苹果 · 2288
【比推每日新闻精选】Anthropic拟将反AI情绪列入招股书主要风险因素；Strategy股价创两个月新高，STRC重返96美元上方；Bernstein：即便《清晰法案》未通过，SEC与CFTC仍将加速规则制定；达利欧：美国债务危机或在三年内爆发，建议增持黄金

【比推每日新闻精选】Anthropic拟将反AI情绪列入招股书主要风险因素；Strategy股价创两个月新高，STRC重返96美元上方；Bernstein：即便《清晰法案》未通过，SEC与CFTC仍将加速规则制定；达利欧：美国债务危机或在三年内爆发，建议增持黄金

每日 AI · 加密 · 宏观 · 市场 要闻， Bitpush 帮你划重点 ↓AI · 动态【Anthropic拟将反AI情绪列入招股书主要风险因素】比推消息，据CNBC报道，Anthropic预计将在未来几周公布的IPO招股书中，将公众对人工智能和数据中心的负面情绪列为风险因素。据知情人士透露，Anthropic近期已与银行家和投资者举行上市前“试探市场”会议，投资者重点关注竞争压力、开源模型对利润率的影响，以及数据中心建设放缓可能带来的风险。Anthropic目前私募市场估值接近1万亿美元，正准备冲击大型IPO。但随着美国民众对AI取代就业以及数据中心扩张的担忧升温，相关反噬情绪正成为公司上市面临的新挑战。公司此前已实现年化营收运行率超过650亿美元。【苹果裁减 Siri 和 Vision Pro 团队职位，资源转向AI与新设备】比推消息，苹果(AAPL.O)正在负责Siri数字助理和Vision Pro头显的多个团队中裁员，此次裁员总计影响超过200人，其中Vision Pro部门约有100个岗位被取消，Siri及软件团队另有约100个岗位被削减。此举是公司将资源集中于新设备和人工智能领域努力的一部分。知情人士表示，在此次调整中，苹果基本关闭了一个专门负责Vision Pro游戏业务的团队，同时缩减了负责制作该设备沉浸式视频内容的部门规模。苹果在一份声明中承认，公司正在对部分团队进行调整，“以推动业务发展，为用户提供最佳体验”。【城堡证券：Situational Awareness基金投资组合中逾80%总体风险已剥离】比推消息，金融时报报道称， 城堡证券创始人肯·格里芬在周五致客户的一封信中回应了该公司收购利奥波德（Leopold）旗下Situational Awareness资产一事。根据 CNBC 获得的一封信件显示，格里芬告诉客户，城堡证券已通过进行逾 100 笔大宗交易（市值逾 40 亿美元），剥离了原购买投资组合中逾 80%的总体风险。格里芬在信中写道：“如果没有服务于两家公司的银行的交易团队和主经纪团队的通力合作，如此规模的交易不可能完成。我非常感谢他们为迅速完成投资组合转移所付出的专注努力。”格里芬还确认，该公司旗舰多策略基金 Wellington 基金 7 月回报率为 5.94%，这是该基金自 2022 年以来最佳月度表现。【AI云公司Nscale寻求在美国IPO中募资30亿美元】比推消息，AI 云公司 Nscale 据悉寻求在美国 IPO 中募资 30 亿美元。加密 · 市场【Strategy股价创两个月新高，STRC重返96美元上方】比推消息，随着比特币价格短暂突破 7.94 万美元，比特币财库公司 Strategy（MSTR）股价今日升至两个月高位，盘中一度突破 120 美元，随后部分回吐涨幅。与此同时，Strategy 旗下优先股产品 STRC 价格也首次自 6 月以来突破 96 美元。此前，市场曾因担忧其股息支付能力以及股价长期维持 100 美元目标的能力，导致 STRC 价格一度跌破 70 美元。【Bernstein：即便《清晰法案》未通过，SEC与CFTC仍将加速规则制定】比推消息，由Gautam Chhugani领衔的Bernstein分析师团队发布报告表示，无论9月15日《清晰法案》程序性投票结果如何，美国加密监管确定性都有望增强。他们预计，SEC和CFTC将加速推进针对原生加密资产发行、代币化股票、永续期货、算力衍生品及预测市场等领域的规则制定。这一监管明朗化预期，成为加密市场更广泛的支撑因素之一。【A...

19小时前BitpushNews#比推每日精选

苹果裁减 Siri 和 Vision Pro 团队职位，资源转向AI与新设备

比推消息，苹果(AAPL.O)正在负责Siri数字助理和Vision Pro头显的多个团队中裁员，此次裁员总计影响超过200人，其中Vision Pro部门约有100个岗位被取消，Siri及软件团队另有约100个岗位被削减。此举是公司将资源集中于新设备和人工智能领域努力的一部分。知情人士表示，在此次调整中，苹果基本关闭了一个专门负责Vision Pro游戏业务的团队，同时缩减了负责制作该设备沉浸式视频内容的部门规模。苹果在一份声明中承认，公司正在对部分团队进行调整，“以推动业务发展，为用户提供最佳体验”。

1天前Wendy#首发
美股价值投资正在走向另一个陷阱

美股价值投资正在走向另一个陷阱

来源：深潮 TechFlow原标题：（观点：美股的价值投资，不等于基本面投资）当"基本面已死"成为共识，盲目抱团巨头的投资者，终将遭遇惊人的资本毁灭。导读：当市场高喊「基本面已死」、资金疯狂抱团科技巨头时，作者用一个天文学发现拆穿了这一叙事背后的逻辑漏洞。本文从估值倍数的构成切入，提醒投资者区分企业的真实质量与市场愿意支付的溢价，对加密和科技领域的长期配置尤其有警示意义。我保证这次引言不会像上次关于天气的那篇那么长。但请给我 90 秒。一百多年前，一位名叫亨丽埃塔·勒维特的女性正在做着繁琐的工作：在照相底片（胶片出现之前的成像方式）上测量数千颗恒星的亮度。她注意到一类脉动恒星有一个特点：这些恒星脉动得越慢，它们本身就越亮。¹这在今天看来可能只是有点意思，就像「好吧，还挺酷的」。但在当时，天文学家分不清一颗离地球很近的暗星和一颗很远很亮的恒星。对他们来说，两者在照相底片上留下的污迹是一样的。视亮度是这两个变量的混乱混合：这东西本身有多亮，以及它离我们有多远。亨丽埃塔的工作把这两件事拆开了：如果你能观测到脉动速率，就能知道它的真实光度；如果你知道它的真实光度，就能根据它看起来有多暗反推出距离。天文学家称之为「标准烛光」。几年后，一个叫埃德温·哈勃的人发现了其中一颗脉动星，套用了勒维特的数学方法，发现他一直以为是我们银河系内一团气体云的东西，其实是一整个独立的星系，在一百万光年之外。所以简单来说，可观测宇宙变大了大约一万亿倍，只因为一个人弄清楚了如何把事物看起来的样子和它实际的样子区分开。这本身显然就很酷。但另一件有趣的事是，大约在同一时期，有另外两位天文学家各自独立地画了一张散点图，一个轴是真实光度，另一个轴是温度。他们发现恒星并不是随机分布在这个空间里的，而是聚集成不同的家族。这背后的含义是：视亮度完全相同的恒星，可能而且确实属于完全不同的家族，有着完全不同的过去，最重要的是，有着完全不同的未来……那么，星星里写着什么？过去几年，围绕市场、叙事、资本、公司建设和金融虚无主义的讨论很多。随着科技界和金融界开始面对一个与前几十年截然不同的未来，这种感觉似乎达到了某种狂热的高潮。尤其明显的是，把进步与资产价格分开这件事变得噪音更大，而且在很多方面更具反身性。但作为以买入（有望）跑赢的资产为生的投资者，一个简单的框架是：远期回报约等于基本面增长乘以估值倍数变化（再乘以你一路上收取的分红）。在这种情况下，估值倍数可以很干净地对应到照相底片上的污迹。它是一个可观测的数据点，却把市场无法直接看到的两件事纠缠在一起：这家企业实际有多好，以及它的未来现金流离现在有多远（或者说有多持久）。我认为，大部分可赚的钱来自那些最有能力比别人更早解开这两个变量的投资者（也就是「差异认知」），而我们将继续看到那些把污迹当成星星的投资者遭受惊人的资本毁灭。价值投资不等于基本面投资我认为有一种被误解的观点：基本面投资在历史上主导了超额收益的创造。这种传说大多来自格雷厄姆、巴菲特、老虎基金一脉，以及围绕这群人构建的大量叙事。人们相信，到了 2000 年代的某个时候，这种方法不再有效，任何这样投资的人都被动量、趋势以及「直接买科技巨头」碾压。结论曾经（现在仍然？）是「基本面已死」。²现代版的「基本面不重要」本身并不愚蠢。它植根于我们 Compound 团队许多人以前写过的很多想法。最大的公司获得最大的机械性买盘，软件行业存在赢家通吃的经济规律，AI 意味着巨头能比挑战者更快地把规模转化为护城河，而且还有市场微观结构的原因让动量更深入地嵌入我们的市场基础设施。这些都是真...

1天前深潮TechFlow#美股

Cantor Fitzgerald 计划向其机构客户开放 Kalshi 预测市场

比推消息，据《华尔街日报》报道，Cantor Fitzgerald 计划向其约 3000 名机构客户开放 Kalshi 预测市场，客户包括家族办公室和对冲基金，可交易天气、商品及企业业绩等事件合约。Susquehanna International Group 将为相关交易提供报价和流动性。Cantor 将作为经纪商，为客户买卖大宗事件合约，并可能通过私下协商将相关头寸分销给其他投资者。Cantor 联席 CEO Pascal Bandelier 表示，对冲基金已表达交易与 iPhone 销量挂钩事件合约的兴趣，而非通过苹果股价间接押注销量变化；家族办公室则关注利用天气、农作物产量和油价相关合约进行风险对冲。Susquehanna Predictions 业务发展主管 Joe Grubb 表示，AI 供应链风险和算力价格也可能成为预测市场的应用场景。机构客户还可以根据自身需求提出新的市场主题，相关公司已与投资者讨论希望上线的合约类型。Kalshi 近几个月正加大机构客户拓展力度，今年已完成首笔大宗交易，并与 Interactive Brokers 达成合作。Kalshi 业务发展副总裁 Max Crowley 表示，机构对特定事件风险的对冲需求已经存在。

3天前

三星先进代工涨价最高 15%，AI 需求推升产能

比推消息，据路透社援引知情人士报道，三星电子已对部分先进代工服务新订单提价最高 15%，因 AI 芯片需求激增导致产能紧张。该公司长期在代工领域落后于台积电。中国客户需求尤为强劲，但三星需优先服务美国客户并预留部分产能支持自有芯片生产，无法承接全部订单。受美国先进芯片设备对华出口限制影响，中国企业更依赖海外代工厂，部分中国客户接受了最大幅度涨价。知情人士称，三星于 7 月上调 4 纳米（SF4）工艺价格，中国与美国客户涨幅 10% 至 15%，台湾客户为 5% 至 10%；5 纳米（SF5）晶圆涨价 10% 至 15%，较旧的 8 纳米工艺涨幅接近 10%。平泽工厂 SF4 产线自去年底以来满负荷运转，既为高通等客户生产逻辑芯片，也为三星自身 HBM 提供基础裸片。分析指出，台积电先进产能被订满后，客户转向三星与英特尔，使三星具备提价空间。三星代工业务自 2022 年以来持续亏损，但公司预计在稼动率提升、良率改善与价格走强推动下有望较快扭亏，下半年代工营收有望同比两位数增长，先进工艺占比将超一半，AI 与高性能计算应用占比将超 30%。特斯拉、苹果、博通、英伟达等已与三星达成相关合作，谷歌亦在洽谈使用 SF4 制程。

3天前
6年前，他为何敢投宇树？丨早期投资人独家揭秘

6年前，他为何敢投宇树？丨早期投资人独家揭秘

来源 | 铅笔道口述 | 宇树早期投资人 赵楠编辑 | 王方原标题：宇树早期投资人：6年前，我为什么敢投？丨独家今天（8月19日），宇树科技正式登陆科创板，成为A股“人形机器人第一股”。宇树发行价150.80元/股，首日开盘后涨幅达629.44%，截至此时市值达4449亿元。之前，铅笔道与它的早期投资人赵楠聊了聊，尝试还原：当宇树还很低调时，为什么敢出手？以下是赵楠口述。- 01 -遇见宇树，因为四足机器人我第一次见到宇树，是在2020年4月。那不是一次偶然的见面。2019年开始，我就在系统性地看机器人赛道，基本上把当时能看的方向都看了一遍：四足机器人、水下机器人、送餐机器人，甚至包括一些偏消费级的产品。那一轮看下来，我心里其实已经有一个比较清晰的判断：机器人这个行业，不是“会不会发生”的问题，而是“什么时候发生”。真正的问题是：哪些方向已经被验证，哪些只是想象。在我看来，四足机器人，是少数已经被验证过的方向。你看Boston Dynamics（波士顿动力），它已经把机器狗做出来，而且已经有客户在用。这件事说明一件非常关键的事情：机器人不是科幻，而是进入现实世界了。但与此同时，它也暴露了一个更本质的问题——成本问题：人太贵、研发太重、供应链不成熟。当时波士顿动力的问题很典型：团队是全球最顶尖的团队，人力成本极高；研发周期长，投入巨大；甚至早期产品还在用柴油而不是锂电；最后被谷歌转手卖给软银愿景基金。但这个事，并不是说四足机器人没有需求，而是成本撑不住。直到今天，四足机器人还是宇树的核心业务之一所以我当时的判断是：谁能把成本打下来，谁就有机会。显然，中国团队就有机会，因为我们有供应链优势。- 02 -为什么投资？也正是在这个判断之下，我在2020年4月第一次去杭州，见到了王兴兴（宇树创始人）。那次见面，其实很快就让我意识到，这不是一个“刚起步”的团队。当时是2020年，他们已经做了三年。王兴兴在上海大学读研究生的时候，就已经在带一个四足机器人实验室，那个时候就开始做XDog的算法。到我们见到他的时候，他对四足机器人每个细节的功能、程序理解得很深入了。换句话说，当很多团队还在“看赛道”的时候，他们已经在积累技术了。这一点在机器人行业特别关键，因为这是一个典型的“时间换能力”的行业。很多东西不是钱能砸出来的，是必须一点点积累的。真正让我下决心的，是另外几件更具体的事情。第一，他们掌握的是机器人最核心的底层能力。很多人以为机器人是一个“整机产品”，但实际上，真正决定一家机器人公司高度的，是三个东西：驱动、传感器、控制器。这三块如果不在自己手里，你就永远只是一个系统集成商。而宇树在2020年，这三块上已经有了技术积累和专利。这意味着它不是在拼装产品，而是在构建底层能力。这一点，基本上决定了它的上限。第二，是客户。很多机器人公司是“先做产品，再找客户”，但宇树是反过来的——他们在2020年已经有客户，而且不是普通客户。当时他们的客户里，包括苹果、英伟达、Meta、谷歌这些公司。这些公司买他们的机器狗，用来做AI训练、算法训练。国内的客户则主要是高校。这件事非常关键，因为它说明两点：第一，这个产品已经可用；第二，这个技术已经被顶级的技术公司认可。王兴兴一直推着大家做一件事：做出简单的、客户能接受的产品，先卖一波。不是为了赚钱，而是通过卖产品，来锻炼公司研发、生产、销售整个体系。通过跟客户交流，又能发现问题，迭代产品。第三，是量产能力。我当时去他们公司，看了一个很细节的东西——他们写字楼旁边有一个仓库，里面放着压床机，用来做零部件成型。当时王兴兴介绍，一台四足机...

3天前铅笔道#宇树IPO #王兴兴
为什么资本追逐 AI Native，不再理睬互联网老登

为什么资本追逐 AI Native，不再理睬互联网老登

资本不奖励守旧，不是因为守旧的人有错。是守旧的部分已经明码标价，没有信息差，也就没有超额收益。2026 年上半年，全球风险投资 5100 亿美元，一个半年超过了 2025 全年的 4400 亿。七成以上进了 AI，OpenAI 和 Anthropic 两家拿走 2170 亿，占 43%。钱多到这个份上，你会以为人人都能分一点。事实是分配比总量更极端，而且第一道筛子不筛行业，筛人。被筛掉的那一类，现在有个不太客气的叫法：互联网老登。先说死一件事：本文里的「老登」跟年龄没关系。它指的是一套在移动互联网周期里成型、被反复验证、给持有人带来过巨大回报的方法论。持有它的人可能四十五岁，也可能三十二岁。被重新定价的是这套方法论，不是出生年份。把这两件事搞混，是老登最常犯、也最舒服的一个错——因为如果问题是别人年龄歧视，你就一个字都不用改。01什么叫 AI Native这个词已经被用烂了。会用 ChatGPT 不叫 AI native，公司名里带个 AI 也不叫，二十几岁更不叫。真正把人分开的是三条。第一条，出发点是模型，不是需求。老登做产品的顺序是：看用户要什么，写成需求，找技术实现。AI native 的顺序反过来：先摸清模型今天能干到哪一步、明天可能到哪一步，然后从这个能力边界往外长产品。前者把模型当工具，后者把模型当地基。这两种人做出来的东西，第一版看不出差别，到第三版差出一个物种。第二条，组织的默认单位不是人。互联网时代的分工，是把一件事拆给十个人。AI native 公司的分工，是把十件事收给一个人加一堆 agent。国内一家应用层公司的 CEO 说过，团队不到十个人，但有大量 AI 在夜里干活，员工每天早上第一件事是检查 AI 前一晚交的活。Cursor 那边更极端，公开报道里提到公司没有产品经理，工程师自己写代码、自己跟用户聊、自己参与招人。第三条，信息是一手的。AI native 的输入来源是论文、模型卡、GitHub 的 issue、X 上的原始讨论、自己跑的 eval。老登的输入来源是行业峰会、闭门会、券商报告、公众号解读，以及找人喝咖啡。这一条最不起眼，杀伤力最大，后面单独说。三条都满足，二十五岁是 AI native，四十五岁也是。三条都不满足，二十五岁照样是老登。AI native 是个状态，不是个年龄段。麻烦在于，这个状态的入场券是作品，不是履历。02两张名单把这一轮的结果摊在桌面上，是两张名单。第一张全是 AI native 的公司。它们的估值不是在涨，是在换量级。名单一 · 上游OpenAI　2026 年 Q1 单轮融资 1220 亿美元，投后 8520 亿美元，史上最大一笔私募融资。Anthropic　Q2 单轮 650 亿美元，投后 9650 亿美元，约占该季度全球风投总额的一半；5 月的收入运行率已到约 470 亿美元。DeepSeek　2026 年 5 月首轮融资约 700 亿元人民币。同年 4 月，梁文锋将直接持股由 1% 提至 34%，通过关联主体合计控制约 84.29% 股权。月之暗面（Kimi）　2025 年 12 月估值 43 亿美元；2026 年 1‒2 月连做三轮至 180 亿；5 月 D 轮约 20 亿美元、投后破 200 亿；7 月一轮超 35 亿美元、投后 350 亿；Pre-IPO 目标投前 500 亿。ARR 3 月破 1 亿、5 月破 2 亿、6 月站稳 3 亿美元，API 占七成以上。智谱 · MiniMax　2026 年初先后登陆港股，市值均破千亿元人民币，国内首批上市的大模型公司。第二张...

4天前Wendy#AI #DeepSeek
从Meta走出的Fireworks聊开源与闭源，谁会胜出？

从Meta走出的Fireworks聊开源与闭源，谁会胜出？

作者：Silicon Valley Vector 硅谷坐标编辑：Peggy，BlockBeats原标题：硅谷坐标 x Fireworks 联创 Benny Chen：开源模型、token 增速、推理优化和模型定制编者按：在开源模型加速逼近闭源前沿模型、推理价格持续下降的背景下，行业讨论正在从「谁拥有能力最强的模型」转向「谁能以更低成本把模型投入生产」。但当模型能力趋同、Token 消耗增长成为共识，一个更底层的问题开始浮现：企业真正愿意付费的，究竟是更便宜的模型调用，还是能够稳定完成具体任务的专属智能？近日，《硅谷坐标》主持人曹卿云与 Fireworks AI 联合创始人陈宇飞进行了一场对谈。Fireworks 位于模型与企业应用之间，主要为客户提供开源模型推理、性能优化和定制服务。相比单纯讨论开源能否追平闭源，陈宇飞的观察更接近真实工作负载：Token 流向哪里、企业为何付费，以及模型从概念验证走向生产还缺少什么。在这场对谈中，陈宇飞是将「开源与闭源谁会胜出」拆解为一组更底层的结构性问题：Token 增长能否转化为收入，通用能力能否替代垂直积累，低价模型能否通过企业评测，以及推理平台如何在云厂商和应用公司之间获得价值。第一，是开源模型的使用规模与商业价值正在分化。过去，能力追赶和调用价格是判断开源竞争力的主要指标；如今，Fireworks 平台每天处理约 40 万亿至 50 万亿个 Token，开源模型的实际使用量已经快速扩大。但免费流量、促销补贴和模型价格差异，会让 Token 统计高估部分需求。客户可能大量调用低价模型，却仍把最高预算交给效果最好的闭源模型。这意味着，开源的下一阶段不再只是扩大流量，而是证明其能够在高价值任务上达到甚至超过前沿模型，并把成本优势转化为付费意愿。第二，是通用模型与垂直模型开始沿着不同方向演进。过去，每次前沿模型升级，都可能直接淘汰一批微调模型；现在，法律、医疗、编程等垂直应用正在积累更细的评测、数据和工作流，其优化目标也与前沿实验室逐渐分离。通用模型需要提高能力上限，垂直模型则要在有限场景内稳定交付结果。前者可以解决更广泛的问题，后者却更理解用户如何定义「正确」。这意味着，垂直公司的壁垒并不只是拥有一个定制模型，而是能够持续把行业需求转化为评测体系，并随着基础模型更新反复迁移。第三，是企业 AI 落地的瓶颈正在从模型供给转向评测能力。过去，企业概念验证往往依赖试用体验和主观判断；现在，当 AI 进入呼叫中心、法律检索和医疗辅助等生产环节，仅凭「看起来效果不错」已经无法支持采购决策。企业必须知道模型在哪些任务上有效、何时失效，以及从闭源切换至开源会改变多少成本和质量。评测因此不再是附属工具，而是连接采购、训练与生产部署的基础设施。谁能定义任务、建立测试分布并持续更新标准，谁才真正掌握模型选择权。第四，是推理平台的价值正在从「卖便宜算力」转向组织模型、硬件与工作流。过去，推理优化主要被理解为降低单个 Token 的成本；现在，缓存、任务拆分、模型路由和上下文管理都可能直接改变任务完成率。不同模型不必争夺同一个位置，而可以分别担任执行者和顾问。Fireworks 的商业逻辑也由此成立：不自建重资产硬件，而是通过训练、定制和持续推理，将收入与客户模型的实际使用绑定。但这条路径的主要对手并非单一新云公司，而是能够同时控制算力、软件和客户入口的大型云厂商。第五，是开源模型崛起未必削弱基础设施需求，反而可能压缩模型层溢价，并把价值进一步推向推理和算力。科技巨头持续增加资本开支，也不只是计算短期回报，而是在衡量错过 AI 周期...

4天前律动BlockBeats#AI