把握Alpha，BetonAI

全球科技巨头，立足搜索、不断创新。Alphabet为谷歌的母公司，2023年收入3074亿美元（yoy+8.7%），其中谷歌服务/谷歌云/创新业务三大分部，分别占据收入的88.7%/10.8%/0.5%。三大分部中，谷歌服务经营利润率约为34%，谷歌云业务从1Q23起经营利润扭亏，未来亦有望持续为公司贡献利润。 从行业地位来看，谷歌搜索和谷歌云分别位居全球第一和全球第三。此外，公司的创新业务是有望长成参天大树的种子。无论是基本业务还是创新业务，未来均有望受益于AI的加成。 技术基础：全面夯实，引领AI发展。谷歌在人工智能领域的优势是扎实且全面的：1）算力芯片端，谷歌的TPU v4使用了光互联，具有高可拓展性、可重配置两大特性，大幅提升了性能。与v4相比，升级版TPU v5e支持更大更复杂的AI模型训练部署、可实现每美元花费2倍的训练性能和2.5倍的推理性能；TPU v5p提供了2倍的FLOPS与3倍的HBM。 2）深度学习框架端，公司的TensorFlow为全球目前最流行的深度学习框架之一，且公司仍在继续开发可以支持GPU和云TPU加速器、自动微分Numpy的Jax框架。3）模型端，谷歌的Transformer是各种预训练大模型的基础。近年，谷歌推出了PaLM2自然语言模型、ViT计算机视觉模型、PaLM-E多模态模型、多模态大模型Gemini等，其中2月最新发布的Gemini 1.5 Pro可支持运行100万个tokens。 业务生态：AI大时代下，软硬件全面探索。除了技术上的卓越，谷歌也在逐步探索人工智能在各个领域的应用场景。1）对话领域，Gemini加持下，对话机器人在编程、多模态等各个领域有了全面的提升，且与谷歌生态的其他应用展现出极强的协作性。2）在搜索领域，谷歌算法卓越、市占率位列第一，集成了AI功能的生成式搜索（SGE）可以实现连续多轮对话、实时搜索。但在微软bing等竞争下，谷歌搜索市占率有所下滑。3）云计算领域，我们预计Gemini有望推动谷歌云业务的增长，包括IaaS业务（AI算力）、MaaS业务（大模型API调用、二次开发等）、SaaS办公套件等的增长。但谷歌云仍面临微软云的强势竞争。 4）在办公领域，对标Copilot，谷歌将大模型能力Gemini for Workspace整合进Workspace办公套件。5）硬件&安卓方面，谷歌继续探索机器人应用的同时，在手机、平板、安卓等消费电子领域引入AI功能，加强产品竞争力。谷歌宣布已将Gemini Nano集成到其最新的Pixel手机中。 投资建议：我们预计2024-2026年公司收入分别为3425/3778/4150亿美元 ， 同比增长11.4%/10.3%/9.8%；2024-2026年净利润分别为847/935/1027亿美元，同比增长15%/10%/10%。我们认为公司合理市值为19485亿美元（157美元/股），对应23x2024年P/E，首次覆盖给予“增持”评级。 风险提示：技术变现或业务发展不及预期的风险，监管风险，行业增长不及预期的风险，盈利能力改善不及预期的风险。 财务指标 一、全球科技巨头，立足搜索、不断创新 1.1巨头的成长之路：搜索奠基，创新驱动 1996年，LarryPage和SergeyBrin发明了搜索引擎BackRub，这便是谷歌PageRank算法的前身。 图表1：谷歌发展历程 1998-2004年，搜索奠基。1998年，Google公司正式注册成立，于2000年发布AdWords，允许企业购买与搜索词相关的广告，2001年、2003年，公司又先后推出了图片搜索，成立了AdSense站点定向广告，不断完善其基于搜索的广告业务板块。 2004年4月，公司发布了电子邮件服务Gmail。 2004-2010年，多向拓展。2004年8月，公司在纳斯达克主板上市。此后，谷歌将目光投向了搜索业务之外的领域。2005年，谷歌先后收购了Android，上线了谷歌地图，与NASA达成合作。2006年，谷歌继续收购了YouTube，设立了数据中心，发布了GoogleCloud。接着，其又在2008年推出了第一部安卓智能手机和chrome浏览器。 2009年11月，谷歌收购了手机广告公司AdMob，次年完成收购。2010年初，公司推出了智能手机NexusOne。 2010年至今，创新驱动。2010年后，谷歌走向了科技掘金的道路，不断探索新的领域。其成立的GoogleX实验室针对各方面的重大挑战每年构想上百个创意，主导了许多极具创意和前瞻性的项目，如比如互联网热气球、谷歌眼镜、无人飞机、太空电梯和无人驾驶等。此后，谷歌陆续布局自动驾驶、人工智能、生物科技、智能家居、生命科学、智慧城市等诸多领域的全面发展。 1.2架构调整后，以搜索“现金牛”养育创新业务 2015年架构调整后，Alphabet为谷歌的母公司。由于2010年以来，谷歌不断拓展新业务，涵盖领域过于庞杂。2015年，名为Alphabet的法人实体得以创建，作为谷歌和集团其他子公司的母公司。其中，谷歌包含了搜索广告、谷歌云、安卓、视频、地图、硬件和基础设施等。 图表2：Alphabet架构图 公司当前可分为1）谷歌服务、2）谷歌云、3）其他创新业务三大分部，2023年分别占据收入的88.7%、10.8%、0.5%。谷歌服务又可以分为广告业务和谷歌其他： （1）广告业务为公司的现金牛业务，占据公司收入的77.4%。其中，谷歌搜索和其他广告占据公司整体收入的56.9%，谷歌联盟等占据10.3%，YouTube广告占据10.2%。 （2）谷歌其他，例如Google Play、Pixel手机、YouTube Premium等，占据公司整体收入的11.3%。 图表3：2023年公司分部收入结构 图表4：2023年公司细分收入结构 从盈利能力方面看，谷歌服务是现金牛业务，支撑其他业务发展。2023年公司收入3074亿美元，同比增长8.7%，毛利率达56.6%；经营利润843亿美元，经营利润率12.6%。三大分部中，谷歌服务经营利润率同比增长1.4pct至35.2%。谷歌云扭亏为盈，实现5.2%的经营利润率。创新业务的经营亏损率为268.2%。 图表5：谷歌各分部经营利润 图表6：谷歌各分部经营利润率 谷歌以“高市占率、低增长率”的广告现金牛业务养育“低市占率、高增长率”的其他创新业务。创新业务能否成长为明星业务或者未来的现金牛业务，多年来一直是个“问号”。但可以确定的是，AI将为每一个业务领域加成。未来AI不仅应用于其核心的广告和智能云业务，也会体现到公司前期布局的智能硬件、自动驾驶等多个领域。 1.3AI驱动下，科技龙头股价处于上行周期 公司发行多种类型的股票，不同股票所代表的投票权有所差异，但股价差异不大。股票代码为GOOGL.O的A类股票所有者每股拥有一票表决权，股票代码为GOOG.O的C类股票没有投票权。而B类股票全部由创始人持有，每股代表10票的投票权。截至2023年4月4日，谷歌的创始人拉里·佩奇和谢尔盖·布林是Alphabet的最大股东，合计持股11.1%。 当前公司及其他美股科技龙头的股价处于上行周期。回顾公司过去几年的股价走势，与美股其他科技龙头较为一致，大体可以分为三个发展阶段： （1）2020年-2021年11月，2020年全球疫情爆发，线上经济快速发展，互联网等科技巨头直接受益，叠加全球流动性持续宽松，美股科技龙头迎来一波牛市； （2）2021年11月-2022年末，全球通胀水平高，美联储大规模加息；加之疫后线上活动减少、购买力降低，营收增速回落；市场存在美国经济衰退担忧。诸多影响因素下，美股科技股呈现较大幅度的下跌； （3）2022年末至今，美联储加息预期见顶、美债收益率回落、AI产业周期到来等因素的带动下，美股科技股再次上涨。 图表7：美股科技公司股价累计涨跌幅 无论是从业务层面看，还是股价表现上看，人工智能已经成为核心看点。因此，本篇报告将主要拆解公司人工智能在各个层面的发展，以窥公司的长期竞争力。 二、技术基础：全面夯实，引领发展 前文已经看到，在AI领域，谷歌贡献了许多里程碑作品，例如，围棋机器人AlphaGo以4:1击败韩国围棋冠军李世石、开发了广泛应用的深度学习模型Transformer等。下文梳理了谷歌在AI基础设施、深度学习框架、模型等不同层面的技术基础，我们可以发现，谷歌在人工智能领域的优势是扎实而全面的。 2.1AI基础设施：TPU v5性能升级，Vertex AI模型更新 2.1.1芯片：TPU v4高扩展、可重配置，TPU v5性能再升级 近年来，各类势力均在发力AI芯片，参与者包括传统芯片设计公司、IT厂商、互联网以及云厂商等，产品覆盖了CPU、GPU、FPGA、ASIC等。在龙头——英伟达GPU之外，包括谷歌在内的云服务商也在自研AI芯片。 图表8：AI芯片赛道：英伟达GPU占约60-70%，自研AISC芯片占约20% 图表9：国际巨头AI芯片布局 谷歌自2015年发布TPUv1以来，不断迭代升级，在TPUv2时已经可以支持训练，其在2021年Q2发布的TPUv4性能大幅提升，通过光互联实现可重配置和高可拓展性，性能大幅提升。 在TPU超级计算机（由4096个TPU v4组成）拓扑结构中，物理距离较近的TPU v4（即在同一个4x4x4 cube中的芯片）可以用常规的电互联（例如铜绞线）方法连接，距离较远的TPU之间（例如在cube之间的互联）使用光互联。TPUv4的光互联具有两大特性：高可拓展性和可重配置。 高可拓展性：可以有数千个芯片同时加速，从而实现一个为了机器学习模型训练而设计的超级计算机。在谷歌的设计中，超级计算机的拓扑结构为：将4x4x4（64）个TPU v4芯片互联在一起形成一个立方体结构（cube），然后再把4x4x4这样的cube连在一起形成一个总共有4096个TPU v4的超级计算机。 可重配置：谷歌在TPU v4中的主要突破是使用可重配置的光互联（即加入光路开关，optical circuit switch OCS）来快速实现不同的芯片互联拓扑。也就是说，芯片之间的互联并非一成不变的，而是可以现场可重配置的。这样做一方面可以根据具体机器学习模型来改变拓扑，另一方面改善了超级计算机的可靠性。 这些特性使得TPUv4的性能大幅提升。根据谷歌发布的论文《TPU v4:An Optically ReconfigurableSupercomputer for Machine Learning with Hardware Support for Embeddings》，TPUv4相比TPUv3获得较大幅度的性能提升。使用TPUv4芯片进行嵌入训练时，相比于使用TPUv3芯片，可以获得2.7倍的性能提升。 图表10：谷歌TPUv4性能远超TPUv3 与英伟达的A100相比，TPUv4和英伟达A100的MLPerf结果都可扩展到4000多片芯片的规模，TPUv4与A100相比亦具有一定的性能优势： 1）MLPerf基准测试性能：芯片数量规模相似的情况下，对于自然语言处理BERT模型，TPUv4的速度是A100的1.15倍；对于图像分类模型ResNet，TPUv4的速度为A100的1.67倍。 图表11：A100和TPUv4在MLPerf2.0基准测评的最高性能 图表12：相对8路A100 GPU，BERT和ResNet的MLPerf2.0性能报告 2）功耗方面，TPUv4运行的功率更低。从MLPerf基准测试时测量的功率来看，A100平均功率是TPUv4的1.3–1.9倍。 图表13：TPUv4运行的功率更低 因此，TPU v4已经是一款非常优秀的AI芯片产品，不仅相比较上一代产品更有，在一些方面亦可与英伟达A100一试，为机器学习模型奠定坚实的基础。 2023年8月/12月，谷歌发布新一代的AI芯片Cloud