今日快讯
中美高层谈判把 AI guardrails 正式摆上桌面。 美国财长 Scott Bessent 与中国副总理何立峰 9 月 20 日在纽约启动会谈，为本周特朗普—习近平峰会准备议题。路透报道明确列出的议题包括 AI、关税与关键矿产，其中 AI 部分涉及在近期模型安全事件之后讨论潜在 guardrails。AI 因而不再只是两国科技出口管制的一部分，也开始作为需要直接协调风险边界的议题进入经贸高层谈判。
Reuters 报道
长鑫存储第五代 DRAM 平台进入量产。 9 月 20 日宣布第五代工艺平台已量产，关键存储结构间距降至 11.95nm，并发布两款 24Gb LPDDR5X；公司称新平台相较第四代在 8Gb 芯片基准下每片晶圆可产出的 gross dies 至少增加 50%。这里的 50% 指切割前理论裸片数量，并非良率。Reuters 报道
AI 基础设施融资开始把风险移到资产负债表之外。 Financial Times 9 月 20 日调查称，大型科技公司正越来越多地通过 residual-value guarantees 为数据中心和芯片融资提供担保，相关 AI exposure 可达约 3000 亿美元；这种结构让特殊目的实体以较低成本举债，同时担保在初始阶段不直接表现为传统债务。风险在于芯片或数据中心未来价值低于保证值时，担保方才需要补足缺口。
Financial Times 调查
PublicAI Index 更新了聚合 leaderboard。 9 月 20 日快照目前汇集 739 个模型、18 个公开 leaderboard，97 个模型达到正式排名所需证据量，其余处于 provisional 状态。它不自己跑 benchmark，而是对外部榜单做归一化、按公开不确定性折扣，并对证据较少的模型做 shrinkage；厂商自己的 launch report 可进入领域信息，但不直接进入 headline score。PublicAI Index
一个专测“多轮指令衰减”的 benchmark 报告了新一轮结果。 Winzheng 的 WDCD Run #331 在 11 个模型上测试三轮对话中的 constraint retention：第一轮确认约束，第二轮插入 2,000–5,000 字干扰材料，第三轮检查原始约束是否仍被执行。该轮平均从第一轮到第三轮衰减 15.1%；Grok 4 总分最高为 91.8，但自身也出现 25% 的 commitment decay。该评测采用规则评分而非 LLM judge。
WDCD Run #331
过去 24 小时恰逢周末，经过独立检索后，可核实且达到本刊新闻门槛的新模型、训练方法和 Agent 发布数量有限。本期没有为了接近 12–18 条参考范围而重新包装过去一周已经报道的模型发布，也没有以“补报”填充篇幅。
串读精讲
1 / 3
大型科技公司开始用 residual-value guarantee 支撑 AI 数据中心债务：算力扩张的风险结构正在变复杂
过去两年讨论 AI infrastructure，最容易看到的数字是 GPU 采购、数据中心 CAPEX 和电力需求。但 Financial Times 9 月 20 日调查的对象更靠后一层：这些资产究竟是谁借钱买的，以及资产贬值以后谁承担损失。报道指出，大型科技公司正在使用 residual-value guarantee，也就是“剩余价值担保”，支持与 AI 数据中心和芯片有关的债务融资，相关 exposure 可达约 3000 亿美元。Financial Times 原文
这种结构可以用一个简化例子理解。假设一个特殊目的实体借钱建设数据中心或购买一批 GPU，科技公司承诺几年后这些资产至少值某个价格。贷款机构因此愿意以更低风险溢价提供资金。如果未来 AI 算力需求持续增长，资产价值足以偿债，担保基本不会被触发；如果需求低于预期、芯片迅速过时或者数据中心利用率不足，资产出售价格跌破约定的 residual value，提供担保的公司才需要承担差额。
因此它和公司直接借 100 亿美元建设数据中心在会计和风险呈现上并不相同。直接借款很容易进入公司债务指标；由特殊目的载体融资、再由科技公司提供某种未来资产价值保证，可以让一部分经济风险暂时位于传统资产负债表之外。FT 报道称 Meta 在 2025 年已经使用过类似结构，Broadcom、Nvidia 等公司随后也参与支持大型 AI infrastructure 项目。
这件事值得关注，并不意味着“3000 亿美元隐藏债务即将爆雷”。保证义务是否真正形成损失，取决于具体合同以及未来资产价格。它更准确地揭示了 AI 基础设施扩张的第二层变量：行业现在不仅在押注模型需求持续增长，也在押注今天购买的 GPU、网络设备和数据中心几年以后仍然拥有足够高的经济价值。
这与传统云计算投资有一个重要区别。AI accelerator 的性能迭代很快，一座数据中心的建筑和供电设施可以使用很多年，但里面最昂贵的一批计算设备可能更快进入经济折旧。如果下一代硬件显著提高 performance-per-watt，旧设备即使物理上仍可运行，也可能因为电力和机会成本变得不划算。Residual-value guarantee 实际上把这种“未来硬件到底值多少钱”的判断写进了融资结构。
因此接下来观察 AI CAPEX，仅比较 、、 或 每年的资本开支已经不够。更完整的口径还包括项目级债务、SPV、租赁、最低采购承诺和 residual-value guarantees。它们共同决定了一个问题：如果未来模型需求低于今天的基础设施规划，损失最终落在哪张资产负债表上。
2 / 3
长鑫第五代 DRAM 量产：11.95nm 与“每片晶圆多 50% 裸片”分别意味着什么
长鑫存储 9 月 20 日公布第五代 DRAM 技术平台进入量产，并发布两款 24Gb LPDDR5X 产品。路透给出的几个数字值得分开看：关键存储结构间距缩小到 11.95nm；24Gb 产品相较此前对应产品容量增加 50%；以 8Gb 芯片作为基准，新平台每片晶圆能够形成的 gross dies 数量至少提高 50%。Reuters 原始报道
其中最容易误读的是最后一个数字。Gross dies per wafer 是一片晶圆理论上能切出多少裸片，并不等于最终可出售芯片增加 50%。真正的出货量还要乘以 yield：如果工艺缩小以后缺陷率上升，一部分理论上的面积收益会被良率损失吃掉。长鑫此次披露的是 density / wafer economics 的改善，没有同时给出足以独立计算最终 good dies per wafer 的完整良率数据。
11.95nm 也不能简单拿来和逻辑芯片的“3nm”“2nm”节点直接比较。DRAM cell 的结构和逻辑晶体管不同，厂商披露的 feature spacing 描述的是存储结构尺寸。长鑫称其通过 quadruple patterning——重复多次曝光、刻蚀等图形化步骤——得到更细的线路，而这本身说明在无法依赖最先进光刻设备的条件下，工艺复杂度被转移到了多重图形化。
对 AI 基础设施而言，这条新闻目前与 HBM 的关系是间接的。训练和高性能推理最紧缺的内存仍是高带宽内存 HBM，而此次正式公布的是 LPDDR5X 和基础 DRAM 制造平台，因此不能从“第五代 DRAM 量产”直接推出中国已经解决 HBM 供应约束。但先进 DRAM 制造能力、良率控制、封装以及 HBM 产品最终共享一部分产业基础；如果长鑫后续公布基于该平台的 HBM 产品、堆叠层数、带宽、良率和客户验证，才可以进一步判断它对 AI accelerator memory supply 的实际影响。
这也说明为什么芯片新闻里的“量产”比单纯发布规格更重要，却仍然不是终点。量产说明工艺已经越过实验线阶段；能否形成竞争力，还需要看 yield、wafer cost、实际出货量、客户认证以及产品组合。此次公开信息能够支持的结论，是中国 DRAM 制造密度和规模化能力又向前移动了一步；它距离“改变 AI HBM 格局”还有几项关键证据没有出现。
3 / 3
WDCD 的 instruction decay：约束遵循可以测成一条随上下文推进而变化的曲线
WDCD Run #331 关注的是一个普通 instruction-following benchmark 很容易压平的现象。测试不是只给模型一段长 prompt 然后判断最终答案是否满足规则，而是把交互拆成三轮：第一轮让模型接受明确约束，第二轮加入 2,000–5,000 字的专业材料作为 distractor，第三轮再次要求执行任务，并用确定性规则检查最初约束是否还存在。9 月 20 日这一轮覆盖 11 个模型，平均从第一轮到第三轮出现 15.1% 的 commitment decay。WDCD Run #331
这里真正值得拿出来的是 measurement design，而不是 Grok 4 得了 91.8 分。一个模型最终 constraint pass rate 为 85%，可能来自两种很不同的能力状态：它从一开始就只有约 85% 的约束理解能力；或者它第一轮几乎完全理解，但随着 context 增长逐渐遗失了部分 commitment。普通单轮 benchmark 会把二者记成类似的 failure，WDCD 则试图显式测量后者。
这和真实 Agent trajectory 很接近。一个业务 Agent 的 system instruction 可能在 trajectory 开头写着“未经确认不得退款超过 500 元”，随后它读取几十轮客服聊天、订单信息、知识库和工具结果。最终违规并不一定说明模型从来不知道这条规则；也可能是随着 working context 被不断加入新目标，早期约束的行为影响逐渐减弱。
如果把这种思路放进真实业务 benchmark，可以比 WDCD 再向前一步：对同一道题保持任务和规则不变，只系统地改变 trajectory length、无关信息量、工具返回数量和中间目标数量，然后测 constraint survival curve。这样得到的不再只是一个最终 pass rate，而是“约束在多少有效上下文之后开始显著失效”。对于小模型尤其如此——如果某个 7B 模型短 trajectory 与大模型差距很小，却在第五次工具调用以后迅速掉分，这比一句“长上下文能力较弱”更能定位实际部署边界。
WDCD 本身目前仍是规模较小的独立 benchmark，这一轮只有 11 个模型，而且三轮结构无法覆盖真实 Agent 数十甚至数百步的状态演化。因此它现在更适合作为一种 eval design signal，而不是新的通用排行榜。但把 constraint following 从一个静态二元结果改写为随 trajectory 推进变化的量，确实提供了一个可以直接迁移到 Agent 和业务评测的方法。