2024 年注定是云计算发展的关键时间节点。

过去两年多时间里，云计算行业被讨论最多的话题就是“降价”，在市场增速放缓，甚至有企业高呼“下云”的背景下，云厂商纷纷打出了“价格牌”，导致整个行业陷入到了“低水平内卷”的境地。

进入 2024 年后，在大模型的促进下，千行万业的智能化转型愈演愈烈，而云化算力作为灵活高效、性价比极高的算力资源获取方式，正在成为各 AI 厂商新的算力底座。如果说芯片是智能时代的“石油”，那云化算力就是 AI 发展的“新能源”。

新旧业态的转变，对云计算的影响绝不仅仅是舆论层面，属于云计算的“黄金时代”或许才刚刚开始。

01 云计算的“第二增长曲线”

生成式 AI 正在席卷千行万业，想要拿到通往新时代的船票，“上云”可以说是第一选择。生成式 AI 需要云计算，也为云计算提供了新的驱动力。

直接的例子就是坐上 OpenAI“副驾驶”的微软。

4 月 25 日，微软发布了 2024 财年第三财季的财报，微软云业务的整体收入为 351 亿美元，同比增长 23%；智能云业务部门收入达到 267 亿美元，同比增长 21%，其中 Azure 和其他云服务的收入增长 31%，AI 对 Azure 的收入贡献提升至 7%，高于 2024 财年第二财季的 6%和第一财季的 3%。

人工智能释放出的增长推动力，让华尔街的分析师们普遍对微软持有乐观态度。券商 Wedbush 的知名科技分析师 Daniel Ives 直言：“未来 6 到 12 个月内，人工智能用例可能会在整个企业领域呈爆炸式增长。我们将此视为微软的’iPhone 时刻’，人工智能将改变微软未来几年的云增长轨迹，我们对此充满信心。”

一个礼拜前结束的 WWDC 2024，进一步印证了这样的趋势。

从苹果公布的 AI 战略来看，全场最大的亮点莫过于和 ChatGPT 的整合：用户可以呼唤 Siri，以及在全系统的写作工具中调用 ChatGPT，实现聊天机器人、图像生成等功能，且这些需求会上传到 OpenAI 的数据中心，在云端完成。也就意味着，AI 推理将长期以“云端为主”，至少是三到五年中的常态。

事实上，国内市场也早有准备。

比如华为云在 2023 年 9 月上线的昇腾云服务，除了满足基础的 AI 算力需求，还提供了高效长稳的大模型训练环境和完备的工具链，千亿参数行业模型的端到端开发，从过去的 5 个月缩短到了 1 个月。

同样做出选择的还有大模型厂商。有别于 2023 年初疯狂囤芯片的景象，越来越多的大模型厂商开始在云上训练和推理。比如估值超过 25 亿美元的 MiniMax，没有购买任何 GPU，而是以相对便宜的价格租赁云算力。

不只是云厂商和大模型厂商，走在 AI 第一线的大中型企业，也已经将 AI 和云作为战略方向。

借用奇瑞汽车股份有限公司副总经理戴闯的说法：“预计未来 5 年智能网联汽车将超过 90%的渗透率，将累计上万 PB 的数据量。汽车行业的数据价值挖掘不充分，所以奇瑞认为以 AI 推动的创新是必然之路，基于云服务的自动驾驶数据闭环平台，围绕算力、算法、数据构建了端到端的 AI 底座。”

如果将资源上云、应用上云看作是云计算的“第一增长曲线”，急剧增长的生成式 AI 需求，将为云计算带来“第二增长曲线”，在基础资源需求逐渐饱和时，为云计算行业开辟了新的增量市场。

02 云上 AI 成为“最大公约数”

必须回答的一个问题是：满足算力需求的方式有很多，譬如自建算力中心的方式，为什么大大小小的企业要选择云上 AI 算力呢？

似乎有必要回顾下互联网的商业简史。

在 PC 互联网初期，一台服务器就足以撑起一个网站。到了移动互联网时代，智能手机的普及进一步扩充了网民群体，形成了一个又一个月活上亿的超级应用。正是在这一时期，云计算开始走进人们的视线，提供了一种比传统机房更灵活、更弹性的资源获取方式。

移动互联网的商业模式是“以终端为中心”的，智能手机的保有量某种程度上就是移动互联网的上限。而生成式 AI 的特征是“以智能为中心”，借助自然语言的交互范式，手机、电视、汽车、空调等任何终端都可以是交互入口，算力需求注定会爆炸性增长。

“计算”量的指数级增长，也带来了建设周期、运维、散热等一系列挑战。

以大模型训练为例，通常需要数千张 GPU，基于 TB 级别的数据，耗时几个月进行训练。一旦出现硬件故障、电源中断、数据传输问题，训练过程可能会被打断，导致长时间的等待和之前计算资源的浪费。

无法绕开的还有算力中心的散热问题。AI 服务器的功率密度远超通用服务器，单机柜的功耗是过去的 6-8 倍。在“绿色数据中心”的政策限制下，需要专用的液冷系统进行散热，以降低 PUE（能效比）。

两相比较的话，云计算有着近乎“降维打击”的优势。

比如在算力交付方面，华为云芜湖数据中心在全球首创了机房产品化交付模式，将电力、AHU 制冷等模块化，把电缆管道预制化，可实现极速交付，并将交付过程中的质量问题降低了 90%；在运维层面引入 IOT 技术，实现了告警秒级上报、故障分钟级定位；在散热方面，华为云首创了云服务感知能效调优技术，AI 智能调优精度高达 99.5%，可使 PUE 降低 8%到 15%……

身为“局内人”的科大讯飞董事长刘庆峰，对此有着深刻认识：“下一步我们还有更多任务要开发，更多算力要用，在我们自己建算力集群之后，我们发现在华为云上做训练推理建设比自己做更轻松、效率更高，更能满足短时瞬间的规模化算力应用之后，释放波峰波谷（减少能耗闲置，算力削峰填谷），对整个行业都是效率最高的。”

大模型及相关应用是迄今为止最复杂的软硬件系统工程，需要系统性创新才能应对。云上 AI 算力作为一种高效、灵活、可扩展的解决方案，无疑是打破算力瓶颈的最优解，并因此成为产业上下游的共识。

03 下半场将比拼“算力服务”

云计算价值和演进方向的悄然变化，意味着游戏规则也将同步更新：不再是拼价格的“低水平内卷”，而是进入比拼“算力服务”的新赛段。

其中的一个关键赛点在于，能否提供“无处不在”的算力服务以及全栈 AI 能力。

为何不少企业倾向于自建算力中心，原因之一就是对时延的苛刻要求。大模型训练时常常需要几个 TB 的数据传输，没有哪家企业甘愿被带宽和时延卡了脖子。况且大模型将有 90%以上的算力需求用于推理，如果时延过长，将导致推理过程的延迟，直接影响响应效率和用户体验。

这也就成了云厂商们“卷”的新方向。

譬如 6 月 14 日正式开服的华为云华东（芜湖）数据中心，不仅标志着华为云全国存算网布局的全面完成，还画出了一个覆盖华东、华中等算力高地的 10ms 时延圈，时延圈内的对时延要求非常高的 AI 推理、电商、游戏等行业，都可以一键接入。

除了在物理上降低时延，通过多级恢复机制、完备的工具链等保障服务的连续性、稳定性，也是保障算力服务“无处不在”的思路。

以昇腾云服务为例，为大模型和 AI 应用的开发运行提供了资源获取快、模型迁移快、故障修复快等六大 AI 支撑能力，实现了模型训练一键接入多个算力中心、出现故障可以在 10 分钟内恢复、推理服务就近接入相应的 AI 算力中心等服务，保障 AI 企业在任何地方都能享受即开即用的澎湃算力。

另一个不应忽略的赛点是“解决行业难题”的能力。

拥有全栈 AI 能力的华为云，可以说是最早给出答案的云厂商之一。

而对于庞大中小企业的需求，华为云的全栈 AI 能力可提供从云化算力、模型开发、模型托管到生态的全栈服务，提供 ModelArts Standard（一站式 AI 开发服务）、ModelArts Lite（高性价比算力服务）等多种模式，帮助企业实现训推一体。

也就是说，华为云打造的“AI 基建“能力覆盖了模型开发的全流程，企业无需投资通用 AI 技术，省去了在山路上摸爬滚打的时间可以直接上 AI 高速公路。

简单做个总结的话：相比上一次的红利期，生成式 AI 浪潮催生出的“蛋糕”更大，对云厂商的筛选也将更为严格。既需要先进的存算网络，有能力保障不断增长的算力需求，也需要在技术和模式上同步创新，真正帮助企业“解难题，做难事”，让 AI 重塑千行万业。无数个带着问题和需求上云的客户，将加速向技术派云厂商转移。

04 写在最后

回到文初的话题，为什么说云计算的“黄金时代”才刚开始呢？

就现阶段而言，云计算的增长引擎已经从价格渠道逐步向需求驱动、价值驱动转变，势必会倒逼云厂商改变市场策略，将资源投入到核心领域，继而从“低水平内卷”重回理性增长的轨道。

把视角再放长远一些，AI 对云计算的“颠覆”才露出冰山一角，过去的云服务是以功能为中心的，譬如 CRM、客服系统、OA 等等。未来将是以场景为中心，基于大模型的能力，打破功能上的边界，深入场景解决问题。彼时，云计算将渐渐剥离资源属性，成为智能世界的“底层系统”。