一万字深度聊聊AI云：困境、分歧；近忧、远望；格局、估值|agent|ai云|新模型|智能体|调用|黄仁勋

文：董指导

过去一年，AI云行业，呈现着撕裂感，深陷现实困境和认知分歧。

一方面，需求是上扬的。下游用户不仅在加速模型训练，更在快速推动推理时代来临，探索“什么样的AI调用更有用、值得消费者为之买单”。

以中国为例，国家数据局公布，2024年初，中国日均词元（Token）调用量为1000亿；至2025年底，跃升至100万亿；今年3月，已突破140万亿，两年增长超千倍。未来年度Token消耗量仍会呈现几十倍的增长。

海外研究机构OpenRouter统计的全球Token使用状况，也反映了指数增长的趋势。

这些需求，也转化为了订单和收入。例如，谷歌、微软的云服务收入，都保持着25%以上增速。作为纯AI云公司代表的CoreWeave，2026年收入指引达到了120亿美元，同比增长140%。

国内也是一片看好。IDC预测，中国整体公有云市场未来从2024-2029年的复合增速达到18%；其中，AI云占比会从6%提升到39%，复合增速更是达到72%。

另一方面，利润却是压抑的。

自身的资本开支不断增加，带来收入的同时，也增加了折旧支出。上游采购成本也不断抬升。GPU芯片难求，存储芯片价格则是“坐上喷射机”。而下游用户还在探索期，没有成熟的商业模式，云厂商提供的API、算力等服务，又不能收取较高价格。

所以，纵使英伟达投资的CoreWeave，虽然手握庞大订单、业务高速增长，但利润表现依然不佳。

与此同时，产业界和投资界也产生着严重的认知分歧。

谷歌、亚马逊、Meta和微软等科技巨头，依然在加大资本开支，公布的2026年会达到约6500亿美元，同比增速达到60%。摩根士丹利也上调了预测，全球主要11家云服务商资本开支增速也依然在60%左右。

但投资人却已经通过抛售股票，表达了不满和质疑。亚马逊公布了资本开支和业绩指引后，股价一度暴跌超11%。CoreWeave公布业绩后，股价暴跌18%。

这种强烈的情绪，实际上就是对AI云所处矛盾的公开化：

AI云是新时代的基础设施中心，但它到底是印钞机，还是重资产陷阱？

只是一个更贵的算力租赁、重复传统云“先投入、后变现”的老故事，还是会作为AI的智能中枢、酝酿一场比传统云更深刻的产业重构？

这也正是本文希望探讨的话题。

01财务错位，是必经之路

理解今天的 AI 云，关键不在于简单区分乐观与悲观，而在于看清它所处的阶段。

如果一个行业既没有需求，也没有利润，那往往说明它尚未成立。但AI云显然不是这种情况。它拥有极强的需求牵引、持续扩大的资本投入和越来越明确的调用场景。只是，处于基础设施行业典型的“财务错位期”。

回想当年云服务诞生之初，亚马逊AWS曾在2006年被华尔街认为是不务正业。长达近十年的时间里，亚马逊的净利润几乎停滞（2003-2015年间，销售额从69亿美元飙升至千亿，但利润却在盈亏线徘徊）。

然而，AWS却推动了亚马逊整体业务发展，带来了极强的“飞轮效应”。以及，当亚马逊希望释放利润时，AWS就是一个强劲的现金奶牛。

工业革命中的电网运营、铁路公司，都是如此，历经了一段建设期后，利润才会随之大幅改善；铁路运输领域，也诞生了一批那个时代的超级牛股。

因为，需求爆发，通常是远快于供应扩张的（尤其考虑到诸如芯片等硬件，其扩展的投资额是巨大的，也需要2年甚至更久的建设期），为了迎接即将到来的旺盛需求，设施建设必须适度提前、超前，甚至主动承压以培育更广阔的需求市场。

对于云行业更是如此。这是一个重资产先行的行业，研发投入必须前置且巨大；也是成本刚性、收益递延的行业，土建、电力等成本是长周期资产；也是极其追求规模效应的领域，必须有足够大的服务网络，才能吸引用户。

庆幸的是，一旦用户规模达到临界点，边际成本就会不断甚至快速下降，从而进入利润的释放期。就像CoreWeave表示，2026年一季度公司利润率将处于低点，之后才会随着部署成熟逐步回升。

所以，AI云公司所经历的财务错位期，是必然，也是必须的。但是，并不是长期的。

02 雁群，而非鲤鱼跳龙门

目前，AI云公司的上游芯片、光模块、液冷等配套公司，已经率先享受到了需求扩张带来的红利。

比如，芯片代表的英伟达，2025财年收入增长114%、净利润增长145%，达到730亿美元；2026财年收入增长65%，净利润增长59%，达到1160亿美元。寒武纪，2024年收入增长77%，亏损4.5亿元，2025年收入增长453%，净利润扭亏为21亿元。

光模块代表的中际旭创，2024年收入增长79%、净利润增长138%；2025年收入增长60%，净利润增长108%；新易盛，2024年收入增长105%、净利润增长312%；2025年收入增长100%，净利润增长235%左右。

液冷代表的英维克，2024年收入增长30%、净利润增长31%；2025年收入增长31%左右，净利润增长55%左右；申菱环境，2024年收入增长20%、净利润增长10%；2025年收入增长30%左右，净利润增长100%左右。

和中游云厂商、以及下游AI应用公司“赔本赚吆喝”相比，上游卖铲子公司，尤其英伟达，所赚取的利润已经非常显著，甚至夸张。如果这种态势持续太久，云厂商长期处于利润承压，那将不利于整个AI产业发展。

换句话说，AI当前的问题，已经不是英伟达赚钱不够多；而是花钱太少。因为AI产业的发展，不是鲤鱼跳龙门，而是雁群。

许多人习惯用“鲤鱼跳龙门”的方式理解科技竞争：谁技术最强，谁就跳过去，赢者通吃，落后者被淘汰。

这种叙事适合解释某些单点产品、单次技术突破，甚至适合解释消费互联网时代的一部分平台竞争。但它并不完全适合AI。现阶段的AI，更像是雁群模式的产业结构。

雁群飞行的关键，不是某一只头雁永远最强，而是整个队形通过气流借力、轮换带飞，维持整体效率。头雁当然重要，但如果后面的雁群跟不上，或者头雁永远独自承受最大阻力，整个队伍就飞不远。

AI产业也是如此：芯片、云、模型、软件、Agent、场景应用，这些环节并不是彼此孤立的上下游，而是一种高度耦合、相互借力的系统。

芯片公司提供算力甚至算力工厂，云厂商把算力规模化组织起来，模型公司将其转化为智能，软件和Agent再把智能送进业务场景，最终由应用层把需求反馈回整个系统。

没有芯片，AI算不动；没有模型，AI不够聪明；没有云，AI跑不动；没有应用，AI 没人买单。AI不靠单点突破，而是长链条协同。而不同阶段，需要不同的领头雁。

早期阶段，最稀缺的资源，是“把能力先做出来”。要突破算力瓶颈与模型突破的双重约束。所以，芯片公司和模型公司天然处在领头雁位置。无论利润、还是融资，也都流向了这些领域。

但是，到了当前阶段，决定产业进展的，已经不再只是“能不能做出更强模型”，而是“能不能把智能大规模、低门槛、可持续地送进真实世界”。云就成为AI从“技术样品”走向“社会化供给”的关键基础设施。

所以，如果利润长期只流向芯片等上游公司，而云厂商持续面临财务错配、持续承压，那AI产业的扩散速度、影响程度，都会大受折扣。

这不是一个狭义的商业问题，而是作为产业问题，也越来越受到巨头们的关注和思考。由此也可以看到：

一方面，英伟达也通过投资入股CoreWeave、OpenAI等方式，将利润反哺产业；最近也以20亿美元投资了MRVL公司，推进光互联（虽然我个人觉得，力度可以更大、范围可以更广）。

另一方面，“两头受气”的云厂商，也终于减弱了对价格战的依赖，敢于正视商业良性发展所需，对服务价格进行了上调。

1月份，亚马逊宣布将大模型训练相关服务的价格上调15%；谷歌也宣布了涨价。3月，腾讯云、阿里云、百度智能云也相继公告，上调了AI算力、存储等产品的服务价格。

这是对行业有利的信号。不只是涨价、调整产业链价值的分配而已，也有望让AI云充当头雁角色，加速行业迭代。毕竟，AI云，和传统云并不一样。

03 AI云，和传统云不一样

将AI云理解为传统云的一次延伸，或许是当下最普遍、也最容易误导判断的看法。

首先，这种看法并非毫无道理。

AI云和传统云，都依赖数据中心、芯片等计算资源、网络能力与规模化调度。从外部形态看，它们都叫“云”，也都以服务形式向外输出。

但是，如果顺着产业逻辑往下看，就会发现，AI云并不是“多了一批GPU的传统云”，而是将智能落地的最佳途径。

传统云，本质上解决的是资源托管问题。

企业不再自己买服务器、建机房、配存储；而是按需采购、租赁由云厂商提供的标准化、池化的IT资源（计算、网络、数据库、存储等底层能力）。云服务的价值在于弹性、效率和成本优化。

AI云，交付的不只是资源本身，更是基于资源的智能栈。

以谷歌和百度智能云等全栈云服务商为例，从结构来看，最底层是算力平台，通过芯片、超节点等方式，支撑大模型高效训练和推理；随后是大模型开发平台、以及基于开源、闭源的大模型服务；在此之上是智能体开发服务，甚至是成熟智能体的直接调用服务。

从能力来看，则包括：可被调用的基础模型；稳定的推理与调用能力，实现高并发推理、低延迟响应、弹性扩缩容、任务调度、缓存机制、路由分发、成本控制等需求；良好的上下文和记忆能力等等。

以及，OpenClaw火了之后，Agent编排能力、Skill或工具接入能力也更为重要。

Agent编排能力，让智能体可以把一系列步骤串起来，完成一个相对完整的任务。而把外部API、内部服务、数据库查询、自动化流程等封装成可调用的Skill，则是AI云吸引客户的重要卖点之一。

换句话说，算力、模型、智能体开发平台等等一系列创新，最终都会通过智能体应用释放价值。因此，AI云，将涉及到“交付”，更接近业务中枢，从而和客户产生更强的粘性。

智能并不是作为一个“新工具”摆在旁边，而是会被嵌入原有的软件、审批链路、工单流程、客服界面、办公入口和管理后台中。企业不需要为一个会聊天的模型付费，而是为具备推理、决策能力的系统付费。

从产业视角来看，AI云和传统云之间，有着产品服务形态、商业模式的改变；AI云厂商的竞争门槛提高了、客户粘性更强了，也更应该拿到更高附加值；同时，也影响着基于云的软件服务生态。

从投资视角来看，产品、服务粘性提高；Tokens消耗也不断加速；永续收入也比之前更可观；因此，AI云对应的估值中枢，也应该比传统云更高。

如果用一个上价值的观点来总结，那么：传统云，通过共享资源、降低IT门槛；AI云则通过智能输出、加速企业进化。

04 交付层面，迎来巨变

美国华尔街、硅谷都在激烈讨论着AI应用和SaaS的关系。毫无疑问，冲击、变革是必然有的。

在传统云时代，云提供了底层资源、让部署比本地机房更灵活、更省钱；SaaS提供了上层应用、让交付比传统软件许可模式更轻、更灵活。二者看似配合良好，但实际上仍存在断裂。

企业提出一个需求，往往要先被翻译成软件流程；软件流程再被拆成模块、接口与权限；然后再由云平台承载，由SaaS产品交付，由集成商二次拼接。云是一层，SaaS是一层，业务系统是一层，接口平台又是一层。

而且，一个典型的中型企业可能同时运行着几十个SaaS软件：CRM用一套逻辑，ERP用一套逻辑，HR系统又是另一套逻辑。

这就形成了许多企业数字化中的常见困境，一个个IT烟囱、一座座数据孤岛，并导致交互破碎、逻辑脱节。

员工需要在不同的UI界面间切换，数据在不同的API管道中通过“打补丁”的方式勉强连接。业务逻辑（我要做什么）与技术逻辑（代码怎么实现）之间，也隔着中间件、数据库和复杂的交付流程。

然而，企业真正关心的，从来不是它到底上了几套系统、采购了几朵云、打通了多少个接口；而是“事儿能不能漂亮地做好”：销售能不能更高效，客服能不能更快响应，风控能不能更准确，流程能不能更顺畅，组织能不能更低摩擦地运转。

当然，云+SaaS带来的数字化进程，功不可没；但是，也确实把交付变成了一层层堆叠。

前段时间，我和SaaS从业者交流中，提了一个问题，大家是不知道如何做更好，还是因为技术有限。他们回答说，就是历史局限、在技术条件尚未成熟时的妥协方案。

但是，现在AI来了，交付逻辑开始统一。

以OpenClaw为例，它被誉为智能体的操作系统，在一个智能体框架内，把模型理解、任务拆解、工具调用、工作流编排和执行反馈，串起来。技术能力不再必须绕道完整产品外壳，才能抵达业务现场；而是以更直接的方式进入业务逻辑本身。

过去的软件交付，先要定义结构，再让业务迁就结构；但是，未来的智能交付，更可能是先理解业务意图，再动态组织能力。业务逻辑和技术逻辑的距离，借助AI变得更近。

企业不用搞清楚要买一套什么系统，而是直接表达希望任务如何被完成。对应的，AI云提供的，也就不是静态产品，而是一系列可以组合的能力：

既有意图理解、任务拆解、工具调用、数据链接、结果反馈等底层能力，也有客服、语音、知识图谱、搜索、审批、查询等等具体场景下的能力。

正如黄仁勋在GTC 2026大会上所说，未来几乎所有SaaS（Software as a Service）公司都将演变为AaaS（Agentic as a Service）——即以智能体为核心的服务平台。

软件服务商的竞争要素，也会转为能否稳定成为Skill，能否高效接入Agent，能否在复杂任务里被优先调度的能力组件。

而云厂商的竞争要素，则转化为能否提供一系列好用的Skill（包括自研和第三方），以及更重要的是，是否具备把各种能力组织成可交付、可调用、可收费、可嵌入场景的系统能力。并且获得成本、效果、效率之间的最优组合。

这也就解释了，为什么OpenClaw火了之后，AI云厂商是最受益的；因为不仅是增加了Token消耗，更是激活了许多B端、C端的需求，而这些需求也大部分由云来实现了。

过去，企业数字化是“买系统、做集成”；未来的智能化，则是“搭能力、做调度”。

05 云服务成为水煤电

AI云最终会更像“水煤电”。这并不是说它会变得廉价，恰恰相反，它意味着另一种更深层的特征：

一旦成为基础能力，就会高度普及，高频率使用、计费也会持续发生。

因此，黄仁勋也在GTC大会上提出的Token经济学。模型按Token收费，推理按请求计费，工具按调用计费，Agent执行任务时又叠加模型、数据库、搜索、存储、API 等多层消耗。

这其中，模型公司希望自己的模型被用得更多，但调用量越多，其成本压力也越大；应用公司希望自己的产品产生更多用户时长和更高留存，但更关心的是单一场景内的用户价值、付费转化和产品渗透，而不是整个社会的调用总量。

AI云厂商，则是Token经济学里最关键的一环，最有能力和意愿推动云服务“水电煤化”、推动大规模调用发生。

因为一切调用最终都落在AI云底座之上，向下连接模型、算力、网络和数据中心；向上连接 Agent、Skill、工作流和企业场景。不仅提供资源，还掌握调用路径；不仅支持软件运行，还可能主导能力分发。

提起Token，就不得不讨论一个话题：一味追求低价Token是否可取。我个人认为，并不是好模式。

成本，并不是AI的优势。一味追求低价Token，就跟烧钱买热闹一样。而低价吸引的客户，也没有忠诚度，说走就走。对公司不利、对行业也是伤害。因为一味的内卷，也会让行业研发受阻。

去年，阿里云谈了一个调研状况。他们跟一百多位客户交流之后，深刻感受到，Token的质量比数量更加重要。微软纳德拉在参加达沃斯论坛时也强调，AI生产大量Token，但如果没有实际效应，那就会拿不到能源消耗许可了。

百度智能云强调要深入产业、产生共创价值，腾讯云也更注重为客户提供适配真实业务场景的方案和工具。

所以，AI云厂商，虽然经营的是水煤电化的云服务，但提供高质量的Token所获得的，必然是比传统云更高的附加值。不仅是单纯的按照Token收费，更有望按结果收费。

当然，这并不意味着所有AI云厂商都会自动赢得这场战役。相反，真正的挑战才刚刚开始。

06 格局之争

无论哪个领域，只要有浪潮来临时，必然有传统玩家、新兴玩家、以及浑水摸鱼的玩家。就像2021年光伏行业大热时，有卖衣服的、做珠宝的、卖食品的等等公司，都大张旗鼓地要跨界光伏，结果行业一次波动，就原形毕现。

AI云也如此。许多公司以为买来GPU就可以转型AI云，实则不然。能和大模型结合，为用户提供智能，才是核心竞争力。

关于AI云的竞争， Gartner、Omdia、IDC等等海外研究机构，虽然没有形成一张统一的“AI云竞争打分表”，但也都认同一个事实：企业对 AI 云的评价，正在从基础设施采购，转向战略平台选择。

AI云厂商之间的竞争，也就不在于GPU多少、模型性能等要素，也不是单点能力的比拼，而是一场更典型的系统战：

支撑训练、推理需求的算力，丰富多选的模型能力，繁荣的Skill生态，能承载智能体持续调用，有足够强的企业或消费入口（B端订单或C端流量）从而进入生产生活环境，具备治理和合规能力，以及把这些能力组织成一个可规模化交付的体系。

从这个标准看，梯队也越来越分化。以国内为例，做一些竞争态势阐述。

（1）百度智能云

先聊百度智能云，是因为他们是业内率先提出“云智一体”、“AI云”的，多年投入也形成了“芯片与算力、大模型、开发工具、以及应用和应用生态”的全栈体系。

全栈（Full Stack）一词的首次出现，是对程序员能力的最高评价：既精通前端技术、又掌握后端逻辑、还能熟练操作数据库。堪称代码世界里的鲁滨逊。如今，全栈虽然已经改为对企业的形容，但要表达的全能性、硬核性，依然未变。

自研的昆仑芯，脱胎于2011年的芯片部门。在2025年，国内首个全自研的昆仑芯P800三万卡集群点亮，可同时承载多个千亿参数大模型的全量训练；性能更高的新一代昆仑芯M100、M300等产品也相继发布。

将多张昆仑芯AI加速卡整合，便有了超节点。天池512，单一节点就能完成万亿参数模型训练。基于芯片，又构建了百度百舸AI计算平台。

基于百舸AI计算平台，百度智能云也提供了AI Infra，包括完善的模型（文心大模型、全模态大模型、以及各类开源模型）、以及模型开发等服务；也打造了Agent Infra，集成了开发、工具、模型、数据等服务，以及Agent运行环境。

应用端，也运营着百度App、网盘等高日活产品；百度伐谋、秒哒等各类智能体；以及萝卜快跑、小度音箱等承载应用的物理实体。

在OpenClaw爆火之后，百度不仅上线了DuMate、RedClaw等相关claw产品。也“拆墙了”，将积攒二十余年的搜索、百科、复杂任务研究、电商等核心能力，“原子化”成了标准化的 Skill（技能包），并上线到了OpenClaw社区的技能平台ClawHub。其中，搜索Skill，稳居全球下载量最大的搜索引擎官方Skill。

百度智能云在B端落地良好，在国内大模型招标市场也处于领先地位，客户也多以大型公司、企业为主，客户粘性高、支付能力强。2025年财报显示，百度AI云业务增长可观，全年营收首次达到400亿元。来自AI高性能计算设施的订阅收入，在第四季度同比增长143%。

展望来看，百度云依然保持着技术核心的底色，而如何拓展生态宽度、以及继续深挖自研芯片的一体化优势，则是中期的重要命题。

（2）阿里云

作为国内传统公有云市场的开拓者和领先者，阿里云在AI浪潮中也极为主动、积极，2025年9月阿里巴巴CEO吴泳铭，就宣布阿里云将在未来三年投入3800亿元用于AI基础设施建设。阿里也是践行全栈体系的玩家。

平头哥自研GPU，已经实现规模化量产。目前不仅支持阿里内部业务，也通过阿里云向外部客户提供了商业化服务。

Qwen系列大模型，是作为全球开源模型的佼佼者。2月发布的Qwen3.5-Plus，性能也媲美Gemini 3 Pro。Qwen全系列、以及多模态、第三方模型的使用与开发，则可以在阿里云百炼平台上获得。该平台也提供了从数据处理、模型微调、评估部署到Agent上线系统的全生命周期管理。

在C端，千问全端的MAU已突破3亿，可以融合阿里消费生态各应用场景；B端，8亿用户的钉钉，也在向AI转型。

2026财年第三季度显示，阿里云收入432.84亿元，同比增长36%，AI收入连续高增长。

展望来看，今年3月份，阿里成立了全新的部门Alibaba Token Hub，整合了阿里AI版图上的诸多部门。而如何让整合、协同更顺畅，提升组织效率，以及平衡研发和商业化，则是接下来的看点。

（3）字节火山引擎

作为2020年入局的挑战者，火山引擎依托字节跳动集团的多个自身业务的算力需求，快速发展。

入口，是字节最大的优势。豆包、抖音、剪映、飞书构成了内容、办公、创作三条高频链路。而且还可以内置豆包AI入口，覆盖超10亿用户。

模型层面，2025年底，豆包大模型日均调用量已达63万亿Tokens；视频生成模型Seedance 2.0也获得业内高赞。火山方舟、扣子、HiAgent等开发平台，也可以覆盖通用与行业专属智能体的开发。

在2024年，火山引擎的收入规模超过了110亿元；2025年也突破了200亿元。展望来看，火山引擎在B端的积累较弱。在AI和产业结合的大势中，这是需要补课的地方。

（4）腾讯云

腾讯云在这几年声量不算大，因为采用了“减脂增肌”的战略。不过效果还不错，根据财报现实，2025年腾讯云已经实现了整体规模化盈利，收入结构中，IaaS、PaaS、SaaS的基本处于4:4:2的状态，AI及SaaS产品相关订单也翻倍增长。

腾讯云最大的优势是集团打造的各个入口。微信、QQ、元宝、企业微信、腾讯会议、小程序、视频号，这些几乎构成了国内最强的连接网络，可以协同办公、社交连接和实时互动场景。

可以说，连接、应用，就是腾讯擅长的击球点。非常擅长把新能力嵌入大规模用户场景。所以，OpenClaw火了之后，腾讯也快速响应，推出了多款产品。WorkBuddy、QClaw、企业级龙虾ClawPro、轻量应用服务器Lighthouse，以及专为中国用户优化的AI Skills社区Skillhub等。

这些产品的使用，则会为云服务带来增量。

另外，出海也是腾讯云的重要优势，结合腾讯系多年的出海历程，积累了丰富的合规本地化经验以及全球基础设施。

展望来看，混元大模型，在过去一年多，一直处于劣势。4月份的发布，是个考验。根据城市峰会上的消息，即将发布的混元3.0，会在推理与Agent能力等多个维度大幅提升。

整体而言，AI云的分野，才刚刚开始。收入不是当前的核心要素，系统能力和产业结合能力，则更加重要。

07 估值之辨

投资人对AI云厂商有一个评价是“追胡萝卜的毛驴”。就是眼前有一根美味的胡萝卜，要想吃的，必须不停地走，但似乎总吃不到。

这背后的商业逻辑是，由于摩尔定律“每18个月同等性能的芯片，价格降一半”的作用，导致云厂商为了提供最佳性能给用户，不得不持续更新芯片，以至于在产品折旧期内，利润还没覆盖成本，就得再做一轮新开支。周而复始。

简单说就是，赚钱速度始终跑不过花钱速度。

对于这个担忧，业内争论不少。反驳观点是这样：首先，随着下游爆发，云厂商的算力稀缺性依然会保持，从而具备更强的定价权（最近的涨价，也在加强这一点）。其次，不能把AI云的服务简单理解为算力，而是Token。

黄仁勋认为，未来的竞争是以更低的综合成本提供更高质量的Token。这不仅取决于芯片，也取决于液冷、网络传输、电力等等配套硬件，以及大模型。

配套硬件的综合成本计量方式，可以让芯片的快速折旧，被液冷、电力等更慢的折旧所缓和，也就是实际使用中的折旧并没有之前预期的那么快，从而让财务回报更可观。

再考虑大模型就更有趣了。如果简单用一个公式，Token价值=大模型性能X算力性能，由于大模型是在不断提升的，也就意味着同样的算力（在可以运行的情况下），搭载未来更新的大模型所产生的价值，很有可能要高于搭载当前大模型所产生的。