今天小编分享的互联网经验：AI与云厂商的捆绑游戏：债务、利润与生态的博弈，欢迎阅读。
文 | 光子星球
19 世纪中后期，贪婪的欧洲各国对古老而又原始的非洲垂涎三尺，一拥而上将其瓜分殆尽。
120 多年后，冉冉升起的 AI 新星也逐渐走入了云厂商精心设计好的 " 陷阱 "。
故事的开头很美好，一方慷慨大方奉上钱和算力；另一方感激涕零，做出来的 "ChatGPT" 式的新貌震惊四座。然而，当初的山盟海誓转瞬即逝，嫌隙渐生，回过神来的 AI 公司才发现，归来已是一身负债。
截至目前，世界上主要的云厂商已通过合作、投资的方式与 AI 公司绑定 CP。国外，微软与 OpenAI，亚马逊与 Anthropic。国内，阿里独坐庄家，提前锁定了智谱、月暗、零一万物、Minimax，行业内的 "AI 五小虎 "。
OpenAI 最新 66 亿美元融资注定会成为一个分水岭。新一轮融资关闭后，OpenAI 进一步公布了财务模型和利润规划表，这相当于宣告了大模型的盈利时刻，" 还债 " 指日可待。
环伺在 OpenAI 周围的微软与 VC 们已经开始蠢蠢欲动，尾随其后的亚马逊、谷歌也盯上了各自的猎物。
回到中国，操作简单粗暴，对照 OpenAI 打打折，也给 AI 六小虎（指智谱、月暗、零一万物、Minimax、阶跃星辰）能赚多少钱估个预期，制定个 deadline。
或许是预感到了即将到来的压力，近期的 AI 公司相继呈现出了收缩的趋势，" 开源节流 " 逐渐成为后期的主线任务。
根据国内外 AI 公司所签订的協定，一（云）对多（模型）的代理人机制下，模型公司沦为了云厂商的 " 打工机器 "。既要支付算力账单，为其年终业绩账单记上一笔。待未来盈利，还要按照投资股份所占比例，被瓜分利润。
大模型公司焦虑弥漫，竞争内卷，背后隐藏的庄家渔翁得利。投遍 AI 潜力股的阿里云、腾讯云这回要 " 躺着 " 赚钱了。
云，大模型的 " 信用卡 "
云计算，是大模型时代堪比黄金的 " 硬通货 "。
OpenAI 与微软的百亿美元 " 联姻 " 一度是 AI 圈的佳话，不过，据外媒报道，截至去年 9 月，OpenAI 仅收到 " 一小部分 "。其中 " 很大部分资金 " 用以购买云服务资源，而非现金形式支付。
在国内，阿里也借鉴了微软的投资方式，并在其基础上灵活改造。同样用云给 AI 五虎 " 刷卡 "，预支使用云的 " 信用额度 "，比如投资月暗的 8 亿美元中，云的信用额度就占了近一半。在此基础上，阿里的投资未直接转给 AI 公司，而是被存放在一个代管账户，所划掉的云额度可重新计入其收入。
由此，云其实承担了两重角色。初期，得益于算力和大模型的依赖性关系，云成为了叩开大模型投资的砝码。后期，云成为了 " 提款机 "，源源不断地从 AI 公司方支取利润。
收益主要来自两部分，一部分是对云的消耗，AI 公司从模型训练到后期 API 调用，都会在信用卡上划一笔，计入到云厂商的 AI 收入中。典型如微软与 OpenAI 的关系，GPT 模型训练和 ChatGPT 产品运行都在微软云上，通过 Azure 向客户提供的 ChatGPT 相关服务也需再次计费。
即使是大模型上云产生的收入，很大一部分也流入了云厂商的口袋里。国外有调查显示，当客户在亚马逊 Bedrock 调用 Claude，或在微软 Azure 调用 GPT 时，每支付一美元推理费用，约有超过 50% 的收入支付给了云服务提供商，用以支付基础设施成本和毛利润抽成。
实际反映到收入上，阿里更有说服力，毕竟国内一半以上的大模型公司都上了阿里云。财报显示，2024 财年第三季度，阿里云营收 280.66 亿元，增长 3%，经调整 EBITA 利润增长 86% 至 23.64 亿元。可以看出，即使是短期内，AI" 大户 " 们的消耗对云厂商也产生了正向拉动效果。
对此种现状，云厂商们半夜躺着都能笑开花，但这可愁坏了 AI 公司。算力额度虽是刚需，但更像 " 空头支票 "，日常经营、各项成本开支还得靠账上的流动资金，也难怪 OpenAI 在最近一轮融资前三令五申，" 至少支付 2.5 亿美元现金 "。
另一部分则是参与 AI 公司的利润分配。据最新消息，OpenAI 未来的利润分配主要分为三层，第一、二层都用于偿还给投资者和微软，等到分配完毕，才能真正属于 OpenAI 公司。包括 OpenAI 在内的 AI 公司处境一目了然：欲谈独立，先还债。
在国内，云厂商的话语权更大，特别是阿里，信用卡漫天撒，终于熬到了 " 讨债 " 阶段。相比于 OpenAI，此类绝对头部的大模型公司，中国 AI 六小虎的生存环境更为艰难，如何产生收入是关键问题。
在国外，已经分化出了两条道路，向左 To C，代表是 OpenAI；向右 To B，代表是 Anthropic。从云厂商中 " 虎口夺食 " 需具备前提，即基本模型和产品能力要显著超越云大厂。OpenAI 之于微软，Anthropic 之于亚马逊皆是如此。以此来审视国内，该前提基本不成立。到现在为止，双方未能拉开明显差距，反而大厂在流量、生态、客户市场等方面更胜一筹。
AI 公司在云厂商面前更显弱势，" 绑定 " 有程度深浅之分。如果只是透支未来算力而产生费用，总有还完债的一天。但是，云厂商并不甘于此，有的在云上又加筑了一层 " 专供芯片 "，有的用客户绑定，有的买断技术未来。还有许多中间地带，例如云厂商对模型的访问权，用户数据的所有权等等。
大模型的最佳 " 赏味期 "
现阶段，云生态的锁定价值大于通用模型本身，这一事实放之国内外皆成立。" 云 + 大模型 " 本质上在给云做加法，做厚云的价值。而单一大模型具有 " 赏味期 "，一旦过了最佳食用期，其价值就会大打折扣。
从去年到现在，整个行业无时无刻不在变化之中，大模型英雄榜随时被揭，" 史上最强模型 " 称号以月为部門易主。GPT 系列模型从最初的 3.5 进化到了如今的 o1，其竞争对手 Claude 系列模型也一路追赶到了 3.5 Sonnet。
尽管这属于正常的技术迭代路径，但从模型使用角度来看，新模型使用频率最高的一定是刚发布的几个月，后面总会有更强性能的模型替代。比如在编程这一领網域，后来居上的 Claude 模型打败了 GPT-4，成为了更多编程軟體的选择。随着时间的推移，我们清楚地看到，模型本身的价值在不断降低。
此前，行业内曾讨论过 " 大模型是否能成为商品 " 这一话题。到现在为止，似乎没有看到确定性的答案。
通用大模型被集成的趋势正在加强，一部分被云厂商集成，一部分被应用产品集成，多模切换调用越来越被采纳。光子星球也注意到，国内很多创业公司在运用该技巧，提前测试各家模型的免费额度，在产品运行时及时切换来降低成本。当然，还存在另一种情况，根据用户调用不同功能来切换模型。
在没有哪家大模型可以独霸天下的情况下，云与大模型融合能够加快产品化进程。众所周知，GitHub 虽然是最大开源社区之一，但由于 " 被微软收购 " 这层关系，也被迫与 "Azure+GPT" 生态进行了绑定。其中，GitHub Copilot 直接采用了 GPT 模型。尽管 GitHub 也推出了相关模型产品，允许支持 OpenAI 之外的模型，但仅限与微软生态不产生直接竞争的模型，生态自带的排外性不言而喻。
由云到大模型再到产品，云厂商的触角在不断延伸。大模型公司为云厂商生态做 " 嫁衣 "，即使处于最佳 " 赏味期 " 也能无延迟地享用最强性能大模型。此外，绕过 OpenAI 们的收费墙，在生态系统应用中也能尝鲜部分功能。
在国内，云大厂的 " 藩篱意识 " 更强，AI 公司几乎难以触达到他们生态体系中的产品。就算是以 API 形式输出，云厂商也是极其吝啬。这既有竞品存在的顾忌，也有出于数据安全的考虑。藩篱之内，云厂商通过自建模型完成了产品更新。藩篱之外，才能存在站台、共同服务客户、投资等友好形式。
云厂商的领地主义，间接地为 AI 六小虎关上了生态入口。他们无法像 OpenAI 一样，在拥有规模化的用户数量和成熟的产品中获得曝光、反馈。于是，自建入口和主动试探藩篱边界成为了不得已而为之。
新的价值
" 云 + 大模型 " 的组合并非无懈可击，MaaS 所提供的仍然是标准化的服务，相当于提供了统一的锤子、钉子套装，怎么锤、钉在哪里取决于使用工具方的能力。能力越强、经验越丰富的人运行大模型的效果自然越强，这就解释了，阿里、百度等厂商为什么花费大力气去打造大模型行业标杆。
云、大模型到应用存在着巨大的沟壑。To B 靠多对一的个性化解决方案来填补，To C 目前还处于拓荒阶段。引用近期红杉报告的一句话，在云和大模型之外，新的价值诞生于 " 将模型的原始能力转化为引人入胜、可靠的端到端的商业解决方案 "，这需要大量工程化工作。
不可否认，大模型杀死了部分应用，持续更新的能力覆盖掉了创业公司的项目，以至于很多人强调 " 要站在 OpenAI 射程外 "。多数情况下，行业中不是缺乏最强的模型，而是没能释放模型的最强能力。
AI 编程应用 Cursor 的大火一定程度上说明了开发模型能力的重要性。如同上述所言，Cursor 的思路不是提供趁手的工具，而是代替用户去试错，基于对代码编辑、处理速度、处理数量、长上下文本等能力要求，在测试完了市面上前沿模型后，找到了最匹配的模型 Claude Sonnet。
Cursor 在采访中强调了一点，可能是当下过分追求模型性能群体所忽视的问题，" 最好的不一定是最适合的 "。在 Sonnet 之后，他们也在第一时间测试了 OpenAI 的 o1 模型，得出的结论是，" 推理能力很强，在某些问题上可以做得很好，但仍比不上 Sonnet"。
这从侧面回答了一个问题：当拥有了最厉害的模型后，为什么还没有诞生 Killer App？面对大模型，以前创业公司的课题是做选择，而现在变成了做优化组合。
或许，到了现在的时间节点，大模型行业才真正进入到了 " 应用诞生时刻 "。
