投资理念 - 投资策略的核心是买入并长期持有优质公司 而非卖出赢家去追逐新热点 引用传奇投资者彼得·林奇的观点“卖出赢家并持有输家 就像剪掉鲜花而给杂草浇水” [1] 英伟达 - 英伟达是首家市值达到5万亿美元俱乐部的公司 其成功源于AI革命中对图形处理器持续的需求 [3] - 其新一代Vera Rubin芯片预计将AI推理成本降低90% 同时使用的GPU数量比前代产品减少75% [4] - 公司对始于2025年10月的未来六个季度拥有5000亿美元的营收能见度 表明增长将持续加速 [4] - 英伟达当前市值略低于4.6万亿美元 仅需增长约9%即可突破5万亿美元 [5] - 华尔街平均目标价252美元 暗示未来一年有35%的上涨潜力 这可能将其市值推至6万亿美元 其市盈率约为明年预期收益的25倍 [5] 谷歌母公司Alphabet - Alphabet凭借其两类股票在本榜单中占据第二和第三位 其当前市值略低于4万亿美元 [6] - Alphabet是最有可能追随并可能超越英伟达 成为下一个5万亿美元市值俱乐部的公司 [6] 市场展望 - 让赢家持续奔跑是一种久经考验且极其成功的投资策略 [7] - 市场的几家最大赢家有望继续其强劲的上涨势头 英伟达和Alphabet已非常接近5万亿美元市值这一里程碑 而苹果和微软也无需太大涨幅即可达到 [7]

市场表现 - 美国大型科技股在法兰克福交易所出现下跌 [1] - 英伟达股价下跌2% [1] - 微软股价下跌2.3% [1] - 谷歌股价下跌2.3% [1]

核心观点 - 曾经被视为单一资产类别的美股“七巨头”阵营正在瓦解 其股价走势的相关性已经崩溃 市场对人工智能的投资逻辑趋于理性与审慎 资金开始进行更具选择性的押注 [1][3] 市场表现与分化 - 2025年 仅有Alphabet和英伟达两家公司的股价表现跑赢了标普500指数 [1] - 进入2026年 “七巨头”中已有五家公司的表现不及大盘基准 [1] - 这七家公司合计仍占标普500指数市值的约36% 对市场整体影响力依然巨大 [7] 公司战略与业务分化 - 亚马逊 Alphabet 微软和Meta已转型为“超大规模计算商” 正斥资数千亿美元训练新AI模型 建设数据中心及扩展云计算能力 [5] - 英伟达继续主导着运行最先进AI模型所需的芯片市场 [5] - 苹果股价在2025年跑输标普500指数 因其在AI领域的投入相对较少且被指落后于竞争对手 [5] - 特斯拉表现大幅落后于其他同行 主要受制于电动汽车销售放缓 [5] 投资者行为变化 - 散户投资者在“七巨头”股票总交易量中的占比 较2023年和2024年显著下降 [7] - 特斯拉作为散户长期的最爱 其零售交易活动降幅最大 2025年日均零售周转率较两年前的峰值下降了43% [7] - 专业投资机构认为“七巨头”已不再是股市长红的代名词 它们处于不同的发展阶段 市场将出现赢家和输家 [3][5][7] 市场格局与未来展望 - 围绕人工智能的交易逻辑已发生演变 部分投资者预计AI红利将向医疗保健等行业扩散 而另一部分则继续加码芯片制造商或能源公司 [3] - 市场正在开始扩大广度 下一个“七巨头”将是那些能够证明AI应用正在重塑其庞大业务的巨型企业 [3] - 虽然“七巨头”可能已经失去了投资者最初将其联系在一起的理由 但目前尚未有其他股票组合能取而代之 [7]

核心观点 - AI Agent产品正从被动对话工具转变为能主动执行任务的“数字员工”，重新定义人机协作边界[11][23] - “AI构建AI”的趋势已显现，AI辅助开发将产品开发周期缩短至以“天”为单位，显著提升研发效率[9][10] - 尽管在可靠性、安全性和通用性上存在瓶颈，但AI Agent向通用人工智能（AGI）发展的趋势不可逆转，并将深刻重塑工作流程与商业模式[15][17][22] 主要AI Agent产品对比 - **Anthropic Cowork**：定位为桌面AI Agent，允许用户无需编程处理本地文件与自动化工作流，采用委托式执行，运行于Mac的Linux容器沙箱中，最低订阅费为每月100美元[1][6][8] - **Meta Manus**：定位为“首个通用AI Agent”，采用多Agent并行处理的MapReduce架构，允许完全异步执行，在GAIA基准测试中表现超越OpenAI Deep Research，2025年3月发布后8个月内ARR达1亿美元，同年12月被Meta以超20亿美元收购[3][6][7] - **OpenAI ChatGPT Agent**：于2025年7月推出，运行在虚拟机环境中，提供监督模式选项，在HLE基准测试中得分41.6%，但基线任务成功率仅12.5%[5][8] - **Google Gemini CLI**：面向开发者的开源终端Agent，采用交互式确认（每步需用户批准），直接访问系统终端，使用门槛最高[5][6] 技术架构与能力 - **架构模式**：主流架构包括多Agent协作（如Manus）、工具链集成、沙箱隔离（如Cowork）和虚拟机封装（如ChatGPT Agent），代表不同的安全与能力权衡[7] - **性能表现**：Manus能并行处理大规模任务，如查找所有YC支持的金融科技初创公司CTO邮箱，将数周人工工作缩短至几分钟[8] ChatGPT Agent因虚拟机环境存在性能开销，简单操作可能需数秒至数分钟[8] - **自主性梯度**：从高到低依次为Manus（完全异步）、Cowork（委托式）、ChatGPT Agent（监督模式）、Gemini CLI（交互式确认）[5][6] “AI构建AI”趋势与研发效率变革 - **开发周期革命**：传统软件开发需数月甚至数年，AI辅助开发缩短至数周，而“AI构建AI”阶段可缩短至以“天”为单位，Cowork由4人团队在10天内几乎全部由AI编写完成[1][9] - **研发效率提升**：Anthropic工程师表示，Claude辅助编码比例从去年的30%提升至2025年的60% 同时，工程团队规模扩大一倍，代码合并请求（PR）吞吐量却增加67%[10] - **角色转变**：Anthropic工程师的工作70%以上转变为代码审查者/修订者，而非全新代码编写者 工程师角色从执行者转向指挥者，负责管理1个、5个或100个Claude的工作[12] 向AGI演进与行业影响 - **能力演进**：AI正从工具转变为创意伙伴，如Claude Code能提出构建想法并参与设计 Anthropic的CLAUDE.md系统通过积累机构知识，使AI在代码库中不断变得更聪明[15][16] - **解锁新价值**：Claude辅助的工作中，27%是“否则不会完成”的任务，AI将低优先级、耗时的任务变得可行，其能力增长是指数级的[17] - **行业预测**：Gartner预测，到2028年，90%的B2B采购将由Agent处理，“Agent商务”将控制超15万亿美元支出 到2028年，使用多Agent处理80%客户面向业务流程的组织将占据主导地位[22] 当前瓶颈与挑战 - **可靠性问题**：ChatGPT Agent在简单任务上的基线成功率仅12.5%，需优化才能达到80%的实用水平[5][20] - **安全隐患**：PromptArmor报告称，Cowork可通过提示注入被诱骗传输敏感文件至攻击者账户 随着AI自主性增加，提示注入、数据泄露等风险放大[13][20] - **通用性局限**：Agent在特定领域表现远超跨领域泛化能力，递归自我改进仍局限在应用层工具，而非底层模型[19][21]

文章核心观点 - Google Research研究发现，对大语言模型使用“提示词重复”技巧，即在输入时简单地将问题或上下文复制粘贴一遍，能显著提升其在非推理任务上的准确率，且几乎不影响生成速度，是一种高效的“免费午餐”[1][4][6][7] 研究核心发现与效果 - 在要求模型不进行显式推理、只给直接答案的非推理任务中，“提示词重复”技巧在70组正面对比中赢了47组，输了0组，其余为平局[12][13] - 在名为“NameIndex”的精确检索测试中，Gemini 2.0 Flash-Lite模型的准确率从基线21.33%飙升至97.33%，提升高达76个百分点[16][18] - 该技巧在需要从长篇内容中精确检索信息的任务上提升效果尤为显著[14] 技术原理：因果盲点 - 大语言模型基于Transformer架构，按严格的从左到右因果顺序处理文本，这导致其存在“因果盲点”，即模型在处理某个词元时无法知晓其后的信息[21][24] - 信息的顺序至关重要，“上下文+问题”与“问题+上下文”的输入格式可能导致完全不同的结果，因为模型可能先读到问题而忘记或无法有效关联后续的上下文[25][26] - “提示词重复”将输入从`<QUERY>`变为`<QUERY><QUERY>`，当模型处理第二遍内容时，第二份拷贝中的每个词元都能“注意”到第一份拷贝中的完整信息，从而获得了类似“双向注意力”的回顾能力，有效弥补了因果盲点[28][30][31][32] 效率与成本优势 - 由于Transformer架构的预填充阶段高度可并行，现代GPU能高效处理，因此重复输入提示词对用户感知的延迟影响微乎其微，几乎不会增加“首字延迟”[36][37][40] - 该技巧使得更小、更快的轻量级模型在经过“重复优化”后，在检索和抽取任务上的表现可以打平甚至超越未优化的顶级大模型，让企业能以更低成本获得高准确率[41][42] 适用边界与局限性 - “提示词重复”技巧主要适用于非推理任务，如快速直接的答案、从长文档中提取数据、分类或简单问答[52] - 该技巧不适用于需要逐步推导的推理场景，当与“思维链”方法混合使用时效果不佳，在28次测试中仅赢5次、输1次[46][47][48] - 研究人员推测，擅长推理的模型在思考时本身就会复述题目，此时额外的人工重复可能显得多余甚至干扰模型思路[49][50][51] 潜在的安全影响 - 重复可能增强模型对指令的注意力，这存在安全隐患，例如可能放大某些恶意指令的显著性，提高“越狱”攻击的成功率，安全团队需要专门测试“重复注入”攻击[54][56][57][58] - 反之，该机制也可用于防御，例如在系统提示词开头重复安全规则，可能以极低成本迫使模型更严格地遵守安全约束[59][60] 行业意义与未来展望 - 该研究揭示了当前大语言模型仍受单向性架构的深刻限制，在等待下一代架构前，“提示词重复”这类简单技巧能立即带来价值[61] - 该技巧未来可能成为AI系统后台的默认处理行为[62] - 对于开发者而言，在面对模型难以遵循指令或抓取文档重点的问题时，可优先尝试此简单方法，而非复杂的提示工程[63][64]

谷歌AI战略与生态优势 - 谷歌推出Gemini的Personal Intelligence功能，该功能可通过用户Gmail、Google Photos、YouTube和搜索等应用的数据进行跨数据源推理，提供个性化回答，实现AI全能管家[9] - 谷歌与苹果达成多年期合作协议，Gemini 3将成为下一代苹果智能（Apple Intelligence）的技术底座，预计每年为谷歌带来约10亿美元收入，并获得Siri每天约15亿次请求的交互数据以强化其Agent能力[14] - 谷歌联合Shopify、Walmart等20余家零售和支付巨头推出开源AI电商标准通用商务协议（UCP），使用户可在Gemini应用和AI Mode中直接完成商品搜索、比价、下单和支付，改写电商流量逻辑[15] - 谷歌通过Personal Intelligence等功能深度整合其Search、YouTube、Gmail、Maps等九个用户超10亿的产品数据，形成“数据→模型→体验→更多数据”的飞轮效应，构建难以复制的护城河[31][32] 技术架构与成本优势 - 谷歌使用自研TPU芯片进行模型训练与推理，其架构让数据在处理单元间直接传递，避免了GPU在推理时频繁读写内存的功耗，并在TPU Pod中使用自研光学电路交换（OCI）技术，以更低功耗提供数Tbps跨芯片带宽，在处理数十亿次查询时累积形成巨大成本优势[20][21][22] - 谷歌拥有从DeepMind研究、TPU芯片优化到模型训练和产品部署的完整闭环，迭代速度远超需要协调外部芯片、云服务与数据合作的竞争对手，在AI军备竞赛中占据速度优势[28][29] 商业模式与市场策略 - 谷歌的AI战略核心并非最大化AI订阅收入，而是通过强化生态锁定、增加用户停留时间来提升其核心广告业务的精准度与收入，约80%的收入来自广告，AI被视为“广告引擎的史诗级大修”[24][27] - 谷歌采取积极定价策略扩大用户基础，Gemini Advanced定价比ChatGPT Plus更便宜，并为edu账号提供全年免费，近期还推出新用户年订阅Google One AI Pro半价促销，旨在降低使用门槛，让更多用户进入其生态系统[23][45] - 谷歌将Gemini深度嵌入Gmail、Docs、YouTube等用户日常工具中，提供无缝AI体验，利用用户对数据、使用习惯和工作流程的忠诚度来锁定用户，而非依赖用户对模型本身的忠诚[40][41][42] 市场竞争格局变化 - 根据Similarweb数据，ChatGPT在生成式AI市场份额从2025年1月的87.2%跌至2026年1月的64%，而Gemini同期份额从5.7%涨至21%[34] - ChatGPT网络流量在近期下降22%，从12月初约2.03亿日均访问量降至1.58亿，而Gemini使用量稳定在5500万至6000万日均访问量[34] - 根据谷歌财报，Gemini月活跃用户从2025年7月的4.5亿增长到10月的6.5亿，三个月内增长44%，而ChatGPT同期增长仅为5%~6%[35][36] - 随着谷歌与苹果达成新协议，OpenAI在苹果生态中的角色被边缘化，从默认智能层转变为处理复杂、用户主动选择查询的辅助角色[37][39] - 资本市场反应积极，Alphabet市值突破4万亿美元，19年来首次超越苹果[10]

量子计算行业概述 - 量子计算被视为下一代革命性技术 其工作原理基于量子力学 使用量子比特而非传统比特 具备指数级扩展能力 能解决当前经典计算机无法处理的问题 [1] - 构建和运行量子计算机面临诸多挑战 例如量子比特的脆弱性和普遍存在的错误问题 但纯量子计算公司和科技巨头均取得进展并产生令人瞩目的成果 [2] - 一旦量子计算达到普遍有用的阶段 相关参与者可能实现爆发式增长 [2] 投资标的分析：Alphabet (GOOG/GOOGL) - Alphabet是一家成熟的科技巨头 旗下拥有谷歌平台 其收入主要来自广告业务 广告商通过谷歌平台触达用户 同时谷歌云业务也在增长 [5] - 这些成熟业务为公司带来可观的季度收入 最近一个季度 Alphabet营收首次突破1000亿美元 这为投资者提供了一定程度的安全垫 因其依赖这些已被验证的增长业务 [6] - Alphabet在量子计算领域持续投资并取得成就 2024年底 公司推出了量子芯片Willow 该芯片已证明能够在量子比特数量增加时 以指数级方式减少错误 这解决了该领域的一个关键挑战 [7] 量子计算潜力与投资机会 - 量子计算未来可能解决当今经典系统无法解决的问题 [8] - 投资者若能早期投资于量子计算领域的赢家 可能获得显著回报 [8]

投资组合年度表现 - 所有投资策略在年内均取得正回报 其中大盘股综合策略（毛）年内回报8.5% 自成立以来年化回报10.4% 小盘股综合策略（毛）年内回报10.3% 自成立以来年化回报8.3% 全市场综合策略（毛）年内回报11.5% 自成立以来年化回报11.1% [2][3] - 尽管市场整体估值偏高 公司通过投资纪律显著改善了投资组合的价格与价值比率 同时实现了绝对正回报 大盘股、聚焦及聚焦增强策略的价格与价值比率改善了约8至9个百分点 [5][17] - 小盘股投资组合是目前折价幅度最大的组合 其加权平均价格与价值比率在50%中期 全市场策略的折价程度几乎与小盘股相当 [11][17] 市场环境与历史对比 - 当前市场环境让资深价值投资者联想到1990年代末期 虽然尚未达到1999年那般极端 但趋势相似 当时“新经济”和互联网股票受狂热追捧 而“旧经济”公司持续表现不佳且估值越来越低 [6] - 当前人工智能的早期发展阶段与1990年代的互联网类似 是一项变革性技术 但问题在于 即使技术是真实的 许多投资者仍可能因忽视估值而亏损 这与互联网泡沫时期的情况相似 [7][8] - 与1990年代末期不同的是 当前一些AI领导者是真正的企业 能够用自身产生的现金流为其巨额AI投资提供资金 且其中部分公司的估值具有吸引力 相同点在于 大量非AI相关公司（或可再次称为“旧经济”公司）的价值在稳步增长却被市场忽视 同时 公司规模与估值之间存在强相关性 [9] 投资策略与组合调整 - 公司的投资纪律是只购买其认为具有稳定价值的公司（MVP名单） 并买入其中安全边际最大的企业 投资组合会随着MVP名单的演变以及其中个股从高估变为折价而动态调整 [10] - 当前投资组合中持有的“科技”类公司比过去几年少 增持了更多医疗保健和保险相关业务 在标普500指数成分股中 公司在前10大市值股票之外的490只股票中发现了大量机会 尤其是在大盘股中偏小规模或中小盘股领域 [11] - 公司利用2025年初的“关税恐慌”市场波动 出售估值更充分的公司 将资金用于购买折价更大、安全边际更高的公司 从而改善了整体组合的价格与价值比率 [18] 行业与个股机会 - 小盘股和价值股长期表现落后 历史上小盘股回报通常超过大盘股 但目前已持续落后较长时间 小盘股价值表现更差 卖方对小盘股的研究覆盖也远不如大盘股充分 这通常是配置资本的良好时机 [15] - 2025年市场回报高度集中 标普500指数17.88%的回报中约有61%来自AI相关股票 该指数前10大市值股票（市值均超过1万亿美元）贡献了其2025年超过50%的回报 在小型股中 低质量（更具投机性）公司表现优于高质量公司 罗素2000价值指数2025年的回报中约有28%来自盈利为负的公司 [16] - 公司内部的MVP名单（被视为投资组合的原材料）在2025年回报约为7% 与其大盘股投资组合回报一致 [16] 具体投资案例 - **Medpace (MEDP)** 是一个成功案例 公司在2024年和2025年上半年股价表现不佳时被增持 2025年第二季度增长加速 股价在财报日上涨超过40% 全年股价上涨超过73% 公司在2025年前6个月以约其内在价值估计值50%的价格回购了超过8%的股份 因其出色的资本配置决策 公司每股估值在一个季度内增长了约29% [13] - **Ryan Specialty Holdings (RYAN)** 是一家商业超额盈余保险经纪商 其超额盈余市场在过去25年以11%的年复合增长率增长 而标准市场增长率为4% 公司过去15年有机增长率均为两位数 目前因行业定价周期疲软导致股价波动 提供了以大幅低于长期内在价值的价格买入的机会 [24][25][38] - **TransUnion (TRU)** 是美国三大征信机构之一 从超过95,000家金融机构收集数据 公司业务已多元化 包括消费者金融管理工具和潜在客户销售 历史上有机增长率为高个位数 运营利润率达30% 公司正在成功去杠杆化并更注重股份回购 [26][57] - **Everest Group (EG)** 是全球顶级再保险公司之一 公司股价在2024年和2025年下跌后 被重新买入小盘股策略 该公司交易价格低于有形账面价值 并利用自由现金流回购股票 [33][34] - **Fiserv (FISV)** 在季度内是主要拖累因素 新管理层发现前任团队为提振短期收入采取了激进策略 损害了长期客户关系 因此决定暂时调整策略进行再投资 尽管有这些干扰 公司仍预计在再投资期间实现收入增长并产生大量自由现金流 [30][59]

公司与行业动态 - 苹果公司正式与长期竞争对手转为合作伙伴的Alphabet公司合作，将谷歌强大的Gemini AI模型整合到下一代Siri和Apple Intelligence功能中，旨在将Siri提升至真正智能数字助理的行列 [1] - 此举反映了公司在很大程度上缺席AI热潮、推迟下一代Siri升级后，为提供先进AI功能而面临的巨大压力 [3] - 公司表示不会改变与OpenAI的现有合作关系，该合作目前为Siri中的复杂查询提供ChatGPT集成，这为未来两项AI合作如何共存留下了开放性问题 [3] 市场反应与股价表现 - 该消息在科技市场引发涟漪：谷歌股价飙升，其市值一度突破4万亿美元，分析师们则重新点燃了对苹果围绕AI转型和即将到来的产品周期的增长轨迹的兴趣 [2] - 苹果公司当前市值为3.75万亿美元，并具有“科技七巨头”之一的地位 [5] - 在过去52周内，苹果股价实现了11.95%的涨幅 [6] - 股价在2025年底上涨，并于2025年12月3日达到52周高点288.62美元，这得益于iPhone 17系列的强劲需求、乐观的财报以及积极的分析师预期修正，同时围绕公司未来增长轨迹的更广泛乐观情绪也助推了股价 [6] - 然而在2026年1月初，苹果股价出现了一些获利了结，自12月30日以来连续七个交易日下跌 [7] 战略影响与未来展望 - 将核心AI能力外包给竞争对手，是会削弱苹果著名的生态系统优势，还是将成为释放进一步增长的有意义催化剂，仍有待观察 [4]

文章核心观点 - 科技巨头Alphabet对SpaceX的投资可能成为其股价的重要催化剂 该投资有望在SpaceX上市后实现巨额回报 为Alphabet的人工智能等核心业务发展提供资金支持 [1][2][10] Alphabet对SpaceX的投资概况 - Alphabet于2015年投资约9亿美元 收购了SpaceX约7%的股份 [3] - 经过多年发展 SpaceX已成功进行数百次火箭发射 并开发了火箭助推器回收复用技术 其星链卫星互联网业务已成为优秀的经常性收入来源 [3] - SpaceX考虑在2026年进行首次公开募股 在最近一轮私人融资中 公司估值达到8000亿美元 而管理层为IPO设定的目标估值高达1.5万亿美元 [4] SpaceX潜在IPO的影响与Alphabet的收益 - 若SpaceX以1.5万亿美元估值上市 Alphabet所持7%股份的价值将约为1050亿美元 相较于其9亿美元的投资成本 增值显著 [7] - Alphabet可选择在公开市场出售股份 并将所得资金用于支持其生成式人工智能基础设施的建设 因为建设和装备数据中心的成本非常高 [7] - 如此大规模的IPO几乎前所未有 可能测试公开市场对大型新进入者的反应极限 若SpaceX实现盈利 还有可能被纳入标普500指数 [6] Alphabet的投资决策与战略考量 - Alphabet面临一个简单的投资回报率计算决策：是保留SpaceX股份 还是出售股份并将资金投入人工智能基础设施 [9] - 短期内 人工智能被认为是更具吸引力的投资选择 利用出售SpaceX股份的收益来增加人工智能资本支出被视为明智之举 [9] - 无论Alphabet最终如何处理其股份 SpaceX的公开上市本身都将使Alphabet受益 这只是该公司众多成功投资之一 [10] Alphabet公司的其他业务亮点 - 除了SpaceX的投资潜力 Alphabet在生成式人工智能、云计算、Waymo自动驾驶汽车以及其他多项业务中处于领先地位 [10] - 截至分析时 Alphabet的A类股股价为330.10美元 市值约为4.0万亿美元 当日交易区间为327.70美元至334.50美元 [5][6]