01
在过去十年乃至二十年间，全球AI产业的发展背景是云计算的兴起。云计算的普及使得美国企业不再局限于硬件或软件公司，而是转变为云服务公司。商业模式也随之转变，主要采用订阅模式。在这种模式下，云业务的付费率提升，用户基数扩大，从而在过去十年内实现了增长。
展望未来十年，AI技术的融入旨在通过提高客单价来增加云服务的收入。然而，这仅是表层变化。更深层次的影响在于，AI技术将取代原本需要人工参与的环节，扩大市场规模。以设计市场为例，全球市场规模可能在3000亿至4000亿美元之间，其中工具可能占三分之一，而设计师占剩余的三分之二。未来，AI可能会取代这些设计师的工作，从而改变市场结构。
回顾过去40年，美股纳斯达克指数的走势显示了每十年一个产业周期的特点。当前的AI时代并非仅仅基于过去十年的发展，而是基于过去30至40年间美国科技企业的积累和产业定位。云计算的普及为AI提供了必要的数据基础，数据的重要性日益凸显。以微软、亚马逊、谷歌和Meta为代表的四大巨头，在数据类型上的竞争尤为关键。
以微软为例，其收购动视暴雪的举措可能在AI时代具有特殊意义，这表明微软的业务拓展可能与AI技术的融合有关。从历史趋势来看，每个十年都有一次产业变革。例如，从90年代的软件到硬件，再到2000年代的互联网转型，以及2010年云服务的兴起，都是产业发展的里程碑。
02
云业务竞争
云计算的概念始于2007年，而Salesforce成立于1999年，最初并不称为互联网服务。AWS（Amazon Web Services）起初是作为亚马逊的网络服务推出的，现在则被称为AWS Cloud。2010年是云计算发展的重要分水岭，至今云计算和AI技术已成为美国产业发展的核心。
在这一背景下，微软、谷歌、亚马逊和Meta等四大巨头之间的竞争非常激烈，原因在于它们的服务和内容过于相似，导致市场竞争激烈。相比之下，英伟达和MD之间由于差距较大，不存在同样的问题。当前对AI技术的高度重视，正是因为市场上的产品和服务趋于同质化。
在过去十年中，微软、谷歌和亚马逊这三大科技巨头的业务重叠度显著提高。以今年的年收入为例，亚马逊预计能达到1000亿美元，而微软也接近900亿美元。在云服务收入方面，微软大约为900亿美元，亚马逊则为1000亿美元。微软的云服务收入占其总收入的45%到50%，去年总收入达到2100亿美元。谷歌虽然规模较小，但增长速度较快，其云服务规模大约是微软和亚马逊的一半，但影响力日益增强。此外，尽管Meta（前身为Facebook）没有云服务业务，但其互联网流量与谷歌存在较大竞争。
过去，这些公司的业务相对独立，微软主要专注于企业软件，谷歌以搜索引擎为主，亚马逊则是电商巨头，而Meta与这些公司业务交集不多。然而，随着业务重叠度的增加，市场竞争日益激烈，推动了整个行业的发展。
此外，美国联邦政府的云业务也发生了变化。几年前，美国联邦政府的云服务从AWS（亚马逊网络服务）转移到了微软云，这在当时引起了广泛关注。这一转变不仅是因为微软的云服务，而是因为微软提供的是一整套解决方案，从底层的数据中心到各种服务。
全球AI发展经历了几个阶段。在2014年之前，IBM是全球AI的主导者，以沃森和深蓝等产品为代表。2014年之后，谷歌通过收购DeepMind并推出AlphaGo等产品，成为AI领域的新星。到了2018年，OpenAI等公司开始崭露头角，代表了AI的第三代发展。
AI的发展与算法的更新密切相关。IBM时代更侧重于机器学习，而谷歌时代则强调深度学习，包括卷积神经网络（CNN）、生成对抗网络（GAN）和长短期记忆网络（LSTM）等。目前，尽管仍然是神经网络算法，但参数量和数据集规模都有所增加，英伟达等公司在这一领域也发挥了重要作用。
03
数据与算法之争
1997年，IBM的深蓝计算机击败了国际象棋冠军。而谷歌则选择了围棋，其开发的阿尔法狗在围棋比赛中也取得了压倒性胜利，赢得了五局中的四局，总共24局中赢了三局，而李世石只赢了一局。这代表了三代技术的发展。
为什么要介绍这些背景？这与我们刚才讨论的逻辑紧密相关。我们讨论了为什么会出现激烈的竞争，因为大家太过相似。当竞争过于激烈时，总会有一个「卷王」出现。
在这里，「卷王」指的是微软。微软在AI领域的历史并不强，其AI产品一般。但为什么这样一个在AI领域表现一般的公司，却能找到OPAI合作开发AI？这引发了谷歌的关注，因为谷歌是第二轮AI技术的领导者，包括其TensorFlow架构。
尽管谷歌自称谦虚，声称从2016年开始专注于AI，但如果我们追溯历史，可能会更早。2013年，谷歌收购了DeepMind。所以，谷歌在AI领域的发展时间相当长。
为什么谷歌能在第二代技术中超越IBM，除了收购DeepMind外，谷歌还有一个关键点——谷歌大脑（Google Brain）。现在，Google Brain和DeepMind已经整合在一起。
谷歌在2014年前后之所以能在AI领域超越IBM，除了架构上的相似之处外，还因为谷歌拥有大量的互联网数据，这是进行深度学习算法研究的重要基础。这些数据不仅仅是可用的数据，而是在其平台上积累的数据。
从这个角度来看，数据的重要性不言而喻。IBM虽然在AI领域有着悠久的历史，拥有大型机、小型机等资源，甚至正在开发自己的AI芯片，但缺乏AI芯片。因此，数据成为了一个核心问题。
谷歌拥有整个互联网的搜索引擎数据，这使得它在2014年之后在AI产业中的地位变得稳固。到了2017年，谷歌意识到需要开发自己的TPU（张量处理单元），这是最早的自研芯片之一，也是目前规模最大的。
谷歌对产业的把握非常到位，他们知道自己需要什么，如何去做。但是，谷歌在新技术工程化落地方面的能力可能并不极致，因为他们的业务范围很广，涉及许多科研机构。这也是为什么谷歌的净利率比微软低一些，而微软作为一个产品公司，净利率相对较高。
回到我们刚才的逻辑，除了刚才提到的两个特别卷的例子之外，还有微软这个「卷王」。微软在AI领域的崛起无疑给谷歌带来了压力。然而，谷歌可能已经意识到这一点，但为时已晚。
如果我们将这些信息串联起来，可以看到所有模型，从最简单的word vector（文字到向量）到RNN（循环神经网络），再到2014、15、16年谷歌使用的神经网络算法，如长短期记忆（LSTM）模型，以及后来的transformer架构，如transformer XL，其实都在解决一个问题——记忆力。
记忆力问题实际上取决于模型能够处理的输入输出上下文长度。上下文长度决定了推理的场景和背景，上下文越长，推理的准确性就越高。
04
AI框架与微软业务逻辑
微软的业务构成相对清晰，主要分为三个部分：生产力流程、智能云和个人计算。2023年，微软的总收入达到2100亿美元，其中生产力流程贡献了约700亿美元，占比约30%；智能云接近900亿美元，占比超过40%；个人计算业务收入超过500亿美元，占比约22%。
在智能云业务中，Azure云服务扮演了主要角色。而在生产力流程方面，Office套件是核心，其中400亿美元来自面向企业的Office产品，而面向消费者的Office产品仅占61亿美元。此外，微软还推出了C端用户也能使用的CoPilot功能，以及Dynamics和职场应用等产品。
个人计算业务包括Windows操作系统、搜索服务、设备销售以及Xbox游戏等。值得注意的是，动视暴雪并未包含在内，因为它是微软以近700亿美元收购的另一项业务。动视暴雪的年收入峰值曾达到78至80亿美元，预计在下一财年，微软的游戏业务收入将因收购而大幅增加。
通过分析微软的业务构成，我们可以更好地理解其AI战略的逻辑。自2000年以来，微软的三大业务板块——个人计算、生产力工具和服务、商业流程以及云服务——都经历了显著的发展。尤其是云业务，在近十年的云计算浪潮中实现了快速扩张。同时，微软也在不断优化产品形态，提升用户体验，从而吸引了更多用户转向正版服务。
智能语音技术是微软过去十年变革最大的领域。尽管个人计算业务经历了一些战略上的调整，但微软始终坚持不懈地推动其发展。通过深入理解微软的业务布局，我们可以更清晰地看到其在AI领域的发展方向和潜力。
尽管稍后我们将讨论，根据相关内容，他们的业务发生了显著变化，这与他们的产品紧密相关。具体来说，AI产品的现状如何，以及生产力工具领域的发展情况。从逻辑上讲，生产力工具基本上是用来提高客单价的，智能服务也是如此。同时，它们还在积极获取市场份额，尤其是在云计算领域。这就是为什么美国三大云服务提供商对AI特别关注的原因。除了微软转型成功之外，三家云服务提供商实际上并没有哪家占据绝对优势。最早是AWS，但到目前为止，微软已经迎头赶上。因此，在这一领域，亚马逊相对处于被动地位，因为谷歌的AI也非常强大。
谷歌的体量并不大，因此在云计算方面并不特别担心，但对AI领域则较为关注。亚马逊担心的是自身的竞争力，而微软则无所畏惧，因为它拥有OBI等AI技术，并且正准备超越亚马逊。对于微软的云业务而言，其目标是获得更多的市场份额。要实现这一目标，增速必须提升。我们先来看一下增速。疫情之后，经历了一波高增长，随后增速开始下滑，这是正常现象。
接下来，我们来看看这三大云服务提供商。首先是微软，它是最早出现拐点的，这发生在去年第三季度。而谷歌和亚马逊则比微软晚一个季度出现拐点。谷歌的增长似乎有所放缓，而亚马逊上个季度的变化最大，其增速实际上已经加快。
之前，人们还在观察亚马逊的拐点是否得到确认。目前，这三大云服务提供商的情况大致如此。尽管微软的体量相对较大，但其增速也很快。这也是为什么在考虑云业务时，微软希望通过更高的增速来获得更高的市场份额。每个业务与AI结合的目标都不尽相同。例如，个人计算业务正在为收购动视暴雪做准备，除了游戏业务外，微软还考虑了元宇宙等其他想法，为未来的元宇宙做准备。
基于这些情况，我们可以看到微软在AI领域的产业地位非常明确，其战略也非常清晰。过去一年，微软的股价走势也相当强劲。通过这些信息，我们可以理解微软自1985年成立以来的发展历程。现在是2024年，微软已经走过了将近40年的历程。在这40年里，微软经历了三位CEO的领导：盖茨、鲍尔默和纳德拉，他们分别代表了公司发展的不同阶段。
在过去35年里，微软的股价走势与公司的发展历程基本一致。微软经历了从软件到互联网，再到云计算和AI的四个时代。在盖茨的时代，公司的战略非常明确，股价也与产业地位相匹配。然而，在互联网泡沫时期，尽管微软的Windows和Office产品占据了行业领先地位，但公司的市值一度高达7000亿美元，随后又出现了下跌。
在互联网泡沫期间，鲍尔默作为COO，可能给人们的印象并不深刻。鲍尔默在任期间长达十几年，他是一位技术出身的老员工。他的战略主要集中在硬件领域，这与当时的技术背景有关。2000年之后，谷歌等互联网公司崛起，微软面临着转型的压力。到了2010年前后，智能手机等新的智能终端开始崛起。为了应对这一变化，微软在2013年底收购了诺基亚，但在纳德拉上任后，微软在2016年又将诺基亚出售，亏损了数十亿美元。
这些变化反映了微软在不同历史阶段的战略调整和市场应对。通过这些信息，我们可以更好地理解微软的发展历程，以及它在AI时代的产业地位和战略方向。
05
微软AI转型
纳德拉在2014年接任微软CEO，致力于扭转公司在过去十年间形成的颓势。在鲍尔默任期内，微软先是消化互联网泡沫的影响，随后面临移动互联网和PC互联网转型的挑战。微软的股价一度跌至2000亿美元，不到3000亿美元。然而，现在微软的市值已达到3万亿美元。
纳德拉的战略转变是关键，他自1992年加入微软，拥有丰富的公司经验。2014年上任后，他提出了「移动为先，云为先」的战略，使微软变得更加开放，与苹果等公司的合作也更加频繁。微软的云服务虽然在2010年成立，但直到纳德拉上任后才真正加速发展。2016年，微软云服务的增长尤为显著。
纳德拉的战略眼光在AI领域同样显现，微软在AI上的布局证明了这一点。此外，他在处理去年年底内部管理层动荡的问题上，也展现了微软作为股东和幕后推手的危机处理能力。
微软的AI战略不仅仅关注硬件，还包括游戏、搜索等多个方面。尽管在硬件方面与谷歌等公司相比还有差距，但微软在AI领域的投入正逐渐增加。
AI的底层框架包括从芯片到模型的多个层次，其中一些中间层如数据库和数据仓库可能不为公众所熟知，但它们与AI的结合同样重要。微软的Power Platform和亚马逊的Amazon Q都是第三方开发平台的例子。
在芯片领域，微软相对较晚推出自研芯片。去年10月，微软发布了两款芯片：Male MA 100（CPU）和Cold Out（AI加速芯片）。相比之下，谷歌、亚马逊和Meta等公司更早开始自研芯片。目前，微软的芯片主要依赖英伟达的产品。
从资本开支的角度来看，微软从2014年到2024年的资本开支增长了十倍，从50亿美元增至近500亿美元。这一增长与云服务的发展和疫情后对语音技术需求的增加有关。单季度资本开支自2017年以来也增长了近十倍，反映了微软在AI和云服务领域的持续投入。
在讨论微软的资本开支情况时，我们可以看到其与云业务收入的匹配度相当高。在不同的发展阶段，资本开支的增长原因各异，但一旦云资本开支增加，就不会回落。随着收入规模的扩大，资本开支的比例可能保持不变，但其绝对值将持续上升。尽管我们尚未具体计算这一比例，但可以推测，资源开始与其利润和现金流的比较将呈现出一定的趋势。
在芯片领域，微软目前几乎100%依赖采购，主要是来自英伟达和AMD的显卡。自研芯片的占比目前尚未开始，尽管相关产品已经发布。此外，关于次级开支的细节，值得进一步深入研究。上周我们已经复盘了微软在过去10至15年的资本开支情况，发现其资本开支一旦增加，就未曾下降，这与云计算的商业模式密切相关。由于云服务是基于订阅的，需求一旦上升，资本开支的需求也会随之增加，且不会回落。
在2024财年，微软的资本开支预计将达到450亿至500亿美元。在芯片领域，自研芯片的投入一旦开始，就不会减少，目前至少在500亿美元以上。在模型层面，有两个关键词值得关注：OKI和自研模型。微软云现在非常开放，与过去相比有了很大变化。五月份的Build大会就是一个明显的例子，这是一个针对生态伙伴的大会，旨在构建生态系统。在微软云上，不仅有自家的模型，还包括第三方模型，如Lambda、Micro和Acrostic等，都可以部署在微软云上。
这种开放性的原因与过去十年云计算的发展有关。微软、亚马逊和谷歌这三朵云已经触达了大量现成的客户。对于企业而言，如果想使用大模型，通常会选择云服务，而这些服务往往是部署在现有的云平台上。例如，如果客户使用的是微软云，他们可能会要求将模型部署在微软云上，以便直接使用接口进行操作。
因此，第三方模型愿意部署在微软、谷歌或亚马逊的云平台上，因为这样做最为方便、简单，且能够快速实现变现。对于微软而言，只要模型愿意部署在其云平台上，它持开放态度。微软自己也在开发自己的SLM模型，即小型和大型模型，参数量从几十亿到几百亿不等。从去年的Five One模型到今年的Five Three模型，微软在模型开发上取得了快速进展，最新的模型表现也非常出色。
每家公司在AI领域的发展思路各异，包括AI训练模型的构建以及产品化和商业化策略。例如，Mate X5模型追求性价比，通过较小的尺寸实现同等效果。尽管各公司都有自己的测试结果，但普遍认为这些模型表现良好。
在讨论大型模型时，除了关注模型参数量、数据集大小、使用的硬件资源以及投入的资金外，数据类型也是一个重要因素。例如，微软的数据处理能力被认为是其模型效果良好的原因之一。微软、亚马逊和Meta等公司可触及的数据类型各不相同。在多模态大模型的开发中，谷歌拥有YouTube视频数据，而微软则拥有游戏数据。这引出了微软收购动视暴雪的战略意义，这不仅是为了游戏收入，更是为了准备未来的元宇宙和AI发展。
微软的战略可以概括为3C战略：Cloud（云服务）、Content（内容）和Create（创造）。这与微软的整个战略和思路紧密相连。微软的AI发展思路受到多种因素的影响，包括管理层的视角和产品体系。比尔盖茨认为，AI是自1980年代以来的又一次重大技术创新，它将改变人机交互的方式。
06
人机交互方式的变革
在讨论中，我们关注的核心是「agent」（代理）这一概念。我们之前已经讨论过，下一代大型模型的核心能力在于其代理能力，这种能力至关重要，因为它将使我们能够感受到技术的进步。以Cope为例，尽管它在某些方面改变了人机交互，但这种改变并不显著，因为它并没有根本性地改变我们的人际交往方式。我们的日常操作并没有因为这些技术而有太大变化。
从比尔·盖茨的角度来看，技术创新的核心在于改变人机交互的方式。Windows操作系统就是一个例子，它改变了人们与计算机的互动方式。当前的AI技术是否能再次引发这样的变革，对我们的感知和体验来说是一个重要的考量。
对于微软而言，AI技术的应用是否能带来重大变革，关键在于它是否能够改变人机交互的方式。微软的目标是将软件转变为代理，从而改变人机交互的方式。这实际上意味着实现软件的工业自动化，即软件自动化。微软现有的产品矩阵，或者说其生产力服务，主要是面向企业的软件产品。
接下来，我们将讨论谷歌。谷歌的B2B产品线非常丰富，不逊色于微软。尽管谷歌的体量没有微软那么大，但两家公司的基因不同。微软的软件应用层面的产品线非常清晰，包括智能云作为基础，软件层面，以及以硬件为主的硬件主体层面。微软的IT架构和云架构，以及AI的底层基础设施，无论是软件、硬件还是平台，都包含在内。
微软的产品矩阵主要指的是生产力工具和商业流程这块，其产品线非常全面，几乎涵盖了从前台到中台到后台的所有环节。微软在这个领域是全球领先的。Office和Power Platform都是微软的强项，而ERP/CRM可能排在第三、第四或第五位。在创意软件领域，Adobe是领导者，其次是其他竞争对手，微软可能排在更后面。此外，还有员工管理工具Viva，这是一个在国内不太常见的产品，主要用于企业内部员工培训、管理和协同交互，以及企业内部知识流程管理。
微软在这些领域都有变革的动力。Office产品线虽然强大，但微软仍在主动寻求创新。比尔·盖茨提到的代理（agent）概念，实际上是将软件转变为高级自动化工具，减少人工操作，让工具自动执行任务。随着GPT-5或GPT-6等更先进的AI模型的出现，我们的软件将能够更加智能化地自动执行任务。
美股巨头AI商业化策略解析
终端层面，微软拥有Windows操作系统、AITC产品以及Xbox游戏机等。尽管微软的基因并不在硬件上，历史上硬件产品表现并不突出，但收购动视暴雪后，微软在游戏领域的未来动向值得关注。
跟踪微软商业化情况的关键点包括三个方面：首先是GitHub和Power Platform等to D（开发者）端产品的数据；其次是Azure云服务的增速和AI收入占比；最后是资本开支。
目前，微软的产品化阶段已过去，现在主要专注于产品迭代和商业化。每个季度，微软在各个环节都有所进展。例如，GitHub和Power Platform的使用情况良好，但具体收入尚不明确。Salesforce的Sales产品和微软的Sales产品针对的客户群体和功能相似，都是针对销售环节的产品。Power Platform的定价约为每人每月20美元。
在智能云领域，微软提供的服务包括L云和企业级服务。个人计算方面，New Bing搜索引擎的市场份额尚未显著提升。Windows操作系统目前正从Win 11升级，预计Win 12将有较大变化，以适应AI的发展需求。
在目前我们尚不清楚微软实现功能的具体情况，需等到今年年末前后，待其年度报告（Annual Report，简称AAPC）发布后，情况或许会更加明朗。此外，值得关注的是微软的Creator（创意工具）和Imagine（想象工具），这两者分别对应Adobe的产品。在个人消费者（To C）领域，我们需要跟踪这些数据，尽管目前市场对这些数据的关注度并不高，尤其是在微软的股价定价中，这些因素的影响并不显著。微软股价的定价主要侧重于智能领域，而其他如偷拍数据等对国家的影响并不大。智能云业务是微软收入的重要组成部分，占收入的40%，预计在未来财年将达到50%。
微软的业务受到智能云业务的显著影响，市场也将云计算视为这些公司AI能力集中体现的领域。从跟踪指标的角度来看，我们主要关注三个层面。然而，除了表面数据之外，我认为还有几个方面需要关注。
首先是大模型在微软原有业务中的应用情况。例如，大模型对推荐引擎的影响，尽管有人认为这种影响不大。这主要涉及到谷歌、Meta等公司，它们使用推荐引擎、搜索引擎等技术。我们将进一步研究这一问题，并在研究清楚后向大家汇报。
我们需要了解大模型对这四家巨头原有业务重构的影响程度及其背后的逻辑。如果这种影响成立，那么许多事物的变化可能会超出我们的预期。例如，传统的算法架构是否会因为大模型架构而发生变化，推荐引擎是否会因为大模型而发生显著变化。如果有变化，那么我们的整个底层架构将会发生变化，这是肯定的。此外，底层架构的驱动力也会发生变化，比如从CPU转向GPU，类似于从燃油车转向电动车。但目前对于这种变化的看法存在分歧。
Meta表示，其30%的推荐引擎是基于大模型开发的。这在微软的业务中也是一个值得关注的点。我们需要了解微软的哪些业务，如云计算等，其算法架构已经转变为大模型驱动。如果发生了变化，那么背后的驱动力肯定会发生变化。
我认为这是一个值得研究的问题，因为它将决定我们对算力需求的预期。除了表观数据之外，我们还需要关注大模型在其原有业务中产生的影响。
其次，数据也是一个重要的关注点。随着时间的推移，竞争将不再局限于表面层面，而是转向更深层次的领域，如芯片。尽管我们可以从英伟达等公司购买芯片，并且我们也在自主研发，但未来芯片成本的下降幅度将成为关键。算法和算力方面，各家公司可能相差不大，但大模型的架构能力是一个值得关注的点。谷歌和Meta等公司在这方面都具备一定的能力。
此外，数据的类型和使用方式也非常重要。谷歌之所以能够更好地开发AI数学算法模型，很大程度上是因为其拥有的数据量远超其他公司。数据不仅需要量大，而且数据类型也非常重要。例如，微软的游戏数据、Meta的视频数据等，这些都是竞争的关键点。
在数据模型架构方面，硅谷的谷歌和Meta等公司是值得关注的。这两家公司在AI领域的发展非常值得关注。
欢迎 关注 ，全网同名， 您的关注是对我最大的鼓励和支持 ，谢谢
