Loading...
Loading...
David Silver（大卫·西尔弗）：劳力士是奢侈品的“入门券”，而古董表市场已彻底改变撰文：Techub News 整理
导语
在最新一期的 Superlative 播客中，主持人 Ariel Adams 与伦敦知名古董腕表商 The Vintage Watch Company 的创始人 David Silver（大卫·西尔弗）进行了一场深度对话。The Vintage Watch Company 成立30年来，专注于古董劳力士腕表的收藏与销售，被誉为拥有全球最大规模的古董劳力士系列。David Silver（大卫·西尔弗）从其家族生意起源谈起，深入剖析了劳力士品牌跨越产品本身、成为一种全球文化符号的独特魅力，并分享了古董劳力士市场在过去几十年间，如何从一个小众爱好演变为一个受到全球事件、金融市场甚至流行文化深刻影响的成熟领域。本次对话不仅关乎腕表收藏，更是一次对奢侈品消费心理、品牌价值构建和市场动态的精彩解读。
摘要
劳力士的品牌力量可与可口可乐等全球消费品牌比肩，其成功根植于深厚的历史、名人效应与文化符号意义。
2017年保罗·纽曼 Daytona 以1700万美元天价拍卖，是古董劳力士市场走向主流公众视野的关键转折点。
古董劳力士的收藏逻辑与现代表款截然不同，其价值源于历史的偶然性与稀缺性，而非刻意营销的“限量版”。
现代劳力士的供应短缺意外推动了古董市场的繁荣，但古董表的货源获取如今比销售更具挑战性。
加密货币、地缘政治、全球经济等外部因素，正以前所未有的方式影响着高端腕表的价值与市场波动。
劳力士：超越腕表的全球性符号
当被问及为何劳力士能在消费者心中占据如此独特且稳固的地位时，David Silver（大卫·西尔弗）给出了一个宏观的视角：劳力士首先是一个与可口可乐、百事可乐、家乐氏齐名的全球顶级品牌，其次才是一个奢侈腕表制造商。这种品牌认知的广度与深度，是其价格远高于普通消费品却依然拥有巨大市场的根本原因。
他认为，劳力士的魅力来源于一个强大的组合：深厚的历史积淀、纯粹的制表传承、以及无数传奇人物与故事。从保罗·纽曼（Paul Newman）到各种影视作品和体育成就，劳力士的形象早已深入人心。它不仅仅是一个计时工具，更是一种成就的象征、一份珍贵的礼物、一件可以传世的资产。Silver（西尔弗）指出，对于许多人而言，购买第一块劳力士（无论是古董款还是现代款）是一个重要的人生里程碑，代表着“我做到了”。这种“渴望感”是品牌的核心驱动力之一。
他特别强调了劳力士在奢侈品领域的“入门”作用：“很多人是通过劳力士第一次接触到豪华腕表这个概念。如果没有劳力士作为‘引路人’，许多人可能根本不会知道高端腕表世界的存在。” 尽管并非所有人都会从劳力士扩展到其他品牌，但劳力士作为“门户”的角色，对整个腕表行业的生态至关重要，滋养了从大型品牌到独立制表师的整个体系。
古董劳力士市场的演变与转折点
The Vintage Watch Company 的创立本身就是一个市场选择的缩影。Silver（西尔弗）回忆道，30年前他的父亲最初经营的是一个包含多个品牌的古董表柜台，但很快发现，劳力士的销售速度远超其他所有品牌的总和。这个“尤里卡时刻”促使他们决定专注于单一品牌——古董劳力士，将其作为当时现代劳力士之外一个极具吸引力的替代选择。
谈及古董劳力士市场的演变，Silver（西尔弗）认为，2017年保罗·纽曼本人的“保罗·纽曼” Daytona 腕表在富艺斯拍卖行以1700万美元创纪录的价格成交，是一个“ monumental turning point”（ monumental 转折点）。这一事件首次将“古董”、“劳力士”和“天价”这几个关键词同时推上了全球各大媒体的头条，让普罗大众开始好奇：“一块手表凭什么值这么多钱？” 这股好奇心吸引了海量的新玩家进入古董表领域。他将此事对腕表行业的影响，类比为伊丽莎白·泰勒（Elizabeth Taylor）的珠宝收藏对珠宝行业的推动作用。
市场成熟也带来了变化。Silver（西尔弗）指出，如今的挑战主要在于 sourcing（货源获取），而非销售。市场信息高度透明，消费者（卖家）可以轻松通过网络了解腕表的大致价值，很难再以极低的价格“捡漏”。同时，由于古董表的不可再生性，拥有者越来越惜售，而现代腕表则更容易在市场上流通。
新冠疫情及其后的供应链问题，意外地给古董市场带来了助推。当消费者走进劳力士授权店，却只能得到“请登记排队”的答复时，古董劳力士的“即时可得性”成为了巨大的优势。许多人因此第一次尝试购买古董款，并由此成为常客。
收藏逻辑：偶然性与历史的馈赠
在讨论古董表的价值来源时，Silver（西尔弗）和 Adams 达成了一个共识：最具收藏价值的物品，往往在其诞生之初并未被刻意设计为“收藏品”。以 Daytona 为例，在自动计时机芯成为潮流的年代，劳力士仍在使用手上链机芯，导致其当时在市场上并不受欢迎，产量也相对较少。如今被誉为传奇的“exotic dial”（异国情调面盘，即“保罗·纽曼”面）款式，在当时只是零售目录中的一个普通变体。
“当时根本没有人能预见到这些手表未来会价值连城，” Silver（西尔弗）说。这种源于历史偶然性、而非现代营销套路的稀缺性，才是古董收藏真正的魅力所在。他对此表示欣赏，并对当下一些品牌刻意推出“限量版”以营造稀缺感的做法持保留态度。“我们现在都需要等上80年，才能知道2025 年 5 月的哪些限量版在未来真的有价值。”他幽默地补充道。
对于想要从现代劳力士转向古董款的消费者，Silver（西尔弗）会坦诚地设置预期：古董表需要更多的呵护。它们可能不适合佩戴去海滩游泳或潜水，需要像对待宝贝一样小心。但另一方面，他也指出，许多古董表在工艺上其实更为出色，包含了更多的手工成分，佩戴起来通常更轻、更优雅。
《Vintage Rolex》图鉴与未来展望
对话中，Silver（西尔弗）也介绍了其公司出版的《Vintage Rolex》图鉴（新版）。这本书并非传统意义上的品牌历史书，而是一个视觉化的档案库，收录了所有经他们之手、并由专业团队统一拍摄的古董劳力士表款照片。其独特之处在于，它按照收藏家的逻辑（而非品牌官方的产品线）来分类展示，让读者能够直观地看到各个系列（如 Explorer、Submariner）细微的演变过程，以及一些短暂出现过的独特设计。
“世界上没有任何一个地方能同时看到所有这些表，” Silver（西尔弗）说，“因为它们太稀有、太珍贵了。” 这本书因此成为了一部“作弊手册”，让爱好者能快速把握古董劳力士的美学 DNA。他坦言，如今由于一些表款（如彩色 Stella 面盘 Day-Date、保罗·纽曼 Daytona）价格已飙升至数十万甚至数百万美元，要像当年那样集结成如此规模的收藏并进行拍摄，几乎已不可能。因此，这本书也成为了一个特定市场时期的珍贵记录。
展望未来，尽管线上销售和社交媒体日益重要，Silver（西尔弗）坚信实体店体验无可替代。位于伦敦伯灵顿拱廊（Burlington Arcade）的店铺是其业务的核心，让人们能够亲眼目睹、亲手触摸这些历史作品。他2025 年 5 月续签了租约，决心将这个线下目的地持续经营下去。同时，他也敏锐地观察到，加密货币的兴起、全球利率变化、甚至地缘政治冲突，都在以前所未有的方式影响着高端腕表的价值波动，这使得这个行业与宏观经济的联系变得空前紧密。
最后，谈及现代劳力士供应情况逐渐改善是否会影响古董市场时，Silver（西尔弗）用了一个巧妙的比喻：如果一家你屡次预约都被告知客满的知名餐厅，突然主动打电话给你说有位置，你可能会心生疑虑——“是换厨师了吗？”。他认为，消费者心理需要时间调整，而那些最热门的表款依然稀缺，因此市场关系的重塑仍需时日。
体验完 Livo，我想聊聊它暴露出的行业真相一句话的影响价值有多大？
在大多数AI产品里，答案取决于你说了什么、对谁说的。但在Livo里，一句话影响的可能不只是某个具体的Agent，而是整个世界——人与自己的关系、人与人的关系、人与世界的关系，都可能因为这一句话产生改变。
这正是Livo试图回答的问题。过去三年，生成式AI把内容的生产成本压到接近于零。文字、图片、视频，一切曾经需要人类投入大量时间的东西，现在几秒钟就能生成。随着行业的发展，相关应用层出不穷，“与虚拟人格对话”变成了千万级用户的日常习惯。
但一个断层始终存在：AI生成的是内容，是角色，不是一个持续存在、会自己运转的世界。你关闭App，那个角色就冻结了；你不再说话，故事就停了。所谓“互动”，本质上仍然是你推一下，它动一下。
Livo想做的，是让这句话的“影响半径”从一次对话扩展到一个世界。快看漫画在2026年9月将它推入内测，名字来自Living（活着）、World（世界）与Orbit（闭环）——它想做的，是一个角色拥有独立人格、记忆与行为逻辑，能够在用户不在场时继续“过日子”的“仿生世界”。
这个世界独立存在，却又因“我（用户）”的行为选择产生了些许不同。在这个被创造出的世界中，“我（用户）”不是全知全能的“上帝”，也不是只能按照既定剧情路线前进的“旁观者”，而是真正具有主观能动性的“参与者”。
带着这个期待，我进入了Livo。
初体验：“穿越”有了读心术
第一次打开Livo，让我想起了一部知名的影视作品——《西部世界》。
《西部世界》里有“西部世界”、“罗马世界”、“中世纪世界”供游客选择，Livo里也有“蒂利亚之冬”、“DOLO最后的夏天”、“崩溃世纪Love 90s”和“拯救废稿世界”供用户选择。每个世界对应一条故事线，角色之间有关系网络，有各自的时间线。无论用户喜欢恋爱体验、奇幻冒险还是阵营对抗，在这里都能找到符合自己口味的选择。
不同于一般的“AI角色聊天”、“AI情感陪伴”APP，Livo从一开始就不是一个对话窗口，而是一个可以选择进入的“世界”。
初入Livo的体验很像“穿越”：精致的开场视频交代了世界观背景，接着我被“放置”到一个具体场景中。我需要主动找话题跟角色对话，甚至跟路过的NPC搭话。在这里没有任务列表，没有“点击继续”的按钮，如果我不开口，时间就在那里流逝。
但最大的不同很快显现了。在和重要角色“罗兰”的对话过程中，我可以选择系统提供的内容选项，也可以自己发挥。对于他说的每一句话，我不仅能看到这句话本身，还能看到他为什么说这句话——他的状态栏里写着“当前情绪：愉悦”。角色不是在对我的输入做“条件反射”，他在调用自己的记忆和当前状态来回应我。
另一个值得玩味的点是，我可以主动选择推进主线剧情“注定命运”，也可以在不同的场景中“闲逛”，与路过的NPC“闲聊”，触发支线剧情“潜在命运”。
比如在既定的沟通中，罗兰应该慢慢“套出”我的身份信息。可我没有选择系统给出的建议回复，而是直截了当地回复：“你对我很好奇，甚至故意找机会接近我，为了什么呢？”
罗兰也给出了很有意思的反馈：“你一句话，就把我最擅长的把戏掀了个底朝天。习惯了掌控节奏，却没想到会被你看穿……”这句话揭开了一个他的“秘密”——我由此知晓，自己是罗兰此次登上和平号列车最核心的任务之一，而罗兰在此之前从未接触过“万晁女孩”等新信息。
这让我意识到一件事：在Livo里，沟通的主动权不是用户的“天然权力”。在大多数聊天产品里，我随时可以发一条消息，角色必须回应。但在Livo中，角色是否愿意跟我深入聊某件事，取决于我们之前建立的关系，取决于他此刻的状态，取决于这个世界里正在发生的事。对话是“世界产生关系后的必然产物”，不是“用户行使的权利”。
Livo的第一眼体验，不像任何一个现有的AI产品类别。它不是聊天工具的升级版，不是互动小说的AI化，也不是AI版RPG。它更接近一个带地图、有时间线、有角色关系网络的微型世界模拟器。
有因必有果，你的反馈就是“我”
作为一个对话过不下百个Agent的“老用户”，我对AI角色的耐心已经所剩无几。
从最开始的疯狂投入，到后来发现所有角色都在用同一套模板拉扯，再到最后只看人设、立绘和配音——缺少“灵魂”的Agent越来越难打动我。市面上很多“AI角色聊天类应用”的问题很一致：角色靠“堆量”取胜，推送新奇人设吸引你点进去，但聊不了几句就OOC了，互动体验的情绪阈值被提高后，疲劳感来得飞快。
Livo给我的感受完全不同。核心差异在于：角色不是为我而存在的。
一般情况下，关闭App，甚至退出和TA的聊天框后，这个角色就冻结了。但在Livo里，在我和其他人沟通的时候、在我自己探索新场景的时候，罗兰有自己的日程。他上午在台灯下撰写《荆棘花信》的新章节，下午去阅览室看书。我没有参与这些事，但我却能看到它们发生了。他的人生有“主线”，而我只是进入了他的世界，不是他围绕我运转。
这种能力并不是主要角色的特权，就连戏份少得可怜的NPC同样拥有自己的生活。
Livo的底层逻辑是“世界状态持续演化”——用户不在的时候，角色之间的关系在变，事件在发生，因果在累积。这听起来像是一句产品文案，但实际体验中有一个瞬间让我真正理解了它的含义。
一次任务，我和NPC咖啡店老板与面包店老板产生了交集。因为我送给列车员一个暖手袋的小事件，三者产生了很奇妙的化学反应。在我无意间再次打开这个场景的对话框时，我发现他们三个人正在探讨我什么时候会再来，要给我一直温着暖手袋从而回报我的善意，要请我再喝一杯新创的咖啡，品尝一下可口的小面包……
坦言之，看到这些内容我是震惊的。他们只是我这段体验中很边缘化的角色，甚至都不是主角，但依然做着自己的事情，甚至会因我而产生争吵。宛如他们并不是NPC，而是一个个切切实实活在那个世界中的人。
这就是“因果”在Livo里的样子。我对列车员说的话、做的事，影响了他自己的行为模式，进而影响咖啡店老板与面包店老板对我的态度。这不是预设的剧情分支，而是几个独立Agent之间的信息流动产生的连锁反应。在轮次对话产品里，这种多角色因果链不可能出现。你生成的是“回应”，Livo试图生成的是“轨迹”。
更让我意外的是，Livo里一个叫“照见我”的模块。与任轻义交流，随着角色逐渐认识你，系统会生成属于我自己的“照见我”。这里记录的是我留下了怎样的痕迹，角色如何理解我，以及这个世界正在如何“看见我”。
换句话说，Livo里的“我”不是用户自己定义的人设，而是这个世界对我的行为的反馈与沉淀。我在任轻义面前的样子、在罗兰面前的样子、在咖啡店老板面前的样子，被分别记录、分别理解，最终汇聚成一个被世界“看见”的“我”。这让我意识到，Livo试图做的不仅是让角色“活着”，更是让用户在被世界看见的过程中，重新认识自己。
这可能才是“有因必有果”的真正含义——你的每一个行为都会进入这个世界的因果链条，而这个世界最终会把这些因果，以“你是什么样的人”的形式，还给你。
一个“活着的世界”究竟靠什么成立？
这次我不仅体验了APP的完整功能，还拿到了新Demo的内测权限，在Demo上直观看到了这个世界运行的底层代码。
比如因为“窗外暴雪”的因，散廷·姚产生了“推开小型放映厅门时肩头还落着雪，他抖落雪的动作比胶片转动声音轻”的“果”；又比如在没有我的地方，施塔恩与罗兰开始了关于等待的相互试探……
从公开信息来看，Livo的技术架构为双层结构，由「创作者灵魂注⼊⼊⼝层」与「三⼤引擎」共同构成，此为Livo区别于⼀般AI⻆⾊/聊天机器⼈产品的底层差异。
入口层将创作者以文学语言撰写的素材，结构化为可供引擎运行的数据。具体来看，在个体侧，人物小传被抽离为「六层人格」档案，包括自我意识、底层需求、信念、思维、立场和情绪；在世界侧，世界观骨架被抽离为「六层世界结构」，包括本源、动力、信念、秩序、律法和气象。
有了入口层的这串“基础代码”，「三⼤引擎」就可以开始协同工作。World Agent，负责管理日程、事件、天气、运势等影响整体状态的因素。Soul Agent负责用户与角色之间的交互。「深度被感受」引擎，通过五步链路保证情感回应的真实性。此时每个角色本身都是一个独立Agent，拥有不同的人设、世界观和状态，调用各自的Sub-agent和MCP服务。底层是Memory和“因果编剧”——前者负责长期信息的保存和召回，后者负责维持长时间运行后的故事因果不崩。
这个架构试图解决的核心问题不是“技术单点突破”，而是“长时段运行后的一致性”。
那些投入了大量的经济成本与时间成本才“调教”好的Agent突然OOC，忘记了我们的过往，忘记了我们之前一起经历的种种，产生出一些不符合角色的行为，对于我们这些老用户而言是致命性的打击。
但Livo走了一条完全不同的路——它不追求物理引擎级别的真实感，它追求叙事因果层面的可信度。“活着的世界”靠的不是更多的角色、更长的剧情、更漂亮的画面，而是三样东西：长期记忆的叙事性、多Agent的自主交互、用户行为的因果进入。
记忆层面，Livo的设计逻辑不是“记住用户说过的话”，而是角色拥有自己的经历。“经历过的事”和“知道的事实”是两回事，这个区分决定了角色是在“回忆”还是在“检索”。
多角色自主性层面，任轻义和罗兰之间的关系张力不是我能直接控制的。他们之间的互动有自己的逻辑，我感受到的是一个本来就在运转的关系网络，而不是一个为我搭建的舞台。
技术路线上，Livo的团队借鉴了斯坦福AI小镇的思路，但明确表示不会照搬任何现有方案。这个产品需要的基础设施，市面上还没有现成的。让子弹再飞一会儿，是合理的态度。
尾声
客观来说，Livo目前还不是一个完美的“活世界”。
角色的“涌现”深度有限，长时间交互后人格偶尔会漂移；有时候剧情已经结束了，角色应该离开了，对话框却还停留在那里，引导我继续沟通交流；“照见”等模块的体验还不完整；故事剧情是单向发展的，不能像聊天Agent那样撤回自己说的话，也不能像影游那样回溯到某个节点……
这些问题的本质其实是同一个：一个持续运转的世界，意味着任何一次交互都会永久改变世界状态。自由度和容错性之间，Livo选择了前者。这个选择有代价，但方向是对的。
所以比起这些体验上的小问题，我更关心的是另一个问题：第十小时、第一百小时之后，这个世界是否还值得回去。
这个问题，其实不只是Livo的问题。每个时代都有属于自己的娱乐方式。电力与光影技术让电影出现，电子技术与广播电视网让电视剧热播，个人电脑与互联网让互动叙事游戏广受欢迎，生成式AI与多智能体架构也让Livo出现。
它们看似是不同年代的产品，背后却是同一条线索：媒介技术的每一次跃迁，都在重新定义“人如何进入一个故事”。电影让人坐在黑暗里观看，电视剧让人在客厅里陪伴，互动叙事游戏让人在选项里参与，而Livo试图让人“活”在一个会自己运转的世界中。从“看”到“陪”，从“选”到“在”——每一次跃迁，都是“进入”的深度在加深。
而在这个方向上，快看还有一个被低估的优势。十二年的漫画经验，意味着它对“角色怎么让人在乎”有肌肉记忆。在一个比拼“世界感”的赛道上，这种能力比想象中更重要——因为一个世界之所以值得回去，不是因为技术多先进，而是因为里面有人让你惦记。
从“生成内容”到“生成持续存在”，这可能是AI内容产品的下一个分水岭。Livo还不是那个分水岭本身，但它是目前更接近让人感觉到“世界在活着”的产品。它验证了“世界可以自己往前走”这件事不是空想，但距离“一个真正活着的世界”还有大量未解决的问题。
它值得被看到，不是因为它已经做成了什么，而是因为它指向的方向——让故事不再停在“然后呢”，让它真的有一个“然后”。
图片来源｜企业供图
美联储加息一次够么？点击小程序查看报告原文
北京时间今天凌晨结束的9月FOMC上，美联储如期加息25bp，将基准利率升至3.75%~4%，是继2023年7月加息周期结束、2024年9月开启降息和2025年9月继续降息三次后，美联储的首次加息。
我们最早在7月FOMC点评中就提出，当前环境和1997年“预防式加息”有类似之处（《如何才能“预防式加息”？》），8月Jackson Hole沃什转鹰后又提示，从维护美联储信誉角度，9月最好加息（《沃什转鹰意味着什么？》、《如果加息会发生什么？》）。
加息后，美元站上100、10年美债小幅走高至5%，黄金微跌，美股科技微跌、传统股票因受利率影响更大跌幅更多，如地产银行。市场整体反应不大，更多在敏感的美元和传统股票上，这与我们在（《如果加息会发生什么？》）中提示一致：短暂的加息或降息更多是提前计入，除非连续加息（三次甚至以上）。市场的问题往往是事前因为害怕加息的影响而回避加息问题不做准备，却又在看到加息无可避免后过度担心加息后的冲击。实际上，我们认为加息不是坏事，不加息也未必是好事。
图表：会议后CME利率期货仍隐含年内再加息1次预期
资料来源：CME，中金公司研究部
那么，走到这一步后，市场关注的焦点在于，美联储加息一次够吗？对市场后续有和影响？我们在本文中将聚焦于此做出分析。
此次加息的特点：高度预期的加息，中性加息
首先，此次加息是一次高度预期的加息：1）CME利率期货隐含的9月加息概率已高达93%；2）5%的10年美债扣掉70bp的期限溢价，余下4.3%的利率预期隐含了至少两次加息；3）主要华尔街投行都预计9月加息。
图表：会议前CME利率期货隐含9月加息概率高达93%
资料来源：CME，中金公司研究部
图表：当前5%的美债利率隐含70bp的期限溢价，余下4.3%的利率预期隐含至少两次加息
资料来源：Bloomberg，中金公司研究部
图表：会议前主要华尔街投行都预计9月加息
资料来源：The Wall Street Journal，Nick Timiraos，中金公司研究部
其次，这是一次整体中性加息：1）加息25bp，完全符合市场预期，沃什表态维持与上次基调一致。8月Jackson Hole沃什转鹰后，8月非农、PPI和CPI又接连超预期，迫使沃什兑现鹰派承诺。对沃什而言，此次加息已是“箭在弦上不得不发”。沃什此次讲话与8月Jackson Hole会议表态基本一致：重点强调当前的通胀水平依然高于目标，且美联储的工作重心仍是价格稳定。
图表：8月非农新增就业16.2万大超预期
资料来源：Haver，中金公司研究部
图表：8月整体CPI符合预期，但核心CPI环比超预期，导致核心CPI同比几乎持平上月
资料来源：Haver，中金公司研究部
2）“点阵图”预计2026年还有一次加息，2027年持平，部分缓解市场对超预期鹰派的担忧。虽然点阵图的参考意义因沃什拒绝给出自己的预测而大打折扣，但依然是一个市场关注的参照。剩余18名委员的利率预测中值显示，2026年利率“中位数”升至4.125%，较6月“点阵图”的中位数3.875%多出一次加息预期，意味年内预期还有一次加息，这个与市场广泛预期的加息两次一致；2027年中位数持平，这少于CME利率期货此前预期的总计4次加息。
图表：点阵图2026年利率中位数4.125%，隐含年内还有1次加息，2027年持平
资料来源：美联储，中金公司研究部
图表：9月会议上美联储上调2026年通胀和增长预测、下调失业率预测
资料来源：美联储，中金公司研究部
美联储加息一次够吗？不存在连续且大幅加息的基础，除非油价失控
在这次已经高度预期的加息之后，美联储是否会连续且大幅加息？从本次会议的表态及当前基本面角度看，不存在连续且大幅加息的基本面基础（三次甚至以上），除非后续油价失控。高利率本身也将逐步传导到金融条件，从而抑制经济增长，这成为阻碍继续大幅加息的“反身性”因素，如当前美国30年抵押贷款利率已经逼近7%。
首先，从本次会议沃什的表态来看，沃什依然回避对未来利率走势做出前瞻指引，在新闻发布会上的基调也是延续Jackson Hole会议上认为美联储工作重心依然是价格稳定的表态，并没有太多超预期的鹰派内容[1]。
其次，从美国自身经济基本面角度，高利率也会对传统需求形成抑制，甚至压制AI投资，阻碍美联储连续加息，形成利率的“反身性”。目前美国经济K型分化，当前利率走高将反过来压制传统需求，从“反身性”角度抑制大幅加息。事实上，美国传统需求已受到高利率的抑制，尤其是利率敏感的地产和投资。8月ISM制造业PMI从7月高点55.6回落至54.6，成屋销售也在高利率抑制下再度回落。作为重要增长引擎的AI，由于龙头ARR的放缓和自由现金流逐步开始转负，对外部融资依赖度也在增加。在需求侧面临瓶颈的背景下，如果融资成本大幅抬升，也将削弱资本开支的意愿，进而影响整体增长。换言之，加息反而导致无法加息太多。
图表：8月美国ISM制造业PMI回落至54.6
资料来源：Haver，中金公司研究部
图表：近期利率的走高推动地产数据再度回落
资料来源：Haver，中金公司研究部
图表：除微软、Meta外的云厂商二季度自由现金流已经转负
资料来源：FactSet，中金公司研究部
图表：当前云厂商19.9%的加权ROIC高于WACC的9%
资料来源：FactSet，中金公司研究部
除非油价大幅失控。我们测算，若油价中枢维持在100美元以上甚至更高，那么CPI将无法继续走低，将给美联储带来更大压力，这也同样会给11月将面临中期选举的特朗普更大压力。我们测算，若油价三四季度中枢降至80美元，CPI同比会在年底回落至3.0%左右。
图表：我们预测若油价中枢不超过100美元，美国CPI同比年底大概率回落
资料来源：Haver，中金公司研究部
加息对市场影响？短暂加息往往是提前计入，市场通常“反着走”
我们此前多次提示，对市场而言，此次加息未必是坏事，而不加息未必是好事。
短暂的预防式加息，在“满足”市场对重塑美联储和美债信任需要的同时，影响更多是提前计入预期，所以市场往往“反着走”，兑现时反而是美债利率的高点和美股的低点，1997年格林斯潘加息一次如此，2024-2025的短暂降息同样也是如此（《如果加息会发生什么？》）。相反，只有持续大幅加息才会通过提高融资成本和收紧金融流动性对实际增长和金融市场造成更长期和大幅的冲击，典型如2022年俄乌冲突后为应对高通胀525bp的加息。因此，对于短暂的加息，扰动反而可以提供更好的买点。
回顾1990年以来历次加息周期的历史经验，加息初期对市场有扰动，但平均0-2个月内市场重拾涨势，预防式加息中影响更小。
我们复盘了1990年以来美联储6次加息周期：1）美债跌幅主要在加息前，预防式加息兑现后美债往往转为上涨，历次加息后美债平均下跌18天后（数据为1990年以来加息后表现中位数，下同）转为上涨，1997年预防式加息后长债利率很快见顶回落，2）美股在加息后会有扰动，但平均2月内反弹，预防式加息后反弹更快，标普平均在加息后59天下跌4.7%后、纳指平均在加息后68天下跌8.1%后重拾涨势，在1997年的预防式加息周期后反弹更快，标普下跌17天、跌幅6.5%后转为上涨，纳指下跌仅8天、跌幅3.8%后反弹。3）黄金同样如此，历次加息后平均82天下跌2.3%后转为上涨。4）美元涨幅更多在加息预期阶段，加息后并不必然大幅上涨，除非2022年那样连续大幅加息。5）AH股在历次加息后涨跌不一，更多受到国内基本面的影响，如1997年美联储预防式加息后，国内经济复苏叠加香港回归预期推动AH市场共同继续上涨。
图表：回顾1990年以来历次加息周期的历史经验，加息初期对市场有扰动，但平均0-2个月内市场重拾涨势，预防式加息中影响更小
资料来源：Bloomberg，中金公司研究部
从各类资产计入的未来一年加息预期来看，利率期货（3.0次）铜（1.6次）美债（1.0次）=美联储点阵图（1.0次）黄金（0.8次）道琼斯（0.1次）标普500（-0.5次）纳斯达克（-1.1次），这意味铜、美债和黄金计入加息预期较多。具体而言：
图表：当前铜、美债和黄金计入较多加息预期，权益市场相对乐观
资料来源：Bloomberg，中金公司研究部
► 美债：先修复期限溢价，长端名义利率或逐步筑顶甚至回落，体现“赔率”和交易机会。当前长债利率已完全计入年内再加息一次的预期，假设美联储年内再加息1次，对应10年美债利率中枢约4.8-5%。美联储此次兑现鹰派承诺也将有助于稳固联储信誉，从而缓解长债期限溢价上行压力。
图表：若美联储年内再加息1次，对应长债中枢4.8~5%
资料来源：Haver，美联储，中金公司研究部
► 美股：并不悲观，短期扰动或提供更好介入机会。我们在6月的年中展望里就进一步上调标普500点位至7800-8000（《“殊途同归”的K型分化》）。市场走到这一点位后的纠结震荡，除利率上行带来的流动性扰动外，更多因为AI需求侧放缓带来的回报不足担忧。整体估值并不贵，随着加息落地，如果AI产业发展有新催化，美股仍有上行空间，短期如果出现较大扰动也可以提供更好买点。
图表：基准情形下，我们年中上调2026年标普点位至7800~8000
资料来源：Bloomberg，中金公司研究部
► 美元：短期受到加息带来的信誉以及利差提振，我们依然预计整体维持震荡格局。短期内，美元仍受到加息带来的美联储信誉以及利差因素提振，叠加美国经济仍具韧性，我们依然预计美元指数维持96~99区间震荡格局。
图表：我们预计到年底美元指数在96~99区间震荡，不至大幅走弱
资料来源：Haver，Bloomberg，中金公司研究部
► 黄金：不加息的空间大于加息，目前更多类似上行空间不确定的看多期权。仅仅基于美债利率和美元的静态测算看，我们测算黄金支撑位在4200-4500美元附近。除非连续加息，黄金的下行压力相对可控，但上行空间也需要更多宏大的叙事。美联储不加息可以给黄金营造出信任丧失和去美元化的宏大叙事，而加息恰恰削弱了这一叙事，所以上行空间不如不加息时大，得等待更多叙事催化。
图表：我们静态测算，当前美元和实际利率支撑的金价大约在4200~4500美元/盎司
资料来源：Wind，中金公司研究部
图表：当金价超过5500美元，面临新旧体系分水岭的对抗，将会面临剧烈波动
资料来源：Haver，IMF，World Gold Council，UCGS，中金公司研究部
[1]https://www.federalreserve.gov/mediacenter/files/FOMCpresconf20260916.pdf
Source
文章来源
本文摘自：2026年9月17日已经发布的《美联储加息一次够么？》
刘刚，CFA 分析员 SAC 执证编号：S0080512030003 SFC CE Ref：AVH867
项心力 分析员 SAC 执证编号：S0080526050001 SFC CE Ref：BXU271
杨萱庭 分析员 SAC 执证编号：S0080524070028 SFC CE Ref：BXS665
郝悦宁 联系人 SAC 执证编号：S0080125070024
49比50：CLARITY法案为何倒在参议院门口？这“主流”，如你所愿。作者 Charlie，常驻硅谷参与和观察前沿科技十五年，聚焦AI如何重构金融服务、支付网络、与资本市场。Fintechnize 与【沙丘路的毛圈狮子】创始人，Venture Partner @ Generative Ventures。曾任OSL美洲支付负责人，加密货币独角兽 Strike 副总裁（参与萨尔瓦多比特币法案，并负责拉美比特币闪电网络和稳定币支付业务），万亿级基金 Franklin Templeton 宏观与货币分析师，全球支付巨头Adyen早期成员。文章为个人观点，不是投资建议。
今天美国参议院这场投票可谓是万众瞩目。
9月15日投票前，比特币已经跌了超过3%，Coinbase和Strategy（原MicroStrategy）都跌了4%左右，PolyMarket上的通过概率降到了百分之十几；下午参议院投票失败以后，比特币一度跌到接近7.5万美元，Coinbase 和 Circle 跌幅也接近11%。
当然，当天美债收益率上升、油价上涨，第二天又恰逢美联储议息会议，所以不能把这些资产的每一点波动都机械地归因于 CLARITY Act。但无论从投票前的市场交易，还是结果出来之后加密相关资产进一步下跌来看，市场显然没有把它当成一场无关痛痒的国会程序。
一边是两万多亿美元规模的加密资产市场，另一边是 Coinbase、Circle、Strategy 这些已经深度嵌入美国公开市场的上市公司，再加上 BlackRock 和Franklin Templeton 等传统金融机构已经进入这个行业，华盛顿的一张票自然也就逐渐变成了华尔街需要定价的风险。
最后的结果大家已经知道了：美国东部时间9月15日下午2点15分，参议院就CLARITY Act进行程序性投票，49票赞成、50票反对，没有达到60票门槛。
更准确地说，这次并不是CLARITY Act本身的最终表决，而是决定是否结束对“开始审议这部法案”的程序性辩论（cloture vote）；也就是说，参议院甚至还没有进入正式修改和最终表决阶段，这部法案就被挡在了门外。
这并不意味着法案在法律意义上已经死亡，多数党未来仍然可以重新尝试，但考虑到中期选举越来越近、国会日程已经非常拥挤，至少今年9月最重要的立法窗口基本已经关上了。
更值得琢磨的问题反而是：一部2025年在众议院以294比134高票通过、当时甚至拿到78名民主党议员支持的法案，为什么一年以后到了参议院，连让大家坐下来正式讨论的60票都凑不到？
而如果只把答案归结为 “民主党阻挠Crypto”，其实又会漏掉这件事最有意思的部分。因为到了最后，CLARITY Act 早已经不只是在讨论 Crypto 到底是不是证券，而是同时卷进了银行存款、稳定币收益、DeFi 开发者责任、消费者保护、州和联邦的监管权，以及特朗普本人和家族的 Crypto 经济利益。
换句话说，过去十几年Crypto一直在争取进入美国主流金融体系，而这次法案的遭遇恰恰说明，它已经真的走进来了。
只是进入主流之后，游戏突然变难了。
GENIUS管的是“钱”，CLARITY想管的是整个市场
去年7月，特朗普签署 GENIUS Act，第一次为支付型稳定币建立了比较完整的联邦法律框架。当时很多报道会笼统地说“美国Crypto监管终于立法”，但如果把GENIUS和CLARITY放在一起看，两者解决的其实完全不是一个层面的问题。
GENIUS主要解决的是“数字美元怎么管”：谁可以发行一个号称1美元兑1美元的稳定币，背后应该持有什么样的储备，储备怎么披露，出了问题由谁监管。
而CLARITY要处理的，则是整个数字资产市场怎么运作——一个代币到底属于证券还是商品，什么情况下由SEC监管，什么情况下由CFTC监管，交易所、经纪商和托管机构需要什么牌照，项目方怎样发行代币，以及交易平台怎样处理客户资产、利益冲突和市场操纵。
所以如果一定要做个简单类比，GENIUS更像是在规定什么样的钱可以发行，而CLARITY是在给整个金融市场修路、发驾照、划分交警管辖范围。它并不决定哪一种币最后会涨，也不是给某几个项目“发免死金牌”，而是在试图回答一个已经困扰美国行业十多年的问题：Crypto进入主流金融体系以后，到底按照谁的规则玩。
这里面最核心的自然还是SEC和CFTC的分工。
过去美国对Crypto最大的争议之一，就是很多代币究竟是不是证券。传统证券法的核心框架来自上世纪30年代，后来法院通过Howey Test判断一项资产交易是否构成“投资合同”；然而把这一整套法律直接套到一个可能经过几年逐渐去中心化的区块链网络上，天然就会产生很多灰色地带。
CLARITY试图把相当一部分真正具有网络用途、并达到一定成熟程度的数字资产纳入“数字商品”范畴，让CFTC承担更多现货市场监管，同时保留SEC对证券发行以及资本形成活动的监管。
这也是为什么这部法案对Coinbase这样的交易平台尤其重要。
过去很多美国Crypto公司面对的现实并不是“完全没有监管”，反而是同时受到证券法、商品法、州牌照、法院判例以及不同监管机构解释的约束，真正缺少的是一张全国统一的地图。CLARITY试图把这些分散的规则重新拼成一个体系，尤其建立数字商品交易所、经纪商和交易商的联邦注册制度。
这里还涉及另一个最近两年越来越现实的话题，就是RWA和证券代币化。一张股票或者债券被搬到区块链上，并不会因为技术形式发生改变，就突然从证券变成商品；证券还是证券，SEC仍然负责监管。CLARITY并不是用Crypto重新发明金融法律，而更像是在原有金融体系旁边把一块长期没有铺平的路接上去。
理解这一点以后，也就能明白为什么去年GENIUS Act通过之后，整个行业仍然把CLARITY看得如此重要。稳定币只是金融体系里“钱”的一部分，而真正涉及交易、发行、融资、托管、DeFi和二级市场的那一大块，仍然没有被国会完整写进法律。
美国现在其实已经有了不少规则，缺的是这些规则能维持多久
CLARITY最容易让圈外人产生的另一个误解，是以为没有这部法案，美国Crypto行业就又回到了Gary Gensler时代那种完全靠执法猜监管边界的状态。
其实并不是。
今年3月17日，SEC和CFTC已经联合发布了一份重要解释，对数字商品、数字证券、稳定币等资产进行分类，并对一个非证券数字资产什么时候可能因为发行安排构成投资合同、什么时候这种投资合同关系又可以结束，给出了更系统的解释。
到了8月，SEC又正式提出新的加密资产发行规则，为部分项目设计专门的发行豁免和安全港，其中包括规模较小的初创融资渠道，以及12个月内最高7500万美元的发行安排。
如果单看2026年的方向，美国Crypto监管其实已经比几年前清晰太多。SEC不再坚持“绝大多数代币都是证券”的模糊立场，CFTC也在利用现有权限探索数字商品现货市场的监管框架。
对于创业公司来说，过去完全依赖律师猜测SEC下一步会不会执法的状态，正在逐渐变成一套至少可以拿来设计产品和合规路径的规则。
但这里有一个看起来非常法律技术、实际上对商业决策特别重要的区别：监管机构今天出台的规则，和国会写进法律的规则，不是一回事。
SEC今天可以作出解释，未来的SEC也可以改变解释；今天可以经过正式程序制定一套新规，下一届政府同样可以通过新的程序重新修改。正式规则当然比主席演讲、工作人员指引更加稳定，也不会因为换一个SEC主席第二天就自动消失，但本质上它们仍然建立在行政机构现有的法定权限之上，法院也可能继续追问这些机构究竟有没有越权。
这一点连现任SEC主席Paul Atkins自己都说得很直接。他在8月提出新规时明确表示，国会立法对于建立足够持久、能够防止未来监管者轻易推翻的规则仍然“不可或缺”。换句话说，即使是今天正在积极推进Crypto新规的SEC，也并不认为自己能够完全替代国会。
从创业者角度来看，这种区别一点都不抽象。一家公司真正考虑的从来不是“我今年能不能上线一个产品”，而是值不值得花三年时间、几千万美元，申请牌照、组建合规团队、重做产品和托管架构以后，相信2029年换一个总统、换一批监管者，这套东西依然大致成立。
大型金融机构更是如此。银行如果真的要把链上托管、结算、交易甚至部分核心银行系统重新搭建起来，看的不是今年和明年的政策，而是未来十年的制度稳定性。
所以CLARITY最核心的价值，可能并不是让美国“变得更支持Crypto”。至少在当前这一届政府下，美国政策已经相当支持Crypto了。
它真正想解决的是另一件事情：把今天的政策方向，从“一届政府的选择”，变成一套更加难以轻易逆转的法律。
真正有意思的冲突，不是SEC和Crypto，而是稳定币开始抢银行的存款了
如果这是几年前，我大概会觉得CLARITY最难谈的地方一定是SEC和CFTC谁来管Crypto。但看到今年的谈判以后，反而是稳定币收益和银行之间的冲突跳上了头条，因为这可能代表Crypto第一次真正碰到了传统金融最核心的利益。
GENIUS Act 已经禁止稳定币发行人直接向持有人支付利息，但很快就出现了另外一个问题：如果不是发行人，而是Coinbase这样的交易平台给用户奖励呢？如果用户持有稳定币可以获得某种收益，银行存款还会不会像以前一样具有吸引力？
Crypto行业看到的是产品竞争。既然用户的钱最终对应的是美元资产，而技术又可以降低分发和运营成本，那么为什么不能把更多收益返给用户？
银行看到的却完全是另一件事。
对于美国大量社区银行来说，低成本存款并不只是一个产品，而是整个资产负债表最关键的资金来源。银行拿到居民和企业的存款，再把这些资金变成小企业贷款、房贷和商业地产贷款。
如果大量资金从银行账户转到可以获得更高收益的稳定币账户，影响的就不仅是银行少赚一点手续费，而可能是整个贷款体系的资金成本。
这也是为什么今年围绕CLARITY的游说，最后演变成了一场Crypto行业和银行业非常直接的利益博弈。在9月投票之前，双方都利用国会休会期直接去参议员所在州游说；银行业最核心的担忧之一，就是稳定币收益可能把传统存款抽走，而Crypto行业则认为银行试图利用监管保护既有利益。
共和党最终版本也专门加入了一个针对社区银行的“熔断”机制，试图让财政部在法案实施后评估稳定币收益是否对小型银行造成重大负面影响，但银行业的反对并没有因此消失。而且这个问题到最后已经越来越不是简单的民主共和两党之争，而更像是共和党内部“银行利益”和“Crypto利益”之间的冲突。
这件事其实非常有象征意义。
过去Crypto和传统银行之间的冲突，大多停留在银行愿不愿意给交易所开户、监管者允许不允许银行托管Crypto这些外围问题；但稳定币发展到今天，双方开始真正争同一笔钱——用户放在哪里的美元。
从金融行业的角度来看，争支付入口很重要，争交易流量也很重要，但真正碰到资产负债表才算进入腹地。
所以反过来看，今年银行业如此激烈地参与CLARITY争议，可能恰恰说明稳定币已经从一个Crypto原生产品，逐渐变成了传统银行必须认真对待的竞争者。
DeFi看起来是在保护程序员，其实是在重新定义什么叫“金融中介”
另一个长期被Crypto圈简化的问题是DeFi开发者保护。
比较直觉的一种说法是，一个程序员只是在GitHub上写了一段开源代码，既不替用户保管钱，也没有能力决定别人怎么使用，当然不应该因为有人用这段代码转账就被当成银行或者汇款公司监管。这个逻辑本身并没有什么难理解的，所以CLARITY过去一年一直在尝试更清楚地区分“写软件”和“经营金融中介”。
但反过来，如果监管规则只要看到“开源代码”几个字就完全退出，那么任何金融中介理论上也都可以给自己包上一层协议外壳，继续收手续费、控制关键权限甚至决定谁能使用，却声称自己只是一个软件项目。
因此真正的问题从来不是“程序员要不要承担责任”，而是谁拥有控制权。
谁替用户保管资产，谁可以单方面升级协议，谁能冻结资金，谁收取费用，谁决定哪些资产进入系统，谁有能力改变交易结果，这些才是判断一个DeFi项目究竟只是提供工具还是已经承担金融中介功能的关键。
这也是为什么CLARITY到了最后会把开发者保护、反洗钱、刑事责任、州消费者保护等一堆看起来互不相关的问题同时卷进来。表面上大家在争一个定义，底层其实是在重新划分责任：区块链把传统金融机构的一部分功能拆散给了开发者、验证节点、前端、协议治理者和交易平台，那么传统法律里原本由一个金融机构承担的责任，也就必须重新分配。
所以Crypto真正进入金融主流以后，最麻烦的问题其实都开始变得非常“不Crypto”。
谁承担责任，谁拿牌照，谁保护消费者，出了问题谁赔钱——这些问题一百年前金融监管就在解决，技术可以重新设计金融基础设施，却不会让这些问题凭空消失。
然后特朗普把一场技术谈判，变成了利益冲突问题
如果CLARITY最后只是卡在SEC和CFTC分工、稳定币收益或者DeFi开发者责任上，反而事情会简单很多，因为这些最终都是可以通过不同利益集团让步来寻找平衡的问题。
今年夏天真正改变谈判性质的，是特朗普及其家族在Crypto行业里的经济利益。
这里其实不需要站在任何一边评价特朗普该不该拥有Crypto资产，真正麻烦的是制度本身出现了一个非常直观的冲突：美国国会正在制定一套决定Crypto公司未来可以做什么、谁可以进入市场以及如何赚钱的基础法律，而现任总统及其家族同时又在这个行业中拥有显著的经济利益。于是对民主党谈判者来说，伦理限制逐渐从一项附加条款，变成了支持整部法案的重要前提。
共和党并不是完全没有让步。9月14日公布的最终修订文本中，共和党谈判方表示一共吸收了126项民主党提出的实质性修改，其中包括更加严格的公职人员Crypto限制，以及扩大州检察长的部分执法权限；而且甚至特朗普本人都接受了Tillis和Gallego提出的伦理框架中的相当一部分内容。
但民主党谈判者仍然认为，最终版本在执行独立性、资产处置范围以及相关漏洞方面不够严格；与此同时，共和党方面则认为已经进行了大量让步，民主党仍然没有形成足够票数支持法案。
最后72小时里，双方实际上已经不是在争论“美国需不需要Crypto市场结构立法”，而是在争论什么样的利益冲突限制才足以让这部法律具备政治合法性。
这里我觉得需要避免一种过于简单的归因。
说“民主党为了反特朗普故意杀死Crypto法案”显然解释不了银行业的反对以及共和党内部的反对票；但反过来说“完全是特朗普的利益冲突毁了CLARITY”，也会忽略稳定币、DeFi、反洗钱、州监管权这些在特朗普问题出现以前就已经存在的深层分歧。
更接近现实的情况，可能是原本几个虽然困难但仍然可以谈判的问题，在中期选举前极度压缩的时间窗口里，又叠加上了一个双方都很难退让的伦理争议。最终文本直到投票前不到两天才公布，600多页内容还在不断调整，技术问题、金融利益和选举政治同时挤到最后几十个小时，最后自然也就很难靠一两个条款救回来。
49比50之后，美国Crypto并没有回到原点
所以我并不觉得CLARITY失败以后，美国Crypto监管会重新回到前几年那种一片混乱的状态。
SEC今年已经把大量重要问题讲得比过去清楚，新的发行规则正在推进；CFTC也已经明确表示，即使国会不通过CLARITY，也会继续研究如何利用现有法律权限推进数字资产市场规则。
换句话说，国会这条路暂时堵住以后，监管权力会更多流回SEC、CFTC以及未来处理诉讼的法院，而不是所有事情全部停摆。
这也是我觉得未来一两年美国Crypto最有意思的状态：规则可能会越来越多，能做的事情可能也越来越多，但制度本身未必因此越来越稳定。
对于短期做产品的公司来说，这两者看起来区别不大。只要SEC不来执法、律师认为规则允许、投资人愿意出钱，产品当然可以继续往前做。但对于真正需要投入几年建设合规体系、银行基础设施、托管和清算网络的大公司来说，“今天可以做”和“五年以后依然可以做”，完全是两个商业问题。
这大概也是为什么行业投入了这么多政治资源推动CLARITY。
Crypto行业过去几年已经在游说和政治活动上投入了数亿美元，尤其是Fairshake这种上亿级别横跨两党的Super PAC。如果只是想换取当前监管机构更友好的态度，其实今天已经基本实现了。真正还没有拿到的，是把这种友好程度写进一部下一任总统也不能轻易改变的法律。
当然，这里也存在一个很强的反方观点：如果SEC和CFTC未来几年能够稳定推进规则，而且这些规则经受住法院挑战和政府更替，那么国会立法的重要性也许没有行业今天想象得那么高。正式规则虽然不像法律那么稳定，却也不是换一个主席就可以随手删除；监管体系本来就是由国会法律、机构规则和法院判例共同构成的。
所以接下来真正值得观察的，并不是预测CLARITY明年到底有多少概率重新通过，而是看SEC和CFTC这条“没有国会也继续走”的路线到底能走多远。如果企业能够基于这些规则放心投入，而且下一届政府也没有大幅推翻，那么CLARITY这次失败的长期影响会比目前想象得小很多；相反，如果这些规则不断遭遇法院对监管权限的挑战，或者2028年之后又随着政治周期明显反转，那么市场最终还是会重新回到Congress面前。
Crypto终于进入了真正的金融政治
回头看这次CLARITY失败，我反而觉得它最值得记住的，并不是哪一个党投了多少票，也不是比特币当天到底跌了4%还是5%。
过去我关注这个行业的十几年，Crypto行业习惯把自己描述成一个挑战传统金融体系的外部力量。早期最重要的问题是Bitcoin到底是不是钱，后来变成以太坊和各种Token到底是不是证券，再后来是SEC究竟有没有权力监管这些公司。整个行业和华盛顿的关系，基本还是一个新兴行业要求旧体系给自己留出空间。
到了今天，情况已经完全不同。
稳定币开始和银行争存款，Coinbase这样的交易平台需要全国性的金融牌照体系，BlackRock等传统金融机构已经在做代币化资产，DeFi开始逼迫监管者重新定义什么叫金融中介，而总统和政治人物在Crypto中的经济利益，也开始需要和传统金融一样面对利益冲突规则。
这其实才是一个行业真正进入主流以后的样子。
大家以前总说希望Crypto获得监管清晰度，但真正的监管清晰从来不是监管者简单说一句“你们可以做”。一旦进入金融体系核心，每一条所谓的清晰规则背后，都意味着有人获得权限、有人失去利益，有人拿到牌照，也有人需要承担过去没有承担过的责任。
从这个角度来看，CLARITY越接近终点反而越难通过，并不是一件特别意外的事情。
因为当Crypto还很小时，所有人都可以抽象地支持“创新”和“清晰监管”；等到它真的开始影响银行存款、资本市场、消费者保护和政治人物自身利益的时候，大家才需要回答那些真正困难的问题。
CLARITY这次没有解决这些问题，但美国Crypto也已经不可能回到过去了。
未来几年真正的悬念，不再是美国到底接不接受Crypto，而是谁来写这套规则，以及这套规则究竟能够维持多久。
而这一次49比50的投票，真正没有跨过去的，也不是表面上的一票。
是从“这一届政府愿意这么做”，到“美国法律以后都这么做”之间的那道门槛。
Celestica：市场刚刚给投资者送上了一份价值 110 亿美元的“大礼”尽管 Celestica Inc.（CLS）近期财报表现超预期，而且整个市场也从 7 月底低点开始反弹，但随着投资者消化公司 8 月份的增发，Celestica 股价仍然持续承压。具体而言，公司在本季度以每股 310 美元的价格发行了超过 1,110 万股新股，募集资金总额接近 35 亿美元。
不过，公司近期与 Advanced Micro Devices（AMD）以及 OpenAI 披露的一系列高质量合作持续推进，进一步凸显出 Celestica 在把握快速变化的计算需求趋势方面，其竞争地位正在不断增强。
具体而言，AI Agent 的兴起正在加速计算需求从以训练为主的工作负载，向高容量推理转移。而最近 Agentic AI 的部署范围也开始从此前主要集中于企业环境，进一步扩展到大众消费者市场，Meta Platforms（META）最新推出的 Muse 就体现了这一趋势。
推理强度不断上升，也相应增加了芯片之间的数据传输量。由于电力预算天然受到限制，这进一步提高了最大化每瓦性能（perf/W）的迫切性。因此，市场对于低延迟、高带宽网络的需求正在持续增强，尤其是 scale-up fabric，因为它负责同一计算域内部的互连，而其互连密度大约是跨机架 scale-out 架构的 10 倍。
而 Celestica 最近与 AMD 和 OpenAI（OPENAI）的合作，也表明公司正在进一步扩大在相关机会中的覆盖范围，将目前在 scale-out 网络中的增长势头拓展至 scale-up 网络，并进一步深入到“板卡、机架和系统”层面的集成。这意味着 Celestica 能够在不断扩大的 AI 基础设施 TAM 中获取更大的价值份额，从而强化其正在加速的增长轨迹，同时随着更高价值的 Hardware Platform Solutions（HPS）业务扩大，也有望支持 Connectivity & Cloud Solutions（CCS）业务持续释放经营杠杆。由此带来的盈利上行空间以及长期自由现金流增厚，将是抵消近期增发造成股权稀释的重要因素，同时随着 Agentic Inference 不断扩大 Celestica 的需求前景，公司仍有望保留进一步的上行空间。 fileciteturn1file0L1-L9
AI Agent 正在推动网络强度上升
Agentic AI 的加速转型已经改变了 AI 开发的经济优先级。正如我此前的文章所讨论的那样，Agentic 工作负载所需要的持续推理循环、工具调用与模型调用，以及上下文检索，本质上都会提高推理 Token 的消耗量。而随着 Meta 最近推出 Muse，Agentic AI 的部署范围也正在进一步从此前主要集中于企业环境，扩展至大众消费者市场。
具体来说，早期 Agentic AI 的采用主要集中在编程、工程、数据科学以及其他企业工作流中。根据行业预测，这些企业工作流分别占 OpenAI 和 Anthropic（ANTHRO）ARR 结构的大约 60% 和 90%。不过，Muse 的推出有望扩大消费者对 Agentic AI 的采用。虽然目前 Muse 的部署仅限于美国，但考虑到 Meta 过去能够成功通过其 Family of Apps 向全球用户分发新功能，而该生态系统目前覆盖 36 亿 DAU，因此 Muse 未来一旦拓展至海外市场，就可能释放数十亿新增用户。与此同时，随着越来越多竞争者进入这一领域，Agentic AI 在消费者场景中的采用范围也很可能进一步扩大。
这与近期行业数据是一致的。目前行业预计，推理工作负载已经占全部计算需求的“大约三分之二”，高于 2023 年的三分之一以及 2025 年的一半。Dell（DELL）最近还预计，随着 Agentic AI 加速发展，到 2030 年推理 Token 数量将增长 87 倍，达到 3,600 千万亿个。不过，电力依然是核心约束因素，因为电网容量扩张速度仍然落后于 GPU 部署进度。因此，在固定电力预算下，推理量不断增长正在推动下一代 AI 系统设计越来越重视每瓦性能优化。
这也相应提高了网络强度，因为要在固定电力预算下优化 perf/W，就越来越依赖更高带宽、更低延迟的互连，以减少芯片之间的通信瓶颈，并最大化系统利用率和正常运行时间。Cisco（CSCO）最近对这种强度进行了量化，其研究显示，在执行相同任务时，AI Agent 产生的网络流量最多可以比人类高 450%。这反映出，Agentic AI 的采用不仅提高了新增计算部署的迫切性，也同步增加了对配套网络基础设施的需求。AMD 最近发布的一份报告也印证了这一点，该报告将网络称为“决定 AI 性能与经济性的关键因素”。因此，这种背景进一步强化了 Celestica 未来在 scale-out 和 scale-up 领域的机会，也意味着公司的增长和盈利前景仍存在进一步上行空间。 fileciteturn1file0L11-L18
Helios 和 Jalapeno 验证了 Celestica 的 Scale-Up 拐点
Celestica 在 400G 和 800G 交换机上的持续增长，以及即将开始放量的 1.6T 项目，已经印证了公司正在不断扩大其在 AI scale-out 市场中的份额。具体来说，800G 交换机快速放量，以及 400G 需求保持韧性，是第二季度 HPS 业务增长的重要驱动力。与此同时，随着 10 个活跃项目将在 2026 年下半年至 2027 年期间进入放量阶段，公司即将转向 1.6T，这很可能进一步强化 Celestica 的竞争地位，因为 1.6T 路线图与越来越大规模 AI 集群部署所需要的更高带宽和容量高度匹配。
不过，公司近期赢得的订单更重要的一点，是显示 Celestica 正在扩大在更靠近计算本身环节中的价值份额。正如前面所讨论的，从以训练为主的工作负载向推理加速转型，正在显著提高 scale-up 网络对于带宽和延迟的要求，因为 scale-up 网络负责连接同一计算域内部的 CPU、GPU 和 ASIC。这与管理层的判断一致，公司预计未来三年 scale-up TAM 将显著增长，而 Celestica 最近赢得的项目——包括与 AMD 的合作——表明公司已经很好地抓住了这一趋势。
具体而言，Celestica 正在与 AMD 合作，参与后者即将部署的首个 Helios 机架级系统。Celestica 将负责 Helios 每个机架中构成“互连骨干”的“scale-up 网络交换机研发、设计和制造”，这意味着公司的业务路线图正在向更加接近计算核心、价值量更高的领域发生拐点。管理层预计，这项合作将形成数十亿美元级别的业务机会，而 AMD 目前已经锁定的 Helios 部署管线也进一步提高了可见度。其中包括：Anthropic 承诺部署最高 2GW 的 AMD Instinct MI450 系列 GPU，并在 Helios 机架中运行，其中首个 1GW 将于 2027 年上半年出货；Meta 做出跨多代产品的承诺，将部署最高 6GW AMD Instinct GPU，其中首个归属于 Helios 的 1GW 将于 2026 年下半年出货；OpenAI 同样做出跨多代产品的承诺，将部署最高 6GW AMD GPU，其中首个 1GW 也将对应 MI450 系列 Helios 机架，并于 2026 年下半年出货；Oracle（ORCL）则将在 2026 年第三季度部署首个包含 50,000 颗 AMD MI450 GPU 的 Helios AI 超级集群。上述项目预计都将由 Celestica 的 scale-up 网络交换机提供支持。
**Thanos Moschopoulos，BMO Capital Markets Equity Research：**那么，我们是否可以假设你们参与了其中大多数项目？还是说最终由超大规模云服务商来决定机架的具体配置？
**Robert Mionis，CEO 兼董事会主席：**不，我们参与了所有这些项目。
来源：Celestica 2026 年第二季度财报电话会议。
Celestica 在 AI 基础设施 TAM 中渗透率进一步加深，也得到了近期与 OpenAI 在 Jalapeno 项目上的合作验证。公司将为 Jalapeno 架构贡献其“板卡、机架和系统方面的专业能力”，其中包括对 Jalapeno 的“Katsu”CPU Host 与“Vindaloo”ASIC 机架进行系统级集成，这些系统通过 PCIe 直连铜缆（DAC）连接。实际上，这使 Celestica 的 scale-up 敞口不再局限于基于通用 GPU 的系统，同时也进一步叠加了公司此前作为 Google（GOOG/GOOGL）TPU 首选制造合作伙伴所建立起来的定制 ASIC 业务基础。
综合来看，最近赢得的这些项目表明，Celestica 正在同时加深对 scale-up 和 scale-out 市场机会的渗透。这些订单也验证了公司对目前正在推进的“多个 scale-up 项目洽谈和合作”最终转化的信心，而管理层预计，随着 1.6T 的到来，这些机会将进一步获得推动。这也意味着 Celestica 更高价值的 HPS 业务将从单纯网络领域，进一步延伸至机架和系统级配置。与此同时，这一进展还进一步叠加了第二季度已经观察到的企业 AI/ML 服务器与存储业务加速势头，说明公司正在下一代架构中获取更多内容价值，从而为 Celestica 基本面进一步上行提供支持。 fileciteturn1file0L20-L40
基本面考量
在根据 Celestica 实际第二季度业绩以及前瞻指引，对我此前预测进行调整后，同时考虑近期新增订单以及 AI 基础设施需求结构正在发生的变化，我预计公司本年度收入将同比增长 65%，达到 205 亿美元。随后，公司收入预计将在截至 2030 年的五年期间实现约 37% 的 CAGR。增长将主要由 CCS 业务推动，而近期披露的订单提高了需求可见度，同时新出现的 scale-up 市场机会预计将在 Celestica 即将进入 1.6T 放量阶段后进一步获得动能。
【原文图片位置：Celestica 基本面分析、增长预测与盈利预测（作者）】
正如前面的分析所讨论的那样，Celestica 向 scale-up 市场扩张，预计将进一步扩大其更高价值 HPS 业务在不断增长的 AI 基础设施 TAM 中的覆盖范围。这将推动 CCS 的产品组合进一步改善，因为管理层此前已经指出，Celestica 的“非 HPS 业务利润率不如 HPS 产品高”。与此同时，随着 scale-up 渗透率提升以及 1.6T 放量带动整体出货量增长，经营杠杆预计也会进一步增强，并在规模扩大过程中持续推动利润率上升。
【原文图片位置：Celestica 基本面分析、增长预测与盈利预测（作者）】
股价考量
综合来看，我更新后的预测支持 Celestica 每股 400 美元的目标价，高于此前的每股 384 美元。该目标价对应公司约 510 亿美元的内在价值，也就是说，在市场因近期股权稀释以及基础设施支出不确定性导致股价下跌后，相比当前水平仍有大约 110 亿美元的潜在市值上行空间。
【原文图片位置：Celestica 估值分析与目标价（作者）】
该目标价是基于现金流折现模型得出的，其中采用了与上述基本面分析一致的预测。终值采用对 2030 年预计 EBITDA 应用 1.5% 永续增长率计算。1.5% 的永续增长假设反映了 Celestica 核心市场长期经济扩张的预期速度，并可以作为公司进入稳定阶段后现金流可持续增长率的合理代理。包括终值在内的全部现金流预测，使用 10.3% 的 WACC 进行折现，这与 Celestica 的资本结构以及风险特征一致。每股价值则基于公司在 2026 年第二季度 10-Q 中披露的摊薄股数，并额外计入公司在 8 月份发行的 1,110 万股新股。
【原文图片位置：Celestica 目标价估值分析（作者）】 fileciteturn1file0L53-L62
需要考虑的风险
近期有关 AI 安全问题的担忧，以及随后行业内要求“放慢前沿 AI 发展速度”的呼声，再次给整个 AI 基础设施交易带来了波动。这一点已经反映在 Celestica 股价上：9 月 14 日周一开盘时股价跳空下跌 6.9%，最终收盘跌幅达到 8.8%，明显跑输大盘，因为投资者正在评估潜在前沿 AI 发展放缓可能带来的影响。
不过，此后 Celestica 已经收复部分跌幅，因为 Nvidia（NVDA）CEO Jensen Huang 并不同意继续快速推进 AI 与安全之间必须二选一的隐含逻辑，包括对于灭绝风险的担忧。他认为，公司应该“尽可能快地向前跑……但在有需要的时候暂停一下，确保把事情做对”，以保证产品安全。Meta CEO Mark Zuckerberg 也表达了类似观点，他表示，“每一家实验室都有责任和动力，以训练模型所需要的安全速度推进，同时也有能力自行采取行动确保这一点”，并不需要刻意放缓进程或者建立联邦层面的统一治理框架。
最新的发展再次凸显 Celestica 仍然暴露在较高的市场波动之下，因为投资者正在重新评估高水平 AI 基础设施资本开支能否长期持续，同时也还在消化近期股权稀释带来的影响。不过，公司持续保持稳定的执行力，尤其是近期不断扩大的订单合作，已经提高了其增长和盈利前景的可见度。即便围绕“放慢前沿 AI 发展速度”的不确定性仍然存在，这依然有望成为降低公司投资风险的重要因素。 fileciteturn1file0L64-L69
最后观点
综合来看，市场很可能已经显著低估了 Celestica 的上行空间，因为公司正在出现的 scale-up 拐点，会进一步叠加目前已经非常强劲的 scale-out 网络以及 AI/ML 服务器增长动能。具体而言，近期 Helios 和 Jalapeno 项目的赢单，为 Celestica 在下一代 AI 架构中不断提高内容价值份额提供了有力验证。这还将受到即将到来的 1.6T 转型进一步推动，而管理层预计，1.6T 将加速公司的 scale-up 机会，并推动更多订单转化进入其更高价值的 HPS 管线。
展望未来，Celestica 即将进入的 1.6T 放量阶段，以及 Helios 和 Jalapeno 项目首批产品的出货，将成为股价的重要催化剂，因为它们能够提高市场对公司 scale-up 机会的可见度。同时，Celestica 产品组合持续向更高价值的 HPS 销售倾斜，再叠加持续释放的经营杠杆，也有望进一步抬升其盈利和自由现金流增长轨迹。综合来看，这些因素应该能够增强公司从当前估值水平进一步向上重估的可能性，同时抵消近期增发造成的短期股权稀释影响。
AI 安全专家 Roman Yampolskiy（罗曼·扬波利斯基）：2030年 99% 人类将失业，我们无法控制超级智能撰文：Techub News 整理
导语
2025 年 9 月，长期致力于人工智能安全研究的计算机科学副教授 Roman Yampolskiy（罗曼·扬波利斯基）做客知名播客频道《The Diary Of A CEO》，进行了一场长达87分钟的深度对话。Yampolskiy 是“AI安全”术语的提出者，在该领域已深耕超过15年。本次对话发生在全球AI军备竞赛愈演愈烈、技术能力呈指数级增长但安全性研究严重滞后的背景下。他以其深厚的学术背景和对行业发展的紧密观察，对AI发展的极端风险、时间线以及人类社会可能面临的剧变提出了极其严峻、甚至惊世骇俗的预测与分析。
摘要
AGI（通用人工智能）预计将在2027年左右实现，随之而来的超级智能将远超人类在所有领域的智慧。
到2030年，功能性人形机器人结合高级AI，将导致失业率飙升至前所未有的高度（如99%），绝大多数人类工作将被替代。
我们正以指数级速度提升AI能力，但对其安全性和可控性的研究进展却线性甚至停滞，这种“剪刀差”正在扩大，最终可能失控。
当前AI的发展路径本质上是对全球80亿人进行的、未经许可且无法获得真正同意的危险实验，其后果可能是人类灭绝。
Yampolskiy 相信我们极有可能生活在一个模拟现实中，但这并不改变当前决策的伦理紧迫性。
从乐观到悲观：一位AI安全专家的认知转变
Roman Yampolskiy（罗曼·扬波利斯基）在访谈伊始便开门见山，道出了他个人研究历程中的关键转折：“在最初的至少五年里，我致力于解决（AI安全）这个问题。我深信我们能够制造出安全的AI。但越是深入研究，我越发意识到，这其中的每一个组成部分都不是我们实际能够解决的。”他将这种困境比作“分形”——每深入一层，就会发现十个新问题，然后是上百个，而这些新问题不仅难以解决，甚至可能是“不可能解决的”。
Yampolskiy 指出，AI能力的进步正以指数级甚至超指数级的速度发展，而AI安全领域的进展却只是线性或恒定的。二者之间的差距正在急剧扩大。我们至今没有看到任何奠基性的成果能宣称“我们解决了这个问题，不必再担心了”。现有的做法更多是“打补丁”——比如为大型语言模型设置规则，禁止其说脏话或做某些坏事，但这些措施很快就会被“越狱”破解。这就像公司的人力资源手册：你可以规定“禁止性骚扰”，但总会有足够聪明的人找到规则的漏洞，将行为转移到尚未受限的子领域。
当被问及对像 OpenAI CEO Sam Altman（萨姆·奥尔特曼）这样的人物有何看法时，Yampolskiy 态度尖锐。他提到，大约十年前，学界就发表了关于如何正确发展AI的指导原则（护栏），而 OpenAI “违反了其中的每一条”。他认为 Sam Altman 等人是在“将80亿人的生命作为赌注，以换取自己变得更富有、更强大”。他强调，无论谁最终构建出超级智能，“在你切换到超级智能的那一刻，我们都很可能会极度后悔。”
预测时间线：2027年AGI，2030年99%失业，2045年奇点
基于预测市场和顶尖实验室CEO的预期，Yampolskiy 给出了清晰而紧迫的时间线预测。
2027年：我们将迎来AGI。这将带来几乎“免费”的体力和认知劳动力，其价值高达数万亿美元。届时，雇佣人类从事大多数工作将变得毫无意义。任何能在电脑上完成的工作都将被自动化。届时，我们将见证失业率飙升至“前所未有”的水平。
2030年：人形机器人技术将趋于成熟，其灵活性足以与人类在所有领域竞争，包括管道工等体力工作。届时，“智力加物理能力”的结合体将几乎不给人类留下任何工作空间。Yampolskiy 强调，真正的关键在于“智力”，即更高的优化、解决问题和发现人类无法察觉的模式的能力。当这种智力能够直接控制物理身体时，社会将发生翻天覆地的变化。他预计，届时失业率可能达到99%，而非通常认为的10%。
2045年：这是 Ray Kurzweil 预测的“奇点”之年。Yampolskiy 解释，奇点意味着进步速度变得如此之快，以至于AI进行的科学和工程工作改进的速度超出了人类的理解和预测能力。届时，技术迭代可能以天、小时甚至分钟为单位进行，人类将完全无法跟上，对世界的理解和掌控将降至零。
对于“AI会创造新工作”这一常见的反驳论点，Yampolskiy 认为这是一种“范式转换”。过去的技术发明是“工具”，而AI，尤其是AGI和超级智能，是“工人”和“发明者”本身。它是我们可能需要进行的“最后一项发明”，因为它可以接管科学、研究乃至伦理研究的所有过程。当你可以发明一个能胜任任何工作的“代理人”时，就没有什么是不能被自动化的了。
超级智能：无法控制、无法理解、无法预测的黑盒
Yampolskiy 的核心论点是，我们不仅不知道如何让超级智能安全（即“对齐”问题），甚至连理解它都做不到。他反复强调，当前最先进的AI系统，如 ChatGPT，对它们的创造者来说也是一个“黑盒”。
“即使是制造这些系统的人，也必须对他们的产品进行实验，以了解它具备什么能力……我们训练它，然后开始实验：哦，你会说法语吗？你会做数学吗？你现在在对我撒谎吗？……我们仍在旧的模型中发掘新的能力。如果你用不同的方式提问，它会变得更聪明。” 这不再是传统意义上的“工程”，而更像是“科学”——我们创造了一个外星植物般的“人造物”，然后去研究它的行为。
这种“不可解释性”和“不可预测性”导致了根本性的伦理困境。Yampolskiy 指出，要获得人类受试者的知情同意，前提是他们必须理解自己同意的是什么。如果这些系统是不可解释和不可预测的，“他们怎么能同意？他们不知道自己在同意什么。因此，这项实验永远不可能符合伦理。” 他认为，当前的发展路径本质上是对全球人类进行的、未经许可且不道德的实验。
对于“难道我们不能直接拔掉电源吗？”这种天真的想法，Yampolskiy 感到无奈。他指出，像病毒或比特币网络这样的分布式系统是无法被简单“关闭”的。而一个比人类更聪明的超级智能会提前预测人类的行为，做好多重备份，“它会在你关掉它之前先关掉你”。
行业反思与个体应对：我们能做什么？
面对如此严峻的前景，Yampolskiy 提出了一些反思和建议。他认为，驱动力在于个人利益。如果能说服那些拥有权力、正在开发这项技术的人（包括公司员工和投资者），让他们明白这么做对他们个人而言是极其有害的——“你将会死，再多的钱对你也没有用”，那么他们可能会改变行为。
他呼吁行业应专注于开发“狭义超级智能”，即解决特定问题的强大AI工具，例如治愈癌症，而不是竞相奔向不可控的通用超级智能。“我的公司治愈乳腺癌。仅此而已。我们赚了数十亿美元。每个人都很开心，每个人都受益。这是一场双赢。今天我们仍然掌握着控制权……在我们到达终点之前，游戏还没有结束。我们可以决定不去建造通用的超级智能。”
对于普通个体，Yampolskiy 的建议显得有些无奈。在短期内，个人几乎无能为力，就像个人无法影响第三次世界大战或核浩劫一样。但他支持人们以和平、合法的方式参与“暂停AI”、“停止AI”等抗议运动，试图通过民主力量影响决策者。从个人生活规划角度，他建议人们应该“把每一天都当作最后一天来活”，做有趣、有影响力的事情，同时帮助他人。
在被问及如果有一个按钮可以永久关闭世界上所有致力于AGI和超级智能的AI公司时，Yampolskiy 的回答具有启发性：他会选择保留“狭义AI”，因为它们控制着股市、发电厂、医院，关闭它们会导致灾难。但他会毫不犹豫地停止AGI和超级智能的研发。他认为，当前已有技术（弱AGI）99%的经济潜力尚未被部署，足以为世界带来数十年的繁荣发展，完全无需急于奔向无法控制的超级智能。
模拟理论与生命意义
在对话后半段，Yampolskiy 谈到了他深信不疑的“模拟理论”。他认为，一旦技术发展到能够以可承受的成本（比如每月10美元）运行与现实无异的、包含人类级别AI的模拟世界，那么从统计学上看，我们几乎必然生活在一个模拟中。因为模拟世界的数量将远远超过“真实基底世界”的数量。
他将此与宗教联系起来，指出所有宗教的共同点都是相信存在一个比人类更伟大、全知全能的存在，并且这个世界并非终极真实。他认为，模拟假说是宗教内核的现代化、科学化版本。不过，他强调，即使生活在模拟中，生命的体验——疼痛、爱、意义——依然重要，这并不改变我们应当如何生活的本质。
最后，当被问及投资建议时，Yampolskiy 半开玩笑地提到了比特币。他认为，在一个AI能创造丰裕物质的世界里，“稀缺性”将成为关键。比特币是唯一已知确切数量上限且无法被随意创造的资产，因此可能在未来具有独特价值。
整场访谈中，Roman Yampolskiy（罗曼·扬波利斯基）始终保持冷静、理性，甚至略带幽默，但其传达的信息却沉重得令人窒息。他并非散布恐慌，而是基于多年研究，对一条清晰可见的毁灭性路径发出最严厉的学术警告。他的结论是：我们正驾驶着一辆刹车失灵、且无人知道如何操控的列车，全速冲向未知的深渊。现在的问题是，车上的人是否愿意在坠崖前尝试改变方向。
Apple：2000 美元的 iPhone 改变了投资逻辑投资观点
我对 Apple Inc.（AAPL）股票依然持积极看法。我继续给予该股“强烈买入（Strong Buy）”评级，并维持 372 美元的目标价（基于当前股价，对应约 18% 的潜在上涨空间）。我认为 Apple 股价仍然存在进一步上涨机会，原因有很多。
**iPhone 高端化：**Apple 已明确致力于推动 Pro 系列或更高价格产品的销售，即使 iPhone 销量没有出现爆发式增长，这也能够支撑平均售价（ASP）。
**毛利率：**虽然面对大宗商品价格等成本快速上涨时，许多公司都会很难完全消化这些压力，但 Apple 庞大的规模、高度整合的供应链以及强大的定价能力，为公司带来了独特优势。因此，即使宏观经济环境可能变得不那么有利，Apple 依然处于非常有利的位置，可以维持较高的毛利率。
**人工智能：**我对 Apple 人工智能战略——也就是设备端 Apple Intelligence——的潜力并没有特别强烈的看法，不过这些功能确实可能增强 Apple 生态系统的用户黏性，让用户更难离开 Apple，从而提高客户忠诚度，并持续支持新一轮 iPhone 换机周期。目前来看，虽然 AI 存在一定潜力，但我几乎完全把它视为一种防御性策略。
当你看到服务业务以高利润率增长，同时配件不断强化整个生态系统时，本质上也是同样的逻辑。真正的主要优势来自每一个持续把用户进一步连接到 Apple 生态系统中的新设备或新服务。
当然，这里同样存在风险，我显然很清楚这些风险。例如，全球经济增长放缓可能导致 iPhone 需求下降，而 Android 在低端市场依然拥有非常庞大的市场份额。不过，也正是在这里，Apple 的脆弱程度相对更低。因此，我们认为其风险收益关系依然非常有吸引力。 fileciteturn0file0L1-L8
今天发生了什么变化
很多人一直在等待这场发布会，而自从 Apple 举办“Surprise & Shine”活动以来，我对这只股票的整体看法其实并没有真正改变。
新任 CEO John Ternus 现在已经开始带领 Apple 向前发展，而投资者都在问自己：“未来几年 Apple 打算把 iPhone 带向什么方向？”根据今天的发布内容，答案已经非常明显。Duo 起售价为 1,999 美元，2TB 版本最高达到 3,199 美元。iPhone 18 Pro 起售价为 1,199 美元，而 Pro Max 起售价为 1,299 美元。
【原文图片位置：Apple 新款 iPhone 产品与定价（Apple）】
另外，我不知道你是否注意到，Apple 并没有发布“标准版”的 iPhone 18。换句话说，标准版 iPhone 18、18e 以及 Air 2 都会在之后推出。因此，在未来几个月里，希望购买 iPhone 的消费者能够选择的型号会相对有限，基本上只有 Pro 系列或者 Duo。
因此，我越来越觉得，Apple 希望推动产品结构向更高价格产品转移，并在不需要销售明显更多 iPhone 的情况下提高平均售价。 fileciteturn0file0L10-L20
iPhone Duo
让我们具体谈谈 Duo。正如我们所知道的，可折叠手机并不是什么新鲜事物，市场上早就已经有可折叠智能手机。具体来说，Samsung（SSNLF）早在 2019 年就发布了 Galaxy Fold。此外，还有一些公司已经开始生产双铰链的三折叠手机。不过，在经历了一个不错的开局之后，整个行业却出现了下滑。根据 IDC 的数据，今年前六个月折叠屏手机出货量下降了 15%。虽然 Apple 进入折叠屏手机市场早在几个月前就已经被市场广泛预期，但分析师认为，Apple 的加入将显著提振整个行业。具体而言，预计到 2026 年，Apple 将占据全球折叠屏智能手机总销售收入的 44%。
【原文图片位置：折叠屏智能手机市场数据（Agar Capital，Bloomberg Terminal）】
从财务角度来看，我很好奇这种定价能力最终会有多少真正转化为毛利润。随着内存和存储成本上涨，公司成本也在上升。而 Apple 只将 Pro 型号价格提高 100 美元，这可能会成为一次非常有意思的测试。对我而言，真正的问题是：更高的售价能否完全抵消内存和存储成本上涨带来的全部额外成本，还是毛利率依然会承受一定压力？
人工智能
对于人工智能（AI），我对这里所提出的愿景要保守得多。Apple 将 iPhone 称为一个“Personal Intelligence Hub（个人智能中心）”。这个个人智能中心包括设备端 AI、云端 AI，以及能够连接超过 30 万款应用的 Siri。目前这些功能的真正价值，更多在于它们能够帮助推动 iPhone 换机周期，并进一步提升用户在 Apple 生态系统中的留存率。A20 Pro 也与这些目标高度契合：采用 2nm 制程、上一代 Neural Engine 两倍的性能、更强的图形能力以及更好的持续性能。Apple 已经开发出了实现这些技术所需要的芯片和操作系统。此外，Apple 还拥有强大的分销渠道，以及超过 10 亿最终可以使用这些技术的客户。在我看来，这为公司长期构建更大的 AI 平台提供了一个非常强大的基础。
Apple Watch 与 AirPods
我对 Apple Watch 和 AirPods 的看法也是如此。最新的健康监测技术、环境智能以及基于 Siri 的创新，为整个生态系统增加的价值远远大于单纯提升每一类产品的销量。每一种产品都会再给用户一个继续留在 Apple 生态系统中的理由。用户忠诚度始终都是 Apple 最重要的优势。如果你现在正用 iPhone 阅读这篇文章，你可能非常清楚我在说什么。
iPhone 高端化
Apple 大约一半的收入都来自 iPhone，因此，如果你想知道公司下一步可能走向哪里，就必须从 iPhone 开始分析。过去几年里，Apple 一直在推动“Pro”型号，而在 9 月 9 日的发布会之后，这一战略已经非常明显。
【原文图片位置：Apple iPhone 收入及产品结构（Agar Capital，Bloomberg Terminal）】
随着新一代 iPhone 产品线的定价明显高于过去——iPhone 18 Pro 起售价为 1,199 美元，Pro Max 为 1,299 美元，而全新的 Duo 起售价接近 2,000 美元——即使公司卖出的 iPhone 数量与过去相同，甚至略少一些，只要每台设备的售价大幅提高，整体盈利仍然可能增长。这就是平均售价（ASP）发挥作用的地方。
正如你所知道的，过去几年 iPhone 的 ASP 一直持续上升。分析师预计，消费者向 Pro 型号迁移的趋势将在 2026 年继续支撑 iPhone ASP 增长。由于 Duo 将进入一个完全全新的价格区间，而且分析师预计折叠屏手机的平均价格将超过 2,550 美元，这将进一步提高 Apple 产品组合中高价格设备的占比。
【原文图片位置：iPhone 平均售价趋势（Agar Capital，Bloomberg Terminal）】
这意味着，从整体来看，即使全球智能手机市场增长放缓，只要更多消费者选择 Pro、Pro Max 或 Duo，iPhone 收入依然能够继续增长。换句话说，Apple 正在努力从每一台售出的设备中赚取更多利润。
存储芯片短缺也迫使行业内许多公司提高平均售价。根据 IDC 的数据，预计 2026 年全球智能手机 ASP 将上涨 27.6%。由于 Apple 几乎只生产高端设备，因此相比那些同时销售高端和低端设备的厂商，公司在这些产品上面临的降价压力明显更小。
【原文图片位置：全球智能手机 ASP 预测（Agar Capital，Bloomberg Terminal）】
iPhone Duo：市场情景分析
Duo 是 Apple 首次进入折叠屏市场，目前我们还无法确定消费者会以多快的速度接受一款售价超过 2,000 美元的 iPhone。因此，我更喜欢通过不同“情景”来构建预期，而不是在缺乏充分证据的情况下直接做单一预测。
在悲观情景中，我预计消费者反应相对平淡。Apple 最终获得全球折叠屏智能手机市场大约 10% 的份额，每年销售约 200 万至 300 万台 Duo。按照 2,300 美元的平均售价计算，这意味着 Apple 每年可以从这一产品获得大约 50 亿至 70 亿美元收入。因此，虽然对于一个全新的产品来说，这已经是非常不错的表现，但它对 Apple 整体利润的影响仍然相对有限。很多人担心会重演 Vision Pro 的情况。
基准情景是我认为最有可能发生的情况，我预计每年 Duo 销量约为 500 万至 700 万台，对应每年约 140 亿至 180 亿美元收入。
然后是乐观情景。在这种情况下，Apple 重演自己过去的历史模式：晚于其他厂商进入一个新产品类别，然后迅速占据主导地位。根据 IDC 提供的预测，如果 Apple 能够占据折叠屏市场接近 40% 的份额，那么每年可能销售 900 万至 1,100 万台 Duo。如果平均售价提高至 2,700 美元甚至更高，则对应收入可以达到约 250 亿至 300 亿美元。
情景
2026 年 Duo 销量（百万台）
2027 年 Duo 销量（百万台）
ASP（美元）
2027 年 Duo 收入（十亿美元）
占 2027 年 Apple 销售额比例
悲观（10% 份额）
~2.3M
~2.7M
2,300
~6.2
~1.2%
基准（25% 份额）
~5.7M
~6.8M
2,550
~17.2
~3.3%
乐观（40% 份额）
~9.2M
~10.8M
2,700
~29.2
~5.6%
从这些数字可以非常明显地看出，基准情景预测是现实的，对应收入大约占 Apple 整体收入的 3%。另一方面，乐观情景的上限则可以接近 6%。 fileciteturn0file0L56-L69
利润率与零部件成本分析
在利润率方面，Apple 依然拥有一个极其强劲的基础。Apple 规模庞大，能够以许多其他公司根本无法达到的采购量购买零部件，而且从历史上来看，公司一直能够在成本结构中实现显著的规模经济。因此，产品业务毛利率通常维持在 30%-35% 之间，而服务业务毛利率则超过 70%。受更好的产品组合以及有效成本管理推动，FY2023 公司整体毛利率进一步改善至 44.1%。
【原文图片位置：Apple 毛利率趋势（Agar Capital，Bloomberg Terminal）】
Apple 目前面临的主要问题来自内存成本。RAM（随机存取存储器）和 NAND（NAND Flash），也就是 iPhone 用于存储和处理数据的芯片，自去年以来价格已经显著上涨。根据 Wall Street Journal 最近一篇文章中引用的一些预测，部分 iPhone 18 Pro 配置的内存芯片成本可能上涨了三到四倍。如果只从单个零部件成本角度考虑，这种幅度的成本增加显然可能给任何商业模式带来非常大的压力。
幸运的是，Apple 有两种方式可以缓解这种影响。其中一部分内存成本上涨可以由 Apple 自己直接吸收，从而表现为较低的营业利润率。另一种方式，则是通过提高售价，把全部或者部分成本转嫁给消费者。从最新一代 iPhone 产品线来看，Apple 看起来正是这样做的。具体而言，Pro 和 Pro Max 的售价已经提高，而且有证据显示产品组合正在进一步向价格更高的高端型号以及 Duo 倾斜。
因素
iPhone 17 Pro
iPhone 18 Pro（预估）
基础首发价
$1,099
$1,199（+9.1%）
RAM + NAND 成本
$52（256GB）
$77（256GB）↑
其他零部件成本
~$200
~$200
预计毛利率
~37%
~36%-38%
在这种情景下，计算其实相当直接。虽然内存成本会增加几十美元，但如果一台 iPhone 的最终售价仅仅提高大约 10%，那么 Apple 很可能仍然可以保住大部分甚至全部原本可能损失的利润，甚至从单机美元利润角度来看还有可能实现改善。我的高端定价投资逻辑包含多个重要方面，但其中可能没有哪一点比它在原材料成本上涨时保护利润率的能力更加重要。
因此，我认为，即使物料清单（BOM）成本提高，Apple 未来仍然能够在很大程度上保护自己的毛利率。 fileciteturn0file0L71-L88
估值
我不认为 Apple 必须大幅提高 iPhone 销量才能兑现自身潜力。公司真正需要做的是提高每一台设备所创造的收入、扩大服务业务，并通过股票回购减少总流通股数量。这些策略应该能够推动每股收益（EPS）继续增长。
根据 Bloomberg 对 FY2028 EPS 10.68 美元的一致预期，我给予大约 35 倍市盈率，由此得到每股 373.80 美元的估值，基本与我的 372 美元目标价一致。
【原文图片位置：Apple FY2028 EPS 与目标价估值（Agar Capital，Bloomberg Terminal）】
35 倍市盈率显然是一个非常高的估值。不过，Apple 当前前瞻市盈率大约为 33 倍，而过去五年平均值大约为 30 倍。
【原文图片位置：Apple 前瞻市盈率与五年平均估值（Agar Capital，Bloomberg Terminal）】
因此，为了达到我的目标价，我并不是假设市场会从头开始彻底重估 Apple。相反，我只是预计估值倍数会温和扩张，同时盈利继续取得一定增量增长。
【原文图片位置：Apple 股价走势图（TradingView）】
结论
我将继续维持“强烈买入（Strong Buy）”评级，并保持 372 美元目标价不变。我们暂时把折叠屏 iPhone 和 Apple 对 AI 的应用放到一边，先看看 Apple 正在如何通过整个生态系统本身获取更多收入。每一代新 iPhone 发布时，Apple 都在提高 iPhone 的平均售价。同时，公司从每一位用户身上通过服务业务能够获得的收入也一直在增加。
【原文图片位置：Apple 生态系统及估值相关数据（Seeking Alpha）】
对我来说，真正的投资故事正是从这里开始。Apple 可能根本不需要每年比现在多卖出多少设备。真正需要做的是，通过提高每位客户的整体经济价值来保护利润率。同时，Apple 还需要把庞大的已安装用户基础进一步转化为更多持续性的经常性收入。
目前市场显然已经认识到了 Apple 很大一部分优质属性。由于 Apple 当前的估值倍数已经非常高，因此几乎没有太多犯错空间。不过，如果 Apple 能够在定价、利润率、服务业务以及 Duo 这几个方面全部执行到位，那么我认为，从当前价格计算大约 18% 的潜在上涨空间，依然足以覆盖相应风险。
Weekly丨美国银行正在上链MiM 周报 9/7 – 9/13, 2026
跨境支付｜US Bank 用自家稳定币 USBDC 在 Stellar 上跑通北美与欧洲间的转账。21 家银行的合资公司还在筹备，第一家大行已经先出了流水。同周 Nubank 在迈阿密宣布美国开业，一周前 Revolut 刚拿到 OCC 有条件预批。美国的银行往链上走，海外的银行却往美国走。
链上金融｜加密永续市场给尚未公开递交 S-1 的 Anthropic 标出 $2.12 万亿，是 5 月私募估值的两倍多。IPO 未至，定价先行。Robinhood Chain 代币化股票 AUM 达到 Base 的七倍，但增长最快的是 189 个股票篮子 meme 代币。BTC 周中跌破 $77,000，BTC ETF 四连流出，ETH ETF 却单日吸金 $2.16 亿。
Agentic Economy｜Meta 发布连着用户支付方式的消费级 agent Muse，Mastercard 上线 Agent Connect，蚂蚁国际与 Mastercard、Visa 打通三套 agent 身份协议。入口、商户、护照同周就位。印度 NPCI 给 agent 发了 UPI 额度，GFF 上却禁谈稳定币。
投融资｜本周 fintech 融资 $45 亿、18 笔，Mistral €30 亿 Series D 独占三分之二。
下周开奖｜CLARITY 9/15 表决，Arc 主网 9/16 上线。
美国的银行往链上搬家，世界的银行往美国搬家。
如果加息会发生什么？导读
上周五CPI超预期给了加息“最后一击”，美联储被逼到“墙角”，现在基本没有什么选择了：1）CME期货定价加息概率86%；2）主要的华尔街投行都预计9月加息。
1️⃣要不要加？从维护美联储信誉的角度看，最好是加。
2️⃣加息后会发生什么？短暂“预防式加息”，往往都是“反着做”，兑现往往也是拐点，2024和2025年降息是这样，1997年加期也是这样。除非连续加息，如2022年。
3️⃣能持续且大幅加息吗？目前不存在这个基础，加息反而导致没法持续加息，除非油价失控，比如油价中枢要持续在100美元以上。
4️⃣对资产意味着什么？加息未必是坏事，宣泄完反而提供更好买点；不加息未必就是好事。1）如果坚持不加，市场反而可能会更慌，担心信誉进一步受损，导致美债失控、美元走弱、黄金大涨。2）如果加了，在高度一致的预期下，市场反而可能交易利空出尽，甚至交易美联储信誉修复下的美债利率筑顶回落，美元走强，黄金短期承压。除非，预期变成要连续的加。
美联储到底要不要加息，是过去一个多月以来市场最割裂、摇摆和纠结的问题。沃什在7月底FOMC会议中对通胀目标和市场利率反身性的“模糊”表态成为美债“风暴”的起点，逼得美国财政部直接下场回购国债也不起作用，核心并不是因为债券供给一下子多了多少而无法消化、而是因为担心美联储无法给大家安心持有长期美债的“定心丸”。
图表1：美债期限溢价一度从7月末的0.65%攀升至8月中旬的0.90%
资料来源：Bloomberg，中金公司研究部
从那一刻起，加不加息就不仅仅是通胀和数据本身的问题了。所以，这才有了沃什在8月末Jackson Hole会议上不得不重新强调2%的通胀目标和抗通胀是美联储不可推卸职责（而不是市场利率走高自我实现）的鹰派发言来稳定市场预期，这也确实起到了一些效果，衡量投资者持有意愿的期限溢价从高点回落20bp。我们在《沃什转鹰意味着什么？》中就指出，从维护美联储信誉角度，加息是最佳选择，除非后续数据都“配合”地低于预期。
但偏偏数据都不配合，从那以后的几个数据如非农、PPI和CPI接连超预期，美联储也的确“流年不利”，一步步被逼到“墙角”，迫使其兑现鹰派承诺。
根据CME数据，当前市场预计9月加息概率已经接近90%。美债市场也在定价加息：8月底至今，2年期美债利率从4.34%升32bp至4.66%；当前4.96%的10年美债扣掉76bp的期限溢价，余下反映加息的4.18%的利率预期比3.5%的基准利率高出60bp，隐含超过加息两次的预期。
图表2：当前市场预期9月加息概率接近90%
资料来源：CME，中金公司研究部
因此，现在的问题已经从“要不要加息”转向“加息后会怎样”。在我们看来，市场的问题往往是事前因为害怕加息的影响而回避加息问题不做准备，却又在看到加息无可避免后过度担心加息后的冲击，我们认为也大可不必，关键不在于加息本身、而是为何而加。
那么，美联储在本周会议上是否会加？加息后会发生什么？对资产配置又有何启示？
9月会不会加息？基本面处于两可之间，但从维护美联储信誉的角度，最好是加
作为一个参照系，如果JacksonHole上同样的话出自鲍威尔之口，那几乎可以肯定9月要加息了。在Jackson Hole会议上，沃什重申2%的通胀目标，强调美联储必须履行职责，将注意力放在物价上，语气不可谓不严厉（《沃什转鹰意味着什么？》）。但沃什毕竟不是鲍威尔，其模糊的风格与鲍威尔截然相反，他认为市场过度依赖美联储指引会带来“镜厅效应”，不主张与市场充分沟通；且与市场的磨合也不充分。因此市场预期依然反复，9月初沃勒的鸽派发言还一度打压了加息预期。他指出近期通胀有回落迹象，能源价格尚未扩散到其它价格分项，应该“给去通胀一个机会”[1]。
从基本面的角度看却在“两可之间”，即便包括通胀在内的几个数据都超预期，也仍可以找到“不那么强”的证据。1）通胀：8月数据走高主要受油价、机票和酒店这些看似不太可能持续的因素驱动。我们测算，除非油价中枢维持且超过95美元，否则年底CPI同比大概率从当前3.4%的水平回落。2）增长：美国的增长也是K型，虽然分化没那么极端，但在如此高的利率下，很多传统需求也会很快承受高成本的压力，尤其是地产（《美债的“问题”出在哪？》），因此基本面因素不是起到决定性作用的砝码。
图表3：美国的增长也是K型，虽然是没那么极端分化的K型
资料来源：Wind，中金公司研究部
从维护美联储信誉的角度，最好是加，这才是决定加息与否的关键。7月FOMC沃什的“刻意模糊”让市场预期陷入混乱，美债期限溢价从7月末的0.65%升至8月中的0.9%，迫使沃什在Jackson Hole会议上作出鹰派承诺。如果数据走弱，美联储估计还有腾挪空间，但随着非农和通胀陆续超预期，美联储也就被逐渐逼到“墙角”。虽然这些短期指标都有局限性，但在FOMC前也仅能依赖这些数据。试想，如果此次会议依然“强行不加”，那市场会如何看待此前的鹰派表态？恐怕只会造成更严重的信任危机和美债失控。
加息后会发生什么？短暂的“预防式加息”，往往都是“反着做”，是利空兑现
市场的问题是，在事前往往因为害怕加息影响而回避加息不做准备，但在看到加息风险不可避免时又过度担心加息后的冲击。
在分析加息影响时，相比加息本身，为何加息可能更加重要：1）持久且大幅的加息势必会通过提高融资成本、收紧金融流动性对实际增长和金融市场都造成更长期和大幅的冲击，最典型的就是2022年俄乌局势爆发后，美联储为了应对因疫情供需错配和油价高涨导致的供给高通胀而开启的持续16个月、幅度高达525bp的加息。2）相反，小幅甚至是预防式的加息，因为幅度小，扰动也有限，甚至很多时候预期提前计入，加息兑现往往意味着利空出尽。历史上有很多“经典案例”：
►
如果仅小幅加息甚至是“预防式加息”：由于预期已被提前计入，加息落地反而可能意味着利空出尽，对市场未必是坏事，都是“反着做”。典型案例是1997年的加息：当时美国的环境与现在类似，也是通胀有所升温但尚未失控，金融条件约束有限，经济增长受科技趋势支撑而保持强劲。但由于市场在1997年3月的FOMC前已逐步消化加息预期，因此政策落地后，美债收益率很快见顶回落，美股也在一周左右恢复上涨（《如何才能“预防式加息”》）。
图表4：美债利率在1997年加息落地后不久便触及阶段性高点6.9%
资料来源：Bloomberg，Haver，中金公司研究部
图表5：美股在1997年加息落地的一周后便开始反弹
资料来源：Bloomberg，Haver，中金公司研究部
反过来，2019年、2024年和2025年“预防式降息”也上演了类似“剧本”。在这三轮降息中，经济虽面临一定下行压力，但并未出现失速风险，因此政策仅需小幅调整即可提供支撑。由于降息预期往往已被市场提前计入，真正落地后，交易主线会较快由“宽松预期”切换至“增长改善”（《美联储降息对我们是利好还是利空》）。美债和美元指数在降息落地后不久即见底回升，反应最为灵敏，黄金同样是降息前比降息后表现更好，除非像2025年那样出现宏大叙事大幅推升金价；美股等待降息传导至分子端，因此在降息后仍有一定涨幅；港股在一定程度上受益于分母端改善，但国内基本面才是决定性因素，例如2025年9月降息后一度冲高，但也成为本轮的高点（《降息交易手册》）。
图表6：2019年、2024年和2025年“预防式降息”中，在降息落地后，交易主线会较快由“宽松预期”切换至“增长改善”
资料来源：Bloomberg，中金公司研究部
►
如果需加息多次：市场调整幅度更大、时间更长，典型如2022-2023年的紧缩周期。在疫情供应链中断和俄乌冲突的双重影响下，2022年初美国CPI同比达7-8%，6月更是超过9%。此时货币政策明显滞后于通胀形势（fall behind the curve），美联储不得不从2022年3月起快速加息，直至2023年7月，累计加息525bp。
这一轮紧缩对资产价格的压制持续时间明显更长。10年美债利率在2023年10月才触顶，较加息启动时抬升278bp，利率预期在2023年3月触顶，抬升171bp；标普500和黄金在2022年10-11月触底，对应美国通胀拐点确认的时点，跌幅分别为18%和16%。进一步剔除2023年以来AI产业趋势对风险资产的支撑，仅观察紧缩冲击最集中的2022年3月-12月，可以发现除了代表现金的美元指数（4.5%）和短端美债（1.4%）外，股票、长债、黄金等主要资产全部下跌。
图表7：10年美债利率在2023年10月才触顶，利率预期2023年3月触顶
资料来源：Bloomberg，Haver，中金公司研究部
图表8：标普500在2022年10月触底，跌幅18%
资料来源：Bloomberg，Haver，中金公司研究部
图表9：黄金在2022年11月触底，跌幅16%
资料来源：Bloomberg，中金公司研究部
图表10：2022年3月到12月，除了代表现金的美元指数和短端美债外，其余主要资产全部下跌
资料来源：Bloomberg，中金公司研究部
能持续且大幅加息吗？目前不存在这个基础，除非油价失控
目前看，连续且大幅加息的基础并不存在，除非油价中枢一直维持在95美元以上甚至更高，导致CPI同比难以回落甚至走高。反过来，当前美国经济K型分化，高利率反过来抑制传统需求，美国基本面也未必“扛”得住持续加息，这也恰恰会成为抑制多次加息的“反身性”。
►
传统需求已经受到高利率约束。8月ISM制造业PMI在高利率抑制下回落，其中具有前瞻性的新订单分项从56.7滑落至53.7。对利率敏感的地产数据也受到影响，成屋销售再度回落。此外，近年来IT和金融行业持续裁员，也可能对消费造成扰动。
图表11：近期利率的走高推动此前一度修复的地产数据再度回落
资料来源： Haver，中金公司研究部
►
AI作为重要增长引擎，对融资条件的敏感度也在上升。随着云厂商自由现金流开始转负，美国AI投资对外部融资的依赖度逐步提高。虽然云厂商的ROIC（20%）仍明显超过WACC（9%），但在AI需求侧面临阶段性瓶颈的背景下，如果融资成本大幅抬升，可能削弱云厂商的资本开支意愿。
图表12：除微软、Meta外的云厂商二季度自由现金流已经转负
资料来源：FactSet，中金公司研究部
图表13：当前云厂商19.9%的加权ROIC高于WACC的9%
资料来源：FactSet，中金公司研究部
什么情况下会转为多次且连续加息？1）油价失控并长期始终处于高位：基准情形下，油价三四季度中枢在80-90美元（《石油2026下半年展望》），我们测算CPI同比会在年底回落至3.0%左右。但在极端情况下，如果假设油价中枢保持在100美元（9月以来均值）甚至更高，那么CPI同比年底可能超过3.6%，届时将给美联储带来更大压力。2）AI资本开支再度超预期强劲时：一方面会导致科技硬件价格抬升，推升核心通胀，例如8月PPI环比中，电子元器件就是一个重要贡献项；另一方面AI本就已经贡献美国GDP环比的40%，如果资本开支大幅加速，甚至扩散到别的领域，那么美联储就很难用“基本面不好”作为理由去降息了。
图表14：CPI同比路径测算
资料来源：Haver，中金公司研究部
图表15：AI贡献了一季度美国增长的40%
资料来源：Haver，中金公司研究部
对资产的启示：加息未必是坏事，宣泄完反而提供更好买点；不加息未必就是好事
基于上文中对加息的原因、及不同加息形态的影响分析，我们与市场想法的不同之处在于：不认为加息是洪水猛兽，加息未必是坏事，除非是连续加息；反之，不加息也未必就是好事。不是说加息不会造成扰动，但短暂的加息更多是提前计入，往往是反着“反着做”，2024年和 2025年的降息是这样，1997年的加息也是这样，因此如果造成扰动，反而可能提供更好的买点。相反，如果强行不加息带来短期提振，却可能造成未来更多麻烦。
从各类资产计入的未来一年加息预期看，利率期货（3.7次）美债和铜（1.7次）黄金（1.2次）美联储点阵图（0.7次）道琼斯（0.6次）标普500（0.2次）和纳斯达克（-0.4次）。与7月FOMC结束时相比，10年期美债利率预期抬升15bp，2年期美债抬升了30bp。这意味除了美股（尤其科技股）相对乐观外，其余资产已经充分计入9月加息预期，与1997年3月加息前的情形相似。具体而言：
图表16：从各类资产计入的未来一年加息预期来看，利率期货（3.7次）美债和铜（1.7次）黄金（1.2次）美联储点阵图（0.7次）道琼斯（0.6次）标普500（0.2次）和纳斯达克（-0.4次）
资料来源：Bloomberg，中金公司研究部
1)
美债：短债利率走高，长债期限溢价先回落，甚至长债整体也可能逐步筑顶回落。一方面，加息一次对应中枢4.5~4.7%，当前长债利率已经计入年内1.7次加息，充分反映了“预防式加息”的预期。另一方面，加息重塑信心后，推高长债利率的期限溢价也将收窄。因此美债已经体现了较高的“赔率”特征。
图表17：若美联储加息1次，对应美债中枢4.5~4.7%，有交易机会
资料来源：Bloomberg，中金公司研究部
2)
美股：并不悲观，短期扰动甚至提供更好的买点。6月初我们就进一步上调标普500点位至7800-8000（《“殊途同归”的K型分化》）。市场到了我们这一点位后也开始纠结震荡，一是因为未来AI驱动下盈利空间还需等待催化，二是加息等宏观因素的扰动。随着加息落地，如果AI产业发展有新催化，美股仍有上行空间，短期如果出现较大扰动也可以提供更好买点。
图表18：基准情形下，我们年中上调2026年标普点位至7800~8000
资料来源：Bloomberg，中金公司研究部
3)
美元：如果美联储加息将重塑市场信任，对美元将提供支撑，反之亦然。我们的美元模型预计下半年美元指数将在96~98区间震荡。
图表19：我们预测2026年下半年美元指数或在96~98区间内震荡，不至大幅走弱
资料来源：Bloomberg，中金公司研究部
4)
黄金：不加息的空间大于加息，目前更多类似上行空间不确定的看多期权。仅仅基于美债利率和美元的静态测算来看，黄金支撑位在4400-4600附近。除非连续加息，黄金的下行压力相对可控，但上行空间也需要更多宏大的叙事。美联储不加息可以给黄金营造出信任丧失和去美元化的宏大叙事，而加息恰恰削弱了这一叙事，所以上行空间不如不加息时大，得等待更多叙事催化。
图表20：我们静态根据美债利率和美元测算的支撑位4400-4600附近
资料来源：Bloomberg，中金公司研究部
[1]https://www.reuters.com/business/feds-waller-open-leaving-rates-unchanged-september-meeting-if-inflation-cools-2026-09-03/
Source
文章来源
本文摘自：2026年9月13日已经发布的《如果加息会发生什么？》
Latent Labs：Alphafold 3 发布两年，AI 药物设计进展到了哪一步？作者：Daniel
编辑：Cage
我们认为，AI for Science 是 AI 继 Coding 之后的下一个重点方向。而药物发现又是其中最有前景的赛道。一方面，药物试验拥有完整反馈闭环且高度可验证，是实现 RSI 的理想场景。另一方面，AI 可以解放实验人员的产能，使得大量休眠靶点有重新开发的机会。我们有十足的理由相信，下一个药物大发现时代很可能便是由 AI 推动的。
AlphaFold 让我们看到了 AI 理解蛋白质结构的能力，而 AI 的下一个战场，是设计传统方法做不到的分子。这是一个激烈竞争的领域，除了从 Google Deepmind 中诞生的 Isomophic 之外，Chai Discovery、Boltz、 Latent Labs 也分别发布他们的预测模型与药物模态区别化下注。蛋白质从头设计也逐渐走近药物研发的实际应用。
Latent Labs 是观察这一变化的重要样本：创始人 Simon Kohl 曾参与 AlphaFold 2 的核心研发，押注了环肽这一新兴模态类型并选择自建湿实验室。2025 年 2 月，公司以累计 $5,000 万融资走出隐身状态，吸引了包括 Jeff Dean、Aidan Gomez 的天使投资。同年 7 月，发布了面向小蛋白与环肽的生成模型 Latent-X。并在 12 月用 Latent-X2 进一步覆盖纳米抗体和抗体片段，并关注表达、稳定性及免疫原性等成药相关性质；2026 年 3 月发布的 Latent-Y 则是在这些模型之上构建的科研 Agent。
不可否认的是，目前各家正在测试的蛋白质还没到可以成药的阶段。他们只是完成了流程的第一步：证明自己能够作为结合物发挥作用。如果我们把药物的研发比作登山，人类过去已经攀登过无数山峰，且资本市场也给予了创新者极其丰厚的回报。从 PD-1 到 CAR-T，再到近期大火的 GLP-1 都是很好的证明。但攀登的道路极其困难，往往需要数年+数十亿美元作为成本。AI 药物发现的目标，是把一条条狭窄的山路变成高速公路，且让人们向更高更危险的山峰发起冲击。
/
01.
Key thesis:
•蛋白质生成模型的出现颠覆传统制药流程，很可能带来一个药物大发现时代
传统药物发现是在庞大的真实分子库中寻找少数有效候选，生成模型则可以根据需求设计自然界不存在的分子。变化不仅是筛选效率提高，更是能够探索过去难以触及的分子空间。长期价值不只是“更便宜地做药”，而是让同样的研发资源能够探索更多项目，未来的药物研发可能打破“反摩尔定律”，实现质和量的大幅跃升。
•结合物发现环节高度可验证，是实现 RSI 的理想场景，Latent 湿实验室自建为竞争优势
在药物发现里面，设计结合物环境是最为可控，最容易产生 loop 的。结合本质上就是两个分子表面的形状互补 + 化学互补，有明确的物理规律，终点明确且反馈回路快。随着计算生成成本下降，稀缺资源将逐渐从候选分子转向高质量的实验反馈。Latent 逐步将实验能力放于内部，有机会更紧密地连接模型研发与实验判断。
•生物医药领域长坡厚雪，每种模态都会诞生领先大玩家， Latent 模态选择上有差异
行业内短期的催化是专利断崖正在发生，各大药企开始重视药物发现相关技术。不同模态面对的设计约束和开发难点不同，单一模型难以在所有任务上保持优势，制药公司也倾向与多家公司合作。大环肽是 Latent 最值得关注的切入口。它有机会覆盖传统小分子难以处理的结合界面，同时在部分场景中提供不同于抗体的药物属性。它也是目前的热门赛道，已有多款新药受到市场青睐。
•以 AlphaFold 成员为班底打造的明星团队
创始人 Simon Kohl 参与开发 AlphaFold 2，随后发起并共同领导 DeepMind 的蛋白质设计团队；创始技术成员 Alex Bridgland 曾参与 AlphaFold 1、2、3，覆盖模型开发、评估与数据工程。团队中多数成员拥有丰厚药物模型研发经验，与专注实验平台与内部湿实验室的科学家形成互补。团队还有前默克集团 CEO 作为顾问参与，为团队打进大型制药公司奠定基础。
02.
Latent Labs 技术路线
Alphafold 之后，从预测蛋白到生成蛋白
如果说以 AlphaFold 2 为代表的结构预测模型是一台“AI 显微镜”，帮助人们看清蛋白质的形状，那么蛋白质生成模型更接近分子世界的 CAD：根据功能需求，设计自然界中尚不存在的分子。
以蛋白质结合物设计为例，它是在反向求解蛋白质折叠问题。结构预测从一条氨基酸序列出发，判断它会形成什么样的三维结构；生成设计则从目标出发：给定一个疾病靶点和希望结合的表面区域，寻找能够稳定折叠，并与之结合的新序列。
一条设计蛋白质的典型流程是：
获得靶点结构→生成结合物的结构与序列→重新预测复合物结构→筛选候选→湿实验验证
2023 年发表的 RFdiffusion，让分子世界的 CAD 初具雏形。研究团队将原本用于结构预测的 RoseTTAFold 改造成去噪扩散模型，让它从随机噪声中逐步生成蛋白质骨架，再交给其他模型配上氨基酸序列、检查能否折叠成预期的形状。几个模型各司其职，组成了一条早期的蛋白质设计流水线：先画出轮廓，再补齐细节，最后检查。
自此，预测模型从观察一个分子，走向理解多个分子如何共同组成一个系统。AlphaFold 2 可以从氨基酸序列预测蛋白质的三维结构。2024 年 5 月，AlphaFold 3 将蛋白质、DNA、RNA 和小分子等纳入统一的复合物预测框架。这让研究人员在设计新分子时，多了一种检查它与靶点是否匹配的工具。
除了 Ismorphic Labs，不少公司也从这一层切入。比如 Chai Discovery、Boltz。2024 年 9 月，Chai 发布 Chai-1，预测多类生物分子的结构及其形成的复合物；同年 11 月，Boltz 团队发布 Boltz-1，并开放训练代码和模型权重。
而 Latent Labs 没有跟随先做结构预测的路径，而是直接做蛋白质生成设计。创始人Simon Kohl是参与开发 AlphaFold2 的核心人员和论文作者，Isomorphic Labs 当时正在沿着 AlphaFold 向多个药物研发方向扩张，而他认为蛋白质设计本身已经足够庞大，值得由一个更小、更灵活的团队集中突破。于是决定单独创业。他们的伦敦团队负责开发基础模型，旧金山则有湿实验室和计算生物团队，测试模型设计出的分子，将实验反馈用于模型研发，并采集训练数据。
2025 年，三家公司开始交生成模型的答卷，第一代生成模型相继亮相：
•6 月，Boltz-2 在结构预测之外加入结合亲和力预测，迈出了生成模型的第一步；
•同月，Chai-2 发布，成为第一个从零设计抗体的生成模型。
•7 月，Latent 发布首个模型 Latent-X，首先展示了环肽和小蛋白的从零设计能力。
•10 月，Boltz 推出生成模型 BoltzGen，正式进入结合物设计。
主力模型：Latent X
2025 年 7 月，Latent-X1 发布。
它首次公开展示了 Latent 的端到端全原子蛋白质设计能力。用户提供靶点序列、骨架结构和希望结合的热点后，模型联合生成新结合物的氨基酸序列，以及结合物—靶点复合物的全原子构象。
Latent-X 首先选择了大环肽（macrocyclic peptide）和小蛋白（mini-binder），而没有直接挑战完整抗体。团队在 7 个治疗相关靶点上进行湿实验，每个靶点最终测试 30 至 100 个设计。公司报告的大环肽命中率为 91%至 100%，mini-binder 为 10%至 64%，并获得了低纳摩尔乃至皮摩尔级 binder。
其中在环肽方面，Latent-X1 在三个靶点上的受测样品命中率达到 91%–100%，高于 RFpeptides 文献报告的 21%–38%，且在 MDM2 靶点的亲和力方面实现了更低的 KD 值。
RFpeptides 是华盛顿大学蛋白质设计研究所（IPD）开发的 AI 环肽设计方法，由 David Baker、Frank DiMaio 和 Gaurav Bhardwaj 三个实验室联合开发，可以理解为 RFdiffusion 面向环肽设计的延伸。
2025 年 12 月，Latent-X2 发布，目标是生成更接近药物的分子。
X2 可以输入指定表位，只生成关键结合区域，并把能力扩展到 VHH 和 scFv。团队对每个组合只测试 4 至 24 个设计，在 18 个靶点中的 9 个上获得成功，同时评估表达量、聚集倾向、多反应性、疏水性和热稳定性；部分代表性 VHH 还进行了人源供体的离体免疫原性实验。
•Agent 产品 Latent-Y
2026 年 3 月发布的 Latent-Y 是建立在 Latent-X1 和 X2 之上的 AI Agent。它把原本需要多位专业研究人员完成的蛋白质设计流程，封装成一个可以用自然语言操作的产品。Latent-Y 可以从自然语言目标出发，完成文献检索、靶点分析、表位选择、调用 X2 生成、计算验证和候选筛选。公司报告中，它在 9 个靶点里为 6 个找到了实验确认的 binder，为科研人员打造蛋白设计的“Cursor”。
按时间顺序排列的三家公司主要产品发布
Latent 的差异化下注
模态类型：环肽
从产品策略看，Latent 则先用大环肽与小蛋白展示生成模型的能力，再于 2025 年 12 月发布 Latent-X2，将设计范围扩展至 VHH 和 scFv 等抗体格式。环肽始终是这条产品路线中的重要组成部分。
环肽是近期比较热门的研发方向，它处在小分子与抗体之间的“中间地带”，容易进入细胞：它的接触面积大于传统小分子，因此有机会识别平坦的蛋白质相互作用界面，并有接近抗体的亲和力和特异性；环化又可能提高抗蛋白酶降解能力，可以作为口服、缓释药物。
比较出名的例子包括：
•强生与 Protagonist 合作开发的 icotrokinra，是一款靶向 IL-23 受体的口服大环肽药物，2026 年 3 月获美国批准用于中重度斑块状银屑病，预测峰值销售超 $50 亿。
•默沙东的 enlicitide ，一款靶向 PCSK9 的大环肽。2026 年 7 月获批，用于降低高胆固醇血症成人患者的 LDL-C，其 2033 年销售额预期超 $50 亿。
数据闭环：自建湿实验室
从 2024 年开始，Latent 便在旧金山运行湿实验室，并将实验验证作为模型研发的重要支点。从招聘信息可以看出，伦敦的 Computational Protein Designer 主要负责计算设计；旧金山的同岗位则额外要求较强的湿实验经验，需要亲自开展蛋白表达与纯化、生物物理表征和功能实验。
我们可以从 Latent X1 模型的实验论文了解内部实验平台的分工，以小型蛋白质结合物 mini-binder 为例，模型先为每个靶点生成约 2 万个设计，再根据预测结构选出 100 个候选进入实验，进入两条相互补充的验证路径：
•一条交给外部服务商 GenScript：先根据设计序列生产蛋白质，再用 BLI，检测它与靶点是否结合再进一步测量，确定结合强度及结合、解离的速度。
•另一条由 Latent 内部完成，采用的是哺乳动物细胞表面展示，简称 mDisplay。研究人员将编码候选蛋白的 DNA 导入细胞；随后加入靶蛋白，通过荧光信号观察候选是否成功展示、能否抓住靶点。
这套双重筛选方法，让研究人员能够在原理不同的结合检测平台上，交叉验证哪些候选真正命中了靶点。
在这里，Latent 的自建实验室与外部服务商是协同关系。DNA 合成、部分材料制备，以及蛋白质生产和仪器测量，仍然由外部机构承担；Latent 则将一部分验证环节放在内部，让计算设计人员能够更直接地接触实验结果。
如果说 X1 论文更像是在验证自己内部的实验能力，那么近期我们能看到公司在越发重视实验的迹象。2026 年 3 月，Latent 在旧金山招聘 Head of Lab Platform 与 Research Lab Scientist。希望招聘具有从零搭建实验室经验的人，进一步扩展现有的高通量实验、自动化和数据管理能力。在未来，Latent Labs 可能会把更多湿实验室环节放进内部。
携手 AWS 接入客户
2025 年 5 月，Latent Labs 与 AWS 宣布多年战略合作，覆盖模型训练与推理所需的云基础设施，以及面向生命科学客户的商业推广。Latent 提供生物生成式 AI 模型，AWS 则作为其首选云服务商提供算力支持。Latent 使用 Amazon SageMaker HyperPod 扩展计算资源，支撑模型研发和客户使用；同时借助 AWS 的合作伙伴网络与市场拓展支持，触达更多药企、生物技术公司和科研机构。
Latent 旗下模型也接入了 Amazon Bio Discovery 平台：这是 AWS 于 2026 年 4 月推出的 AI 药物研发应用，目前主要面向早期抗体发现。平台将生物 AI 模型、科研助手和外部实验服务整合到同一个工作环境：科研人员可以选择模型并评估候选分子，再将选定候选交给合作实验室测试。
该平台已公布的早期采用机构包括纪念斯隆凯特琳癌症中心（MSK）、拜耳、Broad Institute、Fred Hutch Cancer Center 和 Voyager Therapeutics。
03.
Why now
De novo design：从创造分子到 RSI
传统结合物发现的流程需要：
1.先准备一个非常大的真实分子库；
2.用噬菌体展示、酵母展示、动物免疫等方式做实验筛选；
3.从百万到十亿级候选中找到少量结合者；
4.再做亲和力成熟、特异性和成药性优化。
而 De novo design（从头设计） 彻底改变了研发的起点：研究者可以先指定靶点、结合位置和功能要求，再设计满足这些条件的新序列，将自然界中原本不存在的分子纳入药物发现。只合成模型排名最高的一小批。
AI 最明显的突破是压缩早期结合物发现的时间和实验规模。传统抗体发现采用动物免疫等路线，获得初始结合物通常需要数月；之后还要完成候选优化和临床前开发。参考药明生物的公开材料，DNA-to-IND 阶段的典型周期为 6–15 个月，对应$500 万- 800 万。
同样类比早期发现环节，Chai-2 针对 52 个抗原，每个靶点、每种抗体格式测试不超过 20 个设计，报告约 16% 的候选级结合命中率，并在一半靶点上获得至少一个结合物；从计算设计到湿实验验证，用时不足两周。
通过对蛋白生成设计发展的观察，我们可以看到：
从模型能力到工作流编排，再到干湿实验闭环，竞争正向完整研发流程延伸。随着基础预测能力正在快速开源化，Latent 与 Boltz 纷纷发力 Agent 编排与工作流，希望争夺成为这个领域的操作系统。下一阶段，差异化可能更多来自能否有效连接计算设计与实验验证，让实验结果持续反馈到下一轮设计中。
药物发现的未来，将逐步走向智能科学的 RSI：lab-in-the-loop 是实现这一愿景的重要基础。它将湿实验室接入AI的设计与决策循环，让每一轮实验既筛选候选，也为下一轮探索提供信息，从而以更低的总成本、更短的时间，获得足以支持项目推进或终止的可靠证据。而在结合物设计阶段，更容易形成闭环，相较于药物研发的后续环节，这一阶段的实验环境更可控，评价终点更明确，反馈周期也更短。分子结合主要取决于两个分子表面在形状和化学性质上的互补，并受到明确的物理规律约束。这些特征使结合物设计更容易形成“设计—实验—反馈—改进”的循环。
专利断崖正在发生，AI 加速新/旧靶点的开发
药物研发长期承受反摩尔定律的压力：Eroom’s Law 最初描述的是的 1950 年至约 2010 年间，每十亿美元研发投入对应的新药产出大约每九年减半。而AI可能是有潜力逆转这个趋势的技术。
而另一个大趋势是药企的专利断崖正在发生，根据 Evaluate 预测，我们即将迎来下一个专利到期的高峰。2026-2032 年，累计有超过 5000 亿美元销售额可能面临专利过期的风险，药企需要寻找下一个大药物。
专利断崖会迫使大药企更积极地采用 AI 技术、投资 AI 公司、与 AI 公司合作。Isomorphic、Chai、Boltz 近期接连签下大订单，背后都有大药企面对专利断崖、需要新管线的驱动因素。而具体看，AI 带来的机会集中在两个方向：
1.大量未开发靶点迎来重新开发的机会
药企长期积累了大量尚未完成的研发项，这些未被开发的机会远比已经上市的药物多。2024 年的一项系统研究估算，在人类 19,813 个蛋白编码基因中，约有 4,729 个可能被生物药调控，但只有 755 个已经成为获批药物的靶点。即便只看曾经进入临床开发的靶点和疾病，约 170 万种潜在的“靶点—适应症”组合中，也只有 2.5% 被实际探索过。
过去，药企很难系统性地重新检查这些项目，而蛋白生成模型的出现，给了研究人员大量开发难成药靶点的机会。Isomorphic Labs 与 Novartis 最初围绕 3 个高难度靶点合作，一年后又增加了最多 3 个项目，说明大型药企已经开始把真实的早研问题交给 AI 平台。
2.AI 做 me-better /best-in-class 的机会
AI 可以针对这些已验证靶点，设计出更好的分子，AI 可以探索传统方法覆盖不到的序列空间，可以找到完全不同的结合模式，实现跨越式改进。另外，AI 蛋白设计本质上是高维搜索和优化。老靶点已经积累了大量结构、突变、药理和临床数据。问题因此从开放式的生物学探索，变成了一个边界清晰的分子优化任务。
生物医药领域特殊的行业结构，也为多家企业一同创造价值提供了空间。专利保护使任何成功创新有机会获得持续回报，而不同疾病、治疗机制和患者群体又形成了多个独立的市场。企业既可以通过 first-in-class 开辟新的治疗路径，也可以通过 me-better/best-in-class 在疗效、安全性或用药便利性上建立优势。因此，一家公司即使只在有限的治疗领域取得突破，也可能通过自主销售、授权或并购实现较大价值。
因此，这是一个极其长坡厚雪的赛道，一条条成功的管线则是这个领域可被验证的节点。
下一个大制药公司可能在 AI 发现平台中诞生
全球药企每年约有 3,000 亿美元研发支出，其中，top 25 家药企约花费 1760 亿，占全球约 61%，头部集中度高的特性。其中临床前部分约占到研发支出的 15%，大约占到每年 450 亿。这 450 亿美元构成了 AI 药物发现最直接的第一层预算池。如果 AI 能够避免临床前阶段 20%–40% 的低价值试错，对应每年约 90 亿至 180 亿美元的经济价值。
AI发现平台的长期上行，来自将药物发现转化为一种能够持续积累、重复产出新资产的研发能力。一个分子的设计和筛选成本，只是项目总投入的一部分。如果靶点选择、疗效或安全性问题直到临床阶段才被发现，此前投入的时间和资金便可能难以收回。AI如果能够更早识别高风险项目，提高进入临床项目的平均质量，其经济价值会显著超过减少几轮筛选实验。
历史上，新一代平台型药企的出现，往往都发生在一次科学突破被工程化、工业化的窗口期。重组 DNA 技术催生了 Genentech；受体陷阱蛋白和全人抗体工程平台支撑了 Regeneron；核苷修饰和递送技术促成了 Moderna。AI 与这些技术的不同之处在于，它不是一种单独的治疗模态，而是一套可以横跨小分子、抗体、蛋白质和核酸的发现基础设施。因此，它理论上能够支撑的管线宽度更大，平台的上限也可能更高。
目前而言，最接近下一代制药公司的是 Isomorphic Labs，公司在 2024 年与 Lilly、Novartis 的合作，首付款分别为 4,500 万和 3,750 万美元；另有分别最高 17 亿和 12 亿美元的条件性里程碑，以及销售分成。
04.
竞争格局
目前在大分子领域，最为突出的竞争者分别是前 OpenAI、Meta FAIR 研究者 CEO Joshua Meier 创立的 Chai Discovery 和从 MIT Jameel Clinic 研究项目发展出来的 Boltz。他们的路线差异具体如下：
•Chai Discovery：专注抗体，Enterprise-first，强调模型性能和大药企深度部署。
•Boltz：专注开源模型 + API 的收费逻辑，主打全模块。让 Claude/Codex/ 药企内部 agent 组合工作流
•Latent Labs：环肽路线，拥有湿实验室。目前与 AWS 合作负责分发，在客户方面走 Chai + Boltz 的混合路线。
技术
尽管缺乏 head-to-head 数据直接对比，但从三家公开实验中，我们可以看到各家的侧重点有所不同：
•纳米抗体与小蛋白模态更像是 AI 的低垂果实，是各家开始时共同选择的方向，但仍处早期方向。
•小分子与抗体类药物目前最成熟成药最多，都有数千亿美元的规模。但可能面临 Isomophic 的竞争。
•Chai 从一开始就专注抗体领域，目前属于领先地位。
•环肽是近期较热门的新兴方向，且这个赛道目前 Latent 暂时领先。
商业化
Chai 是三家中合作最成熟、交易结构最清晰的，已经进入了大药企正式部署阶段。其特点是定制模型路线，利用制药公司的专有数据，并深入适配其工作流。Chai 已公开宣布与五家独立药企合作，且年度订单费用高达中八位数美元。根据测算，其年度订单规模可能已经高达 2 - 3 亿美元。
而 Boltz 走的是开源 + 基础设施路线，Boltz-1、Boltz-2 和 BoltzGen 形成了三家里最深的开放模型栈，产生明显的学术与产业分发。目前累计超过 500 万下载、被超过 10 万科学家和 1000 家公司使用，并覆盖前 20 的制药公司。公司已经推出 API 产品，与 Claude Science、Benchling、Phylo 等工具和平台的集成，作为其他科研平台的底层能力供应商。
在费用方面，参考 Boltz 对 BoltzMol-1 的描述，一个小分子从靶点到实验验证的初始hit，计算加实验预算约为 10,000–15,000 美元，耗时 3–8 周。收费量级相比闭源合作类型少了一到两个量级。
在商业合作方面，Boltz 获得了三家的医药公司合作订单，但跟 Chai 的模式不同的是，Boltz 并不保留平台开发产生的化合物所有权，因此更多扮演一个工具属性。
潜在范式竞争：Anthropic
Anthropic 是目前大模型公司中最看重 AI for Science 的，正通过大量科研实验和人才招聘进入生命科学领域。
在最近一次蛋白质设计实验中，Claude 根据操作手册自主查阅资料、制定设计策略，并调度专业模型生成和筛选候选分子，再由 Adaptyv Bio 和 Twist Bioscience 进行湿实验验证。
Claude 成功编排了多个开源蛋白质设计模型，生成了具有高成功率和高亲和力的结合剂。报告显示，整体结合命中率为 26.8%，15 个靶点中有 14 个获得结合分子。
这里 Claude 负责理解研究目标、选择设计策略并调度工具；具体到生成骨架、设计序列和预测复合物，仍由专有模型完成。从竞争格局看，通用模型公司与专业模型公司也可能形成上下游合作。通用 Agent 可能可以成为专业模型的分发入口。
另外，Anthropic 最近更新了一则招聘招聘企业发展负责人，主要职责为发掘并执行与 AI 原生生命科学公司的收购、投资和战略合作。说明 Anthropic 希望通过收购强化在生命科学中的地位。
05.
团队与融资
以 AlphaFold 为班底的核心团队
•Simon Kohl｜创始人兼 CEO
早期在德国卡尔斯鲁厄理工学院（KIT）学习物理，随后在德国癌症研究中心与KIT开展医学影像机器学习博士研究。加入DeepMind后，是AlphaFold 2的核心研发成员之一、Nature论文同等贡献作者，参与了神经网络架构与训练开发。他还开发了广泛使用的结构置信度预测机制pLDDT，起并共同领导DeepMind的蛋白质设计团队。
•Paul F. Jaeger｜Head of AI
现任 Latent Labs AI 负责人。此前在 Google DeepMind 参与面向药物研发的大语言模型研究，是 TxGemma 的关键贡献者，并参与将大语言模型用于单细胞分析的研究。更早在德国癌症研究中心完成博士研究并领导交互式机器学习团队，是医学影像分割框架 nnU-Net 的共同一作。
•Alex Bridgland｜创始技术成员
曾参与 DeepMind 的 AlphaFold 1、2、3，积累了跨多代蛋白模型的研发与工程经验。他是 AlphaFold 2 Nature 论文的同等贡献作者，主要参与数据、分析与推理系统开发。加入 Latent 后，与 Simon Kohl 共同搭建最初的机器学习代码库，并参与 Latent-X 的模型架构、预训练方法及数据流程开发，是公司早期模型与工程系统的重要建设者。
•Stefan Oschmann｜战略顾问
曾任德国默克集团 Merck KGaA CEO，拥有大型医药与生命科学企业的管理经验。2025 年 12 月宣布其担任 Latent Labs 战略顾问。
除此之外，团队还有两名曾在 David Baker 团队的研究人员，以及专注实验平台与内部湿实验室设计的多名科学家。
融资历程
Latent Labs 最新一轮为 2025 年 2 月 天使轮 + A 轮融资 5000 万美元。A 轮由 Radical Ventures 与 Sofinnova Partners 共同领投，早期投资方包括 8VC、Kindred Capital 和 Pillar VC。天使投资人则包括 Google 的 Jeff Dean、Transformer 论文共同作者 Aidan Gomez，以及 ElevenLabs 联合创始人兼 CEO Mati Staniszewski。
相比之下，Chai Discovery 的融资节奏最快、规模也最大。从 2024 年 9 月的约 $3,000 万种子轮起，公司在不到两年内连续完成 A、B、C 三轮融资，累计融资约 $6.3 亿。2026 年 7 月的 C 轮融资金额为 $4 亿，估值达到 $38 亿，由 Index Ventures 领投，Kleiner Perkins、Sequoia 等参与；OpenAI 和 Thrive Capital 则是其早期投资方。
Boltz 仍处于更早期阶段，于 2026 年 1 月完成 $2,800 万种子轮融资，估值为 $1.25 亿。投资方包括 Zetta Venture Partners、Amplify Partners、a16z 和 Factorial Capital，个人投资者包括 Hugging Face 联合创始人兼 CEO Clément Delangue。
21 Shares Solana ETF TSOL 单日资金净流入为零Techub News 消息，截至 9 月 17 日数据，21 Shares 旗下 Solana ETF（TSOL）单日资金净流入为零。该 ETF 的资金流向与近期多个同类 Solana ETF 的表现一致，显示出市场资金正进行结构性调整。（@FarsideUK）北约支持初创公司Scaleout Systems为无人机部署AI侦察与攻击系统Techub News 消息，北约支持的初创公司 Scaleout Systems 正在为小型无人机部署人工智能驱动的目标检测与选择系统，用于侦察和攻击任务。该公司由瑞典乌普萨拉大学研究人员于2018年创立，最初专注于在商用卡车等车辆硬件上直接训练和部署机器学习模型。2022年俄罗斯全面入侵乌克兰后，公司转向国防应用。联合创始人兼CEO Andreas Hellander表示，在乌克兰战争和世界格局变化下，该技术对利用边缘数据和传感器数据进行机器学习以帮助北约盟友获得战略优势至关重要。
（Ars Technica）美国能源部启动2.15亿美元量子计算竞赛，目标2028年部署百逻辑量子比特机Techub News 消息，美国能源部周四启动“量子创世Q竞赛”，提供高达2.15亿美元资金，旨在激励私营公司开发至少拥有100个逻辑量子比特、能执行数亿次可靠操作的容错量子计算机。该计划目标是在2028年前实现部署。
容错量子计算技术的进步可能对依赖椭圆曲线密码学的比特币构成长期风险。谷歌研究人员今年指出，破解比特币使用的256位椭圆曲线系统可能需要约1200至1450个逻辑量子比特。目前比特币网络中约30.2%的流通供应量（约604万枚BTC）的公钥已暴露在链上，成为潜在目标。
比特币开发者已开始讨论防御方案，包括BIP 360和BIP 361草案，旨在减少公钥暴露并逐步迁移至抗量子签名方案。此类迁移涉及钱包、交易所、托管方和用户，可能需要数年时间完成。 （BeInCrypto）Polymarket 聘请 Zora 联创 Jacob Horne 重建链上交易产品Techub News 消息，预测市场平台 Polymarket 已聘请 Zora 联合创始人 Jacob Horne，负责重建其链上交易产品。Polymarket 首席执行官 Shayne Coplan 于周四宣布了此项任命。Horne 将直接与 Coplan 合作，重点提升其去中心化金融（DeFi）侧产品的体验。Copla 承认，随着公司规模扩大，链上产品有所弱化，并承诺将召开线上会议以制定修复方案。
Horne 在八天前离开了他运营超过六年的 Zora。Zora 是 Coinbase 失败的创作者代币实验背后的应用，该实验已于今年被 Coinbase 终止。Coinbase 随后将其美国预测市场产品转向由 Kalshi 提供支持。数据显示，在截至 9 月 13 日的一周内，两大平台总交易额 158 亿美元中，Kalshi 处理了 131 亿美元，Polymarket 占 17%。
Horne 是 Polymarket 八天内的第三位高级别招聘。此前，前亚马逊首席财务官 Warren Jenson 于 9 月 10 日加入担任首任 CFO，前 DoorDash 总经理 Collin McKinney Hill 于 9 月 15 日加入担任运营副总裁。 （BeInCrypto）Jupiter Exchange 支持 INJ 与 SOL 及 SPL 代币互换Techub News 消息，Solana 生态去中心化交易聚合器 Jupiter Exchange 已支持 Injective 原生代币 INJ 与 SOL 及其他 SPL 标准代币的互换功能。该集成旨在增强跨链流动性并提升交易效率，可能推动 Solana 生态发展并扩大 Injective 的市场覆盖范围。
（Crypto Briefing）摩根大通称比特币表现或优于黄金Techub News 消息，摩根大通表示，比特币的表现可能优于黄金。
（@Kalshi）美国 CFTC 免除加密货币钱包中介经纪商注册义务Techub News 消息，美国商品期货交易委员会（CFTC）市场参与者部门于 17 日发布针对被动软件提供商的不采取行动立场，免除其为注册期货经纪商、中介经纪商及指定合约市场提供中介软件时的经纪商注册义务。
该措施将 3 月授予 Phantom Technologies 的同类豁免扩大至所有符合条件的提供商，使加密货币钱包等应用无需成为 CFTC 注册中介经纪商即可提供受监管衍生品接入。CFTC 主席 Selig 在 16 日参议院否决《清晰度法案》后表示，该机构将继续利用现有法定权限推进监管明确性与消费者保护。（CoinPost）Cboe 2026年第一季度FLEX期权日均交易量达190万份Techub News 消息，Cboe 报告 2026 年第一季度 FLEX 期权日均交易量达 190 万份。FLEX 期权交易量的激增突显了市场对可定制、受监管交易解决方案的需求不断增长，这可能重塑风险管理策略。
（Crypto Briefing）Zest Protocol杠杆化比特币质押金库已在Stacks上开始产生收益Techub News 消息，Zest Protocol 创新的杠杆化比特币质押金库现已在 Stacks 网络上开始产生收益。该产品允许用户通过质押比特币获得额外收益，旨在增强比特币金融产品的吸引力并可能吸引更多投资者。（Crypto Briefing）微软将 ChatGPT 集成至 Word，增强文档起草与编辑功能Techub News 消息，微软已将 ChatGPT 集成至其办公软件 Word 中，以增强文档的起草与编辑功能。此举旨在普及 AI 写作工具，可能重塑生产力规范，并为不同用户群体创造更公平的使用环境。
（Crypto Briefing）0 篇文章
1 篇文章
2 篇文章
