移动云四大硬核实力：算网大脑、MoMA、AIDC、AICN

/记得星标我/

比大部分人早一步看见未来

这两年国内AI云服务市场的竞争，已经越过了单纯比拼算力规模的阶段，转向算网智全链路的综合能力较量。

头部玩家各有各的路径依赖。互联网云厂商长于模型算法与C端生态，运营商云则依托网络禀赋与资源整合能力，走出了一条差异化的路线。

市场上有很多声音看衰运营商云，认为它们一直走不出傻大笨粗的运营模式，但事实上，我认为不同阵营、不同路线的玩家各擅胜场，比如，移动云也有自身别人无法比拟的硬核实力。

算网大脑：从资源调度走向Token级调度

当前算力调度领域有一个普遍的行业痛点，就是异构资源难打通，跨节点调度损耗高。很多厂商口中的算力池化，本质还停留在资源台账管理的层面，没有真正和底层网络深度绑定。

移动云的算力网络调度中枢，也就是常说的算网大脑，最大的特点是从一开始就长在网络底座上，而非后期叠加的功能模块。

从公开信息看，算王大脑已经实现全域调度，调度的通智算总算力规模业界领先。算力插件支持天级接入，并网效率不低。针对不同架构的异构芯片，也有全链路推理优化的能力。

最值得关注的是它的调度颗粒度，已经细化到Token级别，可以支撑百万亿级Token调度，覆盖亿级资源规模。

站在行业角度看，把算力调度和网络调度合二为一，本来就是运营商的天然优势，也是和互联网云厂商最核心的差异点。

Token级调度这个方向，也刚好踩中了当前AI推理规模化的核心需求。随着大模型应用走向普及，推理业务的核心诉求，就是稳定、低成本的Token持续供给。谁能把调度做细、把成本做低，谁就能在推理服务市场拿到更多主动权。

MoMA模型服务平台：做适配层而非单打独斗

企业落地大模型的过程中，选型难、定制贵、运维重是公认的三大门槛。很多企业采购了算力资源，依然不知道该选哪款模型，也没有足够的技术团队做适配和调优。

移动云的模型服务平台，走的不是自研大模型单打独斗的路线，而是定位成模型与算力之间的适配层，帮用户推荐最优模型。

目前平台汇聚了超过三百款模型，既有自研的九天系列，也兼容各类开源和商业模型。针对不同客户的需求，提供机密共享、专属定制等多种合作模式。运营端通过大小模型协同的技术方案，预计可以帮用户降低两成左右的使用成本。

从行业逻辑来看，这种平台化的定位，其实更符合运营商的身份。不与模型厂商直接竞争，而是做好底层算力和上层应用之间的连接。

对占客户主体的政企用户来说，多模型可选、支持专属部署的模式，也更贴合数据安全与合规的要求。当然，模型服务的竞争力最终还要看适配深度和调优效果，汇聚多少款模型只是基础，能不能帮客户真正用起来、用得省，才是长期的考验。

AIDC：算电协同筑牢长期成本壁垒

进入AI时代之后，数据中心的核心瓶颈早已不是机架空间和出口带宽，而是供电能力与散热效率。算力规模越滚越大，单位算力的能耗成本和绿电占比，正在成为决定云厂商长期竞争力的关键因素。

移动云的AIDC新型数据中心，核心思路就是算电协同，从供电和架构两个维度，适配AI算力的长期增长。

规模层面，目前已经在全球布局超过一千个AIDC节点，机架规模超过一百五十万，建成了GW级园区，形成了覆盖广泛的国际算力网络。能耗层面，核心节点PUE可以做到1.2以下，在青海柴达木落地了绿电直供方案，在宁夏中卫布局了源网荷储一体化项目。

运营商建设数据中心，在土地、电力、网络接入等环节都有天然优势，规模化扩张的速度往往更快。把大型算力节点布局在西北绿电富集区域，也不是移动云一家的选择，而是全行业的共识。

短期来看，这类布局是为了压降用电成本，满足双碳指标。长期来看，AI算力的需求还会持续增长，能源成本会成为算力成本的核心构成。谁先把算电协同的体系跑通，谁就能在未来的价格竞争中掌握更多主动权。

- 04 -

AICN算力网络：把网络优势转化为算力优势

算力网络是行业提了很多年的概念，但真正落地成体系的玩家并不多。很多所谓的算力网络，本质还是算力资源加专线连接，没有实现真正的网算一体调度。

移动云的AICN算力网络，目标是服务全国一体化算力网建设，它最大的底气，来自中国移动覆盖全国的基础网络资源。

按照公开的布局，它采用4+N+31+X的层级架构，整体智算规模达到92.5EFLOPS，仅江苏一地就布局了20EFLOPS的算力。网络层面依托400G全光网和G-SRv6智能互联技术，构建起1-5-20毫秒的时延圈，可以实现毫秒级入算。

站在全行业看，运营商做算力网络，是降维打击。互联网云厂商的算力节点再多，网络始终是需要外购的资源，很难做到算力和网络的深度协同调度。而运营商的网络是自有资产，可以从底层协议层面做优化，把算力和网络的调度彻底打通。

不同层级的时延圈，也对应了不同的业务场景。低时延的边缘节点承载实时推理业务，核心枢纽节点承接大模型训练和高并发推理。有了这样的网络底座，东数西算才不是一句口号，西部的低成本绿电算力，可以真正高效地输送到东部的产业需求高地。

- 05 -

能力落地的三条路径

底层的四大硬核能力，最终都要转化为可落地的产品与服务。从移动云的布局看，它的落地路径分成了三层，对应不同的客户群体，也符合运营商传统的业务结构。

第一层面向消费级用户，主打生活新空间。依托数智应用7.4亿、灵犀智能体2亿的用户基础，推出Byte+Token加权益的融合套餐，把云盘、云手机等成熟产品和AI能力打包，降低普通用户的使用门槛。

第二层面向行业客户，主打行业新动能。目前已经落地15朵行业智能云，建成6大国家人工智能应用中试基地，通过千亿级Token益企共创的模式，深耕政务、医疗、工业等领域。江苏政务云、新疆医保影像云、天工工业互联网平台，都是已经落地的标杆项目。

第三层面向产业生态，主打产业新链接。依托国资委算力网络创新联合体、鹏城云脑大装置等产业载体，整合超过130家产投生态伙伴、100个创新载体，通过枢纽调度平台拉通产业资源。

这种分层推进的打法，风格很稳，不追求单点爆点，而是依托已有的客户基本盘逐层渗透。C端靠融合套餐走量，B端靠行业项目做深，产业端靠生态整合做大。对运营商来说，这是最稳妥也最擅长的路径。

- 06 -

行业视角的观察与展望

整体拆解下来，移动云的这套能力体系，核心逻辑不是追求单点技术的绝对领先，而是把自身积累多年的网络、数据中心、客户资源，和AI时代的算力、模型需求做深度整合。

它走的是一条典型的运营商云路线。优势在底层基建、资源整合和政企客户渠道，利用底层的优势去进一步积累在前沿模型技术和互联网生态的运营经验。

当前AI云服务市场还处在快速增长期，远没有到格局固化的阶段。不同路线的玩家都有自己的生存空间，也都有各自的课题要解。

对移动云来说，接下来最关键的，是把底层的算网优势，真正转化为客户可感知的产品体验和业务价值。算力规模再大、网络再快，最终都要落到客户的实际使用场景里，用成本、效率、稳定性这些可量化的指标说话。

运营商云能不能在AI时代真正站稳第一梯队，这套四大底座体系的落地效果，会是一个很值得持续观察的行业样本。