听说 AutoDL 和 CodeWithGPU 卖算力很牛，看看怎么回事
最近听说 AutoDL 和 CodeWithGPU 平台赚钱能力牛儿逼之，属于无敌的那一类。简单看了一下这平台，思考了几个有意思的点。顺便跟国内以算力要素起势的另一种形态的平台 Gitee AI 横向简单“对照”了一下。
不是什么专业深入的分析，只是观察，思考，觉得其中有有意思的方面就梳理了。
一、直接利用 GitHub 上的开源 AI 应用，这点很关键
首先，这两个平台是一个平台，算力提供 AutoDL，应用生态 CodeWithGPU。
所谓的算法社区，它上边主要就是 AI 应用这么理解。跟 Gitee AI 一样，它的“镜像”就是空间/Space/应用，但它做得好的是有人工维护这些镜像。
首先它从 GitHub 上同步这些应用，然后会进行人工中文详细介绍，去部署维护。相当于直接得到了大量 AI 应用。
Gitee AI 目前缺少 AI 应用，而他们家直接镜像 GitHub 上的 AI 应用，精准有效的冷启动和后续常规运作模式。靠 UGC 或者 PGC 或者 AIGC，目前去做这种事情都不乐观的。
二、本质卖【算力】，CodeWithGPU 作为【算法】社区
在大模型时代，重新以“算法+算力+数据”这个视角来看一个 AI 平台，是挺有意思的。
算力优势先不提了，完全不了解。
当前 Gitee AI 算法优势比不上 CodeWithGPU，就是前边说的，目前 Gitee AI 在头疼没什么人使用平台开发出 AI 应用，还造不出声势，而 CodeWithGPU 直接镜像 GitHub 上的 AI 应用，应用生态（这里所谓的算法）基本盘快速起来了。
数据优势，当前在终端使用者这一层，大模型直接把数据给吃好嚼好吐好了，数据优势只能从垂直化、hook 化去思考，这应该也是之前做 RAG 的那些创业公司包住的价值入口。企业业务领域垂直，数据又需要能给进大模型，就是垂直化和 hook 化。
所谓的 hook 化是相对大模型封闭黑盒属性来说的，那像 RAG 这种，就是最主打 hook 数据进大模型的方案。
垂直化主要分两种来说：开放的，比如代码 —> 编程助手、AI IDE 之类的；封闭的，比如企业内部业务数据资产 —> 看板功能、效能度量之类的。
这么看下来，我没看出 CodeWithGPU 产品目前在数据上有什么优势。反而是 Gitee AI，背后 Gitee 的企业项目管理能力上是可以发力的。
毕竟有 30 几万企业用户，数据在这里，怎么让这些数据发挥能力，成为大模型时代的数据优势。在用户侧发挥能力 + 直接让数据给平台能力做反馈指导。
三、本质是个云厂
AutoDL 很直接，本质就是个云厂，用户操作就跟买云 ECS 一样。Gitee AI 这方面是完全不一样的，虽然也提给算力，但主要是个给开发者提供工具的平台，给算力这一层不是这么直接售卖的。
另一个角度看，像华为、摩尔线程等外部厂商，在这么直接转化的用户侧模式上，他们当然更乐意接入商务合作。
四、受众是什么？到底怎么赚钱？
回过头来看一个问题：AutoDL 和 CodeWithGPU 的受众我看得有点迷了。
Gitee AI 主要方向应该是在提供更多极客向的给到开发者去开发的能力，这应该是核心。不过目前肯定还没特别到位，这个领域肯定还是缺了那么一部分东西的。核心是：极客向、便利于开发。
AutoDL 其实就像现在阿里云之类的云厂，强演示与售卖，比较直接。除了演示和售卖，你看不到其它给到开发者便利的能力。
那它面对的到底是大众还是开发者还是企业（小企业）？它的营收不是主要来自私有化？（其实也是卖服务器，一体机类 https://www.autodl.com/machine/list）
是不是可以按对云厂的分析去看这家公司？而又是否可以按对云厂的分析去看它能否做大做强？
有人跟我说他们家收入的主要来源是大学生，看着像 toC，但实际上难道不能解释为 to高校 从上而下的模式吗？这也不是 toC。
还有人跟我说非 IT 领域的大众也能触动来这里买单，在当前它们的这产品形态来看，我是不认可的。你让不懂的人怎么跑起来一个实例？怎么去搞那些参数？他们只会在使用应用的环节接入。
当然，我不是不认可说能够触动普通大众去为算力买单。但说实在的，当下行情看，这本身也不容易，强如大模型五花八门的应用圈子，真正赚的普通大众钱的，算投入产出比，是什么样？更别说直接面对算力了，它比应用层对于用户的胶着绑定和触动还隔着十万八千里。
五、粗暴小细节
另一个点比较有意思：AutoDL 甚至还省存储和维护的钱，它用“共享数据”的方式，直接让人挂百度网盘。
