人工智能全面发展，算力层、模型层、应用层快速迭代。全球各大科技巨头纷纷布局 AI 大模型，模型迭代迅速、算力建设和应用落地也在加码。
展望将来，我们对算力层、模型层、应用层提出 4 个猜想。我们猜想，AI 模型能力将成为基础设施，模型和 MaaS 层或不存在绝对护城河。而产业链两头的算力层和应用层有望迎来爆发和变革，价值链或呈“U型分布”。
猜想 1：算力竞赛加码，格局尚难稳定。大量 AI 模型的涌现带动了上游的算力需求。信通院报告预测，2030 年全球算力规模有望达 56ZFLOPS，2022-2030 年复合增长率达 65%。以 AI 芯片为例，英伟达率先卡位软硬件，并积极绑定下游需求；AMD、Google、Intel 等纷纷挑战其软硬件产品性能及生态，跑步争夺市场地位。
猜想 2：若模型同质化，则 MaaS 不稀缺。面对“百模大战”，我们倾向于认为，多数模型本身可能并不存在绝对的护城河。而基于这些模型的 MaaS 平台，如 AWS、Salesforce、火山方舟等，也在积极采用多模型的开放合作模式。我们倾向于认为，MaaS 作为基础设施、未来并不稀缺。MaaS 的竞争将来或成为对算力资源、运营精细度、价格等因素的竞争。
猜想 3：B 端应用：SaaS 服务迎来 AI 魔法加持。AI 有望为各类 SaaS 公司赋予全新的能力、助力 SaaS 赛道迎来“奇点时刻”。1）办公赛道，以微软为例，微软推出 Microsoft 365 Copilot，嵌入 Office 等以及商务沟通环节，优化办公软件功能，提高办公效率，提升用户体验。2）CRM 赛道，以 Salesforce 为例，AI 有望在销售服务、数据分析、营销商务、内部通讯、开发代码等方面赋能，实现效率和体验的提升。3）设计赛道，以 Adobe 为例，AI 能力嵌入后有望支持内容创作者使用文字生成图像、音频、插图、视频和 3D 图像等，大幅降低设计门槛、提升设计效率。
猜想 4：C 端应用：搜索引擎等中心化入口或被削弱，终端场景望承接新流量入口。我们认为，生成式 AI 在应用端的持续迭代，将对线上线下业态的流量入口产生颠覆型重塑。其中，搜索引擎这一中心化入口或被削弱。而各类终端场景——文旅、餐饮、零售、金融、教育、车载座舱等平台——则有望受益于大语言和多模态模型对内容运营能力的加持，从而将各类终端场景的“内容+服务”一站式打通，实现经营闭环。
一、算力的竞赛
1.1 猜想 1：算力竞赛加码，格局尚难稳定
1.1.1 需求端：AI 拉动成长，算力需求空间广阔
2022 到 2023，全球 AI 布局加速，大量人工智能模型涌现。2022 年 11 月， OpenAI 发布聊天机器人 ChatGPT，将生成式 AI 的燎原战火带入公众视野。2023 年 2 月，Meta AI 在其官网公开发布了 LLaMA 大型语言模型。2023 年 5 月，Google 发布新一代大语言模型 PaLM 2。与此同时，中国科技企业也按下了 AI 领域的快进键。百度于 2023 年 3 月发布文心大模型。此后，商汤、阿里云、科大讯飞、华为等陆续发布各自的大模型。
以 GPT 系列预训练过程为例，历代 GPT 参数量呈现指数级增长，未来其算力需求有望大幅增长。训练一次 1750 亿参数的 GPT-3 模型需要的算力约为 3640 PFlop/s-day（即假如每秒计算一千万亿次，需要计算 3640 天），约合 3.14E23 FLOPs。但这算力消耗速度很快被新一代模型刷新。GPT-4 不仅支持文本输入，还支持图像输入，文字输入限制提升至 2.5 万单词，所需计算规模大幅提升。
算力需求提升，意味着芯片、服务器、云厂商和运营商等各个环节的需求增长。根据中国信通院《中国算力发展指数白皮书》测算，2021 年全球计算设备算力规模超过 615EFLOPS（1 个 EFLOPS 代表 10^18FLOPS），同比增速高达 44% 左右，而后续几年则将迎来算力引爆时代。信通院报告预测，2030 年，全球算力规模有望达 56ZFLOPS，2022- 2030 年复合增长率达 65%。这对于 AI 芯片需求的拉动将会非常显著：
一方面，从服务器总量上来看，算力需求增长将带动 GPU 服务器出货量增速高升，从而带动训练芯片的需求；另一方面，从服务器结构上来看，相比较普通 GPU 服务器（一般配备单卡或双卡），AI 服务器平均每单位出货所需的 GPU 数量至少翻倍（一般配置 4 块以上 GPU 卡）。
因此，我们认为 AI 芯片环节面临巨大的增长机会，因此我们将重点以 AI 芯片为例分析算力板块的机会。
1.1.2 供给端：算力竞赛激烈角逐
从 AI 芯片的市场格局看：
GPU 核心供应商包括了 NVIDIA、AMD 等，NVIDIA 目前占据大部分市场。
FPGA 供应商主要包括 Intel、赛灵思（AMD）等，其中赛灵思于 2022 年被 AMD 收购。
ASIC 市场较为分散，比较知名的供应商例如设计生产 TPU 的谷歌。
随着 AI 技术的迭代、算力需求的增长，各家芯片企业亦展开了百舸争流的竞争态势。
我们可以看到，AI 芯片的比赛已经按下“加速键”，所有玩家正跑步争夺市场地位。从赛道角度，算力需求增长不仅有利于上游的芯片，也同样会带动中游的服务器、下游的云计算厂商及运营商等。
二、大模型：百模大战，MaaS 何解
随着大模型能力的持续迭代、应用端需求的不断增加，模型能力对外输出的需求带来了 MaaS（Model-as-a-Serivce）服务生态的形成。
以微软为例，微软云是 OpenAI 的独家云提供商，微软 Azure OpenAI 可以直接调用 OpenAI 模型，企业可以申请访问包括 GPT-4、ChatGPT、Codex 以及 DALL.E 等模型，根据用量进行商业化收费。
微软 OpenAI 相关客户数量不断增长。据微软 23Q3 财报，从 Coursera 和 Grammarly，到梅赛德斯-奔驰和壳牌，微软现在拥有超过 2500 个 Azure OpenAI 服务客户，环比增长 10 倍，如 Epic Systems 使用 Azure OpenAI 服务将 AI 与电子病历软件集成。Azure 也支持 OpenAI API，比如 Shopify 和 Snap 等使用 API 来整合 OpenAI 的模型。
Azure AI 服务在变现层面也实现快速增长。据 23Q2 财报，仅 AzureML（机器学习）的收入连续五个季度增长了 100% 以上。
我们认为，AI 模型输出的需求将带来 MaaS 业态的持续增长。不论是通用大模型、还是行业模型，其模型能力的输出都会带来 MaaS 服务需求的增加。
通用大模型相关：在这个环节，我们认为云计算厂商主要提供算力支持以及 MaaS 大模型能力输出服务。变现方式为对企业按用量、或时长收费。
垂直行业模型相关：在这个环节，云计算厂商从基础层向中间层延伸，进行行业模型精调等。企业不仅可以加入独有的场景、数据，快速精调生成专属模型；也可根据业务场景需求，按需定制不同参数、规格的模型服务。变现方式为对企业按用量、或时长收费。
2.1 猜想 2：若模型同质化，则 MaaS 不稀缺
2.1.1 大模型：从基模型到行业模型，百模大战开启
随着 OpenAI 等先行者的突围、LLAMA 等模型的开源，当前国内外大模型产品如雨后春笋一般层出不穷。
科技部新一代人工智能发展研究中心发布的《中国人工智能大模型地图研究报告》显示，截至 5 月末，据不完全统计，国内 10 亿级以上参数的大模型已有 79 个。
关于大模型未来的竞争格局，我们倾向于认为，尽管各家模型企业在算力资源和数据资源上存在差别，但多数模型本身可能并不存在绝对的差异化。正如北京智源人工智能研究院院长黄铁军表示，“大模型发展中没有绝对的壁垒和护城河，有了大模型就像人类多年前学会了发电，后续还会有各种各样的‘发电手段’不断演进迭代”，“大家比拼的是成本和效率，竞争的是应用和生态”。
2.1.2 MaaS：若模型同质化，MaaS 壁垒何在？
伴随着大模型的层出不穷，云厂商们提供的 MaaS 服务也在积极开展。
国际云服务巨头提供的 MaaS 业务模式，按照合作模型方的数量可以归为两类：
接入独家模型：如微软 Azure 绑定 OpenAI，则 Azure OpenAI 所能提供的 MaaS 能力优劣大幅取决于 OpenAI 的模型能力。
接入多个模型：如亚马逊 AWS 推出 Amazon Bedrock，通过 API 可访问 AI 21 Labs、Anthropic、Stability AI、Amazon Titan 等不同的模型。再如，Salesforce AI Cloud 托管了 AWS、Anthropic、Cohere 等不同合作伙伴的 LLM 模型。
当然，从模型厂商——如 Anthropic 和 Cohere——的角度，模型企业也乐于与多个云服务平台展开非排他的合作。
从国内巨头近期的动作上看，打造开放的、多模型来源的模型商店，也是 MaaS 服务越来越常见的模式。以字节跳动的火山方舟为例，其集成了百川智能、出门问问、复旦大学 MOSS、IDEA 研究院、澜舟科技、MiniMax、智谱 AI 等多家 AI 科技公司及科研院所的大模型，并已展开测试邀请。
我们认为， 未来的赛道格局中，
上游模型企业：有动力接入多个云服务平台，以拓展更多下游客户。比如 Cohere 接入 Oracle 和 Salesforce，再如 Anthropic 接入 Salesforce 和 Amazon AWS，皆是如此。
终端应用企业：有动力使用不同的模型，以优化不同的业务及行业场景。
基于此，我们认为，未来“多模型”将成为 MaaS 平台的重要合作模式，而 MaaS 平台之间的产品相似性也会越来越高，MaaS 服务将成为基础设施。从长期角度，除了算力等资源外，精细化运营程度、价格等因素可能成为 MaaS 平台的核心竞争力。
三、应用：从 B 端到 C 端，奇点时刻
我们认为，AI 模型能力将来将成为企业在技术层面都会应用的基础能力。而无论是 B 端企业、还是 C 端用户，都有望能以 SaaS 服务和内容服务的形式享受到这些能力带来的便利。
3.1 猜想 3：B 端 SaaS：让企业级应用拥有魔法
3.1.1 办公：以微软为例，AI 融入 office 产品大幅提升办公效率
3 月 16 日，微软推出 Microsoft 365 Copilot。Copilot 通过两种方式集成到 Microsoft 365 中：
1）嵌入 office 应用程序，如 Word、Excel、PowerPoint、Outlook、Teams 等：
Word 中，Copilot 包括自动生成文稿、生成摘要、添加常见问题解答、美化 word 排版等功能。
PPT 中，Copilot 可以自动生成 PPT、优化调整、添加备注等。
Excel 中，Copilot 可以自动分析数据、创建数据模型、生成可视化图表等。
Outlook 中，Copilot 可以实现电子邮件分类筛选、自动生成回复邮件、以及 自动生成新邮件等。
Teams 中，Copilot 可以总结会议内容、流程跟进、生成纪要，提供关联信息等。
2）引入 Business Chat 商务聊天，适用于处理使用者所有的数据和文档、电子邮件、日历聊天、会议和联系人工作等，实现跨应用业务流程安排、信息总结与问答等。
我们认为 AI 有望大幅提升办公软件功能，提高办公效率，提升用户体验。2023 年 6 月 4 日，据科技媒体 The Information 报道，包括美国银行、沃尔玛、福特和埃森哲在内的 600 多家微软最大的客户预计将试用 Microsoft Office 365 的人工智能功能，其中至少已有 100 家客户已经额外分别为 1000 个订阅账户支付了高达 10 万美元的年费。与经典版本相比，AI 版本的 Office 365 价格至少高出 40%。
3.1.2 CRM：以 Salesforce 为例，提升 CRM 产品效率及企业信任
以 Salesforce 为例，公司深耕 CRM 垂类，提供 AI 相关产品及 AI Cloud 云服务。
2023 年 3 月，Salesforce 发布了 Einstein GPT，这是全球第一个 CRM 生成式 AI，采用 ChatGPT 开发商 OpenAI 的人工智能技术。Salesforce 加速整合 ChatGPT 模型能力，陆续推出 GPT 产品及 AI Cloud 云服务，提升 CRM 效率：
1）GPT 产品方面：5 月 Salesforce 推出对话式人工智能 Slack GPT、以及用于数据分析的生成式人工智能 Tableau（Tableau GPT 与Tableau Pulse）。6 月 Salesforce 推出 Marketing GPT 和 Commerce GPT，聚焦营销与商务场景。
2）AI Cloud 云服务方面：6 月 Salesforce 宣布推出 AI Cloud 服务，组合售价 36 万 美元/年。Salesforce AI Cloud 包含九种 GPT 模型或服务：Sales GPT、Service GPT、Marketing GPT、Commerce GPT、Slack GPT、Tableau GPT、Flow GPT、Apex GPT 以及 Skill Up on AI with Trailhead。
AI 有望在销售、服务、营销、商务、内部通讯、数据分析、开发代码等环节赋能。Sales GPT 可以实现销售电子邮件的自动生成。Service GPT 可以根据案例数据和客户历史创建服务简报、案例摘要和工作订单。Commerce GPT 可以根据客户数据自动生成商品推荐内容和通信。通过 Slack GPT，用户可以构建无代码工作流程，实现自动生成信息摘要等。通过 Tableau GPT，可以根据自然语言提示生成可视化效果。在开发环节，Apex GPT 可以自动生成代码以及提供漏洞修改建议等。
据 6 月 Salesforce AI Day ，在未来 2-3 个月，AI Cloud 有望推出 16 个新产品或功能。
企业信任方面，Einstein GPT 信任层保护企业数据安全，支持多种 LLM 模型部署
对于企业来讲，进行大模型训练的痛点之一是担心企业内部数据泄露。Salesforce AI Cloud 采用新 Einstein GPT Trust Layer，防止 LLM 保留客户的敏感数据，可以解决 B 端企业使用大模型的风险问题，满足企业客户对数据安全性和合规性需求。Salesforce AI Cloud 支持为 LLM 提供部署功能，包括使用第三方 LLM 模型、Salesforce 自有 LLM 模型以及接入企业自有模型， 同时帮助公司维护其数据隐私。包括：
1）第三方 LLM 模型：在 Salesforce 的云基础设施内，托管和服务来自 AWS、Anthropic、Cohere 等合作伙伴的 LLM 模型。此外，Salesforce 和 OpenAI 还建立了共享信任合作伙伴关系。
2）Salesforce 自有 LLM 模型。
3）接入企业自有模型：这些模型，无论是通过 AmazonSageMaker 还是 Google 的 Vertex AI，都将通过 Einstein GPT 信任层直接连接到 AI Cloud。客户数据可以保留在客户的信任边界内。
总的来看，在 AI 布局方面，Salesforce 深耕 CRM 领域，对内陆续推出 GPT 产品及 AI Cloud 云服务，对外继续扩大 AI 投资。在企业信任方面，Einstein GPT 信任层（Trust Layer）保护企业数据安全、解决企业参与大模型的痛点，AI Cloud 支持多种 LLM 模型部署。
我们认为，AI 嵌入 CRM 环节相关产品应用后，有望在销售服务、数据分析、营销商务、开发代码等方面实现效率和体验的提升，推动付费客户规模扩张、及 ARPU 提升，比如 AI Cloud 组合售价 36 万美元/年，实现提价。
3.1.3 设计：以 Adobe 为例，为设计创造更多可能
以 Adobe 为例，Adobe 将多项 AI 功能嵌入产品应用中。2023 年 3 月，在设计方面，Adobe 推出图像生成模型 Adobe Firefly，其依靠输入文字信息，可完成图像生成、模型构建、图像编辑以及图形加工等各种任务。4 月，Adobe 将人工智能功能引入 Premiere Pro，包括文本剪辑视频等。6 月，推出 Photoshop 中的生成填充（Generative Fill），将 Adobe Firefly 生成 AI 功能直接引入设计工作流程，目前处于测试阶段。
我们预计，在设计环节，AI 有望支持内容创作者使用文字生成图像、音频、插图、视频和 3D 图像等，大幅降低设计门槛、提升设计效率。以下图 Adobe Firefly 为例，通过文字“将场景改为冬日”即可实现图像风格的变化，还可以自动生成艺术字变体等。
根据 Gartner 预计，2023 年全球公有云 SaaS 支出同比增长 17.9% 至 1970 亿美元，2024 年将同比增 17.7% 至 2323 亿美元。展望未来，AI 为有望为 B 端 SaaS 公司实现更多创新功能，推动更快增长。而 SaaS 环节主要参与者 Microsoft、Salesforce、Oracle 等等都有望受益于这一变革。
3.2 猜想 4：C 端流量入口：搜索引擎或式微，流量入口回归场景
在 C 端应用方面，我们认为，AI 技术的持续迭代，有望大大提升各类终端场景——文旅、餐饮、零售、金融、教育等平台——的内容运营能力，从而将各类终端场景的内容和服务打通，实现操作闭环。而随着流量入口“去中心化”至终端场景，此前的中心化流量入口，如搜索引擎，也可能面临流量式微的挑战。
3.2.1 搜索引擎式微：中心化流量入口的削弱
搜索引擎是国内外互联网最早的产品形态之一，也是商业模式角度最好的产品之一。搜索引擎是典型的中心化流量入口。人们通常把搜索引擎作为重要的解决各类问题的入口之一：有问题，去搜索。
搜索引擎迭代至今，Google Search 始终是赛道霸主，且为 Google 带来了可观的收入和利润。在 chatGPT 爆火以来，业内频频产生类似的疑问：在搜索引擎赛道，微软是否会借由 Bing 实现对谷歌搜索的弯道超车？
事实上，在生成式 AI 爆发这段时间，从 2022 年到现在，Google 始终以 92%左右的市占率领先搜索引擎赛道；如果以月度频次来看，市占率不降反增（从 91.9% 至 92.6%）。而微软旗下搜索引擎 Bing 的市占率则在 3%左右上下浮动。
我们认为，这背后反映的是谷歌作为多年的搜索引擎巨头，无论是数据积累、信息生态、算法模型、还是用户 UI 设计，其相对竞争优势都足够领先。
相较于赛道内市占率的重新分配，我们认为，搜索引擎面临更大的问题在于流量入口的变革。事实上，这一点在近期 AI 大潮来临之前、在移动互联网时期就已体现。
从 PC 互联网到移动互联网时代，网民的信息触达方式发生了潜移默化的改变：此前的搜索越来越多被推荐所取代。随之而来，线上广告市场中，搜索广告的份额也逐渐被各类推荐广告所侵蚀。
从中国市场来看，2022 年，包含搜索广告在内的“泛资讯广告”份额较 2020 年下滑 4%。而从全球数据看，2022 年搜索广告市占率较八年前下滑了7%。这一变化都反映了背后搜索作为流量入口核心位置的旁落。
我们认为，未来，大语言模型及多模态模型的迭代，有望大大增强终端场景中的内容运营能力，从而将解决问题的过程以“内容+服务”的形式留在各类终端场景中，而原有的中心化的流量入口则面临“去中心化”的挑战。
届时，拥有各类终端场景——比如金融、文旅、传媒、教育等——且积极拥抱 AI 技术迭代的企业，有望在此过程中持续受益。
3.2.2 场景为王：从服务到终端，得场景者得天下
以旅游场景为例，我们认为 AI 技术的持续迭代，有望赋能旅游餐饮等终端场景类平台的内容运营能力，从而这些平台能够以“内容+服务”的模式来全链条服务用户。
腾讯云的文旅行业模型让我们看到了这种可能性。在发布会的演示中，我们看到，在为模型投喂了旅游相关的行业数据、接入旅游企业用户 API 后，腾讯文旅客服场景模型可以给出非常完备的旅游攻略规划，包括：
1）完整日程规划；
2）交通，含票价+票务购买链接；
3）景点，含景点介绍+票价+票务购买链接；
4）酒店，含酒店介绍+房价+预订链接。
基于此，用户在做旅游规划时，就可以不再检索多个 APP、不再在同一 APP 的不同入口来回跳转，而是可以一站式完成规划+下单。
同样，在车端，座舱域作为人们生活中的“第三空间”，将来也有望在 AI 助力下，通过内容交互能力的提升，来实现“内容+服务”的打通。
近期，梅赛德斯奔驰宣布将 chatGPT 引入车机系统。此后，理想汽车也宣布引入自研的 mindGPT。车企对于座舱交互的重视程度日益提升。
以理想汽车为例，大语音模型的迭代有望带来对话交互能力的跃迁，使得车机交互从“触控为主”转向“对话为主”。而内容能力的完善，亦有望将出行规划和消费决策在座舱这一第三空间完成。
按照理想汽车给出的例子，“当用户想吃火锅，在告诉‘理想同学’后，车机界面就会生成火锅图片供选择，并自动规划出行路线等操作”。我们认为，将来随着 AI 技术推进，座舱作为“第三空间”，有望凭借内容能力的跃迁，实现智能化的快速提升。
当然，这样的例子不止体现在 O2O 和车端座舱。我们认为，AI 技术的持续迭代，有望大大提升各类终端场景——文旅、餐饮、零售、金融、教育等平台——的内容运营能力，从而将各类终端场景的内容和服务打通，实现操作闭环。
来源：国盛证券研究所
0