全球云基础设施的钱都烧到哪儿去了?Omdia这份报告我反复看了几遍,有几个点确实值得拿出来聊聊。2025年第四季度全球云基础设施支出同比增长29%,这个数字看起来只是比前几个季度高了一点,但结合顶级云厂商在AI基础设施上的动作来看,它不是简单的水涨船高,而是整个云计算的底层逻辑在变。如果你正在做云架构、搞运维,或者手里握着预算要决定往哪儿投,这篇就当是跟同行在茶馆里把数据掰开揉碎了聊一遍,顺便说说我看到的一些方向性变化。
1. 29%增长背后:钱到底流向了哪三层
很多文章把29%归功于AI的拉动,这话对,但太笼统。我拆开看了下Omdia的统计口径和各家财报里的资本开支明细,这29%的增长不是均匀撒在各家头上的,也不是全都买GPU去了。它大致分布在三个层面,而每一层的逻辑和受益方都不一样。
1.1 算力层:GPU集群取代传统服务器成为采购主力
先看最直观的算力层。2025年第四季度的增长大头,来自超大规模云厂商对AI训练集群和推理集群的采购。这一季度,单家头部厂商的AI服务器采购量已经是传统x86服务器的数倍,而且单台AI服务器的单价动辄是传统服务器的5到10倍。
这意味着什么?就算采购台数不涨,只要AI服务器的比例从20%提到40%,整体基础设施支出的金额也会被顶上去。而实际上,台数也在涨。因为AI训练需要的是大规模并行,不是一台两台,而是几千张甚至几万张GPU卡同时工作。我在帮客户规划集群时,一个典型的700B参数模型训练集群,光GPU就是几千卡起步,加上配套的CPU节点、存储节点和网络设备,整体预算很快就能到数亿级别。
1.2 网络层:集群规模变大后,网络反而成了瓶颈
第二个花钱的地方是网络。很多人以为买了GPU就完事了,但GPU之间的数据交换速度直接决定整个集群的利用效率。
第四季度云厂商的资本开支里,数据中心交换机的采购量同比增长非常夸张,尤其是支持RDMA(远程直接内存访问)的网络设备,基本是翻倍往上涨。华为的CloudEngine系列、思科的Nexus系列,这些支持无损网络的交换机,现在在云厂商机房里是抢手货。因为GPU训练是典型的“木桶效应”,网络带宽跟不上,几千张卡的集群实际利用率可能只有40%到50%,算力全浪费在等待上了。
1.3 基础设施层:电力、散热、机房空间成为隐形军备赛
第三层可能是普通人
