前言：
云計算產(chǎn)業(yè)正面臨一場由大模型技術(shù)引領(lǐng)的變革，背后的驅(qū)動力主要有兩個方面：
首先，AI算力和AI軟件的需求增長速度遠遠超過通用算力和傳統(tǒng)軟件;
其次，大模型的應用有助于降低軟件和項目交付的成本。
算力饑渴有望帶動云服務復興
與前兩年的繁榮相比，近兩年來云計算行業(yè)面臨困境，增長乏力。
在大模型熱潮的推動下，云計算廠商成為主要受益者之一，被視為實現(xiàn)彎道超車的機會。
預計大模型將帶動云上AI算力的急劇增長，逐漸縮小AI算力工作負載與通用算力的差距，為云廠商帶來新的機遇。
據(jù)硅谷知名風投A16Z估計，應用層廠商將大約20%—40%的收入用于推理和模型微調(diào)，這部分收入通常直接支付給云廠商或第三方模型提供商。
而第三方模型提供商也將一半左右的收入用于云基礎設施。因此，生成式AI總收入的10%—20%流向了云提供商。
另一方面，OpenAI的研究表明，在最大規(guī)模的人工智能模型訓練中，計算量呈指數(shù)級增長。
目前大模型訓練所需算力的增速保持在3-4個月/倍速度增長，遠超摩爾定律的增速。
綜上所述，生成式AI的大量資金最終流向了基礎設施，AI大模型訓練為云廠商帶來了可觀的直接營收。
同時，生成式AI推動了整個云服務行業(yè)的升級，為其帶來了新的市場增量。
傳統(tǒng)云生態(tài)過渡到新型云生態(tài)
傳統(tǒng)云生態(tài)以軟件、服務為核心。云計算興起過程中，一批銷售、軟件、服務、咨詢、集成伙伴自然聚合在云廠商周邊，形成了[云原生]生態(tài)。
云廠商與合作伙伴的默契是，只提供基本的公有云服務(如計算、存儲、網(wǎng)絡、數(shù)據(jù)庫)，其他都交由合作伙伴負責。
這種生態(tài)的好處是邊界清晰、分工明確。但過去多年，中國云市場生態(tài)建設有大量不足之處。
中國市場應用現(xiàn)代化水平還不高。集成項目、人力外包是目前的主流形態(tài)。這帶來的問題是，服務成本高、協(xié)同效率低。
在大數(shù)據(jù)模型時代，新型的云生態(tài)系統(tǒng)將以多租戶平臺和AI原生應用為核心。
經(jīng)過AI技術(shù)改造后的應用軟件將在整個生態(tài)系統(tǒng)中發(fā)揮更加關(guān)鍵的作用。
原子化、單點化、碎片化的AI應用將更為豐富，且更具價值。
其價值主要體現(xiàn)在解決上一代云生態(tài)系統(tǒng)的主要問題上，即降低服務成本、提高服務效率。
以AI為核心的大模型階段云生態(tài)，正逐漸成為主流，并逐步取代舊的云生態(tài)。
這一歷史進程是由AI算力占比的持續(xù)上升和AI算力成本的持續(xù)下降所決定的。
據(jù)OpenAI預測，AI大模型的訓練成本將持續(xù)快速下降，預計到2030年將降至僅60萬美元。
MaaS成趨勢，大模型服務是主流
隨著大模型的數(shù)量日益增多，眾多企業(yè)已認識到，獨立訓練大模型并非明智之舉，反而基于現(xiàn)有的通用大模型進行二次開發(fā)更為實際且高效。
這一觀點與當前大模型領(lǐng)域中普遍存在的[重復造輪子]現(xiàn)象的應對策略相吻合。
在AI原生應用大量涌現(xiàn)的背景下，除了前期的模型訓練，云服務提供商的盈利空間將更多地來自于向開發(fā)者提供強大的基礎大模型，并針對各類業(yè)務場景和用戶需求收取AI應用推理費用。
為了實現(xiàn)這一目標，云服務提供商需要確保計算服務的穩(wěn)定性和推理體驗的優(yōu)質(zhì)性，從而在激烈的市場競爭中脫穎而出。
最終，MaaS將成為新的基礎服務，并依賴于新型IT基礎設施進一步顛覆當前的云計算市場格局。
在過去數(shù)年中，穩(wěn)態(tài)業(yè)務通常部署在主機上，要求絕對穩(wěn)定性，而敏態(tài)業(yè)務則更多地構(gòu)建在云上，以滿足不斷變化的需求。
在此基礎上，目前存在兩種主要的上云模式：一種是平遷上云，成本較低且能保證數(shù)據(jù)可控性，但同時可用性也較低;
另一種則是將底層架構(gòu)徹底云原生化改造，雖然成本高、周期長，但可以為企業(yè)帶來長期利益。然而，很少有企業(yè)能夠承擔暫停服務器進行架構(gòu)改造的代價。
云服務提供商積極發(fā)力
目前，各大云服務提供商正在積極推出大模型平臺，旨在降低大模型的訓練和使用成本。
百度推出了文心千帆大模型平臺，專門面向B端企業(yè)用戶。該平臺提供一站式的大模型定制服務，包括數(shù)據(jù)管理、自動化模型定制微調(diào)以及推理服務云端部署等，同時還提供文心一言企業(yè)級推理云服務。
騰訊云推出了新一代HCC高性能計算集群，采用最新一代騰訊云星星海自研服務器和NVIDIA H800 Tensor Core GPU，提供高達3.2T的超高互聯(lián)帶寬。
阿里云推出了[魔搭社區(qū)]，這是一個面向用戶的模型服務型平臺。該平臺致力于降低模型的使用門檻，為多個場景提供適配的API。
華為云的一站式AI開發(fā)平臺ModelArts為盤古大模型的訓練和推理提供了全面的優(yōu)化支持，包括計算優(yōu)化、通信優(yōu)化、存儲優(yōu)化和算法優(yōu)化，成為盤古大模型重要的基礎平臺資源。
字節(jié)跳動旗下的云服務平臺火山引擎推出了智能推薦-高速訓練引擎，采用軟硬一體優(yōu)化設計，支持100GB-10TB+超大模型的高效訓練。
在大模型的影響下，云計算從互聯(lián)網(wǎng)時代的CPU云為主向AI時代的GPU云為主的轉(zhuǎn)變已成為行業(yè)共識和必然趨勢。
在更底層的芯片端，除了英偉達之外，高通、英特爾、Arm等廠商也開始將面向大模型訓練與推理的芯片設計與生產(chǎn)納入工作日程，為下一個時代的可能性做好準備。
然而，除了芯片種類與數(shù)量的變化，大模型對云計算廠商的影響其實體現(xiàn)在更深層面。
結(jié)尾：
對于大模型相關(guān)能力的研究和投入，各大云廠商必須給予足夠的重視。
通用人工智能的支持是大勢所趨，也是各大云廠商必須完成的任務。
在這方面，任何疏忽或缺失都可能導致無法在激烈的市場競爭中立足。
因此，各大云廠商應將其視為一個必備的核心能力，不斷加大投入力度，以應對不斷變化的市場需求和競爭態(tài)勢。
隨著新需求的涌現(xiàn)，需要構(gòu)建與之相匹配的新生態(tài)，并制定相應的新策略。
