模型谁都买得到，拉开差距的是AI生产力系统 AI的下一程是生产力系统之争 大模型狂飙近三年，生成式 AI 正在集体撞上一道冰冷的商业现实之墙。 一边是硅谷与各大实验室在 Benchmark 跑分榜上卷得不可开交——今天宣称参数翻倍，明天夸耀多模态指标封神；另一边，则是极度尴尬的商业化剪刀差：绝大多数 C 端 AI 应用深陷“规模越大、亏损越高”的泥潭。 当模型能力差距日趋收窄，单纯靠 API 包装套壳的商业模式已被证实难以形成壁垒。海外 AI 视频黑马 Higgsfield 创始人 Alex Mashrabov 曾断言：“AI 应用正死于自研模型的技术虚荣，控制流量路由才是真实护城河。” 但这仅说对了一半。模型路由解决的是“调用效率”，而未能解决“交付能力”。仅仅摆脱虚荣跑分、在前端做流量分发，依然无法逃脱被底层通用模型“平推”的命运。 面对这场温水煮青蛙式的危机，海马云创始人兼 CEO 党劲峰给出了另一个有穿透力的行业洞察： “消费级 AI 很难挣到钱，放眼全球能做成的只有极少数巨头，真正能落地变现的只有垂直生产力场景。AI 下一程的本质，不是发散的概率生成，而是确定性的系统交付。模型谁都买得到，真正拉开差距的是算力、Harness（Agent、上下文、工具链）与数据深度咬合的‘生产力发动机’。没有行业 Agent 与专家轨迹的 AI，终究只是会吐字的玩具。” 海马云旗下的 RunningHub 正是这台发动机系统在 AIGC 领域的具象落地。 SimilarWeb 数据显示，今年 3 月到 9 月，RunningHub 海内外全站访问量增长了 266%，增速在同期主流 AI 创作平台中位居前列；今年 7 月，海马云联合创始人兼 CTO 温健在接受央视《焦点访谈》采访时还透露，平台每月的 Token 消耗量已达9万亿。 拆解海马云的技术路径不难发现，这家从实时云渲染起家的技术平台正在展示另一种解法：比起单纯依赖 API 堆砌的前端应用，一套融合算力、工具链与数据的垂直生产力系统，才是突破应用层同质化困境的核心支点。 算力决定成本底线：决定成本的从不只是模型贵不贵，更是GPU有多少时间在空转 在 AI 应用层，抛开算力谈毛利与商业化，往往是空中楼阁。目前市场上绝大多数纯应用层公司（包括 Higgsfield 们）本质上都是“轻资产”运转：缺乏自研算力底座，极度依赖租用第三方云 GPU 或直接透传闭源 API。 这直接导致了两个致命后果：第一，毛利率极易受到上游算力成本的肆意挤压；第二，面对爆发式的商业化调用，算力成本无法做到物理级压榨。 然而，在音视频图像真实的内容生产流程中，AI 推理与传统的图形渲染是交替发生的生产负载。3D 场景需要渲染，Blender、Unreal 等专业软件运行时依赖 GPU，复杂的视频生成与超分合成更是极其消耗计算资源。传统做法是按照业务峰值给推理和渲染各自囤卡，结果必然是“高峰排队、低谷卡闲着”。 “所以决定成本的不仅是模型贵不贵，Token 只是 AI 生产成本的一部分。对于图像、视频和 3D 生产，真正决定单位交付成本的，是从推理到渲染的整条计算链路能否高效运转。未来 AI 生产平台比拼的，不只是算力规模，更是异构算力规模化组织和运营调度的效率。” 这本账是没有底层 GPU 掌控能力的应用公司立不了的判断，也是海马云天然的基因壁垒。 海马云成立于 2014 年，从实时云渲染起家，《原神》《黑神话：悟空》等游戏的云游戏服务背后，都有它的技术支持；凭借多年积累的 GPU 算力调度能力，它也是国内较早把算力投向 AIGC 的公司之一，如今已经完成了从云渲染服务商到 AI 生产力平台的身份跃迁。 经过十年在实时云渲染领域的沉淀，海马云在全球部署了 69 个计算节点，拥有 6 EFLOPS 的算力池。海马云的底层逻辑，是从根头上把异构 GPU 进行池化，将十年来在实时云游戏领域积累的“确定性交付与毫秒级调度”能力，直接搬到了 AI 推理上。 在 RunningHub 平台上，同一批 GPU 在不同时段服务图像生成、视频生成和专业渲染等不同负载，由统一调度层根据任务类型、模型大小和时延要求实时分配。这种“渲推一体”的算力调度，将海马云平台的整体算力利用率推到了比行业常见水平高出 70% 的惊人位置。 对于买单的企业客户而言，这意味着极高的性价比；而对于海马云自身而言，自控算力与垂直后训练模型的结合，让其综合毛利率能够稳定站在行业的高位。在毛利即生死的 AI 混战中，这种算力级别的池化能力，构成了纯应用公司无法逾越的成本红线。 不卷通用模型参数，死磕补齐真实生产力短板，打通模型到生产的最后一公里 多模态大模型发展至今，一个越来越明显的矛盾是：大模型的概率生成能力越来越惊艳，但一旦跨进真实的工业级生产管线，效果与商业化交付预期之间依然横亘着巨大的断层。 这背后的原因，党劲峰的答案非常直接：在内容生产领域，发散性的创意需求，决定了通用模型永远存在短板。 语言大模型处理的任务大多是收敛的，代码能不能跑通、数学题做得对不对，有清晰的 Benchmark 衡量；但图像和音视频则是发散的。审美更是没有标准答案，发散性一旦落到严苛的工业生产环节，就会瞬间暴露为具体的工程缺陷——人物变脸、风格漂移、光影穿帮、镜头失控。 更深层的难题是，创作者极其个性化的审美表达偏好，以及超出常规预训练数据分布的各种天马行空特效，根本无法仅凭一段简短的 Prompt 被通用底座精准理解并稳定生成。 通用模型追求的是广泛适用，而真实影视级生产要求的像素级精准可控，这两种目标之间，天然存在能力落差。 基于这样的洞察，海马云做出的战略抉择是：放弃跟大厂竞争通用模型的参数规模，而是将全部核心资源集中于通用模型的场景化后训练与工程优化上。 依托多年积累的异构 GPU 算力调度底座与深度工程技术能力，海马云从两条路径死磕场景落地，打通算法到生产的最后一公里： 第一，垂直模型后训练，破解企业级交付的“硬工程难题”： 针对真实生产中最抓狂的速度、成本、质量与一致性限制，推出 RH 系列垂直模型。 仅今年 9 月短短的 20 天内，海马云就推出了 3 个独家的 RH 系列场景化后训练模型： RH Upscale 超分模型： 突破常规算法，在补全皮肤纹理、发丝与织物细节的同时保持主体结构不崩坏，实现低成本低分辨率一键超分至 4K 商业级画质，横评综合质量在 13 款主流方案中登顶。 H3 Lightning： 将采样步数压缩至个位数，叠加跨步缓存与多卡并行优化，在无需数据中心高价 GPU 的 RTX6000D 节点上，将 5 秒视频生成时间从 6 分钟暴力压缩至 28.7 秒（提速近 12 倍），显著提升专业创作者的实时试错效率；而且这套方案跑在通过 PCIe 连接、没有 NVLink 高速互联的 RTX 6000D 多卡环境上，并不依赖高端数据中心 GPU，中小团队用常规的多卡服务器就能本地部署，整套方法和复现说明也已经在 GitHub 上公开。 H3 RH Enhanced： 针对多镜头长叙事场景做一致性后训练，在 16 个镜头以上的复杂任务中，将人物崩坏率降低 60% 以上。价格最低仅需 0.18 元/秒。 △在 13 个参测配置中，RH Upscale Ultra 以 0.539 分取得综合质量第一；Max 完成一条5-10秒测试视频的 2 倍超分平均耗时 34 秒 这种死磕场景落地的能力甚至得到了开源“原厂”的认可——MiniMax 官方正在通过 RunningHub 反向采购 H3 RH Enhanced 供其客户使用。一个第三方经过场景化后训练的模型，反向输出给大模型厂商，这在当前的 AI 行业内极度罕见。这意味着，模型调用的决策权正转移到生产现场反馈。 第二，打通微调生态机制，将“不可量化的审美偏好”资产化： 除了由平台解决通用难题，海马云还在过去两年的实践中，沉淀了一套极具壁垒的微调机制。面对通用模型无法理解的个人独特审美、特定画风与极高一致性诉求，海马云支持创作者与企业通过自己的作品反复训练、调试，生成专属的 Checkpoint 微调模型与风格化 LoRA，再无缝接入自动化工作流长期复用。 这一机制将原本抽象的审美风味，沉淀为可被 AI 确切执行的“数字美术资产”。目前 RunningHub 上已积累了海量此类风格 LoRA，甚至有头部手游公司将全套游戏视觉体系训练成专属模型矩阵，实现了从原画到场景的工业级标准输出。 党劲峰坦言：“我们不为拥有模型而训练模型，只为让 AI 在真实生产中交付结果。AI 产业不需要所有公司都去造大模型，但需要有人让大模型真正干好活。海马云关注的不是模型有多大，而是模型距离真实生产还有多远。模型竞争的终点，不是参数规模，而是生产能力。” AI应用只是把模型接到对话框，而AI生产力系统是要把模型接进生产线 然而，补齐模型能力只是入场券，生产能力才是分水岭。真正决定 AI 产品竞争力的，不是接入了多少模型，而是能否驾驭模型完成真实生产。 国内外很多纯应用公司仍停留在模型调用层：给模型做了个界面，套上对话框或画布，让用户通过 Prompt 驱动 AI。但生产不是聊天，真实任务也不是一次 Prompt 就能完成。它需要任务拆解、多模型协同、工具调用、过程校验和持续迭代，最终交付符合要求的结果。 对话框解决的是如何使用模型，而生产系统解决的是如何让模型在生产线上完成工作。这套负责组织模型、上下文和生产工具链，并对最终交付负责的系统，就是 Harness。它决定了 AI 能否从单点能力走向复杂任务执行，从偶发的生成效果走向稳定、可规模化的生产能力。 “模型可以从市场上买到，真正拉开产品差距的是构建起的 AI 生产力系统。”党劲峰这样认为。 在垂直领域，Harness 的价值已经被反复验证。 编程领域有 Anthropic 旗下的 Claude Code，它底层虽然是 Claude 模型，但读代码、改文件、跑测试、根据报错继续修复的能力，都来自模型外面那层 Harness；网站编辑领域的 Lovable，让用户用一句话就能拿到一个可上线的网站，今年 8 月完成 4 亿美元C轮融资后，估值达到 133 亿美元；设计领域的 Figma，市值约 115.4 亿美元（截至11月2日收盘），它真正的壁垒早已不是画图功能，而是设计师的素材库、版本历史与协作流程都沉淀在平台里，迁移成本极高。 在 AIGC 领域，海马云旗下的 RunningHub 就是图像音视频内容生产领域 Harness 的典型样本。 在图像和音视频领域，Harness 的门槛要高得多。因为视觉生产的需求是发散的，单靠一个对话框根本无法完成交付，它需要更长的工具链和更厚的上下文，从 LoRA 微调、复杂的调度链路，到 Blender、Unreal 等专业软件，再到底层渲推一体的算力，缺一不可。 海马云旗下的 RunningHub，搭建的正是这样一套面向图像音视频生产的 Harness，Runow、无限画布 rhTV、RHSTORY 等产品是它的主要载体。这套 Harness 的核心由三部分组成： Agent 负责理解意图、拆解任务、调用工具、控制费用和检查结果； 工具链涵盖画布、ComfyUI 工作流、LoRA 训练、云电脑以及 Blender、Unreal 等专业软件； 上下文则提供影视、电商、短剧、游戏、建筑等行业的专家知识和 know-how。 在海马云看来，未来将是 Agent 驱动一切的时代： 上下文够（Context is Enough）、工具链够（Toolchain is Enough），Agent 就可以完成所有事情。 按照这个思路，平台上所有的交互入口，最终都会升级成 Agent 入口。 这首先体现在 RunningHub 的模型动态路由和智能编排上。面对同一个需求，用哪个模型、按什么顺序调用、花多少钱，过去都要用户自己摸索；而现在，这些决策正在交给 Agent。据海马云介绍，RunningHub 已有约 60% 的模型调用由智能动态路由完成：Agent 会先识别用户的意图，再结合行业 know-how 的上下文知识拆解任务，把简单任务分给小模型、复杂任务分给大模型，电商图、电影感画面、短漫剧制作等不同类型的任务，也会被分别交给最合适的模型。 在新版 Runow 中，这项能力被直接做进了产品。当“模型偏好”设置为“自动”时，Agent 会按任务自动选用 Skill 和模型，用户不需要先学会每个模型和工作流；这样一来，效果有保障，成本也能控制住，不该用大模型的环节，就不必花大模型的钱。 当然，Agent 要真正把活儿干完，离不开两个前提：一是足够的上下文，二是足够的工具链。 工具链，是让大模型这个“大脑”长出手脚的必要条件。不同的创作管线，需要调用的工具链也不一样，其中最复杂的，当属影视级制作。 影视级制作对成片质量的要求极高，人物资产、场景构建、镜头的运镜和调度，每一环都有严格的标准，单靠和大模型对话几乎不可能完成生产。为此，海马云打通了画布、LoRA 训练、ComfyUI 工作流以及 Blender、Figma、Premiere+云电脑等多条工具链，深入 AIGC 的创作管线，搭建起了一套影视级的生产管线。 其中值得重点一提的，是 Blender+云电脑的解决方案。Blender 是 3D 建模与场景调度的行业必备软件。市场上绝大多数 AIGC 平台提供的“3D 导演台”大多属于面向新手的简化玩具，一旦涉及专业建模，用户必须在 AI 平台和 Blender 之间反复横跳、断裂生产。 RunningHub 的做法，是依托海马云在云电脑业务中积累的异构容器镜像与应用级统一调度能力，直接把 Blender 这类吃 GPU 且对延迟极度敏感的原生专业软件部署在边缘节点上，让 Agent 直接在 RunningHub 的画布中无缝调用。 用户只需在画布中用自然语言描述需求，Harness（系统编排）就会调度 Agent 自动打开云电脑中的 Blender 工程执行搭建；如果需要精细调整，创作者随时可以接管同一份工程做人工精调。 这么做的价值，并不只在于效率。一方面，专业用户的付费意愿和普通用户不在一个层级，就像修图 App 的用户和 Photoshop 用户之间的差别；另一方面，专业用户在原生 Blender 中的每一步操作，都会沉淀为平台的专家轨迹，反过来成为 Agent 能力进化的养料，而这恰恰是只提供简化工具的平台很难拿到的。 视频地址： https://mp.weixin.qq.com/s/vJDK570WT8aoEDBwp9lKFQ 影视级人物角色资产的制作，是另一个典型的场景。 AIGC 导演 @千堇 是 RunningHub 的典型用户，他曾负责少歌系列等多部 S 级影视、动漫 IP 从策划到制作的全流程。他制作的动画番剧，曾因人物角色 AI 感太重，没能通过播出平台的审核。据他介绍，按传统影视行业的做法，用 Maya 或 UE 管线做一个人物角色资产，要达到头发根根分明、瞳孔颜色清晰、服装配饰经得起特写的播出要求，一整套下来成本大约在 12 万元；而如果用 AI 自救，先让大模型生成人物整图，再把手、指甲、头发、瞳孔、配饰等细节逐一切图重绘，最后用 PS 逐块拼回，一个角色前后要操作上百次。 而在 RunningHub 中，这些步骤都可以通过自然语言交给 Agent 完成。Agent 凭借上下文里的影视级材质标准和参考图，调用工具自动切图，为每个局部挑选合适的 LoRA 或模型进行修复，最后再调用工具合成，导演只需在关键节点确认即可，而且成本降低了 90%。 从将影视级制作管线打通的 rhTV，到将短剧制作周期压缩至“一人一天”的 RHSTORY，到精准拆解爆款元素的电商 Skill，海马云的 Harness 正在让 AI 真正长出“手脚”，深入到高门槛的真实生产管线中。 这套 Harness 有没有真正进入生产环节，客户的持续投入就是最好的答案。某家电商AI服务商去年年底接入 RunningHub 后，一个月内就搭建了 47 个自建应用，覆盖从商品图到短视频的整套制作流程，并提供给旗下 100 多个商家账号使用；最近两个月，他们连续 56 天每天调用，累计调用超过 12 万次，月投入增长 700%。 数据决定进化速度，生产现场数据与专家决策轨迹是最核心的壁垒 不过，无论是 Agent 的智能编排，还是工具链的打通调用，都离不开一个共同的前提——足够的上下文和数据。在海马云的生态体系中，健全的 Harness 让大模型长出了手脚，而数据则是驱动这台发动机持续运转的血液。 工具和流程终究是可以被模仿的，海马云真正的壁垒，党劲峰给出的答案是数据： 健全的 Harness 是必要条件，让大模型长出了手；数据是另一个必要条件，二者共同构成了AI生产力系统持续运转的充要条件。 但海马云所强调的数据，并非互联网上公开抓取的泛化图库，而是在合规情景之下获取的极其有价值的生产现场数据与专家决策轨迹。 专家决策轨迹沉淀： 资深创作者在 RunningHub 上完成一项生产任务时，选择什么模型、调用什么工具节点、是先在 3D 导演台里布置镜头，还是在画布上逐个节点地搭建流程，又或是直接交给 Agent 一键生成；一条视频修改了几轮，每一轮调整的是光影还是表情……这些脱敏的操作轨迹会被完整记录。 而这些脱敏的高维的人类专家交互序列，更是通用大模型的训练数据里几乎不会出现的东西，在垂直自研的后训练中，被转化为强化学习的奖励信号，强行训练模型将原本繁琐的十步博弈折叠压缩为一次丝滑的原生推断。 行业 Know-how 资产化： 游戏美术的画风控制、电商操盘手的爆款转化配方、影视导演的镜头语言，这些由创作者授权贡献的资产，正在被结构化提炼为可复用的 Skill 与结构化知识库。作为国内最早的 AIGC 开源社区之一，目前 RunningHub 上已积累了百万级的开源工作流，每天仍以千条的速度递增。 这些数据最终都会汇入知识库。知识库是供AI调用的结构化数据库，也是整套系统的核心组件，由平台和 ComfyUI、LoRA 创作者共同建设，覆盖建筑、游戏、影视、电商等行业。 目前，海马云的知识库分为两部分：一部分是产品知识，即 RunningHub 的规则和使用方法；另一部分是创作知识，即图片、视频的提示词与制作方法。 下一步，海马云还将按行业建库，率先覆盖电商、影视短剧和广告。前文影视案例中 Agent 所掌握的材质标准，正是来自这样的知识沉淀。 闭环自进化演进与高留存： 真实生产任务中的修改与评价回流为测评集，反哺模型后训练与 Agent 演进。 一方面是模型的进化：经过合规获取的生产轨迹和专家经验，会被持续用于RH系列模型的后训练，让模型越来越贴近真实的生产需求。 另一方面则是 Agent 的进化，它会变得越来越懂需求、越来越懂用户，返工也越来越少。用户说一句“更精致一点”“更有质感一些”， Agent 就能选对方法和模型，甚至主动推荐合适的材质，用户不必再去研究提示词；用户的素材、品牌资料和历史项目积累得越多， Agent 产出的内容就越贴近其风格和规范；而真实对话和任务测评中发现的常见问题，在修复之后，同类任务一次做对的比例也会越来越高。对模糊意图的理解，恰恰是专业生产中难度最高、价值也最高的环节之一。 此外，企业在平台上长期积累的 ComfyUI 工作流、训练好的 LoRA 以及 VI 规范，构成了极高的迁移成本。比如品牌设计师把VI规范交给 Agent 之后，后续生成的每一张图，都会自动遵守品牌规范。平台能否把这些资产管理好、复用好，将直接决定客户会不会留下来。据海马云介绍，自建工作流沉淀较多的用户，留存率接近 100%。 其中，某建筑设计公司接入 RunningHub 后，针对建筑效果图痛点自建了“结构修复”等 7 个应用与 14 个工作流，月投入增长超 10 倍，几乎将平台当成了“第二个办公室”；某手游研发公司则在平台上训练了 80 余个专属 LoRA、搭建了 超 160 个自建工作流，把自家游戏的美术风格训练成专属模型，覆盖塔防场景、Q 版角色、游戏图标和国风纹样等，同时搭建线稿细化、动作迁移、多角度出图、图转 3D 等生产工具，将整套游戏的美术风格沉淀为资产，三个月内用量增长近 70 倍。 结尾 大模型演进的狂热终将回归理性，参数规模的记录终会被刷平，榜单排名也会持续洗牌；但在大浪淘沙之后，AI 商业化的终局法则正显露出无比清晰的真相。 正如党劲峰所看到的：消费级 AI 之所以不挣钱，本质上是因为 C 端普通用户根本缺乏持续且强烈的付费动力。 中美两地的互联网竞争生态存在着天壤之别，中国互联网的渗透深度、商业模式的成熟度与用户习惯的演进远远走在世界前列。许多在海外靠新鲜感、玩梗或浅层包装堆叠出来的 C 端 Consumer 模式（例如海外依靠短期热度爆发的社交与滤镜类产品 Instax/Instinct 等），落到竞争极其残酷的国内本土市场，根本无法建立可持续的商业盈利方程。 当虚荣跑分与 C 端浅层应用逐渐褪色，真正具备高壁垒、高客户续费粘性的，必然是能为 B 端企业和专业创作者带来明确降本增效的垂直 AI 生产力。 纵观海马云的整体战略范式，其核心优势并不在于单一维度的单点突破，而在于自下而上构建起了一套高度自洽的五层能力栈： 算力层：最底层的异构 GPU 调度与渲推一体筑牢成本底线； 模型层：多模型智能编排与场景化后训练（RH 系列），死磕企业级交付的一致性、成本与速度短板； Harness 层：任务智能编排、 Agent 与专业原生软件（Blender 等）直连，把大模型真正接进工业生产线； 数据层：沉淀专家操作轨迹与行业 Know-how，反哺模型演进，形成越用越懂行的飞轮闭环； 应用层：承载 RunningHub、rhTV、RHSTORY 等多样化产品生态，实现从垂直场景到商业交付的终端落地。 五层架构交织运转，共同组成了海马云这台难以复制的 “AI 生产力发动机”，构建出了一条完整的商业闭环。 AI 商业化迈入深水区，单纯依靠调 API 套壳的浅层应用注定沦为过客，只做自研大模型虚荣跑分的实验室玩家亦难逃落地困局。只有具备从算力调度到应用落地的全栈五层能力，造出 AI 生产力发动机的公司，才能真正将技术转化为可持续的商业确定性，在终局的产业核心牌桌上牢牢站稳位置。 海马云构建的这台“AI 生产力发动机”，或许正代表着中国 AI 产业从“概念狂欢”走向“工业落地”的硬核解法。

工业和信息化部办公厅关于印发2026年第五批行业标准制修订项目计划的通知 工信厅科函〔2026〕520号 各有关单位： 按照工作部署，我部编制完成2026年第五批行业标准制修订项目计划，现印发给你们。 请标准起草单位做好标准制定与技术创新、试验验证、知识产权处置、产业化推进、应用推广的统筹协调。请有关行业协会（联合会）、标准化技术组织、标准化专业机构等单位做好标准组织起草、征求意见和技术审查等工作，把好技术审查关。请部相关司局做好行业标准制修订过程管理工作，确保标准的质量和水平。计划执行过程中，如须对标准项目进行调整，请按有关规定办理。 特此通知。 工业和信息化部办公厅 2026年10月28日 （联系电话：010‒68205241）

机器人干活，AI当厂长！这家巨头要造下一代自主智能仓 AI接管调度运营，仓库越干越聪明 梦瑶 发自 凹非寺 量子位 | 公众号 QbitAI 具身智能，开始挑战更复杂的生产场景了。 当一众厂商还在围绕拣货、家务等任务探索时，如今有玩家盯上了具身智能产业化的一块硬骨头：智能仓储。 而且野心不小，要让AI接管整座仓库，实现7×24小时自主运行，还能在真实业务中持续学习、自主进化。 这个玩家的名字大家也不陌生，正是全球智能机器人的头部企业「极智嘉」（Geek+）。 就在最近，极智嘉正式亮出《24/7自主智能仓计划》，目标直指物理AI时代的自进化智能仓。 从让具身AI真正干活，到让整座仓库自己运转，物理AI这次直面的，是产业化更深层的考题。 从会干活到会自己管，物理AI开始挑战更难的一关 在AI深入工业场景的过程中，其实一直藏着一个蛮尴尬的事实—— 物理AI的自动化程度越高，对人工的依赖反而越集中在最难的环节。 过去十多年，AMR让搬运、存储等大量标准化作业实现自动化，货物甚至能自己找到人。 可一旦进入复杂拣选，面对成千上万种SKU、频繁变化的包装和摆放位置，机器人依旧容易犯难。 这也暴露出仓储自动化长期以来的一道瓶颈：单点效率的提升，已经很难支撑整座仓库的智能化跃迁了。 也正是在这个节骨眼上，极智嘉对下一代仓储智能化的突破口，给出了自己的行业判断： 下一代仓储智能化的关键，是实现7×24小时自主运行、持续进化，并依托全球规模化商业能力，让自主智能仓成为新一代生产力基础设施。 这一判断背后，其实藏着仓储行业越来越现实的一笔经济和技术账。 对客户来说，仓库每多一小时自主运转，就意味着多一小时摆脱人工班次限制的产能。 尤其在夜间和订单高峰，持续稳定的履约能力，直接关系到供应链的响应速度。 更重要的是，能让投入重金的自动化设备真正跑满产能，把夜班用工、现场管理的压力转化为实实在在的运营收益。 但这就意味着，机器人要能处理从未见过的异常，而且整仓系统要能在数百台设备同时运行时自主决策、故障恢复、积累经验。 毕竟，只有整座仓库具备自主应对不确定性的能力，技术上的自主智能，才能真正转化为商业上持续、可衡量的生产力～ 基于这一判断，极智嘉提出的《24/7自主智能仓计划》则将全仓自主化作为下一阶段的战略方向，分三步推进： 打通全流程：让具身智能接手复杂操作，补齐仓储作业中长期依赖人工的环节。 强化智能闭环：让AI从发现问题走向自主决策、动态调整，推动整座仓库越干越聪明。 规模化落地：凭借全球交付与本地化运营能力，让自主智能仓真正走进更多商业场景。 而这三个方向，恰好对应着物理AI规模化落地必须跨过的三道坎—— 机器人能不能独立完成复杂作业、整座仓库能不能自主决策、这套模式能不能大规模复制。 这套庞大的系统性能力，事实上如今也早已在这家公司多年的技术积累与商业化实践中，长出了真实立体的形状。 机器人长手脚，AI接管大脑，无人仓开始自主进化 具身智能解决方案，让机器人干真活 要让一个仓库真正自主运转，那就首先要解决一个基础的问题—— 机器人能否打通端到端的物理作业链路，让自动化从单点突破走向全流程贯通。 单个机器人能干多少活，决定的是单一作业效率上限；整条作业链能否自主闭环，决定的才是无人仓的落地深度。 相比聚焦单机或特定任务的具身智能方案，深耕具身十余年的极智嘉，在真实落地的能力上显然有更深的家底。 其自研的Gravity统一具身智能框架与Gravity 4D具身世界模型，瞄准的正是机器人在复杂环境中的自主操作难题： 前者让机器人理解任务、规划动作，学会先想清楚再动手，后者则让其理解物理空间的几何关系、受力与接触变化。 两者结合，让机器人在面对复杂任务和突发变化时，有了更多自主应对的能力： 跨任务泛化： 面对不同材质、形状的陌生物品，不用逐个训练，也能判断怎么抓。 动态抗干扰： 物品突然移动、被遮挡，也能及时调整动作，继续完成任务。 长程任务执行： 面对多步骤复杂任务，能够自主拆解、规划并逐步完成。 自然语言纠偏： 动作出现偏差，不用重新编程，通过语言指令就能调整策略。 此外，基于多模态感知、长程任务推理、4D物理建模与动作规划等能力，机器人如今也开始走进了真实仓储作业。 比如其通用人形机器人Gino 1，既能拣货、搬箱，还能与移动机器人协同，完成连续的拣选任务： 另一边，极智嘉的无人拣选工作站，也开始接手过去高度依赖人工的拣播环节。 在施耐德电气上海物流中心的试点中，这套方案的拣选效率达到人工的2倍，准确率超过99.99%。 在这些具身智能产品之外，其全品类AMR方案也覆盖料箱、托盘、货架等不同存储形式下的大量标准化作业。 这些年积累的端到端技术能力，也恰好为其进一步实现整仓自主运行创造了有利条件。 AI接管调度运营，仓库越干越聪明 机器人能把活儿干完，只解决了第一道难题。 更大的考验在于，当几百台机器人同时开工，整座仓库还能不能自己管好自己。 极智嘉系统平台部副总裁谭文哲在媒体采访中，也谈到了这个长期困扰行业的问题—— 传统仓储系统往往各管一摊，调度系统优化机器人路径，业务系统优化订单执行，数据平台负责统计报表。 看上去每个系统都有自己的优化目标，但实际上很难站在整座仓库的角度统一决策！！ △AI生成 而极智嘉这次想做的，正是让原本各自运转的系统，真正拥有一个能够统筹全局的「仓库大脑」。 具体而言，就是将订单、库存、机器人、机械臂、工作站等纳入统一的运行状态体系—— 实现从物理运行、数据感知到智能决策的全流程闭环，进行实时、全局的优化。 在仓库大脑的底层，由RMS、WES、IOP三大系统支撑，分别负责机器人调度、业务执行和运营分析。 IOP负责发现问题，WES负责制定和编排策略，RMS负责调度机器人执行，三者相互协作。 而真正让这套系统变得更聪明的，是极智嘉在此基础上构建的全仓智能，通过AI Agent持续强化两项能力： 协同智能：让机器人、设备和业务流程能够统一调度，根据实时订单变化灵活调整任务与资源分配。 运营智能：让AI实时监控全仓、自主诊断异常、优化策略，逐步减少人工值守。 两者结合，就意味着AI既要管好眼前的活儿，还得不断琢磨怎么把活儿干得更好。 更关键的是，每次调整后的运营结果还能重新反馈给系统，形成「洞察—诊断—决策—执行—学习」的完整闭环。 这样一来，仓库也开始从会执行指令，走向自己发现问题、调整策略，并在长期运行中越干越聪明了～ 值得一提的是，目前极智嘉也已经围绕这套流程布局了三类AI Agent—— 监控Agent负责识别异常，数据分析Agent负责追查原因、提出方案，部署配置Agent则负责参数调整与策略落地。 这些Agent甚至还结合了极智嘉过去积累的「现场运营经验」和「效率分析框架」。 过去资深仓管人员需要反复排查的问题，如今开始有机会转化为AI能够调用、分析和复用的知识，而且不同层面的优化有着不同的节奏。 在效率上，调度层面的调整甚至可以在几分钟内进行，涉及整体运营策略时，则会结合每天积累的数据持续优化。 仓库运行得越久，积累的经验越多，系统就有机会作出更好的决策，真·闭环了。 从技术到商业交付，全球实践给出答案 智能仓储的产业化竞争，最终还得回到真实场景。 客户真正关心的，是系统能否长期稳定运行、融入现有业务，以及投入后究竟能带来多少收益。 而极智嘉过去十多年的商业化实践，已经积累了不少可供观察的样本。 全球市场侧，极智嘉连续7年位居AMR市占率第一，覆盖40多个国家和地区、超1000家客户，累计部署机器人超8.1万台。 在今年CeMAT展会上，极智嘉更是把全品类AMR和AI全仓调度串了起来，直接上演了一场整仓协同作业。 谭文哲博士在媒体采访中，也给出了衡量仓库「自主进化」能力的几项硬指标。 包括自主处理异常的能力、复杂工况下的吞吐稳定性、连续运行时长，以及故障后的自主恢复效率。 这些指标背后，恰好也指向了《24/7自主智能仓计划》更深层的行业意义： 把资深仓管人员积累多年的隐性经验，逐步变成仓库里「常驻」的智能。 对企业来说，最头疼的莫过于花重金建起自动化仓库，关键时刻却依然离不开人。 而一座真正具备自主运营能力的仓库，就意味着每一分自动化投入，都能转化为持续、稳定的生产力。 未来，极智嘉还计划将经过真实场景验证的机器人、AI与系统能力，延伸到更广泛的物理作业领域。 而在这条从技术走向真实生产力的路上，长期积累与规模化实践的价值，已然变得越来越清晰。

发改委官员：密切关注AI对就业结构的影响，强化监测预警 对于人工智能的就业替代风险，强化监测预警，加强社保体系同就业结构、工作方式变革的衔接，做好兜底性、普惠性社会保障 11月3日，国家发改委创新和高技术发展司副司长王若蒙在新闻发布会上提出，要积极应对人工智能对社会的影响，确保以人为本、向上向善。在就业影响方面，密切关注人工智能对就业结构的影响。图：视觉中国 　　【财新网】人工智能在带来巨大发展机遇的同时，也带来新的风险挑战，如何确保其健康有序发展？11月3日，国家发改委创新和高技术发展司副司长王若蒙在新闻发布会上提出，要积极应对人工智能对社会的影响，确保以人为本、向上向善。在就业影响方面，密切关注人工智能对就业结构的影响。 　　王若蒙表示，这不仅要充分激发人工智能在创造新就业岗位、带动创新创业方面的活力，推动模型训练师、数据标注员等新职业纳入国家职业分类体系。同时，“对于人民群众关心的就业替代风险，强化监测预警，加强社保体系同就业结构、工作方式变革的衔接，做好兜底性、普惠性社会保障。”

【我闻】一位“失信”小微企业主的画像 折腾、自救与坚硬的现实 一位2020年因经营失败而背上千万负债几近破产的小微企业主，选择回国再创业，也与债权行继续理论 　　【金融我闻/朱亮韬】“法院找我麻烦了。”2026年11月2日8点28分，小微企业主陈中刚向近期采访过他的财新记者发来消息。“我来南京拜访客户，住在酒店，栖霞法院协助镇江法院执行局。现在我在（栖霞法院），等镇江法院过来。” 　　“你跟江苏银行那个事情怎么弄呢？没有钱还的话，我们得过来把你带走。”11月2日一早，法院工作人员在电话中对陈中刚说。 　　当日上午10点，陈中刚被法院执行局的工作人员带走。镇江润州区法院的《决定书》（（2026）苏1111司惩30号）提到，法院在执行江苏银行镇江分行与周荣平、镇江中信、陈中刚、夏培、苏州兆特、马亚霜借款合同纠纷一案中，查明陈中刚拒绝向法院报告财产。依据《民事诉讼法》第一百一十七条、第一百一十八条、第一百一十九条以及第二百四十八条之规定，决定对陈中刚民事拘留十五日。

首个陪诊国家标准出台 行业面临洗牌 行业准入更为细化，从业者行为边界更加明确。哪些新的参与者正在布局？哪些又将被市场挤出？ 北京一家中医院内，陪诊师向老人介绍如何领取处方药。图：视觉中国 　　【财新网】老龄化进程加速、异地就医需求增长，近年来催动陪诊行业迅猛发展。针对当前服务边界模糊、质量参差不齐的行业乱象，今年11月起，由市场监管总局、国家标准委组织研制的首个国家标准《社会化陪同就医服务基本要求》（下称《要求》）付诸实施，明确将服务提供者限定为“机构”，并划定陪诊从业人员的服务“红线”。 　　陪诊行业正驶入发展快车道。据2026上海助博会公布的数据，2015年中国陪诊行业起步，2022年起陪诊企业进入高速发展期，2023年最高达到501家。中国社会福利与养老服务协会发布的《陪诊服务发展研究报告（2025）》显示，全国陪诊师需求缺口约83万至220万，仅北京一地就缺15万人。

受贿超6750万元 东航集团原“一把手”刘绍勇一审获判十四年 刘绍勇利用职务、职权便利，为有关单位和个人在企业经营、项目承揽、航线管理等事项上提供帮助，非法收受财物共计折合人民币6750万余元；刘绍勇飞行员出身，曾两度主导国有航司，任期内发生广西MU5735航班坠毁事故 2026年11月3日，辽宁省沈阳市中级人民法院一审公开宣判中国东方航空集团有限公司原党组书记、董事长刘绍勇受贿案。图：央视新闻 　　【财新网】东航集团前“一把手”一审领刑14年。11月3日，辽宁省沈阳市中级人民法院一审公开宣判中国东方航空集团有限公司（下称“东航集团”）原党组书记、董事长刘绍勇受贿案，对被告人刘绍勇以受贿罪判处有期徒刑十四年，并处罚金人民币四百万元，对刘绍勇犯罪所得财物及孳息依法予以追缴，上缴国库。 　　最高人民法院网站显示，经审理查明：2002年至2023年，被告人刘绍勇利用担任中国东方航空股份有限公司（下称“东航股份”）总经理，中国南方航空集团公司（下称“南航集团”）总经理兼中国南方航空股份有限公司（下称“南航股份”）董事长，东航集团总经理、董事长兼东航股份董事长等职务上的便利以及职权或者地位形成的便利条件，为有关单位和个人在企业经营、项目承揽、航线管理等事项上提供帮助，非法收受财物共计折合人民币6750万余元。

能源内参｜停摆超十年后 中国大唐阜新煤制天然气项目投产 中石化集团至少25名中高层两年内被查 销售与工程领域是重灾区；全球造船新订单再创新高 中国船厂份额占比超八成 沙特阿美公司总部。当地时间11月3日，沙特阿美公布前三季度业绩：公司实现调整后净利润983.79亿美元，同比提高22%。图：IC photo 　　【财新网】 　　停摆超十年后 中国大唐阜新煤制天然气项目投产 　　中国大唐11月2日消息，国家能源战略重点工程、东北最大煤制天然气示范项目——中国大唐阜新煤制天然气项目（以下简称“阜新项目”）首条生产线正式建成投产，产出的天然气顺利接入国家管网。该项目2010年获国家发改委核准，2011年正式开工，总投资超245亿元，规划总年产40亿标方天然气。受煤源、技术、市场等多重因素影响，2013年下半年陷入停工缓建，2014年正式停建，停滞时间超过十年。

​T早报｜英伟达要求数据中心客户减少对华业务；国行Apple智能正式开放测试 推荐：AMD预计2027年营收增长超80%；力箭二号完成千帆18星组网发射；京东获准收购Ceconomy AG 据《金融时报》11月3日报道，英伟达正要求其数据中心合作伙伴减少对中国客户的业务，必须将至少51%的服务出售给非中国公司，此前并无此类限制。图：视觉中国 　　【财新网】 　　中际旭创回应海外客户砍单传闻 　　11月3日晚，光模块龙头中际旭创发布投资者关系活动记录表，回应海外客户削减订单等市场传闻。公司表示，绝大部分海外客户未下修需求或订单，个别客户存在产品结构性调整，部分客户1.6T光模块需求甚至有所增加。2027年绝大部分订单已覆盖全年，至少一家重点客户已给出2028年明确且强劲的需求指引。目前数据中心客户拿货节奏正常，光模块供应整体仍偏紧，未出现异常库存积压。公司预计，2027年800G、1.6T产品价格降幅有限，部分产品未降价；新型光互连技术方面，NPO预计2027年下半年开始放量，2028年需求进一步释放，XPO预计2027年产生需求。

专访澳门特首：如何走出博彩依赖 岑浩辉详解经济多元化部署，横琴与海外市场成为转型关键 澳门特别行政区行政长官岑浩辉。图：视觉中国 　　【财新网】人口不足70万、人均GDP高达7.6万美元的澳门，其繁荣高度依托博彩和旅游不是秘密。如何降低澳门对博彩业的依赖、寻找新的增长来源，今年有了更具体的投资计划和实施时间表。 　　澳门特区政府8月18日公布的第三个五年规划提出，力争到2030年，非博彩业增加值占本地生产总值的比重达到60%左右。规划期内，经济适度多元重大项目的预算总投资初步估算约为1300亿澳门元。 　　8月31日，就任后首次正式访问东南亚期间，澳门特别行政区行政长官岑浩辉接受财新专访，介绍了这一轮转型的思路：依托横琴拓展发展空间，推动科技、金融、大健康、教育和文化等领域发展，同时加强与东南亚及葡语国家的合作。

如何理解央行上调外汇存款准备金率 从有限历史样本看，本次外汇存准率上调虽不意味着人民币升值行情立即结束，但可能提示即期汇率已接近本轮低位，后续升值空间较为有限 2026年7月20日，北京，中国人民银行。本轮人民币升值已延续约18个月，累计升幅接近前两轮平均水平。图：视觉中国 何为外汇存款准备金 　　官方定义为：外汇存款准备金是指金融机构按照规定将其吸收外汇存款的一定比例交存中国人民银行的存款。 　　简单来说，在中国，外汇有外汇的存款准备金率，人民币有人民币的存款准备金率，外汇存款准备金只可用外汇缴纳，本币存款准备金用本币缴纳，一般而言不可交叉（不能用人民币缴纳美元存款准备金）。也可以简单理解为：本币有一套信用扩张体系，外币有一套信用扩张体系。本币信用扩张是先有贷款，外币信用扩张则是先有存款。 　　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。

2026年10月下旬流通领域重要生产资料市场价格变动情况 中国统计信息服务中心　卓创资讯   　　据对全国流通领域9大类50种重要生产资料市场价格的监测显示，2026年10月下旬与10月中旬相比，17种产品价格上涨，28种下降，5种持平。   2026年10月下旬流通领域重要生产资料市场价格变动情况   产品名称 单位 本期价格（元） 比上期 价格涨跌（元） 涨跌幅 （%） 一、黑色金属         螺纹钢（Φ20mm，HRB400E） 吨 3167.3 -20.5 -0.6 线材（Φ8—10mm，HPB300） 吨 3378.3 -8.6 -0.3 普通中板（20mm，Q235） 吨 3466.5 -43.4 -1.2 热轧普通板卷（4.75—11.5mm，Q235） 吨 3236.1 -32.0 -1.0 无缝钢管（219*6，20#） 吨 4005.6 -6.6 -0.2 角钢（5#） 吨 3393.2 5.2 0.2 二、有色金属         电解铜（1#） 吨 110175.0 -746.4 -0.7 铝锭（A00） 吨 23787.1 217.1 0.9 铅锭（1#） 吨 16128.6 17.9 0.1 锌锭（0#） 吨 25635.0 -74.3 -0.3 三、化工产品         硫酸（98%） 吨 1595.1 -51.9 -3.2 烧碱（液碱，32%） 吨 617.2 -35.0 -5.4 甲醇（优等品） 吨 3600.8 30.0 0.8 纯苯（石油苯，工业级） 吨 10406.4 -86.0 -0.8 乙醇（95.0%） 吨 5549.6 55.2 1.0 聚乙烯（LLDPE，熔融指数2薄膜料） 吨 10201.4 202.4 2.0 聚丙烯（拉丝料） 吨 10947.4 281.0 2.6 冰醋酸（99.5%及以上） 吨 4326.9 -310.7 -6.7 顺丁胶（BR9000） 吨 16209.5 11.9 0.1 涤纶长丝（POY150D/48F） 吨 9382.1 -321.5 -3.3 磷酸铁锂（普通动力型） 吨 44613.7 -1392.2 -3.0 四、石油天然气         液化天然气（LNG） 吨 7481.9 732.5 10.9 液化石油气（LPG） 吨 7906.2 -62.4 -0.8 汽油（95#国VI） 吨 10922.6 16.1 0.1 柴油（0#国VI） 吨 9395.1 24.4 0.3 石蜡（58#半） 吨 7720.7 35.7 0.5 五、煤炭         无烟煤（洗中块） 吨 1514.5 17.8 1.2 山西优混（5500大卡） 吨 1029.3 10.3 1.0 焦煤（主焦煤） 吨 2260.7 28.6 1.3 焦炭（准一级冶金焦） 吨 1896.4 0.0 0.0 六、非金属矿物制品         普通硅酸盐水泥（P.O 42.5散装） 吨 270.9 3.9 1.5 浮法平板玻璃（5/6mm） 吨 1069.9 -8.2 -0.8 多晶硅（致密料） 千克 41.0 0.0 0.0 七、农产品（主要用于加工）         稻米（粳稻米） 吨 3986.9 -3.4 -0.1 小麦（国标三等） 吨 2448.3 10.4 0.4 玉米（黄玉米二等） 吨 2131.7 -3.9 -0.2 棉花（皮棉，白棉三级） 吨 16723.6 -263.0 -1.5 生猪（外三元） 千克 9.3 -0.5 -5.1 大豆（黄豆） 吨 4958.2 -29.9 -0.6 豆粕（粗蛋白含量≥43%） 吨 3249.8 -96.3 -2.9 花生（油料花生米） 吨 7427.4 2.4 0.0 白糖（国标一级白砂糖） 吨 5201.4 -68.6 -1.3 八、农业生产资料         尿素（中小颗粒） 吨 1749.8 -0.1 0.0 磷肥（55%磷酸一铵） 吨 3696.4 -32.4 -0.9 钾肥（港口62%白色氯化钾） 吨 2778.6 -119.3 -4.1 复合肥（硫酸钾复合肥，氮磷钾含量45%） 吨 3488.9 -63.5 -1.8 农药（草甘膦，95%原药） 吨 29035.7 0.0 0.0 九、林产品         天然橡胶（标准胶SCRWF） 吨 19116.7 -501.2 -2.6 纸浆（进口针叶浆） 吨 4861.6 -7.1 -0.1 瓦楞纸（AA级120g） 吨 3027.3 -71.5 -2.3 注：上期为2026年10月中旬。   　　附注   　　1.指标解释   　　流通领域重要生产资料市场价格，是指重要生产资料经营企业的批发和销售价格。与出厂价格不同，生产资料市场价格既包含出厂价格，也包含有经营企业的流通费用、利润和税费等。出厂价格与市场价格互相影响，存在时滞，两者的变动趋势在某一时间段内有可能会出现不完全一致的情况。   　　2.监测内容   　　流通领域重要生产资料市场价格监测内容包括9大类50种产品的价格。类别与产品规格说明详见附表。   　　3.监测范围   　　监测范围涵盖全国31个省（区、市）300多个交易市场的近2000家批发商、代理商、经销商等经营企业。   　　4.监测方法   　　价格监测方法包括信息员现场采价，电话、即时通讯工具和电子邮件询价等。   　　5.涨跌个数的统计   　　产品价格上涨、下降、持平个数按照涨跌幅（%）进行统计。   附表 流通领域重要生产资料市场价格监测产品规格说明表   序号 监测产品 规格型号 说明   一、黑色金属      1 螺纹钢 Φ20mm，HRB400E 屈服强度≥400MPa  2 线材 Φ8-10mm，HPB300 屈服强度≥300MPa  3 普通中板 20mm，Q235 屈服强度≥235MPa  4 热轧普通板卷 4.75-11.5mm，Q235 屈服强度≥235MPa，宽度1500mm  5 无缝钢管 219*6，20# 20#钢材，屈服强度≥245MPa  6 角钢 5# 屈服强度≥235MPa   二、有色金属      7 电解铜 1# 铜与银质量分数≥99.95%  8 铝锭 A00 铝质量分数≥99.7%  9 铅锭 1# 铅质量分数≥99.994% 10 锌锭 0# 锌质量分数≥99.995%   三、化工产品     11 硫酸 98% H2SO4质量分数≥98% 12 烧碱（液碱） 32% NaOH质量分数≥32%的离子膜碱 13 甲醇 优等品 水质量含量≤0.10% 14 纯苯（石油苯） 工业级 苯纯度≥99.8% 15 乙醇 95.0% 普级乙醇 16 聚乙烯（LLDPE） 熔融指数2薄膜料 熔融指数：2.0±0.5g/10min 17 聚丙烯 拉丝料 熔融指数：3.0±0.9g/10min 18 冰醋酸 99.5%及以上 醋酸纯度≥99.5% 19 顺丁胶 BR9000 块状、乳白色，灰分≤0.20% 20 涤纶长丝 POY150D/48F 半光167分特，AA级 21 磷酸铁锂 普通动力型 能量密度≥120Wh/kg   四、石油天然气     22 液化天然气 LNG 甲烷含量≥75%，密度≥430kg/m3 23 液化石油气 LPG 饱和蒸汽压1380-1430kPa 24 汽油 95#国VI 国VI标准 25 柴油 0#国VI 国VI标准 26 石蜡 58#半 熔点不低于58℃   五、煤炭     27 无烟煤 洗中块 挥发分≤8% 28 山西优混 5500大卡 优质的混煤，热值5500大卡 29 焦煤 主焦煤 含硫量<1% 30 焦炭 准一级冶金焦 12.01%≤灰分≤13.50%   六、非金属矿物制品     31 普通硅酸盐水泥 P.O 42.5散装 抗压强度42.5MPa 32 浮法平板玻璃 5/6mm 厚度为5/6mm的无色透明玻璃 33 多晶硅 致密料 纯度6N-9N   七、农产品（主要用于加工）     34 稻米 粳稻米 杂质≤0.25%，水分≤15.5% 35 小麦 国标三等 杂质≤1.0%，水分≤12.5% 36 玉米 黄玉米二等 杂质≤1.0%，水分≤14.0% 37 棉花（皮棉） 白棉三级 纤维长度≥28mm，白或乳白色 38 生猪 外三元 三种外国猪杂交的肉食猪 39 大豆 黄豆 杂质≤1.0%，水分≤13.0% 40 豆粕 粗蛋白含量≥43% 粗蛋白≥43%，水分≤13.0% 41 花生 油料花生米 杂质≤1.0%，水分≤9.0% 42 白糖 国标一级白砂糖 蔗糖分≥99.6g/100g   八、农业生产资料     43 尿素 中小颗粒 总氮≥46%，水分≤1.0% 44 磷肥 磷酸一铵 总养分(N+P2O5)=55% 45 钾肥 氯化钾 K2O=62% 46 复合肥 硫酸钾复合肥 氮磷钾含量45% 47 农药（草甘膦） 95%原药 草甘膦质量分数≥95%   九、林产品     48 天然橡胶 标准胶SCRWF 杂质含量≤0.05%，灰分≤0.5% 49 纸浆 进口针叶浆 抗张指数≥85.0N·m/g， 耐破指数≥6.5KPa·m2/g， 撕裂指数≥9.0mN·m2/g 50 瓦楞纸 AA级120g 120±5g/m2

财新闻｜利好来了，一批A股公司，拟出手回购 注意防寒，预计11月有4次冷空气过程影响中国；中国大熊猫圈养种群达830只；30岁西乙中锋赛场相撞殒命，涉事门将或面临重罚 eoptolink公司标志。新易盛称，截至2026年10月31日，公司通过股份回购专用证券账户以集中竞价交易方式回购公司股份97.56万股，占公司总股本的0.0700%。图：视觉中国 两女生穿和服在烈士公园摆拍，被警方教育 近日，两女子在湖南长沙烈士公园穿和服带武士刀拍照，被游客斥责，引发关注。

程序即主权：标准必要专利跨境诉讼博弈（下） 中国知产司法主权面临的真实挑战，是如何将“以实力为后盾的主张”转化为“以规则为基础的权威” OPPO请求法院确定诺基亚拥有或有权许可的5G、4G、3G、2G标准必要专利，对OPPO、Realme、Oneplus三个品牌智能终端的全球许可条件，包括许可费率，许可期限为3年。图：视觉中国 　　（接上篇《程序即主权：标准必要专利跨境诉讼博弈（上篇）》《中篇》） 七、程序主权的定价逻辑：重庆两案分析 　　知识产权法与审判机构的建构，积累了国内司法的权威；禁诉令则在程序上固定了涉外管辖权的排他性。两者叠加之后，一个更实质的问题浮出水面：中国法院取得排他性裁判空间之后，如何裁定全球标准必要专利的许可条件？ 　　程序主权的实质价值，并不止于抽象的主权宣示，而是体现在证据的取舍与方法的选择之上。采用哪种计算方法，采信哪份可比协议，直接影响许可费率的高低，也就影响哪一方当事人的产业利益得到保护。重庆市第一中级人民法院作出的两份判决，提供了观察这一逻辑的具体样本。本节依据的是两份判决书的公开文本，其中部分费率与金额已作涂黑处理，凡文本未公开的数字，本文不作推断。 　　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｜规制向AI“投毒” 三起案例揭开了“黑帽GEO”不正当竞争问题。在“遇事不决问AI”的当下，如何识别商业宣传和虚假信息，保护用户权益？ 2026年央视“3·15”晚会曝光的北京力思文化传媒有限公司GEO服务。 　　文｜财新周刊 覃建行，易天一（实习） 　　《2026年广州刑事案件代理专业企业TOP5，如何选择更可靠？》，这是广东的一名律师事务所主任认证的搜狐号发出的文章。文章自称通过测评，“筛选出广州地区综合实力最强的刑事代理企业”，从而提供可靠的选择指南，其内容将发布者所在的律所排在了推荐首位，并称该律所横向对比综合得分92.5，“复杂案件成功率超70%”。 　　据财新了解，上述测评并无依据，文章推荐的也只是一家仅有11名律师的小型律所。不过，广州市越秀区市场监督管理局调查发现，在人工智能应用豆包中输入“前述律所名称+排名”时，豆包的回答存在“广州刑事案件代理专业企业TOP5排名位置第1名，发布平台搜狐网（2026年2月），评分/特点综合得分92.5分，复杂刑事胜诉率高”等内容。

稳市“弹药”再加2000亿元 央行优化股票回购再贷款政策 下调股票回购增持再贷款利率0.25个百分点至1%；在前期21家全国性银行的基础上，新增加5家系统重要性城商行作为再贷款支持对象 北京，中国人民银行。2026年11月4日，央行官网发布，为维护资本市场平稳运行，中国人民银行加力实施股票回购增持再贷款政策。图：视觉中国 　　【财新网】为上市公司回购股票提供“弹药”的股票回购增持再贷款政策，迎来进一步优化。 　　2026年11月4日，央行官网发布，为维护资本市场平稳运行，中国人民银行加力实施股票回购增持再贷款政策。自2026年11月4日起，下调股票回购增持再贷款利率0.25个百分点至1%。股票回购增持再贷款的支持对象为21家全国性银行和5家系统重要性城商行，支持比例为100%，期限1年，可根据银行需要展期。银行可在再贷款利率基础上适当加点，合理确定股票回购增持贷款期限和利率，加快贷款投放，增强上市公司、主要股东市值管理能力。向银行提供充足的再贷款额度保障。11月2日股票回购增持再贷款座谈会之后，银行已向中国人民银行报送股票回购增持再贷款额度申请超过2000亿元。后续，中国人民银行将继续充分满足银行的再贷款需求，支持银行积极对接上市公司、主要股东融资需求。

人事观察｜履新一周再加新担 庄兆林兼任江西政法委书记 庄兆林仕途成长于家乡江苏，2021年跻身江西省委常委后历任四个职务 资料图：庄兆林。图：IC photo 　　【财新网】上周履新江西省委副书记的庄兆林再添新职——兼任省委政法委书记。此前担任这两个职务的陈永奇，上周已“顺位”出任江西省委副书记、省政府党组书记。 　　据江西日报消息，11月3日，江西省委政法委机关干部大会召开，江西省委书记尹弘出席并讲话。江西省委副书记、省委政法委书记庄兆林发言，江西省委常委、省委组织部部长刘金波宣读省委关于省委政法委主要负责人任职的决定。这是庄兆林首次以省委政法委书记身份亮相。 　　庄兆林长期任职家乡江苏，历任镇江、盐城、泰州、徐州四市，2021年获提拔转岗江西。

视线｜AI冲击下的横店：摄影棚近80%空置，游客218元可“全资进组” 2026年8月13日，浙江东阳横店影视城，游客在镜头前演绎清宫剧剧情。图： 刘子琳/中新社/IC photo 　　2026年9月17日，国新办发布会上，广电总局网络视听节目管理司司长王小亮公布：2026年前8个月，全网上线微短剧43万部，是2025年全年的13倍，其中AI剧占比超9成；与此同时，2026年Q1真人短剧开机量同比下降75%，横店影视城周均接待剧组上半年同比下降24.84%，摄影棚空置率一度逼近80%。 　　大量项目无需实景实拍，真人短剧开机量明显萎缩，AI冲击下，横店影视城依靠剧组场租的传统模式受到严峻挑战。

让Agent首次拥有“视听双流记忆”：openJiuwen Agent-Memory看懂长视频，关键事件一个不落 长视频记忆精度飙升，问答时延最高降97% openJiuwen AgentMemory正式上线了多模态记忆能力OmniMem-Lens：按秒盲切是记忆碎片化的元凶，按真实事件记忆才是正解——召回精度最高提升45.7%，在线问答时延最高降低97%。 一个让所有Agent头疼的问题：3小时的视频，怎么“记”？ 在AI智能体（Agent）与多模态模型（VLM）快速演进的今天，我们已经不满足于让Agent处理单一的文本工作了，而是让它干更复杂的活儿。 比如“看完3小时的新品发布会，并找出所有产品亮点”，或者“分析一整天的监控视频，并标记出异常事件”。 然而，现有Agent面对超长视频时，海量信息会瞬间超出其上下文限度，导致处理能力和准确度大大下降。 目前业界的通行做法，是粗暴地把长视频按固定时间窗口（如一分钟）切分成一小段一小段，让智能体分开去记忆。 这种方式如同盲人摸象，给智能体记忆带来了两个致命伤： ① 记忆被切碎——证据碎片化 一段原本连贯的老师讲解，在中间被切断，前半段和后半段被智能体分开处理、分开存储。当用户提问时，智能体只能拿到半个“断章取义”的证据，于是胡编乱造、幻觉频出。 ② 记忆被稀释——证据淹没 一个几秒钟的关键动作，与前后几分钟无关的背景画面强行打包。智能体检索细节时，关键信息被大量噪音淹没，召回精度断崖式下跌。 问题的根源是，Agent是“按秒”在记视频，而人是“按事件”在理解视频。 打个比方，你回忆昨天看过的电影，会按“主角相遇→误会→和解”这样的情节去记，而不是拿秒表每60秒存一段。可现在的Agent，恰恰是拿秒表在记电影。 更棘手的是，市面上大多数视频事件分割方案只依赖单一模态，只看画面，或只听语音。可这两条路都会失灵：画面长时间不动时，它看不见内容其实换了议题；没有台词时，它听不到任何线索。 这不是算力不足，而是记忆在切分源头就失去了“焦点”。 OmniMem-Lens：让Agent像人一样“按事件”记忆 为了让智能体像人类大脑一样真正处理长视频，团队在openJiuwen AgentMemory 0.2.0版本中正式上线了OmniMem-Lens（多模态记忆透镜）能力。 作为AgentMemory针对视频多模态记忆处理的核心技术，OmniMem-Lens开创性地通过视觉和听觉两条轨迹来理解视频中的事件，并以此完成记忆内容的组织，让Agent的视频记忆第一次真正做到——按事件存，按事件取。 团队对它的定位是：给智能体装上一个懂得“自动定焦”和“分层整理”的超级海马体。 它做对了三件事：按真实事件切、分层存记忆、离线建好在线查。 视觉听觉联动：像人类大脑一样，按真实事件记忆 OmniMem-Lens给智能体同时装上了“眼睛”和“耳朵”：眼睛看画面，画面切换时判断出变化并标记；耳朵听语音，画面没动但说话人换了话题时，通过ASR语音转录分辨出来。 双证据交叉对焦，长视频被切分在真实事件边界上，智能体对视频的理解从此不再“断章取义”。 三层记忆结构：不同颗粒度分层存，细节回溯与整体理解兼得 用户的每次提问，需要的证据颗粒度可能都不一样。OmniMem-Lens在后台建立了一个三层记忆单元： 要大纲有大纲，要细节有细节，检索时按需取用，互不干扰。 就像一本带目录和索引的书：目录（L1）帮你翻到大致章节，索引（L2）帮你定位到具体某一句话，原文（L0）随时可以翻回去核对。 同时，L1与L2记忆单元完全文本化与向量化，可以无缝接入主流向量数据库——对已有RAG/Agent技术栈的开发者来说，几乎零改造即可用上。 记忆离线建，回答在线查：慢功夫提前做，快响应留给用户 如果每次不同角度的提问，都需要智能体把几个小时的视频重新看一遍，不仅反应极慢，还会消耗巨大算力。 OmniMem-Lens把繁重的记忆整理工作提前在离线做完；智能体面对提问时直接查记忆，做到秒级响应，问什么答什么。 在线检索的链路并不复杂：用户Query先与L1/L2的记忆单元做语义匹配，快速定位到精炼的多模态记忆；只有当明确需要视觉细节验证时，系统才按需调取L0层的精确视频帧。这种“轻量级文本索引+延迟调取原始视频”的架构，大幅提升了视频记忆检索的效率。 OmniMem-Lens的设计哲学在于：像专业摄像机一样双焦定格事件边界，像三棱镜一样分层折射记忆结构，从而让智能体对长视频的理解，从盲目切割，走向精准透视。 实测数据：精度全面领先，时延最高降97% 说得再好，不如跑一遍数据。团队选取了三个主流长视频问答评测集，将应用了OmniMem-Lens能力配合Qwen3-VL-8B模型处理视频记忆问答，与直接使用VLM模型Qwen3-VL-8B处理视频内容问答进行对比。 一句话看懂下面的表： “召回精度”越高=找到的证据越准； “在线时延”越低=等答案的时间越短。 ① 记忆召回精度：三个评测集全面领先 在通用长视频基准Video-MME-L上提升8%，长视频理解基准LVbench上提升6.4%。 最亮眼的是EgoLife-QA上的+45.7%——这个评测集以第一人称视角记录一整天的日常生活，事件密集、细节琐碎，恰恰是固定切分最容易失效的场景，也最能体现“按真实事件组织记忆”的价值。 ② 在线问答时延：从“重新看一遍视频”到“直接查记忆” 视频越长，VLM直答需要“啃”的画面就越多，时延也就越长——LVbench上Qwen3-VL-8B要等34.5秒，OmniMem-Lens只需1.72秒，快了整整20倍。 换成生活场景：VLM直答像每次都把3小时的电影从头到尾重看一遍再回答你；OmniMem-Lens像一位看电影时就已经做好笔记的影评人，你问哪段，他翻笔记直接答。 两个例子，看懂“失焦盲切”与“精准透视”的差距 例一：因果关系被切断 以一段2小时的动画片为例：站台上，女生离开、男生目送，女生离开后，男生幻想她变成蝴蝶飞走。 固定1分钟盲切把这段120分钟的视频切成120个片段。而“女生离开→男生目送→幻想蝴蝶”这个完整事件，从第14分20秒持续到第16分50秒，恰好横跨第14、15、16三个窗口，被窗口边界连切两刀。 于是碎片变成了三段互不相干的记录：第14分钟「女生离开」、第15分钟「男生目送」、第16分钟「蝴蝶飞走」。 当用户查询“在女生离开后，男生在想象什么？”时，检索到的片段里只有“男生目送”和“蝴蝶飞走”，却没有任何线索说明这蝴蝶只是幻想——智能体把它当成了真实发生的事，答非所问。 OmniMem-Lens则把这个事件作为完整的一段（第14分20秒—第16分50秒）存进记忆：ASR流听出话题转向，视觉流捕捉到场景切换，双流对焦在真实边界落刀。“女生离开后再幻想”的因果关系被完整保留，事实与幻想分得清清楚楚，准确回答。 同一段视频，不同的记忆组织方式，就是“答不出”和“答得准”之间的差距。 例二：画面静止时，耳朵才是关键 上面这个例子靠视觉线索就能解决。而下面这个场景，光有眼睛是不够的。 一场2小时的产品评审会，屏幕上始终是同一张架构图，40分钟没有任何变化。但这40分钟里，讲者先后讲了三个独立议题：架构设计、性能压测、下季度排期。 只看视觉的方案（以及固定窗口盲切）看到的是“一段静止画面持续40分钟”，于是判定为同一段内容，把三个议题打包进同一条记忆。当用户问“性能压测那部分的QPS是多少”时，关键数字被埋在40分钟的噪音里，召不回来。 OmniMem-Lens的ASR语音流听得出来：画面没变，但讲者在换话题。语音一旦转向，系统立即落刀——三个议题各自成段，提问时一击即中。 这正是视听双流的价值所在：视觉失灵时，听觉顶上；听觉失灵时（比如无台词的镜头切换），视觉顶上。任何单独一路都可能漏判，两路交叉才靠得住。 WorkSwarm即将支持对接使用openJiuwen AgentMemory，将日常对话中的视频内容帮你记住，讨论时帮助你快速回忆。 写在最后 智能体要想真正替人类干复杂的工作，就不能只有“执行力”，更要有“好记性”。 OmniMem-Lens通过让智能体“按真实事件记”与“分层高效查”，解决了长视频场景下智能体记忆碎片化、找不准、反应慢的问题，为多模态智能体打造了一套高精度、极速响应的记忆底座，让智能体在面对长视频时，真正做到“过目不忘、对答如流”。 OmniMem-Lens已在openJiuwen AgentMemory 0.2.0版本正式上线，欢迎体验、共建。 如果这篇文章对你有帮助，欢迎点赞、在看、转发三连，也欢迎在评论区聊聊：你的Agent是怎么处理长视频记忆的？ 项目地址：https://gitcode.com/openJiuwen/agent-memory/ *本文系量子位获授权刊载，观点仅为原作者所有。

10月经济：年内修复会否再遇波折 油价重新走高下，年内经济修复会否反复？哪些领域韧性较强、哪些潜在变化值得关注？ 2026年11月1日，江苏淮安，市民在一家生活超市购物消费。图：视觉中国 一问：高油价的冲击会否再现？ 　　PPI：9月中下旬以来，油价、煤价、运费涨幅扩大及中下游供给出清延续下，PPI同比或进一步走高至5.4%。一是国际油价领先石化链PPI约半个月，9月中旬以来布伦特原油价格上行至130美元/桶以上、环比27.2%；与此同时，高油价或令石化链中下游供给出清延续，中国进口原油运价综合指数也进一步走高（环比45.5%），或共同支撑石化链价格。其余领域中，煤炭供给持续偏紧，冬季用煤需求提前释放下，煤价延续偏强表现（环比4.8%）。智利铜矿发生罢工或令铜供给有所收紧，叠加全球AI需求维持较高景气， AI通胀或仍有上行空间。综上，10月PPI或上行至5.4%附近。 　　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。

1000亿元+2000亿元 稳市效果如何 A股此轮回调，已令公募基金三季度巨亏1.5万亿元 刚刚过去的10月共有107家A股上市公司披露回购预案公告，公告回购金额超199亿元。图：视觉中国 　　【财新网】11月2日多部委重振资本市场座谈会后，稳市政策不断推出。 　　11月2日，证监会宣布将放松“护盘式回购”限制，降低融资保证金比例。11月3日，中国人民银行发布公告称开展了1000亿元与证券、基金、保险公司的互换便利操作，31家证券、基金公司参与投标，中标费率为10bp。11月4日，央行公布下调股票回购增持再贷款利率0.25个百分点至1%，21家全国性银行和5家系统重要性城商行已向央行申请额度超过2000亿元，支持比例为100%，期限1年。（参见财新网《央行启动第三次互换便利 申请额度超1000亿元》《多部门释放稳市举措 两项货币政策加码、护盘回购限制放宽、融券保证金比例下降》《稳市“弹药”再加2000亿元 央行优化股票回购再贷款政策》）

图集｜全美进入中期选举投票时间 当地时间2026年11月3日，美国佐治亚州亚特兰大，美国举行中期选举投票，选民进行投票。图：Edgar Su/IC photo 　　【财新网】当地时间2026年11月3日，美国中期选举进入投票时间，全美各个州投票开始。美东时间3日6点，缅因州、纽约州、弗吉尼亚州等东部州率先开启投票。美国本土州的投票最晚将于美东时间23:00结束，夏威夷州以及阿拉斯加州地区将截止至4日0:00。 　　在本次中期选举中，共和党和民主党将角逐国会众议院全部435个席位和参议院100个席位中的35个。选民还将选出36个州的州长以及部分州的州议会议员等地方公职人员。

【地缘图志】民主党“蓝潮”将至，哪些“特朗普交易”要逆转？

中国将加快推进人工智能基础性综合性立法 截至目前，中国尚无全国统一的人工智能专门立法 11月3日，国家发改委举行奋进“十五五”系列新闻发布会，国家发改委创新和高技术发展司副司长王若蒙在会上发言。图：视觉中国 　　【财新网】中国人工智能立法有新动向。11月3日，国家发改委创新和高技术发展司副司长王若蒙在新闻发布会上表示，一方面，将系统总结中国人工智能治理经验做法，加快推进人工智能基础性综合性立法，构建人工智能法律法规体系的四梁八柱；另一方面，加快完善保障数据、算力、算法等共性要素，以及规范重点应用场景的立法，建立覆盖人工智能全生命周期的安全标准和伦理准则。 　　此前的2026年全国“两会”期间，司法部部长贺荣在参加“部长通道”采访活动时表示，今年将加快研究人工智能等领域立法。

人事观察｜56岁郭宁宁代理福建省长 本硕博均毕业于清华大学，长期任职金融系统，“空降”福建八年历经多岗位历练 资料图：郭宁宁。图：视觉中国 　　【财新网】担任福建省政府党组书记11天后，郭宁宁出任福建副省长、代省长。 　　11月4日，福建十四届人大常委会二十五次会议决定，接受赵龙辞去福建省长职务的请求，任命郭宁宁为福建副省长、代省长。当日，新福建客户端公布上述消息。 　　10月24日，新福建客户端发布消息，福建省委决定：郭宁宁任福建省政府党组书记。郭宁宁是二十届中央候补委员，此前担任福建省委副书记、福州市委书记。二十届中央委员、前任福建省长赵龙2026年9月已履新福建省委书记。

美国中期选举首批结果渐明朗 “蓝潮”席卷全美南卡遭意外翻转 特朗普确认他将接受选举结果：“我完全愿意接受这些结果，我们会与民主党人合作” 2026年10月31日，美国俄亥俄州巴特勒县，在巴特勒县的选举委员会，选民排队参加中期选举的提前投票。美国现任副总统万斯就在巴特勒县的Middletown出生长大。图：财新 曾佳 　　【财新网】截至美东时间11月3日晚10时，美国中期选举的参议院激战州计票仍在紧张进行中。在所有摇摆州中，民主党候选人或已宣布胜选，或在现有计票结果中都保持领先。美国多家主流媒体和主要线上押注网站认为，民主党夺回参议院控制权的概率高达95%以上，本届国会改选很可能迎来“蓝色海啸”。 　　激战州的结果将决定未来两年参议院的最终归属。目前美国国会两院均由共和党控制。民主党能否拿下国会两院的多数席位，有望在北京时间11月4日中午出炉。

币安：一场假面试引发的63亿美元加密货币劫案 朝鲜黑客历时四个月渗透币安钱包团队，诱导下载恶意软件，借内部AI工具获取签名权限 北京时间2026年11月3日晚22时33分，全球最大加密货币交易所币安（Binance）发布初步调查报告，首次完整披露10月29日安全事件的来龙去脉。图：视觉中国 　　【财新网】北京时间2026年11月3日晚22时33分，全球最大加密货币交易所币安（Binance）发布初步调查报告，首次完整披露10月29日安全事件的来龙去脉。报告确认：约63.4亿美元加密资产在此次事件中被非法转出，而整起事件的起点，是四个月前一场针对币安工程师的虚假招聘面试。“面试官”诱导币安员工下载恶意软件，进而控制了该员工的计算机，并利用内部AI工具逐步控制其他多名员工的设备，最终获取钱包签名权限，并利用EIP-7702授权机制绕过正常提现流程转移资产。

【大盘脉搏】早盘跌多涨少 半导体、人形机器人板块领跑

分析｜透视美国中选的中国议题——继续强硬还是开始松动？ 对华持负面观感的美国人比例，与2023年的83%相比，三年来已下降了12个百分点；正面评价则从2023年的14%，升至2025年的21%，再升至今年的27% 当地时间2026年11月2日，美国得克萨斯州奥斯汀，塔拉里科在竞选集会上挥手致意。图：视觉中国 　　【财新网】大约两月前，和几位到访新加坡的美国China Hands（中国通）聚会，聊起现在美国对华态度从上到下的三个分层：领导人层面在接触对话；鹰派声音越来越大，在政策和政治层的人物觉得美国应该对华重归强硬；民众们，一来是对国际事务的关注度远不如美国国内经济和生活成本问题，二来，在社交媒体上反而出现了不少觉得“中国很酷”的生活化内容。 　　“普通美国人对华看法的变化（或者对中国相关议题的缺乏关注）会传导到华盛顿吗？”我问几位朋友。 　　“就看中期选举上，多少人提到中国了，”一位分析者说。“我猜应该会变少。”

AI融资热潮的兴起、裂痕与前景 AI融资能否持续，最终取决于商业化收入能否兑现，以及监管与宏观利率环境的变化 　　随着美国AI投资升温，融资模式正从主要依靠超大规模云厂商经营现金流，转向内部资金与公司债、银行贷款、私募信贷及资产证券化共同支持。AI融资对美债收益率推升目前有限，但信用市场已出现分化，对AI融资的担忧也一度拖累科技股。往前看，AI融资能否持续，最终取决于商业化收入能否兑现，以及监管与宏观利率环境的变化；基准情形下，算力需求增长有望支撑资本开支维持高位，但部分项目可能因融资条件收紧而退出。 谁为AI投资热潮融资 　　受益于AI需求的超预期回升，2026年美国AI投资热潮进一步升温，2026年一季度和二季度AI相关资本开支规模不断上调。市场机构普遍预计，未来数年全球AI基础设施投资总投资将达到3万亿-5万亿美元。当前AI投资扩张速度超过运河、铁路、互联网等大规模投资时期，投资规模也有望成为美国历史之最。以美国超大规模云厂商资本开支为例，2026年美国超大规模云厂商未来三年的资本开支规模不断上修。截至2026年11月初，美国超大规模云厂商2026年的资本开支规模从2025年底的5294亿美元上调至8705亿美元（占GDP之比从1.6%上调至2.7%），2027年规模将达到1.36万亿美元（占GDP之比为4.1%）。为支持AI投资热潮，AI产业链融资从云厂经营现金流为主扩展为内部资金与多层外部资本共同支持。IMF（2026）将AI价值链划分为数据中心建设者、供能企业、芯片与硬件开发商，以及超大规模云厂商、新型云厂商、软件和数据中心运营商等环节，其中，超大规模云厂商仍是AI投资的核心。截至2026年3月，超大规模云厂商占样本企业总收入的61%和总债务的55%；广义AI投资还包括建设机房和电力设施、采购芯片并运营GPU集群的企业。随着AI基础设施投资规模扩大，AI产业链融资更多转向公司债、私募信贷、银行贷款等外部融资。由于资本开支规模的扩大，超大规模云厂商自身现金流已不足以支持AI融资。例如，Factset一致预期显示亚马逊、谷歌、微软、Meta、甲骨文和SpaceX六家公司的合并自由现金流（Free Cash Flow， FCF）在2026-2027年均为负值。超大规模云厂商为投资级，通过投资级公司债、股权融资等表内方式支持AI资本开支；新云厂商通常为投资级以下，通过高收益率债、私募信贷、芯片抵押贷款等方式支持AI资本开支。此外，为了降低大规模举债对评级和财务状况的负面影响，超大规模云厂商以及新云厂商还通过长期采购和租赁协议等表外承诺，吸引更多资本进入，为AI基础设施扩张融资。一种常见的结构是，中心位置是特殊目的载体（SPV），它拥有一座数据中心，从超大规模云厂商所签订的合同中获得收入；银行通过提供贷款为项目建设融资，待数据中心建成运营后，SPV以私募方式向保险等非银金融机构发行债券或资产支持证券（ABS）。新云厂商（Neocloud）和AI实验室大多没有信用评级，或评级低于投资级，也会通过算力采购协议支持SPV。芯片供应商除销售设备外，有时还通过股权投资、容量采购承诺或资产残值支持参与融资。Hyperion案例显示了AI数据中心如何借助超大规模云厂商的租约吸引外部资本：Meta提供算力需求和合同支持，机构投资者承担长期融资。Blue Owl管理的基金持有项目80%股权，并通过发行约273亿美元的私募优先担保债券筹资；Meta持股20%，承租园区设施，但不将合资企业并表。Meta的租约自2029年起生效，初期为4年、可续至最长20年，并在运营前16年提供有条件、设上限的残值保障。往前看，预计资本竞争仍将持续。考虑AI资本开支规模仍在扩张，AI产业链企业将持续扩展融资渠道，资本竞争将持续。英国央行的预测显示，2026-2028年全球数据中心累计资本开支约为3.21万亿美元，其中股权资本（包括自有资金以及股权融资）约1.46万亿美元，占45%；各类债务合计约1.75万亿美元，占55%。债务来源中，私募信贷约7000亿美元、投资级债券约6500亿美元、ABS及CMBS约2000亿美元、高收益债约1500亿美元、贷款约500亿美元。这意味着，AI投资未来将持续占用公开债券、私募信贷和证券化市场的融资能力，资本竞争因而加剧。具体来看： 　　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。

QuestMobile报告：红果短剧用户量达4.3亿 超越豆包 除了占取闲暇娱乐时间，字节跳动在AI入口上的用户规模优势也已显现 2026年10月29日，红果短剧平台。图：视觉中国 　　【财新网】11月3日，移动数据调研机构QuestMobile发布2026中国移动互联网秋季报告，该报告显示，字节跳动旗下的红果免费短剧（以下简称“红果”）去重用户量已经增至4.3亿，超越字节跳动的AI助手应用豆包，成为字节跳动用户仅次于抖音的第二大APP。 　　对比QuestMobile往年同期报告，红果的增长曲线堪称陡峭。2024年9月，红果短剧月活为1.22亿；2025年9月增至2.36亿。今年9月的数值同比增长82%。如此增速，在当下以内容分发为主的移动产品中十分罕见。（详见《财新周刊》 2025年第43期封面报道 《短剧狂奔》）

美州长选举民主党在得州等4州实现翻转 首位非裔女性州长产生 民主党分别在佐治亚州、爱荷华州、俄亥俄州和得克萨斯州共4个州实现了翻转 当地时间2026年10月27日，美国俄亥俄州扬斯敦，艾米·阿克顿参加竞选活动。图：IC photo 　　【财新网】截至美东时间11月4日凌晨，2026年美国中期选举的州长选举仍有一部分在计票过程中。今年共36州举行州长选举，据美联社的实时更新结果，至发稿时已确定选举结果的有23个州，其中民主党拿下18个州，共和党拿下5个州，民主党分别在佐治亚州、爱荷华州、俄亥俄州和得克萨斯州共4个州实现了翻转。 　　剩余州中，堪萨斯和内华达等关键摇摆州仍在激烈角逐中。据NBC新闻统计，在目前已统计的超90%的选票中，民主党候选人辛迪·霍尔舍的得票率约50.8%，共和党候选人泰·马斯特森得票率约49.2%。

民主党重夺美国国会两院控制权 “80后”参议员奥索夫与塔拉里科成新星 美国民主党将在特朗普截至2029年1月结束的剩余任期内，同时掌握美国国会参众两院的控制权 当地时间2026年11月2日，美国佐治亚州迪凯特市迪卡尔布县，美国参议员乔恩·奥索夫在一场竞选活动上发表讲话。图：ERIK S. LESSER /视觉中国 　　【财新网】截至美东时间11月3日晚11时（北京时间11月4日中午12时），美国中期选举参议院激战州的计票进入到后半段，在得克萨斯、俄亥俄、堪萨斯州、艾奥瓦州的参议员席位改选中，民主党再拿下4个州。 　　这一进展，连同稍早已经确定由民主党占多数的众议院改选结果，使美国民主党将在特朗普截至2029年1月结束的剩余任期内，同时掌握美国国会参众两院的控制权。这将对特朗普政府的所有重大议程与法案、重要人事任命，以及内外决策方向，带来显著的牵制效应。涉及特朗普本人和其亲信的国会调查，也将更容易获得启动。

聚焦｜应对能源危机，电气化为何成热词 在地缘格局剧烈变化的今天，提升电气化率，让更多终端的能源需求由本国清洁电力满足，成为各国减轻对外部依赖、实现能源自主的核心选择 资料图：高架电气化铁路桥梁。图：视觉中国 　　在今年关于全球气候合作的讨论中，出现了一个新热词：电气化。 　　在9月底的纽约气候周上，今年气候大会的主席国土耳其正式发布了“全球电气化倡议”，号召各国政府加入。该倡议提出，在2035年前，将全球电气化率提升到35%（“35 by 35”），并在2050年进一步提升至50%以上。 　　为什么是35%？国际可再生能源机构（IRENA）的1.5°C情景测算显示，要想在2050年前将全球气温上升幅度控制在1.5°C以内，电力在全球终端能源消费中的占比需要从当前的约23%升至2035年的35%，2050年超过50%。IRENA指出，这种由可再生能源、电网建设和能效提升驱动的电气化（即清洁电气化），不仅有助于降低温室气体排放，还有助于各国增强能源安全和系统韧性，提升经济竞争力。

刑诉法修正草案亮相 求解“指居”、趋利性执法、“占坑式辩护” 修正草案共55条，涉及多方面内容。“禁止有罪推定”写入总则，明确“指居”属于特例，对涉案财物处置增设一个专章 据新华社消息，11月2日，《刑事诉讼法（修正草案）》提请十四届全国人大常委会第二十五次会议初次审议。图：视觉中国 　　【财新网】广受关注的《刑事诉讼法》第四次修改方案终于亮相，“禁止有罪推定”将写入法条。据新华社消息，11月2日，《刑事诉讼法（修正草案）》提请十四届全国人大常委会第二十五次会议初次审议。 　　刑诉法素有“小宪法”之称。它与界定国家权力与公民权利之关系的宪法类似，是规范刑事司法中公安、司法机关权力与犯罪嫌疑人、被告人权利之关系的基本法律。自1979年第五届全国人大二次会议一次性通过包括刑诉法在内的七部法律以来，该法在1996年、2012年作过两次全面修改，2018年作了部分修改。

人身险预定利率研究值下降4个基点至1.9% 预定利率研究值主要由贷款、存款和长债利率确定；自2026年下半年以来，长期国债收益率又开始下探，当前10年期国债收益率为1.62%，环比下降6.12个bp 由于1.9%与当前在售的传统险产品预定利率最高值2.0%相差不超过25个基点，这意味着，人身险产品的预定利率将保持稳定，普通型保险产品预定利率最高值2.0%，分红险预定利率最高值1.75%，万能险最低保证利率最高值1.0%。图：IC photo 　　【财新网】11月4日，中国保险行业协会官网披露，该协会近期组织召开人身保险业利率研究专家咨询委员会2026年三季度例会。经与会专家研究，当前普通型人身保险产品预定利率研究值为1.90%，较上个季度下降了4个bp。 　　由于1.9%与当前在售的传统险产品预定利率最高值2.0%相差不超过25个基点，这意味着，人身险产品的预定利率将保持稳定，普通型保险产品预定利率最高值2.0%，分红险预定利率最高值1.75%，万能险最低保证利率最高值1.0%。

众议院民主党收复失地 民主社会主义者阵容扩大 本次中期选举中，民主党已夺取多个原由共和党掌握的选区，并在关键选区收复失地 当地时间2026年11月3日，美国纽约，支持者出席纽约州总检察长利蒂希娅·詹姆斯的选举夜活动。图：视觉中国 　　【财新网】当地时间11月3日，美国中期选举陆续开票。民主党以压倒性优势夺回联邦众议院控制权，结束共和党自2023年以来在该院的多数地位。与此同时，美国民主社会主义者组织（DSA）支持的候选人至少赢得五个众议员席位，扩大了这一组织在民主党国会党团中的代表阵容。 　　截至发稿，民主党已赢得众议院227席，超过取得多数所需的218席，夺回该院控制权；共和党赢得144席。 　　众议院与参议院共同组成美国国会，负责联邦立法和监督行政部门。众议院435个有表决权的席位按各州人口分配，议员由各选区选民直接选出，任期两年，每次选举全部改选。一个政党赢得218席，即可取得多数。

图集｜美国中期选举：深红得州翻蓝 共和党38年来首次丢掉参议院席位 当地时间2026年11月3日，美国得克萨斯州奥斯汀，得克萨斯州民主党联邦参议员候选人詹姆斯·塔拉里科出席选举之夜集会。图：Kaylee Greenlee/IC photo 　　【财新网】当地时间2026年11月3日晚，美国选举数据分析机构决策台总部网站预测，得克萨斯州民主党联邦参议员候选人詹姆斯·塔拉里科将击败共和党候选人肯·帕克斯顿，成为1988年以来首名在该州赢得联邦参议院席位的民主党人。 　　位于美国南部的得州是共和党传统票仓，过去三届总统选举中均支持特朗普。有分析认为，民主党在得州的胜利是一个重大时刻：一方面，该党终于在一个对总统选举至关重要的州取得重大胜利；另一方面，这也帮助民主党进一步接近夺回参议院多数席位。民主党需要净增4个席位才能重新掌握参议院多数，根据美国媒体预测，民主党在北卡罗来纳州和南卡罗来纳州的参议院选举中均将翻盘获胜。

虎鲸文娱“鲸锐AI”平台正式上线，AI视频单分钟成本节省30%以上 11月4日，虎鲸文娱集团打造的行业首个AI影视制作与管理平台“鲸锐AI”正式上线。 11月4日，虎鲸文娱集团打造的行业首个AI影视制作与管理平台“鲸锐AI”正式上线。鲸锐AI平台聚焦AI视频制作过程精准可控、银幕级质感成片交付、成本可管理三大目标，集成了市面上50余个主流AI视频生成模型与10余个自研模型，无限画布支持千级节点、百人实时协同创作。通过鲸锐AI平台的精准控制和流程优化，AI视频单分钟成本较传统AI生成方式可节省30%以上。 即日起，鲸锐AI平台官网（www.jingruiai.cn）开放全员注册，创作者无需订阅会员、积分即充即用。此外，用户在鲸锐AI平台的团队席位不限人数，避免由于团队人数增减带来的不必要席位成本，创作者团队的使用门槛进一步降低。 “对虎鲸文娱而言，鲸锐AI的正式上线是平台与新生代AI创作者共建文娱产业新基建的起点。”虎鲸文娱集团CTO杜颜龙表示，“接下来，鲸锐AI平台会在众多真实项目中持续打磨，我们期待更多专业团队把更严苛的要求带进来，和我们一起定义AI影视的专业标准。” （鲸锐AI官网页面） 让“抽卡”精准可控，AI视频单分钟成本节省30%以上 今年以来，AI生成内容加速进入大众视野。国家广播电视总局披露的数据显示，今年前8个月全国上线微短剧43万部，AI生成类占比超过九成。当画面生成不再是稀缺能力，能否按照专业标准稳定交付一部完整作品，正成为AI影视工业化的分水岭。 针对AI创作中普遍存在的反复生成、难以复现的问题，鲸锐AI平台将场景、人物表演、摄像机、虚拟片场和光影调节做成五类精控套件，配合35类工具、300余项精控能力，覆盖镜头、表演、光影、站位、场景编辑等创作环节，让创作者的每一镜意图都可以被精准表达、逐镜复现和持续微调，从“碰运气黑箱抽卡”转向“有意图地做选择”，减少无效返工。据用户实测，在同一人、同场戏、同时长的对比条件下，鲸锐AI平台的视频制作时长可缩短40%至60%。 （鲸锐AI平台聚焦制作过程精准可控） 成片质量上，鲸锐AI平台通过AI人脸修复、9种真人影视质感增强模式、AI绘景以及自研超分与HDR方案，将AI素材提升至银幕与大屏级水准，可直出4K、60帧、10bit、HDR规格内容。据平台实测，与传统的“导出—后期—回传”处理流程相比，鲸锐AI平台的超分直出方案可节省约65%的成本。 （鲸锐AI平台可实现银幕级质感成片交付） 专业制片流程也离不开精细化的成本管理——鲸锐AI平台支持按集、按场、按团队、按项目核算制作消耗，成本全程可追溯。相较使用提示词、单模型的传统AI生成方式，通过鲸锐AI平台的精准控制和流程优化，AI视频单分钟成本可节省30%以上。 （鲸锐AI平台精细化成本管理模式） 适配真实生产环境，无限画布支持百人实时创作 杜颜龙介绍，鲸锐AI平台是从专业影视制作的真实生产环境中打磨而来，测试期间已支持百余部项目的落地生产，覆盖剧集、少儿、动漫、商业广告等全品类内容。为了更好地满足团队协作需求，鲸锐AI平台的无限画布支持千级节点、百人实时创作，可按项目、分集、分场和角色组织生产，并将数字资产、提示词与工作流统一沉淀，为长周期、多工种的影视内容项目提供组织保障。 据了解，在鲸锐AI平台正式上线前，多家制作团队与创作者已在实际项目中深度使用。多位参与内测的专业影视创作者反馈，从前期的可视化分镜，到制作中的资产管理，再到后期的超分与补帧，鲸锐AI平台能够提供覆盖全流程的专业支持，把导演想象的画面迅速呈现出来，让创作者能把更多精力放回镜头表现和故事叙述上，并且迭代快、周期短、成本更低。 业内知名制作公司时光坐标的负责人将鲸锐AI平台比作“一条串起来的线”，从场景编辑、角色资产到超分增强可以在同一页面完成，沟通与返工明显减少；九万里影业的负责人则表示，同一段描述下，鲸锐AI平台能更加自然地还原景深、材质与环境光的层次，机位与光感“基本能把脑海中的构图翻译成画面”。 “工具的价值，最终要由作品来证明。”杜颜龙表示，“我们希望鲸锐AI平台托住的不只是效率，更是每一位创作者对作品的认真——让懂镜头、懂表演、懂叙事的人，在新的创作方式中被放大，而不是被消耗。” （鲸锐AI平台四项首发权益） 本文由虎鲸文娱提供，量子位获授权转载，观点归原作者所有。

超维动力全栈矩阵亮相2026香港金融科技周，具身智能硬科技引爆全场 一场别开生面的具身智能科技盛宴 以“金融科技枢纽 联通世界 共建未来”为主题的香港金融科技周×StartmeupHK 2026在香港会议展览中心揭幕。作为全栈具身智能大模型公司，超维动力（Kinetix AI）携高动态人形机器人乒乓系统SMASH、全球最高自由度（117 DoF）的超高拟人人形机器人本体KAIBot、超高自由度灵巧手KAI Hand与第一人称数采头环KAI Halo等全栈矩阵登场，为全球的金融科技从业者带来一场别开生面的具身智能科技盛宴。 恒生银行 × 超维动力：SMASH 再上新台阶，球技逼近专业选手 本届大会，超维动力联合恒生银行打造“与乒乓机器人同乐（Have Fun with the Bot）”体验区。观众可亲自上阵，与SMASH展开一场酣畅淋漓的对决，零距离感受最前沿科技的魅力。该展区人气火爆，成为现场最瞩目、最受欢迎的互动打卡点之一，香港商务及经济发展局局长丘应桦亦亲临现场，与机器人切磋球技。 超维动力自主研发的高动态人形机器人乒乓系统 SMASH，让机器人能在毫秒级时间窗口内完成来球识别、轨迹计算与击球动作规划，肩、肘、腕、腰、腿多关节协同联动，实现自主接发球，并能稳定打出长球、短球等高难度回球。不仅如此，系统能力进一步升级，机器人能自如应对各类旋转，回击时还能施加更强的旋转变化；接球空间覆盖从远台到近台的完整连续空间，可适应更复杂多变的来球轨迹。升级后，SMASH在球技水平上已进一步逼近专业选手。 超维动力联合创始人兼CEO喻杰：为何坚持全栈路线 在香港金融科技周“全球科创・智汇中国论坛”，超维动力联合创始人兼CEO喻杰参加主题为“从部件到系统：具身智能产业化的最大瓶颈（From Components to Systems: Identifying the Primary Bottleneck in Robotics Industrialization）”圆桌论坛。喻杰表示，超维动力作为全栈具身智能大模型公司，选择全栈路线主要基于四个方面考量： 其一，喻杰认为通用人形机器人是具身智能产业的终局，现有环境均以人为中心设计，人形机器人必然是最大市场。 其二，更高难度的全栈路线既是挑战，也是构筑技术壁垒的机遇。 其三，量产交付必须具备数据、算法到硬件的全链条掌控力，团队汇聚了各领域顶尖人才；同时美国的特斯拉、Figure等同行也走同一方向，在资本和产业链上起到引领作用。 其四，全栈并非全部自研，而是关键环节自主把控、成熟方案择优采用，反而提升研发效率，如自采数据能大幅降低成本并拓展商业化路径、自建训练平台提高GPU算力利用效率。 因此，尽管入局较晚，超维动力看好国内通用人形领域的市场前景，且产品已取得显著进展，坚信能够做成、做好。 KAIBot：全球最高自由度的超高拟人人形机器人，与观众实时互动 本次活动，KAIBot在展位与观众互动，依托内置大模型进行自我介绍，并在“机器人派对”专属展示专区亮相。香港商务及经济发展局局长丘应桦亦来到超维动力展位与KAIBot进行交互。 超维动力认为，只有足够拟人的身体，才能真正融入人类生活与工作场景，也才能更好承载人类动作数据。KAIBot是高拟人人形机器人，搭载117个全身自由度，高度复刻人体运动结构与活动范围，适配各类生活和商业交互场景。机身173cm、70kg的拟人体态，是训练拟人类动作、落地实景作业的优质硬件载体；并配备覆盖率80%的定制触觉皮肤，拥有18000个高精度感知触点，可识别低至0.1N的细微力度，保障近距离人机交互、物件抓取的安全性与精准度。 KAI Hand：等比例复刻人手的精细操作能力 KAI Hand是专为具身智能精细操作而生的超高自由度仿生灵巧手，37个自由度（含20个主动自由度、1个被动自由度、16个柔顺自由度），与真人手掌1:1尺寸还原。 被动柔顺设计让磕碰时自动缓冲，响应远超电机主动柔顺，桌面操作不怕碰撞；力热平衡设计支持指尖力30N以上持续抓握，10分钟整手最高温度不超过人体体温。 采用模块化设计，单指损坏可自行拆换，无需整手返修；5个指尖配置触觉传感器，可在掌心、手腕等部位选配视觉传感器，支持任务操作中视觉+触觉的丰富感知，这套配置方式与目前多种知名的具身智能开源数据集相匹配，便于直接迁移使用。 KAI Halo：第一人称数采头环，打通数据采集全链路 KAI Halo是一款全身第一视角数据采集设备，四个摄像头融合多相机视觉与IMU数据，实现厘米级全身姿态理解与环境重建，稳定记录三维人体运动轨迹并生成动作语义标签。 配套全链路数采平台管理系统，覆盖采集任务下发、数据云端自动化处理到模型训练、部署测试的完整闭环。头戴部分仅300余克，支持长时间连续采集，可通过手机APP实时查看采集画面与数据质量。 关于超维动力 超维动力智能科技有限公司（简称”超维动力”）成立于2025年7月，是全栈具身智能大模型公司，致力于推动人机共行共生。 公司核心聚焦原生具身大模型、具身智能AI Infra平台以及无本体（Ego Centric）多模态数据采集软硬件解决方案和超高拟人通用人形机器人本体的落地。截至2026年11月，公司现有员工约200人，科研人员占比超80%，硕博占比超50%，公司核心团队来自全球顶尖企业与高校。 本文由超维动力提供，量子位获授权转载，观点归原作者所有。

单伟建：中国楼市企稳迹象日益明显 消费有望提升 他看好物业管理行业，认为该行业既能带来稳定现金流，又能适应民生所需 太盟投资集团（PAG）执行董事长兼联合创始人单伟建认为，近期中国房地产市场回稳的迹象已日益明显，有望带动居民消费改善。 　　【财新网】“房地产市场不止跌企稳的话，消费很难改善。”太盟投资集团（PAG）执行董事长兼联合创始人单伟建认为，近期中国房地产市场回稳的迹象已日益明显，有望带动居民消费改善。 　　单伟建出席11月4日在香港举办的“2026年国际金融领袖投资峰会”后对财新等媒体作出上述表达。他指出，中国家庭储蓄高达约30万亿美元，仅家庭存款就有约25万亿美元。这一现象反映出房地产市场低迷拖累消费信心，带来家庭资产负债表收缩。

中国台湾拟进一步限制大陆半导体出口 违规转运处罚加重 中国台湾拟修法将特定集成电路、半导体关键材料及零部件纳入出口管制，并重罚违规转运 资料图：江苏宿迁，半导体有限公司的工人在无尘车间里检测芯片。图：视觉中国 　　【财新网】11月2日，中国台湾地区立法机构经济委员会召开《贸易法》部分条文修正草案公听会，讨论扩大对中国大陆特定集成电路、半导体晶圆关键材料、零部件及制造设备等出口管制，并提高违规出口及第三地转运的刑事处罚力度。 　　公听会即立法前的公开意见座谈会。据中国台湾《贸易法》第13条原有规定，不能向中国大陆出口化学机械等12类半导体晶圆制造设备“高科技战略货品”。此次修正草案拟新增《贸易法》第13条之2，将特定集成电路、半导体晶圆关键材料、零部件及制造设备纳入管制货品之列。

佛州州长德桑蒂斯痛陈共和党中期败局影响深远 牵动最高法人事布局 德桑蒂斯说，得克萨斯州一直是本世纪美国最重要的共和党州。如今，民主党横扫该州的全州性选举，甚至可能夺取州议会控制权，意味着现代共和党的一个重要支柱正在失去 当地时间2026年11月2日，美国华盛顿哥伦比亚特区，佛罗里达州州长罗恩·德桑蒂斯（共和党）参加节目录制。图：视觉中国 　　【财新网】现年48岁、执掌美国人口第三大州佛罗里达州的共和党籍州长罗恩·德桑蒂斯（Ron DeSantis），当地时间11月3日晚至4日凌晨，在美国中期选举陆续开票之际，连续在社交媒体X平台发文，评论共和党此次选举失利的程度，以及选举结果对共和党未来数年政治前景的影响。 　　德桑蒂斯曾在美国海军服役，毕业于耶鲁大学及哈佛大学法学院。 　　2012年，他首次当选联邦众议员，2018年在时任总统特朗普的支持下首次当选佛罗里达州州长。

密歇根州选出美国首位穆斯林参议员 曾被特朗普称为“圣战分子” 这场密歇根州参议员选举是本届中期选举中最受关注的竞争之一 当地时间2026年11月1日，美国密歇根州底特律，阿卜杜尔·赛义德（Abdul El-Sayed）在竞选活动上发表讲话。图：视觉中国 　　【财新网】作为本届美国中期选举最受瞩目的摇摆州之一，密歇根州参议员选举已尘埃落定，民主党候选人阿卜杜尔·赛义德（Abdul El-Sayed）击败共和党对手迈克·罗杰斯（Mike Rogers），赢得了该席位。赛义德也由此将成为美国首位通过选举产生的穆斯林参议员。 　　据美联社，在86%的选票统计完毕后，赛义德以51.8%的得票率取得胜利，相较罗杰斯所获得的46.2%有超过5个百分点的优势。这场密歇根州参议员选举是本届中期选举中最受关注的竞争之一，也是所有民调显示的战场州中，唯一一个原本由民主党人掌握的参议员席位。原民主党参议员加里·彼得斯即将退休。

欧洲多国超市冷柜遭黑客网攻 控温被调高威胁民生供应链韧性 部分食品因储存温度升高而变质、被迫丢弃，预估将造成总额达数百万欧元的损失 当地时间2026年11月2日，比利时奥弗伊瑟马莱曾的一家P超市内，空置的冷藏货架旁贴着一则通知，告知顾客制冷系统遭到袭击。图：视觉中国 　　【财新网】当地时间11月2日，至少九个欧洲国家的多家超市报告遭遇疑似黑客网络攻击，制冷系统被远程控制，导致部分食品因储存温度升高而变质、被迫丢弃，预估将造成总额达数百万欧元的损失。 　　欧盟警告称，这是一起蓄意破坏地区食品供应链的事件。 　　瑞典、比利时、爱尔兰、爱沙尼亚、芬兰、意大利、卢森堡、荷兰和葡萄牙都报告了相关问题。 　　这并非欧洲首次发生类似事件。 　　2026年10月12日，法国约700家超市也曾遭遇类似袭击。黑客入侵商超制冷控制系统，通过篡改温度或除霜设置，使冷冻柜和冷藏库失去正常制冷功能，导致食品变质。

不靠堆砌数据，让机器人看懂真实物理世界 | 招商局狮子山实验室发布「驭物™ Lion-ER-35B-A3B」具身推理模型 仅激活3B参数，十项基准全线提升！ 允中 发自 凹非寺 量子位 | 公众号QbitAI 日常生活里人类的直觉判断，放到机器人身上，往往会变成棘手难题。 视频画面中物体位置看上去更高，并不等同于它在真实三维空间里处于更高位置；更换拍摄角度，家具外观发生改变，但它仍是同一个物体；画面内物体发生位移，有可能是物体本身发生移动，也可能仅仅是相机镜头产生转动…… 这些细微的空间、状态变化，人类一眼就能分辨，但对机器人的“具身大脑”来说，却是难以攻克的难题。 视角变化混淆物体身份、误判相机运动、错估任务进度，都会直接造成机器人执行失败。 想要机器人可靠完成现实任务，模型不能仅仅做到“看见物体”，更要读懂三维空间关系、捕捉物体状态变化、研判任务所处阶段。 近日，招商局先进技术研究院下属狮子山人工智能实验室发布具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」。该模型采用MoE混合专家模型架构，总参数约35B，每个Token仅激活约3B参数。 在不显著增加推理开销的前提下，模型在十项主流具身相关基准上实现全部指标上涨，多项核心能力超越更大参数量的主流模型，走出了一条区别于大规模堆砌训练数据的技术路线，有助于机器人真正理解三维物理世界。 这套模型是怎么炼成的？ 过去几年，Open X-Embodiment、DROID等工作不断拓展真实世界机器人数据的边界。但随着数据规模扩大，一个问题也越来越清楚： 更多数据，并不等于更多能力。 已有研究表明，在既有机器人数据集内，仅调整不同数据域的训练权重，就能明显影响下游任务表现。 「驭物™ Lion-ER-35B-A3B」的核心亮点，并非单纯提升模型参数量，而是搭建了一套能力牵引的具身数据引擎，摒弃盲目收集海量数据的传统做法，转而围绕模型需要掌握的能力做正向设计，再依靠评测发现短板，闭环迭代优化数据。 能力牵引的具身数据引擎 第1步：明确模型该学会什么 招商局狮子山团队梳理出了一张细粒度的“能力蓝图”： 他们将具身推理拆解为“实体、空间、时序、物理、可供性、任务、社会、证据”等8个一级领域，细化出39项二级能力。并把推理方式、输入形式和回答形式作为独立维度分开标注，避免不同分类维度混用造成的重叠。 蓝图不仅定义了模型需要学习哪些能力，还明确了这些能力应在何种条件下被调用。 真实任务往往涉及复合能力，例如判断物品是否放置到位，既需要任务进度判断，也需要空间关系推理。 因此，团队在蓝图阶段就分别记录主能力与辅助能力，把不可拆分的联合任务单独列出。 在训练采样时，团队还会考虑不同因素的组合与留出，避免某类能力始终绑定在少数固定场景、物体或提问方式上。 第2步：把抽象要求变成一道道训练题目 有了能力蓝图，该如何落地生成训练题目？ 团队将这套流程命名为“能力编译”： 把抽象的能力目标，逐项拆解、落地为“需要什么场景、怎样组织观察、提出什么问题、依据什么确定答案”。 以跨视角推理为例。首先明确提供给模型的视角数量、需要在多张画面之间建立关联的目标物体，以及判定方位时所采用的观测者位置与朝向。 同时还要核验素材本身：模型拿到的视觉信息，是否足以支撑模型推导出可靠答案。如果关键视角缺失、证据不足，这道题就只能依靠猜测，不能纳入合格训练样本。 这类构题规范，由目标能力本身驱动，不需要等到评测暴露错题之后，再被动补充数据。 能力蓝图预先规划好需要覆盖的能力范围，评测则承担查漏补缺的角色，后续定位模型依旧薄弱的环节。 第3步：保证每道训练题目有据可依 构题方式层面，团队设计了三条可互相组合的路径，从已有QA与视觉标注中转换、从观察素材中发现证据、从结构化条件与关系中推导。这三条路径共同把抽象的能力要求，转化为一道道具体、可作答的训练题。 三种构题方式示意图 监督核验层面，采用数据提纯、几何构题、定向合成三条互补路线： 数据提纯：对已有数据进行清洗与修订，排查图像顺序、问题指代、选项与答案映射，修复有据可查的错误，并控制重复曝光。 几何构题：针对具备可靠位姿、深度和物体对应关系的素材，先算出固定答案和推理所需的中间关系，再让模型在这些事实约束下生成问题与解释。 定向合成：当现有监督不足时，基于真实图像或视频素材定向构造问答。合成的是问题与标注，但生成模型给出的答案绝不直接当作真值，必须经过独立作答或额外审核。 三条监督路线 整套流程始终坚持一项原则：保留有证据的难题，排除缺证据的伪难题。 模型答错，不是删掉样本的理由，多个模型给出相同答案，也不能单独证明答案正确。 对于模型持续失误的高难样本，团队进一步引入Human in the loop人工复核，搭建面向复杂具身任务的可视化核验平台，通过多视角对照、时序回放与证据标记等能力强化人工审查，帮助审核人员还原关键视觉线索与推理依据，避免将模型能力边界误判为数据问题。 第4步：评测结果直接反哺数据迭代 有了合格的训练题目，还要做好训练资源分配。 「驭物™ Lion-ER-35B-A3B」的监督训练集共包含312380条样本，训练时按能力需求分配训练预算，而不是由数据源的题量决定权重。 样本重点覆盖空间几何、多视角对应、动作轨迹、任务规划等核心具身能力。团队会减少同质化重复题目，将训练资源投向薄弱的推理类型。样本从候选、审核到入训全程留痕，训练配方可追溯、可调整。 31.2万监督样本的能力构成图 正向设计建立了能力覆盖，但模型究竟学会了没有、哪里还有盲区？ 这一步交给Eval-Driven Data Harness。 这是一套数据迭代机制，从模型错题中找出需要补强的能力，再将其转化为下一轮可执行的数据需求。 在Harness里，评测不再是训练结束后的成绩单，而是下一轮数据生产的起点。 发现错题后，先核查标注、画面证据、评分是否存在问题，再区分偶发失误与系统性能力短板。确认存在能力缺口后，再从覆盖31个数据源、约430万条记录的素材池中，检索推理逻辑相同、场景不同的新素材，经构题核验后加入训练，再通过新一轮评测验证效果。 一次评测失败，如何变成一批新的训练数据 例如模型容易将画面二维上下位置等同于三维高度，团队就优先选择具有上下多层可放置支撑面的场景，让模型需要结合空间结构判断高低。再给左右、前后关系增加遮挡和透视变化，覆盖更容易混淆的情况。 团队还会结合分割、深度和几何约束，核验放置区域是否合理。 “画面里更靠上”≠“空间里更高”，失败模式直接改写下一轮的数据条件 简而言之，能力蓝图提供覆盖方向，Eval-Driven Data Harness持续校准盲区。 数据不再是一次性的静态供给，而是随模型能力持续演化。 仅激活约3B参数，十项基准全部提升 在这套能力牵引的数据引擎加持下，「驭物™ Lion-ER-35B-A3B」以仅约3B的推理激活参数，在十项公开基准上实现全部指标正向提升，部分指标超过参数量更大的模型。 评测采用avg@4评测口径，即每道题让模型独立作答4次，取平均分。 在评测覆盖的十项公开基准上，「驭物™ Lion-ER-35B-A3B」的等权综合均分达到65.29。 十项基准逐项对比柱状图，蓝色为「驭物™ Lion‑ER‑35B‑A3B」 从单项成绩看： Where2Place空间放置评测得分为64.28，较基座提升9.30分； ERQA具身推理基准得分64.38，较基座提升6.19分； 空间推理基准SAT达到89.33； ERQA的轨迹理解子类达到68.18，相较基座提升12.12分。 十项基准完整成绩（avg@4），蓝色列为「驭物™ Lion‑ER‑35B‑A3B」 ERQA各能力类别成绩对比（avg@4），蓝色列为「驭物™ Lion‑ER‑35B‑A3B」 整体结果显示，「驭物™ Lion-ER-35B-A3B」在十项基准上得分均高于所用基座。 四道公开基准题目，直观看到能力差距 下面四道案例全部来自公开评测基准，同一道题目，「驭物™ Lion-ER-35B-A3B」、基座Qwen3.6-35B-A3B、Qwen3.6-27B分别独立作答4次。 题目1：辨方向，相机到底向哪边转动？ 两张图片来自机械臂第一人称相机的连续拍摄：瓶子在画面中整体向上偏移，问题是相机正在朝哪个方向转动。 基座仅答对一次，Qwen3.6-27B全部答错，「驭物™ Lion-ER-35B-A3B」通过两帧画面的变化规律，正确判断相机向下转动，4次作答全部答对。 对机器人来说，画面里物体位置发生变化，首先要分清变化来源，是物体本身在移动，还是相机自身发生了转动。 虚线为同一高度参考线：t₂中，瓶子在画面里整体上移 题目2：选轨迹，哪条路径可以完成任务？ 画面里标注了四条彩色轨迹。机械臂的目标是把充电器从插线板拔下，放到画面右侧，该选择哪一条轨迹？ 两个对比模型都被向右延伸的紫色长弧线误导，选择了这条轨迹。它看似朝着目标放置区域延伸，但轨迹根本接触不到充电器。连目标都碰不到，拔取、放置的后续动作自然无从谈起。 「驭物™ Lion-ER-35B-A3B」会逐一排查无效路线，红色偏向插线板左侧，紫色无法接触充电器，黄色伸向后方软管，只有橙色轨迹能够先抵达充电器，完成拔取，再移动到右侧目标位置，4次作答全部正确。 这道题考验的核心，是把目标、路线与具体操作联系起来，不仅要看它通向哪里，还要判断它能否接触目标、完成任务。 四条候选轨迹中，只有橙色能完成“拔下并放到右侧” 题目3：跨视角，挂画在拍摄者哪一侧？ 题目给出的是在同一住宅内拍摄的三张照片，蝴蝶挂画只出现在第三张。题目要求模型判断拍摄第一张照片时，挂画位于拍摄者的什么方向。 解这道题，需要模型串联多张画面、重建空间布局。挂画出现在第三张图的客厅墙面上，结合另外两张图可以还原空间方位。拍摄第一张照片时，拍摄者站在楼梯底部、面朝台阶，客厅在他身后，因此挂画位于拍摄者后方。 两个对比模型都答成了“左侧”，4次作答无一答对。「驭物™ Lion-ER-35B-A3B」4次判断全部准确。 识别出挂画只是基础能力，难点在于切换到题目指定的拍摄位置与朝向，完成跨视角的空间推理。 需要把三张照片拼成一张“心理地图”，再换回照片1的视角作答 题目4：看进度，这一步任务做完了吗？ 这是一段机器人操作视频，任务指令为把桌上的寿司卷放进锅里。问题是，视频当前时刻，第一步“移动到寿司卷”是否已经完成？ 基座4次作答中有3次误判该步骤“已完成”，Qwen3.6-27B也有半数回答做出同样误判。「驭物™ Lion-ER-35B-A3B」4次最终答案均判断为“尚未完成”。 这道题的关键，在于区分机械臂“正在靠近寿司卷”与“已经移动到位”这两个状态。 画面里出现动作，不等于对应任务步骤已经达成。模型需要观察动作带来的状态变化，核对目标状态是否达成。一旦误判进度，机器人就会提前执行后续动作，整套时序流程都会出错。 “靠近了”与“到位了”，在画面上只差一小段位移 四道案例分别对应相机运动判断、动作轨迹交互推理、跨视角空间映射、任务状态进度识别，都是机器人将语言指令转化为物理动作的核心能力。 具身大模型不仅要看懂画面，更要理解物理现实 当下，能够对话、看懂图片的多模态大模型已经十分常见，但真正面向真实物理世界，提升机器人能力的“具身大脑”依旧稀缺。 机器人要完成现实世界作业，不能只做到识别画面内容，还需要区分视觉表象与三维真实空间。 「驭物™ Lion-ER-35B-A3B」带来的，不只是一组亮眼的分数，更是一套可复用的方法论： 让能力成为数据的设计单元，让评测成为数据生产的起点。从能力蓝图到数据配方，从一次评测失败到一批新的训练数据，每一步都有明确的目标、可核查的证据和可追溯的记录。 目前「驭物™ Lion-ER-35B-A3B」已在Hugging Face开源权重，采用BF16 Safetensors格式，原生兼容Transformers、vLLM、SGLang等主流推理框架。 开发者可以围绕空间关系理解、场景状态分析、任务进度判断和空间约束理解等方向开展评测与适配，结合自己的图像、视频和任务，探索具身问答、场景决策分析与机器人系统集成。 招商局狮子山人工智能实验室表示，后续团队将面向具身Agent，拓展工具调用、多轮交互与执行反馈等方面的训练数据，探索长程任务中的连续决策与失败恢复，持续迭代这套能力牵引的数据引擎，为机器人在真实环境中完成任务提供支撑。 Hugging Face模型地址： https://huggingface.co/cmriat/lion-ER-35B-A3B *本文系量子位获授权刊载，观点仅为原作者所有。

外交部回应中俄美元首会晤安排：同相关方保持沟通 毛宁表示，中方就中俄美元首会晤同相关方保持着沟通 2026年11月4日外交部发言人毛宁主持例行记者会。图：外交部 　　【财新网】据人民日报消息，外交部发言人毛宁4日在例行记者会上答问时表示，中方就中俄美元首会晤同相关方保持着沟通。 　　此前在10月19日，美国总统特朗普在白宫被媒体问及，他是否愿意在11月的深圳APEC峰会期间和中俄两国领导人举行中、美、俄三方元首会谈时，特朗普回答：“如果他们想要的话，我愿意。” 　　特朗普还说：“我刚听说这件事。这次会面应该会在中国举行”，如果中方愿意，“那么我会参加的。” 　　在10月19日的中国外交部例行记者会上，彭博社记者提问：据报道，俄罗斯总统普京提议下月举行中俄美元首会晤，讨论结束乌克兰危机。中方是否同意举办会晤？能否提供更多信息？

新闻联播 2026/11/04 [视频]【学习贯彻党的二十届五中全会精神】全面从严治党 全面从严治军 走好新的赶考之路 ⏱00:07:21 [视频]人民日报评论员文章：历史昭示未来，奋斗成就伟业——论学习贯彻党的二十届五中全会精神 ⏱00:00:14 [视频]李强会见世界知识产权组织总干事 ⏱00:00:57 [视频]十四届全国人大常委会举行第七十五次委员长会议 ⏱00:01:07 [视频]全国政协十四届常委会第十九次会议闭幕 王沪宁主持并讲话 ⏱00:02:54 [视频]韩正将作为习近平主席特别代表赴土耳其出席《联合国气候变化框架公约》第三十一次缔约方大会领导人峰会并访问格鲁吉亚 ⏱00:00:19 [视频]前三季度农业农村发展保持良好势头 ⏱00:01:32 [视频]10月物流业景气指数处于扩张区间 预期向好 ⏱00:00:44 [视频]中国人民银行加力实施股票回购增持再贷款政策 ⏱00:00:53 [视频]第140届广交会今天闭幕 ⏱00:01:29 [视频]第九届进博会各项筹备工作已全部就绪 ⏱00:00:57 [视频]国内联播快讯 ⏱00:03:10 [视频]海外华侨华人：中国共产党二十届五中全会凝聚力量 对祖国发展充满信心 ⏱00:01:52 [视频]日本民众举行集会 反对高市政权推动扩军修宪 ⏱00:01:00 [视频]国际联播快讯 ⏱00:02:56

腾讯发布新模型混元Hy4 首次引入视觉理解能力 WorkBuddy在办公AI智能体赛道取得先发优势后，腾讯在模型侧不断强化与AI产品的协同设计（Co-Design） 11月4日，腾讯混元正式发布新一代大语言模型Hy4。图：腾讯科技 　　【财新网】11月4日，腾讯（00700.HK）发布新的大语言模型混元Hy4，以“实用性”为核心原则，并将于近期开源模型权重。 　　自2月腾讯重建AI基础设施以来，混元大模型平均每两个月迭代一次大版本，先以Preview形式开放，再发布优化后的正式版。混元上一次发布新的版本是8月28日的Hy4 Preview，此次发布新模型正处于国产大模型版本更新的空档。 　　混元一再扩大参数和数据规模，Hy3系列参数不到300B，Hy4系列为770B，腾讯称，下一个版本Hy5的规模还将进一步扩大。混元团队自称“Hy4是目前最强的开源模型之一”，但也承认Hy4与顶尖闭源模型仍然存在较大差距，“混元将持续稳健地扩展预训练和后训练规模，努力缩小和顶尖闭源模型的差距。”

国家发展改革委举行奋进“十五五”系列新闻发布会 介绍夯实发展支撑有关情况 11月4日上午，国家发展改革委举行奋进“十五五”系列新闻发布会，介绍夯实发展支撑有关情况。国家发展改革委政策研究室副主任、委新闻发言人李超主持发布会，基础设施发展司司长夏鑫，农村经济司副司长、一级巡视员关锡璠，经济贸易司副司长寇荣出席发布会，介绍“十五五”时期构建现代化基础设施体系有关情况，并重点就现代化综合交通运输体系总体部署、各运输方式发展重点、交通领域投资安排、推进水网建设、保障防洪安全、提高供水灌溉能力、健全现代流通体系、打造重要商品骨干流通网络、提高商品流通效率等方面问题，回应媒体关切。40余家媒体50余名记者参加本场发布会。 　　发布会实录 附件：

佛州州长德桑蒂斯痛陈共和党中期败局影响深远 牵动最高法人事布局 推荐：欧洲多国超市冷柜遭黑客网攻 控温被调高威胁民生供应链韧性；视线｜AI冲击下的横店：摄影棚近80%空置，游客218元可“全资进组” 【推荐】 佛州州长德桑蒂斯痛陈共和党中期败局影响深远 牵动最高法人事布局 德桑蒂斯说，得克萨斯州一直是本世纪美国最重要的共和党州。如今，民主党横扫该州的全州性选举，甚至可能夺取州议会控制权，意味着现代共和党的一个重要支柱正在失去 相关专题：2026美国中期选举 单伟建：中国楼市企稳迹象日益明显 消费有望提升 他看好物业管理行业，认为该行业既能带来稳定现金流，又能适应民生所需 外交部回应中俄美元首会晤安排：同相关方保持沟通 毛宁表示，中方就中俄美元首会晤同相关方保持着沟通 1000亿元+2000亿元 稳市效果如何 A股此轮回调，已令公募基金三季度巨亏1.5万亿元 分析｜透视美国中选的中国议题——继续强硬还是开始松动？

小微信贷从比规模转向拼质量 如何构建“证据约束型”决策体系？ 这一信贷决策体系依托双线协同、多维校验，有别于传统经验判断与纯数据驱动模式 《报告》数据显示，2019年至2025年间，各类银行普惠型小微企业贷款占比发生了较大变化，大型银行市场份额由28%快速提升至46%，其他类型银行均有收缩，其中农村金融机构份额从37%下降至25%。图：视觉中国 　　【财新网】近年来普惠小微信贷市场规模持续扩张，成为银行业拓展业务版图的一大赛道，中小机构面临越来越激烈的同业竞争，定价下行、资产质量承压。如何完成由“坐拥数据”到“读懂经营”的能力跃迁，提升合理定价与风控水平？ 　　中国普惠金融研究院近日发布的《中小金融机构普惠小微信贷高质量发展研究报告》（下称《报告》）称，普惠小微信贷已进入质量竞争阶段，行业不能再满足于简单占有海量数据，应转向探索构建“证据约束型”信贷决策体系，通过个性化建模与反欺诈工具底座、线上线下双线协同与多维交叉检验、贷后动态校验与运营管理，破解小微领域信息不对称难题。

民主党重掌国会：如何影响美国政策与对华关系？资本市场走向何方？ 美国AI产业政策以行政主导，两党技术领先共识稳固，选举不改长期产业趋势 当地时间2026年11月3日，美国得克萨斯州达拉斯，观选活动上，宾客们观看选举结果。图：Ian Halperin/IC photo 　　当地时间11月3日，美国举行2026年中期选举，改选国会众议院全部435席、参议院100席中的35席，并同步改选36个州的州长。截至北京时间11月4日下午18时，据美联社统计，民主党已基本确认“横扫”两院、掌控国会：民主党在众议院已获得228席、超过半数所需的218席，仍有68席待确认；民主党在参议院已获得54席、超过半数所需的50席，仍有2席待确认。 　　美国中期选举为何关键？本次共和党失利的原因是什么？民主党横扫将如何影响美国国内政策及资本市场？又将如何影响对华政策及中国资本市场？ 　　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。

特朗普承认伊战是共和党败选部分原因 称准备与民主党合作 特朗普没有质疑选举结果的有效性，并表示他期待与民主党人合作，但如果需要，他将行使他的“否决权” 当地时间2026年11月2日，美国华盛顿哥伦比亚特区，美国总统唐纳德·特朗普走在白宫南草坪上。图：视觉中国 　　【财新网】11月3日的美国中期选举中，民主党大获全胜，重夺国会参众两院主导权。当日晚间，美国总统特朗普对媒体表示，伊朗战争是共和党在中期选举中普遍失利的部分原因。但他坚称，他并不后悔今年2月发动的这场战争。 　　当被问及战争是否导致共和党在选举中表现不佳时，特朗普在电话里对《华尔街日报》说：“伊朗是其中的一部分（Iran was a piece of it）。” 　　尽管这场战争对共和党的支持率造成了明显拖累，但特朗普表示，他对这场战争没有过犹豫，“我不去想它。我做了正确的事。从头再来的话我会再做一次的（I don’t think about it. I did the right thing. I would have done it again）。”

中东缓和+美国中选明朗 国际金价现8月以来最强单日反弹 短期内全球不确定性风险下降利好黄金，中期仍需关注美联储加息政策与股金联动，长期黄金抗风险功能仍支持其保值能力 截至11月4日晚间，伦敦现货黄金价格回升至4045美元/盎司附近，纽约期货黄金价格回升至4055美元/盎司附近，两者单日反弹幅度均超过2.8%，为2026年8月以来最强反弹力度。图：视觉中国 　　【财新网】黄金跌跌不休两个多月，终于迎来反弹。 　　11月4日，国际金价显著反弹。截至11月4日晚间，伦敦现货黄金价格回升至4045美元/盎司附近，纽约期货黄金价格回升至4055美元/盎司附近，两者单日反弹幅度均超过2.8%，为2026年8月以来最强反弹力度。 　　反弹主要来自两大短期利好。一是中东局势再现缓和迹象。据伊朗伊斯兰共和国通讯社报道，伊朗总统马苏德·佩泽希齐扬11月2日表示，伊方正努力通过对话解决问题。随后美国总统特朗普也表示，白宫愿意推进谈判，并称“双方达成协议是有可能的”。

印尼政坛动荡加剧 前警察总长涉嫌窃听总统被捕 里斯提约于2021年获时任总统佐科维多多任命为警察总长，被视为佐科的亲信 当地时间2026年10月1日，印度尼西亚雅加达，前印尼国家警察总长里斯提约（Listyo Sigit Prabowo）出席新任国家警察总长苏尤迪·阿里奥·塞托的就职典礼。图：视觉中国 　　【财新网】近期，印尼金融市场持续承压，街头抗议活动接连发生，政坛高层亦风波不断。11月3日，印尼警方宣布，前国家警察总长、时任总统幕僚长里斯提约（Listyo Sigit Prabowo）与另两名警队高官，因涉嫌非法监听总统普拉博沃及多名政要、记者和社会人士，被列为嫌疑人并遭拘留。11月4日，普拉博沃签署总统令，解除里斯提约的总统幕僚长职务，任命陆军中将阿里约（Ariyo Windutomo）暂代职务。 　　印尼国家警察刑事调查局局长阿塞普（Asep Safrudin）在记者会上表示，调查发现，涉案人员于2025年至2026年间，未经正式侦查申请和法律核查，将有关人员的电话号码输入警方“合法拦截管理系统”（LIMS），实施与刑事调查无关的通信监控，一名知情警员于10月30日举报此事。除里斯提约外，另外两名嫌疑人为警察法律部门主管阿里（Ahrie Sonta Nasution）及警队高级教官埃科（Eko Hadi Santoso）。

赵薇前夫黄有龙借款担保案败诉 须偿还7.32亿港元 黄有龙称债权人曾口头承诺，要求他签署个人担保仅属形式，只有在全部担保资产变现后仍有不足时才会向其追索，但法院认为有关说法缺乏证据 资料图：黄有龙。图：视觉中国 　　【财新网】短短半年间，赵薇前夫黄有龙再次因债务纠纷出现在香港高等法院判决书中。11月4日，香港高等法院裁决，驳回商人黄有龙就一宗借款担保纠纷提出的上诉，维持此前要求其向华融系公司智择创投支付约7.32亿港元的判决。根据原判，黄有龙须支付7.317亿港元，并就其中约3.716亿港元按判决利率继续计息。 　　案件源于2017年的一笔4.5亿港元融资。判词显示，当年4月23日，黄有龙全资控制的Prominent Victory Limited及Wealth Sailor Limited，与投资方Plenty Choice等签署票据认购、担保等文件，Plenty Choice认购总本金4.5亿港元的票据。

珠海国资委表态争取多方协同 协助华发集团应对阶段性挑战 珠海市表示正通过整合重组资源、市场化运作等方式，帮助华发集团加快存量资产盘活，多措并举化解周期性压力 据《21世纪经济报道》2026年11月4日报道，珠海市通过整合重组资源、市场化运作等方式，已落地支持资金超过400亿元；后续还将统筹各类资源近700亿元，全力支持华发集团应对阶段性挑战，推动业务转型升级。图：IC photo 　　【财新网】珠海华发集团有限公司（下称“华发集团”）近期流动性承压，属地政府设法展开救助，部分纾困措施正逐步落地。 　　据《21世纪经济报道》2026年11月4日报道，珠海市通过整合重组资源、市场化运作等方式，已落地支持资金超过400亿元；后续还将统筹各类资源近700亿元，全力支持华发集团应对阶段性挑战，推动业务转型升级。珠海市国资委主任邹晖称，珠海持续深化国资国企改革，推进国资布局优化与资源统筹，夯实国有经济压舱石作用。他指出，华发集团当前面临的是阶段性挑战，由行业周期下行叠加历史包袱所造成。珠海国资委不仅要用足用好现有资源，也将积极争取多方协同，全力支持华发集团优化经营结构、加快转型发展，有信心、有决心共同应对好当前的挑战。

外汇收支便利化支持跨境贸易 拓宽外汇支付业务范围 拟推出9项经常项目便利化政策，5项为拓宽业务适用场景、范围和种类，4项是进一步降低企业资金结算和交易成本 《征求意见稿》拟对保险机构提出多项优化政策，扩大保险机构外汇资金运用账户收支范围，并同时要求托管银行做好上述账户资金划转情况的记录。图：IC photo 　　【财新网】为更好地发挥外汇支持实体经济发展作用，便利经常项下跨境资金结算，支持贸易创新发展，促进高水平对外开放，2026年11月2日，国家外汇管理局发布《关于进一步优化经常项目外汇管理有关事项的通知（征求意见稿）》（下称《征求意见稿》）。 　　《征求意见稿》提出的多项优化举措覆盖了银行、跨境支付机构、保险机构、租赁机构等。具体包括9项经常项目便利化政策、1项监管要求；其中，9项经常项目便利化政策中，5项为拓宽业务适用场景、范围和种类，4项是进一步降低企业资金结算和交易成本。

安世荷兰起诉闻泰科技 索赔20亿美元 闻泰不认可安世荷兰的全部指控及索赔金额 闻泰披露的诉讼信息显示，安世荷兰认为，安世中国、安世上海违反与安世荷兰签订的相关内部协议，被告自建中国区供应链，干扰安世荷兰正常运营并形成直接竞争。图：视觉中国 　　【财新网】安世荷兰与股东闻泰科技的拉锯战又有新进展。11月3日晚间，*ST闻泰（600745.SH，闻泰科技）公告称，已就法院指定的安世境外股份管理人公司提出的安世股权结构调整方案回函；同时，安世荷兰主体已在荷兰阿姆斯特丹地方法院起诉闻泰及相关关联主体，索赔20亿美元。 　　闻泰披露的诉讼信息显示，安世荷兰认为，安世中国、安世上海违反与安世荷兰签订的相关内部协议，被告自建中国区供应链，干扰安世荷兰正常运营并形成直接竞争。

欧洲至少7个航班同日收到炸弹威胁信息 涉事客机均平安降落 专家认为，可能的解释包括一宗威胁引发了模仿、同一个人或团体发出多次威胁，以及国家行为体或其支持者参与的“混合战”行动 当地时间2026年11月2日，匈牙利布达佩斯，维兹航空的一架客机停在布达佩斯李斯特·费伦茨国际机场的停机坪上。图：视觉中国 　　【财新网】当地时间11月3日，欧洲至少7个客运航班收到了炸弹威胁信息，涉及飞往波兰、西班牙、意大利和保加利亚的航线。 　　事发后，各国相继启动安全检查，部分飞机改降，机场一度暂停运行，意大利空军还出动战机护航。所有涉事飞机均安全降落，检查未发现爆炸物。截至发稿，尚无个人或组织宣称负责。 　　受影响航班分别由波兰航空、北欧航空、维兹航空和瑞安航空运营。其中，瑞安航空至少4个航班受到威胁，分别从里斯本和都柏林飞往罗马、从曼彻斯特飞往穆尔西亚，以及从都柏林飞往索非亚。其余包括两班飞往华沙的客机，以及一班从意大利贝加莫飞往索非亚的维兹航空客机。

大西洋观察｜欧洲进入“波兰时间” 对欧洲国家而言，虽然战争并非迫在眉睫，但承平时期的渐行渐远，传统战争与非传统安全的威胁日益盛行，则日益成为共识 当地时间2026年11月3日，波兰华沙，波兰国家安全委员会（RBN）召开会议。图：IC photo 　　【财新网】作为欧盟的第六大经济体，同时也是中东欧国家中转型最成功的波兰，最近进入多事之秋。 　　首先是近期急剧升温的围绕司法控制权的宪政危机。 　　一边是以波兰法律与公正党党主席卡钦斯基和波兰总统纳夫罗茨基为首的疑欧派右翼保守阵营，另一边则是以现任波兰总理图斯克为代表的亲欧派、属于中右翼自由派阵营的公民纲领党（PO/KO）。（参见财新网报道《波兰宪法危机剧烈升级军警封锁法院 总统中断访问回国总理称“别无他法”》）。 　　虽然同属泛右翼政党，但两大阵营在社会价值、经济政策与国家定位、以及外交战略上却大相径庭。其对抗程度甚至超出传统欧洲国家的左右之争。

【我闻】错失SpaceX股权后又被索赔25亿美元 利欧股份如何收场？ 一笔原本有望带来巨额回报的SpaceX投资，却因高调曝光而告吹；一家A股上市公司与美国私募基金由此展开近五年的跨境诉讼 图：视觉中国 　　【金融我闻/岳跃】10月30日，利欧股份（002131.SZ）披露2026年三季报，当季归母净亏损5.10亿元，同比下降560.82%。 　　五年前，这家以水泵制造起家的A股上市公司，曾因计划通过美国私募基金Tomales Bay Capital出资5000万美元，间接投资马斯克旗下的太空探索公司SpaceX。消息公布后，利欧股份连续涨停。 　　彼时，SpaceX的估值约为1000亿美元。2026年6月，SpaceX（NASDAQ：SPCX）登陆纳斯达克，市值一度接近3万亿美元。倘若当年那笔投资得以完成并持有至今，其潜在价值已不可同日而语，5000万美元可最多增值约29倍至15亿美元。

搁置十余年后 大唐阜新煤制气项目重启投产 美伊战事导致国际原油价格与天然气价格高位震荡；国内煤制气生产成本相比超高位的进口LNG具备明显竞争力 11月2日，中国大唐集团有限公司在辽宁阜新召开阜新煤制天然气项目投产保供共链协同会议，标志着该项目正式进入投产保供阶段。图：中国大唐 　　【财新网】东北地区规模最大的煤制天然气项目——大唐阜新煤制天然气项目，在搁置十余年后重启并投产。 　　据辽宁省阜新市人民政府11月4日消息，11月2日，国家能源战略重点工程、中国大唐阜新煤制天然气项目首条生产线正式建成投产，生产的天然气接入国家管网，输送给东北、华北区域。 　　该项目总投资超过200亿元，最初于2010年获得国家发改委核准，规划年产天然气40亿立方米，配套建设长输管道。项目2011年开工建设，但建设过程中遭遇煤源保障、铁路运输、技术运行及市场价格等多重问题，2013年下半年停工缓建，2014年正式停建。

百度无人车搞出“黑客帝国”！世界模型实时推演全局，跑一天抵三年 连路人都有自己的想法 杰西卡 发自 凹非寺 量子位 | 公众号 QbitAI 100万公里—— 大约是地月平均距离的2.6倍，足够沿着赤道绕地球25圈。 一套L4无人驾驶系统，如果要完成如此规模的真实路测，意味着什么？ 按照单辆车每天行驶150公里计算，相当于连续行驶超过6600天。即便投入上百辆测试车同时上路，也要耗时两个多月。何况真实道路上的复杂情况，很多时候也不会按照测试计划出现。 很长一段时间内，这都是无人驾驶规模化发展面临的一道现实难题。每一次车队运营范围扩大、驾驶系统更新，往往都伴随着大量需要验证的交通场景。 但如今，这种在真实世界中费时费力的验证方式，有了新的思路。 刚刚，百度Apollo正式披露了全新世界模型ApolloWorld。它能够利用AI构建持续变化的虚拟交通环境，让无人车在其中经历不同天气、道路和交通参与者，完成一整趟Robotaxi行程。 无人车的加速、减速或者变道，都可能改变周围交通参与者的选择，进而演化出不同的结果。 啊这……看起来像是自由度很高的交互式游戏。 而这座虚拟城市，如今已经有了实际用途。 据介绍，ApolloWorld已开始应用于萝卜快跑无人车的全球化测试与验证，把更多原本需要在真实道路上完成的训练和验证，放到云端进行。 最直观的变化就是效率。 按照百度披露的数据，ApolloWorld一天完成的虚拟路测里程，相当于一辆配备安全员的真实测试车连续行驶大约三年。 这代表一度需要依靠大量车辆、人员和时间积累的部分测试任务，现在借助计算资源就能并行开展。 与之配合的车端技术也有了进展。百度新一代L4端到端模型架构，已在国内一定规模的车辆上投入实际运营，正逐步替换此前的传统方案。 世界模型提供虚拟训练和验证环境，驾驶模型在其中反复接受考验，再进入真实道路运行，直观理解就是用AI来教AI开车。 对于业务覆盖全球28座城市的萝卜快跑而言，这套技术体系恰好出现于全球化扩张加快的阶段。 随着无人车走进更多城市，研发需要应对的交通环境愈发复杂。而在真实道路上，最值得研究的那些意外，却常常最难遇见。 一座没有剧本的虚拟城市，跑一天抵三年 看过电影《黑客帝国》的朋友，大概都对那个由程序构成的世界印象深刻。不管是街道、建筑、车辆还是行人，看起来都和真实世界毫无二致，其背后却是一套庞大的计算系统在运转。 没想到只是二十多年过去，这套剧本中的虚拟世界，真的从电影走入了现实。 百度展示的ApolloWorld，生成的就是各种供无人车行驶的虚拟城市。不同之处在于，虚拟城市里的交通参与者还能根据环境自行作出判断。 比如一辆无人车行驶到高架入口，旁边支路上的汽车正准备汇入主路。 如果无人车选择驶上高架，支路车辆获得足够空间，就会顺势驶入主路。 但如果无人车改变路线，沿右侧辅路继续行驶，占据了原本的汇入空间，另一辆车也会改变决定，减速停车等待： 百度智能驾驶事业群组杰出架构师、世界模型负责人杨泽博士介绍，在这套系统中，世界模型团队采用了多智能体驱动的技术方案，虚拟道路上的车辆、行人等交通参与者，都被建模为具有决策和互动能力的AI智能体。 每个智能体都有自己的行动目标和行为逻辑，也会根据其他交通参与者的动作调整决定。 不仅是交通参与者，虚拟城市的交通状况也能自行调整，比如设置不同的稀疏、适中或密集的车流，或者改变其他车辆的驾驶风格，让其开得更谨慎或是更激进。 类似的复杂交互，以往可能需要无人车反复上路、等待特定情况出现，现在都可以主动组织到虚拟环境中。 不过真正要完成Robotaxi任务，仅仅是根据环境实现变道、避让等操作还远远不够。 真实情况下，一趟行程可能持续二三十分钟，途中经过数十个路口。 无人车每一次决策，都可能改变后续遇到的交通情况。它需要在连续变化的环境中完成整段驾驶任务，需要与大量交通参与者交互，前一次的驾驶决策还可能影响后面的行程。 ApolloWorld此次展示的，正是完整行程级别的虚拟路测。 在深圳滨海大道、香港机场附近等不同场景中，几辆无人车可以从同一地点出发，驶向不同目的地，周围交通参与者的行为、道路环境的变化，以及相机、激光雷达的观测数据，都由世界模型持续生成。 杨泽博士提到，支撑这套系统运行的，是智能体交互建模、多视角多模态生成，以及完整驾驶闭环等技术的协同。 简单理解，就是世界模型根据已有环境状态和车辆动作，预测下一时刻的交通变化；驾驶模型读取生成的传感器数据后，做出转向、加速或者制动决策，再把动作反馈给世界模型。 为了让生成速度跟上驾驶决策，百度还通过知识蒸馏等方法加快模型推理，使虚拟环境能够实时响应车辆动作。 一套AI负责构建道路环境、不断提供新的驾驶考验，另一套AI则在其中反复练习，两者的关系就像教练与学员。如此循环，无人车就能在持续变化的环境里完成驾驶任务。 如果驾驶系统在某个场景下作出错误判断，研发人员还可以保留相同初始条件进行复现，调整周围车辆的行为，观察系统在不同情况下的表现。 没有固定剧本、可交互、可纠错、可溯源，这样的虚拟城市，由此具备了成为无人车训练场的条件。 不过，能持续运转只是前提之一。更关键的问题在于，什么样的世界模型，才能真正承担起无人驾驶的训练与验证？ 给世界模型一个可验证的标准 仿真技术原本就是无人驾驶研发的重要组成部分。 早在生成式世界模型成为行业热点之前，工程师就习惯于把真实道路上的交通场景记录下来，搬进虚拟环境中反复测试。 但这种研发方式存在一个长期难题。 长期以来，自动驾驶仿真中常见的一类方法，仍然依赖真实道路数据的非响应式回放。 简单来说，即便无人车改变了驾驶策略，周围车辆仍按照原始记录的轨迹行驶，交通环境不会作出相应调整。 这恰恰是问题所在。 真实道路上的驾驶是一场持续交互，无人车改变动作，其他车辆也可能跟着改变决定。如果测试环境无法响应，便很难检验驾驶系统在动态交通中的真实表现。 而生成式世界模型解决的正是这种局限，让虚拟交通参与者根据无人车的动作重新作出判断，使驾驶系统能够在不断变化的环境中接受检验。 百度智能驾驶事业群组首席架构师、IDG技术委员会主席王亮博士，将其概括为“可交互的生成”。 这是百度从无人驾驶的实际需求出发，对世界模型的一种理解。 而放眼整个AI领域，“世界模型”这个词被用得越来越宽泛。 能够生成逼真视频的模型，可以叫世界模型；能够构建三维空间、让人自由漫游的系统，也可以叫世界模型；能够根据外部动作，持续推演环境变化的技术，同样被称为世界模型…… 几类技术看起来都在构建虚拟世界，实际具备的能力却不在同一个层次。 李飞飞团队曾将世界模型分为渲染器、模拟器和规划器三种类型，分别侧重视觉生成、环境状态推演以及行动规划，也从另一个角度说明了这个概念所覆盖的技术范围之广。 概念边界不断扩展，带来的问题也逐渐显现。模型生成的世界足够逼真，是否就意味着它真正理解物理规律？能够连续生成交通画面，是否就意味着它能根据无人车的动作，推演不同的驾驶结果？ 对于无人驾驶研发，这些差别可不是无关紧要的技术分类。 如果模型无法准确响应车辆动作，或者生成的交通变化不符合真实物理规律，即便画面再逼真，也很难成为可靠的训练与验证依据。 百度对世界模型标准的重视，恰恰源于这种实际需求。 在百度的技术思路中，世界模型需要什么能力，首先取决于它最终要承担什么任务。既然目标是训练没有安全员的L4无人车，就必须明确模型需要理解怎样的交通关系、遵守哪些物理规律，以及能否支撑长时间、实时交互的驾驶任务。 先把目标任务、能力边界和工程要求想清楚，再围绕这些要求构建技术体系。这种正向设计的思路，也让百度此次提出的世界模型，从一开始就有清晰的目标指向。 这种思路也有其现实背景。 李飞飞曾将无人驾驶汽车比作一个进行二维避障的方盒子，以此说明汽车与能够完成复杂三维操作的机器人之间的区别。 王亮博士则认为，无人驾驶的困难，远不止驾驶动作本身。 没有安全员的Robotaxi身处完全开放的道路，需要持续面对大量具有独立意图的交通参与者。看似普通的变道决策，背后也可能涉及多辆车之间的判断与博弈。 而比动作复杂度更重要的，还有安全责任的变化。 王亮博士拿纪录片《徒手攀岩》作了一个类比。 影片中的攀登者挑战一面高约900米、近乎垂直的岩壁。为了完成挑战，他经历了漫长而枯燥的练习。 在王亮博士看来，L2辅助驾驶就像有保护绳的攀岩。攀岩者可以尝试漂亮、惊险的动作，因为保护措施仍然存在；辅助驾驶车辆的主驾也有人，关键时刻能够接管。 然而L4无人驾驶就像是无保护攀登——“保护绳”被撤掉了，主驾空空如也。 驾驶动作看起来没有发生根本变化，背后的风险和安全要求，却已不可同日而语。那些不在聚光灯下的反复训练、每一处细节的验证，最终都要为整套系统的可靠性负责。 王亮博士曾参与L2量产研发，又长期投入L4纯无人系统，对两者之间的鸿沟有切身体会。 也正因如此，在他看来，世界模型能否真正用于L4训练，需要一套更加严格、明确的判断方法。 百度提出了面向物理AI的“2+3”世界模型评价框架。 其中，“2”指的是因果性和交互性两项基础条件。 因果性强调模型能够根据已知状态推演后续变化；交互性则要求外部动作能够持续改变环境，让不同的决定产生不同结果。 而“3”分别代表物理准确性、持久性和实时性，用于衡量模型能否真正承担物理世界中的任务。 毕竟世界模型再逼真，如果对真实物理规律的理解出现偏差，测试结果就可能失去参考价值。 雨天就是一个典型例子。 路面湿滑会改变车辆的制动距离，雨滴还会干扰激光雷达的回波，让点云出现大量噪点。如果虚拟世界只有下雨的画面，车辆却依然按照晴天的条件制动、感知，虚拟测试也就失去了意义。 看似不起眼的细节，恰恰是世界模型研发最难啃的部分。 王亮博士给出的判断是，世界模型的概念并不稀缺，各家都能投入研发，而真正可能形成壁垒的，是渲染速度、长时记忆、物理真实性等长期积累的工程能力。 就拿激光雷达来说，激光遇到雨滴后的反射干扰，涉及相当复杂的物理现象。要让世界模型准确学会这些变化，远远比生成视觉上逼真的大雨要更费工夫。 类似的工程打磨，被王亮博士称为“dirty work”。所谓技术壁垒，往往也只有在这些问题被逐一解决的过程中，才会慢慢显现。 由此，百度提出的“2+3”世界模型评价框架，实际上为世界模型进入L4研发划出了具体的能力门槛，也为这套技术应该如何设计、如何验证，提供了一条清晰的工程路径。 在世界模型的定义仍然模糊、技术路线不断分化的阶段，百度能够给出这样一套面向真实任务的判断方法，本身就体现了长期L4研发积累的价值。 另外，一趟完整Robotaxi行程可能持续数十分钟。世界模型必须在长时间推演中维持环境连贯，还要及时响应车辆动作。 物理准确性、持久性和实时性，最终都将影响虚拟训练的价值。 百度此次提出的“2+3”，也为一项仍在不断扩展定义的技术，给出了面向真实L4任务的工程坐标。 不只是百度，全球无人驾驶头部企业如今都在探索这一方向。 今年2月，Waymo正式发布Waymo World Model。它基于Google DeepMind的Genie 3进行适配，支持根据驾驶动作、场景布局和自然语言调整虚拟环境，并生成相机和激光雷达数据。 把两家最新披露的世界模型放在一起，ApolloWorld面向完整Robotaxi任务的特点愈发鲜明了。 △根据双方公开技术资料整理，图表由AI生成 比较下来，如果把世界模型看作无人车的考场，Waymo更突出如何制造复杂考题，百度则展示了一套覆盖完整出行任务的考试体系。 且ApolloWorld已进入萝卜快跑的实际测试与验证流程。背后的“2+3”工程评价框架，又对虚拟环境的因果性、交互能力和工程性能提出了明确要求。 由此，无人驾驶的测试，开始逐渐减少对真实道路上随机出现的复杂交通情况的依赖。 而新的考验也随之出现。究竟哪些偶然发生的情况，才是值得被识别、理解并反复验证的？ 比里程更难复现的偶然 百度还向量子位透露，团队在真实路测中，曾经遇到过一个非常特别的案例。 洒水车经过施工区域时，路边的锥筒在水流的冲击下，滑向了无人车的行驶路线。洒水车、施工锥筒这些都是再寻常不过的道路元素，偏偏碰到一起，造就了一个很难预料的场景。 这类偶然情况，工程师也很难提前写进测试脚本。即便真实发生过一次，也难按照原来的条件重新安排。 百度的计划就是让世界模型能够重现类似的场景，让无人车反复接受检验。 这个例子背后，是无人驾驶研发中一个悬而未决的问题。 真实道路上的风险千变万化，但不是所有交通情况都具有相同的研发价值。部分极为罕见的意外，可能涉及严重安全风险；另一些寻常场景，则会频繁影响车辆的通行效率和乘坐体验。 虚拟城市能够生成大量交通情况，可这反而带来了新的取舍：哪些问题值得重点研究？这个判断会直接决定哪些场景能真正进入训练与验证过程。 那怎么筛？ 只能吃经验。 据百度披露，其业务已覆盖全球28座城市，累计完成超过2300万次出行服务，累计行驶里程突破3.5亿公里，其中全无人驾驶里程超过2.4亿公里。 3.5亿公里，大家可能没有概念，举个例子，时速300公里的高铁，要连续跑133年才能跑完。 这是百度无人车十年积累下的数据，沉淀了不同地区的道路环境、交通习惯，以及长期运营中遇到大量复杂交互的经验。 百度地图多年积累的道路与地理信息，也为不同区域的虚拟场景构建提供了基础。 伴随车队规模增长，这些真实交通经验持续进入世界模型，经过筛选、整理和推演，转化为更多训练与验证任务。 针对同一段真实经历，研发人员可以改变车辆速度、周围交通流或道路条件，观察驾驶系统在不同情况下如何应对。经过反复训练和验证，新的驾驶模型再投入实际运营；车队驶入更多城市，又会带回此前没有遇到过的情况。 由此，那些原本只发生过一次的交通经历，有了被反复研究、持续利用的价值。 随着真实运营不断积累，模型获得更多训练材料；驾驶能力的提升，又有机会推动更快部署，进一步扩大数据来源。 运营积累越深，模型获得的有效训练材料越多；世界模型能力提升，又有机会提高驾驶系统的迭代效率，进一步推动实际运营规模扩大。 规模与模型能力相互促进，Scaling Law的增长逻辑由此逐渐显现。而百度十余年的无人驾驶积累，也正在世界模型时代显现出新的价值。 因为全球真正将新一代端到端驾驶模型推至百辆级纯无人运营的，只有百度和特斯拉两家。 对于百度而言，ApolloWorld的加入，又让这套真实运营体系获得了持续积累虚拟训练经验的能力，成为下一轮技术迭代可以持续利用的资源。 而规模优势带来的第一个变化，是扩张效率。 世界模型让已有经验能够复用到更多区域，新城市不必再从头验证一遍——无人驾驶由此有机会摆脱过去一城一城艰难扩张的模式，进入更高效率的规模化发展阶段。 世界模型让已有经验能够服务于更多区域，部分测试提前转移到云端，新城市的部署有机会减少重复摸索。 一旦技术迭代的速度能够转化为开城扩区的速度，改变的将不只是一家企业的研发效率，还有整个无人驾驶产业的扩张节奏。 资本市场对相关技术和产业能力的关注，也在持续升温。 今年2月，Waymo完成160亿美元融资，投后估值达到1260亿美元，并随后发布Waymo World Model。9月，AMD宣布以约82亿美元的全股票交易收购李飞飞创办的World Labs。 一家拥有大规模无人驾驶运营基础，另一家则专注于AI理解、生成和模拟物理世界。两笔交易涉及的商业路径不同，却共同折射出AI向物理世界延伸的产业价值。 真正具有跨时代意义的突破，往往不止于一项新技术的出现，还在于它改变了整个行业的发展方式。 iPhone改变了智能手机，GPT改变了AI应用。对于无人驾驶，类似的分水岭或将出现在驾驶能力能够被更高效地迁移、复制，支撑越来越多城市的规模化运营之时。 世界模型带来的想象空间，也因此会让无人驾驶获得更加具体的技术基础，从而迎来属于无人驾驶自己的产业质变时刻。 届时，真实道路上十余年的积累，将不再只是过去驶过的里程，也可能成为下一轮增长的起点。 无人驾驶的新一轮产业变革正在酝酿。百度不仅站在了变革发生的现场，也正成为推动它向前的重要力量。

分析｜“蓝色海啸”后全球股市普涨 美国政策将走向何方？ 债务上限最可能成为明年两党拉锯的议题，除非今年底看守国会能够提高或暂停债务上限 当地时间2026年11月3日，美国华盛顿特区，众议院少数党领袖、民主党人杰弗里斯在民主党国会竞选委员会（DCCC）观选活动上发表讲话。图：视觉中国 　　【财新网】美国中期选举结果显示，民主党横扫国会两院，这极大提振了全球市场的风险偏好情绪，全球股市迎来一波普涨。 　　不出意外，民主党众议院领袖杰弗里斯有望成为下一任众议院议长。他曾于10月中旬提出，新国会在2027年1月就职后，最初100小时内将启动四大议程，包括恢复《平价医疗法案》的税收优惠，扭转共和党削减医疗补助的政策，投票反对伊朗战争，并废除美国总统特朗普的关税政策。 　　民主党在中期选举大胜之后，杰弗里斯的倡议能否落地，外界认为仍有待观察，因为所有国会的立法最终仍需特朗普签字才能生效，而国会推翻特朗普的决定需要在参众两院均有三分之二的票数支持，这一门槛过高。但不可否认的是，此次中期选举民主党获得了足够的政治筹码，能与特朗普和共和党谈判。

民主党重掌国会，特朗普承认伊战是败选部分原因 推荐：A股迎来大奇迹日，科创50暴涨近10%；“China Haul”海外刷屏，中国购为何火爆？ 早上好，今天是11月5日星期四。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 11月3日的美国中期选举中，民主党大获全胜，重夺国会参众两院主导权。特朗普没有质疑选举结果的有效性，他表示伊战是共和党败选部分原因，但并不后悔今年2月发动的这场战争。他还称准备与民主党合作，但如果需要，将行使他的“否决权”。 中期选举会否让中美关系出现新可能性？外交部表示，中期选举是美国内政，中方愿继续同美方一道维护好、落实好两国元首重要共识，加强沟通，妥处分歧，拓展合作，构建基于尊重、公平、对等的中美建设性战略稳定关系。 11月4日，A股午后急拉大幅反弹，科创50暴涨近10%。三大指数集体上涨，全市场成交额20519亿元，全市场超4600只个股上涨。港股午后亦显著反弹。为何大涨？

为什么投资者应该关心估值、学会估值？｜带着问题去读书 一只股票的价格是否合理，绝不能仅仅看将来是否有投资者愿意为之出更高的价格，因为这会让投资演变为昂贵的“抢椅子”游戏，而与此相应，问题也就会变为：在音乐停止时，你身在何处？ 　　[前记：作为审慎的投资者，我们如果想要实现稳定盈利，就必须学会如何估值，进而找到具有高增长潜力的投资标的。 　　在这本书中，著名金融学教授、估值专家阿斯沃斯·达摩达兰（Aswath Damodaran）将其估值理念和方法倾囊相授，为我们深入浅出地讲解了筛选并投资优质公司的基本原理和具体步骤。这本书系统讲解了内在价值法和相对价值法两大核心估值方法，不仅阐释了每种方法的原理和适用场景，也拆解了不同类别公司的价值驱动因素。针对处于生命周期不同阶段公司（包括年轻成长型公司、成长型公司、成熟型公司和衰退型公司）的财务特征和价值驱动因素，他分别提供了有针对性的估值框架。书中展示了各种案例和真实数据，帮助我们快速上手，轻松掌握估值方法。

南京大学AI统计课堂“抬头率”争议：多所高校已引进｜教育观察 多所高校引入人工智能技术精准分析学生课堂行为，记录“抬头率”“到课率”“前排满座率”等指标 近日网传南京大学统计课堂抬头率、挂钩平时分，引发热议。图：视觉中国 　　【财新网】近日网传南京大学统计课堂抬头率、挂钩平时分，引发热议。财新了解到，多家高校已引进AI智慧教室系统，智能统计抬头率、到课率等数据。 　　11月4日，南京大学本科生院与信息化建设管理服务中心发布说明，回应外界对智慧教室系统记录到课率、抬头率等功能的关注。说明称，当前学校智慧教室系统已不再统计抬头率数据；网传“期中教学检查是上级部门检查、到课率将与平时成绩挂钩”等信息均不属实；未经授权，该校智慧教室系统在教学应用中不采集人脸等生物特征信息，不进行人脸识别。

数据中心绿电直连加速探索 远景乌兰察布一期项目交付 绿电直连是算电协同的重要实现路径，但规模化落地仍面临诸多瓶颈 乌兰察布远景星河基地-零碳人工智能算力中心。 　　【财新网】远景科技集团乌兰察布数据中心一期约200兆瓦（MW）项目已于2026年10月底整体向客户交付。第二期同等规模项目预计于2027年第二季度投产。远景计划，到2027年底或2028年初，在三、四期项目建设完成后，整体园区的算力规模达到1吉瓦（GW，1GW=1000MW）。 　　远景科技集团AIDC（人工智能算力中心）总经理郑子浩10月下旬在接受财新专访时表示。 　　在乌兰察布察哈尔高新技术开发区，远景人工智能算力产业园一期工程项目包含一栋算力中心、一栋综合运维楼及一座220千伏变电站。