公司战略与资源调配 - 公司已将数十名顶尖的星链和星际飞船工程师的主要时间转移到人工智能领域，以大幅加快其模型和训练能力的改进节奏 [1] - 公司计划在今年每个月都发布“从头开始训练”的新人工智能模型 [2] - 公司正在利用其创纪录的850亿美元IPO所带来的资金，计划基于星链技术并由星际飞船运载，建设一个由多达一百万个轨道数据中心组成的网络，用于训练和运行日益先进的人工智能模型 [5] 技术整合与收购 - 公司本月同意以600亿美元收购人工智能编码初创公司Cursor，其工程师也正在参与新基础模型的开发工作，部分训练使用了Cursor的训练数据 [2] - 收购Cursor的交易巩固了该初创公司的迅猛崛起，作为交换，公司授予Cursor使用其超级计算机的权限，以帮助训练Grok模型 [4] - 公司已在2月将其人工智能子公司xAI与自身合并，随后确认了收购Cursor的交易 [3] 产品进展与市场定位 - Grok 4.5版本目前正在特斯拉和公司内部进行私测 [2] - 公司在其IPO前的投资者材料中估计，其总可寻址市场价值为28.5万亿美元，其中人工智能部分占26.5万亿美元 [6] - 公司的Grok模型在编码等方面落后于OpenAI和Anthropic的竞争对手模型，因此正在进行从基础开始的重建 [3] 组织架构调整 - 公司对xAI进行了全面重组，导致其11位联合创始人中的最后一位离开 [3]

Before entering a new market, Waymo typically deploys a small fleet of human-supervised vehicles to map unfamiliar environments and develop its self-driving software. The process can take months or years, though timelines have shortened for recent US market entries where regulatory conditions are more accommodating. Alphabet's autonomous vehicle unit Waymo has established a German legal entity, signalling preparations for a potential entry into the European robotaxi market. The new entity, Waymo Germany, li ...

文章核心观点 - 当前AI产业，尤其是大模型应用，普遍存在“token不经济”现象，即token消耗成本与实际产出价值不成比例，导致企业成本攀升而收益有限[2] - 造成“token不经济”的原因是多方面的，包括供给端的模型定价上涨、技术架构导致的无效消耗，以及需求端应用场景局限在高度数字化领域，难以向物理世界拓展[3][31][33] - 产业链风险不均衡，上游硬件与基础设施厂商利润丰厚，而中游模型厂商面临高资本支出与盈利压力，风险可能通过金融市场传导[44][46] - 解决“token不经济”需要供给与需求两端发力，通过技术优化降低成本，并寻找能产生真实商业价值的应用场景，使token净收益转正[56] 行业现象：Token不经济的表现与案例 - **企业内部成本失控**：微软在内部开放Claude Code仅6个月后，因token消耗剧增、成本暴涨但产出质量不佳而收回许可，将员工导向自家Copilot CLI[2] - **企业预算快速耗尽**：Uber仅用4个月就耗尽了2026年全年的AI编程工具预算[2] - **无效消耗普遍**：亚马逊部分员工存在无意义的token消耗，Meta曾设立内部token消耗排行榜后又悄悄撤下，不再鼓励无产出的消耗[2] 供给端分析：模型定价策略与市场格局 - **领导者（Anthropic）的分层溢价策略**：Anthropic凭借编程能力优势，自Claude 3系列起采用旗舰(Opus)-中端(Sonnet)-轻量(Haiku)的产品组合与分层定价，成功实现token溢价并保护市场份额[7]其年度经常性收入从2024年底约10亿美元飙升至2026年5月约450亿美元[8] - **追赶者（OpenAI、Google）的价格竞争**：OpenAI返身聚焦编码，建立分层矩阵，其GPT 5.5定价（$5/$30）与Claude Opus看齐，而轻量模型（如GPT 5.4 mini $0.75/$4.50）则大幅低于同级竞品以换取市场[10]Google因需平衡多元生态，定价相对较低，如Gemini 3.1 Pro输出百万token价格为12美元，低于同期GPT 5.4的15美元和Opus 4.6/4.7的25美元[11] - **经济型token市场悄然涨价**：次级/轻量及开源/半开源模型市场出现价格中枢上移现象[12]例如，Claude Haiku从3.5的$0.80/$4.00涨价20%至4.5的$1.00/$5.00[14]GPT 4o mini从$0.15/$0.60上浮至4.1 mini的$0.40/$1.60[14]Gemini Flash输出价格从2.0的$0.40翻6倍多至2.5的$2.50[14]开源模型GLM-5在海外定价较GLM-4.7提升约67%到100%[14] - **涨价根本原因**：经济型token消费量爆炸式增长，需求快速增长为厂商提供了提价空间，竞争逻辑从比拼便宜转向比拼性价比[15] 技术根源：智能体架构导致的token浪费 - **上下文陷阱**：Agent架构会反复将历史记录带入上下文，导致信息被反复读取计费[19]例如，在ChatDev框架中，代码审查阶段消耗的token平均占总消耗的39.5%[19] - **分词器黑箱**：闭源模型更新分词器可能导致token计数膨胀，增加成本但不透明[23]Anthropic为Opus 4.7更换分词器后，多家测试显示token膨胀显著，如技术文档与英文密集代码文件平均膨胀率达1.47倍（+47%）[24] - **技能的无意义调用**：大量技能设计低效，增加了无效token消耗[27]一项对55,315个公开技能的研究发现，26.4%的技能没有路由描述，超过60%的技能内容是不可直接执行的背景解释或示例[27]另一项基准测试显示，79.6%的测试技能未带来通过率提升，而token开销最高增加了451%[28] - **多Agent协同内耗**：多Agent系统存在“沟通税”，重复讨论背景和结论消耗token[29]长程任务容易跑偏，为纠偏而增加的摘要、检查等机制带来更多消耗，即“熵税”[30] 需求端局限：应用场景的数字化鸿沟 - **当前应用高度集中**：token使用大都局限在编程辅助、文档处理、数据分析等数字化水平较高的场景，在数字化程度低的线下服务业态中难以独立完成任务[33] - **编程是通用特例**：编程场景因有编译器、解释器等提供确定的、自动化的信号反馈，能形成高效的后训练闭环，这是其他场景（如管理决策、法律、医疗）所不具备的优势[36] - **向物理世界跨越艰难**：现实世界没有“编译器”，验证成本远高于生成成本[39]仿真技术面临“虚拟与现实鸿沟”，在仿真中训练的最优策略在真实世界中可能极其脆弱[40]例如，OpenAI的Dactyl灵巧手项目在仿真中达到极高成功率，但面对真实世界变化时鲁棒性迅速下降，公司最终解散了机器人团队[41] 产业链与金融风险 - **风险向中游模型厂商集中**：上游厂商如台积电（2026年资本支出预计520-560亿美元）和英伟达利润丰厚[45]而主要模型厂商虽营收增长但仍深陷亏损，下游企业用户已开始控制成本[46]2025年，亚马逊、微软和Meta的自由现金流分别下降了76.6%、14.8%和3.4%[46] - **循环融资与影子信贷风险**：部分模型厂商与上游企业形成循环融资，如OpenAI与英伟达、甲骨文的交易，其算力采购框架总额突破1万亿美元，与当前330亿美元的年化营收不匹配，基于对未来增长的脆弱预期[50][51]相关风险藏于规模约3万亿美元的美国私人信贷市场，存在期限错配、实物付息等问题，下行风险可能未被充分定价[52] - **资源挤占民生**：算力扩张对水、电等资源需求巨大，挤压民生[53]例如，美国弗吉尼亚州数据中心耗电量已超过该州最大核电站发电量的两倍以上[53]电网扩容成本转嫁至居民，导致容量拍卖价格从29美元/MW-天飙升至444美元/MW-天，涨幅超过1400%[54] 解决路径：寻找Token价值方程式 - **技术面精细化变革**： - 采用语义上下文压缩，减少输入token消耗[57] - 优化技能设计，通过描述压缩和渐进式加载，可实现39%的技能体压缩，同时提升模型功能质量2.8%[58] - 实施模型路由，按任务复杂度分层调用模型以降低成本[59] - 为多Agent系统设定硬性预算约束和主持人架构，防止无效循环[59] - **商业面价值锚定**： - 企业加强token治理，建立配额、审批、成本归因等成本纪律[60] - 寻找token大规模商业应用的现实场景，如在具备弱确定性反馈的中间地带（如医疗影像筛查、供应链预测）拓展应用[61] - **回归投资回报率核心**：行业需从炫技阶段进入生产阶段，关注每一枚token消耗所创造的产出价值，让token回归ROI这一金标准[63]

2026 年 6 月 29 日 招银国际环球市场 | 策略报告 | 市场策略 26 年 1 季度美股 13F 追踪 Market Strategy - 科技板块资金轮动，偏好盈利验证标的 本报告基于 SEC 最新披露的 13F 数据（截至 1Q26），追踪约 70 家代表性机构 投资者（涵盖投资顾问、对冲基金及银行）在 29 只美股核心科技标的（我们定 义为关注清单）上跨 8 个季度的持仓变化。我们观察到：1）行业层面，全市场 科技行业配置录得近两年以来首次环比减配，能源、工业等板块获得增持；2） 个股层面，关注清单市值占总投资组合比例自高位有所回落，拥挤度有所缓 和，资金向各板块内盈利增长更具持续性的标的集中。Mag 7 内部资金流向分 化，泛半导体板块内芯片相关标的获增持、设备本季流入趋缓，SaaS 及其他板 块内网络安全标的获增持、软件龙头多遭减持；3）在我们的关注清单标的外， 资金沿电力、散热、网络互联与数据中心等 AI 产业链上游瓶颈环节布局。整体 来看，机构当前的配置逻辑正从全方位布局 AI 转向盈利兑现与估值消化具确定 性的标的。板块内资金轮动呈现加速特征，头部科技公司盈利增长驱动股价增 长。综 ...

文章核心观点 - 尽管Alphabet(GOOGL)股价近期出现两位数下跌，但巴菲特及其继任者格雷格·阿贝尔并未担忧，反而可能将其视为长期投资的买入机会[1][2][9] - Alphabet股价下跌主要由三方面因素驱动，但这些因素并不构成对公司的长期威胁[3] - 公司基本面依然强劲，在人工智能、云计算和自动驾驶等领域保持领先地位，为长期投资者提供了机会[9][10] Alphabet近期股价表现与市场反应 - Alphabet股价在过去几周下跌了两位数百分比（double digits）[2] - 上周因两位关键AI高管离职，股价经历了超过一年以来最糟糕的单日表现[4] - 当前股价为337.76美元，当日下跌1.73%（-5.95美元），公司市值达4.1万亿美元（$4.1T）[7] 导致股价下跌的三个因素分析 - **资本支出大幅增加**：公司2026年全年资本支出指引为1800亿至1900亿美元（$180 billion to $190 billion），部分投资者对AI基础设施的高额支出感到紧张[3] - **大规模股权融资**：公司于6月宣布通过私募配售筹集800亿美元（$80 billion），以投资其世界级的AI计算基础设施，满足前所未有的客户需求[4] - **关键AI人才流失**：工程副总裁兼Gemini AI模型负责人Noam Shazeer离职加入OpenAI；两天后，Google DeepMind副总裁兼工程研究员John Jumper离职加入Anthropic[4] 公司管理层对AI战略与财务状况的解读 - 首席财务官Anat Askkenazi指出，公司持续看到“对AI计算资源前所未有的内部和外部需求”[5] - 管理层认为对AI基础设施的投资正在推动创纪录的收入和积压订单增长[5] - 尽管关键人才流失令人关注，但此类人员流动在行业内很常见，公司仍拥有大量AI人才和资金来招募更多人员[5] 伯克希尔·哈撒韦的投资立场与操作 - 沃伦·巴菲特在2025年底卸任CEO后，其继任者格雷格·阿贝尔将伯克希尔在Alphabet的持股增加了两倍多（more than tripled），使其成为伯克希尔第五大持仓[1] - 阿贝尔主导了伯克希尔在私募配售中额外100亿美元（$10 billion）的投资，这表明其对Alphabet的AI支出战略并无疑虑[7] - 巴菲特的历史观点认为，股价下跌为增持优秀公司股票提供了机会，他倾向于在股价下跌时买入更多[8] Alphabet的长期基本面与竞争优势 - Google Cloud创纪录的积压订单提供了良好的收入可见性[10] - Google搜索持续增长，生成式AI成为推动力而非“谷歌杀手”[10] - Waymo在自动驾驶出租车领域处于领先地位[10] - Alphabet已被纳入道琼斯工业平均指数（^DJI），反映了其对美国经济的重要性[10] - 公司毛利率为60.43%[7]

市场表现 - 截至2026年6月12日，标准普尔500指数的总价格为7431，较2026年5月29日下降2.0%[1] - S&P 500指数在2026年6月12日的周末收盘价为4,200.00，较前一周下降了1.2%[13] - 截至2026年6月12日，S&P 500指数的年末变化为-5.7%，季度变化为10.6%[17] 行业表现 - 信息技术板块的权重为58.82%，价格为6677，较上周下降4.9%，季度增长29.4%，年度增长17.5%[1] - 能源板块的权重为1.58%，价格为873，较上周上涨2.1%，但季度和年度分别下降7.5%和增长27.0%[1] - 消费者可选消费品板块的权重为13.13%，价格为1893，较上周下降5.5%，季度增长8.3%，年度下降1.9%[1] 公司业绩 - Fastenal Co的季度收入为13亿美元，同比增长5.4%[1] - United Rentals Inc的季度收入为1074.24亿美元，同比增长7.9%[1] - Tesla Inc的季度收入为406.43亿美元，同比下降6.7%[5] 股价变动 - Boeing Co（BA）股价为219.05美元，较前一周下降了5.2%，但年初至今上涨了10.1%[3] - Nucor Corp（NUE）股价为266.35美元，较前一周上涨了6.5%，年初至今上涨了63.3%[3] - 3M Co（MMM）股价为158.32美元，较前一周上涨了3.4%，年初至今上涨了9.0%[3] 用户数据 - 消费服务行业的权重为1.62%，在过去一年中增长了2.2%[7] - MGM Resorts International的股价为36.49美元，过去一年增长了34.2%[7] - Starbucks Corp的股价为84.21美元，过去一年增长了22.4%[7] 未来展望 - 信息技术行业在2026年6月12日的整体表现较前一周下降了4.9%[13] - 生命科学工具与服务行业的权重为0.63%，较上月下降3.2%，年初至今下降15.4%[11] - 运输行业的表现相对较好，年初至今增长13.6%[39] 新产品与技术研发 - Crowdstrike Holdings Inc的股价为682.80美元，较前一周下降6.6%，但同比增长74.9%[15] - Fortinet Inc的股价为146.30美元，较前一周上涨6.0%，同比增长84.2%[15] - Intel Corp的股价为124.57美元，较前一周上涨8.6%，同比增长237.6%[15] 市场扩张与并购 - 2026年第一季度，S&P 500的整体表现为增长7.4%[19] - 交易公司与分销商行业的整体表现为周涨幅6.7%，季度涨幅21.7%，年涨幅26.5%[37] - United Rentals Inc的股价在过去一年中上涨了32.7%[37]

行业前景与市场预测 - 生成式人工智能被描述为“一生一次”的技术，正在亚马逊内部被广泛用于重塑客户体验 [1] - 埃隆·马斯克预测，到2040年，人形机器人数量将至少达到100亿台，每台价格在20,000至25,000美元之间 [1] - 根据上述预测，该技术到2040年的潜在市场规模可达250万亿美元，这相当于175家特斯拉、107家亚马逊、140家Meta、84家谷歌、65家微软和55家英伟达的市值总和 [2][7] - 普华永道和麦肯锡等主要机构认为，人工智能将释放数万亿美元的潜力，即使250万亿美元的数字听起来过于雄心勃勃 [3] - 这项技术突破正在重新定义人类工作、学习和创造的方式，并可能重塑全球企业、政府和消费者的运作模式 [2][4] 行业领袖观点与布局 - 比尔·盖茨将人工智能视为“其一生中最大的技术进步”，认为其变革性超过互联网或个人电脑，并能在医疗、教育及应对气候变化方面发挥作用 [8] - 拉里·埃里森正通过甲骨文公司斥资数十亿美元购买英伟达芯片，并与Cohere合作，将生成式AI嵌入甲骨文的云服务和应用程序中 [8] - 沃伦·巴菲特表示，这项突破可能产生“巨大的有益社会影响” [8] - 硅谷和华尔街的亿万富翁们正围绕同一理念进行布局，表明这是一个值得关注的领域 [6] 潜在投资机会与竞争格局 - 真正的机会可能并非在英伟达等知名公司，而在于一家规模小得多、默默改进使这场革命成为可能的底层关键技术的公司 [6] - 一家未被充分关注的公司被认为是开启这场250万亿美元革命的关键，其超低成本的AI技术甚至可能令竞争对手感到担忧 [4] - 有观点认为，几年后投资者会希望自己曾持有该公司的股票 [9]

广告市场动态 - 数字广告需求和支出在第二季度保持韧性，预计增长约10%[2] - 整体广告市场在经历了3月和4月的不确定性后，正在恢复[1] - 广告支出在整体上保持平稳，实际预算年同比增长0-5%[2] 主要平台表现 - Meta被视为持续的市场份额获得者，ROAS（广告支出回报率）改善约3.0%至3.3%[3][9] - Google搜索保持其媒体组合份额，预计第二季度增长27%[10] - YouTube受益于CTV（连接电视）增长，第二季度支出加速至约12.9%[21] - 亚马逊的DSP（需求方平台）因购物者数据和闭环归因而受到积极评价，视频广告增长约80%[25] 用户数据与趋势 - Meta和Google被视为广告预算的主要接收者，稳定的核心预算平台[10] - YouTube在创作者经济中的角色增强，成为AI/LLM环境中的重要来源[20] - 亚马逊在广告支出中持续增长，超出整体客户支出[30] 未来展望 - 亚马逊DSP预计在Q3实现约30%的年增长率[30] - OpenAI广告的当前投资回报率尚未强劲，尽管广告需求高[34] - ChatGPT广告的需求超过平台当前承载能力，但产品仍处于早期阶段[34] 市场竞争与挑战 - Snapchat和Pinterest被视为持续的市场份额捐赠者，面临较大压力[40] - Snapchat的广告增长可能受到TikTok的影响，面临生存危机[40] - 当前广告预算正从较小的平台流向Meta、YouTube和亚马逊DSP等表现更好的渠道[40] 新技术与产品 - OpenAI/ChatGPT被相对积极看待，但未被视为重要的媒体组合渠道[29] - OpenAI广告尚未具备可投资规模，缺乏成熟的广告技术和基础设施[34]

AI算力供需矛盾激化 - 谷歌因计算能力有限，限制了Meta等公司对Gemini AI模型的使用上限，其中Meta因需求规模庞大受影响最深，内部AI项目被打乱和推迟[4] - Meta已要求员工提高AI算力使用效率，并对内部员工的token消耗量精打细算[4] - 谷歌为应对算力制约，本月早些时候与SpaceX签订了一份每月9.2亿美元的算力租赁协议[4] - 谷歌CEO坦言近期在算力方面面临制约，若满足需求云业务收入将会更高[4] 韩国半导体与AI投资计划 - 韩国总统李在明计划公布半导体、人工智能数据中心和物理人工智能三大工程的总体规划[6] - 作为该战略一部分，三星和SK海力士准备在未来十年投入高达2000万亿韩元（1.3万亿美元）扩建工厂[6] 大模型技术进展与竞争 - 马斯克宣布Grok 4.5已开始在SpaceX和特斯拉进行内部测试，该模型基于xAI自研的1.5万亿参数V9基础大模型打造，早期评估显示其性能接近甚至有望超越Anthropic Opus[6] - SpaceX的Grok Build训练框架每日优化，并将每月发布一批从零训练的模型，迭代速度远超行业惯例[7] - 智谱AI的GLM-5.2在漏洞发现能力上可与Anthropic的Mythos系统匹敌[7] - 中国AI模型在每Token成本上比美国模型便宜最高50倍[7] - 截至2026年4月，中国模型占AI聚合平台OpenRouter流量的45%以上，而2024年底这一比例不到2%[7] 苹果芯片战略转向 - 苹果公司放弃推出M6 Pro和M6 Max等高端版本，直接开发专注于AI推理的M7芯片线，这是苹果芯片历史上的首次[8] - 基础版M7芯片内部代号为Delos或H19G，最早将于明年上半年亮相，内存带宽预计约240GB/s[9] - 这是苹果芯片战略近十年来的最大转向，旨在满足市场对本地AI运算能力及高图形负载软件不断增长的需求[9] AI模型监管与安全动态 - 特朗普政府即将准许Anthropic恢复Fable 5的访问权限，这是继Mythos 5获准向关键基础设施组织开放后的又一突破[9] - 奥地利推动欧盟引入Anthropic落地运营，以反制美国出口限制[9] - 安全团队演示了新的攻击手法，Claude等AI编码智能体可被看似“干净”的GitHub仓库诱骗安装恶意软件，利用了AI agent自主执行代码的特性[10] - Anthropic的调研显示，33%的受访者认为AI可完成自身30%至60%的工作任务[10]

I sure didn't want what happened to occur, at least not during my vacation, of all things. But it did, and we have to deal with the fallout head-on because it came as such a surprise to many. Imagine for a moment there were five geese — Amazon , Alphabet , Microsoft , Meta Platforms , and Apple — and they were laying golden eggs like mad. No other stocks have consistently produced eggs like these five. It was like a fairy tale. Now that the fairy tale ended a long time ago, their incredible businesses, trem ...