阿里云，降价“捞鱼”

　　今年以来，互联网云厂商似乎在集体上演“自杀”。

　　一季度，各公司恶化的业绩并没有太大改善。例如，阿里云2023Q1收入增速已降至2%的负增长。

　　但就在这个节骨眼上，业界却打响了价格战：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，部分产品线跌幅高达40%；京东云直接承诺“全网比价，多买就有补偿”。

　　内讧太激烈，网友调侃：“各家公司可以通过不同的方式倒卖对方的产品来获利。”

　　然而，当外界谈生死时，云厂商谈的是奉献。腾讯2023Q1电话会议冷静表示，降价“适用于中小企业”；阿里巴巴在合作伙伴大会上表示，“我们希望将更多的技术红利回报给客户和合作伙伴，让更多的中小企业能够更好地利用云计算。”

　　但在商业世界里，没有什么是无缘无故的。所有的恩惠都是有要求的。

　　 可以看到，本轮降价的品类主要集中在数据库和云存储产品上。一些云厂商甚至发布了支持AI大模型训练的云产品免费试用，包括ECS、数据库PolarDB、机器学习PAI等。

　　同时，阿里云、腾讯云、华为云等都在加入自己的生态系统，降低大模型的使用门槛。

　　显然，技术的普惠性是借口，押注AI技术周期恐怕才是真事。

　　毕竟，不仅可以打破当前的“增长困境”，而且还有新的盈利想象空间——通过降价降低AI模型训练成本，吸引新的云用户，进而整合用户通过生态建设。保留并利用更多的盈利渠道。

　　从这个角度来说，“自杀式”降价也算是一种破局思路。但这支价格战良药到底有多有效呢？

　　01 AI技术周期，降价率先困住“观望者”

　　“阿里云可能得不偿失。”

　　一些投资者对互联网云厂商之间新一轮的价格战相当不利。这里所说的“损失”，是指所牺牲的利润。

　　此前，云巨头要么刚刚出现营业利润率改善的迹象（如阿里巴巴），要么刚刚确立“盈利而非规模”的目标（如腾讯），可以说他们只吸了一口气。现在降价潮来了，等于浇灭了赚钱的希望。

　　虽然大家都知道山里有老虎，但是大家还是争先恐后的要去虎山。答案可能只有一个——预期回报太诱人了。

　　毕竟在云计算行业，借助新的需求周期恢复增长的情况并不罕见。

　　2016年，微软也站在了悬崖边上：从销售“一价万利”的套装软件到“蚂蚁搬大象”的云服务，并在转型的阵痛期降低了产品价格多次，最终陷入盈利。存在着衰退、投资回报减少等舆论漩涡。

　　在外界看来，微软的举动有些任性。但换个角度来看，微软看到的是混合云正处于爆发的前夜。

　　当时美国大公司并不觉得所有工作都需要搬到云端，比如银行。他们希望敏感信息可以与互联网隔离，不太敏感的信息可以在公共云上完成。

　　看到这一趋势，微软云将推广混合云作为差异化点，吸引这些客户群体上云。

　　 为此，加大了宣传力度。例如，在2016年举行的Ignite会议上，1446个对话中约有500个是关于混合云的。另一方面，虚拟机可以大大提高公有云和私有云之间切换的灵活性，不断降低其价格，降低客户使用混合云的门槛。

　　原来微软下了赌注。 RightScale调查报告显示，2017年采用混合云的企业数量较2015年增长9%，未来云市场份额预计将达到67%。混合云的需求正如预期。

　　最早进军云的微软云收获了巨大红利。 2017年后利润率重新开始增长，生意越来越红火，赚的钱越来越多。

　　也就是说，微软云通过降价、让利的方式部署了混合云，不仅获得了新的客户群体，还扩大了云产品的销量。

　　看到结果，亚马逊云和谷歌云加大了对混合云的投资。然而，他们却失去了与微软云竞争的机会：根据Synergy Research统计，微软云的市场份额增长持续超过亚马逊云和谷歌云。 。

　　回到当下，国内互联网云厂商的价格一降再降，也指向新一轮技术周期带来的需求红利。

　　众所周知，运营商（移动云、联通云、天翼云）去年在政企市场表现非常成功，收入增长超过100%，强势抢占了互联网云厂商的份额。

　　阿里云急需突破，传统企业被瞄准——除了云渗透率近30%的零售业、制造业外，其他如汽车、餐饮、建筑等行业都在被瞄准。全部低于10%，蛋糕就很大了。

　　过去，这些客户大多在观望，因为云迁移带来的投资回报率不高。然而，人工智能技术的出现打破了这一限制。

　　以制造业为例。关键质检环节过去长期存在人工操作、效率低下、不良率高等问题。富士康推出AI质检系统后，利用机器学习、深度学习等技术，实现长期稳定运行，月检6000+台，整体准确率>99%。

　　这样，与过去购买传统云服务相比，企业将AI迁移到云端的热情大大增加。

　　事实上，较早推出AI技术的海外国家已经出现了用户爆发式增长的迹象。

　　·微软最新电话会议显示，Azure OpenAI新增客户2500家，预计第二季度将增长10倍。

　　·www.gsm-guard.net（*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。

　　和随着企业AI迁移到云端，云厂商对计算能力和数据存储的需求也会增加。

　　毕竟对于大多数公司来说，直接付费批量购买GPU是一种奢侈。根据硅谷知名风投公司a16z的测算，一家公司每年的AI计算支出必须超过5000万美元，才有足够的规模效应支撑其批量采购GPU。

　　此外，AI技术人才的缺乏也是一大头痛问题。正如一位传统行业员工所说：“我们的IT部门基本不符合要求，如果推出AI，首先要对技术团队进行全面整顿。”

　　因此，对于传统行业和中小企业来说，自行开发大型机型并不现实。

　　这种情况下，“租用”云厂商的资源，共同开发是一种更划算的方案——接入云厂商提供的通用大模型，然后与自身积累的行业场景数据相结合。大模型被进一步训练以开发自己的前端特定应用程序。

　　和想要吸引传统企业和中小企业使用云端的AI，“租金”必须有吸引力。 可见，云厂商此轮降价，锚定在数据、存储等门槛级产品上。

　　总的来说，AI技术的加入不仅带来了更多新的用户群体，也增加了用户对云产品的需求。一定程度上，这预示着AI新技术周期的蓝海即将爆发。

　　可见，今年以来，上游巨头坚信大语言模型能够颠覆下游应用端。

　　云厂商此轮“价格内卷”的背后，或许隐藏着通过降价吸引新AI用户、复制微软云逆袭故事的野心。

　　02 聚焦生态，你是否有长远盈利规划？

　　在AI创新周期的博弈中，“开发者”是大佬们挂在嘴边的关键词。

　　腾讯唐道生曾在技术开放大会上表示：“在数据与现实融合的世界里，开发者是最重要的‘架构师’。”

　　张勇甚至在采访中直接喊话：“我们有一个原则，我们会坚决执行，我们会做一些事情，不做一些事情。也就是说，我们会把一半的生命留给我们的合作伙伴。”

　　之所以这么重视交朋友，是因为目前大模型领域的竞争已经从“单打独斗”转向“群战”，这也是一种生态竞争。

　　毕竟光大模型训练需要数亿算力，而如果想要大规模应用大模型，很可能要付出数百亿的算力成本。

　　例如，为了给ChatGPT提供算力保障，其赞助商微软花费了数亿美元和数万颗Nvidia A100芯片搭建了超级计算平台，并且还在多个国家部署了数十万颗芯片。 60 个 Azure 数据中心。用于 ChatGPT 推理的 GPU 预计成本超过数十亿美元。

　　而且钱还不够。 2022年4月，ChatGPT因成本巨大而关闭了C端的Plus服务。

　　如此巨大的投入，必须有足够丰富的业务场景，才能避免赔钱。然而，大型模型公司能够渗透的应用场景非常有限，因此需要依靠外部力量将触角延伸到数千个行业。

　　OpenAI创始人Sam Altman今年1月提到：关键在于中间层。有一批新的初创公司采用现有的大型模型并对其进行调整。他们有独特的数据飞轮，他们可以随着时间的推移不断改进，会反馈到大模型，创造很多价值。

　　具体理解是，依靠众多开发者和大模型客户的实际应用和调试，会相应稀释厂家数据采集和模型微调的成本（定位于大模型的基础成本），而产品丰富，客户可以随时访问和使用平台上的云产品，提高产品开发和销售效率。

　　这在之前的海外云大赛中已经有所体现。以AWS为例。从2013年开始就开始“呼朋唤友”了。

　　在合作伙伴的支持下，AWS仅2018年就推出了1,957项新功能和服务，其中90%-95%来自客户反馈，涵盖基础设施产品、垂直行业解决方案等领域。

　　AWS 也相应地为合作伙伴提供了销售渠道 Marketplace（可以理解为云产品的 APPstore）。截至今年5月，它已累计拥有200万订阅用户，使其产品能够快速触达全球数百万用户。

　　 可以看到，开发者在商城的交易规模可以扩大80%，交易速度可以提高40%。受此吸引，越来越多的开发者跃跃欲试。

　　 利用产品生态扩大销售，再通过销售规模吸引开发者进一步入驻，Marketplace 已成为年收入超 10 亿美元的云端“APP Store”。

　　这不仅仅是为了赚钱。随着生态轮转越来越成熟，开发者扎根越来越深，巨头们将获得更多利益。

　　回到现在，OpenAI似乎想走这条路。

　　截至2023年1月，已与科技、教育、制造、金融、零售等行业的902家公司建立合作伙伴关系，最近有消息透露，正在考虑创建一个应用程序商店，供客户向企业销售定制人工智能模式，“技术-产品-生态”三部曲正在逐渐成型。

　　与海外相比，国内起步较晚的云厂商，生态链缺失环节的问题更加突出，这方面的需求也更加迫切。

　　 可以看到，截至2022年，国产低代码软件在企业软件市场的渗透率不足1%，而对低代码有一定了解的企业中，只有不到10%尝试过或已经实施过。

　　缺乏大规模的生态基础，云厂商想要将应用渗透到各个垂直领域，就必须依靠自研或者外部采购——比如阿里云是前者，腾讯在今年之前是后者。但无论是哪一个，都有点吃力不讨好。

　　不过，现在这种行业格局似乎有望随着AI上云的趋势而发生改变。

　　在这一轮AI上云趋势中，如上所述，云企业的成本压力成倍增加。他们还需要“借力”来稀释开支，从而轻装上阵，争分夺秒。

　　在此背景下，云企业对生态的依赖进一步加大，相当于给了拥有大模型的巨头有机会真正启动生态，实现像OpenAI这样的“技术-产品-开发商”。轮换的好机会。

　　而且随着生态系统的丰富，客户有更多的自由选择产品，这也可以在一定程度上增加定价的灵活性。

　　例如阿里云曾提到：“所有平台级产品都将基于云，开箱即用。云服务将不再按资源付费，而是按业务成果付费。” ”

　　当生态系统成熟后，国内云厂商可以参考亚马逊、微软的经验，通过“变现”来提升收入。

　　不仅如此，一旦大模型生态系统全面运营，也可能重塑用户的使用习惯，转而青睐私有云。毕竟，企业想要高效、快速地接入AI，首先要放下对定制化二次开发的“执念”。

　　以大型工厂园区的人脸识别系统为例。支持10万个ID的人脸识别。每次训练需要处理大约500万张照片。单个公司很难吸收如此大规模的数据，公共生态中多个公司的协同开发更为有效。

　　对于云厂商来说，私有云比例的降低可以节省真金白银。参考金山云即可。此前，随着私有云业务的增长，“解决方案开发和服务成本”也快速增长。

　　收入多了，支出少了，云厂商的损益表自然就有了更大的回旋余地。虽然降价短期内会给他们带来压力，但看未来的甜头，或许是一笔划算的交易。

　　03 总结

　　所谓新一轮价格战，实质上是新一轮云计算战争。

　　这次的关键是如何抓住生成式AI的机会，争夺土地；同时，建立生态轮转，寻求更大的规模和利润空间。

　　事实上，当前的价格战可能只是一个开始。毕竟，站在这样的十字路口，恐怕没有人能够独善其身。