主要观点：
　　生成式AI对搜索引擎是否存在威胁？
　　类似ChatGPT的生成式AI在搜索领域实现替代仍然面临诸多挑战，生成式AI技术需要先达到一定程度的“规模优势(包括预训练数据集规模,用户反馈量)”之后才有机会威胁到搜索引擎的生存地位。这种“规模优势”既意味着模型可以解决问题的领域在数量上足够庞大，又意味着同一个领域中模型可交付出的解决路径数量最够庞大。
　　这种“规模效应”的达成有2个制约因素：1）用户习惯的颠覆。基于当前技术迭代路径的“搜索引擎（包括Google，Baidu，和Bing等）”已经教育了市场将近25年以上的时间，颠覆用户习惯需要极大的动能，这种动能一定是基于“替代方案”的效率要比“现存方案”优越数倍以上；2）生成式AI的模型进化的本质是依赖于对庞大的数据集的训练和微调，其背后的算力支撑是重要的技术驱动因素，而算力支撑取决于芯片技术(材料、设计、生产工艺)及“异构计算技术”的发展进程(包括计算开销的下降和计算交付结果精确程度的提高)。
　　生成式AI的算力需求
　　根据Next Platform对前期训练（不含微调）的估算，GPT-3175B的模型的每次训练成本在875万– 1093.75万美元之间，对应花费时间在110.5天-27.6天，每1百万参数的训练价格是50美元-62.5美元之间。根据Cerebras AI model studio的GPT-3模型训练服务（基于4-node CS-2 cluster）的报价信息，GPT 70B （700亿参数，14000亿Tokens，85天训练时间）的训练价格在250万美元每次。
　　生成式AI的商业化潜力
　　类似ChatGPT的生成式AI，在不久的将来，生成式AI有较大可能在“智能客服”和“搜索引擎”进行增值，并有较大可能以“插件”的形式赋能现有的“生产力工具链(工程软件/音视频制作工具等)”。
　　微软和谷歌共同和分别面临的挑战
　　无论对于微软还是谷歌而言，由于“生成式AI”所带来的行业变革处于爆发的早期，行业的天花板较高，并且AI技术的上游硬件厂商也会微软等模型层和技术层厂商产生溢价，所以“赢者通吃”或“强者恒强”的局面并不会出现。
　　其共同面临的挑战包括：1）面临细分领域(电商,社交,游戏)的威胁或直接竞争，威胁包括细分领域数据集获得难度增大，竞争包括细分领域巨头直接下场竞争并更易于满足细分领域用户需求。2）算力开销驱动营业成本增加，生成式AI在发展早期的商业化绩效目标需要被理性的界定清楚。早期的发展，需要有持续的现金牛业务支撑AI明星业务的研发及运维开支，同时也要避免业务间存在内部不配合和摩擦。3）如全球通胀及供应链扰动持续，生成式AI模型层和应用层等下游环节厂商所创造的价值不断转移到上游的硬件或者能源厂商。比如，高端GPU/FPGA的厂商较为集中，而可替代品有限，上游厂商有较强溢价权。
　　微软面临的挑战包括：1）因为是引领GPT技术发展的领先企业，所以在面临政府或公益组织对其生成式AI生产内容的法律及道德问题时也是首当其冲；2）在智能手机操作系统、娱乐、文化、快消、电商等领域的数据积累有限，在这些领域进行模型训练的学习曲线依然很陡峭；3）如果微软同时掌握了用户接入操作系统，办公软件，和生成式AI搜索引擎的入口，则将需要面临更多“反垄断”相关的问题。
　　谷歌面临的挑战包括：1）对话式AI的搜索方式如果走向普及，将威胁现有的点击付费的广告商业模式；2）对现有的搜索引擎技术有一定路径依赖，模型过于庞大和复杂，将生成式AI技术整合入搜索引擎需要更长时间的试错；3）缺少先发优势，Open AI和微软合作更早更深远，而谷歌一直缺少对生成式AI技术落地的验证(Bard并未达到预期)。
　　投资建议
　　在模型层面和应用层面，建议关注在AI技术领域有较强人才优势，同时有成熟的商业化产品支撑其创新的科技型企业，包括：百度集团-SW，阿里巴巴-SW，网易-S，Microsoft，Google等
　　风险提示
　　全球通胀和宏观经济下行，供应链扰动和贸易摩擦，导致AI计算领域上游硬件供需错配；生成式AI产品的商业化表现不及预期；生成式AI产品带来更多法律及道德风险

研究报告全文：TableIndNameRptType互联网传媒行业研究深度报告从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行业评级增持主要观点TableIndRank报告日期2023-02-21TableSummary生成式AI对搜索引擎是否存在威胁类似ChatGPT的生成式AI在搜索领域实现替代仍然面临诸多行业指数与沪深TableChart300走势比较挑战生成式AI技术需要先达到一定程度的规模优势包括预训10练数据集规模用户反馈量之后才有机会威胁到搜索引擎的生存02225228221122223地位这种规模优势既意味着模型可以解决问题的领域在数量上-10足够庞大又意味着同一个领域中模型可交付出的解决路径数量最够-20庞大-30这种规模效应的达成有2个制约因素1用户习惯的颠覆-40传媒沪深300基于当前技术迭代路径的搜索引擎包括GoogleBaidu和Bing等已经教育了市场将近25年以上的时间颠覆用户习惯需要极大分析师TableAuthor金荣的动能这种动能一定是基于替代方案的效率要比现存方案执业证书号S0010521080002邮箱jinronghazqcom优越数倍以上2生成式AI的模型进化的本质是依赖于对庞大的数据集的训练和微调其背后的算力支撑是重要的技术驱动因素而算力支撑取决于芯片技术材料设计生产工艺及异构计算技术的发展进程包括计算开销的下降和计算交付结果精确程度的提高生成式AI的算力需求相关报告根据NextPlatform对前期训练不含微调的估算GPT-3175B的公司点评快手-W1024HK22Q4前模型的每次训练成本在875万109375万美元之间对应花费瞻商业化及流量盘稳健降本增效持时间在1105天-276天每1百万参数的训练价格是50美元-625续2023-01-30美元之间根据CerebrasAImodelstudio的GPT-3模型训练服务深度点评东方甄选借流量红利起基于4-nodeCS-2cluster的报价信息GPT70B700亿参数步有望靠品牌红利起飞2023-01-1914000亿Tokens85天训练时间的训练价格在250万美元每次公司点评微盟集团2013HKS生成式AI的商业化潜力aaS业务量价齐升视频号起量充分获类似ChatGPT的生成式AI在不久的将来生成式AI有较大可能益2023-01-19在智能客服和搜索引擎进行增值并有较大可能以插件公司深度遥望科技002291SZ的形式赋能现有的生产力工具链工程软件音视频制作工具等多引擎驱动收入增长大中台彰显规微软和谷歌共同和分别面临的挑战模效应2023-01-18无论对于微软还是谷歌而言由于生成式AI所带来的行业变行业点评3年1月游戏版号下发革处于爆发的早期行业的天花板较高并且AI技术的上游硬件厂腾讯黎明觉醒和网易逆水寒均获批2商也会微软等模型层和技术层厂商产生溢价所以赢者通吃或强023-01-18者恒强的局面并不会出现公司点评携程集团-S9961HK其共同面临的挑战包括1面临细分领域电商社交游戏的威新十条放宽出行限制单季盈利表胁或直接竞争威胁包括细分领域数据集获得难度增大竞争包括细现不俗2022-12-19分领域巨头直接下场竞争并更易于满足细分领域用户需求2算力开销驱动营业成本增加生成式AI在发展早期的商业化绩效目标需要被理性的界定清楚早期的发展需要有持续的现金牛业务敬请参阅末页重要声明及评级说明证券研究报告TableCompanyRptType行业研究支撑AI明星业务的研发及运维开支同时也要避免业务间存在内部不配合和摩擦3如全球通胀及供应链扰动持续生成式AI模型层和应用层等下游环节厂商所创造的价值不断转移到上游的硬件或者能源厂商比如高端GPUFPGA的厂商较为集中而可替代品有限上游厂商有较强溢价权微软面临的挑战包括1因为是引领GPT技术发展的领先企业所以在面临政府或公益组织对其生成式AI生产内容的法律及道德问题时也是首当其冲2在智能手机操作系统娱乐文化快消电商等领域的数据积累有限在这些领域进行模型训练的学习曲线依然很陡峭3如果微软同时掌握了用户接入操作系统办公软件和生成式AI搜索引擎的入口则将需要面临更多反垄断相关的问题谷歌面临的挑战包括1对话式AI的搜索方式如果走向普及将威胁现有的点击付费的广告商业模式2对现有的搜索引擎技术有一定路径依赖模型过于庞大和复杂将生成式AI技术整合入搜索引擎需要更长时间的试错3缺少先发优势OpenAI和微软合作更早更深远而谷歌一直缺少对生成式AI技术落地的验证Bard并未达到预期投资建议在模型层面和应用层面建议关注在AI技术领域有较强人才优势同时有成熟的商业化产品支撑其创新的科技型企业包括百度集团-SW阿里巴巴-SW网易-SMicrosoftGoogle等风险提示全球通胀和宏观经济下行供应链扰动和贸易摩擦导致AI计算领域上游硬件供需错配生成式AI产品的商业化表现不及预期生成式产品带来更多法律及道德风险AI敬请参阅末页重要声明及评级说明226证券研究报告TableCompanyRptType行业研究正文目录1关于CHATGPT要知道些什么511CHATGPT的基本概念及原理512生成式AI的算力成本813生成式AI面向B端和C端的潜在场景102生成式AI商业化潜力初探1221生成式AI在智能客服领域的潜在应用1222生成式AI在搜索引擎领域的潜在应用1523生成式AI作为生产力工具插件的潜在应用173从生成式AI看微软和谷歌面临的挑战1831微软和谷歌共同和分别面临的挑战1831微软AI产品赋能回顾1932谷歌AI产品赋能回顾23风险提示25敬请参阅末页重要声明及评级说明326证券研究报告TableCompanyRptType行业研究图表目录图表1CHATGPT工作原理简要流程图5图表2CHATGPT工作流程6图表3CHATGPT使用案例与机器人对话查找代码错误7图表4TRANSFORMER模型结构7图表5CEREBRASMODELSTUDIO对不同GPT模型的训练成本报价8图表6GPT各模型的训练成本8图表7GPT3各类模型的训练的参数量9图表8英伟达A100核心参数9图表9生成式AIGENERATIVEAI面向B端的潜在场景10图表10生成式AIGENERATIVEAI面向C端的潜在场景11图表11全球对话AICONVERSATIONALAI市场空间13图表12智能对话机器人在各领域全球市场空间亿USD13图表13全球智能对话机器人智能客服领域市场空间亿USD14图表14智能对话机器人-电商客服领域全球市场空间测算亿USD14图表15谷歌服务GOOGLESERVICES收入亿USD15图表16生成式AI对搜索引擎的影响16图表17生成式AI与搜索引擎结合面临的挑战16图表18生成式AI作为嵌入式插件的潜在应用领域17图表19微软和谷歌共同和分别面临的挑战18图表20生成式AI的应用新BINGNEWBING搜索案例展示19图表21生成式AI的应用新BINGNEWBING可对话的领域举例20图表22微软具有代表性的AI赋能产品和项目21图表23微软AI技术突破时间线22图表24TRANSFORMER模型中引入的ATTENTION机制示意图23图表25谷歌巴德GOOGLEBARD案例规划旅行路线24图表26谷歌具有代表性的AI赋能产品和项目24敬请参阅末页重要声明及评级说明426证券研究报告TableCompanyRptType行业研究1关于ChatGPT要知道些什么11ChatGPT的基本概念及原理ChatGPT是OpenAI公司发布的语言模型该模型采用大规模的自然语言naturallanguagemodel算法这个模型拥有和用户之间的交互界面用户可以将问题提交给模型然后模型做出回复就好比是在和一个智能的机器人进行文字对话AI应用分成分析型AI应用和生成式AI应用其中分析型AI应用已经被广泛使用包括短视频推送人脸识别搜索分类语音助手和等生成式AI还并未被广泛应用生成式AI的应用包括书写文字段落生成图片和生成代码等ChatGPT是一种生成式AIChatGPT的工作原理可以简单的类比为机器通过阅读人类说出前半句话是什么然后预测人类想要得到的后半句话应该是什么可以类比为诗词填空出题人即人类给出诗词的前半句然后让答题者即机器填写后半句达成这个目标需要用人类已经存在的语料信息图片信息或代码信息等作为数据集对模型进行训练所以模型的认知边界将不断的趋近但无法超越人类自身的认知边界简要的来说GPT模型的实现有2个关键环节第一需要先用大量的数据对AI模型进行预训练得到预训练模型第二在这个基础上进行一些人为的标注进行微调提高其预测的准确度和可靠性比如要生成一个可以正确地帮助人类规划旅行路线的模型模型的开发人员会使用规模极大的数据集包含酒店信息旅行路线请求信息地图信息天气信息等去进行模型的预训练得到一个通用的预训练模型然后在这个通用模型的基础上使用外包的人工标注团队开展人工标注对一些细节进行标注比如将已经停业的酒店标注出来确保最终ChatGPT在规划旅行计划时不包括这些已经停业的酒店图表1ChatGPT工作原理简要流程图资料来源InfoQ华安证券研究所敬请参阅末页重要声明及评级说明526证券研究报告TableCompanyRptType行业研究根据OpenAI发布的信息ChatGPT的训练流程具体包括3部分1收集展示数据DemonstrationData并训练出基于监督学习的决策策略2收集对比数据训练奖励模型3使用PPO强化学习算法针对奖励模型优化策略ChatGPT目前基于GPT-3和GPT-4技术之间GPT-3于2020年发布GPT-4有望于2023年上半年发布ChatGPT的开发者采用了监督学习SupervisedLearning和强化学习ReinforcementLearning算法去微调fine-tuneChatGPT模型其中开发者采用了具有人类反馈的强化学习算法ReinforcementLearningfromHumanFeedbackRLHF最小化了模型所输出回答和真实情况的偏差度从技术的起源来看ChatGPT全称ChatGenerativePre-Trainedtransformer采用了生成式的预训练的Transformer模型而Transformer模型于2017年由谷歌的研究人员在论文Attentionisallyouneed中发布这个模型促成了自然语言学习NLP领域中GPT和BERT这2大模型的发展这些年在自然语言学习NLP领域Transformer模型逐步替代RNN循环神经网络和CNN卷积神经网络比如相比于RNN模型Transformer模型引入了自我注意力Self-attention机制结合算法优化可以实现并行运算大量节约训练时间ChatGPT的回答包括不限于以下几个方面1直接回答问题2做文字的摘要3写代码和查代码错误4语言翻译5撰写演讲稿和故事等比如一个经典的使用案例就是用户可以在和ChatGPT模型的对话框中复制一段程序代码并向ChatGPT提问如何修改以下这段代码以确保这段代码可以正常工作然后ChatGPT会进行回应将指出代码的出现的问题所在图表2ChatGPT工作流程资料来源OpenAI官网华安证券研究所整理敬请参阅末页重要声明及评级说明626证券研究报告TableCompanyRptType行业研究图表3ChatGPT使用案例与机器人对话查找代码错误资料来源OpenAI官网华安证券研究所图表4Transformer模型结构资料来源GoogleResearch华安证券研究所敬请参阅末页重要声明及评级说明726证券研究报告TableCompanyRptType行业研究12生成式AI的算力成本根据NextPlatform发布的信息CerebrasAImodelstudio的GPT-3模型训练服务基于4-nodeCS-2cluster的报价信息如下已知的GPT70B700亿参数14000亿Tokens85天训练时间的训练价格在250万美元而GPT-3模型最多有175B参数即1750亿参数根据NextPlatform对前期训练不含微调的估算GPT-3175B的模型的训练成本在875万109375万美元之间对应花费时间在1105天-276天每1百万参数的训练价格是50美元-625美元之间其中GPT-3175B如果是基于4-nodeCS-2cluster设备配置则成本是875万美元如果是基于16-nodeCS-2cluster设备配置则成本是109375万美元图表5CerebrasModelStudio对不同GPT模型的训练成本报价资料来源NextPlatform华安证券研究所图表6GPT各模型的训练成本参数量Tokens训练日期时长每1百万参数模型类别服务器配置训练成本USD十亿Bn十亿Bn天days训练成本USDGPT-3XL13264CS-204250019GPT-J61204CS-284500075GPT-367B671344CS-2114000060T-511B11344CS-296000055GPT-313B132604CS-239150000115GPTNeoX204004CS-247525000263GPTNeoX2040016CS-2111656250328GPT70B7014004CS-2852500000357GPT70B70140016CS-22133125000446GPT175B17535004CS-211058750000500GPT175B175350016CS-227610937500625资料来源NextPlatform华安证券研究所整理敬请参阅末页重要声明及评级说明826证券研究报告TableCompanyRptType行业研究图表7GPT3各类模型的训练的参数量资料来源Sigmoid华安证券研究所整理图表8英伟达A100核心参数资料来源Servethehome华安证券研究所敬请参阅末页重要声明及评级说明926证券研究报告TableCompanyRptType行业研究13生成式AI面向B端和C端的潜在场景ChatGPT是一种较为高级形态的生成式AIGenrativeAI它可以通过与用户对话的方式提供人工智能程度较高的应答基于生成式AI现在的发展情况及ChatGPT在这个领域的进步未来类似ChatGPT的智能对话机器人有望为产品或服务的价值链所有环节增值在一个产品涉及到的市场营销及销售产品运营生产运营研发设计和职能等众多领域只要涉及到与人打交道的环节智能对话机器人未来都将有望胜任这些工作基于NLP技术的大规模模型将帮助智能对话机器人应用实现从AI辅助到AI替代的跨越生成式AI可以较好的赋能B端和C端对于B端而言生成式AI的意义在于对于人力资源的替代比如在市场营销环节中应用生成式AI的智能对话机器人可以结合用户需求生成高度定制化的社交媒体广告推送内容这些内容形态将不限于文字视频和图片在产品交付给客户之后机器人可以作为客服接收用户的反馈并为客户提供产品使用的指导或者解决临时问题同时机器人可以很好的作为内容创作者出现帮助用户编辑图片编辑影视动画桥段游戏关卡或甚至生成文学小说等内容图表9生成式AIGenerativeAI面向B端的潜在场景生成式AIGenerativeAI市场营销及销产品运营生产研发设计内职能HR风控售运营容创作广告生成高度客服分析客户蓝图设计研人员培训结合定制化的社交媒的提交的临时情发人员通过输入用户需求和产品体广告推送内容况或突发情况的用户需求让模及服务的特点包括文字视反馈分析问题型自动设计出解开展各个部门职频图片等原因提供及时决方案及工作流员的培训参与的应答及技术解程者可以通过与模决方案型对话的方式获得培训需求匹配接用户指导用设计技术细节招聘可以很好消费者收客户关于当前户可以通过提问撰写代码通的与应聘者进行生产者需求的提问并的形式获得关于过输入具体的用沟通解答应聘为其匹配对应的产品如何使用的户需求和约束条者的疑问并从消费产品及服指导件让模型生成应聘者回答的方务产品参数电路式分析其是否符图工程图纸或合招聘要求者代码客户关系维护生产问题解决内容创作通识别风险通过和消费者进行针对产品制造过用户提交的需监督各个部门运互动定期获得过程中出现的质求创作出对应行过程中出现的消费者的反馈及量问题工艺效的内容文字语问题及时识别需求给消费者率问题结合产音视频图出风险项并为提供短期折扣或品的特点提供片风险程度划定优者促销方案解决方案先级资料来源OpenAIMcKinsey华安证券研究所整理敬请参阅末页重要声明及评级说明1026证券研究报告TableCompanyRptType行业研究对于C端而言应用生成式AI技术的机器人可以作为用户的个人智能助理出现其硬件载体将不局限于智能终端智能驾驶平台和智能家居机器人在C端的增值环节有2个不同层面1执行层2决策层执行层任务将更多的以接受用户指令-并提供siri式的用户反馈为核心决策层的任务将基于生成式AI的自学习能力为用户解决一些进阶的需求包括基于用户的日程安排帮用户安排任务的优先级图表10生成式AIGenerativeAI面向C端的潜在场景执行层决策层智能终端类似用户个人助理具有一定自学习能接受指令并帮助用户力可以主动帮助完成更高阶的需求用户解决工作中遇比如帮助用户制定出到的浅层次问题日程安排表并帮用比如项目优先级及户订好机票并规划好时间安排冲突的重路线新调整等智能驾驶平台作为驾驶员助手接可以自学习用户日受指令并帮助驾驶员常的指令按照用调节座舱功能选择户不同时间段的出规划路径打通对话行需求及路况规AI系统和智能驾驶系划路线并实施自动统驾驶智能家居接受指令协助用户具备自学习能力调节智能家居功能可以根据外界环境作为指令中转枢纽及边界条件的变打通多种智能家居电化为用户调整生子设备同时可以监活空间的舒适度控家庭内的卫生安全并通过与用户进行并及时向用户反馈互动进行调整资料来源OpenAIMcKinsey华安证券研究所整理敬请参阅末页重要声明及评级说明1126证券研究报告TableCompanyRptType行业研究2生成式AI商业化潜力初探生成式AIgenerativeAI市场化空间较为广阔基于现行的NLP算法发展程度及数据集规模在不久的将来生成式AI有较大可能在智能客服和搜索引擎进行增值并有较大可能以插件的形式赋能现有的生产力工具链工程软件音视频制作工具等在为客服领域增值的过程中有希望在人工客服的全链路中包括问题识别潜在解决方案交付反馈优化和风险识别等实现对人工客服的替代可实现替代的领域包括电商零售医疗健康金融服务和电信等领域的客服环节在为搜索引擎增值的过程中生成式AI在中短期之内并不会颠覆现如今的搜索引擎地位但是会逐步成为搜索引擎进步的主要技术驱动因素相比于传统搜索引擎技术基于生成式AI技术的搜索反馈结果将基于其自学习能力适应不同用户的需求变化其最终结果交付将实现从信息的匹配和中转到内容创造和问题解决的跃迁在赋能生产力工具链的过程中生成式AI未来有希望通过插件的形式作为工具链的一部分结合使用者的请求生成工程图纸代码图形等提高工具的易用度降低人的工具执行成本这些工具涉及到的领域包括但不限于工程设计包括SolidworksCATIA和AUTOCAD等代码设计运算MatlabTensorFlow等音视频制作AdobePhotoshop等游戏图形设计UnityUE4等操作系统IOSLinux智能车操作系统和元宇宙仿真Omniverse21生成式AI在智能客服领域的潜在应用根据GrandViewResearch全球可对话AIConversationalAI2021年市场空间为62亿美元其中BFSI银行保险等金融服务医疗零售和电商和电信领域的市场空间为425亿美元左右占685左右根据GrandViewResearch预测2030年可对话AI的市场空间将达到约4139亿美元对应2022至2030年复合增长率CAGR为236该领域的核心竞争者包括谷歌微软亚马逊IBM甲骨文和SAP等市场增长的主要驱动因素包括各领域对于应用AI技术替代人力这一需求的提升和持续下降的AI对话程序的研发成本根据Reuters报道目前智能对话机器人领域的佼佼者OpenAI公司核心产品是ChatGPT2024年的收入有望达到10亿美元目前的估值约为200亿美元敬请参阅末页重要声明及评级说明1226证券研究报告TableCompanyRptType行业研究图表11全球对话AIConversationalAI市场空间资料来源GrandViewResearch华安证券研究所我们判断从现在起至未来几年作为生成式AI重要应用的对话AIConversationalAI的商业化模式中较为清晰且可行的是在各个领域对于人工客服的替代基于以下两点考虑1全球主要发达经济体人口增长乏力劳动力数量减少用工成本攀升有强烈的使用AI对话机器人替代人工客服的需求2智能对话机器人相比人工客服创造更多价值即机器人可以完成更多人工客服无法胜任的任务并且工作效率高解决问题出错率较低3智能对话机器人研发成本的显著下降部署该机器人的实践经验的可复制性不断提高由于电商医疗健康BFSI和电信网络服务的客服中产生的问题及解答较为结构化并依赖劳动力密集产出其中医疗健康领域不包括医生看诊环节仅包括挂号预约初步咨询取药和护理服务沟通等专业性较低环节所以这4个应用领域有望成为可对话AI可以进行人力资源替代的主要领域我们从这4个主要领域入手基于对未来驱动因素的假设进行了市场空间测算根据GrandViewResearch2021年这4个主要领域市场空间约为425亿美元左右基于此根据我们的测算2033年这4个主要领域的市场空间可以达到478亿美元图表12智能对话机器人在各领域全球市场空间亿USD单位亿USD202020212022E2023E2024E2025E2026E2027E2028E2029E2030E2031E2032E2033E电商12813416120126036052269397311661303136114221484医疗健康10911012714317624130747173511671606163616661697BFSI9394122150179208279352426543663697718739电信网络服务8687112138201265331436543651761794827860总计416425521631816107414391951267635264333448846334780资料来源世界银行GrandviewresearchStatista华安证券研究所测算敬请参阅末页重要声明及评级说明1326证券研究报告TableCompanyRptType行业研究图表13全球智能对话机器人智能客服领域市场空间亿USD6000亿5000CAGR22340003000在智能客服领域收入2000USD100000智能对话机器人202020212022E2023E2024E2025E2026E2027E2028E2029E2030E2031E2032E2033E全球电商医疗健康BFSI电信网络服务资料来源世界银行GrandViewResearch华安证券研究所测算图表14智能对话机器人-电商客服领域全球市场空间测算亿USD智能对话机器人-电商领域全球市场空间测算核心假设年平均网购次数次人年18每年与客服沟通次数每年网购次数80客服效率次人年18000客服年薪USD年9000202020212022E2023E2024E2025E2026E2027E2033E全球电商购物人数亿人205214223232241250259267317yoyNA444240380370360330280客服服务人次需求亿次295230823211333934663594372338464566客服人员需求亿人001600170018001900190020002100210025yoyNA4442403837363328全球电商客服支出亿USD147615411605166917331797186219232283全球对话AI电商订阅收入亿USD1281134316082006260235975216692714843对话AI订阅收入电商客服支出8810121520283665资料来源世界银行GrandviewresearchStatista华安证券研究所测算敬请参阅末页重要声明及评级说明1426证券研究报告TableCompanyRptType行业研究22生成式AI在搜索引擎领域的潜在应用在互联网搜索领域目前谷歌占据绝对的领军地位谷歌主要的业务板块是谷歌服务GoogleServices2022年谷歌服务收入253528亿美元谷歌服务依赖谷歌在搜索引擎领域长期积累的技术和商业化优势包括搜索Youtubegoogleplay智能手机平台广告浏览器邮箱云盘等在考虑未来生成式AI在搜索领域可以实现的收入时考虑范围应该不局限于搜索引擎本身还应该包括基于搜索引擎技术所拓展出的外延部分比如YoutubeGoogleMap和GooglePlay等这些搜索引擎外延部分的商业化表现本质是基于平台是否可以基于用户的搜索请求或者使用习惯将产品及服务较精准的分发给用户然后用户并为此付费所以谷歌服务部分的收入天花板可以用来作为标尺去衡量未来智能对话机器人在搜索领域的潜在收入中最易于理解的部分生成式AIGenerativeAI未来有较大技术进步空间和较难估量的商业化潜力基于以下3点原因在中长期生成式AI的市场天花板应该不限于当前搜索引擎所达到的成就1它为用户增值的目标从信息的搜索和呈现跨越到了独立解决问题2它在解决问题的过程中存在较大的商业化空间可以将定制化的产品或服务分发给终端用户3它具备一定自学习能力基于不同用户的使用习惯有希望为用户提供定制化的体验图表15谷歌服务GoogleServices收入亿USD3500450GoogleServices亿USDyoy2907384003000264351253528350250023752930020001686352501518251500130524200150100010050050000201820192020202120222023E2024E资料来源Bloomberg华安证券研究所但是生成式AI在搜索领域实现替代仍然面临诸多挑战生成式AI技术需要先达到一定程度的规模优势包括预训练数据集规模用户反馈量之后才有机会威胁到搜索引擎的生存地位这种规模优势既意味着模型可以解决问题的领域在数量上足够庞大又意味着同一个领域中模型可交付出的解决路径数量最够庞大这种规模效应的达成有2个制约因素1用户习惯的颠覆基于当前技术迭代路径的搜索引擎包括GoogleBaiduBing等已经教育了市场将近25年以上的时间颠覆用户习惯需要极大的动能这种动能一定是基于替代方案的效率要比现存方案优越数倍以上2生成式AI的模型进化的本质是依赖于对庞大的数据集的训练和微调其背后的算力支撑是重要的技术驱动因素而算力支撑取决于芯片技术材料设计工艺制程及异构计算技术的发展进程包括计算开销的下降和计算交付结果精确程度的提高敬请参阅末页重要声明及评级说明1526证券研究报告TableCompanyRptType行业研究图表16生成式AI对搜索引擎的影响输入过程输出商业化路径文字理解搜索语义交付搜索结果广告图片内容分类广告推送排名内容分发者语音内容排名内容匹配输入过程输出商业化路径复杂表述的文字打通生产力工具归纳演绎AI生成图片视频声音等段落链订阅付费代码伪代码内容创造者自学习进化AI生成文字定制化广告视频复杂声音交付质量控制AI生成工程设计代码信号电路图机械图纸资料来源MarketingAIInstitute华安证券研究所整理图表17生成式AI与搜索引擎结合面临的挑战生成式AI与搜索引擎结合面临的挑战供给侧需求侧数据集训练过程用户认知终端用户增值-样本规模-算力开销-搜索习惯固化-增值显著性-样本有效性-算法效率-较高学习成本-样本获取合法性资料来源OpenAI华安证券研究所整理敬请参阅末页重要声明及评级说明1626证券研究报告TableCompanyRptType行业研究23生成式AI作为生产力工具插件的潜在应用生成式AI有较大的可能会以插件的形式为现有的生产力工具链赋能其中工程设计音视频制作和游戏设计等领域工具是搭建未来基于XR的元宇宙世界的重要工具生成式AI可以简化用户进行操作的难度快速将用户的想法反馈成设计结果比如在面向B端的工业元宇宙的场景中在搭建虚拟数字化的工业生产线时用户在未来有可能会通过向生成式AI提出请求然后AI自动生成对应的对应设备的3D模型和生产工艺流程在面向C端的游戏场景中生成式AI有希望帮助游戏开发人员降低研发难度即便不会写代码的游戏策划人员也可以通过AI请求让AI生成对应的游戏组件甚至是场景关卡在商业化的过程中生成式AI的插件有希望以订阅制付费的形式作为现有生产力工具的一部分向用户收费图表18生成式AI作为嵌入式插件的潜在应用领域工程设计代码设计运算音视频制作游戏图形设计操作系统含智能汽车操作系统元宇宙资料来源华安证券研究所整理敬请参阅末页重要声明及评级说明1726证券研究报告TableCompanyRptType行业研究3从生成式AI看微软和谷歌面临的挑战31微软和谷歌共同和分别面临的挑战无论对于微软还是谷歌而言由于生成式AI所带来的行业变革处于爆发的早期行业的天花板较高并且AI技术的上游硬件厂商也有一定可能会对微软等模型层和技术层厂商产生溢价所以赢者通吃或强者恒强的局面并不会出现图表19微软和谷歌共同和分别面临的挑战微软谷歌MicrosoftGoogle面临细分领域电商社交游戏的威胁或直接竞争威胁包括细分领域数据集获得难度增大竞争包括细分领域巨头直接下场竞争并更易于满足细分领域用户需求算力开销驱动营业成本增加生成式AI在发展早期的商业化绩效目标需要被理性的界定清楚同时早期的发展需要有持续的现金牛业务支撑AI明星业务的研共同面临的挑战发及运维开支同时也要避免业务间存在内部不配合和摩擦如全球通胀及供应链扰动持续生成式AI模型层和应用层等下游环节厂商所创造的价值不断转移到上游的硬件或者能源厂商比如高端GPUFPGA的厂商较为集中而可替代品有限上游厂商有较强溢价权因为是引领GPT技术发展的领先企业所以在面临政府或公益组织对其对话式AI的搜索方式如果走向普及将生成式AI生产内容的法律及道德问题威胁现有的点击付费的广告商业模式时也是首当其冲在智能手机操作系统娱乐文化对现有的搜索引擎技术有一定路径依分别面临的挑战快消电商等领域的数据积累有限赖模型过于庞大和复杂将生成式AI在这些领域进行模型训练的学习曲线技术整合入搜索引擎需要更长时间的试依然很陡峭错如果微软同时掌握了用户接入操作系缺少先发优势OpenAI和微软合作更早统办公软件和生成式AI搜索引擎更深远而一直缺少对生成式AI技术落的入口则将需要面临更多反垄地的验证Bard并未达到预期断相关的问题资料来源OpenAIGoogleAI华安证券研究所整理敬请参阅末页重要声明及评级说明1826证券研究报告TableCompanyRptType行业研究31微软AI产品赋能回顾2023年2月初微软公布新BingNewBing搜索引擎该版本搜索引擎集成了ChatGPT技术公布不到48小时申请用户量已经过百万用户需要排队注册申请并等待获得使用新Bing测试版的资格根据微软官方的解释新Bing可以扮演类似研究助理researchassistant个人计划员personalplanner和创意合作伙伴creativepartner的角色和常规的搜索引擎相比新Bing的搜索结果将不再是简单的提供给用户一个链接列表而是给用户一个概括的答案解决用户的具体问题并且提供可靠的信息来源用户可以按照思考和沟通的方式与新Bing对话同时新Bing也可以作为创意工具帮助用户写诗写故事或者写分享关于项目的想法根据TheVerge发布的新Bing测试使用体验用户可以直接向Bing提问如何帮助自己规划一个在纽约市3日的旅行同时确保自己可以待在纽约时代广场附近而新Bing的回复可以做到将酒店的选择按照一定优先级为用户规划出来总之基于ChatGPT技术的新Bing有如下拟人化的对话特点可以解决具体问题并给出凝练的回答可以接受用户的追问得到定制化的回应可以承认自身的错误并进行一定程度的调整图表20生成式AI的应用新BingNewBing搜索案例展示资料来源TheVerge华安证券研究所整理敬请参阅末页重要声明及评级说明1926证券研究报告TableCompanyRptType行业研究图表21生成式AI的应用新BingNewBing可对话的领域举例资料来源Bing华安证券研究所从生成AI技术走向成熟到尝试触达用户微软对于生成式AIgenerativeAI加大投资和整合进自身产品线的举措不仅是公司层面的转折事件更是整个科技行业的转折事件从微软过去在新兴AI技术的落地上已经证明了自身的技术和产品实力在近些年的AI技术落地的实践中微软在Office组件Azure云服务GitHubCopilotViva和TeamPremium中落地了AI相关技术为产品终端用户提升了工作效率由于微软已经通过较多的用例积累验证了其在AI领域中研发和应用的竞争优势只要微软可以在未来几年中持续平衡好研发支出和营业利润微软仍然有较大概率在接下来的由生成式AI所引领的行业变革中持续引领行业去拓展生成式AI的技术及商业化版图的边界敬请参阅末页重要声明及评级说明2026证券研究报告