知名避險基金經理Bill Ackman押注Meta能夠在人工智慧競賽中勝出，他旗下的Pershing Square已建立約20億美元的Meta倉位，佔其基金資本的10%，成為該公司最大持倉之一。據報導，Pershing Square在周三的年度投資者會議上披露了這筆投資。該公司於去年11月開始建倉Meta，平均成本為每股625美元。當時投資者對Meta在AI領域的巨額支出感到擔憂，導致其股價在過去六個月下跌約13%，這為Pershing Square創造了入場機會。Pershing Square認為，Meta的商業模式是AI整合最明確的受益者之一。該基金在投資者演示檔案中表示，AI將提升Meta的內容推薦和個性化廣告能力，並可能在可穿戴裝置或企業AI數字助手領域開啟新機遇。此外，Pershing Square還加倉了亞馬遜，其認為亞馬遜擁有“按市場份額計最大的雲業務”，以及是“佔主導地位的零售電商營運商”。截至周三收盤，Meta股價報669美元，自Pershing Square建倉以來累計上漲約14%。不過與Ackman此前投資引發的市場反應不同，Meta股價在持倉披露當日基本持平，去年4月Ackman建倉租車公司Hertz引發股價飆升超50%。01 集中投資風格延續Ackman以高度集中的投資組合著稱。截至2025年底，Pershing Square僅持有13隻股票，其中包括Alphabet和亞馬遜等其他大型科技公司。近幾個月，該基金清倉了兩個長期持倉——Chipotle Mexican Grill和希爾頓全球。Meta成為該基金的第三大科技股持倉。這一配置反映出Ackman對少數高確信度標的的偏好，而非分散投資策略。Pershing Square Holdings去年取得20.9%的回報率，超越標普500指數17.9%的總回報。Alphabet、房利美和房地美是其主要貢獻者。不過今年1月，該基金下跌2.5%。從Meta建倉至2025年底，該股上漲11%，今年截至2月9日又上漲3%。這一表現為Pershing Square的整體回報提供了支撐。除Meta外，Pershing Square在2025年還進行了其他大額投資。該基金向房地產公司Howard Hughes Holdings投資9億美元，並為其收購保險公司Vantage Group Holdings提供最高10億美元的支援。值得一提的是，Ackman是華倫·巴菲特的追隨者，他希望將Howard Hughes打造成類似波克夏的多元化控股公司，這一戰略顯示出其投資視野已超越單純的股票選擇，轉向更深度的企業價值重塑。 (華爾街見聞)

阿里巴巴旗下晶片業務「平頭哥」（T-Head）官網正式上線一款名為「真武 810E」的高階 AI 晶片，實現了軟體體全自研，已在阿里雲實現多個萬卡叢集部署，並服務了中國國家電網、中科院、小鵬汽車、新浪微博等 400 多家客戶。媒體評論指出：這意味著由通義實驗室、阿里雲和平頭哥組成的阿里 AI 黃金三角「通雲哥」完整浮出水面。 (芯聞眼)

杭州剛剛傳來超級大消息！AI黃金三角“通雲哥”正式浮出水面！台北時間2026年1月29日，科技巨頭阿里旗下的平頭哥在官網悄然上線一款名為“真武810E”的高端AI晶片，全球科技圈議論紛紛。十七年前，當馬雲第一次說阿里要研發晶片，成立平頭哥晶片研發部門的時候；誰能想到竟然真的會有這一天！或許有人不明白，一款晶片為何能引發全球如此重大的討論？原因很簡單，阿里完成了兩個史詩級的戰績！第一，根據已經公佈出來的資料顯示，這款中國自研的AI晶片，已經在性能上媲美輝達H20，而且是專為大規模AI訓練和推理設計！這代表我們終於有企業打破了美國在AI領域高端晶片的壟斷！第二，在今天之前，美國的科技巨頭Google是全球第一個同時做到，在大模型，雲端運算，晶片三大領域都具備全球頂級能力的科技公司！這一個超級成就只有市值4兆美元的Google做到了；但是今天之後，一切都被改變！中國的科技巨頭阿里成為了全球第二個做到這一超級成就的科技巨頭！這代表中國的科技巨頭阿里在大模型，雲端運算，晶片三大領域，全都在瘋狂的追趕美國，瘋狂進步！最關鍵的是，這不是我們說的；是今天全球無數科技從業者公認的！科技無法造假，不是靠PPT就能贏得別人的尊重，需要的是一步一個腳印，實打實的一次一次真正實戰，而且是國際舞台上的實戰成績！給你們看一看阿里過去一年的全球戰績，你們就知道有多麼恐怖了：大模型方面，全球下載量已經突破10億次，平均每天被下載110萬次，截止2025年10月，千問大模型下載量已經超越美國全球下載量最多的LLAMA模型，登頂全球下載量第一。同時基於千問衍生的模型數量也已經突破20萬個，也是全球第一；這代表的不僅僅是全球第一次有大模型突破20萬的衍生數量，更意味著全球無數國家的企業都在使用阿里的大模型，與阿里合作，選擇我們的科技巨頭，相信我們的科技巨頭！再看雲端運算領域，同樣戰績非常亮眼；最新資料顯示阿里雲又一次拿下亞太地區市場第一的份額，是亞太地區當之無愧的雲端運算霸主。再加上現在的阿里平頭哥一個接一個的自研晶片突破，就連新聞聯播都在報導平頭哥的晶片。自此，不知不覺中阿里通過十幾年的日夜研發，已經完成了全方位的大突破！在大模型，雲端運算，晶片三大領域全都躋身全球頂級！上一個做到如此成就的是美國科技巨頭Google，現在是阿里！看懂了這些，你們就明白為什麼今天全美科技圈都震撼不已；這代表的不僅僅是阿里徹底完成了自身電商大佬到科技大佬的徹底轉變！更代表我們中國今天起，一個世界級的科技巨頭正式誕生了！在如今中美科技競爭如此激烈的大背景下，我想任何一個理性的人都應該清楚，阿里的突破來得有多麼及時！不客氣的說，阿里的突破帶來的不僅僅是三大領域技術的突破，打破別人的卡脖子封鎖！更是在未來中美科技競爭中，給我們國家科技領域建起了一堵抗衡美國科技，最穩固最堅固的科技之牆！形成AI黃金三角，通義千問實驗室＋阿里雲＋平頭哥；黃金三角科技組合通雲哥！而熟悉我們發展路徑的朋友都知道，一旦我們開始了突破，那後面的技術井噴就會越來越多，越來越迅猛！阿里的“通雲哥”將代表中國參與全球，尤其是中美之間的科技之爭，AI之爭！很明顯，阿里的AI大爆發僅僅只是一個剛剛開始！ (王晶華說AI)

“AI時代，我們的教育不是讓一千個學生給出同樣一個正確的答案，而是讓一千個學生學會提出一萬個不同的好問題。”昨天是臘八節，白色襯衫和黑色外套的馬雲通過視訊的方式，如約出現在一年一度“臘八之約”，並和來自全國各地的鄉村教師們聊起了一個困惑的話題：AI時代，鄉村教育會不會被AI甩下？昨天，第11屆馬雲鄉村教師名單揭曉，11年間，馬雲鄉村教師累計支援1101位鄉村教師。今年的入選教師裡，有理性抉擇後奔赴新疆、實現人生價值的熱血教師；有跨界赴大涼山支教、五年就當上校長的廈門姑娘……他們有想法、敢選擇，卻也藏著困惑，比如面對AI，鄉村教育怎麼辦？馬雲線上上分享了他對AI的一些思考。他說，AI對鄉村教育是一個挑戰，但更是一個回歸教育本身的機會。“AI時代，不要再猶豫用不用AI，而是怎麼教我們的孩子去用好AI。有了AI，我們的教育，不再是讓孩子去和AI比拚計算和記憶，而是讓孩子保持好奇，好奇心才是算力的源泉。因為AI時代的鴻溝其實不是技術的鴻溝，而是好奇心、想像力、創造力、判斷力和協同能力的鴻溝。”馬雲說。他認為，AI時代未來的教育不是讓孩子背得更多，記得更多，而是讓他們想得更有趣，想得更有創意，想得更加獨特。“AI時代，我們的教育不是讓一千個學生給出同樣一個正確的答案，而是讓一千個學生學會提出一萬個不同的好問題。”馬雲說。馬雲鄉村教師計畫是由馬雲公益基金會於2015年發起的公益項目，通過資金支援與專業培訓提升鄉村教育質量，每年評選100名教師，每人提供10萬元資助及三年發展支援。(大河報)

報告名稱：2026年展望：偏好人工智慧賽道（文末附全文PDF）一、雲AI主導全球半導體市場兆級擴張2026年全球前十雲廠商資本開支預計達6320億美元，推動AI半導體成為增長絕對引擎。報告測算，僅雲AI晶片市場規模2024-2029年複合增長率即達36%，定製ASIC更高達65%，將帶動整體半導體產業規模在2030年突破兆美元大關。AI相關收入佔台積電營收比重預計從2024年15%躍升至2029年40%以上。二、從訓練向推理需求結構性轉移月度Token處理量呈指數級增長（字節跳動、OpenAI等頭部廠商月處理量已超兆），推理計算需求增速遠超訓練。DeepSeek等低成本推理方案進一步刺激應用爆發，推動Cloud AI晶片中推理佔比從2024年40%提升至2026年50%以上。這一轉變要求晶片架構更注重能效比與成本最佳化。三、邊緣AI開啟第二增長曲線2023-2030年Edge AI半導體市場複合增長率預計達22%，總規模超千億美元。生成式AI向機器人、AI眼鏡、智能汽車、AI PC/手機等垂直領域擴散，但邊緣計算功耗與成本瓶頸仍待突破。報告指出，聯發科、高通等廠商在端側AI SoC的佈局將是關鍵勝負手。四、先進封裝成為AI算力絕對瓶頸台積電CoWoS產能將從2023年32K/月暴增至2026年125K/月，仍難滿足需求。CPO（光電共封裝）技術將在2026年實現2倍功耗降低、10倍延遲縮減，Broadcom、Arista等已啟動量產。3D堆疊的SoIC技術使晶片間互聯密度提升百倍，封裝環節價值量從傳統5%提升至AI晶片的25%以上。五、儲存器結構性短缺常態化HBM成為AI晶片性能最核心的物理限制。2026年HBM消耗量預計達32億Gb，佔DRAM總產能30%以上，供應高度集中於三星、海力士、美光三家。NOR Flash因AI裝置程式碼儲存需求也將進入供不應求周期，華邦電等利基型儲存廠商迎來量價齊升。六、中國AI生態加速"去美國化"DeepSeek低成本推理方案引爆國產AI需求，GPU自給率將從2024年34%提升至2027年50%以上。華為Ascend 910C性能對標輝達H20，CloudMatrix 384超算叢集已實現商用。但SMIC N+2工藝產能不足成為最大瓶頸，先進製程裝置進口在2025年下半年出現反彈但仍受長期限制。七、雲廠商自研ASIC形成"反輝達"聯盟Google TPU進入第6代、AWS Trainium 3/4迭代加速、Meta MTIA與Microsoft Maia規模商用，四大雲廠商2026年定製ASIC採購量將佔其AI晶片總需求的30%。無論GPU還是ASIC路線勝出，台積電作為核心代工廠將攫取90%以上AI晶片製造份額，形成"賣方市場"絕對話語權。八、供應鏈"AI優先"導致非AI晶片持續失血晶圓代工、封裝測試產能全面向AI晶片傾斜，成熟製程利用率和ASP持續承壓。台積電N3/N2先進製程價格年漲幅超15%，CoWoS成本轉嫁導致非AI晶片設計公司毛利率承壓3-5個百分點。技術通膨與需求替代效應下，傳統伺服器、消費電子晶片復甦將滯後至2026年下半年甚至更晚。 (TOP行業報告)

“AI Infra 就是雲端運算本身。”100 多年前，電力首次進入工廠，許多工廠主做了一個看似合理的決定：保留複雜的蒸汽機傳動軸和皮帶系統，只用電動機替換蒸汽機。結果令他們大失所望：動力更強了，生產效率幾乎沒有同步提升。接下來的 20 年，他們才逐步意識到，電力帶來的真正變革不只是簡單替代動力源，而是把它嵌入到不同的業務單元中，用不同類型的電機驅動鑽頭、傳送帶等，生產力才迎來爆發。這是阿里雲希望給企業深入應用 AI 提供的能力。他們認為，AI 時代客戶要的不只是單一的模型或雲的能力，而是更低成本使用更強模型時，有更靈活的綜合體驗。AI 雲應該像當年的電力真正提高工業生產力時那樣，提供多層次的服務，全面嵌入到企業的業務流程中。這一判斷有業務資料支撐：在阿里雲上呼叫大模型 API （ MaaS 服務）的客戶中，有七成也同時在使用其 GPU 算力服務。阿里雲智能集團資深副總裁、公共雲事業部總裁劉偉光說，第一批深度使用 AI 的客戶，會把場景分成不同檔次：不只是簡單呼叫大模型 API，還會用內部資料精調或者後訓練基礎模型，或者自己從頭訓練一個模型。在劉偉光看來，AI 給雲端運算行業帶來的變化才剛剛開始，整個雲端運算體系架構都要為 AI 重構，“MaaS 增長潛力很大，但關鍵是打贏 AI 雲新增的全量市場”，要建立軟硬一體的 AI 雲全端能力，推動企業用更低成本呼叫更強的 AI 模型，解決不同層次、不同場景問題，“這才是競爭中的勝負手”。146 個 行業客戶深度調研：Token 質量比數量重要“如果今天所有的 AI 應用每天只能免費用 100 次，你會用它做什麼？”這是劉偉光 2025 年走訪了 146 個客戶後反覆思考的問題。 他的結論非常直接：沒有人會把它浪費在寫段子或閒聊上，一定會做最重要的東西——對工作最有幫助的決策、對家庭生活最關鍵的建議。在他看來，這是企業使用大模型與個人使用者的本質區別。個人使用者可能為了娛樂消耗 Token，但追求效率的企業，每一次 Token 的交換都有成本。他們不僅要為 Token 付費，業務線上的人力、時間也是投入。很難想像一個年輕的工程師面對裝置故障時，還需要多輪對話才能得到解決方案，需要更快的響應、能讓他迅速解決問題的指南。同樣，基金公司的交易員用 AI 輔助捕捉交易訊號時，也很難容忍模型動輒陷入沉思，然後給出長篇大論，再問一句 “是否需要我幫你整理得更完善”。傳統行業的企業正在用不同的方式，儘可能避開 AI 的短板、提升效率。比如汽車診斷公司，用 30 年積累的產業檢測報告做出來遠端幫助汽修的大模型，才用到診斷報告中；基金公司會用沉澱 20 多年的資料和交易的行為跟模型結合，把各種形式的非結構化資料（如文字、語音、圖像等）轉化為可供投資參考的標準化資訊。企業也希望充分挖掘 AI 的潛力。中國兩家農牧業巨頭公司都在用千問做相同的事情，他們不僅嘗試用 VL（視覺大模型）識別豬的數量，還用它來識別豬的異常行為，檢測豬的健康與活性，或者是開發獸醫大模型解決專業人才短缺問題。還有頭部照明公司接入千問後，不再侷限簡單的開關燈或者調控色溫，還用 AI 理解使用者模糊的指令，用更流暢的對話打造更聰明的端側語言模型，讓人與光的互動更自然。而企業一旦找到合適的方式把 AI 嵌入業務流程中，就會是嚴肅和連貫的。線上招聘行業中的每一家公司，幾乎都在引入 AI 簡歷篩選、智能化面試、自動生成面試記錄。當招聘專員習慣用 AI 輔助工作後，就會形成新的工作流，每天都會使用，不會受到個人喜好影響。“個人消費者使用 AI 的情況會有波動，但企業級市場只會不斷增長。” 劉偉光說，而且使用的廣度和深度會不斷加強，很多場景還沒有解鎖，“如果 AI 能把車損定損給改了，那絕對是一種 ‘革命’。”2024 年雲棲大會上，阿里巴巴集團 CEO 吳泳銘在演講中稱，生成式 AI 最大的想像力，絕不是在手機螢幕上做一兩個新的超級 App，而是接管數字世界，改變物理世界。過去一年中國 AI 企業市場的發展證實了他的判斷。AI 已不只在手機裡面作為應用程式，而是出現在更多的載體中，包括眼鏡、耳機、學習機、玩具、健身器材、汽車、機器人等全品類硬體裝置中。這種不同層次、不同場景的需求，當下無法用單一的模型 API 服務滿足。在美國市場，原本已經給企業提供工具的 SaaS 行業，大模型呼叫量規模持續上漲，提供了一種相對標準化的方案。而在 SaaS 行業未能發展起來的中國市場，傳統行業偏向定製服務解決特定場景問題，往往需要後訓練或者微調大模型。雲端運算公司提供這樣的服務，在一定程度上為企業提供了類似 SaaS 的服務。“現在所有 MaaS 服務加一起，在中國雲端運算市場、甚至 AI 雲市場佔比都不高。MaaS 的空間當然非常大，但不是今天。” 劉偉光說，只統計公有雲市場大模型 API 的呼叫量，無法代表 AI 雲全貌。真實的 Token 消耗量，要把 MaaS 平台 API 呼叫、公共雲 GPU 推理叢集產生 Token、私有化模型部署產生 Token，裝置端模型產生的 Token 等全部統計在內。“冰川下的 Token 消耗非常大，卻無法統計。而且企業用 AI 還處於轉型早期， 90% 以上的企業還沒有真正行動起來，未來肯定是百倍的增長。”但可以觀察的是，只要基礎模型的性能持續提升，雲廠商深入到技術堆疊的每一層提供服務，改進推理能力、節省成本，就可以帶動更多行業的更多客戶用 AI 解決問題。做 AI 時代的基礎設施，承接不同層次的需求輝達 CEO 黃仁勳曾拋出一個著名的論斷：GPU 叢集就是 “Token 工廠”，輸入的是能量，輸出的是 Token。這是典型的晶片公司視角，把 AI 生產過程簡化為了物理層面的能量轉換。對於雲廠商來說，如果只是從事算力轉售業務，現在很難提供可用的 AI 服務。他們必須用系統工程能力，儘可能提升現有算力效率，針對不同行業、不同層次的企業提供模型服務。這也是阿里雲的選擇：做 AI 時代的基礎設施。用劉偉光的比喻來說，阿里雲正在搭建的是一套現代化的自來水廠，而不只是水（大模型 API）的搬運工，還要維護水源地（開源模型）、搭建淨化車間（資料清洗與模型訓練平台）、鋪設輸水管網（高性能網路），以及處理污水（安全治理）等。在這套體系中，阿里雲能夠提供當前不同類型的 “用水” 需求：MaaS（直供水服務）： 就像家庭擰開水龍頭就能用水，企業或者開發者不用關心底層複雜的管網，直接呼叫 API，開箱即用，按需付費。這是最輕量的接入方式。PaaS（工業用水服務）： 類似於工廠需要特定的水源，企業可以獲得基礎模型，直接用 “開源模型” 在阿里雲平台上微調或者自己後訓練，然後部署到合適的環境中。IaaS（水處理基礎設施）： 像是將經過初步淨化、萃取後的水源，輸送給飲料廠或啤酒廠，企業可以用阿里雲提供的算力和基礎軟體，用來訓練獨家配方的 “飲料”，比如自動駕駛模型、各種垂類大模型等等。阿里雲已經有了初步成績。根據市場調研機構 Omdia 資料，2025 年上半年，中國 AI 雲整體市場（AI IaaS+PaaS+MaaS）規模達 223 億元，阿里雲佔比 35.8 %，超過第二到第四名總和。搭建這套全面的基礎設施，不僅需要高昂的投入，還要有戰略決心。2025 年 2 月，阿里宣佈未來三年將投入超過 3800 億元，用於建設雲和 AI 硬體基礎設施，總額超過去十年總和。僅僅是 2025 年前三個季度，阿里用於建設 AI 資料中心等的資本開支就兌現了 950 億元。在基礎模型層面，阿里持續投入訓練不同尺寸、不同類型、不同模態的基礎模型，並投入資源把它們做到第一梯隊。比如視覺生成模型萬相 2.6 性能媲美 OpenAI 的 Sora 2；Qwen-Image-Layered 是業界首個能實現圖像分層精準編輯的模型；Qwen3-Max 的性位居全球模型性能榜單前列。阿里選擇把這些模型開源，提供給各行各業的團隊或企業使用，其中 Qwen 的衍生模型數量超過 18 萬，規模位居全球第一。作為基礎設施，阿里雲上長出來的不只有阿里自研的模型，月之暗面也在阿里雲上訓練 Kimi 系列模型，以及許多智駕團隊也用阿里雲訓練模型。與此同時，阿里雲也提供了一整套體系能力，支撐 AI 時代新誕生的產品迅速發展，除了阿里體系的千問 App，還有螞蟻集團的靈光、阿福，以及月之暗面的 Kimi 應用、MiniMax 的海螺等。儘管當前各行各業應用 AI 還處於早期階段，但定位基礎設施的阿里雲，也在探索更新的產品形態，為接下來的 AI 應用爆發做好準備。最典型的例子就是阿里正在開發千問 App 的 Agent 版本。它不只侷限於使用者提問，還能夠呼叫淘寶比價、使用高德導航，甚至阿里所有的服務都有可能成為它的外掛。最終這些在阿里內部業務和行業頭部公司驗證過的能力，都會沉澱在阿里雲中，成為對外提供服務的產品。讓客戶具備長期、可持續地產生和使用智能的能力，而不是把客戶鎖定在某一種計量方式裡。AI 加速推動客戶上雲AI 正在給雲廠商帶來了新的增長動力。無論是 AWS、微軟 Azure、Google Cloud 還是阿里雲，規模都在迅速增長。但提供動力的不只是 GPU 用量或者大模型 API 的呼叫。阿里雲團隊觀察到， 在阿里雲上使用這些服務的客戶群體，他們在計算、儲存、網路以及巨量資料等產品上用量的增長，高於整個大盤的增長。“AI 會加速推動客戶上雲。” 劉偉光說，客戶為了用好 AI，不得不將資料全面上雲。企業想要讓一個 Agent 產生價值，基礎模型只是一個方面，高品質的業務資料同樣重要。微軟 Azure 的增長邏輯類似，出售 OpenAI 的基礎模型的 API 服務只是其中一個方面，更充足的動力來自企業為了在業務中應用更強的模型，把分散在本地與各系統中的內容與資料，遷移到了更方便模型呼叫的雲產品中。為高並行 Web/HTTP 請求設計的傳統雲端運算架構，難以高效支撐這樣的需求。甲骨文重新獲得增長動力，很大一部分因素就來自於部署 RDMA（遠端直接記憶體訪問）高性能網路和自治資料庫，適應了大模型訓練、推理的需求。這直接改變了公共雲端運算服務在中國市場的前景。此前多年，中國雲端運算公司並不像 AWS 等海外雲平台那樣，公共雲客戶遍佈各行各業，囊括美國證券交易所、大型石油公司、銀行業巨頭等，做大規模就能擁有利潤。在中國雲端運算市場，平台依賴的電力、頻寬等基礎設施成本並不受企業自身控制；部分傳統企業出於資料安全、合規或歷史慣性等原因，仍傾向於自建資料中心。“阿里雲的基礎雲架構，為 AI 重做了一遍。” 劉偉光說，AI Infra 並不是一個特定的垂直方向，就是雲端運算本身，不僅需要規模化、安全和穩定，更需要雲上的跨服務流轉能力，比如新型的向量資料庫、高效的巨量資料清洗平台、靈活的開發框架，滿足企業不同層次、不同場景使用  AI  的配套軟體體系。在阿里雲看來， AI 時代雲端運算平台的競爭力在於 “軟硬一體化” 的體系能力：硬體不只是晶片，而是圍繞 GPU 算力建構的整個高性能底層架構；軟體則是對模型的理解、最佳化和調度能力。“阿里雲的目標是拿下 2026 年中國 AI 雲市場增量的 80%。” 劉偉光說，但是下一年增量的 10% 都會大於上一年的全量。所以過去取得了什麼成績並不重要，變化才剛剛開始。 (晚點LatePost)

雲市場很久沒有這麼熱鬧了。IDC最新資料顯示，2025年上半年中國公有雲市場規模達到1206.69億元，同比增長接近20%。其中MaaS市場規模12.9億元，同比增長421.2%，成為雲端運算賽道中增長最快的細分領域；AI大模型解決方案市場規模30.7億元，同比增長122.1%，金融、政務和製造行業貢獻了超過六成預算。AI給雲端運算帶來了二次發展的機遇，這一點毋庸置疑。熱鬧歸熱鬧，喧囂之中也有一些值得冷靜的地方。年末各家陸續曬出成績單，Token呼叫量成為最熱門的指標。日均幾十兆的數字在行業裡此起彼伏，頗有當年市場份額大戰的既視感。但熟悉雲端運算行業的人應該還記得，市場份額這件事，行業已經很久不怎麼強調了。不是因為不重要，而是大家逐漸意識到，在一個還在快速擴張的市場裡，份額只是某個切面的快照，很難說明太多問題。今天的Token呼叫量，某種程度上也在重複這個邏輯。把數字放在一起看就更清楚：MaaS市場12.9億，整個公有雲市場1206億，佔比剛過1%。當所有注意力都集中在這1%的增速和排名上時，我們可能正在用一把過於狹窄的尺子丈量這個市場。Token呼叫量能說明一些問題，但說明不了全部。雲端運算的競爭也從來不只發生在應用層。因此，矽星人的判斷是：2026年，AI雲的競爭終將回歸基礎設施，回歸全端能力的比拚。Token是一個好指標，但不是唯一指標Token呼叫量成為熱門指標，有它的道理。它直觀、可量化、易傳播，在一個需要強心劑的市場裡，“日均幾十兆”這樣的數字天然具有衝擊力。對投資人、媒體、甚至部分客戶來說，這是最容易理解的AI繁榮證據。但問題也同樣明顯。首先數量不等於質量，同樣一個任務，一個模型用1萬個Token完成，另一個用1000個完成，誰的能力更強？場景差異同樣巨大，寫一段行銷文案消耗的Token，和幫金融機構做票據識別消耗的Token，消費端陪聊產生的Token，和生產端提升效率產生的Token，意義都完全不同。更關鍵的是，API呼叫只是企業使用AI的方式之一，而且是最輕量的一種。從雲服務商的視角看，企業使用AI大致有幾種路徑：直接呼叫API，模型在雲端，按量付費，這是當前Token統計的主要口徑；往深一層是在雲上做後訓練和微調，企業把自己的資料灌進去，訓出適配業務的模型；再往深是下載開源模型在本地或私有雲部署，資料不出域，推理在本地完成；還有更特殊的場景，比如車端智駕、機器人端側推理，模型直接跑在裝置上，響應必須是毫秒級，根本不可能等雲端返回。這些路徑產生的算力消耗同樣龐大，但從未進入任何一份公開報告的統計口徑。據矽星人瞭解，在阿里雲上，使用API呼叫服務的客戶和使用GPU算力的客戶，重合度高達70%。這意味著真正深度使用AI的企業，從來不是只選一種方式，而是根據場景選擇不同的服務層級：有些調API就夠了，有些需要自己訓模型。只看API呼叫這個口徑，相當於只看到了冰山露出水面的部分。而冰山之下，是企業向AI轉型的真實圖景：它不是簡單地接入一個API，而是一場涉及資料、流程、組織的體系化變革。這件事快不了，也不可能一蹴而就。沒有一個企業在選擇AI服務時會想“你的Token呼叫量最多，所以我選你”。它們想的是：你能不能解決我的問題。AI雲的客戶，遠不止網際網路公司什麼樣的場景在消耗Token？這個問題的答案，決定了我們如何理解當前AI雲市場的真實狀態。目前中國這波AI熱潮，最直觀的繁榮集中在消費端：ChatBot、唱歌、跳舞、AI換臉、虛擬陪伴……這些應用主要跑在手機上，使用者增長快，Token消耗大，資料好看。與此同時，MaaS市場增長最快的客戶群體是AI原生企業和網際網路公司，它們天然就是API呼叫的理想使用者：業務線上，資料現成，開發能力強，呼叫API就能跑起來。但這只是AI市場的一個切面。更廣闊的空間在企業級市場，在各類終端上。2025年大量傳統行業開始嘗試AI：農牧業在用AI做牲畜數量識別、異常行為檢測；安防領域在做多模態的家用監控，嬰兒看護、寵物識別、火焰告警；重工業在用維修助手縮短高級技師的培養周期；教育公司在做智能判卷，不只是選擇題，連主觀題都能批；物流公司給一線員工配上AI助手處理日常諮詢。這些場景不只發生在手機上，還發生在車端、機器人、工業裝置、IoT終端，對即時性、可靠性、資料安全的要求遠高於消費端。這些企業有一個共同特點：它們不是AI原生的。它們有幾十年積累的業務資料和行業know-how，需要的不是簡單呼叫一個API，而是把AI和自己的資料、流程深度耦合。很多企業連數位化都沒完成，需要先做資料治理，再做後訓練和微調，最後才是部署應用。這是一整套服務，不是一個API介面能解決的。這也是為什麼開源模型和閉源模型對雲市場的拉動作用呈現出不同的節奏。閉源模型的路徑更直接：客戶呼叫API，按量付費，收入確認清晰，增長曲線漂亮。開源模型的邏輯不同，客戶下載後可能在本地部署，可能用自己的GPU叢集做推理，也可能在雲上做後訓練但不走API呼叫。這些使用行為同樣在發生，但很難被統計。開源對雲的拉動是存在的，只是更分散、更隱蔽、周期更長。從全球範圍看，阿里雲是一個比較特殊的存在，它是少數同時押注雲端運算基礎設施和開源模型生態的大型雲服務商。Qwen系列模型開源後，全球下載量已超過8億次。但這8億次下載中，有多少轉化成了阿里雲的收入？很難直接計算。開源是一個生態邏輯，不是一個交易邏輯。消費端的熱鬧只是開始，企業級市場的AI轉型才是真正的硬仗：資料治理、流程再造、組織適配，每一步都不容易。整個產業向AI的轉型，還有很長的路要走。回到雲端運算的底層邏輯雲端運算行業發展了這麼多年，一個最深的體感是：雲端運算行業沒有討巧的事。每一個資料庫產品，上線時的產品，被幾十家客戶打磨後幾乎完全重構。每一層服務能力，都是髒活累活苦活堆出來的。基礎設施的穩定性、安全性、彈性擴展能力，都不是靠講故事講出來的，而是靠無數次故障復盤、性能調優、架構迭代磨出來的。這些能力沒有捷徑，也無法速成。不管AI給這個行業帶來多大的想像空間，底層的邏輯沒有變：誰的基礎設施更紮實，誰的全端能力更完整，誰才能走得更遠。MaaS的競爭也從來不是孤立的。一個企業客戶呼叫大模型API，背後發生的事情遠比“請求-響應”複雜得多。它背後是PaaS層的能力：資料怎麼存、怎麼治理、怎麼灌進模型做訓練、怎麼搭建Agent工作流；再往下是IaaS層的積累：晶片、伺服器、網路、儲存、GPU叢集調度，一整套基礎設施在支撐。任何一層出了短板，整體體驗就會打折扣。這也是為什麼全端能力在AI時代變得更加重要。過去雲端運算的競爭，IaaS、PaaS、SaaS相對獨立，客戶可以分層採購，今天用A家的計算，明天換B家的資料庫。但AI改變了這個邏輯。模型訓練需要海量算力，推理需要低延遲網路，資料需要在安全合規的前提下流動，這些環節高度耦合，很難拆開。誰能把模型能力和基礎設施能力結合得最好，打造出最高的性價比，誰才具備長期競爭力。2026年，當更多企業從“嘗鮮”走向“深度使用”，當AI從消費端走向生產端，競爭一定會回歸到全端。但這場競爭究竟會如何演化，現在下結論還太早。1996年，摩托羅拉總裁訪問中國，預測到2000年中國手機使用者大概有100萬。結果2000年中國手機使用者突破1億，再過幾年突破10億。而那時候，摩托羅拉已經掉隊了。技術變革期的預測，往往會低估市場的爆發力，也會高估短期的競爭格局。MaaS市場佔整個雲端運算大盤剛過1%，中國企業級市場的AI滲透才剛剛開始，99%的企業還沒有真正入場。雲端運算的發展從來都是一個漫長的過程，沒有捷徑可走。暫時的資料波動，不值得過度興奮，也不值得過度焦慮。真正值得關注的，是誰在紮紮實實地建基礎設施，誰在認真地服務企業客戶，誰在為三年後、五年後的競爭做準備。 (矽星人Pro)