“AI Infra 就是云計(jì)算本身?！?br/>

文丨賀乾明

100 多年前，電力首次進(jìn)入工廠，許多工廠主做了一個(gè)看似合理的決定：保留復(fù)雜的蒸汽機(jī)傳動(dòng)軸和皮帶系統(tǒng)，只用電動(dòng)機(jī)替換蒸汽機(jī)。結(jié)果令他們大失所望：動(dòng)力更強(qiáng)了，生產(chǎn)效率幾乎沒有同步提升。

接下來的 20 年，他們才逐步意識(shí)到，電力帶來的真正變革不只是簡單替代動(dòng)力源，而是把它嵌入到不同的業(yè)務(wù)單元中，用不同類型的電機(jī)驅(qū)動(dòng)鉆頭、傳送帶等，生產(chǎn)力才迎來爆發(fā)。

這是阿里云希望給企業(yè)深入應(yīng)用 AI 提供的能力。他們認(rèn)為，AI 時(shí)代客戶要的不只是單一的模型或云的能力，而是更低成本使用更強(qiáng)模型時(shí)，有更靈活的綜合體驗(yàn)。AI 云應(yīng)該像當(dāng)年的電力真正提高工業(yè)生產(chǎn)力時(shí)那樣，提供多層次的服務(wù)，全面嵌入到企業(yè)的業(yè)務(wù)流程中。

這一判斷有業(yè)務(wù)數(shù)據(jù)支撐：在阿里云上調(diào)用大模型 API （ MaaS 服務(wù)）的客戶中，有七成也同時(shí)在使用其 GPU 算力服務(wù)。

阿里云智能集團(tuán)資深副總裁、公共云事業(yè)部總裁劉偉光說，第一批深度使用 AI 的客戶，會(huì)把場(chǎng)景分成不同檔次：不只是簡單調(diào)用大模型 API，還會(huì)用內(nèi)部數(shù)據(jù)精調(diào)或者后訓(xùn)練基礎(chǔ)模型，或者自己從頭訓(xùn)練一個(gè)模型。

在劉偉光看來，AI 給云計(jì)算行業(yè)帶來的變化才剛剛開始，整個(gè)云計(jì)算體系架構(gòu)都要為 AI 重構(gòu)，“MaaS 增長潛力很大，但關(guān)鍵是打贏 AI 云新增的全量市場(chǎng)”，要建立軟硬一體的 AI 云全棧能力，推動(dòng)企業(yè)用更低成本調(diào)用更強(qiáng)的 AI 模型，解決不同層次、不同場(chǎng)景問題，“這才是競(jìng)爭中的勝負(fù)手”。

146 個(gè) 行業(yè)客戶深度調(diào)研：Token 質(zhì)量比數(shù)量重要

“如果今天所有的 AI 應(yīng)用每天只能免費(fèi)用 100 次，你會(huì)用它做什么？”

這是劉偉光 2025 年走訪了 146 個(gè)客戶后反復(fù)思考的問題。 他的結(jié)論非常直接：沒有人會(huì)把它浪費(fèi)在寫段子或閑聊上，一定會(huì)做最重要的東西——對(duì)工作最有幫助的決策、對(duì)家庭生活最關(guān)鍵的建議。

在他看來，這是企業(yè)使用大模型與個(gè)人用戶的本質(zhì)區(qū)別。個(gè)人用戶可能為了娛樂消耗 Token，但追求效率的企業(yè)，每一次 Token 的交換都有成本。他們不僅要為 Token 付費(fèi)，業(yè)務(wù)線上的人力、時(shí)間也是投入。

很難想象一個(gè)年輕的工程師面對(duì)設(shè)備故障時(shí)，還需要多輪對(duì)話才能得到解決方案，需要更快的響應(yīng)、能讓他迅速解決問題的指南。同樣，基金公司的交易員用 AI 輔助捕捉交易信號(hào)時(shí)，也很難容忍模型動(dòng)輒陷入沉思，然后給出長篇大論，再問一句 “是否需要我?guī)湍阏淼酶晟啤薄?/p>

傳統(tǒng)行業(yè)的企業(yè)正在用不同的方式，盡可能避開 AI 的短板、提升效率。比如汽車診斷公司，用 30 年積累的產(chǎn)業(yè)檢測(cè)報(bào)告做出來遠(yuǎn)程幫助汽修的大模型，才用到診斷報(bào)告中；基金公司會(huì)用沉淀 20 多年的數(shù)據(jù)和交易的行為跟模型結(jié)合，把各種形式的非結(jié)構(gòu)化數(shù)據(jù)（如文字、語音、圖像等）轉(zhuǎn)化為可供投資參考的標(biāo)準(zhǔn)化信息。

企業(yè)也希望充分挖掘 AI 的潛力。中國兩家農(nóng)牧業(yè)巨頭公司都在用千問做相同的事情，他們不僅嘗試用 VL（視覺大模型）識(shí)別豬的數(shù)量，還用它來識(shí)別豬的異常行為，檢測(cè)豬的健康與活性，或者是開發(fā)獸醫(yī)大模型解決專業(yè)人才短缺問題。還有頭部照明公司接入千問后，不再局限簡單的開關(guān)燈或者調(diào)控色溫，還用 AI 理解用戶模糊的指令，用更流暢的對(duì)話打造更聰明的端側(cè)語言模型，讓人與光的交互更自然。

而企業(yè)一旦找到合適的方式把 AI 嵌入業(yè)務(wù)流程中，就會(huì)是嚴(yán)肅和連貫的。在線招聘行業(yè)中的每一家公司，幾乎都在引入 AI 簡歷篩選、智能化面試、自動(dòng)生成面試記錄。當(dāng)招聘專員習(xí)慣用 AI 輔助工作后，就會(huì)形成新的工作流，每天都會(huì)使用，不會(huì)受到個(gè)人喜好影響。

“個(gè)人消費(fèi)者使用 AI 的情況會(huì)有波動(dòng)，但企業(yè)級(jí)市場(chǎng)只會(huì)不斷增長?！?劉偉光說，而且使用的廣度和深度會(huì)不斷加強(qiáng)，很多場(chǎng)景還沒有解鎖，“如果 AI 能把車損定損給改了，那絕對(duì)是一種 ‘革命’?！?/p>

2024 年云棲大會(huì)上，阿里巴巴集團(tuán) CEO 吳泳銘在演講中稱，生成式 AI 最大的想象力，絕不是在手機(jī)屏幕上做一兩個(gè)新的超級(jí) App，而是接管數(shù)字世界，改變物理世界。

過去一年中國 AI 企業(yè)市場(chǎng)的發(fā)展證實(shí)了他的判斷。AI 已不只在手機(jī)里面作為應(yīng)用程序，而是出現(xiàn)在更多的載體中，包括眼鏡、耳機(jī)、學(xué)習(xí)機(jī)、玩具、健身器材、汽車、機(jī)器人等全品類硬件設(shè)備中。

這種不同層次、不同場(chǎng)景的需求，當(dāng)下無法用單一的模型 API 服務(wù)滿足。在美國市場(chǎng)，原本已經(jīng)給企業(yè)提供工具的 SaaS 行業(yè)，大模型調(diào)用量規(guī)模持續(xù)上漲，提供了一種相對(duì)標(biāo)準(zhǔn)化的方案。而在 SaaS 行業(yè)未能發(fā)展起來的中國市場(chǎng)，傳統(tǒng)行業(yè)偏向定制服務(wù)解決特定場(chǎng)景問題，往往需要后訓(xùn)練或者微調(diào)大模型。云計(jì)算公司提供這樣的服務(wù)，在一定程度上為企業(yè)提供了類似 SaaS 的服務(wù)。

“現(xiàn)在所有 MaaS 服務(wù)加一起，在中國云計(jì)算市場(chǎng)、甚至 AI 云市場(chǎng)占比都不高。MaaS 的空間當(dāng)然非常大，但不是今天?！?劉偉光說，只統(tǒng)計(jì)公有云市場(chǎng)大模型 API 的調(diào)用量，無法代表 AI 云全貌。真實(shí)的 Token 消耗量，要把 MaaS 平臺(tái) API 調(diào)用、公共云 GPU 推理集群產(chǎn)生 Token、私有化模型部署產(chǎn)生 Token，設(shè)備端模型產(chǎn)生的 Token 等全部統(tǒng)計(jì)在內(nèi)。

“冰川下的 Token 消耗非常大，卻無法統(tǒng)計(jì)。而且企業(yè)用 AI 還處于轉(zhuǎn)型早期， 90% 以上的企業(yè)還沒有真正行動(dòng)起來，未來肯定是百倍的增長?！?/p>

但可以觀察的是，只要基礎(chǔ)模型的性能持續(xù)提升，云廠商深入到技術(shù)棧的每一層提供服務(wù)，改進(jìn)推理能力、節(jié)省成本，就可以帶動(dòng)更多行業(yè)的更多客戶用 AI 解決問題。

做 AI 時(shí)代的基礎(chǔ)設(shè)施，承接不同層次的需求

英偉達(dá) CEO 黃仁勛曾拋出一個(gè)著名的論斷：GPU 集群就是 “Token 工廠”，輸入的是能量，輸出的是 Token。這是典型的芯片公司視角，把 AI 生產(chǎn)過程簡化為了物理層面的能量轉(zhuǎn)換。

對(duì)于云廠商來說，如果只是從事算力轉(zhuǎn)售業(yè)務(wù)，現(xiàn)在很難提供可用的 AI 服務(wù)。他們必須用系統(tǒng)工程能力，盡可能提升現(xiàn)有算力效率，針對(duì)不同行業(yè)、不同層次的企業(yè)提供模型服務(wù)。

這也是阿里云的選擇：做 AI 時(shí)代的基礎(chǔ)設(shè)施。用劉偉光的比喻來說，阿里云正在搭建的是一套現(xiàn)代化的自來水廠，而不只是水（大模型 API）的搬運(yùn)工，還要維護(hù)水源地（開源模型）、搭建凈化車間（數(shù)據(jù)清洗與模型訓(xùn)練平臺(tái)）、鋪設(shè)輸水管網(wǎng)（高性能網(wǎng)絡(luò)），以及處理污水（安全治理）等。

在這套體系中，阿里云能夠提供當(dāng)前不同類型的 “用水” 需求：

MaaS（直供水服務(wù)）： 就像家庭擰開水龍頭就能用水，企業(yè)或者開發(fā)者不用關(guān)心底層復(fù)雜的管網(wǎng)，直接調(diào)用 API，開箱即用，按需付費(fèi)。這是最輕量的接入方式。

PaaS（工業(yè)用水服務(wù)）： 類似于工廠需要特定的水源，企業(yè)可以獲得基礎(chǔ)模型，直接用 “開源模型” 在阿里云平臺(tái)上微調(diào)或者自己后訓(xùn)練，然后部署到合適的環(huán)境中。

IaaS（水處理基礎(chǔ)設(shè)施）： 像是將經(jīng)過初步凈化、萃取后的水源，輸送給飲料廠或啤酒廠，企業(yè)可以用阿里云提供的算力和基礎(chǔ)軟件，用來訓(xùn)練獨(dú)家配方的 “飲料”，比如自動(dòng)駕駛模型、各種垂類大模型等等。

阿里云已經(jīng)有了初步成績。根據(jù)市場(chǎng)調(diào)研機(jī)構(gòu) Omdia 數(shù)據(jù)，2025 年上半年，中國 AI 云整體市場(chǎng)（AI IaaS+PaaS+MaaS）規(guī)模達(dá) 223 億元，阿里云占比 35.8 %，超過第二到第四名總和。

搭建這套全面的基礎(chǔ)設(shè)施，不僅需要高昂的投入，還要有戰(zhàn)略決心。2025 年 2 月，阿里宣布未來三年將投入超過 3800 億元，用于建設(shè)云和 AI 硬件基礎(chǔ)設(shè)施，總額超過去十年總和。僅僅是 2025 年前三個(gè)季度，阿里用于建設(shè) AI 數(shù)據(jù)中心等的資本開支就兌現(xiàn)了 950 億元。

在基礎(chǔ)模型層面，阿里持續(xù)投入訓(xùn)練不同尺寸、不同類型、不同模態(tài)的基礎(chǔ)模型，并投入資源把它們做到第一梯隊(duì)。比如視覺生成模型萬相 2.6 性能媲美 OpenAI 的 Sora 2；Qwen-Image-Layered 是業(yè)界首個(gè)能實(shí)現(xiàn)圖像分層精準(zhǔn)編輯的模型；Qwen3-Max 的性位居全球模型性能榜單前列。

阿里選擇把這些模型開源，提供給各行各業(yè)的團(tuán)隊(duì)或企業(yè)使用，其中 Qwen 的衍生模型數(shù)量超過 18 萬，規(guī)模位居全球第一。

作為基礎(chǔ)設(shè)施，阿里云上長出來的不只有阿里自研的模型，月之暗面也在阿里云上訓(xùn)練 Kimi 系列模型，以及許多智駕團(tuán)隊(duì)也用阿里云訓(xùn)練模型。

與此同時(shí)，阿里云也提供了一整套體系能力，支撐 AI 時(shí)代新誕生的產(chǎn)品迅速發(fā)展，除了阿里體系的千問 App，還有螞蟻集團(tuán)的靈光、阿福，以及月之暗面的 Kimi 應(yīng)用、MiniMax 的海螺等。

盡管當(dāng)前各行各業(yè)應(yīng)用 AI 還處于早期階段，但定位基礎(chǔ)設(shè)施的阿里云，也在探索更新的產(chǎn)品形態(tài)，為接下來的 AI 應(yīng)用爆發(fā)做好準(zhǔn)備。最典型的例子就是阿里正在開發(fā)千問 App 的 Agent 版本。它不只局限于用戶提問，還能夠調(diào)用淘寶比價(jià)、使用高德導(dǎo)航，甚至阿里所有的服務(wù)都有可能成為它的插件。

最終這些在阿里內(nèi)部業(yè)務(wù)和行業(yè)頭部公司驗(yàn)證過的能力，都會(huì)沉淀在阿里云中，成為對(duì)外提供服務(wù)的產(chǎn)品。讓客戶具備長期、可持續(xù)地產(chǎn)生和使用智能的能力，而不是把客戶鎖定在某一種計(jì)量方式里。

AI 加速推動(dòng)客戶上云

AI 正在給云廠商帶來了新的增長動(dòng)力。無論是 AWS、微軟 Azure、Google Cloud 還是阿里云，規(guī)模都在迅速增長。

但提供動(dòng)力的不只是 GPU 用量或者大模型 API 的調(diào)用。阿里云團(tuán)隊(duì)觀察到， 在阿里云上使用這些服務(wù)的客戶群體，他們?cè)谟?jì)算、存儲(chǔ)、網(wǎng)絡(luò)以及大數(shù)據(jù)等產(chǎn)品上用量的增長，高于整個(gè)大盤的增長。

“AI 會(huì)加速推動(dòng)客戶上云?！?劉偉光說，客戶為了用好 AI，不得不將數(shù)據(jù)全面上云。企業(yè)想要讓一個(gè) Agent 產(chǎn)生價(jià)值，基礎(chǔ)模型只是一個(gè)方面，高質(zhì)量的業(yè)務(wù)數(shù)據(jù)同樣重要。

微軟 Azure 的增長邏輯類似，出售 OpenAI 的基礎(chǔ)模型的 API 服務(wù)只是其中一個(gè)方面，更充足的動(dòng)力來自企業(yè)為了在業(yè)務(wù)中應(yīng)用更強(qiáng)的模型，把分散在本地與各系統(tǒng)中的內(nèi)容與數(shù)據(jù)，遷移到了更方便模型調(diào)用的云產(chǎn)品中。

為高并發(fā) Web/HTTP 請(qǐng)求設(shè)計(jì)的傳統(tǒng)云計(jì)算架構(gòu)，難以高效支撐這樣的需求。甲骨文重新獲得增長動(dòng)力，很大一部分因素就來自于部署 RDMA（遠(yuǎn)程直接內(nèi)存訪問）高性能網(wǎng)絡(luò)和自治數(shù)據(jù)庫，適應(yīng)了大模型訓(xùn)練、推理的需求。

這直接改變了公共云計(jì)算服務(wù)在中國市場(chǎng)的前景。此前多年，中國云計(jì)算公司并不像 AWS 等海外云平臺(tái)那樣，公共云客戶遍布各行各業(yè)，囊括美國證券交易所、大型石油公司、銀行業(yè)巨頭等，做大規(guī)模就能擁有利潤。

在中國云計(jì)算市場(chǎng)，平臺(tái)依賴的電力、帶寬等基礎(chǔ)設(shè)施成本并不受企業(yè)自身控制；部分傳統(tǒng)企業(yè)出于數(shù)據(jù)安全、合規(guī)或歷史慣性等原因，仍傾向于自建數(shù)據(jù)中心。

“阿里云的基礎(chǔ)云架構(gòu)，為 AI 重做了一遍?！?劉偉光說，AI Infra 并不是一個(gè)特定的垂直方向，就是云計(jì)算本身，不僅需要規(guī)?；?、安全和穩(wěn)定，更需要云上的跨服務(wù)流轉(zhuǎn)能力，比如新型的向量數(shù)據(jù)庫、高效的大數(shù)據(jù)清洗平臺(tái)、靈活的開發(fā)框架，滿足企業(yè)不同層次、不同場(chǎng)景使用 AI 的配套軟件體系。

在阿里云看來， AI 時(shí)代云計(jì)算平臺(tái)的競(jìng)爭力在于 “軟硬一體化” 的體系能力：硬件不只是芯片，而是圍繞 GPU 算力構(gòu)建的整個(gè)高性能底層架構(gòu)；軟件則是對(duì)模型的理解、優(yōu)化和調(diào)度能力。

“阿里云的目標(biāo)是拿下 2026 年中國 AI 云市場(chǎng)增量的 80%?！?劉偉光說，但是下一年增量的 10% 都會(huì)大于上一年的全量。所以過去取得了什么成績并不重要，變化才剛剛開始。

題圖來源：The Current War