深度丨火山引擎廣告刷屏阿里大本營，到底誰才是中國AI云第一？

最近路過北京首都機場的人，都會被一幕微妙的場景擊中：阿里云、火山引擎、百度云的大幅廣告并排而立，在機場偌大的空間內正面交鋒。更有意思的是，它們的口號清一色都在強調“第一”或者“領先”。

再到杭州蕭山機場，最搶眼的已不是登機口的航班信息，而是鋪天蓋地的火山引擎廣告。幾乎所有航站樓的通道，都被貼上了一片醒目的藍色。阿里在杭州深耕十余年，如今卻在自家門口，被字節用“AI 云”的巨幅海報狠狠蓋了一層。

機場廣告本該是注意力的生意，如今卻成了中國云廠商混戰的戰鼓。誰能買下更亮的燈箱，誰就先在公眾心智里貼上“AI 云第一”的標簽。但在廣告之外，真正的戰場在機房和財報里：GPU 的價格戰、調用量的沖高、資本開支的狂飆、戰略分化的拉鋸。

2025 年上半年，AI 把所有云廠商推上了興奮劑般的節奏：GPU 訂單暴漲、調用量沖頂、財報集體超預期。然而表象的繁榮背后，是血拼的折扣、割裂的戰略。中國云計算行業正經歷一次“變陣期”，而所有懸念都匯成一個問題。

誰才是中國 AI 云第一？

這個問題，得從互聯網上流傳最廣的“兩張圖”說起。它們分別代表三個不同的評價維度，也恰好對應三位主角的強項。

先看調用量。如果把大模型推理看作一條高速路，調用量就是上路的“車流”。IDC 報告顯示，2025 年上半年中國公有云大模型調用總量約536.7 萬億 Tokens，其中火山引擎占49.2%，阿里云約27%。憑借低價策略與先期資源優勢，火山引擎在“流量入口”上占據領先。

圖片來源：IDC

再看營收與全棧能力。這一維度關心的不是“跑了多少趟”，而是“整車賺了多少錢、車隊有多大”。Omdia 給出的結論是：阿里云在中國 AI 云市場（僅考慮企業客戶）份額35.8%，超過第 2 至第 4 名之和；加之未來三年3800 億元的云與 AI 基建投入，阿里云是在資本規模與全棧能力上最接近國際一線（AWS、微軟、谷歌）的國內廠商。

圖片來源：Omdia

為什么同一條賽道，會得出不同的第一？

最關鍵的差別在于口徑。調用量可以理解為“流量口徑”，主要衡量推理 API 的使用頻次和吞吐能力，受 Token 單價、免費額度、促銷策略和模型壓縮效率等因素影響；而市場份額則是“營收口徑”，計算的是 IaaS、PaaS 與 MaaS 的整體收入，以及長期合約和項目交付。

從優點來看，調用量口徑直觀、靈敏，能夠反映模型的活躍度和生態熱度。但公有云調用量的局限在于，它無法覆蓋私有化和“一體機”部署。阿里云在云棲大會上就曾回應，許多客戶會選擇在阿里云或自建基礎設施上直接部署通義千問、通義萬相，這部分并未納入 API 調用統計，因此真實使用規模往往高于公開數據所呈現的水平。

相比之下，營收口徑也并非萬能。傳統 IaaS 收入口徑更側重計算、存儲和網絡等通用資源，其規模容易受到價格戰和資源擴張的拉動，從而放大算力和帶寬層面的競爭，卻難以準確衡量廠商在 AI 技術與應用上的實力。IDC 在另一份報告在統計市場份額時，用計算機視覺、對話式 AI、智能語音、自然語言處理和機器學習平臺等與 AI 直接相關的領域作為觀察窗口，提供了一個新的獨特視角。

圖片來源：IDC

不同廠商采用不同的口徑，背后其實是產品結構、客戶結構的不同。

產品結構上，火山引擎更偏MaaS 推理 + 輕交付，主打法是低門檻、即插即用與極致性價比，疊加先期囤的推理卡，最適合迅速把調用量做“爆”；但這種結構對營收/毛利的貢獻更像“薄片”，量起得快、客單不一定厚。阿里云是典型的全棧大拼盤，靠一體化方案綁定大客戶，客單厚、續費長、周邊服務多，營收份額自然占優。百度走的是工程重、行業深的路線，把文心體系嵌進政務/金融/交通/教育等垂直場景，單體項目金額大、門檻高，但短期未必形成“好看”的公有云調用曲線。

客戶結構上，火山的主力是開發者、中小企業與互聯網應用方，“高頻低價、拉新快、流失也快”，調用曲線最容易被拉高；阿里云更集中于大型企業與跨行業集團，采購的是“算力 + 數據 + 平臺 + 服務”的整套，常見多年期合同，ARPU 與續費率把營收曲線壓得穩。

總結來說，火山引擎拿的是入口與流量的第一，阿里云坐的是營收與全棧的第一，百度守的是工程與深度的第一。真正意義上的“AI 云第一”，要看未來三到五年誰能把三條曲線疊到同一個拐點：調用規模繼續放大、資本底座持續加厚、行業粘性不斷上升。當這三件事同時成立，“唯一的第一”才會出現。

下半場：AI 云的未來戰局

上半年的混戰已經表明，真正的比拼不再是單點算力或單個模型，而是“算力—模型—應用”能否被焊死在一起，形成全鏈路閉環。未來三到五年的勝負，不再取決于短期的增長爆表，而是誰能把云從“加一點 AI”真正升級為“新一代電力系統”。掌握發電（算力供給）、輸電（模型與平臺）、負載（應用與生態）的整體能力，才算站穩賽道。

接下來，有幾個方向決定戰局。

資本閾值持續抬高：比的不是“誰花得多”，而是“誰花得值”

阿里提出三年 3800 億元 AI 基建，信號不在金額本身，而在資產結構與折舊周期：自有/租賃數據中心、專用電力與網絡、定制化加速器與冷卻系統，會把云廠的資產負債表“重化”。短期利潤承壓幾乎是必然，但只要“資本→可用算力”的轉化效率高，重資產會反而形成長期壁壘。真正的比較單位不應是“億元”，而是每億元能換來多少“可調度 TFLOPS/月”、PUE/WUE 能耗指標能做到多低、上架到可售 SKU 的周轉時間有多短，以及這些算力能否被高毛利產品（數據庫、數據智能、企業安全與行業解決方案）長期“掛靠”。

更深一層的變數在供給鏈與能源：高端 GPU 供給不確定、綠電配額與電價波動、機房選址的水資源與排熱條件，都會改變同一筆 CAPEX 的“含金量”。因此判斷一家廠商資本優勢是否可持續，至少看四個比值：CAPEX→上架算力的月轉化率、單位算力的全生命周期成本（含電力/維護/折舊）、高毛利產品對算力收入的“帶掛率”、以及合同期內的負載率（避免“閑置算力”成為沉沒成本）。做不到這四點，“大投”很容易變成“大負擔”。

推理入口之爭：Token 是“虛火”，留存與提價權才是“真火”

2025 年上半年公有云調用量被測到約 536.7 萬億 Tokens，這個“門面”決定了誰更被開發者看見，但它天然偏向價格與促銷。入口的真正價值取決于三件事：一是能否把短頻快的API調用升級為有狀態的工作流（檢索、工具調用、多人協作、長時記憶），從“瞬時流量”變成“持續水位”；二是能否把公有云端點延伸到私有化/專有域與本地一體機，讓企業數據與治理框架長期駐留；三是能否在新交互形態（語音/視頻流、Agent 級自動化、端云協同）中拿到低時延與高穩定的體驗優勢。這三件事決定了入口能否轉化為更高 ARPU 與更低流失”。

全棧自研 vs 平臺聚合：一邊是“性能/成本/控制權”，一邊是“速度/廣度/彈性”

平臺聚合（如 Azure 的多模型接入）帶來的是“快”與“廣”：生態豐富、上新迅速、產品線不必處處自研；代價是對上游模型供應的依賴加深，議價權、成本與路線可預期性會波動。全棧自研（典型如谷歌的 TPU+模型協同、國內的芯片/算力/模型/平臺耦合）強調的是“深”：通過軟硬協同把性能/時延/單位成本壓到行業極限，并把關鍵路徑牢牢掌控在內；代價是組織復雜度、研發門檻與 CAPEX 壓力的急劇上升。

未來更可能出現“折中最優”：關鍵路徑自研 + 非關鍵路徑合作。也就是在推理調度、編譯優化、緩存體系、隱私計算、數據治理等“性能與合規決定成敗”的環節堅持自研；而在通用模型供給上保持開放路由與多模型編排，既保證體驗，又避免單一供應依賴。評估這兩種路線優劣，不妨盯三個可驗指標：同等質量下的單位推理成本/千 Tokens、跨模型路由的成功率與總時延、以及自研鏈路的版本演進速度（能否季度級別持續降本提效）。誰能把這三個數同時做優，且不犧牲生態廣度，誰就能把“技術優勢”兌換成“業務抗周期”。

一個更偏執但現實的判斷是：未來三到五年，中國 AI 云格局不會“勝者通吃”，但勝者通道一定極窄。要跨過的門檻有四道：持續千億級資本投入并能轉化為算力，百萬級集群與云操作系統的調度能力，頂級大模型與多模型的工程化效率，以及芯片與上游供給的可控性。誰能在這四道門檻上全部過關，誰才有資格成為 AI 時代真正的“電力公司”。

https://mp.weixin.qq.com/s/-x4NQLe6w_psM92mRVWH-A

https://mp.weixin.qq.com/s/YhxeAgWbg0Bj9NMEIv8lSw

https://www.sohu.com/a/933400503_211762

https://my.idc.com/getdoc.jsp?containerId=prCHC53747325

歡迎掃碼加群參與討論

我們相信認知能夠跨越階層，

致力于為年輕人提供高質量的科技和財經內容。

稿件經采用可獲邀進入Z Finance內部社群，優秀者將成為簽約作者，00后更有機會成為Z Finance的早期共創成員。

我們正在招募新一期的實習生