软件属性从“辅助工具”向“数字劳动力”的范式转移 - 本轮技术周期的核心是软件商业属性正经历从“辅助工具”向“执行主体”的范式转移 [4] - 过去软件是依附于人类员工的辅助工具，其价值必须通过人的操作才能释放，人是业务流程的绝对核心 [4] - 在人工智能时代，软件本身性质发生质变，进化为能够独立执行任务的数字劳动力，可以替代人类完成端到端的劳动环节 [3][7] - 例如，软件可以直接与客户进行多语言通话催收，或自动完成法律文书的起草，而不再像传统CRM或Excel那样依赖人工输入 [6] 商业价值对标与市场空间的重构 - 软件作为工具时，企业的采购决策基于有限的IT维护预算，这部分预算占比小且增长乏力 [7] - 当软件被定义为数字劳动力时，其商业对标对象转变为高昂的人力薪酬成本，直接与企业运营支出竞价 [8] - 这种逻辑激活了大量过去因流程刚性、碎片化且依赖人工判断而缺乏软件化价值的边缘领域 [9] - 例如法律索赔处理或牙科诊所前台等场景，在AI时代因人力替代价值而成为利润丰厚的核心市场 [10][11] - 数字劳动力能够以极低的边际成本接管这些劳动密集型的刚性流程任务 [11] 定价模式的根本性变革：寻找“Goldilocks Zone” - 传统的按席位订阅（SaaS）模式对数字劳动力已失效，因为其核心价值在于通过自动化减少对人类员工的需求 [12][13] - 若沿用旧模式，产品越成功，客户所需席位越少，软件公司收入反而会萎缩 [14] - 创业者需采用“Goldilocks Zone”定价策略，在软件成本与人力成本之间寻找最优套利空间 [15] - 定价平衡点必须显著低于雇佣真人的综合成本，以巨大的降本优势驱动购买决策 [16] - 同时，定价又要远高于传统工具软件的订阅费用，以匹配其交付的实际劳动成果 [17] 竞争格局变化与创业公司的突围策略 - AI技术已成为巨头共识，过往依靠在位者认知偏差获取的时间窗口红利期已经过去 [18] - 初创企业需运用“金砖理论”，寻找巨头因机会成本而战略性放弃的“结构性缝隙”以突围 [1][18] - 真正的护城河需建立在对特定行业上下文的深度掌控之上，而非短期的模型差异化红利 [1] - 创业者应将核心壁垒从同质化的底层模型能力，转移至对特定行业“上下文”的深度理解与工作流嵌入 [18]

赛事概况 - 第五届Excel世界锦标赛全球总决赛在美国拉斯维加斯举行 赛事由微软官方举办 [1] - 清华大学土木工程系博士张云翼在比赛中获得第九名 [1] 参赛者背景 - 参赛者张云翼为清华大学土木工程系博士 曾参与重大事故调查 目前从事施工管理软件研发工作 [4] - 张云翼于2022年博士后出站 [4] 赛事内容与规则 - 比赛并非比较表格设计美观度 而是考核解决复杂问题的综合能力 [6] - 比赛要求掌握XLOOKUP XMATCH INDIRECT OFFSET等基础函数 VBA编程 Power Query数据处理等进阶技能 [6] - 每次赛题需在30分钟（决赛40分钟）内根据提供数据回答7个难度递增的问题 每个问题有20个数据点 算对一个点获得相应分值 [7] - 赛事题目形式多样 例如全球总决赛1/4决赛题目为图形拼图 半决赛题目为麻将消消乐 决赛题目涉及折纸空间验算 [7] - 半决赛和决赛设有附加题得分数量限制机制 仅前六名做对选手可得分 并设有“缩圈”淘汰机制 每5分钟淘汰一名得分最低选手 [9] 赛事进程与成绩 - 赛事通过线上预选赛选拔 今年1月至9月举行了9场线上预选赛 每月一场 每场选出10人晋级 [9] - 张云翼参加了第4场预选赛 以第二名身份晋级 [9] - 随后通过256名选手的1V1线上淘汰赛 张云翼进入八强 直接保送全球总决赛半决赛 [9] - 半决赛由1/4决赛前16名和淘汰赛前8名共24名选手组成 [9] - 半决赛中 有金融资本副总裁因在头5分钟未解出题目而第一个被淘汰 [11] - 张云翼在半决赛中做对6道题（共7道） 以1050分晋级决赛 [12] - 在决赛中 张云翼完成了两道题目100% 一道题目95% 一道题目90%的挑战 最终排名第九 [12] 参赛体验与行业关联 - 张云翼表示比赛时非常紧张 决赛折纸题目需要高强度空间想象力 [13] - Excel世锦赛有姊妹比赛金融建模竞赛 因金融建模领域大量使用Excel 故吸引众多金融从业人员参赛 [13] - 张云翼虽非金融行业 但其博士为土木与计算机交叉方向 一直从事编程相关工作 因此具备一定竞争力 [13] 未来计划 - 张云翼对第九名成绩表示满意 并计划明年继续参赛 旨在与对手互相学习和交流进步 [15]

2025 年 12 月 13 日，a16z最新一期播客《AI Eats the World》上线。 科技趋势分析师 Benedict Evans（前a16z合伙人）与 a16z 合伙人 Erik Torenberg，开场就问：AI 到底是 又一轮平台迁移，还是像电力和互联网那样，成为重写世界的底层通用技术？ 听起来很宏大。但真正的矛盾在另一边：巨头们抢算力、调团队、建超级工厂，普通人却连每天拿 AI 做点什么都想不清楚。 这不是懒或不懂技术。 Evans 认为：不是 AI 不够强，而是它还没变成日常工具。就像电梯，你得主动走进去，按个键，它才 带你上楼。 这场对话要回答三个递进的问题： 为什么 9 亿人注册，却想不出要做什么？ 为什么能力很强，却没有变成日常工具？ 谁会赢得下一个入口？ 最后，Erik 问出那句很多人都在回避的问题：要发生什么，AI 才能被真正认为比互联网更具变革性？ 第一节｜9亿用户，95%的人想不出要做什么 打开 ChatGPT，不等于用上 AI。 一个被忽视的事实：AI 工具使用率远落后于注册量。 ChatGPT 已经拥有 8–9 亿周活用户，是全球访问量最高的 AI 工具。但真实数据更 ...

文章核心观点 - 当前AI行业估值高企、数据中心支出处于历史高位，若万亿美元级别的增长势头放缓，科技板块将普遍受到影响[2] - 公司能否抵御市场下行风险，关键在于其收入结构：依赖于一次性采购订单的公司风险较高，而拥有必需、经常性订阅收入的公司则更具韧性，能在享受AI增长红利的同时缓冲衰退冲击[4] - 通过三个简单问题可以识别最具韧性的科技公司：客户基础是否广泛分散、商业模式是否为订阅制、产品是否具备高客户转换成本或锁定效应[12][14] 抗风险能力强的公司（“缓冲型”公司） - **Alphabet (Google)**：业务基于可重复的人类行为（搜索、点击、广告），需求在经济周期中保持稳定[5] 拥有数百万广告客户、极高的转换成本和多元化的收入流[8] 能够快速将AI增强功能部署到搜索、广告、YouTube、地图和Workspace等核心产品中，并通过其TPU提升计算效率以节约成本[8] 较低的市盈率倍数反映了其类似公用事业的稳定性，而非投机性的AI前景[8] - **Microsoft**：提供日常运营所必需的基础设施（Outlook、Excel、Teams、Windows、Azure），即使在经济低迷时期，企业也无法停止使用这些服务，订阅模式确保了稳定的收入基础[6][8] 其内置的AI可能性（Office中的Copilot工具、Azure的AI功能、GitHub的开发者AI以及LLM融入企业工作流程）有助于提高用户平均收入并促进更多的云消费[8] - **Apple**：业务成功依赖于消费者忠诚度和设备更新周期，而非企业计算支出，其价值1000美元的智能手机、500美元的智能手表和10美元的月费服务与AI领域的发展相对独立[7][9] 拥有超过20亿的用户基础、规模超1000亿美元的数字服务部门，以及在提供设备端智能方面的强势地位，使其可能成为AI进步的最大受益者之一[9] - **Oracle**：其传统数据库业务具有强大的“锁定”效应，一旦银行、保险公司或政府实体采用，往往会持续使用数十年，替换成本高昂且操作上不可行，这提供了可靠的收入基础[7][9] 尽管在AI领域进行了重大投资（2026财年资本支出达350亿美元），但大部分支出已通过附带严格惩罚条款的“照付不议”云/GPU合同预先售出，确保了即使广泛的AI资本支出放缓，其收入也具有高可见性[9] 风险暴露较高的公司（“暴露型”公司） - **Nvidia**：收入依赖于价格极高（最新芯片超过3万美元）的芯片的一次性销售[14] 收入集中度高，最近一个季度仅两个客户就贡献了近40%的销售额，这与拥有数十亿用户的Google、Microsoft或Apple形成鲜明对比[14] 若超大规模数据中心公司因认为拥有“足够GPU”而减少采购，其将立即受到影响，需求与不可预测的资本支出周期挂钩[14] - **其他AI硬件公司**：如AMD、Marvell和Super Micro Computer等公司也呈现出类似的趋势，其业务与资本周期紧密相连[14] - **部分AI软件公司**：以Palantir为例，尽管开发了强大的AI赋能软件，但其估值依赖于快速的客户增长和大规模部署[14] 若IT预算收紧或合同延迟，由于没有犯错余地，其股价可能面临严重的重新评估，且不像Oracle那样受益于长期的客户锁定[14] 风险类别划分依据 - **资本设备依赖型**：当前前沿模型训练类似于赢家通吃的军备竞赛，但本质上可能是一种资本支出，一旦超大规模公司对当前一代模型达到“足够的计算能力”，订单可能会下降[11] - **估值依赖增长型**：这些公司的估值与资本周期、高估值或不稳定的竞争动态紧密相连，在繁荣时期收益最大，在形势转弱时也最先受损[10] 其主要弱点在于依赖少数客户的大额、非经常性资本订单[10]

文章核心观点 - 文章认为微软是华尔街最青睐的量子计算股票 其核心投资逻辑在于其人工智能业务带来的巨大确定性机会 而量子计算则被视为一项具有高潜在回报但非核心的“彩票”型投资 [11][13] - 文章通过对比指出 尽管IonQ等纯量子计算公司也获得分析师看好 但微软获得了华尔街更广泛、更一致的热情 [8][10] 量子计算行业与微软的定位 - 微软是量子计算领域的巨头 其Azure云平台为量子计算开发者提供工具 并设有“Quantum Ready”计划帮助各组织应对量子计算的影响 [2][3] - 微软在量子计算领域的核心进展是其Majorana 1量子处理单元 这是首个使用拓扑超导体（topoconductor）的量子计算芯片 该材料是一种新的物质形态 [4] - 拓扑超导体使微软能够创建和控制量子比特 公司已实现其量子计算路线图上的两个主要里程碑 距离建成能解决实际商业和科学挑战的大规模量子超级计算机还有四个里程碑 [5] - 微软相信将在“数年而非数十年内”部署实用的量子计算机 拓扑超导体对量子计算机的变革潜力 可能堪比硅对个人计算机的影响 [6] 华尔街对微软的看法 - 华尔街极为看好微软 可被视为分析师最喜爱的量子计算股票 [8] - 根据标普全球本月调查的56位覆盖微软的分析师 12位（约21%）给予“强力买入”评级 43位（77%）给予“买入”评级 仅1位建议“持有” [9] - 华尔街共识的12个月目标价意味着28%的潜在上涨空间 部分分析师更为乐观 其中一位预测股价还有49%的上涨空间 [9] - 尽管华尔街对其他量子计算股票如IonQ也有正面展望 但没有任何一家量子计算领域的领导者能获得像微软这样广泛基础的热情 [10] 微软的核心投资逻辑与财务表现 - 投资微软的最佳理由并非量子计算 而是其在人工智能领域的巨大机遇 [11] - 各组织持续争相开发基于云的生成式AI应用 微软2026财年第一季度业绩体现了公司如何从中受益 其Azure及其他云服务收入同比飙升40% [12] - 预计该增长不会显著放缓 智能体AI的采用甚至可能加速微软的增长势头 不仅限于Azure 也包括其生产力软件业务 [12] - 微软的量子计算计划类似于亿万富翁购买彩票 如果成功则收获巨大 如果失败也无伤大雅 这是其受华尔街青睐的原因 [13] 公司关键数据 - 微软当前股价为478.56美元 当日下跌2.33%或11.44美元 [7][8] - 公司市值为3.551万亿美元 当日交易区间为475.20美元至484.24美元 52周区间为344.79美元至555.45美元 [8] - 当日成交量为140万股 平均成交量为2200万股 毛利率为68.76% 股息收益率为0.71% [8]

文章核心观点 - 投资人工智能单一股票存在较高波动性和选股难度 通过投资交易所交易基金可以平滑风险并获得更广泛的人工智能全价值链敞口 [1][2][3] 人工智能行业投资背景 - 人工智能股票是过去几年标普500指数上涨的主要驱动力 未来数万亿美元的数据中心支出将继续支撑其回报潜力 [1] - 行业内个股表现分化显著 例如Palantir Technologies在2025年初至今上涨124% 而Upstart Holdings同期下跌26% 凸显选股挑战 [2] iShares Future AI and Tech ETF (ARTY) 产品概览 - 该ETF持有48只不同的人工智能股票 通过分散投资降低因个别公司表现不佳带来的大幅亏损风险 [3] - 基金投资于美国及全球创新人工智能公司 旨在为投资者提供涵盖软件、服务及基础设施的完整人工智能价值链敞口 [4] - 基金最初于2018年成立 专注于人工智能和机器人技术 于2024年8月重组后更集中投资于人工智能领域 [6] ETF持仓组合分析 - **软件类重点持仓**：包括Palantir的AI平台Gotham和Foundry 微软的AI助手Copilot Snowflake的Cortex AI平台 [5] - **服务类重点持仓**：Alphabet通过Google搜索的AI功能及其Google Cloud平台为AI开发者提供云服务 [5] - **基础设施与半导体持仓**：包括半导体公司博通和美光科技 以及亚马逊 Meta Platforms等巨头 还有Palo Alto Networks和CrowdStrike等AI网络安全供应商 [6][9] - **关键硬件供应商**：英伟达提供数据中心芯片和网络设备 AMD开发集成数据中心机架Helios 预计其MI400系列GPU性能将提升十倍 [9] ETF业绩表现与费用结构 - 自2024年8月重组以来 该ETF上涨42% 显著超越同期标普500指数23%的回报率 [7] - 强劲表现得益于其主动管理结构 由专家团队持续调整投资组合以追求最佳结果 [8] - 主动管理带来较高费用 该ETF的费用率为0.47% 即10万美元投资每年产生约470美元费用 远高于Vanguard等公司发行的指数基金0.03%的费用水平 [8][10]

新加坡企业AI与数据分析采用现状 - 新加坡公司对数据分析和可视化软件的使用率高达95%，略高于调查平均水平的93% [1] - 数据分析工具主要包括Python、Power BI和Excel等 [1] - 人工智能的采用同样广泛，92%的企业已实施某种形式的AI，高于89%的调查平均水平 [2] AI的部署深度与模式 - 约五分之一（20%）的新加坡企业已将AI深度整合到其业务流程中 [2] - 然而，AI使用的主要模式仍是临时性或按需部署，44%的公司采用此方式 [3] - 常见的AI工具包括ChatGPT、Microsoft Copilot、Google Gemini以及Microsoft 365和Google Workspace等平台内置的AI助手 [3] 网络安全整合的滞后 - 新加坡企业在网络安全整合方面较为落后，仅23%的受访公司将网络安全措施嵌入其战略和运营中，低于28%的整体调查平均水平 [3] - 仅69%的公司使用网络安全软件，远低于其他地区报告的平均使用率81% [5] - 超过17%的公司对网络威胁采取被动应对姿态，仅在事件发生时采取行动 [6] - 另有11%的公司不清楚其内部如何管理网络安全，表明可能存在监督或沟通漏洞 [6] AI应用的收益与挑战 - 在过去12个月中，AI工具帮助公司实现了重复性任务的自动化、简化了工作流程并支持了更快的决策制定 [6] - 对AI依赖的增加引发了关于人类监督和决策责任的问题，特别是在涉及判断或道德的领域 [7] - 部分企业报告，涉及重复性任务的岗位出现了裁员，并且在将新AI系统连接到旧的遗留平台方面面临困难 [7] 行业领导者的评论与展望 - 行业观点认为，新加坡在AI领域的强劲地位反映了该国向数字化转型和卓越运营的持续推动 [4] - 企业必须超越实验阶段，在各项职能中战略性地整合AI以释放其全部价值 [4] - AI赋能威胁的兴起，使得企业加强网络韧性变得至关重要，信任需要通过每一次数字互动来赢得和巩固 [5]

公司概况 * 公司为Fiserv (NYSE: FI) 是一家支付处理与金融科技公司[1] * 公司业务主要分为两大板块：金融解决方案和商户解决方案[1] 管理层近期审查与战略调整 * 公司在第三季度启动了全面审查 涉及技术、运营、竞争地位、财务和行业趋势 并借助外部顾问以获得客观评估[5] * 审查结果导致公司调整了业绩指引 主要基于四个因素[6][7][8] * 阿根廷业务：2022-2024年阿根廷的有利周期性因素显著推高了公司整体报告的有机增长 剔除该因素后 公司增长恢复至历史的中个位数水平 而非此前几年报告的双位数增长[6] * 业务表现：第三季度及对今年剩余时间的业务表现未达预期[7] * 客户体验投资：基于企业客户反馈 公司决定增加资本支出和运营支出以改善产品上市速度、实施质量和系统弹性[7] * 战略平衡：公司承认此前过于侧重短期举措 现在需要重新平衡短期与长期计划[8] * 这些调整直接影响了公司的增量投资方向和战略规划[9] 具体的收入决策 * 公司明确表示并未放弃任何收入 而是做出了优化客户体验和长期股东价值的决策[12] * 借记网络定价：公司拥有Star和Excel两个借记网络 此前定价高于市场水平 虽有利于短期盈利但损害了长期吸引新客户的能力 因此已进行调整[12] * 软件许可销售：减少了非永久性的软件许可销售 以转向更可持续的经常性收入模式[13] * Clover费用：取消了约一年前引入的某些费用（如存储和生命周期终止费用） 因为这些费用被合作伙伴反馈为未能体现价值定价 旨在改善与独立销售组织的关系[13][16][17] 资本支出与投资计划 * 资本支出将从约15亿美元增加到约18亿美元 主要投向“One Fiserv”计划下的系统弹性和技术升级[19] * 预计2026年资本支出将维持在高个位数占收入的比例（基于约18亿美元的水平） 且不会出现有意义的进一步跃升[19][20] * 该水平的资本支出符合公司过往实践 是支持未来业务增长所需的投资水平[20] 金融解决方案板块：核心系统整合 * 公司为美国约3,500家机构提供核心银行平台[23] * 历史上有16个不同的核心平台 目标是将信用合作社核心从11个整合为2个现代化核心 将银行核心从5个整合为3个现代化核心[24][25] * 明年年初信用合作社核心将首先减少至6个 最终目标为2个[25] * 强调没有强制转换时间表 将继续支持所有现有核心平台 只要客户需要[26][27] * 转换过程将注重为客户提供良好体验 展示新核心在弹性、性能和定制化定价方面的价值[28] * 客户反馈的核心问题是体验和执行 而非核心产品本身的技术问题[29] 商户解决方案板块：SMB业务与Clover * 商户解决方案收入约200亿美元 其中70亿美元由小企业驱动 其余由企业客户驱动[7] * 在SMB业务中 Clover SMB部分收入略高于30亿美元 非Clover SMB部分收入略高于40亿美元[34] * 非Clover SMB业务收入的下降主要受阿根廷因素影响 剔除阿根廷后 该业务基本持平或略有增长[32][34] * Clover是公司面向小企业的首选增长平台 但将客户从非Clover平台向Clover迁移必须基于价值主张 而非强制转换[34][35] * 对Clover的增长预期为：交易量增长10%-15% 收入增长15%-20% 约5个百分点的增长差来自硬件和价值增值服务[36][37] * 增长动力包括：垂直领域专业化（如餐饮、零售、酒店、医疗保健）、水平业务管理功能拓展 以及渗透率较低的Clover Capital等[37][38] 财务指标与资本配置 * 第三季度商户利润率同比下降约50个基点 但若剔除8900万美元的收益 实际下降幅度约为400个基点[40] * 公司不提供细分市场利润率指引 但预计2026年全年整体利润率在33%-35%的范围内[42] * 资本配置原则不变 致力于将债务杠杆维持在2.5至3.0倍 超额现金流将用于股份回购[44] * 2026年的股份回购规模将不同于今年前重仓回购的情况 将基于自由现金流进行[44] 销售与分销策略 * 公司拥有差异化的分销渠道：包括与1,000家银行合作（其中约50%已深入渗透）以及庞大的独立销售组织网络[46] * 此外 公司拥有约600名配备定额的美国销售人员（全部为配额携带者） 该人数在2025年增长了20%-25%[46][48] * 直接销售团队的扩张是对银行和ISO两大主要渠道的补充 旨在支持特定垂直领域和产品 而非改变核心分销哲学[48][53] * 分销能力被认为是公司的首要竞争优势[48]

公司估值 - 公司市值接近3700亿美元，估值水平远超历史上几乎所有软件公司 [1] - 公司股票交易价格约为100倍销售额和200倍收益 [5] - 若以成熟软件公司的估值倍数（如10倍销售额）计算，公司需要达到380亿美元收入才能支撑当前股价，而公司目前收入为44亿美元 [6] - 公司目前产生约7亿美元自由现金流，若以此速度通过利润收回3700亿美元投资，需要大约500年 [12] 市场与收入挑战 - 公司需要找到约340亿美元的新增收入来证明其估值合理性 [6] - 公司长期收入中约80%必须来自美国，使其主要成为美国及盟友的公用事业型公司 [7] - 公司明确表示不会向中国、俄罗斯或其势力范围销售产品，这直接剔除了全球30%的GDP [13] - 即使如法国、德国等盟友，也正积极尝试禁止公司软件用于政府用途，因其不希望美国情报软件运行其基础设施 [13] 目标市场与渗透率 - 美国仅有约4000家公司收入超过5亿美元，这些是能够负担公司软件合同的潜在客户 [8] - 若要实现收入目标，需要公司成为四分之三美国大型企业无可争议的操作系统，并向每家每年永久收取1000万美元费用 [10] - 在最佳情景下，若公司捕获25%的目标市场（1000家大型企业）并每年收取200万美元，仅能带来20亿美元新增收入，可能导致股价暴跌80% [14] - 若公司要达成目标收入，需要捕获75%的目标市场（接近完全垄断）并向每家每年收取1000万美元巨额费用 [14] 商业模式与竞争壁垒 - 公司缺乏微软所拥有的外部网络效应，即微软产品通过文件格式兼容性强制用户购买其产品，而公司不具备这种“病毒式传播”的采用循环 [11][15] - 举例而言，若通用磨坊使用公司软件优化供应链，其供应商仅会收到PDF采购订单，无需知晓或购买公司软件即可完成订单，这使公司必须完全依靠产品优势赢得每一个客户 [15] - 这种缺乏强制采用机制的特点，使得公司要捕获75%的市场份额几乎是不可能的任务 [16] 增长前景与风险 - 公司是一家真实的企业，为美国陆军提供服务并修复供应链，对其使用的重工业巨头而言是“关键任务” [17] - 然而，以3700亿美元的市值计算，其估值已反映出公司征服了整个西方经济的预期 [17] - 如果公司执行完美，股票估值可能合理；但如果其发展受挫，或美国商业增长从“超高”（121%）放缓至仅仅是“良好”（40%），估值倍数压缩将会非常剧烈 [21]

产品发布与核心能力 - Anthropic于周一推出新人工智能模型Claude 3.5 Sonnet，旨在更好地自动化编码和办公任务[1] - 新模型在软件工程工作（如修复错误）方面比前代版本能力更强，且无需用户协助[1] - 该模型旨在更好地在用户计算机和互联网上执行复杂的多步骤任务[1] 市场竞争格局 - Anthropic与OpenAI和谷歌(GOOGLUS)竞争商业客户[1] - 公司由OpenAI前员工于2021年创立，总部位于旧金山，目前拥有超过30万企业客户[1] - 公司在计算机编程领域已成为市场领导者，但面临来自OpenAI和谷歌的激烈竞争[1] 技术里程碑与性能 - 新模型是首款在挑战性的带回家工程任务上得分超过公司任何人类候选者的模型[2] - 该任务旨在让合格候选人在使用Claude模型情况下花费数小时完成[2] - 模型能力跨越拐点，改变了公司评估软件工程能力的方式[2] 应用场景扩展 - 新模型旨在更好地执行财务分析、制作演示文稿和电子表格等任务[2] - 模型可用于工作任务的更多来回细化，而不仅仅是生成文档初稿[2] - Anthropic将在微软(MSFTUS)的Excel软件内向企业客户和购买高端Max订阅计划的个人用户提供Opus 4.5[2]