文｜脑极体
由 ChatGPT 带来的 AI 热潮还在不断涌现并升温，我们又将进入一个“AI 之夏”，到底谁能赚到第一桶金呢？最近，美国著名投资机构 A16Z 在一篇题为《Who Owns the Generative AI Platform?（谁能赢得生成式 AI 平台）》的文章里，给出的结论之一：
基础设施提供商是迄今为止这个市场上的最大赢家！
AI 基础设施少不了云计算，开年以来，云市场风云迭起。
ChatGPT、GPT-4、文心一言、BARD 等生成式 AI 大模型，背后都有着微软云 Azure、百度智能云、谷歌云 Google Cloud 的算力支持，而新品发布后，紧接着的战略动作，就是将生成式 AI 集成到了自家的云服务中。
微软将 Azure 的企业级功能与 OpenAI 的生成式 AI 模型功能相结合，发布了 Azure OpenAI 服务；百度在三月的两场重磅发布会，一是文心一言的发布，另一个就是百度智能云面向企业的沟通会。
其他有 AI 大模型能力的云厂商，也并没有干看着，要么公开表示正在研发，比如谷歌云，要么暗地里用功，虽然还没有类似产品亮相，但也绝没有放话说自己肯定不做，比如腾讯云、阿里云、华为云等，都有在释放信号，表示自己有 AI 大模型方面的积累和能力。
至此，我们可以得出结论：AI 正在改写云市场的竞争格局。
但是，有了 AI，云厂商就能赚到钱吗？答案是，不。
AI 与云服务之间究竟有怎样的关系？AI 云服务化，到底是不是一种好的商业模式？为什么云厂商都希望靠 AI 来“逆天改命”？我们从三层逻辑，来重新理解云与 AI 的关系。
第一层逻辑：AI 计算与云基础设施
提到 AI 对云市场的改变，很多人脑海里浮现出的第一个反映就是：AI 需要使用算力，而云可以提供算力，AIGC 火了，云厂商这不就赚到钱了吗？
前半句合理，后半句未必。
通过向 AI 用户出售计算资源来盈利，按照使用量计费，这种商业模式是公有云的传统服务模式：IaaS (Infrastructure-as-a-Service)基础设施即服务。
云厂商作为 IaaS 服务商，那可真是一部血泪史。作为 IT 基础设施替代方案的公有云，属于重资产行业，建设维护成本高，前期投入大，又容易打价格战，而且很难涨价溢价，云巨头亚马逊 AWS，运营了整整 10 年才实现盈利。
这一波 AI 热潮到来之后，看似计算资源的需求增加了，但也没法为 IaaS 服务“逆天改命”。
几个原因：
1. AI 芯片昂贵，前期投入成本很高。
当下 AIGC 正火，适用于 AI 训练推理的显卡 GPU 被哄抢、抬价，英伟达 GPU 供不应求，国产芯片在性能上还达不到 100% 同等水平，有消息称，此前 A100 芯片的单价是五六万，现在已经卖到了八九万。
芯片水涨船高的当下，云厂商的成本压力是很高的，就连微软都限制了 New bing 的问答条数，可见“地主家”也扛不住放开了造啊。
2. AI 训用分离，云使用量增长有限。
传统公有云 IaaS 服务是按照使用的资源收费的，用云量越大，收入就越高。可惜的是，AI 模型带来的新增云使用量，是比较有限的。
你可能会问了，不是说训练一个万亿参数的 AI 大模型要消耗几十万芯片的算力吗？这计算需求量明明很大啊？
问题来了，基础模型的训练，确实很耗算力，但很多是离线计算的，就是东部企业的大模型可以放到西部数据中心训好了，到了真正使用的时候，生成一张图片、一段文字，云端计算量不算大，所需要的云资源并不多，云厂商要靠 AIGC 回本遥遥无期。
3. 模型落地，成本回收周期很长。
AI 大模型要落地应用，一定会“变小”。此前就有报道，有高校以更小的参数规模，达到与 ChatGPT 同样的效果。所以，一个 AI 大模型未来落地所需要的计算成本，也会出现十倍以上的降低，这又会延长云厂商的成本回收周期。
而且，AI 训练一般会“独占”物理机，如果用户购买了足够多的计算资源，后续的需求不会再增加很多。有 AI 服务器厂商透露，去年很多头部客户做了 AI 资源的储备，今年的采购需求已经萎缩了。
可以看到，如果想靠公有云 IaaS 服务作为商业模式，赚钱真的很难。所以，云厂商要吃到 AI 的红利，不再过传统云的苦日子，必须想别的招。
第二层逻辑：AI 应用与 SaaS 云服务
我们想到的，云厂商当然也想到了。所以这波 AI 热潮里，大家会发现微软、百度在集体做一件事——企业服务。
微软先人一步，上线了 Azure OpenAI 服务，让 Azure 全球版企业客户可以在云平台上，直接调用 OpenAI 模型，包括 GPT-4、Codex 和 DALL.E。文心一言刚上线，也通过百度智能云平台邀测企业用户。
在此前的文章中，我们也曾指出过， AI 大模型的商业化还是要从 toB 市场打开突破口。不是我们多么有先见之明，而是因为 SaaS 化，已经成为云厂商盈利的重要选项。
通过 SaaS (软件即服务)，将 AI 软件与应用，以云服务的方式提供给企业，能够为云厂商带来更大的商业利益。为什么企业愿意通过 SaaS 来获取 AI 能力呢？
第一，便宜。通过 SaaS 来使用软件应用，不需要企业自己花钱去开发，也不需要从传统集成商那里采购一大堆软硬件，按需按量地消费，极大地降低了企业的试错成本。
第二，灵活。传统按 license 方式售卖的软件，交付后的更新迭代很难保障，而 SaaS 的商业模式通常是基于订阅计费，能够倒逼软件服务商更好地研发产品、维护和更新服务，提升了产品交付的稳定性。
第三，丰富。通过云可以方便地选择丰富的 SaaS 产品，将更多 AI 工具嵌入到工作流程中去。
对于云厂商来说，AI 的 SaaS 化，带来的好处也很多：
首先，云服务更好卖了。AI 技术已经成为产业数字化、智能化的核心支撑，生成式 AI 在金融、设计、建筑、工业、政务、教育等领域都已经显示出了非常大的应用潜力，拥有 AI 能力的云厂商会更容易吸引这些客户。
其次，云服务能打包卖了。这些传统行业要通过云来购买 AI 能力，当然不会只想购买几台 AI 服务器的计算资源，而是希望直接调用 AI 来解决业务问题，要求云厂商提供硬件、软件、服务等一揽子解决方案，这个价格弹性，可比 IaaS 服务单纯售卖资源高多了。
还有就是，云服务能卖给政企了。大型政企通过混合云、专有云等方式来部署定制化 AI，也是云厂商的 AI 大模型完成商业价值转化的路径之一。
OpenAI 创始人 Samuel Altman 曾表示，“未来每个人如果想赚钱，就打开 ChatGPT，输入 4 个字：我要赚钱，你就不用管别的东西了，会有人去帮你做这个事情”。
对于云厂商来说，想要赚钱，抓住这波 AI 的 SaaS 化趋势，在理论上是可以实现的。
第三层逻辑：AI 实力与云实力
那么，是不是有了 AI，就一定能在市场竞争中胜出？现在还没有推出大语言模型的云厂商，是不是就要落后了？
当然不是。
AI 的新一轮技术竞赛刚刚开始，我们得到的消息是，国内有实力打造 AI 大模型的云厂商都在憋着劲儿研发呢，高校、政府、金融等，肯定会用国产 LLM。所以，今年大家有机会“审判”很多类似 AI 产品。
届时，我们可能会发现， AI 要改变云市场的游戏规则，还要跨越几道坎：
一是政企项目的投入产出比。AItoB 类的项目其实很不好做，非常考验云厂商对某个垂直领域和细分业务场景的深入理解，要在业务流程里把 AI 和大模型用好，很多时候要算法工程师、产品经理、测试、运营在甲方那里一待几个月，天天下一线，和行业专家探讨磨合，这个成本是非常高的，所以很多我们看到的上云数字化项目，都是案例形式，短期内无法规模化复制。AI 到底要怎么用好，如何大规模推广，是云厂商接下来必须要回答的问题。
二是与传统软件业态的博弈。我们都知道通过 SaaS 来引入 AI 软件很好，但如果传统的软件服务商就希望以 License 模式来售卖，不希望通过云平台来托管呢？云服务的交付模式，相当于要让传统的企业软件服务商、集成商、开发者，改变自己的商业模式。比如按月付费的订阅制，相比一次性的 license 购买消费，就会直接影响到公司的营收，他们是否愿意做这样的改变，需要云厂商拿出合理的分利机制，才能让他们更愿意开发 AI 云应用。
三是 AI 上云的挑战。假设 AI 应用开发者和软件商都愿意进行云托管，依然会面临一个问题，如何以云的方式来提供服务？
举个例子，很多开发者或软件企业开发完 AI 产品之后，要进行不同终端设备的触达，设备的兼容性、不同操作系统的分发体验、屏幕的自适应能不能做好，是非常考验云厂商的技术能力的。如果一些算力有限的终端设备用不了那个 AI 应用，覆盖的用户群体少了，相当于开发者的商业收入就会减少。
再比如，开发者利用云平台的 AI 基础模型，训练出了更小更垂直的 AI 应用，要怎么部署到云平台、怎么推广、怎么获益，需要一套从底层环境到应用分发的全流程的开发工具和生态支持。
显然，要靠 AI 建立云市场的竞争优势，厂商们还有很多功课要做。
通过这三层逻辑，我们可以理解，云厂商靠 AI 赚钱的思路究竟是怎样的。
现实来看，AI 技术对云市场的影响并不是短期内就可以看到的，云厂商要盈利还得“望 AI 止渴”一段时间。
但是，随着 AI 在云市场中的地位越来越高，AI+ 云成为数字化的必要条件，云市场的商业模式和产业格局也一定会“风光又一新”。
