十几年前，企业要用计算能力，通常得先找机房、买服务器、招运维，再按最忙的那几天预留资源。一年里真正跑满的日子可能只有几天，其余时间机器基本在空转。王坚想解决的就是这个问题：计算能不能像水和电一样，打开就能用，用多少付多少。阿里云从这个想法起步，“云计算”也慢慢从概念走进了日常工作。
从电商的一个难题说起
王坚出身学术界，早年在微软研究院做研究，习惯从底层原理去看问题。加入阿里巴巴后，他发现电商业务增长很快，单台服务器很快就顶不住。电商流量有明显的潮汐：平时平稳，一到促销节点，访问量可能在短时间内猛增。过去的应对办法是多买硬件，可大促过后，这些机器大部分时间闲着，成本高，利用率却低。
王坚的判断很具体。机器数量本身不是症结，计算的组织方式才是。如果把成千上万台服务器当成一个整体，由系统统一调度、按需分配，闲置的能力就能被别的任务用上。这个思路后来落到了“飞天”操作系统上。
飞天：把许多机器当成一台用
飞天要做的，是把分散的服务器抽象成一个统一的资源池。应用不用关心任务跑在哪台机器上，系统根据负载自动分配；机器出故障时，任务会被迁移到别处继续跑。对开发者来说，变化最直接：写程序时不必一台台规划扩容，流量上来了，由系统去撑。
这种设计在当时并不好推。不少工程师习惯独占机器、手工运维，对共享资源池天然有戒心。常见的顾虑是：别的任务会不会抢占自己的资源，出了问题由谁负责。王坚没有只靠讲道理，而是先把它放进阿里内部的业务里跑，用线上结果回应质疑，再考虑对外开放。
早期最常见的几类用法
阿里云早期被提到最多的，是下面几类场景。
- 电商大促扩容：大促前临时扩出一批计算节点，活动结束后及时释放。扩容前要先压测，否则节点到位了，瓶颈可能还卡在数据库或缓存上。
- 政务和公共服务查询：一些查询类系统在特定时段访问集中，压力很大。迁到云上后，资源可以随访问量调整。前提是系统本身能水平扩展，不依赖单点服务。
- 初创团队起步：团队不必先购置机房，几分钟就能拿到可用的计算环境。省下的钱和时间应该花在产品验证上，等用户量稳定了，再考虑哪些资源值得长期承诺。
- 离线数据处理：大批量数据分析任务可以临时租用大规模算力，跑完即停。任务最好拆成可以独立运行的批次，单次成本更容易估算。
这些场景有一个共同点：需求有波动，传统做法要么浪费，要么不够用。云计算的价值，就在于把这种波动变成能计量、能调度的资源。
“公共服务”到底指什么
王坚多次把云计算比作公共服务。这个说法听上去有些抽象，落到实际，大致包括三件事。服务要稳定，不能时有时无；计费要透明，按实际用量算；门槛要低，不同规模的用户都能用上同样的能力。
阿里云后来把重点放在通用能力上，服务范围超出了自家业务。能力开放得越广，每个新用户的使用都会暴露底层系统的问题，平台也就跟着完善。
对使用者的几点提醒
回头看，王坚和阿里云的探索对行业有几点可借鉴的地方。技术要从真实的业务痛点出发，先解决一个具体问题，再谈通用平台。基础设施要先在内部用起来，经过检验再对外开放，这条路比较稳。成本与效率的平衡，往往比单一性能指标更能决定一项技术能走多远。
云计算也有争议。数据安全、供应商依赖、长期成本，这些问题到现在仍需认真评估。企业上云前，可以先把负载分成三类：长期稳定运行的、有明显波动的、只跑一次的。分别测算成本，再决定哪些适合迁移。照搬别人的架构，不如先弄清自己的负载是什么样子。
