证券研究报告行业深度报告

海外大模型系列深度报告之三——全球AI“头号玩家”之一：META

分析师：阎贵成
yanguicheng@csc.com.cnSAC编号：S1440518040002SFC编号：BNS315
分析师：金戈
jinge@csc.com.cn
SAC编号：S1440517110001
SFC编号：BPD352

分析师：于芳博yufangbo@csc.com.cnSAC编号：S1440522030001

分析师：杨艾莉
yangaili@csc.com.cn
SAC编号：S1440519060002
SFC编号：BQI330

发布日期：2023年5月30日

每日免费获取报告

1、每日微信群内分享7+最新重磅报告；

2、每日分享当日华尔街日报、金融时报；

3、每周分享经济学人

4、行研报告均为公开版，权利归原作者所有，起点财经仅分发做内部学习。

扫一扫二维码
关注公号
回复：研究报告
加入“起点财经” 微信群。。

核心观点

核心观点：本报告聚焦于META的AI能力分析。Meta发力AI的目的简单明了，即“AI能够帮助公司更加了解用户需求” ：Meta拥有大量社交与元宇宙算法、成立人工智能研究院、推出Pytorch框架、发布Zion等硬件支撑算法运行等。本报告专门将Meta与Microsoft、Google、Amazon在AI领域进行了对比，我们发现Meta在AI领域的某些方面与其他三巨头旗鼓相当甚至略胜一筹。我们认为，Meta的人工智能在Yann LeCun的带领下已经成长为不可忽视的存在， Meta实际上是全球范围内值得重视的头号AI玩家之一。

公司以社交起家，目前在社交的基础上，聚焦元宇宙。Meta前身为Facebook，创立于2004年，是全球最大的互联网公司之一。公司主营业务包括两部分，分别为Family of Apps（FoA）和Reality Labs（RL）。Family of Apps（FoA）是营业收入的绝大部分来源，其中广告收入占比超过95%。FoA包括以Facebook、Messenger、Instagram、WhatsApp为主的社交媒体通讯软件，还有商业软件Workplace，以及元宇宙平台Meta Horizon，Reality Labs（RL）的业务主要有AR/VR设备、AI技术及元宇宙的开发。公司2022财年营业总收入为1166.09亿美元，净利润291.46亿美元。

AI贯穿公司全业务流程，公司系全球主要AI玩家。Meta发力AI的目的简单明了，即“AI能够帮助公司更加了解用户需求”。当前Meta有着丰富的社交算法与元宇宙算法的积累，在公司展业过程中起到举足轻重的作用。Meta2013年就成立了AI研究院，主要关注人工智能（AI）和机器学习（ML）这两个目前科技和商业领域中最为热门和前沿的技术领域，该研究院由Meta首席科学家、深度学习三巨头、卷积神经网络提出者Yann LeCun领衔。2017年，Meta更是推出了PyTorch框架，其动态图编程方式能够帮助用户高效地进行模型构建，2023年推出的PyTorch 2.0更是将模型编译速度提高了一个档次。在AI硬件方面，公司推出Zion平台在内的多个AI硬件产品，进行AI模型的训练与微调。此外，公司发布Glow与ONNX进行AI模型的编译与生态的开放。

我们将Meta与Microsoft、Google、Amazon在AI领域进行了对比，结论如下：1）从AI管理战略层面来看，Meta业绩交流会纪要中出现“AI”相关的次数仅次于Google，甚至在22Q1-22Q3中一度超越Google，这当然与Meta大力布局元宇宙息息相关；2）从AI工程实践领域来看，我们发现就Github网站的粉丝数、项目数而言，Microsoft无疑是领先的，其次是Google、Meta、Amazon；3）从AI社会影响力来看，Meta社交媒体粉丝数量仅次于Google；4）从AI学术能力来看，Meta的学术论文数量少于Google和Microsoft；5）从AI应用领域来看，Meta AI更加集中在C端和视觉领域，Microsoft AI也偏向C端用户，而Google、Amazon则更偏向B端；6）从AI发力点来看，因Yann LeCun的AI理念，Meta更加看重AI自监督学习能力；7）从AI大模型来看，Meta在AI大模型的布局时间与数量弱于谷歌和微软，其中以LLaMA为最典型的代表。最典型的代表

以社交起家，目前聚焦元宇宙

• Meta，前身为Facebook，是全球最大的互联网公司之一。该公司由马克·扎克伯格于2004年2月成立，是社交媒体平台、AR/VR领域的领导者。2012年4月，公司在纳斯达克上市，代码为FB，后随公司更名改为META。

• 2011年起，公司继续深耕社交媒体平台领域，组成了由Facebook、Instagram、Messenger、WhatsApp为主体的社交媒体应用矩阵。2014年，公司收购Oculus，开拓AI、VR/AR以及元宇宙相关业务。

• 2021年，为实现元宇宙战略目标、重塑品牌形象，公司宣布改名为“Meta”，并成立了Facebook Reality Labs专注于AR/VR等虚拟现实技术的研发。由该实验室推出的Meta Quest独立头戴式VR 设备，可应用于社交媒体平台Meta Horizon及游戏、办公等领域。

图表：Meta发展历程

Meta 主要业务结构

• 公司主营业务包括两部分，分别为Family of Apps（FoA）和Reality Labs（RL）。2022财年，公司营业收入共计1166.09亿美元；22Q4 ，公司实现营收321.65亿美元。

• Family of Apps（FoA）是营业收入的绝大部分来源，其中广告收入占比超过95%。 FoA包括以Facebook、Messenger、Instagram、WhatsApp为主的社交媒体通讯软件，还有商业软件Workplace，以及元宇宙平台Meta Horizon。

• Reality Labs（RL）的业务主要有AR/VR设备、AR/VR技术、AI技术及元宇宙的开发。

图表：Meta业务构成

受外部环境影响，营业收入略有下滑

• 自2022年以来，由于海外宏观压力，Meta收入利润持续下滑。

• 公司2022财年营业总收入为1166.09亿美元，同比下降1.1%。其中FoA业务营收1144.5亿美元，同比下降1%；RL业务营收21.59亿美元，同比下降5%。公司2022财年净利润291.46亿美元，同比下降25%。

• 导致营业收入及净利润下降的原因有：1）元宇宙研发不及预期导致VR设备及软件销量不及预期； 2）海外宏观经济疲软，投放需求减弱；3）随着元宇宙战略开展，公司加大了研发支出，2022财年公司净利润下降。4)2022年企业扩张速度加快，资本开支大幅增加。

图表：2008FY-2022FY Meta营业收入（亿美元）

图表：2008FY-2022FY Meta净利润（亿美元）

从业务类型来看，广告业务收入是Meta营业收入的最主要来源。2022财年，公司广告收入为1134.41亿美元，占比为98.15%。
2015-2019财年，广告收入占营业收入比例逐年升高，从2015财年的95.28%上升至98.53%。

• 2022财年，公司毛利率为25%，较2021财年有较大幅度下滑，其主要原因为研发费用的增加。2019财年，受Facebook用户数据泄露事件，公司毛利率下降至34%。

• 2022财年公司研发费用率为30%。公司从2021年宣布转型，深入元宇宙，导致2022财年研发费用率较2021财年的21%有了较大幅度的增长。

图表：Meta营业收入构成（亿美元）

图表：Meta毛利率及净利率情况

北美地区是主要营业收入来源

• 从地域分布来看，北美地区是业务收入的主要分布地区。22Q4北美地区共产生营业收入156.36亿美元，占总营业收入的48%。其次是欧洲地区和亚太地区，其营业收入分别为70.5亿美元、60.5亿美元，占比分别为19.1%和 22.1%。其他地区产生营业收入34.29亿美元，占比10.8%。

• 多年来，美国及加拿大始终是Meta广告业务收入的两个主要国家，亚太地区增长迅速。自2022年以来，亚太地区营收占总营业收入比例不断提升，从20Q4的17%逐步上升至22年Q3的21%，其中菲律宾、印度尼西亚、越南等国家的日活用户高速增长推动亚洲地区营业收入不断增长。

图表：Meta广告收入的地域分布

图表：Meta营业收入的地域分布

研发费用不断升高，资本开支逐年提升

• 元宇宙战略深入，研发费用不断升高：2022年Meta研发支出为353.38亿美元，同比增长43.3%，研发费用率为30%；2022年销售费用152.62亿美元，同比增长8.7%，销售费用率为13%；管理费用为118.16亿美元，同比增长20.2%；营收成本为252.49亿美元，同比增长11.5%；

• Meta自2017年以来资本支出逐年上涨，2022财年资本开支共计320.36亿美元，较2021财年192.44亿美元上涨了66.5%。22Q3的资本支出达 95.18 亿美元（同比增长22.9%），而员工数量同样创下历史新高，达 87,314 名，这也是其研发成本近期大幅上涨的主要原因。

图表：Meta费用占收入百分比

图表：Meta季度、年度资本支出（百万美元）

用户数呈现缓慢增长态势，人均营收有一定下滑

• Facebook新用户增速放缓。截至22Q4，Facebook的月活用户（MAU）达29.6亿，同比增长0.2%；日活用户（DAU）达20亿，同比增长0.8%。其中，北美地区日活人数为1.99亿人次（占比9.95%）；欧洲地区日活人数为3亿人次（占比15%；亚太地区月活人数为8.54亿人次（占比 42.7%）；世界其他地区月活人数为6.43亿人次（占比32.15%）。

• 2022财年Meta人均营收为7.95美元/人，同比下降6%。22Q1年，由于宏观经济逆风，广告主竞价需求减弱，而库存又无明显增长，导致收入开始显著放缓，人均营收有一定程度的下降。

图表：Facebook日活 (DAU)用户数量（百万）

图表：Meta 人均营收（美元）

Meta社交媒体业务

• 社交媒体平台及通讯软件依旧是公司的主要业务。从2020财年至2022财年，公司旗下应用程序月活用户（MAU）稳步增长。2022年第四季度，所有应用程序（含Facebook，Instagram，Whatsapp，Messenger）的合计月活量（MAU）高达37.4亿。

• 截止2022年底，Facebook拥有全球用户29.6亿，是世界上最大的社交媒体平台。虽然近年来崛起的TikTok正在抢夺一部分用户的娱乐注意力，但由于Meta的产品矩阵拥有庞大的熟人社交链沉淀，全球社交龙头地位难以撼动。

• WhatsApp作为端对端加密的跨平台即时通讯软件，在全球范围内共拥有24.4亿用户，是拉丁美洲、欧洲和非洲大部分地区的主要通信软件。

图表：Meta社交媒体业务

APP名称	发布时间	用户量(FY2022)	特点
Facebook	2004	29.6亿	提供多种媒体及社交服务，包括图片视频分享，文章、网站、问答论坛，及线上交易平台。
Instagram	2010	12.8亿	提供在线照片共享，视频共享和社交网络服务。
Messenger	2011	1.4亿	允许用户发送消息、交换照片、视频、贴纸、音频和文件，对其他用户的消息做出反应并与机器人互动，并支持语音和视频通话。
WhatsApp	2009	24.4亿	允许用户发送文本消息和语音消息，进行语音通话和视频通话，以及共享图像、文档、用户位置和其他媒体。

图表：Meta季度月活用户（MAU)

社交媒体平台：Facebook和Instagram

• Facebook是Meta旗下的在线社交媒体和社交网络服务应用，集成了快拍（Storyies）、店铺（Shop）、交易市场（Marketplace）、新闻（News）及游戏（Gaming）等菜单功能，是目前为止全球用户体量最大的社交应用。截至4Q22，Facebook的月活用户（MAU）达29.63亿，同比增长0.16%；日活用户（DAU）达20亿，同比增长0.08%。

• Instagram是一个于2010年上线的照片/视频共享的社交网络平台。2012年4月Facebook Inc.以约10亿美元的现金和股票收购了该服务。Instagram允许用户上传、编辑按照主题标签和地理位置标记的照片或视频，用户可以浏览、点赞、关注和收藏其他用户发布的内容，查看流行趋势。

图表：Facebook 交互界面

图表：Facebook DAU及MAU

MAU 同比增长

图表：Instagram 交互界面及功能

即时通讯平台：WhatsApp和Messenger

• WhatsApp是一款专注于通讯体验的软件，它允许用户发送文本语音消息、进行语音和视频通话、共享图像、文档、用户位置和其他内容，可以一次与多达256位联系人分享消息、照片和视频。在绑定银行卡后，WhatsApp的支付功能允许用户向好友转账或分摊账单。

• Messenger与WhatsApp类似，也是一款即时通讯应用和平台，用于发送消息和交换照片、视频、贴纸、音频和文件，并支持语音和视频通话。此外，Messenger还支持好友转账、商业交流等功能。在跨平台通讯方面，Messenger可使用Facebook、Instagram、Portal和Oculus聊天。

图表：WhatsApp手机端界面、桌面端及支付功能

图表：Messenger手机端界面、转账支付功能、商业通讯功能

Meta广告业务收入主要来源于四大社交媒体及通讯平台

• 公司的广告业务收入主要来源于四大社交媒体及通讯平台。借助多个广告管理、商业管理工具，Meta针对个人和企业提供丰富的广告服务。

• Meta的广告形式包括：图片广告、视频广告、轮播广告（在单条广告中滑动查看更多照片或视频）和精品栏广告（在主打视频/大图下方随附更小图片，点击精品栏图片即可浏览商品并在平台内进行购物）。目前分别在Facebook、Instagram、Messenger中的不同位置进行投放。

图表：Meta广告业务构成

Meta Advertise 业务类型

Facebook

协助品牌提升知名度

帮助企业拓展新用户

协助增加线上销售额

助力博主内容变现

社媒动态、故事宣传

建立联系渠道

搭建品牌主页

投放视频广告

Instagram

平台

品牌广告投放

投放引流广告

粉丝打赏

定制化广告精准投放

Messenger

构建品牌故事

信息平台直连客户

播放量激励

引流至第三方平台

构建兴趣社区

产品上线Ins官方商店

引流至第三方平台

广告管理工具

Conversion and Barad lift

元宇宙围绕VR/AR沉浸式设备布局硬件、软件、内容全产业链

• 2014年，Meta以20亿美元收购Oculus，业务发展重点主要围绕硬件以及相关配套技术及软件开发工具。2019年后，开始大量收购游戏社交等内容应用。

硬件端，公司推出Oculus Quest、Portal AR等AR/VR终端，以及各种配套外设，为元宇宙沉浸式体验实现提供硬件支持。

• 软件端，公司推出Spark AR、AR Studio以及Reality Operating System现实操作系统，为元宇宙搭建平台并开放API，允许Unity开发者探索更多VR/AR应用场景。

• 内容端，Horizon Wolds、Facebook Gaming、Horizon Workrooms、Oculus Moves支持用户在社交、游戏、办公、运动等多方面接入元宇宙世界。

图表：Meta元宇宙产品

FacebookPortal Ourfamilyof smart video-calling devicesmakeit easyand fun to stay connected.

Meta Horizon Explore,createand share experienceswith others inthe same virtual 3D space.

Meta Spark

Create and share AR experiences whether you're a coding novice or a seasoned pro.

Meta Business Suite Useour tools,resourcesand insights to growyour business the way you want.

Meta元宇宙战略

• 2014年起，Meta通过收购Oculus VR等虚拟现实技术公司，逐步进入虚拟现实领域，并推出了一系列VR头戴式设备，如Oculus Rift和Oculus Quest 2，推动虚拟现实技术向消费者市场普及。2020年，公司更名为Meta，并正式宣布其元宇宙战略，计划在未来10年将重心转向元宇宙，投入数十亿美元进行研发和发展，推出了Horizon Workrooms和Spark AR Studio等产品，旨在改进远程办公、推动用户生成内容和社交互动，并加强与跨行业合作伙伴的合作。

• 元宇宙技术方面，Meta在其Reality Labs实验室内进行了大量的技术研发，包括虚拟现实、增强现实、计算机图形学、人工智能等领域的技术。公司投入大量资源用于技术研究和开发，推动虚拟现实技术的不断突破和创新，包括图形渲染、声音、交互、人体追踪、眼球追踪等。据公司财报，2022年， Reality Labs实验室经营亏损137.17亿美元，规模同增35%；2023Q1也达到40亿美元，同

图表：Facebook 10年规划

图表：Facebook 2019年起Reality Labs经营亏损（亿美元）

硬件：Oculus Quest 2成为VR设备市场佼佼者

• Oculus Quest 2在VR市场上表现出色。据预测，2023年Meta Quest 出货量将达到1270万台，占全球出货总量的59.1%，其原因包括：

• 1) Oculus Quest 2拥有出色的独立性和便携性：作为一款独立式的虚拟现实头显，该设备不需要连接到计算机或游戏主机，用户可以通过内置的处理器和传感器独立运行虚拟现实应用和游戏，无需外部设备的支持;

• 2) Oculus Quest 2强大的芯片性能和丰富的内容库：该设备配备了高通XR2高性能处理器和优秀的传感器技术，能够呈现高质量的虚拟现实体验。同时，Oculus拥有丰富的虚拟现实内容库，包括众多优质的VR游戏、应用和体验，满足了用户的多样化需求;

• 3) Oculus Quest 2实行了高性价比的价格策略：Quest 2价格仅为399美元起，对应128GB；256GB的则由499美元将价至429美元。

图表：画质对比（左：Oculus Quest；右：Oculus Quest 2) 图表：2023年全球VR设备出货量预测（万台）图表：高通XR2芯片性能相较于传统的虚拟现实头显需要连接到计算机或游戏主机，Oculus Quest 2的独立性和相对低廉的价格使其更加吸引消费者;

分辨率显著提升

Brand	Volume	Market Share
Total	1270	100%
Meta Quest	750	59.1%
Sony PS VR	150	11.8%
PICO	150	11.8%
Apple VR/AR	60	4.7%
Valve	15	1.2%
Nole	15	1.2%
Others	130	10.2%

硬件：Quest Pro引入MR功能，但销量不及预期

• Oculus Quest Pro销量不及预期。 Quest Pro是2022年10月Meta Connect 2022开发者大会发布的最新VR头显，其定位不是替代消费级头显Quest 2 ，而是面向专业消费者和企业客户的高端产品。据Business Insider，Meta CTO Andrew Bosworth表示，Quest Pro的市场反馈和销量不佳，其原因包括：

• 1) Quest Pro硬件设备优化程度有限：与Quest 2相比，Quest Pro主要升级了芯片、光学方案。其中芯片使用了高通骁龙XR2+，相较Quest 2续航提升50％、散热性能提升30％;光学方案采用Pancake，镜片比Quest2薄 40%。

• 2) Quest Pro新增MR功能，但高价格降低付费意愿：该设备核心亮点是支持MR混合现实功能，即允许用户看到外部环境，也允许外部环境与虚拟素材融合，为开发设计、建筑、办公等场景提供更沉浸高效的生产工具。但Quest Pro价格高昂，原价1499美元，接近Quest 2 的3倍，叠加宏观消费承压，导致用户购买意愿较低。Meta也在2023年3月正式宣布将Quest Pro永久降价至999美元。

图表：Quest Pro与Quest 2主要参数对比

产品	芯片	光学模组	屏幕	手柄	交互	价格
Quest Pro	高通XR2+，续航提升50%，散热性能提升30%	Pancake超短焦光学方案，比Quest2镜片薄40%，前后重量平衡	两块Fast LCD显示屏，仅眼分辨率3600×1920,刷新率90Hz，视场角扩大到106*96度	手柄可自动定位	新增彩色透视，以及实现MR应用，如查看设计产品在现实世界的摆放效果	999美元（原1499美元）
Quest2	高通XR2	菲涅尔光学方案	块Fast-LCD显示屏，仅眼分辨率3664×1920，高于Quest Pro，刷新率90Hz，视场角100度	头显追踪手柄的定位	支持手势追踪，黑白透视	399/429美元（原399/499美元）

图表： Quest Pro MR效果

硬件：关注Quest3等后续硬件储备上线表现

• 除目前已经上市的VR设备外，Meta此前也通过视频公开演示了目前在研的四款原型机，并展示了目前采用的最新技术和研究方向，主要还是以显示优化和减小体积为主。同时，Meta后续也有一系列待发产品，包括第三代消费级头显Quest 3，扎克伯格表示将在今晚些时候年发布，也将具备MR功能；此外也有AR头显。

图表：Meta四款新公布原型机

原型机代号	概念图	特点
Butterscotch		高分辨率/高清显示为核心，在产品体积和重量上有取舍
Starburst		以HDR和超高亮度为核心
Holocake 2		轻量化的准量产机，以小巧、轻薄为特点
Mirror Lake		类似于将各种新技术融合在一起的轻量化VR眼镜

图表： Meta后续产品发布时间线

头显类型	设备名称	预计发布时间	简介
VR	Quest 3 (ProjectStinson)	2023年	Quest系列后续新品
	Project Funcston	2024年	Cambria的迭代版本
	Project Cardiff	2024年	Stinson迭代产品
AR	Project Nazare	2024年（1代）、2026年（2代）	可提供完整的AR体验，包括3D图形、大视场和社会可接受的设计
AR	Project Hypernova	2026年	需要与手机配对，以显示消息通知；具有更小的平视显示器，价格比Nazare更便宜

• 作为全球元宇宙龙头，Meta的应用生态也持续丰富。据2023Q1公开投资者电话会，Quest内已有超200款应用，累计创造收入1百万美元，包括游戏、办公、社交、运动等。其中：

• 1）游戏是Quest核心阵地：Quest目前涵盖19个VR游戏类型，包括角色扮演、音乐节奏、恐怖、策略等，提供多样化的游玩需求。Meta自2019年以来也收购了知名VR游戏《Beat Saber》开发商Beat Games在内的近10家VR内容公司，并在2022Connect大会中宣布将从微软引入游戏平台Xbox Cloud Gaming（Beta），届时用户可通过Quest串流体验微软Xbox的上百款云游戏。

• 2）办公是Quest新发力方向：2022年Connect大会上，Meta宣布将引入微软旗下办公工具，包括推出MR生产工具Mesh for MicrosoftTeams、Microsoft 365的VR版本，以及基于云的企业管理工具Microsoft Intune和Azure Active Directory。此外也与IT咨询领域的龙头服务商埃森哲合作，可帮助推广Quest的办公应用及新一代头显Quest Pro，为客户提供整套基于VR的数字化办公解决方案。据2022年Connect大会，埃森哲在2021年已为Meta部署了6万台Quest 2头显，用于新员工培训。

图表：Quest的VR应用类型

图表：微软将在Quest中推出的Microsoft Teams Meeting（虚拟会议工具）场景演示

AI研究机构：2013年Meta成立FAIR研究院

• Meta于2013年成立FAIR（Facebook AI Research）研究院，主要关注人工智能（AI）和机器学习（ML）这两个目前科技和商业领域中最为热门和前沿的技术领域。其研究目标包括改进社交媒体用户体验、增强信息安全和隐私保护、促进人工智能的公平、透明和可解释性，以及推动人工智能在社会和经济领域的应用。这些研究涉及大规模数据处理、深度学习、强化学习、生成对抗网络（GANs）、自监督学习、迁移学习等前沿的AI 技术。

• FAIR研究院致力于推动其研究成果在不同行业中的应用，如医疗健康、金融、交通、教育、元宇宙等领域，推动人工智能和机器学习技术的落地和应用。

图表：Meta FAIR 算法应用模式

图表：Meta AI 与元宇宙战略

后续Meta对FAIR进行重组调整

• 2022年6月，Meta宣布FAIR将进行重组调整，其中AI部门不再“集中化研究”，而是分布式的下放到每个组织部门中去，这样可以更好的与实际业务结合。这项改动将加速AI技术在Meta实际业务中的应用，而被引入到不同产品组的业务部现被称为“AI创新中心”。此前，Meta AI部门已经推动了：AI Platform、AI for Product、AI4AR业务组。这次重组调整有几个重要变化值得关注：

• 1. FAIR成为Reality Labs Research旗下部门，其任务和使命没有变化：通过卓越的研究、开放的科学，广泛的合作推动AI技术的根本性突破。

• 2. AI4AR团队划归Reality Labs旗下XR团队。

. 3. 原负责内容推荐算法、商务和广告算法的AI团队划归至产品工程团队。

• 4. Responsible AI组织将规划至Social Impact团队。图表：首席科学家Yann Lecun 在Twitter 上宣布调整

图表：Meta 希望AI在整个公司得到广泛应用

Building with Al across all of Meta

AML团队更加重视应用落地

• AML（Applied Machine Learning）是Meta公司的机器学习应用团队，负责开发和优化应用于Meta产品和服务中的机器学习模型，包括模型研发、数据挖掘和特征工程、模型部署和优化、实时监测和模型迭代，以及跨团队合作。

• AML部门的工作涉及多个领域，包括推荐系统、广告排序、语音识别、图像识别等，用于Meta公司旗下的产品和服务，如Facebook、Instagram、WhatsApp等。通过不断优化和迭代机器学习模型，AML部门在Meta公司中扮演着关键角色，推动着公司的技术创新和业务发展，为用户提供更好的产品和服务体验。

图表：Meta AI 应用领域

图表： Facebook 机器学习流程示例

AI科学家：Yann LeCun为Meta首席科学家

• Meta拥有一支强大的AI团队，包括了深度学习领域的创始人Yann LeCun、首席技术官Andrew Bosworth、Facebook AI主管HassanSawaf、高级研究员Mike Schroepfer和人工智能科学家Jerome Pesenti、何恺明等。他们在人工智能和机器学习领域具有丰富的经验和卓越的成就，推动了Meta在技术和创新方面的领先地位。

• 这些核心人员领导和推动了Meta在人工智能和机器学习领域的多个项目，包括广告排序、推荐系统等，对公司的技术发展和业务创新起着至关重要的作用。他们的专业知识和经验使得Meta能够不断推动人工智能技术的前沿，应对未来的挑战并保持在全球科技行业的领先地位。

图表：Yann LeCun

Yann LeCun深度学习三巨头，提出卷积神经网络；2018年图灵奖获得者；美国科学院等院士；
图表：何恺明

何恺明CV领域顶级学者，提出深度残差网络ResNets、MAE；被引次数超42万；
图表： Andrew Bosworth

Andrew BosworthMeta首席技术官；曾带领团队创建Meta AR/VR业务；
图表：Mike Schroepfer

Mike Schroepfer曾任Meta 首席技术官；剑桥大学荣誉教授；

AI硬件：Meta推出Zion平台在内的多个AI硬件产品

• Zion是Meta推出的下一代大内存统一训练平台，旨在有效处理一系列神经网络，包括CNN、LSTM和SparseNN等。Zion平台可为人工智能模型的关键工作负载提供高内存容量和带宽、灵活的高速互连和强大的计算能力。Zion系统包括三个模块：Angels Landing、ClearCreek和Emerald Pools，其中Angels Landing是CPU盒；Clear Creek是互连盒；Emerald Pools是加速器盒。

• Meta的Kings Canyon是一款AI推理加速模块，用于提升人工智能及机器学习的计算性能。它可以嵌入到各种设备中，提供高效的AI推理能力。Kings Canyon的推理加速模块可以加速设备中各线程的深度学习推理任务，从而实现更快速、更智能的计算。

• Mount Shasta是Meta与芯片供应商Broadcom和Verisilicon合作设计的针对转码工作负载进行优化的定制ASIC。针对转码过程中的密集型运算，该硬件可以在提升工作负载的情况下降低能效，并支持实时4K 60fps流媒体等新功能。

图表：Meta Zion平台整体架构（左）及三层主要模块（右）

图表：基于Kings Canyon模块的AI推理解决方案

AI框架：2017年Meta推出AI框架PyTorch

• PyTorch是一种流行的开源深度学习框架，被广泛应用于人工智能和机器学习领域。首先，PyTorch提供了丰富的深度学习工具和库，使研究人员和开发者能够更轻松地构建、训练和部署深度学习模型。其动态图和静态图的混合编程方式使其具有灵活性和高度的可扩展性，同时支持在多种硬件平台上运行，如GPU和TPU等。其丰富的社区和开发者生态系统也为用户提供了丰富的资源和支持。

• 其次，PyTorch还注重与实际应用的结合，提供了用于构建实际应用的高级工具和接口，例如模型部署、模型解释性和模型优化等。此外，PyTorch 还与其他重要开源项目和社区保持了良好的互动，如ONNX、Caffe2、TorchScript等，从而促进了深度学习领域的技术交流和创新。

图表：Pytorch 多种平台选择

图表： Pytorch 机器学习模型工作流

相较于其他AI框架，Pytorch更加灵活

• PyTorch是一种开源的深度学习框架，其最大的优势之一是灵活的动态图编程方式。相比于静态图的框架，PyTorch允许用户在模型构建和调试过程中进行实时的计算图构建和修改。这意味着研究人员和开发者可以更加直观地调试和优化模型，更加高效地进行实验和迭代。此外，动态图编程方式还使得模型构建更加灵活，允许用户在模型中引入控制流、动态形状等复杂的计算逻辑，从而满足更加复杂的深度学习任务需求。

• 另一个PyTorch的优势是其强大的科学计算库。PyTorch提供了丰富的数值计算、矩阵运算、梯度计算等科学计算功能，使得用户能够在模型构建和训练过程中轻松地进行各种数学运算。这不仅简化了深度学习模型的实现过程，还提高了模型的训练效率。此外，PyTorch还拥有丰富的预训练模型和模型库，包括常用的卷积神经网络、循环神经网络等，用户可以直接使用这些模型或者基于这些模型进行二次开发，从而加速模型的构建和部署过程。

图表：Pytorch 在训练所用时间短

图表： PyTorch、TensorFlow、Keras对比（蓝色为优）

2023年Meta发布PyTorch2.0

• PyTorch2.0发布于2023年3月，它在新版本中加入了一系列强大的功能，包括对分布式训练和量化推理的全面支持，使得其在模型编译、大规模训练和高效推理方面更加出色。同时，PyTorch 2.0 还提供了全面的工具和库，以简化模型部署和模型生产环境的管理，使得深度学习应用的落地变得更加轻松和可靠。

• PyTorch2.0注重了开发者体验，提供了更加简洁、灵活和易用的API，使得模型的构建、训练和调试更加便捷。此外，PyTorch2.0 还支持多种硬件加速和模型优化技术，包括 GPU、TPU 和量化加速等，以提供更高的性能和效率。

PyTorch 2.0较上一版本的一个重大变化为引入了torch.compile，可极大地提升模型的编译速度。

图表：torch.compile可显著提升大模型训练速度

图表：PyTorch 2.0 编译过程

AI编译器：Meta发布GLOW，进行深度学习加速

• Glow是一款机器学习编译器，可以在不同的硬件平台上加速深度学习框架的性能。它使硬件开发人员和研究人员的生态系统能够专注于构建下一代硬件加速器，并应用于PyTorch等深度学习框架。

• Glow是强大的硬件优化器。Glow接受来自 PyTorch 等深度学习框架的计算图，并为机器学习加速器生成高度优化的代码。它包含许多机器学习和硬件优化，如内核融合等，以加速模型开发。

图表：GLOW加速器工作原理

AI生态系统：ONNX，针对机器学习的开放生态系统

• ONNX（Open Neural Network Exchange）是Meta发布的一个开放生态系统，它使AI开发人员能够随着项目的发展选择合适的工具。ONNX为AI模型（包括深度学习和传统 ML）提供开源平台。它定义了一个可扩展的计算图模型，以及内置运算符和标准数据类型的定义。目前该平台专注于推理（打分）能力的提升。

• ONNX使模型可以在一个框架中进行训练，然后导出并部署到其他框架中进行推理。ONNX 模型目前可在PyTorch、Caffe2、Microsoft Cognitive Toolkit、Apache MXNet 和 Chainer 等框架中兼容运行，并支持拓展至 Core ML、TensorFlow、QualcommSNPE、Nvidia 的 TensorRT 和英特尔的 nGraph等平台。

• 在硬件方面，任何需要导出 ONNX 模型的工具，都可以利用ONNX对其运行时间和库进行优化。ONNX目前支持高通SNPE、AMD、ARM、Intel等硬件合作伙伴

图表：ONNX 工作原理(左)及实例(右)

图表：ONNX 适用于多平台及设备

• React框架是一个用于构建用户界面的JavaScript库。该框架由Facebook团队开发并维护，是一个灵活、高效且强大的前端框架，适用于构建各种规模和复杂度的Web应用程序。它已经成为现代前端开发中的重要工具，并在众多企业和社区中得到广泛应用。

• React可用作开发具有Next.js等框架的单页、手机或伺服器渲染应用程式的基础。然而，React只专注状态管理和将状态渲染到DOM，因此创建React应用程式通常需要使用额外的工具库来进行路由实作，以及某些客户端功能。

• React的设计思想极其独特，属于革命性创新，性能出众，代码逻辑却非常简单。所以，越来越多的人开始关注和使用，认为它可能是将来 Web 开发的主流工具。

图表：React 可广泛使用在多个平台

图表：由代码生成交互界面

数据库：RocksDB

• RocksDB是一个由Meta开发的高性能、持久化的键值存储库。它是一个开源的C++库，用于在闪存和RAM存储上存储和管理键值对数据。

• 该框架是基于 Google LevelDB 研发的高性能 Key-Value 持久化存储引擎，以库组件形式嵌入程序中，为大规模分布式应用在SSD 上运行提供优化。RocksDB 重点是提供工具支持，具体实现将交给上层应用。

• RocksDB框架具有快速高效、可嵌入性、灵活的数据模型、可配置性、强大的持久性、多级存储支持等特点。其高度优化的存储和索引结构，能在大规模数据存储和访问场景下表现出卓越性能，适合在嵌入式系统和边缘计算环境中使用。它支持灵活的键值数据模型，提供丰富的配置选项，具有强大的数据持久性和多级存储支持。同时RocksDB 社区活跃，拥有丰富的文档和示例代码，被广泛应用于大规模应用中。

图表：RocksDB架构
图表：RocksDB框架优势

Meta拥有丰富的社交算法与元宇宙算法（1/2）

• 面部识别：Meta在其社交平台中应用了先进的人脸识别算法，用于自动识别和标记用户上传的照片中的人脸。这一算法能够在大量用户上传的图片中高效地识别人脸，并通过人脸特征比对和深度学习技术，进行准确的人脸识别，从而为用户提供方便的照片标记和人脸识别功能。

• 内容推荐：Meta利用机器学习和推荐算法，通过分析用户的兴趣、互动行为、社交网络关系等信息，为用户推荐个性化的内容。这一算法能够根据用户的兴趣和偏好，向用户展示他们可能感兴趣的内容，从而提升用户体验和社交平台的用户粘性。

• 情感分析：Meta应用情感分析算法，对用户在社交平台上的文本、评论、留言等进行情感分析，从而了解用户的情感倾向和情感态度。这一算法可以用于检测用户在社交平台上的情绪状态，从而更好地理解用户需求，改善用户体验和提供更合适的内容。

• 内容审核：Meta利用机器学习和自然语言处理技术，应用内容审核算法进行社交平台上的内容审核和过滤。这一算法可以自动识别和过滤含有违规、不当、恶意等内容的帖子、评论和消息，从而维护社交平台的秩序和安全。

图表：Facebook 新的审核流程

图表：Facebook 利用各种机器学习算法进行内容分类

Meta拥有丰富的社交算法与元宇宙算法（2/2）

• 虚拟现实交互：Meta在元宇宙中应用了先进的虚拟现实（VR）交互算法，用于模拟用户在虚拟世界中的自然动作和交互行为。这一算法能够通过传感器、手柄、手势识别等技术，实现用户在虚拟世界中的身体动作和手势的高度还原，从而提供更加沉浸式的虚拟体验。

• 虚拟化身：Meta利用机器学习和计算机视觉技术，应用人脸生成算法创建用户的虚拟化身（Avatar）。这一算法可以通过用户上传的照片、视频或者其他用户信息，生成一个个性化的虚拟化身，用于在元宇宙中代表用户参与社交互动、内容创作等活动。

• 社交互动和情感表达：Meta应用社交互动和情感识别算法，可实现元宇宙中的社交互动和情感表达。这一算法可以模拟用户在虚拟世界中的社交行为，如交谈、合作、分享等，并通过情感识别技术识别用户的情感表达，从而提供更加真实和丰富的社交体验。

• 内容生成：Meta利用生成模型和计算机图形学技术，应用内容创作和生成算法，实现用户在元宇宙中的内容创作和生成。这一算法可以自动生成虚拟世界中的场景、物体、人物等，从而为用户提供丰富的创作素材和内容生成工具。

图表：元宇宙与现实世界之间的转化

图表：图像网络生成准确率逐步提升

AI管理战略层：Meta业绩交流会纪要中出现“AI”数量领先

• 我们认为公司业绩交流会纪要中出现“AI”相关的次数代表管理层对相关AI布局的重视程度，出现AI次数越多，说明管理层在战略层面越重视AI，因此，我们统计了几家厂商业绩交流会中AI出现的次数。

• 根据谷歌、微软、Meta、Amazon几家公司各季度业绩说明会中所提到AI次数来看，谷歌由2020Q1的4次增长至2022Q4的64次，增长幅度最为明显；Meta由2021Q2的15次增长至2022Q4的37次，体现出Meta对于AI的布局相对较早；微软由2020Q1的26次波动下降至2022Q4的7次；而亚马逊在业绩说明会几乎没有提到AI领域的相关内容。

因此，我们认为在战略层面上，Meta对于AI的重视程度仅此于谷歌，这当然与Meta大力布局元宇宙，需要先进AI算法息息相关。

图表：谷歌、微软、Meta在2020-2022年Earnings call中提到AI的次数

AI工程领域：Meta工程领域相关能力仅次于微软和谷歌，强于亚马逊

• 我们认为，Github上的项目数量一定程度反应了厂商在工程领域的影响力/能力，因此，我们统计了Google（Google、Googleresearch、DeepMind）、Microsoft（Microsoft、Microsoft Learning、OpenAI）、Meta（Meta、Meta research）、Amazon（aws、awslabs）在Github上的相关数据，包括粉丝数、项目数、最高收藏的项目数情况等。

• 根据github网站相关数据，OpenAI、Microsoft、Google的关注人数较多，分别为39700、34200、21500人；Microsoft、Google的开源项目储存较多，分别为5500、2500项；具体来看，Meta的react项目被收藏数量达到206,135次，在众多项目中遥遥领先；Google的material-design-icons项目被收藏数量为47922次，Google research的bert项目被收藏数量达到33979次，OpenAI的whisper项目被收藏数量达到33806次。从研发团队人员数量来看，Microsoft达到4400人，Google为618人，Amazon Web Services为233人。

• 就Github的粉丝数、项目数来看，微软无疑是工程领域最具影响力的厂商，其次是谷歌、Meta、Amazon。

图表：谷歌、微软、Meta、Amazon、OpenAI在工程领域的横向对比

	Followers	Repositories	Repositories_Stars_收藏数
Microsoft	34300	5500	vscode:145,264
Microsoft Learning	2900	490	AZ-104-MicrosoftAzureAdministrator:2, 592
OpenAI	39700	148	whisper:33,806
Google	21500	2500	material-design-icons:47,922
Google research	4900	273	bert: 33,979
DeepMind	4900	191	deepmind-research:11,714
Meta	1220	127	react:206,135
Meta research	8800	804	segment-anything: 28,964
Amazon Web Services	4600	397	aws-cli:13, 669
Amazon Web Services - Labs	3500	748	git-secrets:10, 985

AI社会影响力：Meta Twitter粉丝数量仅次于谷歌

• 在社会影响力方面，我们认为Twitter粉丝数量能够在一定程度上反映出各大厂商在社会层面的影响力，账号关注者数量越多代表着越广泛的传播与覆盖范围。因此，我们统计了Google（Google、Google research、DeepMind）、Microsoft（Microsoft、Microsoft Research、OpenAI）、Meta（Meta、Meta AI）、Amazon（aws）在Twitter上的相关数据。具体来看，谷歌的Twitter平台粉丝数量为29,100,000，在各厂商中位列第一，有着较为明显的领先优势；Meta、Micosoft的粉丝数量分别为13,900,000和12,800,000，位居Google之后但也相对较多，在一定程度上体现其社会影响力较大。

图表：谷歌、微软、Meta、Amazon相关账号Twitter粉丝数

AI学术能力：Meta在学术领域能力弱于谷歌和微软

图表：谷歌、微软在各细分领域的研究数量

Google	Amount
Algorithms and Theory	1221
Data Management	161
Data Mining and Modeling	338
Distributed Systems and Parallel Computing	321
Economics and Electronic Commerce	322
Education Innovation	64
General Science	308
Hardware and Architecture	139
Health & Bioscience	257
Human-Computer Interaction and Visualization	734
Information Retrieval and the Web	382
Machine Intelligence	3403
Machine Perception	1331
Machine Translation	136
Mobile Systems	105
Natural Language Processing	970
Networking	294
Quantum Computing	116
Responsible Al	194
Robot ics	191
Security， Privacy and Abuse Prevention	459
Software Engineer ing	179
Software Systems	429
Speech Processing	515

Microsoft	Amount
Artificial intelligence	6504
Human language technologies	871
Computer vision	651
Algor ithms	570
Search and information retrieval	539
Human-computer interaction	480
Data platforms and analytics	264
Systems and networking	237
Programming languages and s I software engineering	237
Medical， health and genomics	171
Audio and Acoustics	140
Security， privacy， and cryptography	134
Social sciences	113
Graphics and multimedia	88
Mathematics	85
Hardware and devices	77
Economics	75
Ecology and environment	55
Technology for emerging markets	22
Quantum computing	11

• 我们认为，相关论文数量代表着其AI相关学术领域能力。

• 在学术领域：从研究项目总量来看，谷歌共有12569篇研究，微软共有11324篇研究，明显领先于Meta和Amazon。

• 从具体领域来看，谷歌的研究共涉及24个领域，包括算法理论、数据运营、数据挖掘、教育创新、生物科学、机器感知等，研究覆盖面较广，主要分布在M a c h i n e I n t e l l i g e n c e （ 3403 篇）、M a c h i n e P e r c e p t i o n （ 1331 篇）和Algorithms and Theory（1221篇）。而微软的研究共涉及人工智能、语言技术、机器视觉等20个领域，主要分布在Artificial intelligence（6504篇），占比57.44%，分布较为集中。

AI学术能力：Meta在学术论文数量少于谷歌和微软

• 从研究项目总量来看，Meta共有4478篇研究，Amazon有2679篇研究。

• 从具体领域来看，Meta的研究共涉及14个领域，主要分布在Artificial Intelligence（1200篇）、Computer Vision（949篇）、Computer Vision（508篇）和Natural Language Processing & Speech（472篇）。亚马逊的研究共涉及13个领域，主要分布在Conversational AI / Natural-language processing（1001篇）、Machine learning（756篇），占比65.58%，分布较为集中。

图表：Meta、Amazon在各细分领域的研究数量

Meta	Amount
AR/VR	383
Academic Programs	1
Artificial Intelligence	1200
Computational Photography & Intelligent Cameras	34
Computer Vision	508
Data Science	200
Databases	37
Economics & Computation	62
Human Computer Interaction & UX	146
Machine Learning	949
Natural Language Processing & Speech	472
Networking & Connectivity	99
Security & Privacy	72
Systems & Infrastructure	315

Amazon	Amount
Conversational Al / Natural-language processing	1001
Machine learning	756
Computer vision	315
Search and information retrieval	175
Cloud and systems	93
Information and knowledge management	89
Security， privacy， and abuse prevention	86
Operations research and optimization	44
Quantum technologies	36
Automated reasoning	23
Robotics	23
Economics	19
Sustainability	19

• Meta AI能力主要集中在C端和视觉，包括图像识别和目标检测、图像生成、增强现实（AR）和虚拟现实（VR）、人脸识别和人脸相关技术以及社交网络数据处理和隐私保护。

• 这些技术可以应用于社交媒体平台中，提供更好的用户体验和社交互动。如人脸识别登录、人脸特征提取、人脸情绪识别等技术可增强社交媒体平台的娱乐属性；Meta AI 还提供数据处理和隐私保护技术，对用户在社交媒体平台上的数据进行处理和管理，以保护用户隐私和数据安全，同时改进内容推荐和用户兴趣建模等功能。

• 类似的，Microsoft AI也偏向C端用户，而Google、Amazon则更偏向B端。

图表：互联网公司AI发展及应用

公司	方向	应用
Microsoft	自然语言处理、计算机视觉、语音识别	Office 365、Azure云平台
Meta	计算机视觉、信息安全	社交媒体应用、元宇宙、VR/AR
Amazon	语音助手、自动化	电商、物流、人工智能云服务
Google	自然语言处理、计算机视觉、语音识别、推荐系统	互联网搜索、广告、地图等

图表：Meta机器视觉技术解析视频

AI发力点：Meta更加看重AI自监督学习能力

• Yann LeCun坚定地认为， AI系统自监督学习（SSL）是AI系统的必要前提，它可以帮助AI系统构建世界模型，以获得类似人类的能力，如理性、常识，以及将技能和知识从一个环境迁移到另一个环境的能力。

• 近几年，Meta发表了一系列关于AI系统自监督学习的论文,提出了一种名为data2vec 的自监督学习新架构，在多种模态的基准测试中超越了现有SOTA方法。

• Meta AI 将 data2vec 分别应用于语音、图像和文本，在计算机视觉、语音任务上优于最佳单一用途算法，并且在 NLP 任务也能取得具有竞争力的结果。此外，data2vec 还代表了一种新的、全面的自监督学习范式，其提高了多种模态的进步。data2vec不依赖对比学习或重建输入示例，能够使研究者开发出适应性更强的AI，加速AI发展。

图表：Yann LeCun对于AI自监督学习的主张
图表：data2vec原理

AI算力：Meta资本开支增速位列第一

• Meta 在全球拥有大规模的数据中心和服务器群，积累了丰富的经验和创新在数据中心设计、硬件优化、软件定义网络、容器化技术等领域，推动技术进步和标准化。作为一家领先的云计算平台，Meta 为企业和开发者提供高性能、高可扩展性的云计算解决方案，助力创新应用的构建和发展。

• Meta资本开支仅次于亚马逊，2022Q2以来，Meta 加大了对人工智能、云计算等领域的投入，资本开支增速远高于其他互联网企业。2023Q1，Meta资本开支68.42亿美元，同比增长25.75%。

图表：北美四大云厂商资本开支（百万美元）

AI大模型：布局时间与数量弱于谷歌和微软，其中以LLaMA为代表

• 从大模型推出时间和数量来看，Meta要稍弱于Google和Microsoft。

• 2019年前后，谷歌就推出大语言模型T5，2020年OpenAI就已经推出了GPT-3，而Meta则在2022年推出大语言模型OPT，2023年推出LLaMA。其中，Meta推出的LLaMA最具代表性。LLaMA包含70亿、130亿、330亿和650亿参数规模的模型。其中，参数规模最小的LLaMA 7B也经过了超1万亿个tokens的训练。在大多数基准测试中，参数仅为十分之一的LLaMA-13B的性能优于OpenAI推出的GPT3(175B)。

图表：谷歌、微软、Meta、Amazon大模型对比

• LLaMa（Large Language Model Meta AI）是Meta最新开源的大规模语言模型，其参数范围可达70亿至650亿。LLaMA以相对少量的参数获得了媲美超大模型的效果，130 亿参数的 LLaMA 模型在大多数基准测试上可以胜过参数量达 1750 亿的 GPT-3；最大的 650 亿参数的 LLaMA 模型可以媲美谷歌的 Chinchilla-70B 和 PaLM-540B。并且该模型可以在单个 GPU 上运行，极大的降低了NLP开发者的使用难度。

• LLaMa共计在超过14,000 亿 tokens 、超过4800GB的的语料库中完成训练，其训练数据集包括CCNet (67%)、C4 (15%)、 GitHub(4.5%)、Wikipedia (4.5%)、Books (4.5%)、ArXiv (2.5%)和Stack Exchange(2%)。

图表：LLaMa在问答及常识推理场景下训练表现优秀

图表：LLaMa-65B在大部分基准测试下性能超过GPT-3等其他模型

	BoolQ	PIQA SIQA HellaSwag	WinoGrande ARC-e					ARC-c	OBQA
GPT-3	175B	60.5	81.0	-	78.9	70.2	68.8	51.4	57.6
Gopher	280B	79.3	81.8	50.6	79.2	70.1	1	1	-
Chinchilla	70B	83.7	81.8	51.3	80.8	74.9	-	1	-
PaLM	62B	84.8	80.5	1	79.7	77.0	75.2	52.5	50.4
PaLM-cont	62B	83.9	81.4	-	80.6	77.0	1	-	-
PaLM	540B	88.0	82.3	1	83.4	81.1	76.6	53.0	53.4
LLaMA	7B	76.5	79.8	48.9	76.1	70.1	72.8	47.6	57.2
	13B	78.1	80.1	50.4	79.2	73.0	74.8	52.7	56.4
	33B	83.1	82.3	50.4	82.8	76.0	80.0	57.8	58.6
	65B	85.3	82.8	52.3	84.2	77.0	78.9	56.0	60.2

以LLaMa为基础的模型：Alpaca

• Alpaca是斯坦福大学发布的指令跟随语言模型，该模型基于Meta的LLaMA-7B进行小幅度调整，并在由text-davinci-003生成的自我指导下不断训练而成。Alpaca在自我指导评估集上，表现出与类似Open AI GPT-3的性能，但相比于GPT-3，该模型的优势包括：训练难度低、模型尺寸小、模型参数少、容易复现等。

• Koala是加州大学伯克利分校基于LLaMa模型打造的聊天机器人，该机器人的主要模型Koala 13B具有和ChatGPT相当的性能表现。Koala 13B基于Open Instruction Generalist (OIG)、Stanford Alpaca、Anthropic HH、OpenAI WebGPT及OpenAI Summarization等数据集训练而成，具有很强的文本分析及完成指令能力。且在未来高质量数据集的训练下，有望进化成更安全、更自然、更高性能的大语言模型。

图表：Koala 13B模型构成(上)和Koala模型表现(下)
图表：Alpaca 7B 模型结构

Meta主要大模型：SAM

• 2023年4月5日，Meta发布SAM模型（Segment Anything Model），是 CV图像分割领域的基础模型。SAM由一个图像编码器、一个提示编码器和一个掩码解码器组成，具有以下特点：1）使用提示工程进行任务学习，交互式点击、选择框甚至文本操作进行物体分割；2）具有模糊感知功能，面对分割对象存在歧义时，可以输出多个有效掩码；3）与ChatGPT类似，SAM巧妙的将人工标注与大数据结合（数据引擎），最终实现了“分割一切”的功能。

• SAM在边缘检测、object proposal generation、实体分割、text to mask等下游场景表现依旧出众，虽然某些领域下不如当前最优模型的表现，但其良好的zero-shot泛化能力依旧证明该模型性能的强悍。英伟达人工智能科学家Jim Fan更是认为SAM是CV的“GPT-3时刻”之一。

SAM及其改良版本预计将被广泛应用于工业、自动驾驶、VR/AR、安防、卫星遥感等众多领域，将催生巨大应用蓝海。

图表：SAM模型

• DINOv2，是Meta在2023年4月17日发布的第一种使用自监督学习来训练计算机视觉模型方法。使用DINOv2方法的模型，可在任何图像集上进行训练，在提供强大的性能的同时，不需要对模型进行微调，适合用作许多不同计算机视觉任务的骨干。由于自监督特征学习和轻量化特定任务执行模块的加入，DINOv2在深度估计方面的表现明显优于其他算法。

• 测试结果显示，DINOv2对分类、分割和图像检索等任务的非常强大的预测能力。同时，该模型在图像网络分类、视频分类、目标识别、密集识别任务等场景下，较其他模型表现更加优秀。

图表：DINOv2与其他模型在多个场景下的表现对比

图表：DINOv2与其他模型在图像分类、视频分类的表现对比

		Image classification			Video classification
Feature	Arch	iNat2018	iNat2021	Places205	K400	UCF-101	SSv2
OpenCLIP	ViT-G/14	73.0	76.0	69.8	78.3	90.7	35.8
MAE DINO	ViT-H/14	31.0	32.3	52.4	54.2	70.6	29.2
	ViT-B/8	59.6	68.3	60.4	64.5	85.0	32.6
	ViT-L/16	66.3	74.6	64.4	72.6	88.6	38.7
DINOv2	ViT-S/14	69	74.2	62.9	67.8	87	33.1
	ViT-B/14	76.4	81.1	66.2	73.2	89.1	34.4
	ViT-L/14	80.4	85.1	67.3	76.3	90.5	35.6
	ViT-g/14	81.6	85.7	67.5	78.4	91.2	38.3

风险提示

• 全球宏观经济发展不及预期：Meta业务遍布全球，各地区收入会受到全球宏观环境的影响造成汇率变动，可能会导致Meta在美国本土以外地区收入不及预期。

• 大模型技术发展不及预期：大模型属于先进AI算法，若后续Meta大模型算法更新迭代效果不及预期，则会影响Meta相关大模型演进及拓展，进而会影响其商业化落地等；

• 数据数量与数据质量不及预期：大模型需要大量的高质量数据进行训练，若数据数量和质量存在短板，则会影响模型效果。

• 大模型研发竞争激烈：美国科技大厂纷纷入局大模型研发，微软、Meta和Nvidia在大模型研发均投入了大量资金和算力、人才，相关产品表现出了很强的竞争力，大模型研发竞争越发激烈。

• 元宇宙发展不及预期：Meta目前聚焦于元宇宙业务，若后续元宇宙技术研发、应用落地不及预期，则会对公司业绩产生负面影响。

感谢辛侠平对本报告的贡献。

分析师介绍

阎贵成：中信建投证券通信&计算机行业首席分析师，北京大学学士、硕士，专注于云计算、物联网、信息安全、信创与5G等领域研究。近8年中国移动工作经验，6年多证券研究经验。系2019-2021年《新财富》、《水晶球》通信行业最佳分析师第一名，2017-2018年《新财富》、《水晶球》通信行业最佳分析师第一名团队核心成员。

金戈：中信建投证券研究发展部计算机行业联席首席分析师，帝国理工学院工科硕士，擅长云计算、金融科技、人工智能等领域。

于芳博：中信建投计算机行业分析师，北京大学空间物理学学士、硕士，2019年7月加入中信建投，主要覆盖方向智能汽车、CPU/GPU/FPGA/ASIC、EDA和工业软件等方向。

杨艾莉：传媒互联网行业首席分析师，中国人民大学传播学硕士，曾任职于百度、新浪，担任商业分析师、战略分析师。2015年起，分别任职于中银国际证券、广发证券，担任传媒与互联网分析师、资深分析师。2019年4月加入中信建投证券研究发展部担任传媒互联网首席分析师。曾荣获2019年wind资讯传播与文化行业金牌分析师第一名；2020年wind资讯传播与文化行业金牌分析师第二名；2020年新浪金麒麟评选传媒行业新锐分析师第二名。

评级说明

投资评级标准		评级	说明
报告中投资建议涉及的评级标准为报告发布日后6个月内的相对市场表现，也即报告发布日后的6个月内公司股价（或行业指数）相对同期相关证券市场代表性指数的涨跌幅作为基准。A股市场以沪深300指数作为基准；新三板市场以三板成指为基准；香港市场以恒生指数作为基准；美国市场以标普500 指数为基准。	股票评级	买入	相对涨幅15%以上
		增持	相对涨幅5%-15%
		中性	相对涨幅-5%-5%之间
		减持	相对跌幅5%-15%
		卖出	相对跌幅15%以上
	行业评级	强于大市	相对涨幅10%以上
		中性	相对涨幅-10-10%之间
		弱于大市	相对跌幅10%以上

分析师声明

本报告署名分析师在此声明：（i）以勤勉的职业态度、专业审慎的研究方法，使用合法合规的信息，独立、客观地出具本报告, 结论不受任何第三方的授意或影响。（ii）本人不曾因，不因，也将不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。

法律主体说明

本报告由中信建投证券股份有限公司及/或其附属机构（以下合称“中信建投”）制作，由中信建投证券股份有限公司在中华人民共和国（仅为本报告目的，不包括香港、澳门、台湾）提供。中信建投证券股份有限公司具有中国证监会许可的投资咨询业务资格，本报告署名分析师所持中国证券业协会授予的证券投资咨询执业资格证书编号已披露在报告首页。

在遵守适用的法律法规情况下，本报告亦可能由中信建投（国际）证券有限公司在香港提供。本报告作者所持香港证监会牌照的中央编号已披露在报告首页。

一般性声明

本报告由中信建投制作。发送本报告不构成任何合同或承诺的基础，不因接收者收到本报告而视其为中信建投客户。

本报告的信息均来源于中信建投认为可靠的公开资料，但中信建投对这些信息的准确性及完整性不作任何保证。本报告所载观点、评估和预测仅反映本报告出具日该分析师的判断，该等观点、评估和预测可能在不发出通知的情况下有所变更，亦有可能因使用不同假设和标准或者采用不同分析方法而与中信建投其他部门、人员口头或书面表达的意见不同或相反。本报告所引证券或其他金融工具的过往业绩不代表其未来表现。报告中所含任何具有预测性质的内容皆基于相应的假设条件，而任何假设条件都可能随时发生变化并影响实际投资收益。中信建投不承诺、不保证本报告所含具有预测性质的内容必然得以实现。

本报告内容的全部或部分均不构成投资建议。本报告所包含的观点、建议并未考虑报告接收人在财务状况、投资目的、风险偏好等方面的具体情况，报告接收者应当独立评估本报告所含信息，基于自身投资目标、需求、市场机会、风险及其他因素自主做出决策并自行承担投资风险。中信建投建议所有投资者应就任何潜在投资向其税务、会计或法律顾问咨询。不论报告接收者是否根据本报告做出投资决策，中信建投都不对该等投资决策提供任何形式的担保，亦不以任何形式分享投资收益或者分担投资损失。中信建投不对使用本报告所产生的任何直接或间接损失承担责任。

在法律法规及监管规定允许的范围内，中信建投可能持有并交易本报告中所提公司的股份或其他财产权益，也可能在过去12个月、目前或者将来为本报告中所提公司提供或者争取为其提供投资银行、做市交易、财务顾问或其他金融服务。本报告内容真实、准确、完整地反映了署名分析师的观点，分析师的薪酬无论过去、现在或未来都不会直接或间接与其所撰写报告中的具体观点相联系，分析师亦不会因撰写本报告而获取不当利益。

中信建投证券研究发展部

北京
东城区朝内大街2号凯恒中心B
座12层
电话：(8610) 8513-0588
联系人：李祉瑶
邮箱：lizhiyao@csc.com.cn
浦东新区浦东南路528号南塔2103室
电话：(8621) 6882-1612
联系人：翁起帆
邮箱：wengqifan@csc.com.cn
福田区福中三路与鹏程一路交汇处
广电金融中心35楼
电话：（86755）8252-1369
联系人：曹莹
邮箱：caoying@csc.com.cn

中信建投（国际）

香港中环交易广场2期18楼

电话：（852）3465-5600联系人：刘泓麟邮箱：charleneliu@csci.hk

StartYourFinance

起点财经，网罗天下报告

Model	#L	#H	dmodel LR	Batch
125M	12	12	768 6.0e-4	0.5M
350M		16	1024 3.0e-4	0.5M
1.3B		3232	2048 2.0e-4	1M
2.7B	242432		2560 1.6e-4	1M
6.7B	32	32	4096 1.2e-4	2M
13B	40	40	5120 1.0e-4	4M
30B	48	56	7168 1.0e-4	4M
66B	64	72	9216 0.8e-4	2M
175B	96	96	12288 1.2e-4	2M

人工智能行业海外大模型系列深度报告之三：全球AI“头号玩家”之一，META-20230530-中信建投-54页