•
全球AI雲競賽，阿里靠什麼打？
縱觀商業史，依靠成功的自我革命來擺脫困境、重返巔峰的企業屈指可數。90年代IBM的“大象跳舞”和2014年後微軟的“雲轉型”，便是兩個標誌性事件，它們證明了一家巨頭在增長失速後，依然有能力完成自我重塑。
今天，類似的故事似乎正在中國市場重演——主角是阿里巴巴。
資本市場的反應最為直接。在經歷了漫長的調整期後，阿里股價近期再度拉升，創下自2021年8月以來的新高。這輪上漲背後，是市場對其AI戰略價值的重新定價——從持續超預期的雲業務財報，到通義大模型的高頻迭代，再到關於其自研AI晶片的最新風聲，一系列訊號正共同支撐起一個新的估值敘事。
但在這輪估值重塑中，一個更底層的核心事實遠未被市場充分認知：
阿里巴巴不僅是全球四朵“超級AI雲”中唯一的中國公司，更是其中少數採取“全端自研”路徑的公司——即在AI晶片、雲端運算平台和基礎大模型三個核心層面均追求頂尖自研能力，與Google形成了戰略上的跨洋呼應。
要理解這一定位的含金量，必須先看清AI競賽範式的劇變。
ChatGPT引爆的AGI浪潮，起初被誤解為一場“模型競賽”。移動網際網路時代“一個App引爆市場”的經驗，催生了2023年喧囂的“百模大戰”。但戰局迅速收斂，因為一個殘酷的現實浮出水面：模型能力本身，正在快速“平台化”。
大模型性能趨同的“平台化”現象，不僅源於Transformer架構等技術的公開，更關鍵的是，高品質開源模型正將頂尖AI能力從少數公司的專利，加速轉變為人人可用的普惠基礎設施，加上頂級玩家在算力上的飽和投入，共同導致了各家模型在能力上的迅速拉平。
這場競賽的終局形態，並非決出最聰明的單一模型，而是看誰能建構起最強大的AI全端技術體系——一套集模型、雲平台、晶片、生態於一體，並能協同演進的系統性能力。
模型只是入場券
決定AI競賽勝負的，不是某一刻的領先，而是兩個核心變數：迭代速度和成本效率。
要同時最佳化這兩個變數，企業必須建構起一個垂直整合的AI全端技術體系。這並非一個模糊的概念，而是由四個具體且相互關聯的要素構成的系統性能力：
第一，千億級的資本投入。 這是建構大規模AI基礎設施、招募頂尖人才並支撐長期研發的必要前提。
第二，百萬級叢集的雲端運算能力。這是為大規模平行訓練提供所必需的計算環境，直接決定了模型迭代的速度上限。
第三，世界級的基礎大模型。 這是進行軟硬體協同最佳化的核心對象，是連接上層應用與底層算力的關鍵環節。
第四，自主的AI晶片佈局。這是實現成本控制的關鍵手段，通過為自研模型定製硬體，從根本上降低推理成本，以構築長期成本優勢。
Google的案例，印證了這一全端體系的有效性。在ChatGPT發佈後的一年裡，這家AI巨頭一度顯得被動。但當其發佈Gemini系列模型時，外界發現，它在極短時間內就抹平了與領先者的差距。這場快速追趕的實現，並非僅僅依靠模型演算法的突破，而是其完整的全端能力——即上述四大要素協同作用的結果。
這一體系從兩個層面決定了競爭的成敗：
首先，它決定了模型迭代的速度。 AI技術堆疊的耦合程度極高，在一個非全端的體系中，定位和解決軟硬體協同瓶頸的周期可能長達數周。而在一個全端自研的公司裡，Google的AI科學家可以與TPU硬體團隊（核心算力）和資料中心網路工程師（雲端運算能力）緊密協作，將技術反饋的閉環速度提升到極致，從而加速了Gemini的追趕處理程序。
其次，它從根本上決定了成本效率。 AI的成本分為訓練成本和更為龐大的推理成本。非全端玩家面臨“多重溢價”，需向晶片、雲平台等供應商支付利潤。而擁有自主硬體能力的全端玩家，可以通過“軟硬體協同設計”來最佳化成本結構。正如OpenAI CEO薩姆·奧爾特曼所言，誰能將推理成本降到足夠低，誰就能在商業化中佔據主動。
因此，能否同時集齊這四大要素，建構起完整的“超級AI雲”體系，成為了衡量一個玩家長期競爭力的核心標尺。
以這套標準掃描全球科技版圖，結果清晰明了：
在美國，Google、微軟和亞馬遜三家巨頭，均已在四個維度上完成了關鍵佈局。而在中國，市場呈現出更多元的戰略分化。不同的雲和AI公司基於自身的核心能力與歷史路徑，選擇了不同的AI演進模式。
當以“超級AI雲”四個標準為觀察對象時，阿里巴巴是當前唯一一家與此定義完全重疊的中國公司。
首先，在全球IaaS市場，亞馬遜AWS、微軟Azure、阿里雲和Google雲構成了合計份額近80%的第一梯隊。阿里雲作為其中唯一的中國公司，其規模與技術積累是參與這場全球競賽的先決條件。
同時，阿里一方面通過將通義Qwen系列大模型大規模開源，形成全球最大的AI開發者生態；另一方面則在核心算力上自主佈局，實現硬體與模型的深度協同，構築長期成本優勢。這種“模型開源吸引生態，硬體自研控製成本”的策略，與Google形成了跨洋呼應。
支撐這一切的是史無前例的激進投入。早在今年2月，阿里就宣佈未來三年投入3800億元用於建設雲和AI基礎設施，超過去十年總和。其CEO吳泳銘在2026財年第一季度財報會上透露，過去四個季度已在AI基礎設施及AI產品研發上累計投入超過1000億元。
至此，全球“超級AI雲”的牌桌格局已經形成：美國三家，中國一家。這四家公司，正在成為定義下一代技術基礎設施的核心力量，並深遠地影響未來的全球產業格局。
兩種路徑
拿到“超級AI雲”的入場券後，四家公司的戰略路徑出現了明顯分化，主要體現在如何解決“模型”這一核心環節上，並由此形成了兩種不同的模式。
第一種是微軟和亞馬遜所代表的“雲+生態”模式。其核心是通過巨額資本注入和深度業務繫結，與市場上最頂尖的AI創業公司形成戰略同盟。微軟選擇了OpenAI，亞馬遜則向Anthropic注資。此舉能快速將最先進的AI能力打包提供給其龐大的企業客戶群，在商業化初期搶佔市場。
但這種模式的協同效率和戰略穩定性也面臨挑戰。為避免科技巨頭過度干預，OpenAI和Anthropic都採取了特殊的治理架構，微軟和亞馬遜均無董事會席位和投票權。這種法律上的“防火牆”意味著同盟關係並非絕對繫結。2025年以來，有資訊顯示OpenAI正與甲骨文（Oracle）和軟銀接觸，尋求新的算力和資本支援，以降低對單一夥伴的依賴。
與此相對，Google和阿里巴巴選擇了第二條路——“全端自研”。
這一模式的價值，在蘋果公司身上得到了驗證：它通過自研M系列晶片、macOS系統和Mac硬體的全端整合，實現了出色的性能和體驗。如今，Google和阿里正將這一範式應用到AI雲領域，通過對AI晶片、雲端運算平台和基礎大模型三個核心層面的端到端自研，實現“軟硬體協同設計”。
這條路徑更考驗綜合實力和長期投入，但對整個技術堆疊的端到端控制力，意味著能實現更快的創新迭代和更優的成本結構。這種深度的技術整合，正在轉化為業績增長。
最新的財報季，這一趨勢尤為明顯。Google雲業務收入增速從28%加速至32%，而阿里雲收入增速也從18%大幅攀升至26%。兩家公司業績的強勁增長，都與其全端AI能力的釋放直接相關。
巨額投入正迅速轉化為技術成果。7月以來，阿里接連發佈並開源了Qwen3推理模型、Qwen3-Coder程式設計模型等多個重量級模型。目前，通義千問Qwen衍生模型數量已突破17萬，超越美國Llama模型，通義成為全球第一AI開源模型。
在AI這場終將回歸成本和效率的持久戰中，對整個技術堆疊擁有端到端控制力的“全端玩家”，在戰略後勁和成本結構上擁有更清晰的優勢。
追趕之後
2025年8月，長期堅持閉源路線的OpenAI做出了一個重大的戰略調整，宣佈開源兩款核心模型。業內普遍認為，此舉是對日益增長的中國開源力量的直接回應。以DeepSeek和阿里通義千問Qwen為代表的中國模型，不僅在技術榜單上表現出色，更通過龐大的開發者生態，開始影響全球AI的技術範式。
開源模型的領先，是中國AI產業在應用和生態層面取得的顯著成果。在此基礎上，能否將這一成果轉化為長期的、系統性的產業優勢，則取決於一個更深層的問題：是否具備完整的“全端AI能力”。
這背後的產業邏輯十分清晰：一個開源模型，相當於一張公開的、先進的設計圖紙。但真正的壁壘在於能否擁有將這張圖紙大規模、低成本、高效率地轉化為成品的完整工業體系。在AI領域，這個“工業體系”就是集自研晶片、大規模雲端運算平台和基礎大模型於一體的垂直整合能力。它直接決定了技術迭代的速度和商業化部署的成本結構。
在雲端運算時代，阿里雲為代表的中國公司，第一次在底層技術設施領域進入全球第一梯隊，與亞馬遜、微軟形成了新的競爭格局。
今天，雲端運算作為上一個時代的終點，已經成為AI這個新時代的起點。在這塊由中美共同主導的基礎設施之上，一場圍繞“全端能力”的更深層次的產業競賽已經開始。 (虎嗅APP)