从来没赢过 Claude, 云厂商为什么不放弃自研模型?

现在模型公司一个比一个能打，Anthropic都要冲万亿美元估值IPO了，云厂商自己训的模型，性能追得再紧，好像也没见着赢过谁。那云厂商图什么？为什么不老老实实卖算力、卖芯片，谁模型强就伺候谁，说不定还能顺手入股赚一笔浮盈，何必自己下场烧钱陪跑？

这个问题我琢磨了挺久，越想越不对劲，"卖算力还是做模型还是持股"根本不是一道单选题，头部玩家自己训模型看起来是模型团队的小心思, 实则藏着公司层面的大棋。

谷歌一边把TPU整机卖给外部客户，一边死磕Gemini，一边还在加码投资Anthropic；亚马逊靠Trainium芯片和Bedrock平台做算力生意，自己也憋着Nova模型，同时又是Anthropic最大的外部股东，转头还砸了几十亿美元进OpenAI最新一轮融资。

这种既要又要还要, 不是巧合，这是对冲、是议价筹码、是资本逻辑，缺一个都会在某种情景下把自己暴露给狙击手。

先说"只卖算力"，账到底怎么算

云厂商现在同时干两种生意：一种是把GPU、TPU按小时租出去，或者干脆把整机卖给客户自己搭数据中心；另一种是把模型封装成API卖token。这两门生意的赚钱效率天差地别。有研究机构测算过，亚马逊、谷歌、微软这几家的模型调用（Token as a Service）业务，年化收入已经过百亿美元规模，而且这门生意的利润率明显比单纯批发算力要高。说白了，同一块芯片，租出去让别人训模型，赚的是包工头的辛苦钱；租出去的同时还搭售自己的模型服务，赚的才是总承包商的钱，议价权完全不是一个量级。

谷歌最近一个季度财报里有个细节挺有意思：管理层说要开始把TPU整机卖给"特定客户"部署到他们自己的数据中心，但CFO在电话会上补了一句——这类订单大部分其实还是记在云服务的积压订单里，只有很小一部分算作硬件销售收入。连谷歌自己内部的财务记账逻辑，都更愿意把"卖硬件"包装成"卖服务"，因为服务型收入的估值倍数摆在那儿，资本市场买账的方式完全不一样。

再往深一层看，"只卖算力不做模型"还有个容易被忽略的风险：你会丧失对自己资本开支节奏的判断权。阿里巴巴之前公布过一个数字，三年要投3800亿元人民币在AI硬件和云基础设施上，超过过去十年投入的总和；谷歌2026年的资本开支也是千亿美元级别。这么大的赌注砸下去，如果你自己不训模型，不知道下一代模型到底要多大规模的集群、什么样的互联架构，你对资本开支该往哪个方向砸、砸多少，完全得看外部客户下不下单——客户一旦砍单，产能就直接砸手里了。反过来，自己训一个旗舰模型，相当于给这笔资本开支上了一道内部保险：外部订单波动的时候，自家模型团队至少还在持续消化算力。谷歌的Gemini 3能成为TPU对外商业化最硬的招牌，本质上就是"先自己吃自己的狗粮，再拿这个成绩单去说服外面的客户"——Gemini 3完全是用TPU训出来、跑出了世界顶尖的水平，这件事本身就是TPU对外销售最好的广告。 在国内可以找到同样的剧本, 例如oceanbase最早最硬核的背书就是来自自家业务: 淘宝数亿用户的收藏夹业务, 后来是双十一的支付宝交易, 这些都是在电商领域全球最大规模的业务, 双十一的洪峰甚至可能是全球最大的业务规模, 这些就是最佳证明.

再看亚马逊。它的Nova模型远算不上第一梯队，目前靠着 Bedrock 平台整合几十家模型供应商、加上Trainium芯片和对两家头部模型公司的持股，云业务规模依然是全球最大。但是, 即使全球云第一, AWS的CEO还是道出了这句危机感十足的话：“这两年因为Bedrock上一直没有OpenAI最好的模型,等于"逼着"开发者要么留在AWS, 要么去别处才能使用顶级模型,这对AWS是不利的局面,直到今年才把这块补上。” 连亚马逊自己都承认,没有顶级模型接入曾经是短板,只是它选择用"开放平台整合别人的顶级模型"来补这个短板,而不是完全绕开模型这条线。

自己训模型，到底图什么

很多人把"要不要做模型"理解成"能不能打赢OpenAI、Anthropic"，这个框架从一开始就想岔了。自研模型真正的作用，是让云厂商在跟第三方模型公司谈判的时候，手里攥着一张"我随时可以不靠你"的底牌，同时也是往上叠加更高毛利产品的地基。

阿里的财报数据把这一点摆得很清楚。阿里相关负责人在电话会上明确说过，百炼这个模型即服务平台上，虽然同时托管着多方开源闭源模型，但真正把钱赚回来的绝大部分还是自研的通义千问——这说明自研模型不是财报里锦上添花的故事，是现在挑大梁的收入主力。往上看一层，阿里云今年5月还专门面向海外市场推出了Qwen Cloud官网、Agent产品MuleRun、编程助手Qoder，这一整套动作背后的逻辑是：有了自己的模型，才有底气往上叠加Agent、编程助手这些更高毛利的应用层；没有自己的模型，这些应用层要么做不出差异化，要么大部分利润会被上游模型供应商截走。

通义千问选的是开源路线，这跟国内另外两家打法完全不一样——豆包走的是免费换用户规模、之后转订阅付费支撑算力成本，DeepSeek走的是极致性价比扩大生态影响力，通义千问走的是开源加性能双轮驱动、抢占全球开发者心智。开源模型本身几乎不赚钱，甚至要倒贴训练成本，但它的商业价值在于开发者用惯了Qwen的权重，最后大概率会留在阿里云上做部署、微调、买算力——开源是免费的鱼钩，云服务才是收钱的鱼线。新加坡国家人工智能计划采用阿里的开源生态去构建东南亚多语言模型，就是这套打法在海外落地的一个具体案例，虽然眼下也就是个案，还谈不上已经验证成规律，但方向是对的。

顺带说一句需要辩证看的地方：阿里云市场份额目前在国内AI云市场遥遥领先，AI相关收入占比也一路走高，这两件事经常被放在一起当因果讲——"因为Qwen强，所以份额高"。但严格说，这更准确的表述是"相关"而不是"因果"：份额领先也可能跟阿里长期积累的企业客户基础、电商生态协同有关系，AI收入占比走高也可能是整个行业AI渗透率提升带来的普遍现象，不完全是Qwen这一个模型自己拉动的。这不是要否定自研模型的价值，只是提醒自己不要把相关性直接当成确定的因果证据来用。

持股这条路，是不是"稳赚不赔"

再看第三条路——直接入股模型公司。这条路账面回报确实非常亮眼：亚马逊、微软、谷歌三家加起来大概只掏了250亿美元现金，账面上持有的Anthropic股权价值一度冲到1710亿美元，而Anthropic自己又承诺要向这几家投资方购买超过750亿美元的基础设施服务。仅2026年一季度，Alphabet和Amazon两家单靠股权重估和摊薄收益，就在利润表里记了大约500亿美元的非现金收益。

这笔账听着像天上掉馅饼，但细思极恐：这本质上是一种"钱绕一圈"的循环结构——投资款流出去，模型公司拿这笔钱回头买投资方的云服务，投资方又因为模型公司下一轮估值上涨而账面浮盈，三笔钱记在同一张资产负债表的不同科目上。这不是财务造假，是真实存在的商业安排，但它意味着: 这份账面回报能不能持续，完全取决于模型公司下一轮融资估值还能不能继续往上冲(所以越早轮次入股的,只要没出来,越挣钱)。Anthropic马上要IPO了，这将是第一次把这些账面持股换算成真金白银市值的时刻——在那之前，所有的"浮盈"都建立在一级市场估值这个相对主观的数字上，二级市场愿不愿意用同样的倍数买单，谁也不敢打包票。

而且持股从来不是"我不做模型了、我只当股东"的替代选项。谷歌一边重仓Anthropic，一边完全没放弃Gemini；亚马逊更极端，它同时是Anthropic最大的外部投资方，又押注了OpenAI最新一轮融资里高达50亿美元的额度——同时下注两个互相competing的对手。逻辑很直白：与其赌自己的模型团队一定能追上第一梯队，不如把两家最有希望跑出来的模型公司都变成自己的云客户兼它们的股东，不管最后谁赢，算力订单和股权收益都落在自己账上。这是一种典型的"既要又要"式对冲，不是二选一。

既要又要还要，到底对不对

把这三条既要又要还要放在一起看会发现，能同时做这三件事的公司，都有一个共同的前提——自己手里有一个自建的云基础设施业务当底座。不管模型输赢，算力订单和云服务收入都会落进自己的报表，这是一种结构性的"稳赚"优势。而纯模型公司没有这个底座，它们的命脉完全系在模型本身能不能一直领先上，风险敞口集中得多——这也是为什么Anthropic愿意用几百亿美元的采购承诺去换股权投资和算力保障，对没有云底座的公司来说，绑定云厂商是刚需，不是加分项。

反过来说，如果一家公司连云底座都没有，硬要学巨头这套"既要又要"的打法，大概率是东施效颦——没有云业务反哺现金流，模型研发的每一分钱都得从模型收入或者融资里挤出来，风险集中度天然更高，这类公司更该做的是把资源All in到一两个能打的方向，而不是照搬平台化的打法。 说得更直白一点, 你的现金牛业务和大模型是否能形成正循环, 模型做得越好, 你的现金牛业务也能相应的受益做大, 例如 deepseek 和 量化交易就是正循环, 字节的视频业务/云业务和模型(特别是视频生成模型)也是正循环.

真正的风险其实不是"选错了路径"，而是三条腿的资源投入比例失衡——既想赌模型进第一梯队，又想赌芯片自主可控，还想靠持股面面俱到，结果每一条腿投入的强度都不够看，陷入"什么都做但什么都不精"的资源稀释陷阱。谷歌明显偏"模型优先"，Gemini本身的实力反过来给TPU对外商业化撑了腰；亚马逊明显偏"平台+算力优先"，自研模型投入相对克制，更多靠整合别人家的模型和持股来补位。这两种资源配置比例本身都不算错，错的是既想学谷歌又想学亚马逊，最后哪条腿都做成半吊子。

中国市场还多了一层海外没有的变量：先进制程GPU进口受限，这让"自研模型"和"自研芯片"被迫捆绑得更紧。阿里旗下的平头哥"真武"AI芯片已经出货47万片，阿里云公有云平台部署的真武GPU超过10万卡——只有自己训模型，才知道自研芯片在真实工作负载下到底差在哪，需要往哪个方向优化；反过来自研芯片跑得动，模型训练的成本和进度才不会被卡脖子。这种全栈打通的压力，在中国比在美国要大得多，单纯"卖算力"在芯片供给本身就紧张的情况下，也未必真的卖得动、卖得出价钱。 所以你应该能理解华为为什么又重提盘古大模型了吧? 因为它要卖GPU、超节点, 它自己都不做大模型怎么能让GPU遥遥领先? 英伟达自己都做nemo呢!

总结

回到最开始那个问题：谷歌要不要接着做Gemini? 阿里云要不要接着死磕Qwen? —— 答案是肯定的, 你怎么看?