AI浪潮下的万亿市场:彭博深度剖析生成式AI的未来图景与增长引擎
作者：微信文章1. 引言：生成式AI市场的巨大潜力
生成式人工智能（AI）和大语言模型（LLM）的应用正迅速渗透到科技行业的各个领域。这股技术浪潮不仅重塑了现有的终端市场，还催生了新的机遇。根据彭博行业研究的预测，到2032年，生成式AI市场有望创造约1.8万亿美元的收入。这相当于届时科技总支出的14%-16%。利用生成式AI的界面和工具尚处于早期阶段，但一些常见功能，如摘要生成、个性化推荐、合同审查，以及利用文本和语音提示词生成图片和视频内容，已展现出巨大潜力。
2. 市场规模与增长预测
从2023年的约930亿美元收入，到2032年的1.8万亿美元，生成式AI市场预计将实现30%的年复合增长率。这一增长潜力体现在硬件、软件、服务、广告和游戏等多个科技细分行业的销售额提升。半导体、硬件、云软件、IT服务和广告公司预计将引领这些变革。
3. 大型语言模型（LLM）发展趋势与焦点转移
焦点正从预训练模型转向推理模型。随着思维链（Chain-of-Thought）和强化学习（Reinforcement Learning）加持的推理模型日益受欢迎，大语言模型的应用范围正从基于文本的搜索扩展到各种图片、音频和视频的分析。OpenAI-微软、谷歌、Meta、DeepSeek、Anthropic和Mistral等公司正不断发布支持推理过程中的思维链推理的新大语言模型。
推理支出超越训练支出：推理支出超过训练支出的时间可能比之前的预测至少提前三年。这种调整主要是因为DeepSeek发布后，云服务巨头面临提高资本支出资产回报率的压力，开始转向重视推理的成本效率。到2032年，推理市场的规模预计将达到7,350亿美元，其中26%将与云工作负载相关，年复合增长率为38%，高于整体基础设施市场的增速。
基础模型功能趋同与成本效率：OpenAI的GPT、谷歌的Gemini、Meta的Llama、Anthropic的Claude以及DeepSeek和Mistral旗下模型的功能正趋于一致。这增加了大语言模型同质化的可能性。降低AI推理成本的必要性正在上升。各公司可能根据查询内容，混合使用来自不同提供商的大语言模型。DeepSeek R1模型的开源以及OpenAI的o1和o3等推理模型的更高准确性，可能推动更多算力分配给推理，而非大语言模型的暴力预训练。
小语言模型与端侧AI：参数较少的小模型可用于特定任务，有助于应用程序向智能体功能的长期转变。微软最新的Phi-3-medium模型性能与ChatGPT-4接近，但成本几乎为零。小语言模型对训练数据要求更低，适用于受严格监管的行业（如金融、医疗）或需要低延迟的端侧应用（如移动应用、游戏）。苹果在其Apple Intelligence中使用了自己的端侧基础模型，可以识别屏幕信息并采取行动，主要用于邮件摘要、图片编辑等任务。三星在安卓设备上使用了Gemini Nano进行端侧AI，更大的模型则使用Gemini Ultra进行云端处理。端侧AI有望推动个人电脑和智能手机的升级换代，并催生新的设备类别。
4. 硬件与基础设施：AI发展的基石
生成式AI的爆炸性需求正在推动基础设施硬件市场实现显著增长。
服务器需求与ODM厂商：AI服务器市场规模正快速扩大。2024年全球AI服务器市场规模预计将比2022年增长近一倍，达到394亿美元。AI对全球服务器收入的贡献率预计将从2021年的15%提高到20%以上。微软、谷歌等云服务提供商构建定制模型的ODM厂商（如鸿海、广达、纬创/纬颖和英业达）有望获得最大量的需求。AI服务器通常配备GPU等加速器芯片，单台价格远高于传统服务器，存在8-10倍的溢价。优化性能、功耗和散热对服务器设计构成挑战。
AI网络的重要性：InfiniBand与以太网：网络是AI基础设施的关键领域。AI架构需要独立的“后端”AI网络，支持高容量和低延迟数据流量，不同于通用的“前端”网络。InfiniBand曾是首选后端网络，2023年占后端AI网络销售的73%。然而，云计算客户正快速在以太网网络上打造AI基础设施。预计2024年至2029年后端AI相关以太网销售额将以50%的复合年增长率增长。云服务巨头对采用以太网感兴趣，部分原因在于熟悉度，也因为它有助于避免对英伟达生态系统的过度依赖。
AI处理芯片与存储芯片需求：AI的普及将推动对GPU和DRAM的需求。内存半导体和AI加速器在数据中心芯片市场的扩张中扮演重要角色，未来三到五年年增长率有望超过15%。HBM芯片作为超高速半导体对AI发展至关重要。预计HBM芯片销售额将从2023年的40亿美元增至2033年的1,300亿美元，年复合增长率高于40%。SK海力士和三星电子有望受益于HBM需求增长。边缘设备执行AI任务的需求将推动DRAM订单激增，提振三星、SK海力士和美光科技的销售。
芯片测试设备的重要性：人工智能所需的芯片性能改进速度快于小型化和先进封装，因此芯片测试设备的地位大幅提高。Teradyne和爱德万测试在这一领域具有竞争优势。质量保证对单芯片和封装芯片都至关重要。
云服务巨头的资本支出策略转向推理：云服务巨头正将资本支出重点转向推理，而不是暴力预训练。这可能推动推理时云工作负载成为生成式AI增速最快的细分市场。预计未来几年，推理支出占云服务巨头数据中心资本支出的比例将逐步上升。微软预计2025财年AI数据中心资本支出总额将超过870亿美元。苹果预计2025年资本支出将达到约150亿美元，大部分可能用于建设支持Apple Intelligence的数据中心。DeepSeek R1模型的发布以及OpenAI的o1和o3等推理模型的准确性提升，可能提高云服务巨头的变现能力。AI推理工作负载的增长有望提振传统云服务的使用，如数据库、网络安全和可观测产品。
5. 软件与应用：生产力提升的驱动力
生成式AI产品可能带来约4,460亿美元的增量收入到2032年，年复合增长率达到64%。网络安全、药物发现、AI助手和编程工作流将是主要受益者。
生成式AI智能体与Copilot的爆发：生成式AI智能体有望迎来爆发。到2032年，个人和企业在生成式AI智能体方面的支出有望达到约2,140亿美元。AI智能体（能自动完成任务的copilot）是下一代AI助手，可能推动市场进一步加速发展。生成式AI copilot和智能体市场预计将从2023年的约11亿美元增长到2032年的830亿美元，每年增长约61%。
企业软件与Copilot的应用：集成写作和编程助手将推动生成式AI智能体在企业端的部署。AI编程助手copilot正在应用软件领域崭露头角。客户服务是另一个非常适合生成式AI的领域，有望提升效率和缩短响应时间。AI copilot的采用率提高，企业可能采取订阅模式或按使用量收费。
改变中的商业模式：基于用户的软件与单点解决方案：AI智能体和copilot的兴起可能会重塑按用户数量收费的业务模式。AI驱动的生产力提高可能导致就业增长放缓，给基于用户数量的收入模式带来压力。提供单点解决方案的软件公司和缺乏规模的公司可能面临收入普遍预期风险。
可观测性：监控AI应用的性能与成本：AI应用、AI智能体和相关基础设施的增长有望提振监控需求。可观测性产品有助于提高AI应用的效率和控制成本。Datadog、Dynatrace等公司已推出LLM可观测性解决方案。
6. 各行业用例与影响
生成式AI的应用潜力遍布多个行业。
生产力提升与成本节约：AI在软件开发方面具有显著的生产力优势。例如，亚马逊的Q Developer将Java应用升级时间缩短至数小时。生成式AI也对运营和后台职能产生重大影响，能够提高生产力。Mastercard部署微软copilot后在三个用例中节省了1,200小时。
金融服务：效率与安全提升：AI正在增强金融服务的产品功能和安全措施。汇丰利用AI将分析数百万账户交易所需时间从几周缩短至几天。Mastercard的AI部署使欺诈检测平均提高20%。
电商与零售：搜索、推荐与客户体验：零售行业的AI投入高于大多数行业。生成式AI有望增加收入和利润率。AI推荐能够提高客户转化率。Wayfair的Decorify和Muse利用AR/VR推荐商品。AI增强产品照片的吸引力越来越常见。生成式AI购物助手能够回答个性化问题、推荐产品、总结评论。增强型搜索功能允许用户使用更模糊的词条找到产品。
IT与商业服务：数据相关服务与应用现代化：生成式AI产品和工具有望带来约1,110亿美元的增量收入到2032年。IT服务行业的发展可能落后于AI基础设施和软件。咨询、数据相关服务、定制应用程序开发以及新聊天机器人的创建将带来额外支出。埃森哲等咨询业务占比较高的公司预计受益更多。Salesforce的Data Cloud产品受到追捧，凸显训练LLM需要更清洁的数据。
游戏与媒体：内容创作与交互方式：生成式AI能够加快手游、社交媒体、AR/VR应用的创作过程。AI工具可能会令可用游戏数据迅速增加，包括用户自己生成的游戏数据。
医疗保健与运营效率：飞利浦发现，AI使护士处理行政事务的时间从20分钟缩短到5分钟。德国最大的医疗保险公司使用AI审核保单文件，将处理索赔时间从23-30分钟缩短到3秒。
自动驾驶与计算机视觉：自动驾驶可能是计算机视觉技术的催化剂。计算机视觉市场到2032年有望达到580亿美元。
7. 监管格局与挑战
生成式AI的可信性和内容安全性需要加强。若与AI相关的监管趋严，可能导致数据保护和加密成本上升。
欧盟的AI监管进程：欧洲在AI监管方面大幅领先美国。欧盟《AI法案》根据AI系统的风险类型进行分类。自2025年初起，通用AI模型将适用更严格的透明度规则。构成“系统性风险”的模型（如GPT-4、Gemini）将适用更高的要求。苹果推迟在欧洲发布Apple Intelligence，部分原因在于欧盟法规。欧盟《AI法案》最高可能处以年营业额7%的罚款。
美国的监管前景：美国不太可能采取激进的监管方式。国会提出的两党法案，如《国家人工智能委员会法案》，主张成立独立委员会研究AI风险并提出防范措施。更具侵入性的方案如设立专门监管机构或许可模式可能面临业界强烈反对。AI应在现有法律框架下受到监管。
版权问题与许可协议：大语言模型开发者与内容所有者之间的版权纠纷突出，最直接的解决途径是签订许可协议。数十起诉讼将考验使用受版权保护内容训练LLM是否属于“合理使用”。如果合理使用抗辩不成立，损害赔偿可能高达数百亿美元。谷歌每年向Reddit支付6,000万美元版权使用费。已签署的许可协议可能会大幅提高其他LLM公司的进入门槛。
8. 主要公司在生成式AI浪潮中的位置
生成式AI对科技行业的各个细分领域都有影响。一些公司因其市场地位和战略布局而具有优势。
微软凭借庞大的软件应用阵容和与OpenAI的密切关系，在利用生成式AI需求增长方面处于有利位置。其Azure云基础设施最有希望成为AI需求增长的主要受益者。
亚马逊的AWS有望在训练、推理和通过Bedrock服务创建新应用程序方面获得合理份额。公司也推出了CodeWhisperer等AI软件开发产品。
Adobe拥有庞大的创意专业人士用户基础，并通过Firefly创意copilot等产品充分利用生成式AI，其Adobe Stock中的基础训练内容版权是竞争优势。
Alphabet的业务布局覆盖生成式AI市场的各个领域，包括训练、推理和数字广告。公司已将Gemini应用于所有产品，包括广告定位算法、谷歌云Vertex AI和Pixel手机。
Meta拥有庞大的自有数据中心基础设施和应用数据，有能力建立自有基础LLM，并利用Llama模型改进广告定位算法，推出AI Studio等新产品。
OpenAI凭借其基础模型在企业端和消费端的采用，保持在生成式AI领域的主导地位。
Anthropic通过与亚马逊和谷歌的联盟关系，在公有云中部署其Claude模型，并获得算力用于模型训练，从而实现增长。
9. 市场表现与估值
彭博AI综合等权重指数（BAIAET Index）在2024年开局估值溢价较高，年初至今有所回调。AI主题仍然具有韧性，私募市场的融资活动活跃。AI的普及对相关领域如5G、云计算、网络安全和半导体产生影响。受AI影响的板块如美国和新兴市场的科技板块估值水平依然过高。一些半导体公司的估值倍数大幅上升，英伟达是领跑者。
10. ESG展望：能耗、知识产权与隐私
AI推理中GPU的使用将推高数据中心能耗，使节能成为优先事项。AMD的节能AI加速器芯片有望从中受益。AI使用信息的方式可能侵犯知识产权和隐私。若欧盟不对拟议监管条例进行进一步修订，开发者可能退出欧盟市场。美国监管机构可能通过限制可收集和使用的数据来防范相关危害。
11. 结论：生成式AI的未来展望
生成式AI正以前所未有的速度发展，深刻改变着各行各业。从技术层面看，焦点正从大规模预训练转向更注重效率和成本效益的推理，小语言模型和端侧AI的应用日益重要。基础设施层面，云服务巨头正大规模投资AI服务器、存储和网络，并将资本支出重点转向推理。应用层面，Copilot和AI智能体在提高生产力、优化客户服务、加速产品开发等方面展现出巨大潜力。尽管面临监管不确定性，特别是欧盟的严格法规和全球性的版权挑战，但市场的巨大机遇和企业积极的投资与应用意愿，预示着生成式AI将在未来十年继续引领科技和商业的变革浪潮。
免责声明
本文是根据您提供的彭博报告节选生成的技术分析文章。文章内容仅基于这些特定来源提供的信息，可能不包含所有相关数据、预测或背景信息。文中所引用的数据、预测和观点均来自原始报告，仅供参考。本文不构成任何投资建议或金融决策依据。您应独立验证本文之外的信息，并在必要时咨询专业意见。生成式AI市场受多种因素影响，预测存在不确定性。
报告来源：Bloomberg Intelligence (彭博行业研究)本文由「华尔街俱乐部」推荐，敬请关注公众号: wallstreetclub声明：本文仅代表作者个人观点，不构成投资意见，并不代表本平台立场。文中的论述和观点，敬请读者注意判断。
版权声明：「华尔街俱乐部」除发布原创市场投研报告外，亦致力于优秀财经文章的交流分享。部分文章、图片和资料来自网络，版权归原创。推送时未能及时与原作者取得联系。若涉及版权问题，敬请原作者添加WSCHELP微信联系删除。谢谢授权使用！
关于我们
华尔街俱乐部凝聚华尔街投行的高端资源，为中国民营企业“走出去”提供全方位的顾问服务，包括企业赴美上市、战略投资、并购、私募路演和投资者关系等。在投资理念和技术方面提供华尔街投行专家实战培训，为您进入华尔街铺设成功之路。联系我们：ecompo@mail.com
页:
[1]