交易概述 - Alphabet宣布将以47.5亿美元收购清洁能源和数据中心基础设施开发商Intersect 交易预计在今年上半年完成[7] - 此次收购涉及谷歌与Intersect合作中正在建设或开发的项目[4] - 交易完成后 Intersect将保持独立运营 其创始人兼首席执行官Sheldon Kimber将留任 现有投资者也计划购买部分资产并作为独立公司运营[7] 交易背景与动机 - 谷歌正应对因人工智能持续采用等因素导致的排放上升 2024年其总排放量较2019年基准增长了51%[3] - 公司决定优先对其数据中心和办公室的电力消耗进行脱碳 以实现其2030年整个供应链净零排放的气候目标[3] - 收购旨在帮助公司扩大产能 更灵活地建设与新数据中心负载同步的新发电设施 并重塑能源解决方案以推动美国创新和领导地位[6] 被收购方Intersect概况 - Intersect成立于2016年 其整体投资组合包括价值150亿美元的运营或在建基础设施[4] - 到2028年底 预计将有10.8吉瓦的清洁能源产能投入运营或正在建设中[4] - 谷歌已是Intersect的少数股权所有者 两家公司在2024年曾达成一项交易 共同开发与价值200亿美元的可再生能源和电池存储系统共址的数据中心[7] 收购资产详情 - 收购的投资组合包括德克萨斯州和加利福尼亚州正在建设的项目 以及一个正在开发中的德克萨斯州太阳能和风能项目[5] - 该德州项目拥有约3.6吉瓦的太阳能和风能产能 以及容量为3.1吉瓦时的电池储能系统[5] - 收购后 Intersect将继续与谷歌的基础设施团队在现有和新的联合项目上合作[5]

Overall, Alphabet delivered a solid quarter, with revenue up 16% y/y and coming in $2.2 billion ahead of expectations. At the bottom line, Alphabet realized an EPS of $2.87, which was 61 cents better than had been anticipated.In 3Q25, Google ads generated $74.2 billion of Alphabet’s $102.3 billion in total revenue. At the same time, Google Cloud is becoming a more meaningful contributor, posting $15.16 billion in revenue and growing 33.5% year-over-year, supported by enterprise AI workloads and infrastructu ...

核心观点 - 报告认为，在圣诞新年假期交投清淡的背景下，市场情绪保持中性，经济数据稳健，美联储纪要显示内部分歧但通胀回落可能支持进一步降息，市场呈现盈利上修、估值收缩的健康走势，节后需重点关注国际消费电子展（CES）和非农就业数据[1][2] 周度经济数据 - 截至2025年12月27日当周，美国初次申请失业金人数降至19.9万人，好于预期的22万人，且连续4周下降，4周移动均值小幅下降至21.68万人[2][6] - 截至2025年12月20日当周，持续领取失业金人数为186.6万人，较前周大幅下降，4周移动均值连续下降至189.4万人[6] - 截至2025年12月27日当周，纽约联储周度经济指数为2.23，其13周移动均值为2.26[2][7] 美联储政策与市场情绪 - 美联储12月FOMC会议纪要显示内部分歧显著，货币政策无预设路径，主要依赖经济数据，多数官员认为若通胀如期回落可进一步降息[2] - 美联储一致同意启动短期国债购买，初期每月约400亿美元，以维持银行系统准备金充足，缓解短期融资压力[2] - 上周市场情绪全周维持在“中性”区间，标普500恐惧与贪婪指数分项中的波动率指数收报14.51，低于临界值20，也低于其50日移动均值[2][11] 全球与美股市场表现 - 全球权益市场上周下跌0.3%，其中新兴市场上涨2.3%，表现优于下跌0.6%的发达市场[2][14] - 美元指数上周上涨0.4%，黄金下跌4.6%，比特币上涨3.1%[2][14] - 美股主要指数普遍下跌：标普500指数下跌1.0%，纳斯达克指数下跌1.5%，科技七巨头指数下跌1.9%，罗素2000小盘股指数下跌1.0%[2][15] - 中国金龙指数表现突出，上周上涨2.2%，年初至今累计上涨4.4%[2][15] - 市场风格方面，价值领先成长，大盘领先小盘，具体表现为：罗素1000价值指数下跌0.2%，罗素2000价值指数下跌1.0%，罗素2000成长指数下跌1.1%，罗素1000成长指数下跌1.8%[2][15] 行业与个股表现 - 在美股36个二级行业中，上周有14个行业上涨，涨幅前五的行业为：煤炭Ⅱ上涨5.9%，石油石化上涨3.1%，国防军工上涨1.8%，电气设备上涨1.7%，半导体上涨1.4%[17] - 跑赢标普500指数的相对强势二级行业有26个，其中半导体、国防军工、石油石化等行业表现突出[2][17] - 标普500成份股中，上周上涨个股共202只，占比40%，领涨个股包括美光科技上涨10.8%，英特尔上涨8.8%，MOLINA HEALTHCARE上涨8.3%[19] - 在市值排名前20的核心成份股中，埃克森美孚、谷歌、礼来上周分别获得3.0%、0.5%、0.1%的正收益[21] 价量指标与资金动向 - 根据模型测算，上周日均资金强度最高的二级行业是半导体，约为256亿美元，而软件服务行业资金强度约为-840亿美元，排名最后[23] - 个股方面，资金强度较高的包括美光科技、英特尔、超威半导体、波音、耐克等[2][25] - 报告提示需特别留意换手率较高的个股，如特斯拉、美光科技、MOLINA HEALTHCARE等[2][25] 盈利与估值变动 - 宽基指数盈利获上修：上周纳斯达克100指数盈利上修0.1%，标普500指数盈利上修0.0%，同时两者的估值分别下修1.8%和1.0%，报告认为这种盈利上修、估值收缩的走势是健康的[2][27] - 一级行业中，仅信息技术行业盈利获上修0.1%，能源、公共事业、工业等行业的市盈率估值获得上修[2][27] - 二级行业中，医药生物、科技硬件、耐用消费品、食品饮料烟草的盈利分别获得2.1%、2.1%、1.4%、1.4%的大幅上修[27][29] 市场展望与关注点 - 受假期影响，上周市场日均成交金额不足4000亿美元，明显低于节前6000亿美元以上的水平，交投清淡，预计节后随着基金经理回归，交投将变得活跃[2] - 本周市场重点关注在拉斯维加斯举行的国际消费电子展，以及黄仁勋、苏姿丰等商界领袖的演讲[2] - 本周五将发布对基准利率变动起决定性作用的非农就业数据[2]

1月5日，据报道，三星计划2026年将在8亿移动设备上部署谷歌的Gemini AI。报道称，去年该公司成功 在大约4亿台移动设备（包括智能手机和平板电脑）上部署了由Gemini驱动的AI功能。 1月5日，据报道，三星计划2026年将在8亿移动设备上部署谷歌的Gemini AI。报道称，去年该公司成功 在大约4亿台移动设备（包括智能手机和平板电脑）上部署了由Gemini驱动的AI功能。 ...

这些早期工作推动了光电路交换机在大规模数据中心网络以及机器学习系统中的实际部署。这些光 交换机成为实现高性能、具成本效益且可重构网络的关键技术。本文将简要介绍现有的商用光电路 交换机，并探讨未来交换机可能采用的器件技术发展方向。 如果您希望可以时常见面，欢迎标星收藏哦~ 本文讨论了面向未来光电路交换机的器件技术，重点关注数据中心网络和机器学习超级计算机。包 括插入损耗、串扰、端口数量、重构时间以及偏振敏感性在内的器件参数，都会影响最终系统的性 能与可靠性。 引言 大规模系统依赖网络通过交换机将信息从源端传输到目的端。目前大多数大规模数据网络是围绕电 分组交换机（EPS）以及一种固定的 Clos 拓扑结构构建的。尽管这类网络可以支持任意的通信模 式，但在成本、时延和可重构性等关键系统指标上，其扩展性并不理想。正是这些已知的扩展性限 制，促使早期研究工作探索使用光电路交换机（OCS），以动态调整网络拓扑，从而匹配所需的 通信模式。 背景 数字电分组交换机会在共享存储器中对数据包进行排队，并根据数据包头中包含的信息，作出本地 路由决策，将数据包转发到相应的输出端口。端到端连接通常由经过多个交换机的多跳路径构成。 本 ...

编辑 ｜ LRS 来源｜ 新智元（ID：AI_era） 封面来源 ｜ pexels AI人才竞争白热化， 大厂纷纷高薪招募实习生。 AI人才大战的火，终于烧到实习生身上了！ OpenAI、Anthropic、Meta、Google DeepMind等AI顶流公司，过去只为顶级研究员和工程师开出30–40万美元的年薪，甚至通过上百亿美元级的投资、并购 来「打包」挖团队。 现如今，类似的竞争开始下沉到实习和驻留项目：短期、入门角色的薪酬，直接对标很多行业的正式工作，传统意义上的「廉价实习生」正在消失。 巨头们给实习生开出的工资最高已经达到了1.83万美元（折合 12.8万人民币 ）， 月薪 ！ 不光要「挖」走AI人才，也要「培养」AI人才。 招募超级实习生 1.Anthropic安全研究员 Anthropic提供一个为期4个月的全职研究Fellowship，给出的定位是「加速AI安全研究、培养相关研究人才」，核心目标是让Fellows产出可公开发表的AI Safety研究成果，Anthropic透露过往届80%以上的学员最终写出了论文。 项目聚焦AI Safety，特别是可解释性（interpretability ...

亚马逊的AI购物应用 - 公司应用生成式和智能体人工智能来简化在线购物，旨在减少用户寻找、比较和评估产品所需精力[1] - 公司面临的挑战是规模问题：平台拥有数亿商品跨越数十个类别，选择可能带来摩擦[1] - 公司扩展了AI驱动的搜索和发现工具，超越关键词匹配以解读客户意图，使用的信号包括评论、价格敏感度、配送速度、退货率和历史浏览行为[3] - 目标是帮助客户更快做出自信决策，尤其是在比较耗时的复杂商品类别中[3] - 新功能通过更具对话性和类似智能体的界面提供，例如购物AI助手Rufus、通过Amazon Lens的视觉搜索以及可代表客户完成购买（包括非亚马逊直接销售商品）的智能体服务"Buy for Me"[4] - 这些系统旨在让客户委托部分购物旅程，从追踪价格、总结评论到重新订购商品或完成交易[4] - 公司强调这些功能经过迭代测试并根据客户反馈改进，反映其将AI作为嵌入整个购物体验的基础设施而非独立新奇事物的更广泛战略[4] - 公司相信AI将改变几乎所有的客户体验，并将继续测试、学习和开发帮助客户发现和评估产品的功能，使购物更加便利[5] 谷歌对零售业智能体AI的观点 - 公司认为零售业正进入智能体应用的新阶段[5] - 公司将智能体AI定义为能够推理、理解上下文并以更接近人类决策方式采取行动的技术[5] - 对于零售商，这一转变使得AI能够解读细微请求（如视觉风格或情境需求），而非依赖关键词或预定义规则[6] - 公司将此演进定位为改善日益复杂的购物旅程中的发现、个性化和参与度的基础[6] - 智能体AI最直接的影响不仅限于客户，还包括员工和运营[6] - 公司举例说明零售商使用AI智能体来增强门店店员、客服中心员工和规划人员的能力，处理信息检索、选项推理和跨系统协调[6] - 这使得员工能专注于人类判断和关系建立，而AI则管理上下文、数据和执行[6] - 成功采用更少依赖于技术能力，而更多取决于组织准备度，包括流程重新设计、数据基础和员工技能提升[7] - 公司预计零售商将部署多个协调工作的智能体，在幕后协同工作，为客户呈现单一、无缝的体验，能够预测需求而非仅仅响应需求[7] 全球视野与塔塔咨询的观点 - 智能体对零售业的影响不限于美国，零售业正达到传统AI驱动自动化的极限，必须转向智能体AI以保持竞争力[8] - 智能体AI被定位为零售运营的结构性重新设计，从辅助人类的系统转向能够自主决策和行动的系统[8] - 塔塔咨询描述的模式并非依赖大型单体AI平台，而是建立在更小、专门的AI智能体之上，这些智能体管理定价、库存、劳动力规划和供应商协调等离散任务[9] - 智能体AI的战略价值在于其大规模处理复杂性的能力[10] - 突出应用案例包括主动购物车挽回和实时供应链中断管理，其中自主智能体检测风险信号、选择适当响应并随时间优化策略，无需人工干预[10] - 成功采用需要超越技术投资，零售商必须重建数据基础、重新设计工作流程并采用分阶段路线图，从AI辅助决策支持开始，逐步迈向完全自主的协调[10] - 将智能体AI视为基础能力而非渐进式升级的组织，将更有能力提供超个性化体验，同时实现更精简、更具韧性的运营[11]

AI工具对软件开发生产力的影响 - 谷歌首席工程师表示，使用Claude Code在一小时内生成了一个分布式Agent编排器的玩具版本，而谷歌内部团队去年一年都在做类似的事情[2] - 前谷歌和Meta杰出工程师Rohan Anil认为，如果当时就有Agent coding工具（如Opus），他可能将前六年的工作压缩在几个月内完成[4]，这主要指工程层面的性能优化和在真实约束下拼装分布式系统等工作[5] - 行业观点认为，AI正在显著压缩学习曲线，并以惊人速度把初级工程师“拉升”为高级工程师，在大型代码库中的新员工入职熟悉周期已从过去的几个月缩短到现在的几天[6] AI工具在教育领域的应用与争议 - 有观点认为，AI工具能大幅缩短教育时间，例如博士期间约有25%的时间用于阅读论文，而AI可以帮助快速解析论文关键见解[9] - 一位攻读遥感硕士学位的学生表示，以往需要几个月积累的脚本素材，现在使用Codex/CC等工具只需几天即可完成[10] - 反对观点认为，学生仍需时间学习批判性思维和推理能力，AI工具虽能加速进程，但个人可能无法获得处理过程中的知识[10] - 有网友质疑，快速完成学业可能无法带来与长期“挣扎”相同的深层专业造诣[11] AI对行业技能需求与高等教育模式的冲击 - 行业观点指出，当前真正稀缺的是主动性，而非单纯的技术知识[6] - 有案例显示，从事AI研究的人员正在教8岁孩子使用Claude Code编写PyTorch代码，这引发了对高等教育过时性的讨论[11] - 观点认为，当孩子能借助AI建造出需要多年训练才能完成的东西时，“经验年限”的重要性下降，而品味、好奇心、主动性以及与AI合作的能力变得更为重要[12] - 当前教育模式被认为还处于人工智能出现之前，需要根本性的更新[9]

以防你不知道编程Agent现在有多强，硅谷大佬们新年收假回来，纷纷写起了小作文。 最新一波分享里，Midjourney创始人David在上的激情发言是大热门： 这个圣诞节假期，我自己搞的编程项目，比过去10年我搞的都要多！It's crazy！ 他知道，以后一切都会不一样了。 住在互联网上的马斯克很快评论了这条推文，表达自己相同的看法： We have entered the Singularity。我们已经进入奇点。 | | | 编程Agent杀疯了！好多人都这么说 在David这条推文引起了大家的共鸣，评论区里很多人都表达了自己有相同的经历。 搞得David开始觉得自己是不是有点大惊小怪——因为用AI Coding猛猛提效这件事，在他身边实在是太普遍了。 随手抓一个例子来说吧！ Anthropic现役工程师，Google DeepMind前杰出工程师Rohan Anil就分享称，"如果我有编程Agent，尤其是Claude的Opus，我能把我前6年的工作压缩到 几个月内（完成）"。 咱们来看下，Anil"前6年"都在干什么。 2025年1月，他离开谷歌加入了Anthropic。 在谷歌期间，他领导了Gem ...

谷歌TPU的战略布局与商业化进程 - 谷歌正积极接触依赖英伟达芯片的小型云服务商，劝说其在数据中心托管谷歌TPU处理器，并与Fluidstack达成协议在纽约数据中心部署TPU [2] - 谷歌的触角伸向了为OpenAI建造数据中心的Crusoe，以及英伟达的紧密合作伙伴CoreWeave，意图抢夺英伟达客户并切入其核心AI算力供应链 [2] - 谷歌TPU的发展始于2015年，第一代TPU v1在AlphaGo的演进中展现了巨大效率优势：击败樊麾的版本使用了1202个CPU和176个GPU，而击败李世石的版本仅需48个TPU，击败柯洁的版本仅需4个TPU [5][6] - TPU的设计哲学是为神经网络推理任务做极致优化，使用8位整数INT8进行计算，追求极致的性能功耗比 [6] - TPU v2/v3首次支持训练任务，并提出了“TPU Pod”概念，通过高速互联将成千上万个芯片连接成超级计算机 [7] - TPU v4开始通过谷歌云对外提供服务 [8] - TPU v5p在一些基准测试中与英伟达H100相当，而v5e版本侧重高性价比推理 [11] - 最新的TPU v6 (Trillium) 在理论算力上已非常接近英伟达H200，v7 (Ironwood) 首次支持FP8格式，单芯片FP8算力与英伟达B200非常接近，其超级集群总算力也与英伟达Blackwell系统相当 [11] - 谷歌策略清晰，从满足内部需求出发，逐步将TPU打造成可对外销售的云计算核心服务 [12] - 2025年谷歌TPU全年出货量预计为250万颗（v5系列190万颗，v6系列60万颗），2026年预计出货量将高达400万颗（v7 Ironwood超200万颗） [12] - 作为对比，英伟达数据中心GPU在2026年出货量约600万颗，TPU的追赶势头不容小觑 [12] 谷歌TPU的产能扩张与商业模式挑战 - 谷歌TPU的战略正发生根本转变：从自产自用的封闭生态转向直面市场的芯片供应商 [13] - 2023-2026四年间，谷歌TPU总产量预计为800万颗，而仅2027和2028两年，其新规划的总产量就高达1200万颗，扩张速度在半导体行业罕见 [14] - 如此庞大的产能规划远超谷歌自身云服务Google Cloud的预期需求，将TPU推向了与一线AI芯片厂商比肩的层级 [15] - 若谷歌在2027年实现100万颗TPU的对外销售（约占其当年规划产量500万颗的20%），即可创造约260亿美元的新增营收，这相当于谷歌云2024年全年营收的相当大一部分 [15] - 若2027年500万颗、2028年700万颗TPU的预测成真，到2028年谷歌TPU年产量将直逼英伟达GPU的预计出货规模 [15] - 将TPU转化为对外销售的商品意味着谷歌需直面标准化、软件生态、客户支持、市场价格竞争等截然不同的商业规则 [15] - 谷歌的突破口在于提供“AI解决方案”而非“AI通用芯片”，可将TPU与自家AI软件栈（如TensorFlow、JAX）、云服务和预训练模型打包，以降低客户整体拥有成本TCO [16] - 该策略面临严峻挑战：需要构建一个堪比英伟达CUDA的开放繁荣的开发者生态；需说服第三方客户将AI未来押注在谷歌芯片上；必须在性能或成本上提供显著优势以说服客户迁移 [16] - 头部AI公司的动向显示TPU吸引力真实：AI独角兽Anthropic被发现在招聘TPU内核工程师；马斯克的xAI也对采购TPU表现出浓厚兴趣 [16] - 2025下半年，围绕谷歌TPU的开发者活跃度激增了近100% [16] - 前方的核心悬念是商业模式的抉择：谷歌能否成功将其技术优势转化为市场认可的开放生态和客户信任 [17] 英伟达的竞争策略与行业整合 - 面对谷歌的竞争，英伟达并未坐以待毙，其反击策略是开放生态，以退为进 [17] - 英伟达正式发布NVLink Fusion技术，允许数据中心将英伟达GPU与第三方CPU或定制化AI加速器混合使用，实则以GPU为核心构建更包容的“英伟达中心化”生态系统 [17] - 英伟达真正的核心壁垒在于其软件生态CUDA，主流AI框架如TensorFlow和PyTorch都通过调用CUDA的API在GPU上执行计算 [17] - 英伟达以200亿美元现金收购初创公司Groq的核心资产，刷新了其自身历史收购纪录（远超2019年以70亿美元收购Mellanox的规模） [2][19] - 此次收购并非简单的资产收购，而是一项“非独家技术许可协议”，英伟达获得Groq推理技术的授权，同时Groq核心团队整体迁移加入英伟达 [19] - 这种操作模式类似于2024年微软以6.5亿美元挖走Inflection AI的创始人与核心团队，能快速获取顶尖人才和核心技术，并规避传统并购的反垄断审查和整合难题 [19] - Groq团队中汇聚了大量前谷歌TPU工程师，堪称谷歌TPU核心班底的二次创业 [22] - Groq旨在打造超越GPU和TPU的专用AI推理芯片，其解决方案成本可低至同等性能GPU的十分之一，精准击中AI推理阶段的核心痛点，对英伟达在推理市场的统治地位构成直接威胁 [22] - 此次收购是英伟达面对复杂竞争格局的深谋远虑：训练市场英伟达已近乎垄断，但推理市场格局未定，收购Groq是一次昂贵的防御性收购，旨在将最具颠覆性的技术路线收入囊中 [22] - 对于AMD、博通及其他AI芯片初创公司，竞争环境更加恶劣，需在技术、资本和生态上应对英伟达的“GPU+LPU（TPU）”组合拳进攻 [22]