从去年的大模型之战，到今年的AI应用之争，云服务正在迈入全新的发展阶段。AI这个杠杆将各家厂商的竞争策略更向前推进了一步。

  “云+AI”能够孵化出多少可能？在业界眼中，“云+AI”则意味着新的悬念：云计算将朝着哪个方向进化？大模型的市场格局将有怎样改变？云服务巨头又会在其中扮演怎样的角色？大模型和AI应用，能否成为云服务商的第二增长曲线？

  最近两年，以大模型为代表的AI应用已在国内形成奔涌之势。公开多个方面数据显示，截至目前，国内完成备案并上线、能为公众提供服务的大模型已达190多个，注册用户数超6亿。

  埃森哲最新调研显示，59%的中国企业计划在未来一年内继续加大数字化转型的投入，相比去年增加了6个百分点，同时有相当多的中国企业希望可以抓住AI技术，不停地改进革新加速重塑。这不但显示出了各个行业对于AI服务的潜在需求，也显示出了大模型潜在的巨大商业价值。

  在大模型领域重要的参与者云服务巨头眼中，这些不仅意味全新的商业逻辑正在浮现：大模型的应用消耗大量算力，可以带动云服务的收入增长，同时大模型会优化软件应用的功能和体验，带动软件业务收入的增长，发现新的客户的真实需求，反过来还能更加进一步促进大模型的成熟。

  大模型的落地应用不仅仅可以帮助行业客户实现基于AI能力的业务创新与升级，而且不同于以往的技术迭代，大模型驱动着基础设施的重构，也带来了上层应用的变革。

  如果回溯一下IT技术的发展历史能够正常的看到，在大模型出现之前，IT行业一直是“CPU+OS+软件”这样的组合唱主角，此后随着计算、网络、存储的虚拟化技术的日臻成熟，让算力成为了重要资源，也让云改变了基础设施的能力和形态。

  而到了如今AI时代，“GPU+云+AI”这个新组合取而代之。在GPU为大模型提供算力支持的前提下，云服务商要重新构建从底层到应用层的服务架构，而大模型将带来从研发到应用的重构。

  同时，MaaS变成了云架构新的重要组成，成为云服务商竞相发力的重点，这会让云服务大厂的技术体系出现重大变化。随着云服务与大模型的深层次地融合，云服务商会以云的模式推动大模型的服务化和应用的规模化。

  由此，阿里云、腾讯云、百度智能云等云服务巨头，在经历了过去几年的低谷之后，纷纷以AI作为未来发展的重点，用以重构自身的技术业务，从而带动业绩的增长。这些大厂发布的财报数据也显示出，来自AI的收入占比正在慢慢地提升。

  今年8月，阿里巴巴集团发布的季度业绩显示，云智能集团在最新财季营收同比增长6%至265.49亿元，其中，AI相关这类的产品收入实现三位数同比增长。

  百度集团公布的2024Q2财报则显示，智能云营收51亿元，同比增长14%。AI收入占比9%，高于上一季度的6.9%。

  云服务巨头在AI领域的深度参与和大量投入，已让去年开启的大模型之战的硝烟渐渐散去，大模型带来的AI应用变成了现在的重头戏。

  这意味着，以MaaS平台和AI原生应用为核心的全新云服务生态已然浮现，以AI技术改造的应用软件在生态中会占据更重要的位置。

  由于云行业的“马太效应”，数据、算力和存储等底层资源将由少数云服务巨头主导，云服务的商业机会逐渐向上，向PaaS、MaaS、SaaS层聚拢，特别是SaaS，从研发到商业模式，均会发生根本性变革。

  目前，各云服务巨头一方面以大模型对自身产品做全面升级和改造，另一方面向不一样的行业输出，帮助客户和合作伙伴快速开发AI应用。

  例如，腾讯旗下数百款产品均已接入腾讯混元大模型，通过智能化升级扩大付费用户基础。据介绍，今年一季度，腾讯会议收入同比翻倍，企业微信收入则同比增长200%。

  由此可见，国内的云行业在以大模型为代表的AI浪潮的推动下，目前已来到了一个新的阶段，新型云服务商开启了大模型及应用淘汰赛。在这样的背景下，云服务巨头纷纷厉兵秣马，开始了又一轮的激烈竞争。

  在过去的几年里，包括阿里云在内的国内云厂商，在定制化项目侧的进展并不顺利。如今，阿里云提出的公有云优先战略，客观来看，虽短期政务相关业务会带来某些特定的程度的影响，但长久来看将作为良性效应为阿里云提供助力。

  同样，腾讯云也在2022年开始便宣布“被集成”的战略。在更多年前，马化腾就说过，要把腾讯的半条命交给合作伙伴。

  从短期来看，做总集成更加有助于云厂商接到大单，在成长初期不仅仅可以探索垂直领域的具体场景，还能够增加行业know-how的积累。然而这种模式带来的利润率并不向好。长期来讲，云厂商做总集既影响利润率，还影响其自身业务形态发展。

  因此，能看到的是，在过去的几年时间里，不论是线索伙伴、产品研究开发伙伴，还是咨询或售后伙伴，各家都在采取持续发力的阶段，通过资金、云算力折扣，再或者是培训等等帮助自身生态内的企业加速成长。

  过去，国内云厂商的核心能力基本停留在IaaS层面的“计算、存储和网络”服务器相关三大件领域，对于PaaS层的云服务能力相较落后于AWS等一众海外云厂商。

  但实际上，云厂商的价值则是要向PaaS平台发展的。“把IaaS、PaaS以及SaaS三者的优势拿出来做可组装的能力、能够在平台上做二次可组装、最终实现业务和平台的创新。”这是2023年Gartner十大趋势报告中对行业云平台的释义。

  而这句话的关键词则在于“组装”，这也代表着云厂商要充分的发挥的能力是PaaS平台，这也是国内云巨头近些年纷纷提出“被集成”的原因所在。

  不过，其中的难点在于，对云厂商而言，其并不是所有的能力都实现了PaaS化，这就从另一方面代表着生态伙伴不具备完全的服务能力；此外，在部分核心环节，云厂商还需要自身下场亲自做产品（比如数据库）以此来保证自身的高利润率，因此完全意义的PaaS化和生态本身存在一定的冲突。

  截至目前，能看到的是，阿里云、华为云、腾讯云、百度云、京东云等云计算大厂都已经推出了MaaS服务。

  MaaS为云厂商带来的新增量具体体现在两种方式：第一，API调用服务。比如在这样的一个过程中，云厂商能够准确的通过用量或者时间来收费。第二，给训练、运行大模型提供AI算力服务。目前，随着国内模型参数的逐渐提升，以及垂直领域模型的爆发，关于模型训练的需求也在涌现。

  对于生态而言，基于MaaS的模式，可以将生态伙伴统一拉至一个AI服务起点上，既规避了之前产品侧的冲突，同时在MaaS的生态模型下，云厂商可以基于足够强的利润驱动以作为底层角色，为生态公司可以提供更为彻底和边界清晰的服务保障。

  可以说，相比此前，云厂商在IaaS和PaaS上的发力，MaaS的出现则为云厂商提供了新的增长空间。不仅如此，MaaS对于生态的一个更大价值则是，基于数据训练表达的模型，让客户、开发者、勇于探索商业模式的公司和ISV等角色都聚拢在一起，一同降本增效。

  对于任何行业而言，“价格战”都是最有效、直接的方式，云计算行业概莫能外。

  云行业属于“烧钱”的重资产行业，加上企业客户每年的IT支出固定，市场处于存量竞争状态，哪个云服务商拓展了更多客户，拿下更多大单，其它的云服务商的业绩势必会受到影响。

  云巨头的逻辑是，通过降价，能提高云计算在不一样的行业的渗透率，扩展用户规模和黏性，还可以通过普及算力，释放技术红利，驱动非互联网行业从简单上云到深度用云，从而形成规模效应，持续降低边际成本，获得更高利润，以便实现新的资源采购与研发投入，以此巩固竞争优势。

  AI大模型同样如此。今年5月，各个云服务巨头，纷纷大幅下调大模型调用价格：字节跳动旗下的豆包主力模型，在企业市场的定价调整为0.0008元/千tokens，较行业平均价格实惠公道99.3%；阿里通义千问GPT-4级主力模型Qwen-Long输入价格为0.0005元/千tokens，降幅达97%，输出价格为0.002元/千tokens，降幅达90%......降价之剧烈，让大模型创业企业在价格上难以抗衡。

  很明显，云服务巨头此番降价的目的是扩大市场和用户规模，这会是他们的长期策略，云服务巨头希望能够通过降低大模型调用价格，刺激调用次数的大幅度增长，算力成本会因此而摊薄，慢慢产生利润。

  而且，价格的一降再降，能够吸引大量开发者和生态合作伙伴。在此过程中，其它的大模型服务商会因为价格和成本原因倒下，市场上的大模型服务商变得屈指可数，这就是云服务商推动“淘汰赛”的目的所在。

  但这也反映出了云服务巨头的大模型思路有待改进。作为对比，OpenAI旗下的ChatGPT，其研发成本、训练成本和人力成本，每年动辄花费数十亿美元。这表明，大模型的技术和资金门槛非常高，而且要一直升级，这就需要有更多的投入，其中的风险也是非常多的。

  国内的科技巨头目前呈现出了大模型平台雷同的趋势，大模型产品服务的同质化问题突出，重点是，AI大模型对于云服务巨头的进一步增长的带动作用有多大，随着投入力度的不断加大，AI是否会像这些巨头预期的那样，带来越来越丰厚的回报，这些都是未知数。

  一个良性的大模型生态应该是：在有一两个足够好的基础大模型的基础上，其它巨头企业其实应该将关注点放在算力、数据、大模型训练等中间层服务上，或者是大模型衍生出的真正能够创造价值的行业应用上。

  但目前为止，能够与ChatGPT全面匹敌的原创性基础大模型还尚未出现，上层应用和服务更是无从谈起。现在的云服务巨头可以说是悬念迭起，AI大模型对他们真正的考验还在后面。

  如今，亚马逊、微软、谷歌等科技巨头均以投资或者自行研发的方式推出了大模型产品，并在云、软件、AI应用与云服务融合方面，趟出了一条清晰的路径。

  当前，国内的大模型和AI应用服务尚处于初级阶段，市场规模和产业成熟度尚待提升，空间巨大，各方竞争非常激烈，在这样的形势下，如何培养大模型的刚需用户群体？大模型的业务边界如何划分？大模型如何成为稳定持久的业务增长引擎？大模型在各行各业落地应用时如何保护隐私和数据安全？

  只有解决这样一些问题，才能吸引慢慢的变多的创业者、开发者、合作伙伴、企业用户加入进来，让大模型和AI应用成为各行各业智能化升级的新引擎，从而让创新发展的新动能与新优势真正显现出来，为更多行业带来新的想象与无限可能。