上一篇文章為讀者解讀部分前臺SaaS 能夠通過提供額外AI 插件應用提高價格，這篇文章將會為讀者分析AI應用如何作用於後臺SaaS 應用的需求提升。
公有雲行業從2022年開始增長放緩，AI相信有望重燃行業增長。
雲計算行業經過2020/2021年疫情在傢工作的推動後，2022年/2023上半年行業整體進入瞭調整期。雲計算行業龍頭AWS也從2021年每個季度按年增長超過30% 大幅放緩到最近季度按年約10%增長。隨著人工智能應用（例如: 聯天機器人chatbot） 以及通用人工智能賦能更快的應用開發效率。例如，根據compass UOL study，使用通用人工智能（generative AI）能夠提升軟件工程師的效率從56小時縮短到36小時。完成一樣工序的情況下，從這兩個推動因素下市場開始對雲計算增長放緩的看法有所改觀。
以傳統公開雲行業的占比來說，亞馬遜AWS於科技/金融行業客戶的占比普遍高於其他同行，所以受到科技行業減成本、不景氣的情況影響。而微軟azure客戶行業范圍較廣，涉及到不同傳統行業。從公開雲增長恢復的觀點來看，Azure 較優。但由於通用人工智能對（供應端）應用開發人員效率以及對（需求端) AI 應用開發需求都有所提升，我們相信雲計算行業將會是整個行業基本面的改善。所以於公有雲個股的選擇上除瞭考慮個股基本面外，應同時考慮估值的相對差距進行操作。
圖表1: 公有雲（季度）按年雲業務收入增長。
截圖來源﹕Business Insider
Generative AI 生成式對於SaaS 行業增長提速的帶動
上篇文章已經提及到CRM 等前臺的SaaS 軟件通過通用人工智能 (generative AI) 應用帶來額外收入空間，例如提供更多自動化功能或提供類似co-pilot的通用人工智能服務。我們將會於此文章內為大傢分析通用人工智能對於backend後臺SAAS軟件的需求推動，特別是提供通用人工智能AI 所涉及到的後臺支援體系。
1、Vector search矢量搜索配合vector database矢量數據庫為生成式通用智能的主要支撐工具。
矢量搜索是提供生成式AI 服務的核心工具，當中包括涉及到相似度搜索的能力（使用k-最近搜查來搜索最近的量）而為輸入的問題（prompt query）提供更為準確的答案。而不同生成式搜索工具之間的性能差別將會影響到AI的準確性，所以vector search的選擇上以質量考慮為優先。但由於vector search 主要頭部玩傢屬於大型上市公司（例如: facebookresearch）/ 私有企業 (例如: milvus)，所以比較難找到單獨的上市個股。
Snowflake最近Neeva收購以提供vector search矢量搜索能力，能為現有業務帶來協同效應。
Snowflake主要提供relational database數據庫以及數據分析功能，目前主要以relational database關聯數據庫作為支撐。Snowflake公司最近也公佈收購Neeva將會提供生成式AI所需的矢量搜索能力。雖然目前Snowflake沒有提及到太多的相關整合（預期將會於6月27號分析師日）提及到相關應用。我們暫時估計Neeva整合後將會能夠賦能Snowflake為其他客戶企業內部數據進行聯天式機器人chatbot style應用，成為公司未來引流新客戶或者加大現有客戶數據於Snowflake的存放量。但比較需要留意的是snowflake現時行業收入占比中約20%為金融行業以及部份創投VC企業，所以短期受到這些行業的（因為銀行信貸危機影響）不景氣對使用量（consumption pattern）影響較大。雖然Neeva 收購暫時同貢獻不大，但值得留意未來當snowflake neeva為企業客戶提供生成式AI chatbot 企業搜索功能時，可能會吸引更多企業將數據存於snowflake。Neeva 過去為一傢提供AI 生成式搜索網站，所以市場比neeva 的矢量搜索準確度都比較確定。
圖表2：矢量數據搜索過程圖
截圖來源：Elastic Search
圖表3：矢量數據搜索排名
截圖來源：Ossinsight.io
2、Generative AI大模型應用將會加快數據流通，利好整體後臺SaaS應用。
大模型generative AI應用除瞭需要使用矢量數據庫支撐用戶搜索外，同時也需要傳統的數據庫進行額外數據存儲。由於generative AI 數據庫量可能達到約千億線級parameters 參數水平，而且可能涉及到圖像及文字之間不同格式的組合。所以NoSQL 的數據庫可能提供更方便/靈活的存儲格式，因為比較不受到傳統SQL database表格數據儲存格式限制。同時，企業應用更多實時性使用prompt 問答應用，預計將會利好對NoSQL類型的數據庫使用量需求。
a.生成式AI chatbot 應用增加用戶與應用之間的互動，賦能更多個性化服務以及數據庫資料儲存。
於用戶與應用之間互動加大的趨勢下，我們相信會對noSQL類型的數據庫需求 (例如: MongoDB文件document-based 數據庫) 特別利好。但需要註意MongoDB 最近股價走勢已經漲瞭不少的風險。由於生成式AI 於客戶交流的時候，涉及到更多個人化的信息交換。non-relational 數據庫能夠更便捷地儲存用戶相關信息。比較有實時性需求的AI chatbot 應用亦會趨向使用NoSQL 數據庫，帶動mongoDB 數據庫需求。根據6sense.com數據，MongoDB 2022年於NoSQL 數據庫中的市占率達到45.19% 。MongoDB NoSQL數據庫也比較適合於處理非結構化數據。但值得留意Generative AI 人工智能的應用利好將會是續步性，而不是一次性帶來巨量增長。所以值得同時留意股價的風險。
圖表4﹕ MongoDB使用例子 。
截圖來源﹕https://hevodata.com/learn/mongodb-use-case/
b.大模型應用同時也衍生更多數據庫之間的實時連接需求。
大模型（特別是針對個別企業定制的模型）需要針對公司內部不同系統數據庫先進行整合，整合過程中將增加對數據庫連接器軟件的需求。Confluent 就是一傢專門處理數據連接的企業，近期也提到人工智能應用包括chatbot 聯天機器人的互動，涉及到實時數據傳輸，而且當中可能涉及到多用戶同時進行的運輸量。Confluent kafka就是主要為管理客戶數據庫之間的連接，普遍大傢認為Confluent cloud能夠提供更加穩定性強的連接。對於chatbot 聯天機器人等前臺應用，連接穩定性及實時性將直接影響到客戶體驗。隨著NoSQL 數據庫使用場景受惠於Generative AI 應用，將會帶來更多的數據庫連接器需求。雖然連接器也有部份企業使用內部研發，但kafka被普遍認為能夠提供更好的經濟效益。
圖表5﹕ Confluent (Kafka) 於NATS市場占有率為41.21% 。
截圖來源﹕https://hevodata.com/learn/mongodb-use-case/
總結：
通用生成式人工智能將會衍生更多雲計算（公有雲）需求，無論是對（供應端）應用開發人員效率提高，或是對（需求端）AI 應用開發需求提高來看，所以估計能夠更快結束行業從2022年開始的增速放緩期。這次行業的基本面改善，更多的將會是整個公有雲行業的機會。所以我們認為選股也可以從相對股值的角度考慮。值得註意的是，生成式人工智能對於雲計算的收入增量不會出現一次性巨量的狀況，更多的是續步改善。
對於SaaS 行業的後臺應用，通用人工智能的機會更多於矢量搜索以及矢量數據庫。大部分主要將非上市公司，有部分公司（例如: snowflake 通過收購）向矢量搜索發展。相信將能夠為現有業務帶來額外引流。同時數據處理量多元化及實時性也會對個別數據庫 （NoSqL- MongoDB）以及數據連接器（Confluent -- Kafka）的需求將來拉動。由於個別股份的漲幅較多（例如: MongoDB），所以應該同時註意對投資的風險進行考量。
以上個股分析純為個人意見，不構成投資建議。 C 基金目前持有微軟 (MSFT) ，谷歌 (GOOG)， 亞馬遜(AMZN) 相關可能提及個股的長/短倉。
關於作者：葉浩然（Stanley Ip）鵬格斯資產管理的投資分析師，覆蓋消費和軟件板塊。
關於鵬格斯投資心得 (Pickers Investment Ideas):鵬格斯投資心得附屬於鵬格斯資產管理有限公司 (Pickers Capital Management Limited)，由公司的投資研究團隊組成。研究范圍包括中港美三地上市公司的股票，重點聚焦醫療、新能源，大消費等板塊。鵬格斯投資心得秉持「價值投資」的理念，開展行業和企業的深度研究，致力於發現證券市場的投資機會，並與投資者共享研究和交流最新的研究成果 。
發表評論 取消回复