以亚马逊AWS的SageMaker服务为入口

凌晨三点，一个开发者盯着浏览器里的控制台。计费表在页面右上角跳动，数字精确到小数点后四位。四十七分钟前，他租下了一块图形处理器，用它训练了一个小型视觉模型。训练结束，他点击停止，账单定格在一个不算惊人的数目上。整个过程，那块处理器从未躺在他脚边的主机箱里，甚至不在他所在的城市。它插在一个数千公里外的数据中心机架上，从他在文本框里输入第一行指令到模型完成训练，中间没有任何海关单据、包装箱或物流信息。

那天是2017年冬天，亚马逊网络服务刚把一项叫SageMaker的新功能开放给公众没多久。那时候，那张后来会被装进黑色保护袋、穿过好几道海关、在无尘室里被反复检查的加速卡还没有正式发布。那个凌晨，处理器接通网络后，其物理属性正从使用者的意识中消失，变成眼前这个东西：一个按秒计费的应用程序接口调用，一笔在控制台里实时跳动的数字。这个开发者可能没有意识到，他正站在一条漫长转换链的末端。

链条的起点是荷兰阿斯麦的极紫外光刻机，终点是他浏览器里那个安静的按钮。这个过程看似只是网页前端的一次产品封装，实际上完成了一次权力转移。它把算力从固定资产变成流动负债，把芯片的物理性能翻译成商业世界的现金流语言。

在说清楚这次转移之前，先看一眼这个开发者正在使用的公司。亚马逊的故事众人皆知，但此刻它作为算力征收者的身份，需要从一个更早的起点来理解。

1994年7月，杰夫·贝索斯在华盛顿州贝尔维尤的一间车库里创立了这家公司，最初的名字叫Cadabra。他后来反复提到，自己是受一种遗憾最小化框架驱动，用行动去阻止未来可能萌发的后悔。一年后的1995年7月，Amazon.com上线，卖出的第一本书是侯世达的《流体的概念和创意类比：计算机模型的基本机制的思路》。从2000年起，亚马逊的品牌标志里出现了一条从字母A指向字母Z的微笑箭头，象征商品包罗万象。

二十多年过去，这包罗万象里多出了一种看不见的商品，比书、比百货都更抽象，也更接近那本书所谈论的主题：流动、概念、类比，以及机器如何思考。开发者打开的页面叫SageMaker，是亚马逊网络服务在2017年底推出的一个托管式机器学习平台。

在它出现之前，如果一个人想用图形处理器训练模型，他要做的事远比现在多得多。他得先找一块合适的显卡，插进自己的机器；原来的电源功率不够，要换一个更强劲的；散热要重新设计，否则训练跑到一半就会自动关机；风扇的噪音会像一台吸尘器一直放在桌面。然后，他要安装驱动、安装深度学习框架、处理依赖关系，往往一个晚上过去，模型还没开始训练。

而这一切发生之前，硬件成本已经落地，变成一笔沉没的固定资产投资。如果换成一个公司团队，这笔账还要加上一个懂硬件维护的人，以及一块能容纳服务器噪音的地方。对小本经营者来说，这个门槛几乎是天然劝退。云服务商做的事，就是给这种高门槛的自建压缩机模式提供一个替代方案。

要理解这个替代方案，一个极好的类比是大型商场的中央空调系统。想象一条商业街，夏天到了，每家店铺都需要冷气。如果没有中央空调，每个店主都面临同样的麻烦：自己买一台外挂压缩机，找人在外墙上钻孔，铺设管道，承担电线的改造，忍受外机日夜轰鸣。到了冬天，压缩机坏了，还得自己找人修。整个商场的外墙挂满主机，噪音震天，小本生意根本玩不起。

有了中央空调系统，事情完全变了。商场建好制冷机组，铺好管道，每个店铺只需要装一个出风口和独立电表，按冷气用量交钱就行。店主不再需要知道制冷剂怎么循环，不需要知道压缩机功率有多大，甚至不需要知道那个巨大的制冷机组到底放在商场的哪个角落。他只需要拧开阀门，感受冷气涌出来，然后看一眼电表。用多少，付多少。不用的时候，一分钱不用花。最关键的是，表是透明的，数字是精确的，每一口冷气的成本都留在那里，随时可以查到。云服务商对算力做的事，就是这个类比在数字世界的翻版。

云计算服务商在那些巨大的数据中心里建好制冷机组——数十万块图形处理器、上百种网络设备、极其复杂的存储系统和虚拟化软件——再把算力管道铺到互联网的每个角落。用户只需要在浏览器里打开一个控制台，点击几下，装一个出风口，也就是创建一台虚拟机或一个模型训练实例。然后，独立电表自动开始计费，精确到秒。

这个类比的关键不在于方便，而在于它彻底改变了算力的经济属性。在没有云服务之前，算力对企业而言是固定资产：买进设备，记入资产负债表，承担折旧、维护、电力、空间和人才成本。有了云服务，算力变成了流动负债：用多少算多少，计入运营成本，随时可以停掉。对一个现金有限的小团队来说，这两种状态之间的差别，几乎是生与死的差别。

这个转换直接回应了上一章结尾留下的问题：谁在运作那个网页？谁有权决定算力的定价、分配与用途？答案开始清晰起来。

当那个开发者凌晨三点在控制台里创建一个训练任务的时候，他背后的数据中心里，一块图形处理器被从资源池中划拨出来，操作系统被启动，网络路由被打通，计费器开始跳动。他可以完全不知道这块处理器放在哪个国家、哪个机架、用的是哪条海底光缆。

这种对物理世界的不可见，正是权力的来源。云服务商由此成为算力税的征收者。

在人工智能产业链的每一层，要让算力流动起来，都要向上游支付一笔隐性成本——资金的预支、数据的输送、议价权的让渡、生态的锁定。芯片厂商对云厂商施加了一重算力税：你想买一块高端加速卡，除了付钱，还要等产能，还要接受出口管制的审查。现在，云厂商把这个税制进一步标准化，转嫁给再下游的用户。

用户想要算力，打开控制台，选择图形处理器型号、数量、运行时长，系统报出一个精确到小数点后四位的价格。确认。信用卡扣款。算力税就这么被征收了，悄无声息，规范得像自来水账单。这种征收不是强制性的。

恰恰相反，它看起来极度自愿、极度开放，以至于许多人最初会把这个过程误解为单纯的便利。开放降低门槛，门槛降低导致更多人进场，更多人的算力需求汇集到同一个平台上，这个平台便拥有了更大的采购话语权和定价权。

到这里，云服务层最核心的张力开始显露出来。在这种模式下，后来被行业称为模型即服务的东西逐渐成形。模型即服务不是直接卖给用户一个能推理的程序，而是卖给他一个入口：打开网址，获取令牌，发起请求，收到结果，账单随之生成。想要识别图像、理解文本、预测需求，都不需要自己搭建整套机器。这种方式把人工智能的使用门槛降到了前所未有的低处，同时也把计费规则牢牢抓在自己手里。

它的内在矛盾正在于此：一面把门打开，让每个开发者都有机会进场；一面在门后装上只有它才能拆除的锁。这是一种开放中的封闭。云厂商一方面确实希望降低门槛，让更多人和企业用上人工智能，因为只有用户规模足够大，它巨额投入的服务器集群才能被摊薄成本，那套中央空调系统才不至于成为一座空转的建筑。

但另一方面，云厂商又必须把客户锁在自己的生态里。因为如果客户今天在这家平台训练模型，明天就可以毫无摩擦地把整个工作负载搬到另一家平台，那么这个商业模式就没有护城河可言。有一件关于封闭如何包裹在开放外壳下的旧案值得记住。

2015年，AWS基于开源搜索和分析引擎Elasticsearch推出了自己的服务，取名为Amazon Elasticsearch Service。这件事在开源社区里引发了长达数年的争执。许多人认为AWS是在免费骑乘开源项目的成果，把它包装成商业服务，却没有向上游回馈对等的贡献。

真正要紧的地方不在争执的细节，而在它暴露出来的结构：云厂商可以站在一个开源项目的基础上，用自己的界面、自己的计费系统、自己的管理工具把它变成一个高度封闭的托管服务。用户被吸引进来，不是因为某个开源引擎本身，而是因为这个平台把出风口做得极好用、极可靠、极容易计费。一旦习惯了控制台，再想离开，迁移成本高得吓人。回到那个凌晨三点的开发者。

他用SageMaker训练好了模型，点击部署，把模型发布成一个可调用的端点。他的同事、远在另一个国家的客户、他自己手机上的应用，都可以向这个端点发起请求。每一千次调用，账单上多出一行小小的数字。

整个过程的流畅程度令人心惊。他可能会产生一种错觉：算力是无限的，像空气一样随手可取。而事实上，他的每一次调用，都在向那条隐形的链条支付一笔刚刚才被发明出来的税。

截至2021年底，AWS在全球云服务市场中占到了大约百分之三十三的份额，这是按基础设施即服务和平台即服务统计的数字。换句话说，这个最初从在线书店起家的公司，在卖算力这件事上，已经把全球三分之一的买方都变成了自己的租户。而它所提供的产品和服务总数，在2021年底已经超过两百种，涵盖运算、存储、网络、数据库、数据分析、应用服务、部署、管理、机器学习、移动、开发者工具、机器人和物联网工具。这两百多个入口像一张巨大的网，绝大多数并不直接面向终端用户，而是通过开发者接口供人调用。

这意味着，云厂商不仅卖算力，还在指导如何理解、拆分和组合算力。这正是翻译层的含义。

云服务不是简单地把图形处理器挂到网上，而是把芯片的物理性能翻译成商业世界的现金流语言。一块加速卡的物理能力，是每秒可以进行多少次矩阵运算，这是工程语言；一笔SageMaker训练任务的账单，是一小时多少钱，这是商业语言。云厂商站在两者中间，用一个控制台完成翻译。企业不再需要理解前者，只需要为后者付费。

这个过程让算力第一次真正变成一种可以精确计量、可以实时结算、可以按需伸缩的商品。而这个商品的定价者，掌握着翻译的字典。这种掌握字典的力量，就是云服务层在整个产业链中的权力所在。

芯片厂商无疑拥有对底层硬件的控制力。一个有力的反方解释由此而来：人工智能产业链本质上是芯片厂商主导的垂直整合，其他层只是其利润捕获的延伸，开源和应用层无法真正改变底层算力垄断，云厂商只是芯片巨头的高级零售商罢了。这个说法并非空穴来风，但它漏掉了一个关键事实。

芯片厂商卖的是芯片，而云厂商卖的是算力。芯片是固定资产，算力是流动负债。一个交易的是所有权，另一个交易的是使用权。这两种市场的游戏规则完全不同。

芯片厂商可以控制一块卡卖多少钱，但云厂商可以决定这块卡在小数点后四位被切分成多少块出租。同样一块物理加速卡，可以被切成二分之一、四分之一乃至更小的虚拟实例，按小时租给不同的人。

这个切分动作看起来是技术性的，实质上是一场重新定义财产的仪式。卡还是那块卡，它的所有者没有变；但算力已经变成了很多人手里不同的时间片段。谁有资格切分，谁就在收税。正是这种切分权，让云服务层在价值链上占据了不可替代的位置。

凌晨四点零八分，这位开发者的模型已经部署完毕，开始接收真实世界的请求。他合上笔记本电脑，准备去睡觉。账单一栏还在缓慢增加，每秒钟往上跳几分钱。他并不需要去机房关闭任何机器；资源池会在他设置的运行时间结束后自动释放，那块处理器会回到池子里，等待下一个人按下启动按钮。他站起身来，瞥了一眼窗外。

这座城市的大部分人还在沉睡，而他的模型正在某个数据中心的某个机架上安静地做出预测。这个画面温暖而流畅，几乎像一则科技公司的宣传片。

但任何在深夜查看过一张超预期云账单的人都知道，这种流畅是有代价的。云服务的计费条目可以精细到令人不安的程度：计算时长、存储空间、数据传输、接口调用、静态地址占用、日志存储，每一项都有单独的计价单位，每一个计价单位都构成一个潜在的成本黑洞。一个测试脚本忘记删除，就可能在整月里持续产生费用，因为每一次对外请求都触发一条计费记录。这种恐惧像冰箱门没有关严一样持续耗电。这种时候，中央空调系统的电表感就变得格外具体：它分毫不差地记录着你的每一口冷气。成本还不是最深的锁定。最深的锁定在于，你逐渐失去离开的能力。

你的模型训练在这个平台专用的镜像里，你的数据存在这个平台的存储桶里，你的权限体系依赖这个平台的身份管理服务，你的调用日志和监控指标由这个平台的应用程序接口提供。哪怕另一家云厂商的价格更便宜，把这些东西全部迁走的工程量，会给你一种在深水区换乘游轮的感觉。你已经被温柔地抱住了。

而这正是云服务商业模式的内在矛盾：它要足够开放，才能把足够多的人请进来；它又要足够封闭，才能把这些人留下来。这种矛盾不会摧毁云服务，反而构成了它的核心张力，甚至构成了它的生命力。

每一家主流云厂商都在重复同一个动作：推出一批新服务降低门槛，同时收紧生态的整合度，让迁移成本看起来永远高得不成比例。这个双面动作循环往复，形成了云服务层的基本节律。

但就在这个节律看似无懈可击的时候，一个细微的裂缝开始出现。这个裂缝不在云厂商自己的商业策略里，而在一个更上游、更基础、也更容易被忽视的地方：模型本身。

如果把SageMaker那条流水线拆开来看，开发者其实是在为一个明确的模型能力付费。他选择模型框架，准备数据，训练出特定参数，再把这个参数组合部署成服务。整个过程中，真正让他打开控制台的是那个参数组合所能做到的事——能不能识别图像、能不能理解文本、能不能预测需求。

云平台提供的算力是这个能力得以诞生的工厂。但工厂本身并不等同于产品。

2017年SageMaker刚发布的时候，大多数模型还是各家公司自己训练的私产。云厂商提供的是工厂车间：算力、工具、部署管道。这个位置让云厂商既强大又安全。

然而，技术在它的下层悄悄移动。一个已经训练好的模型，本质上是一组数字权重。这组权重被训练出来后，就不再依赖训练它的那套硬件。它可以被复制、被上传、被下载，像一个压缩文件。

如果某个模型本身的权重文件被公开放到网上，任何人只要拿到它，就拥有了一台已经训练好的机器。你不再需要云平台的训练能力，只需要一个比SageMaker简单得多的推理调用。

原始算力仍然可以由云平台提供，但通往模型能力的路却绕过了那台最赚钱的中央空调主机。

这个变化像一粒沙落入齿轮。它不会立刻让云厂商的收入断崖式下跌，但它从根本上松动了那部字典的权威。当模型权重不再稀缺，云厂商借以收取翻译费的核心依据——它掌握着从数据到模型到服务的全流程能力——开始出现一个可以被绕过的岔口。算力的权力格局开始发生微妙而深刻的位移。

凌晨四点十分，计费表还在安静地跳动。这位开发者可能没有意识到，他刚刚完成的那个动作，正处在一条权力曲线的前半段。云服务的这台中央空调系统还在高效运转，为无数深夜的开发者提供着无穷无尽的冷气。

但在它看不见的某个地方，有人正在把制冷的原理图直接贴到墙上，任人取阅。而这张原理图一旦被公开，那些习惯了自己装压缩机而不是租出风口的人，就会有另一种选择。

空调管道仍然存在，但租金定价者不再拥有全部谈判筹码。云服务的商业成功仍在持续累积，数字还在上涨，但它背后的锁定条件已经不再像看起来那样牢不可破。

这个脆弱性还没有完全显现，只是安静地站在控制台页面之外，像一颗尚未被点击的下载链接。