Resource Regions: China

大模型时代，应用与智能体正加速进入核心生产环节，行业对云基础设施的需求发生深刻变革。企业开始用推理效率、服务链路和合规能力来衡量基础设施，一个贯通算力、数据、模型服务与安全治理的AI云市场应运而生。国际数据公司（IDC）正式将这一市场定义为“AI云市场”，并首次发布《中国AI云市场追踪报告，2025》并给出中国AI云市场规模数据：2025年，推理需求集中释放，企业级MaaS的Token调用量一年增长约16倍，推动中国AI云市场规模达到684亿元。

定价锚点从“资源”转向“业务结果”，云基础设施需要重新定义

过去十年，云计算的定价锚是资源——核时、GB月、带宽峰值。企业采购的逻辑也很直接：比价格、比SLA、比资源池规模。这套锚点在大模型时代正在急剧松动。

根据IDC调研发现，企业决定是否采购AI基础设施时，评估标准正在经历跃迁，且呈现出清晰的递进关系：：

资源层：算力够不够、Token成本多高、推理效率如何——这仍是最基础的门槛，但已不再是决定性因素；

平台层：模型效果好不好，数据、训练、推理能否串成一条完整链路，能否提供端到端的智能服务、为业务真正提效——这成为采购的核心考量；

信任层：业务结果能否同时通过合规与审计，安全地进入核心生产系统——这决定了采购能否最终落地。

三个层次层层递进：资源是门槛，平台是价值，信任是放行条。可以看到，市场对基础设施的锚定已从“资源”转向“结果”——过往以售卖算力为主的云基础设施，难以满足大模型时代的企业需求，市场亟需新的产品形态。随之而来的，是市场结构与竞争壁垒的重新书写。

需求侧呈现“算力—数据—智能—信任”四位一体，AI云市场正在形成

那么，企业需要的“新形态”究竟长什么样？随着模型应用与智能体部署加速，需求侧的答案正日益清晰——一个“算力—数据—智能—信任”四位一体的基础设施栈：：

•算力：不只是GPU卡数，而是由硬件、调度、推理效率等共同支撑的服务吞吐；

•数据：通过向量数据库、其他AI原生数据库等合理高效的数据库架构，将企业知识和数据资产输入给AI；

•智能：机器学习平台（训推平台）与MaaS，决定大模型能否被规模化地生产、调用、治理，进而为业务注入“智能”；

•信任：AI安全，决定AI能否进入各行业的高价值核心场景。

四者缺一不可。任何一环的缺口，都会让另外三环的价值无法兑现。正是在这样的需求牵引下，一个区别于传统IaaS的AI云市场，正在加速成形。

IDC正式定义AI云市场

IDC认为，AI云市场是：以云服务形态交付、支撑大模型全生命周期的完整基础设施与平台服务体系。它向下整合专为AI工作负载设计的算力与存储资源，中游提供数据处理、模型开发、训练、部署与运维的完整工具链，并以贯穿全链路的安全与治理能力。区别于以通用IT负载为中心、按资源计价的传统云市场，AI云市场的价值锚点是“智能的规模化交付”，是让企业数据与模型能力转化为可信业务结果的完整技术栈。

IDC洞察：2025年推理需求成为主导，推动中国AI云市场达684亿元。

2025年训推拐点加速到来，推理场景在支出中的占比显著上升；大模型应用场景急速拓展，广泛覆盖泛互联网（游戏、娱乐、教育）、金融、智能制造等行业，迅速渗透至角色扮演、市场营销、搜索、数据处理、数据分析与文档处理等场景。

需求的爆发直接体现在调用量上：2025年，中国企业级MaaS市场Token调用量达到1994万亿，同比增长约16倍；日均Token消耗量从年初的1.6万亿攀升至年末的9.6万亿，达到年初的6倍。

需求侧的爆发与供给侧的快速响应形成合力——技术提供商加速投入资源部署，行业用户加速落地大模型及应用——共同推动2025年中国AI云市场规模达到684亿元。

IDC洞察：AI云竞争从“资源”转向“结果”，模型、推理优化与AI安全成为关键

IDC认为，AI云的竞争维度正在从”谁能提供资源”，转向”谁能把资源转化为可交付、可信赖的结果”。根据IDC调研，企业选择AI云基础设施时，最看重的因素为：回答质量/模型效果、性能、安全合规——恰好对应着三重竞争要素：

模型是入场券，但入场券的有效期正越来越短。每一次新模型的发布，都会直接转化为AI云的增长动能：更强的模型能力能够解锁此前不可行的应用场景——长上下文、多模态、Agent编排，并催生新的推理需求；企业为评测、试用和接入新模型涌入平台，带来Token调用量的跳涨与客户迁移。AI云厂商若能自研或首发、独家引入领先模型，还能借此吸引开发者生态，形成短期获客与品牌溢价。但这张“入场券”的时效正越来越短：开源模型正在快速抹平能力代差，模型领先的窗口期已被压缩到以季度计——上一个版本带来的客户与流量，往往在下一次开源更新中被追平。模型能决定客户“来不来”，却决定不了客户“留不留”。
算力资源与推理优化是长期壁垒。推理已成主战场，资源优势固然有用，但竞争焦点正从“谁有更多卡”转向“谁能把每一张卡用得更稳、更快”——壁垒正从“资源壁垒”变为“工程壁垒”。
AI安全从成本项变为溢价来源。AI安全不是合规部门的工作，而是产品架构的工作：数据不出域、内容安全、Agent权限治理、审计与溯源，必须在架构层解决。

在上述要素上建立起综合优势的厂商——阿里巴巴、字节跳动、百度等厂商取得了优势与主要市场份额。

IDC给厂商及行业用户的建议

对厂商

算力获取决定竞争上限，但投入规模与节奏需与收益对赌。​中短期内，算力资源紧缺仍是主旋律，资源获取能力依旧是决定竞争上限的关键变量，需要长期、持续地投入。但厂商也必须清醒权衡：算力是重资产，投入大、回报周期长，且受供给波动影响——当前的资源投入带有一定风险，规模与节奏都需量力而行。    
算力效率优化，是与扩容并列甚至优先的路径。​智能体与大模型应用爆发，需求端快速增长，但硬件供给的增速受限，“用好存量”因此成为关键。通过调度、推理优化与平台化软件能力，厂商可以在硬件不变的情况下提高服务吞吐——相比硬件扩容更具性价比。资源到位之后，真正把资源转化为可交付服务的，正是这些工程能力。。
MaaS资源应向性价比端倾斜。大模型效果持续提升，已经越过了生产环境可用的阈值，预期未来会出现各类智能体应用的大爆发。在这种场景下，客户对智能上限的要求大部分已被满足，将会更看重服务的经济性、稳定性，后者是在生产环境大规模使用智能体的前提。
把AI安全前置为产品能力，而不是合规成本。安全是进入政务、金融、能源等高价值场景的准入资格，也是溢价能力的来源。
为智能体重构基础设施。智能体的负载特征（长上下文、高频工具调用、高并发、强成本敏感）与传统AI负载不同，需要重做调度、缓存、可观测性与权限体系。

对行业用户

升级采购标准：以业务结果指标替代算力指标。用任务成功率、单位业务成本、长尾时延来约束招标，而不是只用卡数与算力峰值。
用总拥有成本而非Token单价做决策。Token单价低不等于总成本低，必须按自身场景的消耗特征测算。
把安全与数据边界写进采购要求。对政务、金融、能源等行业用户而言，这不是加分项，而是必要条件。

分析师观点

IDC中国高级分析师洪婉婷表示，2025年，推理时代已然到来。684亿元的AI云市场规模与16倍的Token调用量增长，宣告云计算叙事正式换轨：定价锚点从“资源”转向“业务结果”。在新赛场中，真正的长期壁垒藏在推理优化、平台工程与架构级AI安全之中。对厂商而言，算力投入须与收益对赌，工程效率优先于盲目扩容；对用户而言，则应以任务成功率与总拥有成本，替代卡数与Token单价来做决策。谁能把“智能”转化为可信、可规模化交付的业务结果，谁就能在下一阶段的AI云竞争乃至大模型商业竞争中，掌握主导权。

进一步交流

如希望就AI云市场定义厂商份额及采购评估框架进一步交流，欢迎与我们联系。请点击此处与我们联系。

随着生成式AI接入企业核心业务，传统WAF和API网关已经盖不住Prompt攻击、数据泄露这些新风险，但市场上还没有一套统一的评估标准——国际数据公司（IDC）于近日发布首份《中国大模型应用防火墙技术评估，2026》（Doc#CHC53617126，2026年9月）报告，第一次对中国大模型应用防火墙产品技术进行系统性技术评估，报告从大模型应用防火墙产品的内容安全检测与防护能力、访问控制与策略管理能力、数据安全防护能力、安全运营与可观测能力、技术创新力以及开放性与生态能力六大维度入手，对360数字安全集团、安恒信息、阿里巴巴、长亭科技、Fortinet、火山引擎、华为、君同未来、绿盟科技、领信数科、奇安信、启明星辰集团、瑞数信息、天融信、腾讯15家厂商进行了评估，并给出行业平均标准。

IDC基于本次大模型应用防火墙技术评估结果的行业平均标准发现，目前中国大模型应用防火墙产品技术仍处在发展初期，多数产品能力主要聚焦在输入输出防护、内容安全检测、敏感信息识别和防护等基础检测与防护能力上，对于复杂AI应用场景的安全治理能力仍存在诸多不足。

IDC认为，随着生成式AI和智能体进入企业核心业务，大模型应用防火墙正从早期的提示词检测和内容过滤产品，逐步演进为覆盖模型、智能体、数据和运行时的AI原生安全平台。未来，产品将围绕AI驱动防护、全模态安全、统一治理、自适应防御等方向持续演进，成为企业AI基础设施的重要组成部分，产品具体的技术发展趋势如下：

AI Native安全架构——从”规则防护”迈向”AI对抗AI”时代：未来，大模型应用防火墙将立足AI Native安全架构，采用”大模型+小模型+规则引擎”的联合决策模式，借助AI技术提升AI安全检测和防护能力。
安全检测和防护能力将从文本扩展至全模态场景：大模型应用防火墙将逐步支持全模态安全检测和防护能力，对文本、图片、PDF、Office 文档、网页、音视频等输入输出内容进行统一安全检测，并结合OCR识别、多模态语义 理解和跨模态关联分析，实现对隐藏Prompt、图片注入、跨模态攻击等风险的精准识别。同时，安全策略也将实现跨模态统一治理，为企业多模态AI应用提供一致的安全保障能力。
行业化、场景化解决方案将成为产品竞争的重要方向：为了应对行业和场景的特殊需求，大模型应用防火墙将逐步向行业化、场景化方向发展，结合行业知识、业务流程和监管要求构建差异化的安全能力。
安全防护与业务可用性的平衡将成为核心竞争力：大模型应用防火墙将从”一刀切”的静态拦截逐步演进为基于风险等级的动态安全治理体系，根据用户身份、业务场景、上下文语义以及风险评分，动态选择阻断、脱敏、重写、告警或人工确认等不同处置策略。同时，通过上下文关联分析、持续学习和策略优化，不断降低误报率和漏报率，在保障安全的同时最大程度提升AI应用的可用性和用户体验。动态的安全治理一方面需要技术服务提供商提供底层技术支撑，另一方面更需要产品服务团队和用户共同开发、共同成长，使产品越用越懂业务、越用越懂安全防护的边界。
向统一安全控制平面快速演进：大模型应用防火墙将逐步突破模型输入输出防护的定位，向覆盖模型、数据、智能体和运行时的统一AI安全控制平台演进，成为企业AI基础设施中的核心安全控制节点。AI安全控制平面（AI Security Control Plane）将统一承担模型接入、安全策略管理、身份认证、访问控制、运行时安全、风险监测、安全审计和可观测等能力，并将智能体运行时安全纳入统一治理体系，实现对Agent身份、工具调用、MCP协议、多智能体协作及运行行为的全生命周期保护。

IDC中国网络安全市场研究经理王一汀表示，当前，大模型应用防火墙技术和市场仍处在发展初期，对于多轮上下文、工具调用、多模型协同等复杂AI应用场景的安全治理能力仍有待提升。未来，随着企业AI应用的规模化落地，大模型应用防火墙将逐步从单一的安全防护组件演进为面向AI应用全生命周期的统一控制平台，融合模型接入管理、身份权限控制、数据安全、智能体安全、风险运营与自动化响应等能力，保障用户AI的全生命周期安全。IDC也将持续关注相关技术和市场的发展情况。

备注：IDC定义的大模型应用防火墙是一种专门针对大语言模型（LLM）应用场景的安全防护技术与产品形态。其作为AI应用的安全边界防护层，部署在用户、应用与大模型交互的输入/输出通道，对请求与响应进行实时检测、过滤和阻断，从而防止恶意提示词注入、越权访问、敏感数据泄露和对抗攻击。

进一步交流

如您希望进一步了解本次评估的详细方法、各厂商能力表现，或探讨大模型应用防火墙在企业AI安全治理中的落地路径，欢迎与IDC中国网络安全市场研究团队联系。我们期待与您就报告内容及行业实践展开更多交流。请点击此处与我们联系。