文｜表外表里，作者｜张冉冉、周霄，编辑｜付晓玲、曹宾玲

今年以来，互联网云厂商似乎在集体表演 " 自杀 "。

(资料图)

一季度里，各家业绩的恶化形势，没有太大改善。比如，阿里云 2023Q1 营收增速已经跌到负增长 2%。

但这个节骨眼上，业内却打起了价格战：4 月底，阿里云宣布核心产品价格全线下调 15％至 50％；腾讯云紧随其后，部分产品线最高降幅达 40%；京东云直接承诺 " 全网比价，买贵就赔 "。

内卷之激烈，被网友调侃为，" 换个思路，各家可以相互倒卖彼此的产品赚差价了。"

然而，外界谈论生死之际，云厂商们却讲起了奉献。腾讯 2023Q1 电话会议淡定表示，降价 " 适用于中小企业 "；阿里则在合作伙伴大会上放言，" 希望将技术红利更多回馈给客户和伙伴，让更多中小企业更好地使用云计算。"

可商业世界哪有无缘无故的好，所有的恩惠，都是有诉求的。

可以看到，此轮降价的品类主要聚焦在数据库和云存储产品，甚至一些云厂商还放开了包括 ECS、数据库 PolarDB、机器学习 PAI 等支持 AI 大模型训练云产品的免费试用。

与此同时，阿里云、腾讯云、华为云等都在加码生态，以降低大模型的使用门槛。

很显然，技术普惠是借口，押注 AI 技术周期恐怕才是真心。

毕竟如此一来，不仅有可能打破现在的 " 增长困境 "，还有新的利润想象空间——靠降价降低 AI 模型训练成本，圈新的上云用户，再通过生态建设，将用户留住，撬动更多变现渠道。

就这个角度来看，" 自杀式 " 降价不失为一个破局的思路。但价格战这味药，能有几分疗效呢？

AI 技术周期，降价率先圈住 " 观望者 "

" 阿里云们可能会得不偿失。"

对于互联网云厂商重打价格战，一些投资人相当不看好。其提到的 " 失 "，指的是被牺牲的利润。

此前，云巨头们要么刚有了经营利润率好转的迹象（如阿里），要么刚定下 " 要利润，不要规模 " 的目标（如腾讯），可以说才喘上来半口气。现在降价潮袭来，相当于扑灭了赚钱的希望之火。

明知山有虎，大家依然争先恐后向虎山行，那答案大概率只有一个——预期回报实在太诱人了。

毕竟在云计算行业，借助新需求周期重拾增长的情况屡见不鲜。

2016 年，微软同样站在了悬崖边上：从 " 一本万利 " 的套装软件销售，转型至 " 蚂蚁搬大象 " 的云服务，并且在转型阵痛期多次降低产品价格，最终陷入利润下降、投资回报减少等舆论漩涡。

在外界看来，微软的举动，多少有些任性。但切换微软视角，其看到的，是混合云已走到爆发前夜。

彼时，美国大企业并不觉得所有的工作都需要上云，比如银行，希望敏感的信息可以和互联网隔绝，不太敏感的再放到公有云上完成。

看到这种趋势，微软云将推动混合云作为了差异点，吸引这些客户群体上云。

为此，其一边加码推广步伐，如 2016 年召开的 Ignite 大会上，1446 场对话中大约有 500 场对话都是关于混合云的。另一边，基于虚拟机可以大大提高公私有云之间切换灵活性的特点，持续降低其价格，为客户使用混合云降低门槛。

结果证明，微软押到宝了。RightScale 调查报告显示，2017 年采用混合云的企业较 2015 年上升 9%，且预计未来在云的市场份额能达到 67%，混合云需求如期而至。

最早切入的微软云，吃到了巨大红利，利润率在 2017 年之后重启增长，且生意愈发红火，越赚越多。

也就是说，微软云通过降价让利布局混合云，不仅获得了新的客户群体，也扩大了云产品的销售。

看到成效的亚马逊云、谷歌云，纷纷加码混合云，但失去先机下，始终难以和微软云匹敌：据 Synergy Research 统计，微软云的市场份额增幅，持续超过亚马逊云和谷歌云。

回到当下，国内互联网云厂商价格一降再降，同样剑指新一轮技术周期带来的需求红利。

众所周知，去年运营商（移动云、联通云和天翼云）在政企市场混得风生水起，收入增速均超过 100%，强势抢占了互联网云厂商的份额。

阿里云们急需一个突围的口子，传统企业随之被盯上——除了零售业和制造业上云渗透率近 30% 之外，其他如汽车、餐饮、建筑等均在 10% 以下，蛋糕很大。过去这部分客户因为上云带来的 ROI 不高，大多在观望，但 AI 技术的出现，打破了这一掣肘。

以制造业为例，关键的质检环节，过去面临人力操作、效率低下、次品率高等老大难问题。富士康上线 AI 质检系统后，通过机器学习、深度学习等技术，实现了长期稳定运行情况下，月检测 6000+ 台，总体准确率＞99%。

如此一来，和过往购买传统的云服务相比，企业 AI 上云的积极性大大提升。

事实上，更早推出 AI 技术的海外，已经显露出用户增长爆发迹象。

· 微软最新电话会议显示，Azure OpenAI 已拥有 2500 位新客户，预计二季度将增长 10 倍。

· C3.ai（专供企业 AI 服务）2022Q4 电话会议透露，服务的行业范围也在不断扩大。

而企业 AI 上云，对云厂商的算力和数据存储需求也会提升。

毕竟对大多数企业来说，直接掏钱批量采购 GPU 是一件奢侈的事情。据硅谷著名风险资本 a16z 测算，一个公司一年的 AI 运算开支只有超过 5000 万美元，才有足够的规模效应支撑自己批量采购 GPU。

更何况，AI 技术人才的缺失也是一大头疼的问题，如某传统行业员工所说：" 我们 IT 部门基本没有太符合要求的，如果上马 AI 首先要将技术团队大换血。"

因此，对传统行业和中小企业来说，自研大模型并不现实。

在这种情况下，向云厂商 " 租用 " 资源，联手研发，才是性价比更高的方案——接入云厂商提供的通用大模型，再结合自身所积累的行业场景化数据对大模型进一步训练，开发出自身的前端具体应用。

而要想拉拢传统企业和中小企业 AI 上云，" 租金 " 就要有吸引力。可以看到，云厂商此轮降价就锚定数据、存储这些门槛级产品。

总的来说，AI 技术加成下，不仅带来更多新用户群体，也提升了用户对云产品的需求量。而这一定程度预示着 AI 新技术周期蓝海，爆发在即。

可以看到，今年以来，上游巨头们都对大语言模型颠覆下游应用端，坚信不已。

此轮云厂商 " 价格内卷 " 背后潜藏的，或许正是降价圈住 AI 新用户，复刻微软云逆袭故事的野望。

瞄上生态，打的是长期利润算盘？

在 AI 创新周期的博弈里，" 开发者 " 是大佬们挂在嘴边的关键词。

腾讯的汤道生曾在技术开放大会上表示：" 面向数实融合世界，开发者是最重要的‘建筑师’。"

张勇更是直接在访谈中喊话：" 我们有个原则会坚决执行，有所为有所不为，换言之把半条命交给伙伴。"

之所以如此重视交朋友，在于当下大模型领域的竞争，已经从 " 单打独斗 " 转向了 " 抱团作战 "，也即生态的较量。

毕竟光大模型训练，就要几亿算力打底，而想将大模型进行规模化应用，很可能要付出百亿量级别的算力成本。

比如，为了给 ChatGPT 提供算力保障，其金主爸爸微软用几亿美元，耗费上万张英伟达 A100 芯片打造超算平台，还在 Azure 的 60 多个数据中心部署了几十万张 GPU，用于 ChatGPT 的推理，预计成本超过几十亿美元。

而且这笔钱还不够花，2022 年 4 月，由于成本巨大，ChatGPT 关闭了面向 C 端的 Plus 服务。

如此巨大的投入，必须要有足够丰富的商业场景才不会血亏。但大模型公司自身能够渗透的应用场景十分有限，因此它们需要借助外力，把触手伸到千行百业。

OpenAI 创始人山姆 · 阿尔特曼今年 1 月就提到：关键在于中间层，有一批新的创业公司采用已有的大模型，并对其进行调整，它们有独特的数据飞轮，随着时间推移不断改进，会反哺大模型，创造很多价值。

具体理解就是，依靠众多开发者和大模型客户的实际应用与调试，相应摊薄厂商数据获取、模型精调的成本（定位到大模型基础成本上），并且产品丰富后，客户可以对平台上的云产品随取随用，提高产品研发、销售效率。

这一点，此前海外云的竞争中已有体现。以 AWS 为例，其从 2013 年起就不断 " 呼朋唤友 "。

在伙伴们的支持下，仅 2018 年，AWS 就上线了 1957 项新功能和服务，其中有 90%-95% 源自客户反馈，覆盖基础设施类产品、垂直行业解决方案等多个领域。

AWS 也投桃报李，为合作伙伴提供销售渠道 Marketplace（可以理解为云产品的 APPstore），截至今年 5 月已积累 200 万订阅用户，让其产品能够迅速触达到全球百万用户。

可以看到，开发者在 Marketplace 上的交易规模可以扩大 80%，成交速度能够提升 40%。在此吸引下，着急下水的开发者也越来越多。

凭借产品生态扩大销量、再通过销量规模吸引开发者进一步入驻的轮动，Marketplace 成为年赚超十亿美金的云上 "APP Store"。

不仅是赚现钱，随着生态轮动越来越成熟，开发者们扎根越来越深入，巨头还有更多好处可拿。

回到当下来说，OpenAI 似乎也想走这条路。截至 2023 年 1 月，其已跟科技、教育、制造、金融、零售等行业的 902 家企业形成合作关系，并且最近被披露正在考虑创建应用程序商店，供客户向企业出售定制的 AI 模型，" 技术 - 产品 - 生态 " 三部曲渐现雏形。

相比于海外，起步较晚的国内云厂商，生态链环节缺失的问题更突出，在这方面的需求更迫切。

可以看到，截至 2022 年，国内低代码软件在企业软件市场的渗透率不到 1%，且在对低代码有一定认知的企业中，尝试或已经实践的企业不足 10%。

而缺乏大规模的生态基础，云厂商若想将应用深入各个垂直细分领域，就得死磕自研或者外部采买——比如，阿里云就是前者，今年之前的腾讯是后者。但无论是哪一种，都有点费力不讨好。

不过，如今这一行业格局，似乎随着 AI 上云的趋势，有了改变的预期。

在这一轮 AI 上云趋势里，如上文提到的，上云企业的成本压力是倍增的，它们同样需要 " 借力 " 来摊薄开销，达到轻装上阵，和时间赛跑的目的。

这样的背景下，上云企业对生态的依赖程度进一步加大，相当于给拥有大模型的巨头们，送来了真正做起生态，实现类似 OpenAI 那样 " 技术 - 产品 - 开发者 " 轮动的大契机。

并且随着生态的丰富，客户选用产品的自由度提高，还可以一定程度上提高定价的弹性。

比如，阿里云就曾提到：" 所有平台级产品都会云化，做到开箱即用，云服务不再以资源方式付费，而是以业务效果付费。"

而等到生态成熟，国内云厂商就可以参考当年亚马逊、微软的经验 " 变现 "，以提振收入。

不仅如此，大模型生态一旦跑通，或还能重塑用户青睐私有云的使用习惯。毕竟企业若要高效、快速地接入 AI，就得先放下对定制化二次开发的 " 执念 "。

以某大厂园区人脸识别系统为例，支持 10 万个 ID 的人脸识别，每次训练，需要处理约 500 万张照片。如此大规模的数据，单个企业很难吃下，在公有生态上多企业协作开发更有效力。

而对云厂商来说，私有云占比降低，省下来的可是真金白银。参考金山云就知道了，此前随着私有云业务增长，" 解决方案开发育服务成本 " 也迅速增加。

收入多了，开销少了，云厂商的利润表自然也会有更多的腾挪空间。虽然降价短期内让它们承压，但看看未来的甜头，或许是一笔不错的买卖。

小结

所谓新一轮价格战，究其本质是新一轮的云计算大战。

而这一回的关键是，如何抓住生成式 AI 契机，跑马圈地；同时建立起生态轮动，寻求更大的规模、利润空间。

事实上，目前的价格战可能只是开始，毕竟站在这样的十字路口，恐怕没有人可以独善其身。