$微软(MSFT)$ $Snowflake(SNOW)$ $英伟达(NVDA)$
我们都知道，不能商业化的新技术都是耍流氓。那随着财报季的结束，我们尝试着对过去一年/四季度各家公司关于AI商业化的表述进行了整理，尝试追踪AI的商业化进程。
定义
目前主要收录了有明确AI相关收入的表述，并包含一些较为武断的假设，出于对一些公司的不了解或者没有覆盖，或会有一些错误或者遗漏，欢迎大家指出或者给出建议以及思路探讨，之后会对于这一主题进行系列跟踪。总的来说，AI monetization主要可以分为以下几层：
1.基础设施层
这一层主要包括提供AI计算能力和存储的云计算厂商，主要通过向客户提供GPU、TPU等算力资源和存储空间来获得收入。
代表厂商包括微软Azure，Google cloud，亚马逊AWS，Oracle，以及Palantir目前在这方面也有所涉及（帮助客户host大模型）。
2.数据处理和管理层
AI在训练，优化，及商业应用中都需要处理大量的数据，这一层的公司主要负责提供数据处理、存储和管理服务。
代表公司有Snowflake，MongoDB，Databricks等。
3.算法和模型层
开发底层AI算法和大型语言模型的公司,如OpenAI、Anthropic等，通过订阅制使用其模型来获得收入，或作为API接入下游应用。随着他们的模型越来越强大,应用场景不断拓展,商业化前景可期。
4.应用和解决方案层(2B)
这一层最贴近终端用户，专注于将AI技术应用到特定场景，提供端到端解决方案的公司，可以细分为2B及2C。
- 2B方面如微软的Copilot、Salesforce的Einstein等。通过销售软件许可或提供订阅服务来盈利。
AI赋能的应用越实用,客户就越愿意买单。也有一些公司专注于利用AI解决特定行业的问题,如金融、医疗、教育等，这需要更深入的行业知识和数据积累，同时他们可以通过为行业客户定制AI解决方案、提供咨询服务等方式来盈利。
- 2C方面，在大模型出来之前就存在智能助手（苹果siri，亚马逊alexa等），内容推荐（千人千面广告，视频推荐），镶嵌一定AI技术的智能设备（音箱，扫地机器人等），GenAI之后开始火热的各类内容制作工具，以及在教育/娱乐方面的应用。
跟踪
从各层面的具体商业化情况来看:
1.基础设施层
- 云厂商已经开始从AI中获得直接收益，微软在过去3个季度中分别有1%/3%/6%的Azure收入与AI相关，总计2023年AI相关收入达到15-18亿美金左右，其中4季度在11亿美金附近，年化45亿美金。
（若扣除1/4收入来自legacy ML、Cognitive相关业务，那么GenAI相关收入四季度在7-8亿美金之间，但并没有包含OpenAI训练所用的算力资源，基本都是推理相关的收入）
- Google并没有在财报中提及AI相关的具体收入，仅提到”greater than 70% of gen AI unicorns are using Google Cloud.“ 亚马逊AWS的CEO也表示GenAI收入增长迅速，但目前仍较小。考虑到两者back的Gemini以及Anthropic所得到的关注度及订阅量与OpenAI仍有一定差距，以及MSFT的先发优势，估计两家AI inference四季度相关收入或不超过1-2亿美金。
- 另外Oracle在AI相关方面的布局主要是使用之前从NV买的卡做IAAS转租赁，最近两个季度公司表明AI startups已经跟公司签署了价值20亿美元的OCI订单承诺合同，但受到芯片供给的constraint收入放量较慢，随着NV芯片的供给情况改善，此后有望爆发。目前相关收入也主要集中于训练端。此外Oracle也投资了Cohere，也会有相关的training及reference需求撬动AI相关收入。
2.数据处理层
此前一直以为MDB，SNOW，Databricks将会是除云之外最早受益于AI的软件公司，这个想法没有错，但并没有想清楚这几个公司在AI中具体所处的环节。这次MDB在最新的业绩会中明确提到了大模型领域的三个层面：
i）底层计算和大语言模型的训练
ii）模型微调，fine-tune及人工智能应用的构建
iii）应用在底层计算和模型训练方面
Databricks凭借其在分布式计算、大数据处理以及与主流开源机器学习框架的无缝集成,具有明显的优势。Databricks基于Apache Spark构建，能够处理海量数据并进行大规模模型训练，其MLflow平台可以有效管理机器学习实验，跟踪和比较不同模型版本的性能。相比之下，Snowflake和MDB在这一层面的能力相对有限。
在模型微调和应用构建方面,三家公司各有侧重。Databricks的MLflow可以方便地管理fine-tune实验，记录和比较不同超参数组合的效果。Snowflake最近推出了Snowpark，支持在其平台上使用Python等语言进行数据处理和模型fine-tune。MDB的业务主要与这一层面和应用层面相关,提供了各种工具和服务帮助用户构建AI应用。
在应用层面，Snowflake凭借其强大的数据仓库能力，在支持数据密集型AI应用方面具有优势。Snowflake能够存储、管理和查询海量结构化和半结构化数据，方便模型获取和处理数据。
MDB则专注于提供用户友好的界面和工具,帮助用户快速构建和部署AI应用,尤其适合企业级客户。
Databricks的MLflow Model Registry可以方便地存储、管理和部署训练好的模型,但在应用层面的能力相对弱一些。
总结来说，Databricks会明显受益于AI training，而SNOW和MDB则更多地与模型微调和应用层面相关，SNOW接下来会不断补足产品的不足，希望能参与到训练层面中，但目前来看，SNOW和MDB仍然属于consumption-based SaaS，更贴近应用层面，可以作为观测应用商业化，推理需求的leading indicator。
具体变现方面：
- MDB公司CEO认为大规模部署人工智能应用，商业化还需要至少一年时间。Snowflake看好AI前景,但认为目前AI相关收入还很少，主要是成本投入阶段，业务变现还需时日。两家公司收入规模并不大，最近一财年分别为17/28亿美金，拆分到每个季度为5-8亿美金的体量，在这种情况下公司也没有给出AI的影响及指引，具体的数字或在小几个百分点以内，甚至更低，乐观估计也是不超过一千万美金的体量。
- Databricks 2022年收入在1-1.1bn，增速60%+，2023年收入1.6bn，增速55%左右，2024年增速会加速到60%+。收入增速的加速贡献或主要与GenAI训练需求有关，传统业务如果再保持一部分自然回落，则2024年GenAI相关收入贡献或会达到2亿美金往上。
3.模型层面
- OpenAI在23年8月底/10月/11月/12月分别达到年化10亿/13亿/16亿/20亿美金收入的milestone，23年整体收入或在10亿美金左右。收入结构方面，其中有twitter大佬提到有30-40%来自ChatGPT，API占比在60%+。
- Anthropic23年收入在几千万美金，23年底达到年化2亿美金收入milestone，公司的目标是2024年年底达到年化8.5亿美金收入的milestone。
4.应用层面
4.1 2B层面
- GitHub Copilot平均定价20美金/月/人，在去年11月宣布达到年化1亿美金收入的milestone，但WSJ有报告指出每个用户的成本远高于20美金，部分用户成本甚至高于80美金/月。考虑到GitLab的收入及用户规模不及GitHub的二分之一，同时GitLab Copilot推出时间更迟，商业化或远慢于GitHub Copilot，年化收入或在小几千万以内。
- Office Copilot方面，产品的推出以及商业化一直以来都不太理想，投资者的预期也在不断延后。一种估计方式是，微软曾表示Copilot的adoption比此前同期M365 E3/E5要更高，FYI，关于E3/E5 adoption最近的data point是在产品推出近6年后的2021年6月，公司曾提到渗透率在8%，这可能意味着目前已推出一年的Office Copilot的渗透率在1%附近或不到，其中还包含了大量尝鲜试用的用户。如果渗透率在0.5%-1%之间，对应4亿用户，30美金/月/人，年化7-14亿美金。
另一种估计方式则是从最近几个季度的财报指引出发，Office 365 commerical每个季度收入在80-90亿美金之间，最近2个季度的增速以及下个季度指引分别为+17% / +16% / +15%，下降趋势不改，或也意味着Copilot的对收入的贡献目前仍不大，不超过1-2%（年化4-8亿美金），2023年全年收入贡献或在1-2亿美金之内。
- 其他的如Salesforce、Adobe、ServiceNow等公司也在产品中嵌入AI功能，但直接的变现仍有限，公司也未披露相关数字。而AI导致软件公司人均许可减少的隐忧也有待观察。
4.2 2C层面
目前主要集中于一级市场的一些创业项目，未进行统计，欢迎对一级了解的朋友们提供相关insights。
总计2023年产生AI相关收入（主要为推理口径）在30亿美金附近，大头来自OpenAI的double counting（在模型层以及Azure层面双重计算）。
结语
以上的统计也只是基于公开信息的管中窥豹，当然，还有非常多的非上市企业和初创公司摸索着变现的方式，亦或者在不能完全公开的场景例如军用等或已经发挥着不小的作用。
未来，我们会持续不断的跟踪商业化的变化，相信就在不久的将来。
