一、全球巨头的AI资本开支情况

在过去的季度中，微软、谷歌、亚马逊和Meta的资本开支相比去年都有明显增长，基本在20%以上，多的在50%以上。

微软是四个大厂中首先对AI进行大规模铺设的公司，过去季度的资本开支为190亿美元，不含融资租赁为139亿美元，同比增长55%。

微软的资本开支超市场预期，对于未来的预期也相对积极，过去三个季度的资本开支从97亿增加到139亿。

微软的资本开支在24年Q4有明显增长，预计下个财季可能达到140-150亿美元，年化可能超过600亿美元。

谷歌的资本开支在24年Q2达到132亿美元，同比增长90%，环比继续增加，投入力度超市场预期。

谷歌认为投入不足的风险比投入过度更大，几dada厂对AI投入的共识度高度一致。

谷歌的资本开支在下个季度可能达到140-150亿美元，预计每年资本开支在600亿量级。

Meta的资本开支为164亿美元，同比增长57%，环比继续增加，超市场预期。

Meta的资本开支包含一些仓储物流相关的部分，具体与AI或IT相关的部分没有详细数据。

公司预计年总量在600多亿，但实际可能在400亿左右，与IT相关平台约100亿。

公司加大了对AI的投入，主要购买技术层设备，包括服务器和卡等。

尽管喊得最响，但过去季度的资本支出低于预期。

全年资本开支上修到370亿到400亿，上半年资本开支不到150亿。

下半年预计资本开支约250亿，季度环比量仍较大，全年预计370亿减去140亿，剩230亿，每季度约115亿到120亿。

下半年两个季度资本开支相比前两个季度更明显，扎克伯格对2025年预期积极。

微软预计资本开支450亿美金左右，谷歌近500亿，Meta 370到400亿，总600亿。

24年资本开支相比去年增加幅度较大，背景是资本开支持续增加。

二、AI商业化现状及预期

AI商业化预期应修正为改造现有算法和硬件，而非等待爆款。

AI大模型正在改造推荐引擎和搜索引擎，广告投放也受益于AI。

AI硬件改造如AI手机有望超过预期，虽然目前AI PC效果不佳。

AI商业化场景在推荐引擎和广告制作中体现明显，爆款应用尚未出现。

AI模型能力尚未达到支撑爆款应用的程度，需匹配模型能力。

英伟达解释40%的推理需求包括推荐引擎和酷派等。

推荐引擎在AI商业化中最值得关注，底层逻辑与大模型相同。

推荐引擎改造效果明显，是AI商业化的重要场景。

大厂对AI商业化的判断标准不仅仅是为了优化原有业务架构、提升市场份额和收入，更是决定投资的重要决策。

市场和大厂需要对齐AI商业化的判断标准以及对资本开支的判断标准。

短期的AI商业化在大厂原有业务改造中的体现非常重要，是未来追求AI爆款的必要过程。

大厂对资本开支的思考需要考虑市场份额集中度的提升。

过去一年，大厂通过投资AI维持了原有市场第一的位置，市场份额没有因为初创公司的出现而下跌。

大厂通过投AI来维持市场地位并提升模型能力。

大厂今年的目标是在原有第一的位置基础上利用AI做增量，提升搜索引擎的活跃度、付费率和用户时长，并在原有业务基础上进一步发展。

大厂在选择投资AI时更倾向于在原有优势业务上进行强化，而不是冒险开辟新的产品线。

过去几个季度，大厂的业务集中度和市场份额在进一步提升。

三、云业务及广告业务的表现

大厂的云业务在过去几个季度中市场份额进一步提升，微软、谷歌和亚马逊的云业务盈利能力也在增加。

谷歌云和亚马逊云的盈利能力在过去两个季度有所提升，云业务的集中度和流量集中度在进一步增加。

AI搜索引擎的用户界面变化导致用户在搜索界面的停留时长增加，而第三方长尾内容网站的用户时长减少。

AI搜索引擎帮助用户在搜索界面直接生成内容，减少了用户点击第三方链接的需求，从而增加了搜索界面的用户时长和广告展示时间。

广告位减少是否会影响收入？

过去半年大厂通过改造提高了推荐引擎的效果8~10%，谷歌用户满意度提升了7~8个点，用户使用时间变长。

四、AI产业的分散性与开源闭源的差距

美国AI产业不依赖于某一家公司或模型，而是分散在全球不同公司和角落，体现了开源和闭源之间的差距在缩小。

开源和闭源之间的差距在缩小，形成了良性循环和反馈。

市场和大厂之间的认知存在偏差，需要对齐以避免预期差异。

OpenAI的年化收入在2023年约为34亿美金，预计2024年可能达到60亿美金左右，亏损约50亿美金。

在推荐引擎对大厂的改造中，最值得关注的是Meta，其次是谷歌，最后是亚马逊，微软由于流量较少不值得关注。

AI搜索广告中，Meta和谷歌的商业化进展最好，预计广告带来的量级可能达到几十亿美金。

大厂对算法和推荐引擎的改造刚进行两个季度，算大厂单独业务的AR较为公平。

微软的智能云服务收入增速高于用户订阅数增速，主要由于AI带来的客单价提升。

Meta和谷歌的广告搜索引擎在过去一个季度表现良好，广告内容推荐和精准度提高明显。

五、模型小型化与资本开支的关系

模型参数量越来越大，训练时间和集群需求增加，模型交付周期变长。

扎克伯格提到拉曼4比拉曼3需要的计算量增加了10倍。

模型小型化是今年最大的边际变化。虽然大模型能力强，但短期内需要考虑商业化体现。

PPT44v和44g的参数量在实际应用中没有意义，模型小型化有助于降低使用门槛和成本，提高实际使用价值。

在模型做大的同时，要把现有模型能力商业化体现出来。

GPT5的推出周期变长，但现有能力需尽快释放，降低使用门槛。

大厂的资本开支和现金流关系未具体展开。

在过去的这段时间里，大厂的现金流和经营性竞争领域处于一个中等偏上的水平，但各家的情况略有不同。

微软比历史水平高，因为其资本开支较激进；而Meta由于没有云服务，其资本开支主要用于训练。

整体来看，AI商业化能否支撑后续资本开支取决于各大厂的决策标准和市场需求。

AI收入需进行年化处理，尤其是大厂的相关业务收入。

同时，成本端需动态观察，英伟达的算力成本每年下降90%。

模型迭代周期可能变长，但集群变大，应用交错出现。

模型迭代周期可能变长，但我们更加关注当期模型能力的小型化带来的商业化体现。

资本开支和现金流处于健康可控范围内。

AI产业非常大，每个环节设计环节也比较多，需要多交流。

Q&A

Q1: 如何看待目前全球巨头的AI资本开支的持续性？

A1: 过去两周市场波动较大，全球巨头披露了最新季报，资本开支仍然积极。市场关注AI商业化及其对资本开支持续性的支持。目前AI尚未达到泡沫化状态，无论是公司估值还是大厂资本开支的投入力度，都未到难以为继的程度。

Q2: 如何看待AI的商业化？

A2: 微软、谷歌、亚马逊和Meta的资本开支相比去年都有明显增长。微软资本开支为190亿美元，同比增长55%。谷歌资本开支为132亿美元，同比增长90%。Meta资本开支为164亿美元，同比增长57%。AI商业化预期应修正为改造现有算法和硬件，而非等待爆款。推荐引擎和广告制作是AI商业化的重要场景。大厂通过投资AI维持市场地位，并在原有业务上进行强化。

Q3: 广告位减少是否会影响收入？

A3: 过去半年大厂通过改造提高了推荐引擎的效果，谷歌用户满意度提升了7~8个点，用户使用时间变长。AI搜索引擎帮助用户在搜索界面直接生成内容，增加了搜索界面的用户时长和广告展示时间。大厂对算法和推荐引擎的改造刚进行两个季度，麦塔和谷歌的广告搜索引擎商业化进展最好，预计广告带来的量级可能达到几十亿美金。