《谷歌-美股公司研究報告-AI征途換檔提速云業務驅動成長-240311（53頁）.pdf》由會員分享，可在線閱讀，更多相關《谷歌-美股公司研究報告-AI征途換檔提速云業務驅動成長-240311（53頁）.pdf（53頁珍藏版）》請在三個皮匠報告上搜索。

1、 簡單金融 成就夢想 申萬宏源研究 上海市南京東路99號|+86 21 2329 7818 海外科技|公司研究 2024 年 3 月 11 日 買入 首次覆蓋 市場數據：2024 年 03 月 08 日 收盤價（美元）135.41 納斯達克指數 16085.11 52 周最高價/最低價 153.78/89.42 美股市值（億美元）16836 流通股數（億股）匯率（美元/人民幣）124.33 7.1860 股價表現：資料來源：Bloomberg 證券分析師 林起賢 A0230519060002 洪依真 A0230519060003 閆海 A0230519010004 研究支持 黃俊儒 A0230

2、123070011 聯系人 黃俊儒(8621)23297818 谷歌：AI 征途換檔提速，云業務驅動成長 谷歌-Alphabet（GOOGL.O）谷歌大模型：加速追趕，旨在大模型領域重新領跑。1）調整部門架構后產品更新迭代明顯提速：面對與 OpenAI 的競爭，23 年 4 月谷歌調整 AI 部門架構，并將資源全面向 AI 發展傾斜，23 年 12 月后，谷歌密集發布了 Gemini1.0 系列、TPUv5p 芯片、Gemini1.5 Pro 等成果，正加速追趕。2）Gemini 性能優秀但仍需改進：基于在多模態領域的積累，谷歌發布第一個原生多模態大模型 Gemini，性能與 Claude3、

3、GPT4 共同處于第一梯隊，具備較強競爭力；但23 年 2 月底 Gemini 出現生成內容多樣性錯誤的問題，谷歌暫時下架其文生圖功能進行緊急修復。3）AI 人才儲備及數據資源豐富：谷歌在 AI 領域耕耘多年，谷歌大腦、Deepmind 等前谷歌 AI 部門擁有豐富的 AI 研發人才儲備，并積累了深厚的研發成果；谷歌擁有面向廣闊消費者群體的應用矩陣，積累了龐大的數據資源庫，將有效支撐在大模型領域的訓練。谷歌云：構筑谷歌 AI 技術棧底座，有望憑借 AI 布局持續拓展市場份額。1）云計算行業將保持高增長。谷歌、亞馬遜等云廠商均宣布將積極增加 24 年資本開支，多模態大模型對訓練算力要求提升、潛在

4、的爆款 AI 應用推動推理算力需求增加，都將推動行業空間擴大。2）有望依托 AI 大模型性能優勢擴大市場份額：谷歌已推出 Duet AI 助手、兼容第三方大模型的 Vertex AI 平臺，優質的 AI 服務及領先的模型性能有望吸引用戶基于谷歌云部署 AI 產品；3）基于 TPU可降低 AI 算力成本：TPU 芯片已廣泛用于谷歌自研模型的訓練和推理，Gemini 系列即基于TPUv5 系列芯片訓練，作為云廠商中領先的自研 AI 芯片，相對成熟的 TPU 將有效支撐谷歌云的算力供給，降低算力成本。谷歌服務：坐擁豐富互聯網應用生態，將集成 AI 功能、有望孵化優質 AI 應用。1）谷歌搜索與安卓系

5、統、Chrome 瀏覽器形成協同，壁壘高筑，向 AI 搜索引擎積極轉變的姿態下（推出SGE）仍掌握主動權，有望長期保持競爭優勢；2）互聯網應用生態為谷歌核心優勢，YouTube、Gmail 等優質應用可集成 AI 功能，提升使用體驗；谷歌互聯網應用直接面向超過 20 億 C 端用戶，在推廣、孵化 AI 應用上有著較大優勢。人員優化效果體現+谷歌云利潤率提升，24 年盈利有望改善。23 年，谷歌裁員約 1.2 萬人，員工規模經過多年擴張后回落至 23 年底的 18.25 萬人，人效有所提升，公司預計 24 年仍有一定規模的裁員計劃，將帶動 24 年三項費用率的下降（我們預計將下降 1.2pct）

6、。此外，在折舊攤銷政策變化、規模效應等因素的帶動下，谷歌云的營業利潤率在23年快速提升，從23Q1的 2.6%上升至 23Q4 的 9.4%，預計 24 年仍將持續提升，營業利潤同比 23 年將大幅增加。首次覆蓋，給予買入評級。公司作為 AI 領域領先企業，協同互聯網應用生態和谷歌云，有望在 AI 賦能下保持較快增速；公司于 2023 年開始人員優化，人效提升即將于 24 年業績中逐步體現。我們預計 24-26 年公司營收 3415/3797/4198 億美元，Gaap 凈利潤 883/1013/1136億美元，對應 PE 19/17/15x。給予公司 24 年 25xPE 目標估值，目標股價

7、為 179.5 美元，對應上漲空間為 33%。風險提示：AI 仍處于快速迭代階段，大模型競爭或加??；AI 應用領域研發和推廣進展不及預期的風險；歐盟與美國司法部的反壟斷監管風險；AI 的應用存在潛在倫理道德風險。財務數據及盈利預測 2022 2023 2024E 2025E 2026E 營業總收入（百萬美元）282,836 307,394 341,516 379,741 419,820 同比增長率（%）9.8%8.7%11.1%11.2%10.6%凈利潤（百萬美元）59,972 73,795 88,256 101,347 113,619 同比增長率（%）-21.1%23.0%19.6%14.8

8、%12.1%每股收益（美元/股）4.59 5.84 7.18 8.46 9.75 毛利率（%）55.4%56.6%57.8%58.2%58.3%EBITDA（百萬美元）82,986 94,106 114,998 132,477 149,270 市盈率 28 22 19 17 15 資料來源：Bloomberg，申萬宏源研究 October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 1 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 投

9、資案件 投資評級與估值 首次覆蓋，給予買入評級。公司作為 AI 領域領先企業，協同互聯網應用生態和谷歌云，有望在 AI 賦能下保持較快增速；公司于 2023 年開始人員優化，人效提升即將于 24 年業績中逐步體現。我們預計 24-26 年公司營收 3415/3797/4198 億美元，Gaap 凈利潤883/1013/1136 億美元，對應 PE 19/17/15x。給予公司 24 年 25xPE 目標估值，目標股價為 179.5 美元，對應上漲空間為 33%。關鍵假設點 谷歌服務：谷歌廣告（Google Advertising）：海外數字廣告市場在 23H2 開始回暖，預計將保持較高景氣度。

10、我們預計 24-26 年谷歌搜索和其他營收增速為 9.1%/9.0%/8.8%；YouTube 廣告營收增速為 11.0%/12.4%/10.0%；谷歌網絡營收增速為 2.0%/3.0%/3.0%。谷歌其他（Google Other）：YouTube Premium 會員與安卓應用商店收入預計仍將實現較快增速水平，預計 24-26 年谷歌其他營收增速分別為 18.0%/16.0%/14.0%。谷歌云：AI 浪潮下算力需求將持續增長，疊加谷歌自身在 AI 領域的布局，公司剩余履約義務同比保持高增長，訂單充足；預計 24-26 年谷歌云營收增速為 24.0%/22.0%/20.0%，此外盈利能力將

11、持續提升，預計 24-26 年營業利潤率為 12.0%/16.0%/19.0%。有別于大眾的認識 市場認為谷歌搜索將受到 AI 的沖擊，導致份額下降：我們認為，谷歌搜索的競爭力在于其領先的搜索算法、產品矩陣的協同效應、龐大的用戶數據庫，且已前瞻布局 AI，AI 聊天機器人與其他搜索引擎難以對谷歌搜索形成太大威脅。市場對谷歌 AI 大模型的前景悲觀：我們認為，谷歌為 AI 時代的重要奠基者，當前仍具備深厚的研發底蘊與人才儲備，AI 漫途才剛起步，谷歌仍有望憑借 Gemini 系列模型縮小與OpenAI 的差距甚至重新取得領先優勢。市場并未充分認識到谷歌產品生態在 AI 時代的重要性：谷歌擁有谷歌

12、搜索、安卓系統、YouTube 等面向數十億龐大 C 端用戶的互聯網應用，在優質 AI 應用的推廣和商業化上具備較大的優勢，有望成為 AI 應用爆發的最終受益者。股價表現的催化劑 1）推出優質 AI 功能、AI 應用，關注將于 24H1 舉辦的谷歌 I/O、Google Cloud Next、Marketing Live 大會；2）Gemini 系列模型在更廣泛的用戶使用中表現出色的多模態性能；3）人員優化后體現對業績的影響；4）TPU 產品獲得更多谷歌云客戶的認可并使用。核心假設風險 AI 仍處于快速迭代階段，大模型競爭或加??；AI 應用領域研發和推廣進展不及預期的風險；歐盟與美國司法部的反

13、壟斷監管風險。1WhZkZsWhUbWmP6M8Q7NnPoOoMsOiNqQnOjMrQsR9PrQqQwMtPoOuOnPqROctober 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 2 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 1.Alphabet：不懼變革，科技巨頭堅持創新 由單一搜索引擎公司逐步轉型為全球科技公司巨頭，Alphabet 發展歷程分為三個階段：初創期（1996-2003）：依托 Pagerank 算法快速

14、占領搜索引擎市場。谷歌基于 PageRank算法創建搜索引擎 BackRub，營收主要來自 2000 年發布的 AdWords 廣告投放機會的價格競拍，并陸續完善以廣告收入為核心的盈利模式。業務擴張期（2004-2007）：通過并購完成多元化擴張。2004 年谷歌上市后致力于拓展搜索引擎外的業務，收購 Youtube、Android 等業務，推出 Gmail、谷歌地圖等服務，將業務從單一搜索引擎拓展至豐富的互聯網應用生態。移動互聯網紅利期（2008-2014）：多元化業務快速成長并占據領先地位。手機智能化浪潮、移動互聯網升級迭代帶來移動互聯網紅利期，谷歌的安卓系統、Chrome 瀏覽器、谷歌移

15、動搜索都在這個時期獲得快速發展，并獲得競爭優勢。AI+云計算發展期（2015-至今）：2015 年，谷歌重組成立母公司 Alphabet，旨在擺脫傳統企業臃腫的架構，以提升決策效率、促進創新。2016 年，谷歌宣布整合 Gmail、谷歌文檔、谷歌云平臺等成立谷歌云，并開始重視對IaaS業務的投資，2023年為僅次于AWS和微軟Azure的云廠商。谷歌此前為 AI 領域的長期領跑者，提出 Transformer 架構奠定 AI 時代理論基石，但在 22 年底后面臨 OpenAI 的高強度競爭。圖 1：Alphabet 發展歷程 資料來源：公司官網，申萬宏源研究 保持長期高增速的科技巨頭，長期股價

16、與業績增長同幅。公司自 2004 年上市，正值搜索引擎業務商業化進展順利之時，股價漲幅與營收增速都保持在較高水平。2008 年后，移動互聯網逐漸普及，公司業務擴張順利，但營收規模已較大，增速有所下降，期間通過業績增長消化 October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 3 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 高估值。2015 年，公司完成業務架構調整，其后谷歌云增長、YouTube 商業化等推動營收增長，同時股價

17、漲幅跟隨營收增速，估值水平相對穩定。圖 2：Alphabet 歷史股價復盤 資料來源：Bloomberg，申萬宏源研究 Alphabet 旗下業務包括：1）谷歌服務：包括谷歌廣告和谷歌其他。谷歌廣告：通過搜索引擎、YouTube、Gmail 等多個流量平臺為客戶提供廣告空間而實現變現，完整的廣告生態系統為公司提供了穩定的收入來源；谷歌其他：收入主要來自 Google Play 商店的分成收入、YouTube 訂閱的收入以及谷歌硬件產品。2）谷歌云：公司第二增長曲線，分為谷歌云平臺和Workspace，為開發者提供計算、存儲和應用程序開發等產品服務。3）創新業務（Other Bets）：包括醫療

18、健康、自動駕駛、人工智能等前沿科技研究。圖 3：Alphabet 業務架構 資料來源：公司官網，申萬宏源研究 公司歷經 3 次重大組織架構變更：1）2001-2011 年：“三駕馬車”架構。拉里佩奇與謝爾蓋布林皆為斯坦福計算機專業科班出身，更多注重于技術研發，2001 年管理經驗豐富的埃里克施密特加入并任職公司 CEO，在公司管理層面形成互補。2）2011-2015 年：CEO+六位 October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 4 January 12,2015 Food,Beverage&

19、Tobacco|Company Research 公司研究 高級副總裁架構。2011 年，公司已擴張多個業務領域，佩奇重新接任谷歌 CEO 后，分立六位高級副總裁分別負責 YouTube、搜索、廣告、社交、Chrome 等業務，加強部門自主權。3）2015 年-至今：核心業務與創新業務并行。公司重組后拆分為核心業務（Google）和創新業務（Other Bets），核心業務（Google）由桑達爾皮猜任 CEO，其余生命科學、自動化駕駛等創新業務分拆成獨立子公司，由佩奇擔任 CEO，以“解決全人類的問題”。2019 年，皮猜接替佩奇兼任母公司 Alphabet 的 CEO。圖 4：公司管理架構

20、 資料來源：谷歌官網，申萬宏源研究 October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 5 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 2.AI 漫途離終點還遠，谷歌奮起直追旨在再次領跑 2.1 競爭壓力下谷歌轉變姿態，豐富應用生態保駕護航 從長期領先到落后，谷歌快速完成架構調整并全力推進 AI 業務 谷歌為 AI 領域長期的領跑者，但 2022 年后 OpenAI 攜 ChatGPT 開始后來居上。我們認為，谷歌在 AI

21、領域的優勢喪失，主要源自：1）在推動 AI 落地上的保守心態：聊天機器人對搜索業務的潛在沖擊使得公司更為保守；AI 可能會生成假圖像、錯誤信息、歧視言論，因此造成不良的社會影響，影響公司聲譽。2）龐大而臃腫的公司架構，在一定程度上壓制了 AI 領域的創新、減緩了 AI 應用落地速度，也導致了 AI 部門研發人才流失，Dario Amodei、Noam Shazeer、Niki Parmar 等 AI 核心人員紛紛離開谷歌，并以聯合創始人的身份分別創立了Anthropic、Character.AI、Cohere、Adept 等優質獨角獸。3）分立多個 AI 部門，對 AI 領域的潛在競爭者重視程

22、度不足，谷歌內部長期維持 Deepmind、Google Brain、Blueshift 等AI 研發部門，部門間協同性較差，在資源分配等問題上相互競爭，對外競爭意識并不強烈。外部競爭加劇下，谷歌開始整合AI部門架構以加速AI發展。2023年2月，原隸屬于Google Research 的藍移團隊（Blueshift team，專注于大語言模型領域研究）合并入 Deepmind；4月，谷歌大腦與 Deepmind 合并為 Google Deepmind。此外，谷歌明顯加速對 AI 相關項目的立項，并集中資源推動 AI 項目研發，近期密集發布了 Gemini 系列、Genie、Gemma 等 A

23、I大模型，AI 進展已明顯提速。圖 5：谷歌 AI 業務發展歷程 資料來源：公司官網，申萬宏源研究 應用生態+AI 基礎設施布局完整，谷歌具備稟賦優勢 谷歌擁有完整而優質的軟硬件布局，以及深厚 AI 研發底蘊、人才儲備，在外部競爭激勵下有望改變落后局勢。1）人才儲備豐富：盡管較多 AI 研發人才離開谷歌前往 OpenAI 或創業，但公司仍擁有極為豐富的人才儲備。根據 The Information 及 SignHouse，2022 年谷歌大腦和 Deepmind 共擁有超過 5000 名員工，相比之下 2023 年 OpenAI 員工人數為 700 余人。2）結合谷歌云形成完整的 AI 工程棧

24、，包括自研 AI 芯片 TPU、開發平臺 Vertex AI、深度學習框架 Tensorflow 與 JAX、以 Gemini 為代表的 AI 大模型，可形成協同效應。3）龐大的互聯網 October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 6 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 應用陣列，可輻射數十億 C 端用戶，公司旗下擁有谷歌搜索、YouTube、安卓系統、谷歌地圖等覆蓋面廣泛的應用，優質 AI 應用可通過互聯網場

25、景迅速鋪開。圖 6：谷歌 AI 生態棧 資料來源：谷歌官網，申萬宏源研究 2.2 Gemini：搶占多模態高地，谷歌加速大模型競賽 谷歌為 AI 時代理論的重要筑基者，具備強大的 AI 研究能力及深厚底蘊。2017 年谷歌發布論文Attention is all you need成為 AI 領域的基石理論，人工智能進入 Transformer時代。2020-2022 年，谷歌發表論文數量、引用排名前 100 論文數量領先其他機構。此外，我們認為，谷歌體系獨有的消費場景數據有望增強 Gemini 訓練效果，減少大模型幻覺。Gemini 可以訪問 YouTube 視頻、谷歌圖書、搜索索引以及 Go

26、ogle Scholar 的學術資料，這些數據大部分都是谷歌獨有的，這可能會讓谷歌在創建比其他公司更智能的模型方面更具優勢。圖 7：2020-2022 年各機構發表 AI 論文數量（谷歌排名第一）圖 8：2020-2022 年各機構發表引用排名前一百的論文數量（谷歌排名第一）資料來源：Zeta Alpha，申萬宏源研究 資料來源：Zeta Alpha，申萬宏源研究 October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 7 January 12,2015 Food,Beverage&Tobacco|Co

27、mpany Research 公司研究 多模態：谷歌探索多時，長期沉淀絕非一朝而至 相比 Open AI 早期持續投入 LLM，Google 更多探索圖像和多模態大模型邊界。例如視覺重磅工具 Vision Transformer（ViT），將 Transformer 應用于 CV 任務中。2021 年 3 月，谷歌將嘗試將自注意力機制和 transformer 直接應用在圖像領域。在不依賴 CNN 結構的情況下，盡可能將 Transformer 不做修改的遷移到 CV 領域，并取得了較好的效果。ViT 將輸入圖片分為多個 patch（16x16），再將每個 patch 投影為固定長度的向量送入

28、 Transformer，后續 encoder 的操作和原始 Transformer 中完全相同。ViT 已被證明在遷移學習設置中具有良好的擴展性，在較少的預訓練計算下，比 CNN 獲得更高的準確率。圖 9：Google 的 Vision Transformer 的核心思路 資料來源：AN IMAGE IS WORTH 16X16 WORDS:TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE，申萬宏源研究 2023 年 3 月 6 日，谷歌和德國柏林工業大學公布了當時全球最大視覺語言模型 PaLM-E（Pathways Language Model wit

29、h Embodied）。PaLM 包括了 540B 語言模型與 22B 視覺 ViT（Vison Transformer）模型，總參數量 562B。PaLM-E 不僅可以理解圖像，還能理解、生成語言，且可以用于多個具體任務，包括順序機器人操作規劃、視覺問題解答和圖像視頻字幕描述。圖 10：PaLM-E 核心思路和可以做到的任務 資料來源：PaLM-E Github、申萬宏源研究 October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 8 January 12,2015 Food,Beverage&Tob

30、acco|Company Research 公司研究 PaLM-E-562B 可以進行 zero-shot 多模態 chain-of-thought 推理。模型可以在給定圖像的情況下講述視覺條件下的笑話，并展示了一系列與機器人相關的多模態知情能力，包括感知、視覺基礎對話和計劃。PaLM-E 還將 zero-shot 推廣到多圖像提示，盡管只針對單個圖像提示進行了訓練。PaLM-E 還可以對帶有文本交錯手寫數字的圖像進行數學運算。此外，該模型可以在時間標注的以自我為中心的視覺上執行、zero-shot、提問和回答。Gemini：多模態領域厚積薄發，谷歌加速大模型競賽的標志 憑借在多模態領域的長期

31、積累，谷歌率先推出首個原生多模態大模型 Gemini，驗證了公司在大模型領域的出色研發能力。2023 年 12 月，谷歌發布 Gemini，作為多模態大模型，Gemini可以泛化并無縫地理解、操作和組合不同類型的信息，包括文本、代碼、音頻、圖像和視頻。包括三個版本模型：1）Gemini Ultra：適用于高度復雜的任務，主要面向企業用戶；2）Gemini Pro：適用于擴展至各種任務，多面向消費者用戶，目前在 Bard 上可以體驗文字模態的 Gemini Pro 版本。Pro 版本和 Ultra 版本規模保密，上下文窗口長度統一 32k，注意力機制使用了Multi-Query Attentio

32、n。3）Gemini Nano：為手機等端側設備設計的大模型，分為 1.8B 和3.25B 參數規模的兩個型號，通過較大規模模型蒸餾得到。圖 11：PaLM-E-562B 可以進行 zero-shot 多模態 chain-of-thought 推理 資料來源：PaLM-E Github、申萬宏源研究 October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 9 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 圖 12：Gemini 支

33、持輸入文本、音頻、圖像、視頻，可以輸出文字和圖像 資料來源：谷歌官網，申萬宏源研究 Gemini 1.0 性能出眾，整體能力強于 GPT4。Ultra 版本在 MMLU（大規模多任務語言理解數據集）中的得分率高達 90.0%，首次超越了人類專家。Gemini 功能特性包括：1）新增理解視頻模態：根據官網，Gemini 可以理解完整視頻，雖然案例視頻普遍只有 3s左右，但這是大模態大模型首次展現出直接的視頻理解并輸出文字能力。2）多模態能力提升：Gemini 支持多模態交互輸入，除了圖片文字 Prompt 形式以外也支持圖片代碼，圖片語音等，同時也支持文字和語言的輸出。3）復雜推理能力提升：Ge

34、mini 能夠更全面地理解輸入中信息的細節，也能回答與復雜主題相關的問題。因此，它特別擅長對數學和物理等復雜學科的問題進行推理。4）更強的編碼能力：Gemini 使用了 google 更先進的代碼生成系統 AlphaCode2，它擅長解決超出編碼范圍、涉及復雜數學和理論計算機科學的競爭性編程問題。圖 13：Gemini Ultra 在 MMLU 中的得分率高達 90.0%，首次超越了人類專家 資料來源：谷歌官網，申萬宏源研究 October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 10 January

35、12,2015 Food,Beverage&Tobacco|Company Research 公司研究 Gemini 推出兩個月后，谷歌對標 ChatGPT Plus 推出 Gemini Advanced 開啟商業化。2024 年 2 月，谷歌將 Bard 更名為 Gemini，推出基于 Gemini Ultra1.0 模型的服務 Gemini Advanced，定價 19.99 美元/月，與 Google One 的 2TB（AI 高級版）會員為同一服務，競品 ChatGPT Plus 定價為 20 美元/月。谷歌結合云存儲加速 AI 聊天機器人領域的商業化。圖 14：谷歌推出基于 Gemi

36、ni Ultra1.0 模型的服務 Gemini Advanced 資料來源：谷歌官網，申萬宏源研究 谷歌于 24 年 2 月 15 日發布 Gemini 1.5 Pro，大模型更新迭代節奏加速。23 年 12 月Gemini1.0 的發布略顯倉促，模型各方面特性并未完善。Gemini 1.5 Pro 則實現了上下文長度大幅拓展、多模態能力提升等特性，本次發布或代表谷歌將秉持快速多次迭代的策略，不斷推出更新版本補足模型特性和提升性能，或可期待谷歌保持 Gemini 的更新迭代節奏。Gemini 1.5 Pro 整體性能相比前代提升明顯。Gemini 1.5 Pro 在文字、圖像、視頻領域相對

37、1.0 Pro 明顯提升，并在僅有中等參數規模的條件下與 Gemini 1.0 Ultra 性能相媲美，31項性能測試中 1.5Pro 有 17 項超過了 1.0 Ultra。圖 15：Gemini 1.5 Pro 與 Gemini 1.0 系列模型性能對比 資料來源：谷歌官網，申萬宏源研究 谷歌推出 Gemini 系列的開源模型 Gemma，性能領先主流開源模型。谷歌于 24 年 2 月21日推出Gemma，模型更新頻率仍在加速，Gemma的訓練同樣基于谷歌TPUv5e芯片完成。October 12,2010 Building Materials|Company Research 請務必仔細

38、閱讀正文之后的各項信息披露與聲明 11 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 相比當前主流的開源模型 LLaMA2（7B、13B）以及 Mistral，Gemma 在多項性能上保持領先，模型能力出色。Gemma 代表了谷歌在開源大模型領域的新嘗試，不僅在閉源大規模領域與OpenAI 競爭，還將在開源模型領域與 Meta、Mistral 競爭，并期望通過模型開源構筑開發者生態。圖 16：Gemma 在多項能力中超越主流開源模型 資料來源：谷歌官網，申萬宏源研究 Gemini 出現生成內容多樣性錯誤，谷歌下架 Gem

39、ini 文生圖功能緊急修復。24 年 2 月，Gemini 生成的圖片拒絕生成白人形象，并引發輿論關注，谷歌緊急下架 Gemini 文生圖功能，官方回應“由于模型調整不當和某些提示的過度敏感判斷，導致了生成結果的偏差”，并承諾將加快修復問題重新上架文生圖功能。Genie：具備突破性的基礎世界模型 2024 年 2 月 26 日，谷歌推出 Genie，即生成式交互環境（Generative Interactive Environments），Genie 為 110 億參數規模的基礎世界模型，其可以通過一張圖片，生成較為完整的可玩的交互式環境，玩家可以與生成的虛擬世界互動，例如可形成相對簡單的游戲

40、世界，且可控性相對較強。且 Genie 方法具有通用性，可通過更大的數據集拓展至多個領域。Genie 可理解動作間聯系，將適用于內容生產、機器人等領域。1）內容生產者：游戲、設計等領域，可通過 Genie 生成交互環境，游戲開發、設計創作等領域進行輔助生產；2）機器人訓練：Genie 可通過視頻數據學習潛在動作聯系，并指導機器人完成一致動作；3）通用智能體：Genie 可作為訓練多任務智能體的基礎世界模型，在更龐大的訓練數據集條件下，進一步邁向 AGI。October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與

41、聲明 12 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 圖 17：谷歌 Genie 可通過一張圖片生成可玩的交互式環境 資料來源：谷歌官網，Genie:Generative Interactive Environments，申萬宏源研究 2.3 競爭格局：閉源 TOP3+開源 Meta，未來競爭趨于白熱化 橫向比較來看，微軟和谷歌在 AI 領域上的稟賦各具優勢，暫時領先 Meta 和亞馬遜。LLM 競爭格局：OpenAI（GPT4）、Anthropic（Claude3）、谷歌（Gemini）構成閉源模型 TOP3，Me

42、ta 致力于構建開源社區加速追逐。1）OpenAI：23 年 3 月推出 GPT4 保持了較長時間的領先地位，目前已在儲備下一代大模型；2）谷歌：23 年 4 月整合 AI 各部門架構，研發明顯提速，23 年 12 月 Gemini 模型發布，Gemini 1.0 Ultra 多項能力評估超越 GPT4，尤其在多模態能力上表現出色。3）Anthropic：24 年 3 月推出 Claude3，模型能力全面超越GPT4，當前處于領跑地位，且多模態能力可媲美 Gemini 1.0 Ultra；4）Meta 在 AI 領域的技術、人才儲備暫時落后，于 23 年 7 月開源 Llama2 模型構造開源

43、生態，以期待更多開發者共同促進迭代加速追趕，并計劃于 24 年推出 Llama3。算力布局：自研芯片進度，谷歌亞馬遜微軟、Meta，谷歌 TPU 自 2016 年起已經歷多輪迭代，相對較為成熟，可以較低成本有效支撐自研大模型訓練和推理；AWS 領先云計算行業，算力儲備豐富，2020 年亞馬遜訓練與推理芯片均已投入使用；微軟和 Meta 的自研 AI芯片都有望在 24 年成規模投入使用。外購芯片上，四家科技巨頭都大量購買了英偉達 H100芯片，支撐自身及客戶對于云業務的算力需求?，F有業務生態協同、AI 應用落地及商業化進度：微軟谷歌Meta、亞馬遜。微軟：生產力場景適合 AI 落地。旗下 Mic

44、rosoft 365 及 Office 等辦公套件用戶數超過 4 億，辦公和編程等生產力場景適合 AI 工具落地，2021 年即推出 AI 編程工具 GitHub Copilot，商業化進展順利。谷歌：擁有龐大的 C 端互聯網應用生態。2022 年初推出 AI 編程工具 Alphacode，2023年推出 SGE、Duet AI 等應用，且擁有安卓系統、Chrome 瀏覽器、谷歌地球、Youtube 等月活超過 10 億的超級 APP，豐富的應用生態有利于未來潛在 AI 應用的鋪開。Meta：應用于廣告、社交領域。23 年 5 月推出廣告內容生成平臺，此前已在 Facebook 上推出 AI

45、工具箱。亞馬遜：應用于電商、廣告領域。此前推出電商、廣告領域內容生成的 AI 功能，23 年 12 月推出AI 助手 Amazon Q。October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 13 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 表 1：主要科技公司 AI 布局 AI 芯片布局 大模型及開發框架 AI 研發布局模式 已推出的核心 AI 應用 現有業務生態協同 微軟 外購：根據 Omdia，23 年購買約 15 萬張

46、H100 芯片 自研：2023 年 11 月發布Maia 100 芯片，預計 24 年投產，用于訓練和推理 大模型：OpenAI 推出GPT 系列模型，2023 年3 月推出 GPT-4，后續推出升級的 GPT4 Turbo、GPT4v 版本；下一代模型已在研發，將于 2024 年推出 開發平臺：Azure AI Studio，包括GPT4-Turbo 等 大比例持股體外公司+深度合作。在2019年、2023年向 OpenAI 分別投資10 億、100 億美元，持有OpenAI49%的股權，OpenAI 為獨立公司運營模式，與微軟合作關系緊密；公司內部設立微軟研究院，探索 AI 領域應用落地

47、辦公：推出 Microsoft 365 Copilot CRM/ERP：推出Dynamic 365 copilot 編程工具：Github Copilot 搜索引擎：必應集成ChatGPT，提供Copilot 功能 云計算：Microsoft Azure 辦公軟件：Microsoft 365、Office 操作系統：Windows（端側）瀏覽器：Edge 搜索引擎：Bing 谷歌 外購：根據 Omdia，23 年購買約 5 萬張 H100 芯片；自研：2016 年推出第一代TPU 芯片，2023 年推出TPUv5 系列，性能出色，可基本支撐自研大模型的訓練和推理 通信：自研 OCS 通信系統，

48、通信性能出色 大模型：推出 LaMDA、PaLM、PaLM2；2023年 12 月推出首個多模態大模型 Gemini，能力強于 GPT4，Ultra 版本即將推出 深度學習框架：TensorFlow（兩大主流框架之一）、JAX 開發平臺：Vertex AI，已搭載超過 130 個大模型 旗下部門自研：此前有Google Brain、Deepmind 等多個 AI 研發部門/全資子公司，分立運營；2023 年 4 月起整合為單一 AI 研發部門Google Deepmind 辦公：推出 Duet AI，定價 30 美元/月 搜索：AI 搜索功能 SGE已在內測，未來將推出 醫療：依托醫療行業垂直

49、大模型，輔助醫藥研發和診斷 其他：AI 編程工具；自動駕駛領域的Waymo；Youtube、谷歌地圖的 AI 工具 云計算：Google Cloud 辦公軟件：Workspace 操作系統：安卓（手機側）瀏覽器：Chrome 搜索引擎：Google 應用陣列：谷歌地圖、Youtube、Play store、Gmail 等 Meta 外購：根據 Omdia，2023年購買約 15 萬張 H100 芯片。公司計劃 2024 年底總共擁有大約 35 萬顆 H100 GPU，總共將近 60 萬顆 AI芯片；自研：公司預計于 2024 年推出 Artemis AI 芯片，將用于推理側；預計于 2025年

50、 Mtia 將投入使用，用于訓練和推理 大模型（開源）：2023年 7 月開源 Llama2，公司計劃于 2024 年推出Llama3，目前正在訓練 深度學習框架：Pytorch（兩大主流框架之一）旗下部門自研：AI 業務均由旗下 AI 部門進行研發，為直屬部門模式 社交軟件：提供 AI 功能增加用戶體驗 廣告：輔助廣告內容生成工具；通過 AI 實現廣告智能投放提升效率 社交應用：Facebook，全球最大社交軟件；以及Instagram 元宇宙：旗下 VR 設備品牌 Quest 以及內容平臺 亞馬遜 外購：根據 Omdia，2023年購買約 5 萬張 H100芯片 自研：2020 年推出Tr

51、ainium，23 年 11 月推出Trainium2，用于訓練側；2023 年 4 月推出Inferentia2，用于推理側 自研大模型：2023 年 12月推出 Titan 系列 AI 模型；根據路透社，下一代大模型 Olympus 已在研發，參數量或達到 2 萬億 大模型（Anthropic）：推出 Claude 系列模型，24 年 3 月推出 Claude3 開發平臺：Bedrock AI搭載自研及第三方模型，旗下部門自研+持股重點公司：旗下 AI 部門完成自研大模型研發；亞馬遜重點投資Anthropic，2023 年 9 月注資 40 億美元，但與亞馬遜的綁定關系不夠深；谷歌也參與A

52、nthropic多輪投資，23 年 10 月谷歌宣布向Anthropic投資最高 20 億美元 電商：為電商運營提供一系列 AI 功能支持，以及導購助手 Rufus；生成式助手：面向企業端的 AmazonQ；廣告：輔助廣告內容生成工具；通過 AI 實現廣告智能投放提升效率 云計算：AWS 電商平臺：亞馬遜商城 資料來源：谷歌、亞馬遜、微軟、Meta 公司官網，Omdia，申萬宏源研究 2.3.1 TOP3 閉源大模型構成第一梯隊，技術路徑收斂下競爭將加劇 TOP3 大模型廠商當前差距明顯縮小，未來競爭將加劇。根據能力基準測評，GPT4、Gemini1.0、Claude3 在性能上的交替領先，意

53、味著 TOP 廠商當前推出的模型差距明顯縮??；October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 14 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 仍需關注 OpenAI 正在儲備的下一代大模型，是否能再次實現模型能力的跨代大幅提升；此外，Meta 正在訓練下一代的 Llama3 大模型，有望在 24 年中推出?？傊?，大模型領域仍將維持高強度的競爭，推動領先廠商持續迭代進步。圖 18：截至 2024 年 3 月 TOP3 大

54、模型視覺能力基準評估 資料來源：Anthropic 官網，申萬宏源研究 圖 19：截至 2024 年 3 月 TOP3 大模型能力基準評估 資料來源：Anthropic 官網，申萬宏源研究 LLM 技術路徑向 Transformer 的 Decoder-Only 架構收斂，大模型競爭將趨于白熱化。1）Encoder-Only：2020 年前后，由于預訓練目標不能和很多生成任務一致，生成效果較差，以谷歌 BERT 為代表的 Encoder-Only 路徑逐漸被放棄。2）Encoder-Decoder：代表模型包括清華大學GLM以及谷歌的Switch、T5等模型，目前仍在迭代，但玩家較少。3）De

55、coder-Only：October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 15 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 在 OpenAI 的開辟下目前已成為主流技術路線，在理解、生成各方面都有著較好表現，而后Meta 的 Llama 系列、谷歌的 PaLM、Gemini 等模型均選擇該路徑，路線之爭向 Decoder-Only架構收斂，大模型領域的競爭將更趨于白熱化。圖 20：LLM 大模型進化樹（截至 2023 年 4

56、 月）資料來源：Harnessing the Power of LLMs in Practice:A Survey on ChatGPT and Beyond，申萬宏源研究 圖像/視頻/3D 生成工具：仍處于快速迭代，OpenAI 和谷歌競爭激烈。1）圖像已走向成熟和商業化，但目前商業化落地場景主要是以 Adobe 為代表的創意工具；更優質的模型仍在持續推出，例如 DALL-E3 和 Imagen2 等。2）視頻和 3D AI 工具處于向大規模商業化不斷邁進的階段，24 年 OpenAI 推出 Sora、谷歌推出 Genie，模型迭代明顯加速。October 12,2010 Building

57、Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 16 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 圖 21：OpenAI、谷歌及 Meta 推出的 LLM/圖像/視頻/3D AI 生成工具產品時間表 資料來源：各公司官網，錦秋集微信公眾號，申萬宏源研究 2.3.2 OpenAI：GPT-4V 同樣具備一定的多模態能力 此前 GPT-4 模型已具有多模態能力，但 Open AI 并未具體公布其訓練方法。Open AI 于23 年 10 月發布 GPT-4V，與此前發布 G

58、PT-4 訓練過程基本相同。2023 年 3 月，GPT-4 已經展示出多模態能力，例如可以理解網絡搞笑圖片、理解圖表含義和計算等，但是 Open AI 在技術報告中并沒有給出 GPT-4 的參數、訓練方法等具體細節。產業界猜測 GPT-4 的視覺多模態來自于類似 Flamingo 的架構，使用交叉注意力機制1。產業界猜測 GPT-4 的模型架構基于一個獨立于語言預訓練模型的視覺 Transformer，二者之間存在交叉注意力。該架構類似于 Flamingo。這在 GPT-4 的 1.8 萬億個參數之上增加了更多參數。在純文本的預訓練之后，它又經過了另外約 2 萬億個 token 的微調。產業

59、界認為這是目前多模態模型中對 Open AI 最有成本優勢的架構。1 一般認為多模態模型的 5 種典型結構（來源：深圳鵬城實驗室）October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 17 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 圖 22：多模態模型的 5 種典型結構 資料來源：Large-scale Multi-modal Pre-trained Models:A Comprehensive Survey、申萬宏源研究

60、注：a）合并注意力架構（Merge-attention）：多個輸入模態調整為同一的特征表示，多個模態的特征在自注意力之前被合并，共同進入 Transformer。b）共同注意力架構（Co-attention）：每個輸入模態都具備私有自注意力通道，用于模態獨立特征的導入，然后再使用共同的交叉注意力層融合多模態特征。c）交叉注意力架構（Cross-attention）：對于多模態任務，將圖像與語言分別結合，實現圖文信息的相互嵌入與問答。d）三角 Transformer 架構（Tangled-transformer）：使用三組 Transformer 模塊同時處理動作、圖形對象和語言特征，通過特定的

61、三角連接關系，注入其他模態的 Transformer 網絡，以不同模態的信息融合。e）模態間對比學習架構（Inter-Modality Contrastive Learning）：不同模態的信息被分解，通過矩陣結構建立多模態對比學習關聯。Flamingo 是 DeepMind 在 2022 年 4 月發布的工作。Flamingo 模型是一個可以輸入圖像和文本來生成文本的多模態模型，Flamingo 建立在預訓練好的語言模型基礎上（DeepMind之前所提出的 Chinchilla，最大參數量 70B），又引入了一個 Vision Encoder。October 12,2010 Building

62、 Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 18 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 圖 23：Flamingo 的整體架構 資料來源：Flamingo:a Visual Language Model for Few-Shot Learning、申萬宏源研究 不同于 Gemini，GPT4 的核心思路為：不是直接訓練一個多模態模型，而是在已經預訓練好的語言大模型中引入圖像理解能力。1）引入預訓練好的視覺模型用來提取圖像的語義特征，并且嵌入預訓練好的語言模型

63、中（如上 Vision Encoder）；2）引入一個包含圖像和文本的多模態數據集用來 finetune 模型，如下圖。模型支持圖像輸入，而本身的任務還是文本生成，所以訓練損失還是采用語言模型的 language modeling loss，即根據前面的輸入預測下一個token。圖 24：Flamingo 使用的文本-圖像交疊的多模態數據集 資料來源：Flamingo:a Visual Language Model for Few-Shot Learning，申萬宏源研究 可見，若使用交叉注意力架構，Open AI 可以有效節省成本：可以大幅度使用 ChatGPT中已經構建的語言模塊。在預訓練

64、框架搭建完成后，猜測 GPT-4 也進行了大量訓練、提示、RLHF。2023 年 7 月，SemiAnalysis展示了大量關于GPT-4訓練的猜測，例如GPT-4的大小是GPT-3的10倍以上，120 層網絡中總共有 1.8 萬億個參數，使用了 16 個專家模型，每個專家模型大約有 111B 個參數。同時業界猜測 Open AI 訓練的一部分數據是聯合數據（包括渲染的 LaTeX/文本）、網頁的截屏、YouTube 視頻（采樣幀），并使用 Whisper 對其進行運行以獲取轉錄文本，以上數據可以用于訓練或者制作 Prompt。此外，產業界猜測 GPT-4 使用了并行計算策略。為了在所有 A1

65、00 GPU 上進行并行計算，他們采用了 8 路張量并行，因為這是 NVLink 的極限。除此之外，他們還采用了 15 路流水線并行，最終 GPT-4 的推理成本是 1750 億參數的 Davinci 模型的 3 倍。October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 19 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 圖 25：多模態提示示例 資料來源：微軟，申萬宏源研究 綜上，盡管我們無法了解 Open AI 具體如何讓

66、GPT-4 獲取多模態智能，但無論 Open AI還是 Google，都在 AI 在架構、Prompt、RLHF、安全、數據、計算資源等多個方面多做出努力。相比單模態大模型，多模態的進入門檻更高。2.3.3 國內模型：性能達到 GPT-4 水平，但多模態能力有差距 2024 年后，訊飛、智譜等國產大模型陸續發布，國內大模型在 2024 年達到 GPT-4 水平。我們認為：1）中文生成能力確實達到接近 GPT-4 水平，相比 2023 年上半年進步巨大！2）但是模型的推理、代碼等能力仍有極大提升空間，此外國產模型多模態以“文生圖”為主，缺乏完善的“圖生文”能力；3）除生成水平外，AI Agent

67、 需要的規劃、應用等能力是廠商探索重點。表 2：截至 2024 年 2 月國內大模型發展情況 公司 模型名 整體評價 百度 文心一言 4.0 體驗對標 GPT-4 科大訊飛 星火 V3.5 3.5 中文生成能力全面對標 GPT-4 智譜 ChatGLM4 達到 GPT4 中文水平 阿里 通義千問 2.0 綜合性能超越 GPT-3.5，正在加速追趕 GPT-4 騰訊 混元大模型 中文能力超越 GPT-3.5，代碼能力大幅提升 20%。商湯 sensechat 接近 GPT3.5 水平 資料來源：百度、科大訊飛、阿里云等官網、申萬宏源研究 October 12,2010 Building Mate

68、rials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 20 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 盡管中文語言生成能力迭代明顯，但是國產模型的推理、代碼、多模態等能力仍有極大提升空間。國內測評體系認可中文大模型的生成能力。1 月 30 日，上海人工智能實驗室發布了大模型開源開放評測體系司南（OpenCompass2.0）2，結果顯示，不少國內廠商近期新發布的模型在多個能力維度上正在快速縮小與 GPT-4 Turbo 的差距，包括智譜清言 GLM-4、阿里巴巴Qwen-Max、百

69、度文心一言 4.0 等。但同時根據評測，復雜推理相關能力是大模型普遍面臨的難題，國內大模型相比于 GPT-4還存在差距。評測顯示，推理、數學、代碼、智能體是國內大模型的短板。GPT-4 Turbo 在涉及復雜推理的場景雖然亦有提升空間，但已明顯領先于國內的商業模型和開源模型。這是大模型在金融、工業等要求可靠的場景落地需要的關鍵能力。圖 26：上海人工智能實驗室司南 OpenCompass2.0 年度榜單（客觀評測-百分制）資料來源：上海人工智能實驗室、申萬宏源研究 3.谷歌云：有望憑借 AI 布局再進一步 3.1 云計算：AI 時代基礎設施，算力需求推動高增速 全球云計算市場將因 AI 進入新

70、一輪增長趨勢。2022 年底開始的 AI 浪潮，帶來了大量大模型訓練和推理側的需求，刺激云計算市場規模持續擴大。IaaS 和 PaaS 作為算力基礎設施，在算力需求快速提升的趨勢下，將維持高增速。2 https:/ October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 21 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 圖 27：全球云計算市場規模 資料來源：Gartner，中國信通院，申萬宏源研究 谷歌云：先發但后至，追趕勢頭

71、強勁。谷歌于 2006 年首次提出“云計算”概念，但并未重視對 IaaS 領域的投資，同年，亞馬遜搶先一步布局 IaaS 賽道，并以價格戰策略掠奪市場、穩居第一。2011 年，谷歌相繼推出 Google Cloud Storage 與 Google Compute Engine，但在 IaaS 賽道已處于落后；2016 年，谷歌將旗下多個云業務部門重組為谷歌云后開始加速追趕，市占率提升速度較快，當前為全球第三大云服務商。圖 28：云計算市場競爭格局（僅計算 IasS、PaaS）資料來源：Synergy Research Group，申萬宏源研究 云廠商：23Q4 增長小幅提速，AI 對業績拉動

72、開始體現、24 年 CAPEX 計劃樂觀 悲觀預期修復，23Q4 云廠商收入增長小幅提速，增速上微軟 Azure谷歌云AWS。2022H2 以來由于美國宏觀預期悲觀，企業 IT 削減 IT 開支并推遲上云，導致云廠商增速下行，經歷一年調整，23Q2 左右北美云廠商增速逐步企穩，近兩個季度看基本走出溫和加速趨勢。谷歌云 23Q3 營收增速下降，23Q4 營收 92 億美元，增速環比提升至 25.7%。從競爭來看，亞馬遜、微軟、谷歌在云業務份額爭奪仍在繼續，微軟 Azure 營收同比+30%領跑，快于谷歌云，行業份額第一的亞馬遜 AWS 增速相對較慢。0%5%10%15%20%25%30%35%0

73、10002000300040005000201720182019202020212022IaaSPaaSSaaSyoy（億美元）October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 22 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 AI 對云的拉動已經開始體現，未來 AI 將為云廠商競爭格局的核心變量。微軟：目前在大模型布局上較為領先，23Q3 AI 服務在 Azure 收入增速中貢獻約 3pct；23Q4AI 則為 Azur

74、e增長貢獻了 6pct；AI 對云業務增長貢獻季度環比翻倍驗證了 AI 的強勁需求，對于 Azure 搶占市場份額形成助力：Azure AI 目前有 53000 名客戶，1/3 是過去 12 個月新增。谷歌：目前 70%+的 AI 獨角獸公司是谷歌云客戶，包括 Character.ai、Anthropic 等明星企業。亞馬遜：在 AI 布局上略微落后，除 AWS 外，已引入了 Bedrock、AI 助手 Q 和 Trainium 等新產品，并測試 AI 購物助手 Rufus。圖 29：北美云廠商營收同比增速 資料來源：微軟、谷歌、亞馬遜財報，申萬宏源研究 隨著規模效應、降本增效以及折舊攤銷政策

75、變化，以谷歌為代表的北美云廠商經營利潤率提升較為明顯。1）折舊攤銷年限延長：2023Q1，谷歌宣布云服務器的預計使用壽命由 4 年延長至 6 年，部分網絡設備的預計使用壽命由 5 年延長至 6 年，較大幅度減少了谷歌云的折舊攤銷成本。AWS、微軟 Azure 也都在 2022 年后提出延長云基礎設施的使用年限。2）利潤率明顯提升：谷歌云 21Q4 以來利潤率不斷提升，23Q1 扭虧為盈后近幾個季度營業利潤率逐步抬升至 23Q4 的 9.4%。AWS 23Q4 營業利潤率保持在 29.6%，同比提升 5.3pct。微軟智能云部門 23Q4 利潤率 48.1%，同比提升 6.7pct。盡管云廠商將

76、在后續顯著增加 AI 算力等投入，但考慮當前 AI 算力市場供不應求，預計資本支出能較快轉化為高毛利率收入，從而不會拖累盈利能力。圖 30：谷歌、AWS、微軟云業務部門營收、利潤 資料來源：微軟、谷歌、亞馬遜財報，申萬宏源研究 0%10%20%30%40%50%60%70%AzureAWSGoogle Cloud October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 23 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 隨著經濟預

77、期的改善和前瞻 AI 動力較足，云廠商和 Meta 開啟新一輪資本開支擴張期。23Q2 以來的三個季度各家廠商的資本開支環比均呈現增加趨勢。23Q4 投入同比提升明顯的是微軟(+55%)和谷歌（+45%），三大云廠+Meta 資本支出合計數結束近三個季度同比下降趨勢，YoY+8.9%。23Q4 谷歌 CAPEX 為 110 億美元，同比+45.08%，環比+36.79%。各廠商提出較為積極的 2024 年資本開支計劃。谷歌：預計在 2024 年 CAPEX 將高于 2023年，主要用于服務器和數據中心等基礎設施投資以支持 AI 及產品開發。Meta：指引 2024 年Capex 300-370

78、 億美元，主要增加 AI 等創新業務投入；亞馬遜：Capex 2023 年 484 億美元，預計 24 年將增加，主要增量來自 AWS 的 AI 等投入。圖 31：北美云廠商資本開支 資料來源：微軟、谷歌、亞馬遜財報，申萬宏源研究 3.2 谷歌云：高增速趨勢維持，AI 賦能平臺層及軟件層 谷歌云正處于盈利水平快速爬坡期，前瞻訂單指標剩余履約義務保持高增長。谷歌云分為谷歌云平臺（GCP）和 Workspace，谷歌云平臺提供計算、存儲、數據處理分析和機器學習等云服務；Workspace 提供 Gmail、文檔、日歷等辦公應用。2023Q1，谷歌云首次實現 1.91億美元營業利潤，盡管 23Q3

79、營收增速低于預期引發市場擔憂，但 23Q4 營收 92 億美元，同比增速回暖提升至 25.7%，一定程度減少市場擔憂。根據谷歌財報，23 年底公司剩余履約義務（主要與谷歌云相關）為 741 億美元，22 年底為 643 億美元，充足的訂單將支撐谷歌云的業績增長。050100150200250300350400450500（億美元）微軟Amazon MetaGoogle October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 24 January 12,2015 Food,Beverage&Tobacco

80、|Company Research 公司研究 圖 32：谷歌云業務整體布局 資料來源：微軟、谷歌、亞馬遜財報，申萬宏源研究 SaaS：Workspace+Google One 用戶數穩步增長，Duet AI 賦能辦公 2006 年谷歌推出 Workspace，已形成豐富的辦公套件。2023 年，谷歌 Workspace 的用戶數已超過 30 億，付費用戶超過千萬。Workspace 的付費定價基礎主要為向客戶粘性較強的 Meet（遠程辦公視頻會議）、Drive（云端存儲）、Gmail（郵箱）提供增值功能，如 Meet提供支持更多人參與的視頻會議及錄制功能、Drive 提供更大空間的云存儲等。圖

81、 33：Work space 主要工具 資料來源：谷歌官網，申萬宏源研究 Workspace 付費用戶規模仍較小，云存儲服務 Google One 訂閱用戶則超 1 億。Workspace 付費會員分為 Bussines Starter/Standard/Plus，定價 6/12/18 美元/月，23Q3付費用戶已超 1000 萬。谷歌還單獨推出云存儲 Google One 訂閱服務，即在 Google Drive October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 25 January 12,20

82、15 Food,Beverage&Tobacco|Company Research 公司研究 提供的 15GB 免費內存之外，提供付費的存儲空間拓展功能，100GB/2TB（標準版）/2TB（AI高級版）定價分別為 1.99/9.99/19.99 美元/月，根據谷歌 2023 年財報，Google One 訂閱用戶數已超過 1 億。圖 34：Workspace 付費用戶數量 資料來源：谷歌財報，申萬宏源研究 推出 Duet AI 賦能 Workspace 及開發平臺。2023 年 5 月，谷歌推出基于 PaLM2 大模型的 AI 助手 Duet AI，可集成于 Gmail、Sheets、Cha

83、t 等 Workspace 辦公套件中，提供 AI功能。Duet AI for Workspace 對標微軟的 Microsoft Copilot，同樣定價 30 美元/月，但受限于 Workspace 付費會員的低基數，對業績的貢獻較小。除辦公領域外，谷歌還推出面向編程的 AI 工具 Duet AI for Developer，提供 Alphacode2（由 Deepmind 推出）外的另一 AI編程工具選擇。圖 35：谷歌面向辦公和編程場景推出 Duet AI 助手 資料來源：谷歌官網，申萬宏源研究 234568910024681012201520172018201920202022202

84、3H12023Q3（百萬）October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 26 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 PaaS：推出基于谷歌云的 AI 開發平臺 Vertex AI，構筑 AI 應用開發生態 對標 Amazon Bedrock 和 Azure AI studio，Vertex AI 平臺 API 請求量高增。Vertex AI 可提供包括數據預處理、模型訓練、模型庫選擇、模型部署在內的模型開發各個階

85、段的服務，開發者可以利用 Vertex AI 簡化模型性能維護工作，幫助客戶調用大模型滿足相關需求。截至 2023 年，Vertex AI 上可部署的 AI 大模型超過 130 個，包括谷歌自研的 Gemini、PaLM 等模型及 Claude2、Llama2 等第三方大模型。根據谷歌 2023 年財報，23H2 Vertex AI平臺的 API 請求相對 23H1 增加了近 6 倍。圖 36：Vertex AI 平臺架構 資料來源：谷歌官網，申萬宏源研究 3.3 谷歌 TPU：GCP 的 AI 算力基石，為自研大模型構筑成本優勢 目前高性能計算領域，已形成 GPU 為主，ASIC 芯片為輔的

86、格局。CPU 作為傳統處理器，通用性最強，但其需要兼顧控制等能力，運算性能已無法滿足 AI 發展的計算能力需求。GPU具備運算單元占芯片面積比例較大的特點，過去隨著英偉達 GPU 芯片計算性能持續提升以及CUDA 開發生態逐漸成熟，現已成為主流的高性能計算芯片。ASIC 作為定制化的專用集成電路，面向相對單一的應用如 AI 大模型推理和訓練而進行設計、優化，其通用性最差，但計算效能最高。October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 27 January 12,2015 Food,Beverag

87、e&Tobacco|Company Research 公司研究 圖 37：TPU 作為一類 ASIC 芯片具備高算力、低通用性特點 資料來源：寒武紀招股說明書，申萬宏源研究 TPU 為谷歌大模型的發展奠定了堅實的硬件基礎設施優勢，兼具低成本與可控性 谷歌 TPU（Tensor Process Unit）為定制設計的 AI 加速器，針對 AI 大模型的訓練和推理進行了優化，已經過多輪迭代，計算性能出色：1）TPUv1 發布于 2016 年，是谷歌第一代 DNN DSA，能夠處理推理任務。2）TPUv2 發布于 2017 年 5 月，其添加了一個片到片的定制互連結構 ICI，以應對逐漸增大的模型訓

88、練規模。此外，與 TPUv1 不同，TPUv2 每個芯片有兩個 TensorCore。3）TPUv3 發布于 2018 年 5 月，改進了帶寬和擴展性。在 TPUv2 的基礎上微調了設計，采用相同的技術，擁有 2 倍的 MXU 和 HBM 容量，并將時鐘頻率、內存帶寬和 ICI 帶寬提高至1.3 倍。一臺 TPUv3 超級計算機可以擴展到 1024 個芯片。TPUv3 對 AI 訓練的精度要求支持增加。其在使用 16 位浮點（bfloat16）與英偉達 Volta GPU 相當。4）TPUv4 發布于 2020 年，主打可擴展性，TPUv4 集群采用激進的全光組網方案，首次采用 3D 組網，并

89、通過引入具有光學數據鏈路的光路交換機（OCS）來解決規模和可靠性障礙。October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 28 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 圖 38：谷歌 TPU v4 在多類模型的運算中性能優于英偉達 A100 芯片 資料來源：谷歌官網，申萬宏源研究 在大模型訓練和推理上，TPU 相對英偉達同時期算卡有著性能優勢。根據 2023 年谷歌發布的 TPU v4 技術論文，對于規模相當的系統，TP

90、U v4 可以提供比英偉達 A100 強 1.7 倍的性能，同時在能效上也能提高 1.9 倍。TPUv5 已用于 Gemini 等大模型的訓練中，未來 TPU 帶來的優勢有望持續擴大。谷歌在2023 年 8 月發布 TPUv5e，12 月發布 TPUv5p，該系列芯片相對 TPUv4 在性能上提升顯著，訓練速度、訓練效率都有大幅提升。公司指出，Gemini 1.0 系列模型即是基于 TPUv4 與 TPUv5e芯片完成訓練。隨著大模型的技術路線和基本框架逐漸穩定，TPU 可更好地發揮作為 ASIC 芯片的優勢，對 AI 訓練和推理進行更針對性地優化。圖 39：TPUv5 性能參數對比 圖 40

91、：TPUv5 訓練效率對比 資料來源：谷歌官網，申萬宏源研究 資料來源：谷歌官網，申萬宏源研究 谷歌在 OCS 的研發上積累多年，在芯片間通信互聯具備優勢。OCS 是谷歌自研的數據中心光交換機。通常數據中心內數據交換是光電混合網絡，設備之間的主要互聯通過光纜/銅纜/光電轉換器件、以及交換機 ASIC/Serdes/PCIE/NVLink 等鏈路實現。與過去在網絡層之間多次將信號“從電轉換為光再到電”不同，OCS 是一種全光學的連接方案，通過 MEMS 陣列結合光環路器、波分復用光模塊實現光路的靈活切換、以達到直接通過光信號組建交換網絡的目 October 12,2010 Building Ma

92、terials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 29 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 的（適配于重復可預測的 AI 訓練）。與英偉達目前主推的 Infiniband 相比，OCS 的成本更低、功耗更低、速度更快，成本不到系統成本的 5%，功率不到系統功率的 3%。圖 41：TPU4v 開始使用 3D 立體組網，同時采用 OCS 實現更好的通信互聯 資料來源：谷歌官網，申萬宏源研究 日趨龐大的高性能計算芯片的支出下，云廠商和 AI 企業尋求低成本硬件支持的動力將愈

93、發強烈。從量級上來說，高性能計算芯片的需求將從百億美元級（2022 年英偉達數據中心業務產品營收為 150 億美元），向千億美元級躍升（AMD 預計到 2027 年 AI 芯片+相關配套芯片市場規模為 4000 億美元），指數級增長的市場空間將引起各大企業更多的行動。云廠商自研芯片使用比例提升已為明確趨勢：1）對云廠商而言，更低的價格下自研 AI 芯片可大幅降低自有AI業務的算力成本，并可根據自有大模型的特點對AI芯片進行針對性設計，進一步實現優化成本。2）對于非云廠的 AI 企業而言，未來潛在的 AI 應用及大模型優勝企業將主動對算力成本進行優化。當前 AI 初創公司仍處于百花齊放階段，呈現

94、各初創公司算力需求不足夠大而需求急迫的特征，難以考慮算力成本優化的問題。但隨著未來爆款 AI 應用的出現以及 AI 大模型格局逐漸走向清晰，或將出現成熟的 AI 優勝企業，具備算力需求龐大且長期需求穩定的特點，其具有充足的動力主動向云廠商尋求使用更低成本的算力芯片，成本導向下云廠商自研芯片的開發生態亦有望緩速走向成熟。表 3：海外科技巨頭陸續推出自研 AI 芯片 公司 芯片產品 類型 當前代際 發布時間 初代產品推出時間 Google TPU v5p 訓練、推理 5 2023.12 2016 年 Amazon Inferentia2 推理 2 2023.04 2018 年 Amazon Tra

95、nium2 訓練 2 2023.12 2020 年 Microsoft Maia100 訓練、推理 1 2023.11-Meta MTIA 訓練、推理 1 預計 2025 年投產 MTIAv1 在 2020 年開始進行設計 Meta Artemis 推理 1 計劃 2024 年投產-Microsoft Cobalt CPU 1 2023.11-Amazon Graviton4 CPU 4 2023.12 2018 年 資料來源：各公司官網，The Information，申萬宏源研究 October 12,2010 Building Materials|Company Research 請務必

96、仔細閱讀正文之后的各項信息披露與聲明 30 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 開發生態尚不完善，TPU 在易開發性上與 GPU 差距較大 TPU 硬件性能較為出色，但開發生態的不完善仍掣肘 TPU 的廣泛使用。英偉達在 2006年發布 CUDA 生態，旨在為 GPU 提供完善、高可靠度的開發環境，經過長期積累已形成龐大的開發者群體以及豐富的資源庫。谷歌 TPU 作為 ASIC 芯片，為深度學習框架 TensorFlow 而設計，通用性相對不強，且推出時間較晚。而 CUDA 生態完善已后形成卡位，GPU 已成為

97、主流算卡，使得 TPU 開發群體相對較小，多以谷歌內部開發人員為主，開發生態成熟速度較慢。預計短期內 TPU 仍主要用于滿足谷歌內部算力需求，向云服務客戶大范圍推廣仍待生態慢慢走向成熟。表 4：主流 GPU 芯片及谷歌 TPU v5p 性能對比 MI300X H100 SXM H200 SXM TPU v5p 制程 TSMC 5nm|6nm FinFET TSMC 4nm TSMC 4nm-FP64（TFLOPS）81.7 67 67-FP32（TFLOPS）163.4 989 989-BF16（TFLOPS）1300 1979 1979 459 INT8（TOPS）2600 3958 395

98、8 918 內存容量及類型 192 GB HBM3 80GB HBM3 141GB HBM3e 95GB HBM 內存帶寬（TB/s）5.3 3.35 4.8 2.7 Interconnect PCIe Gen5.0：128 GB/s PCIe Gen5.0：128 GB/s PCIe Gen5.0：128 GB/s ICI Link：4800GB/S Fabric Links：896 GB/s NVLink：900 GB/s NVLink：900 GB/s 生態 RoCm CUDA CUDA TensorFlow XLA 資料來源：各公司官網，申萬宏源研究 4.谷歌服務：AI 雙刃劍已在手，

99、公司掌握產業變革主動權 谷歌和 Meta 為數字廣告領域領跑者，亞馬遜和字節跳動為主要挑戰者。谷歌擁有搜索引擎與 UGC 視頻平臺市場，Meta 則耕耘社交平臺 Facebook，占據核心流量入口，2021 年兩者在數字廣告市場份額合計超 50%。近年來，老牌電商巨頭亞馬遜持續發力廣告業務，根據eMarketer 數據顯示，亞馬遜數字廣告市場份額不斷上升，從 2017 年的 1.8%上升至 2021 年的 6.0%；此外，Tiktok 短視頻平臺也為重要挑戰者。圖 42：全球數字廣告市場競爭格局 資料來源：eMarketer，申萬宏源研究 0%10%20%30%40%2017201820192

100、02020212022E2023E2024EGoogleMetaAlibabaAmazonByteDance October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 31 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 谷歌服務為公司核心業務，包括谷歌廣告和谷歌其他。1）谷歌廣告收入來自于搜索廣告、YouTube 廣告和谷歌網絡（Google Network）；2）谷歌其他收入來源于 Google Play 開發者傭金、硬件設備銷售

101、收入、YouTube Premium 會員訂閱費等。2023 年，谷歌廣告與其他業務收入分別為 2379/347 億美元，谷歌廣告收入增速放緩，同比增長 6.0%，YouTube 訂閱量攀升驅動 2023 年訂閱產品總收入增長至 150 億美元，推動谷歌其他營收增速高達 19.4%。圖 43：2017-2023 年谷歌廣告收入及同比增速 圖 44：2017-2023 年谷歌其他收入及其同比增速 資料來源：公司財報，申萬宏源研究 資料來源：公司財報，申萬宏源研究 4.1 谷歌搜索：短期無憂，須關注中長期行業變革 搜索引擎體驗的核心在于精確地提供搜索結果，提高用戶使用體驗。谷歌搜索引擎依托當時最先

102、進的算法 PageRank 迅速崛起，此后保持極高的敏感度，持續迭代算法提升搜索精度和使用體驗。1）早期搜索算法理論：PageRank 算法基于兩點假設。1）數量假設：網頁收到的入鏈數越多，該網頁質量越高；2）質量假設：指向某頁面的網頁質量越高，該頁面的質量越高?；谠撍惴ù蛟斓乃阉饕嫠玫乃阉鹘Y果顯著強于當時市面上其他的搜索引擎。2）多輪迭代持續規范與優化搜索內容，增強用戶體驗。包括保護原創內容競爭力、打擊采用不道德的鏈接建設策略的網站、加強搜索內容的語義相關性、更好地理解用戶的意圖和查詢意義等，多輪更新迭代使得谷歌搜索長期保持領先的使用體驗。3）積極探索 AI+搜索：早在 2015 年谷

103、歌就已將 AI 融入搜索引擎，RankBrain、Bert、Helpful Content 分別將 AI 引入搜索中改善搜索結果并優化生成內容，2023 年谷歌推出搜索生成體驗（SGE），在 AI 搜索領域仍走在最前沿。表 5：谷歌搜索算法更新歷程 時間 名稱 更新內容 2011 Panda 保護原創內容競爭力 2012 Penguin 打擊采用不道德的鏈接建設策略的網站 2013 Hummingbird 強調搜索內容的語義相關性 2015 Mobilegeddon 優化移動設備搜索體驗 RankBrain 引入新的機器學習人工智能提高搜索結果相關性 2019 Bert 自然語言處理機器學習系

104、統幫助理解句中詞語對人類的意義 2021 Page Experience 在頁面體驗排名因素中增加了三個新的核心網絡指標（最大的內容繪畫、0%10%20%30%40%50%050010001500200025002017201820192020202120222023谷歌廣告yoy（億美元）0%10%20%30%40%01002003004002017201820192020202120222023谷歌其他yoy（億美元）October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 32 January 12

105、,2015 Food,Beverage&Tobacco|Company Research 公司研究 時間 名稱 更新內容 首次輸入延遲和累計布局轉移）2022 Helpful Content 針對 AI 生成的低附加值內容進行優化，鼓勵對用戶有價值的原創內容 2023 SGE AI 搜索引擎，可根據用戶搜索需求從網站中提取信息并鏈接到生成答案時使用的來源 資料來源：若凡 SEO 優化，申萬宏源研究 搜索引擎變現的核心在于更精準的廣告投放。1）個性化廣告精準定位客戶需求：公司通過用戶在搜索引擎中使用的搜索關鍵詞捕捉用戶潛在需求，為用戶更精準地匹配廣告。2）技術優勢提升廣告投放體系運轉效率：傳統廣

106、告投放體系依賴廣告代理公司，運轉效率隨規模擴大而降低。公司善用自身技術優勢推出廣告競價排名系統與廣告內容排名系統，前者將根據系統中廣告代理或商家的實時競價決定廣告的價格與排序，后者使用 PageRank 算法邏輯衡量廣告內容質量，提升廣告投放體系的運轉效率。3）Pay-per-click 模型保證成果與收入轉化：傳統展示付費模式難以保證廣告轉化效果，而 Pay-per-click 模型使公司收入計算基于廣告點擊率，既為廣告商明晰了廣告投放效果，又確保了公司收入轉化，實現商業化模式的良性循環。圖 45：谷歌搜索變現模式 資料來源：Gary Fox，申萬宏源研究 推出 Chrome 瀏覽器完善搜索

107、引擎生態。1）2009 年谷歌 Chrome 撬動微軟市場份額：2008 年，谷歌推出 Chrome 瀏覽器，當時的瀏覽器市場幾乎由微軟 IE（占比 60%+）和 Firefox（占比 20%+）占據。2009 年，微軟因 IE 瀏覽器與 Windows 系統捆綁而接受歐盟的反壟斷調查，并做出整改措施，承諾允許 Windows 用戶選擇其他瀏覽器產品，同時，谷歌憑借搜索引擎流量入口順勢推廣 Chrome，市場份額穩步上升；2）2012 年 Chrome 搶占移動端流量入口：谷歌分別于 2012 年 2 月與 6 月發布適配安卓系統和 iOS 系統的 Chrome 瀏覽器，2014年 8 月首次

108、超越蘋果 Safari 瀏覽器市場份額（Chrome 占比 22.67%，Safari 占比 22.64%）。目前 Chrome 瀏覽器 PC 端和移動端的市占率都維持在 60%以上。October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 33 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 圖 46：瀏覽器市場份額（PC 端）圖 47：瀏覽器市場份額（移動端）資料來源：statcounter，申萬宏源研究 資料來源：statcou

109、nter，申萬宏源研究 競爭壁壘：優質體驗+綁定瀏覽器+龐大數據資源庫，相對 Bing 等競爭者優勢明顯。1）谷歌搜索早期憑借先進的 Pagerank 搜索算法，以更出色的用戶體驗，擊敗必應、雅虎等競爭對手一躍成為市占率第一的搜索引擎工具，并保持了優質的用戶體驗。2）依托瀏覽器鞏固競爭地位：Chrome 瀏覽器可預設谷歌搜索為默認搜索引擎，Chrome 份額的持續提升，有效幫助谷歌搜索構建競爭壁壘；2017 年，谷歌通過支付高額費用與蘋果簽訂協議，谷歌搜索成為蘋果Safari 瀏覽器中的默認搜索引擎，進一步占據移動端設備的搜索份額。3）數據資源庫：谷歌搜索長期的領先地位，幫助其積累了龐大的用戶

110、數據等資源，可依此快速的更新迭代、對用戶體驗進行改善。圖 48：搜索引擎市場份額 資料來源：Statcounter，申萬宏源研究 AI 將重塑搜索格局？對谷歌的影響短期內仍無法證實或證偽，但程度或有限 AI 對谷歌搜索的潛在影響主要為：問題 1：AI 聊天機器人（僅生成內容）將爭奪搜索引擎的流量份額？影響可能僅集中在部分輕量級的搜索需求。AI 聊天機器人回答的準確性仍有提升空間，中短期內將主要滿足輕量級的搜索需求，如對準確率要求較低的日常問題答案。而搜索的核心為，0204060802009/1/12009/11/12010/9/12011/7/12012/5/12013/3/12014/1/1

111、2014/11/12015/9/12016/7/12017/5/12018/3/12019/1/12019/11/12020/9/12021/7/12022/5/12023/3/12024/1/1ChromeIEFirefoxSafariOperaEdge其他（%）0204060802009/1/12010/1/12011/1/12012/1/12013/1/12014/1/12015/1/12016/1/12017/1/12018/1/12019/1/12020/1/12021/1/12022/1/12023/1/12024/1/1ChromeSafariUC BrowserAndroidO

112、pera其他（%）020406080100GooglebingYahoo!BaiduDuckDuckGoYANDEX其他（%）October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 34 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 用戶需要精準獲取帶有資料來源的搜索結果，以滿足其對搜索結果的正確率要求。從這個角度看，聊天機器人與搜索的需求僅部分重疊，大部分需求仍需由搜索引擎完成，搜索引擎仍將扮演互聯網門戶的角色。問題 2：傳統搜

113、索向 AI 搜索（生成內容總結+網頁鏈接）進化將改變競爭和商業模式？并未改變底層的商業邏輯，但谷歌的成本可能增加。谷歌 2015 年即開始在搜索引擎中融入 AI，并于 2023 年推出搜索生成體驗 SGE（Search Generative Experience），布局上較為領先，競爭優勢仍可依靠生態優勢保持穩固。目前 AI 搜索引擎仍未改變傳統搜索的商業業態，以 Perplexity、SGE 為例，目前 AI 搜索引擎的形態仍然是生成式內容+核心數據來源，搜索廣告的商業模式并未改變。長期看，為應對聊天機器人領域的競爭，AI 搜索或將普及，應當關注AI 搜索普及后帶來的算力消耗，將抬高谷歌搜索

114、的營業成本。4.2 谷歌 Network：提供綜合廣告服務 谷歌網絡 Google Network 為廣告管理平臺，是谷歌廣告第二大收入來源。谷歌網絡收入來自 Google AdSense、AdMob 和 Ad Manager 三款產品，廣告商可根據自身廣告投放需求選擇相應的管理平臺。2023 年，谷歌網絡營收為 313.12 億美元，同比下降 4.48%。圖 49：2017-2023 年谷歌網絡收入及同比增速 資料來源：公司財報，申萬宏源研究 Google AdSense：面向網頁開發者的廣告創收平臺。AdSense 通過谷歌自動廣告分析（Auto ads）決定廣告效果最佳的廣告投放樣式、數

115、量和位置，并最大化收入。Google AdMob：面向移動應用開發者的廣告創收平臺。發布商創建廣告單元以提供應用廣告空間，可選擇 AdMob 中的 bidding 或 waterfall 任一方式細分廣告流量，實現廣告單元收入最大化。Google Ad Manager：面向擁有多種流量平臺的大型發布商，支持 AdSense、Ad Exchange 等多種廣告交易平臺。發布商可以在 Ad Manager 集中管理所有平臺（網站、移動應用、視頻或游戲）創收。-10%0%10%20%30%40%0501001502002503003502017201820192020202120222023谷歌網絡

116、yoy（億美元）October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 35 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 表 6：廣告管理平臺對比 Google Ad Manager Google AdSense Google Admob ad platform ad network 資源類型 網站+應用 網站 應用 應用 使用其他廣告聯盟 是 否 是 否 在網站部署代碼即可看到廣告 是（若允許 AdSense 通過 Ad Ma

117、nager 展示）是 不適用 不適用 通過 AdSense 廣告聯盟與其他廣告聯盟競價，實現收入最大化 是 否 是 AdMob 廣告聯盟=谷歌需求+第三方競價來源 否 提供分析報告 是 不適用 是 是 發布商收款方式 對授權用戶：競價和通過程序化交易 對傳統交易：直接向廣告客戶/廣告聯盟收款，自行管理款項 谷歌負責款項管理 直接向廣告客戶/廣告聯盟收款，自行管理款項 谷歌負責款項管理 資料來源：谷歌官網，申萬宏源研究 4.3 YouTube：流媒體領軍者，將受益 AI 視頻工具興起 YouTube 享時代紅利而崛起，背靠谷歌深耕 UGC 文化。YouTube 成立于 2005 年，隨著數碼相機

118、普及、社交媒體興起而迅速成長，率先進入 UGC 領域。2006 年，谷歌收購 YouTube并為其提供硬件及資源支持，降低了寬帶成本；同時，YouTube 通過優化搜索引擎釋放流量，用戶可通過郵件代碼、復制鏈接等多種傳播方式分享視頻。推出 YouTube Shorts，但短視頻領域相距 TikTok 甚遠。在 2017 年和 2020 年分別推出 YouTube Reels（后更名 Stories，23 年 6 月停用）和 YouTube Shorts。自 2021 年以來，Shorts 觀看次數顯著增長，截至 2023Q3，其 MAU 超 20 億，日瀏覽量超過 700 億次。但目前 Sho

119、rts 收益仍相對較低，每千次展示的收入僅約為 0.4 美元，遠低于中長視頻每千次展示約18 美元的收入，收入潛力仍尚待開發。圖 50：YouTube 發展歷程 資料來源：公司公告，申萬宏源研究 October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 36 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 廣告+訂閱雙引擎驅動 YouTube 營收高速增長。1）廣告服務是 YouTube 營收的主要來源。疫情期間，YouTube 用戶

120、數高增，帶動 2021年廣告收入增速至 46%；2022 年，受宏觀經濟逆風、訂閱群體增長影響，增速僅為 1.4%，但仍為谷歌貢獻了近 10%的營收。龐大的用戶基數和豐富的內容生態保證了平臺廣告投入的高回報率，根據 Nielsen Compass ROI 基準的定制分析（2020 年 1 月-2022 年 3 月），YouTube的 ROI 比線性電視和其他在線視頻分別高出 40%和 34%。2）訂閱服務實現盈利多元化，訂閱用戶數增長較快。YouTube Premium/Music/TV 的每月訂閱價格分別為 14/11/73 美元；截至 2022 年訂閱用戶數超過 8000 萬人，較 21

121、年同期增長 3000 萬，且連續 3 年保持 60%+的顯著增速。圖 51：YouTube 廣告收入、增長率(%)及占廣告收入比例(%)圖 52：YouTube Premium 訂閱者人數及增速（%）資料來源：谷歌財報，申萬宏源研究 資料來源：谷歌財報，申萬宏源研究 AI 視頻生成工具的興起，對 YouTube 的機會遠大于沖擊 AI 視頻工具對 YouTube 的影響，主要分為兩大問題。問題 1：Sora 為代表的 AI 視頻工具是否會形成社交視頻平臺搶占 YouTube 的份額？YouTube 成熟的 UGC 平臺業態下，AI 視頻工具或僅能扮演輔助工具而非挑戰者。YouTube 已具備很

122、高的用戶壁壘：1）高用戶粘性：YouTube 的核心在于利用優質 UGC 內容吸引用戶，龐大而忠實的創作者和內容消費者群體（全球第二大社交媒體）、優質的內容積累和用戶習慣形成，使得后來者難以形成有效威脅。2）獎勵機制完善：完善的內容激勵機制及版權保護體系，切實保護了 UGC 創作者的利益，營造了良好的創作氛圍，可有效實現優質創作者留存，優質創作者的遷移成本提升。3）YouTube 主打中長視頻內容，而 AI 視頻工具囿于生成視頻時長，作者仍需進行二次剪輯、創作，才能發布優質中長視頻內容，也即 AI 視頻工具在中長視頻領域更多將扮演輔助工具角色。0%10%20%30%40%50%05010015

123、02002503003502017201820192020202120222023Youtube廣告收入yoy占廣告收入比例（億美元）1.532.81018305080100%-7%257%80%67%67%60%-50%0%50%100%150%200%250%300%01020304050607080902015 2016 2017 2018 2019 2020 2021 2022YouTube Premium 訂閱數（百萬）yoy%October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 37 Ja

124、nuary 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 圖 53：2023 年 10 月全球社交媒體月活(百萬)圖 54：YouTube 主要業務 資料來源：Statista，申萬宏源研究 資料來源：公司官網，申萬宏源研究 問題 2：AI 視頻工具會給 YouTube 帶來什么？1）中長視頻內容：更低的創作門檻，更龐大的 UGC 創作者經濟規模。AI 視頻工具是對視頻創作者的生產力解放，且更多有創意的業余創作者將成為 UGC 平臺增量作者，UGC 視頻平臺內容將更為豐富，創作者經濟時代將到來。2）短視頻內容：AI 工具或影響短視頻社交

125、平臺競爭格局，YouTube Shorts 的潛在機會。社交平臺主打快消、即時性，內容簡短，與 AI 視頻工具契合度更高。AI 視頻工具時代，擁有更便捷的 AI 視頻工具的平臺，將具備競爭優勢，短視頻平臺或迎來新一輪格局競爭。YouTube Shorts 在短視頻領域與 TikTok 的競爭中落后，若谷歌的視頻工具能夠及早取得成果，或有希望扭轉競爭頹勢。圖 55：YouTube、TikTok、Reels 參與度（按觀看次數）圖 56：YouTube 月活 MAU 人數（億）及增速（%）資料來源：Social insider，申萬宏源研究 資料來源：Statista，申萬宏源研究 展望：基于 2

126、0 億+UGC 用戶，YouTube 有望成為流媒體領域領軍者 在流媒體領域，YouTube 最大稟賦即是龐大的用戶群體，可通過收購版權的模式不斷拓寬業務版圖。YouTube 掌握著在線視頻用戶的流量入口，陸續并購影視、音樂的豐富版權，內容版權收購再分發的商業模式已成熟。近年來，YouTube 加速對體育直播領域的布局，2022303024912000 2000132712181036800715700750743673666571465050010001500200025003000350025710111315161820232526.827150%40%43%10%18%15%7%13%

127、11%15%9%7%1%0%20%40%60%80%100%120%140%160%05101520253020102011201220132014201520162017201820192020202120222023Youtube月活 MAU（億）yoy%October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 38 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 年底，YouTube 以約 20 億美元/年的版權費用與 NFL

128、簽訂未來 7 年周日賽轉播的媒體版權協議。Youtube 依托流量入口紅利，有望持續擴大優勢。表 7：YouTube 主要版權合作布局 品類 主要合作方 影視：共超 45,000 部影視 索尼影視：拿破侖、蜘蛛俠、達芬奇的密碼等。環球影業：小黃人、奧本海默、速度與激情等。華納兄弟：生活大爆炸、正義聯盟、芭比等。迪斯尼：愛麗絲夢游仙境、汽車總動員、和加勒比海盜等。HBO：指環王等。Starz、The Weinstein Company、Magnolia Picture 音樂：截至 2022.06 的財年內版權支付超 60 億美元 唱片業協會（RIAA）、Sony、Universal Music

129、Group、Warner Music Group 體育 2018 年，YouTube 獲得了洛杉磯 FC 及西雅圖海灣人隊在其各自地區的獨家流媒體直播權。2018 年，YouTube 開始直播 NBA TV 至今 2019 年，YouTube 與 MLB 達成版權協議，在美國、加拿大和波多黎各獨家直播 13 場常規賽事。2022 年 12 月，YouTube 拿下未來 7 年 NFL 周日賽的轉播版權 資料來源：公司官網，申萬宏源研究 4.4 互聯網生態完善，鏈接龐大消費者用戶群 谷歌擁有豐富的互聯網應用場景，用戶規模龐大，可形成協同效應。旗下有著 6 個超過 20億用戶數的應用，可實現互相導

130、流，共同構建互聯網應用生態，為廣告投放提供基礎。谷歌還推出效果最大化廣告（Pmax），旨在結合旗下多個應用，提高廣告的回報率。圖 57：谷歌超過 20 億用戶的應用 資料來源：谷歌官網，申萬宏源研究 全球移動端操作系統市場呈現高集中度特征，安卓系統以其開源性與高性價比優勢穩居首位，操作系統+應用生態形成良性循環。安卓系統中匯集了 Google Play Store、谷歌郵件等眾多應用程序，完善的應用生態疊加開源優勢，使得安卓系統迅速滲透移動端操作系統市場；同時，操作系統份額的提升進一步強化應用生態壁壘。根據 Statcounter 數據，截至 2024 年 1 October 12,2010

131、Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 39 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 月，在全球移動端操作系統市場中，安卓系統占據 69.9%的市場份額，iOS 占據 29.35%，CR2超 99%，市場集中度高。圖 58：安卓操作系統市場份額 資料來源：Statcounter，申萬宏源研究 安卓系統是谷歌移動端生態版圖的關鍵一環，收入主要來自 Google Play Store、谷歌搜索和谷歌地圖。1）Google Play Store

132、是安卓系統收入的主要來源和核心要素，約占安卓收入的五成。Google Play Store 是安卓系統用戶體驗的關鍵因素之一，手機制造商獲得其安裝許可需滿足以下三點：1）設備上需要安裝谷歌搜索、Chrome 瀏覽器等應用軟件，并將谷歌搜索設置為默認搜索引擎；2）谷歌應用軟件需添加至主屏幕顯目位置；3）不得在其他設備上使用修改版本的安卓系統。2019 年反壟斷案后，Google Play Store 的安裝條件放寬：手機制造商向谷歌支付許可費后，可以在不安裝谷歌搜索和 Chrome 瀏覽器的情況下使用 Google Play Store。公司收入來自消費者應用支出的 30%，以及訂閱服務費用（第

133、一年收取消費金額的 30%，后續年份收取 15%）。2）谷歌搜索和谷歌地圖分別約占安卓收入的四成和一成，谷歌地圖對安卓系統的依賴度更高。谷歌搜索和谷歌地圖軟件的收入主要來自于廣告服務，谷歌地圖軟件收入對安卓系統的依賴程度更高，如果沒有安卓系統，谷歌地圖的用戶數量可能會大幅下降。圖 59：安卓系統結合谷歌地圖、谷歌搜索、Google Drive 形成互聯網應用生態 資料來源：Kamil Franek，申萬宏源研究 020406080100AndroidiOSSeries 40SymbianOSSamsungBlackBerry OSWindows（%）October 12,2010 Buildi

134、ng Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 40 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 5.垂直應用：多個場景已積累多年，靜待花開 從 AI 應用落地節奏上看，谷歌不僅在原有場景嘗試集成 AI，還在行業垂直領域持續探索AI。從產業端的落地來看，谷歌已經在多個領域嘗試多年，目前仍走在前列。5.1 端側 AI：已搭載于 Pixel 8 Pro，遠期看可依托安卓系統擴散 大模型小型化為一大重要趨勢，未來有望向移動設備普及。目前以 Mistral 為代表的大模型

135、廠商正致力于研發參數規模較小的高性能大模型，推出了 mistral 8x7B 模型，在動用 10 億級參數的條件下，即可實現 GPT-3.5 和 Llama2 70B 的性能，且對于算力消耗、設備性能的需求相對更低。技術上的可實現，加之用戶對于自身數據較高的隱私性和安全性需求，有望加速本地化 AI 大模型向移動設備普及。谷歌已在 Pixel 8 Pro 手機內置 AI 大模型，未來有望依托安卓系統推廣。2023 年 10 月，谷歌推出 Pixel 8 Pro 手機，內置 PaLM2 大模型的蒸餾模型小參數版本，其 Tensor G3 處理器的 TPU 可提升 AI 計算能力，谷歌計劃將 Gem

136、ini Nano 部署于手機上。谷歌坐擁安卓系統，可圍繞操作系統打造端側小模型，向廣大用戶推廣。圖 60：谷歌在 Pixel 8 上搭載 Palm2 的小模型，未來將裝配 Gemini Nano 資料來源：谷歌官網，申萬宏源研究 5.2 自動駕駛：行業仍處寒潮，Waymo 商業化節點或不遠 自動駕駛成熟速度遠低于預期，行業進入寒冬出清大量企業。不同于特斯拉的漸進式自動駕駛路線，Waymo 壓寶躍進式技術路線，在谷歌的大力投入下直接發展 L4/L5 級別自動駕駛，計劃在無人卡車（支持物流）、無人駕駛的士領域替代司機。盡管在司機人工成本較高的美國，無人自動駕駛市場空間廣闊，但研發投入需求龐大，根據

137、 The Information，截至 2019 年（當年仍處于自動駕駛熱潮下）無人駕駛行業已投入 160 億美元的研發資金，且技術成熟速度不及 October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 41 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 預期，導致行業進入寒冬，大量企業退出。Waymo 的估值也從 2018 年的 1750 億美元，降至2021 年的 300 億美元。圖 61：截至 2019 年無人駕駛企業研發投入

138、排名 資料來源：The Information，申萬宏源研究 注：數據不包括自動駕駛卡車、用于貨物運輸的無人車公司以及特斯拉 行業寒冬下，Waymo 無人駕駛業務持續推進，打造 Waymo Driver 無人駕駛平臺。Waymo 推出的 Waymo one 無人駕駛約車服務于 2022 年開始商業化運營，當前主要在舊金山、鳳凰城等四個城市運營。23 年 7 月，Waymo 已叫停自動駕駛卡車服務，專注于無人駕駛出租車業務，無人駕駛卡車計劃在未來重啟。23 年 10 月 Uber 平臺開始提供 Waymo 無人駕駛汽車的乘車服務。Waymo Driver 安全系數表現出色，無人駕駛商業化奇點值得

139、期待。根據 Waymo 在 2023年 12 月發布的安全報告，2023 年 1-10 月，Waymo Driver 無人駕駛平臺完成了 70 萬次載客服務，行駛里程累計超 714 萬英里（約 1149 萬公里），僅發生 3 起導致傷害的事故，也即Waymo 無人駕駛的士事故發生率為每百萬英里 0.42 起，相對人類司機每百萬英里 2.78 起事故的比率降低了 85%，實現相對出色的安全性。相比之下，主要競爭對手 Cruise 近期事故發生率仍較高。出于倫理及道德考量，無人駕駛面臨更嚴苛的事故發生率要求，技術成熟至商業化仍需時間，Waymo 作為無人駕駛的領跑企業，有望在無人駕駛商業化奇點來臨

140、時占據先機。October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 42 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 圖 62：Waymo Driver 在 714 萬英里里程的駕駛中事故率比人類司機低 85%資料來源：Waymo 官網，申萬宏源研究 5.3 AI 醫藥：自研+投資并舉，仍需長期沉淀 長期堅持抗衰老目標，目前重心逐漸聚焦于“AI+醫藥”。谷歌在過去十年三次改變其醫療業務組織架構：1）2015 年改組為 Alpha

141、bet，成立 Verily 和 Calico；2）2018 年底成立Google Health，匯集谷歌云、谷歌大腦等業務的醫療板塊，以及 DeepMind 健康部門等，初步探索“AI+醫藥”業務，成立三年后因數據隱私問題最終解散；3）2021 年成立 Isomorphic Labs，依托 AlphaFold 大力推進“AI+醫藥”技術商業化。目前，谷歌形成醫療業務的“三駕馬車”：Isomorphic Labs、Verily 和 Calico，專注于“AI+醫藥”解決方案，谷歌云與 Deepmind部門也參與 AI 醫藥相關研究。表 8：截止 2024 年 2 月，Google 醫療業務的組織

142、結構 部門 業務類型 主要成果 Calico 成立于 2015 年，旨在抗衰及相關疾病的研究。新藥 ABBV-CLS-7262 進入 HEALEY ALS 平臺試驗的設計階段，代表正式臨床階段的管線。Verily 自 2015 年分離為獨立子公司，旨在利用大數據驅動精準醫療 硬件：幫助帕金森患者控制震顫的智能勺子，血糖監測功能的智能隱形眼鏡淚液等。納米粒子技術、Project Baseline 通過萬人健康數據分析找到抑郁、睡眠、皮膚等領域的精準治療，已被已被諾華、賽諾菲和輝瑞等制藥巨頭應用。Isomorphic Labs 利用 AI 模型預測分子活性，大幅加速藥物發現過程。2024 年 1

143、月，禮來預付款 4500 萬美元，里程碑付款 17 億美元，附帶兩位數的分級特許權使用費，旨在合作開發多個靶點的小分子藥物。2024 年 1 月，諾華預付款 3750 萬美元，里程碑付款高達 12 億美元，還將資助 Isomorphic 的部分研究費用，雙方就三個靶點合作開發藥物。Google Cloud 旨在加速藥物發現和精準醫療服務 Target and Lead Identification Suite（TLIS）幫助預測和理解蛋白質的結構，為候選藥物篩選環節降本增效；Multiomics suite 幫助開發者讀取、存儲、分析和共享大量基因組數據，實現個性化精準醫療設計。October

144、 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 43 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 部門 業務類型 主要成果 DeepMind AlphaFold 模型在算法上實現蛋白質結構的解析 2022 年，Insilico Medicine 利用 AlphaFold2 成功在 30 天內獲得了針對全新靶點 CDK20 的苗頭化合物，有望成為肝細胞癌的創新療法。資料來源：谷歌官網，申萬宏源研究 大模型 Med-PaLM2 在醫療領域

145、的應用測試逐步開展，但大規模商業仍有較長距離。由Med-PaLM 2 支持的 MedLM 現已通過 Vertex AI 平臺中的許可名單向美國的 Google Cloud客戶開放。目前 MedLM 更多被用于提升工作效率，具體措施包括改善醫療保健工作流程、篩選總結醫藥信息等。雖然 Med-PaLM 2 在美國醫師執照考試(USMLE)的準確率達到 86.5%（達到人類專家水平），但當前使用其診斷或治療疾病的潛在風險仍然較大。未來公司計劃將基于Gemini 的模型引入 MedLM 進一步豐富功能。表 9：Med-PaLM 2 合作測試實例 合作公司 測試內容 HCA Healthcare Aug

146、medix 使用 Vertex AI 上的 MedLM 將數據立即轉換為醫療記錄草稿，由醫生對其審查并最終確定，然后將其實時傳輸到醫院的電子健康記錄(EHR)。BenchSci 將 MedLM 集成到其 ASCEND 平臺中，以進一步提高臨床前藥物研究和開發的速度和質量。Accenture 使用谷歌云的Claims Acceleration Suite、MedLM和Accenture的Solutions.AI for Processing 自動化以前耗時且容易出錯的手動流程，如閱讀臨床文檔、登記等，提高臨床醫生決策效率。Deloitte 使用 MedLM 從提供商目錄和福利文檔中高效提取信息，

147、幫助聯絡中心代理根據計劃、病情、藥物及預約歷史為會員識別最合適的提供商，使人們更快地獲得精確護理。資料來源：谷歌官網，申萬宏源研究 AI 制藥目前仍停留在藥物發現及臨床前研究，短期內難以實現商業閉環。2021 年底，Alphabet 成立 Isomorphic Labs 作為商業實體來推進最初由 DeepMind 開發的 AlphaFold，通過出售其模型與諾華、禮來等制藥公司達成合作伙伴關系，專注于藥物開發，協同進入 AI制藥領域的還有部署于行業上游的谷歌云和量子計算。但目前 AI 制藥商業化受限，原因在于：1）技術需持續進步：AI 對于單維度的任務完成較好，如藥物和蛋白分子結合效果，但難以

148、處理“毒理和藥代動力學”等復雜任務；2）行業市場化臨界點尚未來臨：谷歌雖有技術優勢但仍未成熟，且競對包括微軟、英偉達等科技大廠和傳統藥企，市場仍處于備賽期。October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 44 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 圖 63：Google 自有業務對 AI 制藥的布局 資料來源：動脈網，申萬宏源研究 6.財務概況：業績多年穩增，24 年利潤率有望改善 經歷長期營收高速增長，當前增速中

149、樞有所回落。1）2010-2015 年，移動互聯網快速邁向智能手機時代的紅利期，到 2015 年進入尾聲，搜索廣告市場增速前高后低，期間 5 年 CAGR為 20.7%。2）2016-2019 年，移動搜索和 YouTube 視頻廣告的強勢增長成為營收增速修復提升的主要驅動力；2019 年受到硬件業務收入下滑影響業務增速放緩。3）2020-2023 年，新冠疫情前期沖擊公司業務導致增長放緩，而后疫情逐漸改變用戶行為習慣與企業廣告投放模式，2021 年搜索廣告業務與 YouTube 收入高景氣增長，全年營收同比增速 41.2%；隨著營收規模日趨龐大，2022-2023 年營收增速相對平緩。圖 6

150、4：Alphabet 2010-2023 年營收及同比增速 資料來源：公司財報，申萬宏源研究 0%10%20%30%40%50%05001000150020002500300035002010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023營收同比（億美元）October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 45 January 12,2015 Food,Beverage&Tobacco|Company Researc

151、h 公司研究 廣告收入占比逐年降低，谷歌云成為新增長引擎。1）谷歌廣告：公司主要營收來源，但總體占比有所下降，2017 年到 2023 年，谷歌搜索/谷歌網絡占比分別從 63.0%/15.9%下降至56.9%/10.2%，YouTube 廣告占比從 7.4%增長至 10.3%。2）谷歌云：隨著谷歌開始重視對IaaS 領域的投入，云業務增速明顯加快，成為公司營收增長新引擎，營收占比從 17 年的 3.7%提升至 23 年 10.8%。3）谷歌其他：營收占比相對穩定，保持在 10%左右。圖 65：Alphabet 營收結構 資料來源：公司財報，申萬宏源研究 凈利潤與營收增長較為同步，期間受到稅收政

152、策變更、罰款等事件影響。2010-2015 年：公司凈利潤增速保持平穩，5 年 CAGR 為 14.0%。2016-2019 年：17 年公司受美國稅法新政影響，17Q4 稅支出 99 億美元，影響當年利潤；17-19 年歐盟反壟斷罰款（共計超 80 億歐元）。2020-2023 年：疫情推動線上廣告迎來繁榮，收入驅動利潤共同增長為公司業績大背景。其他影響因素在于：1）2021 年：公司確認權益證券的投資收益 123.8 億美元（其中非流動股權收益為 98.5 億美元），主要系當年美股指數上漲帶動初創公司及有價證券價值提升。2）2022年：營收增速相較 21 年明顯放緩，但過快的員工增長速度導

153、致費用端增長明顯，拖累運營利潤負增長（YoY-4.9%）；此外，美聯儲加息背景下公司確認債券減值損失/權益證券減值損失48.7/34.6 億美元，使得當年凈利潤同比下滑。3）2023 年：公司開始優化員工規模，降低招聘速度并開始裁員，費用增速有所放緩。圖 66：公司歷史 Gaap 凈利潤及同比增速 資料來源：公司財報，申萬宏源研究 0%20%40%60%80%100%2017201820192020202120222023Google Search&otherYouTube adsGoogle NetworkGoogle otherGoogle Cloud其他收入-50%0%50%100%15

154、0%02004006008002010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023Gaap凈利潤同比（億美元）October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 46 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 研發費用保持高位，管理和銷售費用率在 2021 年后保持平穩。公司長期保持較高的研發強度，研發費用率維持在 12%-16%之間；2

155、023 年公司裁員 1.2 萬人，公司預計 24 年仍將保持裁員節奏，管理費用率或將下滑。毛利率保持穩定，云業務擴張下整體毛利率有所下降。由于谷歌云業務在快速擴張期處于虧損或微利狀態，以及云業務商業模式下相對搜索廣告業務毛利率偏低，谷歌云的快速增長對整體毛利率有一定影響。圖 67：公司歷史三項費用率 圖 68：公司歷史毛利率與凈利率 資料來源：公司財報，申萬宏源研究 資料來源：公司財報，申萬宏源研究 公司于 2023 年開啟裁員周期，24 年有望在業績上有所體現。谷歌在 23 年初宣布全年裁減 1.2 萬名員工，當前員工數量已下降至 18.25 萬人，根據科技媒體 The Verge，24 年

156、 1 月谷歌再次裁員 1000 人。谷歌在大模型時代到來后，正主動調整員工結構，憑借 AI 工具提高效率，2023 年公司人均創收達到 168 萬美元，為近五年新高。24 年有望在業績上體現人效提升，利潤端將有所表現。圖 69：公司員工數量 圖 70：公司人均創收 資料來源：公司財報，申萬宏源研究 資料來源：公司財報，申萬宏源研究 0%5%10%15%20%銷售費率管理費率研發費率0%20%40%60%80%2017201820192020202120222023毛利率凈利率020,00040,00060,00080,000100,000120,000140,000160,000180,000

157、200,00019Q119Q219Q319Q420Q120Q220Q320Q421Q121Q221Q321Q422Q122Q222Q322Q423Q123Q223Q323Q4（人）030609012015018020192020202120222023（萬美元/人）October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 47 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 7.盈利預測與估值 7.1 盈利預測 谷歌服務：谷歌廣告（G

158、oogle Advertising）：海外數字廣告市場在 23H2 開始回暖，預計將保持較高景氣度。我們預計 24-26 年谷歌搜索和其他營收增速為 9.1%/9.0%/8.8%；YouTube 廣告營收增速為 11.0%/12.4%/10.0%；谷歌網絡營收增速為 2.0%/3.0%/3.0%。谷歌其他（Google Other）：YouTube Premium 會員與安卓應用商店收入有望實現較快增速水平，預計 24-26 年谷歌其他營收增速分別為 18.0%/16.0%/14.0%。谷歌云：AI 浪潮下算力需求將持續增長，疊加谷歌自身在 AI 領域的布局，公司剩余履約義務同比保持高增長，谷

159、歌訂單充足。預計 24-26 年谷歌云營收增速為 24.0%/22.0%/20.0%。Other Bets：由于 Waymo、谷歌在醫藥側的布局仍待兌現，且收入兌現時間節點存在不確定性，保守假設 24-26 年 Other Bets 營收增速為 10.0%/10.0%/10.0%。表 10：Alphabet 收入關鍵假設表（單位：億美元）FY22 FY23 FY24E CY25E CY26E 收入 2828 3074 3415 3797 4198 YoY（%）9.8%8.7%11.1%11.2%10.6%收入拆分 Google Service 2535 2725 2988 3278 3577

160、YoY（%）6.7%7.5%9.6%9.7%9.1%收入占比 89.6%88.7%87.5%86.3%85.2%Google Advertising 2245 2379 2579 2804 3036 YoY（%）7.1%6.0%8.4%8.7%8.3%Google Search&Other 1625 1750 1910 2081 2265 YoY（%）9.1%7.7%9.1%9.0%8.8%YouTube Ads 292 315 350 393 432 YoY（%）1.4%7.8%11.0%12.4%10.0%Google Network 328 313 319 329 339 YoY（%）3

161、.4%-4.5%2.0%3.0%3.0%Google Other 291 347 409 475 541 YoY（%）3.6%19.4%18.0%16.0%14.0%Google Cloud 263 331 410 501 601 YoY（%）36.8%25.9%24.0%22.0%20.0%收入占比 9.3%10.8%12.0%13.2%14.3%Other Bets 11 15 17 18 20 YoY（%）41.8%43.0%10.0%10.0%10.0%收入占比 0.4%0.5%0.5%0.5%0.5%資料來源：公司財報，申萬宏源研究預測 費用率：隨著公司裁員提效陸續在費用端體現，我們

162、預計 24-26 年公司銷售費用率分別為8.8%/8.6%/8.5%；管 理 費 用 率 分 別 為5.2%/5.1%/5.0%；研 發 費 用 率 分 別 為14.0%/13.7%/13.5%。October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 48 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 利潤率：谷歌云業務在 2023 年提升明顯，且仍將維持利潤率提升趨勢，帶動公司毛利率水平提升，預計 24-26 年公司毛利率分別為

163、 57.8%/58.2%/58.3%。24-26 年谷歌服務營業利潤率為 35.6%/35.9%/36.1%；谷歌云營業利潤率為 12.0%/16.0%/19.0%。綜上，我們預計 24-26 年公司營業收入為 3415/3797/4198 億美元，Gaap 凈利潤883/1013/1136 億美元。7.2 估值 公司 Forward PE 估值與業務景氣度強相關。從谷歌近 5 年 Forward PE 情況來看，主要的事件為：1）2020 年疫情初期跟隨美股大盤的大幅下跌；2）2020Q2 開始，疫情下辦公、消費等需求線上化的紅利，公司業績迎來高增長期。3）22 年公司業績增速放緩，利潤端表

164、現不佳，疊加美聯儲進入加息周期，估值下行。4）22 年底開始，AI 熱潮到來，數字廣告行業陸續回暖，公司業績重回增長。當前估值低于五年平均估值水平。圖 71：近五年估值復盤（Forward PE）資料來源：Bloomberg，申萬宏源研究 我們選取與谷歌業務相近、市值均超過萬億美元的微軟（云計算、辦公）、亞馬遜（云計算、廣告）和 Meta（廣告）作為可比公司?？紤]到谷歌與三家可比公司的業績具有相對穩定性，我們采用 PE 估值法。谷歌目前為四家公司中預期 24 年 PE 最低的公司，反映市場對于谷歌業績增速放緩、AI 進展的擔憂，以及聊天機器人對搜索引擎潛在沖擊、美國司法部及歐盟反壟斷監管的潛在

165、風險。但我們認為，谷歌業務仍將保持較快增速，且為 AI 大模型領域的領軍企業，AI 布局為自有業務，可更好與主營業務協同，相對市場對于科技巨頭的估值仍低估。首次覆蓋，給予買入評級。公司作為 AI 領域領先企業，協同互聯網應用生態和谷歌云，具備出色成長性；2023 年開始人員優化，人效提升即將于 24 年業績中逐步體現。預計 24-26 年公司營收3415/3797/4198 億美元，Gaap凈利潤883/1013/1136 億美元，對應PE 19/17/15x。October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信

166、息披露與聲明 49 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 參考可比公司 24 年平均 PE 31x，考慮到公司廣告業務收入增速放緩，且有一定不確定性，我們給予公司 24 年 25xPE 目標估值，目標股價為 179.5 美元，對應上漲空間為 33%。表 11：可比公司估值表（單位：億美元）標的 代碼 總市值 營業收入 凈利潤 PS PE 2024E 2025E 2024E 2025E 2024E 2025E 2024E 2025E 微軟 MSFT 30184 2450 2801 873 997 12 11 35

167、30 亞馬遜 AMZN 18214 6415 7178 521 664 3 3 35 27 臉書 META 12899 1581 1777 543 622 8 7 24 21 平均估值 8 7 31 26 谷歌 GOOG 16836 3415 3797 883 1013 5 4 19 17 資料來源：Bloomberg，申萬宏源研究；注：市場數據選自 2024/3/8 盤后；谷歌收入和凈利潤預測來自申萬宏源研究，其余來自 Bloomberg 一致預期，凈利潤預測均為 Gaap凈利潤；參考 3 月 8 日匯率 1USD=7.1860CNY 風險提示 AI 仍處于快速迭代階段，大模型競爭或加劇。除

168、谷歌和 OpenAI 外，Anthropic 推出Claude3、Meta 計劃推出 Llama3，都有望實現較出色的模型能力，且模型之間的差距正在縮小，未來大模型的競爭將進一步加劇。AI 應用領域研發和推廣進展不及預期的風險。AI 應用仍處于探索階段，產品的特點和實現大規模推廣的時間節點仍有不確定性。歐盟與美國司法部的反壟斷監管風險。歐盟在 2017-2019 年向谷歌開出了總計超 80 億美元的反壟斷罰款，24 年 3 月蘋果收到超 18 億歐元的反壟斷罰單，谷歌仍面臨受到反壟斷處罰的風險。AI 的應用存在潛在倫理道德風險。AI 生成內容存在版權問題、涉及色情和暴力等倫理道德問題，并將與

169、AI 的發展長期并存，或將對 AI 應用的落地產生負面影響。October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 50 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 財務摘要 表：Alphabet 利潤表 單位：百萬美元 2022 2023 2024E 2025E 2026E 營業收入 282,836 307,394 341,516 379,741 419,820 營業成本及營業開支 207,994 223,101 239,74

170、4 262,781 288,416 營業成本 126,203 133,332 144,120 158,732 175,065 研發費用 39,500 45,427 47,812 52,025 56,676 銷售費用 26,567 27,917 30,053 32,658 35,685 管理費用 15,724 16,425 17,759 19,367 20,991 折舊與攤銷 13,475 11,946 13,226 15,516 17,866 稅前利潤 71,328 85,717 105,292 120,939 135,584 營業利潤 74,842 84,293 101,772 116,96

171、0 131,404 其他利潤 -3,514 1,424 3,520 3,979 4,180 所得稅 11,356 11,922 17,036 19,592 21,965 凈利潤（Gaap）59,972 73,795 88,256 101,347 113,619 EBITDA 82,986 94,106 114,998 132,477 149,270 資料來源：公司財報，申萬宏源研究預測 表：Alphabet 資產負債表 單位：百萬美元 2022 2023 2024E 2025E 2026E 流動資產 164,795 171,530 188,942 214,836 242,098 現金及等價物

172、21,879 24,048 28,554 39,810 52,035 有價證券 91,883 86,868 96,511 107,313 118,639 應收賬款 40,258 47,964 51,227 55,062 58,775 存貨 2,670 0 0 0 0 其他流動資產 8,105 12,650 12,650 12,650 12,650 非流動資產 200,469 230,862 256,230 286,293 324,970 長期投資 30,492 31,008 31,533 32,066 32,609 短期遞延所得稅 5,261 12,169 6,238 1,284 1,284

173、公司物業、廠房及設備凈值 112,668 134,345 165,119 199,603 237,737 經營性租賃資產 14,381 14,091 14,091 14,091 14,091 商譽 28,960 29,198 29,198 29,198 29,198 其他非流動資產 6,623 10,051 10,051 10,051 10,051 總資產 365,264 402,392 445,172 501,129 567,068 流動負債 69,300 81,814 85,403 91,811 98,777 應付賬款 5,128 7,493 8,099 8,920 9,838 應付薪酬

174、14,028 15,140 15,853 16,984 18,207 應付費用和其他債務 37,866 46,168 47,560 50,794 54,270 短期應付費用 8,370 8,876 9,512 10,476 11,554 短期遞延收入 3,908 4,137 4,379 4,636 4,908 非流動負債 39,820 37,199 35,900 34,737 33,837 長期債務 14,701 13,253 11,954 10,791 9,891 長期遞延收入 599 911 911 911 911 應付所得稅 9,258 8,474 8,474 8,474 8,474 遞

175、延所得稅 514 485 485 485 485 經營性租賃債務 12,501 12,460 12,460 12,460 12,460 October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 51 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 其他長期債務 2,247 1,616 1,616 1,616 1,616 總負債 109,120 119,013 121,303 126,548 132,614 所有者權益 256,144

176、283,379 323,868 374,581 434,454 股本與資本公積 68,184 76,534 93,768 113,133 134,387 其他綜合收益-7,603 -4,402 -4,402 -4,402 -4,402 留存收益 195,563 211,247 234,503 265,849 304,468 資料來源：公司財報，申萬宏源研究預測 表：Alphabet 現金流量表 單位：百萬美元 2022 2023 2024E 2025E 2026E 凈利潤 59,972 73,795 88,256 101,347 113,619 調整項 資產折舊 13,475 11,946 1

177、3,226 15,516 17,866 股權激勵支出 19,362 22,460 24,000 26,000 28,000 遞延所得稅-8,081-7,763 5,931 4,954 0 債券及權益證券損益 5,519 823 0 0 0 其他 3,483 4,330 0 0 0 經營性活動 應收賬款變動-2,317-7,833-3,263-3,835-3,712 所得稅變動 584 523 0 0 0 其他資產變動-5,046-2,143 0 0 0 應付賬款變動 707 664 1,319 1,952 2,140 應計費用及其他債務變動 3,915 3,937 1,392 3,235 3,

178、476 應計收入變動-445 482 636 964 1,078 遞延收入 367 525 242 257 272 經營活動現金流 91,495 101,746 131,738 150,390 162,739 投資性活動 資本開支-31,485-32,251-41,000-47,000-53,000 凈出售有價證券 18,948 8,814-9,643-10,802-11,326 長期股權投資-2,381-2,080-525-534-543 收購子公司-6,969-495-其他投資活動 1,589-1,051-投資活動現金流-20,298-27,063-51,167-58,336-64,869

179、 融資性活動 股權回購及股權激勵相關付款-68,596-71,341-74,766-79,634-84,746 長期借款凈償還-1,196-760-1,299-1,163-900 融資活動現金流-69,757-72,093-76,065-80,797-85,646 現金及等價物的匯兌損益-506-421 0 0 0 現金及等價物變動 934 2,169 4,506 11,257 12,224 期初現金及現金等價物 20,945 21,879 24,048 28,554 39,810 期末現金及現金等價物 21,879 24,048 28,554 39,810 52,035 資料來源：公司財報，

180、申萬宏源研究預測 October 12,2010 Building Materials|Company Research 請務必仔細閱讀正文之后的各項信息披露與聲明 52 January 12,2015 Food,Beverage&Tobacco|Company Research 公司研究 信息披露 證券分析師承諾 本報告署名分析師具有中國證券業協會授予的證券投資咨詢執業資格并注冊為證券分析師，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,并對本報告的內容和觀點負責。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。與公

181、司有關的信息披露 本公司隸屬于申萬宏源證券有限公司。本公司經中國證券監督管理委員會核準，取得證券投資咨詢業務許可。本公司關聯機構在法律許可情況下可能持有或交易本報告提到的投資標的，還可能為或爭取為這些標的提供投資銀行服務。本公司在知曉范圍內依法合規地履行披露義務?？蛻艨赏ㄟ^ 索取有關披露資料或登錄 信息披露欄目查詢從業人員資質情況、靜默期安排及關聯機構的持股情況。股票投資評級說明 證券的投資評級：以報告日后的 6 個月內，證券與市場基準指數的漲跌幅差別為標準，定義如下：買入（BUY）：股價預計將上漲 20%以上；增持（Outperform）：股價預計將上漲 10-20%；持有（Hold）：股價

182、變動幅度預計在-10%和+10%之間；減持（Underperform）：股價預計將下跌 10-20%；賣出（SELL）：股價預計將下跌 20%以上。行業的投資評級：以報告日后的 6 個月內，行業相對于市場基準指數的漲跌幅為標準，定義如下：看好（Overweight）：行業超越整體市場表現；中性(Neutral)：行業與整體市場表現基本持平；看淡（Underweight）：行業弱于整體市場表現。我們在此提醒您，不同證券研究機構采用不同的評級術語及評級標準。我們采用的是相對評級體系，表示投資的相對比重建議。投資者買入或者賣出證券的決定取決于個人的實際情況，比如當前的持倉結構以及其他需要考慮的因素。

183、投資者應閱讀整篇報告，以獲取比較完整的觀點與信息，不應僅僅依靠投資評級來推斷結論。本公司使用自己的行業分類體系。如果您對我們的行業分類有興趣，可以向我們的銷售員索取。本報告采用的基準指數：納斯達克指數 法律聲明 本報告由上海申銀萬國證券研究所有限公司（隸屬于申萬宏源證券有限公司，以下簡稱“本公司”）在中華人民共和國內地（香港、澳門、臺灣除外）發布，僅供本公司的客戶（包括合格的境外機構投資者等合法合規的客戶）使用。本公司不會因接收人收到本報告而視其為客戶?？蛻魬斦J識到有關本報告的短信提示、電話推薦等只是研究觀點的簡要溝通，需以本公司 http:/ 網站刊載的完整報告為準，本公司接受客戶的后續問

184、詢。本報告首頁列示的聯系人，除非另有說明，僅作為本公司就本報告與客戶的聯絡人，承擔聯絡工作，不從事任何證券投資咨詢服務業務。本報告是基于已公開信息撰寫，但本公司不保證該等信息的真實性、準確性或完整性。本報告所載的資料、工具、意見及推測只提供給客戶作參考之用，并非作為或被視為出售或購買證券或其他投資標的的邀請。本報告所載的資料、意見及推測僅反映本公司于發布本報告當日的判斷，本報告所指的證券或投資標的的價格、價值及投資收入可能會波動。在不同時期，本公司可發出與本報告所載資料、意見及推測不一致的報告?？蛻魬斂紤]到本公司可能存在可能影響本報告客觀性的利益沖突，不應視本報告為作出投資決策的惟一因素?？?/p>

185、戶應自主作出投資決策并自行承擔投資風險。本公司特別提示，本公司不會與任何客戶以任何形式分享證券投資收益或分擔證券投資損失，任何形式的分享證券投資收益或者分擔證券投資損失的書面或口頭承諾均為無效。本報告中所指的投資及服務可能不適合個別客戶，不構成客戶私人咨詢建議。本公司未確保本報告充分考慮到個別客戶特殊的投資目標、財務狀況或需要。本公司強烈建議客戶應考慮本報告的任何意見或建議是否符合其特定狀況，以及（若有必要）咨詢獨立投資顧問。在任何情況下，本報告中的信息或所表述的意見并不構成對任何人的投資建議。在任何情況下，本公司不對任何人因使用本報告中的任何內容所引致的任何損失負任何責任。市場有風險，投資需謹慎。若本報告的接收人非本公司的客戶，應在基于本報告作出任何投資決定或就本報告要求任何解釋前咨詢獨立投資顧問。本報告的版權歸本公司所有，屬于非公開資料。本公司對本報告保留一切權利。除非另有書面顯示，否則本報告中的所有材料的版權均屬本公司。未經本公司事先書面授權，本報告的任何部分均不得以任何方式制作任何形式的拷貝、復印件或復制品，或再次分發給任何其他人，或以任何侵犯本公司版權的其他方式使用。所有本報告中使用的商標、服務標記及標記均為本公司的商標、服務標記及標記，未獲本公司同意，任何人均無權在任何情況下使用他們。