过去几年，AI   几乎成了云计算行业的统一叙事。

无论是阿里提出的全面   AI   化，火山云强调的   Token 性价比，还是百度持续加码的大模型战略，厂商们都在努力用   AI   定义未来的云。但当这些口号越来越密集时，也变得越来越相似。

算力提升、模型迭代、Agent   探索，几乎成了每一家厂商的必备动作，差异化正在快速消解。宣传中，各种 " 全球领先 "" 业内首创 " 的表述层出不穷，但落到用户体验与产业落地，差别并不显著。对大多数企业来说，除了价格、服务条款和生态黏性，真正能感知到的差异其实并不多。

另一方面，AI   本身也正从 " 炫技 " 走向 " 应用 "。2023 年   到   2024   年间，行业一度沉浸在大模型突破带来的震撼中，但进入   2025 年，客户的关注点已不再是模型参数的数量或推理速度的极限，而是如何把   AI   嵌入产业流程，真正带来效率和价值。换句话说，现在的问题已经不在于   AI   能否更强，而在于它能否更有用。

在这样的背景下，华为云在华为全联接大会   2025   上提出了一套新的组合：超节点   Token   服务、液冷、企业级   Agent，并将具身智能、盘古大模型纳入其中，颇有一种想要突破行业现状的感觉。表面上是新技术的推出，实质上是对行业现实的回应——当成本、基建和应用都成为瓶颈时，差异化的叙事已成为厂商的必答题。

AI   云的困境

今天的   AI   云，几乎都在讲同样的故事：大算力、大模型、大生态。

算力规模、训练速度、推理延迟被摆在最显眼的位置，厂商之间不断刷新极限，以此证明自己的领先地位。大家的焦点都落在技术性能的极限上，却鲜少能回答一个更现实的问题：这些技术突破如何真正改变企业的生产力和产业效率？

于是，" 性能大战 " 逐渐成了行业的默认赛道。故事讲得越来越大，但和它对应的商业回报、客户价值，却没能同步跟上。更麻烦的是，AI   云还背着 " 三座大山 "：

第一座是成本。动辄数十万卡的   GPU/NPU   集群，硬件采购和能耗支出不断飙升。算力价格越炒越高，厂商如果想维持领先，就要不停砸钱。可现实是，回报周期模糊，巨额前期投入很难快速收回。

第二座是基建。数据中心建设动辄数年，PUE   要不要压到   1.1   以下，单机柜能不能撑起更高功率，这些不只是环保指标，更决定能不能撑起百万级算力。但一旦方向押错，沉没成本会非常沉重。

第三座是应用。大模型在推理、生成上不断刷纪录，可能真正复制、规模化落地的案例仍不多。很多企业的项目还停在演示或   POC   阶段，真正嵌进业务流程的并不多。

这使得   AI   云行业陷入一种悖论：厂商们的竞争愈演愈烈，叙事越来越庞大，但客户端感受到的价值却不成正比。性能不断突破，成本却居高不下，应用迟迟难以落地，这或许就是当前   AI   云叙事与产业价值之间最大的张力所在。

如果说叙事趋同和成本压力是行业的共性问题，那么客户需求的高度分化则揭示了更深层的挑战：不同类型的客户，对   AI   云的诉求完全不同，几乎不存在可以 " 一招通吃 " 的方案。

互联网公司最在意的是灵活扩容和价格可控：流量高峰要能瞬时撑起数千万并发，低谷又要迅速收缩，否则成本就会失控。如果云厂商不给出弹性计费和友好价格，粘性很难建立。

央国企则把合规与安全放在首位。数据主权、监管要求、隐私保护是红线，它们更关注模型能否 " 可控在域 "，算力能否本地备份，能否有完整的审计与容灾机制。

新兴产业（智能制造、教育、内容创作等）强调快速试错。它们希望低门槛接入   AI，用最小的成本换机会，不追求模型参数多大，而需要开箱即用的工具、轻量化   API，甚至直接可用的场景模型。

智能驾驶则对实时性和稳定性要求极高，任何延迟都可能是安全风险，因此必须依赖低时延的边缘计算和云端协同。除此之外，具身智能还面临本体受限：功耗、电池、体积都有限，没法把大算力塞进机器人。如果把推理和训练迁到云端，就能让机器更轻、省电，同时获得更强的感知和决策能力。这也是它对   AI   云最强的依赖。

正因为需求如此分化，AI   云已经很难靠单一叙事去覆盖所有客户。算力再大、模型再强，也无法同时满足不同的行业。这迫使厂商必须真正深入行业场景，基于不同客户的特征提供差异化的解决方案，AI   云的价值正在从 " 统一的口号 "，逐步转变为 " 多样的答案 "。

于是产生了一个自然的问题：面对分化的需求，厂商们能提出怎样的答案？华为的尝试，就提供了一个值得观察的样本。

华为的尝试

在华为全联接大会   2025   上，华为云给出了一套不同于惯常 " 大算力、大模型 " 的路径，而是通过软硬协同、架构创新，做厚算力黑土地来回应行业的困境。

华为常务董事、华为云计算 CEO 张平安

算力层面，华为云基于 CloudMatrix384 的 AI   Token 推理服务全面上线。Token 推理服务意味着可以高效地直接获得 "AI 的最终结果 "， 而不必关心 AI 硬件的更新迭代，也不必关心推理框架、模型部署等复杂的软件技术栈。华为云认为，算力的竞争本质上是以优的性能、好的服务、高的质量，来高效地满足各行各业所需。

CloudMatrix384 超节点将资源全面池化，将计算型任务、存储型任务、AI 专家系统解耦，将串行任务变成分布式并行任务，极大地提升了系统的推理性能。在在线、近线和离线等推理场景中，CloudMatrix384 平均单卡的推理性能达到 H20 的 3 到 4 倍。

大会期间，华为云还表示，未来，CloudMatrix 超节点还将从   384 卡升级至 8192 卡，依托 MatrixLink 高速对等互联网络结合多网合一技术，实现百万卡的超大集群，提供更澎湃的 AI 算力。 

同时发布的 EMS 弹性内存存储服务被称为 " 以存强算 "，通过内存扩展显存，解决显存不足导致的推理时延大幅提升的问题。官方数据称，多轮对话和长链推理的首   Token 时延可降低 90%，这等于直接触及行业最敏感的用户体验指标。

基础设施上，华为在贵州、内蒙古、安徽等地同步落地的全液冷   AI   数据中心，目标是通过冷板式液冷、AI   调优与   IoT   运维实现极致能效。PUE   压低至   1.1，单机柜功率提升至   80kW，不只是能耗改善的数据，而且意味着客户可以 " 租用 " 到接近最优形态的数据中心资源，而不必再背上巨额的自建负担。

华为甚至在发布会上强调，企业只需 " 一对光纤 "，就能随取随用接入超大规模算力池，其背后折射出厂商对降低进入门槛的努力。雷峰网

平台层，华为把重心放在企业级   Agent   平台。不同于个人用户的轻量化   Agent，企业级   Agent   必须满足稳定性、低幻觉率和可解释性。

华为云的   Versatile   平台由五大模块组成：AgentSpace、AgentStudio、AgentRun、AgentOps、AgentGallery，涵盖从自然语言生成   Agent   的工具链，到高性能沙箱的运行环境，再到安全隔离与运维体系。除此之外，提出的   NL2Agent   技术号称 " 像写文档一样开发   Agent"，目标是缩短企业从需求到可运行   Agent   的路径。

华为高级副总裁、华为云全球 Marketing 与销售服务总裁杨友桂

落地案例也进入深水区：在差旅管理中，慧通差旅基于   Versatile   打造了智能体 " 通宝 "，涵盖出差提醒、路径规划、智能问答等等。在路径规划方面，" 通宝 " 目前的采用率已超 50%，2 分钟即可完成预订。工业领域的万华化工，则将复杂的   SOP   审核流程交给   Versatile   平台开发的工作流   Agent   来完成，让数以万计的   SOP   文档实现自动化质量审核，显著减轻了工程师的重复劳动。

这些数据表明，企业级   Agent   已不再是纸面概念，而是正在成为重塑企业生产方式的现实工具。

在机器人和具身智能领域，华为选择了一条不同于业内多数玩家的路径：把算力迁到云端。   

CloudRobo   平台通过云端算力和智能，缓解机器本体在体积、功耗和成本上的限制，使其更轻量化，并大幅提升执行的精度与效率。R2C（Robot to Cloud）  协议则意在统一多厂商、多系统的数据、通讯和指令接口，试图打破长期存在的生态割裂。目前已有   20   多家伙伴加入生态，覆盖制造、物流、康养等场景。

在国家地方共建人形机器人创新中心的案例中，结合真机与合成数据训练，机器人在多个场景下的整体分拣任务成功率可达 90% 以上，行业领先，初步证明了 " 云上具身智能 " 的可行性。

而在大模型层面，华为更是提出了 " 开源 + 商用 " 的双轨并行策略：一方面，openPangu 开源部分   NLP   模型，降低客户和开发者在昇腾上的使用门槛，增强外部开发者生态的活力，另一方面，商业版盘古已在 30 多个行业孵化出 200 多个专业模型，覆盖 500 多个产业场景，强调 " 行业专用模型 " 在可解释性和安全性上的优势。

这种组合既是技术层面的策略选择，也是华为对过去 " 盘古风波 " 的正面回应 —— 通过开源表态开放，通过商用展示落地，重建市场信任。

未定的答案

AI   云的竞争，已经不是谁喊得更   AI，而是谁能真正把   AI   嵌进产业。华为给出了一条新的路径：在超节点和液冷上突破性能极限，在企业级 Agent 和具身智能上寻找差异化。

这套思路的价值在于，它直面了成本、基建和落地场景的痛点，也体现了华为云试图以全栈布局构建长期壁垒的雄心。雷峰网

但这条路径并非没有挑战。国际市场上，AWS   和   Azure   依然把控着最成熟的全球生态和开发者心智，形成难以逾越的壁垒。在国内，昇腾生态仍处于培育期，要像   CUDA   那样建立强粘性，需要时间和大规模开发者的验证，而企业级   Agent   和具身智能的落地，更注定是一个复杂而漫长的过程，不仅要解决技术问题，还要穿透行业流程，赢得客户的长期信任。

而对整个行业而言，真正的考验在于能否把炫技的叙事转化为可持续的生产力。只有当   AI   云不再只是舞台上的口号，而是成为产业链中的基础设施时，这场竞争才算真正走向了下半场。