告別“低水平內卷”，雲計算步入“黃金時代”_風聞

2024年註定是雲計算發展的關鍵時間節點。

過去兩年多時間裏，雲計算行業被討論最多的話題就是“降價”，在市場增速放緩，甚至有企業高呼“下雲”的背景下，雲廠商紛紛打出了“價格牌”，導致整個行業陷入到了“低水平內卷”的境地。

進入2024年後，在大模型的促進下，千行萬業的智能化轉型愈演愈烈，而云化算力作為靈活高效、性價比極高的算力資源獲取方式，正在成為各AI廠商新的算力底座。如果説芯片是智能時代的“石油”，那雲化算力就是AI發展的“新能源”。

新舊業態的轉變，對雲計算的影響絕不僅僅是輿論層面，屬於雲計算的“黃金時代”或許才剛剛開始。

01 雲計算的“第二增長曲線”

生成式AI正在席捲千行萬業，想要拿到通往新時代的船票，“上雲”可以説是第一選擇。生成式AI需要雲計算，也為雲計算提供了新的驅動力。

直接的例子就是坐上OpenAI“副駕駛”的微軟。

4月25日，微軟發佈了2024財年第三財季的財報，微軟雲業務的整體收入為351億美元，同比增長23%；智能雲業務部門收入達到267億美元，同比增長21%，其中Azure和其他雲服務的收入增長31%，AI對Azure的收入貢獻提升至7%，高於2024財年第二財季的6%和第一財季的3%。

人工智能釋放出的增長推動力，讓華爾街的分析師們普遍對微軟持有樂觀態度。券商Wedbush的知名科技分析師Daniel Ives直言：“未來6到12個月內，人工智能用例可能會在整個企業領域呈爆炸式增長。我們將此視為微軟的’iPhone時刻’，人工智能將改變微軟未來幾年的雲增長軌跡，我們對此充滿信心。”

一個禮拜前結束的WWDC 2024，進一步印證了這樣的趨勢。

從蘋果公佈的AI戰略來看，全場最大的亮點莫過於和ChatGPT的整合：用户可以呼喚Siri，以及在全系統的寫作工具中調用ChatGPT，實現聊天機器人、圖像生成等功能，且這些需求會上傳到OpenAI的數據中心，在雲端完成。也就意味着，AI推理將長期以“雲端為主”，至少是三到五年中的常態。

事實上，國內市場也早有準備。

比如華為雲在2023年9月上線的昇騰雲服務，除了滿足基礎的AI算力需求，還提供了高效長穩的大模型訓練環境和完備的工具鏈，千億參數行業模型的端到端開發，從過去的5個月縮短到了1個月。

同樣做出選擇的還有大模型廠商。有別於2023年初瘋狂囤芯片的景象，越來越多的大模型廠商開始在雲上訓練和推理。比如估值超過25億美元的MiniMax，沒有購買任何GPU，而是以相對便宜的價格租賃雲算力。

不只是雲廠商和大模型廠商，走在AI第一線的大中型企業，也已經將AI和雲作為戰略方向。

借用奇瑞汽車股份有限公司副總經理戴闖的説法：“預計未來5年智能網聯汽車將超過90%的滲透率，將累計上萬PB的數據量。汽車行業的數據價值挖掘不充分，所以奇瑞認為以AI推動的創新是必然之路，基於雲服務的自動駕駛數據閉環平台，圍繞算力、算法、數據構建了端到端的AI底座。”

如果將資源上雲、應用上雲看作是雲計算的“第一增長曲線”，急劇增長的生成式AI需求，將為雲計算帶來“第二增長曲線”，在基礎資源需求逐漸飽和時，為雲計算行業開闢了新的增量市場。

02 雲上AI成為“最大公約數”

必須回答的一個問題是：滿足算力需求的方式有很多，譬如自建算力中心的方式，為什麼大大小小的企業要選擇雲上AI算力呢？

似乎有必要回顧下互聯網的商業簡史。

在PC互聯網初期，一台服務器就足以撐起一個網站。到了移動互聯網時代，智能手機的普及進一步擴充了網民羣體，形成了一個又一個月活上億的超級應用。正是在這一時期，雲計算開始走進人們的視線，提供了一種比傳統機房更靈活、更彈性的資源獲取方式。

移動互聯網的商業模式是“以終端為中心”的，智能手機的保有量某種程度上就是移動互聯網的上限。而生成式AI的特徵是“以智能為中心”，藉助自然語言的交互範式，手機、電視、汽車、空調等任何終端都可以是交互入口，算力需求註定會爆炸性增長。

“計算”量的指數級增長，也帶來了建設週期、運維、散熱等一系列挑戰。

以大模型訓練為例，通常需要數千張GPU，基於TB級別的數據，耗時幾個月進行訓練。一旦出現硬件故障、電源中斷、數據傳輸問題，訓練過程可能會被打斷，導致長時間的等待和之前計算資源的浪費。

無法繞開的還有算力中心的散熱問題。AI服務器的功率密度遠超通用服務器，單機櫃的功耗是過去的6-8倍。在“綠色數據中心”的政策限制下，需要專用的液冷系統進行散熱，以降低PUE（能效比）。

兩相比較的話，雲計算有着近乎“降維打擊”的優勢。

比如在算力交付方面，華為雲蕪湖數據中心在全球首創了機房產品化交付模式，將電力、AHU製冷等模塊化，把電纜管道預製化，可實現極速交付，並將交付過程中的質量問題降低了90%；在運維層面引入IOT技術，實現了告警秒級上報、故障分鐘級定位；在散熱方面，華為雲首創了雲服務感知能效調優技術，AI智能調優精度高達99.5%，可使PUE降低8%到15%……

身為“局內人”的科大訊飛董事長劉慶峯，對此有着深刻認識：“下一步我們還有更多任務要開發，更多算力要用，在我們自己建算力集羣之後，我們發現在華為雲上做訓練推理建設比自己做更輕鬆、效率更高，更能滿足短時瞬間的規模化算力應用之後，釋放波峯波谷（減少能耗閒置，算力削峯填谷），對整個行業都是效率最高的。”

大模型及相關應用是迄今為止最複雜的軟硬件系統工程，需要系統性創新才能應對。雲上AI算力作為一種高效、靈活、可擴展的解決方案，無疑是打破算力瓶頸的最優解，並因此成為產業上下游的共識。

03 下半場將比拼“算力服務”

雲計算價值和演進方向的悄然變化，意味着遊戲規則也將同步更新：不再是拼價格的“低水平內卷”，而是進入比拼“算力服務”的新賽段。

其中的一個關鍵賽點在於，能否提供“無處不在”的算力服務以及全棧AI能力。

為何不少企業傾向於自建算力中心，原因之一就是對時延的苛刻要求。大模型訓練時常常需要幾個TB的數據傳輸，沒有哪家企業甘願被帶寬和時延卡了脖子。況且大模型將有90%以上的算力需求用於推理，如果時延過長，將導致推理過程的延遲，直接影響響應效率和用户體驗。

這也就成了雲廠商們“卷”的新方向。

譬如6月14日正式開服的華為雲華東（蕪湖）數據中心，不僅標誌着華為雲全國存算網布局的全面完成，還畫出了一個覆蓋華東、華中等算力高地的10ms時延圈，時延圈內的對時延要求非常高的AI推理、電商、遊戲等行業，都可以一鍵接入。

除了在物理上降低時延，通過多級恢復機制、完備的工具鏈等保障服務的連續性、穩定性，也是保障算力服務“無處不在”的思路。

以昇騰雲服務為例，為大模型和AI應用的開發運行提供了資源獲取快、模型遷移快、故障修復快等六大AI支撐能力，實現了模型訓練一鍵接入多個算力中心、出現故障可以在10分鐘內恢復、推理服務就近接入相應的AI算力中心等服務，保障AI企業在任何地方都能享受即開即用的澎湃算力。

另一個不應忽略的賽點是“解決行業難題”的能力。

擁有全棧AI能力的華為雲，可以説是最早給出答案的雲廠商之一。

而對於龐大中小企業的需求，華為雲的全棧AI能力可提供從雲化算力、模型開發、模型託管到生態的全棧服務，提供ModelArts Standard（一站式AI開發服務）、ModelArts Lite（高性價比算力服務）等多種模式，幫助企業實現訓推一體。

也就是説，華為雲打造的“AI基建“能力覆蓋了模型開發的全流程，企業無需投資通用AI技術，省去了在山路上摸爬滾打的時間可以直接上AI高速公路。

簡單做個總結的話：相比上一次的紅利期，生成式AI浪潮催生出的“蛋糕”更大，對雲廠商的篩選也將更為嚴格。既需要先進的存算網絡，有能力保障不斷增長的算力需求，也需要在技術和模式上同步創新，真正幫助企業“解難題，做難事”，讓AI重塑千行萬業。無數個帶着問題和需求上雲的客户，將加速向技術派雲廠商轉移。

04 寫在最後

回到文初的話題，為什麼説雲計算的“黃金時代”才剛開始呢？

就現階段而言，雲計算的增長引擎已經從價格渠道逐步向需求驅動、價值驅動轉變，勢必會倒逼雲廠商改變市場策略，將資源投入到核心領域，繼而從“低水平內卷”重回理性增長的軌道。

把視角再放長遠一些，AI對雲計算的“顛覆”才露出冰山一角，過去的雲服務是以功能為中心的，譬如CRM、客服系統、OA等等。未來將是以場景為中心，基於大模型的能力，打破功能上的邊界，深入場景解決問題。彼時，雲計算將漸漸剝離資源屬性，成為智能世界的“底層系統”。