“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)

近日，中國獨角獸企業研究機構獨角獸工程院聯合中國人民大學、清華大學重磅發佈《2025年世界獨角獸企業500強榜單》，這份聚焦全球高價值新興企業的權威排名，再次印證了中國新經濟的強勁活力——中國共有150家企業成功上榜，以12.83兆元人民幣的總估值穩居全球第二，僅次於美國的224家，而人工智慧賽道的爆發式增長，成為中國獨角獸突圍的核心推力。01全球獨角獸版圖中美領跑，總估值飆升30.7%獨角獸企業，作為估值超10億美元（約70億元人民幣）、成立時間較短的高成長性新興企業，是衡量一個國家或地區創新活力與產業潛力的核心指標。本次上榜的500家全球獨角獸，總估值同比大幅增長30.7%，達到39.14兆元人民幣，彰顯了全球新經濟領域的旺盛生命力。從國家與地區分佈來看，中美兩國依然佔據絕對主導地位：美國以224家企業、18.97兆元估值蟬聯第一；中國則憑藉150家企業、12.83兆元估值牢牢鎖定第二，兩國合計上榜數量佔全球500強的74.8%，總估值佔比超76%，形成了全球獨角獸市場“雙雄並立”的格局。這種格局背後，是兩國在新興產業賽道上的持續投入與創新突破，也折射出全球新經濟發展的核心動力來源。02中國4強躋身全球TOP10硬核實力閃耀全球在競爭最為激烈的全球前10強榜單中，全球頂尖企業各展所長，其中美國太空探索公司、特斯拉母公司SpaceX以2.8兆元人民幣的估值成為全球第一獨角獸，憑藉在太空探索與新能源領域的雙重佈局，馬斯克旗下企業持續領跑全球新經濟賽道。全球獨角獸Top10中國企業在TOP10中強勢佔據4席，涵蓋AI、雲端運算、金融科技等核心賽道，展現了中國新經濟在關鍵領域的技術沉澱與市場競爭力：字節跳動（ByteDance）以2.21兆元人民幣的估值位列全球第二，作為全球使用者規模最大的網際網路科技巨頭之一，其旗下 TikTok、抖音等產品風靡全球，AI 驅動的內容推薦技術持續引領行業，商業化邊界不斷拓展至企業服務、雲端運算等領域，成為跨賽道創新的典範。DeepSeek（杭州深度求索）首次躋身全球第六，估值達1.05兆元人民幣，這家專注於人工智慧基礎技術研究的企業，在大模型訓練、推理最佳化等核心領域取得突破，短短幾年內實現估值飛躍，成為中國AI硬核派代表，彰顯了中國在通用人工智慧賽道的趕超實力。阿里雲（Alibaba Cloud）以8050億元人民幣估值排名第七，作為全球領先的雲端運算服務商，阿里雲憑藉自主研發的飛天作業系統，在企業級雲服務、巨量資料、人工智慧基礎設施等領域佔據全球市場重要地位，為全球數百萬企業提供技術支撐，成為數字經濟時代的 “基礎設施搭建者”。螞蟻集團（Ant Group）以6138億元人民幣估值位居第十，作為金融科技領域的標竿企業，其在移動支付、數字金融、區塊鏈技術應用等方面的創新，不僅改變了中國的金融服務生態，讓普惠金融觸達更多群體，也在全球範圍內輸出成熟的金融科技解決方案。03AI賽道成最大黑馬中國企業增速領跑全球本次榜單最引人注目的亮點，莫過於AI賽道的爆發式增長。全球範圍內，AI相關獨角獸企業較上年增加16家，總數達到36家；而中國AI獨角獸企業更是實現逆勢增長，較上年新增7家，共有9家企業上榜，增速遠超全球平均水平，成為中國獨角獸軍團的“增長先鋒”。從全球頭部玩家來看，排名第三的美國OpenAI以2.1兆元估值彰顯了對話式AI的巨大商業價值；而中國的 DeepSeek、字節跳動等企業，則在大模型技術落地、產業 AI 賦能等方面形成差異化優勢——沒有盲目跟風，而是結合國內產業需求，將AI技術深度融入智能製造、醫療健康、金融服務等實體領域，讓技術真正產生產業價值，推動AI從“實驗室”走向“產業場”，成為驅動經濟高品質發展的新動能。04中國獨角獸的突圍密碼創新+生態+全球化中國獨角獸企業能夠在全球競爭中脫穎而出，並非偶然，背後離不開三大核心支撐：一是技術創新驅動。從AI大模型、雲端運算到金融科技，中國獨角獸企業持續加大研發投入，在關鍵核心技術領域打破國外壟斷，形成自主智慧財產權體系。這種“硬創新”不是短期炒作，而是長期深耕的結果，讓企業在全球競爭中擁有核心話語權。二是完善的產業生態。中國龐大的消費市場提供了豐富的使用者需求反饋，完整的產業鏈供應鏈支撐了技術從研發到落地的全流程，加上網際網路、巨量資料等基礎設施的普及，為獨角獸企業提供了得天獨厚的成長土壤，助力企業快速實現技術迭代與商業化驗證。三是全球化佈局。字節跳動、阿里雲等企業通過全球化營運，將中國技術與商業模式輸出至全球，在國際市場中搶佔份額的同時，也吸收了全球的創新資源，形成“本土創新+全球落地”的良性循環，不斷提升品牌國際影響力。2025全球獨角獸企業500強中國入榜企業名單(咫尺研學)

“我們是唯一一家全端式AI雲平台”，幾乎同一時段，Google和阿里不約而同在財報會上喊出了這句口號。全端式的投入表明了一家雲廠商押注AI的決心，更直觀則體現在“撒幣”上。Google預計2025年資本支出將在910億至930億美元之間，高於此前估計的850億美元，未來還將繼續加碼。過去十二個月內，阿里累計資本開支已超過1260億，其中雲和AI佔了很大比重。吳泳銘明確未來三年AI相關投資將超過3800億元，且有可能進一步擴大。如果把Google和阿里納入“拓城者”行列，騰訊則是更加穩妥的“守城者”。儘管騰訊聲稱“將會在AI方面投入巨額資本支出”，但相較於去年第四季度和今年第一季度的366億元和275億元，今年第二季度和第三季度的資本支出已經下降到191和130億元。資本的一開一合形成了鮮明的對比。騰訊的“守”來自於遊戲、微信基本盤的穩固，社交這一護城河短時間內難以撼動。而Google、阿里的“進”則來自於搜尋、廣告、電商等業務所面臨的外部波動與競爭壓力。雙線作戰的阿里尤為明顯，一條線是在即時零售戰場與美團、京東混戰，另一條戰線上，還在雲和AI上與字節火山引擎、百度智能雲和大模型獨角獸公司短兵相接。隨著To B和To C的戰略逐漸清晰，阿里後面需要反覆回答一個核心問題：AI這一仗，拓城者如何打？供給不足阿里雲2026財年第二季度的財報和業績會，主要突出了一個主題：供給和需求。從需求側來看，現在的客戶需求依然很旺盛，阿里雲AI伺服器、上架結構仍然嚴重跟不上客戶訂單的增長速度，在手積壓的訂單數量還在持續擴大。這一點也反映在了GoogleQ3財報中，雲訂單總儲備量1550億美元，環比增長46%，同比增長82%，增長主要源於企業人工智慧的強勁需求。訂單增長量是雲廠商的“晴雨表”，只要能保持一定程度的淨增長，就能維持整個雲營收大盤持續增長。新一季阿里雲財報截至日期為2025年9月30日，對應到行業中的發展線大致來自於DeepSeek所帶來的爆發式增長需求。我們瞭解到，有很多公司在跟風的情況下盲目部署了DeepSeek或各類廠商大模型，但後續並未能最大程度發揮出大模型的性能。這表明，市場需求正從初期的基礎設施建設，延伸至模型精調、應用開發與價值實現等價值鏈後端環節。儘管雲廠商的競爭尤為激烈，但總體上看整個市場現在還屬於“供不應求”的狀態。基於此，吳泳銘作出了三個判斷：基座模型和全模態模型的能力都處於持續提升當中，“整個的Scaling Law趨勢尚未停止，業內其實還沒有碰到天花板”。在三年之內，AI需求還是一個非常確定的事情，整體AI資源還是處於供不應求的狀態。因為，整個AI伺服器的各個環節都存在供給短缺的情況，而這一波供給緊張都是由AI需求增大所帶動。未來這些供應鏈上各個方面的廠商去擴產的周期，在這兩三年內，需求增長和供應端很難有快速提升。美國大型雲廠商和阿里雲等廠商，不僅新的GPU基本跑滿，甚至是上一代或者三、五年前的幾代GPU都是跑滿狀態。所以，我們覺得三年之內所謂“AI泡沫”，應該不太存在。在這樣需求強烈的行業大背景下，阿里雲在財報上的表現自然亮眼。報告內，阿里雲收入為398.24億元，同比增長34%，已經連續保持四個季度同比10%以上的增速。在高投入的情況下，阿里雲的利潤率在近兩個季度內也得到了小幅度回升。阿里雲外部商業化收入加速增長至29%。AI相關產品收入連續9個季度實現三位數同比增長。市場份額在多個細分領域全面提升，混合雲增速超20%。值得一提的是，本季度阿里雲含內部收入同比增長34%，而不含內部收入同比增長為29%，內外部收入增長相差5%。這意味著，當前階段拉動阿里雲營收增長的主要動能仍來自內部的AI化改造。考慮到該季度非電商大促時間段，34%的同比增長其實很可觀，側面也說明阿里內部AI化的廣度與深度。結合同期的時間線來看，這部分增量很大程度來自於電商的搜推廣改造和阿里媽媽AI行銷業務消耗，這些需求將在下一季度釋放。AI拓城者的反擊長期以來，一直處於Google追趕OpenAI和Anthropic節奏中，雲廠商被截胡、被唱衰成為了家常便飯。但Gemini 3或許是一個新的起點，Sam Altman在OpenAI內部memo中提到，“Google此次模型的進步主要得益於紮實的pre-training”。“紮實的pre-training”背後是算力利用率問題，這是像Google、阿里雲這類老牌廠商的長期積累的優勢，即通過自研TPU叢集的效能和全端式架構來實現算力規模的指數級提升。這就是在這個節點上，Google、阿里等廠商如此重視全端式的原因。大模型創業公司可以在Agent、coding、推理等單點能力上繼續突破，但這種整體資源最佳化突破仍處於雲廠商的舒適區。阿里雲認為，隨著AI應用落地，客戶更傾向選擇具備全端技術能力的雲廠商。同時引發了聯動效應，AI使用的深度、廣度提升，也拉動了原先計算、儲存、資料庫等傳統雲產品需求。這一點印證了早期的判斷，雲廠商無法通過大模型賺錢，最終還得靠基礎設施。Google深諳此道，正在把模型當做展示“肌肉”的窗口，以此來進一步推銷相關產品和服務。最近，Google更是把手伸向了輝達的“敏感地帶”——TPU。Google希望能以更低租用價格搶奪輝達客戶，借此可能帶來數十億美元的年收入。此舉亦是全端式基建建設所帶來的生態位紅利，未來將能進一步提升雲端運算營收的利潤率。蔡崇信也曾表示，“美國人判斷誰在贏AI比賽，主要看大模型性能，但阿里看的是整個堆疊，看的是誰的AI能被用得起、用得廣和用得久”。如果把AI採用率作為阿里大模型的標準之一，那麼開源和To C的策略是勢在必行。大模型的開源是引誘老鼠進洞的奶酪，“開源模型能讓客戶擁有更高的資料控制權，可以用私有雲也可以用阿里雲，但最終運行模型，都需求基礎設施”。有個消息非常值得關注，新加坡國家人工智慧計畫（AISG）在其重要的SEA-LION項目中選擇阿里的Qwen架構，替代了之前的Meta的Llama模型。Meta內部的混亂和對開放原始碼的搖擺，間接給了Qwen超車的機會。此次AISG主動轉向Qwen，是一個重要的訊號，表明像Qwen這樣的中國開源模型已經憑藉過硬技術實力，從曾經的“追隨者”變成了可供選擇的“被選用者”。當越來越多的關鍵項目和國家級計畫基於Qwen進行建構時，Qwen就在全球開源生態中建立了一個難以被輕易替代的位置，未來自然將擁有更強的話語權和行業標準制定權。埋下的伏筆無論是出於對需求側的判斷還是對未來技術的樂觀預期，都導致了阿里繼續飽和式投入的決策。短期產生的波動式影響已經初見端倪。阿里整個二季度經營利潤為53.6億元，同比下降85%；淨利潤為641億元，同比下降7%；單季度淨利潤為206億元，同比下降53%。自由現金流由正轉負為218億元，而去年同期為137億元。自由現金流下降主要歸因於對即時零售的投入以及雲基礎設施建設的資本開支增加。對現在的阿里而言，同時在即時零售和雲基礎設施上重投入，壓力可想而知。這種“雙線作戰”本質上是在兩條關鍵戰線上捍衛其核心疆域，並為未來十年尋找新的增長曲線。阿里的挑戰在於如何在“流血投入”與“市場信心”之間走好鋼絲。它需要向外界清晰地證明，這些投入不僅轉化為可見的、規模化的商業回報，甚至還能建構起AI時代的護城河。這條路的重點將取決於，阿里能否成功地將“燒錢”換來的基礎設施和市場份額，轉化為可持續的、能產生充沛現金流的機器。在不到一個月的時間內，我們見識了一個阿里的統一作戰能力。這種能力用“強悍”來形容一點也不為過，千問改頭換面作為獨立App再上線，公測一周下載量突破1000萬次。夸克為其托舉開路，從App端到AI瀏覽器再到智能眼鏡，核心都在把千問推到前台，爭取更大的流量曝光。不過，指揮部統一領導的方式有利有弊。優勢的一面在於，它能在大戰略方向上形成無可匹敵的穿透力。在一個明確的最高指令下，阿里內部如夸克、高德、支付寶等各大業務線能夠迅速擰成一股繩，將龐大的資源與流量像錐子一樣聚焦於一個點——推動千問上位。這避免了內部博弈和資源耗散，在最短時間內為千問創造了驚人的起勢。對於一個需要快速搶佔市場認知、應對激烈競爭的後來者而言，這種“壓強式”的打法或許是有效的。另一面，我們也看到了AI的創新是不可計畫、隨時被推翻的狀態，OpenAI的Chatbot式創新就源於某個小團隊的突破。指揮部模式在本質上依賴於頂層的戰略眼光和決策效率，一旦戰略方向需要調整，或是對細分市場的洞察不夠敏銳，或許也會遇到船大難掉頭的情況。能否在“統一的意志”和“分散的活力”之間動態平衡，是包括Google、阿里、字節在內所有拓城者的共同課題。誰能同時擁有決斷力與創造力，誰才能在這場關於未來的競賽中，既贏得當下，亦能抓住下一個顛覆性的機會。 (AIGC新智界)

顯著提升GPU利用率！2025年10月18日，在韓國首爾舉辦的第31屆作業系統原理研討會（SOSP）上，阿里雲發佈的“Aegaeon”計算池化解決方案研究成果成功入選。該方案創新性地解決了AI模型服務中普遍存在的GPU資源浪費問題，在阿里雲模型市場測試中，實現了輝達GPU用量大幅削減82%的顯著成效。SOSP（作業系統原理研討會）由ACM SIGOPS主辦，是電腦系統領域頂級學術會議，平均每年收錄的論文數量僅有數十篇，被譽為電腦作業系統界的“奧斯卡”，本屆SOSP大會僅收錄66篇論文。目前，雲服務商在提供AI模型服務時，資源效率低下問題突出。平台需託管數千個AI模型以應對海量並行API呼叫，但使用者請求常集中於少數熱門模型，如阿里巴巴的Qwen系列模型。這種“長尾效應”致使大量資源閒置，在阿里雲模型市場中，高達17.7%的GPU算力僅用於處理1.35%的請求，造成了高昂的成本浪費。圖｜研究框架圖為解決這一痛點，阿里雲推出Aegaeon系統。該系統運用創新的GPU資源池化技術，打破了以往GPU與特定模型繫結的低效模式，允許單個GPU動態服務於多個不同的AI模型。在阿里雲模型市場進行的為期超三個月的Beta測試中，Aegaeon系統展現出卓越效能。測試資料顯示，在服務數十個參數量高達720億的大模型時，所需的輝達H20 GPU數量從1192個成功減少至213個，用量削減82%。這意味著僅用213張卡就完成了原本1192張卡才能完成的工作，極大地提高了資源利用率，降低了成本。此次由北京大學與阿里雲合作的研究成果，被認為是“首個揭示並解決市場上並行大語言模型服務存在過高成本”的公開工作，為行業提供了全新的最佳化思路。SOSP作為電腦作業系統領域的頂尖會議，錄取率控制嚴格，平均每年收錄論文僅數十篇，入選論文代表了作業系統和軟體領域最具代表性的研究成果，Aegaeon系統研究成果的入選，無疑是對阿里雲在該領域創新能力的高度認可。阿里雲Aegaeon計算池化解決方案的推出，不僅為自身解決了AI模型服務中的資源浪費問題，也為整個雲服務和AI產業提供了可借鑑的模式，有望推動行業在提升資源效率、降低成本方面邁出重要一步。 (芯榜)

10月18日消息，南華早報今天（10月18日）發布博文，報導稱在韓國首爾舉辦的第31屆操作系統原理研討會（SOSP）上，阿里雲發布的“Aegaeon”的計算池化解決方案研究成果成功入選，可解決AI模型服務中普遍存在的GPU資源浪費問題。查詢公開資料，SOSP是電腦操作系統領域的頂尖會議，相當於電腦操作系統界的“奧斯卡”，其錄取率控制非常嚴格，平均每年收錄的論文數量僅有數十篇，入選論文代表了操作系統和軟件領域最具代表的研究成果。博文稱雲服務商目前在提供AI模型服務時，面臨嚴重的資源效率低下問題。平台需要同時託管數千個AI模型以處理海量並行API呼叫，但用戶請求往往高度集中在少數幾個熱門模型上，例如阿里巴巴的Qwen系列模型。研究人員發現，這種「長尾效應」導致了嚴重的資源閒置：在阿里雲的模型市場中，竟有17.7%的GPU算力僅被用於處理1.35%的請求，造成了巨大的成本浪費。為解決這個痛點，Aegaeon系統應運而生。它透過創新的GPU資源池化技術，讓單一GPU動態服務於多個不同的AI模型，打破了以往GPU與特定模型繫結的低效率模式。在阿里雲模型市場進行的為期超過三個月的Beta測試中，Aegaeon系統展現了卓越的效能。測試資料顯示，服務數十個參數量高達720億的大模型，所需的輝達H20 GPU數量從1192個成功減少至213個，數量削減高達82%。這項由北京大學與阿里雲合作的研究成果，被認為是「首個揭示並解決市場上並行大語言模型服務存在過高成本」的公開工作，為行業提供了全新的優化思路。值得一提的是，阿里雲首席技術長周靖人也是該論文的作者之一。周靖人是國際電與電子工程師協會會士（IEEE Fellow），國際電腦協會會士（ACM Fellow），阿里巴巴集團副總裁，阿里雲智能CTO、達摩院副院長。 （電子技術應用）

在今日舉行的雲棲大會上，阿里巴巴旗下阿里雲進行了一場重磅演講。致敬開發者演講伊始，阿里巴巴代表向全球開發者致以崇高敬意：“正是因為螢幕後的開發者，推動了中國乃至全球的雲端運算、AI和科技行業發展。”AI革命剛剛開始“一場由人工智慧驅動的智能化革命剛剛開始。”演講開篇明義。工業革命放大了人類的體能，資訊革命放大了人類的資訊處理能力，而智能化革命將遠超想像。通用人工智慧（AGI）不僅會放大人類的智力，還將解放人類潛能，為超級人工智慧（ASI）的到來鋪平道路。AI進化速度驚人智力水平：短短幾年，AI從高中生水平躍升至博士生水平，甚至獲得國際數學奧林匹克金牌使用者滲透：ChatGPT是人類史上使用者滲透率最快的功能行業滲透：AI行業滲透率將超過歷史上所有技術算力消耗：Token消耗每2-3個月翻一番投資規模：全球AI年投資總額超4000億美元，未來五年累計投入預計達4兆美元通往ASI的三階段路線圖1. 智能湧現（學習人）網際網路數位化了人類幾乎所有知識，大模型通過學習這些知識集合，湧現出通用對話能力，初步解決人類問題。2. 自主行動（輔助人）AI不再侷限於語言交流，而是具備在真實世界使用和製作工具的能力，通過“Tool Use”呼叫外部軟體介面和物理裝置，執行複雜任務。編碼能力是關鍵：大模型編碼能力的巨大提升是通往AGI的必經之路。未來，“自然語言就是AI時代的原始碼”，任何人用母語就能創造自己的智能體。1. 自我迭代（超越人）兩個關鍵要素促成這一階段的拐點： 連接真實世界資料：AI必須直接從物理世界獲取全面、原始的資料，而不僅僅是人類歸納的二手知識 自我學習能力：AI將為自己搭建訓練架構、最佳化資料流程、升級模型架構，實現自我迭代大模型是下一代作業系統阿里巴巴做出重要判斷： 大模型是下一代作業系統 自然語言是未來的程式語言 智能體是新的軟體 上下文是新的記憶體阿里雲的三大戰略選擇1. 全力投入開源通義千問選擇開放開源路線，目標打造“AI時代的Android系統”。目前全球下載量已超6億次，衍生模型超17萬個，成為全球第一的開源模型矩陣。2. 打造超級AI雲阿里雲定位為“全端人工智慧服務商”，提供： 世界領先的智能能力 全球分佈的AI雲端運算網路 開發者友好的AI服務正在全力打造全新的AI超級電腦，實現基礎設施與模型架構的協同創新。1. 飽和式投入為迎接ASI時代，阿里雲計畫大幅擴大AI基礎設施建設，預計到2032年，全球資料中心能耗規模將提升10倍。人類與AI的未來當被問及人類如何與超越人類智能的AI系統相處時，阿里巴巴表示樂觀：“正如電曾經放大人類物理力量的槓桿，ASI將指數級放大人類的智力槓桿。”從“Vibe Coding”到“Vibe Working”，未來每個家庭、工廠、公司都將有眾多智能體和機器人24小時服務。也許未來每個人都需要100張GPU晶片為我們工作。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。阿里巴巴宣佈將持續投入，與合作夥伴和客戶一起，讓AI深入產業，共創未來。這場變革的速度和規模，可能遠超我們最瘋狂的想像。你，準備好了嗎？ (荷香入夢來)

僅用23天，高德掃街榜的使用者就突破4億人了！這個增速幾乎開創了一個奇蹟。網際網路行業的那種生機勃勃，萬物競發的感覺，好像又回來了。阿里市值也一路上揚，重新逼近4500億美元了。按這個節奏走下來，等阿里晶片業務再鋪開，它的市值衝破5000億美元，也幾乎是近在眼前了。為什麼高德掃街榜會這麼強勢呢？是什麼支撐了它的超高速增長？其實，這就跟淘寶閃購突然崛起的邏輯是一樣的。首先，它原本就有高德地圖的技術團隊了。要保證4億人的集中使用，卻不出錯，這背後離不開強大的資料支撐。而高德呢，背靠阿里雲，不僅算力充沛，也早就完成了海量資料的積累。它就像淘寶閃購一樣，當淘寶閃購衝擊每天1億外賣訂單時，餓了麼早就積累了400多萬外賣騎手。只要有單，它就能送出去，履約率非常高。高德掃街榜呢，在國慶期間，單日活躍使用者峰值突破3.6個億，也沒有出現任何崩潰的現象。這種穩定運行的背後，是高德地圖早就做好了算力準備。二是，真實。高德掃街榜和其他本地生活榜單不同，它主打的就是真實。它是根據車主真實路線，來定榜的。比如最近一周，有多少車主去過這家店？去了以後，有多少人留下好評？去的過程中，它的行車路線如何？在店裡停留了多久？全都有詳細的資料支撐。這就可以有效地避免有人刷單，注水。比如，大量的車主，去到這家店，卻只停留兩三分鐘就走了，都屬於虛假資料。它會根據平均停留時間，行車路線等資料，來判斷評分的真假。而這些資料呢？是一直流動的，榜單也是隨機變化的。三是，中國的智能汽車普及程度越來越高了。高德在車載地圖領域，具有明顯的領先優勢。在車載地圖市佔率中，高德就拿下了66%的份額。而現在，汽車在中國已經非常普及了。結合車機AI控制系統，直接調動地圖，選擇附近評分較高的餐廳，景區，休閒會所，洗腳按摩以及酒店等，都很方便。當前，中國電動汽車已經進入智能化的下半場。在智駕系統上，華為遙遙領先。而在車載應用上呢？高德就拿下了第一大流量入口。通過高德掃街榜，它就能直接切入本地生活的方方面面。你吃飯，幫你找餐廳，你看電影，幫你找影院，你按摩，幫你找會所，你想幹什麼，高德就能幫你找什麼。找出來的答案呢？再給你做一個排名，這就是高德掃街榜了。可以說，在某種程度上，高德已經變成“車載百度”了。隊長預計，百度地圖很快也要發佈“百度掃街榜”了。這已經不是移動網際網路之爭了，而是車載網際網路的戰爭了。而這一切，再次驗證了一個網際網路行業的鐵律：殺死你的，往往不是你的對手。 (牲產隊)

隨著阿里巴巴的敘事從“中國電商市場份額流失方”轉向“中國網際網路一線資產”，雲業務和中國中國電商兩方面的積極發展意味著估值倍數應上升。1、點睛之筆：“Token -> 抽成率”的飛輪效應。AI飛輪是整篇報告的靈魂。以前我們總擔心，阿里電商的貨幣化率（抽成率）到頂了怎麼辦？小摩給出了一個全新的增長邏輯：用AI來驅動！這個飛輪是這樣轉的：阿里雲為商家提供強大的AI工具（比如內容生成、客服機器人） -> 商家用了這些工具，營運成本降低，轉化率和廣告ROI（投資回報率）都提高了 -> 商家賺到更多錢，就更願意在阿里平台上投廣告、買服務 -> 最終，阿里的廣告收入和佣金（也就是抽成率）就上去了。這個邏輯完美地把AI的“算力消耗（Token）”轉化成了電商業務實實在在的“真金白銀（抽成率）”。這是一個能自我強化的正循環，也是小摩敢於大幅上調估值的核心因素。2、故事變了，估值也該變了！ 📈阿里的市場敘事已經發生了根本性轉變。從“份額流失者”到“一線核心資產”：報告明確指出，阿里的定位應該從“中國電商市場份額流失方”轉變為“中國網際網路一線資產” 。這意味著，它應該享有和騰訊等核心資產一樣的估值溢價。目標價245美元：新的目標價是基於15倍的2028財年預期市盈率給出的 。小摩認為，因為短期有對外賣、閃購等業務的投資，看2027財年的利潤會被扭曲，所以投資者應該把眼光放得更長遠，直接看2028財年，那時的阿里才是“完全體”。3、中國的AI浪潮，比你想像的更快、更猛。🌊 小摩判斷，中國企業對生成式AI的採納速度，會遠遠超過上一波SaaS浪潮。幾乎所有企業職能都能被AI賦能，價值創造的“池子”深不見底 。同時，阿里全端通吃：阿里憑藉“全端+開放”的策略，有望在IaaS（基礎設施）、PaaS（平台）和應用層不成比例地攫取價值。它既有超大規模的雲和自研晶片 ，又有快速迭代的通義大模型 ，還有中國最大的AI模型社區。此外，各種工具（羚羊、造點、通義千問3-Omni）已經幫助商家節省工時、縮短上架周期、提高點選率和GMV轉化率。毫無疑問，阿里的新故事，已經開始了。 (硬AI)