2025年谷歌研究报告：搜索王者站在十字路口，能否抢回AI主导权？

谷歌：搜索王者站在 AI 的十字路口

谷歌是全球领先的科技公司，三大业务板块包括：1）谷歌服务，包括 Google Search、Android、 YouTube、Google Drive、Gmail、Google Play 和硬件等，主要从广告解决方案、应用程 序及硬件销售和 YouTube 订阅中获得收入。2023 年谷歌广告总收入为 2379 亿美元，占全 球数字广告市场份额的 28%；2）谷歌云：主要从 IaaS/SaaS/PaaS 等服务中产生收入；3） Other Bets：主要包括公司对 Waymo、Verily 和 DeepMind 等其他公司的投资。

搜索保持谷歌营收的主力地位，云业务成为近年的增长引擎。从 2013 的 555 亿美元到 2023 年的 3,074 亿美元，谷歌总营收的十年 CAGR 为 18.7%。从收入结构来看，广告（尤其是 搜索部分）一直以来都为谷歌贡献了大部分的收入，23 年谷歌广告占总收入的 77.4%，其 中搜索部分占 56.9%。云业务作为近年谷歌收入增长的主要驱动力，营收从 2018 年的 58 亿美元到 2023 年的 331 亿美元，CAGR 为 41.5%，23 年占总收入的 10.8%。

股价复盘：穿越三大科技时代

我们认为谷歌是互联网时代最具代表性的企业之一，通过复盘谷歌的股价表现，我们可深 入探讨公司在 PC 时代、移动互联网时代、云计算时代及人工智能时代的战略决策和市场 表现。

1） PC 和移动互联网时代：搜索广告的崛起

谷歌成立于 1998 年，正值 PC 互联网时代的快速发展期。凭借着 PageRank 算法，谷歌在 搜索引擎市场中脱颖而出，并通过 AdWords 广告系统实现了搜索广告的商业化。从 2004 年谷歌上市到 2008 年全球金融危机爆发前，公司的股价一路走高。这一时期，谷歌的搜索 广告业务几乎垄断了市场，收入和利润的稳健增长是股价持续上扬的主要驱动力。然而， 2008 年金融危机的爆发导致全球广告支出大幅下滑，谷歌的股价也随之受到冲击。这一阶 段的股价波动清晰地显示出，搜索广告作为公司的基本盘，一旦宏观经济层面出现广告支 出下滑，谷歌的股价就会受到明显影响。 谷歌在 PC 时代的成功让其成为全球最具影响力的科技公司之一，但公司管理层察觉到，移 动互联网时代的来临将颠覆现有的技术格局。因此，谷歌早在 2005 年就收购了 Android 操 作系统，这一前瞻性的决策为公司在移动互联网时代的成功奠定了基础。

随着智能手机的普及和 Android 系统的广泛应用，谷歌成功将 PC 互联网时代的搜索广告模 式移植到移动端，进一步扩大了市场份额和收入来源。在这一时期，谷歌的股价再度迎来 快速增长。特别是 2011 年后，随着 Android 设备销量的激增和移动广告收入的持续增长， 谷歌的股价表现出强劲的上涨势头。然而，谷歌在移动互联网时代的战略布局尽管前瞻， 但在硬件产品层面相对谨慎。这种谨慎使得谷歌在与苹果等对手的竞争中保持了相对稳定 的市场地位，但也错失了一些更激进的增长机会。比如早期手机无自有品牌主要与摩托罗 拉合作，后第一代 Pixel 又仅由 Verizon 独家销售，错过了智能手机品牌的心智建立时期， Pixel 始终难以追赶苹果或三星的地位。

2） 云计算时代：持续扩张与股价波动

2015 年之后，云计算逐渐成为科技行业的主要趋势之一。谷歌管理层再次展现出对行业发 展的前瞻性，通过不断加大对 Google Cloud 的投资，谷歌在云计算领域逐渐建立起自己的 竞争优势。但由于市场竞争激烈且公司在这一领域的市场份额较低，谷歌的股价在这一阶 段表现出较大的波动性。尤其是在 2018 年左右，谷歌云业务换帅，由结构化重组并将云建 立为单独业务的前 VMWare CEO Diane Greene 更换为前甲骨文高管 Thomas Kurian，云 战略方针经历转型阵痛，让市场对谷歌云业务增长速度有所质疑，导致公司股价在短期内 出现了一定的回调。 然而，谷歌云计算业务的收入增长速度仍然可观，尤其是在 2020 年全球疫情的推动下，远 程办公以及无接触 AI 需求激增，使得云计算业务成为谷歌新的增长点。2021 年，公司云计 算业务的强劲表现再次推动股价走高。

3） 人工智能时代：AI-First 战略的提前布局

进入 2020 年代，人工智能成为科技行业的核心驱动力之一。谷歌早在 2014 年就收购了 DeepMind，并在 2017 年发布大模型的基石算法 Transformer 和正式提出了“AI-First”的 战略定位。这一战略使得谷歌在人工智能领域的布局比行业发展早了数年。 2022 年，随着 ChatGPT 等生成式 AI 产品的问世，该类人工智能开始对各行各业产生深远 影响。虽然市场普遍认为谷歌在生成式 AI 的商业化落地上持谨慎态度，但我们认为，谷歌 乃是科技大厂中少有的清楚认知到现阶段大模型能力边界的公司。市场也普遍认为， ChatGPT 和类似产品乃“有求必应”，事无大小都能解决，但实际上模型的幻觉与搜索结果 的精确性要求存在冲突，且在短期内难以有完善的解决方案，这也是目前以大模型为基础 的搜索无法迅速占领市场的原因之一。然而，Perplexity 等后起之秀已把聊天机器人（大模 型）和搜索有机结合，我们认为这也是谷歌需追赶的重要一环。不过，在某些垂直领域， 比如说在医疗行业的创新药研发，我们则认为大模型及生成式 AI 具备充足落地条件，鉴于 该类问题可通过物理和化学定律有效控制和监管幻觉的出现，从而受其影响较少，因此能 商业性落地，如谷歌 AlphaFold 通过生成式 AI 模拟及预测蛋白结构、DNA、RNA 和其他分 子如何相互作用，能缩短药物研发时间，从而起到关键作用。谷歌在这一领域的领导地位 和前瞻性认知或将为公司股价提供长期支撑。

总的来说，谷歌的股价复盘说明了以下两点： 1） 管理层始终展现出对行业发展趋势的高度敏锐性，且多次在技术变革的早期阶段做出 了战略性抉择，但在执行层面相较竞争者更谨慎。早在 2005 年，谷歌通过收购 Android， 提前布局了移动互联网。当时，智能手机尚未成为市场的主流产品，而苹果 iPhone 也 未正式发布，但谷歌管理层已预见到移动互联网将是未来的发展方向。2008 年，Android 系统正式推出，随着智能手机的普及，Android 迅速成为全球最广泛使用的移动操作系 统之一。2006年，谷歌以16.5亿美元的价格收购了当时尚处于早期发展阶段的YouTube。 尽管当时的估值看似高昂，但这一决策展现了谷歌对未来互联网视频消费趋势的敏锐洞 察。随着宽带普及和用户对视频内容需求的增长，YouTube 逐渐发展成为全球最大的 在线视频平台，成为谷歌广告生态系统中的重要组成部分。2014 年，谷歌收购了以 Demis Hassabis 挂帅的英国人工智能公司 DeepMind。当时，人工智能技术尚未广泛 被应用，但谷歌管理层通过这一收购，显示了其对 AI 时代的前瞻性布局。后来的事实 证明，AI 不仅是谷歌核心业务的关键推动力，也是全球技术创新的焦点。通过自研 AI 芯片 TPU、击败世界围棋冠军的 AlphaGo，以及大语言模型（如 PaLM、Gemini 系列）， 加上几位重要员工，Geoff Hinton、Demis Hassabis 等，均为本届诺贝尔奖得主，足以 证明谷歌在 AI 时代的竞争中具备强劲优势、以及在资本市场上的具备长期竞争力。 2） 搜索广告始终是谷歌的基本盘，一旦宏观层面广告支出有下滑趋势，对公司股价有较 大影响。Google Ads 作为全球最大的在线广告平台，长期占据着全球互联网广告市场 的领导地位。因此，宏观经济环境对广告支出的变化，往往对谷歌的股价有直接影响。 在 2008 年次贷危机中，全球经济陷入衰退，企业广告支出急剧减少。作为依赖广告收 入的公司，谷歌股价在这一时期受到明显冲击。股价从 2007 年底的高点急速下滑，直 至 2009 年初才开始缓慢回升。2020 年新冠疫情爆发，全球经济陷入停滞，广告支出 在短期内大幅下降。然而，随着疫情带动的数字化加速转型，尤其是电商、在线教育和 视频会议等领域的需求激增，谷歌广告业务迅速复苏并实现了增长。2021 年，谷歌的 股价也随之创下历史新高，展示了其核心业务的强大韧性。2022 年，全球通胀高企， 企业广告支出增速放缓，再次对谷歌的广告收入构成挑战。尽管如此，谷歌依靠多元化 的收入来源，特别是云计算，逐渐抵消了广告市场的下滑影响。股价虽然短期内出现波 动，但在整体大盘中依然表现优异。

AI 生态站位：下一个科技周期谷歌该如何转身？

硬件层 TPU 持续发力，赋能云端和大模型发展

AI 芯片领域已多方入局，自研芯片乃科技厂商必经之路。目前科技巨头出于削减 TCO、提 升研发可控性及满足软硬件生态等考量，均针对内存容量与延时两大 AI 计算瓶颈自研 AI 芯片，并通过与 AI 初创公司合作率先绑定用户，试图逐步摆脱对外部硬件的依赖。我们认 为或将成为英伟达的最大竞争对手。 谷歌作为云大厂中自研芯片的先行者和 AI 领域的奠基者之一，其自研的 TPU 是专为神经 网络设计的 ASIC 芯片，具有矩阵乘法单元（MXU）和专有的互连拓扑等专用功能。TPU 针对矩阵乘法优化，且具有跨芯片并行功能，适合训练大模型，且具备成本优势。2023 年 4 月，谷歌还把开发 TPU 的工团队转移到谷歌云，以提高其向云客户出租 TPU 服务器的能 力。未来 Trillium TPU 有望在 AI 芯片激烈的竞争格局中脱颖而出。

谷歌 TPU 对比其他科技厂商拥有先发优势，主要在以下两个方面： 1） 专为神经网络的张量运算而设计，高度匹配自身生态。TPU 专为神经网络设计，具有 矩阵乘法单元（MXU）、专有互连拓扑、多重切片等功能来优化模型训练端。其不仅适 合训练大模型，且对比通用 GPU 具备成本（TCO）优势。此外，谷歌不仅已通过 TPU 实现包括 Gemini 在内的自身模型训练，其专门为谷歌开源深度学习框架而定制，与 TensorFlow、PyTorch、JAX 等机器学习框架集成在一起，且已商业化落地，能为云端 客户提供自研模型的硬件支持。对比 Meta 目前的 MTIA 系列芯片仅用于广告推荐、信 息流等业务，在模型训练领域性能仍较为不足；AWS 在硬件支持自身生态系统方面稍 逊一筹，其自研芯片主要通过实例来供客户使用；微软旗下 Maia AI 芯片则推出较晚， 目前仅优先为自身云服务提供支持。 2） 研发经验丰富，已经历多次迭代。TPU 自 2016 年开始推出，八年间已迭代至第六代， 对比 AWS 及 Meta 分别在 18/23 年才陆续布局，而微软早年虽有布局但因选用 FPGA 而导致裹足不前。谷歌芯片研发经验优于同业，且具备先发优势。此外，AWS、微软 及 Meta 在模型训练上也仍需英伟达等外部厂商的支持，其中微软计划将在 2024 年直 接购买超过 40 万个 GPU，用于训练端和 Copilot /API 推理端；而 Meta 也声称在生成 式 AI 与模型端，公司仍以采购英伟达芯片为主。对比下谷歌已成功基于 TPU 完成对 Gemini、Gemma 等模型的训练。

谷歌在硬件方面深耕已久，TPU 在架构与性能参数上不断迭代。第一代 TPU 于 2016 年谷 歌 I/O 大会上正式发布，主要为谷歌云计算数据中心的机器学习应用提供，彼时仅面向推理 端，但从 2017 年推出第二代开始，TPU 已同时拥有训练和推理能力，不仅能支持浮点数 运算，且具有更高的片上内存。2018 年发布的 TPU v3 旨在提高性能和能效以满足不断增 长的机器学习任务需求，但其应用范围仍然受限于谷歌的生态系统和软件包。第四代 TPU 于 2021 年发布，主要突破在于部署可重构光电路交换机（Optical Circuit Switch，OCS） 来快速动态重新配置芯片之间的连接，有助于在出现故障时实时调整。专为中大规模训练 和推理而构建的 TPU v5e 于 2023 年发布。与 TPU v4 相比，TPU v5e 可为大语言模型提 供高达 2 倍的训练性能和 2.5 倍的推理性能，并能节约一半以上的成本。Gemini 1.0 是基 于 TPU v4 和 TPU v5e 在人工智能优化基础上进行的大规模训练，在 TPU v5p 也会应用于 加速 Gemini 开发。 2024 年 5 月 15 日，谷歌于 I/O 大会宣布第六代 Trillium TPU，并于 10 月底正式推出预览 版。Trillium TPU 通过改良芯片设计，包括扩大矩阵乘法单元（MXU）并提高时钟速度，以 及提升 HBM 和芯片间互连（ICI）带宽至 v5e 的 2 倍，使单芯片峰值算力对比 TPU v5e 提 高 4.7 倍，能效也比 v5e 高 67%以上。芯片扩展方面，Trillium 不仅通过 Multislice 技术能 在单个 Pod 中扩展至 256 个 TPU，且能通过多切片技术实现集群，从而每秒处理 PB 级数 据。目前谷歌 Trillium TPU 已于 24 年 10 月底推出预览版。此外，目前谷歌仅通过谷歌云 服务平台向外部客户提供 TPU 的算力租赁服务，而未有将其作为硬件产品出售。

相较于 GPU，TPU 在 AI 领域具有以下优势：1）性能：TPU 专为张量运算而设计，能针 对特定 AI 工作负载（训练、微调和推理）进行经济高效的扩缩，因此在特定情况下，神经 网络的训练和推理效率或更高。2）集成性：TPU 专门为谷歌开源深度学习框架而定制，与 TensorFlow、PyTorch、JAX 等机器学习框架集成在一起，可加速其工作负载，在一同使用 下效率或更高。3）成本：谷歌云上 TPU 相比 GPU 价格而言，配置 1 个 H100 芯片，内存 为 234GB 的 A3 虚拟机价格为 11.06 美元/小时，H100 现货价格为 9.04 美元/芯片/小时， TPU v4/v5e/v5p/v6 的价格分别为 3.22/1.2/4.2/2.7 美元/芯片/小时，TPU 收费存在优势。 不过，TPU 作为 ASIC 存在通用性较弱等问题。此外，TPU 的应用也在一定程度上受到英 伟达 CUDA 生态圈一家独大的影响。谷歌云作为 AI 云服务商，需满足有 AI 训练和推理需 求的客户，而英伟达 GPU 拥有生态圈成熟和开发者众多的 CUDA，是目前大部分 AI 训练 所必需的工具。因此，我们认为 TPU 或其他云大厂自研芯片不会完全取代英伟达的 GPU， 二者与英伟达 GPU 应能形成良性互补，并非零和博弈，但若未来科技厂商算法相对成熟， 设计 ASIC 去取代部分英伟达的算力也较为合适。此外，谷歌在自研 AI 芯片同时，也大量 采购英伟达 GPU，包括 H100 以及 Blackwell 平台，也引入公司 AI 云基础设施和超级计算 机架构中，目前已公布基于 Blackwell GB200 NVL 机架的预览照片。对比微软、AWS 与 Meta 亦同时采取自研+外购 AI 芯片齐头并进策略，实现优势互补与降本增效。

总的来说，我们认为：1）谷歌 TPU 或其他云厂商的自研芯片不会在一夜之间取代所有英 伟达的 GPU；2）若算法已相对成熟，可使用 TensorFlow 框架编程并在 TPU 上运行，可 有效利用其优化和加速，节省成本，或是性价比较高的选择；3）面对英伟达 CUDA 的成熟 生态圈，云厂商自研芯片无需以完全取代作为目标，而仅需为客户提供更多算力选择即可 有效打开市场。

微软：自研芯片崭露头角，布局硬件端强化 AI 竞争力

微软研发芯片早已有迹可循，但其在云业务三巨头中布局自研 AI 芯片进度较慢。目前，微 软在芯片上采取“自研+合作”双管齐下计划，以支持各种 AI 训练与推理端工作负载。微 软不仅推出自研 AI 芯片，同时积极与英伟达、AMD 等头部 AI 芯片厂商保持紧密合作，为 自身部署生成式 AI 提供不同选项。

定制 AI 芯片如期而至，以应对大模型训练成本挑战，并降低提供 AI 服务的成本。2023 年 11 月，微软在 2023 Microsoft Ignite 开发者大会上宣布将推出两款定制芯片：1）对人工智 能任务和生成式 AI 进行优化的 AI 芯片（ASIC）Maia 100；2）首款基于 Arm 构建的 Cobalt 100 服务器 CPU。微软在 2024 年 8 月进一步公布了 Maia 100 的设计细节，并于 10 月正 式推出基于 Cobalt 100 的虚拟机。不过 Maia 将优先为自身 Azure 云服务提供支持，欲降 低对英伟达昂贵芯片的依赖。 Maia100和Cobalt 100 CPU的共同推出体现了微软多元化的芯片策略和对 AI计算中不同工 作负载的重视。此外，微软的 Cobalt 100 基于 Arm 的 CPU 也应证了我们此前的观点，即 ARM 架构相比 x86 能耗较低，加上目前 CPU 在 CPU+GPU 架构中承担的任务将会减少，因 此不管在数据中心或在 AI 应用中，Arm 架构将越来越受到青睐。Maia 100 芯片专为运行和 优化云 AI 工作负载而设计，旨在运行大语言模型、帮助 AI 系统更快地处理大量数据。Cobalt 100 CPU 是微软在云中部署的第二款基于 Arm v9 指令集的 64 位处理器，旨在为微软 Azure 上的通用云服务提供支持，并针对通用工作负载的性能、功率和成本效益进行了优化。

亚马逊：AI 芯片条线清晰，推理+训练端双轮驱动助力 AI 新征程

亚马逊目前拥有3条主要的自研芯片产品线，分别为基于 ARM架构的GravitonCPU系列、 安全芯片 Nitro 系列、人工智能自研芯片系列（Inferentia 推理芯片和 Trainium 训练芯片）。 目前，也有部分客户在使用亚马逊自研 AI 芯片，例如 Anthropic、Airbnb、Snap 和 Hugging Face 等。 亚马逊未来将加大投入，主要取代场景为公司的自有实例。自研芯片能改善硬件供应端的 限制，以及成本竞争力等关键问题。我们认为，未来 AWS 不会使用其专有芯片完全取代其 实例中提供英伟达、AMD 等的外购芯片解决方案，但由于硬件创新对于成本竞争力至关重 要，AWS 预计未来将增加对自研芯片开发的投入。 回溯亚马逊产品发展历史，2013 年亚马逊推出首颗针对底层系统的 Nitro 芯片；2015 年， 亚马逊收购了以色列芯片初创公司 Annapurna Labs 作为专注于亚马逊的芯片定制团队，并 于 2018 年推出基于 Arm 架构的服务器 CPU 芯片 Graviton。针对人工智能与机器学习关键 环节，亚马逊分别在 2018 年与 2020 年首次推出自研 AI 推理芯片 Inferentia 和训练芯片 Trainium。目前亚马逊已决定停止开发 Inferentia，将资源集中转向 Trainium。公司在 2024 年 12 月的 re:Invent 大会上宣布 Trainium 2 芯片已全面投入使用，可用于训练和部署大型 语言模型，并计划在 2025 年下半年发布采用 3nm 制程的 Trainium 3。

Inferentia 系列芯片旨在提高推理任务性能的同时降低成本。2023 年 4 月，AWS 发布新一 代 Inferentia 2 与 Inf2 实例算力方面，Inferentia 2 针对 INT8 数据类型可提供算力达 380 TFLOPS，针对 FP16/BF16 数据类型算力达 190 TFLOPS，并额外添加了对 FP32、TF32 和可配置的 FP8（cFP8）数据类型的支持。内存方面，Inferentia 2 具备 32GB HBM，带 宽为 820 GB/s，对比 Inferentia 总内存增加了 4 倍，内存带宽增加了 10 倍。针对训练机器 学习模型，Trainium 系列训练芯片能优化成本。在 2023 年 11 月的 re:Invent 大会上，AWS 宣布推出新一代 Trainium 2。Trainium 2 芯片具有 2 个计算核心与 4 个 HBM 内存堆栈。与 第一代 Trainium 相比，Trainium 2 的训练性能提高了 4 倍，内存容量提高了 3 倍，同时能 效提高了 2 倍。在 2024 年 12 月的 re:Invent 大会上，AWS 宣布 Trainium 2 正式应用于 Amazon EC2 Trn2 实例。

模型侧多模态和轻量化成为趋势，谷歌布局仍处第一梯队

如今模型应用发展有两大趋势：1）单一文本模型向多模态大模型转变；2）大参数模型向 轻量化与端侧发展。谷歌在两方面部署上均处于第一梯队，对比同业模型竞争优势明显。 我们认为，在大模型竞争中，OpenAI 虽凭借早期先发优势与商业化落地率先抢占市场， 但目前谷歌凭借自身硬件、数据与生态优势，叠加以 Gemini 为主的“AI 全家桶”重振旗 鼓，逐渐抢回 AI 赛道上的主动权。如今 OpenAI 不仅模型迭代的速度开始变慢，且管理层 接连出现变动，23 年 11 月 CEO Sam Altman 出现领导力危机，24 年 5 月联合创始人 IIya Sutskever 离职，9 月 CTO Mira Murati、首席研究官 Bob McGrew 和研究副总裁 Barret Zoph 均宣布离职，显现出公司管理层内部或存在一定问题。对比下谷歌有望在此次 AI 竞 赛中逐渐缩小与 OpenAI 的技术与份额差距。

各科技公司针对自身软硬件优势各有侧重： 1） 谷歌凭借自身 TPU 与数据集赋能大模型发展，持续拓宽模型应用范围。先后推出大语 言模型 PaLM、PaLM2，并加强垂直应用布局，依据特定领域的数据进行了模型微调， 以执行企业客户的特定任务。多模态大模型 Gemini 在多项基准测试中的优秀表现已成 功挑战到 OpenAI 一家独大的地位。此外，谷歌在轻量化大模型、可交互生成式世界模 型上亦有部署，旗下 Gemma 系列及 Genie 先后推出以强化自身模型端竞争力。另外， 作为 Transformer 的发明者，谷歌也非常明白大模型的幻觉问题，因此，他们并没有将 此技术直接应用到搜索里。不过，面对像 Perplexity 等“先搜索、后整理”的正确运用 大模型去整理爬虫等搜索结果的后起之秀，我们认为谷歌也有必要急起直追，以巩固其 在搜索的霸主地位，防止份额被进一步蚕食。 2） 微软联盟 OpenAI 在大模型领域占据先发优势，多元布局欲打造 AI 模型帝国。2022 年 11 月 30 日，基于 GPT-3.5 的 ChatGPT 正式发布，开创了人工智能新纪元。微软则 通过与 OpenAI 相互赋能，成为一时无两的大模型领域领跑者。但近期 OpenAI 的各种 问题，包括多位高管和创始人的离职，加上竞争格局愈发激烈，以及 Scaling Law 的发 展开始众说纷纭，并涉及到通用性(Artificial Generative AI)和垂直领域(domain expertise)应用的争议等，也将影响微软在 AI 应用的落地。截至 24 年 10 月，微软已向 OpenAI 投资共计 137.5 亿美元，并拥有 GPT-4o 和包括 DALL·E、Embedding、Whisper 等在内的所有其他 OpenAI 人工智能模型的独家授权，让其 Azure OpenAI 服务旗下模 型种类众多且能商业化率先落地。而微软自身也针对轻量化模型领域于 2024 年 4 月发 布开源模型 Phi-3，包含单语言模型的 mini、small 和 medium 版本和多模态的 vision 版本，助力边缘智能终端部署，但先发优势能否维持则有待观察。 3） 亚马逊也具备较完整的硬件端产品布局，专注 B 端客户布局中间层服务。亚马逊主要 聚焦 B 端客户需求，其借助自研训练芯片 Trainium 与推理芯片 Inferentia 具备构筑大 模型的成本优势，拥有自研大语言模型 Amazon Titan，亦为 B 端提供 Amazon Bedrock 服务平台，让用户能访问来自 Anthropic、Cohere、Meta with Llama2 和 Stability Al 等丰富的 AI 模型库。 4） Meta 深耕开源大语言模型 LlaMa，多模态与轻量级模型齐发力。Meta 深耕轻量化模 型领域，旗下 LlaMa 能以较小的参数量媲美主流大模型性能，并通过开源免费提供给 研究者和商业使用者。2024 年 4 月，Meta 发布 Llama 3，12 月更新到 Llama 3.3 版本， 使性能与效率双升，并进一步节省算力。此外，Meta 不仅通过 ImageBind 实现跨多模 态创建联合嵌入空间技术，还构建了针对翻译、语音、图像及视频的多款轻量化模型。 5） 字节跳动豆包大模型崭露头角，快速工厂式复制 AI 应用。豆包大模型具备多模态处理 能力，日均 tokens 使用量超过 4 万亿，相比发布时增长了 33 倍。至 2024 年 11 月， 豆包 APP 的月活跃用户数（MAU）已达到约 5998 万。我们认为，字节跳动具备爆款 应用的生产能力，有望在 AI 垂类领域复制，但后续盈利能力仍待观察。6） 百度飞桨+文心大模型打造中间技术层，赋能模型应用蓬勃发展。文心大模型 ERNIE 涵盖 NLP、视觉、跨模态、生物计算和行业模型五大领域。目前，百度 AI 架构已具备 垂直一体式布局，下游行业覆盖面广泛，已有多家合作伙伴接入文心生态。

谷歌：大模型推陈出新追赶 GPT，强化 AI 领域竞争优势

2023年 12月 6日，谷歌宣布多模态大模型 Gemini 1.0 正式上线。模型分为 Gemini Nano、 Gemini Pro、Gemini Ultra 三个版本，被用于从数据中心到移动设备的所有设备上，并将 渗透于整个 Google 生态中。谷歌在大模型领域深耕多时：公司于 2023 年 3 月发布聊天机 器人 Bard；4 月份将 Google Brain 和 DeepMind 人工智能实验室合并；5 月份在 Google I/O 大会上，宣布新实验室 Google DeepMind 开始研发 Gemini；历经半年大规模开发，团队 成果得以面世。2024 年 5 月，谷歌于 I/O 大会宣布推出 Gemini 1.5 Pro 和轻量化版本 Gemini 1.5 Flash。2024 年 12 月，谷歌宣布推出 Gemini 2.0，先行推出 Flash 实验版本可供用户 和开发者使用，目前尚未明确定价方式。

1） Gemini 1.5 Pro：首创大型模型长上下文窗口。不仅升级了翻译、编码、推理、音频和 图像理解等功能，且其私人预览版上下文窗口已达 200 万 tokens，对比远超 GPT-4o 的 12.8 万。在文本、代码、图像、音频和视频评估测试中，1.5 Pro 87%的表现优于 1.0 Pro，与 1.0 Ultra 大致相似。在 NIAH 评估中，1.5 Pro 在 99%的时间内都能从长文 本块中找到所需嵌入文本。此外，Gemini 1.5 Pro 还具备情境学习技能，可从长信息中 学习新技能，而不需要额外微调。 2） Gemini 1.0 Ultra：谷歌最大、性能最强的模型。用户能访问 Gemini Advanced 使用 Gemini Ultra。Gemini Ultra 能有效执行编码、逻辑推理、遵循复杂指令以及协作创意 项目等复杂任务。此外，移动端用户也能使用 Android 和 iOS 来体验 Gemini Ultra。 3） Gemini 2.0 Flash：最受开发者欢迎的模型，主打低延迟下的增强性能。2.0 Flash 在 关键基准测试中速度是 1.5 Pro 的两倍。除了支持图像、视频和音频等多模式输入外， 2.0 Flash 还支持多模式输出，例如与文本混合的原生生成图像和文本转多语言音频。 此外还可以原生调用 Google 搜索、代码执行以及第三方用户定义函数等工具。 4） Gemini 1.0 Nano：设备端任务模型。可在支持 Android 的设备上运行，此外，需要使 用 Android 版 Google AI Edge SDK。2023 年 12 月，Google 官宣 Gemini Nano 将在 Pixel 8 Pro 上正式运行，有助于防止敏感数据离开手机，并提供在没有网络连接的情况 下获取录制的对话、采访、演示等内容的摘要。 Gemini 模型采用多模态模型技术，发展前景广阔。Gemini 1.0 模型建立在 Transformer 之 上，并使用 TPUv5e 和 TPUv4 进行训练与优化，Gemini 2.0 则基于最新的 Trillium TPU 上 进行训练和推理。预训练数据集选取于网络文档、书籍和代码。谷歌没有像 OpenAI 构建 DALL·E 和 Whisper 那样单独训练图像和语音模型，而是直接建立原生多模态模型，这有 助于 Gemini 无缝理解和推理各种输入，不仅优于 GPT-3.5 纯文字大语言模型，也不需要 像 GPT-4 那样依赖插件和集成来实现推理、编码、文本、图像、音频等功能。

多维度基准测试展现 Gemini 性能，挑战 OpenAI 一枝独秀的地位。得益于谷歌专有数据 与多模态特性的支持，Gemini 1.0 Ultra 在基准测试中的 30 项上领先于 GPT-4，但幅度较 小。多任务语言方面，Gemini 1.0 Ultra 在 MMLU（大规模多任务语言理解）中的得分率高 达 90.0%，首次超越人类专家，对比 GPT-4 的准确率为 86.4%；图像基准方面，Gemini 1.0 Ultra 无需从图像中提取文本，能直接进行 OCR 处理，在 MMMU 基准测试中准确率为 59.4%； 代码处理方面，Gemini 创建的代码生成系统 AlphaCode 2 表现优于 87%的竞赛参与者， 能够理解 Python、Java、C++等高质量代码。随着谷歌 AI 产品逐步商业落地，未来将成为 OpenAI 有力的竞争对手，估值低于微软的局面或将扭转。 Gemini 2.0 推出思维模式，对标 OpenAI o1 模型，在“幻觉”处理方面更进一步。基于 Gemini 2.0 Flash，谷歌经过专门训练推出 Thinking 模式，可使用思维（thoughts）来增强 其推理能力。与 o1 思维链（chain of thoughts）的关键区别是，Gemini 2.0 Flash Thinking 在进行过程中会明确展示其推理过程，而 o1 则会隐藏其步骤，对于需要确保在长思维链中 不会出现幻觉的领域来说，我们认为这是谷歌相对于 OpenAI 产品的重大进步。截止 2024 年 12 月，Gemini 2.0 Flash Thinking 模型已经跃居 Lmarena Chatbot Arena 的第一位，且 在编程、数学、创意写作等各项评测任务上均为第一名。Targum 创始人和 CEO Alex Volkov 通过 10 个难题对 o1-2024-12-17 和 Gemini-2.0-flash-thinking 进行了对比测试，结果发现 这两个推理模型的表现相当，而后者的速度更快。

Gemini 定价对标 GPT Plus，踏上大模型商业化落地万里长征的第一步。目前，用户能免 费使用 Gemini 聊天机器人，谷歌 Gemini Ultra 1.0 通过 Google One AI Premium 提供，具 有两个月免费试用期，此后订阅价格为 19.99 美元/月。对比 OpenAI 提供“GPT Plus”订 阅价格为 20 美元/月。新贵 AI 搜索公司 Perplexity 同样将其 Perplexity Pro 版本价格定位 在 20 美元/月。Google Gemini 开发者模式则分不同模型定价，其中 1.5 Flash 免费版本速 率限制在 15RPM，付费版本无限制，价格与 GPT-4o-mini 对标；1.5 Pro 免费版本速率限 制在 2RPM，付费版本无限制，价格与 GPT-4o 对标。

全新轻量化大语言模型 Gemma 系列除在 TPU v5e 和 v5p 上优化以外，也针对英伟达芯 片进行优化，跨设备兼容性提升。2024年2月，谷歌推出首款轻量化开源大语言模型Gemma， 其采用与 Gemini 相同的技术构建，分为 20 亿参数和 70 亿参数两种规模，更类似 Gemini Nano 模型的 18 亿和 32.5 亿参数量。Gemma 配备多框架工具，能够在 Keras 3.0、本机 PyTorch、JAX 和 TensorFlow 进行推理和微调。此外，Gemma 还具备跨设备兼容性，可 在笔记本电脑、台式机、物联网、移动设备、谷歌云中运行，并可部署在 Vertex AI 和 Google Kubernetes Engine（GKE）上。2024 年 5 月，谷歌宣布宣布推出 Gemma 2（27B 参数）， 其采用全新架构，通过算法改进实现轻量化，其性能可媲美 Meta 参数更大的模型 Llama 3 （70B 参数）。

谷歌 Genie 打造可交互生成式世界。2024 年 2 月，谷歌发布 Genie，作为谷歌继推出大模 型 Gemini、开源大模型 Gemma 之后的新模型。Genie 能接受文本和图像提示，并生成类 似视频游戏的交互式环境。Genie 参数量达 110 亿，在 2D 平台游戏的超过 200000 小时的 视频上进行训练。Genie 的核心组件基于 Vision Transformer 构建，可用于处理视频等具有 时间和空间维度的数据，底层数据库则基于大量游戏视频建立。不同于 Sora、Runway 等 模型，Genie 生成的内容具备可交互属性，用户可通过文本对所生成虚拟环境中的角色动作 进行操控。此外，Genie 由潜在动作模型、视频分词器、动态预测模型三大核心组件组成， 其不仅能理解并推理每帧之间的潜在动作，还能逐帧预测视频，并生成符合运动规律的序 列帧。Genie 也具备可模拟性，其能通过短视频模拟物体的动态变化来训练机械臂等多功能 智能体，有助于机器人的发展。2024 年 12 月，谷歌发布 Genie 2，在上一代的基础上实 现了通用性的飞跃，不同于 Genie1 只能生成 2D 元素，Genie 2 能够生成丰富的 3D 世界， 并具备例如对象交互、复杂的角色动作、物理建模以及预测其他 NPC 行为的能力。

2023 年初至今谷歌加码投资多家 AI 独角兽，丰富 AI 版图。伴随 2022 年末以 ChatGPT 为首的生成式 Al 走入大众视野，谷歌在 2023 年对各领域 AI 初创企业的投资持续推进。根 据 Pitchbook 数据，自 2023 年起，谷歌已经投资包括 Anthropic、Hugging Face、Runway 在内的多家 Al 独角兽企业。我们认为此举或出于谷歌对拓宽业务渠道与巩固生态壁垒的需 求，如推出 Claude 3 的初创公司 Anthropic。 2023 年初，谷歌已对 Anthropic 投资 3 亿美元，并获得该公司 10%的股权，2023 年 10 月 谷歌再次向 Anthropic 追加投资 20 亿美元，AWS 也于 2024 年 3 月向 Anthropic 追加 27.5 亿美元投资，总投资额达 40 亿美元，使得 AWS 成为其主要云提供商。24 年 11 月 Anthropic 宣布将使用亚马逊的 Trainium 和 Inferentia 芯片来训练和部署其未来的基础模型。我们认 为，谷歌二度注资 Anthropic 能增强谷歌云在 AI 模型部署上的生态丰富程度，同时也能在 与 OpenAI 的模型竞争中减少新树敌，未来科技巨头争夺 AI 霸主的军备竞赛或更为激烈。

Anthropic 由 OpenAI 前研究副总裁 Dario Amodei 等人于 2021 年创立，旗下 Claude 系列 模型基于 Transformer 架构，且具备推理、视觉分析、代码生成与多语言处理等功能，全面 对标 GPT 系列。2023 年 7 月 11 日发布的 Claude 2 单次可处理高达 10 万 Tokens 的上下 文窗口，对比 GPT-4.0 Turbo 为 12.8 万 Tokens。而在 MMLU 准则中，Claude 2 评分也仅 次于 GPT-4，且已被 Slack、Notion 和 Quora 等众多公司使用。2024 年 3 月 4 日，Anthropic 宣布推出 Claude 3 系列，包括 Haiku、Sonnet 和 Opus 三种型号，能支持文字与图像输入， 并在速度与准确性优化的前提下支持 20 万 Tokens 的上下文窗口。其中，Claude 3 Opus 首次在 MMLU、GPQA 与 GSM8K 等 10 项评分准则中超越了 GPT-4 与 Gemini 1.0 Ultra， 在 3 月发布之后曾经成功登顶 Chatbot Arena 排行榜第一，目前仍保持前十地位，成为 OpenAI 在 LLM 领域的有力竞争者。

微软：多元布局稳固市场，携手 OpenAI 欲打造 AI 大模型帝国

微软多次向 OpenAI 投资，巩固自身在 AI 大模型领域地位。OpenAI 成立于 2015 年，2019 年 3 月，OpenAI 设立 OpenAI LP 并转型为有限盈利公司，同年 7 月微软向 OpenAI 注资 10 亿美元。双方开始在 Azure 云计算服务上合作开发 AI 超级计算技术。同时，OpenAI 逐 渐将云计算服务从谷歌云迁移到 Azure。2023 年 1 月 23 日，微软以 290 亿美元的估值投 资 OpenAI 约 100 亿美元，并获得 OpenAI 49%的股权，扩大与 OpenAI 的合作伙伴关系。 目前，OpenAI 提供语言类大模型 GPT 系列、图像多模态大模型 DALL·E、通用语音识别 模型 Whisper、文本向量化模型 Embeddings、文本审查模型 Moderation 等丰富模型。 微软拥有 GPT-4 和所有其他 OpenAI 人工智能模型的独家授权，并通过 Azure OpenAI 服 务提供对 OpenAI 模型的 REST API 访问。 GPT 系列：基于 Transformer 架构的大型语言模型，能理解和生成自然语言和代码。OpenAI 在 2018 年 6 月推出 1.17 亿参数的初代生成式预训练模型 GPT-1 后，陆续推出了 GPT-2 （15 亿参数）、GPT-3（1750 亿参数）、GPT-3.5（2000 亿参数），并于 2022 年 11 月推出 基于 GPT-3.5 的 AI 对话聊天机器人 ChatGPT。2023 年 3 月，OpenAI 发布 GPT-4，用户 能通过 ChatGPT Plus 获得 GPT-4 有限访问权限。 2024 年 5 月，OpenAI 推出 GPT-4o，朝着更自然的人机交互前进。GPT-4o 作为首个采 用输入+输出由同一个神经网络处理的多模态模型，接受文本、音频、图像和视频的任意组 合作为输入/输出，且可在最短 232 毫秒内响应音频输入，平均输出延迟为 320 毫秒，与人 类对话反应时间相似，对比 GPT-3.5 和 GPT-4 分别为 2.8 秒/5.4 秒。此外，GPT-4o 在文 本、推理和编码方面能与 GPT-4 Turbo 相当，在多语言、音频和视觉能力上的表现则有显 著改善。目前，GPT-4o 已能在 Azure OpenAI 服务 API 和 Azure AI Studio 中提供，其输 入/输出成本对比 GPT-4.0 Turbo 降低了 50%。

2024 年 9 月，OpenAI 推出 o1 模型，通过强化学习和“思维链”增强推理能力，分为 preview 和 mini 版本，并于 12 月推出正式版。o1 能解决比以前更复杂的问题，尤其是在科学、数 学和编程领域，o1-preview 在国际数学奥林匹克竞赛(IMO)中，GPT-4o 仅正确解决了 13% 的问题，而 o1 得分为 83%。但作为早期模型，它还不具备 ChatGPT 的许多实用功能，例 如浏览网页信息以及上传文件和图片。

亚马逊：长期软硬件积淀托底，多维度布局生成式 AI 领域

亚马逊以芯片-模型-应用构筑 AI 产业大厦，多层布局优势显著。与 ChatGPT 专注于顶部 应用程序层不同，亚马逊首先通过使用 Trainium 和 Inferentia 芯片提供基础层服务。此外， 由全托管基础模型服务平台 Amazon Bedrock 提供中间层服务，并提供 AI 模型 Amazon Titan，以多维度布局生成式 AI 领域。 Amazon Bedrock 提供业界多款基础模型的访问权限，资源优势较为显著。2023 年 9 月 25 日，亚马逊向 Anthropic 投资 40 亿美元，成为其主要云提供商，Anthropic 将利用 Trainium 和 Inferentia 来训练和部署模型。同时，Anthropic 承诺为 AWS 客户提供通过 Amazon Bedrock 访问其 Claude的权限。2023 年 11 月 29 日，AWS宣布 Meta 的大型语言模型 Llama 2 13B与 70B将托管在 Amazon Bedrock 中。此外，Amazon Bedrock 还提供了来自 Cohere、 Stability Al、AI21 Labs 等丰富的模型库。 Amazon Titan 自研大语言模型，通过完全托管的 API 提供三类模型：用于内容生成的文 本模型、可创建矢量嵌入的多模态嵌入以及图像生成模型，主要应用场景为广告领域的精 准推荐和图像生成。

Meta：开源模式另辟蹊径，发展数据融合技术切入模型市场

Meta 在 OpenAI、谷歌主导的 AI 闭源模型之外开辟开源 AI 模型赛道，推出 LlaMa 系列大 模型，并在 2023 年推出开源文本生成音乐模型 Audiocraft、公开多模态视频数据集 Ego-Exo4D、开源视觉模型 DINOv2。此外，2024 年 3 月 Facebook 负责人 Tom Alison 表示，Meta 到 2026 年的技术路线图涉及开发人工智能推荐模型，以支持类似 TikTok 的 Reels 短视频服务和传统的较长视频，为整个视频生态系统助力。 LlaMa 仅用约 1/10 的参数规模，实现了媲美 OpenAI GPT-3、DeepMind Chinchilla、谷 歌 PaLM 等超大模型的性能。我们认为，Llama 竞争力的关键是实现改进算法以减小模型 参数，其不仅能降低算力需求，还可加速 AI 与边缘端融合。2023 年 2 月，Meta 发布大语 言模型 LlaMa，LLaMa 采用 Transformer 架构，分为 70 亿、130 亿、330 亿和 650 亿四种 参数规模。LlaMa 2 于 2023 年 7 月 18 日发布，架构基本保持不变，但预训练数据增加到 2 万亿个 tokens，上下文长度增加了一倍。2024 年 4 月，Meta 发布 Llama 3，首发 80 亿 和 700 亿参数版本。对比同参数规模的模型（谷歌 Gemma、Llama 2），Llama 3 表现较佳。

字节跳动：以豆包大模型为基准，快速工厂式复制 AI 应用

2023 年 8 月，字节跳动推出了底层大模型“云雀”，并随后推出了人工智能对话产品“豆 包”。2023 年 11 月，字节跳动成立专注于 AI 应用的 Flow 部门，将其提升至与抖音、火 山、飞书等同等重要的业务部门地位。为了统一字节跳动旗下的 AI 产品品牌，增强市场认 知度和用户接受度，2024 年 5 月云雀大模型正式更名为豆包大模型。在 2024 年 5 月至 12 月间，豆包大模型的日均 tokens 数据呈现快速增长的趋势，从 1200 亿增长到 40000 亿， 增幅最大，最新数据已达所有模型之首。定价方面，豆包通用大模型为每千输入 tokens 0.0008 元，约为 GPT-4o 价格的 1/23，GPT-4o-mini 价格的 3/4，豆包视觉理解大模型为 每千输入 tokens 0.003 元，约为 GPT-4o 价格的 1/6，具备相当的价格优势。 在豆包大模型的技术基础上，我们认为字节跳动的主要竞争力为基于各个场景推出不同 AI App，积极布局 AI 市场。字节跳动在 AI 领域采取了“火力覆盖”的战略，意在不遗漏任何 一个潜在的市场机会。通过推出多款产品，字节能够与市场上的优质竞品进行直接竞争， 迅速占领市场份额。例如，豆包对标 ChatGPT 和百度文心一言，而猫箱则与 MiniMax 旗下 的社交 AI 产品星野竞争。“豆包”是字节跳动整合封装豆包大模型能力推出的同名 AI 助手 产品，囊括搜索、写作、数据分析、图像生成、音乐生成等多种能力，有 PC 端、移动端、 网页端、浏览器插件 4 种产品形态。在 2024 年 11 月的 AI 产品全球月活跃排行榜中，豆包 App 的 MAU 达到了 5998 万，仅次于 OpenAI 的 ChatGPT，位列全球第二，全国第一。

百度：文心大模型成为国内 AI 模型的早期实践者

文心大模型 ERNIE 涵盖 NLP、视觉、跨模态、生物计算和行业模型五大领域，为国内 AI 大模型的早期实践者。2019 年 3 月，百度基于早期的神经网络语义匹配技术，发布预训练 模型文心 ERNIE1.0，其在语言推断、语义相似度、命名实体识别、情感分析和问答匹配等 NLP 中文任务上超越 BERT；同年 7 月，百度发布文心 ERNIE2.0，在 16 项中英文任务上 超越 BERT 和 XLNet。目前，文心大模型包含 NLP 大模型、CV 大模型、跨模态大模型、 生物计算大模型、行业大模型，截至 2024 年 2 月，文心大模型已形成“模型层+工具与平 台层+产品与社区层”的整体布局，整体日调用量超过 5000 万次。

百度自身优势赋能+企业合作双轮驱动模型端商业化进程。我们认为，百度早期搜索业务为 AI 布局提供基底，其 AI 架构具备一定的垂直一体式布局，并有多家合作伙伴接入文心生态， 对比国内其他大模型虽具备先发优势，但面对来势汹汹的后起之秀豆包，能否脱颖而出仍 需观察。

安卓生态或有端侧 AI 爆发潜力

安卓系统已经在全球范围内拥有超过 30 亿活跃设备，这一庞大的用户基础为谷歌带来了无 与伦比的数据资源和市场影响力。安卓生态的开放性和灵活性，使得谷歌能广泛覆盖从入 门级到高端旗舰的各种设备。谷歌将其“GMS”(Google Mobile Services Stack，谷歌移 动服务堆栈)捆绑到 Android OEM 协议中，这使得 Play store、Chrome、谷歌地图、谷歌 搜索和其他服务在 Android 设备上占据近 100%的份额，为 AI 技术的普及和商业化提供了 天然的优势。

谷歌正积极将 AI 技术嵌入安卓设备中，以提升用户体验并开辟新的收入来源。谷歌搜索以 Circle to Search 的方式融入安卓硬件生态中，用户能够通过，圈出、突出显示、涂鸦或点 按图片、视频或文字的方式，即时搜索在手机上看到的任何内容，并获得由 AI Overviews 所总结的结论。另外，通过对海量数据的处理，谷歌可精确地了解用户需求，从而在手机 端推出定制化广告、推荐系统等商业化应用。 谷歌将 AI 助手集成于 Pixel 及部分安卓手机，移动端 AI 已初见成效。在 made by Google 2024 发布会上，谷歌展示了如何通过 AI 提升 Pixel 手机的摄像头功能，如实时优化照片效 果、自动生成短视频等。随着 Gemini 与 Android 深度集成，谷歌正在以 AI 为核心重建操 作系统，并重新定义手机的功能。例如，用户可在应用顶部调出 Gemini 的叠加层，询问 屏幕上内容的问题，包括找到正在观看的 YouTube 视频的具体信息，还可直接从叠加层 生成图像，并将其拖放到 Gmail 和 Google Messages 等应用中。

AlphaFold 专攻 AI 医疗，走在 AI 落地 B 端商业化前沿

谷歌的 AlphaFold 是旗下 DeepMind 开发的一项医疗领域人工智能模型，主要应用于药物 开发、生物学研究和新蛋白质设计等场景。AlphaFold 能够：1）通过准确预测靶点蛋白质 的三维结构，加速新药研发过程；2）理解蛋白质功能、相互作用及其在细胞中的角色，促 进基础科学研究的进展；3）激发新算法的开发，例如设计自然界中不存在的新型蛋白质， 为合成生物学提供了新的工具。 AlphaFold 的研究始于 2017 年，目前已发展至第三代。2018 年，DeepMind 推出 AlphaFold 1，并在 CASP13 竞赛中获得冠军，展示了其在蛋白质结构预测方面的潜力。该模型结合了 ResNet 网络架构和共进化信息。2020 年，AlphaFold 2 发布，该模型在 CASP14 竞赛中 取得了 92.4 的 GDT-score。AlphaFold 2 利用 Transformer 和大量数据库数据进行训练， 使得结构预测的准确率超过 90%，全球数百万研究人员已使用 AlphaFold 2 在疟疾疫苗、 癌症治疗和酶设计等领域获得新发现。 2024 年 5 月，DeepMind 推出了 AlphaFold 3，它不仅能预测单体蛋白质的结构，还能模 拟蛋白质与 DNA 或 RNA 等其他分子的相互作用，进一步推动了生物预测模型的发展。 AlphaFold 3 采用新一代架构和覆盖所有生命分子的训练体系，核心是在基于 AlphaFold 2 改进的 Evoformer 模块。在处理输入的分子列表后，AlphaFold 3 使用类似于 AI 生成图像 的扩散网络组装预测结果，生成相互配合的三维结构。AlphaFold 3 能够对包括蛋白质、DNA 和 RNA 在内的大型分子进行建模，也可以对小分子（即配体，包括许多药物）建模。此外， AlphaFold 3 还能够建模分子的化学修饰，化学修饰调控着细胞的正常功能，当被破坏时可 能导致疾病。

我们认为，大模型在医疗行业如创新药研发，具备充足落地条件，鉴于可通过物理和化学 定律有效控制和监管幻觉的出现，从而受其影响较少。生物学结构具备一定的规则，因此 在大模型优化方向上更具备目的性，AlphaFold 能够通过技术优化、数据增强和置信度设 置使大模型在进行蛋白质预测时提高准确性并减少“幻觉”问题： Cross-Distillation（交叉蒸馏）：AlphaFold 3 使用了交叉蒸馏技术，集成了来自其前 身 AlphaFold 2 和 AlphaFold-multitimer 的预测，能够用预测结构的例子丰富训练数据 集。这种方法有助于模型从以往的经验中学习，从而提高其处理紊乱区域的准确性， 显著减少幻觉行为。 Diffusion（扩散）技术：AlphaFold 3 使用基于扩散的生成技术，从噪声输入开始并 逐步完善，以产生准确的预测。尽管扩散技术可能会带来幻觉，但 AlphaFold 3 可以 直接在三维原子坐标上操作，而不是依赖传统方法，有助于在管理复杂性的同时保持 预测准确性。 专业增强的培训数据：该模型已经在更广泛和多样化的数据集上接受了训练，其中包 括容易产生幻觉的结构。通过在训练期间将 AlphaFold 3 暴露在更广泛的蛋白质配置 中，它学会了生成更多生物学相关的结构，同时最大限度地减少生成不可信结构的可 能性。 损失函数优化：AlphaFold 3 包含复杂的损失函数，不仅能够提高结构的准确性，而且 还教会模型预测其生成结构的置信度。这种自我评估能力使得 AlphaFold 3 能够识别 生成预测的质量高低。 置信度设置：AlphaFold 3 还包括评估原子级别和最终输出中的成对错误的置信度措施。 这种机制使我们能够从不同的样本中选择更高质量的结构，进一步减轻幻觉的影响。

广告业务：谷歌份额领先，但 AI 搜索进度仍需观察

展望全球广告市场，受益于经济前景改善，我们预计 2025 全球广告行业恢复超预期，最大 广告市场美国增长势头良好。我们预期全球广告行业 23-26 年 CAGR 为 8.8%，同时线上 渗透率保持扩张，支出占比将从 23 年 68.0%抬升至 26 年 74.0%。 我们预计谷歌 Services 业务 FY24/25/26 营收为 3046/3332/3632 亿美元，对应同比为 11.8%/9.4%/9.0%。 广告是谷歌的主要营收来源。FY23 广告收入 2378.6 亿美元（+6.0% yoy），占总收入 77.4%。 广告业务由三大板块构成： 1） 谷歌搜索和其他广告，包括 Google 搜索引擎广告，及 Google 其他自有产品广告收入， 如 Gmail、Google Maps 及 Google Play。搜索广告是谷歌广告基本盘；该板块 FY23 收入 1750.3 亿美元（占广告收入 74%），+7.7% yoy； 2） YouTube 广告，包括 YouTube 移动、PC 及电视大屏端广告收入。乘线上视频东风， YouTube 广告近年增长动能较强，18-23 CAGR 23.1%，但 22 年以来增速略有放缓。 FY23 创收 315.1 亿美元，+7.8% yoy； 3） Google Network 广告，覆盖第三方合作媒体资源，FY23营收 313.1 亿美元，-4.5% yoy。

谷歌于 21 年推出 AI 驱动的自动化投放工具 Performance Max（简称 Pmax）。该工具集 成了谷歌各类自有和第三方广告资源，覆盖搜索、视频、购物、发现和展示广告网络（Google Display Network）。该工具优势在于：1) 全自动：用户可根据投放目标和预算，一键生成 广告计划，优化难度低；2) 数据互通：过往广告主需针对不同目标，分别设置广告计划， 跨计划数据追踪、比对和归因难度较高；此外，随着 Cookies 使用率下降，此前部分广告 资源数据可用性受限。 对比其他广告位，Pmax 广告凭借出色投放效果获得高单价。据 Gupta Media, 24 年以来 Pmax 全球平均 CPM 约为 9.90 美元，+13.6% yoy，显著高于 Google Display（4.65 美元） 与 YouTube 广告（1.67 美元），并高于 Meta 旗下 Facebook 和 Instagram CPM 均值（5.83 美元）。

谷歌搜索广告：份额稳定居于全球头部，广告份额受电商和 AI 应用挑战

谷歌搜索广告主要依托 Google Search 搜索引擎，汇集全球大部分搜索流量。据 Similar Web，Google.com 访问量居全球榜首，22 年 12 月-23 年 11 月，月均访问量超 856 亿次、 月均访问人数高达 24.4 亿。以美国为例，据 comScore，08-23 年间，谷歌旗下站点处理 了全美 60%的搜索请求，处于绝对头部。 谷歌搜索广告收入居于全美第一，但在电商挑战下，份额逐年下降。分类型来看，传统综 合搜索广告份额下降，如谷歌搜索收入占比由 18 年的 60%降至 23 年的 52%，或于 25 年 跌破 50%。与此相比，随着零售线上化深入，并逐渐向头部平台集中，以亚马逊为代表的 电商平台内搜索广告发展迅速，如亚马逊 23 年市占率 21%，较 18 年高增 11pct。 但我们认为，搜索广告仍具备明显优势，可较好捕捉高转化潜力用户，是效果广告的主流 形式，吸引零售、金融等高价值广告客户。公司在 3Q 业绩会表示，2Q23 以来，搜索板块 广告增长主要由零售板块驱动，尤其是 APAC 地区的零售商。亚太地区电商投放增长迅猛： 例如，23 年以来，Temu、Shein 等跨境电商投放激增，二者美国广告预算中，分别有 12% 和 5%花费于 PC 桌面；此外，垂直领域的广告增长更聚焦政治与金融服务业广告投放，主 要得益于竞选活动和保险行业的复苏，贡献更多高价值广告客户。

谷歌作为 AI 大模型 Transformer 奠基者，具备先发技术优势

谷歌具备 AI 大模型领域的深厚技术积淀，大模型基础 Transformer 架构由谷歌 Deep Mind 团队 2017 年提出，首次亮相于论文《Attention Is All You Need》。该架构利用自注意力 机制，能高效处理序列数据，学习上下文信息并生成输出。与传统的 RNN 模型相比， Transformer 能并行处理序列中的所有元素，显著提升计算效率。在 Transformer 出现之前， 深度学习模型主要依赖监督学习，需要大量标注数据。而基于 Transformer 的 GPT 模型则 采用自我监督学习（Self-supervised Learning）进行预训练，辅以少量监督学习进行微调。 Transformer 架构在处理关联性强的任务时表现出色，适合创造性的生成任务，但仍需增强 逻辑判断能力。

AI Overviews 基于搜索小步尝试 AI，Gemini Deep Search 试图以 AI 颠覆搜索范式

谷歌将人工智能技术整合至其搜索引擎核心业务，推出了多项创新搜索功能。谷歌已引入 AI Overviews 在原有搜索生态的基础上提高搜索体验并保持广告模式，并叠加基于 Gemini 入口的 Deep Search 提供实验性质的搜索服务。谷歌搜索已经过数次大更新，其 中不乏 AI 技术的引入，以提高搜索结果的准确性和相关性：从 2013 年用于优化搜索引擎 语义理解的蜂鸟算法（Hummingbird），到 2015 年用于搜索结果排序的机器学习算法 RankBrain 助力搜索引擎处理复杂查询、同义词以及提供更加个性化的结果，再到 2019 年 基于 Transformer 架构的 BERT 进一步提升搜索引擎联系上下文进行语义理解的能力。 2023 年 5 月，谷歌在 I/O 开发者大会宣布将生成式 AI 引入搜索引擎，并推出名为搜索生 成体验(SGE)功能。此外，谷歌于同年 11 月升级谷歌商店，开辟了“AI 赋能的扩展程序” 栏目，利用各种以生成式 AI 为后盾的扩展程序，从而提升浏览器性能。 AI Overviews 在谷歌搜索页面顶部提供多源信息摘要，并附带链接，并继续采用在 AI 搜 索结果中嵌入广告的模式。2024 年 5 月，谷歌在 I/O 开发者大会推出同时采用深度学习 +Transformer 技术的 AI Overviews 搜索引擎，其能针对复杂问题进行算法价值判断，并决 定是否提供 AI 生成答案与传统链接摘要，最终展示在搜索结果顶部。截止 2024 年 10 月， AI Overviews 功能已拓展至超过 100 个国家或地区，已触达 10 亿用户。 2024 年 12 月，谷歌与 Gemini 2.0 同期发布基于 Gemini 的 Deep Search，在谷歌 Gemini Advanced 订阅服务中可用，截止 2024 年 12 月仅支持英文版。Deep Search 基于 AI Agent 原理，类似 Perplexity 的模式，首先提供一个多步骤的研究计划，用户可以进行修改和批准， 然后利用 Google 搜索引擎在网络上查找相关信息，从而结合 Gemini 的高级推理和长上下 文处理能力，帮助用户探索复杂的主题并撰写报告，且每条信息均有确定的来源。在生成 报告后，用户可以导出到 Google Docs 继续编辑。

我们认为，AI Overviews 是在谷歌最主要的搜索入口上方提供 AI 索引，并未改变其搜索 广告的盈利方式，广告主依然可以按此前谷歌的成熟算法模式投放广告，是一种面向大范 围用户但小步探索 AI 的方式。与其不同的是，Gemini Advanced 所包含的 Deep Search 目前只面向 Gemini 订阅用户，是结合大模型对搜索所做的更颠覆商业模式的尝试。但我 们认为基于目前的订阅模式，再打磨基于 Gemini Deep Search 的新广告投放算法，或能 成为 AI 搜索时代的谷歌新商业模式。考虑到谷歌 CEO 曾表示 Gemini 将是谷歌下一个现 象级应用入口，我们看好谷歌在打磨新搜索商业模式之后，凭借其 AI 技术积淀和庞大的应 用生态，在 AI 时代继续保持搜索王者地位。 其他 C 端应用包括，Circle to Search 功能允许手机用户通过圈选屏幕上的对象来触发搜索， 支持对图片、文本和视频内容的识别。视觉搜索，如 Google Lens，可利用模型识别手机相 机所拍摄的物品并提供与之相关的内容搜索，3Q 月搜索量达 200 亿次，占购物搜索量的 20%。

安全风险和幻觉问题仍为 AI 搜索落地关键

生成式 AI 风潮迭起，安全底线与大模型幻觉仍需注意。经过大规模预训练的模型、云计算 与开源的融合正一齐推动生成式 AI 的全民化，但之中仍有不少道德与法律风险，包括版权 保护、生成暴力、毒性、严重刻板印象、以及侵权的图像等。这些事件凸显了 AI 大模型全 民化进程中 AI 信任风险和安全管理需求的迫切性和重要性。 我们认为，大模型幻觉（Hallucinations）与搜索结果的精确性要求存在冲突，这是 AI 搜 索应用存在已久的矛盾。谷歌已走在行业前列清晰地认识到解决这一问题的必要性，并已 有相关产品实践：1）谷歌推出的 Gemini Deep Search 通过保证每一条生成内容都具备可 追溯的引用来源，保证检索的精确性，并通过强推理能力和长上下文窗口提升文字交流、 内容生成与总结方面性能；2）24 年 9 月谷歌新发布解决 AI 幻觉的工具 DataGemma，能 使用检索交错生成（RIG）和检索增强生成（RAG），使用 Data Commons 真实世界公开数 据库帮助大型语言模型根据可靠数据核实其响应，并向用户更透明地引用事实来源，增强 LLM 事实性和推理能力。

谷歌 YouTube 广告：在线视频推动业务转型

YouTube 是全球最大的在线视频平台。24 年 4 月 YouTube MAU 约为 25 亿，仅次于 Facebook。YouTube 拥有网页、PC 及移动端 App、电视 App 等多重入口，且视频窗口可 嵌入第三方网页，无需登陆账户即自动播放，流量覆盖范围广阔。仅考虑网页端，据 SimilarWeb 统计，22 年 12 月至 23 年 11 月，YouTube 月均访问人数（14.5 亿）、访问次 数排名全球第二，仅次于 Google 主站。

驱动因素#1：把握电视媒体转型趋势，CTV 用户覆盖和观看时长增长，广告潜力扩大

美国联网电视（Connected TV，即 CTV）普及率迅速增长，广告支出不断上升。eMarketer 预计，全美 CTV 普及率将在 24 年内增至 68%，较 18 年上升 11pct；其中 25-34、35-44 岁人群普及率高达 73%、76%。CTV 广告总支出 23 年同比增长 18%，达 242 亿美元，占 数字广告大盘 9%。 据 Nielsen 数据，23 年 2 月以来，YouTube 连续 17 个月位居全美流媒体电视观看时长之 首；而若考虑到传统电视媒体内容，YouTube 市占率位居第二位，仅次于迪士尼。有线和 广播等传统内容时长占比持续下滑，而流媒体占比自 37%（3Q23）提升至 40%（2Q24）。 其中 YouTube 是市占率最大的流媒体平台，时长占比上升 0.9pct 至 9.9%。

YouTube CTV 覆盖用户数、观看时长占比逐年上升。从观众规模看，23 年 CTV 观众数突 破 1.5 亿，18-23 CAGR 29.4%；覆盖 66%的 YouTube 用户，较 18 年上升 44pct。预计 24 年 YouTube CTV 整体市占率超 70%。从观看时长看，CTV 观看时长占比持续增长， 预计 2024 年将占 YouTube 总观看时长的 39.2%。从广告收入看，YouTube CTV 广告收 入逐年稳步抬升，预计 2024 年可达 33 亿美元，同比抬升 14%。

大屏内容质量更高、广告体验更好，成为 YouTube 广告增长新引擎。YouTube 在美约四 成收入来自 CTV 端（eMarketer）。我们认为，与移动端和 PC 端相比，YouTube CTV 广 告有以下优势： 1） 流量规格更高：大屏观看视频通常制作较为精良，有利于提升品牌形象，吸引头部广告 主预算。目前 75% YouTube Select 精选广告曝光来自 CTV 端。2024 年 5 月，YouTube 在其年度广告推介会 Brandcast 上正式推出精选买断计划，允许广告主买断前 1%的头 部流量；我们预计该部分流量将大多在大屏上兑现。 2） 广告体验更好：2023 年，YouTube CTV 端推出了暂停广告和 30 秒不可跳过广告。暂 停广告仅在用户暂停播放时出现，干扰小，单价高。30 秒不可跳过广告虽然时长较长， 但频率低，更符合具有明确受众广告主。 此外，YouTube CTV 广告相对传统电视广告的优势，也有助于承接广告主预算转移：1） 效果导向：CTV 与移动、PC 端账号互通，能够综合用户多端行为信息，投放效果更精准、 可追踪。2）用户友好：时长短于电视插播广告，体验更好；3）互动性强，转化链路短： 如通过附加二维码，将电视推送无缝传输至手机端浏览，方便后续转化。

驱动因素#2：YouTube 广告营收增速较快，单价仍有提升空间

基于活跃的用户群体和丰富的视频内容，YouTube 广告库存充裕，4Q23-3Q24 广告和订 阅收入超过 500 亿；短视频变现率改善，Shorts 商业价值有较大增长空间。YouTube 广告 分为品牌（Brand）和效果（Direct Response）两类，前者侧重于通过高规格流量曝光， 扩大品牌声量；后者更强调效果的可追踪性，意在直接实现转化目标（如 App 下载、线索 收集和商品购买）。 与其他主流社媒平台对比，YouTube 广告 CPM 较低。据 Gupta Media CPM Tracker，24 年以来 YouTube 全球平均 CPM 约为 1.67 美元，+24.7% yoy，低于 Meta 的 Facebook、 Instagram 广告均价（5.83 美元）和 TikTok（3.70 美元）；美国平均 CPM 约为 2.98 美元， -2.1% yoy，与 Meta 差距较大（7.02 美元）。根据 eMarketer 预估，24 全年，美国成年人 单日数字媒体使用时长中，YouTube 和 Meta 占比相似，但吸引的广告支出只有后者的四分 之一，广告收入仍有较大提升空间。

YouTube 的消费和货币化趋势呈现出积极的发展态势。公司 3Q 表示，Shorts 的观看时间 在 YouTube 上不断攀升，每天有超 700 亿条短视频被观看，显示出用户对短视频内容的强 烈需求。在货币化方面，短视频的货币化率与长视频相比呈现出健康增长态势，同时，短 视频已被纳入 YouTube Select 视频广告活动中，为品牌提供了更精准的目标选择。此外， 谷歌还推出 Shorts 的 SEO 优化工具，强调标题、描述和标签对视频可见性的重要性，以 及分析工具，通过分析关键数据如平均观看时长和参与率，助力创作者优化内容策略，把 握趋势。

驱动因素#3：YouTube 强化短视频战略以对抗 Netflix、TikTok 和 Reels 的竞争

面对 Netflix 等流媒体平台和 TikTok、Instagram Reels 等短视频媒体的冲击，YouTube 通过发力短视频、加大创作者支持力度和完善版权储备，巩固用户粘性： 1) 发力短视频：YouTube 于 21 年推出总金额 1 亿美元的短视频创作基金，每个频道每月 最高获得 1 万美元奖励 。用户端，23 年 7 月，公司表示，每月超 20 亿 YouTube 登录 用户会观看 Shorts，较 22 年增长 5 亿。创作者端，1Q24 业绩会上管理层表示，23 全 年发布 Shorts 的频道数量同比高增 50%。而商业化方面，与 TikTok 和 Instagram Reels 相比，目前 Shorts 仍处于商业化早期，管理层并未对其变现效果进行较多点评。 2) 赋能长尾创作者，提升平台粘性：23 年 6 月以来，YouTube 陆续在美国、英国、加拿 大等 99 个国家和地区扩展其伙伴计划（YPP）覆盖范围，降低准入门槛。新计划下， 创作者只需满足 500 粉丝+过去 1 年视频播放时长超 3000 小时（或 90 天内短视频浏 览量超 300 万）的基础要求，就可进行产品推广，并开启粉丝变现功能（如频道订阅）。 截至 1Q24，参与 YPP 计划的频道数已达 300 万，3 年累计激励金额超 700 亿美元。3) 丰富影视、体育、音乐版权储备，扩充专业内容库：影音方面，10 年代以来，YouTube 相继与索尼、华纳、环球等主流厂牌签订内容合约，以规避版权风险。面对 AIGC 的发 展，据金融时报，6 月以来，YouTube 积极和各大唱片公司开展谈判，意在取得更多艺 术家的版权许可，训练其 AI 音乐生成技术。体育方面，22 年 12 月，YouTube 战胜苹 果、亚马逊，取得了 7 年期 NFL（美国橄榄球联盟）周日赛转播权，打破了 DirecTV 近 30 年的垄断；转播服务以订阅制提供，每赛季费用为 299-439 美元。NFL 是美国 国民级赛事，24 年冠军赛（即“超级碗”）收视人次超 1.23 亿（Nielsen），转播权的 取得将进一步完善体育内容布局，并提升平台广告价值。

行业趋势#1：生成式问答或有幻觉，AI 搜索商业落地仍未明朗

广告市场来看，虽然长短视频和零售电商广告增长强劲，谷歌和 Meta 仍旧占据主导地位。 随着社交媒体和短视频广告增长，以及电商内搜索广告的发展，谷歌基本盘搜索广告份额 下降，对其市占率产生不利影响；而 YouTube 视频不断丰富内容类型，仍有较大增长潜力。

全球搜索市场份额仍为谷歌搜索主导，ChatGPT 占据生成式聊天机器人七成市场份额。 Statcounter 数据显示，截至 24 年 9 月，全球互联网搜索引擎市场份额中，谷歌渗透率达 88%，同比下滑 0.5pct；雅虎和必应的市场份额分别为 2.5%和 7.0%；而集聊天机器人和 搜索于一身的 Perplexity 市场份额抬升明显，10 月占比 5.6%，对比年初市占率 2.7%。聊 天机器人方面，ChatGPT 仍占据主要市场份额，10 月占比达 74%，但市占率较年初有所 下滑。

我们认为以 ChatGPT 为代表的对话机器人直接赋能的搜索将不会取代谷歌搜索，相反类似 Perplexity 这种先搜索后整理的搜索引擎，或将成为谷歌劲敌。2023 年 2 月 OpenAI 携微 软 Bing 先下一城，谷歌虽于 2023 年 3 月发布 Bard，但其应对速度和回答表现欠佳，市场 认为谷歌的搜索业务将受到冲击，同时对谷歌能否在未来维持人工智能的领头羊地位产生 质疑。相比围绕 ChatGPT 重新设计界面的竞争对手 New Bing，谷歌搜索引擎的 AI 化升级 似乎更为谨慎，公司始终将 Gemini 定位为生成式 AI 赋能搜索的补充而非替代品。我们认 为，ChatGPT 较难改变当前全球搜索引擎市场格局，但新兴初创 AI 企业如 Perplexity，则 有机会挑战谷歌搜索龙头的地位。

我们认为，AI 商业化落地是胜负未定的万里长征，谷歌搜索业务第一梯队的地位难以一朝 被颠覆： 1）从竞争动态来看，随着新兴对手 Perplexity 的崛起和苹果与 OpenAI 的端侧合 作，谷歌在短时间内或承受一定的竞争压力和份额的蚕食。2）从长期来看，谷歌具备广泛 的生态基础，本身是大模型 Transformer 的奠基者，具备深厚的技术基础，或有希望解决大 模型搜索的精确性要求与幻觉的冲突问题，从而在商业化角度获得长远收益。 但我们发现公司确实存在一些值得关注的短板。最典型的例子是，新兴的 Perplexity 等搜 索引擎已能将大语言模型与搜索功能结合，而谷歌仍在探索这种模式，我们认为这种滞后 并非源于技术能力的不足，而是商业化节奏和产品创新速度有待提升。

谷歌拥有强大的 AI研发实力和海量的数据优势，但如何将这些优势快速转化为产品竞争力， 是公司当前面临的最大挑战。目前谷歌 CEO 原为产品经理，CTO 经验更多在信息检索， 我们认为，若观察到谷歌内部既为 AI 专家并同时熟悉产品的高管，在人事任命上得到重视 并引导公司转型战略，或为公司整合 AI 与主营业务的积极信号。

Perplexity 致力于把聊天机器人和搜索完美结合，打造没有幻觉的“答案发现”引擎，会 否成为谷歌的劲敌？ Perplexity 在 2022 年由前 OpenAI 研究科学家 Aravind Srinivas，联合前 Databricks 创 始成员之一 Andy Konwinski、前 MetaAI 研究科学家 Denis Yarats 和前 Quora 工程师 和量化交易员 Johnny Ho 共同创办，可见大部分始创人员均具备深厚 AI 研究和应用背景。 目前，Perplexity 在 2024 年 11 月的最新一轮融资中预计筹资约 5 亿美元，估值达约 90 亿美元。 Perplexity 创立的目的在于通过将搜索和大语言模型（聊天机器人）结合起来，改变互联 网上获取搜索问题答案的方式，通过确保答案的每个部分都带有引用来源，最大限度地减 少了大语言模型中常见的“幻觉问题”。Perplexity 的搜索结果主要是基于真实网络搜索结 果，而不是一般大模型（聊天机器人）所提供的自我思维后的最佳猜测答案。Perplexity 同 时会提供引用的网站来源，因此，它是基于类似 RAG（检索增强生成）的方式，在给定查 询的情况下，检索内容并提取相关段落，然后输出此信息以及来源。但有别于 RAG，它不 是将搜索到的相关信息用作上下文内容发送给大语言模型以生成答案，而只是使用大模型 调整答案而不是生成答案，即令大模型阅读链接，提取相关段落，并给出格式工整的答案， 为每一个观点提供引用来源。此外，在前一个问题结束后，大模型也会提供其他相关问题 供用户继续探索。

Perplexity 在商业模式方面基本采用免费增值和订阅结构，免费产品使用基于 GPT-3.5 的 产品功能，而付费的 Perplexity Pro 可访问 GPT-4、Claude 3.5、Grok-2、Llama 3 和 Perplexity 自研的大模型。2024 年第一季度，其月活跃用户已达 1500 万。Perplexity 在 2024 年 5 月记录了约 7300 万次访问，每月的增长率约为 20%。ChatGPT 在 2024 年 10 月记录 访问量约为 36 亿次，大约是 Perplexity 的 50 倍。

在商业模式上正在转向广告和电商使得 Perplexity 成为 Google 搜索的更直接竞争对手。 Perplexity 表示将通过相关问题功能引入广告，允许广告商通过付费，在后续相关问题中展 示其内容。Perplexity 于 24 年 11 月启用电子商务 AI 推荐，即在 Perplexity 的搜索结果中 提供购物推荐，并且用户无需访问零售网站即可下订单。此举目的为与谷歌和亚马逊展开 竞争，争夺购物搜索的份额。在推出 AI 购物搜索工具的同时，Perplexity 还推出了卖家计 划。如果卖家加入，其产品将有更大的机会获得推荐。另外，Perplexity 也有 API 和企业 解决方案的盈利模式。公司提供 API 访问其搜索功能，允许企业和开发人员将 Perplexity 集成到应用程序中，预计该服务将根据使用情况定价。Perplexity 也为企业客户开发定制的 解决方案，可能涉及针对行业需求的定制人工智能环境和集成，进一步多样化其收入，但 目前尚未从用户购买中抽取佣金。 不过，Perplexity 也面临新闻媒体内容方的指控，或进一步加大其商业模式的成本。 Perplexity 于 24 年 6 月份被 Forbes 和 Wired 指控抄袭，这两家媒体批评 Perplexity 在没有 明确注明来源的情况下使用其内容，并抓取了明确屏蔽爬虫的网站。Perplexity 首席商务官 Dmitry Shevelenko 承认了这些指控，并表示公司已经接受批评。Perplexity 随后对其用户 界面进行了修改，使引用更加突出。2024 年 7 月，Perplexity 宣布启动一项新的出版商计 划，与合作伙伴分享广告收入，每篇赞助文章 Perplexity 都会与媒体分享“两位数百分比” 收入，目前已与 Time、Der Spiegel 和 Fortune 等多家媒体签署了协议。推出后的两周内， 有 50 家媒体要求加入 Perplexity 的收入分成计划，该收入分成即主要来自于广告模式。

就目前而言，谷歌完全采用类似 Perplexity 的 AI 搜索模式的意向并不算强烈，原因也许是 意味着推翻以往的搜索商业模式。考虑到公司的历史文化，我们认为谷歌并非做不了 Perplexity 的模式，而是需要打磨完整的商业模式才能发布产品，正如同云时代即使谷歌 拥有当时最优秀的分布式工程师但仍然被亚马逊抢占先机，主要系云利润率低于广告利润 率，所以谷歌没有动机。AI 时代，Perplexity 所定义的搜索逻辑里，信息排序的流程被省略， 直接给出答案，公司 CEO 在采访中提到，Perplexity 早期打造产品时存在是否继续保留答 案相关链接的争议，因为 AI 搜索得到的答案仍然可能产生幻觉。但团队决定以一种更激进 的立场直接提供答案，而不是像谷歌等传统搜索一样继续保留链接排序。这种选择的背后 是 Perplexity 押注于 AI 大模型会变得更智能、更便宜、更高效，而幻觉会在未来大幅下降。 对谷歌来说，收入来自让大量用户点击和浏览链接，赚取广告费，同时打造数据飞轮，优 化搜索排名。

Grok 后发先至，即时更新知识库完善布局智能问答与搜索

2023 年 7 月 xAI 公司成立，并于同年 11 月发布首款 AI 大模型产品 Grok-1。公司随后陆续 发布 Grok 系列模型：Grok-1.5、多模态大模型 Grok-1.5V、Grok-2 以及 Grok-2 mini，并 拓展模型至 X（原 Twitter）平台供订阅用户使用。24 年 9 月，xAI 宣布建成 Colossus 计算 集群，以 10 万块 H100 GPU、EB 级存储和超高速网络为支撑，旨在推动 Grok 后续迭代。 与市场上主流 AI 模型相比，如 OpenAI 的 GPT 系列或 Anthropic 的 Claude 系列，Grok 的 关键技术突破包括：1）实时学习能力：与传统语言模型基于静态数据训练不同，Grok 引 入基于 Twitter 实时数据的学习机制，能不断更新知识库。2）情感共鸣与个性化定制：xAi 团队注入 Grok 情感分析和动态调整模块，使其能根据用户需求调整语气和表达方式。 2024 年 3 月，Grok-1 大模型正式开源，该模型采用 MOE 架构，具有 314B 参数，对比同 期开源产品 Llama 2（70B）和 ChatGPT 3.5 Turbo（70B），体积更大。我们认为 Grok 开 源主系：1）大模型竞争激烈，开源策略有效促进技术的快速迭代，占领更多用户硬件平台， 提高产品生命力；2）开源模型有望吸引更多用户参与，从而构建起应用生态系统，有效促 进商业模式的自我增强和快速成长。

Grok-2 已实现对主流大模型的追赶，性能位居第一梯队。Grok-2 在多项基准测试中表现出 色，包括推理、阅读理解、数学、科学和编码等领域，相较 Grok-1.5，Grok-2 和 Grok-2 mini 性能均有提升。在研究生水平的科学知识（GPQA）、常识（MMLU）和数学竞赛问题（MATH） 等测试中，Grok-2 表现已达到行业前沿水平。在视觉数学推理（MathVista）和基于文档问 答（DocVQA）方面，Grok-2 实现 SOTA。

我们认为，在本轮 AI 驱动搜索应用革新中，用户生态与智能搜索的结合或将对谷歌搜索的 主导地位构成挑战。Grok 通过将模型能力集成到 X 社交平台（原 Twitter）中，有望为 6 亿平台月活用户推广多项应用内功能，包括文本搜索，评论纂写与优化等。X 平台也在其“探 索”页面推出基于 Grok 的全新功能——“Stories on X”。该功能旨在通过 AI 生成技术为 用户提供平台上热门新闻及话题的故事摘要，帮用户快速概览近日头条内容以及用户感兴 趣的内容。此外，Grok 将追踪热点新闻报道和引发广泛讨论的公共议题，生成重点摘要， 并在平台上进行推广。

行业趋势#2：短视频电商驱动增长，AI 营销应用仍有深化空间

线上广告逐步取代传统媒体：从 23 年全球广告总支出看，电视占比仍偏高，为 23.3%。我 们预测线上广告渗透率保持扩张，其支出占比有望从 23 年 68.0%抬升至 26 年 74.0%，主 要由社交媒体、长短视频和零售电商等驱动。 电商和短视频广告渗透率仍有较大空间：目前海外线上零售渗透率仍较低（如 23 年美国仅 为 15.4%，远低于中国的 27.6%），广告仍有较高增长空间。此外，19-23 年期间，随着商 业化进程加速，美国视频广告份额攀升 5.8pct 至 23.2%，广告主逐渐由图文转向更具互 动性的视频内容。 线上+线下媒体总时长步入存量竞争：美国成年人媒体总使用时长见顶，预期 23-25 年 CAGR 仅为 0.3%。总量稳定之下，电视观看时长持续下降：电视触达范围收缩，且投放效 果较难监测，广告主进而向线上渠道转型。据 eMarketer，24 年美国成年人平均每天电视 观看时长将降至 175 分钟，对应 21-24E CAGR 为-3.7%；线上视频观看时长则升至 230 分钟，对应 CAGR 达 4.8%，主要涉及 YouTube、Netflix 等平台。

我们认为海外数字营销行业面临以下两大趋势： 1）AI 在数字营销领域应用逐渐深化，内容生产与广告策略运营去中介化，激励更多长尾 广告主入局。内容生产方面，AI+营销应用可提升素材生产效率，降低创意生产成本，提升 长尾商户的创意质量。目前 AI 应用仍停留在较早期，如协助创作者获取灵感，在脚本撰写、 多模态内容生成与编辑、甚至一键成片等方面，仍有深化空间。投放方面，各平台陆续推 出 AI 驱动的自动化投放工具，如 Google Performance Max 和 Meta Advantage+，用户可 根据投放目标，一键生成广告计划，无需手动优化。AI 可有效降低广告投放门槛，减轻对 于广告投放人员的依赖，并有效提升转化效率。

2）广告投放与网红营销并重，KOL+UGC 内容宣传品牌。我们预期 24-25 年间，美国网红 营销支出增速将保持 14%以上。与直接买量不同，网络 KOL 的 UGC 内容依托于名人粉丝 群体，具备更高的互动与转化意愿。因此，在有限的品宣预算与流量成本攀升的背景下， 网红营销有时更具性价比，其支出增长具有更强韧性。

AppLovin：AI 驱动业务增长，展现垂直领域精准广告趋势

AppLovin 是移动广告行业领先的用户获取和货币化平台，拥有 AppDiscovery、MAX、 Adjust 等核心产品，产业链布局完善。公司推出 AI 广告引擎 AXON 2.0，采用自学习型技术， 能够随着规模的扩大不断自我改进，构建公司的核心竞争力并推动广告业务持续增长。 AppLovin 正积极拓展游戏领域之外的市场，特别是在电商领域取得显著进展。公司近期进行 的电商广告测试表现优异，计划进一步增加投资并扩大业务规模。 此外，AppLovin 还通过 Wurl 探索了联网电视（CTV）渠道的广告机会，并计划将 AXON 2.0 的技术能力应用于 CTV 产品。公司业务主要分为两个部分：一方面，协助广告主进行客户获取，即利用广告主提供 的广告预算在各类应用上投放广告，并根据广告效果（点击、展示、转化）进行收费；另一 方面，通过 MAX 广告聚合平台为流量主提供服务，帮助他们通过竞价方式销售广告流量。 自成立以来，AppLovin 通过自主研发和战略并购，不断丰富其产品线，形成“软件平台+ 应用程序”双轮驱动：目前，公司的核心产品包括：1）App Discovery：广告投放工具， 帮助触达优质用户进行广告投放；2）Max：广告聚合平台，通过集合竞价优化广告投放； 3）Adjust：端到端分析工具，提供数据跟踪和归因分析；4）Sparklabs：利用人工智能技 术，为客户提供创意素材。5）ALX：广告交易平台，连接广告主和发布商。6）Array：定 期推荐精选的优质移动应用和游戏，为公告主投放区域提供建议。在应用程序方面， AppLovin 以超休闲游戏起家，先后收购 PeopleFun 和 Machine Zone 两家知名手游开发商， 开发超 350 款流行的移动应用。

我们认为 AppLovin 定位为广告行业的“全链条玩家”。传统广告营销公司绝大多数定位为 “中间商”，专注服务单一客户群体，如 IronSource擅长帮开发者变现，或The Trade Desk， 致力于帮广告主实现精准投放。“中间商”商业模式痛点在于依赖客户的内容和需求，无法 直接控制广告行业上下游。 AppLovin 的业务模式具有显著差异，它同时运营需求方平台（DSP）和广告聚合平台，从 而全面掌握广告投放的整个链条，实现对广告主的预算分配、出价信息、流量主的广告位 表现、竞价动态以及用户转化率等关键行为数据的深入洞察。依托这些全面的数据资源， AppLovin 能够显著提升其广告投放模型的效能，尤其是其广告引擎 Axon2。公司运用大型 语言模型（LLM）来深入分析并解读数据中的复杂语义关系，包括用户意图和上下文需求， 以构建更为精确的用户画像。在用户画像构建完成之后，AppLovin 采用强化学习技术，通 过实时数据模拟不同的广告投放策略，从而显著加快了广告策略的验证过程，并有效缩短 冷启动周期。 我们认为随着广告主业务的持续成长与完善，主流媒体在吸引新用户方面的能力正逐步降 低，而中小型及长尾媒体正日益成为广告主获取新用户及重新激活现有用户的关键途径。 程序化广告，作为一种高效连接长尾媒体与目标受众的方法，正在成为广告行业发展的不 可逆转的趋势。利用先进的技术，程序化广告实现了数字广告采购和销售流程的自动化。 它能够依据广告主设定的参数，在最佳时机以最优价格向目标受众展示定制化的广告内容。 程序化广告系统不断搜集并分析用户行为数据，包括用户在应用中的停留时间和每用户平 均收入（ARPU），以此来提升广告投放的精准度和效果。

我们认为，AppLovin 的发展或表示出大模型与具备丰富反馈数据的垂直领域广告的适配 性。首先，我们须认识到营销行业与大模型之间存在着天然的协同效应。从训练数据看， 作为互联网经济的基石，广告营销领域历经多年的发展，积累了丰富的反馈数据资源，包 括但不限于实时点击率和转化率等关键指标，为大模型的实际应用奠定了坚实的基础。从 营销的工作流程来看，大模型应用与之高度契合。在营销过程中，创意内容的制作和素材 的快速迭代是常态，而这些正是大模型所擅长的领域之一。从营销结果看，营销的具体场 景中，广告平台的目标明确且易于量化，这为大模型的训练提供了理想的条件。广告主普 遍关注的关键绩效指标，如投资回报率（ROI）或广告支出回报率（ROAS），可以直接作 为强化学习算法中的奖励函数。平台在设计这些奖励函数时，能够根据不同广告主的具体 需求，定制出既量化又明确的目标，无论是侧重于短期转化还是长期用户留存。

云计算业务：云业务崭露头角，AI 服务提升附加价值

我们预计谷歌 Cloud 业务 FY24/25/26 营收为 434/553/694 亿美元，对应同比为 31.2%/27.4%/25.5%，主要由全链条 AI 云端布局驱动。 谷歌云业务的发展一直呈追赶之势，扭亏为盈后发展潜力值得重估。自 2008 年推出以来直 到 23Q1，谷歌云业务一直处于亏损状态，公司持续投入大量资金来扩大云计算基础设施、 开发新产品、招募新客户和人才等。经过长期市场攻坚，谷歌于 23Q1 终于实现云业务的 扭亏为盈，并连续保持七个季度盈利为正数。24Q3 云业务营收同比+35.0%至 113.5 亿美 元，超一致预期 4.5%，经营利润大幅增长至 19.5 亿美元，经营利润率 17%。随着生成式 Al 发展，越来越多的公司转向公共云来运行繁重的 AI 工作负载。24 年 9 月公司表示 60% 的人工智能初创公司和 90%的人工智能独角兽公司在 Google Cloud 上进行训练和推理， 2024 年使用 Gemini 的云客户增长超过 4 倍。24Q3 谷歌资本支出同比+62.1%至 130.6 亿 美元。根据公司指引，24Q4 资本开支将与 Q3 持平，25 年增速将超 23-24 年，更多需求 将会来自推理端。

谷歌云：从技术优先到产品、客户优先，乘 AI 之风扬帆起航

目前谷歌云在全球云基础设施市场排名第三，份额为 10%，排在 AWS 的 33%和 Azure 的 20%之后，且业务增长势头稳健，过去三年间大于 2.5 亿美元合同数量增长达 300%。我们 认为，谷歌云业务发展历程可分为以下三个阶段：

1） 第一阶段（2000-2006）：云起前夜。谷歌初期主要专注于搜索业务，但随互联网发展 和数据量急剧增长，谷歌逐渐意识到云计算的重要性，并开始进行相关技术研究，着手 开发了系列分布式计算机系统。在此阶段公司 SVP of Technical Infrastructure Urs Hölzle 对谷歌云基础设施的开发奠定了基础。2003 至 2006 年，谷歌连续发表四篇文 章揭示云计算的基础架构：分布式文件系统（GFS）、并行计算（MapReduce）、数据 管理（BigTable）和分布式资源管理（Chubby），实现对云计算领域的最早探索。

2） 第二阶段（2006-2014）：云芽初露。2006 年，谷歌时任 CEO Eric Schmidt 在 SES San Jose 2006 上首次公开提出“云计算（Cloud Computing）”的概念，标志着云计算时代 的到来。但亚马逊却抢先于 2006 年发布了 EC2 计算服务与 S3 存储服务等产品，凭借 “技术创新+低价策略+客户至上” 三轮开拓 laaS 市场，并逐步将客户发展重心从初创 公司与开发者转向传统企业，为 AWS 的后续发展奠定了基础。直到 2008 年，谷歌才 推出第一款基于 PaaS 的云产品 Google App Engine（GAE）。随后谷歌相继推出 Google Compute Engine 和 Google Cloud Platform，但彼时其主要业务仍然集中在搜索领域， 对比同期 AWS 布局云服务市场速度略有不及。

3） 第三阶段（2014 年至今）：云智飞跃。2014 年起，谷歌开始加速布局云业务，并逐渐 缩小与 AWS 和微软的差距。1）Diane Greene 时期：成功推动谷歌云商业化发展。谷 歌于 2015 年聘用 VMware 创始人 Diane Greene 作为谷歌云 CEO。首先，Greene 上 任后整合企业云业务，通过将销售、营销、GCP 和 Google Apps/G Suite 集成到谷歌 云中，共同打造统一业务。其次，Greene 为谷歌云建立广泛的合作伙伴网络，合作范 围涵盖高露洁、迪士尼、eBay、汇丰银行、拉丁美洲航空、LG CNS 和纽约时报等多 个大型企业客户，促进了谷歌打造企业云平台的进展，多方位战略并购以与 AWS 竞争。 谷歌云收购了 Apigee、Kaggle、qwiklabs 等小型初创公司。其中 Apigee 让谷歌云进 入了 API 网关和管理市场，并帮助谷歌加速推出 Google Assistant 和基于 Google Home 的家庭自动化产品。最后，Greene 加倍投入人工智能，在 GCP 推出多种 ML 和 AI 相 关服务，从而将谷歌云打造成复杂的数据驱动和以 AI 为中心的云平台。2）Thomas Kurian 时期：加深客户关系打造销售端网络。2019 年 2 月，前甲骨文执行官 Thomas Kurian 成为谷歌云 CEO。Kurian 上任后首先持续扩大销售队伍规模。19 年谷歌云销售 团队规模仅为 AWS 和微软 Azure 的 1/10 到 1/15，而 2021 年占比已接近 1/2。其次， Kurian 简化了繁琐的销售折扣流程与部署机器时间，在上任后的四年中，将供应和部 署机器的周期时间缩短了五倍。同时，Kurian 将谷歌云市场策略调整为客户需求导向。 其在2021年重启Google Cloud社区以来，两年间社区已达到了10万成员。最后，Kurian 继续加深与大型企业客户和渠道伙伴的关系，并致力于扩大其公共部门在美国和海外合作伙伴规模，以此打造谷歌云合作生态。

目前，谷歌云服务主要包括以下两大类别： 1）Google Cloud Platform：提供 IaaS、PaaS 和无服务器计算三类环境。该平台包括一 系列在谷歌硬件上运行的用于计算、存储和应用程序开发的托管服务。具体包括网络、计 算、储存、大数据、机器学习、管理监控与网络安全七类服务。同时 Vertex AI 和 Duet AI 能构建和扩缩生成式 AI 应用，协助客户在谷歌云上实现 AI 创新。 2）Google Workspace：属于 SaaS 层应用服务，作为谷歌在订阅基础上提供的一套云计 算生产力和协作软件工具和软件，其包含 Gmail、Chat、Calendar、Drive、Docs 和 Meet 等基于云的通信和协作工具，从而与微软 Microsoft 365 展开竞争。如今 Workspace 也集 成了 Duet AI 等功能，使用户可以利用生成式 AI 来提高组织的生产力。

本轮 AI 行情下，谷歌云业务有望乘 AI 之风扬帆起航。AI 时代到来之前，谷歌便通过搜索 引擎拥有约二十年的大数据处理经验，借助自建数据中心的计算资源及数据分析技术，大 量提取具有商业价值的数据。在此基础上，公司致力于为云端用户提供与其内部同等级别 的 AI 及机器学习服务。我们认为，AI 浪潮之下，谷歌云的 AI 产品有望在集成 Gemini 品 牌后提升工作效率和用户体验，并提升 IaaS、PaaS 与 SaaS 市场份额。24 年 10 月公司 表示目前 Gemini 与 Google Assistant 在安卓平台上整合顺利、用户反馈良好，Gemini API call 在 6 个月内增长近 40%，2024 年使用 Gemini 的云客户增长超过 4 倍。但此前 AWS 与微软分别在 IaaS 与 SaaS 领域占据龙头，且微软凭借 OpenAI 具备一定的 AI 先发优势， 谷歌云目前虽步入佳境，但未来或依旧面临二者的竞争压力。

1） Vertex AI（ML PaaS）：2021 年 5 月，谷歌发布 Vertex AI 作为机器学习平台，旨在通 过提供涵盖从数据准备和模型训练到部署、管理和监控的整个机器学习周期的端到端平 台，使机器学习变得更加易于访问、协作和高效。Vertex AI 能与 AutoML、Model Garden、 生成式 AI 等功能相结合，其不仅支持在 Gemini 模型中提供提示并执行测试，还支持 Model Garden 中 130 多种生成式 AI 模型和工具，让用户根据应用场景自定义并部署 模型。此外，Vertex AI 还拥有开放的集成式 AI 平台和适用于预测式/生成式 AI 的 MLOps， 能提供构建和使用生成式 AI 的一切需要。 2） Duet AI（SaaS，后并入 Gemini 品牌）：2023 年 5 月，谷歌发布完全托管服务 Duet AI 来帮助用户提高工作效率和创造力。Duet AI 能集成于 Google Workspace 上，并提供 AI 驱动的代码编写、聊天帮助、问题排查与上下文智能操作等功能，从而对标微软 Copilot。2024 年 2 月 8 日，谷歌宣布将 Duet AI Workspace 更名为 Gemini for Google Workspace，这不仅意味着 Gemini 1.0 Ultra 模型将内置到 Workspace 中，统一了谷 歌大模型的战略品牌，还具备了企业级数据保护功能，使用户能利用 Gemini 进行研究、 总结数据、寻找业务趋势并创建文案。

行业趋势：AI 军备竞赛，全球云计算资本支出将保持“温和增长”态势

全球云计算市场规模增长势头稳定，AWS 增速放缓但仍为业内龙头。据 Gartner 2024 年 5 月数据，2023 年全球云计算市场规模为 5611 亿美元，预计 2024 年将同比增长 20.4%至 6754 亿美元；其中 IaaS/PaaS/SaaS 同比增长分别为 25.6%/20.6%/20.0%，主要驱动力来 自生成式 AI 的崛起和全球云基础设施服务支出增加。2023-2028 年复合增长率达 19.7%。 从竞争地位来看，目前云计算行业较为集中，根据 Synergy Research Group 2024 年 11 月 1 日数据，24Q3 前三大云供应商合计占据全球市场份额的 63%，其中 AWS/微软/谷歌分别 占比 31%/20%/12%。二线云提供商中，华为、Snowflake、MongoDB、Oracle 和 VMware 市场份额亦增长较快。

宏观经济回暖，云巨头恢复资本开支节奏。2022 年至 2023 年初，伴随着宏观经济增长放 缓、企业数字化转型需求减弱与企业 IT 开支趋于谨慎等因素，三大云巨头总资本开支连续 五个季度放缓。23Q1 亚马逊、微软与谷歌资本开支分别为 142/66/63 亿美元，总资本开支 同比-10%至历史低点。然而伴随着宏观经济复苏、AI 提振云计算需求、企业逐渐扩大与头 部云厂商的消费合同协议等因素，云巨头资本开支于 23Q2 开始有所改观，2023 年全年云 巨头总资本开支稳步上涨，并攀升至 24Q3 的 589 亿美元，其中亚马逊、微软与谷歌资本 开支分别为 226/149/131 亿美元。

AI 促进预期消费需求增加，有望推动下一轮资本开支浪潮。2023 年 3 月，GPT-4 的推出 引发行业加码投资 AI，为了减轻投资不足带来的风险（例如对需求准备不足或错失关键机 会），云巨头开始下一轮军备竞赛，确保能根据客户对 AI 日益增长的需求扩展产品。因此 均表示，资本支出预计将在 2025 年继续保持增长趋势，也从传统服务器逐步转移至 AI 设 备中。随着全球范围内 AI 应用改变云计算商业模式，叠加宏观经济恢复下企业客户云迁移 工作需求激增，云巨头资本开支有望持续高增。根据公司指引，我们预计日历 25 年四家资 本开支总和将同增 20%，达到 2400 亿美元左右。

展望 24-26 年，我们预期全球云计算的资本支出将保持“温和增长”态势，主系 1）海外 经济恢复增长，企业客户云迁移工作需求增加，2）AI 赋能云计算发展推动行业革新，3） 未来大模型训练和推理均需要更多算力供给。

竞争格局：亚马逊保持先发优势，微软和谷歌强势追赶

微软以 SaaS 层开路 PaaS 与 IaaS，云业务市场份额强势追赶 AWS。微软并没有直接与 AWS 在 IaaS 市场展开竞争，而是另辟蹊径通过自身强势软件上云，率先布局 SaaS 领域。 微软不仅通过 Copilot 服务赋能 Microsoft 365、Dynamics 365 等服务，稳固 SaaS 市场份 额，公司还在 2016 年通过 Azure 提供混合云解决方案开路 PaaS，对比 AWS 与谷歌在两 年后才陆续布局。此外，微软通过 Azure App Services 提供网络应用、移动应用、逻辑应 用等托管平台服务，逐步抢占 PaaS 市场份额。如今公司已具备 IaaS-PaaS-SaaS 全产业 链云生态。与亚马逊营收主要靠电商业务拉动、谷歌营收主要靠广告业务拉动不同，微软 智能云业务营收占比自 FY22Q4 至 FY24Q4 均维持在 40%以上，成为公司最主要的收入来 源。此外，据 Synergy Research Group 统计，CY24Q3 微软在全球云基础设施服务市场份 额达 20%，较年初份额有所下滑。

微软多款生产力工具支撑顶层 SaaS 服务，Copilot+AI 商业化可期。微软通过 Microsoft 365 与 Dynamics 365 等顶层应用布局 SaaS 层具备先发优势：此前微软已将 Office 365 生产力 套件更名为 Microsoft 365，并转入云端。同时，微软通过在 Microsoft 365 Copilot 中引入 LLM，并将其集成在 Microsoft 365 中，有望打开额外变现增值空间。2023 年 11 月企业端 Microsoft 365 Copilot 服务正式推出，价格为每月 30 美元。客户方面，FY25Q1 Copilot 企 业客户环比增长 55%，AMD 和 Flutter Entertainment 等公司将 Copilot 加入自身代码库， 近 70%的《财富》500 强公司正在使用 Microsoft365 Copilot。设备方面，Windows 版 Copilot 目前已安装在近 2.25 亿台 Windows 10 和 Windows 11 电脑上。此外，微软也将 AI 融入 Dynamics 365 与 Teams 等其他 SaaS 服务中，譬如互动式 AI 助手、自动生成会议纪要等 功能。我们认为，对比亚马逊与谷歌在 SaaS 层应用相对单一，目前微软在全球生产力软 件市场布局广泛，在 SaaS 市场保持较高份额。随着 Microsoft 365 Copilot 向企业用户开 放，相关收入将逐步增长。

亚马逊电商盈利助力云业务规模壁垒，多元布局让公司成功转型。亚马逊早期以自营电商 业务起家，通过平台引流第三方电商与广告业务促进现金流，并持续提升盈利，具备一定 先发优势。电商业务发展之余亚马逊开始积极布局云业务，十余年间通过大量资本支出建 设 IaaS 数据中心，并多元化布局 PaaS 平台云服务与 SaaS 软件业务，成为云计算市场的 领导者。我们认为，如今云、大数据与 AI 深度融合背景下，云业务竞争趋于白热化，但 AWS 深耕云计算领域多年，具备庞大技术壁垒与丰富生态资源，叠加亚马逊电商业务充足的现 金流支撑，AWS 云业务后续发展有望保持强劲势头，长期领跑市场。

AWS 产品服务涵盖整个云服务框架，应用范围广泛。经历十余载发展，如今 AWS 云产品 服务涵盖了 IaaS、PaaS 和 SaaS 三大层面，提供包括存储、数据计算、机器学习、虚拟 机、边缘计算、物联网、AI 在内的多个服务。目前 AWS 在全球 33 个区域内运营着 105 个 可用区，拥有 600 余个入网点，服务 245 个国家和区域，并计划未来在德国、马来西亚、 墨西哥、新西兰和泰国等地新增 15 个可用区及 5 个 AWS 区域。下游行业方面，AWS 目前 已覆盖半导体、新能源、金融、游戏、零售、医疗等 20 余个细分领域。

云业务竞争趋白热化，AWS 营收回暖但同比增速低于竞争者。亚马逊、微软、谷歌云业务 价格战持续升级，对比微软 FY25Q1 Azure 营收同比+34%，谷歌 24Q3 云业务营收同比 +35.0%至 113.5 亿美元，AWS 增速有回暖趋势，24Q3 营收为 274.5 亿美元，同比+19%， 环比+4%；同比增速对比前六个季度有所回升，略低于 22Q4 水平。AWS 营运利润为 104.5 亿美元，同比+50%，环比+12%，约占总营运利润的 60%，营运利润率为 38.1%，同比+7.8pct， 增长部分来自公司成本结构调整与成本控制见效。

Other Bets 业务：未来科技的探索储备

Other Bets 业务主要指在核心业务谷歌之外运营的公司或项目，主要包括：1）Waymo， 主要开发自动驾驶解决方案并提供自动驾驶服务；2）Verily，生命科学研究机构，专注于 健康相关项目，包括疾病预防、管理以及医疗技术革新；3）Calico，生物技术公司，专注 于衰老生物学；4）X Development LLC，创新实验室，是一个由发明家和企业家组成的多 元化群体，目标为开发改善数百万人，甚至数十亿人生活的技术；5）Wing，致力于开发无 人机送货系统，提高物流和配送效率，及其他项目等。 其中以 Waymo 最为人熟悉，现已成为美国自动驾驶行业的技术领导者，并不断加强商业 化落地。截止 24 年 12 月，Waymo 每周的全自动驾驶里程超过 100 万英里，提供超过 17.5 万次付费乘车服务。Waymo 与 Uber 在 Austin 和 Atlanta 扩大运营网络和战略合作，以及 与现代汽车建立新的长期合作关系，近期自动驾驶公司如地平线、文远知行等纷纷上市， 我们认为若 Waymo 能分拆上市，或能释放可观价值。综合以上分析，我们预计 Other Bets 业务 FY24/25/26 营收为 21/28/37 亿美元，同比增长为 34.4%/35.0%/35.0%。

Waymo：全球自动驾驶先驱者，服务遍及美国四大城市

Waymo 是全球自动驾驶技术的领军企业，其起源可追溯至 2009 年谷歌启动的自动驾驶汽 车项目，后于 2016 年 12 月从谷歌独立出来，成为 Alphabet 公司的子公司。自 2016 年起， Waymo 在美国凤凰城开展自动驾驶测试，至今已有 8 年历史。2018 年，Waymo 推出了商 业化运营服务 Waymo One，自动驾驶打车服务成为 Waymo 的收入来源之一。此外，Waymo 还通过 Waymo Via 提供自动驾驶卡车运输和物流服务。 2024 年 6 月，Waymo 在旧金山向用户开放无人驾驶出行服务，近 30 万人完成注册。目前， Waymo 的自动驾驶出租车服务已逐步扩展至美国的四个市郊区域，包括菲尼克斯、洛杉矶、 旧金山和奥斯汀。2024 年 12 月，Waymo 宣布在美国每周的无人车付费出行次数已超过 17.5 万次。 目前 Waymo 车型已经过六轮迭代，2020 年 3 月发布的第五代车型基于捷豹 I-PACE，开始 采用全景激光雷达和角落补盲激光雷达系统。基于前代的基础上，2024 年 8 月发布的第六 代车型中，包含 13 个摄像头、4 个激光雷达、6 个雷达和一系列外部音频接收器(EAR)， 在显著降低成本的同时提高性能。

Waymo 实时数据丰富，具备在超过 2000 万英里的真实驾驶和超过 2000 亿英里的模拟驾 驶中积累的经验，其感知系统能够从其汽车传感器高级套件中收集复杂数据，并通过机器 学习等技术识别周围的对象，包括行人、骑行者、车辆和建筑物等。此外，Waymo 的备用 系统包括辅助计算、备用碰撞检测与规避系统、冗余转向系统、冗余制动系统、备用动力 系统、用于车辆定位的冗余惯性测量系统以及信息安全系统。 Waymo 采取提前绘制详细地图和收集数据的方式，以确保行驶数据稳定。在 Waymo 进入 新区域运营之前，会先对该地区进行极为详细的地图绘制，包括车道标记、停车标志、路 缘和人行横道等。然后，Waymo 会将这些详细的自定义地图与实时传感器数据结合使用， 以确定其精确的道路位置。

我们认为，Waymo 已初步在美国市场建立了自动驾驶的先发优势，主要体现在：1）已在 多个城市证明可在没有安全员的情况下长时间运营；2）数据层面不仅有通过广泛的真实路 测得来的广泛应对数据，同时也有用于测试边缘案例的模拟功能；3）为保障安全性而提供 的关键冗余系统；4）定制开发的硬件有助于优化软件堆栈。

Verily：AI 医疗解决方案的前沿探索

Verily 诞生于 Google X 的一项生命科学与医药方向的项目探索，于 2015 年被分离出来， 成为 Alphabet 的子公司，目标为以实验为中心，通过开发工具、服务和软件来帮助医疗生 态系统。其业务主要包括：

精准医疗解决方案：Verily 致力于使用来自临床、社会和行为等各种来源的数据，为 个人需求量身定制医疗保健解决方案。其服务包括慢性疾病管理、临床试验平台和卫 生系统分析工具等。例如，Verily Lightpath 为人工智能支持的慢性病护理平台，能够 因人而异，帮助实现和维持糖尿病、肥胖症和其他代谢疾病的健康目标。

硬件创新：Verily 开发了包括监测糖尿病和睡眠呼吸暂停等慢性疾病的设备。例如与 Dexcom 合作，为其 G6 和 G7 连续血糖监测设备提供微型化技术，以及推出 Verily Study Watch，一款具有可定制功能的临床级设备，用于收集临床试验中的数据。

公共卫生研究：Verily 在 COVID-19 疫情爆发期间，成功建立了包括 Healthy at Work 在内的人口健康计划，通过疫苗追踪和检测计划帮助员工安全重返工作岗位。此外， 由斯坦福大学、埃默里大学和 Verily 共同发起的 WastewaterSCAN 计划旨在开发和 扩展美国国家废水监测系统，为公共卫生措施提供信息，以减轻 COVID-19 等传染病 的传播。

医疗保险：与其子公司 Coefficient Insurance 共同进军保险行业，为寻求管理医疗保 健费用的自筹资金雇主提供保险。 据 Business Insider 12 月 18 日报道，Verily 计划在 2025 年增加外部资金来源，并将其战 略重点放在 AI 医疗上，且从 2025 年 1 月起，它将脱离谷歌的部分内部系统，寻求独立发 展。我们认为，若 Verily 实现分拆，或能为谷歌释放价值。

编辑：火腿肠