李桂松:全球算力资产竞争格局与资产管理报告(十) |
| 日期 2026-10-19 作者 李桂松 编辑 北京云阿云 |
全球算力资产竞争格局与资产管理报告 导读:算力即国力。当芯片从设备升维为可计量、可调度、可金融化的战略资产,一场围绕有效算力的全球竞逐已然打响——美企主导、中国追赶,双核格局之下,大国算力博弈中国胜算几何?报告全文20万字,由云阿云智库平台主席兼财政金融院长李桂松原创出品。 报告名称:《全球算力资产竞争格局与资产管理报告》 报告撰写:北京云阿云智库平台主席兼财政金融院长李桂松 课题组长:李桂松院长 课题组成员名单: 李桂松:北京云阿云智库平台主席兼财政金融院长 李国熙:北京云阿云智库平台全球治理研究中心主任 李国琥:北京云阿云智库平台空天学院院长 李嘉仪:北京云阿云平台金融院长 报告完成日期:2026年9月19日 业务联系电话:13360021949(李博士) 第十章阿里巴巴 一、企业概况与算力资产规模 (一)阿里云全球市场份额 阿里巴巴在2026年的算力资产格局中呈现出一种独特的“规模悖论”:在中国市场,阿里云是无可争议的领导者;在全球市场,其份额却长期停滞在一个令人困惑的4%。 根据云阿云智库报告数据,2026年第一季度,阿里巴巴在全球企业云基础设施服务市场的份额为4%,排名全球第五。这一数字较上一季度没有变化,且“在过去几年中一直稳定在4%”。作为对比,AWS的份额为28%,Azure为20%,谷歌云为15%,神谕为4%。阿里巴巴与神谕并列全球第四/第五位,但与前三名的差距是结构性的——它需要的不是“增长”,而是“跨越量级的跃迁”才能进入第一梯队。 然而,4%的全球份额掩盖了一个更重要的现实:阿里云是中国市场最大的云服务提供商,且其增长正在加速。2026财年第四季度(截至2026年3月31日),云智能集团收入为416.26亿元人民币(60.35亿美元),同比增长38%,其中外部商业化收入增长加速至40%。更值得关注的是,AI相关产品收入达到89.71亿元,占外部商业化收入的30%,实现连续十一个季度三位数同比增长。 从收入结构的角度看,阿里云的“4%全球份额”与“40%外部增长”之间的张力揭示了一个关键问题:阿里云的增速已经显著超过了全球云市场的平均增速,但基数差距太大,使得份额提升的绝对值微乎其微。如果阿里云能够以40%的增速持续增长,而全球云市场以约25-30%的增速扩张,阿里云的份额将缓慢提升,但在可预见的未来无法挑战AWS和Azure的地位。这一“增速领先但规模落后”的格局,构成了阿里巴巴算力资产管理的基本背景:它必须在中国市场建立“根据地”式的绝对优势,同时在全球市场寻找“不对称竞争”的机会。 从战略含义的角度看,4%的全球份额意味着阿里云的算力资产扩张无法依赖全球市场的规模效应。AWS的算力资产可以服务全球客户,从而在单一芯片采购中享受全球规模的议价能力;阿里云的算力资产主要服务中国客户,其规模效应的上限受限于中国市场的规模。这一约束的资产管理含义是:阿里云必须在中国市场实现“超大规模”运营,才能在单位成本上与全球竞争对手竞争。吴泳铭的“五年千亿美元”目标——将云和AI商业化收入从1000多亿元提升至1000亿美元(约6900亿元),复合年化增长约47%——本质上是对这一约束的正面回应:如果无法在全球规模上竞争,就必须在中国市场的深度和密度上建立不可替代的优势。 (二)五年千亿美元AI商业化目标 2026年3月,阿里巴巴集团CEO吴泳铭在财报分析师电话会上宣布了一个具有战略转折意义的目标:未来五年,包含MaaS在内的云和AI商业化收入突破1000亿美元。这一目标的设定,标志着阿里巴巴从“零售驱动的科技公司”向“AI驱动的基础设施公司”的根本性战略转型。 从目标规模的角度看,1000亿美元(约6900亿元人民币)意味着在五年内将云和AI商业化收入增长约6-7倍。作为参照,阿里云2026财年截至2月底的外部商业化收入刚刚突破1000亿元人民币。从1000亿元到6900亿元,复合年化增长率需要达到约47%。这一增速目标在大型科技公司中极为激进——它意味着阿里云需要在未来五年每年保持接近50%的增长,而当前的外部商业化收入增速为40%,且这一增速已经是“加速”后的结果。 这一目标的可行性基础来自三个层面的判断。第一,AI需求的长期确定性。吴泳铭反复强调的核心逻辑是:“大量企业在用token消耗的时候,并不把token当成IT预算,而是当作整个公司的生产或者研发成本、生产资料的一部分,这是阿里看到未来AI增长长期性的最根本内在因素”。这一判断将AI算力从“IT支出”重新定义为“生产资料”——后者的市场空间远大于前者。第二,全栈AI能力的差异化。阿里正在形成“芯片-云-MaaS-模型-应用”的完整AI栈,从底层算力到上层应用的全链条覆盖使其能够捕获AI价值链上多个环节的价值。第三,MaaS的高利润率潜力。吴泳铭透露,百炼MaaS平台的ARR(年化经常性收入)在8月已达到160亿元,年底达到300亿元的确定性很高,且MaaS的毛利率显著高于传统IaaS。 从资产管理的角度看,“五年千亿美元”目标的核心约束在于资本支出的前置性。吴泳铭对此的表述具有坦率的战略清晰度:“本质上所有AI服务的变现都需要建立在AI算力中心这个基础上,这是一个非常明确的重资产商业模式,而重资产商业模式要获得高速增长的前提,就需要在CAPEX投入上进行前置”。他进一步给出了回报周期的判断:“按照阿里现在的AI产品平均毛利水平,CAPEX可以在三年之内回本”。这一“三年回本”的判断是理解阿里算力资产投资逻辑的核心锚点——如果实现,它将使阿里云的AI基础设施投资具有与工业设备投资相当的回报率;如果落空,阿里云的财务可持续性将面临严峻考验。 (三)资本支出强度 阿里巴巴的资本支出强度在2026年达到了中国科技公司历史上罕见的水平,其投资规模、执行节奏和融资方式都值得深入分析。 从季度执行的角度看,2026年第二季度(2027财年第一季度),阿里巴巴的资本性支出达到676.78亿元,同比增长75%。这一数字的规模含义是:阿里在单一季度的资本支出已经接近其同期经营现金流的三倍(该季度自由现金流为净流出446.7亿元)。阿里在AI基础设施上的烧钱速度已经远超其经营现金流的生成能力,必须依赖外部融资来支撑扩张。 从累计投入的角度看,截至2026年6月末,阿里在2025年2月宣布的三年3800亿元AI基建投资计划中已累计投入1900亿元,不到一年半时间刚好花掉一半。这一执行速度表明,阿里的资本支出不是“规划”而是“执行”——资金正在以远超最初预期的速度转化为GPU集群、数据中心和自研芯片。吴泳铭明确表示,AI基建相关投入资金将“远远超过原来的3800亿元”,这意味着三年3800亿元的框架将被显著突破。 从融资方式的角度看,阿里巴巴在2026年采取了一种“现金储备+股权融资”的双轨策略。截至6月底,阿里账上持有4745亿元现金类资产;8月,阿里通过闪电配售筹集约800亿港元(约102亿美元),净额100%投向全球算力与AI数据中心。配售完成后,阿里现金储备预计在5000亿元以上。这一“囤积现金+股权融资”的组合表明:阿里正在以“战时状态”来管理其算力资产的资金需求——它不仅需要覆盖当前的资本支出,还需要为未来更激进的扩张储备“弹药”。 从财务影响的角度看,资本支出的激增已经对阿里的利润和现金流产生了实质性的压力。2026年第二季度,阿里净利润同比下降75%至104亿元,自由现金流为负446.7亿元。界面新闻的分析指出了投资者面临的核心问题:“阿里的现金流能否支撑高额投入?”吴泳铭的回应是前瞻性的:他承认“今天的投入可能过一两年才会产生更大的增长”,但坚信“阿里AI和云营收、利润的持续增长是可预见的”。这一“以短期利润换长期增长”的策略,本质上是将阿里巴巴的估值逻辑从“零售公司的市盈率”转向“基础设施公司的现金流折现”——市场需要接受“当前利润的下滑是未来利润增长的先导”这一叙事。 二、核心算力资产分析 (一)平头哥自研GPU芯片(累计交付47万片) 平头哥在2026年从阿里巴巴的“内部芯片项目”蜕变为具有实质商业规模的芯片业务,其“47万片累计交付”的数据标志着中国互联网公司自研AI芯片首次跨越“技术验证”阶段。 从交付规模的角度看,吴泳铭在2026年3月的财报电话会上披露:截至2026年2月,平头哥自研GPU芯片已累计规模化交付47万片。47万片的规模意味着:平头哥已经成为中国AI芯片市场出货量最大的产品线之一。如果以每片芯片平均2-3万元的价格估算,47万片的累计交付对应的收入规模在94-141亿元之间,使平头哥成为中国最大的AI芯片供应商之一。吴泳铭同时透露,平头哥的年化营收规模已达百亿。 从客户结构的角度看,平头哥的外部商业化能力是其区别于其他互联网公司自研芯片的核心特征。吴泳铭披露:“在阿里云的实际业务场景,60%以上的平头哥芯片服务于外部商业化客户,已完成规模化外部客户AI任务适配,支持了400多家企业客户的AI任务,涵盖包括互联网、金融服务、自动驾驶等多个行业”。60%的外部客户占比意味着:平头哥不是“自用工具”而是“商业产品”。它的成功不依赖于阿里内部的需求,而依赖于外部客户的选择。这一“外部验证”在自研芯片领域是极为罕见的——Google的TPU虽然规模更大,但其外部销售刚刚起步;亚马逊的特雷尼乌姆虽然承诺规模巨大,但仅在AWS内部可用。平头哥的“60%外部客户”使其成为中国唯一实现“自研芯片外部商业化”的互联网公司。 从商业模式的演进来看,平头哥在阿里巴巴2026年的财报口径调整中获得了战略地位的提升。阿里将云智能集团与平头哥合并为“AI云与算力服务”板块,吴泳铭对此的解读是:“云智能集团与代表芯片能力的平头哥合并为‘AI云与算力服务’,构成AI应用上游的基础设施”。这一合并的战略含义是:平头哥从“成本中心”(研发投入)转变为“利润中心”(芯片销售+算力服务)。在新的口径下,平头哥的芯片收入直接贡献于“AI云与算力服务”板块的收入和利润,使资本市场能够更直接地评估芯片业务的财务贡献。吴泳铭还表示,平头哥不排除IPO的可能性——这一表态暗示平头哥具备独立融资和估值的潜力。 (二)百炼MaaS平台Token消耗增长 百炼(Model Studio)MaaS平台是阿里巴巴算力资产体系中最具“平台经济”特征的组成部分,其Token消耗的指数级增长是阿里AI商业化加速的核心信号。 从Token消耗的角度看,吴泳铭披露的数据揭示了惊人的增长速度:“百炼MaaS平台上的API token需求增长速度非常快,对比去年11、12月份,今年5、6月份已增长十倍以上”。10倍的增长在6个月内实现,意味着Token消耗的月复合增长率约为47%。这一增速远超传统云服务的增长曲线,反映了AI应用从“试点”向“生产”迁移的趋势。吴泳铭在更早的财报会上还提到,过去三个月,百炼MaaS平台上公共模型服务市场的Token消耗规模提升了6倍。 从客户增长的角度看,百炼平台的客户数量同比增长8倍。这一增速与Token消耗的10倍增长形成了相互印证的“需求爆发”信号:更多的客户使用更多的Token,且单客户的平均Token消耗量也在上升。阿里在财报中对此的解读是:“截至2026年3月,百炼平台的客户数量同比增长8倍,反映出企业级市场对AI需求的加速释放”。 从收入规模的角度看,百炼MaaS平台正在成为阿里AI收入中增速最快、利润率最高的组成部分。吴泳铭披露的ARR(年化经常性收入)数据具有清晰的增长轨迹:2026年5月财报会时突破80亿元,预计6月季度突破100亿元,年底突破300亿元。到8月,吴泳铭进一步确认ARR已达到160亿元,且“年底达到300亿元的确定性很高”。从80亿到300亿的增长轨迹表明:MaaS收入的年化增长率超过275%。更关键的是,吴泳铭明确指出:“MaaS是AI相关收入中毛利率较高的一部分。传统云服务商主要通过IaaS出售算力,毛利率有限。AI时代,云厂商可以通过MaaS平台出售Token,获取更高的利润空间。” 这一判断的资产含义是:MaaS平台使阿里云的算力资产能够以“智能服务”而非“计算资源”的形式变现,从而获得更高的单位算力收入。 从平台开放策略的角度看,百炼正在从“阿里模型专属平台”转变为“多模型聚合平台”。2026年5月,阿里云宣布全面开放百炼平台,智谱、Minimax、Kimi等头部AI厂商的首批模型正式上架。这一策略的战略含义是:百炼不再仅仅是“阿里通义千问模型的分发渠道”,而是“中国AI模型的统一入口”。用户可以通过统一SDK接口接入不同模型,实现“一个入口、多模型可选”。对阿里巴巴而言,这一“开放平台”策略的算力资产含义是:无论客户使用哪个模型,算力消耗都流向阿里云。百炼的“模型无关”定位使其成为AI时代的“算力路由器”——客户的模型选择不影响阿里云的收入捕获,只影响“用哪个模型来消耗算力”。 (三)通义千问模型系列与算力需求 通义千问模型系列是阿里巴巴算力资产体系中最具有全球影响力的软件资产,其开发者生态的规模在2026年已经超越了Meta的羊驼,成为全球最受欢迎的开源AI模型家族。 从下载规模的角度看,通义千问的全球累计下载量已超过30亿次,其中在云阿云智库 Hub上的下载量约为20.45亿次,而Google的模型为4.18亿次,Meta的模型为2.27亿次。通义千问的下载量是Google的约5倍,是Meta的约9倍。这一“下载量优势”的资产管理含义是:通义千问的开发者生态规模决定了阿里云算力需求的“底层流量”。每一个下载通义千问模型的开发者,都可能成为阿里云MaaS平台或算力租赁服务的潜在客户。 从衍生模型生态的角度看,通义千问的生态网络效应正在加速自我强化。阿里巴巴已开源超过460个通义千问模型,这些模型衍生出超过30万个衍生模型。在云阿云智库上,开发者创建的通义千问衍生模型达到151,448个,是Meta模型衍生数量的2.6倍,是羊驼家族相关仓库数量的4.7倍;Google的模型衍生数量为82,506个。通义千问衍生模型的数量优势表明:通义千问正在成为“AI应用开发的基础设施”——开发者不是在“使用通义千问”,而是在“基于通义千问构建新的东西”。这种“平台化”的生态定位,使通义千问的算力需求不仅来自“直接使用通义千问”,更来自“所有基于通义千问构建的应用的运行”。 从模型规模的角度看,通义千问在2026年的参数规模已经远超美国开源模型。根据云阿云智库报告,2026年中国领先AI实验室发布的最大开源模型的参数量普遍高于美国同行——中国实验室的月度上限范围为7540亿到2.78万亿参数,而美国最大的开源模型在大多数月份保持在1300亿参数以下。这一“参数规模差距”的算力含义是:通义千问的训练和推理需要更大的算力投入。参数规模越大,训练所需的GPU集群规模越大、训练时间越长、推理所需的显存带宽越高。通义千问的“大参数”策略在模型能力上可能带来优势,但在算力成本上构成了更高的要求。 从许可证策略的角度看,通义千问采用了极为宽松的开源许可证。在178个超过200亿参数的中国模型中,59%使用Apache 2.0许可证,22%使用MIT许可证,且没有任何模型包含限制非商业使用的条款。这一“完全开放”的许可证策略与Meta的羊驼的“社区许可证”(包含用户规模限制)形成了鲜明对比。通义千问的开放性使其能够更快地扩散,但也意味着阿里巴巴无法通过许可证限制来捕获通义千问的商业价值——任何公司都可以免费使用通义千问,并在任何云平台上部署,而不向阿里支付任何费用。从算力资产管理的角度看,这一“开源但无法直接变现”的模式的核心价值在于:通义千问的生态规模为阿里云的MaaS平台和算力服务创造了“需求引力”。开发者免费使用通义千问,但当他们需要托管、微调、部署或扩展通义千问应用时,阿里云是“最自然”的选择。 (四)数据中心布局 阿里巴巴的数据中心布局在2026年呈现出“乌兰察布为核心、全国多点协同”的特征,且其模块化建设能力正在成为算力资产快速扩张的核心杠杆。 乌兰察布是阿里巴巴数据中心版图中最具战略意义的节点。2026年8月,阿里云宣布灵骏真武M890超节点实例正式上线,首批在乌兰察布地域开售。阿里云的2.0架构和5.0架构数据中心均在乌兰察布落地,且真武超节点已部署在5.0数据中心。乌兰察布成为阿里云新一代数据中心架构和超节点技术的“首发地”,这一选择的背后是多重战略考量。 从能源成本的角度看,乌兰察布的电价约为0.3元/千瓦时,阿里云数据中心总经理王朝阳透露:“同样的一个机房运行算力,如果放在乌兰察布,相较于布局在其他城市,每年的电费能够节省50亿元”。50亿元/年的电费节省在十年周期内就是500亿元——这一数字接近阿里三年3800亿元资本支出计划的13%。在算力资产的总拥有成本中,电力成本正在成为占比最大、最具持续性的运营支出,乌兰察布的电价优势直接转化为算力资产的长期成本优势。乌兰察布的地理禀赋支撑了这一电价优势:年均风速大,风电等效年利用小时数高达3000-3600小时;全年日照时长超过3200小时,光伏等效年利用小时数达1500-1800小时。这些“风光资源”使乌兰察布能够提供低价的绿电,从而在“算电协同”的趋势中占据先发优势。 从交付速度的角度看,阿里云的模块化数据中心技术正在颠覆传统数据中心的建设范式。阿里云已将大型AIDC数据中心的交付工期缩短至100天,同时整体建设成本反而降低10%以上。这一“又快又省”的交付能力来自CUBE 5.0架构的全模块化设计:供电、冷却、安防、智能化以及消防五大系统的整体模块化率从早年的30%提升至90%;采用高压直流、风液兼容技术以及超高弹性设计,能最大化兼容主流异构芯片与计算架构,支持至少三代芯片迭代。100天交付的资产管理含义是深远的:它使阿里云的算力资产能够以“季度”为单位进行扩张,而非以“年”为单位。在AI算力需求每季度都在变化的环境中,“快速交付”意味着更少的“闲置等待”和更快的“收入转化”。 从产能扩张的角度看,阿里云计划在2026年将模块化数据中心的全球产能提升两倍以上。阿里云目前在全球拥有32个地域,105个可用区。CUBE 5.0架构已在乌兰察布、中卫等数据中心试点跑通,并获得基于EN标准的欧洲CE认证和基于IEC标准的东南亚产品准入。这些认证的战略含义是:阿里云的模块化数据中心技术具备全球部署的合规基础,为其海外算力资产扩张提供了技术模板。 三、竞争优势分析 (一)中国云计算市场的领先地位 阿里巴巴在中国云计算市场的领先地位是其算力资产管理中最稳固的竞争基础。这一地位的形成是先发优势、规模效应和生态整合共同作用的结果。 从市场份额的角度看,阿里云是中国最大的云服务提供商,其在中国市场的份额远超AWS和Azure在中国的份额。这一“主场优势”的资产管理含义是:阿里云的算力资产在中国市场享有“规模经济”的护城河。中国是全球第二大云市场,且增速高于全球平均水平。阿里云在中国市场的绝对规模使其能够在芯片采购、数据中心建设、电力采购等方面获得优于中小厂商的议价能力,从而在单位算力成本上建立优势。 从客户基础的角度看,阿里云服务于中国最广泛的企业客户群体,包括互联网公司、金融机构、制造业企业、政府和公共部门。这一多元化的客户结构使阿里云的算力资产具有较强的抗周期能力——当某一行业的需求波动时,其他行业的需求可以提供缓冲。阿里巴巴致股东的信中对此的表述是:“在AI价值链上的全栈能力,阿里巴巴在AI新时代处于战略优势地位”。 从生态整合的角度看,阿里巴巴的电商、支付、物流、本地生活业务为阿里云的算力资产提供了独特的“场景验证”和“需求生成”能力。阿里巴巴在致股东的信中详细描述了千问App与淘宝天猫、淘宝闪购、飞猪、大麦、高德、支付宝等生态应用的深度打通。这一“生态内循环”的算力需求具有高度的确定性——它不依赖于外部客户的获取,而是由阿里巴巴自身业务的存在而自然产生。在算力资产的利用率保障方面,这一“内部需求基础”是竞争对手难以复制的优势。 (二)自研芯片的外部商业化能力(60%服务外部客户) 平头哥“60%以上芯片服务于外部商业化客户”是阿里巴巴算力资产体系中最具差异化的竞争优势,也是其与Google TPU和亚马逊 特雷尼乌姆的核心区别。 从外部验证的角度看,60%的外部客户占比意味着平头哥的芯片经过了“市场检验”。Google的TPU虽然规模更大(420万颗出货量),但其外部销售刚刚起步;亚马逊的特雷尼乌姆虽然承诺规模巨大(2250亿美元),但仅在AWS内部可用。平头哥的“60%外部客户”使其成为中国唯一实现“自研芯片外部商业化”的互联网公司。这一“外部验证”的资产管理含义是:平头哥芯片的价值不依赖于“阿里内部是否使用”,而依赖于“外部客户是否选择”。这使得平头哥的芯片业务具有独立的市场价值,而非仅仅是“内部成本优化工具”。 从客户覆盖的角度看,平头哥已支持400多家企业客户的AI任务,涵盖互联网、金融服务、自动驾驶等多个行业,且真武M890已在20多个行业的超过650家外部客户中实现商业化应用。650家客户的行业分布表明:平头哥的芯片不是“特定场景专用”,而是具有跨行业的通用性。这一“通用性”的商业含义是:平头哥的潜在市场规模远大于“仅服务阿里内部”的芯片项目,其规模经济效应也相应更大。 从战略含义的角度看,平头哥的“外部商业化”能力使阿里巴巴在芯片供应链上具有更强的韧性。在高端芯片供给约束的背景下,平头哥的自研芯片能力使阿里云能够以“自主可控”的方式满足部分算力需求,从而降低对NVIDIA的依赖。吴泳铭对此的表述是:“未来3-5年,全球的AI算力都会处于一个非常紧缺的状态,尤其是在中国市场会更紧缺”,“具备自研芯片能力的平头哥对阿里来说是至关重要的,能够提供更多AI算力给阿里的云和AI业务,也能让MaaS业务获得更高的增长动能”。 (三)从芯片到MaaS的完整AI栈 阿里巴巴在2026年形成的“芯片-云-MaaS-模型-应用”完整AI栈是其算力资产管理中最具系统性的竞争优势。这一“全栈能力”使阿里巴巴能够在AI价值链的多个环节捕获价值,而非仅限于“卖算力”或“卖模型”。 从芯片层看,平头哥的GPU、CPU、存储和网络芯片构成了AI基础设施的硬件基础。按照阿里2026年的新口径,平头哥与云智能集团合并为“AI云与算力服务”。这一合并的战略含义是:芯片能力不再被视为“独立的研发项目”,而是与云服务深度整合的“基础设施层”。芯片与云的协同效应体现在成本、交付效率和客户服务上——平头哥的芯片使阿里云能够以更低的成本提供算力,从而在MaaS服务的定价上具有更大的灵活性。 从云层看,阿里云的基础设施规模和模块化交付能力为AI栈提供了可扩展的算力供给。100天交付的数据中心、支持三代芯片迭代的CUBE 5.0架构、以及全球32个地域105个可用区的布局,共同构成了阿里AI栈的“物理底座”。 从MaaS层看,百炼平台是连接“算力”与“应用”的中间层。吴泳铭将MaaS定位为“未来商业化MaaS收入将会成为阿里云最大的收入产品”。百炼的ARR增长轨迹(80亿→160亿→300亿)和高毛利率特征使其成为阿里AI栈中利润率最高、增长最快的环节。 从模型层看,通义千问的全球最大开源模型生态为阿里AI栈提供了“需求引力”。通义千问的30亿次下载和30万个衍生模型使阿里巴巴成为全球AI开发者的核心节点,这些开发者的算力需求自然流向阿里云的MaaS平台和算力服务。 从应用层看,千问App和悟空(企业级AI工作平台)构成了直接触达用户的前端。阿里巴巴在致股东的信中描述:“千问App与生态内的各类应用深度打通,包括淘宝天猫、淘宝闪购、飞猪、大麦、高德、支付宝等,在日常生活、服务、生产力及娱乐领域具备独特优势”。这一“生态整合”使千问App的用户获取成本远低于独立AI应用,且其使用场景更加多元化和高频。 四、劣势与风险分析 (一)全球市场份额长期停滞在4% 阿里巴巴全球云市场份额长期停滞在4%是其在算力资产管理中面临的最持久的结构性劣势。这一“份额天花板”的资产管理含义是:阿里云的算力资产扩张无法依赖“全球规模效应”来摊薄成本。 从竞争格局的角度看,4%的全球份额意味着阿里云与AWS(28%)、Azure(20%)和谷歌云(15%)之间存在“量级差距”。这一差距的累积效应是深远的:AWS的算力资产可以服务全球数百万客户,从而在芯片采购中获得最大的议价能力;阿里云的算力资产主要服务中国客户,其芯片采购规模受限于中国市场的规模。在算力成本的竞争中,这一“规模不对称”使阿里云处于结构性不利地位。 从海外扩张的角度看,阿里云在全球市场的存在感远弱于其在中国市场的地位。阿里云在全球32个地域、105个可用区的布局虽然覆盖广泛,但其海外收入占比远低于AWS和Azure。阿里巴巴的致股东的信中几乎未提及海外云业务,而是聚焦于中国市场的“AI+云”和“即时零售”。这一话语体系的“内向化”暗示:阿里云的全球扩张并非其当前战略的优先级。吴泳铭的“五年千亿美元”目标虽然以美元计价,但其收入来源可能主要来自中国市场。 (二)平头哥芯片性能与国际领先水平的差距 平头哥芯片的性能差距是阿里巴巴算力资产体系中最难以量化的风险。虽然“47万片累计交付”和“60%外部客户”的数据令人印象深刻,但这些数据未回答一个关键问题:平头哥芯片的“有效算力”与NVIDIA产品的差距有多大? 从性能对标的角度看,阿里巴巴未公开披露平头哥真武M890芯片与NVIDIA H100/B200的直接性能对比。吴泳铭的表述回避了“性能”维度,而是强调“降本增效”:“随着公司营收规模的持续增长、AI业务由卖资源升级为卖智能能力,平头哥自研芯片的降本增效,公司对五年目标信心十足”。这一表述的潜台词是:平头哥的价值不在于“性能领先”,而在于“成本优势” 。平头哥芯片可能在绝对性能上落后于NVIDIA,但其成本结构使其在特定场景中具有可接受的性价比。 从软件生态的角度看,平头哥芯片的软件栈成熟度是未公开的关键变量。NVIDIA的CUDA生态经过十余年积累,拥有数百万开发者和数千个优化库。平头哥的软件工具链、编译器优化和框架支持的成熟度远不及CUDA。如果平头哥的软件生态不成熟,其“有效算力”可能显著低于“标称算力”,从而削弱其成本优势。阿里未披露平头哥芯片的MFU(模型浮点算力利用率)数据,这一信息缺口使外部观察者无法准确评估平头哥芯片的真实竞争力。 (三)中国AI算力紧缺背景下的供给约束 中国AI算力紧缺是阿里巴巴算力资产管理中最直接的外部约束。吴泳铭对此的判断坦率而清晰:“未来3-5年,全球的AI算力都会处于一个非常紧缺的状态,尤其是在中国市场会更紧缺”。 从供给端看,中国AI算力的结构性短缺来自高端芯片的获取约束。美国对华出口管制持续收紧,最先进的NVIDIA芯片(H100/B200/GB200)的获取面临越来越大的难度。虽然H200在2026年被允许“逐案审批”出口,但实际供应量和审批速度的不确定性使中国企业无法依赖这一渠道。阿里巴巴的应对策略是双轨并行:一方面继续采购可获得的NVIDIA芯片;另一方面加速平头哥自研芯片的部署。吴泳铭将自研芯片能力定位为应对“算力紧缺”的关键杠杆:“具备自研芯片能力的平头哥对阿里来说是至关重要的,能够提供更多AI算力给阿里的云和AI业务”。 从需求端看,Agent使用量的激增正在加速算力消耗。界面新闻的分析指出:“随着Agent使用量激增,公司在GPU之外还需要大规模采购CPU,同时叠加存储涨价、交付周期性等因素。换句话说,模型调用量越大,阿里越需要提前锁定算力、存储和网络资源,现金也会越早流出报表”。这一“需求驱动供给”的逻辑使阿里云的资本支出具有“被动性”——不是“主动选择投资”,而是“不投资就无法满足已签约客户的需求”。 (四)地缘政治对海外扩张的限制 地缘政治约束是阿里巴巴算力资产管理中最难以克服的外部障碍。美国对华科技限制的持续升级使阿里巴巴的海外算力资产扩张面临多重合规风险。 从芯片采购的角度看,阿里巴巴的海外数据中心如果使用美国技术(如NVIDIA芯片),可能面临出口管制合规风险。美国商务部工业和安全局(BIS)的“外国直接产品规则”可能使在海外生产的芯片也受到美国出口管制的约束。这一“长臂管辖”的资产管理含义是:阿里巴巴的海外算力资产在技术选择上受到比中国境内更严格的约束。 从市场准入的角度看,阿里巴巴的云服务在美国及其盟国市场面临实质性的准入门槛。TikTok在美国的遭遇表明,中国科技公司的数据服务在西方国家面临“国家安全”审查。阿里巴巴的海外云业务虽然规模较小,但其扩张潜力受限于地缘政治环境。阿里巴巴致股东的信中未提及海外云业务的战略重要性,这一“沉默”本身传递了信号:海外扩张并非当前优先级,部分原因是地缘政治约束使其难以实现。 五、战略动向与展望 (一)从“零售公司”向“AI基础设施公司”的估值逻辑转型 阿里巴巴的战略演进方向在2026年已经清晰可见:将阿里巴巴从“零售驱动的科技公司”重新定位为“AI驱动的基础设施公司”。这一转型的核心标志是“AI云与算力服务”成为阿里巴巴增长最快、利润最高的业务板块。 从财务数据的角度看,2026年第二季度,阿里云与算力服务板块收入484.37亿元,占阿里总收入的18%,同比增长45%;经调整EBITA为56.28亿元,同比增长133%。这两项财务指标在阿里内部均排名第一。作为对比,阿里的压舱石业务电商集团当期收入同比增长4%,经调整EBITA同比下降1%。这一“AI云狂奔、电商慢跑”的格局,使阿里巴巴的估值逻辑正在从“零售公司的市盈率”转向“基础设施公司的现金流折现”。 从管理层表述的角度看,吴泳铭在2026年的多次公开表态反复强调“AI+云”作为阿里巴巴“又一个增长动力”的战略定位。阿里巴巴致股东的信中详细描述了全栈AI能力的布局,从芯片(平头哥)到云(阿里云)到MaaS(百炼)到模型(通义千问)到应用(千问App、悟空),形成了一条完整的价值链。这一“全栈叙事”的资本市场含义是:阿里巴巴不再是一个“电商公司”,而是一个“拥有电商业务的AI基础设施公司”——后者的估值倍数可能显著高于前者。 (二)MaaS平台作为“利润引擎”的战略升级 MaaS平台在阿里巴巴算力资产战略中正在从“收入来源”升级为“利润引擎”。这一升级的核心逻辑在于毛利率的结构性优势。 从毛利率的角度看,吴泳铭明确区分了IaaS和MaaS的利润率差异:“传统云服务商主要通过IaaS出售算力,毛利率有限。AI时代,云厂商可以通过MaaS平台出售Token,获取更高的利润空间。随着MaaS收入占比提升,阿里云整体利润率也在改善”。这一判断的资产管理含义是:MaaS使阿里云的算力资产能够以“智能服务”而非“计算资源”的形式变现。在IaaS模式下,客户购买的是“GPU小时”,云厂商的定价权受限于硬件成本;在MaaS模式下,客户购买的是“Token生成能力”,云厂商的定价权取决于模型质量和服务价值。 从利润率改善的角度看,AI云与算力服务板块的EBITA利润率在2026年第二季度突破两位数,达到11.56%,此前连续多个季度徘徊在9%左右。阿里的长期目标是将这一比例提升至20%,并向海外云巨头30%的水平看齐。如果这一目标实现,AI云与算力服务将成为阿里巴巴利润率最高的业务板块,彻底改变“云服务是低利润业务”的传统认知。 (三)“AI实验室与应用”板块的独立运营与商业化探索 阿里巴巴在2026年将AI模型与实验室、千问消费者事业群和千问办公整合为新的“AI实验室与应用”板块,这一组织调整的战略含义是:阿里巴巴将AI上层应用摆到了与底层算力同等重要的战略位置。 从收入与亏损的角度看,2026年第二季度,该板块收入33.38亿元,同比增长16%,但经调整EBITA录得亏损138.61亿元,亏损同比扩大(上年同期亏损为32亿元)。亏损扩大的主要来源是“AI能力投入,以及与千问APP相关的推理成本增加”。这一“高投入、低回报”的财务表现揭示了阿里巴巴在C端AI应用中的两难:用户增长需要补贴,模型能力需要投入,但商业化路径尚不清晰。 从战略耐心的角度看,阿里巴巴对“AI实验室与应用”板块的亏损容忍度似乎较高。吴泳铭将“千问App与生态应用的深度打通”描述为阿里巴巴的独特优势——“这些更广泛的整合扩大用户覆盖范围,提升阿里巴巴生态体系与外部服务的用户互动,并巩固我们在应用型AI领域的领先地位”。这一表述的潜台词是:千问App的价值不仅在于“直接变现”,更在于“增强用户粘性”和“为阿里生态引流”。在即时零售成为淘宝天猫核心战略的背景下,千问App作为AI入口的战略价值可能超过其独立的财务回报。 (四)展望:在“重资产投入”与“现金流可持续”之间寻找平衡 阿里巴巴算力资产管理战略面临的核心张力,可以概括为“重资产投入的必然性”与“现金流可持续的紧迫性”之间的平衡。 “重资产投入的必然性”来自吴泳铭的战略判断:“本质上所有AI服务的变现都需要建立在AI算力中心这个基础上,这是一个非常明确的重资产商业模式,而重资产商业模式要获得高速增长的前提,就需要在CAPEX投入上进行前置”。在这一逻辑下,当前的资本支出是“入场费”——不支付就无法参与AI时代的算力竞争。吴泳铭给出的“三年回本”判断为这一逻辑提供了财务锚点:如果AI基础设施投资能够在三年内回本,那么当前的投资强度是可持续的。 “现金流可持续的紧迫性”来自财务现实:2026年第二季度,阿里自由现金流为负446.7亿元,净利润同比下降75%,资本支出接近经营现金流的三倍。界面新闻的分析指出了投资者的核心担忧:“阿里的现金流能否支撑高额投入?”阿里巴巴的应对策略是“囤积现金+股权融资”:4745亿元现金储备+800亿港元配售+5000亿元以上的现金类资产,为“战时状态”的资本支出提供了缓冲空间。 阿里巴巴的战略选择是以“短期利润牺牲”换取“长期增长空间”。吴泳铭的表述坦诚而明确:“增长与产品的规模效应等相关,在研发投入和市场增长过程中,并不会是线性的增长,今天的投入可能过一两年才会产生更大的增长”。这一“非线性增长”的叙事,本质上是要求投资者接受“J曲线效应”——当前的利润下滑是未来利润增长的前导。 这一策略的成功条件是:MaaS收入的增速必须足够快,以在资本支出的“烧钱期”结束前,形成足以覆盖折旧和运营成本的收入规模。百炼MaaS的ARR增长轨迹(80亿→160亿→300亿)和高毛利率特征为这一条件提供了可能性。但风险同样显著:如果MaaS收入的增速低于预期,或AI算力需求的结构发生根本性变化(例如,推理成本大幅下降使Token价格暴跌),阿里巴巴的重资产投资可能面临回报不足的风险。2026年的阿里巴巴,正处于“重资产AI基础设施”的早期投入阶段——其成败将取决于未来2-3年内MaaS商业化、自研芯片部署和AI应用渗透的实际进展。 |
|||
![]() |
|||
|
|
|
云阿云智库●区域经济研究院 |
|
北京市平谷区中关村科技园区平谷园1区-21594(集群注册) |
|
| 13360021949 (李博士) | |
liguisong2006@163.com |
|