阿里巴巴向谷歌看齊

阿里巴巴站在了“AI泡沫論”的反方，但它并不是在鞏固，而是越來越像谷歌，講述全棧式AI為王的敘事。

在AI時代，對于阿里與谷歌而言，前沿大模型相當于“下一代操作系統”，AI算力基礎設施相當于“下一代計算機”，旗下業務生態成為了驗證與兌現AI價值的關鍵場景。回望互聯網時代，市場往往將阿里與亞馬遜并稱，它們都以零售為核心，以云為支撐。

歷經三年時間，谷歌Gemini 3已經成功趕上了OpenAI；阿里則成為開源模型領軍者，性能近乎追平前沿閉源模型，新加坡國家AI計劃甚至準備放棄Llama轉投阿里Qwen。亞馬遜還沒有拿出自己的前沿大模型。

云業務的增長曲線，也印證了參照系的變化。昨晚，阿里發布截至9月底的財報，單季度營收2478億元人民幣，略高于市場預期。其中，盡管云智能集團營收占比約16%，但同比增長34%，領跑電商等其他業務板塊。這樣幾乎與谷歌同頻。最近一個季度，谷歌云業務營收占比與同比增速分別約為15%與34%。

阿里明確將基礎模型預訓練放在首要位置，然后才是推理算力的供給；公司內部業務以及外部客戶對阿里AI能力的調用，要放在這兩者之后。阿里高管相信AI仍然處于早期階段，相比短期收入的增長與結構變化，他們更關注基礎設施所產生token的總體質量以及token的性價比。

這符合token經濟學的規律。模型性能的每一次突破，意味著解鎖新的高價值場景，也就帶來了token消耗量與token價值的提升；客戶為這些token付費的意愿與黏性也將增強；AI工廠的經濟性也更強。在電話會議上，阿里強調，非常重視面向全球用戶，24小時滿負荷地生產更多token的能力。

但是，這一資源配置的優先級，也側面反映了阿里當前算力供需的緊張狀態。這支撐了阿里對“未來三年不太存在AI泡沫”的判斷。

當前，包括阿里在內的全球大型云廠商，都處在算力吃緊的狀態。上一代、甚至五年前的GPU，都仍在滿負荷運行。阿里AI服務器的上架節奏，嚴重跟不上客戶訂單的增長速度，在手積壓訂單規模還在持續擴大。同時，今年下半年開始，全球AI服務器供應鏈的各個環節，都面臨缺貨問題，產能瓶頸受限。而從擴產到量產，至少又需要兩到三年的時間。

因此，阿里承認之前提出的“3800億”，有意加碼資本開支。年初，阿里巴巴一改以往的謹慎敘事，相信AI爆發遠超預期，振奮了國內市場，騰訊也緊隨其后宣布加大資本開支。最近四個季度，阿里巴巴已經投入了約1200億元；下半年，海外市場AI，讓阿里巴巴“10年10倍”的全球算力部署計劃略顯保守。

對于巨頭而言，加碼資本開支的關鍵，并不在于資金，而是AI相關算力硬件。在美國，通過的CUDA生態，意味著更低的總擁有成本（TCO）與更高效的推理效率。對于中國而言，全棧自研還額外賦予了更自主的AI技術棧、更安全的供應鏈與更可控的業務預期的意義。

谷歌之所以能，核心是自研芯片TPU，已經迭代至第七代。黃仁勛辯稱英偉達GPU性能領先一代固然沒錯，但是，它接近75%的利潤率意味著，即使客戶的自研芯片整體性能略遜，在單位算力成本上也足夠打平甚至取勝。谷歌用自己的TPU訓練出世界上最領先的前沿大模型，被市場視為英偉達估值邏輯的分水嶺。Meta忍不住想要采購谷歌TPU，傳言首份訂單數十億美元。由于模型與基礎設施的協同優勢，隨著Gemini在企業端被更廣泛采用，外界對TPU和谷歌云的需求只會進一步強化。

最近幾個月，英偉達在中國的市場一時清零，或多或少平臺的AI基建進度。騰訊就陷入了算力“緊平衡”狀態。盡管與谷歌仍存在不小的差距，但是阿里巴巴同樣計算、網絡、存儲三個維度，全面重構AI云基礎設施。央視意外曝光的阿里巴巴的PPU，參數性能足夠可用。它的磐久服務器，目前支持單柜128個GPU，下一步就是512顆AI芯片。

谷歌主導AI敘事的另一個邏輯在于，一旦AI成熟，最終價值會更多地流向應用。阿里巴巴正在補齊自己面向消費者的。近期，在穩住大消費基本盤的同時，阿里巴巴千問App正式開啟公測，首周增量下載就突破1000萬。阿里高管將其稱為公司同時致力于企業AI和消費者AI的開端。在電話會議上，阿里確認，將逐步在千問App上整合電商、地圖導航、本地服務等，將其打造成日常生活的AI入口。這將比OpenAI的購物研究（Shopping Research）更為垂直與閉環。

全棧式AI不僅是一條技術路線，也是一條商業路線。谷歌驗證了它可行，阿里正向谷歌“看齊”，并不受市場喧囂的影響，堅定快跑。