距离上次《AI 之于五巨头》网页链接 发文过去了大半年，海外 AI 业界已成你追我赶的态势，文中对巨头们的很多预测也已兑现：微软结盟 OpenAI ，推 Copilot，AI 全面赋能业务尤其是云生态的订阅；Amazon 着眼长期，在算力收租和构建云端 AI 生态两者间明智地选择了后者；Meta 除了用 AI 来夯实内容社区和广告的基本盘，还以开源大模型和 MR 硬件的整合来谋求生态位；Google 不出所料被逼出 Bard，以及 DeepMind 的深度整合，虽然变现模式尚不清晰；唯有 Apple 的进展一如既往缺乏透明度。
听完前四家财报会议的最大感受：AI 的提及率和讨论深度空前。从巨头们的重视程度来看，AI 的战略价值已成共识。作为各自生态的霸主，巨头的路径不尽一致，但都把 AI 全面整合并赋能基本盘业务。AI 已经跨越 storytelling 开始彰显实在的战略和商业价值。
$微软(MSFT)$ 24Q1
除了游戏主讲动视暴雪的收购完成，其他业务均从过往讲「全面上云」到现在谈「深度拥抱 AI」，实现降本增效和差异化获客：
凭借我们的整体差异化优势，现在有超过 18,000 家组织使用 Azure OpenAI 服务，其中包括新加入 Azure 的客户。随着领先的人工智能初创公司使用 OpenAI 为其人工智能解决方案提供支持，我们正在通过 OpenAI API 扩大与这些公司的合作范围，从而使他们也成为 Azure 的客户。
评：AI 助力 Azure 对 Startup 和 early adopter 的渗透，以往这是 AWS 的优势范围。
我们是唯一一家运行甲骨文数据库服务的其他云提供商，使客户能够更简单地将其内部部署的甲骨文数据库迁移到我们的云上......一旦我们宣布甲骨文数据库将在 Azure 上提供，我们就看到了大量新客户的解锁，他们拥有大量尚未迁移到云上的甲骨文资产，因为他们需要在一个单一的云上与其他应用程序资产会合。因此，我们对此感到非常兴奋。从某种意义上说，即使是金融服务领域，也有很多甲骨文应用仍需要迁移到云中。
评：独家接入 Oracle 数据库帮助 Azure 解锁新客户，且这块用量的 runway 绵长。Windows 独尊一去不复返，微软一直开放一直爽。
我们发现，业界首个也是最先进的生成式人工智能产品 Security Copilot 的需求量很大，该产品现已与 Microsoft 365 Defender 无缝集成。
评：企业安全能力的客户价值纳德拉每次都提，现在有 GenAI 为此增添价值。
Azure 和其他云服务收入增长 29%，按固定汇率计算增长 28%，其中人工智能服务贡献的收入增长约 3 个百分点。增长超出预期主要是由于 GPU 容量的增加和人工智能服务的 GPU 利用率高于预期，以及按用户计算的业务增长略高于预期；
随着我们扩展人工智能基础设施，以满足不断增长的需求。运营支出增长 2%，按固定汇率计算增长 1%。营业收入增长 31%，按固定汇率计算增长 30%。对于整个 24 财年，我们将继续致力于投资云计算和人工智能，同时保持对运营杠杆的严谨关注。
诚然，无论是 ChatGPT 还是必应聊天，抑或是我们所有的协同机器人，我们所采取的方法都是全栈式的，都共享同一个模型。从某种意义上说，我们所拥有的优势之一就是我们使用的、经过我们训练的一个模型的利用率非常非常高，然后我们正在大规模地使用一个模型进行推理......而这种优势会一直渗透到内部利用和第三方利用（Azure OpenAI 服务/开源模型）。随着时间的推移，你可以看到这种堆栈优化一直持续到芯片......我认为，对我们来说，在技术堆栈和资本支出方面都要集中精力，这一点非常重要。从云计算方面吸取的教训是这样的。我们不是在经营一个由不同业务组成的企业集团。上下都是一个技术堆栈，微软的投资组合。我认为，这一点将非常重要，因为考虑到人工智能转型的支出情况，任何业务都必须遵守这一纪律。
纳德拉：我认为，如果企业不能审慎地优化 AI 业务的资本支出，他们就会遇到麻烦。
Amy Hood：如果你有一个始终如一的基础设施，从平台一直到各个层级，我们所花费的每一美元资本，如果我们根据它来优化收入，我们就会有很大的杠杆作用。
评：这段摘自电话会议各处，是我听完的最大 takeaway。CEO 和 CFO 大谈 GPU 利用率和 AI CapEx 运营杠杆的重要性：微软认为，需要用统一的模型来承接云端不同 layer 的训练和推理需求，这种规模化集成的堆栈优化能深入到（自研？）芯片层，对取得长期成本优势极为重要。这是微软从云转型习得的教训，及早建立起这样的规模优势有助于在 AI 长跑中保持灵活身段和充足后劲，毕竟前期投入巨大而变现的爆发需要时间。这里想到 @仓又加错-刘成岗 老师说的，当 CEO 负责看方向和踩油门时，CFO 要把脚放在刹车上。
已有 40% 的财富 100 强客户优先体验了微软的 Copilot 且反馈良好，这是建立在生产力显著提升上的客户粘性。虽然企业需要为每名用户支付 30 美元/月的溢价，但根据 Github Copilot 的这几年的 adoption curve，微软对此有经验、有信心也有耐心。
评：最新版 Copilot 马上就全面覆盖了，且放眼量。
$亚马逊(AMZN)$ 23Q3
在 2023 年不确定的经济形势下，企业完成交易的速度较为缓慢。但我们看到完成交易的速度和数量都在加快，过去几个月新签署交易的强劲势头令我们感到鼓舞。我们在 9 月份签署了几项新交易，生效日期在 10 月份，这些交易不会显示在第三季度的任何 GAAP 报告数字中，但这些交易的数量高于我们整个第三季度的报告交易总量。
应该说，与去年或前一年相比，我们客户的（云支出）优化缩减趋势仍在提高……但与我们在过去几个季度中看到的情况相比，它正在有意义地减弱。如果你也看看优化情况，有趣的是，并不是所有客户都决定关闭工作负载，很大一部分优化是客户利用 AWS 中增强的性价比功能来实现成本控制。
评： 企业云需求还没完全恢复，但减弱的趋势边际递减，云厂短期要帮存量客户降本。放这段讲 AWS 客户的 optimization 问题，主要是和后面 GCP 的情况对照来看。
AI 底层：我们一直在利用我们的 Tranium 和 Inferentia 芯片开发用于训练和推理的定制芯片。我们宣布领先的 LLM 制造商 anthropic 选择 AWS 作为其主要云提供商（注：Amazon 给 anthropic 投资了 40 亿美元）。我们将使用 trainium 培训和推理来构建、交易和部署未来的 LLM。我认为，anthropic 决定在 trainium 上训练他们未来的 LLM 模型并使用 Inferentia，这确实是一个声明；
评： 一手投资 anthropic 来抗衡「微软 x OpenAI」的组合，一手发力 AI 芯片自研来抵御英伟达独供的风险。对应上文微软的统一模型方法论，Amazon 也着眼于构建各层级协同的生态来实现云端 AI 的降本增效。
AI 中间层致力于打造 LLMaaS：我们最近推出了全面可用的 Amazon Bedrock ，客户可以访问来自第三方供应商的领先 LLM，例如 anthropics、stability AI、coherent AI 21 以及 Amazon 自建的 LLM（名为 Titan）。客户可以利用这些模型，使用自己的数据对其进行定制，但不会将这些数据泄露回通用 LLM 中，客户可以通过托管服务享有和在 AWS 中运行其他应用程序相同的安全性、访问控制和功能。我们已经宣布即将在 Bedrock 中添加 Meta 的 Llama 2 模型...... Bedrock 可帮助客户实现这种灵活性，使他们能够快速尝试在模型类型和大小之间切换，并使他们能够为不同工作选择正确的工具。
AI 顶层：运行 LLM 的应用程序：每个生成式人工智能编码伴侣 Amazon Code Whisper 应用程序。
评：和微软一样，在云端构建开放和自研并举的 AI 生态。除了自研芯片和大模型，也接入了领先的 LLM 和开源的 Llama，Code Whisper 我理解为 Github Copilot 的角色。
AI 也在赋能主业，包括对产品内容分发、最后一公里履约、广告投放等业务的助力。
$Meta(META)$ 23Q3
1）首先谈到了 AI 对主业的赋能：包括在广告创意自动化与定向的应用，以及作为 WhatsApp 变现方式的 business messaging 以后可逐步由 AI 助理“接单”，减轻企业的人力成本，还有对整个社区内容创作和分发的直接影响：
AI 驱动的 feeds 内容推荐对互动率的促进作用在持续扩大。仅在今年，我们就看到，由于推荐质量的改进，Facebook 上的用户活跃时长增加了 7%，Instagram 增加了 6%。
2）在底层，强调了推 Llama 2 开源模型的动因和考量：
很大程度上是因为它提高了adoption，并在行业内创建了一个标准，这通常会推动更快的创新，从而使我们受益，我们的产品也会受益，因为在安全和与安全相关的事情上会有更多的审查，所以我们认为这样做是有好处的。 有时，更多的公司运行模型或基础设施可以使其运行得更有效率，这也有助于降低我们的成本，这也是我们在开放计算中看到的。 因此，我认为随着时间的推移，这种情况很有可能发生。很明显，资本支出费用是我们成本的主要驱动因素，因此任何有助于创新的措施都会对我们的成本产生影响。
另一个原因是，随着我们在人工智能方面的努力，我们一直在努力使自己成为一个能与业界分享工作成果的地方，并能吸引许多最优秀的人才来这里工作。因此，很多人都想去他们的工作能触动大多数人的地方工作。要做到这一点，方法之一就是制造数十亿人使用的产品。
与此同时，我们产品中的很多秘诀都是在模型之上添加特定的产品逻辑，我们还能利用内部数据进一步训练模型。因此，我认为这是一个很好的平衡点，既能提高我们工作的质量，又能提高经济效益，还能改善招聘工作，同时还能让我们打造领先的产品。
3）最后，还谈到了 AI 和 Metaverse/MR 的融合：
除了人工智能，我们的另一个长期重点是元宇宙。我们推出了内置 Meta AI 的雷朋 Meta 智能眼镜。眼镜是 AI 设备的理想外形，因为它可以让您的 AI 助手看到您所看到的，听到您所听到的。
混合现实技术可以将数字对象带入物理世界，我们的 AI Studio 可以与各种不同的 AI 进行交互，而最终的智能眼镜则可以将所有这些融合到一个时尚的外形中。
评：在 META 和 Apple 的战略规划中，headset 更多是技术受限下的过渡方案，智能眼镜因符合交互直觉被视作承载 MR 可能的终极形态。而智能眼镜要想接棒智能手机成为下一代人机交互平台，以 LLM 模型为代表的高阶 AI 将是一块不可或缺的战略拼图。
谷歌 $GOOG$ 23Q3
我在 Google 的电话会议没得到太多的干货输入。和 META 一样，AI 对 Google 广告主业有着深远的影响，但广告短期应更多受益于零售业特别是 Temu 等中国广告主的增投。
市场主要诟病的云业务 GCP，其体量和领头羊 AWS 及 Azure 有明显差距，但增速拉跨：Azure 29% 的增速对比上一季度的 26% 有所加快，AWS 的增长率与第二季度持平，而谷歌的增速则从上季度的 28% 左右下降至 22%。对此，劈柴哥的解释有点语焉不详。他主要归因于客户的 cost optimization，经济走弱的预期导致客户的云支出放缓，虽然这种弱化趋势开始趋于稳定。先不说 Azure 的体量更大且增速更快，AWS 增速虽然低于 GCP，但以行业龙头的体量受到最多的宏观冲击也开始站稳脚跟。GCP 的增速降档说明它更多是跟在两位老大哥后面喝汤，还未能凭借 AI 的竞争力来抢占份额。我猜测是和客户结构有关：AWS 有先发优势和最完善的云技术生态，吸引了主流大客户和大量长尾的中小公司和初创企业；Azure 背靠微软的企业客户资源吃了很多 500 强和 MNC 的大合同；GCP 只能依靠企业分散部署云（multi-cloud）的需求分到一杯羹，以及抢一些和 Amazon、微软都有直接竞争关系的客户。这样，GCP 在宏观逆风下显得后劲不足，规模上不去又拖累成本，导致利润率只有低个位数，在盈亏边缘徘徊。
GCP 的破局之道还是要在 AI 上取得实质性突破，并和原有业务生态结合形成差异化优势。目前看 Bard 和 ChatGPT 还有差距，而 GenAI 和 WorkSpace 的协同潜力显然不如隔壁的 Office 365。Google 的当务之急，一方面是尽快完成 DeepMind 的深度整合形成即战力，另外就是通过收购来丰富 AI 的开放生态：据 CNBC 证实，Alphabet 跟随 Amazon 的步伐，已同意向 Anthropic 投资最多 20 亿美元。
苹果 $AAPL$
Apple 对新技术的布局一向高度保密，但据知名博主 Mark Gurman 的透露，公司内部对这轮 AI 狂潮更像是“后知后觉”的被动反应，而不像 MR 那般早有布局，有节奏掌控感：
但我可以明确地告诉你，苹果公司的高管们对业界突如其来的人工智能热措手不及，自去年年底以来一直在争分夺秒地弥补失去的时间。
Mark 之前也透露 Apple 在秘密开发代号为 Ajax 的内部 LLM，但以水果家的尿性，恐怕在接下来的财报会议不会对这块的进展有过多实在的披露。投资者只能保持跟踪观望了。