2024中国企业多云战略白皮书：驾驭AI浪潮，释放下一朵云潜能

第一章 ：三大变量驱动，企业云战略向“创造业务价值”方向演进 

新技术、新环境、新业务，催生企业高质量发展新需求 

当前，以人工智能为代表的数字经济新技术、新产业、新模式，正在持续推动各 行业的高质量发展进程。人工智能、数据要素、算力和网络基础设施等具备极强 的行业普适性，一系列的数字化、智能化升级几乎可以给所有行业带来降本、提 质、增效的显著效应；更重要的是，人工智能应用进一步加速了数字产业化的进 程，产生了许多新的产业形态和就业岗位，从而帮助各地方构建出可持续发展的 数字经济产业链。

随着数字化进程的日益加快，企业管理者洞察到企业的发展正被一系列崭新的驱 动力所推动，这些动力源来自于三个方面的深刻变革：即新技术的进步、新环境 的重塑以及新业务模式的全面落地实践。

从“获取资源”到“创造价值”，企业云战略与业务目标协同演进

企业应努力构建与业务协同发展、适度超前的IT架构。作为当前企业IT架构的基 础设施建设核心，中国企业上云的进程已经持续了多年，很多企业已经将云的演 进和发展上升为企业战略的重要组成部分，与组织、财务、生产、运营、安全等 领域的建设形成紧密协同的态势。 从某种意义上说，企业的云演进路线对于其发展至关重要，以云为核心的IT基础 设施规划与业务发展规划密切相关，在业务发展的每一个阶段都应起到核心推动 作用。

在经历初创期的IT系统快速交付后，企业需要不断思考IT系统的灵活扩展、整合 优化以及面向未来的统筹规划问题。大多数企业在业务与数字化的协同发展中， 都普遍经历了以下典型阶段： 初步探索期：业务发展伊始，企业往往采用试点验证的思路，小幅投入IT资 源，进行局部尝试和验证。一些初创企业或新业务往往会选择成本相对较低 的公有云基础设施服务和SaaS服务，以满足当期发展实际需求作为IT投入和 环境搭建的根本原则。 快速增长期：业务进入快速增长阶段时，企业会以业务为中心敏捷扩展IT系 统规模和软件功能、以支持高并发场景，并考虑到长期发展，调整和优化IT 环境架构。伴随业务竞争的逐步加剧，企业开始重视大数据对于业务发展的 赋能作用，加大诸如大数据等方面的投入。伴随业务条线不断增加，IT系统 的复杂度也会持续加大，新老系统开始出现技术跨代现象，IT运维和运营难 度激增。 巩固期和新一轮探索期：当业务步入稳定期，企业在着手加固现有业务根基 的同时，会积极挖掘新机会，以期进入新一轮增长。在此阶段，企业往往会 利用中台建设等方式进行资源整合，以迁移、重构等方式更新已有系统，期 望通过对IT系统的升级带动企业上下的降本增效，并持续提升企业智能化水 平和创新能力，驱动企业迈入新的创新发展阶段。

业务和IT层面的需求极大地塑造了企业的云战略。企业的业务发展目标和IT系统 建设需求正在发生更密切的交互碰撞。随着企业发展的持续进阶，越来越多的企 业都在寻求一种更加灵活多样的云策略和最优组合。为实现新的发展目标、应对 新的业务发展挑战，企业需要不断依托先进的、面向未来的云能力。

因此，企业有必要深入思考上云需求的变化，这些变化可能源自于新业务的拓 展、已有云服务缺陷的改进以及新的云技术、人工智能技术发展需求等；这些因 素将促使企业寻求更加灵活多样的云服务和IT系统组合。事实上，很多企业已经 采用多云战略或正在思考规划下一朵云的必要性，通过新的云基础设施和云服 务，实现多云统筹下的成本优化、技术能力提升和IT可靠性增强，从而在竞争激 烈的市场环境中构建出新的适应力和竞争力。

第二章 ：多云发展战略，持续扩展企业未来高质量增长空间 

多云战略落地的应用场景 

针对企业云环境建设和使用经验的研究发现，企业在面对新的发展要求时，通常 会深入分析各类平台的扩容和技术路线，根据自身需求选择引入新的云环境，并 利用多云协同支撑未来的业务拓展需求，在此过程中积累了诸多具有代表性的多 云应用场景： 场景一：构建冗余环境。利用异构云环境提供容灾备份服务，其区别于传统 的同构备份或两地三中心模式，更多是企业综合考虑诸多因素后，采用异构 云所设计的备份方案。企业可在多个云环境中部署关键业务系统，实现多活 容灾架构，或在不同云之间定期备份数据，增强系统的容错能力和灾难恢复 速度。例如，一些制造业企业基于合规要求，将数据在私有云上进行备份。 异构云备份对于故障隔离与切换有很强的现实意义，当某个云平台发生问题 时，多云架构允许快速将流量切换到其他正常运行的云环境中，确保业务服 务不间断。例如，一些互联网游戏企业利用多云服务器实现资源冗余，在多 家云服务商之间基于不同优先级建立冗余机制。

场景二：按需构建最优业务架构。企业，尤其是数字化原生企业，会将云服 务质量和成本等作为重要考量因素，通过在多个云服务商之间实现按需调配 的模式，在企业内沉淀一套资源优化策略，寻求动态最优的业务架构。例 如，企业通过新引入的云环境实现更快速灵活地创建和销毁资源，帮助企业 进行新项目试点、A/B测试或快速响应市场变化，提升业务敏捷性；此外，在 面对AI开发需求时，企业可根据自身对算力、算法、应用开发、数据安全、 时延保障等方面的要求，综合考量，采用公有智算资源、专属智算集群、自 建智算集群等方式，开展训练和推理业务，满足成本和规模化的考量。 场景三：构建企业创新能力。随着大模型带来的新的AGI场景的兴起，企业需 要引入更多的AI原生开发工具能力，构建“AI+”应用。同时，企业还对研 发、测试、交付过程的效率提出了更高的要求。因此，企业需要不断引入新 的云服务商，基于其在AI、机器学习、大数据分析等领域的显著能力优势和突出创新服务，例如大数据营销、AI工具链、AI创作等，加速推动新技术的 布局和新业务的增长。

场景四：满足数据合规要求。企业在拓展出海业务时，受数据合规和网络地 域等要求，会在不同地域选择具有影响力的本地云服务商。这些服务商可以 根据数据的敏感度和所在地法规要求，设计本地化的定制方案，确保数据合 规存储和处理。 场景五：多级组织建设需要。一些大型集团用户的不同子公司信息平台会出 于商务、成本、合作对象的考虑，独立选择云服务商，这导致企业集团范围 内会形成不同平台同时运行的复杂局面。子公司之间的数据互通要求往往不 高，但集团处于统筹管理的需要，会考虑构建多云统一管理的平台，并对数 据进行一体化管理。 场景六：满足其他特殊要求。一些企业出于行业特殊性或技术发展要求，会 对特殊软件、硬件存在需求，例如对高性能计算服务、视频编解码等，因此 会选择多家云服务商，以满足业务发展、技术提升或合规要求。此外，一些 企业在面对临时性的突发业务需求时，也会考虑单独采购新的云服务。

多云战略为企业带来显著实践价值

总体上看，合理规划的多云战略能够帮助企业解决发展过程中一系列业务问题和 IT问题，并带来更多的创新选择。《2024年IDC中国企业多云战略调研》显示， 企业最认可的多云效益依次为：促进业务跨区域拓展并提升本地化服务能力，增 强企业韧性，优化成本效益，提高资源利用率和效率，完善技术能力建设以及弹 性支持业务发展。

企业在采用多云策略时发现，多云环境赋能企业跨越地理界限，强化企业面对变 局的适应力与恢复力，实现成本与效益的精细优化，以及资源使用的最大化与运 营效率的跃升；同时，多云环境通过促进技术体系的健全与升级，为企业的技术 创新之路铺设坚实基石，其提供的灵活性与扩展性极大增强了对业务动态变化的 支持，确保企业能够在瞬息万变的市场中敏捷前行。这一系列价值凸显了多云策 略作为驱动企业数字化转型与持续增长核心引擎的关键作用： 多云战略成为企业推进全球化部署的催化剂与本地化服务的赋能引擎：在竞 争激烈的商业环境中，多云策略为企业提供了至关重要的全球化竞争优势。 尤其对于那些致力于提供全球化服务的企业来说，多云环境不仅是一种必要 的选择，更是提升其全球部署效能的关键途径。它帮助企业跨越地理边界， 根据各地不同的市场需求和法规要求，灵活选择并整合最适合的云服务资 源，实现快速而高效的分布式部署。同时，多云架构保障了企业在各重点区 域提供贴近本地需求、高效率且具有高价值的定制化服务，真正意义上实现 了全球化与本地化的深度融合，有力地支撑了企业的全球化战略实施与业务 拓展。

多云环境保障系统可靠性和服务水平，提高企业韧性：具备一定发展规模并 对业务连续性有较高要求的企业，可以通过多云环境的布局，获得更具实践 价值的业务安全收益。例如，某游戏企业会选择接入多个主流云厂商的云服 务，并排定优先级；同一款游戏在高优先级云服务出现故障的情况下，会快 速切换至另一家云厂商的虚拟机服务中，从而保证业务不受单一云服务故障 的影响产生中断。 多云环境下提高资源利用率，促进成本效益最大化，增加企业运营智慧：一 些对运营质量、成本高度敏感的企业，可以在多云环境之间追求极致的综合 使用效率，从而在运营优化的过程中不断获得新的增量收益。例如某流媒体 服务企业，接入多家云服务商的服务后，可根据价格、质量的变化情况，做 实时的动态调整。这些云服务商之间的数据目前尚无法交互，但其所承载的 同一类视频服务规模会由企业自研的多云管理平台进行动态管理。

多云环境加速云原生与AI等能力构建，助力企业构建跨平台灵活应用与智能 化升级：多云环境鼓励企业采用云原生技术和标准（如容器、Kubernetes、 微服务、API等），这些技术有助于构建松耦合、可移植的应用程序，便于未 来在不同平台上部署、扩展和调度。同时，多数企业在多年IaaS建设的基础 上，希望加速云原生和AI能力的应用，希望通过新的云厂商获得更多的PaaS 能力和AI开发能力。例如，当企业对行业大模型训练和AI原生应用有意进行 布局和实践时，会在后续的云环境建设中，侧重考察云服务商基于智能算力 的AI开发、AI应用能力。 多云战略促进数据技术能力发展，实现灵活数据治理，改善决策与管控能 力：在数据需求持续多样化的今天，企业出于不同的管理域、安全域要求， 将考虑采用更灵活的治理、分析和应用模式，包括区块链技术支撑下的数据 流通，以及数据不出域前提下的联邦学习、隐私计算等。这些更大范围的协 作模式也会带来对不同云环境、大数据环境的新需求。一些云服务商提供的 跨云工具和服务，或者第三方多云管理平台，可以满足不同云环境间的数据 同步、应用集成和统一管理需求，简化多云环境下的运维复杂性。

多云环境赋能企业增强业务敏捷性和可扩展性，构筑弹性技术服务架构：有 效的多云环境会进一步加速企业面向业务的敏捷能力，支撑多元业务下的复 杂业务架构，并帮助企业在与多个云厂商的合作中时刻保持主动。这对于一 些大型集团型企业和即将开拓多元市场的企业具有更强的吸引力，因为这些 企业可以通过多云建设实现对云资源的优化重组，建立面向未来的、更具弹 性的IT服务能力。在此过程中，除普遍意义上的中心化云服务之外，一些边 缘云、驻地云、行业云等，也会纳入企业的选择视野。 多云战略将持续作为企业重要的发展途径，以不断拓展企业未来高质量增长空 间。

第三章 ：智能时代，企业多云战略面临的挑战 

多云是企业开展智能化升级的重要策略 

生成式AI和大模型等先进技术的发展正在加速推动我们迈向智能化时代，在这段 进程中，对于企业而言，多云战略将依旧起到重要的支撑作用，成为驱动企业发 展的重要力量。IDC调研结果显示，超过三分之一的全球企业将多云战略视为支 撑人工智能技术和数字化业务的首要选择，另有超过五分之一的被访企业会考虑 采用跨云混合战略，满足人工智能业务对基础设施的体系化能力要求。随着大模 型和人工智能应用在中国的快速繁荣发展，中国企业也会进一步加速对多云基础 设施的建设规划，力求在新一轮创新竞争中占得先机。

企业将多云战略作为推进智能化发展的重要选择，主要原因在于： 随着智能化技术的应用日益广泛，企业需要处理的数据量急剧增加，且数据 类型和来源也变得更为多元。多云架构允许企业根据数据特性和处理需求选 择最合适的计算、存储和治理方案。AI模型的训练与推理任务对计算资源的需求差异显著，多云环境为企业提供 了依据具体应用场景灵活调整算力的能力，有助于实现性能表现与成本控制 之间的最佳化。 不同的云服务提供商可以提供各具特色的AI工具和服务，实施多云策略则赋 予了企业根据自身业务需求，自由选取最适宜技术组合的机会。 使用多个云平台可以防止企业过度依赖单一的技术栈，从而能够在技术快速 迭代的时代保持灵活性。

IT复杂性攀升，安全、效率、创新、成本成为长期挑战

伴随多云部署成为现代企业的常态化选择，在企业持续发展智能化和数字化业务 的过程中，其IT环境的复杂度也将随之攀升。这种复杂性不仅体现在技术架构的 多样化上，还带来了诸如安全管理、运营效率、创新发展、成本控制等方面的挑 战。 挑战一：安全与风险管理挑战 新的云环境带来新的不确定因素，各云厂商的资源构成、服务架构、管理策 略都不尽相同，可能带来更大的漏洞和入侵风险。同时，由于不同云产品的 身份管理、权限管理、账号管理不统一，也给统一安全运营带来挑战，容易 造成多云之间的账号泄漏、权限滥用问题。更为关键的是，数据在多云之间 的流动难度加大，极容易造成服务过程中的数据泄漏问题，使数据资产的合规管理和治理变得更为困难。在应对上述风险的过程中，企业在过去所熟知 的运维知识需要更新，运营经验需要逐步积累。

挑战二：效率与运维复杂性挑战 多云间的管理和协同仍是当前企业面临的重要难题。有多个受访企业表示， 在多云之间传递数据和进行数据迁移时会遇到很多现实问题，厂商之间往往 缺少解决此类问题的动力和手段。在很多情况下，虽然管理层有引入多云的 意愿，但运维部门往往不愿推动迁移活动的执行，导致多云之间的数据迁移 工作经常会由中小型的第三方服务商来承担。 挑战三：创新能力的保持与发展挑战 企业在引入新的云环境时，往往会期望获得更先进的技术并以此产生更多的 新应用场景、新商业模式和新开发流程。但创新能力的构建并非单纯依赖技 术体系的升级，而是企业战略、目标、方法论和实践项目共同作用的结果。 因此，企业如果在认知不到位的情况下盲目投入，往往会使整体的投入产出 比下降，反而背离最初的期望目标。 挑战四：成本控制与优化挑战 企业多云环境最现实的挑战是在异构资源增加后的重组和优化问题，包括对 迁移、运维、运营复杂度的重新评估和对相关成本的重新计算。随着企业的 发展壮大，以云为代表的IT基础设施成本将变得越来越重要，成本失控会给 企业带来不可预计的严重后果。

重视六大核心能力，构建先进多云体系

为了在技术不断演进、市场与客户的需求持续拓展的时代，以更强的能力解决多 云带来的复杂性挑战，并持续发挥云的价值支持数字化业务不断加速创新，企业 需要依托先进的理念，构建先进的多云体系架构，借助新技术、新方法、新能力 的引入，有效应对当前的挑战，为未来的不确定性做好充分准备，在竞争中持续 保持主动。 IDC认为先进的多云体系应该是以AI能力为核心，兼顾安全、数据管理、协同作 业、成本控制及跨区域布局的综合性架构。这一架构不仅能够强化AI在业务中的 应用，推动智能化转型的深入发展，还确保了数据的安全性与合规性，促进跨部 门的协作效率，实现成本的优化管理，并支持全球化业务的扩展需求。

第四章： 在下一朵云上，解锁AI发展新动能 

获得先进技术能力是当前企业选择下一朵云的首要核心驱动力 

为了支撑先进多云体系的持续建设，企业在关注当前技术需求的同时，更应着眼 于未来的发展，特别是在人工智能技术全面融入各行业发展的大背景下，面对经 济、技术和市场的新发展需求，企业有必要将AI体系化能力作为核心考量，纳入 其多云发展策略中。 企业在现有云环境之外建设新的云基础设施，是在多云整体策略下，兼顾历史业 务发展需求，并解决智能化时代新问题的一类理想选择。为此，很多企业会考虑 引入新的合作对象，除尝试解决单云环境存在的固有问题外，更期望在面对创新 业务所催生的新需求时，通过技术栈的革新和IT架构的迭代，获得新的发展动 力。

在智能化技术加速发展的时代背景下，如何建设“下一朵云”，是企业面向未来 发展的一道重要实践课题。部署一朵新的云，既可能给企业带来新的机会，也会 因IT复杂性攀升带来新的问题。企业有必要在明确发展目标的前提下，全面认知 多云战略带来的机遇和挑战，并提前做好对多云环境的准备和布局，审慎选择适 合自身的“下一朵云”。在这个过程中，人工智能将成为一项重要的战略选择， 伴随“下一朵云”的整合，成为企业多云架构中的关键组成部分。

围绕AI构建多云能力的三大步骤

多云策略不仅是一个技术决策，更是企业优化资源配置、增强业务韧性的关键路 径。企业在规划多云架构时，应优先以应用需求为导向，确保所选技术和策略能 够直接支持业务目标，包括但不限于应用的智能化融合、数据的高效合规处理、 成本效益的优化以及提升复杂环境下的应对能力等。企业以应用需求为导向的建 设模式，能够确保多云技术和策略能够精准对接业务目标，避免盲目投资或过度 建设。 面对通用人工智能的迅猛发展势头，企业应当充分考量云服务商所能提供的各类 先进模型和服务，全面提升业务价值。这意味着企业不仅要做好云技术层面的集 成与优化，更要关注如何通过云和AI的融合，驱动业务创新，实现资源的高效调 度与利用，加速推出新产品和新服务，为企业创造增量收入。 因此，企业有必要通过明确ROI（投资回报率）目标来充分衡量多云策略的成熟 度，即建立全面的成本效益分析框架，不仅考虑云服务的建设和运营费用，还要综合评估实施多云策略带来的长期收益，包括但不限于加速创新、提升效率、降 低风险等，通过对云资源架构的持续优化，确保每项投入都能获得可预期的回 报。 以企业应用需求为导向，综合考虑技术、战略、业务等多方面的复杂挑战，确保 所选技术和策略能够直接支持业务目标，同时结合模型优势，聚焦业务价值提 升，并严格把控投资回报，是企业在多云时代实现可持续发展的关键。

市场对大模型训练的火热投入为AI应用的持续繁荣奠定了坚实基础，随着基础大 模型、行业大模型的逐步成熟，规模化应用落地训练成果将成为趋势，推理任务 的工作量将快速增长，这将对数据传输、计算资源访问的性能等维度提出新的要 求。

在落地人工智能的过程中，尤其是在推理任务中，将应用程序部署在更靠近大模 型的位置将成为一种趋势，这样可有利于保障保数据处理和决策响应的实时性， 减少延迟并优化资源利用，改善整体性能。具体优势如下： 性能优化：当应用程序与模型靠近部署时，数据在网络中的传输距离和时间 都大幅减少，响应速度可以得到更好地保障，特别是对那些需要实时响应的 应用场景（如自动驾驶、金融交易等），数据处理的及时性至关重要，靠近 模型的应用可以更快地做出决策，可提升智能化应用的用户体验。 资源利用效率提升：将计算任务放置在数据存储位置附近，甚至将应用与模 型部署在同一地理位置或同一云区域内，可使计算资源直接访问和处理数 据，无需经过复杂的网络路由，避免了远程调用带来的额外开销，显著提升 资源利用效率，同时也更容易实现负载均衡，确保资源得到均匀分配； 数据一致性：性能与效率的提升也有利于确保数据在处理时的一致性，避免 因网络延迟或中断导致的数据不一致问题； 安全与合规性：靠近模型的应用减少了数据暴露在网络中的机会，增强了安 全性。某些行业或地区对数据存储和处理有严格的规定，靠近模型的应用也 更容易满足法规要求； 可扩展性与灵活性：当应用与模型紧密集成时，可以根据需要扩展计算资 源，减少对网络瓶颈的担心，同时，企业也可以灵活调整应用与模型之间的 关系，按照业务需求动态调整部署位置； 成本效益：对网络、计算资源的优化，将有助于企业实现降本增效的目标， 实现企业成本效率的改善。

总体来看，让AI应用离模型更近，可以综合提升系统性能、减少延迟、优化资源 利用，并增强系统整体安全性与合规性，这些优势对构建高效、可靠的应用至关 重要。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）