谷歌广告业务布局情况如何？

广告是谷歌的主要营收来源。FY23 广告收入 2378.6 亿美元（+6.0% yoy），占总收入 77.4%。 

1.谷歌搜索广告：份额稳定居于全球头部，广告份额受电商和 AI 应用挑战

谷歌搜索广告主要依托 Google Search 搜索引擎，汇集全球大部分搜索流量。据 Similar Web，Google.com 访问量居全球榜首，22 年 12 月-23 年 11 月，月均访问量超 856 亿次、 月均访问人数高达 24.4 亿。以美国为例，据 comScore，08-23 年间，谷歌旗下站点处理 了全美 60%的搜索请求，处于绝对头部。 谷歌搜索广告收入居于全美第一，但在电商挑战下，份额逐年下降。分类型来看，传统综 合搜索广告份额下降，如谷歌搜索收入占比由 18 年的 60%降至 23 年的 52%，或于 25 年 跌破 50%。与此相比，随着零售线上化深入，并逐渐向头部平台集中，以亚马逊为代表的 电商平台内搜索广告发展迅速，如亚马逊 23 年市占率 21%，较 18 年高增 11pct。 但我们认为，搜索广告仍具备明显优势，可较好捕捉高转化潜力用户，是效果广告的主流 形式，吸引零售、金融等高价值广告客户。公司在 3Q 业绩会表示，2Q23 以来，搜索板块 广告增长主要由零售板块驱动，尤其是 APAC 地区的零售商。亚太地区电商投放增长迅猛： 例如，23 年以来，Temu、Shein 等跨境电商投放激增，二者美国广告预算中，分别有 12% 和 5%花费于 PC 桌面；此外，垂直领域的广告增长更聚焦政治与金融服务业广告投放，主 要得益于竞选活动和保险行业的复苏，贡献更多高价值广告客户。

谷歌作为 AI 大模型 Transformer 奠基者，具备先发技术优势

谷歌具备 AI 大模型领域的深厚技术积淀，大模型基础 Transformer 架构由谷歌 Deep Mind 团队 2017 年提出，首次亮相于论文《Attention Is All You Need》。该架构利用自注意力 机制，能高效处理序列数据，学习上下文信息并生成输出。与传统的 RNN 模型相比， Transformer 能并行处理序列中的所有元素，显著提升计算效率。在 Transformer 出现之前， 深度学习模型主要依赖监督学习，需要大量标注数据。而基于 Transformer 的 GPT 模型则 采用自我监督学习（Self-supervised Learning）进行预训练，辅以少量监督学习进行微调。 Transformer 架构在处理关联性强的任务时表现出色，适合创造性的生成任务，但仍需增强 逻辑判断能力。

AI Overviews 基于搜索小步尝试 AI，Gemini Deep Search 试图以 AI 颠覆搜索范式

谷歌将人工智能技术整合至其搜索引擎核心业务，推出了多项创新搜索功能。谷歌已引入 AI Overviews 在原有搜索生态的基础上提高搜索体验并保持广告模式，并叠加基于 Gemini 入口的 Deep Search 提供实验性质的搜索服务。谷歌搜索已经过数次大更新，其 中不乏 AI 技术的引入，以提高搜索结果的准确性和相关性：从 2013 年用于优化搜索引擎 语义理解的蜂鸟算法（Hummingbird），到 2015 年用于搜索结果排序的机器学习算法 RankBrain 助力搜索引擎处理复杂查询、同义词以及提供更加个性化的结果，再到 2019 年 基于 Transformer 架构的 BERT 进一步提升搜索引擎联系上下文进行语义理解的能力。 2023 年 5 月，谷歌在 I/O 开发者大会宣布将生成式 AI 引入搜索引擎，并推出名为搜索生 成体验(SGE)功能。此外，谷歌于同年 11 月升级谷歌商店，开辟了“AI 赋能的扩展程序” 栏目，利用各种以生成式 AI 为后盾的扩展程序，从而提升浏览器性能。 AI Overviews 在谷歌搜索页面顶部提供多源信息摘要，并附带链接，并继续采用在 AI 搜 索结果中嵌入广告的模式。2024 年 5 月，谷歌在 I/O 开发者大会推出同时采用深度学习 +Transformer 技术的 AI Overviews 搜索引擎，其能针对复杂问题进行算法价值判断，并决 定是否提供 AI 生成答案与传统链接摘要，最终展示在搜索结果顶部。截止 2024 年 10 月， AI Overviews 功能已拓展至超过 100 个国家或地区，已触达 10 亿用户。 2024 年 12 月，谷歌与 Gemini 2.0 同期发布基于 Gemini 的 Deep Search，在谷歌 Gemini Advanced 订阅服务中可用，截止 2024 年 12 月仅支持英文版。Deep Search 基于 AI Agent 原理，类似 Perplexity 的模式，首先提供一个多步骤的研究计划，用户可以进行修改和批准， 然后利用 Google 搜索引擎在网络上查找相关信息，从而结合 Gemini 的高级推理和长上下 文处理能力，帮助用户探索复杂的主题并撰写报告，且每条信息均有确定的来源。在生成 报告后，用户可以导出到 Google Docs 继续编辑。

我们认为，AI Overviews 是在谷歌最主要的搜索入口上方提供 AI 索引，并未改变其搜索 广告的盈利方式，广告主依然可以按此前谷歌的成熟算法模式投放广告，是一种面向大范 围用户但小步探索 AI 的方式。与其不同的是，Gemini Advanced 所包含的 Deep Search 目前只面向 Gemini 订阅用户，是结合大模型对搜索所做的更颠覆商业模式的尝试。但我 们认为基于目前的订阅模式，再打磨基于 Gemini Deep Search 的新广告投放算法，或能 成为 AI 搜索时代的谷歌新商业模式。考虑到谷歌 CEO 曾表示 Gemini 将是谷歌下一个现 象级应用入口，我们看好谷歌在打磨新搜索商业模式之后，凭借其 AI 技术积淀和庞大的应 用生态，在 AI 时代继续保持搜索王者地位。 其他 C 端应用包括，Circle to Search 功能允许手机用户通过圈选屏幕上的对象来触发搜索， 支持对图片、文本和视频内容的识别。视觉搜索，如 Google Lens，可利用模型识别手机相 机所拍摄的物品并提供与之相关的内容搜索，3Q 月搜索量达 200 亿次，占购物搜索量的 20%。

安全风险和幻觉问题仍为 AI 搜索落地关键

生成式 AI 风潮迭起，安全底线与大模型幻觉仍需注意。经过大规模预训练的模型、云计算 与开源的融合正一齐推动生成式 AI 的全民化，但之中仍有不少道德与法律风险，包括版权 保护、生成暴力、毒性、严重刻板印象、以及侵权的图像等。这些事件凸显了 AI 大模型全 民化进程中 AI 信任风险和安全管理需求的迫切性和重要性。 我们认为，大模型幻觉（Hallucinations）与搜索结果的精确性要求存在冲突，这是 AI 搜 索应用存在已久的矛盾。谷歌已走在行业前列清晰地认识到解决这一问题的必要性，并已 有相关产品实践：1）谷歌推出的 Gemini Deep Search 通过保证每一条生成内容都具备可 追溯的引用来源，保证检索的精确性，并通过强推理能力和长上下文窗口提升文字交流、 内容生成与总结方面性能；2）24 年 9 月谷歌新发布解决 AI 幻觉的工具 DataGemma，能 使用检索交错生成（RIG）和检索增强生成（RAG），使用 Data Commons 真实世界公开数 据库帮助大型语言模型根据可靠数据核实其响应，并向用户更透明地引用事实来源，增强 LLM 事实性和推理能力。

2.谷歌 YouTube 广告：在线视频推动业务转型

YouTube 是全球最大的在线视频平台。24 年 4 月 YouTube MAU 约为 25 亿，仅次于 Facebook。YouTube 拥有网页、PC 及移动端 App、电视 App 等多重入口，且视频窗口可 嵌入第三方网页，无需登陆账户即自动播放，流量覆盖范围广阔。仅考虑网页端，据 SimilarWeb 统计，22 年 12 月至 23 年 11 月，YouTube 月均访问人数（14.5 亿）、访问次 数排名全球第二，仅次于 Google 主站。