ME News

新加坡技能与劳动力发展局将向符合条件的参与学员免费提供为期6个月的高级 AI 工具免费订阅权益。
文章作者、来源：AIBase
新加坡SWDA推出AI课程
新加坡技能与劳动力发展局（SWDA）日前正式推出多项人工智能相关课程，旨在提升全方位的数智化劳动技能。作为该计划的重要合作方，中国人工智能企业 MiniMax 旗下的三款核心产品——MiniMax Agent、海螺 AI 以及 MiniMax Audio，已通过 Singtel AI Pass 成功纳入这一官方培训计划中。
根据此次发布的政策安排，新加坡技能与劳动力发展局将向符合条件的参与学员免费提供为期6个月的高级 AI 工具免费订阅权益。这一举措不仅为当地职场人士和开发者提供了直接接触并使用前沿生成式人工智能产品的契机，也标志着中国 AI 企业的技术与产品服务正在加速融入国际主流市场的公共教育与技能生态体系中。

ME News 消息，9 月 17 日（UTC+8），去中心化永续合约交易平台 Velocity（前 Drift Protocol）宣布已完成 OtterSec 的审计，并开放了协议的源代码，其测试版未来几天将对所有人开放。目前正在接受 Solana 基金会的 STRIDE 安全审查。 OtterSec 审查该协议自 4 月份事件 2.95 亿美元安全事件代码分叉后的所有工作，报告共记录了 154 项发现，其中没有关键性漏洞。Velocity 修复了已部署代码中高危发现。该协议经过简化，专注于永续合约，现货市场用作抵押品和借贷平台。所有永续产品费用都将按三方分配：协议流动性、保险基金和 Velocity 协议本身。 Foresight News 此前消息，Drift Protocol 于今年 4 月初遭黑客攻击，损失 2.95 亿美元。（来源：ME）

OpenAI还有大结果即将公布!
文章作者、来源：新智元
上周，OpenAI宣布「纳维尔-斯托克斯方程」相关突破的巨大冲击，全球还没从平复过来。
OpenAI联合创始人兼总裁Greg Brockman，公开宣布：
我们在另一个千禧年大奖难题（Millennium Prize Problem）上也取得了重大进展。
We also said that we have significant progress on another one of these money problems.
话音未落，硅谷与全球学术圈瞬间掀起惊涛骇浪。
外界甚至有重磅传闻称：OpenAI不仅取得了重大进展，甚至可能即将、或者已经实质性解决了全部六个未解千禧年难题中的两道！
所有线索都在指向同一个猜想：在即将到来的OpenAI开发者大会（DevDay）上，奥特曼与Greg Brockman，极有可能掏出「终极底牌」，彻底改写人类底层科学范式。
然而，狂欢与惊骇之中，一场关于「学术洗劫」、算力霸权以及失控AI越狱的幽暗争论，也正在水面之下猛烈激荡。
绝密的第二个「神坑」：AI到底在推演什么？
如果不算此前的纳维尔-斯托克斯方程相关突破，那么OpenAI正在攻坚的第二个千禧年难题究竟是谁？
目前未解的千禧难题仅剩：
P与NP问题（P vs NP Problem）：计算复杂度的终极审判；
黎曼猜想（Riemann Hypothesis）：素数分布与数论之王；
杨-米尔斯规范场与质量间隙（Yang-Mills Existence and Mass Gap）：量子物理与基本粒子的数学根基；
霍奇猜想（Hodge Conjecture）：代数几何与拓扑学的深奥纽带；
贝赫和斯维讷通-戴尔猜想（BSD Conjecture）：椭圆曲线的有理点之谜。
此前，OpenAI被传很可能已经非常接近解决霍奇猜想，或BSD猜想。
在科技界与计算机科学界内部，最令人屏息以待的猜测，毫无疑问指向了 P与NP问题。
在《Odd Lots》访谈中，主持人追问学术界疑虑时，便半开玩笑地举例：「如果我正用AI在研究P vs NP，你们是不是也有一台超前两代的模型在同步推演？」
如果AI真正触碰并解决了P vs NP，其颠覆性将远超流体力学——它不仅关乎纯数学，更将直接动摇现代全球密码学体系、算法极限以及所有可验证问题的计算边界。
这意味着人类目前构筑在非对称加密（RSA、椭圆曲线）之上的现代金融与互联网安全大厦，逻辑支柱将面临根本性重塑。
即使不是P vs NP，无论是黎曼猜想还是杨-米尔斯存在性，任何一个被形式化证明破解，都宣告着大语言模型（LLM）彻底脱离了「概率文字补全」的婴儿期，正式跃升为超越人类极限认知的「科学级发现引擎」
这就是趋势。
88小时、1万个智能体：人类千百年智力圣杯被物理推平
要理解Greg Brockman口中的「第二个难题突破」有多震撼，我们必须先回看前几天OpenAI引发的「学术海啸」。
克雷数学研究所（CMI）在2000年指定的七大千禧年难题，被公认为人类纯粹智力探索的终极巅峰。
在此之前，人类耗费二十余载，仅仅由俄罗斯天才数学家佩雷尔曼攻破了其中的「庞加莱猜想」。
这七大难题不仅悬赏百万美元，更代表着人类对物理世界、拓扑时空和计算本质的理解边界。
其中，纳维尔-斯托克斯方程作为流体力学的基础，几百年来始终困扰着物理与数学界。
我们能用它预测天气、设计飞机，但在严格的数学意义上，偏微分方程是否在三维空间内永远平滑、是否会发生「有限时间爆破（Singularity）」，无人能解。
而OpenAI交出的答卷，不仅是答案本身，更是解题的方式，堪称对人类智力劳动范式的降维打击。
智能体蜂群协同规模可能远超人类组织能力，OpenAI直接调集了约 10,000 个高阶推理智能体（AI Agents）。
这些智能体在长达 88 小时的超长跨度下持续推演，构建出层层嵌套的严密推理树，张开暴力推演与深度对弈。
在解决纳维–斯托克斯问题的过程中，智能体发送了270万条消息，并使用了大约1300亿个输出token。
最终，AI证明了光滑流体会在有限时间内产生奇点，并用机器证明语言 Lean 完成了从头到尾的形式化代码验证。
在过去的数学史上，一项世纪级定理的诞生，往往需要顶尖学者隐居阁楼十年、手写数百页草稿，再经历数年同行评议。而OpenAI向世界展示的，是AI智能体矩阵在四天之内，把人类数百年未决的数学天堑，用澎湃算力与形式化逻辑强行碾平。
正因如此，当Greg Brockman坦然说出「我们在另一个难题上也取得了重大进展」时，没有任何人敢把它当作一句营销吹嘘。
掠夺学术产权？AI时代的算力霸权之争
更具戏剧性的是，OpenAI刚刚卷入了一场空前的学界舆论风暴：因遭遇数百名数学家联名强烈抵制，OpenAI被迫全面撤回对加州理工学院（Caltech）首届「数学黑客马拉松」（Mathathon）的赞助与支持。
此前在纳维尔-斯托克斯问题上，也曾有学者公开质疑。
NYU 数学家 Tristan Buckmaster 与 Anthropic 数学家 Levent Alpöge 宣布三项证明，初步推进千禧年难题之一 Navier–Stokes 存在性与光滑性，过程中使用了 Codex 和 Claude。
争议在于：Buckmaster 声称在成果公开前，有关其进展的信息被传给 OpenAI；OpenAI 随后于 9 月 1 日后启动并行攻关，用未发布的新一代模型在约一周内消耗 3000 亿输出token（按 Astra 费率约 2250 万美元）并发布完整证明。
Buckmaster 称被OpenAI 数学家 Sébastien Bubeck施压，被要求删除 Alpöge 署名，受到「毁掉你的职业」「那我就不必客气」等语言威胁。
Buckmaster 还担心其大量使用 Codex 的工作可能经训练数据影响 OpenAI 模型。
对此，Greg Brockman公开声明，用于最终解题的模型，其训练切断数据停留在今年7月初，完全在外部学者成果公开之前。
OpenAI绝不会窥探或挪用企业与开发者的私有数据。
但Greg Brockman同样抛出了一个残酷而现实的历史对比：当年安德鲁·怀尔斯（Andrew Wiles）为了证明费马大定理，在阁楼里秘密独行了十年。
而在今天的AGI前夜，如果一个学者使用公开发布的弱版AI敲开了真理的一条缝隙，拥有千倍算力、下一代私有模型的超级科技巨头，就能在几天内暴力推平剩下的整个长夜。
这引发了广大开发者与学术界的深层焦虑：未来的科学大发现，是否将彻底沦为万亿算力帝国的特权？
人类天才的灵光一闪，在面对数万个24小时不知疲倦的智能体矩阵时，究竟还能否保有一席之地？
当AI巨头沉迷「摘星」，人类更渴望它「落地救命」
大量科技迷为这种纯粹的智力突破热血沸腾，惊呼「AGI（通用人工智能）时刻已然降临」。
NYU兼科朗研究所的数学教授Scott Armstrong，深受冲击，直言「奇点已经开始了；只不过它的分布极度不均。」
但与此针锋相对的是，AI证明流体力学奇点确实很酷，但患者在等待新的靶向抗癌药在哪儿？
这种诘问极为刺眼。
大多数人不在乎AI急着拿那一百万美金的数学悬赏，更需要它攻克阿尔茨海默病、预测复杂蛋白突变、把新药研发周期从十年缩短到几个月！
公众的质疑直击要害：在全人类算力与电力资源极度紧缺的今天，数百亿美元的顶尖超算，究竟应该用来解开抽象的象牙塔猜想，还是解决关乎现实生死的民生痛点？
面对算力分配的拷问，Greg Brockman在访谈中吐露了OpenAI内部鲜为人知的残酷纠结：
在GPT-5.5发布前夕，我们甚至为了算力配额精打细算到每一行代码，痛苦地削减每一个接口的速率限制。算力分配，是OpenAI当下最难的一道资本与工程难题。
但他同时坚信，数学推演并非屠龙之技：
千禧年数学难题，是检验AI是否具备「超长链条严密逻辑与反幻觉能力」的最严苛试金石。
一个能在大几十步推演中不犯任何逻辑错误、能够用Lean代码完全闭环自洽的系统，一旦将这套推理框架迁移至分子动力学、基因工程与复杂靶点预测中，所爆发出的救命能力，将呈现几何级数的跃升。
「这绝非脱离现实的游戏，」Greg Brockman说，「正是在这种极端复杂问题的推演中，我们才能真正走向攻克绝症的那一天。」

Still, stay alert—spot fund flows have not yet provided evidence for a “market regime switch.”
Article author: Claude
Source: Deep Tide TechFlow
The U.S. Federal Reserve raised rates for the first time in three years, yet Brent crude oil remained above $100, the yield on the U.S. 10-year Treasury broke above 5%, and the crypto industry’s year-long bet on a Market Structure Bill also failed to pass the Senate. Based on past experience, these kinds of developments should be enough to knock Bitcoin down another notch. But in the Asian early trading on September 17, Bitcoin briefly returned to $76,200. Has the bad news suddenly stopped mattering?
Chart: Overseas KOL Aylo on X listed four pressures—rate hikes, high oil prices, rising long-term Treasury yields, and the bill’s failure—and viewed Bitcoin’s price resilience as a sign of a market regime shift

具身智能行业正面临IPO审核趋严与收入真实性拷问，部分企业被指通过地方政府主导的数采中心及关联交易虚增营收，监管明确要求拟上市人形机器人企业须具备经常性收入、亏损收窄或真实技术创新能力，行业加速从概念验证转向商业化落地验证。
文章作者：凤凰WEEKLY财经
文章来源：火星财经
上市第10天，工业机器人“眼脑手”供应商梅卡曼德（09615.HK）创始人邵天兰并没有忙着庆功，而是在朋友圈连发两条长文，将矛头对准行业内部。
邵天兰在文中指出，部分具身智能企业利用“数采中心”和关联交易制造虚假收入，并点名正在推进IPO的银河通用。银河通用随后两度回应：先以长文表态“不参与无谓的口水战”，后发布严正声明，称相关“恶意谣言”均属不实信息。
一场关于具身智能“收入到底是真的，还是做出来的”行业追问，就此拉开。
就在这场硝烟前后，有消息称，监管层对具身智能IPO的审核标准正在收紧。，中国证监会已向部分投行和投资机构发出非正式“窗口指导”，明确将提高人形机器人企业IPO审批门槛：拟上市企业须证明自身具备产生经常性收入的能力、处于亏损收窄轨道，或已实现真正的技术创新，其上市申请才有可能被纳入审批考量。
上海技术交易所智库专家张新原在接受《凤凰WEEKLY财经》采访时表示，要判断上述数采中心与关联交易模式的性质，关键看两个指标：关联交易收入占比，以及剔除关联方后的真实复购率。
张新原进一步指出，上述模式在行业里并非个别现象。“地方政府主导的‘数采中心+数据回购’，在不少地方都有出现过。有些是真实场景验证，有些则是变相补贴。”
数采中心：从数据基建到“争议中心”
追问的核心，绕不开数采中心。
一位长期跟踪具身智能产业的投资人士向《凤凰WEEKLY财经》表示，数采中心相当于给机器人开的“驾校”：企业把成百上千台机器人摆进厂房，让它们反复练习各种动作，再把练习过程录成数据，用来训练机器人模型。
“驾校”正在快速铺开。第三方数据平台Interact Analysis报告显示，截至2026年4月底，中国已有至少90个人形机器人数据采集和训练中心处于使用或规划建设中，其中至少64个数采中心已投入使用，包含28个在2026年正式投入运营的数采中心。
数据交易也开始出现。2026年7月末，自贡国投集团旗下自贡数据有限公司，签下全市首笔具身智能数据集市场化交易订单，向无锡优奇智能提供300条“撕飞边”机器人场景数据集，每条100元，总交易额3万元。
更早的案例出现在湖北。2026年1月，湖北人形机器人创新中心与智元签署数据服务协议，向智元出售数千小时人形机器人训练数据，成为我国首笔企业间具身智能数据交易，交易价格为每小时数百元。
上述投资人表示，数采中心模式在初期具有一定合理性。数据是具身智能的核心资产，地方政府牵头建设数采平台，企业销售设备并采购数据，客观上推动了数据积累。
但争议也随之而来。，某即将登陆创业板的机器人公司，有高达八成订单由数采厂模式贡献；某即将上市、估值超200亿元的机器人厂商，2026年有500台机器人来自各地合作的数采厂。该厂商今年预计出货1000至2000台，按70万元均价计算，数采厂出货或贡献3.5亿元营收。
“如果上述模式被用于放大账面收入，而非推动真实场景落地，企业收入的真实性与可持续性就会受到关注。”该投资人表示。
在邵天兰看来，问题更为严重。“现在很多‘攒局型’具身智能企业，包括北京、上海一些名气很大、估值很高的上过春晚的公司，大量利用所谓‘数采中心’和地方、投资方、供应商的关联交易来制造虚假的、不可持续的收入。这种做法是不合法、不道德的，而且是不聪明的。”他在社交媒体发文称。
他表示，这一模式不可持续：“没有PMF（产品市场匹配），只有各种发布‘大新闻’炒作，成立两三年就要上市。企业会进入持续作假和失血的泥潭。”
关联交易托底，真实需求缺位？
无论这场争论结果如何，但确实在一定程度上撕开了具身智能行业的一层窗户纸：部分机器人公司的收入，并非完全来自于终端市场真实需求，而是来自与地方政府、投资方、供应商之间的关联交易。
智元机器人是“国资生态”样本。2025年7月，智元中标“珠海具身智能应用创新中心数采及展演机器人采购项目”，金额约1274万元，采购方为珠海智汇元启科技有限公司。工商信息显示，该公司为智元与地方国资合资成立的企业。进一步梳理可见，智元直接或间接中标的国资背景项目已有十余个，其中多个金额在千万元以上。
类似结构并非孤例。根，优必选2025年公开的11笔千万元级大单中，7笔流向数采中心；2025年10至12月签下6笔数采中心订单，总额约8.29亿元，占全年近14亿元签约额六成；乐聚智能招股书显示，2025年其夸父系列人形机器人中，数据采集场景贡献的收入占比达44.94%，取代科研教育成为第一大收入来源，该公司2025年第一大客户为股东北京石景山产业发展有限公司，
银河通用则呈现出另一种更直接的模式：投资人即大客户。2023年6月至2026年3月，公司累计融资约70亿元人民币，投资方为国家人工智能产业投资基金、中国石化、宁德时代、美团、博世资本等。2026年3月最新一轮融资完成后，估值已超过200亿元。
其中，宁德时代既是银河通用最大客户，也是其A轮融资领投方。2026年9月10日，银河通用中标宁德时代2.36亿元具身智能设备采购项目。
广东省社会政策研究会副秘书长高承远向《凤凰WEEKLY财经》表示，这些订单是真实的，收入也经过审计确认。但买方以股东、国资平台等关联方为主，收入反映出的终端需求与可持续性，仍需结合具体应用场景与复购情况加以判断。
政策风向在收紧。8月28日，国家发展改革委政策研究室副主任李超在例行新闻发布会上明确表示，机器人产业“必须坚持因地制宜、健康有序发展”，“防止盲目跟风、一哄而上”，并强调“以具身智能实训场和应用中试基地为抓手，让机器人在真实场景中迭代技术、围绕真实需求形成应用闭环”。
交银国际在研报中指出，人形机器人估值逻辑正由技术Beta逐步转向交付Alpha，2026年是具身智能由概念验证向商业化部署验证推进的重要阶段；随着真实场景导入和订单逐步落地，市场定价焦点有望进一步转向订单兑现、规模交付及场景复制能力。

能源价格比就业更关键。
文章作者：摩根士丹利《Thoughts on the Market》
文章编译：BlockBeats
在美联储重新启动加息之后，市场讨论正在从「9 月是否加息」迅速转向「这是不是新一轮加息周期的起点」。25 个基点本身已经落地，真正影响资产定价的，是后续还有多少次、间隔多久，以及什么条件会让美联储停下来。但当「通胀仍高于目标，因此政策需要更紧」逐渐成为共识，一个更底层的问题开始浮现：如果当前通胀本身并不主要由传统需求过热驱动，那么加息究竟能够解决多少问题？
在摩根士丹利最新一期《Thoughts on the Market》中，首席美国经济学家 Michael Gapen 与全球宏观策略主管 Matthew Hornbach 从经济与利率市场两个角度，讨论了 9 月加息之后的政策路径，以及通胀、能源价格和美债收益率之间正在形成的新关系。
在这场对谈中，摩根士丹利真正拆解的，并不是「美联储下一次会不会继续加息」这一单一预测，而是一组更底层的结构性问题：当前通胀来自哪里，利率工具能够作用于哪里，以及市场应该如何判断这一轮紧缩究竟会走多远。
第一，是加息的对象已经变了。过去典型的紧缩周期往往对应需求过热：消费强劲、工资上涨、信贷扩张，央行通过提高融资成本压低总需求。但这一次，相当一部分通胀来自能源、关税和供应端变化，AI 投资又提供了新的结构性需求。对这些因素而言，提高 25 个基点甚至更多，并不一定能直接抑制价格压力。这意味着，美联储虽然能够通过更高利率压低房地产、传统投资和其他利率敏感部门，却可能无法精准处理推动当前通胀的核心来源。政策因此面临一种错位：需要收紧，但被收紧的部门未必是制造通胀的部门。
第二，是「准备继续加」与「最终继续加」正在成为两个不同的问题。按照 Gapen 的判断，美联储不会因为认为 25 个基点足以改变宏观前景而启动加息。一旦结束长时间暂停并重新行动，决策者通常会预设后面还有一系列调整。因此，从事前政策逻辑看，这次加息并不像一次孤立操作，至少还存在一至两次进一步行动的空间。但货币政策最终由数据决定。如果未来数月三个月、六个月年化通胀继续下行，美联储完全可能保持鹰派措辞，却在真正需要决策时选择不再行动。届时，「one and done」不是最初设计，而是数据变化后的结果。
第三，是决定下一次加息的变量正在从就业转向通胀构成，尤其是能源价格。过去市场习惯围绕非农就业、失业率和工资数据交易美联储，但摩根士丹利认为，目前劳动力市场既没有强到重新制造明显通胀压力，也没有弱到迫使 Fed 迅速转向。相比之下，布伦特原油、WTI 和汽油价格的波动，正在更直接地改变市场对政策路径的定价：能源上涨，市场倾向于增加加息预期；能源回落，则削弱鹰派定价。这意味着，未来几个月判断 Fed 政策，不能只看「经济强不强」，还要看通胀究竟由哪些价格推动，以及这些价格是否对利率敏感。
第四，是美债市场交易的核心仍然是政策路径，而非债务总量本身。美国联邦债务从约 31 万亿美元增长至 40 万亿美元，并没有机械地对应 10 年期收益率持续抬升。Hornbach 强调，比债务绝对规模更重要的是债务扩张是否超出市场预期。相反，今年 10 年期美债从约 4.25% 升至 5%，更直接的背景是市场从一度定价两次降息，转向定价多次加息。长期利率因此并不是简单交易「美国债务越来越多」，而是在重新评估未来几年货币政策、通胀和国债供给之间的平衡。
如果将这场对谈压缩为一个判断，那就是：美联储主观上并不是按照「一次加息」来启动本轮行动，但当前通胀结构决定了，这轮紧缩最终完全可能被数据提前终止。
在这个意义上，市场现在讨论的已经不只是下一次 FOMC 是否再加 25 个基点，而是一个更重要的问题：当通胀越来越由供给冲击与结构性投资驱动，传统利率工具还能在多大程度上主导通胀与资产价格周期。
以下为原文内容（为便于阅读理解，原内容有所整编）：
对谈要点
美联储结束长时间暂停，在 9 月会议上重新加息 25 个基点。
但对于市场来说，真正重要的问题并不是这 25 个基点本身，而是：这究竟只是一次政策校准，还是意味着更多加息正在路上？
摩根士丹利首席美国经济学家 Michael Gapen 与全球宏观策略主管 Matthew Hornbach 在最新一期《Thoughts on the Market》中认为，从美联储自身的政策逻辑来看，这次加息大概率并不是按照「只加一次」来设计的。
但另一方面，当前通胀的来源以及未来几个月的数据走势，又可能让本轮加息最终在事后变成一次事实上的「one and done」。换句话说，美联储可能准备继续加，但最后未必真的能够加下去。
为什么现在要重新加息？通胀降得还不够快
Gapen 认为，这次加息传递出的最直接信息是：通胀下降的速度仍然没有达到美联储希望看到的水平。只要通胀持续高于目标，美联储能够采取的最直接政策工具仍然是收紧货币政策。
但问题在于，这一次通胀并不完全来自传统意义上的经济过热。
摩根士丹利认为，相当一部分价格压力来自供给侧，包括关税、能源价格以及过去几年持续存在的去全球化趋势。此外，AI 相关投资也在部分领域制造新的需求压力。
这使得当前环境与典型的需求过热有所不同。如果通胀来自消费、信贷和投资增长过快，那么提高利率可以通过压低总需求来给经济降温。但如果价格上涨主要来自能源、贸易壁垒或供应链变化，利率能够发挥的作用就有限得多。
AI 投资也是类似的问题。
数据中心、芯片、电力基础设施等领域的投资需求仍然很强，摩根士丹利并不认为，小幅提高利率就能够明显压低这些结构性资本开支。
因此，美联储正面临一个尴尬局面：它必须对高通胀作出回应，但加息真正能够压制的，可能更多是房地产、传统投资和其他本就比较疲软、且对利率更敏感的经济部门。
这也是为什么，摩根士丹利认为这轮加息究竟能否真正解决当前通胀问题，仍存在很大不确定性。
为什么一次加息可能不够？美联储通常不会只动 25 个基点
尽管当前通胀的成因复杂，但 Gapen 并不认为，美联储会以「一次性加息」的思路启动本轮行动。
原因很简单：货币政策通常不是这样运作的。
美联储此前已经维持利率不变较长时间，一旦决定重新改变政策方向，通常意味着决策者认为宏观环境发生了足够明显的变化，需要通过一系列政策调整来应对。
单次 25 个基点的变化，很难从根本上改变经济和通胀前景。因此在 Gapen 看来，如果委员会已经决定加息，那么其内部大概率不会认为「这一次就够了」，而更可能预设后续仍有至少 1 至 2 次行动空间。
也就是说：从政策制定者的事前思路看，这次更像是一轮潜在加息周期的第一步，而不是一次孤立行动。
这与当前市场定价也基本一致。在 9 月这次加息完成之后，利率市场仍然隐含大约三次额外加息的预期。
为什么最终又可能只加一次？数据可能替美联储踩刹车
不过，「美联储准备继续加息」并不等于「后面的加息一定会发生」。
Gapen 特别区分了两个概念：一个是美联储事前如何设计政策，另一个是市场事后回头看，实际发生了什么。
目前，美国三个月和六个月年化通胀指标已经表现出一定的反通胀趋势。如果未来几个月这一趋势继续，可能出现这样一种情况：美联储 9 月完成第一次加息，同时继续告诉市场「还有更多工作要做」，内部也原本准备再加一次甚至两次。
但等到下一次决策节点到来时，通胀已经改善得足够明显，以至于第二次加息变得没有必要。这样一来，最终回头看，本轮周期就会成为一次事实上的：「one and done」——加息一次，然后停止。
关键在于，这并不是美联储一开始就计划只加一次，而是后续数据改变了政策路径。
接下来几个月，还有一个可能影响政策判断的因素：美国经济分析局对 PCE 通胀数据的方法调整。
摩根士丹利预计，包括软件质量调整在内的一些统计变化，长期来看可能使测得的同比通胀率平均下降约 0.1 个百分点，甚至略多一些。0.1 个百分点看似不大，但当货币政策正处在「要不要再加一次」的边缘时，这种变化就可能具有实际意义。
这也是为什么 Gapen 认为，即使美联储继续加息，本轮周期也未必会演变成连续三四次会议快速加息。相比之下，更慢的节奏，例如接近每季度一次，可能更加合理。
这样可以给美联储更多时间观察两件事：一是通胀本身是否继续下降；二是 PCE 数据修订究竟会把通胀路径向下调整多少。
因此，今年完全可能出现这样一种情景：9 月先加一次，随后保持观望，最终因为通胀改善而不再行动。
下一次加不加，看什么？能源价格比就业更关键
那么，接下来什么数据最值得关注？摩根士丹利认为，劳动力市场的重要性正在下降。
Gapen 将就业形容为当前货币政策中的「第二甚至第三层变量」。一方面，美国工资和劳动收入增速仍在放缓，并没有显示出明显的工资—通胀螺旋，也不支持「经济正在重新过热」的判断。另一方面，最近几个月新增就业如果平滑波动，大约维持在每月 5 万至 7 万人。
这个水平并不强，但也没有弱到迫使美联储迅速停止紧缩。相比之下，Hornbach 认为，债券市场现在更加关注的是能源价格。
摩根士丹利观察到，当布伦特原油、WTI 原油和汽油价格上涨时，市场通常会重新定价一条更鹰派的美联储路径；而当能源价格回落时，未来加息预期也会相应下降。
原因并不复杂。能源价格既会直接推高总体通胀，也会影响市场对未来通胀粘性的判断。
因此，在当前环境下：油价可能比单月就业数据更容易改变市场对下一次加息的判断。
市场已经在交易更多加息，但路径仍有反转可能
这种政策预期的变化已经明显反映在美债市场。今年早些时候，市场一度还在定价美联储将进行两次降息，当时 10 年期美国国债收益率大约在 4.25% 附近。
如今，随着政策预期完全反转，市场已经从「降息两次」转向定价包括已完成行动在内的大约四次加息，10 年期美债收益率也升至 5% 左右。
Hornbach 认为，这说明目前长期利率的变化，与市场如何理解美联储未来政策路径高度相关。相比之下，即使美国政府债务规模不断扩大，单纯的债务总量也并不能很好地解释美债收益率。
他举例称，大约四年前，美国联邦债务规模约为 31 万亿美元，当时 10 年期美债收益率一度在 4.25% 左右。今年早些时候，美国债务已经升至约 40 万亿美元，但 10 年期收益率仍曾回到接近 4.25% 的水平。
四年增加约 9 万亿美元债务，却没有让这两个时间点的长期利率出现明显差异。Hornbach 由此认为，市场更关心的并不是债务「有多大」，而是债务增长速度是否明显超出投资者此前的预期。至少在目前，美联储政策路径仍然是影响美债收益率更直接的变量。
所以，9 月的这次加息更像是一个起点，而不是答案。从美联储自身的决策逻辑看，一次 25 个基点很可能并不足够，更多加息仍然处在政策选项之中。但真正决定这些加息能否落地的，不是美联储今天说了什么，而是未来几个月的数据会不会替它改变主意。
如果能源价格继续高企、通胀下降停滞，更多加息可能继续被市场定价；但如果反通胀趋势延续，本轮看似重新启动的加息周期，也可能最终只留下这一次 25 个基点。

ME AI message: On September 17 (UTC+8), Finch, an agent automated money-making platform, has officially launched, and lucrative bounty tasks are now available as well.
Finch announced that Maneki AI has officially joined the platform. Join the bounty tasks immediately and share 100 USD.
Finch helps AI create value and form assets from an AI perspective. It designs AI-native interaction protocols and agent-autonomous interaction modes, ultimately building a value discovery and asset trading market for the AI habits of the future.
Finch official website: https://www.finchtech.ai/
Task link: https://www.finchtech.ai/market/tasks/fbdf732e-0cc1-4047-834b-3b14e7c7e242 (Source: Finch)

ME News 消息，9 月 17 日（UTC+8），动察 Beating AI 快讯，Grok 4.7 疑似已经进入发布前最后阶段。社区发现 Google Cloud Console 的模型配额页面突然出现了 grok-4.7。 Grok 4.7 原计划更早上线。马斯克上周临时宣布再推迟几天，原因是模型面对困难任务时容易过早放弃，对自己的答案检查得也不够严格。他随后还表示，Grok 4.7 大致会达到 Claude Opus 5 水平，但多模态能力还需要改进；Grok 4.8 会有明显提升，Grok 4.9 才可能达到 Astra 和 Fable 级别。 社区之所以盯着 Google Cloud 配额页，是因为过去一些新模型会在正式上线前后先出现在这里。 （来源：ME）

ME News message, September 17 (UTC+8). On September 14, 2026, Judge Arun Subramanian of the U.S. District Court for the Southern District of New York issued an opinion and order dismissing the plaintiffs’ motion for a preliminary injunction. The case number is 1:26-cv-05474-AS. The plaintiffs are market makers Susquehanna Securities, LLC and Susquehanna Investment Group. The intervenor is market maker Citadel Securities LLC. The defendants are John Does 1 through 100. The plaintiffs filed the lawsuit on June 29, 2026, asserting claims under Section 20A of the Securities Exchange Act of 1934 and for unjust enrichment. The plaintiffs allege that the defendants traded using material non-public information—specifically, that on May 22, 2026, a notice titled “China’s government to crack down on cross-border transaction platforms” was released, causing the relevant securities to crash. The plaintiffs sought a preliminary injunction to bar the 40 narrowed defendants from transferring, placing encumbrances on, removing, or otherwise disposing of profits obtained in their third-party broker accounts through the alleged insider trading activity, or to seek a writ of attachment. The court found that the plaintiffs failed to demonstrate elements such as the likelihood of irreparable harm, and the motion was denied. (Source: ME)

At the 2026 JDD conference, JD.com proposed the “JoyAI · Leaping into the Physical World” strategy, focusing on deploying AI applications that move from the screen to the real physical world.
Author and source of the article: Geek Park
Last year, the hottest topics in the AI industry were model leaderboards, reasoning capabilities, and multimodal generation. Everyone was asking: How strong is this model?
But by 2026, the question changed. People started asking: What exactly can it do?
To this question, JD.com gave its own answer at this year’s JDD conference.
JD.com set the theme of this conference as “JoyAI · Leaping into the Physical World.” What it wants to convey is that the next stop for AI isn’t just being able to talk and chat more intelligently—it’s to enter warehouses, shelves, homes, delivery routes, and after-sales service, to accomplish real tasks.

宁德时代股价连续大幅下挫，9月16日股价跌破300元关口创近一年新低，总市值跌至1.4万亿元。市值从今年5月近2.2万亿元蒸发近8000亿元，下跌幅度达36%。
文章来源：华夏能源网
文章作者：火星财经
电池王者宁德时代正遭遇资本市场严峻考验。
15日-16日，宁德时代股价连续大幅下挫。9月15日收盘报316.36元/股，跌6.16%；9月16日股价一度跌破300元关口，收盘报305.48元/股，跌3.44%，股价创近一年新低，总市值跌到1.4万亿元。
值得注意的是，今天（9月16日）锂电板块是大幅上涨的，万得锂电池指数涨了1.67%。同业公司中，欣旺达（SZ：300207）大涨11.67%，中创新航（HK：3931）涨7.49%，国轩高科（SZ：002074）涨2.87%，亿纬锂能（SZ：300014）涨0.62%。
在一片涨势中，宁德时代遭到了资本抛售。今年5月初，宁德时代股价最高曾涨到468.75元/股，总市值曾达到近2.2万亿元。仅仅4个多月，宁德时代市值蒸发近8000亿元，下跌幅度达到36%。
曾经备受资本热捧的“宁王”，现在为何突然被抛弃？宁德时代的危机时刻真的来了吗？
车企“去宁化”持续发酵
多家机构分析认为，宁德时代股价大跌的主要原因是近期车企的“去宁德化”浪潮。
过去多年，宁德时代作为最大的动力电池生产商，在新能源车产业链中的话语权一直无人可以撼动。尤其是在高端新能源车中，宁德时代电池几乎成为了标配。由于宁德时代过于强势，产品售价极高，导致了车企的怨声载道。
早在2022年时，广汽集团时任董事长曾庆洪就公开抱怨，说动力电池占到整车成本的四成甚至六成，车企都是在“给宁德时代打工”。今年上半年，宁德时代盈利多达433亿，而15家主流上市车企的归母净利润加在一起只有210亿元，还不到宁德时代的一半。
当天下苦“宁王”久矣，车企最终是掀了桌子。进入2026年，多家头部车企纷纷开始“去宁化”。
今年6月，宁德时代曾经的第一大客户——理想汽车（HK：2015），发布了全新一代L8改款车型，全系切换欣旺达电芯，电池包由理想与欣旺达合资公司生产，宁德时代退出该车型供应链。
9月4日，小米汽车发布“龙甲电池”，电芯由中创新航和欣旺达供应，宁德时代完全缺席。
小米集团董事长雷军宣布推出小米龙甲电池体系，称安全标准远超国标
9月7日，理想又宣布全系车型搭载自研电池，此后锁单的MEGA全部使用自研5C电池，代替了宁德时代的5C电池。
此外，理想还斥资26.5亿元增资欣旺达动力，持股升至11.17%，成为第二大股东，进一步绑定欣旺达。鸿蒙智行的问界M6纯电版搭载了国轩高科磷酸铁锂，不再由宁德时代独供。中创新航成为小鹏汽车（HK：9868）第一大供应商，小鹏的MONA系列全系由中创新航独家供应，宁德时代仅保留在少数高端长续航版本中。
车企的“去宁化”，最终在资本市场掀起惊涛骇浪，大资金对宁德时代的未来发展产生严重担忧，由此开始不断卖出宁德时代股票，导致股价持续下行。
9月15日，里昂发布研报称，目前投资者普遍关注宁德时代或面临储能系统价格上升打击需求、小米集团及理想汽车等客户可能转投其他电池厂商等负面消息的影响，而短期内未见正面催化剂。
华夏能源网注意到，资深媒体人胡锡进9月16日也在社交媒体发声称，“去宁德化”的说法在发酵，影响了资本市场对其末来盈利能力的预期，导致了这一轮股价下跌。
但胡锡进同时指出，“去宁德化”虽有苗头，但很大一部分是行业情绪上的抱怨，这些不满并未完全落地转化为真实行动，它有夸大的成分。
“宁王”会被掀翻马下吗？
那么，车企“去宁德化”真的会令宁德时代陷入危机吗？宁王的地位还稳不稳？
2026年半年报显示，宁德时代上半年实现营收2769.17亿元，同比增长54.8%；归母净利润432.84亿元，相当于日赚2亿4000万，同比增长41.98%。赚钱能力依旧非常恐怖。
2022H1-2026H1宁德时代营收、利润增长情况
在市场地位方面，今年上半年，宁德时代的全球动力电池市占率仍是第一，达到40.2%，同比还提高了2.2个百分点；储能电池出货也是全球第一，市占率27.1%。无论是动力电池还是储能电池，宁德时代的市占率都远高于其他厂商。
此外，宁德时代的现有产能利用率也接近95%，经营现金流602亿元，账面货币资金3720亿元，遥遥领先于二线电池厂。
这些数据都表明，宁德时代的经营还未受到太大影响，车企和其他竞争对手想要撼动宁德时代的市场地位，短期内恐怕还不太可能。
虽然目前不至于发生经营危机，但资本对“宁王”的耐心确实正在减少。尤其是近期，宁德时代不断有利好消息释放，但却都未抵消资本市场的疑虑，这是不好的信号。
7月24日，宁德时代抛出了A股史上最大一笔回购，声称要拿出200亿元到400亿元真金白银，来回购自家股票，并且要全部注销。这一消息带来了宁德时代股价的短期上涨，但此后一个多月，宁德时代却迟迟不动手回购。
一直到9月14日，宁德时代才披露称，公司已经完成首次回购，回购60.43万股，成交区间330.15元/股至331.61元/股，耗资约2亿元。
按理说，回购消息会令股价上涨。但宁德时代这一消息却并未提振股价，反而有了9月15日的大跌6.16%。
9月15日，宁德时代又连发两份公告，披露旗下企业分别参与投资两支创业投资基金，合计认缴出资16.2亿元，投资方向涉及新能源产业链、人工智能、具身智能及前沿科技等领域。
在锂电行业竞争愈发激烈的当下，布局前景更为广阔的人工智能等领域，是较为明智的选择。但宁德时代的这一动作，同样被资本市场忽略，9月16日股价仍然延续跌势。
信心比黄金更重要。虽然宁德时代仍是锂电领域的绝对龙头，但投资者已为其敲响警钟。如何与车企等合作伙伴共生共赢，与资本市场建设稳固的信任，足够强大的宁德时代或许需要更多柔性。

30 万枚比特币离 20 年锁仓近了一步，市场却只顾着为另一个法案暴跌。
文章作者：基米
文章来源：深潮 TechFlow
9 月 15 日，《清晰法案》在参议院程序性投票中折戟，比特币跌破 7.5 万美元，12 万人爆仓 6.7 亿美元，市场情绪跌到冰点。但就在第二天，众议院两个委员会分别通过了《比特币战略储备法案》和《数字资产税收法案》。前者要把美国政府手里 32.8 万枚比特币锁仓 20 年，写进换总统也撤不掉的成文法。市场为短期的监管失败定了价，却还没给中长期的筹码结构变化定价。
9 月 15 日，美国参议院对《数字资产市场清晰法案》进行程序性投票，结果是 49 票赞成、50 票反对，距离推进所需的 60 票差了 11 票。全体民主党参议员加上少数共和党人投下反对票。这部行业游说数年、耗资数亿美元的市场结构法案，在距离中期选举不到两个月的时候陷入停滞。
市场当天就给了反应。比特币跌超 4%，一度跌破 7.5 万美元，创 6 月以来最大单日跌幅。以太坊跌超 8%，Coinbase 和 Circle 跌超 10%，24 小时内近 12 万人爆仓，总金额 6.7 亿美元。预测市场上，法案今年通过的概率从 18% 砸到 7%。
法案卡在一个和加密技术无关的地方，道德条款。
特朗普家族 2025 年从加密业务申报了约 14 亿美元收入，修订后的法案只约束总统、副总统和议员本人及配偶，没覆盖总统子女。民主党谈判代表加拉戈投票前说，共和党更在乎确保总统能继续赚钱，而不是真正推动监管。
这些虽然是两天的头条。但在讨论投票失败的声音之外，9 月 16 日发生了两件没什么人讨论的事。
众议院金融服务委员会以 28 比 21 通过《美国储备现代化法案》，战略比特币储备第一次从总统行政令走向成文法。同一天，众议院筹款委员会以 38 比 5 通过《数字资产税收确定法案》，10 美元以下的小额链上交易免申报，矿工和质押者卖出时才计税。
两件事当天都没有上热搜，对市场的影响也不在一个时间尺度上。
清晰法案没通过，决定的是接下来几个月的监管真空期。储备法案动的是美国政府手里 32.8 万枚比特币的处置方式，一旦从行政令变成法律，这批占流通量约 1.5% 的筹码将被锁定 20 年，换总统也撤不掉。前者影响这个季度的价格，后者可能影响未来二十年的筹码结构。
比特币储备法案，到底改了什么？
先看美国政府手里有什么。
根据链上数据，联邦政府目前持有约 32.8 万枚比特币，按当前价格价值约 250 亿美元，是地球上最大的单一政府持币主体。这些币几乎全部来自执法罚没：Prince Group 案约 12.7 万枚，Bitfinex 黑客案追回约 9.46 万枚，丝绸之路系列案件约 9.4 万枚，其余来自司法部和国税局的零散执法。
过去，这些币的命运取决于谁坐在白宫。有的政府拿去拍卖，有的政府捂着不动。
2025 年 3 月，特朗普签署行政令设立战略比特币储备，罚没比特币不再拍卖，转入储备长期持有。但行政令有一个天然缺陷，下一任总统一支笔就能撤掉。
《美国储备现代化法案》要补的就是这一笔。法案由阿拉斯加州共和党众议员贝吉奇和缅因州民主党众议员戈尔登联合提出，核心条款有几条：
财政部在法案生效后 180 天内建立战略比特币储备，各联邦机构 60 天内上报全部数字资产持仓。
进入储备的比特币至少锁定 20 年，期间不得出售、交换、拍卖或抵押，唯一的例外是出售所得用于偿还联邦债务。
财政部每季度公布储备证明，用密码学方式验证私钥控制权，并接受独立第三方审计。比特币之外的罚没代币进入单独的数字资产储备库，管理规则更宽松，可以置换成比特币或变现还债。法案还明确了一条，政府不得为了充实储备而征用私人持有的比特币。
另外，法案要求财政部和商务部研究预算中立的增持方式，不动用新税、不发债、不赤字，路径包括处置其他政府数字资产、继续执法罚没、与私营公司和州政府合作。早期讨论中「五年一百万枚」的采购目标没有写进正式文本，留下的是一个研究任务。
另一种利好
清晰法案从提出到投票失败，谈了将近一年半，吸收了上百项修改，最后还是死在党派分歧上。
中期选举之后，它能不能复活、以什么面目复活，没有人知道。这类市场结构立法天然是高难度动作，要同时安抚银行业、监管机构、州政府和两党议员。
储备法案走的是另一条路。
它不重新分配监管权力，不得罪银行业，核心内容只是把政府已经在做的事写成法律。行政令已经运行了一年半，储备事实上存在，法案要解决的只是它的持久性问题。这也是它能拿到 20 多位两党议员联署的原因。
对市场的含义也完全不同。清晰法案通过与否，影响的是交易所以什么身份注册、代币被归到哪个监管机构名下，这些规则变化要数年才能传导到价格。
储备法案如果最终立法，32.8 万枚比特币在 20 年内退出潜在卖盘，这个变化不依赖任何机构的执行意愿，写进法律就生效。按流通量算，这相当于把约 1.5% 的筹码从市场里抽走一代人的时间。
还有一个容易被忽视的信号。法案要求的季度储备证明和私钥验证，意味着美国政府将第一次以可审计的方式公开其比特币持仓。
对比之下，美国黄金储备上一次全面实物审计还是 1953 年。一个国家的比特币储备比黄金储备更透明，这件事本身就值得写进历史。
税收法案，给普通人的那一半
同一天通过的《数字资产税收确定法案》声量更小，但对普通用户的意义更直接。筹款委员会 38 比 5 的投票结果，是加密议题上罕见的两党共识。
法案的几项核心内容是，10 美元以下的链上小额交易免申报，用加密买杯咖啡不再需要算资本利得。
矿工和质押者拿到的代币，在卖出时才确认收入计税，不用在币还没变现时就先欠税。合规美元稳定币获得特殊处理。同时，法案把洗售规则扩展到数字资产，卖出亏损后立刻买回的避税操作不再有效，财政部估算这能在十年内带来约 235 亿美元收入。正是这个增收条款，让法案在紧缩派议员那里也拿得到票。
税收规则是机构资金进场的最后一道门槛之一。会计处理不确定，企业财务部门就不敢碰这个资产类别。这部法案解决的恰好是这类枯燥但致命的问题。
不过，目前这两个法案在委员会通过，只是立法流程的第一关，后面都还有众议院全体表决、参议院审议、总统签字三道门槛。
国会即将为中期选举休会，复会后日程只会更挤。预测市场目前给储备法案 2027 年前完成立法的概率只有 6%。清晰法案的尸体就摆在那里，提醒所有人国会山的任何加密立法都可能随时翻车。
还要看到，9 月 16 日同一天，美联储加息 25 个基点，是 2023 年以来首次，点阵图暗示年内可能再加。监管利空和流动性收紧叠加，才是这轮下跌的全貌。两个法案通过委员会，改变不了利率，也改变不了短期内机构资金的观望态度。
但把时间拉长，叙事是清楚的。行政令可以随时撤销，法律不能。短期价格由利率和情绪决定，长期筹码结构由法律决定。

谷歌联合DeepMind等机构发布Dream-RSI论文，提出通过“做梦“机制实现AI递归自我改进。
文章作者、来源：新智元
谷歌，可能已经破解了RSI！
就在刚刚，谷歌联合 Google DeepMind、马里兰大学及弗吉尼亚大学，发表了一篇重磅论文。
这一次，他们展示了一条完全不同的RSI路线：AI自我进化，居然可以靠做梦？
这一次，谷歌是让智能体把自己走过的每一步存成一棵树，然后在树里「做梦」。
在梦里练出更优的探索策略，再回到现实继续干。
论文地址：https://arxiv.org/abs/2609.14858
Dream-RSI的效果可以说是相当震撼：
算法优化任务，主流进化搜索系统需要跑51200代，Dream-RSI调用317次就达到了同等水平。
圆填充问题，追平谷歌自家AlphaEvolveV2的最强纪录。
GPU内核优化，达到同等性能，生成次数暴降2.43倍。
底层权重一字未改，Gemini 3.1 Pro和3.7 Flash均可套用。
此外还有一个更有意思的结论，人给AI指方向，反而比不指更差。
论文一挂上arXiv，X上先炸了。网友Mark Kretschmann高呼：「谷歌可能刚刚破解了递归自我改进」！
论文一作Tong Zheng是马里兰大学二年级博士生，今年夏天才以学生研究员的身份进入谷歌。他身后是17人的作者团，包括DeepMind研究员与讲席教授。
要实现递归自我改进，智能体必须学会做梦。而历史，就是它们做梦的世界。
Tong Zheng在Hugging Face上留下这样一句话，它也是整篇论文的内核。
历史，就是它做梦的世界
Dream-RSI要解决的，是整个进化搜索领域最卡脖子的一环。
以AlphaEvolve为代表的系统早已证明，让编码智能体跑进化搜索，能发现人类没找到的算法。但它们有一个死穴，探索策略全靠人手写死。
哪个分支该多分配算力，哪个分支该尽早剪掉，什么时候该开并行，全靠工程师预先定好。搜索空间一大，固定策略就会把算力砸进死胡同，而且还不长记性。
那让策略自己进化行不行？理论上行，但问题出在评估成本上。
评估一段候选代码，跑一次就知道好坏。而评估一套探索策略，则需要让它带着智能体从头跑完几百上千轮，看最后挖出来的东西好不好，才能给这套策略打分。每改一版策略，就要重跑一遍整个发现过程，等几天出一个分数，没人耗得起。
对此Dream-RSI的解法是，跑过的过程存下来，评估新策略时不再重跑，直接拿旧过程回放。
具体来说，它把「干活」和「决定怎么干」拆成了两层。
-底层是负责执行的「发现智能体」（Discovery Agent），由Gemini 3.1 Pro或3.7 Flash驱动。它每次接过一个工作区，读取上下文，改出一版新候选代码，交由评估器打分。
-顶层是轻量的编排层，里面装着「探索策略」（一段Python代码），决定每一轮从哪个节点继续、一次开多少个并行尝试、何时止损。
底层模型不动，自我进化的对象只有这段策略代码。
每一次真实探索的结果都会存进一棵「发现树」。根节点是初始工作区，每个子节点记着一次尝试的完整现场，包括文件系统快照、生成的产物、评估诊断和得分。
这棵树，就是模拟器。
策略要做的决定只有一类，从哪些节点继续、一次开几个。而每个节点往下走会得到什么结果，树里已经记着了。
所以策略要迭代时，不用再去真实环境跑代码，直接在长好的树上重走一遍历史就行——
想试「这条路多走两步」，就读取树里对应的记录；想试「那条路早点放弃」，就少读几个节点。
整个评估过程不调用一次模型，不跑一行代码，只读历史。
论文把这种机制叫做「做梦」。就像棋手复盘，不需要重新摆盘再下一遍，翻棋谱就够了。
Dream-RSI 的运行闭环
基于这个洞察，谷歌构建了 Dream-RSI 框架。它的自我改进循环主要分为三个阶段：
1.真实探索：当前最新的探索策略
引导 Agent 并在真实环境中运行（例如调用 LLM、编译并执行代码），并将探索产生的所有路径、决策和执行反馈记录下来，作为一棵新的结构化探索树
追加到历史数据库
中。
2.构建模拟器：将更新后的历史数据库
转化为一个可重用的「重放模拟器池」 。
3.基于做梦的策略改进：一个专门的 LLM 策略开发 Agent 在这个模拟器里开始疯狂「做梦」 。它不断修改和重写探索策略的代码，产生上千个候选策略，并在重放模拟器上快速重放它们。
做梦的打分由三项构成，一是这一轮梦里找到的最优分数，二是扣掉尝试次数对应的成本，三是并行奖励，鼓励策略一轮批量跑多个尝试。
得分高的策略，就意味着它「多快好省」。
负责修改策略的，是另一个「策略开发智能体」。
它会盯着三样东西：当前策略在梦里走过的轨迹和分数，前几版修改的反馈，还有整棵发现树。然后，看完直接改写策略代码。
一轮改出若干版，每一版都丢回梦里打一次分，得分最高的那一版成为下一轮的正式策略。
这就意味着，新策略的下限是「原地踏步」，上限则是「无限进化」。
RSI的飞轮就此闭环。
为什么这个策略永远不会变差？
在离线改进阶段，策略开发 Agent 会经历多轮的代码迭代。由于当前的策略
本身就被包含在候选池中，只有当新重写的策略在模拟器上的综合重放得分（平衡了探索质量、算力成本和并行效率）高于当前策略时，新策略
才会胜出并被部署。
因此，在数学上，Dream-RSI 部署的新策略表现绝不会弱于上一代。 随着新策略被重新部署到真实世界中探索，它会带回更深、更广的探索树，从而让模拟器也随之进化。
智能体与它眼中的「世界」，就这样在相互咬合的齿轮中一同成长。
策略改好之后上线发掘新算法，历史变多，梦境更准，梦境更准，策略继续进化。树里没有的分支，梦里也走不到，所以每一轮真实探索都在给下一轮的梦扩地盘
第一版策略很朴素，只会开一堆独立的工作区各自埋头跑。到了后面的轮次，策略学会了精打细算。
在ConvDiv内核实验里，性能处在上升期的时候，策略主动把每轮尝试从110次砍到50次；一旦性能停滞，它又把探索力度拉满，分数随即再涨一截。
没有人教它这么干，这是它从自身历史中「悟」出来的。
317次碾压5万代：人类反而成了累赘
论文在三个领域进行了实测。
1.算法工程：Lasso 正则化路径求解器
第一个领域是算法工程，任务是Lasso正则化路径。这是高维统计里的老难题，要求在保证数值正确的前提下，把整条路径算得尽可能快。
用Gemini 3.1 Pro跑Dream-RSI，只调用了317次，就把求解器的平均运行时间从3587.1毫秒降到了2931.0毫秒。
相比之下，同一个模型换成固定策略，要调用550次才能到这个水平。基线SimpleTES为了拿到差不多的结果，一共生成了51200次。
换成更便宜的Gemini 3.7 Flash后，模型消耗了1879次调用，成功把运行时间做到了2350.6毫秒。
因为进化发生在探索这一层，和底层模型的大小没有关系，所以小模型一样能受益。
它挖出的求解器，基线的做法是根据问题维度，在LARS和坐标下降两种算法里二选一。而Dream-RSI找出来的方案，直接把自适应做进了活跃集优化内部。
具体来说就是，先用强规则筛一遍特征，再用柯西-施瓦茨不等式做KKT剪枝，只有当上界判断不了某个特征时，才回头计算精确梯度。
2.数学优化：三大高难度数学任务
数学优化这个领域，差距拉得更大。
在「和差问题」、「圆装填」和「自相关不等式」三个极耗算力的离散和几何优化问题中，Dream-RSI 在 1000 代 以内就达到或超越了极强的基线性能。
与需要 51,200 代算力开销的 SimpleTES 相比，Dream-RSI 节省了超过 50 倍的计算预算，且拿到了同等甚至更优的结果。
3.GPU 算子工程：KernelBench 极限压榨
第三个领域是GPU内核工程，也是谷歌自己最在乎的地盘。
在这里，论文总共测了四种内核。
VGG16和LayerNorm比的是省多少，把内核优化到和固定探索同样的性能，Dream-RSI需要的生成次数分别只有对方的1/2.43和1/1.79。
ConvDiv和ConvMax比的是强多少，给两边同样的预算，Dream-RSI优化出的内核性能分别是固定探索的2.09倍和1.44倍。
最后，研究团队把之前的历史轨迹提炼成方向性提示，塞进Prompt里「手把手」教智能体往哪走。
结果有些出乎意料，在同等预算下，加了人类引导的始终比不加的更差。
深度剖析：直接给 AI 「总结经验」，反而效果更差？
论文中，有一个非常反直觉的实验。
研究人员尝试了「经验总结法」，让大模型把历史总结成高层指导意见，去指导下一轮的探索。
然而实验结果却令人大跌眼镜：注入了高层次经验总结的 Agent，在探索表现上不仅没有提升，反而显著差于没有任何指导的原始 baseline ！
背后原因就是，一旦你将经验生硬地抽象为「高层原则」，它们立刻就会转化为 AI 的认知偏见，过度约束 AI 的搜索空间，扼杀了探索的多样性，让AI困在局部最优解里。
相反，Dream-RSI 的「做梦」机制不提供任何「空洞真理」，它直接让新策略去碰撞具体的历史树，在微观的并行控制、分支优先级和提早停止规则上进行代码级优化。
这种方式保持了探索空间的开放和多样性，反而远胜于前者。
暑期实习生操刀一作，身后是17人豪华天团
一作Tong Zheng（郑童），2021年本科毕业于东北大学，本科期间就在国内最硬的机器翻译组（肖桐组）做研究。
2024年他进入马里兰大学读博，师从黄恒教授。Dream-RSI正是他2026年夏天在谷歌做Student Researcher时的产物。
他从ICLR 2025让模型一次出多个草稿的投机解码，到ICLR 2026和ICML 2026的Parallel-R1和Parallel-Probe（用强化学习教模型并行思考），死磕始终是同一件事——别让模型一条路走到黑。
Dream-RSI打分里那项「并行奖励」，与这条线一脉相承。只不过，以前是让模型的思维并行，现在是让智能体的探索并行。
导师黄恒，马里兰大学首任Brendan Iribe讲席教授，约300篇顶会论文，手里7个NSF项目、3个NIH项目。这两年，黄恒组里的学生一头扎进大模型推理。
17人的作者团里，通讯作者Xidong Wu和Zheng Zhang在谷歌，DeepMind一侧有推荐系统圈都认识的SASRec作者Wang-Cheng Kang。
一个暑期实习生挂一作，身后一群资深研究员署名，谷歌内部对这条路线的重视程度，不言而喻。
通往 ASI 的隐秘通道，已经被打通了？
此前，谷歌产品负责人 Logan Kilpatrick透露重磅消息：谷歌正在死盯前沿，并且已经看到了RSI的早期迹象！
他拿Gemini 3.5到3.8大约每三到四周一更当证据，而且表示，Gemini 4将是迄今最大、最野心勃勃的预训练模型，希望借此回到争霸位置。
他强调，要把算力和人力投给写代码、做研究、做科学，因为这些最可能把下一轮训练变快变便宜。
为什么谷歌如此坚信，RSI正在发生？
因为 AI 自我改进的范式正在悄然改变。过去十年，行业里谈起RSI，大家想到的总是「AI自动修改自己的权重，训出下一代神明」。
但而 Dream-RSI 展示了另一种可能性：模型权重不一定要先变，它可以通过自我重写外围的「Harness」，来让自己变得强大！
当模型拥有这种强大能力，就会用最便宜的算力，去解决最难的问题。
正如论文结尾所说：
智能体必须学会做梦才能递归自我改进，而历史，就是它做梦时所处的整个世界。
随着 Gemini 4 等超大型预训练模型的临近，这种「在虚拟历史中做梦」的RSI到来，我们距离那场智能大爆炸，或许只有一步之遥了。

On September 16, 2026, xAI launched a memory feature in Grok Build, addressing the pain point of developers having to repeatedly explain the project background.
Article author, source: AIBase
Memory feature solves development pain points
For developers at large, one of the most troublesome problems when using an AI programming assistant is having to repeatedly brief the AI on the project’s basic architecture, coding standards, and run instructions every time a new session is started. To address this pain point, on September 16, 2026, xAI officially announced the launch of a brand-new memory feature in Grok Build, enabling the AI to automatically carry over the core decisions and project facts from previous conversations into the work that follows.

与常规输入法不同，该产品将表达辅助前置到输入环节，默认Fn键唤起语音录入，支持短按说话或按住说话，二次Fn或双击可下AI指令，如“写周报”“生成开发提示词”等。
文章作者、来源：AIBase
产品定位与内测情况
近日，腾讯正低调内测 AI 原生语音 / 表达工具 ChatterFly，部分资料称中文名或叫“元宝输入法”，当前开放 macOS、Windows 桌面客户端，需内测码进入，iOS 与 Android 标为“即将发布”。
核心功能创新
与常规输入法只做“语音转文字”不同，ChatterFly 把表达辅助前置到输入环节:默认 Fn 键唤起语音录入，短按或按住说话;再次 Fn 或双击可下 AI 指令，如“写周报”“生成开发提示词”。首页集成输入统计、个人词库、语音历史、Skills 与设置，顶部展示总字数、语音占比、语音速度、节省时长等行为数据。
Skills 模块与实测表现
Skills 是核心模块，首期内置会议纪要、工作汇报、项目推进、营销文案、邮件润色、VibeCoding 提示词优化等能力，按开关启用并结合上下文重写。实测中，口述聚餐安排可自动分时间、地点、交通、后续事项;口述“做昆虫识别 App”可输出页面结构、数据边界与验收标准，直接交给开发 Agent。个人词库支持语音改词后自动记忆，也可手动加专有名词，并支持授权一键迁移搜狗词库;但含数字符号的词汇在拼音场景下可能不生效。
技术背景与行业观点
官方资料称产品适配弱网、嘈杂、轻声环境，依托混元等大模型能力沉淀用户习惯。业内认为，它延续腾讯搜狗、微信输入法之后的“AI 表达”支线，但内测阶段生成质量、专业术语准确性与幻觉控制仍待正式版验证。