【图片中转测试，未发布】工程能力一键复用，专心卷新能力！轮子造一次就够了｜详解FluxVLA Engine技术报告 让基建作为常驻buff 什么时候是具身智能的ChatGPT时刻？ 大概是大伙儿看到GPT-6 Astra凭一行API就能跨界给机器人下达指令的时候。 老O家还是有实力，抢先一步跟全世界证明，AI的通用能力足够惊艳，且远远没到头。 好消息：发动机性能比我们所有人想象中更强，AI模型仍然坐在超跑上！ 坏消息：把指令翻译成物理动作的工程底座（Infra）却还是一条坑洼土路…… 模型能力越强，就越需要一套好用、完善的具身Infra，接住前沿算法的每一次跃迁。 近期，逐际动力更新了其开源工程底座FluxVLA Engine的第二版技术报告。 相较9月发布的首版，V2进一步加入在线强化学习后训练实验，并扩展了仿真评测和真机部署的覆盖范围。 报告显示，在仿真侧，14种策略接入同一套LIBERO闭环评测，在RoboCasa GR-1、RoboTwin与RoboDojo上各有8种策略的接入结果。 在推理端，针对8组模型与设备组合的实测显示，优化后的模型推理路径频率提升至2.31–9.64倍。 而在ALOHA、Rebot、双臂Franka以及逐际动力自研的全尺寸人形机器人LimX Oli等多款真实硬件平台上，报告也完整验证了从模型checkpoint直达真机闭环执行的部署链路。 在线强化学习也是这次更新的一项重点。 以SmolVLA为例，在两组配对实验中，经过在线强化学习后，其在LIBERO-10和RoboTwin Clean十项任务上的成功率分别提升10.0和15.4个百分点。 自今年4月8日开源以来，FluxVLA Engine陆续扩展模型支持、评测配方和真机部署能力。 用逐际动力自己的话来说，FluxVLA Engine就是让底层工程能力真正可复用，把宝贵的研发人力从无休止的“配环境、改接口”中解放出来，让先进的模型真正有路可走、有地可落。 告别“作坊式”重复造轮子，为具身研发建一条“标准产线” 为什么具身智能研发这么又烧钱又费人？ 一大原因是行业里缺少统一的标准件。对大多数团队来说，每一个新实验都是一个一次性工程。 FluxVLA Engine首要目标就是把这种作坊式的重复搭建，升级成标准化的工业流水线——逐际动力创始人兼CEO张巍就将FluxVLA Engine比作模型的生产线。 为了让这条生产线足够皮实足够好用，它围绕四项核心工程原则进行了底层架构设计。 统一配置（All-in-one）：告别满屏乱飞的脚本，用一套配置单统管数据、模型、训练、评测与部署的关键配置。 模块解耦：通过注册表和标准接口，把视觉语言骨干、动作头、数据集与训练策略做成标准乐高积木，支持自由组合，也允许保留原生策略实现。 面向部署的系统优化：不搞实验室里的纸上谈兵，从设计之初就把推理加速、RTC（实时动作分块协调）和轨迹后处理焊死在运行流程里。 实验可复现：完整封存每一次实验的配置、模型状态和执行轨迹，让成功有迹可循，让失败有据可查。 可喜的是，自今年4月开源后，FluxVLA Engine一直高频演进、持续运营。 （很多项目往往是“开源即巅峰，随后便断更”，你懂得） 看看它过去半年近乎急行军般的迭代日历，就能感受到这种生命力： 4月8日，FluxVLA Engine正式开源 6月22日，打通LimX Oli人形全身移动操作最小推理链路 6月30日，支持单双臂Franka真机推理 9月9日，接入GR00T N1.7 9月16日，技术报告挂上arXiv 10月15日，扩展RoboDojo评测支持 10月22日，V2报告更新，补充在线RL后训练、仿真与真机评测扩展 技术报告：https://arxiv.org/abs/2609.17210 GitHub主页：https://github.com/FluxVLA/FluxVLA Hugging Face：https://huggingface.co/limxdynamics/FluxVLAEngine 踩着这些密集的脚印，这个底座的能力边界一路从最初的“能训练、能评测”，扎实生长到了如今的“能上真机、能数据回流”。 拥有FluxVLA Engine，研发团队就像拥有了一支在背后帮你持续升级基建、不断拓宽边界的外援工程铁军。 如何用一个底座打通训、评、部署全链路 当下，技术路线还在剧烈收敛前的震荡期。 今天火的是扩散策略，明天可能就是流匹配或者世界动作模型。要我说，倘若每换一条技术路线，过往的工程沉淀就要全部推倒重来的话，再大的公司也得轻则脱层皮。 要想远离这种“换模型就重头再来”的悲惨命运，唯一的解法是把底层工程基建与上层算法解耦。 换句话说，行业需要的是一个“以不变应万变”的工程底座。 FluxVLA Engine就是这样一个开源工程底座。它打通“训、评、部署”全链路，保障已有的工程积累不归零。 至于如何做到的，我们可以从三个关键切面来看。 第一是数据与模型。 想让风格、特性各不相同的模型共用同一条流水线，第一步就得把底层的“粮草”和接口先标准化。 在数据层面，来自不同机器人、不同仿真环境的原始轨迹，会先做显式转换、标准化清洗，整理成兼容LeRobot规范的结构（包含Parquet文件、视频以及配套元数据）。 同时，相机顺序、动作表达、归一化统计这类约定，也会做好对齐匹配。 处理之后的这批数据，可以放到同一条管线里混训，也支持按分组保留各自独有的预处理、归一化规则。不管是训练还是推理，都会通过独立的数据入口，遵循同一套模型输入、动作处理语义。 像数据这样的核心资产，在具身智能研发过程中成本最高。 减少资产贬值、提升复用效率，本身就是具备行业价值的降本方案。 同样的逻辑也体现在模型层面。 平台目前已深度集成Qwen-VL、GR00T、π系列以及DreamZero等主流VLM、VLA和WAM架构。 不同模型完全可以保留各自的原生骨骼，同时通过统一接口丝滑接入训练、评测和部署流程。 这种设计有多爽呢？报告里的14种策略同台大练兵给出了最直观的证明。 这14种策略几乎涵盖了当下所有的主流门派： 紧凑型VLA、流匹配策略、模块化VLM+动作头、世界动作模型，甚至还包括完全不需要本地权重、直接通过API裸调的GPT-6 Astra。 近期，还新增了API裸调的MiniMax-M3.1-Flash。 在项目报告的各自配置下，13个本地checkpoint策略中有11个在LIBERO上的平均成功率超过95%（如DiT4DiT达98.65%，π0.5达97.95%）。 能感受到它带来的好处吗？ 当新模型发布时，别人还在苦哈哈地熬夜配环境、对齐数据格式，你能事半功倍地更进一步。 第二个切面是在线强化学习（Online RL）。 光靠模仿学习（SFT）喂出来的模型，就像只会背题库的学生，一遇到没见过的突发状况就容易懵。 要让模型真正聪明起来，必须让它去环境里去实战前沿试错，也就是进行在线强化学习。 不过，因为在线强化学习需要把环境交互、策略更新和分布式训练串起来，工程复杂度会瞬间呈指数级爆炸，很多优秀团队都望而却步。 现在好了，FluxVLA Engine帮大家把这个硬骨头啃下来了—— 通过集成RLinf，FluxVLA Engine让兼容的流匹配策略可以直接拎包入住，进入在线交互训练流程，免去了重新适配模型和数据管线的痛苦。 在仿真配对实验中，每个基准的各任务均从同一SmolVLA SFT checkpoint出发，分别进行任务专用的PPO后训练。 经过40个外层迭代，LIBERO-10的任务平均成功率从66.2%提升至76.2%；RoboTwin Clean十项任务从45.9%提升至61.3%，分别提高10.0和15.4个百分点。 可以看到，平台实质性跑通了从“模仿学习起点”迈向“在线交互提分”的工程捷径，哪怕是小参数模型，也能在闭环试错中榨出惊人的潜力。 第三个切面，显微镜式评测。 过去这套评测机制特别不友好。你没法看清模型到底是怎么跑的，最后就一个冷冰冰的成功率数字摆在那儿。 V2报告进一步扩展了仿真评测范围。 RoboTwin新增了8种策略接入，同时提供Clean（纯净）和Random（随机）两种环境设置的成绩单； RoboDojo则对8种策略展开了涵盖42个任务、单模型高达2100次试验的“全科体检”。 前者通过比较两种设置中的表现，可观察模型对相应环境变化的适应情况；后者除了看最终成败，还实时记录任务进度条，并从泛化、记忆、精度、长程任务和开放指令五个维度画出“能力雷达图”。 这种细粒度评测对研发人员来说简直是福音～ 比如一个叠衣服或抓积木的任务失败了，它其实可能已经完美走完了前三个阶段，只是在最后一步“放进盒子”时手抖了。 这时候将“阶段进度”与“最终成功率”放在一起看，就能快速发现模型究竟是眼神不好（视觉感知）、脑子不够用（长程规划）还是手脚不协调（精细控制）。 都说没有归因的评测就是盲盒炼丹。 这套可追溯、可定位的评测体系，本质上是在帮团队省钱。 因为知道病根在哪，所以下药精准度up up，盲目加数据、盲目烧算力的无效返工自然就减少了。 跨越从“仿真高分”到“真机干活”的生死线 俗话说得好，仿真器里猛如虎，一上真机就只能慢慢慢抖抖抖。 （别问我俗话从哪里来的） 具身模型通常会一次预测一段动作，再由机器人逐步执行。在这个过程中，模型推理可能需要较长时间，机器人控制回路却仍在持续运行。 如果上一段动作尚未执行完毕，下一段预测就已经生成，两段动作之间便可能出现不连续。即使模型输出的动作在数值上合理，也还需要满足机器人对速度、加速度和轨迹平滑性的要求。 为了治好真机部署的“卡顿”与“抽搐”，FluxVLA Engine放出了一套硬核的系统工程组合拳。 第一招：无损榨干算力，推理最高狂飙9.64倍 在不改动模型任何权重的前提下，FluxVLA Engine针对GR00T、π0.5等模型进行了深度的底层推理重构，把冗余计算和内核调度开销砍到了极致。 报告记录的8组模型与设备组合中，优化后的推理频率提升约2.31至9.64倍。 在NVIDIA A100上，π0.5的推理频率从2.20Hz提升至21.2Hz，足足快了9.64倍； 在算力受限的AGX Orin 64GB上，GR00T从3.20Hz提升至7.40Hz，π0.5则从1.40Hz提升至4.40Hz。 更绝的是这家伙快而不糙—— 针对GR00T动作头的数值对齐测试表明，加速后的动作输出与原版相比，余弦相似度超过0.99999，最大绝对误差仅约0.02。 好家伙，纯靠工程优化把算力潜能榨干！既不花一分钱买新显卡，也几乎不牺牲模型精度。 谁听了不说一句Perfect？ 第二招：给动作加上“减震器”，实现大脑与肢体的柔顺咬合 算力提升之外，动作稳定性同样关键。 FluxVLA Engine引入了实时动作分块协调（RTC）机制。 简单来说，就是利用上一段动作还没做完的尾巴，去约束下一段新预测动作的开头，像拉链一样把两段动作平滑地咬合在一起，消除突变。 后续由轨迹后处理模块执行平滑滤波与运动学约束，保证下发至电机的动作指令满足物理边界、输出平稳。 推理优化解决动作生成效率问题，RTC和轨迹后处理则负责衔接预测与执行，这三板斧劈下去，把前沿算法上真机的工程门槛削平了一大半，保护了昂贵的机器人硬件，更让模型表现出了类人的丝滑感。 第三招：“万用插座”跨本体迁移，在实战中完成数据回流 在真机部署环节，FluxVLA Engine巧妙地设计了双层解耦接口：管大脑的Runner和管身体的Operator。 具体来说，runner负责模型推理、动作调度和执行过程中的状态管理，operator则负责传感器数据采集、机器人通信与控制指令传输。 两者分工协作，将模型的动作预测与机器人本体的实际执行衔接起来。 有了这套万用插座，不同机器人本体只需适配各自的operator接口，就能接入同一套部署流程，迁移成本大幅降低。 V2报告展示了这套部署链路在ALOHA、双臂Franka、Rebot和LimX Oli等平台上的应用。 ALOHA（六项任务）：π0.5总体成功率达72.22%； 双臂Franka（五项任务）：GR00T N1.7总体成功率高达88.00%，π0.5达79.00%； Rebot（四项任务）：π0.5总体成功率达77.50%； 此外，在全身高自由度的LimX Oli人形机器人上，面对复杂的箱体搬运任务，π0.5完成前三个阶段的比例达61.67%，走完全部四阶段的比例达33.33%，清晰验证了全身移动操作的链路贯通与瓶颈所在。 （注：以上均为项目报告在特定配置下的实测结果，旨在验证跨平台部署链路而非受控架构对比） 但对于具身研发而言，让模型在真机上跑通任务只是工程链路落地的上半场。 如果人类在旁边帮它纠正的动作、机器人在真实世界里出的错不能变成养料重新喂给模型，那具身智能永远转不起数据飞轮。 为此，FluxVLA Engine直接把“人在环（Human-in-the-loop）执行与学习闭环”做成了标准工程模块。 它支持机器人在自主干活时，人类随时无缝接管纠偏，并自动完成纠偏数据采集与奖励标注。 配套ARM研究展示了这类方法的应用—— 在ALOHA八阶段毛巾折叠任务中，行为克隆基线的成功率为62.1%；采用SARM奖励建模的方案后，成功率提升至78.5%；进一步采用ARM优势加权行为克隆后，成功率达到99.4%。 同时，每小时完成的任务吞吐量也从18个回合提升至32个回合。 看到这里，FluxVLA Engine的进化全貌就彻底清晰了： 它不仅帮你把模型送上真机，更帮你架好了两台“进化引擎”。 一台在仿真器里通过在线强化学习左右互搏，一台在真实世界里通过人在环吞吐实战经验。 数据飞轮真正转起来之后，之前因具身Infra过于分散和古早而被卡住的模型能力上限，才能彻底释放。 写在最后 从数据处理、模型训练、仿真评测，到推理加速、真机部署，再到真实任务数据回流，FluxVLA Engine向行业交出了一套覆盖具身研发全生命周期的标准化工程方案。 这套底座并非闭门造车，而是逐际动力在具身智能算法、通用机器人本体研发与工程交付中，摸爬滚打攒下的实战结晶。 在报告的结尾，逐际动力还剧透了更为庞大的后续生态版图： FluxBisim、FluxDAgger、FluxThemis已率先发布并投入使用，FluxMimir与FluxHermes正在路上。它们将分别镇守数据、仿真、交互、评测和部署五大核心关口。 正如张巍所言，“FluxVLA相当于模型的生产线”。 在这条产线上，懂场景、有数据的垂直应用团队，完全可以把精力100% 聚焦在核心业务与算法创新上；而那些脏活、累活、容易踩坑的底层基建活，则由逐际动力通过标准化的开源底座，持续开放及优化。 站在更高的行业视角来看，具身智能的竞争逻辑正在发生深刻的重构。 至少，具身智能领域着实被GPT-6 Astra狠狠上了一课。 一直以来大家都默认，语言大模型和物理世界的机器人，其实是两条有点交集的赛道。谁也没料到它能跨过来，当头棒喝，秀了波降维打击。 传统具身模型正面临与翻译、3D等领域同样的颠覆风险。所以别笑，你在这个领域你肯定也慌。 面对这种局面，出路在哪？ 专心深耕底层模型固然是必修课，但在这里求求各位，别只光盯着模型了！ 在继续打磨模型的同时，具身基础设施的打磨也必须提上快车道。 只有当具身底层工程能力像水电煤一样高度可复用，行业的每一次试错才不会沦为沉没成本，宝贵的研发资源才能从无休止的“重复造轮子”中抽身，投向真正未知的新能力探索。

美联储维持利率不变 2027年起议息会议渐减至每年六次 芝商所的美联储观察工具显示，10月议息会议结束后，美联储12月加息的概率从78.3%上升至83.3% 当地时间10月28日，美国联邦储备委员会宣布，将联邦基金利率目标区间维持在3.75%至4%不变。美联储主席沃什出席记者会。图：沙晗汀/中新社/视觉中国 　　【财新网】10月28日，美联储在10月议息会议上维持利率不变，与市场预期相符。在2026年9月的议息会议上，美联储刚刚加息25个基点。 　　美联储发布的声明称，联邦公开市场委员会以10比2的投票结果，决定将联邦基金利率目标区间维持在3.75%至4%不变。投反对票的两名委员分别是美联储理事库克和克利夫兰联储主席贝丝·哈马克（Beth M. Hammack），二人认为美联储应该在10月会议上加息25个基点。 　　美联储10月的议息声明将美国经济活动描述为强劲扩张，相比之下，美联储在9月的议息声明中称之为稳健。声明的其余部分与9月基本没有变化。

被发明的捕鲸“传统”：近代日本如何捕掠海洋？｜带着问题去读书 近代早期和当代的日本人都捕鲸，但无论技术、设备、场所，还是参与者，都发生了巨大的变化。将二者都称为“日本的捕鲸传统”无疑是一种误导 《吞鲸者：近代日本如何捕掠海洋》雅各比娜·K. 阿奇 著 韩钊 译 　　【前记：这是一部关于近代早期日本的环境警示录。几个世纪前，数以万计的露脊鲸、灰鲸和座头鲸曾游弋在太平洋广阔的海域；而在今天，这些鲸群却已所剩无几。围绕现代日本的捕鲸争议，美国历史学家雅各比娜·K. 阿奇借助来源广泛的多种资料，以敏锐的历史学眼光，追溯鲸鱼以及商业捕鲸副产品如何融入日本各地的生活，对“几千年捕鲸传统”的修辞提出质疑，指出日本捕鲸从未和谐地“可持续”过。】 　　几个世纪前，曾有数以万计的露脊鲸、灰鲸和座头鲸游弋于太平洋上的一个面积辽阔的狭长地带里，今天，它们规模庞大的洄游行为仅余下了少量踪迹。对于一个站在日本和歌山县岩石质海岸上的人而言，鲸喷出的粗壮水柱和洄游的鲸群那偶尔惊鸿一瞥的光滑脊背在17世纪初还是冬日里一道司空见惯的风景，而今这风景已经让位于开阔宁静、一望无际的海面。穿过日本海、往返于九州岛西北海岸的群岛和鄂霍次克海之间的那些庞大鲸群，现在数量已经锐减到哪里能看到一头鲸都能成为新闻的程度。

刚刚，Gemini 4 Carbon全面超越Opus 5.5！首发Token半价 能连肝数日修Bug，免疫提示词注入 Argon发布两周啊，谷歌火速掏出新旗舰Gemini 4 Carbon。 这次一举超越Claude Opus 5.5和GPT-6 Astra。 在刚刚更新的Artificial Analysis智能指数5.0中以59分的高分强势登顶全球第一。 两周前谷歌刚发Gemini 4 Argon时，硅谷还在热议谷歌内部泄露的一个神秘存档点“Carbon”，当时内部工程师给出的评价还是“编程体感逼近Opus 5.5”。 没想到短短半个月，正式版Carbon不仅在智商与长程编程上完成了对Opus 5.5的正面反超，更在代码安全与防作弊上大幅领先。 甚至点亮100%免疫提示词注入天赋。 这什么残暴的进步速度，RSI真让他们给玩明白了？ Carbon首发阶段延续了Argon的半价折扣，输入2美元/百万Token、输出10美元/百万Token，账面单价仅为Opus 5.5（$4/$20）的一半。 并且针对Agent任务高频使用的缓存命中输入（cached input）给出了95%的骨折价优惠（低至0.2美元/百万Token）。 超越Opus 5.5，还能连肝数日死磕底层Bug 两周前发布的Gemini 4 Argon虽然在长文本和多模态上表现惊艳，但在综合智能指数（53分）和部分硬核终端任务上，依然被Opus 5.5压了一头。 这一次，Gemini 4 Carbon精准补齐了最后一块拼图，直接将能力推向了“全天候自主工程师”的形态。 在谷歌内部的实战编程环境中，研发团队观察到令人瘫坐的一幕： Carbon能够连续运行好几天，在庞大复杂的代码库和底层系统中自己摸索；哪怕中途多次撞上“死胡同”（dead ends），它也能持续死磕到底，独立完成复杂的多步工程任务。从顺藤摸瓜定位极其隐蔽的Bug根因，到最终写出修复补丁，一气呵成。 这种长线执行能力直接体现在了多项硬核指标的反超上： 命令行与终端工程 在Terminal-Bench 4.0（AA测试集）中，Carbon拿到65.2%，领先Opus 5.5（59.6%）和GPT-6 Astra（59.1%）； 在科学终端任务Terminal-Bench-Science 0.1上同样以64.8%位列第一（Opus 5.5为59.0%）。 超长上下文与多步决策 在256k至1M上下文的GraphWalks测试中，Carbon拿到96.2%，大幅甩开Opus 5.5（66.8%）和Astra（71.8%）； 在模拟长周期商业经营的Vending-Bench 2中，Carbon最终账户余额达到16,484美元，接近Opus 5.5（9,235美元）的1.8倍。 全栈开发与企业任务 在WebDev Arena上，Carbon凭借前端组件与输出质量的提升，Elo分数上涨89分来到1769分，虽然是全球第四，但平均任务成本更低。 在衡量企业级工作流价值的Vals Index v2.2上也以70.4%微弱领先Opus 5.5（70.2%）。 不过，从第三方评测机构Artificial Analysis的拆解来看，Opus 5.5在纯代码工程领域依然保有一部分护城河。 例如在谷歌自己公布的表格中，有两项指标Carbon未能登顶： 一项是衡量前沿软件工程的FrontierSWE 2，GPT-6 Astra（65.5%）与Opus 5.5（62.3%）依然排在Carbon（61.2%）前面； 另一项是计算机操作基准OSWorld-2.1离线子集，Opus 5.5以87.2%保持第一（Carbon为81.5%）。 此外，在搭配各自官方CLI工具的Coding Agent专项指数上，Carbon配合谷歌Antigravity CLI得分为59分，仍以3分之差次于Claude Code加持下的Opus 5.5（62分）。 这一波反重力还是拖了哈基米的后腿。 但对于开发者而言，Carbon真正的杀伤力在于Token消耗效率。 独立评测数据显示，Opus 5.5虽然能力强，但推理过程极为冗长，完成单次Intelligence Index评估平均要消耗17.3万输出Token。而Carbon仅需12.3万Token，输出量减少了29%。 这意味着，即便未来Carbon恢复到与Opus 5.5相同的$4/$20标准定价，Carbon的单次任务平均成本（$7.76）也比Opus 5.5（$10.04）低23%左右。 如果算上目前$2/$10的首发半价，Carbon在实际生产环境中的账单成本还不到Opus 5.5的四成。 补齐AI编程从“挖洞”到“打补丁”全满贯 除了常规编程，谷歌此次将Carbon的核心差异化卖点押注在了网络安全防御全生命周期上。 这也是被逼的没办法，总不能看着家前沿模型天天挖Chrome浏览器和安卓系统的漏洞是吧。 （以下外部基准测试均在移除安全护栏的满血状态下评估）： 第一步：大海捞针找真洞（Finding real vulnerabilities） 网络安全防御的核心，是赶在黑客之前从真实软件中揪出深藏的复杂缺陷。在包含V8引擎、Linux内核等真实高危漏洞的SEC-bench Pro测试中，Carbon拿下了88.2%，不仅大幅甩开前代Argon（78.8%），更直接超越了OpenAI的GPT-6 Astra（85.4%），创下全新SOTA。 第二步：实战推演验风险（Validating risk through exploitation） 面对成百上千个潜在漏洞，安全团队到底该先修哪一个？这需要模型像真正的攻击者一样，去验证哪些漏洞是真正可被利用的（exploitable）。 在著名的漏洞利用基准测试ExploitGym上，Carbon以54.8%的成绩再次刷新SOTA（此前Argon为35.1%），帮防御者精准排定修复优先级。 第三步：直击病灶打补丁（Patching at the root cause） 找到并验证漏洞后，终极考验是直接写出能跑通、且不破坏原有功能的修复代码。在Collinear推出的CWE-bench（涵盖73种常见弱点枚举的真实仓库审计修复测试）中，Carbon达到了71.0%，全面碾压Claude Opus 5.5（67.0%）和Argon（68.0%）。 除了刷爆外部榜单，Carbon在谷歌内部安全基准测试中，Carbon生成安全代码的成功率比Argon提升了2倍以上。 更夸张的战报来自谷歌自家的Chrome浏览器团队：在生成高质量安全补丁的实战对比中，Carbon的表现比另一家顶级实验室的大型前沿模型强出10倍以上。 整治Agent作弊，提示词注入100%免疫 模型在终端里连续跑几天，最令开发者头疼的往往不是算力账单，而是模型在遇到高压复杂任务时开始“耍小聪明”（Shortcut & Loophole Exploitation）。 此前针对Terminal-Bench 4.0的第三方审计就曾揭露，不少高分模型在修不好Bug时，会通过修改测试脚本或走漏洞来伪造“测试通过”。针对这一顽疾，谷歌在Carbon的对齐训练上做了一次重点收敛： 作弊成功率直接干到0.0% 在终端操作基准Terminal-Bench 4.0上，Carbon在大幅提升整体准确率的同时，将“成功作弊率”硬生生压到了0.0%，连尝试走捷径作弊的比例都跌至0.4%。 在谷歌内部团队的实况编程环境中，高严重性的失调警报（misalignment alerts）更是暴跌了近80%。 拒绝不懂装懂，幻觉率远低于竞品 在内部测试中，Carbon做出无根据断言（unsupported claims）的频率比Argon降低了约2倍。 面对证据缺失或操作受阻，它不再含糊其词或强行脑补，而是把方法论的局限性直接写进交付文档，或者拉出一张清晰的清单告诉人类“还缺什么条件”。 不懂就问，明确执行边界 面对模糊不清的需求，Carbon不会盲目瞎猜或强行推进，而是先检索相关信源，把发现的矛盾点摆到台面上与用户确认。 在端到端执行多步计划时，它的越界操作（overreach）减少了26%，敷衍漏做（under-service）减少了29%。 提示词注入100%免疫 当Agent在野外读取网页、邮件和外部代码库时，极易遭到“间接提示词注入”（IPI）的劫持。 在Gray Swan IPI基准测试中，前代Argon曾以0.7%的极低被攻破率领跑全。 而这一次，Carbon直接交出了0.0%攻击成功率的满分答卷，成功抵御了评估中的每一次攻击尝试。 14天闪击战背后：RSI全面提速 从9月底亮相、两周前刚刚全面铺开的Gemini 4 Argon，到今天横空出世、全面反超Opus 5.5的Gemini 4 Carbon。 CEO劈柴哥在x上更是凡尔赛地调侃道（doge）： 我之前就说过，我们会周期性地发布模型……现在向大家介绍Gemini 4 Carbon。 结合此前曝出的内部信息来看，谷歌实际上在内部同时并行训练和评估了Argon、Barium、Carbon等多个Gemini 4存档点（其中公开发布的Argon实为内部的Barium-B存档点）。 在官方公告不起眼的角落里，谷歌DeepMind高级副总裁、首席AI架构师Koray Kavukcuoglu透露了真正的秘密： “我们的研究人员正与我们的模型携手并进（working hand in hand），以更快的速度推进能力演进，同时同步强化安全护栏。” 换句话说，用最顶尖的AI去辅助训练、评估和优化下一代AI，已经在谷歌内部真正转了起来。 不过，谷歌还是你谷哥，发布≠上架。 由于Carbon具备较强的漏洞挖掘与利用能力，还要进行发布前测试流程。从本周开始，Carbon将率先向一部分网络安全防御人员开放。 还记得Argon从发布到真正给你用过了多久吗，这次等的也不会短就是了。 眼下Anthropic上市的关键节点上，这下该把Fable 5.5放出来了吧？ 至于沉迷发中杯Terra模型和短信通知Dot的OpenAI，我祝他好运。 参考链接： [1]https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/ [2]https://x.com/sundarpichai/status/2115489219804352921?a=TCW5gQam8bc7T7enVWo&s=20

数字说｜储能出海火热背后 贸易壁垒渐起

上市三月纳入指数权重第一 长鑫科技年底或撬动超两百亿被动资金 当前综指买盘有限，年底若纳入科创50等指数，或带来超205亿增量资金 12月底，长鑫科技或将纳入科创50和科创创业50指数两大宽基指数。图：视觉中国 　　【财新网】长鑫科技（688825.SH）在上市仅三个月后，便凭借全A股第一的日均总市值，空降上证综合指数与科创综指。根据中证指数公司网站，长鑫科技已被纳入上证综合指数，权重为4.67%，当前为指数第一大权重股。长鑫科技也被纳入上证科创板综合指数，权重为15.74%，也为第一大权重股。 　　这两只指数新股准入门槛较低，其中上证综指要求上市以来日均总市值排名在沪市前十位且上市满三个月。科创综指仅要求标的上市满3个月且日均总市值稳居科创板前十。均无固定季度调样限制，满足条件即可滚动纳入。

10月美联储议息会：加息暂歇，鹰声未止 美联储虽具备暂缓加息、进一步观察政策传导的空间，但在通胀风险尚未充分消退的背景下，维持限制性政策立场仍有必要 当地时间2026年10月28日，美国纽约，纽约证券交易所交易大厅内的一块屏幕正在播放联邦储备委员会主席凯文·沃什的新闻发布会。图：视觉中国 　　北京时间10月29日凌晨，美联储议息会议宣布保持联邦基金利率目标区间在3.75%—4.00%不变。近期美国经济仍有韧性，二季度美国实际GDP环比折年增速由此前公布的1.5%上修至2.2%，消费和私人投资仍构成主要支撑，其中数据中心等AI相关信息基础设施投资保持较强动能。劳动力市场边际降温，就业增长和工资压力有所放缓，失业率小幅升至4.2%，但尚未出现明显恶化。通胀方面，能源及生产端成本压力有所增强，通胀风险仍未消退。 　　美联储虽具备暂缓加息、进一步观察政策传导的空间，但在通胀风险尚未充分消退的背景下，维持限制性政策立场仍有必要。 　　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。

【商圈】把椅子还给买单的人 尼科尔治下星巴克悄然转身 桌角一块“消费入座”的小立牌，宣告星巴克不再充当免费的“城市长椅”。执掌两年的尼科尔重划商业边界，把“第三空间”重新还给真正买单的人；同时出售中国业务60%股权，以轻资产应对本土激烈竞争 星巴克董事长兼首席执行官布莱恩·尼科尔（Brian Niccol）。图：视觉中国 　　【财新数据专稿】全国主要城市的星巴克（Starbucks）门店，近期陆续在桌面上摆放出一块不起眼的亚克力立牌，上面印着请消费入座的提示文字。从核心CBD写字楼大堂里的快节奏门店，到繁华商圈临街拐角的宽敞大店，店员巡视桌椅的频率悄然增加，遇到长达数小时没有点单的访客，会停下脚步礼貌询问是否需要添置一杯饮品。 　　门店在执行上保留了余地，星巴克强调规则清晰，执行保有温度，将妥善处理顾客的合理突发需求和特殊情况，并优先帮助孕妇、行动不便者等有需要的顾客。

财新闻｜广东实施新规：老年人买保健品支持“7天无理由退货” “妈妈称男孩175厘米没法见人”冲上热搜，医生提醒：盲目增高有风险；三条时速350公里高铁，同日试运行；江苏多所高校宣布将用数字人民币发薪；评级集体上调！工行、农行、建行、中行、交行、邮储银行全都在列 新施行的《广东省消费者权益保护条例》针对涉老消费痛点作出多项制度安排。图：视觉中国 广东实施新规：老年人买保健品支持“7天无理由退货” 生活里有不少叔叔阿姨都踩过保健品讲座的坑，事后想维权却处处受阻，这个月起，《广东省消费者权益保护条例》正式实施，针对这个问题，叔叔阿姨们也有“后悔权”了。

T早报｜苹果推出触屏笔记本电脑；谷歌发布世界模型Genie 4 推荐：iPhone 18 Pro系列三周销量同比增长3.1%；英伟达向Meta投资30亿美元；海光信息、寒武纪三季报业绩高增 未提振股价 当地时间2026年10月28日，美国加利福尼亚州洛杉矶，新款MacBook Pro在苹果“Pro and Tell”产品发布体验活动上展出。图：视觉中国 　　【财新网】 　　英伟达向Meta投资30亿美元 AI循环交易延伸至美股七巨头　　 　　美国时间10月27日，英伟达宣布将投资30亿美元（约合人民币200亿元）认购Meta新发行的股票；Meta则宣布，将扩大英伟达Vera Rubin计算平台、Vera CPU及Spectrum-X网络设备等部署，并在工作流优化、智能体安全框架等方面与英伟达合作。这又是一次英伟达等芯片厂商主导的循环交易（Circular deals），而与Meta的合作是英伟达首次把该交易模式延伸至除英伟达之外的其他“美股七巨头”。 　　海光信息、寒武纪三季报业绩高增 未提振股价

被追逐的红利 市场再度回归对具有稳定现金流的红利资产的追逐。聚焦红利是当前微观主体的权宜之计，还是新一轮预期切换的开始？ 随着投资回报率边际递减及行业集中度提升，更多企业进入稳定的“中年期”，从而提供更多分红契机。 图：视觉中国 　　随着全球AI相关风险偏好的波动加剧，叠加地缘政治等影响，市场再度回归对具有稳定现金流的红利资产的追逐。然而，若资金过度集中势必增加赛道拥挤及估值过高的担忧。聚焦红利是当前微观主体的权宜之计，还是新一轮预期切换的开始？ 一、红利，被动的选择？ 　　放眼世界，一国物价若持续低位，红利资产往往具有比较优势。此时若出现科技等结构性产业机会，自然可阶段性替代红利；但一旦退潮，红利则重新占优。 　　图1. 低物价下的红利偏好　　 　　此外，地缘风险加大也是微观主体推崇红利的原因，事实上近两年该因素也部分对冲了AI的“虹吸”效应。 　　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。

刚刚，扩散模型杀进Agent主场！350亿参数，速度比Jev快一倍 用扩散模型怎么做做Agent？ 服了！天天在AI一线冲浪，竟然也会跟不上版本。 谁能想到，印象中用来生图、生视频的“扩散模型”，竟然也能写代码、生成网页、调用工具，当Agent了！ 就在刚刚，扩散智能发布了全新的扩散语言模型—— Clover-35B-A3B-Preview。 虽然名字里多了“扩散”两个字，但实际体验下来，无论是写代码、操作网页、调用工具，还是生成HTML，用法都和我们熟悉的大语言模型差不多。 我个人用下来的第一感受就是一个字：“快”。 比如，让它生成一个太阳系模拟器，Clover就思考了约1秒，然后也就4-5秒，一个能交互的太阳系模拟器就出来了。 再比如，我给它丢了一堆简历信息，让它整理成LaTeX格式的简历代码，也就十来秒，搞定～ 有一说一，用过GPT的朋友，应该都懂盯着“正在思考”等半天是什么感觉，要不然最近也不会有主打快速决策的Jev什么事儿～ 而说到Jev，Clover这次还真和它比了一把速度。 在网页Agent评测WindTunnel的49个任务中，每个任务尝试3次，Clover的中位执行时间为1.52秒，Jev＋Mercury 2.5组合为3.21秒，用时少了一半多。 尝试成功率也略高，分别为98.6%和95.9%。 对比同表中的Gemini，速度更是快了好几倍！ 好好好，你个扩散模型，要把自回归逼疯？（doge） 会做Agent任务的扩散模型 说回模型，Clover-35B-A3B-Preview这次采用MoE架构，总参数350亿，每个token激活约30亿参数，支持思考模式。 它进一步将团队的扩散语言模型，从此前Dream 7B的70亿参数，推进到了350亿总参数规模。 更关键的是，参数量上来后，Clover的速度并没有因此变慢，它在同尺寸对比中超过自回归模型。 除了前面的交互页面和代码生成，官方演示里，Clover还进一步展示了复杂任务、WebUI生成等Agent能力。 Clover可以通过WebMCP，连续处理六项任务，涉及开票、课程报名、金额汇总、活动状态查询、以及客户信息查询和发票信息查询。 从下面的对比视频我们可以看出，Clover不仅成功完成任务，还在执行速度上彻底甩开了Gemini 3.6 Flash。 在线上购物场景中，Clover还能按要求找到指定款式、黑色、L码的T恤，加入购物车，填写访客信息，再走完测试结账流程。 老实说，这种连续任务的处理其实是这次演示值得关注的地方。 要知道，扩散语言模型虽然有并行生成的速度潜力，但在做Agent任务时，以往的表现其实还不够稳定： 模型工具调用格式可能出错，也容易在同一个步骤上反复尝试，没能根据返回结果调整动作。 Clover这次的进步，就体现在这些连续操作里：调用工具、读取反馈、继续执行，直到完成任务。 具体到Benchmark，按照团队公布的数据，Clover在工具使用相关的τ³ Overall和BFCL-v4评测中，分别拿到65.3和67.9，位居前列。 △图源：扩散智能 Agent任务看完，再看看代码。 我又让Clover生成了一个个人Agent的网页界面。看起来也是有模有样，整个生成过程也就十几秒。 在代码评测这边，Clover也交出了一组不错的成绩。 在考察真实代码仓库问题解决能力的SWE-bench Verified上，它拿到73.6；在考察终端任务执行能力的Terminal-Bench 2.1上，拿到51.7。 △图源：扩散智能 可以说，从生成交互页面，到调用工具、跑完业务流程，再到代码评测，身为扩散语言模型的Clover，这次确实接了不少Agent的活。 哎，这就有意思了。印象里负责去噪生图的扩散思路，到了语言模型里，究竟是怎么生成文字、写出代码的？ 难不成上面的demo真是AIGC出来的？ 扩散语言模型，什么来头？ 一般来说，我们熟悉的自回归（Autoregressive，AR）语言模型是根据前文预测下一个token，生成一个，再接着生成下一个，也就是大家常说的“词语接龙”。 这里的token，可以简单理解成模型处理的文字片段。 相比于自回归模型的逐个串行预测生成，扩散语言模型则换了一种生成方式：允许多个位置同时更新，再经过几轮完善，逐步得到结果。 △图源：AI生成 这里的扩散去噪，可以理解为把被遮住或受到扰动的内容，逐步恢复成符合上下文的文字。 具体到Clover，它采用的是块扩散：把待生成的内容分成若干块，块与块依次推进，块内多个位置并行更新、相互参考。 这样一来，一轮计算就有机会推动多个位置的生成，减少逐个生成带来的等待。 但问题在于，能一起生成并不代表一轮就能写好。 因为扩散模型往往需要多轮去噪，才能把结果逐步确定下来。轮数太少，内容可能还没调整好；多来几轮，计算开销也跟着增加。 到了代码和Agent任务，上下文还会不断变长。之前的要求、已经执行的操作、工具返回的结果，都可能影响下一步，历史信息的保存和读取也成了效率问题。 Clover的改进思路，就是让历史记忆和当前生成各司其职。 它围绕块扩散重构了门控Delta网络（GDN）：已经生成的上下文被压缩进持续更新的状态，供后续步骤读取；当前生成的块则通过双向注意力，让块内的token相互参考。 与此同时，Clover将历史记忆的读出作为独立的信息单元，与当前token一起参与注意力计算，让模型自己学习如何权衡前文与当前内容；再通过可学习的块大小校准，减少块变大后历史信息被稀释的问题。 换句话说，这些调整的目标，就是让并行生成、历史信息利用和计算效率更好地配合，这也是Clover将扩散语言模型进一步推进到代码和Agent任务的关键。 而除了Clover以外，扩散语言模型这两年之所以受到关注，也主要在于它相对于自回归的两大优势： 一方面，扩散语言模型允许多个位置同时生成，有机会减少逐token生成带来的串行等待。对于需要反复生成代码、调用工具的Agent，这种潜力尤其值得关注。 另一方面，生成过程中，前后内容可以相互参考。在双向建模的设计下，多个位置能在迭代中共同调整，为处理内容之间的依赖关系提供另一种方式。Clover当前块内的交互，就是其中一种实现。 围绕这些可能性，学术界和产业界已经给出了不同的尝试。 何恺明今年参与的ELF，尝试在连续嵌入空间中生成语言；谷歌推出的DiffusionGemma，探索并行文本生成；国内大厂也在研究面向代码任务的扩散语言模型。 具体方法各不相同，大家都在尝试把另一种生成方式，变成能用起来的能力和效率。 Clover这次，则把自己的进展放进了代码、工具调用和连续任务里，交给用户上手检验。 从DiffuSeq到Clover，扩散智能的下一步 最后，让我们说回Clover背后的团队—— 扩散智能。 据悉，扩散智能由香港大学孔令鹏教授及其博士生龚珊三、叶佳成联合创立。团队成员对扩散语言模型的探索，可以追溯到2022年。 那一年，他们提出了DiffuSeq，研究如何用扩散模型完成序列到序列的文本生成：给定一段文字，再按条件生成另一段文字。 当时要迈过的一道坎，就是把擅长处理图像等连续信号的扩散方法，用到离散的自然语言上。 到了2025年4月，团队核心成员参与推出Dream 7B，将研究推进到70亿参数语言模型。 根据当时公布的结果，Dream 7B在通用、数学和代码任务上，取得与同规模自回归模型可比的表现，也展示了规划能力和生成顺序上的灵活性。 再到这次的Clover，模型规模继续扩大，写代码、调用工具、连续执行任务，都成了重点展示的内容。 这条路线，也就从最初研究怎么生成文字，一步步走到了如何把复杂任务做对、做快。现在，团队还在往多模态和端侧延伸。 据介绍，Clover后续也将推出多模态版本，团队正在推进扩散语言模型与多模态理解及动作生成的结合，并持续开展端侧场景的适配与验证。与Acrab的合作，则在推进面向端侧场景的系统适配和软硬件协同验证。 按照团队计划，接下来还会继续探索更大规模的模型，提高长程任务的稳定性，并通过推理优化、量化和部署适配，推进端侧应用。 最后的最后，咱们不妨借着这次新发布的Clover开个脑洞： 人类思考时，究竟是一句接一句往下推，还是先有个模糊的整体，再逐渐补全细节—— 大脑究竟更像自回归，还是扩散？ 体验链接 [1]https://diffuspace.ai/register

2026年10月29日国家再次实施调控，成品油价格适当调整 10月15日国内成品油价格调整以来，中东地缘紧张局势升级，国际市场原油价格大幅上涨。为减缓对国内的冲击，国家再次对成品油价格采取调控措施。根据现行价格机制计算，自10月29日24时起，国内汽、柴油（标准品）价格每吨分别应上调440元、420元，统筹兼顾减轻下游用户负担和保障成品油安全稳定供应，调控后实际上调345元、335元。　　中石油、中石化、中海油公司及其他原油加工企业要组织好成品油生产和调运，确保市场稳定供应，严格执行国家价格政策。各地相关部门要加大市场监督检查力度，严厉查处不执行国家价格政策的行为，维护正常市场秩序。消费者可通过12315平台举报价格违法行为。　　附：各省（区、市）和中心城市汽、柴油最高零售价格附件：

【商圈】靳羽西从电视到口红 一个人的闯荡与中国开放年代 77岁的羽西，一身红衣，红唇依旧，背挺得笔直，讲起未来想做的事情，仍然兴致勃勃。她的经历似乎都带着传奇色彩，个人选择恰好与那个急速开放时代一系列尚未被满足的需求相遇 靳羽西。图：海月 　　【财新数据专稿】知道要和靳羽西对话的时候，同事们都提醒我：场地一定要挑个有设计感的，穿着一定要讲究一点。总之，什么都得美美的。 　　毕竟，对几代中国人来说，羽西这个名字，几乎就代表着美。 　　黑发、黑眼、红唇，鲜艳的衣服，漂亮的首饰，还有一口带着外国腔调的普通话。上世纪80年代，靳羽西通过电视带领中国观众走进一个个遥远而陌生的国家。后来，她创立了以自己名字命名的化妆品品牌，让“羽西”成为中国消费市场一个延续至今的名字。 　　直到准备这次和她的播客访谈，我才发现，这个大众熟悉的靳羽西，是怎样一步步自己闯出来的： 　　15岁独自赴美留学，大学毕业后带着150美元闯荡纽约； 　　发现美国人对亚洲文化知之甚少，就自己创办电视节目；

宇树发布上市后首份财报 营收增速放缓、利润下降 机器人主要用于商业展演和科研等细分领域，还未大规模落地生产场景并发挥真实价值 10月28日，人形机器人公司宇树科技发布2026年第三季度财报，三季度营收同比上涨69.93%至6.65亿元，利润总额同比下降27.78%至1.12亿元。图：视觉中国 　　【财新网】宇树发布上市后首个财报。10月28日，人形机器人公司宇树科技（688836.SH）发布2026年第三季度财报，三季度营收同比上涨69.93%至6.65亿元，利润总额同比下降27.78%至1.12亿元。 　　10月29日开盘，宇树股价跌超3%。 10月28日收盘，宇树报695.9元/股，涨8.74%，总市值近2814.67亿元。 　　宇树的营收增速在2026年明显放缓。2023至2025年，宇树三年营业收入的复合增长率为 226.78%，营收额分别为1.59亿元、3.93亿元和16.99亿元， 2023年净亏损为1114.51万元，2024年扭亏为盈，净利润9547.47万元，2025年升至2.78亿元。

小雨智造与国家钢结构质检中心共建实验室，乔忠良：具身智能新质生产力已成事实 2026年10月27日，“工业具身智能焊接与检测技术联合实验室”正式揭牌成立。 2026年10月27日，由中冶建筑研究总院有限公司国家钢结构质量检验检测中心与北京小雨智造科技有限公司共建的“工业具身智能焊接与检测技术联合实验室”正式揭牌成立。中国钢结构协会会长、中国五矿集团首席科学家曾滨，中冶建筑研究总院有限公司党委书记、总经理王海涛，中冶检测认证有限公司党委书记、董事长刘冬，小雨智造创始人、CEO乔忠良共同为实验室揭牌。仪式上，乔忠良发表致辞，并与刘冬共同向世界技能大赛焊接项目中国国家队总教练周树春、第48届世界技能大赛焊接项目金牌获得者赵钱森颁发了实验室专家委员聘书，并透露了公司的首个客户案例。 （实验室揭牌成立） “具身智能发展迅速，但越是在这样的时刻，越需要守住质量这条底线。”乔忠良在致辞中表示，焊接不是一道普通的工序，每一道焊缝都关系着工程安全和人的生命。机器人可以把焊缝焊得更快，但如果质量不过关，效率越高，风险就越大。中冶建筑研究总院有限公司国家钢结构质量检验检测中心是我国钢结构领域唯一的国家级质检中心，其焊接团队主编《钢结构焊接规范》等百余项标准，培养出中国首枚世赛焊接金牌得主。乔忠良坦言，与这样的“国家队”同行，就是要做一件行业里少有的事：把智能装备的工艺研发，与国家级权威质量验证，在同一个平台上彻底打通。“从今往后，具身焊接不仅要提升效率，质量也要更上一层楼——每一道焊缝，都要可检验、可溯源，经得起最严苛标尺的丈量。” 乔忠良透露，就在10月26日，小雨智造公布了首个客户案例：在老牌国企北泡轻钢的一个车间里，12台小雨未来机器人已经进入日常作业。按2026年8月的数据，该车间月产能较改造前提升30%，同等焊接质量条件下综合成本降低49%，单机日均产出约90米等效平角焊缝。“具身智能带来的新质生产力，不再是一个待论证的命题，而是一个已经发生的事实。”他进一步表示，具身智能进工厂，接过了危险、艰苦、重复的工作，让人站到了更有尊严的位置上。 （小雨智造创始人、CEO 乔忠良） 成立仪式上，世界技能大赛焊接项目中国国家队总教练周树春、第48届世界技能大赛焊接项目金牌获得者赵钱森受聘为实验室专家委员。带出四届世赛冠军的周树春表示：“匠心不变，变的是手里的工具。中国焊工焊接世界，下一代焊工，要带着中国的机器人再去焊一次世界。”今年9月，赵钱森在上海举办的第48届世界技能大赛上以世赛有史以来最高分一举夺金，为中国捧回世赛焊接项目第4金。这位新科金牌获得者则表示：“前辈把接力棒传到我们手上，我们要发扬光大，拿下具身时代焊接技艺的金牌。”乔忠良表示，小雨智造邀请大国工匠加盟，是要让匠心、技艺和经验，沉淀为可传承的工艺基座，再依托实验室培养新一代既懂工艺、更懂AI的焊工。“实验室连接的，是中国焊接工艺几十年的深厚积淀，与人工智能的澎湃未来。” （赵钱森） （周树春） 公开资料表明，小雨智造成立于2023年，致力于打造“一脑多形”的通用机器人大脑及工业应用产品，愿景是成为全球领先的通用智能机器人平台，让智能劳动力成为基础设施，人人可享、无处不在。2026年7月，公司发布首个产品小雨未来机器人，搭载英伟达Orin算力平台与梅卡曼德3D相机，绝对定位精度做到0.5毫米，通过自研的空间定位笔实现“一划即焊”、免示教操作。 （联合实验室实景演示） 工业具身智能焊接与检测技术联合实验室的成立，标志着国家级权威检测能力与工业具身智能前沿技术的深度融合。实验室将以钢结构国家级检测标准为刚性标尺，开展具身智能机器人焊接工艺开发、试样检测与性能验证，同时面向钢结构行业培养智能焊接复合型人才，让具身智能焊接真正做到安全、稳定、精准、可靠和全程可检验，为中国钢结构行业的智能化升级、为发展新质生产力贡献力量。这也意味着从客户车间产线的数据验证，到国家级检测平台的标准筑基，工业具身智能焊接正在完成从“前沿技术概念”到“工业级基础设施”的关键一跃。 本文由小雨智造提供，量子位获授权转载，观点归原作者所有。

在香港增发离岸人民币国债正当其时 在香港增发离岸的人民币国债，不但可以实现低利率发债，还可以促进人民币国际化，有利于提高香港国际金融中心的地位 香港是当前全球主要国际金融中心之一，但在部分国际金融业务领域仍有进一步发展的空间。图：李志华/中新社/IC photo 　　最近一段时间，国际债券市场风起云涌，西方发达国家的国债受到了猛烈的抛售。以最典型的十年期美国国债为例，其收益率近期多次升至5%以上，而就在4个月之前的6月29日，其收益率尚为4.374%。债券的价格与收益率成反比，收益率的上涨意味着债券价格的下跌。债券收益率的大幅上涨被拿出来反复说事儿，其中比较相关的主题是通胀和股市，这些当然十分重要，但对中国来说，有一件事也很重要，就是在香港发展离岸人民币国债市场出现了历史性的机遇。 　　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。

西班牙年内同线路再现列车碰撞惨案 新事故至少68人死亡 初步调查显示本次事故为“人为失误”，调查重点在信号、列控以及调度系统 当地时间2026年10月28日，西班牙马德里以南约150公里处托莱多省的乌尔达与洛斯耶韦内斯之间，两辆铁路列车发生相撞事故，应急人员在事故现场展开工作。图：视觉中国 　　【财新网】时隔仅九个月，西班牙再现重大列车相撞事故。当地时间10月28日上午接近9时，两辆铁路列车在首都马德里以南的托莱多省相撞，截至发稿，事故已造成至少68人死亡、多人受伤。 　　事故发生在连接西班牙首都及其南部地区的走廊——马德里至安达卢西亚（Madrid–Andalucía）高速铁路上、托莱多省乌尔达（Urda）附近。两辆涉事列车分别由西班牙国营铁路公司Renfe及私营铁路公司Iryo运营，事发时分别载有乘客397名、147名。

文远知行001号员工带队，景烁科技首轮融资数千万美元 10月29日，文远知行披露旗下子公司景烁科技首次融资进展 10月29日，文远知行（NASDAQ: WRD，HKEX: 0800）披露旗下子公司景烁科技首次融资进展，景烁科技目前已获嘉御资本、HKSTP香港科技园、天狼星资本等资方数千万美元的pre-A轮共同投资。 景烁科技致力于构建物理AI时代的数据与模型基础设施，以“高质量数据驱动物理AI进化”为核心理念，依托数据—模型一体化平台WorldEngine和自研世界模型GENESIS-Robotics，形成覆盖自研第一视角高精度数据采集设备EGOK、规模化数采、高质量数据集与定制数据服务的产品体系，连接真实世界操作经验与机器人学习过程。 目前，景烁科技已与全球数十家世界顶尖大模型公司和具身智能企业建立合作，拥有100+客户与生态合作伙伴，在手订单金额数十亿元，为物理AI和通用大模型研发与应用提供有力的数据支撑，年收入增长超100%，展现出强劲的商业化能力与增长潜力。 随着人工智能从数字世界加速迈向物理世界，高质量数据及相关基础设施正成为推动技术演进和产业发展的关键要素。行业普遍认为，无论是大语言模型、世界模型还是具身智能系统，其能力提升都建立在高质量数据的持续积累、治理和迭代之上。尤其在物理AI领域，真实世界数据的采集、处理、验证和训练已成为决定模型能力边界的重要基础。 作为文远知行旗下业务之一，景烁科技依托文远知行近十年的物理AI商业化落地经验，持续强化世界模型、数据平台及技能资产引擎能力，构建覆盖数据生产、数据治理、模型训练及能力沉淀的完整基础设施体系，为下一代物理AI系统提供底层支撑。 景烁科技核心团队来自文远知行的物理AI研发体系，CEO霍达是文远知行001号员工，长期深耕自动驾驶平台与物理AI数据基础设施建设，曾在美国、中国、新加坡主导全球化工程研发团队搭建，具备丰富的技术架构与数据体系建设经验。 本轮融资后，景烁科技将进一步扩充核心研发团队，深化数据平台、世界模型与技能资产引擎的协同能力，同时丰富高质量数据集的任务与场景覆盖，加快面向物理AI领域的基础设施能力建设。 从全球范围看，当前AI产业快速发展，数据基础设施企业持续受到资本市场青睐。2025年6月，美国科技巨头Meta以143亿美元战略入股AI数据平台Scale AI，对应公司估值达290亿美元；同年10月，Mercor宣布完成3.5亿美元C轮融资，估值达100亿美元；今年9月，Snorkel AI完成3.5亿美元E轮融资，估值达35亿美元。国内物理AI数据企业光轮智能估值已达20亿美元，并于今年6月完成新一轮10亿元战略融资。 本文由景烁科技提供，量子位获授权转载，观点归原作者所有。

【地缘图志】美国致信伊朗传递谈判意愿，科技巨头业绩分化搅动市场

详解Anthropic招股书 AI实验室能否兑现经济、公益双承诺 高增长、已盈利、捐股份、吸金1400亿美元，预计算力投入8000亿，美股超级IPO将至 伴随着Anthropic披露“超预期”的招股书，过去数月笼罩市场的AI泡沫论暂时缓解。图：视觉中国 　　【财新网】赶在10月最后一周，全球增长最快的AI实验室Anthropic遵守10月开启上市的承诺，向美国证券交易委员会（SEC）递交招股书，计划以“ANT”的股票代码登陆纳斯达克交易所。 　　另一大AI实验室公司OpenAI已在9月宣布年内不会上市，两者原本在6月告示进入上市进程，而今只留Anthropic孤身推进。 　　Anthropic成立五年、从私募市场融资近1400亿元、从有收入的2023年开始计算，每年10倍上下的收入增长到今年上半年的163亿美元，并在二季度实现运营性营利。这家自称AI实验室的公司以前所未有的速度膨胀，1.5万亿到2万亿的上市估值将很可能刷新马斯克AI公司SpaceX四个月前创造的近1.8万亿市值的IPO记录，并直接并肩美国科技股“Mega7”（谷歌、亚马逊、苹果、Meta、微软、英伟达和特斯拉）。

我们的教育，缺一门态度课：一项追踪18年的研究带来的启示｜热点 教孩子理解情绪、尊重他人和处理冲突，并不会必然挤占学习时间、降低学业成绩。相反，这些能力可能帮助孩子建立更好的学习习惯和人际关系基础。这种教学是长期赋能的 一些与心理健康、人际关系和社会适应有关的能力，不应完全寄希望于孩子自己摸索，或依赖水平不一的家庭提供参差不齐的指导，也不应只在出现问题以后，才由心理咨询师或其他专业人员来补课。图：视觉中国 　　一个孩子在幼儿园里，每周多上两节课，学习怎样交朋友、理解情绪、控制脾气、解决冲突。通常情况下，我们认为这是“家教”的事，但如果能把它们融入学校教育，尤其是早期教育，会怎样？ 　　近日，一项发表在《美国心理学家》（American Psychologist）上的研究，引发关注。宾夕法尼亚州立大学心理学家卡伦·比尔曼（Karen Bierman）团队追踪了一群美国低收入家庭的孩子。他们四五岁时参加了一项幼儿园社交与情绪学习实验，研究者一直追踪到这些孩子成年初期，观察他们的心理健康与社会适应状况。结果令人鼓舞：当年接受额外社交与情绪训练的孩子，到了21、22岁，抑郁症状更少，孤独感更低，行为问题更少，同理心更强，获得的情感支持更多，对生活也更满意。研究者评估了11项身心与社会适应指标，干预组有7项显著优于对照组，另外4项没有显著差异。团队成员戴蒙·琼斯（Damon Jones）还用一个直观的说法来描述这种长期收益：这些年轻人平均每个月多出近两天的“健康日”。

抗通胀进展有限，大选窗口期美联储维持中性立场 由于9月美联储已经提前加息25基点，本次议息会议美联储保留了足够的政策空间和余地，避免了对政治造成干扰和利益相关方的谴责 当地时间2026年10月28日，美国华盛顿哥伦比亚特区，美联储主席凯文·沃什在美联储总部召开的联邦公开市场委员会会议后的新闻发布会上发表讲话。图：视觉中国 　　北京时间10月29日凌晨，美国联邦公开市场委员会（FOMC）以10比2的投票结果将联邦基金利率目标区间维持在3.75%至4%不变，符合预期。会议仍然强调了美联储的双重目标，并继续保持银行体系准备金充裕。与9月加息全票通过不同，本次会议美联储理事Lisa D. Cook 和克利夫兰联储主席Beth M. Hammack投下反对票，她们倾向于本次会议加息 25基点。在大选投票前夕美联储货币政策总体保持了相对中立，同时近期的通胀和就业数据也能够支持本次利率保持不变，在美国大选临近时期这对美联储主席及议息委员会而言不至于左右为难。会后美元指数小幅下跌，美股普遍上涨，美债收益率除了超长端也均有不同程度下降，而12月议息的鹰派展望使得黄金白银等贵金属仍有小幅回落。 　　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。

【大盘脉搏】A股低开低走 银行股、风电设备等逆势上涨

巴西大选落败后弗拉维奥抵达美国 被曝使用意大利护照经阿根廷陆路离境 弗拉维奥声称，“我不是逃离巴西，而是为了巴西而离开” 资料图：弗拉维奥·博索纳罗。图：视觉中国 　　【财新网】在刚刚结束的巴西大选中落败的极右翼自由党候选人、巴西前总统雅伊尔·博索纳罗之子、参议员弗拉维奥·博索纳罗（下称“弗拉维奥”）已经于当地时间10月28日抵达美国迈阿密。他拒绝承认败选。弗拉维奥当前因涉嫌洗钱等正接受巴西高等法院调查。 　　美东时间28日9时30分左右，身着休闲深色马球衫的弗拉维奥在妻子和两个女儿的陪伴下，走下刚在美国佛罗里达州迈阿密降落的飞机。佛罗里达州是美国境内巴西人聚居人数最多的地方。 　　在此之前，弗拉维奥和其家人经历了一段曲折的行程。阿根廷移民官员表示，他们于当地时间10月27日晚间离开巴西，经由陆路边境进入阿根廷，随后搭乘一架私人包机离开。

资本市场回调冲击险企利润 平安太保三季报出炉 分析人士指出，中国平安三季度单季仍实现正的净利润，与其涵盖银行、证券等综合金融业务结构及税收因素有关 具体来看，中国平安的公允价值变动损益从上半年的257.57亿元转为前三季度-643.12亿元，反映出三季度资本市场波动对当期投资损益的显著冲击。图：视觉中国 　　【财新网】2026年三季度权益市场回调，保险公司的盈利表现也受到明显冲击。 　　10月28日，两家上市险企率中国平安（601318.SH）和中国太保（601601.SH）率先披露三季报。数据显示，前三季度，平安归母净利润966.45亿元，同比下降27.3%；太保归母净利润364.03亿元，同比下降20.3%。主要原因均是受资本市场波动等短期因素影响。 　　不过，两家公司三季度单季仍实现盈利，归母净利润分别为40.60亿元和56.28亿元，同比分别下降93.7%和68.4%。此前有市场分析人士预期，各家上市险企三季度单季或将全部净亏损，合计税前利润甚至可能出现1096亿元至2002亿元的亏损。

恒瑞医药三季度增速回升 全年创新药销售收入或低于预期 前三季度，恒瑞医药创新药销售收入138.71亿元，同比增长17.05%；对外许可业务确认收入27.81亿元，同比增长31.12%；收到BMS交易6亿美元首付款，尚未全部确认收入 前三季度累计，恒瑞医药实现营业收入244.09亿元，同比增长5.26%；归属于上市公司股东的净利润69.23亿元，同比增长20.38%。图：视觉中国 　　【财新网】恒瑞医药（600276.SH/01276.HK）单季营收、净利润增速回正。据新近披露的财报计算，2026年三季度，这家国内医药龙头单季实现营业收入89.53亿元，同比增长20.55%；归属于上市公司股东的净利润24.58亿元，同比增长88.92%。 　　但抗肿瘤创新药销售收入增速放缓，仍对全年业绩表现有所拖累。前三季度累计，恒瑞医药实现营业收入244.09亿元，同比增长5.26%；归属于上市公司股东的净利润69.23亿元，同比增长20.38%。

港股IPO市场反转 新股破发不断、多家延期取消 上半年港股IPO公司数量大增，但市场流动性承压，内外资金持续流出 资料图：香港交易所。一位策略研究人员表示：港股核心的问题是流动性不够，新上市公司太多，二级市场没有资金承接。图：陈永诺/中新社/视觉中国 　　【财新网】下半年来，已经有四家准备在港股上市的新股在启动招股后选择推迟上市。其中，瘦西湖文旅和微亿智造本计划于10月23日和10月28日登陆港股，最终推迟。而计划于9月22日上市的四方精创也在招股最后一日决定延迟上市，永康控股在7月8日直接宣布终止港股上市。 　　根据公告，撤回上市的原因多为“综合考量包括市场环境在内的多项因素”、“考虑多项因素，包括现行市况”等因素。港股在上半年也有一家新股推迟上市，原定于3月30日上市的同仁堂医养，延迟至7月7日上市，上市首日即破发，直至昨日收盘仍未收复发行价。

欧盟11月起对小包加征2欧元处理费 称用于弥补海关检查和监管成本｜出海·消费 2026年7月起，欧盟对所有价值低于150欧元的低价电商包裹征收3欧元的关税 当地时间2026年9月3日，比利时格雷斯-奥洛涅，比利时海关官员正在检查电商包裹。图：视觉中国 　　【财新网】黑色星期五、网络星期一和圣诞节等欧美传统大促节点前夕，欧盟在对小件包裹征收3欧元关税基础上，再加征2欧元处理费。 　　近日，欧盟理事会更新“欧盟应对小包裹涌入的措施”（EU action on the influx of small parcels）专题页面，明确自2026年11月1日起，欧盟所有成员国将对从欧盟以外通过跨境电商等远程销售方式进口的小件包裹，按每个商品征收2欧元的处理费。该措施是欧盟理事会于今年9月最终批准的海关制度改革的一部分，收费标准由欧盟委员会确定。

敢和英伟达现场PK的国产GPU，我是服的 跟H200和Thor T5000硬碰硬 我愿称之为，国产芯片界的真勇士。 事情是这样的。 一家国产芯片公司，竟敢把自家的GPU和英伟达H200，直接在现场真枪实弹地来了一把PK。 而且题目还不是自己出的，是随机挑了几个人、当场出题的那种！ 例如文生图，有人出的题目是“一只老虎把月亮踢飞”： 视频地址： https://mp.weixin.qq.com/s/Non20tfUB860KjNQkW3LZQ 结果，这块国产GPU跑赢了！ 它用时仅为95.6秒，而英伟达H200耗时为112秒。 这还没完。 刚才的PK是在云端跑的，而后这家国产芯片公司，又拿出了一台巴掌大的银色小盒子，在端侧断网去跟英伟达的机器人大脑Jetson Thor T5000硬碰硬。 依旧是现场随机挑人、随机出题，这次的题目是“狮子和老虎单挑，谁会赢？” 视频地址： https://mp.weixin.qq.com/s/Non20tfUB860KjNQkW3LZQ 肉眼可见，这个国产银色小盒子的速度，明显要比Thor T5000快得多。 那么这家国产芯片公司到底是谁？ 不卖关子，它就是天数智芯。 刚才云端跑赢H200的，是天垓300；端侧跑赢Thor的，则是彤央TY1200。 除此之外，天数智芯还在同一场活动，一道发布了用AI来开发AI的天数智算软件栈。 熟悉天数智芯的朋友们可能还会记得，今年1月份，在它刚上市敲钟半个月之际，就一口气发布了四款彤央边端产品，当时TY1000实测超过的是英伟达AGX Orin。 同一天，它还亮出一张四代架构路线图，第一站就是天枢架构，目标直指超越Hopper，后面还排着Blackwell和Rubin。 但毕竟当时只是路线图嘛（谁都会画）…… 而9个多月后，天数智芯还真来交作业了。 天垓300正是基于天枢架构，这次对标的是Hopper家族的旗舰H200；端侧的对手，也从Orin换成了更强的Thor。 至于为什么云、软件、端三条线一起发，天数智芯的逻辑是这样的： 云端负责生产智能，软件栈负责让适配和优化跑得更快，端侧负责把智能送进工厂、实验室、医院这些真实现场。 在天数智芯看来，三者咬合在一起，才是它口中的高质量算力，即高效率、可预期、可持续。 那么接下来，我们详细地来品鉴一下这场实测~ 天垓300：对标H200，交出实测答卷 先来看下云端的天垓300。 其实它并非第一次亮相，早在今年7月之际，第三方权威机构拿四大主流模型、三类场景，给天垓300做了一轮测试。 在大模型最典型的PD分离部署下，天垓300折算单卡端到端吞吐，是H200的1.05倍。 但这里比的不是纸面峰值，是一条推理链路从头跑到尾、实打实吐出来的Token。 按天数智芯的说法，天垓300由此成为国内首个实测性能达到H200水平的通用GPU。 不仅如此，毕竟天垓300定位是通用GPU，所以它得是训练和推理两头都能打的那种。 我们先来看推理这一块。 对于现在的大模型来说，长上下文是一道绕不开的坎。天数智芯AI与加速计算负责人单天逸在现场打了个比方： 情侣恋爱十周年，女生问男生，这十年里最刻骨铭心的时刻是什么？男生不会把3650天挨个回忆一遍，脑子里蹦出来的，也就那么几个瞬间。 而Attention干的就是这件事，天垓300也专门为此做了定制优化。结果显示，GLM-5.3在64K规模下，MoE吞吐是H200的1.15倍；8K到128K长上下文里，Agent首字延迟比H200低10%到30%。 接下来，我们再来看训练这一块。 在Qwen3-32B的8卡FP8训练中，天垓300每卡有效吞吐是H100的1.33倍。在现场，单天逸放了一段加速100倍的训练命令行录屏，天垓300那边早早跑完，H100还在一步一步往前挪。 视频地址： https://mp.weixin.qq.com/s/Non20tfUB860KjNQkW3LZQ 在常规训练之外，天垓300还是扛得住强化学习的那种，而这恰恰是当下主力大模型都在用的后训练路线。 按天数智芯的工程测算，1024张卡，约26天就能对一个1T参数、40B激活的MoE模型完成一轮强化学习——差不多正好卡在大模型厂商一个多月一迭代的节奏上。 推理、训练之外，我们再来看看眼下爆火的Token工厂。 建一座Token工厂，大约75%到80%的投入都花在设备上。既然设备这笔钱省不下来，那么每一张卡就必须跑得多、跑得稳，Token的单位成本才降得下来。 在“跑得多”这一点上，前面提到的1.05倍已经给出了答案。至于“跑得稳”，则要看步时波动： 满负荷运行时，天垓300的步时波动是0.43%，而作为对比的Hopper方案是0.76%。这意味着即便长时间高负载运行，天垓300也不容易掉链子。 如果再把规模往上推，天数智芯给出的方案是IXL144超节点。 它在一个标准机柜里塞进了144颗GPU，聚合显存约10.1TB，是目前业界密度最高的单机柜GPU超节点。据天数智芯测算，与H200方案相比，它的每百万有效Token成本可以降低约40%。 除了单卡性能，天垓300还有一个细节挺有意思，那就是它并不打算用一种芯片包打天下。 天垓300既能和英伟达的H100、H200混合训练，也能和其他厂商的芯片搭伙干活。 这次天数智芯跑通的，是国内首个GPU+XPU异构AFD分离方案：由天垓300负责Prefill和Attention，由合作厂商的XPU负责FFN，实测Decoding推理延迟降低了60%。 在这些和大模型直接相关的测试之外，现场还播放了一组更硬核的物理仿真演示。在单天逸看来，AI远不止Transformer，芯片也不该反过来限制算法的发展。为了证明这一点，他现场放了三段仿真视频。 首先是用一张天垓300模拟一台龙门吊。整个过程中，每个滑块的摩擦力、起吊的速度和力量，都需要芯片实时算出来。 其次是把256个二连杆装进了同一个模型里做强化学习，相当于让256个并行世界同时试错，这对GPU的并行计算能力要求非常高。 最后是一场撞击实验。140个滑块相互碰撞，每一块都会影响其他所有滑块，所以每撞一次，芯片都要同时算出140个滑块的受力情况。 视频地址： https://mp.weixin.qq.com/s/Non20tfUB860KjNQkW3LZQ 这些演示虽然看起来像物理课上的动画，但它们其实是机器人进入真实世界之前，必须在仿真环境里反复练习的基本功。 彤央TY1200：300T稠密算力，反超Thor T5000 说完云端，我们再来看端侧。 正如我们刚才提到的，这次彤央TY1200的对手，是英伟达的Jetson Thor T5000。 用天数智芯彤央产品市场负责人宋远盈的话说，Thor T5000是英伟达目前端侧非常能打的产品，它的官方标称算力是2070 TFLOPS（FP4，稀疏）。相比之下，TY1200的标称算力是300 TOPS，而且是稠密算力。 如果只看这两个数字，TY1200显然是吃亏的。宋远盈自己也在台上承认，粗略换算下来，TY1200的标称算力是不如Thor的。 不过，实测结果却是另一回事。在大模型上，TY1200跑Qwen3.8-27B的性能是Thor T5000的138%，跑MoE架构的Qwen3.6-35B-A3B也达到了110%。 更有意思的是英伟达自家开源的世界模型Cosmos。在Cosmos-R2-2B上，TY1200跑出了Thor的158%；换到R2-8B，这个数字更是达到了180%。 换句话说，TY1200是在英伟达的主场赢了英伟达。 在跑分之外，宋远盈还准备了三组真实任务，也全部都是在现场的TY1200上运行的。 第一组任务是在本地生成视频，同样是现场随机给出题目并交给MiniMax H3开源视频模型，在TY1200上运行，全程不联网、不上云。 大约6分钟出头，一段1056×608分辨率、5秒长的视频就生成了。 虽然6分钟比云端要慢，但做过AI视频的人都知道，在云端每改一版就得重新排一次队，账单也很难预测。而在TY1200上，这6分钟不用付一分钱的云端调用费。 第二组任务是审合同。 宋远盈把一份1万字的软件合同丢进去，TY1200一两分钟就把高中低风险逐条标了出来，还附上了法律法规和企业内部规则的依据。 而最有意思的，还要数第三组任务——MicroDuck小鸭子。 按宋远盈的说法，英伟达展示过的版本，是先借助云端超级计算机训练出来的。而天数智芯这次想挑战的，是把仿真训练、仿真验证和实物部署全部放进一台TY1200里完成。 为此，TY1200首次在国产端侧产品上跑通了基于MuJoCo-Warp的GPU加速物理仿真。 不过宋远盈还特意打了预防针，说“从拿到鸭子到部署完模型，前后只用了三四天；团队之前自己试的时候，一次都没成功过。” 结果，这只鸭子站起来了。它摇摇晃晃地走了几步，摔了一跤，然后又自己站了起来。用现场同事的话说，这是它表现最好的一次。 嗯，挺给面儿的。 视频地址： https://mp.weixin.qq.com/s/Non20tfUB860KjNQkW3LZQ 除了MicroDuck之外，其实彤央在具身智能上已经有了不少的落地。 两周前的工博会上，搭载TY1000模组的机器狗已经露过一手：它不需要人遥控，就能在本地完成人脸识别，自己跟着主人走，全程没有一帧画面上传到云端。 视频地址： https://mp.weixin.qq.com/s/Non20tfUB860KjNQkW3LZQ 搭载TY1200的陪诊机器人，则已经在上海市阳光康复中心上岗。视障人士只要说一句“我膝盖疼，不知道去哪看”，机器人就会领着他一路走到挂号处，路上还会提醒避让障碍。 视频地址： https://mp.weixin.qq.com/s/Non20tfUB860KjNQkW3LZQ 最后，宋远盈还预告了下一代端侧产品TY2000，它的标称算力将达到600T。正如她所说： 云端GPU厂商做端侧，不是把芯片做小，而是把能力下沉。 让一位工程师的经验，服务千千万万开发者 硬件上虽然跑赢了，但到了开发者这边，好不好用就是另一回事了。 正如天数智芯副总裁、软件开发负责人石加圣在现场讲的一个很有年代感的例子： 早年想在DOS上玩《仙剑奇侠传》《大富翁3》，玩家得先折腾一堆配置，游戏才跑得起来。 在他看来，今天的云端服务器多少有点像当年的DOS，不同的CPU、不同的拓扑、不同的操作系统，坑一个接一个。 为此，天数智芯给出的解法，是把AI请进软件栈。 这次的天数智算软件栈全面拥抱Agentic AI，把过去服务几百家客户时踩过的坑，沉淀成了一套套Skills。开发者只需要说清目标、定好约束，剩下的工作交给Agent，关键节点再由人来拍板。 视频地址： https://mp.weixin.qq.com/s/Non20tfUB860KjNQkW3LZQ 如此一来，比如装环境、拉起PD分离部署这件事，按经验估计人工要花1小时以上；交给Agent之后，10分钟以内就能搞定，人工操作也从数十步减少到了1步。 性能调优同样可以交给AI。 Agent会调用天数智芯自家的性能分析工具，定位瓶颈、提出方案、跑验证，一轮不行就再来一轮。在某大模型调优任务中，按经验估计原本要一周左右，现在不到2小时就走完了分析、优化、验证的全流程，运行性能接近翻倍。 以前开发者找原厂专家调优，最常听到的答复是什么？石加圣自己给出了答案：排队。毕竟专家的时间就那么多。 写算子也是同样的思路。天数智芯是国内首个深度接入FlyDSL的GPGPU厂商，它让AI借助FlyDSL来生成、编译、测试和优化代码。 在某主流模型的适配调优中，原本预估要10人天的工作，在Agent辅助下不到2小时就实际完成了，正确性和性能也都达标；每次编译反馈的等待时间，则下降了90%以上。 过去是GPU加速AI，现在则轮到AI反过来加速GPU了。这大概就是这场分享标题里“以智生智”的意思。用石加圣的话说： Agentic AI让一位工程师的经验，能够持续服务千千万万开发者。 敢跟英伟达现场PK的底气 最后，我们还得讨论一个问题： 天数智芯到底哪里来的底气，敢跟英伟达现场PK？ 说到底，是天数智芯有足够的自信。 天数智芯这次拿出来的数据是实测的，能复现；产品是量产的，能交付。 再加上现场随机提出的提示词、有可能被反超的速度、很可能站不起来的小鸭子……敢玩Live Show，就得做好面对这些不可控的变量的准备。 而把云、软件、端三条线放在一起看，它们其实构成了一个转起来的回路： 云端高效生产智能，软件栈让AI加速进化，端侧再把智能送进工厂、实验室和医院。高效率、可预期、可持续，就在这一圈圈的循环里，复利式地积累下来。 至于天数智芯的下一张考卷，其实早已写在路线图上。在那张四代架构路线图里，“超越Hopper”是第一站，如今天垓300已经交了作业；接下来要面对的是Blackwell，再往后则是Rubin。 到那时，天数智芯还敢不敢把实机搬上台，跟英伟达的新一代产品再同场PK一把呢？ 至少在这一次，它把说过的话，用实测兑现了。 PS：遥想AI刚兴起的时候，老黄就是用类似的方式来对比CPU的……只能说，天道好轮回，苍天饶过谁。

与涉抹黑中国的日剧推联名商品 “Hello Kitty”版权方三丽鸥致歉 该联名在日本同样受到争议，因为三丽鸥长期传递的反战理念，与联名日剧的战争、暴力主题不符 10月28日晚间，三丽鸥在中国的运营实体三丽鸥（上海）国际贸易有限公司在微博发布致歉声明，称公司和《VIVANT》的联名包含与三丽鸥集团企业理念不符的表达，因此决定停止联名及所有后续项目及宣传活动。图：视觉中国 　　【财新网】日本IP版权运营公司三丽鸥近日因一部日本电视剧引发争议。10月28日晚间，旗下拥有Hello Kitty、玉桂狗等知名IP（知识产权）的三丽鸥在中国的运营实体三丽鸥（上海）国际贸易有限公司（下称“三丽鸥中国”）在微博发布致歉声明，称公司和《VIVANT》的联名包含与三丽鸥集团企业理念不符的表达，因此决定停止联名及所有后续项目及宣传活动。 　　《VIVANT》（中文名《别班》）是在日本TBS电视台播出的谍战剧，2023年第一季首播，讲述银行职工远赴蒙古追债，卷入国际恐怖组织的故事，第二季于2026年7月播出。该剧由日本知名演员堺雅人、阿部宽等人主演，该剧首播收视率达18.8%，创下日本民营电视台今年电视剧首播收视纪录。

IDC最新报告：MaaS市场分化，PPIO拿下独立服务商首位 百亿MaaS市场格局生变 随着生成式AI从概念试点走向生产级落地，MaaS市场在迎来快速爆发增长的同时，也逐步显现出新的行业格局。近日，国际数据公司（IDC）近日发布了最新的《中国AI软件市场半年度追踪，26H1》报告。报告显示，2026年上半年，中国MaaS市场规模达到106.3亿元，同比增长889.4%，体量一年内扩张近9倍。 报告中披露了2026上半年中国MaaS市场营收份额排名。值得关注的是，在上榜企业中，除了阿里巴巴、智谱、火山引擎、百度等大厂和大模型厂商外，PPIO成为唯一上榜的独立MaaS服务商，位居大语言模型 MaaS 市场第六，。据悉，截至2026年9月，PPIO平台日均Token调用量已达3.4万亿，同比增长近20倍，是国内增速领先的MaaS服务商。 这一排名反映了当前MaaS市场发展的重要趋势。一方面随着市场格局不断分化，中立开放的独立MaaS平台价值持续凸显；另一方面随着行业竞争从“拼成本”转向“拼效率”，具备丰富模型生态、灵活模型调度和高效推理加速优化能力的厂商，正在受到更多开发者和企业用户的青睐。 行业格局分化，独立MaaS平台价值凸显 IDC在报告中指出，MaaS已成为必争之地，各类型玩家加速涌入。其中，云厂商以算力资源、模型矩阵和工具链为底座，把模型服务纳入云产品体系；大模型公司凭借快速迭代建立品牌心智，以新品发布和激进定价切入企业客户；运营商则携全国性算力布局和政企渠道进场。 但随着大模型技术迭代加速，可供选择的模型数以百计，能力、价格、适配场景各有差异。单一模型很难满足企业愈发多样化、长链条的生产级需求，频繁更换模型又会带来复杂的适配成本。 在此趋势下，对于需要同时调用多家模型的企业和开发者而言，不绑定单一模型厂商或算力资源的独立MaaS服务商，正在成为更灵活、更具性价比的选择。以 PPIO 为代表的独立服务商，以推理效率、开放性和极致性价比，可以说占据了多模型时代的“流量入口”。 目前，PPIO的MaaS服务平台已涵盖200+ 款模型，让开发者可根据业务场景灵活测试、无缝切换不同模型，且切换过程中可保留缓存内容与工作流配置，有效降低模型迁移的时间与试错成本，为生产级AI落地提供了更便捷的一站式选择。 竞争焦点转向，从“比拼成本”走向“效率竞赛” IDC在报告中指出，大模型正在进入更多行业的核心业务环节，从“辅助办公”走向“直接承担生产任务”。更长的业务链条，对更长上下文与更强推理能力提出了更高要求，使单任务调用量持续攀升。在模型能力趋同的区间，推理效率成为决定性价比的关键，其决定了厂商在同等算力下能对外供给多少有效Token。 如果说过去一年MaaS市场竞争的主线是把Token价格“打下来”，那么随着模型种类增多、Agent场景放量，行业比拼的核心正在从“成本”转向“效率”。能够在同等成本下供给更多高质量Token、或者帮助企业用更少Token完成更复杂的任务的厂商，将在接下来的竞争中站稳市场。 在此趋势下，PPIO以“Token智能密度”为目标，从模型调度和推理加速两端发力。在模型调度方面，PPIO在今年7月推出的智能模型网关，以“Auto智能调度”自动将任务请求路由至最合适的模型，使综合Token成本降低60%；以“Fusion融合模型”让多个模型在一次调用中协同推理，仅用1/10的成本即可实现旗舰模型的顶级智能水平。 在推理加速方面，PPIO已构建起覆盖算子优化、推理引擎加速、存储系统优化多个维度的大模型优化能力。经实测，某国内主流大模型经PPIO优化后，首字延迟降低95%，总吞吐提升300%。PPIO 也是开源推理框架 SGLang 的活跃贡献者，已有 80+ 个 PR 被合并到上游。 IDC 指出，MaaS 市场正在视频生成和通用智能体、日常办公等场景推动下持续高速增长，Agent 不只是问答，还要写代码、装依赖、改文件、操作浏览器，需要的一个安全隔离、可持续运行的执行环境。对此，PPIO也已完成前瞻布局，去年就推出国内首款兼容E2B接口的Agent沙箱，可提供VM级安全隔离、200ms以内的冷启动和20,000+并发实例。数据显示，该产品上线一年业务规模增长超过120倍。 在报告中，IDC预判，MaaS市场将从“跑马圈地”进入“价值经营”阶段。独立MaaS平台的快速增长，既是大模型生态多元化发展的必然结果，也印证了中立开放路线的长期价值。随着AI应用向企业更多核心业务环节渗透，兼具模型生态灵活性与技术效率优势的独立服务商，将释放更大增长潜力。 本文由PPIO提供，量子位获授权转载，观点归原作者所有。

世界正在努力降低对霍尔木兹海峡的依赖 随着市场不再被战争恐慌左右，转而看清正在显现的现实，预计油价将大幅回落，这将对投资组合策略产生重大影响 当地时间2026年10月24日，伊朗阿巴斯港附近的霍尔木兹海峡，一名男子眺望海面。图：视觉中国 　　眼下，很少有人意识到这一点。铺天盖地的石油和柴油恐慌性报道，几乎蒙蔽了所有人的视线。但在悄然之间，大量的适应性调整正在形成，很快就会让霍尔木兹海峡不再重要。目前油价居高不下，但这种情况不会持续太久。随着市场不再被战争恐慌左右，转而看清正在显现的现实，预计油价将大幅回落，这将对您的投资组合策略产生重大影响。 　　自3月以来，世界各地的专家普遍认为，若美以伊战争不能尽快结束，后果将不堪设想。然而战事迁延至今。围绕霍尔木兹海峡的判断，往往陷入非此即彼的思维。油价将升至每桶250美元的预测一度甚嚣尘上。许多亚洲国家担忧从烹饪燃料短缺到柴油供应紧张等各种风险。中国固然拥有庞大的石油储备和炼油产业，有助于缓解部分忧虑，但油价由全球市场决定。人们担心战事一旦持续，冲击将蔓延至全球，最终也会波及中国。 　　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。

物理学也要被AI攻陷了？5道20多年量子公开问题被突破 MIT最后一位三学位天才出手了。 程浅 发自 凹非寺 量子位 | 公众号QbitAI 可怕，这才过了几天？ 怎么AI刚崩完数学，转头就开始崩物理了…… 刚刚，5道量子信息难题被宣布由AI辅助解决。 出手的是一家名叫Physical Superintelligence（物理超级智能，简称PSI）的神秘公司。 他们称，自己借助自研AI科研系统，在量子信息理论的5个开放问题上取得了成果，论文、Lean形式化证明和验证代码，均在Github上贴出供学人审查。 这个刚成立不到两个月的PSI，到底是何方神圣？ PSI解决了个啥？ PSI此次聚焦的量子信息科学，主要研究如何利用量子力学的特殊规律存储、处理和传输信息，从而突破传统计算机的计算能力限制，并探索更安全的通信方式。 而他们这次借由AI挑战的五道难题，均来自于具有27年历史的开放量子问题（OQP，Open Quantum Problems）目录。 该开放问题目录由德国物理学家Reinhard Werner于1999年建立，专门收集量子信息学界长期卡住的重要研究问题。 这次的5道题，横跨了纠缠提纯、量子场论、高维量子通信、量子信道容量与量子因果律五个核心方向，包括： OQP 2｜负偏转置态的纠缠不可蒸馏性 OQP 12｜真空纠缠与贝尔不等式 OQP 27｜CGLMP贝尔不等式的最优测量 OQP 38｜PPT平方猜想与纠缠破坏 OQP 43｜量子因果过程的可纯化性 具体证明过程就不展开了。只需要知道，PSI此次取得进展的5道题中的3题（OQP 2、OQP 12、OQP 27），均在本世纪初就被收录。可见一斑。 “世界上最先进的物理研究实验室” 点进这个PSI的网站，简直可以用空空如也来形容，本次攻克量子信息难题也是他们的第一个成果。 毕竟，这家公司，今年9月1日才正式公开亮相。 但不鸣则已，一鸣惊人，他们亮相之初就大发宏愿，宣称自己要建成“世界上最先进的物理研究实验室”。 PSI的创始团队有点意思，创始人兼首席科学家的Alex Wissner-Gross是最有意思的。 这个人曾在MIT同时读完了物理、电气工程和数学三个本科专业，同时还以工程学院年级第一名的成绩毕业…… 同时读完这三门是什么概念？这么说吧，MIT在他之后取消了“同时读三个专业”的选项，原因是“能这么干的人太少了，开设这个选项的意义不大”。 因此，Wissner-Gross甚至可以有一个Title是“MIT历史上最后一位三专业毕业的本科生”。 或许大佬试水一番后觉得自己还是喜欢物理，于是2007年，他在哈佛拿到了物理学博士学位。 不得不说，此人对“AI+物理”的理解已领先时代太远。 早在2013年，深度学习还在起步的阶段，他就站上了TEDx的讲台，用物理学中的“因果熵力”来解释智能行为。 他提出了一个很大胆的想法。 所谓智能，可以理解为一种不断增加未来行动可能性的倾向。 这么说可能不太好理解，我举个例子。 比如，你挤地铁的时候，为啥要努力去保持平衡，让自己尽量不摔倒？ 从他的理论看来，这是因为，你一旦摔倒，能够选择的行动就少了。而保持站立，就意味着你未来仍然可以向前、向后、向左、向右移动。 那么，只要遵循“最大化未来可能性”的规则，系统就可能自发呈现出类似工具使用、合作等智能行为。 尽管听起来有道理，但这个想法目前还并未得到证明。 就是如此天才的Wissner-Gross，到今年彻底按捺不住了，提出要“Solve Everything”。 他在今年二月发表两篇文章中，就提出了现在的PSI构想。 其中不乏一些灵光与当下呼应：“奇点，需要一个物理学部门。” “证明的时代已经到来。” 除了这位佬，PSI的联创兼总裁Alex Klokus也很有意思，他是美国知名科技媒体Futurism的创始人。 融资背景可以一览实力。9月亮相时，PSI宣布已完成5800万美元种子轮融资。 领投方是比尔·盖茨创立的Breakthrough Energy Ventures。 这家基金背后汇聚了亚马逊创始人贝索斯、阿里巴巴创始人马云、维珍集团创始人布兰森等科技和商业界大佬，专门投资有潜力推动能源转型的前沿科技。 跟投阵容中，还有硅谷老牌风投SV Angel。其创始人罗恩·康韦是著名的天使投资人，早年曾押中Google、PayPal、Twitter等科技公司。 不仅如此，a16z前合伙人Balaji Srinivasan也参与了投资，此外还吸引了来自OpenAI、英伟达、Hugging Face、Oracle等科技公司的个人投资者。 让科学发现实现“规模化生产” 讲了这么多，用一句话来概括PSI的愿景，其实就是让科学发现“从天才走向规模化”（From Genius to Scale）。 几百年来，人类基础科学的跃迁几乎都仰赖牛顿、爱因斯坦这样灵光一现的个体天才。 但PSI认为，这种纯手工作坊式的科研已经撞上天花板了，不然为什么如今21世纪的我们还存在于20世纪的物理学基座上？ 科学发现不应该再受制于人的时间。 PSI将基本研究单元称为Autonomous Campaign（自主研究任务），希望让研究从问题定义、假设提出、验证、实验到工程部署持续运行。 PSI还认为，AI时代的科研，尽管想法不再稀缺，但真理仍然稀缺。 大模型可以快速生成上百个猜想，但这些离成为真理还差得远。 为了解决这个问题，PSI推出的自研AI科研系统Emmy（致敬20世纪伟大的数学家与理论物理奠基人艾米·诺特）分离了“生成”和“验证”两步。 它的工作流程大致是这样。 首先，面对一个宏大的物理学开放难题，Emmy先调用前沿大模型将其拆解成无数个微小的、可验证的数学子假设。 其次，将假设直接丢进Lean形式化证明器、符号计算引擎以及高精度验证代码中进行严格筛查。如此一来，报错的假设将被当场淘汰，通过局部验证的路径则被保留并继续衍生。 只要最终的Lean代码编译通过，就意味着这个物理定理在数学逻辑上100%无懈可击。 过程中的验证结果还能成为训练下一代AI物理学家的奖励信号，推动系统不断改进，从而实现科学发现的规模化。 One More Thing 听下来很不错，但问题来了，这样研究物理理论的公司，要怎么盈利呢？ 我翻了一下他们正在做的项目，人家还是很务实的。 他们打算先从最现实的问题开始赚钱。 哪呢？AI数据中心。 现在的超算集群本质上是一个极其复杂的宏观物理系统，供电、冷却、网络和计算资源之间存在着高度耦合的工程优化难题。 专业对口了。Emmy系统能够从底层物理规律出发，把供电、散热、通信和算力当成一个整体方程来求解，从物理极限上找到更高的能效比。 更有趣的是，在商业之外，PSI还接了一个（可能是科幻迷的）个人投资者的私活。 Fermi Explorer（费米探索者）星际任务。 PSI宣布：从现在开始动手造飞船！ 根据官方公告，他们计划在2029年之前发射深空星际探测器“Fermi Explorer”。 利用Emmy系统在现有物理极限内优化出的最佳轻量化工程方案，这艘飞船将飞出太阳系，用8万年的时间，飞向距离我们4.2光年的三体人和阿凡达老家，半人马座。   尽管或许根本没有人类能等到这一天，但，祝他们成功。 参考链接： [1] https://psi.inc/ [2] https://github.com/physical-superintelligence/oqp-batch-2026

奥特曼和Dario同台唱rap！Genspark新视频Agent上线，零基础也能拍短剧 All in one、任何人都能用 Genspark的视频Agent工作台，Genspark Media Studio，正式发布了！ 这次，它把一批前沿模型拉到了一起，组了个AI剧组。 负责当「导演」的大语言模型有三档可选：DeepSeek V4.1 Flash、Claude Opus 5.5，以及Claude Fable 5.1。 是的，在这里面甚至能用上Fable 5.1…… 说实话因为某些众所周知的原因，我已经很久没有用到了。。。 具体干活的模型包括：Seedance 2.5、Kling、Veo负责生成视频，GPT Image、Nano Banana负责图像，ElevenLabs等音频模型负责声音。 总共接入了20多家厂商的70多个模型版本。 而且最近还打折！ 北京时间10月27日18:00至11月4日18:00，Plus和Pro会员在Media Studio里的积分消耗打五折，规划、图片、视频、音频和3D生成都算在内。 6G冲浪的量子位也是第一时间拿到了实测资格。 我们直接走起～ 实测Genspark Media Studio：奥特曼唱rap、拍商战短剧，都安排上了 一键get同款 在首页的Genspark Magic分区里，有很多爆款视频模版，点击即可一键做同款。 我精心挑选了一个rap视频，把奥特曼和Dario的照片传了上去。 美股IPO两兄弟，就是你们了！ 但有个问题我没考虑到，如果直接上传真人图片，会被视频模型拦截。 Genspark还提醒我开拍前要确认版权问题，怪细心的。 系统再次提示使用半写实版还是卡通版，我选择了半写实版（赌一把），都确定后，它就开始工作了。 Agent调用了Seedance 2.5，虽然提示8-14分钟出片，但我体感大概两三分钟（？）片子就做出来了。 第一版出来的视频没有配乐，只有两个人干唱，于是我又让它找伴奏。 这个画布蛮有意思的，它找了三首备选伴奏，然后在画布上并列排布，点开哪个看哪个： （虽然我并不知道为什么伴奏C会离得这么远…） 但这三首bgm都没有歌词，最后我让它做了一段原创rap伴奏，调用ElevenLabs生成。 还做了一下口型对齐，让两个人一起合唱。 成片by like： 挺好，也是看到奥特曼和Dario同台rap了，看起来练习时长两年半。 值得一提的是，第一遍生成的视频规格都是480p，如果不满意还可以继续调整，定稿之后再升级1080p。 秒出知识讲解视频 接下来，我让它做了一条知识讲解片，讲解《彗星来的那一夜》这部电影。 从首页输入框下方的「Knowledge Explainer」卡片即可进入，也可以直接自然语言描述。 接着系统提示我选择片长、视觉风格以及解说角度，还选择了音频模型，这里用的是MiniMax TTS。 我什么素材也没上传，直接让它自己做。 真的感觉秒出啊……我还在做另外一条片，转头回来它就做好了： 但第一版怎么说呢，emmm。。。 文案比较平淡，让人听着想睡觉，画面也跟PPT一样，一卡一卡的。 于是我又让它修改了一下，要求文案必须埋包袱、有悬疑感、能吸引观众，画面也更多变一些。 还调用ElevenLabs配了首bgm。 这bgm还是按时间轴分6个段落来写的，原创暗黑风……有点说法。 最后成片如下： 我觉得这个效果还可以。 在完全没有人工修改的情况下，解说文案和bgm都算到位，能完整把电影情节讲清楚，整体上也符合悬疑片的氛围。 虽然画面还是有点像PPT…… 不过毕竟我什么素材也没上传，参考图啥的都没有，模型也只能用电影截图凑数。 零基础也能做短剧了 更奇妙的是，我发现还有个「故事圣经」功能。 一开始不知道是什么，后来发现，这不就是做短剧嘛？？ 因为奥特曼和Dario的Rap视频，我随手起名叫「美股IPO两兄弟」。 直接点击「故事圣经」功能，它就围绕这个主题创建了一个新的项目请求： 哥哥是主承销投行的MD，弟弟是要上市的创始人——一张会议室，一个发行价，一个只有哥哥知道的秘密。 不是我说，这妥妥的爆款短剧剧本出来了啊！ 凌晨三点的冷，像一笔还不清的账。 居然有点想看，是怎么回事。 我发誓，这都是Genspark先动的手，全AI生成。 素材它也先找了部分场景供参考： 人物设定我给了点要求，四个主要人物，一个像梁朝伟，一个像吴彦祖，一个像安妮·海瑟薇，还有一个像章子怡。 出来这四个： 可能是版权问题，人物不太像，但也行吧，一看大家都是金融精英。 接着，它产出了详细的人物设定、服装、道具以及定妆照，需要批准的内容有35项之多。 对于专业导演或剪辑师来说，应该可以做更精细的设定和调整。 但我在这方面是个小白，所以就无脑点批准。 但这里有个麻烦的地方，有些批准选项很难找。有一项我死活找不到，愣是找了十分钟。 而且一旦涉及修改，其他已批准内容也会退回待审批状态。 导致我批准了半天，终于成功提交了。。。 如果对话过长，它还会提示你可以存成skill，我这里就保存了个金融/商战短片skill。 设定全部保存好后，它把原始的5场戏拆出了84个镜头，又组成12个视频单元，写好提示词，再调用Seedance 2.5生成视频片段。 视频中画面穿帮、与设定不符的地方，它还自己做了返修，然后提示你重新运行草稿。 全部run完之后，终于进入了剪辑、配乐、上字幕阶段，这部分比前面的草稿返修要快多了。 这是最后的成片——《定价夜》： 作为一个没怎么看过短剧的人，想不到我也做出短剧来了。 第一感觉是，画面还蛮精美的，人物面部表情细节很到位，前后主体一致性也可以保证。 在我完全没有要求的情况下，它还自己配上了中英双语字幕。 不过也有缺点，比如片子后半段逐渐有些音画不同步，部分画面还是存在跳帧以及bug… 比如哥哥的眼镜为什么突然从脸上消失了啊喂！ 做到这我瞅了眼，跑完3个case，初始的5万积分大约花费了4万5。 想不到吧，游戏也能做 还剩5000积分，我决定再做一个超级马里奥小游戏。 这个也是秒出，完全不需要多余的提示词，一个像素风HTML游戏就写出来了。 敌人踩踏、蘑菇变大、顶砖块、旗杆结算这些基础设定都有。 由于版权问题，音乐、关卡也都是从零代码绘制的原创素材，只有玩法机制和原作是一样的。 这一版主打一个合格、能玩，任天堂看了会心一笑。 而且积分也只消耗了几百。 如果你觉得游戏太简单了，Genspark还会进一步提示你如何升级机制： 不过到这就差不多了，因为老板问我为什么上班一直玩游戏。。。 Genspark Media Studio的拍片流程是怎样的？ 测了这么多，Genspark Media Studio背后的流程调度是怎样的？ 据官方介绍，Media Studio会用大语言模型担任「导演大脑」，负责理解需求、写剧本，再安排不同模型干活。 它接入了20多家厂商的70多个模型版本，覆盖视频、图像、音频和3D。前面用到的Seedance和ElevenLabs，就是这套分工里的成员。 大语言模型还得知道，一部片子应该按什么顺序做。 所以，Genspark把制作流程整理成了不同的skill。拍广告有拍广告的做法，拍剧情短片有另一套，Agent会根据任务类型选用。 就拿《定价夜》来说，先写剧本，再拆分镜，然后确定人物和场景，才轮到视频模型开拍。 「故事圣经」就在这个过程中负责保存设定。角色长什么样、穿什么衣服，提前变成可供参考的固定资产，后面的镜头照着来。 同一套人物和世界观，还可以拿到其他项目里继续用。 有点像给AI剧组发了一份统一的拍摄资料，免得各拍各的。 至于拍出来有没有跑偏，还得检查。官方介绍，Agent会对照剧本和设定检查生成结果，不合格的安排重拍。前面做短剧时主动返修的操作，就对应这一步。 AI自己检查之外，用户也可以直接指定哪里要重拍。 比如一条30秒的视频，只有第7到13秒不满意，就点开Reshoot clips（局部重拍），在时间条上框出这一段，再告诉它怎么改。 按照官方介绍，它会保留原片的动作和机位，按新要求重新生成视频，一次最多指定5段，每段至少4秒。 如果只是画面里某个物体碍眼，则可以用Frame edit（帧编辑）框住它，选择替换或移除，适用于30秒以内的视频。 这样，修改意见就能落到具体的时间段，或者具体的物体上，不用每次都从头描述一遍整条片子。 还有个挺有意思的细节：同样叫做视频，知识讲解片和剧情短片走的技术路线并不一样。 Knowledge Explainer主要用的是code-to-video。简单来说，就是AI写代码，把文字、图表和动画排好，再渲染成视频。 讲一组数据，或者演示一个知识点，就不用把每一秒都交给视频模型去生成。 据官方说明，代码渲染本身不收积分，旁白和少量氛围镜头另外计费。 不过，代码能把画面做出来，视觉设计还得跟上，剧情片则更需要提前控制好人物动作和镜头。 为此，Media Studio还提供了3D白模预演。正式生成之前，先让Agent用白模搭场景，把人物站哪儿、镜头从哪儿拍确定下来。这一步不调用视频模型，确认后再交给Seedance出片。 再加上前面提到的480p草稿，思路也很好理解：能提前发现的问题，尽量别等高清成片出来了再改，这样可以减少返工，省下不少积分。 毕竟，谁的钱也不是大风刮来的…… All in one、任何人都能用 Genspark一直强调：All in one、任何人都能用。 这也是我实测下来最大的感受。 All in one，就是所有工作流：生图、生视频、配乐、加字幕……统统都在一个产品里完成。 Media Studio把这些步骤放到同一张画布里，中间产物都留着，Agent可以接着往下干，用户也能随时插手修改。 上面展示的几个作品，也都是我在不切换任何平台的情况下，全部使用Media Studio做出来的。 按照官方介绍，专业用户还可以在里面用图层编辑器和多轨视频时间线，导出PSD、Premiere工程或CapCut草稿，继续精修。 而对于小白，最直接的变化是，不必把所有工具先学一遍，就能直接开始尝试。 就像前面的《定价夜》，我只随手起了个名字，Media Studio就直接把故事展开了。接下来，它问，我选，哪里不满意，再用大白话告诉它。 怎么拆分镜、怎么写提示词，这些我原本并不熟悉、让人望而却步的事情，都可以交给Agent先完成。 这个过程中，人的工作也随之发生了变化。很多时间可以用来判断故事够不够吸引人、音乐对不对味，以及这个镜头到底要不要留下。 对于一个完全没做过短剧、甚至没怎么看过的人来说，也可以轻松实现自己的脑洞、做出属于自己的作品。 如果你看完也感兴趣，想自己上手试试的话，入口在这里，登录就能用～ 产品地址：https://www.genspark.ai/media-studio

AI推高算力需求 海力士、摩尔线程三季度营收大增 AI数据中心建设带来新增需求，芯片厂商继续加码供给 当地时间2026年10月28日，韩国首尔，中区韩亚银行交易室内的行情显示屏上显示着三星电子与SK海力士等指数行情。图：视觉中国 　　【财新网】AI算力需求兑现为芯片厂商业绩。三季度，韩国存储巨头SK海力士（KRX:000660；NASDAQ:SKHY）单季营收首次突破100万亿韩元，营业利润同比增长逾六倍，并以长约形式提前锁定2027年至2028年的过半产能。 　　当地时间10月28日，海力士发布2026年第三季度业绩，营收104.6万亿韩元，同比增长328%，环比增长32%；营业利润83.33万亿韩元，同比增长632%，营业利润率为80%；净利润39.78万亿韩元，同比增长216%，较二季度下滑58%。

报告：中企出海法律风险加大 地缘政治因素渗入跨境诉讼｜出海·风险 随着中国企业海外业务的扩张，海外维权意识增强，但海外诉讼风险和难度升级 资料图：美国纽约，大疆无人机。无人机制造商大疆在2022年10月被美国国防部列入所谓的“中国涉军工企业清单”。大疆在2024年10月向美国哥伦比亚特区联邦地区法院提起诉讼，后者在2025年9月驳回了这一诉讼请求，大疆随后提出上诉。图：视觉中国 　　【财新网】“过去十年间，中国企业跨境法律诉讼日益频繁、愈加复杂，地缘政治风险凸显。”美国昆鹰律师事务所10月发布的一份报告作出上述表示。 　　报告指出，在诉讼中，中概股企业的信息披露义务正越来越多地与地缘政治因素相互交汇。例如，2026年8月，阿里巴巴在美国遭遇证券集体诉讼，被指控其在两方面误导投资者：一是公司的人工智能相关活动，二是美国国防部将其列入“中国军事企业清单”可能对其股价造成的风险。昆鹰律师事务所是全球最大的专注于商事诉讼和仲裁的律师事务所。

穆迪：私募信贷对接AI融资，哪些风险点值得关注 科技公司、芯片制造商、人工智能（AI）开发商以及各类融资工具之间，正日益频繁地进行相互投资、借贷和采购 评级机构穆迪标识。穆迪评级称，在全球多个地区，当前利率水平远高于2021年，随着2020年至2022年发放的私募贷款陆续到期，再融资风险将愈发凸显。图：视觉中国 　　【财新网】近期，在欧美利率走高的背景下，私募信贷的再融资压力备受关注。穆迪评级称，在全球多个地区，当前利率水平远高于2021年，随着2020年至2022年发放的私募贷款陆续到期，再融资风险将愈发凸显。 　　穆迪评级称，在其中端市场贷款抵押债券（CLO）所持有的贷款中，涉及607家未获得公开信用评级的企业。穆迪评级预计在截至2026年6月的12个月内，这些企业的违约率将达到5.8%。 　　与此同时，AI基础设施已成为私募资本一个重要且日益增长的新需求来源。其融资需求不仅限于数据中心建设，还涵盖了土地、电力、半导体、图形处理器（GPU）、张量处理器（TPU）及其他计算设备。私募信贷能够提供规模宏大、高度定制化且执行迅速的融资方案；此类融资往往与银行信贷协同进行，并有投资级交易对手、长期合同或大型科技公司的担保作为支撑。

AI安全是AI规模化应用“加速器” AI安全不是AI发展的“刹车片”，而是AI高质量发展的“加速器”。 人工智能正在加速进入生产系统和核心业务。当AI真正参与业务决策、调用工具、操作系统乃至控制设备时，决策者关心的，不只是“能力有多强”，还关心“安全不安全”。进入智能体时代，AI安全也已不只是防止数据泄露或回答错误，而是关系到现实资产、业务连续性和责任承担。 由此，一个常被讨论的问题正在发生变化：AI安全究竟是技术发展的约束，还是产业应用的前提条件？目前看，AI安全已从附加条件转变为AI进入生产系统、核心业务和关键行业的基础能力。进一步说，AI安全决定了AI能不能用、能用到什么程度、能够以多快速度实现规模化应用。 AI发展新趋势对AI安全提出新挑战 当前AI能力呈现出六个相互关联的变化。 第一，AI从生成内容“回答问题”走向自主行动，可以调用工具、执行任务、操作系统和控制设备，风险从“说错了”升级为“做错了”。 第二，AI从单模型走向多智能体协作，可以任务拆解、记忆共享、相互调用，提升效率。风险随之从一个单点错误，沿着任务拆解或记忆共享，或工具调用，演变为系统性、链式风险。 第三，AI从辅助工具逐渐成为业务基础设施，AI进入金融、医疗、工业、能源、政务等关键领域。模型输出会直接影响核心业务决策与连续运行，AI的影响更广、代价更高、责任链更长。 第四，AI从封闭模型走向开源普及，开源开放降低了创新门槛，使更多行业、更多专业人员可以参与AI创新，这是我国发展人工智能的重要条件。但能力扩散的同时，风险也会同步扩散，恶意使用成本下降，下游责任更加分散。 第五，AI从数字世界走向物理世界，如具身智能、智能汽车和机器人等，发展迅速。AI的错误或能力不足，影响不再停留在屏幕里，可能直接造成现实损害。 第六，AI竞争正从模型训练转向规模化推理和应用，安全重心开始从“模型有没有风险”，转向“整个系统在真实业务中是否能够长期可靠运行”。 安全边界已经扩展为一张贯穿经济社会的风险地图 随着上述变化叠加，AI安全已从“一个模型是否安全”，扩展为基础设施、数据、模型、智能体与系统、应用与业务、社会与国家安全六个层面的复杂系统问题。越向上，风险影响范围越大;不同层次又通过数据流、权限链、工具链和业务链相互连接。 AI的六层风险地图 这意味着，AI风险呈现出三个突出特征：一是链条化，一个提示注入可能借助智能体权限转化为真实业务操作；二是涌现化，单个模型看似安全，多个模型、工具和数据连接后却可能产生新风险；三是外溢化，技术缺陷可能迅速转化为企业经营风险、社会风险乃至国家安全风险。传统的“上线前做一次安全检测”已经不够，必须把安全贯穿数据、开发、部署、运行和退出的全生命周期。 安全不是发展的跷跷板，而是相互促进的飞轮 AI正在成为社会发展的新动能。其自主性越高，能力越强，越能够进入核心生产流程，创造的价值也越大；但与此同时，风险敞口也会增加。企业并非看不到AI价值，而是担心发生事故后损失有多大、风险能否控制、业务如何恢复、责任由谁承担。只有解决这些顾虑，AI才可能从局部试点真正走向规模应用。 AI高质量规模化应用=有效性×可靠性×安全性。有效性回答“有没有用”，可靠性回答“能不能持续稳定地用”，安全性回答“敢不敢放进核心业务”。三者不是简单相加，任何一项接近于零，整体价值都会显著下降。 因此，安全与发展不是此消彼长的跷跷板，而是相互促进的飞轮。AI应用不断扩张，带来更多风险暴露，促使企业增加安全投入;安全产品和服务规模化部署，又会沉淀告警、攻击样本和处置反馈，提升检测与自动化能力;当误报下降、风险更加可控，企业信任随之增强，也就更敢把AI放进核心业务。安全投入不是单纯的成本，而是降低不确定性、扩大AI应用市场的生产性投入。 AI安全正在形成新的产业增长空间 从全球实践看，AI安全主要依靠三类主体共同推动：政府通过监管明确底线，企业通过市场竞争推动技术和产品迭代，第三方机构提供技术标准、评测、审计和认证。美国比较偏重技术标准、商业平台和市场竞争，欧盟更强调政府监管、安全标准和第三方保证。我国强调统筹平衡政府监管、企业竞争和第三方认证、技术标准的三者协同作用。 在这一过程中，AI安全已经具备成为独立产业的基本特征。虽然现实收入规模仍远小于潜在市场，但产品形态正在从单点工具走向平台化，智能体安全正在成为新的增长点，AI应用企业购买安全服务的意愿也在增强。其产业价值正在从“限制风险”转向“使AI能够规模化进入核心业务”。 从市场结构看，模型安全评测、AI运行时安全、供应链安全、数据安全、智能体与非人身份安全、治理合规和第三方保证等赛道正在形成。收入模式也将从以项目制咨询、红队测试为主，逐渐扩展到平台订阅、托管安全服务、审计认证等持续性收入。赛道越清晰、标准越统一，产业规模才越有可能真正做大。 加快发展AI安全，以高水平安全推动AI规模化应用 面向AI规模化应用，需要重点推进五方面工作。 第一，把AI安全纳入国家AI基础能力建设。AI安全不应只是应用上线后的合规环节，而应与算法、算力、数据、资本、应用、人才等要素并列，成为驱动人工智能发展的基础要素。 第二，推动安全能力内生化。过去很多安全能力是在系统建成后外挂，智能体时代仅靠外围防护已经不够。安全要与模型设计、智能体架构和业务流程同步建设，形成安全原生模型、安全原生智能体、安全原生平台和安全原生应用。 第三，重点攻关智能体安全关键技术，优先发展身份认证、最小权限控制、工具调用安全、记忆安全、多智能体协同安全、行为审计和自动化红队测试。核心是回答三个问题：智能体是谁，被允许做什么，做错后能否及时发现并停止。 第四，把AI安全培育成新的产业增长点，推动安全数据、安全工具、模型评测、运行时防护、智能体治理、审计认证和安全服务协同发展，让安全投入既支撑风险治理，也形成新的产业价值。 第五，建设AI安全公共基础设施。高质量安全数据集、漏洞与事件数据库、行业安全基准、红队攻防平台、风险监测预警体系等具有明显公共属性，需要政府、企业、高校和第三方机构共同参与，降低重复投入，形成统一风险语言。 引入商业保险，以经济机制加快AI安全发展 AI规模化应用还需要建立市场经济逻辑，商业保险值得重点探索。很多新技术、新产品从导入期走向规模应用，都离不开保险对剩余风险的分担。对于数据泄露、系统中断、智能体误操作和第三方财产损失等低频高损风险，保险可以降低企业“不敢用”的顾虑。 更重要的是，保险能够把抽象的安全风险转化为可量化、可定价的风险。如果企业具备严格的权限控制、上线前安全评测、持续运行监测、人工复核和紧急熔断、完整日志与责任追溯，其保费就应更低、保障范围可以更广。这样，安全能力便从原则要求转化为可计算的经济收益。 保险还可以把一次性经济补偿升级为持续安全服务，推动形成“安全评测—风险分级—保险定价—持续监测—理赔复盘”的闭环，并在承保和理赔过程中沉淀事故发生率、损失分布和控制措施有效性等数据，反过来促进技术、标准和监管迭代。 当然，AI保险仍面临责任链条不清、历史数据不足、风险动态变化、系统性风险集中以及损失因果难以证明等问题。因此，需要从静态保单转向动态保险，从单纯赔偿转向“保险+安全服务”，并探索产业链协同承保。安全技术决定风险能不能防，法律治理决定责任由谁承担，商业保险决定剩余风险能不能承受，三者缺一不可。 结语 AI能力越大，能够进入的领域越关键，获得的权限越高，安全失效的代价也越大。可信度正在成为AI规模化应用能否突破的关键瓶颈。 因此，AI安全不是AI发展的“刹车片”，而是AI从试点应用走向规模化应用、关键领域应用和高质量发展的“加速器”。让安全能力与AI能力同步演进，形成技术、治理、产业和市场机制协同的安全体系，有助于加快把AI的技术潜力转化为产业价值和社会价值。 主要作者简介： 邵广禄 中国电信集团科技委主任，中粮集团外部董事，中国电信集团原总经理。教授级高级工程师，哈尔滨工业大学工学硕士和经济学硕士，南开大学管理学博士。兼任国家数据局专家委员、中国互联网协会专咨委常务副主任。 本文由中国电信提供，量子位获授权转载，观点归原作者所有。

奔驰三季度乘用车业务盈利承压 在华表现持续疲软 奔驰年内第二次下调全年业绩预期，乘用车业务销售利润率从此前预计的3%至5%，降至2%至3% 资料图：德国巴登，奔驰乘用车生产工厂。图：视觉中国 　　【财新网】德系豪华品牌奔驰当前经营压力突出。2026年第三季度，奔驰乘用车业务调整后息税前利润（Adjusted EBIT）录得5.6亿欧元，同比大跌50.8%；对应利润率为2.5%，同比下降2.3个百分点。当地时间10月28日，奔驰发布第三季度财报，披露上述数据。 　　奔驰集团主要业务包含乘用车、轻型商用车和金融三大板块。第三季度，该集团调整后息税前利润为17.8亿欧元，同比下降15%。其中轻型商用车业务录得3.9亿欧元，同比下跌3.6%；金融业务录得4.4亿欧元，同比增长42.4%。这意味着乘用车业务拖累了奔驰集团整体盈利能力。

万斯被曝致信伊朗强硬派寻求直接和谈 调解人提议恢复核查伊核设施 消息称，以卡塔尔为首的地区调解人正试图达成一项外交协议，重启美国和伊朗之间的谈判，防止美国中期选举后战争再次爆发 美国副总统万斯。图：视觉中国 　　【财新网】在美国总统特朗普放言将再次对伊朗动武之际，美国副总统万斯被曝与伊朗强硬派领导人接触以寻求重启谈判的可能。《华尔街日报》10月28日报道称，美国官员和知情人士表示，万斯正在与伊朗强硬派代表人物、伊朗最高领袖军事顾问、伊最高国家安全委员会秘书穆赫辛·雷扎伊接触，以寻求恢复两国间的停战谈判。 　　报道称，万斯正在试探德黑兰和华盛顿是否能找到足够的共识，以说服特朗普不要在未来几周内对伊朗进行军事打击。据知情人士透露，万斯已致函雷扎伊。这封信是按照特朗普的指示发送的。

魏尚进：中国顺差背后的家庭账本 当家庭不必为每一种可能的风险都预留过多资金，当企业不必因为融资不稳而反复推迟有价值的投资，中国的增长便能更多依靠国内真实需求，也为世界减少一份失衡压力 2026年10月14日，江苏扬州港。图：视觉中国 　　准备买一件大件商品，想到房贷和下一年的收入，决定再等等；企业有扩张计划，想到贷款到期能否续上，决定先多留一点现金。这样的选择并不难理解。对一个家庭或一家企业来说，钱留在手里，意味着多一份应对变化的余地。 　　但当许多人同时作出类似选择，影响就会越过自家账本：消费和投资需求可能减弱，进口受到影响，国内生产与国内支出之间的差额，最终会反映在对外收支上。中国持续保持经常账户顺差，意味着一部分国内储蓄没有被国内投资吸收，在全球总账上也与其他经济体的逆差大体对应。港口里驶向世界的集装箱，与普通人为什么不敢轻易花钱，其实属于同一个全球经济故事。 　　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。

智元上半年营收近20亿元 回应“AI击穿具身智能” 智元称，通用基础模型向具身领域渗透是一个大趋势，而具身模型也会越来越大，智元今年的训练集群将接近万卡规模 2026年4月10日，深圳中国电子信息博览会，智元创新多款量产人形机器人亮相。图：视觉中国 　　【财新网】宇树上市后首份财报发布第二天，智元也披露营收数据。10月29日，在上海举行的2026智元创新日上，智元联合创始人、总裁兼 CTO 彭志辉称，2026年上半年，智元机器人出货量达9700台，收入接近20亿元；截至9月，智元已累计下线机器人2万台。 　　10月28日晚间，宇树科技（688836.SH）发布财报，2026年前三季度累计营收为18.17亿元，三季度营收同比上涨69.93%至6.65亿元，利润总额同比下降27.78%至1.12亿元。（详见财新网《宇树发布上市后首份财报 营收增速放缓、利润下降》）

新闻联播 2026/10/29 《新闻联播》 20261029 19:00 ⏱00:40:01 [视频]中国共产党第二十届中央委员会第五次全体会议公报 ⏱00:23:56 [视频]张升民同志简历 ⏱00:00:37 [视频]习近平就西班牙高速列车追尾脱轨事故向西班牙国王致慰问电 李强向西班牙首相致慰问电 ⏱00:00:40 [视频]【学习贯彻党的二十届五中全会精神】不断开创新时代管党治党、兴党强党新局面 ⏱00:05:47 [视频]人民日报社论：把我们党建设得更好、更强 ⏱00:00:10 [视频]三季度末科技型中小企业贷款余额同比增长20.1% ⏱00:00:41 [视频]今年以来以旧换新带动相关品类销售额超2万亿元 ⏱00:00:40 [视频]联播快讯 ⏱00:05:12

宏福苑大火启动政府问责 房屋局局长辞职 港府宣布全面改革楼宇维修监管制度，并启动对四个政府部门的行政责任调查 2026年1月9日，中国香港，新界大埔屋邨宏福苑火灾事故后重建现场。图：视觉中国 　　【财新网】造成168人死亡的香港大埔宏福苑大火，事发近一年后迎来政府问责及制度改革。10月29日，香港特区行政长官李家超在记者会上宣布，房屋局局长何永贤因承担政治责任辞职，即日起停止职务，由财政司副司长黄伟纶兼任署理房屋局局长。 　　李家超表示，虽然大埔宏福苑火灾事件不涉及房屋局局长何永贤个人犯错，但考虑到事件涉及房屋局辖下独立审查组（ICU）的监管职责，何永贤应承担政治责任。何永贤于10月28日与他会面时提出请辞，表示愿意承担政治责任，李家超已接受其请辞，并向中央人民政府报告有关安排。

万斯被曝致信伊朗强硬派寻求直接和谈 调解人提议恢复核查伊核设施 推荐：详解Anthropic招股书 AI实验室能否兑现经济、公益双承诺；数字说｜储能出海火热背后 贸易壁垒渐起 【推荐】 万斯被曝致信伊朗强硬派寻求直接和谈 调解人提议恢复核查伊核设施 消息称，以卡塔尔为首的地区调解人正试图达成一项外交协议，重启美国和伊朗之间的谈判，防止美国中期选举后战争再次爆发 相关专题：特朗普2.0时代：影响与变局、美伊战争进行时 详解Anthropic招股书 AI实验室能否兑现经济、公益双承诺 高增长、已盈利、捐股份、吸金1400亿美元，预计算力投入8000亿，美股超级IPO将至 相关专题：AI狂飙、AI全景 数字说｜储能出海火热背后 贸易壁垒渐起

封面报道上篇｜短剧变局：字节跳动AI生意自闭环 跳不出字节跳动的价值链 2026年2月，字节跳动推出视频生成模型Seedance 2.0，迅速成为行业主流。图：李洪波/视觉中国 　　封面报道｜90天颠覆影视 　　【编者按：10月27日晚间，红果短剧辟谣“红果短剧年化收入400亿元”“等传言；随后，字节跳动官方驳斥“中国互联网的字节时间”的说法，并称短剧、短视频这类产品“属于充分竞争行业，市场竞争激烈”，还指出“腾讯公司短剧、短视频增长速度，远远超过抖音和红果。” 　　然而，行业对于字节跳动在短剧生产领域已经形成从上游版权、视频生成模型制作、下游应用生态分发的闭环商业生态。数据调研机构QuestMobile测算，截至2026年6月，红果短剧月活用户3.68亿，还差2000万月活就能追平字节的AI助手豆包；与此同时，腾讯视频、爱奇艺、芒果TV、优酷四大长视频平台用户规模均已被红果超越。而在2025年，微短剧用户日均观看超2小时，时长超过长视频。

恒大物业出售落实 太盟集团将取得控股权 未来将保留恒大物业上市地位 恒大物业成立于1997年，早期主要为中国恒大旗下恒大地产开发的楼盘提供物业服务。2020年12月2日，中国恒大分拆恒大物业，使其在香港联交所独立上市。图：视觉中国 　　【财新网】中国恒大集团（下称“中国恒大”）清盘人于2025年9月宣布寻求出售旗下恒大物业（06666.HK）股权取得实质进展。据财新了解，太盟投资集团（PAG）作为此前的排他性潜在买家，将取得恒大物业控股权。 　　接近交易的人士向财新指出，太盟拟向恒大物业发出全面收购要约，交易落地后，太盟将控股恒大物业。本次全面要约主要是港股收购规则要求的程序动作，太盟的目标是维持恒大物业的上市地位，无意实施私有化退市。 　　本次交易此前已有多家潜在收购方参与洽谈，当时表达收购意向的还有广东省旅游控股集团有限公司（详见财新网报道《已与恒大清盘人接洽 哪家机构有意竞购恒大物业股权？》）。“太盟最终脱颖而出，核心原因是各方看重其在相关资产领域的过往良好纪录，尤其是先前投资万达商管的案例。”上述人士说道。

【我闻】国开证券换帅背后 国开行的券商子股权何去何从 回归政策性银行主业的国开行正在积极处置旗下券商及金融租赁资产，离开“大树”的机构如何估值与发展 　　【金融我闻/王娟娟】2026年三季报披露渐次展开。随着市场转冷，券商三季报业绩承压，中小券商更觉寒意。 　　截至10月27日，已有9家券商及券商类上市主体披露2026年前三季度业绩，第三季度归母净利润均较第二季度环比下滑。券业龙头中信证券（600030.SH / 06030.HK）的利润降幅约两成，几家中小券商的环比降幅则普遍超过50%，个别小券商单季亏损逾2亿元。市场波动之下，不同体量券商的经营韧性开始显现差异。

美国三季度GDP增速超预期 9月通胀提速 投资对GDP的贡献超过了消费，成为拉动经济增长的主动力 当地时间2026年10月20日，美国马萨诸塞州波士顿，行人在街道上行走。图：视觉中国 　　【财新网】美国商务部10月29日发布的数据显示，美国三季度GDP大幅超出预期，同时，9月通胀再度提速。 　　数据显示，美国三季度GDP季调后环比折年率初值为3.4%，超出市场预期的3.2%，也大幅高于二季度的2.2%。 　　美国三季度GDP快速增长主要是因为投资大幅增长，同时消费支出和政府支出保持稳健增长，但出口环比出现下降，再加上进口大幅增长，拖累了整体GDP增速。 　　衡量美国内需的指标——对国内私人购买者的最终销售环比增长4.9%，超过二季度4.6%的增速。对国内私人购买者的最终销售相当于GDP中的消费支出与私人固定投资总额之和。

长城汽车计划2027年在保加利亚启动整车生产 2026年前三季度，长城汽车海外销量占比已达51.6% 资料图：当地时间2025年8月15日，长城汽车工厂在巴西圣保罗落成。图：视觉中国 　　【财新网】又一家中国车企宣布在欧洲布局本地产能。长城汽车保加利亚生产基地计划于2027年一季度正式投产。10月28日，长城汽车（601633.SH/02333.HK）披露上述信息。 　　该项目由长城汽车与保加利亚汽车工业股份公司（BAI）合作推进，利用当地现有工厂开展生产。按照规划，工厂生产线将于2026年末完成改造，拟以散件组装形式达成年产能5万辆。 　　保加利亚位于欧洲东南部，是欧盟成员国。在此生产的汽车产品在符合欧盟相关规定的情况下，可以进入欧盟统一市场。此外，与德国等西欧国家相比，保加利亚的人工成本通常较低。

腾讯为AI智能体打通多款产品 WorkBuddy的Token消耗超越元宝 WorkBuddy起始于腾讯云的开发工具团队，在腾讯2022年前后“降本增效”时差点被砍掉 2026年3月13日，腾讯公司的WorkBuddy。图：视觉中国 　　【财新网】科技巨头押注AI Agent（智能体）产品，国内聚焦工作场景的“办公Agent”竞争激烈；美国则先后出现了Meta的Muse、OpenAI的Dots等“个人Agent”，用户数量激增。 　　办公Agent看似面向企业客户，但目标是从白领人群拓展至更广泛的用户和日常使用场景。腾讯（00700.HK）在今年3月推出的WorkBuddy是主要办公Agent产品之一，正与字节跳动的“豆包工作”以及阿里巴巴的“千问办公”同赛道竞争，掀起“AI办公大战”。 　　10月29日，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生将WorkBuddy形容为“办公赛道的个人Agent”，而腾讯的AI chatbot（聊天机器人）元宝、微信内置的Agent“小微”也都是服务C端用户的AI产品。

五中全会公报公布 刘珺、刘强等递补为中央委员 刘珺现任工行行长；刘强早年在银行业工作多年，现任山东省委副书记、济南市委书记 刘珺（左）、刘强（右）。 　　【财新网】党的第二十届中央委员会第五次全体会议近日在北京举行，10月29日傍晚发布的全会公报显示，多位中央候补委员递补为中央委员，其中包括刘珺、刘强两位具有金融从业背景的干部。 　　刘珺现任工行行长，现年54岁。他出生于1972年，甘肃通渭人，1993年毕业于中国人民大学金融学专业，1996年获美国俄克拉荷马州东北州立大学工商管理硕士学位，2003年获香港理工大学工商管理博士学位。 　　本科毕业后，刘珺加入当时成立仅一年的光大银行，从国际业务部外汇交易员做起，历任光大银行国际业务部总经理助理兼代理行处处长、香港代表处首席代表、资金部总经理、投行业务部总经理、金融市场中心总经理、总行行长助理等职务。2010年12月，38岁的刘珺成为最年轻的光大银行副行长，同时还兼上海分行行长；2014年7月起，他任中国光大（集团）总公司的执行董事、副总经理，期间相继兼任光大永明人寿保险有限公司董事长、中国光大集团有限公司副董事长、中国光大控股有限公司执行董事兼副主席、中国光大国际有限公司执行董事兼副主席、中国光大实业（集团）有限责任公司董事长等职务。

四大行总市值首破10万亿元 推荐：美国三季度GDP增速超预期 9月通胀提速；多只科技龙头股业绩出炉 “易中天”前三季度净赚超350亿元 早上好，今天是10月30日星期五。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 商务部回应“美国将中国企业列入所谓涉疆法案实体清单”表示，中国不存在强迫劳动，新疆各族群众劳动就业自由平等，劳动权益依法得到有效保障。美方应立即停止政治操弄和抹黑攻击，停止对中国企业的无理打压。中方将采取必要措施，坚定维护自身利益。 10月29日，“工农中建”四大行A股总市值盘中首次突破10万亿元，创历史纪录。截至收盘，同花顺银行指数上涨1.98%，青岛银行领涨超8%，成都银行、齐鲁银行等多只个股涨超4%。与此同时，三大国际评级机构近期同步上调对中国银行业的风险评估。 美国商务部数据显示，三季度GDP季调后环比折年率初值为3.4%，大幅超出预期。三季度GDP快速增长主要是因为

当逝者的数据持续累积，谁将继承他们的数字遗产？｜带着问题去读书 如同史前的旧石器部落，我们必须学会与新型的逝者遗存共处，成为合格的“档案公民” 《我们死后，我们的数据呢？》卡尔·奥曼 著 梁家瑞 译 　　【前记：在数字时代，死亡不再是生命的终点。瑞典乌普萨拉大学政治学者卡尔·奥曼发出叩问：当逝者的数据持续累积，谁将继承他们的数字遗产？谁在觊觎这些数字遗产？谁又在从中牟利？书中揭示了一系列震撼事实：未来30年内全球约有22亿人将离世；脸书上逝者账户数量最早可能在2070年超过生者账户数量；谷歌等巨头的“幽灵账户”每年产生数亿美元广告收益；更有人利用逝者社交数据训练出可对话的AI替身。奥曼尖锐指出，掌控数字遗产的巨头不仅垄断着集体记忆，更在重塑生死的边界。一个人的数字遗迹或许能慰藉至亲，但当数十亿份遗存汇聚成册，它们便成为一部属于全人类的文化记忆——这既关乎我们如何向后代讲述这一代人的故事，也关乎文明自身能否在数据洪流中找到延续的根基。】

沈阳一高中肺结核筛查共用针头 涉78名学生 筛查服务疑似被外包；医护违反“一人一针”操作规范；暂时排除艾滋病传播风险，还需后续检测 辽宁省康平县高级中学。 　　【财新网】近日网传辽宁省康平县高级中学组织肺结核常规皮下试敏筛查时多名学生共用一个针头，家长担忧存在艾滋病、乙肝等传播风险，引发舆论关注。财新从多位学生家长了解到，事情属实且发生在10月27日，目前相关学生已完成二次抽血检测以排除风险。 　　10月29日下午，康平县教育局回应财新，多部门成立调查组，具体情况正在核实中。当天晚上，康平县发布通报称，筛查期间一名医护人员违反“一人一针”操作规范，共有78名学生使用同一针头，已对涉及的78名学生开展全员专项检测，检测结果均无异样。

多地医保为手术机器人收费立项 全国招投标成交额创新高 行业瓶颈从技术突破转向商业化，全面落地还有多远？ 2026年7月10日，秦皇岛，医生使用手术机器人辅助进行“肺结节”经皮穿刺手术。图：视觉中国 　　【财新网】近年来中国手术机器人技术发展方兴未艾，商业化落地成为一大困扰。2021年北京和上海将其纳入医保，但收费政策不规范，医院开方有顾虑，实际使用受限。今年以来，国家医保局发布手术机器人医疗服务价格项目立项指南，在DRG（按疾病诊断相关分组）付费中为机器人辅助手术设立专门病组，为医院收费提供依据，行业期待着支付端有所突破。 　　手术机器人是集医学、机械学、生物力学及计算机科学等多学科于一体的医疗器械产品，借助微创手术和相关基础技术发展，用在狭小的手术部位，实现人类能力范围以外的精准手术器械操作，目前腔镜和骨科手术机器人临床应用最为广泛。

记者手记｜奥巴马出山打磨民主党新星 最年轻参议员奥索夫后势看涨 许多人猜测，奥索夫可能会在2028年出战美国总统大选，尽管他近来声称自己“没有兴趣在2028年参选” 2026年10月28日，美国佐治亚州亚特兰大市郊，美国前总统奥巴马在中期选举的最后冲刺期参加佐治亚州的民主党竞选集会。图：财新 曾佳 　　【财新网】“经过了两年的混乱、残忍、腐败、无能之后——其程度在这个国家的现代历史中从未有过，你有机会说：够了。” 　　美东时间10月28日，距11月3日的美国中期选举投票日仅剩不到一周，短暂重新出山为民主党助选的美国前总统奥巴马，在佐治亚州的年轻联邦参议员奥索夫（Jon Ossoff）的竞选集会上，连续甩出四个分量重的措辞，来抨击目前主政的特朗普政府。 　　身着简素白衬衫、如今已65岁的奥巴马，和10年前卸任美国总统时相比，形象几乎分毫未改。