AI浪潮下,'卖铲人'更赚钱——被忽视的算力云存储底层逻辑

淘金热潮涌起时，获利最丰的往往不是那些挥汗掘金的矿工，而是兜售工具、饮水、工装裤的商贩。

这条规律在AI时代同样受用。当众人热议哪家大模型更具实力、哪个AI应用更加出圈时，真正闷声敛财的，或许正是那些提供计算资源、云端服务与存储支撑的'基础设施供给商'。

更值得玩味的是，近期产业领域出现了若干新动向，让这些'卖水人'的营非但没有缩水，反而愈发红火。

01 开源模型：并非分食蛋糕，而是把整块蛋糕撑得更大

不少人存在这样的直觉：中国开源模型（譬如Kimi、智谱）物美价廉，会不会蚕食美国AI企业的市场空间？算力需求会不会随之萎缩？

然而现实情况却截然相反。

先看一则案例：Uber把底层模型从Claude迁移至智谱，一年削减了3到4亿美元开支。对Uber而言这是控本之举，但站在整个AI产业的视角审视，这又代表着什么？

它代表着以往无力承担AI服务的公司，如今能够轻松上手了。过去仅大型企业会调用OpenAI的API，现在中小公司同样能将开源模型部署于自有服务器上。用户基数被撑大了，总体算力需求不降反升。

尤为关键的是，众多美国企业不再单纯依托几家大厂的云端API，而是将开源模型部署在自有本地服务器上。由此衍生出一个全新角色——FDE（部署交付工程师），专门协助企业完成模型的本地化部署。

先前算力消耗主要源自OpenAI、Anthropic等头部模型公司的Token调用，如今成千上万家企业都在本地运转模型。需求