本周，市场对美股科技巨头财报的焦点，是其"资本支出"数字。科技公司正竞相投入巨额资金建设AI超 级计算中心。分析师预计大型科技公司明年总资本支出将增长24%至近5500亿美元。投资者将密切关 注这些巨额投入能否转化为实际增长，以平衡投资与回报。 本周，当科技巨头们陆续公布业绩时，华尔街的目光将穿透营收和利润等传统指标，聚焦于一个更能 揭示未来的数字： 资本支出。 微软、Alphabet、Meta将于本周三公布季度业绩，亚马逊和苹果则在周四跟进。尽管这些巨头的业务 各不相同，但市场在审视它们的财报时将有一个共同的焦点。由OpenAI近乎惊人的万亿美元级AI基础 设施投资计划所引发的震动，正迫使投资者重新评估这些大型科技公司的支出规模与战略意图。 投资者即将获得大量新信息，以判断这些公司如何在AI的浪潮中布局。分析师将密切关注微软的 Copilot AI功能是否为其其他业务带来了增长；谷歌的AI投资是否有助于捍卫其核心的搜索和广告业 务；以及Meta宣称的生成式AI技术是否真的增强了其广告定位能力。 近三年来，以ChatGPT和Gemini等为代表的生成式AI点燃了市场热情，并被认为有潜力重塑全球经 济。然而，当 ...

文章核心观点 - 华尔街及投资者将关注焦点从传统财务指标转向科技巨头的资本支出，以此评估其在人工智能领域的战略布局和未来增长潜力 [1] - 由OpenAI的万亿美元基础设施投资计划所驱动，科技行业正进行一场AI军备竞赛，计算能力成为关键瓶颈和投资重点 [1][2] - 市场需在巨额资本支出与可验证的商业回报之间寻求平衡，关注投资能否转化为实质性的收入增长 [3] AI投资趋势与行业焦点 - 生成式AI（如ChatGPT和Gemini）被视为有潜力重塑全球经济，当前最大瓶颈是计算能力严重不足 [1] - 科技公司正竞相建设基于英伟达AI芯片的超级计算数据中心以满足预期需求 [1] - 私营公司OpenAI已宣布与合作伙伴规划约1万亿美元的未来基础设施建设计划，为行业投资规模设定高门槛 [2] - 摩根士丹利预计大型科技公司总资本支出明年将增长24%，达到近5500亿美元 [2] 各公司资本支出计划与战略 - **微软**：预计当季资本支出达到300亿美元，年增长率超过50% [4] 分析师预计本财年资本支出增长42%至913亿美元 [4] 公司承认面临AI需求带来的基础设施短缺问题 [4] - **Alphabet（谷歌）**：将今年资本支出预期从750亿美元上调至850亿美元，并计划在2026年再次提高 [5] 支出服务于云客户、AI实验室DeepMind及自有产品 [5] 分析师预计2025年资本支出增长57%至824亿美元 [5] - **Meta**：将2025年资本支出预测中值上调10亿美元至690亿美元 [6] 公司坚信AI投资将改善其所有业务，特别是在广告投放和新产品方面带来优势 [6] 分析师预计今年资本支出大幅增长84%至684亿美元，2026年继续增长42%至970亿美元 [6] - **亚马逊**：计划今年资本支出超过1000亿美元，最后两个季度的季度支出约为310亿美元 [7] 投资重点在于芯片、数据中心和电力，以抓住生成式AI领域的巨大机遇 [7] 分析师预计今年资本支出增长41%至1170亿美元 [7] - **苹果**：2024财年资本支出仅为94亿美元，因其采用从云提供商处租赁计算能力的"混合"策略 [8] 公司表示正在大幅增加投资，资本支出将"大幅增长"但"不会是指数级增长" [8] 分析师预计2025财年资本支出增长28%至121亿美元 [8] 市场关注的投资回报关键点 - 分析师将密切关注微软Copilot AI功能是否为其其他业务带来增长 [1][3] - 市场关注谷歌的AI投资是否有助捍卫其核心的搜索和广告业务 [1][3] - 市场需要验证Meta宣称的生成式AI技术是否真的增强了其广告定位能力 [1][3] - 对于亚马逊、微软和谷歌，必须证明资本支出正在转化为实实在在的云业务收入增长 [3]

这意味着，无论是餐馆推荐、路线规划，还是房产选址、旅行行程规划，AI都能基于 实时地图数据 直接回答。 一水 发自 凹非寺 量子位 | 公众号 QbitAI 谷歌这回整了个大活儿！ 即日起，所有开发者可通过Gemini API调用谷歌地图工具，以便轻松将位置感知功能整合进其应用中。 简单粗暴地说，现在但凡你的应用跟"位置"沾边，Gemini都能立刻调用谷歌地图那套庞大的地理数据库——2.5亿个地点全给它接通了。 根据谷歌文档，目前支持这项功能的模型包括：Gemini 2.5 Flash-Lite、Gemini 2.5 Pro、Gemini 2.5 Flash和 Gemini 2.0 Flash （但不 包括2.0 Flash Lite） 。 而且是基于 查询次数 来收取API费用——当前费率为 每1000条有事实依据的提示25美元 ，所谓有事实依据是指至少有一个结果来自谷歌地 图。 这里需要注意，如果一次向谷歌地图发送了多个查询，则这些查询仅计为一次请求。 Okk，话不多说，直接来看这项功能都有哪些玩法—— Gemini+谷歌地图，出行规划如此简单 首先来看"谷歌宣传委员"Logan Kilpatrick的打 ...

智通财经APP获悉，当地时间周三，谷歌(GOOGL.US)律师约翰·施密特林在美国联邦法院听证会上向法 官阿米特·梅塔向法院表示，希望继续捆绑热门地图和视频应用与Gemini AI服务，以回应美国司法部此 前提出的禁止提议。施密特林强调，"目前没有任何迹象表明谷歌在人工智能市场已获得垄断地位或市 场力量"，同时指出法院并未认定谷歌地图或YouTube构成垄断产品。 此前，梅塔法官已裁定谷歌在搜索及搜索广告业务中存在垄断行为，并正在制定针对性补救措施。上月 裁决中，他禁止谷歌向合作方支付费用以换取搜索、Chrome浏览器或Google Play商店的独家使用权 限，但未完全禁止所有形式的支付行为。该裁决融合了谷歌词控双方的部分提议，因此本周三的听证会 上双方均主张法官采纳己方措辞。 审判期间证人证词显示，谷歌向设备商给出"要么全部预装、要么无法使用 Play 商店"的捆绑条件，要 求对方若想使用安卓系统最大的应用商店Play Store，必须预装近十款谷歌应用。例如微软Surface Duo 触摸屏设备便因此被迫采用谷歌搜索而非自家必应引擎。司法部认为，此前针对搜索、Chrome和Play的 禁令应扩展至Gem ...

中美AI竞赛格局 - 美国在追求通用人工智能和超级智能方面具有优势，其优势在于硬件和软件技术，但面临电力供应不足的挑战 [3][4][7] - 中国致力于将人工智能技术广泛应用于各类产品和服务，在硬件制造和成本控制方面具有优势，特别是在消费品领域 [3][4][6] - 美国对中国实施的硬件限制将影响中国在高端AI领域的竞争能力 [3] 机器人产业发展趋势 - 中国在机器人领域采取与电动汽车类似的策略，通过制造廉价但功能强大的设备主导市场，例如宇树科技发布售价6000美元的R1机器人 [6] - 美国在高端复杂机器人领域仍有机会，其软件优势明显，但硬件层面可能面临中国廉价机器人的冲击 [6] - 中国在太阳能和电动汽车领域的竞赛中已取得领先地位，去年新增172吉瓦太阳能装机容量 [6] 能源瓶颈与基础设施 - 到2030年，美国需要新建92吉瓦发电能力以满足数据中心需求，相当于约60-92个大型核电站的发电量 [8] - 美国当前电力供应不足，这将限制其在AI和AGI领域优势的充分发挥 [5][7][8] - 中国在电力生产方面已解决问题，具备基础设施优势 [7] AI技术安全与治理 - 当前面临三大明显威胁：虚假信息、网络安全和生物安全，其中生物安全风险尤为突出 [10][11] - AI训练效率不断提升，从FP16转向FP8，甚至4位浮点运算，这加剧了技术扩散的风险 [13][14] - 通过"蒸馏"和迁移学习技术，模型训练成本可降至原始训练的1%，同时达到80%-90%的顶级闭源模型水平 [14][15] 创业环境与成功要素 - 当前创办公司的门槛几乎为零，创业者可在线注册公司，利用AI工具编写代码，通过第三方物流和合同制造商处理硬件生产 [16] - 成功的关键在于快速行动并构建围绕"学习"的系统，通过监督或非监督训练实现爆发式增长 [17][18] - 行业创造财富的核心在于建立可规模化的平台，形成网络锁定效应，这是从微软到当代科技公司的普适真理 [19][20] 技术革命的历史意义 - 人工智能这种非人类智能的出现，其重要性堪比人类历史上电力、火或交通工具的发明 [21] - 未来十年将比以往任何时候都更能决定未来百年的走向，积极拥抱AI的国家和公司将成为大赢家 [22] - 所有经济增长都来源于应用智慧发现新事物、解决新问题，而AI正加速这一进程 [22]

投资计划 - 谷歌宣布未来两年在英国投资50亿英镑约合68亿美元 [1] - 投资将覆盖AI子公司DeepMind在伦敦的业务部门 [1] - 部分投资用于沃尔瑟姆克罗斯新建数据中心以满足谷歌搜索、地图等服务需求增长 [1] 投资影响 - 该投资预计每年为英国创造8250个就业岗位 [1] 行业动态 - 美国企业OpenAI与英伟达计划在特朗普访英期间承诺向英国数据中心领域投资数十亿美元 [1] - 美英合作协议旨在加快两国企业建设核电站进程 [1]

文章核心观点 - 高德地图推出基于真实行为数据的"扫街榜"产品 旨在构建AI驱动的线下服务信用体系而非直接竞争传统点评平台 [2][9][24] - 该产品通过导航搜索到店收藏等用户行为数据交叉验证 结合芝麻信用体系加权 解决服务业信息不对称和信用缺失问题 [14][19][21] - 上线首日用户超4000万 公司同步推出烟火好店支持计划 发放2亿元打车券和95亿元消费券 提供3000万元现金激励 [1][21] 行业背景与需求 - 中国服务消费市场规模从2013年72万亿元扩至2024年183万亿元 涨幅快于实物消费 [7] - 居民人均服务消费支出占比达434% 服务消费渐成消费增量主要贡献者 [7] - 人均GDP达1万美元时服务消费需求大幅增加 达15万美元时成为主导性消费 [7] 产品机制与创新 - 评分纳入导航搜索到店收藏等真实行为数据 检验评论真实性专业度时效性 [14][19] - 引入支付宝芝麻信用体系 根据用户信用等级为评价加权 [14][19] - 通过AI模型分析导航到店率复购率停留时长达标率等数据真实性 [19] - 从空间价值（时间距离成本）时间密度（客流量曲线消费频次）行为纯度（剔除虚假轨迹）三维度重构评价机制 [20] 与传统模式对比 - 传统点评依赖主观UGC内容 存在刷单买好评等失真问题 高分餐厅可能受营销影响而非真实品质 [10][12] - 线下服务具有非标性（高度个性化）即时性（难以撤销）隐蔽性（后厨卫生等核心信息不透明）三大硬伤 [13] - 高德扫街榜基于不可篡改的行为数据（如导航记录停留时长）造假成本指数级增加 [19] 战略定位与生态优势 - 高德地图作为国民级导航应用拥有17亿日活 覆盖餐饮酒店理发加油站等线下核心场景 [22] - 实时生成导航目的地停留时长搜索记录等数据 能真实反映商家最新口碑 [22] - 公司定位为打造AI时代线下服务信用基建 而非加入传统到店业务竞争 [24] 历史沿革与行业意义 - 2003年支付宝通过担保交易解决线上交易信任难题 推动淘宝GMV在2007年达433亿元 [4][5] - 信用体系创新贯穿商业进步历程：1985年海尔砸冰箱事件推动制造业质量信用 2012年网约车评分体系实现司乘双向信用约束 [25] - 商业信用从熟人信用演进至制度信用再到数字信用 信用边界持续扩大 [26]

基础模型是创业死路，「长尾 Agent 公司」才是机会 - Bret Taylor 认为基础模型赛道资本与技术壁垒极高，最终由云巨头和顶级实验室主导，初创企业难以生存 [8] - 工具链赛道面临大厂原生功能整合风险，创业者需持续证明差异化价值 [8] - 应用AI是广阔市场机会，各类Agent将成为AI技术落地最终形态，垂直领域Agent公司将大量涌现 [9] - 未来由「长尾Agent公司」组成的新生态可能取代SaaS，核心价值在于交付可量化业务成果而非软件功能 [10] - Agent商业模式天然优于SaaS，因与客户业务成果深度绑定可获得更高利润率和黏性 [10] AI创业的市场进入策略 - 开发者驱动方式适用于平台型产品，通过工程师群体自下而上渗透 [12] - 产品主导增长(PLG)方式要求用户与采购者高度统一，适用于SMB软件 [13] - 直销方式面向大型企业业务线，在AI创业潮中正强势回归 [14] - 技术背景创始人需重视直销团队建设，这是B2B AI公司的关键胜负手 [15] 「按结果付费」的商业模式变革 - AI商业本质应从「按token计费」转向「按结果付费」，体现成果>过程的商业逻辑 [16] - 企业评估AI产品的核心指标将聚焦成本节省、订单增长、客户满意度等直接业务价值 [10] Bret Taylor的行业履历 - 2003年参与开发谷歌地图 [6] - 2007年创立FriendFeed并发明信息流和点赞按钮，后加入Facebook任CTO [7] - 2012年创建文档协作工具Quip，后加入Salesforce任联席CEO [8] - 2023年创办Agent公司Sierra，同年担任OpenAI董事会主席 [8]

Bret Taylor职业背景 - 曾担任Salesforce联席CEO、首席产品官和首席运营官 [1] - 谷歌早期员工 开发了谷歌地图产品 [1] - 现任OpenAI董事会主席 曾担任Twitter董事会主席 [1] - 创立三家公司包括社交网络公司、生产力文档服务商Quip和AI公司Sierra [1] - 发明了点赞按钮和新闻推送功能等社交产品核心特性 [1] OpenAI董事会危机处理 - 在Sam Altman被解雇后介入调解OpenAI董事会危机 [2] - 同时获得Sam Altman和董事会双方信任 成为少数能被双方接受的人选 [2] - 主导董事会重组 采取"重启"策略让Sam Altman回归并启动独立调查 [3] - 认为OpenAI是当前AI繁荣的关键推动者 ChatGPT引发了全球关注 [2] 产品开发理念 - Google Local初期失败因缺乏差异化 后转型为谷歌地图获得成功 [5][6] - 产品设计核心原则是思考"用户为什么要用这个产品" [8] - 强调产品应创造全新体验而非简单数字化现有事物 [8] - 谷歌地图发布首日用户数达千万级 收购Keyhole当日用户达9000万 [8] 职业发展哲学 - 不限定自身角色定位 兼具工程师、产品经理和管理者多重身份 [9] - 认为推销能力是创始人的关键技能 包括说服投资者、员工和客户 [10] - Sheryl Sandberg指导其从执行者转变为管理者 注重组织影响力 [11][12] - 工作重心转向"造成影响的事" 包括招聘、产品和销售等多方面 [13] AI市场格局判断 - AI市场将分化为三个板块：前沿基础模型、AI工具层和应用型AI市场 [30] - 基础模型市场是资本密集型 不适合创业公司进入 [31] - AI工具层市场存在被基础设施厂商替代的风险 [33] - 最看好应用型AI市场 特别是Agent生态系统的爆发潜力 [34] 基础模型市场分析 - 训练基础模型需要巨额资本开支 创业公司难以承担 [31] - 模型价值快速贬值 需要大规模才能获得合理回报 [31] - 多数基础模型创业公司已被并购 如Inflection、Adept和Character [31] - 该市场最终将类似云计算 仅剩少数超大规模公司 [31] 应用型AI市场机会 - Agent将成为新的应用形态 "智能体就是新的App" [34] - 应用型AI公司提供商业解决方案而非底层模型 [34] - 技术门槛将降低 竞争焦点转向产品体验和业务价值 [34] - 将出现大量垂直领域Agent公司解决特定业务问题 [36] AI商业模式创新 - 倡导按效果定价模式 与客户商业目标对齐 [39] - Sierra案例：按问题解决次数收费 客服场景每通电话节省10-20美元 [41] - 反对按token计费 认为不能真正衡量AI价值 [42] - 按效果定价让软件公司成为客户真正的合作伙伴 [42] AI技术实施路径 - 当前AI生成代码存在质量问题 需要建立审查机制 [43] - 推荐AI监督AI的"自我反思"模式 通过多层审查提高可靠性 [45] - 强调根因分析的重要性 找出错误代码的生成原因 [45] - 不应等待模型自我改进 而应主动构建上下文工程系统 [46] 市场进入策略 - 开发者主导模式适用于平台型产品 如Stripe和Twilio [47] - 产品主导增长模式适用于用户即买家的场景 [48] - 直销模式适用于使用者与购买者分离的企业场景 [49] - 需根据产品特性和购买流程选择合适市场策略 [50] 软件开发范式演进 - 软件开发将从编写代码转向操作代码生成器 [23] - 计算机科学教育仍重要 培养系统思维能力 [23] - 需要新型编程系统确保AI生成代码的安全性和可靠性 [28] - Rust等内存安全语言更适合AI代码生成场景 [28] AI对教育的影响 - AI将成为个性化教育工具 根据学习风格定制教学内容 [52] - 现有教育评估体系需要适应AI普及的新环境 [51] - 对主动学习的学生是民主化力量 提供平等学习机会 [53] - 建议孩子尽早学习使用AI工具 如编程时求助ChatGPT [52]

OpenAI董事会危机与Bret Taylor的角色 - OpenAI遭遇"逼宫"危机时，Bret Taylor被邀请调解并最终加入董事会担任主席 [2] - Taylor在调解过程中保持中立立场，推动"重启"公司并让Sam Altman回归 [3] - 作为连续创业者，Taylor认为参与拯救OpenAI这样具有全球影响力的机构非常有意义 [2] Bret Taylor的职业生涯 - 职业经历涵盖谷歌助理产品经理、Facebook CTO、Salesforce联席CEO等多个重要职位 [3] - 在谷歌期间主导开发了Google Maps，日活用户曾达9000万 [9] - 创立三家公司包括社交网络公司、生产力服务商Quip和AI公司Sierra [3] - Sierra公司年营收已超过2000万美元 [3] 产品开发理念 - Google Local初期失败促使Taylor思考产品差异化，最终催生Google Maps [7][8] - 产品开发应创造全新体验而非简单数字化现有事物 [10] - 产品设计要考虑"用户为什么使用"和"持久价值" [11] 管理哲学 - 不限定自身角色，保持创造者心态 [11] - 推销能力是创始人重要技能，包括说服投资者、员工和客户 [12] - 从Sheryl Sandberg处学习到管理者应关注"造成影响"的事情 [14][15] AI市场格局 - AI市场将分化为三个板块：基础模型、工具层和应用型AI [33] - 基础模型市场只适合少数资金雄厚的公司，不建议创业者进入 [34][35] - 工具层市场存在被基础设施厂商挤压的风险 [36] - 最看好应用型AI市场，特别是Agent生态将爆发 [36][37] AI商业模式 - Agent将成为新的应用形态，按效果定价是未来趋势 [43] - Sierra采用"按问题解决次数"收费模式，与客户商业目标一致 [45][46] - token数量不能准确衡量AI价值，应关注实际业务成果 [48] AI技术发展 - 编程将从编写代码转向操作代码生成器，系统思维更重要 [25] - 未来可能出现专门面向大语言模型的编程系统 [28][31] - 代码审查和根因分析是当前值得关注的技术方向 [53] AI教育影响 - AI将成为最有效的教育工具之一，提供个性化学习体验 [60] - 教育系统需要重新设计评估方式以适应AI时代 [59] - 鼓励孩子将AI融入学习过程，培养工具使用能力 [60] 市场推广策略 - 开发者主导型适合平台类产品，如Stripe和Twilio [56] - 产品主导增长型适合用户即买家的场景 [57] - 直销型适合使用者与购买者分离的情况 [57]