蔡崇信港大演講：推動中國經濟增長的科創引擎（附原文）

昨日，阿里巴巴集團聯合創始人及主席蔡崇信亮相香港大學商學院，發表了一場主題為“前瞻十年：推動中國經濟增長的科創引擎”的演講，分享了諸多個人見解。

回顧阿里發展，蔡崇信強調其“有機生長”模式，從B2B業務順勢拓展至C端，支付寶解決信任難題，云計算布局更是技術自救的關鍵之舉。

關于中國經濟，他認為“十五五”規劃聚焦制造業強國與技術自主。中國作為全球制造中心地位不變，制造業升級帶動AI應用。中國AI走普惠路線，以2030年AI設備高滲透率為目標，注重普及速度。

中國AI發展優勢明顯，能源、成本、工程與人才等方面均有紅利。在開源與閉源選擇上，他看好開源路徑，阿里借云基礎設施盈利，構建生態壁壘。

個人成長方面，他建議提升知識獲取與分析能力，通過編程等訓練思維，學習多學科知識。對于AI泡沫問題，他指出AI技術真實，金融市場或現泡沫，未來AI有望成為人類伙伴。

以下為翻譯原文：

阿里最早做的是一個B2B跨境貿易網站，1999年上線時是全英文的，主要為了幫助中國中小企業“走出去”。

后來，隨著國內市場崛起、消費者行為轉變，他們順勢延伸到C端，從阿里巴巴到淘寶，從企業到個人，業務自然生長。

隨后支付寶的誕生，也是為了解決買賣雙方的信任危機：買家不敢先付錢，賣家不敢先發貨。阿里則提出一個托管機制，先由第三方保管資金，再根據交易結果釋放。

這個簡單的機制，為當時互聯網的商業體系補上了一環：信任基礎設施。

• “If you want to found companies later on, you would always want to favor organic development over acquisitions. [...] because you are developing through your team, and your team has the best DNA in terms of the Alibaba culture and innovation.”

“好的公司不是靠收購堆出來的，而是有機長出來的?！?/p>

阿里進入云計算，實則是被利潤結構倒逼的技術自救。那時，阿里的電商系統已經處理海量數據。每筆交易背后都有幾十個數據庫調用、支付、搜索、推薦。而服務器來自戴爾、存儲來自EMC、數據庫靠Oracle。

當時，阿里的CTO警告：

• “If we continue to use third-party software and hardware, we will later on hand over all our profits to these technology vendors.”

也就是說，如果延續這種依賴第三方服務的方式，上游一加價，利潤全蒸發。所以，他們決定做自己的云。這不是簡單的“租服務器”，而是做一個“跨數據中心的分布式操作系統”，支撐億級用戶的并行計算。阿里云最早的客戶，就是阿里自己，也就是所謂的dogfooding（軟件公司自己用自己的產品），再推向外部。

這套邏輯，十幾年后被國家戰略驗證。

“技術自主可控”如今已是政策共識。

阿里當年的選擇，或許在某種意義上，也是中國數字基礎設施自主化的縮影。

• “China wants to continue to be a manufaturing powrehouse, I think the empasis on the manufacturing economy, which is part of the real economy is right there.”

十五五規劃的第一個關鍵詞，就是制造業強國。中國的消費占GDP比重不到40%，而美國是70%。這說明中國的經濟仍然以生產和出口為核心。“中國在未來的十到二十年內，仍會是全球制造中心。”制造業帶來就業、工資、出口和技術外溢，是最穩定的、最具復利效應的增長引擎。

回顧中國經濟崛起的路徑，從人均800美元提升到1.3萬美元（并有望在未來十年達到3萬美元），真正推動這一躍升力量的，就是生產制造以及全球供應體系。

• “They say, China is exporting excessive capacity for the rest of the world. [...] The definition simply means that you have producation capacity that your domestic economy cannot absorb, therefore you resort to exports.”

“過剩產能只是國內消化不了的產能。[...] 通過出口，把產能轉化為價值，本身就是國家致富的合理路徑?！钡聡L期依靠汽車出口支撐經濟，卻從未被指責為‘產能過剩’。那么，中國制造業的外向型增長也不應被污名化，而應被視為一種經濟體的自然演化。成為“世界制造中心”，是中國選擇的正確路徑，但這條路需要不斷升級。過去我們出口的是鞋子和衣服，未來出口的將是電動車、電池和光伏。這三樣，正好對應全球能源轉型的剛性需求。制造業的升級，直接牽引了AI的落地方向。因為AI真正的規模效應，就體現在工業環節的降本增效上。

十五五規劃的第二個關鍵詞，尤其在當前地緣政治的背景下，是技術自主。

• “We want to become technology self reliant. [...] The AI plan simply said that in 2030, we should see 90% penetration of AI agents and devices.”

到2030年，AI代理與設備要達到90%滲透，落地機制是市場化。這是一個應用導向的目標。

與之相比，美國的AI政策關注技術前沿，例如模型參數、算法突破；而中國的政策，更像是一場普惠運動，要讓AI變成電力一樣，成為基礎設施，被更廣泛使用。

• “You don't keep score by looking at you know how good these large language models are; the score is being kept by the adoption rate”

這種差異是結構性的。

中美AI競賽的關鍵不在技術指標，而在adoption rate（采用率）。AI的社會紅利，并不來自一兩個SOTA模型，而在于全社會的普及曲線。當農民、制造業工人、教師、小商戶等等各行各業都能用AI時，這項技術才真正進入經濟血液。

因此，中國的AI發展策略，本質上是“普惠型AI”：

• 技術領先不等于社會收益的最大化，普及速度才是復利起點。
• 允許國企和民企各自探索路線。政府不指定技術方向，只設定滲透目標；
• 把采用率定為KPI，這會自然倒逼成本、數據合規、行業化方案全面優化。

中國AI的底層優勢首先是能源紅利。AI是能源密集型產業。中國在這一層早就布局，十五年前就開始大規模投資輸電網絡和配套基礎設施。中國的國家電網的年資本支出約900億美元，而美國只有約300億美元。中國電力裝機容量是美國的2.6倍，電力產能凈增量是美國的9倍。另外，新增能源部分中，太陽能和風電占主導，能夠為AI提供綠色能源基礎。然后是成本紅利。

建設一座GW量級的數據中心，中國是4億美元，美國則是10億美元。這有著結構性的成本差距。

• “Chinese models are not very far behind the US, because China has a lot of engineers and it's the country that produced the most standard students every year. [...] Lacking in GPU actually creates an advantage of starvation.”

中國的AI團隊在系統工程能力上已經非常突出。長期的GPU短缺，反而逼出了更高的優化效率。在分布式訓練、調度優化、功耗控制等方面，中國工程師展現出較強的實踐能力。而在人才供給上，“全球有超過一半的AI科學家和研究者，在中國大學有過學位?！庇蠱eta的員工調侃：“我們的AI團隊里，幾乎全員講中文。”這很有意思，“過去中文是出海的障礙，如今在AI時代，它反倒成了優勢。”另外，中文互聯網的內容密度、語義復雜度，也可以為AI模型提供了豐富的語料。這種語言層面的優勢還在放大。

談到AI的全球競爭格局以及中美的差異，蔡崇信重點提到開源和閉源之爭。

總的來看，國家主要在兩種模式種做選擇：

• 一種是依賴OpenAI等公司的閉源API：性能強大；但是價格高，數據進黑箱，用戶幾乎無法掌握隱私和使用邊界；
• 另一種是采用阿里等企業推出的開源模型：可自部署、低成本、數據可控，在安全性和靈活性上更具優勢。

在美國，企業若要接入OpenAI等的服務，往往需要承擔高額的訂閱和調用費用，這使得AI的使用門檻居高不下。

而在中國，阿里的多個開源模型，用戶已經可以自由的下載，并部署在自有的基礎設施（例如自己的筆記本或者企業服務器上），成本極低。

長期來看，開源是一種更加經濟、更加安全的路徑，并且這也與他之前提到的普惠邏輯一致。

既然是開源模型，那公司如何賺錢？

• “We don't make money from AI.”

阿里不是靠AI模型本身盈利，而是通過支撐AI運行的云基礎設施實現商業化。阿里提供一整套底層能力，例如算力、存儲、安全、數據管理、網絡服務，讓用戶能在其云平臺上穩定、高效的運行AI應用。這一完整的云產品矩陣，是AI落地的核心支撐，也逐漸形成了阿里生態的護城河。這就像酒店業，真正決定收益的，不是每個房間的裝潢，而是專業化和規?；倪\營效率。AI越普及，算力需求越大，云基礎設施的商業價值就越高。

在個人層面，蔡崇信建議：

• “You should learn how to acquire knowledge and develop analytical framework for analyzing information coming to your conclusions.”

個人成長有兩大核心能力：知識獲取能力和建立分析框架的能力。

在信息爆炸時代，懂得篩選、提煉和建模，把信息處理為自己的理解系統，是真正的競爭力。

• 編程：雖然已經有vibe coding（自然語言編程），他仍然建議像學習機器邏輯，主要培養結構化思考；
• 電子表格：看似簡單，是不錯的邏輯推演工具；
• 數據科學：理解數字化時代的底層語言，學習檢索和分析數據。

在學科方面，他建議年輕人學習心理學和生物學，去理解人腦、信息處理與決策機制；還可以關注材料科學，從比特（數字信息）到原子（物理載體)，他認為下一輪技術革命將發生在物理世界，材料科學是突破一些技術瓶頸的關鍵領域，特別是在半導體等核心硬件領域的創新。

那么“AI會不會像互聯網一樣，成為泡沫？”

• “There is a real model and then there is a financial market model.”

“AI是真實存在的技術，只是金融市場會泡沫化。”

互聯網當年也經歷了破裂，但留下的基礎設施，例如服務器、協議、帶寬等等，都變成了今天的生產力。AI也是一樣：它的模型、算力、基礎設施，都是真實可見的資產。泡沫，是金融估值的問題，不是技術的問題。

AI能夠像朋友一樣給出答案、交往的時候，將是一個重要的發展節點。目前，AI更多的是一種效率工具；未來，AI有望成為人類的朋友，有更好的交互。