1. 为什么阿里云和华为云的AI合作值得关注
这两年我在做企业数字化转型相关项目,频繁听到同行讨论一个现象:阿里云和华为云这两家在国内云计算市场正面竞争最激烈的厂商,居然在AI领域有不少合作落地。乍一听有点反直觉,但仔细研究后会发现,这背后其实是国内AI产业生态走向成熟的一个信号。
先说清楚一个概念:阿里云和华为云在IaaS、PaaS层面的公有云市场竞争非常激烈,但在AI这条赛道上,两家各自的优势其实高度互补。阿里云强在AI平台和模型生态,通义千问系列大模型、百炼平台、魔搭社区这些大家应该都不陌生;华为云的核心优势则是昇腾算力硬件、Atlas系列产品,以及从芯片到框架的全栈自研能力。当一个项目既需要大规模GPU训练算力,又需要国产化、自主可控的推理底座时,两家厂商从竞争走向合作几乎是必然的。
我最早注意到这个趋势是在2023年下半年,当时有几个政府客户和大型央企在人工智能基础设施招标时,明确提出要求“训练侧用通义千问生态、推理侧用昇腾算力”。这种需求如果只靠单一云厂商,很难同时满足得漂亮,于是阿里云和华为云在项目层面的联合交付就越来越多了。
本文会围绕我实际接触过、以及在业内公开资料中验证过的几类合作案例展开,包括大模型底座与国产算力适配、企业级AI平台共建、开源生态协同,以及具体行业场景里的联合方案。同时会把每类合作背后的技术逻辑和经验教训一并讲清楚,方便准备做类似项目选型的朋友直接参考。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 合作案例全景:双方在AI领域到底怎么分工
2.1 大模型训练与国产算力适配:通义千问跑在昇腾上
这应该是目前公开度最高、也是我实际参与验证最多的一类合作。简单来说,就是阿里云的通义千问系列大模型,通过华为昇腾的AI框架和推理引擎完成适配,最终部署在华为云或者客户自建的昇腾算力集群上。
具体的技术路径是这样的:华为昇腾社区有一个专门的模型适配仓库(ModelZoo),里面维护了大量主流大模型在昇腾硬件上的迁移脚本和配置。阿里云这边则在魔搭社区同步发布经过调优的量化版本和推理部署包。两边配合下来,通义千问-7B、通义千问-14B这些开源模型可以比较顺畅地在昇腾310/910系列芯片上跑起来。
我在2024年初做过一个实际的测试项目,客户要求把一套基于通义千问-7B的智能客服系统从NVIDIA A10迁移到昇腾910B上。初期遇到的坑非常多,主要集中在这几个方面:
- 算子兼容性问题:PyTorch生态里很多GPU算子昇腾不支持,需要手动替换成昇腾的适配算子,尤其是FlashAttention这类高性能算子,当时昇腾上只能用官方提供的优化版本,效果略差但可用。
- 精度对齐:FP16和BF16混合精度训练在昇腾上有细微差异,导致loss曲线和GPU上有偏差。
- 推理延迟:昇腾最初对连续推理场景的优化一般,需要开启昇腾自带的动态分档功能才能把首Token延迟控制在可接受范围。
但到2024年第三季度之后,情况改善非常明显。昇腾的CANN版本更新了几个大版本,算子覆盖率提升很快,通义千问系列也做了针对性的算子融合优化。到2025年初,我测试的结果显示,在相同参数规模下,昇腾910B跑通义千问-7B的推理吞吐量已经能达到A10的八成左右,对于国产化要求高的客户来说完全够用。
这类合作的价值很清晰:阿里云不需要自己造芯片,就能满足客户对国产算力的硬性要求;华为云也不需要在模型层从零做起,直接拥有一批经过验证的成熟大模型生态。对甲方来说,采购流程和合规评审也顺畅很多。
2.2 企业级AI平台共建:阿里云百炼与华为云的联合交付
另一类我见得比较多的合作,是企业级AI应用平台的联合交付。这里的典型模式是:用阿里云的百炼大模型平台来做模型训练、微调、评测和应用编排,用华为云的ModelArts和AI Gallery来处理数据标注、算力调度和模型部署,两边通过API和数据集格式的互相兼容完成对接。
说个具体的例子。2024年下半年我参与了一个金融行业的智能文档处理项目,客户需要处理大量合同、尽调报告和财报,要做一个集文档解析、信息抽取、风险点识别于一体的AI应用。当时的需求很明确:
- 模型要私有化部署,数据不能出域。
- 训练用的数据在客户自己的机房,但推理服务想放到公有云弹性扩缩容。
- 合规要求部分算力必须国产化。
最终交付方案是:
- 在客户内网机房使用华为Atlas 800训练服务器做通义千问-7B的领域微调,用ModelArts的数据标注能力清洗和标注了几万份脱敏文档。
- 微调完成的模型权重迁移到阿里云百炼平台,在百炼上做评测、对齐和RAG流程搭建。
- 推理服务部署在客户自己的昇腾推理集群上,通过阿里云提供的SDK接入业务系统。
这个方案最麻烦的地方在于两朵云之间的模型格式和部署环境差异。百炼平台默认输出的模型格式和昇腾的离线模型格式并不完全兼容,需要经过一层模型转换,我当时用了一台带昇腾驱动的中转服务器,跑通了整个转换
