AI爆发 云体系剧变

        在AI时代，云服务的迭代演进呈现出多维度的变革。一方面，云服务商通过优化基础设施，支持异构算力的统一调度，提升计算效率，降低成本，为企业提供更强大的算力支持。另一方面，云服务与AI深度融合，形成了从模型训练、部署到应用的全生命周期服务，推动了MaaS(模型即服务)模式的兴起。

　　云计算企业“跃上葱茏”

　　2025年，DeepSeek携低成本、高性能的技术特点和开源的商业模式“闪亮登场”。当越来越多的企业宣布接入DeepSeek，一时间竟然出现算力急剧短缺的情况，颇有“洛阳纸贵”的意味。

　　事实上，随着大模型的部署成本下降，效率提升，在其基础上将衍生出更多的垂类应用，应用数量的增加势必将带来算力需求的上升。

　　根据预测，到2025年，全球算力规模将超过300EFLOPS(每秒3万亿亿次浮点运算)，其中智能算力占比将达到35%。未来五年，中国算力中心服务市场将以18.9%的年复合增速持续增长，预计2027年市场规模达3075亿元。这意味着未来全球将需要巨大的算力来支撑AI的发展。

　　随着算力需求上升，云计算企业将备受青睐。从市场角度来看，AI技术与云计算的深度融合，以及行业巨头在资本支出和业务布局上的积极举措，推动了市场需求的上升和资金的大量流入，为云计算市场空间增长提供了有力支撑。

　　IEEE数字化转型联合会策略与架构主席汪齐齐表示，云服务在人工智能时代的核心竞争力在于投入产出比高的可定制程度。用户可以根据自己的需求定制资源需求，精准地根据需求和效益确定投入，而不会盲目地进行大量前期投入。同时，从用户的角度来看，云服务提供方拥有更多的行业数据模型，其解决方案的优化程度也大概率高于企业基于自身需求而应用的非云服务解决方案。

　　赛迪顾问人工智能与大数据研究中心资深分析师姚学超表示，人工智能应用和业务普遍展现出了大流量、高并发、低时延等显著特征，云服务强大的计算能力、大规模数据分析能力、弹性扩展的服务模式等与AI应用和业务发展的需求高度契合，可以为人工智能的创新发展和广泛应用提供有力支撑。

　　亚马逊云科技认为，因为前沿的模型总在变化，所以选择哪个大模型很重要。在实际使用时，企业往往会综合考量不同使用场景下所需的技术指标(如响应速度、准确度等)和成本来选择最适合的模型，最终通过多模型组合的方式最大化业务价值。除此之外，生成式AI应用构建也离不开云上的各种基础设施和云服务，例如底层计算能力、网络传输能力，以及存储、数据库、分析工具等方面的相关能力建设。

　　“从需求的角度来看，不同的用户可能会有不同的考虑。比如处于快速发展期的科技创业企业，AI应用需求会迅速增加，云服务要能让企业轻松地在短时间内扩展计算、存储等资源，同时支持增加新的AI服务类型。再如预算有限的初创企业，按需计费的模式可以让其在AI项目初期以较低成本进行探索和试验。或者是技术能力有限的企业，可能需要服务商的专业技术支持、丰富的文档支持等。甚至是对数据隐私要求很高的企业，也可以先通过云服务验证一些非核心业务，再来考虑私有化的部署。”青云科技市场总监王玉圆说。

　　尽管需求不同，但对云服务的“渴望”却始终如一。这不仅会带来智算云服务需求上升、相关产业链设备技术的持续输出，还有利于构建一体化全栈技术生态，提供从底层硬件、操作系统到上层应用的全方位解决方案。此外，云计算的技术创新也将呈现多维度的发展态势，与人工智能、边缘计算等前沿技术的融合将成为关键驱动力。

　　这不再是单一技术的创新和演进，而是未来整个科技产业的融合发展新方向。

　　协同构建全栈联动的技术生态

　　在AI时代，云服务面临技术复杂性、应用多样性和市场竞争加剧的挑战，因此需要加强生态合作，通过整合产业链上下游资源、促进技术共享与创新，实现协同发展，提升整体竞争力，以满足用户日益增长的智能化需求，推动行业可持续发展。

　　作为IEEEP2023技术架构编委会的成员企业，蒲惠智造科技股份有限公司认为，云服务商和AI技术公司的合作是完整适配和共赢的。技术上更先进的模型和工具可以提高云服务商的整体服务水平和效率，而提供算力、数据等支持的云管平台也会助力AI公司创新发展。在这个过程中，生态中的企业需求各有不同，需要各有所长的云服务商。因此，我们预期会诞生因为拥有行业经验和数据积累的垂直云服务商，在垂直领域实现精准突破。

　　浪潮云总经理助理陈尧表示，浪潮云认为云服务市场未来将会围绕垂直化与场景化、模型即服务(MaaS)普及、混合多云化等方向进行演变。具体表现为，云服务将深入政府领域各场景，提供行业专属解决方案;以API化、低代码形式输出AI能力，降低应用门槛;企业倾向跨公有云、私有云及边缘的灵活架构，多云协同管理需求激增。基于此，浪潮云认为，云服务商应该聚焦核心技术(如算力调度、AI服务)，构建“芯片-框架-模型-应用”全栈能力。同时，联合生态伙伴，打造行业化、开箱即用的AI解决方案。

　　目前，浪潮云积极拥抱大模型浪潮，成功打造海若大模型，通过结合行业知识和智能技术，能够为特定领域提供定制化的解决方案，致力于为行业用户提供对话答疑、知识检索、阅读理解、文档写作等满足多业务场景需求的可信赖、可落地、可持续的智能体服务。

　　亚马逊云科技大中华区产品部总经理陈晓建表示：“亚马逊云科技是全球云计算的开创者和引领者，更是企业构建和应用生成式AI的首选。我们不仅在云的核心服务层面持续创新，更在从芯片到模型，再到应用的每一个技术堆栈取得突破，让不同层级的创新相互赋能、协同进化。我相信，只有这样全栈联动的大规模创新才能真正满足当今客户的发展需求，加速前沿技术的价值释放，助力各行各业重塑未来。”

　　“随着AI技术的快速发展和广泛渗透，企业和开发者对云服务的需求将不再局限于底层的算力资源，而是更加注重AI的应用和创新。云厂商在提供云资源的基础上可以构建一站式的AI开发和部署平台，并内置和开源丰富的AI算法库、高效的AI开发工具、高质量的AI模型等，可以有效降低AI应用开发与部署的技术门槛和经济成本。”姚学超如此说道。

　　AI的发展带来的一个新的变化：生态可能会比以往发挥更大的作用。因为技术与应用落地的复杂度，使得产业链上不同领域的企业更聚焦自身的核心能力，更关注标准化的建设。对于青云科技这样一家十几年持续聚焦基础平台打造和企业级市场的企业来说，开放的生态一直都占据重要地位，比如和不同技术架构的硬件厂商的适配、联合优化，再如通过标准化的应用框架连接应用开发团队和个人开发者等。

　　“AI时代需要的云服务一定不是只加入GPU算力这么简单。因此，青云科技在2023年推出成熟的AI算力云服务之后，也一直在不断地进行迭代优化，包括提升性价比和稳定性，不断满足训练、推理、开发等需求，也包括和不同行业的AI应用服务商展开云上的联合解决方案开发，包括近期AI应用开发平台的公测，都是希望深度融合云服务与AI技术，为用户提供更便捷、灵活的一站式AI服务。”王玉圆进一步说道。

　　智算云服务需求快速增长

　　智算云服务作为推动AI大规模应用的核心，正在成为智能算力资源调度和高效利用的关键支撑。智算云服务通过大规模异构智能算力的融合调度，为AI模型开发、训练、部署和推理提供了高效、便捷的云化服务，成为加速AI落地的核心引擎。

　　IDC发布的《中国智算服务市场(2024上半年)跟踪》报告显示，2024年上半年中国智算服务整体市场同比增长79.6%，市场规模达到146.1亿元。根据IDC预测，中国智算服务市场2023-2028年年复合增长率将达56.2%。

　　王玉圆表示，智算云服务能够更快跟随技术的变化，持续推出新的服务与功能，降低用户的使用门槛。比如此次DeepSeek的接入，青云科技就很快基于标准化、开放的基础架构，很快实现了通过AI算力云对外提供DeepSeek服务。

　　姚学超表示，大模型训练推理使用的数据规模呈现爆发式增长，带动了智算云服务需求激增。与此同时，高阶自动驾驶、通用机器人等智能化应用对数据计算速度、分析结果准确性和传输时延的要求越发严苛，以往的通算云服务难以满足新一代人工智能技术和应用的创新发展需要，通算云服务正在加速向智算云服务转型。

　　“目前，智算云服务已成为云服务市场结构中增长速度最快的部分。云厂商、AI厂商、运营商、数据中心厂商等都意识到智算云服务市场的发展潜力和广阔前景，并围绕算力、算法、平台、应用的一体化布局智算云服务，系统提升云服务的效能。”姚学超如是说。

　　对此，陈尧也认为，未来，智能云服务将持续深化。在这一过程中，云服务将集成更多高级AI功能，如语音识别、图像处理、自然语言处理(NLP)，提供智能化解决方案。这不仅能够提升服务的智能化水平，还能为用户提供定制化和高效率的服务体验。

　　技术创新方向更广更深

　　AI技术的发展对云服务提出了更多的算力需求，以及更强的数据安全、隐私保护和数据处理能力要求。

　　汪齐齐表示，云服务提供商需要理解，在前所未有的行业发展速度下，自己面临的决策，尤其是合作方面的决策，将完全遵循新的产业逻辑，一些老的思维和发展模式很有可能会被时代甩开。此外，如何获得有效且合法合规的数据来源，同时保护数据提供者的隐私安全和核心竞争力，并进一步吸引和利用优质数据，是一个仍在发展探讨并需要法规支持的领域。

　　陈尧表示，未来，云服务在AI领域的技术创新方向更广更深。例如，AI即服务(AIaaS)的深化。通过AIaaS，用户可以直接调用各种AI功能，而无需自行搭建复杂的硬件和软件环境。这种模式不仅降低了AI应用的门槛，还提高了开发效率。此外，AIaaS模式还支持多模态、多尺寸的大模型，能够满足不同行业和场景的需求。同时，边缘计算与AI的结合正在重塑智能设备的角色，使其从简单的数据采集者转变为智能决策者。

　　“随着算力需求上升和AI模型复杂度不断提高，云服务提供商需要通过多种技术创新来优化算力资源管理。同时，云服务提供商需要采用更多异构计算技术，如GPU、应用特定集成电路(ASICs)和现场可编程门阵列(FPGAs)，以及存算一体技术，优化算力效率和成本。同时，AI技术还在深刻改变软件开发和运维的模式。例如，AI驱动的自动化监控能够实时收集系统日志、性能指标等多维度数据，并利用机器学习算法自动识别异常模式。而在应用开发领域，AI工具正在成为开发人员的超级工具，能够自动生成代码、优化开发流程。未来，生成式AI将进一步推动开发模式的变革，形成全新的AIDevops工作流。”陈尧说。

　　如今，越来越多的云厂商开始进入定制化芯片领域。亚马逊云科技在服务器平台持续针对“自研芯片”进行创新，目前已推出Nitro、Graviton、Inferentia(机器学习推理芯片)和Trainium(机器学习训练芯片)四大自研芯片，产品组合包括六代Nitro系统、四代Graviton、两代Trainium和Inferentia。“此外，智能体将成为生成式AI能力应用于现实世界的重要工具。行业预测2025年智能体会迎来爆发，这有一定道理，因为要将生成式AI应用于生产，必然需要借助不同智能体与业务结合、与人交互并执行实际任务。”陈晓建如此说道。

　　加快云产业链设备迭代

　　近日，阿里巴巴集团CEO吴泳铭宣布，未来三年，阿里将投入超过3800亿元，用于建设云和AI硬件基础设施。不难看出，一方面，该投资计划表明阿里巴巴未来将更多地依靠技术而非规模来实现利润增长。另一方面，通过大规模投资数据中心、服务器和芯片等硬件设施，阿里巴巴希望提升自身的算力储备，满足内外部客户对AI算力的快速增长需求，同时推动国产算力产业链的快速发展和技术迭代。

　　同时，亚马逊也宣布计划投资1000亿美元用于基础设施建设;微软计划在2025财年投资800亿美元建设数据中心;谷歌计划投资750亿美元用于AI相关的资本支出。

　　云厂商持续“加码”AI基础设施建设，有望进一步提升算力需求，扩展下游市场空间，加快AI芯片、服务器、存储设备、网络设备、数据中心基础设施及边缘计算设备等相关设备及技术的迭代，从而利好产业链各个环节的供应商。

　　芯片产业的技术创新和产品输出将被显著带动。一方面，云计算的快速发展催生了对高性能芯片的需求，促使企业加大对芯片技术的研发投入，推动芯片在架构、制程上的创新，以满足数据中心、AI计算等场景的高算力要求。另一方面，云服务的弹性需求也促使芯片设计企业灵活调配资源，加速芯片研发和生产，推动芯片产品快速输出。

　　作为云计算的核心设备之一，服务器市场将迎来快速增长，特别是高性能服务器、GPU服务器等需求将大幅增加。同时，分布式存储、云存储等技术也将得到更广泛的应用。网络设备的性能和容量也需要不断提升，以满足云计算企业对数据传输和网络连接的要求。例如，高速交换机、路由器、光模块等网络设备将迎来更大的市场需求，同时5G、6G等新一代通信技术也将为云计算的发展提供更强大的网络支持。此

　　外，作为云计算的物理载体，数据中心的数量和规模将不断扩大，同时对数据中心的能耗管理、制冷技术、供电系统等基础设施的要求也将更高。例如，液冷技术、储能技术等绿色低碳技术将在数据中心中得到更广泛的应用，推动数据中心基础设施的升级和创新。

　　可以看出，随着云服务需求的增长，云产业链设备的迭代将成为必然趋势。

 

(本文不涉密)
责任编辑：王艳

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。