2009年，阿里巴巴在杭州成立阿里云。那时国内多数企业用系统，基本还是自己买服务器、搭机房、装软件，一套系统从规划到上线，几个月很常见。阿里选择先自己研发底层操作系统，取名“飞天”。这一步走得早，也定下了阿里云后来的路数。先把基础设施做扎实，再把能力拿出来给别人用。
飞天要解决的事说起来简单，就是把成百上千台普通服务器连成一个整体，让它们配合干活，像一台大机器那样运转。用户不必盯着某台机器有没有坏，系统会自己调度，出了故障也会自动恢复。这种思路后来在公有云里很常见，大多数人用到的云服务，背后都有类似的能力。
双11是一场实打实的考试
电商大促对云计算的要求很苛刻。每年11月11日，淘宝和天猫会在很短的时间里涌进大量访问和交易请求。系统要在几分钟内扩容撑住高峰，活动结束后又得尽快缩回去，否则闲置的资源就是白花钱。
阿里后来把这套弹性能力从自家业务里拆出来，逐步开放给外部客户。商家可以在大促前提前申请计算资源，活动期间按需加量，结束后再释放。对不少中小商家来说，最实际的好处是不用为一年里只出现几天的高峰长期买服务器。
杭州城市大脑，数据得先汇到一起
2016年，杭州启动“城市大脑”项目，阿里云负责数据处理和计算。交通摄像头、信号灯和路况数据被接入同一个平台，系统实时分析车流，并据此调整红绿灯时长。部分路段的通行效率有所提升，急救车辆的通行时间也有所缩短。
这个案例说明，云计算并不只属于互联网公司，也能进入城市治理。难点常常落在数据汇集上，怎么把分散在各个部门的数据汇到一起，同时保证实时和安全。数据卡住了，算力再强也用不上。
钉钉在企业日常办公里跑起来
钉钉2014年上线，最初主要服务企业内部的沟通和办公。它的消息、文件和音视频服务都建立在阿里云之上。新冠疫情期间，大量学校和企业在短时间内转向线上办公，钉钉的用户量迅速增长，对底层服务的稳定性提出了很高要求。
对企业来说，上云的直接好处是不必自建机房，也不用专门组一支运维团队。费用按使用量计算，业务增长就扩容，业务收缩时也不必为空转的设备长期付费。
几条主要技术路线
- 自研数据库方面，阿里围绕分布式数据库做研发，并把相关能力做成云产品提供给客户。选型时可以先看自己的数据量和读写压力，判断是否真的需要分布式架构。
- 混合云与专有云方面，金融、政务等行业对数据存放位置有严格要求，阿里为这类客户提供可部署在本地机房的方案。如果业务属于这类场景，应先确认合规要求，再讨论架构。
- 大模型服务方面，阿里将通义系列大模型放在云上，以接口形式提供，企业无需自己训练模型也能调用。接入前要确认调用成本、数据是否出境，以及接口稳定性能否满足业务要求。
仍然要面对的挑战
云计算市场竞争激烈，国内外主要云厂商都在争同一批企业客户。价格战压缩了利润空间，客户对数据安全和供应商依赖的顾虑也一直存在。阿里要做的，是用持续的服务表现证明，性能、成本和合规都能支撑长期使用。
大模型的训练和推理又带来新的压力，需要大量算力，对芯片、网络和能耗都有更高要求。怎样在成本可控的前提下扩大算力规模，会是接下来比较难走的一步。
回头看这条路
阿里云从自研操作系统起步，经过电商大促的实战打磨，逐步走进城市治理、企业协作和人工智能等领域。它说明，云服务的底子来自长期的底层投入，以及在真实业务里反复试错留下的经验。
