明線與暗線：讀懂云廠商鏖戰大模型

天氣轉涼，夏天即將過去。如果有人問，云計算廠商在這個火熱的夏天做了什么。答案是，他們做了三件事：大模型、大模型，以及大模型。

7月，在華為開發者大會2023（Cloud）期間，華為云公布了盤古大模型3.0，隨后進行了生態等方面的升級。而在此前更早時候，阿里云公布了通義千問大模型，并在8月3日宣布其正式開源。

來到9月，云計算廠商的大模型發布更加密集。9月5日，百度智能云在2023百度云智大會發布了千帆大模型平臺2.0，進一步集成百度的文心系列大模型，只隔兩天，騰訊就在2023騰訊全球數字生態大會發布了混元大模型，其主要出口則是騰訊云。

至此，中國幾大云計算廠商可以說是在大模型領域重兵集結。相較于AI算法公司與研究機構，云計算廠商做的大模型更貼近產業與應用的一線，而且大模型與云廠商原本的業務體系、營收模塊有著相對復雜的關系。因此，云廠商的大模型之爭，絕不是簡單的模型之間技術對比。

那么，云計算大廠做大模型究竟是為什么？云+大模型之戰的決勝點在哪？

本文中，我們希望通過多個層次的對比與梳理，和大家一起解答這個問題。

首先要明確兩個前提：一是伴隨著各行業IT投入的降低，云計算廠商普遍面臨著增速放緩，營收不利的情況。根據IDC報告預測，未來五年中國云計算行業的平均增長速度將下調10%左右，云計算廠商的正在普遍降低業務預期。因此，大模型突然爆火，對于云計算行業來說是難得的窗口，這個機會或許利益沒有想象中大，但目前也不得不做。

另一個情況是，從用戶界面來看云+大模型的需求是十分復雜的。有的用戶需要直接調取模型，有的用戶需要AI算力來自己訓練模型，還有用戶需要大量的模型定制化與解決方案集成。因此云廠商做大模型并不是很多人想象的短兵相接白刃戰。大模型相關業務，需要面向多個市場，多種商業模式。這場賽事更像是一場陣地戰，各個戰略節點都不能出現缺口。

在這場大模型鏖戰的各個層面，都有一條明線和一條暗線在牽引著局勢的發展。

IaaS層：明線堆卡，暗線啟動國產AI算力

大模型帶給云計算廠商最直接的變化，其實并不來自于模型本身，而是大模型火了之后，涌現出來的大模型熱潮需要龐大的AI算力。大模型數據規模巨大，且訓練模型需要專屬的AI算力，這就給云計算服務商短期帶來了用云量的升級。在云計算IaaS層市場整體相對低迷的情況下，大模型的出現也算是注入了一針強心劑。

這個層面上云計算廠商的競爭節點，用一個詞概括就是“堆卡”。誰能提供充沛少排隊，且盡量價格低廉的AI算力，誰就算贏了。而AI算力的來源主要是英偉達的GPU，于是就出現了云計算廠商買空市面上GPU的現象，以及“云廠商都是給英偉達打工”的說法。

但不管怎么說，云計算廠商在IaaS層的堆卡競賽都不會結束，大量用戶依舊會以計算成本和計算效率來作為選擇公有云AI算力的考量依據。這個層面上，云計算廠商就需要提升在計算集群性、計算兼容性方面的能力，盡量發揮出每一張GPU的價值。

比如說，百度智能云就承諾在萬卡集群訓練大模型時，有效訓練時間達到95%以上，從而降低用戶的訓練時間成本，實現更好的計算加速比。阿里云則提出了能夠支持高達十萬卡GPU的單集群規模，可讓多個萬億參數大模型同時在線訓練。

而在堆卡這條明線之外，云+大模型在基礎設施層的競賽其實還有一條暗線，就是AI算力的國產化。

不久之前，英偉達高端GPU面向中國市場供應鏈不穩定的消息沸沸揚揚，后來又傳出了“中國特供版GPU”價格貴、性能低的問題。這些現象愈發讓各界看到了AI算力走向自主可控的必然性。

在這輪大模型熱潮中，AI算力的國產化與云上獲取從趨勢變成了現實。其主要方式有兩種，一種是云計算廠商兼容更多的***，提供多樣化的AI算力。比如騰訊云、百度智能云等廠商都在強化自身的國產軟硬件兼容性，并且構建AI計算的相關生態。

在這一點上，華為云擁有天然的優勢。受到制裁后的幾年里，華為逐漸將自主AI計算生態做大做強，已經成為國產AI計算中比較成熟的一支。伴隨著盤古大模型的升級，華為云同時宣布將提供自主化的AI云服務，為大模型訓練提供算力底座，這意味著華為的自主化AI算力正式由線下走上云端。

強調大模型、AI框架的自主可控已經是大勢所趨。接下來，有理由相信公有云+國產AI算力的模式，將在宏觀趨勢的推動下持續向上。最終成為左右IaaS市場的關鍵變量。

模型層：明線MaaS落地，暗線降低定制化成本

從產業層面上看，大模型帶給云計算的最大變化是什么？就目前情況來看，MaaS的新商業模式是云廠商最為看重的一點。所謂MaaS，是指云廠商直接向用戶輸送AI大模型，從而實現模型即服務。

至少在目前的開局階段，各家云廠商對MaaS這個全新模式寄予厚望，甚至有廠商直接用MaaS替換了此前的SaaS，似乎經歷了久久為功之后，SaaS模式終于要被云產業放棄了。這也難怪。畢竟在中國市場SaaS的客單價較低，但需要進行的定制化工作卻很多，并且異常消耗后期服務。以大廠的綜合成本來看，SaaS始終難以擺脫食之無味棄之可惜的雞肋定位。

既然如此，還不如轉頭擁抱更加火熱的大模型。于是可以看到各個云廠商在2023年集體發力MaaS的新商業模式，并且為此做出了系列工作。

進軍MaaS的第一階段，云廠商主要布局在三個方面：

1.基礎模型要多且精，能夠滿足用戶在NLP、CV、多模態等幾個大方向的多樣性需求。同時，基礎模型還是云廠商的大模型門面?；A模型的體驗，決定著用戶與開發者對云廠商大模型能力的第一印象。比如文心一言的火爆，就給文心系列大模型與百度智能云的MaaS服務帶來了明顯的品牌加持效應。

2.重點領域要重點覆蓋，在可能被高頻次調用的行業類別與應用類別上，廠商要盡量做出成熟的大模型，以及基于大模型開發的應用，盡量實現低門檻集成與開箱即用。比如騰訊云的行業大模型精選商店，既提供混元大模型，還上架了金融、文旅、零售等20多個領域的行業大模型。行業大模型，已經成為MaaS模式的中堅力量。

3.要提供充沛的工具能力。除了基礎模型、高頻定制模型之外，還有海量的大模型需求。這要求用戶和開發者具備一定的開發能力，而云廠商需要提供模型精調、應用開發方面的工具鏈。比如百度智能云的千帆平臺，就在模型之外還提供預制數據集、應用范式，以及其他幫助企業應用大模型的工具。

但看似如火如荼的MaaS模式，實則也隱藏了一個暗線問題：SaaS不賺錢，于是轉頭擁抱MaaS，但誰說MaaS就賺錢了呢？

云廠商做AI也已經很多年了。但結果往往是效果很好，利潤很差。這其中的關節依舊在SaaS失速的那個關鍵原因上：定制化成本。

無論是企業應用AI還是現在應用大模型，本質上都難逃AI作為軟件的不確定性。不同企業之間的不同需求天差地別，加上AI在算力、數據與人才上都有極高的成本，任何定制行為都會產生一連串的連鎖反應。專家下工廠聽上去很美，但說一千道一萬，工廠最終是無法負擔專家薪資的。但如果不提供定制化，又會出現絕大多數AI需求無法被滿足的尷尬。

于是，怎么從頂層設計階段就降低MaaS模式可能產生的定制化成本，已經成了大模型一戰最為核心的競爭暗線。

在這個方面，各家廠商的探索幅度與實現方式各不相同。比如百度智能云更傾向用預置模型、預置應用的方式來降低定制化。除了模型平臺之外，百度智能云還發布了“AI 原生應用 Family”，通過模型+大模型應用的模式讓企業滿足自身需求。

在這方面，目前探索幅度最大的是華為云。華為云的盤古大模型3.0，從框架設計上搭建了一個“5+N+X”的三層架構。這個架構把大模型分為L0、L1、L2三層體系。其中L0層包括NLP、CV、多模態、預測、科學計算五個基礎大模型；L1則是N個行業大模型，比如政務、礦山、金融等；L2是面向各行業的細化場景模型，比如先導藥物篩選、傳送帶異物檢測等。

這個框架的設計理念，是用戶和伙伴、開發者可以根據自身需要，調用不同等級的模型進行組合拼裝，既可以直接調用集成模型，也可以基于模型進行精調，還可以獲得由不同開發者訓練的具體場景模型。這一思路的設計形式，就有了工業革命中模塊化、零部件化的特征，而具體效果如何，還有待在產業中檢驗。

整體而言，云廠商在MaaS上最討厭的就是定制化高、復用度低、后續服務工作量大的需求。這會把原廠有限的資源過度分散，最終回報難以達標。這也就是云計算行業經常討論的“小作坊式AI開發”。

在目前階段，云廠是可以在MaaS上只投入，不產出的。但長遠來看，從小作坊到流水線的改變能否實現，是決定MaaS生死的背水一戰。

生態層：明線聚合眾力，暗線開源之爭

我們需要接著說大模型那個問題，定制化成本太高。正因為定制成本高，單一服務商的綜合資源有限，因此云廠商必須把大量工作分包出去。要由合作伙伴來完成咨詢、服務、分銷等工作。否則原廠會被漫長的流程與巨大的服務成本反復折磨。這也就導致，在走向MaaS模式的時候，云計算公司比以往更加需要伙伴生態的搭建。

另一方面，云廠商在目前不僅需要伙伴，開需要盡量聚攏應用開發者。AI大模型是個新東西，其能誕生的新應用模式具有很大的想象力。就像iPhone時刻有賴于大量的APP開發者，大模型這個“新iPhone時刻”也有賴于大量具有突破能力的AI開發者。為此，互聯網大廠一方面在自己做應用，另一方面也需要聚攏更多應用開發者。因為任何應用火了，都會為提供基礎模型與算力的云廠商帶來一系列連鎖效應。

這些因素綜合起來，讓云+大模型之戰，在最開始就變成了一場生態爭奪戰。各個廠商可以說是擺開陣勢，盡一切可能來吸引伙伴和開發者加入自身的生態體系。其中，基礎措施是提供開發者與伙伴所需的技術與能力，進階模式則是推動基于大模型的技能培訓、應用開發大賽、免費資源、聯合創業計劃，在商業層面賦能伙伴和開發者。也有云廠商主張與伙伴進行全域協同，聯合創新，在細分市場與細分場景中以伙伴為主進行大模型落地。

而在如何吸引開發者、伙伴的生態之爭中，隱藏暗線是一個非常具有互聯網思維特征的命題：能不能干脆把模型開源免費，用極端降低成本的方式來吸納伙伴加入？

這也是最近被熱烈討論的“大模型開源閉源之爭”其來源之一。

支持開源者認為，免費就是最好的生態聚合策略，且靠免費引流的策略在互聯網時代屢試不爽。加上AI大模型作為基礎軟件，走向開源恐怕是早晚之事。

而反對者認為，大模型還處在剛剛發展的階段。廠商需要持續投入大量研發成本進行升級，盲目的免費會導致大模型發展陷入停滯，攪亂科技進步秩序。并且大模型開源不僅能降低伙伴和開發者的成本，也會導致市場最終定價降低，攤薄伙伴的利潤，最終導致企業不愿意投入研發創新。

不管怎么說，大模型開源與閉源的對壘，已經從產業探討變成了云計算市場的現實。8月3日，阿里云宣布通義千問開源，成為首個宣布大模型開源的中國互聯網云廠商，并且阿里云打造的AI模型社區魔搭ModelScope還以開源、免費、可商用作為主要買點，提供國內外的各種開源大模型。

此后，究竟是越來越多的云廠商在鲇魚效應下走向開源，還是依舊會保持高技術與低成本之間的對壘？讓我們拭目以待。

以我個人觀點來看，大模型的發展潛力還很大，可探索空間眾多。處于發展中的技術其實并不適合快步走向開源，因此相當部分的大模型保持閉源商業模式，是一個更大概率事件。

解決方案層：明線首批大客戶，暗線政企上云新窗口

無論說的多么熱鬧，其實企業直接通過API接口調用大模型，這種MaaS服務模式的利潤并不高。甚至可以說，在目前“百模大戰”的背景下，簡單調用大模型變成了一件頗為廉價的事情。

而持續投入的云計算行業，顯然不能滿足于這種商業模式，因此必然要爭取一些客單價高，利潤大的項目。而政企大客戶選用基于大模型的數字化解決方案，就成為了云計算廠商眼中的新機會窗口。

在眾多類型的政企大客戶中，又有錢，又有數字化能力，且愿意盡快探索大模型可能性的只有兩類：智慧城市與金融。其他更偏向實體的制造、能源、交通等行業，則相對來說更加謹慎，還處在對大模型的觀望了解之中。

因此，爭奪政務與金融大客戶訂單，就成為了云計算廠商進入大模型賽道后的一個標準動作。比如我們可以看到在2023百度云智大會上，百度智能云發布了基于大模型的數字政府解決方案九州。華為云則在強化和推廣金融、智慧城市等領域結合盤古大模型的解決方案。

在可見的未來，云計算廠商除了在模型能力與模型平臺的競爭之外，還將在以城市、金融為代表的重點領域進行爭奪。而回答好這些領域為什么需要大模型，大模型能帶來哪些與以往不同的價值，是云廠商必須回答的第一道考題。

在為大客戶構建解決方案層面，也隱藏著一條暗線。這條線索直接關乎于云計算廠商的焦慮感：大型政企客戶，不那么愿意上云了。

在幾年前，大型政企上云是一種大勢所趨，可謂是能上盡上，多上快上，但在目前階段，政企客戶更加強調數據與數字化系統的安全可控，盲目上云被認為并不可取。尤其是否能把大量關鍵數據放互聯網云平臺上，開始逐漸變成一種疑問。目前階段，國資云、國家云的提法不斷強化，即使上云，大型政企也會優先考慮以我為主，多云采購的策略，而這在無形中就分散了云廠商的利潤空間。

在這樣的背景下，云廠商對大模型的一個隱性期待，是能夠讓其成為推動大型政企繼續上云的技術契機。畢竟在云上獲取大模型，有天然的成本與可操作性優勢。

因此，能不能更好展現出大型政企、重點實體行業部署大模型解決方案的重要性，同時打消政企在數據安全、自主可控、持續服務、品牌信任等領域的疑問，就成為了云廠商鏖戰大模型的另一道必答題。

事實上，云計算與大模型的結合，還有很多賽點可以討論。比如大模型與PaaS的結合；云廠商在辦公、網盤等toB應用結合大模型的情況等。整體而言，算力、MaaS、生態、大型政企解決方案，構成了云計算廠商能否在大模型之戰中獲得競爭力的四個層面。

無論對于哪家公有云廠商來說，這場競賽的目標都是一致的：讓模型有用，讓成本下降，讓AI成為盈利的起點

大模型最終會變成又一個雞肋，還是新時代的大門？路漫漫其修遠兮，云計算還需要上下求索。