一、一条曲线：集中 → 分散 → 再集中

把算力的历史按"在哪里算"排一排，会看到一条很清楚的摆动：

注意这不是简单的"回到原点"。 1960 年代的集中，是因为只有大机器能算，个人没有选择；今天的集中，是在每个人都能买得起算力的前提下，主动选择把它放在别人那里。前者是无奈，后者是选择——差别就在这里。

二、为什么"再集中"能成立：集中化的成本优势

集中能带来成本优势，这件事需要解释。教材的答案是集中化让自动化和标准化变得划算——这句话值得拆开算。

把"管理服务器"这项工作的成本按规模画出来：

看最后一列：分散自建的成本随台数线性上涨（100 台 1.0 人月、10000 台 100 人月，正好 100 倍）；而集中管理的成本涨得慢得多——单位人力成本从 0.0030 降到 0.0004，只有原来的八分之一。

为什么会这样？ 因为自动化有一个固定的"入场成本"（开发平台、建立流程、统一标准），一旦跨过这个门槛，后面每多一台机器的边际成本几乎为零。集中化做的正是"让这个门槛值得跨"——机器太少，摊不平入场成本；集中到足够多，它就划算了。

三、集中化的三个附带好处

除了管理成本，集中还有三个不那么显眼的好处：

• 电和空调的利用率更高。专业机房能持续按最优参数运行，规模大还能做更精细的调度。
• 环境更恒定，故障率更低。温度、湿度稳定，灰尘可控，硬件寿命更长。
• 人更专业。同一件事做一万遍的人，比偶尔做一次的人可靠得多。

所以"集中"不只是把机器搬到一起——它顺带把电力、制冷、运维这三件事都交给了专门做这件事的人。

四、动手 Demo：把成本曲线画出来

rows = [(100, 1.0, 0.3), (500, 5.0, 0.8), (2000, 20.0, 1.6), (10000, 100.0, 4.0)]
for n, scatter, central in rows:
    print("%6d 台  分散 %.1f  集中 %.1f  单位 %.4f 人·月/台"
          % (n, scatter, central, central / n))

实跑输出：

==================================================================================================
D12 云计算的历史与普及的原因：一条【集中→分散→再集中】的曲线
==================================================================================================
  时期            形态                          发生的事
  ----------------------------------------------------------------------------------------------
  1960s           大型机分时                    一台主机，很多人分时用——最早的集中
  1980s           PC 普及                       算力走向个人桌面——分散
  1990s           客户端服务器                  个人机＋部门服务器——半集中
  2006            AWS 推出 EC2 / S3             算力变成可以按小时租的东西——云的起点
  2008            Google App Engine             平台也开始按需提供（PaaS 出现）
  2013            Docker 发布                   应用打包标准化，为云原生铺路
  2014            Kubernetes 开源               容器编排有了事实标准
  2020s           云原生成主流                  新应用默认按云的方式写
  2026            AI 智算需求爆发               云从【存数据】变成【供算力】

  【为什么集中化会带来成本优势】
  服务器台数        分散自建（人·月）     集中＋自动化（人·月）   单位成本（人·月/台）
  ----------------------------------------------------------------------------------------------
  100 台            1.0                   0.3                     0.0030
  500 台            5.0                   0.8                     0.0016
  2000 台           20.0                  1.6                     0.0008
  10000 台          100.0                 4.0                     0.0004

  ④ 同样是把服务器管起来，分散自建的成本随台数【线性上涨】，
     集中以后涨得越来越慢——10000 台的单位人力成本只有 100 台的八分之一。
     这就是【服务器的集中化】成为云计算普及原因的地方：
     集中不只是把机器搬到一起，而是让自动化、【标准化】变得划算。
     附带的好处还有：专业机房能把电和空调的利用率算得更细，
     机器在更恒定的温度里也更少坏。

读这个输出：这条曲线的形状就是答案。如果管理成本始终是线性的，那集中毫无意义——100 台 1 人月、10000 台 100 人月，集中不过是从"很多个小团队"变成"一个超大团队"。真正让集中有意义的是那条曲线变弯了：因为自动化把重复劳动接走了，人只处理例外。"云"这件事的可行性，最终是建在这条弯曲线上的。

五、⚠️ 2026 现状

• 教材的时间线到 2020 年代就收了，今天要补一笔 AI。2022 年以后算力需求的结构发生了明显变化：过去云主要卖"存数据、跑网站"，现在卖的是"跑模型、算推理"。这也是为什么"云服务"这个词今天经常和"算力"直接连在一起。
• "云原生"从选项变成了默认。教材说"新应用默认按云的方式写"，今天这已经是事实：容器与编排是新应用的起点，而不是后续改造的目标。
• 但一个重要澄清：集中不等于所有东西都在云上。近年的趋势是混合与多云成为多数——核心敏感部分留在自己手里，弹性部分放在公有云。所以"再集中"描述的是资源池的集中，不是所有业务都挤进同一家服务商。

30 秒实验

看一眼你所在单位（或你熟悉的公司）的 IT 现状：

1. 服务器是集中放的，还是分散在各部门的？
2. 有没有一个统一的清单，能说清"现在我们有多少台机器、都在哪"？

第 2 题答不出来，说明还停在"分散"阶段——而这种状态下，无论机器好坏，成本都会随数量线性上涨。集中化的第一步不是搬机器，是先把账立起来——这也是上一篇"资产台账"被列为控制器第一项职责的原因。

常见误区

1. 错误：云是"新东西"，和过去的集中没关系。——纠正：云是"集中"这条线的第二次出现，而且是主动选择的版本。1960 年代集中是因为只有大机器能算；今天集中是因为算力便宜到人人可得之后，把它交出去托管反而更省。看清这条曲线，就不会把云当成一个孤立的新技术，而是一种资源配置方式的选择。

2. 错误：集中化管理的好处就是"人少"。——纠正："人少"只是结果，根源是"边际成本几乎为零"。跨过自动化的入场成本之后，每多一台机器几乎不需要多一个人——这个性质才让集中划算。如果只是把人聚在一起、流程照旧，成本仍然是线性的。

3. 错误：既然集中便宜，那所有企业都该把 IT 全集中。——纠正：集中的优势有前提：机器要足够多（摊得起自动化）、业务要能接受统一标准（不能被特殊需求撕碎）。规模不够、需求高度特殊时，集中反而带来协调成本——这也是混合模式成为主流的原因：把适合集中的集中，把必须自留的自留。

4. 错误：PC 普及阶段是"走了弯路"。——纠正：分散那一轮不是弯路，它把算力从稀缺变成了普及。没有个人电脑普及带来的硬件与软件生态，后来的服务器便宜到可以规模化堆积是不可能的事。这条曲线每一段都在为下一段铺路——这正是教材用历史来讲原因的原因。

• ☐ 下一节（1-13 云计算对系统架构的改变：服务的调查与评估）

相关笔记

• 控制大量服务器的机制 —— 上一篇：那条变弯的成本曲线是怎么画出来的
• 云计算对系统架构的改变 —— 下一篇：历史讲完了，架构上发生了什么变化
• 云服务的市场规模 —— 这条曲线今天长成了多大的市场
• 🌐 计算机网络 —— 客户端服务器结构的技术细节，那门课讲得更细
• ☁️ 云计算 · 索引 —— 全课路线图