AI云的新邏輯：講技術(shù)，更要講價值。

作者丨鄭佳美

編輯丨馬曉寧

過去幾年，AI 幾乎成了云計算行業(yè)的統(tǒng)一敘事。

無論是阿里提出的全面 AI 化，火山云強(qiáng)調(diào)的 Token性價比，還是百度持續(xù)加碼的大模型戰(zhàn)略，廠商們都在努力用 AI 定義未來的云。但當(dāng)這些口號越來越密集時，也變得越來越相似。

算力提升、模型迭代、Agent 探索，幾乎成了每一家廠商的必備動作，差異化正在快速消解。宣傳中，各種“全球領(lǐng)先”“業(yè)內(nèi)首創(chuàng)”的表述層出不窮，但落到用戶體驗與產(chǎn)業(yè)落地，差別并不顯著。對大多數(shù)企業(yè)來說，除了價格、服務(wù)條款和生態(tài)黏性，真正能感知到的差異其實并不多。

另一方面，AI 本身也正從“炫技”走向“應(yīng)用”。2023年 到 2024 年間，行業(yè)一度沉浸在大模型突破帶來的震撼中，但進(jìn)入 2025年，客戶的關(guān)注點已不再是模型參數(shù)的數(shù)量或推理速度的極限，而是如何把 AI 嵌入產(chǎn)業(yè)流程，真正帶來效率和價值。換句話說，現(xiàn)在的問題已經(jīng)不在于 AI 能否更強(qiáng)，而在于它能否更有用。

在這樣的背景下，華為云在華為全聯(lián)接大會 2025 上提出了一套新的組合：超節(jié)點 Token 服務(wù)、液冷、企業(yè)級 Agent，并將具身智能、盤古大模型納入其中，頗有一種想要突破行業(yè)現(xiàn)狀的感覺。表面上是新技術(shù)的推出，實質(zhì)上是對行業(yè)現(xiàn)實的回應(yīng)——當(dāng)成本、基建和應(yīng)用都成為瓶頸時，差異化的敘事已成為廠商的必答題。

01

AI 云的困境

今天的 AI 云，幾乎都在講同樣的故事：大算力、大模型、大生態(tài)。

算力規(guī)模、訓(xùn)練速度、推理延遲被擺在最顯眼的位置，廠商之間不斷刷新極限，以此證明自己的領(lǐng)先地位。大家的焦點都落在技術(shù)性能的極限上，卻鮮少能回答一個更現(xiàn)實的問題：這些技術(shù)突破如何真正改變企業(yè)的生產(chǎn)力和產(chǎn)業(yè)效率？

于是，“性能大戰(zhàn)”逐漸成了行業(yè)的默認(rèn)賽道。故事講得越來越大，但和它對應(yīng)的商業(yè)回報、客戶價值，卻沒能同步跟上。更麻煩的是，AI 云還背著“三座大山”：

第一座是成本。動輒數(shù)十萬卡的 GPU/NPU 集群，硬件采購和能耗支出不斷飆升。算力價格越炒越高，廠商如果想維持領(lǐng)先，就要不停砸錢?？涩F(xiàn)實是，回報周期模糊，巨額前期投入很難快速收回。

第二座是基建。數(shù)據(jù)中心建設(shè)動輒數(shù)年，PUE 要不要壓到 1.1 以下，單機(jī)柜能不能撐起更高功率，這些不只是環(huán)保指標(biāo)，更決定能不能撐起百萬級算力。但一旦方向押錯，沉沒成本會非常沉重。

第三座是應(yīng)用。大模型在推理、生成上不斷刷紀(jì)錄，可能真正復(fù)制、規(guī)?；涞氐陌咐圆欢?。很多企業(yè)的項目還停在演示或 POC 階段，真正嵌進(jìn)業(yè)務(wù)流程的并不多。

這使得 AI 云行業(yè)陷入一種悖論：廠商們的競爭愈演愈烈，敘事越來越龐大，但客戶端感受到的價值卻不成正比。性能不斷突破，成本卻居高不下，應(yīng)用遲遲難以落地，這或許就是當(dāng)前 AI 云敘事與產(chǎn)業(yè)價值之間最大的張力所在。

如果說敘事趨同和成本壓力是行業(yè)的共性問題，那么客戶需求的高度分化則揭示了更深層的挑戰(zhàn)：不同類型的客戶，對 AI 云的訴求完全不同，幾乎不存在可以“一招通吃”的方案。

互聯(lián)網(wǎng)公司最在意的是靈活擴(kuò)容和價格可控：流量高峰要能瞬時撐起數(shù)千萬并發(fā)，低谷又要迅速收縮，否則成本就會失控。如果云廠商不給出彈性計費(fèi)和友好價格，粘性很難建立。

央國企則把合規(guī)與安全放在首位。數(shù)據(jù)主權(quán)、監(jiān)管要求、隱私保護(hù)是紅線，它們更關(guān)注模型能否“可控在域”，算力能否本地備份，能否有完整的審計與容災(zāi)機(jī)制。

新興產(chǎn)業(yè)（智能制造、教育、內(nèi)容創(chuàng)作等）強(qiáng)調(diào)快速試錯。它們希望低門檻接入 AI，用最小的成本換機(jī)會，不追求模型參數(shù)多大，而需要開箱即用的工具、輕量化 API，甚至直接可用的場景模型。

智能駕駛則對實時性和穩(wěn)定性要求極高，任何延遲都可能是安全風(fēng)險，因此必須依賴低時延的邊緣計算和云端協(xié)同。除此之外，具身智能還面臨本體受限：功耗、電池、體積都有限，沒法把大算力塞進(jìn)機(jī)器人。如果把推理和訓(xùn)練遷到云端，就能讓機(jī)器更輕、省電，同時獲得更強(qiáng)的感知和決策能力。這也是它對 AI 云最強(qiáng)的依賴。

正因為需求如此分化，AI 云已經(jīng)很難靠單一敘事去覆蓋所有客戶。算力再大、模型再強(qiáng)，也無法同時滿足不同的行業(yè)。這迫使廠商必須真正深入行業(yè)場景，基于不同客戶的特征提供差異化的解決方案，AI 云的價值正在從“統(tǒng)一的口號”，逐步轉(zhuǎn)變?yōu)?b>“多樣的答案”。

于是產(chǎn)生了一個自然的問題：面對分化的需求，廠商們能提出怎樣的答案？華為的嘗試，就提供了一個值得觀察的樣本。

02

華為的嘗試

在華為全聯(lián)接大會 2025 上，華為云給出了一套不同于慣?！按笏懔Α⒋竽Ｐ汀钡穆窂?，而是通過軟硬協(xié)同、架構(gòu)創(chuàng)新，做厚算力黑土地來回應(yīng)行業(yè)的困境。

華為常務(wù)董事、華為云計算CEO張平安

算力層面，華為云基于CloudMatrix384的 AIToken 推理服務(wù)全面上線。Token 推理服務(wù)意味著可以高效地直接獲得“AI 的最終結(jié)果“， 而不必關(guān)心AI硬件的更新迭代，也不必關(guān)心推理框架、模型部署等復(fù)雜的軟件技術(shù)棧。華為云認(rèn)為，算力的競爭本質(zhì)上是以優(yōu)的性能、好的服務(wù)、高的質(zhì)量，來高效地滿足各行各業(yè)所需。

CloudMatrix384 超節(jié)點將資源全面池化，將計算型任務(wù)、存儲型任務(wù)、AI專家系統(tǒng)解耦，將串行任務(wù)變成分布式并行任務(wù)，極大地提升了系統(tǒng)的推理性能。在在線、近線和離線等推理場景中，CloudMatrix384 平均單卡的推理性能達(dá)到 H20 的 3 到 4 倍。

大會期間，華為云還表示，未來，CloudMatrix 超節(jié)點還將從384 卡升級至 8192 卡，依托MatrixLink 高速對等互聯(lián)網(wǎng)絡(luò)結(jié)合多網(wǎng)合一技術(shù)，實現(xiàn)百萬卡的超大集群，提供更澎湃的AI算力。

同時發(fā)布的EMS 彈性內(nèi)存存儲服務(wù)被稱為“以存強(qiáng)算”，通過內(nèi)存擴(kuò)展顯存，解決顯存不足導(dǎo)致的推理時延大幅提升的問題。官方數(shù)據(jù)稱，多輪對話和長鏈推理的首Token 時延可降低 90%，這等于直接觸及行業(yè)最敏感的用戶體驗指標(biāo)。

基礎(chǔ)設(shè)施上，華為在貴州、內(nèi)蒙古、安徽等地同步落地的全液冷 AI 數(shù)據(jù)中心，目標(biāo)是通過冷板式液冷、AI 調(diào)優(yōu)與 IoT 運(yùn)維實現(xiàn)極致能效。PUE 壓低至 1.1，單機(jī)柜功率提升至 80kW，不只是能耗改善的數(shù)據(jù)，而且意味著客戶可以“租用”到接近最優(yōu)形態(tài)的數(shù)據(jù)中心資源，而不必再背上巨額的自建負(fù)擔(dān)。

華為甚至在發(fā)布會上強(qiáng)調(diào)，企業(yè)只需“一對光纖”，就能隨取隨用接入超大規(guī)模算力池，其背后折射出廠商對降低進(jìn)入門檻的努力。

平臺層，華為把重心放在企業(yè)級 Agent 平臺。不同于個人用戶的輕量化 Agent，企業(yè)級 Agent 必須滿足穩(wěn)定性、低幻覺率和可解釋性。

華為云的 Versatile 平臺由五大模塊組成：AgentSpace、AgentStudio、AgentRun、AgentOps、AgentGallery，涵蓋從自然語言生成 Agent 的工具鏈，到高性能沙箱的運(yùn)行環(huán)境，再到安全隔離與運(yùn)維體系。除此之外，提出的 NL2Agent 技術(shù)號稱“像寫文檔一樣開發(fā) Agent”，目標(biāo)是縮短企業(yè)從需求到可運(yùn)行 Agent 的路徑。

華為高級副總裁、華為云全球Marketing與銷售服務(wù)總裁楊友桂

落地案例也進(jìn)入深水區(qū)：在差旅管理中，慧通差旅基于 Versatile 打造了智能體“通寶”，涵蓋出差提醒、路徑規(guī)劃、智能問答等等。在路徑規(guī)劃方面，“通寶”目前的采用率已超50%，2分鐘即可完成預(yù)訂。工業(yè)領(lǐng)域的萬華化工，則將復(fù)雜的 SOP 審核流程交給 Versatile 平臺開發(fā)的工作流 Agent 來完成，讓數(shù)以萬計的 SOP 文檔實現(xiàn)自動化質(zhì)量審核，顯著減輕了工程師的重復(fù)勞動。

這些數(shù)據(jù)表明，企業(yè)級 Agent 已不再是紙面概念，而是正在成為重塑企業(yè)生產(chǎn)方式的現(xiàn)實工具。

在機(jī)器人和具身智能領(lǐng)域，華為選擇了一條不同于業(yè)內(nèi)多數(shù)玩家的路徑：把算力遷到云端。

CloudRobo 平臺通過云端算力和智能，緩解機(jī)器本體在體積、功耗和成本上的限制，使其更輕量化，并大幅提升執(zhí)行的精度與效率。R2C（Robot to Cloud） 協(xié)議則意在統(tǒng)一多廠商、多系統(tǒng)的數(shù)據(jù)、通訊和指令接口，試圖打破長期存在的生態(tài)割裂。目前已有 20 多家伙伴加入生態(tài)，覆蓋制造、物流、康養(yǎng)等場景。

在國家地方共建人形機(jī)器人創(chuàng)新中心的案例中，結(jié)合真機(jī)與合成數(shù)據(jù)訓(xùn)練，機(jī)器人在多個場景下的整體分揀任務(wù)成功率可達(dá)90%以上，行業(yè)領(lǐng)先，初步證明了“云上具身智能”的可行性。

而在大模型層面，華為更是提出了“開源+商用”的雙軌并行策略：一方面，openPangu 開源部分 NLP 模型，降低客戶和開發(fā)者在昇騰上的使用門檻，增強(qiáng)外部開發(fā)者生態(tài)的活力，另一方面，商業(yè)版盤古已在 30 多個行業(yè)孵化出 200 多個專業(yè)模型，覆蓋 500 多個產(chǎn)業(yè)場景，強(qiáng)調(diào)“行業(yè)專用模型”在可解釋性和安全性上的優(yōu)勢。

這種組合既是技術(shù)層面的策略選擇，也是華為對過去“盤古風(fēng)波”的正面回應(yīng) —— 通過開源表態(tài)開放，通過商用展示落地，重建市場信任。

03

未定的答案

AI 云的競爭，已經(jīng)不是誰喊得更 AI，而是誰能真正把 AI 嵌進(jìn)產(chǎn)業(yè)。華為給出了一條新的路徑：在超節(jié)點和液冷上突破性能極限，在企業(yè)級Agent和具身智能上尋找差異化。

這套思路的價值在于，它直面了成本、基建和落地場景的痛點，也體現(xiàn)了華為云試圖以全棧布局構(gòu)建長期壁壘的雄心。

但這條路徑并非沒有挑戰(zhàn)。國際市場上，AWS 和 Azure 依然把控著最成熟的全球生態(tài)和開發(fā)者心智，形成難以逾越的壁壘。在國內(nèi)，昇騰生態(tài)仍處于培育期，要像 CUDA 那樣建立強(qiáng)粘性，需要時間和大規(guī)模開發(fā)者的驗證，而企業(yè)級 Agent 和具身智能的落地，更注定是一個復(fù)雜而漫長的過程，不僅要解決技術(shù)問題，還要穿透行業(yè)流程，贏得客戶的長期信任。

而對整個行業(yè)而言，真正的考驗在于能否把炫技的敘事轉(zhuǎn)化為可持續(xù)的生產(chǎn)力。只有當(dāng) AI 云不再只是舞臺上的口號，而是成為產(chǎn)業(yè)鏈中的基礎(chǔ)設(shè)施時，這場競爭才算真正走向了下半場。

未經(jīng)「AI科技評論」授權(quán)，嚴(yán)禁以任何方式在網(wǎng)頁、論壇、社區(qū)進(jìn)行轉(zhuǎn)載！

公眾號轉(zhuǎn)載請先在「AI科技評論」后臺留言取得授權(quán)，轉(zhuǎn)載時需標(biāo)注來源并插入本公眾號名片。