1.重估英伟达：华尔街开始剔除“黄仁勋溢价”
黄仁勋正式离任后，华尔街主要投行密集调整英伟达估值。伯恩斯坦将目标价从400美元腰斩至200美元，评级由跑赢大盘下调至与大盘同步；高盛从300美元降至220美元，花旗从285美元降至225美元，加拿大皇家银行（RBC）从330美元降至230美元，巴克莱从275美元降至210美元。Evercore ISI将目标价从465美元大幅下调至186美元，贝尔德此前已将目标价从500美元削减至200美元。与此同时，摩根士丹利虽然将英伟达移出首选股名单，但保留增持评级和300美元目标价；Raymond James甚至维持515美元目标价。华尔街对英伟达的估值分歧显著扩大。机构的共同判断是：短期盈利尚未发生根本变化，但估值倍数必须重新计算。高盛分析师James Schneider维持10美元的每股盈利预测，却将目标估值市盈率从30倍下调至22倍，认为黄仁勋离任将在战略、组织和监管层面带来不确定性。伯恩斯坦分析师Stacy Rasgon也未明显改变盈利预测，却大幅压缩估值。支持维持买入评级的机构认为，英伟达未来12-24个月的订单积累和未来两三年的产品路线图，可以缓冲CEO突然更替的影响。但2028年以后的客户锁定、下一代系统架构以及AI生态融资，可能受到更持久的影响。
2. OpenAI推出ChatGPT钱包：每笔交易仍须用户授权
OpenAI正式推出ChatGPT Wallet，与American Express、Mastercard和Visa合作，为智能体提供支付能力。用户只需添加一次银行卡，智能体就可以在支持的商家网站上执行购买流程；每次付款前，用户仍须核对商品、金额和银行卡，并通过Face ID、指纹等方式授权。支付网络随后生成替代真实卡号的支付Token，智能体和商家不直接获得用户原始银行卡信息。产品目前通过OpenAI的dots推出，首批面向美国18岁以上、持有符合条件银行卡的ChatGPT Pro用户。
3. 美联储报告：87%受访者认为AI是金融稳定风险，相关债务发行达6800亿美元
美联储发布2026年11月《金融稳定报告》。其中一项调查显示，87%的金融市场受访者将AI列为未来12-18个月美国金融稳定的重要潜在风险，高于今年春季的50%，排名上升至第一。本次调查来自纽约联储在9-10月征询的23名市场人士，包括银行、基金、券商及咨询机构专业人员，并不代表87%的美国金融机构或普通公众持有这一观点。报告还首次集中讨论数据中心建设的杠杆风险：2026年截至10月，先进计算相关债务发行超过6800亿美元，约为2023年全年的五倍；这类融资占今年非金融投资级公司债务发行的约31%，2023年不足6%；截至10月，相关公开债务存量估计超过1.1万亿美元；部分大型科技公司尚未开始执行的租赁承诺超过1万亿美元，其他采购、担保等合同承诺超过2万亿美元。
4. Anthropic IPO，中国内地及香港机构投资者遭遇配售限制
在Anthropic IPO路演中，一些来自中国内地及香港的机构投资者发现，承销银行拒绝接收认购，或告知其获得股份配售的可能性很低。部分限制被解释为与美国《国际武器贸易条例》（ITAR）及国家安全敏感性有关。Anthropic目前正在进行公开发行，计划11月18日定价、11月19日上市。此前披露的约六倍初步超额认购。部分投资者据报尝试通过离岸信托或特殊目的载体参与，但最终能否获配仍不明确。
5. OpenAI解散独立机器人团队：突破押注通用大模型
OpenAI已解散独立的机器人研究团队，相关研究人员转入首席研究官Mark Chen负责的核心研究部门；应用机器人与硬件团队则并入由总裁Greg Brockman领导的Applied组织。OpenAI强调机器人仍是公司的长期重点，调整旨在加快研发，而不是放弃机器人，正在把机器人研发与通用模型能力的提升更加紧密地结合起来，尝试减少语言、视觉、行动模型之间的独立开发边界。这对具身智能领域提出一个重要问题：未来机器人能力的主要突破，究竟来自机器人专用基础模型，还是来自通用多模态模型及其后训练？不同答案将影响机器人企业的模型研发投入、数据建设和合作模式。
6.
模型权重透露Blackwell特征：涉及DeepSeek、Kimi、MiniMax和蚂蚁集团六款模型
研究者Will DePue通过Unemployment Labs发布一份模型权重取证报告，在DeepSeek、月之暗面、MiniMax及蚂蚁集团的六款中国模型中，发现与英伟达Blackwell架构相匹配的数值初始化特征。涉及模型包括DeepSeek-V4-Flash和V4-Pro、Kimi K3和K3.1-Pro、MiniMax M3以及Ling-3.1-flash。研究者利用公开模型权重反推初始化数值，并在实际Blackwell芯片上复现其中两个模型的特征。这些特征支持模型初始化使用Blackwell芯片的判断，但不能单独证明完整训练过程都在Blackwell上完成。模型公开权重可能保留可以反向识别底层训练硬件的数值痕迹，为AI模型的来源审计和训练基础设施分析提供新方法。如果得到更多独立复现，模型供应链透明度可能出现一种新的技术检验工具。
7. 清华发布3.8亿细胞蛋白组基础模型ProtCell，摩尔线程S5000完成全流程预训练复现
摩尔线程披露与清华大学自动化系江瑞课题组合作的科学发现成果：研究团队在国产GPU MTT S5000上完成单细胞蛋白组基础模型ProtCell的全流程预训练复现，与国际主流GPU平台训练出的模型相比，主要下游定量评测指标差异约0.2%。相关代码已经在GitHub开源，包含基于MUSA软件栈的训练入口。ProtCell汇集约3.8亿个细胞、98个公开数据集用于预训练与评估，采用融合蛋白身份和连续丰度信息的Transformer架构，通过掩码丰度建模学习细胞状态及蛋白之间的关系，能够整合不同实验的蛋白检测数据、重建部分被遮蔽的蛋白表达，并推断未直接测量的蛋白特征。为AI虚拟细胞及疾病机制研究提供了新的技术工具。
