云厂商的第二次分层

“云”这个词最初是一个隐喻：把计算放在别人的机房里，像用水电一样按需取用。二十年后，这个隐喻已经不够用了。今天的云不只是机房，它同时是模型市场、数据管道、开发工具和运营系统。用 IaaS、PaaS、SaaS 三层来切分，越来越像用一张旧地图寻找新大陆。

我倾向于把当前的云分成四层：基础设施、调度与算力、模型与推理、应用与 Agent。越往下，越接近资本与物理约束；越往上，越接近客户与场景。每一层的竞争逻辑不同，利润率也不同。理解这一点，比记住某家厂商的市场份额更有用。

一、旧的三层，为什么不够用了

IaaS 卖的是虚拟机和存储，PaaS 卖的是数据库和中间件，SaaS 卖的是可以直接使用的软件。这个分类的前提是：企业自己负责把业务逻辑写进应用，云只提供标准化的零件。

模型改变了“零件”的定义。一个团队可能不买虚拟机，而是直接调用推理接口；不部署数据库，而是把检索交给向量服务；不搭建监控，而是使用模型可观测性平台。它购买的既不是纯粹的 IaaS，也不是传统意义上的 SaaS，而是一种介于两者之间的“能力”。

这也是为什么云厂商都在强调“全栈”。全栈不是把每一层都做一遍，而是让相邻两层之间的切换成本足够低：数据在存储与训练之间流动，模型在训练与推理之间流动，应用在推理与工具调用之间流动。谁能让这些流动更顺，谁就更容易留住客户。

最上面一层看起来最热闹，但项目制交付意味着很难标准化；最下面一层看起来最笨重，却拥有最长的生命周期。中间两层是最容易被技术变化冲击的：模型架构一换，推理优化方案可能要重写；调度策略一改，旧的容量规划可能失效。

这也解释了一个现象：云厂商一边强调“AI 原生”，一边又不断回到数据中心、电力和芯片。因为越往上，差异化越依赖软件；越往下，差异化越依赖资本。两者都不是短期能追上的。

如果把云看成一个产品，控制台就是它的门面。过去，控制台的核心是资源列表：你有多少台机器、多少个桶、多少条数据库连接。现在，控制台的核心正在变成“任务是否完成”：模型是否在线、推理延迟是否达标、成本是否超预算。

这张示意图里，最值得关注的不是数字，而是指标的组合方式：利用率、排队时间、单位成本和事件流被放在同一屏。它暗示了云厂商对客户的理解正在从“资源管理”转向“运营管理”。客户不再只关心机器开没开，而是关心任务跑得快不快、贵不贵、稳不稳。

这对产品设计提出了新要求。过去，控制台追求功能齐全；现在，它需要帮助用户在信息过载时做判断。一个把二十个指标堆在同一页的控制台，和一个只呈现三个关键决策信号的控制台，后者往往更贵，也更难做。

我不认为每一层都会出现同等数量的赢家。基础设施层会继续集中，因为资本和并网门槛越来越高；调度层会出现一批专注特定场景的公司，比如只做推理优化、只做异构算力；模型层会经历一轮整合，闭源与开源长期并存；应用层则会高度分散，因为场景太碎，交付太重。

对使用者来说，最重要的判断不是“哪家云更大”，而是“我的工作负载在哪一层”。如果是稳定、长期、可预测的训练任务，自建或长期合约可能更划算；如果是波动很大的推理流量，弹性和调度能力比单价更重要；如果是快速验证的应用，模型 API 和托管工具能省下大量时间。

云的分层不是把世界切得更碎，而是逼我们更清楚地回答：我们到底在为什么付费？是机器、是弹性、是模型能力，还是把这一切组织起来的那套软件？答案不同，选择就不同。