今年以来，互联网云厂商似乎在集体表演“自杀”。
一季度里，各家业绩的恶化形势，没有太大改善。比如，阿里云2023Q1营收增速已经跌到负增长2%。
但这个节骨眼上，业内却打起了价格战：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，部分产品线最高降幅达40%；京东云直接承诺“全网比价，买贵就赔”。
内卷之激烈，被网友调侃为，“换个思路，各家可以相互倒卖彼此的产品赚差价了。”
然而，外界谈论生死之际，云厂商们却讲起了奉献。腾讯2023Q1电话会议淡定表示，降价“适用于中小企业”；阿里则在合作伙伴大会上放言，“希望将技术红利更多回馈给客户和伙伴，让更多中小企业更好地使用云计算。”
可商业世界哪有无缘无故的好，所有的恩惠，都是有诉求的。
可以看到，此轮降价的品类主要聚焦在数据库和云存储产品，甚至一些云厂商还放开了包括ECS、数据库PolarDB、机器学习PAI等支持AI大模型训练云产品的免费试用。
与此同时，阿里云、腾讯云、华为云等都在加码生态，以降低大模型的使用门槛。
很显然，技术普惠是借口，押注AI技术周期恐怕才是真心。
毕竟如此一来，不仅有可能打破现在的“增长困境”，还有新的利润想象空间——靠降价降低AI模型训练成本，圈新的上云用户，再通过生态建设，将用户留住，撬动更多变现渠道。
就这个角度来看，“自杀式”降价不失为一个破局的思路。但价格战这味药，能有几分疗效呢？
01 AI技术周期，降价率先圈住“观望者”
“阿里云们可能会得不偿失。”
对于互联网云厂商重打价格战，一些投资人相当不看好。其提到的“失”，指的是被牺牲的利润。
此前，云巨头们要么刚有了经营利润率好转的迹象（如阿里），要么刚定下“要利润，不要规模”的目标（如腾讯），可以说才喘上来半口气。现在降价潮袭来，相当于扑灭了赚钱的希望之火。
明知山有虎，大家依然争先恐后向虎山行，那答案大概率只有一个——预期回报实在太诱人了。
毕竟在云计算行业，借助新需求周期重拾增长的情况屡见不鲜。
2016年，微软同样站在了悬崖边上：从“一本万利”的套装软件销售，转型至“蚂蚁搬大象”的云服务，并且在转型阵痛期多次降低产品价格，最终陷入利润下降、投资回报减少等舆论漩涡。
在外界看来，微软的举动，多少有些任性。但切换微软视角，其看到的，是混合云已走到爆发前夜。
彼时，美国大企业并不觉得所有的工作都需要上云，比如银行，希望敏感的信息可以和互联网隔绝，不太敏感的再放到公有云上完成。
看到这种趋势，微软云将推动混合云作为了差异点，吸引这些客户群体上云。
为此，其一边加码推广步伐，如2016年召开的Ignite大会上，1446场对话中大约有500场对话都是关于混合云的。另一边，基于虚拟机可以大大提高公私有云之间切换灵活性的特点，持续降低其价格，为客户使用混合云降低门槛。
结果证明，微软押到宝了。RightScale调查报告显示，2017年采用混合云的企业较2015年上升9%，且预计未来在云的市场份额能达到67%，混合云需求如期而至。
最早切入的微软云，吃到了巨大红利，利润率在2017年之后重启增长，且生意愈发红火，越赚越多。
也就是说，微软云通过降价让利布局混合云，不仅获得了新的客户群体，也扩大了云产品的销售。
看到成效的亚马逊云、谷歌云，纷纷加码混合云，但失去先机下，始终难以和微软云匹敌：据Synergy Research统计，微软云的市场份额增幅，持续超过亚马逊云和谷歌云。
回到当下，国内互联网云厂商价格一降再降，同样剑指新一轮技术周期带来的需求红利。
众所周知，去年运营商（移动云、联通云和天翼云）在政企市场混得风生水起，收入增速均超过100%，强势抢占了互联网云厂商的份额。
阿里云们急需一个突围的口子，传统企业随之被盯上——除了零售业和制造业上云渗透率近30%之外，其他如汽车、餐饮、建筑等均在10%以下，蛋糕很大。
过去这部分客户因为上云带来的ROI不高，大多在观望，但AI技术的出现，打破了这一掣肘。
以制造业为例，关键的质检环节，过去面临人力操作、效率低下、次品率高等老大难问题。富士康上线AI质检系统后，通过机器学习、深度学习等技术，实现了长期稳定运行情况下，月检测6000+台，总体准确率＞99%。
如此一来，和过往购买传统的云服务相比，企业AI上云的积极性大大提升。
事实上，更早推出AI技术的海外，已经显露出用户增长爆发迹象。
·微软最新电话会议显示，Azure OpenAI 已拥有2500位新客户，预计二季度将增长10倍。
·C3.ai（*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。
而企业AI上云，对云厂商的算力和数据存储需求也会提升。
毕竟对大多数企业来说，直接掏钱批量采购GPU是一件奢侈的事情。据硅谷著名风险资本a16z测算，一个公司一年的AI运算开支只有超过5000万美元，才有足够的规模效应支撑自己批量采购 GPU。
更何况，AI技术人才的缺失也是一大头疼的问题，如某传统行业员工所说：“我们IT部门基本没有太符合要求的，如果上马AI首先要将技术团队大换血。”
因此，对传统行业和中小企业来说，自研大模型并不现实。
在这种情况下，向云厂商“租用”资源，联手研发，才是性价比更高的方案——接入云厂商提供的通用大模型，再结合自身所积累的行业场景化数据对大模型进一步训练，开发出自身的前端具体应用。
而要想拉拢传统企业和中小企业AI上云，“租金”就要有吸引力。可以看到，云厂商此轮降价就锚定数据、存储这些门槛级产品。
总的来说，AI技术加成下，不仅带来更多新用户群体，也提升了用户对云产品的需求量。而这一定程度预示着AI新技术周期蓝海，爆发在即。
可以看到，今年以来，上游巨头们都对大语言模型颠覆下游应用端，坚信不已。
此轮云厂商“价格内卷”背后潜藏的，或许正是降价圈住AI新用户，复刻微软云逆袭故事的野望。
02 瞄上生态，打的是长期利润算盘？
在AI创新周期的博弈里，“开发者”是大佬们挂在嘴边的关键词。
腾讯的汤道生曾在技术开放大会上表示：“面向数实融合世界，开发者是最重要的‘建筑师’。”
张勇更是直接在访谈中喊话：“我们有个原则会坚决执行，有所为有所不为，换言之把半条命交给伙伴。”
之所以如此重视交朋友，在于当下大模型领域的竞争，已经从“单打独斗”转向了“抱团作战”，也即生态的较量。
毕竟光大模型训练，就要几亿算力打底，而想将大模型进行规模化应用，很可能要付出百亿量级别的算力成本。
比如，为了给ChatGPT 提供算力保障，其金主爸爸微软用几亿美元，耗费上万张英伟达A100芯片打造超算平台，还在Azure的60多个数据中心部署了几十万张GPU，用于ChatGPT的推理，预计成本超过几十亿美元。
而且这笔钱还不够花，2022年4月，由于成本巨大，ChatGPT关闭了面向C端的 Plus服务。
如此巨大的投入，必须要有足够丰富的商业场景才不会血亏。但大模型公司自身能够渗透的应用场景十分有限，因此它们需要借助外力，把触手伸到千行百业。
OpenAI 创始人山姆·阿尔特曼今年1月就提到：关键在于中间层，有一批新的创业公司采用已有的大模型，并对其进行调整，它们有独特的数据飞轮，随着时间推移不断改进，会反哺大模型，创造很多价值。
具体理解就是，依靠众多开发者和大模型客户的实际应用与调试，相应摊薄厂商数据获取、模型精调的成本（定位到大模型基础成本上），并且产品丰富后，客户可以对平台上的云产品随取随用，提高产品研发、销售效率。
这一点，此前海外云的竞争中已有体现。以AWS为例，其从2013年起就不断“呼朋唤友”。
在伙伴们的支持下，仅2018年，AWS就上线了1957项新功能和服务，其中有90%-95%源自客户反馈，覆盖基础设施类产品、垂直行业解决方案等多个领域。
AWS也投桃报李，为合作伙伴提供销售渠道Marketplace（可以理解为云产品的APPstore），截至今年5月已积累200万订阅用户，让其产品能够迅速触达到全球百万用户。
可以看到，开发者在Marketplace上的交易规模可以扩大80%，成交速度能够提升40%。在此吸引下，着急下水的开发者也越来越多。
凭借产品生态扩大销量、再通过销量规模吸引开发者进一步入驻的轮动，Marketplace成为年赚超十亿美金的云上“APP Store”。
不仅是赚现钱，随着生态轮动越来越成熟，开发者们扎根越来越深入，巨头还有更多好处可拿。
回到当下来说，OpenAI似乎也想走这条路。
截至2023年1月，其已跟科技、教育、制造、金融、零售等行业的902家企业形成合作关系，并且最近被披露正在考虑创建应用程序商店，供客户向企业出售定制的AI模型，“技术-产品-生态”三部曲渐现雏形。
相比于海外，起步较晚的国内云厂商，生态链环节缺失的问题更突出，在这方面的需求更迫切。
可以看到，截至2022年，国内低代码软件在企业软件市场的渗透率不到1%，且在对低代码有一定认知的企业中，尝试或已经实践的企业不足10%。
而缺乏大规模的生态基础，云厂商若想将应用深入各个垂直细分领域，就得死磕自研或者外部采买——比如，阿里云就是前者，今年之前的腾讯是后者。但无论是哪一种，都有点费力不讨好。
不过，如今这一行业格局，似乎随着AI上云的趋势，有了改变的预期。
在这一轮AI上云趋势里，如上文提到的，上云企业的成本压力是倍增的，它们同样需要“借力”来摊薄开销，达到轻装上阵，和时间赛跑的目的。
这样的背景下，上云企业对生态的依赖程度进一步加大，相当于给拥有大模型的巨头们，送来了真正做起生态，实现类似OpenAI那样“技术-产品-开发者”轮动的大契机。
并且随着生态的丰富，客户选用产品的自由度提高，还可以一定程度上提高定价的弹性。
比如，阿里云就曾提到：“所有平台级产品都会云化，做到开箱即用，云服务不再以资源方式付费，而是以业务效果付费。”
而等到生态成熟，国内云厂商就可以参考当年亚马逊、微软的经验“变现”，以提振收入。
不仅如此，大模型生态一旦跑通，或还能重塑用户青睐私有云的使用习惯。毕竟企业若要高效、快速地接入AI，就得先放下对定制化二次开发的“执念”。
以某大厂园区人脸识别系统为例，支持10万个ID的人脸识别，每次训练，需要处理约500万张照片。如此大规模的数据，单个企业很难吃下，在公有生态上多企业协作开发更有效力。
而对云厂商来说，私有云占比降低，省下来的可是真金白银。参考金山云就知道了，此前随着私有云业务增长，“解决方案开发育服务成本”也迅速增加。
收入多了，开销少了，云厂商的利润表自然也会有更多的腾挪空间。虽然降价短期内让它们承压，但看看未来的甜头，或许是一笔不错的买卖。
03 小结
所谓新一轮价格战，究其本质是新一轮的云计算大战。
而这一回的关键是，如何抓住生成式AI契机，跑马圈地；同时建立起生态轮动，寻求更大的规模、利润空间。
事实上，目前的价格战可能只是开始，毕竟站在这样的十字路口，恐怕没有人可以独善其身。
