所有人终将为隐私买单｜爱分析访谈

林源在采访中反复强调一个问题，你今天看到的企业，不是不想用AI，是不敢用。

上市公司怕数据出域，银行受监管约束担心合规，制造业觉得工艺和配方是命根子，这些企业都不能用公有云大模型。每个客户都在焦虑：数据能不能不出域，原来的系统能不能不动，Agent进了企业之后到底在跑什么任务。

林源作为青云科技CEO，过去十几年一直在云基础设施里打仗。他经历过公有云的惨烈竞争，也踩过足够多的坑。到了AI时代，他选择了一条和很多创业公司不太一样的路：不是去卷公有云Token的价格，而是围绕大B客户，帮他们构建私有化的、可控的、属于自己的AI基础设施。

这个判断背后，是一套更根本的行业信念。他认为AI时代最稳定的需求，不是算力、不是模型、不是价格，而是隐私。而这个需求，正在重写整个企业级AI市场的竞争规则。

近日，爱分析与林源进行了一次深入交流。围绕数据主权、企业AI基础设施、Agent管理等主题，林源分享了青云从云计算走向AI基础设施的判断与实践。

核心观点

• 隐私正在成为AI时代最稳定的付费驱动力。

企业不是不想用AI，而是高价值数据不敢出域。大型企业依然通过私有化的方式，把数据、模型和算力留在自己的控制范围内。

• 企业要的不是某个模型服务，而是自己的AI。

大B客户的业务种类太多，不可能靠一个模型解决。他们需要的是一个内部运营的AI Infra，支撑不同部门、不同模型、不同权限等等。

• 大厂不会吃掉企业AI私有化市场。

对大厂来说，公有云和公共模型服务才是主战场，私有化AI在很多场景不是优先级最高的生意。

• GPU的高价格，提高了对纳管GPU软件的付费意愿。

硬件采购金额越大、集群越庞大，企业对调度、模型管理和运维软件的需求就越强，支付能力也会上升。

• AIDC是AI时代的长期资产。

青云在CPU时代没做IDC留下了遗憾，AI时代不能再错过。

以下为本次访谈实录，在不改变原意基础上略有修改。

01

企业AI Infra最大的付费动力是数据隐私

爱分析：从传统云转向AI基础设施，什么东西变了，什么没变？

林源：从技术维度看，变化其实没有想象中那么大。以前做云也是Infra，跟网络、CPU、存储、调度打交道，大规模、稳定、性能，这些设计理念没有发生根本变化。现在整个AI也都是云原生架构，我们又很早就在做云原生和开源，所以技术积累还是在一个大的延长线上。

真正变化大的是客户看重Infra在业务层面的价值。以前做云，客户从100人扩到1000人，服务器资源并不会线性增长，客户需要跑的业务系统就那么多。我们也不太关心客户业务，提供资源就好了，客户看你资源够不够多、够不够便宜、够不够稳定。

但AI不一样，AI一定要和数据、和业务打交道，要不然就没有价值。无论企业的碳基员工增长，还是硅基员工增长，都会对于AI Infra提出新的需求。

同时，用户会非常看重数据隐私。原来做云是盖房子，怎么住是客户的事。现在企业在公有云每一次的模型调用，都在用自己的数据主权交换AI的价值。这是我们对市场最重要的判断：在AI时代，不管是To B还是To C，所有人最终都会为了隐私买单。

爱分析：为什么AI会让数据主权变得这么重要？

林源：因为AI要产生价值，就必须碰企业的核心数据。有价值的数据，企业一定不会让它出域。出域的数据，一定是已经判断过、可以出域的数据。你要做有价值的AI场景，就得面对有价值的数据，那客户为什么要分享出去？

所以今天很多企业不是不想用AI，是不敢用AI。上市公司数据能交出去吗？银行受监管约束。制造业觉得工艺和配方是命根子。需求都很迫切，但第一反应都是：数据能不能不出域？

爱分析：如何解决数据出域问题？

林源：目前主要有两种模式。第一种是私有化部署，客户自己采购资产，我们去布平台，数据、模型和计算资源都留在客户内部。第二种是专属云，客户不想一次性拿出太多现金流，设备部署在指定数据中心，我们做整体交付。

我们也会为部分客户持有GPU资产，但逻辑不是先买设备再寻找需求，而是首先看客户。如果客户质量足够高、合作关系足够稳定，我们可以帮助他持有资产。

青云经历过公有云市场的激烈竞争，后来逐渐明确，自己的基本盘是大型企业，是以私有化和专属方式服务大型客户。AI时代，这条路线更加清晰：企业需要一套能够保护数据主权、进入真实业务的AI基础设施。

爱分析：数据不出域就能解决所有隐私问题吗？

林源：数据不出域只是底线，不是全部。企业把模型和数据都部署在内部，但Agent还得连飞书、连企微、调外部Skill。如果这些连接把数据传出去，照样不合规。所以企业还要管Agent能调用的工具、接口和外部服务，安装什么Skill也要审核，不能让Agent自由到外网抓内容。整个链路都在控制范围内，安全才真正成立。

02

企业要的不是某个模型，是自己的AI Infra

爱分析：进入AI Infra领域，为什么青云仍然把大型企业作为核心客户？

林源：因为大企业和小企业的需求完全不一样。小B很简单，可能一个模型就足够了，谁便宜我用谁。大B不是这样。

你去看国企、金融、大型制造业，业务种类特别多。保险客户可能OCR用千问，后台做Agent用DeepSeek，文本分析用Kimi，工程团队还要别的。它就像一个内部运营的AI云。企业要的是自己的AI，不是某一个单一模型服务。只有在自己的环境里、数据不出域、各部门能隔离、能计量ROI，他才敢用。

而且企业的采购逻辑跟公有云小B客户完全不一样。公有云一台物理机得跑一百台虚机才能挣钱，用户也是更关心是否足够便宜。

但私有云，企业愿意为合规、为服务买单，他已经持有服务器资产了，不在乎单次产出的价格。比如，同样跑虚机，银行一台物理机的虚机数量在管理规范里写得明明白白，不会超标。

爱分析：青云是怎么把这些需求落到产品里的？

林源：我们围绕大B，做三层。

第一层，异构算力调度平台，解决GPU等资源的管理和调度问题。企业可以看到有哪些卡、怎样分配，以及不同任务使用了多少资源。

第二层，企业级Token平台，也可以理解为企业级MaaS平台。企业可以部署和管理不同模型，为各部门提供统一的模型推理服务。

第三层，企业级Agent工作平台，普通员工不关心底层调用了什么模型，他只关心能不能把工作完成。员工可以把任务交给智能体，让它调用企业内部系统和资源执行。

归根到底一句话，帮企业构建他自己的AI，让他敢用AI、能用AI、用好AI。

爱分析：相比过去做IaaS的云平台，差别在哪？

林源：过去的IaaS核心是资源纳管，也就是现在GPU云平台的第一层。AI时代，IaaS的云平台往上延伸到Token和Agent，体系比过去更厚。

但真正困难的事不在技术本身。你看GPU云其实比CPU云简单，因为k8s架构让下层足够标准化。真正的难点是怎么进入企业的生产环境。企业的生产资料早已存在于OA、ERP、CRM、邮箱和知识库等系统中。AI必须进入企业上下文，并与这些既有系统连接起来，才能真正产生价值。

03

Agent也是员工，企业希望知道员工在干什么

爱分析：引入青云的Agent工作平台，企业原有系统需要重建吗？

林源：客户明确提过，别动既有系统。OA、CRM、ERP、邮箱、Wiki就在那里，我们不改造他们，但我能通过Connector的方式接进来，Agent就能在原系统上下文里干活。

爱分析：企业为什么特别关注Agent的管理？

林源：因为真正干活的是Agent，Agent本质上就是员工的数字分身，它继承了员工的权限，理论上能干很多事。但对企业管理者来说，他既觉得员工很优秀，也特别想知道员工在干什么。

所以企业需要三件事。第一，可观测，我得知道有哪些Agent在干活、谁在用、它在忙什么。第二，可控制，Agent能做什么不能做什么，必须有边界。第三，高风险操作必须有人确认。Agent可以规划执行任务，但删数据、改核心业务信息、触发重要流程，不能让它自己决定。

爱分析：这么看，一线员工和企业管理者对于Agent工作平台的要求完全不一样？

林源：完全不一样，但必须同时满足。我们卖的对象是决策者，但体验要服务使用者。

对员工，它得好用、愿意用。对老板，它得可控、有个框框把它框住。这两头少一头，产品就立不住。大B产品的使用者跟采购决策者往往不是同一拨人，体验不好员工不碰，管理不行老板不批。

04

大厂不会吃掉全部企业AI市场

爱分析：青云这个赛道里，谁会是比较主要的玩家？

林源：大概几类。第一类是服务器厂商，买服务器我送GPU管理调度平台，但这不是主业。第二类是原来做容器的，容器在中国本身就难卖，很多也转向了AI。第三类是创业公司，但逻辑跟我们不一样，他们要跑收入、要估值、要融资，我们得回到正常的商业逻辑，产品得能挣到钱。

爱分析：大厂呢？

林源：在企业级市场尤其是私有化这一块，大厂不会发力，这个生意大厂不愿意下场。

我就碰到过大型制造企业，原来用大厂的产品，后来对方就不迭代了。因为大厂的战略核心永远是公有云服务，那个规模太大了。

青云就是要去选那些真正需要持续私有化迭代的客户。如果客户规模非常大，他就要跟大厂绑定，那我们做不了，我们认。

爱分析：从商业模式看，AI时代的GPU纳管比过去CPU纳管好在哪？

林源：几个方面。第一，我们是做软件的，软件的价值一定会和底层硬件的采购规模挂钩。过去一台CPU服务器可能只要几万元，现在一台GPU服务器可能要数百万元。硬件采购金额大幅增加以后，企业对资源调度、模型服务、权限管理和运维保障的要求也会同步提高。

第二，资源使用规模在变大。一家千亿级制造业企业，过去用云就是跑OA、ERP，五十台服务器够了。Agent本质是员工、生产力，你需要多少人就需要多大的用量。

我们有一个生物医药客户，过去每年研发投入20多亿。成本来自博士的人力投入、进口实验仪器设备等等。引入GPU以后，他们做模型后训练辅助科研，用仿真减少真实实验，服务器24小时不停。第一年只部署了一个小集群，客户自己算，一年省了4个亿研发费用。

第三，新行业的客户机会，具身智能、自动驾驶这些新生客户在被创造。

三件事叠加，企业私有化AI市场更大、客单价更高，而且客户的模型、数据和业务流程都沉淀在平台上，粘性很高。我们最早做的私有云客户一直续约到现在，AI时代会绑定的时间更长、服务深度更深。

爱分析：软件之外，青云考虑涉足硬的部分吗？

林源：CPU时代，我们没有做IDC，现在回头看是有些遗憾的。

当时受硅谷思路影响，觉得科技公司应该轻资产。但做了十几年云以后你会看到一个事实：长期租别人的IDC，累计投入非常大。如果早期沉淀一部分优质资产，今天的价值会完全不同。到了AI时代，我们不希望再错过。

AIDC能长期承载AI算力，是一种基础资产。这就像二十年前在北京二环有块地，你买不买？当时可能觉得周边什么都没有，但城市扩张以后它就有价值。AI现在就在经历这个阶段，在为Agent找地方、造房子。人类对AI的需求很难看到上限，未来算力和电力消耗还会持续增长。在能源和网络条件好的地方，优质AIDC有长期资产价值。

爱分析：什么时候开始考虑参与AIDC？

林源：AIDC需要大量资金，不可能全靠自己投。我们两年前就开始调研内蒙乌兰察布这些地方，但受限的是资金。现在的思路是跟着大客户一起做。有些客户本身有基建投资能力，青云参与前期规划、审批、架构设计和平台建设，帮客户把数据中心、GPU资源和上层AI平台打通。不一定要持有全部资产，但必须逐步进入资产层，积累AIDC规划、建设和运营的能力。

爱分析：从AI产业整体未来趋势看，基础设施和应用哪一层价值更大？

林源：未来还是应用。基础设施就是电，你什么时候见过电厂能挣到特别大的钱？未来应用会拿走最多的钱，因为它离价值最近。

只不过应用市场像中彩票，钱都归头部产品，创业公司赌这个概率太难了。所以很多人做着做着又回到Infra，因为Infra边界相对清楚，投入进去就能有些产出。青云擅长的是基础设施，与其追逐不擅长的，不如把确定性更强的事做深。

爱分析：那未来的应用会长成什么样？

林源：我觉得大概率是软硬一体的。AI让人的交互越来越简单了。键盘、鼠标、触屏，现在连屏幕都懒得看，直接说话。当你用嘴说话的时候，你不需要一个传统意义上的软件。软件还在，但已经看不见了，藏到了硬件的背后。那个新载体可能是眼镜、手表、耳环。交互方式一定会变，可能不是我们想象中的传统软件形态。