运营商一直在标榜向云转，向AI要效益，但时至今日真正的云收入有几何？AI拉动了多少？恐怕连自己都没有准确的数据统计。呈现在财报上云收入数据只是把各种项目以各种名义算进来的宽口径。同样，AI的收入和拉动力更是无从考证。云和AI是运营商政企的未来是方向，如果不敢把这两块拿出来单独计算，说明我们的转型还不彻底，还在依靠网络资源和传统路径。
随着国际上三大云巨头2025Q1财报的出炉，数说123希望能通过详细的解读找到我们运营商政企的不足和未来发展之道。
一、国际三大云厂商财报核心数据透视：增长引擎与战略重心
2025 年 Q1，AWS、Azure、Google Cloud 三家国际云厂商的财报数据揭示了全球云计算市场的竞争格局与技术演进方向。从市场格局看，AWS 以 293 亿美元云业务营收、34% 市场份额维持领先，但 Azure 以 33% 的同比增速紧追，市场份额达 32%，二者差距持续缩小。Google Cloud 虽规模较小（123 亿美元营收，14% 市场份额），但其运营利润率从去年同期的 9.4% 跃升至 17.8%，规模效应开始显现（见表 1）。
|
|
|
|
|
|
|
|---|---|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
（一）AI 驱动增长：从实验到规模化商业的质变
AI 已成为三家云厂商的核心增长引擎。Azure 明确量化 AI 对增长的贡献达 16 个百分点，其处理的 AI 工作负载同比增长 5 倍，100 万亿 tokens 的处理量彰显企业级 AI 应用的爆发式增长。AWS 虽未量化 AI 贡献，但其 204.6 亿美元的资本支出中很大比例用于 AI 基础设施，Trainium2 芯片和 Bedrock 模型扩展战略凸显其在模型训练与推理领域的布局。Google Cloud 则依托 Gemini 系列模型和搜索广告场景的深度整合，实现 15 亿用户的 AI Overview 功能规模化应用（见表 2）。
|
|
|
|
|
|
|---|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
（二）技术差异化：自研芯片与生态整合的角力
在技术战略层面，自研芯片成为关键壁垒。AWS 的 Trainium2 芯片和 Google 的 TPU 构建了硬件层差异化，而 Azure 通过与 OpenAI 的独家合作获取模型生态优势。资产利用效率方面，AWS 以 2.28 的固定资产周转率领先，反映其基础设施管理成熟度；Azure 虽周转率最低（1.52），但通过 Microsoft 365 生态整合形成客户粘性，Agent Service 超 10,000 组织使用、Phi 模型 3800 万次下载量体现开发者生态活跃度（见表 3）。
|
|
|
|
|
|
|---|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
（三）财务与投资：短期利润与长期布局的平衡
财务表现上，Google Cloud 展现出最强盈利能力跃升，利润增速（142%）远超收入增速（28%），规模效应显著。AWS 虽运营利润率达 39.4%，但自由现金流同比下降 48%，激进的 AI 基础设施投资（资本支出 + 158%）导致短期压力。Azure 因处于投资周期，毛利率下降 4 个百分点，但微软通过股票回购（52.3 亿美元 / 季度）和股息支付（70.9 亿美元 / 季度）实现股东回报均衡（见表 4）。
|
|
|
|
|
|
|
|---|---|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
二、国内运营商云现状：优势根基与现实差距
（一）优势根基：政策红利与资源禀赋
国内三大运营商（移动、联通、电信）依托政策支持和基础设施优势，在政务云、行业云领域占据一定市场份额。运营商的核心优势体现在：
- 网络与算力底座
：拥有全国覆盖的 IDC 机房、光纤网络和 5G 资源，能提供低时延、高可靠性的云网一体服务。 - 安全合规壁垒
：符合国内数据安全法、等保 2.0 要求，在政府、金融等敏感行业具备准入优势。 - 本地化服务能力
：省、市、县三级服务体系，贴近客户需求，响应速度优于互联网云厂商。
（二）现实差距：从财报指标看深层短板
对照国际三云财报核心维度，国内运营商云的差距主要体现在：
1. 增长动能：AI 驱动不足，依赖传统业务
国际三云的增长中，AI 贡献占比显著（如 Azure 的 16 个百分点），而运营商云仍以 IaaS 资源租赁为主，AI 服务收入占比不足 5%。例如，某省移动云收入中，虚拟机、存储等基础服务占比超 70%，AI 中台、行业解决方案等增值服务渗透率低。
2. 技术壁垒：自研能力薄弱，生态协同不足
- 芯片与硬件
：国际厂商通过自研芯片（如 Trainium2、TPU）降低成本、提升性能，运营商云仍依赖 x86 服务器采购，芯片级自主可控能力缺失。 - 模型与算法
：Azure 依托 OpenAI、AWS 通过 Bedrock 构建模型生态，而运营商云尚未形成自有大模型能力，多采用第三方 API 对接，定制化开发能力受限。 - 生态整合
：微软将 AI 深度整合到 Office、Dynamics 等企业工具，形成 “云 + 应用 + 服务” 闭环；运营商云虽推出 “云 + 网 + 安” 套餐，但应用层生态薄弱，缺乏杀手级行业应用。
3. 财务健康度：低毛利困境与投资强度不足
- 利润率水平
：国际三云运营利润率普遍在 15% 以上（AWS 39.4%、Google Cloud 17.8%），而运营商云受制于政务云项目低价竞争，毛利率不足 10%。某省联通云政务项目中标价较阿里云低 20%-30%，依赖规模扩张而非价值提升。 - 资本支出结构
：AWS 在 AI 基础设施上的资本支出达 204.6 亿美元（+158%），占总支出 74.6%；运营商云资本支出仍以网络扩容为主，2024 年某运营商云相关 CAPEX 占比约 30%，AI 算力投入不足 10%。
4. 市场格局：高端市场缺位，出海能力有限
- 行业覆盖
：国际三云在金融、医疗、制造业等高端行业渗透率超 60%，且提供行业专属解决方案（如 Azure 的医疗智能体）；运营商云主要集中在政务、国企等政策驱动领域，在跨国企业、高科技行业的存在感较低。 - 全球化布局
：AWS、Azure 在全球运营超 80 个可用区，而运营商云海外节点屈指可数，难以满足中资企业出海的云服务需求。
三、破局之道：三大战略方向与关键行动
（一）技术攻坚：构建 “芯片 - 模型 - 应用” 全栈能力
1. 硬件层：联合攻关自研芯片，降低算力成本
- 合作路径
：与国产芯片厂商（如寒武纪、燧原科技）共建 AI 算力实验室，针对运营商场景定制 NPU 芯片，重点优化语音识别、视频分析等边缘计算场景的能效比。 - 短期目标
：2025 年实现自研 AI 加速卡规模部署，使推理成本降低 30%，训练成本降低 20%。
2. 模型层：打造行业专属大模型，强化垂直场景落地
- 政务大模型
：基于政务数据（非敏感部分）训练生成式 AI 模型，实现政策解读、工单自动处理等功能。例如，参考 Azure 的 Agent Service，开发 “政务智能体”，自动响应企业资质审核、社保查询等高频需求。 - 工业大模型
：与制造企业合作，构建设备预测性维护、工艺优化等模型。借鉴 AWS 的 IoT TwinMaker，打造 “工业数字孪生平台”，结合运营商 5G 网络优势，提供端到端解决方案。
3. 应用层：深化 “云网安智” 一体化，培育杀手级应用
- 云网融合
：推出 “5G + 边缘云 + AI” 套餐，针对智慧城市、车联网等场景，提供 “低时延通信 + 实时数据处理 + 智能决策” 的闭环服务。例如，在交通领域，通过边缘云部署 AI 视觉算法，实时分析路口车流，动态调整信号灯配时。 - 安全增值
：借鉴 Google Cloud 收购 Wiz 的策略，加强云安全能力建设。推出 “零信任安全云”，整合运营商的通信认证能力与第三方安全厂商技术，为金融、医疗客户提供合规安全服务。
（二）市场突破：高端市场攻坚与全球化布局
1. 高端行业渗透：从 “资源提供商” 到 “价值共创者”
- 金融行业
：针对银行风控、保险理赔等场景，联合 ISV 推出 “AI + 区块链” 解决方案。例如，基于运营商的通信大数据，开发反欺诈模型，帮助银行降低信贷风险。 - 医疗行业
：与医院合作建设 “医疗影像 AI 诊断平台”，利用运营商的云存储和网络能力，实现影像数据快速传输与 AI 分析，缩短诊断时间。参考微软 Dragon Copilot 的模式，开发 “智能电子病历系统”，通过语音识别自动生成病历。
2. 全球化拓展：借力 “一带一路”，构建区域化云服务网络
- 节点布局
：在东南亚、中东等 “一带一路” 重点区域，与当地电信运营商合资建设云数据中心，提供 “本地化合规 + 中资企业专属服务”。例如，在新加坡部署节点，服务出海电商企业，提供兼顾中国和东盟合规要求的云服务。 - 生态联盟
：加入国际云联盟（如 CSA），与海外云厂商、ISV 建立合作关系，构建跨区域的云服务生态。例如，与 AWS 合作推出 “中企出海双云方案”，客户可根据业务需求灵活切换国内外云资源。
（三）组织与财务：优化投资结构与激励机制
1. 资本支出重定向：加大 AI 与全球化投入
- 2025-2027 年 CAPEX 规划
：将云业务资本支出占比从当前约 30% 提升至 40%-50%，其中 AI 基础设施（芯片、算力中心）占比不低于 30%，海外节点建设占比 20%。 - 折旧策略优化
：参考 AWS 的折旧周期（3-5 年），合理延长 AI 硬件折旧年限，缓解短期利润压力。同时，通过 REITs 等金融工具盘活 IDC 资产，释放现金流用于新技术投资。
2. 激励机制创新：激活技术与市场团队
- 技术岗位股权激励
：对 AI 算法、芯片设计等核心技术人员实施股权激励，绑定长期发展。参考谷歌的 “创始人奖”，设立 “云创新基金”，奖励突破性技术成果。 - 行业团队提成改革
：对金融、医疗等高端行业团队，实行 “项目毛利提成 + 长期客户分红” 机制，引导从低价竞争转向价值创造。例如，某行业解决方案毛利超 15% 部分，可提取 5% 作为团队奖金。
四、前景展望：在差异化赛道上实现跨越
面对国际云厂商的技术领先与生态优势，国内运营商云不必照搬路径，而应立足自身禀赋，在三大差异化赛道上建立优势：
- 政策敏感型市场
：深耕政务、国企、军工等领域，依托合规优势和本地化服务，打造 “安全可信云” 标杆。例如，承建省级政务云大脑，整合 AI 审批、区块链存证等功能，成为数字政府核心底座。 - 通信协同型场景
：强化 “云网一体” 能力，在 5G + 工业互联网、智慧家庭等领域构建壁垒。例如，为制造企业提供 “5G 专网 + 边缘云 + 视觉 AI” 解决方案，帮助其实现生产线智能化改造。 - 区域化服务网络
：以 “一带一路” 为切入点，构建 “中资企业出海首选云”。通过 “本地节点 + 中资运营团队 + 合规保障” 模式，解决中企在海外的数据安全与业务连续性问题。
未来三年，国内运营商云若能在技术自研、高端市场、全球化三方面取得突破，有望从 “跟随者” 升级为 “全球云市场重要参与者”。正如国际三大云巨头通过 AI 实现增长质变，运营商云的破局关键在于 —— 将通信基因与 AI 技术深度融合，在云服务的 “中国特色” 赛道上跑出加速度。
为更好的帮助运营商洞察市场、了解行业、分析对手、对标头部，让一线快速锁定客户、发掘商机、对客户需求做出迅速反应，数说123提供标讯数据定制和商机捕获、市场洞察服务；并研发“政企天机大数据”平台对全国公开市场全量政企信息化项目按照24个字段、7类标签、5类数据进行抽取、4类关键词库进行清洗、透视分析。同时建有涵盖政策文件库、解决方案库、采购单位图谱、中标单位图谱、行业图谱、产品图谱的运营商政企业务大模型。
长按扫码关注
合作请联系：18603187258