從 INSPIRE 創想者大會看華為雲：它正在 AI 時代給自己找一個更清晰的位置

今年上半年，外界看華為雲在AI上的戰略，常常會有一種模糊感。過去6個月，雲廠商的AI敘事變得越來越具體：阿里雲、火山引擎都在講模型調用量，講MaaS收入，騰訊雲目前在講爆款應用。相比之下，華為雲在AI時代究竟要把自己的核心位置放在哪裡，外界此前並不總是看得很清楚。這一次華為雲INSPIRE創想者大會給了一個很好的觀察窗口。從這次大會來看，華為雲正在把自己的位置講得更清楚：向下，它要做智能體時代的“硅基黑土地”；向上，它要從醫療、具身智能、製造、科研這些行業場景裡，尋找AI商業化的出口。華為雲不想只被MaaS定義在這次活動媒體群訪中，雷峰網拋給了華為雲CEO一個很直接的問題：今年上半年，阿里雲和火山引擎都在衝MaaS收入，華為雲怎麼看MaaS收入？以及今年有沒有具體收入目標？這個問題其實很關鍵。過去通算時代，雲廠商主要看基礎設施收入：CPU核數、存儲、帶寬、資源消耗。到了智算時代，行業開始進入Token經濟，MAAS收入、模型調用量、Token消耗量，正在變成衡量AI雲的新指標。但周躍峰給的回答也很直接，他表示，華為雲並不否認Token經濟，但不能簡單用“多少萬億Token”“多少模型調用”來衡量AI的價值。一個人在手機上閒聊，也會產生Token，但這些Token到底創造了多少商業價值和生產力價值，很難說清楚。華為雲更願意看的，是這些Token有沒有真正進入toB場景，能不能提升行業生產力。比如在金融場景裡，不只是看模型被調用了多少次，而是要看它防範了多少金融風險、提升了多少信貸效率。這也意味著，華為雲對AI雲價值的理解，並不止於模型服務本身。如果Token的價值最終要在產業場景中被驗證，那麼雲廠商要競爭的，就不只是模型API的調用量，而是能不能提供一套足夠穩定、高效、安全的AI基礎設施，讓企業把模型、數據、算力和業務流程真正連接起來。這就是周躍峰在本次會上反覆提到的“硅基黑土地”。據雷峰網瞭解，在本次創想者大會上，華為雲發佈了AICS靈衢智算集群、AMS Agentic記憶存儲解決方案、CCEVolcanoNext通智一體化調度、AgentSphere Agent運行環境四大新品，並提出Agentic Infra新範式，即“高效Token工廠、持續學習、通智一體化調度、安全自治”。這些產品如果單獨看，容易變成一串技術名詞。但放在一起看，它們其實服務於同一個方向：華為雲要把智能體運行所需要的算力、存儲、調度、安全和運行環境做成一整套底座。AICS對應的是更高效的Token生產；AMS解決的是智能體長期任務中的記憶問題；VolcanoNext解決通算和智算統一調度；AgentSphere則指向智能體規模化運行時的安全和自治。這背後是華為雲更想強調的能力：軟硬芯協同。也就是說，華為雲並不是只想賣模型API，也不是隻想賣算力資源，而是試圖把國產算力、雲基礎設施、模型服務、智能體平臺和運行環境組合起來，成為智能體時代的基礎設施提供者。這也是它和互聯網雲廠商最不一樣的地方。互聯網雲廠商更容易從應用、流量和開發者入口往下打；華為雲則更習慣從算力、雲、行業客戶和軟硬件系統往上做。它的AI敘事天然更重，也更偏基礎設施。所以，從創想者大會看，華為雲給自己的第一個定位是：不只做MaaS生意，而是做智能體時代的“黑土地”。華為雲的商業化，要從它熟悉的行業里長出來如果說第一層是定位，第二層就是商業化。華為雲到底要從哪裡把AI生意做出來？這次群訪裡，周躍峰反覆提到幾個方向：醫療、具身智能、科研計算、智能製造。這些並不是隨便舉的案例，而是華為雲更擅長的市場。它們有幾個共同點：重行業理解、重交付、重安全、重本地化部署，也重軟硬件協同。它們不像C端應用那樣容易靠流量爆發，但一旦做進去，壁壘也更深。醫療是一個典型例子。周躍峰在群訪裡提到，中國病理醫生數量有限，很多中小醫院、偏遠地區醫院缺乏高水平病理診斷能力。華為雲智慧醫療專區的邏輯，是讓縣域醫院、市級醫院通過雲接入更高水平的醫療能力。例如通過和瑞金醫院共同開發的病理大模型，把專家經驗沉澱下來，讓偏遠醫院也能遠程獲得診斷支持。這不是一個簡單的AI應用故事，而是一個雲服務、行業模型、醫療資源和區域醫院連接起來的故事。具身智能也是類似邏輯。很多具身智能創業公司規模並不大，如果讓它們自己建設IT系統、算力系統、數據準備、模型訓練、仿真和部署工具鏈，成本會非常高。華為雲這次講Cloud Robo，全流程開發平臺，就是希望把數據、模型、仿真、算力、案例放到公共雲專區裡，讓中小企業以更低成本接入。智能製造同樣如此。周躍峰提到，行業AI夢工廠的智能製造專區裡，不只是有平臺，還有電路元器件、線路板自動生成、外形設計、材料仿真等智能體能力。很多製造業企業沒有完整的AI技術團隊，也不可能從零開始搭建所有能力。如果雲上已經沉澱了一批行業智能體和原子能力，它們就可以更快地構建自己的AI應用。這其實是華為雲商業化路徑的核心：不是先做一個超級應用，再用流量帶動雲收入；而是先把行業裡的共性能力沉澱到雲上，再通過專區、平臺和夥伴生態，把能力複製出去。這條路慢，但符合華為雲的能力結構。過去華為長期服務政企、金融、製造、醫療、能源等行業客戶，它對這些行業的銷售、交付、安全、合規、本地化部署，有更深的積累。AI時代，這些積累沒有消失，而是變成了華為雲切入行業AI的基礎。所以，華為雲的AI商業化，不太可能從C端流量和爆款應用開始，而更可能從它熟悉的行業客戶開始。它要證明的不是“我能產生多少Token”，而是“我能不能讓一個醫院提升診斷效率，讓一個具身智能公司降低研發成本，讓一個製造企業更快做出自己的智能體”。這也是周躍峰為什麼反覆講“生產力”。這個詞聽起來很宏大，但放在華為雲的語境裡，其實對應的是很具體的商業化路徑：AI必須進入產業現場，變成行業客戶願意付費的效率提升、安全保障和業務能力。當然，定位變清晰只是第一步。對華為雲來說，接下來更關鍵的是，這套以智能體基礎設施和行業場景為核心的路徑，能否持續轉化為真實的客戶採用和商業增長。AI雲的競爭還在快速變化，華為雲已經給出了自己的答案，但這個答案還需要市場繼續驗證。