中国电子云全面拥抱AI转型 Token时代三大云路线并行发展

徽声在线6月2日讯（记者 付静）人工智能技术的迅猛发展，正在深刻重塑云计算产业的格局。记者从中国电子云方面最新获悉，该公司已全面启动向AI领域的战略转型，将原有的“信创专属云”产品战略升级为“专属AI云”，致力于构建一个涵盖专属AI基础设施、AI平台以及AI应用的全栈产品体系。

记者通过深入采访业内人士了解到，以三大运营商云、互联网云，以及中国电子云为代表的国资云，正逐步探索出三条各具特色的发展路径。

近期，各类云厂商在AI领域的布局动作频频，展现出强烈的进取心。

以中国电信（601728.SH）为例，其已启动国内首次大规模Token生成能力服务的集中采购，中国移动（600941.SH）则携手腾讯、阿里、华为等科技巨头，共同成立了Token运营生态联盟，并随后推出了三大运营商的Token套餐，Token已然成为运营商AI业务的重要衡量指标。与此同时，阿里云、腾讯云、火山引擎等互联网云厂商也在持续加大AI领域的资本投入，逐步迈向芯片、云平台与模型一体化的竞争新阶段。其中，阿里更是成立了Token Hub事业群，成为全球首个以Token为核心组织架构的科技企业。

“这三类云厂商已经形成了差异化的发展路线。运营商云依托其遍布全国的骨干网络和算力节点，致力于成为国家级算力网络运营商，其核心优势在于网络覆盖的广泛性和算力调度的灵活性；互联网云厂商则专注于构建模型和Agent生态平台，凭借强大的模型能力、丰富的开发者生态以及广泛的应用场景，占据市场先机；而国资云则聚焦于关键行业的专属AI基础设施建设，以安全合规、自主可控和行业纵深为核心竞争力。互联网云主要服务于消费互联网和中小企业，运营商云则面向广泛的行业客户，国资云则专注于服务国家队和央国企。这三条路线并行不悖，共同勾勒出中国AI云服务的完整蓝图。”眺远影响力研究院院长高承远向记者分析道。

具体到国资云领域，记者了解到，中国电子云自2020年成立以来，便一直深耕信创专属云赛道，为国家关键基础信息行业打造高安全的算力底座。此次转型，主要是为了满足国家重大工程、科研院所与央国企在智能化升级方面的迫切需求。该公司认为，拥有数据主权、专属AI模型和专属AI环境的专属AI云，是这些关键领域客户的理想选择。

鲸平台智库专家、新智派新质生产力会客厅联合创始发起人袁帅向记者表示，关键行业在智能化升级过程中，其核心痛点并非算力的价格或模型的丰富度，而是数据安全、系统可控以及符合行业监管要求。

据悉，中国电子云的专属AI云涵盖了基础设施、平台、应用三个层次。其中，AI云基础设施的核心组件包括算力调度平台和推理服务平台，该平台在业内GPU生态适配方面最为全面，算力服务形态也最为丰富，截至目前已完成对12个品牌超40款GPU的适配应用。

“专属AI云能够满足安全、可靠、定制化的需求，这是运营商云的国家级算力网络和互联网云的模型与Agent生态平台所无法完全覆盖的领域。”天使投资人、资深人工智能专家郭涛评价道。

在运营商云层面，运营商正从传统的“流量经营”向“Token经营”转型升级。

郭涛向记者分析，运营商通过“Token工厂”的集采和Token套餐的上线，将Token定义为可量化、可采购的通用商品，这反映了AI推理服务底层逻辑的深刻变化。通过集采，运营商能够整合各方资源，构建完整的Token生成服务链路，形成全栈Token服务能力，这将成为其未来的核心竞争力。同时，这也有助于推动AI算力资源的优化配置，降低成本，促进国产芯片和相关技术的应用，还能更好地满足市场对AI推理服务的需求，加速AI在各行业的落地应用。

不过，高承远也指出了运营商面临的挑战：“Token生意的边际成本存在刚性底线，每次推理都需要消耗实打实的GPU算力和电力。而厂商在定价权方面较为脆弱，用户价格敏感度极高，迁移成本又极低。”

在互联网云方面，以阿里为例，其最新一季财报显示，全栈AI技术的投入已进入规模商业化回报期，云外部商业化收入中AI占比达到三成，自研芯片也实现了规模化落地；百度智能云则构建了昆仑芯+百舸AI计算平台+千帆模型及Agent开发平台的全栈体系。

袁帅认为，互联网云厂商的核心优势在于技术闭环能力。其中，自研芯片能够根据自身云平台的架构和模型训练需求进行定制化优化，大幅降低算力成本；云平台作为连接底层算力和上层应用的核心枢纽，能够沉淀海量的用户数据和场景需求，为模型迭代提供丰富的训练素材；大模型本身则是AI服务的核心引擎。“这三者相互支撑、相互促进，形成了一个闭环。未来，只有具备全栈能力的厂商才能够在成本、效率、场景适配能力上形成差异化优势，单纯依靠采购外部算力或第三方模型的云厂商将逐渐失去市场竞争力。”

记者注意到，AI时代云需求已经发生了根本性变化。

据中国电子首席科学家、中国电子云总工程师朱国平介绍，算力层面要求具备大规模并行计算、高速互联与低延迟网络、集群管理调度等能力；数据层面需要实现多模态数据治理、高效存储与流转、全链路数据安全；模型层面则追求高性能推理、可扩展性和可观测能力。与此同时，Agent原生成为新的需求维度，智能体编排、记忆管理与治理能力正在重塑云的服务形态。

“AI云的技术范式正在发生变革，传统以CPU算力为主的集群已经进化到以CPU、GPU、TPU、NPU、DPU等一系列处理器并行工作的新阶段，再通过超节点的scale up技术、大规模集群的scale out技术一起构建超大规模的异构算力集群，最终实现AI的超级计算平台。同时，随着AI的普及，我们需要普惠推理的算力，要考量每瓦特电力产生的有效输出，而不再像过去一样静态地去考虑虚拟机和容器资源按时长计费。”朱国平进一步解释道。

袁帅也向记者表示，当下云厂商的服务逻辑已经从售卖CPU、GPU、虚拟机等底层算力资源，转向直接交付AI时代的生产要素。Token是大模型交互的基础计量单位，推理服务是AI能力落地的核心入口，Agent则是替代人工完成复杂任务的智能载体，三者共同构成了AI时代的新型生产力工具。云厂商已经不再是单纯的“资源供应商”，而是升级为“智能服务提供商”。