微软与OpenAI的合作进入下一阶段，微软支持OpenAI成立公益性公司并进行资产重组，以约1350亿美元的估值持有重组后OpenAI Group PBC约27%股权。双方更新了合作细节，微软锁定围绕OpenAI的模型和产品的IP权益至2032年，并包含通用人工智能（AGI）后的模型权益，但不含OpenAI的消费者硬件产品。OpenAI可与其他云服务商合作开发产品，微软也可独立或与第三方追求AGI。OpenAI可与其他云服务商合作为美国政府国家安全客户提供API服务，并在满足要求时发布开源权重模型。此外，OpenAI签订协议购买2500亿美元的Azure云服务，微软放弃对OpenAI计算服务的优先供货权。

OpenAI加快追逐AGI步伐，CEO萨姆·奥尔特曼表示正在开发个人AGI，未来可能推出AI硬件设备，认为深度学习可能在不到十年内将人类带入超级智能时代。目前数据中心承诺投资金额已达约1.4万亿美元，计划建造每周生产1GW算力设备的基础设施工厂。预计模型在未来几个月到一年内将取得重大进步，2026年9月有望实现能力的重大飞跃，未来几年AI自动化能力将显著提高。

投资建议：OpenAI重组及新协议进一步解除追逐AGI的限制，预计将加大投入和效率，带动AI产业发展。建议关注AI算力和应用板块。微软在AI数据中心建设和企业级应用推广方面具备优势，通过与顶尖模型公司合作，推动AI产业发展。未来若AI模型调用、算力需求旺盛，公司有望受益。全球AI算力建设中期的景气度和确定性较高。

风险提示：AI技术投入与成本控制压力、市场竞争加剧、用户增长可持续性挑战、汇率波动与国际化风险。

事件概述

2025年11月18日，微软、英伟达、Anthropic宣布战略合作，Anthropic将在微软Azure云计算平台上基于英伟达算力拓展Claude AI模型，并承诺购买300亿美元的Azure算力以及签署至多1GW的额外算力合约。

投资要点

• AI巨头强强联合：Anthropic作为顶尖大模型初创公司，与英伟达、微软达成深度合作。Anthropic将采购至多1GW的英伟达Blackwell和Rubin算力系统，英伟达和微软分别承诺向Anthropic投资至多100亿和50亿美元。
• AI生态圈闭环：Anthropic提供AI模型，英伟达提供算力芯片和计算系统，微软提供算力基础设施和企业级应用推广平台，形成AI生态圈的闭环，加速AI技术发展和应用推广。
• 投资建议：微软在AI数据中心建设和企业级应用市场具有优势，通过与顶尖模型公司合作，有望受益于AI算力需求增长。建议投资者关注微软在AI数据中心建设和AI应用推广方面的进展。

风险提示

• AI技术投入与成本控制压力
• 市场竞争加剧
• 用户增长可持续性挑战
• 汇率波动与国际化风险

重点关注公司及盈利预测

• 微软（MSFT.O）：2025年股价487.71，EPS预测2025E为13.70，PE预测2025E为35.60。
• 谷歌A（GOOGL.O）：2025年股价313.51，EPS预测2025E为10.06，PE预测2025E为31.16。

核心观点

该研报探讨了大数据在交通部门项目周期中的应用，旨在解决传统数据来源的局限性，提高项目规划、设计和评估的效率和效果。

关键数据和方法

• 大数据来源：
  • 开源数据：OpenStreetMap、WorldPop、夜间灯光数据、Google Open Buildings、农业产量数据、General Transit Feed Specification（GTFS）
  • 特权数据：世界银行平台或专业团队提供的数据，如 Waze、Veraset、Mapbox、Mapillary、Ookla、GFDRR 的洪水风险图和详细就业层、卫星图像（Sentinel 和 Planetscope）
  • 其他数据：Call Detail Records（CDR）、闭路电视（CCTV）摄像头画面
• 主要方法：
  • 交通拥堵分析：利用 Waze 数据分析交通拥堵模式和程度
  • 出行矩阵分析：利用 CDR 数据构建出行矩阵，分析出行模式和趋势
  • 道路状况评估：利用卫星图像和机器学习算法评估道路的铺装状况和路况
  • 基础设施库存：利用多种数据源构建基础设施数据库，评估基础设施覆盖范围和连通性
  • 经济活动分析：利用夜间灯光数据评估经济活动水平和变化
  • 道路安全风险评估：利用卫星图像、街景图像和机器学习算法评估道路安全风险

研究结论

• 大数据可以有效弥补传统数据来源的不足：在数据匮乏的环境下，大数据可以提供更全面、更细致、更及时的信息，帮助识别交通拥堵、道路状况、基础设施缺口等问题。
• 大数据可以应用于项目周期的各个阶段：
  • 诊断和项目识别：分析出行模式、基础设施状况、经济活动等，为项目识别和业务发展提供依据。
  • 项目准备和监测评估：构建出行矩阵、监测项目走廊的拥堵程度、评估项目对就业可达性的影响等。
  • 事后政策评估和影响评估：评估拥堵收费政策、项目实施方式对经济活动和道路安全的影响等。
• 大数据应用需要结合多种数据源和分析方法：单一数据源往往无法满足分析需求，需要结合开源数据、特权数据和机器学习算法等进行综合分析。
• 大数据应用需要考虑数据偏差和验证问题：大数据可能存在偏差，需要结合其他数据源进行验证和补充。

案例分析

• 拉丁美洲城市交通拥堵分析：利用 Waze 数据分析城市交通拥堵模式和程度，为交通管理措施提供依据。
• 出行矩阵分析：利用 CDR 数据构建出行矩阵，分析出行模式和趋势，为公共交通规划和非机动车交通发展提供依据。
• 道路状况评估：利用卫星图像和机器学习算法评估道路的铺装状况和路况，为道路投资和维护提供依据。
• 基础设施库存：利用多种数据源构建基础设施数据库，评估基础设施覆盖范围和连通性，为项目投资和政策制定提供依据。
• 经济活动分析：利用夜间灯光数据评估经济活动水平和变化，为经济走廊项目评估提供依据。
• 道路安全风险评估：利用卫星图像、街景图像和机器学习算法评估道路安全风险，为道路安全投资和干预措施提供依据。

拉丁美洲人工智能指数（ILIA）2025

核心观点与背景
拉丁美洲和加勒比地区面临经济增长能力不足、社会不平等和制度能力薄弱等结构性挑战，而人工智能（AI）被视为推动可持续发展的战略机遇。ILIA 2025指数旨在系统评估19个国家的AI发展水平，涵盖基础要素、研发应用和治理三个维度，以指导政策制定和区域合作。

主要发现与数据

1. 区域异质性显著

   • 分为“先驱者”（得分>60）、“采纳者”（35-60）和“探索者”（<35）三类，反映AI发展不均衡。
   • 晚期采纳者（厄瓜多尔、哥斯达黎加等）加速追赶，但整体投资占全球比例仅1.12%（人均GDP投资远低于全球平均）。

2. 基础要素：进步与短板

   • 数据量丰富但开放性不足（仅4国数据中心符合国际可持续标准）。
   • 人才普及率高（AI素养占比远超专业人才），但高端人才短缺（13国未将AI纳入基础教育）。
   • 基础设施集中（巴西占高性能计算90%），数字鸿沟加剧。

3. 研发应用：生成式AI引领变革

   • 智利、哥斯达黎加等国在生成式AI应用下载量中占全球15-20%。
   • 开源软件（洪都拉斯、萨尔瓦多等）成为区域合作契机。
   • 企业创新不足（仅6国出现独角兽AI企业），但政策支持可激发潜力。

4. 治理挑战

   • 9国制定AI战略但缺乏执行机制，监管讨论优先于发展。
   • 国际标准参与度低，网络安全和数据保护技术能力不足。

关键结论

• AI发展需与产业政策结合，通过缩小基础设施、人才和治理差距，实现结构性转型。
• 区域合作（如开源、人才共享）是弥补资源短板的关键路径。
• 可持续性和性别平等需纳入AI政策框架，避免技术加剧环境和社会不平等。