在2025財年Q3財報分析師電話會上，阿里巴巴集團宣佈，未來三年在雲和AI的基礎設施投入預計將超越過去十年的總和。阿里資本開支的大超預期早盤直接引爆阿里雲概念，資料中心相關IDC、液冷、HVDC等分支全線大漲，潤建股份、資料港、奧飛資料、英維克等十余股漲停。

近期有關阿里的消息成為市場關注的焦點。此前據媒體報導，蘋果和阿里巴巴將合作為中國iPhone使用者開發AI功能。知情人士透露，此舉是蘋果應對在中國銷售下滑的策略之一，旨在提供更具吸引力的軟體功能。

知情人士表示，蘋果自2023年起開始測試來自知名中國人工智慧開發者的不同人工智慧模型，並在去年選擇了百度作為主要合作夥伴，但在最近幾個月開始考慮其他選項，評估騰訊、字節跳動、阿里巴以巴及Deepseek開發的模型。

對此，財聯社VIP特邀行業專家全面解讀通義千問研發進展及阿里資料中心佈局，2月12日（周三）21:15，攜手蜂網專家為您帶來相關主題的【風口專家會議】。

蘋果阿里合作核心邏輯

電話會議紀要

問題一：通義千問、DeepSeek、豆包大模型分別有那些優劣勢？關於通義千問的推理速度、推理質量以及是否適合佈局在手機端側，業內如何評價？

專家：通義千問、文心一言、豆包等都採用Dense架構，具有訓練成本低、推理速度快的核心優勢，但token成本較高。豆包在保持原有模型底座基礎上引入稀疏的MoE架構，將小模型進行蒸餾來進行計算。相比於DeepSeek，豆包更適合中小企業場景應用，但在複雜任務處理及邏輯推理能力方面仍需提升。DeepSeek模型憑藉顯著的成本效益和突出的長鏈條推理能力形成技術突破，其推理能力與Open AI的o3模型不相上下，但在多模態支援和通用任務處理方面存在短板。

通義模型憑藉均衡的技術表現和完整的生態體系保持領先優勢，推理速度和質量處於行業第一，尤其是最近發佈的Owen2.5Max，相較於DeepSeek V3更具性能優勢，但還沒有與DeepSeek的R1比較。通義千問即將推出的長推理最佳化版本值得關注，應該會類似於稀疏架構。

終端部署方面問題不大，通義千問會根據模型大小做蒸餾和低精度量化，以滿足手機端側的特定場景。在與蘋果合作的過程中，必然會涉及多級推理問題，蘋果手機晶片不可能完成所有推理，通義千問在架構部署上會採取混合部署，核心模型後端部署於阿里雲資料中心，隱私相關推理則運行於蘋果資料中心。推理速度主要受限於模型本身、晶片以及網路，需要一套強大的分佈式推理雲支撐，而阿里雲在分佈式雲端運算能力方面較字節、百度更具優勢。

問題二：蘋果順利接入通義千問會對阿里產生什麼影響？阿里將會承接那些任務？

專家：蘋果接入通義千問對阿里產生四個方面的正向影響：第一，預計將為阿里雲帶來每年數億人民幣量級的雲資源收入，包括計算、儲存及頻寬消耗；第二，模型本身的授權費與服務費；第三，通義千問模型作為iOS系統元件將驅動App Store新的AI應用開發，通過呼叫通義模型API產生持續Token消耗；第四，未來也將為電商廣告等業務創造新型互動場景。

問題三：阿里目前有那些形式的資料中心？各類資料中心大概有多大的算力總量？向第三方購買了多少算力？

專家：阿里的AI算力需求主要通過自建資料中心及合建資料中心滿足，第三方算力租賃僅作為補充。當前訓練算力規模約17-18萬片，推理算力約20多萬片，合計存量達40萬片。公司第三方租賃僅涉及少量AI算力叢集（約數千張規模），國內第三方算力租賃市場整體規模較小，單筆交易通常在1000P-2000P區間，很少有超過10000P量級的交易案例。

問題四：目前那些企業正在合作建設資料中心項目？合作的量是多少？

專家：當前阿里公司傾向於與擁有土地資源的傳統企業（如杭鋼股份、寶鋼股份）合作共建大型資料中心，此類項目通常為上萬個機櫃規模，分多期建設並按照智算中心標準實施；同時，也與地方政府合作落地中小型智算中心（如河北、成都項目，規模約數千台伺服器）。

由於雲廠商資料中心需滿足低能耗指標（Q1值）、液冷技術應用及訓練/推理叢集的網路架構改造需求，標準化機房難以適配，因此純機櫃租賃模式並不適用，主要偏向於自建或合建。

問題五：阿里各資料中心的上架率如何？如果與蘋果合作成功，是否存在資料中心滿負荷運行的可能？阿里對新建資料中心有什麼規劃？

專家：當前阿里正規劃於2024年下半年在寧夏新建1-2個資料中心，與蘋果在寧夏及貴州的現有資料中心佈局形成協同。從現有資料中心營運情況看，阿里資料中心的平均利用率較高：CPU利用率超60%，AI算力利用率達70%以上；機櫃上架率方面，自建資料中心仍有約1/3的閒置機櫃空間可以用來放伺服器（如南通資料中心僅使用2-4年，遠低於5年折舊周期），而合建資料中心的可用空間接近50%。整體上架率維持在70%-80%區間。

在資料中心佈局方面，主要採取分佈式架構以實現流量調度與算力負載的全域均衡，避免集中於特定幾個資料中心。優先部署方向仍以自建資料中心為主，重點依託張北、烏蘭察布、南通、河源等。未來資料中心建設投入節奏將基於iOS端AI應用發展態勢，尤其關注蘋果生態中基於AI技術的應用增長規模。若相關應用爆髮式增長，可能會加大新基建投入。考慮到蘋果合作項目的上線時間預計在4-5月，還要考慮後續業務量情況，2025年新建資料中心的投入預計延至下半年啟動。

問題六：關於合建資料中心，合作企業通過什麼形式獲得利潤？

專家：阿里公司並不是將資料中心的營運收入作為合作企業的利潤分成，而是延續資料港的合作模式。合作方比如杭鋼股份和寶鋼旗下的寶信軟體等通常以土地及基礎設施（電力系統、UPS、機房配套等）作價出資，佔據約一定的資產份額。阿里公司以技術服務費的形式支付費用，費用構成包含機櫃使用量、電力消耗及硬體裝置折舊等綜合成本，雙方簽署5-10年長期協議。

問題七：第三方資料中心目前的利潤情況如何？今年是否存在營收大幅增長的預期？

專家：整體來看，第三方IDC處於行業利多周期。儘管部分企業已開始佈局東南亞等海外資料中心建設，但需關注到當前雲廠商對資料中心機櫃的大規模採購需求尚未充分釋放，例如字節跳動等頭部企業仍以自建資料中心為主。不過，中型網際網路企業（如智譜）及傳統企業傾向於租賃機櫃部署AI伺服器，預計將推動IDC機櫃出租業務維持兩位數增速，其核心優勢在於客戶結構多元化——以萬國資料、世紀互聯為代表。而秦淮資料、潤澤科技等與單一客戶深度繫結，收入更加穩定。頭部獨立第三方IDC企業（如奧飛資料、浙大網新、中金資料）在核心城市的資源可以實現高出租率，而武漢、南京等二線城市的部分項目存在區域性供需錯配，局部出租率僅30%-40%。

但整體而言，大模型驅動的算力需求激增及雲廠商Capex中算力投入上漲，正推動更多算力基礎設施需求向IDC服務商傳導。尤其值得注意的是，大模型應用落地帶來的推理算力需求佔比提升，疊加國產AI伺服器出貨量顯著增長，第三方IDC有望實現加速盈利。

問題八：阿里的自建資料中心主要採購那些上游供應商的產品（晶片伺服器、配套設施）？供貨商的供貨比例是否會有比較大的調整？比如輝達晶片和國產晶片的比例變化？

專家：整體來看，變化並不大。2024年，雲廠商對輝達晶片的依賴度依然較高，全年的採購訂單仍以輝達晶片為主，國產AI晶片在整體採購中的佔比雖有小幅提升但變化不大。在訓練算力領域，大模型訓練場景仍難以實現全面國產替代。值得注意的是，今年國內訓練算力需求增速明顯放緩，市場重心正逐步向推理算力轉移。在推理側，雲廠商在選擇上呈現多元化特徵：第一，採購未受限的輝達中低端推理卡；第二，加大自研推理晶片投入；第三，國產多廠商的推理晶片。

問題九：相關配套設施（散熱、機櫃儲存等硬體），阿里是否有固定的供應商？

專家：在資料中心和雲端運算領域，供應鏈涉及多個關鍵元件，包括SSD、光模組、液冷伺服器、銅纜、HBM（高頻寬記憶體）以及交換機等。資料中心通常採購標準SSD，同時也會定製SSD，通過與國內主控廠商合作，採購快閃記憶體顆粒（如三星、鎧俠、美光科技等），並對韌體演算法進行自研開發。國內廠商如長江儲存的SSD在雲廠商中的佔比逐漸上升，但長鑫儲存（主要生產DRAM）在SSD領域的份額相對較少。當前光模組以400G和800G為主，主要供應商包括中際旭創、光迅科技、海信寬頻等，光模組通常需要定製，以滿足資料中心的高頻寬和低延遲需求。

液冷伺服器的主要供應商包括工業富聯和新華三等，冷卻液供應商主要為美國的3M公司和中國杭州的巨化股份，冷卻液成本較高，每升價格接近1000元，單個機櫃需要200-300升，冷卻液成本可達一二十萬元。資料中心內部正逐步採用“光退銅進”的趨勢，800G銅纜因其低功耗和高可靠性逐漸取代有源光纜和有源銅纜，國內目前僅有兆龍互聯能夠量產800G銅纜，主要供應機櫃內部5米以內的連接需求。HBM（高頻寬記憶體）主要用於AI伺服器，目前主要依賴海外供應商，國內廠商如長鑫儲存能夠生產HBM2，但量產能力有限，月產能僅為幾萬片。英維克、依米康等為資料中心提供液冷整合方案。資料中心交換機的核心部件是交換晶片，交換晶片成本佔比很高，國內目前僅有盛科能夠生產25.6T的交換晶片，更高端的51.2T交換晶片則依賴博通和Marvell等海外供應商。

問題十：通義天問能為蘋果手機提供那些方面的功能？未來理想中的 AI 手機應該具備那些功能？

專家：通義千問大模型基於iOS定製，提供通用任務下的推理能力。這種能力需通過iOS系統的深度定製化實現，例如在健康管理、個人助手、知識管理等領域開發具體應用，這些應用需以Agent形式呼叫大模型的通用能力。目前通義千問提供的能力包括語音互動（TTS）、文字處理（語義理解、內容生成）及多模態技術支援（圖文生成、文生視訊等）。上層Agent應用仍需依賴iOS自身生態去開發，可提供類似Sara助手的基礎服務介面，而更複雜的場景化應用需由iOS應用生態實現創新。

問題十一：AI智能體首先在那些場景（辦公、廣告、電影等）優先落地？

專家：第一維度是看應用場景的使用者基礎規模，即優先推動已具備成熟C端使用者體量的平台進行智能化升級，例如線上教育領域的記單詞APP、擁有千萬級使用者的小說閱讀平台等。

第二維度是場景價值的優先順序劃分，採用"從通用大場景到垂直細分場景"的推進策略。首先聚焦智能客服、電商導購助手、智能搜尋推薦等大場景；繼而向金融投資分析、醫療診斷輔助、K12教育指導等細分領域延伸。

問題十二：阿里在AI大模型方面的合作企業有那些？合作的密切程度如何？如果蘋果接入通義千問，大概能為他們帶來多大的業務增量？

專家：通過分析阿里在大模型領域的合作夥伴策略可以發現，阿里優先選擇已在企業級賽道形成成熟產品體系和市佔率的行業級ISV（獨立軟體開發商）進行合作。核心的合作對象包括恆生電子、石基資訊等，前者在金融領域擁有完整的銀行解決方案，後者佔據國內酒店管理系統70%的市場份額，還包括崑崙萬維。同時，阿里通過釘釘生態建構了第二層合作網路。在通義大模型接入釘釘智能開發平台後，吸引生態內開發者建立大量企業級Agent和應用。

問題十三：未來阿里還會有那些增長較快的發力點或關注領域？AI方面還有那些比較重要的規劃？

專家：當前阿里雲的戰略佈局呈現出國內與海外雙輪驅動的特徵。在國內市場，隨著公有雲增速放緩和市場趨於飽和，鞏固競爭優勢的核心路徑在於強化AI技術尤其是大模型與算力資源的深度融合。而海外市場成為第二增長曲線，東南亞、中東等區域的雲業務收入已顯現高速增長態勢，正在推出適配當地需求的海外版大模型。

未來，國內私有雲市場因行業政策壁壘難以突破，真正能夠存活下來的玩家最多四五家，這意味著未來3-5年國內市場增長都需要靠AI驅動。海外部分，需要依靠市場擴張和深耕，提升海外本土使用者的上游貢獻度。

問題十四：未來阿里在資料中心規劃中是否會增加合建的比例和數量？除了杭鋼集團和上海寶鋼外，是否會增加其他合作企業？

專家：未來5-10年，合建資料中心的比例呈現上升趨勢。過去十年，國內雲端運算體系保持中心化計算模式——以北上廣深等核心城市的大型資料中心叢集為核心節點，通過CDN網路輻射全國。但隨著大模型技術推動終端裝置智能化及邊緣側資料啟動，未來將向弱中心化方向演變。邊緣端資料佔據整個社會總量資料的80%，而資料遷移成本高必然驅動算力向資料來源頭下沉，形成分佈式算力網路。這種模式將催生多層次算力節點體系，既包括採用合建的資料中心，也會有模組化微型機房（甚至機櫃級整合設施）。

杭鋼和寶鋼雖然存在土地資源優勢，但未來還是會增加更多合建合作企業。阿里會根據經濟性分析做多維考量，包括碳減排政策、頻寬資源、地方稅收政策、營運效率等十余項指標。 (財聯社早知道)