當年都看不起的阿里云，終于成了阿里最爭氣的崽

導讀：10年磨一劍。

李彥丨作者

薛向丨編輯

壹覽商業丨出品

阿里巴巴最新財報出來了，“血條”依然很厚。

2026財年第二季度，阿里巴巴實現營收 2478 億元人民幣，同比增長 5%；經調整凈利潤 464.7 億元，整體經營保持穩定。

分板塊來看，本季度中國電商事業集團實現營收1325.8 億元；其中核心零售業務收入 1029.33 億元，同比增長 9%。客戶管理收入（CMR）達到 789.27 億元，同比增長 10%。外賣大戰確實拉動了即時零售業務增長，收入同比提升 60%，帶動訂單規模和用戶留存改善。

尤為引人注目的是云計算業務——云智能集團當季收入達到398.24億元，同比大增34%，成為所有板塊中增速最高的業務。

曾幾何時，阿里云是阿里體系里 “最燒錢”的部門：連續十年虧損，燒掉萬億 資金 。但當 AI 浪潮洶涌而至，阿里云又成了支撐集團戰略轉型的最大底座。

1

當年都看不起的崽

在時間里挺過虧損，在虧損中換到時間——這套鐵律在中美兩家最大的電商體系中都成立，但走向卻完全不同。

2006年底，全球最大電商亞馬遜在解決了管理超大型數據中心和復雜軟件系統的問題之后，開始醞釀將這些能力和經驗輸出。AWS（Amazon Web Services）應運而生。

隨后的十年里，AWS 從內部工具成長為亞馬遜最重要的利潤引擎。自 2015 年起，它的運營利潤長期占到亞馬遜整體的一半以上，讓這家公司在零售毛利偏低、物流成本沉重的情況下仍能持續擴張。

但在中國，這套模式卻反了過來。亞馬遜用云反哺電商，而阿里巴巴則在十余年間用電商的利潤反哺云計算。

2009年，時任阿里巴巴 CTO 王堅正式創立阿里云，其對標亞馬遜的 AWS，賣最基礎的計算資源（IaaS），并自研底層技術（如飛天）。一年后，在中國IT領袖峰會上，阿里巴巴創始人馬云這樣評價這項業務，“如果我們不做云計算，將來會死掉。”

為什么？

第一，電商流量的增長速度遠超傳統架構的承載能力。2009 年淘寶年交易額剛破 2000 億，用戶與商品數量呈指數級增長，但背后的架構仍主要依賴 IOE（IBM 小型機、Oracle 數據庫、EMC 存儲）。這種傳統架構不具備彈性擴容能力，一旦遇到高峰就只能“硬扛”。2009 年、2010 年連續兩年的雙 11，系統都被沖擊到瀕臨崩潰。

第二，傳統IT 架構成本極高，卻無法支持未來規模。那幾年，阿里每擴一倍流量、就要擴一倍硬件；每擴一倍商品，就要擴一倍數據庫。錢花得極快，但系統性能并不會成倍提升。

對一個GMV 增速常年超過 70% 的公司來說，這意味著：不改造底層架構，電商業務會被自己的規模拖垮。

第三，電商不是阿里的終點，支付、物流、本地生活都需要同一套底座。如果沒有分布式計算，沒有云化底座，支付寶無法支撐億級交易、菜鳥無法做智能路由、淘系無法實時推薦。云計算是阿里未來所有業務的地基。

于是，阿里云開啟了長達十余年的虧損之路。

2021年底：成立11年的阿里云終于首次實現季度盈利。這一年，阿里云的收入規模已突破 600 億，客戶結構也不再僅依賴淘系，金融、政務、制造、物流等領域的大規模上云，讓云業務擁有穩定可持續的外部需求。數據庫、存儲、數據中臺等高毛利產品成熟落地，多重條件疊加，使阿里云首次跨過盈虧臨界點。

盈利的喜悅并沒有陪伴阿里云太久。從2021年開始，阿里云的增長速度開始放緩，從2018財年的101%大幅下降至2023財年的3.53%，2023財年Q4甚至出現了負增長。

一方面，中國公有云市場在經歷了上一輪“互聯網業務全面上云”的紅利期后，互聯網客戶需求趨于飽和；另一方面，阿里云主動調整收入結構，壓縮毛利率較低的項目制與定制化業務，轉向更標準化、更具規模效應的公共云產品。

在這一時期，起步雖遲，但也蟄伏的足夠久的同行們開始快速發展，阿里云在國內云計算市場的份額逐步被火山引擎等競爭對手侵蝕，行業競爭加劇，也拉高了整體市場的價格敏感度。

直到 AI 時刻來臨，中國的云計算市場 再次 迎來巨大機會。

2

AI的轉折點

2022年，ChatGPT 橫空出世，把生成式 AI 從實驗室推向了大眾視野，也把全球云計算行業推入了全新周期。

好在阿里云已在深度學習基礎設施上投入多年：2014 年推出 PAI 平臺降低算法開發門檻；2017 年的 PAI 2.0 兼容主流框架；在 PLUG、M6 等早期模型中積累了多模態和大規模預訓練經驗。因此，當大模型時代到來時，它得以及時響應。

2023 年 4 月，阿里發布自研大模型通義千問；同年 8 月開源 7B、14B 系列，10 月在云棲大會亮相千億級別的通義千問 2.0，在多項評測中追平甚至逼近國際領先模型。

2023—2024 年，中國正式進入“大模型百模大戰”周期：百度的文心一言、騰訊的混元、華為的盤古、科大訊飛的星火等廠商相繼推出自研大模型，互聯網公司、科研機構和硬件廠商紛紛入局。

大量模型的出現，一方面提升了行業對算力、訓練工具鏈和推理成本的敏感度，推動企業加速評估“上云訓練”與“云上推理”的可行性；另一方面也使得大模型從實驗階段進入密集應用期，企業開始真正將 AI 作為業務系統的一部分來構建。競爭的加劇反而使需求外溢：企業傾向選擇擁有穩定算力、成熟工具鏈與較低綜合使用成本的云廠商，以便在快速變化的模型周期中保持可控性。

2024年底，DeepSeek以 GPT-4o二十分之一的訓練成本訓練出了在多項基準測試和世界頂尖閉源模型不分伯仲的DeepSeekV3，徹底攪動了中國算力價格體系，進一步加速了行業對“AI 云成本結構”的關注。

面對外部壓力，阿里云下調了多款模型的調用價格，最高降幅達97%。價格戰只是表象，深層邏輯是：云服務的競爭走向比拼規模化分發能力、算力供給穩定性以及企業上云的綜合成本。大模型從研發走向應用后，只有當 API 調用成本下降、訓練與推理工具鏈成熟，企業才可能真正大規模采用 AI 服務。

阿里云還在持續補齊生態側能力：一方面通過魔搭社區吸引模型開發者與第三方開源模型，另一方面通過PAI-靈駿和靈積平臺，為企業提供訓練、推理、微調、部署和評測的一站式工具鏈，使開發者可以在統一平臺中完成大模型從實驗到上線的全過程。

在模型側，阿里云則持續擴張多模態能力，推出通義聽悟（語音）、通義萬相（圖像生成）等工具，覆蓋文本、圖像、語音、視頻的AI 組成能力；在應用側，一條面向 C 端、一條面向 B 端同時鋪開。

2025 年初，阿里將夸克升級為“AI 超級入口”，希望在中國市場率先搶占原生使用場景；就在最近，阿里還推出千問APP，全面對標Chatgpt。

企業側，釘釘在2023 年引入大模型能力，上線會議紀要生成、文檔生成、識別分析等能力，并開放插件體系。阿里云還向各行各業提供模型API服務。例如，今年上半年，NVIDIA、Arm、AMD、聯發科技等多家頭部芯片廠商成功適配Qwen3，滿足移動終端和數據中心場景的AI推理需求；華為官方也宣布昇騰支持Qwen3全系列模型部署，等等。

這些動作共同構成了阿里云在“技術—模型—平臺—生態”四層結構的補全。

從結果看， AI 革命為云計算業務注入了前所未有的生機。加上最新財季，阿里云 AI 相關產品收入已連續九個季度實現三位數增長，非阿里系客戶收入占比持續提升， AI 推動的算力需求正在明顯改變阿里云的收入結構。

3

未來的阿里云，面對的確定與不確定

“之前提出的3800億數字可能偏小了。”

即將步入2026年，阿里管理層明確了未來對阿里云的堅定投入。最新財報會上，吳泳銘表示將繼續加強全棧AI能力，涵蓋高性能AI基礎設施、基礎模型和AI開發框架。并提到，此前披露的3800億資本開支投資是一個為期三年的規劃數字。但從目前情況來說，阿里云服務器上架速度仍然遠遠跟不上客戶訂單的增長速度。在這種情況下，不排除會進一步增加投資。

過去工業時代的水電是基礎設施，而未來數字智能時代，算力就是新的水電。一個共識是，算力芯片的供應增長是線性的，廠家無論怎么投產擴產，增加的速度都有極限，但token消耗卻在指數級增長。尤其在今年，文升圖、文生視頻進入競爭主場，這兩者的token消耗量遠超文本類模型。對于頭部客戶來說，上云已不是“是否上”的問題，而是“能不能搶到資源”。

這種“資源被搶購一空”的局面，構成了阿里云未來增長的第一重確定性：AI對高質量云基礎設施的需求，是長期存在的、且供不應求的。AI模型訓練和推理的任務日益復雜化，同樣使得具備全棧能力、調度能力強的頭部云廠商更具黏性。

第二層確定性來自于生態客戶的示范效應。與財報一并披露的，還有阿里云的“數個大單”：與萬豪國際共建智能客服和個性化推薦系統；與惠普合作在PC端部署通義模型；為銀聯提供金融行業的模型底座；與歐萊雅中國聯合推進“美妝科技”智能化轉型。各垂直行業數字化程度領先的客戶很容易在行業內形成示范，帶動供應鏈或競爭圈的跟進。

但也需要看到，不確定性同樣真實存在：

首先，是行業格局的不確定性。國內包括百度、華為、騰訊在內的科技公司均在發力AI 云業務，而像 DeepSeek 這樣的新勢力也可能持續攪動供需結構。全球層面，微軟、谷歌、亞馬遜繼續在芯片、模型、開發框架等多端投放資源。競爭不會停止，邊界也在不斷變化。

其次，是AI應用的真實落地速度。雖然趨勢樂觀，但AI要深度嵌入各行各業，仍需時間磨合。在金融、政務等行業，安全與合規的考量仍需克服；而對中小企業而言，API 成本與集成復雜度也是關鍵考量。這些都決定了 AI 云是一個被拉長的技術周期，需要企業服務能力與行業理解力持續跟進。

最后， AI 云屬于重資產業務，需要不斷建設數據中心、升級芯片、迭代平臺，也需要人力資源密集支撐交付。這對阿里云提出新課題：如何在維持技術領先的同時控制節奏，讓增長曲線不至于過早背負資本的疑慮。