第 2 篇：GCP vs AWS vs Azure：每个核心产品对应谁
一句话总览
GCP、AWS、Azure 的产品表可以一一对应，但客户选择不是机械地比较产品名字。
更准确地说：
- AWS 是云基础设施默认选择，产品最全，生态最厚。
- Azure 是企业微软生态默认选择，Office、Windows、Entra、Power BI、GitHub、OpenAI、Copilot 入口强。
- GCP 是数据、AI、云原生和 Google 技术资产的特色选择。
所以比较三家云，不能只问“GCP 的 Compute Engine 对应 AWS 什么”，还要问：
- 客户原来的技术栈在哪里？
- 客户最核心的工作负载是什么？
- 客户团队能力在哪里？
- 决策人是 CTO、CIO 还是业务部门？
- 有没有战略顾虑，比如反 Amazon 心智？
核心产品对应表
| 层级 | GCP | AWS | Azure |
|---|---|---|---|
| 虚拟机 | Compute Engine | EC2 | Azure Virtual Machines |
| 对象存储 | Cloud Storage | S3 | Blob Storage |
| 块存储 | Persistent Disk / Hyperdisk | EBS | Azure Managed Disks |
| 文件存储 | Filestore | EFS / FSx | Azure Files / Azure NetApp Files |
| 网络 | VPC | VPC | Virtual Network |
| 负载均衡 | Cloud Load Balancing | ELB / ALB / NLB | Load Balancer / Application Gateway |
| CDN | Cloud CDN | CloudFront | Azure CDN / Front Door |
| Kubernetes | GKE | EKS | AKS |
| Serverless 容器 | Cloud Run | ECS Fargate / App Runner | Azure Container Apps |
| 函数计算 | Cloud Functions | Lambda | Azure Functions |
| 应用平台 | App Engine | Elastic Beanstalk / App Runner | App Service |
| 关系数据库 | Cloud SQL | RDS | Azure SQL / Azure Database |
| PostgreSQL 增强 | AlloyDB | Aurora PostgreSQL | Azure Database for PostgreSQL |
| 全球分布式数据库 | Spanner | Aurora Global / DynamoDB Global Tables 部分场景 | Cosmos DB / Azure SQL Hyperscale 部分场景 |
| 文档数据库 | Firestore | DynamoDB / DocumentDB | Cosmos DB |
| 宽列数据库 | Bigtable | DynamoDB / Keyspaces | Cosmos DB / Cassandra API |
| 数据仓库 | BigQuery | Redshift | Synapse / Fabric Warehouse |
| 数据处理 | Dataflow / Dataproc / Data Fusion | Glue / EMR / Kinesis | Data Factory / Synapse / Event Hubs |
| BI | Looker | QuickSight | Power BI |
| API 管理 | Apigee / API Gateway | API Gateway | API Management |
| 消息事件 | Pub/Sub / Eventarc | SNS / SQS / EventBridge | Service Bus / Event Grid |
| AI 平台 | Vertex AI | SageMaker / Bedrock | Azure AI Foundry / Azure ML |
| 大模型 | Gemini / Model Garden | Bedrock 模型 | Azure OpenAI / Model Catalog |
| AI 算力 | GPU / TPU / AI Hypercomputer | EC2 GPU / Trainium / Inferentia | Azure GPU / AI infrastructure |
| 办公协作 | Google Workspace | 弱 | Microsoft 365 |
| 安全运营 | Google SecOps / Mandiant | Security Hub / GuardDuty | Sentinel / Defender |
参考：Google Cloud 官方 AWS / Azure / GCP 服务对照。
计算层
1. 虚拟机：Compute Engine vs EC2 vs Azure VMs
AWS EC2 是云虚拟机的事实标准，生态最成熟，实例类型和周边服务最多。Azure VMs 对 Windows Server、SQL Server、Active Directory 客户更自然。GCP Compute Engine 的优势不在“比 EC2 更默认”，而在与 Google 网络、GKE、BigQuery、Vertex AI 的组合。
客户如果是传统企业迁移大量 Windows 负载，Azure 更顺。客户如果是已有 AWS 云原生体系，EC2 更顺。客户如果要把计算和数据 / AI / Kubernetes 串起来，GCP 才更有吸引力。
2. Kubernetes：GKE vs EKS vs AKS
GKE 是 GCP 的强项之一。Kubernetes 源自 Google，大型工程团队会认可 GKE 的成熟度和体验。
EKS 的优势是 AWS 生态，适合已经在 AWS 的客户。AKS 的优势是微软企业环境和 Azure DevOps / GitHub / Entra 组合。GKE 的优势是 Kubernetes 正统性、自动化和云原生开发体验。
3. Serverless 容器：Cloud Run vs Fargate / App Runner vs Azure Container Apps
Cloud Run 是 GCP 很有特色的产品。它比虚拟机轻，比 Kubernetes 简单，比函数计算更适合完整应用。客户只需要把容器交上去，就能自动扩缩容。
AWS 的能力更分散，常见组合是 Lambda、ECS Fargate、App Runner。Azure Container Apps 则适合微软企业和 .NET / Azure 生态。
存储层
对象存储三家都成熟。AWS S3 是事实标准，生态最厚。Azure Blob Storage 和 Data Lake、Synapse、Fabric、Power BI 结合强。GCP Cloud Storage 的价值在于和 BigQuery、Dataflow、Vertex AI、Cloud Run 组合顺。
块存储通常跟随虚拟机选择：用 EC2 就常用 EBS，用 Azure VMs 就用 Azure Disk，用 Compute Engine 就用 Persistent Disk / Hyperdisk。
文件存储上，AWS 的 EFS / FSx 选择丰富，Azure Files / Azure NetApp Files 对企业文件和 Windows 场景更强，GCP Filestore 足够覆盖常规云原生文件场景。
数据库层
GCP 的普通数据库不一定比 AWS / Azure 更强，但特殊产品很有辨识度。
Cloud SQL 对应 RDS 和 Azure Database，是常规托管关系数据库。AlloyDB 对应 Aurora PostgreSQL，主打高性能 PostgreSQL 兼容。Spanner 是 GCP 很独特的全球分布式强一致关系数据库。Firestore 更适合移动端和 Web 实时应用，和 Firebase 结合强。Bigtable 适合广告、推荐、风控、时序和海量低延迟场景。
客户如果只是普通 MySQL / PostgreSQL，AWS RDS / Aurora 很强。客户如果是 SQL Server 和微软体系，Azure 更顺。客户如果要全球强一致、海量低延迟、移动实时应用，GCP 的 Spanner、Bigtable、Firestore 更有特色。
数据分析层
GCP 的核心强项是 BigQuery。
BigQuery 对应 AWS Redshift、Azure Synapse / Fabric Warehouse，但它的心智更偏 Serverless 云数仓。客户不用管理复杂集群，也能做大规模分析。
数据处理上，GCP 是 Dataflow、Dataproc、Data Fusion、Datastream、Composer；AWS 是 Glue、EMR、Kinesis、MSK、Step Functions；Azure 是 Data Factory、Synapse、Stream Analytics、Event Hubs、Databricks。
BI 上，Looker 对应 QuickSight 和 Power BI。Power BI 在企业分发、Office 和 Excel 生态里最强。Looker 的价值在语义层、统一指标口径，以及和 BigQuery 的组合。
AI 层
三家云在 AI 上路线差异最大。
GCP 的 AI 路线是：TPU / GPU / AI Hypercomputer + Vertex AI + Gemini + BigQuery + Cloud Run / GKE。
AWS 的 AI 路线是：EC2 GPU / Trainium / Inferentia + SageMaker + Bedrock + 广泛基础设施生态。
Azure 的 AI 路线是：Azure GPU + Azure AI Foundry / Azure ML + Azure OpenAI + Microsoft 365 / GitHub / Copilot。
GCP 的优势是 Google 自己的 AI 研究、Gemini、TPU、BigQuery 数据底座。AWS 的优势是基础设施和多模型生态。Azure 的优势是 OpenAI、Copilot 和企业入口。
SaaS 和企业入口
这一层 Azure 最强。
Microsoft 365、Teams、SharePoint、OneDrive、Entra、Power BI、Defender、Copilot 让 Azure 在企业客户里有天然入口。
GCP 的 SaaS 强点是 Workspace、Looker、Google Maps Platform、Firebase、Google SecOps / Mandiant。AWS 在办公 SaaS 层弱，但在云原生基础设施、安全和开发者生态上强。
客户选择的最小结论
客户选 AWS，通常是因为它是云计算默认选项，服务最全，资料最多，工程师最多，风险最低。
客户选 Azure，通常是因为企业已经在微软体系里，身份、办公、安全、BI、开发工具、Copilot 都能统一采购和治理。
客户选 GCP，通常是因为数据、AI、Kubernetes、Cloud Run、BigQuery、Vertex AI、Gemini、TPU、Google 网络这些能力更贴近它的核心工作负载。
一句话：AWS 是最大工具箱，Azure 是企业微软入口，GCP 是数据和 AI 特色云。
---