【数据图解】五张图看懂开心果价格为何上涨 美国和伊朗是全球最主要的开心果主产区；受战事影响，中国从伊朗进口的开心果低于往年同期，而美国加州春季的高温则导致当地开心果大幅减产

31省份去年平均工资出炉 根据国家统计局发布的数据，2025年，全国城镇非私营单位就业人员年平均工资为129441元，比上年名义增长4.3%，增速高于上年1.5个百分点，扣除价格因素实际增长4.2%；城镇私营单位就业人员年平均工资为71590元，名义增长3.0%，增速高于上年1.3个百分点，扣除价格因素实际增长2.9%。 需要说明的是，在工资统计调查中的非私营法人单位，包括国有单位、集体单位、联营经济、股份制经济、外商投资经济、港澳台投资经济等单位。整体上，非私营单位的平均工资大幅高于私营单位的平均工资。 分省份看，哪些省份的平均工资更高呢？国家统计局编著出版的《中国统计年鉴2026》，公布了2025年31个省份城镇非私营单位和私营单位的就业人员平均工资数据。从平均工资来看，非私营单位中，12个省份超过12万元，分别是上海、北京、西藏、天津、广东、浙江、江苏、青海、宁夏、重庆、海南和新疆。 其中，上海和北京的非私营单位就业人员平均工资在各省份中遥遥领先。整体来看，上海和北京作为城市经济体，城镇化率高，新兴产业、高新技术产业、现代服务业等十分发达，总部经济突出，高薪岗位多，吸引了大量人才集聚，居民的平均收入也高。 在城镇私营单位就业人员平均工资方面，有8个省份超过7万元，分别是上海、北京、广东、西藏、浙江、江苏、天津和福建。 2025年31省份城镇非私营单位、城镇私营单位就业人员平均工资。（来源：《中国统计年鉴2026》） 在各省域内部，各地的平均工资差异较大，相当多省份的省会城市、中心城市的收入水平明显高于中小城市。 另一方面，不同行业之间的差距也不小。从全国来看，城镇非私营单位就业人员年平均工资位居前三位的行业仍是信息传输、软件和信息技术服务业，金融业，以及科学研究和技术服务业。其中，在城镇非私营单位中，信息传输、软件和信息技术服务业就业人员年平均工资达248752元，位居第一；金融业非私营单位就业人员年平均工资达到211164元，科学研究和技术服务业达到了182064元。 另外，从全国的数据来看，采矿业未进入到平均工资前三的行业，但在部分省份尤其是西北、东北地区的一些资源型产业较为突出的省份，采矿业收入名列前茅。 麦可思研究院的数据显示，采矿工程专业2021届毕业生平均月收入为5658元，低于全国本科平均水平175元；到2025届已增至7448元，五年增长1790元，涨幅达32%，成为高薪专业中涨幅最大的本科专业。 专家分析，随着产业的升级、新兴产业的发展，比如包括新能源汽车、半导体等产业的发展，对各种关键矿产资源的需求大幅增加，因此也带动从业人员收入的增长，相关专业的就业市场比较好。

医保钱包可为老家父母缴费了，网友催更跨省“一键代缴” 过去一周，国家医保局连发5篇文章向公众介绍医保钱包2.0版的上线情况和使用方法，网友在国家医保局评论区发布超过2300条评论，反映使用过程中遇到的具体问题。当前正值2027年居民医保缴费期，网友对医保钱包2.0的异地缴费功能尤为关注。 医保钱包被网友称为异地打工人的“尽孝神器”，自10月16日医保钱包2.0全国上线运行后，无论在哪座城市工作，只要绑定医保钱包，就能把个账里的钱转给异地的配偶、父母、子女等近亲属使用。 医保钱包2.0版进一步拓展了应用场景，从就医购药扩展到城乡居民的医保和长期护理保险参保缴费，进一步盘活共济人沉淀的个账资金，减轻被共济人异地就医经济负担。 第一财经记者发现，在2300条评论中，网友反映比较多的是异地缴纳社保费方面面临的困难。网友在肯定医保钱包能够替老家父母等近亲属缴纳城乡居民医保费这一便民举措的同时，也期待尽快开通跨省“一键代缴”功能，免去老人小孩使用智能手机的困难。 在参保缴费方面，截至2026年10月22日，天津、江苏、江西、湖南、广东（部分城市）、海南、云南、兵团（部分师市）居民可用跨省共济来的医保钱包额度缴纳所在地参保费用，其他地区该功能将陆续在2026年11月开通。网友在评论区反映河北省已经开通了医保钱包缴费，河南省也调试系统，争取近日开通。 政策落地后，不少网友在评论区分享成功经验。有北京参保的网友表示，已成功为河北老家的孩子缴纳城乡居民医保费，流程是下载国家医保服务平台、添加亲情账户、开通医保钱包、添加共济对象、转账400元，再登录河北智慧医保小程序完成缴费。 对于暂未开通的地区，有网友在评论区“催更”，希望全国尽快实现跨省共济缴纳居民医保功能，最晚不要超过居民医保的缴纳截止时间。 很多网友在国家医保局官微的评论区反映缴费操作中的现实堵点。多位网友指出，家人没有智能手机、不在身边，添加“亲情账户”需要人脸识别，登录家人医保钱包又要求实名认证手机号，这些问题共同导致无法顺利完成缴费。 有网友称，既然是跨省共济，为何绑定时已提交双方身份证、户口本，仍需人脸验证，老人人脸验证非常不友好，因为不住在一起，绑定还得千里迢迢回老家办理。还有网友指出，老人多用副号，根本没有实名认证手机号，注册不了医保钱包。 国家医保局在《医保钱包跨省共济问答第二期》对于被共济人无法操作手机，如何通过医保钱包给异地老人孩子缴纳居民医保费用操作做了相关指引（以被共济人在湖南为例）。 如果老人孩子作为被共济人未注册“湘医保”，可由监护人或家属（共济人即使不在湖南参保，也可注册登录“湘医保”）登录“湘医保”进入到【我的】-【我的家庭成员】绑定家庭成员，家庭成员绑定成功后，在【我的家庭成员】中的医保钱包缴纳居民医保费完成缴费。 对此，有广东网友反映，小孩可以添加家庭成员，父母必须刷人脸认证才能在湘医保绑定。 浙江的网友表示，完善跨省不用父母验证，直接输入父母身份证号可以直接代缴医保就更方便了。多位网友呼吁，和父母不在同一个地方，共享给老人后还需要用老人的账户在当地医保系统操作，很麻烦，能直接操作就好了。 此外，有网友反映各省医保APP对跨省个账共济的支持程度不一。对此，国家医保局建议，由于各省医保APP主要服务于省内医保业务，跨省共济建议使用国家医保服务平台APP操作。 也有网友对现阶段的进展表示理解。有天津网友留言：“已经是进步了，由不能用到能用，以后可能会更好用。个人账户里面是基金，不是普通的钱，相关部门都有严格管理要求，安全和方便是个矛盾，也理解他们的难处吧。” 针对“老人和孩子没有手机如何使用医保钱包”这一问题，国家医保局在《医保钱包跨省共济问答第一期》中回答称，共济发起人只需在本人的医保钱包中输入老人或孩子的姓名及身份证号，即可进行跨省共济。老人或孩子的参保缴费标准按各省规定执行。因此个账医保钱包跨省共济无需老人和孩子拥有和使用手机。 国家医保局数据显示，截至2026年10月21日，全国支持医保钱包消费的定点医药机构已达16947家，其中定点医疗机构9344家，定点零售药店7603家，全国累计就医购药消费1681.06万元。

翻倍基从批量出圈到仅剩独苗，主动权益基金年末怎么打 “翻倍基”从年中近200只的盛况，到如今“独苗”撑场，不过短短三四个月。 Wind数据显示，截至10月25日，全市场仅余一只主动权益产品守住100.91%的年内收益。曾经耀眼的净值曲线大幅折返，上半年实现年内收益翻倍的199只产品，下半年的平均回撤超四成，部分年内回报从翻倍逼近归零，甚至转亏。 头部收益门槛显著下沉，前十名门槛从157%掉到59%，部分重仓军工、银行、医药、煤炭等方向的产品悄悄反超；同时，亏损阵营也悄然轮换，科技主题产品成为跌幅榜主力。资金也在同步撤退，不少曾经的“翻倍基”在三季度遭遇数亿甚至数十亿的净赎回。 当前，三季报进入集中披露期，市场从前期的题材博弈转向业绩验证，资金对盈利不及预期的标的进行再定价。在受访人士看来，随着市场恐慌情绪集中释放，前期获利盘及短期不稳定筹码或有望加速出清，市场进一步下行的动能或逐步减弱。 从批量出圈到仅剩独苗 震荡行情下，市场风格切换，主动权益基金的业绩正在经历一场严峻重考。上半年借着科技主线乘风走高、批量出圈的翻倍基金，在板块回调中快速回吐收益，曾经拥有近200位成员的翻倍阵营，如今近乎清零。 Wind数据显示，截至10月25日，目前全市场仅剩一只主动权益基金守住翻倍线，易方达供给改革混合（002910.OF）的年内收益率为100.91%，而这个成绩，在6月底只能排到第195位。起落之间，赛道押注的收益与风险，被行情摊开在投资者眼前。 回望上半年，AI、算力等科技主线走出一轮极强的结构性行情，重仓相关赛道的主动权益基金净值扶摇直上，翻倍产品接连涌现，赚钱效应吸引大量资金涌入。彼时市场的叙事很简单：押中高弹性赛道，就能快速跑赢。 行情拐点来得猝不及防。下半年以来，科技板块估值收缩、波动加剧，科创50、创业板指接连出现大幅回撤。Wind数据显示，7月1日至10月26日，这两大指数区间分别下跌40.42%、39.25%，前期亮眼的申万电子、通信板块同期双双跌超43%。 潮水退去，最先裸泳的是高仓位赛道基金。前期涨幅巨大的赛道基金净值一路回落。据第一财经统计，截至10月25日，上半年的199只主动权益“翻倍基”自7月1日以来平均跌幅达到42.36%，15只区间跌幅超过50%。 回撤的杀伤力，从个体案例看得更清楚。不少曾经站上翻倍门槛的热门基金，年内收益仅剩个位数，甚至由正转负，高光时刻转瞬成空。例如国联安科技创新的年内收益从上半年的104.47%降至-8.44%，融通产业趋势A、中欧信息科技A同样从翻倍转负。 此外，还有17只产品的年内回报降至10%之下。其中上半年拿下153.53%的东吴多策略A，如今的年内回报仅剩8.17%；安信洞见成长A的年内回报为0.18%，离“归零”也仅剩一步之遥。 强弱位次悄然调换 翻倍阵营大幅缩水的同时，业绩榜单的内部排序也在剧烈变动。整体而言，业绩前列者仍以科技类产品为主，但当下的前十席位，早已褪去上半年赛道竞速的浓烈气息。 Wind数据显示，截至10月25日，主动权益基金业绩第10名为华商领先企业，年内回报为59.15%；而在6月30日，上半年业绩前十的基金收益率全都站在157%以上，半程冠军方正富邦核心优势A更是高达183.67%。如今，该产品的年内收益已缩水至33.56%。 与科技基金集体回撤形成对照的是，一些上半年“存在感不强”的非科技产品，正靠低波动一点点缩小差距，甚至完成了反超。以重仓国防军工板块的工银新焦点A为例，该产品的年内回报从上半年的59.19%微增至59.98%，在主动权益阵营排名已蹿升至第9位。 先锋聚优A、大摩优悦安和A、万家宏观择时多策略A、招商医药健康产业等多只产品，年内回报均超过33.6%，不仅跻身前百名，也跑赢了曾经的“半程冠军”。这些产品的第一大重仓行业，大多落在国防军工、银行、医药生物、煤炭等此前相对低配的方向。 尾端格局切换更加明显。上半年业绩垫底的基金，大多集中在消费、医疗、周期等板块；而眼下亏损靠前的主动权益阵营，主角已经换成科技主题产品，国泰金鑫A、国泰成长优选、同泰慧择A的年内跌幅均超过55%。 赚钱效应的撤退，让不少投资者迅速撤离。最新披露的三季报数据显示，东方阿尔法科技智选A上半年狂揽159.27%的回报，基金合计规模一度飙至177.83亿元；而如今年内回报仅剩16.48%，三季度被净赎回17.63亿份，规模已不足70亿元，缩水超六成。 这并非个例。平安科技精选A的年内回报也从146.53%降至18.91%，同样在三季度被合计净赎回36.16亿份，使其规模从161.41亿元大减七成至43.82亿元。据统计，在目前披露了三季报的35只“翻倍基”中，基金规模单季度缩水四成以上的有15只。 年末主动权益怎么打 当下，A股市场在3700点附近震荡。10月26日，市场早盘震荡回落后小幅回升，三大指数涨跌不一。截至当日收盘，上证指数翻红微涨0.19%；但创业板指、深成指均跌超1%。市场量能呈现萎缩态势，全天成交额达1.62万亿元。 与此同时，市场当前正处于三季报披露高峰期，业绩表现成为判断后续行情的重要参考。在业内人士看来，随着三季报窗口深入，市场定价逻辑由“预期驱动”向“业绩验证”切换，预计后续市场转为宽幅震荡的格局。 “考虑到当前市场已定价较为悲观的预期，加之关键点位稳市力量的托底，市场进一步大幅下行空间有限。”招商基金投研人士告诉第一财经，科技短期持续下跌，原因主要是三季报验证窗口、海外AI资本开支预期松动以及前期科技筹码拥挤三因素共振。 “筹码压力逐步消化后，市场有望逐步企稳。”该人士表示，AI产业逻辑并未被破坏，但后续需要结合三季报订单和盈利验证，区分“情绪杀跌”与“基本面下修”，建议短期重点关注A股两融余额变化及算力龙头能否止跌。 金鹰基金权益研究部宏观策略研究员金达莱对第一财经表示，短期会更重视盈利确定性与防御属性。她提醒，海外AI融资与回报分歧仍在，短期仍需消化估值与筹码分歧，选股应更加重视订单兑现、现金回款及客户资本开支的可持续性。 站在当前时点，长城基金高级宏观策略研究员汪立判断，当前市场具备短线企稳特征，预计短期内仍有震荡。在他看来，监管层或持续发力稳定市场预期，不至于走出太强的负反馈特征，短期来看大盘不存在过低的预期。 “科技板块的筹码仍然不佳，在海内外共振的背景下，科技板块调整周期可能会久于市场预期。此外，宏观经济虽然企稳，顺周期板块的上涨契机可能尚未出现。”汪立对第一财经分析称。 基于此，他认为，当前市场暂缺大级别的增长叙事，市场化增量资金入市趋于观望甚至停滞，但政策性增量资金仍有望加配，对指数形成一定支撑，建议重点关注资金流入的方向。

从发电到取暖、供汽，核能“重器”如何实现“多点开花”？ 核能长久以来留给大众的印象，是专司发电的“大国重器”。如今，这一局面正发生改变。 随着北方核能供暖持续迭代、南方工业供汽项目渐次落地，我国核能不再局限于发电的单一标签，而是转向供暖、工业供汽，乃至海水淡化、制氢等多场景梯级利用，通过充分挖掘发电过程中原本白白耗散的余热余汽，让一份核燃料产生多重效益。伴随能源转型深入推进，核能综合利用正告别示范试点，向商业化、规模化新阶段加速迈进，成为服务高质量发展的战略支撑力量。 “暖核一号”：北方核能供暖的现实样本 又一个供暖季临近，山东海阳核电厂区内，技术人员正紧锣密鼓开展设备巡检与系统调试，为“暖核一号”第八个供暖周期做好准备。 核电站的本质是用核裂变产生的巨大热量“烧开水”。核岛一回路水携带热量，经蒸汽发生器把热量传递给二回路，二回路水汽化生成蒸汽推动汽轮机组发电。核能供热，则是从高压缸做功后的蒸汽中抽取部分低品质蒸汽，经过多级换热实现能量转移，全程只传递热量，介质不发生交换。 山东核电是海阳核电的运营主体，“暖核一号”核能供热项目，正是依托海阳核电已商运的1、2号机组建设实施。这两台机组是我国三代核电自主化依托项目，采用第三代非能动压水堆技术，相继于2018年、2019年商运，是世界首个发电量突破千亿度的三代核电项目，也是我国首个核能综合利用项目。厂址规划建设6台百万千瓦级机组，全部投运后年发电量可达609亿千瓦时，按2025年全国城乡居民生活用电量测算，约可满足山东省一半居民全年用电需求。 图为山东海阳核电机组全景 受访者供图 下同 图为暖核一号 在“推进北方地区冬季清洁取暖”指示精神下，山东核电率先开展大型压水堆热电联产研究实践，打造出国内首个核能供热商用示范工程“暖核一号”。项目实现从园区级、县域级到跨地级市供热的突破，为海阳、乳山40万居民，1350万平方米建筑提供零碳采暖，为北方清洁取暖输出可复制的“山东方案”。 此后，国内核能供暖的实践版图持续扩大。2022年11月，辽宁红沿河建成投运东北地区首个核能供暖项目；2023年底，秦山核电落地投运国内南方首个核能供暖示范工程。 面对公众最关心的核能供热安全问题，山东核电方面表示，核能供热原理类似自热小火锅，热源水与用户侧热水物理隔开。整套系统设置多级回路，且用户侧回路压力高于热源侧，回路破口等极端情况下，介质只会向热源侧回流。核电厂通过多重隔离向居民供暖，厂内各供热回路还配备了高灵敏度辐射监测仪表，全天候监测回路的放射水平。 当前，山东核电还在同步推进二期工程核能供热项目。预计2027年，随着海阳核电3、4号机组投运，届时“暖核一号”将升级拓展暖“核”青岛，搭建起胶东半岛跨区域零碳供热网。项目远期供热能力有望达到2亿平方米。 “和气一号”：叩开工业蒸汽脱碳大门 如果说核能供热打通了民生取暖的零碳路径，那么工业供汽，则代表核能综合利用迈向高耗能产业主战场。国内首个工业用途核能供汽项目，位于江苏连云港的中核集团田湾核电基地投产的“和气一号”就是典例。 图为江苏田湾核电机组全景 图为和气一号 在八台巍然屹立的核电机组中，一条总长超过23公里的蒸汽输送管线，源源不断将清洁蒸汽送往连云港徐圩石化工业园区。该项目于2024年6月建成投产，利用田湾核电站3、4号机组的二回路主蒸汽，经蒸汽换热设备加热、生产清洁的工业蒸汽，每年输出工业蒸汽480万吨，可替代大量燃煤锅炉消耗，为石化基地提供稳定的零碳热源，每年能节省碳排放指标70万吨。 长距离传输、安全隔离、换热技术、系统集成是这一工业供汽项目要攻克的四大难题。248℃的高温蒸汽要输送二十余公里，并要求每公里温降小于1.75℃，远超常规8公里以内的工业蒸汽输送标准。因此，“和气一号”创新采用7层复合保温结构，利用纳米气凝胶、微孔硅酸钙瓦等材料组合管道预制架空设计，全线工厂预制成型、现场装配，最大限度减少热损耗。 安全层面，“和气一号”实现一、二回路与工业蒸汽回路三重物理隔离，做到仅有热量交换，没有物质接触。同时布设多重辐射监测点，配套5秒快速隔离阀，一旦出现异常可立刻切断蒸汽供给，严防放射性介质外泄风险。 “和气一号”投产，标志着我国核能综合利用从单一发电、居民供暖，正式跨入工业供汽赛道，开创“核能+石化”产业耦合新模式，是核电行业向“综合能源服务商”转型的分水岭。在该项目验证技术可行性与安全性之后，2024年8月核准的江苏徐圩核能供热发电厂一期工程项目，将以主业形式向连云港石化产业基地大规模供应高品质工业蒸汽。 这一创新实践，也与国家层面降碳政策导向同频共振。国务院印发的《2024—2025年节能降碳行动方案》明确提出，鼓励大型石化化工园区探索利用核能供汽供热。作为国家发改委首批“绿色低碳先进技术示范项目”，“和气一号”为高耗能产业低碳转型升级提供了可复制推广的方案。 核能综合利用释放多重价值 行业人士认为，核能综合利用不只是一项能源转型技术选择，更是服务高质量发展的战略支撑。 2024年10月印发的《核技术应用产业高质量发展三年行动方案（2024—2026年）》明确提出，到2026年力争核技术应用产业年直接经济产值达4000亿元，为传统产业转型升级注入强劲动能；今年6月发布的《新型能源体系建设“十五五”规划》提出，因地制宜推进核能综合利用，推进核电与石化行业耦合发展试点。 政策目标下，供暖、供汽等核能综合利用赛道迎来广阔市场空间，兼具生态、能源安全、民生经济多重效益。 绿色低碳成效已体现在项目实际运行数据中。“暖核一号”前七个供暖季累计供热1973万吉焦，相当于节约原煤约178万吨，减排325万吨二氧化碳、2.1万吨二氧化硫，有效改善当地冬季空气质量，海阳核电周边2℃海洋温升面积也较供热前缩减了41公顷。“和气一号”每年实现二氧化碳减排107万吨，等效于2900公顷森林的固碳能力，每年为石化基地节省70万吨碳排放指标。 在能源利用效率与民生经济层面，核能综合利用同样亮点突出。据山东核电相关负责人介绍，“暖核一号”实现了“居民用暖价格不增加、政府财政负担不增长、热力公司利益不受损、核电企业经营作贡献、生态环保效益大提升”的多方共赢效果。核能取暖后，海阳市居民取暖费从每平方米22元降至21元。 工业场景中，核能供汽也实现了能源利用率的大幅跃升。江苏核电党委委员杨富堂告诉第一财经，核能供汽最大优势是抽取二回路的蒸汽直接作为工业供汽热源，常规核电机组发电工况热效率约35%，转向工业供汽后热源蒸汽热效率可达70%以上。也就是说，3000兆瓦热功率，用于发电只能转化约1000兆瓦电功率，转为工业蒸汽则可以输出约2100兆瓦，机组整体能源利用率大幅提升。 中国核动力研究设计院副院长闫晓分析称，比如徐圩核能供热发电厂，依托高温气冷堆与第三代核电技术“华龙一号”耦合，通过再加热器将华龙一号主蒸汽参数提升到300℃以上。这不仅能助力化工行业深度脱碳，在国际碳关税背景下，还有助于提升我国化工产品的出口竞争力。 当前，核能综合利用的边界还在持续拓宽。除了供暖、工业供汽外，海水淡化等示范工程相继落地。例如，山东核电正持续拓展核能耦合多能产业的新场景，在建成投运世界首个“水热同传”示范工程基础上，建成“水热同产同传”试验工程，首次实现将海水直接变成高温高品质淡水，在供热的同时制水，努力打造胶东半岛重大清洁能源生产基地、战略储备水源基地。

救市场不救机构！债市互换便利落地，股、债稳市机制成型 债市非银大额赎回流动性支持工具落地。10月26日，央行公告称，为维护债券市场稳定，中国人民银行决定设立债市非银大额赎回互换便利（BNSF）。 具体而言，在资管机构面临群体性流动性风险、债券市场出现系统性压力的特定情景下，支持具有系统性影响的银行理财子公司、公募基金管理人（或对应母行、证券母公司等），从中国人民银行借入央行票据用于市场回购融资，以购买本公司（或资管子公司）遭赎回公募产品的符合条件的债券或产品份额，并向中国人民银行抵押。 市场权威专家对第一财经表示，该互换便利工具是完善非银应急的流动性安排，目的是防范债市集中赎回引发风险。未来将与股市互换便利一起，构建股市加债市的稳市机制。 需注意的是，央行特别提出，参与机构应持续满足金融市场审慎管理要求，维护市场纪律。上述权威专家分析，工具设计的机制是救市场而非救机构，特别是因自身经营不审慎而出问题的机构不会在救助行列。工具设立了较好的机制，未来在实施过程中，相关交易将严格遵守公允定价、风险隔离等原则，机构过度投机行为产生的损失不会转交其他主体承担。 聚焦极端情景 随着金融市场发展，银行理财、公募基金等资管机构在居民财富管理和社会融资中的作用持续增强。截至2025年末，银行理财产品存续规模达到33万亿元，公募基金资产净值达到38万亿元。 资管机构已成为债券市场的重要参与力量，其流动性状况与市场交易、资产定价的联系更加紧密，与市场机构的关联性、风险传染性也不断上升。 上述市场权威专家对第一财经表示，过去，中央银行对银行的流动性管理工具较为完备，包括各期限逆回购、中期借贷便利、常备借贷便利、再贷款再贴现等；对非银的流动性支持也有案例和经验，但支持机制总体还处于探索阶段。 正常市场情况下，资管产品赎回通常可以通过现金储备、资产到期回款和正常市场交易予以应对。但当多家机构同时面临较大赎回压力时，集中出售债券可能带低市场价格，进一步影响产品净值和投资者预期，形成赎回与抛售相互强化的循环。2022年底的理财“赎回潮”便是典型案例。 这意味着，在当前金融结构变化的背景下，完善面向非银机构的应急流动性支持机制，可进一步提高中央银行维护金融稳定的能力。 市场权威专家表示，此次工具设立的目的是在债市出现大幅波动时，阻断赎回、抛售循环，守住不发生系统性风险的底线。工具是在特定情景下使用，不是日常流动性供应，仅限于债市出现大幅波动、资管机构出现群体性流动性风险的极端情形。在市场承压、正常融资和交易功能受到明显影响时，工具可以提供相应支持，为机构有序调整资产、市场恢复正常运行争取时间。 该专家指出，对于一般情况下，因机构自身信用状况恶化、信用债违约等产生信用风险，仍按照市场化、法治化原则妥善处理，与工具应对流动性风险的功能定位有所区别。这样的安排将日常管理与应急保障有效衔接，有助于稳定市场预期，同时保留市场主体主动管理流动性风险的动力。 沿用互换支持方式 本次工具借鉴2024年证券、基金、保险公司互换便利的成熟实践，沿用互换支持方式，构建股市加债市的稳市机制。 2024年10月，人民银行创设了两项支持资本市场工具，其中的证券、基金、保险公司互换便利，通过资产互换增强机构融资和增持股票能力，有力提振了市场信心，初步建立了增强资本市场内在稳定平衡机制。 市场权威专家认为，大额赎回流动性支持工具借鉴相关实践，支持资管类非银机构从人民银行借入央行票据，在市场上融资后再认购遭遇大额赎回产品的合格资产，从而打破赎回到被动抛售的负面循环。这样的安排符合《人民银行法》关于央行不能直接对非银机构发放贷款的要求，又通过合适方式，有效实现了对非银机构的紧急流动性支持，与股市互换便利一起，构建了覆盖股市和债市的非银应急流动性支持机制。 在市场分析看来，依托两项互换工具，央行构建了覆盖股市和债市的非银应急流动性支持机制，补齐了非银机构应急流动性制度短板，把宏观审慎管理延伸至整个资管市场。 市场化原则依然贯穿其中 值得注意的是，本次制度设计始终把市场化原则贯穿全流程，坚持机构自救为先，权责利对等。 央行与相关参与机构之间是借贷的债权债务关系。机构法人提供合格债券等作押品，并实际承担损益，会综合考虑自身资产状况、融资成本和到期偿付能力，将工具使用纳入整体风险管理。 权威专家指出，机构法人作为理财、基金产品的管理人（或对应母行、母公司），在紧急情况下购入产品为其提供流动性，类似于管理人跟投行为，可将公司与产品投资者利益绑定，也代表了公司对产品当时资产价值的认可，有助于有效遏制抛售、赎回自我强化。 此次工具的操作对象还包括资管公司的母行和母公司，专家认为主要与这些母行和母公司的资金实力更雄厚、抵御风险能力更强有关，2022年理财“赎回潮”时期也曾有母行对其理财公司提供支持的情况。 市场人士指出，相关机构购买自身产品还将坚持公允定价，产品净值仍会对投资风险有真实反映，这不属于针对具体产品的刚性兑付，有助于继续巩固资管行业净值化转型和打破刚性兑付的改革成果。 央行在公告中表示，参与机构需要持续满足金融市场审慎管理要求。 市场专家认为，相关审慎管理要求并非一次性的准入门槛，而是贯穿于工具使用全过程的持续性约束。有意愿参与的机构在平时就要体现稳健经营，获得工具支持后也需要继续保持经营稳健，确保审慎监管指标符合规定。具体的指标可以包括杠杆率、久期等一系列要求。 国际经验在这方面也体现了类似思路。英国央行的非银机构应急回购便利要求参与者接受相应监管或取得许可，持续满足财务稳健型标准，并明确工具定价兼顾正常时期的市场约束和压力时期的使用需要。 市场人士分析，工具设计的机制是救市场而非救机构，特别是因自身经营不审慎而出问题的机构不会在救助行列。如果机构存在不审慎经营行为，在紧急情况出现时，这类非审慎机构甚至是没有资格参与工具的。在市场稳定的同时，这些个别机构依然会付出代价，以有效防范倒逼行为和道德风险。总的来看，工具在及时缓解流动性冲击的同时，强调要维护市场纪律，避免市场产生兜底幻觉，过度激进投机的“坏孩子”不可能得到救助，这有利于更好支持债市稳健良性运行。

Anthropic发招股书 上半年收入同比增长1300%但净亏损807亿美元 年第二季度，收入同比增长1368%，同期算力和基础设施支出增长300% 当地时间2026年10月14日，美国加利福尼亚州旧金山，一名与会者进入Anthropic总部。图：视觉中国 　　【财新网】Anthropic向上市更进一步。当地时间10月26日，美国AI模型公司Anthropic向美国证券交易委员会（SEC）正式递交招股书。 　　招股书显示，Anthropic2023年、2024年和2025年的收入分别为4100万美元、3.86亿美元和46亿美元，2024年和2025年分别同比增长841%和1088%。2026年上半年，收入163亿美元，同比增长1300%。 　　Anthropic持续大幅亏损，2023年、2024年和2025年的净亏损分别为15亿美元、83亿美元和420亿美元，2026年上半年的净亏损为807亿美元。Anthropic表示，未来可能无法实现盈利，也可能无法维持盈利。

2026年1—9月份全国规模以上工业企业利润增长15.5% 1—9月份，全国规模以上工业企业实现利润总额60337.4亿元，同比增长15.5%（按可比口径计算，详见附注二）。   　　1—9月份，规模以上工业企业中，国有控股企业实现利润总额19395.5亿元，同比增长13.1%；股份制企业实现利润总额46727.6亿元，增长20.8%；外商及港澳台投资企业实现利润总额13371.4亿元，增长0.5%；私营企业实现利润总额15091.3亿元，增长8.7%。   　　1—9月份，采矿业实现利润总额8813.7亿元，同比增长38.2%；制造业实现利润总额45738.0亿元，增长17.0%；电力、热力、燃气及水生产和供应业实现利润总额5785.6亿元，下降14.3%。   　　1—9月份，主要行业利润情况如下：计算机、通信和其他电子设备制造业利润同比增长103.8%，有色金属冶炼和压延加工业增长79.7%，煤炭开采和洗选业增长57.0%，化学原料和化学制品制造业增长49.2%，石油和天然气开采业增长21.3%，纺织业增长7.2%，通用设备制造业增长1.9%，专用设备制造业下降1.3%，电气机械和器材制造业下降5.9%，农副食品加工业下降17.3%，电力、热力生产和供应业下降17.9%，汽车制造业下降22.8%，非金属矿物制品业下降46.9%，黑色金属冶炼和压延加工业下降73.3%，石油、煤炭及其他燃料加工业由亏转盈。   　　1—9月份，规模以上工业企业实现营业收入106.21万亿元，同比增长6.6%；发生营业成本90.30万亿元，增长6.1%；营业收入利润率为5.68%，同比提高0.44个百分点。   　　9月末，规模以上工业企业资产总计199.10万亿元，同比增长6.7%；负债合计116.61万亿元，增长7.4%；所有者权益合计82.49万亿元，增长5.6%；资产负债率为58.6%，同比上升0.4个百分点。   　　9月末，规模以上工业企业应收账款29.77万亿元，同比增长10.0%；产成品存货7.37万亿元，增长11.6%。   　　1—9月份，规模以上工业企业每百元营业收入中的成本为85.02元，同比减少0.45元；每百元营业收入中的费用为8.35元，同比减少0.13元。   　　9月末，规模以上工业企业每百元资产实现的营业收入为73.1元，同比增加0.4元；人均营业收入为194.6万元，同比增加12.7万元；产成品存货周转天数为21.0天，同比增加0.6天；应收账款平均回收期为71.6天，同比增加1.3天。   　　9月份，规模以上工业企业利润同比增长14.4%。         表1　2026年1-9月份规模以上工业企业主要财务指标   分　组 营业收入 营业成本 利润总额 金额 （亿元） 同比增长 （%） 金额 （亿元） 同比增长 （%） 金额 （亿元） 同比增长 （%） 总计 1062066.0 6.6 902965.5 6.1 60337.4 15.5 其中：采矿业 41602.0 9.6 26753.9 2.2 8813.7 38.2 　　　制造业 924564.6 7.1 789866.1 6.6 45738.0 17.0 　　　电力、热力、燃气及水生产和供应业 95899.4 0.9 86345.5 2.3 5785.6 -14.3 其中：国有控股企业 293126.8 5.4 245849.8 4.9 19395.5 13.1 其中：股份制企业 862833.7 7.4 735974.5 6.7 46727.6 20.8 　　　外商及港澳台投资企业 194933.0 3.8 163371.4 3.8 13371.4 0.5 其中：私营企业 366446.8 4.7 315452.2 4.4 15091.3 8.7 注： 1.经济类型分组之间存在交叉，故各经济类型企业数据之和大于总计。 2.本表部分指标存在总计不等于分项之和情况，是数据四舍五入所致，未作机械调整。   　　点击下载：相关数据表   表2　2026年1-9月份规模以上工业企业经济效益指标   分　组 营业收入 利润率 每百元营业 收入中的 成本 每百元营业 收入中的 费用 每百元资产 实现的 营业收入 人均营业 收入 资产负债率 产成品 存货 周转天数 应收账款 平均回收期 1-9月 1-9月 1-9月 9月末 9月末 9月末 9月末 9月末 （%） （元） （元） （元） （万元/人） （%） （天） （天） 总计 5.68 85.02 8.35 73.1 194.6 58.6 21.0 71.6 其中：采矿业 21.19 64.31 9.53 37.0 145.7 56.9 15.6 53.7 　　　制造业 4.95 85.43 8.64 85.8 187.8 58.3 23.4 73.5 　　　电力、热力、燃气及水生产和供应业 6.03 90.04 5.08 36.5 384.6 60.5 1.2 60.8 其中：国有控股企业 6.62 83.87 5.91 54.3 332.1 57.9 12.5 55.6 其中：股份制企业 5.42 85.30 8.12 71.7 193.8 59.6 21.3 69.3 　　　外商及港澳台投资企业 6.86 83.81 9.37 79.8 201.9 53.5 19.7 81.8 其中：私营企业 4.12 86.08 9.83 90.9 141.1 60.0 26.6 75.7   表3　2026年1-9月份规模以上工业企业主要财务指标（分行业）   行　业 营业收入 营业成本 利润总额 金额 同比增长 金额 同比增长 金额 同比增长 （亿元） （%） （亿元） （%） （亿元） （%） 总计 1062066.0 6.6 902965.5 6.1 60337.4 15.5 　煤炭开采和洗选业 21028.1 11.9 14296.6 4.8 3530.4 57.0 　石油和天然气开采业 9914.8 15.1 5214.5 8.9 3116.2 21.3 　黑色金属矿采选业 3161.2 -7.8 2507.3 -8.3 351.8 -3.6 　有色金属矿采选业 3893.8 28.0 1829.5 5.7 1566.2 68.0 　非金属矿采选业 2073.6 -14.8 1486.9 -14.4 205.2 -14.0 　开采专业及辅助性活动 1528.6 -7.8 1417.7 -7.2 43.7 64.9 　其他采矿业 2.0 -9.1 1.4 -12.5 0.2 0.0 　农副食品加工业 38370.3 2.4 35685.6 2.7 687.2 -17.3 　食品制造业 16430.8 3.8 12955.6 4.0 1223.3 -0.5 　酒、饮料和精制茶制造业 10180.8 -7.4 6739.7 -6.1 2038.8 -14.3 　烟草制品业 12086.9 2.4 3414.5 1.2 1618.1 2.4 　纺织业 16010.4 1.7 14253.1 1.4 428.3 7.2 　纺织服装、服饰业 7300.6 -4.2 6174.1 -5.0 219.5 -15.6 　皮革、毛皮、羽毛及其制品和制鞋业 4677.6 -7.9 4040.5 -8.0 210.5 -13.3 　木材加工和木、竹、藤、棕、草制品业 4627.0 -14.3 4252.4 -14.0 68.6 -41.6 　家具制造业 3858.8 -8.9 3203.9 -8.2 87.0 -51.3 　造纸和纸制品业 10464.7 4.6 9240.3 4.5 280.1 15.3 　印刷和记录媒介复制业 4532.9 0.6 3784.3 1.0 182.2 -16.5 　文教、工美、体育和娱乐用品制造业 8739.4 -10.6 7635.7 -11.7 251.2 -21.3 　石油、煤炭及其他燃料加工业 40813.2 6.1 34053.6 3.8 842.2 （注1） 　化学原料和化学制品制造业 70777.1 9.4 60654.0 7.9 3977.6 49.2 　医药制造业 17416.9 -0.2 10001.8 0.5 2546.5 4.4 　化学纤维制造业 7890.0 3.2 7123.4 0.7 326.8 81.7 　橡胶和塑料制品业 23029.6 2.8 19480.6 2.7 1033.9 -7.5 　非金属矿物制品业 29084.1 -9.7 24995.0 -9.3 507.0 -46.9 　黑色金属冶炼和压延加工业 55545.8 -1.5 53018.2 -0.6 243.4 -73.3 　有色金属冶炼和压延加工业 82026.8 17.5 75707.7 15.3 4425.5 79.7 　金属制品业 35238.5 4.3 31344.2 4.5 994.5 -9.6 　通用设备制造业 39021.6 5.8 31645.8 5.7 2578.0 1.9 　专用设备制造业 29193.9 6.9 22693.0 7.1 1950.2 -1.3 　汽车制造业 80435.2 2.6 71626.8 3.8 2675.4 -22.8 　铁路、船舶、航空航天和其他运输设备制造业 14069.5 11.7 11638.9 11.5 1117.3 10.0 　电气机械和器材制造业 92587.3 11.3 80418.2 12.2 4188.6 -5.9 　计算机、通信和其他电子设备制造业 149208.3 21.0 126401.9 17.6 9851.9 103.8 　仪器仪表制造业 8390.2 7.4 6209.3 7.3 746.4 -1.1 　其他制造业 1544.0 0.3 1258.2 -0.9 82.0 -2.4 　废弃资源综合利用业 8813.1 1.8 8334.6 0.5 199.3 63.1 　金属制品、机械和设备修理业 2199.2 10.9 1881.1 11.7 156.9 20.6 　电力、热力生产和供应业 75351.4 0.3 67891.3 2.0 4773.0 -17.9 　燃气生产和供应业 17081.7 4.1 15954.7 4.0 691.0 13.8 　水的生产和供应业 3466.3 -0.5 2499.6 0.0 321.6 -2.9 注： 1.石油、煤炭及其他燃料加工业上年同期为亏损，无法计算同比增速。 2.本表部分指标存在总计不等于分项之和情况，是数据四舍五入所致，未作机械调整。   　　附注   　　一、指标解释及相关说明   　　1.利润总额：指企业在生产经营过程中各种收入扣除各种耗费后的盈余，反映企业在报告期内实现的盈亏总额。   　　2.营业收入：指企业从事销售商品、提供劳务和让渡资产使用权等生产经营活动形成的经济利益流入。包括主营业务收入和其他业务收入。   　　3.营业成本：指企业从事销售商品、提供劳务和让渡资产使用权等生产经营活动发生的实际成本。包括主营业务成本和其他业务成本。营业成本应当与营业收入进行配比。   　　4.资产总计：指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。   　　5.负债合计：指企业过去的交易或者事项形成的、预期会导致经济利益流出企业的现时义务。   　　6.所有者权益合计：指企业资产扣除负债后由所有者享有的剩余权益。   　　7.应收账款：指资产负债表日以摊余成本计量的，企业因销售商品、提供服务等经营活动应收取的款项。   　　8.产成品存货：指企业已经完成全部生产过程并验收入库，可以按照合同规定的条件送交订货单位，或者可以作为商品对外销售的产品；以及外购或委托加工完成验收入库用于销售的各种商品。   　　9.营业收入利润率=利润总额÷营业收入×100%，单位：%。   　　10.每百元营业收入中的成本=营业成本÷营业收入×100，单位：元。   　　11.每百元营业收入中的费用=（销售费用+管理费用+研发费用+财务费用）÷营业收入×100，单位：元。   　　12.每百元资产实现的营业收入=营业收入÷平均资产÷累计月数×12×100，单位：元。   　　13.人均营业收入=营业收入÷平均用工人数÷累计月数×12，单位：万元/人。   　　14.资产负债率=负债合计÷资产总计×100%，单位：%。   　　15.产成品存货周转天数=360×平均产成品存货÷营业成本×累计月数÷12，单位：天。   　　16.应收账款平均回收期=360×平均应收账款÷营业收入×累计月数÷12，单位：天。   　　17.在各表的利润总额同比增长栏中，标“注”的表示上年同期利润总额为负数（即亏损）或为0.0亿元；数值为正数的表明利润同比增长；数值在0至-100%之间（不含0）的表明利润同比下降；下降幅度超过100%的表明由上年同期盈利转为本期亏损；数值为0的表明利润与上年持平。   　　二、规模以上工业企业利润总额、营业收入等指标的增速均按可比口径计算。报告期数据与上年所公布的同指标数据之间有不可比因素，不能直接相比计算增速。其主要原因是：（一）根据统计制度，每年定期对规模以上工业企业调查范围进行调整。每年有部分企业达到规模标准纳入调查范围，也有部分企业因规模变小而退出调查范围，还有新建投产企业、破产、注（吊）销企业等变化。（二）加强统计执法，对统计执法检查中发现的不符合规模以上工业统计要求的企业进行了清理，对相关基数依规进行了修正。（三）加强数据质量管理，剔除跨地区、跨行业重复统计数据。   　　三、统计范围   　　规模以上工业企业，即年主营业务收入为2000万元及以上的工业法人单位。   　　四、调查方法   　　规模以上工业企业财务状况报表按月进行全面调查（1月份数据免报）。   　　五、行业分类标准   　　执行国民经济行业分类标准（GB/T 4754-2017）。 附件： 相关数据表

今日开盘：沪指报3698.44点 涨幅0.02% 沪指开盘报3698.44点；深成指报11591.36点 财新网10月27日电: 沪指开盘报3698.44点，涨幅0.02%。 深成指报11591.36点，涨幅0.49%；创业板指报2661.71点，涨幅0.89%；中小板指报7289.33点，涨幅0.47%。 盘面上，电子领涨，通信、建筑材料、环保、有色金属、基础化工等板块涨幅居前，煤炭领跌，石油石化、银行、家用电器、非银金融、传媒等走弱。 消息面上，Anthropic向美国证监会提交S-1注册文件，拟在纳斯达克以“ANT”为代码上市；苹果折叠屏发售后硬件、生态问题不断，电商平台两天后破价；新能源车没出险也涨保费；美官员透露称美军已准备好再次大规模打击伊朗；央行设立债市非银大额赎回互换便利；SpaceX已完成400亿美元债务融资，资金将用于采购GPU；宇树科技七日狂飙65%触发异动，公司提示风险。

T早报｜苹果折叠屏发售后硬件及生态问题不断；光模块公司“易中天”持续下跌 推荐：宇树科技股价七日涨65%触发异动；苹果发布新一代iPad mini；OpenAI新模型GPT-6.1 Terra正向用户逐步推出 2026年10月25日，上海，顾客在南京路步行街苹果专卖店选购新手机iPhone duo。图：视觉中国 　　【财新网】 　　苹果折叠屏发售后硬件、生态问题不断 电商平台两天后破价 　　苹果（NASDAQ: AAPL）首款折叠屏手机iPhone Duo开局不利。iPhone Duo于10月23日正式发售后，有不少新机用户反映遇到铰链开裂的问题；同时，多款手机应用被发现尚未适配iPhone Duo。而在10月25日起，电商平台拼多多就有价格低于首发价的iPhone Duo出售。在社交媒体上，有用户称新机遇到铰链开裂的问题。此外，多张iPhone Duo铰链断裂导致屏幕出现裂痕的照片在手机正式发售后流传。海外用户也反馈了同样的问题，已有纽约邮报、9to5Mac等海外媒体发布有关报道。

聚焦｜算法铁笼与社会奇点 科学家正越来越依赖黑箱AI工具，但缺乏对这些工具内在偏见和知识边界的制度化反思，很容易滑向一种幻觉：以为只要让智能体自由探索，就能避免人类偏见，但实际可能只是把偏见嵌进了工具层再不自觉地扩散 当下AI语境下的智能体，更多是将其当成代理人，而能递归进化的智能体，虽然一定程度上具备了主动去完成任务的能力，更多的仍然是代理人。图：视觉中国 　　当前AI中，最接近AGI的莫过于RSI（Recursive self improvement agent 递归自进化智能体），然而RSI真的意味着技术奇点吗？本文指出RSI不等同于开放演化，而对AGI的担心，更多的来自社会奇点而非技术奇点，即由技术奇点即将到来的预期所引发的社会不连续性。 从词源学分析RSI agent 　　在一个技术日新月异的时代，厘清词义，能避免词汇携带的旧语义误导我们对新技术的理解。根据牛津词典， Recursive（递归）源自晚期拉丁语 recursivus，由 re-（向后/重新）与 currere（奔跑）组成，意为“跑回原处”。Self源自古英语 self / seolf，指代同一性与主体性。Improvement源自盎格鲁-诺曼语 emprouwer（to turn to profit，转化为利润/收益），后演变为对土地的“开垦与圈地（Enclosure）”

财新闻｜奥迪四环和“Audi”，正式“分家” 中国拟新增34家领航级智能工厂；巴西股市六年多来首次触发熔断机制；33岁拜仁前锋哈里·凯恩荣膺2026年金球奖；100万美元，特朗普重金悬赏选举舞弊线索；六大奢侈品集团，市值合计蒸发近2万亿元 当地时间2026年7月30日，一辆奥迪车辆上的奥迪标志。图：视觉中国 4070元的冰柜被“仅退款”，买家称已销毁，卖家从山东跑到上海维权，发现冰柜正插着电使用却无法取回：准备提起诉讼 据江苏新闻报道，山东滨州商家秦先生，售出的两台总价4070元冰柜被平台仅退款后，买家在沟通中称冰柜已就地销毁，但秦先生跨省赶到上海买家门店外时，发现冰柜正插着电在后厨正常使用，报警后警方确认冰柜在使用，但因买家不在场无法现场强制取回。

美国AI资本开支：“拐点”临近？ 各情景均指向美国AI投资增速的高点或在2026年四季度，相较市场一致预期晚一个季度，而2027年进入增速回落期是大概率事件 当地时间2026年10月21日，美国新泽西州凯尼尔沃思，正在建设中的人工智能数据中心。图：视觉中国 　　在此轮AI革命中，市场普遍依赖“市场一致预期”判断AI资本开支前景，对于如何预测资本开支讨论不足。我们提出一套针对AI资本开支的跟踪、预测方法论。 AI资本开支：谁在花钱 　　AI产业链已经发展成为一个多层次、相互依赖的生态系统。根据黄仁勋（英伟达）拆分，AI产业链可划分为能源、芯片、基础设施、模型、应用五个层级。AI产业链五层之间呈现层层咬合的闭环关系。超大规模云厂商（基础设施层）的资本开支主要流向芯片层，转化为收入（如英伟达）；芯片层向基础设施层供货，后者再以长期合同向模型层出租算力；模型层的能力交由应用层变现，后者决定本轮AI资本开支能否形成商业闭环；能源层则为整个链条托底，与基础设施层的连接依靠长期购电协议（PPA）完成。资本开支在AI产业链中处于“中枢”地位，云厂商资本开支既形成对上游芯片、服务器等设备的需求，也为下游模型训练和应用落地提供算力支撑。 　　推荐进入财新数据库，可随时查阅宏观经济、股票债券、公司人物，财经数据尽在掌握。

最新财新周刊｜“长聘”不稳了 当长聘制度从身份保障走向动态管理，高校教师评价体系正在经历怎样的转向？ 近期，同济大学通知实行全员聘期考核，引发学术圈热议。 　　文｜财新周刊 罗浥萌（实习），范俏佳 徐路易 　　同济大学通知实行全员聘期考核，引发学术圈热议。根据校方原计划，“十一”长假过后，学校就要组织各单位对申报人的材料开展互审和校级审核，11月2日起便将需复议的考核续聘结果由专班审核后反馈给相关单位，12月上旬由高评委审定后公示结果。 　　不过，同济大学人事处在官网发布的方案文件已经不再公开展示。这份《关于开展2026年度全校专业技术职务评聘及考核续聘工作的通知》（下称“通知”）明确，学校对专业技术职务实行聘期考核管理，不再签订长期聘任协议。所有教师被纳入周期性动态考核体系，包括文件发布前已获长聘身份的人员，以及早年入校、拥有事业编制的群体。通知发布后，立刻引发广泛关注。

自杀事件发生前后，社会如何伸出援手？｜热议 针对自杀问题的预防与支持制度涉及对在日常生活中遇到困难的人的关怀，也涉及自杀危机出现之后的持续照护，以及自杀事件发生后对周围人的帮助 　　【财新网】10月12日晚，广西大学一名学生被发现在宿舍楼下死亡。校方17日通报称警方初步认定其为高坠死亡、排除刑事案件，但未说明事件的具体原因。 　　一个月前，2026年9月，南方医科大学也曾发生一起学生高坠身亡事件。对此，公众试图从家庭处境、求学经历和师生关系中寻找解释，“家中出现变故，导师只批假三天”的说法在网上迅速传播，一度引发舆论热议和网络暴力。随后，学生家属表示“父母双亲进ICU”“导师不批假”“导师只给三天假期”“导师压榨、贬低陈同学”等均为谣言，并呼吁停止造谣，避免给家人与老师带来进一步伤害。（详见财新网《南方医科大学一8年制本博连读学生坠亡》《火线评论｜大学生坠亡，许多人为何相信“老师仅批三天假期”式谣言？》）

人口减少背景下的基础设施维护与地方财政压力 地方财政可持续性应以必要服务的长期责任与稳定财源相匹配为判断基础，人口减少的财政后果需结合各地收入、空间与相关制度条件分析 2026年10月2日，重庆市万盛街道松林社区更新改造。图：视觉中国 　　提要 　　国家总体财富增长，可以与人口减少地区的基础设施维护能力下降同时发生。中国总体的人口规模已进入下行轨道，相关考察具有现实意义与前瞻必要性。本文构建包含人口、网络规模、设施更新与政府间财政支持多变量地方收支考察框架模型，结合标准化动态模拟及日本部分地区和美国锈带城市官方资料，分析上述分化的形成条件。模型与模拟表明，网络调整迟缓、更新需求集中与税基收缩叠加时，维护更新的资金缺口可能转化为持续增长的债务负担。人均净财政贡献增长、居住集中、技术进步及减少低需求扩建，可以缓解压力；转移支付则改变地方支付能力与地区间负担分配。各项措施的效果取决于调整费用、工程状态及服务需求，其评价应同时覆盖多年收支、期末资产状况和居民承担的成本。本文据此提出，地方财政可持续性应以必要服务的长期责任与稳定财源相匹配为判断基础，人口减少的财政后果需结合各地收入、空间与相关制度条件分析。 　　推荐进入财新数据库，可随时查阅宏观经济、股票债券、公司人物，财经数据尽在掌握。

钛动科技发布行业首个Pro-Agent, Navos Pro定义结果导向的AI for Work | TGC 2026科技增长大会 10 月 23 日，以 “ AI is Profitable ” 为主题的 2026 TGC 科技增长大会于广州召开。 10 月 23 日，以 “ AI is Profitable ” 为主题的 2026 TGC 科技增长大会于广州召开。 面向AI for Work数万亿美元级蓝海市场，全球领先的AI营销科技公司钛动科技，在会上正式发布行业首个 Pro Agent ——Navos Pro。Navos Pro以 Professional、Proactive、Profitable 三大核心属性构建产品内核，让结果导向（Result-Driven）的 AI for Work成为现实，持续推动 AI 成为企业全球增长与生产力变革的核心引擎。 【Kevin Knight博士开场演讲】 本次大会由国际AI泰斗 Kevin Knight 博士领衔开场演讲，发言嘉宾汇聚 OpenAI、Google、阿里、字节、腾讯等全球 AI 科技公司，凝聚一个核心共识：“科技创造增长”产业新周期开启，AI 商业价值必须由真实业务指标验证。 Kevin Knight博士在《From Language to Action: The Next Leap in AI》开场演讲中，结合学术与产业双重视角给出判断：AI for Work 将成为 AI 应用最重要的方向之一。 【钛动科技创始人兼CEO李述昊主题演讲】 紧接着，钛动科技创始人兼 CEO 李述昊在其主题分享中，首先将 AI 商业机会落在企业长期、持续投入的营销和销售、编程和产品开发、管理三笔费用上，对应提出 AI for Growth、AI for Innovation与AI for Administration，三者预计构成AI for Work数万亿美元的广阔市场。在这一AI for Work三费框架中，Claude Code等AI产品主攻AI for Innovation，WorkBuddy等AI产品专注协同办公；而钛动科技的Navos Pro则将是AI for Growth的顶尖玩家。 李述昊进一步明确：“只做结果导向的 AI for Work ”。作为下一代 Agent，Navos Pro 具备Professional、Proactive、Profitable 三大能力体系，面向跨境电商、外贸、营销、商业分析等场景推进智能体落地： 1. Professional｜专业理解业务：输入品牌官网即可解析关键信息，搭建私有化品牌知识库；沉淀业务记忆，输出贴合品牌商业诉求的内容，解决通用 AI 不懂品牌生意的痛点。 2. Proactive｜主动发现机会：摆脱被动指令模式，7×24 小时监测多维度数据，主动挖掘增长机会、生成策略；AI 输出建议，人掌握决策权。 3. Profitable｜实现商业增长：以盈利为核心标尺，策略、创意、投放锚定 GMV、ROI 等指标，摒弃无效 AI 产出，保障效果可衡量、可盈利。 【Pro Agent Navos正式发布】 Professional、Proactive、Profitable 三大 Pro 体系背后，有着三层能力供给： Professional 能力体系融合行业 Know-How 与专属数据，形成数据库、Agent、工作流、互动四大能力：以公域数据、领域Benchmark和垂直场景提供趋势、竞品、选品、素材与投放洞察；以 70+ MCP、100+ Skill 和用户反馈持续调优；以Skill、Template、数字员工，把选品、素材创作、广告诊断等流程标准化、自动化；以意图识别、结果反馈和过程可溯源保障互动。 Proactive 能力体系覆盖日均 10 亿+感知数据、2 亿+感知频次，支持千万+广告诊断、百万+行动建议和 10 万+建议采纳，围绕账户、商品、素材主动监测，输出预算、出价、卖点和素材迭代建议，并联动 Agent 或人工执行。 Profitable 能力体系以“批量创编、规模测试—规模生产、去伪存真—策略迭代、放大收益”推进，通过 Learning Loop 形成结果反馈、策略优化、持续进化闭环。技术底座上，Navos RSI以Agentic RL 驱动 Agent Harness 自迭代，覆盖轨迹采样、奖励设计、策略更新、版本写回与验证。 三层架构由 Agent Harness、32B/27B/5B 专业模型及营销知识库、Benchmark 指标库、方法论资产、多源异构数据和专业样本库构成，支撑多国家、多渠道、多行业、多场景复制。依托上述三大 Pro 体系，Navos 已完整覆盖出海营销链路，同时设置 Navos Lite 和 Navos Pro 双版本矩阵。 【Pro Agent Navos技术架构】 李述昊表示，Agent 演进的本质是工作发起权的转移：Chatbot 阶段，AI 被动应答；Copilot 阶段，AI 辅助执行；到了 Pro-Agent 阶段，AI 开始主动发现业务机会并交付真实增长，Navos Pro 将是这一阶段的代表。 他进一步复盘 Agent 演进故事线之上、更宏观的产业迭代逻辑：2012 年移动互联网时代开启 To C 流量为王的万亿级市场；2018 年 SaaS 时代开启以 To B 为主的万亿级市场；自 2024 年开启的 AI 时代，核心逻辑正从“能力供给”走向“价值验证”。 而钛动科技已通过服务数十万出海品牌的营销实践，率先完成这一“价值验证”，并开启生态布局：2026 年 7 月成为 ChatGPT Ads 全球首批技术合作伙伴，助力品牌 ROI 提升至 2.5 倍；8 月与腾讯 WorkBuddy 达成合作，将模型能力落地海外营销投放场景。 李述昊指出，AI for Growth，只是钛动科技验证 AI 重塑企业生产力的第一步，未来，钛动科技将继续把自身 AI 能力迁移至 AI for Innovation 与 AI for Administration，从而推动企业 AI 生产力的系统性重塑。 OpenAI 商业合作负责人 Lorry Destainville 分享 ChatGPT 商业化前瞻：ChatGPT 每周触达 12 亿用户，OpenAI 正在同步探索 Sponsored Agents和 Visual Ads，特别感谢钛动科技与其联手为品牌主提供可落地、可衡量的AI增长工具。 【大会主持人、钛动科技品牌公关 VP 张羽雪】 【现场圆桌】 随后，由钛动科技品牌公关 VP 张羽雪主持，三场圆桌论坛重磅登场。美国泛大西洋资本周洁、Nextie 创始人李笛、深言序创始人叶军、阿里巴巴千问徐栋同台对话“新兴 AI 技术如何重塑商业未来”；谷歌刘步驰、中金公司赵丽萍、麦芽传媒翁成波、英雄电竞 Josh Ye 共议“ AI 时代的出海大趋势”；BytePlus Terry Wang、阿里巴巴千问邓兆俊、腾讯 WorkBuddy 杨彤对话“ AI 应用商业化的生态实践”。 【钛动科技创始合伙人聂艾玲介绍钛动科技投资版图】 大会最后，钛动科技创始合伙人、生态孵化和战略投资负责人聂艾玲，宣布启动 Pro-Agent Global Challenge 全球挑战赛，面向全球 AI 创业者征集 AI 前沿项目。大赛聚焦 Agent 架构演进、AI 营销、AI 内容入口与算力基础设施等赛道，并将开放资本、产业资源及全球增长通道为项目赋能。 至此，TGC 2026 拼齐了科技创造增长的全景图。AI is Profitable 正在加速兑现，AI for Work 万亿蓝海才刚刚起航。 本文由钛动科技提供，量子位获授权转载，观点归原作者所有。

【地缘图志】Anthropic数据逆转芯片股颓势，天量AI融资市场如何承接

【大盘脉搏】A股早盘一片飘绿 银行股逆势拉升

缪延亮：国际货币秩序重构的成因、影响与选择 人民币国际化的目标并不是取代美元，而是推动建立一个更加均衡、更加多元化的国际货币体系 当地时间2026年1月30日，西班牙马德里，一家黄金经销商橱窗上贴着投资金条的海报。近年来，全球金融市场出现了三个值得关注的异常现象。首先是黄金价格与美国实际利率脱钩。黄金本身不产生利息，当美国实际利率上升时，持有黄金的机会成本增加，因此黄金价格通常承压。图：视觉中国 　　15年前，我第一次来到曼谷。当时，我还在国际货币基金组织（IMF）工作，正与几位同事推动IMF重新认识资本管制的政策作用，并提出使用“资本流动管理措施”这一概念。15年过去，国际货币体系面临的挑战已经发生变化。当年的重要讨论是如何管理跨境资本流动，如今更值得关注的是美元的可信度，以及以美元为中心的国际货币秩序将走向何方。这是我过去一年研究的主要问题，也是今年出版的新书《货币的秩序》的核心议题。 　　关于这一问题，我的演讲围绕三个方面展开：国际货币秩序变化的原因（Causes）、可能产生的影响（Consequences），以及未来的选择（Choices）。 　　推荐进入财新数据库，可随时查阅宏观经济、股票债券、公司人物，财经数据尽在掌握。

《醉梦》：啤酒瓶盖背后的命运沉浮｜影视 剧情很像阿加莎·克里斯蒂的悬疑小说，但更大的卖点是钱义川、曹军、赵海鹏、陈庆春、刘铁平、屠春艳、沈乐水这群人的命运，以及命运背后的社会时代变迁 《醉梦》剧照。 　　又是东北老工业基地，又是一桩接一桩的命案，又是时隔十几年的双重空间叠加，又是复杂的人际关系和犯罪悬念……《醉梦》这部戏貌似是继《冬城猎凶》《余红旧事》后又一部“东北风”的刑侦悬疑剧，可看着看着就发觉不对劲了：悬疑风虽然一直不停，刑侦也一直是推动剧情的主旋律，但让人难以沦陷在破案过程中，而是不知不觉被带进对人的生存境遇的考量中。 　　出身拉城的电视台女记者沈乐水当年拍下了记录拉城啤酒厂工人们生活状态的纪录片《麦芽国》。时隔多年，她重回拉城，因为机缘巧合而被老厂长马国文忽悠着再次拿起摄像机去探索全新的时代与生活，不料意外陷入莫名其妙的漩涡：马国文、曹军、钱义川等先后遭遇神秘杀手的行刑式杀戮，还有屠春艳、程有田、陈庆春、刘铁平、赵海鹏等一众当年沈乐水镜头下的主角，经历了岁月洪流中的命运沉浮，呈现出全新的生存状态和心境，为观众展开了一幅既复杂又悲情的时代画卷。

财新周刊｜Anthropic：AI“吹哨人”背后 不断呼吁放缓AI智能发展速度，但又不懈维持自家大模型最强地位，正在冲刺2万亿美元创纪录上市的Anthropic其意何如？ Anthropic创始人及CEO达里奥·阿莫代伊近日发文呼吁放缓人工智能模型能力的提升速度。图为当地时间2025年1月23日，阿莫代伊参加瑞士达沃斯召开的世界经济论坛年会。 　　文｜财新周刊 杜知航 　　“我们必须放缓人工智能（AI）模型能力的提升速度。”2026年9月12日，拥有全球性能最强AI大模型的Anthropic创始人及CEO达里奥·阿莫代伊（Dario Amodei）再次扮演AI安全“吹哨人”。 　　他发布博客称，AI自我改进速度加快，“若缺乏有效约束，发展速度可能超出我们理解和控制这些系统的能力”；担心未来6至12个月内，AI智能体群体或通过僵尸网络掌控整个互联网，潜在损失可能高达数千亿美元。他还呼吁向AI公司派驻第三方评估团队，Anthropic也自愿接受第三方评估。

【数据深阅读】零跑汽车冲刺年销百万辆 薄利多销能走多远

小米披露灵巧手最新技术探索成果：基于1827个工厂SOP验证，升级21自由度仿生灵巧手 10月27日，小米技术披露仿生灵巧手技术探索成果：以小米汽车工厂柔性制造场景为设计原点，带来高自由度仿生灵巧手的最新技术思考。 小米方面表示，小米机器人团队基于汽车工厂1827个标准作业程序（SOP）进行完整数据采集与分析验证，基于真实作业数据的仿真消融分析显示，在17~21自由度区间，仿生灵巧手平均稳定抓握成功率较6~15自由度提升15%~38%，其中 21 自由度在工厂操作覆盖度和抓握成功率上提升最大。在该场景下，继续提升自由度至 23 度及以上时，抓握能力提升明显放缓，堆自由度的边际收益下降。 基于上述结论，小米设计了全新21自由度仿生灵巧手，该灵巧手采用混合驱动与腱绳张力控制方案，实现精准抓握力控、提升可靠性与可维护性，同时对散热体系和全掌触觉进行了系统性优化。 中央财经大学数字经济经济融合创新发展中心主任、中国人工智能学会智能产品与产业工作委员会副主任陈端指出，小米此次以工厂真实作业场景为设计原点，“场景定义产品”的研发范式，是比硬件参数更稳固的护城河。“车间里采集的触觉、力位、装配时序数据属于稀缺的场景化资产，既用来训练灵巧手本体的操作策略，也能够持续反哺整个小米AI体系，提升跨场景迁移能力。” 本文由小米提供，量子位获授权转载，观点归原作者所有。

前三季度7.9万名“村官”被立案 同期官方立案中管干部73人、处分105人，点名公布的立案中管干部52人、处分46人 10月27日，中央纪委国家监委通报前三季度纪检监察机关监督检查审查调查情况，称2026年1至9月，全国纪检监察机关共立案80万件，其中立案省部级及以上干部73人、厅局级干部4203人、县处级干部3.4万人、乡科级干部11.4万人。图：IC photo 　　【财新网】10月27日，中央纪委国家监委通报前三季度纪检监察机关监督检查审查调查情况，称2026年1至9月，全国纪检监察机关共立案80万件，其中立案省部级及以上干部73人、厅局级干部4203人、县处级干部3.4万人、乡科级干部11.4万人；立案现任或原任村党支部书记、村委会主任7.9万人；处分68万人，其中处分省部级及以上干部105人，厅局级干部3680人，县处级干部2.8万人，乡科级干部9.2万人，一般干部8.9万人，农村、企业等其他人员46.7万人。

2026全球开发者先锋大会暨国际具身智能技能大赛圆满落幕 GDPS全球开发者先锋大会将持续推动应用成果落地转化和国际产业交流合作。 10月25日，2026全球开发者先锋大会暨国际具身智能技能大赛在上海张江科学会堂圆满落幕。大会汇聚300余家具身智能本体企业、200余家上下游供应链企业，聚集国内外近百个开源组织与开发者社区，以及500余位青年开发者及行业重磅嘉宾。吸引线下参会者近6万人次，全网发布报道6500余篇、曝光量超60亿次。 大会集中推出“4+X”重大成果，构建具身智能全产业链生态支撑。在应用场景方面，大会揭晓了“国际具身智能技能大赛十大实景赛道”，为具身智能技术落地拓展了广阔空间。在技术评测方面，发布“具身智能评测体系与工具”，为能力评估建立了系统化衡量标准。在供应链协同方面，推出张江南具身智能供应链平台，“一天匹配，三天打样，一周试产”。在产业空间方面，发布张江机器人谷标志建筑，进一步提升区域产业集聚能力。 本届大会营造出开发者广泛参与、国际资源深度链接、产业创新成果集中展示的繁荣生态。为上海打造科技创新高地注入新动能，持续强化上海“开发者之城”的标签与国际化影响力。 三大领域九大赛道 千台机器人上海实战 本届国际具身智能技能大赛聚焦工业、服务、特种三大领域，设置9大赛道、23个赛项。大赛共吸引800余支参赛队伍、上千台机器人同台竞技，70余名行业专家担任裁判，500余名行业专家深入交流。 大赛立足真机实干、实景实训，推动具身智能从技能展示迈向真实场景作业，以场景牵引人工智能应用落地与常态化部署，重点检验机器人在真实生产生活中的实干能力。 闭幕式上，各大奖项逐一揭晓，大赛共评出一等奖16项、二等奖21项、三等奖31项。国地中心、上海电气、上大通用智能、新智具身、星图低空智能、中芯智、联想、晨昏线、百联商业互联网、如身、天翼数字生活、探索纪元、侯纪元、乾宇智创等相关参赛队伍在多个赛项中取得良好成绩，充分展现了具身智能从技术研发走向实际作业的产业成果。 本次大赛一等奖获得者合影 闭幕式上，还揭晓了福布斯中国·机器人系列奖项：人形机器人未来奖、多模态交互设计奖、商业价值奖、人机共生创意奖、数字AI人物形象奖等相继出炉。与此同时，闭幕式各项表演精彩纷呈：裸眼3D秀、DJ表演与达人秀街舞点燃现场氛围；具身机器人上演“人机互动”节目——《加油吧！π仔》，生动演绎了机器人从启动实训、初学失误，到迭代上手、熟练通关的完整成长链；实力唱将梁玉莹与AI虚拟乐队“英之子”展开跨次元合作，将全场氛围推向高潮。 立足上海辐射全国 链接国际生态共建 本次大会汇聚了来自美国、英国、德国、法国等 20 余个国家的行业嘉宾，原谷歌开发者关系总裁 Jeanine Banks、OpenJS 基金会执行董事 Robin Bender Ginn、国际机器人研究基金会（IFRR）主席、IEEE 院士、ICRA 前主席、斯坦福大学计算机科学系教授、机器人实验室（SRC）主任 Oussama Khatib 等国际知名专家莅临参会，分享前沿洞见，共话全球技术变革与产业未来，为与会开发者和企业带来多场思想盛宴。 在张江科学会堂·智慧湾A馆，供应链展集中呈现具身智能全产业链图景，打造“进入展厅即可配齐一台机器人 BOM”的一站式对接平台，来自全国 200 余家上下游企业齐聚于此，打通零部件、整机、解决方案的供需对接通道，为技术成果落地转化筑牢产业底座。 在张江科学会堂·智慧湾B馆，大赛同期落地2000平方米的永久性实景实训空间，推动创新应用联合体建设，构建机器人产教训评一体化中心。未来，该中心将组织用户单位、机器人整机企业、模型算法企业、核心零部件供应商和科研机构协同攻关，围绕实用化作业技能、原子级技能包和工程化部署能力开展持续训练，促进实训成果向产业应用转化。 培育新质生产力 为高质量发展注入动能 中共中央、国务院发布的《关于发展新质生产力的意见》，明确了前瞻布局具身智能等未来产业，提出“探索多元技术路线、典型应用场景、可行商业模式”，加快形成完备产业生态；并将人形机器人列为新一代智能终端场景应用的重点方向，强调“高价值应用场景”的布局与开放。 当前，人工智能新浪潮正加速奔涌。对上海而言，“人工智能+”不仅是口号，更是培育新质生产力的关键引擎之一。产业发展正从技术与产品集聚走向场景规模化落地，数字增长背后，是真实场景不断开放、技术验证持续深化、产业价值加速释放。 “具身进实景，劳动最光荣”。人工智能正加速从数字世界走向物理世界，具身智能正在经历从技术突破到场景应用、从单机能力到系统协同、从产业探索到商业价值创造的重要转变。未来，GDPS全球开发者先锋大会将继续依托上海的人工智能产业基础、应用场景、开发者生态和国际合作等综合优势，以开发者为纽带、以真实场景为牵引、以产业生态为支撑，持续推动全球创新资源集聚、前沿技术协同攻关、应用成果落地转化和国际产业交流合作。 本文由2026全球开发者先锋大会提供，量子位获授权转载，观点归原作者所有。

全球失衡背后的大国博弈与多边治理 G20阿什维尔财长和央行行长会议显示，新一轮全球失衡再度成为多边治理的重点议题，折射出中国经济高质量发展阶段面临的外部新矛盾 当地时间2026年8月31日，美国北卡罗来纳州阿什维尔，二十国集团财长和央行行长会议举行。图：视觉中国 一、经济全球化与全球失衡 　　今年G20财金渠道对话聚焦的全球增长、全球失衡、全球主权债务三大议题，集中反映国际社会对当前全球经济形势的核心关切，体现多边经济治理的重心所在。三大议题各有独立内涵，同时存在内在逻辑关联，全球失衡是串联另外两大议题的关键枢纽。近年来全球失衡再度抬升并呈现出新特征，中国作为主要顺差国，在全球失衡议题的多边磋商中处于重要位置，9月初阿什维尔G20财长和央行行长会议（以下简称“两长会”）出现的分歧，反映该议题背后复杂的大国博弈，部分成员存在借失衡议题向中国施压的倾向。系统把握新一轮全球失衡的特征和成因，在多边对话中坚持原则抵制施压，同时推进国内结构调整，通过对外稳慎博弈、对内深化改革的两手安排争取发展主动权，是中国开放型经济高质量发展需要直面的重要现实课题。 　　推荐进入财新数据库，可随时查阅宏观经济、股票债券、公司人物，财经数据尽在掌握。

亚马逊被逼做房地产，电力危机成AI算力天花板？ 如果不能解决物理世界基础设施的低效与利益撕裂，再顶尖的算法也会陷入“无米之炊”的泥潭 　　“欧洲有顶尖的人才和文化，但总是想得太多、行动太慢，甚至连智算中心接入电网的申请都要审上几年。”2026年10月21日，英伟达CEO黄仁勋站在德国柏林GTC大会的讲台上，面向台下欧洲政商界领袖发出了警告。 　　过去一周里，他穿梭于英国、法国与德国之间，反复强调欧洲要追上AI的热潮，必须加快数据中心的审批。 　　他甚至拿出了可以现场装配的“模块化算力集装箱”，帮电力基础设施建设落后的欧洲缩减数据中心的建设时间。黄仁勋的呼吁，揭开了全球硅谷巨头们如今共同的焦虑——算力的尽头不是芯片数量，而是现实世界的电力供应。 　　推荐进入财新数据库，可随时查阅宏观经济、股票债券、公司人物，财经数据尽在掌握。

OXR强势开源！1.3B横扫全球三榜第一，速度快过Paddle、MinerU，RSI让它卷出新高度 开源一周，Github 拿下超 1000 star，X上关注度破百万，并登上 Today‘s news 推荐 文档解析赛道，又迎来一位强劲的新选手。 OXR 正式开源：主模型仅 1.3B 参数，在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三项基准测试中全部登顶，完整解析速度也超过了同场参测的 PaddleOCR-VL-1.6 和 MinerU2.5-Pro，把轻量模型的精度与效率同时推到了榜首。其背后的 SoMark 团队来自国内一家初创公司，深耕于文档智能领域，此前持续围绕核心产品 SoMark 打磨解析能力，如今推出了开源模型 OXR。 OXR 的全称是 Optical Everything Recognition，从 OCR 到 OXR，OXR 要处理的远不止文字。它能够解析表格、公式、化学式等 13 类文档元素，准确还原多栏版面的阅读顺序，输出 Markdown / JSON，并保留版面坐标，让复杂文档成为 Agent 可以继续使用的数据。 1 高精度解析，全球三榜第一 根据团队公布的评测结果，OXR 在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 上分别取得 97.18、87.84 和 87.76 分，均位列第一。 分数之外，更直观的是看 OXR 如何处理复杂文档。 一张跨行跨列的表格，文字识别正确只是第一步。行列关系或合并单元格一旦错位，数字就可能对应到错误的项目。OXR 可以保留这些结构，并将表格输出为 HTML，供后续展示和处理。 科研文档里的难点则更密集：数学公式有上下标和嵌套结构，化学内容还有反应式与分子结构图。OXR 将公式输出为 LaTeX，化学方程式用 mhchem 表示，化学结构式用 SMILES 表示，让这些内容从页面上的图形变成可继续处理的表达。 多栏论文、报纸和试卷还考验阅读顺序。即便每个区域都识别正确，左右栏串读、正文与旁注混杂，仍会破坏原文含义。OXR 在识别内容的同时判断阅读顺序，并提供版面坐标，保留内容在页面中的位置。 这些能力共同构成了 OXR 的“Everything”：覆盖文字、表格、公式、化学结构式、代码块等 13 类文档元素，将 PDF 和文档图片解析为 Markdown / JSON，供 Agent、RAG 等下游流程使用。 2 精度与速度双 SOTA：不只准，而且快 处理单份文档，几秒的差异未必明显；当任务变成批量论文入库、档案整理或研报解析，处理效率就会直接影响等待时间与算力占用。 根据团队公布的同条件完整解析测试结果，在同一张 RTX PRO 6000 Blackwell（96GB）显卡上，解析从 OmniDocBench 随机抽取的 100 页文档，OXR 平均用时约 101 秒，PaddleOCR-VL-1.6 和 MinerU2.5-Pro 则分别需要约 145 秒和 255 秒。 小参数、高精度、快速度，这次出现在了同一个模型上。 这得益于OXR 在任务分工上做的一个巧妙设计：由轻量版面分析模型定位内容区域，再由主模型完成内容识别与阅读顺序判断。 把排序并入内容识别阶段，减少了单独处理阅读顺序的额外开销，也让模型能够结合内容语义判断先后关系。这是 OXR 兼顾解析质量与效率的一项架构设计。 3 RSI：围绕错样本和弱样本持续改进 耀眼的成绩背后，OXR 的训练思路同样值得看。我们都知道，文档解析很难靠一套固定样本覆盖所有问题。场景、语言、版式不断变化，如何让模型面对没见过的复杂文档，也能稳定输出可靠的解析结果呢？ OXR 创新性地在后训练阶段首次引入面向文档解析的递归自我改进（Recursive Self-Improvement，RSI）训练范式，将解析中的错样本和弱样本转化为下一轮训练的依据。 这套流程可以理解为一次由多个 AI 模型协作完成的“查错与补课”： OXR 先解析无标签文档，产生待评估的结果。 外部模型评判结果、逐样本分析错误原因，独立聚类模型将问题按原因归类。 外部模型围绕这些问题定向生成训练数据，用于下一轮 OXR 训练。 这样一来，训练数据的准备就有了明确的问题指向：模型哪里薄弱，就围绕哪里补充数据，加快了模型迭代的步伐。同时，闭环中新增加的训练数据无需人工标注，也突破了人工准备材料带来的效率瓶颈。 4 版面分析可插拔，业务适配更灵活 模型读错了，需要提高准确率；但很多时候，解析结果不符合预期，是因为业务对文档结构有不同的定义。 例如，同一组图片，资料归档可能希望整体保留，图片检索则需要逐张提取；一个包含标题、文字和边框的区域，有的业务按文本拆分，有的业务希望整体作为表格处理。两种需求都可能合理。 对此，OXR 将版面分析设计为独立、可插拔模块。 你可以直接使用内置版面分析模型，也可以接入符合自身业务标准的其他版面分析模型，调整元素类别、区域边界与内容分组，再继续复用 OXR 的内容识别和阅读顺序判断能力。 对于构建 RAG、Agent 和文档工作流的开发者，OXR 无疑提供了一个兼顾解析精度、处理速度与版面适配能力的开源选择。 目前，OXR 已开放代码与模型权重，并提供在线 Demo 和免费 API，方便开发者直接用真实文档检验效果： GitHub 代码仓库：https://github.com/SoMarkAI/OXR Hugging Face 模型权重：https://huggingface.co/SoMarkAI/OXR-1.0 在线 Demo：https://free-oxr.somark.cn/ 免费 API：https://free-oxr.somark.cn/api/v1 有更多生产级文档解析需求的团队，也可以了解同一团队打造、由独立模型驱动的文档解析引擎 SoMark。 SoMark 官网：https://somark.cn/ 从 SoMark 到 OXR，这支团队向开发者开放他们在长期探索与实践中积累的宝贵经验，正传达了他们的价值取向：让文档中的知识成为 AI 可用的高质量数据，进入更多真实业务场景。 本文由SoMark团队提供，量子位获授权转载，观点归原作者所有。

许家印香港豪宅违建逾700平方米 地下藏千呎泳池、钢筋遭剪断 与豪宅相邻的道路下方原本设有空心结构，并安装X形支撑以防止道路变形或倒塌，但有关支撑结构遭人拆除以建造泳池 资料图：许家印。图：视觉中国 　　【财新网】中国恒大创始人许家印昔日在香港山顶持有三幢豪宅，其中两幢近日被发现存在大规模违建。一幢独幢别墅下方不仅私自开挖出多间房间及大型套房，其地下空间更是延伸至小区的私人道路下方以兴建游泳池，两幢豪宅违建总面积接近8000平方英尺（约合730平方米）。 　　涉事物业是位于香港山顶布力径10号的C屋及E屋，原由许家印通过公司持有，不过，在中国恒大陷入债务危机后，这两幢大宅已先后被债权人接管。财新查询香港屋宇署的法定命令记录发现，这两幢住宅分别于2025年6月25日和8月28日获发《建筑物条例》第24条清拆令。两项命令的遵从日期均为2026年9月1日，即相关清拆及修缮工程已经完成。

最新封面报道｜动荡法兰西 极左翼为示威喝彩，极右翼要求对其强硬，两边都有收获，谁付出代价？ 当地时间2026年10月17日，法国巴黎共和国广场，抗议者与警察发生冲突，一辆汽车被点燃。图：Yoan Valat/IC photo 　　文｜财新周刊 侯吴婷 冯禹丁 　　“法国人怎么能够如此对待法国？”10月18日，半年后就将结束十年法国总统任期的埃马纽埃尔·马克龙，在首都巴黎和法国多个城市的一片街头动荡后对公众说，“没有任何理由能为其辩解，没有任何解释能说明缘由，没有任何借口能开脱罪责。今晚，我们都感到愤怒与羞愧。” 　　10月17日，从9月中下旬掀起、此后蔓延至多地的抗议游行，逐步失控为数年来法国最严重的街头暴力骚乱。在巴黎、马赛及其他城市和小镇，都出现部分违法者身着黑衣、戴着黑色面罩和头套，焚烧汽车和建筑，沿街洗劫商铺。在法国中部城市利摩日，一座建于1883年的市政厅遭纵火。虽然挺过了两次世界大战，但这幢带有新文艺复兴风格的市政厅钟楼此次却陷入火海，轰然坍塌。

9月工业企业利润增速加快至14.4% 电子和原材料制造业贡献显著 行业间、不同类型企业间盈利状况呈现一定分化，工业企业单位成本持续下降，应收账款规模增速创三年多来新高 河南省洛阳市伊滨区，洛阳储变电系统有限公司内的工作人员正在生产电池模组。图：视觉中国 　　【财新网】2026年9月，工业企业利润保持14.4%的较快增速，电子行业和原材料制造业仍然是核心支撑，但行业间盈利分化持续，企业拖欠账款问题边际恶化。 　　国家统计局10月27日公布的数据显示，2026年9月，全国规模以上工业企业利润同比增长14.4%，增速比上月大幅回升10.2个百分点。受工业生产稳定增长、价格水平回暖等综合影响，1—9月累计工业企业利润同比增速达15.5%，较前值略微回落0.2个百分点。

沙土巴三国代表访伊展开外交斡旋 美军被曝部署对伊新一轮军事行动 此次访问被视为地区调解人为避免中东局势进一步动荡，而进行的最新一次外交努力 当地时间2026年10月26日，伊朗德黑兰，土耳其情报部门负责人易卜拉欣·卡林（后排左三）在沙特阿拉伯、巴基斯坦和土耳其三国高级代表团与伊朗总统马苏德·佩泽希齐扬（前排左二）及其他伊朗高级官员的会晤上发言。图：视觉中国 　　【财新网】当地时间10月26日，沙特阿拉伯、土耳其和巴基斯坦的高级代表在伊朗首都德黑兰会见了伊朗高层官员。此次访问被视为地区调解人为避免中东局势进一步动荡，而进行的最新一次外交努力。 　　据沙特阿拉伯外交部的一份声明，沙特国防部长哈立德·本·萨勒曼亲王代表沙特参加了会谈。伊朗国家媒体称，巴基斯坦陆军总司令阿西姆·穆尼尔元帅和土耳其国家情报局局长易卜拉欣·卡林在德黑兰与伊朗方面举行了会谈。 　　10月26日下午，伊朗国家广播公司报道称，上述三国代表正在会见伊朗总统佩泽希齐扬和伊朗最高国家安全委员会主席雷扎伊。

做能源与算力的“搭桥人”：达卯科技以能源大脑定义算电协同 | CPE 2026 破解绿电直连项目落地僵局 10月26日，2026国际算电协同产业链展览会（CPE 2026）在上海世博展览馆开幕。达卯科技携全栈算电协同技术产品体系亮相，全景呈现AI能源大模型和智能体集群应用、算电协同2.0平台、预测-调度-交易核心功能引擎、智慧运营运维一体化管理平台等。 达卯科技CEO简煜忞受邀出席主论坛，发表《以能源大脑定义算电协同，构筑AI算力与绿色能源融合新范式》主题演讲，指出绿电直连的破局关键不在电能量净值的零和博弈，而在多市场融合套利，并给出能源AI的系统解题路径；达卯还率先提出E-AIDC能源驱动型智算中心新范式，展现算电协同产业链核心企业的认知高度与解题能力。 做能源与算力的“搭桥人”，破解绿电直连项目落地僵局 绿电直连是算电协同典型落地场景，却长期卡在签约环节。全国已批复绿电直连项目数百个，真正开工落地的仍是少数。 简煜忞在演讲中指出，核心症结在于发电方与算力方只围绕电能量净值讨价还价，为“2毛6还是2毛8”的电价僵持半年；加之自发绿电大发时段与市场低价时段重合、容量电费又难以削减，单靠电量净值双方始终谈不拢，几分钱、几厘钱的价差让项目陷入零和博弈。 达卯科技的解法，是跳出电能量净值博弈，从电能量、调节性、容量、碳四重市场融合寻优，先把蛋糕做大、再合理分配。 例如：在电能量价差空间，在占电费五至六成的基础电量之外，通过储能削峰填谷、自发绿电与市场化购电的AI实时套利，压低电量成本；容量电费正随监管周期改革上涨，在容量输配空间，以AI管控负荷侧容量占用，可显著压降输配电成本，同时减轻对电网的容量占用；在调节与碳收益空间，让数据中心负荷参与需求响应、辅助服务获取单次较高收益，并通过电能质量治理、绿电消纳获得奖励性补贴与碳资产增值。 在西部某省项目中，达卯科技基于真实数据以能源大模型进行仿真，完成12000种场景、20个开放边界的测算（相当于传统20亿次静态场景计算），挖掘出3分以上的综合价值空间，既填平双方2分钱的认知价差，又留有优化余量，最终实现投资方IRR提升约 20%、用户到户电价下降10%。 这一解法背后，是达卯全栈算电协同技术产品体系与运维运营一体化服务能力的双重支撑。 依托自研垂类能源大模型与原子智能体、场景化智能体集群构建的“融合推演智能+ 统筹博弈智能”双引擎，实现负荷、发电、电价等多源时空、多市场数据预测和趋势感知，以及电能量、调节、容量、碳多重市场全局统筹、多目标最佳策略求解，构建智算中心能源运营全链路能力闭环；面向未来，针对电力市场政策频繁迭代的不确定性，原子智能体以通用、可灵活编排的能力适配各地规则差异，实现“一套系统落地、一套服务交付”，并可平滑复用至各类场景。 从IDC到AIDC，再到E-AIDC，“能源”定义下一代智算中心 Gartner 2026年预测，Agentic时代智能体单任务token消耗量可达标准GenAI的5-30倍，算力需求指数级攀升，GW级智算中心将走向普及。 80%绿电消纳成为国家枢纽节点新建数据中心的合规门槛，能耗指标与电网接入条件成为项目落地的现实前提，算电协同已从成本优化的可选项，转变为安全落地的必选项，能源问题成为算力扩张的核心约束。 在这一趋势下，数据中心形态正经历第三级演进：传统IDC以风火水电的基建思维建设，AIDC转向算力驱动，而E-AIDC回归“能源效率”本源——新一代Token工厂，首先是一项“能源工程”，其次才是一项“数据中心工程”。 达卯科技率先提出E-AIDC（Energy-driven AI Data Center，能源驱动型智算中心）产业概念，并从三个维度给出框架：Energy能源运营，以全生命周期运营替代一次性建设思维；Eco低碳高效，以电算一体、源网荷储协同重构能效与碳效；Electricity绿电直连，让绿电消纳成为项目落地的合规前提，成为新一代Token工厂穿越周期的长期竞争力。 其核心，是把数据中心打造成与电网主动交互、主动调节的自优化系统，实现可预测、可调节、可优化、可增值，并通过调节性资源参与全市场交易释放价值。 这正是达卯科技以能源大脑定义算电协同，为新一代Token工厂构筑长期稳定的能源核心竞争力。 CPE 2026火热进行中，展期至10月28日下午14:00，达卯科技世博展览馆H3馆E1010展位恭候各界莅临，共探E-AIDC时代的算电协同机遇。 本文由达卯科技提供，量子位获授权转载，观点归原作者所有。

奥迪明确在华双品牌定位 上汽奥迪聚焦AUDI品牌 在2027年底前，上汽奥迪仍可正常销售现有四环品牌车型 2026年9月10日，青岛，上汽奥迪展台。图：视觉中国 　　【财新网】酝酿已久的奥迪在华业务调整终于落地。10月26日，奥迪宣布与中国一汽、上汽集团分别签署战略协议，进一步明确在华“双品牌、双合作伙伴”的业务分工。 　　未来，一汽奥迪将专注于传统奥迪四环品牌，产品覆盖燃油车和新能源汽车；上汽奥迪则聚焦AUDI字母标品牌，专注新能源汽车产品。 　　在2027年底前，上汽奥迪仍可正常销售现有四环品牌车型。奥迪尚未披露2027年底之后四环品牌车型的具体安排。 　　奥迪母公司大众汽车集团在华长期采用双合资企业布局。上汽大众和一汽-大众分别成立于1985年和1991年，均生产、销售大众品牌汽车。凭借较早进入中国市场及双合资布局，大众汽车集团长期在中国乘用车市场居于领先地位。

国产AI 3D大模型Hi3D来了！开源可商用，PK干掉GPT-6 还是专业的模型做专业的事情 听雨 发自 凹非寺量子位 | 公众号 QbitAI   3D生成，效果上看，确实还是专业的模型做专业的事情。 给模型一张漫威帅哥（别管是谁），这是原图： 这是GPT-6 Astra交的作业： 不是我说，这哪来的山顶洞人啊…… 而这，是Hi3D V3.0生成的结果： 帅多了。 还有其他几组测试： 从左到右依次为：原图、GPT-6 Astra模型生成、Hi3D Agent模型生成。 Astra，怎么就你最丑啊！ 可以看出，Astra搭出了可识别的基本形体，但Hi3D Agent及其V3.0模型生成的结果，在轮廓、体积关系和局部细节上都更接近参考图。 Hi3D Agent，是Hi3D面向3D创作者推出的AI助手；其背后的最新模型Hi3D V3.0，则是业界首个可商用2048³超高精度国产自研AI 3D模型。 这也体现了两类模型的分工：大语言模型负责理解创作意图、组织任务，专业3D模型负责生成三维结果。两者结合，才能让Agent把用户的要求落实到具体的3D作品上。 今天，Hi3D还正式开放V1.0模型代码。这是基于Sparc3D构建的高分辨率几何细化模型，也是Hi3D模型系列中较早完成、经过生产工作流验证的版本。 据团队介绍，V1.0基于约200万个经过筛选的3D资产进行训练，并在开放前接受了团队的生产工作流验证。 团队还希望把这一稳定、经过生产验证的版本，作为开发者和企业可以继续研究、部署和开发的基础。   GitHub链接：https://github.com/hi3d-official/Hi3Dv1.0 Hugging Face space链接：https://huggingface.co/spaces/ilcve21/Sparc3D（用户可免费体验Hi3D V1.0） Hugging Face代码权重链接：https://huggingface.co/hi3d-official/Hi3Dv1.0 官方开源项目页：https://www.hi3d.ai/hi3d-1-0-open-source（可下载代码，免费使用等） 生成、修改、应用，Hi3D接管创作流程   今天开源的Hi3D V1.0，技术源头可以追溯到2025年公开的Sparc3D 这项工作发表于NeurIPS 2025，提出了一套高分辨率三维建模框架，着重解决复杂几何结构的表示与重建问题，让细小部件和表面细节得到更充分的保留。 它的生成效果be like： 【此处无法插入视频，遗憾……可到量子位公众号查看～】 还是蛮惊艳的，可以明显看出Sparc3D对复杂几何细节的处理能力。 Hi3D V1.0沿用了这套核心架构，并将训练数据规模扩展至约200万个经过筛选的3D资产，进一步增强高分辨率几何生成能力。 我们来具体看看V1.0的创作效果： V1.0技术报告中展示的装甲车，体现了模型对三维对象的完整生成能力 正面能看清车头倾斜的装甲面和轮胎花纹；转到背面和底部，车身结构依然连贯，车尾面板的分块、底盘与车轮的位置关系也能辨认。 对于参考图没有展示的区域，模型则进行了合理补全。 再来看看更复杂细小的结构。比如这个身穿铠甲、手拿大剑、背后展开双翼的雕塑： 经V1.0放大后，人物背后的羽翼是根根分明的，甚至还能看清羽毛相互叠压形成的层次。 从车身的整体结构，到羽片之间的细小间隔，这两组案例呈现了V1.0在不同尺度上的几何表现。 而模型生成之后，创作者也可以在Hi3D Agent中继续修改。 Hi3D Agent，是以Hi3D专业AI 3D模型为底座，将意图理解、任务规划、模型生成、持续修改、工程优化与应用交付连接起来的3D创作Agent。 比如，用户指出部件悬空和连接位置的问题，要求调整方向盘，并明确说明：接下来想把模型打印出来。 Agent按照这些要求列出了后续处理步骤，并围绕已有模型继续调整造型、局部结构、几何、纹理和网格，使结果更接近创作目标。 游戏与互动类内容中，Agent可以继续补充角色、道具和场景，将生成资产带入交互环境，推进到可玩的Demo。 【此处无法插入视频，遗憾……可到量子位公众号查看～】 针对动画与实时应用，Hi3D Agent则能对角色进行轻量化、骨骼绑定、动作和表情处理，使静态模型能够进入动画或实时内容流程。 【此处无法插入视频，遗憾……可到量子位公众号查看～】 实体创作中，Hi3D Agent衔接了Hi3D平台的拆件、连接结构、配色和打印准备能力，将数字模型继续转化为手办、潮玩等实体作品。 【此处无法插入视频，遗憾……可到量子位公众号查看～】 同时，生成结果也可以下载，并进入Blender、游戏引擎或其他专业软件继续加工。 从模型生成到修改完善，再到后续应用，Hi3D能够支持创作者完成不同阶段的工作，将想法逐步转化为可用的作品。 此次开源的V1.0，团队如何提升模型的结构完整性与细节表现，技术报告还给出了更具体的训练和评测信息。   扩充训练数据、细化几何，Hi3D V1.0的技术升级   Hi3D V1.0沿用Sparc3D架构，重点完善数据规模与高分辨率能力。 这一版本保留了原有的核心架构，主要工作集中在训练数据扩容高分辨率训练与输出，以及生产流程验证 首先是训练数据的扩容。相较于Sparc3D论文中50万个资产的训练设置，Hi3D V1.0将训练规模扩大到了约200万个经过筛选的3D资产，达到原来的4倍 这与单图生成3D的任务特点有关。单张参考图只能提供物体的部分信息，未展示的背面和遮挡区域，还需要模型根据学到的形状规律进行合理补全。 更丰富的训练资产，能够让模型接触更多类型的物体与结构，为这些推断提供更充分的学习样本。 那么，有了训练数据，模型又是如何逐步刻画细节的？ 结合报告中的架构图，可以把这一过程理解为：先确定大体结构，再结合参考图逐级细化。 上游模型先根据图片生成一个粗网格，提供物体的整体轮廓和主要部件。随后，V1.0同时参考图片与粗网格，围绕物体表面进行稀疏几何细化。 每完成一个层级，系统都会提取出三维网格。这个结果既可以直接输出，也可以作为下一轮细化的基础，逐步进入1024³和1536³层级。 1536³，指的是几何提取网格的分辨率。可以把它理解为描述物体形状时所用的空间刻度：刻度越细，就越有条件表达细小的起伏和间隔。系统采用稀疏方式，主要处理表面附近的有效区域。 上文所展示的羽毛案例，之所以能做到根根分明，背后正是这种分辨率的体现。 目前，最新的Hi3D V3.0已将几何分辨率提升至 分辨率之外，还有几何细节与下游使用表现。 根据其技术报告，Hi3D V1.0的多视图保真度细节丰富度分别达到0.75和0.841，在报告所列对比方法中均排名第一 同时，其切片成功率达到90%，展现了进入后续3D打印准备流程的可用性。 △出自V1.0技术报告 切片是把三维模型转换为打印机逐层执行指令的准备环节。这项结果反映了生成网格进入打印准备流程的表现，实际能否顺利打印，还与壁厚、支撑和材料等条件有关。 据团队介绍，V1.0在开放前已经进入面向用户的真实生产工作流接受测试与使用。除了观察生成效果，团队也在实际创作任务中检验这些资产能否继续处理、进入后续应用。   开放模型与工具接口，让开发者和企业构建3D应用   本次开放的Hi3D V1.0，已在GitHub和Hugging Face正式上线。 官方已公开系统架构与效果对比，并开放源码；项目页面还有在线Demo可体验相关生成能力。 这套模型主要面向研究者、开发者和企业 研究者可以将其作为技术验证和模型研究的基础，探索复杂结构生成与细节保留； 开发者可以把几何细化能力接入专业工具，构建垂直应用和自己的工作流； 企业则可以结合正式发布的授权与部署条件，探索私有化部署、内部系统集成和业务适配。 开放模型之外，Hi3D还可通过MCP连接外部应用 开发者可以在支持MCP的Agent或工具中调用Hi3D，完成提交生成任务、查询进度和获取模型结果等操作，再将这些步骤接入自己的业务流程。 Hi3D Agent则直接服务创作者。用户可以通过自然语言描述需求，并围绕生成结果继续提出修改要求，让Agent协助推进创作。 三者各有分工：开放模型为自主开发提供基础，MCP让外部应用调用平台能力，Agent帮助用户直接完成创作。 这也对应着Hi3D作为AI 3D基础设施的定位：为模型开发、应用集成和实际创作提供支持。 这些工作也共同指向Hi3D提出的「Creator First」方向： 帮助新手更容易进入3D创作，减少专业创作者的重复操作，把更多时间留给设计与修改。 随着国产AI 3D技术不断成熟，想象与作品之间的距离，也在一点点缩短。普通人从一张图片、一个想法出发，也能做出属于自己的3D作品。

GPT-6.1 Terra首批网友实测来了！1折价格获得Astra级电脑操作能力 同一天，OpenAI还甩出3项AI科学新发现 眼看对家Anthropic靠一纸招股书抢尽风头，OpenAI反手甩出GPT-6.1 Terra—— 想独占头条？先问问新模型答不答应。 GPT-6.1 Terra主打“一半价格，更强能力”。 相比GPT-5.6 Terra，其标准API价格直接砍半： 输入1美元/百万Token，缓存输入0.05美元/百万Token，输出5美元/百万Token。 而且价格打下去的同时，能力还更强了？！ 在职场软件实战测试Agents’ Last Exam中，Terra不仅明显超过GPT-5.6 Terra，还以GPT-6 Astra十分之一的Token价格追平其表现。 再和Claude Opus 5.5相比，Terra的Token价格只有其四分之一，Token效率超过3倍，单任务成本只有对方的九分之一左右。 不是，现在的AI降本增效已经卷到这个地步了吗？ 用途上，GPT-6.1 Terra的核心卖点也极其明确——更快、更强，同时大幅降低电脑操控的成本。 它原生支持屏幕理解、跨软件协同操作以及自然语言写作，把目标牢牢锁定在打工人的完整工作日上。 OpenAI联合创始人Greg Brockman甚至表示，Terra的电脑操作能力已经跨过“质变门槛”，用起来比他亲自操作还快。 目前Plus、Pro、Enterprise以及Edu用户，已经可以在ChatGPT Work与Codex中直接体验，开发者也能通过标准API（gpt-6.1-terra）随时调用。 更炸裂的是，同一天，OpenAI还公布了三项由内部AI系统产出的科学结果，横跨数学、计算机科学和物理学。 一边把AI操作电脑的成本打下来，一边把AI参与前沿科研的想象力往上抬。 咋滴，还没到周四就开始疯狂了吗？？ GPT-6.1 Terra正式上线，价格直接腰斩 具体能力怎么样，还是先看OpenAI给出的官方成绩单。 先说整体结论： GPT-6.1 Terra不是OpenAI能力上限最高的模型，但已经用更低的成本，摸到了旗舰模型的能力区间。 在Agents’ Last Exam中，GPT-6.1 Terra medium档的成绩比GPT-5.6 Terra高出15个百分点，单任务成本却只有后者的大约三分之一。 这个测试专门考AI能不能使用专业软件完成复杂工作，比如把建筑图纸做成3D模型，或逐镜头审看动画、生成带时间码的修复日志。 更夸张的是，官方称Terra的表现已经与GPT-6 Astra相当，但每Token价格只有后者的十分之一，完成任务的速度则比GPT-6 Astra和GPT-6.1 Sol都快3倍以上。 再看视觉能力。 在MMMU-Pro基准中，GPT-6.1 Terra在所有推理强度下都超过GPT-5.6 Terra，并以更低的成本接近GPT-6 Astra和GPT-6.1 Sol。 到了电脑操作基准OSWorld 2.1，它的medium档成绩也超过了GPT-5.6 Terra此前的最高水平。 也就是说，新Terra不只是更会“看”，也更会根据屏幕内容把活真正做完。 代码能力同样迎来了一波大涨。 在Terminal-Bench 4.0中，GPT-6.1 Terra的max档解决了50.3%的任务，而GPT-5.6 Terra此前公布的成绩只有21.5%。 直接翻了一倍还多。 不过OpenAI也主动划了一条线： 面对最复杂的编程、科研和深度推理任务，GPT-6.1 Sol和GPT-6 Astra仍然是更合适的选择。 另外一个明显升级，是少说胡话。 在OpenAI内部的高难事实性压力测试中，低推理强度下的错误率从GPT-5.6 Terra的53.6%降至16.7%。 Max档进一步降至4.3%，已经接近GPT-6 Astra和GPT-6.1 Sol。 至少从这轮官方成绩来看，Terra的定位已经很清楚了： 用接近旗舰的能力，把大量电脑任务的成本打下来。 在第三方机构Artificial Analysis的综合智能指数中，GPT-6.1 Terra max档拿到48分，排在Claude Opus 5.5、Kimi K3.1 Pro、谷歌Gemini 4 Argon、Meta Muse Wonder和GPT-6.1 Sol之后，但领先Grok 4.7与小米MiMo-V2.6-Pro。 整体处于全球头部模型的中游位置。 网友实测：画得更细了，成本还少38% 那么模型真实能力如何呢？ 老规矩，还是来看网友分享的实测结果。 DesignArena给GPT-6.1 Terra和GPT-5.6 Terra出了同一道题： 在黄金时刻复刻里斯本贝伦塔。 不仅要画出这座16世纪石灰岩堡垒，还得还原石刻绳索、开放式阳台、城垛和穹顶角楼，且画面里还要有海鸥、帆船，以及雾气中的4月25日大桥。 结果很有意思。 GPT-6.1 Terra耗时接近上一代的4倍，使用Token也多了48%。 但因为单价不到上一代一半，最终总成本反而低了38%（新Terra花了0.047美元，旧Terra花了0.077美元）。 不过还好，多花的时间也确实体现在了画面上。 哪个更精致更完整，一目了然。 另一位开发者Victor Nunez则把“长表单”搬了出来。 他让GPT-6.1 Terra和GPT-6.1 Sol都在Fast模式下寻找并填写一份较长的通用表单，再把两者放在一起比较电脑操作过程。 按照Nunez的说法，在首次测试中，Terra比Sol提前53.5秒完成了这份表单。 OpenAI开发者账号随后直接转发了这组演示。 这也正中Terra的官方定位： 它未必负责把最难的问题想到底，但很适合在界面里识别信息、连续点击、填写内容，把一长串步骤迅速跑完。 另一位网友Leo则把Terra和Claude摆在了一起。 从综合智能得分看，Terra拿到48分，低于Sonnet 5.5的56分和Opus 5.5的58分。 但到了速度和成本环节，结果直接反转： Terra的生成速度达到283 Token/s，是Opus 5.5的3.4倍，单任务成本仅0.4美元，约为Opus 5.5的十五分之一。 所以Leo的总结也很直接： 要智力和能力，选Sonnet 5.5；要速度和性价比，选Terra。至于Opus 5.5，Terra暂时还不是同一档。 而且另一位网友的实测结果也印证了Leo的结论。 同一提示词对比Sonnet 5.5和6.1 Terra，谁更胜一筹无需多言。 和Opus 5.5比，价格确实便宜的多，但结合生成结果的话，只能说： 贵有贵的道理（doge）。 同一天，OpenAI还甩出3项AI科学新发现 Terra之外，OpenAI同一天还扔下了一个更大的“学术炸弹”。 官方宣布，其AI系统在数学、计算机科学和物理学中得到了三项新结果，分别涉及调和分析、复杂性理论和量子场论。 而且不是只给一段自然语言推导就完事。 数学与计算机科学结果的自然语言稿和Lean形式化证明已经公开。 物理结果中，纯杨-米尔斯理论存在性的Lean形式化也已完成，但相关材料将先交由外部专家组梳理。 具体就不展开了，这里我简单总结了一下OpenAI这次取得的进展： 1、攻下一个困扰数学界30多年的猜想 OpenAI称，其AI系统证明了所有维度上的局部平滑猜想，并由此进一步解决了Kakeya猜想和Stein限制猜想。 简单来说，这项研究讨论的是波在传播过程中会如何聚焦。 它由数学家Christopher Sogge在1991年提出，此前只解决了部分维度的问题。 如今，AI不仅给出了自然语言证明，还将其写进了Lean形式化证明系统。 如果后续得到数学界确认，意味着AI真正进入了一个人类几十年没能完全攻下的问题。 2、一块用了几十年的计算机科学理论地基，可能错了 第二项成果指向指数时间假说（ETH）。 这个假说大致认为，像3-SAT这样的复杂问题，很难找到比穷举快得多的算法。 过去几十年，不少计算机科学结论都建立在它成立的基础上。 但OpenAI称，其AI系统证明了ETH是错的，并且已经完成Lean形式化。 不过，这不等于P≠NP问题被解决，也不意味着实用的新算法马上就会出现，它只是说明，一些复杂问题可能没有过去想象得那么难算。 3、为物理学四维量子场论补上数学证明 第三项成果直接进入了量子场论。 OpenAI称，其系统给出了包括量子色动力学（QCD）在内的某些四维量子场论存在性证明。 简单来说，就是尝试从严格的数学角度证明： 这些用于描述夸克、胶子和强相互作用的物理理论，确实能够成立。 其中还包括纯杨-米尔斯理论存在性的证明—— 这是著名的“杨-米尔斯存在性与质量间隙”千禧年大奖难题的一部分。 但注意，只是一部分。 质量间隙问题仍未解决，所以还不能说AI拿下了这道价值100万美元的世界难题。 目前，相关结果也正在由诺贝尔奖得主David Gross等外部专家审查。 一边发新模型，一边顺手解决困扰人类几十年的难题。 OpenAI： 无法抢在A社之前IPO，我有的是手段吸引目光。 参考链接：[1] https://openai.com/index/introducing-gpt-6-1-terra/[2] https://developers.openai.com/api/docs/models/gpt-6.1-terra[3] https://developers.openai.com/api/docs/pricing[4] https://x.com/OpenAI/status/2114780711664398349[5] https://x.com/DesignArena/status/2114800086391878104

2025年末全国人口14.05亿人，总人口减少339万人 中国总人口已连续四年持续减少 国家统计局日前出版的《中国统计年鉴2026》显示，2025年末全国人口140489万人，比上年末减少339万人。图：视觉中国 　　【财新网】中国人口总量再减少。国家统计局日前出版的《中国统计年鉴2026》显示，2025年末全国人口140489万人，比上年末减少339万人。 　　中国总人口在2017年突破14亿，2021年末达到14.13亿的历史最高水平，2022年开启负增长后，人口持续减少。2022年，中国人口总量出现1961年以来的首次下降，较上年减少85万人，此后2023年和2024年分别减少208万人和139万人，这一数据在2025年扩大至339万人。与2021年最高峰时相比，中国总人口已减少771万。

KV Cache被压成常数！OCR开源新王：页数没上限，缓存砍96% OCR 3.0时代，来了 听雨 发自 凹非寺 量子位 | 公众号 QbitAI 百度的OCR又升级了，文心Unlimited OCR 2正式发布并开源！ 这次，它直接挑战一口气读完整套小说。 7部《哈利·波特》，从《魔法石》到《死亡圣器》，连续识别、转写，3600+页一路读到最后。 换成《三体》全集，同样能一口气读完，三本书1200+页，几十万字，中间也不带喘的。 不过，连着读这么多页，模型得先过一道关：显存。 文档越长，推理时需要保留的中间信息（KV缓存）就越多——可以理解为模型边读边记的小抄，页数越多，小抄越厚。小抄厚重，不光占地方，翻起来也慢。 在技术报告的百页级单序列测试中，文心Unlimited OCR 2给出了一组对比： 峰值KV缓存占用从标准解码（将所有页面的视觉缓存同时保留在显存中）的47GB降至1.77GB，一口气减少了约96%。 47GB是什么概念？比不少笔记本电脑的整机内存还大。而这还只是KV缓存，模型权重等其他开销另算。 它的上一代Unlimited OCR，已经凭借多页文档连续解析能力，在开源社区积累了相当的人气：累计下载量超过1000万，在GitHub上收获约2.86万Star。 从社区制作在线Demo，到支持SGlang推理，围绕它的适配也在持续推进。 到了第二代，升级重点在于连续处理更长文档的同时，把计算和缓存负担降下来。 为此，文心Unlimited OCR 2提出稀疏参考滑动窗口注意力机制SR-SWA，让模型按需选取相关页面和视觉信息，减少重复计算。 配合持续解码机制，模型能够连续处理超长文档，单步解码开销也不会随着文档变长而水涨船高。 目前，文心Unlimited OCR 2已在Hugging Face和GitHub正式开源。 开源地址： *GitHub：https://github.com/baidu/Unlimited-OCR* *HuggingFace：https://huggingface.co/baidu/Unlimited-OCR-2* 拆解核心技术：SR-SWA怎么少算，分块解码怎么少存 连续读完几百万字、3600+页的《哈利波特》全集，文心Unlimited OCR 2究竟是怎么做到的？ 它借鉴的，其实是人类抄书的思路。 人手抄书时是什么流程？看一段、抄一段，眼睛主要盯着正在抄的那一页；只有遇到需要前后对照的地方，才回头翻一翻相关页面。 抄书这件事，人类比模型更早就想明白了：没人会一边抄《论语》，一边在脑子里同时把《论语》全部页数摊开一起看。 但上一代Unlimited OCR不是这么干的：虽然通过R-SWA已大幅降低推理阶段的KV缓存，但再回看的过程中，所有输入页面的视觉信息依旧都要参与注意力计算。 文档越长，算的信息越多，而其中相当一部分，跟当前正在识别的那几行字压根没关系——典型的「陪跑」。 △SR-SWA借鉴人类抄书时的局部聚焦方式 顺着人类抄书的思路，文心Unlimited OCR 2引入了稀疏参考滑动窗口注意力机制（SR-SWA）。 它的筛选分两层：先把需要参考的页面筛出来，再从筛出来的页面里挑出真正相关的局部信息，把无关计算挡在门外。 从整体架构看，文心Unlimited OCR 2延续了上一代的基础设计。 △文心Unlimited OCR 2整体架构 书页图像先进入DeepEncoder，被转成模型能处理的视觉Token——可以理解成一组记录页面内容与版面特征的数据卡片。 接着，语言模型根据这些卡片，一步一步生成识别结果。 关键变化就发生在语言模型内部：上一代采用的参考滑动窗口注意力机制（R-SWA），在这一代升级为SR-SWA。 架构图中左下方展示的，就是SR-SWA的两层筛选过程。 第一层是Page Gate，管「该看哪几页」。 它根据模型当前解析到的位置，把候选视觉信息收拢到相关页面范围内，不让无关页面来凑热闹。 放到抄书的场景里，就像读到某一页时，先找到与这一页相关的几个页面，而不是从头翻遍整本书。 第二层是Token Sieve，管「这一页里该看哪几行」。 选对页面只是第一步：即使在这些页面中，也不必让所有视觉Token都参与计算。Token Sieve会再做一次筛选，从页面里挑出与当前内容更相关的视觉信息块，以捕捉长距离视觉依赖关系。 架构图右侧展开了这一过程：先用各个信息块的简要表示算出相关性，再通过TopK挑出得分最高、数量固定的信息块。 挑完之后，模型仍然会去看这些块中的具体视觉信息，而不是只看个摘要。 两层机制配合，让模型既能在长文档中找到相关页面，又能减少每一步需要处理的视觉信息，从而提升长文档解析效率。 △Token Sieve细节 筛选出的视觉信息，还会与图中的Local Window（局部滑动窗口）一起参与解析。 这个窗口大小固定，装着最近的上下文，并随着生成过程一路向前平移，负责让模型顺着刚才的内容往下写。 信息块数量固定，局部窗口大小也固定，每一步需要参考的信息量就被框住了——文档再长，这一步还是这么多活儿。不会出现「书越厚、每写一个字越费劲」的情况。 SR-SWA负责的是每一步少算点；而显存里到底要留多少信息，则是另一个问题。 每页图像经过编码，都会变成一组视觉Token。模型生成解析结果时要参考它们，因此会存下对应的KV缓存，供后续计算复用。 如果一次性读入整份文档，再把所有页面的视觉缓存都留在显存里，页数越多、占的地方越大。 更麻烦的是：哪怕这些页面根本没参与当前计算，只要缓存没释放，它们照样占着显存不走。这就好比抄书时把每页草稿都摊在桌上，一页不扔——桌子再大也不够用。 所以，少算一些，还得配合少存一些。 文心Unlimited OCR 2为此引入了无限解码机制（Unlimited-Horizon Decoding Paradigm），通过分块处理控制缓存占用。 △分块解码示意图 这套机制把文档划成大小可控的页面块，依次解析。相邻两块重叠一页，上一块的最后一页，也是下一块的起点——一枚现成的书签。 进入下一块时，模型直接复用这页重叠页的视觉KV缓存，同时保留上一段输出末尾的文本缓存，让前后内容接得上。其余已经用不上的页面视觉缓存，就及时释放，腾出显存。 这样一来，显存里需要保留的视觉缓存，就被压在当前处理块的规模内。处理完一块，留下衔接所需的信息，再开下一块——不必让整份文档的视觉缓存从头到尾占着位子。 *SR-SWA负责减少每一步的计算，无限解码机制负责控制缓存占用。两者配合，才能让模型持续解析超长文档。 884页《指环王》42分钟读完，缓存降到1.77GB 技术讲了这么多，我们也想亲眼看看效果：直接丢给它一份884页的英文版《指环王》。 大约42分56秒后，解析完成。884页输入，对应884页输出，平均每页耗时约2.9秒。 差不多是一集电视剧的功夫，「中土世界」就走完了一整趟。 这么长的文档，处理到后面，识别效果还能跟得上吗？ 我们特意抽查了第600页和第750页的正文：识别文本与原文一致。翻到第750页还能一字不差，说明模型没在前面「读嗨了」。 整个任务中，系统还标记了466处跨页合并。比如接近书末的第873至874页，被分页硬生生截断的句子，也在输出中重新接了回去。 实测展示了整本书连续解析的过程，技术报告则回答了另外三个问题：需要多少缓存、能有多快、识别质量又如何。 在百页级基准MarathonDocBench上，团队把标准解码与Unlimited-Horizon Decoding摆在一起做了对比。 单序列推理时，采用分块处理和边界缓存复用后，峰值KV缓存占用从47GB降至1.77GB，减少约96%。* 原本需要同时留在显存里的大量页面信息，现在可以分批处理、及时释放。这里的1.77GB仅指KV缓存，模型权重等其他显存开销另计。 省缓存之外，报告还测了多份文档同时处理时的表现。 在另一项16路并发测试中，采用这套解码方式后，端到端吞吐量从360提升至1315Token/秒，约为标准解码的3.65倍。 △解码方式对比：单序列峰值KV缓存与16路并发吞吐量 对需要批量处理年报、技术手册的服务来说，这两项变化都有实际意义：显存占用降下来，同样一块卡就能塞进更多活儿；并发跑起来，单位时间内输出的内容也更多。 用户也不需要操心了，照旧提交整份文档，分块和衔接由模型在内部完成，省掉了手动拆文件、分批提交再拼接的麻烦。 更快、更省之外，解析质量也得守得住。 MPDocBench考察的是多页文档的解析质量：面对数十页长的文档，模型既要准确识别内容，也要还原文档结构。 这项测试中，文心Unlimited OCR 2取得了84.59的综合得分。 为了进一步测试百页级文档，团队还新建了MarathonDocBench。它包含100份文档，每份103至300页。不少段落和表格会延续到下一页，专门考验模型能否把前后内容正确衔接起来。 在这套更长、更刁钻的基准上，文心Unlimited OCR 2取得了77.06的综合得分。两项评测中，它的综合得分均为报告所列参评模型中的最高值。 △出自技术报告：多页文档解析评测结果 长文档处理速度的变化同样明显。在报告的百页级测试中，SR-SWA的单步解码速度分别达到Full Attention（全注意力机制）的7.0倍、上一代所用R-SWA的5.6倍。 看曲线更直观：随着文档变长，前两种方案的单步解码耗时一路往上爬，而SR-SWA的单步耗时几乎是条水平线。 这意味着，模型每生成一个Token所需的时间，不会因为输入页数增加而明显变长——书越厚，但写字的速度不变。 △不同文档长度下的单步解码延迟 对比上一代，文心Unlimited OCR 2的单页综合得分基本持平。 真正拉开差距的地方，出现在文档变长之后：能连续处理的页面更多，跨页内容认得更准，长文档解析的计算和缓存开销同步下降。 至于大家怎么用嘛…… 你可以输入几百页的年报，或者一本厚厚的技术手册。 尤其是扫描件：先交给模型连续解析、转成文字，再去检索信息、核对内容，也能少折腾不少拆页和手工拼接的活儿。 不过，这么强的OCR，谁拿来工作啊…… 当然是用来看小说了！ OCR 3.0时代，来了 当然，从几页材料到整本书，OCR需要解决的问题也在发生变化。 技术报告中，团队将文档解析的演进概括为OCR 1.0、2.0和3.0三个阶段。 早期的OCR更像一条分工明确的流水线：先找到文字的位置，再识别其中的内容，最后整理版面和输出结果。如果涉及多页解析，通常是一页一页处理，然后把结果拼接起来，这就是OCR 1.0。 不同模块各司其职，但前一步的错误，也可能一路传到后面——一个环节打喷嚏，后面全感冒。 到了OCR 2.0，视觉语言模型开始直接从页面图像生成解析结果，减少多个模块之间的交接。第一代Unlimited OCR，就把这种端到端解析扩展到了数十页文档。 △AI生成 当文档从数十页增加到几百页，连续解析既要保证前后内容衔接，也要控制计算和缓存开销。 文心Unlimited OCR 2通过按需参考与分块解码，让模型处理更多页面时，不必让每一步的计算范围随页数扩大，也不必一直保留所有页面的视觉缓存。 团队将这一步称为OCR 3.0：把持续处理整份文档作为新的技术目标——一口气，不分页，无限解析，永不宕机。 而且吧，这个目标，还有个二次元版本。 Unlimited OCR Works这个名字，本身致敬的是《Fate/stay night》中的「无限剑制」，也就是Unlimited Blade Works。 △《Fate/stay night》动画官网首页 在原作设定里，这是一种叫作「固有结界」的魔术，施展后，会展开一片插满无数刀剑的特殊空间。 上一代发布后，Hugging Face用户Snarcy发现了这个命名梗，索性把经典咏唱改成了OCR版本。 到了第二代，团队还真把这段改写收进了技术报告的引言，并保留了Snarcy的署名。 于是，翻开这份讨论注意力机制和显存开销的报告，开篇你将看到这样一段咏唱： Pixels are my body, and tokens are my blood. 像素为身，而Token为血。 I have parsed over a thousand pages. 我已阅尽千余页文档。 Unknown to KV cache. 不为KV Cache所限， Nor known to context limits. 不为上下文长度所缚。 So, as I pray： Unlimited OCR Works 故而，我在此祈愿：Unlimited OCR Works。 从47GB降到1.77GB，「不为KV缓存所限」这句，还真没白唱。 也是老中二了。 —完— @量子位 · 追踪AI技术和产品新动态 深有感触的朋友，欢迎赞同、关注、分享三连վ’ᴗ’ ի ❤

税务规划的合法性与正当性：以离岸信托为例 信托制度的价值在于使财产安排服务于其真实目的，而非提供规避税务或者债务的通道。合规只是起点，财产安排者仍须回答——打算在合规之上建立怎样的财富秩序，又愿意为社会共同体的运转承担何种份额的成本 信托制度的价值在于使财产安排服务于其真实目的，而非提供规避税务或者债务的通道。图：视觉中国 　　合法性与正当性，是两个层面的检验。前者回答“是否可为”，后者回答“是否当为”；前者由法律划定，后者由社会衡量。法律的功能在于宣告禁止的边界，而不在于宣告行为的褒贬。一个社会的成熟程度，往往可以从它如何评价“合法但有争议”的行为中看出来。离岸信托这类财产安排，正处在两层检验的交界处：它通常符合法律的强制性规定，却又难以避免地接受社会正当性的追问。要理解这种“合法却仍受追问”的处境从何而来，需要先回到信托制度本身的构造。 　　推荐进入财新数据库，可随时查阅宏观经济、股票债券、公司人物，财经数据尽在掌握。

Physical RSI第一站！便利店打工“人”自己进化，物理AI飞轮启动了 无人在环进店实测啃下长尾场景 因为货架上的小尺寸挂钩被价格标签牌挡住了一部分，进便利店打工的机器人君第一次尝试挂货……扑了个空。 换作以往，这时候就必须由人工工程师出马，先排查问题，再调整程序、补充数据，让机器人重新练习一遍。 但机器人君有点不一样。它自己琢磨出了新办法。 它回看此前的执行记录，发现头部相机的视角分辨率不足，加上标签牌遮挡，很难看清小挂钩的位置。 于是，Agent调整了策略，让左手先靠近目标，用腕部相机补上一个近距离视角，确认位置后，再由右手完成挂货。 更值得一提的是，刚才机器人君不仅自己发现了问题所在、寻得了解法，还把这套有效经验默默积累了下来，以备不时之需。 这套让机器人在工作中发现问题、调整策略、积累经验的机制，背后是智元最新发布的具身Agent框架Genie Master。 这也是智元近期掀起的“AI WAVE”系列技术发布的第四弹——这一次，智元在业界把Physical RSI（具身递归自进化）搬进了真实便利店业务流。 在Genie Master的加持下，智元精灵G2机器人在真实便利店环境执行任务的过程中，已经可以不依赖人工示范与调试，自主分析失败原因、调整策略、沉淀经验，实现“无人在环”的持续自我改进。 这是行业首次跳出仿真环境与实验室设定（toy setting），在真实业务场景中跑通并验证了Physical RSI。 Genie Master这套自主进化的闭环到底是怎么玩起来的？它又能为机器人的批量上岗，带来哪些颠覆性的改变？ Genie Master是什么？ 要搞清楚这台机器人为什么能“自己悟道”，首先得看看它背后的Genie Master到底是个啥。 简单来说，Genie Master是一套具身Agent框架，其核心任务是连接上层Agent的推理能力与底层机器人的动作执行能力。 它不仅让Agent能够顺畅地调用机器人的各项能力、理解真实的物理执行反馈，还能根据任务进展持续组织行动和针对性练习。 一旦机器人在实际工作中暴露出了能力短板，这个问题就会直接进入自主改进流程。 不难看出，Genie Master想要重点构建机器人部署之后的持续改进机制——这其中既涉及任务执行当下的判断与动态调整，也涵盖了事后的经验沉淀和底层动作策略更新。 智元之所以提出这个框架，是因为它看到了行业长期以来的落地痛点。 行内人都知道，机器人进入真实商业场景后，难免遇到训练阶段没有覆盖的长尾情况。 执行失败、动作不稳定，或者某项任务耗时过长，都可能需要工程师介入排查，再通过调整程序、补充示范数据或训练模型来改善表现。 场景越多，任务越复杂，研发和维护的工作量也会随之增加。 如果每一种新需求都等着人工从头排查和调试，迭代速度就会受限，更难以跨场景大规模铺开落地。 一言以蔽之，具身智能要想真正大规模用起来，就必须从依赖人工示范的“被动微调”，转向机器人自主发现问题、解决问题的“自进化模式”。 Genie Master希望将其中一部分工作交给Agent。 通过把问题诊断、组织练习和结果评估都交由Agent来操盘，Genie Master支持机器人自主习得新能力，从而大幅缩短从“客户提出一项新需求”到“机器人掌握这项新本领”之间的研发周期。 除了开头提到的挂钩补货，在真实便利店的实测中，搭载Genie Master的机器人还展现出了更多应对复杂局面的能力。 据智元介绍，Genie Master团队已将取货、补货、清洁、异常恢复和多机协作纳入统一工作流，探索机器人在真实业务中的持续改进闭环。 闲时自己“加练”，具身Agent框架打通大脑与小脑 让机器人在工作中自我进化，思路并不难。 但在此之前，为什么这件事只停留在实验室的讨论里，几乎没人真正在现实业务中做起来、做出来？ 究其原因，无论是上层的经验沉淀，还是底层的策略内化，都必须建立在一个极其硬核的基础之上—— 上层推理“大脑”的引导，必须能精准落实为动作；底层执行“小脑”的结果，也必须能实时反馈给大脑。 为了打通这条任督二脉，Genie Master拿出了它的关键设计之一： 具身执行协议EEP（Embodied Execution Protocol）。 EEP为Agent与物理世界建立了一套统一接口，主要涵盖了四类核心接口： 能力接口：让Agent清楚知道机器人当前有哪些能力可以调用； 引导接口：让Agent能够向底层动作执行端传递具体的空间提示、物体参考和细粒度语言要求； 反馈接口：让Agent实时了解机器人执行动作后的真实物理情况； 连续性接口：让系统能够持续追踪机器人集群的任务进度、分工依赖，支持动态调度以及中断后的任务接续。 通过EEP协议，并配合时序对齐（Temporal Alignment）等协同设计，上层Agent可以根据执行结果随时动态调整引导；而底层的基座动作策略（Action Policy）则能结合当前观测和Agent的要求去精准执行动作，并实时返回观测与子任务状态。 在具身智能系统中，只有把推理、执行和反馈真正拧成一股绳，自我进化才不是空中楼阁。 EEP承担的正是这条交互链路中的关键接口作用，为后续的经验积累和策略更新打下了地基。 地基打牢之后，机器人在部署态下的“自卷”日常就开始了。 在便利店的正常工作流中，当机器人发现某些任务反复失败、执行不稳或者耗时过长，也就是暴露出了“能力缺口”时，Agent并不会坐视不管。 它会主动利用便利店的空闲时间，组织机器人针对这些薄弱环节进行“自主加练”。 练什么、怎么练、练完之后结果合不合格、遇到异常怎么恢复并重试，全由Agent一手张罗。真实的部署环境，就这样源源不断地为机器人提供着“接下来该练什么、该改什么”的实战依据。 一条路线积累经验，一条路线更新动作策略 既然已经在真实场景里把“发现问题”和“自主加练”张罗起来了，那么机器人又是如何把练出来的成果，真正长成自己身上的本事呢？ 在这里，Genie Master采取了“双管齐下”的策略。 一条路线叫Harness RSI，负责积累经验；另一条路线叫Policy RSI，负责更新动作策略。 先来看Harness RSI。 它的核心逻辑是在保持模型权重和已有工具接口不变的前提下，主要通过优化提示词（Prompt）、记忆（Memory）和执行规则来改善后续的任务表现。 在日常推理执行的过程中，机器人会把成功和失败的例子“随做随记”；随后再通过每日的异步反思与记忆整合，把这些执行记录转化为更有效的引导、完成判定、异常恢复和协作规则，像写“错题本”一样纳入长期记忆中，并在后续按任务和场景需要逐步加载。 回看文章开头那个“便利店挂货”的案例，其实就是Harness RSI在发力。 最开始，那个小挂钩任务的成功率很低。但Agent在回溯了失败记录后诊断出了病根，即“头部相机视角分辨率不足，加上标签牌遮挡，导致机器人无法准确识别小尺寸挂钩的位置”。 于是，Agent把“先用左手腕部相机凑近补视角、确认后再用右手挂货”的新解法写进了可执行的经验里，后续再遇到类似情况，就能直接调取经验、从容应对。 “错题本”外，为了满足真机部署对低延迟、高稳定性的严苛要求，有些能力必须变成机器人的“肌肉记忆”。 这就轮到Policy RSI登场了。 Policy RSI会将机器人在自主执行、人工接管示范以及异常恢复过程中产生的数据，统统收集整理起来，通过筛选、加权和目标重标等方式提高数据质量，再使用监督学习、模仿学习或强化学习去直接更新底层的动作策略模型（Action Policy），让改进真正保留在模型参数里。 假设机器人在店里做“外卖打包防缠绕”这一任务，处理提带缠绕、执行回撤和异常恢复时产生的数据，经过筛选和处理后，可以用于后续动作策略训练，帮助模型改善类似任务的执行表现。 通过Policy RSI，机器人得以从一次次真实的执行经历中吸收养分，获得更稳定的执行力与更准确的指令跟随能力。 需要说明的是，不是说从此完全不需要人工参与了，Policy RSI仍会使用人工接管示范等数据，动作策略的更新也需要经过数据处理和模型训练。 更妙的是，这两条路线并不是各自为战，而是相互咬合、形成了一个越转越快的飞轮—— Harness RSI负责积累和组织经验，帮助系统分析失败原因、选择练习方式，并改善后续执行； Policy RSI则将经过处理的执行数据用于动作策略训练，让有效经验有机会沉淀为更稳定的动作能力。 两条路线相互促进，形成从真实业务执行、发现能力缺口、自主练习，到经验沉淀和策略更新的闭环。智元希望借此让每一轮积累的经验，都能帮助系统更有效地诊断问题、选择练习和利用数据。 让提升能力的能力也持续进化，在相同投入下获得更大的能力增量，这正是“递归自进化（RSI）”的真正威力所在。 从“出厂即定型”到“越干越能干” 跳出便利店，站在整个具身智能产业的视角来看，智元Genie Master所探索的方向，正在推开一扇新的大门。 首先，在研发效率上，它彻底打破了以往机器人能力“出厂即定型”的枷锁，将其转向了“部署中持续生长”的新范式。 当AI的新解法能够自己在现场长成机器人的新本领，从客户提出新需求到机器人掌握新技能的交付周期将被大幅压缩。 其次，在商业化落地上，这也算清楚了一笔经济账。 当机器人在真实作业中“越干越能干”，同一套能力便会在部署中不断增厚。 未来向更多门店、更多跨行业场景复制时，后续部署与研发的边际成本将持续下探。 而这条不断降低的成本曲线，正是具身智能走向大规模商业化落地的核心前提。 回看智元自10月22日起启动的“AI WAVE”系列发布，作为其中的第四项内容，Genie Master在智元全栈具身AI的整体布局中起着关键的承上启下作用——它将底层基座模型与全栈AI能力延伸并扎根到了真实的商业部署态中。 当然，技术架构讲得再精彩，最终还是要靠实战表现来说话。 俗话说得好，是骡子是马，拉出来遛遛。 11月2日，智元计划开启一场全网围观的“24小时便利店直播”。 届时，将有6台精灵G2机器人连续上岗，在没有剧本的真实便利店营业中，接受严苛的转正考核。

乔布斯的皮克斯，狂赞中国物理AI数据终端 顶尖智能汽车玩家的终局，不会停在智能汽车 这可能是中国智能汽车玩家里，最天马行空的一次“转身”： 这盏小台灯闻名世界，它是《玩具总动员》背后的好莱坞特效公司皮克斯的标志，过去30届奥斯卡最佳视效大奖中，24部影片都在用皮克斯的特效技术。 当然，皮克斯也因为它的创始人而闻名——史蒂夫·乔布斯，这是他在1985年被苹果公司“扫地出门”后的创业项目。 前不久，皮克斯官方上架了最新的3D渲染教程： 教创作者如何使用皮克斯官方工具处理真实世界的3D高斯泼溅数据，说明中，皮克斯特意感谢了一家中国公司提供的3D场景扫描方案Kosmo。 而这家公司，竟然就是智能汽车赛道绕不过去的名字：禾赛科技——车载激光雷达“一哥”，智能车“安全带”强力推动普及者。 这这这，一边是传统、硬核、轰隆作响的大车企，一方面是轻松、酷炫、喧嚣热闹的好莱坞娱乐业，禾赛这业务布局，也太天马行空了吧？ 激光雷达公司禾赛，怎么打进好莱坞的？ RenderMan是皮克斯的核心渲染技术，算法历史比皮克斯这家公司还要早，史蒂夫・乔布斯当年就是看到了计算机图形学作为一种艺术形式的潜力，并投下重注。 发展到今天，GPU加速的XPU架构已经落地，对3D高斯泼溅（3DGS）这一全新三维数据格式的支持也已加入RenderMan，而帮助RenderMan“捕捉”真实世界的，就是禾赛的Kosmo： 皮克斯是这么描述Kosmo的价值的： 影视特效需要在像素层面完成编辑工作，数据和信息越丰富，能做的调整就越细腻。而Kosmo可以让建模师走进任何一个地方，捕捉它的每一个空间元素、精准几何结构和真实光照。 就比如，皮克斯总部Steve Jobs大楼前的台灯（Pixar Lamp）和小球（Pixar Ball），用Kosmo捕捉空间只需10-20分钟，得到的高质量3DGS数据通过USD格式直接进入工作环境： 接下来，皮克斯工程师就可以在直接输出的模型空间里，移动、缩放、调整透明度、绘画风格化……让整座广场变成一幅笔触流动的画： 真实→3DGS→渲染，禾赛给出的数据是，一般100平米左右的空间，手持Kosmo采集大概需要15-20min的时间： △操作超简单，扫描完成的空间物体在显示屏上没有网格覆盖，剩下有覆盖部分是待扫描的 所以对于影视娱乐行业，Kosmo第一个价值就是快速提取真实景物环境信息，且100%真实还原。 多说一句，现象级国产3A大作《黑神话·悟空》，制作方游戏科学当年就是拿着禾赛的激光雷达去采集各种古建筑模型的，而这也是Kosmo诞生的驱动因素之一。 快速建模还只是其一，Kosmo更被认可的，是直接输出3D高斯泼溅格式的能力，采集完的数据不需要再经过任何复杂处理，可以直接用各种AI的、人工的工具编辑调试。 所以，Kosmo的本质其实是真实的3维世界数据引擎，多种不同传感器高度集成、标定完善，到手即用，直接输出可供模型训练、可以操控编辑、空间关系/色彩形状都不失真的3维数字模型。 所以，打进好莱坞影视行业，本质上只是禾赛攀登物理AI珠峰过程中，沿途下的一个“蛋”。 Kosmo的更“初心”的落地场景，是作为具身智能、物理AI底层模型最重要的数据渠道入口。 真实空间环境的材质、物体棱角、色彩，都做到了电影级还原： 甚至墙上的挂画也能无损复现，色块文字、位置关系毫无偏差： 手持设备之外，Kosmo背后的云端模型，可以直接进行3D语义分割，把一个场景中的各个元素拆分出来： 为什么要这样做呢？答案是： Kosmo建模完成的数据资产，可以直接拿来构建机器人的训练任务——这实际上就是世界模型追求的目标，不同之处在于，Kosmo数据来自真实世界，物理定律、因果更加精准，并且对于模型的行为，更容易解释归因。 除了目标物体、材质颜色，Kosmo本身还提供空间关系这个更关键的要素： 机器人从感知到认知，主动规划路线、策略，空间关系是必不可少的决策因素和模型训练数据。 而这样“前装量产”、“前融合”的数据入口，整个具身智能、物理AI赛道之前是不存在的。 具身玩家，包括其他有测绘采集需求的团队，其实都有强需求，并且需要的远远不止激光雷达数据。 只不过长期以来，大家的玩法是各自采购不同传感器元件，自己手搓一套数据采集设备——非标、可靠性低、昂贵、没法迭代。 但这所有的痛点，都是禾赛这个激光雷达“一哥”的舒适区：精密光电设备、车规标准，工程量产。 所以Kosmo上当然集成了激光雷达，但远不止禾赛车载激光雷达业务的延伸，也不是为了卖更多激光雷达的炫技（激光雷达“一哥”年出货数百万台，早已经被广泛认可），而是在解决具身智能、物理AI领域一个困扰所有人的“重复造轮子”难题—— 行业第一个“即开即扫、即扫即用”的专用数据终端。 禾赛的Kosmo有什么不一样？ Kosmo的组成分两端，用户手里的Kosmo One是采集端，云端的Kosmo World是重建端。 Kosmo One内部有四类传感器：定制激光雷达、最高8K分辨率的超高清影像系统、一英寸大底CMOS、高精度IMU。 这四类传感器输出的信号，天生就不一样：点云是一堆稀疏的三维坐标，图像是二维像素阵列，IMU是高频时序数据等等。 所谓前融合，意思是在这些信号进入任何重建算法之前，先在硬件层面把它们对齐。 分两个维度——时间上，Kosmo做到微秒级同步采集，四类传感器共享同一个时钟源和触发机制，每一帧数据在时间戳上严格绑定。 空间上，激光雷达和摄像头之间的外参标定，决定了点云中每个三维点能不能准确投影到对应图像的像素上。 Kosmo One把三者集成在同一台设备，外参出厂时标定好，使用过程中由IMU辅助维持。激光雷达测出的深度可以直接和图像像素逐点对应，不需要在软件端靠特征匹配去猜传感器之间的相对位置。 前融合的输出，是一组时空对齐的多模态数据帧。 每一帧里，激光雷达点云、图像RGB像素、IMU位姿轨迹绑在同一个时间戳下，共同描述设备在那一刻对空间的一次完整观测。 设备级前融合，其实和禾赛在毕加索SPAD-SoC上做的像素级前融合同源，也就是SPAD像素上方集成RGB滤光片，单像素同时完成光子计数和 ToF计时，直接输出时空对齐的彩色点云。 Kosmo One就是把类似思路从芯片扩展到了多传感器系统。 之后，多模态帧上传到云端，进入Kosmo Spatial Core，简称KSC，转化成3D高斯泼溅表示。 3DGS是2023年SIGGRAPH上提出的一种三维场景表示方法。它用一堆三维高斯分布来搭场景，每个高斯有自己的位置、形状、透明度和随视角变化的颜色。 训练时，从相机标定产生的稀疏点云出发，通过渲染图像和真实图像的差异来调整这些高斯，最后得到一团能实时渲染出照片级画面的三维点。 但原始3DGS有个短板：它只靠图像，单目图像没法确定场景的真实尺度，白墙、玻璃这类没什么纹理的地方容易算歪，高斯的空间分布也缺乏物理约束。 学术界过去两年在集中解决这个问题，方向就是把激光雷达的绝对深度塞进3DGS的初始化和优化里。 再对应回Kosmo，整个流程就变成这样： Kosmo One完成微秒级同步采集，ISP做多视角色彩一致性处理，数据上传KSC。 KSC再用激光雷达点云初始化高斯位置，用深度作为几何约束参与优化，RGB信息通过可微光栅化的光度损失注入高斯的颜色参数。 三路信号在同一个优化框架里协同，最终输出位置、形状、颜色同时收敛的3DGS表示。 同时，KSC还在此基础上同步导出mesh和depth两种同源数据，空间坐标系统一，不需要跨格式配准。 最终一次重建同步输出3DGS、mesh、depth三种可直接用于机器人训练的数据形态。 最后KSC还搭载AIGC补全能力，对未扫描到的盲区做自动补全和材质识别，并通过AI语义分割把场景内物体独立识别和标注，使静态三维模型可以直接转化为AI可训练的结构化数据。 顶尖智能汽车玩家，不可能停留在智能汽车 Kosmo的特性，实际上已经远远超越智能汽车，甚至是具身智能应用场景。 影视、游戏、测绘、机器人，甚至房地产，也需要Kosmo的能力——VR看房。 △ 皮克斯创意负责人Dylan 和禾赛 CEO 李一帆 一句话：如果数据是“石油”，那Kosmo其实就是采油+炼油基础设施全流程整合，让各位“车主”（AI模型、应用层、数据需求方）加油即走开箱即用。 这是应用的广度，而在“深度”上，禾赛在Kosmo上注入了更深刻的思考。 从自动驾驶到具身智能，数据仿真和实采的对垒争论一直没听过，而今年世界模型概念流行起来以后，这门“显学”感觉要被终结了： 既有世界模型，又何必花大力气搞真实数据采集？ 从这个逻辑看，Kosmo似乎是“逆AI浪潮”的。 但GPT-6 Astra和Kosmo复原场景数据的对比，其实已经说明了问题： 至少现阶段的“世界模型”，是没办法回答这样一个问题的： AI越强，代表世界模型/机器人能推理、能解决的问题越多，也就是物理AI终端解锁的场景越多，但同时也意味着对泛化的要求越高。 那不就更需要真实世界的新鲜数据作为基础吗？ Kosmo这类空间数据采集产品，可能会长期存在。 也就是说，Kosmo不是在AI变强后被替代，而是AI越强，它越有用——“顺AI”。 回到质疑，Kosmo本身就是世界模型的kick start； 至于世界模型的本质争论，AI到底是在“猜世界”，还是真实理解世界？学界产业界争论不休，但禾赛通过Kosmo挑明了一个更底层、但传统大模型玩家一直回避忽视的问题： 模型，尤其是在训练阶段数据来源如果能对齐真实物理世界，很多问题是不是可以迎刃而解？很多争论是不是也没有必要？ 至少，明确了模型的能力来源和解释归因链条，再去讨论世界模型本质问题，才不算是“镜花水月”。 禾赛这个从车圈走出来的激光雷达供应商，的确应该被充分重估了。 首先在智能汽车赛道锻炼出的精密设备制造、芯片设计、工程量产等等能力，成了物理AI时代的能力基础——除了Kosmo，还有自研的机器人驱动模组，小、大力、可靠： 禾赛的角色也从单纯服务车企的激光雷达供应商，变成了物理AI基础设施供应商，就比如Kosmo的主要营收，可能不是硬件售卖，而是卖Kosmo大脑生产数据资产消耗的token。 其次，禾赛创始团队，现在不仅仅只有禾赛这一家“基础设施”公司，还有机器人全栈公司Sharpa： Sharpa从真实落地场景中发现问题，反馈需求，禾赛不断迭代升级，拿出更好方案提供给整个具身智能赛道，当然也从Sharpa直接营收——自己的小闭环，推动行业的大闭环。 最后，禾赛早已经突破单纯的硬件公司范围。 Kosmo本身就是硬件和模型的综合方案，但模型背后有一个较少被关注的东西：数据资产平台，用户扫描的数据、禾赛官方自己的测试数据等等，都可以在这上面开源： CEO李一帆不经意“暴露”野心：禾赛特意把Kosmo做得有“苹果感”——顶尖的硬件研发设计制造，去支撑覆盖全行业的平台生态。 物理AI越往前走，对真实世界新鲜数据的需求只会更大。 禾赛从车圈杀出，已经站到了物理AI数据入口的位置。 接下来，它要证明的是这条从传感器到数据资产的路径，能跑出多宽、多深的商业版图。 可以肯定，顶尖智能汽车玩家的终局，不会停在智能汽车。

证监会“最贪”高官王会民被判死缓 27年受贿4.36亿元 王会民的受贿金额，超过原发行监管部副主任童道驰的2.74亿元、原主席助理朱从玖的1.05亿元、原副主席王建军的9340万元和姚刚的6961万元，在目前已公开判决的证监会原任职官员中受贿金额最高 　　【财新网】2026年10月27日，四川省成都市中级人民法院一审公开宣判中国证监会原党委委员、中央纪委国家监委驻证监会纪检监察组原组长王会民受贿案。法院认定，王会民在1998年至2025年间受贿4.36亿余元，以受贿罪判处其死刑，缓期二年执行，剥夺政治权利终身，并处没收个人全部财产。 　　现年67岁的王会民是甘肃宁县人。从1975年到新疆西南部的麦盖提县“五七”农场接受再教育开始，他在新疆一干就是40年。其中前9年，王会民一直在麦盖提县，从棉麻公司会计做到了县委宣传部干部。

印奇把4D雷达也端到端了 毫米波雷达，AI算力10TOPS 一颗4D毫米波雷达内置10 TOPS NPU、支持本地AI感知、卫星架构以及两者并行的多种输出方式。 说人话，这颗雷达从天线设计到点云输出，整条链路都交给模型了。如果借用一个智驾行业的说法，它在某种意义上也「端到端」了，甚至还能靠OTA持续升级感知能力。 熟悉的技术、熟悉的打法，但放在一起，怎么感觉这么陌生？ 3nm、几百上千TOPS的芯片都上车了，一个毫米波雷达，还有必要拥有独立「大脑」吗？ 仔细一看，还不是什么小公司的边缘尝试，是印奇和他掌舵的千里科技最新的进展。 物理AI这条路上，千里背后还有印奇担任董事长的阶跃星辰，以及吉利汽车的整车场景。 在纯视觉、垂直整合、全栈自研这几条主流路线之外，千里科技更像是平台型公司的链式协同。 那更要看看了，到底怎么个事？ 千里做了一颗什么样的雷达？ 想象一个场景：你开着车，前方头顶是龙门架，车道里停着一辆车。传统毫米波雷达同时收到两个回波，强度差不多，但它分不清谁高谁低。 结果要么把龙门架当成障碍物一脚急刹，要么把停着的车当成overhead结构直接忽略。这是最传统的3D毫米波雷达的老毛病，测距、测速都在行，唯独缺了“上下”这一维。 4D雷达补的就是这一维，俯仰角加进来之后，雷达能输出距离、速度、方位角、高度四个维度的信息，点云从平面铺开变成了立体的。 千里的AI雷达第一步补上的就是这关键的维度。但通道数和信息量上去了，信号处理的负担跟着涨，护栏、隧道、桥梁、地面、天空这些强反射物，会在回波里混进大量杂波。 以前那种靠固定阈值和人工规则做判断的传统方案，在这种环境里容易出四类问题：多径鬼影、杂波干扰、弱目标丢失、多目标分离不足。传感器参数表很好看，实际路上该误报还是误报，该丢目标还是丢目标。 4D雷达的硬件潜力，很长时间卡在处理环节释放不出来。 千里科技的解法，是从天线阵列和波形的设计阶段就把算法引进来，然后在点云检测、测角、点云增强、目标跟踪与分类这些关键环节换成数据驱动模型，减少对人工规则和经验阈值的依赖。 这颗雷达的AI从信号产生的最前端就介入，一直贯穿到环境理解的末端。 与千里上一代采用DSP端侧计算的4D雷达相比，点云密度增强10倍，探测距离提升40%，鬼影消除提升至95%，空间角分辨力提升12倍。 接下来是这颗雷达最容易被低估的部分：它支持三种工作模式。边缘侧模式下，回波在雷达端走完从ADC采样到目标跟踪与分类的全链路，NPU上部署AI Detector、AI辅助测角、AI点云增强等模型，雷达直接输出结构化感知结果。优势是本地链路短、响应快，减少域控侧的计算和通信负担，适合需要成熟目标级接口或分布式感知能力的平台。 卫星架构模式下，雷达以前端采集和高速传输为核心，把更接近原始信号的数据交给ADCU或中央域控统一处理，中央平台可以用更大的模型对摄像头、毫米波雷达等多源信息做更早阶段的时空对齐与全局推理。 第三种是兼容模式，两种活同时干。 雷达最原始的RAW数据直接交给SOC做处理和融合，与此同时，雷达上的边缘侧处理器独立完成一遍处理。 为什么非要同时做两遍？因为这两件事要的时间尺度不一样。 中央模型要的是未经处理的原始回波，它想做多源前融合，需要毫秒级的对齐精度和尽可能完整的信号细节，天然慢一些，链路也长一些。但车上的执行层等不了这个节奏，刹车和预警要的是当下就能用的结论，快比全更重要。 一个要「尽量看全」，一个要「马上能给」，这两个需求串不起来，只能并行。行业过去讲双模，通常落在「安全冗余」四个字上，意思是中央那套万一出问题，雷达自己能兜住。 但兜底说的是故障时顶上，而两种时间尺度说的是正常情况下两边各有各的活，后者才是这个设计真正的分量。 这背后有一个自然而然的问题：到底哪一部分AI计算需求需要放进雷达，又有哪些需要保留中央域控参与处理？ 模型，怎么改变雷达？ 变化的起点，是智驾本身的要求变了。 L2向L3、L4演进，雨雾、逆光、夜间、强反射、横穿车流、静止障碍物这些场景，要求感知不只“看得见”，还要“看得清、判得准、反应快”。 而要满足这些场景，多传感器前融合成了绕不开的路径，它需要的不只是更灵敏的传感器，而是能保留更多原始信息、可由模型统一理解的数据形式。这就带来了新问题。 4D雷达点云密度从传统雷达每秒几十个点，跃升到每秒数万甚至十万个点；卫星架构下，原始数据输入量可能比传统4D雷达多约100倍，ADC带宽做到6Gbps。 主流智驾车型传感器数量突破30个，每日产生的数据量超过10TB，中央计算平台面对的就是这样一条流量暴涨的河流。 所以，即使只是为了降低智驾模型输出延迟、高效利用中央算力，也需要把数据预处理这样专业的事交给专业的人，而不是全推给后端。 雷达像以前那样只回答“探到了什么目标”已经不够了，还要回答“能用什么形式，把多少有效信息交给后端的模型”。 可能有人会争论，以往的雷达产品，不是一直都有端侧的数据处理模块吗？ 区别在规则是谁写的。传统4D雷达靠固定阈值和人工规则做判断，规则是人写的，人只能写下自己想到过的情况。对一个从没见过的corner case，规则库给不出答案，系统只能按最保守的方式处理，要么误刹，要么漏掉。每遇到一类新情况，就得重新定义、重新标定、重新验证，一轮下来几个月。 AI化之后，这件事的性质变了。模型从数据里学规律，遇到训练中没出现过的组合，仍然能依据已学到的特征做出判断，不需要等一条新规则被写出来。一个长尾问题从采集、回流、进训练到发版，周期从按月计压缩到按周计甚至更短。 千里科技做的第一件事，是把AI计算放进雷达内部，让传感器先把自己采集的数据处理到更深一层，直接输出结构化结果。第二件事是决定算完之后怎么交付，也就是前面那三种模式，任务留多少在传感器里、数据交多少给中央，按平台和功能等级来配。 三种架构的分野，可以沿功能等级、EE架构、成本与控制权这三条线来看。 目标级输出锚定常规辅助驾驶和分布式EE架构，成本敏感；卫星架构从L2+起步，在L3/L4的前融合需求下变成刚性选择，因为只有把原始数据送到中央，毫米波回波才有机会和图像特征在统一BEV空间里做特征级融合。 真正的工程边界在带宽和平台能力：域控算力和高速接口不够，卫星架构就失去落地的物理基础；功能等级停在L2、对前融合没有真实需求，为原始数据付传输和算力成本，在量产账本上不成立。 千里这颗雷达同时保留三条路径，对应的正是整车平台从分布式向中央集中过渡期间，同一套硬件要在不同车型、不同功能等级上找到位置。 兼容模式在这套分析里比较特殊，它同时占住两条线：还没完成中央化的平台，边缘侧那份结果可以直接用；已经有域控算力的平台，RAW数据又能进中央做前融合。过渡期里最值钱的恰恰是这个「两头都能接」。 举个例子，千里AI雷达对静止儿童的稳定探测距离是100至150米，意味着儿童横穿与鬼探头场景，可以为AEB提供更长反应窗口。 AI后处理与多径特征建模则把鬼影和误报消除了约95%，4D点云增强还能辅助判断可通行空间。 印奇的物理AI闭环 千里科技的AI雷达，最底层的逻辑是「含模量」开始重塑底层传感器。 深入软硬一体，整个传感器的研发也发生了变化：从波导天线、射频前端、SoC/NPU、调制方式，到模型和数据闭环，全部协同设计。表面是硬件升级，实质是传感器从「目标级汇报者」转向「特征级协作者」。 雷达AI化不是可选项，感知端是数据与智能的入口，毫米波雷达在这条路径上绕不过去。 早年间印奇就把「AI+物理终端」作为底层信条：3D相机是打通数字与物理世界的桥梁，AIoT是「AI+IoT+空间」，组织形态被有意做成偏软硬结合。 但AI 1.0的困境在于，有算法纵深，却缺少规模化、持续产生真实反馈的终端载体，闭环没真正合拢。所以他后来说，「不能闭环的辉煌都是暂时的」。 千里与阶跃的组合补上了信条一直缺的那一侧。要害在于「原生基座模型」的预训练同源输入：通用语料和真实智驾感知、规控数据一起喂进去，基座模型诞生时就带有三维空间和时间序列的认知结构。 印奇同时执掌两家，模型公司和终端公司之间常见的鸿沟被填平，「大脑定义终端输出什么、终端反馈模型学习什么」的循环，在同一个掌舵人手下转了起来。 这，是AI+物理终端理念在广度上的延伸，也是在纯视觉、垂直整合、全栈自研之外的那条路。 AI+物理终端这个说法，行业内也有类似表述，但讨论大多停留在「AI赋能」这一层，认为AI改变的是任务流程，提供的价值是更自动化的信息呈现。 从模型范式迭代出发，去改变底层传感器和计算架构，这是千里这次尝试里最值得看的部分。 过去是「人希望雷达看到什么」，现在是从AI模型和Agent的角度倒推：这个系统在物理世界里要完成什么任务，需要什么样的信息形式，多远的有效距离，多高的分辨能力。 这就从根源上屏蔽了「人类视角」和「范式惯性」带来的干扰。 数字AI靠巨量参数和几乎唾手可得的数据往上走。 但现阶段，物理AI的天花板，由真实数据闭环的速度和高质量数据的密度决定。所以仅是这样的尝试本身，千里科技就有难以替代的独特价值。

【我闻·精选】退休6年后 证监会原纪委书记王会民父子因何被查 在新疆工作40年后、在证监会做了5年纪委书记，已退休6年的王会民及其子双双被查背后，与“刀郎之乡”有着什么样的曲折故事？ 　　【金融我闻/岳跃】2025年3月21日下午，中央纪委国家监委网站消息，中央纪委驻中国证券监督管理委员会原纪检组组长王会民，涉嫌严重违纪违法，目前正接受中央纪委国家监委纪律审查和监察调查。 　　据财新多方了解，王会民之子王邦重也一同被带走调查。相关消息已经发酵了约一周时间。 　　现年66岁的王会民，曾长期在新疆工作，2014年1月进京后直接进入证监会，任纪委书记达5年。2019年4月23日，有关部门到证监会宣布人事更替，王会民被免。

法国球星姆巴佩发表不当涉华言论 中国合作方全部切割 姆巴佩在中国国内的商业价值已经基本归零 资料图：姆巴佩。图：视觉中国 　　【财新网】近日，姆巴佩接受海外播客媒体《The Bridge》的采访时发表了涉华不当言论；即使相关视频已被《The Bridge》官方账号删除，但相关争议持续发酵。10月27日，外交部发言人郭嘉昆针对此事回应称，伤害中国人民感情的言行自然会遭到中国社会各界的共同抵制。 　　此前，东鹏饮料（09980.HK）、蒙牛（02319.HK）、妙可蓝多三家此前与姆巴佩签约的品牌，先后发布与其终止合作的官方声明。三家公司均表示坚决反对、零容忍伤害民族感情的行为，即日起终止与姆巴佩的全部合作。 　　在2024年曾与姆巴佩合作的小红书，也在随后发布声明称，公司与姆巴佩的合作已经结束，平台正持续核查并下架相关物料。目前，姆巴佩在小红书、微博平台的官方账号已经处于禁言状态。

微软启动6万人自愿离职 AI资本开支一年增约八成 微软首次启动覆盖约6万人的自愿离职计划，人员变化与资本开支急速扩张并行 微软首席人力资源官Amy Coleman当天在官方博客发布的内部信中称，这一计划面向参与组织的员工，为“可能正在考虑未来离开公司的人”提供新的选择，也让参与组织“多一种适配人力需求的方式”。图：视觉中国 　　【财新网】北京时间10月27日凌晨，微软宣布一项大规模自愿离职计划（Voluntary Exit Offer）。约6万名员工将收到邀约，可以自主选择拿一笔遣散补偿离开公司，也可以留在原岗位。据微软发言人确认，可自主选择的人数约占微软22.3万名全职员工的四分之一。这是微软首次推出此类计划，也是其年内规模最大的一次人力收缩动作。这一计划的实际减员规模仍是未知数。微软未披露预期参与率，最终走多少人取决于员工自己的选择。

新闻联播 2026/10/27 《新闻联播》 20261027 19:00 ⏱00:30:02 [视频]习近平致电祝贺卢拉当选连任巴西总统 ⏱00:01:01 [视频]习近平向日本前首相福田康夫遗属致唁电 ⏱00:01:05 [视频]【持之以恒推进全面从严治党】以优良作风厚植党的执政根基 ⏱00:06:35 [视频]前三季度规模以上工业企业利润实现较快增长 ⏱00:01:35 [视频]各地重大水利工程加快建设 ⏱00:02:42 [视频]【在希望的田野上】各地秋收秋种有序推进 ⏱00:02:06 [视频]我国风电光伏累计装机容量突破20亿千瓦 ⏱00:00:47 [视频]第140届广交会第二期线下展今天闭展 ⏱00:01:11 [视频]城市公交通行 模式活起来服务暖起来 ⏱00:02:24 [视频]国内联播快讯 ⏱00:03:12 [视频]全面从严治党为世界政党治理提供重要借鉴——国际人士高度关注中国共产党二十届五中全会 ⏱00:02:13 [视频]纪念东京审判开庭80周年图片展在纽约联合国总部开幕 ⏱00:01:08 [视频]国际联播快讯 ⏱00:01:56

Anthropic发招股书催化AI基建板块反弹 全球科技股表现分化 美股三大指数、日经225指数、韩国综合股价指数上涨，A股三大指数及恒指、恒科收跌 本次Anthropic发布招股书，被视为检验市场情绪的重要事件。图：视觉中国 　　【财新网】美国AI巨头Anthropic于当地时间10月26日上午向美国证券交易委员会（SEC）正式递交招股书催化市场情绪，全球科技股走强，芯片板块领涨。 　　当日美股收盘，纳指收涨0.82%，标普500指数涨0.70%，道指涨0.29%。 　　算力、存储等AI基建层股票引领当日涨幅。费城半导体指数上涨2.82%。芯片个股方面，英伟达涨2.39%，AMD涨2.80%，英特尔、恩智浦半导体、德州仪器等涨超4%，超威半导体、博通、应用材料、安森美半导体等也录得超2%的涨幅。

周海兵副主任会见法国财政总署署长杜蒙 10月23日下午，国家发展改革委副主任周海兵在委内会见法国财政总署署长杜蒙，双方就“十五五”规划、中法宏观经济形势、扩大双向投资、能源等议题进行了交流。　　高弘杰 摄　　周海兵表示，中方愿同法方加强沟通，深化部门间合作机制框架下务实合作。欢迎法国企业来华投资兴业，共同推动两国务实合作不断发展。希望法方为中国企业提供公平透明、非歧视、可预期的营商环境。　　杜蒙表示，法中务实合作稳步推进，愿与中方落实两国元首会晤共识，继续开展机制化交流，加强投资、能源等领域合作，欢迎更多中国企业赴法投资，实现互利共赢。附件：

微软启动6万人自愿离职 AI资本开支一年增约八成 推荐：Anthropic发招股书催化AI基建板块反弹 全球科技股表现分化；聚焦｜算法铁笼与社会奇点 【推荐】 微软启动6万人自愿离职 AI资本开支一年增约八成 微软首次启动覆盖约6万人的自愿离职计划，人员变化与资本开支急速扩张并行 Anthropic发招股书催化AI基建板块反弹 全球科技股表现分化 美股三大指数、日经225指数、韩国综合股价指数上涨，A股三大指数及恒指、恒科收跌 证监会“最贪”高官王会民被判死缓 27年受贿4.36亿元 王会民的受贿金额，超过原发行监管部副主任童道驰的2.74亿元、原主席助理朱从玖的1.05亿元、原副主席王建军的9340万元和姚刚的6961万元，在目前已公开判决的证监会原任职官员中受贿金额最高 聚焦｜算法铁笼与社会奇点

不藏了！人形机器人全开源动真格，从机械结构一路拆到运动算法 人形机器人全套图纸开源！从关节到算法，下载就能自己造。 有点狠！人形机器人公司这次居然要把技术黑盒拆到底了。 要知道，人形机器人这玩意儿，想开源可没那么简单。从机械结构、电气系统，到关节控制、运动算法，软硬件一环扣一环。 以往有些机器人虽然号称「开源」，但开发者拿到的可能只是一套SDK、几个API，或者部分算法代码。 想改关节控制？动不了。想调整机械结构？图纸拿不到。想让自己训练的模型跑上真机？底层接口又成了拦路虎。 但现在，人形机器人的开源，开始向硬件最深处进军了。 出手的是RoboParty萝博派对。近日，RoboParty正式发布全栈开源人形机器人RP1。 从机械图纸、电气系统、自研关节，到底层控制、仿真、训练和部署，RoboParty试图把人形机器人从硬件到软件的整条研发链路，都摆到开发者面前。 这也是全栈开源与只开放SDK、部分算法代码最大的不同。 开发者不光能调用机器人的现成功能，还能深入底层，研究它为什么能动、怎么动，甚至动手修改它。 RP1本身的运动能力，也有看头。 身高135cm，拥有24～30个自由度多种本体配置，能适应教育科研、数据采集、导览、文娱等不同场景需求，RP1已经展示了连续行走、人体动作跟踪、扰动恢复、跌倒起身等一系列真机运动能力。 支撑这些动作的，是RoboParty自研的ROMOMO关节模组，以及配套的运动控制与训练工具。 一边是看得见的真机表现，一边是打算交给开发者的底层技术。 开发者的玩法变多了，但从开放代码到真正用起来，中间还有不少门道。 人形机器人，为什么要把底层都打开？ 同样叫开源，人形机器人能够开放到哪一步，差别可能相当大。 比如，一个科研团队想让机器人走出一套新的步态。 如果厂商只开放高层API，研究人员可以下达行走指令、调整部分参数。 然而，一旦涉及电机响应、底层控制，甚至关节结构，还得找厂商帮忙。 假如实验结果不理想，你还没办法很快锁定问题出在哪。 是算法没训练好？关节跟不上？还是仿真模型与真机存在偏差？一层层技术黑盒挡在前面，研究人员很难查到底。 机器人「开源」究竟有没有诚意，得看开发者能改到哪一层。 只开放SDK，开发者主要负责调用功能。开放控制算法，就能进一步研究机器人的动作生成与执行逻辑。 如果机械图纸、电气系统、关节资料、嵌入式软件，以及仿真训练工具都能开放，研究空间就大多了。 这也是RP1强调「全栈开源」的原因。 尤其对科研机构来说，研究自主权太重要了。 论文里的机器人走得稳稳当当，换台机器却直接翻车，这些在实验室里并不少见。（doge） 关节布局、设备协议、控制频率，甚至零位定义（即关节以哪个位置作为0°基准），都可能影响实验结果。 底层资料拿不到，研究人员就得花大量时间适配平台。有些课题，甚至会被硬件限制住。 具身模型公司也有类似烦恼。 现在VLA、世界模型、运动控制策略轮番上阵，模型在仿真里练得不错，到了真机却未必听话。 比如，模型规划让机器人抬脚跨过障碍，仿真里顺顺利利，真机却因为关节响应或动力学差异而失败。 到底是模型的问题，还是机器人执行出了偏差？如果数据、控制和硬件反馈都能查看、调整，定位问题就有了更多抓手。 高校教育同样需要这样的开放程度。 过去，学生可能只需要调用API，让机器人完成预设动作。 但真正想弄懂机器人的工作原理，光会调用接口显然不够。 能自己修改控制算法、替换零部件，甚至重新设计机械结构，教学和研究的空间自然更大。 科研机构要自主权，具身模型公司要研发效率，高校要让学生真正动手。 三类客户的出发点看似不同，可实际上，都希望机器人跟着研究需求走，别让研究被厂商的功能边界困住。 RoboParty希望RP1扮演的角色，正是这样一个开放研发平台。 当然，开源能开多深，还得看它究竟拿出了什么。 从关节到算法，RP1究竟开放了多少？ 在官方的展示视频里，机器人不仅可以行走跑跳、配合视觉还可以跑酷越障、自主上下台阶、根据实际地形自主规划步态、跌倒快速起身、跟踪人体动作，并且在受到扰动后即时调整姿态，维持平衡、保持当前运动状态。 这些流畅动作的背后，是一整套软硬件在配合。 拿扰动恢复来说，控制系统需要根据身体状态调整动作，关节模组负责响应指令，髋、膝、踝等机械结构则决定机器人能以什么姿态完成调整。 跌倒起身更复杂，身体如何接触地面、关节怎样发力、重心怎么转移，都需要相互配合。 RP1提供两种本体配置。 开源版拥有24个主动自由度，开源版Pro增加到30个，其中头部有2个自由度，双臂各有7个自由度，更适合复杂操作研究。 更值得一提的是，RP1头部手部模块还可以自选，以匹配不同场景。 硬件层面，关节模组是其中的关键一环。 RP1搭载RoboParty自研的ROMOMO一体化旋转关节。 按照官方披露的关节参数表，模组的标称峰值扭矩覆盖25～160N·m，采用48V供电及CAN-FD通信。 萝博派对创始人黄一，和他背后的RP1零件墙 为什么扭矩覆盖范围这么广？ 髋部、膝部要撑起身体，对扭矩要求更高；手臂末端则需要兼顾重量、体积和响应速度。 ROMOMO采用内转子电机搭配NGW行星减速器的方案。较低的转子惯量有利于快速响应，行星减速器则兼顾刚度、抗过载能力和成本。 机械结构也有讲究。 RP1采用非共点髋部与并联踝设计。其中，并联踝通过两个电机共同参与足部俯仰和横滚运动，两个电机都不单独控制某一个方向。 关节模组还采用抱箍安装和中空走线设计，方便拆卸，也能减少运动时线缆的干涉。 对普通用户来说，这些东西都藏在机器人外壳里。但研究人员关心的，恰恰是这些细节。 关节为什么这样布局？换一种执行器会怎样？调整机构后，控制系统又需要怎么适配？ 目前，RP1已经公开URDF、MJCF及网格模型等资源。开发者可以查看机器人关节与连杆的连接关系，用于仿真和运动控制研究。 机械设计资料还涉及关节轴布局、活动范围、装配方式和电气架构。 至于CAD、BOM、电路板制造文件等更底层资料，部分仍属于内部工程记录，具体开放范围需要以项目仓库为准。 关节负责执行动作，但什么时候发力、转动多少角度，还得听控制系统的。 RP1的嵌入式软件通过设备抽象和统一接口，连接电机、惯性传感器、电池管理系统等硬件。 上层算法生成关节目标，底层驱动负责通信和执行，再把关节状态反馈回来。 其配套软件采用500Hz控制频率与50Hz策略更新频率。开发者可以围绕统一的关节指令接口，研究控制与设备反馈之间的关系。 机器人要学会新动作，还得有训练工具。 RoboParty还开放了hhtools（human-humanoid-tools）人体动作重定向工具。 hhtools先将人体动作映射到机器人结构，再结合关节限位、地面接触等约束修正动作，生成可供机器人使用的运动轨迹。 hhtools重定向示例：搬运、舞蹈、台阶与障碍 这些数据可以进入仿真训练流程，经过策略学习和参数调整，再部署到真机验证。 开发者能够研究动作映射、训练与部署环节，尝试自己的控制策略。 机器人怎么学会一个动作，开发者也能参与其中。 据悉，RoboParty还在建设PartyOS开放开发底座。 目前，System0基础运动控制及相关基础设施已有部分开源，包括hhtools、MimicLite和UFO等项目。其中，UFO围绕扰动恢复与跌倒起身开展研究，并提供包括RP1在内的多种机器人配置。 面向意图表征和Agent技能编排的System1、System2，则仍处于研究阶段。 算法能够跑上真机，日常实验也得跟得上。 RP1围绕机器人状态、传感器及动作数据建立采集和记录流程，帮助开发者检查数据与控制指令的对应关系。 热插拔换电、模块化拆装、标准化维护，以及不同头部、末端执行器和算力配置，也为持续实验提供便利。 RP1腕部接口与三种可更换末端工具 毕竟，机器人没电、零件损坏、设备需要改装，都可能让实验停下来。 只有让开发者改得动、跑得起来，并能反复验证，开放平台才有真正的研发价值。 技术黑盒打开，生态才刚起步 机器人行业已经从开源中受益多年。 ROS等开源工具，让不少开发者省去了重复搭建软件基础设施的麻烦。 如今，开源开始深入机械结构、关节、电气和控制系统，更多原本掌握在厂商手里的技术，有机会成为行业共享的基础资源。 在RP1之前，RoboParty推出过开源机器人RPO。该项目在GitHub获得约2600个Stars，积累了一批关注者。 这次RP1发布，开放范围进一步延伸到整机研发链路。 RoboParty围绕这套体系，搭建了三个相互配合的部分。 Open Body：提供机器人本体与硬件资源，包括RPO、RP1、ROMOMO关节和RP Hand。 PartyOS：连接运动控制、感知交互和全身操作等研发工具，其中部分项目仍在持续开发。 Developer Ecosystem：面向个人开发者、高校科研团队和具身模型公司，希望吸引更多人参与技术开发与完善。 这套组合，能怎么玩？ 比如，一家模型公司训练出了新的运动控制策略，可以尝试在RP1上验证；科研机构的研究人员改进了某个关节或控制模块，也有机会在已有设计基础上继续开发。 虽然大家研究方向各不相同，但都有机会复用底层资源，少花时间适配硬件，把精力留给真正想解决的问题。 这对具身智能行业尤其重要。 目前，机器人模型评测还面临硬件差异大、测试条件不统一的问题。同一个任务，换台机器人，成功率就可能发生变化。 如果更多团队围绕稳定的硬件版本、训练工具和测试规范开展实验，研究结果就有了更可比的参照，技术成果也更容易被后来者验证和改进。 但开源只是起点。 资料是否完整？仓库能否持续维护？硬件出了问题怎么办？开发者能不能顺利复现、修改？许可证又是否允许二次开发和商业使用？ 这些都是开源项目绕不过去的考验。 从RPO走到RP1，RoboParty已经把开放本体、软件工具和开发者生态的框架摆了出来。 能否真正形成生态，还得看后续有多少开发者愿意参与，又能积累多少实际成果。 对整个行业来说，这件事的意义可能比多发布一台开源机器人更大。 人形机器人的研发门槛一直很高。机械、电气、控制、算法，任何一环都需要专业人才和长期投入。 哪怕只想验证一个新想法，也可能得先花不少时间搭建基础平台。 开源让后来者有机会站在已有成果上继续研究，也让同一项技术能够被不同团队反复验证、改进和延续。 当然，公开图纸和代码，不代表硬件成本、工程难题就此消失。真正形成生态，还需要持续的维护与贡献。 只是，当越来越多底层技术能够被研究、修改和复用，人形机器人行业或许就能减少重复造轮子，多一些新技术探索的机会。 一家公司能探索的方向终究有限。 把技术黑盒打开，才有机会让更多人参与进来，一起把人形机器人往前推。 附：RP1开源资源与内测信息 [1]RP1开发资源： https://github.com/Roboparty/RP1 [2]技术白皮书： https://roboparty.com/documents/roboto-01 目前，RoboParty已开放RP1内测共创申请，面向有实际项目需求、愿意持续参与产品迭代的开发者及团队。参与者可反馈问题、提交Issue，享受内测共创价。 申请入口： https://roboparty.com/beta/RP1

非洲掠影1：中国企业涌进非洲，还有快钱可赚吗？｜出海·现场 新一轮的非洲热，时值非洲步入初级工业化、全球地缘政治经济局势演变与中国制造能力全线提高之际 肯尼亚建起越来越多的中国城，名字各不相同—China Center、China Town、China Street、China Square、China Village。 　　【财新网】9月上旬，我们一行非洲考察团从广州出发时，远在万里外的目的地——肯尼亚首都内罗毕的乔莫·肯雅塔（Jomo Kenyatta）国际机场罢工了，传闻当地空中交通管理、行李处理、边境检查等全面停顿。飞还不飞？纠结良久，我们还是下定决心登机飞过去。结果，整个飞机满满当当、座无虚席，人们对旅行的期待远多于对落地的担心。 　　果然，落地有惊无险，空姐告诉我，机场罢工在飞行过程中就结束了。后来我们知道罢工在肯尼亚并不稀奇，人们的核心诉求无非是提高薪资待遇，抵御中东战争带来的物价上涨。2027年肯尼亚将进入新的选举周期，选前政治生态也不易平静，今年内罗毕不止有多次机场罢工，还有护士、教师罢工以及市内游行等。

央行设立债市非银机构流动性支持工具 如何救急而不兜底？ 工具设计的机制是救市场而非救机构，特别是因自身经营不审慎而出问题的机构不会在救助行列；在紧急情况出现时，非审慎机构甚至是没有资格参与工具的 业内专家指出，资管机构的流动性状况与市场交易、资产定价的联系更加紧密，与市场机构的关联性、风险传染性也不断上升。图：IC photo 　　【财新网】针对债券市场可能出现的系统性压力情景，央行于2026年10月26日正式设立债市非银大额赎回互换便利（Bond Market NBFI Swap Facility，简称BNSF），在资管机构面临群体性流动性风险、债券市场出现赎回—抛售负向循环的特定情景下启用。当前完善非银应急流动性安排有何必要性？如何防范道德风险、避免出现兜底幻觉？ 　　根据公告，该工具的支持对象包括具有系统性影响的银行理财子公司、公募基金管理人（或对应母行、证券母公司等）。央行特别强调“参与机构应持续满足金融市场审慎管理要求，维护市场纪律。”

前三季度31个省份经济分化加剧 哪些加速、哪些放缓？ 受新动能加速、出口强劲等带动，经济大省表现较好，广东2022年下半年以来首次实现增速与全国同步，安徽坐稳全国前十；部分经济承压的省份如山西、广西、海南等，增速继续明显放缓 广东省广州市城市风光。前三季度，广东进出口总额历史同期首次突破8万亿元，占全国比重达21.8%，同比增长24.5%，增速比上半年提高3.7个百分点。图：视觉中国 　　【财新网】截至2026年10月27日，全国31个省份悉数公布了前三季度经济“成绩单”。其中，16个省份增速高于或持平于全国平均水平，11个省份增速快于上半年。 　　整体来看，区域经济分化加剧，在“经济大省挑大梁”的导向下，经济发达的大省表现较好，一些增速本就偏低的省份增速持续放缓。 　　据财新统计，2026年前三季度，经济体量最小的西藏增速最高，达到6.2%；山东和浙江并列第二，增速为5.6%；上海紧随其后，增速为5.5%；安徽、北京、江苏、青海的增速也高于5%；包括四川、河南、湖北等经济大省在内的七个省份增速在4.7%—5%之间，高于全国4.6%的增速，第一经济大省广东增速与全国持平；其余15个省份增速低于全国平均水平，其中，山西（0.5%）、海南（1.2%）、云南（2.2%）、吉林（2.4%）、辽宁（2.4%）、广西（2.5%）、湖南（2.8%）七省份增速低于3%。

乘联会预测全年乘用车国内零售1850万辆 同比下降逾两成 崔东树认为，2026年车市深跌是政策透支、油价冲击、消费意愿偏低等多重短期因素叠加的结果 10月26日，中国汽车流通协会乘联分会秘书长崔东树公布预测，2026年国内乘用车零售销量仅1850万辆，较2025年减少超过500万辆。图：视觉中国 　　【财新网】2026年国内乘用车市场表现远低于预期。10月26日，中国汽车流通协会乘联分会秘书长崔东树公布预测，2026年国内乘用车零售销量仅1850万辆，较2025年减少超过500万辆。该预测值甚至低于2020年新冠疫情期间的实际销量，当年国内乘用车零售销量约为1929万辆。 　　2025年，中国乘用车零售销量达到2374.4万辆，创近年来新高。如果2026年最终情况符合上述预测，全年销量将同比下降约22%。 　　乘联分会已数次调低预测值。4月，崔东树曾预计2026年国内乘用车销量同比下降约1%。6月，行业对全年车市的预测进一步转弱，崔东树将同比降幅预测值提高至约11%。

【我闻】国开行风险管理部副总突被带走 卷入何案 “原以为他大概率迟早会在个人作风上出问题，却没想到还是经济案件” 图：视觉中国 　　【金融我闻/张宇哲 丁锋 王娟娟】2026年10月中旬，一位借调在地方政府挂职锻炼的金融央企干部，被突然而至的公安经侦部门直接带走。这个消息迅速传到了他的老东家国家开发银行，这一罕见的情形迅速引发了国开行内外不小的震动。 　　大约大半年前，他还是国开行风险管理部副总经理。风险管理部是银行的核心业务部门之一，负责全面识别和评估各类风险，包括信用风险、市场风险、操作风险等，并采取相应的风险缓释措施。此人这一部门担任副职已至少八年，于2026年初借调到地方政府挂职锻炼，至今不过半年时间。

图集｜执政塞尔维亚14年 武契奇承认落败 “学生名单”支持者彻夜庆祝 当地时间2026年10月26日，塞尔维亚贝尔格莱德，反对派“学生名单”的支持者聚集在尼古拉·帕希奇广场的塞尔维亚共和国国民议会大厦前，庆祝其在2026年塞尔维亚议会选举中获胜，一名女孩举起旗帜。图： Alexander Ryumin/视觉中国 　　【财新网】当地时间2026年10月25日晚，塞尔维亚前总统武契奇承认，辞去总统职务转而竞选总理失败，标志着其主导塞尔维亚政坛14年的终结。他表示，接受此次选举结果，并将以反对党身份开展政治活动。 　　由学生团体推动的“学生名单”在国民议会中获得多数席位，该组织由领导抗议运动的学生成立。抗议缘自2024年11月，塞尔维亚北部城市诺维萨德的火车站屋顶坍塌，造成16人死亡。此后事件不断发酵，酿成该国25年以来最大的抗议浪潮。抗议者将这场悲剧归咎于政府对大型国家建设项目管理不善和系统性腐败，并要求武契奇下台、塞尔维亚政府辞职。武契奇否认存在任何腐败行为，并多次将抗议者描述为意图推翻他的“外国代理人”。

张一鸣，中国首富！6700亿元刷新财富纪录 推荐：法国球星姆巴佩因发表不当涉华言论致歉 中国合作方全部切割；现房销售后 多城推地方式变了 早上好，今天是10月28日星期三。过去24小时，哪些财经新闻对普通人影响更大，未来又有什么焦点事件被市场密切关注，早知道栏目从新闻汇总到快速解读，为你一网打尽。 24小时热点 《2026胡润百富榜》发布，共有1529位个人财富50亿元人民币以上的企业家上榜。字节跳动张一鸣以6700亿元第二次成为中国首富，刷新中国首富的财富纪录；农夫山泉钟睒睒以4100亿元退居第二；DeepSeek梁文锋首次上榜即以2800亿元位列第七。 姆巴佩就其涉华不当言论致歉，称言论欠妥、绝非本意，对中国人民及其历史怀有深深的敬意。东鹏饮料、蒙牛、妙可蓝多终止与其全部合作，央视叫停涉西甲和姆巴佩的赛事及广告。外交部发言人称，伤害中国人民感情的言行自然会遭到中国社会各界的共同抵制。 1—9月份全国规模以上工业企业实现利润总额60337.4亿元，同比增长15.5%，今年以来持续保持两位数增长。其中采矿业‌与‌制造业‌分别‌增长38.2%‌和‌17.0%‌，‌电子行业‌贡献显著。 国家广电总局发布《有线广播电视运营服务管理规定》，明确要求有线广播电视运营服务提供者坚持直播优先原则，实现开机看全屏直播，不得播放开机广告，精简收费栏目数量，在交互界面首页设立免费专区。该规定自11月27日起施行。 现房销售细则落地后，多城重启供地，中指研究院数据显示，新政后重点一二线城市宅地平均起始价4.5亿元，较新政前减少2.7亿元，平均容积率1.8，下降0.2。广州黄埔一宗地降价重挂，71轮竞价溢价26.61%成交。根源是

华尔街重估AI融资热潮 巨额资本开支面临回报考验 AI基础设施投资规模不断扩大，科技企业越来越依赖外部融资。华尔街担忧，未来算力收入能否覆盖高昂的融资成本 　　【财新网】华尔街为人工智能（AI）投资热潮注入越来越多的资金之际，亦开始重新审视这场资本密集型投资的回报前景。 　　10月26日，美国银行、花旗、摩根士丹利及黑石集团宣布，为AI公司Anthropic的算力基础设施安排630亿美元融资。同一天，Meta宣布启动约350亿美元股权融资，并计划未来推出规模约600亿美元的股票发行计划，以支持包括AI基础设施在内的业务扩张。 　　两笔交易凸显AI产业持续增长的资金需求，也反映出大型科技企业正在更多借助资本市场，为昂贵的数据中心及算力设备投资募资。

稳就业｜AI时代，程序员转型进行时 技术职业路径加速分化，新型技术方向软件与算法岗位平均年薪45.6万元，是传统程序员岗的1.6倍 　　【财新网】当AI开始改写软件开发的流程，程序员会不会被取代？猎聘大数据研究院近日发布的《AI时代程序员转型趋势报告》（以下简称“报告”）显示，每四位程序员中，就有一位正在转型。但程序员正在重新组合自己的技能与职业路径，而不是只有“继续写代码”或“彻底转行”两种选择。 　　报告基于猎聘平台求职者求职轨迹大数据做出分析，结果显示，2026年1-9月，程序员转型率达26.4%，较2024年同期提高6.7个百分点，三年累计转型人数增长39.4%。同期，传统程序员岗位新发职位同比下降8.0%，而适合程序员的新型技术方向的软件与算法岗位同比增长20.4%。

文脉与商脉：跳出风筝标签的潍坊｜纪行 潍坊，在率先完成基础市容升级之后，正从容破解着文脉的“两创”命题。这里，不只是常见的“文化搭台，经济唱戏”，而是真正的文脉托举商脉、商脉反哺文脉 　　列车在齐鲁大地飞驰。虽已入秋，车窗外依然绿意盈盈。水塘与河流不时闪过，竟有几分江南的气息。10月21日，G881次列车即将抵达潍坊，广播里柔和的女声反复提示，“诗和远方，就在潍坊”“风筝故乡，就在潍坊”。 　　我此行，是参加由中共潍坊市委宣传部主办、凤凰网山东承办的“凤瞰潍坊 文脉千秋”潍坊市文化“两创”全媒体采风活动。2026年7月，国务院正式批复潍坊列为国家历史文化名城。如今，这项认定的门槛逐年抬升，对古城格局、遗存密度、文脉传承的考核更加严格。这份迟来的认定，是对潍坊历史文化遗产保护和利用的认可。