《彭博：2024生成式AI機遇和顛覆：演變中的萬億美元市場研究報告（52頁）.pdf》由會員分享，可在線閱讀，更多相關《彭博：2024生成式AI機遇和顛覆：演變中的萬億美元市場研究報告（52頁）.pdf（52頁珍藏版）》請在三個皮匠報告上搜索。

1、Bloomberg Terminal彭博專業服務生成式 AI 機遇和顛覆：演變中的萬億美元市場2020304141822252728353841424445內容提要值得關注的催化劑AI 概覽市場變革細分市場分析用途不斷擴大個人化技術資本支出展望處理芯片和內存芯片需求監管格局環境、社會和治理(ESG)展望業績和估值公司影響術語表方法目錄生成式人工智能(AI)和大型語言模型(LLM)的采用將給科技行業的每一個領域都帶來影響。彭博行業研究的市場規?；幽Ｐ惋@示，現有供應商和新供應商將重新定義當前的終端市場，到 2032 年，有望創造 1.3 萬億美元的收入?？萍季揞^比芯片制造商更受益：英偉達等半導體

2、制造商被視為投資打造生成式 AI 基礎的大贏家，與訓練相關的銷售預計將成為最大的細分市場，在未來 10 年達到 4,740 億美元的規模。但我們預計微軟、亞馬遜和谷歌等云巨頭未來 10 年增速會比半導體行業的整體增速更快。設備需求受益于推理采用：對經訓練的 LLM 數據和內容進行解釋的業務預計將達到 1,680 億美元的市場規模。邊緣設備制造商，如戴爾（個人電腦）、蘋果（智能手機）和特斯拉（聯網汽車），可能會成為與生成式AI相關的對話和視覺產品需求的受益者。傳統大型客戶關系管理(CRM)提供商面臨風險：我們預計，一些建立在基礎 LLM 之上的新興軟件產品或將給現有的客戶關系管理和企業資源規劃等

3、領域帶來顛覆性變革，這可能會對 S、SAP 和 Adobe 等現有企業帶來挑戰。到 2032 年，這一市場的規模有望達到 2,800 億美元。2內容提要在科技支出中的占比有望升至 10%-12%隨著企業改變經營方式并對產品和服務進行強化，未來 10 年，生成式 AI 有望在硬件、軟件、服務、廣告、游戲等眾多領域創造 1.3 萬億美元收入，占科技領域總支出的 10%-12%。使用大規模數據集通過機器學習和神經網絡算法訓練 AI（即 LLM）將形成一個巨大的市場，到 2032 年，其銷售規模有望達到 4,740 億美元，同時還將推升服務器加速器和數據中心存儲單元的需求。企業將利用公有云部署生成式

4、AI，從而令 Meta、微軟、亞馬遜和 Alphabet 等巨頭受益，銷售預計將以 60%的復合年增長率增至 2,470 億美元。彭博行業研究(BI)的專有模型可用于市場增長預測，彭博終端上還提供一款互動工具。網絡安全、藥物發現、AI 助手（也稱 copilot）和編程工作流領域的軟件銷售額有望增加約 2,800 億美元。許多軟件制造商已經在運用自研 AI copilot 對產品進行優化，其他安全、教育等領域的軟件制造商料將效仿。AI 還可加快游戲和創意類軟件的開發，并通過提高定向投放能力，推動數字廣告支出增加 1,920 億美元。隨著企業尋求有助于在削減成本的同時提高收入的產品，可能還將有

5、1,200 億美元的資金流入 IT 和企業服務行業。業績和估值彭博行業研究的 AI 主題籃子囊括科技板塊各領域的公司，是 2023 年迄今表現最突出的籃子之一，回報率高達47%，遠高于網絡安全（33%）和云（32%）。AI 板塊內表現突出的不僅限于英偉達（232%），硬件股的回報也高達 67%，而半導體股也上升了66%。2023 年，半導體股的估值增幅最大，其次是超級大盤科技股。AI 訓練的風口：在硬件領域，隨著企業為管理用于“訓練”AI 的繁重工作負載，而投資和消費云巨頭提供的計算和存儲服務，到 2032 年，基礎設施支出規?；驅⑦_到 4,740 億美元，即設備市場的三倍。推理至關重要：蘋果

6、等智能手機廠商和特斯拉等汽車行業的原始設備制造商(OEM)有望受益于對基于推理的對話式 AI 產品以及與生成式 AI 相關的視覺 AI 產品的需求。機器經過訓練后，即可通過推理，根據現有數據得出新知識或結論。軟件用途數不勝數：生成式 AI 或可在各個細分市場找到用武之地，通過全新用戶交互方式顛覆現有的應用軟件類別，其中專業化助手的潛在市場規模最大，到 2032 年有望達到 890 億美元。工作負載基礎設施軟件或將帶來 720 億美元，再次是編程和開發與運營(DevOps)工作流軟件，為 500 億美元。主要研究主題3值得關注的催化劑附加功能費用和法規為增長鋪平道路在企業的 IT 支出中，對生成

7、式 AI 的支出已火速轉變為非可選支出，我們預計穩定的硬件投資、聊天機器人的采用以及 copilot 式產品的附加訂閱料將推動此類支出大幅增長。得益于對 AI 領域的大舉進軍，英偉達等公司的增長預期大幅上調，而微軟（Azure 消費和 copilot）等公司預計也將錄得強勁增長。Copilot、內容生成和定向廣告領跑2023 年下半年:用于訓練工作負載的 GPU 和加速器芯片供應情況得到改善2023 年下半年:新版基礎 LLM 的準確性得到提高2024 年:軟件公司推出的 copilot 附加功能費收入強勁2024 年:聊天機器人顛覆客戶服務領域,幫助企業降低運營成本2024 年:大型互聯網公

8、司推出新內容生成工具,廣告定向投放能力得到改善2025 年:歐盟有望通過AI 法案制定首個綜合性法規2023-27 年:臺積電的生成式 AI 業務實現 50%的復合年增長率2027 年:在特定加速器要求的帶動下,AI 網絡業務有望擴大五倍2030 年:生成式 AI 軟件支出從 2022 年的 10 億美元增加到 1,850 億美元(占總支出的 10%)重要里程碑4圖 1:生成式 AI 的收入潛力來源：彭博行業研究預測（基于IDC、eMarketer、Statista 數據）圖 2:生成式 AI 支出來源：彭博行業研究預測（基于IDC、eMarketer、Statista 數據）AI 概覽潛在市

9、場規模增長在即根據彭博行業研究的市場規?；幽Ｐ?，鑒于生成式 AI 能夠對科技行業的硬件、軟件、服務、廣告和游戲等細分市場的銷售起到提振作用，到 2032 年，生成式 AI 有望形成一個規模達 1.3 萬億美元的市場，復合年增長率達到約 42%。隨著這項革命性技術給企業經營方式帶來改變并優化產品和服務，生成式 AI 占上述領域信息技術總支出的比例可能會從目前的不到 1%擴大到 10%-12%。半導體、硬件、云軟件、IT 服務和廣告公司可能會引領這一變化。但我們可能也會看到新的產品和服務，例如現有產品的替代品以及新類別的出現。5訓練和推理帶來市場機會AI 訓練平臺（LLM）基于包含數十億個參數的

10、神經網絡，其市場份額可能會比推理（使用事先構建好的模型進行預測或決策）更大，從而推升對數據中心存儲單元和服務器加速器的需求。到 2032 年，訓練或將成為該領域最大的新增收入來源，市場規模將接近 5,000 億美元，其中包括服務器、存儲和服務產品。而在推理市場，計算機視覺和對話式 AI 產品可能會成為新興類別，LLM 將被用于特定領域的預測和應用。這些新產品有望推動規模高達 1 萬億美元的設備市場加速增長，而該市場已經因受益于智能音箱和可穿戴設備而快速增長。圖 3:訓練 vs.推理預測來源：彭博行業研究預測（基于 IDC 的硬件和軟件數據）圖 4:生成式 AI 市場份額來源：彭博行業研究預測（

11、基于IDC、eMarketer、Statista 數據）6在硬件領域內部，基礎設施支出（用于訓練）可能會達到設備支出（用于推理）的三倍，因為要管理繁重的相關工作負載，公司需要在服務器和存儲方面投入資金。生成式 AI 基礎設施即服務(IaaS)將是訓練 LLM 的關鍵，有望為未來 10 年的銷售帶來 2,470 億美元的增量。計算機視覺 AI 產品的市場規模有望增長至 610 億美元，而對話式 AI 產品的銷售或將達到 1,080 億美元。我們預計，到 2032年，AI 或有望推動硬件市場總規模從去年的不到 400 億美元擴大到 6,420 億美元。在軟件領域，到 2032 年，生成式 AI 產

12、品帶動的額外支出可能會達到約 2,800 億美元，復合年增長率為 69%。網絡安全、藥物發現、AI 助手以及編程工作流料將成為生成式 AI 支出的最大受益者。為增強用戶體驗，許多軟件企業可能都會推出自研 AI copilot，而專業化助手軟件未來 10 年的銷售規模有望達到 890 億美元。受現有學習工具改進和新工具開發需求驅動，教育軟件的支出料將大幅增長。我們預計生成式 AI 會對游戲和創意軟件的開發起到加速作用，降低準入門檻，為行業變革創造機會。在互聯網領域，生成式 AI 能夠優化廣告的定向投放，推動新形式的誕生，從而提高用戶參與度，推升廣告瀏覽量向銷售的轉化。與其他開發基礎 LLM 的公

13、司相比，Meta 和 Alphabet 這樣的巨頭對開放互聯網語料庫的依賴程度較低，因為它們擁有豐富的第一方數據可供利用，而且有強勁的資本支出實力，有助于進行模型訓練，以優化廣告定向和提高效率。到 2032 年，這樣的提升有望為數字廣告行業帶來 1,920 億美元增量收入。在 IT 和企業服務領域，我們預計，隨著企業尋求能夠在驅動收入增長的同時降低不必要成本的新產品，生成式 AI 產品和工具的銷售有望帶來約 1,200 億美元增量收入。圖 5:生成式 AI 市場概覽來源：彭博行業研究7圖 6:公有云總支出預測（10 億美元）來源：彭博行業研究預測（基于 IDC 的硬件和軟件數據）圖 7:Iaa

14、S和PaaS的收入預測（10 億美元）來源：彭博行業研究預測（基于 IDC 的硬件和軟件數據）云業務有望超越服務器開發盡管短期來看，服務器和存儲可能是生成式 AI 服務最突出的細分市場，但眾多企業無疑將利用公有云的部署形式。我們認為巨型企業將自行開發基礎 LLM，以便在其自有云基礎設施中達到最佳運行效果。Meta、微軟、Alphabet、英偉達、亞馬遜和其他同類供應商或將充當推動訓練 LLM 發展的主力。這些公司能夠獲得用于建立訓練基礎設施所需的資金，同時保持較高的服務器利用率，從而將利潤率維持在健康水平。假以時日，生成式 AI 作為服務的市場規模料將遠高于服務器和存儲，隨著獨立服務器和存儲的

15、增速逐漸下降，到 2032 年，生成式 AI 的增速有望達到 60%。與規模較小的基礎設施軟件同業相比，這一趨勢對于云巨頭的擴張更有利，反映出軟件即服務(SaaS)、平臺即服務(PaaS)和 IaaS 在規模達5,000 億美元的公有云市場中占比的演變。所附圖表中的預測值為保守估計。雖然企業需求向云的過渡極可能在未來幾年加速，但我們并未將這一因素納入假設。8服務器需求料可在短期內維持健康狀態盡管最終會轉向云部署，但對生成式 AI 的爆炸性需求正如 ChatGPT 熱潮所表現出來的料會推動基礎設施硬件市場大幅增長，尤其是為其提供必要算力的服務器。根據 IDC 的數據，2025 年，全球 AI 服

16、務器市場或將較 2021 年增加一倍，至 318 億美元，年均增速有望達到 19.5%左右，超越服務器市場的整體增速（10.7%）。從明年起，AI 料將給全球服務器收入帶來 20%以上的貢獻，而 2021 年為 15%。盡管 2023 年面臨多重經濟壓力，但得益于 ChatGPT 引發的生成式 AI 領域的軍備競賽，AI 服務器支出有望保持強勁。服務器需求的絕大部分或將流向為微軟、谷歌等主要云服務提供商構建定制模型的原始設計制造商(ODM)，這些云服務提供商為 AI 應用程序提供重要的支持和開發。在計算和存儲能力方面，它們的公有云基礎設施也提供必要的 AI 開發擴展能力。微軟是 OpenAI（

17、ChatGPT 的所有者）的主要投資人；而微軟 Azure 是 ChatGPT 的獨家云平臺。中國臺灣主要 ODM 服務器廠商緯穎表示，2022 年 AI 相關設備占其服務器出貨量的 20%。目前，該公司預計來自云服務提供商的服務器訂單中將有近 50%與 AI 有關。圖 8:IaaS和PaaS的收入預測（10 億美元）來源：彭博行業研究預測（基于 IDC 的硬件和軟件數據）9AI 服務器的復雜設計或有助于提振相關供應商的利潤。普通服務器主要采用英特爾和 AMD 的 x86中央處理器(CPU)，但 AI 服務器采用所謂的異構計算架構，即將 CPU、圖形處理器(GPU)和基于高級精簡指令集計算機(

18、RISC)架構的芯片（基于 ARM 架構）等不同的處理器，或自有的專用集成電路(ASIC)整合在一起。這種混合搭配的方法能夠優化系統性能和功耗，但對服務器設計構成挑戰，因為每個處理器的指令集和數據傳輸周期都不一樣。因此，與欠缺專業性的競爭對手相比，擁有深厚設計專長的 ODM 將具備競爭優勢，有可能收取更高的費用，從而提高利潤率。從使用通用 CPU 到使用定制加速器來處理大型數據集工作負載的轉變，是決定訓練能否成為比推理更大的市場的關鍵因素。預計到 2032 年，訓練將占生成式 AI 市場總規模的 36%，而推理占 13%。隨著更多公司開發訓練自有 LLM（例如 OpenAI 的 ChatGPT

19、、Meta 的 LLaMA 和 Alphabet 的Google Bard），半導體加速器的應用可能會增加。圖 9:ODM 直接出貨服務器市場來源：IDC10硬件更新速度加快；網絡是關鍵邊緣設備（用于控制進出網絡間邊界的數據流的硬件）推理需求可能會加速個人電腦和智能手機的升級換代這些設備目前不太能夠跟得上 AI LLM 的繁重處理、內存和存儲要求同時催生出可穿戴設備和智能音箱以外的新類別。隨著更多應用在 OpenAI 的 ChatGPT、谷歌的 PaLM2 和 Meta 的LLaMA 等基礎模型之上得到開發，對推理的需求料將增加。網絡已成為 AI 基礎設施中除服務器和 GPU 以外的另一個極具

20、戰略意義的領域。這通常是超大規模云基礎設施的瓶頸所在，而企業致力于通過擴容來解決這一問題。但與常規云負載相比，生成式 AI 工作負載具有獨特性，其年均增速預計將超過 100%，原因是它計算量繁重、對算力和加速器的要求高，且需要連接不同數據池來支持訓練和推理應用程序。因此，AI 工作負載在單獨的網絡后端運行，而前端則與云基礎設施的其余部分和最終用戶連接?？紤]到 AI 架構的快速增長，到 2027，預計約 25%-30%的超大規模網絡端口將支持 AI 流量。根據 650Group的數據，到 2027 年，AI 網絡的市場規模有望從 2022 年的 20 億美元增加到 110 億美元。圖 10:20

21、22 年智能音箱和可穿戴設備市場來源：IDC11雖然大部分云網絡通過以太網協議傳輸流量，但 InfiniBand 已成為連接 AI 集群的首選技術，因為它能夠高速傳輸數據，且損失極小。InfiniBand 服務于與高性能計算和超級計算環境，到 2022 年，該專有技術將占 AI 后端集群的 87%。英偉達幾乎占據了整個 InfiniBand 市場，并利用其在 AI GPU 領域的領先地位，將其他技術也打包到其 AI 產品組合中。圖 11:AI 網絡架構概覽來源：彭博行業研究12不過，我們認為，博通的 Jericho 3Ai 和思科的 AI 網絡芯片 Silicon One 有望推動以太網技術增

22、速超越 InfiniBand，奪取更大的市場份額。2022-27 年，后端 AI 相關以太網銷售預計將以 69%的復合年增長率增長至 30 億美元。最新的芯片和硬件創新解決了以太網數據流的“突發性”和“易丟包”特性，這可能使其具備比 InfiniBand 更大的吸引力。云巨頭熱衷采用以太網的一部分原因可能在于對相關技術的熟悉，但也有避免被鎖定在英偉達生態系統中的考慮存在。Arista 在高速網絡設備領域獨具優勢，或有望成為云提供商轉向以太網的主要受益者。與此同時，英偉達則料可憑借其通過收購Mellanox 獲得的 Spectrum 交換機，促使客戶轉向面向 AI 的以太網網絡。圖 12:云端

23、AI 網絡銷售預測來源：650 Group圖 13:AI 以太網和整個云交換市場的市場份額來源：650 Group、Dell Oro13圖 14:市場規模（按部署類型）來源：IDC數字化轉型蔓延隨著 ChatGPT 等基于云的 AI 技術快速發展，邊緣 AI 開發的重要性越來越大，是推進 AI 生態系統的重要一步。邊緣 AI 在實時決策和成本節約方面具有很高的價值，對于醫療、制造和交運等領域而言極為關鍵，有望帶來比基于云的 AI 更大的用戶群。我們的情景分析顯示，到 2032 年年底，邊緣 AI 半導體市場的規?？赡軙_到基于云的 AI 市場的 3.37 倍。未來 10 年，邊緣 AI 的采用

24、料將推動消費品（預計將以 39%的 10 年復合年增長率領跑其他細分市場）、工業和自動化領域的 AI 采用率實現顯著增長。除生成式 AI 以外，機器學習和其他 AI 領域也可能會推出更先進的技術。過去幾年，甲骨文一直在大力開發其自治數據庫，AI 預算分配的提高或將為其帶來增長。我們預計其他軟件提供商也將提供更多此類功能，利用機器學習自動完成為產品打補丁、安裝安全更新和通常需要由數據庫管理員執行的任務。未來幾年，它有望在網絡安全領域發揮更大作用，尤其是在事件管理和分析組織內部的不規則模式方面。14市場變革硬件、廣告和游戲市場轉型在即生成式 AI 為變革提供了機會，特別是在硬件、數字廣告和游戲領域

25、。訓練大型語言模型所需的計算密集度可能會推動市場份額向高級 RISC 機器轉移，從而可能會使這類設備成為硬件領域增長最快的類別。Alphabet、Meta 和其他數字廣告巨頭或可借助基于其龐大第一方數據庫的機器學習模型來改善定向投放和品牌轉化率。索尼、谷歌、Unity以及游戲領域的其他企業或將利用AI促進產品開發，優化用戶體驗。LLM 訓練利好向 ARM 的轉變訓練大型語言模型或將導致大部分市場份額從基于 CPU 的服務器流向基于高級 RISC 機器(ARM)的加速器。對 AI 服務器的需求激增已使 ARM 成為硬件領域增長最快的類別。我們認為，假以時日，隨著企業利用公有云部署LLM和其他形式

26、的先進 AI，生成式 AI 即服務的市場規模料將進一步擴大。圖 15:生成式 AI 即服務來源：彭博行業研究預測（基于 IDC 的硬件和軟件數據）15圖 16:生成式 AI 軟件支出預測來源：彭博行業研究預測（基于 IDC 的硬件和軟件數據）圖 17:2032 年軟件支出預測細分來源：彭博行業研究預測（基于 IDC 的硬件和軟件數據）16廣告市場領頭羊 Adobe 和 Salesforce 擁有第一方數據優勢LLM 對計算和存儲的需求巨大，這是我們預計第一階段的實驗將與谷歌、微軟和 AWS 等云巨頭聯手展開的主要原因。即便在成熟階段，考慮到內部基礎設施開發的規模和所需的成本，此類公司仍有可能占

27、據最大的市場份額。OpenAI 在訓練 Transformer 模型方面的領先優勢以及較早與微軟達成合作，使 ChatGPT 的采用情況優于 Meta、亞馬遜、Alphabet 和 Anthropic 等基于文本的 LLM。隨著大多數超大規模企業紛紛投資于自有基礎 LLM 的開發，我們認為 OpenAI 需要保持其在算法方面的領先地位，同時確保從維基百科、Reddit 和 Stack Overflow 等公司的開放式互聯網語料庫中獲取訓練數據。Alphabet旗下 DeepMind 和 Google Brain AI 部門的合并，可以起到加速變革的作用，利用 LLM 來維持搜索、Chrome

28、和地圖應用等各個收入來源的用戶參與度。在向生成式 AI 的迅速轉型過程中，Meta、Adobe、微軟、Alphabet 和 Salesforce 等巨頭比規模較小的競爭對手更具優勢，原因有二：它們手握海量第一方數據，且擁有充足的資本可供部署。上述幾家公司在所屬類別的市場份額均領先，有能力提供海量信息用于訓練 AI 模型，從而得出更準確、更有效的結果。隨著由 AI 生成的內容涌現，提高用戶參與度和平臺的變現能力，Meta 等社交媒體平臺料將得到提振。LLM 和生成式 AI 有望加速從傳統電視到數字廣告的轉變。據我們計算，到 2032 年，隨著人們將更多時間花在線上，疊加廣告定向投放和個性化水平的

29、提升，這一市場的規模料將擴大近 2,000 億美元。隨著 LLM 的功能不斷增強，這些平臺的廣告轉化率料可獲得提振，利好在云基礎設施領域實力強勁和第一方數據最為豐富的公司。由廣告收入提供支持的模式可能仍將是線上搜索和利用深度學習和生成式 AI 的新工具的主要變現形式。彭博行業研究近期的一項調查發現，只有 13%的受訪者愿意為訂閱使用 ChatGPT 等生成式 AI 工具付費。其中，只有 1%的受訪者表示愿意為 ChatGPT 支付每月 20 美元的訂閱費，其余人表示愿意支付 6-10 美元。在所有參與者中，有 93%表示他們不愿支付超過 10 美元/月。研究結果表明，降低價格有望推動生成式 A

30、I 訂閱的滲透率提升 10 倍。例如：雖然免費版的推出幫助 ChatGPT 以比任何消費應用都更快的速度贏得了 1 億月活用戶，但付費用戶的轉化率仍處于低單位數水平。圖 18:生成式 AI 數字廣告來源：彭博行業研究預測（基于eMarketer 的數字廣告數據）17索尼和谷歌為游戲設計探索新交互界面部分初創公司已經展示了一些有趣的技術，根據描述和開放式互聯網提供的大量訓練數據生成“合成內容”，即由計算機生成、模擬真實世界信息的數據。生成式 AI 能夠加快手游、社交媒體以及虛擬現實和增強現實應用的創作過程。AI 工具可能會令高預算、高知名度游戲公司以外的游戲數據迅速增加，包括用戶自己生成的游戲數

31、據。在 Bard、LLaMA 和 ChatGPT 等工具提供的基礎模型以外，開發者依然是游戲和元宇宙領域的關鍵。蘋果、谷歌的安卓，以及索尼的 PlayStation 等游戲生態系統可能會通過提供軟件開發工具包的方式，利用 LLM 簡化其平臺上的新內容創作。生成式 AI 或將幫助創意軟件工具從點擊式轉向基于描述和語音的用戶界面。盡管谷歌和 Meta 已經開發出用于生成圖像的 LLM，但采用率均落后于 Stability AI、Midjourney和 OpenAI 的 Dall-E。大多數基于圖像的生成式 AI 模型依賴于擴散技術，而呈現的圖像質量則取決于訓練數據和分配給所用參數的權重。雖然 Ad

32、obe 一直在投資開發自研生成式 AI 功能，并推出了 Firefly，但我們預計其他設計和游戲軟件公司為了利用專有數據和分布，也會投資開發自有生成式 AI 模型。圖 19:廣告用途來源：eMarketer圖 20:生成式 AI 游戲來源：彭博行業研究預測（基于 IDC的硬件和軟件數據）18細分市場分析熱門程度取決于目前終端市場的采用狀況從創造新收入的角度來看，生成式 AI 對應用軟件行業的影響可能遠不及對基礎設施軟件深遠。但我們已經開始看到人工智能輔助編程應用 copilot 在應用軟件領域嶄露頭角：微軟、Adobe、Snap 等公司均在近幾個月推出了自己的 copilot 版本。彭博行業研

33、究對市場機會的分析顯示，與生成式 AI 相關的新增軟件銷售有望達到 2,800 億美元，其中大部分可能來自基礎設施領域。Copilot 引領新征程在應用軟件領域，教育、藥物發現和專業化 AI 助手可能是更重要的新增收入的來源。游戲、IT 和企業服務可能是貢獻較小的類別。企業服務下的子類別，客戶服務和業務流程外包受到 AI 工具的影響程度可能較大，銷售或將縮水。Microsoft 365 的 copilot 和 Adobe 的 Firefly 是應用軟件領域的兩種生成式 AI 助手。盡管我們不認為這些 AI 助手會推動新用戶數快速增長，但鑒于這些應用的市場滲透率較高，隨著產品使用粘性的提高，平均

34、每名用戶的收入也有望增加。過去幾個月，許多公司（包括 Snap、微軟和 CrowdStrike）均已部署 AI 聊天機器人和 copilot。我們認為，將有更多公司推出通過 AI 助手幫助用戶提高生產力的類似產品。軟件編程領域可能受益最多，開發人員嚴重短缺的壓力或有望在一定程度上得到緩解。微軟基于 OpenAI 的 GitHub copilot（企業用戶每個月的訂閱費為 19 美元）就屬于這類產品，可為開發人員提供建議，大幅縮短編程時間。ServiceNow 等其他軟件基礎設施提供商或將在明年推出類似的產品。隨著客服和后臺工作被 AI 助手取代，業務流程外包服務被顛覆的程度可能比 IT 服務更

35、為嚴重。這可能會在短期內造成定價壓力，特別是客服領域，該領域雖位于業務流程外包價值鏈的最下游，但仍是其規模最大且增長最快的次級細分市場。根據 IDC 數據，到 2027 年，客戶服務業務的規模預計將以每年 6.5%的速度擴大，而所有其他業務流程外包服務的增速為每年 3.5%。圖 21:編程 vs.對話式交互界面來源：彭博行業研究19加強網絡安全的同時改善留存率生成式 AI 或大型語言模型不太可能為網絡安全和 DevOps 帶來獨立的收入機會，但我們認為，隨著copilot 投入使用，加上純云服務提供商產品效率的不斷提高，總留存率和追加銷售或有望改善網絡安全領域在這兩項指標上的表現通常不及其他軟

36、件領域。一些大型語言模型能夠從結構化和非結構化來源攝取海量遙測和威脅數據，這或將有助于提高其有效性，讓擁有專有數據且已領跑這一細分市場的云提供商（如 CrowdStrike、SentinelOne 和 Zscaler）占據更有利的地位。CrowdStrike 不但推出了 copilot，而且與 AWS 擴大合作，旨在利用生成式 AI 提高產品的有效性，并在將這一技術應用于網絡安全方面取得先機。對于簡柏特和 EXL Service 等客服業務極少的業務流程外包服務公司來說，生成式 AI 對收入的影響多屬于利好。那些側重提供更高增值服務的公司可能會利用 AI 帶來的效率提升來擴大其潛在市場的總規模

37、，特別是數據分析等領域。圖 22:業務流程外包預測來源：彭博行業研究預測（基于 IDC的硬件和軟件數據）20圖 23:生成式 AI 的網絡安全和 DevOps市場來源：彭博行業研究預測（基于 IDC的硬件和軟件數據）圖 24:2022-32 年訓練市場預測來源：彭博行業研究預測（基于 IDC的硬件和軟件數據）盡管存在微軟這個強大的競爭對手，但生成式 AI 的迅速增長或將推升對 CrowdStrike、SentinelOne 和 Okta 等純云安全提供商的需求，因為它們提供跨多個云的服務，有助于應對不斷演進的威脅、避免惡意行為者對生成式 AI 的潛在利用。與其他巨頭相比，谷歌有望繼續通過其收購

38、的Mandiant來增強其云服務的安全性。數據價格不菲大型語言模型的規模和復雜性導致訓練過程的數據密集度極高。盡管 OpenAI 的 ChatGPT 已與微軟達成合作，但在可供訓練的數據量方面可能仍難以與互聯網巨頭相媲美。ChatGPT 的初期應用主要集中于改變搜索的本質；這一領域一直以來由谷歌主導。當時 ChatGPT 的主要用途是根據用戶輸入分析、生成和編輯文本。然而在短短幾個月內，OpenAI 就意識到生成式 AI的強大之處，該平臺的應用范圍迅速擴大至傳統搜索之外。最新版 ChatGPT 可以處理包括圖像、音頻和視頻在內的各類數據。此類輸入所需的計算資源遠遠超過基于文本的 LLM?；?

39、Transformer 架構的 LLM 由于采用多模態輸入，很可能規模更大、復雜性更高，這可能有助于微軟與 OpenAI 保持其相對 Meta、谷歌和 Amazon 等其他基礎 LLM 的領先地位。21圖 25:ChatGPT的每日用戶訪問量來源：Similarweb圖 26:亞洲主要服務器制造商來源：彭博行業研究全球服務器收入的五分之一由 AI 驅動ChatGPT 的活躍用戶數強勁增長，這意味著生成式 AI 或將成為未來幾年服務器供應鏈增長最重要的催化劑之一，據我們計算，到 2024 年，全球服務器收入的占比將從 2021 年的 15%提高到 20%以上。OpenAI 于去年 11 月推出

40、ChatGPT，此后一周用戶基數已多達 100 萬，并在短短兩個月內破億。OpenAI 推出了一項每月 20 美元的訂閱服務，并為企業提供付費使用 ChatGPT 的渠道，以擴大商業化應用。Snap、Shopify和Instacart等公司已將 ChatGPT 集成到各自的產品中。服務器供應鏈的原始設計制造商有望收獲最多需求，因為云服務提供商已經成為 AI 開發的重要參與者。AI 服務器也有望給其他擁有設計專長的供應商帶來強勁銷售。22用途不斷擴大未來 10 年服務支出有望逐年翻倍ChatGPT 的早期應用情況顯示，生成式 AI 有望大幅擴大軟件垂直市場，該市場目前僅占數據庫、企業資源規劃和客

41、戶關系管理等細分市場的一小部分。生命科學和教育公司有望實現快速增長，并成為專營供應商，得益于軟件中大型語言模型的使用，進而推動生產效率的提升。除此之外，還有可能會改變搜索和其他信息匯總需求的、基于 AI 的專業化軟件助手。圖 27:生命科學和教育領域的生成式 AI 支出來源：彭博行業研究23基礎設施領跑軟件、游戲和 IT 服務我們的市場機會分析顯示，在全新 AI 技術框架的帶動下，到 2032 年，軟件支出有望增加 2,800 億美元，即從 2022 年起以年均 69%的速度一路攀升。AI 助手、網絡安全、藥物發現和編程工作流是推動額外支出增長的一些重要類別?；A設施軟件的收入機會似乎會比應用

42、軟件、游戲和 IT 服務增長更快。我們預計軟件行業的留存率將得到改善，平均每用戶收入趨于上升、開發成本下降，而隨著研發支出的下降，該行業的利潤率有望上升 200-400 個基點。未來 10 年，服務方面的支出有望增加約 1,200 億美元，即從 2022 年起每年翻一番。咨詢、數據相關服務、定制應用程序的開發和新聊天機器人的創造都會對額外支出起到驅動作用。IT 和企業服務市場目前的總規模約為 1.2 萬億美元，假設年均增速為 6%，則未來 10 年有望達到 2.1 萬億美元。圖 28:生成式 AI 軟件支出預測來源：彭博行業研究預測（基于 IDC的硬件和軟件數據）圖 29:IT 和企業服務市場

43、的生成式 AI 來源：彭博行業研究預測（基于 IDC的硬件和軟件數據）24谷歌、IBM、甲骨文、微軟和 AWS 有望贏得更多云服務訂單。IBM 的主要動力在于混合云和安全服務（包含 Watson 相關產品）。甲骨文有望在數據庫管理產品方面取得市場份額的領先地位。Splunk、思科、Snowflake、VMware 和 ServiceNow 也具有顯著優勢。網絡安全領域的領軍企業則包括派拓網絡、Fortinet 和微軟。Adobe、Unity、Roblox 和 Matterport 等公司可能必須迅速轉向，將 AI 集成到其軟件中，以應對來自采用 LLM 的初創公司的競爭。圖 30:云、數據庫和

44、網絡安全的主要提供商來源：彭博行業研究25個人化技術蘋果和三星電子將加入這一行列 AI 賦能的工具得到擴展鑒于面向特定領域預測的 LLM 已經面世，基于對話式 AI 和計算機視覺產品的語音助手或會作為新的推理類產品出現。蘋果、三星電子、亞馬遜以及其他公司可能會根據其現有產品與對話式 AI 的結合效果考慮采用這類 AI。同樣，特斯拉和通用汽車等車企也可能會通過投資于計算機視覺研究，推動新一代車載 AI 的發展。生成式 AI 不斷進步，最近訓練的 LLM 的響應精確度也有所提高，在這樣的環境下，上述幾類產品有望加速設備市場的發展。在這一總規模高達 1 萬億美元的市場中，智能音箱和可穿戴設備已初成氣

45、候。若生成式 AI 為主流用戶所采用，個人電腦和智能手機的更新周期或將縮短，因為這些邊緣裝置的當前配置可能沒有經過優化，無法運行生成式 AI 應用程序，后者需要大量的處理、內存和存儲空間。個性化帶動銷售增長蘋果和三星電子等硬件制造商的對話式 AI 產品可能會與個人電腦和智能手機捆綁在一起，這有助于推動現有用戶群升級，同時亦可驅動服務業務的增長。蘋果（HomePod）、谷歌（Home）和亞馬遜（Echo）等供應商或將改進其具備智能助手功能的音箱設備，而特斯拉、寶馬、福特汽車和大眾等車企或將其集成到汽車上，以提升駕駛員的互動體驗。根據彭博行業研究最近的一項調查，在消費者中，對話式 AI 遠比采用生

46、成式 AI 的 copilot 更受歡迎，超過 40%的受訪者表示自己經常在對話式交互界面使用 AI 工具。我們預計，到 2032 年，這些產品將以 43%左右的復合年增長率增長，與生成式 AI 市場的整體增速一致。大部分增長料將發生在這一時期的后半段當這一產品類別變得更成熟之時。計算機視覺也可能會成為生成式 AI 工具的重要應用領域。構建 LLM 將需要大量訓練數據，還需將生成式 AI 部署在汽車內，以運行推理功能。我們預計計算機視覺所帶來的增量收入將主要來自硬件，而隨著這項技術在高級駕駛輔助系統中得到應用，這一產品類別的規模有望在 2032 年前擴大至約 600億美元。從中長期來看，相關服

47、務的銷售可能會受到更大的影響。要運行這些繁重的工作負載，AI 訓練基礎設施必不可少，激發了對大容量服務器和存儲的需求。大多數訓練相關的工作負載都將是新型任務，考慮到企業目前使用通用處理器處理分析和交易。圖 31:2022-32 年推理預測來源：彭博行業研究預測（基于 IDC的硬件和軟件數據）26圖 32:對話式 AI 來源：彭博行業研究預測（基于 IDC的硬件和軟件數據）圖 33:計算機視覺 AI 來源：彭博行業研究預測（基于 IDC的硬件和軟件數據）27資本支出展望對 AI 的需求將意味著 2.4 萬億美元的資本支出生成式 AI 工作負載非常繁重，這料將在短期內刺激企業對服務器和存儲的投資。

48、過去幾年，全球軟件支出平均每年增長 10%-12%左右，盡管近期有所放緩，但隨著企業投資于 AI，軟件類別的前景將變得更加光明。對軟件制造商而言更是如此，它們可以通過引入生成式 AI 來優化現有產品陣容。因此，采用這些技術的相關資本支出或將上升，從而令軟件支出在 2022-2032 年以每年 11%的速度攀升至 2032 年末的 2.4 萬億美元。在短期內，為確保 AI 工作負載的高質量運行，數據中心和云運營商很可能將承受更高的成本，因為運轉故障和系統失靈可能會導致訴訟、合同取消和經濟損失。我們認為，Alphabet、Meta 和亞馬遜等大多數巨頭最終都會將資本支出投入到專有的基礎 LLM 的

49、開發當中，以便更充分地利用各自的云基礎設施。鑒于微軟已在 OpenAI 的 ChatGPT 進行大量投資，該軟件巨頭短期內不太可能開發自有 LLM。圖 34:科技巨頭的資本支出來源：彭博行業研究28處理芯片和內存芯片需求增長機遇遍布全球人工智能的普及可能會推動對圖形處理單元(GPU)和動態隨機存取內存(DRAM)的需求，從而提振 SK海力士、三星電子和美光科技的銷售。我們認為，內存半導體和 AI 加速器將在數據中心芯片市場的擴張中扮演重要角色，未來三到五年，二者的年增長率均有望超過 15%。臺積電實力強大 有望從競爭中脫穎而出Fortinet 和派拓網絡可能會在生成式 AI 領域利用定制半導體

50、的優勢，為其硬件和軟件防火墻的穩定更新提供支持。Fortinet 為其 ASIC 芯片添加了軟件定義廣域網(SD-WAN)功能，從而得以從思科和Check Point 等傳統防火墻供應商中獲得更大份額。派拓網絡則成功地將其 Prisma、Cortex 和虛擬防火墻捆綁在一起，幫助企業客戶保護其本地和公有云的工作負載。隨著數據中心中 AI 芯片的功耗受到越來越嚴格的審視，AMD 的節能 AI 加速器料將從中受益。據我們計算，由于 AI 加速器需求迅速增長，英偉達和 AMD 的生產訂單迅速回升，臺積電下半年的銷售額有望快速改善。今年，臺積電以美元計的收入小幅下降，之后有望在明年大幅回升，增幅或達到

51、10%-20%的高段水平。根據我們的情景分析，未來四年，其銷售有望大增高達 50%，從而擺脫因個人電腦和智能手機需求下降而造成的收入下滑。臺積電要等到 2025 年，才能通過 AI 芯片獲得可觀的收入增長。根據 IDC 的數據，包括 AI 加速器在內的 GPU 服務器細分市場在 2022 年的銷售額僅為 105 億美元，約占全球計算處理器市場的 12%。圖 35:網絡安全市場來源：IDC29圖 36:彭博行業研究情景分析來源：彭博行業研究圖 37:服務器 GPU 的 2019-2022 年銷售增長來源：IDC，彭博行業研究臺積電在先進半導體制造工藝方面占據主導地位，能夠繼續獲得來自英偉達和 A

52、MD 等主要廠商的大部分 AI 芯片生產訂單。由于該公司的良率較高，這一優勢預計將持續下去。此外，許多 AI 芯片設計廠商更青睞臺積電的 CoWoS 封裝，因為其具有更高的互聯密度，封裝尺寸更大，成本效益也更高。30圖 38:DRAM 位元需求（按應用）來源：Gartner，彭博行業研究對速度的需求推動性能迅速提高高帶寬內存(HBM)芯片料將發揮重要作用，因為只有當內存能夠在高速條件下為 GPU 提供大量數據的情況下，才能迅速實現 GPU 的性能提升。隨著等主要廠商的大部分 AI 芯片生產訂單。由于該公司的良率較高，這一優勢預計將持續下去。此外，許多 AI 模型變得愈發復雜，訓練要求也越來越高

53、，HBM 芯片（如 DDR5）有望得到更廣泛的應用。自 SK 海力士宣布將向英偉達出貨業界首款 HBM以來，該公司有望隨英偉達對 GPU 需求的不斷增長而受益。隨著 GPU 和 HBM 得到越來越廣泛的應用，全球最大的 DRAM 制造商三星電子的業績也有望上升。31圖 39:DRAM 供應商的市場份額來源：Gartner，彭博行業研究圖 40:主要 DRAM 制造商的出貨量（按用途）來源：IDC，彭博行業研究32隨著人工智能在推理應用領域日益普及，圖形雙數據速率記憶體（GDDR，用于注重成本的零售電腦顯卡）和低功耗雙數據速率記憶體（LPDDR，主要用于智能手機）等 DRAM 的價值有望提高。如

54、果所有處理工作都在服務器上進行，那么耗電量和數據通信的規模將變得過大。這意味著有必要在邊緣設備上執行 AI 任務，這可能將推動個人電腦、汽車、機器人、智能手機和安全攝像頭等產品的DRAM 訂單激增，提振三星和 SK 海力士的銷售。DRAM 被用于在服務器上執行大規模 AI 計算，該部分的訂單量低于智能手機和個人電腦。智能手機和個人電腦占全球 DRAM 位元需求的 40%以上。服務器占 DRAM 整體需求的 30%左右，而人工智能僅占其中的一小部分，因此僅靠 工具還不足以在短期內提振 DRAM 的整體需求。人工智能對芯片性能改進速度的要求高于小型化和先進封裝的發展速度，這意味著質量存在不確定性。

55、因此，能夠準確地評估芯片性能和質量的芯片測試機的重要性或將急劇上升。Teradyne 在該領域具有巨大的競爭優勢?？蛻魧鄣氯f測試的 V93000 系列 SoC 測試系統給予了高度評價。圖 41:比較不同類型的 DRAM來源：彭博行業研究圖 42:愛德萬測試和 Teradyne 芯片測試機的銷售情況來源：公司數據、彭博行業研究33質量保證對單個芯片，以及芯片的整體封裝均十分必要，完整的系統級測試(SLT)的重要性也將上升。3 納米工藝正在興起，將數個芯片或裸片垂直放置在基板上的晶粒封裝在幾年內可能也會被采用。除了識別有缺陷的產品以外，像 Teradyne 這樣的測試機制造商還需要降低將良品錯誤

56、歸類為缺陷品的可能性，這對技術實力的要求相當高。愛德萬測試在 2019 年和 2020 年先后收購了 Astronics和雅詩，SLT 業務。圖 43:愛德萬測試的SLT銷售來源：愛德萬測試、彭博行業研究圖 44:內存測試機市場規模來源：愛德萬測試、彭博行業研究34聊天機器人變身個性化購物助手生成式 AI 正在為聊天機器人向個性化購物助手的轉變鋪平道路，個性化購物助手能夠在消費者的要求下，向其展示合適的品牌和產品。Snap、Meta、Pinterest 等已在旗下平臺上部署購物功能的公司正投資 AI 聊天機器人，并可能會通過提供個性化購物助手，提高用戶對社交商務的使用率，從而增加商業化變現機會

57、。多模態搜索可將用戶體驗延伸至基于文本的功能以外，后者目前在市場占據主導地位。我們認為ChatGPT 的對話性質可能會在短期內減少廣告量，因為經匯總的回復降低了點擊鏈接查找信息的必要性。隨著生成式 AI 和機器學習算法的日益進步，并不斷根據用戶輸入進行調整，它們將更能夠迎合人們的品味、興趣和生活方式，提供更加定制化的獨特體驗，并為社交媒體和搜索平臺提供新內容。這有望擴大可用性、提高用戶參與度，就像 TikTok 使用 AI 算法向用戶推薦內容一樣。對于擁有豐富的第一方數據的大公司而言，LLM 有望改善廣告的定向投放。Meta 的 Reels 系列產品已經轉而采用基于 AI 的推薦，以便部分抵消

58、因蘋果改變其廣告主標識符(IDFA)政策而產生的不利影響。Meta 可能會繼續開發其LLaMALLM，并提高廣告營銷活動的質量。生成式 AI 還有望加速從廣播電視向數字廣告的轉變，特別是考慮到提供個性化廣告版本有助于提高效率和銷售轉化。隨著更多優質內容從廣播電視轉向流媒體，LLM 料可為現有的大型媒體公司帶來更多益處。我們的分析顯示，通過平臺使用時間、廣告定向投放和個性化助手，生成式 AI 市場有望在2032 年前增至近 2,000 億美元。圖 45:對 AI 服務的興趣來源：eMarketer圖 46:數字廣告支出來源：彭博行業研究預測（基于eMarketer 的數字廣告數據）35圖 47:

59、歐盟法案立法程序時間表來源：彭博行業研究監管格局歐盟遙遙領先于美國；科技巨頭面臨風險生成式 AI 的可信性和內容安全性有必要加強，在檢測和防止因不當使用該技術而產生嚴重虛假內容方面，Snap、Meta、TikTok 和 Alphabet 等重要參與者擁有巨大優勢。對可信性和內容安全性的加強料可改善廣告商的品牌安全狀況，同時有助于提高在上述平臺的廣告支出轉化率。若與 AI 相關的監管趨嚴，也可能會導致數據保護和加密成本上升。在針對 AI 的監管方面，歐洲遙遙領先于美國。鑒于 AI 工具的開發速度極快，我們認為設立專門的監管機構是少數可行的監管模式之一。歐盟采取全面監管的方式歐盟即將通過 AI 法

60、案 實施第一套全面監管辦法，不過該法案仍在討論中，可能要到 2025 年或以后才會生效。大舉投資于 AI 開發的科技巨頭料將受到最嚴厲的審查。風險仍然存在，除非法規放松，否則 AI 在該地區的發展將會受限。盡管歐盟對科技的嚴控態度似乎可能會隨著AI 法案的出臺而繼續，但在有關生成式 AI（如ChatGPT）的規定方面還有達成折衷辦法的空間。擬議的歐盟法規可能涵蓋社交媒體平臺推薦系統、信用和考試評分、就業管理工具（如簡歷分類軟件）的各類主題，并將其認定為高風險應用。上述類型的系統需要經過合規評估和注冊登記才能在歐盟地區投入使用。這可能會阻礙歐洲的創新步伐，拖慢新應用打入該市場的腳步，并推高合規成

61、本，從而影響利益相關方實現大規模采用 AI 的目標。歐盟的一般做法是，根據應用帶來的風險類型將 AI 系統分為幾個級別。相關法規將禁止“不可接受的風險”級別的應用，包括將 AI 用于社會評分和生物識別等活動。對于低一級的“高風險”應用（包括頭部平臺的推薦系統），預計需要經過多個步驟才能獲得批準。AI 的許多企業應用可能會被貼上“高風險”標簽，這意味著合規成本或將超過提高效率帶來的益處?！坝邢揎L險”應用（如聊天機器人）僅要求披露，而“極低風險”產品（如垃圾郵件過濾工具）不受任何限制。歐盟 AI 法案 可能會對違規企業最高處以年營業額 6%-7%的罰款（歐盟委員會擬議的處罰比例是6%，而議會將其提

62、高到 7%），高于現行 通用數據保護條例(GDPR)規定的最高限額 4%。在 GDPR實施的頭五年累計產生了近 40 億歐元的罰款，其中對 Meta 的罰款占總額的 64%。亞馬遜占 19%，谷歌占 5%?？紤]到生成式 AI 具備塑造市場的潛力，我們認為處罰的威脅短期內不會阻礙對生成式 AI 的投資。366 月 14 日，歐洲議會全體會議表決通過了 AI 法案，為其與歐洲理事會和歐盟委員會的三方協商鋪平了道路。雖然會談沒有固定時間表，但在年底前（趕在明年 5 月議會選舉前）完成協商將面臨巨大壓力。法案生效后將有兩到三年的執行過渡期。因此，相關企業只需在 2025 年底前（更可能是 2026年）

63、做到合規即可。歐盟的政策制定者正在推動自愿行為準則的制定，以此作為 AI 法案生效前的臨時措施。如果這一方案得以實現，我們預計行業領軍企業將接受有助于塑造監管范圍的原則。AI 法案 將為歐盟日益復雜的科技監管框架再添新元素。近年來，歐盟一直試圖遏制肆意收集和使用個人數據的行為(GDPR)，并對各大平臺施加與內容審查（數字服務法）和濫用市場力量（數字市場法）有關的義務。這些規則可能會對企業處以巨額經濟處罰并要求整改運營，從而對企業產生重大影響。GDPR 的執行一直是分散的，愛爾蘭負責監管大多數平臺。歐盟委員會負責監督 數字服務法(DSA)和 數字市場法(DMA)的合規情況。AI 法案的執行可能會

64、由各個國家級監管機構負責。圖 48:Meta 遭受 GDPR 重拳打擊來源：GDPR 執法追蹤工具、彭博行業研究圖 49:歐盟近年來針對科技領域的監管措施來源：彭博行業研究37美國不太可能采取激進的監管措施如果美國采取激進的監管方式（我們認為這不太可能發生），則可能會削弱一系列公司的 AI 產品增長：美光科技和英偉達等芯片制造商；亞馬遜和甲骨文等云基礎設施提供商；Adobe、IBM 和微軟等軟件和開發工具制造商，以及將 AI 應用于數據、搜索和廣告功能的平臺，如 Alphabet 和 Meta。第一項聯邦兩黨法案“取消第 230 條對人工智能的豁免權法案”（料收效甚微）表明，在嚴格的 AI 監

65、管法案落地美國之前，還有很多工作要做。該法案將確認一項聯邦責任保護條款（即 通信規范法案 第 230 條）不適用于 AI，但我們認為法院無論如何都不太可能將該條適用于 AI 技術。更值得注意的是，該法案并不會賦予聯邦起訴 AI 相關危害的權利，也未試圖界定什么是 AI。其中對“通用 AI”的定義過于寬泛，以至于該法案實際上可能會使許多現有線上平臺失去第 230 條的保護。如果不大幅縮小界定范圍，該草案很可能不會正式成法。在我們看來，第二項兩黨法案“國家人工智能委員會法案”才是國會邁出的明智的第一步，而且很有可能會正式成為法律。它主張創立由 20 名成員組成的獨立的兩黨委員會，研究 AI 的風險

66、，并提出防范措施。該委員會將在兩年內發布三份報告，推動監管框架的形成。成員將包括來自業界的代表，料有助于緩和反對情緒。出人意料的是，5 月參議院聽證會對我們認為最符合邏輯但也可能最具顛覆性的美國 AI 監管推進方式持樂觀態度：新設一個專門監管 AI 的聯邦機構。美國國會無法跟上 AI 的高速發展，盡管設立新機構同樣存在困難，但國會將至少有機會對這項技術進行監管，并制定法律準 繩。與負責監管所有行業的聯邦貿易委員會相比，這樣的機構也更專注于 AI 領域。但成立新機構可能會打亂現有計劃，因此或將面對來自業界的強烈反對，而可能支持的公司料會推動限制該機構的權限。國會也可能考慮采取許可模式，即對于覆蓋

67、面廣或存在嚴重潛在危害的 AI 應用，須獲得新監管機構的許可才能投入運營。這種做法恐招致業界的激烈抵制，包括聲稱此舉將扼殺 AI 創新并將其推向國外。侵入性更低的監管方案可能會以透明度為重點，要求對 AI 產品進行披露和標記，還可能會要求監管機構或研究人員能夠監控數據的收集或使用。由于國會不太可能就顛覆性方案例如創立新的監管機構或發展許可模式達成共識，我們預計 AI 將在現有法律框架下受到監管，即便它們有時并不適用。例如，聯邦貿易委員會(FTC)將負責監控不公平和欺詐行為，而各行業的現行法律或將對 AI 在不同行業的應用加以限制。在這一輕度干預的監管模式下，AI 料可在美國蓬勃發展。但是，與社

68、交媒體公司不同的是，AI 用戶可能無法從 通信規范法 第 230 條中受到廣泛的訴訟保護。38環境、社會和治理(ESG)展望降低能耗；保護 IP 和隱私圖形處理器在 AI 推理中的使用增加，這將大幅提高數據中心服務器的能耗，從而使節能在最大限度提高運行效率的同時，盡可能降低電力和冷卻成本成為優先事項。相比英偉達，這可能更利好 AMD，因為 AMD 最新推出的 MI250X 加速器單位功率下的每秒浮點運算次數峰值高于英偉達的H100。我們認為，ARM 有望繼續通過數據中心的 x86 處理器擴大市場份額?，F有的互聯網工作負載主要運行在 x86 架構上，但大多數生成式 AI 應用將在 GPU 這樣的

69、芯片上運行，后者能夠以低功耗執行大規模并行處理。得益于 ARM 設計的高能效，英偉達在計算統一設備架構(CUDA)接口方面的優勢很可能惠及基于ARM 的處理器，并有望幫助該公司通過應用于數據中心、網絡和邊緣設備上的 x86 處理器擴大市場份額。圖 50:先進 AI 芯片的能源效率來源：公司文件、彭博行業研究39在彭博行業研究的調研中，約 40%的受訪者表示擔心生成式 AI 對信息的使用可能會侵犯知識產權。不過大多數受訪者表示，只要這些工具提供的搜索結果優于谷歌和其他網站的傳統搜索功能，就愿意使用它們。鑒于相關公司可能會進一步披露有關如何使用專有數據（而非公開網絡數據）訓練其算法的信息，知識產權

70、擔憂有望隨著時間的推移而逐漸下降。圖 51:x86 vs.ARM 出貨量預測來源：IDC40圖 52:對生成式 AI 搜索結果的擔憂來源：彭博行業研究圖 53:歐洲公司注重潛力來源：DSCO 高級生成式 AI 系統的開發者可能會退出歐盟市場，除非歐盟對擬議的監管條例作出進一步修訂。今年，歐洲公司對生成式 AI 和 ChatGPT 的提及次數出現爆炸式增長，表明應用該新技術的意愿強烈。不過，歐洲議會在 6 月 14 日采用的規則讓生成式 AI 模型的開發者面臨更多限制，例如與訓練用數據集相關的透明度規則。由于所有 AI 本質上都是由數據驅動的收集海量數據并在此基礎上利用機器學習輸出結果美國監管機

71、構可以通過限制可收集和使用的數據來防范相關危害。這與針對社交媒體公司提出的數據隱私法規類似。慮及這些相似之處，預計互聯網平臺將極力游說抵制此類限制。41圖 54:科技主題和敞口、年初至今表現來源：彭博行業研究業績和估值AI 在科技板塊各領域獨領風騷隨著科技主題在各個領域蓄力加速，AI 不負眾望領跑，帶動從軟件到硬件、網絡、服務等各個科技領域的股價和估值倍數上漲。業績：英偉達開辟道路 但并非孤軍奮戰今年，AI 主題跑贏了其他科技主題，2023 年迄今的回報率達到 47%，遠高于網絡安全（33%）和云（32%）。AI 領域的贏家不僅限于英偉達（232%），今年硬件股回報率達 67%，半導體股也上漲

72、了66%。AI 還跑贏了網絡安全和元宇宙主題，并超過納斯達克 100 指數 420 個基點。生成式 AI 依然是推動預期上修和估值倍數擴張的主要催化劑。截至目前，布局基礎模型訓練的半導體和硬件公司（最值得關注的是英偉達和微軟）是這一趨勢的主要受益者。Alphabet、Meta 和Roblox 等互聯網公司正在投資開發自己的基于專有數據和開放互聯網數據的 LLM，以挑戰 OpenAIGPT 的采用率。估值：預期隨產品前景拓寬而上調一些半導體公司的估值倍數大幅上升，英偉達再次領跑，AI 對其銷售增長預期的影響最為明顯。收入預期的修正動能可能取決于產品發布速度，比如微軟發布的 GitHub Copi

73、lot 和辦公用copilot。Alphabet 最近發布了 Bard Chatbot 和 Duet AI copilot，而 Meta 將其 Llama 基礎模型開源，以提升采用率。我們預計甲骨文、Snowflake、MongoDB 和 Databricks 等其他數據庫和基礎設施軟件公司將發布矢量數據庫等產品，以便發揮用于訓練 LLM 的海量數據的優勢，這可能有助于推動市場普遍預期上修。42公司影響預計到 2032 年，生成式 AI 支出將達到 1.3 萬億美元，料將在科技板塊各領域產生連鎖反應。下文詳述部分公司如何在未來 10 年實現增長。微軟躋身最具優勢的軟件制造商之列企業展望：企業紛

74、紛對傳統 IT 設備進行升級，微軟龐大的軟件應用陣容使其成為日益增長的數字化轉型的主要受益者。隨著企業接受混合辦公理念，聊天協作產品 Teams 有助于驅動 Microsoft 365 增長。隨著企業在私有云和公有云之間移動更多工作負載，微軟在本地和公有云基礎設施方面的主導地位或使其成為混合云的頭部提供商。微軟對 OpenAI 的投資也可能使其大部分產品的性能穩步提升，不過我們預計要實現有意義的收入增長還需要花上幾年的時間。AI 影響：與大多數軟件公司相比，微軟在利用日益普及的生成式 AI 方面處于更有利的地位，因為與OpenAI 的合作具有先發優勢。微軟是首家在產品陣容中（從 Office

75、到 GitHub）推出 AI copilot 的大型企業。長遠來看，在微軟的眾多產品中，基于云的基礎設施產品 Azure 最可能成為 AI 需求增長的主要受益者。微軟不僅在 Azure 中引入 ChatGPT，還在該平臺中提供了 OpenAI 的大型語言模型。我們認為隨著時間推移，搜索是微軟另一個有望穩步擴大市場份額的領域。亞馬遜有望通過訓練、推理和創意應用取得增長企業展望：盡管經濟下行和通脹的壓力加大，亞馬遜對速度、便利和價值的追求，加上不斷增長的廣告業務及愈加強勁的 AWS 業務，將有助于為下半年的業績改善鋪平道路。鑒于云服務銷售在第三季度初增長了 12%，下半年該業務的增速和利潤率均有望

76、上升。長期來看，IT 預算提高以及企業將基礎設施遷移至公有云的意愿增強仍將是 AWS 的催化劑。營運利潤率或將隨著成本削減和效率提升而擴大。我們將密切關注亞馬遜對藥店和生活超市領域的進軍。AI 影響 AWS 應會在全新生成式 AI 工作負載（從訓練、推理到通過Bedrock產品創建新的應用程序）方面獲得可觀份額。與微軟的 GitHub 一樣，AWS 也推出了一款名為CodeWhisperer 的內嵌生成式AI 的軟件開發產品，該產品能夠大幅縮短開發人員編寫代碼所需的時間。AWS 的云基礎設施即服務市場份額為業界最大，其他 AI 和機器學習服務也擁有超過 10 萬客戶。盡管 AWS 未將 Ope

77、nAI LLM 整合進旗下產品，但與 Anthropic、Stability AI 和AI21等其他生成式 AI 提供商密切合作。Adobe 將利用由 7,000 萬創意專業人士構成的用戶基礎企業展望：Adobe 堅實的數字產品組合以及穩定的企業支出支持，有望在未來三年帶來 12%-15%的內生銷售增長（按固定匯率計算）。我們認為 Adobe 將成為數字化轉型支出增加的主要受益者之一，因為 Adobe 的業務以數據洞察、電子商務、市場營銷和內容創作為重點。長期來看，得益于Photoshop 和 Acrobat 等旗艦產品帶來的定價能力，加上較高的留存率，Adobe 有望將非公認會計準則的營運利

78、潤率保持在 45%左右。即將完成的對 Figma 的收購或有損近期利潤。AI 影響：Adobe 憑借約 7,000 萬創意專業人士構成的安裝用戶基礎，在該領域占據最高市場份額，這使其能夠從生成式 AI 中獲益。Adobe 最近發布的 Firefly 創意 copilot 可大幅縮短通過文本創建圖像所需的時間，并且已經通過生成式填充幫助用戶創作出超過 10 億幅視覺藝術作品。Adobe 的Creative Cloud 系列產品（包括 Photoshop 和 Illustrator）中包含海量數據，使其在 LLM 訓練方面處于比競爭對手更有利的地位?？紤]到 Adobe 擁有龐大的 PDF 用戶基礎

79、，我們預計在數字文檔方面也會實現類似的生產力提升。50 億美元Copilot 銷售影響（第一年）75%GitHub Copilot 的采用100-200 個基點AWS在AI帶動下的增長10%云端 copilot 銷售增長（第一年）25%+PDF copilot 第一年采用率 100-200 個基點 營運利潤率下滑43Alphabet 將借助 LLM 促進用戶參與企業展望：在 2023 年剩余時間里，Alphabet 核心搜索和 YouTube 業務的營收增長似乎可以延續，而生成式 AI 計算的需求將有利于云業務盈利能力的提升。盡管 Bing-ChatGPT 對其廣告業務構成風險，但我們相信，A

80、lphabet 即將推出多模態大型語言模型，并將生成式 AI 功能集成到其核心搜索和 YouTube 產品中，短期內的競爭壓力已經得到緩解。Cookie 的取消令網絡廣告銷售面臨壓力，但下半年 YouTube 廣告和訂閱有望實現雙位數增長。AI 影響：Alphabet 的業務布局覆蓋生成式 AI 市場的大部分領域，包括訓練、推理和數字廣告。隨著Alphabet 將 DeepMind 和 Google Brain 這兩個 AI 部門合并，我們預計變革速度將加快，利用 LLM來維持搜索、Chrome 和地圖應用等各個收入來源的用戶參與度。Bard 或 Gemini、PaLM 等新的 LLM 可增加

81、 Alphabet 云業務的變現機會，同時促進搜索和 YouTube 業務的定向廣告投放能力。雖然如果蘋果改變其 iOS 操作系統的默認搜索，該公司可能會面臨消費者流量大幅流失的風險，但我們認為，考慮到用戶對谷歌搜索的偏好,發生這種情況的概率很低。Meta 或將加快虛擬現實領域的新內容開發企業展望：Meta 通過轉向基于 AI 的推薦而獲得的用戶粘性有望繼續幫助旗下一系列應用提高曝光量。由于下半年比較基礎較低，我們認為在廣告定價下降的不利因素下，2024 年營收增長可能取決于新的 AI 產品。Reels 給 Meta 帶來動力（對后者銷售總額的貢獻達到高單位數），收入達 100 億美元的消息直

82、達廣告業務也是一個亮點。用戶增長將主要由 Instagram 和 WhatsApp 推動，而 Reels 可能會在 2024 年之前成為廣告定價的不利因素。與此前的指引相比，Meta 降低了資本支出，旨在抵消Reality Labs 部門每年 140 億-160 億美元損失帶來的自由現金流挑戰。AI 影響：Meta 擁有龐大的自有數據中心基礎設施，旗下諸多應用還可提供海量訓練數據，因而有能力建立自己的基礎 LLM，與 OpenAI 的 ChatGPT 展開競爭。有了生成式 AI，為社交媒體和元宇宙中的虛擬現實和增強現實應用制作新內容的速度可能會加快。Meta 還可能實施個性化購物助手來提高用戶

83、對社交商務的采用，從而增加變現機會。我們的分析顯示，考慮到用戶在平臺上花費的時間，加上廣告定向投放和個性化，生成式 AI 市場到 2032 年有望增長近 2,000 億美元。英偉達有望加快數據中心業務的增長企業展望：得益于 AI 領域若干長期利好因素的共同驅動，英偉達依然是科技板塊為數不多的純增長型企業，而生成式 AI 掀起新一輪市場興趣，料將推動利潤加速增長。此外，上云趨勢、汽車的電氣化和自動化，以及英偉達在個人電腦、游戲和數據中心 GPU 市場的主導地位也有助于其發展。AI 影響：鑒于生成式 AI 訓練市場的增長前景向好，英偉達的數據中心部門有望加速增長。隨著 AI 日漸普及，越來越多的工

84、作負載需要加速，GPU 和相關的 AI 網絡結構或將成為數據中心的核心計算引擎，而英偉達在這兩個領域的市場份額都處于領先地位。英偉達的風險來自公有云巨頭微軟、Alphabet 和亞馬遜（三家基礎模型支出居前的公司），為提高利潤率，它們可能會使用自研芯片來訓練 LLM。30 億-40 億美元 谷歌云業務規模增長10%-15%AI 支持的搜索查詢 5%-10%YouTube 廣告參與度5%-10%對參與度和曝光量增長的影響10 億-20 億美元 LLM授權銷售大幅增加 100 億美元 消息直達廣告收入水平500 億美元 數據中心銷售（到 2025 年）500 個基點 毛利率增長 50%科技巨頭的客

85、戶集中度44術語表下列有關生成式 AI 的常用術語可能有助于您理解專業性要求較高的內容：高級精簡指令集計算機(ARM)：一種基于 32 位精簡指令集計算機的處理器架構。AI 助手：可根據命令或問題等輸入為用戶執行任務的軟件代理。例如 Siri 或 Cortana。AI 服務器：用于 AI 推理和訓練的計算機。AI 存儲：通常指在公有云中執行分析的軟件即服務應用程序。ChatGPT：一個免費的聊天機器人，幾乎能回答任何問題。對話式用戶界面：使用戶像與人類交流一樣與軟件、應用程序和機器人進行交互的界面。亞馬遜的 Alexa 就是一個例子。計算機視覺：支持計算機和系統從數字信息、視頻和其他視覺輸入中

86、提取有意義的信息，然后以此為基礎采取行動或提出建議。語料庫(Corpus)：字面意思為“身體”，是指用于訓練大型語言模型的數 10 億數據點的集合。CPU：中央處理器。簡而言之，是為硬件系統提供基本邏輯電路的半導體芯片。邊緣：位置更靠近數據產生地的計算和存儲資源部署。以太網：連接局域網(LAN)或廣域網(WAN)中設備的技術。速度比 InfiniBand 慢。生成式 AI：使用算法（如 ChatGPT）制作音頻、代碼、圖像、文本和視頻等新內容。GPU：圖形處理器。用于顯示圖像和視頻的專用電路。推理：根據可用信息或數據進行推理和做出決策的流程。發生在訓練之后，可從現有數據中得出新知識或結論。In

87、finiBand 網絡：一種用于實現高速通信的高性能、低延遲的技術。速度比以太網快。IaaS：基礎設施即服務，一種根據需求提供計算、存儲和網絡資源的商業模式。大型語言模型：能夠利用龐大的數據集識別、總結、翻譯、預測和生成內容的深度學習算法。機器學習：計算機系統的使用和發展，通過使用算法和統計模型來分析和推斷數據模式，在沒有明確指令的情況下進行學習和適應。神經網絡：一種教計算機以受人腦啟發的方式處理數據的方法，使用分層結構中的互連節點實現機器學習。ODM：原始設計制造商。PaaS：平臺即服務。一種云計算服務模式，為應用程序的開發、部署、運行和管理提供靈活、可擴展的平臺。個性化：運用 AI 和機器

88、學習技術分析用戶數據，從而了解用戶需求，定制用戶體驗。訓練：教 AI 系統感知、解釋數據和從中學習的過程。經過訓練后，AI 就能根據得到的信息進行推理，做出決策。45方法我們使用彭博行業研究的交互市場規模模型對生成式 AI 的增長進行預測。該模型定期更新，但仍處于研發的早期階段，我們已為彭博終端客戶提供了一個互動計算器來測試場景（運行 BI INET 功能）。該方法采用自下而上的方式來預測硬件、軟件、數字廣告、游戲、IT 和企業市場等領域的收入。我們對新細分市場的預測是基于成熟的終端市場，生成式 AI 可能會顛覆并創造新的收入機會。我們就生成式 AI 對這些現有終端市場的顛覆程度做出假設，并以

89、此為基礎計算出近似值。圖 55 顯示了現有終端市場及其 2022-2027 年和 2027-2032 年增長假設。圖 56 顯示在彭博行業研究的基本情景下，這些終端市場中新 AI 細分市場的滲透率。圖 57 顯示在彭博行業研究的基本情景下，由圖 56 的 AI 滲透率得出的生成式 AI 收入預測。IDC 的數據顯示，硬件市場的價值為 1.45 萬億美元，分為設備（1 萬億美元）和數據中心基礎設施（4,510 億美元）。彭博行業研究預計，該類別中的新生成式 AI 細分領域包括數據中心市場的 AI 服務器、AI 存儲和生成式 AI 基礎設施即服務，以及設備市場的對話式 AI 和計算機視覺產品。彭博

90、終端用戶可使用 BI 互動計算器更改從傳統服務器和存儲向 AI 服務器和存儲的支出轉變的假設。我們預計生成式 AI 基礎設施即服務將在云端消耗訓練的計算能力和存儲容量。同樣，在推理方面，我們預計對話式 AI 產品和計算機視覺會成為家居和車載設備市場的新興類別。在價值 8,800 億美元的軟件市場，我們預計會出現編程 copilot、專用虛擬助手、聊天機器人和藥物發現軟件等新類別。圖 55:對現有科技終端市場的收入和增長預測來源：彭博行業研究預測（基于IDC、eMarketer 和 Statista 數據）46圖 56:生成式 AI 滲透率（彭博行業研究基本情景）來源：彭博行業研究圖 57:對生

91、成式 AI 搜索結果的擔憂來源：彭博行業研究彭博行業研究對市場規模的結論圖 57 中生成式 AI 市場的 2022-2032 年預測情景是基于圖 55 中的終端市場規模和圖 56 中突出顯示的滲透率。這兩個終端市場的復合年增長率(CAGR)假設和生成式 AI 影響均可修改，以得出您自己的情景分析。例如，我們的基本情景假設，數據中心市場（圖 55 中的“Infrastructure”）2022-2027 年的 CAGR 或為 13%，2027-2032 年為 16%。而根據我們的情景分析，與數據中心市場掛鉤的訓練市場到 2027 年 CAGR 有望達 33%，到 2032 年為 30%。訓練市場

92、可進一步細分為 AI 服務器、AI 存儲和生成式 AI 即服務領域，在我們的基本情景下，到2032年這些領域的滲透率分別為 6.5%、4.5%和 AI 14.2%。47研究團隊Mandeep Singh 美洲市場軟件 Anurag Rana 美洲市場軟件 Nishant Chintala 美洲市場科技 Breanne Dougherty 策略 Masahiro Wakasugi 亞太市場硬件 Woo Jin Ho 美洲市場硬件 Charles Shum 亞太市場硬件 Steven Tseng 亞太市場硬件 Tamlin Bason 歐非中東市場軟件 Sunil Rajgopal 美洲市場軟件

93、Niraj Patel 美洲市場軟件 Matthew Schettenhelm 美洲市場訴訟/政策 Kunjan Sobhani 美洲市場硬件 Kevin Tsao 美洲市場軟件 首席分析師貢獻分析師關于彭博行業研究彭博行業研究（Bloomberg Intelligence,BI）以獨立的視角提供全球2000多家公司、135個行業和市場的交互式數據和投資研究。我們的團隊擁有350多名研究專家，幫助客戶在快速變化的投資環境中自信地做出決策。BI分析擁有來自彭博的實時透明數據和500家第三方數據的支持，客戶可以借助我們的這些數據來完善及支持他們的構想。彭博行業研究僅可通過彭博終端或彭博專業服務應用

94、獲取。如需了解更多信息，請聯系彭博客戶代表或申請產品介紹及演示。50The data included in these materials are for illustrative purposes only.The BLOOMBERG TERMINAL service and Bloomberg data products(the“Services”)are owned and distributed by Bloomberg Finance L.P.(“BFLP”)except (i)in Argentina,Australia and certain jurisdictions in

95、the Pacific islands,Bermuda,China,India,Japan,Korea and New Zealand,where Bloomberg L.P.and its subsidiaries(“BLP”)distribute these products,and(ii)in Singapore and the jurisdictions serviced by Bloombergs Singapore office,where a subsidiary of BFLP distributes these products.BLP provides BFLP and i

96、ts subsidiaries with global marketing and operational support and service.Certain features,functions,products and services are available only to sophisticated investors and only where permitted.BFLP,BLP and their affiliates do not guarantee the accuracy of prices or other information in the Services

97、.Nothing in the Services shall constitute or be construed as an offering of financial instruments by BFLP,BLP or their affiliates,or as investment advice or recommendations by BFLP,BLP or their affiliates of an investment strategy or whether or not to“buy”,“sell”or“hold”an investment.Information ava

98、ilable via the Services should not be considered as information sufficient upon which to base an investment decision.The following are trademarks and service marks of BFLP,a Delaware limited partnership,or its subsidiaries:BLOOMBERG,BLOOMBERG ANYWHERE,BLOOMBERG MARKETS,BLOOMBERG NEWS,BLOOMBERG PROFE

99、SSIONAL,BLOOMBERG TERMINAL and BLOOMBERG.COM.Absence of any trademark or service mark from this list does not waive Bloombergs intellectual property rights in that name,mark or logo.All rights reserved.2019 Bloomberg.504912 0619了解更多如需了解更多信息，請在彭博終端 上按 鍵兩次。北京+86 10 6649 7500上海+86 21 6104 3000法蘭克福+49 6

100、9 9204 1210香港+852 2977 6000倫敦+44 20 7330 7500孟買+91 22 6120 3600紐約+1 212 318 2000舊金山+1 415 912 2960圣保羅+55 11 2395 9000新加坡+65 6212 1000悉尼+61 2 9777 8600東京+81 3 4565 data included in these materials are for illustrative purposes only.The BLOOMBERG TERMINAL service and Bloomberg data products(the“Servic

101、es”)are owned and distributed by Bloomberg Finance L.P.(“BFLP”)except(i)in Argentina,Australia and certain jurisdictions in the Pacific islands,Bermuda,China,India,Japan,Korea and New Zealand,where Bloomberg L.P.and its subsidiaries(“BLP”)distribute these products,and(ii)in Singapore and the jurisdi

102、ctions serviced by Bloombergs Singapore office,where a subsidiary of BFLP distributes these products.BLP provides BFLP and its subsidiaries with global marketing and operational support and service.Certain features,functions,products and services are available only to sophisticated investors and onl

103、y where permitted.BFLP,BLP and their affiliates do not guarantee the accuracy of prices or other information in the Services.Nothing in the Services shall constitute or be construed as an offering of financial instruments by BFLP,BLP or their a affiliates,or as investment advice or recommendations b

104、y BFLP,BLP or their affiliates of an investment strategy or whether or not to“buy”,“sell”or“hold”an investment.Information available via the Services should not be considered as information sufficient upon which to base an investment decision.The following are trademarks and service marks of BFLP,a

105、Delaware limited partnership,or its subsidiaries:BLOOMBERG,BLOOMBERG ANYWHERE,BLOOMBERG MARKETS,BLOOMBERG NEWS,BLOOMBERG PROFESSIONAL,BLOOMBERG TERMINAL and BLOOMBERG.COM.Absence of any trademark or service mark from this list does not waive Bloombergs intellectual property rights in that name,mark or logo.本材料中所包含數據僅供說明之用。2024彭博2810877 0124