云计算深度解析！哪些厂商技术领先？竞争格局又如何分层？

　　近期AI方向持续活跃。算力、DeepSeek概念股本周走强，指数方面，中证云计算与大数据主题指数上涨7.8%，中证软件服务指数上涨7.4%，中证人工智能主题指数上涨3.9%，国证机器人产业指数下跌0.6%。

　　 DeepSeek应用上线万，成为全球增速最快的AI应用之一，与此同时，腾讯云、百度云、英伟达NIM等云服务平台快速上线DeepSeek大模型，方便用户快速部署。

　　 对此，财联社VIP特邀行业专家全面解读大模型与云平台合作部署模式，2月6日19:00，携手蜂网专家为您带来“AI模型上“云””主题的。

　　 云+大模型核心逻辑

　　 电话会议纪要

　　 问题一：AI大模型与云平台之间有哪几种合作模式？

　　 专家：大模型与云平台的合作模式主要分为三种：一是云厂商自主研发大模型，通过API等形式在云平台上提供服务，国内云厂商还支持私有化交付，即以私有云形式软硬一体进行交付，通过云及部分上层应用一并向客户进行交付；二是云厂商将开源模型以第三方模型形式附着在云平台上，支持用户直接部署或通过API调用；三是云厂商通过云市场转售第三方大模型产品，例如火山云平台转售智谱等大模型的API调用。此外，用户也可单独向云平台购买基础设施Infra，自行部署和维护自身大模型服务，在这种情况下云厂商仅提供算力资源。

　　 总的来说，云平台既可以通过大模型形成多样化的AI应用生态，还可以为模型应用提供一系列工具和资源支持，包括、互联网接入、Agent智能体搭建等应用工具，以及计算、存储、网络等传统云服务资源，满足大模型应用的底层需求。云平台厂商以大模型为核心卖点，整合工具和资源，构建生态系统，服务于生态内的开发者。

　　 问题二：DeepSeek出圈主要是基于哪些自身特质？

　　 专家：DeepSeek的出圈源于技术突破和市场策略的结合。DeepSeek的基础大模型DeepSeek V3在技术上表现卓越。DeepSeek历代模型都处于领先水平，无论是V2还是V2.5，作为开源模型，其性能追平甚至超越了同期Meta的Llama系列。尽管DeepSeek在C端服务和国内市场活动较少，但其开源模型在训练成本上表现出显著优势，仅用600万美金便完成了高质量模型的训练。同时，DeepSeek在硬件算力方面表现出极致追求，其稀疏MoE模型和多头注意力机制更具独创性。在预训练成本日益攀升的背景下，DeepSeek凭借其低成本高效率的特点引起了业内广泛关注。

　　 DeepSeek的线模型是开源世界中首个追平OpenAI o1和Google顶级模型的模型，且在短时间内通过开源方式公开了其训练方法和工程细节，打破了巨头企业对强化学习技术的垄断。R1的发布不仅迅速引爆了行业关注，还因其低廉的服务价格，彻底颠覆了巨头通过技术优势获取高额利润的模式。此外，R1的推理逻辑非常适合处理复杂的多步骤任务，为应用开发者提供了高效且低成本的工具，推动了大量应用的快速落地。

　　 DeepSeek在研究方法上也进行了创新，其RO1 Zero在一定程度上摒弃了传统的SFT步骤，直接采用纯粹的强化学习，仅通过奖励模型进行训练，取得了显著成果。这一方法为开源社区提供了新的研究方向，可能解锁数据飞轮的潜力，从而在商业和技术上开辟更大的空间。

　　 综合来看，DeepSeek凭借其技术领先性、低成本高效率的训练模式、开源透明的策略以及创新的研究方法，成功在业内和普通用户中引发了广泛关注，成为同期强化学习领域的佼佼者。

　　 问题三：此次出圈是否将加速大模型与云厂商之间的合作进展？云厂商如何受益于DeepSeek的成功出圈？

　　 专家：DeepSeek对国内外头部云厂商的影响较小，主要是因为头部云厂商已拥有独占的领先闭源模型。对于次一级的云厂商来说，DeepSeek的开源模型为其提供了显著的机会。这些厂商通常难以获得最先进的大模型技术，容易陷入同质化竞争和价格战。DeepSeek通过MIT许可开放其领先模型，使二三线厂商能够提供最领先的大模型产品，充分发挥其成本优势，从而在市场竞争中重新站到同一起跑线上。

　　 此外，DeepSeek的模型能力为应用开发带来了新的可能性。随着模型和开发工具逐渐成熟，2025年智能体Agent可能迎来一波应用爆发。

　　 DeepSeek的模型通过多步推理和纠错机制，能够有效减少幻觉和错误，特别适合处理复杂的多任务场景。这种能力在延迟敏感性较低的Agent应用中尤为突出，将进一步推动应用开发和云厂商工作负载的增长。DeepSeek还通过模型蒸馏技术提升小模型的能力，解锁了更多应用场景，例如AI。通过多步理解和推理，AI检索的准确性和实用性得到显著提升，这将进一步推动相关应用的普及和资源消耗的增长，从而为云厂商带来更多机会。

　　 在端侧模型方面，DeepSeek的蒸馏技术能够快速提升小模型的能力，结合现有移动设备的强大算力，端侧AI应用的潜力正在逐步释放。尽管端侧模型的场景解锁可能需要更长时间，但随着技术的进步，更多AI能力将被集成到本地设备中，进一步扩展应用场景和用户体验。

　　 问题四：目前国内主要有哪些云服务厂商？竞争格局如何分层？

　　 专家：国内云市场的主要格局由阿里云、华为云、腾讯云以及运营商云构成。其中，阿里云、腾讯云和华为云是传统公有云服务商的代表，而运营商云凭借政企类项目的扩张，市场份额和影响力近年来显著提升。

　　 其发展路径与AWS高度相似，体现了对云原生技术的深刻理解和实践能力。阿里云：作为国内云计算的领军者，阿里云技术积累深厚，云架构设计和开发组件最为完备。阿里云的许多产品设计和技术路线都展现了其作为行业标杆的实力。

　　 腾讯云：虽然起步较晚，但腾讯云凭借技术和价格优势，迅速占领了市场份额。近年来，腾讯云在技术上的补齐速度令人瞩目，逐渐缩小了与头部厂商的差距。

　　 华为云：从运营商服务起家，华为云以政企项目为立身之本，快速扩展至公有云领域。目前，华为的市场份额已经超过腾讯。

　　 华为云在特定服务上具有显著的技术优势，尤其是与其传统业务相关的领域。尽管在全盘技术上仍存在一些短板，但华为云自认是进步最快的厂商之一。此外，华为云通过自研芯片服务器等方式，在算力成本上具备差异化优势，尤其在AI加速计算等领域表现突出。

　　 运营商云：以电信天翼云、移动云、联通云为代表的运营商云，主要依托政企市场扩张。

　　 问题五：介绍一下第三方数据中心的市场情况？

　　 专家：得益于地方国企、运营商以及政府直属企业的积极参与，大量智算中心相继投建，但其运营水平和能力参差不齐。部分智算中心具备较强的运营能力，能够组建和维护算力集群，提供高质量的服务。而另一些智算中心则更多依赖资源优势，主要作为单纯的数据中心提供方，将服务器和计算能力的组网等任务交由用户自行处理。

　　 过去一段时间，智算中心的建设呈现“大干快上”的特点，尤其是一些跨行业进入的国有企业，其管理相对粗放。然而，这些企业凭借自身禀赋，提供了投入产出比较高的算力资源。许多非大模型为主业的企业会选择租用这些智算中心，通过组建小型团队进行维护，这些企业能够以较低成本获得适用于特定场景的垂类模型，无论是训练还是服务部署，都能满足其需求。

　　 问题六：蒸馏技术的成功还会对哪些类型的AI应用形成较大的推动作用？

　　 专家：受益于蒸馏技术的AI应用方向较多，包括AI检索、AI陪伴、私有化部署等。AI检索方面，秘塔已经上线检索。但目前存在一个问题：在C端的AI应用中，获得行业共识的并不多。接下来，陪伴类应用以及一些B端应用应该会率先得到极大的强化。

　　 其次，很多原来私有化部署的场景也将受益。以往，通常要部署一个能力可观的私有化模型，硬件采购成本较高，对数据中心的要求也相对较高。接下来，这部分应该会通过蒸馏提供小模型的方式快速发生变化和迭代。

　　 最后，DeepSeek将推动端侧发展，包括手机、眼镜、音箱、耳机等场景。

　　 到目前为止，DeepSeek更多是在文本大模型方面，尚未泛化到其他更多领域。如果泛化到更多领域，车端的自动驾驶等领域都会受到后续影响。

　　 问题七：云服务平台还涉及到边缘计算，云厂商业务的发力是否意味着端侧硬件算力模组的需求下降？

　　 专家：不会，这本质上是两类需求。端侧需求是让原本传统设备实现智能化，若仅靠设备联网与云端大模型互动，很难形成大规模市场。以智能音箱场景为例，以往很多项目是通过大模型与云端大模型交互，将自然语言指令转化为设备执行指令再返回，经屋内智能家居中心发给具体设备如空调。由于链路长，网络传输一旦出现抖动或不稳定等情况，就会影响使用体验。相反，若通过蒸馏技术利用端侧算力，将蒸馏好的可执行大模型推到端侧，可能引发新一波应用场景解锁。

　　 另一类是本身自带智算功能的终端，如手机、笔记本电脑等。各厂商的AIPC都比较重，有的加显卡，轻一点的也需用高通NPU芯片等来加速计算，因为端侧模型运行需要计算设备。如果端侧模型能力有限，需要使用CPU，CPU的负载容易迅速占满。若模型蒸馏得好，可降低这部分成本，老旧设备或许仅通过软件就能具备相应能力，这也会大大解锁原有的未开拓的市场。

　　 云端应用本身不属于端侧市场。模型能力提升后，其推理需求会极大扩展，解锁新场景，但对原有推理情况影响不大。可能原推理场景中原本需8张H100才能推理，现在缩到4张、2张甚至1张H100就能实现，可能会节约计算资源，但从场景解锁角度看，端侧不会侵蚀云端。

　　 问题八：近几年云计算厂商的盈利情况发生了怎样的变化？在大模型逐渐成熟的2025年，其利润是否有望出现大幅增长？

　　 专家：总体来看，目前云厂商处于投资阶段，虽然面临诸多不利，但也存在一定的有利条件。不利条件：盈利情况方面，国内云厂商整体盈利状况不太好，以阿里云为例，其盈利时间不长，与国外同行相比利润情况不佳。国内云市场中阿里云、腾讯云、华为云价格战不断。成本投入方面，海内外厂商投入大量资金和成本训练模型以确保技术领先，而目前大模型应用尚未真正爆发，靠卖Token改善盈利还难以预见。

　　 有利条件：DeepSeek模型出现后会大量盘活原有计算资源，大模型时代，之前用于计算机 问题九：第三方云厂商的服务是否存在地域优先性？

　　 专家：确实存在一定的地域性，比如杭州的客户可能优先选择杭州的数据中心。从技术角度看，数据中心距离更近时，面临的数据吞吐和传输压力更低，数据延迟也会更低。一旦出现各种情况，能采取的措施相对更便捷。政策因素上，各地政府对本地企业使用本地算力中心等情况有一定的扶持、补贴政策，比如发放算力券或其他优惠政策，所以企业选择本地的数据中心能够更好地享受这些扶持优惠。

　　 问题十：DeepSeek是否会成为今年的最强模型，还是说后半年可能会冲出另一匹黑马？

　　 专家：到2025年年底，无论是在全球还是国内范围，DeepSeek依然是最强模型之一，但独占霸主地位比较困难。在全球范围内，DeepSeek的R1与OpenAI的o1、Gemini 2.0的Flash thinking都处于同一级别，无明显压倒性优势。OpenAI可能因盈利目的将价格拉高，但Google新推出的Flash thinking推理模型虽未正式标价，但推测价格不会比DeepSeek贵很多甚至可能更便宜，这表明R1只是将自己与世界领先厂商拉到同一水平线上，难以确定DeepSeek是否能碾压式超过OpenAI和Google，可能长期处于并跑状态。

　　 从DeepSeek的论文可知，大模型的强化学习还处于非常初期的阶段，Scaling law与预训练相比处于陡峭曲线的前半段，后续竞争是爬坡能力的比拼，在这种情况下，谁能快速获取成果难以确定，所以DeepSeek很难在全球范围内确定成为最强。

　　 在国内，DeepSeek公开部分技术路径后，很多国内厂商可快速复现，比如阿里的QWQ、智谱的GLM、Kimi的k1.5、阶跃星辰的step系列。之前就有不少厂商推出过自己的强化学习模型，在已有积累基础上叠加DeepSeek的线路，各厂商追赶速度较快，DeepSeek可能面临类似OpenAI的创新者窘境，而字节、阿里等资源优势厂商全情投入时，其先发优势能保持多久也不好说。不过，凭借其强悍的工程能力和对业务的专注，DeepSeek保持在第一梯队应该没有问题。