AI股遭遇拋售，算力與評測同日受關注

本期要點

• 納斯達克100單日跌6.4%，AI股拋售加劇
• 月之暗面據報洽談歐洲英偉達GPU算力
• 102篇文獻基準測試LLM綜述能力

市場：AI股遭遇年內少見的集中拋售

美國中期選舉後首個交易日，科技股出現劇烈調整。納斯達克100指數單日下跌6.4%，據英國《金融時報》報道，華爾街當日市值蒸發3.2萬億美元，AI相關股票是拋售的主要方向。(來源: FT Technology)

CNBC的Jim Cramer在盤後表示，AI股票的拋售可能尚未結束，但他同時認為這不同於互聯網泡沫破裂；他還提到，AI股票正變得越來越難以估值，數據中心相關的不確定性是原因之一。(來源: CNBC Technology)

把這兩條放在一起看，市場分歧的核心在於AI資產的定價依據：算力投入的確定性與收入兌現的節奏之間，目前缺少可對齊的參照。這一判斷可以被後續財報季的資本開支指引和訂單數據推翻或強化。

算力：中國模型公司尋求歐洲GPU資源

據CNBC援引四名知情人士報道，中國人工智能初創企業月之暗面今年曾與多家在歐洲運營數據中心的新興雲服務商商談，計劃租用英偉達GPU算力。(來源: kaopunews)

這條線索目前仍處於“據報洽談”階段，沒有披露金額、規模或是否達成協議。但它指向一個持續存在的結構性問題：對頭部模型公司而言，算力獲取的地域與渠道正在成為與模型能力同等重要的變量。

研究：LLM做文獻綜述，能找但難判

arXiv上一項新研究用一篇已發表的“西班牙羽流”天氣模式綜述及其102篇文獻作為基準，從找文章、解讀、綜合、提出未來研究方向四個階段評估六款AI工具。(來源: arXiv cs.AI)

結果顯示，在初始檢索中，五款工具合計找到57篇文章，表現最好的單款工具找到42篇；在接入機構圖書館權限後，Codex的發現量從42篇升至82篇，Claude Code從15篇升至79篇。在給定全部102篇PDF的條件下，三款工具都正確識別出全部18篇實質性討論該主題的文章，但把84篇順帶提及的文獻中的40%至79%錯誤歸類為實質性討論。由兩位領域專家盲評的綜合報告總體準確，但洞察有限，並出現無依據論斷、引文錯誤和共識誇大。(來源: arXiv cs.AI)

這組數字說明，LLM在文獻“找得到”這一環節已接近可用，瓶頸在判斷文獻的相關程度和綜合時的證據約束。

工程：Agentic AI的資源需求難以預估

另一篇arXiv論文把Agentic AI系統的資源編排形式化為“不確定性感知”問題：這類由LLM驅動的多步流水線在調度時無法預知總算力、帶寬和端到端延遲，需求在運行時由中間觀察和隨機採樣生成，呈重尾、多峰分布。現有調度器要求已知完整流水線圖，邊緣資源管理方法則依賴參數化或平穩需求模型，兩者都不適配。(來源: arXiv cs.AI)

這與前述評測指向同一件事：當LLM從單次問答走向多步任務，可靠性與成本的可預測性成為落地的前置條件，而不是附屬問題。