A contract dispute between Disney and YouTube TV has resulted in the removal of ESPN, ABC, FX and all other Disney-owned channels from the streaming service, with little indication that the standoff will be resolved soon.The disagreement stems from the "carriage fee" that Google pays Disney in order to broadcast its channels on YouTube TV. Disney has run into similar negotiating standoffs with other broadcasters in the past, including Spectrum/Charter cable in 2023 and DirecTV in 2024. Disney asked YouTube ...

In Brief Netflix is reportedly in talks to license video podcasts distributed by iHeartMedia, according to Bloomberg. iHeartMedia’s podcast portfolio includes shows like “The Breakfast Club,” “Las Culturistas,” “Jay Shetty Podcast,” and “Stuff You Should Know.”Netflix is looking for exclusivity, which means video podcasts that it licenses from iHeartMedia could no longer be uploaded to YouTube. It’s worth noting that if a deal does come together, iHeartMedia might not license its entire podcast catalogue to ...

文章核心观点 - 美股七大科技巨头总市值达到22.2万亿美元，其规模和影响力已超越主要国家经济体，标志着全球权力格局正从“国家对国家”的竞争转向“国家+科技巨头联盟”的对抗 [1][4] - 英伟达市值突破5万亿美元，其崛起象征着全球经济范式向AI时代转换，算力成为核心生产资料，企业凭借数据控制权、算力主导权等构筑“数字主权” [1][3][5] - 中国、日本、欧洲等经济体在科技公司市值上的落后，暴露了国家增长逻辑与科技创新回报机制之间的错位 [1][8] 科技巨头市值规模与影响 - 七大科技巨头总市值首次超过22.2万亿美元，若视为一个国家，其GDP将排名全球第一，超过美国现有GDP的约八成 [1][2] - 七巨头合计市值超越整个中国经济规模，高出约15%，相当于德国与英国GDP之和的2.5倍 [1][3] - 英伟达与微软市值总和已超过德国和英国的经济总量 [3] “数字主权”与新权力形式 - 科技巨头凭借全球数据控制权、算力与AI平台主导权、资本与专利积累能力以及数十亿用户，构筑了一种不以边界区隔的新权力形式——“数字主权” [3] - 科技企业依靠资本效率与网络效应，其扩张速度远超国家经济增长极限，不断压缩国家的相对力量 [3] 英伟达崛起核心逻辑 - 算力成为AI时代最重要生产资料，类似工业时代的电力与石油，英伟达是全球算力通胀的最大受益者 [7] - 软件化技术壁垒筑起全球护城河，CUDA生态十多年持续垄断，竞品需同时追赶硬件和开发者生态 [7] - AI产业资本狂热加速估值，每一美元算力投入可能带来十美元市值想象力，市场将英伟达推入“国家级资产”领域 [7] 主要经济体与科技创新的错位 - 日本经济体量倒退，GDP被企业估值超越，反映出人口结构老化、资本缺乏全球化网络效应及科技商业化困境 [9] - 中国拥有大量科技人才但缺少全球平台级企业，华为受限后平台级AI算力生态缺失加剧，产业规模大但利润与创新回报低 [10][11] - 欧洲监管强但创新弱，过于重视社会公平而忽视资本扩张能力，国家治理的长期稳健逻辑与科技企业超高速增长逻辑存在冲突 [11] 科技巨头的本质与未来影响 - 英伟达的本质不是一家芯片公司，而是“世界认知引擎”的控制者，是一个新的全球基础设施 [7] - 美国最强的武器已非航母与美元，而是握在硅谷手里的算力与平台 [12] - 未来最关键的问题是企业比国家更强时由谁来治理世界，以及各国如何获得技术与经济安全 [14]

美股市场表现 - 美股开盘暴跌后跌幅收窄 道指跌约150点 纳指跌约1% 标普500指数跌约0.6% [3] - 科技股普遍走低 英特尔跌约5% 英伟达跌近3% 甲骨文跌近3% [4] - 多只科技股下跌 英特尔最新价37.53美元跌4.99% 美光科技跌4.11% 特斯拉跌3.21% 英伟达跌2.68% [5] 人工智能板块动态 - 投资者对领涨牛市的人工智能相关个股估值担忧加剧 这些板块走弱拖累大盘 [4] - Palantir第三季度业绩超预期且给出强劲指引 但股价仍下跌约7% 其增长动力来自人工智能业务 [4] - Palantir预计本期营收为13.3亿美元 高于分析师预期的11.9亿美元 上一季度营收跃升63% [4] - 德意志银行策略师指出市场对Palantir缺乏对整个2026年的可见性感到失望 并存在估值担忧 [4] - 今年已上涨150%的Palantir远期市盈率超过200倍 周二开盘前的当前市盈率已接近700倍 [4] - AI个股上涨已将标普500指数的远期市盈率推至23倍以上 接近2000年以来的最高水平 [6] 机构观点与市场情绪 - 高盛CEO表示未来12至24个月股市很可能出现10%到20%的回撤 [6] - 摩根士丹利CEO称应欢迎可能出现的10%到15%的回撤 并非由宏观断崖式因素驱动 [6] - 美国传奇空头迈克尔·伯里旗下公司披露了对英伟达和Palantir的看空押注 [7] - 投资者担忧情绪升温 因围绕OpenAI、英伟达等公司出现一波"循环交易" 引发对AI繁荣被人为支撑的担心 [7] - 迈克尔·伯里在社交平台警示"有时我们会看到泡沫" 并发布关于英伟达等公司"循环融资"担忧的图表 [7] 其他市场动态 - 国际金价下跌明显 伦敦现货黄金价格下跌0.9% [6]

公司在AI领域的竞争地位转变 - 公司股票此前未像其他AI概念股一样出现抛物线式上涨 这与公司早期AI产品Bard发布失利以及搜索引擎面临被ChatGPT取代的威胁有关 [1] - 公司已显著改善并日益成为AI领域的引领者 在文本、视频和音频领域拥有顶级的AI模型 尽管在某些领域仍落后 但已超越大多数竞争对手 [2] - 微软将OpenAI的AI模型集成到Bing中 但其流量实际出现下降 [2] 搜索引擎业务的护城河 - 反对公司的主要论点认为其搜索引擎仍受威胁 但此论点存在缺陷 因为大多数用户转换搜索引擎的成本很高 公司控制着用户浏览器的搜索栏 [3] - 对于快速可靠的搜索 谷歌没有替代品 对绝大多数搜索而言 导航至AI网站等待回答不如谷歌直观 仅在查询复杂时AI模型更有用 [4] - 公司的AI概览模型可直接从搜索栏处理大多数AI问题 因此用户不太可能为多数AI问题专门访问ChatGPT 公司在该领域也面临激烈竞争 [4] AI硬件业务的发展 - 公司正迅速进军硬件领域 Anthropic宣布将从公司购买高达100万个TPU [5] - 公司的TPU是专为加速机器学习工作负载和数据密集型任务设计的定制专用集成电路 [5] - 公司的定制TPU不太可能取代英伟达的GPU 因为其通用性较差 且英伟达目前控制着约80-90%的AI市场份额 [6] - 公司正明显获得其AI硬件的发展势头 没有其他AI公司拥有如此强大的AI软件加硬件堆栈 [6]

美股市场整体表现 - 美股三大指数集体低开，道琼斯指数下跌0.72%，标普500指数下跌1.13%，纳斯达克综合指数下跌1.59% [1] 大型科技股表现 - 大型科技股普遍下跌，甲骨文、特斯拉、英特尔跌幅均超过3% [1] - 谷歌、英伟达跌幅均超过2% [1]

美股市场表现与结构 - 2023年至2025年10月底，美股连续三年大幅上涨，标普500指数累计涨幅78.2%，纳斯达克指数上涨126.7% [1][6] - MAG7（苹果、微软、亚马逊、谷歌、Meta、特斯拉、英伟达）在标普500总市值占比超30%，贡献2023年以来市值扩张的48% [1][6] - 2025年上半年，计算机设备和软件投资虽只占美国GDP不到5%，但拉动整体GDP增长近1个百分点 [1][7] - 2025年二季度美国前10%高收入者净资产占比达63.0%，较2022年提升1.5个百分点，财富扩张25.2% [1][7] 市场估值与泡沫担忧 - 当前美股市场高度集中与2000年科技泡沫期相似，MAG7盈利增长支撑指数但PE估值接近1990年以来高点 [2][8] - 2025年9月美股杠杆交易余额与市值比升至1.7%，超过2000年互联网泡沫1.5%的中枢水平 [2][23] - 标普500换手率自2023年以来提升4.4个百分点至51.2%，美股散户成交占比超20% [2][23] - 当前估值隐含的长期EPS增速需超15%，远高于历史6.1%的均值，主要依赖头部公司高投入和AI基础设施扩张 [2][24] 2026年流动性展望 - 美联储宽松交易有望延续到2026年上半年，利率或降至3.00–3.25%但宽松空间趋于有限 [3][30] - 历史经验表明降息周期结束前1-3个月标普500指数通常表现偏弱，降息结束后顺周期板块有望主导反弹 [3][31] - 美联储2025年结束缩表，准备金规模接近充裕临界点，2026年宽松预期大概率集中在年中前后 [3][29] 行业基本面与资本开支 - Bloomberg一致预期2026年MAG7资本开支增速由2025年的48.8%降至18.8%，2027年降至6.0% [4][34] - 当前MAG7资本开支占收入比例达17%的历史高位，远超互联网泡沫时期 [4][34][36] - 2026年美国实际GDP增速预计回升至2.3%，传统经济板块受益于贸易政策不确定性下降和财政货币政策支持 [4][34] 投资建议与配置策略 - 建议2026年美股投资年中前继续把握科技领涨主线，年中后逐步增配顺周期板块如可选消费、工业、材料、能源、地产等 [5][46] - 降息结束后半年内信息技术、可选消费、能源、房地产年化收益排名前列 [5][46] - 跨资产配置应重视美国以外市场，发达市场中德国、瑞士，新兴市场中沙特、韩国、印度具备较高配置价值 [5][47]

AI即战略：企业并购转向"智能军备" - AI已成为企业核心战略议题，2025年企业并购逻辑被改写，AI在企业科技并购总额中的份额自2020年以来翻了一番，到2024年占所有科技并购交易的7.2% [3] - 并购主角从2020-2021年的苹果、Meta等传统科技巨头，转变为2023-2024年的AI基础设施和数据管理公司，如英伟达、Snowflake、Databricks和埃森哲 [3] - 英伟达、Salesforce和汤森路透等公司在2024年显著加快AI并购步伐，战略从"购买AI功能"转向"收购AI能力与人才"，AI聊天机器人和营销个性化成为最热门的收购目标市场 [3] 基础模型竞争格局：开放与封闭模式 - 封闭模型开发者在股权融资上占绝对优势，OpenAI融资总额达191亿美元，Anthropic融资75亿美元，xAI融资61亿美元，而领先的开放模式公司如Mistral AI和百川智能融资额在10亿美元级别 [4] - 性能上封闭模型在关键基准（如MMLU-Pro）仍保持微弱优势，Anthropic的Claude 3.5 Sonnet和xAI的Grok-2位居前列，企业倾向于使用OpenAI等封闭模型因其模型更好、幻觉更少且提供企业级支持 [5] - 成本天平发生变化，AI推理成本急剧下降，OpenAI的GPT-4o模型成本相较于GPT-4下降近10倍，使基于API的专有解决方案对企业更具吸引力，未来市场将呈现混合形态 [5] 算力需求引发能源与基础设施革命 - AI对算力的需求迫使传统数据中心革新，高盛估计未来AI基础设施总支出将超过1万亿美元，亚马逊、Alphabet、微软和Meta等巨头的季度资本支出总和在2024年飙升至500亿美元以上 [6] - 全球数据中心电力消耗将从2022年的460太瓦时翻倍增长，到2026年超过1000太瓦时，相当于日本全国年能源消耗量，科技巨头史无前例地深入能源生产领域 [7] - 用于耗散AI芯片热量的"液体冷却"技术迎来爆发，相关供应商员工人数过去两年普遍增长20%以上，预计到2026年将有38%的企业在数据中心采用该技术 [7] 太空经济与AI驱动的基础设施 - 太空发射成本断崖式下跌，2008年"猎鹰1号"近地轨道有效载荷成本约为每公斤12,600美元，2018年"猎鹰重型"降至1500美元，发射次数过去五年增长五倍 [8] - 成本下降催生全新太空经济，SpaceX的"星链"在2023年发射1935个物体占全球总数73%，推动地理空间智能、地球观测等应用发展，Y Combinator等加速器正孵化"太空数据中心"前沿概念 [8] AI在金融与医疗领域的渗透与挑战 - 金融领域出现"半机械人财富顾问"趋势，金融顾问平均70%时间未直接服务客户，AI目标为自动化这70%的行政和研究工作，摩根士丹利与OpenAI合作帮助其财富管理部门实现创纪录收入 [9] - 金融下一个前沿是"AI代理被赋予花钱的能力"，加密货币成为第一个AI支付轨道，Skyfire和Coinbase利用区块链使AI代理能绕过人类身份验证交易，Stripe推出面向AI代理的SDK [10] - 医疗健康领域AI推动疾病管理从"被动治疗"转向"主动预测"，利用AI精确评估患者症状的初创公司（如Ubie）在2024年获密集投资，RetiSpec利用AI进行阿尔茨海默症早期筛查 [10] 自主机器人应对护理危机与AI可解释性挑战 - 到2030年美国将面临13.9万名医生和6.3万名护士短缺，Figure和特斯拉等公司开发的类人机器人已将家庭护理和辅助看护作为明确长期商业目标 [11] - AI的"黑匣子"问题是深入应用最大障碍，催生"机械可解释性"前沿研究领域，Anthropic和OpenAI等头部实验室及Martian等初创公司正试图"逆向工程"神经网络理解其决策机制 [11] 智能地缘政治：中美竞争与主权AI浪潮 - 美国在AI竞赛中处于绝对领先，全球AI股权融资中每1美元有71美分流向美国初创企业，高于2020年61%，亚洲份额13%，欧洲14%，全球43%的AI公司总部位于美国，中国以9%位居第二 [12][13] - 中国是唯一可能在LLM领域与美国抗衡的全球力量，阿里巴巴的Qwen2模型在Hugging Face排行榜名列前茅，中国拥有至少五家估值超10亿美元的基础模型开发商 [13] - 中美竞争催生全球性"主权AI"浪潮，英伟达CEO表示帮助各国建立主权AI能力预计将在2024年为公司带来"数十亿美元"收入，比利时、巴西、意大利和澳大利亚等国家在AI资金和员工增长率上可能超越美国 [13][14] 科技巨头能源创新合作 - 微软与Constellation合作计划重启三里岛核电站为数据中心供电，并与亚马逊共同支持美国"小型模块化反应堆"部署 [15] - 微软与Helion达成历史性协议目标2028年开始购买聚变产生的电力，谷歌通过风险投资部门投资TAE等聚变公司 [15] - 谷歌与Fervo Energy合作开发地热发电厂，微软也在探索地热能源 [15]

投资组合表现与市场环境 - 第三季度美国股市持续上涨，主要驱动因素包括美联储降息、稳健的企业盈利以及对人工智能的热情 [1] - 尽管经济数据表现不一，但经济动能基本保持了第二季度的势头 [1] - The London Company Large Cap Strategy投资组合在第三季度的回报率为6.3%（净回报6.2%），同期Russell 1000指数涨幅为8.0% [1] Alphabet Inc (GOOG) 公司表现 - 该公司是投资组合中的亮点股，其一个月回报率为12.97%，过去52周股价上涨66.46% [2] - 截至2025年11月3日，该公司股价报收284.12美元，市值为3.426万亿美元 [2] - 公司业绩出色的原因包括核心业务表现强劲、AI产品加速普及以及未决法律案件的有利消息 [3] - 管理层有效执行了成本节约措施，并通过云服务和订阅业务实现收入多元化 [3] Alphabet Inc (GOOG) 行业地位与财务数据 - 该公司在对冲基金最受欢迎的30只股票榜单中排名第7位 [4] - 第二季度末，持有该公司的对冲基金数量从上一季度的164家增加至178家 [4] - 公司在2025年第三季度实现了史上首次单季度收入达到1000亿美元 [4]

比赛概况与结果 - 首届由美国AI研究实验室nof1发起的AI大模型交易大赛于11月3日结束，比赛为期两周，6家领先大模型各获得1万美元初始资金，在无人类干预的真实市场中进行自主交易[1] - 交易标的为加密货币衍生品（永续期货），币种包括比特币、以太坊、狗狗币等，模型仅能使用数值市场数据输入，无法获得新闻或市场消息[5] - 最终两家国产大模型实现盈利：阿里千问Qwen3 Max以22.3%收益率排名第一，盈利2232美元；DeepSeek Chat V3.1以4.89%收益率排名第二，盈利489.08美元[1] - 其余四家模型均大幅亏损：Claude Sonnet 4.5亏损30.81%，Grok 4亏损45.3%，Gemini 2.5 Pro亏损56.71%，GPT 5亏损62.66%[2] 模型交易行为分析 - 在做空倾向上，Grok 4、GPT-5和Gemini 2.5 Pro的做空频率远高于同行，而Claude Sonnet 4.5几乎从不做空[6] - 在持仓时间上，不同模型差异较大，Grok 4的持仓时间最长；在交易频率上，Gemini 2.5 Pro最活跃（238笔交易），Grok 4最不活跃[3][6] - 在仓位规模上，阿里Qwen 3的仓位规模始终最大，通常是GPT-5和Gemini 2.5 Pro的数倍[6] - 在退出机制方面，Qwen 3的止损与止盈距离最窄，Grok 4与DeepSeek V3.1则最宽；在持仓数量上，Claude Sonnet 4.5和Qwen 3通常一次只维持1-2个活跃仓位[6] 比赛过程与行业意义 - 比赛过程中出现显著波动，DeepSeek V3.1从10月26日起长期保持最高盈利，但在11月4日被阿里Qwen 3反超；Claude和Grok频繁调仓未能返回正区，Gemini和GPT-5持续下滑[7] - 主办方指出举办比赛的原因为：现有静态基准测试存在不足，仅测试固定数据集上的模式匹配能力，忽略了长期决策、运行鲁棒性和适应性，且测试结果易被模型记忆导致价值降低[7] - 比赛旨在真实、动态、竞争激烈的环境中测试模型的决策能力，参赛模型代表中美两国闭源和开源供应商的最新技术水平[5][7]