2026-11-06: 【财经日历】 美国10月失业率、10月季调后非农就业人口 中国智能机器人大会(11/6-11/8) CCF中国数字金融大会(11/6-11/8) ►►据国家能源局，今年以来，我国氢能产业快速发展，前三季度氢能产业投资实现翻番。数据显示，今年前三季度我国氢能产业总投资287亿元，同比增长108%，实现翻番。可再生能源制氢新开工项目10余个，新增投运产能10万吨。截至目前，我国可再生能源制氢项目建成投运年产能累计超过35万吨，占全球产能比重超过50％，在建项目的年产能超过120万吨，处于全球领先水平。 ►►11月5日，在第七届世界媒体峰会人工智能与中国式现代化论坛上，全球首个仿生人形机器人新闻主播正式亮相。这一成果标志着“权威资讯+具身智能”的创新传播模式从理论构想走向实体应用，为人工智能时代的新闻传播提供了全新范式。 ►►据新华社，国家广播电视总局相关负责人5日在京重申，关于真人微短剧与AI微短剧的关系，总局的态度十分明确：扶持真人剧，规范AI剧。当日举行的2026中国广播电视精品创作大会微短剧论坛上，这位负责人表示，对微短剧而言，AI带来的不只是创作环节的降本增效，更是生产方式、产业形态、发展逻辑的系统性变革。从剧本创作到拍摄制作，从传播分发到出海运营，全链条都在重塑，新的创作模式、新的产业生态正在孕育，全行业要善于把握、善于运用，让AI当好精品创作的帮手、创新发展的引擎。 ►►据证券时报，华为云MaaS（Model as a Service，模型即服务）平台将于11月15日正式更新上线 openPangu-2.1-Pro 旗舰模型。该版本主要提升了ArkTS语言在鸿蒙原生应用开发中的代码生成质量。华为云已通过官方短信通知现网用户提前悉知，此前有报道称华为云完全停售盘古大模型系外界误读。据了解，本次更新还涉及华为云智能体平台AgentArts、码道CodeArts、果办OfficeAce等多款核心产品，也将同步接入该旗舰模型。 ►►当地时间11月4日，OpenAI总裁兼联合创始人格雷格・布罗克曼（Greg Brockman）公开表示，今年上半年公司相当艰难。目前企业客户贡献的收入已超过总收入的一半，并且OpenAI2027年可以做好上市准备。OpenAI今年上半年在企业AI领域落后于Anthropic，Codex市场关注度也有限。第三季度情况发生明显变化，随着GPT-5.6 Sol、ChatGPT Work等产品推出，OpenAI收入加速增长，企业销售收入已经超过消费者业务。 ►►深圳证券交易所上市审核委员会定于2026年11月12日召开2026年第61次上市审核委员会审议会议，届时将审议超聚变数字技术股份有限公司的首发事项。 ►►11月5日，在第九届虹桥国际经济论坛“人形机器人与具身智能产业创新发展合作”分论坛上，宇树科技创始人王兴兴分享了他对机器人产业未来发展的最新思考。在他看来，数据、算力、芯片产能、能源和矿产，将成为未来世界最核心的五种资源，围绕算力展开的竞争将会“非常非常惨烈”。 ►►英国央行宣布加息25个基点，将利率从3.75%上调至4.00%，为2023年8月以来首次加息。英国央行货币政策委员会以8比1的多数票通过该决议，有1名委员投票支持加息50个基点至4.25%。 ►►美股三大股指大幅收跌，回吐前一交易日全部涨幅。截至收盘，道指跌3.44%；标普500指数跌4.36%，创2025年4月以来最大单日跌幅；纳指跌5.52%，较10月6日创下的收盘历史高点累计回撤约11.9%，进入回调区间。 龙头科技股全线下跌。特斯拉跌逾10%，英伟达跌逾9%，Meta、微软跌逾3%，亚马逊跌逾2%，谷歌和苹果跌逾1%。 AI产业链遭遇集中抛售。费城半导体指数跌12.25%，创2020年3月以来最大单日跌幅。AMD跌逾17%，迈威尔科技跌逾16%，台积电ADR和博通均跌逾10%。 存储和光通信股跌幅居前，闪迪跌逾22%，西部数据、美光科技跌逾17%，希捷跌逾16%；朗美通跌逾18%，相关公司跌近13%。 热门中概股多数上涨，纳斯达克中国金龙指数涨0.43%。网易涨逾4%，京东涨逾3%，阿里巴巴、哔哩哔哩、拼多多涨逾2%；蔚来跌逾3%，小鹏汽车跌逾2%，百度跌逾1%。 ►►日韩股市低开，韩国综合指数跌2.24%，日经225指数跌1.2%。 4天3板引力传媒：截至10月末AI短剧业务收入占经审计2025年公司营收比例不足0.1% 4连板浙文影业：生产经营未发生重大变化 注意二级市场交易风险 富春股份：实控人缪品章因涉嫌内幕交易罪被提起公诉 其本人处于取保候审的状态 诺禾致源：对美国国防部提起诉讼 请求撤销其认定公司为“中国军工企业”的决定 行云科技：今年算力及存储订单规模累计约206.41亿元 多客户完成二次调价 海南矿业：子公司收到瑞典税务局税务决定 需补缴税款及罚息约1.24亿元 红四方：终止14.9亿元项目投资框架协议 凌云光：OCS已经在国内光模块、光器件厂商的自动化测试场景实现小批量订单 芯原股份：在手订单达185.69亿元 预计2027年经调整归母净利润转正 景旺电子：AI算力领域订单未出现减少或延期情况 对1.6T光模块PCB增速及NPO、CPO、CPC产品相关技术的需求保持积极乐观 高新兴：控股子公司创联科技终止北交所上市辅导备案 拓邦股份：实控人武永强离婚分割8729.77万股 按今日收盘价计对应市值约8.69亿元 崇达技术：基于发展战略、市场环境及申报安排的综合考虑 控股子公司普诺威撤回北交所上市申请 华虹宏力：第三季度净利润同比增长136% 环比增长222% 鹏鼎控股：10月合并营收50.44亿元 同比增长19.28% 百济神州：前三季度净利润同比增长431.8% 上调2026年度营业收入预测 水晶光电：拟1亿元至2亿元回购公司股份 睿创微纳：实控人提议5000万元至1亿元回购股份 华孚时尚：控股股东提议增加临时提案 拟变更回购股份用途为注销 高测股份：拟1.5亿元至3亿元回购公司股份 金刚光伏：子公司拟签署不超15.36亿元算力云服务合同 天赐材料：全资子公司与亿纬锂能签订45万吨电解液长期供货协议 国都证券：增量资金接力，把握超跌反弹机会。 国泰海通：市场延续反弹，行情或逐步回暖。 银河证券：超跌反弹看赔率，控制仓位等主线。 【推荐订阅】《盘前点金》 每交易日盘前7:30左右，为您抢先捕捉关键讯息+ 研判主题机会 + 挖掘潜力标的。 点击下方图片，一键直达：

2026-11-05: 最近，南京大学“智慧教室系统统计课堂抬头率”引发广泛关注。尽管校方已回应称“不再统计抬头率数据”，但由此引发的讨论并未平息。翻看新闻，江南大学、黑龙江大学、温州大学、东北林业大学等多所高校都引入了类似“AI巡课系统”，用来监测到课率、前排就座率、抬头率等指标。有高校甚至宣称，系统上线后“课堂出勤率提升16%，学生注意力提升14%”。客观来说，通过技术手段实现对课堂教学的动态监测，为评估、改进教学质量提供量化分析依据，是个不错的思路。但监测数据应该仅用于评估课堂整体质量，如果像新闻最初报道的那样，还用于考核具体学生的上课表现，乃至与平时成绩挂钩，则十分值得商榷。把提升课堂质量寄托于视频监控的威慑，显然属于气力用错了方向。课堂当然要有纪律。巡课系统在符合法律要求的前提下，辅助用于课堂考勤、维持秩序等，尚有一定可取性。但学生是不是“抬头听讲”，已经不属于纪律约束的范畴。尤其是大学生基本属于成年人，既具备自主决定自身行为的能力，也懂得上课认真听讲的意义，完全不需要、也不应该被强制要求“抬头听讲”。规定上课必须“抬头”，正是备受诟病的“大学中学化”管理方式的体现。况且，抬头也不等于认真听讲，低头也不一定是在开小差。如果表面上眼睛盯着讲台，实则已经神游万里，甚至戴着高科技眼镜在看其他东西，监控拿他有什么办法？相反，如果是在查资料、记笔记、思考问题，低头又有何关系？甚至于在课堂进行到某些自己已经掌握或缺乏兴趣的环节时，选择暂时抽离听讲状态，放松一下眼睛和神经，也不算多大的过错。上课的价值是学到东西，而不是表演“认真”姿态、完成“抬头率”指标。真正值得关心的是学生为何“不抬头”。少部分人低着头，可能是学生上课分心的问题；相当比例的人不抬头，则更需要从教师身上找原因。一个无法否认的事实是，当前大学课程质量参差不齐，甚至存在不少“水课”。有的是课程知识陈旧过时，有的是老师讲课缺乏吸引力。尤其是后者，一些老师平时工作重心只放在科研课题或校外活动上，对讲课这一本职工作不上心，备课敷衍应付，上课照本宣科，一个课件用几年。碰上这样的课堂，怎么让学生有兴趣抬头？与此同时，很多大学都有要“拼手速”的选修课，也有每次课堂被挤得水泄不通的“大神”老师。最近，中南财经政法大学重奖三位“课讲得好”的教师各10万元，评选不看科研、不看职称，只看课上得好不好、学生有没有收获。湖北汽车工业学院、济宁医学院则发文严禁教师上课全程依赖PPT、念课件。一奖一惩，殊途同归，都是把评价的指挥棒指向讲台，让“上好一堂课”成为教师的职业追求。“桃李不言，下自成蹊”，老师口里有真东西，学生的头自然会抬起来。课堂是教师向学生传道授业解惑的核心场所。部分高校焦虑学生上课“不抬头”，担心影响教学质量，因而想方设法干预，这份责任心和主动意识值得肯定。但解决问题的方向不该是“向下加码”，用视频监控和考核威慑逼迫学生“抬头”；而应该是“向上发力”，通过提升教师的教学水平，增强课堂吸引力，让学生自愿目不转睛。大学之大，在于包容与自由。多给肯下功夫讲好课的老师一些激励，多给走进课堂孜孜求知的学生一些空间。巡课系统的用途还是要回归教学目的，而不是“抬头率”指标。归根结底，能让学生主动抬头的，从来都不是监控摄像头，而是一位把课讲进人心里的老师。（作者系第一财经编辑）

2026-11-05: 11月3日，最高人民检察院检察长应勇向第十四届全国人大常委会第二十五次会议作关于人民检察院知识产权检察工作情况的报告。报告建议，要进一步建立健全人工智能、数字经济等高新技术、前沿领域法律制度，为知识产权执法司法提供更加明确的法律依据。 知识产权是国家发展的战略性资源和国际竞争力的核心要素，在前沿领域和新兴领域尤其如此。近年来，国家不断从制度、服务、司法等多层面加速布局，加大对人工智能、大数据、生物医药、新能源等新技术新业态的知识产权保护，取得了明显效果。 来自上述最高检报告的数据，2021年1月至今年9月，全国检察机关起诉侵犯人工智能、电子商务等领域数据安全犯罪共计2.4万人。各级检察机关不断加强与有关执法司法机关沟通协作，积极推动行刑双向衔接机制规范化建设，推动信息数据共享，增强协同保护合力。 同时，“完善新兴领域知识产权保护制度”写入了2026年政府工作报告和“十五五”规划纲要，成为知识产权保护方面顶层设计的一部分，随后加强立法也就成为必然的进程。 前沿和新兴领域知识产权保护是守护科技创新源头、畅通成果转化链条、赋能新质生产力壮大的关键支撑，完善的法规体系又是“关键支撑”的“关键支撑”。虽然相关部门已经陆续发布了《人工智能相关发明专利申请指引》等的规范性文件，也已经在十多个省市开展数据知识产权保护试点，最高法还发布了涉人工智能纠纷案件审理意见，但从整体上说，完善前沿领域、新兴领域的法规体系建设仍然是当前面临的重要立法任务。 一方面，完善法规体系建设要明确规范的重点领域和重点方向。 从广义上说，所有原创性颠覆性的科技创新、所有关键核心技术突破、所有具有未来产业发展特质的知识产权都是保护的重点领域，现阶段表现为人工智能、大数据、生物医药、新能源等新技术、新业态、新模式，今后随着形势发展还会不断增容。 加强重点领域知识产权保护制度建设，是要为实现“保护—转化—迭代”的良性循环提供良好的法制基础。也就是说，要在良法善治的基础上，营造稳定可预期的市场环境，引导资本、技术、人才等创新要素向前沿和新兴领域集聚；以知识产权为纽带，推动创新链与产业链深度融合，实现技术迭代与产业升级相互赋能。 另一方面，立法要在审慎的基础上以相对快的速度适时推进。 由于前沿和新兴领域具有发展迅速等特点，在立法方面既需要审慎，不能人为设置制度性障碍，又需要对出现的问题及时作出科学合理的判断，及时推进法规制度建设。 审慎方面，要以切口更准、针对性更强、务实管用的“小快灵”方式加强法规制度建设，防止过早用“硬法”的固化规则造成扼杀创新现象发生，要遵从科学预判、把握社会经济发展的未来脉搏原则要求，服务于未来发展。 在这一点上，包括《人工智能相关发明专利申请指引》出台及地方上进行十多个省市开展数据知识产权保护试点，都是在为将来建立一个综合性的专门法规积累经验，进而形成一个相对完整科学的知识产权保护法律体系。 在适时加快立法进程方面又时不我待，这是一个需要综合权衡的过程。2025年全国人大会议期间，有多位代表提出了关于制定人工智能法的议案，建议发挥立法的引领、推动作用，制定全面系统的人工智能法，推进新时代强国建设和中国式现代化。这也包括人工智能领域的知识产权保护方面。 总之，前沿和新兴领域知识产权保护，是推进知识产权强国建设的重要任务，也是以法治服务高水平科技自立自强、培育新质生产力的关键支点，无论是审慎还是适时推进，都必须以全方位的视野，增强机遇意识、风险意识，准确识变、科学应变、主动求变。

2026-11-05: 11月5日，在第九届虹桥国际经济论坛“人形机器人与具身智能产业创新发展合作”分论坛上，宇树科技创始人王兴兴分享了他对机器人产业未来发展的最新思考。在他看来，数据、算力、芯片产能、能源和矿产，将成为未来世界最核心的五种资源，围绕算力展开的竞争将会“非常非常惨烈”。同一场论坛上，2015年图灵奖得主、美国国家工程院院士惠特菲尔德·迪菲（Whitfield Diffie）也分享了对人工智能发展的判断。他认为，人工智能未来一定会席卷全球，但与此同时，“人类与机器人之间的关系”问题，将成为21世纪最重要的议题。王兴兴：算力竞争将非常惨烈在王兴兴看来，人工智能产业的竞争，正在逐渐超越模型和算法本身，延伸至支撑人工智能发展的底层资源。他提到，数据和算力是目前行业关注较多的资源，但实际上，随着人工智能发展，芯片产能、能源以及矿产的需求也会越来越大。“这五种资源将成为未来世界最核心的资产。”他说道。其中，算力尤其值得关注。王兴兴以SpaceX为例表示：“以埃隆·马斯克为代表，他的企业正在向大型算力公司的方向转变，通过大规模算力生产和建设算力机房参与全球算力竞争。”王兴兴认为，未来围绕算力展开的竞争将会“非常非常惨烈”。谈及人形机器人和具身智能的技术进展，王兴兴认为，当前行业需要突破的关键问题，已经不完全在于模型能否理解指令，而在于模型能否将理解转化为精准的物理动作。他举例称，目前全球最好的多模态模型，如果直接用于机器人操作，让机器人规划并抓取一个较大的物体，成功率已经接近100%。但如果涉及更精密的操作，例如拿取机械零部件，成功率就会下降。在他看来，这背后的核心问题是多模态模型与物理世界的输入、输出没有实现充分对齐。即便模型已经理解了任务要求，最终落实到机器人的具体动作上，仍可能存在几毫米的误差。而对于工业制造等精密场景而言，这样的误差可能直接影响任务能否完成。“最后的几个毫米，还有比较大的偏差。”王兴兴认为，如果能够解决模型输入、输出的对齐误差，具身智能模型在技术层面就没有太大的问题了，剩下的更多是工程化和落地推广问题。他预计，这一技术瓶颈在未来一至两年内有望得到较好解决。除了模型与物理世界的对齐，王兴兴还特别强调了机器人AI模型的自进化能力。他介绍，目前部分大模型企业内部已经形成了AI自进化循环，即利用AI自己采集数据、完成标注、开展模型训练，再通过AI评价训练效果，并据此进一步优化模型。在这一过程中，人工参与的程度逐渐降低。相比之下，机器人企业在这一领域的进展相对较慢。王兴兴设想，未来可以让AI模型自行编写机器人控制代码，再通过真实机器人进行训练，并由AI对动作完成度、任务成功率等指标进行评价，进而推动模型持续迭代。随着机器人部署数量增加，企业能够获得更多真实场景中的训练和测试数据，进一步加快模型进化。他表示，未来部署一万台机器人进行测试和评价，对宇树科技而言并不是特别困难，成本也不会太高。随着部署规模扩大，机器人AI模型的自进化循环有望形成更大的正向循环。图灵奖得主：“人机关系”将是本世纪最重要议题相比于技术和产业层面的讨论，图灵奖得主迪菲更关注人工智能发展对人类社会带来的深远影响。他认为，人工智能未来一定会席卷全球，但与此同时，人们对于人工智能安全问题的担忧也在增加。迪菲提到了科幻作家艾萨克·阿西莫夫提出的“机器人三定律”。这一设想最早完整出现在阿西莫夫1942年的短篇小说《Runaround》中。三定律分别是：机器人不得伤害人类、必须服从人类命令，以及在不违反前两条定律的前提下保护自身。迪菲认为，虽然今天人们已经不会完全按照这样的原则来理解和设计机器人，但人类仍然需要建立相应的“护栏机制”。在他看来，21世纪最重要的议题，将是“人类与机器人之间的关系问题”。他提到，全球变暖、地缘政治冲突等，都是当前世界面临的重要问题，但随着人工智能的发展，“人类与机器人之间的关系问题”可能最终会成为更具决定性的议题，其重要性将超越其他重大议题。技术突破之外，人形机器人产业正在加快寻找商业化落地场景。此次分论坛现场发布了“人形机器人应用场景图谱”，涵盖科研教学、汽车制造、3C制造、商贸物流、医疗健康、养老助残、家政服务、运维巡检、应急救援、现代农业等十大领域，显示出人形机器人应用正从工业制造向更多经济社会领域延伸。第一财经记者还从论坛上获悉，今年上半年，全国人形机器人整机产量超过4万台，产品正从“能跑会跳”向“能想会干”发展，并加速向制造、服务、民生等领域渗透。在工信部支持下，国家地方共建人形机器人创新中心也正在上海加快建设，为智能技术创新和产业化落地提供支撑。

2026-11-05: 11月5日，在第九届中国国际进口博览会（下称“进博会”）现场，第一财经“问海”智能体为全球媒体提供展示和使用服务，中外媒体记者纷纷驻足围观、上手体验，并对内容的专业度与准确度给予了高度评价。 中外记者现场“开考”，智能体给出满意答案 一位摩尔多瓦记者现场询问了摩尔多瓦的经济情况，看到“问海”智能体给出的回答后，她表示：“这是最新的信息。” 一位伊朗记者则提问了伊朗商品在中国市场的机会，她称智能体给出的答案非常准确，与她本人了解的情况一致。 一位来自CGTN的记者就中国经济发展趋势提问，“问海”智能体以英文作答，这位记者表示，自己比较关注中国经济领域的问题，智能体提供的回答对他帮助很大。 来自苏丹、巴林的两位自媒体从业者询问了中国供应链相关问题，并主动询问获取入口，表示会在日常工作中继续使用。 另一位尼泊尔记者则饶有兴致地在问海智能体上查询自己的文章。 在本届进博会新闻中心运行的首日，央视记者还就“问海”智能体进行了采访。 日均更新三千余条语料，覆盖180多个国家和地区 “问海”智能体是基于第一财经自研星翼大模型开发的服务中外企业全球经营的智能体。它以全球资讯、权威报告、政策法规、学术论文及合规商业数据为支撑，通过类大模型对话界面的便捷交互模式，用户只需简单输入问题，即可获得经过有效梳理的专业信息。 “问海”智能体日均入库3000条以上多语种实时资讯，覆盖全球180余个国家和地区的政策动态、市场变化与产业趋势，确保全球财经动态的时效性与广度。它既是第一财经智媒体时代的全球信息资讯延伸阅读入口，也是全球最新财经信息动态的智能入口。 第一财经以全媒体传播渠道、“问海”平台等丰富多元的方式，正全力为中国企业全球化发展保驾护航，全面提升服务中国企业全球化的能级。当前，“问海”智能体正在进博会新闻中心AI Park区域展示，为全球媒体与企业提供最新、最权威的全球资讯、权威报告和政策解读。

2026-11-05: ①百度正式开源最新基座模型文心5.5 Flash Base；②月之暗面发布托管智能体Kimi Hosted Agents；③千问AI Office升级端内编辑与模版能力，Word、Excel、PPT均可按需修改；④可灵AI宣布Kling 4.0 Flash全面开放，深度融入专业影视工作流；⑤OpenAI：过半收入来自企业客户，2027年将做好上市准备；⑥华为云即将于本月中旬更新上线盘古模型开源版本；⑦全球首个仿生人形机器人新闻主播正式发布，由新华社与优必选联合研发。

2026-11-05: 一场大赛将医学影像AI识图从实验室和医院科室推到了医保数智化改革的聚光灯下。 11月5日，全国医保影像AI识图大赛颁奖活动在南宁举行。大赛展示了我国医学影像AI领域的最新“黑科技”，行业也在关注一个信号：由国家医保局主导的这场赛事，能否打开医学影像AI的商业化创新窗口。 国家医保局局长章轲在颁奖活动上表示，当前，医学影像AI与医保治理的融合正持续走深。国家医保局以本次大赛为抓手，积极打通研发、注册、定价、支付的医保全链条堵点，加速推动新技术从实验室原型走向临床一线，从创新产品转化为普惠服务。 决赛现场：真数据验证临床价值 10月22日至23日，全国医保影像AI识图大赛决赛在广西南宁举行。从全国1332支参赛队伍中突围的66支团队，围绕肾癌、肺癌、乳腺癌等8大高发疾病赛道展开现场推理与路演答辩。 此次大赛AI医疗赛道头部企业参与度很高，腾讯、京东健康、商汤、深睿、慧影医疗、科亚医疗、医准智能、数坤科技、云知声等知名头部企业均有队伍入围决赛，西门子、通用（GE）医疗、新华医疗、万东医疗等影像设备商深度参与。 上海商汤善萃科技Senselung团队在肺癌智能检测赛道获得一等奖。商汤科技算法总监王娜介绍，团队以肺结节辅助诊断为导向，输出可定位、可量化、结构化报告，覆盖筛查诊断、随访管理、术后规划和术中导航全流程。 AI最直接的价值是效率。王娜举例：薄层CT最薄到0.625毫米甚至0.2毫米，医生看胸部CT薄层序列约半小时，AI平均一例一分钟内完成推理，医生阅片时间可降到五到十分钟。“没有AI时，做一次CT患者可能要一周才看到报告；有AI辅助后可能一天就能看到。” 多位影像科专家表示，CT技术发展让医生逐层阅片工作量急剧增加，最希望AI成为“工作秘书”。当AI在肾癌、肺癌、乳腺癌等影像上的可信度积累到一定程度，就像如今医生对待肋骨骨折影像那样，能够做到“闭眼信任”——AI把工作做好，医生负责签字。 大赛评委、东南大学附属中大医院副院长居胜红表示，AI性能好并不代表临床价值高，技术一定要解决临床实际问题，形成“临床出题—技术研发—反馈验证—推广应用”的完整闭环。 王娜认为，AI不能只停留在技术展示上，更要放到真实医保和临床环境里检验，“我们的终极目标是不漏检，尽可能筛出所有可疑病灶”。 与以往不少AI算法比赛不同，这次大赛最大的特点是“真数据、有金标准”。前沿技术落地见效，离不开真实场景的反复检验和打磨；大赛以实战标准命题，比的不仅是技术参数，更是模型在复杂临床环境下的精准度、稳定性和泛化能力。 第一财经记者了解到，大赛数据来自真实临床场景，数据集不仅含影像，还含病例诊断、检验报告、病理检查结果等，经过专家标注，并与病理结果相互印证，形成高质量数据集。广西联动全区61家三甲医院采集影像，遴选8.58万例组成赛事专用数据集，样本配比贴合广西本地人群患病特征，病种覆盖全面、贴合真实临床场景。 国家医保局大数据中心主任付超奇表示，本次大赛期待实现三方面效果：以人民为中心守护群众健康福祉，以数据为基石激活数据要素价值，以改革为导向助力高质量发展。大赛赛道设置兼顾当下临床价值与技术发展方向，将助力提升疾病早诊精准度，减轻群众病痛与就医负担。 付超奇说，海量原始数据要转化为支撑AI训练的高质量数据集，还需精心治理、标注，“就像把原油提炼成汽油、把煤炭转化为电力一样”。大赛通过以数促赛、以赛炼数，推动医保数据资源向高质量生产要素转化，并推动创新技术对接医疗健康刚需。 基层是医学影像AI最大的出口 章轲表示，医学影像AI赋能医保治理、守护人民健康的美好愿景正加速变为现实。本次大赛聚焦群众急难愁盼的健康需求，设置8个赛道，涵盖基于CT的肺癌检测、基于MRI的前列腺病变智能检测等方向，都是发病率高、疾病负担重、AI辅助诊断应用前景突出的病种。赛道遴选出的优质技术方案，兼顾临床应用价值和AI发展潜力。依托赛事成果，将有力提升标准化辅助诊断能力，补齐基层医疗机构影像诊断短板，让老百姓在家门口就能享有均等可及的高质量诊疗服务。 广西北流市人民医院在这次全国医保影像AI识图大赛中表现突出，共有3支队伍获得一等奖，覆盖肾癌、肺癌、脑部肿瘤等赛道。 对于基层医院来说，医学影像AI技术是刚需。北流市人民医院副院长郑毅表示，基层医务人员紧缺、影像阅片量大，存在漏诊风险；医保基金监管过去靠人工抽查，力量有限，团队研发AI技术的初衷就是为了解决这些现实问题。 浙江大学应用数学研究所所长孔德兴认为，医学人工智能最大的一个出口就是基层，赋能基层。基层医院患者少、设备闲置，三甲医院患者太多、临床专家工作量非常大；AI介入后，可以减轻三甲医院医生工作量，同时下沉基层，让随访人群、康复治疗人员在基层完成随访和康复跟踪，让老百姓在家门口都可以享受到大医院同质化的诊断水平。 吉林大学第一医院放射线科主任张惠茅认为，人机协同第一个层面是解决基层问题。基层缺医生，国家投入了很多设备，但不是医生本人如何下去，而是医生的能力如何下去，要解决这个问题，一定是人工智能才能解决。 对患者来说，AI识图的另一重价值是减少重复检查。王娜表示，AI影像支持本地、云端、区域化医疗联盟多种部署，同一区域内一家医院的检查结果可在另一家同步调阅。像云端影像、检查结果互认这些方向，如果做得更扎实，能减少患者重复检查，降低医保支出，让优质医疗服务更普惠。 医保助力AI医学影像商业化 从商业上看，AI影像已经在很多医院落地，但在落地过程中还存在障碍，难以形成规模化。 居胜红表示，医院影像科使用AI已经非常普遍，比如冠状动脉血管造影，原来要花很长时间做重建，现在手指一点就能完成狭窄程度、范围、体积和随访评价；肺结节CT检出在体检人群、门诊、病房都在用，肋骨骨折AI自动检出也已落地。 王娜表示，商汤AI影像产品已落地国内外多家医院，项目在落地过程中已经可以盈利。 然而盈利不等于规模化的商业应用。居胜红说，医院引入AI还有很多现实障碍：规范化、有没有证、能不能进医保收费标准，这些还没有解决，或者正在解决的路上。 “医保在这次活动当中特别投入了很多的人力物力，这个其实非常重要，我们在科室里面应用起来之后，到底怎么收费？一旦遇到有一些误诊漏诊的情况，那怎么来平衡？这个肯定是医生最后认账，这些都是落地要解决的问题，”居胜红说。 张惠茅表示，人工智能从2018年左右开始，临床一直在用肺结节等领域的功能系统，但到现在为止其实还没有付费。业内希望国家能够把付费的路径打开，让人工智能产品真正成型。 王娜表示，从落地一线的情况来看，医院采购预算也是痛点。AI是软件，相比硬件“看不见摸不着”，医院采购预算不好安排，希望有政策支持AI软件付费和医院智慧化升级预算。医保正在推进AI辅助诊断付费，各地都在探索，支付方式将决定医院愿不愿意买。 从政策层面看，支付路径决定商业化天花板。2025年起，国家医保局在《医疗服务价格立项指南》中将“AI辅助技术”列为扩展项、不单独立项收费，即患者不额外付费，AI作为主项目的价格构成。专家建议在国家价格立项框架下，推动各省明确AI辅助诊断的收费项目和价格区间，让医院“敢买、愿用”。 深圳市一图智能科技创始人叶建平则从企业角度补充了另一层障碍，即医疗器械注册。他说，医疗监管要求安全性和有效性，每个病种或部位都需要做验证、评价，才能拿到医疗器械证和准入条件。他还提到，真正落地临床需要大模型综合能力，不能只检出肺结节、其他肺部疾病却检不出来；未来一定是多个模型融合，结合临床场景需求综合得出最优方案，这还需要技术上的进步。 从赛场到市场，从技术到支付，医学影像AI的商业化窗口正在打开，但真正推开这扇窗，仍需监管、医保、医院和企业多方协同。

2026-11-05: 【品大事】 4天3板引力传媒：公司AI短剧业务尚处于前期投入阶段，业务规模较小 引力传媒发布股票交易风险提示性公告称，公司股价近期波动较大，股票交易价格自2026年11月2日至2026年11月5日连续四个交易日累计涨幅37.79%，存在股价短期涨幅较大后续回落的风险。公司关注到有媒体将公司列为AI短剧概念股。目前，公司主营业务仍为广告代理服务。截至本公告披露日，公司AI短剧业务尚处于前期投入阶段，业务规模较小，其市场认可度及盈利模式均存在不确定性，截至10月末该业务产生的收入占经审计2025年公司营业收入的比例不足0.1%，不会对公司业绩构成重大影响。 崇达技术：控股子公司普诺威撤回北交所上市申请 崇达技术公告，公司控股子公司普诺威基于自身发展战略、市场环境及申报安排的综合考虑，决定撤回向北交所报送的公开发行股票并上市申请材料。该事项已获普诺威董事会审议通过，不构成对上市计划的终止，后续将择机另行报送。本次撤回不会对公司及普诺威生产经营产生重大不利影响。 富春股份：实控人缪品章因涉嫌内幕交易罪被提起公诉 其本人处于取保候审的状态 富春股份公告称，近日，公司收到控股股东福建富春投资有限公司的通知，实控人缪品章因涉嫌内幕交易罪被提起公诉，其本人处于取保候审的状态。目前，该案件在等待福州市中级人民法院一审判决结果。缪品章自2023年10月16日起未在公司担任董事、高级管理人员职务，公司拥有完善的治理结构及内部控制机制，日常经营管理由公司高管团队负责。截至目前，公司生产经营正常，各项工作有序开展。 国药现代：控股子公司撤回环磷酰胺注射液注册申请 国药现代公告，公司控股子公司国药一心收到国家药监局签发的《药品注册申请终止通知书》，同意撤回环磷酰胺注射液的注册申请。该药品主要适用于恶性淋巴瘤、多发性骨髓瘤、白血病等，截至目前国内暂无生产企业获批上市。国药一心累计研发投入约1274.7万元。本次撤回不会对公司当期经营业绩产生重大影响。 4连板浙文影业：生产经营未发生重大变化 浙文影业公告称，公司股票于2026年11月2日至11月5日连续4个交易日涨幅较大，收盘价累计涨幅达46.67%，同期上证指数涨幅为2.53%。公司股票存在股价大幅上涨后快速回落的风险。经自查，公司生产经营未发生重大变化，控股股东不存在应披露而未披露的重大信息。敬请投资者注意二级市场交易风险，理性决策，审慎投资。 美诺华：控股子公司首次通过美国FDA现场检查 美诺华公告称，公司控股子公司宣城美诺华药业有限公司于2026年6月22日至6月26日期间接受美国食品药品监督管理局(FDA)的cGMP现场检查，检查范围涵盖质量体系、物料管理体系、生产管理体系等各GMP系统。2026年11月4日，宣城美诺华收到FDA签发的现场检查报告，表明其已通过本次cGMP现场检查。本次检查产品为泰地罗新原料药，标志着宣城美诺华原料药质量管理体系接轨国际要求，为公司持续拓展国际市场提供保障。 协创数据：与两家租赁公司签订57.2亿元联合融资租赁合同 协创数据公告称，公司与物聚十六号及信智智算二号签订联合融资租赁合同，以直接租赁形式开展融资租赁业务，融资额度57.2亿元，融资期限66个月。同时，公司以应收账款为上述债权提供质押担保。 【观业绩】 华虹宏力：第三季度净利润同比增长136% 环比增长222% 华虹宏力公告称，前三季度实现营业收入186.11亿元，同比增长14.06%；归属于上市公司股东的净利润16.03亿元，同比增长138.23%。第三季度实现营业收入67.06亿元，同比增长13.95%；归属于上市公司股东的净利润8.35亿元，同比增长136.14%。业绩变动主要系晶圆平均销售单价提升及晶圆销售数量上升使得毛利大幅上升所致。 【做回购】 中仑新材：拟以1亿元-2亿元回购公司股份 中仑新材公告，公司拟使用自有资金或自筹资金以集中竞价方式回购股份，回购资金总额不低于1亿元且不超过2亿元，回购价格不超过20元/股。回购股份将用于股权激励或员工持股计划、可转债转股，回购期限为自董事会审议通过之日起12个月内。 山东黄金：拟3亿元至4亿元回购股份用于注销 山东黄金公告，计划通过集中竞价交易方式回购股份，预计回购金额为3亿元至4亿元，回购价格上限为48.57元/股，回购股份将用于注销并减少注册资本，预计回购股份数量为617.67万股至823.55万股，占总股本的0.13%至0.18%。回购资金来源为自有资金及自筹资金，其中已取得工商银行济南分行不超过3.6亿元回购专项贷款支持。 联讯仪器：实控人提议回购1亿元-1.5亿元公司股份 联讯仪器公告，公司控股股东、实际控制人、董事长胡海洋提议公司以自有资金或自筹资金通过集中竞价交易方式回购公司部分A股股份，回购资金总额不低于1亿元且不高于1.5亿元，回购股份将用于员工持股计划或股权激励，回购价格不高于董事会审议通过前30个交易日股票交易均价的150%，期限为董事会审议通过之日起12个月内。 高能时代：拟以1亿元-2亿元回购公司股份 高能时代公告，公司拟以自有资金或自筹资金通过集中竞价交易方式回购股份，回购金额不低于1亿元且不超过2亿元，回购价格不超过20元/股，回购股份将用于实施股权激励或员工持股计划。回购期限为董事会审议通过之日起12个月内。 汇通控股：实控人提议2000万元-4000万元回购股份 汇通控股公告，公司实际控制人、董事长陈王保提议公司以2000万元-4000万元回购股份，拟用于员工股权激励/员工持股计划或减少公司注册资本。 创世纪：拟1亿元至2亿元回购股份 创世纪公告称，公司拟使用自有资金和自筹资金以集中竞价方式回购部分社会公众股份，回购资金总额不低于1亿元且不超过2亿元，回购价格不超过17.01元/股。按回购金额上限测算，预计回购股份约1175.78万股，占公司总股本的0.69%；按下限测算，预计回购约587.89万股，占总股本的0.35%。回购股份将用于股权激励或员工持股计划，实施期限为自董事会审议通过之日起12个月内。 宏和科技：拟5000万元至1亿元回购公司股份 宏和科技公告称，公司拟以自有资金和/或自筹资金通过集中竞价交易方式回购部分公司股份，回购金额不低于5000万元且不高于1亿元，回购价格不超165.09元/股，回购股份拟用于员工持股计划或股权激励，回购期限为董事会审议通过之日起12个月内。 星帅尔：董事长提议回购1亿元至1.5亿元股份 星帅尔公告称，公司控股股东、实际控制人、董事长楼勇伟提议回购公司股份，回购资金总额不低于1亿元且不超过1.5亿元，回购股份将用于维护公司价值及股东权益，回购价格不高于董事会决议前三十个交易日股票交易均价的150%。 春秋电子：拟4000万元至8000万元回购公司股份 春秋电子公告称，公司拟以自有或自筹资金通过集中竞价交易方式回购股份，回购资金总额不低于4000万元且不超过8000万元，回购价格不超过21.81元/股。回购股份将全部用于员工持股计划或股权激励，若未能在规定期限内实施上述用途，未转让股份将被依法注销。回购期限为董事会审议通过之日起12个月内。 华正新材：拟5000万元-1亿元回购股份 华正新材公告称，公司拟以5000万元-1亿元回购股份，用于员工持股计划或股权激励，回购股份价格不超过292.34元/股。 【增减持】 领益智造：实控人增持H股计划完成 耗资1.63亿元 领益智造公告称，公司实际控制人、董事长兼总经理曾芳勤增持公司H股股份计划已实施完毕。曾芳勤于2026年10月30日至11月4日期间，通过集中竞价方式增持公司H股3600.036万股，占总股本0.44%，增持金额约1.63亿元。本次增持后，曾芳勤合计持股比例由51.99%增至52.43%。 有研硅：控股股东及实控人承诺6个月内不减持股份 有研硅公告称，公司控股股东株式会社RSTechnologies和实际控制人方永义自愿承诺，自2026年11月6日起未来6个月内不以任何形式减持其直接持有的公司股份。截至公告披露日，株式会社RSTechnologies持股3.15亿股，占比25.16%；方永义持股9.6万股，占比0.01%。 【签大单】 大禹节水：联合体中标21.44亿元灌区工程项目 大禹节水公告称，公司及子公司水电公司与安徽水安建设集团组成的联合体中标安庆市下浒山水库灌区工程“股权投资+EPCO”项目，中标金额约21.44亿元。水电公司承担9.77%的采购施工任务及部分投资，公司承担9.77%的运营维护任务。项目合作期限40年，其中建设期4年，运营期36年。 金刚光伏：子公司签署不超15.36亿元算力云服务合同 金刚光伏公告称，公司控股子公司酒泉金刚智算科技拟与算力客户A签订《算力云服务合同》，酒泉金刚向其提供云服务，分批次交付全部算力节点，各批次服务期限均为60个月。本合同项下云服务费含税预估总价不超过15.36亿元，其中第一批及第二批云服务费合计含税3.84亿元，后续批次服务价格可按合同约定机制调整，实际总金额以双方确认的各批次实际交付数量及执行价格为准。结算模式采用“先付费后服务”，按季度进行预付结算。 天赐材料：全资子公司与亿纬锂能签订45万吨电解液长期供货协议 天赐材料公告称，公司全资子公司九江天赐与亿纬锂能签订《长期供货协议》，约定2027年至2029年向亿纬锂能供应预计需求数量为45万吨的电解液产品，具体采购量、单价、质量标准等以双方确认的采购订单为准。协议有效期至2029年12月31日。 【推荐订阅】《公告臻选》 周日～周四每晚22:00左右更新。深度解读，聚焦关键；分类汇总，一目了然。10分钟内，用专业帮你节省时间，提升决策胜率！ 【扫描二维码，专属客服，专业解答】 【点击上方图片，一键直达】

2026-11-05: 在美国俄亥俄州前铀浓缩厂的荒地上，混凝土正浇筑一座“数字时代的金字塔”。这里将容纳8吉瓦的AI算力，由软银旗下SB Energy出资建设、OpenAI承租、英伟达提供芯片并为千亿租约兜底——一场以千亿美元为单位的豪赌，正通过一张精密而脆弱的融资网络悄然铺开。 科技巨头们早已不只是代码和算法的缔造者，它们靠着自身的高信用评级，为数据中心、初创AI实验室甚至无评级运营商提供担保、注入资本、签订长期订单，编织出一个盘根错节的共生网络。 据标普测算，到2027年，美国六大云巨头——微软、亚马逊、Alphabet、Meta、甲骨文和SpaceX的资本支出总额预计将达1.3万亿美元，几乎是2025年的3倍。 “众多AI企业之间的投资互联性与循环性，使得一家企业的盈利受损风险可能迅速扩散至整个更广泛的产业生态。”国际货币基金组织（IMF）总裁特别顾问托比亚斯·阿德里安（Tobias Adrian）近日在高盛组织的一次访谈中表示。 更为重要的是，随着资本支出持续膨胀，云巨头们的资产负债表的承载能力正在快速萎缩。10月30日，标普全球因资本支出及自由现金流方面的重大不确定性，将Meta的展望从“稳定”调整为“负面”。 越滚越大的雪球里，是否已藏着裹了技术光环的系统性泡沫？资本开支狂潮的尽头，谁又为信用买单？ 越滚越大的“融资机器” 近日，亚马逊宣布将设立最高800亿美元的融资安排，以所购硬件作为担保。今年7月，该公司重返美债市场启动高达250亿美元的发债计划，9月首次发行英镑债券。 大举借债的原因与其AI资本支出的缺口有关。亚马逊在2026年三季度财报中提到，该公司资本支出增幅超出预期，导致截至9月30日的12个月内，自由现金流出达424亿美元。该公司财报指引预测，2026年资本支出达2200亿美元，市场普遍预计2027年将突破3000亿美元。过去这笔支出主要靠着云计算和零售业务产生的丰厚现金流，但现在来看显然不够。 亚马逊不是孤例。标普全球报告测算，2027年，美国六大云巨头的资本支出总额预计将达1.3万亿美元。这一数字是2025年的近3倍，相当于整个荷兰的GDP，几乎赶上全球军费开支（2025年为2.887万亿美元）的一半。 上述报告称，过去一年，美国约一半的私人部门GDP增长都源于高科技与AI相关活动。截至今年8月末，六大云巨头已募集超过4000亿美元的债权与股权资金，几乎全部用于AI基础设施建设。 这些钱流向何方？答案是：数据中心、AI芯片、冷却系统、电力基础设施，以及那些尚在图纸上的“未来算力”。据标普估算，2025年至2030年间，仅这6家公司对AI与数据中心的投资就将超过7万亿美元，已构成美国经济和市场中日益重要的组成部分。 支撑这一疯狂扩张的，不仅是企业自身的现金流，更是一套日益复杂的融资机器。无评级的小公司和高评级的行业巨头之间也因此结成一张盘根错节的融资网络。 例如，TeraWulf建设运营AI数据中心算力，初创企业Fluidstack租用算力以服务大型AI客户，Alphabet为Fluidstack部分租赁负债提供支持，并获得对 TeraWulf的股权投资；英伟达则为多个数据中心项目提供残值担保，承诺若资产贬值将补齐差额。 诸如残值担保、芯片融资、租赁负债、兜底保障等，均是AI行业循环融资的典型模式。这种模式下，形成了大规模的类债务，虽不计入传统的公司资产负债表，但却是企业实实在在的风险所在。 而且，这种信用捆绑已深入产业肌理。微软持有OpenAI 27%股份，同时是其最大云服务商；亚马逊向Anthropic投资数十亿美元，并换取其10年内超千亿美元的AWS支出承诺；Alphabet不仅投资Anthropic，还为其提供TPU算力支持。 在这种“股权+订单+技术”的深度绑定下，企业间的竞争边界正在模糊，取而代之的是共生共荣共溃。“众多AI企业之间的投资互联性与循环性，使得一家企业的盈利受损风险可能迅速扩散至整个更广泛的产业生态。”阿德里安称。 AI发债，全球买单 AI资本周期的重心在美国，但其融资影响已扩散至全球信用市场。 威灵顿投资管理固定收益基金经理布莱克·黄（Blake Huynh）表示，AI已不再仅仅是股票市场的投资叙事，它正日益成为高收益债券市场中一股决定性力量。年初至今，与AI基础设施相关的高收益债发行规模已占总发行量的20%，而2025年这一比例仅为5%。 标普测算，2026年全球非金融企业债券发行规模将增长14%，极大贡献来自于头部云服务商债券发行量的大幅飙升，前三季度已经接近3000亿美元，预计全年发行规模将超4000亿美元。 一个全新的细分赛道正在形成：数据中心、数字基础设施、电力配套等企业纷纷进入高收益债市场融资。这些新发债主体往往拥有与超大规模云服务商签订的长期合同作为支撑，但其融资结构极为复杂，融合了结构化信用、资产证券化与项目融资等多种工具。 市场上有一种担忧，这些云服务商短期内大规模债券进入市场，会不会影响其他企业借款人和美债市场的融资空间？ 种种数据表明，目前还没到这一步。标普全球评级企业评级董事李畅在2026中国信用观察研讨会上对记者表示，首先从发行规模上来说，即便剔除高科技行业，全球非金融企业债券发行规模仍增长约7%，还是非常健康的增长速度。其次从9月份美国10年期、30年期国债拍卖情况看，超额认购率仍维持在高位，说明整体市场需求非常强劲，能够承接不断扩大的债券供给。 利差方面也暂时没有太大的影响。信用利差即债券收益率和同期限无风险利率之差，是融资成本的直接体现，也是风险显性化最灵敏的市场信号。利差走阔意味着融资成本上升，行业承压。李畅告诉记者，从去年9月到今年7月，这些头部云服务商的信用利差实际上在扩大，这与它们不断增加发债规模相关。投资人也关注其债务规模增长、债务杠杆升高以及融资结构问题。不过，整体高科技行业和投资及发行人的利差都还维持在低位。 不过，眼下全球债券收益率已升至数十年来的高位，一些压力开始显现。穆迪（Moody）首席经济学家马克·赞迪（Mark Zandi）在上述高盛组织的访谈中表示，目前，AI正凭借自身的动能运行，并受到广泛乐观情绪和狂热氛围的支撑。但如果利率继续维持在当前水平或更高水平超过一两个季度，AI可能会成为经济体系中那个率先陷入困境的领域。 “许多AI企业已采用显著的杠杆融资，而投资者通过杠杆ETF和衍生品也进一步增加了杠杆水平；当遭遇不利冲击时，杠杆叠加可能带来问题。”阿德里安分析称。 资本开支狂潮下的信用隐忧 大规模资本开支周期，在历史上反复上演同一个剧本：过度投资、杠杆攀升、违约率上升。上世纪90年代的电信泡沫、2010年代的能源热潮，概莫能外。当前AI基础设施建设的狂飙突进，正在显露出相似的早期信号。 穆迪公司报告称，算力与基础设施的资本支出已远超AI应用带来的收入，市场对投资泡沫的担忧正在积聚。 这种担忧并非毫无根据。从需求侧看，AI的Token调用量、开发者数量和终端渗透率确实呈指数级增长。但问题在于，资本投入的速度已经显著跑赢了商业化落地的节奏。资本支出增长屡超预期，融资结构日趋复杂和不透明，而投资回报的实现仍需数年之久。“AI的发展是真实的，但当前的投资热度可能已经超前于实际需求。”标普全球评级企业评级董事总经理刘彦君对记者说。 赞迪提出，得益于强劲的盈利能力和高营收增速，AI产业生态整体仍具韧性。但开源模型带来的竞争加剧，正在缓慢侵蚀AI企业的盈利能力，压力沿价值链传导。 更深层的隐忧在于信用格局的重构。六大云巨头凭借稳定的收入和现金流长期享有高信用评级，但随着资本支出持续膨胀，资产负债表的承载能力正在快速萎缩。 上述标普报告显示，亚马逊、Meta等公司的杠杆率已逼近评级下调的阈值，目前之所以仍能维持AA/AA-的高评级，主要原因在于这些企业的核心业务仍然盈利很强、收入和现金流也较可预测，标普的评级已计入其不断增长的AI资本支出。它们的信用指标变化主要取决于资本支出增速与收入、盈利增速之间的差距。 10月30日，标普全球将Meta的展望由“稳定”调整为“负面”。依据是认为该公司资本支出将持续处于高位，而AI变现的能力有限，其自由经营现金流（FOCF）将保持负值。 威灵顿投资管理的基金经理点出了关键矛盾：如果AI投资的变现路径存在不确定性，高额资本开支终将冲击现金流和杠杆指标。这种压力释放的过程，可能进一步加剧投资级信用市场内部的分化。 市场也有积极的声音。高盛的信用策略师近期上调了对超大规模云服务商债务发行的预期。其逻辑在于：尽管当前10年期美债收益率已升至2007年以来最高，但投资级债券指数的信用利差仍处于2000年以来的历史低位，科技板块同样如此。高评级科技发行方拥有充裕的财务灵活性和债务承受能力，几家云巨头超高的信用评级在当今信贷市场中已属稀缺资源，这为其表外负债提供了一定的缓冲空间。

2026-11-05: 2026世界互联网大会乌镇峰会期间，这座江南古镇迎来了一批特殊的“游客”——人形机器人不仅组团在展会现场亮相，还在景区广场进行表演。当中国机器人技术和产业发展吸引全球目光时，多位嘉宾不再只是关心“机器人能做什么”上，还探讨了“机器人做错事后”的安全与责任问题。加纳科网董事长、互联网名人堂入选者尼·奎诺表示，过去十年，AI大多数局限在屏幕之内，如今智能正在从只会回答问题的系统转向能够在多个真实场景执行的系统。他讲述称，屏幕上一个失误放在现实世界当中可能造成人身伤害，物理世界的容错余地几乎为零。一台有故障的机器人可能导致工人受伤，一份有缺陷的软件更新可能会危及系统。互联互通的系统一旦出现问题就会影响基础的公共服务，乃至整个社区。机器人能否在危险发生时安全停下，同样是一个问题。TÜV南德大中华区商业产品部卓越中心资深经理朱海锋介绍称，一般机械会装置急停按钮，但人形机器人急停下可能会发生摔倒。“要冲过去按这个按钮，实际上是加大了风险，现在很多人形机器人上并没有这个按钮。”他还提到人机交互中的情感问题，机器人可能会对人进行负面引导、造成伤害。尼·奎诺认为，目前现行法律和安全机制并不足以应对AI以及机器人发展带来的新型风险，有必要为具身智能与自主系统建立专门的风险管理框架，在机器人部署之前必须要评估潜在的风险、受害对象以及该如何防范这些风险。安全事故发生后，界定机器人的责任也并不容易。“传统的产品可能就是一套控制系统，比较容易进行验证。”朱海锋表示，机器人涉及复杂的硬件和AI系统，不同的厂家以及开发者参与其中。一旦发生问题，比较难摸清楚中间的缺陷具体情况。尼·奎诺认为，这种情况下人类的监督不能流于形式，必须具有一些实质效力，需要在开发者、制造商、部署方、运输方、运维服务商以及软件供应商之间划定清晰责任。“责任不能在复杂供应链中模糊消散，也不能简单地推给距离机器最近的人。”他强调称，评判进步的标准不能只看机器人在演示当中表现有多智能，真正的标尺是运行是否稳定、行为是否安全、责任划分是否清晰，以及收益分配是否公平。阿拉伯信息通信技术组织秘书长穆罕默德·本·阿莫也将“信任与安全”列为具身智能规模化部署的重要挑战。随着机器人之间的连接和协作增加，统一的技术标准及评估方法将更加重要。具身智能的成功不仅依赖于技术上的突破，同时依赖于人类是否有能力将这些创新转化为可拓展的解决方案，给整个行业和社会带来价值。

2026-11-05: 当地时间11月4日，OpenAI宣布将收购开发者工具初创公司Pierre Computer Company。 同日，Anthropic旗下编程智能体Claude Code与桌面端通用工作智能体Cowork产品负责人Cat Wu（Catherine Wu）宣布离开Anthropic，加入OpenAI，负责核心产品团队产品管理。 资本收购与关键人事变动，透露出OpenAI正尝试在AI编程领域再进一步。OpenAI表示，Pierre旗下Code Storage以及Trees、Diffs等开发者工具已经被整合进旗下编程智能体Codex，同时保持Pierre开源项目的开放性。此次交易金额暂未披露。 Pierre成立于2023年，累计融资约2400万美元，商业化主力产品Code Storage定位为面向AI智能体大规模工作负载的Git托管基础设施。Pierre真正被看中的，不是单一代码工具，而是Git在AI智能体时代作为代码协作底层协议的价值。 Git是开发者管理代码版本、分支、合并与审查的基础设施，微软旗下GitHub等平台便是在Git之上提供托管、协作和权限管理的产品层。 过去，这套流程围绕人类开发者设计：一个人一天提交几次代码、开几个分支、发起少量合并请求。但AI智能体正在改变代码生产节奏，一个开发者可以同时调用多个Agent并行创建分支、修改代码等。传统Git托管平台围绕人类低频操作设计的限流、权限和审查流程，开始成为瓶颈。 另在本周，OpenAI公布自研Git后端Pando，支撑OpenAI整个代码库，生产环境下将代码推送中位延迟降低近80%。 收购Pierre则是为了补上另一块拼图。其Code Storage提供基于Git的代码存储和历史追踪能力，而Trees和Diffs分别用于文件浏览和代码变更审查。OpenAI希望最终把Codex从代码生成工具扩展成完整的开发平台。 也正因此，行业将此次交易解读为OpenAI进军微软GitHub腹地。随着AI承担更多编码工作，GitHub仍是软件开发的重要代码仓库和协作中心，但AI原生开发正在催生新的基础设施需求。除OpenAI外，Cursor以及前GitHub CEO Thomas Dohmke创办的新公司Entire也在争夺这一市场。 如果说收购Pierre解决的是基础设施，Cat Wu的加入解决的则是产品。 Wu于2024年加入Anthropic，是Claude Code产品负责人之一，与该产品创始人鲍里斯·切尔尼（Boris Cherny）共同推动Claude Code从早期内部工具成长为Anthropic最具影响力的开发者产品之一。公开资料显示，Claude Code从2025年推出研究预览后迅速扩张，成为Anthropic争夺企业开发者和AI编程市场的重要产品。 对OpenAI而言，今日的相关动作既补充了Pierre的技术资产，也吸纳了直接参与竞品Claude Code产品增长的一线负责人。 此前，OpenAI与GitHub的关系一直存在特殊性。微软既是GitHub的母公司，也是OpenAI的重要投资方，但双方同时在AI编程工具等领域展开竞争。如今OpenAI进一步向代码存储、版本控制和协作基础设施下沉，意味着竞争可能从应用层延伸至开发者工作流的底层。 不过，OpenAI并未宣布要直接竞争GitHub。官方表述希望在开发者现有Git工作流基础上，使其适应团队与编程智能体协作的新方式。 当AI智能体成为越来越重要的代码生产者，真正稀缺的已不再只是会写代码的模型，而是一整套能够承载海量智能体并行生产、审查、存储和交付代码的开发基础设施。 从Pando补充写入吞吐，到Pierre补充存储与审查，再到Codex承接开发者与智能体协作的工作面，OpenAI的布局正试图抢先定义开发者审核、协作与交付代码的界面，并将相关流程收拢到同一个工作入口，掌握AI时代软件开发的定义权。

2026-11-05: 11月5日，第九届中国国际进口博览会在上海开幕。与往届进博会上人形机器人进行跳舞、拳击等偏表演性质的展示不同，今年，人形机器人开始真正尝试承担一些具体工作：给来宾拍照、递送照片、冲泡功夫茶、甚至与人类现场打乒乓球。11月4日，第一财经记者提前探访进博会现场，发现人形机器人的展示逻辑正在发生变化。它们不再只是展示自己能走、能跳、能做出复杂动作，而是开始尝试理解人类的需求，操作真实的工具，与周围环境进行交互。硅基人形机器人开始服务碳基人类，背后是一场从实验室走向真实物理世界的技术攻坚。人形机器人干起了精细活“咔嚓！”1当记者刚走进第九届进博会新闻中心，一位特殊的“摄影师”就举起拍立得相机，手指轻轻按下快门，给记者拍下一张留念照。 这位“摄影师”来自Sharpa（大裂谷），在本届进博会上，它承担的任务是为来自全球的媒体记者拍摄专属进博影像。现场工作人员告诉记者，完成一次拍照任务，并不只是按下快门这么简单。机器人需要依次完成取机、调整握姿、对准拍摄目标、按下快门等一系列连续操作，操作误差需要控制在2毫米以内，同时还要根据相机的位置和受力状态动态调整动作。这对机器人的感知和操作能力提出了更高要求。它需要通过视觉识别相机及拍摄对象的位置，完成手眼协调，再根据操作过程中的接触状态调整抓握力度和动作幅度。更考验灵巧操作能力的是，拍完照片后，机器人还需要将这张薄薄的相纸递到记者手中。与抓取一个尺寸固定、形状规整的物体不同，纸张轻薄、容易弯折，抓取和递送时既要保证稳定，又不能施加过大的力。如何控制手指与物体之间的接触力度，以及如何在递送过程中保持物体姿态，都是灵巧手需要解决的问题。在新闻中心的休息区，另一位“茶艺师”也吸引了记者的注意。来自智元的人形机器人现场冲泡功夫茶，为来访者提供茶水。泡茶看似简单，却是一个涉及多步骤精细操作的任务。从拿起茶具、控制壶身姿态，到倾斜壶嘴、控制水流，再到将茶水倒入茶杯，每一步都需要机器人协调手臂、手腕和手指的动作。从拍照到泡茶，对具身智能而言，这意味着它们正在从相对封闭、标准化的动作展示，走向需要与真实物体持续交互的任务场景。与人类打乒乓球，考验机器人毫秒级决策在本届进博会技术装备展区，全球物理智能开源平台Hitch Open展台格外醒目。在这里，人形机器人与工作人员同台竞技乒乓球。记者也在现场与人形机器人进行了一场对打。机器人能够判断记者的来球方向并及时挥拍，一球连续对打了40多拍。 在本届进博会，Hitch Open将全球首发面向机器人乒乓球等物理智能竞技的开源平台，并展示无遥控、无脚本、无人工干预的AI自主决策机器人乒乓球对打。与拍照、递水等相对可控的任务相比，乒乓球是一项高度动态、充满不确定性的运动。球在空中飞行的速度、旋转和落点不断变化，机器人必须在极短时间内完成视觉感知、轨迹预测、运动规划和击球控制。具体来说，机器人首先需要通过视觉系统捕捉乒乓球的位置和运动状态，判断其速度、方向以及可能的落点；随后，系统需要预测球的运动轨迹，计算合适的击球时机和拍面角度，并将这些决策转化为手臂、躯干乃至腿部的协同动作。这不仅考验机器人的手眼协调能力，也考验全身运动控制。更重要的是，这些动作必须在实时反馈中不断调整，而不是提前设定好一套固定动作。球的落点稍有变化，机器人就需要重新判断和规划。因此，打乒乓球也被视为具身智能领域颇具挑战性的综合测试场景之一。过去，人工智能在棋类游戏等规则相对明确的虚拟环境中取得突破，而乒乓球这样的物理运动，则要求AI真正控制身体，在不断变化的现实环境中采取行动。Hitch Open全球主席唐敏勤告诉第一财经记者，此次展出的乒乓球机器人采用智元远征A3人形机器人本体。由加州大学伯克利分校FHL Vive增强现实中心研发的人形机器人乒乓球系统HITTER，已经实现人形机器人与人类对手连续对打106拍。除了现场互动，本届进博会还展示了人形机器人在生产和生活场景中的更多应用设想。在技术装备展区，特斯拉带来了新一代人形机器人。展台通过搬运行李、遛狗、工厂分拣等场景模型，呈现机器人未来进入家庭和生产环境的应用方向。据特斯拉工作人员介绍，公司正在建设“人形机器人学院”，通过人类操作数据训练、仿真环境练习以及真实场景实践，逐步提升机器人完成实际任务的能力。人形机器人要从实验室走向工厂和家庭，核心难题之一是如何让它真正学会人类的动作。人类可以通过观察和模仿掌握一项技能，但机器人还需要将视觉信息转化为可执行的动作，并在不断尝试中修正误差。人类示范数据、仿真训练和真实环境中的反馈，都是这一学习过程的重要组成部分。在临港展区，智元（AGIBOT）则将人形机器人的应用场景进一步延伸至酒店服务。一台全尺寸人形机器人远征A3 Ultra担任“酒店管家”，可以与来宾打招呼、进行对话、递送饮用水，还能完成信息录入、递送房卡等精细化操作。这是现场全球首展的未来酒店示范场景，机器人将展示办理入住、引导带路、日常巡检、商品导购等服务技能。与单项动作展示相比，酒店服务对机器人的要求更加综合。它既需要理解来宾的语言指令，也需要识别周围环境和物品，判断下一步应该执行什么任务，并协调双手和身体完成操作。这也意味着，人形机器人未来能否真正进入酒店、商场、工厂等场景，不仅取决于它能不能完成某一个动作，更取决于它能否在开放环境中稳定地完成一连串任务。从拍立得摄影师到乒乓球陪练，从茶艺师到酒店管家，今年进博会的人形机器人展示，呈现出一个值得关注的变化：机器人正在从展示“像人一样运动”，转向尝试“像人一样工作”。

2026-11-05: 在广告行业工作了37年的TOPic & Loong创始人龙杰琦，曾经历过从传统广告到互联网广告的行业变革，见证了技术如何重塑行业。但这一次，AI带来的变化更快，也更直接地冲击着广告公司的生意。随着AI能力越来越强，客户的预算逐年减少。龙杰琦对第一财经记者表示，客户开始考虑：既然AI能够大幅降低成本，为什么还要为广告创意支付过去的价格？这也是当下许多设计师正在面对的难题。如果说前几年，设计行业还在讨论如何拥抱AI，到了2026年，一个更加现实的问题摆在从业者面前：在AI成为日常工具后，该如何生存？就连第一批凭借AI获得商业机会的头部创作者，也感受到不小的压力。“头部也有焦虑。”数字艺术家@土豆人Tudou_man在站酷设计周期间对第一财经记者感慨，技术变化太快，“不能停下来看之前怎么成功的，过去一轮AI创作周期的红利正在消退，路已经完全翻过去了。”过去几年，土豆人思考的主题也经历着变化：2023年，他探索能用AI做什么；2024年，工具变强了，他思考自己的价值是什么；到了2026年，他最关心的问题变成了“我要去哪里”。“今天很多人都在找方向。”他说，AI是一股不可逆转的洪流，从业者需要在这一洪流里判断潮水的方向，不能刻舟求剑，方向永远随着技术在变化。AI让设计越来越便宜了“今年最大的变化是AI已经常态化了，且太快了，就像大家不会再去聊Photoshop 一样，AI已经渗透到日常的每个角落。”土豆人观察到，大约两三年前，设计行业还有不少人强烈抵制AI，如今越来越多从业者开始主动学习相关工具。他认为，这种态度转变背后，是职业危机带来的现实压力，“不得不去了解它”。新的矛盾是，当所有人涌进来后，使用AI本身不再构成竞争优势，且创作越来越容易，也让设计越来越不值钱了。土豆人回忆，自己过去在广告行业工作时，高端插画师一张作品可以收取5万至20万元。但如今很少有人能有这样的收入。“来得太容易了以后，很难说服甲方这个东西的价值是多少。”龙杰琦对此感受同样明显。他经历过传统广告的黄金时期，也经历了互联网和数字广告对行业的改造。在他看来，AI带来的冲击更加剧烈。一方面，客户营销预算收缩；另一方面，AI降低了内容生产门槛，削弱了客户为传统制作流程支付高额费用的意愿。“客户会觉得，AI的门槛没有那么高，任何人都可以用AI工具生成好内容。”在这个情况下，龙杰琦发现，客户的项目预算逐年下降。广告公司不得不做出改变。从去年开始，他要求公司每位员工都使用AI，并且每周汇报AI在工作中发挥了哪些作用。更值得关注的是，AI正在从替代重复性操作，逐渐进入原本需要专业判断的工作环节。AI领域头部创作者、站酷客座主编野菩萨对第一财经记者表示，今年他观察到一个新的变化：一些AI Agent（智能体）和Skill（技能模块）已经能够参与判断、选择和流程编排，完成过去需要专业人员参与的工作。“这部分被替代以后，今年专业从业者有点无所适从。”他说。技术进步甚至正在改变一些原本具有较高门槛的细分制作环节。他举例，一个复杂的实地装置项目，过去需要专业团队进行大量测算，如今通过向AI描述想法、输入相关数据，就能完成关键环节的推演。传统类似方案第三方报价曾高达80万元，现在只需要花AI生成的费用。当技术能力不再稀缺，创作者原有的定价依据也开始动摇。他打了个比方，“最后创作会变得跟呼吸一样简单，但是呼吸能赚钱吗？不能。”第一批用AI赚钱的人也在找新出路如果说传统设计师正在承受AI带来的压力，那么最早掌握AI工具、吃到技术红利的创作者，似乎应该是这场变革的受益者。但现实没有这么简单。土豆人是国内较早进入AIGC创作领域的数字艺术家之一。过去几年，他凭借AI创意作品与近40个高端品牌达成合作，成为AI创意领域的头部创作者。但在他看来，早期依靠技术新鲜感获得的商业机会并不能无限持续。“品牌也需要看到新的内容，客户不可能反复为同样的事情买单。”一项AI技术刚出现时，惊艳的视觉效果本身就可能成为创意。但随着技术成熟、更多人能够实现同样的效果，这种新鲜感很快就会消失。“现在东西变化这么快，关键都不是三个月一变了，恨不得一周一变。”土豆人每天都会关注新的技术，他认为，创作者要留在牌桌上，就必须不断拿出新的亮点、新的故事。目前，土豆人工作室的业务主要包括AIGC概念创作、实验媒体和原创IP三大方向，他希望让业务转向更具持续性的内容和IP运营。“IP是有机会穿越周期的。”他认为，AI工具成为人人可用的基础设施后，客户真正愿意支付溢价的，可能不只是制作能力，还有创作者本人的辨识度、审美体系和持续创造新内容的能力。除此之外，他也在探索原创角色项目，与一个游戏团队共同开发虚拟偶像男团，自己担任出品人和监制。与土豆人类似，AI广告创意领域的从业者都在探索新的出路。AI选角导演、视觉模型师麦橘（MERJIC）原本从事金融行业，是一名基金经理。在2022年接触生成式AI后，他逐渐转向数字艺术成为头部创作者。在AI成为行业日常后，他现在将更多精力投入AI角色设计与个性化内容上。麦橘观察到，由于大量创作者使用相同的视频模型，一些AI短剧和影视作品呈现明显的同质化倾向，画面风格相似，人物也高度相似，即便使用不同提示词，生成内容仍然有相同的“味道”。这是他转向AI角色设计的重要原因。他希望创造的人物像现实中的演员一样有多样性、符合剧情，不只是拥有一张漂亮的脸。文字科学创办人舒宸分享了另一种转型方式。舒宸过去主要依靠文案创作、自媒体内容和相关商业服务获得收入。今年初，他停更了自媒体大号，重新注册账号，推出关于自媒体创作和商业变现的内容训练营。据舒宸在现场介绍，新业务截至目前实现的营收已达到公司此前巅峰时期营收的67%。他希望在这个新业务的“安全屋”里先生存下来，等待下一个机会。这条转型路并不适合所有人。头部创作者已经积累了知名度、资源和客户关系，普通设计师想复制类似的转型，依然面临很高的门槛。“去往真实的世界”更多没有IP、品牌资源和粉丝基础的设计师，正在去往哪里？在交流中多位从业者对记者提到，今年微短剧成为转型热门方向。短剧需要大量内容，也为AI视频、角色设计和后期制作提供了新的应用场景。但随着越来越多从业者涌入，微短剧行业的利润正在越来越薄，甚至逐渐变成了比拼效率和价格的“人力生意”。在野菩萨看来，创作者使用的工具不属于自己，生产的IP不属于自己，流量入口掌握在平台手中，甚至还要向平台购买流量，创作者虽然参与了生产，却是系统中的被雇佣者，很难掌握价值分配主动权。他认为，创作者没必要全部涌入同一个热门赛道，去争夺有限的流量和订单，而是应该选择适合自己的蓝海市场。线下场景，可能是机会之一。“单纯的呼吸不能赚钱，但当呼吸变成吹奏，气流通过一些吹奏变成一些唱腔的时候就能赚钱。”他呼吁创作者去往真实的世界，“离开电脑，放下手机，看看身边有什么场景可以融入AI。”在屏幕上的AI内容越来越不值钱后，如果将AI融入真实世界的具体场景，提供独特的互动和现场体验，仍然可能创造新的价值。例如行业已经在探索的AI黑板，在未来的课堂上，学生提出“月亮和太阳相撞会发生什么”，老师或许可以通过AI交互设备现场生成动态演示。类似的应用也可能出现在沉浸式剧本杀、互动戏剧、婚礼等场景中。AI内容不再只是供人观看的固定作品，而是能够根据现场参与者的行为和需求实时变化。就在月底，他还将筹办线下创作者大会，和孟京辉等艺术家探讨如何将AI带往真实世界。他认为，这类线下体验很重要，其价值不仅来自内容本身，还来自人与内容、人与人之间的互动。土豆人也在寻找与线下空间结合的可能性。“今天大量AI的内容充斥着所有的社交媒体，我们要去做和人有关系的事，去做服务，做线下场域的交流。”土豆人认为，未来大众会更注重体验，这是人无法通过AI去替代的需求。土豆人从去年开始推进“数字非遗大赏”计划，通过AI艺术化重构非遗内容，并在多个城市开展展览。据他介绍，这一项目还计划于明年年初前往西班牙展出。在麦橘看来，更长远的机会也可能在互动影视。传统影视和偶像产业主要是一对多的内容分发模式，所有人观看同一部电影、喜欢同一位偶像。但AI有可能让内容变得更加私人化，产生能够与不同用户对话、记住用户偏好，并根据互动产生不同反应的虚拟角色。麦橘认为，未来一些不具备大众市场规模的作品，也可能通过更精准的个性化分发，找到自己的受众。“2026、2027年的话题或许是，怎么最快找到下一份职业的解题思路，不一定要在设计行业里卷，永远有人比你更便宜。”土豆人建议，从业者可以带着之前作为设计师的背景、能力、审美去另一个领域完成转化。这样的职业转型并非没有先例。从手绘到Photoshop，每一轮技术变革都改变过创意行业的生产方式，也让一部分岗位消失、另一部分职业出现。美图公司创始人吴欣鸿在会上提到，过去几年，行业一直在强调AI是趋势，设计师必须拥抱AI，但讲得多了，也越来越像一种“正确的废话”。他认为现在更值得讨论的是：如果AI越来越擅长设计，人是否可以不按照AI擅长的方式去创造？是不是应该花更多时间思考，究竟要设计什么？不同创作者不必沿着同一条路径转型。“每个人的能力值不一样，好的创作者能够根据时代需要调整自己的能力和形态，去适应新的技术环境。”野菩萨认为，有时候找到自己的优势，等待合适的技术与市场机会出现，也是一种选择。

2026-11-05: ①腾讯混元发布最新一代大语言模型Hy4；②小鹏联合北大、港大等发布GroundingPI预训练模型；③谷歌拟投资150亿美元扩大马来西亚数据中心业务；④Meta拟通过首次欧元债券发行筹集至多90亿欧元。

2026-11-05: 随着美国中期选举大局已定，民主党的压倒性胜利或引发更多针对人工智能（AI）基础设施建设的长期疑问。市场关注的是，监管审查可能限制AI行业的快速增长，AI数据中心相关股票承压下行。费城半导体指数跌3.13%，创半年新低。 人工智能行业承压 由于投资者对大型科技公司飞涨的AI支出以及回报不足的迹象持谨慎态度，AI交易近期承受了一些压力。以科技股为主的纳斯达克100指数周一确认进入技术性调整。 随着民主党在包括得克萨斯和佐治亚州在内的关键数据中心州取得突破，AI行业将成为焦点，这些州公众对该行业快速扩张的反对声浪日益高涨。民主党通过承诺对数据中心建设采取更强硬措施赢得了关键州长选举。投资者面临的一个关键问题是，新的政治环境对芯片和基础设施股意味着什么，因为华尔街的预测高度依赖于新数据中心的投入。 花旗美国股票策略主管斯科特·克洛内特表示：“很明显，AI行业将面临一些阻力。如果你放慢或改变数据中心建设的步伐，许多供应商的根本发展轨迹就会开始改变，” 市场特别关注得克萨斯州，据富国银行统计，全美规划中的数据中心装机容量（千兆瓦级）有27%位于得州这一"孤星之州"。 分析师表示，得州州长一职落入民主党手中是一记重击。民主党人吉娜·伊诺霍萨击败了现任共和党州长格雷格·阿博特，而她计划立即在该州颁布数据中心建设禁令。 前景如何 科技行业明星分析师，Yorkville Ives & Co.合伙人丹·艾夫斯在周三的一份报告中写道，本次中期选举将放缓全美数据中心的建设步伐。“无法粉饰的事实是，民主党尤其是掌控参议院之后，将在未来两年给华盛顿的AI与科技立法制造重重障碍。”他表示。 D.A.Davidson分析师吉尔·卢里亚认为，选举结果意味着数据中心建设成本将更高。他说，在某些州，建设费用可能会“高得令人望而却步”。数据中心的决策通常由地方层面作出，每个市政当局可以与企业协商项目的合作条款。“总体而言，数据中心面临的额外障碍可能会减缓美国的建设进程，限制这些数据中心芯片的部署，”他说。 第一财经记者注意到，一些市场观点认为，中期选举对数据中心发展的影响相对可控。 StoneX分析师科迪·阿克里认为，选举结果会在短期内阻碍数据中心建设。“虽然选举将带来更严格的许可、电力和水资源限制以及更不利的税收待遇，但并不会取消已经资助、合同或建设中的项目。” “AI是美国增长故事的核心部分。所以无论谁执政，都会努力两全其美——支持建设，同时尊重可负担性问题，”Principal AssetManagement首席全球策略师西玛·沙阿说，自二战结束以来，标普股指在中期选举后一年内均有所上涨。 阿克里表示，周三的市场走势是科技行业估值的“重置”，并非2027年数据中心需求或建置率突然崩溃的证据。但如果投资者认为成本或项目审批的政策不确定性可能会限制AI建设走更远，从长远来看，可能会出现更大的问题。“这很重要，因为大多数芯片股的估值基于连续数年几乎连续增长的假设。” Evercore在研报中写道，“民主党赢得得克萨斯州、俄亥俄州和佐治亚州的州长选举——这些州在美国项目管道中占有重要份额——意味着数据中心开发将面临新的暂停和限制。不过，任何暂停或暂停的影响都将取决于细节，比如是否保留”祖父条款“（不溯及既往原则），以及面临长期中断的项目是否能迁移到其他州。”

2026-11-04: “具身智能是京东集团最重要的战略布局之一。”11月4日，在2026世界互联网大会乌镇峰会上，京东集团技术委员会主席曹鹏表示。具身智能是今年世界互联网大会乌镇峰会的热门话题。今日京东披露了具身智能数采进展：京东具身数采已覆盖100余个细分生产服务场景，采集超10万真实作业任务。两年内目标采集超过1000万小时高质量人类真实场景视频数据，并同步采集超过100万小时机器人本体运行数据。目前，京东在具身智能领域的规划主要有三个方向：具身数据采集与数据基础设施建设、真实场景的设备研发与应用部署以及前沿的具身大模型研发。曹鹏对第一财经记者表示，今年京东的具身智能团队主要聚焦数据层面的整体布局和规模积累、具身模型的迭代和演进以及真实场景的应用。目前挑战在于整个技术场景本身的迭代与收敛。由于技术路线尚未收敛，模型厂商对数据的需求持续变化，并非在稳定形态上推进，因此存在较大不确定性。曹鹏同时解释了开发具身智能的必要性。他表示，传统工业机器人适用于封闭、固定的场景（如汽车制造等），泛化性不足，难以应对物流等非标准化场景。具身智能的优势是具备更强的运动能力和场景泛化性，能够解决非标件（如服装、百货）的分拣难题，提升稳定性和降低成本。在规模化落地方面，机器人落地可分为商业场景（B端）和家庭场景（C端）。在曹鹏看来，预计未来3-5年机器人可以在商业场景实现规模化部署，而机器人大规模走进家庭场景还需要更长的时间。例如库房在效率高的前提下，可以为机器人搭建专业的生产流程。而在家庭场景，通常家庭不会为了机器人改造家庭环境。受限于复杂的环境、高昂的成本及安全伦理问题，需在B端技术成熟、商业场景得到验证且成本大幅降低后才会普及。消费规模上看，曹鹏认为机器人要进入普通家庭、达到主流家电那样的普及程度，仍需要较长时间，可能是五到十年，甚至更久，但这一时间判断存在较大不确定性。在机器人大量进入作业场景后，企业将面临劳动力转型与就业的问题。曹鹏对此表示，京东正在进行机器人产业规划，为机器人产业提供维修保养和售后服务，这些都是随着产业迭代过程产生的新就业机会和形态。京东还计划通过拓展机器人产业园，提供维修、售后等新就业机会，实现技能升级和产业迭代。此外，机器人维修门槛将随技术标准化和模块化设计而降低，类似汽车保养，未来需要大量经过培训的人员从事该工作。

2026-11-04: “自动驾驶最大的意义，不是让专车司机、出租车司机的工作没有了。自动驾驶最大的意义就是解放了司机的精力，减少交通相关的事故。” 11月4日，蔚来创始人、董事长、CEO李斌在出席2026年世界互联网大会乌镇峰会互联网企业家论坛时谈到自动驾驶时这样说道。 李斌表示，随着人工智能加速从数字世界走向物理世界，智能电动汽车已成为规模最大的AI应用产业。他谈到，全球汽车产业规模庞大，从零部件到整车、销售，再到服务和金融，总规模大体上在7万亿到9万亿美元，而AI在汽车行业的应用将创造超过1.2万亿美元的商业价值。 汽车不仅是AI技术创新的重要应用场景，也与人们的日常生活和社会运行紧密相连。世卫组织7月发布的数据显示，2025年全球道路交通死亡约116万人。李斌表示，随着汽车安全能力的提升，事故减少了一些，但仍然超过116万人，这是非常大的生命的损失，智能驾驶的技术是能够解决或者大大降低生产力和生命的损失。 李斌认为，智能技术的发展让汽车成为了一个移动的生活空间，并且也成为了一个有情感的伙伴。不仅如此，在人工智能的时代，智能电动汽车是AI最大的一个应用的产业。但他同时认为，“AI的价值，应该让人的工作更轻松、更安全，而不是剥夺人类存在的意义。”李斌说，这是所有企业家可以去做的选择。

2026-11-04: 美国科技巨头将人工智能（AI）融资热拓展到欧洲，给欧洲市场增添了新的压力。 据AI工具评估独立平台“AI产业评估”统计，自2025年初以来，五大超大规模数据中心运营商中，亚马逊、谷歌母公司Alphabet、Meta和甲骨文等已发行约2500亿美元债券。此外，还发行了370亿欧元（约合410亿美元）的欧元债券。 最近，此前曾按兵不动的微软也加入了这场AI债券发行热潮，发行了250亿美元债券。 接受第一财经记者采访的多位专家认为，在科技巨头开始加入发债这场赛局后，的确为市场带来了新的波动：面对当前动荡的国债市场，资金可能直接流向收益更高的AI资产。 “债券过剩” 根据高盛在一份报告中的预测，明年AI超大规模数据中心运营商的债券发行总额将达到4200亿美元,而荷兰国际集团(ING)则预测，其中约600亿欧元将以欧元发行。 这对法国、德国和意大利等欧洲国家和企业来说无疑是个坏消息，这些国家的国债收益率近几个月来大幅上升，已经给公共财政带来了压力。法国公共债务占该国国内生产总值 (GDP)的119%，财政赤字仍高于5%。过去六个月，法国10年期国债收益率已从约3.7%攀升至近5%。法国政府的利息支出预计将从目前的790亿欧元增至明年的910亿欧元，到2028年将超过1000亿欧元。 有分析称，仅基于这些数据，到2030年左右，法国财政部就需要通过额外的削减开支、增税或增加借贷来筹集数万亿欧元。 早在今年8月，欧洲央行的经济学家就表示，欧元债券市场正在很好地适应AI巨头的出现，同时警告称，这些巨头“可能会使其他公司和其他经济部门更难获得融资”。 他们在博客文章中还质疑欧盟金融市场能否“顺利应对如此庞大且集中的债务流入”，这“可能对主权和超国家债券市场产生溢出效应”。这意味着各国政府以及欧盟和欧洲投资银行等国际贷款机构最终可能要支付更高的借贷成本。 法国巴黎银行全球信贷策略主管约尔特（Viktor Hjort）将这种现象描述为“债券过剩”。 约尔特认为，超大规模投资机构在欧元债券市场的参与度已经足够高，足以在企业内部以及企业和政府之间争夺可用的固定收益资金：这些投资基金主要购买债券，并定期支付利息。当前的情况则进一步凸显了资本竞争的加剧，因为政府和企业的借贷成本都在上升。 在上海交通大学上海高级金融学院实践教授胡捷看来，目前这一类似现象已经在美国发生。他对记者表示，当前AI领域的投资需求极为旺盛，融资渠道全面铺开，以往并不主流的私人信贷方式如今大行其道。 “由于市场对AI前景高度看好，这些资产开出的收益率颇具吸引力，若美债收益率无法提供同等回报，资金便会分流至AI等高收益领域，客观上倒逼美债收益率进一步上行。”他解释道。 欧洲企业可能面临更大压力 高盛则在上周警告称，不断上升的利息成本开始损害欧洲企业的盈利。高盛发现，在斯托克600指数成分股公司中，自2022年以来，利息成本占销售额的比例上升了一半。高盛的分析师表示，这导致同期盈利下降超过5%。 考虑到AI债券的竞争，欧洲企业可能面临成本压力，从而不得不削减对新工厂、设备和研发的投资，以及股东分红，以优先偿还贷款。 与此同时，欧洲各地的地方政府也可能在为AI热潮的发展付出一些代价。经济合作与发展组织（OECD）今年1月发布的一项研究比较了比利时、德国、西班牙、瑞典和加拿大的本地债券市场，发现在AI普及速度最快的地区，城市和地区的借贷成本往往上升。 该研究的合著者、亚利桑那州立大学商学院教授马克里迪斯（Christos Makridis）表示，研究发现，在美国，AI投资与地方政府较低的借贷成本相关，但在一些欧洲国家，情况似乎恰恰相反。 牛津经济研究院的最新报告则测算了AI可能对其他行业和经济体产生的负面溢出效应。 “今年，AI相关借款人在美国投资级和高收益公司债券发行中占据了相当大的份额，并在风险投资融资中也占有相当一部分份额。”牛津经济研究院在报告中称，“AI借款人的强劲需求可能也推高了政府债券收益率。” “我们的模型显示，10年期国债收益率每上涨100个基点，美国国内生产总值（GDP）就会下降0.1%至0.3%。因此，如果AI需求导致了自2月份以来债券收益率上涨的三分之一，那么它可能会使美国GDP下降0.1%。”牛津经济研究院资深经济学家斯拉特对第一财经记者表示，虽然负面溢出效应在美国最为显著，但并非美国独有。 他表示：“在一些AI热潮带来的增长潜力有限的经济体中，负面溢出效应可能会抵消相当一部分增长，即便这些增长本身并不显著。” 彭博全球首席经济学家欧乐鹰（Tom Orlik）则在近期采访中对记者表示，一项强大的新技术会催生出泡沫，而这个泡沫会在经济真正享受到该技术带来的广泛益处之前就破裂了。 “如果AI也遵循同样的轨迹，那么在它真正转化为更高的生产力并带来广泛经济效益之前，我们可能会先经历一段悲观情绪蔓延和市场崩盘的时期。鉴于对AI革命的投资来自全球各地，这意味着一旦AI泡沫破裂，其带来的冲击也将波及全球。”他警示道。

2026-11-04: 香港金管局总裁余伟文在2026香港金融科技周开幕当天指出，人工智能已由回答问题的工具发展为可独立执行任务的AI代理，并宣布推出“SAGE项目”，研究AI代理的管治框架与责任安排。这一判断落到金融业的具体实践中，引出三个层层递进的问题：AI究竟走到了哪一步？从“降本增效”到真正盈利，中间缺的是什么？以及最棘手的那一问——AI做决策，亏了钱到底算谁的？在11月3日第一财经于香港金融科技周主论坛期间举办的圆桌对话上，香港投资推广署助理署长梁瀚璟、寻汇Sunrate AI首席技术官李一龙、香港大学经管学院金融学助理教授游杨、麦肯锡全球董事合伙人兼香港区总经理石炜麟，从政策、技术、学术与咨询四个视角，对上述问题逐一拆解。 AI角色跃迁：从客服工具到审核执行 李一龙提供了最具体的行业观察。寻汇在跨境支付场景已落地合规审核、开户、支付、换汇等多个智能体。去年AI主要承担聊天客服功能，今年已在授权范围内承担任务拆解、编排与执行。其合规审核智能体可自动识别企业信息与风险，底层以知识图谱串联企业基本信息、股东与收款人信息，识别交易背景时更为清晰。 游杨则从学术与实操双重视角提出审慎判断。他指出，AI对编程的替代效应极强，但投资决策不同。如果AI agent真能自动帮人赚到很多钱，全世界最好的对冲基金就应该是OpenAI或者Anthropic。他认为，在投资领域AI仍是功能性、工具性定位，很难真正替代人的判断，原因在于投资判断依赖人对不确定性的承担。 商业化瓶颈：技术投入之外的组织变革 麦肯锡的调查数据显示，50%的香港客户在做出财务决策前已使用AI，但50%的财务顾问每周使用AI不足一次。石炜麟以厨房作喻，个人在家烹饪娴熟，进入米其林餐厅正规厨房未必适应。更关键的是容错标准差异——个人使用AI出错可重来，企业流程若仅80%至90%正确则难以接受。 由此他提出对投入产出比的判断：每一块钱投入AI技术，开箱即用远远不够，起码要再花两三块钱在变革管理上，包括流程改造、组织调整与员工培训。否则很多公司花大钱买了软件，员工却用不起来。这一判断与香港特别行政区政府财政司司长陈茂波同日表态相呼应——发展金融科技不应停留于试点，而应让企业日常运作更快捷可靠。 责任归属：AI执行任务，机构承担后果 讨论最核心的议题落在权责安排上。游杨指出，企业现行权责体系适用于人，调整为适配AI代理并非易事。他以高校报销需五人签字为例，每一次签名即一次权责确认，若由AI替代部分环节，最后的守门人角色由谁承担便成为难题。 石炜麟的回应更为直接：如果AI agent亏了钱，它本身无法承担后果，客户自然不会信任它。他以航空作比，人们不会愿意乘坐一架只由ChatGPT操控的飞机。但他同时认为AI在投资领域仍有空间——未来所有的分析、行业报告很可能都由AI撰写，但最后仍需由人把建议交付给客户，其中包含人的温度与人与人之间的信任。 这一讨论恰与监管层已明确的框架衔接。陈茂波同日指出，AI代理可执行任务，但最终法律与监管责任仍归属于金融机构。余伟文亦透露，金管局正探讨是否需要在行业订立“Know Your Agent”（认识你的代理）标准，甚至研究设立中央登记册，记录可信代理名单。 香港定位：场景、认证与出海通道 梁瀚璟将香港当前角色概括为“三宝”：金融+、AI+、出海。金融+赋能实体产业资金需求，AI+依托香港财富管理、保险、支付、量化等丰富场景，出海则利用香港跳板协助内地企业对接海外市场。他提供一组数据：香港总资产及财富管理规模高达5.4万亿美元，超过瑞士成为全球最大跨境财富中心，而私行与财富管理从业人员约1万人。以这一人力规模服务如此体量的资产并不现实。当前服务主要覆盖超高净值客户，而更广泛的客群构成显著蓝海——以前没有工具能服务好这类资产配置，但现在有AI。 对于正从试点走向规模化的金融AI而言，效率红利的释放已毋庸置疑，但权责框架的清晰程度，正在成为决定其商业化深度与速度的关键变量。技术可以迭代，模型可以升级，唯独“谁为结果负责”这一问题无法绕开。香港监管层当前的方向，是在鼓励创新与守住底线之间寻找平衡——既为AI代理划定可预期的规则边界，也为金融机构保留审慎探索的空间。这条平衡木走得是否稳妥，将在相当程度上影响金融AI能否真正从“能干活”走向“能盈利”。

2026-11-04: 大模型概念火热，但AI落地仍有四道坎。如何打通AI应用实体经济的最后一公里？ 11月4日，武汉产业创新发展研究院（下称“武创院”）与阿里云联合打造的Token武汉与武创千问双平台正式问世，试图给出武汉的解法。 作为武汉科创的“创新催化剂”，武创院专注破解科技成果转化痛点，在光电子、生命健康、具身智能、绿色低碳等赛道完成大量项目布局。 当前全球大模型迭代已进入按周刷新的节奏，闭源旗舰模型参数迈向万亿级别，开源模型百花齐放，语言、图像、视频、语音多模态能力轮番上新，技术供给充足，但产业落地的多重难点越发凸显。 香港理工大学人工智能高等研究院院长杨强在会上表示，市场上大模型品类繁多，不同模型在推理能力、行业适配度、调用价格上差异巨大。缺乏AI专业团队的企业，很难快速判断哪一款模型适配自身业务需求，容易出现“选到性能参数高，但业务匹配度低”的情况，前期选型试错成本居高不下。即便选定目标模型，企业还需要完成接口调试、环境部署、联调测试等一系列开发工作。大量本地中小企业、科研机构缺少专职AI开发人员，独立完成对接开发周期长，技术门槛直接拦住企业落地的脚步。 “安全顾虑也是应用落地的难点。”杨强进一步说，企业内部沉淀大量业务数据、项目资料，企业担心内部敏感数据上传公有大模型之后出现泄露、留存风险，出于数据安全考量，不敢直接将核心业务数据接入通用大模型。 此外，成本核算不清仍是绕不过去的一道坎。杨强表示，很多AI试点项目可以完成演示，但是企业无法清晰测算降本增效的具体数值，缺少可量化的收益指标，企业管理层很难持续追加预算，大量AI试点项目做完演示之后便陷入停滞，难以形成长期迭代的闭环，“MIT一项统计显示，约95%的企业生成式AI试点拿不出可衡量的回报”。 今年云栖大会期间，武创院与阿里云围绕上述AI落地的痛点展开探索。阿里云输出千问大模型、百炼MaaS底座，承担算力与模型供给；武创院挖掘武汉本土产业真实痛点，输出场景需求；武创元作为武创院参股运营主体，负责客户对接、平台运维、场景落地，完成从技术能力到可用服务的转化。 “单纯堆算力、堆模型解决不了产业转化，关键要降低企业资源获取的综合成本。”武创元公司董事长李昱谷介绍，此次发布的Token武汉平台，其价值就是把零散的AI资源打包成标准化的公共基础设施，避免每家企业重复做底层建设，不必再投入重金自建机房、采购显卡、维持AI技术团队，把更多预算投向自身业务创新。 作为湖北首发的千问办公定制版本，武创千问则要回答“AI能力落到哪里去”的命题。 李昱谷表示，团队梳理武创院内九个部门上百条原始场景线索，覆盖项目创新、产业资源、科技金融、合规知识、人才传播等七大业务领域，让AI深度介入科研机构日常运转。同时，武创千问划分了六类主体的开放权限，严格界定不同资料的访问边界，内部底稿、风险材料设置访问门槛，审定成果开放至企业服务入口，平衡效率提升与风险管控。 未来，这套定制能力还将从武创院内部实践向外延伸，面向武汉本地企业、科研团队开放。

2026-11-04: 11月4日午后，A股多只AI基础设施相关个股股价拉涨。截至收盘，存储芯片厂商长鑫科技（688825.SH）涨13.63%，市值2.99万亿元，逼近3万亿市值关口，另一只存储股兆易创新（603986.SH）涨8.48%。光模块厂商“易中天”中，中际旭创（300308.SZ）涨11.07%，新易盛（300502.SZ）涨13.35%，天孚通信（300394.SZ）涨10.02%。另一些市场关注度较大的半导体股也飘红。半导体设备厂商北方华创（002371.SZ）、中微公司（688012.SH）、拓荆科技（688072.SH）分别收涨10%、16.62%、20%。AI芯片厂商寒武纪（688256.SH）收涨10.38%。科创50涨9.92%。其中一些个股近期经历了股价低迷。9月22日至11月3日，中际旭创股价累计下跌48.89%，新易盛累计下跌62.04%，天孚通信累计下跌55.74%，长鑫科技累计下跌31.79%，寒武纪累计下跌30.99%。11月4日，“易中天”市值总计上涨1084亿元，长鑫科技市值上涨3591亿元。消息面上，长鑫科技11月4日发布公告称收到董事长朱一明先生的提议，提议将回购股份金额由“不低于10亿元、不超过20亿元”增加至“不低于25亿元、不超过50亿元”。这份提议距离长鑫科技董事会通过原股份回购方案不足一周。该公司称，此次提议旨在维护投资者的利益、增强投资者对公司的投资信心。新易盛也在推进股份回购，该公司11月3日收盘后公告称，公司于11月2日至3日回购公司股份213.91万股，占总股本的0.1534%。中微公司近日也披露了一份公告，称董事长提议回购股份，回购金额不低于4亿元，不超过5亿元。中微公司还在近日发布的一份投资者关系活动记录表中表示，2026年公司新签订单体量和增速均达到历史新高，预计2027年订单保持强劲增长。中际旭创则在11月3日晚间发布一份电话会议记录，澄清了一些市场传言。关于海外客户下修需求或砍单传言，中际旭创称，绝大部分客户未下修需求或订单，即使考虑个别客户结构性调整，2027年行业整体需求仍在原预测范围内。关于外资券商下调公司评级和目标市值的传言，中际旭创称，已向相关外资券商求证，未下调评级和目标价。此外，该公司称，2027年绝大部分订单已覆盖全年，目前数据中心客户拿货节奏正常，未出现放缓。政策层面，11月2日，中国人民银行会同金融监管总局、中国证监会等部门先后召开证券、基金、保险公司互换便利座谈会和股票回购增持再贷款座谈会，听取金融机构业务进展及意见建议，研究部署用好用足政策工具有关工作，支持资本市场健康稳定发展。央行宣布自11月4日起下调股票回购增持再贷款利率0.25个百分点至1%，银行已报送股票回购增持再贷款额度申请超过2000亿元。

2026-11-04: 对于宇树科技而言，制造和部署上千台甚至上万台机器人采集数据，并不是最困难的事情。如何充分利用这些数据训练AI模型，是眼下需要解决的问题。 11月4日，在2026年世界互联网大会乌镇峰会“互联网企业家论坛”上，宇树科技创始人王兴兴谈及机器人行业的技术突破时表示，目前包括宇树在内，机器人数据的利用率仍然偏低，大量数据没有得到充分利用。他认为，随着物理AI模型实现自进化，机器人有望提高数据利用效率，加快技术迭代。 “对我们来说，要生产制造、部署千台或者万台机器人去测试采集数据，某种意义上是件成本很低、比较容易的事情。”王兴兴表示，目前公司机器人数据利用率有点低，“大量的数据被浪费掉了，没有很好地把AI模型用起来。” 他介绍，某种意义上头部大模型公司内部已经实现了自进化，即让AI模型自己采集数据、自己训练、自己迭代，人类少量参与打分，整个循环已经建立起来了。 但这方面在机器人领域还是比较少见。他表示，这套逻辑在于让AI模型去写代码、在仿真环境中训练，之后再部署到机器人上测试，测试结束可由让人类打分或者机器人打分。随后，再把这些结果反馈给AI模型，让其重新修改程序并进行训练。 这套流程中，人类主要发挥哪些价值？ “到现在为止，我觉得人类最大的价值在于‘打分’，评价一下AI模型做得好不好，或者设置一些目标让AI去实现。”王兴兴还提到，AI模型越来越强之后，也将学会人类的评价指标和偏好。目前，在视频模型领域，这种效果是比较直观的。王兴兴认为，随着模型自进化迭代以后，其对数据的利用率也会高很多。 对于机器人行业的突破时间，王兴兴给出了相对乐观的判断。他表示，2027年很大概率会成为机器人行业或机器人模型发展的一个临界点。 王兴兴提到，具身智能的“GPT时刻”，是机器人能够在约80%的陌生场景中，通过语音指令完成约80%的任务。他此次表示，全球顶尖模型距离这一目标已经非常接近，但仍存在关键技术障碍。 这一障碍被他称为“最后几个毫米的问题”。 他解释称，目前顶尖多模态模型已经具备较强的空间理解和任务规划能力，机器人经过充分训练后，在固定工位执行单一任务，成功率可以接近100%，但作业效率仍有待提升。对于抓取、搬运等任务，模型也已能取得较高成功率，但在手机拆装、穿针引线等需要精细操作的场景中，成功率仍然相对较低。 “AI模型对物理世界的接触这部分做得不是特别好，也就是AI模型的输入输出和真实世界的对齐还是差了一点。”王兴兴认为，机器人对物理世界的接触、触觉等信息仍缺乏足够准确的理解，而这恰恰是完成复杂操作的关键。他预计，这类问题有望在未来一至三年得到解决。 不过，王兴兴的这些判断仍属于对技术进展的预测。固定工位上的高任务成功率，并不意味着机器人已经具备跨场景工作的通用能力，模型自进化机制也仍需进一步验证。 在技术突破预期之外，宇树的资本市场表现同样受到关注。11月4日，宇树科技（688836.SH）股价盘中一度上涨超过8%，股价超过源杰科技，位居A股股价第四。 对于这家已经实现机器人规模化制造的企业而言，下一阶段的竞争不仅在于生产多少台机器人，更在于能否让模型充分利用数据，使机器人从完成特定动作，走向在更多陌生场景中自主完成任务。

2026-11-04: 商业与技术洞察公司Gartner近日发布2027年企业机构需要关注的十大战略技术趋势。十项趋势几乎全部与AI直接或间接相关，但重心已经改变，不再讨论AI还能做什么，而是关注“AI自主执行之后，谁来管、怎么管”。 “2026年的重点是如何构建和应用AI，2027年的重点则转向如何管理AI驱动的自主系统，并重新设计企业的技术架构。”Gartner研究副总裁高挺对第一财经记者表示。 在刚刚结束的2026世界顶尖科学家论坛人工智能平行论坛上，全球科学家也在反复强调“可信AI、安全治理”等话题。业内普遍认为，AI产业将从模型能力竞赛，整体转向安全治理与运营体系建设。 Gartner这次发布的十大趋势可归纳为三条主线。一是非文本的AI前沿：大型定量模型（LQM）专为处理和分析定量数据，面向金融、医疗等强监管行业；语音推理模型直接对音频进行推理并采取行动；世界模型则让机器理解空间、时间与因果。 这其中，世界模型是近期市场热度最高的一项，具身智能、自动驾驶与空间计算相关领域投资大幅增加。“最近Google公布的Genie 4虽然展示了更先进的实时世界仿真能力，但仍处于研究预览阶段，长时间一致性和复杂物理交互仍有局限。”高挺表示，“因此，我认为短期内商业化机会更可能首先出现在数字内容与虚拟场景生成领域；中长期来看，随着模型的物理准确性、可靠性和仿真到现实迁移能力持续提高，工业仿真和机器人领域有机会形成更深层次的产业价值。” 二是管理自主智能体的新型基础设施：AI上下文平台、AI智能体身份、AI编码智能体框架、自主式暴露修复，分别解决“智能体懂不懂业务、权限归谁管、代码谁来验证、漏洞谁来修”；三是重新定义软件经济与技术主权：可抛弃型应用让软件“用完即弃”，主权技术为关键供应商预留退出通道，湿件即服务则探索生物计算路径。 Gartner给出的预测颇具警示性：到2028年，25%的企业安全漏洞事件将追溯至AI智能体滥用，根源在于机器权限未获有效管理。 高挺认为，按成熟度排优先级：语音推理模型、AI上下文平台、AI编码智能体框架等处于1至3年落地窗口，企业可遵循“近期创造业务价值、中期建设核心能力、长期保留技术选择权”的投资原则。 Gartner的判断并不孤立。近日，2026 世界顶尖科学家论坛人工智能平行论坛在上海临港举行，主题正是“下一个十年：人工智能的发展与治理”。中国科学院院士何积丰在致辞中表示，他2017年首次提出“可信人工智能”理念，核心就是希望技术发展与安全治理同向而行。他强调AI永远不应是黑盒，通过实施正确的方法、规范的方法，我们可以确保AI各个板块与人类价值框架对齐。且随着AI能力增强，被滥用可能造成的损害也会增长，安全围栏必须同步加固。 2015年图灵奖得主、斯坦福大学教授Martin Hellman则把议题拉到全球层面。此前，他与 Geoffrey Hinton、Yoshua Bengio 等人共同签署了AI风险声明，他主张把降低AI灭绝性风险与防范核战争、大流行病等同等列为全球优先事项。 产业一线也已开始行动，中国科学院计算技术研究所副所长陈云霁认为，当前大模型基于统计学原理，准确率“总是99%而不可能达到100%”，这也就意味着AI智能体有可能会造成损害。未来需要引入物理规则与逻辑规则来规划、限制、推动AI达到100%的精准度。 具身智能正加速走进物理世界，启元机器人联席总裁高全中认为，在模型训练过程中就要充分考虑安全设计，“比如拿机器人来说，我们要考虑它附近的人员和周边环境，确保从建模阶段开始安全性就已经被嵌套进去。” 何积丰表示，技术本身是不可知的，它的最终路线需要人类来绘制，“我们不能等在那里，等着AI自行无序地发展，我们还有很多事情要做。”

2026-11-04: 11月4日中午，央视新闻报道，本次中期选举后，民主党重新掌控美国国会。受选举结果影响，纳斯达克指数期货一度大跌2%，韩国综合指数跌幅一度逼近4%随后反弹。在连续反弹三个交易日之后，恒生科技指数4日上午盘中跌幅一度逼近2%，下午开盘后恒生科技指数全面回升，截至发稿上涨超过1%。在第一财经记者采访的业内人士看来，预计美国总统特朗普未来两年新政策的实施将面临一定难度，市场对人工智能相关投资的预期也会降温，不过随着不确定因素消除，港股反弹有望延续；此外，投资者还需要关注美国是否会再度对伊朗采取军事行动，由此增加的市场波动值得留意。对人工智能影响偏负面新华社报道称，美国总统特朗普当天表示，“绝对愿意接受选举结果，准备与民主党合作，可能会达成某些东西”。蓝水资本首席投资官李泽铭向第一财经分析，预计民主党将赢得参众两院的控制权。在此情况下，现行科技政策面临的审查可能趋于严格，尤其是人工智能领域的发展，包括大模型的研发和数据中心建设，可能会面临更多审查，涉及国防安全审查环境，以及电力、能源方面的审查，整个人工智能建设的推进节奏有可能放慢。李泽铭称，目前市场已有所反应，人工智能概念股、美国科技股以及纳斯达克指数期货均出现大幅下跌。这一影响势必会传导至港股市场，因为全球硬件产品的最大买家正是美国的科技网络公司，如果整体人工智能建设放缓，港股相关硬件板块也会受到影响。博大资本国际行政总裁温天纳认为，美国中期选举结果显示民主党取得显著进展，市场对此的即时反应较为谨慎，亚洲股市科技板块普遍承压，反映投资者对政策不确定性的关注。市场主要担忧集中于未来可能加强的人工智能相关监管。若国会在数据中心建设、电力使用、安全审查及行业规范等方面采取更严格措施，或将影响美国科技企业的资本开支节奏。温天纳称，作为全球人工智能产业链的重要一环，亚洲相关供应链可能间接受到需求预期调整的影响。港股中光模块、服务器、半导体及部分互联网平台上的人工智能应用相关标的，短期或面临情绪与估值压力，风险偏好下降可能使得高估值成长股相对承压，资金或阶段性转向防御性资产。不过港股此次回调幅度总体温和，显示市场已部分消化相关不确定性，南向资金此前的净流入亦提供了一定支撑。留意美国是否再次出兵伊朗此前，美国总统特朗普多次表示中期选举后将会继续打击伊朗，投资者对此也有所担忧。光大证券国际策略师伍礼贤认为，从目前的结果来看，民主党有机会重新控制国会，这对往后美国对内经济政策和外交政策而言，可能属于相对稳定的情形，因为重大政策不能再单纯依靠特朗普个人去制定。中美科技领域的竞争往后仍可能成为两国之间竞争的主要领域之一，因此选举结果的总体影响或相对有限。相比之下市场更关注往后中东局势的发展，中期选举过后美国是否会再次对伊朗出兵，短期内对投资市场的影响可能更大。伍礼贤认为，11月港股大盘及科技板块存在反弹机会，不确定性将逐步消退，随着大型科技公司陆续披露第三季度业绩，投资者对基本面的判断将更加清晰，内地支持市场发展政策也有助于市场反弹。李泽铭判断，美国出兵伊朗早晚可能发生，但应该不会在中期选举结束后立刻行动。共和党此次失去两院控制权，属于比较大的挫败，特朗普可能会优先安抚党内情绪、应对反对声音，并与民主党达成新的默契。由于共和党在国会中转为少数派，原有的合作模式需要重新谈判商讨，短期内大概率不会有很大的动作。李泽铭预计，油价不会出现历史级别的再度反弹，但也难以明显回落。特朗普短期内可能维持现有状态，即延续对伊朗的制裁与封锁；在双方相互封锁海峡的情况下，能够通行的运油船只较为有限，实际供应问题难以解决；但若不出兵，油价短期内也不会出现暴涨，中期选举结果落地之后，油价有机会逐步回到每桶95至105美元的区间。温天纳认为，中期而言，国会结构变化可能带来政策环境调整，具体影响仍取决于后续立法进展与实际执行力度，中期选举结果虽然会引发短期波动，但并非决定港股走势的唯一因素。投资者更加要看中国经济数据、企业盈利兑现情况、美联储货币政策走向以及本地政策支持往往发挥更关键的作用；而人工智能产业链若能持续证明技术落地与变现能力，在合理估值区间内仍具备配置价值，建议投资者密切关注后续政策信号与企业业绩指引，理性看待短期市场波动。

2026-11-03: ①我国正推动世界人工智能合作组织实体化运行进程； ②福建首个跨域异构调度全服务词元工厂上线运行； ③商汤推出日日新SenseNova 6.8 Flash正式版； ④百度首次披露面向物理AI的智能体驱动全模态世界模型Apollo World； ⑤Seedance海外收入半年近5倍增长，腾讯位列国内客户前三； ⑥蔡崇信最新发声：模型开源才能创造可持续、普惠的时代智能； ⑦行云科技与火山引擎签署框架合作协议，聚焦大模型、GPU服务等方向； ⑧OpenAI与Cathedral Systems达成网络安全合作。

2026-11-03: 技术进步能否自动转化为社会进步？ 在近日召开的第五届全球发展与健康传播论坛（下称“论坛”）上，很多与会专家认为，人工智能（AI）为发展中国家带来健康普惠新机遇，但也可能加剧信息疫情与技术风险，带来现实挑战。 根据一项估算，大约有三至四成的非洲孕妇可能从未接受过任何超声检查，这增加了她们的分娩风险。如今，AI技术能够自动解读复杂的图像，理邦仪器等中国企业已将相关产品带入非洲市场。孕妇在家门口使用鼠标大小的超声探头，在腹部轻轻移动几下，AI即可辅助完成以往需经验丰富的超声医生进行的检查，省去几百公里的往返奔波，为非洲等发展中国家的孕产妇安全带来积极影响。此外，AI还能在资源有限的地区帮助放射科医生减少阅片时间，并提高准确度和灵敏度。 不过，发展中国家在享受AI便利的同时，也面临严峻挑战。在上述由清华大学全球发展与健康传播研究中心和世界卫生组织（WHO）西太平洋区域办事处共同承办的论坛上，与会专家认为，AI技术如果缺乏可靠数据和多元主体参与，极有可能放大既有偏见、加深信息鸿沟，甚至削弱社会信任。 长期以来，在全球健康与发展的宏观叙事中，全球南方往往被视为数据采集点或外部知识的接受者。盖茨基金会非洲区主任巴辛加（Paulin Basinga）在论坛上表示，非洲不能只是AI的使用者，还需要参与相关知识、工具和决策的塑造。 他表示，在实践中，发展中国家正在不断展现本土创新与领导力。例如，南非实现了口服霍乱疫苗的本地化生产并开展临床试验，肯尼亚和卢旺达在预认证注射器生产方面取得突破，塞内加尔研发了麻疹快速诊断检测产品。 因此，要让AI赋能的健康信息真正成为惠及全球南方的信息公共品，必须超越传统的单向捐助模式。清华大学万科公共卫生与健康学院副教授、清华大学非洲中心主任唐昆表示，真正的伙伴关系应建立在相互尊重、双向学习和长期能力建设的基础之上。 “疟疾联盟”（Malaria Consortium）首席执行官蒂本德拉纳（James Tibenderana）则表示，国际组织、高校、政府和科技企业应共同投资全球南方国家的数据能力建设、基础设施和本地人才培养，确保技术和数据的治理主权由当地机构掌握。

2026-11-03: 11月3日，第一财经记者从2026高工人形机器人年会获悉，高工咨询数据显示，今年中国人形机器人整机出货量预计将超5万台，但增速低于预期，随着四季度开始融资遇冷，预计未来三年将有15%以上的人形机器人公司被淘汰。高工咨询总经理郑利瑶表示，今年具身智能的商业化迈上新台阶，但增速不及预期。预计2026年全球人形机器人整机出货量将近6万台，市场规模近20亿美元，将翻倍式增长；其中，中国人形机器人整机出货量将超5万台，市场规模将超100亿元，也将翻倍式增长，但今年中国人形机器人整机出货量会低于年初超6万台的预测。这背后是人形机器人产品的落地节奏比预期慢。郑利瑶说，从新品看，今年中国人形机器人行业从单一“造本体”，转向“本体+模型”双线并进。但是，核心问题仍没有变化，产业链仍在纵向整合，大部分环节尚未完善。工业场景落地为主，基础作业普及但尚未跑通，灵巧手操作还需要应用场景持续铺开。从融资看，今年前三季融资热度攀升，但第四季度开始遇冷。高工咨询数据显示，2026年前三季度，中国市场人形机器人本体领域融资818.2亿元、灵巧手等其他零部件领域融资148.3亿元。“2027年人形机器人市场将延续价格战。”高工咨询预测，今年关节模组整体售价同比下降约30%，预计明年1.2米以下小尺寸人形机器人整机将从今年2万元降到1.8万元，1.2米至1.6米中尺寸整机将从今年11.5万元降到10万元，1.6米以上大尺寸整机将从今年26.8万元降到23.4万元。行业重心转向交付端，比拼落地部署和场景应用。“在资金与商业化双重约束下，2027年人形机器人赛道将迎来首轮大幅出清”。郑利瑶预测，未来三年将有15%以上人形机器人企业会倒闭或被并购，腰部企业开始转向聚焦，领先企业放大优势，头部企业抢占生态位置。出海将是发展趋势。2026年中国人形机器人整机出海出货量预计也将翻倍式增长。郑利瑶说，国内强在硬件供应链完善，海外强在大模型能力、高价值场景。但是出海需跨过产品认证、安全合规、数据合规、本地化服务等门槛，要从卖货到建生态。“人形机器人行业正从样机演示走向工程化交付，从通用范式转向场景单点落地。”郑利瑶认为，目前在商业化上仍面临需求碎片化、缺乏“杀手级”应用的难题，在产业化上则需要克服软硬件割裂、接口不统一的痛点，所以资本也变得理性，正在“去泡沫”。

2026-11-03: “我们想要AGI（通用人工智能）更快到来。”11月3日，在2026年世界互联网大会乌镇峰会的人工智能对话环节，DeepSeek研究工程师高熙讲述了DeepSeek的开源逻辑。对于将研究成果开源，他表示是为了让AGI更快到来。当前，AI技术发展呈指数级增长，每年都有巨大突破：从简单翻译到深度推理，再到解决复杂数学和计算机问题。在AI加速发展的背景下，高熙认为对手是时间而非竞品。“在AI竞赛中，真正的对手不是其他大模型公司，而是流逝的时间。”他认为，无论AGI由哪家公司研发，其带来的技术变革（如医疗突破）都将惠及全人类。在这个视角下，“当AGI到来时你不会在乎它究竟是哪个模型公司带来的”。基于这一初衷，开源成为了更好的选择。高熙表示，研发过程中，发现新方法如更低成本的训练方式、更优的模型结构后，最自然的做法是立即公开以供验证和应用。若他人解决了问题，则迅速跟进应用；若自己解决了问题，则分享以推动整体进程。10月20日，DeepSeek宣布，将内部推理框架DeepInfer全面开源。阿里巴巴ATH事业群千问大语言模型项目负责人刘大一恒表示，开源具有两大重要意义。一是加速AI创新，改变创新范式。刘大一恒表示，开源改变了AI创新的范式，使核心技术不再仅掌握在少数企业手中，而是让全球开发者和生态共同参与创新。同时，开源不仅是开放模型使用权，更是开放了全球每个人参与创造AI的权利。此外，开源可以赋能学术界，同时反哺生态，推动模型发展。二是开源实现去中心化与分布式创新。“头部公司可能忽略小语种、特殊垂类应用、特殊硬件/芯片适配等问题。开源让更多参与者贡献技术，形成更完整的技术生态闭环。”在AI普惠方面，刘大一恒表示开源模型的存在防止价格垄断：开源模型的存在将模型性价比拉升至较高区间，避免了闭源模型可能出现的价格垄断，降低了大众使用门槛。此外，在数据安全与自主权方面，对于数据不能外传的场景，开源允许用户在本地部署，确保数据安全。开源模型同样具有风险，主要体现在不可撤回性和缺乏外部防护依赖。针对开源模型的治理，当前常见的做法是根据模型能力进行分级管理。然而，这种基于当前能力判断的治理方式存在显著缺陷，包括低估模型潜力以及技术演进的不确定性。对此，刘大一恒表示鉴于单独限制模型开放难以从根本上解决问题，建议从模型之外寻求解决方案，包括完善法律法规、制定行业规范以及建设更多基础设施，以缓解安全风险。

2026-11-03: 第一财经记者从南方电网公司获悉，11月3日，2026年电力具身智能应用大赛复赛（实操赛）在南方电网广东东莞供电局技术技能实操基地正式开赛。这是国内电力行业首个具身智能应用大赛，赛事由南方电网公司主办，聚焦具身智能技术在电力真实作业场景的落地应用，汇聚产学研用多方力量，推动机器人技术与电力生产深度融合。记者在采访中了解到，本次实操赛全部任务均取自电力一线生产真实业务，设置变电站设备巡检、紧急停电操作、电能表更换前验电三大考核项目，重点考验机器人在真实、多变的变电环境下的感知判断、规范操作与稳定作业能力，检验技术从仿真走向现实的落地成色。最终将决出6支队伍晋级决赛。记者林春挺/摄当前，具身智能已连续两年写入《政府工作报告》，纳入《“十五五”规划纲要》前瞻布局的未来产业，纲要明确提出推动具身智能成为新的经济增长点。工信部、国务院国资委联合组织开展人形机器人与具身智能实景实训专项行动，推动相关产品开展实景场景验证，加快规模化部署落地。在此背景下，人形机器人与具身智能正加速走出实验室、迈向真实生产场景，电力行业正是这一技术落地的重要试验场。事实上，电力行业对智能作业机器人的探索早已起步。从早期承担固定路线巡检的专用机器人，到如今具备感知、决策、执行能力的具身智能体，电力行业对高危场景下机器人作业的探索持续深入。新一代具身智能强调在复杂多变环境中的自主适应与规范作业，与变电站巡检检修等真实需求高度契合。南方电网立足能源安全新战略，响应国家产业发展部署，以“以赛促研、以赛促用”为导向举办本次大赛，正是要打通技术创新与电力现场应用之间的桥梁。大赛自今年9月启动以来，受到行业内外积极响应，共吸引140家单位报名、组成93支参赛队伍，汇集机器人龙头企业、高校、科研院所、电力单位等多方创新力量。经过线上仿真赛道的激烈比拼，15支队伍脱颖而出，晋级本次线下实操赛。南方电网数字电网集团有限公司党委委员胡荣在开赛仪式上表示，变电站巡检检修作业存在触电、高空作业等安全风险，大量重复作业消耗一线人员精力。发展电力具身智能，目的是要让机器人替人涉险、替人负重，把电力员工从高危重复性劳动中解放出来。本次实操赛既是对各团队技术成果的集中检验，也将找准技术现存短板，为后续技术攻关提供现实依据。多支参赛队伍工作人员向第一财经记者表示，通过在真实场景中的比拼，发现真实场景对机器人的要求比实验室高很多。实验室里的地面摩擦、设备位置都是理想化的，但现场环境相对复杂，机器人需要实时适应。据了解，本次实操赛将在真实变电场景下完成全部科目比拼，挖掘一批适配电力场景的具身智能解决方案，助力人形机器人、智能作业机器人加快融入电网生产体系，推动电力行业数智化转型升级，也为新型电力系统建设注入新的产业动能。记者林春挺/摄区别于普通行业，电力场景可形成“场景—数据—模型—标准”的完整迭代闭环。电网手握真实设备数据、专业规程与安全边界，机器人企业具备本体研发与算法模型能力。双方结合后，机器人才能在真实生产环境中持续积累数据、迭代作业技能。随着场景价值持续显现，电力具身智能的产业空间也在加速打开。数据显示，今年4月，国家电网内部印发《2026年具身智能发展规划》，计划采购8500台具身智能设备，总投资约68亿元，包括5000台四足机器狗、500台人形带电作业机器人、3000台双臂巡检机器人。叠加南方电网及其他能源企业需求，业内预计2026年电力行业具身智能投资规模有望突破百亿元。

2026-11-03: 当前，一些东亚经常账户顺差经济体正将资金投入美国市场，背景是人工智能（AI）行业的繁荣。彭博经济研究的一份报告显示，“外国投资者如今偏好风险更高的资产组合。⾃2024年以来，外国投资者购买美国证券时，越来越偏好股票和公司债，⽽非国债。流入这些资产的资金量已接近有数据记录以来的最⾼⽔平，同时正值AI投资热潮。”彭博全球首席经济学家欧乐鹰（Tom Orlik）在接受第一财经记者专访时表示：“二十年前，顺差资金主要通过主权外储回流至美国国债；当前的回流资金则大量由私人资本主导，直接追逐包括AI在内的权益类风险资产。”面对当前美国的AI热潮前景，他表示，本届白宫在战略上已押注美国AI作为增长引擎，（各方）对AI的成功都下了重注。AI荣景与战略意图第一财经：全球资本持续追逐风险资产与AI概念股。若未来半年至一年内AI回报不及预期，市场震荡是否会演变为类似2008年的系统性金融危机？欧乐鹰：当前的情形与2007～2008年之间有一些重要的相似之处，也有一个重要的不同。相似之处在于全球宏观失衡的再现。如同2000年初，东亚主要出口经济体积累了巨额贸易顺差，并将出口赚取的美元盈余重新配置回美国资本市场。关键的分歧在于资金载体。二十年前，顺差资金主要通过主权外储回流至美国国债；当前的回流资金则大量由私人资本主导，直接追逐包括AI在内的权益类风险资产。不可否认，AI技术具备驱动全要素生产率跃升的划时代潜力，但技术革命在历史上往往遵循固定的周期规律——从20世纪90年代的互联网泡沫到19世纪的铁路投资狂潮，新技术在大规模转化为生产力红利之前，通常伴随着估值泡沫的膨胀与破裂。鉴于全球私人资本深度嵌入本轮AI投资浪潮，一旦资产估值出现剧烈重估，其波及的市场阵痛同样会迅速蔓延至全球各主要资本市场。第一财经：我们近期在广交会走访发现，尽管面临关税壁垒，为北美AI数据中心供电的高精密度线缆、工业配套与特种设备对美出口依然保持强劲增长。这种出口韧性能否抵御未来贸易政策的潜在加码？欧乐鹰：梳理美国既有关税清单的执行逻辑，可以发现，决策层在涉及本土AI基础设施构建的关键物资上表现得相当克制。白宫在战略上已押注美国AI作为增长引擎与保障竞争力的核心支柱。从战略自洽的角度来看，人为对支撑本土AI产业扩张的关键硬件供应链设置障碍，并不符合美国自身的发展诉求。未来数月内更广泛层面的关税动作是可能的，但直接施加于AI算力基础设施核心供给上的贸易壁垒，其概率依然较低。“全球已步入利率中枢抬升的新周期”第一财经：在彭博经济研究最新的报告中，一个非常引人注目的数据是将自然实际利率的估算值上调至约2.6%。这是否意味着期限溢价的走高将更加持久，并演变为一种结构性常态？欧乐鹰：当我们探讨利率及其驱动因素时，市场通常聚焦于中央银行的行动——无论是美联储还是中国央行的决策。央行举措固然重要，但驱动利率运行的深层力量是储蓄供给与投资需求之间的结构性平衡。回溯二十年前的本世纪初，全球处于储蓄大幅过剩、主权债务受控的阶段，同时市场缺乏大规模吸纳资本的新技术周期。在储蓄过剩而投资不足的宏观环境下，全球利率中枢持续下移。当前这一底层格局已发生根本性反转。全球层面的储蓄供给显著收缩，而投资需求却在激增：地缘冲突推高了各国用于国防安全支出的政府举债规模；AI革命则在算力中心及配套基础设施领域掀起庞大的资本开支需求。在储蓄供给不足而投资需求膨胀的格局下，推升利率的内生压力显著强化。央行的政策操作决定的是短期利率路径，但在更深层次的宏观结构上，全球已步入利率中枢抬升的新周期。第一财经：这是否意味着，即便美联储重启降息，低于3%的低利率时代也已宣告终结？欧乐鹰：这正是我们的基准判断。第一财经：金融市场近期的自我收紧，是否在实质上替美联储分担了紧缩任务？欧乐鹰：决定美国实体经济运行的核心变量并非联邦基金利率本身，而是10年期美债收益率。从居民抵押贷款到企业借贷成本，全部以10年期美债为基准锚。当前10年期美债收益率徘徊在5%附近，较此前水平大幅抬升。这意味着，即使美联储未采取额外行动，美国整体金融环境也已自发大幅收紧。政府、企业与居民部门的融资成本显著上升，金融市场客观上正在代行央行职能，协助抑制潜在的通胀需求。谁是真正的避险资产第一财经：在当前多重新变局下，美债是否仍具备避险属性？全球真正的安全资产在哪里？欧乐鹰：支撑美债作为全球终极安全资产的核心支柱依然存在，但支撑该架构的两项深层变量已发生重大转变。二十年前，美国公共债务占国内生产总值（GDP）比重不足30%，财政赤字可控，控制债务赤字是国会两党严肃辩论的议题；如今债务占GDP比重已超过100%，赤字居高不下，而在国会中期选举的辩论中，两党均对实质性去杠杆保持沉默。买方投资者结构同样发生了根本性演变。昔日吸收美债的核心力量是外汇储备扩张时期的外国央行、坐拥石油美元盈余的石油国家，以及实施量化宽松的美联储——这三类机构均属于长期稳定的买盘。当下的主导买家转变为高度市场化、追求风险收益对冲的私人机构。私人资本对利差变动与尾部风险极具敏感度，导致资产价格波动显著放大。支撑美债的基本面依然在，但债务高企且无人提出削减方案，买家又从高度稳定的官方机构转向对风险与回报更敏感的私人投资者，这对美国而言是一个颇具挑战的新组合。

2026-11-03: 人工智能在带来巨大发展机遇的同时，也带来算法安全、伦理规范等新的风险挑战，并对就业产生冲击。 国家发展改革委创新和高技术发展司副司长王若蒙3日在新闻发布会上表示，积极应对人工智能对社会的影响，确保以人为本、向上向善。 其中，在就业影响方面，王若蒙表示，密切关注人工智能对就业结构的影响，充分激发人工智能在创造新就业岗位、带动创新创业方面的活力，推动模型训练师、数据标注员等新职业纳入国家职业分类体系。同时，对于人民群众关心的就业替代风险，强化监测预警，加强社保体系同就业结构、工作方式变革的衔接，做好兜底性、普惠性社会保障。 国务院办公厅近日印发的《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》提出，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。 在权益保障方面，王若蒙谈到，对算法歧视、深度伪造、隐私泄露等社会关心问题，要通过技术手段增强滥用恶用行为的溯源追踪能力，坚决打击利用人工智能实施的违法犯罪行为，确保人民群众合法权益不受侵害，特别是对老年人、未成年人等特殊群体进行保护。在心理健康方面，规范人机边界，加强防沉迷、防情感依赖的引导和干预，完善社会心理援助与干预渠道，应对人工智能对心理健康的影响。 近年来，我国人工智能发展速度、应用规模全球领先，在塑造经济发展新动能、增进民生福祉、提升政府治理水平方面取得积极成效。 王若蒙表示，“十五五”时期，将继续发挥产业体系完备、应用场景丰富、工程化能力强等优势，注重以落地应用牵引技术创新，点、线、面协同发力，深化拓展“人工智能+”行动。 他介绍，点上以场景为单位，组织“人工智能+”应用攻关，优先聚焦矿山开采、高空作业、应急救灾等“险、脏、累、繁、难”场景，通过人工智能解决行业痛点问题，树立更多应用样板和标杆。 线上以行业为切口，持续推动制造、能源、交通、医疗等国家人工智能应用中试基地建设，针对行业应用共性问题，统筹算力、模型、数据等要素资源供给，加快标准制定和应用推广，降低人工智能行业落地门槛。 面上以制度为重点，健全“人工智能+”政策体系，细化落实重点行业实施方案，制定应用场景分类指引，为“人工智能+”深化拓展提供更有力的制度支撑。

2026-11-03: 当地时间11月2日，Anthropic最新修订版IPO招股书披露，公司前三季度营收达到332.42亿美元，同比增长1206%。但第三季度营收环比增速从第二季度的144%降至47%，经营业绩按GAAP（美国公认会计准则）口径也由盈转亏。与此同时，公司披露了约8954亿美元的算力及基础设施采购、租赁承诺，并首次在招股文件中明确提示：内部估计显示，未来模型可能很快触及其负责任规模化政策（RSP）中“AI显著加速进展”的风险阈值。增长背后是高昂的算力成本。数据显示，Anthropic今年前三季度计算与基础设施支出达到188.08亿美元，同比增长329%，占营收57%。其中第三季度单季算力与基础设施支出约98.63亿美元，同比增长约382%，占当季营收的58%。第三季度公司经营亏损5.67亿美元，而第二季度曾实现9.74亿美元经营利润。Anthropic方面解释称，第三季度新增50亿美元短期算力成本，另有约20亿美元捐赠配比计划的非现金支出。前三季度经营亏损为12.6亿美元，但剔除股权薪酬、非现金慈善捐赠及和解费用后，调整后经营利润为41亿美元。此次公司披露的算力及基础设施承诺总额约8954亿美元，其中约4475亿美元预计在2030年底前发生，未来12个月（自2026年10月1日至2027年9月30日）到期约698亿美元。此外，总额中约2138亿美元对应的是在相关安排生效前附有终止权或先决条件的承诺，这些条件包括合作伙伴获得融资、设施就绪及监管审批等。Anthropic警告称，部分合作伙伴依赖第三方融资建设算力，若融资收紧，相关产能可能延期、缩减或涨价。修订文件第29页还新增一项值得关注的风险披露：基于内部估计及对未来模型的预期，Anthropic预估可能很快达到RSP所定义的“由AI带来的显著加速进展”阈值。该标准指AI推动的进展速度达到一年相当于此前2018年至2024年两年的基准进展。公司强调，目前尚未认定任何现有模型达到这一阈值，仍在评估相关数据。这意味着AI辅助研发可能加速模型迭代，也可能使安全、对齐和评估能力跟不上技术进步。据市场消息，部分现有及潜在投资者目前考虑的Anthropic估值约为1.5万亿美元，低于此前约2万亿美元的预期。另外，公司头部竞品OpenAI也面临类似压力。据市场消息，OpenAI新一轮融资目标已从300亿美元降至200亿美元，目标估值从1.4万亿美元降至1.25万亿美元。科技股回调、AI基础设施融资成本上升，以及投资者对巨额算力支出回报周期的审视，正共同改变资本市场对AI公司的定价。两家公司的估值预期调整并不意味着AI需求见顶。Anthropic前三季度营收仍增长超过12倍，企业客户持续扩张。但市场已开始从追逐收入增速，转向追问利润能否持续、算力承诺能否兑现，以及AI能否真正提高研发效率。

2026-11-03: 今年以来，高校对AI的态度正在出现新变化：多所高校开始向学生免费发放Token。 年中，中国科学技术大学率先推出“词元计划”，每人每天1亿Token；9月，北京邮电大学为近万名新生开通免费算力账户；10月26日，同济大学又向全体师生每周发放1亿Token。AI使用额度，正在从少数人的科研资源，变成高校的一项基础配置。 近期在京举行的香港大学卓越人才论坛上，清华大学苏世民学院院长薛澜表示，过去说一所学校有多好的体育馆、图书馆，这几大馆可能很重要；今后算力平台、大模型数据中心、智能导师、高性能网络，可能才是未来高校重要的基础设施。 香港大学计算与数据科学学院助理院长李弘扬说，他每次上课准备100多页PPT，学生用AI工具五分钟就总结出最精华的部分；传统长达一学期课程作业，学生利用AI工具一周内就可以完成了。“在工科和AI领域，拥抱大模型势不可挡，大学最该改的，是给每个学生每月强制配发一定额度的Token。” 对学生来说，AI大模型正成为与图书馆、机房一样的校园公共科研资源。学生自己买Token来批量跑代码、调试智能体，是一笔不小的开支。若学校发放校内算力平台的Token额度，学生不用花钱就能调用主流模型，就可以减轻学生在科研方面的经济负担，这将大大降低了学生使用AI的门槛。 中国科学技术大学年中就推出了“词元计划”，面向全体在校师生，每人每天1亿Token免费额度，次日清零重置，可调用DeepSeek-V4、GLM5.2、千问系列等多个主流模型。按市场价折算，这相当于学校每天为每个学生提供数十元的AI开销。 北京邮电大学则在2026年9月上线“人人有算力”平台，为全校近万名本科和研究生新生开通免费AI算力账户，集成10余种大模型与智能体；与中科大直接发Token不同，北邮走的是“算力账户”路线，不会把学生的每一次提问、每一行代码都折算成Token按量收费，学生拿到的是一个可自主配置的专属虚拟服务器环境，底层大模型已部署好，可以直接调用、开发智能体。 同济大学10月26日上线人工智能服务平台，集成大模型账号、模型调用、智能应用开发、实践教学、多模态生成等功能模块，每个师生发了一个AI账号，账号内每周1000积分（折合1亿Token）。 随着AI技术的不断创新和应用，高校算力需求急剧增长，很多高校也纷纷建成了自己的算力平台。 比如，上海交通大学“致远一号”智算平台是目前全国高校最大的国产智算算力基础设施，东南大学建成全国首个纯国产化校级智算中心，四川大学与中国联通共建数据中心，打通四校区高速算力网络等。 AI时代，当知识不再稀缺，大学教授作为知识守门人的传统角色被消解之后，大学教育该何去何从？薛澜认为，从课堂工具到算力平台，AI对高等教育的冲击是全方位的，高校的学科体系、学位认证、学术评价、质量保障等制度性基础设施都可能被AI重构。 具体来说，学科边界将走向交叉融合，学院刚性层级可能转向矩阵型、平台型组织；学位认证从“终点结果”转向过程与能力认证，微证书、数字徽章等纳入其中；质量保障从周期性评估走向持续性证据。 李弘扬认为，AI时代需要的是全才型人才，不光要懂研究和技术，还要懂商业化分析。他建议年轻人善用大模型“查缺补漏”，把不擅长的地方借助AI工具补起来，这样反而能在这个时代快速成长为综合型人才。

2026-11-03: 过去一个月，石油期货价格上涨，同期美国国债收益率下跌，此前领先市场的人工智能（AI）股也下跌。全球最大资产管理公司贝莱德旗下Systematic Alternatives ETF的高级投资组合经理罗森伯格（Jeffrey Rosenberg）称，“石油和美债收益率向来有着惊人的相关性，但10月停止了。”同期，AI股票下跌。罗森伯格称，石油、美债超高关联性被打破，以及AI股大幅调整等这些10月市场走势变化说明，在市场看来，眼下第一大风险是AI交易，紧随其后就是地缘政治风险。美债、石油关联性打破，AI交易调整上周，美联储主席凯文·沃什（Kevin Warsh）在联邦公开市场委员会（FOMC）新闻发布会上重点介绍了石油和美债收益率之间的关系。他称，石油期货价格持续上涨，这是美联储在抗击通胀时必须考虑的一个因素。但罗森伯格表示，沃什没有谈到的是“最需要关注的一点”，即“今年美国国债和石油走势的相关性为80%，与正常相关性相比，今年的相关性属于超大占比。因此，我们基本上有充分理由放弃交易石油，但10月这一超高关联性戛然而止。”过去的一个月里，AI交易经历了回调，纳斯达克指数更经历了暴跌。稍早，谷歌遭遇了历史上最大的单日跌幅，抹去了5万亿美元的市值。罗森伯格表示，美债收益率下降是因为市场将AI交易的疲软等同于更广泛的美国经济疲软。美国最新的国内生产总值（GDP）数据也支持这一市场猜测。“无论何时何地，AI就是一切。投资方面的经济增长和消费方面的财富效应都围绕着AI。第三季度GDP录得一个井喷式的数字，与AI投资有关。尤其考虑到美国的实际收入一直在下降，而设备投资和消费的增加远高于预期，可见两者都是由AI投资带来的财富效应推动的，后者尤其显著。”他分析道。第三季度美国企业投资增长12.7%，录得2011年以来（除疫情期间）的最大增幅。其中，信息处理设备增长37%，工业设备投资增长了近25%，虽然不是直接的AI交易，但确实部分反映了与数据中心密切相关的支出。不过，沃什在新闻发布会上对经济的评估与市场略微不同。他称，“经济的强劲不完全取决于（AI）这股新技术浪潮。从上次会议到这次会议的数据，尤其是资本支出的故事显示，资本支出不仅强劲，而且范围还在扩大。”诚然，用来衡量标普500指数中有多少股票显示出积极的交易势头的指标——市场广度，在9月底跌至2026年低点后，在10月显著改善，医疗保健和食品等防御性板块也出现反弹。但罗森伯格表示，10月美股市场广度提升表明，AI交易的任何“波动”都将被视为美国增长前景的波动，并具有抑制通胀的作用。而在反通胀的环境中，“只有一样资产可以对冲，那就是市场此前都讨厌的长期美债。这可谓是市场在10月吸取的真正重要教训”。AI债投资潜力话虽如此，罗森伯格对美债重新成为安全对冲资产的市场动态，仍然存疑。他称，美债走势并未恢复正常，正常的情况应是债券对冲股票。“通胀太高，这限制了美联储提供宽松政策的能力，我们还没有摆脱这种局面。我们在10月学到的是，如果美债收益率足够高（美债跌得足够多），同时如果AI股走势与宏观经济和通胀趋势相反，美债可能会像10月那样重新走强，短暂起到对冲作用。”但他补充称，AI繁荣整体还将持续更久，叠加美国仍面临更广泛、严峻的财政挑战，美债走势仍将受到挑战。同时，AI不仅影响股市，也越来越影响债市。AI交易已成为债市的一个非常大的部分。过去一周，在谷歌收益下降和微软重返公开债券市场之间，这一点得到了很大的体现。罗森伯格称，“这对债市来说是一个惊喜，这种热度已经快十年没有回来了。随着科技巨头的资本支出需求开始更频繁地压倒其自由现金流，公开债券市场正在接受预期的大量AI债发行。AI企业是巨大的边际发行人，而且越来越多的资金一次又一次地涌入。”威灵顿投资管理固定收益基金经理艾瑞（Alyssa Irving）对第一财经记者表示，AI不仅推动着股票市场，对信用市场的重要性也日益提升。AI如今已渗透至信用市场几乎所有领域，其中与数据中心相关的债务发行规模呈指数级增长。“AI所需的大规模基础设施支出可能仍处于早期阶段，但其对信用市场的影响已经日益清晰：资本密集度提高、信用供给增加，以及行业和发行人之间的分化加剧。”她称，“对于投资者而言，挑战在于区分哪些企业能够将AI相关投资转化为可持续回报，哪些企业无法做到这一点。随着AI投资日益成为影响市场表现的重要驱动因素，对资本配置、融资和执行风险进行审慎分析可能至关重要。”她补充称，尽管AI基础设施支出总体上对信用需求构成支撑，但其对不同领域的投资影响存在显著差异：投资级信用投资者关注增长与资本密集度上升之间的平衡；高收益信用投资者看到受益于AI的发行人与受到AI冲击的发行人之间的分化日益加剧；证券化信用投资者则重点关注交易结构和偿付假设。“因此，信用市场的投资机会正变得更加分化，主要主题是市场分化，而非风险普遍上升。与AI基础设施建设直接相关的企业，例如超大规模云服务商、半导体企业和基础设施提供商，整体上正受益于更强劲的增长，部分企业的基本面也有所改善。然而，对于那些仅仅为了保持竞争力而进行大规模投资的企业而言，情况则更为复杂。如果投资变现路径存在不确定性，高额资本开支可能对现金流和杠杆指标造成压力。这种差异可能进一步加剧投资级信用市场内部的分化，也进一步凸显发行人层面分析和审慎资本配置的重要性。”她称。罗森伯格也强调，40万亿~60万亿美元的全球债市可以在未来四年内吸收预期4万亿美元AI债，但“市场的容量并不是无限的”。AI企业巨大的发债需求也将导致价格下跌和利差扩大。罗森伯格表示，更多的超大规模债务被推入公开债券市场是一件好事，因为这意味着债券价格和信用违约掉期（CDS）利差将更加透明。虽然微软AI债的CDS利差目前接近五年高点，约为55，但相比之下，仍与甲骨文接近300的CDS利差相去甚远。这为投资者提供了另一个交易机会，鉴于美国的通胀环境和财政挑战，他们可能不想直接购买债券，但可以借着CDS对冲AI交易。在银行贷款和私人信贷中，投资者无法进行CDS交易，但这些AI企业一旦进入公开债券市场，投资者就多了这一交易手段。他称，“考虑到巨大的AI投资热潮，AI交易不会朝一个方向发展，而会不断升级和重置。随着AI繁荣持续，AI债市的变化是积极的部分。投资者能在AI悲观主义和乐观主义之间找到平衡点。”

2026-11-03: 从半导体供应商到能源企业、主权投资机构，OpenAI正在扩大算力基础设施与商业应用在亚洲的合作。OpenAI首席执行官萨姆·奥尔特曼（Sam Altman）近日接连访问韩国和阿联酋。10月30日晚，他抵达韩国，次日与三星集团、SK集团高管会面；11月2日，阿布扎比官方宣布，奥尔特曼与当地王储会面，并见证OpenAI与当地机构签署四项合作协议，涉及能源、政府服务、投资分析及AI应用推广。奥尔特曼为何在短时间内接连访问韩国和阿联酋？这场走访正值全球AI企业面临算力投入持续增长、半导体供应趋紧和融资成本上升的多重压力，并且竞争对手Anthropic已筹备上市。两地分别拥有OpenAI扩大AI业务所需要的关键资源：韩国的先进存储芯片与半导体供应链，以及阿联酋的能源、资金和大型应用市场。随着AI基础设施投入不断扩大，如何保障芯片供应、分担建设成本并推动商业化，正在成为OpenAI面临的重要课题。韩国：会见三星、SK，芯片供应与数据中心合作受关注公开消息显示，奥尔特曼于10月30日晚抵达韩国，10月31日上午在京畿道龙仁市三星人力开发院，与三星集团约50名高管进行交流。三星电子同日发布的官方公告证实了此次活动，参加者来自电子、金融、生物医药等多个业务领域。此次交流的主题是“AI将改变的未来十年，企业的选择”。双方讨论了AI技术的发展方向、潜在商业机会，以及AI对企业决策、组织运营和管理层能力的影响。奥尔特曼在交流中表示，企业竞争优势并不取决于是否简单采用AI，而在于如何利用AI更快行动、打造更好的产品，并超越竞争对手。三星电子会长李在镕没有参加此次会面，出席活动的三星高管包括三星电子设备解决方案（DS）部门负责人全永铉、设备体验（DX）部门负责人卢泰文，以及三星SDI、三星电机等关联公司的高管。除了三星，奥尔特曼还与SK集团会长崔泰源会面。业界猜测，高带宽内存（HBM）供应及AI数据中心建设可能是双方讨论的重要议题，但具体谈判内容没有公开。此次访问更像是双方既有合作的延续。2025年10月1日，OpenAI宣布与三星、SK集团达成Stargate相关战略合作，计划扩大先进存储芯片供应，并探索在韩国建设AI数据中心。根据SK集团当时披露的信息，SK海力士将参与Stargate项目的HBM供应，SK电讯则与OpenAI探索在韩国西南部建设AI数据中心。还有消息称，在奥尔特曼抵韩之前，OpenAI负责Stargate项目的工作人员已经赴韩，与当地企业举行多轮会议，讨论实际基础设施建设所需的合同规模、芯片供应条件及其他合作安排。对OpenAI而言，HBM供应的重要性正在上升。随着AI训练和推理规模扩大，高性能存储芯片已成为影响AI加速器供货和系统成本的重要环节。三星电子和SK海力士在全球存储芯片市场具有重要地位，其未来产能、价格及供货安排将直接影响大型AI基础设施项目的成本和交付节奏。OpenAI正在调整新一轮融资目标，市场对前沿AI企业的估值和巨额资本开支更加谨慎。在这一背景下，还有业内人士猜测，奥尔特曼可能不仅希望扩大芯片供应合作，也在探索共同承担基础设施投资成本等安排。阿联酋：四项协议覆盖能源、政府和投资结束韩国访问后，奥尔特曼出现在阿联酋首都阿布扎比。11月2日，阿布扎比政府媒体办公室发布公告称，阿布扎比王储、阿布扎比执行委员会主席与奥尔特曼会面，双方讨论了利用AI推动政府转型及重点产业创新等议题。会面后，阿布扎比王储见证了OpenAI与当地机构签署四项合作协议。与韩国行程主要围绕既有合作和后续谈判不同，阿联酋方面公开披露了具体的合作领域及部分应用进展。第一项合作涉及能源。阿布扎比国家石油公司ADNOC、G42旗下Inception42与OpenAI达成协议，将OpenAI模型用于能源业务的运营、投资及商业决策。相关技术计划依托位于阿联酋境内的推理基础设施运行。ADNOC表示，希望借此提高业务效率和生产力，但尚未披露项目投入规模及可量化的实际收益。第二项合作涉及政府服务。阿布扎比政府与OpenAI推出“机器可读政府”（Machine-Readable Government）项目，将特定政策法规转换为AI系统能够处理的形式，辅助政府人员开展合规评估，包括许可证和证书签发相关审查。其中，阿布扎比农业和食品安全局的食品进口审批试点已经投入运行。按照官方介绍，AI生成的评估可以追溯到对应法规，政府人员仍负责监督并对最终决定承担责任。与尚处于规划阶段的合作相比，这一试点已经进入实际应用，但其处理效率、准确率和节省成本尚未获得独立验证。第三项合作涉及投资。阿布扎比主权投资机构穆巴达拉（Mubadala）、Inception42与OpenAI签署协议，计划利用先进AI能力开展投资分析、机会识别和风险评估，以辅助投资决策。第四项合作则面向更广泛的商业推广。Inception42与OpenAI签署为期五年的协议，将共同推动AI在阿联酋政府、企业和教育领域应用，结合OpenAI的模型与工程能力，以及Inception42的应用开发和专业服务能力，为当地大型机构提供企业级解决方案。上述四项协议没有披露具体合同金额、最低采购承诺或付款安排。阿联酋也是OpenAI重要的基础设施及资本合作地区。此前，OpenAI已参与当地大型AI数据中心建设计划；阿布扎比投资机构MGX也与全球AI产业投资密切相关。有消息称OpenAI正在寻求新的投资承诺，阿布扎比资金是潜在来源之一。从韩国到阿联酋，奥尔特曼接触的合作伙伴覆盖了AI产业链的不同环节。韩国的三星、SK集团涉及存储芯片、数据中心和电力基础设施；阿联酋的能源企业、主权投资机构及政府部门则分别对应能源、资金和AI应用需求。对OpenAI来说，扩大模型能力只是竞争的一部分。能否获得稳定的芯片供应、控制数据中心建设成本，并将算力投入转化为持续收入，正在成为同样重要的问题。至于奥尔特曼此次出访是否还有其他目的地，OpenAI尚未公开披露。

2026-11-02: ①智谱、摩尔线程等联合发布国产AI Token工厂解决方案；②优必选Thinker-Sim具身智能仿真平台发布；③美团发布新一代大模型LongCat-2.5；④度小满与香港科技大学联合发布轩辕4.5金融大模型；⑤南钢携手华为等打造的全球首个群体智能钢铁大模型实现规模商用；⑥韩国总统李在明：韩国政府明年对人工智能的投资将几乎翻倍；⑦英德两国拟将人工智能纳入军事合作。

2026-11-02: 大语言模型带来的技术演进趋势日渐清晰，行业关注点正悄然转向一个务实的问题：如何维持这些庞大系统在物理层面的持续运转，并建立合理的经济账本。在这个过程中，原本局限于自然语言处理领域的专业术语——“词元”（Token），开始频繁出现在企业财务报表和云服务商的账单中。 词元不再仅仅是数据预处理概念，而是切实下沉为驱动模型运行、结算底层商业算力的基础经济单位。词元在宏观上的消耗，关联着数据中心庞大的硬件开支；在微观上，也默默影响着系统架构设计与云端服务定价等层面的资源分配。 本文试图结合计算科学与经济管理，对词元经济进行系统梳理。我们将探讨底层分词算法如何影响硬件内存分配，现实的物理基建如何给算力成本划定底线，并观察随着算力信贷实践的落地，词元如何演变为企业资产定价的新型参考标准。 认知活动的量化与机器账单 在早期的自然语言处理中，词元主要用于将连续的语言切分成离散符号，供神经网络接收。随着模型演进，如今系统在底层并不直接理解汉字或字母，它们摄取和生成的是代表这些文本的数字编码。由于模型能记住的上下文长度及运算工作量，都与词元序列长度直接相关，词元在物理层面上控制了显卡内存消耗、计算延迟及服务器资源的分配。进入商业化阶段，输入的词元占据缓存，输出的词元引发持续计算，它由此成为了衡量系统工作量与资源消耗的基础度量单位。 探究其深层社会与经济意义，可以引入“可读性”概念。管理者为有效统筹，往往需要将模糊的社会活动转化为标准化的数据。如今，词元化过程对人类认知活动起到了相似作用。人类的思考、交流、编码等难以计量的活动，通过分词算法转化为词元序列后，就具象化为机器账单上的计量单位。云端平台由此能对词元精确计价调度，不可见的认知过程在经济学意义上成为了标准化的可交易服务。 这种转变改变了智力资源的分配格局。生成常规文本的成本不断降低，基础认知劳动不再具备传统稀缺性。系统可消耗词元生成商业合同，但词元本身不具备商业信用，无法承担法律责任。因此，人类劳动的核心价值逐渐向两端转移：前端决定哪些问题值得转化为词元计算，后端则负责结果验证并承担现实责任。 底层切分机制与效率权衡 在探讨市场定价前，需观察词元的生成机制。分词算法的压缩效率直接决定了模型生命周期内的计算开销。模型底层只能处理固定词表范围内的数字标识符，分词算法的任务是在有限容量内，尽可能无损表达语言组合。目前多采用基于字符频率的合并算法。 这引出模型设计的基础权衡：词表容量设定。扩充词表能提高文本压缩率，缩短序列长度，大幅减少动态计算时间。然而，庞大的词表需要模型在内存中维护相应规模的参数矩阵，静态占据极其宝贵的高带宽内存空间，留给处理用户并发请求的动态空间就会相应减少。工程师必须在减少计算步骤与控制静态内存占用间寻找平衡。 在这个微观层面，还存在跨语言处理的结构性成本差异。多数通用模型的分词器主要基于英文语料库，英文单词能被高效压缩。相比之下，对于中文等语言，同样语义密度的文本往往会被切分成更多碎片的词元。这种算法逻辑差异转化为可见的商业成本：处理非英文业务的用户往往需支付更多费用；冗长的序列也更快挤占上下文窗口，限制了模型处理外文长篇文本时的有效信息量。 硬件运行规律与推理成本结构 当模型步入规模化部署，处理用户提问的“推理”环节成为算力消耗主力。理清推理成本逻辑，需关注底层硬件物理状态。 推理过程在硬件执行上分为两个阶段。“预填充阶段”并行处理所有输入词元，显卡计算单元被充分调动，效率较高。“解码阶段”则逐个生成回答，每生成一个新词元，系统需从内存中重新读取前期缓存的所有状态数据。此时计算核心往往处于等待状态，这种受制于内存物理读写带宽的瓶颈，是导致单次词元生成耗时长、成本难降的核心原因。 为摊薄硬件成本，云服务商普遍采用批处理策略，让一台服务器同时接纳多个用户请求。但此方法存在物理上限，当并发请求达到内存带宽极限时，继续增加负荷只会让用户等待响应的时间明显滞后。面对内存读取限制，工程界引入了“投机解码”等技术。它先用小模型快速推测后续词元，再交由主模型一次性并行验证。在不增加额外内存读取开销的前提下，利用闲置计算能力提升生成速度，有效分摊了推理计算成本。 物理基建周期与时钟摩擦 一个词元的生产成本可自下而上拆解：底层是数据中心消耗的可观电力；往上是显卡及内存构成的芯片层，其折旧占据总成本大头；接着是机房配电、液冷及网络等基础设施层；最后才是模型训练摊销及日常接口维护费用。 这种成本结构中存在物理世界与软件算法间的时钟错配。算法侧技术迭代较快，研究人员可能在几个月内让推理计算量明显下降，传递出算力成本将持续下降的预期。但物理建设侧遵循传统工业周期。建设大型数据中心需解决电网接入，核心电气设备制造交付周期客观存在，选址还需考量能耗指标。 两种节奏的交错意味着算力报价很难平滑向下。算法突破可能带来短期降价，但当现有容量饱和、需投入资金启动新一轮重资产基建时，算力获取成本又会重新受到现实世界的刚性支撑。物理世界的客观限制，决定了词元经济中存在一道难以跨越的成本底线，这也促使许多企业采用按调用量计费的云端服务模式，规避重资产折旧压力。 商业计价法则与开发者行为 平衡了基建开销与需求后，云服务提供商摸索出相对清晰的词元计价体系。当前市场形成层次分明的定价梯队：基础层主打高吞吐低单价；中间层承接核心业务逻辑，竞争充分；最高层用于复杂认知任务，维持较高价格。 观察计费标准会发现：输出词元的单价通常是输入词元的数倍。这种倒挂是对硬件推理机制的真实映射。输入阶段利用并行机制，效率高耗时短；输出阶段受制于顺序生成和内存带宽瓶颈，效率下降耗时长。底层物理执行效率差异合理传导到了终端定价上。 为进一步挖掘效能，“提示词缓存”技术得到广泛应用。它将首次处理生成的内部状态暂存服务器，后续带有相同前缀的请求直接调取状态，跳过重复计算。这不仅缩短响应时间，云服务商也常对命中缓存的输入词元给予折扣。这促使开发者重新编排输入语序，将稳定的背景信息前置固定，以最大化缓存命中的经济收益。 多智能体协作的内部组织成本 当应用场景演进为多智能体系统时，系统的复杂性发生实质变化，词元流转涉及系统内部模块的组织协调。 在单体智能体内部，任务执行面临资源分配权衡。面对复杂指令，系统需在设定词元预算内决定，是将配额用于输入更详尽的参考资料，还是允许模型在后台消耗隐性词元进行多步骤推演，这反映了信息摄入与深度计算间的性价比考量。 当系统扩展至多重专业角色的协作网络时，经济学中的“交易成本理论”提供了视角。系统摒弃了单一模型直接输出结果的模式，代之以不同智能体间的相互提问与交叉核对。智能体间的沟通需消耗真实词元，这些交际词元构成了维持系统协同运转的内部交易成本。如果协同协议设计不精炼，网络可能陷入反复纠错与冗余信息传递，导致大量词元无效消耗。未来的系统架构师需引入组织管理思维，通过构建精简架构与高效交接指令减少沟通摩擦，并设置消耗上限和安全护栏，防止系统陷入调用死循环。 词元的实体经济延展与资产边界 随着算力词元深入企业业务流，它开始向实体经济中的资产评估与企业信贷领域延伸。近期产业实践表明，稳定持续的词元流转数据正被赋予商业参考价值。 国内一些地区开始联合金融机构，推出针对算力词元经济的专项金融产品。这标志着算力金融化正从传统的抵押硬件，向贴近业务前线的应用数据流转评估过渡。传统银行核定授信通常需要固定资产参考，但新兴应用企业多为轻资产运营。新型金融探索尝试将企业每月的词元消耗量、算力服务合同价值作为评估运营状况的维度。这承认了词元消耗数据反映业务活力的能力，为科技企业提供了新的资金通道。 然而，将虚拟计算指标与金融信贷联系面临风控考验。仅以消耗总量为指标，极易引发虚增数据套取资金的风险。这类信贷服务走向成熟，基础在于建立统一透明、可追溯的数据存证体系。借助合规技术手段，将词元调用明细、合同真实意图及资金流水多维度交叉验证并上链固化。只有确保业务逻辑真实性，构筑起安全中枢，新型数据要素探索才能实现稳健闭环。 在探讨词元经济延伸时，需清晰界定概念边界。尽管英文同为Token，生成式人工智能的计算词元与区块链环境中的代币在底层逻辑与法律属性上存在本质区别。代币强调设计上的人为短缺，具有较强的金融投机属性。而计算词元的总天花板受制于芯片良率、内存产能及电网承载力等真实物理限制。在资产属性上，计算词元是即时消亡的计算负担度量单位，不能在第三方市场自由流转，也不附带股权主张。其价格客观紧密地锚定在服务器折旧、网络运维和电力消耗等工业制造成本上。厘清这一基础边界，有助于我们在要素重构过程中保持理性。 理解词元经济，实际上是在理解当下最基础的成本与效率账本。无论是底层技术研发者还是上层应用开发者，建立起对计算成本的客观认知，合理规划每一次算力流转，都将成为我们在这一技术周期中稳健前行的基石。 （杨燕青系上科大CEISD中心主任、特聘教授，安叙系AI观察者）

2026-11-02: 以制造业真实场景为资源，中国“椅业之乡”安吉正在推动AI从龙头企业向中小企业铺开，探索“公共平台＋专业平台＋企业场景”的县域赋能网络。按照规划，到2027年，安吉县绿色家居行业应用人工智能企业将达到100家以上，建成工业智能体8个以上，认知决策类应用场景占比提升至30%以上。 日前，安吉本土人工智能企业实在智能发布企业级AI智能体平台Soiawork，试图让AI从单点工具变为连接业务系统、沉淀组织经验、可审计可复用的工作底座。 制造业企业普遍面临“系统越多、协同越难”的问题：ERP、MES、OA、财务、供应链等系统各管一段，大量工作仍靠人在不同界面之间复制、核对、流转。针对这一痛点，用户可以用自然语言提出目标，由上述平台调用智能体、工作流、知识库和连接器，覆盖网页后台、本地文件、桌面软件和业务系统完成任务，并将过程沉淀为团队可复用的资产。 在技术路径上，该平台依托自研大模型、屏幕语义理解技术和RPA执行能力，在不改造原有系统、不要求开放接口的情况下，让AI“看懂”屏幕、操作软件、跨系统取数填单，并通过权限、凭证、日志和人工确认机制管住执行边界。 安吉县经信局相关负责人称，安吉发展人工智能不追求面面俱到，而是把制造业的真实场景作为最大的资源。下一步，安吉将把此类平台型产品纳入“小快轻准”产品目录和场景对接体系，重点推动三类落地：一是在绿色家居的研发设计、排产调度、质量检测、营销服务等环节复制推广；二是在高端装备、生物医药等行业拓展应用；三是与安吉县人工智能服务平台、绿色家居产业大脑、企业大脑数据贯通，形成“公共平台＋专业平台＋企业场景”的赋能网络。 安吉拥有绿色家居、高端装备等丰富的制造场景，也有大量正在推进数字化改造的中小企业。近年来，安吉坚持“小切口、可闭环、能复制”，组建“场景办”，累计发布人工智能应用场景18个，举办“十场景”赋能“百企”系列活动和“宇翔杯”场景大赛，对152家规上工业企业开展AI应用摸排，形成覆盖187个场景的“全景图”；博泰家具AI排产、味斯美报销审核等一批标杆场景相继跑通。全县规上企业数字化改造2.0覆盖率达87%，居全市第一，为AI向经营管理环节渗透打下了数据底座。 同时，安吉将完善“场景办”运行机制，动态发布场景需求清单，谋划算力券、模型券、场景券等政策工具，发挥60家AI应用培育对象的示范作用，支持本土服务商开发面向中小企业的轻量化、模块化、可配置解决方案，推动AI从“龙头先行”走向“面上铺开”。

2026-11-02: 中美人工智能（AI）关系进入2026年后展开的实质性战略互动超乎预期。两国不仅成功开展了AI政府间的首次对话，而且将AI对话正式升级为双边机制，同时双方约定11月前后举行首轮AI双边机制交流会议。中美AI合作正在由学术界和政策界长期讨论的“风险治理可能性”，逐步转化为政府间制度安排，并有望引致双方AI合作空间的进一步扩大。 中美AI关系的结构性转变 伴随着AI从实验室技术逐渐转化为影响经济增长、产业升级、国家安全和国际竞争力的通用技术，中美科技关系的基本逻辑开始发生变化。特别是生成式AI快速发展以后，算法、数据、算力、模型、能源和人才共同构成新的国家AI能力体系，掌握先进计算芯片、建设大规模数据中心、训练前沿基础模型并形成庞大应用生态，越来越被视为未来科技和产业竞争力的重要来源。在这一背景下，美国持续强化先进计算技术及相关半导体产品的出口管理，中国则不断推进国产芯片、基础模型和智能算力基础设施建设，AI由过去中美科技交流的重要领域逐步转变为双方战略竞争最集中的领域之一。 AI并不是一种能够被严格限制在国境以内的传统工业技术。模型可以被全球用户调用，开源技术能够迅速跨境传播，模型安全漏洞、深度伪造、AI网络攻击以及潜在生物安全风险同样具有明显的跨境外溢效应。随着AI广泛嵌入经济和社会运行，其风险正在由单个产品问题转变为具有社会性和跨境性的系统风险。因此，中美技术能力越接近，产业竞争可能越激烈；但AI能力越强，双方进行风险治理和危机沟通的必要性也越突出。这构成未来中美AI关系最重要的结构性特征。 中美AI合作的重点空间 未来中美AI合作如果希望具有稳定性和可持续性，首先需要明确竞争领域与合作领域之间的边界。要求双方停止围绕先进芯片、前沿模型、产业政策和军事技术展开竞争并不现实，但同样没有必要把所有AI技术都纳入国家安全框架。比较现实的选择，是逐步建立类似“竞争红线+合作清单”的分层结构：对于军事AI、关键基础设施攻击能力、先进芯片设计以及其他高度敏感技术保持严格限制，而对于AI安全、基础科学、技术标准、知识产权、绿色计算以及全球发展等公共利益较强的领域扩大合作。 其中最具现实意义的是AI安全和危机沟通。中美可以建立政府政策对话、专业技术机构交流以及企业和科研机构沟通等不同层次的机制，重点解决重大AI事件发生后的信息沟通问题。例如，高度自主AI系统引发跨境网络安全事件以后，如何判断其属于技术故障、犯罪活动还是国家行为；生成式AI被大规模用于制造跨境虚假信息时，如何确认事件性质；前沿模型出现可能影响全球用户的严重安全漏洞时，企业之间是否应建立快速通报渠道。建立这些机制并不意味着双方需要形成统一的AI治理模式，而是为越来越强大的AI系统建立必要的安全阀。 安全评测和技术标准同样具有较高的合作可行性。目前不同国家和企业对模型鲁棒性、隐私保护、生成内容识别以及高风险模型测试采取不同方法，如果中国企业进入美国市场需要采用完全不同的评测体系，美国企业进入中国市场又必须重新接受另一套测试，最终将显著提高AI跨境服务成本。中美可以从政治敏感度较低、技术属性较强的领域入手，通过国际标准化组织和专业科研机构推动部分测试方法兼容。特别是在模型水印、AI生成内容标识、隐私保护和安全测试等方面，如果能够形成一定程度的技术标准互认，将有助于降低企业成本，也能够避免全球AI市场被大量相互排斥的规则体系分割。 AI与科学研究是另一个值得重点拓展的合作方向。AI的长期价值并不仅体现在聊天机器人和商业应用，更可能体现在提高科学发现效率。随着AI Agent、科学大模型和自动化实验平台发展，AI已经开始应用于气候预测、新材料发现、蛋白质研究、数学证明、天文学观测和能源系统优化。中美都是全球科研规模最大的国家之一，可以围绕AI辅助极端天气预测、新型储能材料、清洁能源、基础数学和天文数据分析开展项目合作。为降低安全争议，可以明确排除军事及关键基础设施攻击等敏感用途，并通过项目审查、数据管理和知识产权协议保障合作透明度。这种围绕具体科学问题展开的合作，比恢复无边界的全面科技交流更加现实。 知识产权同样是双方无法回避的合作议题。生成式AI正在创造新的版权、专利和数据权属问题，包括模型训练是否可以使用受版权保护的数据、AI生成内容应由谁拥有以及模型输出是否可能侵犯现有知识产权等。世界知识产权组织（WIPO）数据显示，全球生成式AI专利活动近年来快速增长，GenAI公开专利族数量从2023年的约1.4万件增加至2025年的超过3.7万件，仅2024年和2025年公开的新GenAI专利族就超过5.6万件，中国和美国均是重要创新来源。随着两国AI企业不断进入全球市场，如果缺乏基本的知识产权协调机制，相关争议可能迅速转化为贸易摩擦。因此，双方可以更多利用WIPO等多边平台讨论AI训练数据、生成内容和模型专利问题。 与此同时，中美AI合作也可以适当向全球发展和绿色AI领域延伸。目前先进算力、数据中心、人才和资本高度集中于少数经济体，大量发展中国家仍缺乏AI基础设施和技术能力。中美可以通过联合国等多边机构参与多语言数据集、农业预测、灾害预警、教育AI以及低资源语言模型等项目，使AI合作产生更加广泛的公共利益。与此同时，大型数据中心需要大量电力、冷却系统、水资源和输电设施，随着模型训练和推理规模扩大，能源问题将成为AI产业发展的重要约束。中美在数据中心能效、液冷技术、可再生能源利用以及AI优化电网等方面同样具有合作空间。这些领域战略敏感度相对较低，却能够同时服务AI发展和全球气候治理目标。 中美AI合作的未来路径 展望未来，中美AI关系很难简单归结为“合作”或者“对抗”，更可能形成长期竞合结构，即产业和技术竞争持续存在，同时围绕共同风险和全球治理的合作逐渐制度化。美国在私人资本、先进芯片、云计算和顶尖模型方面仍具有明显优势，中国则拥有庞大的数字应用市场、完整的制造业体系、快速扩张的算力基础设施以及超过6600家AI企业。双方围绕模型、芯片、机器人、智能汽车、云计算、AI Agent以及AI产业标准展开长期竞争具有较强必然性，但AI竞争与传统制造业竞争的一个重要区别在于：技术能力越强，竞争本身越需要规则。 如果一方担心另一方在AI领域形成决定性优势，就可能进一步增加投资、扩大算力并加快研发，另一方又会采取相应措施，由此容易形成技术领域的安全困境。但单纯依靠技术封锁也难以完全阻止AI能力扩散，因为算法可以复制、论文可以传播、开源模型可以下载，模型蒸馏和算法优化还会持续降低部分能力的获取门槛。因此，中美未来真正需要建立的不是“停止竞争”的制度，而是“管理竞争”的制度，使竞争始终维持在具有基本规则和风险边界的框架以内。 首先，应推动AI对话机制长期化和制度化。双方可以逐步形成相对稳定的AI政策对话，并围绕AI安全、科研合作、技术标准和全球治理建立专业沟通渠道。对话的意义并不在于双方必须形成一致立场，而在于即使存在重大分歧，仍然拥有直接交流渠道。与此同时，可以建立更加明确的AI危机管理机制，对重大模型安全漏洞、AI导致的关键基础设施事故以及可能造成大范围公共安全影响的AI事件形成基本沟通程序，降低技术事故被误判为国家敌对行动的可能性。 其次，应建立分层科研合作机制，根据技术敏感程度决定不同开放水平。涉及军事、安全和最先进关键技术的领域继续实施严格管理；具有一定战略属性但同时具有较高公共利益的领域，可以通过项目审查开展有限合作；AI基础科学、安全研究、气候、能源以及部分公共科学研究则可以保持更加开放的国际交流。这种精细化治理方式既能够回应国家安全关切，也能够避免将所有AI研究都纳入安全化框架，从而为两国科研人员保留必要的知识交流空间。 再次，中美AI合作不应仅停留于双边层面，而应更多嵌入联合国、WIPO以及其他国际治理机制。世界多数国家真正关心的并不是简单选择美国技术还是中国技术，而是能否以合理成本获得AI能力、保护本国数据、培养技术人才并参与国际规则制定。如果中美能够在AI事故报告、安全评测、知识产权、发展中国家能力建设以及绿色数据中心等领域形成最低限度的共同标准，将有助于降低全球AI治理碎片化风险。 从更深层次看，未来中美AI合作的关键，是合理区分“技术竞争”“国家安全”和“全球风险”。技术竞争主要来源于企业创新、科研能力和市场竞争，各国自然希望维持自身优势；国家安全要求对真正涉及军事和关键基础设施的敏感技术建立必要边界；而AI网络攻击、重大模型安全漏洞、深度伪造、生物安全风险以及AI引发的全球性社会冲击，则具有超越单一国家的风险属性。把所有AI问题都纳入国家安全框架可能导致全面技术隔离，但完全忽视其军民两用属性同样不符合现实。因此，中美AI合作更加可行的路径，是逐步形成“竞争有边界、安全有底线、风险有沟通、科研有空间、治理有合作”的竞合框架，使双方在长期竞争不可避免的条件下，仍然保留管理共同风险和参与全球AI治理的合作空间。 （作者系中国市场学会理事、经济学教授）

2026-11-02: ①DeepSeek发布全新Agent架构； ②阿里千问AI眼镜OTA升级：新增通话翻译、媒体翻译等； ③OpenAI宣布ChatGPT部分功能将与Codex共享额度。

2026-11-02: 有钱也不准任性！市场用一记响亮的耳光，让股市中最牛的几家科技公司知道谁是真正的boss。 AI行业确实需要一次重新洗牌 AI股票的抛售，近日从NeoClouds（新兴云）蔓延到Hyperscalers（超大规模云），投资者对科技巨企乱烧自由现金流失去了耐心，Alphabet、亚马逊、Meta暴跌，英特尔股价更出现了断崖式崩盘，一天跌29%。Anthropic据传无法得到投资级债券评级，OpenAI据传被迫将IPO（首次公开募股）集资金额大减至200亿美元。接下来，如果需求不济，半导体芯片的庞大订单也需要重新评估，费城半导体指数跌7.2%，英伟达跌4.2%。 相反，债市对利率政策的反应比较温和。美欧日三大央行议息、巴西以色列大选、新云公司资金疑虑、石油/柴油供应短缺，都没在债市激起大的浪花。美国2年期国债收益率下降2个基点，10年期持平。受法国街头动荡冲击，法国10年期国债收益率一度升破5%，法德国债利差扩大。美伊摩擦加剧，原油价格继续攀升，美国柴油均价创历史新高。动荡之秋，美元综合汇率继续上扬，黄金大跌，白银惨跌。受黑客在交易平台盗取以太币消息影响，虚拟货币价格重挫。 AI牛市遭遇了过往四年以来最大的抛售浪潮，资金重新审视巨额大型基建的投资逻辑。投资AI基建不再是追捧的理由，更重要的是盈利确定性，同时必须维护公司的自由现金流。市场在逐渐形成共识，AI基础设施建设的增长势头，也许正在见顶。假若如此，必须评估AI硬件公司目前所积累的订单有多少可能被撤销。 AI革命，无疑是近两百年所见最伟大的革命，长期来看它将对人类的生产、生活乃至社会都产生巨大的影响。然而，AI革命的前景与AI公司的财务状况，是两个不同的概念。股市AI概念中最大的矛盾是，花大钱投资AI基建的公司和挣到大钱的硬件公司之间是分离的，AI投资尴尬地遭遇现金流困境，不仅体弱的新兴云厂商资金不足，连财大气粗的科技巨企也烧光了自由现金流。 第二个矛盾是短期的资金投入与长期的资金回报明显错位，当市场对未来的梦和不确定性不再设限包容，故事便难讲下去。第三，超大规模云厂商投入巨额资金囤积高端算力，形成算力过剩。它们一般以七年折旧的会计准则入账，但是算力迭代很快，两年后算力价值就大不一样了。第四，闭源收费模式遭到开源模式的低价竞争，高端大模型被迫大幅降价，冲击长期估值水平。最后，AI公司在革自己的命，智能体的出现令搜索流量大减，其他护城河也受到侵蚀。 对AI进行研发和投资，原本是公司行为，它们的财务状况当属信用风险。但是这两年流行的循环订单、交叉持股将风险揉在了一起，信用风险变成了金融风险、市场风险，而且AI资产多数为流动性差、透明度低、难以市场对价估值（mark to market）的，一旦一家公司爆发危机，便可能“触发火烧连营”，这恰恰是次贷危机留给我们的教训。 笔者不认为这次股市调整，在为股市AI热打上句号，但是AI行业确实需要一次重新洗牌，市场需要把聚焦从“诗与远方”，调回到应用、盈利、现金流以及还款能力。笔者看好AI股市，不过预计未来几个月AI股市风高浪急。 美联储暂无理由急转向 FOMC（美国联邦公开市场委员会）以10比2通过决议，将联邦基金利率维持9月加息后需要更多时间观察。 尽管没有加息，美联储主席沃什对经济形势判断的改变却是肉眼可见的。两个月前在美联储年会上，他坚称抗击通胀不动摇，这次却暗示物价压力略有改善，12月加不加息看届时的情形。他再度拒绝为12月提供前瞻指引，重申通胀尚未回到目标，却不告诉市场下一步怎么做。交易员认为沃什抗通胀语调有所放缓，两年期国债收益率会后回落，不过市场对12月加息的预期很高，维持在八成以上。 长端国债收益率却不降反升，表明国债市场最担心的不是联储加息，更是债务负担。美国财政赤字居高不下，投资者需要更高的期限溢价，才能补偿未来十年的财政风险。短债在交易沃什，长债在交易华盛顿。两者未必朝同一个方向走。笔者维持之前的预期，联储12月会再次加息，明年第一季度可能再加息一次。当前经济增长仍有韧性，通胀高于政策目标，联储暂无理由急转向。 明年的故事，或许可以分成上下两场。高利率、能源价格上涨和融资环境趋紧最终会拖慢美国经济，今年初减税效应基本结束，油价、租金的基数效应显现，通货膨胀应该逐级回落。同时AI投资增长在2027年上半年见顶，而AI应用已经在就业市场形成通缩力量。美联储继续维持高利率的必要性便可能迅速消弭，而资金流动性压力却变得越来越大。 笔者预计，联储可能在明年下半年启动降息周期，届时降息速度快过市场想象。未来一年美国利率路径或许像倒V：先加息，再降息；年底的政策利率反而可能低过年初。当然，能源价格、AI投资、金融市场都存在重大不确定性，因此政策利率路径尚存重大不确定性。 华盛顿和华尔街都在准备重新洗牌 美国中期选举进入最后阶段，华盛顿和华尔街都在准备重新洗牌。民主党只需要在众议院净增四席便可夺回控制权，参议院同样只差四席。PolyMarket（国际版）显示，民主党拿下众议院的概率已经升至94%，拿下参众两院达到68%。尽管民主党筹到的资金数量只有共和党的四分之一，但成功地把选举话题聚焦在物价和贪腐上。 如果出现民主党横扫，那是重大政治新闻，但民主党也没有能力大幅扭转美国政策。特朗普总统仍然坐在白宫，拥有否决权，并掌控着行政部门，民主党很难在税务改革、医疗改革或者气候法案上推进重大政策修正。改变发生在权力结构。过去两年共和党控制白宫和国会两院，特朗普在政策上欲取欲舍，但一旦两院变蓝，他的角色就会从议程制定者，转为防守者。 国会多数党，还掌控委员会主席、传票权、听证权、预算权等议程，一旦民主党重夺众议院，目前被压住的许多调查很可能被迅速启动。民主党2018年夺回众议院，特朗普白宫就面对众多且不断升级的调查、传票、听证，最终演变为弹劾。如果民主党这次拿下两院，势必重启对行政权力的制衡。弹劾总统由众议院发动，但最终定罪需要参议院三分之二以上的支持。民主党目前跨不过成功弹劾的门槛，但弹劾调查本身足以占据政治议程、消耗白宫资源，并放大政府每一次失误。 国内立法空间一旦被堵住，总统往往会更加依赖不需要国会批准的行政工具，贸易政策便是其中之一。笔者相信特朗普可能将更多政治资本押在关税和贸易问题上，重心更集中在不太受限的海外政策。民主党控制国会后，有可能通过拨款、听证和立法议程，对伊朗战争、乌克兰援助、以色列政策以及军费开支施加更大压力。 蓝潮可能令美国进入更强烈的制度对撞期：白宫依靠行政命令和总统权限推动政策，国会则依靠预算、调查和立法权力加以制衡。政府关门、债务上限、拨款谈判，可能重新成为华盛顿的常态。无论哪一党胜选，美国财政赤字都很难出现根本改善。政治僵局有时反而是金融市场喜欢的，因为政府“什么都做不了”，本身就是一种政策确定性。历史上，共和党总统配上民主党国会，中期选举后12个月标普500平均表现并不差。 如果真的出现蓝潮，最值得观察的不是选举后华尔街的升跌，而是接下来华盛顿权力关系的变化。特朗普依然是总统，却不再拥有一个可以顺畅贯彻其意志的国会；民主党重掌国会，但仍无法主导政策。美国政治由单边推进转入全面制衡，调查、预算和行政权的角力再次成为常态。民主党及支持者从来不乏反特朗普情绪，但目前缺少一位能够将这种情绪转化为全国性政治联盟的领袖。 〔作者系淡水泉（香港）总裁兼首席经济学家，本文纯属个人观点，不代表所在机构的官方立场和预测，亦非投资建议或劝诱〕

2026-11-02: 人工智能（AI）绝不可能带来数学的终结。 2026世界顶尖科学家奖“智能科学或数学奖”的获得者，杜克大学教授英格丽·多贝西（Ingrid Daubechies）在接受第一财经专访时作出上述判断。 不久前，OpenAI集中放出700多篇AI生成的数学研究手稿，覆盖370多个前沿开放难题，其中包括准黎曼猜想、有理霍奇猜想等百年难题，引发数学界巨震。此前，Anthropic宣称研究版Claude模型在黎曼猜想上取得进展，其Fable模型仅用11天就完成了费马大定理的完整形式化证明。 谈及这一话题，多贝西并没有否定AI对于数学研究的实际助益。“它们能够以高效的方式检索、利用并整合所有已知成果，这一点做得比人脑更好。” 她同时强调，这些前沿大模型实验室并非真的对解决这些数学问题有兴趣，解题本身也不能为他们带来商业利益，此举更多是出于对其模型能力进行“最大程度地宣传”，为未来的上市做准备。 “数学中已有一大批已知问题、而且很多问题已经取得了大量进展，他们正在做的事情就是利用这一事实，把研究在已发表文献的基础上再推进一步。”多贝西认为，这些手稿涉及的部分问题是数学家已经接近解出的，并且AI公司在训练模型时挖掘了一些研究者并没有对外公开，也不打算公开的材料，“如果换成一个真人这么做，一定会受到严厉批评。” 未来，AI公司是否还会按照当下的速度和规模继续“解题”？对此，多贝西持保留态度。“总有一天他们会把文献里的东西全部挖掘完，而要取得更多进展，就需要新的想法，这正是数学家所能提供的。” “多贝西小波” 10月31日上午，2026世界顶尖科学家论坛开幕式暨世界顶尖科学家奖颁奖典礼在上海临港中心举行。 在会上，多贝西被授予2026世界顶尖科学家奖“智能科学或数学奖”，以表彰她在应用调和分析、小波理论与图像压缩领域的杰出贡献，以及在国际数学界的领导作用。颁奖人是与多贝西在美国普林斯顿大学共事了十年的图灵奖得主姚期智。“多贝西教授的研究不仅拓展了数学的边界，更彻底更新了数字信号的处理领域。”他介绍称。 1988年，多贝西在著名的贝尔实验室工作期间，发表了突破性论文，成功构造出世界上第一组光滑紧支撑正交小波。她随后与另外两位科学家合作提出的CDF双正交小波则成为了JPEG 2000图像压缩标准的核心算法，美国联邦调查局（FBI）随后采用该技术压缩和存储全美海量的数字指纹数据库。在数字领域之外，多贝西的研究思路还对古壁画修复起到重要作用。 多贝西以女性数学家的身份创下多项纪录：她是普林斯顿大学数学系历史上第一位女性正教授，美国科学院数学奖的第一位女性得主，国际数学联盟第一位女性主席……当中国数学家王虹获得2026年菲尔兹奖时，多贝西就在现场，也是最早向她道贺的人之一。她告诉记者，看到年轻一代女性数学家取得如此非凡的成就，她感到无比欣喜。“已经有三位女性捧得菲尔兹奖了，很快大家就会觉得稀松平常，不再去数次数了，这是好事。”她笑着说。 顶科奖“智能科学或数学奖”和“生命科学或医学奖”两个单项奖的奖金额为1000万元人民币，多贝西是前者的唯一得主。对于这笔奖金，多贝西已经有初步设想——用于两个数学领域的公益项目。 数学教育需要改革 除却科学家的身份，多贝西对数学教育也有很大的热情与责任感。相较于担忧大模型对于数学研究的冲击，多贝西认为，更重要的是去重新审视和思考当下的数学教学方式。 多贝西表示，数学系之所以维持现阶段的规模，本质上是因为其他外系专业需要数学系提供基础数学教学，让学生理解这些数学结构与概念。如果数学系的教师们没有好的教学方式，别的院系可能会自行开设这类课程。“美国一些大学的数学系规模已经非常小，甚至有高校考虑将数学系整体裁撤掉，因为它没有很好地履行教学职能。”多贝西称，“如果我们不想让数学界落到这种地步，就必须迎接这个挑战。” 而在更基础的教育阶段，警报已经拉响。经济合作与发展组织（OECD）9月发布的2025年国际学生评估项目（PISA）测评结果显示，经合组织国家的学生在科学、数学和阅读三个科目的平均成绩均降至该测试自2000年开展以来的最低水平。 当被问及这一话题，多贝西首先表示考试并非检验学生学习效果的理想方式，尤其在AI时代，这一手段将彻底过时，“不可能再沿用课后作业、居家考试这种过去测试学生的方式”。与此同时，她认为许多国家，尤其是美国，需要更加重视教师以及他们能为学生带来的价值。 她告诉记者，自己的儿子就是一名高中数学教师，目前在美国伊利诺州芝加哥市南部的一所高中任教，那里属于贫困片区，学校里95%的学生都是拉美裔或者非裔。 “我们需要更多的人去珍视好老师、尊重他们的付出，而不是觉得‘要是有更好的选择就不会去当老师’。”她称，“我们需要重新赋予教师职业应有的尊重，由此吸引更多优秀教师，进而让孩子们取得更好的成绩，这就是关键所在。”

2026-11-01: 10月31日，2026全球数商大会虹口区分会场主题活动在虹口举行。活动以“数联航贸·通赢全球——航运数智化国际合作与数据要素新生态”为主题，由世界数据组织（WDO）航运贸易数字化专业委员会指导，虹口区数据局主办，虹口数智经济产业研究中心（筹）承办，上海国际航运研究中心协办，聚焦航运数智化和数据要素培育，搭建数字创新成果对接转化平台。 作为数据要素与数字经济领域的国际性盛会，2026全球数商大会于10月30日至31日在徐汇西岸国际会展中心举行，以“数智共生 链接世界”为主题，通过“会、商、展、用”四大板块搭建全球数据要素交流平台。大会深化与世界数据组织（WDO）合作，并在会议期间启动虹口航运服务工作组。 主题演讲环节，中远海运科技股份有限公司副总经理杨威以《以数启智，向海图新——人工智能与数据要素在航运业的实践探索》为题，阐释人工智能与数据要素融入航运产业的现实路径；上海航运交易所船舶交易服务部总经理许若飞围绕《航运交易数据体系与航贸数字化实践——全球船舶估值市场分析》，介绍航运交易数据体系建设思路；中国电信上海公司网络和信息安全部数据合作中心主任童天以《“出海一张网”——企业出海的数字赋能》为题，分享通信网络赋能企业海外业务拓展的实践经验。 活动现场，虹口区数据局、区商务委员会、区投资促进办公室(区航运服务办公室)分管领导与数智航贸（上海）供应链管理有限公司、上海虹口数字航运创新中心、克拉克森研究有限公司、上海沃行信息技术有限公司共同发起并签署“航运数智化生态共同体倡议书”，多方携手共建航贸数据流通枢纽、共育航运数智创新场景、共促中外联动合作、共守安全合规底线。 世界数据组织（WDO）航运贸易数字化专业委员会新增三家首批成员机构，上海海事大学、上海国际航运研究中心、中国港口协会正式加入专委会，标志着专委会“场景推广、技术协作、国际交流”工作格局正式起步。三家机构将发挥航运高等学府、国际化智库、行业组织的专业优势，共建数据底座、共育数字人才、共拓应用场景，推动航运数智化成果服务全国、走向全球。 活动期间，太平洋保险发布《太平洋产险“链保航安”项目成果》，展现数据跨界赋能航贸金融的创新实践；一飞软件科技（上海）有限公司发布《基于多源节点融合的跨境航贸数据产品项目成果》，推动跨境业务全链路可视可查。 上海国际航运研究中心首席信息官徐凯主持《数据要素赋能与航贸合作实践》圆桌对话，与Kpler中国市场负责人冼卓珺、青岛上合华信副总经理刘伦、上海海事大学国家安全深蓝数智中心副主任吴淞豫、云赛智联股份有限公司副总经理赵海鸿围绕数据要素赋能航贸合作深入交流。 作为压轴环节，“数首发”虹口专场集中发布5项数据产品，涵盖国际物流AI应用、海事法律AI知库、航运安全管理、模型能力评测及全球数据服务等领域，深度展现了虹口区数商企业数据产品与服务的创新活力。 此次分会场活动既是虹口区在航运数智化领域探索的阶段性答卷，也是迈向未来的新起点。下一步，虹口区将依托世界数据组织（WDO）航运贸易数字化专业委员会航运服务工作组落地契机，加快建设航贸数据流通枢纽，推动数据要素在虹口与全球航贸网络之间高效流动，更好服务上海国际航运中心建设。

2026-11-01: 随着人工智能技术爆发后日均词元（Token）调用量的突破，数据从“供得出”到如何更好“用得上”成为业内关注的话题。 “52.26ZB的数据总量中，真正被有效利用的占比仅约3%。”在10月30日开幕的2026全球数商大会上一场“数、链、智协同”的产业圆桌对话上，上海数据集团首席技术官苏光牛分享了这组数据。 仍缺乏高质量数据 “数据的供出已经不是问题，跑通流程也不是问题，但支撑行业高价值的数据依然短缺。”苏光牛说，数据流通的瓶颈正从通道转向“好不好”。 在具身智能赛道，数据短缺的问题凸显。它石智航副总裁刘华说，具身智能泛化性面临较大阻碍，核心在数据。要训练出强泛化性的基座模型，数据门槛是“千万小时级”，而目前行业高质量训练数据仅停留在百万小时级，“缺口大概在90%”。 尤其是采集成本与模态缺陷方面。刘华分享称，传统真机遥操作设备一套二三十万元，真机本身数十万元，调测一天往往只能产出几个小时合格数据。更深层的硬伤在于数据模态的失真：“现在非常多的基座模型主要依靠文本和视频训练，看起来能听懂指令、能看懂世界，但根本不理解‘力’和物理动作的真实含义。机器人做动作时缺乏手感，极容易翻车。” 在刘华看来，弥补触觉与姿态等关键模态，从自采、机器人数据回流到外采跨越千万小时门槛，行业至少还需要两到三年才能迎来“ChatGPT时刻”。 对于运营商来说，智能体的发展也在倒逼底座设施的重建。中兴通讯副总裁兼企业发展部总经理黄义华表示，产业正从人联网迈向智联网，预计到2030年全球智能体规模将突破22亿，增长超80倍。与之伴随的，是从“比特”彻底转向“Token”，算力基础设施从拼单卡指标转向考验多芯协同、软硬件一体的全栈工程。 另外，当大模型加速向AI Agent（智能体）演进时，底层计算资源也遭遇了结构性问题。 海光信息技术股份有限公司副总裁应志伟在现场举例道，去年跑文本与代码生成等大模型任务，算力基本由GPU扛起；但今年Agent落地后，工程师发现大模型生成代码后，伴随大量的编译、运行和测试，这些流程会大量消耗CPU算力。 “这个时候GPU反而会空转。程序员并行任务的激增，更进一步加速了对CPU的消耗。”应志伟透露，为了避免算力空转与瓶颈，业界CPU与GPU的配置比例正被动地从过去的1:1向1:4甚至1:8快速推移。 算力重组之外，更大的问题是“裸奔”的安全顾虑。到2025年底，全国智能算力规模将达到1590eFlops，但苏光牛认为，技术工程化之后，瓶颈已经全面推向了“制度的信任”。 企业把Prompt（提示词）和核心材料输入云端大模型，本质上是将敏感数据以明文全盘托出。针对这一问题，阿里云智能集团副总裁霍嘉提出，信任必须分立为“数据要素可信”与“数据应用可信”，当前产业必须解决模型思考时的思维链数据与Token全链路加密问题。 要告别“Demo秀” 部分在场嘉宾认为，数据应用商业模式难以闭环的根源，在于行业充斥着不少“伪场景”，应该告别“Demo秀”。 霍嘉在圆桌中谈到“AI+”落地时表示：“我看到很多企业的AI+应用，基本以Demo型应用为主，生产级看不见；不少应用只是给几个人做的玩具，解决不了广泛的生产力提效问题。” 他认为，能够跑通商业价值的数据场景必须具备严苛的硬指标：是能发挥机器不眠不休优势的“24x7场景”、必须深度接入前沿基础模型、且必须形成“应用到效果反馈”的数据飞轮闭环。 霍嘉以兰州石化常减压装置为例分析称，由于停机代价极大，此前依赖人工24小时紧盯大盘，通过打造智能体接管实时调整并连续稳定运行五个月，AI才算第一次真正切入核心生产系统。 不仅是场景需要剥离泡沫，技术手段同样在经历重估。针对苏光牛提出的“利用区块链与智能合约解决数据授权与收益分配”的设想，李韩认为，各地都在建可信数据空间，但标准碎片化、缺乏法律保障等还存在问题。 中国联通（香港）创新研究院跨境数据与人工智能应用研究中心总经理李韩说，孤立地谈论原始数据值多少钱是空谈，必须把数据拆解为生产、治理、产品化、运营等不同链条，数据只有与技术融合产品化后才有生产价值，利益分配也只能依据各方在全链路中的实际价值创造来分割。 刘华也认为，数据的定价终究要交由市场机制决定，当具身智能模型能力因高质量数据跃升而带来巨额收益时，市场自然会给数据开出合理对价，而链上追溯应服务于对劳动者、场景方与采集方的精细化确权。

2026-11-01: 2026世界顶尖科学家论坛开幕式暨世界顶尖科学家奖颁奖典礼，今天（10月31日）上午在临港中心举行。上海市委书记陈吉宁，中国科学技术协会名誉主席万钢出席并致辞。上海市委副书记、市长朱忠明出席。 陈吉宁在致辞时说，上海将深入贯彻落实习近平主席重要讲话精神和中共中央决策部署，抢抓科研方式变革的机遇，不断深化科技领域体制改革，拓展国际开放创新合作，更好浚智慧之源、汇合作之力、聚创新之势，加快打造科技创新策源地。大力加强基础研究，持续提升投入强度和质效，加强敏捷布局，推动创新资源向前沿领域、交叉融合领域聚焦。持续深化基础研究先行区建设，建立健全基础研究与成果转化互促机制，聚焦前沿赛道打造未来产业集聚区，推动科技创新和产业创新深度融合，培育发展新质生产力。大力发展科学智能，在重点领域加快布局一批科学基础模型和科研智能体，推动一批科技基础设施和科研平台智能化升级，建设一批“干湿闭环”高通量智能实验室，打造一批高质量科学数据集，助力科研效率提升，加速重大科学发现。着眼科学智能和产业发展相结合，深入实施“百团百项”工程。持续深化教育科技人才一体发展，大力弘扬科学家精神，大力扶持人才成长，营造专心专注的科研环境和宽容失败的创新文化，鼓励更多青年科学家在科研上敢闯“无人区”、勇攀新高峰。更加积极融入全球创新网络、参与全球科技治理，促进创新要素顺畅高效流动，打造支持创新的良好环境，更好推动科技向上向善向未来。 万钢在致辞时说，世界顶尖科学家论坛已成为促进国际科技界高端对话的重要平台。本届论坛议题设置紧扣全球科技前沿，兼具学术引领与产业转化，进一步彰显了论坛作为国际科学界高端对话平台的集聚效应。期待全球科学界以论坛为纽带，凝聚共识、增进合作，让科技创新更好促进人才成长。厚植根基，持续强化基础研究，让科学家心无旁骛破解根本性问题。开放协同，不断深化全球合作，推动科研基础设施向全球科学家有序开放。守正向善，推动完善科技治理，让治理机制跟上前沿技术从实验室走向应用的步伐。薪火相传，大力培育青年人才，让更多青年科学家挑大梁、当主角。 中国科协副主席、书记处书记冯身洪，上海市领导张为、陈金山、陈杰，市科协主席张杰，同济大学校长杨金龙，诺贝尔奖得主兰迪·谢克曼、迈克尔·莱维特，图灵奖得主姚期智等出席。纽约科学院院长及首席执行官杜宁凯在开幕式上致辞。 颁奖典礼上，英格丽·多贝西获颁2026世界顶尖科学家奖“智能科学或数学奖”。袁钧瑛、王晓东、邵峰、维希瓦·迪克西特获颁2026世界顶尖科学家奖“生命科学或医学奖”。今年首次设立世界顶尖科学家奖“青年科学家奖”，拉斐尔·朱丽叶·克莱芒、陈培宁、丁世谦、吴佳俊、谢伟迪、庄梓铨获奖。 本次论坛以“范式变革·科学突破的下一个十年”为主题，由开幕式暨主论坛、6场平行论坛、4场主题活动、1场闭幕式及衍生活动、科技参访和特色活动组成，包括诺贝尔奖、图灵奖、沃尔夫奖、菲尔兹奖等奖项得主在内的近300位科学家及科创龙头企业代表参会。与会代表围绕未来科学的科研范式、价值链条、国际合作、人才建设、科技治理等议题深入交流、凝聚共识。

2026-11-01: 医疗健康数据要素的合规流通，正在以“可信空间”的形式逐步落地。 10月31日，在一场于2026年全球数商大会举办的“医疗数据要素价值释放与产业生态空间”分论坛上，多位数据、临床等领域专家表示，行业已形成“原始数据不出院”“数据流转可溯源”等普遍共识，利益分配机制、数据流通规则的建立应该成为迫切推进的内容。 医疗健康数据的“可信空间”，指的是数据需要在安全使用的同时释放价值，其中做法包括隐私计算、区块链存证、可信数据运营等。“可信空间”如何实现数据高效、合规流通？ 复旦大学附属中山医院信息与智能发展部大数据人工智能中心副主任陈志炜以患者院内诊疗流程为例称，该院正在通过感知、决策、行动、反思这4个步骤来打造“可信”AI原生医院。如在感知环节引入HIS/EMR物联网设备作为数据采集体，在决策、行动环节运用AI大模型生成新的诊疗路径，以及辅助医生实现病史和医嘱的辅助书写，在反思环节则纳入诊疗质量回溯评估等。 上述环节在实践“可信空间”时需要考虑哪些原则？陈志炜告诉第一财经，核心原则包括：全链路可追溯、关键决策人在回路、行动可审计可回滚、偏差持续监测。感知端需要确保设备校准、数据可溯源以及隐私合规。决策端要保证可解释，同时明确AI与医生的权限边界。行动层要保证行动留痕、可拦截、可回滚。反思端则把不良事件和模型偏差纳入持续验证与再训练，形成可信闭环。 上海交通大学医学院附属仁济医院信息中心副主任邵维君称，现阶段，一家综合性三甲医院各类系统数量超过上百个，院内医疗健康数据体量散而大，给到一些药企、AI模型训练和开发的数据实则非常有限。因此，医疗机构应该优先做好院内数据治理（包括归集、统一标准等）、再来和行业做数据开发与协同，数据流通和泛化模型才会更安全、可控。 上海交通大学医学院附属瑞金医院信息中心副主任邵炜则表示，“可信空间”下的高质量数据治理应协同临床、专科人员的共识，一些卒中、肿瘤等高发、高价值专科方向可以作为率先切入点，临床、企业可以对当前缺失的真实世界数据维度，有意识地进行积累储备，为后续研究与流通打好基础。 基于患者、医院端的实际需求，企业在“可信空间”中的角色该如何把握？上海领再科技有限公司CEO倪琳拥有多年创新药研发经验。她表示，药企（尤其是创新药领域）对于高质量数据的非常强烈，但高质量数据究竟定价多少、如何合规获取、数据用途边界在哪等，这些核心问题仍然需要提前解决。 倪琳建议，医药研发的场景需求高度定制化，难有普适性的标准化数据产品。一方面，药企可以先从患者招募、保险核保等这些相对标准化的场景切入，从小规模交易跑通模式，逐步建立行业信心。另一方面，在规则层面，行政部门也可以采取“负面清单+容错空间”的模式，明确禁止事项，放开可探索范围，给市场试错空间；行业最担忧政策的不稳定性，规则可逐步迭代，但需保持连续性。 谈及“可信空间”的构建与突破，商汤医疗CIO王睿也表示，目前，对于院内的医疗健康大数据，其数据全链路的可信“串联”问题是数据落地和应用的关键。 “医院愿意开放数据的核心前提，是用数企业必须把数据来源、使用范围、训练用途、中间产物管理和结果出域规则全部讲清楚；而‘可信空间’的作用，就是把这些边界做成标准化的管控规则，让数据只能在授权范围内可控流转；同时平台也要守住企业自有数据和模型资产的安全，不能因为放在统一空间里就出现流失风险。”王睿说。 王睿建议，长远来看，企业应先把数据确权做扎实，统一数据标准，让训练全过程可追溯、模型效果由医院和企业共同验证，最终把优化后的应用落回临床场景，跑通真正的价值闭环。 艾瑞咨询曾测算，2026年全国医疗健康数据市场规模预计达1303亿元，2020年至2026年复合增速约 39.3%。这一测算范畴覆盖数据采集、存储、治理、安全、分析应用等领域。

2026-11-01: 10月30日下午，作为2026全球数商大会重要组成部分的“汇数成势·创享价值——公共数据开发利用主题论坛”在上海西岸国际会展中心举行。论坛由上海数据资源运营有限公司、上海云赛数智科技有限公司联合主办，上海赛博网络安全产业创新研究院、上海市数商协会、中国联通上海市分公司协办，汇聚政府机构、研究智库、授权运营机构、数商企业和行业应用方等多元主体，围绕公共数据开发利用、场景落地与生态共建展开深入研讨，直面公共数据产品化、规模化落地中的现实堵点，为全国公共数据开发利用输出上海实践与行业思考。 论坛集中发布上海公共数据开发利用三项成果：一是企业需求征集平台上线，依托“天机·智信”“大衍·数智”双平台，以智能体畅通需求入口，精准对接供需；二是首批公共数据产品发布，推出核验、联合计算、明细查询三类产品，覆盖民生、金融、交通等14个行业领域，在“可用不可见”下推动产品化、规模化落地；三是公共数据开发利用成果发布，依托行业、区域数据创新实验室，推动多源数据融合创新从实验室走向应用，形成企业经营合规风险预警模型、“稳岗就业贷”等多项场景成果。三项成果贯通需求入口、产品供给、场景落地，勾勒公共数据从“资源”走向“要素产品”的路径。 本次论坛搭建了公共数据开发利用生态交流对话平台。上海数据资源运营有限公司作为公共数据授权运营机构，将立足公共数据开发利用实践，推动市场配置与政策牵引协同发力，持续加强授权运营规范管理，守住数据安全底线，让公共数据在合规利用中充分释放价值，为数字经济创新发展筑牢基础。

2026-11-01: 当摩尔定律红利消退，算力需求仍在狂飙。在2026世界顶尖科学家论坛上，多位科学家、产业人士提及，AI已经不再是芯片产业的辅助工具，它正深入芯片设计、架构创新乃至晶圆制造设备的最底层。而下一个十年，芯片产业如何发展、科研创新人才如何培养，也成为摆在科学界和产业界面前共同的话题。AI for IC“在AI时代，AI和IC（集成电路）这两个主要的基石将会融合和交汇在一起。”中国科学院计算技术研究所副所长陈云霁在人工智能平行论坛上表示。一方面是AI for IC，用人工智能自动设计出更好的芯片；另一方面是IC for AI，用芯片把AI的推理和训练做得更加高效。他进一步展望，如果把这两个方向结合，甚至可能会形成未来的RSI（递归自我改进）新循环——AI设计出更好的AI芯片，而AI芯片又反哺出更好的AI技术。陈云霁举例，去年他的团队让AI自动设计的芯片启蒙2号，具备自动切流水、自动加cache等方面的能力，性能与ARM A53的水平相当，大概是十多年前人类主流的CPU。“我们想沿着这条路走下去，AI自动设计的处理器芯片迟早有一天能够跟人设计的芯片相当，甚至能够更好。”在制造与设备端，AI的推动力也很直接。拓荆科技董事长吕光泉在未来半导体平行论坛主旨演讲中表示，随着2nm节点设计成本暴涨，2026年只有5%的IC/ASIC项目能实现首次流片成功（2012年该数字为32%）。面对高昂的试错成本，半导体技术正走向三大趋势：更小的晶体管、更密集的封装以及更智能的设备。吕光泉介绍，半导体设备极其复杂，传统物理调试成本高、周期长。设备巨头正在将AI引入设备内部，实现“虚拟制造”。泛林（Lam）等巨头利用物理模型构建虚拟晶圆厂（数字孪生），使特定刻蚀建模步骤运行速度提升了高达30倍；应用材料（AMAT）则利用AI平台进行实时工艺分析，每小时能处理超过百万次的三维晶圆测量。在拓荆科技，通过物理腔体与虚拟腔体之间的海量数据双向映射，可以实现实时工艺预测、设备健康监测（预测性维护）以及晶圆传输调度优化。吕光泉还透露了一个惊人的效率革命：“在失效分析等场景中，AI代理可自动执行测试任务，将原本需要数百工时的工作压缩到了5.5小时以内。”在芯片产业人才培养方面，浙江大学信息学部主任吴汉明认为，在AI驱动自动化的背景下，人才必须从过去仅仅专注于几何布局、人工调整的“纯版图绘制者（Layout Drafter）”，向注重系统规范、算法设计、架构探索的“系统架构师（System Architect）”转型。教育的逻辑，必须从“以实施为中心”转向“以创新为中心”。为了弥补产线与课堂的鸿沟，吴汉明团队推行“Virtual-First, Physical-Validation”（虚拟先行，物理验证）的FabGPT方案，并推行“一生一芯”，让高校学生真正在12英寸产线上接触硅片，体验真实的产线环境。AI时代如何培养新一代科学家芯片产业的变革，只是AI重塑科学范式的一个缩影。在人工智能平行论坛上，中国科学院院士何积丰表示自己最近比较关注的话题之一是AI时代的人才培养。“现在AI能够完成过去只有专业科研人员才能实现的复杂工作，但我们必须清醒看见背后的本质：AI所有输出的深度、边界与质量，都取决于人类的认知深度。完备的专业体系、评判标准、任务目标，全部来自于人；AI擅长执行任务、生成结果，但无法自主定义真正的研究问题，也难以甄别潜藏的缺陷与风险。”他表示，AI时代需要锻炼三种能力：定义问题、验证AI产出、并且进行有道德的判断。这一观点在与会顶尖科学家的发言中被反复提及。2013年诺贝尔化学奖得主、斯坦福大学结构生物学教授迈克尔·莱维特在论坛开幕式上表示：“借助人工智能，青年科研工作者一下午就可以验证过去要耗费一整年才能检验的构想。所以稀缺资源不再是埋头苦干，而是高质量的科学问题。”“AI cannot ask a good question（AI提不出好问题）。”中国科学院上海有机化学研究所生物与化学交叉研究中心主任袁钧瑛在接受第一财经在内的媒体采访时表示，“现在我们团队在‘逼着’学生去提问。”她分享了自己的科研经历。多年前还在哈佛大学读博的她，提出了一个在当时被认为是冷门、甚至被导师劝阻的朴素问题：“细胞是如何死亡的？”正是这个在当时连文献里都找不到几个同行的“好问题”，最终开辟了程序性细胞死亡研究的全新领域。“AI是一个很好的加速器，但它目前还解决不了所有物理机制问题。不要因为有了AI，就觉得不需要思考了，提出好的问题依然是最关键的。”本届顶科奖得主、复旦大学教授陈培宁在接受第一财经记者提问时表示。面对AI带来的效率革命与科研焦虑，本届顶科奖得主、北京生命科学研究所副所长邵峰在受访时呼吁，科学研究本质是探索未知，整个生态要允许青年科学家关注科学问题本身，敢于尝试，敢冒风险。“实验科学研究注定伴随失败，要做好大部分尝试都会出错的心理准备，然后继续前行。”邵峰说。

2026-11-01: ①苹果官宣：阿里千问集成至Apple智能，11月4日将开放测试； ②全球首个天地一体化太空算力云平台在京发布，覆盖40余颗卫星算力资源； ③2026中国自动化大会在京开幕，大会同期举行65场平行会议，涵盖具身智能、世界模型、大模型多智能体、AI赋能等前沿方向。

2026-11-01: iPhone国行AI官宣，11月4日开放测试10月31日，苹果宣布，首批Apple智能功能将于 11 月 4 日随 iOS 开发者 Beta 版在中国开放测试，并于 12 月随 iOS 27.3 正式推出。苹果与阿里巴巴合作，在 Siri、写作工具和视觉智能的部分体验中接入千问，支持文本与图像理解。首批功能包括信息、FaceTime 和电话中的实时翻译，写作工具的改写、校对与摘要，照片消除、自然语言搜索及回忆影片创建，以及智绘表情、通知摘要和优先邮件等。支持设备包括 iPhone 15 Pro、iPhone 15 Pro Max、iPhone 16 及后续机型、iPhone Duo 和 iPhone Air。【点评】首批上线的苹果智能仍面临严格的硬件及合规限制。该服务目前仅限于符合运行内存要求的特定iPhone机型，iPad与Mac设备暂未列入首批支持范围。同时，受制于监管审批进度，苹果在今年WWDC 2026上发布的新一代苹果智能及Siri AI等高级功能，暂不向中国大陆市场提供。DeepSeek千亿融资细节曝光，近30家机构参投DeepSeek第二轮融资的具体细节浮出水面。10月30日，据媒体小息，DeepSeek 本月完成了约1055亿元的第二轮融资，来自近30家投资者，投后估值为6155亿元。报道称，腾讯和宁德时代仍是DeepSeek的前两大投资者。本轮新加入的投资方包括长鑫存储及其董事长朱一明，以及中芯国际。vivo、美团、美的、立讯精密、吉利、携程和小红书也参与其中，单家出资规模在10亿至30亿元之间。国有电信运营商中国移动、中国电信，投行中金公司、中信证券，以及保险公司中国人寿，出资规模在20亿至80亿元之间。国家人工智能产业发展基金再次出资10亿元，与首轮相同，且是直接投资 DeepSeek。【点评】2026年6月，DeepSeek完成首轮融资，募资规模约500亿元。此次融资意味着DeepSeek 在几个月里累计已融资超1500亿元。据媒体9月底报道，梁文锋在近期投资者会议上披露，公司年化营收运行率已达到10亿美元，较数月前的4亿至5亿美元增长一倍以上。Anthropic冲刺万亿IPO当地时间10月26日，美国AI大模型公司Anthropic向美国证券交易委员会（SEC）提交文件，计划以代码“ANT”登陆纳斯达克，高盛与摩根士丹利牵头承销。发行价、发行股数与募资规模均未确定，但市场对其估值预期已冲至1.5万亿至2万亿美元。若按上限完成，这将成为有史以来规模最大的IPO之一。业绩方面，Anthropic2023年全年营收4100万美元，2024年3.86亿美元，2025年45.85亿美元。2026年上半年直接跳到162.86亿美元，是上年同期的约14倍；今年二季度，Anthropic实现营业利润9.74亿美元，营业利润率约8%；剔除股权激励、非现金慈善捐赠等项目后，调整后营业利润为22.35亿美元，利润率约19%。作为对照，同期OpenAI的调整后营业利润率约为-122%。【点评】从华尔街到硅谷再到整个AI行业，市场正密切关注这场IPO，真正要定价的不是AI能不能赚钱，而是当十年账单提前签下，增长能否持续跑赢成本。“如果Anthropic上市后表现不佳，投资者不得不对AI企业重新定价。”专注投资成长型股票的机构FTV Capital的管理合伙人伯恩斯坦（Brad Bernstein）表示。DeepSeek发布全新Agent架构10月31日晚，DeepSeek Harness 团队在官方公众号发表技术文章《Super-agent 设计探索：迈向更自主的Agent 系统》，详细介绍了他们面向Agent工程实践的Super-agent架构。DeepSeek表示，模型能力提升催生了新的应用形态，个人助手（Personal Agent）开始集中涌现。然而，现有主流 Agent设计还难以在多任务和团队协作的规模上支撑这一模式，多任务上限取决于人的注意力。通过双层架构、事件驱动、异步多信道交互、存算分离与外部 Watchdog等思路，DeepSeek团队突破了这些限制，系统在底层接管了繁琐的会话管理与上下文同步，使人类得以从具体的执行细节进一步上移到更高层的决策与验收。【点评】DeepSeek 团队在文章结尾坦言，他们并没有提出全新的理论，而是将经典计算机系统思想应用到了Agent架构中，目前这套流程已经在内部运行，日常参与问题复现与修复、代码审查响应等。例如，当团队成员在群聊中反馈软件问题时，即使没有人主动@ AI，它也能识别潜在缺陷，在后台尝试复现问题、寻找修复方案。五家科技巨头财报出炉，三家自由现金流为负截至目前，“美股七姐妹”中已有五家公布最新季度财报，其中三家单季度自由现金流为负：亚马逊、谷歌母公司Alphabet和Meta分别净流出约335亿美元、91亿美元和21亿美元。微软与特斯拉则分别实现约186亿美元和15亿美元的正自由现金流。在财报公布后，微软凭借超预期的云业务增长和现金流表现，获得市场积极评价；谷歌母公司Alphabet下跌12.6%，创下上市以来最大单日跌幅；亚马逊财报公布后盘后股价一度下跌近7%；Meta和特斯拉股价也在财报后出现下跌。【点评】尽管各家公司资本开支和自由现金流统计口径存在差异，但这一分化反映出，AI基础设施投资正在对部分科技巨头的现金流形成明显压力。“过去，市场愿意为AI的增长前景和技术故事买单，而科技巨头的最新一轮财报意味着，AI投资正从比拼资本开支规模的‘军备竞赛’，进入检验商业化回报的阶段。”艾媒咨询CEO张毅对第一财经记者表示。长鑫科技第三季度净利润环比增长放缓10月30日，长鑫科技发布第三季度财报。该季度长鑫科技营收1187.14亿元，同比增长613.18%，净利润544.35亿元，同比扭亏。前三季度长鑫科技营收2690.24亿元，同比增长738.51%，净利润1320.4亿元。第二季度长鑫科技营收、净利润环比增长95.9%、113.4%，第三季度环比涨幅分别为19.3%、3.01%，环比增长放缓。【点评】存储原厂的业绩一定程度上反映了AI基础设施建设潮的真实进程。第三季度长鑫科技净利润环比增长幅度缩水尤其明显，可能也说明了存储产品价格上涨速度有所放缓。近期长鑫科技的股价走势反映了投资者的态度。9月30日至10月30日，长鑫科技股价累计下跌24.75%，一个月内市值蒸发超8800亿元。SK海力士季度营收首次突破100万亿韩元10月28日，SK海力士发布2026年第三季度财报，该季度营收104.6155万亿韩元（约人民币5220亿元），同环比分别增长328%、32%；营业利润83.3338万亿韩元（约人民币4158亿元），同环比分别增长632%、38%；净利润39.7756万亿韩元（约人民币1984亿元），同比增长216%，环比减少58%。【点评】在AI需求的拉动下，该季度SK海力士营收和营业利润均创该公司史上季度最高纪录，季度营收首次突破100万亿韩元，营收和营业利润都超过此前市场预期。对于存储供需关系，SK海力士还预计，供不应求的局面将持续到2030年。这家公司也在继续建设产能，计划明年加大对基础设施的投资规模。三星电子最新财报公布后股价下跌10月29日，三星电子交出了一份“史上最赚钱却仍不及预期”的三季度成绩单：当季销售额195.25万亿韩元、营业利润107.44万亿韩元，营业利润同比暴增783%，连续第四个季度刷新纪录，但净利润仅75.21万亿韩元，远低于市场预估的89.06万亿韩元。财报公布后，当天三星电子跌4.13%。【点评】存储芯片是三星电子最大的利润来源。不过，在前期存储价格大幅上涨之后，一些产品价格涨幅收窄给存储厂商的业绩增长带来了压力。三星电子这份财报拖累了存储板块其他个股的走势。10月29日，SK海力士盘中一度转跌，10月30日三星电子和SK海力士股价都下跌。光模块“易中天”前三季度营收超千亿10月29日，光模块概念股“易中天”第三季度财报均已发布。第三季度中际旭创营收277.69亿元，同比增长171.83%，净利润85.87亿元，同比增长173.74%；新易盛营收109.4亿元，同比增长80.30%，净利润38.43亿元，同比增长61.15%；天孚通信营收19.23亿元，同比增长31.5%，净利润8.79亿元，同比增长55.3%。第三季度三家公司净利润总计达到133亿元，前三季度营收、净利润总计达到1061亿元、356亿元。【点评】光模块厂商的业绩与全球AI数据中心建设进程挂钩。环比来看，这三家公司第三季度业绩表现参差不齐。天孚通信和中际旭创第三季度营收环比增速加快了，但净利润环比增速都放缓了。而新易盛营收和净利润已从环比增长转为环比下降，第三季度分别环比下降13%和19%。即便三家公司最新季度业绩同比仍在增长，但资本市场并不买账。10月30日，这三家公司股价都下跌了。腾讯全球已部署超200台服务器在10月29日的腾讯全球数字生态大会上，腾讯集团高级执行副总裁汤道生表示，腾讯云在加快全球数据中心建设，已部署超200万台服务器，过去一年腾讯云海外AI需求有三位数增长。此外，腾讯云此前与混元团队合作，在上线前两周把国产芯片单卡吞吐量提升了5倍，模型Hy4则将于近期推出。【点评】腾讯过去一年在德国法兰克福、马来西亚、墨西哥、日本大阪、沙特利雅得和泰国新增或扩容了数据中心，腾讯云还计划未来一年拓展亚洲、中东、欧洲和美洲的布局。用于算力基础设施建设等用途，腾讯今年第二季度资本开支527.84亿元，同比增长了176%。

2026-11-01: 世界模型已经成为今年AI行业最热闹的赛道之一，但资本的热情与技术的成熟度之间，仍存在不小的距离。在10月31日的B站“超级科学晚”活动上，众多前沿科技议题里，世界模型是观众最多的一个分享论坛，台下坐满了人，后面还站了几排人。不过，相比台下的热情，台上创业者对行业发展阶段的判断相对冷静。“如果把物理比作一场100公里的马拉松，现在还在5到10公里的阶段。”逆矩阵创始人、首席研发官陈博远表示，当前世界模型和物理AI的发展还在早期，行业可以在受控的实验室环境里做出精美演示，但离产业可用还有很大差距。逆矩阵成立于2026年初，押注通用世界基座模型，在今年3月和6月分别完成了两轮融资‌。虽然行业在早期发展阶段，但陈博远认为，技术路径将很快走向收敛，并在多个真实场景完成应用落地，类似于大语言模型的发展路径。此前，行业不少声音认为，游戏、影视是世界模型很好的应用场景。不过，从行业人士的判断来看，大模型、多模态模型会在游戏、影视这类产业有很好的应用，但世界模型更适合的是自动驾驶、机器人及工业仿真等场景，因为这类场景要求严谨性和物理正确性。在对谈中，松延动力创始人兼董事长姜哲源认为，虽然世界模型应用于游戏理论可行，但游戏这类领域的关注点更多是画面本身的精美度。“我以一牛顿的力往前推，这个杯子正常应该往前走1厘米。在游戏或者影视里，只要这个杯子看着在往前走就可以，肉眼很难看出来是不是严格符合物理规律。但世界模型要求这个杯子只能往前走1厘米，生成的图像是不是细腻、符合审美则不是那么关键。”在姜哲源看来，具身智能训练是世界模型值得关注的应用切口之一。机器人在真实环境中试错，需要支付人力、设备折旧、零部件损耗等成本，如果能够在足够可靠的世界模型里模拟完成一部分训练，这些成本就有机会变为更低的算力成本。陈博远认为，世界模型最核心的应用在于能进入一些人类到不了的场景工作，如井下高温这类危险、困难的环境。世界模型可以搭载于机器人或软件系统上，运用它理解世界的能力实际操作，拓展人类能力边界。据陈博远介绍，逆矩阵还在数据中心、芯片制造等高附加值场景中开展落地验证，这些场景对可靠性有着很高要求。例如，数据中心里的线缆插拔，即使成功率达到90%，剩余的失败仍可能造成线缆损坏，并带来安全风险和运营效率损失。虽然商业化尚处于早期，资本市场已经开始密集押注世界模型。据IT桔子10月的统计报告，2026年成立并完成了首轮融资的世界模型公司共有39家，有一半公司在两个月内完成了首轮融资，2025年则有30家。陈博远对第一财经记者表示，资金加速涌入，一方面是行业领头人的带动，另一方面则是技术需求的节点到来，大语言模型通过智能体已经能解决很多虚拟世界的问题，但在物理世界应用有限。李飞飞和杨立昆被视为推动世界模型发展的重要代表人物。今年9月，李飞飞创立的空间智能公司World Labs以82亿美元的价格被AMD收购。去年底，杨立昆辞去Meta的工作后创立世界模型公司AMI Labs，估值已达35亿美元‌。英伟达、谷歌等巨头也纷纷下场。就在10月28日，谷歌发布Genie 4，提到这是公司“迄今为止最逼真且最具交互性的世界模型”，此前英伟达推出世界基础模型平台Cosmos，旨在帮助机器人、自动驾驶汽车和其他物理系统更好地理解和预测现实世界的环境。不过，对世界模型创业者而言，热度之外仍有一道必须回答的商业问题。技术进入真实产业后，究竟创造了多大价值，还是反而带来更高成本，需要在真实场景里给出答案。世界模型受到关注，也折射出年轻群体对前沿技术的兴趣。今年是B站举办科学晚的第四年，现场还围绕“会飞的汽车还有多远”“太空有什么生意”以及脑机接口和量子计算等前沿议题展开讨论，记者观察到，现场有不少大学生参与互动和提问，关注技术对学习和就业的影响。

2026-11-01: 【重磅新闻】 2026年世界互联网大会乌镇峰会将举行 2026年世界互联网大会乌镇峰会将于11月2日至5日在浙江乌镇举行，以“开源开放 共建共享——携手构建网络空间命运共同体”为主题。据了解，浙江省经信厅牵头筹备“一展一会一赛一论坛”，即“互联网之光”博览会、数字经济产业合作大会、“直通乌镇”全球互联网大赛、浙江分论坛。 今年乌镇峰会还将设置27个分论坛，围绕全球治理倡议网络空间合作、数智时代的理论与政策、机器人与具身智能等话题展开交流与讨论。主论坛将设置“人工智能乌镇对话”环节，邀请全球领军科技企业、知名开源大模型企业负责人以及人工智能科学家同台对话，围绕全球人工智能开源生态构建等议题展开交流。 美国中期选举投票即将举行 据新华社消息，美国中期选举将于11月3日举行，民主党和共和党将角逐国会众议院全部435个议席和参议院100个议席中的35个。此外，美国多个州将选举州长、州议员及部分地方官员。 半导体封测年会将召开 第二十四届半导体封测年会将于11月4日至6日在南京举行。在会议中，来自华天科技、长电科技、通富微电、台积电(南京)、壁仞科技、京东方、云天半导体等半导体封测、芯片设计、玻璃基板、先进封测设备等领域的龙头企业，将通过主论坛、专题报告、供需对接等形式，交流先进封装的最新发展方向。 第九届进博会将在上海举办 第九届进博会将于11月5日至10日在上海举办。据悉，本届进博会国家展吸引了69个国家和国际组织参展，主体数量超过去年；加拿大、斯里兰卡为主宾国，摩尔多瓦、罗马尼亚等5国和联合国开发计划署首次参展。企业参展规模再创新高，面积首次突破37万平方米。美、德、英、法等国企业参展面积领跑，其中美国企业参展面积超过5万平方米，连续八届保持第一，较去年增加了1500平方米。 6家公司下周解禁市值超10亿 Wind数据显示，下周共有25家公司限售股陆续解禁，合计解禁7.26亿股，按10月30日收盘价计算，解禁总市值超122亿元。 限售股解禁规模较大的公司有百通能源、丹娜生物、大明电子、百瑞吉、上海汽配、惠柏新材等，这些公司11月解禁市值均超过10亿元，其中前两家超过20亿元。 【下周财经日历一图速览】

2026-10-31: 10月30日，在2026全球数商大会开幕式上，中国气象局发布两项重大成果——地球系统数据国际交换节点（上海）（以下简称上海节点）启用、气象行业可信数据空间（以下简称可信空间）正式亮相。 上海节点——促进国内与跨境数据双向流通 上海节点基于中国气象局“1+N”协同服务网络布局，上海节点将承担跨境数据流通、国际气象服务与区域协调支撑等职能，推动我国气象数据“出海”，促进国内与跨境数据双向流通。 作为地球系统数据国际交换区域节点，上海节点的功能定位为跨境数据流通枢纽和“来数加工”专区。按照授权使用原则，上海节点将面向各类主体提供服务。即面向共建“一带一路”国家的气象机构，提供本地化气象产品研制与智能预警服务，支撑中国气象智能预警方案“妈祖”落地应用；面向国际气象机构、防灾减灾主体，依托跨境可信数据空间开展国际气象数据交换、预报模型联合研发、预警方案协同迭代；面向境内出海企业、科研机构，依托“来数加工”专区提供境外气象数据标准化加工与定制化产品服务。 同时，作为“妈祖”方案出海的重要节点，上海节点依托“妈祖”数据底座区域支撑平台，面向亚洲、非洲共建“一带一路”国家开展定制化预警产品服务，为“妈祖”方案落地应用提供坚实支撑，让数智气象惠及全球。目前，上海节点已按需同步国家节点推送的基础数据集和标准化产品，重点提供全球大气实况分析产品等中国气象局高价值全球交换数据，以及上海市气象局区域数值预报数据。后续，上海节点将持续丰富高价值数据供给，提升区域数据服务能力。 气象部门将进一步加快“妈祖”数据底座区域支撑平台部署，面向亚洲、非洲共建“一带一路”国家开展定制化预警产品试运行；持续优化国际用户访问体验，更好服务共建“一带一路”与全球气候治理。 可信空间——打造气象数据流通利用“公共底座” 作为公共气象数据流通利用的基础设施，可信空间将聚焦“公共底座+跨域赋能”，支撑气象数据跨行业联合创新，赋能千行百业高质量发展。“打造可信空间，是支撑全国一体化数据市场建设、助力数字经济高质量发展的重要行业实践。”中国气象局党组成员、副局长郝丽萍表示，在数字经济发展中，气象数据日益展现出关键的生产要素价值，成为赋能千行百业数字化转型、支撑国家治理体系和治理能力现代化的基础性资源。要让气象数据更好地“跑起来、用起来”，充分释放气象数据要素价值，必须实现开放共享与安全可控的有机统一。 在此前发布的七批气象数据产品基础上，可信空间第一批数据清单中包括4类33种高频次、精细化气象数据，其中85%以上为首次面向社会提供，可实现原始气象数据不出域，在可信空间内完成计算、加工和产品输出，让数据“可用不可见、可控可计量”。“可信空间将承担三个关键角色：交易规则的刚性‘执行者’、数据安全的‘守门人’、价值流通的‘大枢纽’。”郝丽萍表示。 可信空间，“可信”在何处？其背后是“一套标准、一套规则、气象数据身份标识”的专属可信流通体系，即执行统一的气象行业数据标准，建立从主体认证到数据使用的闭环规则，所有数据携带唯一的气象数据身份标识，覆盖登记、交易、加工、交付与应用全链路，实现可信流通。 守牢安全底线，更释放数据融合价值。可信空间将基于地球系统数据平台分级分类授权使用，服务于政府部门、科研机构，以及农业、交通、能源、医疗、文旅、金融等重点行业，支撑气象数据融合应用需求。中国气象局将进一步完善可信空间，提升多行业数据融合分析、产品共建、业务协同能力，充分发挥其公共基础设施价值。

2026-10-31: 近日，在第十一届医药创新与投资大会（下称“大会”）期间，有药企主动向医药投资人推介自研管线时，对方却坦言，今年的核心关注点已经转向AI了。 随着科技巨头们相继入局，资本持续加码，AI制药赛道越发火热，行业估值水涨船高。 也有投资人表示，他们今年已在布局AI4LS（AI赋能生命科学）相关标的，AI4LS正从单点预测，迈向多任务协同的新阶段；虚拟细胞、数字生命等概念的提出，将药物疗效预测带入全新范式，AI蛋白设计、AI合成肽、AI核酸药物等领域也值得关注。但整个赛道太火，当下的氛围，仿佛重现了2021年部分生物科技企业估值一年上涨两三倍的景象。 赛道的热度不等于成熟，数据困境、生物学因果理解的天花板、临床端的验证难题等仍是所有参与者必须直面的考题。 科技巨头入场 新药领域存在的反摩尔定律，限制了新药产出持续递减，这背后的原因在于：易挖掘的基础科研红利已消耗殆尽，找到优于现有药物的分子更加困难；监管态度审慎，管线研发投入巨大；同时热门靶点扎堆，有潜力的非共识靶点供给不足，也在进一步抑制新药产出。 AI赋能药物研发被视为突破口。这一轮AI制药热潮最直观的特征，是科技巨头的入场。 去年下半年，华为制药军团成立。 今年6月，美国AI大模型巨头Anthropic正式发布AI科研工作台Claude Science。它并非全新基础模型，而是基于Claude Opus 4.8构建的多智能体系统，整合了超过60个科学数据库，预配置基因组学、蛋白质组学、化学信息学等领域的工具链，并强调结果可追溯、可复现。 今年9月份，字节跳动旗下AI制药公司Anew Labs以独立公司身份推向资本市场。 华为制药军团总裁樊杰对第一财经记者表示，华为制药军团的定位是医药行业的AI赋能者，而不是跟大家抢着做药。华为来自计算机通信领域，并非生物、化学领域，因此着重发挥自己的特长。 “相比其他公司，华为参与AI制药有三大优势，具备算力和存力、算力的集群能力，生态优势。”樊杰说。 科技巨头的入局，加剧了行业竞争。 英矽智能联合首席执行官兼首席科学家任峰自嘲他们已是AI制药界的“老登”了。 任峰对第一财经记者表示，在AI爆发的时代，AI制药公司也有焦虑，因为尚不清楚未来会出现什么样的竞争形态。 在他看来，投资者对不同的AI制药公司评估标准会有很大不同。对于英矽智能这类已进入成熟期的公司，评估标准往往是有多少创新靶点、有多少项目进入临床、商业模式能否落地。对于初创的AI制药公司，看的还是团队、技术、数据、算法等。 “它们还处于只谈技术的朝阳时期，没有人要求它们去落地。”任峰说，但最终它们也得进入下半场，会被评估商业化落地能力。 从今年看，AI制药赛道展现出吸金能力。 投中嘉川CVSource数据显示，2026年前九个月，国内AI制药赛道共完成57笔投资，44家企业获得融资，披露融资总额高达157.65亿元，超过了2023年、2024年和2025年三年的总和。但融资金额大涨的同时，投资笔数和被投企业数量并未同步增长，投资金额最大的四笔合计约95亿元，占全赛道融资总额的六成。 “当前AI制药赛道已经走过早期概念期，管线数据是最直观的印证：行业管线从2017年的4条，增长至约179条，其中9条进入三期临床。”在大会上，国方创投合伙人韦亚光说，资源与资本明显向头部集中，不少标的估值溢价显著，公司内部模型测算，看过的标的估值溢价区间大致在40%至180%。 AI制药最缺什么 AI制药赛道的火热，并不代表行业已成熟。 很多人讨论AI，绕不开的三件事：算力、算法和数据。对于AI制药而言，最缺的是什么？ “在制药层面用不了那么大的算力，当下最难的就是数据，数据孤岛、数据分布不均，质量差、脏数据太多。”韦亚光说。 药企的实验数据带有知识产权，不愿对外共享，公开数据集相对于庞大的生物搜索空间只是沧海一粟。对于数据，任峰表示，他们的做法是用开源的数据来帮助他们建立模型，同时，以内部实验的数据反馈和优化，做实验的过程中不断地优化和反馈模型。 百图生科联合创始人、CEO刘维对第一财经记者表示，他们坚持做生命科学底层“操作系统”、定位行业赋能者，不靠管线变现，而是自建实验室、打造干湿一体化闭环，用持续产出高质量生物数据的方式，弥合大模型投入周期和新药研发节奏之间的鸿沟。 AI在化学层面正在加速突破，但在生物学层面，它仍需突破不同战场的限制。 刘维回顾，早期AI药物公司大多聚焦小分子：化学空间相对可控、合成工艺成熟，AI更多扮演提效工具，药企研发链条没有发生本质变化。但从头（de novo）对上千氨基酸序列做全新设计，则是完全不同的赛道，有助于开发FIC（首创新药），但随之而来的免疫原性、安全性风险更高，倒逼行业将安全性评价大幅前置，药企研发、决策、监管沟通逻辑面临被重塑。 韦亚光认为，AI 制药的下一个主战场，是挖掘生物学层面的因果关系，这是行业能否突破天花板的核心。今年或将成为中国虚拟细胞元年，行业正在探索：AI 能否识别、习得人类已有经验之外的生物因果规律，打破生物学认知瓶颈。如果这一层无法实现突破，就必须正视行业历史教训 ——估值泡沫客观存在，市场的乐观预期不可能永久延续。 “虚拟细胞是下一个星辰大海。”刘维认为，虚拟细胞对靶点发现、药物功能研究、安全性评价及早期临床预测的作用刚刚显现；当前AI在细胞问题上的准确度还不高，未来几年细胞实验技术进入黄金期后，虚拟细胞才能从可用走向准确。 “避开叙事的线” 中国的创新能力与创新规模已经成为全球医药创新的第二位，但与美国相比依然存在差距。 在大会上，中国医药创新促进会首席专家宋瑞霖提供的一组数据显示：截至2024年7月，中国拥有1775种First-in-class研发管线，占全球份额19%，而美国以4511种占48%，源头创新，依然任重道远。“AI赋能医药创新正在加速推进，且医药创新恰是最需要AI、也与AI相互需求的产业。” 对于AI制药目前所处的阶段，樊杰借用Gartner Hype Cycle（技术成熟度曲线）作出判断：行业仍处于预期快速上升的“过热期”，尚未进入全面成熟阶段。但“过热”并不意味着技术没有价值，而是市场预期可能领先于实际落地进度。 目前，蛋白质结构预测、分子动力学模拟、分子生成与筛选等部分能力已逐渐应用于研发，AI也被用于研发文档处理、情报分析、专利分析以及部分药代动力学和毒理学预测，问题在于，这些能力仍分散在不同环节。 “很多点已经成熟，但整个链还没有串起来”。樊杰表示，从靶点发现与验证，到候选分子生成、湿实验筛选，再到临床前研究和临床开发，药物研发涉及一系列相互衔接的判断。只有将模型预测、实验验证和结果反馈连接起来，AI才能在真实数据中持续迭代。 任峰表示，当前AI制药行业的泡沫必然存在，任何新兴赛道，尤其像AI这样技术高速迭代扩张的领域，发展过程中一定会伴随泡沫出现，关键在于泡沫退潮之后，企业依靠什么站稳脚跟、支撑自身价值。“对我们而言，倘若AI的泡沫褪去，真正能够托住公司市值的，只能是实打实的产品管线、二期和三期临床项目，这些才是硬核资产。” “明年将是AI制药行业至关重要的观察窗口，也是行业叙事重构之年。一些药物三期管线数据将会揭晓，市场也会重新定价AI制药：估值是维持、上行，还是回调。我们筛选AI制药标的，核心看四点：是否拥有独家数据、能否跑通干湿闭环、能不能拿出可定价的临床证据、商业模式是否选择自研管线路径，最后是估值落在公司期权模型可承受区间，我们还是希望挣验证的钱，避开叙事的线。”韦亚光说。

2026-10-31: ①北京金融科技产业联盟联合15家机构发起倡议：智能体未经授权不得实施自动化操控； ②海南算力与腾讯云达成战略合作，将打造自贸港“AI+算力”一体化底座； ③可灵AI 198亿增资事项已完成交割； ④清华大学联合无问芯穹、智元提出机器人群体学习范式； ⑤佑驾创新与腾讯云达成战略合作。

2026-10-30: “数字世界的思考由Token来衡量，那物理世界的劳动应该拿什么来度量？”10月29日，在智元创新日上，智元联合创始人、总裁兼CTO彭志辉分享了他们对这一问题的思考，提出“Worken”的概念，即有效智能工时，用以衡量机器人自主作业的实际产出。在接受包括第一财经等媒体采访时，彭志辉表示，过去市场关注机器人的性能参数、炫酷的Demo，而随着行业越往后发展，机器人的“工时表”将会更多被客户考虑其中。目前，智元已经为多个场景下的机器人计算“Worken”，还特地为这个新概念申请商标。但想要重新定义机器人的价值，具身智能企业最先要回答的仍是“客户是否愿意买单”。“Worken”计费仍处于探索阶段智元的营收从2023年30万元、2024年6000万元、2025年突破10亿元到今年上半年近20亿元。产品端方面，根据第三方机构统计，今年上半年智元以9700台的出货、超过43%的市占份额位居全球第一。彭志辉透露称，今年9月，智元第20000台机器人正式下线。主论坛大会现场，智元推出新一代具身基座模型GO-3 Preview，具身智能原生多模态交互大模型WITA Omni1.0以及新一代灵巧手产品家族、安规级重载具身机器人精灵G2 Max等等。技术之外，智元还讲述了“Worken”的概念以及部署态的进展。据彭志辉介绍，Worken的计算公式为“Worken＝活跃机器人数量×自主工作时长×产出效能比”。具体来看，活跃机器人数量指的是真正在岗工作的机器人覆盖规模，而不是待在仓库里的机器人；自主工作时长要求机器人是自主的智能体、不依赖于人类；产出效能比则是“机器人的劳动能够创造多少个人类的价值”。“Worken想回答的是在真实的环境里机器人到底能贡献多少可以持续有效的智能劳动，包含了机器人的能力、可靠性以及实际对客户的产出等。”彭志辉将Worken定义为“物理AI时代的生产力单位”。Worken的计算已经运用于智元部分落地场景，如南昌龙旗产线上下料、广州地铁安检引导、珠海长隆文娱表演。其中，300台机器人在长隆文娱表演的Worken数量最大，达到33480 Worken。智元合伙人、高级副总裁王闯在接受采访时表示，Worken的概念涉及到未来生产力的供给方式。他介绍，当前智元主要卖的还是全栈能力，有机器人本体以及后续运维服务等，同时也包括租赁。当技术不断发展、机器人真正会干活之后，未来的付费方式可能将发生变化。比如，让机器人完成固定任务通过购买套餐包的方式实现，并按照Worken消耗量计费。他提到，“这是我们的设想，当前还是刚刚起步。”Worken这套计算衡量目前是在智元内部进行，暂时还未形成商业模式。它究竟能否被行业和客户认可、发展成为像Token一样可以被明码标价尚是未知数。记者注意到，现场大屏显示，“Worken”的右上角还有“TM（商标）”的小注。智元方面表示，团队目前正在申请“Worken”的商标。有律师分析认为，这是一种商业策略，一旦核准后能够阻断同行使用。产量信号不等于生产力对机器人价值的定义，并不只有智元在参与。今年10月，在一场行业高峰论坛上，清华大学教授鲁继文提到物理AI经济，引出“Woten”的概念，并讲述称“Woten让物理世界第一次拥有类似Token的可计量商业单位”。无论是哪一个概念，它们要面对的共同现实仍然是，机器人尚未大规模铺开应用。根据工信部数据，今年中国人形机器人整机产量预计有望突破10万台。彭志辉表示，这是产业发展的信号，但同时要认识到，生产多少台机器人并不等于在真实世界中就多了多少生产力。他认为，解决应用场景的问题，必须要让具身大模型能力足够泛化、机器人本体足够可靠，以及软硬件综合系统能力达到进入部署态门槛。王闯提到，人形机器人从实验室走向真实部署，将面临六大挑战，分别是续航与系统稳定性、规模化生产和交付、网络与端云协同系统、模型进化与内容更新、主被动安全与易用性和运维。以智元机器人在长隆飞船乐园的应用为例。今年9月下旬左右，300多台人形机器人与四足机器狗奔赴乐园上岗打工，在100多个点位为游客们提供文娱商演科普研学、导览导购导引、服务零售站、智能伴游等服务。据介绍，这些投入的机器人给乐园带来了人流量上的增长。“第一个要面临的挑战就是如何管理这么多的机器人，比如解决没有电、发生损坏以及节目更新等。”王闯还讲述称，他们在真实运营过程中也遇到了不在预期内的问题，小朋友在和机器人接触互动时可能会有拥抱，这要求机器人能够应对突发情况从而保障安全性。大规模机器人部署，同样需要配备不少人力。据王闯介绍，最开始部署的时候1个工作人员管1台机器人，后来逐渐发展到1个工作人员管3台机器人，他们的目标是在今年年底让机器人和人类配比达到10:1。部署的成本，显然是限制机器人大规模铺开的关键因素。“我们有能力一年制造几万台机器人，但要看客户是否愿意买单以及什么时候买单。”彭志辉认为，机器人的部署不应该只是做一个POC，同时还涉及到设备长期管理、软件迭代等等。当运营成本随着规模上升而持续下降，最后达到ROI的平衡点，客户才会愿意选择智元的产品，才有机会扩大机器人的部署规模。“如果卖一台机器人还要给配一个‘保姆’，那么永远不会到那一天的。”他还表示，目前智元更关心的也是否能够形成可以复用的技术底座、能不能让客户用了产品和解决方案之后减少集成和维护的成本。“万台下线只是制造业的胜利，万台能够上岗才是物理AI的胜利。”

2026-10-30: AI会不会抢走我们的工作？这是当下打工人最关心的问题。 政策端已经出手。国务院就适应人工智能技术构建就业友好型发展方式作出系统部署，明确要放大AI创造就业、赋能岗位、提升质量的正面效应，减缓替代影响，实现技术进步与就业促进相协调的包容性发展。“十五五”规划也提出，加快构建专业化、数字化、法治化、国际化人力资源服务体系。 国家顶层设计出台之后，市场一线也非常关注以生成式大模型、智能体为核心的新一代人工智能，将如何重构劳动力市场。近日，多位专家学者和企业高管围绕这一话题展开研判，从理论框架到产业数据，从政策托底到企业实践，勾勒出AI冲击下就业格局的真实图景，并探讨应对之策。 替代还是创造？就业格局正在重塑 人工智能领域的变革触发了创新生产方式、劳动方式、服务方式、消费方式，对就业和人力资源市场也带来新变化。 人社部原副部长、国务院参事室特约研究员杨志明在近日举行的2026 HRA人力资本可持续发展生态大会上用一组数据勾勒出当下就业的四大趋势性变化： 技能人才从数量型转向质量型。去年我国技能人才2.2亿，高技能人才仅7400万、占33%。制造强国德国、日本这一比例是50%。大规模、多层次加快高级人才开发，是国家经济转型的战略措施。 新增技能人才从无限供给转向有限供给。峰值出现在2010年，新增1245万，此后逐年下降，去年仅增长0.4%，今年前三季度在0.3%—0.5%区间。技能人才正成为宝贵的人力资源，不再是取之不尽、用之不竭的蓄水池。 新生代、网生代成为就业主力。80后、90后是新生代，00后、10后是网生代。依托快递、外卖、网约服务、平台服务、技术服务、家庭服务，去年达8500万人，预计“十五五”期间达9000万人，成为我国职业领域第一大支柱行业。 AI工匠“一人公司”兴起。兴于初创者，直接进入AI时代，使AI平权成为可能，正在成为人才开发的新赛道。 “机器取代人的趋势谁也挡不住，但和人的能动性、创新性、柔性并不矛盾。沟通能力、协调能力、共情能力、责任能力，这些AI难以取代。”杨志明说。 每次技术革命都会重塑就业格局。第一次工业革命机器替代手工，第二次流水线替代单个劳动力，第三次自动化替代部分人力劳动。如今以大模型、先进算法、智能体、具身智能为代表的人工智能技术以更彻底的方式改变生产生活。 学者张蕴、杨伟国近日发表题为《人工智能技术动态演进如何重构劳动力市场格局》的学术论文指出，AI对就业有“替代效应”和“恢复效应”两股相反力量。 替代效应指AI干活成本更低、效率更高，企业就有动力用AI换人，宏观上可能拉低就业规模。恢复效应有三层：一是生产率效应，AI提高效率，企业反而需要更多人手；二是规模效应，AI压低成本价格，需求扩张带动岗位创造；三是新职业效应，AI催生新岗位，技能互补的劳动者就业规模扩大。 文章提出，理论界多数研究的普遍共识是人工智能对就业的影响存在显著的长期动态效应，基本呈现长期乐观性与短期悲观性的判断。当前需要防范两类就业风险，一是技能升级跟不上，岗位需求结构性错配；二是AI创造性效应尚未充分释放可能引发的失业风险。 两位学者建议前瞻性建立技能需求预测机制，把教育供给和技能培训前置，让劳动力技能结构跟上技术迭代。同时健全就业托底保障，对受AI影响失业的人群及时匹配帮扶计划和就业指导，提高“人—岗”匹配率，并用补贴和稳岗政策鼓励企业少裁员。 AI如何赋能员工？ 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》（下称《意见》），部署6个方面18项主要任务，包括强化AI就业创造效应，构建就业友好型AI升级路径，提升劳动者数字素养和就业能力等等。 《意见》特别提出加快开发AI新职业。新职业、新业态涌现，能够使与人工智能技术相适配的劳动者因技能互补而扩大就业规模。 当前人工智能技术已经在通过创造全新产业赛道释放就业需求，不仅直接催生人工智能技术人员、训练师、算法测试员、生成式人工智能系统应用人员等新兴职业，还通过赋能传统产业数字化转型，带动网约车司机、外卖骑手、电商主播等新就业形态。 《意见》提出，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，并实施人工智能专项培训计划鼓励高校毕业生等青年、农民工、失业人员等参加人工智能领域就业创业培训项目。 现在很多企业都上线了AI平台，怎么让员工觉得是赋能，而不是被监控、被替代？不少企业正陷入两难：Token成本压力下，把AI使用纳入KPI考核，怕成本扛不住，还容易引发滥用和抵触；不纳入又担心员工不用。 思科大中华区人力资源副总裁吴汶锜表示，思科五年前建了AI助手平台，所有AI工具在平台上跑，解决数据治理问题。员工可以选择全球最先进的大模型做对比，最重要的是让员工觉得好用，是为自己所用。 “思科从没把AI使用放进员工KPI，只是定期看使用频率，不统计个人用了多少次，只定期分享谁用得好、怎么用得好。面对Token成本压力，系统在复杂提问时提示剩余额度，引导员工把问题问得更精准，而非靠考核施压，由此避免了Token滥用。”吴汶锜说。 对研发型企业而言，员工更关心专业判断会不会被AI取代。 焱明生物运营及HR负责人梁雪表示，AI对全新靶点、全新机制的创新研发中作用还很有限，AI更多的还是在提升效率、分子筛选，包括探索方向性的工作上有一些帮助，但是不能替代这些核心的科学判断。在实际工作中，公司也明确哪些能问AI、哪些坚决不能，对核心数据设红线，同时鼓励员工先想清楚问题再借助AI。 梁雪认为，AI在非闭环的问题上现在给不出标准答案，AI是不能从无到有创造，但是人可以做到从0到1的创新，所以公司建立容错机制，希望大家坚持或者保留自己的思考和创造力。

2026-10-30: AI需求仍在高速增长，但科技巨头为这轮增长付出的代价，正在变得越来越昂贵。截至目前，“美股七姐妹”中已有五家公布最新季度财报，其中三家单季度自由现金流为负：亚马逊、谷歌母公司Alphabet和Meta分别净流出约335亿美元、91亿美元和21亿美元。微软与特斯拉则分别实现约186亿美元和15亿美元的正自由现金流。苹果、英伟达最新季度业绩预计将在下月公布。尽管各家公司资本开支和自由现金流统计口径存在差异，但这一分化反映出，AI基础设施投资正在对部分科技巨头的现金流形成明显压力。在财报公布后，微软凭借超预期的云业务增长和现金流表现，获得市场积极评价；谷歌母公司Alphabet下跌12.6%，创下上市以来最大单日跌幅；亚马逊财报公布后盘后股价一度下跌近7%；Meta和特斯拉股价也在财报后出现下跌。“过去，市场愿意为AI的增长前景和技术故事买单，而科技巨头的最新一轮财报意味着，AI投资正从比拼资本开支规模的‘军备竞赛’，进入检验商业化回报的阶段。”艾媒咨询CEO张毅对第一财经记者表示，自由现金流已经成为衡量投资安全性的重要指标，但判断负现金流是否危险，关键仍在于真实订单、收入兑现能力和持续融资能力。科技巨头表现分化三大云计算巨头最新财报呈现出相似的增长趋势，却交出了不同的现金流答卷：亚马逊AWS、微软Azure和Google Cloud收入分别同比增长39%、48%和103%，AI需求持续推动云业务扩张，但资本开支、利润表现和投资回收周期的差异，正在影响市场对各家的评价。亚马逊最新财报显示，第三季度AWS收入460亿美元，同比增长约39%，创近五年来最快增速，营业利润达到178亿美元。公司披露，Amazon Bedrock的500强客户支出同比增长接近七倍，平台处理的token数量接近17倍。AWS高速增长的另一面是巨额基础设施投入。截至9月底的过去12个月，亚马逊自由现金流由上年同期流入约148亿美元转为流出423.57亿美元。公司预计2026年现金资本开支约为2200亿美元，2027年还将显著增加。亚马逊股价盘后下跌表明，尽管云业务增长超出预期，仍未能完全抵消投资者对现金消耗的担忧。微软的表现有所不同。截至9月底的2027财年第一季度，Azure收入约331.65亿美元，同比增长48%，高于上一季度43%的增速。微软当季资本开支及融资租赁相关投入合计约452亿美元，低于此前约500亿美元的计划；自由现金流达到约186亿美元。不过，微软资本开支低于计划，并非主动收缩AI投资，而是部分第三方算力设施交付延迟，影响了当季投入进度。该公司商业剩余履约义务达到6770亿美元，同比增长73%，为未来收入提供了一定合同支撑；微软预计，下一财季Azure收入增速将进一步达到49%至50%。谷歌母公司Alphabet呈现出更明显的业务与现金流反差。第三季度Google Cloud收入约307亿美元，同比增长103%；经营利润约111亿美元，经营利润率达到36.2%。增长部分来自谷歌自研TPU系统的对外销售，但硬件业务也需要提前采购设备和建立库存，增加了营运资金需求。Alphabet当季资本开支达到514亿美元，自由现金流为负91亿美元，全年资本开支指引为1950亿至2050亿美元。该公司的现金流承压不仅来自AI基础设施建设，还受到TPU库存增加及52亿美元欧盟罚款支付等因素影响。与此同时，Google广告收入低于市场预期，公司净利润同比下降约25%，主要受到权益证券投资公允价值损失影响。这些因素使Alphabet成为本轮财报季市场反应最为剧烈的科技巨头之一。10月29日，Alphabet股价下跌超过12%。对投资者而言，云业务增长速度已不再是唯一的评价标准，巨额投入能以多快的速度转化为利润和现金流，正变得同样重要。Meta的商业模式不同于三大云厂商，但同样面临投入与回报的平衡。公司第三季度营收646亿美元，同比增长26%；营业利润约129.88亿美元，同比下降37%，营业利润率由40%降至20%。下降主要受到98.9亿美元诉讼相关费用影响，不能全部归因于AI投入。剔除该项目后，Meta当季营业利润约228.8亿美元，同比增长约11.4%。Meta当季经营现金流约328亿美元，资本开支约349亿美元，自由现金流为负21.2亿美元，而上年同期为正约106亿美元。公司预计2026年全年资本开支将达到1350亿至1450亿美元。Meta的AI回报主要体现为广告效率提升，而不是直接销售算力。算法带来的增量收入已经进入广告业务，但面向未来的模型、智能体和超级智能研发，仍需要持续投入。特斯拉第三季度营收约280.5亿美元，与上年同期基本持平；归属于普通股股东的净利润约7.9亿美元，同比下降43%，自由现金流约15.3亿美元。公司同时将2026年资本开支预期由此前超过250亿美元调整为超过200亿美元。不过特斯拉前三季度资本开支仍明显高于上年同期，公司也在继续投资AI算力、机器人和制造设施。此外，特斯拉与SpaceX正在评估的潜在合并，进一步增加了其资本配置的复杂性。下一轮竞争比拼什么？最新一轮财报至少说明，全球科技巨头尚未明显放慢AI基础设施建设。亚马逊预计2026年资本开支约2200亿美元，Alphabet预计1950亿至2050亿美元，Meta预计1350亿至1450亿美元，微软略微下调至1700亿美元。几家公司的资本开支规模已经达到前所未有的水平，业界预计明年这一规模将达1.3万亿美元。标普全球评级今年发布的研究预计，其覆盖的六家超大规模企业（Alphabet、亚马逊、微软、Meta、甲骨文、SpaceX）2026 年、2027 年将出现负自由经营现金流，现金流预计到 2029 年才有望修复。该机构同时将 AI 投资变现能力、需求持续性、产能过剩风险，以及类债务性质的合同承诺列为重点监测方向。不过，自由现金流为负并不直接意味着投资失败。数据中心、AI服务器和网络设备通常需要在建设和采购阶段集中支付现金，再通过未来多年的云服务、模型推理和企业应用逐步收回成本。一位AI从业者对记者表示，单季度甚至连续几个季度自由现金流为负，可能反映投资周期，而不必然意味着商业模式不可持续。真正需要观察的是，未来收入增长能否覆盖设备折旧、运营成本、融资费用和下一轮硬件更新。“下一轮竞争的关键不是投入多少算力，而是能否将算力转化为财务报表上的利润。 ”张毅表示，与此前互联网、移动互联网发展阶段不同，在AI重资产时代有两个指标尤为值得关注：一是订单可见度，例如剩余履约义务（RPO）及积压订单能否提供未来收入支撑；二是资本纪律，即企业能否在维持必要投入的同时守住现金流底线，最终要形成从算力投入、产品和应用落地到商业变现的正向循环。即使拥有订单，科技巨头仍需要解决资金和资产管理问题。拥有稳定现金流、较高信用评级和长期客户合同的企业，可以相对低成本地获得资金并提前锁定数据中心、电力和芯片资源；但融资结构越复杂，投资者越需要谨慎评估企业的真实杠杆和长期承诺。技术迭代同样可能改变投资回报。AI芯片和服务器更新速度较快，新一代产品往往在性能和能效上明显优于上一代设备。对于投入数百亿美元建设数据中心的企业而言，算力利用率、设备实际经济寿命及折旧年限，都将影响未来利润；如果硬件更新快于预期，企业还可能面临更高折旧或资产减值压力。市场对AI投资回报并非一味悲观。AWS、Azure和Google Cloud的高速增长已经表明，企业算力需求仍在扩张。随着模型推理和企业AI应用使用量增加，现有基础设施可能通过提高利用率改善回报。微软通过Azure和企业软件销售AI服务，亚马逊依靠AWS和Bedrock提供算力及模型服务，Alphabet同时推进云服务与TPU商业化，Meta则主要利用AI提升广告效率。不同商业模式的投资回收周期并不相同，但这些业务已经为巨额基础设施投资提供了现实的需求支撑。接下来，英伟达将在11月公布新季度财报，为观察上游算力需求提供新的依据。AI投资竞赛仍在继续。随着越来越多的数据中心和算力设施投入运营，市场将逐步看清，持续增长的AI需求究竟能在多大程度上消化这场史无前例的资本开支。

2026-10-30: 距离美国中期选举仅剩数日，在选民最为关注的经济议题中，“数据中心”从地方规划争议迅速升格为全国性的竞选热点议题，多州候选人将其与AI热潮、电价上涨和生活成本紧密绑定。当前，数据中心建设与美国地方社区利益之间的关系日益紧张，候选人在该议题上的立场被认为将影响多个摇摆州与地方选举的结果。 民意调查公司盖洛普的一份民调显示，有超过70%的人反对在当地社区建设数据中心。另据一项最新民调，有57%的美国人认为人工智能（AI）不好，66%的美国人反对在美国境内建设新的数据中心。

2026-10-30: 美国一宗涉及ChatGPT医疗建议的死亡诉讼，将生成式AI的安全风险再次推向公众视野。几日后，OpenAI和Anthropic相继披露最新AI监控机制，展示如何利用技术识别模型失范行为和用户滥用风险。 一边是AI公司不断强化对模型的监控，另一边是普通用户在日常对话中可能因错误建议受到伤害。两件事并无直接因果关系，却共同指向一个问题：当AI进入医疗等高风险生活场景，现有安全治理能否覆盖从模型行为到用户后果的完整链条？ 据媒体报道，当地时间10月27日，美国西雅图一名31岁华人女工程师万博雯（Bowen Wan）的父母在加利福尼亚州提起诉讼，指控OpenAI及其首席执行官山姆·奥尔特曼（Sam Altman），称ChatGPT提供危险且不准确的医疗建议，甚至鼓励女儿对医生隐瞒减药计划。 诉状称，万博雯患有癫痫，在担心药物影响求职后，曾向ChatGPT咨询减少抗癫痫药物的方案。她在多次表达担忧、描述身体异常后，仍持续得到模型的安抚和减药建议。法医认定其死因为癫痫猝死，尸检显示其体内相关药物浓度约为治疗浓度下限的五分之一。 OpenAI回应称，这起事件“令人无比心碎”，同时表示涉案模型是较早版本，较新的模型在识别需要紧急处理的情况方面已有改进。 就在这一事件受到关注之际，当地时间10月29日，OpenAI与Anthropic相继推进各自的AI安全监控体系。 其中，OpenAI披露了一套用于识别模型“对齐失范”的分层监控架构，用于发现模型逃逸沙箱、未经授权行动、欺骗或操纵评估等异常行为。OpenAI披露称，在一次训练过程中，监控系统曾发现模型尝试建立互联网连接，并在短时间内触发人工介入，随后暂停相关强化学习流程。 Anthropic则介绍了Claude的自我评估机制：模型在生成回复后，对自身对话进行安全评估，以较低额外算力识别潜在有害请求。公司称，这套机制在1%的误报率下能够召回78%的潜在有害对话和94%的高优先级对话。但自我评估并非监控Claude自身行为的可靠工具，不能单独承担安全阻断职责。 此次治理举措披露中，OpenAI主要关注模型在训练、评估和部署过程中是否出现开发者不希望发生的异常行为，Anthropic的自我评估主要用于识别用户对模型的恶意滥用，例如网络攻击等有害请求。 而上述诉讼指向的是另一类风险：用户并非恶意使用AI，模型也未必出现传统意义上的越狱或失控，却可能在正常对话中给出错误、过度自信的专业建议，并在用户反复求证时未能及时识别风险，属于消费级产品在高风险场景中的安全边界问题。 这也意味着，AI安全治理需要关注模型是否会在普通用户信任它时给出危险建议，尤其在医疗、法律、金融等专业领域，模型能否识别自身能力边界、及时引导用户寻求专业帮助，以及不同语言环境下的安全表现是否一致，都需要纳入评估。 对企业而言，技术监控只是治理的一环。产品设计、风险提示、紧急情况识别、人工干预机制和事后责任追溯，同样不可缺位。对普通用户而言，聊天机器人可以辅助理解信息、整理问题，却不能替代医生作出诊断或调整处方药物。 中山大学孙逸仙医院胃肠外科主治医生朱满生此前对第一财经记者表示，患者主动查询医学资料本身是件好事，可以为医患沟通打下基础，减少部分基础科普时间。但AI给出结论并不意味着普通用户掌握了辨别证据质量和适用条件的能力。上海大邦律师事务所高级合伙人游云庭也向记者强调，医疗AI属于辅助工具，不能独立出具具有法律效力的诊断结论或处方，相关医疗文书必须由执业医师审核、确认并签署。 AI能力越强，用户越容易将流畅、连贯的回答理解为专业判断。此次诉讼尚待司法程序厘清责任，但它已经提出一个无法回避的问题：当AI从信息工具变成用户日常决策的参与者，安全治理就不能止步于监控模型，还必须回答“如何保护用户，以及发生伤害后由谁负责”。

2026-10-30: 智能体的热点一年内换了几轮，办公场景成为新的角力场。对云厂商来说，收入结构也在变：过去卖的是训练算力和API（接口）调用，现在智能体成了新的token（词元）消耗入口。 10月29日至30日的腾讯全球数字生态大会上，腾讯披露WorkBuddy上线7个多月完成90亿次用户任务请求，企业版客户覆盖国内500强企业半数。这类应用任务消耗的token远多于元宝这类对话式产品。腾讯云副总裁杨晨称，过去三四个月涌入2000家做WorkBuddy的合作伙伴，六成是新的。 与此同时，作为算力支撑的数据中心仍在扩建。智能体带来的新增客户和token收入能在多大程度上覆盖这笔投入，是接下来要回答的问题。 AI的账，越来越难算 智能体“当红炸子鸡”从年初的OpenClaw变成个人智能体Muse和办公智能体WorkBuddy等。在国内一些机场，去年铺天盖地的AI云广告，今年变成了各家智能体的角力场。 智能体普及带来更多算力需求，作为算力支撑，数据中心建设潮继续。记者从会上了解到，过去一年腾讯在德国法兰克福、马来西亚、墨西哥、日本大阪、沙特利雅得和泰国新增或扩容了数据中心，未来一年还计划拓展亚洲、中东、欧洲和美洲的布局。 这类AI基础设施成本如何收回，业内仍存疑虑。市场研究机构Gartner近期在一份报告中预计，到2030年，AI数据中心所有者要创造8.5万亿美元收入才能覆盖资本支出、融资成本并达成12%投资回报率。 就此，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生向记者表示，从宏观角度，很难套一个数字来衡量（投入与回报），每个应用场景的成本差异很大，ROI（投资回报率）表现不同，但成本作为ROI的分母可以被衡量。“今天花在硬件上的成本非常高，如果同样的任务消耗同样多的token，成本能降下来，将有利于AI发展和用户使用。”他表示，硬件成本包括芯片、内存等。 目前腾讯云已在全球部署超200万台服务器。汤道生说，腾讯接下来会同时考虑数据中心自建和租赁两种方式。在全球算力稀缺的背景下，如果能买到相应部件，腾讯很愿意自建。 对于AI在生产力场景能否跑通，汤道生则回应了“AI玩不转”的声音。他表示，如果用很贵的模型、低效的算力，成本将暴涨，ROI对应的分子即回报就需要非常大，才能证明生产力跑通。但国内的模型一直针对性价比优化，压低成本，以此改变ROI结果。汤道生认为，目前AI在办公场景已经跑通，很多企业愿意为AI投入。 从卖服务器到卖结果 智能体带来了新的算力消耗方式，此前云厂商来自AI的收入包括AI训练租用的服务器资源、大模型API调用产生的token等。智能体则作为token消耗入口的同时，成为云业务的一个新变量。 从token的角度看，汤道生向第一财经等媒体表示，在腾讯主要的token消耗场景中，WorkBuddy是很主要的一个，它完成任务比较耗时间，消耗的token远大于快速来回对话的元宝。在AI的下半场，业界相比模型跑分更关注产品价值，token调用量是评价AI的一个指标。 WorkBuddy还带来了新业务。杨晨告诉记者，腾讯云5月开始让渠道商销售WorkBuddy，过去三四个月涌入2000家做WorkBuddy的合作伙伴，其中6成是新的合作商。此前腾讯公有云收入主要来自游戏、电商、社交等领域，而现在使用WorkBuddy的客户在制造、零售、医疗、教育领域的量远大于其他领域。 “过去可能是卖服务器资源，现在客户需要的是解决方案。”腾讯云副总裁、生态管理负责人吴奇胜向记者形容，以前腾讯卖公有云是主动找客户，更多是供应商的角色，现在很多潜在客户主动咨询WorkBuddy。在WorkBuddy普及的早期，跑最快的领域是制造业，这类企业以前少有公有云需求。制造业企业以往要花数十个小时做的订单管理等重复性工作，现在两三个小时就能做完。 “虽然（向一个客户）卖WorkBuddy可能只收几万元，但后续互联网、AI转型可能产生更多合作。”吴奇胜表示，WorkBuddy可作为“钩子”产品。来自这类传统行业的产值可能还不大，但后续有延展的可能。 除了制造业客户，还有一些耳机、键盘麦等智能硬件接入WorkBuddy。除了token消耗，腾讯对这类硬件厂商的收费包括License（许可证）费用。杨晨向记者形容，今年是近三四年来云市场变化最大的一年。2021年行业做算力，过去三年在做模型，现在智能体让行业迎来AI第三条增长曲线，这条新曲线陡峭，相关业务未来可能会大于算力和模型领域的增长幅度。 杨晨告诉记者，公有云售卖以往是IT的售卖逻辑，“卷”价格，进行存量博弈，WorkBuddy售卖则是价值逻辑，客户的感受是按结果付费。但他也观察到，智能体客户需求旺盛的同时，很多人仍将其当作工具，下一步需要推动的是业务流程重构。 目前腾讯对WorkBuddy商业化还没有硬性数字指标。汤道生称，腾讯对该产品的投入并非无上限，但目前的阶段仍是一款重要的战略产品。

2026-10-29: 10月29日晚间，上纬新材发布2026年第三季度报告。财报显示，该公司第三季度营收为4.06亿元，同比下降18.04%，归母净亏损为2.55亿元，同比下降933.49%；前三季度营收12.09亿元，同比下降5.51%，归母净亏损4.22亿元，同比下降796.94%。 上纬新材主营业务为新材料，并于今年拓展消费级具身智能机器人业务。从披露数据来看，该公司开展的新业务投入正在吞噬主营业务的利润。 该公司前三季度新材料业务经营稳定，销售毛利率14.42%，同比提升0.2个百分点；实现归母净利润为6351.81万元，同比增长4.91%。报告期内，机器人业务尚未确认收入。该公司介绍称，机器人启元Q1、启元T1于今年9月20日正式发布开售，产品将于10月开始陆续交付。 上纬新材提到，由于机器人业务研发投入、营销投入等增加，使利润总额、归母净利润等指标同比下降。 今年前三季度，该公司整体研发费用投入达3.84亿元，同比增长1182.01%，占总营收比重为31.79%。其中，消费级具身智能机器人业务研发投入达3.60亿元。据其财报介绍，截至报告期末，公司消费级具身智能机器人研发团队共计295人，研究生占比超60%。销售费用方面，上纬新材前三季度投入1.09亿元，去年同期为2907.11万元，同比增长274.96%。 记者注意到，为了支持机器人新业务的快速发展，上纬新材还进行了筹资。 据其财报披露，前三季度公司已收到股东上纬国际控股股份有限公司4.5亿元关联方借款，年利率为固定利率 1.7%，到期一次还本付息。根据合并资产负债表计算，前三季度该公司资产负债率达67.64%。 此前，由于被智元机器人方面收购部分股份，上纬新材在资本市场受到颇多关注，在2025年成为A股现象级“大牛股”。同花顺iFind数据显示，该公司股价近一年涨幅超50%。 目前，上纬新材消费级具身智能机器人业务的发展仍待揭晓与验证。 据了解，该公司正在加速形成规模化量产交付能力。启元Q1、启元T1两款个人机器人从正式发售一个月后迎来第5000台机器人下线。 在今年9月20日的产品发布会上，上纬新材CEO田华在接受采访时介绍称，个人机器人的商业性收入来自于本体销售、内容订阅应用以及服务等。“机器人本体将会是AI的一个入口，未来的‘星辰大海’在于内容以及应用等，这也是启元正在布局的地方。” 不过，由于个人机器人市场仍处于起步探索阶段，消费者对这一产品还未建立起足够的认知。在行业人士看来，这类机器人必须解决用户的痛点，即找到刚需场景下的应用。如果有玩家能够找到并回答好这个问题，那么市场将迎来持续增长，反之则可能增长见顶。

2026-10-29: 三季报落地并未成为天孚通信（300394.SZ）股价的支撑。10月29日，公司股价低开后一度触及“20cm”跌停，收盘报161.60元，下跌19.77%，为今年以来首次盘中触及跌停。 财报显示，前三季度公司的营业收入分别同比增长21.25%、42.18%，但单看第三季度，归母净利润的环比增速已由二季度的44.66%回落至23.47%，销售净利率也由47.55%降至45.73%。 在三季度科技股剧烈波动之际，“易中天”三只股中，天孚通信是公募基金增持幅度最大的标的，而截至29日收盘，天孚通信10月以来累计下挫38.03%，逼近三季度最低点（155.05元）。对于三季度逆势加仓的公募、险资来说，这笔加仓若尚未卖出，或已有浮亏。 前三季度盈利延续增长，单季利润环比增速回落 根据财报，前三季度，天孚通信实现营业收入47.51亿元，同比增长21.25%；实现归母净利润20.83亿元，同比增长42.18%；实现扣非后归母净利润20.65亿元，同比增长44.26%；经营活动产生的现金流量净额为14.62亿元，同比增长8.75%。 对于收入增长，天孚通信在三季报中表示，主要得益于全球人工智能行业加速发展与全球数据中心建设，带动高速光器件产品需求持续稳定增长。在10月28日晚间的线上投资者交流会上，公司进一步表示，第三季度收入增长主要来自有源业务和无源业务同步增加。其中，有源业务上游核心物料供应较前期逐步改善，无源业务则保持较高市场需求景气度，对收入和盈利形成稳定支撑。 拆分单季度来看，第三季度天孚通信实现营业收入19.23亿元，同比增长31.50%，环比增长28.41%；实现归母净利润8.79亿元，同比增长55.30%，环比增长23.47%；扣非后归母净利润为8.79亿元，同比增长55.78%，环比增长26.76%。 相比之下，第二季度天孚通信的归母净利润环比增速为44.66%。这意味着，第三季度公司利润绝对规模仍在增长，但环比增速较二季度明显回落。按单季利润表口径测算，公司第三季度销售净利率约为45.73%，较第二季度的47.55%下降1.82个百分点。 资产负债表方面，天孚通信的备货特征较为明显。截至三季度末，公司存货账面余额为12.74亿元，较上年末增长178.65%，金额为历史同期最高值。天孚通信解释称，存货增加主要是战略性备货带来的原材料增加，库存提升一方面是为满足未来一段时期快速增长的客户需求，围绕重点项目和新产品方向提前储备关键原材料，尤其是为CPO等新兴技术路线配套逐步上量做好准备；另一方面则是基于供应链安全和交付保障，适度前置储备部分关键物料。 同期，天孚通信的合同负债为3.66亿元，较上年末增长128.14%，主要系预收客户款项增加；应付账款为7.07亿元，较上年末增长75.75%，与销售增长、战略性备货带来的采购增加相匹配。 对于CPO与NPO的产品进展，天孚通信在交流中介绍，CPO配套产品目前已进入批量交付阶段，客户需求较为明确，预计相关产品自2027年起逐步提量；NPO配套产品仍处于研发推进、客户送样和验证阶段，若后续验证和客户导入进展顺利，2027年有望实现规模量产。 业绩增长未阻板块重估，三季度加仓资金浮盈有限 从财报本身看，天孚通信并未出现利润转负、收入失速或业绩不及预期等情形。但10月29日市场并未延续对业绩增长的正向交易，公司股价开盘后快速走弱，盘中一度触及“20cm”跌停位（161.14元）；截至收盘报161.60元，跌幅19.77%，现价较6月3日创下的历史高点（374元）累计回撤约57%。 这并非单一公司业绩问题。近期披露三季报的多家光通信产业链公司同样保持较高增长。仕佳光子（688313.SH）前三季度实现营业收入27.22亿元，同比增长74.46%，实现归母净利润5.86亿元，同比增长95.43%；其中第三季度归母净利润2.71亿元，同比增长226.19%。 长芯博创（300548.SZ）第三季度实现营业收入13.51亿元，同比增长127.51%，实现归母净利润2.72亿元，同比增长232.27%。杰普特（688025.SH）、蘅东光（920045.BJ）等公司的业绩增速都较亮眼。 但在10月29日的市场交易中，业绩增长未能对冲板块调整压力。天孚通信、中际旭创（300308.SZ）、新易盛（300502.SZ）等龙头集体走弱，光模块、光芯片、PCB等AI硬件方向均出现明显抛压，多只个股跌逾10%或跌停。Wind光通信指数月内跌幅达26.4%，回吐了4月以来全部涨幅。 有市场观点认为，经过前期对AI算力链的集中交易，光通信板块对订单、景气度和业绩增长的反映已较为充分，业绩披露反而成为部分资金获利了结的窗口。当前板块可交易的预期差正在收窄，资金卖出既可能与调仓换股有关，也可能是在市场波动加大时通过卖出流动性较好的龙头股筹措现金、增强防御。 更值得关注的是，第三季度机构资金曾在股价大幅波动中逆势加仓天孚通信，是公募基金加仓最明显的AI硬件标的之一。从基金整体持仓看，按基金季报披露的重仓股口径，二季度末公募基金合计持有天孚通信9426.70万股，三季度末增至1.5亿股，增幅约59.51%，属于显著增持。对比之下，公募基金三季度对新易盛、中际旭创的持股量增持比例分别为8.11%、2.31%。 从天孚通信前十大流通股股东的持股变化来看，逆势增持天孚通信的既有ETF指数基金，也有主动权益基金，陆股通小幅减仓。截至三季度末，陆股通持股天孚通信3321.83万股，较二季度末减少375.25万股，是前十大流通股股东中少数减持的机构席位。 指数产品方面，国泰中证全指通信设备ETF三季度末持有1256.94万股，较二季度末增加22.04万股；易方达创业板ETF的加仓力度更大，期末持有739.50万股，较二季度末增加354.39万股。 主动权益产品方面，信澳业绩驱动混合、德邦鑫星价值灵活配置混合三季度分别增持天孚通信45.03万股、36.94万股；摩根士丹利数字经济混合三季度新晋前十大流通股股东。 险资中，中国人寿旗下两个账户同时出现在天孚通信的三季度末前十大流通股股东名单中。其中，中国人寿传统普通保险产品三季度增持13.23万股，期末持股508.01万股；中国人寿个人分红产品新晋前十大流通股股东，持有383.48万股。 第三季度天孚通信的股价波动剧烈。当季公司股价下跌13.7%，区间振幅约为49%，最低触及155.05元，最高一度达到303.5元。若持股不动，以155.05元的季度最低价计算，截至10月29日收盘，浮盈率仅约4.22%，不足5%。但在实际投资中，机构加仓全部买在季度最低点的难度很大，因此三季度逆势加仓的仓位整体难言盈利。

2026-10-29: 最近，月之暗面Kimi K3.1 Pro的发布引起金融圈关注。从公开信息来看，这个参数规模达3万亿级的旗舰模型将金融作为主“战场”，成为全球金融智能体赛道上又一个角逐对象。 AI一天比一天惊人，金融机构同样“你追我赶”。那么，AI对金融体系到底意味着什么？这个问题，技术圈在问，北京金融街和上海外滩的金融机构也在问。 一边是国际大行用AI一年省下数十亿美元、国内大行智能体落地数百个场景；另一边则是全球财经官员警告AI投资热潮风险，银行家们则为“AI出错到底谁担责”争论不休。 这个全球追捧的好帮手，用着用着，可能正在悄悄换掉牌桌——它改变的不是金融的基础功能，而是运行节奏和连接方式。当效率账本和风险账本同时翻开，真正的问题早已不是“用不用AI”，而是规则能不能跟得上。 来自全球金融官员的提醒 “你们现在主要用AI做些什么工作？”在近期召开的2026外滩年会期间，记者常在会场外听到这样的交谈，也偶尔会收到类似的提问。而在会场内，AI是每一场讨论中绕不开的话题，参与讨论的是来自20多个国家的数百位财经政要、学者及商业领袖。这与去年的情景已完全不同。 与去年不同的还有AI的快速迭代，以及背后的投融资热潮。全球资本市场因AI而狂热，又因AI而恐慌，巨大的股价波动成为金融资源与AI深度绑定的真实写照。恰逢全球股债市场动荡，无论是专家、学者还是机构人士，他们对AI泡沫和金融风险的谈论热度并不亚于它带来的好处。 作为中国监管部门前官员，中国人民银行原行长周小川对此有着深入而前瞻的观察。他将AI相关投资分为三类：大模型及用于训练的算力和数据中心，AI应用，半导体、电力、液冷等支撑行业。 他认为，投资AI支撑行业相对安全，因为无论AI如何发展，都需要水和电；生产率提升则可能主要来自应用层。但他也强调：“对于技术演进，我们无疑会面临部分投资失败部分投资成功的局面，但考虑到如今有如此巨额的资金流向人工智能及相关基础设施，一旦其中一部分失败，就可能引发金融动荡，并酿成危机，这就需要采取大规模的行动来支撑经济，并对部分金融机构实施救助。因此，我们应当开展研究并做好预案，在政策工具箱中储备相应的政策工具，以应对这类动荡和影响。” 美国彼得森国际经济研究所（PIIE）非常驻高级研究员、IMF原经济顾问兼研究部主任皮埃尔-奥利维耶·古兰沙（Pierre-Olivier GOURINCHAS）也提醒，金融体系的脆弱性仍在累积，其中一部分与AI建设热潮有关。葡萄牙原财长、布鲁盖尔研究所非常驻研究员维托尔·加斯帕（Vítor GASPAR）也认为，AI带来的大量不确定性使资产估值极其困难，金融市场应预期“一段颠簸的旅程”。 欧洲央行原行长让-克洛德·特里谢（Jean-Claude TRICHET）则提示：“无论公共债务还是私人债务，余额总体上都高于2008年全球金融危机之前的水平，全球经济和金融依然脆弱，此时不能自满。” 在这个全球性话题中，美国是焦点。荷兰央行原行长克拉斯·诺特（Klaas KNOT）提示，AI投资热潮中约三分之一来自债务融资，而表外承诺往往意味着这一比例只是下限；美国消费对财富效应较为敏感，市场调整可能很快产生更广泛的影响。 美国第70任财政部长罗伯特·鲁宾（Robert RUBIN）对风险的判断则有所不同。他认为，美国金融体系目前相当稳健，向AI相关企业提供贷款的主要是资本充足的大型银行，地区性银行并未大规模涉足；在非银行贷款机构提供AI融资的情况中有一些需要处理的问题，个别企业可能经营失败甚至破产，但“爆发金融危机的风险极低”。不过，他也不忘强调，任何与AI相关的事情都伴随着“巨大的不确定性”，其中更令他担忧的是AI自身的安全问题。 另一个不容忽视的更深层次问题是，面对供需失衡、通胀压力等，全球央行也可能在AI热潮中面临更多困境。来自主要经济体的多位央行前官员提示：人工智能与劳动力市场及货币政策的相互作用非常值得关注。 能力的鸿沟 在技术安全与金融风险之外，当前全球热议的话题是：AI能替代什么，又能“留下”什么？各类主体应该如何应对？ 试想一位投行分析师正打算写一份宁德时代的研究报告，智能体通过复盘财报表现、对比分析预期差、梳理未来路径等，报告即可按分析师论证观点的方式一键生成。这样的情景在全球金融圈早已不新鲜。而在银行业，这样的变化更是直接触达广大客户群体的。 从公开报道来看，摩根大通、美国银行、瑞银集团等国际大行在AI应用与效率提升方面的数据是惊人的。国内的趋势同样迅猛——截至上半年末，国有大行AI大模型落地场景已达数百个，日均交互词元（Token）达百亿级；头部券商国泰海通累计发布智能体1300多个、Skills 400多个…… 在新加坡金融管理局副行长兼首席经济师爱德华·罗宾逊‌（Edward ROBINSON）看来：“金融从根本上说是一个信息处理系统。人工智能代表着这道信息处理前沿一次显著的外移。”他援引中国银行业的案例数据和新加坡实践表示，人工智能在改善中小企业贷款效率和违约率方面效果显著，同时能够带来相关机构收入、员工工资提升。 但这些数字的另一面，可能是员工的失业或转岗——在金融场景成为AI应用关键抓手的同时，金融高管和员工都需要为更剧烈的就业冲击做好充分准备。 在北京大学光华管理学院院长田轩看来，离数据越近的岗位越容易被AI替代，离人越近的行业则不容易被AI替代，前者比如交易员，后者则包括尽调、发掘创业者等岗位。 这也将深刻改变人才培养的模式。田轩表示，AI助推实现知识平权，但有几项能力是当前AI还做不了，也是商学院教育的重点：第一是提问的能力；第二是批判、判断、斟酌推敲的能力；第三是共情的能力。据他介绍，北大光华已在通过整合国内各大AI平台并设置光华Token免费发给学生。“但我也会提醒学生使用大模型时要敬畏边界。” 面对每一次技术革命，在看到巨大潜在收益的同时，还需要更多的冷静观察。一方面，金融机构不会一味投入而不考虑产出回报；另一方面，就像上一轮数字化浪潮一样，AI可以扩大金融的包容性、普惠性，但国家之间、机构之间禀赋的差异还将带来新的不均衡。就连工行行长刘珺都说，商业银行尚未完成数字化转型，就已踏上了一段充满未知的新旅程，这对从业者来说是非常艰难的。 “从资金投入看，AI已成为金融机构战略投入的‘主战场’；从技术底座看，AI已升级为金融机构的核心技术能力。”交通银行副行长钱斌表示，当前金融机构在AI的推进过程中，要让其发挥更好的作用，首先要看有没有高质量的数据集和专业知识资产的沉淀，其次看是否具备建立端到端、体系化、工程化的实施能力。 作为技术方案提供方，阿里云智能集团副总裁、新金融行业总经理张翅直言：金融行业场景需要的AI并不是作为一个工具，而是作为一个新的体系，而这个体系的核心是可信数据、可靠执行环境，以及可审计、可追溯的决策环境。 但罗宾逊指出了一个核心挑战：当前AI收益主要集中在大型金融机构，扩散到其余企业“比听上去难得多”，其中的症结是信息不对称——供应商对AI应用效果宣称难以核实、质量无法保证，失败只有投资后才能观察到。他举例说，新加坡金管局与业界推出的Pat Fin项目，正是为了把“发现的私人成本”转化为行业共享资源，让不同规模机构都能利用经过验证的解决方案和同行评议用例。 世界银行常务副行长兼首席行政官张文才则援引最近世界银行集团发布的新一期世界发展报告，指出了不少发展中国家在AI领域的现实困境。报告指出，人工智能有望让发展中国家在10年内完成原本可能需要100年才能实现的增长，但前提条件是这些国家要有足够的电力、互联、规模以及非常好的机构。因此，世界银行提出的方案是：推动小型AI工具在发展中国家使用，而不是用最前沿模型或者建巨型的数据中心。 金融AI治理：关键是谁来担责 如果说技术门槛在各个行业具有普遍性，那么金融的一个特殊性在于它极低的容错率。 AI既能以更低成本扩大金融服务覆盖面，也带来决策黑箱、责任真空与模型同质化等新风险。国泰海通证券首席信息官俞枫表示，AI不会改变金融市场的基本功能，但会改变其运行节奏和传导机制，这可能使得市场运行逻辑从人与人的博弈变成人与机器、机器与机器的博弈。 “作为商业银行从业者，我们只能采用相对成熟、经过验证的技术，因为我们的业务直接涉及广大公众的日常生活。我们参与产业发展，也参与市场中的各种经济活动，因此不能完全依赖尚未成熟的前沿技术。所以，我们首先需要关注的问题，也是必须解决的问题，就是人工智能的身份定位困境，即人工智能究竟是主体，还是客体？人工智能是否应当成为与人类并列的法律主体，还是仅仅作为一种技术工具？”刘珺认为，这一问题还将引出新的问题：AI应用过程中，究竟由谁承担责任？ 香港金融管理局副总裁阮国恒则指出，“情境挑战”是金融领域AI治理的关键挑战：银行并非只把技术视为提高生产力的手段，而是将其上升为董事会层面的战略议题，其实质是围绕技术重构商业模式。 换句话说，AI之于金融机构早已不单单是一项提升生产力的工具，而是变成了一个新的“战场”。俞枫直言，AI可能会改变行业竞争的基础——原来券商建立在牌照、规模、人脉方面的优势，以后可能会被大数据、AI抵消，谁能把自己全链路的业务数据/数据集、专业能力等形成资产，并且把这些资产通过AI能力进行放大、加速并提供差异化、个性化的服务，这可能是未来的趋势。 但这是否也意味着，如果许多机构依赖相似的模型和数据，人工智能会让市场压力更快发生、更加同步？系统性风险会否变得更不可控？ 欧洲50集团主席洛伦佐·比尼·斯马吉（Lorenzo BINI SMAGHI）“一针见血”地指出：目前对人工智能的讨论多停留在局部均衡视角，而缺少一般均衡视角——即将到来的世界不是“人类选择是否信任人工智能”，而是人人拥有智能体且需要获得智能体的信任，智能体之间也要彼此建立信任，金融机构的客户可能更相信自己的智能体而不是银行或监管者。 “目前我们对这样的局面还不具备管控能力。”他进一步表示，对于金融机构及监管者来说，终极难题或是如何调教智能体，以及应该向智能体输入什么信息，让它意识到可能存在尾部风险。在这个过程中，一个关键是如何像人类薪酬机制一样为智能体建立激励机制，这仍是一个待解难题。 刘珺举例说：“在过去，如果你是一名银行从业者，使用某一套计算机系统开展业务，那么相关责任就由你来承担。你不能推卸自己的责任，也不能对公众声称：这套计算机系统不是我开发的，所以我不承担责任。但是，在人工智能的整个开发和应用过程中，涉及许多不同环节，相关责任可能涉及算法开发者、程序员、部署方、使用方，以及最终用户。各方处于不同的环节，那么最终究竟应当由谁承担责任？而人工智能算法在某种程度上又存在黑箱问题，因此，责任的认定与核实，在当前阶段都十分困难。” 在他看来，如果无法解决前面这两个问题，那么AI促进银行业发展也就无从谈起。而他给出的答案大致可以总结为：“谁获益谁担责”。他提出建议和设想：人类是否能够将人工智能视为独立的准法律主体，并将AI金融治理与人类主体的治理以及现有市场参与者的治理体系结合起来，从而建立一套统一的治理机制？ 如果说这些方案仍然任重道远，眼下一个亟须回答的问题是：当一个地区的银行所用外地甚至外国开发的模型出现问题，该怎么办？毫无疑问，协作比以往任何时候都紧迫——监管者与金融机构要协同合作，各国之间更要尽早启动跨境磋商与标准协调。这一点，国际国内的行业人士已有强烈共识。

2026-10-29: ①腾讯发布面向个人用户的跨应用AI协同体系Buddy One； ②腾讯：全球已部署超200万台服务器； ③中国电信星辰AI助手将在三星Bixby中上线； ④迅策科技发布TokenRouters，打造企业AI平台开启AI资源“可交换”时代； ⑤当虹科技签约京东产发生态圈 深度参与RoboBase机器人产业生态建设。

2026-10-29: Grok不是最好的模型，但马斯克并未气馁，他找到了算力基础设施经营这门生意，以拉齐模型竞争的时间差。 为了让GPU集群早一点通电，马斯克开始造燃气轮机叶片。虽然这场跨界的回报，取决于他无法独自决定的另一件事：模型和应用能否为客户创造足够价值，让他们持续支付算力账单，但即便如此，他的算力生意收入已占SpaceX半壁江山。 这是一个抢时间的故事。叶片的交付可能卡住GPU的开机时间，下游生意决定提前开机的这段时间值多少钱。把两者接起来，才看得清这笔投资。 抢来的时间怎样变成收入 10月20日，在SpaceX第三季度财报电话会上，马斯克表示，供应商能交付燃气轮机的其他部件，叶片和导向叶片却可能晚12—18个月。SpaceX正把火箭发动机积累的铸造能力用于这些零件，他预期由此让供电更早上线。 值得一提的是，该次电话会未披露叶片验证与量产交付数据。燃气轮机叶片需要耐高温合金、复杂冷却结构和精密铸造工艺。火箭制造经验可能提供基础，工业燃机的寿命、连续运行和整机适配仍需验证。12—18个月也是供应商所述的部件交付落差，不能理解为项目从立项到投产的总工期。 自制叶片的商业逻辑不难理解。买回来的GPU如果缺电、缺冷却，就无法提供服务。若机房、网络、芯片与客户需求同步到位，提前投运便有机会在设备的有效使用期内多获得一段收入，尽早收回投入。 但提前投运本身不产生订单。只有这段时间获得的增量现金回报足以覆盖自制叶片等额外投入，工程优势才转化为投资优势。设备准时到场、机房顺利通电，都只是这笔账的起点。 马斯克在电话会上表示，内部使用与对外出租大致各半是一个动态目标，并倾向按接近现货价格的短约出租。他还称，当时续约的每瓦价格正在上升。这些表述说明，公司押注的是能迅速兑现的算力短缺；它们并不能保证未来的续约价格。 一位算力创业者向笔者表示，SpaceX已进入AI基础设施的竞争行列。在这样的竞争中，建得快有价值，前提是客户的付费需求跟得上。 “我们正在讨论马斯克的做法，他实则碾压了算力基础设施商，但是我们很明确看到这门生意可以做，而且作为下游来说，token大有利润，例如我们的卖token生意保守预估明年会翻四倍。”上述创业者表示。 效率红利能否覆盖投入 一家已上市大模型公司的创始人对笔者表示，改进算力设计结构，可以让单张芯片产出更多token。他并认为，这提供了一条有价值的路径：降低完成任务的成本，扩大客户能负担的使用范围。但实际利润仍取决于售价、利用率、折旧、电力和服务成本。 即使token降价，只要付费使用量增长更快，收入仍可能增加。可新增调用必须对应有人愿意购买的任务；收入增长也还要扣除相应成本。效率红利还可能被竞争传给客户，而不留在算力出租商手里。 每瓦电力创造的智能价值上涨，不等于每瓦电力的租金必然上涨。 SpaceX的财报给这条商业链条加上了资金约束。第三季度，超级智能（SuperIntelligence，简称SI）分部收入75.60亿美元、营业利润4.31亿美元，资本开支达164.44亿美元。这些投入对应未来产能，不能与当季利润直接相减，却要求未来的付费需求接得上。SI包含模型、应用及基础设施等业务，也不能当作算力出租业务的独立利润表。 “我本来以为SpaceX会成为一家电信集团，我使用了Starlink的手机通讯服务，效果还可以，无人区也可通话。”加州创业者Henry向笔者表示。包括Starlink在内的连接业务，当季营业利润为23.67亿美元，仍是集团当季营业利润的主要来源。 如今，连接业务提供利润，AI业务则要求大量资本先行投入。 前九个月，按经营现金流减资本开支的简化口径估算，集团自由现金流约为负350亿美元。截至9月底约899亿美元的现金和有价证券提供了缓冲，融资也可以补充现金，但这些都不能证明新增AI设施已经获得足够回报。 前述算力创业者认为，既有算力规模有望通过现货出租形成现金收入，继续采购和部署芯片则需要融资支持。短约让SpaceX有机会分享紧缺时的价格上涨，也意味着它要更频繁地面对客户的采购选择。已经付出的建设和采购成本，不会随着出租价格下降而退回来。 因此，检验造叶片这步棋，需要把投运进度与客户证据放在一起：实际利用率和续约价格如何，客户付款是否稳定，已投运项目的现金回报能否覆盖建设成本及必要的维护、更新投入。更低成本、更早投运的设施，可能在竞争中占优；但全行业需求增长，也不保证每一座数据中心都能收回投资。 算力账单最终由谁支付 沿着订单往下追，算力出租商的客户可能是模型公司、云平台或应用开发者，而它们的收入又来自使用AI的企业和个人。 模型公司可以用融资支付一段时间的算力账单，但长期采购能力仍要靠产品收入、服务成本与持续获得资金的能力支撑。 “谁为算力买单，不一定非得是高大上的产业为此买单，所以不要歧视AI短剧，正如打游戏支持了英伟达的GPU生意有利润一样，GPU才有机会存活下来,商业化到AI产业革命，没有伦理之分。”一位AI观察家对笔者表示。 10月26日递交上市申请的Anthropic在招股书中披露，2026年第二季度营业利润为9.74亿美元；截至9月底，过去十二个月收入贡献不少于10万美元的客户已超过1.19万家。 需要继续追问的是：这些企业是否持续使用、是否续购，以及模型公司能否在继续投入研发和算力的同时，留下现金。反过来，模型公司因研发或扩张暂时亏损，也不等于每一项服务都没有价值，更不意味着上游立即失去收入。 风险在于，如果终端价值迟迟无法支持持续付费、融资又收紧，压力就可能通过缩减采购、压价或违约向上传导。数据中心面临的是利用率下降、回收期拉长和减值风险，不能把所有资产一概判为归零。 SpaceX的内部用算力同样绕不开这道题。把GPU交给自己的模型和应用，并不自动带来集团外部现金收入；最终仍需产品变现。内部使用与外部出租，只是走向客户钱包的不同路径。 马斯克试图用制造能力缩短等待叶片的时间，客户是否持续买单，还要看模型和应用带来的实际价值。造出叶片之后，他还要证明：抢来的投运时间，能换回持续的付费需求，并留下足以覆盖投入的现金。 （作者为硅谷远眺 Coremi 创始人，联系邮箱：yuanlu007@pku.org.cn。利益披露：作者公司持有包含 Google、英伟达、台积电在内的科技股 Coremi 指数组合。本文仅代表作者观点。）

2026-10-29: 2026全球数商大会将于10月30日至31日在徐汇西岸国际会展中心（徐汇区龙耀路7号）举办。本届大会以“数智共生 链接世界”为主题，突出国际化、数智化两大特色，通过“会、商、展、用”四大板块，搭建全球数据要素领域高端对话、产业对接、成果展示与大众体验一体化平台，助力数据要素流动、数字国际合作与数智技术创新落地。一起来看↓ 国际协同拓新局，数智融合激活力 本届大会首次由世界数据组织WDO作为指导单位，刚刚设立的WDO航运贸易数字化专业委员会也将在主论坛亮相。 国际化是今年大会的一大特色，如邀请哈萨克斯坦作为特邀国际伙伴，启动中哈数字经济产业机构合作；邀请联合国有关机构代表参会，共同探讨AI赋能数字政府相关议题。同时，今年大会强化部市协同，中国气象局将发布地球系统数据国际交换上海节点等重磅成果，持续拓展跨境数据合作网络。 本届大会聚焦数据赋能人工智能、区块链创新应用，现场将发布多个行业高质量数据集，推动数据集开源社区共建；集中呈现数据支撑OPC生态建设成果，依托专题展区与OPC路演，展示社区与企业协同创新实践；发布数・智・链融合系列成果，展现数据、模型迭代、智能体应用与链上应用深度融合的前沿探索。 “会、商、展、用”一体化，打造多元活动矩阵 本届大会整体活动体系丰富多元。开幕式及主论坛定于10月30日（周五）举办；10月30日至31日，围绕“数链全球”“数智共生”“数聚生态”“数启价值”“数基融通”等主题，集中举办主题论坛、分论坛、分会场、闭门会议等30余场活动，多层次开展深度研讨。 在商业转化方面，大会围绕产品推广、场景对接、创业服务和人才供需，设置组团巡馆、企业路演、OPC交流等系列活动，打通技术成果从研讨走向产业落地的转化通道。 展览展示板块，在五大板块配套展区基础上，同步开设上海数据领域成果展示、OPC森林社区等特色专题展，集中呈现数据要素赋能千行百业的创新案例，直观展现上海数字经济高质量发展态势与数字新业态蓬勃活力。OPC这一新业态是首次在数商大会的展览中亮相，本次集合了9大OPC社区，社区主理人和个体创业者将进行对谈、路演、课程学习等活动，整体展示上海OPC发展态势。 大会兼顾专业交流与大众科普，打造丰富的应用体验场景，将举办数智嘉年华、数青公开课等特色活动，通过嘉年华集市、沉浸式互动体验，直观展示各类数智产品与落地场景；开设数据安全主题课程，面向青少年开展AI科技体验活动，让青少年群体近距离感受前沿数字技术魅力，厚植数字创新土壤。

2026-10-28: 10月28日晚间，宇树科技发布2026年第三季度报告。财报显示，宇树科技第三季度营业收入6.65亿元，同比增长69.93%；归母净利润1.13亿元，同比下降17.37%。 其中，前三季度营业收入18.17亿元，同比增长55.71%；归母净利润3.87亿元，同比增长270.54%。对此，宇树科技在报告中表示，主要系公司年初至报告期末收入增长带动毛利额增长，以及上年一次性确认较大金额股份支付费用所致。 据宇树科技此前披露的招股书，今年上半年该公司归母净利润为2.74亿元，第一季度归母净利润约为5000万左右。计算下来，该公司第二季度归母净利润2.24亿元，第三季度净利润环比下降49.55%。 从成本上来看，宇树科技今年第三季度的研发费用有了明显的增长。今年第三季度，该公司研发投入达1.27亿元，同比增长249.58%，占营业收入比重为19.10%。另外，前三季度研发投入达2.63亿元，同比增长191.48%，占营业收入比重为14.47%。 宇树科技解释称，这一增长主要是由于公司持续加大具身智能领域研发投入，尤其是具身大模型相关模型研发与算力投入大幅增长，以及扩充研发团队、持续开展新产品研发所致。 此前，宇树科技也透露了对模型研发的投入信号。在IPO募集资金中，智能机器人模型研发项目投资规模为20.22亿元，占据总额近半。 近期，宇树科技创始人王兴兴也在多个公开场合提及“拥抱AI”。今年8月，王兴兴曾表示，对AI模型的投入是公司目前资金和人力投入最大的一个方向。在近日的2026物理AI大会上，他还介绍称，公司正在开发自己的模型，并与国内外的大模型公司开展合作，共同推动物理AI更快跨过临界点。此外，公司已经在内部预研推进物理AI机器人的自进化。 宇树科技的销售费用也有所增长。前三季度，该公司销售费用为2.30亿元，去年同期为7600.85万元。 此前，宇树科技在招股书中提到，公司营业收入的持续增长由行业发展阶段与竞争状况、下游应用进展与市场需求、公司产品竞争力及品牌地位等诸多因素所决定，盈利状况亦会受到单价成本变化、期间费用变动等经营情况所影响。其中，“市场竞争日趋激烈”被多次提到。 值得注意的是，在人形机器人产品方面，头部企业出货量排名已经发生变动。IDC、SAG两家机构报告均显示，今年上半年智元人形机器人出货量超过宇树科技。此外，随着产业链不断发展，部分机型整机价格也在下降。而在四足机器人领域，除了云深处，宇树还要面对不少新玩家的竞争。 具身“大脑”以及落地应用已经被视为行业竞争的关键焦点。 王兴兴此前讲述称，目前人形机器人的应用正处于探索起步阶段，主要在一些对自动化、智能化有需求的企业中试点应用。相较工业机器人和移动机器人，人形机器人在某些特定场景下具有更好的适应性和灵活性，其大规模应用仍受到成本、技术和市场接受度等因素的限制。

2026-10-28: 国务院政府工作报告连续三年提出实施“人工智能+”行动。地方推进人工智能行业发展的行动计划正如火如荼地展开。作为国家战略腹地，四川采用积极政策推进，产业以超20%速度增长，成为西部地区的人工智能高地。 10月27~28日，以“数字川渝 智投未来”为主题的第六届数字经济投融资机构川渝行在成都举行。本届活动首次聚焦人工智能赛道，覆盖数字员工、端侧大模型及通信传媒、互联网服务、网络安全、医疗健康、就业服务、影视制作、IP潮玩等多个垂直领域。 活动现场发布的《川渝人工智能高成长企业（准独角兽）观察报告（2026）》（下称“报告”）显示，川渝地区凭借雄厚的电子信息产业基础、充裕的算力供给与丰富的垂直场景，正加速形成“双核引领、优势互补”的区域协同格局，成为西部承接AI产业转移、增强创新策源的主要承载地。 “一号工程” 其实，四川很早就开始行动。2024年政府工作报告首次写入“人工智能+”，提出深化大数据、人工智能等研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群。四川省当年就把人工智能列为全省1号创新工程，提出要“超常规最大力度精准支持”。 今年5月，《四川省加快推进“人工智能+”一号创新工程实施方案》提出，到2027年，实现人工智能与重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超70%，形成2~3个具有全国竞争力的细分赛道产业集群；到2030年，争创1~2个国家级新兴产业集群、建设200家智能制造先进工厂，集聚人工智能企业2500家以上、产业规模突破4000亿元，加快建成具有全国影响力的人工智能创新策源地和应用先导区。 四川省委宣传部副部长、省委网信办主任陈岚表示，2025年四川全省人工智能产业实现营收1919.7亿元，增长22.9%，今年前三季度实现营收增长21%，人工智能相关企业超过1700家，11家企业入选2026福布斯中国人工智能科技企业榜单，四川正成为西部地区人工智能发展的重要支撑。 中国电子信息产业发展研究院副总工程师、赛迪人工智能研究中心执行副主任刘权认为，川渝地区具有三大优势：一是算力底座扎实，成渝是国家八大算力枢纽之一，布局天府、重庆两大数据中心集群；二是产业场景丰富，制造业、文旅、现代农业体量较大，应用市场广阔；三是区位与人力优势突出，人口基数大，科教资源充足，成渝双城经济圈联动，辐射西部广阔市场。 赛迪顾问独角兽企业研究中心副总经理宋爽也在发布报告时表示，川渝地区凭借雄厚的电子信息产业基础、充裕的算力供给与丰富的垂直场景，正加速形成“双核引领、优势互补”的区域协同格局，成为西部承接AI产业转移、增强创新策源的主要承载地。 她说，“人工智能行业发展势头已经不是过去拼谁的芯片算得快，谁的模型参数跑得好，现在已经从单向冠军转到全局冠军的时代，比拼算力、算法、场景、要素，川渝有三个优势，电子信息基础非常雄厚，有丰富的算力供给，还有垂直的应用场景。” 宋爽表示，川渝地区拥有人工智能优质企业2545家，其中，四川1982家，具有绝对的优势，呈现应用端优势明显、基础段快速增长、全链条协同。另外，其中AI应用行业959家，占比37.7%，反映出川渝在医疗、交通、政务垂直领域拥有丰富的场景资源与落地转化能力。 报告识别出川渝地区4家独角兽与10家准独角兽。前者估值均突破10亿美元门槛，后者估值在10亿~72亿元，构成了西部最具跃升潜力的硬科技梯队。 宋爽认为，川渝AI企业集中于底层算力、具身智能与垂直应用三大细分板块。依托万亿级制造腹地与丰富城市场景，川渝企业正通过“垂直纵深+场景闭环”的差异化路线，在AI+制造领域构建行业护城河。 差异化路径 不过，当前人工智能产业资源主要聚集在东部地区，川渝地区在发展上存在一定差距，即使在川渝地区内部也仍然存在一些制约因素。 宋爽表示，川渝的AI政策步调是一致的，国家支持两地算力共享和数据互通，企业跨城经营有一定的保障，但现在还是有一些堵点，比如两地的申报标准、奖补口径、人才认定并不完全统一，现在企业跨域经营的合规和经营成本显著比较高。数据跨区域流通方面，合规流通和算力调度的机制尚不完全，所以说协同效应很难规模化释放。上下游配套方面，上圈和下圈明显没有办法成链，中小企业的智能化成本居高不下。 她建议，从政府来说，要破除壁垒与普惠赋能，政府应该推动两地的政策同频共振，促进申报和奖补标准衔接互认，要共建算力枢纽，以“算力券”等政策工具惠及中小企业，降低用算门槛。而企业应以场景闭环来打造核心优势，重视营收质量和合规经营，主动对接资本市场，规划准独角兽到独角兽的跃迁路径。 在27日晚的“数字经济·川渝协同”夜话活动中，来自川渝各地党政部门代表、投融资机构、网信企业、行业协会及媒体代表等140余人齐聚一堂。与会人员围绕全球视野下的川渝韧性、政策同频与区域机遇、要素流动与机制创新、川渝赛道投融资筛选逻辑、未来展望与务实建议五个议题展开对话。 各领域代表就国际变化对川渝数字经济的影响、算力网络共建等政策机遇、跨区域数据要素流通难等共性痛点，以及投融资机构在川渝的赛道偏好等话题进行交流，并提出完善协同机制、优化政策环境、共建应用场景等建议，为川渝数字经济协同发展提供思路参考。 川渝地区实现差异化发展，刘权建议，川渝地区应该走场景驱动算力路线，区别于贵安、庆阳主打超大训练算力，成渝重点做强工业、汽车、文旅、乡村振兴推理算力与行业垂类模型，把算力嵌进本地产业链。同时，发挥双城+向西开放特色，依托成渝双城经济圈，面向西部、面向“一带一路”做跨境数据服务与数字出海，打造西部数字要素流通枢纽。另外，打造绿电+算力协同样板，用好川西水电优势，形成稳定低成本绿色算力标签，和东部高电价算力基地形成错位竞争。

2026-10-28: ①谷歌推出大模型Genie 4； ②15万名群演肖像声音喂给大模型？豆包辟谣； ③宇树将与红杉中国成立“杉宇·创计划”； ④智元升级Genie Sim仿真平台，攻克柔性仿真行业难题； ⑤豪威集团：发布OG05D传感器，赋能工业机器与机器人视觉； ⑥大众中国发布本土自研VEGA技术矩阵，开启技术出海； ⑦山东山大华天软件与阿里云达成合作。

2026-10-28: 【品大事】 一博科技：子公司拟签署10亿元AI算力高端PCB制造项目投资协议 一博科技公告称，公司全资子公司珠海一博电子拟与珠海经济技术开发区管理委员会签订AI算力高端PCB制造项目投资协议，计划投资总额约10亿元，其中固定资产投资约6亿元。项目主要生产ATE、AI算力、光模块、服务器、工控、通信、汽车、医疗设备等领域高端PCB，设计产能为8万平方米/月，全面达产后年产能约为100万平方米。 奥士康：拟投资60亿元建设智算与高速互联PCB产业基地项目 奥士康公告称，公司与海门经济技术开发区管理委员会签署《产业项目发展协议》，投资建设“奥士康南通智算与高速互联PCB产业基地项目”，总规划投资预计60亿元，分三期投入，其中一期投资约25亿元。一期规划建设4-5个工厂，主要生产高阶、高多层、高频高速等PCB产品，应用于人工智能、智能汽车、高端通讯等领域。项目用地约907亩，一期用地约408亩。二期、三期是否启动由公司根据一期经营情况等自主决定。本次投资尚需提交股东会审议。 恒瑞医药：子公司获HRS-8046片临床试验批准 恒瑞医药公告称，公司子公司成都盛迪医药、上海恒瑞医药收到国家药监局核准签发的HRS-8046片《药物临床试验批准通知书》，同意该药单药在携带KRASG12D突变的实体瘤中开展临床试验。该药为公司自主研发的创新型抗肿瘤药物，目前国内外尚无同类药物上市，相关项目累计研发投入约1540万元。 老板电器：拟以1亿元自有资金投资优特智厨 老板电器公告称，公司于2026年10月27日召开董事会，审议通过以自有资金1亿元投资珠海优特智厨科技有限公司，投资完成后持有8.3333%股权。同日，公司与优特智厨及相关方签署投资协议。 神州数码：子公司签署8.7亿元算力项目采购合同 神州数码公告称，公司下属控股子公司北京神州鲲泰信息技术有限公司与某信息科技有限公司签订《采购合同》，就950DT算力项目销售神州鲲泰服务器及配套产品与服务，合同含税总金额为8.7亿元。合同预计将对公司未来自有品牌算力基础设施产品业务和整体经营业绩产生积极影响。 国联股份：控股子公司拟合计15.13亿元采购服务器 国联股份公告称，公司控股子公司北京联超智算科技、北京新能多多数字科技拟分别向A、B公司购买服务器，合同总金额分别为12.8亿元和2.33亿元，合计15.13亿元，主要用于公司战略布局。本次交易不构成关联交易及重大资产重组，已获董事会审议通过，无需提交股东会审议。公司提示，本次采购存在设备分批交付延期、产品性能不达标等风险，战略布局尚处早期阶段，推进落地依赖专业人才团队建设，存在不确定性。 湖北广电：终止与华鑫信共同投资建设光谷智算中心 湖北广电公告称，公司召开第十一届董事会第五次会议，审议通过《关于公司终止与华鑫信共同投资建设光谷智算中心的议案》。董事会同意终止与华鑫信共同投资建设光谷智算中心项目。 【观业绩】 复旦微电：前三季度归母净利润10.6亿元，同比增长221.08% 复旦微电披露2026年三季报，公司第三季度营业收入13.38亿元，同比增长12.90%；归属于上市公司股东的净利润2.11亿元，同比增长54.63%。前三季度营业收入35.64亿元，同比增长17.84%；归属于上市公司股东的净利润10.60亿元，同比增长221.08%。 恒力石化：前三季度净利润102.56亿元，同比增长104.2% 恒力石化披露2026年三季报，公司第三季度营业收入528.53亿元，同比下降1.20%；归属于上市公司股东的净利润30.50亿元，同比增长54.64%。2026年前三季度营业收入1510.75亿元，同比下降4.01%；归属于上市公司股东的净利润102.56亿元，同比增长104.20%。 昊华能源：前三季度净利润12.17亿元，同比增长119.65% 昊华能源披露2026年三季报，公司第三季度营业收入23.57亿元，同比增长23.30%；归属于上市公司股东的净利润4.72亿元，同比增长346.12%。前三季度营业收入71.68亿元，同比增长13.65%；归属于上市公司股东的净利润12.17亿元，同比增长119.65%。 同兴科技：前三季度净利润同比下滑81.59% 同兴科技披露2026年三季报，公司前三季度实现营业收入3.21亿元，同比下滑42.89%；归母净利润1141.02万元，同比下滑81.59%。第三季度营收为9146.23万元，同比下降41.75%；归母净利润亏损676.75万元，同比由盈转亏。 英集芯：前三季度净利润2.02亿元，同比增长76.38% 英集芯披露2026年三季报，公司第三季度营业收入5.30亿元，同比增长13.55%；归属于上市公司股东的净利润9803.16万元，同比增长56.76%。前三季度营业收入13.39亿元，同比增长14.56%；归属于上市公司股东的净利润2.02亿元，同比增长76.38%。 天孚通信：前三季度净利润20.83亿元，同比增长42.18% 天孚通信披露2026年三季报，公司第三季度营业收入19.23亿元，同比增长31.50%（调整后）；归母净利润8.79亿元，同比增长55.30%（调整后）。前三季度营业收入47.51亿元，同比增长21.25%（调整后）；归母净利润20.83亿元，同比增长42.18%（调整后）。前三季度营收增长主要得益于全球人工智能行业加速发展与全球数据中心建设，带动了高速光器件产品需求的持续稳定增长。 华特气体：前三季度净利润1.67亿元，同比增长40.58% 华特气体披露2026年三季报，公司第三季度营业收入5.04亿元，同比增长36.98%；归母净利润7442.18万元，同比增长81.20%。前三季度营业收入13.76亿元，同比增长31.78%；归母净利润1.67亿元，同比增长40.58%。 芯碁微装：第三季度净利润1.8亿元，同比增长216.66% 芯碁微装公告，2026年第三季度营业收入为6.76亿元，同比增长142.13%；归属于上市公司股东的净利润为1.80亿元，同比增长216.66%。前三季度营业收入为17.81亿元，同比增长90.84%；归属于上市公司股东的净利润为4.61亿元，同比增长131.98%。 兴森科技：前三季度净利润4.39亿元，同比增长233.7% 兴森科技披露2026年三季报，公司第三季度营业收入27.32亿元，同比增长40.32%；归母净利润3.28亿元，同比增长219.77%。2026年前三季度营业收入67.7亿元，同比增长26%；归母净利润4.39亿元，同比增长233.7%。 智微智能：前三季度净利润6.77亿元，同比增长417.25% 智微智能披露2026年三季报，公司第三季度营业收入18.04亿元，同比增长75.80%；归母净利润2.89亿元，同比增长888.05%。前三季度营业收入48.53亿元，同比增长63.25%；归母净利润6.77亿元，同比增长417.25%。 嘉元科技：前三季度净利润5.62亿元，同比增长1275.21% 嘉元科技披露2026年三季报，公司第三季度营业收入51.31亿元，同比增长99.08%；归属于上市公司股东的净利润1.80亿元，同比增长4264.17%。2026年前三季度营业收入126.43亿元，同比增长93.32%；归属于上市公司股东的净利润5.62亿元，同比增长1275.21%。报告期内公司铜箔产品销售量增加以及公司毛利率上升。 金域医学：第三季度净利润1.83亿元，同比增长3427.94% 金域医学披露2026年三季报，公司第三季度营业收入15.18亿元，同比下降1.48%；归母净利润1.83亿元，同比增长3427.94%。前三季度营业收入44.03亿元，同比下降2.99%；归母净利润3.74亿元，同比扭亏。公司业绩提升主要系加强成本管控和回款管理，毛利率提升及信用减值损失减少。 湖南裕能：前三季度净利润42.59亿元，同比增长560.12% 湖南裕能披露2026年三季报，公司第三季度营业收入226.31亿元，同比增长155.19%；归母净利润13.49亿元，同比增长296.79%。2026年前三季度营业收入575.08亿元，同比增长147.60%；归母净利润42.59亿元，同比增长560.12%。 亨通光电：前三季度净利润61.63亿元，同比增长159.42% 亨通光电披露2026年三季报，公司第三季度营业收入223.41亿元，同比增长27.14%；归母净利润30.44亿元，同比增长299.10%。前三季度营业收入643.67亿元，同比增长29.72%；归母净利润61.63亿元，同比增长159.42%；基本每股收益2.54元。报告期内光通信市场需求增长、价格上涨，公司光通信业务大幅增长。 青岛啤酒：前三季度净利润50.55亿元，同比下降4.16% 青岛啤酒披露2026年三季报，公司第三季度营业收入83.80亿元，同比下降5.58%；归属于上市公司股东的净利润11.35亿元，同比下降17.15%。前三季度营业收入280.35亿元，同比下降4.53%；归属于上市公司股东的净利润50.55亿元，同比下降4.16%。 宇树科技：第三季度净利润1.13亿元，同比下降17% 宇树科技公告称，第三季度营业收入为6.65亿元，同比增长69.93%；归属于上市公司股东的净利润为1.13亿元，同比下降17.37%。前三季度营业收入为18.17亿元，同比增长55.71%；归属于上市公司股东的净利润为3.87亿元，同比增长270.54%。公司持续推进产品创新与业务拓展，不断丰富产品矩阵，更好地满足客户需求，带动收入增长。 海螺水泥：前三季度净利润27.43亿元，同比下降56.89% 海螺水泥披露2026年三季报，公司第三季度营业收入192.96亿元，同比下降3.83%（调整后）；归属于上市公司股东的净利润2.16亿元，同比下降88.92%（调整后）。前三季度营业收入562.22亿元，同比下降8.58%（调整后）；归属于上市公司股东的净利润27.43亿元，同比下降56.89%（调整后）。业绩变动主要系本集团水泥、熟料的销价、销量下降以及成本上升影响。 国轩高科：前三季度净利润8.49亿元，同比下降66.48% 国轩高科披露2026年三季报，公司第三季度营业收入176.62亿元，同比增长74.62%；归母净利润亏损5.37亿元，同比转亏。前三季度营业收入454.37亿元，同比增长53.98%；归母净利润8.49亿元，同比下降66.48%。 【做回购】 京泉华：拟3000万元—6000万元回购公司股份 京泉华公告，拟3000万元—6000万元回购公司股份，用于股权激励或员工持股计划，回购股份价格不超过30元/股。 中简科技：拟3000万元—6000万元回购公司股份 中简科技公告，拟3000万元—6000万元回购公司股份，用于股权激励或员工持股计划，回购股份价格不超过30元/股。 广合科技：拟1亿元—2亿元回购公司股份 广合科技公告，拟1亿元—2亿元回购公司股份，用于股权激励或员工持股计划，回购股份价格不超过237元/股。 凯格精机：拟1500万元—3000万元回购公司股份 凯格精机公告，拟1500万元—3000万元回购公司股份，用于股权激励或员工持股计划，回购股份价格不超过137元/股。 【签大单】 兆丰股份：控股子公司中标3亿元机器人创新服务平台项目 兆丰股份公告称，公司控股子公司兆聚智能收到中标通知书，确定为“机器人创新服务平台项目”中标单位，中标价2.9992亿元。该项目若顺利实施，将有助于完善公司在具身智能产业布局，提升核心竞争力。截至公告披露日，兆聚智能尚未签署正式合同，存在不确定性。 【推荐订阅】《公告臻选》 周日～周四每晚22:00左右更新。深度解读，聚焦关键；分类汇总，一目了然。10分钟内，用专业帮你节省时间，提升决策胜率！ 【扫描二维码，专属客服，专业解答】 【点击上方图片，一键直达】

2026-10-28: OPC:One Person Company，一人公司，是 AI 赋能下的超级个体创业新模式，以轻量化主体、智能化工具，实现高效创新与商业落地。 10月30日至31日，2026全球数商大会将在徐汇西岸国际会展中心举办。一楼展区专门辟出的“OPC森林社区”有九家OPC社区入驻，集中呈现社区服务、企业产品、实战课程和直播访谈。创业者、企业和观众可以在这里了解产品、体验工具、交流合作需求。 9家社区集中展示 当人工智能成为可以并肩协作的生产力，创业者正借助AI“数字员工”处理标准化任务，将更多精力投入创意、产品与客户服务。上海的OPC社区正将办公空间与创业服务、产业资源和场景对接相结合，此次亮相的“OPC森林社区”集合了9大社区的服务特色与实践，整体展示上海OPC发展态势、社区分布并轮播创业案例。 欢迎观众到现场与各运营团队交流创业服务、应用场景和合作需求。 智能体走进真实业务 “OPC森林社区”将呈现制造业智能报价、仓储管理与AI-WMS、安商稳商智能体、AI共享市场部等应用。比如漕河泾超级创业者社区的上海象外声科技有限公司将展示视频专家数据，上海月阶科技有限公司将介绍多模态训练数据，让观众结合具体业务了解数据服务与AI应用。 OPC开放办公空间还设置共享办公桌，组织内容生成、知识库、智能体等工具实操，比如张江社区推荐的Sonicite Flux便携式模块化AI DJ设备功能原型，观众可以现场体验AI选曲、混音等声音智能应用。 人机互动走近OPC 在“OPC森林社区”里有一面“我和我的故事墙”，将通过长屏轮播与书页式图文，呈现创业者和团队的成长经历、作品与项目。“能力泡泡墙”将展示企业及能力信息，观众可扫描屏幕二维码提交供需信息，并由专人衔接后续交流。 OPC共创会客厅设置了自由交流、主题对接、饮品体验、机器人合影和产品演示，让观众近距离了解产品与应用方式。 直播间计划开展创业者本人、经本人授权的AI分身和真实客户“一人三席”访谈，围绕创业过程、产品使用与客户反馈展开交流，还有真人与AI回答辨识等互动环节。 OPC Open Mic开放麦交流与实战课程 看过产品、试过工具，观众还可到“OPC Open Mic”开放麦参加圆桌交流、专题授课和社区课程。活动将安排在10月30日下午及10月31日，围绕企业需求、创业实践和AI应用展开。 10月30日下午活动安排 10月31日课程安排

2026-10-28: AI交易，在全球范围内继续失速。 高盛追踪的一项除人工智能（AI）外的股票指数上周上涨12.4%，跑赢标普500指数同期整体12%的涨幅。标普500指数许多非AI板块本月上涨，而标普科技指数本月至今却下跌7%。值得注意的是，奥本海默和伯克希尔·哈撒韦等大型投资机构的投资组合均已转向非科技板块。 非AI赋能指数跑赢大盘 数据显示，截至10月22日，追踪标普500指数（不包括被归类为“AI赋能”的股票）的专有高盛指数上涨了12.4%，高于标准普尔500的12%涨幅。高盛今年稍早与标准普尔共同推出了这一指标，将AI赋能的公司股票排除在外。 科技和AI相关公司约占标准普尔500指数的45%。这种高比重权重多年来一直为该指数提供动力，但最近却变成了一种负担。标普500指数科技板块本月下跌约7%，而其他板块则保持上涨。 投资者对CoreWeave和甲骨文等公司发行的债务和股权感到担忧。Meta Platforms上周四跌幅达7%，跌至648.85美元，上周五继续下跌，较财报前收盘累计下跌近8%。而仅一个月前，它离2025年8月创下的796美元历史最高价还只差几美元。此次下跌主要因为稍早该公司公布了更多计划，将在资本支出上投入巨资并增发股票。市场担心其在AI领域的投入持续攀升会引发泡沫。 为AI数据中心扩建提供电力和设备的公司也受到了沉重打击。通用电气Vernova、Bloom Energy、瑞致达（Vistra）和广达服务（Quanta Services）等相关公司在最近的抛售中也都大幅下跌。 本周稍晚，美联储即将公布利率决议，也将影响市场情绪和AI股走势。瑞士百达财富管理高级经济师崔晓对第一财经记者表示，预计联邦公开市场委员会（FOMC）本周将维持利率在3.75%~4.00%不变，整体释放的政策信号将与12月再次加息的市场普遍预期保持一致。在此后的新闻发布会上，美联储主席沃什预计将避免直接评论与AI相关的市场波动，但会重申此前的观点，即AI短期内正在提振需求，并将在中期扩大供给。 AI不仅推动着股票市场，对信用市场的重要性也日益提升。威灵顿投资管理固定收益基金经理艾瑞（Alyssa Irving）对第一财经记者表示，AI所需的大规模基础设施支出可能仍处于早期阶段，但其对信用市场的影响已经日益清晰：资本密集度提高、信用供给增加，以及行业和发行人之间的分化加剧。 对于投资者而言，她称，挑战在于区分哪些企业能够将AI相关投资转化为可持续回报，哪些企业则无法做到这一点。随着AI投资日益成为影响市场表现的重要驱动因素，对资本配置、融资和执行风险进行审慎分析可能至关重要。 尽管AI基础设施支出总体上对信用需求构成支撑，但其对不同领域的投资影响存在显著差异：投资级信用投资者关注增长与资本密集度上升之间的平衡；高收益信用投资者看到受益于AI的发行人与受到AI冲击的发行人之间的分化日益加剧；证券化信用投资者则重点关注交易结构和偿付假设。 “因此，信用市场的投资机会正变得更加分化，主要是市场分化，而非风险普遍上升。”她称，“与AI基础设施建设直接相关的企业，例如超大规模云服务商、半导体企业和基础设施提供商，整体上正受益于更强劲的增长，部分企业的基本面也有所改善。然而，对于那些仅仅为了保持竞争力而进行大规模投资的企业而言，情况则更为复杂。如果投资变现路径存在不确定性，高额资本开支可能对现金流和杠杆指标造成压力。这种差异可能进一步加剧投资级信用市场内部的分化，也进一步凸显发行人层面分析和审慎资本配置的重要性。” 转投非科技板块 今年大部分时间，追踪标普500指数（不包括被归类为“AI赋能”的股票）的专有高盛指数均落后于标普500指数，因为投资者长期青睐芯片制造商、云计算公司和其他受益于大量AI支出的公司。然而，这一优势这个月以来持续缩小，上周则彻底消失了。 同时，投资者正转向防御领域。本月，道富消费品精选行业SPDR ETF、道富健康精选SPDR ETF和道富公用事业精选行业SPDR ETF等ETF上涨了7%~10%。能源板块也整体上涨10%。 许多分析师建议转投非AI公司以求投资多元化，保护投资者免受科技股下跌的更多痛苦。奥本海默的技术分析师沃尔德（Ari Wald）在10月24日的一份报告中写道，“过去两周，AI投资的钟摆已经向非AI股敞口倾斜。”奥本海默当前青睐的两个行业是商业服务和保险。上周，该机构将这些行业评级上调至增持，推荐了Republic Services、Cintas、Verisk Analytics、Broadridge Financial Solutions、大都会人寿和Arthur J.Gallagher等多只行业个股。 伯克希尔·哈撒韦也在转向非科技板块，其B类股本月已上涨了8%。伯克希尔目前持有众多运营公司，包括保险巨头Geico和伯灵顿北方圣太菲铁路运输公司（BNSF Railway）。它还持有3640亿美元的股票投资组合，包括苹果、可口可乐、Alphabet和美国银行等。如果科技股拖累标普500指数，这种多元化分散投资组合会帮助伯克希尔继续跑赢大盘。 机构Trivector Research看到了“非科技综合公司”的潜力。医疗保健巨头礼来公司就是它比较看好的投资标的。由于礼来减肥药的强劲表现，该股上涨了22%。该公司正在研发更多药物，包括计划于2027年初提交美国食品药品监督管理局批准的下一代减肥药物。 邮轮运营商维京控股也被越来越多机构看好。该公司在8月电话财报会议上表示，2027年预订量在上升，“最近的事件中，我们的客户表现出了韧性。”维京股价今年上涨了15%，可能仍有上涨空间。华尔街的平均目标是109美元，高于最近82美元左右的价格。巴克莱银行最近将其评级上调至增持，目标价为102美元。

2026-10-28: 近日，物理AI题材在A股的热度走高，多只相关概念股迎来涨停。之后，部分公司相继发布交易异常波动公告，有公司提醒称“存在市场情绪过热及非理性炒作情形，可能存在非理性交易行为，交易风险较高”。 经历10月27日短暂回调后，10月28日物理AI题材热度再次升温，与之相关的人形机器人概念股指数盘中涨超5%。 香颂资本执行董事沈萌向记者分析称，本次行情属于受到个别产业事件而非价值基础带动的波动，投资者情绪是主要驱动力。他认为，目前物理AI仍处于学术探索和研发阶段，商业化场景缺乏足够的尝试。 物理AI题材升温，人形机器人概念股反弹 中国信通院发布的《具身智能发展报告（2026年）》提到，物理AI以突破传统模型“只会表征、缺少物理约束”的局限为目标，指的是通过把物理规律嵌入感知、推理、生成和行动全过程，使人工智能具备更强的真实性、可靠性和可部署性。 近两年，物理AI也成为了行业关注的焦点。在10月21日GTC演讲中，和此前对外表达的观点相似，英伟达CEO黄仁勋再次提到“物理智能是AI的下一波浪潮”，并称出货量最大的物理AI应用是自动驾驶。 在通用性和终极形态上，机器人则被多位行业人士认为是物理AI的核心载体。 就在黄仁勋演讲次日（10月22日），宇树科技创始人王兴兴在一场大会上表示，大模型不断迭代下，物理AI或将迎来更多进展，快的话可能一到两年，慢的话可能两到三年。 在两场大会前后，物理AI这波行情已经开始发酵升温。 沈萌还补充称，之前AMD高价收购李飞飞的世界模型公司同样起到了催化剂的作用。此外，一些地方政府还印发了政策支持物理AI及相关产业发展。 记者注意到，相关概念股多日势头强劲，其中数据采集、仿真平台等受到较多关注。10月19日至10月28日，凡拓数创收获三个涨停板，并于10月26日创下股价新高70.78元/股；截至10月26日六个交易日累计涨幅翻倍。世纪恒通此前收获一个涨停板，10月26日涨幅再达17.74%。奥比中光股价走高，七个交易日累计涨幅近50%。 值得注意的是，人形机器人板块也受到一定提振，10月19日至今指数区间涨幅超8%。细分概念下，滚柱丝杠、减速器轴承、电子皮肤等相关公司被看好。大业股份、福莱新材等多股连续几日上涨，福莱新材更是走出五个涨停板。宇树科技股价也呈修复反弹，市值重新站上2500亿元。上纬新材也在10月26日录得涨停，10月28日盘中触及涨停。 在此之前，人形机器人板块自9月下旬后指数整体下行。个股方面，宇树科技自上市后股价一度承压，并在10月15日创下阶段最低股价、接近400元/股。 短期行情中的资金进退 Choice数据显示，在本次短期行情中，部分相关概念股还登上龙虎榜。 比如凡拓数创多日交易表现活跃。具体来看，龙虎榜数据显示，在行情发生初期10月20日，该股票合计净买入资金超7500万元。买方席位前5中，机构专用占据四席。与之相对的，卖方席位前5中，国新证券北京分公司、联储证券杭州环城北路占据两席。 之后几个交易日，资金分歧显现。10月21日-23日，卖出资金居多，合计净买入分别为-1082万元、-2254万元、-1506万元。尤其是在10月23日，两家机构专用席自身的卖出额均高于买入额，其选择在涨停日兑现。游资席位开始成为买方的重要力量，如东莞证券南京分公司、中信建投福州东街接替机构成为当日的买方。到了26日，买方席位前5中已没有机构专用席位，机构还在当天卖出超亿元；进入27日，买卖趋于均衡。 整体来看，机构是该公司行情早期的发动者，随后游资参与其中。 值得注意的是，今年6月份物理AI概念股也曾经历一波上涨的行情。当时，天娱数科收获多个涨停，而后发布公告澄清称没有物理AI业务。据媒体报道，那个时候也有游资、机构参与其中。 而对于本次行情，多家上市公司随后也发布公告提示相关风险“泼冷水”。 10月23日，凡拓数创表示，公司股票交易严重异常波动，短期涨幅较大，换手率较高，存在市场情绪过热及非理性炒作情形。据了解，该公司的主营业务是3D可视化产品及服务、数字一体化综合服务、AI3D数字孪生产品及解决方案等。最新财报显示，今年前三季度凡拓数创仍处于亏损状态，归母净亏损达1.23亿元。 大业股份更是多次发布公告澄清业务情况。“公司现有主营业务仍以胎圈钢丝、钢帘线以及胶管钢丝的研发、生产和销售为主，公司机器人腱绳产品目前尚处于研发送样阶段，尚未实现量产，未产生实质性收益。”该公司表示。 沈萌提醒称，目前物理AI的相关行情仍由情绪驱动。物理AI的特征以及如何转化为实际生产力等关键问题，在行业内都没有取得共识，商业变现更是存在难度。 宇树科技也在公告中表示，人形机器人行业尚处于商业化早期，技术成熟度、下游市场需求培育、 产业链配套能力均存在不确定性。物理AI技术从实验室演示走向真实场景的规模化落地仍面临感知精度、运动控制稳定性、数据积累及软硬件协同等多重挑战，相关技术路径与商业模式的成熟尚需时间验证。

2026-10-28: 一家只有一名全职员工的生物技术公司，被AI大模型公司Anthropic收购了。这家公司名为Mithril Medicine。其创始人Cody Tranbarger借助Claude，协调11家外部实验室开展研究，在不到18个月内，将一种罕见肌营养不良症的候选疗法从构想推进到小鼠实验，并取得初步积极结果。如今，这些项目已成为Anthropic内部首批药物研发项目的一部分。当地时间10月27日，Anthropic披露上述收购，并集中披露AI参与药物研发的一系列进展。过去数月，该公司与百时美施贵宝、Generate Biomedicines等六家新药研发机构开展合作，尝试让Claude参与分子设计、实验优化、药物制造和临床试验规划。与此同时，Anthropic也开始亲自推进药物研发项目。“新的、重量级玩家加入，行业竞争更激烈了。”AI制药公司晶泰科技相关人士对第一财经记者表示，尤其是在编程（Coding）成为大模型商业化的重要场景之后，头部AI公司需要寻找下一个能够发挥模型能力、形成商业价值的应用领域。而从此次披露来看，Anthropic与相关机构的合作早已十分深入。 从提供AI工具到亲自参与药物研发，Anthropic的业务边界正在发生变化。而OpenAI、谷歌、字节跳动等科技公司也在进入这一领域。大模型公司为何集体看上制药业？它们将如何改变这个长期面临高成本、高失败率问题的行业？从辅助药企到自己研发新药Anthropic今日公布的研究成果，覆盖了药物研发的多个环节。在细胞治疗领域，Generate Biomedicines利用Claude Code优化CAR-T相关基因设计。一项实验中，相关遗传指令片段缩短约70%，细胞表面受体表达量提高约10倍。抗体研发方面，Divergence Labs借助Claude，在约一个月内生成3.5万种抗体候选设计；BigHat Biosciences则在约10周内设计并测试1010种分子变体，部分优化后的抗体与靶标结合能力提高数倍。除了分子设计，Anthropic还试图让AI进入药物研发的日常流程。合作方Enveda利用Claude审核1061页药物制造文件，识别出人工审核发现的全部11项问题，并额外提示7项潜在问题；人工审核时间从超过25小时缩短至不足3小时。百时美施贵宝则使用Claude分析早期临床开发方案，辅助评估不同试验路径。这些结果主要来自企业合作研究，尚不能证明AI能够提高药物临床成功率。尤其是分子结合能力、受体表达量的改善，与最终药物疗效之间仍存在距离。但这些案例体现了Anthropic的一个判断：药物研发的瓶颈并不只存在于分子发现阶段，还分散在实验设计、数据分析、制造、监管申报和临床试验等环节。AI如果能够参与整个流程，潜在价值就不只是帮助科学家找到更多候选分子。这也解释了Anthropic为何开始亲自研发药物。被其收购的Mithril Medicine，主要研究两种罕见肌营养不良症的治疗方法。创始人借助Claude管理外部实验室的合同、物流和实验安排，使一个极小规模的团队得以组织复杂的药物研究。Anthropic 预计，如果后续研究进展顺利，其中一条候选管线最早有望在 2028 年底启动人体临床试验。此前，Anthropic已经收购Coefficient Bio，并建立自己的生物实验室。相比仅向药企提供模型服务，直接参与研发能够让公司获得真实实验反馈，用以检验Claude的能力，并改进模型。相关布局也出现在Anthropic本周提交的招股书中。Anthropic将生命科学列为前沿AI的重要应用市场，截至9月30日，全球前十大制药企业中有九家是Anthropic的客户，且每家在过去12个月内向Anthropic支付了至少10万美元。Anthropic还在招股书中表示，正在开发支持科学家完成药物研发不同阶段工作的AI智能体。不过，公司也提示，生命科学业务可能带来实验室安全、监管合规及研发失败等风险。目前尚未披露这一业务的独立收入和投入规模。对于一家主要依靠模型服务获得收入的公司而言，亲自研发药物意味着更长的投入周期和更不确定的回报。AI巨头纷纷卷向生物制药Anthropic并非唯一进入制药业的基础模型公司。10月20日，OpenAI宣布收购药物研发协作平台Orchestra Bio，并将其技术与生命科学模型GPT-Rosalind、Rosalind Workbench整合。Orchestra Bio的AI智能体主要用于协调复杂的药物研发项目，例如跟踪实验进度、分析生产延误对临床试验的影响，帮助研发团队调整计划。OpenAI希望让AI不仅参与科学发现，还能管理从实验到临床开发之间的大量专业工作。谷歌的布局更早。源于Google DeepMind的Isomorphic Labs依托AlphaFold相关技术，开发专门的AI药物设计平台，并与礼来、诺华等跨国药企合作。与主要提供通用模型和研发工具的OpenAI相比，Isomorphic Labs更接近直接参与药物研发的专业生物技术公司。中国互联网巨头也在布局。此前有消息称字节跳动分拆的AI制药公司Anew Labs完成约2.9亿美元融资，估值约15亿美元。它主要开发生物分子结构预测、抗体设计和药物发现技术。与Anthropic将药物研发纳入自身业务不同，字节跳动选择将相关业务分拆，借助外部融资支持长期发展。这也反映出AI制药与互联网业务在研发周期和经营模式上的差异。科技公司进入制药业，一个重要原因是传统药物研发存在巨大的效率改善空间。德勤2026年发布的制药创新研发回报相关研究显示，通过追踪分析全球20家大型生物制药企业的后期药物研发管线发现，2025年单个药物从发现到上市的平均研发成本达到26.7亿美元，高于2024年的22.3亿美元。管线预测内部收益率（IRR）由2024年的5.9%升至2025年的7%，但改善主要受到GLP-1类减重及糖尿病药物推动。剔除这类药物后，预测回报率仅为2.9%。对于制药企业而言，如果AI能够减少无效实验、加快候选药物筛选，或者缩短研发流程中的等待时间，就可能具有实际经济价值。从Anthropic、OpenAI等模型公司近期的动作来看，生物医药乃至更广泛的AI for Science，正在成为继编程之后的一个重点探索方向。对于AI巨头为何纷纷涌向制造业，晶泰科技相关人士对第一财经记者表示， Anthropic等大模型公司虽然具备较强的AI能力，但仍面临两大短板：一是缺乏难以通过公开渠道获取的高质量专有实验数据；二是药物研发流程复杂，计算和预测分子现在看已经不是行业卡点，但后续仍需要实验室完成合成、测试和验证，这恰恰是纯 AI 公司所欠缺的。它们仅靠模型难以完成研发闭环，自行建设完整实验体系也并不现实。因此，与拥有数据、实验设施和研发经验的专业机构合作，成为它们进入这一领域的重要路径。不过，药物研发最终仍需要经过严格的安全性和有效性检验。AI可以加快某些环节，却不能跳过动物实验、人体临床试验和监管审批。从Anthropic到OpenAI、谷歌和字节跳动，科技公司正在进入药物研发的不同环节。但这场竞争最终比拼的，可能不是谁能生成更多分子，而是谁能够把模型、实验数据、研发流程和临床验证连接起来，真正提高新药研发的效率与成功率。

2026-10-28: 这两天，老干妈因为“用AI（人工智能）将600名工人裁到48人”的传闻而陷入舆论漩涡。尽管公司第一时间予以否认，但由于数字有零有整的公开报道就摆在那里，网民们对公司说法并不买账，一些人甚至情绪激烈地喊话：“你让工人下岗，我们就让你下架。” 网民反应之所以激烈，是因为相信老干妈确实“用AI裁了员”，并且裁了好几百人。这让一段时间以来的“AI冲击就业”叙事有了现实案例，也让原本埋藏于大众心底的隐忧变成了真实刺痛。在此情况下，老干妈自然成为“冷血资本”的化身而被千夫所指。 坦率地说，就算老干妈真的“用AI裁了员”，也不一定就该遭受指责。因为追求利润是企业的天性，如果技术投资的收益大于人力投资，企业完全可以选择“多用机器（技术）少用人”，只要裁减人员的操作合法合规。 但企业作为社会结构中的一员，又不能仅仅扮演冷冰冰的赚钱机器，而应该在追求利润的同时，兼顾经济、社会与环境的综合价值，即承担企业社会责任。从这个角度出发，假设老干妈真的“用AI裁了员”，其行为就不能仅以法律的标尺来衡量。在“AI冲击就业”议题备受关注的当下，它还需接受来自公众的审视。 公众希望看到，像老干妈这样具有一定社会影响力的企业，在应对“AI冲击就业”议题时，不是唯利是图，而是以人为本，拿出有温度、负责任的方案，为其他企业作出好的示范。公众的这份“苛责”，把老干妈推至前台，充当了“AI时代怎样用工”公开课的教学案例。 那么，假设老干妈“用AI裁员”一事是真的，怎样做才算符合公众期待？答案可能藏在以下三个适合企业自我复盘的提问中。 一、减员是否必需？技术改进并不必然导向“机器换人”的结果。在决定裁减员工之前，企业有必要自问：是否进行了充分评估论证？是否考虑过调整生产节奏、转岗安置或新辟岗位等“内部消化”方案？企业在追求经济效益的同时，还应兼顾对劳动者权益的保障，甚至将后者的优先级置于更高位置。 二、程序是否合法？如果减员势在必行，那么解约程序是否严格遵守《劳动合同法》等相关法律法规，就是企业需要直面的核心问题。合法合规是企业经营的底线，任何程序上的瑕疵，都可能使企业的正当决策蒙上违法阴影，从而引发信任危机。 三、责任是否到位？在从劳动力红利向技术红利转换的过程中，企业不能过河拆桥，把被裁减人员向社会一推了之。即便减员操作完全合法合规，企业也应通过提供再就业支持、助力社会保障事业等方式，承担起缓解社会冲击的企业责任，并通过适当途径促成技术红利为社会共享。 学术界将技术变革期生产力飞跃与工人困境并存的现象称为“恩格斯停顿”。专家认为，人工智能的快速推广应用，就面临导致这种现象的可能。老干妈风波提醒我们，应对这方面的挑战，需要未雨绸缪。国务院办公厅近日印发《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》，为此提供了重要指引。 文件的核心思路在于平衡技术创新与就业促进。例如，要求“稳慎把握人工智能在劳动密集型行业应用的范围、力度、节奏，尽可能减少对从业人员的冲击”；鼓励企业“探索建立失业缓冲期制度”，提前告知受影响劳动者并提供“转型转岗就业支持”。 除了利用人工智能“做大蛋糕”，文件还关注如何“分好蛋糕”。文件提出，“健全适应人工智能技术发展的收入分配机制”“鼓励企业加大对公益性人工智能技术、服务和开源社区的投入力度，帮助劳动者拓展能力边界、提升劳动价值，推动更多劳动者积极参与技术进步并从中获益”。 以上针对性意见，有望既发挥人工智能在拓展就业新空间方面的优势，又减缓人工智能应用在就业替代方面的影响，确保技术进步服务于人。 人工智能加速应用是大势所趋。在推广人工智能应用的过程中，既不可任由技术鸿沟制造撕裂，也不必因担忧冲击而抱残守缺。正确的态度无疑是积极拥抱新技术新变化，同时妥善处理探索过程中产生的新问题。秉持这样的理念和方式，企业才能卸下无谓的道德包袱，大胆推进创新，创造红利，最终让好的技术惠及更多人。 （作者系第一财经编辑）

2026-10-28: 北京时间10月28日，谷歌发布新一代世界模型Genie 4，提到这是公司“迄今为止最逼真且最具交互性的世界模型”，用户可以实时探索动态环境，观察场景如何响应、声音如何呈现，以及其中人们如何移动、反应和说话。“这种模型的发展速度简直难以置信。”有行业人士评价道，两年前，AI 甚至无法在静态图像中正确渲染手部。如今，Genie 4 正在即时生成可玩的 3D 世界，带有实时物理效果、现场音频。这次Genie 4最直观的变化，是世界看起来更真实了，且开始拥有声音。谷歌介绍，Genie 4是旗下首个能够原生生成音频的实时世界模型，可以在生成场景的同时，同步生成音乐、环境音和互动对话。人物能根据用户输入或场景中发生的事件实时交谈、作出回应。用户可以用自然语言实时修改模拟场景，例如改变天气、移动镜头，或加入新的人物和物体，Gemini 会结合场景上下文调整提示词，持续观察并引导场景，让世界连贯地向前发展。Genie 4 对物理世界的理解更深入了。谷歌称，新模型提升了对空气动力学、碰撞等物理现象的模拟效果。其中，人物模拟的进步尤为明显：角色的动作更加自然，能够对环境变化作出反应，也可以接受用户的实时引导。支撑这些变化的，是Genie与Gemini系列模型的协作。具体来看，在Genie 4实时生成世界的过程中，Gemini 3.8 Flash扮演着类似“导演”的角色：持续观察画面，将目标拆解为多个步骤，检查任务进展，随着世界发生变化或用户介入，模型 还会即时调整计划。这让模拟世界能够呈现更可靠的因果关系、程序化行为和多步骤推理。谷歌还展示了Gemini 4 Argon与Genie 4共同模拟人形机器人下跳棋的案例。Argon负责将任务拆解为步骤，再通过文字指令引导Genie 4生成相应过程。谷歌表示，这些功能是朝着开发安全虚拟环境迈出的一步，用于观察智能体和机器人如何在周围环境中导航。不过，目前Genie 4仍处于研究预览阶段，仅向受信任的测试者开放。谷歌计划随后向Project Genie中的Google AI Ultra订阅者，以及Gemini API和Google AI Studio的早期合作伙伴开放。行业认为，世界模型的进步会对游戏开发产生较大影响，创意验证的门槛又降低了。有网友调侃，“游戏工作室今天正在开一场长会。”按照谷歌披露的测试反馈，游戏开发者已经在尝试用Genie 4将初步想法快速转化为可探索的原型，在编写游戏引擎代码之前，通过自然语言测试视觉风格、材质效果和互动机制。电影制作人则可以进入模拟场景，反复调整镜头、灯光、对话和动作，尝试不同版本。当模型可生成交互世界，一个游戏行业绕不开的问题是：未来还需要游戏引擎吗？传统游戏开发工具的角色会如何变化？此前Unity中国CEO张俊波在接受第一财经记者采访时表示，他不太相信“一句话生成游戏”。在他看来，过去依赖几十个工种协作的游戏生产线确实会被AI改造，但游戏引擎会成为用户连接模型、资产、代码和发行流程的总调度台。这一判断源于，模型生成的更多是资产，是可体验的虚拟世界。而游戏是一项系统工程，不仅需要画面和场景，还需要玩法规则、数值系统、交互逻辑，并能够持续迭代和长期运营。谷歌披露的局限，也说明这种差距仍然存在。Genie 4 仍是一项处于早期阶段的研究。博客提到，在较短的交互过程中，模型能够维持环境连贯，但随着模拟时间延长、经过多轮复杂提示词修改，或用户在场景中持续移动，视觉细节和物体的持续存在状态仍可能发生变化或偏移。复杂物理互动、空间准确性、实时音频准确性和长期一致性，也仍是待解决的问题。但世界模型和游戏引擎两者并不完全隔离。行业认为，世界模型的产出物可以导入到游戏引擎里成为游戏开发的素材，引擎则负责把这些资产协同组织成产品。这种融合为两类技术提供了协作空间。

2026-10-28: 【物理AI迎落地拐点，产业链公司抢抓机遇】物理AI成为AI产业新热点，也成为A股新风口。近期多只物理AI、机器人及数据要素相关概念股表现亮眼，宇树科技股价自10月中旬以来7个交易日反弹超过65%。产业“进化”加速及科技巨头的纷纷入局，是引爆行情的底层逻辑；物理AI“训练+仿真+端侧”算力叙事，也接续了此前的算力叙事逻辑，缓解了市场对于AI资本开支见顶的担忧。从国内市场来看，伴随中央及地方相继出台发展物理AI的相关政策，上市公司也从产业链各环节敏锐布局，抢抓产业机遇。（上证报）

2026-10-28: 【财经日历】 新西兰联储公布利率决议 加拿大央行公布利率决议 苹果将举行新品发布会，推出首款触控屏MacBook 华为双十一焕新季·全场景新品发布会 ►►上海市经济信息化委印发《上海市加快发展新一代智能制造行动方案》，其中提出，研制推广新型智能制造装备。支持将AI技术与装备深度融合，推动智能制造装备升级为装备智能体。研制推广物理AI装备，研制具备自主感知和决策能力的机器人、工业母机、检测装备等智能制造装备，以智能工厂建设需求推动装备升级与规模应用。支持人形机器人、协作机器人、高精度重载机器人等机器人创新突破；加快AI赋能的超精密磨床、大型五轴机床、高速双五轴镜像铣等工业母机迭代升级；推动X射线光子能谱仪、残余气体质谱、工业CT等检测装备自主化能力构建。 ►►截至10月26日，2026年以来，科创板公司新增回购计划114单，拟回购金额上限合计180亿元；新增增持计划42单，拟增持金额上限合计15亿元。进入10月，相关行动提速，当月新增回购计划23单，拟回购金额上限达58亿元，约占年内总额的三分之一；新增增持计划6单，拟增持金额上限合计2.5亿元。 ►►截至2026年10月26日，科创50ETF近一周获资金净流入近240亿元，创下年内新高；科创50ETF华夏规模再次近历史新高，达1185亿元。截至2026年10月26日，科创板ETF共有134只产品，规模近3600亿元，其中科创50ETF共有20只产品，规模近2000亿元，形成从完全复制到增强策略的完整产品谱系。 今年以来，新增发布科创板人工智能应用臻选指数、科创板电池主题指数、科创板软件服务指数、光伏科创领先指数、创新药科创领先指数等5条科创板指数。据第一财经了解，基金管理人也在不断加大产品布局力度，未来诸如科创计算机、科创专精特新、算力等主题产品也将不断丰富，有望吸引更多增量资金支持实体经济发展。 ►►高盛表示，AI已经成为金融市场的一股强大力量，半导体股票对各类资产价格走势的影响力已超过油价。高盛研究显示，过去三周内，半导体板块的行情差异可以解释各类资产约54%的表现分化，而油价仅能解释2%。投资者情绪与科技股的关联已经变得十分紧密，近年来这种关联还在不断加强。并且在近期，高盛衡量市场风险偏好的指标与大型科技股的相对表现几乎同步变化。不过策略师指出，投资者情绪尚未跌至历史上通常会出现买入机会的水平。 ►►甲骨文宣布扩大与英伟达的云端AI芯片合作，计划将搭载英伟达新一代Vera Rubin芯片的AI服务器部署规模扩大至数吉瓦级，同时引入谷歌TPU芯片，以及SambaNova Systems和Cerebras Systems的AI推理芯片，以丰富算力供应。甲骨文还计划在部分英伟达服务器中采用自研Acceleron网络芯片，替代英伟达的部分网络产品。公司表示，不同AI工作负载对算力的需求各不相同，多元化芯片供应有助于客户根据性能、吞吐量和成本选择合适的基础设施。英伟达在AI训练芯片市场占据主导地位，但AI推理市场的竞争更加多元。Cerebras首席执行官安德鲁·费尔德曼表示，与甲骨文的合作将显著扩大其大型客户群，公司正大规模进驻其他企业的数据中心。甲骨文尚未披露此次芯片采购的融资安排。公司上月表示，客户正越来越多地承担芯片采购成本，并维持2027财年资本支出约900亿至950亿美元的目标。 ►►谷歌周二宣布，推出新一代模型Genie 4。Genie 4能够根据文本指令构建可探索的虚拟环境，并在用户持续输入指令时实时调整场景，让用户不仅能够观看AI生成的世界，还能进入其中与环境互动。谷歌正探索其在游戏设计、影视制作、教育和机器人训练等领域的应用。 ►►据上证报，10月27日，在回应网友有关机器人内存总需求的评论中，特斯拉创始人马斯克表示，机器人对内存的需求将比地球上其他事物都要庞大。他强调，当人工智能从处理信息走向物理现实时，载体机器人对内存的消耗将碾压地球上现有的所有计算设备。他还表示，机器人使用的是低功耗DRAM芯片，而不是高带宽内存HBM，随着人工智能扩展到数据中心以外，芯片制造商可能会迎来更大的市场机遇。 ►►美股三大股指反弹，截至收盘，道指涨0.03%，纳指涨1.18%，标普500指数涨0.6%。 明星科技股普涨，特斯拉涨4.04%领跑，Meta跌超1.6%，为筹集人工智能资金，Meta将有史以来最大规模的股权募资提升至975亿美元。 费城半导体指数大涨近4%，AMD涨逾5%，此前包括美国银行、花旗和摩根士丹利以及黑石集团宣布提供630亿美元融资，用于采购博通芯片为人工智能新贵Anthropic提供算力。其他芯片制造商的股票也同步上涨。 存储芯片标的走强，西部数据涨6.95%，闪迪涨3.92%。 光通信板块表现不俗，Coherent和Lumentum涨超5%。 纳斯达克中国金龙指数跌0.11%，京东涨1.31%，百度涨0.54%，网易跌3.58%。 ►►日韩股市开盘走高，日经225指数涨0.74%；韩国KOSPI指数涨2.23%，SK海力士涨近3%，三星电子涨超3%。 4连板赛福天：人形机器人腱绳相关产品目前尚处于研发及客户送样验证阶段 5连板上海九百：短期波动较大 存在市场情绪过热及非理性炒作风险 2连板沪光股份：目前为上纬新材机器人产品提供整机组装及代加工服务 逸飞激光：拟4亿元收购光模块封装与自动化耦合设备公司兴启航100%股权 宝信软件：拟投资25.01亿元建设宝之云华东智算中心马鞍山基地项目 联瑞新材：拟设子公司投建10亿元半导体封装用高性能粉体材料项目 阳光电源：FCC政策针对未来新产品 现有产品可正常销售 新易盛：预计四季度产量及出货量有望较前期实现大幅增长 1.6T放量节奏有望进一步加快 三安光电：控股股东所持公司股份被轮候冻结 元道退：股票将于10月28日终止上市并摘牌 ST华谊：暂未参与投资电影《流浪地球3》 宁德时代：产能利用率仍将处于较高水平 保持较健康状态 华鑫股份：控股股东拟变更为国盛集团 股票复牌 天壕能源：终止收购天壕新能源100%股权并募集配套资金 天地数码：实控人韩琼涉离婚后财产纠纷 高凌信息：被军采网列入军队采购暂停处理名单 东方盛虹：前三季度净利润同比增长3573.11% 方正科技：第三季度净利润同比增长327% PCB业务平均售价及销量提升 融捷股份：第三季度净利润同比增长707% 环比下降34% 富创精密：前三季度净利润同比增长522.10% 南亚新材：第三季度净利润同比增长1296% 环比增长218% 铜冠铜箔：第三季度净利润同比增长345% 铜箔产品售价上涨 金山办公：第三季度净利润同比下降72%环比下降62% 主要系部分对外投资基金项目投资收益降低所致 君正股份：第三季度净利润同比增长2595%环比增长61% 存储芯片产品线销售收入持续大幅增长 五粮液：第三季度净利润同比下降48.25% 环比增长38% 格力电器：股东京海互联拟增持6亿至12亿元股份 金元证券：短线大盘或仍将震荡筑底。 国泰海通：配置稳健为先，多资产对冲。 酷望基金：大盘构筑阶段底部，结构性反弹有望在11月展开。 【推荐订阅】《盘前点金》 每交易日盘前7:30左右，为您抢先捕捉关键讯息+ 研判主题机会 + 挖掘潜力标的。 点击下方图片，一键直达：

2026-10-27: 一场检验华尔街对AI繁荣信心的IPO正式拉开序幕。 当地时间10月26日，美国人工智能大模型公司Anthropic向美国证券交易委员会（SEC）提交公开版S-1文件，计划以代码“ANT”登陆纳斯达克，高盛与摩根士丹利牵头承销。发行价、发行股数与募资规模均未确定，但市场对其估值预期已冲至1.5万亿至2万亿美元。若按上限完成，这将成为有史以来规模最大的IPO之一。 一家成立仅五年的公司，凭什么做到这个规模？招股书给出的答案很直接：收入在“狂奔”，单季营业利润已转正，企业客户正用真金白银为token（词元）付费。但同一份文件也摊开了另一面——未来数年数千亿美元的算力账单已经签下，但收入近八成却按实际用量结算，且多数头部客户尚未签署长期合同。 从华尔街到硅谷再到整个AI行业，市场正密切关注这场IPO，真正要定价的不是AI能不能赚钱，而是当十年账单提前签下，增长能否持续跑赢成本。“如果Anthropic上市后表现不佳，投资者不得不对AI企业重新定价。”专注投资成长型股票的机构FTV Capital的管理合伙人伯恩斯坦（Brad Bernstein）表示。 一份证明AI能赚钱的招股书 Anthropic的收入曲线很漂亮。 2023年全年营收4100万美元，2024年3.86亿美元，2025年45.85亿美元。2026年上半年直接跳到162.86亿美元，是上年同期11.63亿美元的约14倍。按季度看，今年一季度营收47.31亿美元，二季度升至115.55亿美元，环比增长约144%。三季度暂未有官方确切数据，据推算约168亿美元，环比回落到45%左右——依然极快，但已告别连续翻倍的节奏。 更关键的是利润表的下半截。2026年二季度，Anthropic实现营业利润9.74亿美元，营业利润率约8%；剔除股权激励、非现金慈善捐赠等项目后，调整后营业利润达22.35亿美元，利润率约19%。作为对照，同期OpenAI的调整后营业利润率约为-122%。 支撑这组数字的，是企业客户的采用速度。截至2026年9月底，过去12个月贡献10万美元以上收入的客户超过1.19万家，而一年前仅约950家；净收入留存率约900%——同一批企业客户（不含个人订阅）一个季度的花费，已是一年前的9倍。 与此同时，算力效率持续改善：每花1美元在算力和基础设施上换回的收入，从2025年一季度的0.40美元升至2026年二季度的2.08美元。二季度收入同比增长1368%，算力开支仅增加约300%。 Anthropic正式冲刺IPO点燃了沉寂已久的全球AI行情，隔夜费城半导体指数大涨2.82%。“这将是投资者直接投资于推动AI经济的公司的第一个重要机会，具有巨大的重要性。”美国金融服务公司‌DA Davidson技术研究主管卢锐儿（Gil Luria）如此评价。 未来十年账单提前签下 招股书里最尖锐的矛盾，不在利润表，而在合同里。 2026年上半年，Anthropic算力与基础设施费用89.45亿美元，约占营收的55%，已超过2025年全年的73.26亿美元。公司不主要依靠自建数据中心，而是通过长期采购、设备租赁及第三方数据中心合作获取算力，合同通常提前12至18个月锁定。 按约束力由强到弱，Anthropic的算力承诺可分三档：谷歌、亚马逊、微软的刚性采购承诺合计约2694亿美元，加上博通五年设备租赁约1612亿美元，合计约4306亿美元；若再把SpaceX AI、Nscale、Lambda等协议计入，点名的七家供应商合计约6370亿美元；若按招股书附注的几个分项口径相加，最宽口径约8500亿美元。 招股书显示，Anthropic向六家合作伙伴承诺的算力支出中，大量合同的期限为未来7至10年，且大部分不可取消，或无论是否使用都必须付款。 作为参照，Anthropic过去12个月收入约353亿美元，按8500亿美元口径计算，算力承诺约为其24倍。 算力承诺是提前多年锁定的刚性成本，收入却要等客户按量调用后才发生。公司约80%收入来自企业按量付费的API和token调用，客户用多少付多少。今年前九个月，前五大客户贡献约25%的收入，但多数头部客户并未签署长期合作协议。 这样的关系逐渐形成一种错配：收入取决于客户未来愿意用多少AI，成本却取决于公司今天已经承诺买多少算力。需求超预期，提前锁定的算力是壁垒；用量增速放缓，刚性账单就会反过来吞噬利润和现金流。 账面亏损进一步放大了外界担忧。上半年，Anthropic按GAAP（一般公认会计原则）口径净亏损807.48亿美元，其中约723.88亿美元来自可转换票据、衍生负债及SAFE的公允价值变动——公司估值越涨，这批可转股票据越值钱，账面亏损越大。这部分虽非当期现金流出，上市转股后相关亏损基本停止，但账面亏损里确实藏着真实成本。截至6月底，约266亿美元的股权激励费用尚未确认，预计在约2.1年内确认完毕；上半年经营现金流净流入39亿美元，也包含约22亿美元非现金费用的加回。造血能力在改善，但还没有厚到可以无视账单。 国信证券分析称，Anthropic约80%的收入来自按token消耗计费模式，净收入留存率接近900%，单一客户贡献不超过10%，收入质量与黏性在大模型公司中罕见，但近半收入依赖三大云渠道分销是主要隐忧。 值得注意的是，Anthropic将“不做什么”也直接写进了招股书。作为特拉华州公益公司，它承诺不做广告与视频生成，禁止模型用于完全自主武器和大规模监控。今年4月，公司训练出网络安全能力过强的 Claude Mythos Preview，判断不加防护广泛发布风险过大，推迟公开，仅向少数机构开放网络防御用途。公司在招股书中承认，这意味着放弃大量收入。同时，政府合同收入目前只占约1%，与华盛顿的关系也出现摩擦。 AI估值链的压力测试 Anthropic的上市表现，牵动着整个AI行业的神经，IPO定价若低于预期，冲击将层层传导。 风投机构Sapphire Ventures的联合创始人达斯（Jai Das）表示：“如果它的上市表现低于预期，那将有点像纸牌屋。” 对OpenAI而言，Anthropic的IPO同样是一面镜子——后者已秘密申请上市，但表示可能要到2027年才能真正挂牌。若Anthropic上市表现乏善可陈，可能进一步影响OpenAI的IPO，并促使投资者重新审视AI企业的高昂估值。同时，美联储加息与美债收益率上升，也意味着企业发债融资成本越来越高。 不过，也有观点认为市场担忧过度。达斯将当前的AI基础设施投资与20世纪90年代末的电信和互联网泡沫类比——当时光纤设备充斥市场，大量公司倒闭，但基础设施最终得到了充分运用。“从长远来看，市场上仍不缺少对AI基础设施的需求。”Burnham Park Capital Markets合伙人可卡尼（Rohit Kulkarni）则表示，Anthropic的财务状况“比市场此前担心的要好，但不排除此后可能出现更多的负面消息”。 Snowflake首席执行官罗姆斯维尼（Sridhar Ramaswamy）对Anthropic上市表示支持：“Anthropic和OpenAI现在已经证明了它们有能力保持在AI领域的前沿并不断推动创新，我们非常支持它们上市。”话虽如此，Snowflake同时也在测试来自中国的Moonshot AI、DeepSeek和Zhipu的低成本开放式AI大模型。 金融研究公司New Constructions的首席执行官崔纳（David Trainer）在上个月的报告中写道，AI的繁荣是建立在廉价信贷和资本市场准入“随时可获得”的基础之上的。如果AI资本流动性枯竭，并且有明确的迹象表明，标普500指数有20%的大幅下行风险，那么其中大部分集中在AI相关股票的估值上。 太平洋投资管理公司（PIMCO）分析指出，截至9月23日，AI相关发行人已占美元非金融企业债券发行量的近四分之一，高于2025年的不足13%和2024年的约4%；在美国国债收益率走高、融资成本上升的背景下，AI企业仍扎堆举债，AI相关债务在信用债市场中的集中度持续上升。摩根大通资产管理估计，到2030年完整的数据中心建设可能需要约5万亿美元资金，其中约2万亿美元可能通过投资级信用债市场融资。 Anthropic已经证明，前沿大模型可以迅速创造巨额收入，单季经营能够覆盖当期确认的成本。但单季盈利证明了商业模式存在兑现利润的可能，还没有证明这种盈利可以穿越增长周期。 它接下来要证明的，是收入增速能否持续跑赢算力成本阶梯，客户调用量能否兑现长期投入，模型效率提升能否抵消价格压力，以及安全治理能否在盈利要求下保持稳定。这场IPO不只是在为一家公司定价，也是在检验一种商业模式：当AI公司把未来十年的账单提前签下，公开市场愿不愿意为“增长跑赢成本”的假设持续买单。

2026-10-27: AI算力建设持续推动液冷需求增长，液冷头部企业纷纷释放出在手订单增加的信号，但现金流却在拉响警报。 10月27日，曙光数创（920808.BJ）发布2026年三季度报告，报告显示，前三季度曙光数创实现营收3.26亿元，同比增长16.67%；归属于上市公司股东的净利润亏损1.19亿元，亏损同比扩大70.73%；经营活动产生的现金流量净额为-4.71亿元，同比下降49.48%。 第三季度，公司实现营业收入7958.83万元，同比下降42.71%；归属于上市公司股东的净利润为-4579.58万元，亏损同比扩大57.67%；经营活动产生的现金流量净额为-2.29亿元，同比下降115.08%。 尽管液冷企业的营收变动可能受项目交付节奏和收入确认的季节性的影响，但在市场普遍看好液冷需求确定性的情况下，如何将订单转化为到手的真金白银正在考验液冷企业。 曙光数创在财报中明确提到了“在手订单增加”。截至报告期末，曙光数创存货13.15亿元，同比增长255.36%，公司称存货增长主要是公司以销定产，本期在手订单增加，根据合同执行进度备货及项目实施未到验收节点所致。 对于大量现金流的流出，曙光数创表示，是本期向供应商支付备货款，导致购买商品、接受劳务支付的现金同比增加所致。 另一家液冷板块代表企业高澜股份(300499.SZ)也在近日发布了三季报，相较之下，高澜股份实现了三季度营收、净利润的较快增长，但同样没能缓解企业的现金流压力。 财报显示，高澜股份第三季度实现营收2.73亿元，同比增长60.78%，前三季度营业收入较去年同期增长30.49%；三季度实现归属于上市公司股东的净利润3480.21万元，同比增长207.89%，前三季度净利润较上年同期增长76.82%。 10 月 27 日，高澜股份在投资者问答中表示，营收增长主要被高功率密度装置热管理产品收入增加带动，相关产品国内外市场均有增长。 但备货的高投入仍带来了高澜股份的现金流承压。截至第三季度末，高澜股份经营活动产生的现金流量净额为-9827.11万元，同比下降186.4%。 高澜股份在投资者问答中表示，本期经营活动现金流为负，主要由于在手订单规模增长，公司加大备货采购、资金投入增加所致。后续公司将持续加强应收账款管理、优化存货及资金统筹，积极改善现金流水平。高澜股份披露，截至2026年9月30日，公司在手订单金额约为19.4亿元。 在AI芯片液冷渗透率持续提高的趋势下，液冷赛道的长期增长被市场看好，但在头部企业的三季报背后，产业趋势的确定性落在单个企业的营收、利润和现金流安全上，故事正变得不同。 “随着液冷项目招采持续推进，叠加快速交付要求，交付能力有望成为设备厂商核心竞争要素之一。”长江证券在近期发布的一份研报中表示。对于液冷企业而言，除了订单增长，行业竞争也在向交付环节以及产能与交付的匹配度等进一步延伸。

2026-10-27: ①《上海市加快发展新一代智能制造行动方案》印发； ②英伟达与Meta宣布将扩大在Muse及其系列模型上的合作； ③智元发布具身Agent框架 Genie Master； ④行元智能发布面向机器人预训练的跨本体数据引擎Chorus。

2026-10-27: 2026年10月，诺贝尔化学奖授予法国和日本两位科学家。他们研究的是分子的“左右手”：某些分子互为镜像，形状极其相似，进入人体却可能产生截然不同的作用。这听起来像冷门的基础问题，却直指药物合成里的核心难题——如何精确控制分子形态。如今，AI正被用于从海量分子中寻找和设计具有治疗潜力的新药，而他们长达数十年的研究，恰好为这种“精确”提供了重要的科学基础。 这让人想到两年前：诺贝尔化学奖因AlphaFold，把AI与创新药的关系推到聚光灯下。它让科学家能够迅速预测大量蛋白质的立体结构，人们开始憧憬药物研发周期被大幅压缩。再联想到最近OpenAI公布700余份数学研究文稿，机器提出复杂研究方案的速度已难以忽视。诺奖、AI、计算、制药，看似几条线，其实正汇向同一个方向：人类正在让药物发现更多地建立在计算预测、分子设计和实验验证之上。 在这个硅基加速介入碳基世界的时代，AI会写代码、画图、做视频，甚至能挑战人类思维逻辑王冠上的钻石。但如果问它最让普通人期待的用途是什么，我想，寻找救命药一定排在很靠前的位置。让救命药不再只靠偶然发现，不再只是少数人的幸运。一批掌握人工智能技术的创业企业，也已加入这场探索。 一颗新药背后的产业分工 一颗新药从实验室走到患者手中，通常要经过药物发现、临床前研究、人体临床试验、监管审批和上市后监测五个阶段。研究人员首先从疾病机理入手，在成千上万个化合物中筛选候选药物，再通过细胞和动物实验研究药效、毒性及药物在体内的代谢过程。通过临床试验申请等相关监管程序后，药物进入人体研究：Ⅰ期通常涉及20~100人，主要考察安全性和剂量；Ⅱ期扩大到数百名患者，初步验证疗效和不良反应；Ⅲ期通常涉及300~3000人，进一步确认治疗获益与风险，为上市审批提供证据。临床试验的淘汰率相当高，FDA（美国食品药品监督管理局）公布的参考数据显示，进入Ⅱ期的药物只有约33%能够进入Ⅲ期。 AI其实早已参与了药物研制的过程。2016年，FDA收到的涉及AI的药物研发监管申报仅有1份，2021年增加至132份，2016~2023年累计超过500份。AI的应用从早期的靶点筛选、分子设计、药物活性和毒性预测，逐渐扩展到临床试验的患者筛选、剂量优化、数据分析及上市后安全监测。随着AlphaFold等技术取得突破，AI正在提高药物发现阶段的研究效率，但候选药物仍需经过漫长的人体试验，临床验证的资金投入、失败风险和组织协调，仍然是制药企业必须面对的现实。 在这条漫长的研发链条中，不同阶段需要的技术、资金和专业能力差别很大，也形成了不同的商业机会。近年来，一大批相关领域的创业企业可谓方兴未艾。AI已经在靶点研究、分子设计和实验数据处理等环节形成可出售的服务，也催生了更多可以授权的候选药物。服务通常按使用或项目收费，候选药物授权则能够取得大型药企的首付款和有条件的后续收益。由此，相同的AI技术能力，延伸出不同的收入结构和风险安排。 四家AI制药公司的不同成长路径 AI与创新药产业，离不开诺奖的话题。2024年诺贝尔化学奖所奖励的两条研究路线，分别与两家AI制药创业公司有关。英国同构实验室（Isomorphic Labs）创立于2021年，创始人德米斯·哈萨比斯是谷歌DeepMind和AlphaFold的主要推动者；美国赛拉治疗（Xaira Therapeutics）2024年成立时获得超过10亿美元资金支持，参与创办公司的大卫·贝克同年因计算蛋白质设计获得诺贝尔化学奖。两家公司都从顶尖科研成果出发，资金安排和研发组织却有明显差异。 同构实验室较早与大型药企建立合作。2024年，它与诺华、礼来达成的两项合作，首付款合计8250万美元，未来研发进展达到约定条件后，潜在付款总额接近30亿美元。2026年，强生加入合作，同构实验室又融资21亿美元推进自有候选药物。公司一面承接药企研发项目，一面把部分发现成果留在自有药物研发的管线（pipeline）中。赛拉治疗则从成立时便集中投入研究团队、模型、实验设施和自有药物项目，2026年发布虚拟细胞模型X-Cell。它把大量投入放在产品出现之前，战略上是以较完整的研发体系能够持续产生具有独立权益的药物项目。 获得英伟达投资的美国递归制药（Recursion Pharmaceuticals）是这一领域的代表性明星企业，选择建设自动化实验与数据平台。它与罗氏旗下基因泰克（Genentech）合作，利用约3000万张神经细胞图像及大量基因扰动数据寻找药物靶点，2026年8月宣布将双方合作发现的一个神经科学靶点推进早期小分子药物发现项目。 中国的英矽智能，已有多年发展历史，其布局已经延伸到药物权益交易和自主临床开发，最新消息是一款治疗肺纤维化的候选药物于2026年9月在协和医院进入Ⅲ期试验患者给药阶段。 不同的风险偏好，体现了四家公司不同的成长方式，也体现了它们在产业链中的位置和介入深度。同构实验室借助药企合同分担部分研发成本，同时保留自有项目的成长空间；赛拉治疗先投入资金建设完整的研发组织，等待自有项目逐步成熟；递归制药希望实验和数据平台能在连续的药物项目中摊薄成本；英矽智能通过对外授权回收资金，并把部分项目继续留在自己的临床药物研发计划中。 与普通商品的价值链创造过程一样，药物越往临床后期走，潜在价值通常越高，资金消耗和失败损失也越大。这些公司所采取的不同模式，对应企业的资金需求、合作对象以及收入波动，都会截然不同。 从软件合作到药物授权 可以看出，医药产业，尤其是在AI加入后，呈现出更加多样化的协作生态。对一家AI制药公司而言，早期授权能够较快获得资金，后续试验、审批和上市销售主要交由具备相应能力的伙伴推进；保留项目自主开发权，则意味着继续承担临床投入，也保留更大部分的未来回报。研发进行到哪个阶段再与产业中不同角色的伙伴进行协作，是AI制药企业商业模式的重要部分。 以英矽智能与礼来的合作为例，礼来先购买英矽智能的软件，此后双方开展联合研究。2026年3月，礼来取得约定候选药物在相关领域的全球独家开发、生产和商业化权利，合同公布的潜在总额为27.5亿美元，其中首付款为1.15亿美元，其余款项取决于未来研发、审批和销售进展，另有分级销售提成。合同金额体现了项目可能创造的价值，首付款反映双方在现阶段已确定交换的对价。通过授权，英矽智能把部分后续投入和开发责任交给礼来，也为其他在研项目取得了资金。 这类交易已经改变英矽智能的收入构成，收入结构已明显转向药物研发。2025年，公司收入5624万美元，其中药物发现与在研新药项目开发贡献86.9%；2026年上半年收入达1.063亿美元，超过2025年全年，两项业务占比升至97%。不过，药物授权首付款和项目阶段性收入具有较大波动性，导致公司2025年收入同比下降34.5%，2026年上半年又同比增长287.2%。大额授权交易使收入迅速增长，也让收入确认更依赖具体项目的签约及研发节点，年度间可能出现较大波动。公司还在推动自己的候选药物进入临床。能否持续拿出值得药企付费的新项目，以及把多少资金留给自主开发，将影响它后续的收入稳定性和药物权益积累。 药物发现提速后的产业竞争 AI提高了早期药物研究的效率，但有研究表明，整个药物研发的所谓“漫长周期”中，临床试验才是决定性的。递归制药与基因泰克通过庞大的细胞数据确定研究靶点，后面还有分子优化、毒理研究和人体试验；英矽智能的肺纤维化药物进入Ⅲ期，也仍需更大样本的有效性和安全性证据。药企最重视的始终是临床开发经验，以及将项目推进到上市所需的监管和生产能力。随着AI公司提供的早期候选项目增多，大药企可比较和筛选的对象也随之增加，发现环节的效率提高，未必会同步提高每个项目的交易价格。 战略联盟中的资源互补相关理论，为AI公司和大型药企之间的合作提供了解释框架。例如，项目合作能否延续，则取决于双方怎样处理信任、知识产权保护和控制权。候选药物进入下一阶段由谁拍板，项目停止时数据和专利如何处置，合作中形成的实验经验能否用于其他研究，都会写入合同。年轻公司通常更需要当前的研发资金，大药企则有能力同时评估和推进多个项目。双方谈判时的资源差异，会影响药物权益的归属以及后续收益分成。随着项目成熟、临床证据积累，创业公司的议价条件可能改善，但它也必须支付等待期间的试验费用。在竞合的框架下，因为大量不确定性的存在，相较大部分产业，是一个颇具挑战性的商业世界。 不过，基础数据和研究工具的共享，也在改变这些公司的竞争环境。2026年10月，Biohub联合美国科研机构、谷歌DeepMind、Meta及同构实验室等宣布一项涉及约18亿美元资金、计算和数据资源的生命科学合作，三家科技企业合计投入3亿美元，推动更多实验数据进入可供研究使用的基础设施。通用模型和公开数据日益丰富，将降低后进入者开展早期研究的门槛。拥有独特的实验数据、持续验证某类疾病的能力、能够自主控制的药物权益，以及与医院和药企积累的合作经验，可能成为AI制药公司更持久的议价依据。 这套经营逻辑同样出现在其他高技术产业。自动驾驶算法企业与车企合作，要决定算法授权以后由谁负责车型适配和持续更新；工业软件公司在一次性交付、按项目收费和持续服务之间，也需要平衡资金回收与未来收益。合作双方掌握的生产设施、客户关系、验证能力和渠道资源，都会改变合同中权利与责任的分配。医药行业尤其突出，因为临床验证持续多年，项目价值可能随着一次试验结果大幅变化。对这一领域的创业企业来说，选择不同阶段的开放与合作，也是在安排自己的成长速度。 可以看出，AI正在提高新药发现的效率，也将逐渐改变制药产业原有的分工。随着越来越多的创业公司能够找到和设计候选药物，大型药企拥有了更多研发选择，而独特的实验数据、临床验证能力和药物开发权益，也将影响这些年轻企业在合作中的议价地位。英矽智能将部分药物权益交给礼来，换取当前的研发资金和未来的阶段性收益；同构实验室通过药企合作和融资，同时推进自有药物项目。不同的资金安排和权益选择，决定了企业的成长速度，也影响着它们未来能够分享到多少创新收益。这种由技术进步带来的产业分工与利益关系调整，同样值得其他技术密集型产业关注。 对于那些因为一张确诊单而改变生活的人来说，药物研发背后的融资、授权和合作都很遥远。然而，正是这些不断调整的商业关系，把大学实验室里的发现、AI设计出的分子和临床试验中的证据一点点连接起来，让新药有机会真正来到患者身边。科学进步已经带来了越来越多的希望，制药产业还需要通过持续的创新与合作，让更多希望成为现实。 （滕斌圣系长江商学院战略学教授、副院长、新生代独角兽全球生态体系研究部主任，王小龙系长江商学院案例研究部高级研究员）

2026-10-27: 人工智能从数字世界走向物理世界的预期，正在被资本市场重新定价。 消息面上，10月下旬，特斯拉确认Optimus首批具备量产质量的机器人下线，英伟达公司创始人兼首席执行官黄仁勋在GTC柏林宣布“物理AI是AI的下一波浪潮”，一系列产业事件与消息落地，推动A股机器人板块自10月16日起走出底部反弹，宇树科技（688836.SH）8个交易日上涨58%，丝杠、整机等产业链环节均有不同程度涨幅。不过，与此前侧重硬件本体不同，本轮行情的核心主线是数据，资金更关注谁能规模化供给高质量、可训练、可闭环的具身数据，数采设备与数据服务商由此成为涨幅最集中的环节。 资金为何回流机器人 10月27日盘面上，机器人板块局部走强，襄阳轴承（000678.SZ）涨停，上纬新材（688585.SH）、双环传动（002472.SZ）等跟涨，索辰科技（688507.SH）、海天瑞声（688787.SH）等收跌，机器人硬件与数据采集环节分化明显。 回顾近期机器人板块走势，10月16日是转折点。在此之前，东方财富人形机器人指数连续三个交易日净流出，从10月16日起转为净流入。此番领涨板块的并不是权重股，而是被压制了较久的中盘标的。宇树科技是这一轮的情绪中心。这家公司今年8月19日登陆科创板，发行价150.80元，上市首日盘中最高触及1100元，此后一路下行，一度较上市高点跌去63.2%。10月16日至27日的八个交易日，其股价上涨58%，10月27日收报639.96元，换手率23.42%。 此外，兆威机电（003021.SZ）、奥比中光-W（688322.SH）、索辰科技、襄阳轴承、上纬新材等产业链个股纷纷上涨。 驱动机器人这轮反弹的因素主要有两方面。一是消息面的集中释放。美东时间10月19日，特斯拉在Form 10-K中称，第三代Optimus已为大规模量产做好准备，并继续扩大AI训练基础设施。随后在10月22日的三季报中，特斯拉披露Optimus已在弗里蒙特工厂启动早期产能爬坡，并下线首批达到量产质量标准的机器人。弗里蒙特产线设计年产能约100万台，得州第二产线正在筹备，长期设计年产能约1000万台。英伟达方面，GTC柏林大会期间宣布升级Isaac通用机器人开发平台，推出新的人形机器人参考框架、仿真工作流及数据工具。 二是机器人板块的筹码位置。机器人指数均在5月26日见年内高点，至10月27日已调整近五个月，万得机器人指数最大回撤29.22%，年内累计仍下跌13.27%。相比之下，同为科技主线的AI硬件年内涨幅显著。光模块指数年内涨41.26%、半导体设备指数涨45.35%、存储器指数涨18.73%，但三者分别从6月25日、7月1日、7月1日的年内高点回撤39.20%、47.48%和43.48%。一边是年内负收益且已回调五个月，一边是涨幅可观但正在消化估值，资金的相对选择并不难解释。 物理AI之后，“卖数据”的先拿到订单 这一轮物理AI的叙事核心，已经从“造身体”转向“喂大脑”，即从本体转向数据。OpenAl创始人山姆·奥特曼此前表示人形机器人的最大瓶颈不在硬件，而在于AI对物理世界的理解还不够。 多份机构研报也指出，目前物理AI的关键瓶颈已不再仅局限于算力、算法模型或仿真环境，更在于如何精准获取覆盖视觉、触觉等的多模态真实世界数据，尤其是人与物理世界动态交互的数据、理解复杂三维空间中的动态物理交互规律，并将AI能力无缝部署于具身智能及其他实际应用场景中。 据浙商证券测算，具身基础模型要迎来自己的“ChatGPT时刻”，至少需要千万小时级真实数据，而当前全球可用的高质量真实数据仅为数十万至百万小时级，供需之间存在量级差的缺口。 在此背景下，市场开始关注“谁能提供规模化、高质量、可训练、可闭环的数据供给能力”。市场资金的炒作路线也遵循着上述逻辑。排在涨幅前列的，多数不是传统的减速器、丝杠、电机标的，而是与“数据”相关的公司。 海天瑞声主营训练数据集产品与服务；奥比中光提供3D视觉感知传感器，是机器人视觉数据的重要入口；索辰科技从事CAE仿真软件，对标“仿真引擎＋世界模型”；凡拓数创主业为数字孪生与三维影像，被多家机构归入“空间数据采集与生成”方向。上述四家公司10月19日以来平均涨幅达63.8%，而传统核心零部件厂商同期涨幅集中在12%至27%区间。 当人形机器人产业的瓶颈正从硬件本体加速转向数据基建与大脑训练，数采设备、数据服务、真实场景入口、仿真平台与真机回流闭环，“数据卖铲”有望成为产业链上最先兑现订单与业绩的环节。 落到A股，谁能接住这些需求是市场关注的焦点，正在披露的三季报也给到投资者部分信息指引。奥比中光26日发布三季报，公司称前三季度面向全球机器人市场的视觉方案销售收入达上年同期2倍以上，直接境外收入翻倍；公司同时指出，物理AI的关键瓶颈已不在算力、算法或仿真环境，而在精准获取覆盖视觉、触觉的多模态真实世界数据。 在27日的业绩说明会上，奥比中光表示，现阶段公司数采业务处于客户导入与生态建设的关键期，当前主要面向具体客户场景进行适配、技术支持与样机验证，投入强度和周期相对可控，具有较强的前置性和阶段性。 不过，产业发展预期与业绩弱现实的落差同样清晰。奥比中光的数采业务发展尚未转换到业绩增长，前三季度公司实现营收7.11亿元，同比减少0.43%，实现归母净利润7386.15万元，同比减少31.62%。 宇树科技近日公告提示称，人形机器人行业尚处于商业化早期，技术成熟度、下游市场需求培育、产业链配套能力均存在不确定性。同时，物理AI技术从实验室演示走向真实场景的规模化落地仍面临感知精度、运动控制稳定性、数据积累及软硬件协同等多重挑战。 凡拓数创10月以来被资金当作物理AI数据采集的核心标的炒作，公司股价月内大涨122%并刷新历史高点，在投资者互动平台上与机构调研会上，凡拓数创表示，公司正围绕物理AI与具身训练所需的空间数据、仿真交互数据、无本体数据、本体数据四大类数据，构建物理AI 数据基座。上半年，凡拓数创的营收同比下降27.8%、归母净利润亏损7725万元。

2026-10-27: Anthropic正式冲刺IPO，令沉寂已久的AI板块重燃热情。明星AI公司Anthropic于当地时间10月26日正式向美国证券交易委员会（SEC）递交S-1招股书之后，隔夜费城半导体指数大涨2.82%，10月27日，亚太科技股集体反弹。韩国KOSPI指数盘中涨超3%，SK海力士收涨5.18%，三星电子收涨4.23%。从A股来看，10月27日算力、光通信、存储半导体、PCB等AI链开盘活跃，但指数高开回落，资金转向机器人、银行等方向。有市场人士表示，这更像全球AI交易情绪修复下的结构性跟涨与高低切换，而非趋势反转，后续关键看云巨头财报与国产模型迭代能否接力。先涨后跌10月27日，AI算力产业链早盘一度是最活跃主线，但收盘转为领跌方向。早盘算力租赁、光通信、存储半导体、PCB轮番活跃，但资金并未全面铺开，结构性分化明显。截至收盘，机器人（电机、减速器）方向逆市掀涨停潮。早盘活跃的AI算力午后遭遇集中兑现，IDC（算力租赁）指数跌3.78%、光通信指数跌3.22%、光模块（CPO）指数跌4.13%、科创50重挫4.81%报1252.28点。金信基金认为，今日科技板块最终收跌调整，是缩量环境下的高位筹码消化与风格再平衡，非科技成长产业逻辑的转向。从产业基本面看，前9个月规模以上高技术制造业利润同比增长52%，电子行业利润同比增长1倍，其中电子专用材料制造、半导体分立器件制造行业利润分别增长2.2倍、51.7%，光纤、光缆制造行业利润增长5.3倍，AI算力与先进存储带动的需求兑现仍在持续验证。国泰基金分析称，三季报进入集中披露阶段，业绩兑现的不确定性令前期高预期方向承压。前期依靠产业预期驱动的主题品种面临业绩检验，光模块、存储等AI硬件环节，市场对其高景气能否持续转化为报表利润存在分歧。“总体看，自7月科技股回调后其总市值已明显回落，对指数的拖累边际上也已减小。”国泰基金称，从下跌空间、筹码出清程度及恐慌指数来看，本轮调整已接近尾声。中信建投进一步分析称，伴随9月至10月海外核心模型集中突破，第四季度国产主流模型将迎来密集产品与算法迭代，下一代核心技术版本有望陆续问世，技术落差收窄与应用场景落地预期，正在为相关科技标的注入基本面支撑。全球AI投资回报待检验行情能否从情绪修复升级为基本面重估，最终考官是投资回报。招股书显示，2026年上半年，公司营收达162.86亿美元，Anthropic的收入呈爆发式增长。其2023年、2024年、2025年上半年收入分别为0.41亿美元、3.86亿美元、45.85亿美元。Anthropic表示，收入增长以及计算资源和运营效率提升，推动了公司经营表现改善。但按GAAP（一般公认会计原则）口径，Anthropic上半年净亏损达到807亿美元。公司解释这一巨额亏损主要来自“可转换票据、衍生负债及SAFE的公允价值变动”，该项损失高达723.88亿美元，其余亏损则主要来自算力与基础设施支出。若剔除股权激励等非现金项目，按公司自行定义的非GAAP口径，2026年上半年调整后经营利润为正16.18亿美元，调整后经营利润率约10%。招股书首先回应了此前压制AI硬件估值的两个问题：AI公司到底赚不赚钱，算力需求有没有长期约束力。公司算力支出占营收比重已从一季度的72%降至二季度末的48%，规模效应开始显形。全球交易情绪被迅速点燃，但不等于转向，情绪修复要升级为基本面重估，仍需财报接力。国信证券分析称，Anthropic约80%的收入来自按Token消耗计费模式，净收入留存率接近900%，单一客户贡献不超过10%，收入质量与粘性在大模型公司中罕见，但近半收入依赖三大云渠道分销是主要隐忧。行业面上，不少AI产业链热门股即使基本面强劲，也出现腰斩。日前，Meta、特斯拉财报重挫科技股，公布三季度业绩后股价继续下跌。Meta公布的业绩显示营收创下历史新高，但其自由现金流自2012年以来首次转负，这凸显了大规模AI投资对公司现金创造能力造成的压力。同时，公司AI基础设施支出同比增长80%，进一步引发投资者对其巨额资本开支的担忧。融资端，PIMCO分析指出，截至9月23日，AI相关发行人已占美元非金融企业债券发行量的近四分之一，高于2025年的不足13%和2024年的约4%；在美国国债收益率走高、融资成本上升的背景下，AI企业仍扎堆举债，AI相关债务在信用债市场中的集中度持续上升。摩根大通资产管理估计，到2030年完整的数据中心建设可能需要约5万亿美元资金，其中约2万亿美元可能通过投资级信用债市场融资。有行业人士进一步分析称，Anthropic上市在即，全球AI叙事仍在，当前更突出的特征是结构性跟涨与板块轮动，单日回落不宜推导为悲观预期；下一步看云巨头财报与国产模型迭代，能否把情绪修复推进为基本面重估。

2026-10-27: 企业从AI概念验证走向规模化落地的过程仍存诸多挑战，但企业高管对此普遍抱有信心。10月27日，德勤中国发布的AI白皮书《从试点到规模化——打造AI原生企业》（下称“白皮书”），得出这一结论。 近年来，越来越多企业期待通过大模型与智能体实现效率提升、创新突破与商业新增长。然而现实是，绝大多数企业的转型停留在概念验证阶段，未能真正转化为业务价值。 白皮书指出，AI已经融入企业，但尚未进入核心价值链，当前的应用仍以局部效率提升为主，未能实现规模化的结构性影响。同时，AI应用的ROI低于预期，这并非源自技术失败，而是源自前期商业假设过于乐观，以及项目落地后缺乏严谨的财务验证体系。没有明确的成功指标，企业就难以评估价值，也难以推广有效的用例。 德勤中国与香港大学联合开展的AI普及调研显示，AI采用最大的阻碍来自组织，而非技术因素。技术问题通常只是组织问题的“外在表现”，AI价值受限的核心在于结构、文化和治理的准备度不足。最重大的障碍在于结构与文化层面：数据孤岛、职能错位、AI素养有限以及规避风险的心态。技术挑战往往反映出更深层的组织问题。推广AI不仅需要技术能力，同样也需要文化契合与跨职能协同。 白皮书显示，在短期不确定下，高管对此抱有长期信心。企业投资AI的动机已不仅仅是短期收益，而是长期竞争力与生存压力。AI被视为公司未来竞争力的基础设施，不投AI的风险已经高于短期看不到回报的风险。 德勤中国管理咨询信息工程、人工智能与数据分析事业群全国主管合伙人唐捷分享道，当前，企业不再满足于AI做得更快，而是希望AI能做以前做不到的事。客户服务、营销和IT仍是主要应用领域，研发正成为新的战略前沿。 唐捷在接受第一财经等媒体采访时表示：“真正的AI转型，不是让AI替代人，而是让AI承担动作，让人承担方向。”打造AI原生企业并不只是部署更多AI工具，而是重新思考如何创造价值、组织协作和作出决策。 同日，德勤中国与香港中文大学（深圳）经管学院签署合作备忘录，进一步深化双方在人工智能人才培养领域的合作。

2026-10-27: 最新数据显示，韩国第三季度经济增长超出预期，主要得益于人工智能（AI）热潮带动的芯片繁荣，进而推动了出口和投资的增长。 韩国海关的数据则显示，10月1日至20日，韩国出口额达616亿美元，创历年同期最高纪录。其中，芯片出口额同比飙升222.5%至275亿美元。 与此同时，对于芯片出口前景以及AI发展是否会出现泡沫的预警频现。韩国央行的数据显示，如果美国主要科技公司明年放缓AI资本支出，韩国半导体出口额可能比此前预测减少500亿至1000亿美元。 国际货币基金组织（IMF）也在最近发布的报告中称，尽管AI生态系统中的核心公司迄今一直盈利，缓解了AI相关股票估值的压力，但AI投资和盈利能力的减弱和不持久可能会引发AI相关资产价格的调整，而杠杆率上升、风险集中和循环融资安排加剧了这一调整。 彭博经济研究经济学家格顿-卡拉特里（Nicole Gorton-Caratelli）在报告中估算：“2023年至2027年间，亚马逊等五家核心公司在AI相关领域的资本支出承诺将超过1.6万亿美元。这些资金来源于国内外市场的债务和股权融资，包括透明度较低的私募市场。令人担忧的是，回报可能姗姗来迟，而且低于预期。这正是全球失衡扩大的影响所在。大量贸易顺差投资于美国资产意味着AI繁荣带来的收益和潜在风险被分散到全球。如果预期收益未能兑现，AI泡沫破裂带来的蔓延效应将会非常广泛。” 与AI繁荣紧密挂钩的韩国出口 在AI时代，有 “全球贸易金丝雀”之称的韩国芯片出口数据被赋予了指标性意义，成为了AI“金丝雀”，即AI资本支出的任何系统性收缩，都可以在韩国的出口数据上率先体现，且韩国还可以提供上文提及的每月前20天出口估算数据，为投资者提供更高频跟踪窗口。 分行业看，10月前20天，韩国芯片出口额同比飙升至275亿美元，芯片在同期韩国总出口中的占比达44.7%。若按工作日计算，当月韩国芯片日均出口额达到47.4亿美元，为历史上所有月份前20天中的最高水平。 在这股热潮之下，根据韩国央行27日公布的数据，截至9月的三个月内，韩国国内生产总值（GDP）环比增长了1%，同比增长了3.4%，高于3.1%的预期；4月至6月环比增长了0.6%，同比增长3.7%。 尽管整体数据表现强劲，但韩国经济内部分化日益扩大。韩国三季度私人消费较上一季度下降了0.2%，扭转了4月至6月期间0.4%的增长态势。 韩国央行认为，随着半导体周期的扩张，出口和投资有望保持强劲增长；同时，收入水平的改善应能带动消费复苏范围进一步扩大。 当前，韩国经济学界认为，韩国今年的年度出口总额有望首次突破1万亿美元大关。据韩国产业通商资源部统计，若能实现这一目标，韩国将成为继美国、中国和德国之后，全球第四个达到该里程碑的经济体。 韩国芯片行业的繁荣也提振了公共财政，韩国政府预计，今年全国税收收入将达到创纪录的478.6万亿韩元，较2025年增长28%。对于明年，韩国政府已提议将政府支出增加12.8%，其中大量资金将专门用于AI和芯片基础设施建设。 来自机构的冷水 不过，在一片繁荣景象之下，韩国央行已经开始预警。该行在一份在提交给议员的书面答复中构建了一个“悲观情景”，假设韩国半导体产品的单价将下跌10%，以评估如果美国科技巨头削减激进的基础设施支出，将对经济造成怎样的冲击。 在这一情景下，出口额的突然下滑将使韩国明年的国内生产总值增长率减少约0.4个百分点，并推动韩国经常账户顺差远低于央行此前对2027年4300亿美元的预测。 报告称，美国五大科技公司，亚马逊、谷歌、微软、Meta和甲骨文的资本支出合计增长迅速，从去年的400亿美元增至今年的约800亿美元，预计明年将达到1100亿美元。 韩国央行警告称，AI需求的走势以及更广泛的存储芯片商业周期仍存在相当大的不确定性。 牛津经济研究院则在一份报告中模拟了如果AI繁荣转为低迷会发生什么。 “它影响经济的主要渠道包括：AI相关投资减少、亚洲出口下降、企业债券利差扩大损害非AI相关投资，以及股价下跌通过财富效应打击消费。”牛津经济研究院在报告中表示，“不难想象叠加的痛苦情景：黏性通胀风险溢价可能使央行几乎没有救助空间，并使借贷成本保持高位；而且AI繁荣不必真正破裂就能造成更广泛的经济损害。对AI融资和回报的焦虑可能蔓延到更广泛的信贷市场，在AI动力耗尽之前就推高借贷成本并挤压其他领域的投资。” “在我们的科技低迷情景中，北美因股价和科技投资大幅下跌而表现糟糕。2028年美国GDP比基线低2%；对加拿大和墨西哥的影响相当大，因为它们的经济命运仍与美国捆绑。”牛津经济研究院的报告提出，“其他主要经济体也受到显著影响，部分反映出发达经济体货币对美元大幅升值导致出口量减弱。在这一情景下，2028年欧元区GDP比基线低1.4%。” “⾃2022年以来，已宣布的绿地投资额⼀直徘徊在全球GDP的1.2%左右。AI热潮的巨⼤吸引⼒再次推动跨境证券投资资⾦流回升。”格顿-卡拉特里对第一财经记者表示，联合国数据显⽰，去年AI和半导体投资约占绿地投资的三分之⼀，且资本集中在少数⼏个经济体。这表明，未来⼏年从外国投资中受益的经济体可能会更加有限。 格顿-卡拉特里分析称，在2000年前后，经常账户盈余的国家将多余的储蓄投⼊美国国债，这些资⾦流⼊压低了安全资产的收益率，并促使私⼈投资者寻求更⾼的回报。随后，杠杆、证券化和监管失灵将这股繁荣推向了房地产市场。这些因素本⾝并⾮⾦融危机的直接原因，但确实起到了推波助澜的作⽤。“外国投资者如今则偏好风险更⾼的资产组合。⾃2024年以来，外国投资者购买美国证券时，越来越偏好股票和公司债，⽽⾮国债。流⼊这些资产的资⾦量已接近有数据记录以来的最⾼⽔平，同时正值AI投资热潮。”她警示道。

2026-10-27: 一场没有大赞助、没有炫技 Demo 与路演，也不追求“从 0 到 1”造新品的黑客松，最近在罕见病圈子里悄悄跑完了全程。 黑客松（Hackathon）取自“黑客”与“马拉松”，即“像马拉松式集中开发”，把想法在几十个小时内打成可演示的原型（Demo）。统计显示，2026 年全球 AI 黑客松预计超过 4200 场，被广大科技公司与高校当作创新孵化的重要机制。但一个反复出现的问题是：青年创客们常常一拍脑袋，按自己假想的需求做产品——先预设某类人群“可能需要什么”，再据此开发功能。缺少真实用户参与测试，原型往往止步于展示。 “你们来真的呀？”这是孙大卫在这场罕见病黑客松现场，从参赛选手嘴里听到最多的一句话。孙大卫多年从事青少年科创教育，在他看来，这句话本身就是信号——参赛者不再怀揣“赏金猎人”心态，比赛也回到了以真实需求为起点的第一性原理。 Khub 罕见病开源社区发起人艾力本人是 FSHD1 型面肩肱型肌营养不良患者。“AI 时代大家都在恐慌，但我们这类少数群体反而很开心。”他在接受第一财经采访时说，除求医问药外，罕见病单病种人群一直以来仍有大量生活照护、院外监测等需求被资本忽略；今天，国内成熟的供应链和逐步普惠的技术工具，让这些原本“算不过账”的小需求第一次具备了低成本验证的条件。 “这场赛事试图验证的，正是能否用更轻量的技术、更低的成本，加上愿意长期陪跑的开发者，补上那些被商业化忽略的角落。”艾力说。 第一财经在现场看到，赛事项目大致沿两条路径展开：一条是将原本集中在医院端的疾病监测与辅助评估能力，向家庭场景迁移；另一条则更朴素——把市面上早已“泛大街”的智能药盒、辅具、防晒服、无障碍游戏等硬件产品，做得再便宜一点、再轻一点、戴起来再舒服一点，同时保留可修改、可二次开发的接口。 最终，正如艾力所说，赛事评审团淘汰了那些“技术很酷但没人用”的项目，而把票投给了那些 “不精致，但今天就能塞进患者口袋”的产品原型。 将罕见需求落地生根 这场黑客松在杭州“罕见·无界”嘉年华活动期间举行。李帅帅是现场为数不多的参赛医生。因为“懂临床、也会一点开发”，他成了这场黑客松里最抢手的共建者之一。 作为老黑客松选手，李帅帅告诉第一财经，这场黑客松弱化了对48小时“极致脑洞”的追求，想法本身也并非不来自于现场团队——并非是48小时里逼出来的，而是早就长在了患者生活里。 第一财经了解到，此次黑客松的八个赛题全部来自真实提单。距离10月线下路演还有三周，患者、开发者、设计师、医学生、算法和硬件工程师就已经在11个微信群里碰头：拆需求、组队、跑技术路线。 这些来自于真实需求的赛题，要么是“有想法、没能力落地”的项目，要么是“有产品、但不对口或价格根本够不到”。 空鼻症气流模拟就属于第一类。 空鼻综合征通常发生于鼻甲手术后，是一种与鼻腔结构及生理功能改变有关的复杂疾病。该疾病最令人困惑的现象之一在于，鼻腔明明是通畅的，患者却可能持续感到鼻塞、干燥、呼吸不畅，甚至窒息。 常规血氧和肺功能检查未必能够解释这些症状。 已有计算流体力学研究发现，部分空鼻症患者存在鼻腔气流分布异常，且局部气流动力学指标与症状严重程度存在相关性。不过，空鼻症的发病机制也尚未完全阐明。 正因为鼻甲结构与鼻腔气流存在这种复杂关系，一些空鼻症患者希望借助计算机模拟，把以往难以直观看见的鼻腔气流变化呈现出来，甚至开发出一款平民化、低成本的鼻腔气流分析工具。 李帅帅参与开发的空鼻症气流模拟软件，就是围绕这一需求展开的。“需求是患者自己提出的。我刚好既懂一点医学、又懂一点开发，所以中间没有‘翻译’障碍，试错和沟通成本降低，帮助患者将他们的想法跑通。”李帅帅说。 他的思路是：先通过患者的鼻腔 CT 数据进行三维重建，再利用计算流体力学（CFD）模拟空气在鼻腔内部的流动，分析不同区域的气流速度、流量分布与局部气流动力学特征，并探索与参考模型之间的差异。 睡眠智能药盒则属于后者。 尽管购物平台上并不缺智能药盒，但绝大多数面向慢病设计。相较于慢病用药，罕见病常见按体重个体化给药、漏药或超剂量用药均可能诱发危象。 发作性睡病就是典型。患者随时可能入睡，漏服或延迟服药可能影响日间嗜睡、猝倒等症状的控制，每次给药均需严格记录——李琦要解决的，不是"提醒你吃药"，而是"确认你真的吃了"。 他设计了一款手表形态的智能药盒，表体内嵌药仓，并计划接入一个轻量级智能体。患者开仓时，系统自动记录一次开仓行为，作为可能取药的第一项证据；患者服药后再手动确认，形成第二项服药记录。 两项记录相互印证，帮助系统提高对服药状态的判断可靠性。如果任一环节缺失，系统便不会直接认定患者漏服，而是将状态标记为“待核实”，由智能体主动提醒患者。对于未成年患者，还可结合其年龄、家庭照护情况及心理支持需求，设置个性化提醒策略，并在事先授权的情况下通知家属或监护人。 令孙大卫印象最深的，是复旦团队做的一支智能鼓槌——不用脚踩，用点头。需求来自一支叫“星期8乐队”的特殊人群乐队：成员热爱演出，却受限于身体条件，许多乐器难以正常使用——这类需求过于小众，市面上找不到现成辅具。其中，一位鼓手无法用脚踩槌，团队就在他头上绑一条带子、装上加速度传感器，点头时联动底下的智能鼓槌。身体够不到踏板，就用这个“头控智能鼓槌”替自己敲鼓。 北京病痛挑战公益基金会创始人、理事长王奕鸥对第一财经表示，罕见病患者的需求往往非常具体且特殊，虽然表面上看可能和其他群体有相似之处，但细节决定了通用产品无法满足。在一些罕见病场景下，甚至于产品在人文关怀和外观设计上微创新也成为患者可望而不可及的存在。 这也是这场黑客松存在的意义：把患者与设计团队、供应链和资本方拉到同一张桌子前，让他们看见这些被商业逻辑过滤掉的细节，再用低成本改良——而不是从零造轮子——对已有技术和产品做针对性迭代。 创意的边界 尽管创新从“脑洞竞赛”拉回“需求现场”，但这并不意味着这件事变得更容易——产品化落地门槛依然不低，该守的创意与医学边界也一条没少。 在北京某公立三级医院儿科工作多年，李帅帅反复强调一件事：边界。 “医疗是严肃领域。很多工程师习惯从功能出发，缺的就是这种边界感。患者未必具备医学判断能力：只要开发者把需求做出来了，他们就会觉得自己的声音被听见、被满足，哪怕这个方案本身站不住脚。”在他看来，今天 AI 再发达，也回答不了这道“该不该做”的界定题。那种把人引向“错误满足”的方案，必须有人用临床视角拦下来。 所以李帅帅坚持一个判断：开源社区降低了罕见病产品的开发门槛，却不一定抬高它的上限。只要产品最终面向患者使用，哪怕开发者自称“非医疗级原型”，也该由同时懂医学和工程的人主导——因为是否构成医疗器械取决于预期用途，而非自我声明：一旦涉及疾病监测、预警或辅助判断，就可能被纳入第二类、第三类医疗器械管理。 他还举了智能药盒的例子。共建者设想过一款伪装成充电宝的药盒，初衷是方便学生把药带去学校、避免被侧目。但充电宝工作时会发热，对热敏感药物将直接破坏稳定性——这在医疗原则上是硬伤。比发热更隐蔽的问题，是“伪装”本身：吃药不该是需要藏起来的事。把药盒做成充电宝，既给儿童增加了漏服、错服的风险，也把日常用药悄悄标记成了一种该被遮掩的行为。 边界不只体现在医学判断上，也体现在从原型到产品的资源约束里——算力、数据、伦理授权，仍是这类赛事能不能从“48 小时原型”走成“长期可用产品”的关键变量。 “算力成本占大头。我做的几款软件demo要往再外推，卡在两件事上：一是算力，数据放在我本地电脑上跑得通，但没法对外服务；二是数据。这次赛事现场给了ChatGPT额度，但如果所有开销都自己承担，确实做不起。”李帅帅说。 数据问题则更为复杂。一方面是患者数据共享的伦理、安全问题，以及后续产品化的数据确权问题，另一方面是患者数据和通用模型的可用性。 “医疗数据非常复杂且敏感。如果在黑客松里直接调用医院数据，只会抬高开发难度和合规风险。患者数据可以用，但隐私归属必须被保护。”王奕鸥说。 “解题思路不一样。”李帅帅说，医院收集的数据大多来自病历，而病历是被“修剪”过的，据此训练的模型从起点就带着缺陷。同时，单体医院训练的模型，难以包含患者连续性的生命体征变化。有国际权威评测显示：通用模型叠加专业知识库后的表现，并不弱于垂直医疗模型。其原因就在于通用模型能捕捉到临床场景里不会被正式记录的信息——比如患者随口说一句“我发烧了”，没写进病历，却可能是疾病诱因。 这也从侧面解释了这场黑客松为什么选择患者端数据做开发。在李帅帅看来，今天的患者自持数据的权属、授权粒度与收益分配远未走完治理的闭环。恰恰因此，慢病和罕见病患者更需要自己先管起来。“创新点本来就难找，每个患者又都不一样，不如先把数据收回来，‘难为’AI 去跑。” 落到他的应赛思路上，李帅帅的原则是不做“患者最满意的产品”，只做“患者能接受的最小可用产品”：首先，按能拿到的 token 和算力倒推范围，在资源上限内做取舍；其次，先交出一个最小成品让患者试用，谁愿意承担额外成本，再逐项叠加模块，同时将所有接口提前留好，为后续产品迭代和共享开发留出余地；第三，用医学经验画边界——什么能做，什么不该做。 空鼻症气流模拟就是一例。李琦表示，如果进一步结合三维打印技术，理论上还可以尝试将经过评估的结构设计转化为个体化原型。但这仍需要经过模型验证、临床评估和安全性研究————那是另一个量级的工程。当下，不能直接把仿真结果作为患者治疗依据。 没讲完的故事 艾力更愿意把这场黑客松看成一次“成交会”——筛出离落地最近的 demo，再当场替它找到买单方。 比赛结束当天，第一财经在赛场旁的咖啡厅看到几桌人聊到傍晚还没散：选手、患者、投资人、基金会和公益人士之外，还有几位小商品供应商。 王奕鸥观察到，很多科技企业其实有意愿参与罕见病场景，只是此前看不见真实需求。黑客松把需求放大了，企业才看清“我还能干什么”。尤其这几年公益环境变了，不少商家不愿再单纯捐钱，却特别愿意“干实事”——比如给白化病患者设计高系数防晒衣，觉得这事摸得着、帮得到人。这种回到日常生活场景的“消费级需求”，是接下来最该被推着走的。 孙大卫就在现场碰到了一位义乌女老板，对方带着厂房和供应链资源，直接加入落地导师团。过去青年创客团队通常只跑原型和算法，量产是“后面的故事”——让学生一上来就想开模排产，没人知道从哪下手。而供应链的人坐进前期讨论，从第一天就能告诉团队：你这个东西如果真做出来，义乌这边能接哪一段。 他自己的经历就是注脚。艾力所患的 FSHD 会导致手部丧失抓握能力，找到孙大卫团队后，后者用开源 3D 打印做了一套低成本、可定制的手部辅助手套。“网上定制手套动辄上千。但我们这个创意算下来，物料加打印，满打满算最高成本不到 30 元。同时，设计图纸我进行了开源，全球患者均可按需打印，或者如果义乌老板愿意开模、产品化，实物卖到 100 块以内也完全可行。”孙大卫说。 更关键的是，这场黑客松也验证了一件事：“罕见”和“通用”并不天然对立。那副为 FSHD 患者设计的 3D 打印辅助手套，同样可以通过微调，套在其它肌肉萎缩类患者的手上。 换言之，开源共创压低了三层成本：一是用开源方式，降低创意和开发成本；二是直接对接更便宜的供应链；三是在需求侧形成规模效应——用的人越多，单价越低。 不过，直到赛事结束，会场外那面写着患者未满足需求的海报墙，大部分纸条仍没有被撕走。 “这只是一个开始。我们希望把墙上的需求一条条拆下来，筛出那些值得重点投入的，找到技术原型和愿意承担一定社会责任的企业。”王奕鸥说。她尤其提到了中小微企业，“它们足够灵活，老板拍板就能动。”

2026-10-27: 当地时间10月26日，Anthropic向美国证券交易委员会（SEC）提交IPO注册文件的同一天，OpenAI发布新模型GPT-6.1 Terra，将标准API价格较上一代下调50%。OpenAI称，GPT-6.1 Terra主攻视觉理解和计算机操作，能够处理填写网页表单、编辑视频、读取技术图纸等任务。在Agents' Last Exam专业任务评测中，该模型在中等推理强度下较GPT-5.6 Terra提高15个百分点，单项任务成本降至约三分之一；在Terminal-Bench 4.0编程评测中，其最高推理强度得分为50.3%，高于前代的21.5%。价格是此次发布的重点。GPT-6.1 Terra的标准API输入价格为每百万token 1美元，输出价格为5美元，缓存输入为0.05美元。相较GPT-6 Astra，其输入、输出token单价均为十分之一；相较GPT-5.6 Terra，标准价格则下降50%。OpenAI表示，Terra在部分任务评测中已接近旗舰模型水平，但最复杂的编程任务仍更适合使用GPT-6.1 Sol或GPT-6 Astra。 这并非简单的降价促销，也不是OpenAI首次推行降价营销策略。早期，OpenAI降价多伴随模型升级。自2025年至今，由于开源模型的冲击，OpenAI的降价策略变得更加激进和直接，目标明确指向抢占调用量和生态。例如推理模型o3输出价格降幅高达80%，GPT-5.6 Luna输入价格从每百万token 1美元降至0.20美元。降价背后是公司对更大规模调用量的期许。OpenAI CEO山姆·奥尔特曼对Terra 6.1所谓“开启计算机使用时代”的前景颇为看重。计算机操作和智能体应用要真正进入企业工作流，模型必须能够稳定完成多步骤任务，同时将单次任务的推理成本压到可持续的水平。对于开发者而言，模型能力接近并不意味着实际成本相同。更低的token价格和任务成本，有助于扩大自动化应用的使用范围，并推动调用量增长。OpenAI此次选择强化计算机操作能力、同步下调价格，体现出其试图以更低成本争取高频企业任务的策略。这一策略也与OpenAI面临的资金压力有关。据市场消息，OpenAI预计2026年至2030年累计现金消耗可能达到2780亿美元，主要与算力及基础设施投入有关。公司虽已为潜在上市做准备，但奥尔特曼表示不会在2026年上市。对于仍需持续投入前沿研发和算力的OpenAI而言，如何把模型能力转化为稳定收入、提高每单位算力的商业回报，是资本市场持续关注的问题。作为OpenAI的最大竞争对手，Anthropic的招股书则从财务侧呈现出相似的另一面：收入高速增长、季度经营改善，但算力投入带来的长期成本压力仍在。文件显示，Anthropic 2026年上半年收入达到162.86亿美元，远高于上年同期的11.63亿美元；第二季度营业利润为9.74亿美元，营业利润率约8.4%；剔除股权激励等项目后，调整后营业利润为22.35亿美元，调整后营业利润率约19.3%。虽然上半年按美国通用会计准则计算的净亏损达到807.48亿美元，但其中相当部分并非当期现金支出。不过，长期算力采购和租赁承诺仍构成固定成本压力。即使收入快速增长，公司未来仍需持续投入大量资金支撑模型训练与客户需求。也就是说，Anthropic同样需要在能力与收入增长和算力成本与商业化回报之间找平衡，并以此向资本市场证明经营改善。

2026-10-27: “要想成为AI经济的一部分，不能只做AI的消费者，而是要成为AI的生产者。” 在不久前的GTC柏林大会上，英伟达创始人黄仁勋对德国、欧洲发出这样的呼吁。黄仁勋欧洲之行分别到访了法国、英国、德国等数个国家。 黄仁勋希望欧洲接纳其AI工厂。他将其定位于构建和运营AI基础设施的综合平台，并称之为“我们帮助欧洲融入AI生态系统、参与AI经济的基础。” 黄仁勋的全栈AI工厂，确实有潜力成为欧洲企业的技术底座。但英伟达和欧洲众多企业如西门子、保时捷、欧莱雅等合作中，后者是人工智能技术的接受者，而非新技术的共创者。 黄仁勋和英伟达，对于欧洲本土人工智能的技术繁荣，所能提供的帮助十分有限。核心原因并不在于英伟达技术不够先进，而恰恰在于英伟达太过强大了。 英伟达向欧洲交付的全栈AI工厂是集成化的平台，而非单一高性能芯片。这套系统涵盖GPU硬件、CUDA-X库和模型。这些高性能芯片、CUDA-X，以及模型层都是欧洲企业无力参与构建的。欧洲企业即便接受它，能做的也是由德国西门子或法国欧莱雅等企业在上面构建自己的应用层。 英伟达也无法刺激欧洲企业开发与之相似的竞品。 英伟达的能力如此突出，以至于欧洲几乎没有任何企业与之正面竞争。这与美国、中国的情况大不相同。 美国有AMD、英特尔开发加速卡，互联网巨头亚马逊和谷歌也开发自己的专属芯片；中国受到高端芯片进口限制，一个由华为、寒武纪、沐曦科技等企业构成的本土算力生态正在成长。 市场竞争刺激技术进步和经济发展。英伟达丰厚的利润显而易见，本应吸引更多欧洲企业同台竞技。但欧洲企业似乎放弃了雄心壮志，不愿挺身与之一战。 芯片如此，大模型类似。 据我所知，一些在中国运营的大型德国企业，底层接入的要么是美国Anthropic、OpenAI的模型，要么是中国阿里模型。欧洲代表性的模型企业是法国Mistral AI，但它目前没有获得全球认可的迹象。 欧洲的职场环境，也不利于技术迭代。一位访问过Mistral AI的中国科研人员对我表示，在中美研究人员焚膏继晷地把大模型推向前沿之际，Mistral AI的员工休假制度显得过于奢侈了。 欧洲的人工智能后备人才不如美国和中国富足。诺基亚曾在手机领域如日中天，西门子也曾有过手机业务，但它们都错失了移动互联网浪潮，相应的软硬件人才在欧洲失去了壮大的土壤。 新技术和创新企业不是凭空产生，创造者往往来自上一代技术和产业。奠定人工智能基础的Transformer架构，诞生于谷歌员工之手，而谷歌是移动互联网时代的王。Anthropic的创始人Dario Amodei的职业履历更是包含了百度、谷歌和OpenAI。 欧洲初创企业的融资也不如中美便利。 黄仁勋表示，近期将再向欧洲追加20亿美元的投资，此前已经向欧洲投资了80亿美元。这可能会使英伟达成为欧洲人工智能的最大投资者，缓解当地初创企业的融资困难。 这笔资金分散在法国、德国和英国等多个国家，涉及十余家甚至数十家企业，企业平均所获资金数量不会太大。英伟达投资的企业，也多是医疗健康、商业软件、机器人等英伟达产品的应用场景。 人工智能的关键在于芯片、模型以及数据。这些领域的美国企业动辄几十亿、上百亿美元的融资，比如OpenAI现在谋求300亿美元的融资；中国企业沐曦上市前融资超过100亿人民币，DeepSeek则被传出正在融资1000亿人民币。 即便欧洲诞生人工智能的幼苗，它们也不容易在欧洲本土找到类似美国、中国的充足资金。 2014年，DeepMind被谷歌收购的时候，欧洲人工智能的融资困局就已经很明显了。这家公司成立于英国，创始人Demis Hassabis曾试图让它保持独立，但难以在英国这个欧洲金融中心得到风险资本支持，之后才被谷歌收入囊中。Demis Hassabis也加入了谷歌，并在2024年凭借“蛋白质结构预测”获得了诺贝尔化学奖。 美国、中国是这一轮人工智能浪潮的两大中心，而欧洲则处于相对边缘的地带，这是历史上产业断裂、人才积累不足和资金匮乏等多方面因素造成的。黄仁勋希望英伟达的AI工厂为欧洲企业所接纳，他也带来了一大笔资金。但这些对于欧洲产生本土的AI生态作用有限。 欧洲人工智能赶超美国或者中国的步伐，似乎难以完成的任务。欧洲企业最好的办法依然是拥抱美国、中国的技术，并在应用层面尝试突破。一些欧洲企业，已经在中国积极开设机器人研究中心，与中国企业一起研发，打通这一新兴产业的链条。 欧洲不应再过度监管人工智能，尤其当美国和中国将技术进步，而非监管作为优先选项的时候。必要监管是为了安全，但过度监管可能是杞人忧天，并把创新排斥在外。 如黄仁勋所说，如果一个产业都没有发展起来，那也就没有什么可监管的了。

2026-10-27: 每个月五六百元的一张床位，一台装着大模型的电脑，一个能注册公司的地址——这几乎是一些“一人公司”创业者的全部生产资料。不久前，国产动画电影《牛来》因画风“粗糙”意外走红，媒体实地探访发现，其出品公司的注册地竟是大连一栋老旧居民楼。这让人重新想起那个被讲了半个世纪的故事：惠普和苹果诞生于车库，阿里巴巴诞生于一套公寓中。低成本居住空间，历来是创新最原始的孵化器。如今，这样的故事正在被人工智能改写。当“一人公司”（OPC）成为越来越多年轻人的创业选项，住哪儿和在哪儿干这两个原本分开的问题，开始合并成一个问题。上海的部分保障性住房，正在试着给出答案。床位与工位只隔着一层楼在上海浦东张江，纳仕青年人才社区里有个叫“幂次方青创首站”的空间。它提供两种模式：一种是“2合1”，居住与办公合在一处；另一种是“1+1”，一间独立公寓配一个独立工位。400平方米室内、300平方米室外，构成了“楼上安居、楼下创业”的物理尺度。几公里外的浦发有家·进贤青年人才社区，把创业功能直接嵌进了保障性租赁住房：150个免费共享工位、3间专业直播间、若干静音办公舱。住在这里的年轻人，上楼是家，下楼是工位，往返三分钟。更具想象力的尝试在城市边缘。在张江镇新丰村的林带腹地，3幢闲置村宅被改造成35间青年人才公寓，20余亩林下空间嵌入11座全透明“孵化区”建筑。公寓、林下工位、科创小院之间步行可达，创业者白天在林间敲代码，晚上回村里睡觉。这个被称为“数字游民OPC生态社区”的项目，开业仅一周，申请入驻创业团队就突破了50家。这个数字，比任何论证都更有说服力。它说明需求不是被政策创造出来的，而是原本就淤积在那里，只是长期没有出口。为什么是保障房要理解这件事的分量，得先看OPC创业者的成本结构。这类创业者大多不是技术科班出身，他们借助AI工具完成过去需要一支团队才能完成的工作：写代码、做设计、剪视频、分析市场。一个人、一套工具链，就能跑通从创意到交付的商业闭环。门槛降得越低，进入的人越多，但他们对成本的敏感度也越高。有从业者形容，OPC创业者最焦虑的是下个月的房租和饭钱。而在现有空间供给里，这个焦虑几乎无解：写字楼太贵，民宅注册公司门槛高，大量年轻人只能在咖啡馆和图书馆之间“打游击”。保障性住房恰好补上了这块空白。人才公寓、保障性租赁住房、公租房，以及面向快递骑手、环卫绿化、建筑工友等一线劳动者的“新时代城市建设者管理者之家”，普遍具有三个特征：租金低于市场价、青年人口集聚、公共空间相对完备。“新之家”的床位，月租只需500至1000元。把创业初期的固定成本压到接近于零——这正是“车库创业”的原始逻辑。对运营方而言，这同样是一笔划算的账。目前部分新城和郊区的人才公寓、保租房面临空置与运营压力，单纯居住功能难以覆盖成本，长期依赖补贴容易陷入“福利陷阱”。把创新创业功能嵌进去，通过“租金换服务”“创业收益反哺居住成本”等市场化机制，才有可能从“输血”转向“造血”。卡点不在房子在制度看起来顺理成章的事，落地时撞上的是一堵制度的墙。创业者想在自己租住的房间里注册公司，面临三重约束。第一重是物权。《民法典》第二百七十九条规定，业主不得违反法律、法规以及管理规约，将住宅改变为经营性用房；确需“住改商”的，应当经有利害关系的业主一致同意。实践中，这往往演变成“本栋楼一户反对即无法通过”。第二重是租赁。国务院《住房租赁条例》规定，承租人未经出租人同意，不得擅自改变租赁住房用途；《上海市住房租赁条例》的口径更严，要求承租人不得擅自改变房屋用途、结构。第三重是登记。《上海市经营主体住所登记管理办法》规定，以城镇居住用房作为经营主体住所的，应当按照《上海市住宅物业管理规定》办理改变房屋使用性质的手续。而这套手续以业主同意为前提，保障房的承租人并非产权人，这条路在源头上就走不通。通道并非完全没有。梳理下来，至少已有四条合规路径可以借力：一是集中登记地与住所托管，各区政府可认定集中登记地供企业登记，浦东新区还明确，从事不扰民、不影响周边环境和公共安全经营项目的企业，可以使用托管住所登记；二是个体工商户登记地，街镇可结合社区服务体系建设设立，供社区内从事居民服务业的个体工商户登记；三是网络经营场所登记，仅通过网络交易平台开展经营活动的个体工商户，可以把网络经营场所登记为经营场所，与实体住所脱钩；四是“一址多照”“一照多址”，符合条件的非居住用房可登记为多个经营主体住所。四条路径的共同点是，注册地址落在非居住空间或网络空间，而不是居住房屋本身。这就引出了“居创一体化”最容易被误读的地方。它的本意不是“在卧室里开公司”，而是居住功能、注册功能、工位功能的空间解耦与就近集成。人住在租赁单元里，公司在社区配套的非居住空间或政府提供的集中登记地、托管地址注册，工位布在社区公共区域。浦东已经有跑通的样本。进贤青年人才社区联动属地政府，为入驻OPC提供虚拟注册地址、代理记账等政务代办；张江镇在纳仕社区和数字游民社区都配置了“服务无忧包”，由镇投促中心团队进驻，公司注册由政府专员全流程协助、一站式办理，工商、财税、法务、知识产权、人才政策对接打包集成。这套做法不改变房屋用途，不触碰“住改商”红线，制度风险可控——这也是它具备复制价值的原因。热闹背后还有三处风险但把创业塞进居住空间，风险是实打实的。最直接的是消防与社区治理。创业者携带大量电子设备长时间高负荷用电，消防负荷显著上升，而现行消防标准并没有针对“居住+创业”复合场景的专项规范。此外，夜间噪音、外来访客增多、公共资源被占用，都可能引发居住租户与创业者的矛盾，基层社区缺乏有针对性的治理依据。更深一层是“居改非”与规划用途的冲突。保障性住房多为Rr4（四类住宅组团用地）租赁住宅用地或“非改居”项目。一旦增设创业工位、允许企业注册，就可能触碰“不得擅自改变房屋用途”的红线，被认定为变相“居改非”。多个部门对用途认定不一致时，审批可能被拒，运营方面临行政处罚甚至摘牌风险。第三重风险来自套利。如果准入门槛过低，“假创业、真套补”“注册在此、经营在彼”的行为就会出现，挤占本应给一线劳动者的保障资源。而现有运营方多为物业公司，核心能力是“管房子”而不是“孵项目”，缺少专业服务配套，创业空间很容易沦为好看的“盆景”。从个案到模式还差什么上海的探索并非孤例。今年以来，北京、苏州、杭州、深圳等地陆续出台OPC专项政策，但多数还停留在补贴、算力与注册便利上，直到最近才有城市把目光移向“住”这一端。成都已建成投运OPC社区35个，其中锦江区“锦邻创享”社区今年6月底揭牌，做法是把一栋楼做成“保租房+写字楼”：8层是920套拎包入住的保障性租赁住房，4层是3500平方米的写字楼，楼上住家、楼下办公，共享工位最长免租18个月。在县域层面，山东宁阳把“场地”与“安居”并列写进OPC专项政策，工位首年全免、第二三年减半，无自有住房的从业人员可申请“一人一室”的人才公寓，首年免租、后两年再减半。但要从个案变成模式，还有几件事要做。路径上，宜分层推进而非一刀切。人才公寓的住户以高校毕业生和青年专业人才为主，知识结构与创业意愿和OPC形态高度适配，是最合适的起步场景；产业园区配套的保租房，租客中年轻白领、技术人员集聚，具备就近创业条件，可以跟进建设“OPC工位区”；“新之家”的住户以一线劳动者为主，直接开展OPC式创业的人群基础较弱，更适合小切口推进——办“数字技能夜校”教AI工具和电商运营，用足个体工商户登记地和网络经营场所登记两条通道，先培养“第二技能”，待条件成熟再逐步拓展创业功能。制度上，最关键的是把“居住空间复合利用”与传统的“居改非”区分开来，给出明确定性。这需要跨部门的协调机制，也需要在住所登记规则上作出适配——比如把保障性住房社区配套的非居住空间纳入集中登记地认定范围，对轻资产、不扰民的创业形态实行告知承诺，探索“工位号注册”和“不见面审批”。标准上，需要一套技术导则把空间、安全、注册、治理四件事说清楚：创业微空间占公共区域的比例、防火隔断与独立烟感、智能用电监测、集中登记地与托管地址的适用条件、噪音边界与访客规则、居民—租户—创业者三方议事机制。服务上，要解决运营方“不会孵”的问题。推动运营主体从“管房子”转向“孵项目”，通过自营或购买服务引入专业机构；在党群服务站增设创业服务窗口，把算法备案辅导、知识产权申请等事项集成进去；工位入驻条件用商业计划书、算力使用记录、开源社区贡献来综合判断，实行“低门槛申请+承诺制+半年评估”的进出管理，既能防止套利，也能让真正做事的人留下来。有研究者在观察城市空间政策时提出，城市对年轻人的友好，最终要落到“能不能以可承受的成本，做想做的事”这个具体问题上。当保障房愿意承担这个角色，城市创新的门槛，才真正降了下来。（作者系上海交通大学安泰经济与管理学院、数字化管理决策重点实验室副研究员）

2026-10-27: “自动驾驶对安全的要求会变得更高，L2辅助驾驶阶段，事故责任主体仍是司机，进入L3及以上自动驾驶阶段，责任主体将转移到系统。”近日，华为高级副总裁、引望CEO靳玉志在2026世界智能网联汽车大会上表示，这是自动驾驶进入下半场的重要变化之一。 L3级被看作为自动驾驶行业的分水岭，不仅是责任主体的变化，主机厂更应该把技术冗余做到极致，车企需要保证每一项技术、功能的稳定性以及冗余的边界。 不过，针对自动驾驶发展历程是否跳过L3，行业仍存在分歧。靳玉志此前曾表示，L3是走向完全自动驾驶中无法跳过的必经阶段。他认为，L3和L4，不是一种对立的关系，是迈向完全自动驾驶同一个方向的不同阶段。L3意味着责任主体变成了自动驾驶系统或者是提供自动驾驶的厂家，法律法规的完善，以及用户的适应，都需要一个过程，因此L3不可逾越。 部分企业主张可依托端到端大模型实现技术同源，直接从L2向L4迭代。小鹏汽车董事长何小鹏认为，自动驾驶应该跳过L3，L3模式下安全责任转移给系统，但它只是转移了责任，用户体验没有优化，重点是安全性没有变好。他表示，各个国家监管体系想要管控自动驾驶、支撑技术向更高等级演进，一定要安全、可管控。基于这个逻辑判断未来自动驾驶赛道真正有发展机会的是L2、L4和重新定义后的L5，而L3本质上只是L2的一种增强形态。 当前，国内智能驾驶产业已经走到了向高阶演进的关键节点。工信部数据显示，截至今年9月，国内L2级及以上辅助驾驶渗透率已达70%，规模化普及基本完成。政策端同步铺路，L3级自动驾驶准入工作正有序推进，《智能网联汽车自动驾驶系统安全要求》强制性国家标准已正式发布，将于2027年7月1日起实施，为L3/L4级产品划定了统一的安全准入基线。此前，国内已发放首批L3车型附条件准入许可，产业从示范应用迈向规模化商用的路径逐步清晰。中国科协名誉主席万钢预计，到2030年国内L3级自动驾驶渗透率将超过35%。 靳玉志表示，华为坚持做智能网联汽车增量部件供应商，今年研发投入将近200亿元，希望能够把智能化汽车解决方案变得更丰富、可靠、更具成本优势。他提出三大协同方向，一是让高安全、高质量的智能汽车解决方案走进更多用户，通过持续技术创新和工程优化，提供更丰富、更可靠、更具成本竞争力的产品组合；二是从与车企深度协同扩展到与产业生态伙伴协同；三是从中国市场规模化应用走向全球价值共创。

2026-10-27: 【人形机器人应用持续拓展，核心零部件投资机遇受关注】日前，商务部发布的数据显示，今年前三季度，重点平台具身智能机器人销售额同比增长22.6%。从消费端需求增长，到具身智能整机及配套项目推进，机器人产业的应用与商业化进展受到关注。分析人士认为，人形机器人产业正处于量产验证与场景落地的重要阶段，投资机会有望向核心零部件、控制平台和数据基础设施等环节延伸。随着产业发展更加重视实际应用，应关注企业技术优势、成本控制和批量交付能力，以及订单落地与模型迭代进展。（中证报）

2026-10-27: 【Anthropic向美国SEC提交上市文件后，预测市场交易者认为其今年IPO几乎已成定局】Anthropic周一披露其向美国证券交易委员会（SEC）提交的S-1表格，使投资者得以首次关键性地审视这家AI平台的财务状况。 预测市场平台Kalshi上的投机者给出95%的概率，认为这家AI巨头将在2026年底前正式宣布首次公开募股。Kalshi将“正式宣布IPO”定义为：SEC宣布S-1生效、IPO完成定价，或交易所为股票分配交易代码。 在Polymarket平台上，交易者认为Anthropic将在11月20日前在公开交易所挂牌并开始交易的概率为69%。(华尔街见闻)

2026-10-26: 当地时间10月26日，大模型厂商Anthropic向美国证券交易委员会（SEC）公开递交IPO注册文件，计划在纳斯达克全球精选市场上市，股票代码为“ANT”。招股文件披露，Anthropic 2026年上半年营收达162.9亿美元，净亏损高达807.5亿美元。其中约724亿美元来自可转债等金融工具公允价值变动，主要与公司估值上升有关。同期调整后营业利润约16亿美元。更大压力来自算力投入。招股文件显示，Anthropic预计未来十年在云服务、计算能力和基础设施方面至少承诺支出5180亿美元，其中约八成不可取消或无论实际使用量如何都需要支付。此前，Anthropic已与谷歌、亚马逊和微软签订了大额长期基础设施协议。其中，谷歌相关承诺约1111亿美元，亚马逊约1100亿美元，微软约314亿美元。2026年上半年，Anthropic在计算能力和基础设施方面的支出接近90亿美元，已超过2025年全年约73亿美元的水平。这意味着，公司必须持续扩大收入，才能消化长期算力义务。更值得注意的是，算力合同通常比客户收入承诺更刚性，如果模型需求增长放缓，或者新增算力未能及时转化为收入，固定支出就可能挤压利润。另外，目前公司的企业客户增长与渠道依赖并存。Anthropic主要通过Claude系列模型提供服务，收入包括按模型使用量计费的企业API，以及Claude订阅产品。Claude Code等编程工具则成为业务增长的重要推动力。截至2026年9月30日，过去12个月为公司贡献至少100万美元收入的客户超过1900家，贡献至少1000万美元的客户约250家。不过，公司也在招股文件中提示，近期收入增长速度可能无法持续，计算和基础设施费用在可预见的未来仍将是最大运营支出。目前，Anthropic尚未披露发行股数和发行价格区间，市场投资者讨论的估值约为1.5万亿至2万亿美元，但这并非公司正式确定的发行定价。此次IPO不仅将检验资本市场对Anthropic增长前景的判断，也将考验投资者对AI企业长期算力投入、盈利能力及风险治理的容忍度。

2026-10-26: ①即梦短剧工作室正式上线； ②小鹏Robotaxi获批L4级示范运营资质； ③智元发布安规级重载具身机器人精灵G2 Max 已在产线“机器人造机器人”； ④探路者：旗下通途半导体与端侧大模型推理AI芯片头部企业战略合作； ⑤诺亦腾机器人完成Pre-A+++轮融资。

2026-10-26: 随着生成式人工智能日益成为公众获取信息和比较产品、服务的重要入口，企业围绕生成式引擎开展信息优化与商业推广的需求不断增加。所谓生成式引擎优化（GEO），通常旨在提高特定信息被模型检索、引用或者推荐的可能性。合理的信息优化有助于经营者展示真实信息，但编造排名、虚构评分、伪造专家测评，或者通过批量投放误导性内容影响模型回答，也可能扭曲消费者判断和市场竞争秩序。与传统搜索引擎优化相比，生成式引擎的运行机制更加复杂，信息从发布、检索到生成结果之间的链条也更难追踪。如何在鼓励正常推广与防范信息“投毒”之间划定边界，成为生成式人工智能治理中亟待回应的问题。 区分正常信息优化与欺骗性投毒 正常的GEO推广并不当然违法。企业通过发布真实、可核验的商业信息，提高自身被生成式引擎识别和推荐的机会，本质上仍是市场竞争中的信息传播活动。即使某些信息被反复发布，也不能仅凭发布频率或模型推荐结果就推定其构成违法。真正需要审查的是内容是否真实、传播方式是否正当、商业推广属性是否具有可识别性，以及相关行为是否误导消费者、损害公平竞争秩序。 “投毒”的风险不止于凭空捏造事实。有些信息单独来看并非明显虚假，但经营者可能通过选择性呈现、反复强化部分优势等方式，促使生成式引擎形成片面结论。对此，应重点考察有关行为是否构成欺骗性干预或者造成系统性误导，并结合具体行为方式及相关法律规范判断其正当性。 在法律框架下明确行为定性与适用边界 对于编造排名、评分、专家测评等典型虚假宣传行为，现行法律并非没有规制依据。《广告法》主要调整符合商业广告性质的宣传活动，对广告的真实性和虚假广告作出规范；《反不正当竞争法》则对虚假或者引人误解的商业宣传，以及利用技术手段实施的相关网络不正当竞争行为予以规制。对于属于发布虚假广告的行为，应依照《广告法》的有关规定处罚。《网络反不正当竞争暂行规定》也为识别虚假排名、虚构评价等网络竞争行为提供了规范参照。 在具体法律适用中，还需根据行为性质区分不同的违法类型。一方面，对于虚假或者引人误解的商业宣传，重点在于判断经营者所传播的信息是否符合相关法定构成要件；另一方面，若要依据网络不正当竞争规则认定利用数据、算法等技术手段妨碍、破坏其他经营者合法提供的网络产品或服务正常运行，还须证明相关技术行为符合相应要求。生成式引擎引用了错误信息，并不必然意味着平台运行遭到法律意义上的妨碍或者破坏。 当前所谓GEO“监管依据不明”，更准确地说，是既有规则面对新型技术行为时仍存在行为定性、规范衔接和责任划分的困难，而不是完全缺乏法律依据。例如，某企业通过服务商在多个内容平台批量投放单条并非明显虚假，却经过选择性组织和反复强化的商业信息，继而影响生成式引擎推荐。在这一假设情境下，如何评价整体宣传的误导性、如何识别不正当技术干预，以及如何证明投放行为与模型输出的关联，都有待结合具体证据和适用条款作出判断。 适应生成式引擎特征完善证据评价 传统搜索引擎排序与生成式引擎的信息召回、引用和推荐机制具有一定的功能相似性。传统搜索案件中关于虚假数据制造、技术干预手段、主观过错和竞争秩序影响的分析思路，可以为GEO治理提供参照。然而，生成式引擎的模型机制不透明，输出又具有概率性，相关信息从多个平台进入模型回答的路径难以完整观察，因此不能简单照搬传统搜索排序案件的事实认定方式。 证明要求首先取决于违法行为的类型。对于编造排名、评分等虚假商业宣传，只要有关行为已经符合虚假宣传的法定构成条件，并不当然还要证明人工智能已经引用相关内容，或者有消费者实际受骗。即使向模型反复提问时，有时出现相关推荐、有时没有出现，也不当然决定虚假商业宣传行为能否成立；相关输出情况则可能影响对传播效果、危害程度及处罚裁量的判断。 如果进一步主张经营者通过技术手段妨碍、破坏了生成式引擎正常运行，就需要围绕技术干预方式、实施过程及其影响收集证据。在不降低法定证明标准的前提下，证据评价应当适应概率性输出的技术特征，不能仅凭一次生成结果就认定行为效果。可以结合跨时段、多轮次测试形成的统计样本，以及异常引用记录、内容投放日志等材料，综合判断相关行为与AI回答变化之间是否存在可被证明的联系。 沿产业链分层确定各主体责任 在“商家委托—GEO服务商制作—内容平台发布—AI引用推荐”的链条中，违法风险往往涉及多个环节。责任分配可以参考模型层、数据层、行为层的分析框架，并综合考察各主体的实际控制力、获益情况、可预见性和过错。 委托商家若主动指使或者明知并放任服务商编造排名、评分、案例数据，通常应对其主导的违法推广行为承担主要责任。GEO服务商自行虚构数据，或者明知委托方要求造假仍帮助实施相关宣传，也可能独立承担相应法律责任，不能简单以提供技术服务为由免责。至于内容发布平台，则需依据其具体法律地位和实际管理能力，依法履行信息内容管理及违法信息处置义务。 生成式人工智能服务提供者既不是“引用即全责”，也不能凭借技术中立当然免责。对于其可以控制的训练数据治理、违法内容处置等环节，应落实相应法定义务；对于检索源反污染筛查、来源展示、高风险领域信源核验等机制，则可以根据服务性质和具体风险进一步完善。是否承担责任以及责任程度，仍需依据具体法律规范，结合实际控制能力、主观过错和相关损害进行判断。 法律、医疗和金融等专业领域尤应重视虚假信息的风险。以律师事务所虚构业务排名、案件数量或者满意度进行推广为例，此类行为不仅可能引发广告、反不正当竞争及律师行业规范上的责任，也可能误导当事人选择法律服务，导致额外支出或者延误维权。在信息不对称、专业信任程度较高的领域，有必要强化可量化宣传数据的真实性审查、来源核验和风险提示。 以溯源记录和持续整改提升治理效能 GEO投毒的治理不能停留在对原始虚假内容的删除。即便违法企业撤下了原始文章，第三方转载、平台缓存或者生成式引擎后续引用仍可能使错误信息继续传播。对此，应根据各主体实际控制范围分别落实整改责任：受罚企业停止违法投放并主动联系相关平台更正、删除；转载平台在依法负有处置义务时及时处理；生成式人工智能服务提供者发现违法内容后，依法采取必要处置和整改措施。 整改是否有效，也不能只凭一次AI回答或者要求错误信息在所有场景中绝对消失来判断。更合理的方式，是综合信源删除或更正情况、跨时段重复测试结果以及违法信息持续传播的程度，动态评价整改效果。对于同一虚假信息反复进入生成结果的情况，还需要建立持续反馈和后续处理机制。 在诸多治理措施中，宜优先推动必要的日志与记录留存。商家和GEO服务商应当在其实际掌握范围内保存相关内容制作、投放渠道及时间等记录；内容平台和生成式人工智能服务提供者可依据适用规范及技术能力，保留必要的内容来源、违法信息处置等记录。相关记录留存要求应与各主体实际掌握的信息及技术能力相适应。以可核验的记录支撑溯源与归责，并在此基础上逐步探索高风险场景中的算法审计，更有利于将治理要求转化为可执行机制。 从长远看，GEO治理的关键，不是简单限制企业争取AI推荐的正常经营活动，而是让信息真实性、技术行为正当性与责任承担形成相互衔接的规则体系。既有《广告法》《反不正当竞争法》及生成式人工智能治理规范已经提供基本制度基础，未来仍需在新型行为定性、跨平台证据协作、分类分级核验和整改效果评估等方面持续细化。 （陈兵系南开大学竞争法研究中心主任、法学院副院长，中国法学会经济法学研究会常务理事；朱家熠系南开大学竞争法研究中心助理）

2026-10-26: 综合工信部、中国信通院、IDC和浪潮人工智能研究院的数据，截至6月底，我国共建成500余座智能算力中心，有力地推动了智能经济发展。但算力新基建突飞猛进的同时，算力企业的盈利状况并不乐观，全国智能算力实际利用率仅36.8%，六成多的智能算力被闲置，企业级通用算力中心的利用率更是低至10%~15%。而大洋彼岸的美国，北美数据中心空置率预计仅1%，且95%的在建算力都已被提前预租。提高我国算力中心使用效益已是刻不容缓。 算力市场结构失衡 我国算力规模处于“总量平衡，结构短缺”的阶段。一方面，我国算力规模位列全球第二。截至2025年底，美国高居全球算力规模榜首，占全球总量的68.9%，中国占全球总量的14.5%，欧洲和日本排名第三、第四，分别为6.1%与1.2%。另一方面，我国算力供应存在明显的结构性失衡。综合信通院、浪潮和工信部数据，2025年全国智算中心GPU的平均利用率仅30%，表现在几个方面： 一是高端智能算力短缺。依据工信部和国新办数据，我国已全面转向“智算主导、多元协调、自主可控”的算力结构。截至2026年6月底，我国智能算力规模已达2185EFLOPS，占全国实际算力供给的95.1%；通用算力规模折算为102.1EFLOPS，占算力总供给的4.4%。然而，市场对2026年我国高端智能算力需求的预估数约为2576.5EFLOPS，供需之间存在约17%的缺口。 二是大模型训练算力紧缺。虽然训练算力只占智算份额的25%，但是东部地区高端训练集群却十分稀缺。在大模型向训推一体化方向发展的背景下，如何保证智能设备做到“开箱即用”，对训练算力提出了新的要求。 三是算力供给的区域失衡。我国算力已经形成“核心引领，梯队协同”动态互补格局，通过八大枢纽、十大中心的算力联通，实现了算力需求与资源禀赋的精准匹配，较好地保证了智慧城市建设的顺利推进。根据国新办数据，截至6月底，我国东部、中部、西部、东北地区智算规模占全国比例分别是55.9%、10.6%、32.6%、0.9%。然而，市场估算这四个地区对智能算力的需求占比分别为74%、12%、11%、3%。智算需求的兴起打破了国家算力调度形成的原有平衡，东数西算工程提供的智能算力，由于网络传输的时延问题，并不能完全满足即时推理的算力需求。比如某些地区到上海的网络延时高达100毫秒，远超5毫秒时延圈的范围。在新的消费趋势下，各区域的算力供需出现较大缺口。 四是不同品牌的算力芯片利用率差距巨大。采用一线品牌英伟达、华为昇腾的算力中心业务供不应求，其他中小品牌GPU的算力中心则多数闲置。同时，英伟达和华为昇腾提供了比较完整的算力生态，有诸多软件可以选择，极大地方便了大模型的训练和应用。因此，这些一线品牌的市场黏性十足，相关算力基本都在满负荷运转，新增产能也被预订一空。甚至某些型号的高端算卡经过5年折旧后，其残值竟然还能被市场重估到原价的70%，大幅提升了企业的非经营性收入。 五是各类主体的运营效益天壤之别。参考中国信通院（2025）的分类方法，算力中心可以被分为四类运营主体。第一类是三大电信运营商，占28%市场份额，整体实现盈利。2026年上半年中国移动的智算服务收入增速达130.1%，中国电信智算增长95%。第二类主体是公有云厂商，合计占25%的市场份额，阿里云、腾讯云等云服务平台，在AI算力拉动下，正步入扭亏为盈的拐点。第三类主体是算力服务商，合计占22%的市场份额，盈利情况高度两极分化。头部AIDC毛利率高企，头部项目预租率达到70%~80%；传统IDC和中小算力中心则大量亏损，与第四类运营主体地方国资算力平台，一起共同构成了算力闲置的主体。 六是不同体量的算力中心利用率差异极大。万卡集群的大型和超大型算力中心，凭借着战略级功能定位和市场化的长协订单，普遍实现了70%以上的上架率，但服务器利用率却在25%~40%之间分化。且万卡集群的投资回报期通常需要6~8年，运营前2~3年的亏损风险极高。千卡级的中型智算中心分化剧烈，头部项目面向混合训推市场，利用率可达60%~85%，盈利丰厚。而多数国资和西部的千卡级项目利用率只有25%~45%，长期亏损。500算卡以下的小型智算中心则面临内卷式竞争的价格战，除了少数绑定政府和优质客户的智算项目能够实现小幅盈利外，多数处于持续亏损状态。 算力市场缘何高度分化 大量算力闲置的原因大致可以分为四类。 第一，需求的趋势性转向导致算力供需错配。此轮大量算力闲置并非行业的周期性波动，而主要缘于算力需求的趋势性变革。一方面，AI全面转向场景应用后对算力消费提出了新的要求。许多原本面向数据存储和大模型训练而建设的数据中心，无法及时匹配“推理为主，训推并行”的计算模式，导致大量算力资源闲置。另一方面，场景应用催生出多样化算力需求，对响应速度和计算能力都提出了更高要求。比如L4/L5级自动驾驶和车路协同（V2X）都要求毫秒级的算力响应，中西部地区提供的远程算力，因为时延过长而难以满足这些新型业务要求。随着海量应用场景落地，以及更大体量的传统产业智能化改造，边缘计算需求暴涨，贴近用户、紧临场景的算力节点变得更具商业价值。 第二，刚性的算力供给难以及时匹配算力需求暴涨。 一是算力需求增速过快。近5年来，算力需求年均增速4~5倍，而2025~2030年中国智能算力规模和通用算力规模的复合增长率分别预估为50.3%和27.7%，算力短缺将是未来5年的常态。 二是算力中心通常需要2~3年的建设周期，即使是建设模块化的预制仓型算力中心，目前最快纪录芜湖3D数据中心也花费了9个月的建设时间。这意味着新的算力消费趋势出现后，至少会存在9~12个月的供需缺口。 三是智算中心的联网工程还在建设初期。头部算力服务商已经行动起来，三大电信运营商、阿里云、万国数据等已实现企业内部的算力联网调度。国家于2022年6月正式上线了中国算力网一期工程，2026年又将算力网纳入国家“六张网”现代化基础设施体系。随着算力银行、算力超市、词元弹性计费等配套服务的跟进，算力联网调度有望大幅平抑算力中心的忙闲程度。 四是异质异构的算力联网仍面临技术难题。目前“1+m+n”算力互联互通节点体系正进入大规模扩容建设期，已接入全国31省份578个算力资源池，覆盖昇腾、海光、飞腾全系列国产算力集群。但是，异质异构的算力互联面临着计算效率大幅下降的技术瓶颈。其主要原因是不同厂商的算卡或固定单元分配颗粒度、网络延迟、算法与硬件，在技术上很难做到完全适配，未来联网调度仍需要发展国产算力芯片，用统一技术标准来提升联网效率。 第三，技术差距导致算力中心处于高成本运营模式。算力芯片是算力中心建设的主要成本。当前高性能GPU等AI硬件主要依赖进口，而先进制程GPU的进口渠道受阻，且价格是国外同类型号的数倍，不仅影响算力供给稳定性，还抬高了我国算力出海的价格，这迫使许多出海企业选择国外的算力服务。 绕开国外专利壁垒的限制，国产算卡采取了“以网强算”的系统工程路线，取得了长足的进步。这种堆量和联网的策略，在性能上追平了国际领先水平，代价是付出了数倍的厂房面积和服务器数量，企业运营的地租成本和电力消耗也相应成倍增长。 算力闲置的另一个因素是企业因为生态隔离（CUDA壁垒）不敢用国产芯片。企业的模型迁移需要做大量的适配性调适，技术风险、沉没成本、时间消耗和人力成本都极高。尤其是大量二线品牌的国产算卡，缺少配套的软件工具和服务支撑，让用户很难下定决心，提交商用算力订单。 第四，诸多算力中心仍停留在房地产开发模式。AI大模型由训练转向场景应用，算力行业正从拼资源转向拼运营。任务交付能力成为影响算力利用率的关键因素。数据中心不是拿过来就能用的，需要做很多的性能优化，以及提供配套的故障处理等服务。目前，算力中心的智能服务日益强调任务交付与结果输出，运营模式也从单纯租赁硬件资源，转变为让用户直接获取任务结果。 在任务交付模式下，服务形态的改变推动企业采用多云部署策略，从而催生了跨平台协同管理、全产业链赋能等业务需求，驱动算力中心以“云-端-智”高效协作的模式提供算力服务，并从单一的硬件资源供给商，转变为全生命周期服务商和系统集成商。 算力服务行业的这些趋势性的转向，信号并没有及时传导到产业链中游的算力中心，更没有引起地方政府的足够重视。许多地方仍延用房地产开发的模式，建好机房等待企业来租赁服务器，市场经营的意识和能力没能及时跟上AI行业的形势变化。 多管齐下增强企业盈利能力 面向全球人工智能竞赛，需要搭建起全国算力行业的统一大市场框架，完善市场化的算力交易制度，在全球竞争中闯出中国算力行业的一片天地。 一是积极推进一体化的全国算力网建设。在国家算力互联网的基础上，进一步推进“1+M+N”的区域和行业互联互通平台体系建设。通过统一的算力标识符、算网云调度操作系统和高性能传输协议，将分散的异构资源整合进全国算力互联网，解决算力的“找、调、用”等技术难点问题。 二是建设全国统一的算力交易市场。进一步整合各类算力交易平台，发挥市场机制的决定性作用，提升算力中心开展任务协同的积极性和可能性，以完善的算力交易机制和市场规则，实现算力协同的合作共赢局面。 三是以技术创新推动算力资源的高效整合，着力解决我国算力行业参与全球竞争的技术短板，实现算力行业发展的自主可控。 四是积极推动算力中心的企业化进程。参考全国电网、铁路网的改制模式，推动各类算力中心转变为企业化经营的市场主体。鼓励算力企业开展混业经营，以软硬件协同的一揽子算力服务，实现企业的实力壮大和盈利提升。 （作者单位：上海社会科学院、上海国际经济交流中心）

2026-10-26: 10月26日，宇树科技股价延续上涨势头，盘中涨幅一度超18%，而后股价有所回落，报收672元/股，总市值为2718亿元。上一个交易日（10月23日），宇树科技股价20%涨停，迎来上市以来首个涨停板。 26日晚间，宇树科技发布公告称，公司股票连续三个交易日内收盘价格涨幅偏离值累计超过30%。根据相关规定，属于股票交易异常波动的情形。经公司自查，目前经营情况正常，未发生重大变化。 该公司还提醒称，人形机器人行业尚处于商业化早期，技术成熟度、下游市场需求培育、 产业链配套能力均存在不确定性。物理AI技术从实验室演示走向真实场景的规模化落地仍面临感知精度、运动控制稳定性、数据积累及软硬件协同等多重挑战，相关技术路径与商业模式的成熟尚需时间验证。若行业大规模商业化落地进度不及预期，公司未来营收扩张及业绩释放可能受到不利影响，存在估值回归的投资风险。 此前，宇树科技股价一度承压，并在10月15日创下阶段最低股价、接近400元/股。而在近日，该公司股价呈修复反弹迹象，连续七个交易日累计涨幅超65%。 据了解，10月22日，2026世界物理AI大会暨宇树合作伙伴生态大会在杭州召开。这是该公司成立十年以来首次举办这类规格的产业大会。 宇树科技创始人王兴兴在大会演讲中表示，大模型不断迭代下，物理AI或将迎来更多进展，快的话可能一到两年，慢的话可能两到三年。他还提到，宇树科技现在一年大概要生产几万台机器人，以及几十万个关节电机和模组，但如果要实现真正的大规模普及，目前的产能还远远不够。“如果未来很多工厂、商场和家庭里都有一台机器人，市场规模会非常庞大，年产量至少可能达到千万台。”

2026-10-26: 上周风险资产市场有一个好消息和两个坏消息。好消息是，因违约风险而暴跌的数据中心债券价格回稳，信用违约掉期（CDS）略有下降。坏消息是AI概念股下跌，半导体股遭到血洗；同时原油价格因中东紧张局势大升，布伦特破116关口，黄金白银失色。美国国债成为资金避险天堂，美元汇率高位平稳。过去两个月，美国债市已经对AI行业的过度扩张以脚投票，现在轮到股市了。AI故事越讲越大，已经变成了一场资本开支竞赛。数据中心、GPU、电力、网络设备、云计算，只要与AI有关，就有钱冲进去。Brookings估计，到2032年美国AI基础设施累计投入可能超过10万亿美元，每年相当于GDP的3.6%。这个规模相当于铁路、高速公路和早期电气化建设几次科技浪潮投资之和。过去市场只看到增长，憧憬未来；现在则开始算账，将视线落在脚下。股市可以吃到未来增长的红利，更愿意承担风险；而债市回报是发债时约定的利息，是固定的，风险需要投资人承担，所以债市率先去风险。近两个月，NeoCloud和数据中心相关债券的收益率明显上升，CDS价格大增，部分债券进入了承压区间。市场担心AI基础设施先从信用市场爆雷。笔者暂时没有这么悲观。过去两年融资窗口大开，不少NeoCloud（AI新云）已经提前筹到了未来一年左右所需的资金。公司债收益率现在上升，影响的是下一次融资成本，不是今天口袋里的现金。短期流动性未必马上出问题，真正麻烦的是旧债到期需要续借时，企业发债成本可能很高。到那时候资金不再听AI需求强劲这样的叙事，而会看未来现金流、合同质量、项目进度和杠杆率，也就是还款能力。Hyperscalers（超大规模云服务商）的情况不同。Alphabet、Amazon、Meta等自由现金流耗尽，未来也需要发债。今年五大科技公司的资本开支已经接近8000亿美元（明年甚至大幅超过1.5万亿美元），高过其合计自由现金流。不过这些企业的盈利能力强、核心业务有竞争力，即使融资成本上升，目前看仍然可控。因此，债市开始区分有能力还钱的和暂时还在讲故事的公司。股市的反应慢于债市。过去一段时间，AI股票的估值其实建立在几个很乐观的假设上：算力会长期短缺、资本开支越大越好、AI收入迟早会追上投资、所有参与者最后都能分到利润。短期看，这个故事还在。GPU现货价格依然很贵，大型科技公司仍然在上调资本开支，AI硬件公司的订单甚至可以看到未来两三年。需求是真的，订单是真的，盈利也是真的。然而，据Gartner测算，至2030年AI数据中心必须创造出8.5万亿美元的收入，才能令这些公司的投资得以取得可接受程度的回报。更令人担心的是，今天AI行业获取暴利的公司，并非拼命投资的公司。拼命投资数据中心的公司的盈利前景并不确定，微薄盈利与天价估值的矛盾、短期投资与长期盈利的矛盾、开源与闭源的矛盾，都是难以回答的问题。债券投资者早就在担心明年能不能还钱，股票投资者现在才开始担心未来能不能赚钱。这也是为什么笔者认为这一次股市调整可能不会太浅。不过，调整不等于故事结束。AI依然是伟大的革命，依然是未来几年资本市场最重要的主题，大型科技公司的盈利模式还在，AI硬件订单还在，市场错失恐惧情绪也还在。股价跌下来以后，相信资金还会回来。不过下一轮AI行情中，有三类公司危险性较高。第一类是需要巨大长期投资，但未来盈利能力高度不确定的公司。资本开支今天就要付，利润却要很多年以后才知道有没有。利率一高，估值最先出问题。第二类是准备IPO但最后既上不了市，又无法在私募市场筹够钱的公司。过去两年资本充裕，问题可以靠融资覆盖，一旦资本市场收紧，商业模式破绽便会暴露。第三类是杠杆已经很高，还要不断借新债还旧债的公司。笔者仍然更看好两端公司。一端是盈利强、资产负债表好的超大型科技公司。它们有能力继续烧钱，也有成熟业务替AI投资买单。另一端是未来两三年订单已经锁定的硬件公司。无论最终哪一个AI模型赢，GPU、网络设备、电源和数据中心设备都还是要买的。每一轮科技革命都会过度投资。铁路如此，电气化如此，互联网如此，AI也不会例外。很多基础设施都是在资本最疯狂的时候建出来的，但是科技革命最后成功了，很多初期参与者却牺牲在半道上。笔者认为这次调整未必是坏事，它让资本重新审视盈利和回报，让企业重新考虑杠杆，也让市场重新分辨谁是真的赚钱，谁只是站在风口上讲故事。话题转向法国。法国国债跌出了舒适区，债务危机的风险隐隐浮现。法国十年期国债收益率一度升至5.08%，创下2002年来新高。市场通常把法国和德国放在一起，当作欧元区核心国家，可是如今法债的交易定价却更像一个高债务、高赤字、低政治执行力的边缘国家。今天法国十年期国债的发债成本，竟然高过当年被称为“欧猪”的意大利、西班牙、葡萄牙、爱尔兰和希腊。油价上涨、通胀压力和美国长债收益率上升，当然推高了所有政府的融资成本。可是在此之上，法国还面临着额外的溢价。投资者担心的不是巴黎今天有没有钱还债，而是明天还有没有政治能力控制债务。2025年法国财政赤字为GDP的5.1%，虽然较上年略有改善，却仍远高于欧盟3%的财政红线。更尴尬的是，债务负担并没有因赤字改善而下降。法国公共债务从2023年的110%上升至2024年的113%，2025年进一步达到116%，债务余额约3.5万亿欧元。欧盟委员会预测，今年法国债务GDP率达到118%，明年突破120%。赤字暂时升高并不可怕，债务长期不降反升才可怕。法国政府税收负担已经处于全球最高水平，很难依靠加税解决问题，也很难削减养老金、福利、地方财政和公共部门支出。同时，借新债还旧债的再融资遭遇更高的发债成本，利息支出不断走高，法国政府利息支出占GDP比重将从去年的2.2%升至今年的2.6%。这就形成了一个恶性循环：赤字高企→发债增加→收益率上升→利息支出增加→财政状况进一步恶化。如果经济增长足够快，这个循环并非不能打破。但欧盟委员会预计法国2026年经济增长只有0.8%，2027年也不过1.1%。当名义融资成本不断向5%靠近，而实际经济增长如此疲弱，债务动态自然变得更加不友善。真正令市场不安的不是财政算术，而是政治乱局。法国过去也有高赤字，也经历过街头抗议。过去政府面对社会压力，往往用财政支出来换取妥协，今天这条路却越发难走。学校、养老金、生活成本等问题引发了新一轮抗议和骚乱，但法国财政腾挪空间几乎为零。如果政府花钱平息民怨，债市不答应；如果坚持削减开支，选民又不答应。债券市场要求紧缩，政治现实却要求扩张。法国政坛高度碎片化，政府缺乏稳定多数。2027年预算本是恢复财政信誉的机会，却反而成为市场检验政府执行力的压力测试。IMF指出，法国短期融资状况仍然可控，但必须拿出可信的中期财政整顿方案。当然，法债市场规模庞大、流动性好，债务平均期限较长，投资者基础也比当年希腊健康；市场担心不是国家明天违约，而是债务开始失去政治控制。法国眼下最危险的变化，是风险正在从财政数字进入政治，再从政治反馈回债券市场。收益率越高，政府越需要紧缩；紧缩越多，社会阻力越大；社会越不稳定，政府越难推进改革；改革越难，投资者要求的风险溢价就越高。政府对待高企的财政赤字束手无策，法国各地连续数星期的街头暴动，本质上是对经济现实的愤怒。政府通过宵禁制止暴力抗议，可以有一时的效果，但是问题的根源并未消失。笔者认为，法国还没有走到债务危机的地步，但危机通常也不是从“还不起债”那一天开始的。当一个政府失去了政治能力来决断、修正问题，发生危机便只是时间的问题。本周市场焦点是三大央行的利率决定：美联储大概率维持联邦利率在3.75%~4%区间不变，关注美联储主席沃什如何谈论12月加息；欧洲央行预计也不会加息，可能暗示12月加息；日本银行估计也不加息，同样可能暗示12月加息。除此之外，关注美国GDP、PCE通胀、欧元区GDP。〔作者系淡水泉（香港）总裁兼首席经济学家，本文纯属个人观点，不代表所在机构的官方立场和预测，亦非投资建议或劝诱〕