人工智慧全面發展，算力層、模型層、應用層快速疊代。全球各大科技巨頭紛紛布局 AI 大模型，模型疊代迅速、算力建設和應用落地也在加碼。
展望將來，我們對算力層、模型層、應用層提出 4 個猜想。我們猜想，AI 模型能力將成為基礎設施，模型和 MaaS 層或不存在絕對護城河。而產業鏈兩頭的算力層和應用層有望迎來爆發和變革，價值鏈或呈「U型分布」。
猜想 1：算力競賽加碼，格局尚難穩定。大量 AI 模型的湧現帶動了上游的算力需求。信通院報告預測，2030 年全球算力規模有望達 56ZFLOPS，2022-2030 年複合增長率達 65%。以 AI 晶片為例，英偉達率先卡位軟硬體，並積極綁定下游需求；AMD、Google、Intel 等紛紛挑戰其軟硬體產品性能及生態，跑步爭奪市場地位。
猜想 2：若模型同質化，則 MaaS 不稀缺。面對「百模大戰」，我們傾向於認為，多數模型本身可能並不存在絕對的護城河。而基於這些模型的 MaaS 平台，如 AWS、Salesforce、火山方舟等，也在積極採用多模型的開放合作模式。我們傾向於認為，MaaS 作為基礎設施、未來並不稀缺。MaaS 的競爭將來或成為對算力資源、運營精細度、價格等因素的競爭。
猜想 3：B 端應用：SaaS 服務迎來 AI 魔法加持。AI 有望為各類 SaaS 公司賦予全新的能力、助力 SaaS 賽道迎來「奇點時刻」。1）辦公賽道，以微軟為例，微軟推出 Microsoft 365 Copilot，嵌入 Office 等以及商務溝通環節，優化辦公軟體功能，提高辦公效率，提升用戶體驗。2）CRM 賽道，以 Salesforce 為例，AI 有望在銷售服務、數據分析、營銷商務、內部通訊、開發代碼等方面賦能，實現效率和體驗的提升。3）設計賽道，以 Adobe 為例，AI 能力嵌入後有望支持內容創作者使用文字生成圖像、音頻、插圖、影片和 3D 圖像等，大幅降低設計門檻、提升設計效率。
猜想 4：C 端應用：搜尋引擎等中心化入口或被削弱，終端場景望承接新流量入口。我們認為，生成式 AI 在應用端的持續疊代，將對線上線下業態的流量入口產生顛覆型重塑。其中，搜尋引擎這一中心化入口或被削弱。而各類終端場景——文旅、餐飲、零售、金融、教育、車載座艙等平台——則有望受益於大語言和多模態模型對內容運營能力的加持，從而將各類終端場景的「內容 服務」一站式打通，實現經營閉環。
一、算力的競賽
1.1 猜想 1：算力競賽加碼，格局尚難穩定
1.1.1 需求端：AI 拉動成長，算力需求空間廣闊
2022 到 2023，全球 AI 布局加速，大量人工智慧模型湧現。2022 年 11 月， OpenAI 發布聊天機器人 ChatGPT，將生成式 AI 的燎原戰火帶入公眾視野。2023 年 2 月，Meta AI 在其官網公開發布了 LLaMA 大型語言模型。2023 年 5 月，Google 發布新一代大語言模型 PaLM 2。與此同時，中國科技企業也按下了 AI 領域的快進鍵。百度於 2023 年 3 月發布文心大模型。此後，商湯、阿里雲、科大訊飛、華為等陸續發布各自的大模型。
以 GPT 系列預訓練過程為例，歷代 GPT 參數量呈現指數級增長，未來其算力需求有望大幅增長。訓練一次 1750 億參數的 GPT-3 模型需要的算力約為 3640 PFlop/s-day（即假如每秒計算一千萬億次，需要計算 3640 天）的年費。與經典版本相比，AI 版本的 Office 365 價格至少高出 40%。
3.1.2 CRM：以 Salesforce 為例，提升 CRM 產品效率及企業信任
以 Salesforce 為例，公司深耕 CRM 垂類，提供 AI 相關產品及 AI Cloud 雲服務。
2023 年 3 月，Salesforce 發布了 Einstein GPT，這是全球第一個 CRM 生成式 AI，採用 ChatGPT 開發商 OpenAI 的人工智慧技術。Salesforce 加速整合 ChatGPT 模型能力，陸續推出 GPT 產品及 AI Cloud 雲服務，提升 CRM 效率：
1）GPT 產品方面：5 月 Salesforce 推出對話式人工智慧 Slack GPT、以及用於數據分析的生成式人工智慧 Tableau（Tableau GPT 與Tableau Pulse）。6 月 Salesforce 推出 Marketing GPT 和 Commerce GPT，聚焦營銷與商務場景。
2）AI Cloud 雲服務方面：6 月 Salesforce 宣布推出 AI Cloud 服務，組合售價 36 萬 美元/年。Salesforce AI Cloud 包含九種 GPT 模型或服務：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 有望在銷售、服務、營銷、商務、內部通訊、數據分析、開發代碼等環節賦能。Sales GPT 可以實現銷售電子郵件的自動生成。Service GPT 可以根據案例數據和客戶歷史創建服務簡報、案例摘要和工作訂單。Commerce GPT 可以根據客戶數據自動生成商品推薦內容和通信。通過 Slack GPT，用戶可以構建無代碼工作流程，實現自動生成資訊摘要等。通過 Tableau GPT，可以根據自然語言提示生成可視化效果。在開發環節，Apex GPT 可以自動生成代碼以及提供漏洞修改建議等。
據 6 月 Salesforce AI Day ，在未來 2-3 個月，AI Cloud 有望推出 16 個新產品或功能。
企業信任方面，Einstein GPT 信任層保護企業數據安全，支持多種 LLM 模型部署
對於企業來講，進行大模型訓練的痛點之一是擔心企業內部數據泄露。Salesforce AI Cloud 採用新 Einstein GPT Trust Layer，防止 LLM 保留客戶的敏感數據，可以解決 B 端企業使用大模型的風險問題，滿足企業客戶對數據安全性和合規性需求。Salesforce AI Cloud 支持為 LLM 提供部署功能，包括使用第三方 LLM 模型、Salesforce 自有 LLM 模型以及接入企業自有模型， 同時幫助公司維護其數據隱私。包括：
1）第三方 LLM 模型：在 Salesforce 的雲基礎設施內，託管和服務來自 AWS、Anthropic、Cohere 等合作夥伴的 LLM 模型。此外，Salesforce 和 OpenAI 還建立了共享信任合作夥伴關係。
2）Salesforce 自有 LLM 模型。
3）接入企業自有模型：這些模型，無論是通過 AmazonSageMaker 還是 Google 的 Vertex AI，都將通過 Einstein GPT 信任層直接連接到 AI Cloud。客戶數據可以保留在客戶的信任邊界內。
總的來看，在 AI 布局方面，Salesforce 深耕 CRM 領域，對內陸續推出 GPT 產品及 AI Cloud 雲服務，對外繼續擴大 AI 投資。在企業信任方面，Einstein GPT 信任層（Trust Layer）保護企業數據安全、解決企業參與大模型的痛點，AI Cloud 支持多種 LLM 模型部署。
我們認為，AI 嵌入 CRM 環節相關產品應用後，有望在銷售服務、數據分析、營銷商務、開發代碼等方面實現效率和體驗的提升，推動付費客戶規模擴張、及 ARPU 提升，比如 AI Cloud 組合售價 36 萬美元/年，實現提價。
3.1.3 設計：以 Adobe 為例，為設計創造更多可能
以 Adobe 為例，Adobe 將多項 AI 功能嵌入產品應用中。2023 年 3 月，在設計方面，Adobe 推出圖像生成模型 Adobe Firefly，其依靠輸入文字資訊，可完成圖像生成、模型構建、圖像編輯以及圖形加工等各種任務。4 月，Adobe 將人工智慧功能引入 Premiere Pro，包括文本剪輯影片等。6 月，推出 Photoshop 中的生成填充（Generative Fill），將 Adobe Firefly 生成 AI 功能直接引入設計工作流程，目前處於測試階段。
我們預計，在設計環節，AI 有望支持內容創作者使用文字生成圖像、音頻、插圖、影片和 3D 圖像等，大幅降低設計門檻、提升設計效率。以下圖 Adobe Firefly 為例，通過文字「將場景改為冬日」即可實現圖像風格的變化，還可以自動生成藝術字變體等。
根據 Gartner 預計，2023 年全球公有雲 SaaS 支出同比增長 17.9% 至 1970 億美元，2024 年將同比增 17.7% 至 2323 億美元。展望未來，AI 為有望為 B 端 SaaS 公司實現更多創新功能，推動更快增長。而 SaaS 環節主要參與者 Microsoft、Salesforce、Oracle 等等都有望受益於這一變革。
3.2 猜想 4：C 端流量入口：搜尋引擎或式微，流量入口回歸場景
在 C 端應用方面，我們認為，AI 技術的持續疊代，有望大大提升各類終端場景——文旅、餐飲、零售、金融、教育等平台——的內容運營能力，從而將各類終端場景的內容和服務打通，實現操作閉環。而隨著流量入口「去中心化」至終端場景，此前的中心化流量入口，如搜尋引擎，也可能面臨流量式微的挑戰。
3.2.1 搜尋引擎式微：中心化流量入口的削弱
搜尋引擎是國內外網際網路最早的產品形態之一，也是商業模式角度最好的產品之一。搜尋引擎是典型的中心化流量入口。人們通常把搜尋引擎作為重要的解決各類問題的入口之一：有問題，去搜索。
搜尋引擎疊代至今，Google Search 始終是賽道霸主，且為 Google 帶來了可觀的收入和利潤。在 chatGPT 爆火以來，業內頻頻產生類似的疑問：在搜尋引擎賽道，微軟是否會藉由 Bing 實現對谷歌搜索的彎道超車？
事實上，在生成式 AI 爆發這段時間，從 2022 年到現在，Google 始終以 92%左右的市占率領先搜尋引擎賽道；如果以月度頻次來看，市占率不降反增（從 91.9% 至 92.6%）。而微軟旗下搜尋引擎 Bing 的市占率則在 3%左右上下浮動。
我們認為，這背後反映的是谷歌作為多年的搜尋引擎巨頭，無論是數據積累、資訊生態、算法模型、還是用戶 UI 設計，其相對競爭優勢都足夠領先。
相較於賽道內市占率的重新分配，我們認為，搜尋引擎面臨更大的問題在於流量入口的變革。事實上，這一點在近期 AI 大潮來臨之前、在移動網際網路時期就已體現。
從 PC 網際網路到移動網際網路時代，網民的資訊觸達方式發生了潛移默化的改變：此前的搜索越來越多被推薦所取代。隨之而來，線上廣告市場中，搜索廣告的份額也逐漸被各類推薦廣告所侵蝕。
從中國市場來看，2022 年，包含搜索廣告在內的「泛資訊廣告」份額較 2020 年下滑 4%。而從全球數據看，2022 年搜索廣告市占率較八年前下滑了7%。這一變化都反映了背後搜索作為流量入口核心位置的旁落。
我們認為，未來，大語言模型及多模態模型的疊代，有望大大增強終端場景中的內容運營能力，從而將解決問題的過程以「內容 服務」的形式留在各類終端場景中，而原有的中心化的流量入口則面臨「去中心化」的挑戰。
屆時，擁有各類終端場景——比如金融、文旅、傳媒、教育等——且積極擁抱 AI 技術疊代的企業，有望在此過程中持續受益。
3.2.2 場景為王：從服務到終端，得場景者得天下
以旅遊場景為例，我們認為 AI 技術的持續疊代，有望賦能旅遊餐飲等終端場景類平台的內容運營能力，從而這些平台能夠以「內容 服務」的模式來全鏈條服務用戶。
騰訊雲的文旅行業模型讓我們看到了這種可能性。在發布會的演示中，我們看到，在為模型投餵了旅遊相關的行業數據、接入旅遊企業用戶 API 後，騰訊文旅客服場景模型可以給出非常完備的旅遊攻略規劃，包括：
1）完整日程規劃；
2）交通，含票價 票務購買鏈接；
3）景點，含景點介紹 票價 票務購買鏈接；
4）酒店，含酒店介紹 房價 預訂鏈接。
基於此，用戶在做旅遊規劃時，就可以不再檢索多個 APP、不再在同一 APP 的不同入口來回跳轉，而是可以一站式完成規劃 下單。
同樣，在車端，座艙域作為人們生活中的「第三空間」，將來也有望在 AI 助力下，通過內容交互能力的提升，來實現「內容 服務」的打通。
近期，梅賽德斯奔馳宣布將 chatGPT 引入車機系統。此後，理想汽車也宣布引入自研的 mindGPT。車企對於座艙交互的重視程度日益提升。
以理想汽車為例，大語音模型的疊代有望帶來對話交互能力的躍遷，使得車機交互從「觸控為主」轉向「對話為主」。而內容能力的完善，亦有望將出行規劃和消費決策在座艙這一第三空間完成。
按照理想汽車給出的例子，「當用戶想吃火鍋，在告訴『理想同學』後，車機界面就會生成火鍋圖片供選擇，並自動規劃出行路線等操作」。我們認為，將來隨著 AI 技術推進，座艙作為「第三空間」，有望憑藉內容能力的躍遷，實現智能化的快速提升。
當然，這樣的例子不止體現在 O2O 和車端座艙。我們認為，AI 技術的持續疊代，有望大大提升各類終端場景——文旅、餐飲、零售、金融、教育等平台——的內容運營能力，從而將各類終端場景的內容和服務打通，實現操作閉環。
