生态开放，竞争开放，是未来算力竞赛的制胜之道。
文｜《中国企业家》记者 闫俊文
见习编辑｜李原
头图摄影｜邓攀
熟悉的人会叫周跃峰“Peter”。他今年6月开通了小红书账号，第一条视频发了一句“黑粉也是粉”。在一次内部活动中，他还曾踏着小碎步，和员工一起舞过一段《野狼DISCO》。
但接地气的“Peter周”有一个方正下颌，外界评价他为：一个能啃硬骨头的人。
2008年加入华为，周跃峰资历很老，但2025年接任华为云CEO时，还是让外界有些意外。他并非一路从云业务中被拔擢——早年做无线，后来到欧洲负责市场创新，再转小蜂窝，又历任营销工程体系、数据存储总裁，最后才走进华为云。
把节点连起来，可以清晰看到，周跃峰是一位反复被投放到关键市场的“攻坚型”将领。
小蜂窝曾是被巨头环伺的边缘战场，存储长期被国际厂商定义。如今，华为云也需要破局：既要对抗友商在C端入口、Token补贴战的营销噪音，也要在国产化算力、政企信任、生态重建与盈利压力之间，找到生存曲线。
外界很快读到一组改革信号：对内，华为云研发被重新压回ICT（信息与通信技术）基本盘；对外，伙伴政策收成四句话：让伙伴更赚钱、合作更简单、彼此更信任、共同更成长。
产品线与华为云之间也被定为甲乙方关系，做得好就上架，做不好就淘汰。界限划得很明白——有竞争力的产品，才能进入华为云，为客户和伙伴创造价值。
今年7月，面对一众主管，周跃峰直言不讳：“产品团队一定要看到今年的紧迫性，一定要做出有创新的产品。产品要敢于亮剑，先推向市场去历练，用户自然会用脚投票；打不出来，我们很可能就会被淘汰。”他要求中层干部“把头和腰弯下去”，多拿出时间和资源，与一线员工交朋友，吃饭交流。
对生态柔软，对产品强硬。刚柔两面，贯穿了他治下华为云的变革。
采访中，周跃峰说，“聚焦”是华为云最近一年变革的主要思路。在产品研发侧和组织侧，华为云突出两个原则：第一，面向AI，尤其是面向Agentic AI做调整。第二，坚持企业和行业的生产力提升，坚持私有云加公有云两条腿走路。
聚焦也意味着舍弃。今年6月，他接受媒体群访时会说，不在乎Token的总量，也不在乎Token收入的总量，他看重的指标是，Token为生产生活带来了多少价值。
早在2011年，他就在拓展欧洲市场时，坚持技术与创新，要贴近客户需求。这套逻辑也被平移到云市场，华为云要与金融、医疗、制造、政务等行业共生，并保持敬畏。
上任将满周年，周跃峰告诉《中国企业家》：“我觉得挺幸运，过去这一年，AI时代进入了商业正循环，大家更现实了。”
今年9月，华为云将战略聚焦进一步汇集为工程答案：宣布在芜湖建设了全球首个3D数据中心，通过分层解耦、立体堆叠支撑单栋机房10万卡集群的超级算力工厂。
据了解，该3D数据中心采用“乐高式”模块化设计，3D数据中心第一层为供冷系统，第二层为算力系统，第三层为供电系统，电池部署在屋面层，让数据中心可以标准化、模块化、可复制地快速交付，机电交付周期从约6个月缩短至约3个月。
芜湖3D数据中心采用了“乐高式”模块化设计。来源：受访者
在20世纪，福特汽车通过流水线以及标准化改变了规模化制造。进入Agent时代，华为也公开了3D数据中心的设计概要图纸、参数等，试图给中国算力产业提供一条解决算力、机房面积、时间周期矛盾的参考路径。
近期，华为公司董事、华为云CEO周跃峰接受了《中国企业家》的独家专访，以下为对话部分（有删减）：
不唯Token总量，重资产换流量走不通《中国企业家》：距离你接任CEO快一年了，这一年里，华为云发生了许多变化，你主导了哪些变革？
周跃峰：我觉得我挺幸运的。这一年，正赶上AI进入商业正循环——尤其是智能体（Agent）爆发，行业不再是过去以建算力中心、训练模型为主的“大干快上”，大家变得更现实了。
同样在这一年，华为公司的昇腾算力，也从过去懵懂的成长期，逐步迈向成熟期。加上华为公司本身是一个强执行力的组织，所以我们能够做产品的聚焦和调整。这包括整个组织的聚焦调整，也包括销售团队、产品策略、区域布局、服务组织，都做了比较大的动作。
但总归是两句话：第一，我们主要面向AI，尤其是面向智能体、面向Agentic AI做了调整；第二，也是更重要的，我们坚持面向企业和行业的生产力提升，坚持私有云加公有云、两条腿走路。
《中国企业家》：你说过不在乎Token的总量，也不在乎收入的总量，那你现在核心的北极星指标是什么？
周跃峰：我们看重的是Token为生产生活带来的价值，在价值带来的过程中，兑现商业成功。
我对华为云商业成功的诉求是这样的：企业面向AI的过程中，普遍面临重资产、资金流转的问题，这个问题必须要解决。投资者不可能无限制地投入，资金被占用，现金流和利润得不到正向反馈，无论是公开投资还是内部投资核算，这是企业不能接受的。
华为公司董事、华为云CEO周跃峰 摄影：邓攀
因此，我们更强调，我们的技术、云服务产品能给老百姓的生活切切实实带来质量的提升，不仅仅是情绪价值。比如在医疗场景，更多医院能享受到医疗AI的普惠，很多企业因为AI技术的代入，节约了成本，我从中就能得到商业价值，我们希望沿着这条路一直走下去。
《中国企业家》：Token总量可以用数据考核，但考核价值很难。你会用哪些明显的指标来考核团队？
周跃峰：我也希望Token总量高，但不希望总量很高，利润不高；或者并没有带来多少商业正循环的价值，这是我想避免的。
各家云厂商产生了这么多Token，一定有价值很高的Token，也有负价值的Token。我们面向经营的所有动作，要思考导向是什么？所以，我不在乎Token的总量，本质上是希望树立价值导向。倒不是说，我真不在乎Token总量。
《中国企业家》：以前互联网大厂只有很少的重资产投入，但在AI时代，重资产投入是否已经很难绕开？如何能确保重资产可以产生对应的价值？
周跃峰：还是回到刚才那句话，你追求的是什么？互联网时期是花钱买流量，今天，如果说是用重资产来买流量，这个故事能不能圆得上？所以，我们还是会非常谨慎地来设计商业路线。
我们会首先瞄准客户最痛苦的、最难的地方。这可能需要花点时间，但你解决了客户最痛苦的地方，获得的价值也是最高的。
破解算力等机房难题：3D数据中心与分层解耦《中国企业家》：华为云有三大算力枢纽，芜湖、乌兰察布、贵安，选择贵安和乌兰察布的逻辑比较清晰，它们有各类自然资源禀赋，选择芜湖的原因是什么？
周跃峰：芜湖靠近经济发达的长三角地区，很多企业希望获得算力，同时兼顾时延。我们一方面要遵照国家“东数西算”大战略所排布的八大数据中心枢纽来排兵布阵；另一方面，我们通过光纤直连把一些数据中心连起来，在不同的地方部署不同的算力，为全国不同地理位置的公司、政府提供合适的服务。
《中国企业家》：3D数据中心这个名字是怎么产生的？
周跃峰：3D数据中心体现了华为特别看重系统化和结构化的思维。3D数据中心更重要的是分层解耦、立体堆叠，越是复杂的系统，越是要分层解耦。
《中国企业家》：你们在算力中心的建设中遇到了哪些压力？
周跃峰：AI对基础设施的需求大大超出了数据中心的供给。最近，很多原材料器件涨价，也说明了这个客观事实。我们发现，无论是华为昇腾的算力卡，还是其他公司的产品，基本上每年更新一代。硬件能力急剧提升，也提高了对数据中心散热、网络的要求。
来源：受访者
这些背后连着客户需求。两年前，大模型几十B（Billion，十亿）、几百B的参数规模就很厉害了。但今年，不超过一个T的模型都拿不出手。那明年和未来可预见的10T参数规模，会进一步推高对算力性能的指数级变化。
这个过程中，数据中心不能被动地等算力硬件和设备升级，那就晚了。甚至匹配和建造完了，下一代算力设备又出来了，又得重新匹配。当前数据中心的整体架构，对未来演进性的容纳度是不够的，鲁棒性（稳健性）不够。
有太多过去的事实可以看到，很多公司可以马上获得算力硬件设备，但计算中心要重新规划，甚至重新构建，风火水电都要重新来，浪费了大量的时间。
《中国企业家》：最难的题是算力等机房，你们找到3D数据中心这个方案之前，尝试过用其他的技术路径来解决这些问题吗？
周跃峰：我们尝试从整个机房的设备如何排布入手，包括提升电力、制冷设备，以让它们符合未来算力演进的需要，但这样极大地拉高了成本，不是很理想。
后来的突破来自两个借鉴和改变。
第一，我们借鉴了半导体工厂的结构化建造方式。半导体工厂本身演进速度就很快，其设备布局也分层解耦，一层演进不影响其他层。3D数据中心与它是类似的思路。
第二，3D数据中心实现了垂直连接。传统的平面布局里，供电线路和冷却水管要走很长的距离；现在因为是分层设计，设备上下对齐，连接路径最短。这直接转化为我们的成本优势和工期优势。所以我说，这个架构是AI数据中心的首选。
《中国企业家》：用垂直方式解决水和电的连接，需要非常高的工程精度，这中间遇到了哪些工程难题？
周跃峰：比如立体垂直供电和垂直供冷，三楼供电模块要通过地板穿到下面去，跟二楼母线对接。一楼供冷设备也要通过地板穿到二楼去做对接，怎么样实现毫米级的工艺精度是最大的挑战。我们内部说，有点像空间站“舱体对接”的难度。我们提前通过建模、仿真，工厂预制化的方式，来解决这样的问题，保证了可靠、高质量的施工安装。
来源：受访者
《中国企业家》：3D数据中心要从一家企业的变革和创新，变成一个行业标准，这中间需要跨越什么鸿沟？
周跃峰：最大的鸿沟还是自己——不要太自私，要分享出来。分享可以让整个产业解决它共同面对的问题；反过来，当整个产业走向正循环之后，我们也可以从中受益。
所以我们把3D数据中心的概要图纸、设计理念和一些细节，都放进了《3D数据中心》这本书里，让大家都能了解、推广。未来，昇腾的算力不仅可以放进华为的数据中心，也可以放进别人的数据中心，整个产业的蛋糕就做大了。
《中国企业家》：如果行业要用3D数据中心这套方法，是不是必须和华为的超节点合作，或者用昇腾芯片，才能支撑这套标准？
周跃峰：昇腾芯片，在散热、液冷接口等方面已经有一套标准化的体系，但我们更希望这套体系被讨论、被关注，而不是我有一个标准，别人就一定要用。
我们把3D数据中心的几个关键指标公布出来，供大家讨论。未来是华为的算力放进3D数据中心，还是其他公司的算力设备放进去，大家可以一起来讨论参数，进一步把它标准化。
《中国企业家》：原来的数据中心是工地建造模式，现在变成了工厂预制、现场装配，这会改变华为云的定价模式和客户的成本结构吗？
周跃峰：第一，客户使用我们数据中心的算力，整个生命周期的成本可以做到最优。比如新的算力出来了，客户不需要等待，马上就可以获得服务。
第二，对于一些老旧的算力设备，不会因为机房来了新算力就被搬来搬去，而是可以持续、高效地服务。
第三，3D数据中心用了很多AI技术，让电力和能源消耗达到最优，这也会进一步降低成本。
更重要的是，商业模式上我们可以做出改变。比如在一个数据中心里，华为的算力设备以云服务的方式提供给客户；但有些客户希望自己购买一部分产权，把他们的设备放进数据中心，和华为的云服务组成一个完整的系统来提供服务。3D数据中心的前向兼容度更高，就为这类商业模式提供了可能性。
《中国企业家》：3D数据中心可以兼容不同代际的产品，不同代际的需求也能兼容吗？比如AI之外，原有数据中心的一些需求。
周跃峰：3D数据中心设计的初衷是：无论是我们拥有的设备，还是客户拥有的设备，都能放进同一个数据中心，以五年、六年甚至七年的长生命周期持续、高效地提供服务。而不是像过去很多数据中心那样，要么老化了、效率很低，要么频繁搬移。端到端地把AI成本降下来，对整个AI产业都是好事。
《中国企业家》：算力的更新周期非常快，芯片更新一代，机房可能就要换一代，3D数据中心怎么满足这类客户的需求？
周跃峰：有的客户训练模型，希望新算力一来马上就能用上——借助更好的算力更快训练模型，模型训练得快，产出效率就高。
但推理的需求不是，他们希望设备能持续地用，只要设备完好、在生命周期之内，并且能不断用新技术改善能效、降低成本，就一直用下去。
这两件事对传统机房来说是一个商业矛盾。3D数据中心做了垂直解耦：中间设备层在排放设备时，通过仿真排布对未来的演进做好规划；冷却系统、供电系统整体具有前瞻性，可以扩容升级。所以这个矛盾能够被很好地化解。
《中国企业家》：训练和推理的需求不一样，你们通过3D数据中心，实质上是要解决资源错配和浪费的问题。
周跃峰：是的。用于训练的算力设备生命周期相对较短。
比如今年最新的设备，赶紧拿来做训练，因为跑得快；明年更好的设备来了，客户希望把训练业务放到新卡上。原有这批做训练的卡可以转做推理，位置也不需要搬，服务生命周期被拉长，推理可以长期创造价值和利润。这个体系的核心就是分层解耦，让整个系统对不同代际的设备、对散热和供电要求不同的设备，容纳率更高。
从DC for AI到AI for DC《中国企业家》：你们提出，让每瓦特生产更多Token，这是一个什么概念？
周跃峰：当AI算力用于工作和工厂生产，成本问题就会浮现出来。过去我们更多关注智算卡本身的设备成本，容易忽视电的成本，更容易忽视散热冷却的成本——它需要空调，需要供水冷却，甚至还需要柴油机等备电系统，成本非常巨大。
所以AI成本要端到端、系统化地考虑，当然还有软件优化，包括大模型和设备的协同优化等等——它是一个系统工程。AI产业要实现商业正循环，就必须有压缩成本的空间，3D数据中心就是为端到端成本下降提供了一个工具。
摄影：邓攀
《中国企业家》：未来三五年，AI数据中心扩张最重要的制约因素可能来自哪里？是技术、能源，还是商业模式本身？
周跃峰：在中国，如果需求依然旺盛，在可见的情况下，我们的优势在于电力和网络。假设数据中心按照3D这样的架构搭建，对中间算力设备层的演进有足够强的包容度，数据中心的效率就会很高。
所以中国当前的短板还在于算力设备的供应，包括生产制造以及生产过程中的工艺。这与别的国家情况不太一样，制约各地AI发展的因素不同，要因地制宜。
《中国企业家》：3D数据中心下一步优化的方向是什么？
周跃峰：很重要的优化方向是AI for DC（数据中心），而不是DC for AI。
AI for DC，是希望用AI自动化的方式，让整个数据中心的热效能、供电效能，以及机器与软件的配合，做到最高效。
最近我们在华为云专门成立了数据中心智能化部门，结合2012实验室算法、仿真等方面的专家，把整个系统分解为L0、L1、L2、L3不同层面，它们的优化还是一个很庞大的系统工程。
我讲一个简单的例子：白天算力供不应求，那我们能不能把水冷温度调低一点？调低水温肯定更耗电，但算力卡可以超频、跑得更快，同时也就需要更多散热。到了晚上，用的人不多了，能不能把水冷温度调高一点？这样能耗就降下来了，机器可以稍微跑慢一点。这就是一个非常好的调节系统。
如果用AI模型的方式来管控数据中心，那就是AI for DC——让整个数据中心全系统的效率最优。
《中国企业家》：从DC for AI到AI for DC，最关键的影响因素来自哪里？是模型能力，还是工程能力？
周跃峰：AI for DC对实施人员的系统性要求很高：这个团队既要懂风、火、水、电、建筑、热工，又要了解算力硬件设备，还要理解硬件、软件与模型业务的匹配，方方面面都要兼顾。
所以这是一个发挥“大杂烩”优势的团队，而这恰恰是华为比较擅长的。
从基础建设L0、L1，到硬件规划设计，再到2012实验室的热仿真、负载的系统级仿真优化，以及算法、模型与硬件的配套，我们可以把各方面的团队汇集起来。华为云正在积极与华为各部门展开合作——3D数据中心不只是一个数据中心，它是我们开展AI for DC的一个山头任务。
《中国企业家》：超大规模算力集群的落地，需要内部很多部门协调，华为目前的内部沟通机制是怎样的？
周跃峰：我们的沟通机制，就是发挥“大杂烩”的优势。华为云是云，但3D数据中心不只是为了云，而是为了“硅基黑土地”，也就是算力基础设施——它能更好地服务中国千千万万家企业，也能持续提升国产化的算力和算力基础设施。
华为云更像一个解决方案，擅长把大家的力量集成起来，起到协同者的作用。
生态开放，竞争开放《中国企业家》：目前GPU、CPU以及存储都在快速演进，很多厂商必须在产品迭代和基础设施建设之间找平衡，你们是怎么做的？
周跃峰：客户分两类。一类更多追求“摸高”，尤其是大模型训练，它们要用最好的硬件；但当AI进入商业阶段，一定要考虑性价比。整个系统相对它要完成的任务，是不是成本最优。
《中国企业家》：对这些客户来说，建设算力基础设施，必须考虑全生命周期性价比的问题。
周跃峰：我们看到，AI的使用让各个公司的资产在变大、变重，在“重化”。这个过程中，大家要考虑如何全生命周期地使用算力。AI到来之后，极大地驱动了大部分企业采用云服务，而不是自建算力。所以我一开始就说，华为云的战略是私有云和公有云两条腿走路，但共享基础堆栈。
来源：受访者
《中国企业家》：这两年，客户对云服务的需求有什么变化？
周跃峰：过去大家担心云服务，无非是数据安全问题。但我们不能假设高技术的东西就是不安全的。
现在仍有一些研发机构害怕用云、担心云不安全。但过去这么长的历史证明，华为云给这么多企业提供服务，从来没有发生过A企业能访问到B企业数据的情况。我经常讲一句话：今天把钱放在银行安全，还是放在自己家里安全？我们都会说，放在银行更安全。
AI的重资产投入，驱使大家做出改变和选择。当然，在关系国计民生的行业，会采用专属云，也就是私有云。比如华为云在中国人民银行的指导下，为金融系统专门建设了金融专属云——它和公有云共享同一套云技术，但物理上进行了隔离，让银行既能共享资源、效率更高，又能满足监管要求。
AI潮流向前推进时，从资源共享和效率的角度看，行业必须做出一些改变。
《中国企业家》：3D数据中心在“硅基黑土地”里扮演什么角色？
周跃峰：3D数据中心可以说是“硅基黑土地”的形象化体现。为什么讲“硅基黑土地”？因为华为的算力战略是开放生态。我们与所有大模型厂商合作，愿意让其他公司的软件都长在这片土地上；中间的操作系统、数据库、大数据等软件，都是开放、开源的。
《中国企业家》：三到五年之后，用什么标准来判断3D数据中心这件事成还是不成？
周跃峰：未来三到五年，假设有一个评判标准：首先要看有多少算力长在3D数据中心里——不限定于华为的3D数据中心，也可能是其他厂商的——至少大家把分层解耦的理念，作为未来国产化算力发展的主要架构方向。
《中国企业家》：未来三到五年，算力基础设施的竞争状态会是什么样？胜负手在哪里？
周跃峰：未来三到五年是建设AI基础设施的高潮期，如何赢得这场竞争？我觉得还是要开放：生态开放，竞争开放。开放才能构建良好的生态，这才是未来算力比赛的制胜之道。
《中国企业家》：你希望华为云在整个国产AI产业链中扮演什么角色？
周跃峰：我希望华为云是国产硅基黑土地“普世化”的推动者。实事求是地说，国产硅基黑土地的使用效率和普及率目前还不是很高，华为云会坚持使用国产化算力，为大家提供服务。
