图片来源@视觉中国
文一千二百字
当快手宣布斥巨资在内蒙古建设大型数据中心时，外界多少有点惊讶：短视频玩家如今都这么大手笔了吗？看来短视频的广告吸金能力的确了得。
因为在一般印象里，这只是互联网大厂的玩法，比如 BAT、亚马逊、微软、Google 和苹果。大型数据中心的前期投入、日常运维、设备折旧等成本加在一起不是个小数目，一般中小企业没人选择自建，自己机房不够用了，可以选择买云计算。
快手把数据中心选址内蒙古乌兰察布，这倒没什么稀奇，几家互联网大厂已先于快手在此建厂。低温、干燥、风能发达、地价和电价便宜，这些都是 IDC 数据中心的利好项。其中的核心是电费，乌兰察布隶属于蒙西电网，电价上有优势，不排除当地对这种互联网新经济有招商政策优惠，电费可能会更优惠。同时该地离北京也不远，兼顾了数据传输过程中的时延问题。
既然快手计划已定，前期一定是经过仔细预估与测算的，无非是把“自建数据中心是否划算”的考量标准放在了未来，而非眼下。假如未来短视频成为内容消费的主流，甚至超过图文的规模，自建是不是可以靠规模效应降低 IT 成本呢？
在海外疫情初期，用户通过 Netflix 订阅视频的需求集中释放。Netflix 针对欧洲地区用户的视频清晰度做了一定限制，比如以前能看高清的，现在凑合看普通吧，以缓解并发状态下的视频传输压力。Netflix 是使用亚马逊 AWS 的，“限速”的做法应该是出于成本与用户体验考虑。
由于年报中没有给出具体的成本构成数据，所以关于服务器带宽这块的成本占比不清楚，但年报(10-K)中有披露 Netflix 在流媒体数据传输与云计算方面的合同，是截至 2019 年底。下图中红色部分 Other purchase obligations 就是这个数据，不同年限的云计算合同加总后是 8.94 亿美元，约合 63 亿人民币。虽然在会计处理上要把这些支出分几年摊销到利润表中，但总体看这也不是一笔小数目。当然这比版权支出要小得多。Netflix2019 年收入是 201.6 亿美元。
下面说说国内厂商的情况，选取了几家在视频与直播领域的头部上市公司制了一张表，包括爱奇艺、哔哩哔哩和 YY，来看一下 IT 成本在各自总收入中的占比及变化趋势。
由于各自业务形态与规模不同，三家横向之间没有太多可比性，主要看各自变化趋势。除了哔哩哔哩，另外两家的 IT 成本在总收入中的占比呈缓慢上升趋势，这也是大部分同类厂商的变化特点；而哔哩哔哩原本这一占比较高，这几年的趋势是一直在下降，效率得以改善。总体上，这类厂商的确很消耗服务器带宽，这也是直接决定毛利率的一个因素。字节跳动也在布局这块。
刘强东早年在接受电视媒体采访时曾感慨，当年把重金压在了自建物流上，错过了对支付的布局。当时京东也没有额外的资金和精力去做支付。现在看，自建物流虽然连年拖累利润，但它也成为京东的一个错位竞争优势，左右着消费者购买决策，基础设施重要性不言而喻。京东物流现已开放，未来能否从成本中心转变成利润中心还有待观察。
而自建数据中心对于快手，目前看更大可能性是满足自用，在错过云计算先发优势十年之久再去谈未来的开放，难度应该很大。如果仅从投资回报率角度看，快手的这一手的确很大胆，有一定风险，也表明了管理层的野心与远见。
除了财务考量，另一个风向可能更说明问题——电商数据与智能化。
董明珠前几天在快手直播带货；丁磊马上也要上快手为严选带货；再加上京东与快手达成合作；有第三方研报数据称快手一年带货 GMV 达数百亿元，等等。站在快手官方对外宣称的 DAU 日活跃用户数突破 3 亿这个局面看，快手是有希望在掌握用户短视频偏好的同时进一步了解用户消费大数据的，特别是针对下沉市场这一金矿。
在推荐算法的年代，对用户越了解，喂给机器算法的大数据维度越广泛，训练出的机器推荐就越聪明、越智能，自建数据中心就像一个沉淀池。快手 CEO 宿华曾是 Google 出身，自然是深谙此道。这样看，快手的野心未来不会止步于短视频。
就在前两天，支付宝自研的分布式关系型数据库 OceanBase 在诞生 10 年后宣布成立独立公司。一般这种操作意味着与外部商业合作需求已成规模，从自用走向开放，以独立身份去渗透市场会更便利。在 IBM 小型机-Oracle 数据库-EMC 存储的传统金融级 IT 架构中，数据库环节是最难迁移到云端的，去掉 Oracle 谈何容易，而计算与存储相对容易。所以这是蚂蚁金服在强化自身科技属性道路上的重要一步，企业级服务的上升空间将决定这家公司未来估值的层级。
快手建厂与 OceanBase 数据库独立这两者不是同一个层级的事，没什么可比性，但能反映出一种普遍趋势。随着各行各业数字化进程的加速，数据会成为企业最重要的无形资产，不管是自己挖井还是借井取水，都希望水——也就是数据充分流动起来（流动的数据才能产生更多价值），且在保证安全性的前提下。
国内的公有云已经做的不错，但在软件层面与欧美差距还很大，核心生产力几乎都被微软、SAP、Oracle、Salesforce 这些公司把控着。另一面，国内商业又有着几乎最复杂的场景，会逼着国内厂商通过自研寻找突破口。
举个数据中心的例子，PUE (Power Usage Effectiveness)是反映数据中心能耗效率的通用指标，计算公式是 PUE=数据中心总能耗/IT 设备能耗，基准值是2，越接近 1 越好，越绿色，说明电力都消耗在服务器等 IT 设备上，而不是用于制冷的空调或配电系统。为提升能耗效率，可以通过改进硬件实现，但优化到一定程度后会遇到瓶颈，同时就需要软件层比如机器学习、神经网络算法等方面的改进。