报告导读： 微软宣布其 Copilot 助手中集成 Anthropic 的大模型； Meta 则被曝讨论采 用谷歌即将推出的 Gemini 模型；美光业绩大增，存储景气超级周期。 投资建议： 维持行业增持评级，推荐 AI 算力方向、云厂商方向、 AI 应用方向、 AI 社交方向以及 AI 注入周期下的中概巨头 。 9 月 22 日 ~9 月 27 日，全球科技巨头在 AI 领域出现新动态：微软宣布在其 Copilot 助手中集成 Anthropic 的大模型，以降低对 OpenAI 的依赖； Meta 则被曝讨论采用谷歌即将推出的 Gemini 模型增强广告业务。我们认为，这些跨界合作背后折射出前沿 AI 研发成本和算力需求之高，迫使领先企业抱团取 暖： AI" 寡头 " 之间的利益日趋交织，生态壁垒正被打破。长期看，此类联盟一方面巩固了领军者优势地位，另一方面也令中小创新者的生存空间受到挤 压， AI 产业未来竞争格局或在 " 合作中竞争 " 中重塑。 AI 技术的商业落地在近日进一步提速，各大公司纷纷将 AI 能力融入核心产品生态 。 苹果面向全平台发布 "Apple Intelligence" 生成式 ...

投资组合集中度 - 伯克希尔哈撒韦3070亿美元投资组合中超过50%集中于三家公司 总金额达1550亿美元 [1][4] - 苹果持仓719亿美元 占投资资产比例23.4% 为第一大持仓 [5] - 美国运通持仓516亿美元 占投资资产比例16.8% 为第二大持仓 [12] - 美国银行持仓314亿美元 占投资资产比例10.2% 为第三大持仓 [17] 苹果投资逻辑 - 投资核心基于消费者购买习惯和行为 拥有异常忠诚的客户群体愿意支付溢价 [6] - 管理层表现优异 CEO Tim Cook在14年任期内成功转向高利润率订阅服务 [7] - 资本回报计划强劲 自2013年以来斥资7960亿美元回购 减少流通股超过43% [9] - 持仓比例从接近50%降至23.4% 因自2023年9月30日起减持6.35亿股(69%比例) [5] 美国运通投资特性 - 被列为"永久持有"的八家公司之一 预计新任管理层不会调整该持仓 [13] - 商业模式为双重收益：既是支付服务提供商收取商户费用 又是贷款机构获得年费和利息收入 [14] - 客户定位高收入人群 在经济波动中更具抗风险能力 [15] - 股息收益率显著 基于伯克希尔每股8.49美元成本 3.28美元年分红相当于39%成本收益率 [16] 美国银行投资考量 - 持仓被大幅削减 自2024年7月17日至2025年6月30日期间减持4.27亿股(占峰值持仓41%) [17] - 作为对利率最敏感的货币中心银行 美联储2022年3月至2023年7月加息期间净利息收入大幅增长 [20] - 估值变化显著 从2011年8月低于账面价值62%溢价至2024年9月25日高于账面价值39% [21] 管理层变更影响 - Warren Buffett将于三个月后卸任CEO职位 结束60年任期 由Greg Abel接任 [1] - 新任CEO将接手超过3440亿美元现金储备及高度集中的投资组合 [4] - 投资组合中部分持仓可能调整 苹果和美国银行可能不再是前三大持仓 [10][21]

公司市场表现与竞争地位 - 公司股价年内基本持平 表现落后于其他大型科技股及整体市场 [1] - 公司智能手机在美国市场份额超过50% 拥有巨大护城河优势 [4] - 美国智能手机普及率达91% 为公司提供稳固用户基础 [4] 核心产品业务表现 - iPhone贡献公司约50%总销售额 是公司最受欢迎产品 [3] - 2025财年第三季度iPhone销售额同比增长13% [5] - 用户换机需求持续存在 新机型发布推动升级周期 [3] 技术创新与发展前景 - 人工智能计划Apple Intelligence目前进展未达预期 [5] - 未来五年有望实现技术突破 结合iPhone质量与易用性优势巩固品牌忠诚度 [5] - AI技术发展预计将进一步推动iPhone销售增长 [5] 历史表现模式 - 公司历史上曾多次经历长期低迷后再次爆发增长的周期 [1]

将投中网设为"星标⭐"，第一时间收获最新推送 AI人才，必须抢。 作者丨 陈美 来源丨 投中网 自C hatGPT 火爆以来， AI 人才的招聘就只能用"火爆"来形容。 多位猎头描述，"几乎每隔一段时间，就能接到新的 AI 相关 headcount 需求，有些大厂甚至为了抢人，还主动提高薪资预 算。" AI 人才的需求爆发，是大模型技术的落地，以及业务快速增长的现实需求。自去年以来，包括百度、阿里、腾讯、字节在内 的几乎所有头部大厂，都加码了 AI 业务，这使得在多模态大模型、 AIAgent 、行业大模型定制等细分领域，都需要大量人 才。 近日，身家的百亿何小鹏就以"大师兄"身份，回到华南理工母校，亲自下场招人。 上不封顶， 160 万年薪只是开始？ 从过往巨头的出手来看，业内已有一个共识： AI 人才必须抢，尤其要抢这个领域的行业大拿，晚一步就可能被行业其他团队 挖走。 近日，这股"抢人潮"延伸到了校招。 9 月 19 日，小鹏汽车 2026 届全球校招宣讲首站落地华南理工大学，小鹏汽车 CEO 何小鹏全程深度参与，化身招聘专家，与投简历的同学进行互动。 在演讲现场，何小鹏表示， 2025 年小鹏汽车整体 ...

Apple Inc. (NASDAQ:AAPL) is one of the 10 Best AI Stocks to Buy According to Goldman Sachs. On September 17, Tigress Financial raised the price target on Apple Inc. (NASDAQ:AAPL) from $300 to $305, keeping its Buy rating on the stock. Ivan Feinseth from Tigress Financial upgraded the price target following the company’s recent launch event and the expansion of its ecosystem. Feinseth pointed to Apple’s inclusion of new products this year and its services growth. Tigress Financial Raises PT on Apple from ...

6G与AI终端发展时间表 - 高通预测6G预商用终端最早于2028年推出 为全球首家提出明确时间表的科技厂商 [1] - AI技术规模化落地推动终端设备（手机/PC/可穿戴/汽车/机器人）成为潜在爆品 [1] 高通芯片技术升级 - 第五代骁龙8至尊版采用3nm工艺制程 第三代Oryon CPU性能提升20% [3] - Adreno GPU性能增长23% Hexagon NPU性能提升37% 强化终端AI算力基础 [3] - 自研Oryon架构减少对Arm公版依赖 实现AI处理/多任务/节能等精细化定制 [2] 终端厂商合作与AI应用 - 荣耀/小米/vivo/OPPO宣布旗舰产品采用高通新芯片 并启动"AI加速计划" [3] - 荣耀与高通联合研发端侧AI模型方案 通过低比特量化技术降低存储空间与功耗 [3] - 开发GPU-NPU异构AI超分超帧技术 增强游戏画面表现 [4] - 荣耀智能体支持200+垂直场景与3000+通用场景 覆盖购物/出行/缴费等应用 [8] 终端AI应用场景拓展 - 机器人/智能眼镜（AR/VR/AI）被预测为规模等同或超越智能手机的终端品类 [6] - 汽车因安全性与即时响应需求 成为端侧AI的绝佳应用场景 [6] - 智能体具备环境感知与决策能力 实现从指令响应到主动解决问题的跨越 [7] 行业竞争格局 - 苹果Siri整合ChatGPT 国内厂商聚焦具体场景（如OPPO订餐打车/vivo情境助理/小米多模态升级） [8] - 智能体竞争成为手机厂商技术能力关键指标 需结合操作系统与场景化算力适配 [8]

以下文章来源于时代财经APP ，作者冯恋阁 时代财经APP . 聚焦于企业财经新闻，互联网新闻信息服务许可证编号：44120230006 来源丨 时代财经APP（ID：tf-app） 作者丨 冯恋阁 图源丨Midjourney 2025年是当之无愧的Agent元年。 从Manus爆火，到各家终端厂商开始推出并迭代端侧AI助手，不难发现，厂商也意识到了这背后的机会。 与曾经的大语言模型不同，AI Agent能做的比聊天更多。 只需要一句自然语言指令，手机就能自动完成点外卖、发红包等曾经需要多步点击的任务。 大部分AI Agent能够代管手机，是使用了安卓系统里特殊的无障碍权限。这个本来是设计给视障人士的功能，能够让手机看到屏幕上的一切，同时，还可以 代替用户执行点击、滑动等操作。如今，厂商选择用这个权限来实现AI功能。 但当下，这份便利的背后实际隐藏着风险。在无障碍权限开放的背景下，AI应用基本"全知全能"，应用或许能够读取到包括支付密码、聊天记录在内的敏感 信息，也可能可以随意点击。 一个可见的事实是，随着AI Agent技术不断迭代，人类只会越来越习惯被硅基助手们包围的日常。 因此，当下更应该搞清楚AI A ...

消费硬件竞争逻辑转变 - AI驱动生态一体化战争成为新竞争焦点 硬件竞争从单一产品转向产品矩阵和统一操作系统 实现数据与服务在设备间自如流转 [1] - 无缝体验核心是让用户"无感" 设备成为统一"超级设备" 系统自动调度最合适硬件响应指令 [1] - 交互方式从点击触控转向语音手势甚至意念 系统级能力成为无缝体验基石 [1] 苹果系统更新与功能集成 - 2025年9月16日推送iOS26正式版 同步更新iPadOS/macOS/watchOS/visionOS 为2013年以来最大更新 [2] - 采用液态玻璃半透明视觉效果 Apple Intelligence深度集成系统 成为跨设备智能层 [2] - Mac可直接接听iPhone来电运行手机APP iPad新窗口系统提升多任务流畅度 Continuity功能实现设备间无感任务接续 [2] - 新增"保持音频于耳机"选项 避免AirPods靠近CarPlay时音乐外放 [2] 华为鸿蒙系统突破 - 2024年10月发布原生鸿蒙HarmonyOS NEXT 实现操作内核/编程语言/开发环境/AI框架/大模型全栈自研 [2] - 成为iOS与安卓外第三大操作系统 通过分布式软总线与统一任务中心实现设备秒级互联 [3] - 设备互联速度成倍提升 用户无需重新打开应用即可在手机/平板/电脑间无缝接续任务 [3] - 鸿蒙版钉钉会议可通过设备靠近实现秒级迁移 [3] 小米澎湃OS生态整合 - 2023年10月推出澎湃OS 定位"人车家全生态" 底层整合深度定制Android与自研Vela系统 [3] - 主打"靠近即发现 手势即触发" 手机靠近车机自动流转导航至中控屏 三指下滑分享内容至平板或电脑 [3] - 新版本强调主动智能 系统学习用户习惯预判设备组合 语音指令可联动多设备启动场景模式 [3] - 会议提醒自动同步笔记本日程 实现剪贴板跨端共享资料 [3] 自研芯片与系统协同 - 自研芯片减少协议转换延迟和功耗 从根源解决兼容性问题 实现精细化调度 [6] - 多设备待机互联时芯片仅激活低功耗协处理单元 大幅提升续航 [6] - 端侧AI计算比云端更快速安全 自研芯片是构建分布式算力网络前提 [6] - 苹果攻关基带芯片补全闭环生态 华为麒麟芯片与鸿蒙/小米玄戒芯片与澎湃形成芯片-系统-AI-硬件协同体系 [6] 生态建设挑战与行业动态 - 生态建设存在"先有鸡还是先有蛋"困局：需要产品触点吸引开发者 依赖应用生态吸引用户 需持续投入系统和芯片 [6] - 主流手机厂商均推出基于安卓深度改造系统 多家尝试造芯 家电巨头布局全屋智能方案 [7] - 格力/蔚来造手机 理想造机器人 追觅从扫地机器人扩展至大家电/大厨电/手机/造车/无人机 [7] 垂直无缝机会与商业范式 - 中小玩家可聚焦"垂直无缝" AI时代单体硬件需改变碎片化服务模式 [8] - 自然语言交互替代复杂操作 模糊描述即可触发舒适体验 [8] - 无缝战争本质是关于"人"的战争 追求体验零摩擦/认知零负担/情感零隔阂 [8] - 技术需隐于身后 实现对用户意图精准理解/场景主动适应/服务自然交付 [8]

Buying one stock Buffett recently sold could pay off nicely for long-term investors.The countdown is on until the end of an era. Warren Buffett steps down as the CEO of Berkshire Hathaway (BRK.A 0.20%) (BRK.B 0.24%) on Jan. 1, 2026. To be sure, Buffett will remain involved with Berkshire as its chairman. However, he will no longer be calling the shots about which stocks the conglomerate buys and sells. We can still follow Buffett's trades for a few more months, though. The legendary investor remained a net ...

核心观点 - 苹果基础模型团队负责人庞若鸣离职加入Meta 扎克伯格豪掷两亿美元招揽其加入超级智能团队[1] - 庞若鸣在苹果期间领导开发Apple Intelligence及AI功能核心基础模型 其工作具有高影响力和研究价值[3] - 高质量文本数据迅速枯竭 行业面临"规模壁垒" 需重新思考如何高效利用现有数据[4] - 提出Synthetic Bootstrapped Pretraining(SBP)方法 通过合成数据捕捉跨文档相关性 提升模型性能[5][6][7] 技术方法 - SBP分为三步流程：最近邻配对识别语义相似文档对 训练合成器模型生成相关内容 扩展合成创建大型语料库[7] - 使用Qwen3-Embedding-0.6B模型编码文档为1024维向量 采用ScaNN结合8-bit量化进行近似最近邻搜索[7] - 设置相似度阈值0.75筛选文档对 基于13-token滑动窗口检查重叠 移除近似重复文档[8] - 合成器与主模型使用相同Transformer架构 从预训练检查点初始化 学习条件概率p(d2|d1)[9] - 通过温度采样生成新文档 温度参数1.0 top_p参数0.9 过滤内部重复文档确保质量[10] 实验设计 - 基于Llama 3架构的3B参数Transformer模型 在5.82亿文档和4820亿token的DCLM数据集定制版本上训练[14] - 比较200B-token和1T-token训练规模下SBP与基线及Oracle模型性能差异[18] 性能表现 - SBP在200B规模实现Oracle模型42%性能增益 在1T规模实现49%性能增益[18] - Open Web Text2困惑度从5.74降低0.53 LAMBADA困惑度从6.87降低0.85[19] - ARC-Challenge零样本准确率提升1.28个百分点至35.32% ARC-Easy零样本准确率提升2.65个百分点至68.94%[19] - Winogrande零样本准确率提升1.90个百分点至60.14% TriviaQA单样本准确率提升3.36个百分点至22.51%[19] - WebQS单样本准确率提升3.74个百分点至8.56% MMLU五样本准确率提升1.26个百分点至60.48%[19] - 平均问答准确率提升2.17个百分点至49.49% 相当于Oracle模型47%的性能提升[19] 数据质量 - 合成数据重复率在200B规模为4.3% 在1T规模降至3.9% 接近真实数据1.8%的水平[24] - 重复文档检测率在200B和1T规模均为0.8% 与真实数据0.7%相当[24] - 非事实内容比例从200B规模的15.1%降至1T规模的8.7%[24] - 配对不相关比例从200B规模的25.6%显著降至1T规模的7.8%[24] 行业意义 - 解决大型语言模型可持续发展根本挑战 从获取更多数据转向提取现有数据更多价值[24] - 提供数据效率提升 延长现有数据集有效寿命 实现自我改进无需外部教师模型[27] - 贝叶斯解释表明实现概念级学习 超越表面级token模式 与模型规模扩展形成互补效益[27]