TEXTRADAR
覆盖窗口: → (24h 滚动窗口 · 按你的浏览器时区显示)

2026-09-10 日报

今日重大事件

前沿科技

1. OpenAI 公布纳维-斯托克斯证明的算力账单

署名争议之外,这次证明的资源账单被摆了出来。OpenAI 在 9 月 8 日的说明里给出过程:三维不可压缩纳维-斯托克斯方程的有限时间奇点证明由一个能力强于 GPT-6 Astra 的内部模型驱动,9 月 5 日拿到初步结果,再经 17 小时的 Lean 形式化验证;整个求解动用约 1 万个并发智能体、发送约 270 万条消息、消耗约 1300 亿输出 token。AINews 按公开价格估算这批 token 的支出超过 4000 万美元,端到端耗时 88 小时。证明对应千年奖问题里的 C 与 D 两种情形,展示的是光滑外力下静止流体演化出向内螺旋并拉伸的涡旋结构,能量保持有限而速度无界增长。

直接被影响的是数学界的验证流程。17 小时的形式化验证意味着结论本身可以交给机器核对,不必等同行评议排队;但 OpenAI 同时承认,这次尝试受到 Anthropic 研究员 Levent Alpöge 与纽约大学教授 Tristan Buckmaster 并行工作的传闻启发——双方在欧拉方程正则性上给出的结果不同,OpenAI 做的是无外力情形,对方是有外力情形。

把这几个数字摊开,该记的是单位成本而不是难题本身:4000 万美元、88 小时、一万个智能体,换来一个千年奖级别的结论。再推远一点,数学研究的门槛正从"谁想得到"挪向"谁付得起",而付得起的机构目前只有几家前沿实验室。同一套方法一旦复用到别的未解问题上,前沿实验室与大学数学系之间的产出差距会按算力预算而不是按人才密度来分。

接下来看两处:形式化证明能否被第三方在 Lean 里独立复核通过,以及那条并行路线何时公开——两份结果的边界条件是否真如 OpenAI 所说互不重叠,决定了这次成果的归属怎么写。 [#deepdive-candidate]

信源 4:ChainCatcher / AINews / CNBC / 麻省理工科技评论

2. 谷歌在芬兰投资 130 亿欧元建 AI 基础设施

谷歌宣布将在芬兰投入 130 亿欧元(约 151 亿美元)建设人工智能基础设施,资金在 2027 至 2028 年落地,用于支撑 Gemini、搜索、地图与 YouTube 等服务。公司称这是其在欧洲的单笔最大投资,芬兰广播公司 YLE 的报道提到项目将带来数万个岗位。

选址给出的信息比金额多。北欧的电力结构与气温把数据中心的冷却和电价成本压得比欧洲大陆低,而把实体资产放在欧盟境内,也让数据存放地这件事在监管上少一层解释成本。更关键的是电力:芬兰可用的并网容量决定这 130 亿欧元里有多少能在 2028 年前变成实际跑起来的算力。

信源 5:华尔街日报 / CNBC / BBC / Seeking Alpha / ChainCatcher

3. 国防部文件要求 OpenAI 提供极少拒绝的军用版本

The Intercept 依《信息自由法》诉讼取得的文件显示,美国国防部曾要求 OpenAI 提供专为军方定制、对指令"极少拒绝"的模型版本。该表述出现在对 2025 年一份原型协议的更新合同里(编号 P00003),协议为期两年、金额最高 2 亿美元,覆盖后勤、情报决策与作战用途。OpenAI、Google、xAI 与 Anthropic 在 2025 年都同意开发这类军事化原型。OpenAI 发言人否认公司接受过含该措辞的条款,称文件是国防部的早期草案;国防部也表示该短语不在任何现行合同中。The Intercept 指出所获文件均未标注草案,代表五角大楼的司法部律师一度确认这是已签署执行版本,随后又要求忽略此前的确认。

争点不在采购本身,在拒绝率被写成了可谈判的参数。安全对齐一直被当作模型的内生属性,而这份文件把它变成合同条款里的一档可调项——买方能指定模型少拒绝,卖方能按需交付一个更顺从的版本。2 月 27 日签署的最新合同允许 OpenAI 的服务部署在军方机密网络上,其中同类交付条款被全文涂黑,外部无从核对边界画在哪里。OpenAI 说自己在自主杀伤和针对美国人的监视上划了红线,但合同文本允许政府认定合法的任何用途。

4. Anthropic 拒绝向英国 AI 安全研究所开放新模型

Anthropic 没有在发布前把最新模型提交英国人工智能安全研究所测试,该模型只向经资质审核的美国机构开放。英国白厅与研究所内部对此警惕,国家安全官员担心这会成为先例,让研究所此后拿不到最新的前沿模型。分析认为此举与美方收紧的出口管制有关——美国政府此前已对 Anthropic 的 Mythos 与 Fable 两个模型系列实施出口管制,禁止外籍人士使用。Anthropic 拒绝置评,只说正与美国政府协调,尽快把权限扩大到更多国内外合作方。

英国的这家研究所过去两年是各家实验室发布前测试的默认外部通道之一,通道断掉意味着模型评估正在按国籍重新分区。对 Anthropic 来说这未必是自主选择,出口管制把"谁能碰模型"定义成了法律问题;对英国来说,后果是本国的安全评估能力与前沿模型之间出现时间差。其他实验室的下一批发布是否照做,会是最直接的验证——如果照做,研究所手里能测的就只剩上一代。

5. DeepSeek 聘中信证券筹备科创板上市

路透社援引两名知情人士报道,杭州的 DeepSeek 已聘请中信证券筹备科创板首次公开募股,计划今年启动流程,时间、募资规模与目标估值尚未确定。公司正在进行的融资轮估值达 5000 亿元人民币(约 750 亿美元);今年 6 月那轮筹得约 74 亿美元、投后估值超过 500 亿美元,其中创始人梁文锋个人承诺 200 亿元、腾讯 100 亿元、宁德时代 50 亿元。

上市动机被摆得很明白:梁文锋希望募资所得能提供更强的激励留住研究人员,公司近期已有人才流向字节跳动和小米。国内同行的路径分成两条——Z.AI 与 MiniMax 今年早些时候在香港上市,Moonshot 已秘密提交港股申请,而 DeepSeek 选了上交所科创板。选境内还是香港,决定的是股东名单里能出现谁,以及未来受哪一套披露与外资准入规则约束。

信源 2:ChainCatcher / Seeking Alpha

学术研究

1.用离散扩散给自回归模型做无损提速

核心：把并行采样交给一组轻量扩散权重,在不改变自回归模型分布的前提下取得最高三倍吞吐。

摘要：自回归结构要求逐个 token 顺序生成,是大模型推理的主要瓶颈。作者提出扩散增强的大模型:模型定义的仍是自回归分布,但用扩散从该分布中并行抽取多个 token。参数被拆成两组——自回归权重按标准的下一 token 预测目标训练,轻量的扩散权重则通过一个扩散蒸馏阶段学会同时生成多个 token,该阶段对现有训练流水线的额外开销可以忽略。配套的采样器族 Ψ-Spec 支持定长上下文下的无损加速与推理期扩展。与投机解码不同,该方法不需要单独的草稿模型;与扩散语言模型不同,它加速生成而不牺牲底层自回归模型的质量。得到的模型 Uno 既可从零训练,也可在已有开放权重的自回归模型上改造。Uno 在所有评测的批大小上吞吐都高于领先的投机解码方法,相对基础自回归模型最高提速三倍。参数量更小的 Uno 在智能体工具使用、编码与长上下文推理的全部基准上,表现优于目前领先的开源扩散语言模型 DiffusionGemma 以及闭源的 Mercury 2。代码与检查点已公开。

AI 摘要：扩散增强的自回归语言模型通过蒸馏得到的扩散权重并行采样,并配合专用采样器,在不损失质量、不需要草稿模型的前提下加速推理。

评析：无损这两个字是关键——投机解码要额外维护一个草稿模型,扩散语言模型要接受质量折损,这篇把并行采样做成原模型分布上的一个采样器,两笔代价都省掉了。蒸馏阶段的开销被描述为可忽略,若属实,现有开放权重模型可以直接改造,现实门槛比重训一个扩散语言模型低得多。参数量小得多却打赢 DiffusionGemma,这个对照有说服力,但对照组只有两个,缺少与最新投机解码变体的逐一比较;吞吐提升与批大小的关系也只给了结论没给曲线。

2.FlowBalance：用验证器校准模型的自我指导

核心：同模型给出的密集指导按验证器的组内优势重新加权,正优势保留、负优势反转、无偏好时关闭。

摘要：推理模型可以从自身的在线经验里改进,但这个内循环很脆弱:终局验证器的监督可靠却稀疏,而同一模型给出的密集指导可能强化错误的自信,或把学习过度集中在单一解法上。FlowBalance 学习的是完整回复上的归一化分布。对每条在线轨迹,同一策略的一个冻结的训练期视图借助特权上下文产出 token 级对数概率增益,再聚合成轨迹级的自我指导分数,然后用验证器导出的组内优势对该分数做校准:正优势轨迹保留指导,负优势轨迹反转指导,当一组回滚没有给出结果偏好时关闭指导。由此得到的能量对参考策略做指数重加权,轨迹平衡每组回滚只需估一次对数配分。作者给出的分析包括组内对比保持性、最小改动的反向 KL 刻画、验证器对目标奖励的单调控制,以及针对被拒回复上假阳性自我指导的精确修正。在数学推理上,FlowBalance 在 Qwen3-4B、Qwen3-8B 上的平均表现都优于 FlowRL,训练速度与稳定性同时改善,避免了直接使用在线自蒸馏时出现的回复长度坍缩,并在受控诊断(AIME24)里显示出更高的正确解法多样性。

AI 摘要：FlowBalance 用验证器校准的自我指导,借轨迹级分数重加权与轨迹平衡拟合归一化目标,改进推理模型的自我提升。

评析：自我指导最大的失效模式是把模型已有的错误自信当成监督信号,这篇的修法很直接:让验证器决定指导的符号,错的时候把指导反过来用,没有结果偏好时干脆不用。这比"只在验证器通过时才学"更省样本,负例也被利用起来了。回复长度坍缩是在线自蒸馏的老毛病,能避开这一条本身就有工程价值。理论部分给了四条性质,实验却只对一个基线,而且都在数学推理上,换到代码或工具使用是否同样成立没有交代。

3.ENEAS：把语义核验层接到可提示分割上

核心：只对模棱两可的候选调用视觉语言模型做语义核验,过滤掉雕像、绘画、倒影这类"看起来像"的干扰项。

摘要：文本可提示的分割模型——包括最新的 SAM 3——仍存在三类失效:目标离开视野时不报告缺失的时间性幻觉、极端特写下只分割局部纹理而非完整物体的空间碎裂,以及把雕像、绘画、倒影这类视觉相似物当作目标实体的语义误分类。ENEAS 用同一套方法覆盖两种用法:对唯一实例做精确跟踪与高质量分割,以及按文本查询发现全部同名实例并交由语义核验层裁定。跟踪部分扩展了几何鲁棒的 SeC 架构——原本只支持点交互,作者加上文本提示适配器并复用其时间记忆,使目标在消失期间不漂移到干扰项、在充满画面时保持完整。发现部分的核验层把高速视觉嵌入匹配与条件式视觉语言模型精修结合,只对模棱两可的候选调用语义推理,在过滤本体论错误的同时维持低时延。作者的设计面向三维重建场景——一个被误分类的干扰项就会污染整个资产——并称方法可用于视频、大规模素材库以及时间或空间上无序的数据集合。代码与模型已公开。

AI 摘要：ENEAS 通过时间记忆扩展与核验层统一了文本提示的实例跟踪与开放概念语义发现,并过滤掉视觉干扰项。

评析：把"看起来像"和"就是"分开,靠的不是更强的视觉特征,而是有条件地调用一次语义推理,这个取舍很务实——全量调用视觉语言模型时延撑不住,不调用又分不清雕像和真人。三类失效模式被点名的方式也说明作者清楚现有模型的问题出在哪,而不是笼统地追指标。缺点是摘要里没有给任何数值:与最新基础模型的对照结果、核验层被触发的比例、时延究竟增加多少,都看不到,只能等代码放出后自己跑。

4.因果基础模型：用上下文学习估计处理效应

核心：把预训练一次、到处使用的范式搬进因果推断,新数据集上不做微调直接估平均处理效应。

摘要：因果推断是从数据中估计某项处理或干预的效果,传统上每遇到一个新问题就要走一遍定制流程:先提出因果机制,再选一个兼容的估计量,最后训练它。与此同时机器学习的其他方向已经转向基础模型范式——一次大规模预训练,之后不经微调直接用于新任务。因果基础模型把这套范式带进因果推断:它是预训练好的神经网络,用上下文学习在全新数据集上估计平均处理效应等因果量,不需要更新模型。本文是这个新兴方向的实践性导论,先梳理因果推断与机器学习的必要背景,再讨论因果基础模型,全文配有示例代码与 Jupyter 笔记本。

AI 摘要：因果基础模型用预训练神经网络在新数据集上通过上下文学习估计因果效应,无需微调。

评析：这是一篇导论而不是新方法,值得看的是它把因果推断里最耗人的那一步——为每个问题手工挑估计量——变成了模型的一次前向。前提也很硬:上下文学习出来的效应估计,其无偏性依赖预训练分布覆盖了目标场景的混杂结构,而这个条件在观测数据上很难验证。摘要没有讨论识别假设不成立时会发生什么,恰恰是因果推断里最容易出事的地方。

5.蒸馏前先验教师：按提示词做可靠性门控

核心：用验证器给教师打分,只有该提示词上教师可靠时才走密集蒸馏,否则改走带验证器的强化学习。

摘要：在线蒸馏用一个冻结的教师在学生自己的回滚上提供密集的 token 级监督,能加速后训练。原始做法对所有提示词一视同仁,不检查教师在每个提示词上是否可靠。由于反向 KL 是寻众数的,一个自信但错误的教师会带来强烈却具误导性的更新。熵或师生似然一致性这类分布代理衡量的是不确定性或一致程度,并不直接核验结果的正确性。作者提出教师门控的在线蒸馏:先用少量经验证器打分的教师探针估计可靠性,通过检查的提示词才进入密集在线蒸馏,未通过的转由带验证器的 GRPO 处理。在数学、代码与指令遵循三个领域,该方法在全部六个单领域设置上都优于原始在线蒸馏,多领域训练下两个规模的七基准均分也更高。把原本闲置的教师算力用于可靠性估计,还把所测单领域运行中教师节点的显卡利用率从 9.8%提到 78.9%。

AI 摘要：教师门控的在线蒸馏用验证器打分的探针逐提示词核验教师可靠性,分流到密集蒸馏或带验证器的强化学习,提升训练效率与准确率。

评析：这条和 FlowBalance 是同一天出现的同一类判断——密集监督信号必须先被外部验证过才能用,区别只在被验的是教师还是模型自己。教师节点利用率从个位数提到近八成是个容易被忽略的收益:异步在线蒸馏里教师大部分时间在等,把这段空闲拿来跑探针几乎是白捡的。风险在探针数量,摘要说"少量",可靠性估计的方差直接决定门控会不会误判,这个规模没有交代;六个单领域设置全胜的结论也要看基线是否调优到位。

6.EmbodiedSkills：给机器人技能加上前置检查与事后核验

核心：每个技能决策都当作执行提案,运行时先查前置条件再验执行结果,底层策略可换而智能体循环不变。

摘要：视觉-语言-动作模型把视觉观测与语言指令直接映射成机器人动作,但长时程任务需要的不止是动作预测:随着物理状态演进,智能体要协调感知、规划、执行、进度核验与恢复。一次动作预测或一个模型生成的技能决策,本身并不保证该操作在当前状态下有效,也不保证结果会被核验。EmbodiedSkills 把每个技能决策当作执行提案:运行时在执行前检查前置条件,执行后核验结果。一个共享的可执行技能接口把高层技能选择、有界的底层视觉-语言-动作执行与动作后核验连进同一个智能体循环;由于接口固定,底层策略可以替换或适配而不改动智能体循环。接口还把规划、执行、核验与恢复事件记成结构化轨迹,既能为各组件提供监督,也支持在有交互反馈时做在线适配。作者用 Qwen3-VL 与 OpenPI 的 pi0.5,在 RoboTwin 2.0、LIBERO 上做了实例化,任务适配后的底层策略在 50 个 RoboTwin 任务上平均成功率 86.20%,在 LIBERO 四个套件上 97.40%;而在四个依赖记忆的 RMBench 任务上,同样的执行方式平均成功率只有 12.5%。

AI 摘要：EmbodiedSkills 用固定接口校验与核验机器人技能执行,把可替换的底层视觉-语言-动作策略组织成闭环具身系统。

评析：把技能决策降格为"提案"是这套框架的核心动作——模型说要做什么,不等于现在能做、也不等于做完算数,前置检查与事后核验各补一道。接口固定带来的好处很实在:底层策略迭代得比框架快,不用每换一次模型就重写智能体循环。结构化轨迹顺带成了训练数据,这步设计得聪明。但数字把边界画得很清楚:标准套件上八成到九成七,一换成依赖记忆的任务就掉到 12.5%,说明补上的是执行可靠性,不是长时程的状态记忆能力,而后者才是长时程任务真正卡住的地方。

国际新闻

1. 伊朗弹道导弹袭击约旦美军基地

战线越出了海湾水域。美军中央司令部称,在伊朗革命卫队两天内两次用弹道导弹攻击一艘美国海军军舰之后,美军摧毁了五艘运载原油的伊朗油轮,打击点位于哈尔克岛出口枢纽附近和阿曼湾;革命卫队随后向约旦境内的美军基地发射弹道导弹,约旦防空系统拦截了这一轮齐射,半岛电视台的报道指被瞄准的是阿兹拉克空军基地。革命卫队同时呼吁停靠科威特和巴林的油轮船员撤离,警告将打击相关船只;伊朗方面另称已在霍尔木兹海峡附近袭击 10 艘船。布伦特原油自 7 月以来首次触及 100 美元,除冲突外还有中国买盘回升的推力。

直接被卷进来的是约旦。它此前不是交战方,只是美军基地的东道国,现在要用本国防空系统拦截伊朗导弹——这把"谁在打仗"的边界从美伊两方扩到了所有驻有美军的海湾与近东国家。韩国已经派团赴中东评估是否为霍尔木兹提供支持,巴基斯坦则重申若沙特遭袭将履行安全协定。

航运这一侧的变化更硬。此前被打击的是伊朗关联的运输,现在革命卫队公开把商船列为目标并要求船员撤离,等于把威慑对象从美国海军换成了中立船东和船员——保险与雇佣成本会先于任何军事结果反映到运价上。美国能源部把 2027 年的柴油价格预测上调 33 美分,已经是把这段供应中断写进了官方基准。

特朗普在共和党中期选举大会上说,美伊战争会在中期选举后"立即结束",油价也会大幅回落。这句话把一个明确的时间锚放在了 11 月,接下来要看的是两件事:约旦之后是否有第二个东道国被打,以及对商船的警告是否兑现成实际袭击——后者决定 100 美元是这一轮的顶还是起点。 [#deepdive-candidate]

信源 6:Bloomberg / FT / 半岛电视台 / BBC / 卫报 / CNBC

2. 国际原子能机构 20 年来首次将伊朗提交安理会

国际原子能机构理事会 9 月 9 日投票决定,把伊朗核问题提交联合国安全理事会,这是 20 年来伊朗首次因不配合调查被提交安理会。决议由美国、德国、法国和英国发起,中国投下反对票。调查本身持续多年,起因是核查人员在伊朗若干未申报地点发现铀元素痕迹,西方官员怀疑这些痕迹与 2003 年之前的秘密核武计划有关;伊朗坚持其核计划完全出于和平目的。

表决把外交这条线和战场那条线绑到了一起。伊朗谴责决议,把无法配合核查归咎于美国和以色列对其核设施的打击,还指美方在利用核监督机构为军事行动提供依据。中国投反对票意味着安理会层面的后续动作大概率会被卡住,所以这一步的实际效果不在制裁,而在把伊朗的核档案重新放回一个有法律程序意义的位置——一旦冲突结束需要重开谈判,这份提交就是谈判桌上的既定事实。

信源 4:Bloomberg / BBC / 半岛电视台 / 法广

3. 美国财政部将长债回购规模提高至 60 亿美元

美国财政部宣布,在扩大后的回购计划下,首次操作将买入最多 60 亿美元的 10 至 20 年期国债,下限 40 亿美元,规模是常规操作的三倍。计划由财政部长贝森特在 8 月 19 日宣布,目的是抑制借贷成本的上行。公告发布后美债延续跌势,10 年期收益率当日一度升至 4.8184%,说明规模小于部分投资者的预期。

这是财政部第一次把回购当作利率工具而不是流动性工具来用。常规回购是为冷门券提供买盘、维护二级市场功能,这一次的表述直接指向借贷成本,性质接近财政部自己下场买单。市场当天的回答是继续卖出——Lombard Odier 的高级宏观策略师指出,赤字规模决定的收益率压力不是 60 亿美元能解决的,短期缓解之外,宏观因素仍在定价。

回购能不能变成常态,决定了这是姿态还是实质:如果变成每周固定动作,它就是实际的久期管理(调节市场上长期债券的供给结构);如果只此一次,收益率会自己走回赤字定价。

信源 5:Bloomberg / 华尔街日报 / CNBC / 卫报 / Seeking Alpha

4. 欧盟新规允许地方政府在采购中排除中国供应商

欧盟委员会 9 月 9 日提出公共采购规则的全面改革,推动成员国把每年 2.6 万亿欧元(约 3 万亿美元)的公共合同更多投向本地供应商,并允许地方政府在招标中直接排除中国企业。提案没有设置强制配额。

不设强制配额是这份提案的设计核心。布鲁塞尔给的是一把地方政府可以自行决定用不用的工具,而不是一条统一标准——既避开了成员国之间对贸易报复承受力的分歧,也让每一次排除都停留在地方层级的决定上,在世贸组织层面更难被当作整体政策来挑战。代价是执行强度完全取决于各国财政官员的意愿,规则写出来和真的改变订单流向之间,可能隔着好几年。

信源 4:Bloomberg / 卫报 / 德国之声 / 法广

5. 美国三机构指控六家中国 AI 公司恶意蒸馏

美国国家安全局、联邦调查局与网络安全和基础设施安全局发布联合报告,点名 DeepSeek、月之暗面、阿里、MiniMax、阶跃星辰与智谱六家公司。报告指控它们自 2024 年底起批量调用 Claude、GPT、Gemini 与 Grok 的输出来训练自家模型,累计涉及数百万次请求、数十亿 token,并列出了具体的模型对应关系。美方称这些公司通过大量账号、第三方 API 聚合商和灰色中转站绕过地区限制,还用提示词试探模型隐藏的推理过程,把这类行为定性为恶意蒸馏。

指控的时间点值得记:美中领导人本月晚些时候要会面。把模型输出的获取方式定性成情报问题而不是服务条款问题,等于为后续的出口管制或制裁准备了事实基础——服务条款违约只能由厂商追究,情报定性可以由政府动手。对被点名的公司来说,更实际的影响在融资与上市:一份来自三家美国安全机构的书面指控,会写进任何一次跨境尽职调查的风险清单。

信源 3:ChainCatcher / 法广 / Seeking Alpha

美股

1. 亚马逊与纬颖在得州追加 16 亿美元产能

2. AI 推动标普 500 今年盈利增速预期升至 32%

标普 500 成分股的全年利润预期继续上修,今年的盈利增速预期已抬到 32%,推力来自人工智能相关支出与好于预期的上半年财报。

同一天的另一个数字给这条读数加了限制:只有 42%的成分股仍站在 50 日均线上方,指数层面的强势由少数公司扛着。盈利预期上修和参与个股减少同时发生,意味着 32%不是全市场的成绩,而是几家权重股的成绩被指数放大后的读数。一句话:指数在涨,但抬指数的名单在变短。

信源 2:Bloomberg / Seeking Alpha

3. 戴尔拟发行 40 亿美元债券为 AI 服务器需求再融资

戴尔计划发行 40 亿美元投资级债券用于债务再融资,背景是 AI 服务器需求带来的资金缺口。

服务器组装的毛利率一直很薄,而 AI 服务器的单机价值量高出一个量级,同样的出货节奏需要垫付的营运资金也随之放大。用投资级债券而不是股权来填这块缺口,说明公司把这轮需求当作可预测的现金流而不是一次性景气——判断对不对,要看应收账款与存货周转能不能跟上出货。

信源 2:ChainCatcher / Seeking Alpha

4. Palmer Square 探索出售 370 亿美元信贷业务

管理 370 亿美元的信贷机构 Palmer Square Capital Management 正在探索出售业务。公司由 Chris 与 Angie Long 夫妇经营,在两人手上成长为担保贷款凭证(把一篮子企业贷款打包再分层出售的产品)最大的发行方之一。

卖方是一家以担保贷款凭证起家的机构,买方大概率是想补上这块产品线的大型资管——私募信贷这两年募到的钱需要有地方投,而打包发行能力正是稀缺项。创始人夫妇选在这个时点找退出,本身也是对信贷利差还能维持多久的一个判断。

5. 汇丰下调 LVMH 与 Burberry 评级

理由是欧洲奢侈品板块下半年的经营环境会比上半年更艰难。

WEB3

1. 德国拟取消加密资产持有满一年免税

德国联邦财政部正在准备一项法案,把加密资产收益纳入资本利得税,税率 25%,与股票交易收益一致,最早自 2028 年起执行。现行规定是持有满一年后出售免税,未满一年按最高 45%的个人所得税税率征收。法案适用于 2027 年 1 月 1 日之后购入的资产,此前持有部分是否有过渡保护还待立法明确;每人 1000 欧元的免税额度保留,加密收益可与股票等证券的亏损互相抵扣,个人税率低于 25%的纳税人可申请按更低税率核定。财政部估算此举每年可增加约 3.5 亿欧元税收。吴说拿到的部长级草案还提到,借贷与质押收益同样纳入,2028 年起扣税自动执行。

持有一年免税是德国散户长期持币的核心理由,取消它,是把加密资产从"另类财产"重新归类为普通投资品。税负影响有两面:税率从最高 45%降到 25%,对短期交易者其实是减负,真正被打到的是持币超过一年的长期持有者。允许与股票亏损互抵这一条顺的是同一个逻辑——待遇统一了,身份也就统一了。3.5 亿欧元的年度估算并不大,说明立法目标是归类而不是创收。

信源 2:吴说 / ChainCatcher

2. 贝森特敦促参议院推进 Clarity 法案

美国财政部长贝森特在 X 平台发文,敦促参议院在八月休会结束后推进加密市场结构法案《Clarity Act》(美国数字资产市场清晰法案)的立法程序。他称该法案能阻止不良行为者滥用数字资产技术,若未能通过,会向盟友和对手同时发出美国不愿引领数字资产未来的信号。法案去年已在众议院通过,今年因银行业游说团体与加密企业在稳定币收益问题上的分歧陷入停滞。

时间窗口很窄。参议院周一复会,众议院五天后的周五休会,而参议院计划在 9 月 15 日就该法案表决。加密行业已投放七位数金额的全国电视广告,多家银行下周也将集中游说——Paradigm 的政府事务主管把"法案几乎无望通过"的说法归因于未参与核心磋商的匿名幕僚,理由是若法案注定失败,银行不会投入这种量级的资源。能落地的判断依据不是谁的表态更响,而是稳定币收益归属那一条有没有被写进新的折中文本。

信源 2:ChainCatcher / 吴说

3. Circle 以 4 亿美元全股票收购 Tazapay

稳定币发行商 Circle 宣布以 4 亿美元全股票交易收购新加坡跨境支付基础设施公司 Tazapay,协议已于 9 月 4 日签署,对价以 Circle 的 A 类股支付,并按 Tazapay 的债务、交易费用与现金状况调整。截至今年 7 月 31 日,Tazapay 的年化支付量超过 250 亿美元,合作银行与金融科技机构超过 60 家,本地支付通道覆盖 100 多个市场,其中超过六成的交易量已经运行在稳定币上。交易预计 2027 年完成,还需获得包括新加坡金融管理局在内的监管批准。

Tazapay 从 2025 年起就是 Circle 支付网络的设计合作伙伴,这笔交易是把合作方直接变成自有业务。买的是通道而不是流量:稳定币发行方最难自建的是各国本地清算关系和牌照,而这恰是 Tazapay 的资产。全股票支付也透露了定价立场——用自己的股票而不是现金,说明 Circle 认为股价相对这类资产是贵的。

4. Consensys 将 MetaMask 拆分为独立公司

以太坊软件公司 Consensys 宣布把旗舰钱包 MetaMask 拆分为独立实体,由创始人 Joe Lubin 出任董事长兼首席执行官;原公司更名并转向机构协议与以太坊基础设施业务,由长期高管 Mike Kriak 带领,拆分预计在 2026 年底完成。Lubin 给出的理由是 MetaMask 的消费者业务价值积累速度远快于其他部门。

MetaMask 已经从一个以太坊钱包长成了类似加密版新型银行的形态:主账户功能支持多种资产并接入万事达借记卡消费,收入来源里还有永续合约和预测市场。拆分把这块业务从基础设施公司的估值模型里摘出来,方向指向资本市场——Lubin 没有给上市时间表,但分析普遍认为最早可能是 2027 年初。他同时表示当前监管环境下发币的意愿在下降,这句话把两条退出路径的优先级排明白了。

信源 3:ChainCatcher / 吴说 / The Block

5. Robinhood Chain 单日手续费升至 600 万美元

Robinhood Chain 的费用曲线在一周里跳了一个量级。Solid Intel 的监测显示,该链单日手续费达到 600 万美元的新高,周手续费增长 17 倍至 2500 万美元,去中心化交易所交易量翻倍至 124 亿美元。GSR 在 9 月 8 日的周报里给的是另一个口径:日收入从 8 月 27 日的 18 万美元升至上周四的 544 万美元,约 30 倍,按当前水平年化约 20 亿美元。

两个口径的绝对值不一样,方向一致:这条链 7 月 1 日主网上线,两个月内把费用收入推到了以太坊二层的头部位置。要留心的是收入结构——手续费暴涨伴随交易量翻倍,说明增长来自活跃度而不是提价,但两个月的曲线不足以判断这是新用户沉淀还是一轮激励驱动的短期涌入。下一个观察点是交易量回落之后手续费的留存率。

信源 2:ChainCatcher / 吴说

其他重大新闻

1. 苹果发布首款折叠屏手机 iPhone Duo

苹果发布首款折叠屏手机 iPhone Duo,起售价 1999 美元,折叠后大小相当于一本护照,这是新任首席执行官特纳斯上任后的第一场产品发布会。同场还发布了 AirPods 5、Apple Watch Series 12 和 Ultra 4。彭博社援引古尔曼的说法,该机最高存储 2TB、对应售价约 3000 美元,预计 10 月发售,支持 Apple Pencil。摩根士丹利此前预计起售价在 2300 至 2500 美元、首季出货约 650 万部、对应销售额约 140 亿美元,实际定价低于这个区间。

定价低于市场预期是这场发布会最实的信息。三星做折叠屏已经七年,苹果选在这个时点入场,靠的不是形态创新而是把价格压到旗舰机的延长线上——1999 美元比大摩的预期低 300 到 500 美元,意味着苹果要的是出货量而不是尝鲜溢价。对特纳斯来说这也是最直接的一次考核:股价自 6 月 25 日宣布提价以来涨了 15%,但仍比 7 月 28 日的高点低 7%,市场已经把折叠屏的预期计入了一部分。

信源 5:华尔街日报 / 半岛电视台 / 卫报 / Bloomberg / 法广

2. Silver Lake 以 100 亿欧元合并两家法国软件公司

Silver Lake 计划把旗下两家法国软件公司合并:做企业管理软件的 Cegid 与做薪酬和人力资源平台的 Silae,交易规模约 100 亿欧元。

合并发生在私募股权普遍为高估值期买入的软件资产发愁的时候。人工智能正在压缩传统企业软件按席位收费的逻辑,而这些资产当年是按订阅收入的高倍数买下的。把两家中等规模的公司并成一家,能省掉重复的销售与研发投入,也把退出时点往后推——这是买方等待估值修复时的标准动作。

信源 2:FT / CNBC

3. Shopify 收购前端框架公司 Tailwind Labs

Shopify 收购开源前端样式框架背后的公司 Tailwind Labs,团队整体加入 Shopify。

电商平台收一个开源框架团队,买的是开发者习惯。Shopify 的主题与店面定制生态建在前端技术栈上,把这套被广泛使用的样式框架的维护者变成自己人,生态的默认选项也就攥在了自己手里。开源项目的治理是接下来的变量:维护团队被单一商业公司雇下之后,社区对路线图的信任能不能维持,是这类收购一贯的问题。

信源 2:Hacker News / Seeking Alpha

4. Ramp 拟以约 600 亿美元估值融资 10 亿美元

金融科技公司 Ramp 正与投资者早期接触,计划筹集约 10 亿美元新资金,估值约 600 亿美元。若成交,估值将在三个月内较此前的 440 亿美元提升约 36%。公司成立于 2019 年,做企业支出管理、支付处理与 AI 欺诈检测,今年 6 月刚完成 7.5 亿美元融资,累计融资约 30 亿美元。

三个月涨 36%的一级市场估值,定价依据不是收入而是稀缺性——能吸收十亿美元级别单笔投资的成长期标的本来就不多。要盯的是这一轮的结构:如果新资金主要来自跨轮加注的老股东,这个价格更接近内部标价;如果有新的大额外部买方进来,才算市场给的定价。

5. Meta 被指在印度持续投放涉儿童性虐待内容的广告

BBC Eye 的调查此前发现 Instagram 在印度投放推广儿童性虐待材料的付费广告,最新报道说这类广告仍在继续投放。

平台审核失效不是新话题,这条的信息在"继续"两个字:调查披露之后广告仍在跑,说明问题出在审核规则的执行链路而不是识别能力。印度是 Meta 用户规模最大的单一市场,监管压力若从这里起来,影响的会是全球统一的广告审核标准。

跨资产快照(2026-09-10)