百度-美股公司研究報告-前瞻布局AI+智能駕駛MaaS浪潮來臨有望開啟第二增長曲線-230515（60頁）.pdf

《百度-美股公司研究報告-前瞻布局AI+智能駕駛MaaS浪潮來臨有望開啟第二增長曲線-230515（60頁）.pdf》由會員分享，可在線閱讀，更多相關《百度-美股公司研究報告-前瞻布局AI+智能駕駛MaaS浪潮來臨有望開啟第二增長曲線-230515（60頁）.pdf（60頁珍藏版）》請在三個皮匠報告上搜索。

1、 本報告由中信建投證券股份有限公司在中華人民共和國（僅為本報告目的，不包括香港、澳門、臺灣）提供。在遵守適用的法律法規情況下，本報告亦可能由中信建投（國際）證券有限公司在香港提供。同時請參閱最后一頁的重要聲明。證券研究報告證券研究報告美股公司深度美股公司深度 軟件與服務軟件與服務 百度：百度：前瞻布局前瞻布局 AI+智能駕駛，智能駕駛，MaaS浪潮有望開啟第二增長曲線浪潮有望開啟第二增長曲線 核心觀點核心觀點 百度搜索廣告業務預計受益經濟復蘇，且效果廣告受益序列較品牌廣告媒介更優先，信息流廣告則受益展現形式的效率繼續驅動廣告業務增長。云業務隨著疫后回歸常態，項目交付、新簽訂單逐步兌現，向上復蘇

2、趨勢明確。ERNIE BOT 方面，短期商業化前景尚不清晰，但產業中長期趨勢向好，具備廣闊應用場景且有希望構建合適商業模式的機會，看好百度在 AIGC 領域的布局和先發優勢。百度有望開啟第二增長曲線百度有望開啟第二增長曲線 百度正重塑企業文化，堅定執行既定戰略方針百度正重塑企業文化，堅定執行既定戰略方針 2017-19 年來的人事、組織架構、公司制度的密集調整正在重塑企業文化，一個例證是百度集團副總裁張東晨、副總裁侯震宇相繼回歸百度。1Q21 財報電話會上，百度創始人兼 CEO 李彥宏提到“隨著 AI 推動技術發展進入新階段，眾多前百度員工重新回歸”。未來，我們認為百度相比過去會大幅提升戰略的

3、執行能力，在既有戰略方向上，移動端+網頁端維持搜索廣告的業務根基，新業務諸如智能駕駛、智能云等業務積極探索，發掘第二增長曲線。廣告受益經濟修復及廣告主預算回升，新產品有望貢獻增量廣告受益經濟修復及廣告主預算回升，新產品有望貢獻增量 百度移動生態廣告業務可以拆分成 1）新產品推出，提供較多增量；2）既有產品的升級，實現效率改善，貢獻溫和增長。廣告產品的豐富和結構改善驅動百度廣告業務產品周期變化，疊加外部的宏觀經濟、行業景氣度變化，二者共同影響百度移動生態廣告業務的增速?？傮w來看，我們預計百度廣告業務將受益經濟修復及需求回暖，且新產品商業化有望貢獻增量 MaaS 浪潮有望加速經濟智能化發展浪潮有望

4、加速經濟智能化發展 智能云方面，以大模型為代表的 MaaS 浪潮正在興起，未來有望加速智能服務的普及滲透，并提升各行業的生產效率。從產業鏈來看，百度在 AI 領域布局較全面，積累較領先，例如深度學習框架、機器學習平臺、知識圖譜、增量學習的積累較深，掌握 LLM未來發展的關鍵技術和資源，我們看好百度在 LLM 領域的競爭優勢，且百度有望受益 LLM 驅動的上云紅利，帶動其他云服務需求回升。維持維持 買入買入 孫曉磊 SAC 編號:s1440519080005 SFC 編號:BOS358 崔世峰 SAC 編號:S1440521100004 許悅 SAC 編號:s1440523030001 發布日期

5、：2023 年 05 月 15 日 當前股價：132.51 美元 目標價格 6 個月：168 美元 主要數據主要數據 股票價格絕對股票價格絕對/相對市場表現（相對市場表現（%）1 個月 3 個月 12 個月-2.81/-3.08 36.61/35.64-11.55/1.04 12 月最高/最低價（美元）162.86/76.57 總股本（萬股）34,959.72 流通股本（萬股）27,751.54 總市值（億美元）559.22 流通市值（億美元）559.22 近 3 月日均成交量（萬）387.96 主要股東 Robin Yanhong Li 16.30%股價表現股價表現 相關研究報告相關研究報告

6、 -50%-30%-10%10%2022/2/252022/3/252022/4/252022/5/252022/6/252022/7/252022/8/252022/9/252022/10/252022/11/252022/12/252023/1/25百度納斯達克綜指百度百度(BIDU.O)/百度集團百度集團-SW(9888.HK)2 美股公司深度報告 百度百度 百度在智能駕駛領域百度在智能駕駛領域前瞻布局前瞻布局+持續投入，有望成就新增長曲線持續投入，有望成就新增長曲線。1）輔助駕駛產品的落地更多依賴集度汽車的量產及銷售，預計 2H23 開始實質性貢獻業績；2）云端解決方案實質是各環節能力

7、賦能外部客戶，主要受益新能源車廠和傳統車廠轉向新能源的需求，當前行業進入拐點，未來需求增速可能轉向平緩；3）Apollotaxi布局國內領先，2022 年發布的 Apollo RT6 將 L4 級別自動駕駛單車成本控制在 25 萬元左右，按 5 年運營周期計算，單月單車成本約為 4100 元，政策扶持、引導下有望逐步走向正軌；4）車載地圖、智能座艙方面市場地位穩固，主要增長來自行業需求、滲透率提升。投資建議：投資建議：流動性方面，市場從 2023 年 1-3 月初經歷了軟著陸定價，主要由于非農就業、CPI、PCE 數據展現通脹和經濟的韌性，以及利率提升對需求的抑制作用可能存在滯后效應，尤其是美

8、聯儲主席鮑威爾國會聽證會后，市場進一步重新定價國債收益率曲線陡峭化。3 月至今由于 SVB 等風險事件的出現，市場進行衰退定價，表現為遠端利率的快速回落，而隨著市場重新穩定信心，此前過于激進的衰退預期交易有所降溫。當前的利率曲線較 1 月水平，近端一定程度上反映了通脹和經濟的韌性，遠端仍然定了部分衰退預期，整體偏樂觀一些。但恒生科技指數 4 月中旬以來顯著跑輸納斯達克指數，這里可能存在額外的空間保護，對恒生科技而言，其具備潛在的估值修復機會?；久鎸用?，百度搜索廣告業務預計受益經濟復蘇，且效果廣告受益序列較品牌廣告媒介更優先，信息流廣告則受益展現形式的效率繼續驅動廣告業務增長。云業務隨著疫后回

9、歸常態，項目交付、新簽訂單逐步兌現，向上復蘇趨勢明確。ERNIE BOT 方面，短期商業化前景尚不清晰，但產業中長期趨勢向好，具備廣闊應用場景且有希望構建合適商業模式的機會，看好百度在 AIGC 領域的布局和先發優勢。維持對百度集團的“買入”評級。UWdUuUlYmUpNmOnQ9P8Q8OpNpPoMtQeRoOtOfQpOsM9PpPwPuOsQqNNZtQvN 3 美股公司深度報告 百度百度 目錄目錄 1.盈利預測與估值：流動性長期向好，業務發展回歸健康態勢.7 1.1 流動性層面：存在估值修復機會.7 1.2 基本面層面：基本面拐點確立，中長期把握新增長曲線.11 2.投資評價和建議：

10、業務趨勢向好，前瞻布局有望逐步兌現，維持買入“評級”.11 3.移動生態：治理結構明顯改善，業務發展保持韌性.12 3.1 復盤百度的轉型之路：公司治理邊際改善，把握正確戰略方向.12 3.2 業務：廣告受益經濟修復及廣告主預算回升，新廣告產品有望貢獻增量.22 4.智能云：MaaS 浪潮有望加速經濟智能化發展.30 4.1 NLP 云服務：范式轉移驅動新趨勢，前期積累有望逐步兌現.33 4.2 對話式 AI：軟硬結合助力業務穩步發展.44 4.3 機器學習平臺：國內應用規模領先，技術沉淀積累深厚.45 5.智能駕駛：前瞻布局+持續投入，有望成就新增長曲線.46 5.1 云端：自動駕駛云 Ap

11、ollo Cloud+Robotaxi.46 5.1.1 自動駕駛云解決方案：數據采標、AI 研發、仿真測試等能力社會化.46 5.1.2 Apollo Robotaxi：技術積累領先行業，政策鼓勵下逐步推廣落地.49 5.2 車路協同：智能交通引擎 ACE 涵蓋產品及解決方案.50 5.3 車端：智能座艙、智能駕駛、智能地圖全棧布局.52 5.3.1 智能駕駛：集度汽車預期 2H23 交付，有望逐步貢獻實質性業績.52 5.3.2 智能座艙：百度 IVI 份額位列行業領先.53 5.3.3 智能地圖：車載導航地圖、高精地圖均位列行業前列.55 附錄：公司概況.56 風險分析.57 報表預測.

12、58 圖目錄 圖 1:2023M1-2023M4 聯邦基金期貨隱含政策利率曲線變化.7 圖 2:2023 年至今納斯達克、標普 500 指數市盈率變化情況.7 圖 3:2023 年以來恒生科技指數與納斯達克指數走勢情況（%）.8 圖 4:2023 年 3 月以來恒生科技指數與納斯達克指數情況（%）.8 圖 5:2019-23 年一線城市商品房成交面積（萬平米）.8 圖 6:2019-23 年二線城市商品房成交面積（萬平米）.8 圖 7:2019-23 年三線城市商品房成交面積（萬平米）.8 圖 8:2019-23 年 30 大中城市商品房成交面積（萬平米）.8 圖 9:2019-23 年主要建

13、筑鋼材生產企業螺紋鋼庫存.9 圖 10:2019-23 年全國周度水泥平均價格指數.9 圖 11:2019-23 年美國消費支出與可支配收入情況（十億美元）.9 圖 12:2004-23 年美國個人儲蓄存款占可支配收入比例（%）.9 4 美股公司深度報告 百度百度 圖 13:1Q04-4Q22 美國銀行信用卡拖欠率（%）.9 圖 14:2007-2023 年 2 月美國商業銀行貸款/存款情況.9 圖 15:2001-2023 年 3 月美國房租 CPI 與房價指數.10 圖 16:2006-2023 年亞特蘭大聯儲薪資增長指數.10 圖 17:2015-23 年 3 月中概互聯網與景氣度曲線.

14、10 圖 18:權益被動資金累計凈流入情況（百萬美元）.10 圖 19:權益主動資金累計凈流入情況（百萬美元）.10 圖 20:港股通累計買入凈額與恒生科技指數情況.10 圖 21:新發行基金與恒生科技指數相關性.11 圖 22:恒生科技指數與美債相關性.11 圖 23:2018-22 年移動互聯網時長份額變化情況（%）.12 圖 24:2003-3Q12 中國搜索引擎市場份額（%）.13 圖 25:2002 年底百度推出“搜索大富翁”活動.14 圖 26:百度唐伯虎篇創意廣告，強化“百度更理解中文”印象.14 圖 27:百度 2010 年前的產品矩陣.15 圖 28:百度在 2009 年以來

15、的戰略變化路徑.15 圖 29:百度“全家桶”產品多數行為鏈路較短，不構成完整閉環，導致流失率較高.16 圖 30:從大尺寸屏幕到小尺寸屏幕，交互邏輯變化導致搜索在移動端不再是主要解決方案.17 圖 31:2013-17 年百度對外投資版圖.17 圖 32:百度四象限理論，夯實移動基礎，決勝 AI 時代.18 圖 33:百度 2018-21 年重新聚焦內容領域投資.19 圖 34:百度存在過度扶持百家號內容的傾向.19 圖 35:百度 Web 端多處引導用戶下載百度 App.20 圖 36:2011 年至今百度組織架構調整（截止 2023/3/17）.21 圖 37:百度營銷產品圖譜.23 圖

16、 38:百度網頁端 UV、PV 情況（億）.24 圖 39:4Q15-1Q23 手機百度 DAU 及同比增速（萬，%）.24 圖 40:4Q15-1Q23 百度貼吧 DAU 及同比增速（萬，%）.24 圖 41:4Q15-1Q23 好看視頻 DAU 及同比增速（萬，%）.24 圖 42:4Q15-1Q23 度小視 DAU 及同比增速（萬，%）.24 圖 43:4Q18-4Q22 百度 App 單日人均時長及環比（分鐘，%）.25 圖 44:4Q18-4Q22 百度單日人均信息流推薦量（條）.25 圖 45:百度搜索信息流及視頻信息流的跳轉流程.26 圖 46:加權系數的函數.26 圖 47:不

17、同打開率假設下的綜合 ad load（%）.26 圖 48:百度地圖會員產品刊例價（元/年）.28 圖 49:百度品牌 Voice 產品案例及刊例價情況.28 圖 50:3Q18-4Q22 百家號內容創作者規模（百萬）.29 圖 51:2023 年百家號營銷項目全景圖.29 圖 52:百度每季度推出的廣告產品情況（個）.29 圖 53:1Q19-4Q22 中國云計算市場營收規模（億美元）.30 5 美股公司深度報告 百度百度 圖 54:2017-20 年中國 CDN 市場規模及同比（億美元，%）.30 圖 55:百度云 CDN 規模測算.30 圖 56:2H19-1H22 國內視頻云競爭格局（

18、%）.31 圖 57:2019-22E 國內視頻云市場規模（億美元）.31 圖 58:1H20-1H22 中國 AI 公有云服務市場份額（%）.31 圖 59:1H22 中國人臉人體識別公有云服務市場份額（%）.31 圖 60:1H22 中國圖像視頻公有云服務市場份額（%）.32 圖 61:1H22 中國 NLP 公有云服務市場份額（%）.32 圖 62:1H22 中國智能語音公有云服務市場份額（%）.32 圖 63:1H22 中國對話式 AI 公有云服務市場份額（%）.32 圖 64:1H22 中國機器學習公有云服務市場份額（%）.32 圖 65:2021 年 AI 云服務份額（%）.32

19、圖 66:NLP 領域的范式轉移.33 圖 67:小樣本學習的訓練改進.33 圖 68:大模型領域的研究機會.34 圖 69:ERNIE 模型的 MASK 的策略和 BERT 的區別.34 圖 70:ERNIE 2.0 提出了多任務訓練策略的改進.35 圖 71:ERNIE 3.0 模型引入大規模參數/數據，擴展網絡層數至 48 層，融合自編碼網絡和自回歸網絡.36 圖 72:ERNIE 3.0 TITAN 引入自監督對抗性損失及可控語言建模損失函數，實現對生成內容的自反饋學習優化.37 圖 73:ERNIE 3.0 Titan 的在線蒸餾框架.37 圖 74:業界 AI 研究院的組織架構調整

20、.39 圖 75:2018-21 年谷歌經歷介入軍事、語音監聽、倫理委員會風波，21-23 年大量研究人員離職.40 圖 76:2017-22 年 NIPS 論文發布機構集中度有所下降.41 圖 77:1950-2022 年美國司法部及歐盟反壟斷訴訟案件數量（件）.41 圖 78:2022 年 6 月 BERT 模型 8 卡 400W A100 訓練性能.43 圖 79:2022 年 9 月 BERT 模型 8 機 64 卡同配置 GPU 訓練性能.43 圖 80:Meta OPT-175B 模型訓練中出現多個斷點.43 圖 81:百度軟硬結合聯合優化實現 EFLOPS 算力最佳實踐.44 圖

21、 82:百度智能駕駛事業群組組織架構.46 圖 83:智能駕駛數據一體化解決方案.46 圖 84:2020-25 年 AI 基礎數據服務市場規模及同比（億元，%）.47 圖 85:2020 年 AI 基礎數據服務市場分行業占比（%）.47 圖 86:2019 年國內 AI 基礎數據服務需求結構（%）.47 圖 87:2019 年國內 AI 基礎數據服務市場份額（%）.47 圖 88:2021-25 年全球自動駕駛市場及仿真市場規模情況.48 圖 89:2021-25 年中國自動駕駛仿真市場規模及增速情況.48 圖 90:自動駕駛仿真平臺格局.48 圖 91:2022-23 年國內新能源批發預估

22、銷量占比（%）.49 圖 92:截止 2022 年底，蘿卜快跑的最新進展.50 圖 93:Apollo 歷代車型發展歷程.50 6 美股公司深度報告 百度百度 圖 94:百度智能交通引擎 ACE 2.0 架構.51 圖 95:2020-22 年城市智慧交通千萬項目中標金額（億元）.51 圖 96:2020-22 年城市智慧交通億級項目中標金額（億元）.51 圖 97:2021 年高精度地圖市場份額（%）.52 圖 98:智慧交通市場結構.52 圖 99:百度智能駕駛業務布局.52 圖 100:Apollo City Driving Max 硬件配置.53 圖 101:Apollo Highwa

23、y Driving Pro 硬件配置.53 圖 102:小度車載 2020 整體架構（2019 年 12 月發布）.54 圖 103:小度車載 OS 整體架構（截止 2023 年 4 月）.54 圖 104:2020 年車載娛樂系統新車實際搭載量（萬輛）.54 圖 105:2020 年超過 10 萬輛銷量以上的品牌合作情況.54 圖 106:2021 年國內乘用車導航產品供應商份額（%）.55 圖 107:2021 年高精度地圖市場份額（%）.55 圖 108:百度地圖產品架構.55 圖 109:百度核心產品及服務與收入板塊.56 表目錄 表 1:百度地圖會員產品目前開放行業（截止 2023

24、年 3 月）.27 表 2:不同掩碼策略及數據集規模下的模型預測準確率.35 表 3:訓練語料引入多輪對話后模型預測準確率提升.35 表 4:業界大模型相關論文影響力（截止 2023/4/12）.38 表 5:深度學習框架的流行度情況（截止 2023/4/16）.42 表 6:新能源汽車廠商仿真測試軟件/平臺的供應商較為分散.49 7 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 1.盈利預測盈利預測與估值與估值：流動性長期：流動性長期向好，業務發展回歸健康態勢向好，業務發展回歸健康態勢 1.1 流動性層面：流動性層面：存在估值修復機會存在估值修復機會 1 月至今市場交易邏輯反復搖擺。

25、月至今市場交易邏輯反復搖擺。流動性方面，市場從 2023 年 1-3 月初經歷了軟著陸定價，主要由于非農就業、CPI、PCE 數據展現通脹和經濟的韌性，以及利率提升對需求的抑制作用可能存在滯后效應，尤其是美聯儲主席鮑威爾國會聽證會后，市場進一步重新定價國債收益率曲線陡峭化。3 月至今由于 SVB 等風險事件的出現，市場進行衰退定價，表現為遠端利率的快速回落，而隨著市場重新穩定信心，此前過于激進的衰退預期交易有所降溫。當前的利率曲線較 1 月水平，近端一定程度上反映了通脹和經濟的韌性，遠端仍然定了部分衰退預期。圖圖 1:2023M1-2023M4 聯邦基金期貨隱含政策利率曲線變化聯邦基金期貨隱含

26、政策利率曲線變化 圖圖 2:2023 年年至今納斯達克、標普至今納斯達克、標普 500 指數指數市盈率變化情況市盈率變化情況 數據來源：彭博，中信建投 注：截止2023/4/23。數據來源：Wind，中信建投 具體到 PE 中樞方面，1-2 月由于利率曲線明顯上移，主要是對軟著陸敘事的樂觀預期，帶動 EPS 預期修復；2-3 月初通脹數據展現粘性，市場可能低估通脹的延續性，因此利率曲線進一步上移，帶動 PE 中樞下降；3 月初 SVB 風險事件出現后市場預期快速轉向衰退，即美國可能面臨一次“金融危機”，帶動利率曲線快速下移，導致 PE 中樞上行，最終修復之 2 月初的高點水位附近。3 月底至今

27、市場情緒回歸穩定，利率曲線較 3 月底有所上移，但仍預期衰退，且指數主要公司發布業績影響業績預期，標普及納斯達克 PE 中樞走勢分化。年初市場預期的中美景氣度差距周期邏輯并未被高頻數據佐證，相反美國經濟數據反映狀態健康，而國內1 季度 GDP 數據超預期，當前處于邏輯既無法證偽也難以證實的中間地帶。我們認為，未來國內結構性復蘇疊加產業轉型，在取舍中短期犧牲效率的概率較高，而美國衰退預期與 Fed/近期的經濟數據不符，當前的利率預期可能偏于樂觀，存在潛在的下行風險。但需要注意的是，恒生科技指數 4 月中旬以來顯著跑輸納斯達克指數，這里可能存在額外的空間保護，對恒生科技而言，如果不存在額外的負面因

28、素，其具備潛在的估值修復機會。關于恒生科技指數的相對跑輸，一些觀點認為地緣政治風險可能影響了外資資金的流入，但 EPFR 數據顯示港股市場主被動資金的流入較此前月份相對平穩。另一方面，港股通 2 月以來也保持持續凈流入。4.04.55.05.56.02023M12023M22022M3(3/8)2022M3(3/13)2022M3(3/23)2022M4(4/24)18192021222324251520253035402023-012023-022023-032023-042023-05PE：納斯達克綜合指數PE:S&P 500 8 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖

29、3:2023年以來恒生科技指數與納斯達克指數走勢情況（年以來恒生科技指數與納斯達克指數走勢情況（%）圖圖 4:2023年年 3月以來恒生科技指數與納斯達克指數情況（月以來恒生科技指數與納斯達克指數情況（%）數據來源：Wind，中信建投 數據來源：Wind，中信建投 圖圖 5:2019-23 年一線城市商品房成交面積（萬平米）年一線城市商品房成交面積（萬平米）圖圖 6:2019-23 年二線城市商品房成交面積（萬平米）年二線城市商品房成交面積（萬平米）數據來源：Wind，中信建投 注：已按MA(5)平滑處理。數據來源：Wind，中信建投 注：已按MA(5)平滑處理。圖圖 7:2019-23 年三

30、線城市商品房成交面積（萬平米）年三線城市商品房成交面積（萬平米）圖圖 8:2019-23 年年 30 大中城市商品房成交面積（萬平米）大中城市商品房成交面積（萬平米）數據來源：Wind，中信建投 注：已按MA(5)平滑處理。數據來源：Wind，中信建投 注：已按MA(7)平滑處理，按農歷春節調整。-10%-5%0%5%10%15%20%2023-012023-022023-032023-042023-05HSTECH 恒生科技IXIC 納斯達克指數-6%-4%-2%0%2%4%6%8%10%12%HSTECH 恒生科技IXIC 納斯達克指數020406080100120140201920202

31、021202220230501001502002503003502019202020212022202305010015020020192020202120222023020406080100-35-1552545658510512514516518520522524526528530532534520192020202120222023 9 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 9:2019-23 年年主要建筑鋼材生產企業螺紋鋼庫存主要建筑鋼材生產企業螺紋鋼庫存 圖圖 10:2019-23 年全國周度年全國周度水泥水泥平均平均價格指數價格指數 數據來源：Wind，中信建

32、投 注：已按MA(5)平滑處理。數據來源：Wind，中信建投 注：已按MA(7)平滑處理。圖圖 11:2019-23 年年美國消費支出與可支配收入情況（十億美元）美國消費支出與可支配收入情況（十億美元）圖圖 12:2004-23 年年美國個人儲蓄存款占可支配收入比例（美國個人儲蓄存款占可支配收入比例（%）數據來源：Wind，中信建投 數據來源：Wind，中信建投 圖圖 13:1Q04-4Q22 美國銀行信用卡拖欠率（美國銀行信用卡拖欠率（%）圖圖 14:2007-2023 年年 2 月美國商業銀行貸款月美國商業銀行貸款/存款情況存款情況 數據來源：Wind，中信建投 數據來源：美國經濟分析局，

33、中信建投 0100200300400500600700800W1 W5 W9W13W17W21W25W29W33W37W41W45W49W5320192020202120222023100120140160180200220W1 W5 W9W13W17W21W25W29W33W37W41W45W4920192020202120222023 10,000 12,000 14,000 16,000 18,000 20,0002019-12019-42019-72019-102020-12020-42020-72020-102021-12021-42021-72021-102022-12022-42

34、022-72022-102023-1美國:個人可支配收入美國:個人消費支出05101520253035402004-012005-022006-032007-042008-052009-062010-072011-082012-092013-102014-112015-122017-012018-022019-032020-042021-052022-06美國個人儲蓄存款/可支配收入0123456781Q041Q051Q061Q071Q081Q091Q101Q111Q121Q131Q141Q151Q161Q171Q181Q191Q201Q211Q22美國:拖欠率:所有銀行:信用卡:季調5%10

35、%15%20%25%美國商業銀行消費貸款/存款美國商業銀行工商業貸款/存款 10 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 15:2001-2023 年年 3 月美國房租月美國房租 CPI 與房價指數與房價指數 圖圖 16:2006-2023 年亞特蘭大聯儲薪資增長指數年亞特蘭大聯儲薪資增長指數 數據來源：S&P，美國勞工部，中信建投 數據來源：亞特蘭大聯儲，中信建投 圖圖 17:2015-23 年年 3 月中概互聯網與景氣度曲線月中概互聯網與景氣度曲線 圖圖 18:權益被動資金累計權益被動資金累計凈凈流入情況（流入情況（百萬美元百萬美元）數據來源：Wind，中信建投 注：中

36、美景氣度差=人民幣指數（SDR）-廣義實際美元指數。中概互聯網取KEWB指數。數據來源：EPFR，中信建投 注：中國大陸對應右軸。圖圖 19:權益主動資金累計凈流入情況（百萬美元）權益主動資金累計凈流入情況（百萬美元）圖圖 20:港股通累計買入凈額與恒生科技指數情況港股通累計買入凈額與恒生科技指數情況 數據來源：EPFR，中信建投 注：中國大陸對應右軸。數據來源：EPFR，中信建投 注：恒生科技指數對應右軸。-30-20-100102030-202468102001-012002-052003-092005-012006-052007-092009-012010-052011-092013-0

37、12014-052015-092017-012018-052019-092021-012022-05美國:CPI:住房租金:同比:季調美國:標準普爾/CS房價指數:20個大中城市:當月同比012345672006-12007-12008-12009-12010-12011-12012-12013-12014-12015-12016-12017-12018-12019-12020-12021-12022-12023-1美國:亞特蘭大聯儲薪資增長指數:12個月移動平均-25-20-15-10-50-100%-50%0%50%100%150%200%2015-112016-052016-112017

38、-052017-112018-052018-112019-052019-112020-052020-112021-052021-112022-052022-11中概互聯網漲跌幅(%)中美景氣度差(RHS)-10000010000200003000040000500006000070000-2000-100001000200030004000500060002022/42022/52022/62022/72022/82022/92022/102022/112022/122023/12023/22023/32023/4中國香港印度越南中國大陸-10000-8000-6000-4000-200002

39、000-6000-5000-4000-3000-2000-1000010002022/5/162022/6/162022/7/162022/8/162022/9/162022/10/162022/11/162022/12/162023/1/162023/2/162023/3/162023/4/16中國香港印度越南中國大陸350039004300470051002200022400228002320023600港股通:累計買入成交凈額(人民幣)恒生科技指數 11 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 21:新發行基金與恒生科技指數相關性新發行基金與恒生科技指數相關性 圖圖

40、22:恒生科技指數與美債相關性恒生科技指數與美債相關性 數據來源：Wind，中信建投 注：恒生科技指數對應右軸。數據來源：Wind，中信建投 注：恒生科技指數對應左軸。1.2 基本面層面：基本面拐點確立基本面層面：基本面拐點確立，中長期把握新增長曲線，中長期把握新增長曲線 百度主要業務均有望在百度主要業務均有望在 23 年走出新趨勢，且大模型及自動駕駛可能蘊含新增長機會年走出新趨勢，且大模型及自動駕駛可能蘊含新增長機會 在線營銷業務受疫情影響承壓，但春節后逐步恢復在線營銷業務受疫情影響承壓，但春節后逐步恢復。百度核心廣告在 4Q22 經歷-6%的同比下滑，其中搜索、聯盟廣告收入預計同比繼續下滑

41、，信息流廣告等則維持增長。據財報電話會，短視頻為 4Q22 廣告收入增長做出貢獻。展望 1-2Q23，春節前由于部分城市仍處于疫情達峰過程，因此節前仍然受到疫情帶來的負面影響壓制。節后隨著經濟逐步恢復，廣告需求有望逐步恢復，其中二三線城市恢復較快，且醫療、旅游、本地生活等線下行業反彈幅度較大，在線游戲則表現較弱。整體上，我們認為 1Q23 環比提升明顯，4Q22 確定為基本面的底部，1-2Q23 向上趨勢明顯，期待廣告業務跟隨經濟共同復蘇。云業務受疫情影響交付和新簽，疫云業務受疫情影響交付和新簽，疫后預計逐步恢復后預計逐步恢復。云業務 4Q22 受疫情影響交付和新簽都受到延遲。以智能交通為例，

42、金額超 1000 萬元的新簽城市數量同比、環比均出現回落。據財報電話會，云業務從商機到簽約、交付存在幾個月的周期，因此從疫后經濟恢復到云業務收入的反彈可能是逐步的過程，而非 V 型反彈，整體看云業務全年有望繼續高于互聯網同業的增速。此外，云業務逐步提升利潤率，有望實現盈虧平衡。智能駕駛取得積極進展，布局持續領先，預計開展實現商業化。智能駕駛取得積極進展，布局持續領先，預計開展實現商業化。2022 年 12 月 30 日，百度首批獲準在北京開展全自動無人駕駛測試。4Q22，百度自動駕駛共完成 56.1 萬訂單，截止 2023 年 1 月，百度累計向公眾提供超過 200 萬訂單。百度在自動駕駛領域

43、的布局領先，隨著搭載百度自動駕駛相關產品的智能汽車面市，百度自動駕駛業務預計逐步實現商業化，并在 24 年以后貢獻實質性營收。2.投資評價和建議投資評價和建議：業務趨勢向好，前瞻布局有望逐步兌現，維持買：業務趨勢向好，前瞻布局有望逐步兌現，維持買入“評級”入“評級”流動性方面，市場從 2023 年 1-3 月初經歷了軟著陸定價，主要由于非農就業、CPI、PCE 數據展現通脹和3000500070009000110000200400600800100012002020-012021-012022-012023-01中國:新成立基金份額:偏股型恒生科技指數:周:平均值0.51.52.53.54.5

44、2500450065008500105002020-012021-012022-012023-01恒生科技指數:周:平均值美國:國債收益率:10年:周:平均值 12 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 經濟的韌性，以及利率提升對需求的抑制作用可能存在滯后效應，尤其是美聯儲主席鮑威爾國會聽證會后，市場進一步重新定價國債收益率曲線陡峭化。3 月至今由于 SVB 等風險事件的出現，市場進行衰退定價，表現為遠端利率的快速回落，而隨著市場重新穩定信心，此前過于激進的衰退預期交易有所降溫。當前的利率曲線較1 月水平，近端一定程度上反映了通脹和經濟的韌性，遠端仍然定了部分衰退預期，整體偏樂

45、觀一些?；久鎸用?，百度搜索廣告業務預計受益經濟復蘇，且效果廣告受益序列較品牌廣告媒介更優先，信息流廣告則受益展現形式的效率繼續驅動廣告業務增長。云業務隨著疫后回歸常態，項目交付、新簽訂單逐步兌現，向上復蘇趨勢明確。ERNIE BOT 方面，短期商業化前景尚不清晰，但產業中長期趨勢向好，具備廣闊應用場景且有希望構建合適商業模式的機會，看好百度在 AIGC 領域的布局和先發優勢。維持對百度集團的“買入”評級。3.移動生態移動生態：治理結構明顯改善，業務發展保持韌性治理結構明顯改善，業務發展保持韌性 百度移動生態主要包括百度、百度貼吧、好看視頻、全民小視頻。百度搜索的商業模式是流量分發的節點中加入

46、廣告，但百度搜索的商業模式是流量分發的節點中加入廣告，但大型大型 App 的出現導致流量自循環，的出現導致流量自循環，削弱外部流量分削弱外部流量分發商。發商。百度在移動生態方面的收入主要是信息流廣告和搜索廣告，托管頁收入本質是信息流和搜索廣告的合集。信息流廣告是百度布局移動端后興起的廣告形式，在網頁/PC 時代百度收入以搜索廣告為主。搜索廣告的邏輯是，用戶主動搜索內容，在相關內容中加入相關商業化廣告，并吸引點擊和進一步轉化。但移動端內容孤島導致用戶的搜索需求可能無法被良好滿足，導致流量被分流，增長前景受到限制。圖圖 23:2018-22 年移動互聯網時長份額變化情況（年移動互聯網時長份額變化情

47、況（%）數據來源：Questmobile，中信建投 3.1 復盤百度的轉型之路：復盤百度的轉型之路：公司治理邊際改善，把握正確戰略方向公司治理邊際改善，把握正確戰略方向 百度早期對于移動互聯網的認知是“更小的屏幕、更慢的速度”“與網頁搜索沒有什么不同”。百度早期對于移動互聯網的認知是“更小的屏幕、更慢的速度”“與網頁搜索沒有什么不同”。根據新浪科技，百度李彥宏布局移動互聯網的思路是將 PC 互聯網的搜索框移植到移動端，2010 年，百度推出了移動開放平臺以及移動框計算。2011 年，百度推出全新首頁、移動終端平臺等產品，新上線的百度首頁在傳統的搜索框下，增加了導航通知、實時熱點、應用、新鮮事四

48、大模塊，同時新首頁頁面將向所有站長、開發者、服務提供商開放。百度百度在移動互聯網時代轉型緩慢是“搜索思維”導致的結果在移動互聯網時代轉型緩慢是“搜索思維”導致的結果。從后視鏡的視角看，2011 年百度提出“中間頁”戰略，2021 年提出的“X+Y”戰略，都是圍繞搜索業務，通過投資并購或戰略合作等方式豐富搜索結果，0%10%20%30%40%50%騰訊系抖音系快手系百度系阿里系2018-032019-032019-122020-122021-122022-12 13 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 滿足用戶需求。而這種思維來自百度在 PC 互聯網時代的成功經驗。百度在 PC

49、 互聯網時代的成功主要是 1）2006年前憑借先發優勢和技術優勢開拓市場，并從中脫穎而出；2）2006-09 年在與 Google 的競爭中維持優勢，2009年后 Google 受李開復離開，“不雅詞”事件，信息審查影響，2010 年 Google 高級副總裁、首席法律官大衛德拉蒙德公開發表聲明，宣布 Google 關閉在中國大陸市場搜索服務，并將搜索服務由中國內地轉至香港。圖圖 24:2003-3Q12 中國搜索引擎市場份額（中國搜索引擎市場份額（%）數據來源：艾瑞咨詢，虎嗅網，中信建投 技術優勢及先發優勢驅動百度、技術優勢及先發優勢驅動百度、Google 占據市場份額。占據市場份額。200

50、0-2006 年，百度等基于詞型統計、超鏈分析的搜索引擎出現，并逐步取代基于人工查詢、半自動編輯和人工申請收錄的目錄索引類引擎 Yahoo，此時表現為新一代搜索引擎的份額集體性擴張，尤其是 Google 及百度。此時 Google 總部只有 5-6 人的團隊負責中文搜索，因此 Google 早期的份額擴張更多來自口碑傳播。營銷活動強化用戶心智，加速行業營銷活動強化用戶心智，加速行業出清出清。相比新浪、搜狐等由門戶轉型布局搜索引擎的對手，百度業務聚焦且技術領先，并通過一些較為成功的事件營銷塑造用戶心智。例如，2002 年底百度推出“搜索大富翁游戲”通過禮品等獎勵引導用戶使用百度搜索引擎；2003

51、 年 6 月中國電腦教育報發起“Google vs Baidu兩大搜索引擎對決搜索之巔”，并吸引用戶進行評測；百度 2005 年推出的唐伯虎系列廣告片強化“百度更懂中文”的心智。從結果看，一系列營銷活動并未阻止 Google 份額的提升，但大大強化了百度和 Google 對標的心智，以至于行業其他競爭對手的份額快速收縮，中國 PC 互聯網搜索引擎行業進入寡頭時代。0%20%40%60%80%100%2003 2004 2005 2006 2007 2008 2009 2010 2011 3Q12百度GoogleYahoo搜狐新浪愛問其他 14 美股公司深度報告 百度百度 請參閱最后一頁的重要聲

52、明 圖圖 25:2002 年底百度推出“搜索大富翁”活動年底百度推出“搜索大富翁”活動 圖圖 26:百度唐伯虎篇創意廣告，強化“百度更理解中文”印象百度唐伯虎篇創意廣告，強化“百度更理解中文”印象 數據來源：好看123，中信建投 數據來源：搜狐視頻，中信建投 Google 份額的落后份額的落后主要原因是主要原因是跨國集團對本土化適應能力不足跨國集團對本土化適應能力不足。2005 年 Google 正式進入中國，但互聯網信息服務管理辦法要求過濾搜索結果，屏蔽非法信息，引發 Google 內部以及外媒輿論風波，同時缺乏 ICP牌照運營也受到關注。2007 年 6 月，Google 正式獲得 ICP

53、 牌照并將 G 用戶引入 G。在此過程中，Google 中國時任負責人李開復及其團隊需要不斷向美國總部匯報、解釋，相比本土公司其決策、執行流程更繁瑣，導致行動缺乏靈活度1，例如 Google 中國并未在網吧等地進行付費推廣，將搜索引擎預設為 Google，而競爭對手百度則“深諳其道”。另外，2007 年 Google 爆出“地圖門”事件，2009 年爆出“不雅詞”事件，這些輿論事件影響了 Google 的公眾形象和團隊士氣。2010 年 Google 再度受信息審查困擾，但創始人之一謝爾蓋布林（Sergey Brin）決定退出中國大陸搜索引擎市場?？鐕瘓F適應能力弱本身是一種“大企業病”，由于

54、業務本身涉及多國家地區，對單一市場的調整邊際成跨國集團適應能力弱本身是一種“大企業病”，由于業務本身涉及多國家地區，對單一市場的調整邊際成本較高。本較高。典型例子是百度于 2002 年下半年推出 MP3 搜索，并獲得市場歡迎，但 Google 由于受版權困擾等因素，直到 2009 年 3 月 Google 才與巨鯨音樂網合作推出正版音樂 MP3 供用戶免費下載，而百度由于當時是非上市公司，且當時版權保護環境相對寬松，利用這些特點實現差異化優勢。另外，由于 Google 不允許把個人數據保存在中國，導致 Gmail、YouTube 等服務無法在直接提供給國內用戶，最終結果是 Google 中國一

55、直缺乏賬號體系。但 2003 年百度俞軍基于共同搜索構建的興趣社區，推出百度貼吧，后續推出百度知道、百度百科等產品，進一步鞏固相比Google的差異化優勢。此外，中國用戶有一些特定的使用習慣，例如百度搜索結果打開新窗口，Google以前不開新窗口，原來的搜索結果找不到，不少中國用戶并不習慣；例如拼音擴展和相關檢索。1 據AI未來，李開復表達了他在谷歌中國時的困境?！拔覀儼l展每一項新功能，都要與總部打一場硬仗，這讓我們動作遲緩，也讓我們精疲力竭。許多谷歌中國的員工厭倦了和總公司的斗爭，沮喪地離開了?！?5 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 27:百度百度 2010 年前

56、的產品矩陣年前的產品矩陣 數據來源：公司公告，中信建投 百度在競爭中不斷豐富搜索內容，自然延展出內容百度在競爭中不斷豐富搜索內容，自然延展出內容模塊，但并未發展出內容生態模塊，但并未發展出內容生態。據統計，2005-2009 年期間，百度推出了包括百度空間、百度視頻、百度地圖、百度殺毒、百度 Hi、有啊、百付寶等二十多個產品，涵蓋社交、娛樂、出行、即時通訊、電商、在線直播。在 PC 互聯網時代，搜索引擎是流量中樞，上述產品可以依賴百度的導流實現增長，但互聯網產品并非簡單地依靠流量就能成立，還需要對用戶理解的深刻洞察。百度并非沒有嘗試布局內容，但問題在于幾經反復。百度并非沒有嘗試布局內容，但問題

57、在于幾經反復。2009 年百度提出“轉型媒體平臺”戰略，以期打造一個滿足用戶需求的超級平臺，在垂直搜索和社交媒體爭奪流量的時代，依然保持搜索巨頭的地位。2010 年，百度確立“中間頁戰略”2，希望通過投資或自建一批“中間頁”網站從而提升百度長尾關鍵詞的價值。2015 年百度提出 O2O 戰略，2016 年任旭陽回歸后建議剝離。2017 年提出轉型 AI 戰略，2019 年，百度提出“搜索+信息流”雙引擎戰略，加快建設“百家號+小程序”的兩大生態，加速內容建設，應對移動互聯網變局。2021 年百度提出移動生態的“X+Y”戰略布局，即“橫向開拓用戶規模，縱向深耕行業垂類”的方式，推進整個生態向服務

58、化、人格化升級。圖圖 28:百度在百度在 2009 年以來的戰略變化路徑年以來的戰略變化路徑 數據來源：虎嗅網，澎湃新聞，中信建投 我們看到百度曾多次嘗試布局內容，但由于戰略方向多次變化，導致業務發展歷經反復。典型例子這是 2015年百度提出“航母計劃”，主要由于 O2O 業務資源投入大，其他業務需要分拆輸血3。但手機百度發展后又需要內容生態。2 2010 年內部談話確定概念，2011 年 4 月公開提出“中間頁”戰略。資料來源：https:/ 3 據環球網，https:/ 百度貼吧百度文庫百度空間百度Hi百度百科百度知道百度視頻有啊百付寶百度殺毒百度地圖2009-10年：轉型媒體平臺，構建中

59、間頁戰略2011-16年：提出O2O戰略2017-23年：夯實移動基礎，決勝AI時代2009年：百度提出“轉型媒體平臺”戰略，希望與社交媒體爭奪流量，保持搜索巨頭地位2010年:百 度 確 立“中 間 頁 戰略”，希望通過投資或自建一批“中間頁”網站，提升百度長尾關鍵詞價值2009年:百 度 提 出“框 計 算 戰略”，希望通過搜索框滿足用戶的多元需求2012年:百度轉型無線，擔憂錯過移動互聯網時代2013-15年:百度強化對O2O領域投資布局，收購91無線，糯米網，Uber等，但陷入O2O大戰2015年:O2O大戰延續，行業進入寒冬，百度資金壓力較大，啟動“航母計劃”，剝離部分資產2016年

60、:魏則西事件爆發，百度人事動蕩，任旭陽回歸并建議剝離部分O2O資產2019年:百度提出“搜索+信息流”雙引擎戰略，加快建設“百家號+小程序”的兩大生態，加速內容建設，應對移動互聯網變局2017年:陸奇加入百度，提出夯實移動基礎，決勝AI時代2021年:百度提出移動生態的“X+Y”戰略布局，即“橫向開拓用戶規模，縱向深耕行業垂類”的方式，推進生態升級 16 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 百度“全家桶”本質上是依靠搜索導流才成立的產品，而在搜索不再重要的移動互聯網，百度“全家桶”本質上是依靠搜索導流才成立的產品，而在搜索不再重要的移動互聯網，它們就會失去流它們就會失去流量難

61、以生存。他們缺乏用戶行為的閉環鏈路，更類似于中轉站，而非目的地。量難以生存。他們缺乏用戶行為的閉環鏈路，更類似于中轉站，而非目的地。以百度貼吧為例，百度的那些人和事提到，俞軍最早創立貼吧是想到將搜索相同關鍵詞的用戶連接起來，這是貼吧流量來源的問題。貼吧用戶留存和活躍的問題在于，貼吧流量容易自發集中化，因為頭部貼吧的流量大，用戶互動性更強，但另一方面頂貼導致優質內容不容易沉淀，從而出現劣幣驅逐良幣的情況。貼吧的大多數內容來自搬運和轉載，加上流量分發的不均衡，對創作者的激勵效果比較弱，長期存在自削弱的傾向。圖圖 29:百度“全家桶”產品多數行為鏈路較短，不構成完整閉環，導致流失率較高百度“全家桶”

62、產品多數行為鏈路較短，不構成完整閉環，導致流失率較高 數據來源：公司公告，中信建投 歷史包袱和戰略誤判歷史包袱和戰略誤判使得百度錯失使得百度錯失移動互聯網移動互聯網先機。先機。從 PC 互聯網到移動互聯網，百度犯了與微軟類似的錯誤將 PC 的交互習慣和思維移植到手機和其他移動設備。屏幕尺寸的變化不僅僅是量變，更是質變，因為大屏幕下鼠標+鍵盤的交互更順暢，網頁可以填充更多內容供用戶選擇，但小屏幕下主要是觸屏交互，小尺寸屏幕對內容的容錯率遠低于大屏幕。所以小屏幕下信息流分發是比搜索更好的解決方案，但 201214 年百度和360、搜狗仍在 PC 搜索引擎方面進行競爭，分散了注意力，一定程度上影響了

63、百度在移動互聯網的布局。此外，移動端 Web 并未如 PC 端取得市場領先，而是 APP 生態逐步興起，這主要是技術成熟度/硬件等因素導致。主題帖頂貼排序提升貼吧頭部化內容質量下降流量自我強化創作者激勵弱高流失率百科百度貼吧編寫反饋解答疑惑小屏幕手機節約時間消磨時間百度百科百度知道搜索問題瀏覽回答提出問題解答問題滿意不滿意回答問題重新搜索相關問題提出相關問題瀏覽主題帖生活經驗百度經驗目的地 17 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 30:從大尺寸屏幕到小尺寸屏幕，交互邏輯變化導致搜索在移動端不再是主要解決方案從大尺寸屏幕到小尺寸屏幕，交互邏輯變化導致搜索在移動端不再是主

64、要解決方案 數據來源：TechRepublic，中信建投 另一方面，超級另一方面，超級 APP 的出現導致搜索引擎無法實現的出現導致搜索引擎無法實現 PC 互聯網時代的廣覆蓋?；ヂ摼W時代的廣覆蓋。以中國、東南亞為代表的地區相比歐美更容易出現超級 APP。根據墨騰創投分析4，這主要是由于 1）監管對數據收集、反壟斷限制，以及用戶隱私保護意識強，APP 橫向擴展的傾向受到較強抑制；2）移動互聯網發展時，多數領域已有垂類巨頭，而東南亞、中國則仍有較多領域缺乏玩家；3）相對較低的用戶價值驅動企業選擇多元化。超級 APP 的格局導致流量集中于少數平臺，而且 APP 的開放程度弱于 Web，且部分平臺屏蔽

65、/封禁外鏈的做法導致移動端搜索引擎的覆蓋度遠弱于 PC 端，導致用戶體驗較差。2012 年底年底百度百度調整策略轉型無線調整策略轉型無線，但轉型后陷入，但轉型后陷入 O2O 大戰大戰。2012 年 11 月 7 日，百度董事長李彥宏發布內部信，提到“發現用戶的搜索行為從 PC 往移動上遷移，就應該主動引導用戶更早的去遷移到無線上，這樣就可以借助 PC 上的優勢，把移動做起來，而不是拼命維持現狀，想把用戶留在 PC 上”5。于是百度自 2013 年起強化對移動入口的布局，2013 年上線手機百度，投資收購 91 無線，上線輕應用。圖圖 31:2013-17 年百度對外投資版圖年百度對外投資版圖

66、數據來源：IT桔子，中信建投 4 https:/ 5 http:/ 大屏幕容納更多內容鼠標+鍵盤交互成熟用戶選擇內容內容容錯率高小屏幕容納更少內容觸屏交互容易誤觸，主要是內容找人內容容錯率低搜索是更好的解決方案信息流是更好的解決方案-15-10-505101520-10-8-6-4-202468100信息技術信息技術消費服務消費服務金融地產金融地產教育醫療教育醫療成立時間成立時間成立時間成立時間融資規模融資規模融資規模融資規模Uber91無線獵豹移動Circle Internet Financial蜜芽寶貝中糧我買網易鑫集團優信二手車PPS網絡電視CloudFlare百度外賣e袋洗Velody

67、ne LiDAR運立方易車美味不用等斗米優步Uber中國51用車快手去哪兒TrustGo悠悠村oTMS8i縱橫文學百姓網波羅蜜嘴角家庭料理天娛在線太合音樂藍港在線Taboola李叫獸受教科技星美控股Tonara億思創世Estrongs閃電刷新信頤科技華視互聯快聯網RiceQuant萬學教育客來樂智課網滬江教育愛貝信息極智批改網宜人金科健康之路醫護網ZestFinance房司令樂房生活 18 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 秉持對流量入口和內容生態秉持對流量入口和內容生態的的布局布局思路思路，2013-16 年百度的對外投資存在過度補償的傾向。年百度的對外投資存在過度補償的

68、傾向。2013-16 年百度廣泛參與了多個業務領域的投資收購，涉及 PPS 視頻、91 無線、縱橫文學、糯米網、滬江教育、獵豹移動、Uber、快手、作業幫、百度外賣等。當時處于創投火熱階段，騰訊、阿里巴巴等在此時期也采取廣泛布局的策略，因此我們理解此時百度的積極參與既是對過往錯失移動互聯網布局的補償，同時也是 FOMO（Fear of Missing Out）情緒作祟。問題在于，互聯網巨頭通過扶持新興領域巨頭進行“代理人戰爭”。前期過度擴張前期過度擴張“戰線戰線”導致行業景氣下降時資金壓力加劇，百度逐步剝離此前收購和內部孵化的多數資產。導致行業景氣下降時資金壓力加劇，百度逐步剝離此前收購和內部

69、孵化的多數資產。隨著 2015 年下半年行業進入寒冬，前期投資的公司對互聯網巨頭“輸血”的依賴加強，而百度在多條戰線與騰訊、阿里巴巴有所競爭，這產生了較大的資金壓力。因此，2015 年 7 月百度宣布“航母計劃”，分拆百度外賣、91 桌面、作業幫、百度音樂、百度視頻、百度文學等業務，實質是剝離部分資產降低資金負擔，從而集中資源支持部分 O2O 業務。陸奇加入陸奇加入后后幫助百度確立幫助百度確立 AI+信息流信息流雙引擎戰略。雙引擎戰略。2016 年 5 月任旭陽回歸百度6，戰略層面推動百度重新梳理戰略方向，放棄 O2O。相應的人事影響則是此前積極支持 O2O 戰略的百度前戰略顧問何海文、百度前

70、戰略部副總裁金宇和百度前技術副總裁劉駿先后離職。2017 年 1 月，陸奇博士加入百度，提出四象限理論，確立 Feed流、人工智能的主航道；大商業、搜索、地圖、知道、百科、糯米等應用環繞的護城河。其中，Feed 流為移動基礎，人工智能則是百度長久奮斗的目標。圖圖 32:百度四象限理論，夯實移動基礎，決勝百度四象限理論，夯實移動基礎，決勝 AI 時代時代 數據來源：澎湃新聞，中信建投 戰略戰略重新重新聚焦聚焦后后，百度，百度大量大量布局移動端內容布局移動端內容：1）發布百家號，面向所有用戶開放注冊；2）布局短視頻，發布好看視頻、全民小視頻；3）外部投資聚合，小紅書、知乎等。百家號創建初期，百度與

71、 MCN 機構合作，主要措施是通過補貼將其他平臺的內容同步發布至百度；百度和小紅書、知乎的合作形式是單條視頻、圖文內容以小程序等形式集合在百度生態內，但操作、觀看更多內容是以跳轉 APP、鏈接等形式轉至小紅書、知乎生態內實現。6 2016 年魏則西事件后百度內部人事動蕩，李彥宏緊急召回任旭陽。在百度迎來陸奇，內部人事、戰略穩定之后，任旭陽便逐漸又退出百度。資料來源：https:/ 19 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 33:百度百度 2018-21 年重新聚焦內容領域投資年重新聚焦內容領域投資 數據來源：IT桔子，中信建投 從從過程過程上看，上看，方向方向糾偏糾偏是

72、是戰略上正確，但具體執行層面存在一定的偏差。戰略上正確，但具體執行層面存在一定的偏差。從輿論反映可管中窺豹，首先是百家號，2019 年 1 月搜索引擎百度已死7引發社會廣泛關注（人民網語8），為了快速推進百度內容生態，百度搜索結果中百家號、愛奇藝、百度貼吧、百度經驗等占比異常高，導致用戶體驗受到嚴重影響；其次是百度 APP，不惜持續彈窗：為什么百度非要你用它的 App？指出百度在網頁端持續彈窗提醒用戶下載百度 APP，想要提升百度 App 用戶數和使用頻率，但代價是損失 Web 端百度的用戶體驗。圖圖 34:百度百度存在過度扶持百家號內容的傾向存在過度扶持百家號內容的傾向 數據來源：虎嗅網，中

73、信建投 7 https:/ 8 http:/ AI智行者ZingFront智線YY直播網易云音樂新潮傳媒百度視頻搞定蝴蝶互動梯影傳媒DataPipeline馭光科技集度汽車漢得信息獅橋物流獅橋集團億咖通科技梨視頻希迪智駕華錄易云黃油相機清研精準極飛科技九州華興Yrobot遠也科技動脈網海豚思維啟灝醫療GenedockQuantapore有來醫生Engine BioScience吉因加百圖生科微脈英矽智能SynSense時識科技清微智能酷開史河科技云丁科技星際榮耀Vesper樂范科技微度芯創青蓮云達顯智能iReadyIT成立時間成立時間成立時間成立時間融資規模融資規模融資規模融資規模 20 美股

74、公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 35:百度百度 Web 端多處引導用戶下載百度端多處引導用戶下載百度 App 數據來源：雷鋒網，百度APP，中信建投 百度真正的轉變來自“人”的變化，體現在水面之上的變化就是百度真正的轉變來自“人”的變化，體現在水面之上的變化就是人員人員和組織架構的變化。和組織架構的變化。2017 年 12 月，崔珊珊回歸百度。2018 年，崔珊珊開展約一百場小范圍座談會（每場 57 人），傾聽員工講遇到什么問題。后來百度成立了文化委員會，李彥宏擔任主席，崔珊珊任秘書長。百度成立文化委員會的第一目標是構建治理體系，最重要的是糾偏，具體措施是確立員工晉升過

75、程中的文化一票否決權。據崔珊珊訪談，從第一曲線到第二曲線過渡，存在部分干部不干活，思想守舊的情況，因此百度進行了大比例的高管層面的人員調整以及組織架構的變革?？偨Y來看，百度的變化是崔珊珊回歸后在李彥宏授意下，推動公司治理體系改革，在過程中對舊思想、不干活的干部進行大比例調整（干部年輕化），并同時進行組織架構的調整，避免組織的慣性導致新人犯與老人同樣的問題。搜索首頁及結果頁底部引導用戶下載APP跳轉頁自動轉入下載引導頁百度APP涵蓋搜索+其他內容生態 21 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 36:2011 年至今百度組織架構調整（截止年至今百度組織架構調整（截止 202

76、3/3/17）數據來源：新浪科技，騰訊科技，36kr，界面新聞，虎嗅，中信建投 百度的改變首先首先來自自上而下思路的轉變，陸奇加入后提出四象限理論，提出 1）把握根基不被對手動搖，即建立起移動搜索生態，穩住百度的基本盤；2）百度需要開辟新航道。陸奇給出的方向是智能云、短視頻、智能駕駛等。其次，其次，組織架構層面，增加 IDG、SLG、AIG 等 AI 體系，不斷強化資源投入，保持戰略定力。再次再次是自上而下的制度變化，即 OKR、干部輪崗、全員溝通會制度化。2018 年 12 月，在百度集團資深副總裁、百百度銷售體系商業運營體系用戶產品與技術體系直銷分公司商業產品與技術體系渠道部大客戶銷售搜索

77、引擎營銷部商業應用產品市場部服務管理部業務運營部聯盟事業部商務搜索部用戶產品研發部客戶端部門云計算無線部門等副總裁 王湛副總裁 向海龍副總裁 王夢秋副總裁 王勁移動云事業部LBS事業部2012M10，地圖業務拆分出LBS事業部，仍向王夢秋匯報沈麗（原百度鳳巢副總監）李明遠（事業部總經理兼產品負責人）林仕鼎（百度云首席架構師）向王勁匯報虛線匯報關系無線部門百度開發者中心云計算2012年調整年調整搜索業務群組用戶消費業務群組網頁搜索部網頁搜索產品市場部商業運營體系銷售體系副總裁 向海龍（原為前向收費業務群組）副總裁王湛2013年年6月改組月改組市場公關體系法務相關業務朱光梁志祥國際化事業部移動服務

78、事業群組（MSG）新業務群組新興業務事業群組（EBG）搜索業務群組（SSG）搜索底層基礎技術部門移動搜索聯盟高級副總裁 向海龍副總裁 王海峰副總裁 李明遠副總裁 劉駿總裁 張亞勤副總裁 王湛2015年年2月調整月調整搜索底層基礎技術部門移動搜索聯盟業務網頁搜索部網頁搜索產品市場部商業運營體系銷售體系百度外賣無線部門百度開發者中心百度云Hao123百度糯米金融服務事業群組（FSG）自動駕駛事業部（ADU）消費金融業務錢包支付業務互聯網證券業務金融市場與策略研究高級副總裁 朱光高級副總裁 王勁貼吧業務移動游戲高級副總裁 王勁2015年年12月調整月調整2015年年12月調整月調整2011年年7月改

79、組月改組百度搜索公司高級副總裁 向海龍副總裁 李明遠移動服務事業群組搜索業務群組糯米事業部2016年年4月調整月調整智能駕駛事業群組（IDG）集團總裁&CEO 陸奇自動駕駛事業部（L4）智能汽車事業部（L3）車聯網業務2017年年3月調整月調整AI技術中臺體系（AIG）新興業務事業群組（EBG）總裁 張亞勤金融服務事業群組（FSG）高級副總裁 朱光副總裁 王海峰2017年年3月調整月調整百度智能生活事業群組（SLG）原度秘事業部集團總裁&CEO 陸奇副總裁景鯤2018年年3月調整月調整新興業務事業群組（EBG）總裁 張亞勤金融服務事業群組（FSG）度小滿CEO 朱光智能云事業群組（ACG）副總

80、裁 尹世明AI技術中臺體系（AIG）基礎技術體系（TG）智能駕駛事業群組（IDG）李震宇虛線匯報關系2018年年12月調整月調整百度搜索公司高級副總裁 向海龍副總裁 李明遠百度百度AI體系體系自動駕駛業務組智能交通業務組車聯網業務組智能汽車業務部自動駕駛技術部智駕地圖業務部2019年年12月調整月調整副總裁 王海峰人工智能體系（AIG）技術中臺群組智能云事業群組CTO 王海峰2019年調整年調整移動生態事業群組（MEG）高級副總裁 沈抖2019年年5月調整月調整主要產品其他產品銷售體系2022年年5月月調整銷售體系，調整銷售體系，改為改為4個行業部門個行業部門+5個其他部門個其他部門移動生態事

81、業群組（MEG）資深副總裁 何俊杰智能云事業群組（ACG）執行副總裁 沈抖人工智能體系（AIG）執行副總裁&CTO 王海峰金融服務事業群組（FSG）度小滿CEO 朱光百度智能生活事業群組（SLG）智能駕駛事業群組（IDG）資深副總裁 李震宇小度科技CEO 景鯤新興業務事業群組（EBG）2022年年5月調整月調整 22 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 度文化委員會秘書長崔珊珊的帶領下，百度由原來的 KPI 模式更改為 OKR 模式。2019 年春節前夕，百度董事長兼 CEO 李彥宏制定公司最高目標（Objectives）和關鍵結果（Key Results）后，員工自上而下逐

82、層拆解，依次制定團隊和個人目標及關鍵結果，基層員工已于 2019 年 1 月 31 日全部提交完畢。此后，2019 年 2 月百度對三位副總裁沈抖、吳海鋒、鄭子斌進行輪崗，解決業務之間的信息差，結合 OKR 改革，強化協作，減少內耗的作用明顯。2019 年年中，簡單之約（百度內部全員溝通對齊會）被制度化下來，并每個季度制作成課件并定期考核，要求公司 80%以上員工參加。百度正在重塑企業文化百度正在重塑企業文化，堅定執行既定戰略方針堅定執行既定戰略方針?？梢哉f，2017-19 年來的人事、組織架構、公司制度的密集調整正在重塑企業文化，一個例證是百度集團副總裁張東晨、副總裁侯震宇相繼回歸百度。1Q

83、21 財報電話會上，百度創始人兼 CEO 李彥宏提到“隨著 AI 推動技術發展進入新階段，眾多前百度員工重新回歸”。未來，我們認為百度相比過去會大幅提升戰略的執行能力，在既有戰略方向上，移動端+網頁端維持搜索廣告的業務根基，新業務諸如智能駕駛、智能云等業務積極探索，發掘第二增長曲線。3.2 業務：業務：廣告受益經濟修復及廣告主預算回升，新廣告產品有望貢獻增量廣告受益經濟修復及廣告主預算回升，新廣告產品有望貢獻增量 百度核心的收入中在線營銷收入占比70%，主要由百度、百度貼吧、好看視頻、全民小視頻的廣告收入貢獻，其他收入包括智能云、智能駕駛。我們在移動生態部分主要分析以上 App 產品的廣告業務

84、。23 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 37:百度營銷百度營銷產品圖譜產品圖譜 數據來源：百度，中信建投 根據 Alexa，百度 2016-18 年平均 PV 在 20 億左右，2019-21 年平均 PV 在 10-15 億，2019 年百度加強了對手百等移動生態產品的導流，一定程度上導致 Web 端 PV 的中樞下滑，但好處是手百等移動產品的用戶規模在2019 年增速有所回升，即加速轉型。百度信息流GD搜索推廣信息流推廣定向能力出價能力創意形式定向能力出價能力創意形式及能力展現平臺展現樣式定向能力售賣形式展現平臺創意產品能力品牌專區展現頻道展現樣式產品矩陣展現機

85、制售賣方式開屏展現平臺展現樣式定向能力售賣方式創新能力玩法內容營銷展現平臺展現樣式合作模式售賣方式事件營銷及定制玩法展現形式定向能力售賣方式展現頻道及玩法聚屏覆蓋場景展現樣式定向能力售賣方式 24 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 38:百度百度網頁端網頁端 UV、PV 情況（億）情況（億）數據來源：Alexa，中信建投 圖圖 39:4Q15-1Q23 手機百度手機百度 DAU 及同比增速（萬，及同比增速（萬，%）圖圖 40:4Q15-1Q23 百度貼吧百度貼吧 DAU 及同比增速（萬，及同比增速（萬，%）數據來源：Sensor Tower，中信建投 注：Sensor

86、 Tower監測國內iOS端App Store數據，因此不含國內安卓渠道、預裝渠道等部分數據。數據來源：Sensor Tower，中信建投 注：Sensor Tower監測國內iOS端App Store數據，因此不含國內安卓渠道、預裝渠道等部分數據。圖圖 41:4Q15-1Q23 好看視頻好看視頻 DAU 及同比增速（萬，及同比增速（萬，%）圖圖 42:4Q15-1Q23 度小視度小視 DAU 及同比增速（萬，及同比增速（萬，%）數據來源：Sensor Tower，中信建投 數據來源：Sensor Tower，中信建投 051015202530354045502016/112017/11201

87、8/112019/112020/112021/112022/11當日UV（億）當日PV（億）-10%0%10%20%30%40%-200 400 600 800 1,000 1,200 1,400 1,6004Q152Q164Q162Q174Q172Q184Q182Q194Q192Q204Q202Q214Q212Q224Q22手機百度DAU(萬）同比增速%-20%-15%-10%-5%0%5%10%15%-20 40 60 80 100 1204Q152Q164Q162Q174Q172Q184Q182Q194Q192Q204Q202Q214Q212Q224Q22百度貼吧DAU(萬）同比增速（%

88、）-40%-30%-20%-10%0%10%20%30%40%-20 40 60 80 100 120 140 1604Q152Q164Q162Q174Q172Q184Q182Q194Q192Q204Q202Q214Q212Q224Q22好看視頻DAU(萬）同比增速（%）-80%-70%-60%-50%-40%-30%-20%-10%0%-5 10 15 20 25 304Q152Q164Q162Q174Q172Q184Q182Q194Q192Q204Q202Q214Q212Q224Q22度小視DAU(萬）同比增速（%）25 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 注：Senso

89、r Tower監測國內iOS端App Store數據，因此不含國內安卓渠道、預裝渠道等部分數據。注：Sensor Tower監測國內iOS端App Store數據，因此不含國內安卓渠道、預裝渠道等部分數據。由于內容生態尚未搭建成熟，機械導流而來的用戶留存率存在一定問題，因此我們看到 2021 年后除手百外，其余百度移動生態主要產品的 DAU 均有所回落。因此，百度移動生態的廣告收入貢獻方面，手百 App貼吧其他產品。我們主要以手百 App 作為分析對象。百度百度 App 人均單日信息流推薦量估計為人均單日信息流推薦量估計為 93 條條。據百度 2018 世界大會9，百度 App 的日活用戶數已

90、超過 1.6億，搜索的日均響應次數超 60 億，搜索結果中首條結果需求滿足率超過 40%，信息流日均推薦量超 150 億。結合 QM 的人均時長，我們按環比變化估計百度信息流產品的每日人均信息流推薦量。圖圖 43:4Q18-4Q22 百度百度 App 單日人均時長及環比（分鐘，單日人均時長及環比（分鐘，%）圖圖 44:4Q18-4Q22 百度單日人均信息流推薦量（條）百度單日人均信息流推薦量（條）數據來源：QuestMobile，公司公告，中信建投 數據來源：QuestMobile，公司公告，中信建投 百度信息流主要是百度搜索框下信息流、視頻 tab 信息流，測算信息流 Ad load 需要額

91、外考慮兩條信息流的轉化關系，即搜索框下信息流插入了部分視頻合集，用戶點擊視頻合集后下滑消費自動轉入視頻信息流。測算方法如下，考慮到用戶使用時一般是一天內多次打開，每次打開使用一段時間，因此在統計時需要考慮這一差異。如果信息流的廣告填充是均勻分布的，那么我們統計時按用戶每天消費的信息流總量即可，反之則需要拆分成多次統計。而信息流廣告填充是一個較強假設，我們較難論證這一假設在時序上持續穩定有效，因此采取將單日 90+條信息流拆分成多次統計。據 2020 年百度移動生態大會，百度 App 日活已突破 2.3 億，每天人均打開次數超過 10 次。此外，考慮到兩條信息流的交互邏輯，我們不能僅假設兩條信息

92、流的打開率，再簡單加權兩條信息流的綜合 ad load。還需要考慮從搜索信息流導入到視頻信息流的部分 VV。搜索部分加權 ad load 計算公式如下，但注意到前 10 條搜索信息流 ad load 較低，訪問深度在 15 條以上看到廣告的概率較高。其中 N 為信息流內容數量，i 為步長，步長上限為信息流視頻內容數量，a 為視頻內容點擊率。Ad load=(1 )1(+)9 https:/ 95 97 100 101 103 95 97 96 100 94 96 94 96 92 93 93 8590951001054Q181Q192Q193Q194Q191Q202Q203Q204Q201Q2

93、12Q213Q214Q211Q222Q223Q224Q22單日人均瀏覽信息流（條）26 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 45:百度搜索信息流及視頻信息流的跳轉流程百度搜索信息流及視頻信息流的跳轉流程 數據來源：百度App，中信建投 為簡化計算和推理，我們代入現實條件，即用戶單次打開所瀏覽的信息流數量為 910 條，其中搜索信息視頻內容占比較高，在 7080%。若將搜索信息流前 10 條 ad load 簡化為 0，則搜索 ad load 相對視頻信息流 ad load的函數關系如下，理論上搜索部分的加權 ad load 最高可達 5.68%，這低于 PC 端 ad

94、load 的水平，主要是犧牲了部分商業化效率，引導用戶加速消費視頻內容，強化內容生態。隨著用戶視頻消費習慣養成，視頻消費量提升，綜合 ad load 水平也會相應提升，且由于視頻轉化率、點擊率等指標優于圖文信息流，實際 CPM 可能有提升空間，即進一步打開廣告業務的上限。圖圖 46:加權系數的函數加權系數的函數 圖圖 47:不同打開率假設下的綜合不同打開率假設下的綜合 ad load（%）數據來源：2020年百度移動生態大會，據百度2018世界大會，中信建投 數據來源：2020年百度移動生態大會，據百度2018世界大會，中信建投 注：橫軸為搜索tab的打開率，由于百度App默認進入搜索tab，

95、預計搜索tab打開率高于視頻tab的打開率。搜索頁信息流點擊合集內容跳轉頁自動轉入視頻信息流視頻信息流下滑載入廣告0.000.050.100.150.200.250.3000.20.40.60.810%4%8%12%16%20%0%20%40%60%80%100%27 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 百度移動生態產品方面的百度移動生態產品方面的近期近期變化就是百度地圖會員商業化變化就是百度地圖會員商業化升級升級（to B）。）。2023 年 3 月，百度地圖進行會員產品的商業化升級，具體權益包括 1）店鋪裝修、轉化工具；2）搜索排名提升；3）品牌榜單、詳情頁推薦位；4）專

96、題活動。整體而言，百度地圖會員產品是圍繞本地生活行業進行商業化，目前產品開放的行業包括教育、家裝、維修、律師、車后、文體器材、整形美容、植發、眼科、口腔、體檢、醫療服務/器械，整體看是一些低頻高客單的行業，近似于美團的到店綜合類目，存在市場空間大，線上化率低等特點。表表 1:百度地圖會員產品目前開放行業（截止百度地圖會員產品目前開放行業（截止 2023 年年 3 月）月）會員行業 會員商品 開店一級類目 開店二級類目 教育(禁止 k12、特殊教育、心理咨詢)駕校一年期會員 教育培訓 職業技能 地圖-A-語言/留學培訓 教育培訓 留學、語言培訓 地圖-B-興趣培訓/學前教育 教育培訓 學前教育、

97、興趣愛好 教育綜合一年期會員 教育培訓 職業技能、學歷教育、運動健身、教育院校、醫教及事業單位公考 家裝 賣場一年期會員 房產家居 家具家居 家裝一年期會員 房產家居 裝修裝潢 建材一年期會員 房產家居 裝修建材/家具家居 生活綜合-維修 維修一年期會員 生活服務 房屋維修、家電清洗、家電維修、上門安裝、手機維修、數碼維修、鐘表維修 律師 律師一年期會員 商務服務 法律服務 車后 車后一年期會員 交通出行 汽配及服務、便民出行、摩托車、非機動車 文體器材 文體器材一年期會員 文體器材 音樂器材、體育器材、辦公設備 及器械、玩具模型、文教具 整形美容 整形美容一年期會員 整形美容 整形美容-其他

98、、整形美容綜合、美體塑形、面部整形、皮膚美容、紋身、眼科美容 植發 植發一年期會員 整形美容 植發 眼科 眼科一年期會員 整形美容 眼科?？?眼科一年期會員 醫療服務 眼科 口腔 口腔一年期會員 整形美容 口腔美容、口腔?？?口腔一年期會員 醫療服務 口腔科 體檢 體檢一年期會員 醫療服務 醫療周邊服務 醫療服務 醫療服務一年期會員 醫療服務 耳鼻咽喉科、婦產科、中醫科、皮膚科、腸胃 醫療器械 醫療器械一年期會員 醫療器械 一類醫療器械、二/三類醫療器械 資料來源：百度，中信建投 28 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 48:百度地圖會員產品刊例價（元百度地圖會員產品

99、刊例價（元/年）年）數據來源：百度，中信建投 全量放開行業后全量放開行業后付費付費上限為上限為 50 萬商戶，萬商戶，中性估計下中性估計下遠期遠期商業化規模在商業化規模在 612 億元億元。根據 2020 年百度地圖發布會10，截止 2020 年 12 月，百度地圖已實現 90%數據生產環節 AI 化，全新升級了生態全景 2.0，累計注冊開發者數量已突破 200 萬。在政企合作方面，百度地圖擁有超過 170 個政府合作項目，同時其全景地圖覆蓋了 95%以上國內城市，超過 50 萬商家入駐。如果按算術平均數考慮實際 ARPU 大約在 1 萬元左右，考慮潛在的折扣等11，按 50%計算對應 0.5

100、1 萬元的 ARPU，極限商業化貢獻在 2550 億元。百度地圖的會員產品更近似于銷售線索而非構建交易閉環，因此在不對餐飲商戶開放的情況下，按 60%餐飲商戶占比，綜合商戶付費滲透率 60%估計，實際商業化貢獻在 612 億元。圖圖 49:百度品牌百度品牌 Voice 產品產品案例及刊例價情況案例及刊例價情況 數據來源：百度，中信建投 此外，據百度營銷學堂，百度于 2H22 推出品牌 Voice 產品，廣告位包括熱榜、搜索發現、搜索框預置詞等。10 https:/ 11 https:/ 2023 年 3 月 7 日發布公告引入 to B 會員產品服務商。29 美股公司深度報告 百度百度 請參閱

101、最后一頁的重要聲明 百家號發布 2023 年營銷通案，根據內容活動節點進行招商，形式上類似于內容平臺的招商活動，例如 5 月上線吃貨狂歡節，并引導相關內容造勢，平臺預估內容投稿量 2 萬，總曝光量 3 億，話題閱讀量 8000 萬，定制獨家約稿視頻 100+，帶貨 GMV1000 萬，基于預估影響力吸引廣告主投放，該部分招商規模隨著內容生態構建完善，百家號內容影響力有所提升而共同增長。圖圖 50:3Q18-4Q22 百家號內容創作者規模（百萬）百家號內容創作者規模（百萬）圖圖 51:2023 年年百家號營銷項目全景圖百家號營銷項目全景圖 數據來源：公司公告，百家號2023年招商通案，中信建投

102、數據來源：百家號2023年招商通案，中信建投 總結來看，百度移動生態廣告業務可以拆分成 1）新產品推出，提供較多增量；2）既有產品的升級，實現效率改善，貢獻溫和增長。廣告產品的豐富和結構改善驅動百度廣告業務產品周期變化，疊加外部的宏觀經濟、行業景氣度變化，二者共同影響百度移動生態廣告業務的增速。圖圖 52:百度每季度推出的廣告產品情況（個）百度每季度推出的廣告產品情況（個）數據來源：百度營銷課堂，中信建投 注：統計可能存在遺漏的風險。-1.0 2.0 3.0 4.0 5.0 6.0百家號發布者數量（百萬）0123456789101Q212Q213Q214Q211Q222Q223Q224Q221

103、Q23改善新增 30 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 4.智能智能云云：MaaS 浪潮有望加速經濟智能化發展浪潮有望加速經濟智能化發展 從收入結構上，百度云收入主要來自 1）視頻云，包括 IaaS 層的 CDN 及 PaaS 層的音視頻解決方案；2）AI 服務，包括語音、圖文識別、AI 開放平臺等服務；3）其他等?；诠_數據結合簡單假設，我們推測百度云基于公開數據結合簡單假設，我們推測百度云收入收入中廣義視頻云中廣義視頻云 2022 年約年約 75 億元億元，占比較高，占比較高。根據 IDC及 Synamedia，我們可以得到 2017-20 年 CDN 市場規模，假設

104、 2021-22 年的同比增速分別為 10%、5%，并基于IDC 統計的市場份額，我們可以推測百度云歷年的 CDN 規模。結合 IDC 視頻云統計，由視頻云扣除 CDN 即PaaS 層視頻云規模。我們推測百度云收入中廣義視頻云 2022 年約 75 億元，占百度智能云收入的 41.4%。圖圖 53:1Q19-4Q22 中國云計算市場營收規模（億美元）中國云計算市場營收規模（億美元）圖圖 54:2017-20 年中國年中國 CDN 市場規模及同比（億美元，市場規模及同比（億美元，%）數據來源：Canalys12，中信建投 數據來源：IDC，中信建投 圖圖 55:百度云百度云 CDN 規模測算規模

105、測算 數據來源：Synamedia，IDC，中信建投 12 注：Canalys 將云基礎設施服務定義為提供 IaaS、PaaS 的服務，可以是專用托管的私人基礎設施，也可以是共享基礎設施。這不包括直接作為服務的軟件支出，但包括為托管和運營所消耗的基礎設施服務所產生的收入。0102030401Q192Q193Q194Q191Q202Q203Q204Q201Q212Q213Q214Q211Q222Q223Q224Q22阿里云營收（億美元）騰訊云營收（億美元）百度云營收（億美元）華為云營收（億美元）0%5%10%15%20%25%30%35%40%-10 20 30 40 5020172018201

106、92020中國CDN規模（億美元）yoy%2022年中國CDN市場規模300億元傳統CDN份額40%互聯網CDN份額60%阿里云,31.7%騰訊云,25.0%金山云,8.3%白山云,10.0%百度云,13.3%其他,11.7%百度云CDN規模24億元57.06 45.00 23.94 14.94 18.00 -10 20 30 40 50 60阿里云 騰訊云 百度云 金山云 白山云 31 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 56:2H19-1H22 國內視頻云競爭格局（國內視頻云競爭格局（%）圖圖 57:2019-22E 國內視頻云市場規模（億美元）國內視頻云市場規模（

107、億美元）數據來源：IDC，中信建投 數據來源：IDC，中信建投 基于類似邏輯，我們推測百度智能云基于類似邏輯，我們推測百度智能云 AI 公有云部分收入公有云部分收入 22 年約年約 21 億元，占百度智能云收入的億元，占百度智能云收入的 11.7%。市場競爭方面，市場競爭方面，從市場份額上看，公有云市場從市場份額上看，公有云市場 AI 服務方面百度智能云處于領先地位，其次是阿里云、華服務方面百度智能云處于領先地位，其次是阿里云、華為云，騰訊云次之。市場份額主要與集團其他業務的技術積累有關，為云，騰訊云次之。市場份額主要與集團其他業務的技術積累有關，例如騰訊、百度在人臉識別布局積累較深；在計算機

108、視覺方面，百度依靠自動駕駛、數字人等領域積累領先市場，騰訊憑借金融、泛娛樂領域的技術積累逐步追趕；NLP 主要應用于情感分析、營銷管理，智能語音涉及會議訪談轉寫，字幕生成等，騰訊云在以上領域涉獵相對較少，處于落后追趕地位；對話式 AI 典型案例即語音助手、在線客服，阿里、百度、華為憑借在智能設備等領域的積累處于領先地位。未來未來 AI 公有云市場的發展主要由新場景、新公有云市場的發展主要由新場景、新技術驅動。技術驅動。目前 AI 公有云市場中人臉識別是應用較廣的場景，推廣接受度較高，市場進入平穩期，且人臉人體識別技術正在進入成熟期。智能語音也從高速增長進入應用場景深耕階段。AI 市場高速增長的

109、場景主要是對話式 AI、機器學習平臺兩個領域，上述兩個領域 1H22 同比增速高于大盤平均，NLP 基本與大盤增速接近（68.0%vs 69.2%）。圖圖 58:1H20-1H22 中國中國 AI 公有云服務市場份額（公有云服務市場份額（%）圖圖 59:1H22 中國人臉人體識別公有云服務市場份額（中國人臉人體識別公有云服務市場份額（%）數據來源：IDC，中信建投 數據來源：IDC，中信建投 8.5%7.6%8.3%8.9%10.3%10.0%0%10%20%30%40%50%60%2H1920191H202H201H212H211H22阿里云騰訊云百度云39.0 57.0 75.0 50.5

110、 88.4 7.1 12.5 16.7 10.5 23.3 0204060801001202019202020211H222022E視頻云解決方案市場規模（億美元）視頻云基礎設施市場規模（億美元）27.5%33.0%30.6%30.6%30.6%28.3%25.0%26.7%27.8%30.0%29.1%28.1%11.1%13.9%18.3%19.4%19.0%20.6%16.7%19.2%17.2%12.8%14.6%16.7%0%20%40%60%80%100%1H2020201H212H2120211H22百度云阿里云華為云騰訊云0%5%10%15%20%25%30%35%40%百度智

111、能云騰訊云阿里云華為云 32 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 60:1H22 中國圖像視頻公有云服務市場份額（中國圖像視頻公有云服務市場份額（%）圖圖 61:1H22 中國中國 NLP 公有云服務市場份額（公有云服務市場份額（%）數據來源：IDC，中信建投 數據來源：IDC，中信建投 圖圖 62:1H22 中國智能語音公有云服務市場份額（中國智能語音公有云服務市場份額（%）圖圖 63:1H22 中國對話式中國對話式 AI 公有云服務市場份額（公有云服務市場份額（%）數據來源：IDC，中信建投 數據來源：IDC，中信建投 圖圖 64:1H22 中國機器學習公有云服務市

112、場份額（中國機器學習公有云服務市場份額（%）圖圖 65:2021 年年 AI 云服務份額（云服務份額（%）數據來源：IDC，中信建投 數據來源：艾瑞咨詢，易觀分析，前瞻產業研究院，中信建投 注：不同機構統計口徑可能存在差異，可能包含少量私有云份額，技術上暫無法剔除。AI云服務還包含其他細分領域，暫未統計。未來未來 AI 云服務市場格局變化主要受新興領域格局影響。云服務市場格局變化主要受新興領域格局影響。NLP、對話式 AI、機器學習平臺等合計占 2021 年0%5%10%15%20%25%30%百度智能云阿里云騰訊云華為云0%5%10%15%20%25%30%35%阿里云百度智能云華為云騰訊云

113、0%5%10%15%20%25%30%35%阿里云百度智能云華為云騰訊云0%5%10%15%20%25%30%35%阿里云百度智能云華為云騰訊云0%5%10%15%20%25%30%35%華為云阿里云百度智能云AWS騰訊云對話式AI,15.6%NLP云服務,26.7%計算機視覺,18.7%機器學習平臺,6.5%智能語音云服務,17.9%人臉人體識別,14.7%33 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 AI 云服務市場規模約 48.7%，考慮其他領域增速相對平緩，格局較為確定，未來新興領域占 AI 云服務市場份額擴張，對整體份額影響提升，且細分領域仍處于高速增長發展階段，格局存

114、在一定不確定性，因此對 AI 云服務格局的變化核心是研判以上三個細分領域的成長與競爭情況。4.1 NLP 云服務云服務：范式轉移驅動新趨勢，：范式轉移驅動新趨勢，前期前期積累有望逐步積累有望逐步兌現兌現 大模型取代垂直小模型成為行業趨勢（大模型取代垂直小模型成為行業趨勢（MaaS）。）。NLP 可以分為自然語言理解（NLU）和自然語言生成（NLG）兩部分，細分任務包括分類、匹配、序列標注、閱讀理解、序列到序列、序列到動作序列及語言模型。由于下游任務的范式遷移，垂直領域的任務可以通過變換為其他任務，因此模型的通用性增強。同時零樣本、小樣本學習提升了模型的訓練效率，并降低了整體的調試成本，使得大模

115、型提供服務的門檻降低。綜合來看，大模型至少在一定程度上能夠取代垂直小模型，并通過 MaaS 的形式提供服務，這可能成為行業未來的發展趨勢。圖圖 66:NLP 領域的范式轉移領域的范式轉移 數據來源：Paradigm Shift in Natural Language Processing13，中信建投 圖圖 67:小樣本學習的訓練改進小樣本學習的訓練改進 數據來源：青源會2022年人工智能重要方向進展與未來展望報告，中信建投 大模型領域的研究大模型領域的研究核心要素包括模型結構、預訓練模型、下游調試、模型部署、模型推斷等。核心要素包括模型結構、預訓練模型、下游調試、模型部署、模型推斷等。根據青

116、源會，大模型研究領域存在一定問題，包括同質化嚴重的情況，多數廠商采取類似的模型架構，例如 GPT、Bert、T5等。由于模型架構同質化，影響模型效果的核心因素更多是工程方面的技巧、細節?？傮w上，大模型領域的研究機會主要包括 1）模型結構，例如非注意力交互機制、稀疏路由結構等；2）預訓練模型，例如預訓練任務設計、模型更新方法等；3）下游調試，如探索任務微調效率提升方法；4）模型部署，如統一的任務范式，通過 13 https:/arxiv.org/pdf/2109.12575.pdf 34 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 單一模型支撐多種任務；5）模型推斷，如模型壓縮、剪枝、

117、動態路由等。我們對比不同廠商大模型研發水平也主要參照上述框架。圖圖 68:大模型領域的研究機會大模型領域的研究機會 數據來源：青源會2022年人工智能重要方向進展與未來展望報告，中信建投 模型結構上，模型結構上，百度百度 ERNIE14是基于是基于 BERT 引入知識圖譜引入知識圖譜。具體來講，2019 年 4 月 ERNIE:Enhanced Representation through Knowledge Integration 提出基于 BERT 的改進掩碼策略，1）在單詞級別隨機生成掩碼并引導模型預測（BERT 框架，basic-level masking），2）詞組級別（phrase

118、-level masking）、實體級別（entity-level masking）隨機生成掩碼并引導模型預測。通過引導模型預測詞組、實體，模型訓練隱性地15引入知識圖譜概念。例如：哈利波特是 J.K.羅琳寫的小說。單獨預測哈MASK波特或者 J.K.MASK琳情況下，模型無法學到哈利波特和 J.K.羅琳的關系。如果把哈利波特直接 MASK 掉的話，那模型可以根據作者，就預測到小說這個實體，實現知識的學習。圖圖 69:ERNIE 模型的模型的 MASK 的策略和的策略和 BERT 的區別的區別 數據來源：ERNIE:Enhanced Representation through Knowled

119、ge Integration，中信建投 引入不同掩碼策略引入不同掩碼策略、多輪對話數據對、多輪對話數據對 ERNIE 1.0 的預測準確率提升的預測準確率提升有一定幫助有一定幫助。14 ERNIE 是 Enhanced Representation through kNowledge IntEgration 的縮寫，也對應百度發布論文的標題。15 ERNIE:Enhanced Language Representation with Informative Entities 通過顯性引入 embedding 知識圖譜，提升模型學習能力。模型結構預訓練下游調試部署推斷模型效率非注意力機制的建模稀

120、疏路由結構訓練效率提升知識嵌入知識更新調試效率提升上下文學習可靠性統一范式推斷效率提升 35 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 表表 2:不同掩碼策略及數據集規模下的模型預測準確率不同掩碼策略及數據集規模下的模型預測準確率 Pre-training dataset size Mask strategy Dev accuracy Test accuracy 10%of all word-level(chinese character)77.7%76.8%10%of all word-level&phrase-level 78.3%77.3%10%of all word-lev

121、el&phrase-leve&entity-level 78.7%77.6%All word-level&phrase-level&entity-level 79.9%78.4%資料來源：ERNIE:Enhanced Representation through Knowledge Integration，中信建投 表表 3:訓練語料引入多輪對話后模型預測準確率提升訓練語料引入多輪對話后模型預測準確率提升 Corpus proportion(10%of all training data)Dev Accuracy Test accuracy Baike(100%)76.5%75.9%Baike

122、(84%)/news(16%)77.0%75.8%Baike(71.2%)/news(13%)/forum Dialogue(15.7%)77.7%76.8%資料來源：ERNIE:Enhanced Representation through Knowledge Integration，中信建投 注：數據來源分別為百度百科、百度新聞、百度貼吧。ERNIE 2.0 引入持續學習框架，解決知識遺忘引入持續學習框架，解決知識遺忘及訓練效率及訓練效率的問題。的問題。ERNIE 1.0 相比基礎版 BERT，改變了掩碼策略（引入知識圖譜）和數據結構（加入多輪對話語料），提升了模型預測準確率。此后學界討論

123、通過多任務學習提升模型的預測準確率，例如微軟研究團隊在Multi-Task Deep Neural Networks for Natural Language Understanding中論證了通過在預訓練模型中加入有監督的下游任務，能夠優化模型在 NLU（自然語言理解）方面的效果。因此，后續的一個思路就是通過堆疊訓練任務提示模型預測準確率，但相應存在一個問題，即模型出現學習新知識后容易遺忘舊知識，ERNIE 2.0 主要的變化就是針對這一問題提出持續學習框架，實現知識庫擴充，優化模型效果。常規的模型訓練即序列訓練模式，即后一個模型訓練是建立在前一個模型訓練結束后，從模型參數的角度，后一個模型

124、訓練初始參數為前一個模型，但訓練結束后參數有所調整，且由于訓練是基于后一個任務，其對此前任務的預測準確率可能低于此前的訓練結果。學界此前的解決思路是將多個任務同時訓練，確保模型對不同時序加入的任務等權學習，但每新增一個任務，模型都需要重新訓練此前所有的任務，這對應較高的訓練成本。ERNIE 2.0 提出序列多任務學習（Sequential Multi-task Learning）模式，通過給每個任務分配 N 個訓練迭代，自動將每個任務的 N 個迭代分配到不同訓練階段，兼顧學習效果和效率，較 BERT 框架繼續優化。圖圖 70:ERNIE 2.0 提出了提出了多任務訓練策略的改進多任務訓練策略的

125、改進 數據來源：ERNIE 2.0:A Continual Pre-Training Framework for Language Understanding，中信建投 ERNIE 3.0 引入引入大規模大規模參數參數，在包括純文本和知識圖譜的，在包括純文本和知識圖譜的 4TB 語料庫上預訓練一個知識增強的語料庫上預訓練一個知識增強的 100 億參數億參數模型。模型。為了處理語言理解和生成的任務，ERNIE 3.0 設計了一個統一的預訓練框架，整合了自編碼網絡和自回歸網絡。我們在來自不同任務范式和領域的各種數據集上構建了廣泛的實驗，結果表明，與之前最先進的預訓 36 美股公司深度報告 百度百度

126、 請參閱最后一頁的重要聲明 練模型相比，ERNIE 3.0 是有效的16。ERNIE 3.0 相比相比 2.0 最大的變化就是參數規模和數據規模的提升。最大的變化就是參數規模和數據規模的提升。T5 和和 GPT-3 的經驗表明，擴大預訓練語的經驗表明，擴大預訓練語言模型的規?？梢蕴岣咂浞夯芰?。言模型的規?？梢蕴岣咂浞夯芰?。百度團隊認為 GPT-3 等模型由于缺乏知識圖譜，在自然語言理解方面表現不理想，但另一方面自編碼網絡下零樣本/小樣本學習的效果較好。因此 ERNIE 3.0 融合了自編碼網絡和自回歸網絡，擴大數據/參數規模，訓練后的模型可以很容易地用于自然語言理解和生成任務的零樣本學習、

127、少樣本學習或微調。此外，ERNIE 3.0 的語料庫包括百科、Feed、百度搜索（包括百家號、知乎、貼吧、經驗）、網絡文本、QA-long、QA-short、Poetry 2&Couplet 3、醫療、法律、金融等領域的特定數據以及百度知識圖譜（超過 5000萬條事實），相比 CLUECorpus2020（100GB）、中文多模態預訓練數據（300GB）、CPM-2 使用的 WuDaoCorpus2.0（2.3TB 中文數據和 300GB 英文數據）和 PanGu Corpus（1.1TB）相比，ERNIE 3.0 采取了當時最大的中文預訓練語料。圖圖 71:ERNIE 3.0 模型引入大規模

128、參數模型引入大規模參數/數據，擴展網絡層數至數據，擴展網絡層數至 48 層層，融合自編碼網絡和自回歸網絡，融合自編碼網絡和自回歸網絡 數據來源：ERNIE 3.0:LARGE-SCALE KNOWLEDGE ENHANCED PRE-TRAINING FOR LANGUAGE UNDERSTANDING AND GENERATION，百度官網17，中信建投 ERNIE 3.0 TITAN 引入可控、可信自監督模型，提升文本生成引入可控、可信自監督模型，提升文本生成的可靠性的可靠性，此外提出在線蒸餾框架，此外提出在線蒸餾框架。百度研究團隊在 2021 年 12 月發布的論文中提到，雖然像 GPT

129、-3 這樣的大規模語言模型表現出很好的文本生成能力，但對于用戶來說，要控制生成結果并獲得與事實相符的文本仍然是一個挑戰。換言之，GPT-3 可能存在胡編亂造等問題，導致生成內容與事實存在明顯偏差。為解決這一問題，ERNIE 3.0 TITAN 引入可信可控內容生成自監督模型，包括自監督的對抗性損失（self-supervised adversarial loss）和可控的語言建模損失（controllable language 16 https:/arxiv.org/pdf/2107.02137.pdf，ERNIE 3.0:LARGE-SCALE KNOWLEDGE ENHANCED PRE-

130、TRAINING FOR LANGUAGE UNDERSTANDING AND GENERATION。17 https:/ 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 modeling loss）。其中，前者主要區分模型生成內容與事實，這實際上是一個二進制的分類問題，最終通過交叉熵損失函數（cross-entropy loss）訓練模型參數；后者是在 ERNIE 3.0 可控數據集 Dc=x1,x2,.,x|Dc|上使負對數似然損失最小。圖圖 72:ERNIE 3.0 TITAN 引入自監督對抗性損失及可控語言建模損失函數，實現對生成內容的自反饋學習優化引入自監督對抗性損失及可控語言

131、建模損失函數，實現對生成內容的自反饋學習優化 數據來源：ERNIE 3.0 TITAN:EXPLORING LARGER-SCALE KNOWLEDGE ENHANCED PRE-TRAINING FOR LANGUAGE UNDERSTANDING AND GENERATION，中信建投 圖圖 73:ERNIE 3.0 Titan 的在線蒸餾框架的在線蒸餾框架 數據來源：ERNIE 3.0 TITAN:EXPLORING LARGER-SCALE KNOWLEDGE ENHANCED PRE-TRAINING FOR LANGUAGE UNDERSTANDING AND GENERATION

132、，中信建投 此外，為了更好地利用計算資源和更環保地進行蒸餾，百度研究團隊提出了在線蒸餾方法 OFD（On the Fly Distillation）。具體過程是每當教師更新一步，學生就向教師更新一步。在訓練過程中，學生的學習目標（即老師）會隨著時間的推移而改變。OFD 允許教師培訓和蒸餾同時進行。這樣做的好處是我們可以在教師的預訓練中更好地利用教師的前向傳播來進行蒸餾，而不像現有的知識蒸餾方法需要從教師那里獲得額外的前向傳播來 38 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 進行蒸餾。OFD 不會影響教師的訓練，因為蒸餾損失的梯度不會從教師那里流出。蒸餾損失不會從 TA 或學生那里

133、流回教師。輔助蒸餾層（Auxilliary Layer Distillation）主要是解決學生前饋神經網絡無法得到訓練的問題：由于在蒸餾過程中傳輸的知識是注意力概率分布，因此，在蒸餾塊中的前饋網絡，不會在蒸餾過程中進行訓練。而在訓練調優結束后，ALD 則會被丟棄。GPT-3 的成功得益于著眼于更大的問題，的成功得益于著眼于更大的問題，ERNIE、BERT 等的落后反映業界研究的一些弊病。等的落后反映業界研究的一些弊病?？梢钥吹?，相比 GPT-3，ERNIE 在模型結構方面引入多層次掩碼、知識圖譜、在線蒸餾框架、可控可信自監督模型等，設計了更精巧的模型，并搭建了面向應用的易用框架，且在評測集上

134、表現超越同時期的模型，但從后續的 ChatGPT應用效果上看，包括 ERNIE 在內的多數團隊都不曾達到類似的效果。表表 4:業界大模型相關論文影響力（截止業界大模型相關論文影響力（截止 2023/4/12）發表時間發表時間 文章文章 核心貢獻核心貢獻 被引用次數被引用次數 2017/6/12 Attention is all you need Transformer 71128 2018/6/11 Improving Language Understanding by Generative Pre-Training GPT 1.0 5196 2018/10/11 BERT:Pre-train

135、ing of Deep Bidirectional Transformers for Language Understanding BERT 63400 2019/2/14 Language Models are Unsupervised Multitask Learners GPT 2.0 10432 2019/4/19 ERNIE:Enhanced Representation through Knowledge Integration ERNIE 1.0 677 2019/7/29 ERNIE 2.0:A Continual Pre-training Framework for Lang

136、uage Understanding ERNIE 2.0 560 2019/10/23 Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer T5 6961 2020/5/28 Language models are few-shot learners GPT 3.0 9160 2021/3/1 M6:A Chinese Multimodal Pretrainer M6 94 2021/4/26 PanGu-:Large-scale Autoregressive Pretrained

137、Chinese Language Models with Auto-parallel Computation PanGu-92 2021/7/5 ERNIE 3.0:Large-scale Knowledge Enhanced Pre-training for Language Understanding and Generation ERNIE 3.0 122 2021/12/23 ERNIE 3.0 Titan:Exploring Larger-scale Knowledge Enhanced Pre-training for Language Understanding and Gene

138、ration ERNIE 3.0 titan 19 2022/3/4 Training language models to follow instructions with human feedback InstructGPT 434 2023/3/20 PanGu-:Towards Trillion Parameter Language Model with Sparse Heterogeneous Computing PanGu-1 資料來源：Google scholar，Arxiv，中信建投 從技術路線上看，包括 ERNIE 在內的多數廠商選擇 BERT 路線（Encoder-only

139、），少數選擇 T5 路線（Encoder-Decoder），較少選擇 GPT 路線（Decoder-only）。這種選擇可以從學術影響力看出，BERT 論文的被引用量遠大于 GPT 系列論文及 T5 系列論文。事后看，當前 OpenAI 旗下 GPT 系列模型的領先得益于早期技術選型的成功，這一成功是建立在以下基礎上GPT 的學界/業界影響力小于 BERT，導致多數廠商選擇跟蹤BERT 的工作。GPT 路線路線此前的影響力弱于此前的影響力弱于 BERT 路線主要由于路線主要由于 1）Google 品牌背書；品牌背書；2）開源精神；）開源精神；3）產研結合難度。）產研結合難度。OpenAI 旗下

140、的 GPT 路線基于 Transformer 架構，將解碼器單獨取出，論文發布時間早于 BERT 論文發布時間。但論文的業界影響力弱于 BERT，我們認為，這主要由于 Google 的品牌背書，Google 研究團隊在 AI 領域的研 39 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 究積累導致業界對其研究關注度更高。另一方面，GPT 系列論文發布后，相關數據集、模型不完全開源，導致其他研究團隊很難跟進和復現其研究成果，這進一步削弱了業界/學界跟進研究的動力。最重要的是，OpenAI團隊解決問題的思路與當時業界/學界有所差異，此前研究人員更傾向于設計精細的模型結構和高效的方法，實現相

141、同規模下效果更優，而 GPT 引入 Few-Shot/Zero-Shot 下表現沒有明顯好于 Fine-tuning 下的其他模型，只是在數據量和參數量指數提升后表現快速提升。這里存在 2 個問題：1）線性外推的思維定式。2）業界研究的思維習慣：追求效率，聚焦更具體的問題。首先是線性外推的思維定式18，多數研究團隊選擇優先調整模型結構和訓練方法等路線的隱含假設是，規模擴張不會對技術路線的效率產生明顯影響，或者即使產生影響，但相比規模擴張帶來的成本，其投入難度很難同比擴大。后者則涉及到業界追求效率的思路，關注投入產出比，這種思路的本質是投入資源稀缺，要在有限的資源投入下最大化產出。而研究思路背后

142、是互聯網公司 AI 實驗室與業務部門的博弈。圖圖 74:業界業界 AI 研究院的組織架構調整研究院的組織架構調整 數據來源：雷峰網，中信建投 縱觀國內外互聯網公司的縱觀國內外互聯網公司的 AI 研究部門，其大致經歷了職能制、矩陣制、事業部制等架構，背后反映了大研究部門，其大致經歷了職能制、矩陣制、事業部制等架構，背后反映了大廠對廠對 AI 科研部門的不同期許和考核體制，這種激勵體制也影響了科研部門的不同期許和考核體制，這種激勵體制也影響了 AI 科研部門的中長期發展?？蒲胁块T的中長期發展。2013 年成立的FAIR 采取職能制，其定義 Facebook 的 AI 部門為 FAIR+Applie

143、d Machine Learning（應用機器學習團隊）+Product Groups（產品部署團隊）19。但 2018 年組織架構調整后，FAIR 轉向矩陣制，即 AI 實驗室同時對業務部門和技術領導（一般是 CTO 體系）負責。2021 年底 FAIR 進一步調整，將旗下 AI 研究團隊并入業務部門，轉向事業部制。從職能制向矩陣制、事業部制，考核體制上越來越接近業務，越來越遠離學術影響力/前瞻研究，這種轉變大多是由于互聯網公司面臨營收、利潤壓力，業績壓力倒逼研究團隊轉向業務團隊的“外包”，壓力下部分研究人員離開業界，重回學術界，這是過去我們看到的業界 AI 研究的循環。大廠在大廠在大模型領

144、域研究大模型領域研究的落后有一定時代特征的落后有一定時代特征：對谷歌來說是價值觀變革導致凝聚力減弱，同時創新工作對谷歌來說是價值觀變革導致凝聚力減弱，同時創新工作不足；對不足；對 Meta 而言是企業聲譽受損導致凝聚力減弱，此外則是戰略重心調整導致人員流動。而言是企業聲譽受損導致凝聚力減弱，此外則是戰略重心調整導致人員流動。以谷歌為例，2018-21年谷歌經歷了介入軍事、語音監聽、倫理委員會等風波，價值觀或政治正確在內外部引發的爭議導致研究人員產生分歧，進而離開公司。2021 年至今一些谷歌高級研究人員離職創業、加入競爭對手等?？傮w上來看，谷歌研究人員的離開主要是公司規模擴張帶來價值觀稀釋，內

145、部分歧管控失敗導致的，另一方面大企業機制下對“創新”的激勵趨弱，部分員工離職創業或加入中小型公司，尋求更自由、追求創新的工作。對 Meta 而言，2018 年因非法向劍橋分析泄露超 5000 萬用戶信息從而影響美國選舉，Meta 的企業形象大幅 18 類似的情況也發生在其他領域，例如萬有引力在高速條件下失效，由此引入相對論體系。19 https:/ 事業部CEOCTO體系/工程事業部AI研究院事業部CEOCTO體系/工程事業部AI研究院事業部CEOCTO體系/工程事業部AI團隊AI團隊職能制職能制矩陣制矩陣制事業部制事業部制 40 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 惡化，影

146、響了員工對于企業的信心，導致當年大批高管及核心研究人員離職20。另外，2021 年 Meta 員工的離職潮主要受戰略變化及組織架構調整影響，由于公司戰略轉向 AR/VR，一些員工出于職業發展的考慮21加入其他公司繼續本領域的研究和工作。圖圖 75:2018-21 年谷歌經歷介入軍事、語音監聽、倫理委員會風波年谷歌經歷介入軍事、語音監聽、倫理委員會風波，21-23 年大量研究人員離職年大量研究人員離職 數據來源：環球網，澎湃新聞，新浪科技，網易科技，虎嗅網，中信建投 更大的趨勢在于 1）開源開源帶來的帶來的技術擴散技術擴散，頭部科研院所及互聯網科技公司相比中小公司/科研院所的相對優勢在縮減，這主

147、要由于過去 AI 領域的創新主要來自方法論層面，而非工程層面，而方法論的創新更隨機；2）對大型科技企業的監管約束趨嚴，對大型科技企業的監管約束趨嚴，大多數美國互聯網科技企業都是在 1990 年后成立，并受益于 20 世紀末、21世紀初的反壟斷監管，在快速發展階段經歷了經濟高速增長、監管邊際寬松的環境，但 2017 年以來歐盟、韓國等對谷歌、亞馬遜、Meta、蘋果公司、微軟等加強監管，導致大型科技公司面臨較高的監管壓力。20 https:/ 21 https:/ AI部門Ethical AI團隊Timnit GebruJeff DeanMargaret MitchellSamy Bengio負責

148、人聯席主管聯席主管負責人2020年12月3日被辭退原因為論文發表未經內部流程審批2021年2月20日被辭退被指控將文檔轉移出公司2021年4月7日離職與下屬離職有關2021年2月20日 對處理問題的方式表示歉意2018年I/O大會谷歌推出AI服務機器人Duplex，旨在幫助替用戶撥打語音電話進行預約服務。Duplex可以模仿人類的語氣，發音也與真人十分接近。但遭到輿論批評。2018年4月谷歌與五角大樓簽署協議，計劃為利用人工智能提高無人機打擊準確性的項目Maven提供技術支持，這一舉動招致了谷歌員工和輿論界的廣泛批評。2018年6月谷歌發布了人工智能十一條準則，包括谷歌進行AI研發的七個目標和

149、谷歌AI絕不會進入的四種應用場景。2019年3月谷歌宣布成立“先進技術外部咨詢委員會”，希望通過哲學家、工程師和政策專家組成的團隊幫助解決人工智能帶來的道德風險。2019年7月谷歌陷語音監聽風波2021年10月谷歌大型語言模型 LaMDA研究人員Noam Shazeer離職2022年1月DeepMind聯合創始人Mustafa Suleyman退出谷歌2022年4月谷歌大模型研究人員David Luan、Ashish Vaswani、Niki Parmar離職2022年5月谷歌AI研究員Satrajit Chatterjee質疑Jeff Dean領銜的Nature論文被解雇2023年2月傳Op

150、enAI秘密雇傭多位前谷歌AI研究人員，幫助改進ChatGPT 41 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 76:2017-22 年年 NIPS 論文發布機構集中度有所下降論文發布機構集中度有所下降 圖圖 77:1950-2022 年美國司法部及歐盟反壟斷訴訟案件數量年美國司法部及歐盟反壟斷訴訟案件數量（件）（件）數據來源：NIPS，Github，Vinai，中信建投 數據來源：DOJ，EU，中信建投 注：DOJ案件不含刑事訴訟，EU案件僅包含Antitrust/Cartels。此外，輿論環境對中小型創業公司容忍度更高也是影響大公司創新成本的要素。此外，輿論環境對中小型創

151、業公司容忍度更高也是影響大公司創新成本的要素。包括 Meta、Google、微軟在內的科技公司此前推出類似產品時都出現過由于語言模型生成內容存在虛假、政治不正確的情況，并引發輿論熱議，從而迫使產品下線。例如 2015 年 Google 將黑人女性的圖片識別為 Gorilla（大猩猩）22；2016 年微軟聊天機器人因種族歧視言論迅速被下線23；2021 年 Facebook（Meta）將黑人男性標注為 Primate（靈長類動物）24。對于大型科技公司的輿論和監管壓力天然高于創業公司25，這也導致其面臨較高的合規成本，喪失部分靈活性?；氐桨俣?，一個有趣的問題在于為何百度在國內回到百度，一個有趣

152、的問題在于為何百度在國內 AI 領域布局相對領先同行。領域布局相對領先同行。我們認為核心在于組織架構調整驅動業務/研究結合，導致 AI+云業務融合發展較早，從而在大模型的工程訓練、前瞻研究方面均有所布局，表現為整體的相對領先。研究與工程落地協同發展的產業研究與工程落地協同發展的產業趨勢。趨勢。根據 FAIR 前負責人 Yann LeCun，“FAIR 和 AML 都會做研究以及工程驅動的開發。我會說 FAIR 把 75%的精力投入到研究，25%的精力放在了工程上。而 AML 也許是 75%的工程，以及 25%放在了研究上。FAIR 和 AML 的分界線是特意模糊的。有些人在兩個組織里腳踩兩只船

153、。他們是 FAIR 年輕的工程師們，我們把他們稱為“研究工程師”，他們和研究科學家一起做研究項目。而當這些項目從研究階段到開發時，有些研究工程師會選擇跟隨他們的項目到開花結果，這樣就會進入到 AML 團隊。這是非常好的方法，把最先進的技術從研究狀態散播出去”。26 具體到 GPT 路線，我們在論文解析部分提到，GPT 相比 BERT 路線的思路差異在于希望通過擴大數據/參數規模實現效果提升，而非通過模型結構優化提升既定投入下的效果，因此對于工程能力的要求較高。在 GPT技術路線的積累更多是研究+工程的協同，而非依靠研究院或工程團隊單獨推動，因此從技術追趕的角度，更早地解決工程和研究團隊協同工作

154、問題的公司，往往在技術追趕中可以取得先機。22 https:/ 23 https:/ 24 https:/ 25 https:/ Meta 沒有推出類似 ChatGPT 的系統時，LeCun 回答說，因為谷歌和 Meta 都會因為推出編造東西的系統遭受巨大損失?！?6 https:/ 40%45%50%55%0100020003000Top 10機構論文被接收數量（份）總論文被接收數量（份）CR 10-10 20 30 40 50195019541958196219661970197419781982198619901994199820022006201020142018Antitrust c

155、ases filed by DOJ-Civil MA(5)Antitrust cases filed by EU MA(5)Antitrust cases filed by EU+DOJ MA(5)42 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 百度百度 2019 年將年將 AI、云業務與技術中臺合并，統歸、云業務與技術中臺合并，統歸 CTO 管理管理，并提出云智一體。，并提出云智一體。百度于 2018 年 12 月將智能云事業部（ACU）升級為智能云事業群組（ACG），同時承載人工智能 To B 業務和云業務，由尹世明負責，向張亞勤匯報。搜索公司及各 BG 的運維、基礎架構和集團

156、級共享平臺整合至基礎技術體系（TG），整合后的 TG 向王海峰匯報，王海峰同時繼續負責 AIG27。2019 年 9 月，智能云與 CTO 體系融合，百度副總裁、百度智能云總經理尹世明攜團隊向集團首席技術官王海峰匯報28。至此，百度形成了 AI+技術中臺+云體系融合，統歸 CTO 管理，并進一步升級 AI+云戰略。作為對比，騰訊云、阿里云與技術中臺的運行相對獨立，由不同高管負責，組織上的協同性相對弱于百度29。百度研究與工程的協同在結果上體現為，深度學習框架、機器學習平臺、計算集群平臺等環境搭建完善，且整體性能處于國內領先。百度 PaddlePaddle 深度學習框架在 Github 上的關注

157、度、點贊量等指標均處于國內領先，而阿里巴巴、騰訊、字節跳動在深度學習框架方面積累相對落后。根據 MLPerf 榜單，PaddlePaddle 及百舸計算平臺在單機、分布式環境中特定條件下取得性能領先，體現了框架和性能的先進性。表表 5:深度學習框架的流行度情況（截止深度學習框架的流行度情況（截止 2023/4/16）國外框架國外框架 框架名 Commits Fork Star Contributors 1 TensorFlow 146590 88100 173000 3354 2 PyTorch 58973 18000 65500 2692 3 Theano 28132 2500 9700 3

158、53 4 CNTK 16117 4400 17300 200 5 MXNet 11896 6900 20400 875 國內框架國內框架 1 MindSpore 65509 629 3500 455 2 PaddlePaddle 41293 5100 20100 774 3 OneFlow 9350 574 4900 143 4 MegEngine 3017 506 4500 42 5 Jittor 1612 282 2700 38 資料來源：Github，中信建投 注：Commits 代表開源代碼提交的次數，表征開源項目活躍度；Fork 代表代碼復刻、分叉，表征開源項目被引用情況；Star

159、代表點贊數，表征開源項目關注度；Contributors 代表貢獻者，表征開源項目貢獻者規模。27 https:/ 28 https:/ 29 根據搞深度學習框架的那幫人，不是瘋子，就是騙子，時任開源平臺負責人王益提到“內部組織結構調整也促進了新技術的接納”，此外百度前科學家高管提到“百度內部曾經有兩個類似的產品，最后敲定 PaddlePaddle 的人，是陸奇?！?3 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 78:2022 年年 6 月月 BERT 模型模型 8 卡卡 400W A100 訓練性能訓練性能 圖圖 79:2022 年年 9 月月 BERT 模型模型 8 機機

160、 64 卡同配置卡同配置 GPU 訓練性訓練性能能 數據來源：MLPerf，中信建投 注：時間越短越好。數據來源：MLPerf，中信建投 注：時間越短越好。除性能外，除性能外，工程環境工程環境的穩定性也尤其重要的穩定性也尤其重要。英偉達在 Efficient Large-Scale Language Model Training on GPU Clusters論文中預估過：1750 億參數的模型，在 3000 億樣本的規模下，1024 卡也需要訓練 34 天。如何保證在有故障發生的情況下，模型能持續穩定的訓練，也是亟需解決的問題。根據 Susan Zhang 教授30，Meta 在OPT-17

161、5B 模型的訓練中出現了 50 多次的斷點（需要回到 Checkpoint 重啟訓練），下圖中不同顏色代表著模型連續訓練的時間。而根據 GPT-4 技術報告，OpenAI 認為 GPT-4 模型訓練的重要因素是工程環境的完善搭建。圖圖 80:Meta OPT-175B 模型訓練中出現多個斷點模型訓練中出現多個斷點 數據來源：Stanford，中信建投 實現訓練的穩定性主要方式有提升計算集群并行能力/性能。阿里云研究團隊于 2020 年發布EFLOPS Algorithm and System Co-design for a High Performance Distributed Traini

162、ng Platform，提出 EFLOPS AI 計算集群，關鍵技包括網絡化異構計算服務器架構、高擴展性網絡架構、與系統架構協同的高性能通信庫?；谏鲜黾夹g突破，阿里云在萬卡規模下基本實現線性擴展31（92%），作為對比，百度百舸 AI 異構計算平臺千卡規模的加速倍在 90%以上。30 https:/cs.stanford.edu/events/mlsys-seminar-susan-zhang 31 https:/ 1659917402176241844218489Baidu with PaddlePaddleHazyResearch with NGCPytorchH3C with NGC

163、PytorchNVIDIA with NGC PytorchGIGABYTE with NGCPytorch端到端訓練收斂時間（分鐘）2476249726983084Baidu PaddlePaddleNVIDIA NGC PytorchAzure-HazyResearch NGCPytorchHPE NGC Pytorch端到端訓練收斂時間（分鐘）44 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 81:百度百度軟硬結合聯合優化軟硬結合聯合優化實現實現 EFLOPS 算力最佳實踐算力最佳實踐 數據來源：超大規模AI異構計算集群的設計和優化，中信建投 整體而言，百度在深度學習框架

164、、計算平臺等領域具備較好的優勢，在模型結構設計、部署等方面有更好地積累、學術/業界影響力更強，技術路線轉向 GPT 后部分經驗仍可以復用，在國內同業中具備相對優勢。但動態地看，基于相同技術路線發展出來的大模型在效果上可能同質化，即使由于模型結構的精調等可能存在一些優劣差異，但這種差異是否能傳導至市場份額，最終形成企業的護城河，這是值得進一步探究的。4.2 對話式對話式 AI：軟硬結合助力業務穩步發展：軟硬結合助力業務穩步發展 對話式對話式 AI 分為分為 to C 場景和場景和 to B 場景，騰訊云在智能家居、駕駛、客服等領域有所布局。場景，騰訊云在智能家居、駕駛、客服等領域有所布局。對話式

165、 AI 的 to C場景包括智能家居、智能駕駛、智能隨身設備、智能辦公，to B 場景包括智慧醫療、智慧金融/電商/電信（智能客服、智能外呼）、智慧教育、智慧政法/公檢法。但 to C 場景中往往 AI 能力與硬件搭售，因而份額會被智能手機、家居廠商等侵蝕，或被行業布局較早的廠商占據。阿里云、百度云依靠既有業務阿里云、百度云依靠既有業務/場景進行技術驗證、迭代，形成正循環。場景進行技術驗證、迭代，形成正循環。對比同業，阿里云主要布局 To B場景，例如智能客服、營銷，阿里的優勢是產品能夠在生態內應用驗證，同時技術研發較早。根據 IDC，阿里云智能客服成為國內唯一入選 IDC 全球 Market

166、Scape 報告解決方案提供方，且取得 Major Players 位置32。阿里云智能客服最早于 2015 年試運行，逐步應用至手淘、Lazada、盒馬等生態，并于 2017 年正式對外向政府、企業和開發者開放。百度云主要布局 To C 場景，百度的優勢是基于億級日搜索量沉淀的自然語言處理技術、知識圖譜、語音技術等，且 2017 年發布 UNIT（智能對話定制與服務平臺），布局至今持續積累生態；另外百度在硬件方面也有一定布局，例如小度同學，自動駕駛，此外百度開放底層技術能力，使得部署模式更靈活，客戶接受度也較高。對話式對話式 AI 分為分為 to C 場景和場景和 to B 場景，騰訊云在智

167、能家居、駕駛、客服等領域有所布局。場景，騰訊云在智能家居、駕駛、客服等領域有所布局。對話式 AI 的 to C場景包括智能家居、智能駕駛、智能隨身設備、智能辦公，to B 場景包括智慧醫療、智慧金融/電商/電信（智能客服、智能外呼）、智慧教育、智慧政法/公檢法。但 to C 場景中往往 AI 能力與硬件搭售，因而份額會被智能手機、家居廠商等侵蝕，或被行業布局較早的廠商占據。阿里云、百度云依靠既有業務阿里云、百度云依靠既有業務/場景進行技術驗證、迭代，形成正循環。場景進行技術驗證、迭代，形成正循環。對比同業，阿里云主要布局 To B 32 阿里云智能客服入選IDC MarketScape 全球對

168、話式 AI 平臺廠商評估報告()45 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 場景，例如智能客服、營銷，阿里的優勢是產品能夠在生態內應用驗證，同時技術研發較早。根據 IDC，阿里云智能客服成為國內唯一入選 IDC 全球 MarketScape 報告解決方案提供方，且取得 Major Players 位置33。阿里云智能客服最早于 2015 年試運行，逐步應用至手淘、Lazada、盒馬等生態，并于 2017 年正式對外向政府、企業和開發者開放。百度云主要布局 To C 場景，百度的優勢是基于億級日搜索量沉淀的自然語言處理技術、知識圖譜、語音技術等，且 2017 年發布 UNIT（智

169、能對話定制與服務平臺），布局至今持續積累生態；另外百度在硬件方面也有一定布局，例如小度同學，自動駕駛，此外百度開放底層技術能力，使得部署模式更靈活，客戶接受度也較高。4.3 機器學習平臺機器學習平臺：國內應用規模領先，技術沉淀積累深厚：國內應用規模領先，技術沉淀積累深厚 機器學習平臺的競爭優勢是機器學習平臺的競爭優勢是 1）功能譜系廣，）功能譜系廣，2）性能強，）性能強，3）安全保障，）安全保障，4）兼容性好。）兼容性好。功能方面，機器學習平臺需要確保機器學習框架、模型的全面覆蓋；性能上，數據標注、算法編輯、模型訓練性能強意味著機器學習的效率較高；安全方面，業務邏輯、數據、代碼的安全性對大型企

170、業、部分行業客戶尤其重要；兼容性上，平臺方難以完成所有工作，而是需要和其他框架、數據格式、算法兼容。第四范式聚焦少數行業做深產品，互聯網云廠商采取小步快跑策略廣泛布局快速迭代。第四范式聚焦少數行業做深產品，互聯網云廠商采取小步快跑策略廣泛布局快速迭代。行業競爭方面，第四范式布局較早具備先發優勢，2014 年 12 月對外發布先知平臺，且創始人/核心高管技術實力較強，在部分行業積累成功案例并逐步復制，2015 年發布金融行業產品及服務，18-19 年發布零售、能源行業產品及服務，目前市場份額領先。百度 PaddlePaddle 于 2013 年內部成立，2016 年 9 月對外開放，截止 202

171、2 年 5 月，飛槳已累計凝聚 477 萬開發者、服務 18 萬企事業單位、創建 56 萬 AI 模型34，是國內應用規模第一的深度學習框架和平臺。阿里巴巴 2015 年底推出 PAI 平臺，作為機器學習比賽平臺，并于 2018 年開啟商業化，其官網披露的支持框架目前是國內廠商中最全面的；華為云于 2017 年 9 月推出機器學習平臺，目前擁有自研開源框架 MindSpore。騰訊云于 2018 年 3 月推出深度學習平臺 DI-X，目前演化為 TI 平臺35?；ヂ摼W云廠商策略勝在快，第四范式策略勝在穩?；ヂ摼W云廠商策略勝在快，第四范式策略勝在穩。廣泛布局的優勢在于營收起量快，由于開發平臺的商

172、業模式是向開發者采取以調用量/時段付費，個人開發者/企業客戶數量越多，營收規模越大。但另一方面，開發平臺的業務包括算力、數據、模型調用、部署維護，隨著 AI 在各垂直場景應用深入，模型調用、部署維護的比例可能提升，因此模型、算法的性能、效率比拼，以及易用性（降低維護成本）是廠商第二階段競爭的關鍵。第四范式采取的策略則是聚焦金融、能源、零售行業，與行業客戶進行溝通反饋并優化迭代模型、算法，從而實現客戶價值提升。從企業而言，第三方從企業而言，第三方 AI 企業聚焦部分行業的企業聚焦部分行業的 AI 模型策略更扎實，模型策略更扎實，互聯網云廠商的策略需要更多的人力和資源投入，且在市場快速增長的過程中

173、，開拓新行業/新場景的難度比優化已有行業/場景難度更低，往往企業會投入更多資源用于份額擴張，但并未實現客戶的價值提升，這種增長存在一定隱憂。但對于互聯網云廠商而言，但對于互聯網云廠商而言，云計算本身是集團內部的業務之一，其面臨與其他業務部門資源分配的競爭，如果規模擴張不夠快，所獲取/能夠調動的資源就會被擠壓，因此云廠商內部負責人往往存在“增長焦慮”，只有快速提升市場份額，才能夠穩定云業務在集團內部的地位，同時獲取更多資源以優化/迭代算法、模型，實現客戶價值提升。33 阿里云智能客服入選IDC MarketScape 全球對話式 AI 平臺廠商評估報告()34 https:/ 35 專訪|騰訊云

174、機器學習平臺技術負責人黃明，詳解 DI-X 深度學習平臺()46 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 5.智能智能駕駛駕駛：前瞻布局前瞻布局+持續投入，有望成就新增長曲線持續投入，有望成就新增長曲線 百度智能駕駛事業群組分為自動駕駛、車聯網、智能交通業務組，對應三大業務。整體布局包括車端、路端、云端，車端產品包括車載座艙、激光雷達、AI 芯片，并與吉利成立集度汽車；路端產品包括高精度地圖；云端由數據閉環、AI 研發、數據采集、云仿真測試、運營監管等解決方案組成。ACE 交通引擎則是車路協同解決方案。圖圖 82:百度智能駕駛事業群組組織架構百度智能駕駛事業群組組織架構 數據來源

175、：晚點，中信建投 5.1 云端：云端：自動駕駛云自動駕駛云 Apollo Cloud+Robotaxi 5.1.1 自動駕駛云解決方案：數據采標、AI 研發、仿真測試等能力社會化 自動駕駛云是基于云的全流程解決方案，包括數據的采集、標注、存儲、管理、訓練、清洗、評測全流程配套產品和服務。具體而言，自動駕駛云解決方案包括 1）數據閉環解決方案；2）AI 研發解決方案；3）數據采集標注解決方案；4）云仿真測試解決方案；5）運營監管解決方案。整體而言，自動駕駛云解決方案是將百度在自動駕駛業務開展過程中積累的能力開放給客戶。圖圖 83:智能駕駛數據一體化解決方案智能駕駛數據一體化解決方案 數據來源：百

176、度云，中信建投 2020 年國內年國內自動駕駛數據采集、標注市場規模約自動駕駛數據采集、標注市場規模約 6.22 億元億元，百度位列份額第一，百度位列份額第一。根據 IDC，自動駕駛的數自動駕駛業務組車聯網事業部智能交通業務組自動駕駛技術部基礎架構部平臺生態部自動駕駛技術部（美國）業務組織平臺組織支撐部門智能交通產品研發部總經理 陶吉業務支持中心戰略合作部戰略運營部測試部GMT部（商業部）戰略運營部總經理尚國斌自動駕駛技術部總經理王云鵬Apollo平臺研發總經理王京傲小度助手百度地圖汽車云&安全輕車機解決方案中心交付中心IDG智能座艙體驗設計中心業務運營PMO品牌&市場CDC智能座艙（雙向匯報

177、）百度智能駕駛事業群組智能駕駛事業群組總經理/百度副總裁李震宇總經理 蘇坦數據采集數據標注私有化數據標注平臺數據管理數據訓練平臺 47 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 據采集、標注需求占市場整體較大比例，2020 年占比 35%，主要來自于車內駕駛艙以及車外道路環境感知等場景。另外，IDC 提到 AI 基礎數據服務市場基本成熟，客戶需求聚焦標注質量、標注效率、知識經驗、數據安全，以及整體成本具有較高性價比。份額方面，隨著 AI 介入數據采集、標注，規模效應顯現，平臺型廠商份額整體提升，其中百度、海天瑞聲分列 2020-1H21 年市場的第一、第二。根據海天瑞聲招股說明書，

178、百度 2019 年的市場份額達 11%，海天瑞聲市場份額達 8%。若假設百度的份額維持 11%，自動駕駛的市場規模占比保持35%水平，則 2025 年百度數據采標收入規模預計達到 4.75 億元（2020 年約為 0.68 億元）。圖圖 84:2020-25年年 AI基礎數據服務市場規模及同比（億元，基礎數據服務市場規模及同比（億元，%）圖圖 85:2020 年年 AI 基礎數據服務市場分行業占比（基礎數據服務市場分行業占比（%）數據來源：IDC，中信建投 數據來源：IDC，中信建投 圖圖 86:2019 年國內年國內 AI 基礎數據服務需求結構（基礎數據服務需求結構（%）圖圖 87:2019

179、 年國內年國內 AI 基礎數據服務市場份額（基礎數據服務市場份額（%）數據來源：艾瑞咨詢（轉引自海天瑞聲招股書），中信建投 數據來源：艾瑞咨詢（轉引自海天瑞聲招股書），中信建投 2022 年年國內國內自動駕駛自動駕駛仿真測試市場規模預計仿真測試市場規模預計為為 93 億元，億元，22-25 年年 CAGR 預計達預計達 66.7%。由于市面上并未有第三方機構測算國內自動駕駛仿真測試市場規模，我們參照全球自動駕駛市場及自動駕駛仿真市場的比例，結合國內自動駕駛市場規模，予以簡單估計，得到 21-25 年的自動駕駛仿真測試市場規模，其中 22 年預計達 93億元，25 年達到 431 億元，22-2

180、5 年 CAGR 達 66.7%。自動駕駛仿真測試市場自動駕駛仿真測試市場參與者參與者主要包括互聯網主要包括互聯網平臺和自動駕駛廠商，前者強于數據、軟件開發能力，后者平臺和自動駕駛廠商，前者強于數據、軟件開發能力，后者在業務反饋周期上更短，聚焦自身需求開發仿真平臺在業務反饋周期上更短，聚焦自身需求開發仿真平臺。根據璞躍研究36，互聯網仿真平臺互聯網仿真平臺在仿真方面起步相對較晚，在汽車功能探索方面經驗較少，但是具備大數據優勢，軟件開發能力強。具備大數據優勢，軟件開發能力強?？萍脊具M行仿真軟件的探索，36 https:/ 0%10%20%30%40%50%60%70%0204060801001

181、2014020202021E 2022E 2023E 2024E 2025EAI基礎數據服務市場規模（億元）yoy%35%20%20%15%10%自動駕駛AI技術提供商和智能安防互聯網智能終端金融、醫療等其他行業語音類數據需求,39.1%自然語言處理數據需求,49.7%圖像類數據需求,11.2%前五大服務商份額（%）,26.2%其他服務商份額（%）,73.8%48 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 目的是進入市場龐大的汽車行業，建立更大的數據平臺，形成新的業務增長點建立更大的數據平臺，形成新的業務增長點；自動駕駛解決方案商：自動駕駛解決方案商：主要針針對自身需求研發定制化仿

182、真軟件，對自身需求研發定制化仿真軟件，較少對外提供仿真服務，但借助于充足的資金、豐富的道路實測數據支持，豐富的道路實測數據支持，自身研發驅動力，在自動駕駛仿真方面具有很強的競爭力。很強的競爭力。此外，國內初創企業在汽車傳統仿真領域存在短板，自動駕駛仿真方面積累薄弱，創新性不足。圖圖 88:2021-25 年全球自動駕駛市場及仿真市場規模情況年全球自動駕駛市場及仿真市場規模情況 圖圖 89:2021-25 年中國自動駕駛仿真市場規模及增速情況年中國自動駕駛仿真市場規模及增速情況 數據來源：Statista，中信建投 數據來源：Statista，ICVTank，中商產業研究院，中信建投、注：此處假

183、設中國自動駕駛仿真市場規模占比與全球平均水平一致，但可能與實際值有所偏差。圖圖 90:自動駕駛仿真平臺格局自動駕駛仿真平臺格局 數據來源：Plug and Play China璞躍，中信建投 換句話說換句話說，自動駕駛仿真，自動駕駛仿真測試市場的格局取決于下游自動駕駛汽車的格局，測試市場的格局取決于下游自動駕駛汽車的格局，因為自動駕駛汽車廠商規模擴大后，自研的規模效應逐步顯現，可能將多數預算用于自研仿真測試平臺而非外部第三方平臺。此外，傳統車企轉型的新能源品牌在軟件開發等領域能力往往相對欠缺，更傾向于聯合開發或采購第三方方案，初創而來的新能源車企更傾向于自研。目前我們關注到乘聯會預估的前七大新

184、能源汽車廠商分別為比亞迪、特斯拉、上汽通用、長安汽車、吉利汽車、廣汽埃安、上汽。其中，除特斯拉完全自研外，吉利汽車、廣汽埃安采取聯合研發，比亞迪、上汽集團、長安汽車采取外部購買的方式，但供應商也較為分散。0%2%4%6%-1,000 2,000 3,000 4,000 5,00020212022E2023E2024E2025E全球自動駕駛市場規模（億美元）全球自動駕駛仿真市場規模（億美元）仿真市場占比（%）0%50%100%150%200%250%300%-100 200 300 400 50020212022E2023E2024E2025E中國自動駕駛仿真市場規模（億元，人民幣）yoy 49

185、 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 91:2022-23 年國內新能源批發預估銷量占比（年國內新能源批發預估銷量占比（%）數據來源：乘聯會，中信建投 表表 6:新能源汽車廠商仿真測試軟件新能源汽車廠商仿真測試軟件/平臺的供應商較為分散平臺的供應商較為分散 汽車廠商汽車廠商 仿真仿真測試軟件及平臺測試軟件及平臺自研自研/外購外購 比亞迪 智行眾維 特斯拉中國 自研 上汽通用 騰訊、西門子、Matlab 長安汽車 西門子、IPG 吉利汽車 深信科創（聯合開發）廣汽埃安 與吉林大學、中汽中心聯合研發 上汽乘用車 騰訊、西門子、Matlab 資料來源：CSDN，技術鄰，C11

186、4通信網，億利汽車知識網，新浪汽車，中信建投 考慮到百度與吉利汽車合資成立集度汽車，新能源汽車廠商與百度在仿真測試環節合作的意愿可能受抑制。百度在仿真測試領域的收入更可能來自集度汽車以及領域內的初創企業（這類企業在最初可能選擇成熟方案，若規模擴大可能轉向自研）。5.1.2 Apollo Robotaxi：技術積累領先行業，政策鼓勵下逐步推廣落地 蘿卜快跑是是基于百度 Apollo 提供自動駕駛出行服務的平臺，目前已經在北京、上海、廣州、深圳、重慶、武漢、成都、長沙、合肥、陽泉、烏鎮、滄州等城市開始運營。根據百度官網，3 月 22 日百度獲批上海首批無駕駛人智能網聯汽車創新應用測試通知書，將在上

187、海浦東新區開啟全無人自動駕駛測試。商業化前景方面，2022 年發布的 Apollo RT6 將 L4 級別自動駕駛單車成本控制在 25 萬元左右37，按 5 年運營周期計算，單月單車成本約為 4100 元，較網約車平臺成本更低，能夠有效降低消費者打車成本。行業龍頭滴滴于 4 月 13 日舉辦自動駕駛開放日，宣布 2025 年量產無人車，未披露具體成本，但從量產進度上落后于百度。結合百度 L4 級別自動駕駛路測里程領先行業，技術積累時間較長，我們認為綜合實力方面百度預計領先其他競爭對手。37 https:/ 0%20%40%60%80%100%比亞迪特斯拉中國上汽通用五菱長安汽車吉利汽車廣汽埃安

188、上汽乘用車其他 50 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 92:截止截止 2022 年底，蘿卜快跑的最新進展年底，蘿卜快跑的最新進展 數據來源：2022百度自動駕駛出行服務年度報告，中信建投 圖圖 93:Apollo 歷代車型發展歷程歷代車型發展歷程 數據來源：2022百度自動駕駛出行服務年度報告，中信建投 5.2 車路協同：車路協同：智能交通引擎智能交通引擎 ACE 涵蓋產品及解決方案涵蓋產品及解決方案 百度 ACE 交通引擎采用“1+3+N”的發展框架。1 個“數字化交通基礎設施”指“車路云圖”全棧技術為核心的數字底座；3 大智能引擎分別為 Apollo 自動駕駛引

189、擎、車路協同引擎、MaaS 出行引擎，N 類開放應用包括包括以智慧交管、智慧高速、智慧停車為代表的數字化，APP、車機、度小鏡、智能路口為代表的網聯化，以及 Robobus、Robotaxi、阿波龍為代表的自動化。通過構建”車-路-行-云-圖-網”全棧智能交通體系，滿足城市交通管理、產業發展和民眾出行實際需求，實現城市交通高質量管理閉環。51 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 94:百度智能交通引擎百度智能交通引擎 ACE 2.0 架構架構 數據來源：百度Apollo智能交通白皮書，中信建投 智能交通智能交通 ACE 是由底層產品是由底層產品和和解決方案組成。底層產品

190、解決方案組成。底層產品包括地圖開放平臺、智能網聯終端（度小鏡）、百度城市掃描儀、交通大數據接口服務、人口地理大數據接口服務等。根據百度 Apollo 智能交通白皮書，百度在智能交通領域的百度在智能交通領域的解決方案解決方案包括 1）車路協同，主要強調將道路多端信息聯網，從而實現自動駕駛規?；瘧??？傮w上車路協同更多是未來自動駕駛應用的基礎。2）智能信控，通過 AI 視覺技術和交通地圖大數據，輔助交通信號系統決策，降低道路延遲時間，提升道路通行能力。3）智能停車，基于 AI 視頻技術實現停車的無人化管理，提升停車泊位的周轉率提升，進而實現 ROI 提升。4）智能公交/貨運/出租，基于自動駕駛技術

191、能力和車路協同方案，實現公共交通效率提升，提升貨運安全性和節約能耗。5）智能車聯，通過軟件、系統接入的方式以低成本實現設備的智能控制，紅綠燈通行引導、碰撞預警、輔助駕駛等功能。6）其他，包括園區物種、自主泊車等解決方案。圖圖 95:2020-22 年城市智慧交通千萬項目中標金額（億元）年城市智慧交通千萬項目中標金額（億元）圖圖 96:2020-22 年城市智慧交通億級項目中標金額（億元）年城市智慧交通億級項目中標金額（億元）數據來源：智慧交通，中信建投 注：統計口徑為交通管控項目500萬；智能運輸項目300萬。聯合體中標的項目，沒有公開信息的，設計項目取值10%后，再五五分，可能存在數據計算偏

192、差風險。不含停車項目。數據來源：智慧交通，中信建投 注：統計口徑為交通管控項目500萬；智能運輸項目300萬。聯合體中標的項目，沒有公開信息的，設計項目取值10%后，再五五分，可能存在數據計算偏差風險。不含停車項目。市場結構上，IDC 定義智慧交通市場由基礎設施、平臺級解決方案、應用級解決方案組成，從百度的實際收入結構上看，其主要收入來自于解決方案，少部分收入來自于高精度地圖等基礎設施。根據智慧交通統計，05101520253035電信系移動系百度系2020202120225.05.56.06.57.07.5百度系20202021 52 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 2

193、020-21 年百度在城市智能交通（不含停車）項目中標金額分別為 14.88、18.31 億元，2022 年僅披露千萬級項目中標金額，百度中標金額達 10.45 億元（21 年為 11.33 億元）。整體上，2021-22 年百度在智能交通業收入規模預計在 2025 億左右，大部分由解決方案貢獻，少部分為高精度地圖等貢獻。圖圖 97:2021 年高精度地圖市場份額（年高精度地圖市場份額（%）圖圖 98:智慧交通市場結構智慧交通市場結構 數據來源：IDC，中信建投 數據來源：IDC，中信建投 5.3 車端：車端：智能座艙智能座艙、智能駕駛、智能地圖全棧布局、智能駕駛、智能地圖全棧布局 在車端智能

194、化方面，百度 Apollo 全棧布局，旗下產品包括智能駕駛（Apollo City Driving Max、Apollo Highway Driving Pro、Apollo Parking），智能座艙（小度車載 OS、小度車載語音 SDK），智能地圖（車載導航地圖、高精地圖、人機共駕地圖）。圖圖 99:百度智能駕駛業務布局百度智能駕駛業務布局 數據來源：中信建投 5.3.1 智能駕駛：集度汽車預期 2H23 交付，有望逐步貢獻實質性業績 根據 Apollo 官網，Apollo 領航輔助駕駛是將國內 L4 級智駕技術降維到 L2+的量產高階輔助駕駛。百度的輔助駕駛技術覆蓋范圍城市道路、高速公路

195、、停車端，基本涵蓋了用戶出行的各類場景，且具備識別異形紅綠燈，環島路口、非結構化道路等能力。0%5%10%15%20%25%30%35%百度四維圖新 高德地圖易圖通中海庭云端智能駕駛Apollo CloudACE智能交通引擎車端Apollo數據閉環、數據采標、AI研發、云仿真測試、運營監管等解決方案智能座艙智能地圖智能交通Apollo City Driving Max、Apollo Highway Driving Pro、Apollo Parking車載導航地圖、高精地圖、人機共駕地圖小度車載OS、小度車載語音SDK蘿卜快跑、Apollo Robobus、汽車機器人等1+3+N框架數字化交通基

196、礎設施、Apollo自動駕駛引擎、車路協同引擎、MaaS出行引擎、N個場景應用 53 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 技術方案上，百度采用視覺算法和激光雷達結合的解決方案，基于大數據、大模型、小型化技術，結合自動駕駛和車路協同，實現車、路端的感知能力提升。硬件方面，Apollo Highway Driving Pro 采用 4 個魚眼攝像頭、1 個長距離毫米波雷達、4 個角毫米波雷達、12 個超聲波雷達、5 個中長距攝像頭以及 1 個選配攝像頭。Apollo City Driving Max 采用 4 個魚眼攝像頭、1 個長距離毫米波雷達、1 個長距毫米波雷達、12 個超

197、聲波雷達、7 個中長距攝像頭以及 2 個激光雷達。圖圖 100:Apollo City Driving Max 硬件配置硬件配置 數據來源：Apollo，中信建投 圖圖 101:Apollo Highway Driving Pro 硬件配置硬件配置 數據來源：Apollo，中信建投 商業化方面，輔助駕駛產品的落地更多依賴集度汽車的量產及銷售商業化方面，輔助駕駛產品的落地更多依賴集度汽車的量產及銷售，預計，預計 2H23 開始實質性貢獻業績開始實質性貢獻業績。根據集度汽車機器人生態伙伴大會，集度汽車 CEO 夏一平表示“集度首款量產車 2023 年 7 月 SOP，下半年開始正式交付。首批門店計

198、劃于 2023 年進軍國內 46 個城市，初步完成銷售網絡的全國布局。此外，集度汽車在 2028年計劃擁有交付 80 萬輛新車的能力?！?8 5.3.2 智能座艙：百度 IVI 份額位列行業領先 根據 Apollo 官網，百度在智能座艙領域的產品主要是小度車載 OS、小度車載語言 SDK。其中，小度車載OS 五個核心組件：大屏智能車機組件，液晶儀表盤組件，流媒體智能后視鏡組件，小度車載機器人組件，智能擋風玻璃組件。38 集度汽車的雄心壯志能否成真？自動駕駛領先特斯拉一代、目標年銷 80 萬輛_搜狐汽車_搜狐網()54 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 圖圖 102:小度車載

199、小度車載 2020 整體架構（整體架構（2019 年年 12 月發布）月發布）圖圖 103:小度車載小度車載 OS 整體架構（截止整體架構（截止 2023 年年 4 月）月）數據來源：百度 AI 開發者大會，中信建投 數據來源：Apollo，中信建投 圖圖 104:2020 年車載娛樂系統新車實際搭載量（萬輛）年車載娛樂系統新車實際搭載量（萬輛）數據來源：IHS Markit，中信建投 圖圖 105:2020 年超過年超過 10 萬輛銷量以上的品牌合作情況萬輛銷量以上的品牌合作情況 數據來源：IHS Markit，中信建投 119.89 52.07 44.80 -20 40 60 80 100

200、 120 140小度車載騰訊TAI斑馬 55 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 5.3.3 智能地圖：車載導航地圖、高精地圖均位列行業前列 智能地圖板塊分為車載導航地圖、高精地圖、人機共駕地圖。車載導航地圖車載導航地圖方面，方面，2021 年高德地圖前裝搭載量達 413.94 萬輛，占比 35.51%，百度地圖前裝搭載量達 169.11 萬輛，占比 14.51%。根據頭豹研究院，2021年前裝地圖導航市場分為聯網與離線兩類，前者具備 4G/5G、Wifi、SD 卡功能，License 授權價格為 50-80 元/個，離線地圖導航 License 價格為 10-20 元/個，

201、整體市場上聯網地圖導航占比 78%，離線占比 22%。據此估算，百度 2021 年車載導航地圖產品收入預計達 0.91 億元，高德地圖 2021 年對應 2.24 億元。高精地圖方面，高精地圖方面，根據 IDC 統計，2021 年中國高精度地圖市場規模為 6.46 億元人民幣，同比增長 36.3%。其中百度地圖份額約為 32.2%，高德地圖份額為 12.5%。據此推算，百度高精地圖 2021 年收入約為 2.08 億元，高德高精地圖 2021 年收入約為 0.81 億元。圖圖 106:2021 年國內乘用車導航產品供應商份額（年國內乘用車導航產品供應商份額（%）圖圖 107:2021 年高精度

202、地圖市場份額（年高精度地圖市場份額（%）數據來源：高工智能汽車，中信建投 注：僅統計前裝數據，不含后裝數據。數據來源：IDC，中信建投 圖圖 108:百度地圖產品架構百度地圖產品架構 數據來源：百度地圖，中信建投 35.51%14.51%0%5%10%15%20%25%30%35%40%高德地圖百度美行Navis光庭32.22%12.50%0%5%10%15%20%25%30%35%百度四維圖新 高德地圖易圖通中海庭 56 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 附錄：公司概況附錄：公司概況 圖圖 109:百度核心產品及服務與收入板塊百度核心產品及服務與收入板塊 數據來源：公司公

203、告，中信建投 百度集團百度智能云智能駕駛&OGI其他新業務移動生態百度核心愛奇藝廣告收入非廣告收入愛奇藝收入百度核心收入百度整體收入智能駕駛Apollo自動駕駛智能電動車Apollo RobotaxiAI解決方案（百度大腦）知識圖譜解決方案行業解決方案其他（百度云盤）百度APP/Web好看視頻全民小視頻 57 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 風險分析風險分析 新業務發展不及預期：新業務發展不及預期：AIGC 及相關新技術領域仍處于快速發展階段，技術距離成熟存在較大差距，當前發展預期可能存在過度樂觀的情況，業務實際發展仍存在較大不確定性。宏觀或行業環境變化：宏觀或行業環境變

204、化：由于公司部分業務處于探索期或成長期，業務模式尚未成熟，同時宏觀、行業環境可能發展變化，因此當前時點對未來的預判多數依賴上述環境變化不大或基本穩定的假設。若宏觀、行業環境發生較大變化，公司業務受到的影響可能超出我們的預期范圍。競爭加劇風險：競爭加劇風險：公司部分業務如搜索廣告等面臨短視頻、應用內搜索的分流，以及搜狗、360、bing 等競爭者的威脅。58 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 報表預測報表預測 資產負債表（百萬元）資產負債表（百萬元）利潤表（百萬元）利潤表（百萬元）會計年度會計年度 2021A 2022A 2023E 2024E 2025E 會計年度會計年度

205、2021A 2022A 2023E 2024E 2025E 流動資產流動資產 213,315.0 212,850.0 336,171.2 480,873.6 629,203.1 營業收入營業收入 124,493.0 123,675.0 137,650.2 149,212.9 162,642.0現金 180,093.0 173,995.0 300,445.0 442,146.4 586,990.4 營業成本 64,314.00 63,935.00 70,311.76 74,860.11 80,881.90 應 收 票 據及 應 收賬 款 合計 9,981.00 11,733.00 11,745.

206、98 12,732.64 13,878.58 其他營業費用 0.00 0.00 0.00 0.00 0.00 其他應收款 0.00 0.00 0.00 0.00 0.00 銷售和管理費用 24,723.00 20,514.00 23,729.14 25,722.39 28,037.40 預付賬款 0.00 0.00 0.00 0.00 0.00 研發費用 24,938.00 23,315.00 25,416.71 27,551.72 30,031.37 存貨 0.00 0.00 0.00 0.00 0.00 財務費用-2,130.00-3,332.00 2,681.11 1,764.84 1,

207、263.39 其他流動資產 23,241.00 27,122.00 23,980.24 25,994.58 28,334.09 其他經營損益 0.00 0.00 0.00 0.00 0.00 非流動資產非流動資產 166,719.0 178,123.0 173,018.0 167,913.1 162,808.1 投資收益-932.00-1,910.00 0.00 0.00 0.00 長期投資 67,332.00 78,926.00 78,926.00 78,926.00 78,926.00 公允價值變動收益 0.00 0.00 0.00 0.00 0.00 固定資產 23,027.00 23,

208、973.00 20,217.23 16,461.46 12,705.69 營業利潤營業利潤 11,716.00 17,333.00 15,511.55 19,313.85 22,428.01 無形資產 8,947.00 8,095.00 6,745.83 5,396.67 4,047.50 其他非經營損益-938.00-7,221.00 194.67 194.67 194.67 其他非流動資產 67,413.00 67,129.00 67,129.00 67,129.00 67,129.00 利潤總額利潤總額 10,778.00 10,112.00 15,706.22 19,508.51 22

209、,622.67 資產總計資產總計 380,034.0 390,973.0 509,189.3 648,786.7 792,011.2 所得稅 3,187.00 2,578.00 3,690.16 4,583.51 5,315.18 流動負債流動負債 74,488.00 79,630.00 65,760.26 70,362.70 76,209.73 凈利潤凈利潤 7,591.00 7,534.00 12,016.06 14,925.01 17,307.50 短期借款 14,675.00 20,552.00 0.00 0.00 0.00 少數股東損益-2,635.00-25.00-2,129.09

210、-2,644.51-3,066.66 應 付 票 據及 應 付賬 款 合計 0.00 0.00 0.00 0.00 0.00 歸屬母公司凈利潤歸屬母公司凈利潤 10,226.00 7,559.00 14,145.15 17,569.52 20,374.16 其他流動負債 59,813.00 59,078.00 65,760.26 70,362.70 76,209.73 EBITDA 31,207.00 26,864.00 23,492.27 26,378.29 28,991.00 非流動負債非流動負債 81,594.00 73,538.00 73,538.00 73,538.00 73,538

211、.00 EPS（元）29.25 21.62 40.46 50.26 58.28 長期借款 68,401.00 63,183.00 63,183.00 63,183.00 63,183.00 Non-GAAP 凈利潤凈利潤 18,830.00 20,680.00 22,232.68 25,747.18 29,580.24 其他非流動負債 13,193.00 10,355.00 10,355.00 10,355.00 10,355.00 負債合計負債合計 156,082.0 153,168.0 139,298.2 143,900.7 149,747.7 主要財務比率主要財務比率 少數股東權益 12

212、,493.00 14,327.00 12,197.91 9,553.40 6,486.74 會計年度會計年度 2021A 2022A 2023E 2024E 2025E 股本 0.00 0.00 1,000.00 2,000.00 3,000.00 成長能力成長能力 資本公積 66,307.00 74,591.00 193,661.0 312,731.0 431,801.0 營業收入(%)16.27-0.66 11.30 8.40 9.00 留存收益 145,152.0 148,887.0 163,032.1 180,601.6 200,975.8 歸屬于母公司凈利潤(%)-58.49-21.

213、60 171.20 15.70 12.28 歸屬母公司股東權益 211,459.0 223,478.0 357,693.1 495,332.6 635,776.8 獲利能力獲利能力 負債和股東權益負債和股東權益 380,034.0 390,973.0 509,189.3 648,786.7 792,011.2 毛利率(%)48.34 48.30 48.92 49.83 50.27 凈利率(%)6.10 6.09 8.73 10.00 10.64 ROE(%)4.84 3.38 3.95 3.55 3.20 ROIC(%)6.06 8.80 8.70 11.02 12.87 償債能力償債能力 現

214、金流量表（百萬元）現金流量表（百萬元）資產負債率(%)41.07 39.18 27.36 22.18 18.91 會計年度會計年度 2021A 2022A 2023E 2024E 2025E 凈負債比率(%)-43.32-37.96-64.14-75.06-81.56 經營活動現金流經營活動現金流 20122 26170 29464.21423247.29 25888.465 流動比率 2.86 2.67 5.11 6.83 8.26 凈利潤 7,591.00 7,534.00 12,016.06 14,925.01 17,307.50 速動比率 2.55 2.33 4.75 6.46 7.8

215、8 折舊攤銷 22,559.00 20,084.00 5,104.94 5,104.94 5,104.94 營運能力營運能力 財務費用-2,130.00-3,332.00 2,681.11 1,764.84 1,263.39 總資產周轉率 0.33 0.32 0.27 0.23 0.21 其他經營現金流-7,898.00 1,884.00 9,662.11 1,452.51 2,212.64 應收賬款周轉率 12.47 10.54 11.72 11.72 11.72 投資活動現金流投資活動現金流-31,444.0-3,944.00 148.93 148.93 148.93 每股指標（元）每股指

216、標（元）資本支出-12,288.0-5,555.00 0.00 0.00 0.00 每股收益(最新攤薄)29.25 21.62 40.46 50.26 58.28 其他投資現金流-19,156.01,611.00 148.93 148.93 148.93 每股經營現金流(最新攤薄)57.56 74.86 84.28 66.50 74.05 籌資活動現金流籌資活動現金流 23,396.00-6,390.00 96,836.89 118,305.1 118,806.6 每股凈資產(最新攤薄)604.86 639.24 1,023.16 1,416.87 1,818.60 短期借款-520.00 5

217、,877.00-20,552.00.00 0.00 估值比率估值比率 長期借款 8,066.00-5,218.00 0.00 0.00 0.00 P/E 4.10 5.55 2.97 2.39 2.06 其他籌資現金流 15,850.00-7,049.00 117,388.8 118,305.1 118,806.6 P/B 0.20 0.19 0.12 0.08 0.07 現金凈增加額現金凈增加額 12,074.00 15,836.00 126,450.0 141,701.3 144,844.0 EV/EBITDA-2.31-2.37-3.88-4.33-4.86 資料來源：公司公告，iFin

218、D，中信建投 59 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 分析師介紹分析師介紹 孫曉磊孫曉磊 海外研究首席分析師，北京航空航天大學碩士，游戲產業和金融業 7 年復合從業經歷，專注于互聯網研究，對騰訊、網易、阿里、美團、閱文等互聯網巨頭有較為深入的理解。2019 年新財富港股及海外最佳研究團隊入圍，2020 年、2021 年新財富港股及海外最佳研究團隊第五名。崔世峰崔世峰 海外研究聯席首席分析師，南京大學碩士，6 年買方及賣方復合從業經歷，專注于互聯網龍頭公司研究，所在賣方團隊獲得 2019-2020 年新財富傳媒最佳研究團隊第二名。2022 年新財富海外研究最佳研究團隊入圍。許

219、悅許悅 海外研究員，南洋理工大學碩士，專注于互聯網研究，2022 年加入中信建投海外前瞻組。60 美股公司深度報告 百度百度 請參閱最后一頁的重要聲明 評級說明評級說明 投資評級標準 評級 說明 報告中投資建議涉及的評級標準為報告發布日后 6個月內的相對市場表現，也即報告發布日后的 6 個月內公司股價（或行業指數）相對同期相關證券市場代表性指數的漲跌幅作為基準。A 股市場以滬深300 指數作為基準；新三板市場以三板成指為基準；香港市場以恒生指數作為基準；美國市場以標普 500 指數為基準。股票評級 買入 相對漲幅 15以上 增持 相對漲幅 5%15 中性 相對漲幅-5%5之間 減持 相對跌幅

220、5%15 賣出 相對跌幅 15以上 行業評級 強于大市 相對漲幅 10%以上 中性 相對漲幅-10-10%之間 弱于大市 相對跌幅 10%以上 分析師聲明分析師聲明 本報告署名分析師在此聲明：（i）以勤勉的職業態度、專業審慎的研究方法，使用合法合規的信息，獨立、客觀地出具本報告,結論不受任何第三方的授意或影響。（ii）本人不曾因，不因，也將不會因本報告中的具體推薦意見或觀點而直接或間接收到任何形式的補償。法律主體說明法律主體說明 本報告由中信建投證券股份有限公司及/或其附屬機構（以下合稱“中信建投”）制作，由中信建投證券股份有限公司在中華人民共和國（僅為本報告目的，不包括香港、澳門、臺灣）提供

221、。中信建投證券股份有限公司具有中國證監會許可的投資咨詢業務資格，本報告署名分析師所持中國證券業協會授予的證券投資咨詢執業資格證書編號已披露在報告首頁。在遵守適用的法律法規情況下，本報告亦可能由中信建投（國際）證券有限公司在香港提供。本報告作者所持香港證監會牌照的中央編號已披露在報告首頁。一般性聲明一般性聲明 本報告由中信建投制作。發送本報告不構成任何合同或承諾的基礎，不因接收者收到本報告而視其為中信建投客戶。本報告的信息均來源于中信建投認為可靠的公開資料，但中信建投對這些信息的準確性及完整性不作任何保證。本報告所載觀點、評估和預測僅反映本報告出具日該分析師的判斷，該等觀點、評估和預測可能在不發

222、出通知的情況下有所變更，亦有可能因使用不同假設和標準或者采用不同分析方法而與中信建投其他部門、人員口頭或書面表達的意見不同或相反。本報告所引證券或其他金融工具的過往業績不代表其未來表現。報告中所含任何具有預測性質的內容皆基于相應的假設條件，而任何假設條件都可能隨時發生變化并影響實際投資收益。中信建投不承諾、不保證本報告所含具有預測性質的內容必然得以實現。本報告內容的全部或部分均不構成投資建議。本報告所包含的觀點、建議并未考慮報告接收人在財務狀況、投資目的、風險偏好等方面的具體情況，報告接收者應當獨立評估本報告所含信息，基于自身投資目標、需求、市場機會、風險及其他因素自主做出決策并自行承擔投資風

223、險。中信建投建議所有投資者應就任何潛在投資向其稅務、會計或法律顧問咨詢。不論報告接收者是否根據本報告做出投資決策，中信建投都不對該等投資決策提供任何形式的擔保，亦不以任何形式分享投資收益或者分擔投資損失。中信建投不對使用本報告所產生的任何直接或間接損失承擔責任。在法律法規及監管規定允許的范圍內，中信建投可能持有并交易本報告中所提公司的股份或其他財產權益，也可能在過去 12 個月、目前或者將來為本報告中所提公司提供或者爭取為其提供投資銀行、做市交易、財務顧問或其他金融服務。本報告內容真實、準確、完整地反映了署名分析師的觀點，分析師的薪酬無論過去、現在或未來都不會直接或間接與其所撰寫報告中的具體觀

224、點相聯系，分析師亦不會因撰寫本報告而獲取不當利益。本報告為中信建投所有。未經中信建投事先書面許可，任何機構和/或個人不得以任何形式轉發、翻版、復制、發布或引用本報告全部或部分內容，亦不得從未經中信建投書面授權的任何機構、個人或其運營的媒體平臺接收、翻版、復制或引用本報告全部或部分內容。版權所有，違者必究。中信建投證券研究發展部中信建投證券研究發展部 中信建投（國際）中信建投（國際）北京 上海 深圳 香港 東城區朝內大街2 號凱恒中心B座 12 層 上海浦東新區浦東南路528號南塔 2106 室 福田區福中三路與鵬程一路交匯處廣電金融中心 35 樓 中環交易廣場 2 期 18 樓 電話：（8610）8513-0588 電話：（8621）6882-1600 電話：（86755）8252-1369 電話：（852）3465-5600 聯系人：李祉瑤 聯系人：翁起帆 聯系人：曹瑩 聯系人：劉泓麟 郵箱： 郵箱： 郵箱： 郵箱：charleneliucsci.hk