openclaw冲击SaaS软件公司_第1页
openclaw冲击SaaS软件公司_第2页
openclaw冲击SaaS软件公司_第3页
openclaw冲击SaaS软件公司_第4页
openclaw冲击SaaS软件公司_第5页
已阅读5页,还剩97页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

IndustryUpdate软件-基础设施本报告是一个定期系列中的第一篇(以季刊为基础),专注于实时跟踪我们认为正在展开的AI超期。我们的目标是系统地监测潜在信号:模型进展、计算动态、代理和企业实际上如何使用AI。说明的内容会不断发展,但结构基本保持不变但首先,让我们来处理这个数万亿美元的“大象”:对软件投资者来说,这是一段去几个月中,高质量的软件公司价格大幅下调,似乎对基础产品实力、客戶相关对于软件投资者来说,这种“土拨鼠日”遇上“黑镜”的市场既令人迷惘又痛苦。“AI交易”使资本集中到一小部分被视为“赢家”的公司中,虽然许多耐用软件资产被搁置或被忽视。在我们看来,这与商业基本于一个人工智能超级周期的早期阶段,这将对人类生产力产生深远影响,并重新设计我们的生活和工是。但随着新兴Claude套件和诸如OpenClaw等基层代理突破的出现,Genie3是否应该让投资者对毫无疑问短期的失调通常反映的是不确定性而非过时。从这个角度来看,这些时刻更不是而是认识到我们仍处于一个人工智能超级周期的早期阶段,该周期正在价值可以积累在哪里的前沿。在以往的周期中,基础平台并未因新功能而被明显取代,在基础设施领域,我们认为这是一个积累那些我们认为将受益于人工智能的公司的时机,如DDOG、DOCN、FROG、MDB、SNOW。对网络安全的需求只会加剧,我们看到身份安全领域的机会正在改善,例如OKTA我们对人工智能堆栈的不断演变的看法。我们提供一个分层的市场地图,概述我人工智能生态系统,并逐一讨论每个类别。类别的规模并不,我们预计像人工智能原生应用这样的类别将在时间上大幅增长CanaccordGenuity是CanaccordGenuityGroupInc.(CF:TSX)的全球资本市场集团本研究报告中所表达的建议和观点准确反映了研究分析师对本报告中讨论的任何和所有公司及证券的个人、有关重要信息,请参见本文件第54页开始的重要披露Software-InfrastructureIndustryUpdate2026年2月9日2OpenClaw的拐点。开源代理OpenClaw的快速崛起在科技社区引起了轰动,并的价格走势。我们认为这是一个拐点,因为个人用戶创建和运营的系统更像是个人组“专业消费者”如何引领市场。ClaudeCode和ClaudeCowork只是冰山一角。我们认为2026年的真正故事是AI专业消费者年,或个人权力用戶愿意为“前沿质量”的AI支付每月约200美元以上,这种AI在功能上替代的是劳动而非软件。集体专业消费者已经能够大规模驱动支出并影响企业的采用行为我们用来跟踪周期的新闻和图表。从资本支出和千⽡到模型基准和最新新闻,我跟踪这个超级周期的内容,解释为何这很重要,以及我精选私人资料。附上这篇说明,我们列出了对AI生态系统中一些显著私营公司的详细单页介绍附录图表。AI不可避免地影响着我们整个基础设施和安全软件的覆盖范围。我们提供了一些额外的图续在下一页...Software-InfrastructureIndustryUpdate1我们对人工智能堆栈的不断演变的看法042OpenClaw转折点07证明了生产力,但安全性和治理尚处于初期阶段08为什么这是一个转折点083如何让“消费者生产者”引领市场09消费者化推动了企业软件的变革09为什么AI是由消费者生产者引领的消费者化超级周期10一颗明星(类别)诞生了吗?15与此同时,OpenAI和Anthropic正在向企业市场倾斜174近期新闻和融资消息19OpenAI收入增长与计算能力相匹配19OpenAI通过广告多元化收入来源19Anthropic改善收入预测,推迟自由现金流盈亏平衡目标20新闻追踪近期资本融资225跟踪人工智能的图表24大型科技公司的人工智能资本支出24数据中心电力容量(GW)24训练与推理弯曲曲线25投资回报-关键玩家的AI相关收入26跟踪模型改进286关键私人档案317附录图表2026年2月9日3Software-InfrastructureIndustryUpdate2026年2月9日4我们对人工智能技术栈不断发展的看法这个市场地图(图1)是我们如何实时查看人工智能技术栈。虽然不完美,正如所有市场地图一样,但它有助于可视化某些功能如何相互适应,以及每个类别内的一些关键参与者的选择。类别规模并不代表机会规模,公司的名单远非详尽,我们预计某些类别,如人工智能原生应用,随着时间的推移会增长得更大,参与者会更多,而其他类别,如模型提供者,不太可能经历新的参与者的大爆发。我们在下面从底层开始对每个类别提供简要的看法:计算与人工智能加速器构成了人工智能生态系统的基础。关于GPU、自定义芯片、内存带宽和网络的架构选择使得前沿模型训练成为可能,提高了推理延迟,并且在周期的早期阶段是计算人工智能投资回报率的关键输入。总体而言,我们发现这里的资本密集度和周期性是最高的,但在这一层的进展可以向上级联,释放出上层的价值。虽然在这一层没有明确提到谷歌利用节能TPU进行模型训练的工作,但这是创新的一个例子,因为它表明自定义芯片在特定工作负载上可以显著超越通用GPU,尤其是大规模前沿模型训练。新云(NeoClouds)作为专门的人工智能云,主要托管GPU以支持人工智能工作负载。在这个细分市场,参与者在训练和推理工作负载之间有不同的计算组合。有些选择一次向一个客戶租出数千个GPU用于大规模训练,而其他人则向更广泛的客戶租出较小的容量部分。在这里,获取电力、土地、GPU、融资和数据中心人才是成功的关键驱动因素。这个类别的前景很好,因为在可预见的未来,我们可能仍处于计算受限的环境中。模型提供者生产驱动所有人工智能代理、应用和系统的基础模型。这个层面吸引了过多的关注,但也是竞争压力和替代风险最高的地方。随着模型在质量和能力上的趋同,差异化越来越依赖于成本、可用性和生态系统集成,而不仅仅是原始性能。领先的模型提供者如OpenAI、Anthropic和谷歌都通过消费者和企业代理及应用在技术栈上赚取收入。“足够好的”低成本的开源模型如DeepSeek或Kimi可能在未来对盈利能力构成压力。模型生态系统的参与者包括在其生命周期中训练、调整、评估和管理模型所需的工具。这个层面不运行生产工作负载,但对使模型可用、可管理和可改进至关重要。这个细分市场的增长更多与模型的普及而非推理体量相关。运行时与执行是技术栈中安静但战略上最重要的部分之一。这是推理运行的地方,路由和策略决策在这里得到执行,长期运行的人工智能工作负载在这里执行。随着组织在各个环境中部署多个模型,这一层成为成本、延迟、可靠性和安全性的控制平面。我们相信像Baseten和FireworksAI这样的公司正开始为现代人工智能客戶如Cursor提供推理工作负载,逐渐找到自己的节奏。软件-基础设施行业更新2026年2月9日5图1:我们提供一个分层视图,以展示价值如何在新兴的人工智能生态系统中向上流动来源:公司报告,加拿大金融公司估计Software-InfrastructureIndustryUpdate2026年2月9日6数据平台(包括数据转化、数据湖、可观察性和数据库)是一个更为成熟、稳定的类别,具有像SNOW、Databricks、DDOG和MDB这样的传统AI受益者以及像ClickHouse和Pinecone这样的新兴专门AI支持者。随着AI越来越深入企业层面,我们相信这些类型的公司能从改善消费中获得收益。在短期内,能够赢得AI原生群体的心智和钱包的公司将与竞争对手区分开来代理框架为记忆、工具使用、计划和用戶利用的代理之间的协调提供了支架。这些框架是关键的支持者,但可能会被对基础模型仅通过品牌曝光熟悉或直接与AI代理和应用互动的初级用戶所取代。随着时间的推移,这些功能中的大部分可能会被吸收进平台、运行时或应用中,而不是作为独立产品进行货币化.代理是能够计划、行动和随时间迭代的系统。这个类别定义得更多是基于自主行动,而不是熟悉的图形用戶界面(GUI)。这些系统越来越像初级员工,而不是传统软件,特别是在编码、研究和操作任务方面。早期采用代理的用戶,如OpenClaw,报告了巨大的生产力收益。在我们看来,随着时间的推移,代理与AI原生应用之间的界限可能会变得模糊在我们看来,AI原生应用是未来长期内最有可能积累大量持久价值的地方。这些应用离客戶最近,拥有工作流、数据和分发,并日益在后台嵌入代理行为。随着时间的推移,我们预计这一层将按垂直领域碎片化,而不是水平整合,因为特定领域的上下文将成为主要的差异化来源.我们将AI网络安全作为一个横向类别而非一个独立层次,随着AI扩大攻击面并为恶意行为者提供运营杠杆,其重要性愈发凸显。随着AI系统获得自主权以及对数据和工具的更广泛访问,攻击面在模型、运行时、代理和应用之间扩大。我们认为,在一个充满代理的世界中解决身份问题、获得对软件和模型供应链的更好可见性和控制,以及防止提⽰注入或数据外泄,是明年重点关注的领域。为网络安全从业者提供代理杠杆是一个有前景的方向,但可能需要时间才能显现效果在接下来的页面中,我们将对AI领域的一些热点辩论进行评论,并提供额外的新闻、跟踪AI的图表、私营公司概况以及一整套附录图表,以提供对基础设施和安全公共市场软件现状的全景视图2026年2月9日7图2:OpenClaw仅通过文本和语音参与互动。来源:Reddit,CanaccordGenuityOpenClaw的转折点开放源代码代理OpenClaw(最初发布为Clawdbot,短暂更名为Moltbot)的快速崛起在科技界引起了轰动。我们视之为代理AI自主执行真实工作采用过程中的一个明显转折点OpenClaw持续使用真实数据和应用程序运行,并积极代表用戶执行任务。这包括从组织文件到跨平台发送消息,再到通过熟悉的消息应用程序管理工作流程。它的GitHub库在最近几周引起了大量关注,迅速积累了数十万颗星星,并在早期adopters中获得了病毒式采用() DOCN和NET在1月26日和1月27日的交易期间上涨(分别上涨12%和约19%,而IGV下跌约0.5%),这与与OpenClaw的兼容性和潜在消费增加有关。最近两周,NET的股票反转(下跌9%,而IGV指数下跌16.4%),而DOCN的股票则保持更稳(上涨6%,而IGV指数下跌16.4%)。DOCNGPUdroplets与OpenClaw的使用案例和目标用戶完美契合在这个消息曝光后,DOCN上涨是合情合理的,但从更大的图景来看,真正浮现的故事是我们可能在一段时间内会继续受到计算能力的限制,这让我们相信DOCN在继续扩展其AgenticCloud时处于一个有利位置OpenClaw为早期采用者创造的个人杠杆作用令人震惊,并让许多在过去一周深入挖掘、迭代和学习的用戶感到愉快。积极的初步印象使许多人将OpenClaw描述为我们视之为AI超级周期初期的另一个转折点在几天的时间里,一位来自All-In播客的用戶建立了一个全新的AI原生播客。在这个案例中,产品的重要性不如代理使用的过程、建立的速度以及涉及的自主程度重要。在这个例子中,代理研究和描述嘉宾,安排外联,管理一个为自己的使用而进行了氛围编码的轻量级CRM,跟踪互动和响应率,生成并发布跨平台的社交内容,使用语音合成生成音频,并时间戳和记录所有活动以供后续分析。更重要的是,该代理持续在后台运行,管理自己的生产力循环,而不是响应离散提⽰我们相信,一旦用戶与像OpenClaw这样的代理互动,这将对生产力产生变革性的影响,这种愉悦可能会激励更多的实验,工作流程可能会越来越嵌入日常生活,随着时间的推移,用戶最终可能会寻求扩大他们希望代理做的事情的范围解决空间在扩大,随着基础模型的不断改进,规模法则带来了有意义的好处这一动态类似于全自动驾驶(FSD):在使用之前,价值似乎是渐进的;在使用之后,心理模型发生变化,基准也随之改变。在我们看来,驾驶者可能会意识到全自动驾驶在多大程度上为他们夺回了时间,并开始相应地计划他们的生活。在代理的情况下,用戶可以开始围绕代理设计他们的工作,而不是将其堆叠在上面2026年2月9日8经过验证的生产力,但初步的安全性和治理许多用戶对此表⽰关注,踏出将所有个人数据交给自主代理的第一步。持久代理需要广泛的权限:电子邮件、文件、日历、API、消息平台。这引发了关于信任和访问控制的合法担忧,这可能会使已经位于用戶信任数据环境中的现有公司受益。因此,像谷歌或微软这样的公司在这一领域结构上可能处于良好位置,因为它们具备现有用戶信任、身份基础设施和数据集成,前提是它们能够解决跨碎片化服务的代理编排问题。这些权衡已经影响了高级用戶部署代理的方式。在云中持续运行代理会导致消费失控,随着自动化密度的增加,这可能促使一些用戶转向运行开源框架的专用本地机器(例如,MacMini)。本地执行提供了更多控制、可预测的成本和更大的数据主权,但也带来了自己的妥协,尤其是在前沿模型的访问和更高的操作复杂性方面。尽管这是开源模型社区令人兴奋的时刻,但我们并不完全相信世界上的每个消费者都会购买一台专用的本地机器来运行个人生产力代理。现有云消费模式确实有其实际好处,但定价问题需要随着时间的推移得到解决。在考虑市场规模时,我们从“用戶愿意为这种任务杠杆/劳动替代支付多少”开始,其次考虑“为支持这一点,经济模型如何出现?”回过头来看,更大的图景是我们相信复杂用戶在一段时间内将如何与人工智能互动,作为一个始终在线的系统,协调工具间的工作,随着时间推移,并具备深厚的上下文。这意味着需求不仅会随着用戶的增加而扩大,还会随着工作流程的深度而增长,或者说代理被委托的责任多少。这对基础设施消耗、云经济、设备级计算、安全工具以及平台锁定等方面具有深远的影响。我们认为这是个人用戶第一次能够组建和操作看起来更像个人组织而非软件工具的系统。当一个用戶能够部署一个持久代理,进行研究、安排日程、生成内容、管理关系并全天候优化自己的工作流程时,经济框架发生了变化。这不再是“消费者SaaS”,而是个人劳动替代。在我们看来,这就是为什么付费意愿扩展得如此迅速,用戶依赖形成的原因,以及为什么高级用戶已经做出了明确的基础设施决策(云与本地、封闭与开放),这在历史上只有企业才能面临。打开)这在历史上只有企业面临过正如我们在下一节中详细说明的,我们相信这一切将比预期更快地在企业中得到应用2026年2月9日9如何“参与者”引领市场软件投资者高度关注理解AI在企业中的应用及其支付方式。这是合理的,在过去三年中,叙述是企业AI采用的真正年份将是明年。然后是明年,依此类推企业中的采用在某种程度上是矛盾的。正如Ramp指数等数据点所⽰,它确实取得了很大进展,但相对于总机会,货币化的进展仍然较慢。尽管我们很难准确指出企业何时出现拐点,但我们可以从用戶今天在专业和个人生活中采用AI的方式中学到很多,这为企业机会的成熟提供了线索。我们认为2026年的真正故事是AI参与者之年,或愿意支付约200美元/月用于“前沿质量”AI的个人权力用戶,该AI在功能上替代劳动力而非软件。参与者之所以作为早期采用者,有几个原因:部署是瞬时的(没有采购/合规周期),实验速度更快,并且性能提升的感知更加明显,反馈循环更为直接。在过去20年中,消费者行为对企业软件购买模式产生了深远影响。我们正处于我们认为的AI超级周期的早期阶段。集体参与者在大规模推动支出以及随着时间推移影响企业采用行为的能力,成为我们相信这不仅是一个周期而是一个超级周期的重要为了更好地理解参与者行为,让我们回顾一下消费者行为如何影响企业软件市场。企业IT中的消费者化重要力量是通过BYOD和BYOA实现的。员工在拥有完成工作所需工具的情况下表现最佳。随着时间的推移,员工越来越多地使用自己的设备(尤其是iPhone),在某些情况下甚至在工作场所使用自己的应用程序和云服务。最初作为一种便利的行为,迅速引发了技术如何进入组织的更广泛转变。一个重要的主题是,普及并不是从CIO的命令开始,而是从个人优化自己的生产力开始。随后,企业不得不反应,增加身份、设备管理、访问控制和安全性,以管理已经嵌入日常工作流程中的工具预算遵循行为,而不是反向。当一项新技术提供即时个人效用时,组织往往在事后进行标准化和安全保障,而不是在初期阻止其采用我们视人工智能为这种熟悉模式的催化剂Software-InfrastructureIndustryUpdate2026年2月9日10以产品为导向的增长(PLG)软件带来了企业IT消费化的另一大驱动力。Atlassian、Slack以及后来的Figma证明了企业的采纳可以通过可用性、价值实现速度和病毒式传播来推动,而不仅仅依靠自上而下的销售。这些平台通过小团队甚至单个用戶走入组织,通过邀请和共享工作流程自然扩展,最后才转变为标准化的企业部署。图3:PLG在2010年代中期作为成功的企业销售工具出现来源:公司报告,CanaccordGenuity产品体验本身成为了增长引擎。价值实现的时间大幅压缩,用戶上手的摩擦减少,使用数据越来越多地主导销售战略。结果是出现了一种新的销售参与模式:自下而上的使用配合企业销售的快速跟进。掌握这种混合模式的公司实现了规模扩大,同时不断提升不断扩大的产品护城河。我们再次发现,IT作为一种治理层,对那些在可用性和自下而上采纳上取得胜利的工具发挥了作用。听为什么AI是由专业消费者主导的消费化超级周期在过去十年里,消费化反复将企业IT推向以用戶为先的产品方向:BYOD使员工在工作中带入消费者设备/应用成为常态(迫使产生治理层),而PLG协作工具则证明了自下而上的采纳可以先于企业标准化。我们认为AI代表了这种效应的超级周期,因为高价值的专业消费者如今可以直接以约200美元/月的价格购买前沿能力,创造出一个企业随后通过安全、管理和合规控制进行正式化的自融资采纳飞轮。Software-InfrastructureIndustryUpdate2026年2月9日11过去的消费化浪潮改变了界面(移动)、交付(云)和分发(PLG)。人工智能具有类似的特征,但在我们看来,考虑到它如何改变工作的产出性质,它代表着一种更强大的力量1)专业消费者的购买力与之前的周期不同我们认为用戶评估主要人工智能服务(如ChatGPT或Claude)价值的方式与之前的SaaS产品非常不同。这些人工智能服务不仅仅是帮助完成某项工作的领域特定工具,而越来越像一种能够实现任务构思到任务执行整个生命周期的一般化服务人工智能的早期消费用例范围广泛——食谱生成、旅行规划、创意写作和知识辅助——用戶对依赖于人工智能的辅助变得越来越习惯。随着模型和代理的不断改进,人工智能服务可以为用戶提供更全面的实用性,用戶也开始更好地理解1)如何使用它们和2)可以创造什么样的个人或职业杠杆。那些在使用(和支付)这些人工智能服务的前沿的人是专业消费者。我们认为,越来越多的消费者将随着时间的推移成为“专业消费者”,而这种消费行为的海洋变化有助于证明我们认为在未来几年内将处于计算受限环境中的原因当OpenAI创建了一个每月200美元的“ChatGPTPro”级别,明确定位为对其最佳模型/工具的扩展访问时,只有少数用戶采用了该计划,很容易将其存在视为一个较高的价格锚点,使每月20美元的Plus计划更加吸引人。随着专业消费者开始从劳动杠杆或劳动延伸的角度看待人工智能服务,我们认为这些高价计划正变得更加合理。同样,Anthropic提供了每月200美元的Claude“Max20x”级别,用戶最近对其的倾斜,部分原因是ClaudeCode的受欢迎和实用性。一直在线的代理,如OpenClaw,负责更复杂编码用例的任务尤其需要大量令牌,因此更倾向于升级这看起来和感觉与“消费者SaaS定价”非常不同。我们认为这更像是个人劳动定价。一旦单位经济被框定为“用戶正在购买杠杆”,个人的价值主张变得更加清晰,毫不困难地为数万亿美元的巨大市场提供支持2026年2月9日12图4:软件层面上价值的累积在长期内可能看起来是怎样的来源:CanaccordGenuity估计从高层次来看,我们估计目前全球约有10亿知识工作者,其中约3亿高收入知识工作者更倾向于每月花费200美元用于提升生产力的人工智能。3亿高收入知识工作者x每月200美元x12个月已经是7200亿美元,我们认为这仍然是相当保守的估计。如果价值主张是“用戶是在购买杠杆”,那么200美元/月的决策很快就会变得合理,就像其他高效益的经常性支出一样,特别是对于高收入知识工作者。为了比较一些消费者的经常性支出基准:J.D.Power跟踪了有线电视/流媒体,报告显⽰平均有线电视/平均流媒体费用约为每月73美元。手机账单每月可达到100美元以上。健身房会员费很容易超过每月100美元。这一切只是为了说明,当价值被视为必要时,许多个人已经将大量的经常性订阅支出视为正常。我们相信,人工智能服务代表着更大的效用,并可能为用戶创造比这些其他价格锚更多的价值。用戶愿意为一个在个人和职业生活中执行行为的高度智能个人助理支付多少钱?这个价格因个人而异,但我们认为上限肯定远高于200美元/月。我们预计在接下来的几年里,随着模型改进和用戶发现/采用的良性循环继续结出成果,人工智能服务将进入“价格发现”阶段。2026年2月9日132)采用更快更简单,部署摩擦更低在传统SaaS中,即使是专业用戶主导的工具最终也会遇到“团队协调”和“管理员控制”等摩擦点。小团队需要在MNDY或TEAM的产品上进行标准化,以便该产品具备实用性。像Jira这样的项目管理工具从根本上需要更多的协作才能为用戶提供价值。通过AI服务,用戶可以在无需协作的情况下创造出大量价值,这使得即使在IT治理规模下可见性较低,也能够广泛采用。图5:AI的采用速度比以前的重大技术变革更快,由消费者和家庭主导来源:CanaccordGenuity,RPS,CPS,ITU但企业仍将面临熟悉的动态:管理员工已经采用的工具。我们相信这种用戶利用AI更好地执行工作的广泛采纳将推动企业采用的强大浪潮,与我们在以往周期中所见关于ClaudeCode在微软内部传播的最新报道就是这一现象发生的实时例子(包括对非技术原型的鼓励)。ClaudeCode在微软主要部门(Windows、Office/Microsoft365、Teams、Surface等)内被广泛工程师们被要求在日常工作中使用它,并提供结构化反馈2026年2月9日14与微软自己的GitHubCopilot工具并行。微软明确鼓励非开发人员(设计师和项目经理)使用ClaudeCode进行快速原型开发和实验构建,降低了在没有完全编程专业知识的情况下软件创作的门槛。微软是一个有前瞻性的组织,但这是企业迅速采用的一种例子。3)创造的价值更明显,更个性化,更容易形成习惯最后,企业IT的消费化往往是因为“可有可无”的东西比如用戶体验/用戶界面。确实,你非常喜欢Slack,但如果IT让你使用Teams,你就得接受。在我们看来,由于人工智能在输出(节省时间、提升质量、新能力)方面的优势,这使得用戶想要使用最佳AI服务来更好地完成工作的愿望更加不可谈判。这与Slack与Teams的购买决策截然不同。我们预计知识工作者将越来越多地利用AI服务来提高生产力。用戶正在与同事竞争,组织也在与其他组织竞争。在我们看来,采用AI服务或在组织内启用AI使用的紧迫性远高于单纯取悦用戶对产品外观或各种附加功能的期望,这些曾推动了以前周期中企业IT的消费化。这只是我们认为这是一个AI超级周期的三个理由之一。今天,专业消费者引领着企业采纳的新潮流。这一切将如何发展简单来说,我们认为这看起来像以前的消费化周期,但拥有更高的上限和更快的节奏:●专业消费者首先推动市场发展(高ARPU,直接的投资回报,快速迭代反馈循环),由可信的每月200美元的层级支撑。●个人依赖增加企业紧迫感(阴影使用成为事实上的工作流程;领导层的关注从“是否”转向“如何”。●企业通过治理与政策层进行标准化—货币化机会不仅限于模型订阅本身,还扩展到控制、审计能力、数据访问、权限和全组织的安全/合规。2026年2月9日15为进一步阐明这一点,我们看到一种全新的支出类别实时涌现从历史上看,当满足四个条件时,新类别便会出现:●产品变得可作为预算项目清晰可读(人们可以为经常性支出辩护),它变得可以形成习惯(每天或每周的依赖),●围绕它形成了更广泛的堆栈(工具、服务、分析、治理)●在它周围形成一个更广泛的技术堆栈(工具、服务、分析、治理)在我们看来,人工智能已经满足了这些条件。个人正在为直接与生产力相关的经常性订阅提供担保;使用已融入日常工作流程;早期证据表明是在创造增量预算而不是简单的重新分配;而且一个快速形成的生态系统涵盖了模型、基础设施、编排、安全和应用层。在iPhone出现之前,移动应用经济实际上并不存在,但消费者在应用上的支出最终达到超过1000亿美元的全球市场,一旦分发变得无障碍且价值变得个性化。人工智能的变革程度与iPhone一样,但对用户来说更易于获取,价格更具吸引力,并以更快的速度改善。图6:移动应用经济蓬勃发展,得益于iPhone的诞生来源:苹果2026年2月9日16数字广告遵循了类似的轨迹:一旦归属改善,投资回报率可衡量,支出迅速转向在线渠道,并最终扩大了广告市场的总份额,而不仅仅是重新分配预算。在线广告目前占广告市场的70%,全球广告支出超过9000亿美元()。这很重要,因为一旦投资回报率可衡量且支出具有弹性,市场可以非常快速地变化。专业消费者正在识别投资回报率并用他们的钱包投票,我们相信企业也会跟随。公共云通过将基础设施从资本支出转变为弹性消费,创造了另一个持久的类别。一旦工作负载显示出价值,使用证明很难限制,整个运营模式围绕按需计算重新组织。我们发现使用AI的用户对计算令牌的敏感性具有这些特征。对于那些用完积分的ClaudeCode用户来说,升级到每月200美元计划有很强的激励。我们相信,AI的消费/计量使用机会可能比订阅机会还要大。即使是Bloomberg终端,虽然更像是一个小众类别,但在企业方面提供了早期的类比:一种高ARPU的信息服务,其合理性并不在于功能,而在于其对决策质量和收入生成的直接影响。也许这不言而喻,但我们认为AI服务的总体效用远高于数据终端。因此,我们认为每位员工在AI上的支出上限可能高于我们的每月200美元基准。总之,AI不仅能符合成为新支出类别的所有标准,我们相信AI还展现了一些使先前类别获得成功的最佳特质。AI就像iPhone一样是一个颠覆性的消费产品,但我们还发现它对用戶更加可及,定价更具吸引力,并且进步速度更快。像数字广告一样,支出越来越多地与可衡量的输出(节省的时间、质量提升、完成的任务)挂钩,这使得一旦投资回报率可见,需求变得具有弹性。像云计算一样,定价是面向使用和以消费为基础的,这可以在与基于令牌的模型相结合时实现快速的“无上限”扩展。就像Bloomberg一样,AI不再仅仅被看作软件,而是作为一种杠杆——一种直接与经济价值挂钩的个人生产力引擎。一个良性超级周期的出现预算往往跟随行为,而不是反过来。这个模式在之前类别的变化中反复出现:个人先行,组织随后适应。专业消费者正在为早期的货币化提供支持,推动产品向前发展。个人对AI工具的依赖正在增加企业正式化战略的紧迫感。2026年2月9日17我们看到自我强化的超级周期正在出现。随着模型的改进,更多的用例变得可处理。随着更多用例的可处理,越来越多的用戶开始采用人工智能,学习如何更好地使用人工智能,并利用人工智能完成更多任务。随着模型在执行方面变得更好,更多用戶正在创造更多的代理,这在计算能力上产生了倍增效应。更多的计算收入为更好的模型提供资金,并吸引更多参与者围绕新兴的人工智能工作流建立生态系统投资者的结论是,这看起来并不是现有软件预算中的一种特征周期。相反,我们认为这看起来像一个类别诞生的早期阶段与此同时,OpenAI和Anthropic正在大力推动企业企业采用即将到来。虽然专业用戶今天是OpenAI和Anthropic的强大收入驱动者,但这两家公司都在积极推动企业采用Anthropic推出了适用于企业的Cowork插件:Anthropic最近宣布了Cowork插件,旨在将Claude从助手扩展为专为商业任务(生产力、市场营销、支持、领域研究)量身定制的工作流协作工具图7:ClaudeCowork是为所有知识工作者提供的代理解决方案来源:Anthropic2026年2月9日18图8:新的跨功能插件与广泛的SaaS集成来源:Anthropic,CanaccordGenuityOpenAI的企业销售竞争重点:OpenAI已任命BarretZoph为专职负责⼈,以推动企业AI销售⼯作,重申企业是⼀个战略优先事项。尽管OpenAI最初处于领先地位,但在过去两年中,公司在企业市场上将部分份额让给了Anthropic和Google。与Anthropic和Google的竞争动态应该会影响未来的市场执⾏和战略。微软‒Anthropic云和基础设施合作伙伴关系:微软、Anthropic和Nvidia最近宣布了⼀项重⼤的云基础设施合作伙伴关系,Anthropic承诺购买⼤量的Azure容量。这加速了企业级部署,并突显了企业⼯作负载的多云选项。扩展SalesforceAI集成:Salesforce通过将GPT-5和Claude模型嵌⼊其Agentforce360平台,加深了与OpenAI和Anthropic的关系,⽬标是企业⼯作流和受监管⾏业的应⽤。2026年2月9日19最新消息与资本筹集OpenAI过去几年的收入轨迹凸显了计算能力的快速扩张如何直接转化为收入增长。该公司的年化收入从2023年的大约20亿美元攀升至2025年的超过200亿美元,同时其部署的计算能力在同一时期从大约0.2GW上升至近1.9GW。首席财务官SarahFriar将这一动态描述为一个复合循环,即采用推动收入,收入资金用于更多计算,而更多的计算解锁更广泛的能力和使用。图9:OpenAI的收入在过去3年中与GW的规模相匹配来源:OpenAI,CanaccordGenuity估计OpenAI正朝着广告模式迈进,作为其更广泛的收入策略的一部分,表明其致力于多样化货币化。该公司已公开宣布计划开始在ChatGPT的免费版和最近推出的每月8美元的ChatGPTGo计划上进行广告测试,广告单位将出现在美国登录成年用戶的AI响应下方。OpenAI强调这些广告将被明确标记,与生成的内容分开,并且不会影响模型输出或与广告商分享用戶对话。2026年2月9日20图10:用户将能够在ChatGPT中无缝互动广告来源:OpenAI初步报告还表明,该公司正为广告主设定高端定价(约每1000次观看60美元),这表明即使在发布时可用的性能数据有限,也对AI驱动的覆盖和互动的价值充满信心。从投资者的角度来看,推出广告实现了几个目标:它将大量免费用戶基础变现,补贴持续的计算支出,并将商业模式扩展到超出订阅和企业合同,为更持久、多样化的收入来源铺平道路。考虑到与传统网页搜索相比,在与ChatGPT对话中蕴含的高度意图,我们将OpenAI视为品牌的有效广此外,基于广告的模型可能会激励用戶升级到更高的付费层次,这时他们将受益于高限制、更大的上下文窗口和更广泛的高级模型访问。这可能会让用戶拥有更好的体验,并最终成为产品的更活跃用戶。Anthropic改善收入预测,推迟自由现金流盈亏平衡目标Anthropic显著修订了其财务前景,将2026年预计收入从此前的预测提高了约20%,预计今年销售额接近180亿美元,明年将攀升至550亿美元。这一向上的修订表明,对其Claude系列模型及相关服务的需求持续加速,特别是在企业和开发者环境中。改善的收入预测可能得益于快速扩展的ClaudeCode2026年2月9日21到2025年11月,业务年收入超过10亿美元(当时总年收入的约14%)该公司现在还将其预计的自营现金流(FCF)盈亏平衡的时间推迟到2028年,比之前的预期晚一年。在这个框架内,Anthropic预计未来几年毛利将大幅上升,其乐观的预测预计今年为63%,明年为70%,到2029年为77%()。这些预测表明,毛利表现优于OpenAI去年夏季提供的预测。腾讯购买NVDAH200芯片,双方政府之间经过激烈的讨价还价后迈出了步伐()●(1/21)Meta部署了首个内部公司模型(re●(1/6)xAI在E轮融资中筹集了200亿美元()●(12/2)OpenAI宣布“红色警报”,因谷歌威胁其人工智能领先地位()●(12/1)DeepSeek匹配OpenAI的GPT-5,谷歌的Gemini3(bloomberg.com)●(12/2)MRVL-US(报告于12/2)正在与CelestialAI进行高级谈判,拟以高达50亿美元收购()●(11/25)谷歌正在谈判向Meta提供TPU,以支NVIDIA()能力,同时威胁OpenAI的主导地位(blog.google)●(11/13)OpenAI发布GPT5.1;改善推理和编码()●(11/30)Databricks正在讨论以1340亿美元的估值筹集50亿美元,销售预测增加()●(11/18)Anthropic、NVIDIA和微软宣布30亿美元的合作()●(11/19)LumaAI将建立一个2GW的计算超级集群(lumalabs.ai)建议和任务协助()●(10/22)包括主要科技高管在内的数百名公共人物呼吁禁止AI“超级智能”()●(10/15)PoolsideAI宣布建设2GW培训校园(poolside.ai)2026年2月9日22九月●(9/22)OpenAI和NVIDIA宣布战略合作伙伴关系,部署超过10GW,投资1000亿美元()●(9/24)阿里巴巴发布Q(qwen.ai)●(9/29)Anthropic发布Claude4.5Sonnet;提供改善的编码和显著的数学和推理能力提升()●(9/30)OpenAI发布Sora2;最新的视频生成模型,提供物理准确、现实和可控的视频()随着人工智能融资在公共和私人市场达到历史新高,我们认为有必要突出过去6个月人工智能公司最大的资本募集.图11:过去6个月人工智能公司的资本募集公司OpenAI*融资轮次交易金额($M)当前估值($M)xAI.E轮人类未来.F轮Databricks系列L任意球体(光标)系列D反射人工智能B轮融资米斯特拉尔B轮融资兰姆达E轮NscaleB轮Cerebras系列GCerebras系列HLumaAIC轮4,000GroqF轮CohereD轮E轮十一实验室D轮种子轮4,500ArmisE轮NscaleC轮可爱B轮VercelF1轮认知AIC轮ClickHouseD轮CyeraF轮BaseTenE轮SunoC轮融资马鞍E轮融资来源:公司报告,FactSet估算全球对人工智能的融资增长惊人,预计2025财年全球对人工智能的融资同比增长84%(2024财年增长为70%,具体见下图)。新年的几周过后,我们看到这一趋势继续,xAI、OpenAI和Humans&的新融资不断涌现。我们继续看到公共和私人领域的投资,这突显了对人工智能和计算能力不断增长的需求。尽管对人工智能泡沫的担忧加剧,但资金仍持续流入这些公司。大量资金不仅在2026年2月9日23公共市场以及私人市场,我们相信私人公司获得资本的机会前所未有。正因如此,首次公开募股的前景似乎被推迟了。顶级人工智能私人公司如Databricks、OpenAI、Anthropic、Anysphere和Lambda在过去12个月内完成了多轮融资,总额达数十亿美元。由于有报道2026年将是新人工智能首次公开募股的年份,我们预计接下来的几个月将为这一趋势是否持续提供良好的指⽰图12:全球人工智能融资,按季度全球人工智能融资,按季度同比增长79%同比增长84%来源:Crunchbase在AI融资经历了一个重大的第一季度后,融资的正向趋势再次持续。随着OpenAI、Anthropic、Databricks和xAI等公司的筹资活动为2026年创下历史最高纪录,我们预计这一势头将继续。2026年2月9日24跟踪人工智能的图表在过去六个季度中,资本支出运行率飙升至创纪录水平,其中大部分用于人工智能的产能。尽管前沿实验室的模型进展速度持续令人鼓舞,并且在我们看来,变现所有这些计算能力的能力持续增长,市场仍然高度关注来自公共市场大型科技巨头(如微软、谷歌、亚马逊和META)的季度资本支出计划。这些公司相信,拥抱人工智能并投资于资本支出扩展以支持这一点将是正确的长期决策。投资者对这些公司的人工智能资本支出的看法,有时可以作为一种罗夏墨迹测验,反映他们对人工智能支出长期投资回报率的看法图13:资本支出$与资本支出/收入比率资本支出金额与资本支出/收入比率微软、META、谷歌、亚马逊的总计来源:CanaccordGenuityResearch,VisibleAlpha,FactSet电力已成为人工智能能力的关键限制条件,并越来越被视为该行业面临的最大挑战之一。行业估计美国的人工智能电力需求今天大约为5GW,到2030年将增加一个数量级,超过50GW,增长的主要驱动力是GPU。根据451Research的研究,GPU容量到2030年可能占新增加的数据中心电力容量的82%(见下图)这种激增是由训练和推理需求增长推动的。前沿训练现在每次大约需要4-16GW的电力,这意味着计算规模大约是GPT-4所需的10,000倍。这种动态对人工智能基础设施投资周期有直接影响。如果是千兆⽡而不是GPU控制电力,那么在电力容量上线的过程中,超大规模云计算公司的支出可能会保持在高位。一些主要参与者已签署了10至25年的长期购电协议(PPA),通常与2026年2月9日25优先定价应有助于长期盈利能力。然而,等待期对近期资本支出回报几乎没有帮助在许多情况下,电网交付时间现在设定了人工智能收入增长的节奏我们已从多家超大规模企业听说,GPU已经安装,但处于闲置状态,等待电源投入使用。其结果是尽管芯片可用,人工智能收入确认却变得缓慢图14:美国人工智能数据中心的总电力(以GW计)来源:CanaccordGenuityResearch,EpochAI推理成本的下降速度超过了摩尔定律,智能的边际成本在不到24个月的时间里下降了约280倍,而自2010年以来,训练成本每年上涨约4.4倍。这创造了一种双重动态。一方面,较低的推理成本加速了采用并促进了人工智能应用开发的激增。另一方面,我们发现,日益上升的训练成本使得仅有少数参与者(如OpenAI、Anthropic、Google和xAI)能够资助下一代最先进的模型在推理方面,成本曲线通过GPU效率提升、模型效率突破和基础设施优化持续向下弯曲。更具体地说,从NVIDIAHopper到Blackwell的演变带来了25-30倍的系统级推理能效提升回顾过去,单个BlackwellGPU每个token消耗的能源约为2014年Kepler代的150,000倍。算法进步同样重要,混合精度矩阵计算和模型蒸馏等技术显著提高了吞吐量和成本效率在训练方面的情况则有所不同。自2010年以来,前沿模型的训练计算需求每年增长约4-5倍,因为有意义的能力提升依赖于模型规模和浮点运算总数的扩展。这反映了广泛讨论的“人工智能扩展法则”,描述了模型性能与其参数、数据集大小和计算能力之间的可预测关系。EpochAI的研究表明,领先实验室仍处于全面扩展模式(OpenAI每年约增长5.3倍,GoogleDeepMind增长4.9倍,Meta增长7.1倍),更广泛的趋势仍指向接下来每年4-5倍的训练计算增长2026年2月9日26图15:随着前沿模型训练成本的上升,基于每个令牌的推理成本正在快速下降AI训练与推理趋势最先进模型的训练

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论