前瞻研究全球人工智能AI行業(yè)系列報(bào)告6：人工智能AI將如何影響軟件行業(yè)

證券研究報(bào)告請(qǐng)務(wù)必閱讀正文之后第35頁(yè)起的免責(zé)條款和聲明AI+軟件的快速融合，AI+軟件的快速融合，正在給全球軟件產(chǎn)業(yè)帶來(lái)長(zhǎng)周期、深遠(yuǎn)的影響。針對(duì)底層算法模型，第三方軟件服務(wù)商需要結(jié)合自身專有數(shù)據(jù)集積累、技術(shù)&資金能力、產(chǎn)品形態(tài)等，在閉源方案、開源生態(tài)之間做出抉擇，彼此優(yōu)劣勢(shì)亦十分明顯。LLM帶來(lái)內(nèi)容生成、自然語(yǔ)言交互、信息檢索效率的大幅改善，將使得偏平臺(tái)型、垂類應(yīng)用軟件顯著受益，但也將大概率導(dǎo)致部分業(yè)務(wù)邏輯簡(jiǎn)單、偏中間態(tài)的單點(diǎn)軟件產(chǎn)品方案明顯受損，同時(shí)借助人機(jī)交互效率的大幅改善，用戶對(duì)基礎(chǔ)軟件的使用門檻料顯著降低，利好數(shù)據(jù)管理、信息安全、運(yùn)維等基礎(chǔ)軟件板塊。我們判斷，LMaaS(大語(yǔ)言模型即服務(wù))、插件(鏈接外部知識(shí)、工具)、關(guān)聯(lián)落地(Grounding，優(yōu)化用戶提示、輸出結(jié)果等)等將構(gòu)成后續(xù)軟陳俊云核心觀點(diǎn)中信證券研究部前瞻研究首席分析師S080001許英博科技產(chǎn)業(yè)首席分析師S120041劉銳前瞻研究分析師賈凱方前瞻研究分析師S0001件產(chǎn)業(yè)的核心關(guān)鍵詞，不斷驅(qū)動(dòng)軟件產(chǎn)業(yè)平臺(tái)化、模塊化發(fā)展，并最終帶來(lái)更加緊密、復(fù)雜的軟件產(chǎn)業(yè)分工協(xié)作體系。我們看好當(dāng)下美股軟件板塊，市場(chǎng)最悲觀時(shí)候已基本過(guò)去，建議不斷聚焦應(yīng)用層的平臺(tái)型、垂類軟件廠商，以及基礎(chǔ)層的數(shù)據(jù)管理、信息安全、運(yùn)維、軟件開發(fā)等廠商，建議持續(xù)關(guān)注：微軟、Salesforce、ServiceNow、Adobe、Snowflake、Datadog、MongoDB、Confluent、PaloAlto、Crowdstrike等。▍報(bào)告緣起：從ChatGPT到微軟Co-pilot，近半年內(nèi)AI產(chǎn)業(yè)的突破式進(jìn)展將重構(gòu)軟件行業(yè)生態(tài)。在短短半年里，AI產(chǎn)業(yè)取得了顯著進(jìn)展，以ChatGPT為例，自2022年11月推出后，2個(gè)月內(nèi)活躍用戶突破1億，創(chuàng)下全球消費(fèi)者應(yīng)用的增長(zhǎng)紀(jì)錄。全球科技巨頭爭(zhēng)相投身AI市場(chǎng)，如微軟將ChatGPT整合到Azure、Office等產(chǎn)品，谷歌推出類似產(chǎn)品Bard，百度在國(guó)內(nèi)推出文心一言。這些舉措加速了AI產(chǎn)業(yè)化進(jìn)程，亦在推動(dòng)AI+軟件的快速融合。這場(chǎng)以底層技術(shù)為基礎(chǔ)的AI升級(jí)換代，對(duì)軟件行業(yè)的產(chǎn)品形態(tài)、交互模式、產(chǎn)業(yè)價(jià)值分配將產(chǎn)生長(zhǎng)周期、深遠(yuǎn)的影響。本報(bào)告將重點(diǎn)關(guān)注人工智能技術(shù)將如何重構(gòu)軟件行業(yè)生態(tài)。▍算法模型：AI巨頭從開源走向閉源，軟件廠商需要有所選擇。過(guò)去五年，前期高額資金投入和原始數(shù)據(jù)稀缺導(dǎo)致資本向頭部AI技術(shù)提供商集中，頭部AI廠商如OpenAI和谷歌占據(jù)了絕對(duì)話語(yǔ)權(quán)并轉(zhuǎn)向商業(yè)盈利導(dǎo)向。這些領(lǐng)先廠商選擇閉源模式，迫使軟件服務(wù)商與其合作。相較之下，追趕者如Meta、Amazon和NVIDIA更傾向于培養(yǎng)開源社區(qū)，共同迭代模型以縮小差距。由于底層大語(yǔ)言模型的高門檻以及資源的稀缺性，大多數(shù)軟件服務(wù)商沒(méi)有能力從底層開始研發(fā)自有的大語(yǔ)言模型，因此需在與閉源頭部廠商合作或選擇免費(fèi)開源方案之間做出抉擇。相較于開源方案，閉源方案的技術(shù)更為領(lǐng)先、開發(fā)效率更高，但較高的調(diào)用次數(shù)可能帶來(lái)高昂的成本，亦存在用戶隱私&數(shù)據(jù)安全等顧慮；而相較于閉源方案，基于開源方案自建使得資金投入更加靈活和可控、可最大限制的保護(hù)用戶隱私&數(shù)據(jù)安全，但開源方案也存在社區(qū)不成熟、模型迭代速度慢、技術(shù)能力落后等問(wèn)題?？偨Y(jié)而言，對(duì)于擁有海量經(jīng)授權(quán)的垂類數(shù)據(jù)、充裕現(xiàn)金流以及直接落地場(chǎng)景的軟件大廠適合基于開源模型進(jìn)行AI能力的構(gòu)建，對(duì)于不滿足以上三項(xiàng)條件的廠商，直接接入閉源模型應(yīng)為理論上最優(yōu)的解決方案。▍軟件產(chǎn)業(yè)：AI驅(qū)動(dòng)產(chǎn)品形態(tài)、市場(chǎng)格局重構(gòu)?；仡櫼苿?dòng)互聯(lián)網(wǎng)時(shí)代，移動(dòng)互聯(lián)網(wǎng)的快速滲透使得一批新興玩家陸續(xù)涌現(xiàn)，但多數(shù)PC互聯(lián)網(wǎng)時(shí)代原有的參與者亦通過(guò)移動(dòng)互聯(lián)網(wǎng)的產(chǎn)品，進(jìn)一步提升了客戶覆蓋和業(yè)務(wù)變現(xiàn)能力，當(dāng)然也有部分廠商因布局遲緩、戰(zhàn)略失當(dāng)而黯然離場(chǎng)。我們認(rèn)為這一邏輯在AI時(shí)代亦不例外，未來(lái)市場(chǎng)會(huì)逐步出現(xiàn)所謂AI原生的新生力量，而軟件市場(chǎng)原有的參與者也將迎來(lái)產(chǎn)業(yè)鏈價(jià)值的再分配，或受益或受損。應(yīng)用軟件層面，我們主要從產(chǎn)品體系、客戶結(jié)構(gòu)、數(shù)據(jù)沉淀、生態(tài)構(gòu)建等維度來(lái)衡量應(yīng)用軟件領(lǐng)域的受益&受損邏輯。在這一判斷體系下，我們認(rèn)為品類全面、份額領(lǐng)先、生態(tài)完善、數(shù)據(jù)持續(xù)積請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明2累的平臺(tái)型廠商，以及格局優(yōu)異、具備獨(dú)特?cái)?shù)據(jù)集和直接落地場(chǎng)景的垂類軟件有望率先受益；同時(shí)，對(duì)于部分功能相對(duì)單一、格局尚不明朗的點(diǎn)解決方案廠商，則有可能在新一輪的AI浪潮中受到?jīng)_擊?；A(chǔ)軟件層面，大語(yǔ)言模型的能力并不涉及高性能&高可靠&高可用的數(shù)據(jù)處理、IT基礎(chǔ)設(shè)施的性能監(jiān)控&告警，亦無(wú)法滿足惡意攻擊的防御需求。與此同時(shí)，大模型的訓(xùn)練、部署以及穩(wěn)定&安全運(yùn)行仍然需要數(shù)據(jù)管理、性能監(jiān)控、信息安全等系列產(chǎn)品的配合和支持。不過(guò)，在軟件開發(fā)環(huán)節(jié)，大語(yǔ)言模型的確有望憑借對(duì)代碼的生成和理解能力實(shí)現(xiàn)產(chǎn)品和產(chǎn)業(yè)鏈價(jià)值的重構(gòu)；在其他的基礎(chǔ)軟件環(huán)節(jié)，大模型也有望通過(guò)簡(jiǎn)化處理方式、降低信息復(fù)雜度等維度降低從業(yè)人員門檻，拓寬產(chǎn)品覆蓋面和變現(xiàn)方式。▍產(chǎn)業(yè)生態(tài)：更加緊密、復(fù)雜的軟件分工協(xié)作體系。我們認(rèn)為在軟件服務(wù)商積極嘗試融入AI能力后，以LMaaS(大語(yǔ)言模型即服務(wù))為核心的新商業(yè)模式將成為主流。LMaaS將重新整合軟件產(chǎn)業(yè)生態(tài)，使企業(yè)分工更加明確。在這一模式下，AI巨頭專注于提供泛用性模型和ToC需求服務(wù)，而中小公司則切入特定垂直行業(yè)，根據(jù)需求微調(diào)優(yōu)化模型。這種格局有助于發(fā)揮各自優(yōu)勢(shì)，降低成本，提高性能和覆蓋范圍，同時(shí)推動(dòng)行業(yè)生態(tài)的繁榮。LMaaS通過(guò)云服務(wù)封裝復(fù)雜的技術(shù)問(wèn)題，簡(jiǎn)化了用戶的本地部署與調(diào)試過(guò)程，并統(tǒng)一了面向應(yīng)用的入口，讓用戶體驗(yàn)更加友好。插件功能和關(guān)聯(lián)落地技術(shù)使得LMaaS連接不同的外部API變成可能，極大程度上擴(kuò)展了大語(yǔ)言模型的上層軟件生態(tài)，也提供給了更多中小型企業(yè)進(jìn)行創(chuàng)新的土壤。通過(guò)這一商業(yè)模式，中小企業(yè)可以專注于解決特定領(lǐng)域問(wèn)題，利用大型AI公司提供的基礎(chǔ)模型資源降低創(chuàng)業(yè)門檻和技術(shù)難度，從而反哺整個(gè)行業(yè)。▍風(fēng)險(xiǎn)因素：AI核心技術(shù)發(fā)展不及預(yù)期風(fēng)險(xiǎn)；科技領(lǐng)域政策監(jiān)管持續(xù)收緊風(fēng)險(xiǎn)；私有數(shù)據(jù)相關(guān)的政策監(jiān)管風(fēng)險(xiǎn)；全球宏觀經(jīng)濟(jì)復(fù)蘇不及預(yù)期風(fēng)險(xiǎn)；宏觀經(jīng)濟(jì)波動(dòng)導(dǎo)致歐美企業(yè)IT支出不及預(yù)期風(fēng)險(xiǎn)；AI潛在倫理、道德、用戶隱私風(fēng)險(xiǎn)；企業(yè)數(shù)據(jù)泄露、信息安全風(fēng)險(xiǎn)；行業(yè)競(jìng)爭(zhēng)持續(xù)加劇風(fēng)險(xiǎn)等。▍投資策略：AI+軟件的快速融合，以及美股軟件巨頭的示范效應(yīng)，正在給全球軟件LLM的大幅改善，將使得偏平臺(tái)型、垂類應(yīng)用軟件顯著受益，但也將大概率導(dǎo)致部分業(yè)務(wù)邏輯簡(jiǎn)單、偏中間態(tài)的單點(diǎn)軟件產(chǎn)品方案明顯受損，同時(shí)借助人機(jī)交互效率的大幅改善，用戶對(duì)基礎(chǔ)軟件的使用門檻料將顯著降低，利好數(shù)據(jù)管理、信息安全、運(yùn)e重點(diǎn)公司盈利預(yù)測(cè)、估值及投資評(píng)級(jí)(億美元)方法估值(自然年)2AEEEFTO98AdobeADBE.OforceCRM.NiceNow.7keGO.1tCFLT.OOtrikeCRWD.O.8請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明3 AI態(tài)、市場(chǎng)格局重構(gòu) 16應(yīng)用軟件：平臺(tái)型、垂類軟件等有望顯著受益，單點(diǎn)解決方案或?qū)⑹軗p 16基礎(chǔ)軟件：AI顯著降低產(chǎn)品使用門檻，數(shù)據(jù)管理最為受益，安全、運(yùn)維等亦將受益 21緊密、復(fù)雜的軟件分工協(xié)作體系 29 請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明4插圖目錄T AICopilotMicrosoft套件進(jìn)行升級(jí) 6圖3：從2017年開始，人工智能的底層研究從小模型轉(zhuǎn)為了大模型 7 圖5：目前成功的人工智能獨(dú)角獸都離不開互聯(lián)網(wǎng)大廠的資金支持 8圖6：谷歌+微軟在2022年發(fā)布了約60%的大語(yǔ)言模型相關(guān)學(xué)術(shù)論文 8圖7：OpenAI在文檔中明確聲明只會(huì)與合作方分享模型具體的實(shí)現(xiàn)細(xì)節(jié) 9圖8：人工智能重構(gòu)軟件產(chǎn)業(yè)中間層：從小作坊式發(fā)展走向工業(yè)化道路 11圖9：Meta開源的LLaMA模型效果好于GPT-3但與更大參數(shù)量的PaLM差距明顯....11圖10：閉源大廠會(huì)提供標(biāo)準(zhǔn)化的APIkey以便用戶接入 12圖11：對(duì)于大型企業(yè)客戶，OpenAI根據(jù)規(guī)模(Scale)收費(fèi) 12圖12：4月初，意大利出于對(duì)ChatGPT數(shù)據(jù)隱私相關(guān)的擔(dān)憂宣布禁用ChatGPT 14圖13：Huggingface是大語(yǔ)言模型最大的開源項(xiàng)目之一，但也只擁有1萬(wàn)用戶 14 5：MicrosoftCopilot產(chǎn)品邏輯 15I PilotAI利用生成式AI從銷售通話中提取信息 17 圖20：全球CRM市場(chǎng)份額(2022) 18圖21：全球ERP市場(chǎng)份額(2022) 18圖22：Salesforce上層應(yīng)用相關(guān)的關(guān)系型、非關(guān)系數(shù)據(jù)都將在底層數(shù)據(jù)層持續(xù)沉淀....19圖23：Adobe提供的實(shí)時(shí)客戶數(shù)據(jù)平臺(tái)(CDP) 19圖24：SalesforceEinsteinGPTforDevelopers 20圖25：全球低代碼/無(wú)代碼/智能開發(fā)工具市場(chǎng)規(guī)模及增速 20圖26：全球低代碼/無(wú)代碼/智能開發(fā)工具市場(chǎng)份額 21 圖29：2020年全球數(shù)據(jù)流量比例(按應(yīng)用類型) 22 分析型數(shù)據(jù)管理和集成市場(chǎng)規(guī)模及增速 23 24 圖35：全球應(yīng)用程序保護(hù)&可用性市場(chǎng)規(guī)模及增速 25 圖38：全球數(shù)據(jù)丟失保護(hù)市場(chǎng)規(guī)模及增速 26 圖40：敏捷軟件開發(fā):短的開發(fā)“沖刺” 27 圖42：全球軟件開發(fā)管理市場(chǎng)規(guī)模及增速 28圖43：全球軟件開發(fā)管理市場(chǎng)份額(2021) 28請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明5 圖45：基于NLP的大語(yǔ)言模型擁有優(yōu)秀的泛用性，將成為各類任務(wù)的底座 29圖46：OpenAI的六大類模型，其中Chat是面向用戶的核心入口 30 圖48：Grounding本質(zhì)上是對(duì)用戶指令優(yōu)化并讓大語(yǔ)言模型更精準(zhǔn)理解 32圖49：微調(diào)的存在讓大語(yǔ)言模型可以滿足不同垂直領(lǐng)域的需求 33表格目錄 表2：當(dāng)前主流的開源大語(yǔ)言模型項(xiàng)目及其基礎(chǔ)模型 10 表4：根據(jù)企業(yè)自有數(shù)據(jù)量的不同靈活選擇需要的硬件數(shù)量 13PT 表7：IT監(jiān)控軟件市場(chǎng)主要領(lǐng)域及主要玩家 23 請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明6在過(guò)去的半年里，我們見證了70年以來(lái)AI產(chǎn)業(yè)最為快速的發(fā)展，據(jù)SimilarWeb的數(shù)據(jù)顯示，2022年11月在美國(guó)推出的ChatGPT，僅在短短2個(gè)月內(nèi)活躍用戶規(guī)模便突破1億大關(guān)，成為全球歷史上用戶增長(zhǎng)最快的消費(fèi)者應(yīng)用。在下游應(yīng)用領(lǐng)域，微軟宣布將ChatGPT導(dǎo)入到Azure、Office、Bing搜索等產(chǎn)品線中，谷歌亦宣布基于自身的語(yǔ)言大模ChatGPTBard并將AI能力導(dǎo)入旗下的辦公產(chǎn)品workspace中，AI和軟件產(chǎn)業(yè)正在快速融合。Tok信witter010203040506070web融入各類軟件服務(wù)中。這場(chǎng)以底層技術(shù)為基礎(chǔ)的AI升級(jí)換代，對(duì)當(dāng)前軟件行業(yè)的服務(wù)模式料將產(chǎn)生顯著影響。我們分析認(rèn)為，人工智能技術(shù)、軟件服務(wù)之間存在天然的相關(guān)性。本篇報(bào)告將以美股軟件巨頭在AI領(lǐng)域的產(chǎn)品布局為起點(diǎn)，系統(tǒng)性地探討AI和軟件的可能的融合方式，以及中長(zhǎng)期維度，AI將如何影響、乃至改變軟件產(chǎn)業(yè)。請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明7所選擇少數(shù)科技巨頭正在引領(lǐng)AI基礎(chǔ)模型的發(fā)展。回顧近十年的人工智能模型發(fā)展，我們發(fā)現(xiàn)AI技術(shù)提供商數(shù)量稀少且進(jìn)入門檻不斷提高。這主要是因?yàn)閺?017年起，人工智能研究從小模型轉(zhuǎn)向大語(yǔ)言模型，導(dǎo)致模型體量成倍增加，需要更多GPU算力和配套設(shè)施投入，大量的前期資本投入以及過(guò)長(zhǎng)的回報(bào)周期阻礙了許多新進(jìn)入者。型究部繪制大模型時(shí)代，模型體積幾何式增長(zhǎng)導(dǎo)致前期投入過(guò)高，成功者往往依賴科技巨頭的資金、數(shù)據(jù)等支持。在過(guò)去五年內(nèi)，我們看到成功的人工智能獨(dú)角獸都在尋找互聯(lián)網(wǎng)科技大廠作為其背后的依靠，主要因?yàn)椋?)能夠得到充足而短時(shí)間內(nèi)不求產(chǎn)出的資金支持；2)依靠互聯(lián)網(wǎng)大廠的公有云等相關(guān)資源進(jìn)一步降低成本；3)獲取互聯(lián)網(wǎng)大廠長(zhǎng)期以來(lái)所積累的優(yōu)質(zhì)數(shù)據(jù)源。LESSWRONG券研究部請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明8LESSWRONG券研究部大模型研發(fā)的高門檻讓頭部少數(shù)AI廠商占據(jù)主導(dǎo)權(quán)，并開始從技術(shù)研發(fā)向商業(yè)化落谷歌等少數(shù)幾家巨頭主導(dǎo)，其他廠商根據(jù)先行者的開源資料以及相關(guān)論文進(jìn)行模仿并創(chuàng)新。但從OpenAI發(fā)布GPT-3走向商業(yè)化盈利開始，谷歌也迅速效仿，不再公布T5模型及后續(xù)版本的細(xì)節(jié)。頭部的AI廠商希望將自身的技術(shù)優(yōu)勢(shì)構(gòu)筑為商業(yè)化能力的核心壁壘，以延長(zhǎng)后來(lái)者的追趕時(shí)間。00NeurIPS究部請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明9row否否否億大小(詞數(shù))T化進(jìn)度f(wàn)tCopilotBingAI人工智能頭部廠商從開源走向閉源，利用其綜合優(yōu)勢(shì)來(lái)保持持續(xù)的領(lǐng)先。谷歌與OpenAI作為行業(yè)內(nèi)的技術(shù)領(lǐng)先者已經(jīng)明確選擇了閉源模式：本次OpenAI推出GPT-4的形式與以往模型的發(fā)布都有所不同，OpenAI既沒(méi)有公開發(fā)布GPT-4的相關(guān)論文，也沒(méi)有提供詳細(xì)的框架說(shuō)明，僅僅提供了一份98頁(yè)的技術(shù)文檔(主要描述模型能力以及相關(guān)評(píng)測(cè)的得分，幾乎沒(méi)有任何技術(shù)細(xì)節(jié))。通過(guò)這一方式，OpenAI阻斷了所有借鑒者參考的直接途徑(模型大小、數(shù)據(jù)集構(gòu)建、訓(xùn)練方法等)，將閉源的路線堅(jiān)持到底。通過(guò)這一方式，OpenAI迫使想要融入GPT-4能力的軟件服務(wù)商與其合作，OpenAI提供對(duì)應(yīng)的API接口以及部署指導(dǎo)。penAIGPT相較于頭部AI廠商，追趕者更傾向于通過(guò)培養(yǎng)開源社區(qū)，共同迭代模型以縮小和頭NVIDIA等)可能會(huì)選擇開源路線，寄希望通過(guò)社區(qū)的力量加速迭代。目前大語(yǔ)言模型開源社區(qū)的主要貢獻(xiàn)者包括Meta、NVIDIA以及Huggingface等，通過(guò)分享部分模型與大語(yǔ)言模型相關(guān)的知識(shí)培訓(xùn)逐漸培養(yǎng)起了一批開源開發(fā)者。Meta于2023年3月發(fā)布了其新一代大語(yǔ)言模型LLaMA并將源代碼開源給社區(qū)。社區(qū)用戶及企業(yè)可以免費(fèi)使用公開的模型以及數(shù)據(jù)源，但受證書限制不能用作商業(yè)用途。請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明10型型法/數(shù)據(jù)集AlpacaAlpaca自定義數(shù)據(jù)集(1T)JBAlpacaAlpaca+自定義數(shù)據(jù)(2M)tKitOMshareGPTK)ll面對(duì)當(dāng)下情形，軟件服務(wù)商需在與閉源頭部廠商合作或選擇免費(fèi)開源方案之間做出抉擇。在見證了ChatGPT的成功后，擁抱AI能力成為了軟件服務(wù)商的普遍共識(shí)。Gartner預(yù)計(jì)到2025年，生成式人工智能將占所有生成數(shù)據(jù)的10%。由于底層大語(yǔ)言模型的高門檻，只有部分科技巨頭有能力完全自研底層模型。而絕大多數(shù)軟件服務(wù)商需要在成為閉源頭部廠商的合作伙伴與使用自有數(shù)據(jù)在開源項(xiàng)目的基礎(chǔ)上開發(fā)之間做二選一的抉擇。力圖像生成-市場(chǎng)、設(shè)計(jì)、生產(chǎn)Artbreeder可選擇主體的年齡、性別換DALL-E、編輯圖像，并提供商業(yè)權(quán)利來(lái)創(chuàng)造內(nèi)容fe有不同風(fēng)格和分辨率選項(xiàng)的藝術(shù)圖yai創(chuàng)建具有不同風(fēng)格、長(zhǎng)寬比等選項(xiàng)的藝術(shù)品，并對(duì)制作的內(nèi)容擁有完全mind要，允許根據(jù)電影場(chǎng)景、藝術(shù)品或其他圖像創(chuàng)建調(diào)色板算法來(lái)創(chuàng)建真正的調(diào)色板草圖創(chuàng)建移動(dòng)應(yīng)用程序、網(wǎng)站或登陸頁(yè)面的設(shè)計(jì)視頻生成-市場(chǎng)為客戶制作個(gè)性化的頭像板，以創(chuàng)建基于演示文稿或在線會(huì)議記錄的視頻esia務(wù)Veed.io網(wǎng)，中信證券研究部請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明111)軟件提供商選擇閉源廠商方案的優(yōu)缺點(diǎn)分析：與開源方案相比，閉源大廠技術(shù)更為領(lǐng)先：目前開源項(xiàng)目的準(zhǔn)確度仍不及2021年發(fā)布的前代模型GPT-3.5與PaLM。軟件提供商與閉源大廠成為合作伙伴會(huì)得到更加可靠的模型支持。對(duì)于數(shù)據(jù)存量較大且存儲(chǔ)種類較為復(fù)雜的行業(yè)來(lái)說(shuō)，閉源廠商的模型更能保證在大規(guī)模應(yīng)用場(chǎng)景下的穩(wěn)定性。以2023年3月Meta開源的LLaMA為例，最大參數(shù)量65B的LLaMA模型在準(zhǔn)確率上與2021年谷歌閉源發(fā)布的PaLM模型差距明顯。閉源大廠為軟件服務(wù)商封裝中間技術(shù)細(xì)節(jié)，簡(jiǎn)化訓(xùn)練、部署等環(huán)節(jié)，降低軟件廠商技術(shù)難度，并提升接入、開發(fā)效率。與閉源大廠合作大幅簡(jiǎn)化了軟件服務(wù)商部署大語(yǔ)言模型的難度。由于大型AI模型通常需要強(qiáng)大的計(jì)算能力和資源，大多數(shù)企業(yè)和個(gè)人難以承擔(dān)部署和運(yùn)維成本。與此同時(shí)，模型的推理環(huán)節(jié)可以通過(guò)匯編語(yǔ)言對(duì)底層CUDA加速框架進(jìn)行優(yōu)化以降低推理成本，而大部分企業(yè)不具備這請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明12一層面的能力和經(jīng)驗(yàn)。針對(duì)上述問(wèn)題，閉源大廠可以通過(guò)云服務(wù)平臺(tái)將復(fù)雜的技術(shù)問(wèn)題進(jìn)行封裝，使軟件服務(wù)商無(wú)需關(guān)注底層實(shí)現(xiàn)，直接使用AI模型并根據(jù)自身業(yè)務(wù)對(duì)模型進(jìn)行微調(diào)。此外，閉源模型會(huì)直接提供一步到位的API端口，軟件服務(wù)商直接將API接入到軟件中就可以使用。penAI與閉源大廠合作的潛在顧慮：昂貴的成本、用戶隱私&數(shù)據(jù)安全等。在與軟件服務(wù)商的合作方案上，OpenAI按照使用量來(lái)收費(fèi)。對(duì)于數(shù)據(jù)密集型行業(yè)來(lái)說(shuō)，每1GB數(shù)據(jù)的處理需要花費(fèi)超過(guò)8000美元。此外，另一個(gè)顧慮在于數(shù)據(jù)源并不掌握在企業(yè)自身手中，對(duì)于數(shù)據(jù)隱私程度較高的場(chǎng)景，目前相關(guān)的數(shù)據(jù)隱私與安全監(jiān)管仍然不完善。圖11：對(duì)于大型企業(yè)客戶，OpenAI根據(jù)規(guī)模(Scale)收費(fèi)penAI請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明132)基于開源方案自建大語(yǔ)言模型的優(yōu)缺點(diǎn)分析：基于開源方案自建大語(yǔ)言模型使資金投入更加靈活與可控。目前開源社區(qū)中基于LLaMA、Alpaca、Bloom等的開源項(xiàng)目都是免費(fèi)提供。盡管限制商業(yè)化用途，但企業(yè)可以通過(guò)提取權(quán)重的方式進(jìn)行規(guī)避。根據(jù)自身的數(shù)據(jù)規(guī)模以及相關(guān)業(yè)務(wù)對(duì)于準(zhǔn)確度的要求，企業(yè)可以靈活控制對(duì)硬件采購(gòu)的投入以及相關(guān)訓(xùn)練成本的支出。與此同時(shí)，市場(chǎng)也出現(xiàn)了諸如Colossal-AI等開源解決方案，致力于優(yōu)化底層推理和訓(xùn)練的效率。量(億)小模型-hievedteraFlOP/sper值114%.4214%96416%80813%8824%845%887%184080.208az信證券研究部開源方案可將數(shù)據(jù)留在本地，最大限度地保護(hù)用戶隱私和數(shù)據(jù)安全。對(duì)于數(shù)據(jù)安全至關(guān)重要的行業(yè)，確保數(shù)據(jù)隱私是選擇基于開源方案自建的最大理由。2023年4月，意大利就因?yàn)閾?dān)憂數(shù)據(jù)隱私與保護(hù)監(jiān)管的制度不完善禁止企業(yè)使用ChatGPT，三星亦因擔(dān)心內(nèi)部資料泄露問(wèn)題限制了部分部門對(duì)ChatGPT的訪問(wèn)。盡管目前相關(guān)限制并未涉及API和模型實(shí)例的使用，但基于數(shù)據(jù)隱私的考慮，基于開源方案自建是企業(yè)的最優(yōu)選擇。請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明14開源方案的潛在問(wèn)題：社區(qū)不成熟，模型迭代速度慢，與閉源模型技術(shù)能力存在明顯差距。目前大語(yǔ)言模型開源社區(qū)主要的推動(dòng)者包括Meta、Huggingface、NVIDIA等，但如Meta只開源了部分模型以及語(yǔ)料數(shù)據(jù)。且受限于大語(yǔ)言模型的高門檻，開源社區(qū)的活躍用戶無(wú)法與其他小模型相比。在這種情況下，短時(shí)間內(nèi)我們很難看到開源模型通過(guò)社區(qū)迭代發(fā)生能力上的飛躍。開源社區(qū)仍然需要頭部大廠花費(fèi)更多精力與資源對(duì)開發(fā)者進(jìn)行培訓(xùn)與課程教育。ehub小結(jié)：總結(jié)而言，對(duì)于擁有海量經(jīng)授權(quán)的垂類數(shù)據(jù)、充?，F(xiàn)金流以及直接落地場(chǎng)景的軟件大廠適合基于開源模型進(jìn)行AI能力的構(gòu)建，比如Bloomberg基于BLOOM(GPT-3變種)的純解碼器因果語(yǔ)言模型構(gòu)建了BloombergGPT，其訓(xùn)練數(shù)據(jù)集為超過(guò)7000億個(gè)標(biāo)簽數(shù)據(jù)的大型訓(xùn)練語(yǔ)料庫(kù)，金融數(shù)據(jù)集包含3630億個(gè)標(biāo)簽，占據(jù)54.2%的訓(xùn)練集。海量的垂類經(jīng)授權(quán)語(yǔ)料(網(wǎng)頁(yè)、新聞、公告、新聞、彭博自有數(shù)據(jù))，在情緒分析、風(fēng)險(xiǎn)管請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明15理、知識(shí)圖譜、配置建議等方向的直接落地場(chǎng)景，以及相關(guān)人才、資源的穩(wěn)定支持使得Bloomberg基于開源模型訓(xùn)練AI能力具有充分的價(jià)值。類似的，我們認(rèn)為生命科學(xué)CRM&研發(fā)管理領(lǐng)域的Veeva亦有能力基于經(jīng)授權(quán)的垂類語(yǔ)料賦能醫(yī)療CRM、藥物研發(fā)流程管理環(huán)節(jié)。當(dāng)然，對(duì)于不滿足以上三項(xiàng)條件的廠商，直接接入閉源模型應(yīng)為理論上最優(yōu)的解決方案。值得一提的是，對(duì)于Salesforce、Workday等平臺(tái)型應(yīng)用軟件廠商而言，盡管具備充裕的資源和落地場(chǎng)景，但其平臺(tái)上的數(shù)據(jù)集多為用戶私有數(shù)據(jù)，無(wú)法投入模型訓(xùn)練。因此，參照MicrosoftCopilot產(chǎn)品實(shí)現(xiàn)邏輯，通過(guò)用戶私有數(shù)據(jù)增強(qiáng)prompt后，導(dǎo)入微調(diào)閉源模型進(jìn)行推理，進(jìn)而實(shí)現(xiàn)內(nèi)容生成、流程&命令自動(dòng)化等效果應(yīng)為這類廠商實(shí)現(xiàn)AI能力的主要方式。請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明16：AI驅(qū)動(dòng)產(chǎn)品形態(tài)、市場(chǎng)格局重構(gòu)回顧移動(dòng)互聯(lián)網(wǎng)時(shí)代，移動(dòng)互聯(lián)網(wǎng)的快速滲透使得一批新興玩家陸續(xù)涌現(xiàn)，但多數(shù)PC互聯(lián)網(wǎng)時(shí)代原有的參與者亦通過(guò)移動(dòng)互聯(lián)網(wǎng)的產(chǎn)品，進(jìn)一步提升了客戶覆蓋和業(yè)務(wù)變現(xiàn)能力，當(dāng)然也有部分廠商因布局遲緩、戰(zhàn)略失當(dāng)而黯然離場(chǎng)。我們認(rèn)為這一邏輯在AI時(shí)代亦不例外，未來(lái)市場(chǎng)會(huì)逐步出現(xiàn)所謂AI原生的新生力量，而軟件市場(chǎng)原有的參與者也將迎來(lái)產(chǎn)業(yè)鏈價(jià)值的再分配，或受益或受損。當(dāng)然，基于所處產(chǎn)業(yè)環(huán)節(jié)、競(jìng)爭(zhēng)格局、產(chǎn)品體系、客戶結(jié)構(gòu)等諸多因素，不同參與者的受益&受損邏輯和程度亦有所區(qū)別，以下我們將分別從應(yīng)用軟件、基礎(chǔ)軟件兩個(gè)層面進(jìn)行展開分析。我們主要從產(chǎn)品體系、客戶結(jié)構(gòu)、數(shù)據(jù)沉淀、生態(tài)構(gòu)建等維度來(lái)衡量應(yīng)用軟件領(lǐng)域的受益&受損邏輯。在這一判斷體系下，我們認(rèn)為品類全面、份額領(lǐng)先、生態(tài)完善、數(shù)據(jù)持續(xù)積累的平臺(tái)型廠商，以及格局優(yōu)異、具備獨(dú)特?cái)?shù)據(jù)集和直接落地場(chǎng)景的垂類軟件有望率先受益；同時(shí)，對(duì)于部分功能相對(duì)單一、格局尚不明朗的點(diǎn)解決方案廠商，則有可能在新一輪的AI浪潮中受到?jīng)_擊。產(chǎn)品體系：我們認(rèn)為，大語(yǔ)言模型對(duì)于應(yīng)用軟件的強(qiáng)化一方面在于單點(diǎn)功能的增強(qiáng)，比如在銷售環(huán)節(jié)自動(dòng)進(jìn)行線索整理、生成銷售策略，在營(yíng)銷環(huán)節(jié)自動(dòng)生成營(yíng)銷文本、個(gè)性化廣告投放，在客服環(huán)節(jié)自動(dòng)生成或擴(kuò)展客戶問(wèn)題回復(fù)等；另一方面在于增強(qiáng)各項(xiàng)功能的協(xié)同效果，使得交互界面進(jìn)一步上移，比如用戶可以通過(guò)一條指令實(shí)現(xiàn)銷售線索歸集整理、營(yíng)銷內(nèi)容生成及個(gè)性化投放的全流程，而這在過(guò)去需要在不同的產(chǎn)品頁(yè)面中完成。就單點(diǎn)能力的強(qiáng)化而言，我們認(rèn)為客戶會(huì)率先向更容易落地、實(shí)現(xiàn)ROI轉(zhuǎn)化的領(lǐng)域進(jìn)行預(yù)算投放，包括客服、營(yíng)銷、輔助內(nèi)容創(chuàng)意等領(lǐng)域。而就各項(xiàng)功能的協(xié)同而言，顯然產(chǎn)品體系更為全面、豐富的平臺(tái)型廠商相對(duì)更容易實(shí)現(xiàn)這一效果，而單純單點(diǎn)功能的強(qiáng)化將具有較強(qiáng)的同質(zhì)性 (AI帶來(lái)的產(chǎn)業(yè)價(jià)值增值部分很難被軟件廠商所獲取)，因此相較于單點(diǎn)產(chǎn)品，平臺(tái)型廠商的優(yōu)勢(shì)有望在大語(yǔ)言模型的賦能下進(jìn)一步增強(qiáng)。研究部繪制請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明17alesforceGPTforService1)自動(dòng)邀請(qǐng)客戶進(jìn)入其他協(xié)作渠道；2)自動(dòng)生成個(gè)性化的客服聊天回復(fù)；3)在客戶對(duì)話期間自動(dòng)生成摘要，提高錄入案例的準(zhǔn)確性和完成度；4)根據(jù)以往客戶的聊天對(duì)話創(chuàng)建知識(shí)庫(kù)文章，可以向其他客服開放以解決客戶問(wèn)題GPTforSales的聯(lián)系人；4)自動(dòng)邀請(qǐng)客戶進(jìn)入其他協(xié)作渠道PTforMarketing客戶GPTforCommerce1)將客戶數(shù)據(jù)轉(zhuǎn)化為可操作的銷售見解；2)個(gè)性化的顧客體驗(yàn)，一對(duì)一的產(chǎn)品推薦；3)使用客戶數(shù)據(jù)有針對(duì)性的產(chǎn)品分類GPTforDevelops模型提高開發(fā)人員的工作效率PTforSlackSalesforce究部ilotAI請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明18客戶結(jié)構(gòu)：在過(guò)去的應(yīng)用軟件市場(chǎng)，面向大型企業(yè)客戶的產(chǎn)品和面向SMB客戶的產(chǎn)品往往是割裂的。原因在于大型企業(yè)客戶的需求往往更為復(fù)雜，而功能的復(fù)雜度往往意味著易用性層面的妥協(xié)，SMB客戶更為傾向于接受功能相對(duì)簡(jiǎn)單但使用門檻較低的方案。但伴隨著大語(yǔ)言模型的滲透，復(fù)雜的功能和配置項(xiàng)可以依賴自然語(yǔ)言的交互進(jìn)行實(shí)現(xiàn)。人機(jī)交互界面的簡(jiǎn)化，意味著原本為大型企業(yè)客戶設(shè)計(jì)的產(chǎn)品有機(jī)會(huì)向SMB客戶下沉，而此前針對(duì)SMB用戶的產(chǎn)品則有可能遭受降維打擊。當(dāng)然，不同客群適用的營(yíng)銷策略、渠道手段、功能定義均有所區(qū)別，但不可否認(rèn)的是大語(yǔ)言模型的融入的確增加了企業(yè)級(jí)產(chǎn)品客群下沉的可能性。eevaeNow orkday Salesforce ics t omInfo mShopify00信證券研究部MSalesforceiQorAdobeOracleSAPGenesysHubSpotZendesk其他Gartner究部SAPWorkdayOracleUKGSageVismaCornerstone其他Gartner究部數(shù)據(jù)沉淀：正如我們此前論述的觀點(diǎn)，擁有海量經(jīng)授權(quán)的垂類數(shù)據(jù)、充?，F(xiàn)金流以及直接落地場(chǎng)景的軟件大廠適合基于開源模型進(jìn)行AI能力的構(gòu)建，通過(guò)模型本身構(gòu)建獨(dú)特的競(jìng)爭(zhēng)壁壘。但對(duì)于大部分廠商而言，調(diào)用第三方閉源模型仍為理論上最優(yōu)的解決方案。在底層模型同質(zhì)化的背景下，數(shù)據(jù)的獨(dú)特性顯然是廠商實(shí)請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明19現(xiàn)差異化的核心手段?？紤]到客戶數(shù)據(jù)的隱私性和安全性至關(guān)重要，直接調(diào)用客戶數(shù)據(jù)進(jìn)行訓(xùn)練并不現(xiàn)實(shí)。因此，在100%的數(shù)據(jù)訪問(wèn)透明性和客戶數(shù)據(jù)完整性MicrosoftCopilot強(qiáng)prompt后，導(dǎo)入微調(diào)閉源模型進(jìn)行推理，進(jìn)而實(shí)現(xiàn)內(nèi)容生成、流程&命令自動(dòng)化等效果應(yīng)為這類廠商實(shí)現(xiàn)AI能力的主要方式。與此同時(shí)，廠商可以通過(guò)各個(gè)客戶的用戶反饋數(shù)據(jù)持續(xù)訓(xùn)練個(gè)性化小模型，進(jìn)一步優(yōu)化大模型的生成效果，降低“幻覺”問(wèn)題的出現(xiàn)概率，不斷優(yōu)化用戶的使用體驗(yàn)。在這一邏輯下，預(yù)計(jì)擁有海量數(shù)據(jù)&流程沉淀的平臺(tái)型軟件廠商亦將充分受益，而僅在工具層面實(shí)現(xiàn)淺層次整合的廠商將不具備顯著產(chǎn)品壁壘。alesforce圖23：Adobe提供的實(shí)時(shí)客戶數(shù)據(jù)平臺(tái)(CDP)dobe請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明20生態(tài)構(gòu)建：我們這里提到的生態(tài)構(gòu)建分為了兩個(gè)層面，其一是降低了ISV(獨(dú)立軟件開發(fā)商)和SI(系統(tǒng)集成商)的開發(fā)和部署難度，比如Salesforce的EinsteinGPTforDevelopers提供了自動(dòng)生成Apex語(yǔ)言(一種專為Salesforce開發(fā)的面向?qū)ο缶幊陶Z(yǔ)言)的能力，微軟、ServiceNow等廠商亦將提供自然語(yǔ)言轉(zhuǎn)代碼、工作流、低代碼開發(fā)等層面的能力；其二是在進(jìn)一步豐富平臺(tái)應(yīng)用的同時(shí)大幅降低了應(yīng)用調(diào)用門檻，大語(yǔ)言模型在降低開發(fā)門檻的同時(shí)也使得各類應(yīng)用的調(diào)用更加便捷，而調(diào)用率和調(diào)用覆蓋面的提升將進(jìn)一步激發(fā)ISV的開發(fā)熱情，從而形成自我強(qiáng)化的飛輪效應(yīng)，提升應(yīng)用平臺(tái)的粘性。就以上能力的強(qiáng)化而言，顯然具備成熟的底層應(yīng)用開發(fā)平臺(tái)和較為完善的開發(fā)者生態(tài)的平臺(tái)型廠商更為受益。alesforce能開發(fā)工具市場(chǎng)規(guī)模及增速(百萬(wàn)美元，%)ocodetelligentdevelopertechnologiesYoY % .0% 0.0%25,000.020,000.0000.0E2023E2024E2025E6EIDC證券研究部請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明21圖26：全球低代碼/無(wú)代碼/智能開發(fā)工具市場(chǎng)份額(2021)SalesforceAdobeServiceNowPegasystemsSiemensOutSystemsShopifyWixQuickbaseOtherIDC證券研究部交付、可重復(fù)使用的預(yù)構(gòu)建的功能組件消除了復(fù)雜性以及重新構(gòu)建的需要開發(fā)業(yè)開發(fā)人員構(gòu)建的功能，從而實(shí)現(xiàn)更快、更敏捷的開發(fā)過(guò)程者能夠快速構(gòu)建端到端的簡(jiǎn)單或復(fù)雜的企業(yè)應(yīng)用IT管程序的增長(zhǎng)，并限制數(shù)據(jù)重復(fù)、不一致和不安全批準(zhǔn)應(yīng)用程序開發(fā)活動(dòng)的標(biāo)準(zhǔn)，并監(jiān)督預(yù)算和資源分配準(zhǔn)發(fā)必須始終如一地創(chuàng)造積極的用戶體驗(yàn)，這促進(jìn)了生產(chǎn)力的提高方案可縮短實(shí)現(xiàn)價(jià)值的時(shí)間只有在它可以產(chǎn)生安全的應(yīng)用程序時(shí)才有效Gartner究部考慮到大語(yǔ)言模型核心在于自然語(yǔ)言的理解和生成能力，這種能力能夠?qū)崿F(xiàn)內(nèi)容創(chuàng)作、內(nèi)容整理，能夠基于對(duì)用戶指令的理解嵌入業(yè)務(wù)流程的生成和自動(dòng)化，亦能夠基于上下文和外部信息的補(bǔ)充實(shí)現(xiàn)持續(xù)的迭代和推理。但大語(yǔ)言模型的能力并不涉及高性能&高可靠&高可用的數(shù)據(jù)處理、IT基礎(chǔ)設(shè)施的性能監(jiān)控&告警，亦無(wú)法滿足惡意攻擊的防御需求。與此同時(shí)，大模型的訓(xùn)練、部署以及穩(wěn)定&安全運(yùn)行仍然需要數(shù)據(jù)管理、性能監(jiān)控、信息安全等系列產(chǎn)品的配合和支持。不過(guò)，在軟件開發(fā)環(huán)節(jié)，大語(yǔ)言模型的確有望憑借對(duì)代碼的生成和理解能力實(shí)現(xiàn)產(chǎn)品和產(chǎn)業(yè)鏈價(jià)值的重構(gòu)；在其他的基礎(chǔ)軟件環(huán)節(jié)，大模型也有望通過(guò)簡(jiǎn)化處理方式、降低信息復(fù)雜度等維度降低從業(yè)人員門檻，拓寬產(chǎn)品覆蓋面和變現(xiàn)方式。以下，我們將對(duì)數(shù)據(jù)管理、性能監(jiān)控、信息安全、軟件開發(fā)等細(xì)分市場(chǎng)展開具體分析：請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明22社交短視頻訂閱模式的流媒體廣社交短視頻訂閱模式的流媒體廣告模式的流媒體游戲音樂(lè)VR社交媒體通信數(shù)據(jù)管理：模型預(yù)訓(xùn)練階段需要大規(guī)模、多類別、高質(zhì)量的訓(xùn)練數(shù)據(jù)，在模型調(diào)優(yōu)階段，垂類小數(shù)據(jù)集、提示詞工程同樣重要。過(guò)去由于存儲(chǔ)技術(shù)、資源和數(shù)據(jù)庫(kù)技術(shù)的限制，非結(jié)構(gòu)化的數(shù)據(jù)無(wú)法有效保存和調(diào)用。但隨著存儲(chǔ)技術(shù)和云計(jì)算的不斷發(fā)展，企業(yè)可以擁有充足的、可擴(kuò)展的存儲(chǔ)資源和存儲(chǔ)方法。機(jī)器學(xué)習(xí)、自然語(yǔ)言處理、圖像識(shí)別等人工智能技術(shù)也增加了對(duì)海量非結(jié)構(gòu)化數(shù)據(jù)的需求。由此，能夠?qū)崿F(xiàn)海量數(shù)據(jù)存儲(chǔ)、管理、治理的數(shù)據(jù)湖，實(shí)現(xiàn)批量數(shù)據(jù)的清洗、預(yù)處理、特征工程的Nosql數(shù)據(jù)庫(kù)&數(shù)據(jù)倉(cāng)庫(kù)，實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)的集成、高并發(fā)查詢&處理的流數(shù)據(jù)引擎等數(shù)據(jù)管理市場(chǎng)都將受益于AI的高速發(fā)展。與此同時(shí)，大語(yǔ)言模型能夠較好的實(shí)現(xiàn)自然語(yǔ)言向Sql等專業(yè)的數(shù)據(jù)庫(kù)操作語(yǔ)言的轉(zhuǎn)化，降低數(shù)據(jù)分析、機(jī)器學(xué)習(xí)等領(lǐng)域的進(jìn)入門檻。Medium信證券研究部繪制um3.9%3.9%2.1%.3%%其他數(shù)據(jù)IDC券研究部%)半結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化數(shù)據(jù)IDC券研究部請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明23集成市場(chǎng)規(guī)模及增速(十億美元，%) YoY.0%%201720182019202020212022E2023E2024E2025E2026EIDC研究部性能監(jiān)控：與其他應(yīng)用類似，大模型在運(yùn)行過(guò)程中仍然需要對(duì)于性能指標(biāo)進(jìn)行實(shí)GPU網(wǎng)絡(luò)帶寬和延遲、模型訓(xùn)練和推理速度，以及模型的異常情況和錯(cuò)誤信息等，這依然需要ITIM、NPM、日志管理工具的配合。但與此同時(shí)，考慮到大模型本身的特殊性，在訓(xùn)練和部署環(huán)節(jié)同樣需要專用的工具完成相關(guān)指標(biāo)的監(jiān)控、調(diào)整和可視化，其中包括：1)實(shí)驗(yàn)管理：在訓(xùn)練環(huán)節(jié)對(duì)于學(xué)習(xí)率、正則強(qiáng)度、批量大小、迭代次數(shù)等超參數(shù)空間的系統(tǒng)性搜索，選擇最優(yōu)超參數(shù)組合，并記錄和可視化訓(xùn)練、評(píng)估過(guò)程；2)性能監(jiān)控：在推理環(huán)節(jié)對(duì)于損失函數(shù)、準(zhǔn)確率、F1值等各類模型性能指標(biāo)的監(jiān)控和可視化，橫向&縱向比較模型的性能變化。在大模型推出的開源工具M(jìn)Lflow等均有相應(yīng)產(chǎn)品，其中Weights&Biases和MLflow在產(chǎn)品完整度和用戶覆蓋面上更為領(lǐng)先。企業(yè)和資源利用率。通過(guò)跟蹤組件的利用率(如風(fēng)扇速度、CPU溫度和使用率、內(nèi)存利用率)，基礎(chǔ)結(jié)構(gòu)監(jiān)視工具可以提供indsAPM監(jiān)視和優(yōu)化應(yīng)用程序的性能和運(yùn)行狀況，不同于其他監(jiān)視工mics日志是在事件發(fā)生時(shí)自動(dòng)生成并加蓋時(shí)間戳的文件，日志管理包括用于收集、管理和分析由應(yīng)用程序和基礎(chǔ)設(shè)施生成的大量日志數(shù)據(jù)。將日志數(shù)據(jù)與其他事件關(guān)聯(lián)的實(shí)時(shí)能力也使和威脅管理，以及識(shí)別操作性能問(wèn)題機(jī)問(wèn)題并優(yōu)化網(wǎng)絡(luò)性能Gartner究部請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明24.000.000.000.000.0 OnpremisesPubliccloudYoY20212022E2023E2024E2025E2026E.0%IDC研究部Anyscale信息安全：對(duì)于大模型廠商而言，由于大模型在部署上線之后即允許B端&C端客戶公開訪問(wèn)，因此其安全防護(hù)的邏輯和其他應(yīng)用程序并無(wú)本質(zhì)區(qū)別。因此，我們看到ChatGPT采用Cloudflare的方案防范DDOS攻擊、執(zhí)行訪客流量驗(yàn)證策略；此前因Redis開源庫(kù)漏洞導(dǎo)致的ChatGPT故障、數(shù)據(jù)泄露問(wèn)題亦表明漏洞掃描、云端工作負(fù)載安全、安全態(tài)勢(shì)管理等產(chǎn)品在大模型時(shí)代同樣具有用武之地。對(duì)于大模型用戶而言，一方面需要對(duì)于用戶使用權(quán)限、數(shù)據(jù)上傳權(quán)限進(jìn)行嚴(yán)格限制，在這一方面安全網(wǎng)關(guān)產(chǎn)品(CASB、SWG)和數(shù)據(jù)丟失保護(hù)產(chǎn)品(DLP)將發(fā)揮顯著作用，網(wǎng)關(guān)產(chǎn)品將配合身份認(rèn)證工具對(duì)用戶訪問(wèn)權(quán)限予以細(xì)粒度控制，而DLP產(chǎn)品將阻止敏感數(shù)據(jù)的上傳；另一方面亦需要針對(duì)黑客利用ChatGPT批量生產(chǎn)的釣魚信息予以針對(duì)性防護(hù)，這就需要通過(guò)對(duì)郵件來(lái)源、正文、附件、URL鏈接等進(jìn)行情緒分析、結(jié)構(gòu)分析等進(jìn)行相應(yīng)識(shí)別，比如Cloudflare近期就針對(duì)AI生成的釣魚郵件推出了專門的郵件安全方案。當(dāng)然，對(duì)于安全運(yùn)營(yíng)團(tuán)隊(duì)(SOC)而言，大語(yǔ)言模型的引入能夠顯著提升安全信息的可讀性，并輔助生成易于理解的安全事件解決方案，降低安全運(yùn)營(yíng)的門檻。請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明25loudflare%)APIsecurityBotmanagementDDoSmitigationWebapplicationfirewallYoY000202120222023202420252026究部繪制請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明26及增速(百萬(wàn)美元，%)0CASBSWGYoY20202021E2022E2023E2024E2025E%IDC研究部AmericasEMEAAsia/PacificYoY2018201920202021E2022E2023E2024E2025E.0%IDC研究部圖39：全球消息安全市場(chǎng)規(guī)模及增速(百萬(wàn)美元，%)0OnpremisesPubliccloudYoY20212022E2023E2024E2025E2026E.0%IDC研究部請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明27能力制點(diǎn)支持對(duì)終端、網(wǎng)絡(luò)、云和工作負(fù)載的安全防護(hù)和控制能力，獲取更大范圍的安全把各種安全日志、告警等數(shù)據(jù)進(jìn)行匯總，以便于進(jìn)一步的威脅分析；聯(lián)動(dòng)不同層作。處理和機(jī)器學(xué)習(xí)比單個(gè)安全產(chǎn)品提供更加強(qiáng)大的威脅檢測(cè)能力。海量安全數(shù)據(jù)的處理需要具備大需要依賴機(jī)器學(xué)習(xí)等人工智能算法增強(qiáng)對(duì)高級(jí)威脅的分析、攻擊殺傷鏈的理解和還原；讓安全人員可以聚焦處理數(shù)量有限、真正需要企業(yè)安全人員手動(dòng)操作的頻率和人為操作出錯(cuò)的概率，提高安全運(yùn)營(yíng)效率；XDR支持安全響應(yīng)任務(wù)的編排能力，讓用戶對(duì)文件、權(quán)限、主機(jī)和網(wǎng)絡(luò)執(zhí)行經(jīng)過(guò)預(yù)先設(shè)計(jì)編排過(guò)的手動(dòng)和自動(dòng)的補(bǔ)救措施，提高。能力增強(qiáng)了企業(yè)用戶的安全可見性，提升威脅檢測(cè)時(shí)Gartner全，中信證券研究部軟件開發(fā)：對(duì)于軟件開發(fā)者而言，新特性的設(shè)計(jì)和開發(fā)是具有價(jià)值的，但編寫完成的代碼由存儲(chǔ)庫(kù)轉(zhuǎn)移到實(shí)時(shí)生產(chǎn)環(huán)境中仍需要經(jīng)歷集成、測(cè)試、發(fā)布、運(yùn)維等多個(gè)流程，這些流程對(duì)于客戶而言并沒(méi)有附加價(jià)值。因此，企業(yè)開發(fā)者團(tuán)隊(duì)需要借助Devops工具自動(dòng)化低價(jià)值的流程，以更快實(shí)現(xiàn)新功能的發(fā)布。正是由于軟件開發(fā)流程有價(jià)值的環(huán)節(jié)體現(xiàn)在項(xiàng)目管理&協(xié)作和代碼編寫&托管兩個(gè)節(jié)點(diǎn)，因此這兩個(gè)節(jié)點(diǎn)上的頭部參與者具備整合軟件開發(fā)全鏈條的較大潛力。根據(jù)IDC的統(tǒng)計(jì)，2021年全球軟件開發(fā)市場(chǎng)Top2的玩家分別為Atlassian和微軟，恰好對(duì)應(yīng)項(xiàng)目管理&協(xié)作、代碼編寫&托管兩個(gè)節(jié)點(diǎn)的龍頭。根據(jù)IDC，在大語(yǔ)言模型普及之前，Atlassian的份額以及份額獲取速度持續(xù)領(lǐng)先于微軟。但大語(yǔ)言模型普及之后，GitHubCoPilot能力的強(qiáng)化大幅提升了開發(fā)效率，開發(fā)鏈條的核心有可能由項(xiàng)目管理向代碼編寫&托管轉(zhuǎn)移，這在一定程度上可能削弱Atlassian的競(jìng)爭(zhēng)優(yōu)勢(shì)和平臺(tái)化潛力，而更為利好微軟的全鏈條整合。當(dāng)然，與GitHub在同一環(huán)節(jié)競(jìng)爭(zhēng)的GitLab更有可能受到直接沖擊。沖刺”來(lái)源：Pivotal.io請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明28研究部8,000.06,000.04,000.02,000.0OnpremisesPubliccloudYoY20212022E2023E2024E2025E2026E%%IDC證券研究部額(2021)AtlassianBroadcomGitLabJFrogMicroFocus請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明29HubCoPilot▍產(chǎn)業(yè)生態(tài)：更加緊密、復(fù)雜的軟件分工協(xié)作體系人工智能浪潮帶來(lái)的另一個(gè)變化是科技巨頭構(gòu)建以人工智能服務(wù)為核心的新商業(yè)模式，使軟件產(chǎn)業(yè)分工更加明確。LMaaS(大語(yǔ)言模型即服務(wù))將成為AI服務(wù)提供商的主要商業(yè)模式，以泛用的大語(yǔ)言模型為基礎(chǔ)統(tǒng)一過(guò)去公有云中的繁雜PaaS層，并更好地融入軟件層。大語(yǔ)言模型以語(yǔ)言為出發(fā)點(diǎn)，相較于過(guò)去的小型模型具備更好的泛用性。如ChatGPT等大語(yǔ)言模型擁有廣泛知識(shí)和技能，能應(yīng)對(duì)不同領(lǐng)域問(wèn)題?；诖笳Z(yǔ)言模型的公有云服務(wù)能提供比原先更優(yōu)的PaaS+SaaS層體驗(yàn)，用戶通過(guò)單一模型可對(duì)接多種外部API并更好地理解用戶意圖。e目前以O(shè)penAI&微軟為代表的廠商已經(jīng)構(gòu)建起以LMaaS為核心的商業(yè)模式，圍繞GPT逐步向上下游拓展生態(tài)。目前OpenAI的主要模型包括GPT-4、GPT-3.5、Dalle2、請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明30Whisper、Embedding等，包含了泛用大模型、圖片、語(yǔ)音、微調(diào)等多個(gè)維度，其中最為泛用的GPT類模型將作為一個(gè)接口根據(jù)用戶需求調(diào)用不同的模型。penAI定價(jià)方面，OpenAI的LMaaS模型提供了訂閱以及按量收費(fèi)兩種模式。訂閱模式主要開放給個(gè)人用戶，用戶根據(jù)使用需求支付周期性費(fèi)用，享受一定時(shí)期內(nèi)的模型服務(wù)。API按量收費(fèi)模式主要開放給使用較少的個(gè)人用戶與體量較大的企業(yè)用戶，用戶根據(jù)實(shí)際調(diào)用API的數(shù)據(jù)量或是席位數(shù)支付費(fèi)用，這樣用戶可以根據(jù)業(yè)務(wù)量靈活調(diào)整支出。tionntextntextgpt-turboAda(Fastest)tpowerfulgmodelsiningAdadelsAdaOpenAI研究部請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明31插件功能(Plugins)使LMaaS能夠連接不同的外部API，極大地?cái)U(kuò)展了大語(yǔ)言模型的上層軟件生態(tài)。OpenAI于2023年3月在ChatGPT中推出插件接口，旨在接入小公司的微調(diào)成果。第三方廠商可將自有數(shù)據(jù)源和部分算法作為ChatGPT上的插件，使ChatGPT能調(diào)用插件中的外部API接口獲取信息。插件提供者使用OpenAPI標(biāo)準(zhǔn)編寫API，此API將被編譯成一個(gè)提示，告知ChatGPT如何使用API增強(qiáng)其答案。用戶選擇對(duì)應(yīng)插件后，如ChatGPT需從API獲取信息，它將發(fā)出請(qǐng)求并在回應(yīng)前將信息添加到上下文中。插件接口簡(jiǎn)化了小公司微調(diào)大語(yǔ)言模型的難度，并豐富了基于大語(yǔ)言模型的生態(tài)環(huán)境。第三方廠商無(wú)需接觸部署大語(yǔ)言模型，降低了微調(diào)實(shí)施的難度。GPT關(guān)聯(lián)落地(Grounding)是LMaaS模式中協(xié)調(diào)外部軟件API與大語(yǔ)言模型生成內(nèi)容可靠性的關(guān)鍵步驟。微軟的Copilot大量使用關(guān)聯(lián)落地技術(shù)，確保大語(yǔ)言模型為辦公軟件輸出穩(wěn)定結(jié)果。根據(jù)微軟技術(shù)文檔，Copilot通過(guò)Grounding提高接收提示質(zhì)量，確保模型準(zhǔn)確執(zhí)行用戶指令。如用戶要求Word根據(jù)數(shù)據(jù)創(chuàng)建文檔，Copilot會(huì)將提示發(fā)送至MicrosoftGraph以檢索上下文和數(shù)據(jù)，修改并優(yōu)化用戶提示(例如加入用戶真實(shí)業(yè)務(wù)場(chǎng)景數(shù)據(jù)示例以提高準(zhǔn)確性)，然后將其發(fā)送到GPT-4大語(yǔ)言模型。響應(yīng)結(jié)果被發(fā)送到MicrosoftGraph進(jìn)行額外的Grounding、安全性和合規(guī)性檢查，最后將響應(yīng)和命令發(fā)送回Microsoft365應(yīng)用程序。通過(guò)Grounding，Copilot將人類語(yǔ)言表述根據(jù)實(shí)際數(shù)據(jù)更換成大語(yǔ)言模型更易理解的提示，完成多模態(tài)轉(zhuǎn)換并提升指令準(zhǔn)確性。請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明32oogleAIBlog對(duì)于用戶而言，LMaaS體驗(yàn)優(yōu)于原先的公有云服務(wù)，簡(jiǎn)化了本地部署與調(diào)試過(guò)程。LMaaS通過(guò)云服務(wù)封裝復(fù)雜技術(shù)問(wèn)題，使用戶無(wú)需關(guān)注底層實(shí)現(xiàn)。盡管小公司無(wú)力研發(fā)底層大語(yǔ)言模型，但可通過(guò)微調(diào)形式服務(wù)垂直領(lǐng)域需求。LMaaS平臺(tái)可根據(jù)用戶需求，對(duì)通用AI模型進(jìn)行特定任務(wù)微調(diào)，提高模型在特定領(lǐng)域表現(xiàn)。用戶通過(guò)上傳訓(xùn)練數(shù)據(jù)，實(shí)現(xiàn)模型個(gè)性化定制，進(jìn)一步提升AI模型在業(yè)務(wù)場(chǎng)景中的實(shí)用性和準(zhǔn)確性。請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款和聲明33enAI在LMaaS商業(yè)模式下，我們認(rèn)為行業(yè)最終將形成AI巨頭提供泛用性模型以及服務(wù)主要通用需求，中小公司切入特定垂直行業(yè)并根據(jù)需求微調(diào)優(yōu)化模型的格局。這有利于發(fā)揮各自優(yōu)勢(shì)，使大型AI企業(yè)專注于提供穩(wěn)定、高效基礎(chǔ)模型，降低成本，提高性能和覆蓋范圍。同時(shí)，中小型公司充分發(fā)揮行業(yè)專長(zhǎng)和敏捷性，為特定行業(yè)客戶提供定制化、高度針對(duì)性解決方案。他們可以與AI巨頭合作，利用泛用性模型為基礎(chǔ)，進(jìn)行微調(diào)優(yōu)化，滿足垂直行業(yè)的具體需求。這將為行業(yè)帶來(lái)更多創(chuàng)新、快速響應(yīng)和精細(xì)化的服務(wù)，有助于進(jìn)一步提升AI技術(shù)在各行各業(yè)的落地應(yīng)用效果。此外，這種格局還將推動(dòng)行業(yè)生態(tài)的繁榮，鼓勵(lì)更多創(chuàng)新型中小企業(yè)和創(chuàng)業(yè)團(tuán)隊(duì)投入到AI領(lǐng)域。他們可以專注于解決特定領(lǐng)域問(wèn)題，利用大型AI公司提供的基礎(chǔ)模型資源降低創(chuàng)業(yè)門檻和技術(shù)難度，從而反哺整個(gè)行業(yè)。在這種格局下，企業(yè)之間的合作將變得更加緊密，形成一個(gè)互補(bǔ)的生態(tài)系統(tǒng)。AI核心技術(shù)發(fā)展不及預(yù)期風(fēng)險(xiǎn)；科技領(lǐng)域政策監(jiān)管持續(xù)收緊風(fēng)險(xiǎn)；私有數(shù)據(jù)相關(guān)的政策監(jiān)管風(fēng)險(xiǎn)；全球宏觀經(jīng)濟(jì)復(fù)蘇不及預(yù)期風(fēng)險(xiǎn)；宏觀經(jīng)濟(jì)波動(dòng)導(dǎo)致歐美企業(yè)IT支出不及