云计算行业在过去一年中逐渐摆脱了“内卷式”竞争，但在生成式AI浪潮中探索新路径，无论是国际还是国内的云服务商都面临同样的挑战：没有现成的标准答案可供参考。阿里云也在这一探索过程中不断前行，其资深副总裁、公共云事业部总裁刘伟光表示，只有亲自深入一线感受客户需求，才能设计出面向未来的战略方向。
刘伟光的解决之道显得既简单又高效。在过去的一年里，他走访了至少162家客户，这只是他日程表中的一部分。每家客户的AI应用需求都各不相同，如何将这些需求转化为公共云平台的能力，成为他和阿里云公共云团队面临的主要挑战。
在革命性技术发展的初期，需求通常广泛且分散，但随着时间的推移会逐渐收敛。现阶段的AI需求已经能够提炼出一些共性。基础大模型的先行者仍在持续训练大模型，垂直化应用公司开始深度应用大模型，而一些传统公司则探索利用大模型进行业务创新和效率提升。一个值得关注的趋势是，越来越多的企业不仅简单调用大模型，而是在原有应用中大量嵌入AI Agent，甚至在原有应用之外开发AI原生应用。
这些企业的需求共同推动了AI云的进化。如果说云计算自2006年以来开创了一个时代，让更多中小企业上云、节省成本并降低门槛，初步成为企业的数字化生产力工具，那么AI与云的结合则将云计算产业推向了一个至关重要的节点。未来，所有基础设施的能力都将受到AI的冲击，这一过程将是云计算能力的全面迭代升级甚至重构，AI云时代已经到来。
传统IT时代的IOE（IBM的小型机、Oracle数据库、EMC存储设备）作为上一个计算纪元的代表产物，缔造了通用算力的基础设施底座；而AI云则是典型的智能算力的基础设施底座，大语言模型自诞生之日起就生长在云上、成长在云上。这一阶段云服务的重要标志是，企业拥抱云不仅仅是出于IaaS（基础设施即服务）资源的需求，而是需要IaaS、PaaS（平台即服务）、大语言模型、AI应用等全栈能力，而这个垂直技术栈的最佳承载无疑是云计算。
对于云计算的最终使用者——企业而言，如何基于大模型形成智能时代的生产关系、发挥AI的真正价值，成为一道必答题。刘伟光在走访162家客户后发现，越来越多的传统企业级市场客户、外资企业及跨国公司（MNC）不仅将资源迁移到云端，更是将业务系统全面云化，涵盖网络、存储、大数据、数据库等IaaS+PaaS一体化的全栈服务。
他明确指出：“只有具备IaaS+PaaS一体化能力的云，才能被称为真正的云。这是我今天对‘云’的定义。同样地，在AI时代不创造社会价值的大模型，很难称之为大模型。”
在云计算市场回暖的背景下，IDC发布的《中国公有云服务市场（2024上半年）跟踪》报告显示，IaaS+PaaS市场同比增长12.2%，其中PaaS同比增长达21.9%，表现尤为突出，阿里云在这一市场中依然保持领先和稳定提升。刘伟光认为，从内因来看，阿里云一直在推动IaaS+PaaS一体化，而不仅仅是将云作为资源来售卖。他希望客户能大规模采用PaaS层的产品，尤其是数据库、大数据、容器化、Serverless、开发运维工具等产品，这些产品对客户的业务有非常直接的支撑作用。
许多传统企业级客户、外资企业及跨国企业（MNC）已经将IaaS+PaaS全栈搬上云，因为他们认为全栈上云可以节省采购、时间、创新成本，并缩短创新时间。从外因角度看，刘伟光在拜访客户时发现，他们对云的认知与过去有了很大不同，认识到云不仅仅是服务器资源，更是提供丰富的数字化能力。
他进一步解释说，开源软件的发展速度远超商业化软件，在云上选择各种具备不同技术能力且开源的组件是最好的选择。如果客户自行开发软件或产品，所需的人力成本、研发成本、服务器成本、创新成本、试错成本都非常高。相比之下，云计算提供的开箱即用的PaaS化能力可以直接助力客户业务创新迭代。
越来越多的客户意识到，IaaS+PaaS一体化是充分利用云、用云来实现业务迭代创新、帮助业务实现直接增长的最好选择。阿里云服务了小红书、喜马拉雅、得物等大型互联网企业，他们通过阿里云的大数据产品不仅激发了数据价值，更实现了对搜索、推荐、广告等业务价值的直接提升。
刘伟光强调，没有PaaS的云很难称之为云。他举例说，中华财险通过阿里云通义千问输入目标客户各类情况的提示词，就可以自动生成一份定制化团险保单，效率极高。在快递领域，申通快递与阿里云合作实现了大模型应用在网点经营分析、客服摘要、客服质检、地址校验等多个物流场景的落地，显著提升了效率。
阿里云服务了众多To B企业，创造了巨大的商业价值。在蓝领招聘领域，一家领先企业利用Qwen-Plus整理本地公众号、微信群中的零散用工信息，降低了80%的运营人力成本。在跨境电商领域，一家垂类电商企业通过通义大模型进行商品关键词生成、标题提炼、商品描述以及违规检测，高质量完成了海量商品上线。
尽管已经看到了很多实实在在的效率提升成果，但从市场整体来看仍然是冰山一角。刘伟光对未来充满信心，他认为中国在大语言模型发展和场景应用上会迎来快速普及，因为越是人多、数据多、流程复杂、场景复杂的业务，大模型起到的效果就越明显。阿里云明年的目标是希望提供的推理资源能服务中国90%的AI agent和90%的AI原生应用。
然而，AI在To B领域的价值要实现，意味着AI应用和服务必须无缝嵌入现有数据流和工作流，真正进入生产环境才能发挥价值。这面临着诸多挑战，如企业不知道如何下手将大模型与企业的具体场景和数据结合、缺乏AI人才等。但刘伟光也看到了积极的一面，许多客户有独立的AI规划、预算、人才和办公室，这表明他们正在将AI作为企业级战略项目来推进。
对于AI基础设施创新的关注度不及对大模型和生成式AI服务的关注，刘伟光认为这很正常。就像人们使用AI眼镜时关注的是它能实现什么功能，而不会关心背后是用什么技术来实现的。但支撑这些AI应用创新的核心竞争力的基础设施技术非常重要，就像打开水龙头时不会关心水从哪个水厂流出来，但水厂的设备应该是最先进的。
展望未来，刘伟光认为AI和云的结合是云二次腾飞的关键。从云计算提出到今天将近20年时间，它让全世界各种企业认识到云是先进技术的聚集地，能让更多中小企业上云并节省成本。同时，云不仅是资源，还是数字化生产力工具。未来的所有基础设施的能力都将被AI冲击，这个过程将是能力的完全迭代、升级甚至重构。这是一个AI云的时代，各行各业都会不断拥抱AI，基于大语言模型构建的AI应用、AI agent会层出不穷。
对于企业而言，要进行更细分的资源规划，从AI的顶层设计到IT层面的AI人才、AI资源、AI开发工具都要进行全方位考量。今天所有企业都要为AI重新准备一套数字化工具或AI工具链。
阿里云智能集团副总裁、公共云首席解决方案架构师韩鸿源在交流中提到，大语言模型的效果应停留在其本身适合发挥的场景里讨论，而不是泛化到一个解决一切问题的大模型。他举例说，AI辅助写代码是大语言模型应用领域里经过最充分验证、最能体现直接效果的场景之一。许多领先企业已经有20%甚至30%的代码使用了AI辅助生成。
在落地生成式AI的过程中，企业普遍遇到的难点包括环境准备、模型就绪和应用工程三个阶段。阿里云提供了多种解决思路和方法，如选择合适的模型及其运行方式、优化推理环境等。云为整个模型使用全生命周期提供了一个非常好的条件，从用户的选择角度到灵活性都提供了很多可能性。
对于不同能力的企业，在模型的应用部署方式上的选择也会有所不同。一些企业可能希望以最快的方式开展应用开发，选择现成的模型服务；而另一些企业则可能希望保留一部分知识产权，选择定制模型或自己搭建推理平台。
推理市场的繁荣将对企业使用公共云产生深远影响。韩鸿源认为，虽然训练过程更吸引眼球，但模型要重复使用才能释放价值，因此未来推理投入占比可能会远远高于训练。阿里云在推理方面积累了丰富的经验和技术优化，使用户能够直接享受这些技术带来的红利。
“多模态数据”也是今年的一个热词。韩鸿源表示，一方面模型提取非结构化数据的结构化信息能力在提升；另一方面，Agent和这些数据探索能力的结合蕴藏着巨大的潜力。云计算除了提供基础的资源供应外，上层软件能力会变得越来越重要。
