后DeepSeek时代，马云站台阿里云释放了哪些关键信号？

文 | 硅基研究室 kiki

久未露面的「风清扬」又一次为阿里云站台了。

几天前，身穿阿里云15周年纪念衫、现身阿里云KO会的马云在现场演讲中表示："今天阿里云的资源和技术人才，既是发展云计算和AI的信心所在，更是责任所在。"

图源：网络视频截图

大模型竞争迈入第三年，距云厂商们提出「AI战略」也有两年，中国的云厂商们寄希望于「AI+云」的模式改变一切——小到云产品、商业模式，大到生态格局和市场份额。

无论是头部的互联网大厂，抑或是运营商云和中型云厂商，都将AI视作重要的增长曲线，反映在财报数据端，是AI驱动下的营收增速的回暖和资本支出的上涨。

财报显示，从2025财年第一季度开始，阿里云收入和利润率已明显提速趋势，阿里云AI相关产品收入，已连续6个季度实现三位数增长，公有云收入双位数增长。

百度智能云也披露，其AI相关收入同比增长近3倍，华为云在2024年销售收入达688亿元，同比增长24%，其中昇腾云服务实现6倍增长。

但增长背后，「AI+云」也始终存在挑战：

一方面，DeepSeek降低了大模型落地的成本门槛，诸多云厂商迅速跟进，新产品、新解决方案不断，给中小云厂商带来机会的同时，也引发了行业对MaaS模式的质疑；

另一方面，开源浪潮搅动模型能力的格局，新的场景竞争拉开序幕，云厂商不仅需要比拼的是模型能力，而是转向「产品+服务+资源」的综合竞争。

2025，国内云厂商究竟有哪些新变化和新趋势？

1、「DeepSeek效应」的AB面

对云厂商而言，2025年，最大的变量无疑是DeepSeek。

「硅基研究室」在《DeepSeek"朋友圈"的B面：抢入口、争流量，开打算力战》提到，云厂商是最先接入DeepSeek的首批玩家，一位大厂云销售曾向「硅基研究室」提到，DeepSeek带动了很多传统行业和中小企业的咨询热，云厂商也顺势被DeepSeek流量送上风口。

对云厂商而言，「DeepSeek效应」是一枚硬币AB面。

A面是，DeepSeek推理算力需求外溢，确实带动了大模型云端的调用需求，云厂商可以通过推出DeepSeek服务，拉动营收增长。

在基础产品侧，从传统四大件（计算、存储、网络、数据库）到支持私有化部署的大模型一体机，为适配DeepSeek模型，云厂商既可以顺势推出标准化产品进行迭代，也可以交叉售卖其他云产品和配套服务，同时政企侧对国产算力的需求，也为云厂商的自研芯片提供了消纳入口。

除此以外，DeepSeek和阿里通义拉动大模型走向开源开放浪潮，降低模型部署门槛、加速应用开发，推高了大模型MaaS平台的调用量。

据IDC调研数据，从2024年年中至2024年12月，中国公有云大模型调用量，从月度日均963亿Tokens飙升至日均9522亿Tokens——受DeepSeek影响，进入2025年以来，中国公有云大模型调用量更是实现飞跃式增长。

但「DeepSeek效应」并非没有副作用。

先是引发讨论的MaaS商业模式，后是传统IT厂商、中小云厂商，甚至是跨界玩家入局DeepSeek一体机市场，随之而来的价格战，也再度引发市场对云厂商「亏损」的担忧。

原本成为共识的MaaS，在DeepSeek的冲击下，实际发生两个明显变化：

一是更强大的DeepSeek开源模型冲击了大厂原本的模型定价模式，在「低成本、高性能」的DeepSeek面前，云服务厂商要么继续卷模型部署成本，要么就直接在DeepSeek基础上做微调；

二是倒逼云厂商的MaaS服务走向差异化，譬如进一步升级大模型周边工具、配套服务支持二次开发定制等AI生态链工具。

如火山引擎总裁谭待的感叹，DeepSeek是云厂商的试金石：

"哪家云的托管服务性能好，吞吐大、延迟低，直接测试就知道。"

「试金石」的另一面也是接下来的洗牌。据一位云计算领域观察人士分析，今年一季度受DeepSeek部署热，B端大模型存在一些「泡沫」，一些企业部署DeepSeek和实际业务没有太大的关联度。

2、对「AI云」的两种态度

如果DeepSeek是最大的变量，那么AI云无疑是云厂商最大的常量。现阶段，中国云厂商对「AI云」的理解也正在发生分野。

AI云的主语究竟是AI还是云？

这代表两种态度——前者做的是AI生意，利用「AI+云」，改造或重构产品，带来更高的毛利；后者做的是算力生意，倡导「云+AI」，产品和服务定价锚定算力资源，做大规模效应，本质上还是算力的卖水人。

这之中，华为云是典型「云+AI」，聚焦在「算力底座」上。一方面，这是由于华为云自身深厚的硬件开发积累和多年政企市场的深耕；另一方面，也是其大模型战略使然，盘古大模型强调的是「AI for industries」。

近期的华为云生态大会上，最大的亮点也是其公布的AI基础设施架构的进展——对标英伟达的NVL72超节点，华为云发布了CloudMatrix 384超节点。

与单节点不同，所谓的「超节点」是指多个GPU通过总线互联和架构创新，形成一个「超大服务器」，让AI算力成为「水电煤」一样的标准化服务。

图源：华为云官方

而崇尚「AI+云」的，则是腾讯云和百度智能云，它们的共同点是都是经历了深度调整期，转变曾经的「集成商」角色，提升自身「被集成」比例，强调打造AI原生云产品，丰富PaaS层产品种类，看中的是自研产品的高毛利。

阿里云则选择两者都要——一边是大笔投资，做大公有云的规模优势；另一边是用高毛利产品，降低潜在的盈利压力。

此前阿里云曾宣布全力投身AI基础设施建设，将在未来三年投入超过3800亿元，用于建设云和AI硬件基础设施。同时由于坚定的开源路线，也让阿里云较早构建了「开源模型+云服务」的闭环，除此以外，阿里云也在PaaS层持续做技术产品优化。

3、后DeepSeek时代，中国云厂商开卷两大能力

无论是「AI+云」，还是「云+AI」，云计算的本质依旧靠规模经济。因此无论有没有AI，「产品+服务+资源」仍是云厂商最关键的长期核心竞争力，最终竞争都会落在拼资源优势和资源利用率提升上。

后DeepSeek时代，现阶段的中国云厂商在拼什么？

「硅基研究室」认为，有两个能力值得关注：一是更强的规模效应，二是AI infra能力。

云厂商的规模效应并不难理解，更强的规模效应指的是以腾讯云、阿里云等为代表的互联网云厂商，既有AI初创公司客户，内部也有具备一定用户规模的AI应用场景，因此可以通过资源整合或工程优化，提升资源利用率，摊薄单位计算成本，实现更高的ROI。

具体到AI应用上，AI Agent已成为确定性趋势，各大云厂商近期纷纷拥抱MCP，火山引擎推出企业数据智能体Data Agent，阿里云也在预告了AI Agent Store的业务愿景。

除此以外，则是AI infra能力。针对存储瓶颈、通信效率、计算单元效率等方面，对进一步挖掘已有GPU性能，避免算力浪费。商汤科技联合创始人、大装置事业群总裁杨帆在近期采访中就提到："单纯从技术上来看，模型的迭代也需要一个好的Infra配合、支撑。"

云厂商也正在发力AI infra，一方面互联网云已积累较强的AI Infra能力，包括实现万卡集群的高利用率、提供丰富的大模型训练和推理工具等；另一方面，头部云厂商也会与AI infra企业合作，例如华为云和硅基流动。

与大模型和AI应用侧瞬息万变相比，中国云计算市场是典型的「慢变量」市场，告别流量红利和深度调整后，国内云厂商的格局其实没有明显的变化。

毕竟，大模型与云融入也才到第三年，新的周期下，对云厂商而言，这是一场长跑，而非速胜。