1. 流量密码不是财富密码

这两个月才突然热议ChatGPT的朋友，其实技术嗅觉有点迟钝、见识有点落伍。从2022年下半年开始，多款AI绘图类应用就在小圈子里爆火推广，ChatGPT也是去年11月底推出的。

ChatGPT最大的优势是“截个图就能玩梗传播”“可以灵活提问”“看似能编程”，实际上其他AI绘图和AI决策应用同样很惊艳，但那些应用很难玩梗也很难大范围传播。

ChatGPT确实会取代一批只会说车轱辘废话的办公室蛀虫，但对于动脑子分析事物也有明确观点的朋友，AI不仅不会取代我们的工作，还能帮我们高效的准备大量资料。

因为云计算正在成为IT行业的基石，所以任何IT圈技术的重大突破，云厂商都可以蹭热点，将其当做“流量密码”。

从云厂商例行保持品牌活跃度、表达公司有技术追求、对客户常规搭讪的角度看，这些云厂商的市场宣传行为毫无问题。但是流量密码不等于财富密码，ChatGPT对公有云的生产工作没有太大的影响，连中短期产品设计都不会有影响。

2. 从规模太小看产品延伸

公有云厂商对于这一波AI技术热潮会持续关注，但不会出现公司级别的重点规划，因为AI公有云的营收规模太小，产品连带销售能力极差。

国内公有云的年营收规模是2000亿，但是AI算力云的营收才75亿。对于公有云庞大的胃口，几十亿的营收只是个夹缝市场。

从产品的本源角度看，云厂商基于CPU构建的（年消费额2000亿）云计算产品体系，要远远超过GPU（年消费额75亿）能构建的产品体系。GPU的上下游生态，和云厂商的关联还太松散。

一份CPU云资源的背后，肯定会伴生着机柜电力、带宽、服务器机框、硬盘、网络、操作系统、中后台服务软件，这些资源都能当做超越CPU的核心卖点去创收收费，也会伴生着资源错峰复用和超卖。

一份GPU资源的背后，肯定会有着海量的电力需求，但那些伴生的软硬件都在服务于GPU业务，没有任何独立于GPU和AI计算的产品价值。

3. 从产能限制谈卖资源

一两个云厂商能够加倍投入AI计算，大力建设GPU算力池。但如果多家云厂商同时布局，争抢GPU云计算市场，那么全行业就会撞上原厂芯片产能限制和供电能力限制。

GPU的芯片产能一直在堆积排队，就算云厂商有翻倍增长的业绩需求，也没人能快速新建一条4纳米的GPU生产线。

数据中心的电力资源也不是凭空产生的，如果GPU机柜数量连年翻倍，IDC肯定需要申请新的用电指标。

在2022年8月底，美国禁止源头厂商出售高端CPU给中国，国产芯片也不可能一两年就接上，这同样也是巨大的产能限制。

这些产能限制的背后，展示出公有云的营收增长就是离不开卖资源。

2015-2020年，云厂商能保持连年翻倍的迅猛增速，很大一块原因就是：云厂商增收的重点在于售卖公网带宽。

相比于硬件和电力，公网带宽是一种半限制半资源的特殊资源，只要云厂商肯掏钱采购，带宽运营商改一下限速策略就一定能保证供货，这让云厂商减少了大量的供应链管理成本。

虽然很多喷壶认为云厂商们卖资源就是逼格不够，云厂商也总想强调自己是卖技术的，但是所有营收过10亿的公有云产品，实质上都在贩售资源。

从1980到2010年，传统企业软件厂商，写个满身bug、经常打热补丁、用法艰难晦涩、动辄停机维护的软件就能营收几十亿美元，技术支持还要额外付费。这是少数工程师利用对IT技术的垄断，欺负收割普通企业用户，软件本就不该值那么多钱。

只要IT工程师的人数大量增加，不管有没有云计算，IT技术垄断和软件收割客户都会无法维系，云厂商根本没可能去实践这种商业模式。

公有云很大一块毛利来源是客户资源的无感复用，这种资源营收就是多方互利的高科技营收。国外大云因为竞争不够激烈，产品毛利很高，他们的大营收产品同样也是在售卖资源。

4. AI市场对云厂商不友好

这半年的AI市场需求对云厂商并不友好，客户画像不对，GPU资源也没有太好的复用技术。

这半年来，AI创新技术的参与者都是一些成熟大企业，这些企业新增的云上GPU资源需求并不多，而且各云竞价激烈，产品利润很低。

现在能快速推出种AI创新功能的企业，都是大型企业，他们都有个平稳运行的GPU资源池。他们发布新产品不会外采大量的AI算力云服务，云厂商也不愿意卖那种临时用几天的GPU资源 。

市场上只有少数几个目标客户，这些客户都有存量资源池，采购策略也很成熟，友商的数量可能比客户的数量还多，所以大客户对GPU资源的价格成本压得很低。

从云厂商的角度看，深层的原因是，无论是大模型还是AI作图，云厂商能在虚拟化、超卖、复用上能做的工作太少了，背靠背的转售资源确实很难找到本厂的价值。

云厂商并不介意现在只能转售资源，但是短期内看不到有什么技术和产品突破，没故事可讲。

5. 云厂商对AI的长期助力

作为一类企业服务公司，云厂商能给企业客户提供的是：廉价的资源和通用的技术。面对这次AI创新浪潮，云厂商对AI行业的中长期工作目标也是：提供廉价的资源和通用的技术。

云厂商要是想搞技术攻坚，那就辅助或替代CUDA，做GPU资源池的虚拟化和AI计算任务的分解，做完这些工作就能更高效率的调度GPU资源。

云厂商还可以利用自己做虚拟化和资源转售的便利，引入国产GPU硬件。

因为云厂商承担资源管理和硬件维保，因为企业客户可以低成本尝鲜，新兴国产硬件在云端的测试和上线的速度会更快一些。

云厂商即使做不好上述工作，研究一下机柜节电技术，加快网络和存储读写速度，赞助一些开源AI框架，一样能够和AI行业共同发展。

本文链接：https://my.lmcjl.com/post/7749.html