政企上云的逻辑彻底变了

中经记者 李静 北京报道

2026年之前，政企上云的核心诉求很明确：合规、替换、稳定。硬件要国产、软件要自主、数据不出域，优先级高于效率与成本。信创是一根“及格线”，云是达标工具，不是增长引擎。

随着大模型与Agent（智能体）技术的爆发，政企不再满足于“云上跑业务”，而是要“云上跑AI”，而且是要把模型能力深度嵌进核心流程，不是挂个聊天窗口就算数。

腾讯专有云TCE研发负责人、腾讯云副总经理王旻在接受《中国经营报》等媒体记者采访时表示，中国云市场长期是效率与合规二元结构：互联网企业追求效率，偏好公有云；金融、政务、央国企更重合规，必须私有化部署。两者几乎各占半边天。“现在的新趋势是，合规前提下的效率最大化，客户既要数据不出域，也要像公有云一样快速搭Agent、调模型、降成本。”

既要又要

对于国内政企上云的选择，王旻的观察是，在中国永远有一批客户，可以适当牺牲一些效率。“因为合规、稳定性、可控更加重要，像金融、政务，越来越多的行业都有这种倾向。”

过去私有云的软肋恰恰是“慢”：硬件到货、软件联调、网络打通，动辄数周。

腾讯云这次的解法，是把公有云沉淀了十几年的能力，包括容器调度、算存网一体化、IaaS/PaaS全栈，直接“下沉”到私有化环境里，而不是给政企单独维护一套老架构。

鑫方盛集团是一家有37年历史的工业品MRO（维护、维修、运营物资）供应商，最初也是采用多云方案，为了搭AI模型与数据湖，最终转向腾讯云CDC分布式专属云。

鑫方盛集团CTO贺亚伟透露，他们最终选择腾讯云CDC方案的核心原因在于“长期的成本和效率扩展”。

“我们在全国中心仓+城市仓有70多个，工业品供应链业务复杂度高。”贺亚伟表示，“公有云解决不了我们长期的存算分离需求，且成本不可控。”

通过腾讯云CDC方案，鑫方盛实现了专属资源、数据本地存储与合规保障，同时以订阅式算力获得了更优的成本效益。

贺亚伟给出了一个具体的账本数字：“整体计算成本较此前多云方案下降了约30%。”

鑫方盛的选择背后折射出的是2026年中国企业数字化的典型心态：既要又要。

既要像公有云一样拥有最前沿的AI技术（如DeepSeek、混元等多模型支持），又要像私有云一样拥有绝对的数据自主权。

“我们不愿意为了追求极致的效率而牺牲合规。”贺亚伟的话代表了当下许多中国民企的心声，“我们要做的是在合规前提下的‘最优解’。”

王旻把腾讯云的定位说得干脆：“腾讯的定位是一家偏软件的产品公司。”

在一云多芯的实现上，腾讯云走的是自上而下适配路径，操作系统TencentOS先适配，再IaaS管控层，再容器PaaS，再到TI-ONE训推平台，全栈逐层吃透。但策略上保持“中立态度”，主流国产CPU/GPU都接。

千亿Token烧向哪里

Agent时代最容易被神化的词是“智能”，与互联网行业大量消耗Token用于娱乐、创作等C端场景不同，政企客户的Token消耗高度聚焦核心业务流程，追求可度量的ROI。

贺亚伟透露了一个数字，鑫方盛目前月均Token消耗量达到千亿级别，超70%投向商品数据清洗、SKU标准化治理、行业知识整理、意图模型训练等环节。

“我们想把它打造成行业的垂直模型，这个模型背后需要我们先把数据做高规格的清洗，现在我们花了大量的token在这块。”贺亚伟说道。

垂类大模型是鑫方盛可以憧憬的未来，目前Token的消耗对于鑫方盛已经在实现效率提升。

“工业品SKU量级大、非结构化数据占比高，数据预处理与知识化转换是Token消耗最集中的环节。我们通过数据自然语言化处理与多模型交叉校验机制，降低AI幻觉，提升业务准确率，相关投入直接转化为运营效率提升。”贺亚伟表示，在AI落地后，企业品类识别准确率达到97%，智能报价效率提升180%，票据合规审核效率提升3倍，内部部署智能体超200个、RPA流程超100项，整体组织效率提升超10%。

而当Token一旦变成企业的“新计量单元”，成本优化就从IT问题升格为经营问题。

王旻在采访中点出了其中的利润空间：“Token经过优化与否，成本、性能及实际价值层面可形成3至5倍甚至更大的差距。”

他的核心思路为分层消耗调度：常规简易问题调度至轻量化低成本模型处理，复杂度高的业务场景，则调用高阶模型与MaaS服务承接；同时针对多轮对话场景，不再无限制留存对话上下文，而是将内容精简提炼为概要形式后，再录入知识库存储调用。

目前腾讯云已搭建起TokenHub、LightClaw/ACE、Agent Memory、ClawPro等系列产品体系。这些事情本质是在做一件事：让Token在企业数字化生产流程里像流水线一样流转，而不是像撒钱一样挥霍。

针对腾讯云未来政企市场发展规划，王旻披露了TCE专有云的下一阶段核心技术布局与业务方向。技术层面，TCE专有云将重点推进三大升级方向，即把一云多芯能力从CPU领域深度延伸至GPU领域、全面落地Agent基础设施、搭建完善的AI Infra自治运维体系。同时持续将公有云成熟技术与服务能力下沉至专有云体系，实现公有云与专有云架构同构、使用体验统一。

（编辑：张靖超 审核：李正豪 校对：颜京宁）