2023，云計(jì)算角逐大模型

（圖片來源：攝圖網(wǎng)）

作者|王新宇 來源|解碼Decode(ID：kankeji001)

去年10月，谷歌在Google Cloud Next大會上發(fā)布了有關(guān)云技術(shù)未來三年的十大預(yù)測。

其中有一條堪稱打工人的最愛：AI驅(qū)動的四天工作周。

谷歌解釋，人工智能創(chuàng)新比如低代碼、Vertex AI Vision和Translation Hub，將實(shí)現(xiàn)任務(wù)自動化，讓團(tuán)隊(duì)能夠在四天之內(nèi)完成五天的工作。

那時(shí)ChatGPT還沒有發(fā)布，也沒有人想到微軟會在谷歌的后院點(diǎn)火。

自去年12月至今，微軟與OpenAI的合作已經(jīng)到第三階段，先后落地了整合ChatGPT技術(shù)的New Bing和Office，也將OpenAI技術(shù)捆綁到自家的低代碼平臺Power Platform。

總之，作為「賣鏟人」，微軟正在努力讓它的鏟子變得更聰明。

并且，開發(fā)者通過Azure直接調(diào)用OpenAI大模型的能力，更是一座肉眼可見的云計(jì)算富礦。

在最新的財(cái)報(bào)中，微軟透露已經(jīng)有200多個(gè)客戶--從畢馬威到半島電視臺--正在使用Azure OpenAI服務(wù)。

這不僅對微軟來說是一個(gè)好消息，也樂壞了已經(jīng)準(zhǔn)備勒緊口袋過日子的北美云廠商。

2022年Q4業(yè)績會上，Meta明確表示2023年的管理主題將會是「效率」，資本開支將更加關(guān)注成本效益；亞馬遜AWS正與客戶合作進(jìn)行成本優(yōu)化；微軟表示除優(yōu)先級決策外，其余支出增長將會非常緩慢。

而在ChatGPT出現(xiàn)之后，即使在行業(yè)需求放緩的背景下，它們也在積極的將投資重心轉(zhuǎn)移至AI、新型數(shù)據(jù)中心架構(gòu)等領(lǐng)域。

這雖然是一個(gè)投資未來的故事，但卻對今年的云計(jì)算產(chǎn)業(yè)至關(guān)重要。

1

云廠商的日子不好過

梳理亞馬遜、谷歌、微軟三家云廠商的財(cái)報(bào)發(fā)現(xiàn)，2022年Q4三家合計(jì)營收雖然同比增長25.7%至439.6億美元，但環(huán)比卻出現(xiàn)了5.9%的下降。

細(xì)分到每一家，亞馬遜AWS、微軟Azure、谷歌云營收同比增速分別為20.2%、31.0%和32.0%，環(huán)比下降為7.3%、4.0%和5.6%。

從2021年Q2開始，云廠商的營收增速就走下坡路了。

亞馬遜CFO布萊恩·奧薩維斯基將原因歸結(jié)為宏觀經(jīng)濟(jì)低迷，客戶對業(yè)務(wù)支出有優(yōu)先級考量。舉例來說，隨著抵押貸款業(yè)務(wù)量的下降，相關(guān)金融公司對于計(jì)算存儲、計(jì)算能力的需求也會相應(yīng)下降。

言下之意，就是產(chǎn)業(yè)需求在消退，我們自然也就沒有那么高的增速了，這樣的后果即是云廠商在資本開支和人員結(jié)構(gòu)上的收縮。

據(jù)Factset一致預(yù)期，2023年Q1亞馬遜、谷歌、微軟、蘋果、Meta這五家的資本開支將出現(xiàn)4.13%的環(huán)比下降，同比增速較2022年下降15.24%。

研究機(jī)構(gòu)TrendForce今年2月也發(fā)布預(yù)警，Meta、微軟、谷歌、亞馬遜這四家云廠商的服務(wù)器采購量可能從年增6.9%放緩至4.4%，這一舉動將拖累2023年全球服務(wù)器出貨量年增長率下滑至1.87%。

2022年Q4，亞馬遜雇員人數(shù)自2018年以來首次同比負(fù)增長；2022年11月Meta裁員13%，人數(shù)超過10000人；今年1月18日，微軟宣布計(jì)劃到2023財(cái)年第三季度末裁員10000 人，約占員工總數(shù)的4.5%；兩天后，谷歌母公司Alphabet宣布將在全球范圍內(nèi)裁員12000人，約占全職員工的6%。

然而這種勒緊口袋過日子的狀態(tài)又很快被抵消，北美云廠商一邊裁員優(yōu)化資本開支，一邊在緊鑼密鼓的針對AI進(jìn)行長期投資。

chatGPT浪潮帶來的AI競爭，最直接的受益者正是云計(jì)算平臺。

一方面，生成式AI應(yīng)用背后的大模型需要更強(qiáng)的算力。OpenAI此前公布過一組數(shù)據(jù)，目前大模型訓(xùn)練所需算力的增速保持在3-4個(gè)月/倍速度增長，遠(yuǎn)超摩爾定律18-24個(gè)月/倍。

在ChatGPT被廣泛運(yùn)用的背景下，底層基礎(chǔ)設(shè)施（IaaS）將迎來新一輪景氣度上行，倒逼云廠商提高算力，從而滿足海量數(shù)據(jù)調(diào)度的需求。

另一方面，區(qū)別于傳統(tǒng)云計(jì)算平臺提供的算力、存儲等資源，擁有大模型的云廠商未來可以提供基于大模型開發(fā)應(yīng)用。李彥宏不久前在接受采訪時(shí)就拋出過類似的觀點(diǎn)，未來企業(yè)在購買云計(jì)算的時(shí)候不看底層算力，而是看大模型的優(yōu)劣。

2

大模型競爭激化

這也是為何有那么多公司如此重視ChatGPT：

英偉達(dá)CEO黃仁勛將ChatGPT視為人工智能領(lǐng)域的iPhone時(shí)刻；比爾蓋茨將ChatGPT定義為自圖形用戶界面以來最重要的技術(shù)進(jìn)步；李彥宏將大模型稱之為云計(jì)算市場的game changer（顛覆者）。

事實(shí)上，在生成式AI眾多的愿景中，云計(jì)算恐怕是當(dāng)下離商業(yè)變現(xiàn)最近的一個(gè)。

從ChatGPT的實(shí)現(xiàn)路徑而來，云計(jì)算在最底層提供算力資源，服務(wù)上層的各種生成式AI應(yīng)用程序。

這其中的想象力來自于，各種大模型以及chatGPT、文心一言等AI應(yīng)用推出后，來自外部開發(fā)者對其能力的調(diào)用，尤其是一些中小開發(fā)者。

比如已經(jīng)有公司將ChatGPT和文心一言能力融合到具體產(chǎn)品，開發(fā)出具有一站式AI創(chuàng)作環(huán)境的「AI編劇」。

通俗來說，ChatGPT是一個(gè)超級工具，連接和利用云廠商提供的底層資源，將資源變成產(chǎn)品，直接提供給企業(yè)。但在這個(gè)過程中，算力資源雖仍是基礎(chǔ)設(shè)施，但對云廠商的要求就不只是算力的快慢，也有大模型的優(yōu)劣。

對云廠商而言，有了大模型的加入和AI應(yīng)用開發(fā)的浪潮，就會催生兩個(gè)需求：

第一，以往云廠商售賣算力和存儲空間，現(xiàn)在外部開發(fā)者可以直接調(diào)用云平臺的大模型能力，在此基礎(chǔ)上開發(fā)AI應(yīng)用。這樣的邏輯是，開發(fā)者可在不使用云計(jì)算平臺的情況下，基于大模型開發(fā)應(yīng)用。

但這個(gè)路徑下，該應(yīng)用在調(diào)用大模型能力時(shí)，仍會間接使用大模型所在的云平臺資源。

對云廠商而言，上述邏輯的核心包括兩個(gè)方面，其一是大模型能力，外部開發(fā)者無需自己開發(fā)大模型，直接調(diào)用；其二是云計(jì)算資源，ChatGPT等生成式AI背后的大模型，首次對算力展現(xiàn)出了極高的要求，任何想要在大模型領(lǐng)域分一杯羹的企業(yè)，都避不開其背后的云資源。

并且，上述情況在未來一段時(shí)間，尤其是chatGPT開放插件功能后，將會迎來一個(gè)AI應(yīng)用的井噴，這種數(shù)量級的增長必然會引流到云計(jì)算平臺，最后轉(zhuǎn)化為真金白銀。

所以，當(dāng)有開發(fā)者喊出「這很像AI時(shí)代的安卓系統(tǒng)」時(shí)，就代表著云計(jì)算已進(jìn)入一個(gè)至關(guān)重要的拐點(diǎn)時(shí)刻。

第二，對于云廠商來說，滿足大模型訓(xùn)練而來的私有云服務(wù)需求，將會是一個(gè)新的增量市場。

在大模型訓(xùn)練前，往往對于模型所需的訓(xùn)練算力就會有一個(gè)初步的認(rèn)知，并會提前針對所需算力進(jìn)行準(zhǔn)備與布局，不太可能存在模型訓(xùn)練中臨時(shí)擴(kuò)充大量算力的情況，這就使得公有云能夠快速擴(kuò)容的優(yōu)點(diǎn)在大模型領(lǐng)域不復(fù)存在，私有云同樣能夠支撐起模型訓(xùn)練的算力需求。

公有云雖然在易用性方面有一定優(yōu)勢，但是這些服務(wù)具有較大的「綁定」特性，例如如果用戶使用微軟預(yù)訓(xùn)練的DNN進(jìn)行圖像處理，就不能輕易在自己的服務(wù)器上運(yùn)行所產(chǎn)生的應(yīng)用程序，同時(shí)用戶也無法在非谷歌的公有云使用谷歌的TPU和AuoML工具。

而在目前大模型的訓(xùn)練當(dāng)中，需要不斷用新的數(shù)據(jù)和功能來保持它的「新鮮度」。由于私有云僅供單個(gè)組織使用，因此企業(yè)可以完全控制其軟件和硬件選擇，這種高度控制意味著私有云的所有者可以針對任務(wù)重新配置或定制云資源，進(jìn)一步提高效率。

隨著大模型變得越來越復(fù)雜，私有云能夠提供更大范用和更洋細(xì)的規(guī)范，例如，插入特定應(yīng)用程序并確保持續(xù)可用性和數(shù)據(jù)速度的自力。

并且，從開發(fā)者的角度出發(fā)，一方面，對于固定預(yù)訓(xùn)練的AI大模型需求，公有云布局和私有云布局的成本基本一致，由于沒有快速擴(kuò)容需求，公有云的規(guī)模成本優(yōu)勢將減弱；

另一方面，公有云的訓(xùn)練效率反而會低于專為自身AI訓(xùn)練所搭建的私有云，對于連續(xù)的、大規(guī)模深度學(xué)習(xí)而言，使用本地私有云反而可以節(jié)省大量成本，同時(shí)提高訓(xùn)練效率。

3

商業(yè)格局或?qū)⑾磁?/strong>