Token不是一切：AI雲的競爭才剛剛開始

雲市場很久沒有這麼熱鬧了。

IDC最新資料顯示，2025年上半年中國公有雲市場規模達到1206.69億元，同比增長接近20%。其中MaaS市場規模12.9億元，同比增長421.2%，成為雲端運算賽道中增長最快的細分領域；AI大模型解決方案市場規模30.7億元，同比增長122.1%，金融、政務和製造行業貢獻了超過六成預算。AI給雲端運算帶來了二次發展的機遇，這一點毋庸置疑。

熱鬧歸熱鬧，喧囂之中也有一些值得冷靜的地方。

年末各家陸續曬出成績單，Token呼叫量成為最熱門的指標。日均幾十兆的數字在行業裡此起彼伏，頗有當年市場份額大戰的既視感。但熟悉雲端運算行業的人應該還記得，市場份額這件事，行業已經很久不怎麼強調了。不是因為不重要，而是大家逐漸意識到，在一個還在快速擴張的市場裡，份額只是某個切面的快照，很難說明太多問題。

今天的Token呼叫量，某種程度上也在重複這個邏輯。

把數字放在一起看就更清楚：MaaS市場12.9億，整個公有雲市場1206億，佔比剛過1%。當所有注意力都集中在這1%的增速和排名上時，我們可能正在用一把過於狹窄的尺子丈量這個市場。

Token呼叫量能說明一些問題，但說明不了全部。雲端運算的競爭也從來不只發生在應用層。因此，矽星人的判斷是：2026年，AI雲的競爭終將回歸基礎設施，回歸全端能力的比拚。

Token是一個好指標，但不是唯一指標

Token呼叫量成為熱門指標，有它的道理。它直觀、可量化、易傳播，在一個需要強心劑的市場裡，“日均幾十兆”這樣的數字天然具有衝擊力。對投資人、媒體、甚至部分客戶來說，這是最容易理解的AI繁榮證據。

但問題也同樣明顯。首先數量不等於質量，同樣一個任務，一個模型用1萬個Token完成，另一個用1000個完成，誰的能力更強？場景差異同樣巨大，寫一段行銷文案消耗的Token，和幫金融機構做票據識別消耗的Token，消費端陪聊產生的Token，和生產端提升效率產生的Token，意義都完全不同。

更關鍵的是，API呼叫只是企業使用AI的方式之一，而且是最輕量的一種。

從雲服務商的視角看，企業使用AI大致有幾種路徑：直接呼叫API，模型在雲端，按量付費，這是當前Token統計的主要口徑；往深一層是在雲上做後訓練和微調，企業把自己的資料灌進去，訓出適配業務的模型；再往深是下載開源模型在本地或私有雲部署，資料不出域，推理在本地完成；還有更特殊的場景，比如車端智駕、機器人端側推理，模型直接跑在裝置上，響應必須是毫秒級，根本不可能等雲端返回。

這些路徑產生的算力消耗同樣龐大，但從未進入任何一份公開報告的統計口徑。

據矽星人瞭解，在阿里雲上，使用API呼叫服務的客戶和使用GPU算力的客戶，重合度高達70%。這意味著真正深度使用AI的企業，從來不是只選一種方式，而是根據場景選擇不同的服務層級：有些調API就夠了，有些需要自己訓模型。只看API呼叫這個口徑，相當於只看到了冰山露出水面的部分。

而冰山之下，是企業向AI轉型的真實圖景：它不是簡單地接入一個API，而是一場涉及資料、流程、組織的體系化變革。

這件事快不了，也不可能一蹴而就。沒有一個企業在選擇AI服務時會想“你的Token呼叫量最多，所以我選你”。它們想的是：你能不能解決我的問題。

AI雲的客戶，遠不止網際網路公司

什麼樣的場景在消耗Token？這個問題的答案，決定了我們如何理解當前AI雲市場的真實狀態。

目前中國這波AI熱潮，最直觀的繁榮集中在消費端：ChatBot、唱歌、跳舞、AI換臉、虛擬陪伴……這些應用主要跑在手機上，使用者增長快，Token消耗大，資料好看。與此同時，MaaS市場增長最快的客戶群體是AI原生企業和網際網路公司，它們天然就是API呼叫的理想使用者：業務線上，資料現成，開發能力強，呼叫API就能跑起來。

但這只是AI市場的一個切面。

更廣闊的空間在企業級市場，在各類終端上。2025年大量傳統行業開始嘗試AI：農牧業在用AI做牲畜數量識別、異常行為檢測；安防領域在做多模態的家用監控，嬰兒看護、寵物識別、火焰告警；重工業在用維修助手縮短高級技師的培養周期；教育公司在做智能判卷，不只是選擇題，連主觀題都能批；物流公司給一線員工配上AI助手處理日常諮詢。這些場景不只發生在手機上，還發生在車端、機器人、工業裝置、IoT終端，對即時性、可靠性、資料安全的要求遠高於消費端。

這些企業有一個共同特點：它們不是AI原生的。它們有幾十年積累的業務資料和行業know-how，需要的不是簡單呼叫一個API，而是把AI和自己的資料、流程深度耦合。很多企業連數位化都沒完成，需要先做資料治理，再做後訓練和微調，最後才是部署應用。這是一整套服務，不是一個API介面能解決的。

這也是為什麼開源模型和閉源模型對雲市場的拉動作用呈現出不同的節奏。閉源模型的路徑更直接：客戶呼叫API，按量付費，收入確認清晰，增長曲線漂亮。開源模型的邏輯不同，客戶下載後可能在本地部署，可能用自己的GPU叢集做推理，也可能在雲上做後訓練但不走API呼叫。這些使用行為同樣在發生，但很難被統計。開源對雲的拉動是存在的，只是更分散、更隱蔽、周期更長。

從全球範圍看，阿里雲是一個比較特殊的存在，它是少數同時押注雲端運算基礎設施和開源模型生態的大型雲服務商。

Qwen系列模型開源後，全球下載量已超過8億次。但這8億次下載中，有多少轉化成了阿里雲的收入？很難直接計算。開源是一個生態邏輯，不是一個交易邏輯。

消費端的熱鬧只是開始，企業級市場的AI轉型才是真正的硬仗：資料治理、流程再造、組織適配，每一步都不容易。整個產業向AI的轉型，還有很長的路要走。

回到雲端運算的底層邏輯

雲端運算行業發展了這麼多年，一個最深的體感是：雲端運算行業沒有討巧的事。

每一個資料庫產品，上線時的產品，被幾十家客戶打磨後幾乎完全重構。每一層服務能力，都是髒活累活苦活堆出來的。基礎設施的穩定性、安全性、彈性擴展能力，都不是靠講故事講出來的，而是靠無數次故障復盤、性能調優、架構迭代磨出來的。這些能力沒有捷徑，也無法速成。

不管AI給這個行業帶來多大的想像空間，底層的邏輯沒有變：誰的基礎設施更紮實，誰的全端能力更完整，誰才能走得更遠。

MaaS的競爭也從來不是孤立的。一個企業客戶呼叫大模型API，背後發生的事情遠比“請求-響應”複雜得多。它背後是PaaS層的能力：資料怎麼存、怎麼治理、怎麼灌進模型做訓練、怎麼搭建Agent工作流；再往下是IaaS層的積累：晶片、伺服器、網路、儲存、GPU叢集調度，一整套基礎設施在支撐。任何一層出了短板，整體體驗就會打折扣。

這也是為什麼全端能力在AI時代變得更加重要。過去雲端運算的競爭，IaaS、PaaS、SaaS相對獨立，客戶可以分層採購，今天用A家的計算，明天換B家的資料庫。但AI改變了這個邏輯。模型訓練需要海量算力，推理需要低延遲網路，資料需要在安全合規的前提下流動，這些環節高度耦合，很難拆開。誰能把模型能力和基礎設施能力結合得最好，打造出最高的性價比，誰才具備長期競爭力。

2026年，當更多企業從“嘗鮮”走向“深度使用”，當AI從消費端走向生產端，競爭一定會回歸到全端。

但這場競爭究竟會如何演化，現在下結論還太早。

1996年，摩托羅拉總裁訪問中國，預測到2000年中國手機使用者大概有100萬。結果2000年中國手機使用者突破1億，再過幾年突破10億。而那時候，摩托羅拉已經掉隊了。技術變革期的預測，往往會低估市場的爆發力，也會高估短期的競爭格局。

MaaS市場佔整個雲端運算大盤剛過1%，中國企業級市場的AI滲透才剛剛開始，99%的企業還沒有真正入場。

雲端運算的發展從來都是一個漫長的過程，沒有捷徑可走。暫時的資料波動，不值得過度興奮，也不值得過度焦慮。真正值得關注的，是誰在紮紮實實地建基礎設施，誰在認真地服務企業客戶，誰在為三年後、五年後的競爭做準備。 (矽星人Pro)