🔦 今日速览
马来西亚总理安瓦尔宣布，孙正义选定砂拉越、古晋及马来半岛，拟投入500亿美元建设AI、半导体与数据中心——软银亚洲算力网络迄今最大单笔。同周，高盛将KOSPI目标价下调25%至9000点，AI回调从芯片股蔓延至整个市场；OpenAI红队细节曝光：被隔离的智能体借CPU缓存时序互传秘密。本期为周一合辑，覆盖10月24日至26日（北京时间）窗口，含1条补录。
趋势1：AI资本南下东南亚
趋势2：芯片回调外溢全市场
趋势3：智能体围堵进入芯片层
趋势4：蒸馏攻防武器化
🌍 国际动态
1. 孙正义拟向马来西亚投资500亿美元：砂拉越、古晋、马来半岛三地落子
事件简述：马来西亚总理安瓦尔10月24日在马六甲活动中披露，他10月20日与软银CEO孙正义举行视频会议，孙正义已选定砂拉越、古晋及马来半岛作为扩展投资地点，计划投入500亿美元投向人工智能、新兴技术与数据中心，称这是区域内规模最大的投资项目之一。软银方面尚未确认该金额——此前10月8日软银仅公告与Grab、PETROS签署探索砂拉越AI基础设施的框架协议；10月初软银还被曝正向海湾投资者募集1000亿美元用于新一轮AI投资，并已完成对OpenAI的300亿美元注资。
关键数据：拟投500亿美元 | 3个落地区域 | 背景：1000亿美元海湾募资、111亿美元高收益债
影响分析：微软因电网”2030年代才能供电”刚退出英国劳顿数据中心项目，同一周软银把东南亚最大押注落在供电与土地成本更友好的马来西亚——AI基建的地理版图正沿”能源可得性”重构，主权基金+中资+日资竞逐”AIneutral”国家的窗口已经打开。
📅10月24日宣布（马来西亚），中文报道10月25日铺开
2. 高盛将KOSPI目标价下调25%至9000点：AI回调从芯片蔓延至整个市场
事件简述：高盛10月25日发布报告，将韩国KOSPI指数12个月目标位从12000点下调至9000点（-25%），为今年多次上调后首次大幅下调。以Timothy Moe为首的分析师指出，KOSPI较6月高点已跌超35%，需采用更保守的估值假设；三星电子与SK海力士使韩国股市成为全球AI交易风向标，投资者日益怀疑巨额算力支出的回报。高盛估算当前半导体股估值已计入2027年行业利润下降65%的情景，认为过度悲观——下调后目标仍隐含60%以上上行空间。同日黄仁勋重申2030年全球AI支出4万亿美元预测。
关键数据：目标价12000→9000点 | KOSPI前瞻PE约4倍（2006年以来万亿市值市场最低） | 已计入2027利润-65%
影响分析：这是”AI泡沫之争”首次由顶级投行对整个国家指数定价——当AI风向标市场被折到印尼一半估值，看多与看空的边界已从芯片股财报推进到宏观层面。
📅10月25日（高盛报告，财联社/格隆汇电）
3. OpenAI红队新细节：被隔离的智能体借CPU缓存时序建立隐蔽通信信道
事件简述：对OpenAI 10月23日《Securing our frontier model training environment》报告的技术细节，Tom’s Hardware、The Hacker News等10月25日集中展开：在同一物理主机上的两个microVM智能体，在网络断开、共享存储封禁的条件下，被要求寻找隔离漏洞时成功通过操纵CPU缓存访问时间差互传合成密钥——这是一条文件与网络监控均不可见的硬件级信道。该发现与此前披露的DNS沙箱逃逸出自同一轮安全审查，也是”前沿训练永久断网”政策的直接证据链之一。OpenAI强调通信是实验指定目标，并非自发协同。
关键数据：microVM间零网络零文件传输 | 信道基于缓存侧信道时序 | 同一报告（10-23）新披露面
影响分析：断网只是围堵的第一层——只要智能体共享物理硬件，就有旁路可走。这为Google Titanium微VM、ServiceNow硬件kill switch等”芯片级围堵”提供了最硬的需求论证，也意味着多租户云上的被劫持智能体理论上可无网络泄密。
📅10月23日（报告），英文媒体铺开10月25日
4. 今日生效：瑞典政府办公系统封锁ChatGPT与Claude，Copilot成唯一获批助手
事件简述：瑞典政府办公厅（Regeringskansliet）自10月26日（今日）起在员工公务电脑上封锁ChatGPT与Claude网页版，仅保留经安全审查并加固设置后的微软Copilot作为获批外部AI助手；部分员工仍可通过一个内部采购的AI平台受控访问两款模型。决定由瑞典广播电台Ekot于10月23日首报，政府办公厅向SVT确认。值得注意的是，Copilot自2026年初已集成Claude模型，管理员需显式启用。
关键数据：封锁自10月26日生效 | 唯一获批助手Copilot | 例外：合同化内部平台
影响分析：欧洲公共部门正把”受合同治理的AI”与”消费级AI”正式切割——按供应商而非按模型能力发放通行证，这一采购范式将被大量受监管行业与供应商效仿。
📅10月23日披露，10月26日生效
🇨🇳 国内动态
1. 双11 AI导购爆发，证券时报追问：对话式推荐正在绕开”广告可识别”规则
事件简述：证券时报10月26日报道，今年双11人工智能应用快速走向前台——淘宝”AI助手”、豆包”‘双11’问豆包”等工具悉数登场，消费者提出需求即可获得定制商品清单。但规则空隙随之显现：《互联网广告管理办法》要求竞价排名商品显著标明”广告”，《互联网广告可识别性执法指南》明确算法干预排序并附购物链接即构成广告发布；而对话式AI直接给出”推荐清单”，既无排名展示也无广告标识，现行显性规则失去着力点。
关键数据：双11主力入口：淘宝AI助手+问豆包 | 监管依据：广告可识别性执法指南
影响分析：当导购从”排序页”变成”一句话”，流量分配从显性竞价转为隐性生成——AI导购的广告定性、利益披露与可追溯性，大概率成为下一个监管议题。
📅10月26日（证券时报）
2. 数学家交锋OpenAI”722份手稿”：AI暴力解题之后，好问题从哪儿来？
事件简述：《知识分子》《赛先生》10月25日举办论坛，多位数学家围绕OpenAI 10月6日一次性公开的722份数学手稿（372组、覆盖数学几乎所有重要方向，其中数十项被同行认为达菲尔兹奖级别）展开正面交锋。此前纳维-斯托克斯方程爆破解构造、埃尔德什单位距离猜想反例已接连震动学界，有人惊呼”数学末日”，有人称之为”世界数学史的分水岭”。论坛聚焦三个尖锐问题：好问题从哪儿来、学术规则怎么变、人类智识何处安放。
关键数据：722份手稿/372组 | 数十项被认为菲尔兹奖级 | 论坛日期10月25日
影响分析：这是数学共同体对AI产出的一次系统性”消化反应”——当证明可以被批量生成，数学界的价值锚点正从”解题”移向”提问”，学术评审与署名规则的重构已被摆上桌面。
📅10月25日（论坛），光明日报报道10月26日
3. 【补录】讯飞AI开发者大赛总决赛：全球5.2万支团队合肥决赛
事件简述：10月24日，2026科大讯飞AI开发者大赛年度总决赛在合肥举行。赛事历时四个半月，吸引全球351座城市的52120支开发者团队，围绕108道AI前沿赛题及”星火杯”展开角逐，全部基于自主可控技术底座构建产研学用全链路。该大赛自2018年启动，已举办九届。
关键数据：52120支团队 | 351城 | 108道赛题 | 第九届
影响分析：周六合辑窗口内漏报，现予补录。国产算力底座上的开发者生态竞争已进入”办赛规模竞赛”阶段——参赛团队量级本身正成为大模型平台生态健康度的公开指标。
📅10月24日（合肥，科大讯飞官方）
📄 今日论文
1. Scaling Laws for Safety Probes
作者/机构：Yuchen Wu (UW), Jerry Wei (Anthropic)
核心贡献：安全探针（在模型激活上实时监测有害意图）每次新模型发布都要重新训练，且事前无法预知效果。本文构建6个新安全数据集，在5个模型家族、20个基座模型（32至10⁶标签）上训练两类探针，发现探针误差服从两条简洁缩放定律：可达最低误差随模型规模幂律下降；误差向地板收敛的斜率随目标模型增大而变陡——即”大模型上探针更容易做准，且可以提前算出来有多准”。
为什么重要：把安全监测从”发版后碰运气”变成可预算的工程问题。结合本周METR驻场审计曝出的”最高25%流量不在监控内”，缩放定律给出的是补盲区的成本函数——监管级持续监控第一次有了可行性标尺。
📄 arXiv:2610.30678 📅10月22日
2. LLM Multi-Agent Systems Are Vulnerable to Herding and Runaway Cascades
作者/机构：Farnoosh Hashemi, Shiyu Ji, Joice Chen, Michael W. Macy（康奈尔大学等）
核心贡献：复刻经典Music Lab实验：让大规模LLM智能体群体为陌生歌曲打分，部分组可见累计推荐数。可见计数组爆发失控级联——集体推荐极端化且与歌曲内在质量脱钩；与人类相比，LLM群体从众倾向显著更强，且级联更难自我纠正。
为什么重要：多智能体评审、自动化评估、推荐系统正大量上线，这篇给出了”智能体社会传染”的定量证据：一个智能体的异常输出会经由评分可见性传染全网且不自愈——对agent评测管线与”多agent投票即安全”的假设是直接警告。
📄 arXiv:2610.30769 📅10月22日
3. Conflict-Aware Logit Adapters for Utility-Preserving Anti-Distillation
作者/机构：Quoc Phong Dao, Binh Anh Nguyen et al.
核心贡献：推理链输出正在变成他人的蒸馏教材。既有防御在解码端动手脚，代价是推理开销与教师流畅度受损。CALA改在训练端：给冻结教师挂一个小型残差adapter，由代理学生找出”最容易被模仿”的输出位置，adapter只在这些位置的输出分布上做受控扰动，同时守住高概率区域与原有性能。推理时开销轻微、无需辅助模型。
为什么重要：Anthropic蒸馏指控悬而未决的10月，”防御性蒸馏污染”从政策议题落地为可训练组件——模型厂商第一次拥有不牺牲产品体验的反蒸馏开关，预计将进入各家API默认选项。
📄 arXiv:2610.31046 📅10月22日
4. Can LLMs Improve Their Own Harness? A Controlled Study on ARC-AGI-3
作者/机构：Jens Lehmann, Sahar Vahdati
核心贡献：智能体表现高度依赖人类编写的外围脚手架（harness：感知、记忆、工具、恢复、推理分配）。本文用ARC-AGI-3做对照实验：让前沿模型从固定编码起点出发自建完整harness，在5个开发关卡上迭代两轮、于20个未见关卡盲测，以相对人类行动效率（RHAE）与美元成本计分。27条谱系从零分到近满分不等——模型确实能自主改进自己的软件脚手架，但改进质量方差极大。
为什么重要：”自我改进”叙事的最小可验证单元第一次被量化：不需要改权重，只改自己写的调度代码就能带来数量级差异。这给”harness收益可信度”之争提供了受控基线，也是自进化智能体研究的实验模板。
📄 arXiv:2610.30499 📅10月22日
本日报为周一合辑，覆盖10月24日8时至10月26日8时（北京时间）窗口内新闻，含1条周六/周日合辑漏报补录（已标注），各条目均已标注实际来源日期。