AI云的“半程路標”：谷歌云和阿里云的逆襲，AWS、微軟云的再審視

AI不會平均地抬升所有云廠商，這是后進者朝著前排座位沖擊的最好機會。

在大模型之前的敘事邏輯中，規模效應驅動行業集中度持續提升，強者愈強的趨勢不斷強化，谷歌、阿里云、和AWS、微軟的距離只會越拉越大。

但是，大模型讓這一切有了可能，云廠商的生意發生了本質變化。有意思的是，對于如何做AI云，即便是頂級云廠商，也沒有很快達成共識。

AI云，巨頭也曾犯錯

AI云的熱鬧最早是微軟云的。憑借對早期OpenAI的投資，微軟擁有GPT大模型的優先使用權，故事很美好，微軟希望通過GPT大模型先帶飛Azure，再融入Office、Teams等應用中。

問題恰恰出在這里，OpenAI不甘于做微軟的附庸，不僅多方尋找云資源的替代方案，與AWS、甲骨文等合縱連橫，還推出了和微軟有競爭關系的瀏覽器等產品。微軟也不得不投資Anthropic、加大自研模型力度來應對，雙方的合作從最初的美好變為“貌合神離”。

微軟云的聲勢一度超過AWS，這也不禁讓“老大哥”有危機感，于是亞馬遜選擇大手筆投資OpenAI的競爭對手Anthropic（先于微軟），以獲得領先的模型能力。

與此同時，亞馬遜云科技的策略是“Choice Matters”（選擇大于一切），他們認為，行業內不存在一個在所有場景中性能、性價比都為最優的通用模型，因此亞馬遜云科技在Bedrock上提供了多種模型選擇。

某種程度上，亞馬遜云科技的思路并沒有錯，但是有一個關鍵問題，頭部模型依然有無可替代的重要性，而大部分頂級模型要么在競爭對手的掌控中，要么企業傾向于自己提供模型服務，并不完全愿意托管在Bedrock上，這就影響了亞馬遜云科技在模型層的競爭力。

亞馬遜云科技也意識到了這一點，在最近的re:invent大會上，亞馬遜云科技繼續新增了十多款模型選擇，中國模型方面，在此前Deepseek、Qwen的基礎上增加了Kimi和Minimax。同時亞馬遜云科技更新了自研的多款Nova模型，至少在模型層面希望不落后太多。

阿里云的思路更顯不同，憑借Qwen模型在全球技術圈闖出了影響力。不僅是國內最早開源自研大模型的“大廠”，也是全球唯一一家積極研發先進AI模型并且全方位開源的云計算廠商，業界率先實現“全尺寸、全模態”的全面開源，其他三家頭部云廠商都沒有將自己的模型規模開源。

在業界看來，阿里云作為市場份額更少的一方，全方面開源是一個頗有魄力的選擇，閉源模型可以保證自己的核心競爭力，開源很大程度上會削弱模型競爭力，如果可以追趕上頭部云廠商，犧牲短期利益去博得更多的用戶群體，那就值得。

通義千問Qwen衍生模型數量已突破18萬，遠超Meta llama系列模型；通義千問Qwen在全球下載量超7億，據彭博統計，截至2025年10月，千問Qwen下載量也已超越Llama模型，通義成為全球第一AI開源模型。

阿里云的目標是讓Qwen模型成為產業的默認依賴，就像linux之于服務器，MySQL/HAdoop之于數據，Kubernetes之于云原生，開源為了成為標準。

谷歌云是低開高走的典型代表，Gemini 3系列模型和第七代TPU Ironwood，被視作谷歌AI逆襲的標志。最近谷歌創始人謝爾蓋·布林坦誠表示，盡管谷歌早在八年前就發布了Transformer論文，但公司內部卻并未給予足夠的戰略重視，當時在算力擴展上的投入過于保守，擔心聊天機器人可能會輸出錯誤信息或不當言論。

謝爾蓋·布林的回歸打破了谷歌的大公司病，更重要的是，將谷歌全棧AI的優勢盤活了。第七代TPU Ironwood在性能、能效比和互聯帶寬上，均顯示出對GPU的顯著優勢，Gemini 3系列原生多模態能力和超長上下文窗口，將行業標準提升到了一個新的量級，從基礎架構層面就多模態的統一理解和生成，模型效果驚艷。

這也讓行業清晰地認識到，模型+云+芯片的垂直整合，是更深厚的護城河，這種全棧能力為廠商提供了可觀的模型迭代效果，也成為AI云的參考標準。

AI技術全棧，云廠商領跑

11月中旬，市場研究機構Gartner發布4篇GenAI（生成式AI）技術創新指南系列報告，公布了GenAI云基礎設施、GenAI工程、GenAI模型以及AI知識管理應用四大維度的新興市場象限（Emerging Market Quadrant）。

某種程度上可以視為AI技術棧的參考指南，AI云基本涵蓋在其中，按照自下而上的技術棧，最新的系列報告分為四個維度。

GenAI云基礎設施，指的是專注于為模型訓練、推理和服務交付提供優化基礎設施的云服務提供商。在這一領域中，Gartner 識別了主要的超大規模云廠商，以及專注于 AI 優化基礎設施的專業云廠商。

新興領導者象限僅有微軟、谷歌、AWS和阿里云四家廠商入圍，阿里云是唯一入圍的亞太廠商，IBM、Oracle、華為云和騰訊云位于遠見者象限，Nebius、OVHcloud、CoreWeave等位于專業廠商象限，他們的優勢還局限在單點能力級別。

“GenAI模型”維度，報告關注廠商所提供的GenAI模型的綜合能力，包括模型的豐富度，能否覆蓋不同輸入輸出模態、兼容第三方工具，以及安全和隱私等。大模型需要大量的數據、算力和工程資源，該市場高度集中，主要由少數幾家廠商主導。

四家云廠商依舊位居領導者象限，阿里云在“feature（特征）”指標上還領先于AWS、微軟，僅次于谷歌和OpenAI。此外，IBM、Anthropic、Writer、Cohere和Uipath也位于領導者象限。Meta和Mistral AI則位于挑戰者象限。

在“GenAI工程”維度，報告關注數據準備、模型訓練/精調、模型管理、評估、觀測等模型全生命周期工具。

過去兩年中，無論是既有廠商還是新進入者，都在加速推出各類工具和服務，以支持生成式 AI 的完整工程化流水線，不再局限于對生成式 AI 模型進行簡單的提示（prompt）調用。

GenAI工程收錄的廠商數量更多，不是所有廠商都能做云基礎設施和大模型，但是工程化能力是使用模型的必備，不少廠商都將資源投入到這一層級。

其中，四家云廠商繼續領跑，但是和其他廠商的差距并沒有拉開，阿里云在縱軸“特征”以及橫軸“未來潛力”指標上，優于AWS、谷歌、微軟，也讓人略感意外。

在“AI知識管理應用/通用生產力”維度，報告的評測范圍覆蓋企業級 AI 搜索、對話式 AI 平臺，以及用于溝通和內容開發的生產力工具。除了四家云廠商外，Salesforce、Uipath等軟件廠商也位列其中。

可以看出，Gartner自下而上列出了一套技術棧，而且是“真正把 AI 用起來”的完整技術棧，逐層抽象、逐層貼近業務價值。AI的競爭，早已從單點的競爭轉向跨四個層級的系統能力競爭。任何只占據其中一層的廠商，都很難長期掌握產業主導權。

這也是為何，AI云廠商被視為大模型未來的主導型廠商，有趣的是，不同領域的頭部廠商也在補充自己的全棧版圖，譬如云廠商在做模型，模型廠商在補基礎設施，應用廠商在下沉，所有人都在講 Agent。

誰的短板，誰的長板

回到文章最初的問題，云廠商的生意到底會如何變化？

以往，云廠商的生意是“賣云”，更準確地說，計算、存儲和網絡的IaaS三大件，數據庫、數據分析平臺、中間件的PaaS能力等，云的核心價值是規模化供給資源，提高IT基礎設施的利用率，降低企業自建的門檻和成本，

行業的共識是，在AI云的語境下，企業購買的最終商品是AI，而不是原來的“云”，云成為AI的交付系統，云計算的底層依然存在，但它們已經退居為支撐AI的基礎設施，未來會逐漸消失在客戶的賬單上，就像現在企業客戶無需為數據中心直接付費。

海外市場新的云廠商也試圖分一杯羹，譬如CoreWeave和Nebius等，各自從自己的優勢能力入手，有的能更快拿到英偉達的最新GPU，提供裸機GPU服務，有的做起AI推理服務，然而，這些廠商很難沖擊原有的四強格局。

過去的企業需要租賃機房，現在的企業需要在云上開通計算實例，未來的企業可能只需要調用模型，云廠商過去二十年的變化，就是不斷在自己的技術棧上疊加新的能力，這本身就是護城河。

云廠商所做的一切基礎設施建設、PaaS 能力擴展、平臺整合，最終都指向同一個目標，更高效且更規?；厣a和交付智能。如此，結合當下的產業環境來看，AI云的核心競爭力就在于模型+云平臺+芯片的垂直整合。

當AI成為一種算力、數據、軟件棧高度耦合的系統工程，模型決定智能上限，云平臺把模型變成可規?；纳唐?，芯片決定成本下限和性能天花板。

目前而言，谷歌云和阿里云是更受資本市場認可的AI云邏輯，在于它們在模型、云平臺與芯片等多個層級形成了正向疊加效應。這種全棧能力，使得模型迭代能夠直接反饋到底層基礎設施，也讓基礎設施的投入更快轉化為可感知的產品優勢。

谷歌TPU已經證明性能和成本的優勢，阿里云PPU雖未公開發布，但阿里云的體量顯然支撐得起AI芯片的支出，并且具備自用和對外輸出的想象空間。

AWS和微軟缺少自研模型，兩者已經明顯加速了模型自研節奏，兩大巨頭并非失去競爭力，而是正處在一次關鍵的自我修正期，如何在保持平臺中立與生態開放的同時，補齊模型層的確定性；如何在外部模型合作之外，建立真正屬于自己的第一梯隊能力，決定了它們 AI 云敘事是否能夠閉環。

回看這一輪 AI 云競賽，很難再用誰起步更早、誰體量更大來簡單判斷勝負。大模型讓云廠商第一次站在了同一條新的起跑線上，也第一次暴露出不同技術路徑的結構性差異。

這場競爭仍處在“半程路標”階段。勝負未定，但方向已經逐漸清晰。（本文作者 | 張帥，編輯 | 蓋虹達）