核心观点 - 主持人Jim Cramer宣布“美股七巨头”这一概念已失去意义 因其在过去一年表现不佳且各公司走势分化 不再具备作为顶级投资组合的代表性[1][2][4] 对微软公司的评论 - 微软被评价为“七巨头中最不具魅力的” 其最近的财报电话会议内容令人困惑 未能明确传达公司战略[9] - 质疑微软是否意识到其在人工智能竞赛中已落后 以及其与OpenAI之间模糊的合作伙伴关系[9] - 对微软Copilot产品仅拥有1500万付费用户的数量表示不以为然 并批评其Windows系统强制更新的用户体验[9] - 公司业务涵盖软件开发、硬件及基于云的解决方案 主要产品包括Windows、Azure、Office、LinkedIn和Xbox[10] 对Meta Platforms公司的评论 - 尽管Meta公布了一个非常出色的季度业绩 但公司被市场普遍认为只是一家“卖广告的”公司 且管理层似乎不积极维护或推广其股价[11] - 在1月29日的节目中 Jim Cramer指出Meta股价单日上涨超过10% 因其在人工智能领域的投资获得了丰厚回报 扭转了上一季度因AI支出过高而被市场看衰的局面[12] - 强调Meta首席执行官马克·扎克伯格明确表示 人工智能使其公司能够为35亿日活跃用户提供全球最强大的广告投放工具 人工智能正在以非凡的方式改变公司命运并加速销售和盈利[12][13] - 生成式人工智能的能力极其强大 Meta能够精准了解用户并影响其购买决策[14] - 公司业务是开发连接人们的技术和应用 产品组合包括Facebook、Instagram、WhatsApp、Messenger、Threads以及虚拟和增强现实产品[12]

文章核心观点 - 腾讯首席AI科学家姚顺雨参与的首个研究成果CL-bench发布，该基准旨在测试大模型“从上下文中学习”的能力，揭示了当前最先进的大语言模型在此核心能力上存在严重短板，即便提供全部所需信息，模型在绝大多数真实世界任务上仍会失败 [1][2][4] - 研究指出，当前AI发展已进入“下半场”，重点应从大规模训练转向对模型在真实任务和系统中表现的严格评估，模型需从依赖预训练静态知识的“参数推理者”转变为能实时吸收“当下”环境信息的学习者 [4][5][14] - 评测结果显示，十个前沿大模型在CL-bench上的整体任务解决率平均仅为17.2%，表现最佳的GPT-5.1 (High)也仅达到23.7%，表明模型普遍缺乏从复杂上下文中学习并应用新知识的能力 [7][28][29] CL-bench基准测试的设计与目的 - **设计目标**：量化模型从上下文中学习新知识的能力差距，要求模型必须从提供的上下文中学习预训练数据中不存在的新知识并正确应用 [15] - **测试规模**：基准包含由领域专家精心制作的500个复杂上下文、1899个任务和31607个验证标准 [15] - **内容设计**：采用无污染设计，使用完全虚构、修改现实或小众长尾的内容，确保测试的是真正的学习能力而非数据记忆。在不提供上下文时，GPT-5.1 (High)的任务解决率低于1% [25] - **任务场景**：涵盖四大类现实世界场景：领域知识推理、规则系统应用、程序性任务执行、经验发现与模拟 [19] - **任务案例**：包括基于2.3万字新法律判案、根据新编程语言规范写程序、在新框架中执行代码、模拟全球关键金属供应等 [22] - **投入成本**：领域专家平均花费约20小时标注每个上下文，以保证任务质量 [26] 前沿大模型评测结果 - **整体表现低迷**：在CL-bench上评估的十个最先进语言模型平均仅解决了17.2%的任务 [29] - **领先模型表现**：表现最好的GPT-5.1 (High)整体任务解决率为23.7%，在四大类任务中的解决率分别为：领域知识推理25.3%、规则系统应用23.7%、程序性任务执行23.8%、经验发现与模拟18.1% [29][30] - **其他模型表现**：Claude Opus 4.5 Thinking以21.1%位列第二，GPT 5.2 (High)为18.1%，o3 (High)为17.8%，Kimi K2 Thinking为17.6%，混元HunYuan 2.0 Thinking为17.2%，其余模型如Gemini 3 Pro、Qwen 3 Max、Doubao 1.6、DeepSeek V3.2的解决率在13.2%至15.8%之间 [29][30] - **归纳推理是短板**：模型在需要从数据中归纳规律的经验发现与模拟类任务上表现最差，解决率通常低于10%，且结果波动大 [32] 模型失败原因分析 - **主要错误类型**：忽略或误用上下文是失败主因，而非信息缺失。例如，GPT-5.1 (High)有55.3%的错误源于忽略上下文，61.5%源于误用上下文 [31] - **依赖静态知识**：模型倾向于调用预训练中学到的静态知识来解决问题，即使上下文明确定义了新的规则或概念，模型也不会学习和利用 [31] - **推理强度作用有限**：提高推理强度对提升上下文学习能力的效果有限。例如，GPT-5.1在某些任务上提升约6%，但其他模型提升有限甚至可能下降 [33] - **核心结论**：即使通过上下文工程为模型提供了所需信息，如果模型不能真正从中学习，依然会失败。这解释了语言模型在真实场景中经常出错的原因 [36] 研究背景与行业意义 - **研究理念**：此项研究是姚顺雨关于“AI下半场”判断的具体实践，即AI发展重点应从训练转向评估，让模型在真实任务中经得起检验 [4][37][38] - **团队构成**：研究由腾讯混元与复旦大学团队合作完成，姚顺雨在加盟腾讯后提供了鼓励和宝贵建议，其审阅和反馈提升了工作质量 [39] - **行业启示**：与其继续盲目追求模型规模或刷榜，行业应更清晰地诊断模型在核心能力上的缺陷，推动上下文学习能力走向现实 [37][40]

公司：Alphabet (Google) * 公司首席技术官Amin Vahdat讨论了Google在AI基础设施、模型和未来愿景方面的进展与战略[1] 核心观点与论据 **AI模型进展与竞争态势** * Gemini 3模型在所有基准测试中都达到了最先进的水平[5] * 公司认为AI竞赛仍处于早期阶段（第一局）[8] * 竞争环境（如Claude、ChatGPT、Gemini）正在推动所有参与者变得更好[122] * 当前AI进步的速度感觉比摩尔定律更快，模型能力大约每3-6个月感觉就提升一倍[118] * 评估标准正变得越来越好，越来越关注真实世界的用例[120] **全栈整合与协同设计是核心优势** * 公司被认为是市场上最全栈的公司，从TPU硬件到应用层[11] * 真正的“秘密武器”是能够跨全栈协作以解决最终问题[12] * TPU等硬件并非孤立设计，而是与DeepMind以及搜索、广告、YouTube、云等不同用例共同设计的[12] * 基础设施团队与Demis Hassabis（DeepMind）的研究团队紧密合作，进行硬件和软件的协同设计[13][17] **专用计算（XPU）的效率与挑战** * 专用计算（包括GPU、TPU等）相较于通用架构，能在成本、规模和功耗等多个维度带来至少10倍的巨大提升[50][53] * 专用化的核心挑战在于硬件设计到大规模部署的交付周期长达三年[29] * 如果能将硬件交付周期从三年缩短到三个月，将从效率和能力上彻底改变世界，但目前尚不知如何实现[31][35] * 更现实的可能是将周期缩短至2年或18个月[47] **数据中心与未来基础设施展望** * 公司正在探索太空数据中心的潜力，其优势包括：24/7太阳能供电（无需电池）、无云层遮挡、以及通过太空卫星网络互联可能带来50%的延迟降低[57][60] * 太空数据中心面临冷却、维护等许多待解决的问题[60][62] * 当前基础设施的部署和维护方式难以规模化，需要彻底重新思考[64] * 数据中心规模正从早期的10兆瓦（MW）向10吉瓦（GW）发展，增长达1000倍[66][68] * 在太空实现吉瓦级规模的数据中心可能超过五年，但尚难确定具体时间表[69] **对效率与需求的看法** * 公司在软件、模型、硬件和能效方面进行了巨大投资，且效率提升的速度前所未见[80] * 然而，模型能力的增长和围绕它们的应用（如智能体、编程）会立即消耗掉所有效率提升[80] * 一种普遍的观点是“效率将拯救一切”，但这可能比一些人认为的要更晚实现[81] **AI的变革性影响与关键用例** * AI当前最具影响力的方面是能够近乎即时地获取跨领域的专家级见解，即使这些见解并非原创[90] * 这改变了游戏规则，因为它能节省大量专家的人力时间[92] * 研究和学习是AI最具附加值的用例，虽然讨论得不多，但却是人类最普遍的活动[100] * AI有机会为每位患者提供医生，为每位学习者提供老师，并根据个体需求进行个性化定制[103] * 个性化是AI普及的最后一步，目前已非常接近实现[108] 其他重要内容 **产品与合作伙伴关系** * TPU完全作为Google Cloud Platform（GCP）的产品提供，同时GCP也与NVIDIA深度合作，提供大量GPU产品[19][21] * 公司与Cisco等合作伙伴在基础设施方面有紧密合作[125][127] **当前担忧与瓶颈** * 最担忧的问题每周都在变化，但速度（交付、迭代能力）是贯穿所有问题的通用担忧[72] * 其他担忧包括能源、供应链以及内存价格（特别是DRAM与HBM之间的比例）[72][74] * 引用行业人士观点，内存供应紧张可能持续到2028年底[74][77] **行业前景** * AI被视为自互联网以来最大的革命，其影响将比互联网更大[124] * 这不会是一个赢家通吃的环境[124] * 无论是在技术栈顶层还是基础设施层工作，现在都是对技术行业产生影响力的最佳时机[125]

公司业绩与市场预期 - 公司将于周三发布财报 这是自1月苹果宣布选择Gemini以来管理层首次与股东沟通 [1][2] - 华尔街预计公司第四季度营收将同比增长15% [1] 与苹果的AI合作协议 - 苹果选择谷歌的Gemini人工智能技术来全面革新其Siri虚拟助手 这是一项多年期合作伙伴关系 [1][2][4] - 合作将利用谷歌的Gemini和云技术来支持苹果未来的基础模型 [4] - 苹果表示谷歌的AI技术为其基础模型提供了最强大的能力 并期待其为苹果用户带来创新体验 [4] 合作协议的战略意义与影响 - 该协议是Gemini迄今为止最引人注目的合作之一 苹果庞大的用户基础（25亿台活跃设备）对谷歌至关重要 [2] - 即使无法获取具体的用户数据 谷歌也可能通过查询内容来帮助训练其AI模型 [3] - 合作规模使谷歌在AI领域获得了关键的用户规模 [3] 产品整合与功能细节 - 由Gemini驱动的Siri将为用户提供个性化体验 但不会获取用户的Gmail等具体信息 [5] - 苹果智能（Apple Intelligence）功能套件 包括Siri、AI写作工具和Genmoji 将继续在苹果设备及其私有云上运行 [4] - 苹果计划在更新版Siri发布时分享更多细节 [5]

AI收入实质与投资分析框架 - 当前众多公司宣传AI，但关键在于区分营销宣传与能转化为实际利润的AI收入，投资者需要一个框架来辨别实质内容[1] - 核心问题并非AI将走向繁荣还是萧条，而是AI产生的收入是否足以支撑巨额投入[2] 标志一：寻找具体的美元数据 - 应警惕“AI驱动增长”等模糊声明，真正从AI盈利的公司会分享具体数据[3] - Meta是AI收入透明度方面的范例，其AI驱动的广告工具产生了600亿美元的年化收入运行率[3] - Meta进一步细分：Reels功能达到500亿美元年化运行率，而三年前几乎未货币化；Advantage+购物广告活动年化运行率超过200亿美元[4] - 最佳实践是关注年化运行率、增长百分比和细分领域数据，若公司仅对AI收入表述模糊，则是一个明显的信号[5] 标志二：区分AI收入与AI增强型收入 - 这是复杂且易混淆之处，许多投资者在此感到困惑[6] - 微软在2024年底报告其AI业务年化运行率超过130亿美元，这包括Azure AI服务、拥有2600万用户的GitHub Copilot以及90%的财富500强公司使用的Microsoft 365 Copilot[6][7] - 这些产品的核心价值主张是AI，客户为AI能力付费，例如GitHub Copilot收取订阅费，Microsoft 365 Copilot在标准Office订阅外每月每用户额外收费30美元[7] - AI增强型收入则不同，例如Meta的广告业务：AI提升了广告效果，但广告商并未为AI功能支付额外费用，其AI系统在后台工作，驱动了上季度广告展示量增长14%和每条广告价格提升10%[8] - 两种收入均有效，但投资者需明确公司AI主张属于哪一类，纯AI收入更易追踪和估值[9] 标志三：核查客户验证点 - 真实的AI收入伴随真实的客户，客户会留下证据[10] - 谷歌未提供类似Meta的单一AI收入数据，但通过客户验证点展示进展：2025年第三季度，谷歌云收入同比增长超过33%，运营利润率从一年前的约17%扩大至近24%[10] - 近150个云客户各自处理约1万亿个tokens，这代表生产级的大规模AI使用，而非小型实验[11] - 交易流证实了这一点：2025年前九个月，谷歌签订的超过10亿美元的合同数量比前两年总和还要多[11] - 微软强调，在Copilot推出首月购买的客户，在18个月内集体席位数量增加了10倍，过去一个季度每用户每日Copilot使用量增加了一倍多[12] - 随时间加速的使用趋势标志着真正的价值创造，而非一次性实验[13] 标志四：关注利润率影响 - AI收入质量的最终检验标准在于是否能提升盈利能力[14] - AI基础设施成本高昂，若AI收入增长但利润率被压缩，则长期单位经济效益可能不佳[14] - 谷歌云的运营利润率从一年前的约17%扩大至最近季度的略低于24%，这是一个积极信号，表明AI服务在高效扩展，收入增长快于成本[14][15] - 相比之下，亚马逊AWS的运营利润率约为35%，表明谷歌云仍有提升空间[15] - 关键在于判断AI收入是增厚了利润率，还是公司花费1美元仅产生80美分回报[16] AI投资现状与核心原则 - AI领域仍处于早期阶段，许多公司仍处于投资模式，为未来收入进行当前投入[16] - 投资风险在于混淆潜力与实际表现，公司可能拥有卓越的AI技术却无法货币化，或技术平庸但拥有出色的分销和客户关系[17] - 投资者的任务是识别那些将AI能力转化为可持续收入流的公司，而非挑选最佳AI模型[17] - 分析框架简单明了：具体的美元数据、清晰的收入分类、客户验证点以及利润率影响[17] - 最佳AI投资来自那些既能展示当前收入，又能清晰阐述未来更高回报路径的公司[18] - 生成式AI正在重塑股市，关键在于公司如何利用AI解锁新收入、主导市场并重塑商业世界[20]

科技巨头财报周前瞻 - 本周多家科技巨头将发布财报 包括Alphabet谷歌 亚马逊 英伟达和AMD [1] Alphabet谷歌的业务焦点与AI整合 - 谷歌正从一家搜索公司转变为一个AI编排层 其成功的关键在于如何将AI融入整个业务栈 [2] - 市场将重点关注谷歌云平台业务 其过去几个季度的增长率一直保持在30%以上 这是衡量企业采用和谷歌业务增长的关键指标 [3] - 除了搜索 分析师将关注谷歌如何利用其Gemini AI模型贯穿整个技术栈 包括Workspace和Pixel手机业务 本季度将是Pixel 10系列手机上市后的第一个完整财季 [4] - 评估谷歌的核心线索是AI是否已全面融入其所有业务叙事中 以及Gemini是否正在改变人们的在线使用和互动方式 [5] - 谷歌在智能手机和云计算领域也是芯片玩家 拥有自研的TPU芯片 [13] 亚马逊与AWS的资本开支 - 亚马逊财报的关注焦点是其资本开支 尤其是AWS部门的支出情况 [7] - 当前的AI基础设施投资与互联网泡沫时期不同 不是在建设未来需求的“暗光纤” 而是在满足现有即时需求 每一台上线的GPU都立即被投入使用 [8][9] - AWS在满足当前需求方面处于有利地位 [9] AI芯片与硬件生态竞争 - 市场希望看到一个更平衡的AI芯片市场 期待AMD能够夺取份额 但这并非对英伟达的负面信号 因为总市场规模巨大且在每日扩张 [12][13] - 随着AI工作负载从训练转向推理 市场需求将发生转变 预计推理工作负载将从当前水平增长10倍 这对AMD有利 [14][15] - 谷歌和AWS不仅是超大规模云服务商 也是芯片玩家 谷歌有TPU AWS拥有自研的定制芯片 目前已发展到第五或第六代 [13] - 高通正将其市场从高端智能手机扩展到工业 边缘计算和汽车领域 实现了总可寻址市场的扩张 [19][20][21] AI投资周期与资产折旧 - AI投资存在一个关于昂贵GPU资产折旧和投资生命周期的关键问题 [9] - 谷歌 微软和AWS等公司的资产折旧曲线存在差异 AWS的设备折旧周期大约为5到6年 而英伟达希望的技术更新周期是12到18个月 这形成了市场关注的矛盾点 [10][11] - 市场正在评估芯片制造商英伟达和AMD的创新速度与超大规模云服务商长期使用设备能力之间的权衡 [11] AI对工作市场的长期影响 - AI带来的技术变革类似于从农业经济或马车到汽车的转变 短期内可能对某些领域造成干扰 但长期来看是积极的 [16][17] - 社会对软件 开发和创新的需求将非常旺盛 AI工具将赋能这一过程 而非对社会产生净负面影响 [17][18]

机构关注与市场地位 - 近期多家知名对冲基金将Alphabet列为前三大持仓 包括Bill Ackman的Pershing Square Capital、Chase Coleman的Tiger Global Management和Philippe Laffont的Coatue Management [1] - 公司已重新被视为人工智能领域的领导者 市场早期对其核心搜索业务受AI冲击的担忧被证明是过度的 [2] 人工智能技术栈优势 - 公司拥有最完整的人工智能技术栈 其自研的Tensor Processing Units定制AI芯片已开发超十年 经过实战检验并高度集成至其生态系统 在运行AI工作负载时具有结构性成本优势 [4] - TPU芯片已通过Google Cloud云计算业务向客户开放部署 创造了新的收入流 [4] - 公司基于自研芯片训练了世界级的Gemini大语言模型 该模型被认为是全球最佳AI模型之一 其能力已全面融入公司产品 [5] 产品整合与市场应用 - Gemini模型除了独立的应用程序正在获取市场份额外 还通过AI Overviews、Lens和Circle to Search等AI驱动的新功能推动Google搜索增长 [5] - AI Mode是重要的改变者 它允许用户在传统搜索和AI聊天机器人之间轻松切换 无需更换应用程序 [5] - 公司通过拥有Chrome浏览器和Android智能手机操作系统 以及与苹果的搜索收入分成协议 成为大多数用户的互联网入口 [6] - 其庞大的广告网络优势使其能够轻松地从搜索和AI聊天机器人用户中实现货币化 [6]

文章核心观点 - 苹果公司正面临严峻的AI人才流失挑战，其AI研发团队的核心技术力量不断流向竞争对手，特别是Meta和谷歌 [1][2] 人才流失具体情况 - 近期有四名AI研究员从苹果离职，分别是Yinfei Yang、Haoxuan You、Bailin Wang以及Zirui Wang [1] - Yinfei Yang计划离开苹果创办一家新的初创公司 [1] - Haoxuan You和Bailin Wang选择加入Meta Platforms Inc，Haoxuan You加入Meta的超级智能研究部门，Bailin Wang专注于Meta的推荐系统相关工作 [1] - 苹果Siri高级主管图尔特·鲍尔斯（Stuart Bowers）已从苹果离职，转投谷歌DeepMind [1] - 自今年1月起，Meta至少从苹果挖走了十几位人工智能研究人员 [2] - 被Meta挖走的人员并非初级工程师，而是苹果人工智能基础架构的搭建者 [2] 关键人员与事件 - 苹果基础模型团队负责人庞若明（Ruoming Pang）于7月跳槽至Meta [2] - Meta为庞若明开出了超过2亿美元的薪酬方案 [2] - Meta还成功挖走了汤姆·冈特（Tom Gunter）和马克·李（Mark Lee），他们二人均为苹果基础模型团队的核心成员 [2] 行业背景与影响 - 科技巨头正在激烈争夺人工智能（AI）人才 [1] - 顶尖人工智能人才已成为各方视为战略资产的关键要素 [2] - 人才的相继离开，不仅带走了宝贵的技术经验，更引发外界对苹果AI研发团队稳定性的担忧 [1]

2025年第四季度财报季概览 - 标普500指数中已有相当一部分公司公布了财报 尽管盈利和销售增长保持坚挺 但业绩超预期比例低于其他时期 且并非所有公司都在财报发布后获得积极的股价反应 [1] 微软财报核心表现与市场反应 - 微软财报在调整后每股收益和销售额上均超出市场共识预期 调整后每股收益4.14美元 同比增长24% 销售额813亿美元 同比增长17% [3] - 财报发布后 微软股价遭遇了数年来最糟糕的单日表现之一 其股价表现在五年期基础上已落后于标普500指数 [2] - 市场主要担忧在于其高昂的资本支出以及Azure增长放缓 本季度资本支出总额为375亿美元 其中299亿美元用于购置房产和设备 如支持Azure需求的GPU和CPU [4] - 智能云部门（包含Azure）销售额同比增长28% 达到329亿美元 但由于持续的AI投资 该部门毛利率受到冲击 [7] - Azure及其他云服务收入同比增长31% 相较于前两个季度分别为35%和39%的增长率有所放缓 [8] 元平台财报核心表现与市场反应 - 元平台财报同样在调整后每股收益和销售额上超出市场共识预期 调整后每股收益8.88美元 同比增长11% 销售额同比增长24% 年初至今股价上涨11% 表现优于标普500指数 [9] - 财报发布后 元平台股价上涨 [2] - 2025年12月 其应用家族平均每日活跃人数同比增长7% 达到约36亿 广告展示量同比增长18% 每条广告的平均价格同比上涨6% [10] - 公司同样在AI领域进行大量投资 预计2026财年总支出将在1620亿至1690亿美元之间 其中大部分分配给基础设施成本 为支持建设而支付的关键人才更高薪酬是第二大支出项 [12] 行业投资趋势与市场情绪 - 两家公司均持续进行巨额投资 反映在快速增长的资本支出/费用上 [6] - 市场对AI热潮中投入的巨额资本日益感到怀疑 这解释了微软财报后的不佳市场反应 投资者开始要求看到投资回报 [7] - 多年来 投资者非常重视云收入的加速增长 这通常决定了该领域公司财报发布后的股价反应 [8]

微软与Meta的股价及市场情绪对比 - 微软股价刚刚遭遇了自2020年以来最大的单日跌幅 而Meta股价则飙升了10% 尽管两家科技巨头都在人工智能人才和基础设施上投入数十亿美元 但投资者在2026年初对微软感到紧张 同时对Meta的近期上行故事充满信心 [1] - 对于一个曾在元宇宙领域“著名地失手”的公司 Meta如今看起来更加务实 在人工智能炒作和期望值极高的时代 Meta正在随大流 而非引领潮流 [1] Meta的财务表现与核心业务 - Meta在上一季度报告了598.9亿美元的收入 超出华尔街预期超过10亿美元 [1] - 公司强调其核心广告业务能力 并指出强劲的收入增长支撑了这一故事 其旗下社交应用系列的用户数量在增长 产品日活跃用户同比增长7% [1] - Meta对近期收入持乐观态度 预计下一季度收入将在535亿至565亿美元之间 [1] Meta的人工智能战略与资本支出 - Meta在人工智能上的投资持续增长 2026年 公司预计资本支出将在1150亿至1350亿美元之间 远高于2025年全年支出的722.2亿美元 [1] - 资本支出的大幅增长主要由对“Meta超级智能实验室”人工智能部门的投资增加所驱动 [1] - 高管强调 将人工智能融入现有产品 特别是推荐引擎 正在直接提升其广告业务 广告商对广告效果的提升已有回应 这些成功正在推动转化率和收入的增长 [1] 管理层评论与产品愿景 - Meta首席执行官马克·扎克伯格在财报电话会议上表示 他无法想象在未来几年内“人们佩戴的大多数眼镜不是人工智能眼镜”的世界 但他此次并未以公司最新的烧钱消费硬件赌注作为开场 [1] - 扎克伯格对公司重建人工智能努力的进展表示满意 称“我们正处于这个有趣的重建AI努力的时期 现在已经进行了六个月 我对进展感到高兴” [1]