每日重点简报｜2026年10月18日（香港晨间）｜AI·Agent·投资与宏观·香港/中国政策·DEA/SFA

一家公司希望AI助手帮用户买票，另一家公司却能拒绝让这个“数字顾客”进入网站。10月17日，围绕AI Agent被电商、航空公司与金融平台限制访问的报道，再次把这个矛盾推到公众面前。与此同时，AI企业正在为昂贵算力寻找数百亿美元融资，Anthropic联合创始人则在曼谷谈到2030年美国经济可能达到44.4万亿美元的极端情景。

这几件事放在一起很容易制造宏大叙事，但问题更具体：一个Agent有能力完成任务，是否意味着它可以进入所有平台？一个模型有增长潜力，是否意味着投资人必然得到合理回报？今天从网站权限、资本成本、经济预测和内容授权四个角度核对。

一｜AI助手想替用户办事，越来越多网站不让它进入

10月17日，The Verge报道，Meta Muse、OpenAI Dots和其他面向消费者的Agent，在部分网站遭遇拦截。Yelp称其向AI Agent开放数据需采用付费授权；Delta Air Lines限制Agent代用户订票；摩根大通和嘉信理财出于账户安全考虑限制Agent接入。不同网站的规则与执行方式不完全一致，不能概括成“互联网已经全面封杀AI”。

争论的关键在于三种权利并不相同：用户可以授权助手代表自己操作，目标网站可以设置访问条件，模型厂商还需要确保操作过程符合安全和隐私要求。用户说“帮我买机票”，并不自动意味着航空公司必须允许某个第三方软件代其登录、读取资料和支付。

另一边也存在平台利益问题。对于依赖广告、导流或会员经营的网站，Agent如果直接给用户结果，就可能减少人工访问流量。于是，安全顾虑与商业模式冲突可能同时存在。Amazon与Perplexity之间的相关诉讼也说明，法律边界并未在所有情形下统一确定。

对开发者而言，这条新闻不是“多写几句提示词就能绕开网站限制”的信号。更可靠的方向是使用官方API、授权合作、可审计的用户确认，以及访问失败后的人工接管。一次成功的自动化演示，不能作为所有平台长期可用的保证。

图1｜Agent任务要分别经过用户授权、目标平台许可和运行时控制。自制示意；依据The Verge 2026-10-17报道。

来源：The Verge｜Websites are closing their doors to AI agents（2026-10-17）

二｜Anthropic的芯片融资，据报要求黑石资金获得双位数收益率

英国《金融时报》10月17日报道，Anthropic围绕芯片租赁安排推进名为Project North Star的融资，潜在整体融资规模约600亿美元，涉及约1.5吉瓦的定制计算设施。报道称，黑石拟投资其中90亿美元、对应的债务收益率超过10%。路透社10月17日转载核心数字，但明确表示当时无法独立核实。它应被视为正在报道中的融资安排，而不是已完成的600亿美元现金到账。

按路透可核实的转述，黑石相关90亿美元债务将由Anthropic未来五年租赁芯片的付款支持。这里的收益率是特定拟议债务投资的回报要求，既不是Anthropic全部资本的平均融资利率，也不是公司已经实现的投资回报。

为什么这条信息重要？在AI基础设施投入中，需求增长与财务收益可能存在很长时间差。企业需要先获得芯片、电力和机房，再用客户收入支付租金、利息、维护及设备更新。对资金提供者而言，预测中的模型需求越高，未必就能抵消设备折旧、客户集中度和未来融资成本。

这与前几日高杠杆算力企业股价及债券承压的报道构成延续，但两者不能互相当作因果证据。最值得观察的不是又出现了多少“千亿美元计划”，而是融资是否正式完成、债务优先级与担保如何设置、租约现金流能否覆盖融资义务，以及合同何时产生持续收入。

图2｜据媒体报道的拟议融资数字；尚不代表已完成融资或统一成本。自制信息图；来源FT、Reuters。

来源：Financial Times｜Anthropic offers Blackstone double-digit yield（2026-10-17）；Reuters｜转述FT关于Anthropic与Blackstone拟议融资（2026-10-17）

三｜2030年美国GDP达44.4万亿美元？先看情景假设

10月17日，Anthropic联合创始人Jack Clark在曼谷IMF与世界银行年会上介绍公司内部经济模型。他提到，在非常激进的技术进步与采用条件下，美国2030年GDP可能达到约44万亿美元。他同时承认这一数字听起来非常激进，并呼吁各国尽快建立合适的安全边界。

这个数字不是IMF的正式预测，也并非10月17日新公布的GDP数据。Anthropic在9月推出的Economic Scenario Explorer已有三档情景，按照2025年不变价格，2030年美国GDP分别为34.1、36.3和44.4万亿美元；对应相对于“无AI”基准的额外GDP影响为1.6%、8.3%和32.4%。媒体标题中“接近50%”主要是在与当前30多万亿美元经济规模比较，不能混同为模型对无AI基准的增量。

极端情景假设AI能够高效处理绝大多数知识型任务、快速普及，且几乎不创造新的知识型岗位。该模型同时提示可能出现严重的岗位转换困难：知识工作者工资承压，劳动收入在总产出中所占份额下降。Anthropic也承认模型没有完整纳入政策反应、商业周期、总需求和其他经济冲击。

所以，44.4万亿美元更适合被看作一个“假如这些条件都成立，将发生什么”的思想实验。它不是可直接投入投资模型的确定盈利增长率。对经济学研究来说，真正需要分别观察技术任务能力、企业采用率、资本与劳动互补、真实产出和分配结果。

图3｜Anthropic三档经济情景，GDP单位为万亿美元、按2025年价格；增幅相对无AI基准。自制图；来源Anthropic Institute。

来源：Reuters｜Jack Clark在IMF与世行年会演讲（2026-10-17）；Anthropic Institute｜Scenarios for our Economic Future（版本1.0，2026-09）

四｜IMF周末会议提醒：AI可能提升生产率，也可能扩大金融脆弱性

在10月17日结束的国际货币与金融委员会（IMFC）会议上，主席声明强调全球经济虽有韧性，战争、贸易紧张、能源价格、债务与长期收益率仍使风险偏向下行。声明采用“advanced intelligence technologies（先进智能技术）”的表述，承认其促进投资和贸易的潜力，同时认为其不确定影响可能与债券收益率上涨一起放大宏观金融脆弱性。

这一内容与Anthropic的高增长情景并不矛盾。IMF关注的是整个金融体系如何承受多重冲击，而企业的情景模型讨论的是特定假设下的技术前景。即使AI最终提升生产率，某些过度举债的项目仍可能在成果兑现前面临现金流压力。

对新兴经济体的另一个现实问题是能源和债务。AI受益产业可能集中在少数硬件与服务中心，进口能源成本却由更多地区承担。IMF官方发布会也提醒，技术可能扩大国家与人群之间的差距。值得观察的是未来全球资本成本、能源价格、财政空间与企业AI投资回收期，而不是将宏观风险全归咎于某个模型。

图4｜IMFC本轮讨论的四类相互关联风险。自制图；来源IMF 2026-10-17发布会及Reuters。

来源：IMF｜IMFC Press Briefing（2026-10-17）；Reuters｜IMFC关于能源、债务与技术风险的声明（2026-10-17）

五｜Google已有400多家媒体参与AI新闻授权：信息不再只有“抓取”一种路径

Google于10月15日宣布，旗下News AI试点已吸引全球400多家出版物参与。新增伙伴包括CNN、Axios、Financial Times和Forbes等。Google称，其向合作出版方支付费用，以获得扩展内容权利，用于文章概览和个性化音频简报等功能，并提供来源标注和直达链接。

这个公告发生于10月15日，并不是10月17日新签了400份合同。Google没有公布全部协议的财务条款，因此不能据“400多家”直接推算内容授权市场的规模。

它与Agent访问网站受阻的新闻形成有意思的对照：平台可以拒绝某些未经许可的自动访问，同时也可能主动出售经过协商的数据和内容使用权。对新闻媒体而言，授权收入、品牌曝光与原站流量可能互相补充，也可能发生冲突。

对于准备将AI用于研究和内容生产的机构，应把“公开可阅读”“允许技术抓取”“允许训练”“允许转发摘要”和“允许商业二次使用”分清楚。可靠内容供应链并不等于无条件复制来源文章；它需要清晰的授权范围、出处、更新机制以及错误纠正流程。

图5｜Google News AI试点的价值交换关系。自制示意；来源Google 2026-10-15公告。

来源：Google官方博客｜400 publications in News AI pilot（2026-10-15）；Reuters｜CNN、FT、Axios等参与Google新闻AI授权（2026-10-15）

香港、中国与跨境政策｜本期核对落实进度，不重复制造“新规”

香港金管局10月15日公布ART框架及更新的银行AI监管指引，适用于香港认可机构；其中实际AI用例清单、责任分配及按风险监督应依据正式指引办理。行业级重要Agent登记册仍属概念讨论。本期没有查到一份在10月17日另行生效、足以推翻前述口径的香港统一Agent新规。

内地商务部与科技部10月16日第48号公告，则需要继续区分两件事：40项技术目录修订仍在征求意见，截止11月15日；对于公告附件所列技术出口的临时登记，已从10月16日启动。服务型API、SaaS与关键技术使用权、所有权转移不能直接等同，具体交易应依官方规定核对。

另据10月16日媒体报道，Anthropic向美国国会议员介绍了一份前沿AI安全法草案，包含极端伤害风险、独立评测和法院干预等拟议内容。它既不是美国已经通过的新法，也没有给全球企业自动增加统一的72小时法定通报义务。政策研究要同时保留文本来源、所处阶段和适用主体。

来源：香港金管局｜ART监管框架（2026-10-15）；商务部、科技部2026年第48号公告（2026-10-16）；Reuters｜Anthropic提出美国前沿AI安全立法草案（2026-10-16）

值得阅读的论文与报告

研究一｜Anthropic经济情景：强假设下GDP可能大增，但劳动份额不保证同步改善

Anthropic Institute的《Economic Scenarios for Transformative AI》及交互情景模型于2026年9月公开。它按照职业任务的增强、替代和新任务创建来模拟2030年GDP、就业、工资及资本与劳动份额。最大价值是把“技术能做到”“实际采用多少”和“社会怎样分配收益”拆成不同假设。

模型的局限也明确：它没有完整处理政策、商业周期、总需求冲击与所有可能的新技术。这使它适合作为情景敏感性工具，不宜直接作为宏观预测或企业估值参数。

来源：Anthropic Institute｜Scenarios for our Economic Future（版本1.0，2026-09）

研究二｜AI投资可能通过组织资本影响生产率：研究对象是企业能力，而非纯调用量

Babina、He与Jiang的NBER论文《Canaries in the Gold Mine: Early Productivity Gains from Artificial Intelligence Creating Organization Capital》（2026年8月）利用企业AI技能岗位等信息构造投入测量，发现近期AI投资与生产率增长存在关联，提出组织内部通过实践积累的知识可能是关键机制。

启发在于不能只观察企业购买了多少模型Token，还要观察它是否形成了可复用流程、经过核验的数据与员工协作能力。该文的关联证据仍需要结合具体样本和识别条件解释，不能被写成所有AI投资的普遍因果回报。

来源：NBER w35684｜Canaries in the Gold Mine（2026-08）

研究三｜形状约束DNN-SFA：学习复杂生产关系，也要保留经济学约束

Wei、Sang、Prokhorov与Ma发表于2026年2月《Journal of Productivity Analysis》的《Shape-aware deep learning for models of production》，尝试在神经网络估计生产前沿时保留单调性与边际产出递减等经济学形状约束，并利用模拟与菲律宾水稻生产数据说明方法。

这对DEA/SFA研究具有直接方法价值：模型预测更灵活，不等于效率解释必然更好。若缺乏生产理论约束，就可能得到看似拟合优良却经济含义不合理的前沿。是否纳入现有研究，应先看变量维度、样本量和函数设定偏误证据，不应因为“深度学习”四字就替换主模型。

来源：Journal of Productivity Analysis｜Shape-aware deep learning for models of production（2026-02）

值得继续尝试的商业机会

让企业Agent知道“何时不该替用户操作”

针对外部网站与金融服务场景，企业可以先提供一套轻量权限评估：用户委托范围、目标平台许可、访问凭证、动作审批、失败后的人工接管。最小试点选择低风险网站与官方API，按任务成功率、越权阻断和人工接管耗时验收，而不是追求跨越所有反爬限制。

算力融资尽调：从“采购了多少卡”转为“现金回收能否覆盖义务”

对AI基础设施项目，建议把融资结构、租赁期限、设备残值、客户集中度及实际可计费利用率放进压力测试。通过不同利率和负载情景测算偿付能力，区分消息人士提出的融资方案与已签合同。

内容授权与可追溯的AI摘要

新闻与专业内容机构可研究授权范围清晰、可回链、可纠错的内容供应服务。初期先用小范围授权内容验证读者是否愿意为高质量摘要、音频与原文发现能力付费，不应把公开网页抓取直接等同商业再利用许可。

效率研究服务：同一项AI投资，分开测“工具采用”和“组织能力”

对高校和企业试点，可以固定一批真实业务任务，测量工具成本、人工复核、返工、合格产出及团队流程变化。技术效率、组织资本和外部环境变量先分别定义，再判断是否适合用DEA/SFA或面板计量，避免把所有改善机械归因于模型本身。

结语｜一个正在被拒绝进入的网站，和一笔尚在谈判的融资

周末最生动的两个画面，一边是Agent试图代人办事，却被网站拦在门外；另一边是AI企业为了满足未来计算需求，正在向资金提供者提出越来越大的融资计划。

它们并不说明AI失去价值。恰恰相反，技术越可能进入真实生活，平台规则、用户授权和成本承担就越难绕开。

下一步真正值得等待的是：平台之间能否建立可验证的Agent访问合作；高额算力融资能否正式落地并产生可持续现金流；极端GDP情景里的任务采用、组织调整与就业分配能否在实际数据里获得支持。知道什么已经发生、什么仍是条件假设，比继续宣布又一个拐点更有帮助。