深度报告-20230221-华安证券-互联网传媒深度报告_从ChatGPT等生成式AI的算力开销及商业化潜力_看微软和谷歌面临的挑战_26页_1mb

生成式AI的算力开销与商业化潜力分析：微软与谷歌面临的挑战

核心内容概览

本报告探讨了生成式AI（如ChatGPT）对搜索引擎及科技行业的影响，并分析了微软和谷歌在该领域所面临的挑战。报告指出，生成式AI虽在商业化上具备较大潜力，但其大规模应用仍面临算力成本高、用户习惯难以颠覆等挑战。

主要观点

• 生成式AI对搜索引擎的威胁：目前生成式AI尚未具备足够的规模优势，无法完全替代搜索引擎。其威胁主要来自于模型的“自学习能力”和“内容创造”功能，而非直接替代。
• 算力需求高：生成式AI的训练成本高昂，如GPT-3 175B的训练成本可达875万至1093.75万美元，取决于训练数据量和硬件配置。
• 商业化潜力：生成式AI有望在“智能客服”和“搜索引擎”领域实现增值，并以插件形式赋能现有生产力工具链，如工程软件、音视频工具等。
• 微软和谷歌的共同挑战：
  • 行业天花板较高，生成式AI的发展仍需持续的现金牛业务支撑。
  • 算力开销驱动营业成本增加，需合理界定商业化目标。
  • 全球通胀和供应链扰动可能将价值向上游硬件厂商转移。
• 微软的挑战：
  • 面临法律和道德风险，因其在生成式AI领域处于领先地位。
  • 在智能手机操作系统、娱乐、快消等领域数据积累有限，学习曲线陡峭。
  • 若同时掌控操作系统、办公软件和AI搜索入口，可能面临反垄断问题。
• 谷歌的挑战：
  • 对现有搜索引擎技术存在路径依赖，整合生成式AI技术需更长时间试错。
  • 缺乏先发优势，其Bard产品表现未达预期。
  • 对话式AI普及可能威胁点击付费广告模式。

生成式AI的商业化场景

B端场景

• 市场营销及销售：生成高度定制化的广告内容（文字、视频、图片等）。
• 产品运营/生产运营：分析用户反馈，提供技术解决方案。
• 研发/设计：根据用户需求自动设计解决方案及工作流程。
• 职能管理：如HR招聘、风险识别等。

C端场景

• 执行层：类似Siri的用户反馈服务，执行用户指令。
• 决策层：基于自学习能力，为用户提供定制化解决方案，如任务优先级安排、行程规划等。

生成式AI的算力成本

微软与谷歌的商业化案例

微软

• 新Bing：集成ChatGPT技术，提供更智能的搜索体验，如生成摘要、规划旅行等。
• Office：通过AI赋能，提升文档处理效率。
• Azure云服务：集成OpenAI模型，支持AI驱动的开发工具。
• GitHub Copilot：提供代码生成建议，提升开发者效率。
• Microsoft Viva：AI辅助销售和团队协作。

谷歌

• Bard：实验性AI对话工具，但表现未达预期。
• Google Translate：支持多语言翻译，提升语言处理能力。
• Google Cloud：应用自然语言处理技术，增强内容分类能力。
• Google Lens：结合计算机视觉和知识图谱，实现现实物品识别。
• Imagen模型：文字转图像，具备深度语言理解能力。
• MusicLM模型：文字生成音乐，拓展AI创作能力。

风险提示

• 全球通胀及供应链扰动可能导致AI计算领域的上游硬件供需错配。
• 生成式AI产品的商业化表现可能低于预期。
• 生成式AI可能带来法律及道德风险。

投资建议

建议关注在AI技术领域具备较强人才优势，并有成熟商业化产品支撑创新的科技型企业，包括：

• 百度集团-SW
• 阿里巴巴-SW
• 网易-S
• Microsoft
• Google

结论

生成式AI在未来几年内将对搜索引擎和智能客服等传统领域带来深远影响，但其大规模商业化仍面临技术、成本及用户习惯等多重挑战。微软和谷歌作为AI领域的领先企业，虽在生成式AI的布局上各有优势，但均需应对行业早期的不确定性及竞争压力。