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”也扛不住放开了造埃
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”。
