阿里云們，降價「釣魚」

　　今年以來，互聯網云廠商似乎在集體表演“自殺”。

　　一季度里，各家業績的惡化形勢，沒有太大改善。比如，阿里云2023Q1營收增速已經跌到負增長2%。

　　但這個節骨眼上，業內卻打起了價格戰：4月底，阿里云宣布核心產品價格全線下調15%至50%;騰訊云緊隨其后，部分產品線最高降幅達40%;京東云直接承諾“全網比價，買貴就賠”。

　　內卷之激烈，被網友調侃為，“換個思路，各家可以相互倒賣彼此的產品賺差價了。”

　　然而，外界談論生死之際，云廠商們卻講起了奉獻。騰訊2023Q1電話會議淡定表示，降價“適用于中小企業”;阿里則在合作伙伴大會上放言，“希望將技術紅利更多回饋給客戶和伙伴，讓更多中小企業更好地使用云計算。”

　　可商業世界哪有無緣無故的好，所有的恩惠，都是有訴求的。

　　可以看到，此輪降價的品類主要聚焦在數據庫和云存儲產品，甚至一些云廠商還放開了包括ECS、數據庫PolarDB、機器學習PAI等支持AI大模型訓練云產品的免費試用。

　　與此同時，阿里云、騰訊云、華為云等都在加碼生態，以降低大模型的使用門檻。

　　很顯然，技術普惠是借口，押注AI技術周期恐怕才是真心。

　　畢竟如此一來，不僅有可能打破現在的“增長困境”，還有新的利潤想象空間——靠降價降低AI模型訓練成本，圈新的上云用戶，再通過生態建設，將用戶留住，撬動更多變現渠道。

　　就這個角度來看，“自殺式”降價不失為一個破局的思路。但價格戰這味藥，能有幾分療效呢?

　　01 AI技術周期，降價率先圈住“觀望者”

　　“阿里云們可能會得不償失。”

　　對于互聯網云廠商重打價格戰，一些投資人相當不看好。其提到的“失”，指的是被犧牲的利潤。

　　此前，云巨頭們要么剛有了經營利潤率好轉的跡象(如阿里)，要么剛定下“要利潤，不要規模”的目標(如騰訊)，可以說才喘上來半口氣。現在降價潮襲來，相當于撲滅了賺錢的希望之火。

　　明知山有虎，大家依然爭先恐后向虎山行，那答案大概率只有一個——預期回報實在太誘人了。

　　畢竟在云計算行業，借助新需求周期重拾增長的情況屢見不鮮。

　　2016年，微軟同樣站在了懸崖邊上：從“一本萬利”的套裝軟件銷售，轉型至“螞蟻搬大象”的云服務，并且在轉型陣痛期多次降低產品價格，最終陷入利潤下降、投資回報減少等輿論漩渦。

　　在外界看來，微軟的舉動，多少有些任性。但切換微軟視角，其看到的，是混合云已走到爆發前夜。

　　彼時，美國大企業并不覺得所有的工作都需要上云，比如銀行，希望敏感的信息可以和互聯網隔絕，不太敏感的再放到公有云上完成。

　　看到這種趨勢，微軟云將推動混合云作為了差異點，吸引這些客戶群體上云。

　　為此，其一邊加碼推廣步伐，如2016年召開的Ignite大會上，1446場對話中大約有500場對話都是關于混合云的。另一邊，基于虛擬機可以大大提高公私有云之間切換靈活性的特點，持續降低其價格，為客戶使用混合云降低門檻。

　　結果證明，微軟押到寶了。RightScale調查報告顯示，2017年采用混合云的企業較2015年上升9%，且預計未來在云的市場份額能達到67%，混合云需求如期而至。

　　最早切入的微軟云，吃到了巨大紅利，利潤率在2017年之后重啟增長，且生意愈發紅火，越賺越多。

　　也就是說，微軟云通過降價讓利布局混合云，不僅獲得了新的客戶群體，也擴大了云產品的銷售。

　　看到成效的亞馬遜云、谷歌云，紛紛加碼混合云，但失去先機下，始終難以和微軟云匹敵：據Synergy Research統計，微軟云的市場份額增幅，持續超過亞馬遜云和谷歌云。

　　回到當下，國內互聯網云廠商價格一降再降，同樣劍指新一輪技術周期帶來的需求紅利。

　　眾所周知，去年運營商(移動云、聯通云和天翼云)在政企市場混得風生水起，收入增速均超過100%，強勢搶占了互聯網云廠商的份額。

　　阿里云們急需一個突圍的口子，傳統企業隨之被盯上——除了零售業和制造業上云滲透率近30%之外，其他如汽車、餐飲、建筑等均在10%以下，蛋糕很大。

　　過去這部分客戶因為上云帶來的ROI不高，大多在觀望，但AI技術的出現，打破了這一掣肘。

　　以制造業為例，關鍵的質檢環節，過去面臨人力操作、效率低下、次品率高等老大難問題。富士康上線AI質檢系統后，通過機器學習、深度學習等技術，實現了長期穩定運行情況下，月檢測6000+臺，總體準確率>99%。

　　如此一來，和過往購買傳統的云服務相比，企業AI上云的積極性大大提升。

　　事實上，更早推出AI技術的海外，已經顯露出用戶增長爆發跡象。

　　·微軟最新電話會議顯示，Azure OpenAI 已擁有2500位新客戶，預計二季度將增長10倍。

　　·C3.ai(*企業AI服務)2022Q4電話會議透露，服務的行業范圍也在不斷擴大。

　　而企業AI上云，對云廠商的算力和數據存儲需求也會提升。

　　畢竟對大多數企業來說，直接掏錢批量采購GPU是一件奢侈的事情。據硅谷著名風險資本a16z測算，一個公司一年的AI運算開支只有超過5000萬美元，才有足夠的規模效應支撐自己批量采購 GPU。

　　更何況，AI技術人才的缺失也是一大頭疼的問題，如某傳統行業員工所說：“我們IT部門基本沒有太符合要求的，如果上馬AI首先要將技術團隊大換血。”

　　因此，對傳統行業和中小企業來說，自研大模型并不現實。

　　在這種情況下，向云廠商“租用”資源，聯手研發，才是性價比更高的方案——接入云廠商提供的通用大模型，再結合自身所積累的行業場景化數據對大模型進一步訓練，開發出自身的前端具體應用。

　　而要想拉攏傳統企業和中小企業AI上云，“租金”就要有吸引力。可以看到，云廠商此輪降價就錨定數據、存儲這些門檻級產品。

　　總的來說，AI技術加成下，不僅帶來更多新用戶群體，也提升了用戶對云產品的需求量。而這一定程度預示著AI新技術周期藍海，爆發在即。

　　可以看到，今年以來，上游巨頭們都對大語言模型顛覆下游應用端，堅信不已。

　　此輪云廠商“價格內卷”背后潛藏的，或許正是降價圈住AI新用戶，復刻微軟云逆襲故事的野望。

　　02 瞄上生態，打的是長期利潤算盤？

　　在AI創新周期的博弈里，“開發者”是大佬們掛在嘴邊的關鍵詞。

　　騰訊的湯道生曾在技術開放大會上表示：“面向數實融合世界，開發者是最重要的‘建筑師’。”

　　張勇更是直接在訪談中喊話：“我們有個原則會堅決執行，有所為有所不為，換言之把半條命交給伙伴。”

　　之所以如此重視交朋友，在于當下大模型領域的競爭，已經從“單打獨斗”轉向了“抱團作戰”，也即生態的較量。

　　畢竟光大模型訓練，就要幾億算力打底，而想將大模型進行規模化應用，很可能要付出百億量級別的算力成本。

　　比如，為了給ChatGPT 提供算力保障，其金主爸爸微軟用幾億美元，耗費上萬張英偉達A100芯片打造超算平臺，還在Azure的60多個數據中心部署了幾十萬張GPU，用于ChatGPT的推理，預計成本超過幾十億美元。

　　而且這筆錢還不夠花，2022年4月，由于成本巨大，ChatGPT關閉了面向C端的 Plus服務。

　　如此巨大的投入，必須要有足夠豐富的商業場景才不會血虧。但大模型公司自身能夠滲透的應用場景十分有限，因此它們需要借助外力，把觸手伸到千行百業。

　　OpenAI 創始人山姆·阿爾特曼今年1月就提到：關鍵在于中間層，有一批新的創業公司采用已有的大模型，并對其進行調整，它們有獨特的數據飛輪，隨著時間推移不斷改進，會反哺大模型，創造很多價值。

　　具體理解就是，依靠眾多開發者和大模型客戶的實際應用與調試，相應攤薄廠商數據獲取、模型精調的成本(定位到大模型基礎成本上)，并且產品豐富后，客戶可以對平臺上的云產品隨取隨用，提高產品研發、銷售效率。

　　這一點，此前海外云的競爭中已有體現。以AWS為例，其從2013年起就不斷“呼朋喚友”。

　　在伙伴們的支持下，僅2018年，AWS就上線了1957項新功能和服務，其中有90%-95%源自客戶反饋，覆蓋基礎設施類產品、垂直行業解決方案等多個領域。

　　AWS也投桃報李，為合作伙伴提供銷售渠道Marketplace(可以理解為云產品的APPstore)，截至今年5月已積累200萬訂閱用戶，讓其產品能夠迅速觸達到全球百萬用戶。

　　可以看到，開發者在Marketplace上的交易規模可以擴大80%，成交速度能夠提升40%。在此吸引下，著急下水的開發者也越來越多。

　　憑借產品生態擴大銷量、再通過銷量規模吸引開發者進一步入駐的輪動，Marketplace成為年賺超十億美金的云上“APP Store”。

　　不僅是賺現錢，隨著生態輪動越來越成熟，開發者們扎根越來越深入，巨頭還有更多好處可拿。

　　回到當下來說，OpenAI似乎也想走這條路。

　　截至2023年1月，其已跟科技、教育、制造、金融、零售等行業的902家企業形成合作關系，并且最近被披露正在考慮創建應用程序商店，供客戶向企業出售定制的AI模型，“技術-產品-生態”三部曲漸現雛形。

　　相比于海外，起步較晚的國內云廠商，生態鏈環節缺失的問題更突出，在這方面的需求更迫切。

　　可以看到，截至2022年，國內低代碼軟件在企業軟件市場的滲透率不到1%，且在對低代碼有一定認知的企業中，嘗試或已經實踐的企業不足10%。

　　而缺乏大規模的生態基礎，云廠商若想將應用深入各個垂直細分領域，就得死磕自研或者外部采買——比如，阿里云就是前者，今年之前的騰訊是后者。但無論是哪一種，都有點費力不討好。

　　不過，如今這一行業格局，似乎隨著AI上云的趨勢，有了改變的預期。

　　在這一輪AI上云趨勢里，如上文提到的，上云企業的成本壓力是倍增的，它們同樣需要“借力”來攤薄開銷，達到輕裝上陣，和時間賽跑的目的。

　　這樣的背景下，上云企業對生態的依賴程度進一步加大，相當于給擁有大模型的巨頭們，送來了真正做起生態，實現類似OpenAI那樣“技術-產品-開發者”輪動的大契機。

　　并且隨著生態的豐富，客戶選用產品的自由度提高，還可以一定程度上提高定價的彈性。

　　比如，阿里云就曾提到：“所有平臺級產品都會云化，做到開箱即用，云服務不再以資源方式付費，而是以業務效果付費。”

　　而等到生態成熟，國內云廠商就可以參考當年亞馬遜、微軟的經驗“變現”，以提振收入。

　　不僅如此，大模型生態一旦跑通，或還能重塑用戶青睞私有云的使用習慣。畢竟企業若要高效、快速地接入AI，就得先放下對定制化二次開發的“執念”。

　　以某大廠園區人臉識別系統為例，支持10萬個ID的人臉識別，每次訓練，需要處理約500萬張照片。如此大規模的數據，單個企業很難吃下，在公有生態上多企業協作開發更有效力。

　　而對云廠商來說，私有云占比降低，省下來的可是真金白銀。參考金山云就知道了，此前隨著私有云業務增長，“解決方案開發育服務成本”也迅速增加。

　　收入多了，開銷少了，云廠商的利潤表自然也會有更多的騰挪空間。雖然降價短期內讓它們承壓，但看看未來的甜頭，或許是一筆不錯的買賣。

　　03 小結

　　所謂新一輪價格戰，究其本質是新一輪的云計算大戰。

　　而這一回的關鍵是，如何抓住生成式AI契機，跑馬圈地;同時建立起生態輪動，尋求更大的規模、利潤空間。

　　事實上，目前的價格戰可能只是開始，畢竟站在這樣的十字路口，恐怕沒有人可以獨善其身。