阅读

高盛资产管理（Goldman Sachs Asset Management）主席Rich Friedman于2026年9月18日发布了最新一期《Goldman Sachs Exchanges: Great Investors》访谈。该期节目由高盛全球银行与市场部投行主席Alison Mass主持，录制于2026年7月28日。

根据官方发布的节目简介，Friedman重点讨论了私募市场的发展现状及其远超预期的规模扩张。他阐述了为何认为人工智能领域的投资回报将晚于市场普遍假设的时间点到达，并分享了他在过去45年中建立高盛商人银行业务时所采用的纪律如何塑造其当前的投资方向。

节目章节列表显示，讨论内容涵盖华尔街历史、亚洲早期布局、危机教训以及当前机会所在。对于关注机构视角下AI估值逻辑与私募市场动态的专业读者，此资源提供了来自顶级资管机构负责人的直接观点入口。

Dexter Lee是采购平台Zip的资深机器学习工程师。他在视频中解释了团队开始使用LangGraph和LangSmith进行AI开发后发生的变化。此前，Zip自行编写代码来调用大语言模型、处理管道及存储结果，导致添加新功能耗时数周，且内部追踪系统缺乏所需细节。

根据节目描述，引入LangGraph和LangSmith后，团队无需额外编写代码即可获取节点交互和大语言模型调用的追踪信息。这一改变促使其他拥有独立管道的团队快速采纳这些工具，同时Zip建立了初步评估设置以确保不推送回归错误。

摩根士丹利联席总裁Dan Simkowitz在CNBC的全球医疗大会（Global Healthcare Conference）上接受了采访。该期节目于2026年9月24日发布，内容涵盖对资本市场前景的展望、并购活动的动态、人工智能领域的投资与融资情况、当前的信贷条件以及塑造市场环境的宏观经济因素。

此资源被选为阅读材料，是因为其提供了来自主要金融机构高层对市场机制的权威视角，特别是关于AI融资与传统资本配置交叉点的机构观点。对于关注大型金融机构如何看待当前交易环境、信贷状况及技术投资的投资者而言，这一访谈具有参考价值。

OpenAI在其官方YouTube频道发布了题为《How OpenAI Puts ChatGPT to Work | DevDay 2026》的视频，记录了该公司内部团队在实际工作中应用ChatGPT的场景。

根据发布者提供的信息，该视频重点展示了OpenAI员工如何使用ChatGPT来管理产品发布流程、进行竞争对手研究，以及将内部专业知识转化为可操作的工具。这些内容旨在为观众提供可借鉴的实践思路。

对于希望了解大语言模型在企业级日常运营中如何落地的从业者而言，此视频提供了一个来自模型开发方自身的视角。虽然目前未获取到完整的对话记录或技术细节文档，但作为官方发布的实践案例展示，其主题具有明确的参考价值。

LangChain团队成员Amy和Sean在一段视频剪辑中探讨了AI智能体的“人在回路”设计模式。该模式要求智能体在执行下一步动作前暂停，等待人类的明确批准。

根据发布者的描述，这一讨论针对的是如何平衡自动化与安全性。他们指出，最优秀的生产级智能系统不会在第一天就追求完全自主，而是通过智能地划分人类与智能体的工作来实现：让智能体处理常规任务，只在涉及高风险操作时才打断流程寻求人类介入。

这段内容摘自LangChain关于AI智能体常见问题的完整对话，涵盖从基础概念到评估方法的多个主题。对于正在构建或部署AI智能体的开发者而言，此资源提供了关于何时以及为何引入人工审批环节的具体视角。

OpenAI于2026年9月23日在其官方YouTube频道发布了题为《Get Stuff Done with ChatGPT Voice》的视频。该资源主要介绍了ChatGPT Voice功能的最新进展，特别是其在实际工作流中的集成能力。

根据视频描述，ChatGPT Voice现在支持调用外部插件，包括电子邮件、日历和Slack。此外，该功能由GPT-6系列的Astra、Sol和Luna模型驱动。视频还指出，用户可以在Web和移动端的ChatGPT Work中使用这些语音功能来创建文档、演示文稿、网站和电子表格，或在浏览器中通过语音处理复杂任务。

对于关注AI语音助手如何融入日常办公流程的读者，此视频提供了关于ChatGPT Voice功能边界和集成方式的具体信息。它展示了从单纯对话到执行多步骤工作流（如结合日历和邮件插件）的转变。

全球光刻机巨头阿斯麦（ASML）于2026年10月14日发布第三季度财报。数据显示，公司当季实现净销售额117亿欧元，毛利率为57.5%，净利润达50亿欧元。基于此表现，ASML上调了对2026年全年净销售额的预期，预计同比增长约36%，总额介于440亿至450亿欧元之间。

在产能与需求方面，ASML总裁兼首席执行官傅恪礼（Christophe Fouquet）表示，客户持续上调对设备的短期和中期需求预期，主要基于对人工智能投资规模及周期的判断。他透露，目前行业预计至少到2028年仍将处于供不应求状态，部分客户已开始与公司接洽2029年甚至2030年的设备订单。

尽管有上述乐观展望，傅恪礼同时指出，按照目前规划的2027年和2028年供应能力，仍难以完全满足客户需求。因此，ASML正在研究进一步提升2028年产能的方案，目标是实现超过此前公布的30%产能增幅。这一表态明确了当前的物理瓶颈以及公司应对长期需求的潜在措施。

首席财务官戴厚杰（Roger Dassen）补充道，2026年全年毛利率预期上调至约56%，主要得益于业务量增加、产品组合优化及装机售后服务的强劲表现。他强调，虽然已与主要客户完成提高基于价值定价的沟通，但这对毛利率的影响将在2027年开始逐步显现，并在2028年及以后得到充分体现。

OpenAI于2026年9月21日发布了题为《Figma Gave GPT-6 Astra a Moonshot. Here's what happened.》的视频。该视频展示了GPT-6 Astra模型如何利用Figma MCP Server完成一项“登月”任务：为一款新型个人飞行器设计飞行控制体验。

根据官方描述，Astra不仅生成了界面，还进行了系统级推理，包括分析受众、待完成的工作（jobs to be done）、飞行员与乘客之间的权衡以及关键界面状态。随后，它通过Figma MCP Server将这些思考连接到真实的设计系统中，创建了符合品牌规范的抛光原型。

这一案例突出了从单纯生成界面到设计完整系统的差距，并展示了AI模型在结合外部工具（如MCP服务器）后处理复杂设计逻辑的潜力。对于关注AI代理工作流、多模态设计辅助以及MCP协议实际应用的读者，此视频提供了具体的场景参考。

企业AI安全与治理初创公司Harmonic Security于2026年10月14日宣布完成5000万美元的B轮融资，由Crosspoint Capital Partners领投，现有投资者参与。该轮为超额认购，使公司总融资额达到7600万美元。

Harmonic Security的平台使用定制的小型语言模型（SLM）在毫秒级内检查员工发送给AI工具的内容，以识别如粘贴实时凭证等风险行为，同时允许正常的开发操作通过。公司计划利用新资金在美国和英国扩大工程和市场推广团队。

高盛研究（Goldman Sachs Research）于2026年9月15日发布视频，由分析师George Cole主讲，聚焦全球债券抛售的基本面驱动因素。该资源适合需要理解当前固定收益市场波动及宏观利率预期的专业读者。

作为高盛研究团队的成员，Cole的身份为讨论提供了机构级背景。视频标题明确指向“fundamentals behind the global bond sell-off”，表明内容涉及对债市下跌背后经济或政策逻辑的分析。对于关注全球资本配置、利率风险及债券估值变化的投资者而言，此视频可作为了解顶级投行宏观观点的入口。

LangChain团队于2026年9月16日发布了题为《What are Deep Agents? Explained fast》的视频，旨在向开发者群体介绍其最新的开源智能体构建框架Deep Agents。作为AI开发工具领域的头部厂商，LangChain通过此短片阐述了该框架如何简化复杂智能体的开发流程，重点展示了其在上下文管理方面的处理能力。

根据视频描述，Deep Agents框架的核心功能包括控制智能体可见的上下文范围与时机，内置文件系统、技能模块、子代理以及摘要功能。此外，该框架还引入了用于运行不可信代码的沙箱环境、敏感操作的人工介入（human-in-the-loop）门控机制，以及在智能体行动前的授权检查。这些特性共同构成了一个可交换组件的系统，允许同一智能体在本地笔记本、沙箱或云端环境中无缝运行而无需修改代码。

对于正在评估或构建生产级AI智能体的技术人员，此视频提供了一个关于LangChain最新工程化理念的快速概览。它明确了Deep Agents在解决智能体自主性与安全性平衡问题上的设计思路，特别是如何通过模块化组件来应对上下文窗口限制和执行风险控制。

Cooley LLP首席创新官David Wang在2026年9月21日发布的视频中，探讨了该公司如何重新构想IPO准备流程。Wang指出，在传统的IPO准备中，信息请求、起草会议和审查环节对高级管理层提出了沉重的时间与精力要求。

为了解决这一痛点，Cooley部署了名为“GO Public”的工具，该工具建立在OpenAI技术之上。根据视频描述，这一系统使Cooley能够更早地将实质性工作成果呈现给客户，并提前发现问题。尽管引入了自动化技术，Wang强调人员仍然负责审查输出结果并对答案承担责任。