谷歌Gemini 3 Deep Think模型重大升级 - 面对Claude Opus 4.6和GPT Codex 5.3的竞争，谷歌推出了Gemini 3 Deep Think的重大升级[1] 在多项基准测试中刷新纪录 - 在Codeforces竞技编程平台上取得3455 Elo分数，相当于世界第8名[2] - 在ARC-AGI-2基准测试中取得史无前例的84.6%得分，远超之前最强模型的60%-70%区间以及Claude Opus 4.6的68.8%[3] - 在人类最后考试上刷新SOTA，取得48.4%的成绩[4] - 在2025年国际数学奥林匹克竞赛中达到金牌水平，取得81.5%的成绩[5][22] - 在2025年国际物理奥林匹克竞赛笔试部分取得87.7%的成绩，达到金牌级别[5][33] - 在2025年国际化学奥林匹克竞赛笔试部分取得82.8%的成绩，达到金牌级别[5][33] - 在CMT-Benchmark凝聚态理论测试中取得50.5%的分数[5][34] - 在MMMU-Pro多模态理解与推理测试中取得81.5%的成绩[5] - 在学术推理测试中取得53.4%的成绩[5] - 在ARC-AGI-1测试中取得96%的成绩，直接顶到天花板[27] 性能与成本优势显著 - 推理成本大幅下降，从初代Deep Think每项任务77.16美元降至13.62美元，降幅达82%[29] - ARC-AGI-2测试得分在不到三个月内从初代的45.1%飙升至84.6%[26] - 由于ARC-AGI-1和2均被刷爆，ARC Prize已在构建ARC-AGI-3[32] 定位为科研与工程助手 - 新版Deep Think旨在推动智能前沿发展，并解决科学、研究和工程领域的现代挑战[5] - 其野心不止于赢得基准测试，而是要走进科研和工程领域，帮助工程师处理复杂任务[7] - 模型可以分析草图，对复杂形状进行建模，并直接生成用于3D打印的实体文件[8] - 罗格斯大学数学家利用其审阅高度专业的数学论文，并成功识别出一个此前人工评审均未发现的细微逻辑缺陷[10][11] - 杜克大学实验室利用其优化复杂晶体生长的制备方法，成功设计出能生长厚度大于100微米薄膜的工艺，达到了以往方法难以企及的精确目标[13][14] - DeepSeek研究员表示其非常擅长处理科学领域中的长尾任务，例如输入复杂分子结构图片后能准确计算出分子式[16][17] 研发团队背景 - 研发团队中有不少华人身影[36] - 核心成员包括95后华人科学家Yi Tay，他在Gemini团队从事强化学习和推理方向研究，曾共同领导Google Brain的早期大语言模型项目，并曾联合创办AI独角兽公司Reka AI，后重返谷歌DeepMind担任高级资深研究科学家[37][38] - 另一位关键参与者是清华物理系传奇特奖得主姚顺宇，他于去年9月从Anthropic跳槽加入谷歌DeepMind，参与了此次新模型的开发[6][39] - 姚顺宇本科期间已在《Physical Review Letters》发表高水平论文，博士毕业于斯坦福大学，师从知名学者，在Anthropic期间参与了Claude系列模型的强化学习理论工作，此次Deep Think新模型是他在谷歌的首秀之作[41][42]

核心观点 - 谷歌DeepMind首席执行官Demis Hassabis在达沃斯论坛上描绘了AI发展的宏伟蓝图，核心是解决智能问题并用其解决其他所有问题，包括药物研发、能源危机等，预言未来10到15年人类将迎来“发现的黄金时代”和“新文艺复兴” [2][8][58] AI在生物医药领域的颠覆性潜力 - 通过其创立的Isomorphic Labs，目标是在2026年初将首个AI设计的药物送入临床试验 [4] - Isomorphic Labs正在研究癌症、心血管疾病和免疫学等多个治疗领域，已有17个药物项目正在推进，并计划扩展到数百个 [4][28] - 公司与礼来公司（Eli Lilly）等全球顶级制药巨头建立了合作伙伴关系 [4][28] - 传统药物研发平均耗时10年，耗资数十亿美元，成功率仅为10%，而AI的目标是将效率提高“几十万倍”，通过在“硅基”层面完成大部分搜索和设计工作，将实验室仅作为验证步骤 [4][25][28] - 此技术基于AlphaFold的突破，该模型解决了长达50年的蛋白质结构预测难题，以惊人准确性预测了2亿个蛋白质结构，并免费提供给全球300万研究人员使用 [19][21][22] 谷歌大模型Gemini与AI整合进展 - Gemini 3模型已经跨越了“分水岭时刻”，变得非常有能力，可用于研究、总结和编码等日常工作 [5][52] - 谷歌已重建基础设施，以便将最新模型的能力快速投射到搜索、YouTube、Chrome等核心产品端 [5][44] - 公司正在重拾“黄金时代”的特质，包括承担风险、快速发布和创新 [5][38] - 谷歌在2023年将DeepMind和Google Brain两个AI团队合并，以集中人才和计算资源，推动下一代AI发展 [34][36] - 2025年，谷歌在AI开发方面取得进展，包括推出热门图像生成模型Nano Banana和Gemini 3，推动母公司Alphabet股价上涨约65%，创下自2009年以来的最佳表现 [41][42][43] AI代理（Agents）、机器人技术与未来产品形态 - AI代理和更自主的系统将在2025年年底真正开始显现，用户可以将整个任务委托给它们 [6][52] - 智能眼镜被认为是潜在的杀手级应用载体，AI技术是使其真正可行的关键拼图，公司内部有关于“通用助手”的概念，该助手将跨越手机、电脑和眼镜等所有设备 [6][53][55] - 预测在接下来的18个月左右，将会看到机器人技术的突破时刻 [7][53] 对未来的宏观展望 - 未来10到15年，如果发展得当，人类将迎来一个新的“发现黄金时代”和一场“新文艺复兴” [2][58] - 人类健康将被彻底改变，个性化医疗将成为现实 [7][58] - AI还将用于解决能源危机（如核聚变、太阳能、电池技术），最终将人类带入一个“极度丰富”的世界，并有能力去“探索银河系” [7][58] - AI领域的变革速度极快，感觉几乎每年都在发生巨大变化，2025年也不例外 [8][52] 公司背景与战略 - Demis Hassabis于2010年联合创立DeepMind，公司使命是“解决智能问题，然后用它来解决其他所有问题” [14][15] - 谷歌在2014年以约5亿美元收购了DeepMind，此次收购被视作商业史上最具变革性的时刻之一，为谷歌奠定了AI领域的基础 [14][15] - 谷歌创始人拉里·佩奇和谢尔盖·布林深度参与公司的AI战略和具体项目，如Gemini [39][40] - 公司管理强调将世界一流的跨学科团队（如生物学家、化学家、机器学习专家和工程师）聚集在一起，并倡导持续改进（Kaizen）的文化 [31][35][37]

文章核心观点 - Alphabet通过发行1000亿美元的百年债券为其人工智能资本支出融资 这被视为对一项仅诞生三年的技术进行的巨大赌注 尽管债券获得10倍超额认购 但此举引发了市场对其长期风险及公司能否在百年时间跨度内维持颠覆性地位的深刻质疑 [1][3][6] Alphabet的债券发行与市场反应 - Alphabet决定发行1000亿美元的百年债券 旨在为人工智能资本支出筹集资金 [1] - 此次债券发行获得了10倍的超额认购 显示出强劲的投资者需求 [3] - 债券发行的惊人需求表明 投资者并未放弃大型科技公司 市场对其回报能力仍有持续信心 [4] 历史对比与潜在风险 - 此次发行与历史上发行百年债券的公司形成鲜明对比 后者多为历史更悠久、更稳固的老牌企业 而Alphabet公司历史仅28年 [3] - 历史上前车之鉴包括 杰西潘尼在20世纪90年代末发行百年债后于23年后破产 以及通用汽车在长期债务方面的痛苦经历 [3] - 核心问题在于Alphabet能否在长达100年的时间跨度内维持其统治地位并不断实现自我颠覆与重构 [3] - 债券的最终成功取决于Alphabet在未来几代人中能否保持其颠覆者的地位 [6] 对更广泛市场的影响 - 考虑到大型科技公司在主要指数中所占的巨大比例 此次债券发行对更广泛市场具有重要影响 [5] - 市场质疑 如果这些主要参与者（特别是在“软件股困境”中）无法反弹 市场是否还能继续推向历史新高 [6]

谷歌Gemini 3 Deep Think模型发布 - 谷歌DeepMind发布Gemini 3 Deep Think模型，在多个领域刷新了SOTA（State-of-the-Art）记录，标志着AI推理能力进入全新维度 [1] - 该模型在短短三个月内实现全方位性能突破 [1] 核心性能与基准测试结果 - **编程与算法**：在Codeforces竞赛中获得**3455 Elo**评分，达到世界冠军级水准，在全球人类排名中位列第7，击败了绝大多数人类选手 [7][8][10] - **抽象推理**：在ARC-AGI-2基准测试中获得**84.6%**的准确率，刷新SOTA，并获得ARC奖项基金会验证 [11][12][17] - **综合学术推理**：在“人类最后考试”（Humanity‘s Last Exam）基准测试中，在不使用工具的情况下获得**48.4%**的准确率 [10][21] - **多模态理解**：在MMMU-Pro基准测试中获得**81.5%**的准确率 [21][34] - **数学**：在2025年国际数学奥林匹克（IMO）基准测试中获得**81.5%**的准确率，达到金牌水平 [21][33][34] - **物理**：在2025年国际物理奥林匹克（理论）基准测试中获得**87.7%**的准确率 [21][34] - **化学**：在2025年国际化学奥林匹克（理论）基准测试中获得**82.8%**的准确率 [21][34] - **凝聚态物理理论**：在CMT-Benchmark测试中获得**50.5%**的准确率 [21][34] 与竞争对手的对比 - 在ARC-AGI-2基准测试中，Gemini 3 Deep Think（**84.6%**）的表现远超Gemini 3 Pro Preview（**31.1%**）、Claude Opus 4.6 Thinking Max（**68.8%**）和GPT-5.2 Thinking xhigh（**52.9%**） [17][21] - 在Codeforces Elo评分上，Gemini 3 Deep Think（**3455**）显著高于Gemini 3 Pro Preview（**2512**）和Claude Opus 4.6 Thinking Max（**2352**） [21][34] - 在高级数学证明（Advanced ProofBench）基准测试中，基于Deep Think的“AI数学家”Aletheia获得**91.9%**的准确率，远超GPT-5.2 Thinking high（**35.7%**）和Gemini 3 Pro（**30.0%**） [30] 科研与工程应用能力 - **科研辅助**：能够审查高深学术论文，并发现人类同行评审遗漏的细微逻辑漏洞 [23] - **工业设计**：可以根据草图渲染高保真、实用的3D模型（如笔记本电脑支架），并直接生成可3D打印的文件，将物理零部件建模速度提升十倍 [3][39] - **实验优化**：在杜克大学Wang Lab的测试中，成功设计出生长大于**100 μm**薄膜的配方，用于潜在的半导体材料发现 [39] - **物理模拟**：展现出强大的物理模拟能力，可以模拟光线追踪，并在单个HTML文件中构建完整的Three.js场景 [40][41][42] - **创意生成**：能够生成复杂且细节丰富的SVG矢量图像（如具有特定品种特征的鹈鹕骑自行车） [44][45][48] 技术进展与突破 - 基于初代Deep Think的“AI数学家”Aletheia已能独立撰写论文，证明了“Erdős猜想”中的多个难题，并一举攻克18大研究瓶颈 [29] - 模型在ARC-AGI-1基准测试上已达到接近饱和的**96.0%**准确率 [12][35] - 模型能够根据论文描述，为复杂的“时空循环视频Transformer”架构创建可视化方案 [36] 发布与可用性 - 目前，Google AI Ultra订阅用户可在Gemini中体验新版Deep Think [25] - 谷歌首次通过API向部分研究人员、工程师和企业开放该模型 [25] - 核心研发团队包括从Anthropic离职加入谷歌的华人学者姚顺宇 [3]

贵金属市场动态 - 当地时间12日，现货黄金价格重挫，跌幅超过3% [1] - 现货白银价格日内跌幅一度扩大至11% [1] - 截至发稿时，黄金白银价格有所回升，现货黄金最新报4979.69美元/盎司，现货白银最新报76.65美元/盎司 [4] 美股科技股表现 - 美股大型科技股普遍下跌，苹果公司股价跌幅达5% [3] - 博通公司股价下跌超过3% [3] - 亚马逊、Meta和特斯拉股价跌幅均超过2% [3] - 英伟达股价下跌超过1%，谷歌A类股微跌 [3] 人工智能对行业的影响 - 今年以来，随着一些AI工具的推出，部分板块遭受冲击，包括软件公司、出版商、金融服务企业等 [3] - 投资者担心，这些AI工具可能复制受影响公司的业务模式，或至少侵蚀其利润率 [3] 中概股市场表现 - 中概股普遍下挫，纳斯达克中国金龙指数下跌3% [3] - 虎牙、腾讯音乐股价跌幅超过10% [3] - 亿咖通股价跌幅超过8% [3] - 爱奇艺、贝壳股价跌幅超过5% [3] - 拼多多股价跌幅超过4% [3] - 阿里巴巴、哔哩哔哩、百度股价跌幅均超过4% [3]

文章核心观点 - Alphabet通过发行1000亿美元的百年债券为其人工智能资本支出筹集资金 这被视作对一项仅诞生三年的技术进行的“巨大赌注” [1] - 此次债券发行获得了10倍的超额认购 但引发了与历史上其他发行百年债公司的对比 那些公司最终大多面临巨大挑战或彻底失败 [1] - 核心问题在于Alphabet能否在长达100年的时间跨度内维持其统治地位并不断自我颠覆 债券的最终成功取决于此 [2][3] 债券发行详情与市场反应 - Alphabet决定发行1000亿美元的百年债券 以筹集人工智能资本支出所需资金 [1] - 此次债券发行获得了10倍的超额认购 显示出惊人的市场需求 [1][2] - 债券发行的强劲需求表明 投资者并未放弃大型科技公司 市场对其回报能力仍有持续信心 [2] 历史对比与潜在风险 - 历史上发行百年债券的通常是历史更悠久、更稳固的“老牌企业” 而Alphabet（谷歌）公司本身只有28年历史 [1] - 杰西潘尼在20世纪90年代末发行了100年期债券 结果在23年后便宣告破产 让债权人血本无归 [2] - 通用汽车在长期债务方面也有过痛苦的经历 [2] - 此类债券发行引发质疑：究竟是商业模式处于巅峰的标志 还是预示着其正蓄势增长 [2] 对Alphabet的长期考验 - 关键问题在于作为一家公司 能否在100年的漫长时间内不断颠覆自己所在的领域并实现自我重构 [2] - 对于长期债券持有者而言 此次债券发行的最终成功 完全取决于Alphabet在未来几代人中能否保持其颠覆者的地位 [3] 对更广泛市场的影响 - 考虑到大型科技公司在主要指数中所占的巨大比例 其动向对更广泛市场具有重要影响 [3] - 市场质疑 如果这些主要参与者（特别是在“软件股困境”中）无法反弹 市场是否还能继续推向历史新高 [3]

文章核心观点 - Alphabet通过发行1000亿美元的百年债券为其人工智能资本支出筹集资金 这被策略师视为对一项仅诞生三年的技术进行的“巨大赌注” 尽管债券获得10倍超额认购 但此举引发了与历史上其他发行百年债但最终面临挑战的公司的对比 并引发市场对其能否在百年时间跨度内维持统治地位的质疑 [1][2] 债券发行详情与市场反应 - Alphabet决定发行1000亿美元的百年债券 旨在为人工智能资本支出筹集资金 [1] - 此次债券发行获得了10倍的超额认购 显示出强劲的市场需求 [1] - 债券的惊人需求表明 投资者并未放弃大型科技公司 超额认购证明了市场对其回报能力的持续信心 [2] 历史对比与潜在风险 - 策略师将Alphabet的举动与历史上的百年债发行者进行对比 指出以往发行者通常是历史更悠久、更稳固的“老牌企业” 而谷歌公司本身只有28年历史 [1] - 历史上前车之鉴包括：杰西潘尼在20世纪90年代末发行百年债 结果在23年后便宣告破产 让债权人血本无归 通用汽车在长期债务方面也有过痛苦经历 [2] - 此举引发质疑：此类债券发行究竟标志着一种商业模式处于巅峰 还是预示着它正蓄势增长 [2] - 核心问题在于Alphabet能否在百年漫长时间内维持其统治地位并不断实现自我颠覆与重构 [2] 对更广泛市场的影响 - 考虑到大型科技公司在主要指数中所占的巨大比例 其动向对更广泛市场具有重要影响 [3] - 策略师质疑 如果这些主要参与者（特别是在“软件股困境”中）无法反弹 市场是否还能继续推向历史新高 [3] - 对于长期债券持有者（如保险公司和对冲基金）而言 此次债券发行的最终成功 完全取决于Alphabet在未来几代人中能否保持其颠覆者的地位 [3]

OpenAI发布GPT-5.3-Codex-Spark - 公司正式发布专为实时编码场景设计的GPT-5.3-Codex-Spark研究预览版本，该模型是从GPT-5.3-Codex主模型中“裁剪”而来的精简版本[1] - 模型定位并非替代现有Codex，而是补齐其在“即时交互”场景中的短板，目标是将人与模型之间的交互延迟压缩到接近“无感”的程度[3] - 此次发布是公司与芯片初创企业Cerebras合作的重要阶段性成果，上个月签署了一项金额超过100亿美元的协议以使用Cerebras硬件提升模型响应速度[3] - 模型核心是“速度”，专为实时使用而设计，支持针对性编辑、重塑逻辑或优化界面并立即查看结果，针对高频、碎片化、对即时反馈极度敏感的使用场景[4] - 在执行长时间运行任务方面展现出卓越优势，无需人工干预即可自主运行数小时、数天甚至数周，使Codex能同时支持长时间复杂任务和即时工作[4] - 模型在发布时拥有128k的上下文窗口，且仅支持文本，研究预览期间拥有独立的速率限制，使用量不计入标准速率限制[5] - 针对交互式工作进行了优化，用户可与模型实时协作，在运行过程中随时中断或重定向它，并快速迭代以获得近乎即时的响应[6] - 作为小型模型，在SWE-Bench Pro和Terminal-Bench 2.0等评估智能体软件工程能力的基准测试中表现出色，且完成任务所需时间远低于GPT-5.3-Codex[7] - 研发过程中实现了端到端的延迟优化，对底层架构进行了系统级优化，量化结果包括客户端/服务器单次往返开销降低80%，每个token的处理开销降低30%，第一个token的出现时间缩短50%[11][13] - 社区反馈关注在速度提升的同时，模型是否能维持足够的推理深度与代码质量，有观点指出速度快但有缺陷的代码毫无用处[12][14] 谷歌更新Gemini 3 Deep Think - 公司同步更新了旗下最具研究取向的推理模型Gemini 3 Deep Think，这是一次明确面向现代科学研究、工程建模与复杂推理问题的系统性升级[16] - 模型目标并非更流畅的对话体验，而是解决长期困扰科研人员和工程师的“硬问题”，这些问题往往缺乏明确解题路径、不存在唯一正确答案且数据不完整[20] - 更新是在与大量科学家和研究人员长期合作基础上完成的，设计思路偏向真实科研与工程实践，而不仅是抽象推理能力的展示[20] - 全新Deep Think已在Gemini应用中上线，供Google AI Ultra订阅用户使用，并首次通过Gemini API向部分研究人员、工程师和企业开放使用权限[20] - 在多项严苛学术基准测试中刷新当前水平，在Humanity's Last Exam中取得48.4%的成绩，在ARC-AGI-2测试中取得84.6%的成绩并已通过官方验证[24] - 在竞技编程平台Codeforces上，模型达到3455 Elo评分区间，属于极高段位，其编码能力排名世界第八[26][27] - 相比以往，此次更新明显扩大了能力覆盖范围，在化学、物理等多个科学领域中展现出显著提升[31] - 在2025年国际物理奥林匹克竞赛和国际化学奥林匹克竞赛的笔试部分均达到金牌级别表现，在CMT-Benchmark中取得50.5%的分数[31] - 在2025年国际数学奥林匹克竞赛的评测中，整体表现达到金牌水平[32] - 根据基准测试对比表格，Gemini 3 Deep Think在ARC-AGI-2、Humanity's Last Exam、国际数学奥林匹克、国际物理奥林匹克、国际化学奥林匹克及Codeforces等多个关键指标上领先于Gemini 3 Pro Preview、Claude Opus 4.6 Thinking Max及GPT-5.2 Thinking xhigh等对比模型[33] - 公司强调模型设计目标并非单纯在榜单中取得高分，而是定位为辅助研究与工程决策的工具，可用于帮助理解复杂数据、协助建模与仿真、提供多路径推理支持[34][37] - 社区反馈认为此次更新是重要的升级，有观点指出可将草图转化为3D打印模型的功能能提升原型制作速度近10倍，并认为人工智能缩短工程时间、改进科学建模及降低研发成本将带来真正变革[38][41]

市场表现与熊市状态 - 亚马逊股价较近期高点下跌21.4%，正式跌破熊市门槛，成为Mag7中第二家进入技术性熊市的公司 [1][3] - 微软是首家进入熊市的Mag7成员，股价于1月29日跌入熊市，截至周四收盘较近期高点下跌25.9% [1][3] - Meta股价距离熊市门槛仅差2.3%，可能成为下一个跌入熊市的Mag7成员 [1][3] 资本支出与投资回报担忧 - 亚马逊、微软、Meta和Alphabet四家公司预计2026年在AI领域的资本支出总计将达6500亿美元 [3] - 亚马逊2026年计划资本支出最高，达到2000亿美元 [1][3] - 投资者对亚马逊、微软和Meta的AI支出能否带来足够投资回报信心不足，导致其股价遭受更大冲击 [1][5] - 对于亚马逊，资本支出水平的提高可能导致其今年自由现金流转为负值，意味着公司需要进入债务市场筹集更多资本 [5] 投资者轮动与公司分化 - 投资者在Mag7内部进行轮动，自去年秋季以来已从与微软、英伟达和甲骨文相关的OpenAI交易中撤出，转而青睐Alphabet和博通生态系统 [5] - Alphabet垂直整合的技术堆栈抵消了过度支出担忧，其股价周四收盘时较近期高点下跌9.2%，表现相对抗跌 [5] - AI交易的下一个重要催化剂将是英伟达2月25日发布的财报，该报告将显示AI热潮是否正在降温 [5] 业绩与市场情绪影响 - 尽管Meta第四季度营收和盈利超出华尔街预期，但AI支出增加和利润率压力打击了投资者信心 [3] - 微软股价跌入熊市，部分原因是其公布的Azure云业务增长未达投资者预期 [3]

美股市场表现与情绪转变 - 美国三大股指于2月12日集体收跌，道琼斯指数跌1.34%至49,451.98点，标普500指数跌1.57%至6,832.76点，纳斯达克指数跌2.03%至22,597.15点 [1] - 市场基调已从追捧AI转变为对其颠覆性潜力的担忧，冲击软件、法律服务和财富管理等多个行业，投资者正重新评估相关企业价值 [1] - 即使美国1月非农就业数据强劲（新增13万个岗位，失业率从4.4%降至4.3%），也未能持续提振市场，美股在短暂上扬后再度疲软 [1] 科技巨头资本支出与市场担忧 - 谷歌、Meta、微软和亚马逊今年合计资本支出计划高达6500亿美元，主要用于扩建AI基础设施 [2] - 市场担忧高额资本支出无法获得足够回报，导致微软和亚马逊在财报公布后股价出现两位数跌幅 [2] - 瑞银预计今年美国超大规模企业资本支出可能达到7000亿美元，较三年前增长四倍多，当前投资规模几乎消耗了这些企业运营现金流的100% [2] - 投资者担忧科技企业资金流可持续性，因其资本支出越来越依赖债务或股权融资 [2] - 瑞银因此将美国信息技术行业评级下调至“中性”，理由包括支出飙升、软件行业不确定性增加及硬件行业估值过高 [2] 市场板块轮动与观点分歧 - 市场出现明显板块轮动，资金从遭抛售的人工智能相关股票流出，涌入其他板块的价值型股票 [3] - 美国银行认为，以“七巨头”为代表的科技巨头自2020年以来的市场领导地位正面临“重大威胁”，建议投资者随中期选举临近逐步转向中小盘股票 [3] - 美银策略师指出，科技巨头在AI上的大笔支出使其“不再拥有最佳的资产负债表，也不再能进行最大规模的股票回购”，从轻资产向重资产转型威胁其市场领导地位 [3] - 摩根士丹利策略师则继续看好后市，认为AI热潮支撑科技行业强劲营收前景，科技股仍有上涨空间，近期波动使估值下降，软件股暴跌为微软和财捷等创造了“极具吸引力的买入机会” [3] - 摩根士丹利进一步分析，AI赋能板块的基本面利好仍在，AI应用端相关标的投资价值被低估，将AI应用于核心业务的公司比开发技术和基础设施的公司拥有更多机遇 [4]