2025年中国云计算市场四大趋势前瞻，从零基础到精通，收藏这篇就够了！

深度解密 | 2025年中国云计算市场四大趋势前瞻，看完这篇就够了！

过去，云计算一直被吹捧成企业数字化转型的“万能灵药”，也被看作是下一个金光闪闪的万亿级市场。然而，尽管各大云厂商砸钱无数，但在追求规模和盈利的道路上却磕磕绊绊。最近，大模型的火爆把云计算产业带到了一个新高度，也给市场格局带来了更多悬念。不过，我们坚信中国云计算市场依然“钱”景无限，未来可期。展望2025年，我们从市场和商业角度总结了四大趋势，希望能给云计算厂商们带来一些灵感。

**一、**云智合体

大模型将是未来3-5年内云计算市场的最大“金主”

如果说2024年是大模型的“试水年”，那么2025年将是企业真正落地和推广大模型的“元年”。大模型天生就“长”在云上，那些拥有几千亿参数的“巨无霸”大模型，需要海量的算力、网络、数据和复杂的算法才能“养活”，而基于云基础设施来训练和部署大模型，简直就是“天作之合”。预计从2024年到2030年，全球云计算市场的年复合增长率将达到16.8%，而AI云将以34%的速度狂飙，到2030年将占据全球云计算市场的四分之一。

国际领先的云厂商们，正靠着AI和大模型这股“东风”，让云业务“飞”起来。微软通过投资和OpenAI“深度捆绑”，2024年第三季度，微软云服务收入猛增33%[1] ，其中有12个百分点都是AI服务的功劳。借着大模型的“翅膀”，微软云和AWS的市场份额差距也在缩小——2019年AWS和微软云的全球份额分别是33%和17%，而到了2024年，这一数字变成了31%和23%[2]，这意味着微软云从AWS规模的一半追到了四分之三。

从云智融合的新架构来看，云厂商们将迎来智能算力服务、“模型即服务”(MaaS - Model as a Service)以及行业应用落地这三大“红包”。

1. 智能算力“军备竞赛”

**大模型重塑了底层算力结构，智能算力服务成了新的“兵家必争之地”。**2023年，我国智能算力在整体算力规模中占比约25%；随着大模型的突破和加速落地，2025年智能算力占比将提升至35%[3]。云厂商们通过云服务的方式，为各行各业提供“即开即用”的智能算力，满足大模型训练和推理的各种需求。

2. 模型即服务（MaaS）“风口”

**MaaS掀起了云上用AI的“热潮”，商业模式也越来越清晰。**MaaS让用户可以通过互联网，以API（应用程序接口）的方式访问和调用云上的大模型，根据自己的需求进行模型微调和应用构建，而不需要了解大模型的“黑科技”细节。在商业模式上，MaaS延续了云服务“按需使用、按量付费”的基本逻辑。以OpenAI的大模型服务为例，月度订阅和API调用付费就是他们的主要收入来源。

在MaaS模式下，大模型的能力、模型工具链的完整性和易用性，是“俘获”用户的关键。不断提升模型性能、降低使用门槛、改善开发体验，是MaaS产品努力的方向。微软云在2024年11月将AI Studio升级为AI Foundry，把它打造成“人工智能时代的统一应用平台”[4]，AI Foundry接入了GPT系列大模型，支持开发者“一条龙”完成模型定制与优化、AI应用构建和部署等工作。

3. 行业AI应用“落地生根”

**大模型行业应用落地加速，供需双方的关注点从“训好”大模型转变为“用好”大模型。**根据对中国大模型招投标市场的统计，2024年应用类大模型招投标项目数量占比最高，达到了56%。这意味着中国市场越来越关注如何让大模型真正“落地生根”。与此同时，具有垂直领域专业知识和经验的行业和场景模型也开始“崭露头角”。在国内197个通过网信办备案的大模型中，通用大模型、行业大模型数量分别为61个和136个，占比分别是31%和69%[5]。从行业大模型来看，教育领域有19个，金融领域有18个，办公领域有15个，政务领域有11个，医疗领域有11个，并且还在向传媒、招聘、家装、心理等场景延伸。

→给云厂商的“锦囊妙计”

头部云厂商们纷纷加入了大模型的“军备竞赛”，但这还不足以在激烈的竞争中“笑到最后”。云厂商们需要进一步思考：

策略一

打造“爆款”：投资和打造明星大模型以及它的“杀手级”应用，影响用户心智，形成“破圈”效应，进而带动模型工具链、AI应用构建工具乃至底层智能算力服务的销售。

**案例：**字节跳动凭借豆包APP，成功推动了豆包大模型、火山引擎云服务的销售。如今，豆包APP的月活跃用户数（MAU）约为6000万，在同类产品中排名全球第二，仅次于ChatGPT。豆包APP也推动了豆包大模型在社交、客服、零售、游戏、教育等场景的落地。

在汽车座舱和车企业务场景，豆包大模型已经服务了国内市场80%的汽车品牌，在汽车行业的日均Tokens消耗量在7个月内增长了50倍。

策略二

“软硬兼施”：持续对标和打磨模型工具链的完整性和易用性，并通过与底层基础设施的强强联合，实现性能的“更上一层楼”。

**案例：**AWS自2017年推出机器学习平台Amazon SageMaker以来，就不断改进功能和体验，如今已经成为数十万客户进行模型构建、训练和部署的“一站式”平台。

为了提升“软硬协同”的效率，AWS在2024年12月发布了Amazon SageMaker HyperPod，把它作为企业训练大模型的首选基础设施——提供了30多个精心挑选的模型训练“配方”，让用户无需从零开始配置复杂的分布式训练环境，将训练基础模型的时间缩短了高达40%；同时优化资源利用，帮助用户最大限度地提高算力集群的利用率。

Writer、Luma AI、Perplexity等领先的初创公司，以及汤森路透、Salesforce等大型企业，都在利用Amazon SageMaker HyperPod加速模型开发。

二、生态进化

生态圈从云扩展到云+AI，云厂商的生态策略也需要“升级打怪”

建设好以下三个方面的生态，是云厂商奠定长期竞争力的“基石”。

**首先是伙伴生态。**云+AI的应用落地，需要云厂商和合作伙伴的“分工合作”。为了尽快输出大模型落地能力，云厂商提供MaaS层能力，垂直领域的企业客户提供数据、私域知识和专业经验，ISV（独立软件开发商）、SI（系统集成商）等合作伙伴则负责业务需求梳理、数据治理、模型调优、AI应用构建和规模复制等应用落地“最后一公里”的工作。

2024年第二季度，伙伴贡献的收入占中国云计算市场总收入的26%，预计这一比例还将继续上升。以腾讯云为例，2024年腾讯云联合伙伴共同服务超过200万家客户，伙伴贡献收入占大盘的三分之一，腾讯云的被集成收入同比增长60%。与专业的伙伴合作，有助于云厂商将更多精力聚焦于基础产品和平台产品的“硬实力”提升，同时解决行业专业知识、部署运维复杂性等难题。

**其次是模型生态。**对于企业客户而言，选择哪一个基础模型，是一个非常关键的问题。企业可以用科学的技术框架去评估每一个模型，进而做出选择。为此，云厂商在提升自研大模型能力的同时，也应该构建开放的大模型生态，支持客户为特定场景选择最合适的模型。2024年12月，AWS 把Stability AI 的最新模型新增至Amazon Bedrock，通过Amazon Bedrock Marketplace 为客户提供 100多个热门、新兴及专业模型的“使用权”。

**最后是AI算力生态。**中国云厂商需要更多“替代式创新”，来弥补AI芯片的不足。**2024年中国本土AI芯片出货量约为40万张[6]，占国内市场20%以上。**然而，国产算力适配和软件生态仍然存在瓶颈，影响了芯片供应的多元化进程。相比拥有全球超过500万的开发者、300余个代码库[7]的英伟达CUDA生态，国内的AI算力生态还处于“起步阶段”。

→给云厂商的“锦囊妙计”

云厂商需要更新云+AI生态的内涵，思考行之有效的生态业务模式以及组织管理方式。

策略一

更新云+AI合作伙伴计划：明确伙伴的认证标准、分级分类规则、业务合作模式、分成与绩效、赋能与培训方案等内容，全力帮助伙伴发展AI。

**案例：**微软云历史上进行了2次重要的合作伙伴计划变革行动，体现了对伙伴精细化管理、帮助伙伴提升AI技能与销售能力的高度重视。

从早期的全集团跨产品通用的微软合作伙伴网络（MPN），到推出按照六大领域云解决方案认证的微软云伙伴计划[8]（Microsoft Cloud Partner Program），再到2023年推出致力于帮助伙伴发展AI的云+AI伙伴计划（Microsoft AI Cloud Partner Program），形成了一个覆盖Build-with（开发）、Go-to-Market（上市）、Sell-with（销售）的“端到端”生态业务模式。

策略二

**设计“生态型”组织架构。**明确生态发展组织作为将 “生态”转化为“生意”的组织定位，设置区别于传统直销型组织的绩效考核方案。

同时，开始描绘“生态型”人才地图，设置首席合作伙伴官（CPO）、云布道师、解决方案架构师、行业拓展经理、开源社区管理者等生态发展的关键岗位；并逐步建立从研发/产品板块、营销/直销板块进入生态发展板块的人才流动通道，激发组织活力。

三、深度用云

从基础资源到应用服务，云计算支出将迎来“结构性调整”

**国内大量中小企业还“云里雾里”，市场潜力有待挖掘。**据统计，美国在2023年已经有94%的企业上云，并且还在持续增长；相比之下，中国中小微企业约有5200万家，距离工信部提出的2027年实现40%上云率[9]的目标还有很大差距。从云计算市场支出的GDP占比来看，**中国约为0.5%，美国约为1%。**可见，中国云计算的市场潜力依然巨大。

即便是已经上云的企业，对于“用好云”的认知和实践也有待加强。“基础设施即服务”(IaaS)是基础资源池，代表是否“上云”；“平台即服务”(PaaS)和“软件即服务”(SaaS)是承载工具和应用的服务，代表“用云”的程度。从云计算支出结构来看，**中国在PaaS+SaaS的支出显著低于全球平均水平，与美国相比更是“倒挂”。**美国约70%的支出用于SaaS，而中国不足30%，这意味着中国企业仍然以软件定制、项目集成等传统模式为主。

**随着供需双方的成熟，中国企业对PaaS和SaaS的接受度有望提升，从而推动云支出的“结构性调整”。**对于中小企业而言，采购和维护传统的软硬件成本高昂，而PaaS和SaaS的“按需采用、按量付费”模式更具吸引力；而对于大中型企业而言，随着用云心智的成熟，将从自建工具和软件转向使用公有云的PaaS和SaaS服务。预计未来中国市场PaaS和SaaS将保持近30%的年复合增长率。

→给云厂商的“锦囊妙计”

相比于IaaS市场的“同质化”和“白热化”竞争，国内PaaS和SaaS市场还处于“培育期”，云厂商在驱动更多企业上云用云方面“大有可为”。

策略一

**深挖上云潜力，让更多中小企业“上云”。**为此，云厂商应该建立高效的区域销售服务团队和渠道生态拓展团队，摸排下沉市场机会，发现腰部和中长尾客户线索，精准捕捉新上云、扩大用云（含多云方案）、云迁移这三大机会。

**案例：**2024年腾讯云新拓展了1000家合作伙伴，与合作伙伴共同推动公有云向下沉市场和广泛行业拓展。目前，腾讯云伙伴区域下沉收入3年间增长超过40%，中长尾客户收入在腾讯云生态收入中的占比逐年提升。

策略二

**夯实PaaS能力，支撑SaaS繁荣生态，引导企业“深度用云”。**考虑到下游业务场景的海量和碎片化，中国 SaaS 市场将呈现“百花齐放”的专业化生态。云厂商需要持续打磨、扩展PaaS产品线，提升产品的“组装化”能力，进而支持伙伴延伸Paas+SaaS；同时，云厂商也可以从自身业务基因和优势出发，切入细分业务场景打造SaaS“爆款”，进而带动PaaS和IaaS的消耗。

四、盈利拐点

云厂商加速迈过盈亏平衡的“门槛”，但不确定性依然很多

国际厂商AWS、微软云、谷歌云都已实现盈利，国内厂商中阿里云率先“扭亏为盈”。其中，谷歌云和阿里云相对更晚实现盈利——谷歌云在2023年止损，营业利润率为5.2%；阿里云从2022年开始盈利，并且还在持续改善。

然而，云厂商在产品降价、AI资本支出的双重挑战下，盈利拐点面临着更大的不确定性。

• 一方面，多家云厂商采取“以价换量”策略，“价格战”一触即发。阿里云在2024年先后进行了4次降价，平均降幅达到20%，既有云计算产品（云服务器ECS、对象存储OSS、云数据库RDS等），也有大模型产品（2024年12月31日阿里云宣布通义千问视觉理解模型全线降价超过80%）；降价引发了市场“连锁反应”，例如京东云启动“比价”活动，承诺“买贵就赔”。

• 另一方面，大模型“军备竞赛”持续加码，资本投入强度较高。据统计，云厂商的GPU订单占据了英伟达2025财年第二季度数据中心业务营收的45%，这意味着云厂商的资本开支主要用于AI基础设施投资。2024年全球十大AI数据中心投入企业中，国内厂商字节跳动、腾讯上榜。不同于海外云厂商在盈利的财务状况下进行AI投资，尚未盈利的国内云厂商将承受更大的资本支出压力。

→给云厂商的“锦囊妙计”

要规模也要利润，加速盈利拐点的到来是国内云厂商必须直面的课题。同时也应该避免盲目卷入“价格战”中，陷入不利境地。为此：

策略一

构筑技术竞争壁垒，并在营销方面建立“差异化”的价值主张。

**案例：**谷歌云以“全球一张网”作为差异化优势和营销主张，获得了强劲的增长势能。

谷歌自建了多条跨洋海底光缆，使得谷歌云能够直接访问高带宽资源，无需经过其他节点，提高了速度和稳定性，其性能是传统网络的1.4倍。同时，谷歌云提供了分层云网络，包括高级层和标准层。高级层通过谷歌精心配置、低延迟、高度可靠的全球网络传输流量，而标准层则提供与其他主要公共云相媲美的网络质量。

策略二

**建立以利润考核为导向的产品投资组合战略。**云计算产品类型和数量众多，产品管理复杂度高，急需更加科学透明的管理方式。云厂商可以从战略价值、财务价值等维度出发，将产品划分为战略产品、重点产品、常规产品、观察产品等，并给予差异化的投入产出期望值、利润率目标、投资回报周期等指标设定。

同时，云厂商也可以建立产品经营指标观测“罗盘”，实现对产品经营结果实时追踪、定期考核评价、资源追加或退出决策的“闭环”管理。

结语

在AI的重大机遇带动下，企业级服务将逐渐解决“刚需”问题，并给参与方带来实实在在的利润，中国云计算市场将从过去“卷”硬件价格的时代，迈入软件/服务定义价值的新时代。

网络安全学习路线&学习资源

网络安全的知识多而杂，怎么科学合理安排？

下面给大家总结了一套适用于网安零基础的学习路线，应届生和转行人员都适用，学完保底6k！就算你底子差，如果能趁着网安良好的发展势头不断学习，日后跳槽大厂、拿到百万年薪也不是不可能！

初级网工

1、网络安全理论知识（2天）

①了解行业相关背景，前景，确定发展方向。
②学习网络安全相关法律法规。
③网络安全运营的概念。
④等保简介、等保规定、流程和规范。（非常重要）

2、渗透测试基础（一周）

①渗透测试的流程、分类、标准
②信息收集技术：主动/被动信息搜集、Nmap工具、Google Hacking
③漏洞扫描、漏洞利用、原理，利用方法、工具（MSF）、绕过IDS和反病毒侦察
④主机攻防演练：MS17-010、MS08-067、MS10-046、MS12-20等

3、操作系统基础（一周）

①Windows系统常见功能和命令
②Kali Linux系统常见功能和命令
③操作系统安全（系统入侵排查/系统加固基础）

4、计算机网络基础（一周）

①计算机网络基础、协议和架构
②网络通信原理、OSI模型、数据转发流程
③常见协议解析（HTTP、TCP/IP、ARP等）
④网络攻击技术与网络安全防御技术
⑤Web漏洞原理与防御：主动/被动攻击、DDOS攻击、CVE漏洞复现

5、数据库基础操作（2天）

①数据库基础
②SQL语言基础
③数据库安全加固

6、Web渗透（1周）

①HTML、CSS和JavaScript简介
②OWASP Top10
③Web漏洞扫描工具
④Web渗透工具：Nmap、BurpSuite、SQLMap、其他（菜刀、漏扫等）

恭喜你，如果学到这里，你基本可以从事一份网络安全相关的工作，比如渗透测试、Web 渗透、安全服务、安全分析等岗位；如果等保模块学的好，还可以从事等保工程师。薪资区间6k-15k

到此为止，大概1个月的时间。你已经成为了一名“脚本小子”。那么你还想往下探索吗？

【“脚本小子”成长进阶资源领取】

7、脚本编程（初级/中级/高级）

在网络安全领域。是否具备编程能力是“脚本小子”和真正黑客的本质区别。在实际的渗透测试过程中，面对复杂多变的网络环境，当常用工具不能满足实际需求的时候，往往需要对现有工具进行扩展，或者编写符合我们要求的工具、自动化脚本，这个时候就需要具备一定的编程能力。在分秒必争的CTF竞赛中，想要高效地使用自制的脚本工具来实现各种目的，更是需要拥有编程能力.

零基础入门，建议选择脚本语言Python/PHP/Go/Java中的一种，对常用库进行编程学习； 搭建开发环境和选择IDE,PHP环境推荐Wamp和XAMPP， IDE强烈推荐Sublime； ·Python编程学习，学习内容包含：语法、正则、文件、 网络、多线程等常用库，推荐《Python核心编程》，不要看完； ·用Python编写漏洞的exp,然后写一个简单的网络爬虫； ·PHP基本语法学习并书写一个简单的博客系统； 熟悉MVC架构，并试着学习一个PHP框架或者Python框架 (可选)； ·了解Bootstrap的布局或者CSS。

8、超级黑客

这部分内容对零基础的同学来说还比较遥远，就不展开细说了，贴一个大概的路线。感兴趣的童鞋可以研究一下，不懂得地方可以【点这里】加我耗油，跟我学习交流一下。

网络安全工程师企业级学习路线

如图片过大被平台压缩导致看不清的话，可以【点这里】加我耗油发给你，大家也可以一起学习交流一下。

一些我自己买的、其他平台白嫖不到的视频教程：

需要的话可以扫描下方卡片加我耗油发给你（都是无偿分享的），大家也可以一起学习交流一下。

结语

网络安全产业就像一个江湖，各色人等聚集。相对于欧美国家基础扎实（懂加密、会防护、能挖洞、擅工程）的众多名门正派，我国的人才更多的属于旁门左道（很多白帽子可能会不服气），因此在未来的人才培养和建设上，需要调整结构，鼓励更多的人去做“正向”的、结合“业务”与“数据”、“自动化”的“体系、建设”，才能解人才之渴，真正的为社会全面互联网化提供安全保障。

特别声明：

此教程为纯技术分享！本书的目的决不是为那些怀有不良动机的人提供及技术支持！也不承担因为技术被滥用所产生的连带责任！本书的目的在于最大限度地唤醒大家对网络安全的重视，并采取相应的安全措施，从而减少由网络安全而带来的经济损失！！！

。