今天小編分享的互聯網經驗：AI與雲廠商的捆綁遊戲：債務、利潤與生态的博弈，歡迎閱讀。
文 | 光子星球
19 世紀中後期，貪婪的歐洲各國對古老而又原始的非洲垂涎三尺，一擁而上将其瓜分殆盡。
120 多年後，冉冉升起的 AI 新星也逐漸走入了雲廠商精心設計好的 " 陷阱 "。
故事的開頭很美好，一方慷慨大方奉上錢和算力；另一方感激涕零，做出來的 "ChatGPT" 式的新貌震驚四座。然而，當初的山盟海誓轉瞬即逝，嫌隙漸生，回過神來的 AI 公司才發現，歸來已是一身負債。
截至目前，世界上主要的雲廠商已通過合作、投資的方式與 AI 公司綁定 CP。國外，微軟與 OpenAI，亞馬遜與 Anthropic。國内，阿裡獨坐莊家，提前鎖定了智譜、月暗、零一萬物、Minimax，行業内的 "AI 五小虎 "。
OpenAI 最新 66 億美元融資注定會成為一個分水嶺。新一輪融資關閉後，OpenAI 進一步公布了财務模型和利潤規劃表，這相當于宣告了大模型的盈利時刻，" 還債 " 指日可待。
環伺在 OpenAI 周圍的微軟與 VC 們已經開始蠢蠢欲動，尾随其後的亞馬遜、谷歌也盯上了各自的獵物。
回到中國，操作簡單粗暴，對照 OpenAI 打打折，也給 AI 六小虎（指智譜、月暗、零一萬物、Minimax、階躍星辰）能賺多少錢估個預期，制定個 deadline。
或許是預感到了即将到來的壓力，近期的 AI 公司相繼呈現出了收縮的趨勢，" 開源節流 " 逐漸成為後期的主線任務。
根據國内外 AI 公司所籤訂的協定，一（雲）對多（模型）的代理人機制下，模型公司淪為了雲廠商的 " 打工機器 "。既要支付算力賬單，為其年終業績賬單記上一筆。待未來盈利，還要按照投資股份所占比例，被瓜分利潤。
大模型公司焦慮彌漫，競争内卷，背後隐藏的莊家漁翁得利。投遍 AI 潛力股的阿裡雲、騰訊雲這回要 " 躺着 " 賺錢了。
雲，大模型的 " 信用卡 "
雲計算，是大模型時代堪比黃金的 " 硬通貨 "。
OpenAI 與微軟的百億美元 " 聯姻 " 一度是 AI 圈的佳話，不過，據外媒報道，截至去年 9 月，OpenAI 僅收到 " 一小部分 "。其中 " 很大部分資金 " 用以購買雲服務資源，而非現金形式支付。
在國内，阿裡也借鑑了微軟的投資方式，并在其基礎上靈活改造。同樣用雲給 AI 五虎 " 刷卡 "，預支使用雲的 " 信用額度 "，比如投資月暗的 8 億美元中，雲的信用額度就占了近一半。在此基礎上，阿裡的投資未直接轉給 AI 公司，而是被存放在一個代管賬戶，所劃掉的雲額度可重新計入其收入。
由此，雲其實承擔了兩重角色。初期，得益于算力和大模型的依賴性關系，雲成為了叩開大模型投資的砝碼。後期，雲成為了 " 提款機 "，源源不斷地從 AI 公司方支取利潤。
收益主要來自兩部分，一部分是對雲的消耗，AI 公司從模型訓練到後期 API 調用，都會在信用卡上劃一筆，計入到雲廠商的 AI 收入中。典型如微軟與 OpenAI 的關系，GPT 模型訓練和 ChatGPT 產品運行都在微軟雲上，通過 Azure 向客戶提供的 ChatGPT 相關服務也需再次計費。
即使是大模型上雲產生的收入，很大一部分也流入了雲廠商的口袋裡。國外有調查顯示，當客戶在亞馬遜 Bedrock 調用 Claude，或在微軟 Azure 調用 GPT 時，每支付一美元推理費用，約有超過 50% 的收入支付給了雲服務提供商，用以支付基礎設施成本和毛利潤抽成。
實際反映到收入上，阿裡更有說服力，畢竟國内一半以上的大模型公司都上了阿裡雲。财報顯示，2024 财年第三季度，阿裡雲營收 280.66 億元，增長 3%，經調整 EBITA 利潤增長 86% 至 23.64 億元。可以看出，即使是短期内，AI" 大戶 " 們的消耗對雲廠商也產生了正向拉動效果。
對此種現狀，雲廠商們半夜躺着都能笑開花，但這可愁壞了 AI 公司。算力額度雖是剛需，但更像 " 空頭支票 "，日常經營、各項成本開支還得靠賬上的流動資金，也難怪 OpenAI 在最近一輪融資前三令五申，" 至少支付 2.5 億美元現金 "。
另一部分則是參與 AI 公司的利潤分配。據最新消息，OpenAI 未來的利潤分配主要分為三層，第一、二層都用于償還給投資者和微軟，等到分配完畢，才能真正屬于 OpenAI 公司。包括 OpenAI 在内的 AI 公司處境一目了然：欲談獨立，先還債。
在國内，雲廠商的話語權更大，特别是阿裡，信用卡漫天撒，終于熬到了 " 讨債 " 階段。相比于 OpenAI，此類絕對頭部的大模型公司，中國 AI 六小虎的生存環境更為艱難，如何產生收入是關鍵問題。
在國外，已經分化出了兩條道路，向左 To C，代表是 OpenAI；向右 To B，代表是 Anthropic。從雲廠商中 " 虎口奪食 " 需具備前提，即基本模型和產品能力要顯著超越雲大廠。OpenAI 之于微軟，Anthropic 之于亞馬遜皆是如此。以此來審視國内，該前提基本不成立。到現在為止，雙方未能拉開明顯差距，反而大廠在流量、生态、客戶市場等方面更勝一籌。
AI 公司在雲廠商面前更顯弱勢，" 綁定 " 有程度深淺之分。如果只是透支未來算力而產生費用，總有還完債的一天。但是，雲廠商并不甘于此，有的在雲上又加築了一層 " 專供芯片 "，有的用客戶綁定，有的買斷技術未來。還有許多中間地帶，例如雲廠商對模型的訪問權，用戶數據的所有權等等。
大模型的最佳 " 賞味期 "
現階段，雲生态的鎖定價值大于通用模型本身，這一事實放之國内外皆成立。" 雲 + 大模型 " 本質上在給雲做加法，做厚雲的價值。而單一大模型具有 " 賞味期 "，一旦過了最佳食用期，其價值就會大打折扣。
從去年到現在，整個行業無時無刻不在變化之中，大模型英雄榜随時被揭，" 史上最強模型 " 稱号以月為部門易主。GPT 系列模型從最初的 3.5 進化到了如今的 o1，其競争對手 Claude 系列模型也一路追趕到了 3.5 Sonnet。
盡管這屬于正常的技術迭代路徑，但從模型使用角度來看，新模型使用頻率最高的一定是剛發布的幾個月，後面總會有更強性能的模型替代。比如在編程這一領網域，後來居上的 Claude 模型打敗了 GPT-4，成為了更多編程軟體的選擇。随着時間的推移，我們清楚地看到，模型本身的價值在不斷降低。
此前，行業内曾讨論過 " 大模型是否能成為商品 " 這一話題。到現在為止，似乎沒有看到确定性的答案。
通用大模型被集成的趨勢正在加強，一部分被雲廠商集成，一部分被應用產品集成，多模切換調用越來越被采納。光子星球也注意到，國内很多創業公司在運用該技巧，提前測試各家模型的免費額度，在產品運行時及時切換來降低成本。當然，還存在另一種情況，根據用戶調用不同功能來切換模型。
在沒有哪家大模型可以獨霸天下的情況下，雲與大模型融合能夠加快產品化進程。眾所周知，GitHub 雖然是最大開源社區之一，但由于 " 被微軟收購 " 這層關系，也被迫與 "Azure+GPT" 生态進行了綁定。其中，GitHub Copilot 直接采用了 GPT 模型。盡管 GitHub 也推出了相關模型產品，允許支持 OpenAI 之外的模型，但僅限與微軟生态不產生直接競争的模型，生态自帶的排外性不言而喻。
由雲到大模型再到產品，雲廠商的觸角在不斷延伸。大模型公司為雲廠商生态做 " 嫁衣 "，即使處于最佳 " 賞味期 " 也能無延遲地享用最強性能大模型。此外，繞過 OpenAI 們的收費牆，在生态系統應用中也能嘗鮮部分功能。
在國内，雲大廠的 " 藩籬意識 " 更強，AI 公司幾乎難以觸達到他們生态體系中的產品。就算是以 API 形式輸出，雲廠商也是極其吝啬。這既有競品存在的顧忌，也有出于數據安全的考慮。藩籬之内，雲廠商通過自建模型完成了產品更新。藩籬之外，才能存在站台、共同服務客戶、投資等友好形式。
雲廠商的領地主義，間接地為 AI 六小虎關上了生态入口。他們無法像 OpenAI 一樣，在擁有規模化的用戶數量和成熟的產品中獲得曝光、反饋。于是，自建入口和主動試探藩籬邊界成為了不得已而為之。
新的價值
" 雲 + 大模型 " 的組合并非無懈可擊，MaaS 所提供的仍然是标準化的服務，相當于提供了統一的錘子、釘子套裝，怎麼錘、釘在哪裡取決于使用工具方的能力。能力越強、經驗越豐富的人運行大模型的效果自然越強，這就解釋了，阿裡、百度等廠商為什麼花費大力氣去打造大模型行業标杆。
雲、大模型到應用存在着巨大的溝壑。To B 靠多對一的個性化解決方案來填補，To C 目前還處于拓荒階段。引用近期紅杉報告的一句話，在雲和大模型之外，新的價值誕生于 " 将模型的原始能力轉化為引人入勝、可靠的端到端的商業解決方案 "，這需要大量工程化工作。
不可否認，大模型殺死了部分應用，持續更新的能力覆蓋掉了創業公司的項目，以至于很多人強調 " 要站在 OpenAI 射程外 "。多數情況下，行業中不是缺乏最強的模型，而是沒能釋放模型的最強能力。
AI 編程應用 Cursor 的大火一定程度上說明了開發模型能力的重要性。如同上述所言，Cursor 的思路不是提供趁手的工具，而是代替用戶去試錯，基于對代碼編輯、處理速度、處理數量、長上下文本等能力要求，在測試完了市面上前沿模型後，找到了最匹配的模型 Claude Sonnet。
Cursor 在采訪中強調了一點，可能是當下過分追求模型性能群體所忽視的問題，" 最好的不一定是最适合的 "。在 Sonnet 之後，他們也在第一時間測試了 OpenAI 的 o1 模型，得出的結論是，" 推理能力很強，在某些問題上可以做得很好，但仍比不上 Sonnet"。
這從側面回答了一個問題：當擁有了最厲害的模型後，為什麼還沒有誕生 Killer App？面對大模型，以前創業公司的課題是做選擇，而現在變成了做優化組合。
或許，到了現在的時間節點，大模型行業才真正進入到了 " 應用誕生時刻 "。
