Meta AI業(yè)務(wù)布局情況如何？

以下選取頭部科技 公司微軟、谷歌、亞馬遜與 Meta 進(jìn)行橫向比較，從業(yè)務(wù)布局、基座模型、商業(yè) 模式、投資四個(gè)層面對(duì)比說明 Meta AI 業(yè)務(wù)現(xiàn)狀及發(fā)展空間。

1. 布局角度：Meta AI 業(yè)務(wù)偏向產(chǎn)業(yè)鏈中下游與 C 端用戶

AI 產(chǎn)業(yè)鏈可分為上游基礎(chǔ)設(shè)施、中游底層模型和下游應(yīng)用三個(gè)環(huán)節(jié)。微軟、谷歌、 亞馬遜作為頭部公有云廠商，均基于在云計(jì)算領(lǐng)域的優(yōu)勢(shì)，從基礎(chǔ)設(shè)施層向下游 擴(kuò)張，自研大模型并將其應(yīng)用于自身業(yè)務(wù)中。其中，1）微軟與 OpenAI 高度綁 定，基于 GPT、DALL-E、Sora 等領(lǐng)域頂尖模型在 Azure 以 MaaS（Model-asa-Service）形式提供 OpenAI Service，并且推出操作系統(tǒng)、辦公軟件、搜索引 擎、代碼、營(yíng)銷產(chǎn)品的 AI 助手 Copilot，產(chǎn)品化與生態(tài)化進(jìn)展領(lǐng)先。 2）谷歌在 AI 領(lǐng)域深耕多年，研究水平領(lǐng)先，為 Attention 機(jī)制與 Transformer 架 構(gòu)的提出者，但由于管理不協(xié)調(diào)等問題，產(chǎn)品進(jìn)展稍顯落后。公司在開發(fā)自有模 型 PaLM、Imagen、Gemini 的同時(shí)投資 Anthropic，在 GCP 提供 Claude 等模 型 API，并且推出聊天機(jī)器人 Google Bard、辦公助手 Google Assistant 與搜索 助手 Google Search。 3）亞馬遜大模型進(jìn)展稍顯落后，更加側(cè)重對(duì)外投資借力，合計(jì)投資 Anthropic 40 億美元，在 AWS 提供 Claude 等模型 API，推出語(yǔ)音聊天助手 Alexa、文字轉(zhuǎn)語(yǔ) 音工具 Polly 及代碼工具 CodeWhisper，與原有電商業(yè)務(wù)的協(xié)同性較弱，因此產(chǎn) 品力略顯遜色。 同時(shí)，為抵抗英偉達(dá)在計(jì)算芯片中的壟斷級(jí)話語(yǔ)權(quán)，云廠商均向上游延伸自研芯 片，谷歌 TPU、微軟 Athena、亞馬遜 Trainium 及 Inferentia 分別在自有數(shù)據(jù)中 心中使用，但尚未對(duì) GPU 的核心地位造成撼動(dòng)。

對(duì)比三大云廠商，Meta 不提供公有云服務(wù)，AI 技術(shù)落腳點(diǎn)在于使用大模型優(yōu)化 社交用戶與廣告主體驗(yàn)。Meta AI 聊天助手、Advantage+營(yíng)銷工具等旺盛需求倒 推公司更新基礎(chǔ)設(shè)施，增加數(shù)據(jù)中心中可用于 AI 工作負(fù)載的部分。自 2023 年 5 月起，公司陸續(xù)發(fā)布數(shù)據(jù)中心架構(gòu)方面的更新，包括自研 ASIC MTIA、大幅增加 GPU 集群、自研適配自身業(yè)務(wù)的超算電腦 RSC 等。

2. 基模型角度：Meta Llama 在開源領(lǐng)域遙遙領(lǐng)先，優(yōu)勢(shì)卡位定義行業(yè)標(biāo)準(zhǔn)

Llama 是 Meta 發(fā)布的基礎(chǔ) LLMs 集合，延續(xù)公司 AI 的開源路線，開放模型參 數(shù)的調(diào)整權(quán)限，并為研究人員和開發(fā)者提供模塊化和可自定義的平臺(tái)，極大降低 大模型的進(jìn)入門檻。Llama 作為開源模型的代表迭代迅速，逐步追平與閉源模型 SOTA（State of the Art，領(lǐng)域最佳性能）差距，打破產(chǎn)業(yè)對(duì)于開源技術(shù)不及閉源 的刻板印象。

回顧 Llama 的發(fā)展歷史—— Llama 2：技術(shù)優(yōu)化與應(yīng)用拓展。Meta 在 2023 年 2 月發(fā)布面向研究者開源的 Llama 1 后，于 7 月發(fā)布免費(fèi)可商用的 Llama 2，開源 7B、13B 和 70B 模型的 權(quán)重。Llama 2 在預(yù)訓(xùn)練階段，將語(yǔ)料擴(kuò)充 40%到 2T Token，引入分組查詢注意 力機(jī)制（Grouped-Query Attention, GQA），減少與緩存相關(guān)的內(nèi)存成本，平衡 效率與性能；在微調(diào)階段，加入 SFT（Supervised Fine-Tuning，有監(jiān)督微調(diào)） 及 RLHF（Human Feedback Reinforcement Learning，人類反饋強(qiáng)化學(xué)習(xí)）， 并發(fā)布面向?qū)υ拺?yīng)用的微調(diào)模型 Llama 2 Chat。 Llama 3：預(yù)訓(xùn)練預(yù)料擴(kuò)大，小參數(shù)級(jí)別領(lǐng)先。2024 年 4 月，Llama 3 發(fā)布，包 括 8B 和 70B 兩個(gè)參數(shù)版本，預(yù)訓(xùn)練語(yǔ)料擴(kuò)充到 15T Token，支持 8K 長(zhǎng)文本， 并采用更高編碼效率的 Tokenizer Tiktoken（與 GPT 4 一致）。

微調(diào)階段使用結(jié) 合 SFT、近似策略優(yōu)化（Proximal Policy Optimization, PPO）和直接策略優(yōu)化 （Direct Policy Optimization, DPO）的綜合方法，大幅優(yōu)化模型在執(zhí)行復(fù)雜的推 理和編碼任務(wù)時(shí)的表現(xiàn)。在基準(zhǔn)測(cè)試集中，Llama 3 8B 與 70B 表現(xiàn)均優(yōu)于同等 參數(shù)級(jí)別模型，包括 Gemma 7B、Mistral 7B 及 Gemini Pro 1.5、Claude 3。 Llama 3.1：追平閉源模型 SOTA，躋身 LLM 第一梯隊(duì)。2024 年 7 月，Llama 3.1 發(fā)布，在更新 8B 和 70B 模型的同時(shí)，推出 405B 大參數(shù)版本，預(yù)訓(xùn)練數(shù)據(jù) 包括更多的非英語(yǔ)資料、數(shù)學(xué)與代碼信息，支持 128K 長(zhǎng)文本與八種語(yǔ)言，并且 支持零樣本工具使用（包括網(wǎng)絡(luò)搜索、數(shù)據(jù)運(yùn)算及代碼執(zhí)行）。在基礎(chǔ)測(cè)試集中， Llama 3.1 405B 的表現(xiàn)已能夠全面對(duì)標(biāo) GPT 4o 與 Claude 3.5 Sonnet 等領(lǐng)先閉源模型；在人類評(píng)估中，Llama 3.1 405B 表現(xiàn)相對(duì) Claude 3.5 更優(yōu)，相對(duì) GPT 4 持平，略遜色于 GPT 4o。 Llama 3.2：進(jìn)入多模態(tài)領(lǐng)域，聚焦端側(cè)部署。2024 年 9 月，Llama 3.2 發(fā)布， 包括 1B 和 3B 輕量級(jí)模型，適配邊緣計(jì)算和移動(dòng)設(shè)備應(yīng)用；以及 11B 和 90B 多 模態(tài)模型，能夠?qū)崿F(xiàn)圖像理解、文檔分析、視覺問答等任務(wù)，對(duì)標(biāo)Claude 3 Haiku。

我們?nèi)绾慰创?Llama 的開源路線？ 閉源與開源路線并非二元對(duì)立。以完全閉源和完全開源為兩個(gè)端點(diǎn)，模型整體能 力對(duì)于公眾的可及性程度包括“①完全封閉-②托管可及-③模型 API 可及-④微調(diào) API 可及-⑤模型參數(shù)可及-⑥模型參數(shù)、數(shù)據(jù)及代碼可及而使用受限-⑦模型參數(shù)、 數(shù)據(jù)及代碼可及且使用不受限”七個(gè)階段；④/⑤為廣義閉源與開源模型的分割點(diǎn)。 同一模型開發(fā)商可能針對(duì)不同模型采取差異化可及性方案，也可能針對(duì)同一模型 采取動(dòng)態(tài)化可及性方案。例如，OpenAI GPT 2 最早通過 API 開放，再基于模型 使用風(fēng)險(xiǎn)評(píng)估與用戶使用反饋，逐步提高可及性程度；谷歌提供閉源 Gemini 系 列模型，同時(shí)開源 Gemma 系列小模型。

從模型能力發(fā)展的角度看，開源和閉源模型間不存在性能懸殊。開源路線雖起步 略晚，但在 Llama 的引領(lǐng)下，性能已逐步追平閉源。從商業(yè)化角度看，開源的價(jià) 值在于建立生態(tài)。閉源模型出售 API 的 MaaS 模式變現(xiàn)較快，從商業(yè)落地與技術(shù) 保護(hù)角度驅(qū)動(dòng)企業(yè)技術(shù)創(chuàng)新。開源模型一方面能夠促進(jìn)技術(shù)普惠，另一方面通過 開發(fā)者的廣泛使用實(shí)現(xiàn)衍生工具的標(biāo)準(zhǔn)化，從而建立產(chǎn)業(yè)生態(tài)，再謀求商業(yè)化變 現(xiàn)的機(jī)會(huì)。 Meta 定位開放生態(tài)系統(tǒng)的領(lǐng)導(dǎo)者，積極推進(jìn) Llama 生態(tài)建設(shè)。Meta 對(duì)于 Llama 的定位是 LLMs 時(shí)代的安卓，Llama 不僅自身開放微調(diào)、蒸餾、基準(zhǔn)測(cè)試等權(quán)限， 背后的生態(tài)系統(tǒng)也以模塊化的方式提供產(chǎn)品、應(yīng)用和服務(wù)，每個(gè)參與方都可以貢 獻(xiàn)自己的專業(yè)知識(shí)。Llama 生態(tài)系統(tǒng)參與者已包括服務(wù)器和移動(dòng)硬件企業(yè)、云平 臺(tái)、初創(chuàng) AI 公司及有 AI 研發(fā)需求的傳統(tǒng)企業(yè)。根據(jù) Meta Connect 2023 大會(huì)披 露，Hugging Face 中基于 Llama 微調(diào)發(fā)布的衍生產(chǎn)品超過 7000 個(gè)；截至 24M8， Llama 下載量已接近 3.5 億次，相較去年同期增長(zhǎng)了 10 倍。

 3.商業(yè)化角度：Meta AI 布局兼顧短期變現(xiàn)與長(zhǎng)期發(fā)展空間

我們依據(jù)是否對(duì)外提供 AI 服務(wù)將產(chǎn)業(yè)鏈劃分為“AI+”與“+AI”兩個(gè)部分。產(chǎn)業(yè) 鏈上游的基礎(chǔ)設(shè)施供應(yīng)商與中游的模型開發(fā)商以 AI 技術(shù)為核心，主動(dòng)推動(dòng)其他 領(lǐng)域的變革并從中獲利，屬于“AI+”的范疇。產(chǎn)業(yè)鏈下游的 AI 應(yīng)用企業(yè)更多強(qiáng) 調(diào)將 AI 技術(shù)整合到現(xiàn)有系統(tǒng)中，通過賦能傳統(tǒng)行業(yè)產(chǎn)生價(jià)值，屬于“+AI”的范 疇。

復(fù)盤 2022 年末至今產(chǎn)業(yè)鏈企業(yè)的表現(xiàn)，商業(yè)化順序?yàn)榛A(chǔ)設(shè)施->大模型->應(yīng)用。 我們發(fā)現(xiàn)本輪生成式 AI 浪潮下，產(chǎn)業(yè)鏈中最先且最多受益的為“AI+”基礎(chǔ)設(shè)施 供應(yīng)商，如 GPU 龍頭英偉達(dá)以及云計(jì)算平臺(tái) Azure（微軟）、AWS（亞馬遜） 及 GCP（谷歌）。“AI+”模型供應(yīng)商作為產(chǎn)業(yè)鏈的創(chuàng)新中樞，其中大部分企業(yè) 仍處于低價(jià)推廣+高邊際成本的虧損狀態(tài)，通過訂閱付費(fèi)及 API 調(diào)用付費(fèi)變現(xiàn)， 但尚未實(shí)現(xiàn)商業(yè)閉環(huán)。“+AI”的傳統(tǒng)企業(yè)也緊隨其后，借助 AI 實(shí)現(xiàn)原有業(yè)務(wù)場(chǎng) 景的降本增效，其中 2B 工具通過訂閱提價(jià)提振原有產(chǎn)品 ARPU，2C 工具多采取 免費(fèi)試用+后期按量付費(fèi)的模式，兌現(xiàn)節(jié)奏整體晚于“AI+”企業(yè)。 展望未來，產(chǎn)業(yè)鏈價(jià)值或向模型及應(yīng)用層轉(zhuǎn)移。“AI+”計(jì)算芯片與云服務(wù)供應(yīng)商 在算力需求高漲的背景下，收入增長(zhǎng)的確定性與可持續(xù)性仍較高。“AI+”模型供 應(yīng)商憑借數(shù)據(jù)+算力+算法壁壘構(gòu)筑進(jìn)入壁壘，行業(yè)集中度預(yù)計(jì)將隨資源競(jìng)賽的進(jìn) 行而逐步提升，頭部企業(yè)有望基于領(lǐng)先的模型性能以及排他性的話語(yǔ)權(quán)迎來收入 與盈利拐點(diǎn)，市場(chǎng)空間與基礎(chǔ)設(shè)施供應(yīng)商相比具備更持續(xù)的增長(zhǎng)性。傳統(tǒng)企業(yè)發(fā) 展“+AI”變現(xiàn)天花板較低但可見度高，其中獲取商業(yè)成功的關(guān)鍵在于原有業(yè)務(wù)護(hù) 城河深厚，并且能夠基于數(shù)據(jù)和場(chǎng)景 Knowhow 建立壁壘。

“+AI”和“AI+”分別對(duì)應(yīng)扎克伯格提出的核心 AI 與生成式 AI 兩條路線，驅(qū)動(dòng) Meta 在短期變現(xiàn)的同時(shí)保障長(zhǎng)期發(fā)展空間。如 3.1 所述，核心 AI 圍繞 FoA 推薦 算法與廣告投放準(zhǔn)確度展開，并且已經(jīng)開始貢獻(xiàn)收入。Meta“+AI”賦能與變現(xiàn) 進(jìn)度領(lǐng)先，主因龐大的社交平臺(tái)用戶群體為其提供良好的試驗(yàn)田，變現(xiàn)機(jī)會(huì)相較 其他科技企業(yè)天然更優(yōu)，因此也提前展現(xiàn)出 AI 投資的 ROI。Meta 認(rèn)為“+AI” 雖變現(xiàn)可見度高，但相應(yīng)空間也較小，而“AI+”模型開發(fā)（對(duì)應(yīng)生成式 AI 路線） 是長(zhǎng)期的戰(zhàn)略發(fā)展方向，公司計(jì)劃在 Llama、Meta AI 等產(chǎn)品達(dá)到一定用戶數(shù)量 后開始變現(xiàn)，預(yù)計(jì)在中長(zhǎng)期提高 AI 收入的天花板。

4. 資本開支角度：AI 算力自用需求擴(kuò)大，Meta 加大 GPU 投資

三大云廠商資本開支在云計(jì)算需求推動(dòng)下保持高增，Meta 算力主要自用。云廠 商 capex 主要服務(wù)自用及外供的計(jì)算資源。亞馬遜/微軟/谷歌分別自 2005 年 /2009 年/2012 年開始提供公有云服務(wù)，隨后伴隨著云計(jì)算技術(shù)逐步成熟、企業(yè) 陸續(xù)推進(jìn) SaaS 轉(zhuǎn)型，外部計(jì)算需求推動(dòng)公司云收入與 capex 高增，2022 年， 受公有云滲透率提升到較高位置及企業(yè) IT 支出收縮影響，增速有所放緩。Meta 相對(duì)云廠商而言并未對(duì)外提供計(jì)算資源，算力主要用以維護(hù) FoA 日常運(yùn)轉(zhuǎn)，因此 capex 規(guī)模隨平臺(tái)用戶數(shù)增長(zhǎng)保持增勢(shì)。缺少公有云業(yè)務(wù)也使 Meta 在數(shù)據(jù)中心 向生成式 AI 工作負(fù)載轉(zhuǎn)型的趨勢(shì)中起步稍慢。

生成式 AI 推動(dòng)云廠商基礎(chǔ)設(shè)施進(jìn)入新一輪建設(shè)周期，capex 高增彰顯決心。2023 年生成式 AI 爆發(fā)，頭部科技廠商均大力投入 LLMs 及多模態(tài)模型的訓(xùn)練，并通 過推理使模型適用于自身業(yè)務(wù)；訓(xùn)練+推理共同提振自用算力需求。而在外供方 面，云廠商也在自有云計(jì)算平臺(tái)上提供大模型 API，MaaS 的商業(yè)模式帶動(dòng)外供 算力放量。在內(nèi)外需均旺盛的前提下，公司均加速算力投入，推動(dòng) capex 高增。 根據(jù) Omdiea Research 數(shù)據(jù)，2023 年 H100 出貨量前四的終端用戶為 Meta（15 萬）、微軟（15 萬）、谷歌（5 萬）及亞馬遜（5 萬）。根據(jù) 2024 年指引，微 軟/谷歌/Meta capex 分別達(dá)到 444+/480+/370-400 億美元。

Capex 短期內(nèi)不會(huì)轉(zhuǎn)化為收入，關(guān)鍵拐點(diǎn)在于資本開支密度的收窄。2022 年， Meta 增加生成式 AI 的基礎(chǔ)設(shè)施投入，capex 同比增長(zhǎng) 68%，對(duì)應(yīng)資本開支密度 提升 11.1pct 至 27.0%，F(xiàn)CF Margin 下滑 16.7pct 至 16.3%。在 2023 年 capex 周期性放緩（23Q2 起連續(xù)四個(gè)季度下滑）后，公司于 2024 年進(jìn)入新一輪資本開 支周期，上調(diào)全年指引至 370-400 億美元（YoY+36%至 47%），預(yù)計(jì)年底將擁 有等效 60 萬 H100 的算力；并指引 25 年將繼續(xù)大幅增長(zhǎng)。由于公司盈利增長(zhǎng)極 具韌性，經(jīng)營(yíng)性現(xiàn)金流重回增長(zhǎng)軌道，預(yù)計(jì) capex 擴(kuò)張對(duì) FCF 的負(fù)面影響將小 于 2022 年。長(zhǎng)期來看，capex 與收入的同步增長(zhǎng)是 ROI 的增長(zhǎng)拐點(diǎn)，資本開支 密度與 FCF Margin 的走穩(wěn)趨勢(shì)值得關(guān)注。