开源AI崛起，云厂商终于能分到AI利润了

[TF Overseas Tech] 为什么开源崛起、闭源模型垄断崩塌对云行业是好事

云行业最大的担忧一直是：云服务商是AI时代道路的出资建设者，最终却可能只沦为闭源模型的基础设施供应商。

云服务商投入了巨额资本采购GPU、建设数据中心。但如果大多数工作负载都必须调用少数几个闭源模型，需求入口和定价权就会属于模型公司。云服务商承担了资本密集型投资，增量利润却流向模型层。

这种结构现在开始发生变化。开源模型持续变得更强、更便宜。性能最高的闭源模型仍会在复杂推理和高价值任务上享有溢价，但它们不再必须是所有任务的默认选择。

AI调用的结构将从“用一个模型解决所有问题”转向分层路由。最难的任务用顶级模型，普通任务用廉价小模型或开源模型。稳定、高流量的工作负载由云服务商自行部署，配合自研ASIC进一步压低推理成本。

这对云服务商来说是非常重要的转变。模型的可替代性越高，云服务商就能拿到越多路由权限、客户所有权和定价权。闭源模型过去就像是架在云之上的收费站，未来的模型会更像是云平台可以自由调配的计算资源。

云服务商可以出租GPU，同时在自有基础设施上托管开源模型并出售token，这减少了流向外部模型厂商的利润。

更优的云行业商业逻辑不代表这对硬件行业不利。开源模型之间的竞争会推动更多参与者投入训练，而token价格下降会带来大得多的调用量。

与此同时，模型压缩、推理优化、路由和自研ASIC会降低每个token所需的通用GPU需求。因此最终硬件需求取决于需求弹性。

如果token数量和单任务计算量的增长速度超过算法和芯片效率的提升速度，总计算需求就会持续扩张。反之，哪怕token快速增长，资本开支增速也可能见顶。

因此最完整的看多逻辑不是简单的“更便宜的模型对云好，云赚钱对硬件好”。开源模型削弱了模型层的垄断租金，云服务商通过路由和纵向整合提升了计算的货币化效率。

更低的推理价格创造了额外的新需求，需求增长再次跑赢效率提升。结果就是数据中心可以维持高利用率和相对较高的ROIC，最终推动云服务商持续投资计算能力。

Only if this vi