科技云報到：從云計算到AI大模型，云巨頭生態革命邁出關鍵一步

　　科技云報道原創。

　　2024年注定是云計算發展的關鍵時間節點。

　　過去兩年多時間里，云計算行業被討論最多的話題就是“降價”，在市場增速放緩，甚至有企業高呼“下云”的背景下，云廠商紛紛打出了“價格牌”，導致整個行業陷入到了“低水平內卷”的境地。

　　如今，在大模型的促進下，千行萬業的智能化轉型愈演愈烈，而云化算力作為靈活高效、性價比極高的算力資源獲取方式，正在成為各AI廠商新的算力底座。如果說芯片是智能時代的“石油”，那云化算力就是AI發展的“新能源”。

　　新舊業態的轉變，對云計算的影響絕不僅僅是輿論層面，屬于云計算的“黃金時代”或許才剛剛開始。

　　下一代云，正在變得智能

　　IDC《聚焦平臺能力，支撐智能化業務發展》報告指出，2022-2027五年間中國公有云市場年復合增長率將達到26.9%，其中PaaS增速最快，為30.5%，SaaS(軟件即服務)緊隨其后為28.7%。當云計算的基礎設施建設完成后，中國公有云市場正在從資源驅動型延伸至技術和業務驅動。

　　生成式AI和大模型的快速發展，也在加速推動PaaS成為下一代智能云的核心能力——作為承上啟下的中間層，PaaS層既要承擔IaaS層快速規模化擴張帶來的壓力，又要承載SaaS層軟件功能沉淀下來的可平臺化能力，PaaS層將成為幫助企業全方位構建和應用AI原生力的關鍵環節。

　　企業用戶對云的需求變化主要體現在三個方面：在云上獲得應用AI的能力、在云上獲得AI加持的工具、在云上實現以智能驅動的應用創新。

　　IDC認為，下一代云將是按需適配企業智能化發展的“智能云”，云是AI落地和發展的土壤，AI也會助推云平臺發展。技術層面，企業需要借助智能架構和系統，加速智能設施應用落地;在業務層面，企業需要利用云平臺的資源管理能力，提高工作流程的自動化水平，實現智能運營;在生態層面，企業需要依賴下一代云上的智能工具，提升產品開發效率和產業協同能力，實現智能創新。

　　顯然在經歷過去十多年的發展，當云計算遇到人工智能，尤其這一波的大模型，進化中的云計算正在變得更加智能。

　　云計算的“第二增長曲線”

　　生成式AI正在席卷千行萬業，想要拿到通往新時代的船票，“上云”可以說是第一選擇。生成式AI需要云計算，也為云計算提供了新的驅動力。直接的例子就是坐上OpenAI“副駕駛”的微軟。

　　4月25日，微軟發布了2024財年第三財季的財報，微軟云業務的整體收入為351億美元，同比增長23%;智能云業務部門收入達到267億美元，同比增長21%，其中Azure和其他云服務的收入增長31%，AI對Azure的收入貢獻提升至7%，高于2024財年第二財季的6%和第一財季的3%。

　　從蘋果的AI戰略來看，全場最大的亮點莫過于和ChatGPT的整合。用戶可以呼喚Siri，以及在全系統的寫作工具中調用ChatGPT，實現聊天機器人、圖像生成等功能，且這些需求會上傳到OpenAI的數據中心，在云端完成。也就意味著，AI推理將長期以“云端為主”，至少是三到五年中的常態。

　　事實上，國內市場也早有準備。比如華為云去年9月上線的昇騰云服務，除了滿足基礎的AI算力需求，還提供了高效長穩的大模型訓練環境和完備的工具鏈，千億參數行業模型的端到端開發，從過去的5個月縮短到了1個月。

　　同樣做出選擇的還有大模型廠商。有別于2023年初瘋狂囤芯片的景象，越來越多的大模型廠商開始在云上訓練和推理。比如MiniMax，沒有購買任何GPU，而是以相對便宜的價格租賃云算力。

　　不只是云廠商和大模型廠商，更多傳統產業領域的大中型企業，也已經將AI和云作為戰略方向。以汽車產業為例，預計未來5年智能網聯汽車將超過90%的滲透率，將累計上萬PB的數據量。

　　汽車行業的數據價值挖掘不充分，因此AI推動智能網聯汽車的數據應用是必然之路，基于云服務的自動駕駛數據閉環平臺，圍繞算力、算法、數據構建了端到端的AI底座。

　　如果將資源上云、應用上云看作是云計算的“第一增長曲線”，急劇增長的生成式AI需求，將為云計算帶來“第二增長曲線”，在基礎資源需求逐漸飽和時，為云計算行業開辟了新的增量市場。

　　云巨頭發力大模型生態

　　從去年開始，國內云巨頭All in AI毋庸置疑。

　　從IaaS+PaaS市場來看，今年上半年創下近三年來同比增速新低。因此，大模型也就自然成為了云廠商的增長新抓手。其中，AI生態則是其重要組成部分。

　　實際上，早在2022年底，阿里云就提出了MaaS模型理念，而這個時間點也正是海外ChatGPT剛剛火熱之時。在2023年的云棲大會上，阿里云CTO周靖人表示，截至目前，百川智能、智譜AI、零一萬物、昆侖萬維、vivo、復旦大學等中國一半的大模型公司，都跑在阿里云上。

　　在具體服務方式上，阿里云的開源社區魔搭一共提供兩種服務：一是開發者可以直接調用阿里云的算力和大模型訓練及推理平臺，后者是阿里云為生態伙伴提供一站式的服務;二是模型的二次開發，這種服務模式則是提供模型訓練和數據訓練，另外還會針對具體的業務場景進行調優。

　　簡單來看，一種是直接提供API接口，一種則是通過提供模型訓練能力，幫助企業對模型進行二次開發。

　　騰訊云進度同樣迅速。在今年年初的的騰訊云生態大會上，騰訊云公布了最新成績單，“過去兩年，騰訊云被集成收入同比增長200%”。而且發布了大模型后，騰訊云更是在被集成業務中，將80%-90%的業務收入分配給合作伙伴。

　　另外，騰訊云這兩年一直在加速“被集成”業務。實際上，從騰訊云提出“被集成”開始，便退出了“總集成商”這個角色，再到今天的MaaS模型，騰訊云的生態模式已然發生了巨大的轉變。從某種程度上講，騰訊云的MaaS也更有助于其自身沉淀垂直領域的行業Know-How。

　　在過去一年中，隨著這種模式的不斷深入，騰訊云已經在醫療、金融、文旅、傳媒、政務、教育等十個行業積累了大量的資源。

　　而這些垂直領域大模型大部分都是有生態伙伴配合完成的。在垂直模型的建設中，各方的角色分配十分清晰。騰訊云的工作是提供PaaS層的能力，垂直領域的大型企業來提供數據和需求，最后再由專業的垂直模型建設團隊完成行業的私有化部署。

　　有迅速行動的還有華為云。在大模型生態方面，華為云采取面向軟件伙伴、服務伙伴、咨詢與系統集成伙伴三類伙伴的合作路徑。

　　其不僅支持盤古大模型的調用，也有各類開源模型和三方商業模型的搭建，從大模型開發到定制的過程，華為云還提供數據工程、模型開發和應用開發等多種工程化套件，幫助用戶構建獨立的數據集，并升級基礎模型。

　　從某種層面來看，不論是阿里云、騰訊云，還是華為云，其基于MaaS層面的生態建設相較之前態度更為開放兼容，同時也更果決，不論是算力層面還是數據層面，都有足夠強的空間給到生態伙伴。

　　截至目前，各家的MaaS生態模型基本已成型，其以算力為底座，上層的大模型收集、標注、預訓練等環節為抓手，作為生態武器，加速自身的生態構建，以為自身的大模型落地提供更強的配套支撐。

　　大模型時代 云廠商的“公有云”進化

　　實際上，從IaaS+PaaS+SaaS，到IaaS+PaaS+MaaS，這也正在云廠商在大模型時代的新盈利方式。而從親自做SaaS到開始探索MaaS，也意味著云廠商會將“被集成”的生態模式進行到底。

　　而這種生態模型對應的一個必然趨勢也恰是“公有云+AI”。客觀來看，這種模式正在成為各家的公開選項。

　　從市場需求來看，一方面由于GPU算力短缺，公有云則可以極大地降低AI模型的成本。另一方面，公有云的AI大模型模式也確實能在一定程度上拉動云廠商的增長。

　　從目前云廠商的商業模式來看，一種是API調用，按token字數收費;另一種則是為大型企業提供二次開發的服務，前者比拼的是云廠商自身的算力積累，后者則是依托于領域伙伴。

　　無論是阿里云、騰訊云，抑或是華為云，在過去一段時間里除了算力側的多重信號，最常見的便是垂直領域大模型的構建，即不論是基于本地部署還是公有云模型，先和部分垂直賽道頭部企業合作進行領域數據的訓練表達，最終訓練出面向專有賽道的領域模型。

　　同時基于雙方的協商，將其部分能力釋放到公有云的能力模型中，進一步加持基座模型的底層能力，并且將這種能力加持到自身的產品中，比如百度文庫，騰訊的騰訊會議，阿里的釘釘等等。

　　實際上，在大模型生態模式的探索方面，海外云廠商已經提供了一個例證。微軟Azure在ChatGPT被炒得火熱之時，并沒有選擇自研大模型，而是通過深度綁定的方式，直接基于GPT對外提供服務。

　　仔細觀察微軟的產品即可發現，其Windows、Office、Bing等軟件都開發了AI Copilot助手。這樣一來，微軟也就形成了由云-AI-軟件的商業閉環。

　　就現階段而言，云計算的增長引擎已經從價格渠道逐步向需求驅動、價值驅動轉變，勢必會倒逼云廠商改變市場策略，將資源投入到核心領域，繼而從低水平內卷重回理性增長的軌道。

　　如果把視角再放長遠一些，AI對云計算的顛覆才露出冰山一角，過去的云服務是以功能為中心的，未來將是以場景為中心，基于大模型的能力，打破功能的邊界，深入場景解決問題。彼時，云計算將漸漸剝離資源屬性，成為智能世界的底層系統。

　　新的大幕剛剛打開，新的能量也正在整合注入，新的浪潮已經開始洶涌起來。