文：董指導

過去一年，AI云行業，呈現著撕裂感，深陷現實困境和認知分歧。

一方面，需求是上揚的。下游用戶不僅在加速模型訓練，更在快速推動推理時代來臨，探索“什么樣的AI調用更有用、值得消費者為之買單”。

以中國為例，國家數據局公布，2024年初，中國日均詞元（Token）調用量為1000億；至2025年底，躍升至100萬億；今年3月，已突破140萬億，兩年增長超千倍。未來年度Token消耗量仍會呈現幾十倍的增長。

海外研究機構OpenRouter統計的全球Token使用狀況，也反映了指數增長的趨勢。

這些需求，也轉化為了訂單和收入。例如，谷歌、微軟的云服務收入，都保持著25%以上增速。作為純AI云公司代表的CoreWeave，2026年收入指引達到了120億美元，同比增長140%。

國內也是一片看好。IDC預測，中國整體公有云市場未來從2024-2029年的復合增速達到18%；其中，AI云占比會從6%提升到39%，復合增速更是達到72%。

另一方面，利潤卻是壓抑的。

自身的資本開支不斷增加，帶來收入的同時，也增加了折舊支出。上游采購成本也不斷抬升。GPU芯片難求，存儲芯片價格則是“坐上噴射機”。而下游用戶還在探索期，沒有成熟的商業模式，云廠商提供的API、算力等服務，又不能收取較高價格。

所以，縱使英偉達投資的CoreWeave，雖然手握龐大訂單、業務高速增長，但利潤表現依然不佳。

與此同時，產業界和投資界也產生著嚴重的認知分歧。

谷歌、亞馬遜、Meta和微軟等科技巨頭，依然在加大資本開支，公布的2026年會達到約6500億美元，同比增速達到60%。摩根士丹利也上調了預測，全球主要11家云服務商資本開支增速也依然在60%左右。

但投資人卻已經通過拋售股票，表達了不滿和質疑。亞馬遜公布了資本開支和業績指引后，股價一度暴跌超11%。CoreWeave公布業績后，股價暴跌18%。

這種強烈的情緒，實際上就是對AI云所處矛盾的公開化：

AI云是新時代的基礎設施中心，但它到底是印鈔機，還是重資產陷阱？

只是一個更貴的算力租賃、重復傳統云“先投入、后變現”的老故事，還是會作為AI的智能中樞、醞釀一場比傳統云更深刻的產業重構？

這也正是本文希望探討的話題。

01財務錯位，是必經之路

理解今天的 AI 云，關鍵不在于簡單區分樂觀與悲觀，而在于看清它所處的階段。

如果一個行業既沒有需求，也沒有利潤，那往往說明它尚未成立。但AI云顯然不是這種情況。它擁有極強的需求牽引、持續擴大的資本投入和越來越明確的調用場景。只是，處于基礎設施行業典型的“財務錯位期”。

回想當年云服務誕生之初，亞馬遜AWS曾在2006年被華爾街認為是不務正業。長達近十年的時間里，亞馬遜的凈利潤幾乎停滯（2003-2015年間，銷售額從69億美元飆升至千億，但利潤卻在盈虧線徘徊）。

然而，AWS卻推動了亞馬遜整體業務發展，帶來了極強的“飛輪效應”。以及，當亞馬遜希望釋放利潤時，AWS就是一個強勁的現金奶牛。

工業革命中的電網運營、鐵路公司，都是如此，歷經了一段建設期后，利潤才會隨之大幅改善；鐵路運輸領域，也誕生了一批那個時代的超級牛股。

因為，需求爆發，通常是遠快于供應擴張的（尤其考慮到諸如芯片等硬件，其擴展的投資額是巨大的，也需要2年甚至更久的建設期），為了迎接即將到來的旺盛需求，設施建設必須適度提前、超前，甚至主動承壓以培育更廣闊的需求市場。

對于云行業更是如此。這是一個重資產先行的行業，研發投入必須前置且巨大；也是成本剛性、收益遞延的行業，土建、電力等成本是長周期資產；也是極其追求規模效應的領域，必須有足夠大的服務網絡，才能吸引用戶。

慶幸的是，一旦用戶規模達到臨界點，邊際成本就會不斷甚至快速下降，從而進入利潤的釋放期。就像CoreWeave表示，2026年一季度公司利潤率將處于低點，之后才會隨著部署成熟逐步回升。

所以，AI云公司所經歷的財務錯位期，是必然，也是必須的。但是，并不是長期的。

02 雁群，而非鯉魚跳龍門

目前，AI云公司的上游芯片、光模塊、液冷等配套公司，已經率先享受到了需求擴張帶來的紅利。

比如，芯片代表的英偉達，2025財年收入增長114%、凈利潤增長145%，達到730億美元；2026財年收入增長65%，凈利潤增長59%，達到1160億美元。寒武紀，2024年收入增長77%，虧損4.5億元，2025年收入增長453%，凈利潤扭虧為21億元。

光模塊代表的中際旭創，2024年收入增長79%、凈利潤增長138%；2025年收入增長60%，凈利潤增長108%；新易盛，2024年收入增長105%、凈利潤增長312%；2025年收入增長100%，凈利潤增長235%左右。

液冷代表的英維克，2024年收入增長30%、凈利潤增長31%；2025年收入增長31%左右，凈利潤增長55%左右；申菱環境，2024年收入增長20%、凈利潤增長10%；2025年收入增長30%左右，凈利潤增長100%左右。

和中游云廠商、以及下游AI應用公司“賠本賺吆喝”相比，上游賣鏟子公司，尤其英偉達，所賺取的利潤已經非常顯著，甚至夸張。如果這種態勢持續太久，云廠商長期處于利潤承壓，那將不利于整個AI產業發展。

換句話說，AI當前的問題，已經不是英偉達賺錢不夠多；而是花錢太少。因為AI產業的發展，不是鯉魚跳龍門，而是雁群。

許多人習慣用“鯉魚跳龍門”的方式理解科技競爭：誰技術最強，誰就跳過去，贏者通吃，落后者被淘汰。

這種敘事適合解釋某些單點產品、單次技術突破，甚至適合解釋消費互聯網時代的一部分平臺競爭。但它并不完全適合AI。現階段的AI，更像是雁群模式的產業結構。

雁群飛行的關鍵，不是某一只頭雁永遠最強，而是整個隊形通過氣流借力、輪換帶飛，維持整體效率。頭雁當然重要，但如果后面的雁群跟不上，或者頭雁永遠獨自承受最大阻力，整個隊伍就飛不遠。

AI產業也是如此：芯片、云、模型、軟件、Agent、場景應用，這些環節并不是彼此孤立的上下游，而是一種高度耦合、相互借力的系統。

芯片公司提供算力甚至算力工廠，云廠商把算力規模化組織起來，模型公司將其轉化為智能，軟件和Agent再把智能送進業務場景，最終由應用層把需求反饋回整個系統。

沒有芯片，AI算不動；沒有模型，AI不夠聰明；沒有云，AI跑不動；沒有應用，AI 沒人買單。AI不靠單點突破，而是長鏈條協同。而不同階段，需要不同的領頭雁。

早期階段，最稀缺的資源，是“把能力先做出來”。要突破算力瓶頸與模型突破的雙重約束。所以，芯片公司和模型公司天然處在領頭雁位置。無論利潤、還是融資，也都流向了這些領域。

但是，到了當前階段，決定產業進展的，已經不再只是“能不能做出更強模型”，而是“能不能把智能大規模、低門檻、可持續地送進真實世界”。云就成為AI從“技術樣品”走向“社會化供給”的關鍵基礎設施。

所以，如果利潤長期只流向芯片等上游公司，而云廠商持續面臨財務錯配、持續承壓，那AI產業的擴散速度、影響程度，都會大受折扣。

這不是一個狹義的商業問題，而是作為產業問題，也越來越受到巨頭們的關注和思考。由此也可以看到：

一方面，英偉達也通過投資入股CoreWeave、OpenAI等方式，將利潤反哺產業；最近也以20億美元投資了MRVL公司，推進光互聯（雖然我個人覺得，力度可以更大、范圍可以更廣）。

另一方面，“兩頭受氣”的云廠商，也終于減弱了對價格戰的依賴，敢于正視商業良性發展所需，對服務價格進行了上調。

1月份，亞馬遜宣布將大模型訓練相關服務的價格上調15%；谷歌也宣布了漲價。3月，騰訊云、阿里云、百度智能云也相繼公告，上調了AI算力、存儲等產品的服務價格。

這是對行業有利的信號。不只是漲價、調整產業鏈價值的分配而已，也有望讓AI云充當頭雁角色，加速行業迭代。畢竟，AI云，和傳統云并不一樣。

03 AI云，和傳統云不一樣

將AI云理解為傳統云的一次延伸，或許是當下最普遍、也最容易誤導判斷的看法。

首先，這種看法并非毫無道理。

AI云和傳統云，都依賴數據中心、芯片等計算資源、網絡能力與規模化調度。從外部形態看，它們都叫“云”，也都以服務形式向外輸出。

但是，如果順著產業邏輯往下看，就會發現，AI云并不是“多了一批GPU的傳統云”，而是將智能落地的最佳途徑。

傳統云，本質上解決的是資源托管問題。

企業不再自己買服務器、建機房、配存儲；而是按需采購、租賃由云廠商提供的標準化、池化的IT資源（計算、網絡、數據庫、存儲等底層能力）。云服務的價值在于彈性、效率和成本優化。

AI云，交付的不只是資源本身，更是基于資源的智能棧。

以谷歌和百度智能云等全棧云服務商為例，從結構來看，最底層是算力平臺，通過芯片、超節點等方式，支撐大模型高效訓練和推理；隨后是大模型開發平臺、以及基于開源、閉源的大模型服務；在此之上是智能體開發服務，甚至是成熟智能體的直接調用服務。

從能力來看，則包括：可被調用的基礎模型；穩定的推理與調用能力，實現高并發推理、低延遲響應、彈性擴縮容、任務調度、緩存機制、路由分發、成本控制等需求；良好的上下文和記憶能力等等。

以及，OpenClaw火了之后，Agent編排能力、Skill或工具接入能力也更為重要。

Agent編排能力，讓智能體可以把一系列步驟串起來，完成一個相對完整的任務。而把外部API、內部服務、數據庫查詢、自動化流程等封裝成可調用的Skill，則是AI云吸引客戶的重要賣點之一。

換句話說，算力、模型、智能體開發平臺等等一系列創新，最終都會通過智能體應用釋放價值。因此，AI云，將涉及到“交付”，更接近業務中樞，從而和客戶產生更強的粘性。

智能并不是作為一個“新工具”擺在旁邊，而是會被嵌入原有的軟件、審批鏈路、工單流程、客服界面、辦公入口和管理后臺中。企業不需要為一個會聊天的模型付費，而是為具備推理、決策能力的系統付費。

從產業視角來看，AI云和傳統云之間，有著產品服務形態、商業模式的改變；AI云廠商的競爭門檻提高了、客戶粘性更強了，也更應該拿到更高附加值；同時，也影響著基于云的軟件服務生態。

從投資視角來看，產品、服務粘性提高；Tokens消耗也不斷加速；永續收入也比之前更可觀；因此，AI云對應的估值中樞，也應該比傳統云更高。

如果用一個上價值的觀點來總結，那么：傳統云，通過共享資源、降低IT門檻；AI云則通過智能輸出、加速企業進化。

04 交付層面，迎來巨變

美國華爾街、硅谷都在激烈討論著AI應用和SaaS的關系。毫無疑問，沖擊、變革是必然有的。

在傳統云時代，云提供了底層資源、讓部署比本地機房更靈活、更省錢；SaaS提供了上層應用、讓交付比傳統軟件許可模式更輕、更靈活。二者看似配合良好，但實際上仍存在斷裂。

企業提出一個需求，往往要先被翻譯成軟件流程；軟件流程再被拆成模塊、接口與權限；然后再由云平臺承載，由SaaS產品交付，由集成商二次拼接。云是一層，SaaS是一層，業務系統是一層，接口平臺又是一層。

而且，一個典型的中型企業可能同時運行著幾十個SaaS軟件：CRM用一套邏輯，ERP用一套邏輯，HR系統又是另一套邏輯。

這就形成了許多企業數字化中的常見困境，一個個IT煙囪、一座座數據孤島，并導致交互破碎、邏輯脫節。

員工需要在不同的UI界面間切換，數據在不同的API管道中通過“打補丁”的方式勉強連接。業務邏輯（我要做什么）與技術邏輯（代碼怎么實現）之間，也隔著中間件、數據庫和復雜的交付流程。

然而，企業真正關心的，從來不是它到底上了幾套系統、采購了幾朵云、打通了多少個接口；而是“事兒能不能漂亮地做好”：銷售能不能更高效，客服能不能更快響應，風控能不能更準確，流程能不能更順暢，組織能不能更低摩擦地運轉。

當然，云+SaaS帶來的數字化進程，功不可沒；但是，也確實把交付變成了一層層堆疊。

前段時間，我和SaaS從業者交流中，提了一個問題，大家是不知道如何做更好，還是因為技術有限。他們回答說，就是歷史局限、在技術條件尚未成熟時的妥協方案。

但是，現在AI來了，交付邏輯開始統一。

以OpenClaw為例，它被譽為智能體的操作系統，在一個智能體框架內，把模型理解、任務拆解、工具調用、工作流編排和執行反饋，串起來。技術能力不再必須繞道完整產品外殼，才能抵達業務現場；而是以更直接的方式進入業務邏輯本身。

過去的軟件交付，先要定義結構，再讓業務遷就結構；但是，未來的智能交付，更可能是先理解業務意圖，再動態組織能力。業務邏輯和技術邏輯的距離，借助AI變得更近。

企業不用搞清楚要買一套什么系統，而是直接表達希望任務如何被完成。對應的，AI云提供的，也就不是靜態產品，而是一系列可以組合的能力：

既有意圖理解、任務拆解、工具調用、數據鏈接、結果反饋等底層能力，也有客服、語音、知識圖譜、搜索、審批、查詢等等具體場景下的能力。

正如黃仁勛在GTC 2026大會上所說，未來幾乎所有SaaS（Software as a Service）公司都將演變為AaaS（Agentic as a Service）——即以智能體為核心的服務平臺。

軟件服務商的競爭要素，也會轉為能否穩定成為Skill，能否高效接入Agent，能否在復雜任務里被優先調度的能力組件。

而云廠商的競爭要素，則轉化為能否提供一系列好用的Skill（包括自研和第三方），以及更重要的是，是否具備把各種能力組織成可交付、可調用、可收費、可嵌入場景的系統能力。并且獲得成本、效果、效率之間的最優組合。

這也就解釋了，為什么OpenClaw火了之后，AI云廠商是最受益的；因為不僅是增加了Token消耗，更是激活了許多B端、C端的需求，而這些需求也大部分由云來實現了。

過去，企業數字化是“買系統、做集成”；未來的智能化，則是“搭能力、做調度”。

05 云服務成為水煤電

AI云最終會更像“水煤電”。這并不是說它會變得廉價，恰恰相反，它意味著另一種更深層的特征：

一旦成為基礎能力，就會高度普及，高頻率使用、計費也會持續發生。

因此，黃仁勛也在GTC大會上提出的Token經濟學。模型按Token收費，推理按請求計費，工具按調用計費，Agent執行任務時又疊加模型、數據庫、搜索、存儲、API 等多層消耗。

這其中，模型公司希望自己的模型被用得更多，但調用量越多，其成本壓力也越大；應用公司希望自己的產品產生更多用戶時長和更高留存，但更關心的是單一場景內的用戶價值、付費轉化和產品滲透，而不是整個社會的調用總量。

AI云廠商，則是Token經濟學里最關鍵的一環，最有能力和意愿推動云服務“水電煤化”、推動大規模調用發生。

因為一切調用最終都落在AI云底座之上，向下連接模型、算力、網絡和數據中心；向上連接 Agent、Skill、工作流和企業場景。不僅提供資源，還掌握調用路徑；不僅支持軟件運行，還可能主導能力分發。

提起Token，就不得不討論一個話題：一味追求低價Token是否可取。我個人認為，并不是好模式。

成本，并不是AI的優勢。一味追求低價Token，就跟燒錢買熱鬧一樣。而低價吸引的客戶，也沒有忠誠度，說走就走。對公司不利、對行業也是傷害。因為一味的內卷，也會讓行業研發受阻。

去年，阿里云談了一個調研狀況。他們跟一百多位客戶交流之后，深刻感受到，Token的質量比數量更加重要。微軟納德拉在參加達沃斯論壇時也強調，AI生產大量Token，但如果沒有實際效應，那就會拿不到能源消耗許可了。

百度智能云強調要深入產業、產生共創價值，騰訊云也更注重為客戶提供適配真實業務場景的方案和工具。

所以，AI云廠商，雖然經營的是水煤電化的云服務，但提供高質量的Token所獲得的，必然是比傳統云更高的附加值。不僅是單純的按照Token收費，更有望按結果收費。

當然，這并不意味著所有AI云廠商都會自動贏得這場戰役。相反，真正的挑戰才剛剛開始。

06 格局之爭

無論哪個領域，只要有浪潮來臨時，必然有傳統玩家、新興玩家、以及渾水摸魚的玩家。就像2021年光伏行業大熱時，有賣衣服的、做珠寶的、賣食品的等等公司，都大張旗鼓地要跨界光伏，結果行業一次波動，就原形畢現。

AI云也如此。許多公司以為買來GPU就可以轉型AI云，實則不然。能和大模型結合，為用戶提供智能，才是核心競爭力。

關于AI云的競爭， Gartner、Omdia、IDC等等海外研究機構，雖然沒有形成一張統一的“AI云競爭打分表”，但也都認同一個事實：企業對 AI 云的評價，正在從基礎設施采購，轉向戰略平臺選擇。

AI云廠商之間的競爭，也就不在于GPU多少、模型性能等要素，也不是單點能力的比拼，而是一場更典型的系統戰：

支撐訓練、推理需求的算力，豐富多選的模型能力，繁榮的Skill生態，能承載智能體持續調用，有足夠強的企業或消費入口（B端訂單或C端流量）從而進入生產生活環境，具備治理和合規能力，以及把這些能力組織成一個可規模化交付的體系。

從這個標準看，梯隊也越來越分化。以國內為例，做一些競爭態勢闡述。

（1）百度智能云

先聊百度智能云，是因為他們是業內率先提出“云智一體”、“AI云”的，多年投入也形成了“芯片與算力、大模型、開發工具、以及應用和應用生態”的全棧體系。

全棧（Full Stack）一詞的首次出現，是對程序員能力的最高評價：既精通前端技術、又掌握后端邏輯、還能熟練操作數據庫。堪稱代碼世界里的魯濱遜。如今，全棧雖然已經改為對企業的形容，但要表達的全能性、硬核性，依然未變。

自研的昆侖芯，脫胎于2011年的芯片部門。在2025年，國內首個全自研的昆侖芯P800三萬卡集群點亮，可同時承載多個千億參數大模型的全量訓練；性能更高的新一代昆侖芯M100、M300等產品也相繼發布。

將多張昆侖芯AI加速卡整合，便有了超節點。天池512，單一節點就能完成萬億參數模型訓練。基于芯片，又構建了百度百舸AI計算平臺。

基于百舸AI計算平臺，百度智能云也提供了AI Infra，包括完善的模型（文心大模型、全模態大模型、以及各類開源模型）、以及模型開發等服務；也打造了Agent Infra，集成了開發、工具、模型、數據等服務，以及Agent運行環境。

應用端，也運營著百度App、網盤等高日活產品；百度伐謀、秒噠等各類智能體；以及蘿卜快跑、小度音箱等承載應用的物理實體。

在OpenClaw爆火之后，百度不僅上線了DuMate、RedClaw等相關claw產品。也“拆墻了”，將積攢二十余年的搜索、百科、復雜任務研究、電商等核心能力，“原子化”成了標準化的 Skill（技能包），并上線到了OpenClaw社區的技能平臺ClawHub。其中，搜索Skill，穩居全球下載量最大的搜索引擎官方Skill。

百度智能云在B端落地良好，在國內大模型招標市場也處于領先地位，客戶也多以大型公司、企業為主，客戶粘性高、支付能力強。2025年財報顯示，百度AI云業務增長可觀，全年營收首次達到400億元。來自AI高性能計算設施的訂閱收入，在第四季度同比增長143%。

展望來看，百度云依然保持著技術核心的底色，而如何拓展生態寬度、以及繼續深挖自研芯片的一體化優勢，則是中期的重要命題。

（2）阿里云

作為國內傳統公有云市場的開拓者和領先者，阿里云在AI浪潮中也極為主動、積極，2025年9月阿里巴巴CEO吳泳銘，就宣布阿里云將在未來三年投入3800億元用于AI基礎設施建設。阿里也是踐行全棧體系的玩家。

平頭哥自研GPU，已經實現規模化量產。目前不僅支持阿里內部業務，也通過阿里云向外部客戶提供了商業化服務。

Qwen系列大模型，是作為全球開源模型的佼佼者。2月發布的Qwen3.5-Plus，性能也媲美Gemini 3 Pro。Qwen全系列、以及多模態、第三方模型的使用與開發，則可以在阿里云百煉平臺上獲得。該平臺也提供了從數據處理、模型微調、評估部署到Agent上線系統的全生命周期管理。

在C端，千問全端的MAU已突破3億，可以融合阿里消費生態各應用場景；B端，8億用戶的釘釘，也在向AI轉型。

2026財年第三季度顯示，阿里云收入432.84億元，同比增長36%，AI收入連續高增長。

展望來看，今年3月份，阿里成立了全新的部門Alibaba Token Hub，整合了阿里AI版圖上的諸多部門。而如何讓整合、協同更順暢，提升組織效率，以及平衡研發和商業化，則是接下來的看點。

（3）字節火山引擎

作為2020年入局的挑戰者，火山引擎依托字節跳動集團的多個自身業務的算力需求，快速發展。

入口，是字節最大的優勢。豆包、抖音、剪映、飛書構成了內容、辦公、創作三條高頻鏈路。而且還可以內置豆包AI入口，覆蓋超10億用戶。

模型層面，2025年底，豆包大模型日均調用量已達63萬億Tokens；視頻生成模型Seedance 2.0也獲得業內高贊。火山方舟、扣子、HiAgent等開發平臺，也可以覆蓋通用與行業專屬智能體的開發。

在2024年，火山引擎的收入規模超過了110億元；2025年也突破了200億元。展望來看，火山引擎在B端的積累較弱。在AI和產業結合的大勢中，這是需要補課的地方。

（4）騰訊云

騰訊云在這幾年聲量不算大，因為采用了“減脂增肌”的戰略。不過效果還不錯，根據財報現實，2025年騰訊云已經實現了整體規模化盈利，收入結構中，IaaS、PaaS、SaaS的基本處于4:4:2的狀態，AI及SaaS產品相關訂單也翻倍增長。

騰訊云最大的優勢是集團打造的各個入口。微信、QQ、元寶、企業微信、騰訊會議、小程序、視頻號，這些幾乎構成了國內最強的連接網絡，可以協同辦公、社交連接和實時互動場景。

可以說，連接、應用，就是騰訊擅長的擊球點。非常擅長把新能力嵌入大規模用戶場景。所以，OpenClaw火了之后，騰訊也快速響應，推出了多款產品。WorkBuddy、QClaw、企業級龍蝦ClawPro、輕量應用服務器Lighthouse，以及專為中國用戶優化的AI Skills社區Skillhub等。

這些產品的使用，則會為云服務帶來增量。

另外，出海也是騰訊云的重要優勢，結合騰訊系多年的出海歷程，積累了豐富的合規本地化經驗以及全球基礎設施。

展望來看，混元大模型，在過去一年多，一直處于劣勢。4月份的發布，是個考驗。根據城市峰會上的消息，即將發布的混元3.0，會在推理與Agent能力等多個維度大幅提升。

整體而言，AI云的分野，才剛剛開始。收入不是當前的核心要素，系統能力和產業結合能力，則更加重要。

07 估值之辨

投資人對AI云廠商有一個評價是“追胡蘿卜的毛驢”。就是眼前有一根美味的胡蘿卜，要想吃的，必須不停地走，但似乎總吃不到。

這背后的商業邏輯是，由于摩爾定律“每18個月同等性能的芯片，價格降一半”的作用，導致云廠商為了提供最佳性能給用戶，不得不持續更新芯片，以至于在產品折舊期內，利潤還沒覆蓋成本，就得再做一輪新開支。周而復始。

簡單說就是，賺錢速度始終跑不過花錢速度。

對于這個擔憂，業內爭論不少。反駁觀點是這樣：首先，隨著下游爆發，云廠商的算力稀缺性依然會保持，從而具備更強的定價權（最近的漲價，也在加強這一點）。其次，不能把AI云的服務簡單理解為算力，而是Token。

黃仁勛認為，未來的競爭是以更低的綜合成本提供更高質量的Token。這不僅取決于芯片，也取決于液冷、網絡傳輸、電力等等配套硬件，以及大模型。

配套硬件的綜合成本計量方式，可以讓芯片的快速折舊，被液冷、電力等更慢的折舊所緩和，也就是實際使用中的折舊并沒有之前預期的那么快，從而讓財務回報更可觀。

再考慮大模型就更有趣了。如果簡單用一個公式，Token價值=大模型性能X算力性能，由于大模型是在不斷提升的，也就意味著同樣的算力（在可以運行的情況下），搭載未來更新的大模型所產生的價值，很有可能要高于搭載當前大模型所產生的。

假設一個分數來計算演示的話，就是當前是10（大模型性能）X10（算力性能）=100，而未來則可能是100（大模型性能）X5（算力性能）=500。雖然同一塊芯片，其性能顯得落后了，但產生的總價值卻更高了。當然，如果用最新的芯片，也許價值是100X10=1000。

這個觀點成立的一個前提是，模型性能提升，比算力折舊更快、更顯著。

SemiAnalysis在一個播客里也強調過這一點：GPU 的“技術過時”不必然等于“經濟報廢”，決定資產價值的，不只是芯片性能，更要看調用需求，以及平臺轉化利潤的服務能力。

還有一個更長遠的觀點是，考慮到未來需求會更加多樣化，場景價值也會更高（遠高于當前聊天模式、或簡單的Agent形態），那么同樣的算力，能夠帶來的價值也會更高，也會相應獲得更多價值分配。

就像同樣的芯片，用來打游戲、做營銷、還是自動駕駛、藥物研發，其價值必然不同。

綜合而言，AI云更像是“高折舊芯片+慢折舊配套+高頻調用平臺+新軟件入口”的混合體。既有基礎設施公司的重，又有平臺公司的網絡效應潛力。

如果市場只盯著Capex和折舊，把它按照傳統云賣資源的商業模式，就很容易低估它；如果只把它當成高增長的軟件平臺，又顯得過于樂觀、低估了周期性風險。

Token經濟下，AI云的估值，必然是高于傳統云（也意味著從云轉型AI云的廠商，會迎來估值重估）。但是否更有吸引力、進一步提升估值中樞，依然取決于AI云廠商“賣能力”的模式能否跑得通、和客戶業務結合有多深、能定義多少新的收費權。

08 結語

從“資源托管”到“智力供給”，從業務搬上云端，到業務在云端長出大腦；AI云相較于傳統云，與其說是技術迭代，我更愿意稱之范式轉換。

而過去一年、以及當下，行業所經歷的撕裂與困境，關于財務錯位的焦慮、關于重資產陷阱的質疑，都是新舊范式轉換中必然的陣痛。

當Token調用量以千倍速度躍升，當OpenClaw重塑了交付邏輯，當SaaS開始全面“Skill化”，一個清晰的信號已經釋放：智能已經不再是某種昂貴的“插件”，而是像水電煤一樣，成為了商業文明運行的底色。

那么，誰來建設它，誰來調度它，誰又來為這套系統承擔長期資本開支？這正是AI云之所以重要的原因，也是行業需要價值再分配的原因。因為只有AI云廠商才能建設這個基礎設施，促進智能被大規模調用。

AI云最終爭奪的，是一個更大的云計算市場，更是嵌入現實世界的智能系統。也許仍需要幾年時間才能看到這套系統的巨大威力，不過只要足夠細心，當前也已經可以欣賞到其帶來的驚艷表現。

正如科幻作家威廉·吉布森（William Gibson）那句著名言論：未來早已到來，只是分布得并不均勻。

AI也已經來到，而AI云真正要做的，則是把這種尚不均勻的智能，變成唾手可及、人人可用的現實。

理工/金融 復合背景

暢銷書《英偉達之道》譯者

百億私募/頭部自媒體 雙重經歷

看清科技、商業本質，講出精彩故事