Alibaba 20GW AI 计划加码，股价却走低

Alibaba 概述了一项 20 吉瓦 AI 基础设施计划，但在投资者获悉细节后，其美国上市股票下跌约 0.6%。Alibaba 20GW AI 计划的目标是到 2032 年实现超过 20 吉瓦的全球数据中心容量。该计划还将这一容量与自研芯片及规模大得多的 Qwen 模型结合起来。

此次下跌幅度不大，单个交易日也无法决定 Alibaba 的投资价值。不过，这一反应捕捉到了超大规模 AI 支出所面临的矛盾。基础设施公告可能令投资者振奋，但在需求变得可预测之前，也会带来长达数年的资本投入承诺。

Alibaba 正押注于对模型、加速器、云软件和实体基础设施的掌控，能够将 AI 使用转化为持续性的云收入。其眼前的对手并非另一家单独的公司，而是 Alibaba 的基础设施承诺与证明其合理性所需的付费需求之间的差距。

如今，这一差距比又一项基准测试成绩或参数数量更重要。Alibaba 已表明，其云业务能够随着 AI 的采用而增长。但它尚未证明，利用率、利润率和现金回报能否像其建设计划一样快速扩大。

Alibaba 20GW AI 计划实际承诺了什么

Alibaba 已从笼统的 AI 投资战略，转向具有可衡量技术依赖关系的具体长期容量目标。

CEO 吴泳铭于 2026 年 9 月 22 日在杭州举行的 Alibaba 云栖大会上公布了这一路线图。该公司表示，Alibaba Cloud 计划到 2032 年运营超过 20 吉瓦的全球数据中心容量。

吉瓦衡量的是电力，而非计算性能。数据中心容量描述的是一座设施可为处理器、制冷、网络、存储和其他系统提供支持的电力规模。因此，这一数字反映了实体规模，但并未揭示 Alibaba 将如何高效地把电力转化为可用的 AI 算力。

Alibaba 表示，AI 算力需求已超过其新增供给的能力。在其全栈路线图中，该公司称全球数据中心供应链短缺限制了扩张。这些制约因素可能包括加速器、内存、网络设备、电力接入、制冷系统和建设能力。

20 吉瓦目标并非当前运营容量的说明，而是 2032 年的目标，这意味着 Alibaba 约有六年时间来整合选址、设备、能源、融资和客户。该公司尚未公开提供年度部署计划，或对规划容量作出区域划分。

Alibaba 将这一目标与来自其平头哥半导体业务的 Zhenwu V900 加速器相结合。吴泳铭称 V900 是中国性能最高的 AI 芯片，并表示其性能是此前 Zhenwu M890 的三倍。

这一比较仍是公司自身的说法。Alibaba 尚未公布足够的标准化、独立测试结果，无法将 V900 与 Nvidia 或其他供应商的领先加速器直接比较。

该公司表示，一个 V900 集群可扩展至 50 万颗芯片。集群将大量加速器连接起来，使它们能够共同训练模型或处理用户请求。达到这一理论规模，所需的远不止制造处理器本身。

Alibaba 还需要高带宽网络、内存、存储、制冷、编排软件和可靠电力。集群规模下的性能取决于这些组件通信的效率，而不只是设施中部署了多少芯片。

模型路线图为这一基础设施带来了另一项需求。Alibaba 表示，计划训练参数数量介于 5 万亿至 10 万亿之间的模型。参数是训练过程中学习得到的可调整数值，尽管参数更多并不必然意味着模型更好。

据该公司称，Alibaba 现有的 Qwen3.8-Max 模型包含 2.4 万亿参数。因此，拟议范围的下限将使这一规模增加一倍以上；在上限处，则将超过当前数字的四倍。

这些公告使 Alibaba 20GW AI 计划成为一个相互连接的技术栈，而非孤立的建设目标。模型创造计算需求，芯片提供算力，云则将这些容量打包提供给 Alibaba 的内部服务和外部客户。

这种整合正是该战略的吸引力所在。但这也意味着，任何一层的执行问题都可能削弱整体的经济逻辑。

Alibaba 为何此时扩张 AI 基础设施

随着 AI 成为可量化的云增长引擎、计算资源供应仍受限制，Alibaba 正在加速推进。

Alibaba 最近的财务业绩表明，需求叙事并非完全出于推测。在截至 2026 年 6 月的季度中，AI 云和算力服务收入增长 45%，至 484 亿元人民币。

全公司季度收入增长 9%，至接近 2690 亿元人民币。因此，云业务扩张速度远快于 Alibaba 的整体增长，为管理层维持这一势头提供了理由。

Alibaba 2026 财年年报从另一个角度展现了这种转变。云智能集团外部收入在该财年最后一个季度增长 40%。据该公司的年报，AI 相关产品占该收入的 30%。

这些数字表明，AI 服务已在影响 Alibaba Cloud 的业务结构。客户正在购买模型访问权限、训练容量、推理服务，以及运行 AI 应用所需的基础设施。

推理是指已训练模型用于响应请求的计算过程。它可能带来持续需求，因为每次回答、软件任务或智能体操作都会消耗处理能力。训练具有周期性，而成功的推理产品则可以持续运行。

AI 智能体会进一步提高这种消耗。智能体在规划、使用工具、核查结果和修订工作时，可能会执行一系列模型调用。因此，一次用户请求产生的计算量，可能远高于传统搜索或软件交易。

Alibaba 预计，这类工作负载将在商业软件和消费者服务中变得普遍。其云战略假定，更多客户将租用计算容量，而不是自行组建专业基础设施。

这一假设支持其提前建设的决定。数据中心需要较长的建设周期，尤其是在开发商需要新增电力接入、制冷系统和专用网络时。等待需求完全确定的服务商，可能会发现自己无法服务客户。

不过，提前建设会将预测风险转移给云运营商。容量到位太晚会失去业务；容量到位太早，则会在获得足够收入前承担折旧、电力、维护和融资成本。

Alibaba 已承诺在三年内至少投入 3800 亿元人民币用于云和 AI 基础设施。该公司于 2025 年披露了这一计划，随后才将新的 2032 年容量目标纳入其更广泛的技术路线图。

20 吉瓦承诺将战略视野延伸至原有支出期之外。它向供应商、企业买家和开发者传递了一个信号：Alibaba 打算长期作为基础设施提供商。它也告诉投资者，AI 支出将继续处于核心位置。

时机之所以重要，还有另一个原因。美国的限制措施削弱了中国获取部分先进处理器和芯片制造设备的能力。在这种环境下，自研加速器不只是节约成本的尝试。

Alibaba 需要一条能够与其云软件整合的替代供应路径。本土设计的芯片可以减少对受限产品的依赖，尽管制造能力和先进内存仍是重要制约。

中国设计的处理器不必复制领先美国芯片的每一项功能，才能发挥作用。Alibaba 可以围绕自身硬件优化模型、编译器、服务器和云服务。这种方式能够提高其对工作负载严格控制时的利用率。

Counterpoint Research 副总裁 Neil Shah 向Associated Press表示，额外的计算容量有助于中国在国内市场缓解芯片限制。高级分析师 Parv Sharma 则补充称，代工进展也将决定技术差距是否缩小。

因此，Alibaba 的 AI 基础设施推进同时回应了商业需求和供应链压力。客户正在使用 AI 服务，因此 Alibaba 希望获得更多容量；由于获取外部硬件仍存在不确定性，它也希望拥有更多控制权。

全栈战略将风险重新集中到 Alibaba

拥有更多 AI 技术栈环节可以提升控制力和利润率，但也会将技术、财务和利用率风险集中在一家公司内部。

Alibaba 的战略类似于面向机器智能的垂直整合型公用事业企业。它希望设计处理器、组装集群、运营数据中心、训练模型，并通过 Alibaba Cloud 销售服务。

这种安排可以降低协调成本。工程师可以为该公司的加速器调优 Qwen 模型，而云软件则可围绕已知的硬件行为调度工作负载。Alibaba 还可以将稀缺容量优先配置给最重要的产品。

Zhenwu V900 位于这一计划的核心。该芯片必须同时支持训练和推理，并在超大规模集群中高效运行。Alibaba 还需要提供软件工具，使开发者无需重写应用程序就能使用该硬件。

该公司现有的 M890 超节点提供了一个预览。超节点将紧密连接的加速器组合起来，使软件可以将它们视为一个更大的计算资源。Alibaba 表示，M890 已支持为参数超过 2 万亿的模型提供推理服务。

Alibaba 在云栖大会公告所在季度开始将这些超节点投入商业云服务。这一步很重要，因为外部客户能够测试这一自研系统是否适用于真实工作负载。

商业访问也会形成反馈循环。客户可以暴露内部基准测试可能遗漏的瓶颈。他们的使用情况能够帮助 Alibaba 在更广泛部署 V900 前，改进调度、软件兼容性、可靠性和定价。

不过，垂直整合也减少了一些回旋余地。使用广泛可得硬件的云服务商可以在供应商之间调整订单，或采用成熟的软件平台。Alibaba 的定制化路径要求其同时持续投资多个层面。

处理器必须达到足够的产量，其内存和互连必须可靠运行，开发者需要可用的工具，数据中心需要充足电力，而 Qwen 服务则需要足够的客户需求来保持设备繁忙。

任一层面的问题都可能削弱其他环节的回报。芯片产出延迟可能导致新设施设备不足；有限的软件兼容性可能降低客户采用率；模型改进缓慢则可能减少为服务这些基础设施而建设的需求。

50万芯片集群这一数字说明了架构与部署之间的区别。Alibaba表示，其设计能够支持这一规模。但该公司并未表示这样的集群目前已在运行，也未宣布何时会投入使用。

同样，Alibaba在大会声明中没有公开定义V900宣称性能提升三倍所依据的工作负载。性能会因模型架构、数据类型、内存使用情况、批量大小和网络配置而异。

独立对比将至关重要。买家需要的不只是峰值吞吐量，还需要在数月生产使用中可预测的性能、软件稳定性、故障恢复能力、安全控制措施，以及总体运营成本。

即使未能赢得每一项基准测试，全栈策略依然可以奏效。Alibaba Cloud可以通过提供可靠的模型服务，并为客户管理运营复杂性，让其硬件更具吸引力。

这一商业层面使Alibaba区别于仅销售组件的芯片供应商。企业通常购买的是模型训练、文档处理、编程辅助、客户支持或自动化工作流等结果。未被使用的理论算力无法带来价值。

因此，决定性指标将是付费Token消耗量。Token是模型在读取输入或生成输出时处理的单位。Token量增长可以将基础设施转化为经常性收入，但服务价格下降可能抵消这种增长。

Alibaba需要让使用量的增长速度快于单位价格下降和运营成本上升的速度。这一方程将决定垂直整合是成为优势，还是昂贵的负担。

股价下滑反映的是回报疑问，而非对AI的否定

市场反应克制表明，基础设施雄心已不再保证立即获得估值回报。

根据原始市场报道，Alibaba在美国上市的股票周五上午晚些时候交易价格约为109.97美元，下跌约0.6%。这一幅度很小，既可能反映正常交易，也可能包含与事件相关的担忧。

若声称Alibaba 20GW AI计划直接导致了全部跌幅，将是错误的。股价会受到市场状况、监管动态、货币预期、投资者仓位及公司特定新闻的影响。

不过，这一反应仍传递出一个有用的信息。投资者已经听过许多大规模AI支出承诺。他们愈发希望看到云业务收入、利润率和现金生成能力随之而来的证据。

Alibaba最新财报展现了这一论点的两面。AI云和算力收入快速增长，但季度资本支出增长75%，达到677亿元人民币。

4月至6月季度的利润从一年前的431亿元人民币下降75%，至105亿元人民币。Alibaba将支出增加部分归因于处理器采购、预期中的智能体采用，以及组件价格上涨。

这些数字并不能证明这项投资正在失败。大型基础设施项目通常会先计入成本，相关资产之后才会实现充分利用。但它们确实说明了为何股东希望看到关于回报的具体证据。

季度业绩清楚呈现了Alibaba的核心权衡。AI服务正在增长，但支撑这一增长所需的产能也在挤压当前利润。

管理层表示，更高的供应将支持AI和云收入更快增长，同时盈利能力得到改善。这是公司对未来的判断，而非有保证的结果。

三个变量将决定这一说法是否成立。第一个是利用率，即客户使用可用服务器的持续程度。高利用率能将固定成本分摊到更多可计费工作上。

第二个是收入质量。Alibaba需要外部客户和长期合同，而不能仅依赖其自身电商和消费者应用的内部消耗。内部使用可以改善产品，但未必产生可比的现金回报。

第三个是定价。随着模型和硬件变得更高效，整个行业的AI推理价格都在下降。较低价格会刺激采用，但也可能使收入增长更难转化为利润率。

Alibaba还面临模型效率降低单项任务所需算力的可能性。更小的模型、稀疏架构、缓存和更好的推理软件都可以降低计算需求。

效率提升不一定会减少总需求。更便宜的计算可能会鼓励开发者创建更多应用，从而增加整体使用量。然而，Alibaba不能假设每一次效率提升都会转化为同等幅度的需求增长。

该公司提出的5万亿至10万亿参数模型带来了另一项不确定性。参数规模可能增加训练成本，却无法保证准确性、推理能力或商业实用性获得成比例提升。

开发者越来越多地通过任务表现、延迟、成本和可靠性来评估模型。一个能快速完成业务工作流的较小模型，可能比运营成本更高的大得多的模型创造更多价值。

因此，Alibaba必须说明，为何更大的Qwen模型值得获得与之匹配的基础设施支持。出色的基准测试结果会有所帮助，但持续的企业采用将提供更有力的证据。

股价下滑并不表明投资者反对Alibaba AI基础设施。它表明举证责任已从宣布产能转向将产能变现。

Alibaba的20GW目标进入规模大得多的全球建设潮

Alibaba作出了异常庞大的承诺，但它正进入一场已以数十吉瓦计量的全球产能竞赛。

20吉瓦这一目标单独看起来极为庞大。与其他已公布的基础设施计划相比，它会更具参考意义。

美联社报道，SpaceX到2026年年中拥有约1.4吉瓦AI产能，并计划在2027年超过10吉瓦。另据Stargate的说法，其目标是在2029年达到10吉瓦。

Meta已宣布建设一座5吉瓦数据中心园区，以满足自身工作负载需求。Amazon在2025年末表示，其在此前12个月中新增了3.8吉瓦产能。

Cushman & Wakefield认定，美国在建数据中心产能达到37.7吉瓦。这些数字使用了不同定义和时间线，因此不应视为精确的性能对比。

但它们确立了竞争规模。Alibaba并非在一个空白市场中建设。Amazon、Microsoft、Google、Meta、OpenAI合作伙伴及其他运营商都在同时推进大型基础设施计划。

Alibaba的独特位置体现在地理和技术层面。其最强大的云市场在中国，在那里，它可以在国内监管和基础设施条件下服务本地企业。

该公司也在国际市场运营，包括东南亚地区。然而，扩展全球网络需要获得区域电力、许可、建设合作伙伴、数据治理合规能力以及充足的本地需求。

Alibaba尚未披露新增产能将建在何处。这一缺失细节限制了对延迟、监管风险、能源来源或区域客户覆盖范围的评估。

选址将影响经济性。位于电力充足且主要网络线路附近的1吉瓦产能，其成本可能与受限市场中名义规模相同的产能不同。

自建与租赁设施的组合也很重要。拥有基础设施能够提供更大控制权，但需要更多前期资本。租赁可以加快扩张，但会使Alibaba面临合同成本和第三方可用性风险。

Alibaba的芯片战略进一步使其扩张路径与众不同。美国超大规模云厂商能够购买领先的Nvidia产品，同时开发自己的加速器。Alibaba受到更严格的获取限制，因此必须更加倚重本土技术。

Huawei也在通过自身处理器和系统设计追求类似目标。Baidu、Tencent等中国云服务商同样在投资模型、基础设施和应用平台。

这些公司从两个方面对Alibaba构成压力。它们既争夺企业云工作负载，也提供替代性的本土AI平台。客户可以比较模型质量、服务可用性、软件工具和合同条款。

Nvidia仍是重要参照，因为其软件环境已成为AI开发的共同基础。Alibaba必须提供足够的兼容性或运营简洁性，以使转换成本保持可控。

开源Qwen模型可能有所帮助。开发者可以在不同环境中检查、调整和部署许多Qwen版本。即便实验始于其他地方，这种覆盖也能为Alibaba Cloud服务创造需求。

开放分发并不会自动确保云收入。开发者可以在竞争对手的基础设施上运行开源模型。Alibaba必须通过性能、可用性、集成和支持，使其自身平台具有吸引力。

因此，全球AI产能竞赛不仅关乎谁建设了最多的兆瓦，还关乎谁能在不破坏经济回报的情况下，将实体产能转化为被广泛使用的服务。

Alibaba的20吉瓦目标为该公司提供了足以保持重要参与者地位的规模。它并不保证领先地位，尤其是在竞争对手以相当甚至更快的速度投资之际。

三项信号将检验Alibaba的AI基础设施押注

下一阶段需要来自已部署芯片、付费客户和财务回报的证据，而不是又一个扩张目标。

第一个信号是V900的商业部署。Alibaba需要披露采用新加速器的系统何时投入生产、客户能够在多大范围内访问这些系统，以及它们支持哪些工作负载。

独立测试将增强这一论点。结果应涵盖训练速度、推理吞吐量、能源效率、可靠性和软件兼容性。仅凭峰值性能主张无法说明该芯片在持续云运营中的表现。

大规模集群证据同样重要。Alibaba无需立即启用50万枚处理器。但它确实需要证明，其架构能够扩展，同时维持网络效率和系统稳定性。

如果V900服务按计划面向客户推出并可靠运行，Alibaba的供应链战略将更具可信度。延迟或供应受限将削弱这样一种论点：专有芯片能够支撑2032年计划。

第二个信号是付费AI云需求。投资者应关注外部云收入增长、AI产品贡献、客户留存，以及训练和推理两方面的使用量。

Alibaba报告了强劲的近期增长，但随着收入基数扩大，百分比增长将更难维持。未来披露应显示，采用是否已超越早期实验阶段。

企业工作负载提供了特别有用的检验。生产应用需要服务级别承诺、安全性、可预测的成本和稳定的性能。运行此类系统的客户不太可能将AI使用视为短期试用。

开发者还应关注Qwen采用与Alibaba Cloud消耗量之间的关系。更大的开源模型受众，只有在其中相当一部分选择Alibaba的托管服务、工具或基础设施时才有帮助。

如果付费Token使用量在产能扩张的同时上升，Alibaba 20GW AI计划将更像是由需求驱动的建设。若使用量滞后，该公司就有可能在客户需要这些资产之前承担高昂成本。

第三个信号是支出向回报的财务转化。Alibaba最终应证明，云业务经营收入和现金创造能力正随着资本支出同步改善。

短期利润压力本身并不能否定这一战略。数据中心和定制处理器需要前期投入。但如果支出持续上升，却没有带来更高的利用率或可持续的利润率改善，担忧就会加剧。

投资者应在多个季度内比较资本支出与云业务新增收入。同时，他们还应关注折旧、组件成本、电力费用，以及管理层对基础设施可用性的指引。

最有利的结果将是云业务持续增长，同时盈利能力改善。这种模式将表明，Alibaba新增的产能能被足够迅速地填满，从而消化其固定成本。

较弱的结果则是使用量强劲，但利润率持续承压。这可能意味着竞争性定价或运营成本吞噬了大部分收益。

最令人担忧的结果将是云业务增长放缓与持续支出并存。这将表明，Alibaba是按照一条比预期更晚到来的需求曲线来建设基础设施的。

模型发布构成辅助证据，但并非最终评分标准。Qwen 4及任何未来参数规模介于5万亿至10万亿之间的模型，必须展现出客户愿意付费购买的能力。

关键问题不在于Alibaba能否训练出更大的模型，而在于该模型能否以支持重复使用的成本和可靠性水平完成有用的任务。

对于开发者和企业买家而言，这一建设可能扩大对中国AI基础设施的获取渠道，并减少对单一硬件供应商的依赖。它还可能在托管Qwen服务和部署配置之间带来更多选择。

买家不应当前就围绕完整的20吉瓦规模制定计划。他们应评估目前可用的区域、服务保障、数据控制、模型性能，以及在不同供应商之间迁移的能力。

对于投资者而言，周五的下跌应保持适当比例。0.6%的波动本身几乎无法说明问题。更重要的是，Alibaba能否将一项为期六年的基础设施承诺转化为具有竞争力的云业务经济效益。

Alibaba的20GW AI计划提高了评判管理层的标准。该公司已明确其希望整合的芯片、模型和实体容量。

如今，证据必须通过已部署的系统、持续的客户使用，以及不断改善的回报来呈现。在未来几个季度中关注这三个信号，再决定是否将20吉瓦视为胜利或负担。