阿里巴巴 AI 收入达到人民币495亿元，但支出考验才刚刚开始

阿里巴巴表示，其 AI 产品的年化收入运行率已达到人民币495亿元，使人工智能成为 Alibaba Cloud 的核心增长引擎。该数字反映的是当前业务节奏下的年化收入，而非一个完整财年内已确认的收入。即便如此，这仍标志着该公司在商业化方面迈出了重要一步。

压力则来自损益表的另一端。阿里巴巴在6月季度的资本支出达到人民币677亿元，较一年前增长75%。随着 AI 基础设施和其他战略项目投入增加，净利润下降75%。

这带来的考验比又一项模型基准测试更为明确。阿里巴巴必须证明，云业务增长、更高利润率的 AI 服务以及自研芯片，能够将巨额基础设施投入转化为可持续的现金流。Baidu 和 Tencent 面临类似压力，但阿里巴巴对其战略提出了最明确的收入与回报周期主张。

阿里巴巴 AI 收入如今已成为规模可观的云业务

人民币495亿元的年化运行率，意味着阿里巴巴的 AI 故事正从产品采用迈向可衡量的商业规模。

CEO Eddie Wu 在8月20日阿里巴巴2027财年第一季度业绩电话会上披露了这一数字。该季度涵盖截至2026年6月30日的三个月。

阿里巴巴表示，AI 相关产品收入已连续第十二个季度保持三位数增长。管理层称，这些产品占外部 Alibaba Cloud 收入的35%。

该类别覆盖公司技术栈的多个层面，包括租赁 AI 算力、Model-as-a-Service 产品，以及通过 Alibaba Cloud 销售的应用。

Model-as-a-Service，即 MaaS，使客户无需运营底层基础设施，即可使用托管 AI 模型及配套工具。阿里巴巴通过其 Bailian 平台提供这些服务，该平台在英文材料中也被称为 Model Studio。

这一区别很重要，因为人民币495亿元这一数字是年化运行率。它描述的是近期业务活动所暗示的收入节奏，并不意味着阿里巴巴在该季度确认了全部这笔收入。

根据公司 6月季度文件，Alibaba Cloud 的外部收入在该季度约为人民币484亿元，较上年同期增长45%。

云业务部门经调整后的息税折旧摊销前利润增长133%。管理层还表示，该业务板块的盈利能力提高4.4个百分点至11.6%。

这些数字将 AI 年化运行率与阿里巴巴更广泛的云业务复苏联系起来。云业务增长此前已在最近几个报告期中从34%加速至36%，随后升至38%和40%。

最新的45%增长延续了这一趋势。这也表明，AI 需求正在带来新增收入，而不只是取代传统云工作负载。

阿里巴巴报告集团总收入接近人民币2690亿元，同比增长9%。AI 在整个公司中的规模仍小得多，但其增长速度使其对阿里巴巴未来业务结构愈发重要。

这一结果也超过了阿里巴巴此前的商业化里程碑。今年5月，公司表示，3月季度 AI 相关产品收入的年化运行率已超过人民币358亿元。

这意味着，两次披露之间的年化运行率增加了约人民币137亿元。该对比支持管理层关于需求正在加速的说法，尽管年化运行率的变化可能快于已确认收入。

阿里巴巴还将更广泛的 AI 相关收入与范围更窄的 MaaS 指标区分开来。Wu 表示，Bailian 的年度经常性收入在8月已超过人民币160亿元。

公司预计，到年底 Bailian MaaS 收入的年化规模将超过人民币300亿元。该目标涵盖托管模型及相关服务，而非 Alibaba Cloud 销售的所有 AI 算力产品。

这一区分避免了一种常见误解。阿里巴巴人民币495亿元的头条数字，并非完全来自客户通过 API 调用 Qwen 模型所支付的费用。

其中很大一部分来自训练、部署和运行 AI 系统所需的基础设施，包括稀缺的计算能力、存储、数据库、网络和推理服务。

这种业务组合使阿里巴巴的 AI 商业化不只是一个热门聊天机器人的故事，但也让公司暴露于运营这些服务的高资本密集度风险之下。

Alibaba Cloud 为何如今增长更快

阿里巴巴正通过基础设施、模型和应用多个层面实现 AI 需求变现，而非押注于单一产品层。

Wu 在业绩电话会文字记录中将 Alibaba Cloud 描述为全栈供应商。公司提供计算硬件、云平台、基础模型、开发工具和商业应用。

这种结构为客户从试验到收入创造了多条路径。测试开放模型的开发者会消耗推理算力；对该模型进行定制的企业，可能还需要数据库、存储、安全和部署软件。

大型客户可以购买专属算力。较小的团队可通过 Bailian 使用 Qwen 或第三方模型。企业也可以购买围绕这些服务构建的应用。

Wu 认为，云本身已成为 AI 最重要的应用。他的理由是，训练、推理、定制软件和 AI agents 都依赖共享基础设施。

这一说法反映了阿里巴巴的商业定位。云运营商不需要每个客户都选择某一种自有模型；只要客户使用其基础设施运行多种模型，它就能获得收入。

阿里巴巴表示，其自有模型仍贡献了 Bailian 的大部分收入。不过，第三方模型已贡献了具有实质意义的份额。

管理层还表示，无论 Bailian 托管的是阿里巴巴模型还是第三方开放模型，利润率都大致相近。如果这一点持续成立，更激烈的模型竞争未必会自动削弱该平台。

相反，这可能鼓励客户针对不同任务组合使用多个模型。每增加一个模型，都会需要推理、存储、编排和监控资源。

这种做法使阿里巴巴区别于高度依赖直接模型访问的 AI 公司。即使模型层变得更便宜或更分散，阿里巴巴仍可将需求变现。

这一战略也解释了阿里巴巴为何持续发布开放的 Qwen 模型。开放分发可以提升采用率，而当企业在其云平台上部署这些模型时，阿里巴巴便能获取相关支出。

开放模型在企业规模下运行并非免费。企业仍需为算力、部署工程、数据管道、评估和持续推理付费。

因此，阿里巴巴对模型的投入有两个目的：既保持公司在能力研发上的参与度，也将工作负载吸引至更广泛的云平台。

模型层仍然重要，因为性能会影响客户需求。更好的模型能够吸引更多开发者使用阿里巴巴的工具，并带来更大的推理需求。

不过，Wu 承认，销售 API 访问权限可能只是一种过渡性的商业模式。他预计，更多价值将流向能够完成业务任务或交付客户成果的产品。

这种不确定性进一步强化了全栈战略的合理性。阿里巴巴无需准确预测行业利润池最终会落在哪里。

它可以在芯片、基础设施、模型、平台和应用层追求价值。不过，覆盖如此广泛的领域也需要持续的研发和资本投入。

一个实际应用案例是 Accio Work，这是一款面向跨境商家的阿里巴巴 AI agent。Wu 表示，该服务上线后已吸引5万名付费商家。

该产品帮助企业完成与采购和国际贸易相关的任务，也为阿里巴巴提供了独立云基础设施之外的内部销售渠道。

企业 agents 是能够在有限用户干预下规划并执行多步骤工作的软件系统。其使用可带来持续的推理和数据处理需求。

阿里巴巴预计，更多 agent 的采用将提高计算需求。公司在本季度增加了传统 CPU 容量，部分是为了预先应对这些工作负载。

这一点使“AI 支出只意味着购买先进加速器”的观点变得更复杂。Agents 同样依赖通用计算、数据库、网络、搜索和存储。

阿里巴巴的优势在于能够将这些组件打包销售。风险在于，客户可能不愿在整个技术栈上依赖单一供应商。

真正的较量是收入增长与资本密集度之间的对决

阿里巴巴的主要对手并非另一款聊天机器人，而是为支撑其收入承诺而建设足够基础设施的成本。

6月季度的资本支出达到人民币676.78亿元，较一年前的人民币386.76亿元增长75%。

这一支出超过了阿里巴巴单季度 AI 收入年化运行率里程碑。这些指标覆盖的期间不同，不能作为损益直接比较，但这种反差显示了该战略的规模。

阿里巴巴将增长归因于 AI 基础设施、采购周期变化、更多 CPU 容量以及更高的组件成本。公司是在预期需求到来前建设能力，而非将每一笔采购与当前收入一一对应。

当产能持续稀缺且利用率保持高位时，这种做法可能奏效。若需求放缓、硬件过时，或客户压低价格，则可能变得危险。

Wu 表示，当前 AI 算力投资大约可在三年内实现回本。他认为，阿里巴巴数据中心内较早部署的 Nvidia V100 和 A100 加速器仍接近满负荷利用。

这一例子支持阿里巴巴的观点，即硬件的有效使用寿命可以超过其会计折旧期限。但这并不能保证当前采购也会维持相近的需求。

工作负载会变化，模型架构会改进，随着部署规模扩大，能效也会变得更加重要。新的国产加速器同样可能改变旧硬件的经济性。

阿里巴巴认为，三项杠杆可以将回本周期缩短至两年到两年半。第一项是提高高利润率 MaaS 和软件产品的业务占比。

第二项是更多使用阿里巴巴内部开发的 T-Head 芯片。替代外购芯片可以降低向商业供应商支付的溢价。

第三项是财务结构安排。阿里巴巴可以与合作伙伴共同建设算力中心，或要求客户为算力合同预付款。

这些杠杆共同构成公司的利润率逻辑。高价值软件提高每单位基础设施创造的收入，而内部芯片和合作伙伴资金则降低底层成本。

阿里巴巴表示，AI 产品的毛利率已显著高于其平均云业务组合。这是一项重要主张，但公司并未披露独立的 AI 毛利率百分比。

因此，投资者必须从分部层面的业绩中推断进展。Alibaba Cloud 11.6%的盈利能力和133%的调整后 EBITDA 增长提供了初步支撑，但这些数据并未单独剥离 AI 经济效益。

集团整体业绩则构成了另一重制衡。根据对利润下滑的独立报道，净利润从一年前的人民币431亿元降至人民币105亿元。

Alibaba 在即时零售上的投入也影响了盈利，因此不能将利润下滑完全归因于 AI。不过，该公司的基础设施计划对现金形成了巨大压力。

Alibaba 此前承诺在三年内至少投入人民币3800亿元用于云和 AI 基础设施。其最新季度支出表明，部署已不再是遥远的承诺。

公司正在以增长换取短期内的正现金流。吴泳铭表示，按照目前的三年回本框架，Alibaba 理论上可以通过将增长控制在33%以下实现正现金流。

但管理层计划追求超过40%的增长。这一选择将压力转移至利用率、产品利润率和更低的基础设施成本上。

因此，这一战略包含着刻意的矛盾。Alibaba 表示 AI 产品具有更高利润率，但要承接其需求，就必须在收入到来之前进行异常高额的投入。

这未必是经济效益不佳的证据。云业务往往需要先具备产能，客户才能使用。

然而，时间差使年化收入成为一项不完整的衡量标准。投资者还需要关注已确认收入、现金流、利用率以及投入资本回报率。

如果云业务盈利能力上升，同时资本支出仍具生产效率，Alibaba 的论点将更有说服力。若在已部署产能回本之前收入放缓，这一论点则会被削弱。

Baidu 和 Tencent 维持高强度竞争压力

Alibaba 在规模上领先，但竞争对手也在将 AI 算力需求转化为快速增长的云收入。

Baidu 报告称，2026年第二季度 AI Cloud Infrastructure 收入为人民币73亿元。根据其AI 云业务数据，这同比增长50%。

Baidu 还表示，GPU Cloud 收入增长283%。其整体 AI Cloud Infrastructure 收入环比下降17%，显示出增长率可能掩盖季度波动的速度之快。

Alibaba 的外部云业务规模明显更大。但 Baidu 的增长证实，AI 算力需求并非只流向一家中国供应商。

Tencent 带来了不同的挑战。其云业务与 Weixin、游戏、广告以及广泛的消费者服务网络并行存在。

Tencent 表示，第二季度云服务需求受益于 AI 相关工作负载。其季度业绩并未提供类似 Alibaba 的 AI 收入运行率。

这种披露差异使直接比较变得困难。Tencent 还可以通过广告推荐、游戏和内部服务实现 AI 变现，而不必将每一项收益都记为云收入。

Alibaba 的战略更直接地暴露于外部基础设施销售之下。其 Qwen 生态系统和 Bailian 平台旨在吸引独立开发者和企业使用 Alibaba Cloud。

Baidu 可以围绕 Ernie、PaddlePaddle 及其 AI 应用提出类似论点。Tencent 则可通过 Weixin 和既有企业渠道分发 AI 能力。

三家公司还都必须在中国先进芯片供应受限的环境中运营。这使获取能力、利用率和国产芯片开发成为核心竞争变量。

Alibaba 表示，已有超过600家外部客户使用其自研的 T-Head 芯片。这一数字表明，这些芯片正超越内部部署阶段，但客户规模和工作负载仍未披露。

T-Head 可能让 Alibaba 对供应和成本拥有更强控制力，也可能降低对稀缺商用加速器溢价的敞口。

挑战在于其在多样化工作负载中的性能。云客户通常偏好获得广泛支持的硬件，因为成熟的软件生态系统能够简化迁移和工程工作。

Alibaba 必须证明，其内部芯片能够在不增加客户使用摩擦的情况下提供可接受的经济效益。它还必须支持仍持续需求其他硬件的客户。

这使编排能力变得重要。能够跨不同加速器调度任务的云平台，即使没有单一芯片占据主导地位，也可能留住客户。

模型层面的竞争带来了另一处压力点。Qwen 的开放可用性能够鼓励采用，但开放竞争对手也使切换变得更容易。

Alibaba 的应对方式是托管多种模型，而非要求独占。吴泳铭表示，第三方模型和自有模型带来的 Bailian 利润率相当。

如果客户经常使用多种模型，这种平台中立性就会变得有价值。如果模型提供商建立起更强的直接客户关系，Alibaba 则有沦为低利润率基础设施供应商的风险。

公司的全栈设计正试图避免这一结果。它将稀缺算力与模型、软件工具、应用和自研硬件结合起来。

竞争问题不只是 Qwen 是否在某项基准测试中胜过另一模型，而是当客户在模型和应用之间迁移时，Alibaba 是否能够留住这些工作负载。

规模有所帮助，因为更大的平台能够将基础设施成本分摊到更多客户身上。但当竞争对手降价或补贴使用时，规模本身并不能保护利润率。

Alibaba 需要围绕可靠性、部署、数据管理和企业运营提供差异化服务。这些领域可以在不将客户锁定于单一模型的前提下，提高切换难度。

6月业绩显示 Alibaba 当前具备发展势头，但并未确立相对于 Baidu、Tencent、ByteDance 或国资背景算力供应商的永久优势。

人民币495亿元这一数字无法证明什么

这一头条数字验证了需求，但尚不足以证明 Alibaba AI 扩张能够带来可持续回报。

年化收入是基于当前节奏的快照。它可以在需求强劲时迅速上升，但如果合同到期或使用量变化，也可能下降。

Alibaba 尚未披露人民币495亿元这一整体数字背后的合同期限、客户集中度或续约情况。在评估经常性收入质量时，这些细节至关重要。

该类别还包含经济效益不同的产品。出租算力并不会产生与出售模型访问权限或企业软件相同的利润率结构。

管理层表示，AI 产品整体的毛利率高于 Alibaba Cloud 的平均毛利率。没有产品层面的拆分，外部人士无法判断究竟是哪一层业务推动了这一优势。

这一说法可能反映了算力供应受限时期的高利用率。随着竞争对手增加产能或国产硬件变得更易获得，利润率可能收窄。

Alibaba 认为供应短缺至少会持续到2030年。这一预测支持激进建设，但它仍是公司判断，而非已成定论的结果。

供应的改善可能并不均衡。更多芯片并不总能转化为可用产能，因为电力、网络、数据中心和软件支持可能造成额外限制。

需求本身也存在不确定性。企业正在尝试智能体，但许多项目尚未达到稳定的生产使用阶段。

试点项目可能消耗可观的算力，却未必成为长期业务流程。客户也可能通过更小的模型、缓存或更高效的架构降低推理成本。

这些改进可能降低固定工作负载的支出，也可能让新的应用在经济上可行，从而扩大总需求。

Alibaba 正押注于扩张效应将占据主导地位。这一判断具有合理性，但公司必须通过持续的使用量和续约来证明。

基础设施稀缺与应用价值之间的区别尤其重要。在应用证明自身经济效益之前，稀缺性就可能支撑颇具吸引力的定价。

如果客户随后认定 AI 应用无法产生足够回报，基础设施需求可能减弱。届时，Alibaba 将持有为更快增长轨迹而建设的产能。

公司还面临跨越过多层级的执行风险。它同时开发模型、芯片、云服务、消费者助手和企业智能体。

全栈战略可以在价值出现的任何环节加以捕获，但也可能将资源分散到需要不同专业能力和销售模式的产品上。

Alibaba 的3月季度业绩显示，年化 AI 相关收入已超过人民币358亿元。6月更新确认了又一个快速扩张的时期。

下一项考验是持续性。若外部云业务增长再连续一个季度超过40%，就更难将这种加速视为采购时点造成的现象。

盈利能力也必须同步改善。若收入增长而回报持平或下降，将挑战 AI 具有结构性更优经济效益的说法。

现金流提供了更严格的衡量标准。Alibaba 的回本框架依赖于持续的高利用率、利润率改善，以及自研芯片占比上升。

每一项假设都可以随时间检验。仅凭人民币495亿元的运行率，尚不足以完全证明其中任何一项。

三个信号将决定接下来的走向

下一阶段取决于收入转化、云业务利润率，以及 Alibaba 基础设施建设的真实经济效益。

第一个信号是已确认的外部云收入。投资者应关注下一个报告期增长是否仍能保持在40%以上。

持续加速将支持 Alibaba 关于需求超过可用供应的说法。大幅放缓则会引发人们对年化 AI 数字可持续性的质疑。

这种增长的构成同样重要。若 MaaS、软件和应用的贡献增加，将强化利润率论点。

第二个信号是 Alibaba Cloud 的盈利能力。最新的11.6%结果提升了4.4个百分点，为经营杠杆提供了最清晰的早期证据。

若进一步上升，将表明高利润率 AI 服务和更高利用率正在抵消基础设施成本。若出现逆转，则意味着竞争或部署支出正在吞噬这一收益。

第三个信号是资本效率。Alibaba 最终应证明，自研芯片、客户预付款和合作伙伴建设的数据中心正在缩短其现金回本周期。

更短的回本周期将支持吴泳铭提出的两到三年框架。若资本投入持续增长却未带来更好的现金生成能力，这一框架将被削弱。

Bailian 在年底前实现人民币300亿元 ARR 的目标，为这些信号提供了额外的检查点。达成该目标将表明 Alibaba 正在推动收入超越基础算力租赁。

该平台的模型组合也将揭示开放性是否有利于 Alibaba。第三方模型使用量的增长将支持其关于平台经济效益能够经受模型碎片化考验的说法。

开发者和企业采购方应当关注，因为 Alibaba 正在塑造中国 AI 部署市场的经济结构。其选择会影响可用模型、算力供应以及运营智能体的成本。

客户应评估的不只是基准测试表现。他们还需要关注可移植性、可预测的产能、数据控制和可信的长期运营成本。

495亿元人民币的年化运行率表明，企业已经在阿里巴巴的 AI 技术栈上投入重金。但这并不能说明，在当前供应短缺缓解后，这些工作负载是否仍将保持价值。

阿里巴巴如今给出了可量化的承诺：云业务快速增长、AI 利润率改善，以及基础设施投资将在数年内回本。未来几个季度将显示，这三个部分能否形成合力并持续成立。

对于关注阿里巴巴 AI 收入的读者而言，核心问题已不再是商业化是否已经启动，而是阿里巴巴能否在支出超过机会规模之前，将这类需求转化为可持续的现金流。