AI股遭遇抛售，算力与评测同日受关注

本期要点

• 纳斯达克100单日跌6.4%，AI股抛售加剧
• 月之暗面据报洽谈欧洲英伟达GPU算力
• 102篇文献基准测试LLM综述能力

市场：AI股遭遇年内少见的集中抛售

美国中期选举后首个交易日，科技股出现剧烈调整。纳斯达克100指数单日下跌6.4%，据英国《金融时报》报道，华尔街当日市值蒸发3.2万亿美元，AI相关股票是抛售的主要方向。(来源: FT Technology)

CNBC的Jim Cramer在盘后表示，AI股票的抛售可能尚未结束，但他同时认为这不同于互联网泡沫破裂；他还提到，AI股票正变得越来越难以估值，数据中心相关的不确定性是原因之一。(来源: CNBC Technology)

把这两条放在一起看，市场分歧的核心在于AI资产的定价依据：算力投入的确定性与收入兑现的节奏之间，目前缺少可对齐的参照。这一判断可以被后续财报季的资本开支指引和订单数据推翻或强化。

算力：中国模型公司寻求欧洲GPU资源

据CNBC援引四名知情人士报道，中国人工智能初创企业月之暗面今年曾与多家在欧洲运营数据中心的新兴云服务商商谈，计划租用英伟达GPU算力。(来源: kaopunews)

这条线索目前仍处于“据报洽谈”阶段，没有披露金额、规模或是否达成协议。但它指向一个持续存在的结构性问题：对头部模型公司而言，算力获取的地域与渠道正在成为与模型能力同等重要的变量。

研究：LLM做文献综述，能找但难判

arXiv上一项新研究用一篇已发表的“西班牙羽流”天气模式综述及其102篇文献作为基准，从找文章、解读、综合、提出未来研究方向四个阶段评估六款AI工具。(来源: arXiv cs.AI)

结果显示，在初始检索中，五款工具合计找到57篇文章，表现最好的单款工具找到42篇；在接入机构图书馆权限后，Codex的发现量从42篇升至82篇，Claude Code从15篇升至79篇。在给定全部102篇PDF的条件下，三款工具都正确识别出全部18篇实质性讨论该主题的文章，但把84篇顺带提及的文献中的40%至79%错误归类为实质性讨论。由两位领域专家盲评的综合报告总体准确，但洞察有限，并出现无依据论断、引文错误和共识夸大。(来源: arXiv cs.AI)

这组数字说明，LLM在文献“找得到”这一环节已接近可用，瓶颈在判断文献的相关程度和综合时的证据约束。

工程：Agentic AI的资源需求难以预估

另一篇arXiv论文把Agentic AI系统的资源编排形式化为“不确定性感知”问题：这类由LLM驱动的多步流水线在调度时无法预知总算力、带宽和端到端延迟，需求在运行时由中间观察和随机采样生成，呈重尾、多峰分布。现有调度器要求已知完整流水线图，边缘资源管理方法则依赖参数化或平稳需求模型，两者都不适配。(来源: arXiv cs.AI)

这与前述评测指向同一件事：当LLM从单次问答走向多步任务，可靠性与成本的可预测性成为落地的前置条件，而不是附属问题。