昨天發(fā)的《云廠商的AI決戰(zhàn)》里，我們聊到一個(gè)關(guān)鍵判斷：今天的AI云競(jìng)爭(zhēng)，早就不是比誰(shuí)家GPU多、Token跑得快了，而是進(jìn)入了全棧AI Infra的深水區(qū)。

今天咱們就順著這個(gè)思路再往下探一層：既然勝負(fù)手不在表面指標(biāo)，而在底層效率，那到底該怎么評(píng)估一家云廠商是不是真的能打？

回望2025年，AI Infra的發(fā)展已經(jīng)清晰地走過(guò)了一個(gè)關(guān)鍵拐點(diǎn)。過(guò)去一年，模型能力的躍遷不再只是參數(shù)規(guī)模的競(jìng)賽，而是越來(lái)越多地被算力可獲得性、成本結(jié)構(gòu)、部署效率所重新定義。頭部廠商在GPU云、算力調(diào)度、異構(gòu)集群以及工程化落地能力上的差距逐漸拉大，而這種分化正決定著誰(shuí)有能力真正承載下一階段的AI商業(yè)化浪潮。

在這一進(jìn)程中，一些曾被廣泛依賴的評(píng)估標(biāo)準(zhǔn)開(kāi)始顯露出其局限性。

比如，Token這個(gè)易于量化、便于傳播的指標(biāo)，一度被部分廠商視為衡量AI云市場(chǎng)的北極星。但現(xiàn)實(shí)卻給出了不同的答案：國(guó)家統(tǒng)計(jì)局最新數(shù)據(jù)顯示，2025年中國(guó)日均Token消耗量已從年初的約1000億飆升至30萬(wàn)億。但據(jù)全球權(quán)威技術(shù)市場(chǎng)研究機(jī)構(gòu)Omdia統(tǒng)計(jì)，按Token計(jì)費(fèi)的MaaS服務(wù)收入僅占整個(gè)AI云市場(chǎng)規(guī)模的不到1%。

究其原因，大量發(fā)生在GPU云租賃、私有化部署乃至端側(cè)設(shè)備的AI算力消耗根本無(wú)法被MaaS平臺(tái)統(tǒng)計(jì)。將Token等同于AI云本身，不僅忽略了中國(guó)數(shù)字化市場(chǎng)復(fù)雜多樣的需求，更可能誤判了真正的技術(shù)護(hù)城河。同樣具有誤導(dǎo)性的還有對(duì)硬件數(shù)量的迷信，GPU的絕對(duì)數(shù)量并不等于穩(wěn)定、高效的可用算力，某頭部云廠商的模型市場(chǎng)中曾出現(xiàn)17.7%的GPU算力僅用于處理1.35%的極少量請(qǐng)求，資源浪費(fèi)嚴(yán)重。

由此可見(jiàn)，評(píng)估一家云廠商的GPU云實(shí)力，不能只看Token消耗量或GPU卡數(shù)，而應(yīng)關(guān)注其底層系統(tǒng)的整體效率與可控性。而要實(shí)現(xiàn)這種效率與可控性，往往離不開(kāi)對(duì)基礎(chǔ)設(shè)施的深度掌控。

正是在這一背景下，具備自研GPU云能力的廠商逐漸顯現(xiàn)出結(jié)構(gòu)性優(yōu)勢(shì)：它們不僅能規(guī)避通用硬件的性能瓶頸與供應(yīng)鏈風(fēng)險(xiǎn)，還能在軟硬協(xié)同、調(diào)度優(yōu)化和成本控制上實(shí)現(xiàn)更高維度的突破。

于是，當(dāng)堆砌硬件的競(jìng)賽逐漸失效、大模型進(jìn)入工程期后，一個(gè)更深刻的問(wèn)題浮出水面：云廠商選擇什么樣的AI Infra的建設(shè)路徑才真的可持續(xù)？對(duì)于志在擁抱AI的企業(yè)而言，決定其智能化進(jìn)程成敗的究竟是采購(gòu)了多少塊芯片，還是選擇一個(gè)具備怎樣系統(tǒng)性效率的合作伙伴？

在模型快速發(fā)展的關(guān)鍵時(shí)期，打開(kāi)任何一篇關(guān)于AI基礎(chǔ)設(shè)施的報(bào)道，幾乎都會(huì)看到這樣的討論：誰(shuí)又拿到了多少H20或B200？哪家云廠商降價(jià)了多少？卡型、規(guī)格、單價(jià)、交付周期……似乎只要擁有更多高端GPU，就能在這場(chǎng)AI競(jìng)賽中勝出。

這種“唯卡論”的敘事在過(guò)去一段時(shí)間確實(shí)主導(dǎo)了市場(chǎng)情緒。畢竟，在大模型訓(xùn)練高度依賴算力的背景下，硬件似乎成了最直觀的勝負(fù)手。然而，隨著行業(yè)從狂熱擴(kuò)張走向理性落地，越來(lái)越多的實(shí)踐案例開(kāi)始揭示一個(gè)行業(yè)現(xiàn)實(shí)：擁有算力，不等于能用好算力。AI算力的價(jià)值，最終要通過(guò)高效、穩(wěn)定、可規(guī)模化的服務(wù)形式釋放出來(lái)。

而這其中最關(guān)鍵的板塊就是GPU云。GPU云作為AI基礎(chǔ)設(shè)施的核心，其競(jìng)賽邏輯已經(jīng)發(fā)生了根本性變革。

一方面，高端GPU供應(yīng)鏈高度集中且波動(dòng)劇烈。市場(chǎng)機(jī)構(gòu)IDC統(tǒng)計(jì)數(shù)據(jù)顯示，英偉達(dá)在訓(xùn)練級(jí)AI芯片（如H100、H200、B200）領(lǐng)域占據(jù)全球超90%的市場(chǎng)份額，而在中國(guó)市場(chǎng)，受出口管制影響，H20、L20等合規(guī)型號(hào)供應(yīng)持續(xù)緊張，價(jià)格波動(dòng)劇烈，交付周期長(zhǎng)達(dá)數(shù)月，即便企業(yè)愿意支付溢價(jià)，也未必能及時(shí)拿到所需資源。

但比拿不到更棘手的，是“用不好”。以近期備受關(guān)注的英偉達(dá)H200為例，盡管已有消息傳出春節(jié)前可交付數(shù)萬(wàn)顆的消息，但即便交易成行，H200也早已不是技術(shù)前沿。它的下一代Blackwell系列（如B200/GB200）性能更高。更重要的是，即便企業(yè)成功采購(gòu)到H200，若缺乏底層系統(tǒng)整合能力，依然難以發(fā)揮其潛力。

許多智算中心直接部署整機(jī)柜設(shè)備，卻在上層面臨調(diào)度系統(tǒng)割裂、通信協(xié)議不統(tǒng)一、驅(qū)動(dòng)與框架適配粗糙等問(wèn)題，導(dǎo)致跨節(jié)點(diǎn)任務(wù)調(diào)度效率低下、故障恢復(fù)緩慢、資源碎片化嚴(yán)重。結(jié)果往往是顯存占滿，算力空轉(zhuǎn)。

這一矛盾在現(xiàn)實(shí)中尤為突出。在“2025云網(wǎng)智聯(lián)大會(huì)”上，SNAI推委會(huì)榮譽(yù)主席韋樂(lè)平指出，當(dāng)前國(guó)內(nèi)智算中心已超280個(gè)，看似算力充沛，實(shí)則GPU平均利用率不足30%，且分布極不均衡。大量設(shè)施長(zhǎng)期閑置或低效運(yùn)行，暴露出典型的“有硬件、無(wú)體系”短板。而隨著MoE（Mixture of Experts）等新一代大模型架構(gòu)的普及，對(duì)算力調(diào)度精度、通信效率和資源彈性的要求更是大幅提升，這也進(jìn)一步放大了能用與好用之間的鴻溝。

問(wèn)題顯然不在芯片本身，而在于缺少一套自主可控、軟硬協(xié)同的全棧技術(shù)底座。今天的GPU云競(jìng)爭(zhēng)早已超越資源囤積階段，進(jìn)入系統(tǒng)工程深水區(qū)，成為芯片、集群、調(diào)度、穩(wěn)定性與商業(yè)化服務(wù)有機(jī)整合的綜合博弈。

也正是在這樣的行業(yè)轉(zhuǎn)折點(diǎn)上，百度昆侖芯、華為昇騰等國(guó)產(chǎn)AI芯片開(kāi)始嶄露頭角，贏得越來(lái)越多頭部客戶的實(shí)際認(rèn)可。國(guó)際權(quán)威咨詢機(jī)構(gòu)弗若斯特沙利文發(fā)布的《2025年中國(guó)GPU云市場(chǎng)研究報(bào)告》清晰捕捉到了這一趨勢(shì)。報(bào)告首次以“自研AI加速芯片 + 萬(wàn)卡級(jí)算力集群 + 云服務(wù)商業(yè)化能力”為三大核心維度，對(duì)中國(guó)GPU云市場(chǎng)進(jìn)行系統(tǒng)評(píng)估。

報(bào)告指出，2025年上半年的中國(guó)自研GPU云市場(chǎng)中，百度智能云以40.4%的市場(chǎng)份額位居第一，華為云以29.5%份額位居第二，其他廠商合計(jì)份額為30.1%。值得注意的是，此前百度智能云已經(jīng)連續(xù)六年穩(wěn)居AI云領(lǐng)域榜首。

乍看之下，這似乎只是又一份廠商排名，但結(jié)合當(dāng)下GPU云市場(chǎng)的現(xiàn)實(shí)，這個(gè)第一其實(shí)揭示了一個(gè)更深層的趨勢(shì)，AI基礎(chǔ)設(shè)施的競(jìng)爭(zhēng)正在從搶卡轉(zhuǎn)向用卡，以及更深層次、更系統(tǒng)性的布局。

沿著這條路徑，我們可以以百度智能云這個(gè)領(lǐng)先的案例去看一看，為什么GPU云競(jìng)賽的焦點(diǎn)不再是某一個(gè)單一指標(biāo)，而是轉(zhuǎn)變成了一整個(gè)系統(tǒng)工程的轉(zhuǎn)型。

自研AI基礎(chǔ)設(shè)施從來(lái)不是一條容易走的路，投入大、周期長(zhǎng)、技術(shù)風(fēng)險(xiǎn)高，任何一個(gè)環(huán)節(jié)都可能讓前期努力付諸東流，且短期內(nèi)難以看到商業(yè)回報(bào)。正因如此，盡管“全棧自研”被廣泛視為長(zhǎng)期競(jìng)爭(zhēng)力的關(guān)鍵，真正躬身入局的玩家卻寥寥無(wú)幾。目前，在中國(guó)AI云市場(chǎng)中，僅有百度智能云、華為云等少數(shù)頭部廠商選擇堅(jiān)持這一路徑，并形成了從底層算力到上層應(yīng)用的高效閉環(huán)。

回溯他們脫穎而出的路徑，一個(gè)關(guān)鍵問(wèn)題浮現(xiàn)出來(lái)：領(lǐng)先，究竟源于什么？

根據(jù)報(bào)告來(lái)看，答案并非某個(gè)單點(diǎn)技術(shù)的突破，而是一整套關(guān)于自研芯片、集群規(guī)模、云服務(wù)能力的長(zhǎng)期實(shí)踐。

以百度智能云為例，從硬件底層開(kāi)始，其就選擇從自研AI芯片昆侖芯切入，為整個(gè)算力體系預(yù)留了持續(xù)演進(jìn)的空間。算力架構(gòu)不再被通用硬件鎖定，而是能圍繞真實(shí)模型需求動(dòng)態(tài)優(yōu)化。值得注意的是，昆侖芯的研發(fā)起源于十余年前百度對(duì)大規(guī)模搜索場(chǎng)景下FPGA加速器的深度探索，其從誕生之初，就帶有為AI基礎(chǔ)設(shè)施服務(wù)的強(qiáng)烈基因。目前，昆侖芯已完成數(shù)萬(wàn)卡的規(guī)?；渴?，服務(wù)于招商銀行、南方電網(wǎng)、中國(guó)鋼研等上百家行業(yè)客戶。

目前昆侖芯不僅能大規(guī)模支撐百度內(nèi)部的推理業(yè)務(wù)，在訓(xùn)練層面也取得了一定的成績(jī)，而前不久發(fā)布的全新一代AI芯片，在面向大規(guī)模推理場(chǎng)景進(jìn)行深度優(yōu)化的同時(shí)，也將推出更適配多模態(tài)模型超大規(guī)模訓(xùn)推的產(chǎn)品，為后續(xù)的算力演進(jìn)預(yù)留空間。

芯片只是起點(diǎn)，要釋放規(guī)模算力的真正價(jià)值，還需要更高維度的系統(tǒng)整合。為此，在節(jié)點(diǎn)層，百度智能云進(jìn)一步構(gòu)建了百度天池超節(jié)點(diǎn)，通過(guò)更高密度的算力組織與更低延遲的互聯(lián)，為大規(guī)模并行計(jì)算提供穩(wěn)定基礎(chǔ)。根據(jù)百度智能云官方披露，相比上一代產(chǎn)品，天池256超節(jié)點(diǎn)的整體性能提升50%，天池512超節(jié)點(diǎn)單個(gè)超節(jié)點(diǎn)即可支撐萬(wàn)億參數(shù)模型訓(xùn)練，大幅降低跨節(jié)點(diǎn)通信開(kāi)銷與任務(wù)碎片化。

單節(jié)點(diǎn)的強(qiáng)悍能夠進(jìn)一步提升算力使用的性價(jià)比，也讓集群的建設(shè)更加快速。2025年4月，百度智能云就已經(jīng)點(diǎn)亮了昆侖芯三萬(wàn)卡集群，在去年11月的百度世界大會(huì)上，百度智能云表示還將不斷擴(kuò)大集群規(guī)模，未來(lái)目標(biāo)推向百萬(wàn)級(jí)。

隨著算力規(guī)模邁過(guò)萬(wàn)卡向更高層次進(jìn)發(fā)，挑戰(zhàn)也從"有沒(méi)有算力"轉(zhuǎn)向"能不能用好算力"。

面對(duì)大規(guī)模的模型訓(xùn)推需求，在高并發(fā)、高負(fù)載的情況下保持可預(yù)期的性能表現(xiàn)至關(guān)重要。在最上層，上述那些分散在芯片，超節(jié)點(diǎn)與集群層面的能力被百度百舸AI計(jì)算平臺(tái)上進(jìn)一步整合、放大，并以云服務(wù)的形式高效輸出。

據(jù)悉，百度百舸5.0在深度適配昆侖芯的同時(shí)，也支持多款國(guó)內(nèi)外主流芯片，在超大規(guī)模集群上的有效訓(xùn)練時(shí)長(zhǎng)超過(guò)95%，從結(jié)果來(lái)看，其在異構(gòu)算力調(diào)度和集群穩(wěn)定性方面已相當(dāng)成熟。不只是穩(wěn)定性，百度百舸定位面向大模型訓(xùn)推一體化的AI基礎(chǔ)設(shè)施，能夠通過(guò)領(lǐng)先的AI工程加速能力，覆蓋企業(yè)在模型開(kāi)發(fā)、訓(xùn)練、部署及推理的全流程需求，為AI落地提供高效易用的服務(wù)。

這種多維度、全棧式的能力建設(shè)，顯著提升了對(duì)客戶多樣化、復(fù)雜化AI需求的支撐能力。目前，百度智能云已服務(wù)超過(guò)65%的央企、全部系統(tǒng)重要性銀行、95%的主流車企、一半以上的頭部游戲公司，以及眾多走在前沿的具身智能企業(yè)。這些對(duì)穩(wěn)定性、安全性和效率要求極高的客戶，用真金白銀投出了信任票。

可以說(shuō)，百度智能云的全棧優(yōu)勢(shì)再次證明了研發(fā)為王、底層自研這種長(zhǎng)期主義邏輯。在技術(shù)深水區(qū)，沒(méi)有捷徑可走。唯有堅(jiān)持底層自研、系統(tǒng)思維與工程落地三者合一，才能構(gòu)筑真正難以逾越的競(jìng)爭(zhēng)壁壘。如今市場(chǎng)份額位居第一，本質(zhì)上就是對(duì)這條路線已然跑通的有力驗(yàn)證。

站在產(chǎn)業(yè)演進(jìn)的高度回望，GPU云的競(jìng)爭(zhēng)早已超越技術(shù)參數(shù)與市場(chǎng)份額的表層較量，其真正價(jià)值在于，能否成為千行百業(yè)智能化轉(zhuǎn)型的可靠底座。

隨著模型智能的進(jìn)一步提升，大規(guī)模推理需求開(kāi)始對(duì)GPU云提出了更高的要求。各行各業(yè)正在將AI融入業(yè)務(wù)流程，具身智能、AI Agent等新興應(yīng)用的發(fā)展，對(duì)AI基礎(chǔ)設(shè)施提出了更為苛刻的需求。這不僅僅是峰值算力，還包括低延遲響應(yīng)、高通信效率、確定性調(diào)度以及長(zhǎng)期可用性。

過(guò)去幾年，大模型從實(shí)驗(yàn)室走向工廠、電網(wǎng)、銀行和汽車生產(chǎn)線。但當(dāng) AI 從“試驗(yàn)性能力”進(jìn)入“業(yè)務(wù)基礎(chǔ)設(shè)施”階段，產(chǎn)業(yè)側(cè)提出的要求發(fā)生了本質(zhì)變化。

產(chǎn)業(yè)客戶要的從來(lái)都不只是最強(qiáng)算力，更是穩(wěn)定、安全、可預(yù)期、可負(fù)擔(dān)的智能服務(wù)。他們無(wú)法承受因調(diào)度抖動(dòng)導(dǎo)致訓(xùn)練中斷，不能接受因芯片斷供而業(yè)務(wù)停擺，更難以承擔(dān)高昂且不可控的推理成本。在這樣的現(xiàn)實(shí)需求面前，單純堆砌英偉達(dá)GPU的“快餐式”方案顯得力不從心。硬件再?gòu)?qiáng)，若缺乏底層協(xié)同與長(zhǎng)期演進(jìn)能力，終究難以支撐產(chǎn)業(yè)級(jí)AI的持續(xù)運(yùn)行。

也正是在這一現(xiàn)實(shí)約束下，國(guó)產(chǎn)GPU云的縱深價(jià)值開(kāi)始顯現(xiàn)，云廠商需要通過(guò)從芯片到超節(jié)點(diǎn)，再到集群與云服務(wù)的全棧布局，構(gòu)建高度協(xié)同、自主可控的AI基礎(chǔ)設(shè)施體系。這種系統(tǒng)性能力，不僅降低了大規(guī)模AI應(yīng)用的工程門檻，更讓企業(yè)在面對(duì)快速演進(jìn)的技術(shù)環(huán)境時(shí)，擁有了更強(qiáng)的適應(yīng)力與確定性。

例如，百度天池超節(jié)點(diǎn)可將單卡性能提升95%，單實(shí)例推理性能提升高達(dá)8倍；華為昇騰910B的FP16算力達(dá)到256 TFLOPS，寒武紀(jì)思元590在邊緣端推理能跑出128 TOPS。這些性能優(yōu)勢(shì)使得國(guó)產(chǎn)芯片在實(shí)際應(yīng)用中展現(xiàn)出強(qiáng)大的競(jìng)爭(zhēng)力。

實(shí)際業(yè)務(wù)中，國(guó)產(chǎn)AI云已經(jīng)深度結(jié)合進(jìn)產(chǎn)業(yè)之中，百度智能云以昆侖芯P800為核心，結(jié)合百度百舸AI計(jì)算平臺(tái)5.0，為招商銀行提供高效、穩(wěn)定的算力支持，推動(dòng)大模型在金融場(chǎng)景的深度應(yīng)用；百度智能云與長(zhǎng)安汽車共建長(zhǎng)安汽車智算中心，為深藍(lán)汽車等在售全系車型提供實(shí)時(shí)推理算力支持，總算力規(guī)模已超1000PFLOPs。

對(duì)企業(yè)和開(kāi)發(fā)者而言，選擇GPU云，本質(zhì)上是在選擇未來(lái)數(shù)年AI演進(jìn)的底座。從自研芯片，到超節(jié)點(diǎn)算力組織，再到云平臺(tái)級(jí)的統(tǒng)一調(diào)度與服務(wù)輸出，這種縱向一體化能力，決定了這一底座是否穩(wěn)定、可控、可持續(xù)。它降低的不只是技術(shù)門檻，更是產(chǎn)業(yè)在使用AI過(guò)程中面臨的不確定性成本。

一個(gè)經(jīng)過(guò)全棧優(yōu)化、具備長(zhǎng)期演進(jìn)能力的基礎(chǔ)設(shè)施，不僅能支撐當(dāng)前模型訓(xùn)練與推理需求，更能為未來(lái)的架構(gòu)升級(jí)、成本優(yōu)化和業(yè)務(wù)創(chuàng)新預(yù)留空間。底座越牢固，底層加持越顯著，在應(yīng)用層和模型層構(gòu)建的差異化優(yōu)勢(shì)也就越難以被復(fù)制。

更重要的是，這種自研路徑為中國(guó)產(chǎn)業(yè)保留了技術(shù)主動(dòng)權(quán)。在全球供應(yīng)鏈高度不確定的背景下，一個(gè)能同時(shí)駕馭國(guó)產(chǎn)芯片與國(guó)際硬件、并實(shí)現(xiàn)高效調(diào)度的平臺(tái)，意味著企業(yè)不必在安全與性能之間做痛苦取舍。AI由此真正從可選項(xiàng)變?yōu)楸剡x項(xiàng)。

因此，GPU云的競(jìng)爭(zhēng)終局，不是資源規(guī)模的簡(jiǎn)單比拼，而是系統(tǒng)效率與長(zhǎng)期價(jià)值的較量。在這場(chǎng)比耐力、比深度、比工程定力的長(zhǎng)跑中，真正能將算力轉(zhuǎn)化為穩(wěn)定生產(chǎn)力的一方，才有望笑到最后，托起最廣闊的產(chǎn)業(yè)未來(lái)。

審核編輯 黃宇