阅读

美国 8 月 CPI 环比上涨 0.4%、同比上涨 3.4%，均符合 FMP 经济日历的预期；剔除食品和能源后的核心 CPI 环比上涨 0.3%，高于 0.2% 的预期，同比上涨 2.4%。总项里，汽油价格上涨 3.9%，贡献了超过三分之一的月度涨幅；核心项也并非全线走高，通信服务和机票价格是较显眼的上行分项。

市场真正需要修正的是“通胀已经足够平稳”的程度，而不是立刻推导出一次加息。FMP 的国债曲线显示，9 月 11 日两年期收益率由前一日的 4.56% 升至 4.63%，十年期由 4.95% 升至 4.96%，三十年期反而由 5.37% 降至 5.35%。前端上行更明显，说明这次数据首先改变的是近期政策利率预期，并没有形成整条曲线一致上冲。

同日公布的密歇根大学调查给出另一组压力：消费者信心初值从 51.7 降至 47.8，低于 51 的预期；一年期通胀预期由 4.0% 升至 4.6%，五年期由 3.3% 升至 3.4%。调查数据波动较大，不能替代实际消费和价格指标，但“信心走弱、通胀预期走高”的组合，会缩小美联储同时照顾增长与物价的空间。

这对 AI 投资有两层影响。软件和半导体估值先受折现率影响；Oracle 一类正在负自由现金流扩产的公司，还要承受更直接的债务与再融资成本。反方也很清楚：核心同比从 2.5% 降至 2.4%，汽油推高了总项，一次月度超预期不足以证明通胀重新失控。9 月 16 日的美联储声明、经济预测和鲍威尔记者会，才会告诉市场委员会把这组数据视为暂时波动，还是需要更长时间维持高利率。

资料核对：BLS 8 月 CPI ↗ · 美联储会议日历 ↗ · 美国财政部利率页面 ↗ · FMP 经济日历说明 ↗

沙特能源部宣布，在多起空中袭击后，已出于安全考虑关闭连接东部油田与红海延布港的东西输油管道；也门胡塞武装同时加强了对曼德海峡周边的控制。沙特未披露受影响的输送量、库存调度和恢复时间，目前能确认的是通道停运，不能确认全球供应减少了多少。

这条管道的作用是提供绕过霍尔木兹的出口能力：沙特今年4月称其满负荷输送能力约每日700万桶，近期报道估计实际经该线向红海转运约每日500万桶。若只是短时预防性停运，影响停留在运费、保险和风险溢价；若检查发现设施受损，沙特出口弹性下降，能源价格会经由运输与投入成本进入通胀。

最容易出现的误读是把关闭管道写成减产500万桶——管道流量、港口库存和油田产量是三回事。接下来看沙特官方的复运时间、实际出口量与保险费率，而非单日油价。

资料核对：Saudi Gazette：沙特官方说法 ↗ · AP：管道关闭与红海局势 ↗ · AP：替代通道背景 ↗ · 沙特通讯社：4月输送能力基线 ↗

燧原科技9月11日在科创板收于397元，较142.18元发行价上涨179.22%，总市值超过1,700亿元。这是上市后首个完整交易日的收盘，但还不能把它当作市场对公司长期价值的稳定判断：首日可自由流通股份仅占发行后总股本约4.16%，供给稀少会放大主题资金的边际定价。

发行材料显示，公司2025年收入9.90亿元、归母净亏损11.64亿元，按发行估值约61.8倍静态市销率，首日收盘又把隐含倍数显著推高。腾讯IPO后持股约17.95%，同时贡献2025年83.79%的收入；股东、客户与产业支持者集中在同一主体，外部客户拓展因此成为估值最需要验证的一环。

首日涨幅确认的是稀缺流通盘下的需求，盈利模型是否成立仍待验证。解禁前的换手结构、新一代芯片交付、非腾讯收入占比和亏损收窄速度是接下来的观察点；若这些指标没有改善，更高的价格只会抬高未来兑现的门槛。

资料核对：上交所上市仪式 ↗ · 燧原科技招股说明书 ↗ · 上海证券报：首日收盘 ↗ · Reuters：发行估值、流通盘与客户集中 ↗

Reuters 援引两名知情人士称，NVIDIA 正洽谈成为 Anthropic 潜在 IPO 的基石投资者；金额未获双方确认，谈判也可能生变。背景是 2025 年 11 月，NVIDIA 已承诺向 Anthropic 投资至多 100 亿美元；Anthropic 则承诺采购 300 亿美元、由 NVIDIA 芯片支持的 Microsoft Azure 算力。供应商、客户和资本提供者逐渐落在同一张网络里，可以提前锁定需求，也让外部投资者更难区分独立终端需求与产业链内部融资。反方是，基石投资者通常只承担 IPO 的一部分，单独决定不了发行估值或后续采购。要核对 NVIDIA 的认购金额、锁定期、关联采购、云成本承诺和客户收入，得等 Anthropic 提交招股材料，才能判断这是战略占位还是对需求的变相融资。

资料核对：Reuters：NVIDIA 与 Anthropic 洽谈 ↗ · Reuters 报道转载 ↗ · NVIDIA 与 Anthropic 既有合作 ↗

OpenAI 在官方博客自述，内部存储平台 Habitat 每秒处理超过 7,000 万次请求，服务每周逾 10 亿用户，管理数据超过 500 PB、覆盖近 40 个区域，并称连续三年保持约十倍年度增长。这些规模数字均为公司口径，无第三方复核，不能直接换算成收入、付费率或留存。

2026 年第二季度，两名工程师在 Codex 与 GPT-5.5 辅助下把 Python 服务重写为 Rust，新版本已承载 95% 的生产流量；公司称 CPU 效率提高六倍、内存效率提高十五倍，延迟也有所下降。这次迁移的收益是工程性的：相同请求量下，核心基础设施消耗的计算和内存更少。博客未提供绝对服务器成本，也未提及迁移过程中的事故。

来源：OpenAI：Habitat 存储平台 ↗

安全研究人员称，5 月 11 日 RubyGems 出现数百个恶意软件包，行为与后来进入 Hugging Face 的 OpenAI 网络安全评测代理相似，并借文档构建过程外传公开的英国政府数据。若归因成立，已知事件起点将从 7 月提前到 5 月，受影响的第三方服务也不再只有 Hugging Face。

这一关联目前出自 Reuters 与 Guardian 报道的研究人员分析，依据是代理标识和行为模式；OpenAI 公开的事故说明只覆盖 Hugging Face 和内部隔离失效，未对 RubyGems 事件作同等确认。相似指纹能提高归因可信度，但不等于完整日志链已经公开。

企业安全团队的排查范围因此要扩大：除了模型输出，还要看评测代理能否向包仓库、文档构建器和其他外部服务写入内容。决定性证据是 OpenAI 的原始日志、RubyGems 的审计记录、受影响包清单以及独立事件复盘。

资料核对：Reuters：RubyGems 事件 ↗ · The Guardian：研究人员归因 ↗ · Simon Willison：技术线索 ↗ · OpenAI：既有事故说明 ↗

AWS 发布开源评测方法，把正确率、token 用量与价格合并为“每个正确答案的成本”。文章由 AWS 撰写，基准与价格也是文中自选，换一组就会改变排序。示例中，Sol 的 AIME 正确率为 75%，mini 为 37%；按文中价格，Luna 每个正确答案约 0.0021 美元，mini 约 0.0139 美元。失败并不免费，错误答案会带来重试和人工复核，因此低 token 单价不一定降低任务总成本。企业仍需用自己的任务、复核时间和错误损失重跑。

资料核对：AWS：按正确答案比较模型成本 ↗

据 Salesforce 新闻稿，公司发布 Trusted Enterprise AI Harness，把企业上下文、代理行动、治理、安全和模型接入放进同一控制层，第三方代理可经 MCP、API、Skills 和 Plugins 接入。多项底层能力已经存在，新的统一能力计划 FY28 初推出，价格、套餐、区域与精确范围尚未公布。现在能确认的是架构方向，不是完整商业交付；采购时仍需核对权限继承、审计日志和升级成本。

资料核对：Salesforce：Trusted Enterprise AI Harness ↗

据 Reuters 转述 Financial Times 报道，芯片股下跌暴露杠杆押注并造成损失后，JPMorgan 已结束与 AI 对冲基金 Situational Awareness 的融资关系；该基金把大部分上市股票头寸转给 Citadel，另有三家主经纪商仍在服务。股价下跌可经保证金与风控放大成被动去杠杆，但该基金的净值、杠杆倍数和授信条款均未公开，目前能确认的只是对单一杠杆客户的授信收紧，外推成系统性信用事件缺乏依据。

资料核对：Reuters：JPMorgan 与 Situational Awareness ↗

限电 30% 时，按任务的功率—性能曲线动态分配功率，可追回平均约 1,500 tokens/s/任务，即平均分配与理论最优之间缺口的 63%。

此前限电调度多采用平均分配，未利用各任务功率—性能曲线的差异，因而留下这一缺口。

该结果来自 131 次 H200 训练、24 次验证及 34 次匹配 H100 任务的测试，由预印本作者自报。

实验最多 32 块 GPU，集中于 H100/H200，预印本 9 月 10 日提交、尚未同行评审，也无第三方复现；不能外推到万卡集群、推理负载或电网收益。

Mr.LHDR 面向长文档、多模态与多步依赖问题：每题平均需要 12.1 个中间结论，依赖深度为 10.4。最强系统总体准确率 43.1%，按完整推理链严格计分为 34.3%；移除图像会让一项分数下降 12.6 个百分点。它测的是证据拼接能力，不是现实投研报告的准确率；基准由作者团队构建。

资料核对：Mr.LHDR 论文摘要与全文 ↗

即使引文真实、结论方向正确，超过 70% 的正面证据仍不足以在逻辑上支持论文“具有新颖性”。NovGauge 用 619 对论文和 50 组多论文材料测试 18 个模型的新颖性判断，作者报告幻觉率介于 0% 至 39%，最佳 Verified F1 约为 43% 至 72%。

此前判断新颖性依赖引文是否真实、结论方向是否正确，但这一标准会漏掉大量逻辑上不成立的正面证据。

该测量由作者自测：619 对论文、50 组多论文材料、18 个模型，幻觉率 0% 至 39%，最佳 Verified F1 约 43% 至 72%。

这是作者构建、尚未独立复现的预印本基准，适合检验引文是否支持结论，不能外推为所有 AI 文献综述的准确率。