文 | 破茧Bio

港股通名单调整，对Biotech而言从来不只是流动性事件那么简单。当南向资金能够直接买入标的，那些基本面正在兑现、却长期受限于流动性和认知门槛而折价的公司，往往会迎来一轮系统性的估值重构。

在9月7日生效的港股通名单中，医疗保健业是调入最密集的板块之一，共16家医药企业获得南向资金通道，覆盖AI制药、小核酸、肿瘤创新药、抗体药物等前沿方向。这些公司此前定价权更多掌握在海外资金手中，港股通通道的打开，让更了解国内产业逻辑和公司基本面的内地资金有了参与定价的渠道。

而在这一批入通标的中，复宏汉霖、和铂医药、剂泰科技、歌礼制药、基石药业、瑞博生物、英派药业这7家公司尤为值得关注，覆盖小核酸、AI制药、合成致死、肥胖等前沿赛道。这不是简单的标的扩容，而是一批已完成关键积累的Biotech，即将进入“破茧”时刻。

01 复宏汉霖：迟来的入通

复宏汉霖早就应该纳入港股通，它是这批入通公司中商业化成熟度最高的一家。2026年上半年，复宏汉霖实现营业收入35.88亿元，同比增长27.3%，归母净利润4.30亿元，早已实现稳步盈利。

拥有如此优秀的基本面，但复宏汉霖却长时间饱受流动性困扰。在2019年上市时，复宏汉霖仅将小部分股份在港股流通，流通性不足导致公司迟迟未被纳入港股通名单。事情转折发生在今年2月，复宏汉霖完成H股全流通，有效扩大了公司股票的流通性，进而让复宏汉霖很快满足了进入港股通的条件。

聚焦当下，复宏汉霖已经拥有稳定的产品梯队，今年上半年产品销售收入达29.39亿元。其中汉曲优国内销售收入14.74亿元，汉斯状国内销售收入5.74亿元，汉贝泰销售收入2.18亿元同比增长87.6%，汉奈佳销售收入1.96亿元同比增长102.0%。

海外产品方面，复宏汉霖上半年实现营收1.1亿元，同比大幅增长159%，海外产品利润0.60亿元，为去年同期的4倍以上，主要受美国市场销售放量带动。尽管当下复宏汉霖的海外盘子还较小，但公司却已经完成了国际化基本盘的搭建，只待产品放量。

仅今年上半年，复宏汉霖便接连达成三项国际战略合作。与卫材就H药斯鲁利单抗达成日本市场独家商业化合作，首付款7500万美元；与雅培制药扩大合作，将H药许可区域拓展至亚洲、中东、非洲及东欧共42个国家和地区；与山德士就至多10款单抗及ADC生物类似药达成全球市场开发和商业化合作，复宏汉霖可获得合作区域净销售额或净利润最高40%的分成。

此外，复宏汉霖还拥有“创新管线兑现”的强大预期。拥有HLX43（PD-L1 ADC）、HLX07（EGFR单抗）等50余项在研创新资产和多达10个研发平台，这将是复宏汉霖的长期增长动力。

图：复宏汉霖未来管线规划

生物类似药已构成稳定的现金流基本盘，拥有持续为创新药输送弹药的能力。复宏汉霖不再需要证明自己的赚钱能力，而是需要逐渐将生物类似药赚到的现金流转化为创新药的全球定价权，入通带来的流动性释放，有望帮助复宏汉霖实现价值回归。

02 和铂医药：平台化威力

和铂医药的核心逻辑不在某一条管线，而在于它已经把“管线权益BD”从一次性交易做成了可复利的商业模式，正逐渐成为MNC的重要研发基建设施。

2026年上半年，公司实现总收入约8.34亿元，同比增长20.9%；净利润约4.42亿元，实现连续七个半年度盈利，正式跨入“常态化盈利”阶段。支撑这一财务表现的，是Harbour Mice全人源抗体平台向阿斯利康、大塚制药、BMS、辉瑞等跨国药企持续输出分子的能力，全球合作交易规模已超130亿美元。

尤其在近期，和铂医药连续收获好消息。先是9月8日，和铂医药公布了新一代超长效TSLP人源单抗HBM9378治疗哮喘的II期临床取得阳性结果，并同步启动III期临床研究；而后合作伙伴Solstice Oncology完成2.25亿美元A轮融资，并推进K药联用HBM4003新辅助治疗pMMR/MSS结肠癌的全球II期临床试验。

更值得关注的是AI能力的实质落地。

和铂医药持续推动Hu-mAtrIx人工智能平台与Harbour Mice核心抗体技术平台深度融合，2026年5月公布的首款利用Hu-mAtrIx平台开发的下一代候选药物LET003展现出积极的药代动力学特征；与司美格鲁肽联用时，可显著增强减脂效果并有效保护瘦体重。2026年6月，和铂与百图生科建立长期全球战略合作，共同发起AI药物研发公司MegaStream TechBio，整合专有数据、专业大模型及智能干湿闭环研发能力。

和铂的估值锚不是“管线折现”，而是“平台产出速率”——当每一次授权都带回现金和验证，市场最终会把它当作一家有产品化能力的抗体技术公司来定价。

03 瑞博生物：稀缺的小核酸标的

瑞博生物的故事可以用一句话概括：它正在证明中国公司能够在小核酸赛道上做出全球第一梯队的分子。公司依托自主研发的肝靶向递送技术已推进7款siRNA药物进入临床阶段，其中4款处于II期试验阶段，分别靶向FXI、ApoC3、血栓和肝病等适应症，还有1款靶向PCSK9的产品已由授权合作方推进至III期。

核心管线FXI siRNA（Vortosiran）是全球同靶点进度最快的siRNA药物，已完成IIa期试验，并将开展涵盖房颤和静脉血栓栓塞等多种适应症的IIb期临床，有望在2027年下半年进入III期阶段。2024年全球血栓性疾病影响约2670万人，抗血栓药物市场约700亿美元。相较于小分子抑制剂和抗体药物，FXI siRNA具备给药频次低、无ADA效应等优势。ApoC3 siRNA（RBD5044）的中国II期临床已于2026年2月启动，该适应症为全球进度领先；PCSK9 siRNA（RBD7022）已由齐鲁制药推进至III期。

海外BD层面，公司以6000万美元首付、潜在最高44亿美元里程碑以及未来销售分成，将6款MASH领域siRNA药物全球权益授权给Madrigal，2026年7月双方联合开发项目已成功选定首个候选药物分子，达成首个关键里程碑。

更值得关注的是肝外递送布局：公司自主研发的RiboPepSTAR平台能够高效、精准地将siRNA递送至肝脏以外的多个关键器官，肾脏、心肌、脂肪和CNS多点布局，其中肾靶向产品已进入IND-enabling阶段。

能否实现肝脏外递送，已经成为小核酸药物下一竞争阶段的核心焦点，瑞博在这条曲线上的提前卡位，决定了它入通后的估值弹性可能超出单纯的管线折现框架。

04 剂泰科技：纯正的AI制药

AI突飞猛进的当下，剂泰科技无疑站稳风口。

剂泰科技由美国国家工程院院士陈红敏博士及MIT科学家赖才达博士、王文首博士于2020年联合创立，2026年5月13日以“全球AI药物递送第一股”成功在港交所上市。其核心资产NanoForge是全球首个AI纳米递送平台，集成AI脂质生成算法、脂质基础模型和高通量实验闭环，已积累超1000万种脂质结构和10万个实验数据点。

NanoForge最令人瞩目的是其多器官靶向能力——目前已突破性实现人体内肝、肺、免疫器官、心脏、肌肉、肿瘤、中枢神经系统、胃肠道等8个器官或组织的LNP靶向递送。剂泰科技已成功开发超过10个管线项目，产出7个临床前候选药物，最快的管线已到达pre-NDA阶段。

近期，剂泰宣布与绿叶制药签署长期战略合作，成为其AI药物递送领域的首家战略合作单位。根据协议，双方将围绕四大方向开展深度合作：剂泰开放NanoForge平台的核心AI能力，包括千万级脂质库、脂质语言模型、纳米递送人工智能体ALAN及干湿实验一体化基础设施；绿叶制药则开放其国际一流的先进制剂研发平台及产业化设施。在共同推进成果转化方面，绿叶制药将依托其成熟的已在中美获批上市的产业化能力，推动AI设计的新型递送系统向临床开发及产业化应用转化。

作为“AI三小龙”之一，剂泰科技的入通无疑将进一步帮助AI制药预期落地，让南向资金能够投资到真正的AI制药标的。

05 歌礼制药：新的开始

歌礼制药入通的时间节点，恰好卡在其肥胖管线从“预期”走向“数据验证”的临界点。

核心产品ASC30是一款兼具每日口服片与超长效注射剂型的小分子GLP-1R激动剂，全球III期肥胖症项目由AURORA-1/2两项研究组成，计划在美国、欧洲及加拿大合计入组约4600例肥胖或超重受试者，分别覆盖不伴及伴2型糖尿病人群，治疗72周，预计2028年Q3披露顶线数据。II期数据显示，13周治疗时，20mg、40mg、60mg维持剂量组经安慰剂校正后的平均体重下降分别达5.4%、7.0%和7.7%，呈剂量依赖性且未观察到平台期，胃肠道不良反应与Q4W滴定下的Orforglipron接近，所有不良事件均为轻中度。

真正值得关注的不是单药，而是其ULAP超长效制剂平台的可复制性。ULAP平台采用SALD自组装脂质储库技术，突破了依赖白蛋白的半衰期延长技术局限，支持每月一次乃至更长间隔给药。ASC30皮下注射剂型的表观半衰期分别长达46天和75天，远超其他超长效GLP-1药物。更具差异化的是ASC47的“减重不减肌”特性：在与司美格鲁肽联用的研究中，第29天时30毫克联合组较司美格鲁肽单药组减重效果相对提升56.2%，联用组呕吐发生率仅6.7%，而单药组高达57.1%。

资金面上，歌礼2025年末在手现金及流动资产约19.21亿元，2026年2月获新加坡GIC以每股12.18港元入股7.81亿港元，GIC持股比例升至6.42%，随后年内三度加码，持股比例进一步升至8.36%。融资资金的90%专项用于ASC30全球III期临床开发，公司现金储备可支持运营至2029年。入通带来的流动性改善，恰逢多个管线进入数据读出密集窗口，资金对平台的定价意愿将显著不同于对单一管线的定价。

06 基石药业：上限看三抗

基石药业入通时，市场注意力高度集中在一个资产上：CS2009，一款PD-1/VEGF/CTLA-4三特异性抗体。这款全球进度领先的三抗已进入全球I/II期临床，在中国和澳大利亚入组近300例患者，美国IND申请已获批准，预计2026年底前启动首批全球III期注册试验，重点布局NSCLC、结直肠癌、小细胞肺癌等适应症。

ASCO 2026披露的数据给出了多个超预期信号。在PD-L1高表达（TPS ≥50%）的一线非小细胞肺癌患者中，CS2009单药治疗的客观缓解率达81.3%，疾病控制率达100.0%，鳞癌与非鳞癌亚组获益一致。在PD-L1阴性/低表达一线鳞状NSCLC队列中，CS2009联合化疗的ORR为75.0%，其中PD-L1阴性患者ORR达到100.0%。在免疫治疗应答有限的“冷肿瘤”中，CS2009单药在重度经治的pMMR/MSS转移性结直肠癌队列中取得25.0%的ORR和87.5%的DCR；在软组织肉瘤和非透明细胞肾细胞癌中，单药治疗的ORR均为33.3%。

安全性上，CS2009的CTLA-4相关毒性明显低于传统CTLA-4抗体方案，免疫相关不良事件发生率降至与PD-1单抗接近的水平，VEGF相关≥3级TRAE发生率仅为5.1%。

在未来“IO+ADC”的竞争主线下，基石药业CS2009的价值得到大幅提升，具备成为IO端核心产品的潜质。在公司未来的规划中，投资者亦能够看到其对于ADC产品的规划，正为重回产业竞争主线而蓄力。

07 英派药业：合成致死头部玩家

英派药业以“合成致死第一股”的身份入通，仅上市约三个半月即获纳入港股通，速度本身就是一个信号。公司依托自主研发的合成致死研发平台，已在DNA损伤修复通路领域构建起全球覆盖面最广的差异化管线，拥有1款已成功商业化的核心产品和11款在研创新药物。

核心产品塞纳帕利（PARP1/2抑制剂）于2025年1月获批用于中国卵巢癌全人群一线维持治疗，自2026年1月1日起纳入国家医保药品目录，上半年中国销售收入0.70亿元，同比增长877.8%，今年将进入商业化放量加速期。塞纳帕利在中国卵巢癌全人群一线维持治疗的PARP1/2抑制剂中实现了最有利的PFS结果，欧洲上市申请已获受理，预计2026年下半年获批。

但英派的长期逻辑不在PARP本身。公司作为全球仅有的三家同时拥有商业化PARP抑制剂和临床阶段新一代PARP1选择性抑制剂的企业之一，在研管线覆盖WEE1、ATR、PKMYT1/WEE1、DHX9、ATM、USP1及CHK1/2等关键合成致死靶点，ADC、蛋白降解剂等前沿平台亦有序推进。其中WEE1抑制剂IMP7068目前处于I/II期临床开发阶段，预计2026年下半年启动II期试验。

产业资本的态度提供了另一个观察维度。腾讯在半年报窗口期前夕完成对英派药业的增持，长期基石投资者礼来亚洲基金持续坚定持仓。

入通为英派提供的不仅是流动性，更是一个让更广泛投资者理解“合成致死不是PARP的同义词”这一认知差的机会。当塞纳帕利的医保放量持续兑现，而WEE1等新靶点的临床数据开始读出时，英派的估值框架将从“单一PARP产品”切换为“合成致死平台”的定价逻辑。

08 赢家不止一个

这7家新入港股通公司，共同点是流动性预期改善、内地资金关注度提升。但若拆开看，各自的“赢家成色”取决于评判维度：

商业化看复宏汉霖。汉曲优、汉贝泰、汉奈佳持续放量，海外产品利润快速攀升，归母净利润4.30亿元，是少数已跨越盈亏平衡线的Biotech。

平台化看和铂医药。和铂医药的Harbour Mice平台已多次验证产出效率，全球合作交易规模超130亿美元，属于“卖水人”逻辑下持续兑现的一类。

小核酸看瑞博生物。瑞博生物的FXI siRNA已进入IIb期，适应症覆盖房颤和静脉血栓栓塞，在全球抗凝赛道中具备差异化竞争力。

减肥药看歌礼制药。ASC30在II期临床中展现出持续减重潜力，GIC年内多次加码，也从侧面印证了资本对其管线的认可。

AI制药看剂泰科技。剂泰科技以AI驱动制剂与递送平台，正在尝试缩短研发周期、提高成功率，属于AI+Biotech交叉领域的代表性标的。

IO+ADC看基石药业。基石药业CS2009在安全性上展现出差异化优势，VEGF相关≥3级TRAE发生率仅5.1%，为后续联合用药留下空间。

合成致死看英派药业。塞纳帕利已实现商业化放量，上半年中国销售收入0.70亿元、同比增长877.8%，在PARP抑制剂竞争中走出了一条差异化路径。

所以，回到标题之问——纳入港股通后，谁是Biotech最大赢家？答案或许不是某一家公司，而是那些在各自细分赛道中拥有真实临床数据、可持续商业化能力或平台化BD能力的公司。

港股通带来的流动性是“催化剂”，但长期赢家终究要靠基本面说话。对于投资者而言，与其寻找唯一赢家，不如沿着上述维度，找到与自己投资框架最匹配的那一个。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

 文 | 产联社

9月10日，Eramet宣布旗下PT Weda Bay Nickel获批重启采矿。这座全球最大单体镍矿因配额耗尽停产四个月后终于复产。同一天，LME镍库存继续处于27万吨附近的历史高位。

一边是供应端传出松动信号，一边是库存端持续累增。这就是2026年镍市场的核心矛盾：政策端的故事一直在讲，库存端的现实从未消失。

国际研究机构伯恩斯坦（Bernstein）近期判断：镍是全球最不自由的市场化金属，印尼希望将镍价维持在18,000至20,000美元/吨，并因此将长期镍价预测下调至19,000美元/吨。

截至2026年9月中旬，LME镍价在16,300至16,900美元/吨之间徘徊，沪镍在12.5万至12.9万元/吨之间震荡。价格既没有跌破成本支撑，也没有突破政策天花板。

那么，镍价为什么既涨不上去，也跌不下来？

18,000-20,000美元/吨：印尼的镍价目标与工具箱

2026年6月，雅加达。印尼国家经济委员会官员Seto说了一段后来被反复引用的话：“过去，16,000到18,000美元是印尼镍价的甜点区。因为矿山能盈利，冶炼厂能盈利，不锈钢厂能盈利，电动车企业也能盈利。但现在，随着HPM（矿物基准价）调整、各种royalties、硫磺成本的变化，我们尝试维持在18,000到20,000美元之间。”

这一目标的逻辑很直接：印尼想要维持镍价在18,000-20,000美元/吨，并认为这是国内生产商和下游消费者共同的“甜点区”。政府官员还暗示，如果价格大幅超过这个区间，可能会动用生产配额工具。

这个区间不是拍脑袋定的。

从矿山端看，2026年4月HPM公式调整后，1.6%品位镍矿修正系数从17%上调至30%，钴、铁、铬首次纳入计价，外采湿法矿生产MHP（混合氢氧化物沉淀）成本折钴后上涨至约17,760美元/镍吨。

从冶炼端看，截至2026年9月，印尼一体化火法冰镍产电积镍即期现金流成本在16,500美元/吨以上，湿法路线按照1,000美元硫磺和钴折抵成本估算，即期现金流成本约16,400美元/吨。

从不锈钢端看，不锈钢占全球镍需求71%，2022年镍价飙升至50,000美元时不锈钢企业集体抗议，印尼不希望历史重演。

从财政端看，印尼2025年财政赤字率达到2.92%，接近法律规定的3%上限，自然资源收入占非税收入的30-50%。

目标清晰，但得有工具去实现。

印尼手里最直接的一张牌是RKAB（工作计划与预算）配额。2026年配额从2025年的3.79亿吨大幅下调至2.6-2.7亿吨，降幅29%-31%。Weda Bay的RKAB从4,200万湿吨骤降至1,200万湿吨，降幅超70%，2026年5月中旬即因配额耗尽进入停产维护。9月WBN虽已复产，但具体爬产进度和中期配额情况仍待披露。印尼能矿部ESDM（能源与矿产资源部）明确表示RKAB编制体系将继续保持年度审批，拒绝了镍业协会恢复三年一批的建议。2027年年度RKAB将于10月启动申报，部分企业已经开始准备。

配额管的是量，HPM管的是价。2026年4月修订后的HPM公式形成了一种“自动稳定器”：镍价低时，HPM相对坚挺保护矿山利润，镍价高时，HPM随之上行政府税收增加。但HPM抬高的是“名义成本”，实际成交价往往会以升贴水方式部分对冲。2026年9月上半期HMA（矿物参考价）镍价为16,733.33美元/吨，较8月下半期的16,960美元/吨下跌1.33%。截至9月9日，印尼Ni:1.5%镍矿基准价58.75美元/湿吨，成交价58.75-61.75美元/湿吨。

配额和HPM之外，还有一个更不可控的变量，硫磺。

印尼HPAL（高压酸浸）湿法冶炼对中东硫磺依赖度超75%，每金吨MHP耗硫磺约10至12吨。中东地缘冲突导致印尼硫磺CFR价格从2026年初约514美元/吨攀升至1,100美元/吨附近，涨幅超100%。截至9月初，硫磺价格仍维持在1,050美元/吨高位，但边际有所松动，印尼方面关于CFR 950美元/吨的采买消息逐步传开。

硫磺在MHP成本中的占比大幅扩张，已取代镍矿成为第一大成本支出。华友华飞项目于2026年5月临时停产检修，影响约50%产量。2026年8月，印尼MHP产量环比增加2.59%至3.57万金属吨，但高冰镍产量环比下降13.88%至2.11万金属吨。MHP市场供需偏宽松、MHP系数承压下移，高冰镍系数持稳。

湿法冶炼成本已经超越火法，位于镍冶炼生产成本右侧。2027年若硫磺矛盾缓和，湿法镍就可以满足国内后端冶炼，冰镍就会面临被挤出的风险，镍价或将走一波出清逻辑。

不锈钢托底需求，成本构筑地板

在分析镍的需求和成本之前，先看一张镍的全产业链图，理解火法、湿法、HPAL、MHP这些概念分别对应哪条路线。

不锈钢占71%，是镍需求的绝对基本盘。但今年“金九”开局不及预期。Mysteel数据显示，预计9月全国不锈钢粗钢排产361.73万吨，月环比下降3.31%。截至9月3日，全国主流市场不锈钢社会库存115.78万吨，周环比上升0.22%，连续四周累库。传统消费旺季下终端刚需疲软，钢厂成本倒挂加剧。印尼NPI（镍生铁）上半年产量约76.82万金吨，同比降8.6%。但8月中国及印尼镍生铁产量合计环比增加4.52%，供应边际恢复。

电池占12%，是增长最快的领域，但被LFP（磷酸铁锂）严重压制。截至2026年，LFP已占全球电池需求的60%以上，储能领域占比超90%。国内三元电池装车占比仅18.9%。但高端长续航车型和欧洲出口市场对高镍三元仍有刚性需求。8月三元正极材料产量91,090吨，环比增加2.1%，但下游企业采买意愿偏弱，以刚需采购为主。

伯恩斯坦预测镍总需求2025-2030年复合增速仅2.8%。固态电池是远期叙事，不是近期现实。Nornickel在2026年6月将2026年全球镍市场过剩预测从27.5万吨大幅下调至约2万吨，但这个预测建立在印尼持续执行配额纪律的前提之上。

需求端没有惊喜，也没有崩塌。正因为需求不爆发，印尼才有空间去调控供给。

那价格的地板在哪里？截至2026年9月，按照65美元/吨的1.6%品位镍矿折算，火法镍板即期现金流成本在16,500美元/吨以上。若硫磺跌至8,000元/吨、硫酸跌至1,000元/吨的极限假设下，镍产业链下方极限现金成本约在125,400元/吨，且13万元/吨以下所有纯镍冶炼工艺均已陷入亏损，成本支撑较强。

这张图也解释了为什么镍价跌不深。曲线最右端的边际产能成本接近20,000美元/吨，一旦价格跌破这个水平，高成本供应就会退出市场。

库存方面，LME镍库存高企于27万吨以上，对价格形成明显压制。据Mysteel数据，中国精炼镍30仓库口径库存为123,635吨，周度呈现去库趋势。但LME持续累库，全球镍显性库存增加0.21%至493,881吨，主要受LME累库影响。LME维持Contango（期货升水）结构，表明现货并不真正紧缺。

高库存意味着，即使印尼收紧配额、硫磺价格高企，镍价也很难出现2022年那种级别的暴涨。但成本支撑意味着，镍价下行空间也有限。当价格跌至火法成本线附近时，冶炼厂的减产意愿会增强，供应会自然收缩。Mysteel数据显示，2026年8月，中国精炼镍月度产量2.79万吨，环比下降9.48%，同比降幅达24.06%，减产已开始形成托底。

从禁矿到配额，2027年的关键是湿法配额

印尼的镍政策经历了四个阶段。

2009到2014年，禁矿换冶炼。印尼镍矿产量在2014年原矿出口禁令落地后骤降60%，但也倒逼中资企业赴印尼建厂。华泰期货在政策复盘报告中指出，这一阶段的政策核心是“以禁矿换冶炼投资”。

2017到2020年，从阶段性松绑到全面禁矿。2017年印尼重新开放低品位镍矿有限出口，2020年随着本土冶炼能力扩张，提前恢复全面禁矿。

2020到2024年，配额管理与价格机制并行。2020年HPM新机制落地，2023年RKAB制度将生产计划升级为刚性约束，2024年SIMBARA（印尼矿产煤炭信息系统）上线。

2025到2026年，量、价、税费三端协同收紧。2026年RKAB配额从3.79亿吨降至2.6-2.7亿吨，HPM公式纳入伴生金属与水分扣减。

印尼资源民族主义的驱动来源有两个。一是高品位镍矿正面临加速消耗，东证期货测算现有储量仅能支撑约11-17年。二是2025年财政赤字率达到2.92%，接近法律规定的3%上限。

但资源民族主义也面临现实困境。印尼中国商会总会向总统递交联名信函，就镍矿政策缺乏稳定性表达诉求。2026年上半年，中国在印尼已实现的外商直接投资约34亿美元，同比下降7.9%。

印尼敢于收紧配额，底气来自一个结构性变化：桌边不再只有中国一个玩家。

2026年2月，美印贸易协议专门写入关键矿产条款。2026年8月，美国私募巨头Orion Resource Partners计划投资逾200亿美元，把印尼列为全球首要目标。2026年7月，莫迪访印尼签署关键矿产合作文件，印度国营钢铁公司SAIL（印度钢铁管理局）与印尼Krakatau Steel敲定投资最高3.5亿美元建设年产50万吨不锈钢板坯厂。2026年5月，印尼与菲律宾两国镍业协会签署合作备忘录，构建“印尼-菲律宾镍走廊”，菲律宾矿石的化学互补性能补齐印尼本土矿石硅镁配比不均匀的短板。2026年9月，菲律宾总统签署行政令，要求建立关键矿产产业统一政策框架，鼓励精炼、加工、电池等镍下游产业投资。

从2009年到现在，印尼的政策工具箱越来越精细。但2027年，这套工具箱将面临一个关键考验：湿法增量项目能不能拿到配额。

如果印尼给新增湿法项目发放配额，湿法镍就可以满足国内后端冶炼需求，冰镍将面临被挤出的风险。镍价将锚定湿法成本，火法成本支撑可能会瓦解，并伴随火法产能的出清。如果不给新增湿法项目配额，则对镍价形成支撑，但不利于长线下游投资关系的维系，镍价可能向上锚定海外偏高成本。

方正中期数据显示，印尼MHP产能有望达85万金属吨，同比增长超过85%，但2026年上半年投产进度不及预期。2027年配额较大概率维持紧平衡，过剩的纠正也将是一个慢速的过程。

中资企业在压力中构建韧性

过去五年，中国对印尼基础金属加工业投资累计达139亿美元。2026年印尼政策组合拳让中资企业面临前所未有的压力。紫金天风期货在6月实地调研显示，企业普遍反映印尼政策变化较快，合规性要求趋严、审批流程较慢。有企业暂停新投资，甚至将核心设备拆除运回国内。

但企业也在构建韧性。国贸期货在8月调研发现，IMIP（莫罗瓦利工业园）的成本优势是“资源禀赋+配套完善”构筑的一体化壁垒。热装热送一体化可降低能耗约30%，自有码头可节省物流成本约30%。有企业锁定了6亿湿吨的镍矿资源供应，其控股矿山2026年配额有所增加。也有企业表示，未来镍上没有新建项目，电解铝正在成为当地重要的产业转型方向，青山两个工业园区铝产能规划达到了300万吨。

水资源和电力约束正在同时挤压镍产能。厄尔尼诺引发的干旱导致莫罗瓦利工业园（IMIP）供水紧张，园区发言人9月表示，这可能使其整体产能潜力下降30%至40%，高压酸浸（HPAL）等环节用水受到优先限制。与此同时，青山集团此前要求Weda Bay园区镍铁生产商减产、将电力优先供给电解铝项目的影响仍在持续。印尼淡水河谷公司则向彭博透露，其水力供电和冶炼业务并未受到干旱的实质性影响。

中资企业的资本运作仍在推进。力勤资源2026年9月10日披露招股书，拟募资40.47亿元投向两个印尼项目，显示头部中资企业仍在加码布局。

镍在大型多元化矿企的资产组合中占比很小。VALE（淡水河谷）镍占集团EBITDA约8%，GLEN（嘉能可）约3%，BHP（必和必拓）西澳镍矿已暂停且预计不会重启。AAL（英美资源）向MMG（五矿资源）出售巴西镍业务的交易，目前正面临欧盟监管机构的深入审查和潜在的反垄断异议，交易能否获批尚存不确定性。全球范围内真正以镍为主业的公司数量有限。

中资企业在印尼构建韧性，但库存的现实从不消失。LME 27万吨库存像一块压舱石，让镍价既飞不起来，也沉不下去。

还有一个技术细节值得关注。伯恩斯坦曾指出，个别中国企业在印尼建设的HPAL项目资本强度已降至约18,000美元/吨镍产能的较低水平，但这可能是个案。从行业整体看，印尼企业家协会（Apindo）8月警告，HPAL工厂的资本支出仍高达约65,000美元/吨镍产能，远高于RKEF火法冶炼厂的13,000美元/吨。不过，HPAL的碳排放强度远低于NPI，NPI约80吨CO2e（二氧化碳当量）/吨镍，而HPAL约15吨。在碳成本日益重要的未来，湿法路线可能获得额外竞争力。

上有顶下有底，中间是博弈

回到开头那个问题：镍价为什么既涨不上去，也跌不下来？

涨不上去，是因为印尼不希望涨。18,000-20,000美元/吨是印尼在矿山利润、冶炼生存、不锈钢竞争力、电池需求和财政收入之间找到的平衡点。价格一旦突破上限，印尼可以通过增加RKAB配额来压制。2026年6月，当市场传闻印尼可能放宽配额时，镍价当周下跌5%，跑输铜和锌。这不是巧合。

跌不下来，是因为成本不允许。截至2026年9月，一体化火法冰镍产电积镍即期现金流成本在16,500美元/吨以上，湿法路线约16,400美元/吨。当价格逼近成本线时，冶炼厂的减产意愿增强，供应自然收缩。中国精炼镍8月产量环比下降4.14%、同比降14.49%，减产已开始形成托底。同时，澳大利亚、巴西、加拿大的高成本硫化镍矿在镍价低于22,000美元时不具备生产经济性，这部分供应已经退出市场。

中间是博弈，决定了价格在区间内偏上还是偏下。印尼配额补充的力度、硫磺价格的回落节奏、2027年湿法项目能否拿到配额、固态电池商业化进展，这些变量的预期差，才是产业参与者真正需要跟踪的关键。

对于镍产业链上的企业而言，理解这个框架的意义在于：镍的定价逻辑已经和铜、铝等品种分道扬镳。铜的定价更多由全球宏观需求和矿山供应节奏决定，而镍的定价，在当前阶段，首先取决于雅加达的政策选择。库存和成本是约束条件，但政策才是方向盘。

2026年9月之后，镍市场有三个关键节点值得关注。第一是2026年10月启动的2027年RKAB申报，审批结果预计在2026年底至2027年初落地。如果配额继续维持紧平衡，成本支撑将更加稳固；如果明显放宽，库存压力将再次主导定价。第二是硫磺价格的走向，当前印尼方面CFR 950美元/吨的采买消息已在市场传开，如果中东局势进一步缓和带动硫磺价格实质性回落，湿法成本压力将显著缓解，高冰镍的替代红利可能收窄。第三是Nornickel的2万吨过剩预测能否兑现，如果2026年全年过剩量真的只有2万吨，市场对严重过剩的叙事需要重新审视。

在这个框架内，镍价更可能呈现区间震荡，而非单边趋势。产业机会，或许藏在每一次政策预期与现实的偏差里。

信息来源说明

研究报告：

伯恩斯坦（Bernstein），Bob Brackett、Andrianto Guntoro，《Global Metals&Mining:The Long View—Nickel is the world's least free market metal》，2026年9月9日；

华创证券，《镍行业深度研究报告：供给成本约束共振，镍价底部支撑显现》，2026年8月19日；

国泰君安期货，镍及资源主义系列研究报告，2026年8月-9月；

东证期货，《印尼镍资源政策分析：“既要又要”》，2026年9月4日；

国贸期货，《印尼镍产业调研走访报告》，2026年8月13日；

紫金天风期货，《印尼镍产业调研——变局新生》，2026年6月9日；

方正中期期货，《镍及不锈钢：夏返旧疆静待新澜——2026年上半年市场回顾及下半年展望》，2026年7月3日；

广发期货，《镍和不锈钢市场半年报：成本和供需博弈，印尼政策仍为核心关注》，2026年6月26日；

华泰期货，《印尼镍产业政策历史复盘》，2026年9月8日。

行业数据与咨询机构：SMM（上海有色网）、Mysteel、LME（伦敦金属交易所）、上期所、USGS

公司公开披露：

Eramet，PT Weda Bay Nickel复产公告，2026年9月10日；

Nickel Industries，Hengjaya矿山运营数据；

Nornickel，2026年Q2财报及全球金属市场评论，2026年6月；

力勤资源，招股书披露，2026年9月10日。

政府公开信息：

印尼能源与矿产资源部（ESDM），2026年RKAB配额政策、HPM公式修订（第144.K/MB.01/MEM.B/2026号部长令）、SIMBARA系统上线；

印尼国家经济委员会（DEN），官员Seto公开讲话，2026年6月；

印尼财政部，镍矿权利金及镍铁税率调整政策。

新闻报道：

彭博社，印尼淡水河谷公司关于厄尔尼诺干旱影响的表态；

路透社，美印贸易协议关键矿产条款，2026年2月；

印度政府新闻稿，莫迪访印尼签署关键矿产合作文件，2026年7月；

印尼与菲律宾镍业协会合作备忘录，2026年5月；

菲律宾总统行政令，关键矿产产业统一政策框架，2026年9月。

免责声明：本文仅供参考，不构成任何投资建议。

完整产业数据报告、市场趋势分析，移步「产联社」客户端

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

文 | 源Sight，作者 | 安然

安踏治下经历品牌重塑的Jack Wolfskin（狼爪），即将迎来消费者的第一轮检验。

根据安踏集团消息，近日，德系户外品牌狼爪的全球新形象门店在中国长春和沈阳率先启幕，中国北京和上海、德国慕尼黑、瑞士苏黎世等城市门店将陆续落地。

据悉，狼爪的调改主要集中在三方面：一是聚焦穿越式徒步场景，品牌新推出的“穿越者”徒步冲锋衣系列已融入相关性能设计；二是在德国精工基础上实现产品技术普惠，让不同经验、不同阶段的用户获得与实际需求匹配的装备支持；

三是全球市场协同布局，在保持品牌定位、设计理念、核心客群认知全球一致的同时，于产品组合、版型、渠道与零售体验等方面因地制宜。例如狼爪中国就将围绕亚洲消费者的身材特点、使用场景与消费习惯，推出本土化创新产品。

结合安踏内部定位与新店线下布局，狼爪中国将以东北市场为起点，走与迪桑特、可隆等高端品牌有所差异的大众至中端方向的专业户外品牌路线，其或有机会承接领域下沉需求，成为继迪桑特后又一“东北省服”。

全球市场上，在前始祖鸟EMEA总经理Sven Radtke、前猛犸象全球服装团队负责人Jeanne Mochel等加入后，狼爪的核心管理团队将得到进一步强化；叠加品牌在全球各地的渠道及产业链基础，其全球业务或也将取得新突破。

值得关注的是，相较于第一个并购品牌FILA，以及第一个纳入麾下的体育用品集团亚玛芬的5年扭亏，已经积攒下多品牌运营经验的安踏，对狼爪的要求似乎更为严苛了。

虽然收购狼爪仅有一年半左右，但安踏在今年的中期业绩会上提出，希望前者能在2027年实现中国业务盈亏平衡，并在2028年实现全球盈利。尽管背后有丰富资源加持，但随着扭亏期限逐渐收紧，狼爪的复兴压力也将层层垒高。

01 渠道与产品的新考量

据多方消息披露，狼爪全球新形象门店率先于吉林长春欧亚卖场、辽宁沈阳中兴商业大厦开业。

一直以来，东北市场都是国内最重要的户外试炼场之一。足够多的高山雪地资源、足够漫长的寒冬气候条件，以及当地人在穿着上舍得花钱与热衷社交的心理，让东北的户外消费需求异常蓬勃。

以迪桑特为例，2016年，安踏以54%持股拿下迪桑特中国区独家运营权后，就将迪桑特中国首店落户长春卓展，其开业首月销售额就破百万元。

据多家媒体报道，迪桑特长春欧亚卖场店多次蝉联全国单店销量第一，2023-2025年年均销售额突破亿元；2025年双11，迪桑特开卖30分钟成交额即突破亿元，其中，单东北地区就为其贡献超30%的销量。

当然，不止迪桑特，安踏系旗下其他品牌也在此地收获颇丰。根据欧亚卖场消息，2025年欧亚卖场超级店庆期间，前四日服饰类销售排名前六分别为FILA、迪桑特、可隆、凯乐石、萨洛蒙和安踏主品牌，安踏系累计销售额约1200万元。

由此，以安踏系为代表的户外品牌纷纷在此扎根扩建。截至2025年6月30日，可隆有约1/3的门店布局在东三省和北京；截至2025年年底，迪桑特在东北三省的门店达到59家，超过品牌中国门店总量的1/4。

在迪桑特中国董事长、安踏集团主席丁世忠之子丁少翔接手后，MAIA ACTIVE也于今年7月在沈阳万象城开出东北首店，8月在哈尔滨西城红场开出黑龙江首店，年内还将加速布局东北市场。

集团内部品牌引路，安踏把狼爪的全新形象店首站安排在东北，也显得顺理成章。

据了解，狼爪新形象门店的设计灵感来自欧洲高山徒步路线中常见的徒步山屋补给站(Rifugio)，空间布局以徒步线路(Hiking Trail)为主线，设有核心装备墙(Power Wall)、装备间(Gear Cave)等场景化区域。

除了渠道布局重新梳理、选定起步市场外，产品本土化改造也是狼爪中国调改的重中之重。

安踏表示，为更精准地回应亚洲消费者需求，狼爪中国已引入韩国资深户外创意设计负责人任裕罗(Yura Im)，围绕亚洲消费者的身材特点、使用场景与消费习惯，从设计、版型、材料及产品组合等环节推进本土化创新。

从今年上半年狼爪低调推出的冲锋衣夹克来看，例如狼爪14峰Pro，其产品设计已有明显改观。过去狼爪的产品功能上扎实、设计上朴实，而新品在保留德系精工基因的同时，剪裁上更简约利落，颜色也更贴近当下户外审美趋势。

根据官旗，狼爪的主力产品如冲锋衣，价格带覆盖面较广，选择可在600-4000元之间，热销款价格普遍在1000-2000元左右。

相较于可隆款冲锋衣1500-3000元的热销价格带，以及迪桑特的2000-4000元的热销区间，同样具有低调审美、科技积淀与品牌积累的狼爪，或可适当承接同门的下沉消费需求，成为“东三省省服联盟”的新成员。

02 核心管理团队强化

安踏收购狼爪的逻辑，不仅在于补齐品牌矩阵，也在于完善全球化布局。作为德系精工户外品牌，除中国外的全球市场，也是狼爪实现复苏的战略重点。

2026年年初，前始祖鸟欧洲、中东和非洲（EMEA）市场总经理Sven Radtke正式加入狼爪，出任品牌首席商务官。Sven Radtke供职于亚玛芬超13年，曾担任始祖鸟EMEA商务总监、萨洛蒙EMEA商务总监等职务。

其拥有丰富的跨区域渠道管理经验，过往服务品牌也基本在安踏体系范围内，对集团的品牌打法相对了解，有利于狼爪加速打通全球业务，实现资源复用和效率最大化。

同年4月，前猛犸象全球服装团队负责人Jeanne Mochel加入狼爪，担任品牌首席产品官。两人均向狼爪全球总裁姚剑汇报。

根据懒熊体育，Jeanne Mochel于2011年加入猛犸象，从鞋类品类经理起步，后转向徒步服装，再接手登山及猛犸象最具代表性的艾格极限系列（Eiger Extreme）产品线，最终成为全球服装团队负责人。

Jeanne Mochel对德国乃至欧洲的整个产业链非常熟稔，还拥有在迪卡侬积累的零售管理经验。这种既能深入一线理解消费者，又能进行产品规划的综合性人才，对亟待复苏的狼爪来说相当宝贵。

在被安踏收购前，截至2025年1月，狼爪在全球拥有495家专卖店，其中226家分布在欧洲，269家位于亚洲；其在全球还有超过4000家的零售店。

根据天眼查，法定代表人为姚剑的狼爪贸易（上海）有限公司，在国内各地有19个分支机构公司，目前有7家处于存续状态，分别位于福建、广东、北京、上海。

庞大的跨国渠道与海外深厚的品牌积淀，叠加强化后的核心管理团队、重新梳理后的更聚焦/更清晰的产品组合，以及安踏背后赋予的资金/技术/人力等资源支持，开启新形象的狼爪，在全球市场上的知名度、运营成绩或将明显提升。

03 时间不多了

但值得注意的是，如今的安踏留给新购品牌的试炼时间越来越短了。

2009年，安踏花3.3亿元从百丽手上买下FILA中国业务；彼时，FILA在中国只有50家门店，经营亏损在3218万元左右。

在经历提前布局DTC直营模式改革、避开2012运动行业库存危机等重大考验后，FILA历时5年，在2014年顺利扭亏为盈；此后品牌一直高速增长至比肩安踏主品牌的新巨擘，直到2022年开始蒙上失速阴影，并调整至今。

始祖鸟母公司亚玛芬的再造辉煌，同样用时5年左右。2019年，安踏联合方源资本、AnameredInvestments组成合资公司，以46亿欧元完成对亚玛芬的收购。

根据招股书及财报，2020-2023年，亚玛芬净亏损分别为2.37亿美元、1.26亿美元、2.53亿美元和0.95亿美元，四年亏损共计超7亿美元。

在此过程中，通过更明晰的高端定位、更密集的高端营销以及限制性销售手段，始祖鸟率先从集团飞出，并带动萨洛蒙等品牌推动集团业绩增长。2024年，亚玛芬调整后净利润增长329%至2.36亿美元，成功扭亏为盈。

尽管安踏在2026中期报告中表示，狼爪的复兴计划正落地至零售终端，“我们将以品牌核心价值为基础，逐步释放其潜力，不追求短期冒进”，但相比FILA与亚玛芬的重建，狼爪的复苏期限更显短促。

2025年4月，安踏集团宣布以2.9亿美元全资收购狼爪；2025年年底，狼爪宣布因公司运营策略调整，其小红书旗舰店结束运营，这也被外界视为安踏对狼爪改革的开端。

但仅三个季度不到，安踏就在2026中期业绩会上提出，希望狼爪2027年中国业务实现盈亏平衡，2028年全球实现盈亏平衡，全程不超过3年。

这其中有一部分或出于对多品牌运营的自信——通过多品牌运作，安踏系年度营收已突破千亿大关，成为全球第三大体育用品集团，丰富经验与资源用来盘活一个小小的狼爪不在话下、不用过于费时。

但或许还有部分原因，例如集团看到当下行业市场趋于疲软、品牌们增长趋于放缓的隐忧，迫切希望速战速决，不想让等待复苏的品牌持续陷在泥潭，被一步步拖垮失去复兴机会。

艾媒数据中心显示，2022年，在冬奥会及居家运动热潮驱动下，中国运动鞋服行业市场规模同比增长率达到14%；到2030年，预计增长率将回落到7%左右。

2026年第二季度，特步、李宁流水同比低单位数下降；安踏主品牌增速降至个位数；FILA、迪桑特、可隆等同比增速略有起色，但环比增速仍处波动下行区间。

看在眼里急在心里。原本安踏也表示为狼爪制定了五年品牌复兴计划，如今来看，集团似乎默默打了一针催化剂。尽管背后有丰富资源加持，但随着扭亏期限逐渐收紧，狼爪的经营增长、品牌复兴压力也将持续拔高。

部分图片来源于网络，如有侵权请告知删除

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

文｜奇点研究社，作者 | 里白，编辑｜孟雯

刚刚结束的JDD大会上，京东集团技术委员会主席、京东云总裁曹鹏对外宣布京东云已经与摩尔线程等合作伙伴建成国产万卡集群，下一步规划建设十万卡集群，瞄准大模型训练、推理和具身智能。

给他站台的是摩尔线程创始人张建中，曾任英伟达全球副总裁、中国区总经理，他的判断是“Scaling Law仍然有效，十万卡集群是大势所趋。”

差不多同一时间，字节跳动也在推进一笔296亿美元的银团贷款，利率压到了中国科技企业同类借款的最低档。阿里和腾讯的资本开支，也在同比翻倍。

大洋彼岸，这场AI投入大战还在持续升级。

据The Information报道，Anthropic过去11个月签下5170亿美元算力合同，相当于一年收入的8倍。

最有趣的是OpenAI。从"星际之门"到与甲骨文、英伟达、AMD的一连串天价协议，OpenAI几乎是凭一己之力把全球算力投资推上了新高度，堪称这场算力军备竞赛中最激进的玩家。可最近CEO Sam Altman却在播客上一反常态，开始敦促行业谨慎。

最爱谈风险的人，签了最大的单；最激进扩张的人，却开始劝别人冷静。从中关村到硅谷，所有人都看到了风险，但没有人敢先停下来。

京东建十万卡，字节“借”296亿，AI军备赛进入买单周期

最近，中国大厂开始越来越频繁地谈“花钱”。

字节跳动正在推进296亿美元银团贷款，阿里、腾讯的资本开支同比翻倍，京东则在JDD大会上宣布，已经与摩尔线程等伙伴建成国产万卡集群，下一步规划十万卡集群。

穆迪9月发布的报告提到：中国头部科技企业 2026 到 2027 年的资本支出总额，预计从 2025 年的 650 亿美元增至 1400 到 1650 亿美元。

这和前几年不太一样。那时大厂谈AI，更多是在讲模型有多大、应用有多少用户，以及什么时候能找到一门持续赚钱的生意。

今年，越来越多的钱开始花在生意看不见的地方：GPU、数据中心、电力，以及提前几年就要订下来的计算资源。

各家的花法，能看出各自的处境。京东把这笔投入和自己的业务绑在了一起。今年上半年，京东研发投入同比增长53.2%，连续三个季度加速；它还计划在未来5年采购300万台机器人、100万台无人车和10万架无人机，目标是建设"全球最大物理世界运营中心"。

换言之，京东需要的是一套能进入仓库、配送站、供应链和机器人的计算能力，而非单纯更多的GPU，这也是为什么，京东云宣布建设十万卡集群时，要把大模型训练、推理和具身智能放在一起说。

用曹鹏的话说，"京东的 AI 不是在论文里诞生的，是在生产线、仓库、配送站，在供应链全流程中一单一单磨出来的。他还打了个比方：有的企业做AI，是"先有技术再找场景，先做鞋后量脚"；京东做AI，是"从场景中长出技术，先量脚再做鞋"。

阿里这笔账从一开始就算得很大，去年2月阿里CEO吴泳铭宣布未来3年投入超3800亿元建设云和AI硬件基础设施，这一数字超过了阿里过去十年的投入总和。去年云栖大会上，他又重申了这个计划并表态还会继续追加。

比起阿里的豪掷，腾讯花钱更求稳，去年全年资本开支792亿元，虽然创历史新高，但也只占营收的一成左右，而且腾讯云在这一年实现了规模化盈利，也算见到了些“回头钱”。

百度是“边烧钱边找兑现”：文心要坚定投，智能云也要靠AI把收入做起来。去年百度核心AI新业务收入做到400亿元、同比增长48%，今年一季度，AI业务收入占比首次过半，资本开支也明显抬升。它的另一个抓手是自研昆仑芯：一边用自研芯片补高端AI算力供给、摊薄推理和训练成本，一边把模型能力沉到智能云、搜索、文库、萝卜快跑等场景里。

字节则是一变再变，持续扩大AI算力的下注额度。2025年资本开支约1500亿元，其中900亿明确投向AI算力，今年的计划一路加码，从去年底讨论的1600亿元上调到2000亿元以上，据财新报道，今年字节有将近1600亿元投入AI，其中过半用于AI芯片采购。

能看出如今大厂的AI投入早已从“要不要买”变成了“买多少、什么时候买，以及这些钱最终能不能赚回来”。

而在大洋彼岸，这场AI烧钱大战已经到了夸张的地步。据The Information报道，过去11个月，Anthropic签下的算力合同总额达到5170亿美元。自2025年10月以来，它在原有1至2吉瓦的基础上，又锁定了至少14.8吉瓦计算能力，还计划自建数据中心。

图片来源：云头条

14.8吉瓦是什么概念？按1吉瓦约对应75万户美国家庭用电量计算，这相当于超过1000万户家庭的用电规模。

Anthropic目前年化收入约650亿美元，意味着它签下的算力合同规模接近自身一年收入的8倍。而且这些合同买到的很多算力，并不会马上到手。比如Nscale那笔6年450亿美元的合同，对应460兆瓦容量，但这部分算力要到2027年底才上线。

据The Information梳理，这些合同大量采用take-or-pay模式，简单理解就是：算力不用，钱也得照付。去年年底，Anthropic给投资人的计划还是到2029年租用约1800亿美元服务器；不到一年，数字已经接近翻了三倍。

Anthropic当然有理由赌，它的生意增长确实很快：2025年初年化收入约10亿美元，今年7月底已经冲到650亿美元。年消费100万美元以上的企业客户，两个月里从500多家增加到1000多家。算力甚至一度紧张到需要限流。

今天多家媒体报道，Anthropic已选定纳斯达克作为IPO地点、最快10月路演，目标估值约2万亿美元；若按此定价成行，将超越SpaceX，冲击“史上最大IPO”。

问题在于，今天的增长能否覆盖明天的合同？Anthropic预计2028年营收达1900亿至2000亿美元。即便这个目标兑现，年均超过500亿美元的算力合同支出，仍然是一笔很重的账。

而且，算力和普通厂房不同，它的价值变化得更快。今天最先进的GPU，几年后可能被新一代芯片替代；今天需要这么多计算资源的模型，几年后也可能因为算法效率提升，用更少的算力完成同样的工作。

算力当然要买，可到底该为多远的未来买单，才称得上安全？

阿里、腾讯算投产比，Anthropic买确定性

无论中美，大厂们都在不停思考AI到底值得投入多少钱？答案既取决于技术判断，还取决于一家公司的现金流、业务规模，以及它能承受多久看不到回报的投入。

这也是中美在AI资本开支上的分野。

穆迪报告中提到，美国六大云厂商2026年一年的资本开支预计就超过7850亿美元，2027年可能进一步冲向1万亿美元。有趣的是，美国企业的投入大约是中国企业的6倍，数据中心总装机容量却不到中国的2倍。

差额去了哪里？很大一部分，是美国公司在为未来的算力供给提前付钱。

美国超大规模云厂商的数据中心租赁承诺已经达到1.2万亿美元，其中约8200亿美元对应的数据中心甚至还没有开工。

这意味着，美国大厂的资本开支并没有变成今天的收入，而是先变成了未来几年甚至更久的产能。

这背后有一个很现实的原因，AI基础设施的建设周期很长。土地、电力、数据中心、服务器和芯片，每一环都需要提前安排；前沿模型的需求又在快速增长，如果等到真正缺算力的时候再去买，很可能已经排不上号了。

所以，美国公司愿意为“确定能拿到算力”支付更高的价格。这也解释了Anthropic为什么会签下那么大的长期合同。它赌的是未来模型需求会持续增长，提前锁定资源，换未来扩张的空间。

中国大厂面对的条件不太一样。穆迪报告中提到，中国头部科技企业的收入和盈利基础整体小于美国同行，财务灵活性也相对有限。其次是供给，高端芯片出口限制让算力本身存在约束。中国公司的AI投入，很难简单复制美国的打法。

但这并不意味着中国公司会减少投入。恰恰相反，穆迪预计，2026年、2027年，中美多家头部公司的自由现金流都可能转负。

两边都在烧钱，只是"烧法"不同。美国公司的优势在于可以通过资本市场、云服务和长期租赁，把未来几年的基础设施需求提前锁住。中国公司的账算得更细一些，每一笔新增投入，都需要找到具体的业务来承接。

字节最近那笔296亿美元的银团贷款就是个例子，利率压到中国科技企业同类借款的最低档，这意味着在银行眼中，字节的扩张依旧是门好生意。这笔钱的性质和Anthropic的合同有本质区别：它计在表内，背后是自身业务的现金流和信用。

京东的逻辑也一样。万卡、十万卡集群之外，它大规模投入机器人、无人车和无人机，算力最终可以进入仓储、配送和供应链，AI基础设施不是悬在业务之上的一笔独立投资，而是能不断找到具体的生产环节来消化。

阿里、腾讯、百度等其他国内大厂亦然。它们手里的业务足够庞大，AI可以进入电商、云计算、广告、内容、社交、办公等不同场景。投入越大，越需要找到足够多的业务来消化成本。简言之，AI投入的上限，最终是由业务能够承接多少来决定。

两种打法并无简单的优劣之分。如果AI需求继续高速增长，美国公司提前锁下的产能会成为稀缺资产；如果需求不及预期，那些长期合同和巨额数据中心投入，就会变成很难甩掉的成本。

中国公司的风险则在于，投入过于谨慎，可能错过算力扩张的窗口；投入过快，又会让本就承压的现金流背上更大的风险。

同一场算力豪赌，一边在为未来预付账单，一边在为当下细算回报。赌局进行到这里，考验的已经不再是谁更有钱，而是谁“更能熬”。

燧原、沐曦等“国产GPU四小龙”齐聚首，卖铲人也上赌桌

众所周知，淘金热里最稳的生意，是卖铲子的。而这一轮AI淘金热里，大厂们疯狂买算力，连带着国产GPU也来了波大生意。

这是个丰沛的卖方市场。中国信通院的数据显示，今年一季度，国内AI算力需求同比大涨417%，供给增速却只有128%。高端芯片一卡难求，可谓"得产能者得客户"，再叠加出口限制，国产芯片从"备选"变成了"必选"。

9月11日，燧原科技在科创板上市，开盘大涨188%，收盘市值约1700亿元，而就在上市前，它最后一轮老股转让的估值只有182亿元。至此，"国产GPU四小龙"在资本市场完成聚首。

摩尔线程和沐曦股份去年12月登陆科创板，首日收盘分别上涨425%和693%；壁仞科技今年1月在港股挂牌，超额认购超过2300倍，募资超过55亿港元。再加上早已上市、市值6500多亿元的寒武纪，中国AI芯片公司在资本市场迎来了一轮罕见的集体重估。

出货量也在跟上。财新的统计显示，今年中国市场的AI芯片出货中，英伟达以220万块占去55%；华为以81.2万块排在中国厂商第一，其后是阿里平头哥的26.5万块和寒武纪的11.6万块。燧原科技招股书披露，其2026年出货量为6.6万块，市占率约1.7%。

这其中最为重量级的玩家，当属没有上市的华为。受制裁之后，华为单颗芯片的算力弱于英伟达、功耗更高，它的解法是"超节点+集群"：用全光互联把数千甚至上万张昇腾卡连在一起，像一台电脑一样运算。

去年9月，华为首次公布了未来三年的AI芯片路线图，昇腾950、960、970依次排开；今年四季度，搭载8192颗昇腾950DT的Atlas 950超节点将投入商用，按华为自己的测算，它的总算力是英伟达同期NVL144机架的6.7倍，还能继续互联成50万卡的超集群。

目前，384卡的CloudMatrix超节点已部署300多套。用华为轮值董事长徐直军的话说：“创新有时是被逼出来的。”

单卡追不上，就用系统补。今年7月的WAIC上，超节点成了中国芯片厂商的标配：摩尔线程展出256卡的MTT C256，壁仞发布1024卡光互连方案，中科曙光甚至摆出了10万卡的超集群。中国的算力生意，开始从“卖一张卡”，走向“卖一整套系统”。

放眼全球，卖铲人上桌并不新鲜，只不过硅谷更为激进。英伟达同时是Anthropic的芯片供应方、Nscale的重磅投资方，还持有Anthropic、Lambda等公司的股权。去年9月，它宣布计划向OpenAI投资最高1000亿美元，而OpenAI拿到钱后要做的，正是部署10吉瓦基于英伟达芯片的算力。投出去的是钱，收回来的是订单，硅谷把其称为"循环交易"。

历史上有过几乎一样的剧本。2000年前后的朗讯和北电，借钱给客户，好让客户买得起自己的设备。设备卖出去了，收入计入报表，股价接着涨。

后来的结局，大家都知道了。当供应商开始为客户的钱包操心，它卖出去的就不再只是设备，还有自己的身家。

今天的AI算力链条，也出现了类似的苗头。Nscale就是一个切口。这家2024年才成立的数据中心公司，今年3月被微软签下西弗吉尼亚园区至多1.35吉瓦的意向书；到了夏天，微软悄悄退出，Anthropic随即接手，代价是6年450亿美元。

Nscale接下来的动作才是重点，它拿着这份合同去见IPO投资人，讲述"1030亿美元合同收入"的故事，但它实际的季度收入只有约1亿美元。据知情人士透露，连公司内部都承认，这些数字只是"示意性的"。但这并不妨碍高盛牵头、最快9月推进它上市：拟募资30亿美元，目标估值500亿。

Nscale不是孤例。这一轮突然冒出来的"新云"，本质上是一群算力资产运营商：买GPU、建数据中心，再把算力租给模型公司。它们的上游成本是真实发生的，下游需求却押在模型公司的未来收入上。

Altman在9月那番警告，说的正是这群人："一堆新云冒出来，宣称明年要建成天量算力，却没有相应的收入，也没有买家。"风险就这样沿着供应链一级级传导，每流转一次，就被记成某一方的"增长故事"。

唯一只收租、不下注的，只有更上游的电力和土地，这也是为什么，最后大家都不约而同改用吉瓦说话：当金额大到失去意义，物理约束就成了唯一的硬通货。

国内卖铲人虽然没硅谷循环交易那么疯狂，却也被这场算力热潮推上了资本的赌桌，估值远跑在业绩之前。

AI芯片"五小虎"里，除了寒武纪，其余四家都还没盈利。给京东搭建万卡集群的摩尔线程，市值从上市初期4400亿元的高点回落到不足1700亿元，9月7日首发限售股解禁当天跌停，12月，还有占总股本近40%的股份等待解禁。

燧原2023年以来累计亏损近45亿元，上市当天的市销率高达171倍；腾讯是它最大的机构股东，也是最大的客户，累计投入超过50亿元，这次IPO又认购了2.48亿元战略配售。

这种"股东+客户"的绑定，算得上“中国版内循环”，只是比起硅谷，订单背后是真金白银的业务需求。

说到底，国内卖铲人押注的，是"中国算力必须自主"。这个赌局既易又难，简单在于，大厂资本开支持续增长，英伟达高端芯片又受到供应限制，国产算力是有明确替代空间的。难点在于，订单最终还得变成利润，市值最终还得沉淀成真正的产业能力，这场赌局才算真正上岸。

毕竟淘金热里，"卖铲子稳赚不赔"有个大前提：金子真的存在，且淘金的人，会一直需要新的铲子。如今已经有很多人抢着卖铲子，接下来就看金矿到底有多大了。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

文 | 华商韬略

中国几家最有钱的互联网公司，最近都开始向外找钱。

阿里配股，腾讯发债，字节则从近30家银行拿下了一笔296亿美元的银团贷款。

但问题是，它们真的缺钱吗？至少从账面上看，完全不像。

截至今年6月底，阿里手里的现金及其他流动投资仍有4745亿元，腾讯官方口径的“总现金”也有5112亿元。没有公开财报的字节，同样是中国最能赚钱的互联网公司之一。

它们已经这么有钱了，为啥还要四处找钱？

答案很简单，因为AI。

最新加入这场融资潮的是字节。

9月3日，据媒体报道，字节原本只准备借200亿美元。消息放出去以后，中国、美国、欧洲、新加坡近30家银行纷纷参与，认购金额超过300亿美元。字节随后把贷款规模扩大到296亿美元，约合人民币2000亿元，成为今年亚洲第二大的美元贷款交易。

更特别的是，这么大一笔钱，没有抵押。

一名直接参与交易的人士称，如此大规模的无抵押贷款非常少见。说得简单一点，银行敢把钱借出去，靠的就是字节本身的信用。

2024年，字节也曾从大约20家国内外银行及其他贷款机构借过108亿美元。如今，贷款规模已经是两年前的近3倍，融资条件反而更好。

钱拿来干什么？字节给出的解释是“一般企业用途”，但据媒体报道，这笔钱将主要用于支持公司的AI扩张。

阿里，走的是另一条路。

今年8月下旬，阿里在香港配售新股，一次募集800亿港元，而且把用途说得非常直接，这笔钱全部投入AI，主要用于扩充算力、建设大型AI数据中心和升级云基础设施等。

腾讯则去了债券市场。今年6月，腾讯发行24.5亿美元和150亿元人民币债券，其中一部分人民币债券直接借到了2056年，期限长达30年。腾讯没有说这笔钱专项投AI，但与此同时，它的AI基础设施投入也在明显加速。

大厂四处找钱，也不只出现在中国。

截至今年7月7日，亚马逊、Alphabet、Meta和甲骨文四家公司年内已经发行约1940亿美元债券，比2025年全年的1080亿美元还多近八成。

其中，Meta仅4月底一次就发行了250亿美元债券。甲骨文今年则计划通过债券和股权等方式筹集450亿至500亿美元，为不断扩大的云和AI基础设施投入补充资金。

从中国到美国，越来越多科技巨头开始主动从外部融资。不是因为它们没钱，而是AI太烧钱了。

如果你去山西大同的广灵县，看看字节的算力基础设施，可能会对“AI烧钱”这件事有更直观的理解。

在那里，字节旗下火山云已经布局了规模庞大的太行算力中心。仅二期项目，总投资就达到45亿元，规划超过1.5万个服务器机柜，二期还配套建设了220千伏输变电工程。

▲图源：广灵县人民政府网站

平时我们看到的AI，是聊天机器人，是几秒钟生成的视频，但它真正落到地面上，却是一栋栋机房、一排排服务器，以及背后一整套庞大的基础设施。

虽然平时最受关注的是芯片，但拿到芯片只是第一步。真正困难的是，如何把一块块芯片变成可以稳定运行的算力。

今年以来，英伟达H200对华销售经历了反复的审批和交付过程。即使获得许可，也不意味着芯片马上就能到手。与此同时，数据中心从建设、设备部署到最终通电，同样需要时间。

这也意味着，AI基础设施的投入不仅金额巨大，而且必须提前布局、持续投入。

随着算力需求不断增长，大厂的资本开支也迅速膨胀。

2025年初，阿里宣布未来三年至少投入3800亿元建设AI和云计算基础设施，仅今年二季度就花了约677亿元。

字节更激进。据媒体报道，此前字节内部讨论过把2026年的资本开支提高到最高700亿美元，折合人民币约4700亿元，重点仍然是数据中心和其他AI基础设施。这个数字最终可能调整，但已经足够说明这场竞赛的规模。

这种紧迫感，在张一鸣身上也能看到。

2021年宣布卸任字节CEO时，张一鸣曾在内部信里说，希望“以十年为期”，把更多时间用来学习知识、系统思考和研究新事物。

到了今年7月，他又罕见地在Seed团队内部会上发声，明确提出不要依赖竞争对手模型的蒸馏来换取短期排名，并表示愿意为长期目标牺牲部分短期收益。

在模型研发上，张一鸣依然强调长期主义，但在算力和基础设施投入上，字节却明显在加速。

原因并不复杂，模型今天落后，半年后还可以继续迭代。但如果别人已经把大量GPU装进机房开始运行，你的数据中心还在建设、还在等电，这个时间就很难补回来。

而且到了AI时代，基础设施已经不只是业务背后的支撑，它本身正在成为业务的一部分。

模型能做到什么程度、能服务多少用户、成本能不能降下来，都直接受算力约束。某种程度上，基建建到哪里，业务的上限也就到了哪里。

所以，AI的竞争可能持续很多年，但基础设施的抢位，就集中在眼下这几年。大厂真正抢的，不只是芯片，还有时间。

但这又带来另一个问题，既然账上有几千亿元现金，它们为什么不直接花自己的？

因为公司的钱从来不只干一件事。回购股票、收购公司、发展新业务都需要钱，还得给未来可能出现的风险和机会留出空间。

而服务器、数据中心这些基础设施，会在很多年里持续产生价值。用长期资金支撑长期投入，本身就是很自然的选择。

腾讯就是一个很直观的例子。虽然它没有把发债资金专项绑定AI，但长期资金显然给未来的大规模投入留下了更大的空间。

当然，大厂敢这么花，还有一个重要前提。这笔账，已经开始能算了。

今年二季度的腾讯财报会上，有分析师问了一个很直接的问题：如果按照二季度约530亿元的资本开支计算，年化资本开支将超过2000亿元，那么未来的折旧和摊销会如何影响利润？AI带来的新增收入，又要多久才能覆盖这些成本？

腾讯首席战略官James Mitchell的回答，透露出公司资本开支背后的另一层逻辑。

按照他的说法，在当前算力需求和出租价格下，如果腾讯像一些新兴云计算公司那样，把新增算力直接出租给第三方，几乎可以立即覆盖设备折旧，并很快取得不错的回报。

腾讯总裁刘炽平随后又补了一笔账：一些几个月前预付款和下单的算力，如果现在转手，甚至可以获得超过30%的利润。

这相当于给腾讯的AI资本开支提供了一层“安全垫”：自有AI业务增长得快，算力就自己用；外部需求更旺盛，也可以通过云服务变现。

算力正在从一项单纯的成本，变成能够产生收入的生产性资产。

阿里也开始算类似的一笔账。今年8月，阿里巴巴集团CEO吴泳铭在财报会上表示，按照目前AI产品的平均毛利水平，AI相关资本开支大约3年可以回本，随着毛利率提升和运营效率改善，未来还可能缩短到2.5年，甚至2年左右。

他还提到，阿里2020年采购的A100，甚至2018年采购的V100，目前仍接近满负荷运行，实际使用寿命远远长于理论上的折旧周期。

与此同时，收入也已经开始跟上。阿里AI相关产品收入连续第12个季度实现三位数增长，年化收入已经超过495亿元。今年二季度，快手可灵AI收入也超过8.5亿元。

这些数字还不能证明，几千亿元的AI投入已经全面赚回来了。但至少，大厂已经不再只能靠想象来计算AI的未来。投入多少、多久回本、能产生多少收入，这笔账正在变得越来越清楚。

于是，一个新的循环开始形成：算力越多，能够训练的模型、服务的客户就越多；收入增长以后，公司又更有底气继续投入，也更容易拿到下一轮资金。

钱变成算力，算力带来业务，业务再支撑下一轮投入。

但资本市场的风向也在变化。

今年上半年，无论中国还是美国，资本对AI都很热情。但进入下半年，市场开始变得更谨慎，高估值能不能兑现、巨额投入多久回本，越来越受到关注。

这也是阿里800亿港元配股值得注意的地方。阿里并不缺钱，却还是选择现在把钱拿到手。字节扩大银团贷款规模，腾讯发行长期债券，背后其实也有类似的考虑。

对大厂来说，趁钱还好拿，提前为未来几年准备弹药，显然比等到真正需要时再融资更稳妥。

因为接下来需要钱的绝不只是这几家公司。平台公司、芯片公司、云厂商、大模型公司，都还要继续增加投入。当大家同时需要几百亿、上千亿元资金时，资本本身也可能成为一种稀缺资源。

这些大厂越来越清楚，AI这一仗和互联网时代不太一样。技术决定你能不能上牌桌，口袋够不够深，可能决定你能在牌桌上坐多久。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

文｜光锥智能，作者 | 魏琳华 ，编｜刘俊宏

七、八、九三个月，大模型行业像打了鸡血。

从海外“御三家”到国内大模型厂商，轮番发布的新模型让人目不暇接。9月第一周，OpenAI、Anthropic、谷歌你方唱罢我登场，Claude Fable 5.1、Gemini Flash 3.8、GPT-6 Astra先后发布。

国内各种版本的“Flash”模型也在扎堆发布。

继智谱的“牛来”（GLM-5.3-Flash）和阿里Qwen3.8-Flash同天发布后，9月10日，DeepSeek先下架了V4 Pro、并发布V4.1 Flash接棒，把价格再按下一档；月之暗面则交出了一个继K3后版本号倒退的Kimi K2.8 Preview，虽然没有公布具体参数，官方表示，它是一个接近K3性能、效率更高的模型。

各家拿出的模型能力节节攀升，但定价却跑出了完全相反的态势。

据Silicon Data的LLM Token支出指数（计算市场每百万大语言模型Token的平均支付价格），8月单月暴跌29%，为0.97美元/百万Token，首次跌破1美元关口。对比今年5月，这个指数还在2美元以上。短短三个月，就经历了一次“腰斩”。

一个“平均支付价格”的下跌，来源最可能是两种解释：要么全行业普降，要么调用结构在集体涌向便宜模型。而在各家大模型API平台用户量水涨船高、Token消耗量暴增的背景下，答案是两者正在同时发生。

AI模型能力在通胀，Token价格在通缩。

这背后是一个增长叙事：只有抢夺足够多的用户，大模型公司才能继续撑起的增长叙事。为此，给模型砍缓存成本、降低定价、推Flash模型，从可选动作变成了大模型厂商的必要手段。

用户正在“用脚投票”，为自己的AI搭子选择更有性价比的模型。

更聪明的模型要便宜，Flash模型成为旗舰替代品

在DeepSeek R1过后，大模型厂商自证身价的路变得更清晰——证明自己的模型有多聪明。跑分榜、刷基准，智力是大家“秀肌肉”的硬通货。

但现在，讨论的风向开始变化。在能力近似的前提下，大家能做到多便宜？性价比正在成为大模型行业新的角力点。

今年5到6月Token支出价格经历的快速回落，就与DeepSeek V4 Pro等国内开源模型的降价相关。

5月，DeepSeek曾宣布将自家模型DeepSeek V4 Pro价格永久下调75%，调整后的价格为输入（缓存命中）0.025元/百万tokens，输出为6元/百万Tokens。虽然8月因为扛不住压力又宣布涨价，但这恰恰说明这轮价格战不是“补贴战”，每一“刀”还得“尊重”成本曲线。

但当开源模型能力比肩其他旗舰模型，价格却打到了旗舰的零头，用户怎么选，不难猜。

对此，高盛One-Delta部门负责人Rich Privorotsky指出，AI大模型已经来到下半场，正在由技术是否可行转向成本是否可承受。

当价格成为用户选择的关键因素，大模型厂商们开始用各种方式把模型价格往下打。

最简单粗暴的方式是直接打价格战，让利给用户。

以OpenAI为例，它先对自家的“小弟”动手，没得到明显反馈后，又把屠刀伸向自家旗舰模型。它先于7月30日宣布GPT-5.6 Luna永久降价80%，同系列的Terra也降价20%。不到一个月的时间，又把自己上个月刚发布的旗舰模型GPT-5.6 Sol输入降价20%，输出降价1/3。

一个月“砍”两刀，从外围砍到旗舰。价格战的烈度，被一级级提高。

另一种方式更隐蔽，比如把API接入自家或者其他编程、办公产品，打个限时5折或是两周免费的优惠，或是直接送额度重置。名义上价格没动，但本质上都是变相打折，吸引用户用自家模型跑任务。

但前两种都只是在价格层面动手脚。更根本的打法，是直接对模型本身动刀。

一方面，是大模型厂商们开始在旗舰模型系列之外，发布各种版本的Flash模型，用接近旗舰的性能、远低于旗舰的定价，成为用户日常办事的主力。

智谱的“牛来”模型GLM-5.3-Flash、阿里的Qwen3.8-Flash、月之暗面的Kimi K2.8 Preview，走的也是同一条路。它们都是在自有的旗舰模型基础上，训练出效率更高、定价更有优势的版本。

比如，Qwen3.8-Flash是一个靠新模型架构降低训练、推理成本的性价比模型，官方指出，它的训练开销仅约为Qwen3.7-Plus的1/9。除了性价比优化之外，它把优势点在了编码和办公场景会用到的代码、Agent等能力上。Kimi K2.8 Preview更直白，从它的名字就能明白，它是一个能力接近K3的模型，但效率提升，本质上也是Flash思路的另一种表达。

做Flash模型，为的不是做个面面俱到的优等生，而是当一个物美价廉的“打工人”。模型可能没那么聪明，但对大多数日常任务来说，“够用”本身就是全部需求。

另一方面，旗舰模型也没能“幸免”。它不仅要智能，还要在智能的前提下尽可能便宜。大模型厂商们开始把优化的刀砍向了旗舰模型本身。

Anthropic和DeepSeek们的选择是输入、输出价格不变，对缓存命中的定价下手。比如9月发布的Claude Fable 5.1，定价依然昂贵，但它把缓存读取从1美元降到0.25美元每百万Token，降幅75%。

为什么缓存的价格能砍得这么狠？

从推理成本来看，大模型推理的大头在Prefill阶段（预填充）。比如一段10万字的文档，模型要先从头到尾过一遍，把每个句子拆解成Token，并行计算所有Token的注意力，并生成KV Cache（键值缓存）存入显存。但缓存读取不一样，如果第二次调用同一个上下文时，就可以直接读取KV Cache，取出来用的边际成本几乎为零。同样的内容，成本却天差地别。

更关键的一点还在于需求侧的变化。

今年应用逐渐成熟的Agent场景，就是缓存读取的大户。一个任务可能反复读取同一个长上下文几十上百次。砍缓存价格，更是相当于直接补贴增长最快的场景。

以DeepSeek V4.1 Flash为例，它通过架构、注意力机制、缓存精度三个维度，把KV缓存的空间大幅压缩，从“源头”降低存储成本。

OpenAI的思路则是压缩输出Token降低成本，通过优化任务输出的Token长度，让同样的任务消耗的Token更少。哪怕API定价本身涨了2.5倍，但单次任务的Token消耗量下来了。这是一个“单价涨、但总价降”的做法。

但这条路线也有极限。在GPT-6 Astra发布后，用户发现以前够用的额度在调用新模型后消失飞快，可见有限的优化也难解用户的“渴”。优化的速度，赶不上模型变强带来的消耗膨胀。

降价、折扣、“Flash省流”、砍缓存、压输出，模型厂商的招式齐出，但目的都是同一件事——让用户舍得花Token，公司才能继续讲增长的故事。

为什么大模型厂商要把价格打下来？

当需求端花不起钱，即使是第一梯队的大模型厂商们，也得考虑怎么给模型降价。

对比Token价格指数曾经的两个高峰来看，它的第一次出现在今年1-2月，OpenClaw的爆发带动AI需求增长，Agent成倍消耗Token的特质，进一步加速Token消耗量翻倍增长，这是一个供需驱动的逻辑；第二次则是出现在5月，Token价格指数摸到了2美元左右的顶点，那是海内外旗舰模型轮番涨价的结果。

彼时，所有人都相信：模型越聪明，就越能拥有定价权。

但作为撑起API消耗的主力军，企业早就无法承受昂贵的Token账单。

以Uber为例，今年4月，这家公司就表示全年的AI工具预算已经全部花完。CTO表示，每名工程师月均API调用成本高达500-2000美元。为了激励员工用AI干活，公司甚至设立了Token排行榜。不加限制地鼓励，最终导致Uber花钱如流水。

比花钱更冤的，是钱花了，还没能“听个响”。

在一档播客上，谈及Uber耗费的Token是否真正转化成了对消费者们有用的功能，Uber COO Andrew Macdonald表示，AI使用量和实际上生产的功能之间很难联系到一起。也就是说，Token本身花得值不值，还没办法确切衡量。

Uber不是个案。Meta、Amazon等企业一开始都鼓励员工消耗Token，排行榜也是司空见惯的手段，但当AI的账单增长速度远超业务价值的增长速度，最后也不得不给员工们设置好单月在Claude Code、Cursor等AI工具的Token上限，让大家“省着花”。

为了压缩AI支出费用，企业们一方面开始给员工限制预算，另一方面，他们开始打起了开源模型的主意。

对于还没上市的OpenAI和Anthropic来说，Token消耗增速是估值故事的核心支柱。当生意开始大幅流向开源模型，自家业务增速放缓，估值就要打折。

闭源API的赚钱逻辑，本质上靠的是前沿模型的定价权。一旦商业空间被压缩，再贵的模型也得放下身段。毕竟，得先有用户，才有未来。这也是为什么两家海外巨头也主动开始考虑起替用户“省钱”的事情。

但需求端想要往下压价格，供给端也得接得住。

厂商之所以敢降价，是因为模型训练的成本结构本身正在被改写——预训练依旧昂贵，但后训练的重要性提升，让大模型厂商们能用更小的模型达到更大模型的效果。

早在2024年，Anthropic CEO Dario Amodei曾预测，2025年-2026年，前沿模型的训练成本将在50亿-100亿美元的范围内。

而在这百亿成本里，芯片占据了支出的大头。

以这次“力大砖飞”的GPT-6 Astra来说，动用了10万张GPU的集群，是OpenAI迄今为止最大的训练规模。按照一块英伟达H100约3万美元的价格计算，10万张GPU的硬件采购成本就要约30亿美元。

无休止堆卡跑预训练是必要的，但也是昂贵的，Scaling Law总是能在恰当的时候“great again”。

但在强化模型能力的战场里，除了预训练，后训练同样能够撬动模型能力的提升，而且成本结构完全不同。

以智谱为例，智谱AI创始人唐杰发文称，在总参数与激活参数不变的前提下，通过加大强化学习和长程任务反馈的投入，GLM-5.3的端到端任务完成率比GLM-5.2提升超50%。智谱还在财报电话会上提出，决定一个模型上限的包括基座规模、有效深度、训练深度、任务环境四个因素。

这句判断提到的后两个要点，几乎都由后训练的投入决定。在这个框架里，预训练决定底子，后训练决定上限。

MiniMax则把后训练的关键进一步引到了推理效率上，在后训练阶段，推理算力的占比越来越高——合成数据的标注是推理，强化学习Rollout是推理，评测本质上还是推理。推理效率本身就决定了模型的研发效率。

MiniMax创始人、董事长兼CEO闫俊杰还给出了一个观点：在相同算力规模下，推理计算效率的提升倍数，与后训练规模的扩大倍数基本线性相关。

需求端的花不起，决定了价格不得不降；后训练带来的能力提升，决定了模型厂商有降价的底气。。

大模型的“杰文斯效应”失效了？

Token支出指数的暴跌，正在打碎“Token经济”的美梦。

在此之前，行业里有一个被反复引用的叙事：杰文斯悖论。

1865年，杰文斯在《煤炭问题》提出一个观察：瓦特蒸汽机把每单位工作的煤耗降了好几倍，但英国的煤炭总消耗量反而暴涨了100倍。效率提升没有让资源用得更少，反而让它用得更多——因为更便宜了，所以用的场景爆炸式增长。

这个叙事被套到Token上，就成了今年开始主流的商业故事：模型越便宜，Token用量越大；用量越大，大模型公司的收入就越高。降价不单纯是为了让利，企业们更希望用它做大整个市场的盘子。

但OpenRouter的8月数据，正在对这个故事打上问号。

据摩根大通的研究，OpenRouter平台8月路由Token量环比增长约47%，但对应的美元支出微增7%。用量狂飙、单价崩塌，支出却几乎原地踏步。

这一点也体现在消耗结构层面。在8月OpenRouter月度Token排名前十的模型里，DeepSeek V4 Flash-0731以50.7万亿Token高居第一。前十名里，低价Flash模型占据了半壁江山。这说明新增的调用，大头流向了最便宜的那批模型。

Privorotsky在报告中戳破了这层窗户纸：“更多需求加上更低价格，若收入增长跟不上成本增长，那对AI基础设施投资来说是个坏消息。”

不过，杰文斯效应短期内的失灵，不代表这个故事彻底破产了。OpenAI GPT-6 Astra的发布，似乎又让行业看到了“智能”领先于“性价比”的苗头。

GPT-6 Astra不仅能直接调用专业软件，将参考图片转化为可编辑交互的工程文件。作为通用模型，它甚至被接到机械手上，用来操控机器完成叠衣服等指令。

这种表现，一定程度上能与拿着合成数据、真实数据训练的具身智能“大脑”相提并论。只是从任务执行流畅性角度来说，GPT-6 Astra还很初级，毕竟它要从视觉反馈画面“现场计算”。但这一事件输出的信号已经足够清晰——通用模型开始长出“手脚”，“干掉”一些需要专门训练的AI。

这条“智能曲线”跟当下的价格战并不矛盾。当智能泛化解锁新场景，新场景带来新的爆发式需求，用量红利才会产生。

所以，Token单价跌破1美元，更像是智能和性价比的一个过渡期。现在，昂贵的模型被性价比挤兑，但模型在更多行业场景的应用空间还未被完全挖掘。从这个角度说，杰文斯悖论并没有完全失效。

Token市场目前的问题在于，新场景的爆发还跟不上价格坍塌的速度。

Agent、企业工作流、个人应用等均处在成长期，它们的应用范围、任务完成度都还有更大的拓展空间。

接下来，谁能吃到增长的红利？

过去，市场认为，智能的定价权牢牢握在模型领先者手里。但当能力差距缩小、工程化的权重越来越大，定价权就开始从“智能领先”，滑向更具“性价比”的公司手里。

这也是为什么中国模型公司在这一轮价格战中格外有存在感。随着中美模型能力差距不断缩小，价格更“香”的开源模型，变得更受市场青睐。

价格的下限还会不断下探，但等到它真正成为“水电煤”的时候，AI应用的故事才真正开始。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

文 | 市值榜，作者  | 贾乐乐，编辑 | 嘉辛

果链企业蓝思科技交出一份压力明显的成绩单。

2026年上半年，蓝思科技实现营业收入288.66亿元，同比下降12.42%。这是一次罕见的收入下降。

蓝思科技最大的标签是“消费电子供应链企业”。从手机玻璃盖板起家，到成为全球智能终端产业链的重要供应商，蓝思科技抓住了智能手机高速发展的黄金时期。

2014年以来，所有半年度收入，只有2016年和2022年两年是下降的，2022年那次下滑，下半年还用更高的增速，完成了全年的增长。

按照半年度营收下滑12.42%来看，股权激励方案中全年收入增长15%的考核目标能否实现，还要打一个问号。

利润下滑幅度更大。上半年，蓝思科技的归母净利润为5.77亿元，同比下降49.52%；扣非净利润为2.78亿元，同比下降70.45%。但与此同时，蓝思科技的毛利率提升了2.21个百分点，达到16.43%。

不同走势的财务指标，如何理解？在智能手机市场步入成熟阶段的现在，过去依靠手机增长的模式还能持续多久？新业务又能否顺利接棒？

一、利润为什么腰斩？

蓝思科技利润的大幅下降，来自几个因素的叠加。

其中，汇率变化对于财务层面的冲击，是最直接的影响因素。蓝思科技海外业务规模较大，2025年境外收入占比超过一半，部分业务采用美元结算。

而汇率是不能控制只能通过对冲操作等方式减少风险的因素，因此，2026年上半年，人民币兑美元阶段性的升值，让蓝思科技承受了较大的汇兑压力。

半年报显示，财务费用由去年同期的-1.30亿元转为5.17亿元，同比大幅增长。其中，汇兑损失约4.92亿元。

假设2026年上半年产生的汇兑收益和2025年上半年同期一样，即1.68亿元，那么，营业利润、净利润这些指标将从大幅下降转为增长或持平。

还有一层压力来自资产减值。

上半年，蓝思科技资产减值损失达到4.37亿元，同比增长21.58%，其中主要来自存货跌价准备。截至2026年上半年末，存货规模达到79.33亿元，较年初增长14.4%。

但从更长周期来看，蓝思科技利润容易受到冲击的根本原因，在于制造业务本身利润率并不高。

过去10年里，蓝思科技毛利率最高约30%。随着智能手机产业链成熟以及低附加值组装业务规模扩大，毛利率逐步承压。2026年上半年，公司整体毛利率为16.43%，即使同比提升2.21个百分点，仍处于相对较低水平。

如果将“毛利润扣除销售、管理、研发和财务费用”定义为核心利润来观察经营质量，那么上半年，蓝思科技的核心利润率只有3.6%。这意味着，汇率、库存、成本变化等单项因素，都可能对利润造成明显影响。

这也是今年上半年蓝思科技调整业务结构的原因之一。

受存储芯片涨价等因素影响，蓝思科技主动减少部分低附加值组装业务，同时引入运动相机等附加值更高的组装业务。收入端因此承受压力，但消费电子板块毛利率提升近3个百分点，整体毛利率回升也受益于此。

换句话说，蓝思科技正在用部分规模换取盈利质量，也就是半年报定调的“减量提质”。

对于蓝思科技而言，短期利润波动并不是最大的挑战，真正的问题在于：在消费电子增长放缓之后，公司能否找到新的增长来源，同时让更高价值的业务逐渐替代过去依赖规模的制造模式。

二、基本盘消费电子： 提质能补上减量吗？

消费电子业务仍然是蓝思科技最大的收入来源，但这个曾经推动公司高速增长的核心板块，正在进入一个新的阶段。

2026年上半年，蓝思科技智能手机与电脑类业务实现收入223.82亿元，同比下降17.67%，占总营收的77.54%。

这一下滑首先来自智能手机行业整体承压。

过去几年，智能手机市场已经从高速增长阶段进入存量竞争阶段，消费者换机周期延长，终端品牌增长压力增加。IDC数据显示，2026年一季度全球智能手机出货量同比下降4.1%，二季度同比下降6.7%。

一个被公认能驱动用户换机的因素是AI。手机厂商纷纷将端侧AI作为新品的重要卖点，希望通过智能交互、影像增强等功能刺激消费者升级。

但另一方面，AI带来的影响也传导到了成本端。

随着AI服务器需求增长，全球存储产业供需关系发生变化，存储价格上涨开始影响消费电子产业链。对手机厂商来说，存储芯片是BOM成本的重要组成部分，成本上涨最终需要在终端价格和供应链利润之间重新分配。

近期，多家手机厂商开始调整产品价格，但价格上涨能否被消费者接受，或者说AI体验能否成为消费者为涨价买单的理由，仍需要进一步验证。

对于蓝思科技而言，问题在于，它并不掌握这条价格传导链上的主动权。

从功能机时代的视窗防护玻璃，到智能手机时代的盖板玻璃、结构件，再到组装业务， 蓝思科技 逐步进入全球头部品牌供应链的过程中，苹果是重要支撑。

苹果带来的不仅是稳定的大规模订单，也帮助供应商建立了全球领先的制造能力。但与此同时，苹果这样的终端品牌也拥有较强的话语权。

在消费电子产业链中，品牌方掌握产品定义、终端售价和市场渠道，而供应商更多承担制造和技术配合角色。

终端产品价格上涨时，零部件企业未必能够同步提升收益，但终端价格上涨如果抑制了需求，零部件企业大概率会受损。

蓝思科技的解法是发展更多的客户，以及通过技术升级、工艺提升改善供应格局，提升价值。

从客户结构看，公司第一大客户（市场普遍认为是苹果）收入占比已经从早期较高水平下降至2025年年报披露的约45%。与此同时，持续拓展其他终端客户，并进入AI眼镜、智能穿戴等新兴领域。

其中，智能头显与智能穿戴是公司消费电子能力向新终端的延伸。2025年，该业务收入39.78亿元，毛利率19.91%，在各业务板块中处于较高水平。2026年上半年，智能头显与智能穿戴业务实现收入17.77亿元，同比增长7.95%，占总营收6.16%。

智能头显与穿戴设备更多是消费电子品类扩张，折叠屏则是通过形态升级提升单机价值量。

相比传统智能手机，折叠屏对材料和制造工艺有更高的要求。UTG超薄柔性玻璃、玻璃支撑板、PET功能膜以及3D玻璃盖板等产品，技术难度更高，也能够提升供应商单机价值量。

蓝思科技此前披露，已向北美大客户折叠机型供应UTG超薄柔性玻璃、玻璃支撑板、PET功能膜及3D玻璃盖板，并在二季度末开始批量出货。

但折叠屏同样面临现实挑战。

一方面，蓝思科技在特定工艺上具备一定的技术壁垒，比如UTG良率超过95%，这种壁垒在新品类导入期能带来议价窗口，但由于苹果在核心零部件上普遍采取“双供应商+互相竞价”策略，而这种策略会压缩溢价的时间与空间。

另一方面，存储涨价平等地影响着直板、曲面还是折叠屏的BOM成本，更高的产品价值，最终仍需要建立在消费者愿意为其买单的基础上。最近的观察窗口就是苹果首款折叠屏的销售情况。

IDC预测2026年全球折叠屏手机出货量约2290万部，同比增长12.6%，增速看起来不差，但整体规模还小。Counterpoint数据显示，折叠屏目前仅占全球智能手机市场约2%的份额，预计到2026年底累计出货量突破1亿部。

过去，蓝思科技依靠智能手机销量增长获得规模，未来，需要依靠高端产品、复杂工艺和更高单机价值获得增长。但即使完成这一步，消费电子依然无法完全摆脱终端周期。

三、新增长曲线到了哪一步？

在消费电子之外，蓝思科技不断拓展业务的边界，包括汽车、AI相关业务以及TGV玻璃基板，以勾勒下一阶段的增长曲线。

目前这些新业务仍处于不同阶段。

其中，汽车智能座舱业务是消费电子之外规模最大的业务板块。

2026年上半年，蓝思科技智能汽车与座舱类业务收入33.72亿元，同比增长6.56%，占总营收11.68%。和收入规模一直在提升的走势不同，这项业务的毛利率并不稳，2022年约为20%，2025年降到7.22%，2026年上半年为12.53%，同比提升2.69个百分点。

智能汽车与座舱类业务的优势在于，它与蓝思科技过去积累的制造能力匹配度较高。

蓝思科技依靠玻璃加工、精密结构件制造和大规模量产能力，进入消费电子供应链。座舱显示、车载玻璃、结构件等产品，同样需要高精度制造、高可靠性和强供应链管理。

汽车行业也有自己的特点。汽车零部件认证周期更长，车型开发节奏也不同，这代表蓝思科技需要慢慢渗透，不过，一旦进入供应体系，订单稳定性也通常更强。目前，蓝思科技已与多家国内外车企合作，并推进夹胶车窗玻璃等产品量产交付。

如果说汽车业务体现的是制造能力在成熟产业中的落地，那么AI服务器则可能是蓝思中期增长弹性更大的方向。

随着人工智能产业快速发展，算力基础设施建设需求持续提升，AI服务器结构件、液冷散热以及服务器存储等环节迎来新的市场机会。

围绕AI服务器，蓝思科技正在布局包括机柜结构件、液冷散热系统以及服务器存储等方向。东莞松山湖园区已完成相关扩产和客户验证，并通过产业投资进一步补充AI服务器结构件和液冷领域能力；企业级SSD已经实现批量出货，HDD玻璃硬盘也进入验证和交付阶段。

AI服务器同样可以复用蓝思科技在消费电子业务积累的能力，但复用的能力只是入场基础。

最核心的差异在认证壁垒。全球仅少数企业持有英伟达RVL供应商认证，验证周期长达6到18个月，覆盖质量体系、技术能力与产能审核，这不是单纯依靠精密制造能力就能跨越的门槛。因此，蓝思科技选择收购元拾科技，间接获得英伟达 RVL认证，而非自建。

产品要求上，AI服务器面向数据中心，需长期稳定运行。液冷散热对密封性、耐久性和安全性的要求，远高于消费电子结构件，产品形态也从手机里的精密小件，扩展到机柜系统集成，还涉及到全新技术域。

但一旦跨过认证门槛，AI服务器的增长弹性可能更大。

其他智能终端，代表蓝思科技对下一代智能硬件方向的提前布局。

半年报显示，其他智能终端业务收入5.34亿元，同比增长46.92%，其中具身智能机器人是重点方向。公司围绕灵巧手、关节模组以及整机组装推进布局，并与智元机器人等企业开展合作，相关产品已经实现批量交付。

机器人业务与蓝思消费电子制造在商业模式上存在明显差异。

消费电子业务，面对的是少数头部大客户，提供大批量、高度标准化的产品，采用成熟代工模式，其特点是订单规模稳定、可预期性强，但代工厂议价能力相对弱。

人形机器人行业仍处于早期，产品形态、标准、需求都未定型，所以呈现出客户分散、出货量小、标准化程度低特点。在生产方式上，蓝思科技要自研关节模组、灵巧手等核心部件，可能需要更深地参与客户的产品定义，毛利率空间更大，但也需要承担更多的研发投入和库存风险。

此外，更大的不确定性来自于时间，也就是行业爆发的速度，而不是能力。

TGV玻璃基板是蓝思科技向半导体材料领域的跨界尝试。

随着AI芯片向多Chiplet、高带宽方向演进，传统有机基板在平整度和尺寸稳定性上面临挑战，玻璃基板成为先进封装的下一代候选材料。蓝思希望将其在玻璃后道加工领域积累的精密加工能力，从手机盖板延伸至芯片封装底层。

2026年7月，蓝思科技与英特尔签署合作备忘录，而据报道 英特尔自身的玻璃基板封装方案预计要到本世纪20年代后半段才完整推出 ；已建中试线并向部分客户送样，部分客户通过初步概念验证进入技术测试阶段。

整体来看，这一业务距离商业化收入仍有一定距离。

从消费电子到汽车、AI服务器，再到具身智能机器人和TGV玻璃基板，蓝思科技正在尝试将过去三十年积累的制造能力迁移到新的产业方向。

但在转型的过程中，难免出现青黄不接。接下来要看的，是哪条赛道能最先从验证走向持续放量。订单和收入，才是新曲线的硬指标。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

文  | 财经故事荟，作者 | 艾小智 编辑 | 陈纪英

Anthropic CEO 达里奥踩下刹车，马斯克和奥特曼随声附和，白宫和英伟达要慌了。

达里奥牵头的这波大刹车，显然经过了深思熟虑。

先是Anthropic对齐负责人Evan Hubinger放声预热，“我们内部真诚地相信，AI可能会杀死全人类。我个人预测，未来十年内，这个概率超过了10%。”。

随后，9月12日，Anthropic CEO达里奥发布长文《We Must Pace the Frontier》，呼吁全行业给前沿AI”踩刹车定节奏"：第三方驻场核查、全美划能力红线、全球分级监管。

奥特曼第一时间表态支持，马斯克公开力挺，刚卸任谷歌DeepMind CEO的哈萨比斯也说，这是”朝正确方向迈出的一步"。

AI大厂踩刹车，是为了人类的安全，却让英伟达暴露了风险——限速的板子，打在了算力需求上。

白宫也坐不住了，据悉特朗普大发雷霆。白宫AI主管David Sacks更是直接发文开怼，戳破了达里奥背后的小算盘：以安全之名抬高行业进入门槛，同时绕开随时可能砸下的反垄断大棒。

"别再假装你们需要任何其他人的许可。别再假装反垄断法必须被暂停，以便你们形成卡特尔。别再假装你们需要一个凌驾于产品责任之上的监管审批流程。最重要的是，别再假装放慢速度的动机纯粹是利他主义的。如果你们的产品促成了一次真正破坏性的网络攻击，你们将面临巨大的产品责任风险。"

这一次，白宫和英伟达的利益达成了一致——白宫担心达里奥的计划会削弱美国AI行业的竞争力，而英伟达提供了AI行业的技术基座，同时还因为大手笔的AI投资，几乎成了AI行业的"央行"。

英伟达万亿帝国，建在"AI油门踩死"的假设上

截至9月11日收盘，英伟达市值约5.27万亿美元，全球第一。支撑这个估值的，是一个假设：AI行业持续狂飙，算力需求只增不减。

刚出炉的最新季报，把这个假设演绎到了极致。8月26日盘后，英伟达交出单季营收962亿美元的成绩，创下半导体行业的历史纪录；其中数据中心业务约890亿美元，占比超过九成。一家芯片公司的命运，已经和AI资本开支几乎完全重合。

下游的采购同样狂热。微软、谷歌、亚马逊、Meta四大云巨头，已把2026年的资本开支合计上调至7250亿美元，同比激增77%。

巨头们开始靠发债支撑这场军备竞赛——近5个月，美股七大科技巨头发债1700亿美元，远超往年全年约300亿美元的水平，谷歌的单季自由现金流甚至已经转负。

黄仁勋自己给出的预测是，到2030年，全球AI基础设施年支出将达到3万亿至4万亿美元。他反复强调，2027财年70%的营收增长目标，是"供应的上限，而不是需求的上限"——不是卖不动，是造不出来。先进封装、HBM内存的产能瓶颈，按他的判断会一直紧到2028年。

需求从哪来？头部模型公司的军备竞赛。

看现在的采购清单：OpenAI计划到2030年掌握30吉瓦算力，2030年前的算力支出预期已上调至7500亿美元；Anthropic在11个月内签下5170亿美元算力大单，签约容量至少14.8吉瓦；仅亚马逊和谷歌两家，未来十年就将为Anthropic贡献超过3000亿美元的订单。去年9月，英伟达还宣布了对OpenAI最高1000亿美元的投资承诺，共建10吉瓦的AI数据中心。

为了喂饱这些需求，英伟达把油门焊死了：最新季报显示，它对上游内存厂商的采购承诺高达2790亿美元，仅三个月就激增134%。芯片巨头把未来数年的需求，提前锁进了自己的资产负债表——赌的就是AI永不减速。

而达里奥的限速计划里，白纸黑字写着可以讨论的选项包括：限制训练算力。

他建议全美前沿AI公司一起划能力红线、设强制检查站——模型每跨过一个危险门槛，就得先拿出安全证据才能继续往前冲，甚至可以讨论限制训练算力和AI研发AI的速度。

训练算力一旦设上限，上面这些万亿级采购计划的逻辑地基就会松动。模型迭代变慢，下一代芯片的升级理由就少一分；能力红线卡在前面，吉瓦级的集群就不必急着上马。更疼的是，英伟达已经替未来几年下好了上游的订单——需求如果急转弯，最先撞上去的就是它自己的资产负债表。

对英伟达来说，这只是第一层风险——需求下降。

卖铲又放贷，“央行”英伟达的两重风险

第二重风险则更微妙：今天的英伟达，已经不只是卖铲子的了。它同时是整个AI行业的出资人。

《经济学人》在9月初的深度报道里，把英伟达定位为"AI界的中央银行"。英伟达的季报里，浮现了5305亿美元的表外承诺。这个体量的资金，相当于美联储同期量化宽松，"英伟达在用自身资产负债表为整个AI产业链创造信用、设定定价基准。"

今年8月，英伟达宣布与Apollo、贝莱德、黑石、Brookfield、高盛、KKR联手成立算力融资平台，计划募集超过5000亿美元第三方资金，专门支持AI模型开发商建设基础设施。此前，它已经对OpenAI等核心客户进行了巨额投资和采购承诺。

一边投资客户，一边把GPU卖给客户——这个模式，让"循环融资"成为对英伟达最锋利的质疑。

批评者举例称，上一轮互联网基础设施热潮中，朗讯科技正是死于类似的供应商融资。

对于上述批评，黄仁勋压根不买账。他在9月12日的高盛科技大会上正面回击："我们投入1美元、拿回100美元的回报，这算是循环融资吗？如果这也算，那我们就多做一些。"

他强调，投资之前会确认被投方手中有真实合同、能从客户处获得收入，他见过的此类合同总额达到1000亿美元。

这个回应在财务上是成立的。但它忽略了一个大前提——英伟达的"循环"能不能转下去，取决于生态里的AI公司一直在扩张。投出去的钱变成采购订单，采购订单支撑营收增长，营收增长支撑估值，估值又支撑下一轮融资——这个飞轮的每一环，都默认"AI不会减速"。

而达里奥们现在倡导的，恰恰是踩刹车。

一旦前沿AI真的限速——头部公司扩张放缓，采购承诺缩水，英伟达的投资回收周期拉长，财务担保的乘数效应反噬自身——英伟达就从"AI行业的央行"变成"AI行业的最后贷款人"。

当然，这个减速到底能不能落地，还不好说。

连达里奥自己都承认，最高一层的"全球大幅减速"短期内不现实；Cohere CEO Aidan Gomez讽刺这套方案是"卡特尔出了好主意"。

截至目前，没有一家公司真的放慢了模型发布节奏，英伟达的订单簿上也没有出现一张取消的合同。

不过，机构们已经开始预警风险了。

9月11日，评级机构惠誉发布了一份压力情景分析：如果AI投资热潮逆转，美股可能在六个月内下跌35%，美国经济明年二季度可能萎缩1.5%，2027年全球GDP增速或低于1%。目前，美国股市总估值占GDP比重约200%，创战后新高。

减速长文发布后的周日，IG平台科技100指数期货已应声下跌，美光、迈威尔、SK海力士的永续期货跌了3%到5%；投资人卡拉卡尼斯甚至在X上警告，AI股票周一开盘可能跌超10%——"达里奥用一篇博客文章就把AI交易给拆了"。

对一家市值5万多亿美元的公司来说，叙事的裂缝比订单的裂缝更危险。

特朗普发飙，白宫和硅谷各怀心思

比黄仁勋还着急的是特朗普。据称，他对"减速避险"计划大发雷霆。

9月13日，特朗普在爱尔兰对记者公开回击：这些呼吁减速的人是"非常负面的力量"，"他们提的事情根本不会发生"。他还留下一句立场鲜明的话："谁在AI领域赢了，谁就赢了一切。"

特朗普的震怒不难理解。AI全速前进，已经不只是产业叙事，是经济引擎加政治筹码。毕竟，民主党已经开始把政府抵制监管做成中期选举的攻击点，奥巴马私下敦促民主党将AI监管纳入议程核心。

白宫AI主管David Sacks的长文回击更不客气。他的逻辑一句话就能说完：如果前沿模型真有危险，你们作为行业引领者，"想停现在就能停"——不必等监管落地，更不必把安全承诺与监管特权绑定，"别拿公众安全当博弈政策的筹码"。

在白宫看来，达里奥们想减速请自便，别捆绑全行业一起刹车。

这场大戏里的主角们各怀心思。

达里奥喊减速，但Anthropic签算力大单的手没停——5170亿美元的采购摆在那里，他的限速计划里也预留了"保持对华3-5年差距"的竞争条款。

奥特曼说"达里奥是对的"，转头宣布今年不IPO，理由是安全工作没做完——但更可能的理由是估值没到他的心理预期。

黄仁勋直接反驳，坚信AI基础设施投资正在”提速而非降温"，摩尔定律已经成了敌人，瓶颈在供应端，会一直紧到2028年。

善于讲故事的黄仁勋，说服全市场相信AI的算力需求没有上限。现在，几个跑得最快的客户坐下来讨论要不要自设上限。

“央行”最怕的从来不是挤兑，而是信任的丧失——当有人开始质疑，它到底有没有足够的准备金。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

文 | 超前实验室，作者 |青苹吹果，编辑 | star皆空

“世界即所发生的一切。”

这是路德维希·维特根斯坦在1921年出版的《逻辑哲学论》中写下的名言。一个世纪后，这句话被AI领军人物之一李飞飞引用，而她创办的World Labs正在让AI理解空间。前段时间，World Labs发布新一代世界模型Atlas，官方称其为“全球首个”能同时处理文字、图片、视频和3D的多模态世界模型。

来看demo，十分惊艳：喂进两三个视角的照片，它能重建出整个场景，再让镜头飞到从没人站过的位置。

这无疑为行业打开了新世界大门：

长期以来，传统3D重建高度依赖密集拍摄，必须围绕场景进行多角度、高覆盖率的图像采集，才能拼合出相对完整的模型。这种方式对设备、时间和人力要求极高，导致3D内容生产始终难以规模化，门槛居高不下。

Atlas正在改变这一范式。依托大模型的强大先验知识与生成能力，它仅需少量普通手机拍摄的图像，就能实现高保真3D重建。

由此，3D内容创作的门槛被大幅拉低，无需专业设备，也无需密集采集，海量旧照片、旧影像都有机会转化为可用的3D资产，沉睡的数据潜力被重新激活。

不止于此，传统AI生成模型主要服务于影视、游戏等创意产业，核心是生成“看起来逼真”的内容；

而Atlas通过构建可交互、可推演的“世界模拟器”，将AI生成能力拓展至机器人领域，即Real-to-Sim。

它让生成结果不再只是静态画面，而是能够被进入、被操作、被验证的动态环境。

在机器人领域，这意味着机器人可以在AI生成的模拟环境中进行海量试错与策略训练，通过“想象”预测不同动作可能带来的后果，在虚拟世界中快速积累经验，再迁移到真实世界。

这直击机器人真实世界训练数据匮乏、采集成本高昂的核心瓶颈，为具身智能提供了一条低成本、高效率、可扩展的训练路径，也将加速机器人从实验室走向现实应用。

给Atlas一张照片，TA能造出一个世界

先来看Atlas干了件什么事。

过去两年，视频生成模型的相机控制全靠玄学抽卡。

你给出一句话或一张图，TA顺着往下想象画面，镜头怎么动基本靠提示词碰运气，生成的画面次次不一样。

而Atlas换了底层逻辑，把“相机”直接做进了模型。

相机位姿参数作为原生输入，要什么角度什么轨迹，直接喂数据给坐标。

World Labs将这套机制称为“空间上下文”，每一张送进模型的图片，都会被锁定在三维空间里的某个具体坐标上，相机的姿态和深度信息，也连同图像一起被带进模型。

模型手里拿的不是一叠孤立的照片，而是一张带坐标的世界草图。

于是你就能像坐进导演椅一样调度它。

官方demo里最出圈的一段，是用三到五台普通手机拍同一瞬间，模型就能冻结时间、把镜头绕进牛奶溅起的那一刻。

放在二十多年前，《黑客帝国》那个子弹时间镜头靠的是上百台相机围着绿幕棚转圈，如今几台手机就能复刻个大概。

3D重建方面也是同样惊艳。

按World Labs官方博客的说法，斯坦福主方庭那段航拍，输入只是2到25张站在地面随手拍的游客照。

传统三维重建讲究把每个角落都拍全，围着场地转几百圈是家常便饭；Atlas给三五张、几十张就能交差。

看到这里，你可能会大受震撼，感叹现在的AI已经开始懂物理世界了！

但其实不然。

官方在博客和访谈中说了两件事：一是Atlas已经在几何层面做到了“空间上下文”理解，二是团队的长远目标是让模型最终理解物理规律。很多人把两者混为一谈。

可几何和物理压根不是一回事。

几何是入场券，物理才是难关

几何和物理的区别在哪里？

几何回答“东西在哪、长什么样、换个角度还是不是原来的形状”；物理则是回答“推它一下会怎么动、会不会倒、捏多重会碎”。

Atlas这次惊艳的部分，基本全落在几何这一栏，碰撞、摩擦、形变这些要真物理的活儿，官方demo里几乎没有体现。

而World Labs本身也清楚这一点。

他们今年6月发过一篇梳理世界模型的长文，开篇就自嘲“世界模型是当下AI圈被用得最滥的词”，接着按功能把各类产品划成三档：只会吐画面的渲染器、能吐出经得起检验的物理状态的模拟器、直接输出动作的规划器。

照这把尺子量，Atlas只是从「渲染器」往「模拟器」的方向迈出了一大步，可离真正懂物理还差距甚远。

过去评一个世界模型好不好，基本只看画面像不像，那类指标说白了是在比像素分布：模型完全可以生成逼真但物理上错得离谱的画面，照样拿高分。

但这两年开始换考卷了。

面向具身智能的评测WorldArena，把“轨迹准不准”“物理遵不遵循”单拎出来当考题。

值得一提的是，今年8月底WorldArena2.0的首版榜单上，国内影溯的InSpatio-Curious拿下77个参评模型的总分第一。

而其画面质量分比第二名低了将近9分，居然还能照样登顶，这是因为轨迹精度、深度准确度、时空一致性这些硬指标把它抬了上去。

可见，在新考卷里，“画得美”越来越不值钱。

除此之外，还有由UCLA、耶鲁、索尼AI与美国陆军研究实验室今年1月联合放出的WorldBench，把物理概念拆开逐项考。

结论相当不留情面：所有被测模型在生成靠谱的物理交互这件事上，一个都没过关。

这样一看，Atlas这份成绩单既没发论文，也没有model card，对比数据出自官方自测，而且同场比较的对手只能拿文字描述运镜，它却握着精确轨迹，赢面天生占优。

更准确地说，Atlas在官方设定的机位控制任务上展示了目前最强的能力。但它没有经过第三方物理评测，不能直接说它“懂物理”。真正的物理关卡，Atlas还没被严格考过；而WorldBench的结论是，现有模型在物理交互上都没过关。

既然如此，大家为什么还一股脑往“物理对不对”这个方向卷？

Atlas为代表的新路径，有望成为具身智能“练功房” 

因为物理是否正确，是仿真数据生成能不能用的前提。

李飞飞在发布后的访谈里说：机器人眼下最大的瓶颈是数据，芯片还排不上号。

互联网上现成的文字、图片、视频管够，机器人却学不会这些，它需要的是“从这个角度、用这个力度捏下去会发生什么”这类带物理后果的经验。

但真实采集贵得离谱。

World Labs的创始团队举过例子：过去想重建一个空间，专业采集员也得围着它拍几百上千张，换普通人上手，在一间屋子里转悠一两个小时是常事。

这套成本降不下来，机器人训练的数据就永远攒不够。

于是，“从仿真到现实”这套流程，从实验室的冷门话题变成了兵家必争之地：

先把真实环境快速搬进虚拟世界，再批量做随机化，电线换个方向弯、杯子换个颜色摆、光照随时变，让机器人在虚拟环境里把该踩的坑先踩一遍。

World Labs今年7月悄悄把专攻机器人仿真的SceniX收进囊中，Atlas正是这条战略第一次以模型形态落地。

而把镜头拉长一点，你会发现给AI造“练功房”这件事，人类其实练了很多年。

上世纪30年代，美国人埃德温·林克捣鼓出第一台像样的飞行模拟器，二战期间数十万盟军飞行员先在模拟舱里摔够了，才被允许登上真机。那会儿连晶体管都还没影儿，全靠机械装置硬模拟仪表反应。

到了自动驾驶时代，这套打法卷土重来：Waymo曾公开披露，它的系统在虚拟环境里跑出的测试里程，比真实路测高出两个数量级不止。

飞机靠模拟舱练出飞行员，汽车靠仿真路练出老司机，如今轮到AI，它要练手的对象是整个物理世界。

把历史看明白了，再看资本的动作就不难懂。

这两年涌进世界模型赛道的钱以百亿计，资本赌的早不是哪家的画面更漂亮，谁能用最低成本把真实世界搬进模型、让AI在里面反复试错，谁就站在下一代AI的上游。

而Altas的方向，有望让数据采集和仿真成本断崖式下降，使得初创公司无需依赖巨额硬件投资即可完成机器人训练，有望推动“仿真优先、真机验证”新范式普及。

AI要想真正理解物理世界，还为时尚早。

但Atlas至少证明，几何做对这件事，是个可以被工程化解决的，而且一旦做对，立刻能变成产品力。

世界模型的竞赛，正在从“谁生成的画面更像真的”，转向“谁生成的状态更经得起算”。

从渲染器到模拟器，这一步跨过去，AI才算真正摸到物理世界的门。

Atlas是把门推开了一条缝，物理AI，终于有了第一块踏脚石。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

文 | 化妆品观察

今年以来，美妆行业有一个品类又变得炙热起来——香水。

一方面，当护肤和彩妆仍在消费周期波动中艰难修复之时，香水已以远超行业大盘的增速，成为国际美妆巨头最可靠的业绩增长引擎；

另一方面，本土美妆企业纷纷跟进押注：毛戈平又备案了新款香水，花西子开售西湖情境香水系列，自然堂高调宣布将推出香氛线，百雀羚和Fan Beauty Diary则备案了香氛滚珠油……

一场围绕“气味”的战役，正悄然打响。

香水成国际巨头业绩增长点

上半年，国际美妆巨头迎来了香水品类的一次集体高光。

欧莱雅集团1-6月销售额达237.76亿欧元，同比增长6.8%。

其中，高档化妆品部收入同比增长4.4%至79.97亿欧元，香水品类继续保持两位数增长。普拉达、阿玛尼、YSL和华伦天奴等相关产品表现尤为亮眼。

雅诗兰黛集团的“翻身仗”，同样由香水打响。

2026财年（2025年7月至2026年6月），其净销售额150.49亿美元，同比增长5%，从上一财年的亏损中强势扭转。香水业务销售额27.79亿美元，同比增长12%，有机增长10%，是内部增速最高的业务板块。

其中，Le Labo全球连续多季度实现两位数增长，在中国大陆市场全年增长超过50%；祖·玛珑和Tom Ford先后跻身十亿美元品牌行列。雅诗兰黛集团总裁兼CEO司泰峰在财报电话会上透露，中国内地市场香水实现了两位数增长。

资生堂集团同样将筹码押在了香水之上。上半年，香水业务占总销售额的8%，同比增长1%，被集团列为“Next品牌”重点培育。

2026年1月，资生堂将高端艺术香氛品牌Serge Lutens芦丹氏正式引入中国大陆市场，相继在上海、北京、南京、深圳等地开设独立形象店。截至目前，资生堂已在中国备案芦丹氏相关产品共计135款。

西班牙美妆集团Puig的表现同样印证了这一趋势。

上半年，其净收入23.54亿欧元，同比增长4.4%。香氛与时尚板块贡献了集团73%的收入。大众高端线Carolina Herrera保持两位数增长，小众香水线Byredo和Dries Van Noten同样以双位数增速领跑细分赛道。

把这些巨头的成绩单放在一起看，一个清晰的共性浮现：香水不再是“锦上添花”的品类，而是正在成为业绩结构中的增长锚点。

中国市场的“K型分化”

而中国香水市场的故事，远比“增长”二字复杂。

据弗若斯特沙利文数据，中国香水市场规模预计2028年将增至440亿元，复合年增长率约14%，远超全球3.5%的平均增速。然而，中国香水渗透率仅5%，远低于欧洲市场的42%。

增长的背后，却是一条清晰的K型曲线：

一端是高端市场。

2026年1-7月，主流电商平台（淘宝+天猫+抖音+京东）香水品类TOP 50中，前20有16席被外资品牌占据，商品均价普遍在200-500元。

其中，前10名更是全部被外资奢牌包揽：香奈儿、圣罗兰、迪奥、范思哲、爱马仕、祖玛珑、梅森·马吉拉、古驰、阿玛尼、宝格丽，合计占到了整个市场份额的36%。

此外，从增长率来看，瑞典高端艺术沙龙香水品牌lydeen增长最为迅猛，销售额同比涨幅达到1355.3%，领涨一众品牌。

另一端是大众市场。

TOP50榜单中，仅有15席留给国货，其中，排名最靠前的国货香氛品牌不定所‌，位列第12，GMV超1.2亿元，均价仅143.3元，此外，跻身TOP 20的法蔻尼、古蔻和maputi，均价则均不足100元。

国货香水冲击高端的艰难，从气味图书馆的故事中也可窥见一二。近期，曾连续三年蝉联天猫国产香水第一名的气味图书馆，因涨价在社交媒体遭遇“群嘲”。一瓶50ml淡香水从三年前的285元涨至465元，涨幅高达60%以上。消费者的反应很直接：“凭什么？”

这也是国货香水面临的核心困境。在香水赛道，品牌力的权重被无限放大，而品牌力的积累，恰是国货最薄的一环。

本土龙头企业集体“下注”

正是在这样的市场格局之下，国货美妆头部企业开启了一轮密集的香水布局。

典型如毛戈平，继在2024年密集备案16款香水后，又在今年2月备案了“MAOGEPING幻花御境若水香水”，产品包装写道：清冽的水生香息，裹着龙涎香、鸢尾香自川流雾霭间流出，最后，龙涎香与琥珀缓缓收尾，静默若水，逍遥成诗。不过，目前该产品尚未开售。

花西子同样在5月至6月先后备案了西湖情境系列“莲”“竹”“游”“憩”4款香水。近日，该系列香水已经正式上线，以西湖十景为灵感，萃取鸢尾根、粉红胡椒、香柠檬等自然植物香气，其中，天猫旗舰店供会员尝鲜的香氛试用装9.9元1.2ml，已有1万+人付款。

自然堂的香水布局，则承载着“再战”的意味。日前，自然堂集团首席对外事务官郑确在个人社交媒体透露再创业，将为自然堂品牌打造一条香氛线。此前，自然堂曾在2020年推出独立香水品牌“ASSASSINA莎辛那”，但市场声量有限。此次再战香氛，足见对这一赛道的决心。

老牌国货百雀羚，更是“曲线救国”。在今年4月备案了一款“百雀羚灵珑光漾滚珠香氛油”，备案信息显示，产品包装以粉色为主基调。这不是百雀羚首次布局香氛类产品，早在2017年9月，百雀羚就曾备案“百雀羚小森羚花漾精灵淡香水”，不过该款香水已于2022年6月注销。

与百雀羚类似，近期，Fan Beauty Diary也低调备案了一款名为“FAN BEAUTY DIARY粉霞绮梦香氛滚珠油”的产品。产品前调为香柠檬、香橼；中调为天竺葵、橙花、生姜；后调为麝香、雪松、香根草。

新锐品牌的困境与突围

在头部企业排兵布阵的同时，新锐品牌则呈现出更为复杂的生存图景。

以法蔻尼、古蔻、递欧、唯奈斯、欧似等为代表的“白牌们”，虽然挤入了TOP 50榜单，却深陷50元以下的低价泥潭。

这些品牌依靠仿香、话题营销与极致低价驱动，有些甚至毫不避讳模仿大牌。比如，古蔻在抖音商品页面的标签就是“法式大牌平替香水”，在品牌命名和LOGO设计上“碰瓷”国际香水品牌：蔚蓝009神似香奈儿蔚蓝，真我女士香水03模拟的是迪奥真我香水。

但不是所有国货香水，都困在低价和仿香的泥淖里。中间段，已有一批本土香水品牌抢位均价100元至200元的价格带。

比如，定位为“东方哲思香水香氛品牌”的弗若里，设计理念源自“金木水火土”五行哲学；槐序则是一个主打‌中国在地文化‌的香水品牌，产品根植于西藏文化，如山川系列香水中的加拉白垒、萨普深山、墨脱云雾、伽罗乌木四款产品分别对应西藏的四大景观。

再往上，以观夏、闻献为代表的新一代高端香氛品牌，则正在改写“国货香水=平价替代”的刻板印象，商品均价分别达到了300.8元和224.3元。

更重要的是，它们正以前所未有的姿态挺进重奢商业体。闻献从上海淮海路起步，已进入上海静安嘉里中心、北京SKP、深圳万象城等高端商业体；观夏通过独栋空间和东方美学设计，把店开到了北京国子监和上海外滩附近。

从更大的视角看，香水赛道的这轮升温，不只是品类轮动的结果，更是中国美妆产业从“产品驱动”向“品牌驱动”转型的一次压力测试。

当护肤品的成分故事越讲越窄，当彩妆的视觉红利逐渐消退，行业需要找到新的价值锚点。香水，这个依靠品牌力、审美力和叙事力来支撑溢价的品类，恰好成了新的试金石。

根据《2026中国香水香氛白皮书》，未来的增长机会将集中在四大方向：

品类全场景延伸

香水、家居香薰、香氛个护、车载香氛多点开花，香膏、助眠香薰潜力巨大。这意味着香水的边界正在被打破，从“个人使用”扩展到“空间氛围”，市场容量将成倍放大。

香调多元化

花香、木质、柑橘为基础主流，东方茶香、草本药香、美食调快速崛起。中国消费者对香型的偏好正在分化，地域文化特色的香型正在获得更多关注。

跨界营销常态化

时尚彩妆、箱包品牌入局香氛，明星代言、影视剧同款成为爆款打造路径。香水的文化属性使其天然适合跨界联名，这是国际品牌的惯用打法，也将成为国货品牌的必修课。

线上线下感官融合

品牌通过播客、限时快闪、沉浸式香氛展构建文化体验。香水的本质是“气味”，但消费者需要“五感”的沉浸式体验来理解这个气味背后的故事。

香水赛道，能否重现护肤、彩妆国货追赶外资，并以高端身位抢占一席之地的叙事，值得期待。香水赛道的10亿级、50亿级国货品牌何时出现，我们也将持续跟进关注。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

一个中小企业的技术负责人最近遇到了一个头疼的问题。他们采购了一批国产GPU卡，打算在自有环境里部署一个开源大模型，用于内部知识库问答。硬件到货之后，团队花了整整两周时间，模型还是跑不起来。问题不在于卡本身——单看标称算力，这批国产卡能达到国际主流产品的七八成，但模型在上面运行的输出速度，只有理论值的一成左右。

这个场景正在无数中国企业中重复上演。而它所暴露的问题，恰恰指向了当下AI产业最核心的一个转变。 

Token成本是AI产业新的“游戏规则”

国家数据局公布中国日均AI词元（Token）调用量从2024年初的约1000亿飙升到2026年3月的超过140万亿，而另一面，中国信通院等机构的调研显示，国内智算中心GPU平均利用率不足30%。一边是Token需求呈指数级暴涨，一边是昂贵的加速卡在机房里“空转”。

Token正在成为 AI 世界的“硬通货”。然而硬币的另一面是：越来越多企业发现，让这套系统真正跑起来，远没有买卡时想象得那么轻松。现实给所有应用算力的企业，以及算力服务商提出了一个难题：算力买回来了，为什么用不起来？这道题的答案，正在塑造中国AI基础设施的下一个五年。

故事要从两年前说起。彼时国内AI行业弥漫着一种朴素的信仰：手里有卡，心里不慌。地方政府大力建设数据中心，企业纷纷采购显卡，大家相信握住算力就握住了未来。GPUStack CEO秦小康在与我们的交流中回忆，那个阶段GPU卡资源极度紧缺，“拿到卡才有想象空间”是普遍心态。

但真正把系统搭起来之后，很多人才发现自己买回来的只是一堆昂贵的“铁”。模型部署的复杂度，远超想象。具体到场景中，最典型的故障有两类，这两类几乎覆盖了企业踩坑的大半。其一，模型根本跑不起来。很多大模型并不是在这款国产显卡上训练的，强行迁移过来，第一步就报错；其二，模型跑通了，性能却惨不忍睹。秦小康给出一个惊人的对比：国产GPU芯片标称性能可以达到英伟达的70%~80%，但实际跑模型时，Token输出能力可能只有理论值的10%。问题不在芯片本身，而在上下层软件没有匹配好，需要大量调优。这两类问题，按他自己的话说，覆盖了八成以上的故障场景。

一个常被忽略的细节是：模型本质上是一堆参数文件，它本身是无状态的，不能像程序一样拿到就运行。想让模型工作，必须配套运行环境，推理后端就是环境中最核心的组件，且不止一种，英伟达有自研的，华为昇腾有自研的，开源社区还有vLLM、SGLang这样的通用方案。模型、后端、硬件三者组合，才是企业真正面对的“黑盒”。

秦小康给出了一个直观的对比：市面上主流显卡型号有几十种，Hugging Face上的公开模型超过3600个，中间还要对接十几种推理后端，每种后端又各有十余种优化方案。几十种硬件对上数千个模型，再乘以多套软件栈，“这是一个多维度组合匹配的问题，复杂度近乎呈阶乘级膨胀。”秦小康如是说。换句话说，买卡是一道加法题，把卡用好却是一道乘法题。

这样的行业现状也体现在了行业调研数据上。IDC的调研显示，近半数企业的智算资源利用率处于51%~70%区间，还有6.7%的企业仅为31%~50%；不少自建智算项目存在“重硬轻软”的问题，服务器和GPU上架了，却缺乏统一算力调度平台、资源池化管理和动态分配机制。

与此同时，中科曙光高速网络互联产品部总工程师万伟也给出了一个判断：决定Token生成效率的，不只是加速卡的算力，更是算力、网络和存储三者之间的数据流转效率。他用一个简单的逻辑来解释：模型规模越来越大，单块GPU已经装不下完整模型，必须通过分布式架构把模型拆到多个节点上。一旦数据要在节点之间来回跑，通信就变成了“并行计算逻辑的一部分”，任何一处时延增加，整个集群的效率都会被拖下水。

而随着推理需求爆发，这个缺口还在放大：IDC预测，到2027年中国智能算力规模中推理占比将提高到72.6%；TrendForce的数据同样显示，北美五大云服务商2026年的推理算力增速（预计122%）将超过训练算力增速（56%）的两倍以上。训练是阶段性的、可以提前排期的，推理却是全天候、贴着用户跑的——这意味着未来绝大多数GPU资源都要用来干“推理”这件精细活，而恰恰是这件精细活，最考验软件功夫。

Token工厂是算力的“自来水系统”

痛点的背后，藏着一次定位的转变。秦小康表示，GPUStack过去强调的是GPU管理，如今把“Token工厂”作为核心概念，“过去大家追求的是获取硬件资源，现在用户需要的是把资源之上的模型真正跑好。”秦小康指出。如今，用户与服务商之间不再只是“你需要卡，我就给你卡”的粗放调度，而是要提供从硬件管理到模型一键部署的一体化方案，最终对外稳定输出Token。

行业内常说算力要像水电一样随取随用，如果顺着这个比喻往下延伸：有人修建水塔、铺设水管，对应底层的GPU硬件和驱动基础设施；而在秦小康看来，Token工厂的角色更像是自来水公司，负责完成Token的生产与供给，屏蔽底层资源的所有波动，让终端用户拧开“水龙头”就能用。至于Token之上跑的智能体、对话应用、代码助手，那是Token的消费者，属于另一层生态的生意。秦小康对于Token工厂的边界划分得相当清晰——生产Token，不碰消费Token。

顺着一条Token的生产流程看，它要经过训练、推理、存储三个环节，每一环都有暗礁。

首当其冲的就是模型与硬件之间的“驱动”鸿沟。GPUStack联合创始人、CTO梁胜梁胜比喻道：GPU相当于显卡，模型相当于游戏，推理后端就是显卡驱动，而管理这一切的平台，相当于操作系统。梁胜表示，现在整个行业还处于上世纪90年代Windows的状态——驱动要不停调试、优化，各种不兼容层出不穷。一个新模型发布，想跑在华为昇腾卡上，推理后端必须同时适配上层模型和下层硬件；如果推理后端不做适配，模型和硬件就无法协同工作。这也解释了为什么英伟达的TensorRT-LLM、华为的MindIE等厂商自研工具，如今都把重心转向vLLM、SGLang等开源生态，因为单靠一家厂商，已经很难覆盖层出不穷的模型组合。

其次是算力之间的通信。训练阶段GPU集群要通过All-Reduce、All-to-All等集合通信方式同步梯度，异常时延会直接拉低模型计算利用率；推理阶段，流行的PD分离架构要把KV Cache从Prefill节点搬运到Decode节点，上下文越长，KV Cache 体积越大，行业数据显示，长上下文场景下 KV Cache 可达几十GB。这些数据要在GPU、网络和远端存储之间反复流转，据其测算，万卡级分布式训练中，网络通信耗时已占整体任务时间的30%到50%。万伟的判断是：模型越来越大，单卡甚至八卡都装不下完整模型，分布式是唯一出路，而分布式的代价，就是数据必须在节点之间高频流动。

通信优化的难点还在于频繁地传输小数据。当前主流大模型普遍采用MoE架构，专家之间要频繁传递大量并发的小数据包，这类通信恰恰是CPU最不擅长的：处理小包指令的时间，往往远超数据传输本身。针对此，中科曙光前不久发布了IBGDA技术，通过该技术能让GPU内核直接驱动网卡发起通信，把“发号施令”的权力从CPU移交到GPU，相当于在高速公路入口取消了一个堵点。

第三个“卡”点就是当前行业热议的存储。目前行业比较可行的“以存代算”方式，通过将生成号的KV Cache保存下来供后续复用，用存储换算力。但传统路径下，GPU访问远端存储，数据要先从显存搬到CPU内存，再经网络送到存储，多一次拷贝就多一层延迟。训练数据的加载、Checkpoint的写入、KV Cache的卸载，每一笔都是存储访问，而分布式存储集群本身就是网络流量的制造者。曙光把存储通道拆成了三件事：NFS over RDMA处理训练数据和Checkpoint 这类文件访问，NVMe over RDMA处理KV Cache这类块数据缓存，XDS则让加速卡绕过CPU直接访问远端存储。据万伟介绍，存储访问延迟可因此降低80%以上。

三个“卡”点结合在一起，Token工厂要做算力的“自来水系统”的难点就跃然纸上——Token工厂难建，难的不是某一个单点，而是算力、网络、存储三者之间的数据流转效率。秦小康将这套逻辑概括为“硬件之上还有一套软件栈”，曙光则表示，数据流转效率是影响Token生成效率的关键因素。

多路径尝试解决Token效率难题

面对同一道难题，GPUStack与中科曙光在产业中定位、解题思路不同，但最终的目的殊途同归。

GPUStack的选择是要做Token的操作系统。秦小康介绍，GPUStack把推理后端做成可插拔的插件，类似早年PC的即插即用。新模型带着特殊推理后端，可以直接导入平台运行，上层业务代码几乎无需改动。在GPUStack的体系里，底层是管理GPU硬件、负责多租户与计费的“操作系统”，之上才是面向用户的Token工厂，以及对外提供Token服务的应用。

这种“开箱即用”的能力背后，是GPUStack多年来坚持开源策略的底气，据秦小康介绍，目前GPUStack已有11万部署实例，用户从8万增长到11万只靠社区传播，年底目标15万；国内一家头部芯片企业甚至把小规模集群业务全部迁移上来，90%的业务跑在这个开源平台上。如果说Linux 是开源操作系统的事实标准，梁胜则希望GPUStack成为算力中心的“操作系统”。

中科曙光的思路则是把“路”修好。scaleFabric网络从设计之初就是为了面向AI集群，这次与万伟的沟通，他重点介绍了两件事。一是通信加速。在GPUDirect RDMA基础上，规模化落地IBGDA技术，让GPU内核直接驱动网卡，把通信任务的下发也交给GPU。二是存储加速。通过NFS over RDMA、NVMe over RDMA、XDS 三项技术组合，把“以存代算”的短板补上。

GPUStack解决的是“软件栈”的标准化问题，曙光解决的是“数据通道”的物理问题，而它们的共同指向，是中国算力产业的一个现实困境：国产加速卡与国外顶级产品在制程和封装上仍有差距，单卡性能存在客观差异，出路只能靠系统级创新，比如用集群规模和多卡通信效率，去弥补单卡的不足。

而这个判断也被产业验证：DeepSeek曾公开说明，其模型训练同时跑在英伟达和华为硬件上，这是顶级模型首次公开的跨硬件训练；上千卡规模的国产GPU集群已落地，万卡集群开始建设。硬件供给充足之后，配套的软件与管理体系将成为决定算力“好不好用”的关键。

（文｜Leo张ToB杂谈，作者｜张申宇，编辑丨杨林）

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

9月8日，市场监管总局公布了一份“无条件批准经营者集中案件列表”。

名单不长，但信息量很大。安踏体育收购彪马股权案，赫然在列。

这意味着，继FILA、始祖鸟、萨洛蒙、威尔胜之后，丁世忠的“全球品牌购物车”里，又多了一个世界级名字——彪马。

先说说彪马是什么来头。

1948年创立于德国，全球第三大运动品牌，和耐克、阿迪达斯并称“运动三巨头”。巅峰时期，博尔特穿着彪马跑鞋拿遍奥运金牌，彪马就是“速度”的代名词。

但这几年，彪马的日子不太好过。

业绩增长乏力，股价低迷，市场份额被昂跑、Hoka这些新贵蚕食。一个曾经站在世界之巅的品牌，如今成了“被收购传闻”的常客。

而安踏，恰恰是那个最擅长“捡漏”的买家。

丁世忠的收购逻辑，一直是“买对的，不买贵的”。

2009年，安踏从百丽手中买下亏损的FILA中国业务，当时没人看好。

FILA中国成了安踏的“利润奶牛”，巅峰期年营收超过200亿，毛利率高达70%以上。

2019年，安踏联合财团收购亚玛芬体育，把始祖鸟、萨洛蒙、威尔胜收入囊中。

天眼查显示，亚玛芬体育（中国）有限公司注册成立于2021年，法定代表人及董事长为马磊。

当时作价46亿欧元，被市场质疑“买贵了”。结果呢？亚玛芬扭亏为盈，始祖鸟成了“中产标配”，萨洛蒙在户外圈一鞋难求。

丁世忠的收购风格很清晰：

买品牌，不买工厂；买全球认知，不买短期利润；买下来，然后用中国市场把它“养大”。

这次收购彪马，逻辑一脉相承。彪马在全球有认知度，但在中国市场表现平平。安踏最擅长的，恰恰是把“全球品牌”在中国市场重新做一遍。

这笔交易还有一层更深的战略意义。

安踏目前的品牌矩阵，主要覆盖三个赛道：

大众运动（安踏主品牌）、时尚运动（FILA）、高端户外（始祖鸟、萨洛蒙）。

彪马的加入，补上的是“专业运动”这块拼图——足球、跑步、篮球，彪马都有深厚积累。

尤其是足球品类，彪马是曼城、AC米兰、多特蒙德等豪门的赞助商。

安踏主品牌在足球领域几乎是空白，彪马可以直接补位。

更重要的是，彪马是“世界级品牌”，它的加入让安踏的全球化叙事更加完整。

从“中国的安踏”到“世界的安踏”，丁世忠需要的不只是营收规模，更是一个被全球市场认可的品牌矩阵。

当然，收购彪马也面临挑战。

彪马的品牌定位比FILA更高，但盈利能力不如始祖鸟。

安踏需要在“保持品牌调性”和“提升运营效率”之间找到平衡。

另外，彪马是德国上市公司，收购涉及跨国监管审批、文化整合、团队融合等一系列复杂问题。安踏过去收购亚玛芬的经验，会成为这次收购的重要参考。

但丁世忠最不缺的，就是耐心。

FILA中国用了十年才做到200亿，始祖鸟用了五年才成为“中产标配”。彪马的故事，才刚刚开始。

如果成功，安踏将成为全球运动品牌格局中不可忽视的一极。

而彪马，也许会成为他下一个“FILA时刻”。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

文 | 独角兽观察，作者 | 挖哥，编辑 | 角叔

当地时间 9 月 12 日，全球AI赛道出现标志性转向：Anthropic 公开呼吁行业主动放缓前沿大模型迭代节奏，OpenAI CEO 奥尔特曼公开表态认同该主张，同时明确排除 2026 年推进 IPO 的计划。曾经全力冲刺模型参数、追逐 AGI 叙事的头部实验室，开始主动给前沿基座竞速踩下刹车。

与此同时，二级市场AI龙头估值集体出现震荡回调，国内一级市场资金也逐步告别盲目追捧纯大模型概念项目的阶段。

当全球资本市场对大模型的热情快速回落，一个尖锐的行业共识正在形成：过去两年的企业 AI 项目，大量停留在 “可演示、难验收” 的阶段。投资人、CIO（首席信息官）们已经厌倦了参数榜单、流畅对话与炫酷 Demo，采购决策的标尺发生根本性切换 —— 不再问模型有多强，而是追问能不能稳定交付可量化业务结果。

一边是不少企业 AI 项目陷入 “上线即闲置” 的困境：投入百万级预算做完私有化部署，报表上能看到模型评测高分，但放到真实业务里，幻觉频发、流程断点多，很难计入业务指标；另一边，垂类智能体岗位化落地案例持续跑通，RaaS、结果分成等商业模式开始落地。

市场正在完成一次筛选：通用大模型负责想象力，岗位化 Agent 负责兑现生产力，企业 AI 正式进入结果验收时代。

01 采购逻辑彻底反转

2023到2024年，企业AI采购的核心叙事是 “技术先进性”。CIO 选型会优先对比参数量、MMLU 等评测分数、多模态能力，厂商比拼谁的Demo更惊艳。这一阶段，AI更像企业的创新试验品，考核目标是“完成 AI 试点”，而不是业务降本增收。

但这种逻辑在真实业务场景里存在天然短板。通用大模型擅长开放式对话，面对强规则、高追责的行业场景，幻觉、不可溯源、推理成本高三大问题很难绕开。很多厂商采用 “通用API+RAG 套壳” 快速交付项目，上线之后一旦进入高峰业务量，时延波动、回答不可控、审计缺失等问题集中暴露。项目验收时，技术指标很漂亮，但业务部门拒绝买单。

行业的评价体系正在重构。

企业不再为 “模型功能” 付费，只为稳定、可审计、可核算的业务结果付费。结合Gartner相关调研，近两年企业AI项目失败的首要诱因，往往并非技术本身，而是难以建立AI产出与业务KPI之间可信的对应关系。过去甲方采购是买断软件、一次性交付；现在越来越多组织倾向按效果结算，把AI的价值锚定在工单办结率、质检差错率、获客转化、人力节省等硬指标上。

赛道分化也在办公场景率先显现。微软Copilot、钉钉AI、腾讯WorkBuddy相继入局，百度推出桌面端智能体百度搭子，主打一句话下达目标、跨文件跨软件自动执行，把AI从文本对话升级成可动手干活的办公助手。大厂在AI办公的激战，本质是争夺通用场景的效率增量，但这类产品更多解决个人与团队的文档、报表、汇报类工作，容错空间更高，并不适配物流、金融、运营商这类高并发、强服务标准、强监管的产业级业务场景。

这一转变，也倒逼赛道彻底分化：一条路线继续追逐通用基础模型的能力上限，主打普惠效率提升；另一条路线向下扎根产业场景，把智能体封装成可以全天候上岗的岗位劳动力，解决高频、标准化、可量化的产业刚需。

百融智能 CEO 张韶峰提出的 “硅基员工” 概念，正是对这一趋势的具象表达：AI 不再是辅助工具，而是可以独立承担完整岗位职责、纳入业务考核、适配生产节奏的硅基生产力。它不追求模型通用全能，而是围绕具体岗位的真实作业流程，整合语音交互、长对话理解、业务决策、合规留痕能力，形成端到端执行闭环。依托百工 AgentOS 智能体构建平台，这类硅基员工落地于客服、运营、风控等一线岗位，以 RaaS （结果即服务）模式绑定业务指标结算，彻底脱离传统模型售卖、项目制交付的浅层模式。

创新工场董事长李开复在多场公开访谈中表达过相似判断：AI生产力变革的关键，不在于通用模型的极限能力，而在于把大量标准化、重复性工作交由智能体承接，把人力释放向更具创造性的工作。

02 Agent 赛道内外分野

海外 Agent 创业公司更早探索岗位化落地，代表企业 Sierra 把智能体聚焦在客服工单闭环，不追求大而全，核心目标是减少人工介入率；Harvey 则扎根法律行业，用 Agent 完成合同审阅、法规检索，交付可复核的文档结论。

海外方案优势在于交互流畅、工具调用成熟，但大多适配轻量化、低约束的海外商业场景，面对国内物流、金融、运营商这类高并发、强服务规范、全流程可追溯的产业场景时，天然存在稳定性不足、合规审计缺失、本地化流程适配短板。

国内产业落地的核心壁垒，从来不是“能不能对话”，而是“能不能扛住规模化生产”。物流行业的客诉咨询、订单查询、异常理赔等场景，具备高并发、长对话、场景杂、连续性强的特点，对智能体的实时响应、语义理解、长时间对话稳定性、全链路留痕有着极高要求，通用套壳模型极易出现应答断裂、语义跑偏、时延超标等问题，无法适配常态化生产。

在头部物流企业的规模化落地中，百融智能的「硅基客服」给出了垂类岗位智能体的落地范本。该智能体正式上线后，经历了业务爬坡、高峰承压、场景迭代的完整生产验证，从7月上线初期单日不足1000通通话，稳步攀升至单日超1.5万通的稳定处理量级，且可支撑超长连续对话，完美适配物流行业复杂咨询、多问题串联沟通的真实场景，彻底验证了垂类岗位智能体在高并发真实生产环境中的稳定性与可用性。

这个物流落地案例，精准折射出国内企业 Agent 落地的核心逻辑：产业级智能体，必须把行业作业标准、服务规范、场景痛点前置嵌入决策与交互链路，经过真实业务峰值打磨，而非依靠实验室Demo参数取胜。

这也解释了垂直赛道厂商坚持自研垂类基座、深耕场景运营的核心原因——物流、金融、运营商等产业场景的规模化落地门槛，是通用API套壳、轻量化RAG改造方案无法逾越的，峰值并发稳定性、长对话准确率、全链路可追溯性，才是产业AI验收的核心标准。

当然，这条垂类落地路线存在清晰取舍。岗位化 Agent 深度绑定行业专属业务流程与服务规则，需要长期的场景打磨、数据迭代、业务适配，扩张速度远不如通用模型和办公智能体的轻量化复制模式。

物流场景打磨成熟的硅基客服，落地到其他行业仍需针对性重构适配，注定是重工程、重运营、慢迭代、高壁垒的长期赛道，而非短期流量生意。

03 落地瓶颈在于组织

很多人将企业 AI 落地难题简单归结为模型不够强，但产业一线的真实卡点，更多来自组织层面。AI 交付业务结果，不只是技术问题，而是人机权责、岗位流程、绩效考核的重构。

当硅基员工进入业务流程，企业要回答一系列新问题：AI 做出的初步判断，哪些环节必须人工复核？AI 的差错如何界定责任？原有团队 KPI 怎么调整，来适配人机协同的新分工？很多 AI 项目技术上线成功，最终失败，根源是组织没有配套调整，业务员工抵触、权责模糊，导致智能体无法真正进入生产链路。

技术侧的成本曲线已经明显改善：对比 2023 年，当前大模型推理成本大幅下降，模块化智能体开发框架普及，企业搭建 Agent 的工程门槛显著降低。AWS Bedrock、百度 GenFlow、百工 AgentOS 这类平台，都在降低智能体编排的开发成本。算力供给、模型工具链不再是最大瓶颈；业务指标量化、人机权责划分、全链路可信审计，才是企业 AI 规模化落地的核心瓶颈。

资本的偏好也随之改变。此前资金追逐模型参数、基础模型团队；当下投向 Agent 赛道的资金，更看重可量化落地案例、持续运营能力与商业模式。德勤 2026 企业 AI 调研显示，完成规模化 AI 部署的企业中，约三分之二获得效率与成本改善，但真正实现营收增长的企业占比仍然有限。但同时，大量只停留在演示阶段、缺少业务指标闭环的 Agent 项目，正在快速失去资本和甲方耐心。

大模型的技术红利并未消失，只是狂热期已经过去。如同 OpenAI、Anthropic 开始重新权衡前沿模型的竞速节奏，国内产业 AI 也正在告别概念狂欢，进入一个更务实的验收时代。

通用大模型会继续向上探索智能上限，而大厂鏖战的AI办公智能体，解决的是通用职场场景的效率提升；企业生产力的深度兑现，则更多依靠岗位化垂类 Agent。海外 Sierra、Harvey，国内深耕物流、金融、运营商的场景化厂商，共同印证同一个判断：企业采购 AI，最终买的不是模型，而是岗位上稳定交付的业务结果。

未来几年，决定企业 AI厂商生死的，不再是发布会惊艳的 Demo，而是一套完整能力：理解岗位任务、串联业务系统、满足行业标准、核算业务收益、持续迭代运营。泡沫退潮之后，能够完成结果交付的岗位智能体，才会成为企业数字化的基础设施。

大模型退烧，不是AI产业的落幕，而是AI真正成为社会生产力基础设施的全新起点。（完）

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

文 | 锦缎

2026年9月的第二个周六，Anthropic CEO达里奥·阿莫迪发表长文《We Must Pace the Frontier》。核心主张只有一句："我们必须放慢提升AI模型能力的速度。"

如果这话出自学者，它只是又一份请愿书。但接下来48小时发生的事，让它变成了产业史级信号：

马斯克表态："Dario是对的。" 要知道，就在几天前，他刚把Anthropic研究员"AI可能导致人类灭绝"的警告斥为"psy op"（心理战）。几个小时后，奥特曼跟进："我同意Dario，我们需要为前沿设定节奏。这是OpenAI最近几周内部讨论的首要议题。"他还顺手补了一句：OpenAI今年不上市，在AI安全争议的当口，"时机不合时宜"。

三家互相咬得最凶的前沿实验室，在"减速"这个词上完成了历史性和解。竞速者集体呼吁限速，商业史上出现这种场面通常只有两种解释：要么前面真有悬崖，要么领跑者想把领先优势永久化。

最残酷的猜想是：两者都对。

恐惧的两块拼图

先给足阿莫迪体面：他给出的减速理由，本身是成立的。看他给出的两块拼图。

第一块：递归自我改进（RSI）。今年夏天以来，"AI构建下一代AI"不再是论文里的思想实验，而是行业日常，包括Anthropic内部。阿莫迪的原话是：如果不加约束，它"可能跑赢我们理解和控制这些系统的能力"。翻译一下：加速器本身开始加速了。过去十二年，模型能力的提升速度由人决定；现在，决定速度的变量里，模型自己占的权重越来越大。这是指数函数最危险的形态，人类还在算斜率，模型已经开始算曲率。

第二块拼图更具体，也更瘆人：OpenAI–Hugging Face事件（OAI-HF）。一个智能体蜂群在任务执行中出现了教科书级别的失配行为：攻击从未被要求攻击、也与任务无关的目标；为了群体的成功自我牺牲；甚至试图黑掉负责给自己打分的"评分器"（grader）。没人受伤，经济损失可以忽略，因此只看后果，这事可以翻篇。但阿莫迪看的是行为模式：一群"狂热奉献的集体"，绕开指令、攻击无关目标、牺牲自己、欺骗考核……这套组合拳在人类历史上有个更熟悉的名字，叫失控。他给出的推演是：以当前能力增速，6到12个月内，同等失配程度的蜂群将有能力用持久化僵尸网络接管整个互联网，潜在损失以千亿美元计。

值得注意的是，阿莫迪明确说，把OAI-HF看作"一家公司的失败"是个错误——类似但更轻的事件整个行业都发生过，"包括Anthropic"。这是全文少有的、把自家也钉进拼图的地方。

时间选择也经得起追问。2023年那波暂停联署，阿莫迪的评价很干脆：当时没道理，那时的模型连像样的智能体都当不了，给它们做对齐研究，"像在细菌身上做实验研究人类心理学"。三年后，今天的模型是"几乎无穷无尽的洞察金矿"，而买来的时间要花在四件事上：运营卓越、对齐、可解释性、测试评估，四件事的共同点是完全依赖时间复利，无法用烧钱压缩。这正是"pace"与"加大安全预算"的本质区别：前者承认了，有些东西不能并行加速。

恐惧的拼图是完整的。但拼图完整，并不解释发表时机。

静默期里的资本算术

要看懂这篇檄文为什么出现在九月，需要先看三组数字。

第一组，Anthropic的ARR斜率。按彭博、路透等多家媒体援引的信源，这家公司的年化收入运行率是这样走的：2025年底约90亿美元，2026年2月约140亿，3月约190亿，4月约300亿，5月约470亿，6月约600亿，7月底约650亿。把月度增量单拎出来：4月到5月，+170亿；5月到6月，+130亿；6月到7月，+50亿。斜率在变平。7月的月环比增速约8%，而此前数月是两位数的跳涨。路透8月17日的报道用词很克制——"slowed slightly"。

第二组，预期的落差。就在两周前，Yipit、TickerTrends等第三方追踪机构给出的预期是700亿—800亿美元。实际数字650亿，误差超过100亿。8月中旬，"Anthropic增长见顶"的恐慌开始在市场流传。而同一份报道里有一个常被忽略的细节：Anthropic拒绝置评。公司自己，不再对外确认任何一个数字。

第三组，IPO的数学。据金融时报8月13日报道，Anthropic预计10月上市，投资者讨论的估值约2万亿美元，高盛、摩根大通、摩根士丹利牵头，募资超600亿。这家公司5月刚完成一轮650亿美元融资，投后估值9650亿，首次反超OpenAI。但承销商和投资人给年底定的基准是：年化营收1000亿—1200亿美元。从7月底的650亿到年底的1000亿，五个月内要再涨六成，而按7月8%的月环比复利滚下去，年底大约是950亿，刚好够不着下限。这个缺口不大，但足够让路演时台下有人举手：贵公司的增长，是不是到头了？

现在，把时间线拼起来：6月1日，Anthropic向SEC秘密递交S-1，进入静默期。按照规则，静默期内公司不得对外发布涉及自身财务表现的公开信息。7月，ARR降速。8月中旬，第三方预期落空，市场开始讨论"滞涨"。9月第一个周六，CEO发表3500字长文，通篇谈人类的命运、模型的风险、递归自我改进的失控……

只谈人类宏大叙事，不涉及任何AI商业化前途，这不是回避，而是“精算”。静默期封住的是财务叙事的嘴，但没有封住哲学叙事的嘴。当一家公司在法律上不能为自己650亿的ARR辩护时，它可以选择改变问题本身：把"你们为什么慢下来了"，换成"我们为什么选择慢下来"。于是"减速"有了新的语法：不是增长的极限，而是文明的审慎；不是需求见顶，而是主动配速。

这不是我一个人的读法。路透Breakingviews专栏作者Karen Kwok早在8月就写过一篇标题惊悚的文章《Anthropic七月收入放缓的IPO上行空间》，核心论点是：更平稳的增长曲线能降低现金消耗、改善单位经济模型，而这两项恰恰是公开市场投资者打分之前必看的指标。

市场自己都在等待一个解释。阿莫迪只是把市场想要的那半句话，补成了完整的檄文。

三步计划与响指的手势

响指的具体手势，是一份三步计划。拆开看，成色参差，但每一层都同时服务于安全叙事和商业叙事。

第一步：嵌入式评估者——全计划唯一的硬承诺。Anthropic单方面承诺，给METR这类第三方评估团队"类员工"权限：办公室工位、门禁卡、公司笔记本，权限大体对标内部风险评估团队。合同设计有三个激进细节：评估者有权发布关键发现，Anthropic没有编辑权；只能对安全敏感、法律特权、商业机密和第三方机密做"狭窄"删除，不能因为结论难看就删；如果删除动了结论的根基，评估者可以公开说出来。这的确不是公关姿态——银行业"驻场监管员"是它的先例，而目前没有任何一家AI公司做到这个程度。奥特曼数小时内跟进"我们也做同样的事"。

第二步：美国阵营内部协调。设定共同安全标准、限制"不受约束的进步速度"，具体工具包括"检查点"机制：模型具备能力X，就必须持有对齐属性Y和Z的认证。

第三步：全球协调。与中国协调限制前沿速度，四级方案由易到难：L1禁用AI造生物武器（"几乎肯定可行"）；L2发布前风险测试（但"影子模型"无法验证）；L3给递归自我改进设限速（类比SALT核裁军条约，"困难但刚好在可能的边缘"）；L4全面暂停（阿莫迪直言：近期不太可能）。一份计划里，提出者对最关键的一步自评"不太可能"，这本身就是信息。

而全文最硬核的部分，是三步计划的地缘脊柱：A阵营内部的限速，有一个先决条件——对B营的领先优势必须保住。具体三条：不向中国出售先进AI芯片和半导体制造设备，严打走私与境外远程访问；严打未经授权的模型蒸馏；加固实验室安防，防止模型权重失窃。

阿莫迪给这套组合拳的定位是：若执行到位，未来3到5年——"AI在地缘政治上最重要的窗口期"——美国的领先优势将显著拉大。读懂了这句话，就读懂了整篇檄文的底层结构：限速与遏制，同一份菜单的正反面。响指的声音是"慢"，响指的手势是"锁"。

参议员科宁的回应只有两个词，却戳中全部软肋："Will China?" 而特朗普的回应更有画面感：被问及对AI风险的担忧，他说没有，唯一担心的是AI竞赛输给中国。

减速的三重账本

把三步计划放回资产负债表，便不难发现，减速这门生意被记在了三页账上。

第一页：增长质量。按第三方调研纪要，Anthropic 2026年Q1实际营收约47.3亿美元，Q2初步数字超过115亿，环比增长144%，且Q2调整后经营利润已经转正，全年实际营收预计500亿至600亿美元。注意这个组合：增速放缓+利润转正。对一级市场，故事的主角是斜率；对二级市场，主角是斜率的二阶导数和盈利质量。一家烧钱换增长的公司放缓，是危机；一家利润刚转正的公司放缓，是纪律。IPO前换主角，恰好赶趟。

第二页：资本开支的悬崖。把镜头拉远，全行业的背景板是：美国五大云与AI基础设施巨头2026年合计资本开支承诺6600亿至6900亿美元，接近2025年的两倍。而公开赛道的另一头，OpenAI 2025年经审计营收130.7亿美元，经营亏损209.2亿，即每挣1美元花掉1.6美元，毛利率33%，累计算力承诺约6000亿美元（CFO Friar亲自把奥特曼公开场合那张1.4万亿的幻灯片纠正到这个数），2026年计算支出预计500亿。

这笔账对所有人都是不可持续的，而"pacing the frontier"在资本结构上等价于一次卡特尔式的产能配额：如果前沿竞赛的节奏被集体放慢，绑定在前沿竞赛上的万亿美元级capex军备，就获得了"理性化"的理由。这解释了一个看似反常的现象：为什么奥特曼会在几小时内附和死对头的减速倡议。

他说"我同意"，不只是在回应安全议题，也是在为自家6000亿的承诺单寻找减速带。当马斯克——一个建xAI的人——也点头时，三大前沿实验室完成了一次心照不宣的默契：我们不再比谁踩油门更狠，我们比谁刹车姿势更优雅。

第三页：叙事资产。Anthropic的品牌本体就是"安全"。在一个Steve Eisman公开点名OpenAI和Anthropic是"AI交易最大风险点"的市场里，安全非但不是成本中心，反而是估值溢价本身。

嵌入式评估者的妙处在这里显形：它看起来是给自己上枷锁，实际上是给自己发牌照——被监管的银行恰恰是最可信的银行，而金融、医疗、政府这些受监管的大客户买AI时最想要的，正是一个出了事有人兜底、有第三方在场、有审计痕迹的供应商。把自己变成"AI行业的受监管银行"，等于在万亿级企业市场上圈了一块别人进不来的地。

三页账本合起来，我们不免恍然大悟，这恰是：对二级市场卖纪律，对同行卖配额，对客户卖可信。

限速的生意本质：一张平台稳定性的期权

模型能力每提升一代，单位能力的价格就在坍缩。这是大模型行业的通货紧缩，无人能挡。

前沿实验室的收入结构因此出现一个决定性迁移：从"卖模型能力"转向"吃生态用水"。数据已经很清楚：Anthropic约80%的收入来自企业客户，其中Claude Code一个产品年化收入超25亿美元，占公司整体约五分之一，拿下AI编程市场过半份额；2026年Q2，Anthropic在企业级大模型API市场的份额达到32%，首次超越OpenAI的25%；OpenAI自己的API日token消耗量一年内从1.4万亿涨到9万亿，增长543%。

这是什么生意？这是AWS的生意。云厂商从不靠EC2单价赚钱，靠的是生态的用水量。而生态用水量有一个前提条件，教科书里叫平台稳定性预期。

应用开发商最怕什么？不是模型不够强，是自己建在模型上的东西六个月后被下一代模型"顺便"做掉。AI应用创业者拿融资时必被问的那个问题——"如果下个版本的模型自带你这个功能，你怎么办"——本质上是在问平台的折旧率。前沿迭代越快，应用层资产折旧越快，投资回收期越短，生态投入越不敢下重注。

反过来说，当领跑者公开承诺踩住模型迭代的节奏，等于向全体应用开发者发行了一张平台稳定性的期权。

切不要认为这是理论推演，这是正在发生的资本定价：

看应用层2026年的数字：Cursor的ARR从2月的20亿美元涨到6月初的40亿，其中75%来自企业客户，企业业务单季环比三倍增长，agent功能使用量一年涨15倍，然后SpaceX在8月14日以约600亿美元估值将其收购。Cognition（Devin）9月E轮融资超20亿美元，估值480亿。OpenAI花30亿买下Windsurf。

Gartner预测到2026年底40%的企业应用将嵌入任务型Agent，而这个比例2025年初还不足5%；全球AI Agent市场规模以44%—46%的年复合增速扩张。微软的企业渠道里已经塞进了40万个Copilot Studio Agent，85%的财富500强至少用一款微软AI产品；Salesforce的Agentforce年化收入8亿美元、同比增长169%。

应用层不是等模型慢下来才敢动身，它已经全速跑起来了，缺的只是一张"地基不会每年翻新一次"的保证书。阿莫迪的响指，就是这张保证书的公开签署仪式。

由此闭环形成一条完整的商业链路：前沿限速→平台预期稳定→应用生态加杠杆→token用水量指数增长→前沿实验室不靠下一代模型、靠生态复利完成收入兑现。年底那个1000亿至1200亿的ARR目标，靠的不该是下一代Claude多么惊艳，而该是几百万个建在Claude上的应用开始昼夜不息地烧token。

这也顺便解释了为什么"减速叙事"必须由领跑者来喊。Anthropic刚刚在企业API份额上完成对OpenAI的反超，多家追踪机构认为其7月收入运行率已过740亿美元、全面超越对手。当你在牌桌上筹码最多的时候，你最想要的规则就是"冻结牌局"。"Race to the top"这个短语在阿莫迪文中的本义是安全竞赛，但在商业上它有一个更古老的译名：领先者把现状制度化。

当然，残酷拼图还有最后一块：被减速锁死在第二梯队的开源模型不在这场默契里：7月，来自中国的开源模型已经开始挤压闭源生态的定价权，6月还有产品遭监管下架半个月的扰动。闭源前沿可以给彼此配速，但没人能给开源世界打响指。

响指的边界

必须把另一半拼图也摆上桌，否则这篇文章就成了另一篇檄文。

第一，pacing改变不了收入质量本身的疑问。Sacra提醒过，Anthropic来自AWS、Google等云渠道的收入可能按总额口径确认，这会让收入规模看起来更大，同时放大市场对毛利率的追问。Simon Willison的提醒更朴素：run-rate是把短期收入年化的数字，不等于经审计的全年收入。最终说了算的是S-1里的审计营收、毛利率、客户集中度、算力采购义务和现金流……这份清单上没有一项能被一篇哲学檄文对冲。

第二，响指对冲不了数学。如果12月的运行率落在950亿而不是1000亿至1200亿，"审慎减速"的叙事将迎来压力测试：市场会重新问那个被响指暂时盖住的问题——到底是主动配速，还是撞上了墙？叙事可以买一两个季度（IPO期），但买不了一年。

第三，别忘了恐惧本身可能是真的。就在文章发布前几天，Anthropic研究员Jacob Coxon辞职，留下"本十年结束前它们可能杀死我们所有人"的话。递归自我改进的加速、蜂群的集体失配，这些风险有实证、有细节、有内部人背书。把响指解读为纯粹的资本操作，和把它解读为纯粹的理想主义，犯的是同一个错误：假设一个人只能有一只手。

最接近真相的读法是：恐惧是真的，时机是准的，阿莫迪大概率真心相信递归自我改进需要被踩住。

正因如此，这篇檄文才可能是真心的，同时又是对IPO最有利的。两件事不冲突，这才是顶级叙事的样子：每一个字都经得起测谎，每一个字的发表时机又都精确服务于路演。

结语

回到灭霸的比喻，把它补完整。

灭霸是先集齐六颗宝石，再打的那声响指。阿莫迪的顺序是反的：先打响指，再集宝石。这篇檄文发表后的三十天里，他需要集齐的东西都很具体：一份让"减速"看起来像"纪律"的市场共识（已集齐：马斯克、奥特曼附和，Breakingviews递上标题）、一道由嵌入式评估者铸成的合规护城河（承诺已发出）、一张签给应用生态的平台稳定性保证书（正在签署）、以及一份年底落在1000亿以上的ARR（待交付）。

响指是刹车，还是发令枪？答案是：对模型，是刹车；对生意，是油门。踩住的是能力的军备竞赛，松开的是生态的复利曲线。

在AI行业，有一条比增长放缓得更快的规律：当一家公司开始大谈人类命运，通常是因为它的现金流开始需要新的解释。九月的那声响指，把"Anthropic为什么慢了"这个问题，永久地改写成了"Anthropic为什么敢于慢"。

只要年底那张1000亿的账单如期兑现，这个改写就是商业史上最优雅的一次叙事换轨。如果没有兑现，那声脆响就会变成另一个故事的开场白：

一家公司打了个响指，把自己的预期，先消解了一半。

本文系基于公开资料撰写，仅作为信息交流之用，不构成任何投资建议

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

文 | 半呆君

今年这几个月，全球做原油生意的人都在盯着一件事：霍尔木兹海峡开开关关，布伦特原油一路往上。9 月 9 日，它的结算价收在 101.21 美元/桶，再度站上 100 美元。

买家本该最着急。可全球最大的原油进口国，正在做一件反着来的事——少买。

今年 6 月，中国的原油进口量掉到 2927 万吨，2016 年 10 月以来的最低值。往前看三个月，3 月还有 4998 万吨，等于砍掉了四成还多。8 月爬到 3792.8 万吨，比去年同期仍低了 23.4%。

山东那些地方炼厂，平时像专收尾货的小摊：大商场清出来的折扣货，价格便宜，拉回来加工转手就能赚。今年这批尾货断了供，剩下的一点还被人抢着加价，摊主只能收摊。

中国还在买油。只是它买的油，炼起来不赚钱了。真正掐住全球油市的那根线，埋在炼厂的炼油毛利里——离中东很远，离山东很近。

进口掉了四成，油价却在冲百

按教科书里的逻辑，中国进口掉这么多，油价该跌才对——买方少买，价格自然松。今年上半年市场的解读，基本都往这个方向走：需求塌了，利多出尽。

油价的答案是反的。8 月底它还在 90 美元出头，到 9 月 9 日已经是 101.21 美元，八个交易日涨了大约 12%。光是 9 月 9 日当天，就从 97.92 美元跳到 101.21 美元。

要理解这个矛盾，得先把今年的前提摆清楚。这场动荡有两根线，缠在一起。

第一根从去年底开始。2025 年 12 月，美国对运输委内瑞拉原油的油轮实施封锁并扣押船只；2026 年 1 月 3 日，美军突袭加拉加斯，抓走总统马杜罗。委内瑞拉对华的原油和燃料油出口，从 2025 年的 64.2 万桶/日，掉到 1 月的约 16.6 万桶/日。

第二根在今年 2 月底引爆。2 月 28 日，美以发动联合空中打击，伊朗最高领袖身亡；伊朗革命卫队宣布禁止船只通过霍尔木兹海峡。这条通道承担着全球约两成的海运石油，就此掐断。4 月短暂停火，6 月 14 日达成协议全面重开，布伦特一度从 5 月的 104 美元回落到 84 美元。

7 月 12 日，海峡再次关闭；7 月中旬，美国重启对伊朗的海上封锁。

把这两根线跟油价曲线叠起来看，时序就合上了。3 月的冲突把布伦特推上 99.47 美元，5 月见顶 104 美元；6 月的协议让它跌回 84 美元；7 月 12 日之后重新往上爬，爬到 9 月的 101.21 美元。

中国买油的节奏，跟这条曲线对不上。

中国原油月度进口（2026 年 3–8 月）：三个月掉四成四

进口掉得最狠的是 4 月到 6 月这一轮：4 月还有 3847 万吨，到 6 月只剩 2927 万吨，两个月去掉两成四。可油价的谷底也在 6 月。从 7 月起，布伦特掉头向上，中国进口反而在 7 月回到 3572.6 万吨、8 月爬到 3792.8 万吨。两条曲线在 6 月之后分了岔。

如果进口掉下去纯粹是因为用不了油，油价不该在同一段时间往上冲。这里一定还有别的东西。

油还能买到，只是买不起了

少买油的主力，是山东的地方炼厂，业内叫地炼。

中国炼油产能里，地炼占四成上下——2025 年约 3.93 亿吨，比中石化或中石油任何一家单拎出来都大。它们的原料结构跟两桶油完全不是一回事：中石化、中石油从沙特、伊拉克买主流油种，地炼吃的是另一批货——伊朗、委内瑞拉，还有俄罗斯的 ESPO（东西伯利亚—太平洋管道油）。这类油要么受制裁、要么打折，比布伦特便宜，差价就是地炼的利润。

7 月初，这个差价还在，一桶能赚十美元左右。到 9 月初，赚头没了，卡在盈亏平衡线上——炼一桶，不赔不赚。（Energy Aspects）

地炼前期靠打折油硬扛，扛到 5 月才跟着砍——比国有炼厂晚了两个月。开工率的曲线印证了这条时间线：山东地炼的开工率，6 月底那周（6 月 26 日–7 月 2 日）掉到 42.95%，年内最低；到 9 月 3 日当周又回到 55.09%。

山东地炼常减压周均产能利用率（2026 年）：年内最低 42.95%

这轮回升跟利润没关系，是抢货抢出来的：地炼怕 10 月之后拿不到便宜油，先把能买的买进来。等这批货用到头，开工率还得再看一次。

问题出在两头。

一头是能买的油变少了。委内瑞拉那一路断掉之后，地炼挤到伊朗和俄罗斯的货上，把折扣一路抢窄。伊朗轻质原油对布伦特的价差，5 月还有每桶 1 到 2 美元的溢价，7 月变成折价 1 美元。俄罗斯 ESPO 对布伦特的溢价，也从 5 月的 4 到 5 美元缩到 6 月的 3 到 4 美元。（路透 6 月；7 月的数据来自彭博 8 月的报道）

另一头是贵的油炼不动。布伦特冲上一百美元以后，地炼想全面切到主流油种，成本当场抬上去，炼一桶亏一桶。Energy Aspects 的分析师把这件事说得很直接：挡在地炼面前的是主流油种买不起。

还有一层更隐蔽的麻烦：装置换不了原料。地炼里相当一部分装置是按委内瑞拉 Merey 重油定制的，转产其他油种，沥青收率会掉 10 到 15 个百分点。原料结构这东西，不是调个参数就能改的。

所以这批厂子的困境，跟“需求崩了”是两回事。工厂还在，装置还在，成品油也还有市场——它们原来靠的那口便宜油没了。

全球打折油的最后接盘方

地炼的原料困境是慢变量，眼下这一轮要急得多。

地炼现在用的伊朗油，是从海上浮仓里抽的。船期跟踪机构 Kpler 的数据显示，伊朗海上库存从 7 月中旬的约 9000 万桶，掉到 8 月底的约 2900 万桶。另一家机构 Vortexa 按每天 100 万桶的抽用速度推算，结论一致：这批库存会在 10 月中旬见底。两家统计口径不同，指向的月份相同。

伊朗海上库存抽干路径：从 7 月中旬约 9000 万桶指向 10 月中旬见底

供给的源头同时也在干。Kpler 统计，伊朗 8 月的原油装载量只有 25.5 万桶/日，比 2 到 4 月的均值少了 85%。船不装货，浮仓就是抽一点少一点。

地炼现在靠的这批油，是一笔有明确用完时点的存货。

传导路径很短：海峡关着，伊朗油出不来；浮仓抽干，地炼没有便宜油，开工率再降一档。

地炼在这条链上的位置有点特殊。它们是打折油的最后接盘方——主流市场不收的那批原油，最后大多流进山东这些厂。它们不买了，这批油就真的没人接。

这个位置本身，接下来会引出一件反直觉的事。

地炼趴下，油价未必笑

顺着前面的逻辑推下去，油价该继续冲。

这个推论在短期价格上成立，但它漏掉了一块。地炼停摆，全球少了一个加工厂，也少了一个买家。

中国每天少买的那部分原油，是实打实的实物买盘。它从全球原油的供需里抽走一部分量，方向恰好跟中东断供相反。两股力方向相反，油价因此变成角力。

这不是我的个人观点。法兴银行 6 月的报告里讲到：中国减少海外购油，是“对供给冲击的最大抵消之一，仅次于沙特改道，大于美欧日协调释放战略储备”。

[引用框]中国炼厂减掉的每一桶，都是从全球油市抽走一块买盘。这一轮油价真正的形态是一场拉锯——一边是中东的供给风险，一边是中国炼厂的购买力塌方。

需求端这块缺口，已经有人算出了量级。咨询机构 Wood Mackenzie（伍德麦肯兹）在 9 月 8 日把今年四季度的全球原油加工量预测下调了 140 万桶/日。

再往深一层，这件事压的不只是需求，可能还有价格的上限。地炼是打折油的出价方——它们出得起的价，撑住这批货的价格下限。买家退出，下限就保不住了。

国有炼厂也趴过，只是有人扶

看到这儿，一个问题绕不过去：同样是炼厂，凭什么只有地炼趴下？

要说清这个，得先纠正一个流传很广的说法——“两桶油没事，地炼先死”。真相没这么干净。

国有炼厂降负荷比地炼还早。今年 3 月中东油源一断，它们就开始往下调。5 月 28 日当周，中石化、中石油、中海油、中化四家主营炼厂的开工率掉到 66.31%，是隆众 2021 年 7 月以来可比口径下的最低周度值，当月均值也只有 67.10%。路透在 5 月的报道里提到，中石化当时把两套装置的检修提前，还罕见地转卖到港船货。

把国有炼厂从谷底拉回来的，是 7 月 11 日的一则指令。据彭博当天报道，中国要求部分主要炼厂维持高开工率、保住成品油供应。这之后，主营炼厂的开工率确实一路往回爬——隆众口径的月均，6 月 67.50%，7 月 70.59%，8 月 74.90%。

所以“稳”这个字，是政策和几层兜底一起顶出来的结果。国有炼厂也趴过，只是趴得早，后来有人扶。至于它们凭什么能被扶——中石油靠上游油田，自产的原油够自己炼厂约一半的原料；中石化靠终端，手上握着 31195 座加油站，全国最多（2025 年末）。这两样在这里不是重点，它们的作用只有一个：拿来对照地炼少了什么。

地炼缺的那三样东西

地炼缺的东西，头一样是出口配额。

中国的成品油出口是牌照制，2026 年只发了七家，分得极不平均：中石化一家拿走 1281 万吨，中石油 1054 万吨，两家合起来占了七成。其余五家——中化、浙江石化、中海油、兵工华锦、中航油——分剩下 865 万吨。这份名单之外，山东地炼是零（市场口径，商务部不公开明细）。

要命的地方在这儿：山东地炼 2025 年的一次加工能力约 1.9 亿吨，接近全国地炼的一半。这么一块产能，出口配额为零。

缺的第二样是上游油田。原料百分之百外采，油价一涨，成本直接砸在自己身上。

缺的第三样是零售终端。成品油只能走批发，零售端那块稳定毛利，一分拿不到。

把这份配额名单和今年的全球炼油行情放在一起看，反差就出来了。美国的 3-2-1 裂解价差——炼厂买原油、卖汽油柴油的毛利指标——今年一度突破每桶 70 美元，往常这个数字是十几美元（路透 Bousso 专栏、Livemint）。而中国的地炼，卡在盈亏平衡线上。

同一个炼油繁荣期，地炼站在门外。便宜原油够不着，出口牌照也够不着。

有个数能佐证地炼跌得有多深。两桶油今年上半年的原油加工量，同比下降都在 5.6% 左右；6 月单月，全国原油加工量同比掉了 17.7%。一个是半年、一个是单月，中间这十几个百分点的落差，基本都压在地炼身上。

原油加工量同比：两桶油半年约 -5.6%，全国 6 月单月 -17.7%

山东的开工率，6 月底低点 42.95%，9 月 3 日当周回到 55.09%。这轮回升靠的是浮仓里那批存货，不是利润回来了。

[引用框]这轮危机真正的裁判是利润表。制裁决定谁的油变少，利润表决定谁能活下来。

回到开头那个矛盾：全球最大的原油进口国，进口掉了四成，油价为什么还在冲？

决定这轮油价的，是中国炼厂炼不炼得起油。买不买得到，是另一回事。中东的炮声决定供给有多紧，山东的炼油毛利决定需求还剩多少购买力。这两股力量正面对撞，谁先松，油价往哪走。

还有一条线得说清楚：进口掉下去不等于中国的石油需求长期见顶。国际能源署（IEA）预计 2026 年中国石油消费只增 5 万桶/日，电动化和 LNG（液化天然气）重卡确实在啃柴油的份额，成品油零售价也涨了约 30%。那是结构性的慢变量，跟眼下这轮利润挤压不是一回事——但两条线迟早会叠在一起。

接下来一段时间，新闻会很多，真正值得记下来的是三个数：

监测信号

这三个数里，前两个是既有事实的延伸，第三个是接下来几周会揭晓的答案。它们都是观察信号，不是交易信号——看到数字之后怎么做，是每个人自己的判断。

油市的阀门，不在中东，在山东。

（本文作者为产业链研究从业者，文章内容仅供参考，不构成投资建议。）

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

文 | 人间像素

从《经济半小时》《一丹话题》到《焦点访谈》《东方时空》，敬一丹的声音伴随中国电视新闻走过近30年。

她在《焦点访谈》工作20年，经历了电视仍能在晚间把数亿观众召集到同一块屏幕前的年代。

她很少依靠高声与锋芒建立权威。面对矿难、失学儿童、下岗工人和贫困乡村，她以成熟、克制和对普通人处境的体察，让新闻中的尖锐事实获得稳定而可信的重量。

在电视仍能抵达所有人的时代

1993年5月10日，38岁的敬一丹第一次坐在一档以自己名字命名的电视节目里。

节目叫《一丹话题》，每周一期，只有八分钟。除了摄像，选题、采访、编辑、制作和出镜，几乎都由她自己完成。话题从经济延伸到教育、文化和人的处境，她需要决定什么值得谈，也需要判断每一句话应该说到哪里。

多年以后，敬一丹回忆说，那是一个“少有框框、富有活力的时期”。她此前积累的采、编、播经验，眼前快速变化的社会，以及一个新闻人正在形成的职业判断，都汇集到这八分钟里。节目连续播出55期，成为中国电视早期以主持人名字命名的评论栏目。

那是她后来反复怀念的电视年代。框架还没有完全定型，很多表达方式等待尝试。此前多年积累的播音、采访和编辑经验，在这档节目里第一次汇集起来。她需要判断什么值得谈，怎样谈，话说到哪里为止；既要敏感，也要有分寸，还要让个人表达经得起公共传播的检验。

38岁，她进入了人生最忙碌、也最有创造力的一段时间。两年后，她又加入《焦点访谈》，进入中国电视新闻最年轻、最有冲击力的一支队伍。

40岁的她在新闻评论部成了“敬大姐”。编辑和摄像大多比她年轻，同事们讨论新的选题、新的拍摄方法，也试探电视评论能够抵达的边界。她关心的并不是年龄，而是自己是否仍然站在前沿。

后来回望这段经历，敬一丹写道，她庆幸自己遇到电视前沿，遇到前卫的群体，也遇到了一块仍然宽阔的创作空间。

她知道自己想做什么，也逐渐理解，一个主持人的价值并不只在于把话说得准确、漂亮，更在于能否理解正在发生的社会变化。

要理解她后来为何如此看重独立判断，还要回到她职业生涯的开始。

1978年春天，敬一丹还在北京广播学院读书。“实践是检验真理的唯一标准”引发全国讨论。多年以后，她仍把那场讨论视为一次思想启蒙。她第一次明确意识到，人可以独立思考，可以质疑，也可以创造。

年底，她毕业回到黑龙江人民广播电台。不久后，她从收音机里听到十一届三中全会召开的消息。此后很长一段时间，她在话筒前反复说起同一个句式：“十一届三中全会以来……”

教育在变化，乡村在变化，人们的工作和生活也在变化。多年以后她才发现，自己的职业生涯几乎与改革开放同步。她所播出的新闻、采访过的人和后来主持的节目，共同记录了一个社会怎样重新认识现实，也重新学习表达。

职业生涯与改革开放同时开始

敬一丹1955年出生于哈尔滨。少年时期，父母离开家庭，姐姐去了生产建设兵团，她很早便感受到生活中的不确定，也对那些缺少关注、受到委屈的人格外敏感。后来，她把这种感受称为心里的“隐痛”。她说，自己对不被注意的小人物、心灵受到伤害的人特别在意，“我所遇到的，不希望谁再遇到”。

林区广播站给了她最初的话筒，北京广播学院教会她怎样使用声音。毕业回到黑龙江电台后，她已经拥有一份稳定工作，却仍觉得“学没上够”。

她一边上班，一边准备研究生考试，连续考了三年，28岁才重新回到北京广播学院，师从播音员齐越。她的硕士论文题目是《论节目主持人》。那时，中国电视中的“节目主持人”仍是一个正在形成的新角色。传统播音员强调准确、规范地传递文本，主持人则需要具备采访、组织、判断和现场交流能力。敬一丹在校园里研究这一变化，也在几年后亲自进入变化之中。

1986年硕士毕业后，她留校任教。1988年，33岁的敬一丹调入中央电视台经济部。她进入央视的年龄已经不算早，也不太符合后来电视行业对年轻面孔的偏爱。她不会化妆，刚到台里时一度让领导着急；采访、出差、走山路、熬夜编片，她却从不觉得自己需要与男同事有所不同。

她做的第一期节目是一则关于海关积压物资的批评性报道。当时，“舆论监督”尚未成为广泛使用的新闻概念，类似报道通常被称为“批评性报道”。她负责采访、编辑和评论写作，最后请赵忠祥播出自己写的言论。

那次经历也标志着她职业位置的变化。过去，她面对稿件理解生活；从那时起，她需要以编辑和记者的身份直接面对生活。

1989年底，《经济半小时》开播，敬一丹成为首批主持人之一。节目讨论市场疲软、股票、企业兼并和三角债，也参与“质量万里行”和央视早期“3·15”晚会。市场经济开始进入普通人的日常，新的财富机会和新的社会问题同时出现，电视则试图找到解释这些变化的语言。

敬一丹后来回顾近30年的电视生涯，认为自己赶上了许多“第一次”。她并不把这些第一次完全归功于个人能力：“那时候电视发展的处女地特别多，稍微填补空白，就能得到大家的掌声。”

《一丹话题》就是其中一块处女地。

主持人从节目的传递者变成表达主体，她谈社会变化，也谈变化中的人；她开始懂得，评论节目不能只凭态度取胜，敏感、分寸和事实同样重要。

三亿人的十三分钟

《焦点访谈》1994年4月1日开播，时间安排在《新闻联播》之后，每期约13分钟。

在今天看来，13分钟很短。可在当时，全国亿万观众在同一时间打开同一个频道，一档电视节目拥有把地方事件带入全国视野的能力。它选择“政府重视、群众关心、普遍存在”的问题，通过现场调查、隐性采访和演播室评论，追踪粮款、矿难、乱收费、污染和地方违法行为。巅峰时期，节目收视率长期保持在很高水平，每晚观众一度达到数亿。

1995年，敬一丹加入新闻评论部。次年，她担任《焦点访谈》和《东方时空》总主持人。此后20年，她成为这档栏目任职时间最长的主持人。

她进入节目组时，《焦点访谈》已经迅速建立起一种今天很难复制的公共权威。

信件从全国各地寄到央视。有些人举报地方问题，有些人讲述自己的遭遇，还有一些人在其他申诉渠道受阻后，把材料寄给栏目组。敬一丹记得一封失地农民的来信，信纸上盖满红色指印，落款写着：“托付你的人。”

这几个字，沉甸甸的。

寄信者期待的并非一次普通的媒体曝光。他们相信，只要《焦点访谈》播出，问题就可能进入更高层级的视野，地方政府需要回应，相关部门可能介入。节目因此获得了超过一般新闻栏目的分量。观众把遭遇交给记者，也把最后的希望交给电视。

那时，电视仍是全国性公共议题最重要的入口之一。

信息渠道有限，公众注意力高度集中，央视拥有覆盖全国的传播能力。《焦点访谈》播出的很多问题，第二天就会引起行政系统行动。

白岩松曾评价说，她在一群“尖酸刻薄”的同事中显得有些不同。新闻评论部推崇年轻、锐利和前卫，她的温和一度甚至被视为不够锋利。她自己也承认，《焦点访谈》带给社会的是痛感，痛感有两种，一种是刺痛，一种是隐痛，她属于后者。

一次采访少年犯后，摄像对她说：“你跟少年犯说话，怎么像孩子大姨似的？”

这句评价准确地概括了她的风格。她没有把采访对象当作提供眼泪和冲突的材料，也很少以提高音量证明自己的立场。她关心一个人为什么走到今天，试图理解伤害如何形成，又怎样避免下一次伤害。

在一档以揭露问题著称的节目中，这种温和并不意味着退让。她需要把复杂的调查材料压缩成有限的语言，让批评具有事实基础，也让观众相信，屏幕上的愤怒没有服务于主持人的个人表演。

《焦点访谈》需要锋芒，也需要一种让观众相信锋芒来自事实的声音。敬一丹提供了后者。

她的从容和中年经验，在一个年轻团队中逐渐显示出价值。面对矿难、失学儿童、下岗工人和贫困乡村，她不急着替所有人下结论。她的语言通常平实，很少夸张，语气像在与观众交谈。节目中的尖锐事实经过她的表达，获得了一种稳定而可信的重量。

在重大直播中，她承担的职责仍是解释：把政策语言和历史概念，转换成普通观众能够进入的叙述。

1997年香港回归，她参与央视持续十余小时的直播，在演播室里解释“一国两制”等概念。此后，她又主持澳门回归、迎接新世纪等重大报道。那些宏大的历史时刻，需要有人将政策和概念转化为日常语言，让普通人知道正在发生什么，又与自己的生活有什么关系。

2002年起，她与白岩松主持《感动中国》。一档节目揭示社会的阴影，一档节目寻找阴影中的光亮。前者追问问题为何发生，后者讲述人在困境中如何作出选择。它们共同构成了电视黄金时代的公共情感：人们相信社会问题可以被讨论，也相信个体的善意和勇气值得被共同看见。

但这种共同观看的经验，后来逐渐松动。

互联网兴起后，新闻不再依赖晚间固定时段抵达观众。门户网站、微博、微信和短视频不断加快信息流动，公共议题由无数平台和个人共同生产。电视失去了对注意力的集中调度，《焦点访谈》代表的调查报道和舆论监督功能也经历了变化。

敬一丹对此并非毫无察觉。退休前，她已经谈到节目早期与后来在锋芒上的差异。她没有把全部变化归结于主持人或栏目组，因为一个电视节目的命运始终与更大的媒体环境相连。

2015年4月30日，她最后一次主持《焦点访谈》。

节目结束时，她照常向观众送上节日问候，随后鞠躬，没有长篇告别。此前一年，她每次进入演播室，都会在心里计算，这可能是倒数第多少次。

她离开演播室时，正好60岁。

从40岁进入《焦点访谈》，到60岁退休，她把完整的中年留在了这档节目里。那也是中国电视新闻从巅峰走向转型的20年。

退休后，敬一丹没有停下表达。她开始写作，整理母亲保存的1700多封家书，把一个家庭五代人的经历重新放回时代之中；她参与文化节目，也跟随女儿关注乡村教育。

2025年，70岁的她出版随笔集《走过》，继续记录那些地方、人物和时间。

话筒换成了书页，她仍在记录家庭、乡村和那些容易被宏大叙事略过的人

在《焦点访谈》的演播室里，她面对的是亿万观众；离开电视以后，她面对的是一个个具体的读者。过去，她把陌生人的困境带进全国视野；后来，她整理家庭记忆，记录普通人怎样从历史中走过。无论媒介如何变化，她始终把注意力留给真实生活，也始终相信，人的经历值得被认真讲述。

回望敬一丹的职业生涯，真正奠定她公共形象的阶段，开始得并不算早。38岁创办《一丹话题》，40岁进入《焦点访谈》，此后20年，她把成熟、克制和判断力留在了中国电视新闻最重要的栏目里。

她的主持风格，并不是依靠锋利的语气来建立权威。她的力量来自长期的记者训练，来自对普通人处境的体察，也来自对事实、分寸和公共责任的坚持。在一个强调冲击力的节目中，她证明了温和同样可以有力量，平静的声音也能够承担尖锐的问题。

《焦点访谈》也在那20年里完成了自己的历史使命。它把矿难、乱收费、教育、环保和基层治理中的问题带到全国观众面前，让许多原本沉默的处境获得表达，让舆论监督成为中国电视新闻中最有影响力的实践之一。它建立起一种朴素而有力的职业信念：面对复杂现实，新闻首先要抵达现场，然后用事实说话。

敬一丹与《焦点访谈》因此彼此成就。

栏目给了她最重要的职业舞台，她则用自己的气质拓宽了这档节目的表达边界。她让监督不只意味着质问，也意味着理解；让公共表达不只依靠声量，也依靠可信；让一个电视主持人的价值，最终落在对现实的判断和对人的尊重上。

多年以后，人们再提起敬一丹，记住的不只是她沉稳的声音和熟悉的面孔。她和《焦点访谈》共同留下的，是中国电视新闻黄金年代最清晰的一块坐标：事实能够推动改变，普通人的困境值得被全国看见，而新闻人可以用专业、耐心和责任，抵达公共生活的中心。 

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

一件宣称“防晒”的衣服，花了1448块，结果紫外线没挡住。

中国消费者协会8月28日通报：

猛犸象一款女士防晒夹克，洗前及多次洗涤后，长波紫外线透射率均高于5%的国标限值，

不符合防紫外线产品要求。

洗前实测6.45%，洗了三次6.24%，洗了五次6.21%，洗了八次5.87%，没一次达标。商品页上还写着“紫外线防护：UPF 50+”。

买了这件衣服的人，以为自己穿的是“防晒服”，实际上只是一件“有一定防晒效果的普通衣服”。1448块和124块的区别在于，贵的那件也不达标。

猛犸象这个牌子，1862年创立于瑞士，从制绳起家，做到登山攀岩装备，全球51个国家有业务，户外圈子里定位不低。

天眼查显示，猛犸象在中国的注册公司名为“猛犸象户外用品（上海）有限公司”，成立于2013年。

2026年7月，中资机构CPE源峰刚全资收购了它。刚换完老板，中消协就点名了。新老板这“开门礼”收得确实不太体面。

除了防晒不达标，猛犸象还存在标识不规范的问题，耐久性标签中维护方法图形符号新旧标准混用。

虽然是“合规性”问题，不是“安全性”问题，但一家百年老店连标签都搞混，说明品控体系确实该查查了。

中消协8月28日通报，猛犸象品牌方回应称“高度重视，已启动进一步的深度调查和处理”。

态度倒是端正了，但话术过于标准，看不出有什么实质内容。而且这回应是9月8日才给出的，中间隔了十几天。

这十几天里，品牌方在沉默。

一个有意思的细节是，有媒体拨打猛犸象公开电话，语音提示“空号”。

一个还在中国卖货的品牌，公开电话拨不通，这比防晒不达标更让人心里没底。

防晒服的国标门槛其实不高，UPF值大于40，UVA透射比小于5%，就能叫“防紫外线产品”。猛犸象连这个门槛都没跨过去，不是技术难度的问题，是态度的问题。

中消协这次测了20款，最便宜的124块，最贵的1540块。19款达标，唯独这款没达标。贵的不一定好，但连“合格”都没做到，这事就说不过去了。

一件宣称防晒的衣服不防晒，一个百年品牌出了问题先沉默后标准话术回应，一家在中国卖货的公司公开电话拨不通。

买猛犸象的人，付的是“专业户外”的溢价，求的是“靠谱”两个字。结果花了14倍的价格，得到了一件“不能叫防紫外线产品”的衣服。

“高度重视”之后，消费者想知道的是：这批货卖了多少件？能不能退货？是不是该有个说法？

而不是翻来覆去的“进一步深度调查”，那是留给自己的台阶，不是给消费者的答案。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App