2023年中国科技与IT十大趋势
(c)2023.3 iResearch Inc. “多云混合”向“一云多态”进化
分布式云加速发展，云能力从“中心辐射”到“传递下发”
“多云混合”为企业当前用云常态，但各类云部署模式间资源调度、协同管理、能力共享等均存在挑战，导致“多云混合”
容易呈现“多云孤岛”状态。以“东数西算”工程为代表的云基础设施升级和以“分布式云”为代表的云基础架构升级将
有效解决上述问题。通过统一基础架构，并借助系统化的云网边端设施，降低云能力从中心到边缘的“衰退”，驱动云能
力的“无损”下发，实现体系化、融合化的云服务。一云多态将更好地满足传统行业复杂场景、边缘场景的业务需求，加
速云计算向传统行业渗透。预计2025年，传统行业将成为云市场主导，金融、工业、汽车等细分行业将持续扩大云支出。
中心公有云2021年与2025年
一 广泛 以公有云为“起点”系统搭建云网边端
云 赋能 设施，实现公有云能力完整下发至边缘 中国主要行业云市场结构
多
15.5% 11%
态 区域云
优 能力 云间资源调度，能力分配更顺畅灵活， 5.3%
3.0%
势 融合 实现云数智互联互通，构建能力平台 4.5%6.0%
传5.0% 传 6.8%
统7.0% 统 5.1%
边缘云
架构 云基础架构适用于各类云部署模式，以 行8.0% 行11.0%
一致 统一架构提升管理效率及协同能力 业11.0%业
实15.6%
升级 践17.0%
18.9%
多
公有云
云 云云独立 能力参差 29%
混专有云20%
合
终端痛 传统多云混合状态
传统多云混合状态 下，云的技术能力
点下，各类云部署相 2021 2025e
受云部署模式影响
对独立，云云之间
私有云 大，非公有云更多泛互联网政务 金融
资源难调度，数据 外在是“云状态”
难互通，能力难共
边缘云 内部却难以实现完工业 教育 零售
享，管理难协同
整的“云能力” 医疗 汽车 其他
注释：1、一云多态各层级中，在边缘位置支持私有、专有、混合等多种云部署形态；2、在多云混合中，实线表示云与终端连接紧密，虚线表示云与云间链接较弱；3、图表中，红
框范围代表传统行业，云市场包括公有云、私有云、混合云、专有云。
来源：艾瑞咨询研究院自主研究及绘制。
(c)2023.3 iResearch Inc.iresearch 21
云基础从软件优先到软硬兼施
为进一步释放数智平台能力，云厂商需提升基础硬件资源质量
在数字时代，软硬件产品“交替迭代、互为支撑”的循环上升特征广泛适用云服务、人工智能、物联网等数字行业。以云
服务为例：云计算在平台软件及应用软件领域已通过云原生理念和工具逐步实现优化，但为更好地支持数字化的深入发展，
底层硬件亦需要加速变革以更好地释放软件能力，支持业务创新。算存网资源作为加速数字化进程的关键“燃料”，通过
将软件能力卸载到硬件产品（采用Chiplet等芯片架构设计、利用RDMA实现网络加速、结合NVMe实现存储加速等）不
仅将降低硬件虚拟化损耗，还能有效减少业务进程中算存网资源调度的内耗，进而提升资源利用率，让云资源更好的服务
于核心业务。同时，底层硬件逐步完成升级替换，将进一步驱动上层大数据及人工智能平台更好地支持业务创新。
软硬件相辅相成，更好实现能力融合
升级需求 数智平台
SaaS 云基础硬件升级将有效优化算存网资源质量，
数字化进程深入，带动数智互为支撑
紧密融合。传统业务场景使云底座更容易释放云能力，让优质资源更好
（如生产制造）和新兴业务交替迭代 地服务数智平台软件，形成完善的“软硬一体”
场景（如车联网）对数据处 大数据平台云基础底座 架构，激发数智平台能力以支持业务创新。
理、分析、机器学习、深度
学习等技术能力要求不断提 PaaS
升，要求数字底座提供更优 人工智能平台
软硬 质基础资源支撑其能力实现升级效果
能力
暂未 现存挑战
充分
IaaS计算 存储 网络 升 宏观
融合 1、云计算应用规模持续扩 微观
大，依托虚拟化技术降低资 级
源消耗，释放更多资源的效 方 底层硬件设施搭建“专精 通过“硬件加速”平衡算存
率有限 向 化”，硬件设备需要更好地网能力。让算力聚焦核心业
2、云边端协同性加强，跨 考虑云化特征与操作系统特务。将算力芯片与存储设备、
虚拟化
集群，跨地域的高效管理， 点，厂商需要更多自研产品， 网络设备更好地适配。在网
对网络时延，存取效率要求
提升 从底层硬件研发、设计、组络领域，更好地结合RDMA
3、大规模中心节点，资源 合等更匹配云的特性，不仅能力实现网络加速。在存储
网络
内部交换频繁，算力资源被基础 算力 存储 实现底层应用的云原生，也领域则更好地实现存算分离，
通信
迫用于处理管理、调度等任硬件 需要底层硬件与操作系统更结合NVMe能力实现存储加
务，难以聚焦核心业务 芯片 设备
设备 好地“为云而生” 速
来源：艾瑞咨询研究院自主研究及绘制。
(c)2023.3 iResearch Inc.iresearch 3 更多云产品将以Serverless形式交付
All-on-Serverless理念进一步向AI、中间件等模块渗透
在过去几年，函数即服务（FaaS）成为Serverless事实上的核心产品形式，同时数据库、大数据等基础软件或能力平台也
已被云厂商列入自身Serverless产品矩阵中。而随着客户对自动化能力的更高追求，Serverless理念进一步向容器、中间
件、文件系统、人工智能、云视频、云通信等诸多模块渗透，与FaaS一起打包成为端到端的云软件开发套装，形成了
“All-on-Serverless”的云产品迭代浪潮。未来，企业几乎所有业务都可基于Serverless架构，免去客户部署、维护和管
理应用，按需触发执行、扩缩容和付费，使客户进一步聚焦核心业务，敏捷搭建业务模块，无限逼近于零运维成本及零资
源浪费。
Serverless在云原生中的全渗透
O Serverless渗透基础云服务架构进程图 O All-on-Serverless方案优势
高
云原生3.0： 01
初 聚焦核心业务
All on
开发工具及能力平台深 级 Serverless免除系统及软件的底层架构设计
Serverless 度
渗
云视频与 与搭建，企业集中构建核心业务模块，开发
透
大数据 人工智能 高
云通信 广度 人员不必费力深入底层技术及开发环境。
基础软件高
中02
深 运维成本趋零
Serverless数据库级
度 IT
持续渗透渗 企业无需关心资源占用或数据传输等运维
透
容器 中间件 高 问题，免去几乎所有运维操作，运维相关时
广度
间及人力成本趋近于零。
高
文件系统 FaaS
高
深 级03实现业务敏捷
云原生2.0基础资源 度
渗
基于Serverless的软件开发交付速度显著提
计算存储网络 透
高
广度 升，企业有能力快速进行软件迭代，实现业
√ 横坐标轴（广度）：提供此种产品/服务的厂商数量；√ 纵坐标轴（深度）：此种产品/服务成熟度务敏捷。
来源：艾瑞咨询研究院自主研究及绘制。
(c)2023.3 iResearch Inc. iresearch 4 预训练大模型作为AI基础设施加速应用
提速AI工业化进程，为AI开发效率加杠杆，倍数释放生产力
依托智能算力基建化、海量数据积累与治理、深度学习算法突破等，作为一种新兴的AI计算范式，超大规模智能模型（又
称预训练大模型）的泛化性和通用性不断提升，可应用到更广阔的下游任务及场景中解决AI应用的长尾问题；并且能够实
现AI模型研发-部署-应用的流程标准化提升，提升AI应用研发效率。AI的认知与应用是没有边界的，仅靠极少量的AI科学
家和AI技术企业无法推动整个物理世界和数字世界的智能化。预训练大模型的加速应用有望解决“为AI开发效率加杠杆，
倍数释放AI生产力”这一产学研界关注的核心问题。2022年，语言大模型与产业应用的衔接也日渐紧密，行业领军企业
积极推出适合具体业务场景的行业大模型。通过提供算力、核心算子库和软件平台一体服务，帮助企业将基础模型能力与
生产流程融合，与头部客户合作推广落地案例。未来，预训练大模型作为面向AI模型生产的基础设施将加速应用；而巩固
智能算力基建、提高模型与业务场景目标适配度、基于调用成本明确投入产出的平衡点等是其规模商用的优化方向。
预训练大模型的基建意义：助推AI模型效率化生产
多行业
巨头企业：行业/场景大模型开发+全栈式工具封装
多垂直领域
工业化流水线部署
多功能场景 o 通用数据训练下的大模型，引入行业实际业务积累的
样本数据和特有知识，设计行业领域特色算法任务，
提升大模型对行业应用的适配性；
场景化 个性化 定制化o 优化开发工具以降低使用门槛，培育开发者生态
下游任务的知识迁移调试 腰部/初创厂商：基于API进行二次开发或提供模型调优服务
快速抽取生成小模型
o 非头部梯队厂商很难支撑大模型训练成本，或可基于
面向模型生产的基础设施定位逐渐清晰
预训练大模型开放的API接口，完成效率化的AI模型生产；
o 可能出现一批初创企业，负责承担大模型调优工作，
服务于应用开发或解决方案厂商
来源：专家访谈，公开信息，艾瑞咨询研究院自主研究绘制。
(c)2023.3 iResearch Inc. iresearch 5