腾讯云IaaS、PaaS层竞争优势在哪？

IaaS 的主要竞争逻辑是成本驱动。SaaS 层的主要竞争优势是生态优势。

1.IaaS 层竞争逻辑：规模效应、技术领先与资源优势

1.1 核心结论：腾讯云 IaaS 层处于转型阵痛，拐点过后前景广阔

腾讯云 IaaS 层处于转型阵痛，拐点过后前景广阔。腾讯云由于 CDN 占比等因素毛利率相比竞对较低，但 随着考核绩效的调整、收入结构的优化，未来毛利率将显著优化回到正轨。我们认为未来腾讯云将呈现利润增 速明显高于收入增速的现象。远期看，腾讯云 IaaS 净利率的预期也将向上调整。此外，在政务、金融上云高峰 过去后，腾讯云 IaaS 层的收入增长回到健康水平。 IaaS 层功能主要包括计算、存储、网络等，上游硬件资源的高度同质化，客观上决定了 IaaS 产品的高度同 质性。尽管不同厂商技术路线上可能存在差异，但终端产品功能是趋于一致的。对比主要云厂商的产品，我们 观察到主要云计算厂商的计算、网络、存储等多数产品存在高度相似性，这反映 IaaS 层功能产品的差异化程度 不高。在产品相似的基础上，价格成为影响订单的主要因素，AWS、GCP、阿里云等头部厂商通过自研硬件等 方式实现成本优势。

1.2 自研芯片：技术驱动成本领先

价格战的背后是成本竞争，成本优势主要来自于技术领先，因此主要云计算厂商开始自研上游硬件，通过 技术架构的优化实现单位性能下的成本降低。

但定制芯片对成本的影响并非一蹴而就的，而是逐步显现的。一般而言，云计算厂商推出自研芯片均会强 调其性能、成本较过往的优势，但客观上我们需要注意芯片的应用范围和部署进度，场景化的芯片应用领域相 对局限，例如新一代视频转码芯片成本下降 60%，但对云计算业务本身的成本影响需要考虑视频转码收入的占 比，如果按 5%计算，对应新一代芯片完全替代现有芯片后成本能够下降 3pct（5%→2%），而对应明年则需要 考虑芯片的替换比例，如果芯片发布后的第一年部署比例在 30%，则实际成本下降幅度在 0.9pct（5%→4.1%）。

定量地看，借鉴京东智联云，我们可以推测 2019 年阿里电商业务贡献的云收入1，2020-21 年则按照 GMV 增速估计变化趋势，据此测算 FY2022 国内电商业务的收入贡献约为 3.5%（该部分内部冲抵后不体现在阿里云 的收入中）。自倚天 710 发布至今，按照不同场景、应用 30-60%的成本节约，其对阿里云整体的成本下降贡献 约 1.05~2.10%。根据 2022 年云栖大会，未来两年，阿里云有 20%的新增算力将来自阿里云的自研芯片。参考腾 讯云，服务器的折旧年限为 3 年，但实际使用年限一般在 5 年以上，因此未来 2 年更新需求占比 40%，此外假 设替换需求外新增算力年均增速 5-10%，则对应 5-7%的渗透率，未来 2 年驱动成本年均下降 1.5-4.2%。 更现实的情况是，云计算厂商在芯片研发上多管齐下2，例如腾讯同时在 AI 推理、视频解码、智能网卡等 领域布局研发，且云计算厂商芯片迭代速度较快，一般 1-3 年内就完成了研发、流片、量产、大规模部署，较 3- 5 年的行业平均周期明显缩短。如果考虑多研发管线、逐步部署的情况，我们估计对云厂商的整体成本是逐步体 现且呈现周期性的，上述周期性来自于芯片代际突破，成长性来自于新一代芯片部署比例提升。

目前 DPU 芯片领域存在技术路线的差异，1）Arm 多核或 MIPS 多核；2）CPU+FPGA 架构；3）ASIC SoC。根据中科驭数 CEO 鄢贵海，“Arm/MIPS 多核的方式在实际的应用系统中未必能真正发挥优势，FPGA 的方式可以在接口上省去一些功夫，但重要的部分没有突破，我觉得是避重就轻。ASIC 的限制条件更少，能进行更多 的定制，实现更大的差异化，差异化越大才能有更大的优势。”总体上，DPU 芯片正逐步转向 ASIC 路线，但 受专利协议等因素影响，这一转变是较为缓慢的。 腾讯云目前在 DPU 芯片的布局落后于已经大规模部署的阿里云（2017 年发布，22 年推新 CIPU），技术 路线上性能方面落后于 AWS 的 Nitro 芯片（2022 年推出第五代）。目前市场上应用最广的 DPU 芯片是 AWS 的 Nitro 芯片，亚马逊 AWS 资深副总裁 James Hamilton 2019 年发布的博客，当时亚马逊一年的 Nitro 芯片用 量已达数百万片；阿里云的第四代神龙架构也开始支撑阿里云的大规模云上业务，并于 2022 年推出 CIPU 芯片。 从技术路线上看，Nitro 使用 ASIC 架构，而阿里云的神龙架构是 FPGA 方案，腾讯投资的云豹智能也采取 FPGA 方案，这种方案灵活性更高，但成本仍较 ASIC 高。

AI 芯片方面，英伟达在 AI 训练芯片领域占据绝对优势地位。根据 IDC 发布的《2020-2021 中国人工智能计 算力发展评估报告》，英伟达的 GPU 在 2020 年国内 GPU 服务器占据 95%左右的市场份额，是数据中心人工 智能加速方案的首选。AI 训练芯片格局的集中主要是因为场景通用性高，但 AI 推理芯片场景更多元化，相应 格局也更碎片化，因而难以直接比较不同厂商的 AI 芯片，我们只能通过其部署规模/研发代差去大致判断其市 场竞争力，目前看谷歌、AWS 处于第一梯队，阿里云、腾讯云、Azure 处于第二梯队。 动态来看，芯片迭代研发需要 1）充足的研发资金，完善的研发团队；2）客户反馈，第三方芯片研发商在 资金、团队搭建上具备优势，但客户反馈周期较长，因此研发周期较长。云计算厂商由于芯片自用，量产到大 规模部署更快，反应较为即时，因而芯片的迭代周期相对较短。

不同云计算厂商的竞争无非是应用场景、部署速度的竞争，归根结底还是规模效应驱动。从研发投入的 ROI 角度看，云计算厂商对定制芯片的研发投入非常合理。单独看芯片研发、流片成本高昂，但考虑到云计算业务 体量较大，阿里云、腾讯云年收入达到百亿级，1%的成本优化也对应 1 亿以上的成本节约，此外考虑到研发费 用的“税盾”作用，实际芯片研发的 ROI 会更高。也就是说，政府对芯片研发的支持和激励推动了额外的研发 支出，这与 2018 年中美贸易战后国内对技术投资加大符合，但这并非是情绪驱动的非理性投资，而恰恰是理性 投资，并且考虑到云计算厂商芯片研发仍处于初步阶段，预计自研芯片/服务器在未来仍将是重要的竞争策略。

1.3 数据中心：高固定成本占比下存在规模效益

数据中心成本中占比较高的包括公用事业成本、设备折旧及摊销、租金、劳工成本等，其中公用事业成本 主要是电费（可变成本），设备折旧及摊销、场地租金、劳工成本等多为固定成本，随着业务规模扩张其占比 会有所下降，驱动整体成本率下降。 以万国数据 2021 年为例，我们以云服务商实际支出视角测算 UE。由于万国数据的报表收入为剔除增值税 后计入，因此云服务商的实际支出为报表收入/（1+税率），以此为基数测算的成本结构与万国数据的实际毛利 率、成本率可能有所差异。据计算，电费及设备折旧摊销占数据中心成本主要比例，分别为 32%、35%，其他成 本如税收、租金、人员成本、网络成本、维护及其他成本合计占比 33%。按成本固定/可变划分，2021 年固定成 本比例达 48%，可变成本主要是电费、网络成本、税收、维护和其他成本等。

高固定成本占比下规模效益可能驱动未来多大比例的成本下降，这是云服务商成本优化的重要问题。最初 步的思路是静态视角，假定其他条件不变，提升实际利用率（utilization rate）对现有 UE 的优化幅度测算，这需 要引入敏感性测算。 我们以万国数据 2021 年成本为基础，测算实际利用率分别提升至 70%/80%/90%情况下成本率的变化。之 所以选取 70%/80%/90%，是因为从可比公司角度看具备一定可行性，2020 年万国数据利用率达到 70%，全球数 据中心龙头 Equinix 2013-21 年数据中心利用率中枢在 80%左右，而 Digital Realty 同时期利用率（occupancy） 中枢接近 90%。 在 70%/80%/90%的利用率假设下，万国数据的成本率将分别下降 2.2%/6.1%/9.1%。而利用率中枢很大程度 上影响了数据中心的利润率中枢。

由此引申出一个问题，即数据中心如何实现利用率的提升，不同数据中心企业的利用率中枢为何有显著差 异？ 短期看价格，中期看客户结构，长期看产能规划节奏。短期看，数据中心价格则是调节手段，数据中心扩 张也存在时滞，短期内利润最大化依靠调节价格实现，因此我们注意到 Equinix 的有效租金（net effective rent） 与留存率存在较为明显负相关的关系。 中期看，数据中心利用率实际上是留存率/续约率以及新签率的结果。留存率是各行业/类型客户留存率汇总 而成，而各行业/类型客户的留存率则存在明显差异，根据 Digital Realty，0-1 MW 与>1 MW 客户的留存率中枢 差异巨大。具体到某一行业/类型客户的留存率，其受 1）行业特点；2）数据中心价格波动影响。行业特点即行 业本身存在周期性，需求旺盛时产能扩张，对价格相对不敏感，留存率走高。 数据中心利用率的差异主要是客户结构导致的，根本上与企业发展阶段、规模相关。主机托管类客户留存 率波动较小，其他客户留存率波动较大，且主机托管类留存率中枢最高，1Q17-1Q20 平均留存率达 87.2%，其他客户留存率大多在 60-70%。而客户结构主要受产能周期等影响，数据中心规模扩大后，客户资源、品牌声誉 等逐步积累，客户结构会趋于均衡，而在企业快速发展阶段，客户结构可能并不稳定，变化较大。

定量看，Equinix 利用率中枢在 80%左右，Digital Realty 利用率中枢在 90%左右，但近年来逐步回落，与 Equinix 利用率逐步接近，这主要是由于续约客户的平均租期缩短，2013-21 年 DRL 平均续约租期自 11.7 年下 降至 3.2 年，且随着基数变化续约客户的占比提升，这一影响更加显著。客户租期缩短主要是客户结构变化导致 的，根据 DRL，0-1MW 客户留存率中枢高于>1MW。对于 Equinix，其整体利用率基本稳定，但放大看季度波 动与客户收入结构还是存在明显相关性，整体的波动较小更可能是其客户结构调整策略更平滑，例如 1Q17-3Q22 前 10/50 名客户收入占比呈现先升后降，而同期整体利用率呈现先降后升。

长期看，资本开支决定产能周期，产能扩张节奏影响利用率中枢。对数据中心而言，非经常资本开支涵盖 土地、建工等项目成本，经常资本开支主要是对已有项目的维护、设备更新迭代等，因此以非经常开支作为未 来产能的代理指标。我们注意到，Equinix 的非经常资本开支/收入比例相对更低，DRL 的开发项目开支/收入比 例更高，这意味着更激进的扩张，可以看到 2012 年来 DRL 的利用率加速下滑。

关于数据中心，更本质的问题是不同类型客户的留存率是否存在内生性差异。如果是，围绕不同客户构建 的商业模式可能存在较大差别，需要进一步甄别数据中心行业的不同商业模式，不同商业模式的优劣可能取决 于客户所处行业格局，发展阶段等因素；如果不是，当前留存率的差异是哪些外生性因素导致的，这些因素未 来的变化趋势如何。由于本篇报告聚焦腾讯云视角，在此不再延伸至数据中心的分析。 考虑到现实的复杂性，静态测算对实际预测帮助是有限的，我们需要引入更多变化因素，并确保这些因素 在合理范围内波动，从而测算出一个更综合的动态范围。进一步测算基于成本模型，我们选取影响较大的因素， 暂时忽略其他因素。我们认为影响较大的因素中受地理位置等变化的主要是电费、土地和土建。

总结来看，在单位 KW 电费下降 8.3%/9.1%，工业用地土拍均价下降 25%的假设下3，以光环新网为代表 的数据中心（自建占比较高）成本率能够下降 7.2%/8.2%4。 数据中心层面的成本差异对 IaaS层毛利率有重要影响，而中美云计算厂商在 IaaS层毛利率存在显著差异。 在《微软（MSFT.O）：战略转型推动业务重生，全球云及企业服务龙头》报告中，我们拆分出海外云计算厂商 IaaS 层毛利率在 50%~60%，而国内云计算厂商中龙头阿里云 IaaS 毛利率也仅有 15%左右，腾讯云等毛利率水 平更低。 与国内类似，海外的云计算厂商主要也采取租赁第三方数据中心的策略，因此数据中心成本很大程度上反映云计算厂商的 IaaS 层成本。

上述价格/成本比例最终汇聚为云计算厂商 IaaS 层成本/毛利率的差异。1Q17-3Q22 国内/海外数据中心机柜 MRR 为 3.6，而国内/海外云计算厂商的计算实例为 2.8（未考虑折扣率）。一方面是云计算厂商竞争格局较差， 导致价格竞争，IaaS 价格处于较低水平，另一方面也是用户付费能力差距。机柜成本方面，中美差异主要在 1） 电价；2）带宽成本。

中国工业用户实际电费支出高于美国。根据杨娟、刘树杰《中美电价比较研究》5，2016 年中国工业电价平 均 0.687 元/KWh，美国工业电价平均 0.448 元/KWh，中国比美国高 0.239 元，高出约 53%。考虑到中、美两国 税收体系不同，美国电价中不含增值税，而增值税是可以抵扣的，因而中国工业用户增值税抵扣后的实际电费 支出约为 0.587 元/KWh，比美国高 0.139 元，高出约 31%。 根据 EIA 及北极星售电网，2022M12 国内一线城市工业电价（不含税）高于美国 2020-22 年 10 月工业电 价（不含税）57.9%，高于 2022 年 10 月工业电价（不含税）26.3%；2022M12 全国各省/自治区工业电价6（不 含税）高于美国 2020-22 年 10 月工业电价（不含税）39.8%，高于 2022 年 10 月工业电价（不含税）11.8%。类似杨娟、刘树杰《中美电价比较研究》的测算，考虑税收抵扣后，中国一线城市工业电价预计高于美国 30% 以上。

中国工业电价较高的原因主要有 1）燃料成本较高，导致发电成本高于美国。2）存在居民用电交叉补贴， 工业用电价格的部分“溢价”是对居民用电的补贴。以上两点是支撑中国工业用电价格高于美国的长期因素。 另外一点是带宽，由于电信运营商行业具有牌照壁垒，网络带宽服务基本只能从主要国营电信运营商获取， 因而存在一定的垄断溢价，三大运营商并未对网络带宽的成本毛利进行拆分披露7。但鹏博士于 2012 年收购长 城宽带，将宽带业务并入表内，我们注意到 2013-21 年鹏博士家庭宽带及增值服务的毛利率在 60%以上。互联 网云厂商采购网络带宽存在两种情况：1）直接与运营商购买；2）通过第三方数据中心采购，由于第三方数据 中心采购量大，可能有一定价格优势，但第三方数据中心也存在加价率，实际溢价率可能低于 60%。 如果将工业电价和带宽的因素剔除，我们按考虑税收因素后的电价溢价 30%，带宽溢价 60%计算阿里云、 腾讯云的毛利率提升幅度。若假设阿里云、腾讯云 IaaS 层收入中带宽、CDN 相关的占比分别为 33%/20%（腾 讯内部业务使用不计入腾讯云收入），对阿里云、腾讯云 IaaS 层的毛利率预计分别提升 19/14.5pct。剩余的毛利 率差异主要是终端价格差异导致的。

1.4 客户结构：客户资源优势加速业务发展

除技术外，资源优势对市场竞争也起到明显作用。由于行业规模效应明显，除头部云计算厂商能够依据成 本定价，其他云服务商一般不以自身的成本为主要定价依据，而是跟随头部厂商的定价。如前所述，技术研发 抬升远期利润空间，当期竞争平台则需要依靠合作伙伴等的支持争取份额。我们认为，资源优势主要体现在客 户资源方面。 对互联网平台而言，云计算业务收入分为体系内生态（内部结算）、参股公司、外部非关联公司： 1）阿里生态内的业务协同，例如天猫、菜鸟网络、高德地图与阿里云展开合作，并逐步将业务核心系统迁移至阿里云上（2019 年 11 月，天猫双十一实现核心系统 100%上云。2020 年 11 月，菜鸟物流网络平台已将核心系 统全面迁至阿里云）。根据公司公告，FY2022 阿里云收入实现 1001.8 亿，其中生态内收入实现 256 亿元。 2）阿里巴巴年报会披露参股公司中的云计算相关收入，据此我们得到 FY16-21 年参股公司（主要是微博、 蚂蚁集团）结算云计算收入占阿里云收入比例为 4~6%左右。 3）据财报电话会管理层披露8，剔除某单一头部客户后，FY21 外部非关联 Top10 客户收入占比达 8%。此 外，管理层认为若未发生头部客户流失的情况，阿里云季度营收同比增长接近 40%，据此测算该头部客户收入 占比在 7~8%左右。据每日经济新闻，阿里云目前 80%客户都是中小客户9，据此推算，我们预计单个中小客户 对应的营收占比低于 1%。

腾讯云方面，由于公司财报仅披露 2020 年金融科技业务的关联交易收入达 289.43 亿元，占同期金融科技 业务收入比例达 31.5%。但这一收入中包含支付业务，因此我们根据腾讯云公布的客户案例进行追溯。我们注 意到，腾讯云主要的上市公司客户包括拼多多、美团、滴滴出行、斗鱼、永辉超市、快手、同程艺龙等，基于 关联交易或其他条款披露数据，我们测算得到 2020 年上述公司合并云业务收入（可能含部分杂项无法拆分） 占云计算业务收入比例约 9.0%。考虑到非上市公司客户及客户信息披露的不完全性，我们预计实际关联收入 比例应高于 9.0%。

此外，腾讯云与微信、QQ、腾讯课堂等其他业务也存在相应的协同，这部分业务的影响也未被实际测算。 我们认为关联收入占比较高或客户收入结构较为集中，都反映了资源能力对云计算业务发展在 IaaS 层的重 要影响。随着上云意识逐步拓展，外部非关联客户的收入占比也将逐步提升，因此一定程度上关联收入占比可 以视为业务发展周期的指标之一。

2. PaaS 层竞争逻辑：场景优势与技术领先

2.1 核心结论：收入结构优化、技术追赶将逐步带动利润率提升

腾讯云、阿里云的 PaaS 层毛利率低于海外云厂商的水平。我们认为，差距主要在音视频解决方案占比较高，根本上与 IaaS 层的成本劣势有类似的原因。未来随着云安全、AI、数据库等场景收入比例提升，结构优化，PaaS 层的毛利率有望明显改善。此外，PaaS 层发展初期会带来研发成本的扩张（技术追赶阶段），但会逐步过渡到 销售费用驱动，在成熟期实现研发、销售费用回归合理中枢，贡献盈利水平大幅增加。

2.2 数据库：受益国产替代趋势，叠加技术领先

腾讯云的数据库包含关系型数据库、非关系型数据库、数据库 SaaS 工具及软硬一体。其中，TDSQL-C 对 标 AWS Aurora、Google Spanner，同属于 NewSQL，即通过计算、存储解耦实现云端的扩展和弹性调度，并降 低业务迁移成本和总拥有成本。TDSQL-A 对标 AWS RDS，同时兼顾性能与通用性，全面兼容 PostgreSQL、高 度兼容 Oracle。

在技术路径上，我们注意到阿里云、华为云、腾讯云都选择多数数据库基于开源生态做改进，乃至于半自 研，少部分数据库完全自研。国产数据库如达梦数据、人大金仓、南大通用等主要采取完全自研的模式。完全 自研的路径优势是代码知识产权属于国内公司，受地缘环境变化潜在影响小，但缺点是生态支持较弱，通用性 不足，推广存在一定难度。根据解读《分布式数据库发展趋势 2022》10，基于开源数据库做半自研，开源生态 可以弥补研发能力、服务支撑能力不足的问题，也可以缓解用户转向开源数据库的成本压力，但在底层代码的 知识产权方面需要进一步明确潜在的风险。 考虑到云计算市场的情况，基于开源数据库进行半自研，同时兼容主流数据库，确保接口的通用性，这是 主要云厂商的共同选择，例如 AWS、GCP、Azure、阿里云、腾讯云、华为云等均采取这一技术路径。

数据库性能对比方面，PolarDB 处于第一梯队，GaussDB 与 TDSQL-C 在不同规格、场景下各有优劣。根 据腾讯云社区评测，在低规格类别（8 核，64GB）中，PolarDB 在 CPU-bound 和 I/O-bound 测试中全面优于其 竞争者。在高规格类别（64 核，512GB）中，PolarDB 也以可观的优势领先。另外值得一提的是，在这两个类别 中，我们都可以看到 Aurora 数据库在读写和只写场景下的性能明显下降。TDSQL-C 与 GaussDB 相比，在高规 格方面，CPU 密集型测试下 TDSQL-C在仅读取、读写场景下性能优于 GaussDB，但在仅写入场景下弱于 GaussDB。 I/O 密集型测试下，TDSQL-C 总体上性能弱于 GaussDB；低规格方面，CPU、I/O 密集型测试下 TDSQL-C 在仅 读取、读写场景下性能优于 GaussDB，但在仅写入场景下弱于 GaussDB。

结合企业数据库选型指标，性能领先并非意味着市场领先，企业更关注隐私、安全、灾备等能力。一般数 据库选型从前期到后期，会综合考虑外围因素（自身技术路线、资质、品牌声誉与行业案例、生态构建等），产 品技术相关因素（一致性、兼容性、扩展性、性能、功能丰富性、安全性等），以及后期的价格服务因素（解决 方案、性价比、服务响应速度、培训体系等）。根据 Forrester Consulting，金融、互联网企业最关注数据库的安 全、隐私保护能力，电信企业最关注数据管理和灾备、迁移能力等，性能、扩展性等指标在在选项内排名靠后。

结合第三方调研，我们总结数据库的需求排序为可靠性>可用性>性能。数据安全及隐私保护等主要与云 厂商的安全产品相关，一站式数据管理实质上是要求数据库适应多场景，满足客户全方位需求，因此我们看到 主要云厂商都研发了广谱系的数据库产品，例如图数据库、时序数据库等。在此基础上，金融、电信企业对数 据库架构的先进性有一定要求，再次才是运维工具、性能、扩展性等。简言之，金融、互联网、电信企业对数 据库的要求是可靠、可用、好用。注意，可用指的是面向客户使用场景而非单纯的技术指标。

腾讯云可靠性、可用性及资质情况仅次于阿里云，领先华为云。数据库的可靠性主要对应品牌声誉、行业 案例、客户口碑，并结合行业资质、厂商背景进行衡量。结合前述的性能指标，我们看到国内公有云数据库市 场份额与这一顺序基本匹配，但本地部署的数据库份额则由 Oracle、华为、微软等占据领先地位。

本地部署的关系型数据库市场份额受历史原因影响，但边际变化上国产厂商份额提升明显。Oracle、微 软、IBM、SAP 等数据库厂商占据较大的市场份额，但 2019 年至 2021 年底，Oracle、微软、IBM、SAP 在本 地部署数据库市场份额合计下降 22.9%，华为则提升 5.8%，人大金仓提升 2.3%，其他如达梦数据、通用数据 等厂商份额也明显提升。我们认为，华为、达梦、人大金仓、通用数据等在厂商背景、知识产权等方面具备差 异化优势，因而近年来在政务、金融及传统行业逐步上云过程中有所受益。

从数据库市场结构来看，数据库部署模式中公有云占比提升，2020 年为 51.5%，而 1H22 提升至 61.2%，近 年市场份额的波动部分归因于政务金融等本地部署较多的行业占比提升，而这一上云过程是周期性的，随着上 述行业的上云高峰逐步过去，未来公有云占比将延续增势。 在公有云市场，腾讯云依据全栈布局、先进架构及数据可靠、服务可用性的优势，持续保持市场第二的地位，仅次于阿里云，并且我们注意到阿里云自 2019 至 1H22 在公有云数据库市场的份额有所回落，而腾讯云、 AWS、华为云则相对稳定乃至有所增长，我们认为这是多云部署、头部客户流失等因素导致，腾讯云作为行业 第二，将受益于这一策略下客户的溢出，叠加自身在游戏、音视频等垂直领域的优势，未来的市场份额有进一 步提升机会。

2.3 云安全：在“云”、“管”领域具备先发优势

根据腾讯云官网，腾讯云从业务板块上可划分为 1）网络安全、2）业务安全、3）身份安全、4）应用安 全、5）终端安全、6）数据安全、7）安全服务、8）安全管理。 在腾讯云安全白皮书中，腾讯通过信息安全责任共担模型解释了腾讯云在信息安全领域的分工职责，在 IaaS 层，腾讯云确保物理和基础架构安全；PaaS 层，腾讯云额外承担主机和网络安全；SaaS 层则增加引用安 全职责。此外，腾讯云与客户共同承担中间环节的安全责任。

云安全类产品可以分为“云”、“管”、“端”，阿里云、腾讯云等互联网云厂商主要在“云”和“管” 领域通过先发优势实现市场领先。根据 IDC，阿里云、腾讯云在云工作负载安全、软件网关、公有云托管安全 等方面占据市场优势地位，但在应急解决方案、IT 安全咨询服务、非云化的托管安全等领域落后于传统的 IT 安全厂商。

互联网云厂商目前定位转向平台/解决方案集成商，采取与传统 IT 安全厂商合作的模式，例如通过转售其 他 IT 厂商产品，或联合研发安全产品的方式满足客户的需求。这种模式兴起的原因主要是近年私有云发展快 于公有云，以至于客户对于虚拟化等需求较高，云厂商更倾向于合作而非自研。

在“云”、“管”侧，互联网云厂商主要采取搭售策略占据市场，尤其是与 IaaS 层的计算、存储、网络 共同售卖，客户一般统一采购。政企、金融、电信等行业客户对安全要求较高，相应地会单独采购安全产品。 因此，互联网云厂商的安全类产品中，云主机安全与客户终端数量相关度较高，网络安全则与客户业务增速相 关度较高，在上云初期，终端安全占比较高，上云后业务增长驱动网络安全占比提升。 腾讯云在云安全市场整体份额次于阿里云，且主要份额贡献自公有云，主要原因在于私有云领域布局较传 统 IT 安全厂商不够完备，公有云缺乏规模/先发优势。

2.4 AI：场景积累驱动业务领先，内外资源竞争下加速扩张是不二选择

AI 产品线分为识别类、分析类、平台类、硬件类等，AI 增长来自下游音视频处理等场景的渗透和增长。 腾讯云的 AI 产品包括人脸识别、图文/语音识别、自然语言处理、AI 语音助手等，其应用场景包括票据结构化、 合同审核、智能输入法、闸机识别。2022 年以前腾讯云 AI 产品线主要营收来自识别类产品，2022 年增加了语 音合成、图像分析处理、视频实时标签处理、音视频转码解码、机器人以及虚拟数字人的互动展示，其中音视 频场景的 AI 产品增长较快，为 AI 产品贡献较大增量。

从市场份额上看，公有云市场 AI 服务方面百度智能云处于领先地位，其次是阿里云、华为云，腾讯云次 之。市场份额主要与集团其他业务的技术积累有关，例如腾讯、百度在人脸识别布局积累较深；在计算机视觉方面，百度依靠自动驾驶、数字人等领域积累领先市场，腾讯凭借金融、泛娱乐领域的技术积累逐步追赶；NLP 主要应用于情感分析、营销管理，智能语音涉及会议访谈转写，字幕生成等，腾讯云在以上领域涉猎相对较少， 处于落后追赶地位；对话式 AI 典型案例即语音助手、在线客服，阿里、百度、华为凭借在智能设备等领域的积 累处于领先地位。 未来 AI 公有云市场的发展主要由新场景、新技术驱动。目前 AI 公有云市场中人脸识别是应用较广的场景， 推广接受度较高，IDC 报告显示，1H22 人脸人体公有云服务市场规模仅有 38%的同比增长，市场进入平稳期， 且人脸人体识别技术正在进入成熟期。智能语音也从高速增长进入应用场景深耕阶段。AI 市场高速增长的场景 主要是对话式 AI、机器学习平台，1H22 分别同比增长 114%、109%，未来 AI 数字人、低代码开发平台的逐步 完善会推动以上两个场景驱动整体市场增长。

对话式 AI 分为 to C 场景和 to B 场景，腾讯云在智能家居、驾驶、客服等领域有所布局。对话式 AI 的 to C 场景包括智能家居、智能驾驶、智能随身设备、智能办公，to B 场景包括智慧医疗、智慧金融/电商/电信（智 能客服、智能外呼）、智慧教育、智慧政法/公检法。但 to C 场景中往往 AI 能力与硬件搭售，因而份额会被智 能手机、家居厂商等侵蚀，或被行业布局较早的厂商占据。 阿里云、百度云依靠既有业务/场景进行技术验证、迭代，形成正循环。对比同业，阿里云主要布局 To B 场景，例如智能客服、营销，阿里的优势是产品能够在生态内应用验证，同时技术研发较早。根据 IDC，阿里 云智能客服成为国内唯一入选 IDC 全球 MarketScape 报告解决方案提供方，且取得 Major Players 位置11。阿里 云智能客服最早于 2015 年试运行，逐步应用至手淘、Lazada、盒马等生态，并于 2017 年正式对外向政府、企 业和开发者开放。百度云主要布局 To C 场景，百度的优势是基于亿级日搜索量沉淀的自然语言处理技术、知 识图谱、语音技术等，且 2017 年发布 UNIT（智能对话定制与服务平台），布局至今持续积累生态；另外百度 在硬件方面也有一定布局，例如小度同学，自动驾驶，此外百度开放底层技术能力，使得部署模式更灵活，客 户接受度也较高。

腾讯云强于语音处理和合成能力，例如复杂语音环境下处理能力更强，更多风格及更丰富情感类别 TTS， 支持字词级别细粒度控制。腾讯云小微 AI 语音助手已服务超过 60%的主流智能家居品牌，覆盖超过 40 个智能 家居场景。同时，与长安、福特、广汽等超过 15 家车企展开深入合作，为超过 100 款国内外畅销车型提供语 音助手服务12。在金融、政府、泛娱乐等领域，腾讯云 AI 对话能力主要帮助会话智能（企业微信的会议）、 热线电话（智能外呼）、政务大厅、门户平台等场景提升回复准确率、降低成本等。 但另一方面，由于腾讯缺乏 to B 场景，只能通过 to C 业务积累的语音处理能力切入市场，对话式 AI 市 场中 to C 场景 AI 能力往往与硬件搭售，因而份额会被智能手机、家居厂商等侵蚀，或被行业布局较早的厂商 占据。例如小米自研语音识别能力，海尔与百度合作，格力与腾讯合作。且随着智能家居渗透率提升，行业格 局集中，传统厂商也面临转型的压力，可能建设自有的 AI 能力，这对第三方厂商的增长前景产生一定不确定 性。

决策类人工智能分为平台类及非平台类，互联网云厂商主要聚焦平台类（机器学习平台），未来平台化率 有望显著提升。根据灼识咨询，中国人工智能市场面临 1）专业人员短缺；2）自建模型成本高；3）部署调整时 间长；4）数据和软件不兼容等问题，且在数据隐私、安全要求提升的环境下，部署单点式人工智能软件的成本 逐步提升，构建统一开发标准、高兼容性、灵活扩展的平台是更好地选择。在机器学习平台领域，国内市场前 五名为第四范式和主要互联网云厂商。

机器学习平台的竞争优势是 1）功能谱系广，2）性能强，3）安全保障，4）兼容性好。功能方面，机器学 习平台需要确保机器学习框架、模型的全面覆盖；性能上，数据标注、算法编辑、模型训练性能强意味着机器 学习的效率较高；安全方面，业务逻辑、数据、代码的安全性对大型企业、部分行业客户尤其重要；兼容性上， 平台方难以完成所有工作，而是需要和其他框架、数据格式、算法兼容。 第四范式聚焦少数行业做深产品，互联网云厂商采取小步快跑策略广泛布局快速迭代。行业竞争方面，第 四范式布局较早具备先发优势，2014 年 12 月对外发布先知平台，且创始人/核心高管技术实力较强，在部分行 业积累成功案例并逐步复制，2015 年发布金融行业产品及服务，18-19 年发布零售、能源行业产品及服务，目前 市场份额领先。百度 PaddlePaddle 于 2013 年内部成立，2016 年 9 月对外开放，截止 2022 年 5 月，飞桨已累计 凝聚 477 万开发者、服务 18 万企事业单位、创建 56 万 AI 模型13，是国内应用规模第一的深度学习框架和平台。 阿里巴巴 2015 年底推出 PAI 平台，作为机器学习比赛平台，并于 2018 年开启商业化，其官网披露的支持框架 目前是国内厂商中最全面的；华为云于 2017 年 9 月推出机器学习平台，目前拥有自研开源框架 MindSpore。腾 讯云于 2018 年 3 月推出深度学习平台 DI-X，目前演化为 TI 平台14。

互联网云厂商策略胜在快，第四范式策略胜在稳。广泛布局的优势在于营收起量快，由于开发平台的商业 模式是向开发者采取以调用量/时段付费，个人开发者/企业客户数量越多，营收规模越大。但另一方面，开发平 台的业务包括算力、数据、模型调用、部署维护，随着 AI 在各垂直场景应用深入，模型调用、部署维护的比例 可能提升，因此模型、算法的性能、效率比拼，以及易用性（降低维护成本）是厂商第二阶段竞争的关键。第四 范式采取的策略则是聚焦金融、能源、零售行业，与行业客户进行沟通反馈并优化迭代模型、算法，从而实现 客户价值提升。 从企业而言，第三方 AI 企业聚焦部分行业的 AI 模型策略更扎实，互联网云厂商的策略需要更多的人力 和资源投入，且在市场快速增长的过程中，开拓新行业/新场景的难度比优化已有行业/场景难度更低，往往企 业会投入更多资源用于份额扩张，但并未实现客户的价值提升，这种增长存在一定隐忧。但对于互联网云厂商 而言，云计算本身是集团内部的业务之一，其面临与其他业务部门资源分配的竞争，如果规模扩张不够快，所 获取/能够调动的资源就会被挤压，因此云厂商内部负责人往往存在“增长焦虑”，只有快速提升市场份额， 才能够稳定云业务在集团内部的地位，同时获取更多资源以优化/迭代算法、模型，实现客户价值提升。

除以上公有云业务外，腾讯云 AI 在智慧城市等也有所应用，例如交通路网、智慧停车场，但与公有云不同， 腾讯云 AI 与智慧城市并未打造成标准化产品，而是采取项目制方式，依据项目差异进行定制化开发、部署。