《AI云服务市场发展现状与安全洞察》报告发布——智算上云：AI 云服务安全风险与合规突围

AI云服务是一个确定性极高的高速增长赛道。随着人工智能、大模型和高性能计算的快速发展，云计算正从传统的“计算资源池”逐步演进为“智能算力基础设施”。这一契机也驱动了传统“基础算力”向“智算服务”格局的重塑，国内阿里云、腾讯云、华为云，国外AWS、Azure等巨头持续加码AI云服务。相关数据显示，2023年全球云厂商AI相关收入同比增长超50%，行业垂直化平台（如医疗AI云、工业AI云）成为新战场，竞争从“基础算力”转向“场景化智能服务”。

安全牛AI研究也显示：未来本地和云混合部署将是企业AI能力升级的主要方式，“智算上云”已成为当下产业升级与安全防护的关键力量。

但在这场以算力为核心的新型工业革命中，如何安全、可控、可信地“上云用智算”，也正成为企业AI升级的关键命题。为厘清“智算云”“云智算”等AI云服务相关的概念，进一步了解当前国内AI+云计算市场的发展及安全现状，帮助企业用户安全、可控、可信地“上云用智算”，安全牛牵头发起《AI云服务发展现状及安全能力洞察》报告研究，并于近今日正式发布报告。

【扫码抢鲜阅读】

一、报告关键发现

• 市场规模：AI云服务是一个确定性极高的高速增长赛道。相关数据显示：2024年全球AIaaS市场规模在1000亿美元左右，复合年均增长率可高达35%~47%。其中，国内AI云市场规模约200亿元人民币，同比增长55.3%，2030年将拓展到600~1000亿人民币。

• 产业生态：AI云服务的竞争格局已经从单纯的技术竞争，演变为生态系统、开放性、模型矩阵和垂直整合能力的综合较量。当前AI云服务生态链构成典型地包括：算力服务、模型创新、平台服务以及行业方案4类服务提供商。

• 风险特征：AIaaS的多层系统架构使其风险呈现出高耦合、可传导、难溯源等特征。从风险可被利用程度，由高至低分别是：模型层（高）＞服务层（高）＞数据层（中高）＞算力层（中）。

• 合规管理：对AI云服务租户而言，与供应商签订SLA或DPA（数据处理协议），明确可用性指标、数据保护责任、事件响应机制及违约责任非常重要。但由于业务安全责任不能转移，无论哪种协议，租户最终都需对自身业务承担法律责任。

• 未来趋势：从“人工智能+”行动意见、“十五五”规划最新政策文件看，我国人工智能产业已完成战略布局的基础铺垫，正处于全面迈入深度落地的重要发展阶段。AIaaS作为“人工智能+”落地的重要方式，也会被推向场景化、行业化、可信化方向。

二、从“十五五”规划看AI云服务的市场机遇和发展路径

在云服务市场蓬勃发展的十几年间，行业已完成从“互联网+”到“人工智能+”的深度跃迁。这不仅是技术范式的转换，更是产业数字化逻辑的重塑。国内云服务市场的发展受到技术革新、产业升级与政策引导等多方面核心因素的协同驱动，其演进历程可分为：萌芽起步、高速扩张、结构调整、智算驱动4个典型阶段。

2025年10月，党的二十届四中全会审议通过《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》（简称《建议》）。结合《绿色算力》《人工智能+》《云计算综合标准化体系建设指南（2025 版）》等AI服务相关政策，安全牛认为“十五五”规划给AI云服务市场带来了重要意义。

（一）“双创融合”下AI云的发展契机

《建议》强调科技创新和产业创新融合。这一部署不仅意味着云服务平台将成为AI基础设施升级与算力体系强化的关键支撑，还在新型基础设施布局如算力中心、云平台、大模型训练与推理算力资源、绿色数据中心等方向为AI云服务发展提供了政策与资源支持。标志着AI上云与云上AI服务发展的政策机遇期。

（二）“生态融合”赋能场景化落地

《建议》强调智能化与产业融合化，推动AI技术深度融入制造、交通、政务、医疗、教育等多行业，加速产业应用深化与场景化落地。从实施路径看，AI云作为AI能力的重要载体，是产业智能化升级的关键环节。企业可通过“AI上云”快速获取模型、算力及平台能力，再结合云服务平台实现场景化落地，同时响应政策对绿色低碳的要求，从而提升产业智能化水平并把握政策红利。

（三）“安全可控”强化合规壁垒

《建议》中强调重要产业链供应链、基础设施安全。这对AI/AI服务的供应链条（芯片、算力、平台、模型、安全）的国产化、可控、可信要求进一步提升。因此，“AI上云”或“AI云服务”不仅是技术部署，还涉及合规、安全、标准、国产生态。AI即服务能力提供方，也要提前纳入责任矩阵、指标体系、安全工具链等内容。

三、AI云产业发展的六个政策导向与趋势

基于“十五五”政策及相关文件，安全牛总结了以下六个重要政策趋势：

（一） AI云服务的支撑能力会越来越标准化、模块化：

随着标准化体系的建立（《云计算综合标准化体系建设指南》纳入AI即服务标准）以及“可扩展、标准化的算力云服务”被政策层强调，未来AI服务能力将越来越被模块化、可组合的方式提供模型即服务、推理即服务、AI平台服务等而不是孤立的定制服务。

（二） AI算力下沉，边缘/混合云智能调度成为常态：

为了满足业务实时性、数据本地性、安全性需求，AI服务不会永远集中在云端。边缘计算/混合云+智能调度会成为主流。

（三） 安全/可控/可信成为AI云服务发展重要前提：

人工智能安全治理标准体系正在从架构、算法、数据、服务、内容、伦理、评测等方面进行完善，新修订的《中华人民共和国网络安全法》也已把完善人工智能伦理规范，加强风险监测评估和安全监管纳入安全法规保障范畴。

（四） 地方和行业落地将成为AI云政策的重要支点：

虽然国家层面提供方向和框架，但真正的资源倾斜、补贴、示范项目往往在地方政府（省/市/区）层面。地方政府会在算力中心建设、云厂商支持、企业上云资助、云/AI创新园区建设、税收优惠、用地/电力支持等方面加码。

（五） 对中小企业/创业企业的支持力度会加大：

AI服务这种按需消耗、灵活可用的特性使得中小企业成为潜在用户。为降低门槛，政策可能继续在“算力补贴/云资源券/AI服务优惠/试点扶持”等方面给予优惠。相关报道显示多个城市在开展“计算力券”等试点。

（六） 标准合规/跨境监管压力将进一步增加：

随着AI应用的全球化发展，云+AI服务的跨境部署、数据流通、模型出口、合规审查等都会越来越受到法律与政策的约束。云服务商/AI服务供应商要提前布局数据合规、出口控制、信息安全等方面。

四、产业整体格局

当前，AI云服务的竞争已经从单纯的技术竞争，演变为生态系统、开放性、模型矩阵和垂直整合能力的综合较量。厂商商业模式不断扩张，厂商的能力即相互交织重叠，但也各有侧重。围绕AI技术和应用，我们将AI云服务的生态链典型地可分为：专业算力服务提供者、模型创新者、平台服务主导者、行业方案深耕者4种类型。不同服务提供者依托自身差异化的核心优势与能力禀赋，共同构成了AI生态系统高效运转的重要支撑。

（一）专业AI算力型服务提供商——基础设施保障

以底层硬件能力和算力基础设施为核心卖点，提供高性能计算资源和算力调度能力。核心价值是“提供可弹性扩展的AI计算能力”，强调基础设施层面的服务，典型服务模式是算力即服务（CaaS）。代表性厂商：

• 国内：天翼云、九章云极、曙光智算、百度超级计算中心、阿里飞天智算平台等。

• 国外：NVDIA DGX、甲骨文OCI（通过英伟达投资）、CoreWeave等。

（二）模型/AI技术服务提供商——AI创新驱动者

AI技术服务供应商，以大模型研发与 MaaS（模型即服务）为核心，围绕AI模型研发和使用，通过“开源共享、统一API接入、模型聚合服务”等方式，为用户和企业提供灵活、模块化、可替换的AI能力组件。典型服务模式是模型即服务（MaaS）。这类服务能力提供者主要源自模型生态的创新驱动者。代表性厂商：

• 国内：阿里云百炼、腾讯云混元、硅基流动（SiliconFlow）等。

• 国外：OpenAI、DeepMind、Anthropic、Hugging Face、ModelScope、Stability AI等。

（三）平台型服务提供商——超大云服务商主导

平台型服务提供商 依托算力资源、基础设施和平台能力，采用“算力—模型—平台—生态”四层并行的体系化布局战略。通过统一的平台与基础设施整合算力、模型与生态，为企业提供可规模化的全栈AI服务入口。核心目标是以平台化能力形成长期粘性和规模化网络效应。这类服务能力的提供者以云原生平台主导者为主。代表性厂商：

• 国内：阿里云、腾讯云、火山引擎、百度智能云等。

• 国外：Microsoft Azure、AWS、Google Cloud等。

（四）行业方案型AI服务提供商——行业用户深耕者

行业方案型服务提供商，聚焦于落地应用，以特定行业需求为导向，将通用AI能力深度嵌入行业场景，提供定制化AI解决方案和行业AI能力平台。凭借长期积累的行业知识与场景实践经验，这类提供商通常在数据治理、行业知识库构建、场景落地等方面与云厂商形成“合作补位 + 局部竞争”的关系。这类服务提供者在推动大模型在各行业的落地应用中起着重要的价值。能力提供者以行业场景深耕者、行业云解决方案提供商为主。代表性厂商：

• 国内：除阿里云、腾讯云外，还有华为云、浪潮云等。

• 国外：IBM Watson（医疗、金融）、AWS Industry Solutions（零售、制造）、Oracle Cloud等。

五、AIaaS平台风险及可信管理参考框架

AIaaS是云计算与人工智能深度融合的创新产品形态。相比传统企业级AI系统，AI云服务的风险表现更为复杂。结合云计算和AI风险研究，安全牛认为：当前AI云服务的安全风险来源，一方面继承底层云计算环境本身的脆弱性与漏洞管理挑战；一方面源于AI模型、算法、数据的先天技术缺陷与漏洞；还有一部分来自AI与云计算融合过程中产生的独特新型攻击面。这些风险已突破单一维度局限，呈现出多元交织、叠加放大的鲜明特征。

为从统一视角对AIaaS服务风险进行系统化分析，安全牛构建了AIaaS的风险框架，并重点识别了模型层、数据层、算力层及服务层的关键威胁与潜在影响。

AIaaS这种多层架构进一步使其风险演化出高耦合、可传导、难溯源等特性。各层风险相互作用，构成复杂的威胁链条。从风险可被利用程度，由高至低可划分成以下依次递进的4个层级：模型层（高）＞服务层（高）＞数据层（中高）＞算力层（中）。模型层与服务层易被远程利用、攻击自动化程度高，是攻击最容易实现的层级；数据层由于隐蔽投毒与隐私泄露长期存在，属于最难察觉且危害持久的层级；算力层最难被攻击，但突破后影响平台整体安全，可归为最具破坏性的层级。

为契合AI云及AIaaS的场景化需求，报告在前期AI安全框架研究基础上，进一步梳理了与AI云相关的安全框架，包括：Gartner AI TRiSM、CSA AI Controls Matrix（AICM）、Google安全AI框架SAIF2.0以及AI云行业的代表服务提供商的相关实践。这些框架都覆盖AI/大模型全生命周期（数据采集/标注、训练、验证、部署/推理、监控/退役），并强调持续监控、可解释性、数据保护与访问控制。具体区别详见报告分析。

六、未来趋势与展望

2025年是我国向“十五五”规划过渡的关键时期，也是AI云服务产业从“算力建设期”向“智能生态化阶段”过渡的关键节点。报告从政策导向、市场趋势、社会需求、技术发展四个层面对AIaaS的发展趋势进行具体分析。

政策上，从“人工智能+”行动的意见、“十五五”规划的最新政策文件看，我国人工智能产业已完成战略布局的基础铺垫，正处于全面迈入深度落地的重要发展阶段。AIaaS作为“人工智能+”落地的重要方式，也会被推向场景化、行业化、可信化的方向。

产业趋势方面，结合全球AI产业落地进程与最新行业实践，AI云已成为人工智能技术规模化渗透的核心载体，市场竞争逻辑正从“算力规模比拼”向“生态价值构建”“安全信任塑造”深度转型。

需求侧，一方面，企业对“快速落地AI能力”的需求持续上升，特别是行业化、场景化需求强烈。企业对AI价值快速转化的追求，将促使AIaaS服务商持续优化接入流程、简化工具链，让中小企业也能低成本享受智能赋能。另一方面，多模态融合需求也在崛起，未来能够实现“一站式多模态数据处理”的AIaaS 服务将成为企业数字化转型的核心支撑。此外，随着AI深入核心业务流程，企业对AIaaS的需求将从“能用”升级为“可控、可信、合规”，可信安全需求升级，企业级合规可控成底线要求。

技术角度，AIaaS系统架构随AI技术发展快速迭代。首先，模型架构方面，通用大模型将会转向模块化/专业化+高效推理的分层架构；其次，部署方面将会向云架构转型，AI-native云架构崛起，实现“AI驱动的智能云调度”；算力布局方面，单点智算中心向“算力网络化+边云协同算网”；此外，运维治理上，“资源监控”将升级为“全链路可观测+系统化治理”。

更多内容请下载完整报告。

合作电话：18610811242

合作微信：aqniu001

联系邮箱：bd@aqniu.com