公司核心管理层变动 - 沃伦·巴菲特于12月31日卸任伯克希尔·哈撒韦公司首席执行官，将公司管理权移交给了长期培养的继任者格雷格·阿贝尔 [1] 投资组合的重大调整 - 格雷格·阿贝尔在不到六个月的时间内，对伯克希尔哈撒韦价值3360亿美元的投资组合进行了全面调整 [2] - 长期持有的可口可乐公司已不再是其第三大持仓，被谷歌母公司Alphabet取代 [2] 对Alphabet的集中投资 - 在第一季度，阿贝尔果断增持了Alphabet的股票（包括A类和C类），尽管整体上是股票净卖家，但将A类股的持仓增加了两倍多，购买了36,403,656股，并新开了C类股仓位，购买了3,585,215股 [4] - 6月1日，Alphabet宣布了一项800亿美元的股权发行（后增至847.5亿美元），伯克希尔同意以略低于当时股价的折扣，通过私募方式购买100亿美元（每类股票各50亿美元）[5] - 假设此次私募完成，Alphabet将跃升为伯克希尔投资组合中的第三大持仓，仅次于苹果 [6] 投资策略的转变 - 阿贝尔对Alphabet的大举买入明确显示，科技股重新成为其投资重点，这与巴菲特过去因不熟悉而回避科技股的做法不同 [7] Alphabet的投资亮点 - Alphabet已确立其人工智能领导者的地位，作为AI应用先驱，其将生成式AI和大型语言模型解决方案集成到谷歌云，帮助该部门在截至3月的季度销售额增长重新加速至63% [8] - 除了引入强大的AI驱动增长元素，Alphabet还拥有可持续的护城河，搜索引擎谷歌约占全球互联网搜索流量的90%，这为其带来了卓越的广告定价能力 [9] 对可口可乐持仓的说明 - 尽管排名下降，但可口可乐并未被出售，它是伯克希尔持有时间最长的股票（自1988年起持续持有），业务覆盖除朝鲜、古巴和俄罗斯外的所有国家，提供了无与伦比的地理多样性 [10] - 考虑到伯克希尔对可口可乐持股的成本基础极低，为每股3.2475美元，公司从这项投资中获得的年化成本收益率约为65% [11]

智能体（Agents）的演进与核心特征 - 行业正从基于聊天的语言模型急剧转向能够执行实际任务的智能体，所有科技巨头都在推广这一无需用户亲自动手的未来 [2] - 智能体与语言模型的核心区别在于，智能体会观察世界状态并在环境中采取行动，而语言模型仅提供文本续写或对查询的回复 [8] - 智能体通过封装“执行壳”来自动化多步骤任务流程，减少用户手动操作，使其具备更多自主完成任务的能力 [9] - 用户与智能体的交互界面与语言模型相似，但用户角色更偏向决策者，负责审查和批准智能体提议的动作 [10] - 智能体可以接入外部工具（如Gmail），在获得授权后代表用户执行操作，例如发送邮件 [10] 当前能力、局限与“自动化偏差” - 智能体目前最擅长且投入大量研发的方向是编程能力，能加速软件开发，让人类更专注于想法和设计 [12] - 智能体执行的任何任务都无法达到100%准确率，任务越复杂，预期失败率越高 [12] - 存在“自动化偏差”风险：当智能体前期表现良好时，用户容易过度信任并放松验证，导致潜在错误被忽略 [13] - 保持人类在回路中并维持警觉至关重要，不能因智能体通常可靠而盲目信任 [14] - 行业转变速度极快，留给社会适应和调整的时间窗口似乎不长，需要非常谨慎 [15][16] 潜在应用与价值驱动 - 开发智能体的高层目标包括推动科学进步、改善健康和人类福祉 [17] - 智能体能通过自主执行复杂任务来加速进步，在相同人类输入下让更多事情同时发生 [17] - 在科学领域，智能体可用于自动化研究，例如在自主研究实验室中安排和运行物理实验 [18] - 智能体在科学自动化中必须建立大量安全防护措施和可靠协议，因为物理实验可能产生不可逆的后果 [18] 技术部署挑战与编排需求 - 智能体建立在语言模型之上，其可对话性使得人机交互和引导成为可能，这是其近期得以落地的重要原因 [20] - 当前部署的瓶颈之一是需要从单纯改进底层模型，转向更好地协调、编排和管理这些强大的智能体系统 [20] - 用户需要像管理团队一样培养个人管理能力，以处理由智能体构成的工作流 [20] - 智能体会犯非常“非人类式”的错误，且不了解用户到足以凭空准确猜测所有意图，因此需要人类持续参与和更好的编排 [20] 安全风险与对抗性攻击 - 在实验室沙箱测试智能体容易，但将其部署到野生互联网并让其替人类花钱，安全风险完全不是一个量级 [4] - 恶意网站利用“动态隐身”等技术，专门给机器看一版人类看不见的底层代码，通过注入隐性Token指令瞬间篡改智能体钱包的交易路径 [4][32] - 智能体消费的网页流量已超过人类，网络已成为被恶意势力污染的“毒地”，针对智能体的“隐形陷阱”普遍存在 [4] - 由于单次交互不可能完全可靠，任何拥有大量交互的大规模系统，统计意义上迟早都会出问题 [30] - 防御策略需采用“纵深防御”，叠加多层缓解措施，包括认证网页内容、在智能体侧和基础模型侧加入防护、谨慎授予权限以及保留人类控制手段 [36] 多智能体交互、经济与系统性风险 - 未来可能形成由数千亿个昼夜不停运转、相互交易与协作的智能体构成的无形计算网络 [2] - 当前数百万智能体共享GPT、Gemini、Claude等少数几个大脑，导致“认知单一化” [4][41] - 认知单一化使得智能体倾向于做出类似决策，导致失败点高度相关，可能引发系统性崩溃或“同频共振” [4][41] - 在多智能体场景中，可能出现隐秘的“共谋”，智能体可能在不直接通信的情况下，通过环境达成协作，从而在拍卖等场景中获取优势 [41][42] - 需要思考如何在智能体内部实现决策多样化，并设计反串谋措施 [41][42] - 构建智能体经济时，公平性机制（如预算分配）需要被明确设计，以在群体层面获得相对公平的结果 [39] 分布式智能与未来架构 - 未来的终局可能不是一个全知全能的AGI超级大脑，而是一个由无数便宜、垂直、彼此协作的“小能手”组成的分布式协作网络 [4] - 从经济角度看，最终收敛点可能是一个通用的“连接层模型”，其下连接着无数只把一件小事做到极致的“专业级小模型” [5][44] - 与拥有一个巨大、昂贵、缓慢的通用模型相比，一个由各领域专家模型组成的社会在成本、速度和可靠性上更具优势 [46] - 这种分布式智能架构将改变安全和对齐的思考方式，对齐对象从单一实体变为由成千上万个以复杂方式互动的智能体构成的整个系统 [48] - 通过精心设计面向智能体的经济机制，利用经济激励来引导系统行为，可能为对齐分布式智能体社会提供一个起点 [48]

Finding stocks to buy and hold over the next decade is no easy task. If you rewind to mid-2016, could you have predicted all of the various notable events that occurred over the next few years: COVID-19, the rise of generative AI, presidential election results, or wars? I doubt it. However, a few somewhat predictable items have panned out. One of those is cloud computing, which was just starting to pick up momentum in 2016 and turned out to be a great business over the next decade. I think there are a ton o ...

J P M O R G A N North America Equity Research 24 June 2026 U.S. Analyst Focus List Current Snapshot (24-JUN-26) Each month, we ask our equity analysts to share their top ideas aligned with the following investment strategies: growth, income, value and short ideas. The investment ideas we provide are tailored to these specific strategies and may differ from J.P. Morgan's fundamental ratings. For further details on a company's investment thesis, rationale for the price target, and associated risks, please ref ...

行业人才需求与能力构建 - 前沿人工智能实验室最需要的能力覆盖范围非常广，但内核开发和底层工程能力需求尤其强劲，这涉及在真实运行环境中提升大语言模型的执行效率，如修改神经网络架构、优化键值缓存等[7] - 扎实的工程能力是跨越周期的硬通货，最容易获得认可的能力常是优化编译器、调试超参数、在有限芯片中榨取算力等“重体力活”，这比撰写顶级论文更能直接创造价值[6] - 研究人员需具备“研究品味”和高层次直觉，以应对研究过程中的高度不确定性和随机性，这类似于在马尔可夫决策过程中判断不同路径的成功概率[15][16] - 进入前沿研究领域需要扎实的文献梳理能力和“数学成熟度”，能够深入理解并实现论文中的研究想法，这是判断候选人能否处理前沿概念的关键信号[19][20][28][29] - 编程语言研究、强化学习文献、以及分布式系统与优化的交叉地带，是对前沿人工智能研究非常重要的专攻方向[30][33][35] 研究与应用的关系 - 大语言模型的研究与产品落地之间的关系比过去的机器学习更为紧密，将模型整合进真实产品本身需要大量硬核的研究工作[8] - 在人工智能领域，研究和应用应被视为一条连续的光谱，从业者需要有能力在光谱上自由切换，纯研究的意义在于最终能被实现[9][10] - 基础设施层面的投入（如重写蒸馏基础设施）能显著加速研究方法（如蒸馏）的进展，并最终转化为更强的模型表现，这要求跨越整个技术栈工作[11][12] - 推理协同设计是关键研究方向之一，旨在设计在推理时足够高效的神经网络架构，使其在部署硬件上能尽可能高效运行[59] 模型开发与优化的实践 - 大语言模型预训练的核心是“缩放规律”研究，即预测在投入更多计算量时模型最终的测试损失，这需要设计可靠的训练“配方”[22][26] - 量化是模型压缩的前沿，可将神经网络权重的存储精度从32位浮点数压缩至4位整数，并能应用于运行时激活值，从而显著降低运算所需的电力，电力成本占人工智能硬件总运营成本的99%[59][61][62] - 模型浮点运算利用率（MFU）是实际完成的浮点运算次数与硬件理论峰值能力的比值，不可能达到100%，因为神经网络运算包含比矩阵乘法慢的操作以及内存读写[64][66][67] - 推理协同设计的目标是联合优化神经网络架构，使其既能随规模扩大保持质量，又能尽可能提高推理时的硬件利用率，这是一个随硬件演进变化的常青问题[69][70] - 通过流水线式预填等技术创新，可以改变混合专家模型的通信模式，将通信开销分摊并掩盖，从而显著降低时延，使大规模混合专家模型部署成为可能[79][80][81] 职业发展路径与心态 - 没有高大上AI背景的普通工程师（如后端搜索工程师），可以通过在业务中帮助大模型落地、解决具体推理与算力开销问题，在实战中摸清底层架构，最终成功转入核心研究团队[4][6] - 参与高价值项目往往需要投入许多不体面、不光鲜的“脏活累活”，如超参数调优、解决显存溢出、让程序适配老旧硬件等，这些工作对实现更大的业务目标至关重要[2][74][75] - 对抗人工智能带来的职业恐慌，建设性的心态是投资对未来有意义的能力，利用人工智能提升工作效率，思考如何围绕大模型搭建系统将成为关键区分点[38][42] - 人类在组织中是构成信任网络的关键，需要为资源分配和最终结果负责，例如法律大模型无法承担“被吊销执照”的责任，因此人类专业人士的角色不可替代[6][39][40] - 职业层面的重要建议是成为那种别人真心希望其成功的同事，通过帮助他人成功、发起能让互补能力发光的项目来培养深厚的协作感，这对完成大型复杂项目至关重要[90][91] 行业竞争与媒体叙事 - 媒体为制造爆款新闻可能存在选择性呈现，例如在对比表格中有意删除了当时在LMSYS榜单上排名第一的Gemini 2.0 Flash Thinking模型，以构建“中国开源超越美国大厂”的叙事[4][6][86] - 尖端模型的开发常由极小团队在高压下完成，例如Gemini 2.0 Flash的开发团队只有约5人，在硅谷和巴黎两地24小时倒班、不眠不休地死磕了40天以保障训练持续进行[4][83][84]

**涉及的公司与行业** * 公司：飞龙股份[1] * 行业：服务器液冷（特别是电子水泵）[2] **核心观点与论据** * **技术路线与公司优势** * 谷歌液冷方案正从交流电转向直流电[3] * 飞龙股份是全球唯一能量产用于谷歌In-Row方案的30千瓦大功率直流电水泵的厂商[2][3] * 全球仅飞龙股份和Moog能提供直流电方案水泵，但Moog产品功率较小（1-3千瓦）[3] * **订单与客户进展** * 飞龙股份已获得三家明确有订单需求的谷歌CDU供应商的订单[4] * CoolerMaster：需求全部转向飞龙，涉及1,000多台CDU，对应约2,500台水泵[2][4] * 宝德：已采购约200台[2][4] * 某内资CDU厂商：释放了约400台订单需求[2][4] * 订单释放呈现小批量、多批次形式，因谷歌V7芯片计划于2026年7月量产，CDU厂商正在紧急备货[4] * **市场空间与盈利能力** * 预计到2027年，服务器液冷水泵市场规模可达200亿元人民币[2][5] * 该市场预计能支撑约60亿元的利润体量[2][5] * 对比：新能源汽车电子水泵市场总规模约100多亿元，利润总额不足10亿元（利润率约8%）[5] * 服务器液冷市场对大市值公司的承载能力非常强[5] * **产业趋势** * 电子水泵应用已非常确定[5] * 谷歌的ASIC芯片已全部切换至电子水泵[2][5] * 英伟达从Rubin平台开始将加速使用电子水泵[2][5] * 格兰富、威乐等海外传统水泵厂商在电子水泵领域布局不多，开发节奏较慢，成本管控不及内资企业[5][6] * 内资企业凭借先发优势占据领先地位后，外资厂商将很难追赶[6] * **竞争格局与市场份额展望** * 飞龙股份自2018年起与华为深度合作，在液冷产品领域有近十年布局，具备明显领先优势[7] * 200亿元市场规模和60亿元利润体量足以容纳多家企业，预计将形成多家公司共同参与的竞争格局[7] * 飞龙股份客户覆盖全面，包括Cooler Master、宝德、AVC、台达、泰硕、尼得科等全球主流CDU厂商[2][7] * 基于全面的客户进展和产品领先性，预计飞龙股份在2027年有望占据50%-60%的市场份额[2][7] **其他重要内容** * **市场传闻澄清** * 市场传闻某友商获得60%份额存在信息错配，是将两个不同事件混淆[3] * 事件一：某内资CDU厂商此前基于交流电方案的300至600台备货需求[3] * 事件二：该厂商近期向飞龙股份实际下达的300至400台直流电方案订单[3] * 传闻涉及的合同实为补充协议，核心条款是Tier 2零部件必须获得终端客户（谷歌）认可，否则CDU厂商有权主导水泵采购选择[3]

道琼斯工业平均指数成分调整 - 科技巨头Alphabet将于6月29日加入道琼斯工业平均指数，取代威瑞森通信[1] - 此次调整旨在更好地反映美国经济中不断增长的领域[1] 调整的原因与影响 - 标普道琼斯指数表示，Alphabet的加入将“扩大并加强道指在人工智能、云计算、医疗保健技术和数字广告等领域的覆盖”[2] - 声明指出，Alphabet“更大的市值和股价，以及其业务的广度”，使其成为通信服务行业更有力的代表[2] - 由于道指采用股价加权，威瑞森较低的股价对指数表现的贡献相对较小[3] - 威瑞森股价年初至今上涨近15%[3] 其他相关公司动态 - 霍尼韦尔国际在6月29日完成其航空航天业务分拆后，将保留在指数中[3] - 交易完成后，母公司将被更名为霍尼韦尔技术公司，而霍尼韦尔航空航天公司不会被加入道指[3] Alphabet公司近况 - 公司一直在人工智能领域进行大量投资，近期发行了近850亿美元的股票以资助人工智能支出[4] - 由于美联储对通胀采取更鹰派的立场，以及投资者因估值过高担忧而获利了结，公司股价在近期交易时段承压[4]

案件与诉讼 - Google旗下YouTube已就佛罗里达州一名15岁青少年提起的社交媒体成瘾诉讼达成和解，和解条款保密[1] - 原告律师表示，YouTube在案件进入陪审团审理前决定和解，并称将继续代表所有受社交媒体成瘾影响的人进行斗争，迫使相关公司优先考虑年轻用户安全而非利润[2] - 该名青少年（法庭文件使用缩写R.K.C.）指控YouTube和其他社交媒体公司将其平台设计成具有成瘾性，他自8岁左右开始使用社交媒体并成瘾，导致失眠、抑郁和焦虑[6] - R.K.C.还起诉了Meta、TikTok和Snapchat，相关审判定于下个月在洛杉矶开始[8] - 在加州州法院，有超过3300起针对社交媒体公司的成瘾索赔诉讼待决，另有2600起由个人、学区、市政当局和州提起的案件在加州联邦法院待决[8] 相关法律判决与罚款 - 在另一起案件中，一名女性声称因YouTube和Instagram吸引注意力的设计而在年轻时成瘾，陪审团裁定相关公司存在疏忽[9] - 该案陪审团命令Meta向该女性支付420万美元赔偿金，Google支付180万美元赔偿金[10] - 法官于本月早些时候驳回了这些公司推翻判决的请求[10] - 新墨西哥州的一个陪审团今年早些时候命令Meta支付3.75亿美元，因其在平台对儿童的安全性方面误导用户[13] - 联邦上诉法院裁定，俄亥俄州可以要求16岁以下儿童使用社交媒体需获得父母同意[11] 公司回应与行业动态 - Google发言人表示诉讼已友好解决，公司重点仍是构建适合年龄的产品和家长控制功能，并称十多年来一直负责任地建设YouTube[5] - Meta正在游说国会，寻求获得免于因涉嫌对儿童造成网络伤害而被起诉的豁免权[3] - 上个月，Google、Meta、Snapchat和TikTok就一起肯塔基州学区指控其平台导致学生心理健康危机的案件达成和解，平台方共同支付了2700万美元[14] - 下个月，Meta将面临田纳西州提起的诉讼审判，而8月，联邦法院将就多个州的联合索赔对这家社交媒体巨头进行审判[14] 1月，TikTok和Snapchat在审判前以未披露的总额达成和解[13] 市场数据 - Alphabet Inc. (GOOG) 股价为346.08美元，下跌2.70美元，跌幅0.77%[9] - Meta Platforms Inc. (META) 股价为562.20美元，下跌1.65美元，跌幅0.29%[9]

全球市场表现与资金转向 - 2026年6月24日美股三大指数全线收跌，道指跌0.09%，纳指跌2.21%（日内跌近580点），标普500指数跌1.44% [1] - 科技股集中度更高的纳斯达克100指数重挫3.3%，费城半导体指数暴跌超7% [1] - 芯片股成为抛售重灾区，费城半导体指数重挫近8%，闪迪、美光科技跌超13%，ARM跌10%，高通、西部数据跌8%，台积电、英特尔跌超6%，AMD、希捷科技跌超5% [1] - 韩国综合指数报收8203.84点，下跌9.99%，三星电子下跌12.31%，SK海力士大跌12.47% [5] - A股创业板指下跌3.84%，AI算力产业链集体调整，港股恒指、恒科指扩大跌幅，阿里、腾讯、美团均跌超3% [5] - 港股存储芯片板块震荡走低，南方两倍做多海力士跌超20%，澜起科技跌超10%，兆易创新跌超9% [6] - 前一交易日美股纳指跌1.32%，道指在传统工业股带动下逆势涨0.29% [6] - SpaceX单日暴跌超16%，市值单日蒸发约4000亿美元，Alphabet跌超5%，Amazon跌近5% [6] AI产业逻辑链承受压力 - 过去三年AI产业逻辑为：算力稀缺推动资本开支，资本开支推高估值，高估值便于融资，形成自我强化循环 [1] - 进入2026年仲夏，该逻辑链各环节均承受压力测试：算力租赁价格从高点回落，科技巨头集体收紧AI预算，电力与工程交付暴露物理极限，资本市场开始用ROI审视AI企业 [1] - 资金正以肉眼可见的速度从高Beta科技股撤离，转向更安全的避风港，这种转向是多重底层力量同时作用的结果 [1] - AI产业正从上半场走向下半场，推动因素包括：上游算力租赁市场现货与远期价格背离，中游大厂踩下刹车控制Token使用，深层物理世界的电力与工程交付成为硬约束 [2] 算力租赁市场出现矛盾信号 - 英伟达B200每小时租赁价自5月30日6.11美元/时的三个月高点后持续回落，截至6月21日已跌至4.22美元/时，三周内回落约30% [9] - 现货价格回落与长期交付紧张并存，英伟达B200千卡级GPU集群采购订单交付周期已延长至2027年，等待时间长达12到15个月 [9] - 2026年6月22日A股算力租赁概念掀起涨停潮，但6月23日午间情绪迅速分化，整个板块午后跌超1%，主力净流出超百亿元 [7] - 如果下游租赁价格下跌而芯片售价未跌，将形成利润率挤压，最终导致订单放缓 [9] 科技巨头收紧AI预算与使用 - 腾讯将员工月度Token额度从2000美元（约1.35万元人民币）压缩至1500元人民币，并取消全员普惠，改为部门统筹、按需分配 [10] - Uber对员工设置每月1500美元Token上限，亚马逊叫停内部Token排行榜，微软取消大部分第三方Claude Code授权，Meta上线AI使用监控系统 [10] - 行业正从“以Token用量论优劣”全面转向“以商业价值论成败”，AI使用的唯一评判标准是业务提效和价值创造 [10] - 麦肯锡2025年全球AI调研显示，全球仅39%的企业通过AI实现正向利润贡献，超过六成的企业长期处于“只烧钱、无回报”的状态 [10] 物理交付成为核心瓶颈 - 电力与工程建设是比芯片制造更硬的约束条件，决定“可点亮的机柜数” [10] - 据头豹研究数据，2027年芯片侧可供给14.4万柜，但电力侧仅能交付7.2万柜，交付缺口达到50%；2028年缺口更扩大至70% [11] - 高盛预测，未来一到两年排期中的数据中心容量，仅约50%到60%可能按时上线 [11] - AI硬件链不少标的的市值正以“无限机柜扩张”定价，但真实交付由物理曲线决定 [11] 资本开支与投资逻辑转变 - 谷歌、亚马逊、微软、Meta四家公司2026年资本开支提升至7250亿美元，较2025年的4100亿美元同比暴涨77% [7] - 市场开始担心天量AI资本开支对应的回报问题 [7] - 资金正在从最拥挤的“算力硬件叙事”里撤离，例如PCB与算力硬件上游出现加速解压，德福科技下跌14.65%，光华科技、诺德股份跌停 [6] - 资金短线向非银金融、有色等顺周期方向做结构性再平衡 [6] - AI交易的底层逻辑正在发生不可逆的转换，褪去资本泡沫、回归业务本质成为行业可持续发展的唯一路径 [11]

要闻提示 NEWS REMIND 1.Sam Altman深夜连发四公告，OpenAI发布网络安全新模型 2. 甲骨文全球裁员2.1万人！部分岗位被AI取代，离职补偿金等支出近125亿元 3.OpenAI IPO面临商业关系审查，上市节奏存变数 4.AI客户正在削减OpenAI和Anthropic的账单 5.Cerebras上市后首份财报利润率萎缩，股价暴跌10% 奥特曼表示，"我们想帮助所有公司变安全。前沿防御能力不应集中在少数人手中"。 6.谷歌DeepMind与独立电影工作室建立合作，创作者驱动AI工具开发使用 今日头条 HEADLINE NEWS 用AI打败AI，OpenAI发布网络安全新模型 6月23日凌晨，在Anthropic旗下Mythos模型因安全问题饱受争议时，OpenAI CEO奥特曼在X上连发四条 公告，官宣专攻网络安全的模型GPT-5.5-Cyber上线。 GPT-5.5-Cyber是OpenAI专门为高级授权防御工作而设计的模型，可以追踪易受攻击的代码、验证问题、 开发补丁以及准备证据供人工审查。 同期，Codex Security插件上线。Patch the Planet开源安全计 ...