AI席卷算力市场，云计算旧时代结束了吗？

（刘劲为长江商学院会计与金融学教授、投资研究中心主任）

云计算的本质，是把计算、存储、网络这些原本由企业各自购置维护的IT资源，集中到统一建设的超大规模数据中心，再通过互联网以服务形式按量出售。

这套模式成立，靠的是三个相互咬合的机制。第一是规模经济：集中采购、建设和运维可以摊薄固定成本，还可以复用网络、数据中心与工程能力。第二是需求聚合：单个企业的业务有峰谷，云厂商把大量需求放在一起，可以用更高的整体利用率承接客户的差异和弹性需求。第三是风险转移：企业把一笔巨大的固定投入，变成灵活的使用成本。它购买的不只是一台远程服务器，还把部分闲置、故障和技术迭代风险转移给专业平台。

这套逻辑行之有效地运转了二十年，造就了一个重要的社会基础设施型的大产业（2026年第一季度，全球云基础设施服务收入达到近1300亿美元）。AI时代，云计算的逻辑变了吗？

AI改变了计算，也放大了云

大模型、Agent等AI训练和应用的爆发，从两个方向深度影响了计算。一是计算范式：AI训练和推理的核心是海量可并行的矩阵运算，主角从处理串行逻辑的CPU换成了为并行而生的GPU。二是计算总量：模型能力每上一个台阶，训练算力倍数增长，应用铺开后推理消耗又滚雪球般叠加。

然而，计算的变化——GPU取代CPU、需求暴涨，对本地计算同样成立，为什么对云计算的影响尤其大？原因有三。

其一是技术形态的契合：大模型训练必须在成千上万块GPU组成、高速互联的单一集群上完成，任务拆不散、机器分不开——这种计算天然要求物理集中，而集中恰是云的形态。推理相对而言对集中化要求没这么高，但前沿模型参数已达万亿级、推理也须多卡集群协同；加上模型版本以月计迅速迭代，更增加了一般企业本地部署的挑战——前沿推理因此主要在云端部署，端侧多为小型化模型。

其二是AI计算基础设施自建的门槛提高了：传统企业应用主要运行在通用CPU、存储和数据库之上，大模型训练和高并发推理则把GPU、高带宽网络、大容量存储、电力、冷却、模型框架和调度软件绑成一个共同优化的系统。这拉高了AI基础设施建设的门槛，多数企业很难同时组织芯片、电力、网络、工程人才和跨代升级。加上现阶段很多建设资源供需失衡，一般企业很难和巨头争夺资源；建设成本也非常高昂，一个具备竞争力的先进集群投资已达十亿乃至百亿美元量级，远超绝大多数企业为一项支持性职能所能承受的投入。

其三是企业对AI硬件资源需求的不确定性大：AI发展的初期，企业还摸不清技术、说不清场景、估不准用量。AI的技术快速迭代和应用探索让需求更碎更陡（一个应用的调用量可以一年涨十几倍），而供给因为投资规模、芯片产能限制和搭建复杂度而更大更慢，云服务聚合的价值就更加凸显。通过云购买容量，相当于同时购买一份技术选择权：需求增长时可以扩张，路线变化时可以迁移，资产闲置和技术淘汰的一部分风险由平台承担。

综合起来，AI时代，云计算的基本逻辑更强化了：外包的理由从“自建不划算”，升级为“天然要集中、自己建不起、需求算不准”。所以我们能看到：微软、亚马逊、谷歌、Meta四家2025年资本开支合计约4000亿美元，2026年指引达7000亿美元量级，大部分流向AI与数据中心；麦肯锡测算，从2025年到2030年，全球数据中心累计资本开支约需6.7万亿美元，其中AI负载相关约5.2万亿。预测部分未必准确，但量级和方向是清楚的。

AI时代的云计算竞争什么变了：商品、主体、客户、卡点

接下来有价值的问题是，云计算这门生意的竞争逻辑哪些变了、哪些没变。云计算包括三层服务：IaaS、PaaS和SaaS。IaaS（基础设施即服务）卖的是“裸资源”。客户有自己的运维团队，要求对操作系统与软件栈的完全控制——“你给我机器，剩下的我自己管”。PaaS（平台即服务）卖的是“省心”。客户不想管基础设施，愿意为托管的数据库、中间件、工具链付出溢价。PaaS可以简单理解为“IaaS＋生态级软件”。SaaS则是云化的应用软件和服务。

AI时代，云计算的内涵发生了改变。AI云并非另建的“第二朵云”，而是叠加其上的一种增长更快、波动更强、更吃硬件的新负载。传统云的需求并未被完全颠覆，企业仍有对CPU、存储、数据库等的云计算需求。IEA测算，2024—2030年承载AI的加速服务器用电年均复合增速约30%；传统服务器用电同期仍年均增长约9%。传统在涨，AI涨得快得多，因此也拿走了新增投资的大头；存量虽有局部被替换（部分CPU任务迁向GPU，部分原本由传统软件承担的功能正被模型与Agent接手），但总量仍在增长。

在AI时代，IaaS层多了GPU算力集群，PaaS层多了模型服务（MaaS）与Agent开发生态，SaaS层正被Agent应用改写。对市场来讲，这些演变带来三种变化。

变化一，商品变了：云第一次开始“卖智能”。云过去卖的一切——虚拟机、数据库、软件——都是帮人干活的工具；而当智能本身成为商品，企业第一次买到的不再是工具，而是“干活的能力”——可以与人协作、竞争，并在一些环节上替代人。理论上，云的市场边界由此越过IT预算，伸向规模更大的人力成本。智能成了可计量、可定价、按token计费的商品：中国公有云大模型调用量从2024年的114万亿tokens涨到2025年的1944万亿tokens，放大了约17倍（IDC统计）。随着Agent落地，计量单位还将从token走向“任务”——对企业真正有意义的，是每个成功完成任务的总成本。

智能这个新商品的定价呈现出两个层次：同等水平、同质化的智能成本随着发展大幅降低（很大程度上得益于中国开源模型的突飞猛进）；前沿智能则是阶段性垄断品，有复杂需求的客户愿意支付更高的价格。以最新的价格为例（2026年7月），Anthropic旗舰模型Claude Fable 5的API定价为每百万tokens输入10美元、输出50美元，而开源阵营的DeepSeek V4 Pro经数轮降价后约为输入0.44美元、输出0.87美元——输出价差近六十倍，前者依然有很大的需求。换言之，“机器智能”目前是按领先程度分层的谱系：追平即通缩，领先即溢价。

在这个分层市场中，同质化智能在MaaS层面很难形成对客户的黏性，比拼模型成本就成为关键。对于具有显著领先优势的前沿模型，云计算平台凭借与它的绑定，则有机会分享超额利润。

变化二，主体变了：牌桌上多了模型厂商。传统云是云厂商的独角戏，机房是自己的，工具生态是自研的。AI时代，智能在供给侧是两种资产的合体：智能质量主要由模型决定，成本、速度和可用性由算力与模型推理效率共同决定，模型得依托算力训练和部署——两者谁也离不开谁，而最好的模型多数不在云厂商手里。

竞争的独角戏变成双人舞，绑定形态有三种：内化，谷歌自研Gemini、阿里自研通义；独家，2023年微软独家承载OpenAI、亚马逊重仓Anthropic；多云，2025年起微软失去OpenAI独家地位，OpenAI转向多供应商采购、签下多份巨额长约；Anthropic的算力同时来自亚马逊与谷歌，并宣布向Azure大额采购。反过来云厂商也在引入前沿开源模型，降低对单一闭源模型的依赖——双方“相爱相杀，互相防范”：云厂商不想被模型公司卡脖子，模型公司不想被单一云厂商锁定。

变化三，卡点变了：产业链的关键约束阶段性地从需求侧转移到了供给侧。传统云更关注需求、客户，供给的构建一般不构成太大问题；AI云现阶段则卡在有没有电、有没有先进芯片、能不能足够快地把资本变成在线算力。如谷歌云2026年一季度收入增长63%，管理层却称增长“受产能约束”。这也逼着很多云计算厂商把自己变成“十项全能”选手，要自研芯片，甚至自建电力，“电力＋芯片＋模型＋云”综合体已见雏形。

竞争逻辑中什么没变：需求的实质与竞争的经济特征

前面的变化很多，这里讨论的“没变”，不是云计算还有哪些旧产品，而是决定云厂商相对胜负的哪些机制仍然成立：客户需求的本质和竞争的经济特征。

先看需求。客户需求的表象全变了：买的东西从虚拟机变成GPU集群、模型API和tokens，但客户的目标函数没有变：无论购买虚拟机、数据库还是模型服务，企业都希望在可靠、安全、速度、控制和合规要求下，以更低的总成本获得所需能力。IaaS客户会关心操作系统和软件栈的控制权，PaaS客户愿意用部分控制换取开发效率，AI应用客户则更加关心任务能否稳定完成。表面的采购单位在变，客户比较成本、质量和风险的基本算术没有变。

再看竞争的经济特征。规模经济仍是这门生意最硬的竞争逻辑。数据中心、芯片、模型训练都是巨额固定成本加近零边际成本，这样的成本函数天然导向规模效应与寡头格局；AI把固定成本抬得更高了，入场券从“百亿美元俱乐部”变成“千亿美元俱乐部”。2026年一季度全球云收入同比增长35%，前三家合计份额不降反升（约63%），规模效应更强了。

AI改变了云厂商竞争使用的资源、商品、参与者和合同，却没有改变竞争的基本结构：IaaS仍比谁能更有效地组织重资产，PaaS仍比谁能更深地进入客户的技术和业务体系，综合起来比谁能让资源、平台、客户负载和再投资形成更强的飞轮。

当下发展的一些特异现象

我们可以用以上的理解框架来分析近期云计算领域一些特异现象。

现象一，怎么理解云计算厂商的激进扩张，甚至不惜大举负债和大额亏损。如甲骨文为履行与OpenAI的3000亿美元合同大举举债，负债约达年营收的两倍多，2026年7月被标普降至投资级最低一档；新锐AI云计算厂商CoreWeave总债务超过250亿美元，达到2025年收入的5倍左右；2026年一季度营收20.8亿美元，利息就要支付5.4亿美元，亏损也高达7.4亿美元。

激进背后是几条可能的逻辑：一是云计算的规模效应，厂商在押注今天的激进扩张转化成未来的竞争优势和利润；二是产业存在卡点，卡点在供给侧且先到先得——电力接入与芯片配额都是排他性资源；三是甲骨文在押注OpenAI的模型能够持续领先，这样它和OpenAI可以分享前沿智能产品的超额利润。四是长期巨额合同的金融属性：合同一经签署就可以抵押融资，而融资本身某种程度上是在替更强势的前沿模型厂商承担了融资职能。当然，这些押注是否理性，可能要打个问号。

现象二，为什么说规模效应更强了，但却能看到新玩家在崛起，如CoreWeave和Nebius。CoreWeave 2026年一季度末在手订单接近1000亿美元，微软长期是其最大客户（2025年贡献其收入的67%），2026年1月又获英伟达20亿美元入股（增持后持股超过10%，为其第二大股东）；Nebius与微软签下174亿美元（最高194亿）长约，与Meta的合同2026年3月扩大至最高270亿美元。

规模效应变强，并不意味着新玩家无法进入。CoreWeave和Nebius的崛起，能让我们更好地理解AI时代云计算的规模效应。

第一，AI重新定义了云计算的规模。过去衡量云厂商的规模，主要看数据中心数量、地域覆盖、客户基础和产品生态；AI时代还要看能否把GPU、电力、高速网络、存储和调度软件组织成真正可用的大型计算集群。因此，一家公司即使总体规模不及传统云巨头，也可能在特定AI工作负载上率先形成“有效规模”。

第二，历史包袱少。传统云基础设施主要围绕CPU、虚拟机和通用工作负载建设，而大规模AI训练和推理需要高密度GPU、液冷、高速互联以及专用的集群调度和运维系统，新旧系统之间难以平滑切换。CoreWeave和Nebius没有那么重的历史包袱，可以从一开始就围绕AI工作负载设计整套系统，把有限资源集中用于获取最新GPU、建设大型集群和提高GPU利用率。国内字节跳动旗下的火山引擎凭借所谓“AI云原生”取得了高速发展，也是类似的道理。

第三，阶段性的供不应求放大了新玩家的机会。当前AI算力市场仍具有明显的卖方市场特征，客户最关心的往往不是云厂商是否拥有最完整的产品生态，而是谁能够按时提供足够规模的GPU。在这种情况下，微软、Meta等大型客户愿意与专业云厂商签订长期算力合同，以提前锁定稀缺产能。这些合同又为CoreWeave和Nebius带来可预测的现金流，使其能够获得融资、建设数据中心并采购更多GPU；英伟达也愿意在芯片、技术乃至资本层面给予支持。新玩家由此可以先形成“合同规模”，再迅速把它转化为物理规模。不过，这种优势具有阶段性：如果未来GPU供给趋于宽松，仅靠获取算力形成的优势就会减弱。

总结

AI和云计算在技术特征上具有天然的契合，所以AI带来的算力需求爆发很大程度上落在云计算上。

传统的云计算有很强的规模效应，但其规模并不能有效折算为AI时代的规模，有些甚至会形成包袱。所以我们能看到CoreWeave和Nebius等新平台的崛起，也是为什么会有很多关于“AI云原生”的讨论，以及为什么很多云厂商现在举债激进扩张，希望打造新的规模优势，抢占稀缺资源，形成新的竞争优势飞轮。

AI在商品、玩家主体、客户、卡点等方面都改变了云计算。最核心和依然悬而未决的点可能在于未来的AI能力是更偏向同质化还是会存在前沿模型持续领先甚至断层领先的可能。如果是前者，云计算卖的还是偏标准品（commodity），模型很难带来额外的黏性，最后成本和规模效应最重要，但成本差异可能更多来源于模型的工程化能力而不是来自于云基础设施（模型层的效率提升是十倍级的——架构和训练方法的创新可以使同等能力模型的API价格下降一个数量级；基础设施层的效率差异则小得多，行业领先与平均水平之间是数十个百分点的差距）。如果是后者，那么云计算和模型能力打包在一起就是差异化商品了，前沿模型的性能优势会超越规模、成本，成为竞争的核心。

目前看来，前者的成分更多：开源模型正在快速追平闭源，“持续领先”高度不确定，榜单轮动以月计。因此，竞争的重心可能终究会向成本维度倾斜——但“成本”的含义从“算力便宜”变成了“智能便宜”。分层市场会阶段性存在，但前沿溢价的窗口能开多久，取决于前沿模型领先能持续多久。

第一财经一财号独家首发，本文仅代表作者观点，不构成投资建议。