OpenAI Codex编程智能体大升级： 在测试中，OpenAI团队见证了GPT-5-Codex为了完成复杂任务，独立工作超过7小时，期间不断迭代实现、修复测试失败，最终成功交付。 早期测试用户Dan Shipper表示体验好多了，现在可以进行连续对话，像"我们在哪个目录？"这样简单的问题可以立即得到结果，而不是每轮对话都要等AI 思考几分钟。 推出GPT-5-Codex特化版模型，支持独立连续编程7个小时。 还有IDE插件版，在VS Code、Cursor中都可以使用Codex了。 与GPT-5任务一开始就决定用多少算力的"路由机制"不同，GPT-5-Codex能在执行任务的过程中实时调整，可能在处理一个问题5分钟后，AI突然意识到还 需要再花一个小时。 GPT-5编程专用版 首先来看变成专用版模型GPT-5-Codex。 它针对复杂的实际工程任务进行训练，包括从头构建完整项目、添加功能和测试、调试、执行大规模重构。 在SWE-bench Verified上的表现略优于原版GPT-5，在代码重构任务的成功率直接提升近20%。 新模型最牛的地方在于"真·动态思考"能力。 新的动态思考能力体现在数据上更加直观 ...

模型升级 - 推出GPT-5-Codex特化版模型 支持独立连续编程7小时[1][5] - 新模型具备真动态思考能力 可在执行任务过程中实时调整算力分配[4] - 针对复杂工程任务训练 包括完整项目构建、功能测试、调试和大规模重构[8] 性能表现 - 在SWE-bench Verified上表现略优于原版GPT-5 代码重构任务成功率提升近20%[9] - 简单任务输出token数比GPT-5减少93.7% 响应速度提升10倍[11] - 复杂任务推理时间增加 输出token量提升102.2%[12] - 代码审查错误率从13.7%降至4.4% 高影响力评论比例从39.4%提升至52.4%[15] 产品生态 - 推出IDE插件版 支持VS Code和Cursor编辑器[2] - CLI支持图像输入 可处理截图和设计稿[18] - 集成网络搜索和MCP工具 用待办列表追踪复杂任务进度[19] - 终端界面升级 工具调用和diff展示更清晰[20] - 支持云端本地无缝切换 可在IDE创建云任务并跟踪进展[23] 基础设施 - 通过容器缓存技术 新任务中位完成时间缩短90%[24] - 自动扫描设置脚本并执行 运行时可通过pip install获取依赖[24] - 前端任务可启动自有浏览器查看构建结果 迭代改进并附加截图至PR[24] 市场时机 - 升级正值Claude Code因模型质量下降出现用户退订潮[25] - 公司借机抢占AI编程市场份额[26]

Accessibility StatementSkip Navigation Annual shareholders meeting set for Dec. 5, 2025 REDMOND, Wash., Sept. 15, 2025 /PRNewswire/ -- Microsoft Corp. on Monday announced that its board of directors declared a quarterly dividend of $0.91 per share, reflecting an 8 cent or 10% increase over the previous quarter's dividend. The dividend is payable Dec. 11, 2025, to shareholders of record on Nov. 20, 2025. The ex- dividend date will be Nov. 20, 2025. 440k+Newsrooms &Influencers 9k+Digital MediaOutlets 270k+J ...

曾几何时计算机科学还是人人追捧的"金饭碗"，高薪就业代名词，而哲学则被嘲讽为"毕业即失业"的典 型代表。然而时代的风向说变就变，最新就业市场数据显示计算机科学毕业生失业率飙升至百分之六点 一，几乎是哲学专业三点二失业率的两倍。那些曾经嘲笑哲学找不到工作的人突然发现，这个世界已经 开始奖励深度思考者，而曾经稳坐神坛的码农们正在经历行业寒冬的残酷洗礼。这场就业市场的惊天逆 转背后，究竟是短期波动还是长期趋势？哪些力量在悄悄重塑我们的职业价值观？ 计算机行业的黄金时代似乎正遭遇前所未有的挑战。过去十多年里计算机科学被奉为"最稳的选择"，高 薪有前景容易就业成为无数学生和家长的坚定信念。然而就在最近这段时间，这个神话突然破碎。曾经 引以为傲的失业率数据已经飙到令人担忧的水平，所谓的"铁饭碗"正在投资者眼前裂开。更让人意想不 到的是，这种就业困境并非个别现象，而是整个专业的系统性调整，从麻省理工学院斯坦福到卡内基梅 隆伯克利等精英院校的毕业生，进入科技大厂的比例从百分之二十五骤降至百分之十一到十二，整体就 业率也从八成跌到七成，在短短两年时间内实现直线腰斩。 那些曾经自信满满的计算机毕业生突然发现，自己不仅要与同龄人竞 ...

Key Takeaways NVIDIA, Palantir, Microsoft, IBM and F5 are highlighted as strong big data stock picks. NVIDIA, Microsoft and Palantir post strong results fueled by AI-driven demand.IBM and F5 gain traction from hybrid cloud, security and multi-cloud solutions.Big Data refers to a vast and diverse collection of structured, unstructured and semi-structured data that inundates businesses on a day-to-day basis. The big data space focuses on companies that process, store and analyze data, and provide tools for da ...

【导读】氛围编程，正批量制造「AI保姆」。一位15年资深开发者，为赶工用AI编程，结果bug成山不得不推翻重来，痛哭半小时。如今，一种全新职业 「氛围编程清理专家」冲上了热榜。 爆火的「氛围编程」，如今让无数程序员沦为了「AI保姆」。 入行15年，Carla Rover用了Vibe Coding之后，不得不重启项目，爆哭半小时。 或许听起来太离谱，但这是真真实实发生的故事。 但实际体验，只有用过的人才深有体会。 Rover的经历，成为了当今很多资深程序员，用AI编程的典型写照—— 自己成为了「AI保姆」，需要不停地重写、核对AI输出的代码 前段时间，Fastly一份报告显示，近800名开发者中，至少95%的人要额外时间去修复AI生成的代码。 而核查的重点，大半都压在了高级开发人员身上。 更有趣的是，「氛围编程」的兴起，又催生了一种全新职业：「氛围编程清理专家」（Vibe Code Cleanup Specialist）。 有网友调侃，氛围编程清理专家，最少每年能拿到10万美金。 Vibe Coding一词，最先由Karpathy提出，一夜席卷了AI圈。 不论是Cursor、Copilot，还是Codex、Re ...

**Microsoft Corp (MSFT) 电话会议纪要关键要点** **涉及的行业与公司** * 公司为Microsoft Corp (MSFT) 微软公司[1] * 会议为高盛举办的Communacopia + Technology conference 2025[1] * 主讲人为微软人工智能与工作营销总监Jared Spataro[1] * 讨论聚焦于Copilot的采用、生产力提升以及GPT-5[2] **Copilot采用情况** * Copilot采用处于早期但加速阶段 采用先落地后扩张的模式[3] * 70%的财富500强公司正在广泛使用Copilot[3] * 最近一个季度实现了最高的Copilot净新增席位和客户回头增购席位[3] * Copilot拥有1亿月活跃用户(MAUs) 涵盖消费级和商业级[3] * Copilot是Microsoft 365套件中增长最快的产品[3] * 过去六个月出现转变 企业决定为员工提供统一的工作助手基线 并选择供应商和架构 这将进一步提升普及率和扩展[3] **Copilot驱动的生产力提升** * 生产力收益分为个人生产力和基于流程的应用[3] * 在受控测试中 个人生产力效率提升了20-30%[3] * 在拥有可量化KPI的职位（如销售人员）中更容易转化为直接的投资回报率(ROI)[3] * 客服代理的吞吐量提升了约12%[3] * 客户支持系统的重新设计通过前期问题分流实现了运营支出(OpEx)节省[3] **GPT-5** * GPT-5的发布被定性为关键的“系统发布”而非仅仅是模型更新[6] * 核心创新在于其先进的编排层或“路由器”[6] * 该路由器从确定性硬编码模型转变为经过后训练的大型语言模型(LLM) 能够将任务导向最合适的底层模型（如复杂查询用推理模型 简单任务用更经济的模型）[6] * 该进步首次使更广泛的免费用户能够经济地使用推理模型[6] * 动态路由能力对于通过为每项任务分派最合适的智能体(agent)来实现AI智能体的全部潜力至关重要[6] * 微软已将GPT-5集成到Copilot中 使特定领域、专门构建的智能体能够执行端到端的工作[6] * 公司视Copilot与智能体的关系类似于iPhone与应用程序的关系 Copilot可成为通往智能体的渠道[6] * 这一战略转变旨在通过“人类主导、智能体操作”的工作流程赋能企业[6] **估值与关键风险** * 重申12个月目标股价为630美元[7] * 目标价基于DCF（永续增长率约3%）、38倍Q5-Q8企业价值与自由现金流比率(EV/FCF)和36倍Q5-Q8市盈率(P/E)的等权重计算[7] * 关键下行风险包括：1) 公有云采用慢于预期 2) IT支出整体放缓 3) 利润率扩张步伐放缓 4) 不利的竞争格局[7] **财务数据与预测** * 当前股价为500.37美元 相对目标价有25.9%上行空间[8] * 高盛给予买入评级[8] * 市值3.7万亿美元 企业价值3.7万亿美元[8] * 三个月平均日交易量(3m ADTV)为102亿美元[8] * 收入预测：2025年6月财年(6/25E)为2817.24亿美元 2026年6月财年(6/26E)为3242.65亿美元 2027年6月财年(6/27E)为3728.91亿美元[8] * 每股收益(EPS)预测：2025年6月财年(6/25E)为13.64美元 2026年6月财年(6/26E)为15.84美元 2027年6月财年(6/27E)为19.32美元[8] * 市盈率(P/E)预测：2025年6月财年(6/25E)为36.7倍 2026年6月财年(6/26E)为31.6倍 2027年6月财年(6/27E)为25.9倍[8] * 企业价值与息税折旧摊销前利润比率(EV/EBITDA)预测：2025年6月财年(6/25E)为22.4倍 2026年6月财年(6/26E)为18.3倍 2027年6月财年(6/27E)为15.3倍[8] * 自由现金流收益率(FCF yield)预测：2025年6月财年(6/25E)为1.9% 2026年6月财年(6/26E)为2.0% 2027年6月财年(6/27E)为2.4%[8] * 净债务/EBITDA比率预测：2025年6月财年(6/25E)为-0.4倍 2026年6月财年(6/26E)为-0.5倍 2027年6月财年(6/27E)为-0.6倍[8] **其他重要内容** * 高盛与微软存在多种业务关系 包括在过去12个月内获得投资银行服务报酬、预计在未来3个月内寻求报酬、非投资银行服务报酬、投资银行客户关系、非投资银行证券相关服务客户关系、非证券服务客户关系 并为微软的证券做市[17] * 微软在高盛研究覆盖范围中的并购可能性排名(M&A Rank)为3 代表成为收购目标的概率较低(0%-15%)[8][14]

事件概述 - 奥克兰球手队在先锋棒球联盟比赛中首次使用AI系统（AaronLytics）完全替代主教练进行临场指挥，最终以5比0击败大瀑布航行者队 [1][3] AI系统开发与应用 - AaronLytics由软件公司Distillery开发，仅耗时两周完成，系统可处理实时比赛数据、队伍历史表现、对阵信息及天气因素 [3] - AI在第七局下令替换球员，被换球员成功盗垒并得分，直接贡献比赛结果 [3] - 该系统将教练团队的战术决策数字化并直接输出指令 [3] 实施背景与动机 - 球队以73胜23负（胜率0.760）锁定联盟第一，对手仅34胜，实力差距大且比赛结果无关大局，属于低风险试验 [3][4] - 此次尝试是球队营销策略的延续（去年由球迷担任临时教练），旨在制造新鲜感且仅持续一天，后续比赛由人类教练收回指挥权 [4] - 先锋棒球联盟属于低级别职业联赛，AI系统可作为低成本教练助手提升性价比 [7] 行业技术趋势 - 体育领域已普遍应用AI于幕后工作，包括战术模拟、运动员健康监控等 [5] - NFL与微软扩大合作，将Copilot融入战术分析与数据收集；NBA与谷歌云合作将AI用于现场比赛和观众体验 [5] - 此次事件标志AI从幕后走向前台，与奥克兰运动家队2002年"魔球理论"形成历史呼应 [7] 公众与行业反响 - 球队赛后宣布解雇AI教练，强调"AI仅是工具，人类智慧不可替代"，人类教练阿隆·迈尔斯重获指挥权 [10] - 球迷争议焦点集中于体育数据化边界问题，认为赛事魅力源于人性细节（临场状态、观众氛围等），AI标准化可能稀释比赛观赏性 [9] - 社媒评论区出现大量对AI尝试的负面评价 [9] 未来展望 - AI在可预见未来仍以辅助角色为主，难以完全替代人类教练 [12] - 事件证明AI已渗透至赛场最前沿，未来在体育产业落地将更具体，但需平衡技术理性与体育人文价值 [12]

微软AI战略转型 - 公司计划进行重大投资以建立自有AI芯片集群 旨在实现AI领域自给自足 [1][7] - 当前AI战略主要依赖与OpenAI合作 但双方关系出现松动且正进行紧张的合同重新谈判 [1][8] 多元化技术布局 - 采用开源模型 与其他AI开发者合作 并构建自有模型以降低对单一合作伙伴的依赖 [2] - 推出首个端到端训练的基础模型MAI-1-preview 在LMArena文本模型排行榜位列第24名 [3] - 强调需具备构建世界级前沿模型的能力 同时保持实用主义策略灵活采用外部模型 [3] 基础设施与竞争对比 - MAI-1-preview仅使用15,000块Nvidia H100芯片训练 被形容为"微小集群" [7] - 谷歌 Meta和xAI的竞争模型训练集群规模达到微软的6至10倍 [7] 合作与自有能力协同 - 通过Azure OpenAI服务向客户销售OpenAI技术 并利用其开发自有产品如Copilot助手 [8] - 保持与OpenAI的互利合作关系 包括商业合作与投资 同时明确构建自有技术能力的决心 [9]

融资活动 - 公司通过可转换债券和股票筹集约37.5亿美元 其中可转换债券发行规模从最初计划的20亿美元上调至27.5亿美元 新股出售规模约10亿美元 定价为每股92.50美元 [1] - 可转换债券分两期发行 每期筹资约13.75亿美元 包括2030年到期票息1%和2032年到期票息2.75%的债券 [1] - 债券转换价为每股138.75美元 较股票发售定价溢价50% 显示金融市场对该公司股债资产的强劲需求 [1] 股价表现 - 公司今年以来股价累计上涨237% 截至周三收盘报每股93.39美元 [2] - 9月9日股价单日暴涨49.4% 创纳斯达克挂牌以来最大单日涨幅 盘中最高涨幅达53% [3] 微软合作项目 - 公司与微软签署为期多年的AI算力合同 协议金额近200亿美元 预计在2031年前为公司带来174亿至194亿美元收益 [3] - 合作基于公司可迅速交付的跨区产能 庞大的AI服务器集群与英伟达高性能AI GPU路线的高匹配度 以及纵向一体化的AI云栈 [3] - 公司标配H100/H200及基于Blackwell架构的GB200和GB300 AI GPU产品线 满足训练与推理两端的不同TCO诉求 [4] 业务能力 - 公司具备从硬件 网络到调度栈的一体化AI Cloud能力 提供从单卡到上千AI GPU预优化集群的弹性解决方案 [5] - 公司在欧盟与美国均设有布点 包括芬兰大规模自建AI数据中心 法国/美国大型区域上线设施 [6] - 新泽西Vineland设施即将为微软提供庞大高性能GPU容量 有利于微软在北美东岸和西欧地区实现快速接入与网络延迟优化 [6] 行业背景 - 生成式AI应用与AI智能体推动AI算力需求呈指数级增长 AI推理系统被英伟达视为未来最大营收来源 [3] - 微软因OpenAI算力需求及核心产品AI化导致云算力短缺 通过引入Nebius和CoreWeave等第三方服务商分散供应并扩容算力储备 [4] - 公司与CoreWeave同属AI专用云赛道 专注于为超大模型开发者与企业提供优化过的训练/推理堆栈与灵活合约 [4]