阿里雲降價，誰獲利最大？

一開春，阿里雲就宣布全線產品降價，驟然打破沉默已久的雲端運算市場。

2月29日，2024年度策略發表會上，阿里雲宣布史上最大力度降價，100多款產品、500多個產品規格的官網價格平均降低20%，最高降幅55%。此降價幾乎涵蓋所有核心產品，包括ECS、資料庫、儲存等使用最廣泛的產品，新老同享，官網直降，覆蓋最廣泛人群，即日起立刻執行。

「猜到了開年會降價，但沒想到比去年還狠，直接把最不愁賣的核心的產品打到了全網最低價。」這是發布會當天幾乎所有與會者的一致共識。

在某種程度上，這次史無前例的大降價，是阿里雲明確"AI驅動，公共雲優先」戰略3個月後的一次進攻號角。

但背後深意，卻絕不止於此。

一場瞄準雲端運算無人區的史上最大力道降價

首先明確一點，降價行為是雲端運算的常態，甚至核心商業模式。

綜觀全球雲端運算市場，或許有每年都不賺錢的雲端運算，但還沒有每年都不降價的雲端運算。

根據不完全統計，亞馬遜成立17年共降價105次；微軟Azure自2012年來，已連續多次降價60%以上；Google從2013年左右，也開啟了連年降價的措施，保持著最高70%的降價幅度。

國內同行業自然不例外。

身為國內公有雲頭玩家，阿里雲過去十年提供的算力成本下降了80%，儲存成本下降了近90%。自2013年首次降價後，2014年一年就連續降價6次，2015年10月至2016年10月，阿里雲更是連續17次降價，此後依然保持著定期降價頻率，核心雲產品降價幅度一度超過50%。

但這次與以往全都不同──最直觀的體現就是降價幅度。

阿里雲智慧集團資深副總裁、公有雲事業部總裁劉偉光介紹，相較於史上其它幾次降價讓利，本次阿里雲降價，是史上參與產品範圍最大、受益群體最廣的一次。

其中，雲端伺服器ECS最高降36%、物件儲存OSS最高降55%、雲端資料庫RDS最高降40%，都是數百萬雲端運算用戶使用頻率最高的核心產品。

以雲端伺服器u1產品為例，購買2c4g配置的五年版需要768元/年，降價後僅需485元/年，降價36%。物件儲存OSS標準儲存-本地冗餘從0.12 /GB/月降至0.09 /GB/月，降幅達25%。資料庫方面，以RDS MySQL基礎系列為例，購買2c4g通用型配置的五年版需要936元/年，降價後僅需562元/年，降價40%。此外，阿里雲也將雲端資料傳輸CDT的每月免費公網流量額度從10GB提升至20GB。

這也意味著，在中小企業市場，放眼國內，阿里雲幾乎沒有對手。

年復一年，降價捲土重來，阿里雲意在何方？

劉偉光在會上表示，此次阿里雲降價行動是對先前在財報會議上提出的「AI驅動、公有雲優先」策略的具體落實，並非短期市場競爭，「作為中國第一大雲端運算公司，阿里雲端希望透過此次大規模降價，讓更多企業用上先進的公共雲服務，加速雲端運算在中國各行各業的普及和發展。”

更深一層，持續降價的能力，本身就是雲端運算公司的重要商業模式，甚至是其產品競爭力的展現。

海外以AWS為例，過去十年AWS 降價近百次，規模不斷提升之外，仍能維持接近30%的高營業利潤率。

公有雲產業需要龐大的資本開支和研發投入，技術壁壘高、規模經濟大。頭部企業擁有更大的規模，也就有了不斷降低成本的能力，因此降價讓利吸引更多的客戶。

如此循環往復，就會形成一個成本-價格-使用者體驗-規模的飛輪閉環，形成強者恆強的產業格局。

正循環形成的關鍵在於足夠的規模，這也是阿里雲降價的底氣來源。

根據Gartner數據，2022年全球公有雲IaaS市佔率中，阿里雲市佔率7.71%，位列亞太第一、全球第三。在全球29個地域開放88個可用區，阿里雲服務全球200多個國家和地區的400多萬客戶，為超過60%的A股上市公司、80%中國科技創新企業提供服務。

在國內公有雲市場，阿里雲已經可以透過較高的用戶量來攤薄成本，換來一定程度的利潤成長。一個例證是，近年來阿里雲持續降價，但利潤卻不斷拉升。

自阿里雲2022財年首次實現年度獲利後，阿里雲獲利狀況持續改善。2024財年Q2季度，阿里雲經調整EBITA獲利從3.87億元大幅提升至14.09億元，季增幅達264%。上季度，阿里雲利潤進一步超預期釋放，達到23.64億元，超過先前三個季度利潤總和。

在某種程度上，降價是常態，也是商業模式使然。但很顯然，一出手就是「全網最低價」的阿里雲，還有更大的野心。

一場成本的戰爭

類比電力來闡述雲端運算存在的意義，阿里雲創始人王堅曾有一段廣為流傳的比喻：

當需要用電的設備進入千家萬戶，農場和企業不約而同選擇了關閉自己的發電機，轉向高效的工業公用事業公司購買電力[1]。

相較於電力的穩定，雲端運算卻仍在享受技術迭代的紅利。

在電力鏈條中，發電環節技術迭代較為緩慢，效率每提升1%都是重大的突破：1900年的火力機組的能源效率不足5%，1950年代這一數字上升到20%，2000年後又翻倍上漲至40%，現在，上海外高橋第二電廠的超臨界機組，能夠提供46%的發電效率[2]。

電磁能力的製造效率，在一百年的時間裡大約提升了不到10倍，而矽基算力完成同樣效率的提升，大約只需要5～8年的時間[3]。

雲端運算的上游是晶片為核心的交換器、伺服器等硬體。而晶片產業的發展，則嚴格遵守1965 年Gordon Moore 提出的摩爾定律不斷向前發展，即晶片上的電晶體每隔12 個月將增加一倍（1975 年修正為24 個月）。

這也意味著，伴隨性能的提升，相同算力晶片的成本將指數下降，相應的，算力性價比的連年提升，也就成為了雲端運算成本不斷下降的核心驅動力。

上游晶片降本之外，十多年來持續投入軟硬整合的技術研發，也為阿里雲進一步降低算力單位成本帶來了可能。

軟體層面，阿里雲擁有我國唯一自研雲端運算作業系統飛天，可以編排調度百萬級伺服器，單集群調度規模超十萬台，具備EB級數據存儲能力，並通過CIPU率先實現虛擬化“0”損耗，做到性能與性價比的同時兼顧。

硬體層面：以運算為例，阿里雲自研的飛天作業系統和CIPU架構可在同樣規格資源下帶來更強的效能，同時實現極致彈性呼叫算力資源，使得資源效率與效能大幅提升；存儲方面，阿里雲自研的盤古儲存系統，透過EC、壓縮等自研技術大幅提高了儲存的資源利用率；倚天710等自研晶片的不斷優化，可將資料庫、大數據和AI及高效能運算、影片編解碼等場景性價比提升了80%以上，為用戶提供了更多選擇。

晶片、研發等剛性成本之外，規模效益帶來的資源利用率差距，則是決定雲端運算是否能夠降本，以及多大幅度降本的最大底氣。

以一位行業專家的話來翻譯就是，“雲端運算的網路已經建成，相當於用的人越多，資源利用率越高，閒置成本就會降到越低”，而規模上，阿里雲是亞太規模第一、全球規模第三的雲廠商。“隨著規模效應的實現，運算成本、儲存成本的降低，阿里雲選擇讓利給客戶，進一步擴大公有雲的規模效應，實現正向循環。”

體現在數據上，在國內大量自建IDC的平均資源使用率不到5%時，亞馬遜、Google、阿里雲等基於自研雲端運算作業系統的資料中心資源使用率可達30%~40%。伴隨著規模擴大和研發效率提升，公有雲廠商選擇不斷降價，讓利用戶。

軟硬體剛性降本與資源利用率雙管齊下，帶來的一個結果是：業界頭部玩家雲單位算力的價格每三年將降低50%[3]，幾乎成為業界共識。

相應的，雲端運算的基礎設施整體擁有成本TCIO（Total Cost of Infrastructure ）將遠低於企業自建資料中心，並形成公有雲的虹吸效應，吸引更多的企業放棄自建資料中心遷移到公有雲上，全面轉型雲端運算。

不過，滲透率與價格的互相反哺之外，身處此時此刻，當下這個節點中，公有雲降價，還有其更深一層的意義。

大模型時代的基礎設施

前不久，OpenAI推出視覺大模型Sora，再度引發產業界熱議。算力限制卻一直是籠罩在AI產業上方的「烏雲」。

從2012年的AlexNet模型到2017年的AlphaGo Zero，算力消耗足足翻了30萬倍。而ChatGPT橫空出世的背後是，微軟Azure雲端上的數萬張A100晶片，成本高達數億美元。

有機構估算，對於一個60幀的影片（約6至8秒）， Sora要產生至少約120萬個Token，這將遠超過大語言模型的計算量。即使是OpenAI這樣的AI大模型企業，推理成本也將是難以承受之重。

但這還只是個開始，根據OpenAI的研究報告，自2012年開始，AI訓練需要的算力每隔3-4 個月便會翻番，到2018 年，訓練所耗費的算力更是增長了大概30 萬倍，而相較之下，摩爾定律在同樣的時間裡只有7 倍的成長。從發展趨勢來看，單一晶片摩爾定律正在失效，單一晶片效能提升遠跟不上算力需求成長速度。

AI算力需求爆發的同時，中國算力卻呈現出大而不強的現狀。

劉偉光表示，中國市場的伺服器存量規模2,000萬台，美國伺服器存量規模約2,100萬台，但美國以公有雲形式提供服務的算力佔比為60%，中國僅28%。

更值得關注的是，業者指出公有雲CPU利用效率高達25%-50%，私有雲部署的CPU使用效率通常僅1%-2%，一般不超過5%。公有雲滲透率的差距，在實際上導致了我國有效算力僅是美國的一半。

此外，劉偉光也補充，除了明面上的算力資源的浪費，錯過公有雲，或者說沒有用好公有雲的資料的能力、AI的能力，也在一定程度上拖累了中國企業的創新速度。

以時下大火的AI大模型為例解釋，大模型是一場「AI+雲端運算」的全方位競爭，超千億參數的大模型研發，並不僅僅是演算法問題，而是囊括了底層龐大算力、網路、大數據、機器學習等許多領域的複雜系統性工程，需要有超大規模AI基礎設施的支撐。

目前，阿里雲已經匯集270多萬名專業的AI開發者，中國有一半大模型跑在阿里雲上。

阿里雲不只是為他們提供多元算力支持，還包括網路儲存以及配套大數據、AI、MaaS服務、資料中台技術架構的迭代升級。“很多企業需要大模型的能力，但實際上，他們並不需要自己去做推理訓練，通過使用公共雲上的資源，就可以唾手可得AI能力。”

一方面是創新速度的提升。左手醫生，是一家提供AI問診、智慧導診、智慧病歷，GPT模型驅動的整個AI醫療服務的創新企業。在透過GPT產生擬人化醫療助理的過程中，左手醫師從自己採購資源訓練推理，轉而選擇阿里雲的算力服務，最後實現從GPU就緒到模型訓練，專案上線時間縮短67%。

另一方面是創新效率的突破。今年1月，中國一汽與阿里雲通義千問聯合打造的大模型應用GPT-BI率先落地，可以透過自然語言對話，自動產生企業經營數據分析圖表，目前可達到近90%的準確率。

從這個角度來說，作為一個社會的創新基礎設施，阿里雲此番史上最大力度降價，推倒的，是整個社會創新鏈條的第一張骨牌。

尾聲

將公有雲類比基礎建設水電煤，已然成為整個科技產業發展的常識。但歷史上，水電煤降價之後，到底發生了什麼事？

在中學課本中，電力的發展，有三個標誌性的節點：

第一個節點，1732年，富蘭克林透過“風箏實驗”，從物理學角度發現了正負電荷的存在；

第二個節點，1831年，法拉第首次發現電磁感應現象，奠定了此後「電為人用」的基礎；

第三個，1879年，愛迪生成功點亮了世界上第一個實用的電燈泡，電力從實驗室走向普羅大眾成為可能。

至此，電的發展已經走過近150年的時間，然而，基於一直以來的直流電思路，在那個變壓技術尚不成熟的時代背景下，在長途輸電過程中過大的電力損耗，使得電廠必須建在工廠附近的一公里範圍內。

高昂的價格，使得用電長期以來都只是部分富人的專屬。

直到1893年，這一年，芝加哥博覽會上，一位名叫特斯拉的工程師，正式將交流電搬上大眾舞台。與先前發展多年的直流電不同，交流電技術的出現，透過改變電壓，從而徹底解決了遠距離輸電過程中的電力損耗問題。

伴隨便宜的電價成為可能，電力自此進入工廠、礦場、交通、海運等各環節，工廠24小時不間斷生產成為可能，機器的轟鳴聲成為工業化生產的象徵；電報、電話、電視、冰箱、電腦各種以電力為基礎設施的創新產品，被源源不斷生產並推廣。自20世紀以來全球經濟的發展基礎自此正式奠定。

雲端服務也是如此。明面上價格一降再降，這是所有雲端服務企業規模效應開啟的必經之路；也是千行百業上雲的必要條件。

更深一層，雲端的價格與整個社會的創新之間是一個結構明確的蹺蹺板，伴隨雲端運算這個社會基礎設施成本下降一同發生的，則是蹺蹺板另一端創新的噴湧而出。（虎嗅）