AI云的“半程路标”：谷歌云和阿里云的逆袭，AWS、微软云的再审视

AI不会平均地抬升所有云厂商，这是后进者朝着前排座位冲击的最好机会。

在大模型之前的叙事逻辑中，规模效应驱动行业集中度持续提升，强者愈强的趋势不断强化，谷歌、阿里云、和AWS、微软的距离只会越拉越大。

但是，大模型让这一切有了可能，云厂商的生意发生了本质变化。有意思的是，对于如何做AI云，即便是顶级云厂商，也没有很快达成共识。

AI云，巨头也曾犯错

AI云的热闹最早是微软云的。凭借对早期OpenAI的投资，微软拥有GPT大模型的优先使用权，故事很美好，微软希望通过GPT大模型先带飞Azure，再融入Office、Teams等应用中。

问题恰恰出在这里，OpenAI不甘于做微软的附庸，不仅多方寻找云资源的替代方案，与AWS、甲骨文等合纵连横，还推出了和微软有竞争关系的浏览器等产品。微软也不得不投资Anthropic、加大自研模型力度来应对，双方的合作从最初的美好变为“貌合神离”。

微软云的声势一度超过AWS，这也不禁让“老大哥”有危机感，于是亚马逊选择大手笔投资OpenAI的竞争对手Anthropic（先于微软），以获得领先的模型能力。

与此同时，亚马逊云科技的策略是“Choice Matters”（选择大于一切），他们认为，行业内不存在一个在所有场景中性能、性价比都为最优的通用模型，因此亚马逊云科技在Bedrock上提供了多种模型选择。

某种程度上，亚马逊云科技的思路并没有错，但是有一个关键问题，头部模型依然有无可替代的重要性，而大部分顶级模型要么在竞争对手的掌控中，要么企业倾向于自己提供模型服务，并不完全愿意托管在Bedrock上，这就影响了亚马逊云科技在模型层的竞争力。

亚马逊云科技也意识到了这一点，在最近的re:invent大会上，亚马逊云科技继续新增了十多款模型选择，中国模型方面，在此前Deepseek、Qwen的基础上增加了Kimi和Minimax。同时亚马逊云科技更新了自研的多款Nova模型，至少在模型层面希望不落后太多。

阿里云的思路更显不同，凭借Qwen模型在全球技术圈闯出了影响力。不仅是国内最早开源自研大模型的“大厂”，也是全球唯一一家积极研发先进AI模型并且全方位开源的云计算厂商，业界率先实现“全尺寸、全模态”的全面开源，其他三家头部云厂商都没有将自己的模型规模开源。

在业界看来，阿里云作为市场份额更少的一方，全方面开源是一个颇有魄力的选择，闭源模型可以保证自己的核心竞争力，开源很大程度上会削弱模型竞争力，如果可以追赶上头部云厂商，牺牲短期利益去博得更多的用户群体，那就值得。

通义千问Qwen衍生模型数量已突破18万，远超Meta llama系列模型；通义千问Qwen在全球下载量超7亿，据彭博统计，截至2025年10月，千问Qwen下载量也已超越Llama模型，通义成为全球第一AI开源模型。

阿里云的目标是让Qwen模型成为产业的默认依赖，就像linux之于服务器，MySQL/HAdoop之于数据，Kubernetes之于云原生，开源为了成为标准。

谷歌云是低开高走的典型代表，Gemini 3系列模型和第七代TPU Ironwood，被视作谷歌AI逆袭的标志。最近谷歌创始人谢尔盖·布林坦诚表示，尽管谷歌早在八年前就发布了Transformer论文，但公司内部却并未给予足够的战略重视，当时在算力扩展上的投入过于保守，担心聊天机器人可能会输出错误信息或不当言论。

谢尔盖·布林的回归打破了谷歌的大公司病，更重要的是，将谷歌全栈AI的优势盘活了。第七代TPU Ironwood在性能、能效比和互联带宽上，均显示出对GPU的显著优势，Gemini 3系列原生多模态能力和超长上下文窗口，将行业标准提升到了一个新的量级，从基础架构层面就多模态的统一理解和生成，模型效果惊艳。

这也让行业清晰地认识到，模型+云+芯片的垂直整合，是更深厚的护城河，这种全栈能力为厂商提供了可观的模型迭代效果，也成为AI云的参考标准。

AI技术全栈，云厂商领跑

11月中旬，市场研究机构Gartner发布4篇GenAI（生成式AI）技术创新指南系列报告，公布了GenAI云基础设施、GenAI工程、GenAI模型以及AI知识管理应用四大维度的新兴市场象限（Emerging Market Quadrant）。

某种程度上可以视为AI技术栈的参考指南，AI云基本涵盖在其中，按照自下而上的技术栈，最新的系列报告分为四个维度。

GenAI云基础设施，指的是专注于为模型训练、推理和服务交付提供优化基础设施的云服务提供商。在这一领域中，Gartner 识别了主要的超大规模云厂商，以及专注于 AI 优化基础设施的专业云厂商。

新兴领导者象限仅有微软、谷歌、AWS和阿里云四家厂商入围，阿里云是唯一入围的亚太厂商，IBM、Oracle、华为云和腾讯云位于远见者象限，Nebius、OVHcloud、CoreWeave等位于专业厂商象限，他们的优势还局限在单点能力级别。

“GenAI模型”维度，报告关注厂商所提供的GenAI模型的综合能力，包括模型的丰富度，能否覆盖不同输入输出模态、兼容第三方工具，以及安全和隐私等。大模型需要大量的数据、算力和工程资源，该市场高度集中，主要由少数几家厂商主导。

四家云厂商依旧位居领导者象限，阿里云在“feature（特征）”指标上还领先于AWS、微软，仅次于谷歌和OpenAI。此外，IBM、Anthropic、Writer、Cohere和Uipath也位于领导者象限。Meta和Mistral AI则位于挑战者象限。

在“GenAI工程”维度，报告关注数据准备、模型训练/精调、模型管理、评估、观测等模型全生命周期工具。

过去两年中，无论是既有厂商还是新进入者，都在加速推出各类工具和服务，以支持生成式 AI 的完整工程化流水线，不再局限于对生成式 AI 模型进行简单的提示（prompt）调用。

GenAI工程收录的厂商数量更多，不是所有厂商都能做云基础设施和大模型，但是工程化能力是使用模型的必备，不少厂商都将资源投入到这一层级。

其中，四家云厂商继续领跑，但是和其他厂商的差距并没有拉开，阿里云在纵轴“特征”以及横轴“未来潜力”指标上，优于AWS、谷歌、微软，也让人略感意外。

在“AI知识管理应用/通用生产力”维度，报告的评测范围覆盖企业级 AI 搜索、对话式 AI 平台，以及用于沟通和内容开发的生产力工具。除了四家云厂商外，Salesforce、Uipath等软件厂商也位列其中。

可以看出，Gartner自下而上列出了一套技术栈，而且是“真正把 AI 用起来”的完整技术栈，逐层抽象、逐层贴近业务价值。AI的竞争，早已从单点的竞争转向跨四个层级的系统能力竞争。任何只占据其中一层的厂商，都很难长期掌握产业主导权。

这也是为何，AI云厂商被视为大模型未来的主导型厂商，有趣的是，不同领域的头部厂商也在补充自己的全栈版图，譬如云厂商在做模型，模型厂商在补基础设施，应用厂商在下沉，所有人都在讲 Agent。

谁的短板，谁的长板

回到文章最初的问题，云厂商的生意到底会如何变化？

以往，云厂商的生意是“卖云”，更准确地说，计算、存储和网络的IaaS三大件，数据库、数据分析平台、中间件的PaaS能力等，云的核心价值是规模化供给资源，提高IT基础设施的利用率，降低企业自建的门槛和成本，

行业的共识是，在AI云的语境下，企业购买的最终商品是AI，而不是原来的“云”，云成为AI的交付系统，云计算的底层依然存在，但它们已经退居为支撑AI的基础设施，未来会逐渐消失在客户的账单上，就像现在企业客户无需为数据中心直接付费。

海外市场新的云厂商也试图分一杯羹，譬如CoreWeave和Nebius等，各自从自己的优势能力入手，有的能更快拿到英伟达的最新GPU，提供裸机GPU服务，有的做起AI推理服务，然而，这些厂商很难冲击原有的四强格局。

过去的企业需要租赁机房，现在的企业需要在云上开通计算实例，未来的企业可能只需要调用模型，云厂商过去二十年的变化，就是不断在自己的技术栈上叠加新的能力，这本身就是护城河。

云厂商所做的一切基础设施建设、PaaS 能力扩展、平台整合，最终都指向同一个目标，更高效且更规模化地生产和交付智能。如此，结合当下的产业环境来看，AI云的核心竞争力就在于模型+云平台+芯片的垂直整合。

当AI成为一种算力、数据、软件栈高度耦合的系统工程，模型决定智能上限，云平台把模型变成可规模化的商品，芯片决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资本市场认可的AI云逻辑，在于它们在模型、云平台与芯片等多个层级形成了正向叠加效应。这种全栈能力，使得模型迭代能够直接反馈到底层基础设施，也让基础设施的投入更快转化为可感知的产品优势。

谷歌TPU已经证明性能和成本的优势，阿里云PPU虽未公开发布，但阿里云的体量显然支撑得起AI芯片的支出，并且具备自用和对外输出的想象空间。

AWS和微软缺少自研模型，两者已经明显加速了模型自研节奏，两大巨头并非失去竞争力，而是正处在一次关键的自我修正期，如何在保持平台中立与生态开放的同时，补齐模型层的确定性；如何在外部模型合作之外，建立真正属于自己的第一梯队能力，决定了它们 AI 云叙事是否能够闭环。

回看这一轮 AI 云竞赛，很难再用谁起步更早、谁体量更大来简单判断胜负。大模型让云厂商第一次站在了同一条新的起跑线上，也第一次暴露出不同技术路径的结构性差异。

这场竞争仍处在“半程路标”阶段。胜负未定，但方向已经逐渐清晰。（本文作者 | 张帅，编辑 | 盖虹达）