AI云的下一个战场：基础设施全栈能力之争

云计算领域许久未见如此高涨的热度。

根据IDC最新发布的数据，2025年上半年中国公有云市场总规模达1206.69亿元，同比增幅接近20%。其中，MaaS市场以12.9亿元的规模实现了421.2%的惊人同比增长，成为云计算各细分赛道中增速最快的板块；AI大模型解决方案市场规模达到30.7亿元，同比增长122.1%，金融、政务与制造三大行业贡献了超过60%的投入。毫无疑问，AI正为云计算开启第二增长曲线。

热潮之下，冷静思考同样不可或缺。

年终盘点时，各大厂商纷纷亮出成绩，Token调用量一跃成为最耀眼的指标。日均数十万亿级别的调用量在业内竞相刷新，让人依稀想起昔日市场份额争夺战的火药味。然而，熟知云计算发展历程的人都知道，市场份额这个词早已不再被频繁提及。并非它失去意义，而是行业普遍认识到，在持续高速扩张的市场中，份额仅仅是一个瞬时的截面影像，难以全面反映真实格局。

如今对Token调用量的追捧，某种程度上也陷入了同样的误区。

若将数据并置观察，结论更加鲜明：MaaS市场12.9亿元的规模，在整个公有云1206亿元的版图中仅占1%出头。当全行业的目光都聚焦于这1%的增长速度和排名变化时，很可能是在用一把过于局促的标尺衡量整个市场的潜力。

Token调用量固然可以反映部分事实，却无法揭示全貌。云计算的角逐从来不止于应用层面。基于此，硅星人预测：到2026年，AI云的战场将不可避免地转向基础设施，转向全栈能力的综合较量。

01 Token：有效度量，并非万能

Token调用量之所以走红，自有其合理性。它直观、可量化、便于传播，在一个亟需信心的市场中，“日均数十万亿”之类的数字天然具备震撼效应。对于投资人、媒体乃至部分客户而言，这无疑是AI热潮最直观的证明。

然而其局限性同样突出。首先，数量与质量不能划等号：完成同一项任务，模型A耗费1万Token，模型B仅需1000，究竟谁的技术更胜一筹？场景差异更是不容忽视：生成营销文案所消耗的Token，与协助金融机构进行票据识别所消耗的Token，或是消费端闲聊产生的Token，以及生产端提效所需的Token，其商业价值天差地别。

更为关键的是，API调用仅仅是企业采纳AI的多种路径之一，且是最轻量级的一种。

从云服务商的角度观察，企业应用AI通常可分为几个层次：最表层是直接调用云端API，按使用量付费，这也是当前Token统计所覆盖的主要形式；进一步，企业会在云端进行后训练与微调，将自身数据注入模型，训练出贴合业务的专属模型；再深一层，企业选择下载开源模型，在本地或私有云部署，确保数据不出域，推理在内部完成；此外还有一些特殊场景，例如车载智能驾驶、机器人端侧推理，模型直接运行在终端设备上，要求毫秒级响应，根本无法依赖云端返回。

这些路径所产生的算力消耗同样十分可观，却从未被纳入任何公开报告的统计范畴。

据硅星人获悉，在阿里云平台上，同时使用API调用服务与GPU算力资源的客户重合度达到70%。这表明，真正深度拥抱AI的企业并不会局限于单一模式，而是依据具体场景灵活选择服务层级：有的仅需调用API即可满足需求，有的则需自行训练模型。若仅盯着API调用这一指标，无异于只窥见了冰山的尖顶。

水面之下的冰山主体，才是企业AI转型的完整图景：这绝非简单接入一个API，而是一场涵盖数据治理、业务流程、组织架构的系统性变革。

这一过程无法速成，也不可能一蹴而就。没有任何企业在选型AI服务时会以“你的Token调用量最大”作为决策依据。它们真正关心的是：你能不能解决我的实际问题。

02 AI云的用户群，远超互联网范畴

究竟是哪些场景在消耗Token？对这一问题的回答，将直接影响我们对当前AI云市场真实面貌的判断。

当前中国AI浪潮最直观的繁荣景象集中于消费端：聊天机器人、AI歌唱、AI舞蹈、换脸应用、虚拟伴侣……这些应用主要运行在移动设备上，用户数增长迅猛，Token消耗量巨大，数据表现亮眼。与之对应，MaaS市场增长最快的客户群正是AI原生企业与互联网公司，它们天然契合API调用模式：业务完全在线，数据已就绪，开发能力强劲，调用API即可快速启动。

然而这仅仅是AI市场的冰山一角。

更为广阔的空间则蕴藏于企业级市场及各类终端设备之中。2025年，大量传统行业开始试水AI：农牧业利用AI进行牲畜计数与异常行为监测；安防领域部署多模态家用监控，实现婴儿看护、宠物识别、火焰告警；重工业借助维修助手缩短高级技师的培养周期；教育机构推出智能阅卷系统，不仅批改选择题，还能评估主观题；物流企业为一线员工配备AI助手，处理日常咨询。这些应用场景不仅出现在手机上，更延伸至车端、机器人、工业设备、IoT终端，其对实时性、可靠性、数据安全的要求远超消费级应用。

这些企业拥有一个共性：它们并非AI原生出身。它们拥有数十年积淀的业务数据与行业专知，所需绝非仅调用一个API那般简单，而是要将AI与自身数据、流程深度绑定。许多企业甚至尚未完成数字化转型，必须首先进行数据治理，继而开展后训练与微调，最后才能部署应用。这是一整套服务链条，绝非单一API接口所能承载。

这也就解释了为何开源模型与闭源模型对云业务的拉动效应呈现出迥异的节奏。闭源模型的路径更为直接：客户通过API调用，按使用量付费，收入确认清晰，增长曲线亮眼。而开源模型的逻辑则截然不同：用户下载后可能选择本地部署，或利用自有GPU集群进行推理，也可能在云端完成后训练却并不通过API调用。这些使用行为同样大量存在，却难以被精确统计。开源对云业务的带动作用确实存在，只是更为分散、隐蔽，且周期更长。

在全球视野下，阿里云堪称一个独特案例——它是少数同时重注云计算基础设施与开源模型生态的大型云厂商。

自Qwen系列模型开源以来，全球累计下载量已突破8亿次。然而这8亿次下载中，究竟有多少最终转化为阿里云的实际收入？难以精确量化。开源的逻辑在于构建生态，而非直接促成交易。

消费端的喧嚣仅仅是序曲，企业级市场的AI转型才是真正的攻坚战：数据治理、流程重塑、组织适配，每一步都充满挑战。整个产业向AI的演进，依然任重道远。

03 回归云计算的根本逻辑

经过多年的发展，云计算行业最深的一点体会便是：这里没有捷径可走。

每一款数据库产品，从上线初版到被数十家客户反复打磨，最终往往脱胎换骨。每一层服务能力的积淀，都源于无数脏活、累活、苦活的累积。基础设施的稳定性、安全性与弹性扩展能力，绝非依靠概念包装就能实现，而是经过无数次故障复盘、性能调优、架构迭代才逐步锤炼而成。这些核心能力毫无捷径可言，也无法一蹴而就。

无论AI为这个行业注入多大的想象空间，底层的竞争逻辑始终未变：唯有基础设施更为扎实、全栈能力更为完备的玩家，方能行稳致远。

MaaS领域的竞争也绝非孤立存在。当一家企业客户调用大模型API时，其背后的复杂程度远超简单的“请求-响应”模型。这背后涉及PaaS层的能力：数据如何存储、如何治理、如何输入模型进行训练、如何构建Agent工作流；更底层则依赖IaaS层的积累：芯片、服务器、网络、存储、GPU集群调度，一整套基础设施协同支撑。任何一层出现短板，都将拖累整体体验。

正因如此，全栈能力在AI时代被赋予了更高的权重。以往云计算的竞争中，IaaS、PaaS、SaaS相对独立，客户可以分层采购，今天选用A家的计算资源，明天切换B家的数据库。然而AI的出现改变了这一逻辑。模型训练需要海量算力，推理要求低延迟网络，数据必须在安全合规的框架下流动，这些环节高度耦合，难以割裂。谁能将模型能力与基础设施能力融合得最为出色，打造出最优的性价比，谁才能获得持久的竞争力。

到了2026年，随着更多企业从“浅尝辄止”转向“深度应用”，AI的应用重心从消费端迁移至生产端，竞争格局必将回归全栈能力的较量。

然而这场竞争的具体演变路径，目前尚难下定论。

1996年，摩托罗拉总裁访华时预测，到2000年中国手机用户将达100万左右。实际结果却是2000年中国手机用户突破1亿，随后数年更跃升至10亿。而彼时的摩托罗拉已然掉队。技术变革时期的预测，往往低估了市场的爆发潜能，同时也高估了短期的竞争格局。

当前MaaS市场在整个云计算版图中仅占1%略多，中国企业级市场的AI渗透尚处萌芽阶段，99%的企业尚未真正进场。

云计算的发展始终是一个漫长的历程，没有任何捷径可循。一时的数据起伏，既不必过度兴奋，也无需过分焦虑。真正值得聚焦的，是那些在脚踏实地构筑基础设施、真心实意服务企业客户、默默为三五年后的竞争积蓄力量的玩家。