​回看十五年，传统企业上云潮

回看十五年，传统企业上云潮

图片来源：unsplash

在以阿里云、米哈游等为代表的 " 第一个吃螃蟹 " 的一批先行企业验证了技术可行性和市场潜力后，中国云计算市场走过了开荒期，随后迎来了更漫长的攻坚期。

这一阶段新技术与传统思维及业务需求博弈、打造试验田的过程更为艰辛。一方面，传统企业对云计算的态度是一个观望 - 试错 - 焦虑 - 拥抱的螺旋式发展过程。另一方面，有能力、有需求上云的传统企业往往有更复杂的需求，在云计算极致弹性和规模优势之上，还要传统基础设施下无法实现的敏捷的数据治理能力，这是传统企业数字化转型的痛点，也是业务进一步增长的关键，对云计算技术能力突破也提出了新的要求。

在如今回看，这一阶段正是云计算的第二次浪潮——推动传统企业深入数字化转型的阶段，也是特点最鲜明、社会影响最普及的一个阶段。从 2013 年前后到 2022 年这近十年间，大型零售业和制造业陆续上云、云厂商进入技术成熟期、外资大厂入华参与竞争、国内外千亿营收规模的云平台诞生、行业 Know-How 倒逼云厂商做垂直深耕……这些商业基础框架的形成都发生在这一阶段。

这十年间，算力与大数据这对 " 双簧 " 始终在这一时期唱主角。技术产品层面，大厂之间比拼算力规模、系统稳定性、云安全、大数据分析与治理、行业解决方案等多维度；业务层面，国内外云厂商一度要像咨询公司那样，以一个项目制团队的组织形式去专门服务一家大型传统企业，以树立行业标杆，摸索出具有行业普适性的标准化交付产品。

此时的中国云计算市场风起云涌，计算厂商从布道者、到执行者、再到建设者、成为值得信赖的伙伴……面临着一系列角色转变的挑战，谁能持续不断技术创新与行业共创、号准中国本土企业数字化转型的脉络，谁就能真正稳站时代鳌头。

焦虑与期待

传统企业上云，是从自身意识到 " 大数据是一座宝藏 " 开始的。早期他们身上或多或少有一种数据焦虑感。

特别是离终端消费者最近的线下大型零售业态，面对电商当年突飞猛进的发展，他们希望了解每一位进店顾客的需求偏好，通过对大数据进行采集、清洗、分析，以支撑业务数字化转型。这一转变在全球范围内陆续发生，比如沃尔玛应对亚马逊挑战做线上订单配送，亚马逊试水 Just Walk Out 商店 Amazon Go，而国内市场则掀起一股势头更猛烈的新零售浪潮。

当年，面对日渐减少的线下客流，高鑫零售、永辉等企业引领商超行业做数字化转型，背后主要是仓配订单处理能力与 3 公里配送这两项基础设施做后盾；盒马、叮咚买菜等新生零售业态陆续诞生，背后玩的也是数据；优衣库等品牌借鉴前置仓模式，尝试就近门店快速发货给消费者，延伸门店服务半径，线上线下一盘货的提法在当时叫得响亮；汉堡王将前端的营销业务放在了云计算端。整个零售业有一个鲜明的共同诉求——离消费者再近一点，以了解他们的需求。数据井喷而至，上云风口已来。

从焦虑拿不到数据，到数据太多太杂乱、不知道怎么分析使用，以数字化转型中的零售业为代表，企业遇到了新的难题。传统商业中的 ERP 系统越来越难以满足他们对数据精细化、实时化处理的需求。相应的，那些早期靠卖 ERP 软件拷贝就能躺赢的大型软件商，也被迫掉转船头、向云计算架构和 SaaS 化转型。

在一个能被称之为潮流或浪潮的商业变革背后，基本上都有一个基础设施先行的现象。

2013 年，阿里云实现了一次重要的技术突破，可独立调度 5000 台服务器集群的飞天 5K 诞生；2018 年，阿里云公布飞天 2.0，可满足百亿级设备的计算需求，也是阿里云史上最大的一次技术升级。

在此期间，阿里云自研产品和技术体系也不断突破，包括 PolarDB、AnalyticDB、MaxCompute、Hologres、CIPU 等等。

这让更多技术飞跃有了基础。比如从容应对高并发任务的移动支付也在这一时期得以迅速发展，推动了零售业转型进程；而大规模算力集群的诞生，以及对超大规模数据分析的支持，解决了企业的数据焦虑问题，也让云计算开始渗透产业链上游的制造业成为可能。

图片来源：pixabay

在当年 " 去 IOE" 浪潮中，最难、最慢的一环就是 " 去 O"，即 Oracle 数据库。这不光涉及海量数据迁移背后的成本、安全、兼容性、控制权等考量，还因为纵观全球软件行业的发展，在公共云形成气候之前，大型软件企业早已牢牢占据数据库和操作系统市场，如微软、IBM、Oracle 和 SAP。

直到云原生数据库技术逐渐成熟，格局才被打破，几乎在同一时期，阿里云发布了 MaxCompute，AWS 上线 Redshift，Google 推出 Big Query。这些系统用于客户的批量数据处理与分析。它们解决了传统大数据平台组件繁多、运维复杂、耗费大量人力、在线业务和大数据业务因各自使用独立的资源池导致成本上升等难题。

AWS 推出的云原生数据库 Aurora，阿里云发布的云原生数据库 PolarDB 等，也都是这一阶段的产物。

PolarDB 的核心优势在于分布式架构和高速存储技术。利用分布式共享存储，带来的好处是存储和计算进行了分离、解耦，解耦以后可以在存储和计算分别进行弹性扩容，做到极致的弹性，对云上客户极具吸引力。因为，云上客户需求一个很关键的点就是按需按量使用，同时进行按需按量计费。

为顺应客户对在线实时数据分析的旺盛需求，云原生平台迭代升级，阿里云推出了以 MaxCompute 和 Hologres 为核心的离线 / 实时一体化云数仓架构，两者实现了在场景和技术上的互补。它用 1 套架构解决了 N 种分析场景的需求。过去需要运维 N 种组件、开发 N 套系统、对接 N 种接口、N 种安全策略，现在用 1 套系统就解决了。

更进一步，在 2020 年云栖大会上，阿里云在云原生数据领域演化出更高性能的 " 湖仓一体 " 架构。在架构图中，左边是以 MaxCompute、Hologres 为代表的自研云数据仓库，右边是阿里云 EMR 开源数据湖，中间通过开放格式兼容互通。它们的上层再以 DataWorks 统筹开发平台，统一湖仓开发与数据治理。数据湖查询性能显著提升，对非结构化数据的支持更加友好。

近期一个标志性事件是，汉堡王中国运营公司 TFI（TAB Food Investments）宣布将关闭线下数据中心，全部业务系统迁至阿里云。TFI 旗下科技公司特芮软的诉求也在于此。特芮软过去几年在微软 Azure 平台上混合部署，将前端的营销业务上云，后端的财务系统等放在线下 IDC。为支持新店拓展与营销创新，并解决过往运维上的低效问题，该公司舍弃了混合部署，全面托管于阿里云平台，建设云原生大数据平台，借助 MaxCompute、Hologres 和 DataWorks 深度整合，实现离线 / 实时一体化分析、存算分离，未来可实现 1600 家门店分钟级报表呈现。

与此同时，谨慎的制造业也慢慢成为云计算的大客户，并逐渐演变呈现 " 二八定律 " 格局，即 20% 的核心客户，贡献了云上 80% 的营收。因为规模庞大的制造企业不仅需要标准化的云产品，往往还要求定制化的配套方案，以满足数据安全需求和针对庞杂内部组织的适配。

以制造业龙头之一的海尔为例，它在 2018 年开启全面上云进程，围绕用户、客户、营销、服务、工程打造数字化的管理平台和运营体系，进行业务全流程数字化改造，使效率提升明显，并降低了投入成本。但这类大型企业在数字化转型中往往存在 " 数据不出企业 " 的特殊要求，对此，云厂商专门为其部署专属公共云节点，使用 100% 公共云原生的技术承载海尔数字化底座需求。与原线下集群相比，算力资源利用率提升到 99% 以上，IT 运维人员缩减 50%。

随着越来越多传统企业的标杆案例出现，大型制造、金融、航空、能源等数据敏感行业对自身数据的安全焦虑得以缓解，上云积极性明显提高，以往的观望心态转变成拥抱、敢追。云计算行业也逐步进入 " 深水区 "，上云从一个企业的 CIO、CTO 工程，变成了 CEO 工程。

阿里云也敏锐捕捉到这一变化，为此曾在 2021 年中完成一次重大组织架构调整，内部设立 18 个行业部门做垂直深耕，并划分成 16 个区域做项目推进。

与此同时，不约而同地，像埃森哲、毕马威、德勤这些咨询公司成为阿里云、亚马逊 AWS 这些国内外云厂商的座上宾，咨询服务的思维方式被引入云计算市场。因为在业内人士看来，行业解决方案是一个复杂的体系，如果事先没有一个好的咨询思维做整体规划，可能会在业务推进上顾此失彼，比如过于注重宣传，可能落地给客户的实际方案不扎实；但如果一头扎进项目研究里，不能完成商业转化，又会影响双方合作的信心。

不难看出，在数字化进程中，传统企业与云厂商在同步经历自我转变、并驾齐驱。

下一站：增长

技术的演进与客户实践总是齐头并进的。

云原生数据平台的创新提法在业内火热起来，也受到互联网文娱等以内容推荐分发为特点的行业青睐——坐拥庞大的用户与数据，但这也意味着用户增长见顶、用户停留时长与价值转化等问题逐渐突出，如何进一步发掘数据价值、激发商业创新？B 站、喜马拉雅、字节跳动等音视频业务，都纷纷采用云原生数据架构，帮助业务迎来新增长。

2016 年，B 站与阿里云的合作始于弹性计算，主要服务电竞直播这种流量波峰波谷差异很大的业务场景。后来 B 站进一步把业务托管到阿里云的云原生数据平台上，实现多业务线日志采集，以及高效的离线 / 实时分析。从财务角度看，B 站广告业务的飞速增长，与它对大数据的利用优化有关，广告变得更精准；而营业成本项中 IT 相关成本占比的降低，也得益于上云探索。

2022 年，喜马拉雅在之前部署的大数据混合云架构基础上，正式开启基于阿里云平台的大数据全面上云之路，使用阿里云数据湖 3.0 版，即 E-MapReduce（EMR）和 OSS-HDFS，构建了存算分离的云原生大数据平台。在更进一步的湖仓一体技术合作中，喜马拉雅可以在短时间内快速抓住用户的兴趣点，通过用户浏览、搜索等行为进行更智能化的推荐。

阿里云给到喜马拉雅的一揽子解决方案，涵盖弹性计算、云网络、数据湖存储、云原生数仓、BI 分析等多维度产品，这种全栈价值是很多企业客户所看重的。

十多年来，阿里云持续投入软硬一体的技术研发，不断提升研发效率，飞天操作系统和 CIPU 架构可在同样资源规格下带来更高性能。与此同时，随着客户认可度提高和用量提高，作为亚洲最大的云服务商，阿里云的规模优势也会进一步反哺给客户。

当前，中国企业数字化转型已经进入深水区，企业客户以往迟疑的观望心态已变成全面拥抱与加速追赶。在愈发复杂、长链路的需求背后，企业不仅需要标准化产品交付，更希望技术合作伙伴能够长期陪伴、扎下根去了解自身需求、共同创新。

独行快，众行远。" 因为相信，所以看见 " 的这些人能更早看见未来，他们与相信的人一起坚定走入这个看见的未来。

今天，经历了大数据上云的企业正加速拥抱 AI 应用探索，在新的基础设施和数据底座之上，AI 应用探索、大数据应用价值也将进一步激发。在扑面而来的云计算第三次浪潮下，新一轮 AI 技术与产业融合创新的新故事正徐徐展开，" 阿里云们 " 将有怎样的新突破，我们拭目以待。

中国云计算风雨十五载，我们以云计算三次浪潮为主线，以三篇稿件系统复盘并思考产业与云计算交融的过去、当下与未来。

前文回顾：

系列之一《回看十五年，云计算的底色》

（本文首发于钛媒体 APP）