9月24日，阿里巴巴集團CEO吳泳銘在雲棲大會上，明確闡述了AI時代下阿里雲的核心戰略。他判斷，“大模型是下一代的作業系統”，將取代傳統OS，成為連接使用者、軟體與AI計算資源的中間層。基於此判斷，吳泳銘宣佈阿里雲做出關鍵戰略選擇：通義千問將堅定走開放路線，致力於成為“AI時代的Android”，與全球開發者共同建構繁榮的AI應用生態。吳泳銘解釋說，開源模型能滲透的場景和創造的價值將遠超閉源模型。目前，通義千問開源模型矩陣的全球下載量已超6億次，衍生出超過17萬個模型，成為了全球最受歡迎的開源模型之一。通過開源，阿里雲旨在將開發者規模從數千萬擴展至數億，讓任何人都能用自然語言創造滿足自身需求的Agent（智能體），從而“吞噬”傳統軟體的形態。要支撐這個全新的“作業系統”和其上無限的應用生態，必須有一台“下一代的電腦”——即“超級AI雲”。吳泳銘強調，阿里雲正全力打造這台AI超級電腦，提供從自研晶片、網路、儲存到模型、平台的全端人工智慧服務。他透露，為滿足AI計算範式的革命性轉變，公司正在積極推進龐大的基礎設施建設計畫，根據規劃，為迎接ASI時代的到來，阿里雲預計到2032年其全球資料中心的能耗規模將是2022年的10倍。吳泳銘將AI能力的核心載體“Token”比作“未來的電”，而阿里雲的定位就是成為全球領先的AI服務商，通過世界級的智能能力和遍佈全球的AI雲端運算網路，為千行百業輸送這一新時代的核心生產力。附吳泳銘演講全文——開始演講之前，我想特別感謝一下支援整個中國乃至全球科技行業的開發者朋友。今天是雲棲大會的10周年，雲棲大會起源於阿里雲的開發者大會，是廣大開發者推動了中國乃至全球的雲端運算、AI和科技行業的發展。所以，在演講之前，我想特別向開發者們致以最高的謝意。當前的世界，一場由人工智慧驅動的智能化革命剛剛開始。過去幾百年，工業革命通過機械化放大了人類的體能，資訊革命通過數位化放大了人類的資訊處理能力。而這一次，智能化革命將遠超我們的想像。通用人工智慧AGI不僅會放大人類智力，還將解放人類的潛能，為超級人工智慧ASI的到來鋪平道路。最近的三年，我們已經清晰地感受到它的速度。幾年時間，AI的智力從一個高中生迅速提升到博士生的水平，還能拿到國際IMO的金牌。AI Chatbot是人類有史以來使用者滲透率最快的功能。AI 的行業滲透速度超過歷史上所有技術。Tokens 的消耗速度兩三個月就翻一番。最近一年，全球AI行業的投資總額已經超過4000億美元，未來5年全球AI的累計投入將超過4兆美元，這是歷史上最大的算力和研發投入，必然將會加速催生更強大的模型，加速AI應用的滲透。實現AGI——一個具備人類通用認知能力的智能系統，現在看來已成為確定性事件。然而，AGI並非AI發展的終點，而是全新的起點。AI不會止步於AGI，它將邁向超越人類智能、能夠自我迭代進化的超級人工智慧（ASI）。AGI的目標是將人類從80%的日常工作中解放出來，讓我們專注於創造與探索。而ASI作為全面超越人類智能的系統，將可能創造出一批“超級科學家”和“全端超級工程師”。ASI將以難以想像的速度，解決現在未被解決的科學和工程問題，比如攻克醫學難題、發明新材料、解決可持續能源和氣候問題，甚至星際旅行等等。ASI將以指數級的速度推動科技的飛躍，引領我們進入一個前所未有的智能時代。我們認為，通往ASI之路將經歷三個階段：第一階段是“智能湧現”，特徵是“學習人”。過去幾十年的網際網路發展，為智能湧現提供了基礎。網際網路將人類歷史上幾乎所有的知識都數位化了。這些語言文字承載的資訊，代表了人類知識的全集。基於此，大模型首先通過理解全世界的知識集合，具備了泛化的智能能力，湧現出通用對話能力，可以理解人類的意圖，解答人類的問題，並逐漸發展出思考多步問題的推理能力。現在，我們看到AI已經逼近人類各學科測試的頂級水平，比如國際數學奧賽的金牌水平。AI逐漸具備了進入真實世界、解決真實問題、創造真實價值的可能性。這是過去幾年的主線。第二個階段是“自主行動”，特徵是“輔助人”。這個階段，AI不再侷限於語言交流，而是具備了在真實世界中行動的能力。AI可以在人類的目標設定下，拆解複雜任務，使用和製作工具，自主完成與數字世界和物理世界的互動，對真實世界產生巨大影響。這正是我們當下所處的階段。實現這一跨越的關鍵，首先是大模型具備了Tool Use能力，有能力連接所有數位化工具，完成真實世界任務。人類加速進化的起點是開始創造和使用工具，現在大模型也具備了使用工具的能力。通過Tool Use，AI可以像人一樣呼叫外部軟體、介面和物理裝置，執行複雜的真實世界任務。這個階段，由於AI能夠輔助人類極大提高生產力，它將快速地滲透到物流、製造、軟體、商業、生物醫療、金融、科研等幾乎所有行業領域。其次，大模型Coding能力的提升，可以幫助人類解決更複雜的問題，並將更多場景數位化。現在的Agent還比較早期，解決的主要是標準化和短周期的任務。要想讓Agent能解決更複雜、更長周期任務，最關鍵的是大模型的Coding能力。因為Agent可以自主Coding，理論上就能解決無限複雜的問題，像工程師團隊一樣理解複雜需求並自主完成編碼、測試。發展大模型Coding能力是通往AGI的必經之路。未來，自然語言就是AI時代的原始碼，任何人用自然語言就能創造自己的Agent。你只需要輸入母語，告訴AI你的需求，AI就能自己編寫邏輯、呼叫工具、搭建系統，完成數字世界的幾乎所有工作，並通過數位化介面來操作所有物理裝置。 未來，也許會有超過全球人口數量的Agent和機器人與人類一起工作，對真實世界產生巨大影響。在這個過程中，AI就能連接真實世界的絕大部分場景和資料，為未來的進化創造條件。隨後AI將進入第三個階段——“自我迭代”，特徵是“超越人”。這個階段有兩個關鍵要素：第一、AI連接了真實世界的全量原始資料目前AI進步最快的領域是內容創作、數學和Coding領域。我們看到這三個領域有明顯的特徵。這些領域的知識100%是人類定義和創造的，都在文字裡，AI可以100%理解原始資料。但是對於其他領域和更廣泛的物理世界，今天的AI接觸到的更多是人類歸納之後的知識，缺乏廣泛的、與物理世界互動的原始資料。這些資訊是有侷限的。AI要實現超越人類的突破，就需要直接從物理世界獲取更全面、更原始的資料。舉一個簡單的例子，比如一家汽車公司的CEO要迭代明年的產品，大機率會通過無數次的使用者調研或者內部的討論來決定下一款汽車將要具備什麼樣的功能，與競對相比要實現那些方面的長板，保留什麼方面的能力。現在AI要去做還是很難的，核心點在於它所獲得的資料和資訊，全都是調研來的二手資料。如果有一天AI有機會，能夠連接這款汽車的所有的資料和資料，它創造出來的下一款汽車會遠遠超過通過無數次頭腦風暴所創作出來的。這只是人類世界當中的一個例子，更何況更複雜的物理世界，遠遠不是通過人類知識歸納就能夠讓AI理解的。所以AI要進入到一個更高的階段，就需要直接從物理世界獲取更全面、更原始的資料，就像在自動駕駛的早期階段，只靠人類的總結，Rule-based的方法去實現自動駕駛，無法實現很好的效果。新一代的自動駕駛，大部分採用端到端的訓練方法，直接從原始的車載攝影機資料中學習，實現了更高水平的自動駕駛能力。即便我們現在看起來相對簡單的自動駕駛問題，僅依靠人類歸納的知識和規則，也無法解決，更何況整個複雜的物理世界。只是讓AI學習人類歸納的規律，是遠遠不夠的。只有讓AI與真實世界持續互動，獲取更全面、更真實、更即時的資料，才能更好地理解和模擬世界，發現超越人類認知的深層規律，從而創造出比人更強大的智能能力。第二、Self-learning自主學習隨著AI滲透更多的物理世界場景，理解更多物理世界的資料，AI 模型和agent能力也會越來越強，有機會為自己模型的升級迭代搭建訓練infra、最佳化資料流程和升級模型架構，從而實現 Self learning。這會是AI發展的關鍵時刻。隨著能力的持續提升，未來的模型將通過與真實世界的持續互動，獲取新的資料並接收即時反饋，借助強化學習與持續學習機制，自主最佳化、修正偏差、實現自我迭代與智能升級。每一次互動都是一次微調，每一次反饋都是一次參數最佳化。當經過無數次場景執行和結果反饋的循環，AI將自我迭代出超越人類的智能能力，一個早期的超級人工智慧（ASI）便會成型。一旦跨過某個奇點，人類社會就像按下了加速鍵，科技進步的速度將超越我們的想像，新的生產力爆發將推動人類社會進入嶄新的階段。這條通往超級人工智慧的道路，在我們的眼前正在日益清晰。隨著AI技術的演進和各行各業需求爆發，AI也將催生IT產業的巨大變革。我們的第一個判斷是：大模型是下一代的作業系統。我們認為大模型代表的技術平台將會替代現在OS的地位，成為下一代的作業系統。未來，幾乎所有連結真實世界的工具介面都將與大模型進行連結，所有使用者需求和行業應用將會通過大模型相關工具執行任務，LLM將會是承載使用者、軟體 與 AI計算資源互動調度的中間層，成為AI時代的OS。來做一些簡單的類比：自然語言是AI時代的程式語言，Agent就是新的軟體，Context是新的Memory，大模型通過MCP這樣的介面，連接各類Tools和Agent類似PC時代的匯流排介面，Agent之間又通過A2A這樣的協議完成多Agent協作類似軟體之間的API介面。大模型將會吞噬軟體。大模型作為下一代的作業系統，將允許任何人用自然語言，創造無限多的應用。未來幾乎所有與計算世界打交道的軟體可能都是由大模型產生的Agent，而不是現在的商業軟體。潛在的開發者將從幾千萬變成數億規模。以前由於軟體開發的成本問題，只有少量高價值場景才會被工程師開發出來變成商業化的軟體系統。未來所有終端使用者都可以通過大模型這樣的工具來滿足自己的需求。模型部署方式也會多樣化，它將運行在所有裝置上。現在主流的呼叫模型API的方式，來使用模型只是初級階段，其實看起來非常原始。類似大型主機時代的分時復用階段，每個人只有一個終端連接上大型主機分時復用。這種方式無法解決資料持久化，缺乏長期記憶，即時性不夠，隱私無法解決，可塑性也不夠。未來模型將運行在所有計算裝置中，並具備可持久記憶，端雲聯動的運行狀態，甚至可以隨時更新參數，自我迭代，類似我們今天的OS運行在各種環境之中。正是基於這個判斷，我們做了一個戰略選擇：通義千問選擇開放路線，打造AI時代的Android。我們認為在LLM時代，開源模型創造的價值和能滲透的場景，會遠遠大於閉源模型。我們堅定選擇開源，就是為了全力支援開發者生態，與全球所有開發者一起探索AI應用的無限可能。我們的第二個判斷：超級AI 雲是下一代的電腦。大模型是運行於 AI Cloud之上新的OS。這個OS可以滿足任何人的需求。每個人都將擁有幾十甚至上百個Agent，這些Agent 24小時不間斷地工作和協同，需要海量的計算資源。資料中心內的計算範式也在發生革命性改變，從CPU為核心的傳統計算，正在加速轉變為以 GPU為核心的 AI 計算。新的AI計算範式需要更稠密的算力、更高效的網路、更大的叢集規模。這一切都需要充足的能源、全端的技術、數以百萬計的GPU和CPU，協同網路、晶片、儲存、資料庫高效運作，並且24 小時處理全世界各地的需求。這需要超大規模的基礎設施和全端的技術積累，只有超級AI雲才能夠承載這樣的海量需求。未來，全世界可能只會有5～6個超級雲端運算平台。在這個新時代，AI將會替代能源的地位，成為最重要的商品，驅動千行百業每天的工作。絕大部分AI能力將以Token的形式在雲端運算網路上產生和輸送。Token就是未來的電。在這個嶄新的時代，阿里雲的定位是全端人工智慧服務商，提供世界領先的智能能力和遍佈全球的AI雲端運算網路，向全球各地提供開發者生態友好的AI服務。首先，我們有全球領先的大模型——通義千問。通義千問開源了300多款模型，覆蓋了全模態、全尺寸，是最受全球開發者歡迎的開源模型。截至目前，通義千問全球下載量超6億次，衍生模型超17萬個，是全球第一的開源模型矩陣，可以說是滲透計算裝置最廣泛的大模型。同時，阿里雲提供一站式模型服務平台百煉，支援模型定製化以及Agent快速開發，同時提供AgentBay這樣的Agent運行環境、靈碼/Qoder等一系列開發者套件，讓開發者可以方便地使用模型能力和建立使用Agent。其次，阿里雲營運著中國第一、全球領先的AI基礎設施和雲端運算網路，是全球少數能做到軟硬體垂直整合的超級AI雲端運算平台之一。在硬體和網路層面，阿里雲自研的核心儲存系統、網路架構、計算晶片，構成了阿里雲大型計算叢集最堅實的底座。阿里雲正在全力打造一台全新的AI超級電腦，它同時擁有最領先的AI基礎設施和最領先的模型，可以在基礎架構設計和模型架構上協同創新，從而確保在阿里雲上呼叫和訓練大模型時，能達到最高效率，成為開發者最好用的AI雲。AI行業發展的速度遠超我們的預期，行業對AI基礎設施的需求也遠超我們的預期。我們正在積極推進三年3800億元的AI基礎設施建設計畫，並將會持續追加更大的投入。從現在我們看到的AI行業遠期發展以及客戶需求角度來看，為了迎接ASI時代的到來，對比2022年這個GenAI的元年，2032年阿里雲全球資料中心的能耗規模將提升10倍。這是我們的一個遠期規劃，我們相信通過這樣的飽和式投入，能夠推動AI行業的發展，迎接ASI時代的到來。超級人工智慧到來之後，人類和AI會是怎麼樣的協作關係？未來的AI越來越強，甚至超越人類智能能力的ASI誕生，那我們人類和AI將如何相處？我們對未來充滿樂觀，超級人工智慧到來之後，人類和AI是一個嶄新的協同方式。程式設計師可能已經感受到了，我們可以下一個指令，通過Coding這樣的工具，讓它晚上12個小時就能夠創造出一個我們需要的系統，從這裡我們看到了未來人和AI怎麼樣去共同協同的一種早期的雛形。所以我們覺得，從Vibe Coding到Vibe Working。未來，每個家庭、工廠、公司，都會有眾多的Agent和機器人24小時為我們服務。也許，未來每個人都需要使用100張GPU晶片為我們工作。正如電曾經放大了人類物理力量的槓桿，ASI將指數級放大人類的智力槓桿。過去我們消耗10個小時的時間，獲得10小時的結果。未來，AI可以讓我們10小時的產出乘以十倍、百倍的槓桿。回顧歷史，每次技術革命解鎖更多生產力之後，都會創造出更多的新需求。人會變得比歷史上任何時候都強大。最後，我想強調，一切才剛剛開始。AI 將重構整個基礎設施、軟體和應用體系，成為真實世界的核心驅動力，掀起新一輪智能化革命。阿里巴巴將持續投入，與合作夥伴和客戶一起，讓AI 深入產業、共創未來。祝大家度過一個充實愉快的雲棲大會，謝謝大家！ (21世紀經濟報導)

AI創業的黃金賽道正從基礎模型轉嚮應用層，特別是能夠實現業務閉環的AI Agent。下一代產品需具備深度推理、主動服務與全球普惠能力。商業模式上，混合定價已成主流，但基於結果的定價短期內仍面臨挑戰。企業必須將定價視為核心戰略，才能在激烈的市場競爭中立於不敗之地。引言人工智慧的浪潮，正從技術演示的喧囂，轉向商業落地的深水區。當大眾還在驚嘆於模型的參數量與能力邊界時，真正的從業者與創業者們，已經開始冷靜思考一個更本質的問題：機會究竟在那裡？錢要怎麼賺？今天，我們不再空談技術的顛覆性，而是要深入骨髓，剖析AI產業的結構性機會與商業模式的演進。結合OpenAI董事局主席Bret Taylor、首席產品官Kevin Weil的最新洞察，以及對超過240家軟體公司的定價資料分析，我們試圖描繪一幅清晰的AI創業與商業化地圖。這幅地圖將指引我們，看清那些是巨頭的領地，那些是留給創業者的黃金賽道，以及如何為手中的AI產品，制定一套既能捕獲價值又能持續增長的定價新規。一、🧭 AI創業的三大機會市場：那裡是紅海，那裡是藍海？AI產業並非鐵板一塊，它已經分化出清晰的層次結構。對於創業者來說，找準自己的生態位，遠比盲目追逐技術熱點更為重要。目前來看，三個層次分明的市場已經形成，它們的機遇與挑戰截然不同。1.1 前沿模型市場：巨頭的遊戲場第一個市場是前沿模型或基礎模型。這裡是科技巨頭與頂級實驗室的角鬥場。建立前沿模型，需要天文數字的資金投入、頂尖的人才儲備和龐大的算力基礎設施。這就像雲服務市場一樣，最終只會剩下少數幾個超大規模的玩家。目前，嘗試進入這個領域的初創公司，結局大多是合併或被行業巨頭收購。對於絕大多數創業者而言，這裡幾乎沒有可行的商業模式。原因有二：資本壁壘極高：建構和訓練一個領先的基礎模型，成本動輒數十億美金，這不是普通風險投資能夠支撐的。資產快速貶值：技術迭代速度太快，今天的前沿模型，可能在6到12個月後就變得不再領先。這種快速的價值折舊，要求玩家必須通過不斷擴大規模來獲取投資回報，形成了一個資本的無底洞。所以，除非你擁有馬斯克等級的融資能力和行業影響力，否則，將創業的賭注押在基礎模型上，無異於駕駛一葉扁舟衝向驚濤駭浪。1.2 工具層市場：夾縫中的生存挑戰第二個市場是工具層，特別是資料平台和相關工具鏈。這個領域包括資料標註、模型評估、開發框架等。在AI發展的初期，工具層確實誕生了一批有價值的公司。但現在，這個市場正變得越來越擁擠，並且面臨著巨大的生存壓力。最大的風險，來自於基礎設施提供商的“上游整合”。就像亞馬遜AWS和微軟Azure在雲市場中不斷推出自己的資料庫、中介軟體服務一樣，基礎模型提供商和雲巨頭們，也在積極佈局自己的工具鏈。當這些巨頭推出功能相似甚至更好用的免費或低價工具時，獨立的工具開發商將面臨致命的打擊。創業者需要捫心自問：如果OpenAI、Google或者AWS推出了一個與你競爭的產品，使用者為什麼還會繼續選擇你？你的護城河究竟在那裡？這是一個曾經不錯的市場，但它正在接近尾生。對於新入局者，這裡的機會窗口正在迅速關閉。1.3 應用層市場：真正的黃金賽道第三個市場，也是最被看好的領域，就是AI應用市場。這裡是創業者的應許之地。與前兩個市場不同，應用層不直接銷售技術本身，而是銷售能夠帶來商業成果的產品。這些產品，通常以AI Agent（智能體）的形式出現，深入到具體的行業和業務流程中，解決實際問題。客服領域：像Sierra這樣的公司，利用Agent自動接聽電話、回覆線上聊天，極大地提升了客戶服務效率和質量。法律行業：像Harvey這樣的公司，為律師事務所提供合同審查、反壟斷分析等專業服務，將律師從繁瑣的重複性工作中解放出來。這些應用層公司，可能是利潤率更高的企業。它們雖然需要向模型提供商支付“技術稅”，但它們銷售的是直接的業務價值，客戶願意為此付出更高的價格。隨著時間的推移，產品本身的重要性將遠超底層技術。一個特別值得關注的創新點，是Agent的自我反省機制。Bret Taylor提出了一個極具洞察力的觀點：讓AI監督AI。要打造一個90%時間都正確的Agent非常困難，但讓另一個Agent去發現並修正那10%的錯誤，可能是一個更容易解決的問題。這種“雙重檢查”機制，將是提升AI應用可靠性、推動生產力真正爆發的關鍵。二、💡 下一代AI產品的四大關鍵訊號：未來已來，只是尚未流行當創業方向鎖定在應用層後，下一個問題是，什麼樣的AI產品才能在未來脫穎而出？OpenAI首席產品官Kevin Weil分享了四個關鍵訊號，它們預示了下一代AI產品的形態和能力。2.1 訊號一：推理突破，從“知道”到“會想”人們常常誤以為AI的強大在於它“知道”得多，像一本無所不包的百科全書。但真正的變革在於，它開始**“會想”**了。新一代AI不再是簡單地從資料庫裡調取一個現成的答案，而是能夠自主地串聯多個步驟，完成一個完整的推理過程。這種能力，被稱為“思維鏈”（Chain-of-Thought）。舉個例子：舊模式：你問“每年有多少人能爬上珠穆朗瑪峰？”它會從某個資料來源裡找一個數字給你。新模式：它會先在內部反問自己幾個問題，“這座山有多高？攀登路線有那些？不同季節的天氣如何？歷史成功率是多少？”然後，基於這些資訊的綜合分析，給出一個更嚴謹、更具邏輯的推斷。這種從“調取答案”到“建構思路”的轉變，讓AI能夠處理財務分析、科學論文審查、複雜程式碼邏輯梳理等需要深度思考的任務。這才是AI從一個“聰明的工具”進化為“智能夥伴”的根本所在。2.2 訊號二：介面重塑，主動服務成為標配你印象中的ChatGPT，可能還是一個需要你主動提問的聊天框。但未來的AI產品，將徹底顛覆這種被動的互動模式。它的目標，是成為你身邊一個無處不在、主動服務的智能夥伴。要實現這一點，AI產品必須具備幾個核心能力：Memory（記憶）：它能記住你的身份、偏好、工作習慣，以及上次中斷的任務。Vision（視覺）：它能理解和生成圖像、視訊，即時為你建立設計內容。Voice（語音）：它能像朋友一樣與你自然流暢地連續交談，而不是一問一答的機械式互動。這背後，是**“共處感”的設計哲學**。AI需要能聽懂你的口語化表達，感知你的情緒和習慣，甚至在你猶豫不決時，主動為你補充和建議。這種體驗將徹底改變產品形態。未來的AI不再是一個需要“點選進入”的獨立應用，而是默認在場的存在：打開信箱，AI已經幫你整理好今天要重點回覆的郵件，並擬好了草稿。切換到會議軟體，AI已經根據昨天的討論，自動拉取了需要跟進的議題。打開PPT，AI正在幫你重寫那一頁邏輯不清的幻燈片。當AI不再需要被召喚，而是與你的工作流無縫融合時，它才會真正成為不可或缺的生產力工具。2.3 訊號三：產品閉環，任務完成度決定價值市場的風向正在轉變。使用者已經不再關心你的AI模型有多聰明、技術有多酷炫，他們只關心一件事：事情是不是真的能做成？AI正在從“技術展示品”快速進化為“生產力工具”。衡量其價值的標準，不再是能力邊界，而是交付質量和任務完成度。什麼叫“把事做成”？比如，你想讓AI幫你發一封資料分析郵件。一個及格的AI會幫你寫好文案。而一個優秀的AI，則需要完成一個完整的業務閉環：自動呼叫CRM系統裡的最新銷售資料。套用你慣用的郵件範本和語氣。傳送郵件給指定的收件人。記錄傳送狀態，並設定好後續追蹤提醒。這背後，AI不再是單打獨鬥，而是作為一個總指揮，調度和組合各種外部工具（文件、資料庫、API介面、信箱等）來解決問題。要做到這一點，產品必須滿足三個條件：工具呼叫穩定：確保在執行多步任務時不會中斷。流程可追溯：一旦出錯，能夠清晰地回溯問題出在那個環節。結果可寫回：任務完成後，產生的資料和狀態能夠被其他系統讀取和使用。一個常見的行業誤區是，以為把模型API接到網頁上，就算做了一個AI產品。這遠遠不夠。真正的價值，在於建構穩定、可靠、可追溯的端到端任務閉環。2.4 訊號四：全球落地，普惠能力成為分水嶺未來幾年，頂尖大模型之間的技術差距可能會越來越小。屆時，真正的競爭壁壘將體現在技術之外的維度。OpenAI反覆強調一個理念：讓模型盡快被更多人、在更多地方用起來。這背後是普惠和全球化的戰略思路。一個有趣的對比是，今天全世界大約有3000萬程式設計師，但未來，AI可能讓30億人都具備一定的程式設計能力。因為“程式設計”的定義被改寫了，它不再是寫一行行複雜的程式碼，而是用自然語言告訴AI你要做什麼。在這種趨勢下，決定成敗的關鍵因素將是：全球部署的速度：誰能更快地將服務覆蓋到全球市場？定價策略的靈活性：誰能為不同國家、不同規模的客戶提供更靈活的定價方案？本地化的深度：誰能為不同文化、不同語言的使用者提供真正落地的產品體驗？這考驗的是一家公司的基礎設施、客戶支援、版本適配、語言本地化等綜合營運能力。未來的競爭，不再是技術演示，而是關乎實用性、穩定性和全球觸達能力的全面較量。三、💰 AI定價的五大趨勢與新規：如何為智能定價？一個好的產品，需要一個好的定價策略來釋放其商業價值。然而，AI的出現，讓傳統的軟體定價模式開始失靈。基於對超過240家軟體公司的調研，我們發現了AI定價的五個核心趨勢，它們構成了AI時代的定價新規。3.1 趨勢一：混合定價成為主流過去，軟體定價主要依賴按席位收費（Per-Seat）和固定費率訂閱（Flat-Rate Subscription）。這兩種模式簡單、可預測。但對於AI產品，它們顯得力不從心。因為AI的價值和成本都與“使用量”強相關。因此，**混合定價模式（Hybrid Pricing）**正迅速成為主流。即“基礎訂閱費 + 基於使用量的計費”的組合。這種模式的採用率已從幾年前的27%躍升至41%，而傳統模式的佔比則在持續下降。混合定價的優勢顯而易見：平滑過渡：它可以在現有訂閱模式上疊加，對原有定價體系衝擊小。自然增購路徑：讓客戶以較低的門檻“免費”或低價試用，隨著使用量的增加而付費，盈利路徑清晰。成本可控：通過限制免費使用量，可以有效控制API呼叫等成本，避免被無利可圖的客戶拖垮。相對可預測：買家仍然可以根據基礎訂閱費和預估使用量來控制預算。3.2 趨勢二：定價組合拳的多樣化探索混合定價並非單一模式，它衍生出了多種靈活的組合方式。創業者需要根據自身產品的價值主張和客戶的付費習慣，選擇最合適的“組合拳”。以下是一些常見的混合定價模式及其優缺點，我們通過一個表格來清晰呈現：3.3 趨勢三：基於結果定價，理想豐滿現實骨感基於結果定價（Outcome-Based Pricing），即“按成果付費”，聽起來是AI定價的終極理想形態。它直接將產品的收費與為客戶創造的價值掛鉤，傳遞了極強的產品自信。然而，在短期內，這種模式難以大規模普及。目前，只有大約5%的企業在嘗試這種模式，預計到2028年，這一比例也只會增長到25%左右。它面臨著四大難以踰越的障礙：一致性難題：不同客戶對“成果”的定義千差萬別，導致需要大量定製化的合同和衡量標準。歸因性難題：你能否清晰地向客戶證明，他們取得的業務增長完全或主要歸功於你的產品？在複雜的商業環境中，這幾乎不可能。可衡量性難題：如何精準、及時、透明地衡量成果？如果衡量機制不被信任，計費就無從談起。可預測性難題：你能預測你的產品將帶來的成果嗎？如果成果波動巨大，供應商將面臨巨大的財務風險。所以，雖然基於結果的定價是未來的方向，但目前來看，它更像是指路明燈，而非腳下的大道。3.4 趨勢四：價格透明化，價值被高估將價格公開在網站上，似乎是一種政治正確。它能吸引潛在買家，篩選不合格的線索，並主動定義產品的價值。但現實是，許多AI公司，尤其是初創企業，並未全面採納價格透明化的做法。這背後有充分的理由：定價結構複雜：混合定價模式本身就比傳統定價複雜，很難用一張簡單的價格表說清楚。差異化報價策略：針對不同規模、不同行業的客戶，企業往往需要提供差異化的報價。公開統一定價會喪失這種靈活性。避免價格戰：一旦價格公之於眾，就容易成為競爭對手攻擊的焦點，將競爭從價值導向拉低到價格導向。策略尚未成熟：很多初創公司自己也還沒完全想明白定價策略，過早公開會給後續的調整帶來巨大阻力。因此，價格透明化並非必然趨勢。對於許多AI企業來說，保持一定的定價靈活性和保密性，在當前階段是更務實的選擇。3.5 趨勢五：定價能力滯後，企業準備不足定價，正日益成為一項極其重要的戰略性任務。它需要對成本結構、競爭格局、客戶感知價值有深刻的理解。然而，大多數公司在這方面的準備嚴重不足，普遍存在兩大短板：人員能力缺口：缺乏具備專業定價分析、價值建模和市場洞察力的人才。工具落後：仍在依賴Excel表格進行複雜的定價測算，無法支援即時、資料驅動的決策。許多公司正陷入所謂的定價“無人區”——早期“拍腦袋”定價的方式已經失靈，但正式的定價委員會和專業的定價負責人又尚未建立。這導致定價策略缺乏清晰的所有權和戰略方向。給創業者的建議是，從產品開發的第一天起，就應該開始思考和設計定價策略，而不是等到產品上線前才匆忙決定。定價能力，將是未來AI企業核心競爭力的一部分。結論我們正處在AI商業化大爆發的前夜。通過對行業頂尖大腦思想的梳理，我們可以得出幾個清晰的結論。AI創業的黃金機會，已經明確地從基礎設施層轉移到了應用層，特別是那些能夠深入垂直行業、提供端到端解決方案的AI Agent。未來的明星產品，將不再以技術參數為傲，而是以其深度推理、主動服務、任務閉環和全球普惠的能力贏得使用者。與此相對應，商業模式的核心——定價，也必須隨之進化。僵化的傳統定價正在被淘汰，靈活的混合定價成為新常態。創業者需要像設計產品一樣，精心設計自己的定價組合拳，並在可預測性、靈活性和價值導向之間找到最佳平衡。技術創新和商業模式創新，如同驅動AI產業發展的雙翼，缺一不可。只有那些既能打造出真正解決問題的產品，又能設計出巧妙捕獲價值的定價策略的企業，才能在這場波瀾壯闊的變革中，飛得更高、更遠。📢💻 【省心銳評】別再迷戀模型的參數了。真正的戰場在應用層，決定生死的不是算力，而是產品閉環能力和聰明的定價策略。價值交付不清晰，再強的技術也只是空中樓閣。 (運通鏈)

蔡崇信：阿里要把AI融入每一塊業務、每一個環節。蔡崇信宣佈阿里戰略方向馬雲背後的男人現身了。近日，阿里巴巴集團董事會主席蔡崇信，出席510阿里日親友見面會。他佩戴工牌，向各位阿里親友介紹公司的核心戰略“電商、雲+AI”，並分享了自己對AI戰略的深刻見解，迎來全場歡呼。圖源：抖音具體來看，蔡崇信強調，阿里要把AI融入每一塊業務、每一個環節，未來三年到五年，所有業務都應以AI為驅動。“不光是對內，有很多生產力效率的增加，而且對使用者、對客戶也要用AI驅動。”“電商的業務並不佔領對網際網路的入口，因為電商是一個垂類，有更多其他的網際網路公司佔據了對使用者的入口。但如果我們能聚焦在AI上的話，也許我們可以把新的入口用AI的方式做出來，讓我們增加更多的使用者。”隨著傳統貨架電商遭遇流量增長瓶頸，阿里巴巴決定押注AI技術，塑造新的競爭優勢。2023年9月，蔡崇信和吳泳銘分別出任阿里巴巴集團董事局主席和CEO崗位，集團當即官宣兩大戰略支柱“使用者為先、AI驅動”，經過近兩年的發展，該戰略開始收穫豐碩成果。今年2月，阿里被曝將與蘋果聯手打造中國版iPhone AI。知情人士透露，此前蘋果評估過騰訊、字節跳動、DeepSeek等科技巨頭，但最終還是選擇阿里作為合作夥伴，可見後者的實力突出。圖源：微博而資本市場的劇烈反響也顯示出外界對於雙方合作的信心和期待。2月12日，阿里巴巴在香港的股價一度上漲了9.2%，創下2022年以來的新高，最終收漲8.48%，市值突破2.2兆。隨後，蔡崇信正式確認了阿里與蘋果的AI合作夥伴關係，“我們非常幸運，也非常榮幸能夠與蘋果這樣偉大的公司做生意。”沒過多久，集團又發佈2025財年Q3財報。資料顯示，阿里雲在三季度營收317.42億元，同比增長13%。其中，公共雲收入持續兩位數增長，AI相關收入連續六個季度三位數增長，調整後EBITA增長33%至31.38億。此番阿里雲業績表現突出，主要得益於公共雲業務收入的雙位數增長，其中包括AI相關產品採用量的提升。4月，阿里大模型再創輝煌。新一代通義千問模型Qwen3（簡稱千問3）開源，一發佈就直接登頂全球最強開源模型。圖源：微博這是國內首個“混合推理模型”，將“快思考”和“慢思考”整合進同一個模型，能快速低算力處理簡單問題，也能通過多步驟深度推理解決複雜問題，有效降低算力消耗。不難看出，現實充分印證了阿里AI核心戰略的卓有成效，而這也加大了蔡崇信帶領集團“all in AI”的信心與魄力。此前，他在新加坡舉行的CNBC活動中發表了對AI市場的前瞻性判斷，預測AI將創造高達10兆美元的巨大市場空間。蔡崇信出席CNBC活動 圖源：阿里巴巴"全球GDP總量約100兆美元，約60%由人類勞動貢獻。若AI能替代其中20%的工作，並以成本降低20%實現，將創造至少10兆美元的市場規模。"隨後，他又在香港舉行的匯豐全球投資峰會上強調，AI的真正價值不在於開發最聰明的模型，而在於如何將技術應用到實際場景中，創造商業價值和使用者體驗提升。另外，他還透露，隨著員工數量觸底，阿里巴巴將重新啟動、重新招聘，並計畫在未來三年內投資超過500億美元用於計算基礎設施和AI發展。就在這時，阿里雲啟動了近年來規模最大的AI人才校園招聘，這是繼T項目後，推出的又一項AI人才戰略。公司面向清華大學、北京大學、浙江大學、麻省理工大學、斯坦福大學等全球頂尖高校，招募大語言模型、多模態理解與生成、模型應用、AI Infra等領域技術人才。同時，項目設定A Star項目和Al Clouder項目，面向具備高水平論文、開放原始碼專案影響力等特質的頂尖人才，為這類畢業生提供更優薪酬和專業扶持。在這場席捲全球的AI革命中，阿里巴巴將在蔡崇信等高管的帶領下，從電商帝國轉型為AI帝國。阿里財神爺的點金之旅1964年，蔡崇信出生於一個律師世家，卻在多年後被戲稱為“阿里財神爺”。他從小聰明好學，年僅13歲就獨自赴美留學，後來獲得了耶魯大學經濟學及東亞研究學士、耶魯法學院法學博士等學位，以及美國紐約州執業律師資格。儘管剛走出校園的象牙塔，但蔡崇信很快就拿到“爽文男主”劇本，在華裔精英的道路上暢通無阻。圖源：阿里巴巴1990年至1993年，他在美國蘇利文·克倫威爾律師事務所擔任稅務組律師，後在紐約管理層收購公司Rosecliff, Inc.中擔任首席法律顧問；1995年至1999年，他又跳槽到瑞典瓦倫堡家族的投資公司Investor AB，在香港分部從事私募股權投資，其年薪已高達70萬美元。然而，與後來驚心動魄的阿里歲月相比，這些都太過普通了。1999年，投資人蔡崇信與創業者馬雲相識。彼時，馬雲正處於創業初期，因資金問題四處碰壁，甚至還沒有註冊公司，只有一個20多人的團隊以及一個在建的Alibaba.com。蔡崇信和馬雲但他獨特的領導者魅力成功吸引了蔡崇信，讓這位不滿足於現狀的“人生贏家”決定來一場豪賭：放棄年薪70萬美元的工作，加入月薪只有500元人民幣的阿里巴巴。自此，蔡崇信開始書寫人生最輝煌的篇章。首先，他搭建起一個清晰的利益分配形式，帶領阿里從“草台成員”蛻變為正規公司。具有深厚財務背景的蔡崇信，一進入公司就擔任了CFO，幫助馬雲註冊公司，召集“十八羅漢”學習基本的財務知識，明確個人的股權和義務。蔡崇信加入阿里巴巴隨後，他充分發揮“找錢能力”，多次拯救處在生死邊緣的的阿里巴巴。在這時，馬雲早期籌集的50萬元已經幾乎耗盡，就連500元的最低工資都要開不出來了。面對這一情況，蔡崇信連忙爭取到高盛500萬美元投資，正是這筆資金助力阿里進軍網際網路，並成為它崛起的關鍵。沒過多久，他再次幫助阿里度過危機。彼時，軟銀集團的創始人孫正義打算用4000萬美元買下阿里49%股份。就在馬雲要點頭答應時，蔡崇信立刻跳出來阻攔，並與孫正義展開多次談判，最終阿里出讓30%股份，換取軟銀2000萬美元投資。馬雲和孫正義2004年，在阿里與ebay的電商大戰中，他還幫公司拿到8200萬美元投資，助力淘寶突破ebay封鎖；一年後，他又主導了阿里與雅虎中國的合併，幫公司拿下雅虎10億美元投資和價值7億美元的資源，最終淘寶將ebay徹底打敗，坐上了電商王座。此後，蔡崇信主導了阿里多個里程碑性質的投資併購運作，幾乎all in了全部精力和資源，與馬雲共同建立起這個龐大的商業帝國。而在他50歲那年，這場拼盡全力的豪賭終於迎來驚人的回報。2014年，阿里巴巴在紐交所上市，創造了當時史上最大的IPO，當日市值破2300億美元。阿里赴美上市上市檔案顯示，蔡崇信持股3.6%，按照阿里當時的市值估算，他手頭的股份價值高達72億美金。15年前放棄70萬，15年後坐擁72億。除了這位“財神爺”，還有幾人能有如此眼光與膽量？圖源：阿里巴巴此外，他和馬雲皆是最大的自然人股東，更被賦予了永久合夥人的獨特身份，這是兩人在公司內獨有的殊榮。如今，蔡崇信已在阿里度過26個春秋，難免感嘆歲月不留人，“我記得大概十年前參加阿里日，見到的家長都是我的前輩，但是今天見到的家長都比我年輕了，所以表示我這個年齡已經很大了。”然而，老驥伏櫪，志在千里。當前，蔡崇信仍擔任阿里巴巴集團董事會主席、董事，阿里巴巴集團資本管理委員會成員等多個重要職位，並將帶領阿里在AI革命中續寫新的輝煌。 (科技頭版)

輝達通過結合硬體銷售、軟體生態和技術創新，不僅僅依賴GPU的銷售，還通過擴展其在AI、資料中心、自動駕駛等高增長領域的業務來實現多元化的盈利模式。 微軟的盈利模式實現了多元化，主要通過雲服務（Azure）、軟體和生產力工具（如Microsoft 365和Windows）、企業解決方案（Dynamics）、硬體（Surface和Xbox）、遊戲業務（包括Xbox Game Pass）、LinkedIn和廣告等管道獲利。微軟的核心業務逐步向訂閱模式轉型，確保了長期穩定的收入來源，特別是在雲端運算、生產力工具和遊戲領域的快速增長推動了公司的持續擴展。 波克夏公司的盈利模式依賴於多樣化的投資和經營，覆蓋保險、能源、交通運輸、製造、金融服務和股權投資等多個領域。通過承保浮存金的投資收益、大規模的股權投資、全資控股的子公司經營以及長期價值投資策略，波克夏得以保持穩定增長，並為其股東帶來持續的回報。 (老余撈魚) 三家公司的盈利模式對比列表：