文章核心观点 - 阿里推出新一代视频生成模型Wan3.0，以一致性、真实质感、风格驾驭、视频编辑四大核心能力切入广告电商场景，解决商业资产稳定还原的行业难题 [21][25] - 淘宝短剧联合天猫小黑盒、天猫国际等出品衍生AI品牌短剧，打通从内容生产到商品成交的全链路，将AI短剧终点从播放量延伸至GMV [1][67] - 视频模型竞争逻辑从画面惊艳度转向商业价值创造，AI视频正从技术秀场进入真金白银的生意场 [80][81] 一、AI短剧的商业模式与淘宝化路径 - 双十一期间淘宝短剧联合天猫小黑盒、天猫国际等出品一批衍生AI品牌短剧，观众追剧后可顺着商品链接、达人测评、品牌直播间一路逛到下单 [1][2] - 阿里生态内形成完整链路：品牌提出需求、Wan3.0参与内容制作、淘宝短剧负责站内分发，再通过商品挂链、达人种草、品牌直播间引导用户搜索进店下单 [68] - 模型、内容、品牌、交易场串成一条线，整条链路均可在阿里生态内完成 [69][79] - 自今年618以来淘宝短剧已上线超过30部AI品牌剧，累计合作品牌超过50个 [74] - 合作品牌覆盖戴森、资生堂、AMD、雀巢、百雀羚、自然堂、蓝月亮、全友家居等，横跨美妆、家电、数码、母婴、食品、服饰等多个品类 [75] 二、Wan3.0模型核心能力 - 一致性：精准复刻参考细节，保持角色、道具、声音、空间关系、风格等关键维度的一致性 [25] - 真实质感：更敏锐刻画五官与皮肤细节，人物情绪表达自然克制，微表情与肢体动作彼此联动 [25] - 风格驾驭：精准渲染影视拍摄调性，多风格创作时不易发生风格混淆 [25] - 视频编辑：支持修改画面、剧情与台词，提高内容创作效率 [25] - 模型需经得起更长故事、更多镜头以及人物和商品反复出场的考验 [26] - Wan3.0已与不鸣文化、秦九、必看科技等头部公司展开合作，相关作品即将或已登陆红果、抖音等平台 [27] - 灵境时空制作的《继母靠弹幕，魔丸变学霸》红果热度值达2975万，收藏量达4564 [28] 三、三部双11 AI品牌短剧案例 《九尾神临》 - Wan3.0与天猫小黑盒合作，温碧霞授权真人形象穿越到2100年人神共存世界，化身东方赛博女主苏照影 [31][32] - 赛博朋克与东方神话画风混搭，霓虹赛博都市与仙气神话夜市切换丝滑，悬浮汽车稳定在线 [33][34] - 多镜头下人物一致性稳定，高速运动下肢体姿态无扭曲跳帧，五官稳定在线 [35][36][37] - 皮肤纹理、面部细节与人物真实质感处理到位，口型、皮肤光泽、发丝细节自然 [37][38] - 多镜头表演与情绪递进把控到位，上神从隐忍克制到眼神凌厉怒意压上来的转换自然 [39][40] - 品牌植入自然，美的Midea的Logo拍摄清楚，智能面板数字可看清，产品顺角色烹饪收纳动线自然出镜 [42][43] 《毛手毛脚餐厅》 - 围绕天猫国际宠物紫药箱打造，哈士奇、橘猫、边牧、浣熊等萌宠集体上岗开宠物餐厅 [44][45] - 毛发微观质感还原到位，哈士奇鼻梁毛丝、根根分明胡须、鼻头湿漉漉质感清晰可见 [46][47] - 多镜头一致性稳定，六只穿不同制服萌宠从全景切到近景，服饰、毛色、斑纹一一对上 [47][48] - 不同景别下保持稳定角色特征和空间关系 [49] - 后厨群像戏中火焰、炒锅与角色动作协调，橘猫爪子稳稳握住锅柄，多角色互动与复杂物体运动同时发生仍保持时序连贯性和空间稳定性 [50][51][52] 《终章之外》 - 全友家居定制剧，衣柜成为连接两个世界的关键道具，家居产品直接承担剧情功能 [52][53] - 核心难题在于复杂空间与商品结构的一致性，家具比例、材质和外观直接影响消费者判断 [54][55] - 白色绒面沙发细腻纹理清晰可见，坐下时受力回弹自然 [56] - 沙发、落地灯、落地窗及茶几之间空间布局比例处理合适 [57] - 超大空间办公室冲突戏短短几秒连切三四个镜头，家具摆放、比例和空间关系始终对得上，场景无穿帮 [59][60] 四、商业数据与行业影响 - 百雀羚定制AI短剧《灵玉异世录》上线30天播放量突破3500万，深度观看用户观剧后店铺支付订单数和成交转化率较观剧前分别提升80%，主动搜索用户数提升130% [71] - 剧中新品灵玉霜首销30天成交额突破1000万元 [72] - 《我的飞机通次元》及相关二创种草视频累计获得超7000万次播放、超30万次商品点击 [73] - 三部剧共同指向商业视频生产核心要求：人物得像、商品得准、镜头得稳、品牌自然融进故事 [62][63] - 视频模型价值从生成惊艳画面延伸至可控、可复用的商业内容生产 [64] - 行业衡量模型价值的标准从画面惊艳度延伸到为品牌创造的实际价值 [81]

核心观点 - 民主党赢得两院触发AI监管担忧，美股大幅回调，AI相关交易集中抛售是下跌核心原因[3] - 中国市场走出相对独立行情，全球资金从估值较高的美股AI基建标的转向估值低位中国互联网平台股，形成“东升西降”对比[3] - 短期美股将维持较高波动，AI硬件和半导体板块或继续承压，但AI长周期叙事并未终结，短期回调更多是主题性重定价，出现系统性全面崩盘可能性相对偏低[3] - 中国市场短期或相对抗跌，有望成为承接全球再平衡资金的重要方向之一，但趋势性反转仍需资金面和基本面共同支撑，结构性行情或仍是短期主旋律[3] 美股市场表现与回调原因 - 11月5日美股大幅下挫，纳指下跌5.5%并进入技术性调整区间，标普500下跌4.4%，道指下跌3.4%[3] - 民主党在中期选举中取得参众两院控制权并在德州等关键州长选举中获胜后，市场重新评估数据中心建设可能面临更严格监管或放缓风险[3] - 投资者担心新建数据中心审批收紧，从而拖累AI基建资本开支和芯片需求[3] - 11月5日费城半导体指数下跌超12%，存储和芯片股跌幅更大[3] - 市场对AI巨额资本开支的回报周期、融资成本和实际交付能力本就存在质疑，选举结果成为触发点，引发从硬件到整个科技板块的连锁卖压，同时伴随去杠杆和技术性抛售[3] 中国市场相对独立行情 - 在美股大幅回调背景下，全球资金出现明显轮动，从估值较高的美股AI基建相关标的转向估值处于低位中国互联网平台股[3] - 阿里巴巴、腾讯、网易、百度等科技权重股表现强势[3] - 中国资产此前累积了较大跌幅，具备超跌修复空间，同时近期有政策层面稳市场举措，如相关金融工具优化以及部分产业合作进展，进一步支撑了情绪[3] - 中美市场表现分化本质上是全球资金在风险偏好调整过程中寻找相对便宜且逻辑不同的科技替代品，中国平台股正好符合这一条件[3] 美股短期展望 - 短期美股将维持较高波动，尤其是AI硬件和半导体板块或继续承压，市场需要时间消化监管预期和资本开支节奏变化[3] - 若后续出现更多政策细节或经济数据偏弱，调整或将持续[3] - AI长周期叙事并未终结，短期回调或更多是主题性重定价，美国经济基本面也没有出现全面崩坏，美股盈利增长仍然十分强劲，出现系统性全面崩盘的可能性相对偏低[3] 中国市场反弹延续性 - 中国市场短期或相对抗跌，尤其是估值未完全修复和政策预期仍在，有望成为承接全球再平衡资金的重要方向之一[3] - 如果美股调整幅度扩大并引发全球去杠杆，中国市场也难以独善其身，需关注资金回流的力度与持续性[3] - 中国市场的趋势性反转仍需资金面和基本面共同支撑，结构性行情或仍是短期主旋律[3] - 资金面上，南向资金需恢复至每月约600亿港元的净流入，才能基本消化当前股票供给，帮助港股市场企稳[3] - 盈利面上，港股AI龙头将于11月中下旬公布三季报，如果资本开支与自由现金流改善，叠加不再新增股权融资，有助于盈利预期企稳[3] 投资组合布局与配置 - 结合今年3月全球AI叙事转向与7月去杠杆经验，当前美股可优先控制高拥挤、高杠杆的AI硬件敞口，减轻在波动加剧阶段被动承受回撤的风险[3] - 适度提升红利与防御性资产比重，以高股息、现金流稳定的板块作为组合缓冲，降低整体回撤[3] - 中国市场方面，杠铃策略依然有效，配置上提升红利端权重，红利端以公用事业、金融、必选消费作为底仓，提供稳定现金流并对冲风险偏好下行[3] - 成长端聚焦结构性机会，平衡进攻与防守[3]

文章核心观点 - 新鲜零食正从线下火热蔓延至线上，成为零食行业新的竞争维度，消费者关注焦点从食品品类转向保质期、配料表、口感等品质指标 [2] - 天猫双11数据显示参与大促的新鲜短保食品数量翻倍，新鲜零食成交订单同比增长超过100%，高增速TOP品牌榜单中新鲜零食品牌集中涌现 [2] - 新鲜零食品牌通过线上渠道突破门店地域限制，线下做体验种草、线上做全国留存复购，形成渠道协同 [6] - 新鲜零食能否从一波热度成为长期生意，取决于交付能力能否跟上需求扩张，唯有每一单都兑现"新鲜"才能持续经营 [18] 行业趋势与消费行为变化 - 线下零售正在经历分化：主打短保新鲜的零食店人潮汹涌，传统商超客流却在收缩 [2] - 消费者关心的不再只是食品品类，而是保质期、配料表、口感这些与品质直接相关的指标 [2] - 小规格商品搜索量在上涨，随买随吃、盯着生产日期下单正在取代过去"双11囤货"的传统逻辑 [4] - 健康趋势在向食品全品类渗透，消费行为从大促"低价囤货"转向买新鲜、买小包装 [14] - 淘宝天猫休闲零食和茶行业总经理范朕晖建议品牌加速产品健康化转型，升级原料、供应链、履约服务 [14] 新鲜零食品牌线上经营表现 - 几多全成立于2025年3月，从线下门店起家，全国已开出超200家门店，但门店辐射半径有限，存在异地复购断层现象 [6] - 几多全今年开设天猫旗舰店，双11周期成交已破百万，月度环比持续翻倍增长 [6] - 轩妈西北县域消费者今年在天猫的成交人数同比增长26.3%，复购率达到20.7% [6] - 碧翠园成交增长175%，主营牛肉丝的小岛安答成交同比暴涨36倍 [2] - 乌鲁木齐一位消费者两个月内回购两次轩妈经典红豆蛋黄酥，累计买了八盒 [2] 线上渠道带来的场景拓展与产品调整 - 几多全线上用户会先翻评价、比性价比，一次性买一堆或直接寄给外地朋友，为此线上专门配置了礼盒和组合套餐 [7] - 轩妈蛋黄酥购买场景从中秋、春节节礼延伸到下午茶、办公室分享和走亲访友，为此推出小规格、多口味和独立包装 [9] - 轩妈围绕消费者对甜度、口味偏好推出低糖、低GI和茶果风味产品，今年双11低糖、低GI产品新客占比达到59% [9] - 线上渠道承接的需求更加多样：既有离开门店城市后的再次购买，也有日常食用、家庭分享和异地送礼 [9] 天猫平台赋能品牌经营 - 今年9月轩妈经典短保蛋黄酥参与天猫"超级食刻"活动，活动期间商品访客同比提升74.2%，新客成交人数增长82.5%，活动结束后30天复购率达到13.6% [11] - 几多全通过天猫后台查看用户画像、搜索词和转化链路，了解哪些商品受关注、哪些运营投入未有效转化，用于下一轮产品优化和口味调整 [13] - 轩妈借助平台行业趋势和人群洞察，识别出对中式糕点、轻甜产品和节礼场景感兴趣的人群 [13] - 今年9月几多全代言人林一官宣前，天猫匹配了美食大牌日、逛逛短视频内容和阿里官方微博宣传等资源，扩大品牌曝光 [13] - 平台资源是入口，品牌还需把商品卖点、内容表达、客服承接和后续会员运营衔接起来，才能让一次曝光带来的关注延续到日常经营 [14] 供应链与履约能力建设 - 天猫通过品牌旗舰店推动工厂直发（D2C），减少商品在渠道里的仓储和周转，把更多保质期留给消费者 [16] - 轩妈经典红豆蛋黄酥保质期35天，官方旗舰店以发货时间为准是发货前72小时内生产的，正常区域平均36小时签收，消费者拿到手时剩余保质期通常不低于30天 [16] - 轩妈根据预售和加购数据滚动预测产量，提前锁定原料和包材、安排弹性班次，同时跟物流伙伴预留揽收和转运能力，并用一物一码追溯产品批次和生产信息 [16] - 几多全天猫旗舰店优先上不易破损、适合常温储存、保质期长的商品，中长保商品从长沙电商仓发货，短保商品走工厂直发且限定配送区域，偏远地区不开放下单 [17] - 几多全对更短保品类结合本地门店和淘宝闪购等即时零售渠道服务周边消费者，短保订单单独走顺丰 [18] - 天猫"新鲜日期"服务约定：带相应标识的食品生鲜商品，若签收与生产的时间间隔超过保质期的三分之一，消费者在签收后48小时内申请并提供凭证即可退款 [18]

美股大盘表现 - 美股三大股指全线收跌，道指大跌3.44%报收51523.06点，创1年半来最大单日跌幅 [1] - 标普500指数大跌4.36%报收7353.73点，纳指重挫5.52%报收24315点 [1] 科技股与芯片股 - 美国七大科技巨头全线下跌，特斯拉暴跌10.77%，市值蒸发超1640亿美元（约合1.09万亿元人民币）[2] - 英伟达大跌9.26%，市值蒸发超4465亿美元（约合2.98万亿元人民币），微软、脸书均跌超3%，亚马逊、谷歌跌超2%，苹果跌1.53% [2] - 芯片股全线重挫，超威半导体暴跌17.26%，ARM暴跌13.08%，台积电大跌11.05%，博通、英特尔均大跌超10%，高通、阿斯麦亦跌超9% [2] 金融股与能源股 - 金融股全线收跌，高盛集团大跌6.44%，花旗集团、摩根士丹利大跌超5%，摩根大通跌4.24%，富国银行、美国银行跌超3%，伯克希尔哈撒韦跌1.26% [2] - 能源股全线收跌，斯伦贝谢跌3.72%，埃克森美孚跌2.38%，雪佛龙跌1.83%，西方石油跌1.73%，康菲石油跌1.12% [2] 黄金股避险 - 市场避险情绪急剧升温，黄金股全线收涨，皇家黄金大涨6.18%，伊格尔矿业、弗兰科-内华达涨超3%，纽蒙特矿业涨1.40%，盎格鲁黄金、金罗斯黄金、巴里克黄金等均逆势上扬 [2] 中概股表现 - 中概股多数收涨，纳斯达克中国金龙指数逆势涨0.43% [3] - 网易涨4.37%，新东方、京东集团涨超3%，理想汽车、好未来、阿里巴巴、哔哩哔哩、携程集团、百济神州、拼多多等均涨超2%，BOSS直聘、唯品会等亦涨超1% [3] 数据中心政策与行业影响 - 得州州长选举中民主党候选人Hinojosa胜选，其竞选期间承诺在州议会出台相关监管法规前暂停新的数据中心审批 [4] - 高盛预计，民主党在得州、佐治亚州和密歇根州等地的胜选，可能推动短期数据中心暂停令，涉及美国约45%的数据中心计划扩张容量，其中得州占约25% [4] 美联储加息预期 - CME"美联储观察"显示，美联储12月维持利率不变的概率为31.3%，加息25个基点的概率为68.7% [4] - 美联储到明年1月维持利率不变的概率27.0%，累计加息25个基点的概率63.6%，累计加息50个基点的概率为9.5% [4] - 里士满联储主席巴尔金表示，预计美联储还需要进一步加息，但加息的幅度与节奏目前尚无法确定 [5] - 克利夫兰联储主席哈马克表示，利率需要具有限制性才能推动通胀回落至央行的目标，而更频繁地调整可以降低政策落后于形势的风险 [5]

全球AI研究十大领域 - 基础模型推动通用AI发展，正朝着更小、更快、更高效的方向演进 [1] - 推理能力帮助AI逐步解决复杂问题，AI智能体可独立使用工具并执行任务 [1] - 多模态AI融合文本、图像、音频、视频及对物理世界的理解 [1] - AI安全旨在使系统可靠、可理解且能抵御滥用，机器人技术使机器能在现实世界中感知、决策和行动 [1] - AI for science加速医学、材料、气候和数学领域的发现，硬件方向开发专用芯片和节能计算 [1] - 数据与学习方法帮助AI从更少样本中学习、生成有用训练数据并持续改进，治理方向涉及公平、隐私、透明度和监管 [1] 美国AI研究优势 - 美国和中国主导全球AI研究但优势各异，美国在基础模型、推理、智能体、安全、AI for science和硬件领域领先 [2] - 美国依托庞大资本、算力和全球人才，2025年私人AI投资达2859亿美元（$285.9 billion）[2] - Nvidia及OpenAI、Anthropic、Google DeepMind等领先实验室强化了美国优势 [2] 中国AI研究优势 - 中国在机器人和AI研究产出方面领先，在模型和芯片方面正迅速缩小差距 [3] - 国家支持、规模效应和效率支撑中国进展，DeepSeek、阿里巴巴Qwen和月之暗面Kimi证明能以更低成本开发强大模型 [3] - 出口管制加速中国追求芯片自主，多模态AI和数据学习方法仍是两国激烈竞争领域，双方均在推进视频生成和计算高效训练 [3] - 欧洲在治理方面领先，其AI法案率先落地 [3] 印度AI发展现状 - 印度在语言AI方面具有真实优势，AI4Bharat、BharatGen、Sarvam AI和Bhashini开发覆盖全部22种表列语言的模型和数据集 [4] - 这些努力可开拓全球市场，尤其在印地语、泰米尔语、孟加拉语和旁遮普语使用国家 [4] - 应用AI也在推进，Wadhwani AI开发了结核病筛查和棉花害虫管理能力，IIT Ropar的Annam.AI为农民提供本地天气智能，IIT Kanpur的Airawat Research Foundation开发基于AI的空气质量系统 [4] - 主办AI影响峰会并通过《新德里宣言》获得92个国家认可，增强了印度在AI治理中的话语权 [4] - IndiaAI Mission在多个领域动员模型开发团队并部署超过45000个GPU，数据中心投资呈指数级增长 [4] - 但前沿能力仍然有限，算力依赖进口芯片，机器人和安全研究需要加强 [4] 印度AI战略方向 - 印度数字公共基础设施为AI研究提供借鉴，应聚焦规模和多样性带来优势的问题而非模仿美国路径 [5] - 多语言、语音优先AI：为服务不足语言开发开放模型可使印度成为非洲、南亚和东南亚社会的全球参照点 [5] - 节俭AI：开发高效、可负担的模型，能在廉价设备上运行甚至离线，同时开发用于手机、车辆和农机的低功耗芯片 [5] - AI作为公共基础设施：医疗、农业、教育和土地记录领域提供机会，在专业知识有限、数据不完美和问责要求强的环境中构建可靠AI [6] - 评估与信任：印度可开发多语言基准、测试社会偏见、检测深度伪造并建立与全球南方相关的安全标准，实现这些需要大幅深化研究能力 [6] 印度AI发展六步举措 - 创建专门机构：国家AI发展组织作为非政府公共实体，政府持股26%，印度国家银行和人寿保险公司各持26%，IT行业持30%，其余由慈善和学术机构持有，可提供类似国家支付公司对数字支付的集中领导力 [7] - 每年提供2500亿至3000亿卢比（₹25,000 crore-30,000 crore）资金持续十年，集中于选定优先领域而非分散使用 [8] - 公共资助的模型、数据集和基准应公开可用，数据赋能与保护架构应以任务模式推广，正式采用可将AIKosh和Bhashini转变为健康、农业、教育和语音领域的可信数据共享平台 [8] - 使政府成为首个客户，创造需求并帮助有前景的印度AI解决方案规模化 [8] - 投资人才：设立1000个研究讲席、数千个博士奖学金（仿效2014年Vishveshwariah博士计划），并努力吸引海外印度研究人员 [8] - 扩大算力和芯片设计：扩大共享GPU访问、资助国家超级计算、通过Semicon India支持节能AI芯片，结合设计补助、制造准入和政府保证采购 [9] 印度AI自主知识产权战略 - 印度不能重蹈半导体覆辙，印度人才设计了世界级芯片但知识产权主要属于全球巨头 [10] - 印度必须紧急创建和扩展自有知识产权，服务于印度和世界 [10] - 印度不应竞相构建仅匹配世界最佳的AI，那是巨头拥挤的红海，其机会在于蓝海：能说每种语言并在人们手中数十亿设备上运行的AI [10]

文章核心观点 - 大模型训练进入新阶段：网上现成文本越来越难满足训练需求，行业开始从人类实际工作过程中收集数据，让模型学习专家的工作轨迹与判断方法 [3][4] - 数据生产已成为大模型训练中最重要的一环，重复琐碎的数据标注与示范工作支撑起百亿美元级的数据供应商市场 [3][4] - 中国模型公司在2026年初集体行动，将数据团队升级至核心管理层级，同时数十家数据供应商涌现 [4] - 数据需求从通用任务扩展到金融、法律、医疗、核物理、芯片设计等高价值专业领域，专家经验成为稀缺资源 [4][16] - 买家高价买断数据但必须清楚自身需求，供应商规模扩大后难以持续提供细分长尾数据，差距从对数据的敏感度和品味拉开 [19][20] - 训练模型的人也开始将自身工作交给模型，研究员大量时间花在清理样本、调整数据配比、编写评分规则上 [21][22] 数据生产的工作模式与参与者 - 成都中和与天津侯台等城郊老村镇聚集了大量为大型互联网公司训练大模型的人员，大多月薪不足1万元，每天核对事实、检查答非所问、打分比较优劣并亲手写示范 [3] - 模型要学的任务从财务分析、修改程序扩展到生物制药、芯片设计，人需为这些任务准备示范和评分标准 [3] - Anthropic被评价为"最大的创新就是数据"，2025年开始从律师等人类实际工作中收集数据：记录接到合同后查哪些法规、修改哪些条款、如何复核的全过程，整理成训练数据 [3] - 教授、科学家、投行和律所从业者开始兼职出题、写答案、演示操作、评价模型，参与者被戏称为"人奸"或"碳奸" [4] 中国模型公司的数据团队布局 - 腾讯混元负责人姚顺雨直接管理混元数据团队 [4] - 阿里将千问的数据团队交给集团合伙人委员会成员范禹 [4] - 字节在年中将Seed旗下Global Data团队升级为AI数据与安全部门，与Seed平行，服务所有大模型团队 [4] - DeepSeek绝大多数员工从事数据相关工作，梁文峰偶尔也会参与数据标记 [21] - 姚顺雨接手混元后重新清洗已有数据、迭代基础设施，使混元3 Preview明显超越前代；正式版再优化后训练数据、扩大强化学习规模后能力又有提升 [21] 数据供应商的市场格局与估值 - 2025年《福布斯》估算Surge AI价值约240亿美元；同年10月Mercor融资估值达到100亿美元 [4] - 有的创业公司只有两三个人，专为一个行业搭建强化学习环境，Anthropic一单就能包下它们一整年的产能 [4] - 2026年初以来中国出现数十家数据供应商，UniPat估值已达30亿美元 [4] - Mercor曾花费超过50万美元请金融、法律、医疗和管理咨询领域专业人士制作200道任务，平均每道开发成本超过2500美元，出题者有人曾在高盛、摩根大通和麦肯锡工作 [17] - Surge AI有超过400人的专家顾问团 [17] - 中国专家数据平台Humanlaya聚集约300个行业和学科的超过10万名专家，2026年获得高瓴、红杉中国、今日资本等机构投资，估值接近10亿美元 [17] - UniPat超过半数员工是大模型研究员，公司自己做模型、开发评测基准，也与大厂联合研究以预判需求、提前生产数据 [18] 数据需求的两大迫切类型 - 目前最迫切的需求是编程和工作两类 [5] - 编程数据有两种用途：练习评测集中的题目在排行榜拿高分，或学习实际任务如开发游戏、搭建3D模型；需求最旺盛时一些模型厂每天在编程数据上的投入可超过1000万美元 [5] - 工作数据要还原办公过程：从文件找资料、读懂邮件中的要求和期限、往表格填数字、编辑文档、查询网页和数据库、调用工具 [5] - 金融和法律行业经济价值高，大量任务在线上完成、以Office文件交付，是比较理想的训练环境 [5] - 数学、物理等有标准答案的数据仍用于探索能力上限，但"收不了太多钱" [15] 一条训练数据的构成与生产流程 - 以饮料公司杠杆收购测算为例，训练数据包括任务邮件、11份工作材料、要提交的3项成果、24个评分问题，资深专家完成用时约13.5小时，现有AI平均得分29% [8] - 专家需提供完整测算表、投资报告及当时用到的资料：收购双方信息、被收购公司经营数据（利润、经销商返利、销量、原料成本等）、行业报告、借款条件和收购条款 [14] - 专家要还原制作过程：读邮件确认收购价格和回报要求、查经营资料核对利润和返利支出、根据销量和原料价格估算收入与成本、填表计算借款利息和还本金额、调整价格和经营预期比较投资回报、最后提出建议，每一步都要说明查了什么、做了什么、为什么这样做 [14] - 专家还得写评分清单：哪些环节必须做好、哪些只是加分项、哪些错误会让整份作业不合格；再请另一位专家复核，两位专家按同一清单评分结果应基本一致，否则改标准；模型轻易拿满分的题会被筛掉 [14][15] - 任务邮件、原始资料、参考测算表和报告、操作记录、评分清单共同构成一条训练数据 [15] - 难的是还原真实工作：报告往往边写边改，中途会有新材料新要求，有些修改依据留在邮件和聊天记录里，有些只是专家凭经验作出的判断没有记录 [15] - 信息不全模型做不出未必是能力不够，把信息一次给齐它又学不到如何应对变化；越贴近真实工作、没有唯一答案的任务数据需求越大 [15] 数据定价与交易机制 - 一条人工数据售价从几百元到上万元不等，一批通常至少1000条，海外报价数字相近但单位换成美元 [16] - 任务越复杂价格越高，一份投资机构完整尽调案例包括投资意见底稿、财务模型和被投公司经营数据，报价可达5万元 [16] - 核物理、芯片设计等小众领域数据更稀缺，市面上一出现就会被抢走 [16] - 月之暗面训练K3时在海外买了一批用于芯片设计的电子设计自动化（EDA）数据，价格在数百万美元左右，K3技术报告展示了相关探索但官方定位为早期概念验证、披露的是仿真结果 [16] - 字节早期训练大模型时从内容审核团队抽人，还付钱请正式员工下班后写数据，内部戏称为"众包"；员工为AI陪伴产品猫箱编写对话，一条长数据有100-200轮，审核通过后报酬基本能上千元，有的人一个月能拿上万元 [16] - 字节如今通过Xpert平台招募专家，Seed STEM科学家计划邀请100位前沿科学领域学者 [16] - 一位在AI数据平台兼职的法律行业人士每月交付约40条数据拿到2万多元，平均每条约600元，第一次做一条花75分钟，熟悉后约半小时 [17] - 专家的头衔不等于数据质量，许多教授不亲自做实验难以还原硕士生博士生的一线操作；平台雇用既懂行业又懂算法的全职员工检查数据并挑出可重复使用的出题方法，10位专家交来的方案如果有5种能换材料换条件继续出题，就安排算法人员扩成50条、500条 [17] 大厂采购策略与验收标准 - 外部供应商愿意一份数据卖多家，但大厂普遍愿意支付3-4倍溢价永久买断或限时独占；今天合格的训练数据半年后可能只剩一成有用 [20] - 蚂蚁买金融数据时会把一个投研报告类需求拆成上百个案例、十多个子类，写清每类多少篇、案例什么样，"做蚂蚁的项目很多时候是亏钱的" [20] - 验收先看合规再看质量，字节明确禁止蒸馏和使用非法API；买家通常逐条读样本检查结论是否深入、输入文件是否有错、有没有空白文档 [20] - 一家模型公司的一号位曾问供应商文件格式名里多了一个空格、prompt里没写这个空格训给模型会不会有问题 [20] - 另一个办法是拿去训练看评测能否涨分，不涨通常就不会继续采购 [20] - 月之暗面拒绝过Surge AI提出的深度独家合作，知情人士称他们认为供应商规模大了交付会更多集中于通用任务，很难持续提供细分长尾数据 [20] 数据过时与灰色交易 - 数据能批量生产也会很快过时：一家大厂订购教模型修复代码错误的数据还没交付模型已从其他数据学会，任务执行系统更新也可能让修复代码变得更容易，这批数据就不值原来的价钱 [18] - 除大厂和头部创业公司外，小红书、米哈游、京东、九坤、蚂蚁等也有数据需求，各家进度不同，别家用过的数据起步晚的团队可能还用得上 [18] - 一些交易不在明面上：创业公司攒下模型厂商账号转卖API调用服务再出售调用产生的数据；另一些公司从模型公司内部人员手里买数据转卖给同行，经手人可能在算法、工程、基础设施或采购岗位，部分交易靠回扣维系，单笔合同数百万元乃至上千万元，内部人员从中分成 [18] 模型公司自产数据的困境 - 月之暗面研究员称编程任务分修复错误、开发功能、编写测试、重构代码、优化性能等方向，先做什么、怎样搭环境和验证结果团队起初没经验人手又少，"很多数据其实都是实习生自己拍脑袋做的，很粗糙" [19] - 公司开发编程命令行产品时想先让同事使用积累反馈，但内部真正用得上的不足50人；即使开放给付费用户高质量样本也未必多，一位大厂办公Agent产品经理称产品用的模型不是最顶级的、用户任务也不一定复杂，"有的时候几万条里才可能用到几条"，涉及工作文件和隐私数据使用也更谨慎 [19] - 外部出现更强模型团队就倾向于用其输出训练自己的模型减少人工数据生产，蒸馏难以继续带来提升时人工需求又会上升 [19] - 一位独立模型厂人士测算高峰期可能需要6000人生产数据，低谷期连2000人都用不上，总共只有几百人的模型公司不可能长期养着这样一支团队 [19] 数据从业者收入与激励错配 - 一位头部互联网公司研究员称公司一支团队做了1万条数据训练效果很好，很多参与者月薪只有8000-9000元，按18薪算一年不到20万元；同一公司算法人员年薪包则在1000万元左右 [21] - 效果上去了奖励主要给算法团队，数据做得好坏员工到手的钱差别不大 [21] - 履历耀眼的算法研究员如今也把大量时间花在清理样本、调整数据配比、编写评分规则上，这与他们入行时追逐新算法新架构的期待不同 [21] 强化学习与评分规则的挑战 - 2024年9月OpenAI发布o1、2025年1月DeepSeek发布R1，强化学习让模型在反复尝试中根据得分调整解题方式，数学有答案编程能测试，研究员期待模型从中学到推理再用到其他领域 [21] - 但会写报告、回客户邮件的好坏评判不像解题编程这么容易，模型还可能为拿奖励而"钻空子"：编造看似合理的过程骗过负责评分的模型，研究员只好回来改数据、改评分规则、补漏洞 [22] - 竞争压缩时间：最近一年多个公司后训练团队往往每一两个月就要发一个版本，研究员从早上10点半工作到深夜，休假也带着电脑 [22] - "本质上大家在技术路径、数据处理和质量上都拉不开代差，就看谁先发出来"，"很多事拖个两三个月做出来也没了意义" [22] - 为赶进度研究员指挥模型批量收集修改数据、让更强模型检查结果、自己盯着过程处理问题，模型越强能接手的步骤越多下一轮训练也能更快开始 [22] 模型接手研究员工作 - 2026年OpenAI在一篇介绍内部研发变化的文章里说编程Agent已深度参与研究员日常：写实验代码、跑测试、排查基础设施故障 [22] - Anthropic披露一次常规升级导致数万个训练任务崩溃，工程师把故障信息和集群访问权限交给Claude，模型逐项测试环境设置找出引发故障的调试开关、复现问题并验证修复，公司称这项通常需要人做两三天的工作模型用了约2小时 [23] - 一位工程师形容工作就是"面对一群Claude，每一个都在争夺他的注意力" [23] - 研究员把各行业专家的知识经验和判断做成数据训练模型接手他们的工作，现在模型要学的也包括研究员每天正在做的事 [23]

文章核心观点 - 赫励资本（Helios Venture）由壹心娱乐创始人杨天真与前阿里巴巴前沿科技投资负责人蒋珊珊共同创立，投资方向为AI、具身智能、核聚变、脑机接口等前沿科技领域，基金出资人覆盖头部互联网大公司及AI、具身、脑机公司等 [5] - 该基金尝试一种AI时代新基金样本：组织更轻、专业更深、更有趣、更善于连接人，通过内容发现创业者并让好公司被更多人看见 [9] - 蒋珊珊提出“投资能力是1，内容是后面的0”，内容帮助放大投资能力，今天要抢到最好的项目就得做好内容 [8] - 蒋珊珊将基金特点总结为三点：深度研究能力（核心是组织扁平化）、杨天真加入带来的品牌影响力、产业背景（每个行业选一个链主合作挖掘水下项目）[22] - 投资方法论为“精选加重仓”，投资理念追求长期主义，先选百亿或千亿美金大赛道再选最终能跑赢的公司（we pick the winner）[23] 一、基金创立与分工 - 蒋珊珊通过朋友找到杨天真请教如何为新基金建立影响力，杨天真主动提出两人一起做基金 [5] - 分工上，蒋珊珊主导投资，杨天真负责投资人关系、内容和影响力建设 [5] - 杨天真从艺人宣传与经纪起步，2014年创办壹心娱乐，此后涉足大码女装、短视频、直播和播客，其把经纪工作理解为一种投资：投入时间、精力和资源，发现有价值的人，帮助他们成长、扩大影响力 [5] - 做一只新基金是杨天真继娱乐经纪公司后个人投身的新板块，与之前的业务没有关联 [5] - 两人还在筹划一档科技播客，从科技与人的关系切入，蒋珊珊聊技术，杨天真让内容更轻松 [8] - 杨天真认为投资跟做经纪人本质一样，人生从事的所有工作都跟影响力有关 [13] - 杨天真天生对女性创业者更有好感，称蒋珊珊是研究型投资人，倾向做行业分析、看数据、做研究，性格不太爱社交，与自己非常互补 [13] - 蒋珊珊看中杨天真的有趣和“活人感”，其从a16z文章《New Media, One Year In》中记住两个词：interesting和活人感 [8][13] 二、蒋珊珊的从业背景与投资业绩 - 蒋珊珊2018年加入阿里，曾任战略投资部董事总经理、前沿科技投资负责人 [8] - 过去三年在阿里主导投资了十余个前沿科技项目，累计金额超过百亿元人民币 [8] - 代表项目包括月之暗面、Sharpa、Vivix、苏度科技、原力灵机、逐际动力、星动纪元、墨奇智能、诺瓦聚变和阶梯医疗等 [8] - 蒋珊珊复盘认为出来晚了，应该年初就出来，那是资本市场信心最强的时候 [19] - 蒋珊珊认为现在对基金是个非常好的Vintage（基金年份），接下来市场可能调整，调整完以后做投资Valuation（估值）会非常好，可以用更合算的价格投资 [19] - 蒋珊珊表示有VC找其加入，但还是想试一把，打工什么时候都可以，创业的时间窗口一辈子也没几个 [20] 三、阿里八年经验与投资方法论 - 阿里带给蒋珊珊的第一点是产业终局思维，作为战略投资经常要想如何帮助业务打赢，从投资视角看要具备什么核心能力的公司才能打赢，不会见一个投一个 [20] - 蒋珊珊倾向投那种首先各方面没有短板、其次有一个长板的公司，因为打赢一定要有一个长板 [20] - 第二点是阿里平台提供了做前沿科技投资的机会，单个项目投过一两亿美金的人与没有投过的人承受的压力绝对不一样 [20] - 蒋珊珊的投资风格是都看一遍，然后选一个在核心胜负手上最强的公司 [20] - 大模型早期判断：做好大模型就是算法、算力、数据和商业化四个胜负手，第一阶段技术发展期算法能力最重要，当时Kimi的人才密度最高所以选择投资 [21] - 具身智能行业最终算法和硬件的工程化能力是打赢的胜负手，Sharpa的硬件工程化能力很强，三个创始人互补，是一支90分团队，非常第一性原理思考，具备硬件产品的创新能力 [21] - 蒋珊珊喜欢选人品好、有技术背景、特别聪明且认知强、求极致的创始人，认为人的智商有1、3、5三类，自己属于中不溜的3，喜欢选5的创始人 [23] - 人品决定是否长期主义，认知强的创始人除了聪明往往还有第一性原理的思考方式和深度思考能力，这类人很稀缺 [23] 四、赛道选择与项目判断 - 蒋珊珊看过上百家AI应用公司最后都没有出手，同意选赛道优先于看人，要在最大的赛道里面选最好的人，再在里面选90分的团队 [24] - 一些AI应用能跑出来但壁垒比较低就意味着红海，AI应用的需求一直在，但可能在大厂手里和模型应用一体化了 [24] - To C方向，生产力工具和娱乐两个方向大概率都是大厂或者模型公司的赛道；To B可能会有机会，比如harness特别复杂的AI应用，或者Agent Infra类的公司 [24] - 蒋珊珊大概2023年开始看具身，那时候没人抢，1亿美金就可以投；看核聚变、脑机的时候也没人抢 [25] - 蒋珊珊一般会比别人提前一段时间，在赛道没那么火的时候进去 [25] - 蒋珊珊认为AI for Science、AI制药是非常大且值得看的赛道，未来整个产业链都会重构 [25] 五、内容与影响力的行业判断 - a16z今年6月发布的文章《New Media, One Year In》指出，今天新媒体帮助创始人直接面向受众，“要赢，你必须直接面向受众；而要直接面向受众，你必须有趣” [9] - 注意力越分散，传播能力就越重要，过去一家创业公司可能一两家媒体报道就OK，但现在需要在茫茫人海中抢夺注意力 [9] - 不是每个创始人都适合做个人IP，赫励会根据企业需要提供整体营销策略和创始人形象管理的专业支持 [9] - 蒋珊珊认为扁平的组织是如今一只新基金的必备要素，负责人必须亲自研究技术、接触创业者，才能在充满不确定性的前沿科技中作出更准确的判断 [9] - 蒋珊珊认为3.0时代的VC一定是扁平化的，一号位如果自己不懂技术、不在前沿看，很难做决策 [22] - 杨天真认为现在的科技内容只有科技没有人文，想做的科技播客代表科技与人文，让不理解科技的人理解世界发生什么，而不是恐惧和焦虑 [16] - 杨天真认为好内容越来越是稀缺资源，一家新公司进入市场需要在茫茫人海中抢夺注意力，一切成本都很高，能助力节约成本或加快速率就非常有价值 [17] - 蒋珊珊认为机器人赛道需要做一定的PR，是因为整个赛道没有明确的评判标准；如果一个赛道的尺子已经非常明显比如大模型，就不用出来表达，模型就是表达 [18] - 蒋珊珊强调把事情做好是1，传播是后面的0，起势的时候可以做PR，但始终要知道初心是什么，不要迷失在内容和宣传里 [18] - 蒋珊珊认为今天品牌和影响力非常重要，作为基金行业晚辈要选择一些别的路径，才能在市场上拿到最好的项目 [15] - 蒋珊珊的个人品牌在硬科技创业者里比较有影响力，过去三年见了几百家公司后的人脉非常广 [24]

美股大盘整体表现 - 11月5日美股三大股指开盘后持续下挫，截至北京时间23:09，道琼斯指数跌0.93%，标普500指数跌1.85%，纳斯达克综合指数跌851点、跌幅超3% [1] 美股科技巨头表现 - 美股科技巨头普跌，特斯拉一度跌超10%，市值较上一交易日蒸发超1535亿美元（约合人民币10242亿元），SpaceX跌超7%，英伟达跌超4%，苹果涨近1% [3] 美股芯片与光通信板块 - 美股芯片、光通信股重挫，费城半导体指数跌超8% [4] - 闪迪大跌超13%，AMD、Lumentum跌超10%，Coherent跌超9% [4] - 高通、迈威尔科技、SK海力士、美光科技跌超8%，英特尔、台积电跌超6% [4] - 个股具体跌幅：闪迪报901.550美元跌13.10%，超威半导体报435.680美元跌10.86%，朗美通报563.500美元跌10.09%，COHERENT报175.915美元跌9.83%，美光科技报724.615美元跌8.88%，高通报158.030美元跌8.75%，迈威尔科技报146.463美元跌8.35%，SK海力士报131.520美元跌8.07%，英特尔报54.210美元跌6.97%，台积电报371.140美元跌6.22% [5] 中概股表现 - 中概股方面，纳斯达克中国金龙指数涨0.36% [5] - 名创优品涨超6%，小米集团-ADR涨超5%，网易、金山云涨超4%，京东集团、比亚迪-ADR涨超2%，阿里巴巴、拼多多涨超1% [5] - 个股具体涨幅：小米集团-ADR报19.700美元涨5.07%，网易报126.850美元涨4.61%，金山云报8.340美元涨2.96%，京东集团报28.460美元涨2.63%，比亚迪股份-A报9.530美元涨2.25%，阿里巴巴报106.535美元涨1.18% [6] 大宗商品与加密货币 - 国际油价持续走高，布油最新报97.63美元/桶（涨3.18%），美油报90美元/桶（涨2.18%） [6][7] - 现货白银由涨转跌，跌0.40%报51.99美元/盎司；现货黄金涨幅收窄至0.87%，最新报4095.45美元/盎司 [6][7] - 加密货币主要币种跳水，比特币跌破7.9万美元/枚，报78802美元（24小时跌0.57%），过去24小时全市场超11万人爆仓 [7][8] - 其他加密货币：ETH报2363.23美元涨0.40%，SOL报93.66美元跌1.06%，HYPE报80.518美元跌6.67%，XRP报1.2862美元跌1.57%，ZEC报1280.87美元跌2.83% [8] AI监管担忧对数据中心相关个股的影响 - 政治不确定性缓解提振风险偏好，但市场担忧人工智能监管趋严，数据中心相关个股股价大幅下挫 [8] - 民主党候选人大多主张"放缓AI发展"，尤其要审查大规模数据中心建设 [8] - 申万宏源证券首席经济学家赵伟提醒，民主党拿下两院将令AI监管压力上升，民主党将获得更多调查、拨款和人事任命审查权，但多数普通法案仍需参议院60票并面临总统否决权约束；市场可能将横扫看作2028年政党轮替的前兆，提前计入加税和加强AI监管的风险 [8] 未来AI收紧政策预期 - 市场担心民主党或推动四类AI收紧政策：限制数据中心扩张（民主党议员桑德斯提出暂停AI数据中心建设的极端主张）；要求数据中心全额承担电网接入费用；对数据中心及AI服务加税；保留州级监管权并加强调查 [9] - 相关措施若落地，可能推高AI投资成本并延长建设周期 [9]