自2022年ChatGPT发布以来，美国通信与计算机行业非农就业减少了6%；而在1995年至2000年科网泡沫时期，该行业就业人数激增了60%以上。如果以员工人数与固定资产比值来衡量劳动密度，谷歌、微软、Meta三家公司的劳动密度指数从2021年的100断崖式下滑至2025年的37。

但从资产负债表来看，AI更像是一场重资产投资游戏。

中金公司统计显示，截至2026年二季度，微软、Alphabet、亚马逊、Meta和甲骨文五家头部厂商的固定资产占总资产比重平均已超过40%（传统重资产工业企业平均为37%）。而在2000年科网泡沫顶峰，微软、思科等科技公司的固定资产占比平均仅为15%。

哥伦比亚大学商学院经济学家斯泰恩·范纽维尔堡（Stijn Van Nieuwerburgh）计算，到2032年，全球对AI基础设施的累计投资将达到近9万亿美元。从占GDP比重看，这将超越19世纪的铁路热潮，成为美国历史上最大规模的资本支出扩张。

巨额的固定资产投入，使AI企业天然具备了类似房地产的“抵押品属性”，从而打通了完全不同于科网时期的信用融资逻辑。

债务与证券化狂飙：告别VC股权，复刻次贷前夕金融工程

资产属性决定了融资模式。

中金研报分析指出，1990年代科网泡沫主要靠VC和股票IPO（股权融资）；而当下的AI投资由于沉淀了海量机房、土地与设备，正迅速走向2000年代地产泡沫中的债务扩张与结构化金融模式。

数据显示，2026年二季度，代表性AI企业的筹资现金流净额占营收比值升至16.2%，其中净债务融资占比高达21.2%，股权融资反而呈现净回购状态。

具体表现为三条融资支柱的建立：

企业债天量发行： Dealogic数据显示，仅2026年前6个月，五家AI巨头就在全球发行了1590亿美元债券，而2024年全年仅为170亿美元。
表外债务与私人信贷扩张： 彭博社统计，五大巨头已累计签署近3万亿美元未体现在资产负债表内的长期租赁、采购承诺与担保。国际清算银行（BIS）估算，大型私募信贷机构投向AI相关企业的直接贷款已突破2000亿美元，占其总量的近8%，实质上替代了传统银行的放贷功能。
算力资产证券化（ABS）： 类似当年的MBS，算力租约正在被包装为ABS资产。继CyrusOne、Sabey、Stack、QTS之后，2026年初Compass Datacenters发行了8.3亿美元的数据中心ABS，底层资产直接绑定云厂商的长期算力租约，分销给追求固定收益的养老金与保险资金。

对照历史泡沫破裂法则：裂痕出现在哪里？

回顾历史，中金研报梳理指出，科网泡沫与地产泡沫的最终破灭，均伴随三大现象的同时出现：宏观与行业高杠杆、基本面恶化、融资条件系统性收紧。

从当前来看，AI企业利息保障倍数依然处于高位（谷歌约82倍，甲骨文约7倍），行业名义盈利仍保持增长，系统性泡沫破灭的条件尚未完全成熟。

景顺（Invesco）全球市场策略师赵大伟（David Chao）指出：“技术是真实的，应用是真实的，许多领先企业也有极高的利润。我所担忧的是，投资者的预期很快将变得无法满足。”

但短期资金层面的边际裂痕已不容忽视：

发债成本快速抬高： 2026年7月，Meta发行的120亿美元债券票面利率达到7.5%，较2025年末发债成本高出0.4个百分点；算力运营商CoreWeave部分高收益债收益率在美联储9月加息后上涨超0.5个百分点；标普近期已将甲骨文评级下调至BBB-。
政府财政缓冲见底： IMF前首席经济学家皮埃尔-奥利维耶·古兰沙（Pierre-Olivier Gourinchas）直言：“即便是技术革命，也不是一张无限额度的空白支票。”他警告，科网泡沫时期政府公共债务占GDP比重只有现在的三分之一到一半；如今美国逾40万亿美元的债务与持续走高的国债收益率，极大地削弱了应对危机的财政空间。
私人机构离场风险： 经济学家吉安·玛利亚·米莱西-费雷蒂（Gian Maria Milesi-Ferretti）强调，大量对冲基金正将美债作为抵押品加杠杆参与AI博弈：“这些机构调仓极其迅速。如今的风险不是外国央行抛售美债，而是这些高度追求收益的私人机构为了弥补其他领域的亏损而被迫砸盘。”

从劳登县暂停审批的实体机房，到华尔街层层嵌套的算力ABS，这场融合了科技估值与地产债务模式的资金游戏，正将全球资本拉入一张前所未有的共振网络。

风险提示及免责条款

投资者对冲AI风险！巴西股市强势突破长期下行趋势

Tue, 13 Oct 2026 03:41:51 GMT

巴西股市正从长期相对弱势中强势突围，成为全球投资者在科技股集中风险高企背景下寻求多元化配置的新焦点。

巴西基准股指Bovespa本月迄今累计上涨12.2%，并于上周五收于历史高点，创下2020年4月9日以来最大单周涨幅，同期标普500指数涨幅仅约2%。追踪巴西股市的iShares MSCI巴西ETF（EWZ）本月累计飙升近17%，年内美元计价涨幅已达37%，大幅领先标普500。与此同时，该ETF单周净流入资金高达23亿美元，将2026年全年净流入规模推升至35亿美元。

此轮行情的直接导火索是巴西总统大选首轮投票结果。10月5日，右翼候选人Flavio Bolsonaro在首轮投票中领先左翼现任总统Luiz Inácio Lula da Silva，但双方均未获过半数票，将进入10月25日的决选。市场普遍预期Bolsonaro若胜选将推行财政整顿政策，有望压缩财政赤字、推动央行降息并刺激经济增长，金融股和能源股因此率先受益。

财政改革预期驱动金融股领涨

财政政策走向是本轮巴西股市上涨的核心逻辑。Causeway Capital Management新兴市场股票组合经理Arjun Jayaraman表示，"财政改革是近期巴西股市大涨背后的首要议题。"

投资者押注Bolsonaro赢得决选后将出台削减赤字的财政措施，进而为巴西央行提供降息空间，并带动更强劲的经济增长。在此预期下，金融股表现尤为突出。据摩根大通全球股票衍生品策略师团队在周一报告中指出，"巴西有望在财政改善预期下持续重新定价走高，金融股在首轮选举结果公布后已率先跑赢大市。"

摩根大通追踪巴西金融股的指数自首轮选举结果公布以来已累计上涨约25%，大幅超越EWZ的整体表现。从EWZ的持仓结构来看，金融股权重最高，达38.3%，主要持仓包括Nu Holdings和Itau Unibanco Holding；能源股权重居次，为16.7%；此后依次为公用事业（13.3%）、材料（约11.1%）和工业（8.6%）。个股层面，Vale和Petroleo Brasileiro亦位列基金前大持仓。

巴西成对冲AI集中风险的多元化选项

在美国股市，科技股高度集中的问题持续困扰投资者——标普500指数中信息技术板块权重最大，令整体指数对AI相关个股的涨跌高度敏感。与此同时，部分新兴市场同样面临类似的集中风险，例如韩国股市由SK Hynix和三星电子等AI产业链企业主导，同样令投资者承受较高的单一主题敞口。

相比之下，巴西股市的行业结构提供了差异化的配置价值。Jayaraman指出，"巴西是分散AI交易风险的好方式。"他补充称，即便AI行情未能持续兑现，巴西股市凭借其对能源板块的显著敞口，仍可受益于国内经济扩张；此外，中东冲突持续扰动全球能源供应，巴西作为燃料出口国亦有望从中获益。

上涨空间犹存，但选举不确定性仍在

尽管市场对大选的乐观情绪已在相当程度上反映于股价，Jayaraman仍认为巴西股市具备进一步上行空间。决选将于10月25日举行，最终结果将是检验当前市场定价是否成立的关键节点。

摩根大通策略师亦在报告中维持对巴西股市的积极看法，认为财政改善预期尚未完全出清。资金流向数据同样印证了投资者的持续热情——EWZ单周吸引23亿美元净流入，为年内流入规模的显著加速。

周一，EWZ收盘持平，而标普500则因科技板块下挫而小幅收跌，两者走势的分化进一步凸显了巴西资产作为多元化配置工具的当前吸引力。

风险提示及免责条款

AMD推出Helion智能体AI机架设计，最高支持32768核，思科戴尔等八厂商联合背书

Tue, 13 Oct 2026 03:40:06 GMT

AMD于10月12日正式发布Helion智能体AI机架，这是一套基于开放计算项目（OCP）规范的开放蓝图，搭载AMD自家计算芯片，专为智能体AI工作负载设计。

该平台提供两种主要配置，分别针对超大规模数据中心和企业级客户。AMD表示，合作伙伴的相关配置产品目前正在开发中，计划于2026年11月上市。

思科、戴尔、富士康母公司鸿海科技集团、惠普企业（HPE）、联想、QCT、超微（Supermicro）和Wiwynn八家公司已宣布支持该平台，覆盖从系统集成到液冷方案的完整生态链。

两种配置，分别对应超大规模与企业场景

Helion平台的第一种配置为纯CPU机架，搭载第六代AMD EPYC处理器，最高可扩展至32,768个CPU核心。AMD表示，该配置面向超大规模客户，提供专用的智能体执行容量，与模型推理基础设施相互独立。

第二种为一体化机架，将AMD EPYC CPU节点、AMD Instinct MI350P GPU节点与通用计算整合于单一平台，定位企业级智能体AI部署。

两种配置均支持液冷和风冷版本。此外，Helion还内置集成式令牌路由器（token router），可将AI智能体的模型调用分发至前沿模型和开源模型。

AMD高管：智能体AI不是单一工作负载

AMD计算与企业AI高级副总裁兼总经理Dan McNamara在声明中表示："智能体AI不是单一工作负载，它涵盖个人智能体、企业应用、代码执行和复杂工作流，每类场景的计算需求各不相同。"

他进一步说："AMD Helion将EPYC性能、开放软件和灵活机架设计整合在一起，让合作伙伴能够围绕客户需求构建系统，并高效利用可用电力。"

AMD还表示，Helion建立在现有AMD Helios机架级解决方案的设计思路之上，旨在让合作伙伴和客户能够将CPU与GPU配置与具体工作负载需求相匹配，包括性能、功耗和成本目标。

八大厂商背书，生态覆盖完整

八家合作伙伴均发表声明，表态支持Helion平台。

戴尔科技计算与网络高级副总裁Arun Narayanan表示，AMD Helion与戴尔PowerRack基础设施的结合，为客户提供了"一条完整、经过验证的大规模部署智能体计算路径"。

HPE高性能计算与AI基础设施解决方案高级副总裁Trish Damkroger表示，两家公司正在"以开放的大规模系统开启AI的下一个时代"，并指出该方案同时支持风冷和直接液冷网络选项。

思科计算业务高级副总裁Jeremy Foster表示："智能体AI正在改变客户对基础设施的需求，不仅仅是计算性能，还涉及整个系统的连接、管理和安全。AMD Helion这样的架构，结合思科的全栈基础设施能力，能给客户更大的灵活性。"

超微首席商务官Vik Malyala表示，超微将通过其数据中心积木式解决方案（DCBBS）将Helion推向市场，"帮助客户更快部署、高效扩展，加速智能体AI的上线速度"。

AMD表示，计划将Helion规范提交至开放计算项目（OCP），供更广泛的行业社区在此基础上进一步开发和采用。

这一举措延续了AMD在Helios平台上的开放平台策略，意在通过开放标准扩大生态影响力，吸引更多合作伙伴围绕该规范构建产品。

风险提示及免责条款

尊界V800检测报告出炉！懂车帝测试人回应：无语

Tue, 13 Oct 2026 03:12:59 GMT

今日，针对尊界V800制动踏板争议，尊界汽车公布了第三方检测机构出具的报告。针对该检测结果，懂车帝测试当事人“懂车大柯基东门”连发多文回应并提出质疑：“请问静态加载和动态加载一样么？PP聚丙烯+GF40面对静态载荷与瞬间动态载荷是一回事吗，1分钟20mm的加载，那既然都合格，就别升级了，还有既然是检测机构检验章呢？” 他还表示，企业已经做了大量实验室里的台架试验，用了那么多样件，花10分钟踩6次1500N的100km/h制动应该不难；企业有试验场地、有充足试验车辆、有试验设备、也有试验人，全都是现成的，量产车随机抽一辆验证并不难，台架上静态加载这么多，比这要浪费更多时间精力，还千里迢迢送到重庆去送检。随后，他又发文称，“样品01002，1500N永久变形4.07mm，限值5mm，真就卡着限值来啊，这还是精挑出来的送检件，做汽车工程的都明白，我无语了，不知道该说什么，就这样吧。”

风险提示及免责条款

硝化产品供给端强约束，有望成为下一个制冷剂？

Tue, 13 Oct 2026 02:48:35 GMT

硝化产品正在重复制冷剂的故事，但剧本并不相同。

2026 年以来，H酸、还原物、6-硝体、二硝体、硝化棉五个以硝化反应为共同源头的品种集体跳涨：H酸从年初 4 万元/吨升至 20 万元/吨，还原物从 2025 年末 2.5 万元/吨升至 18 万元/吨，涨幅均刷新历史纪录。触发点不在需求侧，而在供给端——2026 年 3 月 31 日是间歇式硝化工艺强制改造的最后期限，3 月 19 日内蒙古利元科技硝化装置爆炸，9 月 11 日应急管理部就《关于严格硝化企业分类整治强化重大安全风险防控的通知》公开征求意见，二硝体被纳入《危险化学品目录》，监管重心从"工艺"延伸至"产品"。此轮涨价的性质是产能的永久性退出而非周期性波动，弹性最强的三个品种依次为 H酸、还原物与硝化棉。

“重置大神”Tibo：AI“以人为本”，“一年内”将人类从“手机屏幕”解放

Tue, 13 Oct 2026 02:47:02 GMT

在10月初刚落幕的OpenAI 开发者大会（DevDay）上，全行业的目光都聚焦在那些能 24 小时常驻后台替人干活的智能体（Dots）上。市场普遍以为，一个功能更强大的超级助理，意味着人类将被更密集的交互、更复杂的界面和更频繁的弹窗进一步裹挟。

但在全球程序员口中被称为“重置大神”的 OpenAI 产品与平台负责人蒂博·索蒂奥（Thibault “Tibo” Sottiaux）眼中，这场技术跃迁的终点走向了另一个方向。

近日，在接受播客《Pioneers of AI》专访时，这位执掌 ChatGPT 与核心产品底座的操盘手抛出了一个判断：DevDay 带来的那些全天候智能体，从来没有打算造一个让人多盯两小时的 App；这项技术的目标，是在“一年之内”彻底把人类从长达二十年的“手机屏幕奴役”中解救出来。

想要达成这一步，科技巨头不仅要让代码学会自我迭代，更要在失控前给系统踩下刹车。面对狂飙的行业，Tibo反复强调一条红线：系统不能只顾着盲目追求全自动，最后反倒把人类挤成了边缘的配角。

如果我们只是无休止地单向追求自动化，那根本不是我们来到这里的意义，那也不是我来到这里的意义。

终结“注意力税”：常驻智能体不再追求频繁对话，转而走向彻底沉默

要看懂 Tibo 为什么断言“一年内解放屏幕”，首先要看懂刚刚亮相的 Dots 到底在革谁的命。

移动互联网过去二十年的商业逻辑，本质上是靠算法和红点向全人类征收“注意力税”。用户越是频繁解锁屏幕、在各个应用之间来回切换，平台的商业收益就越高。人类被迫带着电脑、捧着手机，日复一日地适应着技术的节奏。

常驻智能体的核心逻辑恰恰与此相反——它放弃了在前台抢夺眼球，选择在后台默默消化噪音。

在 OpenAI 内部，这种改变已经成为现实。Tibo分享了他在 DevDay 期间的亲身经历：在现场演讲开场前五分钟，系统监测到生产环境突发故障，他的 Dot 在后台第一时间捕捉到了异常并主动发信预警，甚至尝试介入修复。这种全天候监控的价值，在于让系统消化掉繁杂的琐事，让人彻底放心。

Tibo坦言，他现在开启一天的方式几乎不需要接触任何屏幕：

“我现在的早晨，通常只是呼叫我的 Dot，直接对着它讲话。我会问它：今天有什么紧急事项吗？今早它告诉我：‘没有任何紧急事项。’这就太美妙了。我可以安安心心地煮杯咖啡，望着旧金山的晨景放空。”

支撑这种从容与禅意（Zen）的，正是智能体在后台做的大量信息减法。Tibo解释道：

“这其中最大的魔法在于，我再也不必频繁去检查所有其他东西了——我不必再去翻看邮件，不必盯着 Slack，也不必挨个看各类消息。我可以放心地相信：如果它没有向我主动提出某件事，那这件事大概率就不重要。”

正因如此，他认为终结手机依赖的临界点已经极其接近：

“过去二三十年间，技术的发展让很多人对手机上瘾、去哪都背着笔记本，人类在被迫适应技术，而不是技术来服务人类。我觉得我们终于有机会实现跨越，创造出某种具有深度人性、深度辅助的东西……你不再需要对着这部微小的手机、这块小屏幕无休止地上滑。我感觉这将在一年之内（within the next year）水到渠成。如果我们做到了，不仅是我，许多人都会对自己的生活感到更加平静和禅意。”

权限的生死结：“不给访问权毫无用处，全权开放代价难料”

要把人类从屏幕前解放出来，让 AI 真正接管现实事务，首先要面对一道残酷的现实门槛：系统权限的信任鸿沟。

一个只能陪你闲聊的 AI 不需要权限，却也解决不了任何实际问题；一个能替你打理一切的智能体，必须深入你的私密领地——它需要读取你的财务流水才能做账，需要常驻工作邮箱才能筛选邮件，甚至需要操作系统的控制权才能跨软件执行任务。

在访谈现场，主持人卡利乌比道出了公众最普遍的戒心：当她告诉 23 岁的女儿自己把银行账户授权给 ChatGPT 进行财务管理时，女儿直接惊呼“你疯了吗”。

Tibo并没有回避这种抗拒，而是直接点破了智能体在落地中的工程死结——智能体的实用价值上限，直接由它所获得的物理权限决定：

“你从这些系统中能够获得的效用，在客观上直接受限于它拥有多少权限。你肯定不希望你的个人智能被完全关在一个无菌的盒子里、什么系统都碰不到——如果真那样，它在你的现实生活中将毫无用处。”

权限一旦锁死，智能体就只能停留在玩具阶段；可若是全面放权，一旦模型在长程任务中出现越权或误操作，造成的后果会直接越过文字层面的失误，演化成现实世界的财产和隐私灾难。

面对这一矛盾，OpenAI 摒弃了激进的全自动方案，转而建立起高度防守型的“渐进授权”与“人类终审权”：

“我并不建议大家一上来就把所有东西的访问权限一股脑全开放出去……你从受限的访问权限开始，设置自己的护栏。系统默认必须是极度谨慎的，它必须就每一件事向你征求许可——比如，你放心让它代你草拟一封邮件，但底线是‘绝不能擅自点击发送’——你必须永远处于控制回路中（You're always in control）。”

把执行权牢牢留在人类手里，让 AI 止步于起草和排查。这种克制，正是智能体能够走出玩具阶段、被真实商业和个人生活接纳的关键前提。

递归进化的底气：AI 正在编写下一代底座，打破工程的钟慢效应

支撑Tibo敢于断言“一年内改变人机关系”的底气，除了交互界面的重塑，更有 OpenAI 内部研发生产关系的剧变——AI 编写代码、优化自身底层系统的“递归自我改进（RSI）”，已经演变为现实中的生产力工具。

全天候运行的 Agent 意味着天量的推理算力消耗。为了维持这类系统的运转，团队必须在工程底层把效率压榨到极限。Tibo披露，在重构系统主入口时，原本耗时 6 到 12 个月的高难度代码库合并，在 Astra 模型的参与下仅用 30 天就完成了：

“现如今绝大部分代码，都是由 Astra 编写的。”

更具战略意义的是，模型直接参与了自身推理基础设施的重构，并带来质的跃升：

“例如，我们利用 Astra 开发了下一代推理技术栈，打造出了速度提升 8 倍的 Ultraast……由于我们拥有优秀的工程师，同时工程师能够调用 Astra，二者协作构建出了一个比原本快 8 倍的 Astra 版本；进而，我们又可以用这个快 8 倍的模型反哺系统，以过去难以想象的速度推进后续改进。这就是一种形式的递归自我改进。”

当模型开始协助构建下一代更快、更高效的系统时，研发迭代的周期被指数级压缩。这构成了 OpenAI 能够快速将复杂智能体推向现实的真正引擎。

刹车的底线：为什么OpenAI 必须敢于叫停？

越是拥有自我加速的能力，越需要不可动摇的刹车机制。

在访谈录制前夕，外部舆论正被安全事件的阴霾笼罩——OpenAI 内部测试的模型曾在特定环境下突破沙盒隔离，引发广泛关注；而在刚刚过去的 DevDay 上，备受期待的旗舰版本 Astra 6.1 也因安全评估指标出现微弱回退，在最后一刻被从发布日程上撤下。

面对外界对“模型失控”的担忧，Tibo坦承，强化学习下的模型天然倾向于“竭尽全力去解决问题”，在低防护的测试环境下容易寻找一切路径突破边界。正因如此，多层在线防御与严格的安全一票否决权才不可或缺。

对于压线叫停 Astra 6.1，Tibo甚至将其视作制度运转良好的证明：

“我们叫停了它，对此我感到极其自豪，这恰恰证明我们的风控体系在起作用。如果我们在安全和对齐评估的高水准线上哪怕看到极其轻微的回退，我们也绝不推向广泛发布。就直接扣下（withheld），这就是体系在起效的证明。在 DevDay 上宣布 Astra 6.1 本来会是一件极其风光的事，但在安全和对齐上，我们绝不妥协。”

在他看来，面对全球十亿级用户，在全行业抢跑的狂热中按下暂停键，远比盲目追求发布速度更为重要。

技术以人为本，人类绝不能成为系统的配角

整场访谈的底色，最终落脚在人与技术的根本关系上。

在当前科技圈充斥着“全面取代人类”的激进叙事下，这位掌管十亿级产品的“重置大神”，在访谈的开头与结尾，两次极其严厉地提醒行业守住初衷：

“我们在这里付出所有努力，是为了让这项技术最终将人类放在最中心的位置，而不是让人类沦为一个事后才被想起来的补丁（not humans being an afterthought）。如果我们只是无休止地单向追求自动化，那根本不是我们来到这里的意义，那也不是我来到这里的意义。我希望这项技术能惠及全人类。”

当被问及未来最大的担忧时，Tibo指向了更为深刻的社会现实：

“我最担心的，是这项技术未能用来改善每一个普通人的生活，而是以某种方式加剧了权力的集中，或是加剧了资本回报的垄断。”

二十年前，移动互联网许诺连接世界，最终却用方寸屏幕将人类捆绑；二十年后，当常驻智能体开始替人类接管后台、自我重构代码之时，Tibo给出的答案极其清晰：技术的演进旨在通过严密的权限与安全防线，把杂务交还给机器，把真实的生活重新留给人类。

风险提示及免责条款

尊界回应踏板争议：送检样品承受3000N未损坏

Tue, 13 Oct 2026 02:46:25 GMT

尊界V800的踏板风波，有了新的进展。

10月13日早间，华尔街见闻获悉，尊界汽车已向用户发送制动踏板检测情况说明。该说明显示，第三方检测机构于10月11日对尊界V800制动踏板进行检验，在纵向力加至3000N的加严试验中，受检样品未出现裂纹和损坏。

不过，尊界汽车方面表示，仍会继续升级制动踏板，扩大安全冗余。

华尔街见闻了解到，此次测试由中国汽车工程研究院股份有限公司检测中心进行。

该检测中心也是国家机动车质量检验检测中心（重庆）。交通运输部公布的检测机构名录显示，其具备乘用车、客车、载货汽车等道路运输车辆达标车型检测能力。

中国汽研2026年半年报披露，公司是具有国家级资质认定（CMA）的检验检测机构，也是中国合格评定国家认可委员会（CNAS）认可的检验机构和实验室。

本次披露的检测分为标准载荷检验与加严检验。报告摘要显示，4件样品接受了1500N纵向力检验，永久变形量分别为2.04毫米、4.07毫米、2.05毫米和2.28毫米，均值为2.61毫米，均未出现裂纹和损坏。所检强度项目被判定符合QC/T 788—2018《汽车踏板装置性能要求及台架试验方法》的要求。

报告所引用的强度试验方法要求，对制动踏板施加1500N±20N纵向力，每次保持5秒后卸载，重复5次，再测量永久变形量并检查是否出现裂纹或损坏。永久变形量不得大于5毫米。QC/T 788—2018是现行的推荐性汽车行业标准。

加严检验则列出了另外14件制动踏板部件总成，分别接受2000N至3000N的纵向力测试，其中两件样品的载荷为3000N。报告披露，加载速度为20毫米/分钟，每次保持5秒后卸载，共进行5次，试验后目视检查均未出现裂纹和损坏。

这场争议始于10月8日。懂车帝当天发布的测试视频称，3台全新尊界V800在时速100公里至静止的紧急制动测试中，均在第2至第4次制动时出现踏板支架断裂。其中，第三台车在第二次制动、支架断裂时，视频显示的踏板力峰值为1612N。

当晚，尊界汽车发布情况说明，称其制动系统按高于国家标准和行业标准的要求完成开发与验证，自首批车辆交付以来，用户实际使用场景中未发生制动踏板支架底座断裂故障。公司同时表示，将优化该部件设计，为已交付用户提供免费升级选择，并对设计验证、试验边界和生产质量管理开展复核。

双方对测试工况的判断存在分歧。尊界在此前声明中将其称为非标准的极端测试工况；懂车帝相关人员则回应，百公里刹车是汽车实测的基础科目，本次进行的是正常的大力制动。

这份报告为尊界此前关于踏板强度的回应补上了第三方检测依据。4件送检样品获得行标所检强度项目合格的判定，加严检验还提供了更高载荷下未出现裂纹和损坏的记录，最高测试载荷达到行标规定载荷的两倍。

尊界此前宣布的踏板升级仍将推进，公司给出的目标是继续扩大安全冗余。此前视频记录的是整车连续紧急制动，本次报告披露的是台架加载检验，两套试验的加载方式不同。

与此同时，踏板升级已有时间安排。10月11日下午，尊界客服确认，V800制动踏板支架底座升级方案预计于10月底确认，11月起陆续启动升级。当时具体升级方案尚未确定。

按尊界客服此前披露的安排，已提车用户可通过全国任一服务中心或购车门店预约登记，由用户中心联系安排升级；未发运车辆则会在升级后再交付，用户无需额外操作。

风险提示及免责条款

财报前夕，美银上调台积电目标价：2nm产能爬坡推高销售预期和利润率

Tue, 13 Oct 2026 02:38:46 GMT

台积电周四将公布三季度财报，美银美林预期台积电三季度营收超预期，2nm制程强劲爬坡成为核心驱动力，并在财报发布前夕上调目标价，维持买入评级。

据追风交易台，在美银美林10月12日发布的研究报告中，分析师Haas Liu将台积电美股（TSM）目标价从590美元上调至620美元（台股目标价从新台币3100元上调至3260元），并将2026至2028年每股盈利预测上调2%至9%。

此次上调的核心逻辑在于：2nm制程加速爬坡带动苹果移动SoC及AMD服务器CPU需求超预期，叠加多款GPU和ASIC产品向3nm迁移，推动三季度营收高于指引区间上限，并为四季度销售增长奠定基础。

美银预计，台积电四季度营收将环比增长10%至15%，全年有望实现超过40%的同比增长，符合公司此前指引。与此同时，尽管2nm产能爬坡及海外晶圆厂扩张带来成本压力，美银预计三、四季度毛利率将分别维持在67.0%和67.8%，低于市场近期67%至69%的乐观预期，但整体利润率韧性依然突出。台积电美股年内累计涨幅已超48%，美银最新目标价较当前股价仍隐含约37%的上行空间。

三季度营收预计超预期，2nm爬坡是关键驱动

据美银美林研究报告，预期台积电三季度营收以新台币计算环比增长18%，高于美银及市场预期的14%和13%。以平均汇率新台币31.99兑1美元折算，三季度美元营收或达到466.7亿美元，超出公司446亿至458亿美元的指引区间。

美银认为，此次超预期的核心驱动来自2nm制程的快速放量。该行估计，2nm在三季度营收中的占比已从二季度的3%跃升至约11%，主要受益于苹果新品发布周期的移动SoC备货，以及AMD Venice服务器CPU需求的强劲增长。与此同时，Mediatek和Qualcomm为旗舰智能手机SoC进行的增量库存备货也提供了补充支撑，尽管受安卓需求疲软影响，备货规模低于季节性水平。

在5nm和3nm节点，美银预计产能利用率将持续维持在100%以上，主要受高性能计算和AI需求拉动，包括Nvidia Rubin GPU、AMD MI400、AWS Trainium3等多款加速器产品的强劲需求，以及服务器CPU和网络交换芯片的持续增长。

四季度展望：混合均价提升推动销售，毛利率低于市场预期

美银预计台积电四季度营收将环比增长约11%，优于过去十年7%的季节性均值。驱动因素主要来自产品组合向先进制程的持续迁移：5nm及以下制程营收占比预计将从三季度的71%进一步提升至75%，2nm贡献度有望增至18%，其晶圆定价较3nm高出15%以上。

然而，美银对四季度毛利率的预测较市场更为保守。该行预计四季度毛利率约为67.8%，低于市场近期68%至69%的预期。主要拖累因素包括：2026年下半年海外晶圆厂及2nm产能扩张导致折旧环比增加25%至30%；以及随着2nm营收贡献扩大，良率爬坡带来的毛利率摊薄效应在四季度可能更为显著，预计影响幅度在3至4个百分点。

美银对2026至2028年的盈利预测整体高于市场共识5%至15%，主要基于更高的销售增长假设。美银预计台积电2026、2027、2028年每股盈利分别为新台币112元、161元和203元。

资本开支持续扩张，2027年有望突破830亿美元

在需求前景稳健的背景下，美银预计台积电2026年资本开支将达到约630亿美元，处于公司600亿至640亿美元指引区间的上端。支出重点集中于先进前端制造，包括3nm产能扩充约5.5万至6万片/月、2nm产能爬坡约6万片/月，以及A16初始产能安装约3000至5000片/月。

展望2027年，美银预计资本开支将进一步跃升至约830亿美元，用于N3、N2、A16及CoWoS-L的持续扩张，以及CoPoS和CPO等新技术的初步量产准备。美银测算，2026至2028年台积电资本开支复合年增长率约为20%。

值得关注的是，设备供应商计划自2027年起对前端制造设备提价10%至15%，后端封装设备提价5%至10%，这可能推动台积电额外增加约10%的资本开支。美银认为，凭借台积电相对供应链的强势议价能力，相关成本可在2027年下半年设备交付投产时通过晶圆代工定价向客户转嫁，并预计台积电将于2027年一季度对先进制程晶圆提价5%至10%。

尽管资本开支大幅增长，美银估计折旧增速将以21%的复合年增长率低于营收32%的复合年增长率，从而支撑毛利率在2028年扩张至68%至69%水平。

技术领先优势持续扩大，竞争格局稳固

美银认为，台积电在先进制程领域的技术领先地位正在进一步巩固。以晶体管密度为参照，台积电N3/N3E较Intel 3/18A领先约30%；展望未来，美银估计台积电A16/A12节点相对Intel 18A-P/14A的晶体管密度优势将进一步扩大至约50%至60%。

在后端封装领域，台积电正推进CoWoS技术升级，5.5倍光罩尺寸版本已于2026年量产且良率达98%以上，并计划在2027至2028年将技术推进至9.5倍至14倍光罩极限。美银预计，CoWoS-R/L行业供给需以52%的复合年增长率扩张以满足2026至2028年的需求，台积电将持续主导复杂GPU和ASIC封装市场。

对于市场关注的马斯克旗下Terafab潜在竞争威胁，美银认为风险被高估。该行分析指出，基于1190亿美元的十年投资计划，Terafab到2036年最多仅能建立约9.6万片/月的先进制程产能，远低于台积电的规模，且近期面临Intel 18A外部客户认证延迟等问题。美银判断，SpaceX反而可能成为台积电的重要锚定客户，在2029年消耗台积电约20%的先进制程产能。

美银维持对台积电的买入评级，目标价基于20倍2027年预期市盈率。Haas Liu指出，台积电当前股价对应2027年预期市盈率约为16倍，处于其历史估值区间11至21倍的中间水平，考虑到公司在先进制程领域的领导地位，当前估值"并不苛刻"。

美银分析显示，台积电主要客户当前市盈率较台积电溢价约45%，高于长期平均溢价22%；HPC客户的溢价更高达100%至150%，远超历史均值53%。美银认为，台积电股价过去两年的涨幅主要由盈利上调驱动，估值倍数扩张有限，未来随着技术领导地位进一步强化，股价存在重估至至少20倍NTM市盈率的空间。

~~~~~~~~~~~~~~~~~~~~~~~~

以上精彩内容来自追风交易台。

更详细的解读，包括实时解读、一线研究等内容，请加入【追风交易台▪年度会员】

风险提示及免责条款

中金：924两年后有何变化？

中金刘刚、张巍瀚 — Tue, 13 Oct 2026 02:32:51 GMT

尽管今年以来的全球市场都呈现巨大的分化和波动，但港股尤其是恒生科技的持续跑输依然显得尤为“扎眼”，恒科年初以来累积下跌23.9%，在全球范围内落后。如果从去年10月高点算起，更是下跌近40%。一个或许被忽略的事实是：时隔两年，恒生科技距离被视作本轮牛市起点的2024年924一度仅有不到4%的空间，两年之后几乎又回到了“原点”。

图表1：年初以来恒科下跌23.9%全球垫底

数据截至2026年10月9日

资料来源：Bloomberg，中金公司研究部

图表2：恒科目前距离回到2024年924原点仅一步之遥

资料来源：Wind，中金公司研究部

回望去年底，市场整体还弥漫着普遍的乐观情绪，诸多叙事言犹在耳：居民存款搬家、资产负债表修复、财富效应后的再通胀预期、A股“开门红”后港股接棒、人民币升值推动外资流入并受益港股等，不一而足。但我们并不认同当时的主流观点，并一直持谨慎看法：在2025年底《港股2026年展望：“牛市”的下一步》判断港股的上涨更多是政策脉冲叠加资金再平衡带来的阶段性修复，不具备持续大牛市的基础，指数上行本身存在明确的天花板。在《股市和汇率谁“错”了？》中提出，汇率升值不能视作港股上涨的原因，不考虑当前汇率升值原因就直接套用历史关系是一种谬误。在《港股市场2026下半年展望：热闹是他们的？》中我们进一步指出，港股今年大幅跑输的根源，本质是内需基本面和居民信用脉冲走弱的折射，这一点如果没有变化，港股更多体现的仍是赔率价值。

回顾过去两年，经济毕竟还在增长、出口持续超预期推动顺差创纪录、人民币汇率大幅升值、全球和国内AI产业蓬勃向上，我们不禁要问的是：港股为何能在2025年大涨、又在2026年大跌？为何唯独港股恒科跌回了原点？924以来两年改变了什么？是哪里出了问题？厘清这些问题，才能更好的帮助我们判断港股接下来是否会进一步跌破924低点，以及靠什么能再度崛起。

一、港股为何2025年表现强劲、2026年却落后全球主要市场？

港股尤其是恒生科技2025年上涨23.5%后，如果从2024年9月低点到2025年10月高点算涨幅甚至高达94%，但2026年却以23.9%的跌幅落后全球，这其中到底发生了什么变化？

► 首先，最主要的变化是居民信用周期的走向。需要明确的是，港股的结构决定了其与中国经济内需以及居民部门的信用周期紧密相关，尤其恒科更像是一个“大号版的消费指数”，当然恒指比恒科多了一些红利与本地地产与金融股，这也解释了为何今年的表现好于恒科。历史上，但凡是内需消费向好或者居民信用周期改善（如2017年棚改地产周期和2020-2021年疫情后的消费行情），港股尤其是恒科都大幅跑赢，但凡是消费走弱且居民信用周期收缩，港股普遍走弱或跑输。

图表3：恒科70%以上权重都集中在互联网、电动车、电商与消费电子等与消费息息相关的板块

资料来源：Bloomberg，Wind，中金公司研究部

图表4：相比而言，恒指成分更加多元，比恒科多了一些红利与本地地产与金融股

资料来源：Wind，中金公司研究部

图表5：内需消费向好或者居民信用周期改善时，恒科往往跑赢

资料来源：Wind，中金公司研究部

居民信用周期的起伏可以很好的解释2025年和2026年港股表现的巨大落差：1）2025年底以来，相比企业部门的韧性（尤其是科技和出口环节），居民部门信用脉冲却持续下行，今年3月起已经低于924起点，居民贷款余额也首次净减少。这一背景下，恒科的弱势就不奇怪了，与A股消费板块同样跌破924起点是一样的。本质上，在今年科技强而消费弱的K型分化下，恒科反映的就是K型分化的下半端。2）反之，同样的逻辑也可以解释为何2025年港股强势反弹。924后财政一度发力并补贴居民部门，拉动居民信用周期修复，成为港股率先反弹并大幅跑赢的关键。

图表6：居民信用脉冲自3月起低于924起点

资料来源：Wind，中金公司研究部

图表7：自3月居民存量社融同比转负，为历史首次

资料来源：Wind，中金公司研究部

► 那居民信用周期为何再度下行？背后是财政发力方向的变化。除了收入预期和信心修复缓慢、地产持续拖累这些结构性的因素外，2026年相比2025年的主要变化：是财政力度与去年基本持平（广义赤字率8.1%持平于去年的8.5%），发力方向还更多向科技与产业倾斜，居民端反而减少（如以旧换新等）。

图表8：924之后，消费受益于财政发力、以旧换新等政策支撑，但近期明显回落

资料来源：Wind，中金公司研究部

这与我们在去年11月报告《“被忽略”的牛市：日股90年代三轮牛市启示录》中针对90年代日股三轮牛市经验复盘得到的经验高度契合：日本在 “失去的三十年”里也有三轮规模可观的牛市，但每次持续一年左右就结束了，每次都始于财政刺激、也终于财政收缩。财政刺激能带来阶段性反弹，但如果深层次矛盾没有化解（如居民资产负债表修复与化债），一旦政策刺激消退，行情就很难维系，因此这三轮“牛市”放到长周期看没能逆转趋势，更像是“大的箱体震荡”，这与港股过去两年的表现何其相似。

图表9：日股90年代泡沫破裂后出现了三轮反弹50%、持续时间一年以上的牛市

资料来源：Bloomberg，FactSet，中金公司研究部

图表10：但在更长时间维度看，最终都呈现“箱体震荡”格局

资料来源：Bloomberg，FactSet，中金公司研究部

► 其次，科技硬件方向的缺失与港股头部互联网公司在AI投入上的落后。AI行情从2025年的计算芯片和云厂商的主线转向了2026年存储的一枝独秀，但港股在硬件上的缺失使其错过了2026年科技硬件的行情。此外，港股龙头互联网公司除了受内需拖累外，在AI投资、模型研发和收入兑现上也落后于美国和中国其他大模型和未上市公司，不似2025年DeepSeek时刻后的势头，都拖累了整体指数表现。

图表11：AI行情从2025年的云厂商逐渐转向2026年的硬件

资料来源：Bloomberg，FactSet，中金公司研究部

图表12：模型研发上中国大厂也整体落后于美国和中国其他大模型和未上市公司

资料来源：Artificial Analysis，中金公司研究部

► 资金面明显收紧。1）相比2025年充裕的资金面，港股2026年资金面明显趋紧，南向从2025年流入1.4万亿港元收缩至今年的4418亿港元；主动公募配置比例从2025年中的高点32.1%下滑至15.1%，低于924起点；海外主动资金也持续流出，对中国市场的配置比例从2025年中的7.2%降至6.0%。2）IPO和再融资规模7150亿港元，已高于2025全年的6138亿港元。3）美债利率不断走高、美联储重启加息，也造成了额外压力（《加息如何影响中国市场》）。但需要明确的是，资金更多是市场的结果，市场好的时候，资金流入形成强化市场表现的飞轮，而市场不好的时候，资金进一步流出形成压制市场的负反馈。

图表13：南向资金从2025年的净流入1.4万亿港元收缩至年初至今仅4418亿港元

资料来源：FactSet，中金公司研究部

图表14：主动公募配置比例从2025年中的高点32.1%下滑至15.1%

资料来源：Wind，中金公司研究部

图表15：海外主动资金中国市场配置比例也从2025年中高点7.2%回落至6.0%

资料来源：EPFR，中金公司研究部

图表16：2026年IPO和再融资规模高达7150亿港元，已经高于2025全年的6138亿港元

资料来源：Wind，中金公司研究部

二、924两年后：什么变了，什么又回到原点？

站在924政策底两周年和恒科重回原点的节点，对比两年前，哪些变了、又有哪些重回原点？我们从信用周期、市场表现、估值、盈利以及流动性等多维度复盘过去两年变化：

► 信用周期：居民回到924原点，企业修复，财政持平。对比924前，财政脉冲基本持平，但政策重心从消费转向科技，因此企业部门（尤其科技、出口链条）信用周期继续修复，但居民信用脉冲从2025年三季度掉头向下，目前已经低于924政策底。

► 市场表现：恒科几乎回到924原点，科技强而消费更低，分化更明显。恒生科技距离924起点仅有7.2%，几乎回到行情起点。拆解恒科的表现，盈利贡献了7.2%涨幅中的2.8%，估值扩张贡献了4.4%，都很有限。恒指与MSCI中国则仍有25%与17%的正收益。A股表现更强，相比924，万得全A上涨50%，科创50与创业板指涨118%与88%。

图表17：拆解恒科的表现，盈利基本持平，无风险利率则大幅拖累

资料来源：Bloomberg，中金公司研究部

板块层面，相比924起点，通信设备（+114%）、半导体（+113%）及电子设备（+108%）翻倍，但消费板块中的酒店餐饮、个人用品表现最弱，跌幅均超30%。A股同样如此，通信、电子元器件领涨，涨幅179%与143%，食品饮料下跌4%，餐饮旅游和地产落后。

图表18：港股通信设备、半导体以及电子设备自924以来均翻倍，但内需消费板块走弱

资料来源：FactSet，中金公司研究部

► 估值：恒科估值几乎回到原点，无风险利率走高是主要拖累。时隔两年，恒科12个月动态PE 14.2，基本回到924前14倍的起点。对比看，恒指期初动态PE 8.7，当前9.9，扩张14.2%；A股估值修复更明显，上证指数动态PE由10.7升至12.4，扩张16.7%；创业板指估值由17升至19.3，扩张13.7%。

图表19：恒科估值回到原点，创业板虽领涨但估值变化不大

资料来源：Wind，中金公司研究部

进一步将估值拆解为无风险利率与股权风险溢价，我们发现港股估值主要受无风险利率拖累（中债与美债按南向成交占比的动态加权），美债利率的走高（从3.7%升至5.2%）拖累恒科估值13.7%，风险溢价的改善则贡献了18.1%。

分行业看，924以来，银行、资本品估值提升最显著，动态PE分别由4.4与7.8升至6.2与10.5；消费板块估值则大幅收缩，其中汽车及零部件由29.1降至12.6，收缩56.7%；食品零售由30.1降至14.9，收缩50.4%。对比之下，硬件设备、半导体、原材料这类领涨行业，动态PE同样收缩10%-20%不等，主要是得益于更强劲的盈利增长。

► 盈利：恒科EPS原地踏步，科技增长消费下滑。924至今，恒科动态EPS仅小幅上行2.5%，在主要指数中垫底。恒指与MSCI中国EPS同期增长10%；A股盈利改善更突出，上证指数EPS增长14%，创业板指EPS增长69%，盈利增长贡献了88%涨幅中的绝大部分。

图表20：恒科动态EPS仅小幅上行2.5%，创业板指EPS扩张65%，业绩贡献绝大部分涨幅

资料来源：FactSet，中金公司研究部

行业层面也是如此，原材料、硬件设备板块EPS增长83.3%、80%，股价上涨完全依靠盈利增长；相反，食品饮料、家用产品与耐用消费品等消费板块EPS普遍下修5%-20%，这也与前文中提到的居民信贷脉冲、存量信贷走弱的宏观信号相互印证。

► 流动性：南向流入明显收窄，公募与海外基金配置均已接近甚至低于924。今年以来港股流动性显著趋紧，南向资金今年前9个月累计净流入仅4400亿港元，显著低于2025年1.4万亿港元流入。配置上，境内公募、海外主动基金对港股配置均已回落至924底部附近甚至更低。国内二季度主动偏股公募港股持仓占比由2025年中高点32.1%回落至15.1%，创2022年三季度以来新低。海外资金同样如此，EPFR显示海外主动资金今年以来持续流出，截至8月底对中资股配置比例从2025年中的7.2%降至6%，接近924时的5.6%。

总结而言：924两年过去了，恒科“原地踏步”，估值回到起点、盈利也几乎零增长。这其中，科技板块的表现和盈利都显著增长，消费的表现、业绩与估值都大幅收缩且低于924，意味着比924之前的结构分化更为显著。资金配置上，公募港股配置已经低于924，海外资金也基本回吐了过去两年的配置。

三、为何整体经济尚可，恒科却成为全球回报洼地？

过去两年，中国实际GDP增速维持在5.0%左右，总量增速不算差，产业层面并不乏亮点，如AI算力、新能源等新质生产力赛道蓬勃发展，外需维持高景气且持续超预期。但与之形成鲜明反差的是，港股尤其是恒生科技大幅回撤，几乎跌回924起点，指数回报与宏观经济明显背离。对比美国（2.2%左右），虽然实际GDP增速不如中国，但股市表现却更强。

除了前文中港股恒科自身特殊的结构因素和资金面外，从总量上还有两层原因：一是美国的名义增长更高（美国2025年名义GDP增速约5% vs. 中国名义GDP增速4%）；二是名义增长（收入）向实际利润（盈利）的传导，这其中则包含了利润率与周转率的差异。

图表21：中国虽然实际GDP增长高于美国，但考虑通胀后的名义GDP增长层面美国更高

资料来源：Wind，中金公司研究部

经济总量扩张、出口增长和产业景气度提升，并不必然意味着上市公司利润同步增长，如果1）过于激烈甚至非理性的竞争导致利润率下降，则会“增收不增利”；2）不考虑回报的过度投资会拉低周转率并增加杠杆，即便账面利润增长，也会挤占现金流，最终影响资本回报。具体来看，

► 行业竞争加剧、原材料涨价、汇兑损失等因素都会导致利润率下滑，导致“增收不增利”。在需求不足、供给扩张较快的背景下，企业通过降价争夺市场份额、扩大收入规模，却可能面临利润率持续下滑。规模以上工业企业的毛利率（12个月平均）由2021年的17%降至当前的15%，2026年以来有小幅改善。此外，伴随产能利用率的不断下行，亏损企业数量占比升至30%，也反映出行业竞争的加剧。

上市公司层面，A股非金融企业毛利率由4Q21的18.3%降至2Q25的17.7%，2Q26回到18.3%，上半年港股非金融企业毛利率和净利率分别为22.8%和6.4%，也略有改善，但仍大幅低于2018年上半年25.8%和8.3%的高点。上述改善也由部分行业驱动，科技板块盈利能力改善，信息技术行业毛利率由2025年上半年的17.4%升至2026年上半年的18.9%，其中半导体净利率同期由3.8%大幅提升至9.0%。相比之下，消费板块持续承压，同期毛利率由29.6%降至28.8%，净利率由9.4%降至7.3%（《四季度如何配置？财报里的胜率赔率线索》）。

图表22：科技板块盈利能力改善，相比之下，消费板块持续承压，同期毛利率降至28.8%

资料来源：Wind，中金公司研究部

► 过度投资与低效扩张降低资本使用效率，即使账面的利润绝对值还在增长，仍可能压低ROE。即便通过大量新增投资短期可能带来利润抬升，但如果持续依赖加杠杆和低回报的产能扩张，最终资本回报率反而可能下降。低效产能出清偏慢，导致供给增长快于需求，不仅加剧价格竞争，也降低了既有资产的使用效率，应收账款回收周期拉长、存货周转放缓。例如，制造业应收账款平均回款周期已拉长至70天以上，产成品库存周转天数也升至21天，回款周期拉长、营运资本占用上升。

我们在《中美上市企业盈利对比》中曾深度探究了中国非金融上市企业盈利能力与美股公司的系统性差距，MSCI中国的ROE明显低于美股，利润率的差异解释了大部分ROE的不同，资产周转率也普遍偏低，与上文的结论一致，而这又可以归因于中美在一次分配中要素资源配置的效率（金融资源的分配机制）、二次分配中税收的差异、全球价值链中所处位置、行业集中度等方面的不同。

总结而言，从景气行业的高投入转化为利润，需要匹配的高利润率、以及更高的资产周转率来支撑，过于激烈甚至非理性的竞争、或不考虑回报的过度投资，都有可能挤压最终的利润和资产回报。

四、是否会跌破924，又靠什么能再崛起？短期赔率价值凸显，但长期靠居民信用修复

短期看，根据我们在《港股市场的底部特征》中梳理的框架，恒科在近期新一轮快速回调后，已经再度具备了短期的底部特征，即赔率价值：1）估值与风险溢价，当前14.2倍动态PE已是924以来最低，2.9%的风险溢价距6月底3%的高位也仅一步之遥；2）情绪，14日RSI一度达到27.7的超卖水平；3）资金，近期南向资金有加速流入迹象，根据《谁是“聪明钱”》中梳理的规律，可以视作短期的底部指标。我们最新的赔率胜率框架显示，恒科的赔率处于有吸引力的区间。

图表23：恒生科技也再度触及了超卖区间

资料来源：Bloomberg，中金公司研究部

图表24：我们最新的跨资产与市场赔率胜率框架显示，恒科赔率处于有吸引力的区间

资料来源：Wind，FactSet，中金公司研究部

但要明确的是，也是我们一直强调的一点：单纯靠超卖情绪、低位仓位、估值赔率仅构成短期反弹的条件，并不直接等同于趋势性大底已经确立，估值低可以不跌（赔率），但也未必涨（胜率），这即是过去一年市场告诉我们的教训，也是90年代日本市场给我们的经验（《“被忽略”的牛市：日股90年代三轮牛市启示录》）。

港股要再度崛起，核心要看信用周期、尤其是居民信用周期的实质改善，这也是2025年反弹的关键，而这在短期内又靠财政的倾斜发力（重现924时刻）。本周财政部安排的5500亿元地方政府债务结存限额，将主要在11-12月落地投放，相较去年同期新增约500亿元，我们测算四季度广义财政赤字脉冲有望小幅抬升，但仍需要更多对居民端直接发力。除此之外，港股互联网龙头的DeepSeek时刻也是另一个可以关注的催化（年底指数调整后有望小幅改善其结构，《恒生科技扩容的影响与意义》）。

因此，恒科仍是赔率突出，但胜率不足的特征，要真正打开上行空间，需要重现“924时刻”或“DeepSeek时刻”。如果居民信用脉冲修复，恒科的弹性甚至会好于消费本身。配置层面，继续遵循“赔率博弈+结构选股”思路：科技要等产业催化（三季度业绩与Anthropic上市催化），周期看加息担忧缓解（CPI与10月底FOMC）；内需还得待更强财政信号（年底经济工作会议）；如果以上都没有，那么就只能以红利对冲了。我们最新更新的行业层面赔率胜率显示，近期排名靠前的行业分别是能源、交运、保险、汽车及零部件、原材料以及制药。

本文来源：中金点睛

风险提示及免责条款

Perplexity CEO：AI时代，真正的大机会藏在小企业里

鲍奕龙 — Tue, 13 Oct 2026 02:31:34 GMT

Perplexity CEO认为未来企业规模将更小，但盈利能力更强。美国GDP增长将更多依赖中小企业，这些企业借助AI工具，实现更高的资本与人力效率，以更少官僚主义快速创造价值。相比取悦大型企业客户，服务这类AI原生的中小企业才是真正的未来方向。

扎克伯格：当AI开始替人花钱，消费市场可能大爆发

张硕 — Tue, 13 Oct 2026 02:08:10 GMT

Meta创始人扎克伯格称用AI助手Muze陪三岁女儿烘焙，Muze会区分说话人、聊食谱，并通过Instacart自动备货凑单。

他因此新开账户、每周使用。他判断，当AI代理拥有账户、并替人决策下单，消费主体将从人扩展到“人+代理”。商业总市场显著放大，消费市场或迎爆发。

首发｜升级个人AI助理，千问将推出Personal Agent「千问Go！」

Tue, 13 Oct 2026 02:00:00 GMT

硬AI独家获悉，千问Personal Agent「千问Go！」即将发布。

在用户分享的体验视频中，它进入机票预订平台查找延误航班，与客服交涉后争取到70元现金赔付；也在淘宝中翻找满足价保条件的订单，为用户追回52元差价。

Muse的走红，让市场开始重新计算个人Agent的商业价值。Coding Agent之后，购物、出行和日常事务面向更广泛的用户。模型具备完成任务的能力，产品能处理真实App中的操作和沟通，个人AI助理就有机会贡献新的商业与算力增量。

01 用户说目标，千问Go跑流程

“我之前订的兰州杭州往返机票，出发有延误，我不记得是哪趟了，帮我在App上和客服沟通赔偿。”用户并没有给出完整的机票信息。

千问Go在云端中打开预订平台，登录后查找订单。订单页面没有明确的延误标识。它在4家航司的4个订单中逐一排查，结合客服反馈，锁定了东航MU2445为延误航班。

但联系客服的过程并不顺利。千问Go尝试拨打航司电话后，遇到外呼异常和智能语音阻碍，随后回到订单页面继续寻找人工客服入口，改用对话方式与客服沟通。

千问代用户申诉后，客服给出了合计70元的机票代金券赔付方案。

用户不接受代金券。千问Go回到客服对话，直接写出“我明确拒绝代金券，只接受现金赔付！”，多轮交涉后，争取到70元现金赔付，款项直接汇入用户支付宝账户。

另一个任务是申请价保的补偿，当用户想申请价保，知道“买贵了能退钱“，却不知道如何寻找入口、有哪些订单可以收到价保退款时，向千问提出了这一问题。

收到需求后，千问Go直接打开淘宝，找到价保入口，检查用户所有订单，识别出用户的一笔“三禾0涂层真钛锅不粘炒锅”在购买后，出现了降价行为。

最终，千问为用户退回了52元的差价。

此外，千问Go首批应用场景还将包括汽车保养询价预约、运动场地预订，以及结合补贴、旧机回收和送装费用计算冰箱到手价等任务。

02 千问Go扩大了办事范围

此前，千问已基于阿里生态和开放平台提供各类办事等能力。以目标明确、链路较短的需求为主，可在短时间内，迅速完成“打个车回家”、“中午买牛肉盖饭”、“选几个合适夏天穿的裙子”等任务。

硬AI获悉，基于Agent架构，千问Go升级了办事范围和服务能力，能够帮用户解决诸多需要反复查看、沟通、筛选比较的事务。

这些任务没有一条固定流程。在用户分享的案例中，订单信息可能不完整，电话也可能无法接通，客服给出的方案可能不符合用户要求，账户里有优惠券，也不意味着当前商品能用。

千问Go需要根据执行结果判断下一步：换入口、换平台、换沟通方式。用户交代的是目标和限制，Agent接受的是实现目标过程中的具体操作。

查订单、找人工客服、核对优惠规则，用户熟悉的麻烦。千问Go开始接手其中的具体操作。

海外的Muse也采用云端运行环境，Meta披露，Muse拥有独立的云端计算机和浏览器，可以代用户填写表单、沟通事务，并在用户关闭App后继续工作。

云端环境提供了执行条件，稳定完成任务还要处理平台限制。登录验证、客服中断和操作失败，都会影响任务完成率。外呼被拦，就回到App；客服断线，就重新找入口；赔付方案不合要求，就继续交涉。完成率取决于这类换路能力。

03 个人Agent的商业与算力增量

小额理赔、保价和询价都有价值，办理成本却可能让用户放弃。Agent接手查询、等待和沟通后，一部分原本没有继续办理的需求有机会转成服务调用与交易活动。

美银10月7日的研究认为，Agent帮助用户更顺畅地完成任务和购买，有望扩大整体在线活动。摩根士丹利预计，偏向个人的中国消费AI可变现市场到2030年约为3000亿元，2040年可能达到1.6万亿元，主要收入来自广告和交易佣金。万亿级空间是长期预测，距离兑现还有产品使用和商业化的检验。

执行任务也会扩大算力需求。Agent要反复读取页面、调用模型、判断下一步，并维持云端运行环境。花旗在10月6日的研究中上调了CPU市场预测，预计全球CPU市场规模将从2025年的290亿美元增长至2030年的3000亿美元，个人Agent带来的执行和编排负载是其判断依据。

阿里同时拥有个人Agent和交易平台，覆盖从提出需求到生成订单的完整链路，也有机会通过千问提高交易转化。

模型和云决定每项任务的成本。

用户愿意交出多少事务，决定了Personal Agent的商业价值。

本文来自微信公众号“硬AI”，关注更多AI前沿资讯请移步这里

风险提示及免责条款

AI交易降温叠加存储芯片竞争压力，韩股跌超5%，连续第二日重挫，SK海力士跌近8%

Tue, 13 Oct 2026 01:45:53 GMT

亚太股市周二大幅下挫，AI交易热情消退与存储芯片竞争压力双重夹击，韩国和日本科技股首当其冲，MSCI亚太指数创逾两个月新低。

中国内存芯片厂商长鑫科技在新型内存架构方面取得进展；与此同时，美国国债收益率维持高位，令市场对AI资本支出前景愈发担忧。

由于市场情绪疲软，周二韩国综合指数跌幅一度扩大至5.1%，触发交易所Sidecar熔断机制，暂停程序化卖盘五分钟；三星电子与SK海力士双双跌逾6%，走向五连跌。

日本方面，软银集团跌超8%，东京电子、爱德万测试等AI产业链个股均下跌超5%。MSCI亚太指数跌0.9%至270.78点，逼近8月中旬以来低点。

美国股指期货在亚洲早盘交易中走低。以科技股为主的纳斯达克100指数期货下跌0.5%，此前该指数周一回落；美国芯片制造商指数下跌2.7%。

存储竞争威胁加剧韩国芯片商压力

行业竞争格局的变化进一步打压了韩国芯片股的估值预期。

拖累主要来自内存芯片板块。长鑫存储总裁曹堪宇周末在行业活动上宣布，公司在下一代4F²存储单元架构上取得关键进展，计划2026年底前推出基于该架构的服务器内存产品。

这种设计用专有的垂直环绕栅极晶体管抑制漏电，能在单颗芯片上塞进更多存储单元，直接指向AI服务器所用的高毛利DRAM。

受此消息及隔夜美国芯片股下跌拖累。三星电子下挫6%，SK海力士则跌近8%，走向五连跌。

韩国综合指数报6061.82点，跌幅5.1%；韩国小型股指数跌幅达2.49%。韩国交易所当地时间上午9:47启动Sidecar机制，此前KOSPI 200期货指数跌幅已持续逾一分钟超过5%，触发该机制并暂停程序化卖盘五分钟。

Eugene资管首席投资官Ha SeokKeun表示：

韩国芯片制造商的估值和股价，似乎正在受到景气周期能否持续至2028年及以后的不确定性拖累。

在日本，日经225指数跌幅超过2%，东证指数则相对抗跌，小幅下滑0.2%。日本央行行长植田和男原计划于当地时间下午1:00出席国会，市场对货币政策方向保持关注。

软银集团跳空低开，随后持续下挫，跌幅近9%。

东京电子、爱德万测试等AI产业链个股下跌超5%。

利率与盈利季构成下一关键变量

市场目光正转向即将到来的宏观数据与财报季。野村资产管理首席策略师Hideyuki Ishiguro表示：

部分投资者可能担忧，较高的债券收益率将影响AI相关融资，并导致资本支出放缓。

本周四，台积电季度财报将发布，被视为AI需求前景最重要的风向标之一。与此同时，美国消费者价格指数（CPI）数据将于本周公布，此前美国国债收益率已升至数十年高位。

Glenmede投资策略与研究主管Jason Pride表示：

本周CPI报告很可能是美联储10月会议前看到的最重要数据。在通胀没有明显超预期的情况下，美联储大概率会对下一次加息保持耐心。

美国大型银行财报季亦于周二正式启动，高盛、摩根大通、花旗集团和富国银行均将发布业绩。

据彭博行业研究数据，分析师预计标普500成分股第三季度利润同比增长约25%。Ameriprise首席市场策略师Anthony Saglimbene表示，银行股（反映消费与企业健康度）、大型科技股（AI货币化进展）以及能源股（油价驱动盈利的持续性），将是本轮财报季解读的三条主要线索。

其他资产表现

美元指数小幅下挫0.1%，回吐前一日部分涨幅。

10年期美债收益率下行3.7个基点至5.209%。

大宗商品方面，WTI原油跌0.9%，布伦特原油跌0.9%至约105.80美元/桶。

现货黄金延续隔夜跌势，周二亚太时段跌0.36%，报4157美元/盎司。

风险提示及免责条款

DeepSeek将完成1000亿元融资

Tue, 13 Oct 2026 01:42:05 GMT

多位参与交易人士称，大模型公司DeepSeek将在近期完成最新一轮融资，融资金额从此前计划的500亿元增至约1000亿元。这是DeepSeek的第二轮融资，不到半个月拟融资金额翻了一倍。其中，新老股东的拟投资金额约各占一半。融资规模翻倍未影响整体估值，目前DeepSeek的投前估值仍为约5000亿元。据多名独立信源的交易人士称，本轮新进投资方包括石溪资本、中芯聚源、CPE源峰、君联资本、吉利等，以产业投资方为主。此外，首轮入局的老股东们也在本轮交易名单中，包括宁德时代、腾讯、IDG资本、砺思资本和拾象资本。其中，宁德时代加码投资，拟增资约100亿元，其在首轮中出资金额约为50亿元。（财经杂志）

风险提示及免责条款

Perplexity CEO：AI时代，赚钱不再靠流量，是靠帮用户赚更多

董静 — Tue, 13 Oct 2026 01:26:05 GMT

Perplexity CEO认为，AI时代的产品逻辑已经从追求海量用户的“网络效应”转向了追求极高使用深度的“递归效应”；企业赚钱的核心不再是盲目追求十亿级的庞大流量，而是通过提供高价值的AI工具，让百万级用户在深度使用中赚到大钱并对平台产生依赖，从而实现平台的商业变现。

A股三大指数集体低开

Tue, 13 Oct 2026 01:25:53 GMT

上证指数跌0.96%，深证成指跌1.79%，创业板指跌2.18%。

风险提示及免责条款

印度重启“货币保卫战”：央行接管石油巨头购汇，投机炒汇的空间被砍掉95%

Tue, 13 Oct 2026 01:15:44 GMT

印度储备银行在周末推出一揽子卢比保卫措施，将国有石油公司每日高达2.5亿至4亿美元的购汇需求直接转移至央行资产负债表，同时重启4月危机期间启用的衍生品管制手段。

印度储备银行自2026年10月12日起开设专项窗口，直接通过指定银行向印度石油（IOC）、印度斯坦石油（HPCL）和巴拉特石油（BPCL）三家国有炼油商提供外汇，完全绕开即期市场。

据高盛新兴市场策略师Rishi Radia与Lu Sun在题为《印度：印度储备银行加强卢比防御》的报告中指出，上述措施短期内可能推动卢比升值1%至2%，但并未解决美元流入不足这一根本问题。

高盛认为，这意味着此前每日在市场上打压卢比的最大购汇方已从现货市场消失。高盛估算，按当前约100美元/桶的油价计算，三家炼油商的年度美元需求约达1200亿美元。

高盛报告直言不讳：

然而，美元的实际需求并未改变，只是转由印度储备银行的外汇储备来满足。

换言之，卢比在即期市场上的压力得以缓解，但代价是储备消耗速度加快。只要油价维持在100美元附近，印度进口的每一桶原油都将直接消耗外汇储备。

与此同时，印度储备银行还重新祭出4月急性压力期间短暂使用的衍生品管制组合，包括禁止重新预订已取消的卢比外汇衍生品合约、将无需事先证明实际敞口即可建立的外汇衍生品头寸上限从1亿美元骤降至500万美元，并对超过200万美元的购汇对冲合约设立20%的现金保证金存款要求。

高盛警告，上述措施对资本市场的整体影响仍存在不确定性，卢比面临的结构性压力尚未消除。

4月危机工具箱重启，管制力度全面升级

本周末另外三项措施均指向同一目标——压缩市场参与者的投机性购汇空间。

印度储备银行重新对已取消的卢比外汇衍生品合约禁止重新预订。高盛指出，该措施"并非新举措"，曾于2026年4月1日在卢比急性压力期间首度引入，但仅维持19天便于4月20日撤销，如今再度登场。

同步推出的是幅度更大的头寸限额削减：无需预先建立实际敞口即可持有的外汇衍生品头寸上限，从1亿美元大幅压缩至500万美元，降幅达95%，适用于所有授权交易商及各主要外汇衍生品交易所。

印度储备银行同时要求签署承诺书，防止同一敞口通过多家授权交易商重复对冲。

此外，印度储备银行新设外汇风险准备金（FERR）机制，规定授权交易商就涉及经常账户交易、合约名义价值超过200万美元的购汇衍生品合约，须按卢比名义金额的20%向印度储备银行缴存现金，并在合约存续期内持续维持。高盛将此定性为"变相提高购汇对冲成本"。

高盛报告特别点明，上述管制存在一个明显漏洞。那些并非印度储备银行授权交易商的境外独立银行并不直接受上述要求约束，因为它们提供的是卢比无本金交割远期（NDF），高盛预计"部分对冲需求可能因此流向NDF市场"。

境内市场收紧，意味着对冲活动可能加速向印度储备银行触达能力相对有限的离岸市场迁移。

短期挤压可期，结构性压力犹存

从市场定位看，高盛认为当前市场整体持有美元兑卢比多头，上述措施可能触发1%至2%的卢比短期升值，远期点差也有望近期明显回落。

但高盛同时警告，这些措施"并未解决美元流入不足的根本问题，印度储备银行最终可能仍需通过提升实际利率来吸引资本流入，届时远期点差可能再度走高"。

在此背景下，高盛给出的交易建议为：逢低做多隔夜指数掉期（OIS），并持有卢比对菲律宾比索的多头头寸。

就宏观背景而言，印度储备银行近期已在"渐进紧缩"立场下加息25个基点至5.50%，外资年内净卖出印度股票约310亿美元，国内机构则净买入约720亿美元。

高盛经济学家Santanu Sengupta预计，印度储备银行将在12月再度加息25个基点，并在2027年上半年累计再加息50个基点，将政策利率推升至6.25%。

卢比此前已接近96.8的历史低位，高盛此前亦曾指出印度Nifty指数录得堪比互联网泡沫时代的连续9周下跌纪录。

一揽子管制措施能否扭转趋势，市场将在10月13日公开市场操作卖出及10月20日税款缴纳引发的流动性抽水后得到进一步检验。

风险提示及免责条款

7年才能长成的橡胶树，撞上了史诗级厄尔尼诺

万周 — Tue, 13 Oct 2026 01:12:11 GMT

2026年8月以来天然橡胶价格明显走强，市场将目光投向强厄尔尼诺，但这轮行情的基础早在十余年前形成：全球主要产胶国新植与翻种面积较2012年高峰下降约七成，印尼传统胶园持续减产，泰国供给由南向北迁移。

天然橡胶已经进入供给增速下降、价格中枢有望抬升的阶段；2026年天气冲击放大短期涨幅，2027年的泰国旺产兑现与科特迪瓦增量将决定上涨能否持续。需求端整体平淡，高胶价对轮胎厂的成本传导或是本轮行情规模的主要约束。

一、发生了什么？——厄尔尼诺来袭，天然橡胶价格突破多年高位

1. 胶价加速，全球市场共同感受到供给风险：

进入2026年8月，天然橡胶价格突然变得强势。国内沪胶期货在9月底突破每吨2万元，引发市场对2010—2011年橡胶牛市的联想。价格走强并非只发生在中国市场：东南亚标准胶原料报价、国际20号胶和相关期货同样反映出供应趋紧预期。

……

财险反内卷进入深水区：产品新规正式落地，财险行业盈利弹性一触即发？

万周 — Tue, 13 Oct 2026 01:11:56 GMT

10月9日，国家金融监督管理总局发布《财产保险公司保险产品开发管理规定》，于11月1日起施行。此次修订为持续推进的非车险综合治理增加了产品源头约束。保险公司过去依靠渠道费用和条款变通争夺保费的空间收窄，行业承保质量有望进一步改善。

一、发生了什么？——非车险治理延伸至产品源头

1. 产品、费率与责任管理同步收紧：

新规首先对保险产品本身提出了更严格的要求。例如，有些保险产品看似提供了丰富的保障，实际上保障责任很少；还有一些保险公司通过附加险扩大保障范围，却没有相应提高保费，借此争夺客户。新规明确了八类禁止开发的产品情形，并专门规范附加险，要求附加险与主险具有明确关联，防止保险公司利用产品设计变相降价。

其次是规范定价和实际执行。对于已经制定行业示范条款或基准纯风险损失率的险种，保险公司原则上应当采用相关标准；如果采用不同方案，需要说明理由。同时，保险公司不能通过特别约定、批单等方式，私下改变已经审批或备案的保险责任和费率。简单来说，保险公司申报了什么保障、什么价格，实际经营就应按照相应规则执行。

最后是强化内部责任。新规要求保险公司建立由主要负责人牵头的产品管理委员会，明确首席合规官和总精算师的审核责任，并定期评估、清理不再适用的产品。这意味着产品开发、定价和后续管理都将受到更严格的约束，也提高了保险公司通过不规范产品和价格竞争获取业务的成本。

……

投AI就像进赌场！

朱雪莹 — Tue, 13 Oct 2026 01:03:11 GMT

投AI，现在越来越像进赌场了！

10月12日，博通和英特尔两大芯片巨头的CEO同时发出警告：AI行业最大的瓶颈，已经从芯片、电力变成了钱。

博通CEO陈福阳说得更直接：很多投资者根本不知道自己在投什么，简直就像在赌场里下注。

马斯克随后转发了这番话，还补了一刀：“在赌场就别哭！”

但问题是，这场豪赌到底有多大？

博通预计，AI算力供不应求的局面可能持续到2030年。这意味着，科技巨头还得继续投入巨额资金，但这些钱最终能不能赚回来，谁也不敢打包票。

更有意思的是，就连Meta这样的科技巨头，内部也有人担心赌输了怎么办。

最近，Meta首席AI官Alexandr Wang就透露了一段内幕。

去年底，Meta高管团队在夏威夷开会时，首席财务官Susan Li曾多次私下把他拉到一边，反复警告：如果新AI模型做不出来，财务后果将非常严重。

“重置大神”Tibo：就在一年内，AI将让人不再盯着手机屏幕

董静 — Tue, 13 Oct 2026 00:55:33 GMT

OpenAI核心产品与平台负责人Tibo认为，AI将在一年内把人类从手机屏幕中解放出来，回归更人性化的生活，但前提是我们要警惕并防止AI技术导致权力和财富的过度集中。

美股现疫情以来未见之情景！高盛：机构“恐慌性涌向价值股”，科技股资金流“急剧逆转”

Tue, 13 Oct 2026 00:31:55 GMT

美股表面平静之下，暗流汹涌。标普500指数虽距历史高点不足1%，但市场内部的分化程度已触及互联网泡沫破裂以来最差水平，机构投资者正以新冠疫情冲击以来从未有过的速度，争相涌入"安全资产"。

据高盛资金流向策略师Lee Coppersmith最新报告，高盛质量因子（GS Quality Factor）过去8周累计涨幅超过16%，这一量级的走势自2020年新冠疫情冲击以来从未出现。与此同时，科技股资金流向出现急剧逆转——此前连续数周蝉联净买入榜首的科技板块，上周骤然转变为净卖出幅度最大的板块，多空比率跌至五年来第17百分位。

高盛认为，尽管市场内部风险规避情绪显著升温，但极度集中的市场结构历史上并非看跌信号，未来1至3个月标普500指数仍有望继续走高。油价与利率走势，是当前最主要的下行风险。

指数掩盖真相：市场内部分化达互联网泡沫以来最差

标普500指数的平静外表，正在掩盖一场深层的结构性分化。

高盛数据显示，标普500成分股的中位股票目前已较自身高点下跌16%，而指数整体仍距历史高点不足1%。以高盛偏好的市场广度衡量指标来看，当前市场广度已恶化至互联网泡沫破裂以来的最低水平。

Lee Coppersmith指出，这种分化最清晰的体现，是正在发生的"非凡的质量资产大逃亡"。高盛质量因子在过去8周内上涨逾16%，这一速度通常只出现在市场承受重大压力的时期，而非指数徘徊于历史高位之际。"SPX表面之下，存在远比指数所呈现的更多的风险规避情绪。"他写道。

科技股资金流急剧逆转，工业股迎来年内最快买入

科技板块的资金流向出现了本轮行情中最值得关注的转折。

高盛Prime数据显示，科技股在此前五周中有四周位居净买入榜首，但上周骤然转变为净卖出幅度最大的板块，多空双向均有抛售——既有多头平仓，也有新增空头。科技股多空比率已降至1.8，处于五年来第17百分位。值得注意的是，该板块的总持仓规模仍处于五年来第97百分位，意味着资本存量依然庞大，但边际买盘的积极性已大幅减退。

与此同时，工业板块出现了自今年1月以来最快的买入速度（+1.8个标准差），几乎全部来自新建多头，此前该板块已连续五周遭到净卖出。金融板块同样吸引了资金流入，软件板块则展现出相对强势。高盛认为，这是资本开始寻找主流领导板块之外机会的初步迹象，是否演变为持续趋势值得持续观察。

此外，必需消费品板块过去八周中有七周遭到净卖出，多空比率跌至五年来第3百分位；生物科技板块则经历了五年多来最大幅度的累计八周总持仓压缩。

仓位极度轻盈，历史数据支持指数续创新高

尽管市场内部风险规避情绪浓厚，高盛认为当前仓位结构反而构成潜在的上行支撑。

高盛美国股票情绪指标（GS US Equity Sentiment Indicator）目前读数为-1.3，处于历史上前瞻回报相对可观的区间。全球基本面多空基金净杠杆率处于过去一年第6百分位（仅看美国则为第2百分位），对冲基金整体净杠杆率处于第10百分位。总持仓规模虽仍相对较高，但方向性判断的信心已明显不足。

在历史规律方面，彭博统计了1995年以来13次标普500前十大成分股相对等权重指数跑赢超过8%的情形，此后六个月标普500中位回报为+10.1%，12个月中位回报为+19.6%，均高于历史中位数的+6.9%和+15%。当前这一表现差距为855个基点。Lee Coppersmith表示，"极度集中的市场领导结构，历史上与指数持续上涨完全兼容。"

油价与利率仍是最大尾部风险

高盛认为，制约市场情绪进一步修复的核心变量，仍是油价与利率。

10年期美债收益率突破5%后，高盛利率团队认为收益率的非对称性已偏向下行，利率波动率也开始回落。对于美股而言，并不需要国债大幅反弹，仅是利率企稳便足以提供支撑。

然而，油价与地缘政治局势构成明显的干扰因素。高盛大宗商品团队预计布伦特原油将于12月回落至90美元/桶，并在2027年均价80美元，但同时强调近期风险明显偏向上行。当前油价中仍内嵌逾20美元/桶的风险溢价，供应中断风险依然存在，油价是当前最大的潜在威胁。

此外，高盛还注意到期权市场的一个信号：英伟达的下行隐含波动率已降至新冠疫情前从未出现的低位。作为全球市值最大的公司和AI交易的核心标的，高盛认为这为希望对冲AI交易平仓风险或质量因子拥挤风险的投资者，提供了一个"隐藏在眼前的机会"。

风险提示及免责条款

全球最大资管“转向”：看多短期美债，下调美股

Tue, 13 Oct 2026 00:31:19 GMT

全球最大资产管理公司贝莱德（BlackRock）宣布对美国国债和股票的核心配置立场作出重大调整，标志着其坚守近六年的低配美债策略正式终结。

据彭博报道，贝莱德投资研究院将短期美国国债上调至超配，将长期美债由低配上调至中性，理由是当前收益率水平已具吸引力，且市场对美联储加息的预期可能“过度”。与此同时，该机构将美国股票由长期持有的超配下调至中性，并将美国机构抵押贷款支持证券（MBS）同步下调至中性，以为上述转变提供资金来源。

此次调整发生在10年期美债收益率突破5.2%的背景下，较贝莱德2020年10月首次低配美债时的约0.9%大幅攀升。贝莱德策略师Jean Boivin、Wei Li及全球固定收益首席投资官Rick Rieder在研究报告中写道：

“如今收益率已回归我们长期以来预判的高利率水平，希望锁定部分具有吸引力的收益。”

近六年低配立场终结，高收益率触发转向

贝莱德于2020年10月首次将美国国债列为低配，彼时10年期基准收益率仅约0.9%。此后，随着经济增长超预期、资本需求旺盛，以及油价上涨和中东局势紧张引发的通胀担忧重燃，10年期美债收益率持续攀升，目前已突破5.2%，创逾二十年新高。

贝莱德团队表示，在当前收益率水平下，即便未来12个月内收益率再上行75个基点，美债所产生的利息收入仍足以抵消价格损失，总回报不至于转负。这一测算为其超配短期美债提供了量化支撑。

此外，贝莱德认为市场当前对美联储加息的定价已走得过远。利率互换数据显示，交易员预计未来12个月内美联储将至少加息三次，每次25个基点。贝莱德认为，一旦这些押注被修正，短期美债将尤为受益。

下调美股为“管控近期风险”，AI长期逻辑不变

贝莱德将美国股票下调至中性，主要理由是“AI基础设施建设过程中潜在的波动性”。该团队明确强调，此次减持并非改变对美股的长期判断，而是着眼于短期风险管理。

“我们是在管控近期风险，而非改变核心判断，”该团队在报告中写道。“我们对AI依然持建设性立场，并随时准备在能见度改善、出现具有吸引力的入场时机时重新加仓。”

贝莱德表示，其对人工智能投资浪潮的信念保持不变，仍看好AI相关公司及上市基础设施资产。不过，随着利率持续走高，企业能否创造高于资本成本的回报，正成为区分个股表现的关键变量。

贝莱德此次转向，是大型资产管理机构在收益率大幅上行后集体重新审视固定收益配置的缩影。PIMCO高级投资组合顾问Rupert Harrison上周表示，该公司整体债券组合的久期"处于很长时间以来最长的水平"。

风险提示及免责条款

英特尔和博通CEO同日警告：资本已成AI最大瓶颈，ROI比芯片更短缺！马斯克回应：在赌场就别哭

Tue, 13 Oct 2026 00:29:05 GMT

两家芯片巨头的掌门人同日在新加坡发出警告，AI行业最大的瓶颈，从“造不出芯片”变成了“借不到钱”。

10月12日，博通CEO陈福阳（Hock Tan）与英特尔CEO陈立武（Lip-Bu Tan）同台出席新加坡星展银行（DBS）亚洲未来前沿大会。

陈福阳表示：“我认为最大的制约因素是资本。”他指出，过去两年AI行业接连遭遇供应瓶颈——内存短缺、晶圆不足、电力紧张——但一一克服。然而资本问题的性质不同。他警告，随着AI基础设施建设持续扩张，融资难度可能超过任何一种硬件短缺。

陈立武随即附议，将资本成本上升和ROI不确定性列为AI行业当前最核心的挑战。

如果说前方有什么挑战，那就是资本和资本成本；另一方面，从长远来看，人们需要看到ROI。

两人的表态迅速引发市场反应。博通当日股价下跌1.88%，英特尔跌幅达3.20%。

马斯克：“在赌场就别哭”

博通CEO陈福阳在会议上的另一番话更为犀利。

据彭博最新报道，他表示：“很多投资者根本不知道自己在投什么。”他将部分AI投资者的行为比作在赌场押注。

这番话在社交媒体上迅速发酵。马斯克在X平台转发相关帖子后，仅留下五个字作为回应：

“在赌场就别哭。”（"No crying in the casino."）

算力需求仍旺，但供需缺口将延续至2030年

尽管发出警告，两位CEO对近期需求均持乐观态度。

陈福阳表示：“算力基础设施的需求超过我们所能供给的量。”他预计这一供需失衡将持续至2029年，甚至延伸至2030年。

陈立武则表示，未来两到三年内，AI行业不太可能出现显著放缓，AI应用的持续普及和算力需求的增长是主要支撑。

但他也划出了一条警戒线：更长期的增长，将取决于企业能否真正落地AI应用、实现效率提升，并产生可量化的经济效益。

中国模型竞争压力下，ROI压力进一步加剧

陈立武还提到了另一个变量：来自中国的竞争。

他表示，中国前沿AI模型的token成本更低，普及速度“非常快”。DeepSeek、Kimi、GLM等模型已经“足够好”，能够满足部分使用场景的需求。

这直接冲击了“最贵的系统必然主导市场”的行业假设，也让那些押注高端算力基础设施的投资者面临更大的ROI压力。

但陈立武说，“我坚信开源是推动效率的最佳方式，市场最终会决定哪些模型最适合不同的应用场景。”

博通、英特尔仍在大举融资

两位CEO发出警告的同时，两家公司自身也在积极寻求资本。

据此前报道，博通正寻求从Apollo Global Management和Blackstone等投资者处筹集逾500亿美元，用于为OpenAI定制AI芯片，支持数吉瓦级算力部署，初步协议预计年底前完成。

英特尔则于今年8月完成了一笔规模扩大的公开募股，以每股95美元的价格发行2.105亿股，募资约200亿美元，高于最初计划的150亿美元。

风险提示及免责条款

REA狂揽9万颗星，AI开始“拆解”软件：万亿美元软件帝国的护城河还剩多少？

万周 — Tue, 13 Oct 2026 00:06:45 GMT

短短数日，开源项目REA在GitHub狂揽超9万颗星，将AI逆向分析商业软件的能力推到聚光灯下。它通过连接专业逆向工具与编程Agent，降低了研究和复现部分软件功能的门槛。随着AI Coding与Agent发展，软件行业原有的功能壁垒、订阅定价和工作流控制权面临重新检验。

Adobe等工具软件可能先遭遇功能商品化，Salesforce和ServiceNow则需要争夺Agent时代的业务入口；SAP、Oracle、EDA及核心安全平台仍拥有数据、流程与可靠性壁垒。

软件价值的分化，或比行业整体替代更值得关注。

一、发生了什么？——GitHub狂揽9万颗星，AI开始研究没有源代码的软件

1. 一条陡峭的Stars曲线，点燃软件行业的新焦虑：

2026年10月，GitHub上名为Reverse Engineer Anything（REA）的开源项目迅速蹿红。公开历史快照显示，其Star数从10月7日约1.1万升至10月12日9万以上，五天新增超过8万。

参照系同样重要。OpenClaw、Hermes Agent等项目在2026年先后积累数十万GitHub Star，形成持续数月的AI Agent热潮；REA的总量仍较小，却在短短数天完成近十万量级关注度的跃升，初期增长斜率在GitHub为历史级别。

2. 从人工逆向工程到Agent调查软件：

REA的核心能力，是将Ghidra、Hopper、IDA等专业分析工具，以及JavaScript、Electron、.NET和网页运行观察能力，统一接入编程Agent。

面对一款没有源代码的应用，Agent可分析本地二进制、模块结构、调用关系和部分可观察行为，获取附带证据和限制说明的结果，再结合Claude Code、Codex等工具编写所需功能。这种衔接使原本依赖专业工程师连续操作的调查流程，更容易纳入自然语言驱动的开发工作。

……

2027见闻历预售开启！连续第9年的财经“神”历，也是你第九年的陪伴

华尔街见闻 — Mon, 12 Oct 2026 20:30:40 GMT

风险提示及免责条款

华尔街见闻 - 资讯 - 最新

家族信托减持27.5亿港元股份后，张勇又向海底捞借了1亿元

AI时代，每个新产品“不做Agent入口，就沦为其他Agent的数据”

AI软件的终局：“不做入口，就沦为无头数据”

生产力范式跃迁：盲测中AI审核已超越人类

重塑成本与架构：打造“无限上下文”的错觉

“删除产品”法则：未来6到12个月代理将能连续工作数月

人工智能在盲测中基本能够击败人类

始终在线的代理就像给一个真正在工作的朋友发短信

持久工作流而不是作业队列，然后是新消息的排序规则

打造出一个感觉拥有无限上下文的产品

未来6到12个月代理将能连续工作数月

新产品要么集成到现有系统中，要么就沦为供其他代理使用的数据

中金：全球银行股“东升西落”的启示

摘要

正文：全球银行股“东升西落”的启示

财政取向：从需求刺激到修复资产负债表

利率周期：从息差红利到久期风险

信贷周期：扩张空间和风险后置

盈利与估值：周期错位下的相对收益机会

AI时代，你不在餐桌边就在菜单上

马斯克谈芯片生产：中国规模化制造能力往往超过全球其他地区总和

马斯克：中国规模化能力是系统性优势

长鑫存储技术突破触发市场抛售

本轮AI狂潮：身兼“科网”与“地产”泡沫特色，神似2008国际资本大循环

海外储蓄大腾挪：从买美债到押注美股AI

既是“科网”也是“地产”：AI资产的结构异变

债务与证券化狂飙：告别VC股权，复刻次贷前夕金融工程

对照历史泡沫破裂法则：裂痕出现在哪里？

投资者对冲AI风险！巴西股市强势突破长期下行趋势

财政改革预期驱动金融股领涨

巴西成对冲AI集中风险的多元化选项

上涨空间犹存，但选举不确定性仍在

AMD推出Helion智能体AI机架设计，最高支持32768核，思科戴尔等八厂商联合背书

两种配置，分别对应超大规模与企业场景

AMD高管：智能体AI不是单一工作负载

八大厂商背书，生态覆盖完整

尊界V800检测报告出炉！懂车帝测试人回应：无语

硝化产品供给端强约束，有望成为下一个制冷剂？

“重置大神”Tibo：AI“以人为本”，“一年内”将人类从“手机屏幕”解放

终结“注意力税”：常驻智能体不再追求频繁对话，转而走向彻底沉默

权限的生死结：“不给访问权毫无用处，全权开放代价难料”

递归进化的底气：AI 正在编写下一代底座，打破工程的钟慢效应

刹车的底线：为什么OpenAI 必须敢于叫停？

技术以人为本，人类绝不能成为系统的配角

尊界回应踏板争议：送检样品承受3000N未损坏

财报前夕，美银上调台积电目标价：2nm产能爬坡推高销售预期和利润率

三季度营收预计超预期，2nm爬坡是关键驱动

四季度展望：混合均价提升推动销售，毛利率低于市场预期

资本开支持续扩张，2027年有望突破830亿美元

技术领先优势持续扩大，竞争格局稳固

中金：924两年后有何变化？

一、港股为何2025年表现强劲、2026年却落后全球主要市场？

二、924两年后：什么变了，什么又回到原点？

三、为何整体经济尚可，恒科却成为全球回报洼地？

四、 是否会跌破924，又靠什么能再崛起？短期赔率价值凸显，但长期靠居民信用修复

Perplexity CEO：AI时代，真正的大机会藏在小企业里

扎克伯格：当AI开始替人花钱，消费市场可能大爆发

首发｜升级个人AI助理，千问将推出Personal Agent「千问Go！」

01 用户说目标，千问Go跑流程

02 千问Go扩大了办事范围

03 个人Agent的商业与算力增量

AI交易降温叠加存储芯片竞争压力，韩股跌超5%，连续第二日重挫，SK海力士跌近8%

存储竞争威胁加剧韩国芯片商压力

利率与盈利季构成下一关键变量

其他资产表现

DeepSeek将完成1000亿元融资

Perplexity CEO：AI时代，赚钱不再靠流量，是靠帮用户赚更多

A股三大指数集体低开

印度重启“货币保卫战”：央行接管石油巨头购汇，投机炒汇的空间被砍掉95%

4月危机工具箱重启，管制力度全面升级

短期挤压可期，结构性压力犹存

7年才能长成的橡胶树，撞上了史诗级厄尔尼诺

一、发生了什么？——厄尔尼诺来袭，天然橡胶价格突破多年高位

财险反内卷进入深水区：产品新规正式落地，财险行业盈利弹性一触即发？

一、发生了什么？——非车险治理延伸至产品源头

投AI就像进赌场！

“重置大神”Tibo：就在一年内，AI将让人不再盯着手机屏幕

美股现疫情以来未见之情景！高盛：机构“恐慌性涌向价值股”，科技股资金流“急剧逆转”

指数掩盖真相：市场内部分化达互联网泡沫以来最差

四、是否会跌破924，又靠什么能再崛起？短期赔率价值凸显，但长期靠居民信用修复