AI前沿日报 · 2026-11-12：传奇谢幕，模型撞墙，时代疲惫

11 月 11 日，Guido van Rossum 在 Python 社区证实：Tim Peters 已于今年 7 月 15 日去世，享年 74 岁------Timsort 的作者、PEP 20《Python 之禅》的执笔者、被社区昵称为 "Timbot" 的耐心解答者，走完了从编译器到超级计算机再到 Python 的旅程。同一天，英伟达的 72 小时风暴达到顶点：WSJ 报道董事会正准备罢免 CEO Jensen Huang，NYT 披露他与一名被指为中国情报人员的下属的婚外情，Tom's Hardware 统计出 Alice Huang 在三年里帮助把 24 万块 被禁 H100/H200 送入中国------公司市值在 24 个交易日里从 239 美元跌到 169 美元，蒸发约 1.46 万亿美元。但在这些大新闻背后，一组更安静的数据更值得记住：Fig 团队让 GPT-6 Astra 与 Opus 5.5 去解 50 个 2D 迷宫，两个当今最聪明的模型解出了 11 个和 7 个，却在所有带「开关-门」机制的 35 个迷宫全军覆没------0 解，175 局战役无一例外。能力跃迁的规模从未像今天这样大，而「它们到底在工作时表现如何」的问题，从未像今天这样尖锐。

一、Tim Peters：他用 Timsort 与世界告别

Guido van Rossum 于 11 月 11 日在 Python 官方论坛上发帖确认：Tim Peters 已于 2026 年 7 月 15 日去世，享年 74 岁。Guido 的措辞罕见地私人：「很难高估 Tim 对 Python 的影响。他最出名的身份大概是《Python 之禅》（PEP 20）的作者，但对我来说，他远在这之前就是我的导师与语言的共同设计者。」

从 Cray 编译器到 Python 的第二把手

Tim 的履历本身就是一部计算史：他曾在 Cray Research 为超级计算机写编译器，在 Dragon Systems 写语音转文字软件（在那个年代这被认为基本不可能），随后在 Python 发布后不久与它相遇。Guido 记得 Tim 的第一个贡献是说服他让 int 与 float 支持混合运算------因为大多数用户会期望它们协同工作。此后他塑造了 Python 邮件列表的讨论基调，被昵称为 "Timbot"，以无数耐心、带着温和幽默（永远标记或 <0.5 wink>）的长回答著称，被戏称为「通灵 Guido」。

他的两个永恒印记：

PEP 20《Python 之禅》------"Beautiful is better than ugly"、"Explicit is better than implicit"、"Readability counts"------几乎定义了整门语言的美学；
Timsort （2002 年引入）：为 Python list 设计的混合稳定排序算法，后来被 Java 与 Android 采纳，成为行业默认标准。

社区悼念里，Chris Angelico 的话最广为人知：「他从不把你当白痴，从不敷衍你的顾虑，永远回答并解释。我们交换了很多封邮件，可惜地理原因我们从未谋面。」他生前最后一条帖子以一句自嘲收尾：「现实世界比我们干净的抽象希望的要复杂得多。」

技术判断

① 一个时代的谢幕不是一个人的死亡，而是一整套「语言品味」开始成为历史。 Timsort 与《Python 之禅》今天仍是百万开发者每天接触的活物，但 Tim 代表的那种「用邮件列表把设计讨论做扎实」的社区形态，在 agent 生成代码、讨论被热评取代的 2026 年，已经近乎绝迹。

② 他留给工程界最大的方法论是「先说服，再实现」------在动手写代码之前先把规则讲清楚。讽刺的是，「Opus 5.5 suddenly dumb as rocks」和「Are you tired too in this AI era」这两场讨论，恰恰是这套方法论缺失的证据：模型能力越强，人类越需要把意图讲得更清楚。

二、Jensen Huang 的 72 小时：240,000 块芯片、一名间谍与 1.46 万亿美元

11 月 11 日之前的那几天，是英伟达历史上最紧张的时期。三条并行的叙事在同一天交汇：

WSJ ：英伟达董事会正准备罢免 CEO 黄仁勋；
NYT：黄仁勋与一名向他汇报的女性高管存在婚外情，她被指与中国情报机构有关；
Tom's Hardware ：这名 Alice Huang 据报在三年关系期间，帮助把 **24 万块被禁芯片（主要是 H100 与 H200）**送入中国；涉案金额各媒体口径不一 ------有报道称她经手的英伟达订单超过 75 亿美元 ，而 Tom's 对 Megaspeed 案的报道口径为经子公司 Speedmatrix 走私约 20 亿美元。

一根线穿起来的网络

综合 Finshots 的梳理：Alice Huang 是新加坡云计算公司 Megaspeed International 的关联人物，该公司是英伟达合作伙伴，因涉嫌帮助向美国受限渠道转移 AI 芯片而受到审查。报道指她与同伙在新加坡与中国之间搭建了一系列公司网络 以获取英伟达芯片；当受限芯片订单停滞时，她的关系网会帮助稳定供货。英伟达独立董事已任命前代理检察官 Joon H. Kim 主导内部调查，以确认是否存在外国情报行动针对黄仁勋。

市场反应剧烈而持久：英伟达市值在 24 个交易日内蒸发约 1.46 万亿美元 ，股价从 10 月 6 日的 239 美元跌至 11 月 10 日的 169 美元，跌幅约 29%------其中一部分来自 AI 板块整体回调，但指控叠加了新的不确定性。

结构与个人的双重暴露

所有权结构 ：黄仁勋仅持有约 3.5% 股份，且不像 Zuckerberg 或 Musk 那样拥有特殊投票权------这意味着一旦董事会动了念头，他没有制度性防线；
合规结构：有读者分析指出关键点在于「他睡了一个中国间谍」------若《出口管制》被认定被合谋规避，公司的法律风险远不止高管私德；
行业结构 ：英伟达的护城河从来不只是 GPU，而是 Jensen 本人 × CUDA 生态 × 基础设施承诺的三角。任何一条腿的松动都会被放大。

技术判断

① 这是第一次「个人道德风险」直接改写万亿美元级公司估值结构。 与 Gates/Bezos/Brin 的私德争议不同，本次指控直接触达出口管制与国家安全------最尖刻的一条读者批评是：「他富有到本不该发生这种事，你有钱到可以雇企业安全团队去审查你身边的人。」

② 对行业的直接影响：AI 芯片的「灰色渠道」问题被放到了董事会层面。 240,000 块被禁芯片意味着这条地下供应链的规模远超媒体此前披露------英伟达的分销审计、渠道管控与合规部门将成为下一阶段竞争的关键岗位。

三、AWS Emulator：当 agent 写代码，Dynamo 时代的经验被做成了本地 AWS

11 月 11 日，AWS CTO Werner Vogels 的个人博客发布了一篇由 Swaminathan Sivasubramanian（Swami） 撰写的长文，同时宣布 AWS Emulator 上线------一个本地运行的 AWS API 模拟器，让 agent 在本地测试软件，无需 AWS 账号、无需真实资源、无需支付费用。

两个用途

给 agent 用的测试环境 ：安装 aws-emulator skill 后，AI 编程 agent 可以让它自己搭起本地 AWS------这正是当下多智能体开发最需要的东西；
给工程师用的验证层：服务器模式支持 CLI 与任意 SDK，内嵌模式直接嵌入 Rust 测试（一测试一实例），无需端点 URL、证书与环境变量。

一篇关于「20 年前 Dynamo 是怎么来的」的序文

Werner 的引言本身是一个极好的故事：2004 年圣诞，亚马逊的商业关系型数据库撑不住流量，他让实习生 Swami 深挖数据库的实际使用方式，发现 70% 的数据库操作根本不是关系型的，而是键值操作 ------这个洞察直接催生了 Dynamo 。Swami 后来成为 AWS 数据战略的主要架构师，也是 Alf（基于 Paxos 的分布式锁服务，为 S3、DynamoDB 等提供强一致真值）背后的核心人物。

文章的核心论点是：当 agent 写代码时，工程师的工作变成什么？ Swami 的回答是------把分布式系统的工程智慧（一致性、容错、可测试性）做成 agent 能消费的基础设施。「Alf 当年为测试 Paxos 一致性而做的环境仿真，和今天 AWS Emulator 为 agent 提供的仿真，是同一种工程直觉。」

技术判断

① 这是「基础设施」一词的第三次扩容：从物理机房到 API 化云服务，再到「给 agent 用的本地仿真层」。未来每个重要云平台都会有一个「agent 版」------因为 CI/CD 流水线正在被 agent 接管，测试环境的「可仿真性」将比「真实性」更重要。

② Werner/Swami 序文的真正价值是一手技术史：它把 70% 键值操作这个关键数字的来历、Dynamo 的出生、Alf 与 Paxos 的取舍都讲清楚了------这类内容在官方文档里消失多年，今天以「宣传模拟器」的方式重见天日，是今日最有信息密度的技术写作之一。

四、美联航封杀 AI 代订票：航空业的第一道「AI 防火墙」

11 月 11 日，CBS News 报道：联合航空（United Airlines）成为第一家明确禁止 AI agent 代订机票的美国航司。新规周三生效，直接在数字平台内限制第三方个人 AI agent 与助理的访问------也通过旅行社与聚合渠道间接执行。

理由写得直白

让 AI agent 完成订票，意味着把支付信息、账户凭证交给第三方 AI------「与个人第三方 AI 助手共享账户凭证会暴露敏感信息，这些工具的操作可能导致意外购买、账户变更或使用 MileagePlus 里程」；
用 agent 代办值机可能违反联邦法规------包括要求旅客亲自确认行李不含违禁品的规则。

分析师读出的第二层

Atmosphere Research Group 的航空分析师 Henry Harteveldt 指出：「美联航想保留对购票过程的控制。它不想在已经面对的 Google 搜索、比价元搜索与在线旅行社之外，再增加一个可能更强大的中间商。航班搜索对航司是花钱的，美联航无疑想避免 AI bot 搜索潮带来的成本。」

值得注意的是并非所有航司都选这条路------报道提到 Southwest 走了另一条路线（推进自己的 agent 集成）。行业已经分裂为「封杀派」与「招安派」。

技术判断

① 「AI agent 需要凭证」与「凭证不该离开用户」是 2026 年最核心的矛盾之一。 美联航的选择在技术上是保守但理性的：把风险在入口处分流，而不是让 agent 带着凭证在生态里跑。预计 2027 年会出现更多「有选择地封杀/招安」携程式策略。

② 值机环节的「本人确认」是 agent 无法代劳的法规红线。 这条看起来不起眼的细节，实际上是 AI agent 落地航空、金融、医疗等高合规行业的通用天花板------只要有一个环节要求「人在场」，agent 的自动化率就会被锁死。

五、AI agent 72 小时「重发现」玛雅遗址：一个反转的科学故事

Pietro Miotti 的《My AI agents found an unmapped Maya site?》成为当天讨论最热的话题。这个故事有两条时间线，第二条才是重点。

72 小时的完整链条

10 月 18 日，秘鲁 ：Miotti 在旅途中用 Gemini 聊起 Hiram Bingham------这位探险家本在找印卡人最后的避难所 Vilcabamba，却被当地农民指路发现了马丘比丘。他让 Gemini、ChatGPT、Claude、Grok 一起出主意，四个 agent 都指向 lidar（激光雷达）；
10 月 19 日清晨 ：他把约 1,200 平方公里 的玛雅 lidar 数据交给 agent 当图片逐张过------48 个 agent 像最有耐心的考古学家一样，过滤掉自然丘陵、沉洞与道路，找出了大量村庄与规则形状的建筑；
数小时后 ：一个 agent 报告「有一个大村庄似乎未登记」------它坐落在悬崖边缘、丛林之下，有直线条与锐角 （自然不长直线），包含一个至少 8--12 米高的椭圆形金字塔、一个抬高的庭院；
随后他联系了墨西哥政府，官方回复承认该遗址未在 INAH（国家人类学与历史研究所）登记册上。

反转：不是「发现」，是「重发现」

11 月 11 日更新：这个遗址其实已被 Estrada-Belli 等人 2025 年发表的工作中测绘过。agent 在文献检索时漏掉了这篇论文------更早的考古学家们也尚未把它登记进官方名册。Miotti 的措辞很诚实：「所以是重发现，不是发现。仍有工作要做。」

技术判断

① 这是第一个「AI agent 做出真实科学贡献、然后又诚实纠错」的完整公开案例。 48 个 agent × 1,200 km² 的 lidar 筛查在成本上只花了模型推理费------传统考古队要拿到许可、预算与人力；这是 agent 而非模型本身在改变科学工作的成本结构。

② 「重发现」比「发现」更深刻 ：它暴露的不是 AI 能不能找到新东西，而是 AI 的文献检索存在系统性盲区------它没找到 2025 年的论文，却找到了实物。对任何用 agent 做科研的人来说，这是必须设计的冗余：agent 找东西可以，但「这东西是否已被发现」必须人复核。

六、GPT-6 Astra 与 Opus 5.5 走不出 2D 迷宫：前沿模型第一次撞上的新墙

Fig 团队的《MultiNet v2.0》评测续篇（10 月 13 日发布），可能是今年最值得读的模型评测------它证明了「能力」与「能用」之间有一条清晰的裂缝。

50 个迷宫，两个模型

评测沿用 8 月初版（5 个模型 150 局）的同一批 50 个交互式 2D MiniGrid 迷宫 （11 个 8×8、19 个 10×10、20 个 14×14；35 个含开关-门机制、15 个不含）。协议苛刻：最小 prompt （不告诉规则）、纯图像观察 、自我中心动作 、零样本 、无多轮历史 （每步一个自包含消息 + 最近 3 帧 + 动作摘要）、停滞看门狗 （30 步无变化即终止）、3× 最优步数上限。

模型	解谜 / 50	平均动作进度	撞墙率	每新格 token
Claude Opus 4.8	4	0.14	0.82	6,297
Kimi K2.6	1	0.18	0.52	≥162,222
Qwen 3.6-27B	1	0.18	0.51	123,120
Claude Opus 5.5	7	0.34	0.02	4,504
GPT-6 Astra	11	0.45	0.07	2,172

三个发现

视界不再是瓶颈 ：最短路径长度对进度差异的解释力，前代模型为 10.9%--21.2%，Astra 只有 1.9%、Opus 5.5 只有 0.3%。两者都能解 77--89 步的 14×14 走廊------前代模型在这类长迷宫上 0 解。任何前沿模型的失败都不是「迷宫太长」。
开关-门机制无人能解 ：5 个模型在 35 个开关迷宫上 175 局 0 解。Astra 的问题是「把开关当物品捡」（对开关发 PICKUP 63 次，对它站着的开关都没按过 TOGGLE）；Opus 5.5 的问题是「把门当门来开」（200 次无效 TOGGLE 中 199 次对在门旁的格子上）。
失败模式完全不同 ：Astra 失去对已探索区域的追踪（失败前 30 步只覆盖 7 个不同格子、全部访问过 ）；Opus 5.5 则是完美的导航 + 完全无效的动作（1,065 步只撞墙 1 次 ，但对正前方的钥匙按了 570 次 PICKUP ，站在钥匙上只有 7 次）。它 2,599 个 prompt 里有 472 个与上一个字节完全相同------400 多次选择了同样的无效动作。

一句话改变一切

Prompt 测试给出了全篇最锋利的数据：

加一句 "Switches must be toggled." → Astra 以 39 步解开开关迷宫（最优 26）；
加一句 "You must stand on a key/switch to act on it." → Opus 5.5 以最优 29 步解开了 key-door + switch 迷宫；
而加一句通用原则（"成功的动作总会改变迷宫状态"）→ 两个模型都卡在 step 43。

技术判断

① 前沿模型撞上的不是「能力墙」，而是「机制先验墙」------它们有完美的导航、从不撞墙、能理解图像，但一旦遇到 prompt 未声明的规则，就会用自己训练里的旧约定（门可以开关、物品要捡）去顶替环境规则，且失败后不换招。这是对「AGI」叙事最冷静的一次数据修正。

② 「推理预算买不来解」已被两次独立实验确认（8 月与本轮）。Opus 5.5 卡住前 30 步思考量是之前的 1.55 倍、Astra 是 1.57 倍------它们确实在「更用力」，但只是原地打转。

③ 对工程者的直接含义：给 agent 的环境设计要写明机制、给出失败信号、否则模型会陷入「无效动作循环」。环境规格书（environment spec）将成为与 prompt 同等重要的一等公民。

七、Open Kernel Challenge：10 万美元、2,000 人与被 Claude Code 驱动的 GPU 内核战争

Quesma 的 Jacek Migdal 11 月 10 日发表了对 Open Kernel Challenge 前 50 名的访谈式复盘------他本人在内核轮拿到约第 500 名。这场比赛由 Paradigm 联合 Meta 与 Andromeda 主办，目标是让 Meta 的 Muse Spark Open 推理更快。

数字轮廓

内核轮：约 2,000 人重写了 Muse Spark Open 的 GPU 内核，用 SGLang 作计时基准，11 月 5 日截止；
加速比 ：第 1 名在 Decode 层拿到 2.61× （#10 为 2.50×、#50 为 2.40×）；前 50 名的差距在 9% 以内------竞争极度白热化；
参赛成本 ：Most out-of-pocket bill 主要是 GPU。Shishir Pai 的模型使用量折算 API 成本约 $68,000** ；很多人用 Claude Max 20x、ChatGPT Pro、$ 500 Codex 套餐的包月**而不是 API 计费；
计费方式的差异 ：作者在 Vast.ai 上以 $4/小时租 H200，而**可抢占的 Nebius 实例常低于$ 1/小时**------Migdal 坦言自己才是那个「付 $4 的傻子」。

隐藏在数字里的方法论

12 位前 50 名回复了自己的设置：几乎每个人都用 agent 做内核（Claude Code + Opus 5.5 是主流组合）；NVIDIA Nsight Compute 的 profile 信息帮助巨大------但它的性能计数器只有部分平台支持 （Nebius、AWS、GCP 完整支持；RunPod、Vast.ai 等容器平台禁用）；Modal 与 Daytona 的按秒计费更适合 agent 工作流（大部分时间在思考，只有测试才用 GPU）。

技术判断

① $100,000 的赛事正在变成「agent 效率」的评测场------决定名次的不只是 GPU 知识与内核优化，更是「你能否让 Claude Code 在一周内产出正确内核」的能力。这是 agent 时代的竞技体育。

② 「包月 token 计划」开始影响顶级技术竞争的成本结构。 当 Shishir Pai 的模型消耗折算 $68k API 成本时，Max 20x 订阅（月费$ 200 量级）等于以 1% 的单价参赛------这对个人开发者是巨大杠杆。

③ GPU 平台的竞争维度正在从「单卡性能」扩展到「计数器可用性 + 计费粒度」------一个能跑 Nsight Compute、按秒计费的实例，比小时价便宜但锁死工具链的实例更值钱。

八、把矿卡变成 A100-80G：电压故障注入的硬件魔法

Kate 的博客《Using voltage glitching to unleash the A100 in my mining card》是今日最硬核的硬件研究。

他做了什么

作者发现 GA100 die 存在一个电压故障注入（voltage fault injection）漏洞 ，允许操作者烧写任意熔丝（fuse）。利用这个漏洞，他把一块 CMP 170HX 8GB 矿卡（原本被英伟达锁死、不能作为计算卡使用）变成了等效 A100-80G 的计算卡：

项目	零售 A100	解锁后的 CMP 170HX
FP16 FMA 吞吐	72.488 TFLOP/s	85.858 TFLOP/s（1.18×）
SM 数量	108（良率安全）	120--126（全部开启）
NVLink / PCIe Gen4 / NVJP / MIG	支持	均可解锁（作者未逐一测试）

甚至功能上做得比零售 A100 更快------因为零售 A100 只开 108 个 SM 保证良率，而这块芯片体质足够把所有 SM 全部打开。

技术路径三步走

All fuses sensed as zero------让所有熔丝被读成 0；
RIR read disrupted------干扰运行时完整性读取；
Goldilock's glitch------在精确时刻注入电压毛刺。

这不是「破解驱动」------是在晶体管层面改变芯片的硬件身份。

技术判断

① 这是硬件改装社区第一次公开把「矿卡 → 数据中心 GPU」的完整攻击链写成可复现报告。CMP 是英伟达 2021 年专为挖矿推出的无显示输出产品线，全球存量巨大；如果这条路径被验证可复制，CMP 市场的估值逻辑会被改写。

② 对英伟达的含义不止是二手市场：熔丝级漏洞意味着「硬件锁」并不像宣传的那样牢不可破------产品线的功能划区（CMP vs A100 vs H100）在被物理攻击下越来越像「文档条款」。

九、Unglazed：一个拒绝「糊弄」的论文动画生成器

Unglazed 的目标听起来很疯：给任意 ML 论文生成 3blue1brown 品质的讲解动画 ------并且在跳步或讲得不好时拒绝渲染。

四道门

Depth：你列出视频必须讲到的每一个机制、公式与数字------只要有一项没有对应场景，构建直接失败；
Teaching ：脚本声明一个中心论点、一条「小世界」的递进阶梯、每个场景一个问题；如果某个术语在观众需要它之前被念出，或者某个方法的失败案例从未被展示，构建失败；
Truth ：画面由论文自己的公式在小世界上计算生成------屏幕上没有任何「示意草图」；
Craft： narrations 全本地 TTS（Kokoro / Pocket TTS，无需 API key），转录回正文、出错重录；布局逐拍 lint。

现场

v0.2.0 的演示是一个 31 分钟 1080p 的 Rectified Flow 推演（从噪声到文字），全部由该仓库从 examples/rectflow 生成。技术栈：Python 3.10--3.12、ManimGL 渲染、MIT 许可。

技术判断

① 「拒绝构建」是 AI 内容工具最被低估的设计 。今天的生成工具都在拼「更快出片」，而 Unglazed 把「检查是否讲到位」做成了硬门禁------这与 Fig 的迷宫评测、读者对 AI 生成内容的疲劳，指向同一个需求：可验证的完备性。

② 本地 TTS + 公式驱动画面，让整个工作流可以不依赖云端------对于希望把论文讲解收入自有频道的学者，这是一个没有 API 成本滚雪球风险的方案。

十、时代情绪：疲惫的 AI 时代、泡沫里的退休金与魔法中的 Emacs

今天最热的不是任何一条大新闻，而是三条几乎同时出现的集体情绪------它们拼在一起，就是 2026 年 11 月的行业自画像。

① 「Are you tired too in this AI era?」

开头即：「尽管 AI 让我们能做更多事，我比以前累得多。我们必须同时追踪许多并行的事情、阅读海量生成文本。持续的 guardrailing、决策与上下文切换，让我不堪重负。你有没有找到方法，在不增加心智负载的前提下使用 AI？」------还补了一句「我还想在这个 AI 时代保住工作，让老板别解雇我」。

一条广为流传的回复，几乎成了整代工程师的注脚：「我们不是在写代码，我们是在审阅代码------而审阅比写作更累。」（大意）

② 「Your Retirement Savings Are Fueling the AI Bubble」

LPE Project 的 Lenore Palladino 把金融面接了过来：

上周四「科技股血洗」单日 $3.2 万亿蒸发；英伟达们被称「cash incinerators」；
更隐蔽的是私人信贷与股权基金已成为数据中心融资的新重心 ------据 Americans for Financial Reform 报告，25--30% 的数据中心融资背后是私募股权；
S&P 9 月已经明说「hyperscalers 的信用质量正在弱化 」，因为 2030 年前预计 $7 万亿** 支出要靠债务；与大型科技债券挂钩的 CDS 9 月每周交易超 **$ 90 亿且越来越贵；
而普通人的 $15 万亿私营部门退休账户 ，历史上首次被开放给这些私人基金------你的退休金正在为 AI 泡沫买单，且这些风险无需向你披露。

③ 「Emacs in the Age of Magic」

Command Line Systems 的长文题注就已经很浪漫：「Rome Wasn't Built In A Day, More Like 10 Minutes」。作者把 1990 年代规则式 AI 的雄心、ENIAC 时代的打孔卡工作流、与今天 Claude Code 的「魔法」并置------当 Scott Aaronson 谈起的「Mathocalypse」（最新模型 3 小时轰击 8,000 个研究问题、372 个可能命中）发生时，一个从打孔卡时代走来的开发者，在 Emacs 里记录这个时代。文章里有一句话值得抄下来：「在物种的时间尺度上，数字时代才刚刚开始。」

技术判断

① 「疲惫」是 AI 落地期最真实的生产力数据。 关于「累」的讨论与关于「退休金」的警告同时成为焦点，说明行业正在把「AI 是不是太贵」和「AI 是不是没让我更轻松」当作同一件事来谈------这两问的答案都指向 2027 年工具链设计的核心：把 guardrail 与审阅成本降下来，才是下一波平台的真正护城河。

② 退休金入局 = 这轮泡沫的投资者结构与 2000 年互联网泡沫完全不同 ：那时散户买股票，这次是「被动承担」------你什么都不用做，401(k) 里的钱就已经在数据中心的项目清单里。它改变的不是估值倍数，而是回调的政治成本。