阅读

Adobe Research（美国Adobe公司研究部门）与UC San Diego（美国加州大学圣地亚哥分校）的研究人员推出了名为EditAgent的AI图像编辑系统。该系统旨在解决通用图像编辑器在处理复杂指令时失败率高的问题，其核心机制是将编辑任务分解为子步骤，并为每个步骤同时调用通用编辑器和专用工具（如锐化、旋转、缩放），生成多个候选结果。

与传统方法不同，EditAgent不依赖反复重试同一编辑器，而是引入一个未经过特定微调的标准语言模型作为“裁判”。该模型接收包含编辑区域特写、变化映射图以及亮度和颜色统计数据的验证记录。研究表明，这些硬数值帮助标准模型识别出通用编辑器可能造成的过度曝光或色温偏移，从而选出更优结果。

在包含600项图像编辑任务的基准测试中，由五名专业人士盲评的结果显示，当提供验证数据时，包括Qwen3.8-27B在内的七个标准语言模型均超过了经过人类评分微调的最佳评估模型EditScore-72B。其中，Qwen3.8-27B选出可用结果的准确率达到81.3%，高于EditScore-72B的74.8%。这一发现表明，对于评估模型而言，输入数据的结构化程度可能比训练方式更为关键。

尽管EditAgent在三个基准测试中提升了开源编辑器Qwen-Image-Edit-2511和Flux-2-Klein-9B的表现，并优于其他七种AI代理，但其主要限制在于计算资源消耗。该代理所需的算力约为单次编辑器操作的十倍。此外，研究人员利用EditAgent生成的约26,000个经过验证的训练样本对编辑器进行微调，结果显示性能有所提升，这暗示高算力成本可能通过生成高质量训练数据得到部分抵消。

TechCrunch的Amanda Silberling在最新一期Equity播客中提出了一个观察：当前AI高管的产品叙事并非单纯的营销失误，而是产品问题与营销问题的混合体。她认为科技行业正在推动一种未来，其中基本的人际互动被越来越多地优化掉，而人类能够彼此交谈对社会来说可能是一种净正面。

Silberling指出，问题的根源在于这些极高价值公司的高管们坐在一起讨论自己生活中的痛点时，聚焦的是订晚餐位、订机票这类对普通用户而言并不构成真实挑战的场景。她说每个人都会订机票，但她不会每周订一次，也不会经常订晚餐位，即使订了这些也不是她生活中特别困难的事。她认为ChatGPT和Claude等工具确实有大众价值，但普通人从中获得的价值不一定像高管自述的那些窄场景那样。

TechCrunch周末编辑Anthony Ha在讨论中回顾了一个反复出现的技术行业模式。他回忆自己当时确信Uber永远不会更广泛地流行，因为它最初只针对旧金山的科技早期采用者——一个有钱花在车上的年轻城市千禧一代的窄受众。Ha指出，科技行业长期成功的赌注是人们还没有赶上前沿，而前沿公司代表了未来消费者和未来家庭的样子。他认为在AI这个案例中，这个赌注似乎尚未得到验证，部分原因是这项技术被推广进入的社会非常不同。

Silberling注意到一个并发现象：在科技圈过度优化的同时，也出现了回归翻盖手机、购买实体CD的人群，人们厌倦了算法告诉他们想听什么。她认为这反映了一种文化张力：人们尚未找到什么优化真正帮助自己、什么优化只是让自己觉得不够像人的平衡点。

这一讨论的市场背景是Anthropic正准备在美国上市，而华尔街开始对大规模AI支出失去胃口。如果AI公司的核心叙事——让每个人的生活更轻松——无法在普通用户中建立共鸣，那么其增长故事在公开市场面临的审视将比私募阶段更为严苛。

不过这一论点也有其边界。高管的公开言论可能是面向投资人的营销话术，而非产品路线图的实际反映。Silberling本人也承认人们显然从ChatGPT和Claude中找到了价值。问题更可能在于叙事过度延伸到订机票和约会等场景，而非产品本身完全无用于普通用户。

2027年的美国数据中心建设已经基本锁定。SemiAnalysis在11月1日发布的分析中估算，其模型中20个主要州合计33.8GW的2027年交付容量，约四分之三已在施工中，下周的中期选举无法阻止它们落地。真正的战场在2028年：模型预测当年美国净新增62.2GW，其中大部分尚未开工，而这些未开工项目高度集中在11月3日选举州长的州。

当前最大的单一风险是德州环境质量委员会（TCEQ）的许可冻结。德州在SemiAnalysis模型中占2028年美国新增容量近30%，TCEQ自9月21日起冻结新许可，叠加8月3日开始的并网排队审计，连现场发电项目也纳入暂停范围。SemiAnalysis引述的两条路径差异显著：共和党现任州长Greg Abbott可能在德州电力可靠性委员会（ERCOT）12月10日提交审计报告后恢复许可发放，中断约三个月；民主党挑战者Gina Hinojosa则主张在立法会期（2027年1月12日至5月31日）内维持冻结直至新法通过，这意味着从9月起算约八个月；若进一步等待新规则在夏末生效，中断接近一年，比12月恢复多出五到九个月。对赶在2027年交付的园区而言，这个时间窗口可能无法承受。

SemiAnalysis将13个2028年新增容量最大的州（占全美70%）按选举情景分为三层风险。第一层包括德州、俄亥俄、亚利桑那和佐治亚，未开工容量超过2GW，无论谁当选都会面临更严条件——其中德州、俄亥俄和亚利桑那两党候选人都倾向收紧，佐治亚则因州长选情胶着且公用事业委员会多数席位同时改选而列入。第二层是宾夕法尼亚和俄克拉荷马，额外限制取决于是否发生政党轮替。第三层包括伊利诺伊、俄勒冈和艾奥瓦，未开工容量较小但收紧几乎确定。如果所有主张暂停的候选人当选，这些州合计约30GW的2028年计划容量面临延误风险；如果仅主张附加条件的候选人当选，暴露降至5.7GW。

两党共识集中在三点：让数据中心承担自身电网成本（15位候选人主张）、取消税收减免（12位）、限制或公开用水量（11位）。SemiAnalysis认为条件派与暂停派的关键区别在于：条件派的要求改变开发成本和条款，开发商可以通过出资升级电网、调整冷却设计或谈判社区协议来继续推进；暂停派则直接阻断尚未获得必要许可的项目，使其无法开工。文章援引对六名超大规模云服务商在职及离职员工的访谈，指出这些公司有能力支付更高合规成本，但有钱不等于能按期交付——许可、设备和施工排期仍受冻结约束，且难以简单转移到其他州，因为任何新地点同样需要电力、许可和匹配交付时间线的施工安排。

需要强调的是，上述GW数字全部来自SemiAnalysis专有付费模型，公开文章展示结论而非逐栋追踪数据。文章本身也明确声明按候选人竞选立场的字面意思评估，承诺是否转化为实际政策、冻结是否恰好打断项目关键节点，均存在不确定性。这一框架的价值在于提供了可跟踪的情景边界：12月10日ERCOT报告发布后TCEQ是否恢复许可，以及11月3日各州选举结果，是未来两个月内可观察的关键变量。

专注于早期投资的美国风险投资公司Trucks VC近日发布博客文章称，2026年至今已收到81个新的自动驾驶（AV）初创项目的商业计划书。这一数字比去年增加了三分之二，甚至超过了十年前的行业热潮时期。

Trucks VC合伙人Puneeth Meruva表示，这标志着由技术突破驱动的“第二波、甚至更大的AV浪潮”。他认为，基础模型（foundation models）为端到端自动驾驶系统提供了可行的技术架构，使得车辆能够更便宜、更快地部署。随着Nvidia的Alpamayo和Qwen等开源视觉-语言-动作模型的普及，创业门槛显著降低。

Meruva指出，许多初创公司能在几个月内完成部署，且融资额不足100万美元。值得注意的是，除了传统的建筑、仓储和采矿领域应用外，越来越多的初创公司正在向纯粹的Robotaxi业务发起挑战，直接瞄准Waymo的市场地位。尽管这些公司在全球范围内难以与Waymo竞争，但Meruva认为它们可以在特定区域或路线上找到生存空间。

美国经济的表面数据看似稳健——实际GDP仍在以3.4%的年化速率扩张，消费者继续消费，企业继续投资。但The Big Picture博客作者Invictus在这篇分析中指出，一个不太显眼的问题正在浮现：近期经济增长中，来自信息处理设备与软件的份额异常地大。

将1995至1999年的五年扩张期与截至2026年9月的最近八个季度对比，两组数据呈现出截然不同的图景。90年代后期，美国实际GDP年化增长平均约4.17%；最近八个季度仅为2.34%。更值得关注的是增长的构成：信息处理设备与软件投资在90年代后期平均为季度年化增长贡献0.68个百分点，最近八个季度升至0.81个百分点。绝对值上科技投资的拉动反而更强了，但占比才是问题所在——90年代后期IT与软件贡献约占总增长的16%，而2024Q4至2026Q3这一比例达到35%。

Invictus用一个简单的思想实验来凸显这一变化：从总增长中减去IT与软件的贡献。90年代后期，剔除IT后其余经济仍贡献约3.49个百分点的年化增长；最近八个季度，这一数字仅为1.53个百分点，下降约56%。他特别强调，这并非说剔除IT后的经济在收缩，而是说它对总增长的贡献远小于90年代。

其他数据进一步印证了这一担忧。住宅投资在90年代后期对GDP增长有正向贡献，最近八个季度却转为负向；消费支出仍是重要增长来源，但贡献远不如从前。Invictus用了一个比喻：这些本应支撑美国经济这把椅子的几条腿，有几条已经摇晃。90年代的经济有多台强劲引擎同时运转，今天的经济则更依赖少数几台。

AI资本开支为何是核心变量？Invictus的解释是：企业正在算力、数据中心、网络设备和软件上投入巨额资金，预期的是未来的需求和生产力提升。这些支出今天就计入GDP，但它们最终能否产生足够的财务回报是另一个问题。如果预期回报令人失望，企业可能缩减投资——作者认为已经看到了这种迹象。投资缩减将直接削弱GDP增长，并可能间接影响就业、建筑、供应商和消费，经济后果可能远超科技行业本身。

但Invictus同时给出了重要的限定。首先，美国经济分析局的分类涵盖的范围远大于人工智能本身，35%的占比并不意味着AI贡献了35%的经济增长；这些类别捕捉的是围绕计算基础设施和软件的整个投资热潮中的重要组成部分。其次，这一比较的反事实并不完美：大量AI资本开支是从其他投资领域转移过来的，因为它是当下的热点，管理者倾向于追逐表现；如果没有AI投资热潮，这些资本可能流向其他行业。此外，90年代后期本身并非没有投机泡沫——互联网泡沫最终破裂，2001年随之出现衰退。Invictus也承认，集中增长与系统性脆弱之间存在重要区别：美国家庭、银行和企业目前可能仍拥有缓冲投资逆转的财务实力，美国消费者的韧性也持续超出预期。仅凭GDP贡献数据无法单独回答这个问题。

Invictus的结论是：问题不在于美国经济是否在增长——它在增长；问题在于这种增长是否建立在足够宽广的基础上以支撑可预见的未来。数据表明，今天的扩张比90年代后期更慢、更集中于信息处理设备与软件。这不等于衰退迫在眉睫，但意味着科技投资逆转可能格外具有破坏性。一个健康的经济需要不止一台强劲引擎，而数据表明美国已经过度依赖那单一的经济扩张驱动力。

全球最大加密货币交易所币安（Binance）于2026年11月1日周日凌晨宣布，将分阶段恢复用户的提款功能。此前，该平台因黑客从钱包中盗取价值63亿美元的加密货币而冻结了所有存取款业务。据TechCrunch报道，币安在其最新公告中表示，目前已“覆盖了95%的被盗资产”，并正在努力购买“剩余受影响资产”，这些资产在市场流动性较差，需要更长时间才能以所需规模获取。

币安强调：“我们的承诺保持不变：币安将承担被盗资金的财务影响。”公司表示这些损失不会转嫁给用户。然而，对于提款冻结的决定，币安称其并非轻率做出，理解可靠访问对用户的重要性，但这是团队遏制事件损失、评估影响、恢复受影响服务并完成安全检查期间必要的预防措施。

目前，提款恢复取决于网络和资产类型。截至周日上午，币安的网络状态页面显示混合状态：例如，比特币的提款和存款仍列为部分暂停，而以太坊的存款正常，提款部分暂停。公司提醒用户，由于流量巨大，可能会遇到临时延迟或处理时间延长。

在归因方面，币安此前指责朝鲜黑客发动了此次攻击。周六，美国联邦调查局（FBI）确认一个名为TraderTraitor的朝鲜组织对此负责，并称该组织主要将资产转换为以太坊，可能进一步进行洗钱。币安表示将在调查完成后发布更深入的事故报告。

《Free Capital》一书中，私人投资者Vernon描述了一种策略：在成长股遭遇负面事件导致市场过度反应时买入，他称之为'故障'——暂时性的市场恐慌，而非商业模式的根本改变。亚洲价值投资通讯作者Michael Fritzell将这一框架应用于韩国电商公司Coupang（CPNG US，市值约260亿美元）：该公司股价在2025年11月网络安全事件后大幅下跌，这究竟是'故障'还是结构性损伤？

Fritzell认为Coupang具备几项可能支撑恢复的结构性特征。首先是会员体系WOW：月费约7890韩元（约5.9美元），捆绑了免费配送、免费退货、在线生鲜、视频流媒体Coupang Play等服务。这种捆绑提高了用户离开平台的转换成本。其次是物流规模：约7800万平方英尺的仓储设施，108000名员工中大多数在仓库工作，目标是到2027年让韩国近全部人口居住在距Coupang物流中心10公里以内。Fritzell指出，客户越多，能吸引到其自营电商业务的供应商就越多；公司越大，物流基础设施的回报率越高。

另一个关键因素是创始人Bom Kim的控制权。他持有全部B类股，投票权是A类股的29倍。Fritzell写道，投资Coupang在很大程度上是投资Bom Kim本人及其长期野心。在业务陈述中，Coupang强调五项原则：以客户为中心、拥抱艰苦工作、用技术解决客户问题、追求长期现金流增长、以及资本回报率思维。Fritzell指出，虽然公司仍处于投入阶段、财务数据尚不清晰，但如此明确地以自由现金流和高资本回报率为目标在韩国企业中并不常见。

不过，Fritzell本人并未给出结论。他明确表示自己试图弄清楚这究竟是故障还是持久变化，并在文首声明截至2026年10月11日不持有Coupang仓位、不收取任何被提及公司的报酬、所有估计和前瞻性数字均基于可能错误的假设。这一分析提供的是评估框架和结构性论据，而非已验证的恢复判断。网络安全事件究竟是暂时故障还是对业务的持久变化，需要后续财报和运营数据才能确认。

在2014年之前，主流的神经机器翻译模型多采用编码器-解码器架构。这种架构将源句子压缩为一个固定长度的向量，再由解码器生成译文。然而，当输入句子较长时，这种“瓶颈”会导致信息丢失，使得模型难以处理长句。Bahdanau等人在论文中指出，使用固定长度向量是提升性能的主要障碍。

为了解决这一问题，作者提出了一种新的扩展架构，允许模型在预测目标词时自动搜索源句子中相关的部分。这种方法不再试图将整个输入句子编码为单一向量，而是将其编码为一组注释向量。在解码过程中，模型会根据当前生成的词，动态地选择这些注释向量的子集作为上下文向量。这一机制后来被称为注意力机制（Attention Mechanism）。

实验结果显示，该方法在英法翻译任务上取得了与传统短语系统相当的性能，且改进在长句中尤为明显。更重要的是，定性分析表明，模型找到的软对齐与人类直觉高度一致。例如，在处理包含复杂从句的长句时，模型能够准确地将源语言中的特定词汇映射到目标语言的对应位置，而无需显式地划分硬片段。

对于今天的读者而言，理解这一机制至关重要，因为它是后续Transformer架构及大语言模型的基础。假设我们要构建一个实时翻译应用，若仍使用早期的固定向量方法，用户输入的长段落可能会产生语义断裂或遗漏。而引入注意力机制后，模型能像人一样“聚焦”于关键信息，从而显著提升翻译的连贯性和准确性。这不仅是技术的迭代，更是模拟人类认知过程的关键一步。

《Neural Machine Translation by Jointly Learning to Align and Translate》由Dzmitry Bahdanau、KyungHyun Cho和Yoshua Bengio于2014年发表。这篇论文适合希望深入理解自然语言处理底层逻辑的研究人员、AI工程师以及对序列建模感兴趣的学生。建议从引言和第3节开始阅读，重点关注公式(4)至(6)中对上下文向量ci的计算方式，这是理解注意力机制如何运作的核心。

在1989年的致股东信中，沃伦·巴菲特深入阐述了伯克希尔·哈撒韦的投资哲学核心。首先，他区分了账面价值与内在价值。虽然伯克希尔的每股账面价值在过去25年中以23.8%的年复合增长率增长，但巴菲特强调“重要的是内在价值”，即所有未来现金流的折现值。他指出，随着公司从纺织业务转向更优质的企业组合，其内在价值的增长速度实际上超过了账面价值的增长。这一观点提醒投资者，会计数字只是起点，真正的价值在于企业产生现金流的能力。

其次，信件详细解释了长期持有策略背后的数学逻辑，特别是税收递延带来的复利效应。巴菲特通过一个假设情景说明：如果每年买卖股票并缴纳资本利得税，即使每次翻倍，最终收益也远低于持有一项资产20年并在最后一次性纳税的情况。他将这种未缴纳的税款比作来自美国财政部的无息贷款，这笔“贷款”只有在出售资产时才需偿还。因此，减少交易频率不仅是为了避免错误，更是为了利用时间价值让资本更高效地复利增长。尽管他明确表示选择长期持有并非仅出于税务计算，而是珍视与优秀企业的关系，但这一机制客观上构成了巨大的竞争优势。

最后，巴菲特提出了关于高增长率不可持续性的深刻见解。他引用卡尔·萨根关于细菌繁殖的例子，指出在有限的世界中，高增长率必须自我毁灭。当基数变大时，维持相同百分比的增长变得极其困难。对于伯克希尔而言，从49亿美元的净资产基数实现15%的增长，比从2200万美元基数实现23.8%的增长要难得多。这告诫投资者，随着公司规模扩大，预期回报率应理性下调，不应指望过去的高增速能无限延续。

《巴菲特1989年致股东信》由沃伦·巴菲特撰写，发布于1989年（信件日期为1990年3月2日）。适合希望理解价值投资底层逻辑、关注长期复利机制以及理性看待企业成长周期的投资者阅读。建议从信件开头关于内在价值的定义部分入手，随后细读税收比较的情景分析，最后结合当前市场环境反思自身对回报率的预期。