► 文本观察者网络心灵观察中心
2010年3月，深圳五洲大酒店。
在与李彦宏、马化腾、马云的高端对话中，BAT三大巨头就当时IT行业的一个热门话题：云计算进行了日后反复提及的讨论。
李彦宏和马化腾两位技术专家在肯定网络原生应用前景的同时，也强调了传统IT架构“上云”的现实挑战：
“未来，我也相信会出现越来越多基于云计算的互联网应用。但如果你认为我现在是一个传统的软件产品，想利用云计算赚更多的钱，我觉得这辈子会挺累的。”
“如果说，未来各种综合业务软件，包括企业内部的各种企业管理系统，都可以在云端处理，而且可以不在本地局域网服务器上处理，而是在公网设施上处理。确实是这样。”可以想象，计算能力、处理能力甚至逻辑部件都可以像水和电一样。也许几百年、几千年之后，就有可能达到阿凡达的水平，但现在还为时过早。 ”。
与两位资深IT工程师的谨慎相比，“最不懂技术”的马云做出了看似最大胆的预测：
“我最怕的是新瓶装旧酒，你看不清它在玩什么，最可怕的是它突然爆发。雅虎当时是一个搜索引擎，然后它就出来了雅虎的很多人都觉得和我们差不多，所以当一个新的东西出来的时候，我们可能会对云计算充满信心。 ，我们也充满希望。不要以为我们发现了新的矿产，我们阿里巴巴有大量的消费数据和支付宝交易数据，我们认为这些数据对我们有用，但可能对社会更有用，比如我们获取信息。从小企业到整个中国经济和世界经济的问题……所以这就是客户所需要的，如果我们不这样做，我们将来就会死掉。”
马云说话的底气无疑来自于当时中国最“懂”云计算的技术专家、阿里云创始人、未来的中国工程院院士王健。这位魅力十足的技术布道者，正在带领林晨曦等关键人物踏上自主研发云计算底层技术的“长征”。
（IBM也是中国计算行业历史上较早的重量级玩家。早在2008年，IBM就在无锡建立了国内首个乃至全球首个云计算中心，将其视为传统行业客户降低成本的理想解决方案关全是这一时期IBM云计算战略的核心推动者，为与IBM的战略合作做出了贡献。
从今天的角度来看，巨头们的判断乍一看似乎很清晰，似乎也呼应了中国云计算市场的现状。
不过，极其有必要指出的是，当年三人所讨论的“云计算”的技术和场景内涵，其实与如今以亚马逊AWS为代表的主流模式有很大不同。
在云计算概念的“炒作高峰期”，谷歌的“大数据三篇老论文”和雅虎的实践是公有云技术路线公认的模板，其目标用户有意无意地局限于拥有超大数据量的用户。 -规模数据需求。用户们，这一点其实在马云的话中体现的很清楚。
正是基于这样的共识图景，阿里云早期的探索也明显受到谷歌路线的影响，以至于2016年《在线》一书出版时，虽然王健曾努力修改阿里云的《年史书》 ”，强调“世界上互联网上的一半公司是阿里云，其中一个是亚马逊，另一半是谷歌。”不过，在介绍飞天操作系统的技术架构时，他仍然坦言“底层架构与亚马逊有很大不同……除了阿里云，全世界只有谷歌能做到这一点”。
从今天来看，从重建“天梯”到对标并重注YunOS，阿里云早期的战略决策并非没有争议。在与亚马逊的历史性合作照亮市场后，国内一批急于“复制”阿里“蠢功夫”的竞争对手似乎得不偿失。
然而，底层技术的前向研发所能带来的工程经验是无法与复制AWS“作品”相比的。王健团队的开创性贡献也被时间冲刷成一个以愿景开始、以收获结束的故事。
在突如其来的云计算泡沫时期，时任工业和信息化部软件服务业司副司长陈颖曾直言警告：“全国各地政府投资建设的云计算中心已有十多个”。 ，而这些云计算中心大多来自国外。企业主导建设。软硬件设施大部分采用国外产品，利用率不是很高。一些云计算中心还在寻找商业模式方面闲置。”至于虚拟化等关键核心技术，国内产业链“掌握程度有限，缺乏有竞争力的产品和技术能力”。
如果没有这么一群愿意付出“傻力”和“苦力”的技术人才聚集在阿里云，中国IT行业历史上的云计算篇章或许会多添几分无奈和羞辱。
当然，从商业逻辑的角度来看，阿里云最终能够稳固自己在云计算行业“范式转换”的地位。更重要的因素是其资本实力以及与亚马逊共有的电商基因。 AWS的早期发展历史已经证明，类似的第三方卖家服务为云计算的商业落地提供了天然的“杀手级”场景。
经过十多年的“长征”，中国云计算产业无疑取得了长足的进步。不仅阿里云赢得了亚太地区云计算市场的“老大哥”地位，华为云、腾讯云、百度智能云甚至几大运营商云，也都形成了各自稳固的市场地位。
但抛开他们取得的成就，与美国云计算三巨头相比，中国同行的生活普遍并不好。
以阿里云为例。直到2022财年，该业务板块才首次实现年度盈利。当时它已经是“中国唯一一家实现盈亏平衡的云服务提供商”。据阿里巴巴上月底发布的2025财年中期报告显示，阿里云（云智能集团）今年第二季度和第三季度的总营收达到约561亿元。尽管分拆钉钉后营业利润率同比翻倍，但仍仅达到9%左右。与美国前三名中排名最后的谷歌云相比，其同期营收为217亿美元，营业利润率可达14%左右。
看到这里，或许有人已经一键打开反思模板，痛斥中国企业的“坏根”了。确实，在突破互联网客户群、在政企市场开拓大客户的这几年里，国内云计算厂商遭遇了无数“殴打”，踩进了“深坑”。即使如此努力，其中最好的仍然只能勉强看到美国排名前三的云计算公司的背影。
不过，稍微横向比较一下，我们不难发现，在云计算产业格局中，中国和美国已经是仅有的两个有资格坐上桌子的玩家。曾经的软件产业大本营欧洲和日本，如今已经成为中美云计算厂商的赛马地。肥沃的土壤用于围护。
因此，与其“反思”中国云计算产业为何落后，更正确的问题或许是，为什么美国的产业生态如此特殊？计算、存储资源与基础设施解耦后，为何美国用户对付费服务表现出更高的热情和信任？
从渠道体系到商业实践，这些问题的答案甚至可以追溯到近一个世纪。
早在IT业的“史前时期”1932年，蓝色巨人IBM就成立了服务局部门（SBD），在美国各大城市建设了自己的制表机“机房”，传输打卡“数据” “通过人力分布的‘互联网’”，为辐射范围内的中小企业提供算力服务，让他们无需承担昂贵的硬件购买或租赁费用。尽管SBD的收入贡献从未超过5%，但这种伴随整整一代美国“新公民”、“新白领”成长起来的横向分工和服务付费生态系统，最终嵌入了美国的管理资本主义之中。 “基因编码”，使其在电子计算机时代仍能顺利运行。以该公司为代表的多用户远程终端分时服务，在微型计算机出现之前也曾繁荣过一段时间。
对于中国的云计算乃至更广泛的软件服务业来说，与其羡慕这个“通用而不准确”的特殊生态系统，更好的做法是审视自己的特殊人才并将其发扬光大。
没有历史包袱、勇于拥抱变革，这是中国高科技产业一次又一次证明的可贵的“后发优势”。在云计算行业，随着生成式AI浪潮席卷而来，十年一遇的变革窗口也已出现。已经开机了。
得AI者得天下，这无疑是当前云计算行业简单粗暴的主导法则。
顺之者昌，逆之者亡。
旗舰公司微软Azure正在崛起，而因AI算力不足而失去大客户xAI的甲骨文股价下跌。
今年年初，有投资者甚至大胆预测，按照微软Azure和亚马逊AWS市场份额的涨落速度，Azure可能会在2026年超越AWS，实现云计算历史性的“霸权转移”行业。他的判断依据是微软在AI算力和标杆客户方面的领先布局。
除了与家喻户晓的密切关系外，微软在娱乐应用方面已经与英伟达培养了长期的信任关系，因此在AI应用的GPGPU“囤积潮”中总能从英伟达那里获得回报。
根据瑞银明星分析师蒂莫西·阿库里( )的判断，微软对英伟达2024财年总营收的贡献达到惊人的19%，成为名副其实的最大合作伙伴，超过了亚马逊和谷歌两大买家的总和。 。如此紧密的利益纽带，称之为新时代联盟也不为过。
在近期心灵观察站与《奥特曼传》作者周星星的独家对话中，也对这个已经形成的“微软模式”进行了精彩总结：“谷歌一直在击败微软，直到纳德拉成为CEO。”可能在云计算方面，微软一开始还退了一点，因为谷歌虽然也有云计算，但这并不是它的优势，纳德拉觉得应该做一些谷歌不是特别擅长的事情，所以他把重点放在了AI上。 ，并且他也确信比尔·盖茨，然后结成联盟。”
面对微软Azure AI业务带来的变化，亚马逊很难保持冷静。对标“微软模式”，亚马逊不断加大投入，试图在基础大型模式上为自己争取一张入场券。另一方面，当英伟达的GPU供应无法与微软竞争时，亚马逊正在投资自研的大算力AI芯片也日益受到重视。其实验室用于大型模型训练的2款芯片和示例已于上周正式发布。研发团队内部人士直言，“我们的目标是打破的垄断。AI for。所以我们一切都对标……完整的技术栈加上AWS强大的基础设施和用户基础，是我们挑战的最大底气” ”。
（创始人达里奥，现美国AI行业大亨，出身于百度研究院，他和他的同事几乎是第一个揭示大型模型“规模法则”存在的人）
这种攻守兼备的冲动当然不仅仅存在于美国云计算行业。在中国，领先者也不约而同地瞄准了“微软模式”，在基础大模型和智能计算中心（Data、AIDC）投资之间展开了“军备竞赛”。
与基础大模型的开发相比，建设智能计算中心的资金和技术挑战同样巨大。随着模型参数数量的增加，对计算能力的需求已经达到了传统通用计算难以想象的水平。 2024年底，GPU万卡训练集群几乎成为国内外领先的AI大模型玩家的“标配”。万卡甚至更高数量级的集群不仅需要特殊的数据中心网络架构来调度计算和存储资源，还需要电力供应。在散热、散热方面也面临着新的挑战。以910B组成的万卡集群为例，仅加速卡的额定功率就高达9800千瓦，年耗电量约为8500万千瓦时。
进一步加剧技术难度的是，在云计算产业重新布局的关键阶段，美国人似乎对其他竞争对手特别不宽容。
从开源大型模型到先进芯片甚至云算力的获取，美国政府和反对党正在以极其罕见的效率和细致筑起针对中国的高墙。以所谓的《远程访问安全法案》为例，该法案明确提出要阻止中国企业通过“世界任何地方的云服务提供商”使用先进计算芯片的可能性。
这种人为的敌意显然给中国云计算产业带来了前所未有的挑战。如果说2010年代，行业竞争主要是资本实力和市场策略，那么高端芯片的可及性并不构成制约。中国市场甚至成为英特尔、AMD、、博通等公司最前沿数据中心产品的“试验场”。那么在供应链大幅碎片化的情况下，AI算力基础设施就成为最关键的“瓶颈”。
为了挣脱卡在喉咙的枷锁，中国云计算产业势在必行，踏上第二次“长征”。
不难想象，如果这次长征没有完全成功，中国云计算产业苦心经营十几年的市场份额不仅不会前进，反而会后退，中国通用人工智能的发展智力也将被“锁定”在中低水平。结尾。
正是因为关系到巨大的公共利益，国内智能计算中心的建设形成了产学研齐心协力攻关的局面。从软件到硬件再到设备结构、工艺技术、计算架构乃至计算介质，推出了堪称“饱和的方式”。 “技术攻击。
在业界，国内几大云计算巨头的万卡智能计算集群都广泛采用了各具特色的新一代数据中心网络架构。例如，某企业计算研究部门提出的新一代光电混合交换网络架构，可以将集群规模（NPU/GPU数量）扩展到128K，同时满足ns-μs的快速链路切换。集群节点内部可以使用波长分光器件实现光链路的快速切换，节点之间可以使用MEMS器件实现集群规模的弹性扩展。
在学术界，中国研究人员在集成存储和计算等新型计算架构的探索上一直走在全球微电子领域的前沿。
公开资料显示，科技部2024年“先进计算与新兴软件”重点专项启动的20项任务中，包括“基于存储计算一体化的分布式近数据处理计算系统”、“差异化计算”等。用于大型模型训练的数据处理系统”。构建存储和计算系统。”
前者的考核指标为：开发存储与计算一体化的近数据智能计算原型芯片和原型设备，实现大模型等典型人工智能应用的原型验证。近端数据处理加速器聚合吞吐量达到120GB/s，存储密度超过0.15Gb/mm2，存储和计算的片间带宽达到1.6TB/s；近数据计算处理系统达到的等效能效比和等效吞吐率较高，提升传统方案1个数量级；智能计算模块算力密度超过6TPP/mm2（作为对比，美国商务部高级芯片禁令中的性能密度限制为TPP不得高于5.92/mm2），支持整数和浮点数据格式全精度计算。
第二个任务的评估更接近实际生产场景。目标是开发用于大模型训练的异构存储和计算系统，支持基于国产AI加速卡的远程存储直通技术，集成高带宽内存、DRAM和非线性内存。易失性存储、固态硬盘等多级存储支持超过千亿参数的大型模型的高效训练。单卡训练可支持超过100亿的参数规模。数据I/O时间占总训练时间的不到20%。平均检查点恢复时间小于60s。
此时此刻，技术观察家Paul （保罗）最近的一番话可以概括智能计算中心的技术挑战乃至中国云计算产业的未来前景：
考虑到美国及其盟国实施的严格控制以及未来技术路线图的复杂性，中国的半导体行业似乎不太可能“赶上”世界其他地区。然而，到了2023年，美国政府中没有人相信华为和中芯国际能够生产像Mate 60这样基于7nm SoC的智能手机，中国半导体行业可能会再次震惊世界。”
来源|心灵观测站
本站候鸟号已成立3年，主要围绕财经资讯类，分享日常的保险、基金、期货、理财、股票等资讯，帮助您成为一个优秀的财经爱好者。本站温馨提示：股市有风险，入市需谨慎。
暂无评论