夜雨聆风AI时代的云厂商正在陷入中游规模陷阱：它们掌握最大的收入份额，却被上游英伟达/芯片供应商抽走利润，被下游大模型和开发者价格竞争压制，长期只有通过自研ASIC或垂直应用整合，才可能逃离低利润的公用事业化命运。
规模陷阱的故事
在任何一次超大产业的演化周期里，总有一个层级会陷入同一种困境：规模最大、收入最高、但利润密度最低，而且随着产业的成熟，这个处境不会改善，只会恶化。房地产时代，这个层级是开发商。新能源时代，这个层级是整车厂。AI时代，这个层级是云厂商。
这不是巧合，而是产业结构的必然产物。理解为什么云厂商会陷入这个困境，比理解云厂商现在有多大更重要，因为前者告诉你接下来会发生什么，后者只告诉你现在在哪里。
先把云厂商的处境用数字说清楚
讨论云厂商之前，需要先把它的真实利润处境说清楚，而不是用市值或者收入规模来讨论。
AWS、Azure、Google Cloud是全球AI算力消费最大的三个渠道，它们在AI产业链里的收入份额保守估计超过35%，是产业链里最大的单一层级。从规模上看，这个位置令人羡慕。但利润密度是另一回事。云厂商的综合营业利润率在20%左右，AWS相对好一些，Azure和GCP在AI算力业务上的利润率更低，因为它们在用补贴性定价抢市场份额。
这个20%的利润率是怎么被压出来的？从上游来看，英伟达的GPU是云厂商AI业务的核心成本，而英伟达的毛利率超过75%，意味着每一块GPU里有75%以上是利润，这个利润是从云厂商的采购预算里直接抽走的。云厂商采购英伟达GPU的价格没有实质性的议价空间，因为英伟达的产能是稀缺的，排队的客户比产能多，供方市场里买方没有定价权。从下游来看，OpenAI、Anthropic、谷歌自己的Gemini在算力定价上存在隐性的补贴竞争，为了抢夺开发者生态，每家都在以低于成本的价格提供API调用，这反过来压制了开发者愿意为云算力支付的价格上限。
结果是云厂商夹在两层压力之间：向上买英伟达的卡，高价且没有议价权；向下卖算力给开发者，定价被大模型公司的补贴竞争压制。这个三明治处境在利润池图上的表现就是：最宽的矩形，但很矮。
开发商类比：这个处境为什么是系统性的，而不是偶然的
产业周期的研究者把这种处境叫做中游陷阱，而且发现它在每次超大产业的演化里都会出现，只是主角不同。
房地产时代最典型。万科、恒大这样的开发商规模极大，收入数千亿，但净利润率长期在10%以下，巅峰时期也不过12%到15%。上游是钢铁、水泥、土地，价格由市场决定，开发商没有定价权。下游是购房者和装修，开发商的产品高度同质化，价格竞争激烈。中间的开发环节是重资产、高周转、低利润的生意，靠规模和杠杆维持，而不是靠真正的商业壁垒。当房地产周期下行，需求退潮，开发商的溢价空间几乎瞬间消失，因为它从来没有真正建立过定价权，只是在市场好的时候分享了需求扩张的红利。
新能源时代的整车厂也是同一个故事。比亚迪之外的大多数传统车企在新能源转型里处于非常尴尬的处境：上游电池被宁德时代掌控，下游消费者面对的是补贴竞争之后极度压缩的价格预期，整车厂自己夹在中间，规模很大，但利润极薄。大众、通用、福特的新能源业务长期亏损，不是因为它们技术落后，而是因为它们处于一个中游位置，两端都没有定价权。
云厂商在AI时代的处境和这两个案例在结构上是一致的。规模大是真实的，但规模大不等于壁垒深，不等于利润厚，更不等于随着产业成熟利润会增加。历史上中游层级在产业成熟期的利润变化方向只有一个：收窄，不是扩张。
为什么云厂商的处境会随产业成熟而恶化
现在的20%利润率是在什么条件下维持的？是在算力稀缺、需求远超供给的条件下维持的。这个条件是暂时的，不是永久的。
从供给侧看，全球数据中心的建设速度在过去两年里大幅加快，英伟达的产能在持续提升，AMD的MI系列在推理场景里开始具备竞争力，定制芯片的产能也在扩张。算力供给的增长速度在接下来几年里会持续超过需求的增长速度，这是周期性的规律，所有资本密集型基础设施都经历过这个过程。
从需求侧看，大模型的推理成本在持续下降，同等推理需求消耗的算力越来越少，这意味着即使AI应用的用户量在增长，对原始算力的需求增长速度可能低于预期。推理效率的提升在某种程度上是在侵蚀云厂商的收入基础。
从竞争格局看，三家云厂商之间的价格战没有停止的迹象。AWS、Azure、GCP都在用折扣和承诺消费协议来锁定大客户，这种竞争模式会持续压制行业的平均利润率。同时开源大模型的快速发展让越来越多的企业客户有能力在自己的基础设施上运行模型，减少对云厂商托管服务的依赖。
这几个力量叠加，云厂商当前的利润率处境不是低谷，而可能是高点。算力从稀缺变为充裕的过程，就是云厂商定价权从现在的水平进一步收窄的过程。这个判断是有历史支撑的：互联网时代的电信运营商在基础设施建设高峰期利润率看起来还过得去，但随着带宽成本暴跌，运营商的利润空间持续压缩，最终变成了低增长、低利润的公用事业型生意。云厂商的AI算力业务可能在五到十年内走上同一条路。
自研ASIC：唯一的逃脱路径，但代价极高
云厂商不是没有意识到这个困境。它们的应对策略是垂直整合——自研推理芯片，绕开英伟达的算力税，在供给侧重建定价权。
谷歌的TPU是最早的案例，从2016年开始自研，到第七代Ironwood已经是相当成熟的推理芯片。亚马逊的Trainium针对训练和推理都在投入，微软的Maia专门为Azure的AI服务优化。这些自研芯片的共同逻辑是：如果内部工作负载能从英伟达迁移到自研芯片，就能把原本付给英伟达的算力税转化为内部成本节约，利润率就能改善。
这个逻辑是对的，但实现它的成本和难度被严重低估了。
芯片设计本身的成本只是开始。一个先进制程芯片的设计投入通常在十亿美元量级，流片成本在数亿美元，这对谷歌、亚马逊、微软来说不是不可承受的支出。真正的难题在于软件生态。英伟达的CUDA积累了将近二十年，有超过四百万名开发者，有数千个优化好的库和框架。一个新的芯片架构要在软件生态上达到CUDA的成熟度，不是砸钱能解决的问题，而是需要时间和开发者社区的持续投入。谷歌的TPU到今天已经做了将近十年，在TensorFlow上的支持相对成熟，但在PyTorch上的支持仍然落后于CUDA，而PyTorch已经成为AI研究和工程的事实标准。
更深层的问题是，自研芯片让云厂商从客户变成了竞争对手。英伟达现在知道谷歌、亚马逊、微软在自研芯片，它的应对策略是加深与这些客户之外的客户的绑定，同时在CUDA生态上持续投入，拉大和替代品之间的软件生态差距。云厂商自研芯片的努力越成功，它们和英伟达的关系就越对立，而英伟达可能采取的报复性措施——比如优先向其他客户供货、在新一代产品上设置技术壁垒——会让云厂商在过渡期里付出更高的成本。
自研ASIC是一条出路，但它是一条代价极高、周期极长、而且只有谷歌、亚马逊、微软这种规模的玩家才负担得起的路。对于阿里云、腾讯云、百度云这样的中国云厂商，在出口管制限制了先进制程芯片供给的情况下，自研ASIC的路径更加崎岖，因为它们同时还面临芯片代工的制程限制。
云厂商的真正出路在哪里
如果单纯的算力业务是低利润的陷阱，自研芯片又是代价极高的长期赌注，那云厂商的真正出路是什么？
出路不在算力层，在应用层和数据层的垂直整合。
这个判断的逻辑是这样的。云厂商拥有一个极其宝贵但还没有被充分货币化的资产：它们的企业客户关系和企业数据访问权。AWS的企业客户把大量业务数据存储在S3，Azure的企业客户把大量工作流运行在Azure的云服务上，Google Cloud的客户把大量分析工作负载运行在BigQuery上。这些数据和工作流是AI时代最稀缺的资产——它们是真实的企业数据，有明确的商业价值，而且已经在云厂商的基础设施上运行。
云厂商如果能把这个数据资产和AI能力结合起来，为特定行业提供垂直整合的AI解决方案，它的利润逻辑就会从"卖算力"变成"卖智能业务结果"。卖算力是按量收费的大宗商品生意，竞争的是价格。卖智能业务结果是按价值收费的解决方案生意，竞争的是效果。这两种生意的利润率差异可以有数倍甚至数十倍。
AWS在医疗数据分析、金融风控、供应链优化这些方向上已经开始做这件事。Azure通过收购Nuance切入了医疗语音识别和临床文档这个高价值垂直场景，这个收购在战略上的意义远超它的收购价格，因为它让微软在医疗这个数据壁垒极高的垂直场景里建立了直接的客户关系和数据积累。
但垂直整合的路径需要云厂商做一件它们在基因上不擅长的事：深入进入特定行业，理解行业的真实工作流程，建立行业专有的数据积累，和行业里的传统软件提供商竞争。这是一种完全不同于基础设施生意的能力，需要不同的人才、不同的销售策略、不同的产品逻辑。做好了，是真正有利润密度的生意。做不好，既丢掉了算力层的规模优势，又没有建立起垂直层的壁垒，两头落空。
中游的命运已经被历史写好了
产业周期的规律告诉我们一件事：中游的命运不是由中游自己决定的，而是由产业的结构演化决定的。开发商不是因为自己经营不善而陷入困境，而是因为房地产产业的成熟使得它的议价能力系统性地消失。整车厂不是因为自己技术落后而被压缩利润，而是因为电动车时代的产业结构让整车厂的地位从价值链核心变成了价值链组装环节。
云厂商在AI时代面临同样的命运路径。它们现在的规模是真实的，收入是真实的，但这个规模建立在一个正在被压缩的利润基础上。算力从稀缺变为充裕是一个时间问题，不是是否的问题。当那一天到来，云厂商的算力业务会变成公用事业型的低利润生意，就像今天的电力和宽带一样——不可或缺，但定价权极低。
所以接下来最值得关注的，是哪家云厂商能在算力商品化到来之前，在特定垂直领域建立足够深的数据壁垒和应用层粘性，让自己的利润来源从卖算力变成卖智能业务结果。那些能完成这个转型的云厂商，会在部署期活得很好。那些停留在算力层、等着算力升级驱动收入增长的云厂商，会发现自己在做一门越来越像公用事业的生意，规模很大，但越来越难赚到真正的利润。
