由 ChatGPT 帶來的 AI 熱潮還在不斷湧現并升溫，我們又将進入一個 "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 在一篇題爲《Who Owns the Generative AI Platform?（誰能赢得生成式 AI 平台）》的文章裏，給出的結論之一：
基礎設施提供商是迄今爲止這個市場上的最大赢家！
AI 基礎設施少不了雲計算，開年以來，雲市場風雲叠起。
ChatGPT、GPT-4、文心一言、BARD 等生成式 AI 大模型，背後都有着微軟雲 Azure、百度智能雲、谷歌雲 Google Cloud 的算力支持，而新品發布後，緊接着的戰略動作，就是将生成式 AI 集成到了自家的雲服務中。
微軟将 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雲面向企業的溝通會。
其他有 AI 大模型能力的雲廠商，也并沒有幹看着，要麽公開表示正在研發，比如谷歌雲，要麽暗地裏用功，雖然還沒有類似産品亮相，但也絕沒有放話說自己肯定不做，比如騰訊雲、阿裏雲、華爲雲等，都有在釋放信号，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 正在改寫雲市場的競争格局。
但是，有了 AI，雲廠商就能賺到錢嗎？答案是，不。
AI 與雲服務之間究竟有怎樣的關系？AI 雲服務化，到底是不是一種好的商業模式？爲什麽雲廠商都希望靠 AI 來 " 逆天改命 "？我們從三層邏輯，來重新理解雲與 AI 的關系。
第一層邏輯：
AI 計算與雲基礎設施
提到 AI 對雲市場的改變，很多人腦海裏浮現出的第一個反映就是：AI 需要使用算力，而雲可以提供算力，AIGC 火了，雲廠商這不就賺到錢了嗎？
前半句合理，後半句未必。
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雲的傳統服務模式：IaaS ( Infrastructure-as-a-Service ) 基礎設施即服務。
雲廠商作爲 IaaS 服務商，那可真是一部血淚史。作爲 IT 基礎設施替代方案的公有雲，屬于重資産行業，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，雲巨頭亞馬遜 AWS，運營了整整 10 年才實現盈利。
這一波 AI 熱潮到來之後，看似計算資源的需求增加了，但也沒法爲 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，适用于 AI 訓練推理的顯卡 GPU 被哄搶、擡價，英偉達 GPU 供不應求，國産芯片在性能上還達不到 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，雲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，雲使用量增長有限。
傳統公有雲 IaaS 服務是按照使用的資源收費的，用雲量越大，收入就越高。可惜的是，AI 模型帶來的新增雲使用量，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，确實很耗算力，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，雲端計算量不算大，所需要的雲資源并不多，雲廠商要靠 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，這又會延長雲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，後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，如果想靠公有雲 IaaS 服務作爲商業模式，賺錢真的很難。所以，雲廠商要吃到 AI 的紅利，不再過傳統雲的苦日子，必須想别的招。
第二層邏輯：
AI 應用與 SaaS 雲服務
我們想到的，雲廠商當然也想到了。所以這波 AI 熱潮裏，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雲平台上，直接調用 OpenAI 模型，包括 GPT-4、Codex 和 DALL.E。文心一言剛上線，也通過百度智能雲平台邀測企業用戶。
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。不是我們多麽有先見之明，而是因爲 SaaS 化，已經成爲雲廠商盈利的重要選項。
通過 SaaS ( 軟件即服務 ) ，将 AI 軟件與應用，以雲服務的方式提供給企業，能夠爲雲廠商帶來更大的商業利益。爲什麽企業願意通過 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裏采購一大堆軟硬件，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，交付後的更新叠代很難保障，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産品、維護和更新服務，提升了産品交付的穩定性。
第三，豐富。通過雲可以方便地選擇豐富的 SaaS 産品，将更多 AI 工具嵌入到工作流程中去。
對于雲廠商來說，AI 的 SaaS 化，帶來的好處也很多：
首先，雲服務更好賣了。AI 技術已經成爲産業數字化、智能化的核心支撐，生成式 AI 在金融、設計、建築、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 能力的雲廠商會更容易吸引這些客戶。
其次，雲服務能打包賣了。這些傳統行業要通過雲來購買 AI 能力，當然不會隻想購買幾台 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，要求雲廠商提供硬件、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，雲服務能賣給政企了。大型政企通過混合雲、專有雲等方式來部署定制化 AI，也是雲廠商的 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，你就不用管别的東西了，會有人去幫你做這個事情 "。
對于雲廠商來說，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 實力與雲實力
那麽，是不是有了 AI，就一定能在市場競争中勝出？現在還沒有推出大語言模型的雲廠商，是不是就要落後了？
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，國内有實力打造 AI 大模型的雲廠商都在憋着勁兒研發呢，高校、政府、金融等，肯定會用國産 LLM。所以，今年大家有機會 " 審判 " 很多類似 AI 産品。
屆時，我們可能會發現， AI 要改變雲市場的遊戲規則，還要跨越幾道坎：
一是政企項目的投入産出比。AItoB 類的項目其實很不好做，非常考驗雲廠商對某個垂直領域和細分業務場景的深入理解，要在業務流程裏把 AI 和大模型用好，很多時候要算法工程師、産品經理、測試、運營在甲方那裏一待幾個月，天天下一線，和行業專家探讨磨合，這個成本是非常高的，所以很多我們看到的上雲數字化項目，都是案例形式，短期内無法規模化複制。AI 到底要怎麽用好，如何大規模推廣，是雲廠商接下來必須要回答的問題。
二是與傳統軟件業态的博弈。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，不希望通過雲平台來托管呢？雲服務的交付模式，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，他們是否願意做這樣的改變，需要雲廠商拿出合理的分利機制，才能讓他們更願意開發 AI 雲應用。
三是 AI 上雲的挑戰。假設 AI 應用開發者和軟件商都願意進行雲托管，依然會面臨一個問題，如何以雲的方式來提供服務？
舉個例子，很多開發者或軟件企業開發完 AI 産品之後，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、屏幕的自适應能不能做好，是非常考驗雲廠商的技術能力的。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，開發者利用雲平台的 AI 基礎模型，訓練出了更小更垂直的 AI 應用，要怎麽部署到雲平台、怎麽推廣、怎麽獲益，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态支持。
顯然，要靠 AI 建立雲市場的競争優勢，廠商們還有很多功課要做。
通過這三層邏輯，我們可以理解，雲廠商靠 AI 賺錢的思路究竟是怎樣的。
現實來看，AI 技術對雲市場的影響并不是短期内就可以看到的，雲廠商要盈利還得 " 望 AI 止渴 " 一段時間。
但是，随着 AI 在雲市場中的地位越來越高，AI+ 雲成爲數字化的必要條件，雲市場的商業模式和産業格局也一定會 " 風光又一新 "。
