商业之脊｜11-云与AI基础设施：AWS、Azure与阿里云如何成为数字商业底座

一、双十一之前的那个电话

每年双十一前两个月，电商公司的CTO都会打一个电话。过去这个电话打给服务器供应商，问的是"200台机器什么时候到货，机房机架够不够"。现在电话打给云厂商的商务经理，问的是"双十一期间算力弹性扩容3倍，费用怎么算"。

变化不只是方便。过去你要为"拥有服务器"付费：采购、机房、电力、运维、折旧，全部自己扛。现在你为"消耗"付费：用了多少CPU小时、多少存储、多少GPU分钟，按量结算。云计算把IT基础设施从"固定资产"变成了"运营支出"，这比任何一项技术升级都更深刻地改变了企业的成本结构。

但更深的变化发生在2024年之后。大模型训练和推理对算力的需求是传统Web应用的几十倍甚至上百倍，而且需求曲线不是线性的，是指数级的。企业不再只是"把业务搬上云"，而是"把AI能力从云上调用"。云的定位从"服务器的出租屋"变成了"智能能力的供水站"。

一个数字可以说明这件事的规模：2026年第一季度，全球云基础设施服务支出达到1290亿美元，同比增长35%，连续第十个季度加速增长，全年将首次突破5000亿美元（Synergy Research Group）。

二、云厂商到底在卖什么

用一句话概括：云厂商卖的不是服务器，是"随时可调用的数字产能"。

拆开来看是三层。第一层是IaaS（基础设施即服务），解决"计算资源弹性化"：你不需要自己买服务器、建数据中心，按需租用CPU、GPU、内存、存储和网络。第二层是PaaS（平台即服务），解决"开发部署效率化"：数据库、消息队列、容器编排、CI/CD流水线，开发者不用从零搭基础设施，直接在一个"开发工作台"上写代码、部署应用。第三层是AI平台，解决"智能能力即服务"：大模型训练、推理、Agent编排、RAG知识库，企业不需要自建AI团队，直接调用云上的模型能力和工具链。

这三层叠加在一起，构成了数字经济的底盘。前十一期讲的所有模式（注意力广告、平台佣金、会员制仓储、DTC直销、直播电商）背后跑的都是云上的计算、存储和模型。

价值链上的关键指标有四个：云收入增速（需求侧信号）、AI相关收入占比（结构变化）、资本开支（成本侧投入）、客户迁移成本（锁定效应）。前三个是动态的，第四个是结构性的。一旦企业的数据、开发工具链、安全合规体系都建在某朵云上，迁移成本就不是"换个供应商"那么简单，而是"重建整个技术栈"。

三、AWS：规模、生态与自研芯片

AWS在2006年推出EC2和S3，比Azure早了三年，比Google Cloud早了六年。这三年和六年不是小差距。云计算有一个典型的"先占者优势"：开发者在某个平台上写了代码、调通了接口、沉淀了运维脚本，就会天然倾向于留在同一个平台。AWS用二十年时间积累了200多项云服务、最厚的开发者文档和社区、最多的认证工程师。这不是技术壁垒，是生态壁垒。

但AWS真正让人低估的是自研芯片。Graviton处理通用计算，Trainium处理AI训练和推理。到2025年底，AWS定制芯片的年化收入超过100亿美元，同比增长三位数。Trainium2已经落地140万片，支撑了Bedrock平台上大部分推理负载。AWS用自研芯片降低了对英伟达的依赖，也压低了单位算力的成本。这不是"降本"这么简单，这是在AI时代建立了一条独立的算力供应链。

财务数据印证了这个逻辑。2025财年第四季度，AWS营收356亿美元，同比增长24%，是13个季度以来最高增速。年化营收运行率1420亿美元，未完成订单2440亿美元，同比增长40%。亚马逊同时宣布2026年资本支出2000亿美元，绝大部分投向AWS的AI基础设施。管理层在财报电话会上说了一句很直白的话："

新增算力一经部署，即能快速变现。

AWS的逻辑是：规模带来成本优势，生态带来客户粘性，自研芯片带来供应链独立性。三者叠加，构成了一个很难被单一维度打破的护城河。

四、阿里云：模型、算力与中国场景

阿里云在全球市场只占4%左右的份额，排不到前三。但在中国市场，它是绝对的第一。更关键的是，阿里云正在走一条和AWS不同的路径："模型协同+本土生态"，而非"全栈规模+自研降本"。

这条路径的核心是通义千问。阿里把大模型、MaaS平台（百炼）、自研芯片（平头哥）和企业应用整合在一起，形成了一个闭环：模型吸引开发者，开发者产生Token消耗，Token消耗反哺模型迭代，模型变强再吸引更多应用。2026年3月，阿里成立了Alibaba Token Hub（ATH）事业群，把通义实验室、MaaS业务线、千问事业部、悟空事业部和AI创新事业部五条线整合在一起，由CEO吴泳铭直接挂帅。

数据说明了这条路径的势能。阿里云2026财年第三季度（2025年10月至12月）营收432.84亿元，同比增长36%，增速环比进一步加快。AI相关产品收入连续第十个季度实现三位数同比增长。过去三个月，百炼MaaS平台上公共模型服务的Token消耗规模提升了6倍。截至2026年2月底，阿里云外部商业化收入突破1000亿元人民币。

吴泳铭在电话会上宣布了一个五年目标：包含MaaS在内的云和AI商业化年收入突破1000亿美元，年复合增长率超过40%。他同时预计，MaaS收入将超过IaaS，成为阿里云最大的收入产品。这意味着阿里云的商业模式正在从"卖算力"向"卖智能能力"切换。

平头哥芯片是这条路径的底层支撑。截至2026年2月，平头哥自研GPU累计交付47万片，年化营收达到百亿级别，60%以上服务于外部客户。吴泳铭坦承平头哥芯片在制程和性能上与英伟达仍有差距，但强调它与阿里云基础设施和千问大模型的深度协同设计，能在整体性价比上形成补偿，大幅降低百炼平台的推理成本。

但差距也是真实的。阿里云当前EBITA利润率刚过12%，而AWS的营业利润率稳定在35%左右，微软Azure的利润率也远超这一水平。这超过二十个百分点的差距，就是"全栈规模+自研降本"和"模型协同+本土生态"两条路径的成本结构差异。

五、Azure：企业入口与集中度风险

Azure是前十一期没有重点展开的第三个参照。它的路径既不同于AWS的"全栈自研"，也不同于阿里云的"模型协同"，而是"企业软件入口→云分发"。

微软的逻辑很简单：全球数百万企业已经在用Office 365、Teams、Azure AD，这些软件天然跑在Azure上。当Copilot嵌入Office和Teams，AI能力就沿着已有的企业软件渠道分发出去了。Azure不需要从零获客，它沿着微软企业软件已有的渗透率自然增长。

财务数据很强劲。2025财年（截至2025年6月），Azure及云服务全年营收超过750亿美元，同比增长34%。2026财年第二季度，Azure营收248亿美元，同比增长39%。微软整个云业务年化运行率达到1570亿美元。

但Azure有一个结构性问题：客户集中度。微软2026财年从OpenAI取得的营收为241亿美元，约占其AI业务总收入的70%。OpenAI还占微软商业剩余履约义务（RPO）的约45%。这意味着微软AI业务的增长引擎在很大程度上系于单一合作伙伴。一旦OpenAI调整算力采购策略、扩大其他云平台的使用、或者改变收入分成安排，微软AI业务的增速和利润质量都会受到直接影响。

这不是说Azure的商业模式有问题。企业软件入口→云分发→AI增强的路径在逻辑上是成立的，Copilot付费席位突破3000万也验证了这条路。但集中度风险是真实的，也是AWS和阿里云不具备的。

六、成本悖论：需求在涨，利润呢

把三家的数据放在一起看，一个矛盾就浮出水面：需求端在加速，成本端也在加速，而利润端的压力比收入端更大。

资本开支是最直观的数字。微软2025财年在AI基础设施上的投入超过600亿美元。亚马逊2026年资本支出指引2000亿美元，绝大部分投向AWS。阿里宣布未来三年投入超过3800亿元建设云和AI基础设施，且管理层已明确表示实际支出将超过这一数字。这些数字不是"投资"，是"必须投"：不投就没有算力，没有算力就没有AI业务，没有AI业务就接不住客户的增长需求。

算力供给端也有瓶颈。全球AI算力基础设施产能目前仅能满足约60%的需求。数据中心建设周期通常2到3年，GPU芯片交付周期也在延长。需求以两三个月翻一番的速度增长，供给端不可能同步跟上。

利润端的压力体现在毛利率和利润率上。微软智慧云业务（含Azure）2026财年第二季度毛利率58.8%，同比下降4.4个百分点，主要受折旧影响。阿里云EBITA利润率刚过12%，AWS的营业利润率稳定在35%左右，两者之间的差距一目了然。阿里云2026财年第三季度资本支出290亿人民币，上一季度315亿，最新季度进一步升至677亿，资本投入仍在加速。

但另一面是：AI工作负载的单价在持续下降。每Token的推理成本在下降，模型效率在提升，自研芯片在压缩硬件成本。如果总消耗量指数级增长的速度快于单价下降的速度，"量"可以弥补"价"。AWS管理层判断，长远来看Bedrock（MaaS平台）的收入贡献将与EC2（传统计算业务，占总营收超30%）不相上下。吴泳铭判断MaaS将成为阿里云最大的收入产品。两个判断指向同一个方向：云厂商的收入结构正在从"卖资源"转向"卖智能"，后者的毛利率结构可能优于前者。

七、一个还没答案的问题

AI时代的云厂商，利润会不会被高昂算力成本压缩？

短期看，答案倾向于"会"。资本开支增速远超收入增速，折旧压力正在传导到毛利率，自由现金流被基础设施投资大幅压缩。亚马逊2026年2000亿美元的资本支出指引发布后，股价盘后一度下跌超11%。市场用脚投票表达了对利润率的担忧。

长期看，变量是自研芯片降本的速度能否跑赢算力需求膨胀的速度。如果Graviton和Trainium的迭代速度、平头哥芯片的制程追赶、数据中心能效的提升，都能持续压低单位算力成本，那么"量价齐升"的格局是可能的。但如果芯片制程突破放缓、能耗约束收紧、或者AI应用的需求增速低于预期，成本端就会反过来吞噬利润。

这个问题目前没有人能给出确定答案。但有一个方向是确定的：云计算已经不再是"IT部门的采购决策"，而是"企业整体运营成本的核心变量"。吴泳铭在电话会上说的一句话把这件事点透了："

企业不再把Token消耗当作IT预算，而是当作生产和研发成本的一部分。

"当Token成为生产资料， 云厂商就从"基础设施供应商"变成了"生产要素提供者" 。

这个身份的转变，是理解云与AI基础设施这门生意的关键。

也是理解接下来所有数字商业模式演化的底层逻辑。

那么，当基础设施平台化之后，跑在上面的企业软件会如何从工具变成生态？这是下一期的问题。

*本文依据网络搜集数据整理，由AI工具辅助完成
All rights reserved. Copyright © 2026