3D黄漫❌大乳18禁原神网站

阿里云 <2026 年>目标：拿下中国 AI 云市场增量的 80%|AI_新浪财经_新浪网

成人网35Cc - 热门短片火热上线，互动社区畅快交流，欢迎加入交流分享

“AI Infra 就是云计算本身。”文丨贺乾明100 多年前，电力首次进入工厂，许多工厂主做了一个看似合理的决定：保留复杂的蒸汽机传动轴和皮带系统，只用电动机替换蒸汽机。结果令他们大失所望：动力更强了，生产效率几乎没有同步提升。接下来的 20 年，他们才逐步意识到，电力带来的真正变革不只是简单替代动力源，而是把它嵌入到不同的业务单元中，用不同类型的电机驱动钻头、传送带等，生产力才迎来爆发。这是阿里云希望给企业深入应用 AI 提供的能力。他们认为，AI 时代客户要的不只是单一的模型或云的能力，而是更低成本使用更强模型时，有更灵活的综合体验。AI 云应该像当年的电力真正提高工业生产力时那样，提供多层次的服务，全面嵌入到企业的业务流程中。这一判断有业务数据支撑：在阿里云上调用大模型 API （ MaaS 服务）的客户中，有七成也同时在使用其 GPU 算力服务。阿里云智能集团资深副总裁、公共云事业部总裁刘伟光说，第一批深度使用 AI 的客户，会把场景分成不同档次：不只是简单调用大模型 API，还会用内部数据精调或者后训练基础模型，或者自己从头训练一个模型。在刘伟光看来，AI 给云计算行业带来的变化才刚刚开始，整个云计算体系架构都要为 AI 重构，“MaaS 增长潜力很大，但关键是打赢 AI 云新增的全量市场”，要建立软硬一体的 AI 云全栈能力，推动企业用更低成本调用更强的 AI 模型，解决不同层次、不同场景问题，“这才是竞争中的胜负手”。146 个 行业客户深度调研：Token 质量比数量重要“如果今天所有的 AI 应用每天只能免费用 100 次，你会用它做什么？”这是刘伟光 2025 年走访了 146 个客户后反复思考的问题。 他的结论非常直接：没有人会把它浪费在写段子或闲聊上，一定会做最重要的东西——对工作最有帮助的决策、对家庭生活最关键的建议。在他看来，这是企业使用大模型与个人用户的本质区别。个人用户可能为了娱乐消耗 Token，但追求效率的企业，每一次 Token 的交换都有成本。他们不仅要为 Token 付费，业务线上的人力、时间也是投入。很难想象一个年轻的工程师面对设备故障时，还需要多轮对话才能得到解决方案，需要更快的响应、能让他迅速解决问题的指南。同样，基金公司的交易员用 AI 辅助捕捉交易信号时，也很难容忍模型动辄陷入沉思，然后给出长篇大论，再问一句 “是否需要我帮你整理得更完善”。传统行业的企业正在用不同的方式，尽可能避开 AI 的短板、提升效率。比如汽车诊断公司，用 30 年积累的产业检测报告做出来远程帮助汽修的大模型，才用到诊断报告中；基金公司会用沉淀 20 多年的数据和交易的行为跟模型结合，把各种形式的非结构化数据（如文字、语音、图像等）转化为可供投资参考的标准化信息。企业也希望充分挖掘 AI 的潜力。中国两家农牧业巨头公司都在用千问做相同的事情，他们不仅尝试用 VL（视觉大模型）识别猪的数量，还用它来识别猪的异常行为，检测猪的健康与活性，或者是开发兽医大模型解决专业人才短缺问题。还有头部照明公司接入千问后，不再局限简单的开关灯或者调控色温，还用 AI 理解用户模糊的指令，用更流畅的对话打造更聪明的端侧语言模型，让人与光的交互更自然。而企业一旦找到合适的方式把 AI 嵌入业务流程中，就会是严肃和连贯的。在线招聘行业中的每一家公司，几乎都在引入 AI 简历筛选、智能化面试、自动生成面试记录。当招聘专员习惯用 AI 辅助工作后，就会形成新的工作流，每天都会使用，不会受到个人喜好影响。“个人消费者使用 AI 的情况会有波动，但企业级市场只会不断增长。” 刘伟光说，而且使用的广度和深度会不断加强，很多场景还没有解锁，“如果 AI 能把车损定损给改了，那绝对是一种 ‘革命’。”2024 年云栖大会上，阿里巴巴集团 CEO 吴泳铭在演讲中称，生成式 AI 最大的想象力，绝不是在手机屏幕上做一两个新的超级 App，而是接管数字世界，改变物理世界。过去一年中国 AI 企业市场的发展证实了他的判断。AI 已不只在手机里面作为应用程序，而是出现在更多的载体中，包括眼镜、耳机、学习机、玩具、健身器材、汽车、机器人等全品类硬件设备中。这种不同层次、不同场景的需求，当下无法用单一的模型 API 服务满足。在美国市场，原本已经给企业提供工具的 SaaS 行业，大模型调用量规模持续上涨，提供了一种相对标准化的方案。而在 SaaS 行业未能发展起来的中国市场，传统行业偏向定制服务解决特定场景问题，往往需要后训练或者微调大模型。云计算公司提供这样的服务，在一定程度上为企业提供了类似 SaaS 的服务。“现在所有 MaaS 服务加一起，在中国云计算市场、甚至 AI 云市场占比都不高。MaaS 的空间当然非常大，但不是今天。” 刘伟光说，只统计公有云市场大模型 API 的调用量，无法代表 AI 云全貌。真实的 Token 消耗量，要把 MaaS 平台 API 调用、公共云 GPU 推理集群产生 Token、私有化模型部署产生 Token，设备端模型产生的 Token 等全部统计在内。“冰川下的 Token 消耗非常大，却无法统计。而且企业用 AI 还处于转型早期， 90% 以上的企业还没有真正行动起来，未来肯定是百倍的增长。”但可以观察的是，只要基础模型的性能持续提升，云厂商深入到技术栈的每一层提供服务，改进推理能力、节省成本，就可以带动更多行业的更多客户用 AI 解决问题。做 AI 时代的基础设施，承接不同层次的需求英伟达 CEO 黄仁勋曾抛出一个著名的论断：GPU 集群就是 “Token 工厂”，输入的是能量，输出的是 Token。这是典型的芯片公司视角，把 AI 生产过程简化为了物理层面的能量转换。对于云厂商来说，如果只是从事算力转售业务，现在很难提供可用的 AI 服务。他们必须用系统工程能力，尽可能提升现有算力效率，针对不同行业、不同层次的企业提供模型服务。这也是阿里云的选择：做 AI 时代的基础设施。用刘伟光的比喻来说，阿里云正在搭建的是一套现代化的自来水厂，而不只是水（大模型 API）的搬运工，还要维护水源地（开源模型）、搭建净化车间（数据清洗与模型训练平台）、铺设输水管网（高性能网络），以及处理污水（安全治理）等。在这套体系中，阿里云能够提供当前不同类型的 “用水” 需求：MaaS（直供水服务）： 就像家庭拧开水龙头就能用水，企业或者开发者不用关心底层复杂的管网，直接调用 API，开箱即用，按需付费。这是最轻量的接入方式。PaaS（工业用水服务）： 类似于工厂需要特定的水源，企业可以获得基础模型，直接用 “开源模型” 在阿里云平台上微调或者自己后训练，然后部署到合适的环境中。IaaS（水处理基础设施）： 像是将经过初步净化、萃取后的水源，输送给饮料厂或啤酒厂，企业可以用阿里云提供的算力和基础软件，用来训练独家配方的 “饮料”，比如自动驾驶模型、各种垂类大模型等等。阿里云已经有了初步成绩。根据市场调研机构 Omdia 数据，2025 年上半年，中国 AI 云整体市场（AI IaaS+PaaS+MaaS）规模达 223 亿元，阿里云占比 35.8 %，超过第二到第四名总和。搭建这套全面的基础设施，不仅需要高昂的投入，还要有战略决心。2025 年 2 月，阿里宣布未来三年将投入超过 3800 亿元，用于建设云和 AI 硬件基础设施，总额超过去十年总和。仅仅是 2025 年前三个季度，阿里用于建设 AI 数据中心等的资本开支就兑现了 950 亿元。在基础模型层面，阿里持续投入训练不同尺寸、不同类型、不同模态的基础模型，并投入资源把它们做到第一梯队。比如视觉生成模型万相 2.6 性能媲美 OpenAI 的 Sora 2；Qwen-Image-Layered 是业界首个能实现图像分层精准编辑的模型；Qwen3-Max 的性位居全球模型性能榜单前列。阿里选择把这些模型开源，提供给各行各业的团队或企业使用，其中 Qwen 的衍生模型数量超过 18 万，规模位居全球第一。作为基础设施，阿里云上长出来的不只有阿里自研的模型，月之暗面也在阿里云上训练 Kimi 系列模型，以及许多智驾团队也用阿里云训练模型。与此同时，阿里云也提供了一整套体系能力，支撑 AI 时代新诞生的产品迅速发展，除了阿里体系的千问 App，还有蚂蚁集团的灵光、阿福，以及月之暗面的 Kimi 应用、MiniMax 的海螺等。尽管当前各行各业应用 AI 还处于早期阶段，但定位基础设施的阿里云，也在探索更新的产品形态，为接下来的 AI 应用爆发做好准备。最典型的例子就是阿里正在开发千问 App 的 Agent 版本。它不只局限于用户提问，还能够调用淘宝比价、使用高德导航，甚至阿里所有的服务都有可能成为它的插件。最终这些在阿里内部业务和行业头部公司验证过的能力，都会沉淀在阿里云中，成为对外提供服务的产品。让客户具备长期、可持续地产生和使用智能的能力，而不是把客户锁定在某一种计量方式里。AI 加速推动客户上云AI 正在给云厂商带来了新的增长动力。无论是 AWS、微软 Azure、Google Cloud 还是阿里云，规模都在迅速增长。但提供动力的不只是 GPU 用量或者大模型 API 的调用。阿里云团队观察到， 在阿里云上使用这些服务的客户群体，他们在计算、存储、网络以及大数据等产品上用量的增长，高于整个大盘的增长。 “AI 会加速推动客户上云。” 刘伟光说，客户为了用好 AI，不得不将数据全面上云。企业想要让一个 Agent 产生价值，基础模型只是一个方面，高质量的业务数据同样重要。微软 Azure 的增长逻辑类似，出售 OpenAI 的基础模型的 API 服务只是其中一个方面，更充足的动力来自企业为了在业务中应用更强的模型，把分散在本地与各系统中的内容与数据，迁移到了更方便模型调用的云产品中。为高并发 Web/HTTP 请求设计的传统云计算架构，难以高效支撑这样的需求。甲骨文重新获得增长动力，很大一部分因素就来自于部署 RDMA（远程直接内存访问）高性能网络和自治数据库，适应了大模型训练、推理的需求。 这直接改变了公共云计算服务在中国市场的前景。此前多年，中国云计算公司并不像 AWS 等海外云平台那样，公共云客户遍布各行各业，囊括美国证券交易所、大型石油公司、银行业巨头等，做大规模就能拥有利润。在中国云计算市场，平台依赖的电力、带宽等基础设施成本并不受企业自身控制；部分传统企业出于数据安全、合规或历史惯性等原因，仍倾向于自建数据中心。“阿里云的基础云架构，为 AI 重做了一遍。” 刘伟光说，AI Infra 并不是一个特定的垂直方向，就是云计算本身，不仅需要规模化、安全和稳定，更需要云上的跨服务流转能力，比如新型的向量数据库、高效的大数据清洗平台、灵活的开发框架，满足企业不同层次、不同场景使用  AI  的配套软件体系。在阿里云看来， AI 时代云计算平台的竞争力在于 “软硬一体化” 的体系能力：硬件不只是芯片，而是围绕 GPU 算力构建的整个高性能底层架构；软件则是对模型的理解、优化和调度能力。“阿里云的目标是拿下 2026 年中国 AI 云市场增量的 80%。” 刘伟光说，但是下一年增量的 10% 都会大于上一年的全量。所以过去取得了什么成绩并不重要，变化才刚刚开始。 .appendQr_wrap{border:1px solid #E6E6E6;padding:8px;} .appendQr_normal{float:left;} .appendQr_normal img{width:100px;} .appendQr_normal_txt{float:left;font-size:20px;line-height:100px;padding-left:20px;color:#333;} 海量资讯、精准解读，尽在新浪财经APP

成人网35Cc - 热门短片火热上线，互动社区畅快交流，欢迎加入交流分享

分享让更多人看到