美國雲計算高增長有望重啟,預訓練人工智慧賦能軟體

Posted by: Pickers 05-06-2023 No Comments

上一篇文章為讀者解讀部份前臺SaaS 能夠通過提供額外AI 外掛程式應用提高價格,這篇文章將會為讀者分析AI應用如何對於後臺SaaS 應用需求提升。

公有雲行業從2022年開始增長放緩,AI相信有望重燃行業增長

雲計算行業經過2020/2021年疫情在家工作的推動後,2022年/2023上半年行業整體進入了調整期。雲計算行業龍頭AWS也從2021年每個季度按年增長約>30% 大幅放緩到最近季度約按年10%增長。隨著 1). 人工智慧應用(例如: 聯天機器人chatbot) 以及 2). 通用人工智慧賦能更快的應用開發效率 (例如: 根據compass UOL study,使用通用人工智慧(generative AI)能夠提升軟體工程師的效率從56小時縮短到36小時。同樣完成一樣的工序的情況,從這兩個推動因素下市場開始對於雲計算增長放緩的看法有所改觀。

以傳統公開雲行業占比來說,亞馬遜AWS 於 a). 科技/金融行業客戶 占比普遍高於其他同行。所以受到科技行業減成本景氣的情況。而微軟azure 客戶行業範圍較為闊廣涉及到不同傳統行業。從公開雲增長恢復的觀點來看Azure 較優。但由於通用人工智慧對(供應端)應用開發人員效率以及 對 (需求端) AI 應用開發需求都有所提升,我們相信雲計算行業將會是整個行業基本面改善。所以於公有雲個股選擇上除了考慮個股基本面外,應同時考慮估值的相對差距進行操作。

圖表1: 公有雲(季度) 按年雲業務收入增長

截圖來源﹕Business Insider

Generative AI 生成式對於帶動SaaS 行業增長提速

上篇文章已經提及到CRM 等前臺的SaaS 軟體通過通用人工智慧 (generative AI) 應用帶來額外收入空間,例如: 提供更多自動化功能 或提供類似co-pilot 的通用人工智慧服務。我們將會于此文章內為大家分析 通用人工智慧對於backend 後臺SAAS軟體需求推動,特別是提供通用人工智慧AI 所涉及到的後臺支援體系。

  1. Vector search 向量搜索配合 vector database 向量資料庫為生成式通用智慧主要支撐工具

向量搜索為提供生成式AI 服務的其中核心工具,當中包括涉及到相似度搜索的能力 (使用k-最近搜查來搜索最近的量) 而為輸入的問題 (prompt query) 提供更為準確的答案。而不同生成式搜索工具之間的性能差別將會影響到AI的準確性,所以於vector search 的選擇上以品質考慮為優先。但由於vector search 主要頭部玩家屬于大型上市公司 (例如: facebookresearch) / 私有企業 (例如: milvus),所以比較難找到單獨的上市個股。

Snowflake 最近Neeva 收購以提供vector search向量搜索能力,能為現有業務帶來協同效應

Snowflake 主要提供relational database資料庫以及資料分析功能,目前主要以relational database 關聯資料庫作為支撐。Snowflake公司最近也公佈收購Neeva 將會提供生成式AI所需的向量搜索能力。雖然目前snowflake 沒有提及到太多的相關整合 (預期將會於6月27號分析師日) 提及到相關應用。我們暫時估計Neeva整合後將會能夠賦能Snowflake為其他客戶企業內部資料進行聯天式機器人chatbot style 應用,成為公司未來引流新客戶或者加大現有客戶資料于snowflake的存放量。但比較需要留意的是snowflake現時行業收入占比中 約20% 為金融行業 以及 部份創投VC企業,所以短期受到這些行業的(因為銀行信貸危機影響) 不景氣對使用量 (consumption pattern) 影響較大。雖然Neeva 收購暫時同貢獻不大,但值得留意未來當snowflake neeva為企業客戶提供生成式AI chatbot 企業搜索功能時,可能會吸引更多企業將資料存於snowflake。Neeva 過去為一家提供AI 生成式搜索網站,所以市場比於neeva 的向量搜索準確度都比較確定。

圖表2: 向量資料搜索過程圖

截圖來源﹕Elastic Search

圖表3: 向量數據搜索排名

截圖來源﹕Ossinsight.io
  • Generative AI 大模型應用將會加快資料流程通,利好整體後臺SaaS應用

大模型generative AI應用除了需要使用向量資料庫支撐使用者搜索外,同時也需要傳統的資料庫進行額外資料存儲。由於generative AI 資料庫量可能達到約千億線級parameters 參數水準,而且可能涉及到圖像及文字之間不同格式的組合。所以noSQL 的資料庫可能提供更方便/靈活的存儲格式,因為比較不受到傳統SQL database表格資料儲存格式限制。同時,企業應用更多即時性使用prompt 問答應用,也會對NoSQl類型的資料庫使用量需求預計將會利好。

  1. 于生成式AI chatbot 應用增加用戶與應用之間互動,賦能更多個性化服務以及資料庫資料儲存。

于用戶與應用之間互動加大的趨勢下,我們相信會對noSQL 類型的資料庫需求 (例如: MongoDB檔document-based 資料庫) 特別利好。但需要注意MongoDB 最近股價走勢已經漲了不少的風險。由於生成式AI 于客戶交流的時候,涉及到更多個人化的資訊交換。non-relational 資料庫能夠更便捷地儲存使用者相關資訊。比較有即時性需求AI chatbot 應用亦會趨向使用NoSQL 資料庫,帶動mongoDB 資料庫需求。根據6sense.com資料,MongoDB 2022年於NoSQL 資料庫中市占率達到45.19% 。MongoDB NoSQL資料庫也比較適合於處理非結構化資料。但值得留意Generative AI 人工智慧的應用利好將會是續步性,而不是一次性帶來巨量增長。所以值得同時留意股價的風險。

圖表4﹕ MongoDB使用例子

截圖來源﹕https://hevodata.com/learn/mongodb-use-case/
  • 大模型應用同時也衍生更多資料庫之間的即時連接需求

大模型 (特別是針對個別企業定制的模型) 需要針對公司內部不同系統資料庫先進行整合,整合過程中將對於資料庫連接器軟體的需求增加。Confluent 就是一家專門處理資料連接的企業,近期也提到人工智慧應用包括: chatbot 聯天機器人的互動涉及到即時資料傳輸,而且當中可能涉及到多用戶同時進行的運輸量。Confluent kafka 就是主要為管理客戶資料庫之間的連接,普遍大家認為Confluent cloud能夠提供更加 1). 穩定性強的連接。對於chatbot 聯天機器人等的前臺應用,連接穩定性及即時性將直接影響到客戶體驗。隨著NoSQL 資料庫使用場景受惠于Generative AI 應用,將會帶來更多的資料庫連接器需求。雖然連接器也有部份企業使用內部研發,但kafka能夠普遍認為能夠提供更好的經濟效益。

圖表5﹕ Confluent (Kafka) 於NATS市場佔有率為41.21%

截圖來源﹕https://hevodata.com/learn/mongodb-use-case/

總結:

整體通用生成式人工智慧將會衍生更多雲計算 (公有雲) 需求,無論從 (供應端)應用開發人員效率提高 及 對 (需求端) AI 應用開發需求提高。所以估計能夠更快結束行業從2022年開始增速放緩期。這次為行業的基本面改善,所以整個公有雲更多將會是整個行業的機會。所以我們認為選股也可以從相對股值的角度考慮。值得注意,生成人工智慧對於雲計算收入增量不會出現一次性巨量狀況,更多是續步改善步伐。

對於SaaS 行業後臺應用,通用人工智慧的機會更多於向量搜索以及向量資料庫。大部份主要將非上市公司,有部份公司 (例如: snowflake 通過收購) 向 向量搜索發展。相信將能夠為現有業務帶來額外引流。同時資料處理量多元化及 即時性也會對於個別資料庫 (NoSqL- MongoDB) 以及 資料連接器 (Confluent — Kafka) 的需求將來拉動。由於個別股份的漲幅較多 (例如: MongoDB),所以應該同時注意投資的風險進行考量。

以上個股分析純為個人意見,不構成投資建議。 C 基金目前持有微軟 (MSFT) , 谷歌 (GOOG), 亞馬遜(AMZN) 相關可能提及個股的長/短倉。

關於作者: 葉浩然(Stanley Ip)鵬格斯資產管理的投資分析師,覆蓋消費和軟體板塊。

Send this to a friend