0
今年上半年，外界看华为云在AI上的战略，常常会有一种模糊感。
过去 6 个月，云厂商的 AI 叙事变得越来越具体：阿里云、火山引擎都在讲模型调用量，讲 MaaS 收入，腾讯云目前在讲爆款应用。相比之下，华为云在 AI 时代究竟要把自己的核心位置放在哪里，外界此前并不总是看得很清楚。
这一次华为云 INSPIRE 创想者大会给了一个很好的观察窗口。
从这次大会来看，华为云正在把自己的位置讲得更清楚：向下，它要做智能体时代的“硅基黑土地”；向上，它要从医疗、具身智能、制造、科研这些行业场景里，寻找 AI 商业化的出口。
在这次活动媒体群访中，雷峰网抛给了华为云 CEO 一个很直接的问题：今年上半年，阿里云和火山引擎都在冲 MaaS 收入，华为云怎么看 MaaS 收入？ 以及今年有没有具体收入目标？
这个问题其实很关键。
过去通算时代，云厂商主要看基础设施收入：CPU 核数、存储、带宽、资源消耗。到了智算时代，行业开始进入 Token 经济，MAAS 收入、模型调用量、Token 消耗量，正在变成衡量 AI 云的新指标。
但周跃峰给的回答也很直接，他表示，华为云并不否认 Token 经济，但不能简单用“多少万亿 Token”“多少模型调用”来衡量 AI 的价值。一个人在手机上闲聊，也会产生 Token，但这些 Token 到底创造了多少商业价值和生产力价值，很难说清楚。华为云更愿意看的，是这些 Token 有没有真正进入 toB 场景，能不能提升行业生产力。比如在金融场景里，不只是看模型被调用了多少次，而是要看它防范了多少金融风险、提升了多少信贷效率。
这也意味着，华为云对 AI 云价值的理解，并不止于模型服务本身。
如果 Token 的价值最终要在产业场景中被验证，那么云厂商要竞争的，就不只是模型 API 的调用量，而是能不能提供一套足够稳定、高效、安全的 AI 基础设施，让企业把模型、数据、算力和业务流程真正连接起来。
这就是周跃峰在本次会上反复提到的“硅基黑土地”。
据雷峰网(公众号：雷峰网)了解，在本次创想者大会上，华为云发布了 AICS 灵衢智算集群、AMS Agentic 记忆存储解决方案、CCE VolcanoNext 通智一体化调度、AgentSphere Agent 运行环境四大新品，并提出 Agentic Infra 新范式，即“高效 Token 工厂、持续学习、通智一体化调度、安全自治”。
这些产品如果单独看，容易变成一串技术名词。但放在一起看，它们其实服务于同一个方向：华为云要把智能体运行所需要的算力、存储、调度、安全和运行环境做成一整套底座。
AICS 对应的是更高效的 Token 生产；AMS 解决的是智能体长期任务中的记忆问题；VolcanoNext 解决通算和智算统一调度；AgentSphere 则指向智能体规模化运行时的安全和自治。
这背后是华为云更想强调的能力：软硬芯协同。
也就是说，华为云并不是只想卖模型 API，也不是只想卖算力资源，而是试图把国产算力、云基础设施、模型服务、智能体平台和运行环境组合起来，成为智能体时代的基础设施提供者。
这也是它和互联网云厂商最不一样的地方。
互联网云厂商更容易从应用、流量和开发者入口往下打；华为云则更习惯从算力、云、行业客户和软硬件系统往上做。它的 AI 叙事天然更重，也更偏基础设施。
所以，从创想者大会看，华为云给自己的第一个定位是：不只做 MAAS 生意，而是做智能体时代的“黑土地”。
如果说第一层是定位，第二层就是商业化。
华为云到底要从哪里把 AI 生意做出来？
这次群访里，周跃峰反复提到几个方向：医疗、具身智能、科研计算、智能制造。这些并不是随便举的案例，而是华为云更擅长的市场。
它们有几个共同点：重行业理解、重交付、重安全、重本地化部署，也重软硬件协同。它们不像 C 端应用那样容易靠流量爆发，但一旦做进去，壁垒也更深。
医疗是一个典型例子。
周跃峰在群访里提到，中国病理医生数量有限，很多中小医院、偏远地区医院缺乏高水平病理诊断能力。华为云智慧医疗专区的逻辑，是让县域医院、市级医院通过云接入更高水平的医疗能力。例如通过和瑞金医院共同开发的病理大模型，把专家经验沉淀下来，让偏远医院也能远程获得诊断支持。
这不是一个简单的 AI 应用故事，而是一个云服务、行业模型、医疗资源和区域医院连接起来的故事。
具身智能也是类似逻辑。
很多具身智能创业公司规模并不大，如果让它们自己建设 IT 系统、算力系统、数据准备、模型训练、仿真和部署工具链，成本会非常高。华为云这次讲 Cloud Robo，全流程开发平台，就是希望把数据、模型、仿真、算力、案例放到公共云专区里，让中小企业以更低成本接入。
智能制造同样如此。
周跃峰提到，行业 AI 梦工厂的智能制造专区里，不只是有平台，还有电路元器件、线路板自动生成、外形设计、材料仿真等智能体能力。很多制造业企业没有完整的 AI 技术团队，也不可能从零开始搭建所有能力。如果云上已经沉淀了一批行业智能体和原子能力，它们就可以更快地构建自己的 AI 应用。
这其实是华为云商业化路径的核心：不是先做一个超级应用，再用流量带动云收入；而是先把行业里的共性能力沉淀到云上，再通过专区、平台和伙伴生态，把能力复制出去。
这条路慢，但符合华为云的能力结构。
过去华为长期服务政企、金融、制造、医疗、能源等行业客户，它对这些行业的销售、交付、安全、合规、本地化部署，有更深的积累。AI 时代，这些积累没有消失，而是变成了华为云切入行业 AI 的基础。
所以，华为云的 AI 商业化，不太可能从 C 端流量和爆款应用开始，而更可能从它熟悉的行业客户开始。
它要证明的不是“我能产生多少 Token”，而是“我能不能让一个医院提升诊断效率，让一个具身智能公司降低研发成本，让一个制造企业更快做出自己的智能体”。
这也是周跃峰为什么反复讲“生产力”。
这个词听起来很宏大，但放在华为云的语境里，其实对应的是很具体的商业化路径：AI 必须进入产业现场，变成行业客户愿意付费的效率提升、安全保障和业务能力。
当然，定位变清晰只是第一步。对华为云来说，接下来更关键的是，这套以智能体基础设施和行业场景为核心的路径，能否持续转化为真实的客户采用和商业增长。AI 云的竞争还在快速变化，华为云已经给出了自己的答案，但这个答案还需要市场继续验证。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
