人工智能行業海外大模型系列深度報告之三：全球AI“頭號玩家”之一META-230530（54頁）.pdf

《人工智能行業海外大模型系列深度報告之三：全球AI“頭號玩家”之一META-230530（54頁）.pdf》由會員分享，可在線閱讀，更多相關《人工智能行業海外大模型系列深度報告之三：全球AI“頭號玩家”之一META-230530（54頁）.pdf（54頁珍藏版）》請在三個皮匠報告上搜索。

1、海外大模型系列深度報告之三海外大模型系列深度報告之三全球全球AI“AI“頭號玩家”之一：頭號玩家”之一：METAMETA證券研究報告證券研究報告 行業深度報告行業深度報告發布日期：2023年5月30日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。分析師：于芳博分析師：于芳博SAC編號：S1440522030001分析師：金戈分析師：金戈SAC編號：S1440517110001SFC編號：BPD352分析師：分析師：閻貴成閻貴成SAC編

2、號：S1440518040002SFC編號：BNS315分析師：楊艾莉分析師：楊艾莉 SAC編號：S1440519060002SFC編號：BQI330 核心觀點：本報告聚焦于核心觀點：本報告聚焦于META的的AI能力分析能力分析。Meta發力發力AI的目的簡單明了的目的簡單明了，即即“AI能夠幫助公司更加了解用戶需求能夠幫助公司更加了解用戶需求”：Meta擁有大量社交與擁有大量社交與元宇宙算法元宇宙算法、成立人工智能研究院成立人工智能研究院、推出推出Pytorch框架框架、發布發布Zion等硬件支撐算法運行等等硬件支撐算法運行等。本報告專門將本報告專門將Meta與與Microsoft、Goog

3、le、Amazon在在AI領域進行了對比領域進行了對比，我們發現我們發現Meta在在AI領域的某些方面與其他三巨頭旗鼓相當甚至略勝一籌領域的某些方面與其他三巨頭旗鼓相當甚至略勝一籌。我們認為我們認為，Meta的人工智能在的人工智能在Yann LeCun的帶領下的帶領下已經成長為不可忽視的存在已經成長為不可忽視的存在，Meta實際上是全球范圍內值得重視的頭號實際上是全球范圍內值得重視的頭號AI玩家之一玩家之一。公司以社交起家公司以社交起家，目前在社交的基礎上目前在社交的基礎上，聚焦元宇宙聚焦元宇宙。Meta前身為Facebook，創立于2004年，是全球最大的互聯網公司之一。公司主營業務包括兩部

4、分，分別為Family of Apps（FoA）和Reality Labs（RL）。Family of Apps（FoA）是營業收入的絕大部分來源，其中廣告收入占比超過95%。FoA包括以Facebook、Messenger、Instagram、WhatsApp為主的社交媒體通訊軟件，還有商業軟件Workplace，以及元宇宙平臺Meta Horizon，Reality Labs（RL）的業務主要有AR/VR設備、AI技術及元宇宙的開發。公司2022財年營業總收入為1166.09億美元，凈利潤291.46億美元。AI貫穿公司全業務流程貫穿公司全業務流程，公司系全球主要公司系全球主要AI玩家玩家

5、。Meta發力AI的目的簡單明了，即“AI能夠幫助公司更加了解用戶需求”。當前Meta有著豐富的社交算法與元宇宙算法的積累，在公司展業過程中起到舉足輕重的作用。Meta2013年就成立了AI研究院，主要關注人工智能（AI）和機器學習（ML）這兩個目前科技和商業領域中最為熱門和前沿的技術領域，該研究院由Meta首席科學家、深度學習三巨頭、卷積神經網絡提出者Yann LeCun領銜。2017年，Meta更是推出了PyTorch框架，其動態圖編程方式能夠幫助用戶高效地進行模型構建，2023年推出的PyTorch 2.0更是將模型編譯速度提高了一個檔次。在AI硬件方面，公司推出Zion平臺在內的多個A

6、I硬件產品，進行AI模型的訓練與微調。此外，公司發布Glow與ONNX進行AI模型的編譯與生態的開放。我們將我們將Meta與與Microsoft、Google、Amazon在在AI領域進行了對比領域進行了對比，結論如下：結論如下：1）從從AI管理戰略層面來看管理戰略層面來看，Meta業績交流會紀要中出現“AI”相關的次數僅次于Google，甚至在22Q1-22Q3中一度超越Google，這當然與Meta大力布局元宇宙息息相關；2）從從AI工程實踐領域來看工程實踐領域來看，我們發現就Github網站的粉絲數、項目數而言，Microsoft無疑是領先的，其次是Google、Meta、Amazon；

7、3）從從AI社會影響力來看社會影響力來看，Meta社交媒體粉絲數量僅次于Google；4）從從AI學術能力來看學術能力來看，Meta的學術論文數量少于Google和Microsoft；5）從從AI應用領域來看應用領域來看，Meta AI更加集中在C端和視覺領域，Microsoft AI也偏向C端用戶，而Google、Amazon則更偏向B端；6）從從AI發力點來看發力點來看，因Yann LeCun的AI理念，Meta更加看重AI自監督學習能力；7）從從AI大模型來看大模型來看，Meta在AI大模型的布局時間與數量弱于谷歌和微軟，其中以LLaMA為最典型的代表。核心觀點 OY9YvVhUjZmO

8、sQrM7NdN9PoMrRpNoNkPmMtOkPsRpOaQrQrRNZoOqOvPnOmQ目錄一、一、MetaMeta基本盤基本盤二、二、AIAI能力縱向介紹能力縱向介紹三、三、AIAI能力橫向對比能力橫向對比四、四、MetaMeta熱點模型熱點模型 以社交起家，目前聚焦元宇宙Meta，前身為前身為Facebook，是全球最大的互聯網公司之一是全球最大的互聯網公司之一。該公司由馬克該公司由馬克扎克伯格于扎克伯格于2004年年2月成立月成立，是社交媒體平臺是社交媒體平臺、AR/VR領領域的領導者域的領導者。2012年年4月月，公司在納斯達克上市公司在納斯達克上市，代碼為代碼為FB，后隨公司

9、更名改為后隨公司更名改為META。2011年起年起，公司繼續深耕社交媒體平臺領域公司繼續深耕社交媒體平臺領域，組成了由組成了由Facebook、Instagram、Messenger、WhatsApp為主體的社交媒體應用矩陣為主體的社交媒體應用矩陣。2014年年，公司收購公司收購Oculus，開拓開拓AI、VR/AR以及元宇宙相關業務以及元宇宙相關業務。2021年年，為實現元宇宙戰略目標為實現元宇宙戰略目標、重塑品牌形象重塑品牌形象，公司宣布改名為公司宣布改名為“Meta”，并成立了并成立了Facebook Reality Labs專注于專注于AR/VR等虛等虛擬現實技術的研發擬現實技術的研發

10、。由該實驗室推出的由該實驗室推出的Meta Quest獨立頭戴式獨立頭戴式VR 設備設備，可應用于社交媒體平臺可應用于社交媒體平臺Meta Horizon及游戲及游戲、辦公等領域辦公等領域。資料來源：Meta,Wikipedia，中信建投以社交平臺Facebook起家專注社交通訊平臺，成為行業巨頭以元宇宙為核心，開拓VR,AR研究圖表：圖表：MetaMeta發展歷程發展歷程AIAI貫穿貫穿馬克扎克伯格等人創建社交網絡平臺Facebook在都柏林建立國際總部即時通訊應用程序 Messenger 發布宣布收購圖片、視頻社交平臺Instagram收購跨平臺即時通訊應用程序WhatsApp企業協作工具

11、Workplace 發布頭戴式VR設備Oculus Quest 發布收購GIF搜索引擎GIPHY收購觸覺技術公司Lofelt移動端Facebook發布，并向互聯網開放了該平臺活躍用戶數量達5億2011年 與Skype 合作開展視頻通話業務Facebook 在納斯達克上市收購 Oculus,開展虛擬現實科技研發收購社交媒體軟件tbh智能顯示器Portal及Portal+發布公司更名為Meta20042008201120122014201620182020202220062010201120122014201720182021 Meta 主要業務結構公司主營業務包括兩部分，分別為公司主營業務包括兩

12、部分，分別為Family of Apps（FoA）和）和Reality Labs（RL）。）。2022財年，公司營業收入共計財年，公司營業收入共計1166.09億美元；億美元；22Q4，公司實現營收，公司實現營收321.65億美元。億美元。Family of Apps（FoA）是營業收入的絕大部分來源，其中廣告收入占比超過）是營業收入的絕大部分來源，其中廣告收入占比超過95%。FoA包括以包括以Facebook、Messenger、Instagram、WhatsApp為主的社交媒體通訊軟件，還有商業軟件為主的社交媒體通訊軟件，還有商業軟件Workplace，以及元宇宙平臺，以及元宇宙平臺Met

13、a Horizon。Reality Labs（RL）的業務主要有）的業務主要有AR/VR設備、設備、AR/VR技術、技術、AI技術及元宇宙的開發。技術及元宇宙的開發。資料來源：Meta，中信建投MetaMeta PlatformsPlatforms inc.inc.Reality LabsReality Labs（RL)RL)Family of AppsFamily of Apps（FoA)FoA)FacebookFacebookWorkPlaceWorkPlace軟件及內容軟件及內容硬件硬件VRVR設備設備 Meta QuestMeta Quest應用商店應用商店 Meta Quest St

14、oreMeta Quest Store社交媒體及通訊社交媒體及通訊商業及元宇宙平臺商業及元宇宙平臺2022財年財年圖表：圖表：MetaMeta業務構成業務構成98.15%1.85%MessengerMessengerInstagramInstagramWhasAppWhasAppMeta HorizonMeta Horizon 受外部環境影響，營業收入略有下滑自自2022年以來，由于海外宏觀壓力，年以來，由于海外宏觀壓力，Meta收入利潤持續下滑。收入利潤持續下滑。公司公司2022財年營業總收入為財年營業總收入為1166.09億美元，同比下降億美元，同比下降1.1%。其中其中FoA業務營收業務

15、營收1144.5億美元，同比下降億美元，同比下降1%；RL業務營收業務營收21.59億億美元，同比下降美元，同比下降5%。公司公司2022財年凈利潤財年凈利潤291.46億美元，同比下降億美元，同比下降25%。導致營業收入及凈利潤下降的原因有：導致營業收入及凈利潤下降的原因有：1）元宇宙研發不及預期導致元宇宙研發不及預期導致VR設備及軟件銷量不及預期；設備及軟件銷量不及預期；2）海外宏觀經濟疲軟，投放海外宏觀經濟疲軟，投放需求減弱；需求減弱；3）隨著元宇宙戰略開展，公司加大了研發支出，）隨著元宇宙戰略開展，公司加大了研發支出，2022財年公司凈利潤下降。財年公司凈利潤下降。4)2022年企業擴

16、張速度加快，資本開支年企業擴張速度加快，資本開支大幅增加。大幅增加。資料來源：Meta，中信建投圖表：圖表：2008FY2008FY-2022FY2022FY MetaMeta營業收入（億美元）營業收入（億美元）圖表：圖表：2008FY2008FY-2022FY2022FY MetaMeta凈利潤凈利潤（億美元）（億美元）2.727.7719.7437.1150.8978.72124.66179.28276.38406.53558.38706.97859.651179.291166.09-50.0%0.0%50.0%100.0%150.0%200.0%020040060080010001200

17、1400營業收入同比增速-0.562.296.06100.531529.436.88102.17159.34221.12184.85291.46393.7291.46-5051015202530-50050100150200250300350400450凈利潤同比增速 廣告業務是主要來源，研發費用率顯著提高從業務類型來看從業務類型來看，廣告業務收入是廣告業務收入是Meta營業收入的最主要來源營業收入的最主要來源。2022財年財年，公司廣告收入為公司廣告收入為1134.41億美元億美元，占比為占比為98.15%。2015-2019財年財年，廣告收入占營業收入比例逐年升高廣告收入占營業收入比例逐年

18、升高，從從2015財年的財年的95.28%上升至上升至98.53%。2022財年財年，公司毛利率為公司毛利率為25%，較較2021財年有較大幅度下滑財年有較大幅度下滑，其主要原因為研發費用的增加其主要原因為研發費用的增加。2019財年財年，受受Facebook用戶數據泄用戶數據泄露事件露事件，公司毛利率下降至公司毛利率下降至34%。2022財年公司研發費用率為財年公司研發費用率為30%。公司從公司從2021年宣布轉型年宣布轉型，深入元宇宙深入元宇宙，導致導致2022財年研發費用率較財年研發費用率較2021財年的財年的21%有了較大幅有了較大幅度的增長度的增長。資料來源：Meta，中信建投圖表：

19、圖表：MetaMeta營業收入構成（億美元）營業收入構成（億美元）圖表：圖表：MetaMeta毛利率及凈利率情況毛利率及凈利率情況170.8268.85399.62550.12696.55841.691149.25 1136.418.477.537.116.5610.4217.9729.9529.6802004006008001000120014002015FY2016FY2017FY2018FY2019FY2020FY2021FY2022FY廣告收入非廣告收入35%45%50%45%34%38%40%25%21%37%39%40%26%34%33%20%0%10%20%30%40%50%60

20、%2015FY2016FY2017FY2018FY2019FY2020FY2021FY2022FY毛利率凈利率 資料來源：Meta，中信建投北美地區是主要營業收入來源圖表：圖表：MetaMeta廣告收入的地域分布廣告收入的地域分布圖表：圖表：MetaMeta營業收入的地域分布營業收入的地域分布從地域分布來看從地域分布來看，北美地區是業務收入的主要分布地區北美地區是業務收入的主要分布地區。22Q4北美地區共產生營業收入北美地區共產生營業收入156.36億美元億美元，占總營業收入的占總營業收入的48%。其其次是歐洲地區和亞太地區次是歐洲地區和亞太地區，其營業收入分別為其營業收入分別為70.5億美元

21、億美元、60.5億美元億美元，占比分別為占比分別為19.1%和和 22.1%。其他地區產生營業收入其他地區產生營業收入34.29億美元億美元，占比占比10.8%。多年來多年來，美國及加拿大始終是美國及加拿大始終是Meta廣告業務收入的兩個主要國家廣告業務收入的兩個主要國家，亞太地區增長迅速亞太地區增長迅速。自自2022年以來年以來，亞太地區營收占總營業收亞太地區營收占總營業收入比例不斷提升入比例不斷提升，從從20Q4的的17%逐步上升至逐步上升至22年年Q3的的21%，其中菲律賓其中菲律賓、印度尼西亞印度尼西亞、越南等國家的日活用戶高速增長推動亞越南等國家的日活用戶高速增長推動亞洲地區營業收入

22、不斷增長洲地區營業收入不斷增長。1315011897133661309415062120241278812766150056882637372056821817463646360570769044703473551525398618356615835571759682512243428572963322029493169304733770500010000150002000025000300003500020Q421Q121Q221Q321Q422Q122Q222Q322Q4北美地區歐洲地區亞太地區其他地區13734124051373813613158261267113249130351563

23、6701165237270695583576486645257977050479347895190546162445759590857826050253424542879298132442992321331003429050001000015000200002500030000350004000020Q421Q121Q221Q321Q422Q122Q222Q322Q4北美地區歐洲地區亞太地區其他地區 資料來源：Meta，中信建投研發費用不斷升高，資本開支逐年提升圖表：圖表：MetaMeta費用占收入百分比費用占收入百分比圖表：圖表：MetaMeta季度、年度資本支出（百萬美元）季度、年度資本支

24、出（百萬美元）48184423473545445542554877479518922367331391515654 157191924432036-0.200.20.40.60.811.20500010000150002000025000300003500020Q4 21Q1 21Q2 21Q3 21Q4 22Q1 22Q2 22Q3 22Q4201720182019202020212022資本開支同比變化季度年度元宇宙戰略深入元宇宙戰略深入，研發費用不斷升高：研發費用不斷升高：2022年年Meta研發支出為研發支出為353.38億美元億美元，同比增長同比增長43.3%，研發費用率為研發費用率

25、為30%；2022年銷售年銷售費用費用152.62億美元億美元，同比增長同比增長8.7%，銷售費用率為銷售費用率為13%；管理費用為；管理費用為118.16億美元億美元，同比增長同比增長20.2%；營收成本為；營收成本為252.49億美元億美元，同比增長同比增長11.5%；Meta自自2017年以來資本支出逐年上漲年以來資本支出逐年上漲，2022財年資本開支共計財年資本開支共計320.36億美元億美元，較較2021財年財年192.44億美元上漲了億美元上漲了66.5%。22Q3的資的資本支出達本支出達 95.18 億美元億美元（同比增長同比增長22.9%），而員工數量同樣創下歷史新高而員工數量

26、同樣創下歷史新高，達達 87,314 名名，這也是其研發成本近期大幅上漲的主這也是其研發成本近期大幅上漲的主要原因要原因。6%6%7%10%10%8%10%12%10%12%11%11%12%13%12%12%14%14%19%20%21%22%21%28%30%33%30%0%5%10%15%20%25%30%35%20Q421Q121Q221Q321Q422Q122Q222Q322Q4管理費用銷售費用研發費用 資料來源：Meta，中信建投用戶數呈現緩慢增長態勢，人均營收有一定下滑圖表：圖表：FacebookFacebook日活日活(DAU)(DAU)用戶數量（百萬）用戶數量（百萬）圖表：圖

27、表：MetaMeta 人均營收人均營收（美元）（美元）5986136186226196296316386437447607888058068278368458543083093073083093073033033041951951951961951961971971990500100015002000250020Q421Q121Q221Q321Q422Q122Q222Q322Q4其他地區亞太地區歐洲地區北美地區Facebook新新用戶增速放緩用戶增速放緩。截至截至22Q4，Facebook的月活用戶的月活用戶（MAU）達達29.6億億，同比增長同比增長0.2%；日活用戶；日活用戶（DAU）達達

28、20億億，同同比增長比增長0.8%。其中其中，北美地區日活人數為北美地區日活人數為1.99億人次億人次（占比占比9.95%）；歐洲地區日活人數為歐洲地區日活人數為3億人次億人次（占比占比15%；亞太地區月活人亞太地區月活人數為數為8.54億人次億人次（占比占比 42.7%）；世界其他地區月活人數為世界其他地區月活人數為6.43億人次億人次（占比占比32.15%）。2022財年財年Meta人均營收為人均營收為7.95美元美元/人人，同比下降同比下降6%。22Q1年年，由于宏觀經濟逆風由于宏觀經濟逆風，廣告主競價需求減弱廣告主競價需求減弱，而庫存又無明顯增長而庫存又無明顯增長，導致收入開始顯著放緩

29、導致收入開始顯著放緩，人均營收有一定程度的下降人均營收有一定程度的下降。8.627.758.368.189.397.727.917.538.6301234567891020Q421Q121Q221Q321Q422Q122Q222Q322Q4人均營收（ARPP）Meta社交媒體業務社交媒體平臺及通訊軟件依舊是公司的主要業務社交媒體平臺及通訊軟件依舊是公司的主要業務。從從2020財年至財年至2022財年財年，公司旗下應用程序月活用戶公司旗下應用程序月活用戶（MAU）穩步增長穩步增長。2022年第四季度年第四季度，所有應用程序所有應用程序（含含Facebook，Instagram，Whatsapp，

30、Messenger）的合計月活量的合計月活量（MAU）高達高達37.4億億。截止截止2022年底年底，Facebook擁有全球用戶擁有全球用戶29.6億億，是世界上最大的社交媒體平臺是世界上最大的社交媒體平臺。雖然近年來崛起的雖然近年來崛起的TikTok正在搶奪一部分用戶的正在搶奪一部分用戶的娛樂注意力娛樂注意力，但由于但由于Meta的產品矩陣擁有龐大的熟人社交鏈沉淀的產品矩陣擁有龐大的熟人社交鏈沉淀，全球社交龍頭地位難以撼動全球社交龍頭地位難以撼動。WhatsApp作為端對端加密的跨平臺即時通訊軟件作為端對端加密的跨平臺即時通訊軟件，在全球范圍內共擁有在全球范圍內共擁有24.4億用戶億用戶，

31、是拉丁美洲是拉丁美洲、歐洲和非洲大部分地區的主要歐洲和非洲大部分地區的主要通信軟件通信軟件。資料來源：Meta，中信建投APPAPP名稱名稱發布時間發布時間用戶量用戶量（FY2022FY2022）特點特點Facebook200429.6億提供多種媒體及社交服務，包括圖片視頻分享，文章、網站、問答論壇，及線上交易平臺。Instagram201012.8億提供在線照片共享，視頻共享和社交網絡服務。Messenger20111.4億允許用戶發送消息、交換照片、視頻、貼紙、音頻和文件，對其他用戶的消息做出反應并與機器人互動，并支持語音和視頻通話。WhatsApp200924.4億允許用戶發送文本消息和

32、語音消息，進行語音通話和視頻通話，以及共享圖像、文檔、用戶位置和其他媒體。圖表：圖表：MetaMeta社交媒體業務社交媒體業務圖表：圖表：MetaMeta季度月活用戶（季度月活用戶（MAU)MAU)2.993.143.213.33.453.513.58 3.593.64 3.653.713.7400.511.522.533.54 社交媒體平臺：Facebook和InstagramFacebook是是Meta旗下的在線社交媒體和社交網絡服務應用旗下的在線社交媒體和社交網絡服務應用，集成了快拍集成了快拍（Storyies）、店鋪店鋪（Shop）、交易市場交易市場（Marketplace）、新聞新聞

33、（News）及游戲及游戲（Gaming）等菜單功能等菜單功能，是目前為止全球用戶體量最大的社交應用是目前為止全球用戶體量最大的社交應用。截至截至4Q22，Facebook的月活用戶的月活用戶（MAU）達達29.63億億，同比增長同比增長0.16%；日活用戶；日活用戶（DAU）達達20億億，同比增長同比增長0.08%。Instagram是一個是一個于于2010年年上線的照片上線的照片/視頻共享的社交網絡平臺視頻共享的社交網絡平臺。2012年年4月月Facebook Inc.以約以約10億美元的現金和股票收購了該服億美元的現金和股票收購了該服務務。Instagram允許用戶上傳允許用戶上傳、編輯按

34、照主題標簽和地理位置標記的照片或視頻編輯按照主題標簽和地理位置標記的照片或視頻，用戶可以瀏覽用戶可以瀏覽、點贊點贊、關注和收藏其他用戶發布關注和收藏其他用戶發布的內容的內容，查看流行趨勢查看流行趨勢。資料來源：Meta，中信建投圖表：圖表：FacebookFacebook 交互界面交互界面圖表：圖表：FacebookFacebook DAUDAU及及MAUMAU圖表：圖表：InstagramInstagram 交互界面及功能交互界面及功能184518781908193019291960196819842000-1%0%1%1%2%2%175018001850190019502000205020

35、Q421Q121Q221Q321Q422Q122Q222Q322Q4DAU同比增長279728532895291029122936293429582963-1%0%1%1%2%2%3%270027502800285029002950300020Q421Q121Q221Q321Q422Q122Q222Q322Q4MAU同比增長 即時通訊平臺：WhatsApp和MessengerWhatsApp是一款專注于通訊體驗的軟件是一款專注于通訊體驗的軟件，它允許用戶發送文本語音消息它允許用戶發送文本語音消息、進行語音和視頻通話進行語音和視頻通話、共享圖像共享圖像、文檔文檔、用戶位置和用戶位置和其他內容其他

36、內容，可以一次與多達可以一次與多達256位聯系人分享消息位聯系人分享消息、照片和視頻照片和視頻。在綁定銀行卡后在綁定銀行卡后，WhatsApp的支付功能允許用戶向好友轉賬或的支付功能允許用戶向好友轉賬或分攤賬單分攤賬單。Messenger與與WhatsApp類似類似，也是一款即時通訊應用和平臺也是一款即時通訊應用和平臺，用于發送消息和交換照片用于發送消息和交換照片、視頻視頻、貼紙貼紙、音頻和文件音頻和文件，并支持語音并支持語音和視頻通話和視頻通話。此外此外，Messenger還支持好友轉賬還支持好友轉賬、商業交流等功能商業交流等功能。在跨平臺通訊方面在跨平臺通訊方面，Messenger可使用可

37、使用Facebook、Instagram、Portal和和Oculus聊天聊天。資料來源：WhatsApp,Messenger，中信建投圖表：圖表：WhatsAppWhatsApp手機端界面、桌面端及支付功能手機端界面、桌面端及支付功能圖表：圖表：MessengerMessenger手機端界面、轉賬支付功能、商業通訊功能手機端界面、轉賬支付功能、商業通訊功能 Meta廣告業務收入主要來源于四大社交媒體及通訊平臺公司的廣告業務收入主要來源于四大社交媒體及通訊平臺公司的廣告業務收入主要來源于四大社交媒體及通訊平臺。借助多個廣告管理借助多個廣告管理、商業管理工具商業管理工具，Meta針對個人和企業提

38、供豐富的針對個人和企業提供豐富的廣告服務廣告服務。Meta的廣告形式包括：圖片廣告的廣告形式包括：圖片廣告、視頻廣告視頻廣告、輪播廣告輪播廣告（在單條廣告中滑動查看更多照片或視頻在單條廣告中滑動查看更多照片或視頻）和精品欄廣告和精品欄廣告（在主打視頻在主打視頻/大圖下方隨附更小圖片大圖下方隨附更小圖片，點擊精品點擊精品 欄圖片即可瀏覽商品并在平臺內進行購物欄圖片即可瀏覽商品并在平臺內進行購物）。目前分別在目前分別在Facebook、Instagram、Messenger中的不同位置進行投放中的不同位置進行投放。資料來源：Meta，中信建投圖表：圖表：MetaMeta廣告業務構成廣告業務構成Fa

39、cebookInstagramMessengerWhatsApp協助品牌提升知名度協助品牌提升知名度幫助企業拓展新用戶幫助企業拓展新用戶協助增加線上銷售額協助增加線上銷售額助力博主內容變現助力博主內容變現Meta Advertise 業務類型社媒動態、故事宣傳品牌廣告投放構建品牌故事引流至第三方平臺建立聯系渠道投放引流廣告信息平臺直連客戶構建興趣社區搭建品牌主頁定制化廣告精準投放產品上線Ins官方商店投放視頻廣告粉絲打賞播放量激勵引流至第三方平臺ad ManagerMeta Business SuiteExperimentConversion and Barad liftCommerce In

40、sight廣告管理工具廣告管理工具平臺平臺 元宇宙圍繞VR/AR沉浸式設備布局硬件、軟件、內容全產業鏈2014年年，Meta以以20億美元收購億美元收購Oculus，業務發展重點主要圍繞硬件以及相關配套技術及軟件開發工具業務發展重點主要圍繞硬件以及相關配套技術及軟件開發工具。2019年后年后，開始大量收購開始大量收購游戲社交等內容應用游戲社交等內容應用。硬件端硬件端，公司推出公司推出Oculus Quest、PortalAR等等AR/VR終端終端，以及各種配套外設以及各種配套外設，為元宇宙沉浸式體驗實現提供硬件支持為元宇宙沉浸式體驗實現提供硬件支持。軟件端軟件端，公司推出公司推出Spark A

41、R、AR Studio以及以及Reality Operating System現實操作系統現實操作系統，為元宇宙搭建平臺并開放為元宇宙搭建平臺并開放API，允許允許Unity開發者探索更多開發者探索更多VR/AR應用場景應用場景。內容端內容端，Horizon Wolds、Facebook Gaming、Horizon Workrooms、Oculus Moves支持用戶在社交支持用戶在社交、游戲游戲、辦公辦公、運動等多方面運動等多方面接入元宇宙世界接入元宇宙世界。資料來源：Meta，中信建投圖表：圖表：MetaMeta元宇宙產品元宇宙產品 Meta元宇宙戰略20142014年起，年起，Meta

42、Meta通過收購通過收購Oculus VROculus VR等虛擬現實技術公司，逐步進入虛擬現實領域，并推出了一系列等虛擬現實技術公司，逐步進入虛擬現實領域，并推出了一系列VRVR頭戴式設備，如頭戴式設備，如Oculus RiftOculus Rift和和Oculus Quest 2Oculus Quest 2，推動虛擬現實技術向消費者市場普及。，推動虛擬現實技術向消費者市場普及。20202020年，公司更名為年，公司更名為MetaMeta，并正式宣布其元宇宙戰略，計劃在未來，并正式宣布其元宇宙戰略，計劃在未來1010年年將重心轉向元宇宙，投入數十億美元進行研發和發展，推出了將重心轉向元宇宙，

43、投入數十億美元進行研發和發展，推出了Horizon WorkroomsHorizon Workrooms和和Spark AR StudioSpark AR Studio等產品，旨在改進遠程辦公、等產品，旨在改進遠程辦公、推動用戶生成內容和社交互動，并加強與跨行業合作伙伴的合作。推動用戶生成內容和社交互動，并加強與跨行業合作伙伴的合作。元宇宙技術方面，元宇宙技術方面，MetaMeta在其在其Reality LabsReality Labs實驗室內進行了大量的技術研發，包括虛擬現實、增強現實、計算機圖形學、人工智能等實驗室內進行了大量的技術研發，包括虛擬現實、增強現實、計算機圖形學、人工智能等領域

44、的技術。公司投入大量資源用于技術研究和開發，推動虛擬現實技術的不斷突破和創新，包括圖形渲染、聲音、交互、人體追領域的技術。公司投入大量資源用于技術研究和開發，推動虛擬現實技術的不斷突破和創新，包括圖形渲染、聲音、交互、人體追蹤、眼球追蹤等。據公司財報，蹤、眼球追蹤等。據公司財報，20222022年，年，Reality LabsReality Labs實驗室經營虧損實驗室經營虧損137.17137.17億美元，規模同增億美元，規模同增35%35%；2023Q12023Q1也達到也達到4040億美元，同億美元，同增增35%35%。資料來源：Facebook，Meta，中信建投圖表：圖表：Faceb

45、ookFacebook 1010年規劃年規劃-45-66.2-101.9-137.17-30-28-37-43-40-160-140-120-100-80-60-40-20020192020202120221Q222Q223Q224Q221Q23圖表：圖表：FacebookFacebook 20192019年起年起Reality LabsReality Labs經營虧損（億美元）經營虧損（億美元）硬件：Oculus Quest 2成為VR設備市場佼佼者資料來源：Oculus,高通，洛圖科技，中信建投圖表：畫質對比（左：圖表：畫質對比（左：OculusOculus QuestQuest；右：；右

46、：OculusOculus QuestQuest 2)2)圖表：圖表：20232023年全球年全球VRVR設備出貨量預測（萬臺）設備出貨量預測（萬臺）圖表：高通圖表：高通XR2XR2芯片性能芯片性能BrandVolumeMarket ShareTotal1270100%Meta Quest75059.1%Sony PS VR15011.8%PICO15011.8%Apple VR/AR604.7%Valve151.2%Nole151.2%Others13010.2%分辨率顯著提升綜合表現視頻顯示AI能力Oculus Quest 2Oculus Quest 2在在VRVR市場上表現出色。據預測，

47、市場上表現出色。據預測，20232023年年MetaMeta QuestQuest 出貨量將達到出貨量將達到12701270萬臺，占全球出貨總量的萬臺，占全球出貨總量的59.1%59.1%，其原因包，其原因包括：括：1)1)Oculus Quest 2Oculus Quest 2擁有出色的獨立性和便攜性：擁有出色的獨立性和便攜性：作為一款獨立式的虛擬現實頭顯，該設備不需要連接到計算機或游戲主機，用作為一款獨立式的虛擬現實頭顯，該設備不需要連接到計算機或游戲主機，用戶可以通過內置的處理器和傳感器獨立運行虛擬現實應用和游戲，無需外部設備的支持戶可以通過內置的處理器和傳感器獨立運行虛擬現實應用和游戲

48、，無需外部設備的支持;2)2)OculusOculus QuestQuest 2 2強大的芯片性能和豐富的內容庫：強大的芯片性能和豐富的內容庫：該設備配備了高通該設備配備了高通XR2XR2高性能處理器和優秀的傳感器技術，能夠呈現高質量高性能處理器和優秀的傳感器技術，能夠呈現高質量的虛擬現實體驗。同時，的虛擬現實體驗。同時，OculusOculus擁有豐富的虛擬現實內容庫，包括眾多優質的擁有豐富的虛擬現實內容庫，包括眾多優質的VRVR游戲、應用和體驗，滿足了用戶的多樣化需求游戲、應用和體驗，滿足了用戶的多樣化需求;3)3)OculusOculus QuestQuest 2 2實行了高性價比的價格

49、策略：實行了高性價比的價格策略：QuestQuest 2 2價格僅為價格僅為399399美元起，對應美元起，對應128GB128GB；256GB256GB的則由的則由499499美元將價至美元將價至429429美元。美元。相較于傳統的虛擬現實頭顯需要連接到計算機或游戲主機，相較于傳統的虛擬現實頭顯需要連接到計算機或游戲主機，Oculus Quest 2Oculus Quest 2的獨立性和相對低廉的價格使其更加吸引消費者的獨立性和相對低廉的價格使其更加吸引消費者;硬件：Quest Pro引入MR功能，但銷量不及預期資料來源：Quest Pro，Quest 2，三次方AIRX，青亭網，VR陀螺，

50、中信建投圖表：圖表：Quest ProQuest Pro與與QuestQuest 2 2主要參數對比主要參數對比圖表：圖表：Quest Pro MRQuest Pro MR效果效果Oculus Quest ProOculus Quest Pro銷量不及預期。銷量不及預期。Quest ProQuest Pro是是20222022年年1010月月Meta Connect 2022Meta Connect 2022開發者大會發布的最新開發者大會發布的最新VRVR頭顯，其定位不是替代頭顯，其定位不是替代消費級頭顯消費級頭顯Quest 2 Quest 2，而是面向專業消費者和企業客戶的高端產品。據，而是

51、面向專業消費者和企業客戶的高端產品。據Business InsiderBusiness Insider，Meta CTO Andrew BosworthMeta CTO Andrew Bosworth表示，表示，Quest ProQuest Pro的市場反饋和銷量不佳，的市場反饋和銷量不佳，其原因包括：其原因包括：1)1)Quest ProQuest Pro硬件設備優化程度有限：硬件設備優化程度有限：與與Quest 2Quest 2相比，相比，Quest ProQuest Pro主要升級了芯片、光學方案。其中芯片使用了高通驍龍主要升級了芯片、光學方案。其中芯片使用了高通驍龍XR2+XR2+，相

52、較相較Quest 2Quest 2續航提升續航提升5050、散熱性能提升、散熱性能提升3030;光學方案采用光學方案采用PancakePancake，鏡片比，鏡片比Quest2Quest2薄薄 40%40%。2)2)Quest ProQuest Pro新增新增MRMR功能，但高價格降低付費意愿：功能，但高價格降低付費意愿：該設備核心亮點是支持該設備核心亮點是支持MRMR混合現實功能，即允許用戶看到外部環境，也允許混合現實功能，即允許用戶看到外部環境，也允許外部環境與虛擬素材融合，為開發設計、建筑、辦公等場景提供更沉浸高效的生產工具。但外部環境與虛擬素材融合，為開發設計、建筑、辦公等場景提供更沉

53、浸高效的生產工具。但Quest ProQuest Pro價格高昂，原價價格高昂，原價14991499美元，美元，接近接近Quest 2 Quest 2 的的3 3倍，疊加宏觀消費承壓，導致用戶購買意愿較低。倍，疊加宏觀消費承壓，導致用戶購買意愿較低。MetaMeta也在也在20232023年年3 3月正式宣布將月正式宣布將Quest ProQuest Pro永久降價至永久降價至999999美元。美元。產品產品芯片芯片光學模組光學模組屏幕屏幕手柄手柄交互交互價格價格Quest Pro高通XR2+，續航提升50%，散熱性能提升30%Pancake 超短焦光學方案，比 Quest2鏡片薄 40%，前

54、后重量平衡兩塊Fast LCD顯示屏，雙眼分辨率36001920，刷新率90Hz，視場角擴大到106*96度手柄可自動定位新增彩色透視，以及實現MR應用，如查看設計產品在現實世界的擺放效果999美元（原1499美元）Quest2高通XR2菲涅爾光學方案一塊Fast-LCD顯示屏，雙眼分辨率36641920，高于Quest Pro，刷新率90Hz，視場角100度頭顯追蹤手柄的定位支持手勢追蹤，黑白透視399/429美元（原399/499美元）硬件：關注Quest3等后續硬件儲備上線表現資料來源：青亭網，中信建投除目前已經上市的除目前已經上市的VRVR設備外，設備外，MetaMeta此前也通過視頻

55、公開演示了目前在研的四款原型機，并展示了目前采用的最新技術和研究方此前也通過視頻公開演示了目前在研的四款原型機，并展示了目前采用的最新技術和研究方向，主要還是以顯示優化和減小體積為主。同時，向，主要還是以顯示優化和減小體積為主。同時，MetaMeta后續也有一系列待發產品，包括第三代消費級頭顯后續也有一系列待發產品，包括第三代消費級頭顯Quest 3Quest 3，扎克伯格表，扎克伯格表示將在今晚些時候年發布，也將具備示將在今晚些時候年發布，也將具備MRMR功能；此外也有功能；此外也有ARAR頭顯。頭顯。原型機代號原型機代號概念圖概念圖特點特點ButterscotchButterscotch高

56、分辨率/高清顯示為核心，在產品體積和重量上有取舍StarburstStarburst以HDR和超高亮度為核心Holocake 2Holocake 2輕量化的準量產機，以小巧、輕薄為特點Mirror LakeMirror Lake類似于將各種新技術融合在一起的輕量化VR眼鏡頭顯類型頭顯類型設備名稱設備名稱預計發布時間預計發布時間簡介簡介VRVRQuest 3(Project Stinson)2023年Quest系列后續新品Project Funcston2024年Cambria的迭代版本Project Cardiff2024年Stinson迭代產品ARARProject Nazare2024年（

57、1代）、2026年（2代）可提供完整的AR體驗，包括3D圖形、大視場和社會可接受的設計Project Hypernova2026年需要與手機配對，以顯示消息通知；具有更小的平視顯示器，價格比Nazare更便宜圖表：圖表：MetaMeta四款新公布原型機四款新公布原型機圖表：圖表：MetaMeta后續產品發布時間線后續產品發布時間線 內容：由游戲向辦公場景拓展資料來源：青亭網，Meta，Quest Store，中信建投圖表：圖表：QuestQuest的的VRVR應用類型應用類型圖表：圖表：微軟將在微軟將在QuestQuest中推出的中推出的Microsoft Teams MeetingMicro

58、soft Teams Meeting（虛擬會議工具）場景演示（虛擬會議工具）場景演示作為全球元宇宙龍頭，作為全球元宇宙龍頭，MetaMeta的應用生態也持續豐富。據的應用生態也持續豐富。據2023Q12023Q1公開投資者電話會，公開投資者電話會，QuestQuest內已有超內已有超200200款應用，累計創造收入款應用，累計創造收入1 1百萬美百萬美元，包括游戲、辦公、社交、運動等。其中：元，包括游戲、辦公、社交、運動等。其中：1 1）游戲是）游戲是QuestQuest核心陣地：核心陣地：QuestQuest目前涵蓋目前涵蓋1919個個VRVR游戲類型，包括角色扮演、音樂節奏、恐怖、策略等，

59、提供多樣化的游玩需求。游戲類型，包括角色扮演、音樂節奏、恐怖、策略等，提供多樣化的游玩需求。MetaMeta自自20192019年以來也收購了知名年以來也收購了知名VRVR游戲游戲Beat SaberBeat Saber開發商開發商Beat GamesBeat Games在內的近在內的近1010家家VRVR內容公司，并在內容公司，并在2022Connect2022Connect大會中宣布將大會中宣布將從微軟引入游戲平臺從微軟引入游戲平臺Xbox Cloud GamingXbox Cloud Gaming（BetaBeta），屆時用戶可通過），屆時用戶可通過QuestQuest串流體驗微軟串流體

60、驗微軟XboxXbox的上百款云游戲。的上百款云游戲。2 2）辦公是）辦公是QuestQuest新發力方向：新發力方向：20222022年年ConnectConnect大會上，大會上，MetaMeta宣布將引入微軟旗下辦公工具，包括推出宣布將引入微軟旗下辦公工具，包括推出MRMR生產工具生產工具Mesh for Microsoft Mesh for Microsoft TeamsTeams、Microsoft 365Microsoft 365的的VRVR版本，以及基于云的企業管理工具版本，以及基于云的企業管理工具Microsoft IntuneMicrosoft Intune和和Azure A

61、ctive DirectoryAzure Active Directory。此外也與。此外也與ITIT咨詢領域咨詢領域的龍頭服務商埃森哲合作，可幫助推廣的龍頭服務商埃森哲合作，可幫助推廣QuestQuest的辦公應用及新一代頭顯的辦公應用及新一代頭顯Quest ProQuest Pro，為客戶提供整套基于，為客戶提供整套基于VRVR的數字化辦公解決方案。的數字化辦公解決方案。據據20222022年年ConnectConnect大會，埃森哲在大會，埃森哲在20212021年已為年已為MetaMeta部署了部署了6 6萬臺萬臺Quest 2Quest 2頭顯，用于新員工培訓。頭顯，用于新員工培訓。

62、目錄一、一、MetaMeta基本盤基本盤二、二、AIAI能力縱向介紹能力縱向介紹三、三、AIAI能力橫向對比能力橫向對比四、四、MetaMeta熱點模型熱點模型 AI研究機構：2013年Meta成立FAIR研究院Meta于于2013年成立年成立FAIR（Facebook AI Research）研究院研究院，主要關注人工智能（主要關注人工智能（AI）和機器學習（和機器學習（ML）這）這兩個目前科技和商業兩個目前科技和商業領域中最為熱門和前沿的技術領域。其研究目標包括改進社交媒體用戶體驗、增強信息安全和隱私保護、促進人工智能的公平、領域中最為熱門和前沿的技術領域。其研究目標包括改進社交媒體用戶體

63、驗、增強信息安全和隱私保護、促進人工智能的公平、透明和可解釋性，以及推動人工智能在社會和經濟領域的應用。這些研究涉及大規模數據處理、深度學習、強化學習、生成對抗透明和可解釋性，以及推動人工智能在社會和經濟領域的應用。這些研究涉及大規模數據處理、深度學習、強化學習、生成對抗網絡（網絡（GANs）、自監督學習、遷移學習等前沿的）、自監督學習、遷移學習等前沿的AI 技術。技術。FAIR研究院研究院致力于推動其研究成果在不同行業中的應用，如醫療健康、金融、交通、教育、元宇宙等領域，推動人工智能和機器致力于推動其研究成果在不同行業中的應用，如醫療健康、金融、交通、教育、元宇宙等領域，推動人工智能和機器學

64、習技術的落地和應用。學習技術的落地和應用。資料來源：Twitter,Meta AI，中信建投圖表：圖表：MetaMeta FAIRFAIR 算法應用模式算法應用模式圖表：圖表：MetaMeta AIAI 與元宇宙戰略與元宇宙戰略 后續Meta對FAIR進行重組調整20222022年年6 6月，月，MetaMeta宣布宣布FAIRFAIR將進行重組調整，其中將進行重組調整，其中AIAI部門不再“集中化研究”，而是分布式的下放到每個組織部門中去，這樣可部門不再“集中化研究”，而是分布式的下放到每個組織部門中去，這樣可以更好的與實際業務結合。這項改動將加速以更好的與實際業務結合。這項改動將加速AIA

65、I技術在技術在MetaMeta實際業務中的應用，而被引入到不同產品組的業務部現被稱為“實際業務中的應用，而被引入到不同產品組的業務部現被稱為“AIAI創新創新中心”。此前，中心”。此前，Meta AIMeta AI部門已經推動了：部門已經推動了：AI PlatformAI Platform、AI for ProductAI for Product、AI4ARAI4AR業務組。這次重組調整有幾個重要變化值得關業務組。這次重組調整有幾個重要變化值得關注：注：1 1.FAIRFAIR成為成為Reality Labs ResearchReality Labs Research旗下部門，其任務和使命沒有

66、變化：通過卓越的研究、開放的科學，廣泛的合作推動旗下部門，其任務和使命沒有變化：通過卓越的研究、開放的科學，廣泛的合作推動AIAI技術技術的根本性突破。的根本性突破。2 2.AI4ARAI4AR團隊劃歸團隊劃歸Reality LabsReality Labs旗下旗下XRXR團隊。團隊。3 3.原負責內容推薦算法、商務和廣告算法的原負責內容推薦算法、商務和廣告算法的AIAI團隊劃歸至產品工程團隊。團隊劃歸至產品工程團隊。4 4.Responsible AIResponsible AI組織將規劃至組織將規劃至Social ImpactSocial Impact團隊。團隊。資料來源：Twitter,

67、Meta AI，中信建投圖表：圖表：首席科學家首席科學家YannYann LecunLecun 在在TwitterTwitter 上宣布調整上宣布調整圖表：圖表：MetaMeta 希望希望AIAI在整個公司得到廣泛應用在整個公司得到廣泛應用 AML團隊更加重視應用落地AML（Applied Machine Learning）是是Meta公司的機器學習應用公司的機器學習應用團隊團隊，負責開發和優化應用于負責開發和優化應用于Meta產品和服務中的機器學習模型產品和服務中的機器學習模型，包括模型研發包括模型研發、數據挖掘和特征工程數據挖掘和特征工程、模型部署和優化模型部署和優化、實時監測和模型迭代實

68、時監測和模型迭代，以及跨團隊合作以及跨團隊合作。AML部門的工作涉及多個領域部門的工作涉及多個領域，包括推薦系統包括推薦系統、廣告排序廣告排序、語音識別語音識別、圖像識別等圖像識別等，用于用于Meta公司旗下的產品和服務公司旗下的產品和服務，如如Facebook、Instagram、WhatsApp等等。通過不斷優化和迭代機器學習模型通過不斷優化和迭代機器學習模型，AML部門在部門在Meta公司中扮演著關鍵角色公司中扮演著關鍵角色，推動著公推動著公司的技術創新和業務發展司的技術創新和業務發展，為用戶提供更好的產品和服務體驗為用戶提供更好的產品和服務體驗。資料來源：Twitter,Faceboo

69、k，中信建投圖表：圖表：MetaMeta AIAI 應用領域應用領域圖表：圖表：FacebookFacebook 機器學習流程示例機器學習流程示例 AI科學家：Yann LeCun為Meta首席科學家MetaMeta擁有一支強大的擁有一支強大的AIAI團隊，包括了深度學習領域的創始人團隊，包括了深度學習領域的創始人Yann Yann LeCunLeCun、首席技術官首席技術官AnAndrewdrew BosworthBosworth、F Facebookacebook AIAI主管主管Hassan Hassan SawafSawaf、高級研究員、高級研究員MikeMike Schroepfer

70、Schroepfer和人工智能科學家和人工智能科學家Jerome Jerome PesentiPesenti、何愷明、何愷明等。他們在人工智能和機器學習領域具有豐富的等。他們在人工智能和機器學習領域具有豐富的經驗和卓越的成就，推動了經驗和卓越的成就，推動了MetaMeta在技術和創新方面的領先地位。在技術和創新方面的領先地位。這些核心人員領導和推動了這些核心人員領導和推動了MetaMeta在人工智能和機器學習領域的多個項目，包括廣告排序、推薦系統等，對公司的技術發展和業務在人工智能和機器學習領域的多個項目，包括廣告排序、推薦系統等，對公司的技術發展和業務創新起著至關重要的作用。他們的專業知識和

71、經驗使得創新起著至關重要的作用。他們的專業知識和經驗使得MetaMeta能夠不斷推動人工智能技術的前沿，應對未來的挑戰并保持在全球科能夠不斷推動人工智能技術的前沿，應對未來的挑戰并保持在全球科技行業的領先地位。技行業的領先地位。資料來源：Meta AI，中信建投圖表：圖表：YannYann LeCunLeCun圖表：圖表：何愷明何愷明圖表：圖表：AndrewAndrew BosworthBosworth圖表：圖表：MikeMike SchroepferSchroepferYann LeCun深度學習三巨頭，提出卷積神經網絡；2018年圖靈獎獲得者；美國科學院等院士；何愷明CV領域頂級學者，提出

72、深度殘差網絡ResNets、MAE；被引次數超42萬；Mike Schroepfer曾任Meta 首席技術官；劍橋大學榮譽教授；Andrew BosworthMeta首席技術官；曾帶領團隊創建Meta AR/VR業務；AI硬件：Meta推出Zion平臺在內的多個AI硬件產品資料來源：Meta，中信建投圖表：圖表：MetaMeta ZionZion平臺整體架構（左）及三層主要模塊平臺整體架構（左）及三層主要模塊（右）（右）圖表：圖表：基于基于KingsKings CanyonCanyon模塊的模塊的AIAI推理解決方案推理解決方案Zion是是Meta推出的推出的下一代大內存統一訓練平臺下一代大內

73、存統一訓練平臺，旨在有效處理一系列神經網絡旨在有效處理一系列神經網絡，包括包括CNN、LSTM和和SparseNN等等。Zion平臺可為人工平臺可為人工智能模型的關鍵工作負載提供高內存容量和帶寬智能模型的關鍵工作負載提供高內存容量和帶寬、靈活的高速互連和強大的計算能力靈活的高速互連和強大的計算能力。Zion系統包括三個模塊：系統包括三個模塊：Angels Landing、ClearCreek和和Emerald Pools，其中其中Angels Landing是是CPU盒；盒；Clear Creek是互連盒；是互連盒；Emerald Pools是加速器盒是加速器盒。Meta的的Kings Can

74、yon是一款是一款AI推理加速模塊推理加速模塊，用于提升人工智能及機器學習的計算性能用于提升人工智能及機器學習的計算性能。它可以嵌入到各種設備中它可以嵌入到各種設備中，提供高效的提供高效的AI推推理能力理能力。Kings Canyon的推理加速模塊可以加速設備中的推理加速模塊可以加速設備中各線程各線程的深度學習推理任務的深度學習推理任務，從而實現更快速從而實現更快速、更智能的計算更智能的計算。Mount Shasta是是Meta與與芯片供應商芯片供應商Broadcom和和Verisilicon合作設計的針對轉碼工作負載進行優化的定制合作設計的針對轉碼工作負載進行優化的定制ASIC。針對轉碼過程

75、中的密集針對轉碼過程中的密集型運算型運算，該硬件可以在提升工作負載的情況下降低能效該硬件可以在提升工作負載的情況下降低能效，并支持實時并支持實時4K 60fps流媒體等新功能流媒體等新功能。Angels LandingClear CreekEmerald Pools AI框架：2017年Meta推出AI框架PyTorchPyTorch是一種流行的開源深度學習框架是一種流行的開源深度學習框架，被廣泛應用于人工智能和機器學習領域被廣泛應用于人工智能和機器學習領域。首先首先，PyTorch提供了豐富的深度學習工具和提供了豐富的深度學習工具和庫庫，使研究人員和開發者能夠更輕松地構建使研究人員和開發者能

76、夠更輕松地構建、訓練和部署深度學習模型訓練和部署深度學習模型。其動態圖和靜態圖的混合編程方式使其具有靈活性和高其動態圖和靜態圖的混合編程方式使其具有靈活性和高度的可擴展性度的可擴展性，同時支持在多種硬件平臺上運行同時支持在多種硬件平臺上運行，如如GPU和和TPU等等。其豐富的社區和開發者生態系統也為用戶提供了豐富的資源其豐富的社區和開發者生態系統也為用戶提供了豐富的資源和支持和支持。其次，其次，PyTorch 還注重與實際應用的結合，提供了用于構建實際應用的高級工具和接口，例如模型部署、模型解釋性和模型優化還注重與實際應用的結合，提供了用于構建實際應用的高級工具和接口，例如模型部署、模型解釋性

77、和模型優化等。此外，等。此外，PyTorch 還與其他重要開源項目和社區保持了良好的互動，如還與其他重要開源項目和社區保持了良好的互動，如ONNX、Caffe2、TorchScript等，從而促進了深度學習等，從而促進了深度學習領域的技術交流和創新。領域的技術交流和創新。資料來源：PyTorch,Github，中信建投圖表：圖表：PytorchPytorch 多種平臺選擇多種平臺選擇圖表：圖表：PytorchPytorch 機器學習模型機器學習模型工作流工作流 相較于其他AI框架，Pytorch更加靈活PyTorch是一種開源的深度學習框架是一種開源的深度學習框架，其最大的優勢之一是靈活的動態

78、圖編程方式其最大的優勢之一是靈活的動態圖編程方式。相比于靜態圖的框架相比于靜態圖的框架，PyTorch允許用戶在模允許用戶在模型構建和調試過程中進行實時的計算圖構建和修改型構建和調試過程中進行實時的計算圖構建和修改。這意味著研究人員和開發者可以更加直觀地調試和優化模型這意味著研究人員和開發者可以更加直觀地調試和優化模型，更加高效地進更加高效地進行實驗和迭代行實驗和迭代。此外此外，動態圖編程方式還使得模型構建更加靈活動態圖編程方式還使得模型構建更加靈活，允許用戶在模型中引入控制流允許用戶在模型中引入控制流、動態形狀等復雜的計算邏輯動態形狀等復雜的計算邏輯，從而滿足更加復雜的深度學習任務需求從而滿

79、足更加復雜的深度學習任務需求。另一個另一個PyTorch的優勢是其強大的科學計算庫的優勢是其強大的科學計算庫。PyTorch提供了豐富的數值計算提供了豐富的數值計算、矩陣運算矩陣運算、梯度計算等科學計算功能梯度計算等科學計算功能，使得用戶使得用戶能夠在模型構建和訓練過程中輕松地進行各種數學運算能夠在模型構建和訓練過程中輕松地進行各種數學運算。這不僅簡化了深度學習模型的實現過程這不僅簡化了深度學習模型的實現過程，還提高了模型的訓練效率還提高了模型的訓練效率。此此外外，PyTorch還擁有豐富的預訓練模型和模型庫還擁有豐富的預訓練模型和模型庫，包括常用的卷積神經網絡包括常用的卷積神經網絡、循環神經

80、網絡等循環神經網絡等，用戶可以直接使用這些模型或者用戶可以直接使用這些模型或者基于這些模型進行二次開發基于這些模型進行二次開發，從而加速模型的構建和部署過程從而加速模型的構建和部署過程。資料來源：PyTorch,Medium，TensorFlow,Keras,中信建投圖表：圖表：PytorchPytorch 在訓練所用時間短在訓練所用時間短圖表：圖表：PyTorchPyTorch、TensorFlowTensorFlow、KerasKeras對比（藍色為優）對比（藍色為優）KerasKerasTesnorFlowTesnorFlowPyPyTorchTorchAPIAPI 接口水平接口水平高集

81、成API高集成API&原始API原始API速度速度慢快快結構結構簡單、易讀、準確使用難度較高復雜調試調試無需調試調試難度高調試兼容性高數據集兼容性數據集兼容性數據集小，處理速度慢數據集大，處理速度快數據集大，處理速度快受歡迎度排名受歡迎度排名123獨特功能獨特功能多后端支持對象檢測功能靈活性，訓練速度快開發者開發者沒有獨立庫結構GoogleMeta使用難度使用難度易使用API 理解難度高與Python 語言相融合圖像計算類型圖像計算類型靜態圖像靜態圖像動態圖像 2023年Meta發布PyTorch2.0PyTorch2.0發布于發布于2023年年3月月，它在新版本中加入了一系列強大的功能它在新

82、版本中加入了一系列強大的功能，包括對分布式訓練和量化推理的全面支持包括對分布式訓練和量化推理的全面支持，使得其在模型使得其在模型編譯編譯、大規模訓練和高效推理方面更加出色大規模訓練和高效推理方面更加出色。同時同時，PyTorch 2.0 還提供了全面的工具和庫還提供了全面的工具和庫，以簡化模型部署和模型生產環境的管以簡化模型部署和模型生產環境的管理理，使得深度學習應用的落地變得更加輕松和可靠使得深度學習應用的落地變得更加輕松和可靠。PyTorch2.0注重了開發者體驗注重了開發者體驗，提供了更加簡潔提供了更加簡潔、靈活和易用的靈活和易用的API，使得模型的構建使得模型的構建、訓練和調試更加便捷

83、訓練和調試更加便捷。此外此外，PyTorch2.0 還支持多種硬件加速和模型優化技術還支持多種硬件加速和模型優化技術，包括包括 GPU、TPU 和量化加速等和量化加速等，以提供更高的性能和效率以提供更高的性能和效率。PyTorch 2.0較上一版本的一個重大變化為引入了較上一版本的一個重大變化為引入了pile，可極大地提升模型的編譯速度可極大地提升模型的編譯速度。資料來源：PyTorch，中信建投圖表：圖表：pile可顯著提升大模型訓練速度可顯著提升大模型訓練速度圖表：圖表：PyTorchPyTorch 2.02.0 編譯過程編譯過程 AI編譯器：Meta發布GLOW，進行深度學習加速Glow

84、是一款機器學習編譯器是一款機器學習編譯器，可以在不同的硬件平臺上加速深度學習框架的性能可以在不同的硬件平臺上加速深度學習框架的性能。它使硬件開發人員和研究人員的生態系統能夠它使硬件開發人員和研究人員的生態系統能夠專注于構建下一代硬件加速器專注于構建下一代硬件加速器，并應用于并應用于PyTorch等深度學習框架等深度學習框架。Glow是強大的硬件優化器是強大的硬件優化器。Glow接受來自接受來自 PyTorch 等深度學習框架的計算圖等深度學習框架的計算圖，并為機器學習加速器生成高度優化的代碼并為機器學習加速器生成高度優化的代碼。它包它包含許多機器學習和硬件優化含許多機器學習和硬件優化，如內核融

85、合等如內核融合等，以加速模型開發以加速模型開發。資料來源：Meta，中信建投圖表：圖表：GLOWGLOW加速器工作原理加速器工作原理 AI生態系統：ONNX，針對機器學習的開放生態系統ONNX（Open Neural Network Exchange）是是Meta發布的發布的一個開放生態系統一個開放生態系統，它使它使AI開發人員能夠隨著項目的發展選擇合適的工開發人員能夠隨著項目的發展選擇合適的工具具。ONNX為為AI模型模型（包括深度學習和傳統包括深度學習和傳統 ML）提供開源平臺提供開源平臺。它定義了一個可擴展的計算圖模型它定義了一個可擴展的計算圖模型，以及內置運算符和標準數以及內置運算符和

86、標準數據類型的定義據類型的定義。目前該平臺專注于推理目前該平臺專注于推理（打分打分）能力的提升能力的提升。ONNX使模型可以在一個框架中進行訓練使模型可以在一個框架中進行訓練，然后導出并部署到其他框架中進行推理然后導出并部署到其他框架中進行推理。ONNX 模型目前可在模型目前可在PyTorch、Caffe2、Microsoft Cognitive Toolkit、Apache MXNet 和和 Chainer 等框架中兼容運行等框架中兼容運行，并支持拓展至并支持拓展至 Core ML、TensorFlow、QualcommSNPE、Nvidia 的的 TensorRT和英特爾的和英特爾的 nG

87、raph等平臺等平臺。在硬件方面在硬件方面，任何需要導出任何需要導出 ONNX 模型的工具模型的工具，都可以利用都可以利用ONNX對其運行時間和庫進行優化對其運行時間和庫進行優化。ONNX目前支持高通目前支持高通SNPE、AMD、ARM、Intel等硬件合作伙伴等硬件合作伙伴資料來源：ONNX，中信建投圖表：圖表：ONNXONNX 工作原理工作原理(左左)及實例及實例(右右)圖表：圖表：ONNXONNX 適用于多平臺及設備適用于多平臺及設備 Web框架：ReactReact框架框架是一個用于構建用戶界面的是一個用于構建用戶界面的JavaScript庫。該框架由庫。該框架由Facebook團隊開

88、發并維護，是一個靈活、高效且強大的前端框架，團隊開發并維護，是一個靈活、高效且強大的前端框架，適用于構建各種規模和復雜度的適用于構建各種規模和復雜度的Web應用程序。它已經成為現代前端開發中的重要工具，并在眾多企業和社區中得到廣泛應用應用程序。它已經成為現代前端開發中的重要工具，并在眾多企業和社區中得到廣泛應用。React可用作開發具有可用作開發具有Next.js等框架的單頁、手機或伺服器渲染應用程式的基礎。然而，等框架的單頁、手機或伺服器渲染應用程式的基礎。然而，React只專注狀態管理和將狀態渲染到只專注狀態管理和將狀態渲染到DOM，因此創建，因此創建React應用程式通常需要使用額外的工

89、具庫來進行路由實作，以及某些客戶端功能。應用程式通常需要使用額外的工具庫來進行路由實作，以及某些客戶端功能。React的設計思想極其獨特，屬于革命性創新，性能出眾，代碼邏輯卻非常簡單。所以，越來越多的人開始關注和使用，認為它的設計思想極其獨特，屬于革命性創新，性能出眾，代碼邏輯卻非常簡單。所以，越來越多的人開始關注和使用，認為它可能是將來可能是將來 Web 開發的主流工具開發的主流工具。資料來源：Meta AI，中信建投圖表：圖表：ReactReact 可廣泛使用在多個平臺可廣泛使用在多個平臺圖表：由代碼生成交互界面圖表：由代碼生成交互界面 數據庫：RocksDBRocksDB是一個由是一個由

90、Meta開發的高性能開發的高性能、持久化的鍵值存儲庫持久化的鍵值存儲庫。它是一個開源的它是一個開源的C+庫庫，用于在閃存和用于在閃存和RAM存儲上存儲和管理鍵存儲上存儲和管理鍵值對數據值對數據。該框架該框架是基于是基于 Google LevelDB 研發的高性能研發的高性能 Key-Value 持久化存儲引擎持久化存儲引擎，以庫組件形式嵌入程序中以庫組件形式嵌入程序中，為大規模分布式應用在為大規模分布式應用在SSD 上運行提供優化上運行提供優化。RocksDB 重點是提供工具支持重點是提供工具支持，具體實現將交給上層應用具體實現將交給上層應用。RocksDB框架具有快速高效框架具有快速高效、可

91、嵌入性可嵌入性、靈活的數據模型靈活的數據模型、可配置性可配置性、強大的持久性強大的持久性、多級存儲支持等特點多級存儲支持等特點。其其高度優化的存儲高度優化的存儲和索引結構和索引結構，能在大規模數據存儲和訪問場景下表現出卓越性能能在大規模數據存儲和訪問場景下表現出卓越性能，適合在嵌入式系統和邊緣計算環境中使用適合在嵌入式系統和邊緣計算環境中使用。它支持靈活的鍵值它支持靈活的鍵值數據模型數據模型，提供豐富的配置選項提供豐富的配置選項，具有強大的數據持久性和多級存儲支持具有強大的數據持久性和多級存儲支持。同時同時RocksDB 社區活躍社區活躍，擁有豐富的文檔和示例代碼擁有豐富的文檔和示例代碼，被廣

92、泛應用于大規模應用中被廣泛應用于大規模應用中。資料來源：RocksDB，中信建投圖表：圖表：RocksDBRocksDB架構架構圖表：圖表：RocksDBRocksDB框架框架優勢優勢 Meta擁有豐富的社交算法與元宇宙算法（1/2）面部識別：面部識別：Meta在其社交平臺中應用了先進的人臉識別算法在其社交平臺中應用了先進的人臉識別算法，用于自動識別和標記用戶上傳的照片中的人臉用于自動識別和標記用戶上傳的照片中的人臉。這一算法能夠在大這一算法能夠在大量用戶上傳的圖片中高效地識別人臉量用戶上傳的圖片中高效地識別人臉，并通過人臉特征比對和深度學習技術并通過人臉特征比對和深度學習技術，進行準確的人臉

93、識別進行準確的人臉識別，從而為用戶提供方便的照片從而為用戶提供方便的照片標記和人臉識別功能標記和人臉識別功能。內容推薦：內容推薦：Meta利用機器學習和推薦算法利用機器學習和推薦算法，通過分析用戶的興趣通過分析用戶的興趣、互動行為互動行為、社交網絡關系等信息社交網絡關系等信息，為用戶推薦個性化的內容為用戶推薦個性化的內容。這一算法能夠根據用戶的興趣和偏好這一算法能夠根據用戶的興趣和偏好，向用戶展示他們可能感興趣的內容向用戶展示他們可能感興趣的內容，從而提升用戶體驗和社交平臺的用戶粘性從而提升用戶體驗和社交平臺的用戶粘性。情感分析：情感分析：Meta應用情感分析算法應用情感分析算法，對用戶在社交

94、平臺上的文本對用戶在社交平臺上的文本、評論評論、留言等進行情感分析留言等進行情感分析，從而了解用戶的情感傾向和情感從而了解用戶的情感傾向和情感態度態度。這一算法可以用于檢測用戶在社交平臺上的情緒狀態這一算法可以用于檢測用戶在社交平臺上的情緒狀態，從而更好地理解用戶需求從而更好地理解用戶需求，改善用戶體驗和提供更合適的內容改善用戶體驗和提供更合適的內容。內容審核：內容審核：Meta利用機器學習和自然語言處理技術利用機器學習和自然語言處理技術，應用內容審核算法進行社交平臺上的內容審核和過濾應用內容審核算法進行社交平臺上的內容審核和過濾。這一算法可以自動識這一算法可以自動識別和過濾含有違規別和過濾含

95、有違規、不當不當、惡意等內容的帖子惡意等內容的帖子、評論和消息評論和消息，從而維護社交平臺的秩序和安全從而維護社交平臺的秩序和安全。資料來源：Facebook，中信建投圖表：圖表：FacebookFacebook 新的審核流程新的審核流程圖表：圖表：FacebookFacebook 利用各種機器學習算法進行內容分類利用各種機器學習算法進行內容分類 Meta擁有豐富的社交算法與元宇宙算法（2/2）虛擬現實交互：虛擬現實交互：Meta在元宇宙中應用了先進的虛擬現實在元宇宙中應用了先進的虛擬現實（VR）交互算法交互算法，用于模擬用戶在虛擬世界中的自然動作和交互行為用于模擬用戶在虛擬世界中的自然動作和

96、交互行為。這這一算法能夠通過傳感器一算法能夠通過傳感器、手柄手柄、手勢識別等技術手勢識別等技術，實現用戶在虛擬世界中的身體動作和手勢的高度還原實現用戶在虛擬世界中的身體動作和手勢的高度還原，從而提供更加沉浸式的從而提供更加沉浸式的虛擬體驗虛擬體驗。虛擬化身：虛擬化身：Meta利用機器學習和計算機視覺技術利用機器學習和計算機視覺技術，應用人臉生成算法創建用戶的虛擬化身應用人臉生成算法創建用戶的虛擬化身（Avatar）。這一算法可以通過用戶上這一算法可以通過用戶上傳的照片傳的照片、視頻或者其他用戶信息視頻或者其他用戶信息，生成一個個性化的虛擬化身生成一個個性化的虛擬化身，用于在元宇宙中代表用戶參與

97、社交互動用于在元宇宙中代表用戶參與社交互動、內容創作等活動內容創作等活動。社交互動和情感表達：社交互動和情感表達：Meta應用社交互動和情感識別算法應用社交互動和情感識別算法，可實現元宇宙中的社交互動和情感表達可實現元宇宙中的社交互動和情感表達。這一算法可以模擬用戶在虛這一算法可以模擬用戶在虛擬世界中的社交行為擬世界中的社交行為，如交談如交談、合作合作、分享等分享等，并通過情感識別技術識別用戶的情感表達并通過情感識別技術識別用戶的情感表達，從而提供更加真實和豐富的社交體驗從而提供更加真實和豐富的社交體驗。內容生成：內容生成：Meta利用生成模型和計算機圖形學技術利用生成模型和計算機圖形學技術，

98、應用內容創作和生成算法應用內容創作和生成算法，實現用戶在元宇宙中的內容創作和生成實現用戶在元宇宙中的內容創作和生成。這一算這一算法可以自動生成虛擬世界中的場景法可以自動生成虛擬世界中的場景、物體物體、人物等人物等，從而為用戶提供豐富的創作素材和內容生成工具從而為用戶提供豐富的創作素材和內容生成工具。資料來源：Meta，中信建投圖表：元宇宙與現實世界之間的轉化圖表：元宇宙與現實世界之間的轉化圖表：圖像網絡生成準確率逐步提升圖表：圖像網絡生成準確率逐步提升 目錄一、一、MetaMeta基本盤基本盤二、二、AIAI能力縱向介紹能力縱向介紹三、三、AIAI能力橫向對比能力橫向對比四、四、MetaMet

99、a熱點模型熱點模型 AI管理戰略層：Meta業績交流會紀要中出現“AI”數量領先我們認為公司業績交流會紀要中出現我們認為公司業績交流會紀要中出現“AI”相關的次數代表管理層對相關相關的次數代表管理層對相關AI布局的重視程度布局的重視程度，出現出現AI次數越多次數越多，說明管理層在戰說明管理層在戰略層面越重視略層面越重視AI，因此因此，我們統計了幾家廠商業績交流會中我們統計了幾家廠商業績交流會中AI出現的次數出現的次數。根據谷歌、微軟、Meta、Amazon幾家公司各季度業績說明會中所提到AI次數來看，谷歌由2020Q1的4次增長至2022Q4的64次，增長幅度最為明顯；Meta由2021Q2的

100、15次增長至2022Q4的37次，體現出Meta對于AI的布局相對較早；微軟由2020Q1的26次波動下降至2022Q4的7次；而亞馬遜在業績說明會幾乎沒有提到AI領域的相關內容。因此，我們認為在戰略層面上，Meta對于AI的重視程度僅此于谷歌，這當然與Meta大力布局元宇宙，需要先進AI算法息息相關。資料來源：各公司業績說明會、中信建投圖表：谷歌、微軟、圖表：谷歌、微軟、MetaMeta在在20202020-20222022年年E Earnings callarnings call中提到中提到AIAI的的次數次數0102030405060702020Q12020Q22020Q32020Q42

101、021Q12021Q22021Q32021Q42022Q12022Q22022Q32022Q4谷歌微軟Meta AI工程領域：Meta工程領域相關能力僅次于微軟和谷歌，強于亞馬遜我們認為我們認為，Github上的項目數量一定程度反應了廠商在工程領域的影響力上的項目數量一定程度反應了廠商在工程領域的影響力/能力能力，因此因此，我們統計了我們統計了Google（Google、Googleresearch、DeepMind）、Microsoft（Microsoft、Microsoft Learning、OpenAI）、Meta（Meta、Meta research）、Amazon（aws、awsla

102、bs）在在Github上的相關數據上的相關數據，包括粉絲數包括粉絲數、項目數項目數、最高收藏的項目數情況等最高收藏的項目數情況等。根據github網站相關數據，OpenAI、Microsoft、Google的關注人數較多，分別為39700、34200、21500人；Microsoft、Google的開源項目儲存較多，分別為5500、2500項；具體來看，Meta的react項目被收藏數量達到206,135次，在眾多項目中遙遙領先；Google的material-design-icons項目被收藏數量為47922次，Google research的bert項目被收藏數量達到33979次，Open

103、AI的whisper項目被收藏數量達到33806次。從研發團隊人員數量來看，Microsoft達到4400人，Google為618人，Amazon Web Services為233人。就Github的粉絲數、項目數來看，微軟無疑是工程領域最具影響力的廠商，其次是谷歌、Meta、Amazon。資料來源：Github，中信建投FollowersRepositoriesRepositories_Stars_收藏數Microsoft343005500vscode:145,264Microsoft Learning2900490AZ-104-MicrosoftAzureAdministrator:2,5

104、92OpenAI39700148whisper:33,806Google215002500material-design-icons:47,922Google research4900273bert：33,979DeepMind4900191deepmind-research:11,714Meta1220127react:206,135Meta research8800804segment-anything：28,964Amazon Web Services4600397aws-cli:13,669Amazon Web Services-Labs3500748git-secrets:10,98

105、5圖表：谷歌、微軟、圖表：谷歌、微軟、MetaMeta、AmazonAmazon、OpenAIOpenAI在工程領域的橫向對比在工程領域的橫向對比 AI社會影響力：Meta Twitter粉絲數量僅次于谷歌在社會影響力方面在社會影響力方面，我們認為我們認為Twitter粉絲數量能夠在一定程度上反映出各大廠商在社會層面的影響力粉絲數量能夠在一定程度上反映出各大廠商在社會層面的影響力，賬號關注者數量越多代表賬號關注者數量越多代表著越廣泛的傳播與覆蓋范圍著越廣泛的傳播與覆蓋范圍。因此，我們統計了Google（Google、Google research、DeepMind）、Microsoft（Mic

106、rosoft、Microsoft Research、OpenAI）、Meta（Meta、Meta AI）、Amazon（aws）在Twitter上的相關數據。具體來看，谷歌的Twitter平臺粉絲數量為29,100,000，在各廠商中位列第一，有著較為明顯的領先優勢；Meta、Micosoft的粉絲數量分別為13,900,000和12,800,000，位居Google之后但也相對較多，在一定程度上體現其社會影響力較大。資料來源：Twitter，中信建投圖表：谷歌、微軟、圖表：谷歌、微軟、MetaMeta、AmazonAmazon相關賬號相關賬號TwitterTwitter粉絲數粉絲數13,90

107、0,000370,00029,100,0001,900,000770,30012,800,000545,1002,000,0002,100,00005,000,00010,000,00015,000,00020,000,00025,000,00030,000,00035,000,000MetaMeta AIGoogleGoogle AIDeepMindMicrosoftMicrosoft ResearchOpenAlAmazon WebServices AI學術能力：Meta在學術領域能力弱于谷歌和微軟我們認為我們認為，相關論文數量代表著其相關論文數量代表著其AI相相關學術領域能力關學術領域能

108、力。在學術領域學術領域：從研究項目總量來看，谷歌共有12569篇研究，微軟共有11324篇研究，明顯領先于Meta和Amazon。從具體領域來看，谷歌的研究共涉及24個領域，包括算法理論、數據運營、數據挖掘、教育創新、生物科學、機器感知等，研究覆蓋面較廣，主要分布在Machine Intelligence（3403篇）、MachinePerception（1331篇）和Algorithms and Theory（1221篇）。而微軟的研究共涉及人工智能、語言技術、機器視覺等20個領域，主要分布在Artificial intelligence（6504篇），占比57.44%，分布較為集中。資料來

109、源：各公司官網，中信建投GoogleGoogleAmountAlgorithms and Theory1221Data Management161Data Mining and Modeling338Distributed Systems and Parallel Computing321Economics and Electronic Commerce322Education Innovation64General Science308Hardware and Architecture139Health&Bioscience257Human-Computer Interaction and

110、Visualization734Information Retrieval and the Web382Machine Intelligence3403Machine Perception1331Machine Translation136Mobile Systems105Natural Language Processing970Networking294Quantum Computing116Responsible AI194Robotics191Security,Privacy and Abuse Prevention459Software Engineering179Software

111、Systems429Speech Processing515MicrosoftMicrosoftAmountArtificial intelligence6504Human language technologies871Computer vision651Algorithms570Search and information retrieval539Human-computer interaction480Data platforms and analytics264Systems and networking237Programming languages and software eng

112、ineering237Medical,health and genomics171Audio and Acoustics140Security,privacy,and cryptography134Social sciences113Graphics and multimedia88Mathematics85Hardware and devices77Economics75Ecology and environment55Technology for emerging markets22Quantum computing11圖表：谷歌、微軟在各細分領域的研究數量圖表：谷歌、微軟在各細分領域的研

113、究數量 AI學術能力：Meta在學術論文數量少于谷歌和微軟從研究項目總量來看，Meta共有4478篇研究，Amazon有2679篇研究。從具體領域來看，Meta的研究共涉及14個領域，主要分布在Artificial Intelligence（1200篇）、Computer Vision（949篇）、Computer Vision（508篇）和Natural Language Processing&Speech（472篇）。亞馬遜的研究共涉及13個領域，主要分布在ConversationalAI/Natural-language processing（1001篇）、Machine learnin

114、g（756篇），占比65.58%，分布較為集中。資料來源：各公司官網，中信建投MetaMetaAmountAR/VR383Academic Programs1Artificial Intelligence1200Computational Photography&Intelligent Cameras34Computer Vision508Data Science200Databases37Economics&Computation62Human Computer Interaction&UX146Machine Learning949Natural Language Processing&S

115、peech472Networking&Connectivity99Security&Privacy72Systems&Infrastructure315AmazonAmountConversational AI/Natural-language processing1001Machine learning756Computer vision315Search and information retrieval175Cloud and systems93Information and knowledge management89Security,privacy,and abuse prevent

116、ion86Operations research and optimization44Quantum technologies36Automated reasoning23Robotics23Economics19Sustainability19圖表：圖表：MetaMeta、AmazonAmazon在各細分領域的研究數量在各細分領域的研究數量 AI應用領域：Meta AI更加集中在C端和視覺領域Meta AI能力主要集中在C端和視覺，包括圖像識別和目標檢測、圖像生成、增強現實（AR）和虛擬現實（VR）、人臉識別和人臉相關技術以及社交網絡數據處理和隱私保護。這些技術可以應用于社交媒體平臺中，提供

117、更好的用戶體驗和社交互動。如人臉識別登錄、人臉特征提取、人臉情緒識別等技術可增強社交媒體平臺的娛樂屬性；MetaAI 還提供數據處理和隱私保護技術，對用戶在社交媒體平臺上的數據進行處理和管理，以保護用戶隱私和數據安全，同時改進內容推薦和用戶興趣建模等功能。類似的，Microsoft AI也偏向C端用戶，而Google、Amazon則更偏向B端。資料來源：Meta,Google,Amazon,Microsoft Facebook，中信建投圖表：互聯網公司圖表：互聯網公司AIAI發展及應用發展及應用圖表：圖表：MetaMeta機器視覺技術解析視頻機器視覺技術解析視頻公司公司方向方向應用應用Micr

118、osoftMicrosoft自然語言處理、計算機視覺、語音識自然語言處理、計算機視覺、語音識別別Office 365Office 365、AzureAzure云平臺云平臺MetaMeta計算機視覺、信息安全計算機視覺、信息安全社交媒體應用、元宇宙、社交媒體應用、元宇宙、VR/ARVR/ARAmazonAmazon語音助手、自動化語音助手、自動化電商、物流、人工智能云服電商、物流、人工智能云服務務GoogleGoogle自然語言處理、計算機視覺、語音識自然語言處理、計算機視覺、語音識別、推薦系統別、推薦系統互聯網搜索、廣告、地圖等互聯網搜索、廣告、地圖等 AI發力點：Meta更加看重AI自監督學

119、習能力Yann LeCun堅定地認為，AI系統自監督學習（SSL）是AI系統的必要前提，它可以幫助AI系統構建世界模型，以獲得類似人類的能力，如理性、常識，以及將技能和知識從一個環境遷移到另一個環境的能力。近幾年，Meta發表了一系列關于AI系統自監督學習的論文,提出了一種名為data2vec 的自監督學習新架構，在多種模態的基準測試中超越了現有 SOTA方法。Meta AI 將 data2vec 分別應用于語音、圖像和文本，在計算機視覺、語音任務上優于最佳單一用途算法，并且在 NLP 任務也能取得具有競爭力的結果。此外，data2vec 還代表了一種新的、全面的自監督學習范式，其提高了多種模

120、態的進步。data2vec不依賴對比學習或重建輸入示例，能夠使研究者開發出適應性更強的AI，加速AI發展。資料來源：MetaAI，中信建投圖表：圖表：Yann LeCunYann LeCun對于對于AIAI自監督學習的主張自監督學習的主張圖表：圖表：data2vecdata2vec原理原理 117.37%68.40%25.75%-50%0%50%100%150%200%250%050001000015000200002500030000350004000045000亞馬遜微軟谷歌臉書亞馬遜YoY微軟YoY谷歌YoY臉書YoYAI算力：Meta資本開支增速位列第一Meta 在全球擁有大規模的數據

121、中心和服務器群，積累了豐富的經驗和創新在數據中心設計、硬件優化、軟件定義網絡、容器化技術等領域，推動技術進步和標準化。作為一家領先的云計算平臺，Meta 為企業和開發者提供高性能、高可擴展性的云計算解決方案，助力創新應用的構建和發展。Meta資本開支僅次于亞馬遜，2022Q2以來，Meta 加大了對人工智能、云計算等領域的投入，資本開支增速遠高于其他互聯網企業。2023Q1，Meta資本開支68.42億美元，同比增長25.75%。資料來源：Meta,Amazon,Google,Microsoft,中信建投圖表：北美四大云廠商資本開支（百萬美元）圖表：北美四大云廠商資本開支（百萬美元）AI大模型

122、：布局時間與數量弱于谷歌和微軟，其中以LLaMA為代表從大模型推出時間和數量來看，Meta要稍弱于Google和Microsoft。2019年前后，谷歌就推出大語言模型T5，2020年OpenAI就已經推出了GPT-3，而Meta則在2022年推出大語言模型OPT，2023年推出LLaMA。其中，Meta推出的LLaMA最具代表性。LLaMA包含70億、130億、330億和650億參數規模的模型。其中，參數規模最小的LLaMA7B也經過了超1萬億個tokens的訓練。在大多數基準測試中，參數僅為十分之一的LLaMA-13B的性能優于OpenAI推出的GPT3(175B)。資料來源：Meta,A

123、mazon,Google,Microsoft，中信建投圖表：谷歌、微軟、圖表：谷歌、微軟、MetaMeta、AmazonAmazon大模型對比大模型對比2019Goggle：T52021.8OpenAI：CodexGoogle：LaMDA2021.11Google：GLaMOpenAI：WebGPTDeepmind：Gopher2020OpenAI：GPT-3Google：mT52021.10Microsoft：MT-NLGGoogle：FLAN2022.03OpenAI：InstructGPTDeepmind：AlphaCode、Chinchilla2022.06Google：UL2、PaL

124、MMeta：OPT2022.10Google：Flan-T5、Flan-PaLMDeepmind：SparrowAmazon：AlexaTM2022.12OpenAI：ChatGPTMeta：Galatica、OPT-IML2023.03OpenAI：GPT-4Google：BardMeta：LLaMA 目錄一、一、MetaMeta基本盤基本盤二、二、AIAI能力縱向介紹能力縱向介紹三、三、AIAI能力橫向對比能力橫向對比四、四、MetaMeta熱點模型熱點模型 Meta主要大模型：OPTOPT（Open Pre-trained Transformer Language Models）模型是由

125、Meta提出的一系列開源的大型因果語言模型，可用于生成創意文本、解決基本數學問題、回答閱讀理解等問題。Meta已經開源OPT-175B，此模型擁有1750億個參數，在公開數據庫BookCorpus、CC-Stories、The Pile、Pushshift.io Reddit、CCNewsV2等多個數據庫上進行訓練，訓練數據共計1800億個字符，超過800GB的文本數據。OPT-175B在性能與 GPT-3 近似的同時，訓練過程僅使用了 GPT3 的 1/7 的計算資源。資料來源：OPT，中信建投圖表：圖表：OPTOPT與與GPTGPT在在NLPNLP任務下的平均準確率任務下的平均準確率圖表：

126、圖表：OPTOPT與與GPTGPT在不同樣本學習下的平均準確率在不同樣本學習下的平均準確率圖表：圖表：OPTOPT模型結構模型結構 Meta主要大模型:LLaMaLLaMa（Large Language Model Meta AI）是Meta最新開源的大規模語言模型，其參數范圍可達70億至650億。LLaMA以相對少量的參數獲得了媲美超大模型的效果，130 億參數的 LLaMA 模型在大多數基準測試上可以勝過參數量達 1750 億的 GPT-3；最大的 650 億參數的 LLaMA 模型可以媲美谷歌的 Chinchilla-70B 和 PaLM-540B。并且該模型可以在單個 GPU 上運行，

127、極大的降低了NLP開發者的使用難度。LLaMa共計在超過14,000 億 tokens、超過4800GB的的語料庫中完成訓練，其訓練數據集包括CCNet(67%)、C4(15%)、GitHub(4.5%)、Wikipedia(4.5%)、Books(4.5%)、ArXiv(2.5%)和Stack Exchange(2%)。資料來源：LLaMa，中信建投圖表：圖表：LLaMaLLaMa在問答及常識推理場景下訓練表現優秀在問答及常識推理場景下訓練表現優秀圖表：圖表：LLaMaLLaMa-65B65B在大部分基準測試下性能超過在大部分基準測試下性能超過GPTGPT-3 3等其他模型等其他模型 以LL

128、aMa為基礎的模型：AlpacaAlpaca是斯坦福大學發布的指令跟隨語言模型，該模型基于Meta的LLaMA-7B進行小幅度調整，并在由text-davinci-003生成的自我指導下不斷訓練而成。Alpaca在自我指導評估集上，表現出與類似Open AI GPT-3的性能，但相比于GPT-3，該模型的優勢包括：訓練難度低、模型尺寸小、模型參數少、容易復現等。Koala是加州大學伯克利分?；贚LaMa模型打造的聊天機器人，該機器人的主要模型Koala 13B具有和ChatGPT相當的性能表現。Koala 13B基于Open Instruction Generalist(OIG)、Stanf

129、ord Alpaca、Anthropic HH、OpenAI WebGPT及OpenAI Summarization等數據集訓練而成，具有很強的文本分析及完成指令能力。且在未來高質量數據集的訓練下，有望進化成更安全、更自然、更高性能的大語言模型。資料來源：斯坦?；A模型研究員，伯克利人工智能研究院，中信建投圖表：圖表：KoalaKoala 13B13B模型構成模型構成(上上)和和KoalaKoala模型表現模型表現(下下)圖表：圖表：AlpacaAlpaca 7B7B 模型結構模型結構 Meta主要大模型：SAM2023年4月5日，Meta發布SAM模型（Segment Anything Mo

130、del），是 CV圖像分割領域的基礎模型。SAM由一個圖像編碼器、一個提示編碼器和一個掩碼解碼器組成，具有以下特點：1）使用提示工程進行任務學習，交互式點擊、選擇框甚至文本操作進行物體分割；2）具有模糊感知功能，面對分割對象存在歧義時，可以輸出多個有效掩碼；3）與ChatGPT類似，SAM巧妙的將人工標注與大數據結合（數據引擎），最終實現了“分割一切”的功能。SAM在邊緣檢測、object proposal generation、實體分割、text to mask等下游場景表現依舊出眾，雖然某些領域下不如當前最優模型的表現，但其良好的zero-shot泛化能力依舊證明該模型性能的強悍。英偉達人

131、工智能科學家Jim Fan更是認為SAM是CV的“GPT-3時刻”之一。SAM及其改良版本預計將被廣泛應用于工業、自動駕駛、VR/AR、安防、衛星遙感等眾多領域，將催生巨大應用藍海。資料來源：SAM，中信建投圖表：圖表：SAMSAM模型模型 Meta主要大模型：DINOv2DINOv2，是Meta在2023年4月17日發布的第一種使用自監督學習來訓練計算機視覺模型方法。使用DINOv2方法的模型，可在任何圖像集上進行訓練，在提供強大的性能的同時，不需要對模型進行微調，適合用作許多不同計算機視覺任務的骨干。由于自監督特征學習和輕量化特定任務執行模塊的加入，DINOv2在深度估計方面的表現明顯優于

132、其他算法。測試結果顯示，DINOv2對分類、分割和圖像檢索等任務的非常強大的預測能力。同時，該模型在圖像網絡分類、視頻分類、目標識別、密集識別任務等場景下，較其他模型表現更加優秀。資料來源：DINOv2，中信建投圖表：圖表：DINOv2DINOv2與其他模型與其他模型在多個場景下的表現對比在多個場景下的表現對比圖表圖表：DINOv2DINOv2與其他模型在圖像分類、視頻分類的表現對比與其他模型在圖像分類、視頻分類的表現對比 風險提示全球宏觀經濟發展不及預期：全球宏觀經濟發展不及預期：Meta業務遍布全球，各地區收入會受到全球宏觀環境的影響造成匯率變動，可能會導致Meta在美國本土以外地區收入不

133、及預期。大模型技術發展不及預期：大模型技術發展不及預期：大模型屬于先進AI算法，若后續Meta大模型算法更新迭代效果不及預期，則會影響Meta相關大模型演進及拓展，進而會影響其商業化落地等；數據數量與數據質量不及預期：數據數量與數據質量不及預期：大模型需要大量的高質量數據進行訓練，若數據數量和質量存在短板，則會影響模型效果。大模型研發競爭激烈：大模型研發競爭激烈：美國科技大廠紛紛入局大模型研發，微軟、Meta和Nvidia在大模型研發均投入了大量資金和算力、人才，相關產品表現出了很強的競爭力，大模型研發競爭越發激烈。元宇宙發展不及預期：元宇宙發展不及預期：Meta目前聚焦于元宇宙業務，若后續元

134、宇宙技術研發、應用落地不及預期，則會對公司業績產生負面影響。感謝辛俠平對本報告的貢獻。分析師介紹分析師介紹閻貴成：閻貴成：中信建投證券通信&計算機行業首席分析師，北京大學學士、碩士，專注于云計算、物聯網、信息安全、信創與5G等領域研究。近8年中國移動工作經驗，6年多證券研究經驗。系2019-2021年新財富、水晶球通信行業最佳分析師第一名，2017-2018年新財富、水晶球通信行業最佳分析師第一名團隊核心成員。金戈：金戈：中信建投證券研究發展部計算機行業聯席首席分析師，帝國理工學院工科碩士，擅長云計算、金融科技、人工智能等領域。于芳博于芳博：中信建投計算機行業分析師，北京大學空間物理學學士、碩

135、士，2019年7月加入中信建投，主要覆蓋方向智能汽車、CPU/GPU/FPGA/ASIC、EDA和工業軟件等方向。楊艾莉：楊艾莉：傳媒互聯網行業首席分析師，中國人民大學傳播學碩士，曾任職于百度、新浪，擔任商業分析師、戰略分析師。2015年起，分別任職于中銀國際證券、廣發證券，擔任傳媒與互聯網分析師、資深分析師。2019年4月加入中信建投證券研究發展部擔任傳媒互聯網首席分析師。曾榮獲2019年wind資訊傳播與文化行業金牌分析師第一名；2020年wind資訊傳播與文化行業金牌分析師第二名；2020年新浪金麒麟評選傳媒行業新銳分析師第二名。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

136、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

137、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。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

138、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

139、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

140、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）北京東城區朝內大街2號凱恒中心B座12層電話：(8610)8513-0588聯系人：李祉瑤郵箱：上海浦東新區浦東南路528號南塔2103室電話：(8621)6882-1612聯系人：翁起帆郵箱：深圳福田區福中三路與鵬程一路交匯處廣電金融中心35樓電話：（86755）8252-1369聯系人：曹瑩郵箱：香港中環交易廣場2期18樓電話：（852）3465-5600聯系人：劉泓麟郵箱：charleneliucsci.hk54