內存一年瘋漲170%，云賬單里的“隱性成本”該算清了

作者 | 棱鏡

2025 年下半年，存儲價格又一次成為行業聚焦點。

多家市場機構統計顯示，2025 年三季度跟四季度，DRAM 和 NAND 價格一路攀升。根據 Tom's Hardware 披露的數據，2025 年 DRAM 合同價同比上漲幅度高達 171.8%，創下歷史新高。此輪上漲跟 AI 數據中心建設拓展、服務器需求集中釋放緊密相聯，還直接引發企業 IT 基礎設施采購成本上升。

對于依賴自建數據中心或中小 IDC 的企業來說，這種變化帶來的沖擊尤為劇烈。硬件采購從一次性預算問題，演變為難以預測的長期成本風險。服務器、SSD 和內存條的價格不再穩定，交付周期也更不確定。企業在擴容時不得不承擔高價買入、供貨延遲的雙重壓力。

因此，將硬件采購壓力轉化為按需付費的運營支出，把價格波動風險轉移給云服務商，正在成為越來越多企業的選擇。

但問題并未因此結束。

隨著業務遷移到云端，企業發現云賬單中存儲與內存的占比仍在持續上升，即便算力配置并未明顯升級，總體成本依舊水漲船高。部分團隊開始反思：問題是否僅和數據量增多有關，還是資源使用方式本身就存在不合理的地方？

目前，多數云實例依舊按固定的 CPU 與內存配比來交付，諸如 2 核 4GB、4 核 8GB 的規格。早期，這種設計可簡化資源管理，推動了云計算普及，但如今業務形態有所改變，企業系統一般得同時支撐多樣業務，各業務對于算力、內存的消耗不一樣，固定規格愈發難以契合實際需求。這導致企業要么部分資源長期閑置，要么不得不面對業務在高峰階段出現性能瓶頸的風險。

當內存價格進入上行周期，這種規格錯配帶來的浪費被進一步放大：閑置的不再只是資源本身，而是越來越昂貴的成本。

正是基于這樣的背景，云基礎設施走到新的路徑分岔口：是繼續就資源本身實施配置，還是轉變方向圍繞應用需求設計算力供給方式？

在近期面向中國區合作伙伴召開的發布會上，華為云對 Flexus 云服務器系列規格及性能進行更新，并且展示了其在各種業務負載下的運行表現。該實例基于華為云首創的柔性算力技術，打破 CPU 與內存的固定綁定關系，使企業能夠按真實業務需求配置資源，從源頭減少內存浪費，并結合智能調度與應用級加速改善長期運行穩定性與算力資源投入產出比。本文將從行業環境變化與技術實現等層面，剖析這種模式背后的思路，以及它所代表的云服務器演進方向。

1 云服務器，開始不太“合身”了

云服務器長期采用固定 CPU 與內存的配比，是工程上的一種取舍考量。早期云平臺首先得解決的是規模化交付和穩定調度的問題，采用固定規格利于資源池管理，同樣便于容量規劃及計費設計。當業務形態呈現相對單一階段，這樣的方式尚可接納。但究其本質它是從平臺管理成本角度設計的，并非從業務負載的角度出發。

如今業務已不再是單一模式，電商、內容分發、數據庫、緩存、AI 推理在一套系統中同步協同運行，對 CPU 以及內存的需求差別明顯，固定規格無法精準對應實際負載，企業只能采用超出實際所需的實例型號。云服務器規格跟應用需求普遍不匹配，用戶往往被迫去為用不到的算力和內存付費，引發大量資源的閑置浪費。

資源浪費只不過是表象罷了，更深層的問題體現為性能優化的復雜度。現實的業務部署不僅涉及操作系統選定，還包含網絡參數、系統參數以及應用配置參數。數量往往達到數千級別，缺少專家經驗積累，難以達成穩定的最優配置。單是內核跟應用層的參數組合，就已超出普通團隊可控范圍，調優所用的周期漫長，效果也難以把控。

從較長的時間階段看，云服務器本身一直在不斷演變，最初的資源虛擬化階段，是把物理服務器標準化成可租借的實例；緊接著進入彈性規模階段，采取自動伸縮的方式去應對流量變化，這兩個階段處理的是存不存在以及是否充足的問題，當下已經邁入第三階段，關注焦點轉向使用是否高效。過去，固定實例曾是工程優勢，如今卻愈發像是一件穿著不合身的衣服。

2 柔性算力：從“賣規格”到“賣能力”

怎樣讓資源本身更貼近應用？在 Flexus 云服務器 X 實例產品的設計里，華為云引入了柔性算力這一概念。

在 Flexus X 實例里，柔性算力首先體現在規格形態的調整變化上。傳統實例一般僅僅可在少量固定比例中選擇 CPU 跟內存配置，而該實例支持按業務需求實施更精細的組合配置。發布會現場提到，所有 X 實例均支持多種非常規的 CPU/ 內存配比，包括 3:1、2:5、3:7 等組合。這可減少由規格不一致引起的資源閑置，讓用戶更接近按實際負載付費。

然而規格數量增加，并非表示問題自動就解決了，其關鍵是系統如何判斷哪種配置更合適。傳統調度大多依據節點上剩余的 CPU 與內存。新方式需要領會業務負載本身，涵蓋資源使用結構，以及隨時間的變化趨勢。Flexus X 實例本質上不再是調度 CPU，而是實際的業務場景。

就工程實現而言，這種轉變依賴底層架構的支撐，Flexus X 實例借助華為云自研的擎天 QingTian 架構和瑤光云腦調度系統得以實現，經由計算、存儲和網絡資源的解耦操作，提高了資源組合的自由度，也增強了非標準規格運行狀態下的穩定性。

此外，柔性算力還意味著配置不再是一次性決定，實例運行時會一直對資源使用狀況進行評估，系統會判斷當前配置跟負載是否相符，進而給出調整建議，而且還支持算力規格熱升降的獨家能力。從這個層面看，Flexus X 實例的轉變不只是規格數量增多，它更像是把算力從提前打包好的商品，變成可持續優化的能力，實現“應用驅動算力”的最優體驗。

3 關鍵應用加速：算力之外的第二條性能曲線

Flexus X 實例不單單改變了資源形態，還進一步深入應用執行層，解決了算力配置合理系統卻依舊不穩定的問題。

此次規格升級，華為云為數據庫以及中間件類的負載引入專屬應用級加速機制。Flexus X 實例針對 PostgreSQL、Memcached、MySQL、Redis、Nginx 提供了獨立的一鍵加速能力，由 X-Turbo 應用加速引擎統一驅動。此類優化不會對用戶的使用途徑做出改變，實例創建結束之后即可啟用，平臺會把調優工作完成，用戶無需插手復雜參數的配置。發布會現場，華為云對該能力實測演示，在 PostgreSQL 的使用場景下，Flexus X 實例的吞吐量達到 2.1 萬 + TPS，大概為同規格業界旗艦型實例的 3.4 倍。

就數據庫這類系統而言，峰值性能僅僅屬于一方面，更為關鍵的是高負載持續狀態下的穩定輸出能力。業務系統更易受諸如延遲抖動、連接堆積等問題的干擾，而不是單次壓測形成的成績。X-Turbo 的設計目標之一正是實現性能優化長期運行狀態下的吞吐與響應穩定性。

跟應用級優化同步進行的是，實例規模的進一步擴展。新一代 Flexus X2e 實例的 x86 規格從原本的 32U128G 提升至 64U256G，多核算力提升了約 30%；新增 Flexus KX1 鯤鵬實例，最高可達 80U320G，以覆蓋大數據處理、內存數據庫這類資源密集型場景。這意味著應用加速機制不再受中小規格環境約束，能在規模更大的資源池里發揮作用。

這一系列的變化顯示出云服務器性能邊界正在轉移。過去，性能更多由 CPU 規格和內存容量決定。而如今，應用執行路徑、參數組合的方法及調度策略成為同等要緊的變量，在固定規格的時代里，這些優化由用戶自己承擔，而于 Flexus X 實例中，它們被納入到算力交付范疇，正是從這一意義出發，云服務器競爭不再只是資源規模大小的比拼，而是發展為聚焦運行效率的系統工程。

4 從工程能力到真實落地：柔性算力如何進入生產系統

一項新的算力供給方式，能否切實進入生產系統，首要取決于它是否具備充足的穩定性與可用性。Flexus X 實例可靠性設計向華為云旗艦級云服務器標準看齊，實現單 AZ 99.975% 的可用水平，還有跨 AZ 99.995% 的可用性。這暗示柔性算力沒有以犧牲穩定性為交換代價，而是可直接承受核心業務負載的基礎設施形態。

除了穩定性這一點，規模化使用還取決于運維體系自身是否具有確定性，Flexus X 實例在華為云既有的 SRE 運維體系框架內運行，強調借助標準化變更、容量預測與故障演練減少系統行為的不確定性，實現大規模實例并發運行的可控性。

從行業落地的實際來看，柔性算力最先進入的并非那種單一業務場景，而是負載結構繁雜、資源使用波動大的系統類型。其已經在醫療電商平臺遷移、連鎖零售系統、醫藥行業信息化平臺、游戲服務器遷移等場景大規模部署，用以承載數據庫、中間件及核心交易服務。

中軟國際智能集團云業務部副總經理王春玉在發布會上分享，團隊為某大型生物醫藥集團搭建系統的時候，引入 Flexus X 實例作為數據庫及業務服務的主要承載環境，在原有系統架構未改變的情形下完成遷移，而且在性能滿足要求的前提下，達成約 30% 的綜合成本下降。王春玉還談到，其團隊服務的一家專業酒水直營連鎖品牌，把部分核心業務遷移到 Flexus X 實例而后，通過規格按需匹配與資源利用率優化，實現整體云資源成本約 15% 的下降。這些亮眼的結果主要源于兩方面：一是實例規格跟業務負載的匹配度有所提升，降低了長期閑置資源的數量；二是借助應用級加速與調度優化，降低了單位業務量所需的算力規模。

從這些真實的實際部署案例能看出，Flexus X 實例的用戶一般有幾個共同特性：業務負載呈現明顯波動，系統結構相對復雜，然而運維及架構團隊的規模較為有限，同時對長期云資源的成本敏感度較高。Flexus X 實例在未對業務形態本身作出改變的情況下，卻降低了基礎設施對業務擴展所施加的約束強度，讓按照業務形態去配置算力成為可踐行的工程實踐。

可以預見，未來企業買的不再是服務器，而是業務效率。Flexus X 實例凸顯了云服務器設計思路的一次轉向：由“賣規格”過渡到“交付能力”，從“靜態資源”過渡到“智能算力”，在 AI 成為主流計算負載的未來，此種轉變大概率不會再是差異化優勢，而是云基礎設施的必要門檻。