2024云厂商AI算力自用需求、外供竞争格局及相关产业公司梳理分析报告（36页）.pdf

1、2023 年深度行业分析研究报告 正文目录正文目录 核心观点核心观点.4 2005-2023 年复盘：云资本开支持续扩大，年复盘：云资本开支持续扩大，AI 贡献新动能贡献新动能.5 波动溯源：结构性调整与经营性平衡是重要影响因素.7 传统驱动：IaaS+PaaS+SaaS 服务贡献早期动能.12 新兴驱动：扩大资本开支成为共识，AI 算力成为新一轮建设重点.13 AI 需求需求 1：云厂商加速：云厂商加速 MaaS 布局，满足外供训练布局，满足外供训练&推理推理.16 Amazon：云计算先发者，23 年加速 AI 追赶.17 Microsoft：MaaS 转型顺利，商业化逐步落地.18 Go

2、ogle：MaaS 布局日趋完善，初创 AI 企业热门选择.19 AI 需求需求 2：大模型渗透基础业务，大厂自用需求或放量：大模型渗透基础业务，大厂自用需求或放量.21 理论：大模型落地推荐系统，具备技术可行性.22 传统架构：大模型与 CRM 的单点/多点整合，效能优化是重点.23 新兴架构：重塑范式，打造基于 Transformer 的第三代推荐系统.28 实践：Meta、Google 加速探索大模型的推荐场景落地.29 Meta：“三步走”战略明确，统一推荐系统或将 26 年落地.29 Google：生成式大模型迭代搜索算法，SGE 进展顺利.32 影响：模型变化影响算力要求，自用 G

3、PU 需求或将放量.34 相关产业公司梳理相关产业公司梳理.36 图表目录图表目录 图表 1：云 CapEx 复盘与展望：AI 推动算力建设进入新周期.4 图表 2：海外云厂商资本开支情况复盘及展望（2005-2026E）.5 图表 3：2005-2009 年海外云厂商资本开支变化情况.6 图表 4：2010-2015 年海外云厂商资本开支变化情况.6 图表 5：2016-2019 年海外云厂商资本开支变化情况.6 图表 6：2020-2023 年海外云厂商资本开支变化情况.6 图表 7：2006-2023 年海外云厂商资本开支同比增速情况及波动（同比减少）归因.7 图表 8：Amazon 资

4、本开支波动原因详解.8 图表 9：2015-2023 年 AWS 数据中心占地面积变化.8 图表 10：Microsoft 资本开支波动原因详解.9 图表 11：Google 资本开支波动原因详解.11 图表 12：Meta 资本开支波动原因详解.12 图表 13：2008-2023 年海外云厂商资本开支与全球云计算市场规模同频共振.12 图表 14：2020Q1-2024Q1 云业务收入同比增速变化.13 图表 15：公有云（IaaS+PaaS）市场规模预测（按工作负载分类）.13 图表 16：22Q2-24Q1 Microsoft 季度资本开支及环比变化.14 图表 17：22Q2-24Q

5、1 Google 季度资本开支及环比变化.14 图表 18：22Q2-24Q1 Amazon 季度资本开支及环比变化.14 图表 19：22Q2-24Q1 Meta 季度资本开支及环比变化.14 图表 20：23Q4 及 24Q1 年海外云厂商资本开支指引对比.15 图表 21：主流云厂商 MaaS 服务差异化对比.16 图表 22：云托管仍是海外企业模型服务的重要来源.17 图表 23：Amazon MaaS 服务布局.17 图表 24：Microsoft MaaS 服务布局.18 图表 25：微软 AI 业务推进情况梳理.19 图表 26：Google MaaS 服务布局.19 图表 27

6、：Google AI+应用布局.20 图表 28：Google MaaS 合作客户案例.20 图表 29：搜索/广告/推荐相关业务在大厂中的收入占比.21 图表 30：搜索/广告/推荐技术流程示意及潜在大模型融合方向.22 图表 31：大模型+推荐系统研究发展趋势及代表论文.22 图表 32：大模型与传统推荐模型可实现优势互补.23 图表 33：基于深度学习的推荐系统架构及 LLM 可应用场景.23 图表 34：LLM 在传统推荐系统各环节的典型研究成果.24 图表 35：LLM 在特征工程阶段的应用场景及研究成果概览.24 图表 36：LLM 在特征编码阶段可强化文本信息的理解.25 图表