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。