由ChatGPT帶來的AI熱潮還在不斷涌現并升溫，我們又將進入一個“AI之夏”，到底誰能賺到第一桶金呢？最近，美國著名投資機構A16Z在一篇題為《Who Owns the Generative AI Platform?（誰能贏得生成式AI平臺）》的文章里，給出的結論之一：

基礎設施提供商是迄今為止這個市場上的最大贏家！

AI基礎設施少不了云計算，開年以來，云市場風云迭起。

ChatGPT、GPT-4、文心一言、BARD等生成式AI大模型，背后都有著微軟云Azure、百度智能云、谷歌云Google Cloud的算力支持，而新品發布后，緊接著的戰略動作，就是將生成式AI集成到了自家的云服務中。

微軟將 Azure 的企業級功能與 OpenAI 的生成式 AI 模型功能相結合，發布了Azure OpenAI服務；百度在三月的兩場重磅發布會，一是文心一言的發布，另一個就是百度智能云面向企業的溝通會。

其他有AI大模型能力的云廠商，也并沒有干看著，要么公開表示正在研發，比如谷歌云，要么暗地里用功，雖然還沒有類似產品亮相，但也絕沒有放話說自己肯定不做，比如騰訊云、阿里云、華為云等，都有在釋放信號，表示自己有AI大模型方面的積累和能力。

至此，我們可以得出結論：AI正在改寫云市場的競爭格局。

但是，有了AI，云廠商就能賺到錢嗎？答案是，不。

AI與云服務之間究竟有怎樣的關系？AI云服務化，到底是不是一種好的商業模式？為什么云廠商都希望靠AI來“逆天改命”？我們從三層邏輯，來重新理解云與AI的關系。

第一層邏輯：AI計算與云基礎設施

提到AI對云市場的改變，很多人腦海里浮現出的第一個反映就是：AI需要使用算力，而云可以提供算力，AIGC火了，云廠商這不就賺到錢了嗎？

前半句合理，后半句未必。

通過向AI用戶出售計算資源來盈利，按照使用量計費，這種商業模式是公有云的傳統服務模式：IaaS (
Infrastructure-as-a-Service)基礎設施即服務。

云廠商作為IaaS服務商，那可真是一部血淚史。作為IT基礎設施替代方案的公有云，屬于重資產行業，建設維護成本高，前期投入大，又容易打價格戰，而且很難漲價溢價，云巨頭亞馬遜AWS，運營了整整10年才實現盈利。

這一波AI熱潮到來之后，看似計算資源的需求增加了，但也沒法為IaaS服務“逆天改命”。

幾個原因：

1.AI芯片昂貴，前期投入成本很高。

當下AIGC正火，適用于AI訓練推理的顯卡GPU被哄搶、抬價，英偉達GPU供不應求，***在性能上還達不到100%同等水平，有消息稱，此前A100芯片的單價是五六萬，現在已經賣到了八九萬。

芯片水漲船高的當下，云廠商的成本壓力是很高的，就連微軟都限制了New bing的問答條數，可見“地主家”也扛不住放開了造啊。

2.AI訓用分離，云使用量增長有限。

傳統公有云IaaS服務是按照使用的資源收費的，用云量越大，收入就越高。可惜的是，AI模型帶來的新增云使用量，是比較有限的。

你可能會問了，不是說訓練一個萬億參數的AI大模型要消耗幾十萬芯片的算力嗎？這計算需求量明明很大啊？

問題來了，基礎模型的訓練，確實很耗算力，但很多是離線計算的，就是東部企業的大模型可以放到西部數據中心訓好了，到了真正使用的時候，生成一張圖片、一段文字，云端計算量不算大，所需要的云資源并不多，云廠商要靠AIGC回本遙遙無期。

3.模型落地，成本回收周期很長。

AI大模型要落地應用，一定會“變小”。此前就有報道，有高校以更小的參數規模，達到與ChatGPT同樣的效果。所以，一個AI大模型未來落地所需要的計算成本，也會出現十倍以上的降低，這又會延長云廠商的成本回收周期。

而且，AI訓練一般會“獨占”物理機，如果用戶購買了足夠多的計算資源，后續的需求不會再增加很多。有AI服務器廠商透露，去年很多頭部客戶做了AI資源的儲備，今年的采購需求已經萎縮了。

可以看到，如果想靠公有云IaaS服務作為商業模式，賺錢真的很難。所以，云廠商要吃到AI的紅利，不再過傳統云的苦日子，必須想別的招。

第二層邏輯：AI應用與SaaS云服務

我們想到的，云廠商當然也想到了。所以這波AI熱潮里，大家會發現微軟、百度在集體做一件事——企業服務。

微軟先人一步，上線了Azure OpenAI服務，讓Azure 全球版企業客戶可以在云平臺上，直接調用 OpenAI 模型，包括 GPT-4、Codex 和 DALL.E。文心一言剛上線，也通過百度智能云平臺邀測企業用戶。

在此前的文章中，我們也曾指出過， AI大模型的商業化還是要從toB市場打開突破口。不是我們多么有先見之明，而是因為SaaS化，已經成為云廠商盈利的重要選項。

通過SaaS (軟件即服務)，將AI軟件與應用，以云服務的方式提供給企業，能夠為云廠商帶來更大的商業利益。為什么企業愿意通過SaaS來獲取AI能力呢？

第一，便宜。通過SaaS來使用軟件應用，不需要企業自己花錢去開發，也不需要從傳統集成商那里采購一大堆軟硬件，按需按量地消費，極大地降低了企業的試錯成本。

第二，靈活。傳統按license 方式售賣的軟件，交付后的更新迭代很難保障，而SaaS的商業模式通常是基于訂閱計費，能夠倒逼軟件服務商更好地研發產品、維護和更新服務，提升了產品交付的穩定性。

第三，豐富。通過云可以方便地選擇豐富的SaaS產品，將更多AI工具嵌入到工作流程中去。

對于云廠商來說，AI的SaaS化，帶來的好處也很多：

首先，云服務更好賣了。AI技術已經成為產業數字化、智能化的核心支撐，生成式AI在金融、設計、建筑、工業、政務、教育等領域都已經顯示出了非常大的應用潛力，擁有AI能力的云廠商會更容易吸引這些客戶。

其次，云服務能打包賣了。這些傳統行業要通過云來購買AI能力，當然不會只想購買幾臺AI服務器的計算資源，而是希望直接調用AI來解決業務問題，要求云廠商提供硬件、軟件、服務等一攬子解決方案，這個價格彈性，可比IaaS服務單純售賣資源高多了。

還有就是，云服務能賣給政企了。大型政企通過混合云、專有云等方式來部署定制化AI，也是云廠商的AI大模型完成商業價值轉化的路徑之一。

OpenAI 創始人 Samuel Altman 曾表示，“未來每個人如果想賺錢，就打開 ChatGPT，輸入4個字：我要賺錢，你就不用管別的東西了，會有人去幫你做這個事情”。

對于云廠商來說，想要賺錢，抓住這波AI的SaaS化趨勢，在理論上是可以實現的。

第三層邏輯：AI實力與云實力

那么，是不是有了AI，就一定能在市場競爭中勝出？現在還沒有推出大語言模型的云廠商，是不是就要落后了？

當然不是。

AI的新一輪技術競賽剛剛開始，我們得到的消息是，國內有實力打造AI大模型的云廠商都在憋著勁兒研發呢，高校、政府、金融等，肯定會用國產LLM。所以，今年大家有機會“審判”很多類似AI產品。

屆時，我們可能會發現， AI要改變云市場的游戲規則，還要跨越幾道坎：

一是政企項目的投入產出比。AItoB類的項目其實很不好做，非常考驗云廠商對某個垂直領域和細分業務場景的深入理解，要在業務流程里把AI和大模型用好，很多時候要算法工程師、產品經理、測試、運營在甲方那里一待幾個月，天天下一線，和行業專家探討磨合，這個成本是非常高的，所以很多我們看到的上云數字化項目，都是案例形式，短期內無法規模化復制。AI到底要怎么用好，如何大規模推廣，是云廠商接下來必須要回答的問題。

二是與傳統軟件業態的博弈。我們都知道通過SaaS來引入AI軟件很好，但如果傳統的軟件服務商就希望以License 模式來售賣，不希望通過云平臺來托管呢？云服務的交付模式，相當于要讓傳統的企業軟件服務商、集成商、開發者，改變自己的商業模式。比如按月付費的訂閱制，相比一次性的license購買消費，就會直接影響到公司的營收，他們是否愿意做這樣的改變，需要云廠商拿出合理的分利機制，才能讓他們更愿意開發AI云應用。

三是AI上云的挑戰。假設AI應用開發者和軟件商都愿意進行云托管，依然會面臨一個問題，如何以云的方式來提供服務？

舉個例子，很多開發者或軟件企業開發完AI產品之后，要進行不同終端設備的觸達，設備的兼容性、不同操作系統的分發體驗、屏幕的自適應能不能做好，是非常考驗云廠商的技術能力的。如果一些算力有限的終端設備用不了那個AI應用，覆蓋的用戶群體少了，相當于開發者的商業收入就會減少。

再比如，開發者利用云平臺的AI基礎模型，訓練出了更小更垂直的AI應用，要怎么部署到云平臺、怎么推廣、怎么獲益，需要一套從底層環境到應用分發的全流程的開發工具和生態支持。

顯然，要靠AI建立云市場的競爭優勢，廠商們還有很多功課要做。

通過這三層邏輯，我們可以理解，云廠商靠AI賺錢的思路究竟是怎樣的。

現實來看，AI技術對云市場的影響并不是短期內就可以看到的，云廠商要盈利還得“望AI止渴”一段時間。

但是，隨著AI在云市場中的地位越來越高，AI+云成為數字化的必要條件，云市場的商業模式和產業格局也一定會“風光又一新”。