阿里云还会继续降价吗？

“百模大战”成为行业热潮之后，作为算力、算法底层支撑的云计算，不可避免成为互联网大厂之间的角力重点。

陆玖商业评论从相关渠道获悉，继四月底“史上最大规模”的降价之后，阿里云的公有云产品未来仍有持续降价的可能性。

阿里云背后的考量既简单又复杂：公有云逐渐“一统”云计算江湖的因素有之，“百模大战”对于算力资源需求的暴涨，也成为阿里云促进“算力普惠”更加充分的理由。

现如今，当百亿和千亿成为了模型训练的基础单位，更低的算力价格，也为阿里云吸引了更广阔的B端用户，在更大的用户基数面前，固定资产的前期投入也因此被无限摊薄。

但在大模型和阿里公有云的双重催化后，云计算行业的“局部战争”已经实质性结束，至于全面战争，才算刚刚开始。

01

公有云的必然性

阿里云之所以还有降价的底气，不仅依仗的是国内公有云市场份额的头部地位，公有云本身逐渐成为行业主流也是原因之一。

相比“吃大锅饭”的公有云，私有云的优势在表面看来确实很大，包括但不限于：更好的数据安全和服务质量，对于基础设置等程序参数拥有定制的权限等等，从实质上来说，这是企业传统数据中心在云厂商处的延伸，与外部租用服务器并无太大差别。

不过，即使坐拥“私密性”等优势，私有云的弊端也远比想象中更多更复杂，这也导致其在市场份额的竞争上云还逐渐让位于公有云，变成市面上的“非主流”。

其一是数据安全问题。

乍一看，这是一个不该发生在私有云身上的问题，非公有属性限定了用户接触服务器数据的形式，客观上，安全性也因为更少的访问量而得到提升。

但在实际的市场环境下则不然。陆玖商业评论了解到，在数据安全层面，私有云的安全性在某些情况下甚至逊于公有云。

网络安全上市公司奇安信相关人员告诉陆玖商业评论，目前云服务器的调用方式，从最开始的服务器端、PC端，一直延展到移动端，乃至大模型端的API调用。

随着接口数量的增加，其安全隐患和对应的安全需求也一同指数级上升。而公有云和私有云“安保力量”会继的区别 ，则更像公共交通和私家车之间的区别。

目前成规模的公有云厂商，如腾讯云、阿里云、华为云等等，任意一家的安全和运维人员都是数以百计。

哪怕是中大型企业部署的私有云，其安全人员的规模与投入的力度，都无法与公有云厂商相比。在数据安全系数上，也因此出现了参差。

其二则是云资源的利用率低下问题。

这也并非是私有云的特产，类似的情况公有云同样存在，只是私有云的算力浪费情况更为突出。

在4月25日的中国移动云大会上，清华大学计算机科学与技术系教授郑纬民直言不讳，表示如今云资源的行业利用并不充分：“我们现在云计算CPU的利用率不高，从整个续降国家来说，公有云能得到20%~30%，已经很不错。”

同时，云计算需求量很大的国营企业，在大多数情况下也不是公有云的用户，往往会自己建私有云，这部分市场由华为云、天翼云、移动云等运营商云所把持，但实际利用率更低，“只有5%到10%。”

02

降价更像是一个结果

阿里云此前的降价策略，抛开“算力普惠”的幌子，仍可一窥成为行业“基础设施”的野心；但后续的再度降价，则更多是为云资源利用率的上升服务，并最终带来利润的提升。

虽然在大多数时候，降价和利润通常站在对立面。但对云业务而言，降价往往会起到“以价换量”的效果——当云用户逐渐增加，价吗分摊云成本的分母变多，成本降至足够低的时候，原本的亏损就会因为规模而转为盈利。

阿里云相关人员告诉陆玖商业评论，就公有云领域而言，降价更像是一个结果。

原因说来也并不复杂：随着整体公有云规模的扩充，效率提升同样也呈正相关。在规模扩大的同时，阿里云的技术红利也会随着不断释放，市场端的体现，其实就是降价。

从市场份额优先到利润优先，阿里云的侧重点自是发生改变，这与阿里云的发展阶段同样息息相关。

中国电信旗下的研究院，把云计算厂商划分成三个发展阶段。其中，第二阶段是能力锻造和价值提升阶段。

这个阶段的突出特点是，研发投入大幅提升，接近或高阿里于资本性投入，云产品品类丰富，尤其是PaaS和SaaS品类繁盛，产品能力具有较高的竞争力，市场份额持续提升。阿里云和谷歌云，处在这一发展阶段。

同时，如果用云业务收入的增速和盈亏两个指标来衡量，处在第二阶段的云厂商，营收增速相比第一阶段通常放缓，但减亏进程已经开始，扭亏为盈。

但这里同样也有市场份额作为前提。作为典型的集约规模化市场，云厂商的体量没有达到一定的规模，盈利和价值仍然是一句空谈。一般而言，当市场份额达到10%以上，才能摊薄成本，实现盈利；只有市场份额达到15%以上，马太效应才得以发挥，竞争优势才能显现。

把目光限定云还于国内的话，阿里云已经达到发挥竞争优势的门槛。根据IDC最新发布的公有云市场报告，阿里云的市场份额从此前的36.7%降至31.9%，但仍然在国内保持第一。而在国外，虽然阿里云的排名仅在亚马逊、微软、谷歌三家之后，但只占据5.2%的全球份额，很难在更大范围内发挥规模优势。

这或许也是阿里云既要通过降价冲规模，又通过规模要利润的核心原因之一——在国内公有云市场，阿里云已经可以通过较高的用户量来摊薄成本，换来一定程度的利润增长；但在全球范围内，阿里云仍然需要通过价格优势来与亚马逊、谷歌、微软等对手竞争，保持一定程度上的“性价比”。

此外会继，阿里云相关人员向陆玖商业评论补充，与最初阶段相比，阿里云在十年时间里，算力成本下降的幅度大约在80%。存储成本下降大约在90%。所以云产品降价，背后仍然与成本下降强关联。

03

大模型需要公有云算力

如果说阿里云的持续降价，是通过价格手段解决了当前阶段的算力分散和盈利问题，那么对于方兴未艾的大模型赛道来说，体系化、规模化的公有云，同样为新一轮大模型创新和产业化提供了入场券。用更夸张的说法来讲，这是一个必要条件，而非充分条件。

类似的观点，阿里云智能科技研究中心主任安筱鹏已经提及。他在此前的一场研讨会上，复盘过OpenAI发生在美续降国的五个核心条件，主要是理论模型的先进、训练成本下降、云计算产业导致算力门槛降低等等。

安筱鹏分析称，这五个核心要素，表面来看是人工智能大模型的竞争，但从本质来看，仍然是AI大模型与公有云体系化能力的竞争。

道理同样也很简单，目前市面上可用的大模型，数量固然很多，但要真正到商业化那一步，整个过程中投入的算力成本和数据成本，都将成为制约其发展的核心。

除此之外，依据Transform的理论，一个理论模型想要变成千行百业的垂直大模型，都需要经过理论、工程化、产业化三个阶段。在理论和工程化阶段，可以在离线的条件下进行，一旦走到产业化和商价吗业化阶段，通过公有云的手段来进行输出，将全国乃至全球的产业链资源进行合理配置，也是必要条件之一。

这里为何强调公有云？因为在私有云的条件下，同样的模型，训练成本在带宽等一系列软硬条件的束缚下，往往会耗费更高的成本。同时，在极低的私有云利用率下，用私有云训练模型，既不效率，也不经济。

行业分析师告诉陆玖商业评论，以今年大火的大模型赛道为例，OpenAI的chatgpt即是依托微软公有云研发三年而成。但他们对于云资源的利用，高峰期仍然是在模型训练与研发阶段。

如果是其他的产品型公司，仅仅因为一个大模型，就购置大规模的算力资产，在短期研发阿里后就弃之不用，同样是显而易见的算力浪费。当一个新技术与新产品，对于算力的需求越高，公有云相对私有云的机会，实际上也越大。

某种意义上，这也算得上“专业人做专业事”的范畴。

04

厮杀才刚刚开始

对于阿里云这类云厂商来说，无论是自身进行通义大模型家族的训练和落地，还是为其他大模型提供云服务，对于自身的公有云体系来说，同样也是巨大的机遇。

其中一种机遇是算力形式的转变。譬如阿里云在早期阶段，主力产品是传统的IaaS，在尚未规模化之前，平均一元营收要亏损5元。但到如今，以服务器和计算机为代表的传统算力，已经被云计算的智能算力所取代。

因为如今云云还厂商的内涵，远不止卖服务器和卖算力这么单纯，通过与大模型厂商的合作，不断推出与大模型配套的生态服务，已经开始不断从云上衍生出新的技术可能。

以大模型训练为例，大模型训练的高成本已经成为业内共识，一张英特尔特供版的H800显卡，仅售价就需要高达20万。但是一个足以大规模商用的模型，最终成本可能是成百上千个20万。

但在云计算的变革下，只需几万元，就能在阿里云按月购买AI训练的GPU集群，对于一些被天价显卡挡在门外的初创大模型团队来说，智能算力带来的训练成本降低，意义不言而喻。

除此之外，公有云与私有云的另外一层更大的区别，是在于云厂商会继的服务能力差别。阿里云相关人员向陆玖商业评论透露，大模型行业的发展，的确也为阿里云带来了相当规模的增长。

以阿里云内部孵化的妙鸭相机项目为例。这个项目全程使用了阿里云服务。在爆火之后，后台的算力需求呈现数百倍的暴增，如果此前妙鸭相机选择在私有云上部署，面对暴增的算力需求显然无法应对。

但在阿里云这类公有云上，产品厂商能获得的也远不止云存储和算力资源。阿里云相关人员向陆玖商业评论补充，对于成长型的产品公司，阿里云从底层的算力，到计算平台，再到训练工具与模型服务，其全栈能力在业内屈指可数。

全栈能力带来的直接意义在于，对于初期技术储备有所续降欠缺的公司而言，某个缺失的环节可以由阿里云直接补足。譬如阿里云产品端，已经有成规模的开源模型社区，对话型模型也可以直接选用通义千问来进行微调。到应用阶段也可以直接在阿里云上推进到应用层，中间环节即便只缺失一块，带来的成本可能就会很高。

在这层意义上来说，与大模型同频共振的公有云市场，正在迎来一次新的技术变革。无论是阿里云，还是其他云厂商，谁能在公有云领域获得话语权，谁就能更早掌握创新的原动力。可以预见，公有云赛道的新战事，会在阿里云的下一轮降价后，再度打响。

(责任编辑：货到付款)