云计算的竞争已经进入了一个新的阶段。随着互联网软件企业的云支出收紧，增长放缓已经成为云厂商头顶的乌云。然而，ChatGPT的横空出世打破了这一瓶颈，AI将重塑软件。云厂商的客户——软件公司正在积极地将大模型带来的AI能力嵌入已有的工作流程，完成更高阶的自动化。

在这样的前景下，海外几大云服务巨头——微软、亚马逊、谷歌、甲骨文迅速做出了改变。过去数月，云巨头们已经投入了大量的研发资源，研发大模型、战略投资、自研AI芯片等。在这个新的竞争中，云厂商们开始瞄准了新一代的AI软件客户。

昔日的江山远非牢不可破，云市场正在快速洗牌，巨头们正在展开全新的竞争。毕竟，移动互联网时代老大哥的没落近在眼前，诺基亚几年间从鼎盛时70%的手机市场占有率到无人问津，只在做错决策的一念之间。而对于大模型，云行业迅速形成共识：这次的AI绝非一个小变量，从行业一日千里的发展速度来看，当前领先的玩家也可能被甩在后面。

在这个竞争中，云厂商们开始意识到算力的重要性。稀缺、昂贵是云厂商加快自研芯片的首要原因。连马斯克这样的科技圈权势大佬都评价「这玩意（英伟达GPU）比药品都难搞」，并暗搓搓为自己的AI公司X.AI从英伟达买了一万张卡，还收了很多甲骨文的闲散股权。

这样的稀缺程度，体现在云巨头的业务上，直接对应着「卡脖子」带来的业务损失。即便先下手为强的微软都被曝出由于GPU短缺，内部AI研发团队实行GPU配给制度、各种新计划延迟、新客户上Azure要排队数月等传闻。

稀缺的另一个名字叫做昂贵。考虑到大模型对算力需求十数倍增加，卡只会更贵。年初8万一张的A100单卡，现在已经炒到了16万，还搞不到。相应地，云巨头们的数万张卡要缴纳的「英伟达税」只会是一个天文数字。

云厂商自研芯片，还有另一层所指——GPU并不一定是最适合跑AI的芯片，自研版可能会优化特定的AI任务。诚然，当前大多数先进的AI模型都由GPU提供动力，因为GPU比通用处理器更擅长运行机器学习的工作负载。但是，GPU仍被视为通用芯片，不是真正为AI计算原生的处理平台。正如远川研究所《英伟达帝国的一道裂缝》指出的，GPU不是为了训练神经网络而生，人工智能发展的越快，这些问题暴露得越多。靠CUDA和各种技术一个场景一个场景「魔改」是一种选择，但不是最优解。

在这个背景下，海外云巨头们开始了一场芯片竞赛。亚马逊、微软和谷歌都在开发被称为ASIC——专用集成电路的芯片。这些芯片更适合人工智能。The Information采访多位芯片行业从业者和分析师得出结论：英伟达GPU帮助训练了ChatGPT背后的模型，但ASIC通常执行这些任务的速度更快、功耗更低。

这场竞争已经引起了业界的广泛关注。微软、亚马逊、谷歌和甲骨文等巨头都在投入大量的研发资源来开发更适合人工智能计算的芯片和系统。在这个新的竞争中，他们将面临着来自不同领域的挑战者，包括芯片制造商、算法公司、基础设施提供商等。这些公司都在努力开发和优化自己的产品和技术来满足不断增长的计算需求。

在这个竞争中，微软可能是最具雄心壮志的玩家之一。该公司一直在致力于开发定制版的ASIC芯片，以更好地支持其云计算服务。微软的目标是通过这些芯片来提供更高效、更节能的计算解决方案，以吸引更多的客户和开发者使用其平台。

除了微软之外，亚马逊、谷歌和甲骨文也在不断加强自己的芯片研发能力。这些公司都在尝试通过自研ASIC芯片来提高自己的竞争力。这些芯片可以更好地支持其云计算服务，并且可以更好地满足客户的需求。

除了芯片之外，云厂商还面临着其他方面的挑战。例如，随着5G和物联网技术的发展，越来越多的设备将连接到网络中。这意味着云服务提供商需要提供更高效、更安全和更可靠的服务来处理这些数据。此外，随着人工智能和机器学习技术的不断发展，云服务提供商需要提供更强大和更灵活的计算解决方案来支持这些应用场景。

总之，云计算的竞争已经变得日益激烈。在这个竞争中，云服务提供商需要不断创新和优化自己的产品和技术来满足不断变化的市场需求。同时，他们还需要加强与客户的合作关系，以提供更好的解决方案和服务体验。只有这样，他们才能在竞争中脱颖而出并取得成功。