华尔街见闻 - 资讯 - 最新

月之暗面发布Kimi K3.1Pro和K3.1ProHighspeed

Fri, 23 Oct 2026 17:18:35 GMT

月之暗面正式推出 Kimi K3.1 Pro，这是 K3.1 系列的第一个模型，也是我们迄今能力最强的 3 万亿级参数模型，支持 100 万上下文。Kimi K3.1 Pro 在代码、3D 创作、金融研究和其他长程 Agent 能力上的提升尤为显著。同步推出高速版模型 Kimi K3.1 Pro Highspeed，同等智能，输出速度约 2~3 倍。

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。

原油盘中涨近4%，布油冲上117美元，中东风险持续、空头回补加把火

Fri, 23 Oct 2026 17:14:31 GMT

中东能源供应风险持续升温，叠加周末前空头回补及期权对冲买盘，国际原油进一步走高。

美东时间23日周五美股早盘时段，美国WTI原油一度逼近103.30美元/桶，日内涨幅超过3.8%；布伦特原油一度突破117.40美元/桶，日内涨近3.8%。若维持涨势至收盘，美油将在连跌两日后连续第二日收涨，并有望创一个多月来的收盘新高；布油则有望连续第三日收涨，至少连续第二日刷新5月初以来的收盘高位。

从周度表现看，美油有望在此前连跌两周后连续第三周上涨，布油则有望连续第五周收涨。布油年内累计涨幅已超过85%，中东冲突引发的供应风险溢价仍是支撑油价的重要力量。

因此，后续市场需要重点关注中东冲突是否进一步波及关键产油设施及运输通道、霍尔木兹海峡原油出口能否保持恢复势头，以及柴油等成品油的供应紧张是否继续加剧。如果冲突长期化的预期进一步强化，供应担忧可能继续支撑油价；反之，若实际供应保持韧性、局势未进一步升级，前期累积的地缘政治风险溢价也可能回落。

中东冲突风险外溢，沙特能源设施与运输通道承压

推动油价走高的首要因素，是中东冲突向重要产油国及能源运输通道扩散的风险上升。

媒体指出，也门胡塞武装近期加大了对沙特的袭击力度。据报道，沙特阿美周四要求员工撤离位于东部达兰的总部，并安排员工远程办公。与此同时，胡塞武装声称近期袭击了沙特红海港口，并宣称发动针对沙特石油设施及机场的袭击。

这些事态加剧了市场对沙特能源基础设施和出口通道安全的担忧。沙特是全球主要产油国，其石油生产、运输或出口一旦受到实质性干扰，影响可能迅速传导至国际原油市场。

风险还涉及霍尔木兹海峡及其周边海上通道。美国与伊朗之间的冲突持续，双方围绕海上运输及封锁措施的对峙尚未消除；如果战事进一步升级，原油运输可能面临新的干扰。

美国总统特朗普周四再次威胁对伊朗采取进一步行动。据新华社援引美国《纽约时报》21日的报道，美国和以色列军方已制定具体计划，准备在11月美国国会中期选举结束后再次打击伊朗，但特朗普是否会批准实施这一计划尚不确定。

上述计划虽然并不意味着军事行动已经发生，但加剧了市场对冲突长期化和供应风险进一步扩大的担忧。

值得注意的是，沙特已通过东西向输油管道，将部分原油运输从波斯湾转移至红海沿岸的延布港，以绕开霍尔木兹海峡。沙特阿美CEO Amin Nasser周四表示，这条管道的输油量已从每天约200万桶增至约700万桶。不过，红海方向同样面临胡塞武装袭击威胁，绕行能力并不能完全消除供应风险。

周末前空头回补，期权对冲买盘放大涨势

除地缘政治风险外，交易层面的力量也在助推油价上涨。

CIBC Private Wealth Group高级能源交易员Rebecca Babin认为，随着油价上涨，市场出现明显的“负Gamma”对冲效应。

简单来说，部分期权做市商在卖出看涨期权后，可能面临需要随价格变化调整对冲头寸的风险。当油价持续上涨时，这些做市商可能需要买入更多原油期货，以对冲自身的风险敞口。随着价格进一步走高，对冲买盘又可能增加，从而形成放大涨势的正反馈。

Babin表示，大量看涨价差交易使做市商处于负Gamma状态，这种动态在油价升至110美元附近时开始产生明显影响，做市商为对冲敞口而进行的买入操作似乎放大了市场涨势。

与此同时，周末前的仓位调整也可能为油价提供额外支撑。由于周末期间原油期货市场休市，如果中东局势突然升级，投资者无法及时通过常规交易调整仓位，因此部分交易者选择提前回补空头或减少看跌敞口。

这意味着，当前油价上涨并非完全由新增的实际供应损失推动，部分涨幅也来自市场对未来风险的提前定价，以及衍生品交易对价格波动的放大。

不过，这类交易因素同样具有双向性。一旦周末没有出现新的冲突升级，或者市场开始下调对供应中断的预期，前期积累的多头仓位也可能引发获利回吐。

美国为与伊朗长期对峙做准备，油价短期仍面临上行风险

展望后市，中东冲突长期化的风险仍是支撑油价的重要因素。美国常驻联合国代表迈克尔·华尔兹最新表态显示，美国政府已做好与伊朗长期对峙的准备，冲突持续时间可能远超特朗普最初的预期。

据新华社援引英国《金融时报》23日刊发的专访报道，华尔兹表示，美国已做好与伊朗长期对峙的准备，双方一年后可能仍陷于僵局。届时，美伊双方或许仍未就伊朗核计划达成协议，霍尔木兹海峡航运也可能无法恢复至冲突前水平。华尔兹希望伊朗能在上述情况发生前“坐到谈判桌前”。

这一表态与特朗普最初对军事行动持续时间的判断形成鲜明对比。新华社指出，特朗普最初曾表示，对伊朗的军事行动将持续“四至五周”，但战事至今仍未结束。随着冲突持续，燃油价格高企，化肥及其他大宗商品供应短缺，海湾地区能源设施和出口通道也遭到严重破坏。

华尔兹还表示，特朗普政府正进一步加大对伊朗的经济施压。他称，美国总统特朗普和美国海军有能力在可预见的未来维持对伊朗港口的封锁。按照他的说法，只有处理掉伊朗的高浓缩铀，并与伊朗就其境内铀浓缩活动达成实质性协议，美国在这场冲突中的战略目标才算实现。

与此同时，据新华社援引《纽约时报》报道，美国和以色列军方已制定具体计划，准备在11月美国国会中期选举结束后再次打击伊朗，但特朗普是否会批准实施这一计划尚不确定。

对原油市场而言，这意味着供应风险可能持续更长时间。即使短期内没有出现新的重大供应中断，只要市场认为霍尔木兹海峡航运恢复仍存在不确定性，原油价格就可能继续包含较高的地缘政治风险溢价。若冲突进一步升级，关键能源设施或运输通道遭到新的打击，油价仍可能受到提振。

不过，油价进一步上涨也面临制约。如果霍尔木兹海峡原油运输继续恢复，实际供应紧张程度可能低于期货市场的预期；持续高企的运费和能源成本也可能压缩炼厂利润，限制原油加工需求。油价涨幅过大还可能抑制消费，并加剧全球经济面临的成本压力。

原油期货与实货市场分化，供应恢复仍是关键变量

尽管地缘政治风险持续推高期货价格，中东原油供应却并非一直处于恶化状态。

彭博社援引摩根士丹利的数据称，中东原油出口量已恢复至接近战前水平。霍尔木兹海峡原油运输近期有所恢复，对实货市场形成一定压力，实货原油价格走弱，与期货价格持续上涨形成反差。

这一分化反映出两个不同的市场逻辑：期货交易者更关注未来供应中断的可能性，而实货市场则更直接地反映当前可获得的原油数量、运输成本和炼厂采购需求。

运输成本是其中一个关键变量。

TD Securities高级大宗商品策略师Ryan McKay表示，除中东冲突升级风险外，运费正在成为影响油价的重要边际因素。较高的到岸成本可能压缩炼厂利润，进而限制炼厂加工量，对原油价格上涨形成一定制约。

但与此同时，原油运输成本高企、供应链受阻，也可能使柴油等成品油市场继续保持紧张。

因此，当前市场面临的并非简单的原油供应不足，而是原油运输、炼化加工与成品油供应之间的结构性矛盾。即使原油出口逐步恢复，只要运输成本居高不下、成品油供应仍然受限，能源价格压力就未必会同步缓解。

柴油供应紧张加剧能源压力，美国再动用战略油储

原油价格上涨的影响已经延伸至成品油市场，其中柴油供应尤其值得关注。

彭博社指出，成品油价格今年以来的涨幅甚至超过原油，柴油尤为明显。中东地区成品油运输仍受到限制，叠加乌克兰持续袭击俄罗斯炼油设施，进一步加剧了全球成品油供应压力。

在这种背景下，多国政府已开始动用库存，以缓解能源供应紧张局面。

美国能源部周五宣布，授权紧急交换最多40万桶战略石油储备（SPR）原油，以应对路易斯安那州Lake Charles炼厂的原油供应中断。该炼厂由Phillips 66运营，日加工能力约为26.4万桶。能源部表示，此次交换将帮助弥补临时性的原油交付缺口，维持路易斯安那州及周边地区交通燃料的生产供应。

此次安排并非直接出售库存，而是以借出原油、日后归还并额外偿还一定数量原油的方式进行。美国能源部称，Phillips 66将归还所借原油，并额外返还溢价原油，以帮助补充战略储备。

不过，这次应急交换规模有限，主要针对特定炼厂的供应中断，并不等同于美国为压低整体油价而进行新一轮大规模释储。

更值得关注的是，美国战略石油储备已经降至1982年以来的最低水平。此前，美国政府因伊朗战争导致的供应链扰动而动用库存，此前拜登政府也曾在俄乌冲突后释放储备。库存缓冲能力下降，意味着未来若出现更大规模的供应中断，美国可用于迅速弥补缺口的战略资源将受到限制。

与此同时，特朗普政府仍在寻求其他方式缓解国内燃油价格压力，包括推动与俄罗斯达成柴油供应安排。

原油价格持续走高，可能进一步推高汽油、柴油及航空燃油等产品的成本，并通过运输、物流和工业生产等环节传导至更广泛的商品价格。如果能源价格上涨持续较长时间，通胀压力也可能重新抬头，令各国央行在控制物价与支持经济增长之间面临更复杂的权衡。

风险提示及免责条款

泽连斯基确认乌美俄三方会谈11月上半月举行，俄方称将在阿布扎比举行

央视新闻 — Fri, 23 Oct 2026 16:49:58 GMT

乌克兰总统泽连斯基23日表示，他已与美国总统特使威特科夫和女婿库什纳通话，与俄罗斯和美国方面举行会晤的计划安排在11月上半月。泽连斯基同时表示，乌方愿意在任何一天举行会晤。

俄罗斯总统新闻秘书佩斯科夫10月23日表示，11月上半月，俄、美、乌三方将在阿布扎比开始举行俄罗斯和乌克兰安全保障问题的谈判。他称，目前正在讨论三方谈判形式，但未来不排除欧洲参与。

俄罗斯总统普京22日表示，通过与美国总统特使威特科夫的会晤，俄罗斯和美国就重启俄美乌三方会谈达成一致。三方会谈的目标是讨论在和平协议最终达成后如何确保俄乌的安全，而不是仅仅为了短暂的停火。

佩斯科夫：军方正在协调奥列什基停火期限

俄罗斯总统新闻秘书佩斯科夫10月23日在简报中表示，军方目前正在协调赫尔松地区奥列什基市的停火期限，行动细节若可公开，或将由国防部通报。他称，美国总统夫人梅拉尼娅·特朗普在协调进程中发挥了主导作用，俄方感谢美方、美国总统和夫人参与解决人道主义问题。

佩斯科夫表示，在人道主义行动框架内，所有愿意的人都可以离开奥列什基市。他称这一过程至少需要数天，目前不做任何预测。

佩斯科夫在答问时还表示，攻击俄境内各种目标的企图没有停止，军事合作也没有中断。不需要盲目乐观，也不妨碍推进人道主义任务、达成谅解、协调困难细节。他称，当前情况下俄方更愿意聚焦于已取得的成果。

白宫网站10月23日发布消息称，俄乌双方已同意自10月29日起在赫尔松地区奥列什基市实施局部停火，以便运送人道主义援助和组织平民撤离。

乌官员称奥列什基市即将开展解除封锁行动

乌克兰最高拉达人民公仆党议会党团主席阿拉哈米亚23日表示，奥列什基市即将开始解除封锁，行动旨在建立持续运作的人道主义走廊，以安全疏散平民并运送援助物资。他称，近期将实现停火，此前美国第一夫人梅拉尼娅·特朗普已通报这一消息。

白宫称特朗普夫人促成俄乌局部停火

美国白宫23日发表声明说，是美国总统特朗普的夫人梅拉尼娅促成俄罗斯和乌克兰达成在奥列什基的停火。停火将从10月29日开始。

声明说，梅拉尼娅及其代表直接与俄乌两国领导层进行了磋商，以确定局部停火的具体条款。梅拉尼娅表示，来自俄乌两国非军事部门的平民代表将共同前往奥列什基，评估当地居民所需援助，并将对希望撤离的居民提供支持及安排交通工具送往其意愿目的地。

声明还说，停火范围仅限于奥列什基，俄乌两国同意暂时停止在奥列什基的一切军事行动，以便人道主义物资进入，并安排平民通过指定的安全通道撤离。

据白宫介绍，奥列什基位于赫尔松地区。自俄乌冲突爆发以来，该市一直处于前线地带，大部分居民已离开，但仍有1700至2000人留守，多为无法离开的老年人，另有约50名儿童。

本文来源：央视新闻，原文标题：《泽连斯基确认乌美俄三方会谈将于11月上半月举行》、《佩斯科夫：军方正在协调奥列什基停火期限》、《乌官员称奥列什基市即将开展解除封锁行动》、《白宫称特朗普夫人促成俄乌局部停火》。

风险提示及免责条款

从CoreWeave到Anthropic，芯片抵押融资正重塑AI债务市场

Fri, 23 Oct 2026 16:07:49 GMT

以芯片为抵押物的结构性融资，正在成为全球AI扩张的核心资金引擎，并迅速发展为一个规模可能突破万亿美元的全新资产类别。

这一市场的雏形始于2023年黑石向CoreWeave提供的一笔23亿美元私募信贷，成为芯片抵押债务的首单标志性交易。

如今，博通正与华尔街机构磋商为Anthropic安排600亿美元芯片融资，SpaceX据报正寻求为英伟达芯片融资400亿美元，英伟达本身亦宣布与六大贷款机构达成5000亿美元合作框架。

摩根大通分析师预计，2030年前芯片支出总额或超3万亿美元，其中大部分将依赖举债融资。

然而，这场债务扩张也带来不容忽视的风险。由于交易多为私募性质，投资者缺乏便捷的退出渠道；芯片厂商、云计算巨头与新兴云服务商之间的交叉敞口高度集中。

CoreWeave企业层面的垃圾级债券近期大幅下挫，部分跌至面值80美分，收益率攀升至约15%，折射出市场对AI商业回报的深层疑虑。

一笔融资开创新范式

这场革命的起点，是黑石战术机遇团队对一个陌生概念的审慎评估。据当时参与尽调的CoreWeave联合创始人Brannin McBee回忆，黑石高管当年曾直接发问："什么是GPU？""AI是真实存在的吗？"

获得满意答案后，黑石于2023年主导完成了对CoreWeave的23亿美元私募信贷，开创了芯片抵押债务融资的先例。

这一结构的核心逻辑在于：成立特殊目的载体（SPV）购买并持有芯片，以目标客户合同产生的现金流偿还债务，债务期限与芯片五至六年的折旧周期相匹配，从而将硬件贬值风险锁定在可预测范围之内。

CoreWeave的模式脱胎于商品市场经验——类似液化天然气领域"先签合同、再融资建厂"的开发模式。首笔交易以微软合同为抵押，彼时融资成本高达中双位数利率水平，McBee坦言这是他"职业生涯中最艰难的一次尽调"。

随着CoreWeave客户阵容持续扩大，其融资成本随之下降。今年3月，公司以Meta合同为支撑完成85亿美元债务融资，借款利率降至约6%——华尔街按照Meta的高评级而非CoreWeave自身的垃圾评级来定价风险。

芯片成本远超数据中心

理解这场融资革命的规模，需要首先理解芯片支出的量级。芯片造价是容纳它们的数据中心的两至四倍，却在五至六年内折旧殆尽，由此形成了传统资本市场难以独立消化的巨额融资缺口。

以AI云服务商Nscale在西弗吉尼亚州的旗舰项目为例，配套发电厂预计耗资65亿美元，数据中心及设备造价180亿美元，而GPU采购成本则高达470亿美元。

Alphabet旗下谷歌、微软、亚马逊、Meta等投资级云计算巨头可借助充裕现金或廉价债券融资覆盖上述硬件成本，但OpenAI、Anthropic及一众新兴云服务商并不具备这样的资产负债表实力。

OpenAI业务财务官Mike Liberatore坦言："基础设施建设规模史无前例。没有任何剧本告诉你，如何在极度资本密集的情况下，用传统方式从零走向通用人工智能。"

为此，业界移植了项目融资与结构性融资的机制：通过SPV将每笔交易风险隔离，以交易本身的质量和客户信用而非发行人自身评级为基础举债，往往不计入企业资产负债表。

芯片厂商直接入场背书

博通与英伟达的深度介入，将这一市场推向了新的量级。两家公司为相关债务交易提供"兜底"承诺：

一旦借款方违约，芯片将被重新租赁或出售以偿还剩余债务，芯片厂商负责填补缺口。这一机制使SPV发行的优先级债券能够与芯片厂商的投资级评级挂钩，显著压低融资成本。

Apollo与黑石近期联合完成了一笔350亿美元的"Big Sky"交易，为Anthropic提供支持。这也是博通、Apollo与黑石联合搭建的"AI XPV"平台首单落地交易——美国银行策略师估算，该平台若实现20吉瓦的融资容量，至2029年中期或需2350亿美元有背书债务。

在此次Anthropic交易中，博通提供兜底支持的两只优先级债券获得投资级评级，最大一档利率为5.75%；风险较高的45亿美元次级档定价8.5%——仍远低于Anthropic作为未评级私营公司的独立融资成本。

今年8月，英伟达更集结了Apollo、黑石、贝莱德、Brookfield、KKR及高盛，共同为AI基础设施提供融资来源，英伟达本身承诺兜底其中最高25%的份额。

从私募走向银团市场

要实现真正意义上的规模化，芯片融资必须突破私募市场的边界，进入银团贷款乃至投资级公开债券市场——后者是全球规模最大、成本最低的资本池之一。

CoreWeave今年率先完成了芯片支持的银团杠杆贷款，两笔交易均获机构投资者稳健认购，在市场上交易价格接近面值，与同一公司的企业级债券形成鲜明对比。

摩根士丹利结构性产品与私募资本市场全球负责人Rich Myers表示："这些融资与市场上最具价值的资产直接挂钩，也就是芯片所产生的算力。大量证据表明，算力需求将持续增长，且超过算力供应。"

Apollo全球资产配置负责人Chris Edson则表示，传统公开债务市场无法独力满足数字基础设施的融资规模，需要项目融资、私募配售、保险资金及商业房地产等多类资本参与。获得投资级评级，是打开保险资金等最大资本池的关键钥匙。

风险积聚不容忽视

然而，随着资本加速涌入，风险也在同步积聚。

Fitch Ratings高级董事Jason Pompeii指出，当前的厂商融资规模前所未有，且风险高度集中。"这只会增加一种可能性：一旦AI最终令人失望，整条供应链都将受到冲击。"

交易结构的私募性质导致流动性存疑。由于大多数芯片融资交易不在公开市场流通，投资者难以便捷退出，而交易将少数芯片厂商、云计算巨头与新兴云服务商深度绑定，交叉敞口高度集中。Magnetar替代信贷与固定收益业务董事总经理Dave Snyderman警告："巨头只会更大。只有他们才能获得融资渠道。"

客户合同的法律效力同样存在疑问。Carlyle资产支持融资负责人Akhil Bansal直言："所有人都假设这些合同牢不可破，但我关注的是现实层面——如果只有七家机构为GPU提供所有信用支持，筹码究竟在谁手里？"

Nuveen私募固定收益负责人Laura Parrott则表示，她目前暂缓参与大型投资级芯片交易，待市场结构更为成熟后再行评估。"这是一种全新结构，一旦出现某种冲击，我们尚不清楚结果会如何演变。"

此外，宏观层面的变数同样存在：德克萨斯州的地方反对势力已促成新项目暂停令，甲骨文在新墨西哥州的项目受监管阻碍被迫推迟付款，OpenAI与Anthropic也在就安全问题讨论放缓部署节奏。

迈向"算力资产类别"

尽管挑战并存，市场参与者对这一范式的长期潜力仍持乐观态度。

黑石战术机遇团队高级董事总经理John Watson将当前时刻比作汽车行业的早期岁月：当年为福特T型车提供融资的人同样面临"人们真的会开车吗"的疑问，如今汽车金融已发展为规模庞大、运作成熟的市场。

在芯片市场演进层面，早期研究与实际使用数据显示，芯片的实际使用寿命正超出当前会计处理所体现的年限，这将改善其可融资性。美国银行基础设施与可持续融资全球负责人Karen Fang预计，类似二手车价格指南的半导体估值工具将逐步出现，进而催生更活跃的芯片租赁与对冲市场。

Watson描绘的终极愿景是：将一个算力单位转化为可在全球范围内交易和融资的资产类别——"我们理解算力的经济价值，因而为它融资。"

实现这一目标，仍有赖于AI商业化进程真正兑现市场预期。

风险提示及免责条款

美国将氦归类为制造半导体的关键材料

Fri, 23 Oct 2026 16:02:21 GMT

美国能源部将氦列为关键材料。美国能源部长克里斯·赖特在声明中表示：“氦对于生产支撑美国经济的半导体和先进技术至关重要。将氦列为关键材料是我们保障供应链安全迈出的又一步。”

风险提示及免责条款

AI股遭遇DeepSeek时刻以来最惨一跌！高盛动量组合抹去全年涨幅，半导体指数逼近年线

Fri, 23 Oct 2026 15:39:20 GMT

AI动能交易正急转直下。曾在6月一度累计上涨约70%的高贝塔动能组合，如今已悉数回吐年内涨幅；费城半导体指数（SOX）在过去9个交易日相对标普500指数的表现，更创下逾20年来最差纪录。

10月23日，市场对AI投资回报的疑虑进一步升温。高盛交易台将本轮AI及半导体板块的集中抛售称为“自DeepSeek冲击日以来最差表现”，Meta财报引发的AI投入成本与回报之争，成为本轮跌势加速的催化剂。

抛售正在从股价层面蔓延至投资组合。高盛Prime数据显示，对冲基金基本面多空净杠杆率已降至过去一年的第1百分位，全球AI股票多空比也跌至第6百分位；与此同时，瑞银数据显示，系统性策略的做空杠杆率已升至过去五年的第99百分位。

市场风格也随之转变。随着高贝塔动能交易退潮，低波动与盈利质量因子重新走强，资金开始从追逐高弹性资产转向更注重防御性与盈利确定性的策略。AI交易能否重新获得支撑，取决于市场对巨额资本支出回报的重新评估。

年内涨幅悉数归零，动能交易遭遇重挫

数据显示，高盛高贝塔动能配对组合（GS High Beta Momentum Pair）在6月峰值时年内涨幅一度达到约70%，截至10月已将涨幅全部回吐。无约束动能策略（Unconstrained Momentum）也正经历全球金融危机以来最严重的回撤，仅次于疫情冲击期间。

高盛交易台表示，上周四，前期强势股再度遭遇集中抛售，AI及半导体板块表现尤为疲弱。Meta财报加剧了市场对AI资本支出回报率的疑虑，投资者开始重新权衡巨额投入能否转化为相应收益。

半导体板块的跌势尤其突出。据Peter Callahan的数据，自10月12日起的9个交易日内，SOX相对标普500下跌约13%，创下逾20年来同等时间窗口内的最大相对跌幅，处于历史分布的第1百分位。

持续下跌也将SOX推至200日移动均线附近，这是该指数自2025年6月以来首次触及这一关键技术位置。该均线能否提供支撑，将成为观察半导体板块调整是否进一步深化的重要指标。

对冲基金加速去风险，做空杠杆升至高位

据高盛Prime数据，基本面多空净杠杆率本月下降3.1个百分点至49.4%，处于过去一年分布的第1百分位、过去三年的第4百分位，显示对冲基金正在显著压缩净市场敞口。

全球AI股票多空比已降至过去一年的第6百分位，动能因子敞口也跌至2025年6月下旬以来的最低水平。不过，从五年历史分布看，动能因子敞口仍处于第73百分位，尚未降至长期低位。

做空端则持续升温。据瑞银数据，系统性策略的做空杠杆率已接近过去五年高位，处于第99百分位。但做多杠杆率也升至第94百分位，说明多空两端的杠杆均处于高位，市场并非单纯转向单边看空，而是正在重新调整仓位与风险敞口。

低波动与盈利质量走强，资金转向防御

随着高贝塔动能交易退潮，低波动因子近期表现强势，重新成为资金青睐的配置方向；盈利质量因子同样走强。据高盛Prime数据，其敞口已升至过去五年高位。

高盛交易台指出，在行业、板块和因子中性调整后，高盛质量指数过去三个月上涨约20%，相当于约13倍波动率的表现，主要受低质量股票大幅跑输推动。

这一变化表明，资金正从追逐高增长、高弹性的资产，转向更看重盈利质量与业绩确定性的标的。随着投资者重新评估AI资本支出的成本、回报及兑现周期，相关资产的估值重估可能仍将持续。

风险提示及免责条款

Agent、机器人与制药，谁先被GPT-6 Astra改写？

硅谷101 — Fri, 23 Oct 2026 15:38:55 GMT

回顾9月，AI圈的重磅新闻一个接一个。

9月4日，OpenAI发布GPT-6 Astra。这个发布报告里只字未提机器人的通用模型，转身就空降了机器人评测榜首，甚至让一批机器人Benchmark直接失效。有人半开玩笑地说：机器人领域等了这么多年的“GPT时刻”，居然是GPT自己。

Meta Muse给每个用户配了一台云端电脑，两周就冲上美区App Store榜首；竞争对手Instinct一个月内估值从25亿涨到100亿美元。个人Agent掀起了新一轮烧钱获客大战，可它们能打开的网页，正在一个一个被关上。

AI for Science方面，Claude只用了21小时就找到一种结构像CRISPR的新酶系统ART，AI圈很兴奋，因为AI开始做科学发现了，生物圈的反应则相对平淡，大家想在实验室里验证了再说，为什么会有这种反差现象？

当模型进化到普通人难以感受到它的进化，研究者的感受是什么样的？本期《硅谷101》，我们请来三位分别站在Agent、机器人和AI制药一线的研究者——Pokee.ai创始人兼CEO朱哲清，破壳机器人创始人、清华大学交叉信息研究院助理教授许华哲，华盛顿大学计算机学院助理教授王晟，一起聊清楚三件事：个人Agent商业化卡在哪？机器人怎么被Astra这样的底层模型冲击？AI制药真正的瓶颈是什么？

以下是这次对话内容的精选：

前沿科学家视角：GPT-G Astra进化了什么?

泓君：Astra发布后，你们有没有使用过这个产品？或者说我们来看网上的demo，大家觉得最让你惊艳的一个demo是什么？

许华哲：因为我是做机器人的，我们测了很多Astra在做机器人任务上面的一些能力。我们看到的第一个点就是，它的适应能力非常强。比如说给它某一个机器人本体，让它去做相应的事情，那它很快会发现，这个机器人的运动速度比较快，或者这个机器人的运动空间是怎样的，比如它撞到桌子了，它会说，这个桌子蛮高的，那我是不是应该把手抬得更高一点？这其实是把CoT（思维链）这种反思过程的能力，变成一个它实际的动作的能力，这是过去的很多机器人的模型和大模型都不具备的。

另一个是它自我更新、自我升级的能力。因为它有这样的反思，它可以一次一次做同样的事情，每一次做得更好。这个其实在网上大家也看到了，有人拿Astra去操作一个机器人机械臂去画金门大桥，那它第一次画的还是比较差的，但是它画完了以后，它会再想怎么样能画的更好，经过几轮的迭代，它就可以画的非常逼真。

我们试了非常多其他的，比如插花，这是一个经典的机器人任务。我们给它加了一些额外难度，那朵花的茎被劈开两半，有点分叉。这个时候它会知道，因为它分叉了，所以我要捏住这个分叉，把它捏窄一点，再往里塞。这样的能力其实还是比较惊艳的。

泓君：它其实已经理解了一些物理世界操作的规范。

许华哲：我觉得本质上还是理解3D，因为这件事情它还是从三维尺寸层面就可以做出一些理解，但是确实这样的理解已经能够帮助到非常多的非动态的物理世界操作任务了。

泓君：我看网上还有一些很有意思的demo是，他们在用Astra做生成3D的视频，非常的快，然后渲染也很好。

许华哲：这是另一个Astra在机器人方面很令人震惊的能力，就是给它几张图片，它可以很快把图片仿真生成出来。学术圈可能把它叫做Real-to-Sim。这件事过去是需要拍大量的视频照片，需要很多人的手工标定修改。但现在你给Astra这样一个指令，它很快就把整个实验室或者办公室的环境给你复现出来了。那你拿着这样的仿真，可以去训你的机器人，那也会有一个在仿真上面的提升。

朱哲清：我们是做模型公司的，Astra在发布的时候，非常强调他们在后训练、模型开发等等上面的一些迭代能力。试下来以后，并没有那么惊艳，但是它确实在长程任务上面和迭代上面，比之前的几版模型有一个比较稳定的提升。与原来的模型相比，它能够对上下文以及之前完成的任务有更稳定的认知，不会出现太多的幻觉的情况。所以从我们的目前的体验来说还是比较好的。

但可能有几个问题：速度相对来说会慢一些，也有可能跟现在用量很高有关系。同时在更加长程的任务上，比如说让它跑一个晚上，幻觉还是会发生。所以它并没有根本上解决，但总体来说还是提升了不少。

我有朋友同测了一些前端以及设计的任务。从前端的审美跟认知上面，我觉得还是有比较大的提升的。可能是在训练的时候，对于设计和审美方向有特殊的训练有关系。

泓君：Bill，这轮Astra的发布，你觉得从模型对行业的影响来看，它跟当年opus 4.6、4.7的发布，从Coding能力的进化来比，它是一个大的节点吗？

朱哲清：单纯Coding来说，可能没有那么大的一个节点。4.5到4.6，当时我们的体感是一个几乎范式式的转变，原来只能依赖它做短程Coding，几个file的改动，做一些简单的小项目，到4.6那一次模型以后，基本上你会感受到工具调用几乎不会出错了，它去做一些长程的Coding任务，可以自主进行了。

而现在Astra只是说可以做到更长程的任务，幻觉是可以降更低，审美变得更好。但它没有做到说，我能够解决一个完全以前完全解决不了的问题。

王晟：我觉得是一个大的节点。我们现在已经都从之前Claude等系列模型切换到GPT-6 Astra来做我们的biomedical内部的任务了。我主要是做AI for Science，里面核心的就是AI for一些biomedical的应用。

我们用Astra有两个特别好用的地方，一个是Computer Use，一个是一些长程的任务。

Computer Use这方面，我们会用Astra来操作一些生物医学领域很多年前编写的那些软件，这些软件在领域内默认要使用，但它们其实都非常难用，界面设计的也不好，还有很多的术语，所以对一些跨领域的人来说，使用成本是非常高的。

但是Astra它的Computer Use功能，可以直接根据一些简单的prompt，就可以操作得比较好。并且我还可以跟它学习怎么用这个软件，毕竟在生物医学领域，很多人对AI工具的接受度比较低。Astra可能把这些软件对应的在网上的一些教程，别人之前用过的一些用户日志，一些反馈全部都以文字的形式学进去了，所以它真的理解怎么用这些软件。

另一方面就是长程的任务，我们生物医学这块，任务会比较复杂，这些任务有时候会持续8至24小时，Astra会做得比较好。它比起其他的一些模型，做得比较慢，但挺让我放心的，说明它可能会更深思熟虑一点。

我们现在一般切换着用，白天用一些反馈比较快的模型，到了准备让模型跑一晚上的时候，就用Astra来设计一个比较长程的pipeline或者prompt。这也是它比较值得信赖的一点，在AI for Science这个领域里面的一些表现。

泓君：我没有想到Computer Use的这个功能居然在AI for Science领域能帮助到大家这么多。

王晟：Astra在这次发布时候做了两个生物医学的demo。其中一个就是Computer Use demo，这个demo在我们圈子内是出圈了，大家发现，原来可以直接用Astra来操作一个生物医学的tool。它当时操作的一个tool叫MultiQC，是一个挺常用的网页工具。我们开始用这个功能，发现它比想象的要好用很多。其实Computer Use这个功能我觉得之前的模型也具备，只是大家没有开始真的思考怎么把它融入我们科研中的pipeline里面。

computer use回春：但商业化卡在了身份验证

泓君：Bill，你可不可以一句话解释一下，什么是Computer Use？

朱哲清：Computer Use是通过模型对于视觉的理解，来决定这个agent下一步要在屏幕上点击哪个部分，或者输入哪些文字，来完成一系列的任务。当它可以串联这么几十个动作的时候，可以完成一个最终人类想要达到的一个目的。

泓君：就它跟API的区别是，你不用给接口，不用给密码，它直接像人一样去操作跟使用电脑。

朱哲清：就是它看到的是人类看到的屏幕，看到人类看到的UI，看到人类看到的所有的视觉和可以交互的界面。通过人类可以使用的电脑的输入输出设备来完成这些任务。

Astra宣传片中展示的Computer Use场景图片来源：OpenAI

泓君：我觉得Computer Use之前好像也有，为什么Astra的发布，又重新把Computer Use带火了？

朱哲清：感觉Computer Use现在比原来又火了一波。之前大家觉得所有的工具都会开API，所有的工具都会有agent access（访问权限）的接口，很多的APP也好，系统也好，都在做agent native（原生智能体）的set up。

但是最近，不管是Instinct也好，还是Meta Muse也好，背后其实都接了浏览器。有一个比较大的问题就是有很多第三方的APP或者Amazon也好，比如说一些shopping的APP也好，travel的一些APP也好，他们其实是不愿意开放API的。

我觉得这又回到了当年Manus的情况，就是Manus最开始做了Browser Use（浏览器操作），后面很多别家也跟上，后面大家发现这个不是很高效。大家都回到Coding和API调用，现在好像有些东西避不开，又回到了Computer Use，所以我觉得最后有可能还是个mixture的状态。

我这边有一个比较有意思的看法，因为我们目前是focus on相对比较小的一些模型，比如说我们基本上现在发布的model都30B左右的模型，是可以在端侧和私有算力上面去进行的。比如说我有一台小的AI box，或者说我有一个AI PC，它就可以跑这个模型了。

未来如果说这个Browser Use本身发生在你的机器上面，而不是发生在云端，那就会改变Browser Use本身可能会给你带来的一个瓶颈。因为现在的远程的Browser Use都是通过商用机器，最多找一个像Bright Data或者说IP代理，假装是消费者用户，去绕开IP校验。像Amazon、Expedia这些网站一般都说，如果是商用的IP，我不会让你进去。

泓君：商家会屏蔽一些AI机器人，不希望它们接入。

朱哲清：奢侈品网站很早以前就会都屏蔽掉。如果用的你们家的网，就是你自己的IP，那就不会再被block了。所以这个有可能会是未来一个破局的趋势，而这件事情有可能会推动很多的app厂商去改变他们的Browser Use机制，也就是说这个browser sandbox（浏览器沙箱）可能是在本地发生，而不是在云端发生。

泓君：你这个观察非常有意思，最近非常火的一个toC的消费级应用，就是Meta Muse，他们的定位是做一个个人的AI助手，它相当于给每个人做了一台云端的虚拟机，你的数据是存在一个在云端属于你的存储里的。根据你刚刚的理论，它其实还是商用的一个IP。它如果未来商业化的话，很有可能是会被商家卡住它这个IP的。

朱哲清：Meta Muse从背后的虚拟机设置来说，其实跟当时的Manus是很像的，它也主打一个Browser Use，因为它很多的使用场景跟旅行和购物有关，在这些use case之下，你是没有办法通过API的调用，来完成这个任务的，基本上都得最后靠浏览器。当时Manus其实走了一模一样的路，被全部block掉了，所以Manus到后期的时候，现在跟Genspark很像，都主打白领工作那一套。

你去看Claude Code、Claude Cowork、ChatGPT Work，最后都往白领工作效率这方面去偏移，核心原因就是因为很多东西一开始能做，但后面很快就被巨头们给全部block掉了。

泓君：比如说亚马逊现在就把Meta Muse给屏蔽掉了，如果有更多的网站去加入进来，它可能能访问的网页跟能操作的东西就越少。

朱哲清：但是他不可能把你电脑上的IP给屏蔽掉，那你自己也上不了亚马逊了，所以这个可能会是一个破局的机会。但是我怀疑这个事情会来回拉扯，在C端的这个agent，目前可能还是不是特别ready。因为做Browser Use，对模型的需求其实挺高的。它很难在短期内拉出一个现象级的体量。

泓君：那你会看好像Meta Muse长远的一个发展吗？

朱哲清：我觉得这波消费者最后一定会land到软硬件结合的状态。我觉得Meta如果能够把wearable（可穿戴设备）做很大，有可能有机会。就是为什么我觉得最后要land到软硬件结合的原因，是因为云端这件事情不能代表这个用户本身，这也是为什么browser把他们给完全block掉的原因，因为一旦换了个云端的虚拟机，它不能够验证说这个人本身就是用户本身。

我觉得用户的ID或者使用agent的那个用户的identity（身份）本身会是这一波toC的一个关键。如果说商家能够去确认这个agent就代表这一个人去做的这么一个操作。有可能很多商家会愿意做这件事情。

但是现在如果用云端的虚拟机，云端的browser，他很有可能是没有办法去验证这件事情，他会觉得说我的流量入口被人剥夺了。比如说我有一个用户，他本来就要访问我，他现在通过agent还是访问我，那其实对于我来说可能是OK的。但如果说原本一个用户，现在搞了20个agent，这20个agent的消费能力跟原来是一样的，这20个agent还不停地比价，不停地在我这边刷流量，把我这边的所有的流量全都弄乱了，对我来说是得不偿失的。

所以我觉得软硬件结合可能会是一个机会，如果说这个硬件本身属于这个用户，他就可以直接确认说这个agent就是这个用户，是一个代表行为，我就会愿意把这个access开给你。

泓君：大家在toB的工作流中会用xAI的Grok Bot吗？

朱哲清：我自己身边用Grok Bot的人更多是在尝鲜，因为它相对比较主动一点。但是你用Codex或者用Claude Code，其实都可以解决这些问题。就真的把它接进工作流的，可能相对少一些。我自己身边好多真正在B端，比如法律、医疗，真正在那些传统的企业里面在工作的人，现在还纠结于怎么能够逃出Microsoft Copilot的泥潭。甚至都不能freely使用Codex和Claude Code，就更别说要到Grok Bot这个级别了。所以我觉得整个行业现在分差非常大，走在前面的人什么都可以随便用，走在后面的人现在还在泥潭里挣扎。

Benchmark失灵：模型进步的方向，真的对吗?

泓君：我最近跟比较前沿的模型的研究员聊啊，听到一个很有意思的观点，他们认为现在在toC跟消费级的agent上，token的使用量其实是花不了多少钱的。现在真正最烧钱的地方，是在OpenAI、Anthropic、DeepMind这几家公司在竞争的核心领域——AI for Science。就是那些未被解决、未被定义的科学问题，他们要去解那些数学题，或者需要跑像王教授这样的一些生物实验，这个是非常非常烧token，而且是内部消耗量最大的一个方向。

那比如说，OpenAI解纳维-斯托克斯方程这一个问题，它内部调用了一个更强的模型，大概用了1万个子agent，发了大概有270万条信息，消耗了约1300亿输出的token。第三方按照零售价给它算了一下，这部分消耗大概是在2200万美元。

因为现在整个模型的进化，我觉得这个对普通人的感知来说已经不大了。但是对前沿的科学家来说，他们对模型能力的提升，感知是非常大的。

OpenAI宣布解决了纳维–斯托克斯千禧年大奖难题，该解是一个涡旋。图片来源：OpenAI

朱哲清：这个地方有点想问许教授跟王教授。我自己主要做post training（后训练），focus on小模型多一些，因为我们想做本地私有化的模型。我们能看到的就是，这个层次的模型，在我们优化之后，和frontier model的差距越来越小。

从AI for Science角度，或者说从robotics角度，frontier model在每一代的迭代当中，你们觉得会有多大的提升？

比如说我们从Opus 4.5到4.6的区别，对比4.8到Fable之间的区别，或者说5.6到Astra之间的区别，这个差距可比吗？

王晟：我的观点是，在生物医学领域，它的AI for Science能力确实是有一个很大的提升。但是这个提升主要来自于它的coding能力，这种一般的coding查文献，做长程任务的能力，并不是它对这种生物医学知识能力的提升。有一些benchmark是专门测Biomedical knowledge知识层面的，Astra并没有提升。

我们现在实际用的时候，其实很难去使用Astra，或者Opus、Fable，因为它们对生物医学的任务都会防范的越来越严，它都会refuse to answer，这个是非常严重的问题。所以我们其实内部用的时候都是用Kimi K3或者Muse Spark 1.3。当如果要用Astra的时候，都要用一些比较特殊的方式来跟Astra说，我这不是在做一个危险的任务，我只是在设计一个benchmark等等。所以实际这种大模型的使用体验，随着能力的增强，其实是越来越差的。

还有一个点就是，刚才Bill说的很有道理，其实我也认可，就在各种已经定义的很明确的AI for Science benchmark上，小模型确实是可以和大模型的差距越来越小。但是我个人觉得这些benchmark本身就不是定义的那么好，所以大家追赶的方向，包括大模型进步的方向，都可能不是完全正确的。

这些benchmark定义的时候，大家都会定义一个更好让AI模型去做的，比如说有一个明确的生物数据集，要预测一个明确的问题，这和我们真的做的制药发现其实是gap非常大的。本质上这些现在的生物医学benchmark就是一个Kaggle这种数据科学的比赛，所以呢它就退化成一个MLE-bench（机器学习工程基准）中machine learning的问题。那Astra这种在coding能力上提升，就会在benchmark上有很大的进步。

许华哲：我觉得从Robotics角度，Astra是一个飞跃式的提升。过去无论是Opus 4.5、4.6，还是到Fable的变化，都没有Astra这次给Robotics带来的变化大。因为过去的所有升级，在Robotics的这个测试上面，几乎都没有什么太好的表现，定性上面没有变化。

但Astra现在带来的变化是它整个定性是有变化的，很多的Robotics的benchmark失效了。像RoboDojo，大家相对认可的Robotics尤其是仿真的benchmark，Astra都成了第一名。无论是它用了哪种数据，但是它带来的这个能力，都是一个飞跃式的升级。

但是关于刚刚说的小模型和大模型这个问题，我倒是觉得，长期来说我们一定是需要一个小的，跟Astra能力相当的模型。原因是机器人的任务有时间要求，需要及时响应，需要有高动态任务。比如说我要抖一个毛巾，这样的能力Astra是做不了的，因为它太慢了。它知道我要快动一下，但是它只能写code来做，如果让它直出动作是没有办法去做的。在这种情况下，我们一定需要一个快决策的模型。只不过我们需要把现有的Astra的CoT，或者是它的reasoning的能力，以及3D理解，要把它加进去。

机器人的GPT时刻，还差什么?

泓君：所以你觉得未来机器人它的方向会变成，大模型去做规划，小模型负责实施控制，这样的分层架构吗？

许华哲：分层架构大家其实一直都还是比较认同的，只不过分层的这一刀，到底切在哪？怎么样的分层方式是大家一直有辩论的。就比如说原来大家普遍认为VLM（视觉语言模型）是做任务规划层，那这个任务规划层大概就是到，我跟你说我要吃西红柿炒蛋，那VLM规划的可能就是打开冰箱门，拿出什么西红柿，拿出鸡蛋等等，底下的小模型或者说具身的模型，它会去执行打开冰箱门究竟怎么办？打鸡蛋怎么做？

但是，Astra这次它最大的一个变化是，它现在能做低层次的动作控制，相当于它给你的指令变成了把手往右伸两厘米，或者把手放在冰箱门的把手上，如果没有抓住的话，他说那你再往前靠一靠……所以它相当于把这个层往下压了。

原来是大家边界很清晰的，但是它现在说我能力非常强，除了慢以外，我可以往下压一点点。那底下的这个就更像是一个反射式的提线木偶。肯定有一些声音说，那是不是未来上层的这个模型可以无限往下压？压到最后是不是就变成一个完全端到端的VLM？Astra直接控制所有事情。

我个人的观点是，我觉得这个还是不是很合理。第一明显是速度，你在网上看到的Astra做控制都是要16倍速或24倍速才能看。第二个，我觉得现在的Astra还是对物理是非常缺乏理解的，尤其是对于人类来说叫直觉，或者叫直觉物理学的那部分。

我随手可能碰一个物体，它如果有水可能会洒，如果是玻璃可能会碎，这些事情可能Astra如果经过很多语言推理是可以理解，但是如果我们希望它去做一个任务当中，立刻有这方面的理解，它可能效果还不够好。这个地方可能还是需要像世界模型，或者是像快速的这个模型，要去做一些直觉式的反应。

破壳机器人做麻婆豆腐图片来源：pokebot

泓君：你刚刚提到了它速度慢，它速度慢是因为什么？是因为它的模型太大了吗？

许华哲：模型大肯定是有这样的一个原因，另一个就是它CoT很长，虽然它是加密的CoT，给出来的那个CoT应该是假的，我理解，但是它的内部的CoT是非常长的，所以它做每一步的决策，做的思考是非常冗余的，尤其是面对简单任务的时候，我们观察到面对复杂任务和简单任务，它的思考时长基本上是相似的，这也意味着复杂任务它很聪明，对吧？但是到了简单任务上，它就变成了一个额外开销，使得它看起来非常笨。

泓君：许教授，我知道你们公司的有一个demo，是用筷子夹小球。用你们自己的模型做，跟用Astra做，区别是什么？

许华哲：用我们自己的模型，首先时间上做得快很多；其次，在抓的时候是连续不断地去做尝试的，这个过程中没有太多的逻辑上的思考，我抓了一次失败了，我可以换一个角度去做尝试。

但是如果是Astra的话，它每做一步以后，它都要分析发生了的原因是什么，根据这个原因，它要去给自己指令，相应的我要做什么样的调整。这个过程看起来更像是这个人类的思考过程，但是会导致它很缓慢；第二个，它有时候会陷入到一些僵局里，它有时候无法理解为什么会发生这样的事情，或者是它一旦分析出错了，它就没有办法再进一步去推进了。

还有一个我们看到的点，就是如果我们去抓一个桌面上的物体，旋转这件事情，Astra其实做的相对来说还是弱一些，但是它能做，它要反复尝试怎么样去转，这样的能力我觉得目前还是有一定的短板的。

泓君：现在机器人公司分很多种，比如说做大脑的，包括这个大脑怎么做，它是Sim-to-Real（仿真到真实）的路径，还是说他用整个物理世界的数据，分很多的流派，还有做本体的，还有做数据的。你觉得Astra出来以后，对哪一类的公司的冲击影响会比较大？

许华哲：先说Sim-to-Real的路线。我一直是认为仿真是没有办法训出最好的机器人的模型和策略的。就很多人说，Astra让仿真重新复活了，因为它做Real-to-Sim，把真实世界迁移到仿真里面这件事变得非常容易。但是它其实只是把它这个3D的外观做得非常好，但是它并没有因为Astra出现，物理引擎变得更准确了。

Astra肯定是利好本体、利好硬件的。Astra出来这两三周，斯坦福已经有一个课题组去把Astra接入一个宇树机器人里面，让它在家里面去做一些家庭任务了。这件事情还是非常快的，就相当于他做了一个论文，两周时间就做出来了。可以看到在Astra有了很强的跨本体泛化能力以后，你的本体如果质量足够好，那可能连接Astra直接可以做一部分事情了，尽管它还只能是demo级。

对于做大脑的公司，我觉得是有两派，一派是相信自己会有一个更快、更好的具身模型，当然可能可以从Astra身上去学到一些，比如数据标注的方式啊、CoT的方式啊等等。我觉得是会带来一些整个行业的增长的，我觉得是一个好事。还有一派，具身模型能力可能不够强，那可能直接放弃掉这件事了，就是说既然Astra好，那我就专注在怎么用它，或者是怎么样把我的东西当做它的一个工具，让Astra来调用我的这些小的东西来完成任务的闭环，那可能更像是一个机器人部署的公司了。

所以我觉得会有一部分公司逐渐走向更偏部署的机器人，有一部分公司会做更小的Astra这样的能力，或者超过Astra能力的模型训练。

泓君：你觉得Astra对整个机器人未来，如何去做研究，会有一些新的启发，或者带来比较大的变化吗？

许华哲：我觉得会带来非常大的变化。第一个是整个模型训练的范式，我觉得大家未来都不会忽略Astra这样的一个范式，所以训模型的人肯定会产生一些新的想法。

另一个就是以前做传统机器人规划的人，那他们现在可能会往agentic，更偏harness这样的方向去做机器人的研究，如何把各种各样的能力组合起来？机器人领域有一个领域叫TAMP（任务与运动规划），它会把规划和控制放在一起，去做长程任务。

那过去这个领域，我觉得是比较古板的，或者说是比较上一个代际的能力，因为它很多时候都用传统的规划手段，去做一步一步的规划。如果我的下一个任务是拧开瓶盖，那我的上一步要确认这个瓶盖首先是关着的，否则的话我不能到下一步。这些事情其实在过去我觉得是相对有一点过时的。但是到了agentic部分，它好像又重新焕发生机了。有了好的模型以后，那又回到规划，可能是变得很重要了。所以我觉得对整个研究肯定也会带来一些变化的。

泓君：您刚刚提到了，比如说一些特别好的机器人大脑的公司，他们可以向Astra学习数据标注的方式，您觉得您从中间获得的启发是什么？

许华哲：我觉得就是要把里面的因果和直觉物理标注清楚，我做这件事情成功是为什么？失败是为什么？我做了这件事情，发生了这个结果，这里面的交互过程需要详细的标注出来，我觉得这个部分是很重要的。

过去的机器人很多标注的时候是只标注一句话描述你做了什么，就相当于只做正向标注，没有背后的原因。比如我没抓住它，是位置偏了，还是东西沾了水太滑了等等。有了这些标注，我们才能真正做一个通用的机器人大脑。

泓君：那这是不是对整个数据标注公司也会有影响？因为我知道现在还蛮多人做机器人数据标注的。

许华哲：我听的传言是OpenAI现在只买不标注的数据，它觉得外面的标注都是错的，他们都是自己内部重新再标注。另一方面，他们可能也是为了保密，不想把它的标注方式透露出去。

所以对数据公司来说会有两种，一种是卖生数据、生肉这种感觉，相当于在卖石油，是一个原材料，主要还是要靠起量来做；还有一部分就是做熟肉、熟数据，那他就需要去了解到最前沿的模型是如何去训练的，如果他有一些这方面的知识，他就可以很自信地说，OK这个是OpenAI的标注方式，这个是Pi的标注方式，你喜欢哪个？我去卖给你，他这个单价可以翻10倍，甚至更高的价格。

泓君：那您觉得它对整个未来机器人研究方式会带来变化吗？因为大家之前是在研究机器人方向的垂直模型嘛，那现在说大模型的能力足够好了，它也可以驱动机器人，虽然它有各种各样的问题，那会不会以后说机器人的训练可能它的底层就还是一个基模，它只用做后训练就可以了。

许华哲：如果我们想要真正意义上部署的话，一个几T的模型肯定是很难去做部署的。如果是远程的话，我觉得是可以解决一部分任务的，但是不能解决所有任务。如果我们都是Astra这种基础模型，我觉得是不太能成为未来所有机器人去使用的模型。一定是会有一个相比于Astra要小得多的一个模型，有相似的能力，一个范式，即使它在云端去做服务、去做host，我觉得也仍然是一个机器人专用的模型。

泓君：您觉得从Astra发布啊到今天，已经大概有三四周的时间。我知道它有机器人画金门大桥的那个demo的时候，很多机器人的创始人是很慌的，后来大家也会自己去试嘛，整个过程您心理上会有一些变化吗？

许华哲：会的。首先它出来的时候，大家刚开始尝试，基本上都是觉得非常的惊艳。最开始尝试当然是让它抓一个东西，然后它很快完成了。后面逐步去尝试更复杂的任务的时候，我们会觉得“机器人的GPT时刻还是GPT”，但是再往深入去看，还是看到很多问题。

第一，它现在双臂的任务是几乎没有办法去做的，比如说在叠衣服这件事情上，Astra是完全叠不了的。所以我们有一个感受就是，在一个语言不太好描述的任务上面，Astra的能力其实并没有很强，所以我们还是看到它在足够灵巧的地方仍然有空间。

第二，我们发现它的总结能力还不是很好，比如说它第一次做一件事，可能会花1小时，第二次做，可能花45分钟，然后我们让它持续不断地去做，它永远都是45分钟，基本上到第三次开始就变成一个常数。不会说像人或者说一些更小的模型，它在充分的训练以后，它的时间会越来越短。所以在这个地方还是可以看到机器人本身的原生模型，还是有很多空间的。

再到现在，我觉得更多的是我们要想系统1、系统2，就是快慢系统，它们之间到底应该怎么结合？

上面的Astra到底是调用，还是说给出一些指令，还是给出什么样的指令作为界面？因为它已经出现了，你不能回避它。但是它自己又有很多问题，你又没有办法直接用它，所以下一个问题是怎么样把机器人公司擅长的东西和Astra这样的模型充分的结合起来，能做出真正通用的机器人。我觉得到现在还是更多从技术角度去想未来怎么做。

泓君：最近还有一个项目也很火，叫Jev，他可能就是很多的是用系统1、系统2、快思考、慢思考的一套理论去做的，你觉得这个对机器人领域的影响大吗？

许华哲：Jev把自己定位成系统1，我觉得跟机器人本身的原生模型是很像的。机器人大家一般来说会认为它是一个主要是系统1，有一小部分系统2的能力在里面。所以我觉得机器人就应该是一个相对来说的快系统，但是Jev我们做了尝试，它在机器人上表现是很差的。

泓君：为什么？

许华哲：多方面原因，Jev本身没有办法输入图像，所以你的图像需要以状态的形式给到它，你必须要跑一个视觉的VLM也好，或者是跑一个其他的视觉模型，然后把这些状态给到它，然后再让它去做快速决策。我们测试下来，它比如说摞方块这种任务，它经常会就摞不起来，或者摞了以后就倒了。Astra它可以看到第一个块摞的有点歪，第二块就要反过来一点，往另一边靠一靠，这样子才能平衡。但Jev就没有这样的一个能力。

但是现在我看到很多人说，Jev可能可以用来标数据，因为它很快。但是我刚刚好像看到OpenAI要出一个快系统，就类似于Jev的东西，而且是有图像多模态输入的。

泓君：我们可以期待一下。那你整体觉得Astra的发布对机器人行业，你觉得它是一个正向的影响，还是一个冲击到大家的影响？

许华哲：它对整个机器人领域的影响肯定是正向的。从每个个体来说，尤其是比如说现在的模型能力远远低于Astra的这些公司，可能会有一些担心，我永远都追不上他这个能力嘛。我整体还是偏乐观的，它相当于是一个新的思路，其实照亮了很多我们之前没有看到的地方，所以我个人是觉得他是偏正向的。

AI制药瓶颈：真实世界反馈如何加速

泓君：接下来来聊一聊我自己非常感兴趣的AI for Science的环节，你觉得Astra还有Fable 5这几个模型在AI for Science上的能力谁更强呢？

王晟：我觉得Astra的能力会更强，因为他做那种长程任务的能力，要稍微强一点。对我们的应用来说，很难用现有的这些生物医学的benchmark来衡量一个模型它做生物医学任务的好坏。如果我有个benchmark叫它预测一个东西，它可以做得很好，比如预测一个蛋白质的活性。

但是我们现在最重要的一个场景是：AI模型能不能出一个实验方案。具体的我要怎么样做实验？在什么温度下？用什么分子？在怎么一个湿度，怎么一个情况下做这个实验？这是一个现在的模型都做不好，但是非常重要的点。我之前说Computer Use，就是AI怎么控制电脑，我们现在这方向，我们都叫它叫“Human Use”，AI怎么样控制真实实验中的一些实验员，去做实验。

这是我们在对比了Astra和之前的一些模型中，发现Astra还是可以做的比较好的。这些任务的语料其实非常少，但是我觉得Astra它的更强的能力可能可以在这方面有一个提升。

泓君：我理解它分成两类嘛，一类是AI给方案，它去预测你的新药可能是一个什么样的结构跟分子组成。第二种就是说，这个方案做出来了，我们一定要通过真实的实验去验证这个方案可不可行。就是现在它第一个部分做的还可以，在第二个部分的时候，它现在给的方案还不够好。

王晟：我觉得对第一个部分来说呢，其实是我们不知道AI做的好坏，这里面有一个悖论，如果一个问题啊，比如说我说开发一个治疗癌症的药物，我如果知道答案，那这个问题其实我没有必要去研究了。

所以我们真正在意的问题都是不能被benchmark衡量的，都是没有答案的。所以我们在意的每一个问题，生物医学AI for Science的问题，最后都需要去湿实验去验证。

干实验就是所有的预测，所有的分析都在计算机中模拟。湿实验呢，就是我们需要在真实的一个实验室，一个房间里，通过试管，通过培养皿，对老鼠细胞等进行一些操作。所以这就是计算机之内和计算机之外能达成的区别。

我给AI出一道题，我是不可能知道答案的。GPT给我一个药物的分子式，说这个能治疗癌症。Claude给我另一个分子式，我都得去做实验去做这个实验。所以在做这个实验之前，它不仅是说给我个分子式，它还要有具体的一个实验的计划，怎么样能够合成这个分子式？这个小分子应该怎么储存？我应该以怎么一个周期给老鼠使用？这些特别细节的东西是现在AI模型都做得非常差的。它能够生成一个分子式，因为世界上有很多这样的数据，但这个分子式怎么合成？怎么给老鼠用这个药等等，这些他们都做得不好。这些其实是更重要的。

泓君：后者现在你觉得我们放眼现在的大模型，在设计一个实验上，大概解决了设计实验的多少的比例？就完成度怎么样？

王晟：完成度是可能只有30%，很多时候是需要人类的专家去来给它修改。在设计实验这个领域呢，是专业知识需要的特别特别深入的。这个领域的一个教授可能也不知道，需要专门针对这个方向做过很多实验的技术人员，才能够设计一个高效的，成功率很高又特别可行的实验。

还有就是每一个实验室，器材或者设备都是不一样的。Astra这种AI模型，它没法根据这些设备器材来针对性地设计实验。我觉得它缺乏的是对现实世界中资源的利用、协调和使用的能力。这也是我们现在想要对模型进行改进的。

泓君：所以我们真的要让这些大的模型在AI制药上有所帮助的话，它还是要配备自己的实验室的。

王晟：我觉得是一定要配备实验室的，因为现在的通用模型已经很厉害了，配备实验室它可以有自己的验证，可以有自己的数据积累。现在AI在做这种药物发现，还有一个瓶颈呢，就是它验证的周期很久，我设计了一个分子，然后这个分子我拿老鼠做个实验，不可避免就要花几周，因为老鼠有新陈代谢，对这个药物进行一些反应。这个几周的时间，可能这个模型已经进化到下一代了，AI模型都进化的比我这些真实实验要更快。

所以我觉得这种前沿要做AI for Science的研究室呢，它需要有一个湿实验，而且呢它要对这些实验室进行改造，让这些湿实验能够更好的配合AI。比如说我一上来就把所有的细胞啊什么都准备好了，前置条件都做好了，有了AI预测之后，立即把那些小分子放进去，能够把闭环走得更快，而不是说分开。

Anthropic的分子生物学实验室图片来源：Anthropic YouTube

泓君：AI从设计一个分子结构，到最后你的整个的干湿实验做完，达到临床一期的时间周期，大概多长时间？

王晟：一般我们先做细胞和老鼠上的实验，几周就可以做完。之后会做一批比如在猴子这种灵长类动物的实验，这个至少要4个月的周期，有时候我们会做两次，那就是8个月了。作为一个AI制药的公司，我们不一定会推进到人的实验，会把它直接授权给大的药厂，这笔授权费也是非常可观的，一般都是1000万美金以上，甚至可以更高。大的药厂它有一个病人的网络，可以更好的收集病人，做针对性的人体实验。所以我们一般都是走到猴子实验结束，那周期可能在6个月到12个月。

泓君：所以要验证一个药物，它花的时间是远比AI设计一个药物更久的。我们说整个AI它已经很聪明了，它在数学领域发展很快，是因为数学它在很多的环节上，是可以被验证的，不需要做实验。那在生物学上，AI给你真的设计了一个新的分子、新的药物，你怎么去确定它的设计是对的呢？

王晟：我觉得这个就是最大的难点，这也是AI能够在数学上做出很大的成就，去攻克千禧年猜想。但在生物医学上呢，其实到现在也没有一个说是AI完全开发的药物的一个根本原因就是，现实世界的反馈太慢了，而且这是受限于自然规律，一个老鼠、一个猴子就需要那么久的时间。

在上一波AlphaFold的时期，有很多AI药物发现的公司，雨后春笋一样冒出来了。那时候还是大模型前，但是那些公司大部分后面都没有成功，就是因为他们还是以AI设计和发现药物为主，即使能够把AI设计一个分子式的周期从半年提升到几天或者是几小时，但之后还是会被后期的真实的老鼠人体实验给限制。

所以我觉得这是一个核心的问题，如果能够把这个问题解决，AI在生物医学制药上的爆发就会和AI解决千禧年数学问题这样，会有一样的非常大的一个爆发。我觉得这问题是不可能从根本上解决的，但是我们可以加速现实中的反馈，这样来间接的帮助我们解决和提升AI在上面应用的效果。

泓君：我听说AlphaFold 3它是把它的所有的研究，包括它的数据都开源了。它的开源也带来了一波生物制药公司，包括做这种垂直模型、做工具的公司崛起。因为它开源了以后，就相当于你这个行业，它就类似于机器人行业Pi开源一样，它有很多的底层的基础设施已经ready了。

王晟：我觉得它的开源是非常重要的，在它这些工具开源之后，对社区最好的帮助就是大家更重视数据的积累了。它虽然开源了，但是一些垂直科学AI公司，它可以利用自己积累的数据来维护自己的护城河。其实这些数据都是非常非常珍贵的，一条数据几万或者几十万美金，因为它都是会在真实的老鼠啊、人类上做实验的，不仅是这些实验成本高，而且实验的周期也很久，所以反而是开源之后，这些垂直的科学公司，它会更具备优势了，所以这是它对公共资源的一个贡献吧。

泓君：那这样来看，是不是生物医药界可能也会未来会兴起很多的数据公司？反正你模型负责给想法，我就成立一个实验室，就专门负责验证，它可能也是一个很好的商业模式。

王晟：我觉得这是一个非常好的商业模式。现在那些AI数据的价格，比如说买一道奥数题都要几千美金，Terminal-Bench（终端任务基准）一道题也会要几千美金，现在新出的Terminal-Bench Science，那上面的题也会是一个高价值的题。我觉得这些题还仅限于计算机里面的操作，未来如果是有真的生物真实世界数据，那个价值会非常高。

还有一个很高价值的方向，就是搭建一个能够帮助AI很方便的去做真实生物实验的接口。现在有个公司叫Adaptyv Bio，它是专门给Anthropic合作的。Anthropic生成一个AI的预测，它以MCP的形式就立即开始做实验。它刚刚融资了4000万美元。

我觉得这样的公司会越来越多，以后每一个湿实验的公司都会用这种MCP、API的形式，直接接到AI大模型里面，这样来给AI大模型直接进行服务，这样当中很多人的沟通成本都会减掉。所以这当中就又回到我刚才说的问题，最重要的就是AI自己知道要做什么实验，怎么设计这个实验，湿实验的公司能够和它进行配合。

泓君：现在像OpenAI，还有Anthropic，哪些我们看到的前沿模型研究室配备了自己的湿实验室？

王晟：Anthropic和Adaptyv Bio是明确合作的，它最近出了一个比赛，邀请大家来做一个Anthropic定义的蛋白质设计问题。它会赞助Adaptyv Bio这家公司来为大家做湿实验的验证。所以Anthropic最近定义的比赛也是说最后以湿实验的验证为最后的标准。

我也听到很多消息，Anthropic自己在构建湿实验的团队，包括他招的一些人也都是有湿实验背景的。所以我觉得这是未来一个趋势。前沿实验室如果是真的想做高价值发现，不可避免的是要有自己的湿实验实验室。

泓君：你觉得在整个的模型对制药的影响上，对你来说啊，几个比较大的节点是什么？哪些基础模型能力的提升会让这个行业一下子就有一个质的飞跃或者提升？

王晟：现在我们的提升还几乎是取决于Coding能力的提升。Biomedical上这些Coding任务，虽然那些benchmark上还没有达到满分，但我个人理解已经是几乎可以认为是解决了，因为它已经比人做的要好了。所以Coding能力的提升，就会把生物制药这些dry lab（干实验）上的能力的提升都给解决了。

还有一个问题就是，生物医学的数据特别的大，特别的复杂，每个人的数据都可以达到两个T。那么如果未来的模型还需要提升的话，就是这一块，对这种两个T的数据的高效的处理理解，这是一个非常重要的领域，也是一个非常大的一个机会。

泓君：您刚刚提到，您觉得现在AI在一些能力上已经超过您了，因为您已经算是人类很顶尖的科学家了，也是做学术研究的，我可以理解它已经不是超越平均智商了，而是最顶级的这些智商。那在这个环节中，你觉得它未来给你们这些前沿科学家带来的问题是什么呢？比如说它做的东西，你们很难去验证了，会有这样的情况存在吗？

王晟：验证的话也是要靠做实验的验证，如果一个问题已经定义得很好了，有一个明确的测试集，明确的输入，要知道解决什么样的问题。那AI解决这个问题的能力会比我强。那么人类科学家更多可以做的事情呢，就是定义哪些问题AI去解决。所以我觉得未来AI在生物医学领域的趋势，不再是解决问题、设计模型了，更多的是设计benchmark、设计评估的方法、定义一些重要的问题去解决。

还有，生物医学是关系到制药或者治疗病人这些直接和人打交道的，所以很多时候还是需要一个科学家参与在其中，就像飞机就算能自己飞，我们也希望有个驾驶员在上面。AI能自己看，能自己治疗，出诊断书，我也希望一个医生真的肉眼看一下我的报告。

所以在科学发现这种一下就会投入很多钱、很多时间的重大决策上，还是需要一个人类科学家去一起把关，一起去判断这个问题的价值。如果纯粹是解决问题，我觉得AI已经会比最强的人类科学家都要强了。

泓君：您刚刚有提到，现在整个benchmark它的定义是有问题的。那你觉得未来它的benchmark应该会怎么样去定义？它会朝什么样的方向去演进呢？

王晟：我觉得未来首先我们要设计那些生物医学的题，它是没有上限的，它是一个不可能被刷爆的。譬如说现在最顶尖的药物能够把30%的癌症细胞给杀掉，那么AI能不能做更好的药物，能够把40%的癌症细胞杀掉？这样让AI不停的设计，能够有一个没有上限的方式来做这个任务。

我们未来要设计的还是这种比较宏大的，很难有上限的，譬如说怎么样把人类的寿命提升，这种没有上限的任务能够让AI持续的解决，我们可以持续的积累数据，把一个特定问题的数据给积累得更多。

泓君：我看Claude最近有一个新的成果，就是他们发现了一种新酶系统ART，它有类似于CRISPR-Cas9的基因编辑的工具，但是它最后有没有被验证，还不太确定。在生物医药领域它已经开始有一些突破了，我们看到这些突破它的苗头是什么？

王晟：我们观察到这个突破几乎就正比于生物医学实验的周期，周期越短，反馈越快。大家其实在过去的几十年中都积累了好多的实验数据，实验做得越快的领域，它模型就可以做得越好。譬如说Anthropic这次做的一个比赛，也是对酶的一个设计，这就是实验特别快的一个领域。未来像蛋白质酶这些可以做快速实验的，我觉得都会有很快的一个迭代。但如果譬如说我们要做一个衰老，或者研究一个罕见病，这种特定领域的长周期的问题，那我觉得模型的进展还是会很慢的。

泓君：酶跟蛋白质它带来的是哪些领域的变化？

王晟：理论上蛋白质是万能的，减肥、癌症治疗、所有的病，理论上蛋白质都可以通过一些方式引导我们制药来治疗。酶是一种催化剂，更多是对各种工业化工的过程进行一些加工和加速，它的商业价值非常大，而且可以快速落地。那蛋白质呢，如果我还是要涉及药物，最后还是不可避免要做人体实验，还是有一个较长的周期。

普通人还有“蒸馏”的价值吗 ?

泓君：我也在跟很多模型的研究员去聊，很多前沿模型实验室的研究员就说，其实很多普通人他现在可能就连蒸馏的价值都没有了，这个话听上去很悲哀，是不是现在整个训练的信号也正在转向像专家数据和可验证环境，大家同意这个观点吗？

许华哲：机器人领域这很显然不是这样的，机器人领域每个人都是生活的专家，你擅长做饭，我擅长叠衣服，他擅长走路，他擅长跳舞。当然再往后走也会经历这样的一个阶段，也许一年两年后，必须要是一个舞蹈专家，或者必须要是一个Gordon Ramsay这样的大厨才值得被蒸馏。

王晟：如果知识被蒸馏的话，那确实现在AI的知识更全面，单个科学家肯定是比不过的。但是有一些科学发现，一些长期投入还是需要科学家或者工程师在那边支持背书，所以这方面是AI替代不了的。

同时也有一个反向蒸馏的问题，我天天也在蒸馏AI，尤其我们做AI for Science交叉学科的，很多东西我不知道，我就可以快速的向AI学习，学习之后我获取知识的速度也快，有时候有一些新的想法，新的创意，我可以做更好的一个科研成果，所以我觉得这是一个互相蒸馏的过程。

另一方面呢，如果从我们医学这个特定领域来说，人的作用永远是非常大的，人不仅是解决问题，人还可以定义问题。比如说有一些新的疾病，或者人想要活到200岁，活到500岁，这些问题都是源源不断的。然后每个人会有自己不同的身体状况，不停地提供给AI新的问题，所以普通人绝对不会被AI所取代。

朱哲清：从蒸馏的角度来说，因为我们现在的智力或者说模型的能力还是在非常大的模型，可能就是死记硬背了很多很多的知识在里面，以及一些know-how也是在训练当中硬加进去的。比如说你在优化一些benchmark呀，在推进固定的一些落地场景上面，你会做很多的overfitting（过拟合）的一个状态。在这种情况下，其实目前我们overfit的领域可能都还不够，有很多很多的领域值得被overfit。

我们现在都说，可能模型已经到了通用智能的这个级别，但是从我们目前在已经overfit的场景上面来说，可能没有到那么通用的状态。后面如果我们要真的做到通用，可能还要跳出蒸馏每个场景，进入到模拟一个人从零开始学习的这么一个状态。从这个角度来说，我们其实需要蒸馏的能力不在于说我能不能把这件事情做好，而是蒸馏人是怎么学习，从零开始怎么比人学得还要快。

泓君：今天很难得啊，我们是把三个不同领域的，我觉得做得好的创业者跟学者请来了，大家要不要说一下，现在在你们领域里面，你自己最关心跟关注的一个问题？

朱哲清：我们现在最关注的问题，其实就是目前硬件上面，全世界存储很有限，内存非常贵，显存非常贵，很多人又担心，是不是把所有的数据都上云了？如果说未来我们认为所有的计算和算力会被铺开，每个人都会有自己的算力，每一家公司也会有自己的算力。算力不再集中于只是在数据中心当中，我们是不是可以想象到，所有人都可以有自己的算力，可以运行自己的模型。这模型不一定说要做到最大，那我们能不能通过这些模型来解决生活当中百分之八九十的问题？解决现在AI不能够完全无限量普及的这么一个问题？

我其实还是同意未来模型需要往更大、更强发展，比如说AI for Science上面，我可能需要一个非常高度很高的模型。而在正常的，比如说企业工作、个人生活当中，你可能需要一个广度很高的模型，这个模型不需要很大。那这个是一个结合的问题，如果做好正确的结合，其实是可以解决目前的硬件需求和电力需求的瓶颈的。

许华哲：从机器人角度，我们最关心的肯定还是零样本的泛化能力。之前的机器人其实有两条路，一条是部署，一条是泛化，这两条路其实有一点正交。部署的话，有点像是AI赋能上一代的机器人，我在工厂里面的机械臂，原来可能是开环地拧螺丝，开环是指我不拿反馈。现在我有了AI，我可以闭环地拧螺丝，或者闭环地去上货。但是这件事情从我的视角来看，也还是有点逆时代的，你仍然需要5个博士水平的人在工厂里面睡3个月，去把这个机器人的稳定性啊、速度、是否要定制末端夹爪，这些事情全都解决。

但是今天我们聊Astra，我觉得最终我们还是希望是一个通用机器人。它零样本的可以做快速部署，这个部署应该是5个任意的、不用非常强的人放在那，这样的零样本泛化肯定是有冗余，这样的冗余我们是否可接受？我觉得是可接受的，在这种情况下，能否有一个足够好的、快的零样本泛化的模型，仍然是机器人最主要的追求。

泓君：你觉得机器人离那一步还有多远？

许华哲：我觉得2028年初会是一个通用机器人比较开始真正实用的时间节点，从现在开始可能18个月后，大家可以在家里面以语言的形式去让一个机器人做家里面90%的事情。

泓君：这个预测是相当激进的。

许华哲：如果你玩了Astra，如果你下个月也许可以玩我们的模型，应该觉得这个预测还是比较合理的。

王晟：AI for Science，如果真的要有突破，最重要的就是AI对真实世界的理解，一个真实世界资源的运用、分配等等。就像我们研究科学，本质就是研究真实世界——物理学研究宇宙，生物研究生命，化学研究微观世界。

但这个不是说我设计一个机器人去取代人类、自动地做实验，而是说AI知道：根据现在我实验室里有哪些资源，我应该让这个机器人、或者让这个人去做一些什么事。比如说以后我在prompt AI的时候，不是跟它说“给我设计一个药物能治疗癌症”，而是说“给你10万美金，你给我设计一个药物，并且我有这些实验可以做”，比如做一个老鼠实验要2000美金，做一个人体实验可能要一个怎么样的周期。

AI能够真的这样plan真实世界中超级复杂的任务，这些都是它的语料中很难见到的。这可能需要一个新的范式。就像现在我们都是人来用AI，人来研究怎么写好的prompt，可以把AI指挥好，怎么写好的prompt，怎么搭好的agent；未来可能是AI要写出清晰的、可执行的指令，是AI来prompt这个真实世界——非常高效，非常清晰，没有歧义。人或者机器人可以根据这些指令去利用现实世界中的资源，高效地把这些事情完成。

就像以前我们都说判断AI能不能遵循人的指令，未来我们可能要的是指令生成——它能不能生成更好的指令，帮助我们调动现实世界的资源。甚至我们还会对现实世界进行一些改造：未来的一些实验设备仪器，它不是给人看的，不是给人用的，是让AI用的。我们现在比如说拍X光、拍CT，还要合成一下图片，为了让人类医生能看；未来可能直接就拿出底层那些波形或者信号，直接给AI看就行了，都可以跳过生成图片那一步。

所以这是我认为最重要的，就是AI能够更好的走到真实世界中——无论是通过机器人，还是一个真实的人类——但它都要知道怎么样去利用真实世界的资源，来解决这种超难的问题。

本文来源：硅谷101

风险提示及免责条款

美股高位，美国民众却愈发焦虑：消费者信心跌至五个月低点，通胀预期连续两月攀升

Fri, 23 Oct 2026 15:38:41 GMT

美国消费者信心在持续通胀压力下进一步走弱，通胀预期同步升温，华尔街与普通民众之间的经济感受分化已扩大至历史极值。

密歇根大学10月消费者信心指数终值录得48，较9月的48.1小幅回落，触及五个月低点。尽管如此，该终值仍高于初值，并超出彭博调查中所有经济学家的预期。

消费者未来一年通胀预期从上月的4.6%升至4.7%，未来五至十年长期通胀预期亦从3.4%升至3.5%，两项指标均为今年5月以来最高，且均连续第二个月上行。

密歇根大学调查主任Joanne Hsu表示，"在通胀连续五年高于目标水平之后，短期和长期通胀预期近几个月均出现上行，这带来了通胀预期可能根深蒂固的风险。"

与此同时，标普500总回报指数已攀升至历史高位，而消费者信心却徘徊于历史低点附近，两者之间的背离创下罕见极值。

高物价侵蚀生活水准，跨党派担忧持续蔓延

调查显示，连续第四个月有越来越多的消费者主动提及高物价正在拖累其个人财务状况——10月这一比例升至56%，相比今年1月的45%显著上升。

这一趋势在各政治倾向群体中普遍存在，其中共和党选民的比例上升幅度最为突出。相比之下，最富裕消费者群体自1月以来对高价格负担的感受变化不大。

汽油价格是通胀担忧的重要来源之一——逾40%的受访者在未受任何引导的情况下主动提及油价问题，泵价持续保持在每加仑4美元以上。

Hsu指出，"所有政治倾向的消费者都一致认为，未来一年内通胀对经济构成的风险远大于失业。"

从政治立场来看，10月民主党和共和党选民的信心均出现小幅回升，但独立选民信心已连续第三个月下滑。消费者预期分项指数则自7月以来首次录得改善。

耐用品购买意愿跌至历史低位，利率压力凸显

当前状况分项指数跌至历史次低，其中耐用品购买条件指数单月骤降18%，为历史最低，主要原因是利率上升及购买力方面的顾虑加剧。

近70%的消费者预计未来一年利率还将继续上升，这一比例为逾三年来最高。

抵押贷款利率高企进一步拖累消费者购房及大额消费意愿。近几个月来，价格涨幅持续超越薪资增速，家庭预算压力持续积累。上周公布的数据亦显示，9月消费者价格涨幅创五个月新高。

华尔街与民众分化扩至历史极值

当前最引人注目的结构性背离或许并非来自数据本身，而是来自市场与民众之间的鲜明对比。标普500总回报指数已涨至历史高位，而密歇根大学消费者信心却接近历史低点——当前状况分项指数更跌至44.7的历史次低。

消费者信心较一年前下滑约10%，较今年2月高点下跌约15%。这一分化折射出两个截然不同的经济叙事：

股票市场受企业盈利增长、科技股集中效应及投资者乐观情绪驱动持续走强；而普通家庭则深陷高物价、高借贷成本与购买力萎缩的困境之中。历史上，此类股市与消费者信心之间的极端背离较为罕见。

风险提示及免责条款

科技股大跌、美债走强，美股正在经历新一轮风格切换？

Fri, 23 Oct 2026 15:31:14 GMT

美股市场正在出现明显分化：科技股遭遇重挫，标普500指数却有超过300只成分股收涨，美债则迎来2023年银行业危机以来最大单日收益率降幅。周四的行情表明，科技股的抛售尚未演变为全市场普跌，资金对AI交易的态度也正在发生变化。

10月22日，标普500指数下跌1.2%，创7月以来最大单日跌幅；纳斯达克综合指数下跌2.6%，费城半导体指数重挫6.7%。与之形成鲜明对比的是，道指基本持平，小盘股指数罗素2000指数小幅收涨。标普500等权重指数也上涨0.7%，显示多数成分股的表现好于市值加权指数。

与此同时，10年期美债收益率下跌19.3个基点至4.952%，创2023年3月以来最大单日降幅。科技股承压、债券走强、其他股票相对坚挺，令市场面临一个关键问题：这究竟是投资者从高估值AI资产撤出后的短期调整，还是美股持续数年的科技股主导行情正在发生变化？

科技股与其他板块“分道扬镳”

据MarketWatch报道，周四超过300只标普500成分股收涨，但指数仍录得逾一个百分点的跌幅。这种背离反映出美股内部日益明显的分化：少数高权重科技股的下跌，足以抵消大量其他股票的上涨。

AI交易此前推动美股持续走高，但随着相关企业公布业绩、披露资本开支计划，投资者开始更加关注巨额AI投入何时能够转化为实际回报。周四，半导体板块跌幅尤其显著，费城半导体指数较6月高点已回落超过26%，进入技术意义上的熊市区间。

与科技股形成对比的是，消费必需品等防御性板块表现相对坚挺。市场策略师Mark Hackett指出，2026年以来，美股的板块领涨格局频繁变化，AI股票与其他板块之间的走势分化日益突出。

不过，个股上涨面较广，并不等于新一轮风格切换已经确立。若科技股持续走弱，而其他板块能够维持相对强势，资金才可能逐步从少数大型科技股向更广泛的市场扩散。

美债收益率大幅下行，避险需求升温

股市调整之际，美债迎来强劲买盘。周四，10年期美债收益率下跌19.3个基点至4.952%，创2023年3月银行业危机以来最大单日降幅。2年期美债收益率也大幅下行，反映出投资者对利率前景和短期风险的重新评估。

债券走强与科技股下跌同步发生，说明投资者正在调整资产配置、寻求更具防御性的投资选择。但这并不必然意味着市场已转向衰退交易。地缘政治紧张局势、油价上涨，以及对美联储后续利率路径的重新判断，也可能共同推动资金流向美债。

因此，周四行情更值得关注的并非单日涨跌，而是市场内部的资金偏好是否正在持续变化。如果科技股继续承压，其他板块维持强势，且美债需求保持旺盛，那么美股可能进入更广泛的风格再平衡阶段；反之，如果科技股止跌反弹，周四的分化也可能只是一次短期调整。

眼下，AI交易仍是观察美股走势的关键变量。市场并非简单地从看多转向看空，而是在重新衡量AI投资的回报、科技股的估值，以及其他行业的相对吸引力。新一轮风格切换是否真正形成，还需要更多交易日的表现来验证。

风险提示及免责条款

付鹏：“台风冲击”在风险层上的“缩圈”观察【付鹏说6】

付鹏 — Fri, 23 Oct 2026 14:50:16 GMT

“ 交易桌前看天下，付鹏说来评财经 ”
^{《付鹏说·第七季》全新升级！}^立即订阅

《付鹏说第七季》全新升级上线，在日常视频的基础上，新增专栏交流群更新付鹏说最新市场观点&图表数据解读（社群第一时间更新）

除了付鹏说日常内容，还新增了专栏在线阅读文档，给大家发送每日交易关注早报，和值得关注的研究报告，延展阅读资料，加入专栏的用户请扫码下图添加小助手进入《付鹏说》第七季专属交流群，并领取专栏资料。

“台风冲击”在风险层上的“缩圈”观察

交易桌前看天下，付鹏说来评财经。本期视频录制2026年10月17日。

本期内容延续“台风”与“阻尼器”的分析框架，将观察维度从市场层转向风险层，借助美股期权市场指标观察外部冲击如何引发风险分化。

选取了四组指标：VIX期限结构、VVIX、CBOE看跌/看涨期权比率以及SKEW指数。VIX和看跌/看涨期权比率等常规“一阶”指标仍显示市场平稳、风险偏好较强；而VVIX和SKEW等“二阶”指标已明显抬升，VVIX升至110~120，VIX期限结构近端也已倒挂。这说明个股层面的多头大多尚未对冲，但大型宏观机构已在指数层面大量买入深度虚值看跌期权，为尾部风险提前投保，风险层由此出现分层。

在此基础上，做市商在过去一年持续累积负德尔塔敞口，伽马也再度转负。负伽马状态下，做市商的对冲行为会从“高抛低吸”变为“越跌越卖”，市场的阻尼器作用正在快速减弱，与2015年A股股灾中杠杆资金被迫平仓、越跌越卖的机制相似。

核心结论：这些信号并不意味着市场马上会出问题，但一旦价格破位，下跌的自我强化机制可能被迅速启动，引发流动性真空或闪崩。风险的传导遵循从二阶到一阶的顺序，先体现在尾部对冲上，最后才反映到VIX和个股期权上，因此观察风险要分层看、提前看。

一、换一个维度：从市场层转向风险层

在前几期节目中，我们讲了“台风”和“阻尼器”，主要是从市场内部做分层、做“缩圈”，通过不同股票、不同板块之间的比较，观察“台风”对市场的影响以及市场内部的分化。今天我不再展开讲“台风”本身，因为它已经非常明确了：无论是能源、通胀还是利率，我相信大家都已经能感知到“台风”的变化。市场分层所用的数据和结构，前面也已经花了很多时间讲解；各国市场之间的差异，在过去两周也都已经走了出来。

今天我们换一个维度，从风险层来观察。前面讲的是市场层，这一次讲的是风险层，从市场层再到风险层，我们才能看清“台风”在市场内部传导的完整路径。这里我先放四组数据，都是日常应该使用和观察的指标。

第一组是VIX的期限结构。很多人其实已经注意到了这组数据。我放了标准的30天期VIX、近端的9天期VIX（VIX9D）以及远端的VIX（VIX3M），并分别计算了近端与标准VIX、标准VIX与远端之间的比值，以此观察波动率的期限结构。当然，也可以直接用VIX期货曲线来看。目前，VIX曲线的短端，大约一直到2026年年底的合约，已经开始呈现倒挂（backwardation），也就是超近端9天期的短期波动率已经超过了作为基准的30天期波动率。这就是当前VIX市场的结构。

第二组是VVIX，即VIX的波动率，也就是“波动率的波动率”，它衡量的是整个期权市场是否稳定。大家可以看到，目前VVIX已经超过110甚至120，这意味着整个市场里的对冲工具是紧张、稀缺的，大家都在疯狂寻找波动率的对冲工具。这是典型的流动性开始趋紧的预警信号。

第三组是芝加哥期权交易所（CBOE）的看跌/看涨期权比率。这里面有几类，大家一定要注意区分：有指数期权的对冲，有个股期权的对冲，还有全市场的综合对冲。

第四组是SKEW指数，它衡量的是尾部风险。SKEW本质上反映的是深度虚值看跌期权相对于普通看跌期权的溢价，主要防范的是极端风险，也就是尾部风险。

以上这些指标，都是从波动率的角度去观察风险。我之前讲过，在美股市场上买期权，某种程度上就是在买保险，因此风险层主要就是通过这几个维度去观察。

二、风险分层：常规指标平静，二阶指标已发出尾部风险信号

从这几张图来看，我们大致可以把这些指标分成左右两侧。

从左侧的常规数据来看，无论是VIX，还是指数和个股的看跌/看涨期权比率，市场整体都还没有反映出大问题，看起来仍然是一片祥和，风险偏好依然很强。

但右侧的VVIX和SKEW指数都属于“二阶”指标，它们已经拉出了潜在尾部风险的信号。从两类数据的差异可以看出，市场内部的风险层已经开始分层。简单理解就是：从个股的看跌/看涨期权来看，目前个股层面还没有出现大的系统性利空，大家并没有在个股上做任何对冲；但那些掌握全局的大型机构，已经在底层的指数上建立风险防御，在大量买入深度虚值的看跌期权。所谓深度虚值看跌期权，举例来说，假设现在指数在5000点，他们大量买入的是4000点以下的看跌期权。

这类期权防范的并不是小幅波动。如果市场只是正常波动，这些期权基本没有用处。他们现在愿意花钱买这份“保险”，说明他们认为需要防范市场出现重大风险。这实际上就是我讲的“台风”向下传导的过程。此时应该先对冲哪一层？一定是先对冲小概率的风险，随着“台风”一层层刮过来，再逐步转向其他层面。常规指标往往是最后才反应的，等到市场真正出现踩踏时，风险才会体现在这些常规指标上。所以我们要分层去看、透过表象去看，先从二阶的维度去观察。

从当前的数据来看，可以理解为“台风”已经刮过来了，但市场表面看起来仍然很安静：从个股层面看，大部分多头实际上都没有进行对冲；但最近的数据显示，一些大型宏观交易机构已经开始在二阶层面进行对冲，这会进一步影响到处在中间位置的做市商。因此，我们还需要往下看一层，看看做市商的持仓情况。

三、负伽马与负德尔塔：市场的“阻尼器”正在减弱

接下来看做市商的持仓。这里有两个重要的指标，一个是德尔塔（Delta），一个是伽马（Gamma）。伽马主要看正负，德尔塔主要看累积的是正值还是负值。从数据上看，目前市场处于负伽马状态，同时做市商累积了大量的负德尔塔敞口。

大家应该都知道，做市商采取的是中性策略：你丢过来多单，我一定对冲出去；你丢过来空单，我也一定对冲出去。所以它追求的一定是德尔塔中性。德尔塔反映的是敞口和规模的问题，伽马反映的则是速度的问题。伽马为正时，做市商的对冲行为简单讲就是高抛低吸，可以机械式地把波动熨平，所以正伽马一般对应低波动。负伽马则是非常不好的状态：当所有机构都疯狂地向做市商寻求同一方向的头寸时，负伽马就会演变成恶性循环，对应的一般是高波动。说到底，负伽马就是“左脚踩右脚”：越是下跌，做市商越要对冲，越要对冲就越要卖出，越卖越跌，越跌越卖，最终可能导致闪崩。

当年的股灾其实也是这样。2015年A股股灾时，虽然我们的衍生品规模没有那么大，但市场基本上也出现了类似情况：杠杆资金以及承受赎回压力的公募基金等机构陷入了类似负伽马的状态，不得不持续平仓、减仓，形成越跌越亏、越亏越卖的循环。

再回到这张图。左边的德尔塔数据显示，最近一年里负德尔塔敞口在不断累积。这可以理解为，一些大机构和大资金在持续买入看跌期权进行对冲；而做市商作为交易对手，为保持中性，就会相应地卖出股票和股指，是一种机械性的做空，市场因此处于资金净流出的状态。这对市场构成了压制。当然，这种压制还要放到我们前面讨论的市场本身的结构里去看。而现在伽马再次转负，意味着做市商不得不顺着跌势在盘中加剧抛售。我估计这个负值在未来三个月很可能会进一步加大，需要密切留意。

也就是说，市场整体已经不再是正伽马状态下那种“你跌了有人接、你涨多了有人帮你缓冲”的格局，而可能转变为越跌越卖、越卖越跌。这就像我们之前举的深圳赛格大厦的例子：负伽马意味着市场的阻尼器作用正在快速减弱，内部共振可能因此“左脚踩右脚”，使风险被放大。

把这些连在一起看：外部的“台风”风险已经在市场内部引发了风险的分化。在远端市场，我们已经看到机构在做尾部风险保护，一些机构的对冲已经比较拥挤，因此做市商累积了大量的负德尔塔敞口；同时，做市商自身的伽马已经转负。这告诉我们，风险正在一层层地分化，不同的人在为不同的风险层支付不同的溢价。它并不是在告诉我们市场马上就要出问题，而是在告诉我们：一旦触发，下跌的自我循环机制可能会被迅速启动。

从当前市场来看，多头稍有反弹，就可能遇到做市商负德尔塔带来的抛压；而一旦稍有破位，那些聪明的宏观基金此前买入的远期虚值期权就会获得几倍甚至几十倍的收益，用来对冲其持有的正股风险。与此同时，破位之后，负伽马会迫使做市商加大抛售，简单讲就是越跌越砸。用我的话说，这种状态很容易引发市场流动性的突然真空，或者突然跳水。

最后，风险才会反映到最上面这一层，也就是左侧的VIX上；机构也才会逐渐从风险的二阶层面进入一阶层面，直接用个股期权进行对冲，风险由此直接反映到个股身上。这就是我所讲的风险分层的逻辑。

通过今天这些工具的分析，希望能帮助大家更好地理解：“台风”穿过市场之后，我们不仅可以通过市场结构的分层和缩圈观察它，还可以从风险层的结构和缩圈去理解它。今天就跟大家分享到这里，谢谢大家。

《付鹏说》第七季已经正式上线，大家点击订阅加入。第七季我们也做出了全新的更新，权益的升级。付鹏说第七季一共包括五大主要的模块，分别是视频专栏、专属社群、深度文章、图表解答以及专属的问答。已经购买参加付鹏说第七季的小伙伴，大家不要忘记扫码图中的二维码，找到我们的客服小助手领取专栏资料。

付鹏说第七季，期待大家的加入。

风险提示及免责条款

补贴农民、松绑俄柴油、催欧洲放储备…特朗普“多管齐下”仍难压住柴油价

Fri, 23 Oct 2026 14:18:29 GMT

距离11月3日美国中期选举不足两周，特朗普政府正以日益高昂的政治与财政代价，向一个顽固的问题发起多线进攻——柴油价格。

然而，一系列密集出台的措施——向农民撒出80亿美元补贴、允许红色染料柴油上路、松绑俄罗斯柴油制裁、向欧洲盟友施压释放应急储备——均未能扭转油价走势。

据美国能源信息署数据，美国柴油均价上周再度上涨近10美分，至每加仑6.28美元，逼近历史高位，此前两周的短暂回落就此终结。路透社/益普索10月民调显示，近八成美国人将高物价归咎于特朗普，令共和党在国会两院的微弱多数席位面临更大压力。

分析人士普遍对上述措施的实际效果持怀疑态度。宾夕法尼亚州穆伦堡学院民调专家、政治学者Chris Borick表示："总统倾向于以短期收益换取长期损失，而我怀疑这里是否真的存在任何短期收益。"

农业补贴创历史新高，但无法直接压低油价

特朗普本周一在堪萨斯州竞选集会上宣布，美国农业部将启动名为"丰收燃料救济计划"的新项目，向农民提供80亿美元资金，用于抵消本次收割季的柴油成本。农业部确认，这笔资金将以一次性支付形式发放，定位为应对"临时性市场扰动和生产成本上升"的短期救济，但明确指出仅覆盖"部分模型损失"，并非全额补偿。

这笔新增资金将使今年联邦对农民的总支付额推升至创纪录的554亿美元，超过2020年疫情期间创下的450亿美元历史峰值。

然而，补贴并不能直接作用于市场价格。全国农民联盟主席Rob Larew批评称："这是今年第二轮应急援助，用于弥补本可预见的损失。贸易中断和与海外冲突相关的燃料成本上涨，已令家庭农场陷入困境，而一次性支付无法为他们提供规划未来所需的稳定性。"

农业部目前尚无法说明资金将如何分配、何时到账，以及是否需要国会批准。

红色染料柴油令放，执行层面仍存模糊地带

特朗普本月签署行政令，允许卡车司机将通常用于农业机械等非公路用途的红色染料柴油用于公路行驶，并暂时豁免部分联邦税务申报和记录要求。

但美国国税局并未取消联邦柴油税，仅暂时豁免相关申报要求及罚款至年底，令加油站和燃料销售商面临不确定性。代表美国最大卡车停靠站运营商的行业协会NATSO首席游说人David Fialkov表示，成员对特朗普应对柴油成本的努力表示赞赏，但相关指引仍"模糊不清"，风险过高。"我实在看不出这些染料柴油公告能对柴油价格产生任何实质性影响，"他说。

俄罗斯柴油重返美国，地缘代价引发两党批评

在增加供应端，特朗普政府选择松绑对俄罗斯柴油的制裁。

据路透社报道，LSEG航运数据显示，马耳他籍油轮Agioi Fanendes已于10月22日在俄罗斯波罗的海港口普里莫尔斯克装载4万吨超低硫柴油，目的地为美国，预计11月7日抵达纽约。俄罗斯总统新闻秘书佩斯科夫当日确认，根据俄美达成的协议，俄对美柴油供应已正式启动。

特朗普此前宣布，俄罗斯将立即出口30万吨柴油，11月增至50万吨，此后进一步扩大至100万吨。俄罗斯副总理诺瓦克上周表示，俄方有望在年底前将柴油月出口量恢复至300万至350万吨的常规水平。

然而，这一举措在国内引发两党批评。原本旨在限制莫斯科能源收入、削弱其资助乌克兰战争能力的制裁被松绑，其地缘政治代价显而易见。分析人士指出，伊朗冲突才是本轮柴油价格飙升的主要驱动因素，乌克兰对俄罗斯炼油厂的打击虽有一定影响，但作用相对有限。对外关系委员会Maurice R. Greenberg中心主任Edward Fishman表示："我更多地将其视为一种转移责任的替罪羊操作，而非在选举前真正试图平抑价格的举措。"

白宫将高价归咎于"历史遗留问题"，政治压力持续升温

白宫将高柴油价格归因于"既有问题"，包括多年来的炼油厂关闭以及俄乌战争造成的破坏，同时为特朗普的系列举措进行辩护。白宫发言人Taylor Rogers表示："总统希望柴油价格下降，这正是他采取历史性行动、为美国农民、卡车司机和工人守住每一分血汗钱的原因。"

政治压力在传统共和党农业州尤为突出。爱荷华州、堪萨斯州等地的农民面临燃料和化肥成本上涨、贸易中断及农业经济疲软的多重压力，部分特朗普核心支持者的不满情绪正在积聚。特朗普已在该地区的竞选集会上大力宣传上述柴油措施，并在内布拉斯加州当众签署行政令。

分析人士普遍认为，在中期选举前，上述措施难以带来实质性的价格缓解。随着选举日临近，特朗普政府正在为一场效果存疑的价格保卫战付出越来越高的代价。

风险提示及免责条款

美国10月标普全球制造业PMI初值 56，预期 55.5，前值 55.9

Fri, 23 Oct 2026 13:45:48 GMT

美国10月标普全球服务业PMI初值 57.9，预期 58，前值 58.8。美国10月标普全球综合PMI初值 57.6，预期 57.6，前值 58.4。

风险提示及免责条款

法国PMI全线跌破荣枯线，欧元区10月综合PMI初值降至51.9逊于预期

Fri, 23 Oct 2026 13:35:29 GMT

法国经济意外陷入收缩，令欧元区10月商业活动增速超预期放缓，市场对欧元区财政稳定与增长韧性的担忧同步升温。

法国10月综合PMI初值骤降至48.4，跌破50荣枯线，远低于彭博调查预期的50.3，9月终值为51.1。服务业与制造业双双萎缩，构成全面压力。欧元区整体10月综合PMI初值随之降至51.9，低于彭博预期的52.7，9月为53.1。德国综合PMI虽连续第四个月位于扩张区间，报52.8，但同样低于预期。

法国基准国债收益率本周触及5%，为2002年以来首次，法德利差扩大至约175个基点，创2011年以来最阔。Franklin Templeton固定收益投资主管警告，若法债抛售升级为欧元区债务危机，其烈度可能超过十多年前那场危机。

法国：综合、服务业、制造业均低于50

法国10月综合PMI初值为48.4，9月为51.1。服务业PMI为48.4，制造业PMI为49.3，两个分项和综合指数均低于50。彭博称，法国财政担忧引发国债抛售，国内还出现抗议与骚乱。

S&P Global Market Intelligence经济学家Joe Hayes表示，9月反弹被证明短暂，金融条件迅速收紧、政治压力进一步上升并不令人意外。私营部门销售量以5月以来最快速度下降，并立即体现为采购与投资活动减少。

Hayes称，10月数字可能只是前奏。企业对未来12个月预期的情绪指标已降至六年半低点，反映出对2027年总统选举高度不确定性及财政状况的担忧。

德国：连续第四个月扩张，增速放缓

德国10月综合PMI初值为52.8，9月为53.8，路透调查预期53.3，彭博调查预期53.4。该指数已连续第四个月位于扩张区间，但低于预期。

制造业： PMI升至54.2的两月高点，9月为53.9，工厂产出继续强劲上升。不过制造业订单增速降至三个月低点，仍受出口支撑。
服务业： PMI为51.7，前值52.9，连续第二个月扩张但幅度温和。服务业需求停滞，原因是客户推迟决策、收紧预算。
整体： 私营部门新业务仅略增。商品与服务收费价格通胀降至七个月低点，但仍明显高于长期均值。

S&P Global Market Intelligence经济学家Phil Smith表示，结果令人鼓舞地显示德国商业活动持续回升，但增长放缓突显出欧元区最大经济体的复苏仍然脆弱。

企业对未来12个月产出总体仍乐观，服务业信心升至2月以来最高，制造商预期则降至7月以来最低，原因是担忧投入价格上升。

欧元区：法国服务业拖累增长

欧元区10月综合PMI初值为51.9，9月为53.1，仍明显高于50。彭博称，私营部门放缓程度超出预期，法国表现逊于预期，德国制造业则强于预期。

S&P Global Market Intelligence首席商业经济学家Chris Williamson表示，增长的主要拖累是法国服务业活动再度下降，这或与罢工和骚乱扰乱部分地方经济有关。他同时指出，整个地区10月的活动“是过去三年部分最佳表现之一”。

据彭博报道，欧元区经济对伊朗战争及随之而来的能源价格冲击表现出韧性。但也有人担心，中东冲突持续和债市收益率急升将拖累经济活动。

债市压力与ECB路径

彭博称，法国基准国债收益率本周触及5%，为2002年以来首次。法德利差扩大至近175个基点，为2011年以来最阔。能源价格上涨加剧了市场对法国财政前景的担忧，法国同时面临沉重的预算赤字和疲软的增长。

Franklin Templeton固定收益投资主管周三警告，法债抛售若升级为又一次欧元区债务危机，可能比十多年前那次更糟。

在政策层面，欧洲央行（ECB）因通胀高于目标已加息两次，并示意可能仍需进一步收紧。官员们被广泛预期下周维持借贷成本不变。

高级欧元区经济学家David Powell表示，综合PMI显示经济开始在更高的商品价格与更紧的金融条件下走弱。他认为这几乎肯定会让ECB在10月按兵不动，并在12月最后一次加息后结束加息周期。

Williamson则指出，投入成本再度急剧上升，企业为保护利润推高售价。“持续增长与顽固偏高通胀”的组合，或加剧市场对ECB更激进收紧的猜测。他表示，更高的借贷成本已开始通过抑制需求显现影响。

风险提示及免责条款

全球科技股跌势暂歇，美股低开，半导体股涨跌互现，西部数据跌约3%，布油涨破115

鲍奕龙、张雅琦、李佳 — Fri, 23 Oct 2026 13:33:30 GMT

科技股抛售潮暂歇，但围绕AI支出可持续性的疑虑仍笼罩市场。

美股盘初，道指跌1%，标普500指数跌0.45%，纳指跌0.3%。半导体股涨跌不一，SK海力士涨约3%；西部数据跌约3%，公司此前公布了第一财季财报。与此同时，油价持续走高令通胀前景更趋复杂，投资者情绪依然审慎。

此轮科技股波动对资产配置产生明显的轮动效应：投资者将资金转移至美国国债等避险资产，10年期美债收益率周四单日骤降17个基点，创逾两年最大单日涨幅；油价则延续强势，布伦特原油突破115美元/桶，日内涨1.6％，受沙特阿拉伯袭击事件加剧中东供应中断风险影响，原油连续第三周上涨。

Bank J Safra Sarasin的Wolf von Rotberg表示，"只有当美国超大规模云计算商能够证明飙升的AI营收足以支撑当前建设规模时，股市才可能真正企稳。信贷市场已出现越来越明显的压力信号，市场为额外资本支出融资的意愿正在下降。"

美股盘前，SK海力士涨5.5％，闪迪涨2.8％，美光科技涨2.62％。西部数据跌约3%，公司此前公布了第一财季财报。

日经225指数收盘下跌214.68点，跌幅0.34%，报62693.16点。韩国KOSPI指数收盘上涨16.53点，涨幅0.3%，报5550.3点。SK海力士收涨4.41%，三星电子涨0.46%。

10年期美债收益率小幅回升2个基点至4.97%。

日本10年期收益率下降9个基点，至2.780%

日元报约156.88兑1美元

布伦特原油突破115美元/桶，日内涨1.6％；WTI原油日内涨幅达2.0%，报101.47美元/桶。

避险情绪退潮，美国国债收益率回升

前一交易日的避险买盘曾推动10年期美国国债收益率创下逾一年来最大单日降幅，但目前该收益率小幅走高，显示极度的避险情绪有所消退。法国国债抛售压力也有所缓解。

黄金则延续回调，价格跌向每盎司4000美元关口，有望录得自今年6月以来最差单周表现。

原油市场成为当前宏观不确定性的另一核心变量。布伦特原油触及今年5月初以来最高位，持续的油价涨势令通胀前景更趋模糊，进一步压制风险资产的反弹空间。

亚洲市场跌后修复，欧股小幅收跌

亚洲市场在经历急跌后出现反弹迹象。韩国综合股价指数（Kospi）收盘上涨0.3%，此前盘中一度下跌4.1%；亚洲区域股票指数抹去最多1.1%的跌幅。欧洲方面，斯托克600指数小幅下跌0.2%。

存储芯片类股在美股盘前表现分化。SK海力士涨5.5%，闪迪涨2.8%，美光科技涨2.62%；而西部数据在公布第一财季财报后下跌约3%。

黑石高管力挺AI，称需求"近乎抛物线式"增长

在市场对AI投资回报产生质疑之际，黑石集团总裁Jon Gray发出与市场情绪相左的声音。他表示，自己并不认为AI存在泡沫，并将当前AI需求描述为"几近抛物线式"增长。他在彭博电视节目中谈及AI投资布局及黑石第三季度业绩时强调了这一立场。

这场围绕AI支出能否产生足够回报的争论，短期内料将持续主导市场走向。本周的大幅波动表明，投资者对科技巨头的资本支出承诺已从无条件的信任转向更为严苛的审视。

风险提示及免责条款

白宫称俄乌同意在奥列什基暂时停火

新华社 — Fri, 23 Oct 2026 13:31:17 GMT

美国白宫23日发表声明说，美国成功促成俄罗斯和乌克兰达成在奥列什基的停火协议。俄乌两国同意暂时停止在奥列什基的一切军事行动，以便人道主义物资进入，并安排平民通过指定的安全通道撤离。停火从10月29日开始。

来源：新华社

风险提示及免责条款

全球铜短缺或从2028年开始显现，2050年供需缺口恐达44%

Fri, 23 Oct 2026 13:26:30 GMT

全球铜市正面临日益严峻的结构性供需失衡。绿色能源转型、AI基础设施扩张和新兴市场基建共同推高需求，但矿山开发周期漫长、矿石品位下降及投资不足，令供给难以跟上。铜短缺不仅可能推动价格长期上涨，也可能抬高能源转型成本，制约相关产业发展。

据彭博新能源财经本周发布的报告，全球铜市将从2028年起出现“大规模长期短缺”，预计2035年供给缺口将达到需求量的8%，到2050年进一步扩大至44%。国际能源署此前也发出类似预警。

铜价已提前反映供需趋紧的预期。伦敦金属交易所铜价上月创下每吨14875美元的历史新高，较2024年初累计上涨76%。特朗普政府潜在的铜关税政策引发美国买家提前抢购、囤积铜材，霍尔木兹海峡危机导致铜冶炼所需的硫磺供应趋紧，也进一步推高价格。若结构性短缺持续加剧，铜价可能面临更大的长期上行压力。

需求多重增长，铜成为能源转型与AI扩张的关键瓶颈

铜具有优异的导电性，是低碳能源体系的重要原材料，广泛应用于太阳能发电、电动汽车及相关电力基础设施。与此同时，AI数据中心快速扩张也在增加铜需求，从服务器等内部设备到维持运营所需的供电设施，都离不开铜。

此外，地缘政治动荡推动各国加大高技术军事装备采购，高增长发展中国家持续推进基础设施建设，也为铜需求提供了额外支撑。彭博新能源财经将这些趋势视为全球经济中的几大“超级趋势”，并警告铜供应不足可能成为制约其发展的共同瓶颈。

供给端却难以迅速响应需求增长。Teck首席执行官Jonathan Price上周在英国《金融时报》金属与矿业峰会上预测，到2035年铜供给缺口可能达到约30%。

矿山开发周期长达15年，能源转型或承受更大冲击

铜供给的核心难题在于，新产能难以快速释放。Price指出，建设一座数据中心可能只需六个月，但发现、审批并建成一座新矿山，可能需要15年。与此同时，许多运营数十年的老矿山面临矿石品位持续下降的问题，矿企维持现有产量已不容易，新建矿山项目又相对有限。

据Wood Mackenzie分析师分析，过去二十年机构投资者的风险偏好发生变化，也加剧了供给约束。投资者更倾向于要求矿企提高现有矿山的运营效率，或通过并购整合扩大规模，而非投入资金开发风险更高、周期更长的新矿。部分大型未开发铜矿又位于政治风险较高的国家，进一步削弱了西方矿企的投资意愿。

对矿企而言，供给紧张意味着更有利的长期定价环境。Price也表示，铜市正迎来“非常有利的长期市场前景”。但对下游产业而言，持续短缺则意味着更高的原材料成本，以及部分需求无法得到满足。

资金实力雄厚的AI数据中心运营商或许能够承受更高的采购成本，而对资金相对有限的发展中国家而言，铜价上涨可能显著增加电网建设、可再生能源项目及电气化改造的成本，甚至拖慢绿色转型进程。铜荒的影响因此不止于金属市场本身，还可能进一步传导至全球能源转型和基础设施投资。

风险提示及免责条款

瞄准企业AI需求，甲骨文未来四年将向合作伙伴投入10亿美元

Fri, 23 Oct 2026 13:20:32 GMT

甲骨文正押注合作伙伴生态系统，以抓住企业AI转型浪潮带来的商机。

甲骨文于10月23日在拉斯维加斯举办的甲骨文 AI World大会上宣布，将在未来四年内向其合作伙伴生态系统投入10亿美元，帮助合作伙伴把握企业客户对AI驱动解决方案和服务的旺盛需求。

此次投资将通过甲骨文合作伙伴网络（OPN）落地，涵盖培训认证、技术赋能、开发测试环境、云迁移资金支持、市场推广协作以及通过甲骨文 Marketplace实现商业化等多个方向。

这一举措意在扩大甲骨文的市场覆盖范围与交付能力。甲骨文全球现场运营总裁Mark Hura表示，合作伙伴延伸了公司的销售触达，扩展了交付能力，并带来自身的创新与投入，帮助客户应对不断演变的业务需求。

四大方向构建投资框架

根据甲骨文公告，此次10亿美元投资围绕四个核心领域展开。

其一，帮助合作伙伴构建差异化产品。甲骨文将提供开发与测试环境、技术指导及集成验证支持，使合作伙伴能够结合自身行业专长与知识产权，基于甲骨文技术开发专业化应用、集成方案、加速器及AI智能体。

其二，支持合作伙伴拓展销售与业务增长。甲骨文将提供销售与营销协作资源、演示环境，以及针对符合条件的商机提供资金激励，同时通过培训、认证、专业能力认定和甲骨文 Marketplace帮助合作伙伴实现产品差异化与商业化。

其三，提升合作伙伴的交付能力。甲骨文将提供培训赋能、迁移资源及咨询服务，支持合作伙伴规划和执行客户项目，覆盖应用实施、数据库现代化、集成及云服务等场景。

其四，推动客户持续成功。甲骨文将为合作伙伴提供包括甲骨文 AI Success Navigator在内的工具与资源，帮助其在初始部署完成后持续支持客户，推动新功能采用、优化现有投资并持续创造业务价值。

生态系统多元，覆盖全栈合作伙伴

甲骨文的合作伙伴生态系统涵盖系统集成商、独立软件供应商（ISV）、云服务与托管服务提供商、增值分销商、经销商及咨询机构等多类主体。

在甲骨文 Fusion Applications、甲骨文 Database、甲骨文 Cloud Infrastructure（OCI）及相关AI服务层面，不同类型的合作伙伴以各异的方式参与其中，从开发互补解决方案，到提供咨询、实施和托管服务，分工各有侧重。

甲骨文合作伙伴、销售与运营战略高级副总裁Leah Yomtovian表示，合作伙伴拥有不同的商业模式、能力和增长目标，此次投资正是为了支持这种多样性。"通过赋予合作伙伴在构建、销售和交付方面更大的选择权与灵活性，我们既帮助他们发展业务，也为客户带来更多创新、专业能力和价值。"

以生态撬动AI商机

此次投资发布于甲骨文自家AI主题大会之上，时机选择具有明确的战略信号意义。随着企业客户加速推进AI驱动的业务转型，甲骨文意在通过强化合作伙伴网络，在不大幅扩张自身直销团队的前提下，实现更广泛的市场渗透与规模化交付。

OPN的灵活机制允许合作伙伴自主选择最契合其业务策略和增长优先级的权益、激励与资源，这一设计有助于吸引不同规模和类型的合作伙伴加大对甲骨文技术栈的投入，进而形成围绕OCI及AI服务的更紧密生态绑定。

风险提示及免责条款

美国运通盘前下跌2.7%，刷卡消费额逊于预期，拟削减5%员工

Fri, 23 Oct 2026 13:13:33 GMT

美国运通第三季度刷卡消费额未达预期，拖累股价盘前走低，但调整后每股收益超出市场预期，公司同步上调全年盈利指引，业绩呈现喜忧参半格局。

截至纽约时间周五上午7时34分，美国运通盘前交易下跌2.7%，至316.33美元。第三季度刷卡消费额为4540亿美元，低于分析师预测均值4569亿美元，公司将部分差距归因于退出若干小企业联名卡合作项目。与此同时，公司宣布将削减约5%的员工，作为提升效率举措的一部分。

尽管消费额承压，富裕持卡人群体的持续消费扩张仍为公司提供了支撑。美国运通将全年每股收益指引上调至18.30至18.60美元，高于此前预期的17.30至17.90美元。首席执行官Steve Squeri表示，公司在消费额、新客户拓展和持卡会员留存方面表现强劲，信贷质量保持优异。

消费额不及预期，联名卡退出拖累业绩

第三季度刷卡消费额4540亿美元低于市场预期，成为本季度业绩的主要瑕疵。公司指出，退出部分小企业联名卡合作项目对整体消费额造成了直接影响。

与此同时，第三季度支出增长约9%，至145亿美元，同样低于分析师预期的148亿美元。扣除利息支出后的净营收升至200.6亿美元，略低于分析师预测的201.2亿美元。

截至周四收盘，美国运通股价今年以来已累计下跌12%。

调整后每股收益超预期，全年指引上调

尽管消费额数据令市场失望，美国运通的盈利能力仍展现出韧性。

第三季度调整后每股收益为4.68美元，高于据FactSet汇编的分析师平均预期4.49美元（据华尔街日报，分析师预期为4.48美元）。第三季度净利润为37.1亿美元，合每股5.42美元，较上年同期的29亿美元（每股4.14美元）大幅增长。

公司出售所持Global Business Travel Group Inc.股权，录得7.51亿美元税后收益，并将其中一部分用于承担与效率提升措施相关的2.53亿美元税后重组费用。上述出售收益及重组费用均未计入调整后业绩。全年调整后每股收益指引区间为17.60至17.90美元，公司表示全年营收增速仍有望达到10%。

高端会员模式持续深化，营销投入加码

美国运通持续押注高端会员信用卡策略，以年费卡及配套权益为核心驱动增长。

公司去年对白金卡进行了大规模权益升级，该卡目前已成为其美国消费者业务中增速最快的产品。本月早些时候，公司宣布与Airbnb展开合作，允许部分豪华住宿预订计入持卡人年度住宿抵扣额度。

首席财务官Christophe Le Caillec此前表示，预计2026年下半年营销支出将同比增长约10%。营收增长的主要驱动因素包括持卡会员消费提升、卡余额增长带动的净利息收入上升，以及卡费收入增加。

反洗钱罚款落地，公司称不影响指引

美国运通还面临一项合规层面的压力。美国货币监理署和美联储本月早些时候对公司采取执法行动，指控其反洗钱体系存在缺陷，并对公司处以3.5亿美元罚款。

美国运通表示，上述罚款不会影响此前发布的2026年全年指引或任何2027年前景预期，相关监管命令也未对公司施加资产规模上限。

风险提示及免责条款

谁推动了宇树科技首个涨停板？

Fri, 23 Oct 2026 12:59:18 GMT

据上证报，盘后交易公开信息显示，宇树科技因“有价格涨跌幅限制的日收盘价格涨幅达到15%的前五只证券”而上榜，机构净买入额位居当日第一。具体来看，买一席位为机构专用席位，单边净买入2.41亿元；买二席位为中国国际金融股份有限公司上海分公司，该席位同时占据卖二席位，买入2.08亿元，卖出1.20亿元；买三席位为高盛（中国）证券有限责任公司上海浦东新区世纪大道证券营业部，该席位同时占据卖一席位，买入1.10亿元，卖出1.39亿元；买四席位为中信证券股份有限公司上海分公司，该席位同时占据卖五席位，买入8232.78万元，卖出7428.67万元；买五席位为瑞银证券有限责任公司上海花园石桥路证券营业部，买入7507.57万元。整体来看，宇树科技今日龙虎榜呈现“外资对垒、机构单向做多”格局。可以看出，机构在该股连续大涨后仍以净买入姿态入场，对人形机器人赛道的中期逻辑给出了较强的认可度。

风险提示及免责条款

捷达M6开局锁单破万，一汽大众打响纯电反攻

Fri, 23 Oct 2026 12:56:36 GMT

一汽大众正在加快向10万元以内的纯电家轿市场投放产品。

10月23日，捷达宣布，旗下首款新能源车型M6上市19小时锁单达到1万辆。这款售价低于10万元的纯电家轿，是一汽大众拓展入门级新能源市场的新产品。

捷达M6于10月22日正式上市，共推出三款配置，售价7.98万—9.98万元。从燃油家轿转向纯电市场，捷达选择以更低的价格门槛和本土智能化配置争取订单，其首款产品的销售表现，也将成为观察一汽大众电动化进展的一个切口。

M6三款车型全部低于10万元，其中465 Pro和555 Max分别定价7.98万元、8.98万元，较此前预售价均下调1000元，顶配555 Ultra售价9.98万元。

这一价格区间对应的是对购车成本较为敏感的家用市场。捷达延续了面向大众化消费的定位，但竞争对象和比较维度已经变化，进入纯电市场后，除了售价、空间，续航、补能及辅助驾驶配置也成为消费者比较产品的依据。

产品方面，M6轴距2820毫米，提供465公里和555公里两种CLTC续航版本，官方公布的30%至80%快充时间为25分钟。

该车的亮点，是10万元以内支持高阶智驾。其中，售价9.98万元的顶配555 Ultra搭载地平线征程6M芯片，支持城市及高速NOA领航辅助功能。座舱方面，公开资料显示，M6接入豆包、DeepSeek、通义千问等大模型。本土技术供应商的参与，成为捷达此次纯电产品开发的重要变化。

捷达推出M6的背景，是国内乘用车市场的动力结构变化。

乘联分会数据显示，2025年国内新能源乘用车零售1280.9万辆，同比增长17.6%，渗透率达到54%。新能源车已占据超过一半的零售市场。对于以燃油车业务为基础的合资企业，能否增加新能源产品供给并形成销量，正影响其后续市场表现。

对一汽大众而言，M6补充了其10万元以内的纯电家轿产品。大众汽车今年4月已明确提出，捷达将进入智能入门级新能源市场。随着M6上市，这一布局开始进入销售和交付阶段。

后续产品投放也已有时间表。

按照公开规划，捷达将在2028年前推出至少五款全新车型，其中四款为新能源产品。一汽大众同时推进ID.AURA等新能源产品布局，投放范围将涉及多个品牌和价格区间。M6因此既承担捷达新能源业务起步的任务，也是一汽大众扩大纯电产品覆盖范围的一部分。

上市19小时锁单1万辆，为M6带来了首批待交付订单。首批订单能否按期交付、上市初期需求释放后能否保持新增订单，是接下来判断其销售表现的主要依据。

对于捷达，M6已经完成从产品发布到获取订单的第一步。随着交付展开，新能源业务能否形成持续销量，将进一步体现在实际用车反馈和后续订单中。

风险提示及免责条款

国务院办公厅：加快开发新职业，减缓AI岗位替代影响

新华社 — Fri, 23 Oct 2026 12:53:40 GMT

国务院办公厅日前印发《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》（以下简称《意见》），对相关工作作出部署。

《意见》强调，要坚持以习近平新时代中国特色社会主义思想为指导，深入贯彻党的二十大和二十届历次全会精神，坚持以人民为中心的发展思想，坚持投资于物和投资于人紧密结合，坚持统筹发展和安全，坚持就业优先导向，以人工智能赋能高质量发展为契机，以适应技术发展促进高质量充分就业为目标，以构建就业友好型发展方式为方向，积极增强人工智能创造就业机会、赋能传统岗位、提升就业质量、激发创业活力的正面效应，有效减缓人工智能应用就业替代影响，努力实现技术进步、产业升级与就业促进、民生改善相协调的包容性发展。

《意见》部署了6个方面18项主要任务。一是强化人工智能的就业创造效应。拓展新兴领域人工智能就业新空间，培育中小微企业稳岗扩岗新动能，创造人工智能领域就业创业新模式，加快开发人工智能领域新职业。二是构建就业友好型人工智能升级路径。挖掘传统领域人工智能就业潜能，减缓人工智能应用就业替代影响，建立人工智能应用就业风险评估机制。三是提升劳动者数字素养和就业能力。协同培养人工智能创新型人才，实施人工智能专项培训计划。四是推动人工智能赋能高品质就业政策服务。运用人工智能助力就业政策落实，提高就业服务智能化水平，加大转型转岗就业支持力度。五是健全劳动者权益保障制度和社会保障制度。优化适应人机协同的劳动者权益保障制度，完善灵活就业、新就业形态劳动者社会保障制度，健全适应人工智能技术发展的收入分配机制。六是完善人工智能应用就业监测预警和风险应对体系。强化人工智能应用就业风险监测预警，加强人工智能应用就业影响研究，健全人工智能应用就业风险应对机制。

《意见》要求，坚持把党的领导贯彻到适应人工智能技术发展促进就业创业工作全过程各方面。各地区各有关部门要结合实际抓好本意见贯彻落实，进一步强化就业优先政策导向，统筹考虑人工智能应用就业影响，加快构建就业友好型发展方式。各级人力资源社会保障、发展改革部门要加强统筹协调，推动各项政策措施落地见效，加强宣传引导，营造有利于促进就业创业的良好社会氛围。

来源：新华社

风险提示及免责条款

沃尔沃换挡转型，在华插混销量增逾45%

Fri, 23 Oct 2026 12:50:19 GMT

沃尔沃汽车的盈利修复仍在途中，中国市场的表现成为关键变量。

10月23日，沃尔沃汽车公布2026年三季度业绩：营收同比下降22.6%，至668.96亿瑞典克朗；营业利润由上年同期的64.33亿瑞典克朗，转为亏损55.92亿瑞典克朗。公司计划追加50亿瑞典克朗成本削减，并裁减约2500个岗位，其中约2000个在瑞典，相关措施预计于2027年底前全面生效。

这场调整背后，中国市场是绕不开的变量。沃尔沃此前已于10月2日撤回全年销量和现金流指引，将原因主要归结为中国市场压力加大，以及美国复苏慢于预期。公司同时提示，这些变化将进一步冲击三季度核心盈利与现金流。

销量变化更直观地揭示了压力来源。三季度，沃尔沃全球交付14.16万辆，同比下降10.7%；大中华区交付仅2.03万辆，同比下降40.6%。

与此同时，沃尔沃正处于新旧产品的交接期，动力结构的切换仍在推进。

大中华区轻混及燃油车型三季度销量降至1.4万辆，同比减少52%；插混车型增长45.7%，达到5316辆；纯电车型售968辆，同比下降29.9%。

插混增长带来了缓冲，却远不足以抵消传统动力车型流失的销量。这意味着，沃尔沃既要守住原有客户，也要加快争夺新能源用户。

价格竞争已经传导至主力产品。公开信息显示，今年6月上市的2026款XC60，官方指导价为39.69万至47.49万元，限时售价则为25.49万至42.59万元。起售价之间超过14万元的差距，显示出销售端争取客户的力度。

对竞争格局的变化，沃尔沃管理层已有清晰认识。在9月的战略更新会上，公司指出，中国一些新品牌的单一车系就能取得可观销量；能否提供匹配市场需求的产品、技术和价格，比品牌历史更能决定销售表现。管理层仍认为中国存在机会，但抓住机会需要更有针对性的产品。

因此，裁员降本只是修复经营的一部分。它可以降低盈亏平衡点，为产品与技术的投入腾出空间；而要重新赢得中国消费者，最终仍要回到产品竞争力本身。

接下来，沃尔沃在华的看点，在于插混增长能否持续、纯电产品能否扩大规模，以及主力车型能否在争取销量的同时守住价格。成本削减为新产品和新技术腾出了投入空间，管理层也明确把中国视为机会市场。若转型节奏得当，中国市场有望从眼前的压力来源，重新成为沃尔沃全球复苏的重要引擎。

风险提示及免责条款

广发证券联合多方出资3.7亿元，清越科技先行赔付落地

Fri, 23 Oct 2026 12:40:29 GMT

证券市场先行赔付机制迎来新的实践案例。

10月23日，广发证券公告称，公司联合立信会计师事务所、清越科技实际控制人高裕弟，正式设立清越科技事件先行赔付专项基金，初始出资规模达3.7亿元，相关资金已足额划付至专项基金监管账户。

此次专项基金主要用于赔付因清越科技欺诈发行、信息披露违法违规而遭受投资损失的适格投资者。

值得关注的是，广发证券早在今年5月8日便召开董事会，审议通过清越科技事件先行赔付相关议案，明确提出主动采取先行赔付措施，并授权经营管理层推进专项基金设立等工作。

随着清越科技行政处罚决定落地，广发证券进一步推动赔付方案从前期筹备进入实质执行阶段。

根据最新方案，专项基金不仅明确了赔付对象、损失计算原则及资金划付安排，还建立了资金不足时的补足机制。若最终有效申报的投资者损失赔付金额超过3.7亿元，基金出资人还将及时补足差额，确保符合条件的投资者获得足额赔付。

这一安排与监管层近期强化投资者保护的政策导向高度契合。

10月19日，证监会就《证券市场先行赔付指导意见》公开征求意见，进一步明确先行赔付的适用主体、实施程序及追偿机制，并提出支持、鼓励市场主体主动实施先行赔付。

同日，证监会主席吴清在2026金融街论坛年会上表示，将制定发布证券市场先行赔付指导意见，促进依法、快捷、高效开展先行赔付，更好维护中小投资者合法权益。

在这一背景下，广发证券推动清越科技赔付基金正式落地，体现了证券中介机构对监管政策导向的积极响应，也为证券市场高效化解投资者赔偿纠纷提供了新的实践样本。

从过往案例来看，A股市场此前已有万福生科、海联讯、欣泰电气、紫晶存储、广道数字等五单先行赔付实践。

与此前案例相比，此次清越科技事件的一大特点是采取了保荐机构、审计机构与上市公司实际控制人共同出资的模式，也是科创板先行赔付实践中首次引入实控人参与出资。

通过多方共同筹集赔付资金，有助于加快投资者损失补偿进程，减少投资者通过长期诉讼维权的时间和成本。

按照计划，适格投资者可于10月28日至11月27日期间申报，完成有效申报的投资者预计自12月15日起陆续收到赔付资金。

对于广发证券而言，此次先行赔付基金落地，意味着其主动推进投资者保护工作的举措进一步转化为具体行动。

随着先行赔付制度持续完善，证券中介机构主动参与投资者损失补偿、推动纠纷高效化解的实践，有望为资本市场投资者保护机制提供更多经验。

风险提示及免责条款

美官员称美国已准备好与伊朗长期对峙

央视新闻 — Fri, 23 Oct 2026 12:26:51 GMT

美国常驻联合国代表迈克尔·华尔兹表示，美国已做好与伊朗长期对峙的准备，双方一年后可能仍在僵局中。

据英国方面23日消息，华尔兹承认，一年后美国和伊朗可能仍陷于僵局，届时双方或许仍未就伊朗核计划达成协议，霍尔木兹海峡航运也可能无法恢复至冲突前水平。华尔兹希望伊朗能在上述情况发生前“坐到谈判桌前”。

华尔兹称，美国总统特朗普和美国海军“有能力在可预见的未来维持对伊朗港口的封锁”，美政府正进一步加大对伊朗的经济施压。按照他的说法，只有处理掉伊朗的高浓缩铀，并与伊朗就其境内铀浓缩活动达成实质性协议，美国在这场冲突中的战略目标才算实现。

据美国方面21日消息，美国和以色列军方已制定具体计划，准备在11月美国国会中期选举结束后再次打击伊朗，但特朗普是否会批准实施这一计划尚不确定。

特朗普最初曾表示对伊朗的军事行动将持续“四至五周”。但眼下这场战事仍未结束，燃油价格高企，化肥和大宗商品供应短缺，海湾地区能源设施及出口通道也遭到严重破坏。

持续的战事和高物价引发美国民众不满。距离美国国会中期选举不到两周，特朗普的支持率已降至约31%，创下他两届任期内历史新低，共和党面临严峻选情。

本文来源：央视新闻

风险提示及免责条款

中国发布外空治理立场：鼓励企业参与外空探索，规范商业航天

新华社 — Fri, 23 Oct 2026 12:18:44 GMT

关于加强外空治理的中国立场

外空是人类生存和发展的新领域和新家园。探索浩瀚宇宙，和平利用外空，是全人类的共同理想，既关乎各国经济建设、科技发展、国家安全和社会进步，更关乎全人类共同福祉。外空探索的成果，应惠及所有国家。

随着航天科技进步及其广泛应用，外空探索、开发和利用活动的频次、密度、深度呈爆发式增长，外空领域现行国际法体系滞后性逐渐显现。各国外空能力发展不平衡、不充分的问题突出，发展中国家获取空间科技的权利受到限制，影响可持续发展目标的实现。外空主体多样，日常监管问题突出，安全风险持续上升。外空军备竞赛风险和战场化趋势，已成为外空安全面临的最大威胁和挑战。加强外空全球治理，是摆在人类面前的紧迫课题，也是各国共同责任。

在此背景下，中国主张以践行全人类共同价值为根本遵循，奉行主权平等，遵守国际法治，践行多边主义，倡导以人为本，注重行动导向。坚持外空发展与安全、外空稳定与可持续性并重，在外空领域推动构建人类命运共同体，造福全人类。

一、坚持开放共享。秉持“外层空间是人类的共同疆域”，鼓励各国提供外空公共产品与服务，推动外空探索成果惠及全人类。落实联合国空间2030议程，重视发展中国家在外空领域的能力建设和应用需求，积极开展联合研究、技术合作、人员培训等项目。加快航天技术成果向民生领域转化，深化防灾减灾、应急救援、气变应对等各领域与航天技术深度融合。

二、尊重各国权利。维护各国公平进入外空、不受歧视地探索和利用外空的权利，反对利用外空从事危害他国国家主权、安全、发展利益的行动。尊重各国外空资产、外空活动和人员的主权、安全和其他合法权益。

三、遵守国际法治。维护以《外空条约》等国际法为基础的外空国际秩序，确保国际法平等统一适用，在广泛共识的基础上发展相关国际法和国际规则。坚持基于和平目的探索和利用外空，反对外空武器化、战场化。反对一国滥用其国内法对他国外空活动设置障碍或进行单边制裁。

四、推动创新发展。支持开展轨道维护、深空探测、近地小行星防御等空间科研和技术创新应用，加强学术交流、人才培养和基础设施建设，更好服务经济社会发展。鼓励和支持科研机构、企业、高等院校、社会团体等各类主体，在国家监管下，依法依规广泛参与外空探索与创新。

五、维护共同安全。坚持外空领域安全不可分割原则，重申各国在外空的安全利益相互依存，任何国家在谋求自身外空安全时应兼顾其他国家合理安全关切。秉持依规有序、全面综合、利益均衡、自我克制等原则，通过对话与合作凝聚共识，形成外空安全综合治理方案，维护外空和平稳定。

六、防止武装冲突。反对采取进攻性外空军事政策，尽一切可能防止外空军备竞赛。重申在国际关系中遵循不得使用或威胁使用武力原则，防止对外空物体使用或威胁使用武力，避免外空武装冲突。支持谈判缔结外空军控国际法律文书。

七、减少误解误判。采取适当、可行的透明和建立信任措施，增进互信，减少误判。鼓励各国加强外空安全对话，沟通外空战略政策和外空活动相关信息，开展必要的航天发射、碰撞风险预警、空间物体再入和残骸陨落通报，切实履行空间物体信息登记国际义务。加强危机预防和管控。

八、规范商业航天。鼓励发展外空经济的同时，应建立和完善国家监管体系，保证商业航天企业在开展外空活动时，严格遵守相关国内法和国际法，不侵害他国合法权益，特别是避免非法介入他国武装冲突和内部事务。

九、深化国际合作。坚持行动导向，将航天国际合作共识转化为各国共促航天发展的务实行动。促进空间科学、空间技术和空间应用等领域的国际交流与合作，反对歧视性政策和壁垒，支持建立双多边和区域性合作机制。加强空间交通、碎片减缓等重点领域国际协调与合作。

十、推进全球治理。坚持各国共商共建共享，维护联合国在外空全球治理中的主渠道地位。鼓励其他多边机制、各专业机构在职能范围内发挥建设性作用，避免任何歧视性、排他性安排，提升发展中国家代表性和发言权。推动在普遍参与的基础上构建开放、公正、有效的治理机制。

来源：新华社

风险提示及免责条款