收购交易概览 - 谷歌母公司Alphabet将以现金加承担债务的方式，总规模47.5亿美元全资收购数据中心能源供应商Intersect Power LLC [1] - 该交易预计将在2026年上半年完成 [1] - 收购旨在为谷歌获得更多数据中心电力供应，以支持人工智能领域发展 [1] 收购内容与范围 - 收购包括Intersect的团队以及多个正在开发或建设中的数千兆瓦级能源和数据中心项目 [1] - Intersect在得克萨斯州的现有运营资产，以及在加利福尼亚州的运营和在建资产不在本次收购范围内 [2] - 收购完成后，Intersect将在创始人兼现任CEO领导下，继续以独立品牌运营，并与谷歌技术基础设施团队紧密合作 [1][2] 战略背景与目标 - 此次收购旨在应对美国老化电网难以满足因AI、新工厂和经济全面电气化而激增的电力需求 [1] - 目标是使更多数据中心和发电产能更快上线，同时加速能源开发和创新 [3] - 公司致力于推进先进地热能、长时储能以及带碳捕获和储存的天然气等先进能源技术的快速商业化 [3] 合作关系沿革 - 一年前，谷歌已通过参与Intersect超过8亿美元的融资轮获得少数股权，并建立了战略合作关系 [1][4] - 当时的合作计划在美国各地开发数千兆瓦的数据中心产能，包括到2030年末对可再生能源基础设施投资200亿美元 [4] - 合作采用创新的“电力优先”数据中心开发模式，将数据中心负载与清洁电力及电池储能设施联合布局 [4] 具体项目进展 - 双方首个公开宣布的联合项目正在美国得克萨斯州Haskell县建设，是一个数据中心与电力站联合项目 [2] - 首个联合清洁能源项目预计2026年投入运营，2027年全部完工 [5]

公司战略与收购 - Alphabet旗下谷歌母公司宣布以47.5亿美元收购数据中心与能源基础设施解决方案公司Intersect [6] - 此次收购旨在增强公司的计算能力，以满足云服务和人工智能发展的需求 [6]

文章核心观点 - 科技巨头“七巨头”的总市值超过20万亿美元 其财务审计工作主要由“四大”会计师事务所承担 审计是确保对股东和监管机构负责的关键机制[1][2] - “四大”会计师事务所正通过提供人工智能等服务 日益深入地嵌入科技行业 并与多家“七巨头”公司建立了合作伙伴关系[3] “七巨头”公司与审计方关系及财务数据 - **微软**：由德勤审计 自1986年IPO以来一直由其担任审计师 2025财年支付审计及其他服务费用7840万美元 公司市值3.61万亿美元 股价年初至今上涨15%[4][5] - **苹果**：由安永审计 自2009年起担任审计师 2024财年支付审计费用3000万美元 较上年增加500万美元 公司市值约4万亿美元 股价年初至今上涨9%[6] - **Alphabet**：由安永审计 2024财年支付审计及其他专业服务费用650万美元 上一年度为4100万美元 公司市值3.7万亿美元 股价年初至今上涨62%[7] - **亚马逊**：由安永审计 自1996年起担任审计师 2024财年支付审计费用5100万美元 公司市值2.43万亿美元[8][9] - **英伟达**：由普华永道审计 自2004年起担任审计师 2025财年支付审计及其他专业服务费用1000万美元 较上年增加100万美元 2025年成为首家市值达到4万亿美元的公司[10] - **Meta**：由安永审计 自2007年起在美国担任其审计师 2024财年支付审计服务费用3630万美元 公司市值1.66万亿美元 股价年初至今上涨12.5%[11][12] - **特斯拉**：由普华永道审计 自2005年起担任审计师 公司市值1.6万亿美元 股价在年初经历大幅下跌后 目前年初至今上涨19%[13][14] “四大”会计师事务所业务动态 - 德勤与苹果、Alphabet、微软和英伟达建立了合作伙伴关系[3] - 安永与微软和英伟达建立了关键关系[3] - 德勤是“四大”中收入和员工数量最多的公司[4]

文章核心观点 - 资深投资人但斌认为，在AI投资中应注重确定性，其海外基金持仓以英伟达和谷歌等确定性高的标的为主 [1] - 但斌判断2024年将成为AI应用大年，基础层与应用层将相辅相成、快速发展，目前产业排期已至2027年，远未达到供给过剩的泡沫阶段 [2] - 但斌不认为AI存在短期泡沫，类比历史科技周期，人工智能可能是一个十年以上的长周期，泡沫可能在十年后出现 [3][4] - 但斌对比中美市场，指出美国企业凭借原创商业模式和先发优势赚取全球利润，而中国企业更多参与全球产业链，具备内外循环的公司更具优势 [5] - 但斌对白酒行业的长期逻辑提出挑战，认为房地产价格下跌和人口结构变化对白酒消费构成压力，需要观察年轻人消费习惯的变化 [6][7] - 证星研究院对茅台持有不同观点，认为茅台的核心客群与财富积累相关，未来白酒消费将呈现“量减质升”趋势，龙头集中效应将加强，其价值与中国宏观经济增长高度相关 [8][9][10] 关于投资：AI领域注重确定性 - 投资选择偏好确定性高的标的和商业模式，东方港湾海外基金上季度前两大持仓为英伟达和谷歌 [1] - 预计明年一季度披露的持仓仍将以确定性方向为主，对特斯拉等不确定性较高的标的持仓比例保持稳定 [1] AI发展判断：明年将成AI应用大年 - 应用层拓展已在推进，例如Palantir、蚂蚁健康的“蚂蚁阿福”以及谷歌的翻译应用 [2] - 预测2024年或2025年将因OpenAI与谷歌的激烈竞争而出现激动人心的应用变化，惠及大众 [2] - 苹果公司也可能在明年大规模将AI应用嵌入其商业模式 [2] - 基础层与应用层将共同突飞猛进，产业排期已到2027年，目前远未达到泡沫程度 [2] 关于泡沫：不认为AI短期泡沫会破灭 - 对比2000年互联网泡沫长达十年的周期，认为人工智能是十年以上的长周期，不会在两三年内结束 [3][4] - 认为当前处于更具颠覆性的技术进步时代开端，担心泡沫为时过早，真正的泡沫可能出现在十年以后 [4] 关于中美市场差异：聚焦全球优势 - 美国企业凭借原创商业模式和先发优势赚取全球利润，形成强大护城河，例如苹果公司利润可能占手机行业80%-90% [5] - 中国企业更多参与全球产业链（如苹果、英伟达、特斯拉产业链），同时具备内循环和外循环的公司更具毛利率和净利率优势 [5] 关于白酒：白酒阶段性具有压力 - 指出当前投资白酒的挑战比2012、2013年更大，主因是房地产价格下跌影响居民财富和消费意愿 [6] - 人口结构变化（如出生率下降）是更长远的挑战，需要观察年轻人消费白酒的情况 [6][7] - 认为白酒行业受变量影响较大，但其派息率若回到2013年水平，情况可能好转 [8] 证星研究院对茅台的不同观点 - 认为茅台的核心客群划分基于社会经济地位和财富积累成熟度，而非年龄 [9] - 未来白酒消费总量会下降，但质量会上升，呈现“少喝酒喝好酒”趋势，龙头集中效应将更加明显 [9] - 茅台价值的深层支撑在于其与中国宏观经济增长及国民财富积累进程的高度相关性，对中国实现“十五五”人均GDP目标有信心 [9] - 认为AI发展与茅台并非对立关系，国家AI产业突破驱动整体升级与财富创造，茅台也将共同受益 [10]

人工智能市场表现 - 尽管人工智能在2025年持续主导市场头条，但与该技术联系最紧密的股票——即“科技七巨头”表现不佳 [1] - “科技七巨头”包括Alphabet、Amazon、Apple、Meta Platforms、Microsoft、Nvidia和Tesla [1] - 这些股票显示出波动性或表现滞后 [1]

核心观点 - 谷歌母公司Alphabet以47.5亿美元现金加承担债务的方式收购清洁能源开发商Intersect 旨在为人工智能发展扩张计算和电力容量 [1] - 科技巨头正投入数十亿美元以满足生成式AI激增的电力需求 而美国电网难以跟上步伐 [1] 交易概况 - 交易对价为47.5亿美元现金 并承担Intersect的债务 [1] - 交易内容包括收购Intersect正在开发或建设中的能源与数据中心项目 [2] - Intersect的运营将保持独立 其在德克萨斯州的现有运营资产以及在加利福尼亚州的运营和开发中资产不包含在此次收购内 将继续作为独立公司运营 [5] 标的公司资产与规模 - Intersect拥有150亿美元正在运营或建设中的资产 [2] - 到2028年 Intersect预计将有约10.8吉瓦的电力项目上线或开发中 其发电量超过胡佛大坝的20倍 [2] - 德克萨斯州的“Quantum”项目是一个与谷歌数据中心园区直接配套建设的清洁能源存储系统 [5] 战略背景与行业趋势 - 科技巨头正增加对能源公司的投资 以应对生成式AI带来的电力需求激增 [1] - 此次收购是Alphabet在能源领域一系列投资与合作的最新举措 本月早些时候 NextEra扩大了与谷歌云的合作 为后者在全美的运营建设新能源供应 [3] 历史关联与合作 - 谷歌与TPG Rise Climate曾在去年12月参与了对Intersect超过8亿美元的一轮融资 [4] - 当时的融资公告还包括了开发工业园区的计划 旨在将可容纳吉瓦级数据中心容量的园区与新的清洁能源电厂共同布局 [4] 未来展望 - Intersect将探索一系列新兴技术 以增加和多样化能源供应 同时支持谷歌在美国的数据中心投资 [6]

Tesla CEO Elon Musk took a swipe at Waymo after its self-driving cars stopped moving at intersections in San Francisco, causing traffic jams during a widespread blackout over the weekend. Waymo temporarily suspended its autonomous ride-hailing service in the San Francisco Bay Area on Saturday after a massive power outage knocked out electricity to about 130,000 homes and businesses. Video was shared online of Waymo self-driving cars appearing to be stalled at intersections, triggering traffic jams across af ...

风险提示及免责条款 谷歌母公司Alphabet将以47.5亿美元收购数据中心的能源供应商Intersect。 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何 意见、观点或结论是否符合其特定状况。据此投资，责任自负。 ...

太平洋燃气电力公司变电站起火事件影响 - 太平洋燃气电力公司一座变电站起火 导致旧金山约13万用户断电[1] - 事件导致公司股价在周一早间下跌0.5%[1] 自动驾驶服务商对事件的反应 - Alphabet旗下Waymo因断电事件暂时中止了其在旧金山的自动驾驶出租车服务[1] - 特斯拉表示其需要人工监督的自动驾驶服务未受此次断电事件影响[1] - 特斯拉股价在周一早间上涨1.4%[1] 其他相关公司股价表现 - 谷歌A类股在周一早间股价基本持平[1]

文章核心观点 - 人工智能发展进入新阶段，超级智能的出现将首次导致技术革命“消灭工作”而非仅替代岗位，对社会经济结构构成根本性挑战 [2][8][78][79] - 大模型技术发展远未到顶，预训练模型的Scaling Law仍有空间，而推理模型的Scaling Law则刚刚开始，技术演进正沿着“预训练模型-推理模型-智能体”的主线快速推进 [12][13][16][17] - 行业竞争格局未定，OpenAI与Google各有优势，未来可能多种生态共存，而下一代模型（如世界模型、AI科学家）的探索已吸引巨额资本押注 [4][20][34][41] - AI基础设施（算力、能源、数据中心）的投入是构建下一代数字时代的基石，当前不存在整体性泡沫，但算力仍是核心瓶颈 [42][44][47][48][51] - 应用层面，编程和内容生成已成为明确的爆款方向，具备强自主运营能力的智能体（Agent）预计将在2026年开始大量涌现 [52][53][54][55] 技术发展趋势与模型演进 - **发展主线**：过去三年AI发展呈现清晰的三部曲：预训练模型、推理模型、智能体，模型能力持续向上突破，推理模型与智能体的边界正在模糊 [13][14][15][18] - **Scaling Law 现状**：预训练模型的Scaling Law还远远没有到达顶点，其效率虽不如三五年前，曲线变平缓，但投入产出依然成正比，而推理模型的Scaling Law其实还有很长的路要走 [16][17][19] - **下一代模型探索**：行业正在寻找Transformer之外的新架构突破口，世界模型和“AI科学家”（用AI改善AI）是重要方向，硅谷已有相关初创公司在人未到齐、网站未上线时估值就达40亿至50亿美元 [4][20][22][23] - **模型能力评估**：评判模型能力不能只看传统“跑分”，需更关注其完成实际任务的生产力，推理模型能够“慢思考”的时长是衡量智力上限的重要标志 [24][25][26] 行业竞争与市场格局 - **OpenAI vs Google**：两者竞争激烈，各有优势。Google凭借全栈能力、强大执行力在Gemini 3.0上实现了爆发，其AI三要素（算法、人才、数据）结合良好；OpenAI则拥有约8亿周活跃用户的ChatGPT应用生态和先发优势，但面临内部动荡及在预训练模型上投入不足的挑战 [34][35][36][37] - **生态模式**：未来AI时代可能像移动互联网时代一样，封闭的全栈生态（如苹果）与开放的生态体系（如安卓）共存，现在给OpenAI、英伟达下结论为时过早 [40][41] - **芯片竞争**：Google使用自研TPU训练出Gemini 3.0，引发了TPU是否会打败GPU的讨论，给英伟达股价带来压力，但最终哪种体系胜出尚待观察 [40] 基础设施与资源瓶颈 - **核心瓶颈**：算力依然是AI发展的根本瓶颈，电力、数据中心（IDC）建设是满足算力需求的前提 [42][44][47] - **美国基建挑战**：美国IDC建设速度慢，从立项到运行需约三年，电网能力是主要卡脖子环节，而非能源本身短缺 [43][44] - **算力密度单位**：行业开始用“兆瓦”作为算力集群的新单位，1兆瓦电力约对应50万张GPU（H200）的算力 [44] - **中国算力制约**：DeepSeek团队明确表示其模型性能受限主要因为算力不足，加算力后模型能力仍有持续提升空间 [46][47] 应用落地与投资热点 - **已确认的爆款应用**：To C端的ChatGPT和To B端的AI编程（如Cursor）已成为明确爆款，AI生成内容在金融、体育等领域的新闻报道占比已超过50% [52][53][60] - **智能体（Agent）爆发点**：随着推理模型能力提高，预计在未来12到24个月内AI会有非常大突破，2026年将出现大量具备强自主运营能力的Agent [54][55][56] - **垂类机会**：编程、客服、媒体内容生成、企业工作流自动化是可能快速发展的垂类赛道 [57][59][60][62] - **端侧AI现状**：当前的AI手机、AI眼镜等硬件主要聚焦于智能交互，真正的智能仍在云端，端侧生成式模型驱动尚未成熟，自动驾驶是特例因其车载算力充足 [63] 机器人赛道与具身智能 - **存在泡沫**：中国的机器人赛道被认为是AI领域泡沫最多的，中国可能有上百家机器人公司，而美国仅约十家左右 [65][66] - **发展挑战**：在世界模型取得突破之前，具身智能很难做到通用，这不是三到五年的事，而是五到十年的事 [66][73] - **中美差异**：中国在机器人本体制造和供应链上有显著优势（一次升级仅需一周，美国需两个月），但大部分本体仍处于遥控状态，缺乏自主执行通用任务的泛化能力 [67][72] - **务实路径**：特斯拉机器人可能实现百万台量产，因其专注于工业场景中的“一类任务”机器人，而非通用机器人，这在特定领域已具重大意义 [68][69][75] 社会经济影响与未来挑战 - **就业冲击本质**：超级智能将“消灭工作”本身，而不仅仅是替代某个岗位，这是人类首次面临技术革命减少整体工作机会的挑战 [2][78][79] - **创造与消灭的循环**：AI会创造新工作机会（如图片需求增加），但这些新机会最终可能仍由AI自身满足，而非转移给人类 [78] - **贫富差距与超级个体**：在大模型驱动的Agentic Economy时代，会出现“一人的独角兽”式超级个体，个人能力和收入差距将进一步拉大 [9][85] - **潜在解决方案探索**：社会开始探讨全民基本收入（UBI）、新的税收体系（向机器人或公司利润征税）以及让公民分享技术成长红利的投资账户等方案 [82][83] - **未来职业形态**：自由职业者、非全职工人招聘可能成为主流，人们需要具备机器难以替代的特定技能，并保持好奇心和创造力以应对变化 [86][88][89]