為什 么要重視人工智能的規(guī)模優(yōu)勢(shì)

1、內(nèi)容目錄 HYPERLINK l _TOC_250005 AI 天然具有規(guī)模優(yōu)勢(shì) 3 HYPERLINK l _TOC_250004 具有規(guī)模優(yōu)勢(shì)的行業(yè)是牛股誕生的搖籃 5 HYPERLINK l _TOC_250003 云計(jì)算天然具有規(guī)模優(yōu)勢(shì)，頭部廠商集中度逐年提升 5 HYPERLINK l _TOC_250002 消費(fèi)、服務(wù)龍頭依托規(guī)模優(yōu)勢(shì)降低生產(chǎn)成本，樹立品牌價(jià)值 14 HYPERLINK l _TOC_250001 投資建議 20 HYPERLINK l _TOC_250000 風(fēng)險(xiǎn)提示 20圖表目錄圖表 1：AI 頂級(jí)國(guó)際會(huì)議近 5 年引用量排名前十的論文 3圖表 2：AI、機(jī)器學(xué)

2、習(xí)、深度學(xué)習(xí)等概念的關(guān)系 4圖表 3：數(shù)據(jù)積累和服務(wù)的幾個(gè)階段 4圖表 4：深度學(xué)習(xí)算法的精度隨著數(shù)據(jù)量的增加而提升 5圖表 5：亞馬遜的綜合毛利率、凈利率隨著 AWS 業(yè)務(wù)放量而穩(wěn)步提升（2013-2020 年） 6圖表 6：AWS 年收入增加 100 億美元所需要的的時(shí)間越來越短（ 2006 年-2020 年） 6圖表 7：云基礎(chǔ)架構(gòu)和平臺(tái)服務(wù)魔力象限（ 2020 年） 7圖表 8：亞馬遜為支持 AWS 業(yè)務(wù)持續(xù)增加資本開支（ 2015-2020 年） 7圖表 9：AWS 每年持續(xù)創(chuàng)新以匹配規(guī)模持續(xù)擴(kuò)張（單位：個(gè)， 2011-2019 年） 7圖表 10：AWS 折舊攤銷占收入比例持續(xù)下降

3、（ 2013-2020 年） 8圖表 11：全球云計(jì)算份額（2015-2020 年） 8圖表 12：全球云計(jì)算份額持續(xù)呈現(xiàn)頭部集中態(tài)勢(shì)（ 2015-2020 年） 9圖表 13：亞馬遜股價(jià)表現(xiàn)強(qiáng)勁（ 2013.01-2021.05） 9圖表 14：Salesforce 的發(fā)展歷程 10圖表 15：Salesforce 的營(yíng)收（單位：億美元， 2006-2021 年） 11圖表 16：Salesforce 的遞延收入-流動(dòng)負(fù)債（單位：億美元， 2006-2020 年） 11圖表 17：Salesforce 資產(chǎn)負(fù)債結(jié)構(gòu)顯著改善（ 2011-2021 年） 12圖表 18：Salesforce 轉(zhuǎn)

4、云期間的股價(jià)表現(xiàn)（2004-2021 年） 12圖表 19：廣聯(lián)達(dá)云轉(zhuǎn)型過程中預(yù)收賬款（合同負(fù)責(zé)）快速增長(zhǎng)（單位：元， 2015-2021Q1） 13圖表 20：廣聯(lián)達(dá)經(jīng)營(yíng)性凈現(xiàn)金流表現(xiàn)出色（單位：元， 2015-2021Q1） 13圖表 21：廣聯(lián)達(dá)轉(zhuǎn)云期間的股價(jià)表現(xiàn)（ 2015-2021 年） 14圖表 22：星巴克全球門店數(shù)（ 2011-2020 年） 15圖表 23：門店持續(xù)擴(kuò)張帶來星巴克的綜合毛利率穩(wěn)步走高（ 2011-2020 年） 15圖表 24：ICE 咖啡期貨價(jià)格波動(dòng)較大（2010-2021 年，月線，單位：美分/磅） 16圖表 25：星巴克歸母凈利潤(rùn)相比原材料咖啡豆的價(jià)格波

5、動(dòng)表現(xiàn)更加穩(wěn)定（ 2011-2020 年） 16圖表 26：星巴克股價(jià)表現(xiàn)（2010-2021 年） 17圖表 27：愛爾眼科營(yíng)業(yè)收入數(shù)據(jù)（單位：元， 2015-2021Q1） 18圖表 28：愛爾眼科經(jīng)營(yíng)性凈現(xiàn)金流數(shù)據(jù)（單位：元， 2015-2021Q1） 18圖表 29：愛爾眼科銷售期間費(fèi)用率（ 2011-2020 年） 19圖表 30：愛爾眼科人力投入回報(bào)率（ 2012-2020 年） 19 HYPERLINK / P.2圖表 31：愛爾眼科股價(jià)走勢(shì)（ 2009-2021 年） 20AI 天然具有規(guī)模優(yōu)勢(shì)當(dāng)前 AI 技術(shù)以深度學(xué)習(xí)算法為核心，基于神經(jīng)網(wǎng)絡(luò)的主流算法難以實(shí)現(xiàn)通用的智能化，細(xì)

6、分場(chǎng)景落地時(shí)需要結(jié)合行業(yè) Know-how、客戶需求痛點(diǎn)以及數(shù)據(jù)，可以產(chǎn)生實(shí)質(zhì)性價(jià)值。根據(jù)企鵝號(hào) FMI 團(tuán)團(tuán) 2021 年 5 月 6 日的信息，知名外媒Towards Data Science按照谷歌引用次數(shù)這個(gè)指標(biāo)，統(tǒng)計(jì)了近五年來發(fā)表在各大國(guó)際頂級(jí)會(huì)議（如 NeurIPS、 AAAI、ACL，ICML、EMNLP 等）上引用量排名前十的論文。我們發(fā)現(xiàn)，深度學(xué)習(xí)、基于NN（Neural Network，神經(jīng)網(wǎng)絡(luò)）的框架依然是學(xué)界主流。根據(jù)通用近似定理（UniversalApproximation Theorem），神經(jīng)網(wǎng)絡(luò)的計(jì)算能力可以近似一個(gè)給定的連續(xù)函數(shù)，但是沒有給出如何找到這個(gè)網(wǎng)絡(luò)以

7、及是否是最優(yōu)解，實(shí)際中往往通過經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化和正則化原則進(jìn)行參數(shù)學(xué)習(xí)，由于神經(jīng)網(wǎng)絡(luò)強(qiáng)大的計(jì)算能力，容易產(chǎn)生在訓(xùn)練集上的過度擬合，使得算法難以產(chǎn)生較強(qiáng)的通用性。目前我們應(yīng)用的安防監(jiān)控、自動(dòng)駕駛、語(yǔ)音識(shí)別、地圖導(dǎo)航等場(chǎng)景都是深度學(xué)習(xí) AI 技術(shù)在圖像視覺、語(yǔ)音識(shí)別、自然語(yǔ)言理解等領(lǐng)域的應(yīng)用，在各個(gè)細(xì)分場(chǎng)景落地時(shí)都需要結(jié)合所在行業(yè)的 Know-how、客戶的需求痛點(diǎn)以及客戶的真實(shí)數(shù)據(jù)，才能產(chǎn)生落地應(yīng)用的價(jià)值，通用的人工智能從當(dāng)前來看依然存在較大的現(xiàn)實(shí)差距。海康威視高級(jí)副總裁徐習(xí)明曾于 2018 年對(duì)這一論調(diào)曾發(fā)表過評(píng)論，今天的人工智能還是一種弱人工智能，基于深度學(xué)習(xí)的算法精度會(huì)無限逼近 100%，但

8、永遠(yuǎn)無法達(dá)到。隨著準(zhǔn)確率提升，最后競(jìng)爭(zhēng)的更多是場(chǎng)景落地能力。2021 年 5 月 29 日，騰訊副總裁、騰訊 AI Lab 和 Robotics X 實(shí)驗(yàn)室主任張正友在接受新京報(bào)記者采訪時(shí)表示，強(qiáng)人工智能之路很漫長(zhǎng)，需要找到新算法新技術(shù)。當(dāng)前的 AI 是場(chǎng)景化的 AI。圖表 1：AI 頂級(jí)國(guó)際會(huì)議近 5 年引用量排名前十的論文名次論文題目核心思想描述了一種新型的隨機(jī)梯度下降優(yōu)化算法（Adam），顯著提高了神經(jīng)網(wǎng)Adam: A Method for Stochastic OptimizationBatch Normalization: Accelerating Deep Network Trai

9、ning by Reducing Internal Covariate ShiftFaster R-CNN: tow ards real-time object detection with region proposal networksAttention is all you needNeural Machine Translation by Jointly Learning to Align and TranslateHuman-level control through deep reinforcementlearning絡(luò)的快速收斂率，在所有模型訓(xùn)練中具有普遍的適用性通過對(duì)輸入特征進(jìn)

10、行歸一化的方法，使神經(jīng)網(wǎng)絡(luò)訓(xùn)練更快，更穩(wěn)定。提出用于目標(biāo)檢測(cè)的高效端到端卷積神經(jīng)網(wǎng)絡(luò)，包括圖像和視頻。提出了一種有效的神經(jīng)網(wǎng)絡(luò) Transformer，它基于注意機(jī)制在機(jī)器翻譯中取得了優(yōu)異的性能。首次提出將帶有注意力機(jī)制的神經(jīng)網(wǎng)絡(luò)應(yīng)用于機(jī)器翻譯。注意表征的是特定詞，而不是整個(gè)句子。提出了一種強(qiáng)化學(xué)習(xí)算法 Deep Q-Learning，簡(jiǎn)稱 DQN，它幾乎在所有游戲上超越了之前的強(qiáng)化學(xué)習(xí)方法，并在大部分 Atari 游戲中表現(xiàn)的比人類更好AlphaGo 基于深度強(qiáng)化學(xué)習(xí)算法提出了一種新的計(jì)算圍棋的方法，該方法Mastering the game of Go w ith deep neural

11、networks and tree searchUnsupervised Representation Learning w ith Deep Convolutional Generative Adversarial Netw orksSemi-SupervisedClassificationwithGraph Convolutional Netw orksExplaining and Harnessing Adversarial Examples使用價(jià)值網(wǎng)絡(luò)評(píng)估棋子的位臵，使用策略網(wǎng)絡(luò)選擇落子點(diǎn)，通過將兩種網(wǎng)絡(luò)與蒙特卡羅搜索樹（MCTS）相結(jié)合所形成的搜索算法，能夠使 AlphaGo 達(dá)到

12、99.8的獲勝率。提出了一種深度 CNN 結(jié)構(gòu) DCGAN，在圖像生成上獲得了前所未有的效果證明了圖卷積網(wǎng)絡(luò)（GCN） 在半監(jiān)督節(jié)點(diǎn)分類任務(wù)中性能優(yōu)越快速生成神經(jīng)網(wǎng)絡(luò)對(duì)抗性示例的方法，并引入了對(duì)抗性訓(xùn)練作為正則化技術(shù) HYPERLINK / P.3資料來源：企鵝號(hào)FMI 團(tuán)團(tuán)，Towards Data Science，圖表 2：AI、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等概念的關(guān)系資料來源：Yuxi LiDeep Reinforcement Learning，郭子義知乎，AI 所需數(shù)據(jù)并非外部海量互聯(lián)網(wǎng)數(shù)據(jù)所能解決，很多場(chǎng)景甚至沒有存量可用的數(shù)據(jù)，通過深入客戶場(chǎng)景、借助算法標(biāo)注、挖掘，方可獲取有價(jià)值的結(jié)構(gòu)化數(shù)據(jù)

13、。由于 AI 算法需要和行業(yè)、場(chǎng)景相結(jié)合，否則就是garbage in，garbage out，因此目前呈現(xiàn)爆發(fā)式增長(zhǎng)的外部互聯(lián)網(wǎng)數(shù)據(jù)并不能很好地作為 AI 模型訓(xùn)練的輸入數(shù)據(jù)，或者說 AI 所需要的大數(shù)據(jù)往往來源于生產(chǎn)和服務(wù)過程中的副產(chǎn)品，但在價(jià)值上卻往往超過了為了特定目的專門采集的數(shù)據(jù)。在部分工業(yè)領(lǐng)域，由于過去智能化程度偏低，并沒有太多具有挖掘價(jià)值的存量數(shù)據(jù)可以利用，需要 AI 企業(yè)深入客戶的場(chǎng)景，通過 AI 算法進(jìn)行數(shù)據(jù)特征的標(biāo)注、潛在信息的挖掘，才能形成具有價(jià)值的數(shù)據(jù)，發(fā)現(xiàn)產(chǎn)業(yè)背后新的規(guī)律。同時(shí)，AI 系統(tǒng)的成功取決于所輸入數(shù)據(jù)的相關(guān)性和準(zhǔn)確性，否則無監(jiān)督的學(xué)習(xí)訓(xùn)練可能產(chǎn)出良莠不齊的模

14、型。正如前文所述，以深度神經(jīng)網(wǎng)絡(luò)為核心的機(jī)器學(xué)習(xí)決定了對(duì) AI 數(shù)據(jù)的饑渴將在一段時(shí)間內(nèi)始終伴隨 AI 行業(yè)的發(fā)展，同時(shí)我們從產(chǎn)業(yè)化與工程化的邏輯視角來看，今天企業(yè)想要打造出用戶滿意的 AI 產(chǎn)品，可能購(gòu)買的通用型面粉已經(jīng)不能滿足挑剔的用戶，企業(yè)得學(xué)會(huì)自己耕種數(shù)據(jù)的沃土，這就給了卡位細(xì)分行業(yè)的 AI 公司很好的產(chǎn)業(yè)機(jī)會(huì)。圖表 3：數(shù)據(jù)積累和服務(wù)的幾個(gè)階段資料來源：腦極體企鵝號(hào)， HYPERLINK / P.4AI 在場(chǎng)景的賦能所帶來的價(jià)值是逐步深入的，需要和客戶一起長(zhǎng)期打磨，產(chǎn)品逐步從可用 到 好 用 。 谷歌 大 腦 之父吳恩達(dá)提出 一個(gè) AI 的 理解公式： AI=CODE(model/a

15、lgorithm)+DATA，從這里我們可以看到模型不是一次性構(gòu)建的，需要持續(xù)學(xué)習(xí)，通過收集行為數(shù)據(jù)收集反饋數(shù)據(jù)-模型訓(xùn)練模型應(yīng)用全流程提升業(yè)務(wù)效果，避免傳統(tǒng)模型的效果隨著時(shí)間衰減的弊端。而行業(yè) Know-how、數(shù)據(jù)的持續(xù)積累對(duì) AI 算法大有裨益。根據(jù)百度公眾號(hào)科技叨客 2021 年5 月 13 日的信息，谷歌首席架構(gòu)師、谷歌人工智能團(tuán)隊(duì)谷歌大腦的負(fù)責(zé)人 Jeff Dean 曾表達(dá)過，隨著數(shù)據(jù)規(guī)模的不斷擴(kuò)大,未來深度學(xué)習(xí)算法的精度也將不斷提升。因此，AI 所能帶來的價(jià)值與數(shù)據(jù)量的增加有正向關(guān)性，需要客戶不斷輸出知識(shí)反哺 AI 模型，反復(fù)迭代算法，從而使得產(chǎn)品從可用逐步進(jìn)化到好用狀態(tài)。例如廣

16、聯(lián)達(dá)與海康威視合作打造智慧工地，對(duì)人-物-車進(jìn)行智慧管理，未來有望實(shí)現(xiàn)現(xiàn)場(chǎng)施工數(shù)據(jù)與 BIM 技術(shù)的融合，實(shí)現(xiàn)以場(chǎng)景化應(yīng)用、精細(xì)化管理、數(shù)據(jù)化決策為核心理念的 BIM 應(yīng)用助力數(shù)字時(shí)代下的企業(yè)數(shù)字化轉(zhuǎn)型，實(shí)現(xiàn)施工過程的數(shù)字化全流程管理。我們認(rèn)為，在 AI 細(xì)分賽道有卡位優(yōu)勢(shì)、有場(chǎng)景和數(shù)據(jù)積累的公司有望持續(xù)領(lǐng)跑，從而進(jìn)一步提升規(guī)模效應(yīng)。圖表 4：深度學(xué)習(xí)算法的精度隨著數(shù)據(jù)量的增加而提升資料來源：科技叨客百度公眾號(hào)，AI 的規(guī)模優(yōu)勢(shì)帶來頭部企業(yè)長(zhǎng)期的競(jìng)爭(zhēng)優(yōu)勢(shì)，細(xì)分行業(yè)集中度提升。正如前文所述，當(dāng)前的AI是場(chǎng)景化的AI，同一個(gè)賽道的兩家 AI公司的客戶都會(huì)持續(xù)提供know-how反哺，推動(dòng)模型迭代，

17、但是客戶資源更多、卡位優(yōu)勢(shì)更好的企業(yè)（假設(shè)簡(jiǎn)稱A 企業(yè)）拿到的行業(yè) know-how 會(huì)更深，迭代出來的功能模塊更豐富，并且積累的客戶數(shù)據(jù)量會(huì)更大。隨著時(shí)間的推移，A 企業(yè)的產(chǎn)品將更具有競(jìng)爭(zhēng)力（一方面模塊更多，一方面和對(duì)手同樣的模塊迭代出來的效果會(huì)更好），進(jìn)一步搶占市場(chǎng)份額，使得其對(duì)手逐步失去客戶從而失去產(chǎn)品迭代的機(jī)會(huì)，為 A 企業(yè)帶來長(zhǎng)期的競(jìng)爭(zhēng)優(yōu)勢(shì)，賽道也將呈現(xiàn)頭部集中的態(tài)勢(shì)。具有規(guī)模優(yōu)勢(shì)的行業(yè)是牛股誕生的搖籃云計(jì)算天然具有規(guī)模優(yōu)勢(shì)，頭部廠商集中度逐年提升云計(jì)算 IaaS 行業(yè)規(guī)模優(yōu)勢(shì)明顯。云計(jì)算的本質(zhì)是以互聯(lián)網(wǎng)為中心，建立快速安全的計(jì)算和存儲(chǔ)服務(wù)，并具有強(qiáng)大的可擴(kuò)展性，從而使客戶方便地使用

18、云端的計(jì)算資源與數(shù)據(jù) HYPERLINK / P.5中心，無須自身購(gòu)買硬件設(shè)備，這一商業(yè)本質(zhì)使得云計(jì)算行業(yè)天然具有規(guī)模優(yōu)勢(shì)。我們以全球云計(jì)算巨頭亞馬遜旗下的 AWS 為例，其收入從 2013 年的約 31.08 億美元持續(xù)增長(zhǎng)至 2020 年的 453.7 億美元，七年收入 CAGR 高達(dá)約 46.7%，隨著業(yè)務(wù)的持續(xù)增長(zhǎng)，云計(jì)算業(yè)務(wù)持續(xù)產(chǎn)生規(guī)模效應(yīng)，公司綜合毛利率從 2013 年的 27.2%穩(wěn)步提升至 2020年的 39.6%，同期凈利率從 0.4%提升至 5.5%，AWS 業(yè)務(wù)收入占亞馬遜的收入比例從4.2%提升至 11.8%，為支持 AWS 業(yè)務(wù)的發(fā)展，公司的資本開支也保持了持續(xù)增長(zhǎng)，

19、從2015 年 34 億美元增長(zhǎng)至 2020 年的 350 億美元，巨額資本開支也為行業(yè)構(gòu)筑了極高的進(jìn)入壁壘。2020 年 12 月的 AWS re:Invent2020 大會(huì)上，AWS 發(fā)布的 AuroraServerless V2 可以在不到 1 秒的時(shí)間內(nèi)實(shí)時(shí)擴(kuò)容至支持幾十萬個(gè)數(shù)據(jù)處理事務(wù)，提供商業(yè)數(shù)據(jù)庫(kù)的性能，但是成本只有其 1/10，在具備高性能的同時(shí)給企業(yè)帶來云數(shù)據(jù)庫(kù)使用成本的大幅下降。例如根據(jù)云頭條 2019 年 8 月 7 日新聞，美國(guó)笛卡爾實(shí)驗(yàn)室通過 AWS 服務(wù)僅使用 5,000 美元就打造了傳統(tǒng)硬件條件下需要 2,000 萬3,000 萬美元開支的超級(jí)計(jì)算機(jī)，并于 201

20、9 年 6 月位列全球超級(jí)計(jì)算機(jī)第 136 名。為匹配持續(xù)增長(zhǎng)的云計(jì)算規(guī)模，AWS創(chuàng)新速度也逐年加快，其每年推出的重要功能和服務(wù)從 2011 年僅 80 多個(gè)增長(zhǎng)至 2019年的 2,345 個(gè)。2021 年 1 月 28 日，AWS 還宣布已提供實(shí)例類型接近 400 種（實(shí)例是 AWS 提出的一個(gè)云計(jì)算基本概念，通俗來說也叫云服務(wù)器、虛擬服務(wù)器等，相當(dāng)于傳統(tǒng)意義上一家提供 400 種服務(wù)器型號(hào)的服務(wù)器廠商），為客戶提供靈活多樣的選擇。隨著 AWS 規(guī)模的持續(xù)擴(kuò)張，設(shè)備土地等資產(chǎn)帶來的折舊和攤銷占比呈現(xiàn)持續(xù)下降態(tài)勢(shì)，從 2013 年的 31%大幅下降至 2020 年的 16.8%，進(jìn)一步顯示了

21、行業(yè)的規(guī)模優(yōu)勢(shì)。圖表 5：亞馬遜的綜合毛利率、凈利率隨著AWS 業(yè)務(wù)放量而穩(wěn)步提升（2013-2020 年）AWS收入（百萬美元）公司綜合毛利率公司凈利率50,00045,37045%45,00040,00035,00030,00025,00020,00015,000 27.2% 29.5% 33.0% 35.1% 12,219 37.1% 17,439 40.3% 41.0%35,02625,655 39.6% 40%35%30%25%20%15%10%10,0005,00003,108 0.4% 4,644 -0.3% 7,880 0.6% 1.7% 1.7% 4.3% 4.1% 5.5%

22、5%0%-5%20132014201520162017201820192020資料來源：亞馬遜歷年年報(bào)，Wind，圖表 6：AWS 年收入增加 100 億美元所需要的的時(shí)間越來越短（2006 年-2020 年） HYPERLINK / P.6資料來源：AWS re:Invent 2020 大會(huì)，圖表 7：云基礎(chǔ)架構(gòu)和平臺(tái)服務(wù)魔力象限（2020 年）資料來源：Gartner，前瞻產(chǎn)業(yè)研究院，圖表 8：亞馬遜為支持AWS 業(yè)務(wù)持續(xù)增加資本開支（2015-2020 年）4035302520151050201320142015資本支出（十億美元）3512.710.111.33.44.94.66.720

23、162017201820192020資料來源：亞馬遜歷年年報(bào)，圖表 9：AWS 每年持續(xù)創(chuàng)新以匹配規(guī)模持續(xù)擴(kuò)張（單位：個(gè)，2011-2019 年）2500發(fā)布重要服務(wù)和功能的數(shù)量2345195714301017722516801602802000150010005000201120122013201420152016201720182019 HYPERLINK / P.7資料來源：AWS re:Invent 大會(huì)，圖表 10：AWS 折舊攤銷占收入比例持續(xù)下降（2013-2020 年）折舊攤銷占當(dāng)年收入比例（AWS板塊） 36.0% 32.7% 31.0% 28.3% 25.9% 23.8%

24、23.3% 16.8%折舊攤銷占當(dāng)年收入比例（AWS板塊）40%35%30%25%20%15%10%20132014201520162017201820192020資料來源：亞馬遜歷年年報(bào)，云計(jì)算市場(chǎng)集中度持續(xù)提升。根據(jù) Gartner 數(shù)據(jù)，2015-2020 年，AWS 云計(jì)算份額連續(xù)保持全球第一，雖然 2017 年起份額略有下降，但是依然保持了相對(duì)第二名微軟 Azure較大的優(yōu)勢(shì)，同時(shí)全球四大云計(jì)算巨頭的份額之和呈現(xiàn)出不斷提升的態(tài)勢(shì)，從 2015 年的 48.8%提升至 2020 年的 76.1%，規(guī)模優(yōu)勢(shì)明顯，巨頭們強(qiáng)者恒強(qiáng)。圖表 11：全球云計(jì)算份額（2015-2020 年）其他谷歌

25、Cloud阿里云AzureAWS5.3%7.7% 9.1% 1.8% 5.8% 3.0% 7.1%12.7%15.6%17.9%19.7% 49.4% 47.9% 39.7% 44.1% 45.0% 40.8%9.5%100%90%80%70%60%50%40%30%20%10%0%201520162017201820192020 HYPERLINK / P.8資料來源：Gartner，圖表 12：全球云計(jì)算份額持續(xù)呈現(xiàn)頭部集中態(tài)勢(shì)（2015-2020 年）100%90%80%70%60%50%40%30%20%10%0%2015其他70.7%75.3%77.3%76.1%48.8%56.5%

26、20162017四大云計(jì)算巨頭份額之和201820192020資料來源：Gartner，圖表 13：亞馬遜股價(jià)表現(xiàn)強(qiáng)勁（2013.01-2021.05） HYPERLINK / P.9資料來源：Wind， HYPERLINK / P.10SaaS 領(lǐng)域具有更強(qiáng)的細(xì)分行業(yè) Know-how，形成對(duì)后進(jìn)入者的壁壘，SaaS 領(lǐng)域的規(guī)模優(yōu)勢(shì)非常明顯。企業(yè)級(jí) SaaS 應(yīng)用誕生于美國(guó)，至今已發(fā)展超二十年，涌現(xiàn)出大批 SaaS領(lǐng)域的世界巨頭，比如最早提出 SaaS 取代傳統(tǒng)軟件 License 模式的 CRM 領(lǐng)域 SaaS公司 Salesforce，市值已突破 2000 億美元，成功超越 和 Orac

27、le 等知名傳統(tǒng)軟件廠商。Salesforce 推進(jìn)共性需求解耦化、通用能力平臺(tái)化，不斷向中臺(tái)延伸發(fā)展 PaaS平臺(tái)，通過自研加并購(gòu)方式不斷豐富產(chǎn)品矩陣，同時(shí)內(nèi)嵌 AI 新技術(shù)于產(chǎn)品之中，成為 CRM 領(lǐng)域的頭部廠商。除 SaaS 規(guī)模效應(yīng)加深壁壘外，隨著數(shù)據(jù)中臺(tái)、業(yè)務(wù)中臺(tái)的接受度不斷提高，各 SaaS廠商正充分運(yùn)用云計(jì)算體系的彈性、易擴(kuò)展優(yōu)勢(shì)，實(shí)現(xiàn)共性需求面向底層結(jié)構(gòu)的解耦化，以及通用能力的下沉和平臺(tái)化、標(biāo)準(zhǔn)化、自動(dòng)化，搭建基于云的開發(fā)、管理、交付與安全架構(gòu)，并與公有云的豐富生態(tài)深度連接，整合 ISV、產(chǎn)業(yè)鏈上下游廠商等不斷豐富生態(tài)，顯著提升客戶粘性，不斷抬高公司營(yíng)收與估值天花板。圖表 14

28、：Salesforce 的發(fā)展歷程資料來源：艾瑞咨詢，隨著 Salesforce 云化戰(zhàn)略成效不斷顯現(xiàn)，公司財(cái)務(wù)報(bào)表財(cái)務(wù)特征發(fā)生明顯改善，其中利潤(rùn)表中營(yíng)業(yè)收入在大力轉(zhuǎn)云的 2010 年前后增速稍有下降，而后基本上維持 25%以上穩(wěn)健增長(zhǎng)，資產(chǎn)負(fù)債表中遞延收入部分，由 2010 年的 7 億美元增長(zhǎng)超過 18 倍至 126 億美元，現(xiàn)金流狀況相較于傳統(tǒng) license 授權(quán)階段顯著改善。除營(yíng)收、合同負(fù)債高增外，對(duì)于一個(gè)優(yōu)質(zhì)公司而言資產(chǎn)負(fù)債結(jié)構(gòu)的改善同樣不容忽視，期間權(quán)益乘數(shù)同樣顯著下降。圖表 15：Salesforce 的營(yíng)收（單位：億美元，2006-2021 年）營(yíng)業(yè)總收入2502001501

29、005002006-01-312008-01-312010-01-312012-01-312014-01-312016-01-312018-01-312020-01-31資料來源：Wind，圖表 16：Salesforce 的遞延收入-流動(dòng)負(fù)債（單位：億美元，2006-2020 年）遞延收入-流動(dòng)負(fù)債1401201008060402002006-01-312008-01-312010-01-312012-01-312014-01-312016-01-312018-01-312020-01-31 HYPERLINK / P.11資料來源：Wind，圖表 17：Salesforce 資產(chǎn)負(fù)債結(jié)構(gòu)顯

30、著改善（2011-2021 年）權(quán)益乘數(shù)3.532.521.510.502011-01-312013-01-312015-01-312017-01-312019-01-312021-01-31資料來源：Wind，圖表 18：Salesforce 轉(zhuǎn)云期間的股價(jià)表現(xiàn)（2004-2021 年） HYPERLINK / P.12資料來源：Wind，廣聯(lián)達(dá)通過 SaaS 轉(zhuǎn)型帶來更強(qiáng)的用戶粘性，規(guī)模效應(yīng)明顯，業(yè)務(wù)版圖不斷延伸。國(guó)內(nèi)SaaS 龍頭廣聯(lián)達(dá)依托在建筑造價(jià)和施工領(lǐng)域的長(zhǎng)期積累，從 2015 年開始推動(dòng) SaaS 轉(zhuǎn)型，2018 年轉(zhuǎn)型超預(yù)期，截至 2020 年底僅剩江蘇、浙江、福建、安徽四個(gè)地

31、區(qū)未進(jìn)入全面云轉(zhuǎn)型，根據(jù)廣聯(lián)達(dá) 2020 年年報(bào)數(shù)據(jù)，公司 2019 年轉(zhuǎn)型的 10 個(gè)地區(qū)綜合轉(zhuǎn)化率超過 80%，續(xù)費(fèi)率 88%。數(shù)據(jù)顯示公司的 SaaS 化轉(zhuǎn)型帶來了更強(qiáng)的用戶粘性，規(guī)模效應(yīng)明顯，同時(shí)預(yù)收賬款（合同負(fù)債）呈現(xiàn)持續(xù)的快速增長(zhǎng)，經(jīng)營(yíng)性凈現(xiàn)金流增長(zhǎng)在 2020年進(jìn)一步加速。此外，公司在傳統(tǒng)的造價(jià)、算量、施工業(yè)務(wù)外，持續(xù)深挖客戶價(jià)值，推出了數(shù)字供采、數(shù)字城市、數(shù)字金融、數(shù)字教育、數(shù)字裝修業(yè)務(wù)，在大建筑領(lǐng)域進(jìn)一步拓展業(yè)務(wù)賽道，并逐步延伸版圖至海外市場(chǎng)。圖表 19：廣聯(lián)達(dá)云轉(zhuǎn)型過程中預(yù)收賬款（合同負(fù)責(zé)）快速增長(zhǎng)（單位：元，2015-2021Q1）預(yù)收款項(xiàng)16.4514.939.698.

32、244.761.780.330.2718.00億16.00億14.00億12.00億10.00億8.00億6.00億4.00億2.00億0.00億2015201620172018201920202020Q12021Q1 HYPERLINK / P.13資料來源：Wind，圖表 20：廣聯(lián)達(dá)經(jīng)營(yíng)性凈現(xiàn)金流表現(xiàn)出色（單位：元，2015-2021Q1）經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~ 115.57% 115.20% 116.51%銷售商品和提供勞務(wù)收到的現(xiàn)金/營(yíng)業(yè)收入18.76 127.84%115.19 111.98%1401201006.4180% 75.00%5.185.964.5360%1.854

33、0%2015201620172018201920202020Q1-0.192021Q1-1.2220%65.32%20.00億%15.00億%10.00億5.00億0.00億-5.00億0%資料來源：Wind，圖表 21：廣聯(lián)達(dá)轉(zhuǎn)云期間的股價(jià)表現(xiàn)（2015-2021 年）資料來源：Wind，2.2 消費(fèi)、服務(wù)龍頭依托規(guī)模優(yōu)勢(shì)降低生產(chǎn)成本，樹立品牌價(jià)值消費(fèi)行業(yè)具有非常明顯的規(guī)模優(yōu)勢(shì)，降低生產(chǎn)成本，樹立品牌價(jià)值。頭部廠商通過大規(guī)模的生產(chǎn)制造，原材料領(lǐng)域的購(gòu)買議價(jià)能力，帶來單位生產(chǎn)成本的大幅降低，從而產(chǎn)生成本和價(jià)格優(yōu)勢(shì)，進(jìn)一步搶占市場(chǎng)份額，形成正向循環(huán)。以全球咖啡連鎖第一品牌星巴克為例，2020 年

34、財(cái)報(bào)顯示，截至 2020 年 9 月 27 日，全球門店數(shù)達(dá)到 32,660 個(gè)，相比10 年前的數(shù)量幾乎翻倍；同期中國(guó)地區(qū)的門店數(shù)量從 2011 年的 278 個(gè)增加至 2020 年 HYPERLINK / P.14的 4,704 個(gè)。在門店持續(xù)擴(kuò)張的同時(shí)，星巴克的毛利率保持了持續(xù)的穩(wěn)定向上，從 2011年的 57.7%逐步提升至 2020 年的 67.3%，對(duì)應(yīng)同期公司的生產(chǎn)和配送成本占比不斷降低。由于咖啡豆是生產(chǎn)的關(guān)鍵原材料，星巴克依托其龐大的采購(gòu)規(guī)模，在 1996 年開始通過固定價(jià)格采購(gòu)咖啡豆，提前鎖定交易數(shù)量和價(jià)格，大幅降低了原材料的波動(dòng)對(duì)經(jīng)營(yíng)的影響，提升了公司抗風(fēng)險(xiǎn)能力，公司歸母凈

35、利潤(rùn)波動(dòng)明顯小于原材料的價(jià)格波動(dòng)。此外，星巴克依托在全球的規(guī)模優(yōu)勢(shì)，迅速在中國(guó)市場(chǎng)打開影響力，也為其產(chǎn)品定價(jià)高于同類競(jìng)品打下了基礎(chǔ)。同時(shí)，星巴克通過全球無處不在的門店鋪設(shè)以及借助人類的從眾心理，逐漸樹立了咖啡第一品牌的錨定映射關(guān)系，規(guī)模優(yōu)勢(shì)將可能越來越明顯。圖表 22：星巴克全球門店數(shù)（2011-2020 年）全球門店數(shù)中國(guó)直營(yíng)門店數(shù)32,66031,25629,32427,33925,08523,04321,36619,76717,00318,066521123704 278 408 614 823 1,026272540 1, 1, 3, 4, 4,35,00030,00025,00020

36、,00015,00010,0005,00002011201220132014201520162017201820192020 HYPERLINK / P.15資料來源：星巴克歷年年報(bào)，圖表 23：門店持續(xù)擴(kuò)張帶來星巴克的綜合毛利率穩(wěn)步走高（2011-2020 年）綜合毛利率生產(chǎn)和配送成本占收入比例 67.8% 67.3% 60.1% 58.3% 59.4% 59.6% 58.8% 56.3% 43.7% 42.0% 42.9% 39.9% 40.4% 32.1% 32.2% 32.7%40.6%41.7%57.1%57.7%70%65%60%55%50%45%40%35%30%20112012

37、20132014201520162017201820192020資料來源：Wind，圖表 24：ICE 咖啡期貨價(jià)格波動(dòng)較大（2010-2021 年，月線，單位：美分/磅）資料來源：Wind，圖表 25：星巴克歸母凈利潤(rùn)相比原材料咖啡豆的價(jià)格波動(dòng)表現(xiàn)更加穩(wěn)定（2011-2020 年）5,0004,5004,0003,5003,0002,5002,0001,5001,0005000歸母凈利潤(rùn)（百萬美元）4,5183,5992,7572,8182,8852,0681,2461,38492882011201220132014201520162017201820192020 HYPERLINK / P

38、.16資料來源：Wind，注：2013 年歸母凈利潤(rùn)的大幅下滑主要源于和Kraft 卡夫食品的訴訟官司，星巴克賠償 27.6 億美元。2020 年歸母凈利潤(rùn)的下滑主要源于全球新冠疫情對(duì)收入端的沖擊。 HYPERLINK / P.17圖表 26：星巴克股價(jià)表現(xiàn)（2010-2021 年）資料來源：Wind，服務(wù)業(yè)規(guī)模效應(yīng)同樣顯著。典型的如愛爾眼科，在醫(yī)生、醫(yī)院和消費(fèi)者這三個(gè)利益方之間形成了良好的生態(tài)圈促進(jìn)。通過建立良性的激勵(lì)制度，吸引頭部醫(yī)生，同時(shí)從醫(yī)學(xué)院不斷輸送具有熟練實(shí)操能力的中腰部醫(yī)生，而優(yōu)質(zhì)醫(yī)生的持續(xù)供給會(huì)吸引更多患者，患者的增加促進(jìn)更多優(yōu)秀醫(yī)生的加入，進(jìn)而使得患者的就醫(yī)質(zhì)量得到更好保障，不斷提升醫(yī)院口碑，最終這一正循環(huán)沉淀為品牌影響力。我們看到，公司收入持續(xù)穩(wěn)步增長(zhǎng)，經(jīng)營(yíng)性凈現(xiàn)金流開始加速，同時(shí)公司的銷售費(fèi)用率持續(xù)下降，而人力投入回報(bào)率呈現(xiàn)出持續(xù)的提升態(tài)勢(shì)，規(guī)模效應(yīng)開始持續(xù)顯現(xiàn)。圖表 27：愛爾