青嵐：雲計算這個美國對華封鎖的重點領域，二次長征勢在必行-心智觀察所

【文/觀察者網專欄作者 青嵐】

2010年3月，深圳五洲賓館。

在一場李彥宏、馬化騰、馬雲齊集的高端對話中，BAT三巨頭對當時IT產業熱門話題：雲計算，進行了一番日後將被反覆提及的討論。

技術專家出身的李彥宏和馬化騰，在肯定網絡原生應用前景的同時，不約而同強調了傳統IT架構“上雲”的現實挑戰：

“未來我也相信會有越來越多的基於雲計算的這種互聯網應用會出來，但是如果大家想我現在是一個傳統軟件產品，我想用雲計算方式多賺點錢，我感覺這個活會比較累”。

“如果説它提到未來以後各種各樣綜合性業務軟件，包括企業中的各種各樣企業管理系統都可以去雲端處理，都可以不是在本地局域網服務器處理，而是公共網絡公共設施，把計算能力、處理能力甚至邏輯組件都能夠像水和電一樣，的確是有想象空間的。可能你過幾百年、一千年後，到阿凡達那種確實有可能，現在還是確實過早了”。

相比兩位資深IT工程師的謹慎，“最不懂技術”的馬雲，卻發表了看起來最為大膽的預測：

“我最怕的是老酒裝新瓶的東西，你看不清他在玩什麼，突然爆發出來最可怕。雅虎當年做搜索引擎，然後Google出來了，雅虎很多人認為跟我們也差不多，後來幾乎把他們搞死。所以一個新的東西出來後，我們認真思考一下、關注一下，可能會有一些新的問題。我們自己公司對雲計算是充滿信心、也充滿希望，我們不是覺得這又找到一個新的礦產，我們阿里巴巴擁有大量消費數據、支付寶交易數據，我們覺得這些數據對我們有用，但是可能對社會更有用，比如我們從小企業的信息掌握到整個中國經濟、世界經濟的問題……所以這是客户需要，如果我們不做，將來會死掉”。

馬雲發言的底氣，無疑來自於當時國內最“懂”雲計算的技術專家、阿里雲創始人、未來的中國工程院院士王堅。這位頗具個人魅力的技術佈道師，正帶領林晨曦等骨幹，進行着一場自主研發雲計算底層技術的“長征”。

（IBM同樣是中國計算產業史上早期重量級玩家，早在2008年，IBM在無錫建立了國內乃至全球第一個雲計算中心，將之視為為傳統行業客户降本的理想解決方案，華裔高管Dennis Quan是這一時期IBM雲計算戰略的核心推手，促成了谷歌與IBM兩大vendor的戰略合作）

以今天的眼光回顧，巨頭們的判斷乍看起來高下分明，也儼然呼應了今天中國雲計算市場格局。

然而極有必要指出的是，三人當年所探討的“雲計算”，其技術、場景內涵其實與今天亞馬遜AWS為代表的主流模式大有不同。

在那個雲計算概念“炒作之巔”，谷歌大數據論文“老三篇”和雅虎Hadoop實踐，才是公有云技術路線的公認模板，其預想的使用者則有意無意限定於有超大規模數據需求的用户，這一點，在馬雲的話語中其實也有清晰體現。

正是基於這種共識性圖景，阿里雲的早期探索也明顯受到谷歌路線影響，以至於在2016年出版《在線》一書時，儘管王堅已着力訂正阿里雲“歲月史書”，強調“世界上有一家半公司是阿里雲的榜樣，一家是亞馬遜，另外半家是谷歌”，但在對“飛天”操作系統的技術架構介紹中，仍然坦率承認“底層架構與亞馬遜差別很大……除阿里雲外，世界上只有谷歌能夠做到這一點”。

以今天的眼光衡量，從對標Hadoop重造“雲梯”、再到YunOS押下重注，早期阿里雲戰略決策不乏可爭議之處。在Netflix與亞馬遜歷史性合作照亮市場後，一眾拿着OpenStack大幹快上“抄作業”的國內競爭者，似乎也令阿里所下的“笨功夫”得不償失。

不過底層技術正向研發所能帶來的工程經驗，終究不是照抄AWS“作業”所能比擬，王堅團隊的開創性貢獻，也已被時光洗刷為一段始於遠見、終於收穫的佳話。

在那個倏忽而至的雲計算泡沫期，時任工信部軟件服務業司副司長陳英曾毫不客氣地警告：“全國各地政府投資建設的雲計算中心已經超過十個，這些雲計算中心多為國外的企業來主導建設，軟硬件設施多數採用國外的產品，利用率不是很高，部分雲計算中心還處於尋找業務模式的閒置狀態”。而在虛擬化等關鍵核心技術上，國內產業鏈“掌握有限，缺乏有競爭力的產品和技術能力”。

如果當年沒有那麼一批捨得下“笨功夫”、“苦功夫”的技術人才匯聚於阿里雲，中國IT產業史的雲計算章節或許又將平添幾許無奈與屈辱。

當然，從商業邏輯看，阿里雲最終能夠在雲計算產業“範式切換”中穩住陣腳，更重要因素還是其資本實力以及與亞馬遜共通的電商基因。AWS早期發展史業已證明，類似於Marketplace的第三方賣家服務，為雲計算商業落地提供了天然的“殺手”場景。

歷經十餘年“長征”，中國雲計算產業無疑已取得長足發展，不僅阿里雲拿下了亞太地區雲計算市場“一哥”地位，華為雲、騰訊雲、百度智能雲乃至幾大運營商雲，也已形成各自的穩固市場地位。

但在成績之外，與美國雲計算三巨頭相比，中國同行們的日子普遍談不上滋潤。

以阿里云為例，直到2022財年，該業務板塊才首次實現年度盈利，已經是當時“中國唯一實現盈虧平衡的雲服務商”，而根據上月末發佈的阿里巴巴2025財年中報，阿里雲（雲智能集團）在今年二三季度合計實現營收約561億元人民幣，營業利潤率在拆分釘釘後雖然收穫同比翻番增長，但仍然僅能達到9%左右，對比美國三強中敬陪末座的谷歌雲，同期營收為217億美元，營業利潤率則可達到約14%。

看到此處，或許已經有人一鍵開啓反思模板，痛斥中國企業的“劣根性”。的確，在跳出互聯網客户羣，向政企市場開拓大客户的這些年，國內雲計算廠商遭遇的“毒打”、踩過的“深坑”數不勝數，即便如此努力刻苦，其中的佼佼者依然只能勉強看到美國雲計算三強的背影。

不過稍加橫向對比，就不難發現在雲計算產業版圖中，中國與美國，已經是唯二有資格上桌的玩家，曾經的軟件產業重鎮歐洲、日本，已經淪為中美雲計算廠商跑馬圈地的沃土。

故此，與其“反思”中國雲計算產業為何落後，更正確的問題或許是，美國的產業生態為何如此特殊？在計算存儲資源與基礎設施解耦後，為什麼美國用户會表現出對服務買單更高的積極性和信任度？

從渠道體系到商業習慣，這些問題的答案甚至可以追溯到近一個世紀之前。

早在IT產業“史前”的1932年，藍色巨人IBM就成立了服務局部門（SBD），在美國各大城市自建制表機“機房”，通過人力配送“互聯網”傳輸打孔卡“數據”，為輻射範圍內的中小企業提供算力服務，使其無需承擔昂貴的硬件購置或租賃費用。儘管SBD營收從未超出過5%的貢獻度，但這種伴隨着一整代美國“新市民”與“新白領”共同成長起來的水平分工與服務付費生態，最終嵌入了美式管理資本主義的“基因編碼”，從而在電子計算機時代也依然順暢運轉。以Tymshare公司為代表的多用户遠程終端分時服務，同樣曾在微型計算機問世前興盛一時。

對於中國雲計算乃至更廣義的軟件服務業而言，與其豔羨這種“放之四海而不準”的特殊生態系統，更好的做法理當是審視自身的特殊稟賦併發揚光大。

沒有歷史包袱、敢於擁抱變化，正是中國高科技產業一次次被驗證的可貴“後發優勢”，而在雲計算產業，隨着生成式AI浪潮席捲而來，十年一遇的變革窗口也已開啓。

得AI者得天下，無疑是當前雲計算產業簡單粗暴的主導法則。

順之者昌，逆之者亡。

有OpenAI作為招牌的微軟Azure，攻城略地勢如破竹，而因AI算力不足丟掉大客户xAI的甲骨文，股價應聲而落。

今年年初，甚至曾有投資人大膽預測，按照微軟Azure與亞馬遜AWS市場份額之間此消彼長的速度，Azure可能到2026年反超AWS，實現雲計算行業歷史性的“霸權交接”，其判斷依據正是微軟在AI算力與標杆客户上的領先佈局。

除了其與OpenAI家喻户曉的密切關係，微軟在娛樂應用上與英偉達早已培育了長期的互信合作關係，因此在面向AI應用的GPGPU“囤貨潮”中，也總能得到英偉達的回報。

根據瑞銀明星分析師蒂莫西·阿庫裏（Timothy Arcuri）判斷，微軟對2024財年英偉達總營收的貢獻達到驚人的19%，是名副其實的最大合作伙伴，超過亞馬遜和谷歌兩大買家總和。如此緊密的利益紐帶，將之稱為新時代WINTEL聯盟也並不為過。

不久前心智觀察所與《奧爾特曼傳》作者周恆星的獨家對話中，對於這套已然成型的“微軟模式”也有精彩概括：“谷歌就是一直吊打微軟，到納德拉成為CEO之後，可能雲計算方面開始讓微軟稍微扳回了一局，因為谷歌雖然也有云計算，但其實不是它的優勢。納德拉覺得應該做一些谷歌還不是特別擅長的東西，就看準了AI，他也説服了比爾蓋茨，之後就跟OpenAI結盟了”。

面對微軟Azure挾AI業務攪動的變局，亞馬遜已經難以繼續保持從容。對標“微軟模式”，亞馬遜一面不斷加大對Anthropic投資，試圖為自己確保一張在基礎大模型上的參賽門票，另一方面，在英偉達GPU供貨爭不過微軟的情況下，亞馬遜對自研大算力AI芯片也日益重視，旗下Annapurna labs用於大模型訓練的Trainium 2芯片及實例已在上週正式發佈，研發團隊內部人員直言，“我們的mission是打破英偉達的壟斷，democratize AI for everyone。所以我們一切都是對標英偉達……完整的技術棧加上和AWS強大的基建和用户基礎，是我們和英偉達叫板的最大底氣”。

（Anthropic創始人、如今美國AI產業界大佬Dario Amodei出身百度美研，與他的同事們幾乎最早揭示了大模型“規模定律”的存在）

攻防的衝動，當然不僅僅存在於美國雲計算產業，在國內，頭部玩家也不約而同對標“微軟模式”，開啓了基礎大模型與智算中心投資（Artificial Intelligence Data Center，AIDC）的“軍備競賽”。

相比基礎大模型開發，智算中心建設的資本與技術挑戰同樣巨大。隨着模型參數量提升，對算力需求已經達到了傳統通用計算難以設想的高度。在2024年尾聲，GPU萬卡訓練集羣已近乎成為國內外AI大模型頭部玩家“標配”，萬卡乃至更高數量級集羣，不僅需要特殊的數據中心網絡架構以調度計算存儲資源，在供電和散熱上也面臨全新挑戰，以910B組成的萬卡集羣為例，僅加速卡額定功率就高達9800千瓦，年耗電量約8500萬度。

令技術難度進一步加劇的是，在這個雲計算產業重排座次的關鍵階段，美國人似乎格外容不得其他競爭者。

從開源大模型到先進芯片乃至雲端算力訪問權限，美國朝野正以極其罕見的高效和細緻，築起對華封鎖的高牆。以所謂的《遠程訪問安全法案》為例，就明確提出要堵塞中國公司通過“全球任何地方的雲服務提供商”使用先進計算芯片的可能。

這種人為的敵意，顯然為中國雲計算產業帶來了空前挑戰。如果説2010年代，行業比拼的主要是資本實力和市場策略，高端芯片的可及性並不構成約束條件，甚至中國市場成為英特爾、AMD、英偉達、博通等公司最前沿數據中心產品的“試驗場”，那麼在供應鏈實質性割裂的形勢下，AI算力基礎設施就成為了最為關鍵的“咽喉點”（choke point）。

為了掙脱卡住咽喉的枷鎖，中國雲計算產業第二次“長征”已勢在必行。

不難想見，這場長征假如未竟全功，那麼不僅中國雲計算產業此前十餘年辛勤開墾的市場份額將不進反退，中國通用人工智能的發展，也將被“鎖死”在中低端。

正是因為其關乎巨大公共利益，國內智算中心建設已經形成了產學研用協同攻堅的局面，從以軟補硬到器件結構、製程工藝、計算架構乃至計算介質，展開了堪稱“飽和式”的技術攻堅。

在工業界，國內幾大雲計算巨頭的萬卡智算集羣，已普遍運用了各具特色的新一代數據中心網絡架構，例如某企業計算研究部提出的新一代光電混合交換網絡架構，能夠將集羣規模（NPU/GPU數量）擴展至128K，同時滿足ns-µs量級快速鏈路切換。集羣節點內可通過波長切分器件帶來快速的光鏈路切換，節點間通過MEMS器件帶來集羣規模彈性擴展。

而在學術界，中國研究者在存算一體等新型計算架構上的探索，已經走在了全球微電子領域最前沿。

根據公開信息，在科技部2024年度“先進計算與新興軟件”重點專項啓動的20項任務中，就包括了“基於存算一體的分佈式近數據處理計算系統”和“面向大模型訓練的異構存算系統”。

前者考核指標為：研製一款存算一體的近數據智能計算原型芯片及原型設備，實現大模型等典型人工智能應用的原型驗證。近數據處理加速器聚合吞吐率達到120GB/s，存儲密度超過0.15Gb/mm2，存儲與計算的片間帶寬達到1.6TB/s；近數據計算處理系統實現的等效能效比和等效吞吐率較傳統方案提升1個數量級；智能計算模塊的算力密度突破6TPP/mm2（作為對比，美國商務部先進芯片禁令中的性能密度限制則為TPP不得高於5.92/mm2），支持整數型和浮點型數據格式的全精度計算。

第二項任務的考核，則更貼近實際生產場景，目標是研製一套面向大模型訓練的異構存算系統，支持基於國產AI加速卡的遠程存儲直通技術，融合高帶寬內存、DRAM、非易失性存儲、固態硬盤等多級存儲，支撐千億級以上參數大模型高效訓練，單卡訓練可支撐參數規模超過百億，數據I/O時間佔總訓練時間的20%以內，平均檢查點恢復時間小於60s。

在這個時間點上，對於智算中心技術攻堅乃至中國雲計算產業的未來前途，科技觀察家保羅·特里奧洛（Paul Triolo）最近的一段話恰可作為總結：

“鑑於美國及其盟友實施的嚴格控制以及未來技術路線圖的複雜性，中國半導體行業似乎不太可能“趕上”世界其他地區。但是，在2023年，美國政府中沒有人認為華為和中芯國際能夠像Mate 60那樣生產基於7納米SoC的智能手機。明年，中國半導體行業可能會再次震驚世界”。

本文系觀察者網獨家稿件，文章內容純屬作者個人觀點，不代表平台觀點，未經授權，不得轉載，否則將追究法律責任。關注觀察者網微信guanchacn，每日閲讀趣味文章。