AI竞赛与能源成本 - 能源成本将成为决定各国AI竞赛成败的关键 任何地区的GDP增长都将与使用AI时的能源成本直接相关 [2] - 每个经济体及其企业的工作是将AI模型用户购买的token转化为经济增长 因此token的价格越低越好 [2] - 低廉的能源生产能力、数据中心建设能力以及系统中硅芯片的成本是决定token价格的关键因素 [2] - 受数据中心影响 到2030年美国电费平均将上涨8% 在弗吉尼亚州等地涨幅可能高达25% [2] AI投资与泡沫风险 - 微软在2025年初宣布投入800亿美元建设AI数据中心 其中50%的支出分布在美国境外 [3] - 如果AI增长仅由投资驱动 便可能是泡沫的征兆 判断泡沫的关键在于讨论焦点是否仅限于科技公司和技术侧发展 [3] - 检验AI价值的标准在于是否有借助AI加速临床试验而成功上市的药物等实际应用 [3] - AI必须走出科技公司的范畴 实现更广泛的渗透 让收益更均衡地惠及各方 才能避免形成泡沫 [3] - 基于过去20年云计算和移动设备的广泛普及 对AI技术的快速扩散充满信心 [3] - 经济增长必须由企业运用AI提升自身营收来驱动 而非仅靠科技公司投资AI基础设施的资本支出 [3] AI的社会许可与价值实现 - 如果AI token不能改善医疗成果、教育成果、公共部门效率及各行业私营部门竞争力 将很快失去把稀缺能源用于生产token的社会许可 [3] 企业竞争格局 - 在AI开发方面 初创公司能从零开始构建AI体系 而传统巨头虽在数据、规模和客户关系方面保有优势 却受困于变革管理难题 没有任何一方能安于现状 [4] 区域发展策略 - 欧洲若要在AI时代取得成功 就需要有更广阔的全球视野 其竞争力在于产出的全球竞争力 而不仅限于欧洲内部 [5] - 欧洲经济需要投资能够驱动AI的能源与token 以生产出世界所需的产品 [5]

核心观点 - 瑞穗银行下调了微软公司的目标价 [1] 分析师评级与目标价调整 - 瑞穗银行将微软的目标价从640美元下调至620美元 [1]

微软在OpenAI罢免事件中的深度介入与紧急应对 - 在OpenAI董事会无预警罢免奥特曼后，微软CEO纳德拉迅速行动，在周末内成立了一家名为“微软RAI公司”的新子公司，并完成了全部法律手续，计划在周一提交[7][8] - 微软为该子公司准备了250亿美元资金，旨在支付OpenAI员工的薪酬和未兑现股权，以吸纳奥特曼及支持他的员工，防止人才流向谷歌或亚马逊等竞争对手[8] - 微软在推动奥特曼重返OpenAI的过程中发挥了关键作用，支持近800名员工签署联名信逼宫董事会，并私下深度参与新董事会人选的筛选与决策[11][12] OpenAI与微软合作关系的演变与博弈 - 合作初期，微软内部对OpenAI的商业化能力存在疑虑，曾拒绝支持其Dota 2项目，并有关键人物质疑其在通用人工智能（AGI）上的突破潜力[18] - 2019年，OpenAI重组为利润上限实体后，微软追加了10亿美元投资，以换取独家云计算权利和商业使用许可，并占据了总投资额的85%，拥有实际否决权[20] - 随着ChatGPT成功，微软推动OpenAI商业化，但OpenAI在2024年底取消利润上限后，与微软达成新协议，承诺未来采购2500亿美元云计算资源，同时解除了微软的独家性[23] OpenAI寻求独立性与多方势力围猎 - 为摆脱对单一云服务商的依赖，OpenAI在重组计划落地6天后，迅速与亚马逊签署了一份价值380亿美元的基础设施协议，对冲微软的影响力[25] - 公司正从依赖单一合作伙伴转向分布式算力架构，旨在避免被任何大厂卡住脖子，目标是成为行业规则的制定者[31] - 除微软、亚马逊外，OpenAI还面临多方势力的关注与挑战，包括马斯克提起的索赔1340亿美元的诉讼，以及软银（Project Sakura）和华尔街金融资本的觊觎[27][31] OpenAI早期合作与竞争格局 - OpenAI成立初期，首个合作伙伴是亚马逊AWS，双方协议涉及OpenAI投入1000万美元资金，以换取价值5000万美元的计算资源[16] - 微软为与AWS竞争，在2016年11月与OpenAI正式宣布合作，并在随后十年通过不断追加投资成为其最大投资方之一[16] - 合作期间，OpenAI并未完全绑定微软，其员工曾频繁出现在亚马逊园区，显示出与多方保持接触的姿态[18]

微软的AI战略核心 - 在AI时代，公司的战略重心不在于是否拥有单一“基础模型”，而在于算力基础设施、模型编排能力以及企业知识的深度嵌入 [1][11] - 公司当前最核心的AI战略并非只做一个模型，而是有更重要的战略选择 [4][14] 核心战略一：构建“Token工厂”与算力基础设施 - 公司当前最核心的AI战略之一是将Azure打造成大规模的“Token工厂” [3][13] - 随着AI应用全面铺开，算力需求呈指数级增长，云服务商必须具备建设异构基础设施集群、并通过软件提升利用率和降低总体拥有成本的能力 [3][13] - Azure已经是公司最大的业务，未来AI带来的算力需求规模巨大，要求公司极其擅长建设本地化的“算力工厂” [5][15] - 这意味着构建一个高度异构的基础设施集群，并通过软件最大化利用率、降低总体拥有成本，这是所有超大规模云服务商一直在做的事 [5][15] 核心战略二：应用服务层与模型编排 - 公司AI战略的第二部分是应用服务层，如果所有人都在构建AI Agent、强化学习环境、评测系统，那么就必然需要一个“应用服务器层”，这正是公司在Foundry所做的事情 [5][16] - 未来的AI应用不会依赖单一模型，任何企业都会同时使用多个模型，甚至针对同一任务编排多个模型协同完成 [3][13] - 公司在医疗领域推出的“决策编排”实践表明，通过为模型分配不同角色并进行编排，其效果显著优于任何单一前沿模型 [3][5][13][16] 对模型生态的展望 - 对于开源与闭源模型之争，其演变类比于数据库市场，未来模型生态将高度多样化，既有闭源前沿模型，也会出现达到前沿水平的开源模型 [3][6][13][17] - 真正的竞争力在于企业能否将自身的隐性知识嵌入到自己可控的模型权重中 [3][7][13][18] - 对于未来模型的数量，公司的极端答案是：世界上有多少家公司，就应该有多少个模型，这正是知识经济向AI经济转变的方式 [3][8][9][13][19][20] 终端侧与桌面计算战略 - 公司确认已经拥有可在Windows桌面本地运行、充分利用NPU与GPU资源的模型 [3][10][13][21] - 高性能工作站正在回归，桌面计算形态将在AI时代重新获得战略价值，而公司在桌面生态上具有天然优势 [3][10][13][21]

事件概述 - 微软在2026年1月的Windows 11例行安全更新中，引发了严重的系统级故障，导致部分设备无法正常关机和通过远程桌面登录 [1] - 问题的严重性促使微软罕见地绕过了正常的月度更新节奏，紧急发布了带外更新以进行修复 [1] 故障具体表现与影响 - 部分Windows 11设备在安装2026年1月累积更新后，系统明确接收关机指令但拒绝执行，导致关机、重启、休眠功能全部失效，设备可能“自行复活” [3] - 笔记本电脑看似关机实则整夜耗电，办公室台式机下班后持续运行，IT运维团队无法远程确认系统状态 [5] - 远程桌面服务同时出现故障，用户登录时凭据验证窗口反复弹出，身份认证进入死循环，严重影响远程办公、运维管理和云桌面场景 [8] - 此次更新还引入了另一个未修复的Bug，导致经典版Outlook的POP账户配置文件可能卡死或冻结 [8] 故障根源与修复措施 - 微软确认问题根源在于1月补丁与一项名为“System Guard Secure Launch”的安全启动加固机制存在严重兼容性问题 [4] - 该机制在企业版、IoT版及部分新设备上默认启用，其与补丁的冲突导致系统无法正确完成关机流程 [4] - 微软于1月17日紧急发布了带外更新KB5077797，专门针对Windows 11 23H2、Enterprise及IoT等环境，以恢复正常的关机、休眠及远程桌面登录行为 [6] 事件反映的深层问题 - 此次更新本意是修复超过100个Bug，其中至少一个漏洞已被确认在野利用，但却制造了更基础的系统故障 [4] - 尽管更新经过Windows Insider Program测试，但仍出现了关机、登录等用户第一时间能遇到的严重缺陷，引发对测试覆盖度和更新节奏的质疑 [9] - 在公众形象本已因强推AI功能而受损的背景下，频繁出现此类低级且致命的更新问题，正在持续消耗用户对Windows 11的信任 [9]

核心观点 - 人工智能的全球竞争本质上是能源经济学的竞争 能源成本是决定AI发展与应用的关键因素 廉价、清洁、稳定的能源供应是解锁下一代AI潜力的基础 [2][3][7] 能源与AI发展的关系 - 人工智能模型的训练和推理是能源密集型过程 单次大规模模型训练耗电量相当于数百个家庭全年用电 [3] - 算力需求每3.5个月翻一番 但可再生能源建设速度难以同步 [3] - 未来AI的能耗问题将越来越突出 尤其是对电力供应紧张的国家 [7] - 将AI处理的基本单位“token”定义为一种新的大宗商品 其成本中最大变量是能源 [2] 全球及中国电力供应现状 - 中国发电量已10多年稳居世界第一 2022年占全球总发电量比重达30% [4] - 2023年中国发电量高达9.4万亿千瓦时 几乎是美国(4.4万亿千瓦时)的2倍多 [4] - 马斯克预测到2026年 中国的发电量可能达到美国的3倍 [4] - 马斯克表示 根据当前趋势 中国在人工智能计算方面将远远超过世界其他地区 [3] 人工智能产业发展态势 - 2023年全球人工智能产业市场规模达5381亿美元 三年复合增速达19.21% [6] - 目前AI发展路线是不断增加模型参数和叠加芯片 这将导致未来消耗更多电力 [7]

文章核心观点 - 微软首席执行官萨提亚·纳德拉指出，能源成本是决定各国在人工智能竞赛中胜负的核心因素，人工智能基础设施的建设与应用与能源成本深度关联 [1] - 人工智能的发展必须兼顾社会价值，其应用需切实改善医疗、教育、公共部门效率及企业竞争力，否则将失去将稀缺能源用于AI发展的社会许可 [3] - 欧洲若想在人工智能时代取得成功，需树立全球化视野并提升其产品的全球竞争力，而非仅聚焦于主权话题或依赖保护主义政策 [4] 人工智能发展的核心驱动力与成本 - 能源成本直接关系到各国GDP增长与人工智能应用的竞争力，降低作为AI处理基础的“token”成本对经济发展有利 [1] - 人工智能竞争的关键要素不仅在于能源生产端，还需从总拥有成本视角考量，包括成为低成本能源生产方、推进数据中心建设以及芯片成本曲线走势 [3] - 微软等超大规模云服务商正大力投资AI数据中心，该公司曾宣布预计投入800亿美元用于相关建设，其中50%的支出将投向美国以外的地区 [3] 对欧洲人工智能发展的具体建议 - 欧洲是全球能源成本最高的地区之一，自2022年俄乌冲突以来能源成本进一步攀升，这对其AI发展构成挑战 [4] - 欧洲的竞争力取决于其产品在全球市场的竞争力，而非仅限于内部市场，需加大投入确保拥有支撑本土AI发展的能源与“token” [4] - 欧洲当前在相关讨论中过多聚焦“主权”话题，应更关注如何让本土工业与金融服务企业获得更广阔的市场准入，并认识到只有产品具备全球竞争力才能真正拥有竞争力 [4]

微软首席执行官对人工智能发展的观点 - 微软首席执行官纳德拉警告，若人工智能的应用不能扩展到大型科技公司和富裕经济体之外，该技术有可能成为一个投机泡沫 [1] - 纳德拉表示有信心人工智能将在各行各业带来变革，例如帮助开发新药 [1] - 纳德拉重申未来人工智能的采用不会依赖单一的主导模型供应商 [1] 微软在人工智能领域的合作策略 - 微软决定与多个人工智能团体合作，例如Anthropic、xAI以及OpenAI [1]

地缘政治与贸易紧张局势 - 美国总统特朗普重申控制格陵兰岛的目标“绝不会改变”，并拒绝排除使用武力的可能性，计划在达沃斯就此问题与各国领导人会面 [2] - 特朗普宣布将对法国葡萄酒和香槟征收200%的关税，此举被视为对法国总统马克龙拒绝加入其“和平委员会”的回应 [2] - 欧洲议会宣布冻结对去年7月与美国达成的贸易协议的批准程序，作为对特朗普施压举措的首次回应 [2] - 美国最高法院未就特朗普关税政策合法性作出裁决，案件推迟至2月20日后再议，特朗普表示若关税工具受限将寻求“许可制度”等替代手段 [8] 全球金融市场动态 - 美国市场出现“股债汇”三杀，美股三大指数集体下跌，道指跌1.76%，纳指跌2.39%，标普500指数跌2.06% [3] - 大型科技股普遍下挫，甲骨文、博通跌超5%，英伟达、特斯拉跌超4%，苹果跌3.46%，亚马逊跌3.4% [3] - 热门中概股多数下跌，小马智行跌6.4%，小米跌5%，小鹏汽车、蔚来跌超3% [3] - 美债收益率全线上涨，10年期美债收益率涨6.76个基点至4.2906%，30年期美债收益率涨7.92个基点至4.9158%，盘中创去年9月初以来新高 [4] - 美元指数盘中一度跌超0.7%，最低报98.25 [4] - 大宗商品方面，WTI原油期货收涨1.51%至60.34美元/桶，布伦特原油期货收涨1.53%至64.92美元/桶，黄金白银价格再创新高，现货黄金一度涨超2%至约4766美元/盎司 [5] - VIX恐慌指数上涨6.69%至20.10 [7] 主要央行与货币政策 - 中国人民银行公布的1年期LPR为3.0%，5年期以上LPR为3.5%，两个期限品种LPR均已连续8个月保持不变 [23] - 美国财长贝森特透露，特朗普政府最早可能于下周宣布新任美联储主席人选，目前有四位候选人在列 [12] 科技与人工智能行业 - 微软CEO纳德拉表示，能源成本将决定哪些国家能赢得AI竞赛，并警告AI若仅惠及少数主体可能演变为投机泡沫 [9] - 马斯克正式开源其社交媒体平台X的推荐算法，该算法完全由Grok模型驱动，并计划每4周更新一次 [11] - OpenAI与商用软件公司ServiceNow达成三年合作协议，将OpenAI的AI模型整合入ServiceNow平台 [14] - 三星电子与SK海力士计划在2026年缩减NAND闪存晶圆投片量，三星计划投入468万片（低于2025年的490万片），SK海力士计划投入170万片（低于2025年的190万片） [13] 中国宏观经济与政策 - 国家发改委表示2025年数字经济增加值达49万亿元，城镇化率升至67.89%，2026年将出台扩大内需战略实施方案 [21] - 财政部等部门优化实施多项财政贴息政策，覆盖中小微企业贷款、个人消费信贷、设备更新等领域，以激发民间投资活力和提振消费 [22] - 财政部披露2026年将实施更积极财政政策，保持支出力度“只增不减”，2025年新增政府债务11.86万亿元 [24] - 六部门延续社区家庭服务业税费优惠政策，执行期为2026年1月1日至2027年12月31日，涵盖免征增值税、减计企业所得税等 [27] 中国产业与市场动态 - 上海发布18项措施强化有色金属期现联动，助力“五个中心”建设，包括优化清算结算、推动实体企业参与风险管理等 [29] - 国家智能网联汽车创新中心拟于今年上半年发布《车路云一体化智能路侧基础设施分级技术要求(城市道路)》标准 [32] - 国内成品油价格2026年首次上调，汽、柴油价格每吨均上调85元，92号汽油每升上调0.07元 [33] - 国家航天局披露2025年中国商业航天完成发射50次，占全国宇航发射总数54%，朱雀三号重复使用运载火箭首飞成功 [28] 上市公司业绩与公告 - 永辉超市预计2025年归母净利润亏损21.4亿元，亏损同比扩大，主要因门店优化产生资产报废等损失约9.1亿元及关闭381家门店产生额外亏损 [17] - 多家公司发布2025年度业绩预告：海康威视利润同比增长18.46%至141.88亿元；同花顺净利同比预增50%-80%；通富微电净利同比预增62.34%-99.24%；璞泰来净利同比预增93.18%-101.58%；昭衍新药净利同比预增214%-371%；国晟科技预计净亏损3.25亿元-6.5亿元 [20] - 锋龙股份公告其股票自2025年12月25日起连续14个交易日涨停，累计涨幅达279.93%，公司提示股价严重脱离基本面 [18][19] - 华泰科技签订3.28亿元日常经营合同；黄山旅游投资约1.33亿元建设索道电气系统更新项目；康欣新材拟3.92亿元取得字邦半导体51%股权 [34] 全球其他市场表现 - A股方面，沪指跌0.01%，深证成指跌0.97%，创业板指跌1.79%，全市场成交额2.8万亿元 [35] - 港股方面，恒生指数跌0.29%，恒生科技指数跌1.16% [35] - 南下资金净买入港股36.63亿港元，净买入腾讯控股6.63亿港元、美团5.73亿港元 [36] - 截至1月19日，沪深两市融资余额合计26968.2亿元，较前一交易日减少86.32亿元 [38]

AI的平台级转变与本质 - AI是过去70年计算技术发展的自然延续，但带来了历史性的“平台级转变”，其最大突破在于软件的“延展性”和“自我转换”能力，例如将文档转化为网站或应用 [1] - AI的能力正在快速进化，从代码补全工具，到对话助手，再到能7x24小时接管整个项目的智能体，正在成为每个知识工作者身边的“无限头脑” [2] - AI是认知能力的百倍放大器，其价值取决于能否像电力一样扩散到各行各业并创造真实的“盈余”，否则科技行业将失去使用能源的“社会许可” [3] 衡量AI价值的新宏观经济指标 - 提出了全新的宏观经济指标：“每美元每瓦特产生的tokens数量”，未来的GDP增长将直接取决于这个指标 [3] - Tokens成为一种新的大宗商品，国家或企业的竞争力取决于能否以更低廉的能源成本、更高效的基础设施生产更多智能通证 [3] - 建设一个将“能源网”与“计算网”深度融合的基础设施，像传输比特一样传输通证，是所有国家的当务之急 [3] AI时代的企业主权与护城河 - 真正的“企业主权”在于对模型权重的控制，而非数据的物理存储位置 [4][6] - 如果公司仅调用外部AI模型，而无法将内部独特的隐性知识蒸馏进自己可控的模型中，就是在向外部提供商泄露核心价值 [7] - 企业护城河从拥有数据，进化到拥有“懂业务的模型”，保留控制命运的能力 [7] AI驱动的组织与工作流变革 - AI正在重塑企业组织形态和工作流，例如微软CEO使用Copilot直接生成包含360度视角的会议简报，扁平化了组织内的信息流 [7][29] - 企业转型需遵循“铁三角”公式：领导者需具备用AI重塑工作流的“心态”；员工需升级使用、信任并管理AI的“技能”；企业需进行“上下文工程”确保AI获得独有的背景知识“数据集” [9][30][31] - 观察到“杠铃效应”：从零开始的小公司能100%基于AI构建效率极高，拥有深厚数据积累的大公司转型得当也能爆发巨大规模效应，而行动迟缓的中大型企业将被利用新工具的小公司打败 [9][32] AI的扩散、应用与全球影响 - AI扩散是一切的关键，其程度与人们使用该技术的技能普及度强相关，需要私营和公共部门的领导力以及技能培训来推动 [20][22] - 在供给侧，每个国家需要提升“每美元每瓦特产生的通证数量”的效率；在需求侧，每家公司都必须开始使用AI [21] - 由于移动网络和连接性的基础设施，AI通证比PC或移动时代初期更能均匀地传送到世界各地，例如印度农民可使用方言机器人查询农业补贴 [24] - 避免AI成为泡沫的关键在于其好处必须更均匀地分布，并应用于改善医疗、教育等真实场景，而不仅仅是科技公司的资本支出驱动 [27] 多模型世界的未来与企业核心竞争力 - 未来5到10年将是一个“多模型世界”，而非单一超级模型统治 [9] - 企业的核心竞争力将不再是仅仅拥有模型，而是“编排”能力，即整合闭源模型、开源模型和自建模型，结合私有数据，通过AI编排来改变业务结果 [11][40] - 公司的知识产权在于如何利用所有模型，结合“上下文工程”和数据，来改变其关心的业务结果轨迹 [40][41] 地区差异与基础设施挑战 - 在技术知识和开发者质量上全球差异不大，但在大规模应用、风险资本和大公司推动方面，美国的活力更强 [34] - 廉价的电力是AI可及性的决定性因素之一，“每美元每瓦特产生的通证数量”直接关系到任何地方的GDP增长 [35][36] - 欧洲的竞争力在于其产品在全球的竞争力，应更关注其工业公司和金融服务公司如何获取全球数据并投资于本地能源和通证生产，而不仅仅是数据保护 [37][38]