炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

（来源：格兰投研）

昨天非农数据一出来，川普成了全市场最破防的人。

看到超预期的就业人数，连忙发文表示老美现在经济强劲、信用状况改善，理应拥有“全世界最低的利率”。

如果美联储还不降息，他就要停止与在自己这里赚钱国家的贸易往来。

这次表态最不寻常的地方，在于川普第一次在公开场合给沃什施压。

沃什毕竟是川普亲自挑选的美联储主席。当初选择他，很大程度上就是希望更换美联储领导层后，货币政策能够更加配合白宫的经济议程。

美联储主席虽然拥有很强的议程设置权和对外影响力，但货币政策并不是他一个人说了算。每次加息或降息，都需要在联邦公开市场委员会内部争取多数支持。

如果沃什刚刚上任，川普就公开批评他不肯降息，相当于在最需要建立权威、协调分歧，并逐渐形成自身政策框架的时候，泼了一盆冷水。

不仅相当于川普变相承认自己选错了人，也会削弱沃什在美联储内部的威信。

但这个“蜜月期”，到昨天结束了。

川普这次把降息同贸易威胁捆绑在一起，本质上是在向沃什划出一条红线：白宫可以暂时接受美联储不马上降息，但决不允许在这个时候重新加息。

虽然没有像炮轰老鲍一样指名道姓发表态度，也算是对美联储“敲打”一下，如果加息，政治后果由美联储承担；即便只是拒绝降息，经济和贸易问题也将被归咎于美联储。

说到底，川普这么着急施压，本质上还是支持率太低了。

从图里可以看出来，川普现在的支持率只有36.1%，而且一直在低位晃悠，一点儿起色都没有。

眼看就要11月中期选举了，这个成绩很难让这个性格自大的总统接受。

更麻烦的是，川普丢分最严重的部分，恰恰是经济和生活成本。

对普通老百姓来说，利率不是那些政客随口说出的宏观数字，后面牵扯到的是房贷利率、信用卡利率、汽车贷款、小企业融资、房屋成交和资产价格等生活中的点点滴滴。

从这个角度看，川普现在面对的政治问题非常清楚：就业数据不错，股市也不差，但老百姓的日子没有过得很轻松。

那么不好意思，美联储必然是用来背锅的。

川普释放出的政治信号无非是想告诉选民，自己千方百计在想办法降低大家的生活成本，维护住股市、地产和消费信心，并且还在压低美元扶持制造业，如果这些都没实现，那就是美联储没有配合降息造成的。

对我们而言，马上就要见面了，这种话大概率是说给我们听的。

现在老美贸易逆差最大的五个国家和地区，分别是越南、墨西哥、中国台湾、中国和泰国。

具体是什么原因，大家心里都清楚。

如果真的切断贸易往来，老美的汽车、食品、能源、电子产品和芯片成本还会继续上升。这样不仅不能改善民调，反而会击中他最薄弱的生活成本问题。

虚张声势罢了。

除了川普的发言，科技圈消息也不小。GPT-6 Astra全面开放。

这个GPT-6 Astra牛在哪呢？

简单说，Astra更重要的变化，是把推理、电脑操作、工具调用、长任务记忆和权限判断组合到了一起，可以完成跨软件、跨文件、跨网页的整套工作流程。

越来越有AI助理的意思了。

和业内专家交流了一下，普遍认为Astra在任务边界、用户授权和系统权限的理解上进步明显。

很多大模型在执行长链条任务时，为了完成任务目标，常常会擅自扩大行动范围。虽然不是恶意，但为了目标越界操作的事，仍然存在非常大的安全隐患。

Astra在这方面明显下了大功夫。

官方内部电脑操作安全评测中，出现不当行为的比例由GPT-5.6 Sol的22%下降至2.4%；加入自动审查机制后，又进一步下降到1.8%。

从这个角度看，Astra已经从单纯服从文字指令，转向为理解一项任务背后的授权结构。

影响最大的是谁呢？应用软件。

Astra会明显压缩一批“套壳式AI应用”的价值。

所谓套壳应用，本质上就是在底层大模型外面加一层界面、几个固定提示词和少量工作流，然后向用户收取订阅费。

在底层模型能力不够强的时候，这层封装确实有价值。因为用户不知道提示词该怎么写，也不知道如何让模型分步骤执行任务，应用开发者可以替用户把使用路径设计好。

但随着Astra这类模型能够自主推理、调用工具、操作网页、读取文件并完成长链条任务，很多过去需要应用开发者提前设计的流程，就完全没有价值了。

用户直接告诉Astra最终想得到什么，模型就可以自己寻找资料、调用相关工具、制作文件、检查结果并根据反馈修改。

但反过来，真正掌握数据和关键流程的软件，地位反而可能更加重要。因为模型再聪明，也不能凭空知道行业内部的真实情况。

未来真正拥有护城河的软件，大致需要具备独有行业数据、企业内部系统连接能力、复杂业务流程积累，以及较高的权限和监管门槛。

从中美科技竞赛的角度看，Astra能力虽然强，但并不意味着国内模型没有机会。

原因很简单，太贵了。

高性能模型通常价格更高、推理时间更长，确实好用。但企业中的大量工作其实具有结构化、重复性强和行业属性明显等特点，并不需要调用最强模型。

国内没有必要在所有场景中都与Astra正面比拼最强能力。更现实的策略，是用最强国产模型处理复杂任务，用中小模型处理大量标准化步骤，再通过执行框架把它们组合起来。

最终企业购买的一定是一套能够稳定运行、成本可控、符合监管要求的解决方案。

这个想法在大摩最新的闭门会上也被提及。

大摩的观点是，并不是所有模型都要卷入价格战，市场会逐渐走向分层。

日常问答、简单内容生成以及大批量、低价值的调用，对模型能力上限要求不高，未来会更多交给价格便宜、响应速度快的Flash模型。

复杂编程、专业研究、决策支持以及跨越多个环节的长工作流，则需要能力更强的Pro模型。这类任务对准确率、推理深度和执行稳定性的要求更高，客户也愿意为更好的结果支付更高价格。

从这里我们可以看出，高智能模型和低价模型，对应的是不同层次的市场需求。

最终的观察点，还是要回到能否把前沿能力、推理效率和商业现金流连接起来。

AI大模型的淘汰赛，就在这不经意间，开始了。

申文冠 执业编号:A0670623050002