放弃华为云，全力押注芯片，才是华为最现实的选择

华为云，正走到一个需要重新评估方向与节奏的关键时点。

在过去半年里，华为云经历了一次罕见的动荡：模型风波未平，高管接连被降级；营收增速放缓，组织频繁调整。

这些变化的背后是，在AI重塑云计算逻辑的当下，华为云在公有云领域的竞争力已明显落后于阿里云和火山引擎这些诞生于互联网生态的玩家。

这一趋势直观反映在数据上。2024 年，华为云全年营收385.23 亿元，同比仅增长8.5%。而阿里云2025财年营收1180亿元，同比增长11%；此外，据《划重点》报道，火山引擎2024年营收超过120亿，增长超过60%，2025年营收目标超过250亿，目标增速超过100%。

究其原因，华为云从未真正建立起适配公有云竞争的核心能力。

在以“开发者生态+灵活产品化”为增长飞轮的AI时代，华为云始终缺乏快速响应的产品节奏、以用户为中心的组织机制，以及可持续的生态运营体系。

它的困境，从来不是某个人、某个团队的问题，而是植根于它的出身和路径。在市场化的竞争下，一个擅长体系化工程、高举高打的组织，很难在一个依赖开发者生态和快速迭代的战场赢得最后胜利。

但这场困境，也并未是坏事。

因为它给华为云提供了一个可能的战略调整窗口，那就是：逐步淡出公有云竞争，把更多资源押注在芯片等具备长期积累和技术壁垒的方向上。

如果能够成行，那对华为而言，这不仅是一次简单的业务调整，更是一次对自身边界的重新确认：从一个竞争激烈的市场主动抽身，回归最擅长的工程底色，这也将重新定义它在AI基础设施时代的角色。

华为云的2025，并不平静

过去半年，华为云并不平静。

今年7月，一名研究者在GitHub发布报告称，通过“模型指纹”比对发现，华为盘古Pro MoE模型与阿里Qwen-2.5 14B的注意力层参数相似度高达0.927，远超行业普遍认定的参考阈值0.7，部分模块甚至达到逐层复现的程度。

更引发争议的是，盘古模型的开源代码中，仍残留有“Copyright 2024 Alibaba Group”的字样。

事件发酵后，华为随即对云计算业务展开调整。8月，华为云组织优化，涉及上千人。其中最受关注的是，云EI

（企业智能）

这是风波之后，华为首次对模型相关业务做出收缩决策。

实际上，今年6月以来，华为未再发布新模型，直到10月，才开源了openPangu-Ultra-MoE-718B-V1.1。对比阿里通义、字节豆包，乃至DeepSeek维持“两月一更”的节奏，华为模型侧的更新明显放缓。

与此同时，华为也在云计算部门强化内部治理。

10月18日，华为纪委发布处理决定，因云业务存在数据造假与经济舞弊问题，对多位相关责任人做出处理。

其中，华为云CEO张平安被连降三等，并予以严重警告。在华为的职级体系中，这意味着从22a降至21a，是极其罕见的高管处分。

同时被处罚的，还有华为云服务产品部部长张宇昕、全球销售服务负责人石冀琳、生态负责人康宁，这3人也因管理不到位被连降两等。

这起“连降”事件引发外界高度关注，一方面是因为处分力度之重，另一方面则是它所暴露出的深层问题：华为云所面临的，不仅仅是一次风控失误或个体责任，而是其在新一轮技术周期中的结构性困境。

在AI重塑云计算格局的今天，华为云越来越难以与阿里云、火山引擎等诞生于互联网生态的玩家正面竞争。

这并非是因为华为云缺乏技术能力，而是它从一开始就走在一条截然不同的路径上。华为更擅长工程系统而非开发者生态，更习惯自上而下的交付节奏，而非市场驱动的产品迭代。

某种程度上说，华为云今天的困境，早已写在它的出身里。路径决定了它的组织方式与技术选择，也限制了它在新一轮产业重构中的位置。

工程化基因，难解云计算之题

从创立之初，华为云的定位就带着强烈的“自我消化”色彩。准确来说，它不是一个围绕用户问题定义出来的产品，而是华为硬件业务在新商业环境下的延伸尝试。

过去，华为通过出售服务器、交换机、存储等整机设备，形成了明确的商业闭环。但当企业开始从“买设备”转向“租云”，这套模式遇到了巨大的挑战。

为了应对出货压力，华为决定亲自下场建云，把自家设备装进数据中心，再把算力、存储、网络封装成“服务”卖出去。

这是一种典型的逆向驱动

（inside-out）

这种路径也影响了后来华为云在平台与生态层的建设，并在长期产生影响，使得华为云更擅长底层IaaS资源的建设与交付，尤其在政企、能源等强调稳定性的场景中表现良好，但在PaaS、SaaS层的表现始终乏善可陈。

这与它的组织文化密切相关。华为是一家典型的工程型公司，战略节奏以年为单位，目标层层分解，组织流程严密，擅长做大型、交付导向、资源密集型项目。

这套机制在To G、To B的定制化项目里效率极高，但面对中小开发者、创业团队等追求快速响应、弹性资源的公有云用户时，显得不够灵活。

例如，在传统IT模式中，企业上线系统前要提前规划带宽、IP段、QoS等网络资源，而在公有云世界，客户的需求实时且高弹性，哪怕在凌晨一点，一个突发请求也可能要求网络扩容一倍、加新段IP资源，立刻上线。

这种即时弹性需求，对华为原本以计划驱动为核心的能力体系提出了挑战。

业内人士透露，华为过去在网络资源调度方面一直“很苦恼”，为此甚至从阿里云、腾讯云等公司引入IaaS平台工程师，原因就是“原系统太工程化了，调度机制偏静态，弹性跟不上”。

这些局部补强在短期内能解决问题，但本质上无法缓解深层的结构性错位。进入AI时代，这种错位进一步放大，尤其在“数据、算法、生态”这三大决定AI平台竞争力的要素上，华为云始终处于不利位置。

先说数据，大模型时代的数据竞争，早已不是“存得多”或“算得快”那么简单，而是谁拥有最贴近真实业务的高质量语料。

阿里云背靠电商、广告、物流等多条业务线，拥有海量用户行为数据；腾讯云则依托社交与内容平台，沉淀了丰富的对话、图像、音视频等多模态素材。这些原生互联网场景构成了天然的数据闭环，也让它们在模型能力和产品化路径上更具优势。

相比之下，华为云缺乏类似的原生互联网应用场景，也就难以获取可用于模型训练的高质量语料与标签数据。

算法与人才，是另一个难以逾越的鸿沟。AI研发高度依赖人才密度和全球协同能力，但自2019年被列入“实体清单”以来，华为在全球范围的招聘和学术合作受限明显。

美国、欧洲、加拿大等AI研究中心的高校与实验室大多对与其合作持谨慎态度，海外人才出于签证、合规与声誉考量，对加入华为抱持观望态度。

这使得华为很难以系统化方式在全球范围内大规模引入顶尖AI算法研究人员。这也进一步拉大了其与阿里、字节跳动等公司的差距。

生态层面的挑战更为根本。目前，主流AI训练与推理的技术栈，几乎全部建立在NVIDIA GPU及其开发框架CUDA之上。从PyTorch、TensorFlow、JAX等主流框架到底层硬件指令，CUDA已经成为事实上的AI编程标准，拥有庞大的开发者生态和社区支持。

但华为受限于美国制裁，无法采购NVIDIA高性能GPU，只能押注自研昇腾芯片，另起炉灶，构建自己的AI开发体系——CANN架构。

这意味着，它不仅要重建一整套从编译器、框架适配、推理优化到调度机制的全链条，还要吸引开发者为其单独适配算法模型，这对任何一家厂商来说都是异常艰难的任务。

从这个角度上说，很难将华为云当下的困境完全归结于能力不足，这背后既有外部环境的约束，也有其组织惯性与工程体系的限制。在AI成为云平台增长引擎的当下，这些看似“慢一拍”的差距，正在被迅速放大。

华为是时候回到最擅长的位置了

公有云的困境，对华为来说，未必是一件坏事。

投资圈有一个词叫“信噪比”，在冗余信息中提取有价值的判断。在企业战略里，也一样。

商业决策往往发生在“噪音多于信号”的环境中。越是在系统复杂、选项增多的阶段，企业越容易陷入“做点什么”的惯性。因为行动总能带来心理上的安全感，而放弃则意味着不确定、质疑和等待。但真正重要的，不是做得多，而是识别出那个最值得下注的方向。

而这种重新判断的机会，往往只在“退潮时”才真正显现出来。

乔布斯重返苹果的那一年，公司距离破产只有一步之遥。此前几年，苹果陷入产品线膨胀的泥沼：Newton PDA、Pippin游戏主机、打印机、授权机……资源分散，方向混乱，连最核心的Mac产品都因设计老旧而失去竞争力。

乔布斯做的第一件事，是砍掉70%的产品。他在白板上画了一个四象限，把整个产品线收敛为“消费级/专业级”的台式机和笔记本四个方向。他说：“我们的任务不是取悦所有人，而是做几款伟大的产品。”这句话至今仍是苹果战略的基本坐标。

华为也许正处在类似的节点上。过去，它在通信、芯片、终端等多个领域都积累了扎实的工程能力。但公有云这条线，越来越像是一个结构不匹配的选项，过度消耗组织资源，却难以建立可持续的比较优势。

相比之下，芯片与算力，反而是华为当下更清晰也更具主动权的方向。根据IDC数据，截至 2024年，华为在中国AI芯片市场的份额已达23%，仅次于英伟达，位列第二。

当下，国产芯片迎来了一轮密集的上市潮。摩尔线程、沐曦股份已通过科创板上市委审议，壁仞科技、砺算科技等也在排队之中。

但从供给端来看，当前具备稳定量产能力、能够真正服务头部客户的厂商仍然屈指可数。对于华为来说，这或许正是一个由外部环境主动创造出的罕见机会窗口，趁格局未定，借势建立起更牢固的AI算力壁垒。

放弃公有云，全力押注芯片，不仅是一个追逐更具确定性增长的机会，更是一次回归自身工程底色、重新定义市场角色的战略选择。

过去两年，英伟达用十倍股价增长证明了一件事：在这场由模型驱动、算力定价的AI竞赛中，真正的价值锚点不在应用层的变化，而在于底层的算力供给。

此刻，华为也许是时候回到那个它最擅长的位置了。

文/林白

PS：如果你对AI大模型领域有独特的看法，欢迎扫码加入我们的大模型交流群。