出海东南亚的战略意义 - 东南亚是智算中心出海的必争之地 菲律宾是出海第一站 因其人口大国地位和数字化转型加速 [5] - 数据中心厂商出海是寻找新增长曲线的重要途径 东南亚市场投资回报率比国内高出2%-3% [5] - 政策环境变化推动数据本地化存储 菲律宾要求政府数据不得上云且海外数据回流 带动本地数据中心建设需求 [5] 市场驱动因素 - 东南亚算力规模总体基数小 两年前总体算力规模不到100兆瓦 目前市场增长达5-6倍 [12] - 国家定位推动数据中心集群建设 部分算力供给北亚、澳大利亚和日本等地区使用 [13] - 人口和互联网应用驱动需求 东南亚互联网和云计算渗透率高 文化融合程度高吸引外商投资 [13] - 政策与供应链优势 马来西亚水电价格低且有国家补贴 泰国政府已开始补贴 印尼和越南局部推动建设 [13] - 5G基站建设完善 关键基础设施达到一定水平 为数据中心发展提供产业基础 [14] 出海策略与客户定位 - 服务混合多元需求的市场策略 既聚焦大厂需求保障核心收益 又储备零散客户平衡单一大客户风险 [7] - 客户群体包括当地政府、当地企业、跨国公司以及国内出海客户 马来西亚数据中心去年下半年被中美云厂家填满需求 [28] - 跟随国内大厂绑定出海可保障上架率 定制化建设使上架率快速满载 未经充分调研的项目易陷入无人采纳困境 [6][27] 成本与收益分析 - 东南亚建设数据中心速度比国内快1-2年 内部收益率(IRR)期望值高出2%-3% [18] - 海外电价可能是国内2倍 但成本高低需对照服务客户群和整体成本结构 本地客户接受当地市场价 [19] - 国内企业可依托成熟供应链和运维经验优化成本 [19] 政策与建设周期 - 未来两到五年内 越来越多国家将出台数据本地化存储或跨境流动限制政策 [20] - 中国团队建设周期通常12至18个月 依赖海外当地团队可能延长至一至两年 [20] - 当前是布局海外数据中心的关键机遇期 需结合政策窗口与建设周期因素 [21] 人才与文化挑战 - 人才短缺是核心挑战 东南亚平均工作年限较低 熟练技术和运维人才储备不足 [22] - 采取"引进+培养"双线并行模式 派遣核心骨干进行项目交付 同时招募培训本地人才 [22][24] - 文化融合与互信是出海终局 属地化需要多元文化团队 否则影响效率及创新活力 [8][25] - 外派高管可应对短期挑战 但长期需培养当地人才 外派成本更高且需处理海外突发情况能力 [23][24] 博大数据的具体布局 - 在菲律宾建设当地城区最大智算中心之一 机柜数量超过3600台 [4] - 项目规模超过100兆 主要跟大厂合作 同时储备足够零售客户 [29] - 计划将布局扩展到东南亚其他国家及中亚地区 紧跟"一带一路"倡议 [29] 战略建议 - 明确战略定位 选择追求短期价值或构建长期可持续运营能力 [30] - 确定市场定位与辐射策略 如服务本土需求或一国辐射多国 [30] - 运营模式灵活应变 采用经验输出加本地化运营模式 平衡效率与风险 [30]

全球云服务与数据基础设施发展趋势 - 全球公共云服务终端用户支出预计2025年达7234亿美元 较2024年增长21.5% 其中IaaS和PaaS分别增长24.8%和21.6% [1] - 数据隐私法规如中国PIPL和欧洲GDPR推动跨国企业实施数据本地化战略 成为业务发展的核心要求 [1] - 构建安全合规且支持生成式AI的数据基座成为企业数字化转型的关键 尤其对加码中国市场的跨国企业至关重要 [1] 跨国企业数据战略实践案例 - 辉瑞中国通过建立本地化数据底层应对法规要求 降低管理复杂度 提升市场响应能力 [2] - 辉瑞中国数据基础设施三大核心需求：全球协同网络 高敏捷扩展能力 强合规管控能力 [3] - 选择亚马逊云科技合作构建数字化生态 覆盖前端沟通至AI分析平台 衍生Chatbot/生成式AI/RPA等能力 [3] 云与AI融合的行业效益 - 辉瑞全球利用亚马逊云科技ML能力在17个生物医药研发场景创新 实现年度成本节省7.5-10亿美元 [4] - 现代化数据战略需整合人机物料法 技术层面依赖湖仓一体化设计和统一分析能力驱动业务重塑 [4] - 云服务与AI深度融合可提升制药企业研发效率30% 降低运营成本20% 加速市场响应速度50% [4][5]

数据战略与人才缺口 - 企业面临专业人才缺口，缺乏真正懂数据、理解数据的人员，组建专业团队是构建数据能力的核心基础[1] - 企业需从合规、增长、效率三大维度持续发力，以高效、智能、数字化姿态前行，避免错过智能化与数字化浪潮[1] 智能湖仓与数据基座 - 云基础设施的弹性与安全是现代化数据战略的根基，湖仓一体化架构是释放价值的关键引擎，实现从研发、生产到营销的端到端数据贯通[3] - 计算存储分离等技术优化成本并将资源转化为利润，管理层需理解湖仓一体的战略价值以构建数据驱动闭环[3] - 选择亚马逊云科技的原因包括全球协同效应、高敏捷性应对中国市场变化、以及强大的合规管控能力[3] 端到端数据管理生态 - 依托亚马逊云科技构建智能湖仓架构，打破数据孤岛，支撑PB级数据湖弹性扩展，实现异构数据统一治理和自动化ETL流程[4] - 全球合作中，基于云原生数据分析、机器学习等服务，在17个场景中快速部署AI解决方案，预计年成本削减7.5-10亿美元[4] - 生成式AI平台VOX让员工安全创新，访问包括Amazon Bedrock和Amazon SageMaker上的大语言模型[4] 云平台效率与成本 - 云平台实现百倍级效率跃升，支持分钟级服务部署，颠覆传统IT架构以周、月甚至季度为单位的漫长部署周期[5] - 云平台采用"用多少付多少"的按需计费模式，杜绝资源浪费，相比传统架构下硬件设备持续产生固定成本[6] - FinOps云财务管理工具优化资源配置，降低运营成本，将IT部门从成本中心转型为业务加速器[8] Agentic AI在医药行业的应用 - 大模型与智能体技术改变传统AI项目高失败率的局面，智能体让业务场景落地成为可能[9] - 重点推进智能内容引擎和流程执行体两大应用方向，实现医学知识精准个性化分发和自动化流程执行[9] - 智能体接管规则明确、重复性高的流程，将员工从操作员升级为决策者，推动药企向智能敏捷转型[10] 数据本地化与合规 - 将数据本地化从被动合规升维至战略投资，在中国建立物理隔离的云数据基座，满足监管对患者隐私、临床数据出境的重度管控[11] - 数据本地化为本土化创新铺设基础设施，虽剥离全球生态痛苦但必要，对业务带来的机会巨大[11] - 未来竞争聚焦于合规技术底座与AI创新速度的双向驱动，需构建覆盖全链条的智能化合规体系和技术迭代效率优势[11]