AI 时代，谁能够率先吃到红利？谁又能掌握市场主导地位？
2022 年末 ChatGPT 引爆本轮 AI 巨浪后，这一直是投资者、市场最为关注的问题之一。
目前来看，英伟达等 " 卖铲子 " 的硬件厂商已捷足先登，成为 "AI 经济学 " 的底座与核心，也形成了增长规模最庞大、利润最丰厚的商业模式。
但再往 AI 产业更上层看，包括云平台层、模型层、应用层，情况却一直不太明朗。
虽然大模型一直是技术、市场关注的焦点，应用层则被寄予 "AI 落地，走入各类生活场景 " 的厚望，但从近期的一些动向来看，正重新夺回 " 议价权 " 的云平台，或许才是更能掌握主动的那一方。
不做 " 模型搬运工 "
此前，业界曾有过关于云平台是否会被模型厂商替代或遭遇 " 管道化 " 的讨论。
在 " 替代论 " 看来，如果大模型本身具备了走向 B 端、C 端的能力，云平台的基础设施价值就会被稀释。此外，AI 也可能会击碎云平台按服务器时间计费的商业模式，行业转向 " 结果导向 "，按 Token 计费后，企业就不会甘于再购买 " 计算时间 "，而会更倾向于直接购买 " 智能 "。这个逻辑也很像今年 "SaaS 股崩盘 " 时，" 按席位计费模式 " 将被终结的叙事。
而所谓 " 管道化 "，在通信市场中主要是指运营商投入巨资建设网络，却沦为使用者的水管，丰厚利润被上层应用卷走。类比到 AI 领域，就形成了投资颇巨的云平台，却很有可能被上层模型厂商、应用厂商在利润分配中压制，导致自身沦为存在感和利润都较微薄的算力 " 搬运工 "。
本轮 AI 浪潮奔涌之初，大模型确实出尽风头，缺少大模型绑定的云平台则在市场中遭遇一定质疑。不过，AI 产业发展至今，不但 " 替代 " 没有发生，云平台也根本不甘于做 " 模型搬运工 "，反而通过自身的积累和新的运营模式，在利润分配上隐隐占了上风。
目前，云厂商正积极扩充自身的模型阵容，并大举推进 MaaS 平台，将来自不同供应商的大模型整合为标准化 API。
今年 4 月底，先是微软 Azure 与 OpenAI 结束了延续七年的独家合作协议，OpenAI 得以向所有云商开放全部产品。亚马逊 AWS 随即就宣布将 OpenAI 最新模型、Codex 编程助手及 Managed Agents 纳入其 Bedrock 平台。这被视为 AWS 对 Azure AI Foundry 和 Google Vertex AI 的关键反击，也让市场看到了 AI 云竞争的激烈，和巨头将更多模型纳入自身体系的决心。
而更可能对模型厂商造成冲击的，可能是云平台 " 模型超市 " 模式。
亚马逊 AWS 的 Amazon Bedrock Marketplace、阿里云百炼平台 Token Plan、字节跳动的火山引擎方舟 Coding Plan 等 " 模型超市 " 类多模型订阅服务，可让使用者支付月费后同时调用多家头部模型，且价格相较顶级大模型的订阅套餐相差不多。
从根本上来说，" 模型超市 " 能够降低门槛，但同时会让底层模型在开发者面前变得高度同质化和可替换。而在 AI 发展的这个档口，大模型确实出现了能力愈发趋同，技术代差逐渐缩小、迟迟难以盈利等问题。一旦大模型的定位从产品端被降维到了技术供应端，云平台就更易通过控制入口攫取价值，并藉此夺回 " 议价权 "，也掌握市场主导权。
另一方面，云平台还能借此完善生态，即使 API 价格卖得低，也能够通过生态捆绑带动云存储、数据平台等更高价值的服务，寻求自身的利益最大化。
在 Agent 时代 " 大显身手 "
今年最火的当属 AI Agent，从 " 龙虾热 " 到各大厂商推出的各式各样的 Agent 产品，Agent 时代已真正拉开帷幕。
云厂商也在新一轮浪潮中找到了 " 大显身手 " 的机会。
如果想让 Agent 真正实现商业化应用，尤其是在企业层面应用，并进一步泛化到行业场景中，首先要解决的就是安全和稳定运行的问题。其次还要让 Agent/Agent 团队更便于管理，符合企业工作流、业务场景的需求。
目前来看，不论是模型厂商做 Agent，还是直接面向市场的 Agent 应用，在这些方面都有所欠缺。而且，对企业、行业来说，在地基并不牢靠的情况下，绑定单一模型或应用也存在风险。
而对于云平台来说，安全、稳定、企业服务等正是其长处。
从一些案例来看，除了能够在统一安全框架内自由替换底层模型，云平台还能为企业用户提供基础设施级的安全笼与治理基座，保障运行和数据等核心资产的安全。此外，还可以将 Agent 深度嵌入企业已有的身份、权限与审计治理体系，方便企业操作、管理。
目前，云厂商的 Agent 攻势已进入加速阶段。
就在 5 月 20 日的 "2026 阿里云峰会 " 上，阿里云发布了 " 千问云 " 产品官网，提供 150 多款主流模型 API。据悉，该模式的 " 用户 " 不是 " 人类 " 而是 Agent，其通过将模型服务的核心能力封装为 Skills 和 CLI 工具，让 Agent 自己调用模型、开发 AI 应用。从目前峰会透露的消息来看，" 千问云 " 也为此重新设计了底层架构，从最终结果来说，Agent 调用模型可以不再纠结底层适配，而模型需接受 " 千问云 " 设定的安全框架、身份体系和审计规则的约束。对于企业来说，则能够更放心、灵活地使用 Agent。
前文提及的 AWS，也在致力于将 Bedrock 打造成 AI Agent 市场。在接入 OpenAI 模型时，即提出了 Bedrock 上的相关模型需 " 继承客户依赖的企业控制机制 " 等详细要求。此外，Bedrock Managed Agents 还主打每个代理拥有独立身份，记录每次操作，在客户 AWS 环境中运行且所有推理在 Bedrock 上完成。这些都为企业便利接入、使用 Agent 提供了可行性，也进一步将相关市场绑定进了自身的云生态中。
此外，Azure AI Foundry 今年也推出了 " 代理身份 " 功能，让每个 Agent 在服务中拥有独立身份，可通过权限控管、稽核与记录掌握行为轨迹。Google Cloud 也在一贯擅长的 " 安全性 " 上出牌。升级为 "Gemini 企业 Agent 平台 " 的 Vertex AI，近期增加了安全策略执行入口、智能体异常行为检测机制等安全功能，并于 5 月 14 日正式上线针对 Vertex AI 的安全防护。
云平台的出手，可能会成为 Agent 规模化落地、跑通商业模式的关键。实际上，从市场化的角度来说，企业在 AI Agent 采购中，最关心的未必是 " 哪个模型最好 "，而很可能会优先考虑 " 哪个模型最适合自己，能最安全、听话、高效地在公司的体系中跑起来 "。
2026 年只是 Agent 规模化落地的 " 元年 "，产业、商业上的竞逐和格局重整才刚刚开始。目前来看，云平台不仅有夺回 " 议价权 " 之势，通过将模型公司纳入自己的安全治理体系，他们可能会进一步成为市场的主导者，甚至游戏规则的制定者。
（作者｜胡珈萌，编辑｜杨林）
