十多年前，很多企业的计算能力都要自己买。服务器进机房，机柜排好，业务一涨就得等采购和扩容，业务一落下来，设备又闲在那里。计算像自来水一样，拧开就有、用多少算多少，这个设想在当时听起来并不现实。王坚是推动这件事的主要人物之一，他后来带领的阿里云，就是这条路上最明显的样本。
从研究员到创业者
王坚早年在学术界积累了分布式系统和操作系统方面的经验，之后在微软亚洲研究院工作。他看待计算机技术有一个很朴素的出发点：技术好不好，不只看实验室里的性能数字，更要看普通人和中小企业用不用得起、用不用得上。这个判断听起来简单，却决定了后面每一步都要先考虑成本和使用门槛。
2008年前后，阿里巴巴内部业务增长很快，淘宝和支付宝的数据量与访问量一年一个台阶。旧的IT架构撑不住，服务器采购周期长，峰值一到就吃紧，平时成本却压在那里。王坚和团队当时琢磨的问题很具体：如果把这些服务器连成一个整体统一调度，是不是就能像发电厂向千家万户供电一样，把计算能力统一提供出去？
飞天系统：一次不被看好的尝试
那时候，行业对云计算的怀疑不少。有人担心核心数据交给外部平台不安全，也有人怀疑用通用服务器拼成的集群能不能稳定运行。王坚选择用工程结果来回答。
阿里云自研的飞天操作系统，就是在这个背景下慢慢成形的。它把成千上万台普通服务器抽象成统一的资源池，由系统负责分配、调度和容错。某台机器出故障时，任务会迁移到其他节点，业务层大多数时候感觉不到。这套思路在当时并不常见，团队也经历了不少反复调试、推倒重来的阶段。做基础设施的人都知道，这类工作最耗时间，也最难让外人看到成果。
案例一：电商大促的弹性考验
对阿里云来说，最直接的检验场景是每年的“双11”。交易峰值会在短时间内冲到平时的好几倍。过去，企业要为这一天的流量提前备足设备，活动一结束，大部分设备又闲了下来。资源能按需扩展、活动后再释放，成本才会跟着业务走，而不是一直跟着最高峰走。
对中小商家来说，这个变化很实际。不必一开始就投入重资产搭机房，可以把钱和精力放在选品、运营和客户服务上。王坚反复强调的“计算普惠”，落到商家身上，大概就是这一点：门槛低一些，更多人才有机会试。
案例二：从电商到产业基础设施
业务拓展之后，阿里云的客户逐渐从电商延伸到金融、政务、物流、教育、制造等领域。拿城市治理来说，一些地方政府借助云平台整合交通、医疗等数据，建设城市大脑相关系统，用在交通信号优化、应急调度和公共服务分析上。这类项目真正依赖的是稳定、安全、能随规模扩展的底层计算能力。算法可以换，底座一旦换一次，代价就很高。
制造业的情况也类似。一些中小制造企业把生产管理、订单系统和数据分析迁到云上，不需要专门养一支大型运维团队，就能用上和大企业接近的技术基础。“计算像电一样”这个比喻，落到这些企业身上，就是用电不用自己建电厂。
王坚的几个判断
如果要用几句话概括王坚的思路，大概是下面三点。它们都能落到具体做法上。
- 计算应当作为公共服务提供：像水电一样按需取用，由专业平台统一保障稳定性。企业上云前，可以先理清哪些负载适合按量付费，哪些需要长期预留资源。
- 工程结果比概念更有说服力：云计算值不值，要看系统能否长期稳定运行，成本有没有真实下降。选择云服务商时，看故障怎么处理、扩容需要多久，比听宣传更可靠。
- 技术要让普通人用得起：门槛降下来，创新才会发生在更多人手里。对中小团队来说，这意味着不必先搭一整套运维体系，也能把业务跑起来。
这些判断也不是一开始就想清楚的。阿里云早期面对的问题之一，是客户教育成本高。很多企业对“把数据放到外面”本能地不放心，行业观念的转变也比较慢。团队的做法是持续打磨产品，把技术细节讲清楚，并和开发者社区保持互动，一点点建立信任。
结语
回头看，王坚推动的既是一家公司的业务转型，也是对“计算该如何提供”这个问题的重新回答。从阿里内部的系统，到对外开放的公共云；从电商大促，到各行各业的数字化底座。阿里云走过的这条路，在某种程度上也是国内云计算产业成长的一个缩影。
往后看，人工智能、大模型和边缘计算都在快速发展，对算力的需求只会越来越大。怎样让算力更便宜、更好用、更可靠，仍然是没有标准答案的问题。阿里云和王坚留下的，正是这样一个还在往前走的题目。
