阿里暴漲10%背後：一場AI豪賭如何重燃中概股信心？

2032年，阿里雲全球資料中心能耗將提升10倍，全力迎接ASI（超級人工智慧）時代。

一、股價狂飆：資本市場等待的“新故事”終於來了

9月24日，港股阿里巴巴收盤大漲近10%，創下2021年10月以來新高。短短幾周，市值增加數百億美元，投資者信心顯著回流。

過去幾年，阿里經歷了中概股“至暗時刻”：股價從高點跌去七成，電商見頂、雲業務放緩，市場一度認為阿里已“錯過AI”。如今，阿里以“AI基礎設施巨頭”的新身份重新登場，講述了一個關於“超級智能”的高想像力故事。

二、吳泳銘的“ASI十年論”：三大判斷重塑阿里戰略

在雲棲大會上，阿里集團CEO吳泳銘提出面向AI時代的三大核心判斷：

1. 大模型是下一代作業系統

自然語言即程式設計，開發門檻趨近於零，軟體行業將被徹底改寫。

2. 超級AI雲是下一代電腦

全球只會留下5-6張超級雲，阿里必須佔一席。

3. Token就是未來的電

算力即基礎設施，阿里雲要做“智能時代的國家電網”

從AGI到ASI，阿里規劃了三階段路線：

- 學習人：數位化人類知識，實現理解與推理

- 輔助人：呼叫工具、介面、裝置，協同完成複雜任務

- 超越人：即時與世界互動，自我學習迭代，突破人類智能上限

三、聯手輝達：Physical AI落地的最強底牌

在2025杭州雲棲大會上，阿里雲與輝達宣佈達成重要合作，雙方將共同推進Physical AI（物理人工智慧）領域的技術創新。此次合作的核心是阿里雲人工智慧平台PAI整合輝達全套Physical AI軟體棧，為企業提供從資料預處理到模擬測試的全鏈路服務，助力具身智能、輔助駕駛等應用的快速開發，阿里雲智能首席技術官周靖人發佈了多項技術突破。通義大模型系列迎來7次重要更新，在智能水平、Agent工具呼叫、Coding能力、深度推理和多模態互動等方面實現提升。其中，旗艦模型Qwen3-Max性能超越GPT5、Claude Opus 4等，躋身全球前三。Qwen3-Max分為指令（Instruct）和推理（Thinking）兩大版本，預覽版已在Chatbot Arena排行榜位列第三，正式版性能有望進一步突破。

阿里雲AI平台PAI將全面整合輝達Isaac Sim/Lab、Cosmos及Physical AI資料集，提供從模擬、訓練到強化學習的全鏈路服務。

- 開發周期從“年”縮短至“月”甚至“周”

- 場景覆蓋具身智能、自動駕駛、機器人等物理世界入口

- 戰略意義補齊阿里在“物理智能”時代的關鍵短板，與輝達形成“雲+GPU”雙巨頭聯盟

四、木頭姐四年來首次加倉：國際資本的風向標

9月22日，ARK Invest旗下ETF合計買入阿里ADR約1,630萬美元——Cathie Wood自2021年9月後首次重返阿里股東名單。

- 象徵意義 >> 資金規模

- 訊號解讀阿里已從“電商中概股”蛻變為“中國AI核心基礎設施”

- 市場影響帶動多家海外基金跟進，形成“信心飛輪”

五、行業縱深：全球AI基礎設施“五朵雲”爭霸賽剛開局

*Meta 雲化仍在早期，但開源模型+GPU儲備使其具備“准超級雲”潛力

競爭焦點

1. GPU“軍火商”話語權

輝達仍佔全球AI算力>80%，“誰先拿到卡”直接決定擴張速度。美國出口管制持續收緊，中國玩家需靠“存量+替代”雙輪突圍。

2. 能耗與綠電

2030年全球AI用電或達1,000TWh，接近日本全國用電量。阿里提出“10倍能耗”背後，必須同步鎖定綠電、液冷、儲能，否則碳排與電價將吞噬利潤。

3. Token計費與網路效應

模型呼叫越頻繁，邊際成本越低。超級雲通過“Token批發價”黏住開發者和行業ISV，形成贏者通吃。

4. 物理AI資料牆

真實世界資料（機器人、自動駕駛、工業感測器）成為新護城河。阿里+輝達搶先佈局模擬+合成資料，有望在車、廠、流三大場景建立標準。

六、國家投資AI晶片：政策、策略與挑戰

（一）政策支援與投資策略

1. 政策加碼

國家政策持續支援半導體產業發展，大基金三期3440億元聚焦晶片製造、裝置、材料。《數字中國建設規劃》等政策明確支援AI晶片發展。

2. 國產替代加速

在外部限制壓力下，中國積體電路各環節自主可控處理程序提速，出口/進口比值持續上升。AI浪潮推動全球晶圓廠產能擴充，內資晶圓廠如中芯、華虹話語權提升，拉動上游裝置需求。

3. 投資重點

國家投資聚焦在AI晶片的關鍵環節，包括先進製程、高性能GPU、ASIC晶片等。例如，華為昇騰910（7nm）、寒武紀等企業加速商業化。此外，國家還支援先進封裝技術，如HBM、Chiplet等，以提升晶片性能。

（二）AI晶片開發周期與挑戰

1. 開發周期

- ASIC晶片：開發周期通常為12-24個月。例如，Apple若自主研發ASIC晶片，開發周期預計需要兩到三年。地平線聯合創始人黃暢指出，AI晶片從立項到量產起碼需要2到3年。

- FPGA晶片：開發周期較短，通常為1-3個月。這種晶片適合演算法驗證期和小批次生產。

- GPU晶片：開發周期較長，通常為2-3年。例如，AMD為在2026年實現整機系統互動能力，其AI加速晶片產品路線圖從2025到2026年需要兩代產品迭代。

2. 技術挑戰

- 製程難度：AI晶片通常使用較先進的製程，如5nm、7nm，流片成本極高（5nm工藝超4700萬美元）。國內晶圓製造突破遲緩或產能不足，可能導致AI算力晶片供不應求。

- 驗證瓶頸：一顆7奈米晶片的模擬驗證需消耗10萬核心·小時的算力，3奈米晶片則需50萬核心·小時以上。中小公司難以負擔動輒千萬的算力成本，常採用抽樣驗證而非全場景覆蓋。

- IP復用隱患：為加快設計，企業大量復用第三方IP核，但不同IP的相容性驗證往往被簡化，可能導致流片失敗。

3. 市場機遇

- 國產替代空間廣闊：AI晶片國產化率不足20%，預計未來提升至40%以上。華為昇騰、寒武紀等企業技術突破推動自主可控。

- 應用場景拓展：AI在醫療（診斷效率提升）、製造（工業質檢、預測性維護）、金融（風控最佳化）等領域商業化加速。地平線等企業不僅關注自動駕駛，還拓展至智慧城市和智慧商業（AIoT）。

七、風險與展望：一場高風險、高回報的“兆賭局”

結論

阿里正在用“十年10倍能耗、萬芯億級算力投資”換取一張“超級AI雲”船票。故事宏大、其他開發進度比較慢的公司，已經被甩到後面。AI 也是晶片， 因為不確定高， 開發節奏只能比普通的SOC更快。 (芯智時代)