人工智能行業(yè)發(fā)展研究報告

人工智能行業(yè)發(fā)展研究報告2021年7月AI天然具有規(guī)模優(yōu)勢當前AI技術(shù)以深度學(xué)習(xí)算法為核心，基于神經(jīng)網(wǎng)絡(luò)的主流算法難以實現(xiàn)通用的智能化，細分場景落地時需要結(jié)合行業(yè)Know-how、客戶需求痛點以及數(shù)據(jù)，可以產(chǎn)生實質(zhì)性價值。根據(jù)企鵝號FMI團團2021年5月6日的信息，知名外媒《TowardsDataScience》按照?谷歌引用次數(shù)?這個指標，統(tǒng)計了近五年來發(fā)表在各大國際頂級會議（如NeurIPS、AAAI、ACL，ICML、EMNLP等）上引用量排名前十的論文。我們發(fā)現(xiàn)，深度學(xué)習(xí)、基于NN（NeuralNetwork，神經(jīng)網(wǎng)絡(luò)）的框架依然是學(xué)界主流。根據(jù)通用近似定理（UniversalApproximationTheorem），神經(jīng)網(wǎng)絡(luò)的計算能力可以近似一個給定的連續(xù)函數(shù)，但是沒有給出如何找到這個網(wǎng)絡(luò)以及是否是最優(yōu)解，實際中往往通過經(jīng)驗風(fēng)險最小化和正則化原則進行參數(shù)學(xué)習(xí)，由于神經(jīng)網(wǎng)絡(luò)強大的計算能力，容易產(chǎn)生在訓(xùn)練集上的過度擬合，使得算法難以產(chǎn)生較強的通用性。目前我們應(yīng)用的安防監(jiān)控、自動駕駛、語音識別、地圖導(dǎo)航等場景都是深度學(xué)習(xí)AI技術(shù)在圖像視覺、語音識別、自然語言理解等領(lǐng)域的應(yīng)用，在各個細分場景落地時都需要結(jié)合所在行業(yè)的Know-how、客戶的需求痛點以及客戶的真實數(shù)據(jù)，才能產(chǎn)生落地應(yīng)用的價值，通用的人工智能從當前來看依然存在較大的現(xiàn)實差距。?？低暩呒壐笨偛眯炝?xí)明曾于2018年對這一論調(diào)曾發(fā)表過評論，?今天的人工智能還是一種弱人工智能，基于深度學(xué)習(xí)的算法精度會無限逼近100%，但永遠無法達到。隨著‘準確率’提升，最后競爭的更多是場景落地能力?。2021年5月29日，騰訊副總裁、騰訊AILab和RoboticsX實驗室主任張正友在接受新京報記者采訪時表示，?強人工智能之路很漫長，需要找到新算法新技術(shù)?。當前的AI是場景化的AI。圖表1：AI頂級國際會議近5年引用量排名前十的論文名次 論文題目Adam:AMethodforStochasticOptimizationBatchNormalization:AcceleratingDeepNetworkTrainingbyReducingInternalCovariateShiftFasterR-CNN:towardsreal-timeobjectdetectionwithregionproposalnetworksAttentionisallyouneedNeuralMachineTranslationbyJointlyLearningto5AlignandTranslateHuman-levelcontrolthroughdeepreinforcement6learningMastering thegameof Gowith deepneural7networksandtreesearchUnsupervisedRepresentationLearningwithDeep8ConvolutionalGenerativeAdversarialNetworksSemi-SupervisedClassificationwithGraph9ConvolutionalNetworks10 ExplainingandHarnessingAdversarialExamples

核心思想描述了一種新型的隨機梯度下降優(yōu)化算法（Adam），顯著提高了神經(jīng)網(wǎng)絡(luò)的快速收斂率，在所有模型訓(xùn)練中具有普遍的適用性通過對輸入特征進行歸一化的方法，使神經(jīng)網(wǎng)絡(luò)訓(xùn)練更快，更穩(wěn)定。提出用于目標檢測的高效端到端卷積神經(jīng)網(wǎng)絡(luò)，包括圖像和視頻。提出了一種有效的神經(jīng)網(wǎng)絡(luò)Transformer，它基于注意機制在機器翻譯中取得了優(yōu)異的性能。首次提出將帶有注意力機制的神經(jīng)網(wǎng)絡(luò)應(yīng)用于機器翻譯。?注意?表征的是特定詞，而不是整個句子。提出了一種強化學(xué)習(xí)算法DeepQ-Learning，簡稱DQN，它幾乎在所有游戲上超越了之前的強化學(xué)習(xí)方法，并在大部分Atari游戲中表現(xiàn)的比人類更好AlphaGo基于深度強化學(xué)習(xí)算法提出了一種新的計算圍棋的方法，該方法使用?價值網(wǎng)絡(luò)?評估棋子的位臵，使用?策略網(wǎng)絡(luò)?選擇落子點，通過將兩種網(wǎng)絡(luò)與蒙特卡羅搜索樹（MCTS）相結(jié)合所形成的搜索算法，能夠使AlphaGo達到99.8％的獲勝率。提出了一種深度CNN結(jié)構(gòu)DCGAN，在圖像生成上獲得了前所未有的效果證明了圖卷積網(wǎng)絡(luò)（GCN）在半監(jiān)督節(jié)點分類任務(wù)中性能優(yōu)越快速生成神經(jīng)網(wǎng)絡(luò)對抗性示例的方法，并引入了對抗性訓(xùn)練作為正則化技術(shù)資料來源：企鵝號FMI團團，《TowardsDataScience》，市場研究部圖表2：AI、機器學(xué)習(xí)、深度學(xué)習(xí)等概念的關(guān)系資料來源：YuxiLi《DeepReinforcementLearning》，郭子義@知乎，市場研究部AI所需數(shù)據(jù)并非外部海量互聯(lián)網(wǎng)數(shù)據(jù)所能解決，很多場景甚至沒有存量可用的數(shù)據(jù)，通過深入客戶場景、借助算法標注、挖掘，方可獲取有價值的結(jié)構(gòu)化數(shù)據(jù)。由于AI算法需要和行業(yè)、場景相結(jié)合，否則就是?garbagein，garbageout?，因此目前呈現(xiàn)爆發(fā)式增長的外部互聯(lián)網(wǎng)數(shù)據(jù)并不能很好地作為AI模型訓(xùn)練的輸入數(shù)據(jù)，或者說AI所需要的大數(shù)據(jù)往往來源于生產(chǎn)和服務(wù)過程中的副產(chǎn)品，但在價值上卻往往超過了為了特定目的專門采集的數(shù)據(jù)。在部分工業(yè)領(lǐng)域，由于過去智能化程度偏低，并沒有太多具有挖掘價值的存量數(shù)據(jù)可以利用，需要AI企業(yè)深入客戶的場景，通過AI算法進行數(shù)據(jù)特征的標注、潛在信息的挖掘，才能形成具有價值的數(shù)據(jù)，發(fā)現(xiàn)產(chǎn)業(yè)背后新的規(guī)律。同時，AI系統(tǒng)的成功取決于所輸入數(shù)據(jù)的相關(guān)性和準確性，否則無監(jiān)督的學(xué)習(xí)訓(xùn)練可能產(chǎn)出良莠不齊的模型。正如前文所述，以深度神經(jīng)網(wǎng)絡(luò)為核心的機器學(xué)習(xí)決定了對AI數(shù)據(jù)的饑渴將在一段時間內(nèi)始終伴隨AI行業(yè)的發(fā)展，同時我們從產(chǎn)業(yè)化與工程化的邏輯視角來看，今天企業(yè)想要打造出用戶滿意的AI產(chǎn)品，可能購買的通用型?面粉?已經(jīng)不能滿足挑剔的用戶，企業(yè)得學(xué)會自己耕種數(shù)據(jù)的沃土，這就給了卡位細分行業(yè)的AI公司很好的產(chǎn)業(yè)機會。圖表3：數(shù)據(jù)積累和服務(wù)的幾個階段資料來源：腦極體@企鵝號，市場研究部AI在場景的賦能所帶來的價值是逐步深入的，需要和客戶一起長期打磨，產(chǎn)品逐步從?可用?到?好用?。?谷歌大腦?之父吳恩達提出一個AI的理解公式：AI=CODE(model/algorithm)+DATA，從這里我們可以看到模型不是一次性構(gòu)建的，需要持續(xù)學(xué)習(xí)，通過?收集行為數(shù)據(jù)–收集反饋數(shù)據(jù)-模型訓(xùn)練–模型應(yīng)用?全流程提升業(yè)務(wù)效果，避免傳統(tǒng)模型的效果隨著時間衰減的弊端。而行業(yè)Know-how、數(shù)據(jù)的持續(xù)積累對AI算法大有裨益。根據(jù)百度公眾號科技叨客2021年5月13日的信息，谷歌首席架構(gòu)師、谷歌人工智能團隊谷歌大腦的負責(zé)人JeffDean曾表達過，?隨著數(shù)據(jù)規(guī)模的不斷擴大,未來深度學(xué)習(xí)算法的精度也將不斷提升?。因此，AI所能帶來的價值與數(shù)據(jù)量的增加有正向關(guān)性，需要客戶不斷輸出知識反哺AI模型，反復(fù)迭代算法，從而使得產(chǎn)品從?可用?逐步進化到?好用?狀態(tài)。例如廣聯(lián)達與海康威視合作打造智慧工地，對人-物-車進行智慧管理，未來有望實現(xiàn)現(xiàn)場施工數(shù)據(jù)與BIM技術(shù)的融合，實現(xiàn)以?場景化應(yīng)用、精細化管理、數(shù)據(jù)化決策?為核心理念的BIM應(yīng)用助力數(shù)字時代下的企業(yè)數(shù)字化轉(zhuǎn)型，實現(xiàn)施工過程的數(shù)字化全流程管理。我們認為，在AI細分賽道有卡位優(yōu)勢、有場景和數(shù)據(jù)積累的公司有望持續(xù)領(lǐng)跑，從而進一步提升規(guī)模效應(yīng)。圖表4：深度學(xué)習(xí)算法的精度隨著數(shù)據(jù)量的增加而提升資料來源：科技叨客@百度公眾號，市場研究部AI的規(guī)模優(yōu)勢帶來頭部企業(yè)長期的競爭優(yōu)勢，細分行業(yè)集中度提升。正如前文所述，當前的AI是場景化的AI，同一個賽道的兩家AI公司的客戶都會持續(xù)提供know-how反哺，推動模型迭代，但是客戶資源更多、卡位優(yōu)勢更好的企業(yè)（假設(shè)簡稱A企業(yè)）拿到的行業(yè)know-how會更深，迭代出來的功能模塊更豐富，并且積累的客戶數(shù)據(jù)量會更大。隨著時間的推移，A企業(yè)的產(chǎn)品將更具有競爭力（一方面模塊更多，一方面和對手同樣的模塊迭代出來的效果會更好），進一步搶占市場份額，使得其對手逐步失去客戶從而失去產(chǎn)品迭代的機會，為A企業(yè)帶來長期的競爭優(yōu)勢，賽道也將呈現(xiàn)頭部集中的態(tài)勢。具有規(guī)模優(yōu)勢的行業(yè)是牛股誕生的搖籃2.1云計算天然具有規(guī)模優(yōu)勢，頭部廠商集中度逐年提升云計算IaaS行業(yè)規(guī)模優(yōu)勢明顯。云計算的本質(zhì)是以互聯(lián)網(wǎng)為中心，建立快速安全的計算和存儲服務(wù)，并具有強大的可擴展性，從而使客戶方便地使用云端的計算資源與數(shù)據(jù)中心，無須自身購買硬件設(shè)備，這一商業(yè)本質(zhì)使得云計算行業(yè)天然具有規(guī)模優(yōu)勢。我們以全球云計算巨頭亞馬遜旗下的AWS為例，其收入從2013年的約31.08億美元持續(xù)增長至2020年的453.7億美元，七年收入CAGR高達約46.7%，隨著業(yè)務(wù)的持續(xù)增長，云計算業(yè)務(wù)持續(xù)產(chǎn)生規(guī)模效應(yīng)，公司綜合毛利率從2013年的27.2%穩(wěn)步提升至2020年的39.6%，同期凈利率從0.4%提升至5.5%，AWS業(yè)務(wù)收入占亞馬遜的收入比例從4.2%提升至11.8%，為支持AWS業(yè)務(wù)的發(fā)展，公司的資本開支也保持了持續(xù)增長，從2015年34億美元增長至2020年的350億美元，巨額資本開支也為行業(yè)構(gòu)筑了極高的進入壁壘。2020年12月的AWSre:Invent2020大會上，AWS發(fā)布的AuroraServerlessV2可以在不到1秒的時間內(nèi)實時擴容至支持幾十萬個數(shù)據(jù)處理事務(wù)，提供商業(yè)數(shù)據(jù)庫的性能，但是成本只有其1/10，在具備高性能的同時給企業(yè)帶來云數(shù)據(jù)庫使用成本的大幅下降。例如根據(jù)云頭條2019年8月7日新聞，美國笛卡爾實驗室通過AWS服務(wù)僅使用5,000美元就打造了傳統(tǒng)硬件條件下需要2,000萬~3,000萬美元開支的超級計算機，并于2019年6月位列全球超級計算機第136名。為匹配持續(xù)增長的云計算規(guī)模，AWS創(chuàng)新速度也逐年加快，其每年推出的重要功能和服務(wù)從2011年僅80多個增長至2019年的2,345個。2021年1月28日，AWS還宣布已提供實例類型接近400種（實例是AWS提出的一個云計算基本概念，通俗來說也叫云服務(wù)器、虛擬服務(wù)器等，相當于傳統(tǒng)意義上一家提供400種服務(wù)器型號的服務(wù)器廠商），為客戶提供靈活多樣的選擇。隨著AWS規(guī)模的持續(xù)擴張，設(shè)備土地等資產(chǎn)帶來的折舊和攤銷占比呈現(xiàn)持續(xù)下降態(tài)勢，從2013年的31%大幅下降至2020年的16.8%，進一步顯示了行業(yè)的規(guī)模優(yōu)勢。圖表5：亞馬遜的綜合毛利率、凈利率隨著AWS業(yè)務(wù)放量而穩(wěn)步提升（2013-2020年）AWS收入（百萬美元）公司凈利率50,000公司綜合毛利率45,37045%41.0%45,00040.3%39.6%40%37.1%40,00035.1%35%33.0%35,02635,00030%27.2%29.5%30,00025%25,65525,00020%20,00017,43915%15,00012,21910%10,0007,8804.3%4.1%5.5%5%4,6441.7%1.7%5,0003,1080.4%0.6%0%-0.3%0-5%20132014201520162017201820192020資料來源：亞馬遜歷年年報，Wind，市場研究部圖表6：AWS年收入增加100億美元所需要的的時間越來越短（2006年-2020年）資料來源：AWSre:Invent2020大會，市場研究部圖表7：云基礎(chǔ)架構(gòu)和平臺服務(wù)魔力象限（2020年）資料來源：Gartner，前瞻產(chǎn)業(yè)研究院，市場研究部圖表8：亞馬遜為支持AWS業(yè)務(wù)持續(xù)增加資本開支（2015-2020年）資本支出（十億美元）4035353025201510.111.312.753.4020132014201520162017201820192020資料來源：亞馬遜歷年年報，市場研究部圖表9：AWS每年持續(xù)創(chuàng)新以匹配規(guī)模持續(xù)擴張（單位：個，2011-2019年）發(fā)布重要服務(wù)和功能的數(shù)量25002345200019571500143010171000722516500160280080201120122013201420152016201720182019資料來源：AWSre:Invent大會，市場研究部圖表10：AWS折舊攤銷占收入比例持續(xù)下降（2013-2020年）折舊攤銷占當年收入比例（AWS板塊）40%35%36.0%32.7%30%31.0%28.3%25%25.9%23.8%23.3%20%16.8%15%10%2013 2014 2015 2016 2017 2018 2019 2020資料來源：亞馬遜歷年年報，市場研究部云計算市場集中度持續(xù)提升。根據(jù)Gartner數(shù)據(jù)，2015-2020年，AWS云計算份額連續(xù)保持全球第一，雖然2017年起份額略有下降，但是依然保持了相對第二名微軟Azure較大的優(yōu)勢，同時全球四大云計算巨頭的份額之和呈現(xiàn)出不斷提升的態(tài)勢，從2015年的48.8%提升至2020年的76.1%，規(guī)模優(yōu)勢明顯，巨頭們強者恒強。圖表11：全球云計算份額（2015-2020年）其他谷歌Cloud阿里云AzureAWS100%90%80%70%7.7%9.1%5.3%9.5%60%12.7%15.6%3.0%17.9%50%19.7%1.8%7.1%40%5.8%30%20%39.7%44.1%49.4%47.9%45.0%40.8%10%0%201520162017201820192020資料來源：Gartner，市場研究部圖表12：全球云計算份額持續(xù)呈現(xiàn)頭部集中態(tài)勢（2015-2020年）其他四大云計算巨頭份額之和100%90%80%70%60%50%40%75.3%77.3%76.1%70.7%30%56.5%48.8%20%10%0%201520162017201820192020資料來源：Gartner，市場研究部圖表13：亞馬遜股價表現(xiàn)強勁（2013.01-2021.05）資料來源：Wind，市場研究部SaaS領(lǐng)域具有更強的細分行業(yè)Know-how，形成對后進入者的壁壘，SaaS領(lǐng)域的規(guī)模優(yōu)勢非常明顯。企業(yè)級SaaS應(yīng)用誕生于美國，至今已發(fā)展超二十年，涌現(xiàn)出大批SaaS領(lǐng)域的世界巨頭，比如最早提出SaaS取代傳統(tǒng)軟件License模式的CRM領(lǐng)域SaaS公司Salesforce，市值已突破2000億美元，成功超越SAP和Oracle等知名傳統(tǒng)軟件廠商。Salesforce推進?共性需求解耦化、通用能力平臺化?，不斷向中臺延伸發(fā)展PaaS平臺，通過自研加并購方式不斷豐富產(chǎn)品矩陣，同時內(nèi)嵌AI新技術(shù)于產(chǎn)品之中，成為CRM領(lǐng)域的頭部廠商。除SaaS規(guī)模效應(yīng)加深壁壘外，隨著數(shù)據(jù)中臺、業(yè)務(wù)中臺的接受度不斷提高，各SaaS廠商正充分運用云計算體系的彈性、易擴展優(yōu)勢，實現(xiàn)共性需求面向底層結(jié)構(gòu)的解耦化，以及通用能力的下沉和平臺化、標準化、自動化，搭建基于云的開發(fā)、管理、交付與安全架構(gòu)，并與公有云的豐富生態(tài)深度連接，整合ISV、產(chǎn)業(yè)鏈上下游廠商等不斷豐富生態(tài)，顯著提升客戶粘性，不斷抬高公司營收與估值天花板。圖表14：Salesforce的發(fā)展歷程資料來源：艾瑞咨詢，市場研究部隨著Salesforce云化戰(zhàn)略成效不斷顯現(xiàn)，公司財務(wù)報表財務(wù)特征發(fā)生明顯改善，其中利潤表中營業(yè)收入在大力轉(zhuǎn)云的2010年前后增速稍有下降，而后基本上維持25%以上穩(wěn)健增長，資產(chǎn)負債表中遞延收入部分，由2010年的7億美元增長超過18倍至126億美元，現(xiàn)金流狀況相較于傳統(tǒng)license授權(quán)階段顯著改善。除營收、合同負債高增外，對于一個優(yōu)質(zhì)公司而言資產(chǎn)負債結(jié)構(gòu)的改善同樣不容忽視，期間權(quán)益乘數(shù)同樣顯著下降。圖表15：Salesforce的營收（單位：億美元，2006-2021年）營業(yè)總收入2502001501005002006-01-312008-01-312010-01-312012-01-312014-01-312016-01-312018-01-312020-01-31資料來源：Wind，市場研究部圖表16：Salesforce的遞延收入-流動負債（單位：億美元，2006-2020年）遞延收入-流動負債1401201008060402002006-01-31 2008-01-31 2010-01-31 2012-01-31 2014-01-31 2016-01-31 2018-01-31 2020-01-31資料來源：Wind，市場研究部圖表17：Salesforce資產(chǎn)負債結(jié)構(gòu)顯著改善（2011-2021年）權(quán)益乘數(shù)3.532.521.510.502011-01-31 2013-01-31 2015-01-31 2017-01-31 2019-01-31 2021-01-31資料來源：Wind，市場研究部圖表18：Salesforce轉(zhuǎn)云期間的股價表現(xiàn)（2004-2021年）資料來源：Wind，市場研究部廣聯(lián)達通過SaaS轉(zhuǎn)型帶來更強的用戶粘性，規(guī)模效應(yīng)明顯，業(yè)務(wù)版圖不斷延伸。國內(nèi)SaaS龍頭廣聯(lián)達依托在建筑造價和施工領(lǐng)域的長期積累，從2015年開始推動SaaS轉(zhuǎn)型，2018年轉(zhuǎn)型超預(yù)期，截至2020年底僅剩江蘇、浙江、福建、安徽四個地區(qū)未進入全面云轉(zhuǎn)型，根據(jù)廣聯(lián)達2020年年報數(shù)據(jù)，公司2019年轉(zhuǎn)型的10個地區(qū)綜合轉(zhuǎn)化率超過80%，續(xù)費率88%。數(shù)據(jù)顯示公司的SaaS化轉(zhuǎn)型帶來了更強的用戶粘性，規(guī)模效應(yīng)明顯，同時預(yù)收賬款（合同負債）呈現(xiàn)持續(xù)的快速增長，經(jīng)營性凈現(xiàn)金流增長在2020年進一步加速。此外，公司在傳統(tǒng)的造價、算量、施工業(yè)務(wù)外，持續(xù)深挖客戶價值，推出了數(shù)字供采、數(shù)字城市、數(shù)字金融、數(shù)字教育、數(shù)字裝修業(yè)務(wù)，在大建筑領(lǐng)域進一步拓展業(yè)務(wù)賽道，并逐步延伸版圖至海外市場。圖表19：廣聯(lián)達云轉(zhuǎn)型過程中預(yù)收賬款（合同負責(zé)）快速增長（單位：元，2015-2021Q1）預(yù)收款項18.00億16.4516.00億14.9314.00億12.00億10.00億9.698.248.00億6.00億4.764.00億2.00億1.780.330.270.00億2015201620172018201920202020Q12021Q1資料來源：Wind，市場研究部圖表20：廣聯(lián)達經(jīng)營性凈現(xiàn)金流表現(xiàn)出色（單位：元，2015-2021Q1）經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額銷售商品和提供勞務(wù)收到的現(xiàn)金/營業(yè)收入20.00億18.76140%127.84%15.00億115.57%115.20%116.51%115.19%111.98%120%100%10.00億80%5.966.4175.00%65.32%5.184.5360%5.00億1.8540%0.00億2015201620172018201920202020Q12021Q120%-0.19-1.22-5.00億0%資料來源：Wind，市場研究部圖表21：廣聯(lián)達轉(zhuǎn)云期間的股價表現(xiàn)（2015-2021年）資料來源：Wind，市場研究部2.2消費、服務(wù)龍頭依托規(guī)模優(yōu)勢降低生產(chǎn)成本，樹立品牌價值消費行業(yè)具有非常明顯的規(guī)模優(yōu)勢，降低生產(chǎn)成本，樹立品牌價值。頭部廠商通過大規(guī)模的生產(chǎn)制造，原材料領(lǐng)域的購買議價能力，帶來單位生產(chǎn)成本的大幅降低，從而產(chǎn)生成本和價格優(yōu)勢，進一步搶占市場份額，形成正向循環(huán)。以全球咖啡連鎖第一品牌星巴克為例，2020年財報顯示，截至2020年9月27日，全球門店數(shù)達到32,660個，相比10年前的數(shù)量幾乎翻倍；同期中國地區(qū)的門店數(shù)量從2011年的278個增加至2020年的4,704個。在門店持續(xù)擴張的同時，星巴克的毛利率保持了持續(xù)的穩(wěn)定向上，從2011年的57.7%逐步提升至2020年的67.3%，對應(yīng)同期公司的生產(chǎn)和配送成本占比不斷降低。由于咖啡豆是生產(chǎn)的關(guān)鍵原材料，星巴克依托其龐大的采購規(guī)模，在1996年開始通過固定價格采購咖啡豆，提前鎖定交易數(shù)量和價格，大幅降低了原材料的波動對經(jīng)營的影響，提升了公司抗風(fēng)險能力，公司歸母凈利潤波動明顯小于原材料的價格波動。此外，星巴克依托在全球的規(guī)模優(yōu)勢，迅速在中國市場打開影響力，也為其產(chǎn)品定價高于同類競品打下了基礎(chǔ)。同時，星巴克通過全球?無處不在?的門店鋪設(shè)以及借助人類的從眾心理，逐漸樹立了咖啡第一品牌的錨定映射關(guān)系，規(guī)模優(yōu)勢將可能越來越明顯。圖表22：星巴克全球門店數(shù)（2011-2020年）全球門店數(shù)中國直營門店數(shù)35,00032,66031,25630,00029,32427,33925,00025,08523,04319,76721,36620,00018,06617,00315,00010,0005,0003,5214,1234,7042784086148231,0261,2721,54002011201220132014201520162017201820192020資料來源：星巴克歷年年報，市場研究部圖表23：門店持續(xù)擴張帶來星巴克的綜合毛利率穩(wěn)步走高（2011-2020年）綜合毛利率生產(chǎn)和配送成本占收入比例70%67.8%65%67.3%60%58.3%59.4%60.1%59.6%58.8%57.7%57.1%56.3%55%50%45%43.7%42.0%42.9%41.7%40.6%40.4%40%39.9%35%32.1%32.2%32.7%30%2011201220132014201520162017201820192020資料來源：Wind，市場研究部圖表24：ICE咖啡期貨價格波動較大（2010-2021年，月線，單位：美分/磅）資料來源：Wind，市場研究部圖表25：星巴克歸母凈利潤相比原材料咖啡豆的價格波動表現(xiàn)更加穩(wěn)定（2011-2020年）歸母凈利潤（百萬美元）5,0004,5004,5184,0003,5993,5003,0002,7572,8182,8852,5002,0682,0001,500 1,246 1,3849281,000500802011 2012 2013 2014 2015 2016 2017 2018 2019 2020資料來源：Wind，市場研究部注：2013年歸母凈利潤的大幅下滑主要源于和Kraft卡夫食品的訴訟官司，星巴克賠償27.6億美元。2020年歸母凈利潤的下滑主要源于全球新冠疫情對收入端的沖擊。圖表26：星巴克股價表現(xiàn)（2010-2021年）資料來源：Wind，市場研究部服務(wù)業(yè)規(guī)模效應(yīng)同樣顯著。典型的如愛爾眼科，在醫(yī)生、醫(yī)院和消費者這三個利益方之間形成了良好的生態(tài)圈促進。通過建立良性的激勵制度，吸引頭部醫(yī)生，同時從醫(yī)學(xué)院不斷輸送具有熟練實操能力的中腰部醫(yī)生，而優(yōu)質(zhì)醫(yī)生的持續(xù)供給會吸引更多患者，患者的增加促進更多優(yōu)秀醫(yī)生的加入，進而使得患者的就醫(yī)質(zhì)量得到更好保障，不斷提升醫(yī)院口碑，最終這一正