1、全球市场波动与AI发展现状

全球市场近期动荡特征：近期全球市场波动核心触发因素包括资金面负反馈、政策刺激预期降温、AI信用风险等，接下来两周需重点关注美联储中期选举、三季报等重要事件。港股当前已处于极端位置，其中恒科指数完全跌回924水平，风险溢价相当于2025年4月对等关税大跌后的位置。对市场走势可形成三级判断：一是短期维度，技术型反抽非常容易实现，上周五已出现典型反抽行情；二是长期维度，当前市场10来倍估值，放在3-5年维度看具备明显吸引力；三是中期维度，低估值无法对1个季度到半年的相对走势形成绝对支撑，中期走势依赖居民资产负债表修复，短期和长期判断逻辑差异较大。

AI行业调整的核心原因：2026年7月以来全球科技主线持续调整，表层触发因素包括美债利率上行、成本抬升、AI信用风险等，不断走高的成本持续侵蚀市场分母端，对前期预期较高的领域冲击尤为明显。调整的核心本质是市场担忧AI带来的回报无法支撑其所需的大规模投资，当前市场情绪担忧的典型折射是OVID的CDS已升至12%，隐含未来5年违约概率超过60%，同时高收益债利差上行速度远快于投资级债券，本质是担忧以AR25为代表的AR增长放缓，这一担忧和去年4季度未看到AI进展时的情绪如出一辙，当时阿波罗基金出问题就是典型案例。当前AI板块尚未出现太多提振市场的催化剂，典型案例是Meta公布业绩后上调资本开支，反而因融资需求引发股价大跌，当前中美AI都已走到关键发展节点。

AI发展关键节点与中美差异：当前中美AI行业均进入融资驱动的关键节点，核心特征是经营性现金流无法覆盖投资需求，自由现金流转负，需要通过借贷满足投资需求。借贷投资本身不存在必然问题，只要ROIC高于融资成本，就能通过杠杆撬动更高的回报和ROE，例如头部云厂商ROIC达15%-20%，远高于6-7个点的融资成本，此类借贷具备合理性。但AI行业开始汲取全社会资源时，会对传统需求形成挤出效应，需要判断AI带来的正外部性是否能够覆盖挤出效应，找到两者关系从正相关转向负相关的临界点，即可判断AI行情的支撑时长和政策拐点。中美AI发展存在明显差异：一是中国AI行业的ROIC相对更低，相对回报不足；二是中国信贷等资源分配不完全市场化，更侧重长期战略发展目标，会进一步摊薄短期回报，导致ROA、现金流更快转负，对传统需求的挤占更明显。2021年以来信贷资源持续向AI倾斜，今年居民端获取的资源明显减少，是内需偏弱的重要原因之一。

2、AI的正外部性分析

经济部门划分与中美差异：围绕AI将经济划分为四大部门，便于分模块核算正、负外部性：第一类为AI生产部门，涵盖大模型、数据中心、软件等AI生产相关主体，可简单理解为算力板块；第二类为基建部门，指电力、建筑、化工、建材、机械等广义基础设施领域，划分过程中无法完全剥离建材、化工领域的传统需求（如地产相关需求），仅做大体归类；第三类为应用部门，即AI使用主体，包括软件、金融、专业研发、医药、短视频、短剧等领域；第四类为与AI相关性较低的部门，相关性划分无严格标准，仅做整体区分。
测算结果显示，中美两国AI相关与非相关部门的规模整体为五五开，但AI生产、基建、应用三类核心相关部门的结构存在明显差异：美国AI生产（算力、模型等）、应用部门的贡献占比更高；中国基建部门的贡献占比更高，该差异符合市场普遍认知。

AI正外部性三大维度：AI的正外部性主要体现在拉动投资出口、财富效应、提升劳动生产率三个维度，中美在各维度的表现存在明显差异：
a. 拉动投资出口维度：AI可直接拉动投资、出口及资本形成，短期增长拉动效果显著。中国今年经济增长主要靠出口，出口中多数为AI相关集成电路等产品，AI贡献15个百分点的出口增速，占进出口对GDP贡献的20%，扣除绿电后剩余出口增长动能基本均来自AI相关领域，是AI资本开支大幅增长的直接结果；目前AI资本开支预计2028年仍处于加速阶段，若2028年出现降速预期，2027年下半年出口增长可能承压。美国二季度AI对经济增长的贡献约为30%-50%（已扣除进口电子元器件、存货等拖累项），美股50%的盈利来自AI，扣减AI相关盈利后美股盈利将减半；中国A股AI相关盈利占比约20%，港股不足5%，AI对中国的贡献更多体现在收入（GDP）端，扣减AI相关贡献后中国经济增长将减半。
b. 财富效应维度：美国居民含权类资产占比接近50%，学术测算显示每增加1美元股票财富可拉动3.2美分消费支出，AI带动美股上涨的财富效应传导至消费端的效果明显；中国居民含权类资产占比约5%，叠加今年以来股市中位数收益表现不理想，财富效应传导效果较弱。
c. 提升劳动生产率与知识外溢维度：AI可直接提升生产效率，任务完成时间平均缩短80%，短期效果已显现，同时会推高长期自然利率、带动资本开支与token调用量增长，当前AI在各行业渗透率持续提升；长期来看AI的知识扩散带来的消费者剩余远高于移动互联网等过往商业模式变革，正外部性乘数效应显著，属于覆盖面更广的社会性长期正外部性。

3、AI的负外部性分析

实物与金融资源挤占：AI发展会持续挤占全社会各类要素资源，今年该挤占效应更为明显且规模将逐步扩大，同时还将约束政策调控空间。首先是实物资源挤占逻辑：大量化工、芯片、存储、电力等实物资源持续投向AI算力领域，美国数据中心耗电量占比不断提升，直接挤占传统行业可用资源，推高其他部门要素资源边际成本，该效应可通过存货价格上涨、PPI变动得到验证。其次是金融资源挤占，分价格与量两个维度体现：
a. 价格维度：扣除油价走高、通胀上行等供给扰动因素后，AI需求激增仍是金融资源挤占的核心原因，美国30年按揭利率达7.5%，高于6%的税前租售比，对地产需求形成明显压制；美国中小企业融资利率达8.2%，而AI行业ROA仅为15%~20%，普通小企业盈利水平远低于该利率，全社会融资成本持续水涨船高。
b. 量的维度：AI行业的巨量发展将挤压其他领域融资额度，明年市场预期AI相关数据中心云厂商将发行数千亿债券填补融资缺口，与国债、其他部门发债需求形成直接竞争，是8月美债风暴的核心担忧来源。
中美资源挤占表现存在明显差异，中国的资源挤占更多体现在财政与信贷资源领域，信贷资源投放带有较强政策导向，去年10月以来中国居民端信用大幅收缩，信贷资源持续向AI相关领域倾斜。

政策约束与就业影响：AI发展形成的资源挤占效应直接约束政策调控空间，当前中美经济均呈现K型分化特征：美国科技板块增速高企，但消费、地产等传统部门低迷，按照传统货币政策框架本应降息托底地产等弱部门，但受AI相关通胀压力影响美联储仍需加息，政策空间被显著挤压。中美政策空间的核心差异体现在两点：一是资金来源不同，美国今年利率抬升主要由实际利率贡献，期限溢价波动幅度较大；二是政策目标函数的容忍度不同，中国的资源挤压更多体现在财政和信贷结构层面，而非美国的利率和货币政策层面，政策容忍的临界点是后续观测的核心指标。
就业端，AI对就业岗位的替代主要集中在科技编程、金融等专业性岗位，存在区别于常识的特征：专业部门虽然裁员规模更大，但在岗人员的工资增长速度更快，主要体现为经验溢价，刚入职的年轻人无经验溢价，其岗位可完全被AI替代；未来随着AI技术迭代，可被替代的知识溢价门槛将持续提升，年轻人求职难度将进一步加大。

4、AI临界点测算与政策边界

美国临界点测算：测算核心为明确AI对经济影响从正向转为负向的边界临界点，分别从利率端、实体成本端两个维度展开。利率端测算基于美国经济中AI相关与非相关部门的规模、贡献均为五五开的结构假设，分别测算两类部门的利率承受上限：科技部门可承受7%的利率，传统需求部门可承受4%的利率，加权后得出10年美债利率的综合临界点为6%。当前10年美债最高仅触及5.3%，若后续升至5.5%-6%以上区间，外部环境将出现明显压力，甚至引发整体经济衰退，届时美联储理应启动降息，核心逻辑是AI领域的正向外部性将无法抵消其对其他部门的挤出负外部性。实体成本端的影响存在明显部门分化：美国作为石油净出口国，油价上升时石油部门将获益，AI基建部门、生产部门受成本上升的负面影响较小甚至获益，仅应用部门会承受明显压力，整体实体成本阈值较高，实体成本整体上升50%才会导致经济转向，当前对经济的核心影响路径仍为金融条件即利率变动。

中国政策容忍边界：中国的政策容忍度无法仅靠单一量化指标测算，需结合长期战略目标、短期发展情况、资产负债表状况等多维度综合判断。第一维度为整体增长目标，锚定2035年长期增长目标倒算短期增长下限，当前出口贡献20%的增长形成托底力量，短期增长压力相对可控。第二维度为就业与整体社会稳定目标。第三维度为资产负债表状况，若资源投向回报率较低的项目，最终将转化为债务或无效产能，当前非金融部门杠杆率偏高，财政空间并非市场预期的无限充足，不管是银行债务还是地方政府债务，最终都将关联中央资产负债表。综合来看，长期战略层面明确聚焦自主可控、科技创新，因此政策对短期波动的容忍度更高，整体政策转向或财政大规模发力需要更长时间、更多触发条件。中期维度信用周期将维持相对震荡走势，结构上定向向科技领域倾斜，已出台的一系列政策均体现该导向。恒科反转的核心前提是居民资产负债表修复，而居民资产负债表修复依赖财政发力与方向转向。

AI压力指数与配置参考：最新高频指标显示，AI压力指数持续走弱，该走势已被市场充分定价，走弱的核心原因是新模型、应用调用等落地进展不及预期，同时融资端持续承压。已完成大类资产与板块层面的赔率、胜率更新：板块层面赔率、胜率变化有限，资产端受恒科、创业板波动较大影响，恒科、创业板的赔率出现明显变化，相关数据可作为资产配置的参考依据。

5、金融街论坛货币政策解读

降息预期的分层理解：市场对降息的预期存在明显分层，不同群体关注重点差异较大：a. 债券投资者重点关注短端资金利率变动，只要隔夜回购、7天回购等短端利率下行，无需进一步传导即可对债券市场形成利好；b. 实体经营者与股票投资者重点关注全口径利率中枢下行，覆盖10年期国债利率、资金利率、存贷款利率等多维度利率下移；c. 部分投资者重点关注降息释放的政策信号导向，将利率变动视作政策风向参考。2026年10月以来市场降息预期快速升温，国债利率持续下行，该阶段市场对"降息"的定义差异较大，笼统使用"降息"表述并不严谨，需结合调整的利率范畴判断实际影响。

本次政策调整核心内容：本次金融街论坛推出两项核心政策调整：a. 研究择机将公开市场主要操作品种从7天切换为隔夜，市场普遍认为该调整将推动隔夜资金利率的水平及波动程度向宽松方向发展，打造波动更小、锚定更清晰的短端利率操作框架；b. 推动贷款利率定价基准市场化改革，并非强制切换定价基准，原有LPR基准仍可正常使用。政策影响方面：存量挂钩LPR的贷款利率受本次调整影响极小，对银行息差的一次性冲击相对有限；新增贷款利率由市场供需决定，当前融资需求偏弱背景下，新增贷款利率大概率保持缓慢下行趋势。

后续政策走势判断：当前政策处于上一轮政治局会议、9月底国常会之后的货币财政双宽松执行阶段，本次金融街论坛的政策调整属于既有政策框架内的改革措施，并非新一轮货币政策宽松信号，不宜将其简单等同于"降息"，更不应过度炒作降息预期。当前政策关注重点为财政端落地节奏，今年四季度剩余待发债务若集中发行，财政净融资同比增量将处于较高水平，可同时支撑今年四季度及明年一季度的经济增长。后续市场核心观测变量为财政力度，其强度将直接决定长端国债利率水平、经济活跃度及股市风格：若明年财政发力积极，叠加银行此前国债承接规模较高，利率大概率出现回升；若明年财政力度偏弱，当前利率偏弱的态势将延续。

6、日本地方银行风险成因与演变

风险形成背景：国内对日本泡沫经济存在普遍误解，实际泡沫时期推动资产投机的核心主体是企业部门而非居民部门，大量实体企业（包括制造业企业）参与土地、房产、股票投机，银行通过地产抵押方式为这类投机活动提供融资。1990年前后日本资产泡沫崩溃，土地与股价持续下跌，一方面银行持有的地产抵押价值缩水，另一方面企业偿债能力不断恶化。银行未在泡沫破裂后即时确认全部损失，反而为经营困难企业追加贷款，通过借新还旧维持企业运营，导致不良资产层层积累，共分为三层：a.泡沫经济时期为投机活动投放的资金形成的不良贷款；b.泡沫破裂后为延迟确认损失追加投放的贷款；c.日本经济长期低迷过程中新增的企业违约，整体风险处置过程持续十余年。日本地方银行占银行业总资产、贷款余额、不良债权总量的比例约为1/3，虽不是整个金融体系的主体，但在区域经济和中小企业融资中发挥重要作用。

风险演变与处置滞后原因：日本地方银行风险暴露存在明显滞后性，1990-1991年资产泡沫破裂后，实体经济未受显著负面冲击，金融机构未出现大规模破产，1997年是风险集中暴露的关键节点，当年日本第十大银行、第四大券商相继破产，1997到2001年的5年间金融风险集中爆发，日本自此陷入低增长与通缩周期。风险未得到及时化解有两大核心原因：a.对金融风险的认知不足，泡沫经济刚破灭时，市场普遍认为经济下行是暂时的，未来资产价格会随经济复苏回升；b.传统“护送船队”金融监管模式失效，该模式原本通过统一定价等规则避免银行过度竞争，80年代日本推进金融自由化后，银行竞争持续加剧，催生逆向选择、道德风险等问题，最终导致金融风险集中暴露。

7、日本地方银行风险处置案例

风险处置体制特征：日本地方银行风险处置权99%集中在中央政府，地方政府仅参与地方经济稳定相关工作，不主导地方性银行破产处置。金融厅、存款保险机构、整理回收机构是风险处置过程的主要参与方，该体制与中国存在明显制度差异。以足立银行处置为例，处置工作由中央金融监管体系主导，前后耗时约一两年，处置过程中几乎未与当地立木县政府开过会，全部在国家金融体系内完成，印证了金融监管首要权力收归中央、与地方关联度较低的特征。

足立银行国有化案例：足立银行是日本立木县最重要的地方银行，2003年因不良债权持续恶化陷入资不抵债，该行存款、贷款规模均占立木县整体市场的50%，若倒闭将对当地企业融资、居民存款、支付结算造成严重冲击，日本政府因此对其实施临时国有化，处置分为三步：a. 由国家接管银行，维持正常营业，保障居民存款、企业贷款等金融服务持续供给；b. 剥离不良资产，通过整理回收机构分批收购银行不良债权，后续通过债务重组、抵押物处置、企业再生等方式完成资金回收，帮助银行摆脱不良债权包袱、恢复信贷能力；c. 完成经营重组后引入民间资本，实现政府退出。该案例最终由野村集团作为投资财团承接，完成银行再度民营化，目前已恢复正常运营。

济阳银行兼并重组案例：该案例为未破产前提下的提前风险处置样本，和歌山银行在泡沫经济破裂后出现盈利能力下降、不良债权问题，2006年不良债权率达11%，虽未资不抵债，但独立经营能力已明显下降。日本政府主导由当地规模更大的济阳银行兼并和歌山银行，同时依据金融功能强化法向合并后的金融集团提供315亿日元公共资金，用于处置不良债权。合并后银行可剥离冗余业务，优化重复网点、后台系统、人员配置，经过数年调整后济阳银行逐步恢复盈利，已全额偿还政府提供的315亿日元公共资金。该案例经验表明，银行风险处置无需等到破产后启动，通过提前兼并重组、配套适当公共资源可平稳化解风险。

8、日本风险处置经验与启示

日本处置核心经验：日本90-91年股价、房价崩盘，若在93-94年就提前建立相关制度、防范坏账，可能就不会爆发后续金融危机，受损程度也会更轻。日本直到1997年才建立完善的公共资本注入、不良资产收购、临时国有化等处置制度，这一教训凸显了早处置的重要性。日本地方银行风险处置的三点核心经验如下：a. 风险识别和监管干预时间尽可能前移，越早处理风险，造成的负面影响越小；b. 重视地方银行对当地企业的经营支持，即便地方性银行出现问题，也必须维持其存款、贷款等日常经营功能，否则会对当地实体经济运营造成极大冲击；c. 针对不同金融机构采取差异化风险处置方式，对仍具备经营能力的银行，可通过兼并重组、资本补充的方式改善经营状况，对资不抵债的银行则需要国家采取措施介入处置。

对中国的借鉴意义：中日金融体系存在显著差异，中国大型银行以国有银行为主，在行政协调、流动性支持和风险承接方面与日本有极大不同。1997年日本第十大银行和第四大券商破产后，其他金融机构普遍担忧同业存在不良债权及破产风险，引发极端同业挤兑，即便隔夜资金层面也不愿拆借，最终导致金融流动性断裂，触发金融危机，带来日本长期的低增长和通缩。中国因国有银行占比高，爆发此类同业挤兑风险的概率远低于日本，但中国地方金融机构与地方政府关联度较高，因此处置地方金融风险需要中央金融部门协同地方政府、股东等多方主体，从一盘棋的角度出发，尽早识别、尽早处置相关风险。

9、特斯拉ROSE2技术与投资方向

ROSE2性能与技术亮点：特斯拉新一代高性能电动跑车ROSE2于2026年10月16日发布，定位兼顾公路与赛车使用场景，核心性能参数表现亮眼：百公里加速仅需0.81秒，最高时速超230英里，计划2028年量产，目前中国官网已开放预定。该产品最大看点为SpaceX航天技术的跨界赋能，首次将高压储气、冷气推进、姿态控制等航天领域技术引入汽车产品，车尾配备4台推进器，总推力超80千牛，过弯时可提供2G加速度支撑，打破了传统汽车依赖轮胎附着力的性能限制，可实现短时离地、空中翻转等特殊运行状态，大幅拓展了汽车性能的边界，是航天技术向汽车产业迁移的标杆性事件。

相关投资增量方向：本次技术迭代将带动三大明确的投资增量方向，具体如下：a.轻量化领域：为满足特殊运行场景下的减重需求，座椅、底盘等部件对一体化成型减重技术、轻量化结构件提出了更高的技术要求；b.线控系统领域：产品全面采用线控制动、线控转向、电子油门等电子控制方案替代传统汽车的机械传动结构，将直接带动执行器、传感器（惯性导航模块、控制单元等）的配套需求增长；c.喷气推进领域：高压空气存储、动力分配相关环节将迎来新增需求，储气罐、阀件、气路控制部件等赛道受益确定性较强。随着航天技术向汽车产业迁移的趋势逐步落地，相关技术应用将持续推广，具备对应技术积累的中国汽车零部件企业将迎来明确的发展机遇，当前已受到市场较高关注。

10、人形机器人产业与配置建议

技术范式突破：当前人形机器人技术范式实现核心突破，通用基础模型正改写行业原有假设，核心起点为OpenAI的ChatGPT，在实验室未做任何机器人专用微调的情况下，仅喂入视觉、机器人状态、本体几何信息即可直接输出动作，生成动作的成功率达66.3%，叠加上下文及工具支持后可提升至74.8%，远高于此前派0.5模型的28%。这一突破打破了行业此前认为机器人获得泛化能力需先训练独立基础模型、再堆叠海量专用数据的固有认知，证明足够强的通用技术模型本身已涵盖大量三维空间物理关系、任务拆解及世界知识经验，后续仅需补充身体结构、动作空间及上下文即可直接参与决策，实现认知世界与物理世界操作的打通。此外技术范式变化并未导致通用基础模型吞噬VLA及世界模型，通用模型持续向技术下层渗透，小脑功能不会消失反而会更加专业，目前海内外厂商技术进展均朝该方向推进。

产业布局与行情驱动：海内外巨头均已加快人形机器人领域布局：海外层面，OpenAI已决定自研人形机器人；谷歌deepman走完整分层路线负责高层推理，Robotics Robotics负责LVROA及全身控制，端侧模型负责低时延执行；英伟达推动Isaac体系加Universe平台，供大量机器人企业使用其基础设施；本体厂商中Figure的Helix X2已实现视觉直接生成动作，波士顿动力艾特进入量产部署阶段，已在现代汽车场景落地。国内层面，阿里千问、字节等厂商均沿该技术方向布局，国内语速、资源等本体厂商也提出明确出货目标，同步推进真实数据积累。行情维度，过去3年板块行情围绕特斯拉尤其是Optimus量产信息做波段交易，2026年初至10月第三周受特斯拉三代产品延后影响，板块深度回调30%-50%，个股回调幅度更大，处于绝对底部。本轮行情核心驱动为OpenAI等大厂的大模型技术投入、英伟达相关测试支撑动作成功率提升，市场对产业化节奏预期更为乐观，量产瓶颈将从模型转向数据，机器人数据需从真实世界采集，真人操作、数据回传环节重要性凸显，本轮交易热度转向数据采集、动作捕捉赛道，同时纯模型厂商向整机过渡，此前为特斯拉配套的硬件供应链也将逐步承接大厂需求，零部件工艺体系迎来价值重估。

四季度催化与配置建议：当前AI在编程领域已接近瓶颈，人形机器人作为未来空间广阔的赛道，有望成为承接AI资金的核心方向，2026年Q4板块有望走出持续性独立行情。核心催化事件包括：a. 特斯拉未来1-2月内或发布Optimus未编程视频，12月年度股东大会大概率释放更多量产信息；b. OpenAI预计2027年发布人形机器人样机，此前将持续释放产业链送样、验证相关进展。配置方向上重点看好三大赛道：a. 数据采集与动作捕捉环节，是模型持续迭代边际变化最快的领域，覆盖触觉手套、穿戴设备、传感器、激光雷达等细分方向；b. 特斯拉产业链，此前受特斯拉量产不及预期影响板块大幅回调，而硬件零部件供应商具备量产承接能力，是大厂硬件需求落地的核心支撑，覆盖T1供应商、轻量化材料、电机等环节；c. OpenAI、谷歌等海外大厂相关标的。配置策略上建议提升板块整体仓位，采取平铺配置方式，避免押注单一标的。整体来看物理AI正从模型突破走向产业化落地，Q4看好数据要素与硬件链的双击机会。

Q&A

Q：AI对传统需求的挤出效应体现在哪些方面？中美AI投资临界点及政策容忍度如何测算？

A：AI投资自由现金流转负后开始借钱和汲取社会资源，产生挤出效应，包括挤占实物资源推高要素成本，以及挤占金融资源推高利率并约束政策空间。经济划分为AI生产、基建、应用和不相关四大部门，中美贡献五五开，但美国生产和应用占比多，中国基建占比多。AI正外部性包括拉动投资出口、财富效应和提升劳动生产率。临界点测算方面，美国能承受的最高利率临界点约为6%，由科技部门7%与传统部门4%加权得出，实体成本整体上升50%才会使经济转向。中国政策容忍度受长期战略目标、短期增长压力和资产负债表约束，财政发力转向需要更高容忍度或更多时间，信用周期维持相对震荡，结构上以科技为主。

Q：如何理解金融街论坛释放的货币政策信号及市场对降息的预期？

A：金融街论坛宣布将公开市场主要操作品种切换为隔夜，主要影响短端资金利率使其更平稳，不代表降息，也不直接影响存量挂钩LPR的贷款利率，不代表新一轮货币政策宽松信号。新增贷款利率由供需决定，在融资需求偏弱下保持缓慢下降。当前处于货币财政双宽松执行阶段，重点关注财政，四季度财政净融资同比增量较大，可支撑今年四季度和明年一季度经济增长。明年长端国债利率和经济活跃度取决于财政力度。

Q：日本地方银行风险是如何形成的？其风险化解措施及对中国有何借鉴意义？

A：日本地方银行风险形成于泡沫经济时期企业投机及银行融资，泡沫破裂后银行未立刻确认损失而继续追加贷款，加之长期经济低迷带来新违约，风险处理持续十几年。未及时化解的原因是对风险认知不足及传统金融监管模式失效。日本地方银行风险处置权99%集中在中央政府。化解措施包括对资不抵债的足利银行实施临时国有化，即国家接管、剥离不良资产、引入民间资本，以及对济阳银行和合格山银行在未破产时提前兼并重组并提供公共资金支持。经验启示包括风险识别和监管干预时间前移、维持地方银行存贷款功能以支持当地企业、采取差异化处置方式。中国大型银行以国有为主，爆发系统性风险概率低，但地方金融机构需中央协同地方政府及股东等多角度早期发现和解决。

Q：特斯拉Roadster 2有何技术亮点及投资启示？人形机器人产业技术范式有何变化及看好哪些投资方向？

A：特斯拉Roadster 2计划2028年量产，最大亮点是SpaceX航天技术赋能，引入高压储气、冷气推进和姿态控制，打开汽车性能边界，投资增量方向包括轻量化结构件、线控系统和喷气推进配套。人形机器人技术范式发生变化，通用基础模型直接作为动作策略成功率大幅提升至74.8%，证明其包含三维空间物理关系，打通认知世界与物理操作。本轮行情驱动来自大模型公司投入，量产瓶颈从模型转向真实世界数据采集。看好方向包括数据采集和动作捕捉设备、特斯拉产业链硬件零部件供应商，以及海外大厂，四季度看好数据要素和硬件链双击机会。

温馨提示：内容源于第三方以及公开平台，仅供用户参考，恕本平台对内容合法性、真实性、准确性不承担责任。如有异议/反馈可与平台客服联系处理（微信：_LYSD_）