当AI成为需求，云成为底座：外资在华的新长期逻辑

作者：王聪彬

最近一组数据给出了与“外资撤离中国”截然不同的答案。

商务部2025年12月发布的数据显示，2025年1-11月，全国新设立外商投资企业61207家，同比增长16.9%。从投资结构看，外资企业在华投资总体呈现质升量稳的特征。

向高技术产业和以研发中心、创新中心为代表的高技术服务业倾斜，已经成为外资企业在华投资的新趋势。与这一变化相呼应，2026年2月1日起，国家发展改革委、商务部全文发布《鼓励外商投资产业目录（2025年版）》。

弗若斯特沙利文（Frost & Sullivan）联合头豹研究院发布的《2025年在华外商企业云计算服务采用研究报告》（以下简称报告）也给出了同样的结论，外商企业在华产业结构优化，青睐“高技术制造业”，本土数字化布局向非一线城市外溢。未来预计在华增加对研发生产环节、供应链环节的投入。

不同行业外商在华落地的业务环节侧重点不同，用云核心诉求因此呈现出差异。智能制造、生命科学领域外商企业在华设立工厂、投入研发或生产制造，涉及敏感业务数据的存储、传输、处理，重视云提供商在华基础设施可靠性、全球IT架构和技术栈一致性、数据全生命周期管理能力。

外资在华用云呈现出清晰的特征

从商务部历年发布的《中国外资统计公报》中，可以观察到外资企业在中国设立主体数量的变化趋势。

沙利文也观察到同样的趋势，沙利文中国研究总监李庆指出，当企业数量与资金投向放在同一框架下分析时，两者之间并非完全同步。第三产业中新设外资企业数量占比较高，但对应的外资实际使用金额占比却呈现逐年下降态势；第二产业吸收外资金额的比重则持续提升。

这种变化更多体现为投资结构的调整，而非简单的增减取舍。在持续参与中国市场的同时，外资正逐步向数字化程度更高、技术含量更集中的领域集中，并加大在关键核心产业中的投入力度。外资准入条件的放宽以及负面清单的持续调整，也在制度层面为相关布局提供了支撑。

随着在华业务的不断推进，数字化建设逐渐成为外资企业运营中的核心议题之一。企业在中国市场所承担的功能定位不同，其在全球统一标准与本地化需求之间的侧重点也存在明显差异，这种差异直接影响其IT架构、云工具以及数字化产品的选择路径。

外资企业在华用云同时呈现出清晰的阶段特征，第一阶段，业务初期通常以快速上线和海外团队远程运维为主；第二阶段，随着业务规模扩大，本土团队逐步具备数字化建设和运维能力，系统是否迁移、本地是否替代成为需要反复权衡的问题；第三阶段，进入深度拓展后，本土团队在技术和产品选择中的主导作用进一步增强。

报告显示，多数外资企业倾向于采用“国际云与本土云相结合”的架构模式，以在复杂环境下保持灵活性和可控性。也有部分企业延续海外市场的用云方式，仅使用国际云，或在进入中国市场初期基于成本和效率考虑选择本土云实现快速落地。

目前看来，外资企业在华推进数字化过程中所面临的挑战，主要集中在云产品和服务体验能否长期保持一致，以及系统迁移过程中持续投入与不确定性并存的问题。这些现实因素构成了外资企业当前进行技术架构和数字化决策时需要重点权衡的背景条件。

亚马逊云科技则凭借其全球标准一致的技术、领先的安全合规能力和深厚的本地化运营经验等综合实力，在《2025年在华外商企业云计算服务采用研究报告》核心能力和用户价值两个维度排名第一，被列为“领导者”。

在全球一致性与本地适应性之间寻找平衡

AI蓬勃发展之下，企业真正关心的并非技术名词本身，而是如何在云的支撑下把AI落到业务里，并在全球一致性与本土适应性之间取得平衡。亚马逊云科技成长型企业及新兴业务总经理倪殿令强调，跨国企业战略重塑的要点在于在全球化与本土化之间找到可执行的平衡。总部希望技术、销售与治理体系保持一致，落地团队则需要在当地环境下做出替代与适配。

亚马逊CEO Andy Jassy曾判断，未来将出现数十亿Agent，目前麦肯锡内部已有2.5万个Agent支持4万多员工。

在日常工作中，个人也可以用Quick Suite设定自动流程，例如每天早上8点读取邮箱、生成摘要并起草回复，或将客户周报中的共性问题自动归纳。这些例子意在说明，Agent正在进入企业运营环节的工作方式。

AI带来了变化，但对于云安全、弹性与可靠性不变，成本优化同样不变。亚马逊云科技与全球服务同步方面，中国区与全球保持高度一致，2025年上半年北京和宁夏区域发布了约190项服务，接近99%同步。底层创新包括Nitro与Graviton芯片迭代，Graviton4相较Graviton3性能提升30%、核心数提升50%、内存带宽提升75%。

对于生成式AI落地，倪殿令用“餐馆后厨”来形象地说明数据治理的作用。他解释说，很多人关注的是前端的大模型和智能应用，但真正决定效果的，往往是后端的数据准备过程。

后厨每天采购食材，农场把菜运回来之后，并不能直接下锅，而是要经过清洗、切配和整理。在应用领域中，这一步对应的就是数据处理和向量化。亚马逊云科技Amazon EMR服务的原理就像是负责把仓库里所有的菜品洗干净、按归类放好，切成你想炒菜的原材料。并且食材是按关系存放，这正是向量的核心特征。从向量的角度看，它们在时空上非常接近。

当深度学习应用运行时，相当客人点菜，一个查询请求进入系统。系统会直接从已经处理和组织好的数据中取用所需内容，再由模型完成生成。这一流程中，前端模型只是最后一环，更早阶段的数据处理和存储方式，对结果质量有着更直接的影响。这也是为什么在生成式 AI 的整体架构中，数据治理往往占据更大的比重。

“企业内部关注的是业务战略，亚马逊云科技为此提出了‘黄金三角’方法论。”倪殿令解释称，该方法论围绕业务战略，可从场景、数据和人才三方面展开。首先，针对业务的场景要特别清晰；其次，这些场景的实现，都需坚实的数据支撑，因为有效的模型选择与适配，都需要良好的数据基础；最后，需要有人才来推动这项工作，因此企业内部也需要有相应的途径去培养相关人才。

亚马逊云科技正在通过培训与认证体系、高校合作、与企业共建共创、合作伙伴网络、亚马逊云科技Marketplace以及本地服务团队等方式，形成配套支持能力。一方面帮助企业补齐技术和人才短板，另一方面通过本地化团队和生态资源，连接其全球能力，持续服务在华运营的跨国企业，以及正在走向海外的中国企业。

从数据平台到AI应用，云是核心引擎

在AI加速走向产业应用的背景下，数据与云的关系也在被重新理解。Snowflake中国区合作伙伴负责人毕海燕提到，在这一轮技术变革中，数据已经代替石油，成为最新型的燃料，而云是驱动这些数据运转的引擎。

围绕这一判断，Snowflake与亚马逊云科技在中国市场的合作，逐步从技术协同走向更深层的生态共建。

Snowflake成立于2012年，2020年上市，是当年科技行业规模最大的IPO之一。从最新一季财报来看，Snowflake产品营收达到11.6亿美元。在当前宏观环境下，接近30%的同比增长颇为少见。客户留存率同样值得关注，目前维持在125%的水平，并长期高于120%。客户在持续使用Snowflake的同时，也在不断扩大使用范围。

当前的Snowflake拥有超过12000家客户，其中超过650家年消耗超过100万美元，财富2000强企业中已有700多家选择了Snowflake。

Snowflake的产品理念强调简单、连接和可信赖。简单体现在全托管模式下对基础设施复杂性的屏蔽。连接强调数据在不同云环境、不同区域和不同部门之间的流动。可信赖则通过数据治理和安全机制，满足企业级合规要求。

AI相关能力的快速增长，是近两年Snowflake业务变化中最直观的部分。在全部客户中，已有7300多家开始使用Snowflake的AI功能，而这一数字在一年前仅为5000多家。过去四个季度中，每个季度新增使用AI功能的客户数量都超过1000家。这与Snowflake自创立之初即构建在云之上的平台架构密切相关，因为数据工程、分析、AI能力和上层协同被整合在同一平台之中，减少了企业在不同系统之间切换的复杂度。

在全球范围内，Snowflake与亚马逊云科技签署了价值25亿美元的全球战略合作协议。目前，约70%的Snowflake客户选择部署在亚马逊云科技之上，双方拥有超过8000个共同客户，并与50多项亚马逊云科技原生服务实现了深度集成。

Snowflake围绕Amazon Graviton芯片持续进行优化，在性能提升的同时，为客户带来了约30%的成本下降。2025年re:Invent大会上，Snowflake获得14项亚马逊云科技合作伙伴奖项，其全球收入中超过一半通过亚马逊云科技Marketplace完成。

2024年9月，Snowflake正式在由西云数据运营的亚马逊云科技中国（宁夏）区域商用，采用完全本地化运营模式，所有数据存储在中国境内，并通过等保三级、ISO 27001等多项合规认证。在技术层面，双方通过Iceberg、Amazon S3与Amazon Glue的集成，帮助客户降低跨区域数据传输成本，并在加密、物联网等场景中进行联合优化。

全球设计平台Canva就是一个双方的合作案例之一，面对月活跃用户达2.3亿、数据规模每年翻倍的增长速度，Canva通过部署在亚马逊云科技上的Snowflake，应对了高并发查询和弹性扩展需求。

“从数据平台到AI应用，从合规运营到生态协同，Snowflake与亚马逊云科技正在共同服务在华发展的跨国企业，以及加速走向海外的中国企业。”毕海燕说。

以业务场景为起点的云与生成式AI落地路径

德勤与在华的跨国企业交流中，所有企业都不约而同地提到了AI赋能。过去企业更多将亚马逊云科技视为统一的云基础设施平台，在海外和中国同时使用。现在企业更关心在符合中国本地法规的前提下，是否能够在中国市场获得与业务本地化相匹配的智能化支持。

在具体诉求上，不同行业存在着一定的差异。零售和快消类外资企业，往往更关注营销和客户触达层面的智能提升；大型生物医药企业，则重点讨论在符合中国 GMP 等监管要求的前提下，如何提高连续生产流程的效率；近年来进入中国市场的欧洲大型主机厂，也会围绕装备制造领域的共性业务痛点，寻找可复制的解决思路。

行业不同，问题切入点各异，但最终指向的核心是一致的，平台是否具备足够成熟的技术能力和弹性，能够支撑多种业务模式。德勤发现，企业往往强调自身的特殊性，但从技术和业务逻辑层面看，共性需求远多于个性差异。因此，解决问题的方式是基于成熟的平台底座，结合行业属性和企业特征进行适配和调整。这种方式既能满足不同行业的差异化需求，也能保证解决方案在稳定性和可扩展性上的一致水准。

德勤中国亚马逊云科技联盟主管合伙人郭大江介绍到，德勤全球与亚马逊云科技全球早已建立多年合作关系，而在中国，这一合作自2018年开始落地，并逐步深化为本地化的联合服务模式。在此过程中，双方不仅整合技术团队、共建联合实验室，还围绕亚马逊云科技的平台底座，共同打造面向企业的生成式AI能力。

目前，德勤与亚马逊云科技已在汽车、生命科学、零售、制造、金融、能源等多个行业服务了大量大型客户，既包括跨国公司在华业务，也涵盖众多中国本土国企和民营企业。双方联合发布了12项白皮书，共同打造了40多个行业与技术解决方案。

与此同时，德勤团队已获得24项亚马逊云科技能力认证，持有超过500项云端专业证书。不仅在做咨询推荐，也在把自身的员工培养成真正懂平台、能落地的专家。

在双方的合作中生成式AI是一个重要抓手，2024年德勤与亚马逊云科技联合发布了“DelphAI”实践平台。德勤将其定义为“生成式 AI 的平台底座”，可以在其之上叠加不同企业的具体应用场景。郭大江解释说，咨询公司的价值并不在于单一技术，而在于对业务场景的理解与拆解，DelphAI正是在这一逻辑下诞生的，德勤负责场景识别与业务方案设计，底层平台则由德勤与亚马逊云科技的技术团队共同开发。

DelphAI采用一套通用的生成式AI五层开放架构，在模型层与亚马逊云科技保持深度协作。目前，该平台已在国内多家企业完成部署，企业可以在统一底座之上，叠加覆盖全生命周期的业务应用。

德勤还与Snowflake合作，帮助一家全球排名前20的欧洲药企，在亚马逊云科技平台上完成了数据迁移，并落地Snowflake数据平台。郭大江用“导师式角色”来形容德勤的定位，从业务咨询到技术落地，德勤负责整体路径设计，并与亚马逊云科技、Snowflake等技术伙伴形成深度协作，将业务方案与技术方案整合后交付给客户。

德勤的价值就在于理解业务、选择合适的平台型技术伙伴，并将能力打包为可落地的整体解决方案。郭大江谈到，只要涉及技术落地，都会优先采用这些长期合作伙伴的成熟方案，再结合德勤的业务方法论进行实施。

当AI成为明确需求，外资在华的长期选择，正越来越依赖云所能提供的全球一致、合规、稳定的支撑。