從00年代AWS首舉云服務大旗、挑戰傳統IT，到10年代阿里云那句“為了無法計算的價值”，在過去十幾年里，云計算可謂影響了每一位IT從業者。

初入行時，我們連“IaaS”如何正確發音都搞不明白，而如今任何新奇的云技術名詞，都無法再吸引大家的眼球，甚至連“云宕機”的新聞都沖不上熱搜、拿不到10W+閱讀……

我們不得不感嘆，云計算“割韭菜”的時代，結束了。

然而，一場新的技術革命悄然襲來，新的鐮刀正被悄然舉起。

它就是大模型，也可以被稱作AIGC時代的核心驅動力。從通用大模型，到各行各業的專用模型，行業正在迎來新一輪的大洗牌。

大模型會如何改變云計算行業的既有格局？它究竟將如何“割韭菜”？以下，讓我們深入剖析這一波新的技術浪潮。

注：本文為特大號年終回顧與展望系列文章的第一篇

一、云計算“割韭菜”時代的終結

1.1 從薅羊毛到割韭菜

云計算早期和中前期，在資本推波助瀾和大量補貼之下，各路云廠商在市場上大打價格戰：先是爭相降低虛擬機和存儲費用，繼而圍繞數據庫、CDN等展開競爭。

對用戶來說，上云的初始成本相對降低，以極低甚至免費的試用價格，就可以薅到大量的云資源、云羊毛。

然而，當用戶業務在云上穩定運行后，隨著企業規模增長，資源需求激增，云平臺的使用費也開始“水漲船高”。

再加上部分廠商在核心功能或數據出口上捆綁高額費用，導致一些企業的云成本飆升。

有些公司一旦依賴某家云廠商的特定服務，再要轉移到其他平臺或自建IDC就代價高昂，“綁定效應”明顯。

別看當年薅得歡，現在也得拉清單！從“薅羊毛”到“割韭菜”，可謂冰火兩重天。

1.2 從“不卷”到“互卷”到“卷不動”

在移動互聯網紅利放緩的大背景下，云計算市場也開始進入相對成熟期。

新的增量用戶減少，云廠商為爭奪市場份額依然在拼價格，但這樣必然擠壓利潤空間，加上技術本身不再有太多革命性突破，出現“內卷”之勢。

一些云廠商開始尋找新的增長點——比如AI服務、低代碼/無代碼平臺、云電腦、行業解決方案，以及出海去卷…

但總體而言，早先的云計算模式已經接近穩定期，難以像之前那般大規模“收割”新用戶。

特大號曾經發過一篇文章：萬字長文：AWS如何跨越“鴻溝”，說的就是當第一波流量見頂之后，云服務商如何尋求新的增長點。

但現在來看，或許只有AWS跨越成功，其他的市場玩家還任重道遠。

1.3 部分大客戶對高昂賬單的“覺醒”

隨著云計算普及，越來越多企業對云賬單的“消化不良”開始引起重視，云成本優化（FinOps）成為新風潮。

客戶一旦學會精細化運維、提高資源使用率，云廠商想要憑借基礎資源的高溢價來獲取超額利潤就變得更困難了。

用戶也開始比價、橫向遷移、多云部署等方式來降低對單一廠商的依賴。毫無疑問，這些趨勢都在敲響云計算“暴利時代”結束的警鐘。

而且近年來，也有越來越多的“下云”傳說。

雖然我認為盲目上云和盲目下云都是錯誤的，但不可否認，對于超大規模的用云企業來講，最終轉為自建和部分自建，是必然的趨勢。

縱觀整個云發展史，無非是早期店客皆歡，中期店大欺客，后期客大欺店的因果循環。

韭菜終有覺醒的一天，鐮刀也總有疲軟的一天。割韭菜時代的結束，也代表著云計算toVC時代的結束。

不過，這也并不是壞事，任何以toVC為第一使命的產品，都不能在當期創造業務價值。云計算走下神壇，泡沫退散，才是真正普惠和創造價值的開始。

所以，當云計算只剩悶頭干活的時候，“接刀俠”就來了。

二、大模型粉墨登場：新的鐮刀如何揮動

在云計算“收割”力度有限、回報率趨于平穩之際，大模型的橫空出世堪稱“救市”與“革命”并存。

它一方面為云廠商及AI企業帶來新的盈利契機，另一方面也促成了新一輪對用戶的“收割”。

大模型“鐮刀”究竟在哪兒？

2.1 訓練與推理的高成本為廠商提供新利潤空間

大模型的研發和訓練過程需要海量的數據與算力支撐——動輒數千塊甚至上萬塊GPU/TPU集群，訓練時間可能持續數周甚至數月。

GPT-5是十萬億參數級別的，Llama4也正在被十萬張H100烤著。

其投入之高，讓很多中小企業望而卻步；為降低AI研發成本，依賴云上GPU/TPU算力成為主流。

而傳統云計算提供的是通用算力，大模型時代，對高端AI加速芯片、彈性GPU集群的需求大幅度增長，云廠商則能在此領域主打“高價值服務”，重新獲得定價權。

不僅訓練過程昂貴，后期的推理（Inference）同樣消耗大量算力。大模型部署在線上服務時，每一次調用都會消耗GPU資源，且服務質量期望高、并發量大。

云廠商可以基于這種需求推出“AI推理平臺”“專用大模型托管方案”以及“端到端大模型研發平臺”等，進一步提高價格和利潤率。

對客戶來說，面對日益復雜的AI應用和底層設施需求，他們往往難以自行搭建，當下購買云廠商的一整套服務，肯定是最優解。

此情此景，恰似十幾年前，云計算方興未艾，正好match企業的流量爆發需求。

而事實上，云大廠早已經悄悄種下“韭菜”地。

2.2 大模型API及生態“閉環”

在大模型大行其道的今天，眾多企業選擇直接調用大模型API來實現自然語言處理、圖像生成等功能，而不是自行訓練模型。

以OpenAI為例，其提供的API服務可以讓開發者快速接入GPT系列模型，但背后需支付按調用次數、調用時長或數據量計費的費用。

而國內廠商通義、文心、豆包、混元們，也在API調用上，卷起了價格戰。比如去年年底，豆包剛剛宣布降價，通義千問立刻跟進——

我相信，在2025年，大模型API的價格戰還會愈演愈烈，慘烈程度，比當年的云計算價格戰有過之而無不及。

而一旦企業的業務邏輯深度依賴這些模型，就會出現新一輪的“供應鏈捆綁”，而云廠商或大模型提供商將處于生態鏈上游。

從這個角度看，大模型正成為一種新的“鎖客”武器。

2.3 MLOps（機器學習運維）與數據管理服務

大模型的迭代與運維遠比傳統軟件復雜，要進行頻繁的模型更新、版本管理、性能監控等工作，大量人力物力投入其中。

MLOps就是在這個背景下產生的。從數據標注、訓練、評估到上線，任何一個環節都可能存在技術壁壘和服務需求。

云廠商和AI初創企業因此提供各種一站式平臺化服務：數據管道、模型訓練流水線、自動化部署、監控管理等。

一旦客戶選擇了某個平臺生態，后續的遷移成本就更高，這為提供商帶來了“重復收費”或持續收費的機會，也就形成了新的盈利“鐮刀”。

這個領域，我個人認為特別適合廣大ISV、云集成商轉型，就像當年一大票傳統集成商轉型MSP、云咨詢服務一樣，現在上車轉型大模型集成商，正當時！

據我觀察，圈內已經有幾家知名公司悄然上路了。

三、云計算與大模型的“超融合鐮刀”

或許有人會問：“云計算時代不是結束了嗎？大模型不還是依賴云嗎？”

確實，大模型的興起與云計算設施并非割裂關系，反而是在原有云計算架構基礎上進化出來的一種更深層次的服務形式。

關鍵點在于：云計算的基礎層市場格局已定，而大模型則是應用層的新戰場。兩者融合之后，會呈現出新的商業形態和競爭態勢。

3.1 超大規模算力中心的建設

隨著大模型爆發式增長，各大云廠商都在投資建設、改進面向AI的專用算力中心。

過去，云廠商投入的重點是通用CPU服務器，或者自研ARM、DPU，而現在則是大量引進GPU/TPU/FPGA等異構計算資源，提供更高水平的網絡帶寬和存儲方案。

這個過程需要大量資本開支，也給廠商帶來再一次“搶灘登陸”的機會：誰能先建立AI基礎設施優勢，就能占領更多市場份額，為后續持續“收費”打下基礎。

比如AWS的自研算力芯片全家桶，就體現了其在AI訓調推領域的老謀深算。

3.2 大模型中間件與協同開發平臺

大模型的爆發并不只在訓練和推理層面，而是在于可復用的中間件以及平臺化服務的興起。

各家云廠商都在推崇“端到端AI解決方案”，涵蓋數據處理、模型開發、模型管理、實時推理、數據可視化等環節。

開發者在這些平臺上，不僅能直接使用大模型，還能借助自動化工具來降低門檻，實現快速原型驗證。

這也進一步擴大了廠商在應用層乃至業務流程上的影響力，讓整個生態更緊密，商機更充足。

這方面，大家可以看看AWS最新改版的SageMaker，可以說是把這套大模型流水線整合到了極致。

事實上，阿里云的PAI和騰訊云的TI也在大模型火爆后，進行了重新整合，將傳統機器學習和GenAI融為一體。只不過這兩個全家桶里的食材沒有SageMaker更全。

3.3 垂直行業的深度切入

大模型時代，應用范圍已經不僅僅停留在圖文生成、視頻搞笑、聊天陪伴，而是進一步延伸到企業服務、醫療健康、金融風控、物流預測、芯片設計等高價值行業。

君不見最新的諾貝爾獎得主，都離不開大模型的幫襯？

云廠商或者AI企業與行業龍頭合作，針對行業特點進行模型微調或訓練出專用模型，實現更精確的生產力提升。

由于這類定制化方案更具有商業價值和行業壁壘，定價也更加靈活甚至高昂，既能滿足用戶對智能化升級的迫切需求，又能保障企業自身的盈利空間。

某種意義上，這將比傳統云計算“割韭菜”的方式更為“隱蔽”且持久。

只是，落地行業這件事，知易行難，云計算鼎盛時代他們都沒做到，憑什么相信他們現在換一把鐮刀就能做到？

四、有韭當割直須割，莫待無韭空悲切

4.1 技術紅利與價值創造

首先必須承認，大模型的蓬勃發展為各行各業帶來了前所未有的創新機會。

從高水平自然語言理解、圖像識別，到學術研究、文檔生成、編程輔助等，都有顯著效率提升，整個社會的數字化、智能化水平被進一步拉升。

對用戶來說，這的確是一次難得的技術紅利，只要能合理運用，就能獲得可觀的競爭優勢。

4.2 面對大模型牛馬，我們該怎么辦？

大模型的火爆也讓很多人如坐針氈，生怕AI太NB，搶了我們的飯碗。

的確，如今很多基礎性工作，可以讓大模型牛馬先上了，AI可能會讓人失業，但掌握AI的人會得到更好的工作崗位。

首先，大模型浪潮再度激化了AI人才爭奪戰：算法工程師、數據科學家、NLP工程師、MLOps工程師，甚至提示詞工程師……都成為搶手資源。

同時，有行業KnowHow的技術專家、業務專家也會成為大模型行業落地的好幫手，這種跨界人才同樣會被瘋搶。

第二，對于廣大IT從業者來講，我們是最容易接觸的AI、也最容易掌握AI的一批人。

作為終身學習者，我們一定可以這場激變中站穩腳跟，并成為最終“與模共舞”的贏家。

所以，不要麻木，不要害怕，不要忽視這些新鮮事物，直面它、嘗試它、駕馭它…

停止學習，你只會淪為韭菜，持續學習，那你就是鐮刀！