“未来三年，中国云市场的悬念或许不再是谁是第一，而是第二梯队的牌还能跟多久。”

作者丨胡敏

编辑丨包永刚

近日，国际市场研究机构 Omdia 发布 2025 年第三季度中国云市场报告。

密集的数据中，有一个格外扎眼：阿里云的份额从33%、34%跃升至36%。

3个百分点的跃升，看似波澜不惊，实则是强烈的异动信号。

根据边际递减效应，成熟市场里头部厂商的份额通常应该是收敛的——基数越大，增长越难。

更何况，互联网流量红利见顶，传统企业上云的主干迁移也基本完成。要想进一步开拓市场份额，这可能就像一片开垦殆尽的农田，想从石头缝里再抠出粮食，难度比之前大了很多。

但现实是，阿里云不仅守住了 33% 的基本盘，还硬生生在三个季度抢出了 3 个百分点的增量。

这种“反重力”的增长背后，动力究竟来自哪里？以及为什么是阿里云增长，而不是其他云厂商？

01

那昂扬向上的3%，究竟从哪来？

阿里云市场份额增长，几乎不太可能仅仅是因为“存量搬迁”。

曾经在云厂商做过中小客户销售的周瑜告诉雷峰网，他以前在云厂商上班时，官网一天的自然企业客户数能达到 4000-6000 个；但在后疫情时代，也就是 2022 年之后，这个数字缩水了一半。

那新的水源来自哪里？答案可能只有一个：AI 带来的结构性新增量。

不过，也有很多人会质疑，AI 对云巨头营收的带动，真有那么大吗？

这种质疑并非没有道理。在很多人的认知里，企业用 AI，无非就是调几个大模型的 API。而目前的 API 市场早已卷成红海，千问、混元、文心一言，调用一次的价格已经低至几分钱甚至几厘钱。

如果把 AI 仅仅理解为“卖 Token ”，那么即便卖出 10 亿次调用，对于年营收千亿级的阿里云来说，确实只是杯水车薪，根本撑不起那昂扬向上的 3 个百分点。

但这个质疑，忽略了 AI 落地过程中正在发生的一个质变：

在过去的一年里，企业对 AI 的需求，已经从单点试水迅速进化到了系统重构。

Omdia高级分析师章一（Yi Zhang）表示：“单一模型性能已难以满足企业在真实业务场景中的需求。AI项目规模化的核心挑战，在于如何在复杂系统中协同编排模型、数据、工具和工作流，实现可复用、可运营以及可商业化。”

简而言之，就是说，客户不再满足于“挂载”一个聊天机器人，而是开始将模型深度“植入”核心业务流。

当 AI 从一种“插件”变成业务的“心脏”，它对云资源的消耗逻辑就完全变了，它不再是按次计费的轻量级调用，而是演变成了对算力、存储、数据库等基础设施的高密度、持续性消耗。

这才是阿里云业绩“飞轮效应”的真正秘密。

我们可以看看那些正在发生的真实案例，它们每一个背后，都是一套庞大的云基础设施在运转：

在科研领域，阿里云与新材料大数据中心联合发布的钢铁材料设计大模型，表面看似一个“问答框”，但水面之下，是基于千问实现的从数据挖掘、性能预测到知识问答的全链路闭环。 为了实现最高达 90% 的预测精度，相关材料数据需要在云端进行清洗、预训练、微调和持续推理。这不仅消耗 GPU 算力，更直接拉动了对象存储和云原生数据库的用量。

在消费电子领域，科沃斯与阿里云的合作，已经深入到了“具身智能”的腹地。这不仅是让扫地机器人听懂一句“去扫厨房”，而是要在端侧和云端同时部署从 0.7B 到 7B 不同尺寸的模型。 为了支撑全球 3800 万家庭的实时智能体验，科沃斯需要构建一套极高并发的云上推理集群。这背后，是对云网络高吞吐能力和弹性计算稳定性的极致考验。

在产业互联网领域，万豪、广汽、海尔等头部企业，都在做同一件事：把千问变成自己的“专属大脑”。而要养好这个大脑，企业需要搭建专属的 RAG系统，需要向量数据库来存储海量知识库，需要高防安全产品来保护数据资产。

这就在云端形成了一个完美的“飞轮”：

先是用AI 拉动算力， 模型训练和推理，直接让 GPU 算力营收翻倍，据分析师估算，阿里云 2025 上半年 GPU 营收增长超 100%。

然后用算力拉动数据，算力的尽头是数据。AI 产生的海量中间态数据、对话记录、生成内容，让数据库和存储产品录得强劲增长。

最后，数据固化客户粘性，当企业的核心业务逻辑和数据资产都长在阿里云的 AI 基础设施上，其迁移成本变得极高，续费率和客单价自然水涨船高。

Omdia 的数据也印证了这一点：得益于 AI 的驱动，2025 年第三季度中国大陆云基础设施服务市场规模达 134 亿美元，同比增长 24%。

02

阿里云做对了什么？

得益于 AI 的强劲驱动，阿里云在过去三个季度画出了一条昂扬向上的曲线。但如果我们把视线拉宽，会发现这条曲线的另一面，是市场份额的残酷分化。

数据显示，阿里云份额攀升的同时，位列第二、第三的厂商就比较难受：华为云市场份额从 18% 下滑至 16%，腾讯云则从第一季度的 10% 下滑到了 9%。

这一升一降形成的“剪刀差”，揭示了一个极为重要的产业信号： AI 时代，云计算的“竞争门槛”被彻底重塑，市场需求正疯狂向头部高度集中。

为什么市场会如此“偏心”？这背后是因为， AI 工程的复杂度和资金门槛，高到直接将玩家分层。

而阿里云做对了三件事，才构筑了这道 36% 的护城河：

第一，3800亿的“饱和攻击”，解决了算力饥渴。

AI 训练和推理，对算力的消耗是吞噬性的。现在客户要的不是“几台服务器”，而是“千卡、万卡集群”。

回顾过去十年，阿里累计投入约 1300 亿元建设基础设施。但2025年年初，阿里巴巴CEO吴泳铭直接宣布：未来三年将投入 3800 亿元建设 AI 基础设施。但在2025年11月的业绩电话会上，有高层甚至暗示这个数字“可能偏保守”。

这意味着，阿里现在一年的基建投入，可能超过过去十年的总和。

这种近乎疯狂的投入，直接拉开了与追赶者的身位。当客户需要万卡集群时，阿里云是极少数能拿出“现货”且保证“跑得通”的厂商。相比之下，友商受制于供应链桎梏或相对温和的投入策略，在供给侧的厚度上难以比拟。

第二，“全栈优化”带来的成本决胜。

阿里云是全球为数不多实现“芯片（平头哥）+ 平台（阿里云）+ 模型（通义实验室）”全栈自研的厂商。圈里人管它叫：通云哥。

这不仅是技术秀，更是商业账，通过底层 CIPU 对网络延迟的优化，通过 PAI 对显存的调度，阿里云能把 GPU 的利用率榨干到极致。

简单说，同样的模型，在阿里云上跑，可能比在友商那里跑，综合成本低 10%-30%。这对于一个月烧几千万算力的 AI 公司来说，这 10%-30%的成本差异，就是生死线。

第三，开源生态带来的“入口优势”。

如果说技术是硬实力，那么千问的开源策略，则是阿里云打出的一张最漂亮的“阳谋”牌。

数据显示，截至目前，千问全系模型的累计下载量已突破10亿次。这个数字背后，是庞大的开发者群体和企业用户。

开源看似免费，实则在为云业务“造血”。

当数百万开发者习惯了使用Qwen系列模型，当海量的中小企业基于Qwen构建自己的应用，他们会发现，在阿里云上部署和运行Qwen是体验最丝滑、性能最优的选择。

Qwen的10亿下载量，本质上是为阿里云筛选并沉淀了全球最活跃的AI潜在客户。通过开源模型，阿里云通过魔搭社区构建了一个类似于“App Store”的生态闭环，开发者在社区找模型，在阿里云上做微调和推理。

这形成了一个正向飞轮：模型越强，下载越多；生态越繁荣，云上的AI算力消耗就越大。

03

大洋彼岸的镜像验证

当然，这种“头部虹吸效应”绝非中国市场的孤例。在大洋彼岸，谷歌云正在上演同一套剧本。

2025年第四季度，谷歌云收入同比激增48%至176.64亿美元，全年营收首次突破700亿美元，未履行订单金额高达2400亿美元，同比增长超过一倍。管理层明确表示：增长“主要由企业AI基础设施及AI解决方案需求激增驱动”。

三年前，谷歌云还是全球云市场公认的“失意者”，份额长期徘徊在10%，被外界视为AWS和Azure身后永远无法追上的第三名。但短短两年，它完成了从“追赶者”到“领跑者”的跃迁。

这套跃迁背后的剧本，与阿里云如出一辙。

第一，算力卡位。谷歌是全球为数不多实现“芯片—系统—模型—平台”全栈自研的云厂商。它的TPU正从内部芯片变成对外输出的差异化武器，据媒体报道，Anthropic计划采购近一百万颗，meta也正就采购进行深度谈判。当对手还在向英伟达等货，谷歌已能向客户“现货供应”万卡集群。

第二，成本碾压。全栈自研的直接红利，是单位算力的有效产出更高。TPU针对Transformer架构的深度优化，让大模型训练的综合成本远低于通用GPU方案。对于月烧数千万算力的AI公司，这是真金白银的生死线。

第三，生态锁客。Gemini月活用户突破7.5亿，超过70%的现有云客户正在使用谷歌的AI服务。这不是增值功能，而是客户留在谷歌云上的锚。当企业的数据资产、模型调优、推理链路都长在谷歌的AI基础设施上，迁移成本已高到难以承受。

这不是巧合。这是产业规律在两个市场的同时验证——

阿里云从33%到36%，谷歌云从10%到14%并在继续加速，两条曲线，讲述着同一个故事：AI时代，算力、模型就是新的“马太效应”开关。谁在这两个维度建立领先，谁就能启动虹吸效应的正循环。

未来三年，中国云市场的悬念或许不再是谁是第一，而是第二梯队的牌还能跟多久。

注：周瑜为化名。