文：董指导
2013年我去参加阿里云的活动，那时还不叫云栖大会，而是以开发者和项目方为主，大棚下面吃盒饭，阿里云的体系也才刚有雏形；但如今，阿里云没有固守传统云第一的位置，反而是更阔步地建设全栈AI体系。
而最新阿里巴巴的2027财年Q1财报显示，全栈AI的成效，也开始显现。阿里云外部商业化收入增速提升至45%，比亚马逊高，全球云厂商里第二快；而且指引中认为还会提速。AI相关产品收入已连续12个季度实现三位数同比增长，年化AI产品收入超过495亿元人民币，接近73亿美元。
这个增速是如何实现的？以及全栈AI会持续带来什么惊喜？今天就通过阿里的财报做个分析。
阿里云的AI加速
中国有句老话是“观其言察其行”，这对于变革中的公司非常适用，观察阿里云的AI加速也很有用。
在2025年八月的财报中，阿里巴巴对其自身的描述发生了一些变化，突出“聚焦电商和云计算的全球科技公司”；一年后，这个描述中又突出了AI。
聚焦到阿里云，描述的变化则更早。在2023年底，吴泳铭便提出了AI驱动、公共云优先的口号，而且也坚信，公共云优先，可以在未来收获规模效应和技术红利。
动作上也如此践行。
组织层面不断优化，成立ATH部门，加速AI商业化；财报结构方面，也将电商全部并成一个集团（含盒马和菜鸟部分商业）；平头哥并入云，合成"AI云与算力服务"；模型实验室、千问事业部、千问办公从 All Others 里抠出来，独立成"AI实验室与应用"。
AI的重要性可见一斑。
而且也在大手笔投资。2025年公司制定了三年3800亿的资本开支计划，17个月就投了1900亿。并且表示，希望今年的投入建设还是维持在更积极的态度上。
国内同行也都在加大资本开支力度。腾讯2026年二季度资本开支527亿元，同比 +176%，占当季收入25.8%，为历史新高；百度核心资本开支114亿元，同比+201%，资本支出率45%。
中国三大云厂商都陆续将capex拉到了历史最高。毕竟，目前的算力资源依然是稀缺的；而当AI应用爆发、更深一步进入生活、工作中后，也是显著紧缺的。
对于资本开支，不少投资人的锚定开始模糊了。甚至出现了不花钱，觉得AI战略落后；花钱又觉得AI战略激进。
但从科技发展的历史来看，企业家的判断，大多数情况是正确的。就像当年英伟达坚持在毛利率受损的情况下，投资CUDA建设；彼时也是被投资人百般否定、指责；但坚持到如今，给英伟达带来的收入和优势、甚至给AI发展带来的促进，都是巨大的。
再来看组数据，我让千问办公做了一份关于Capex强度的统计，也就是每1美元收入对应多少资本开支。和美国同行2026指引相比（微软150%、亚马逊130%、谷歌250%），阿里云的Capex强度为140%，仍处于合理区间，稳步推进。
相反是谷歌，作为全栈AI的典范，依然在加大资本开支。所以，对于花钱这事儿，不用担心不可控。
核心问题是，钱花得值不值，或者说，全栈AI到底有哪些好处？
全栈AI和谷歌云的对比
聊到全栈AI，市场会有对比，都说是全栈，那为什么就谷歌云的收入利润那么好看呢？实际上，不是全栈AI不行，而是所处的阶段不一样。
谷歌云也经历了爬坡期。2015年TPU正式部署，2018年Cloud TPU向外部客户销售，而2023年才开始盈利转正；但随后的利润改善是非常显著的。
利润改善的原因，既包括AI爆发的长期产业趋势，也包括AI算力资源紧缺带来的提价效应，以及全栈AI云自身的护城河，包括学习曲线和规模效应。
规模效应，是显而易见的，可以平摊固定成本。学习曲线则包括自研芯片经验丰富后的性价比提升，以及软硬件一体的工程优化。
另外，服务器的折旧摊销，也是市场的争议点。阿里高管认为“服务器通常3年实现盈亏平衡，但往往能使用5年以上，至少2年会有FCF为正”。
我基本认可这个判断。AI基础设施不是“买新机器、旧机器报废”这么简单。
一方面，海外高端显卡仍供不应求，国内模型公司的Scaling Law也远未到天花板，所以高端服务器经济性依然拉满，买到就是赚到；另一方面，可预期的几年内，Token需求增长仍是非常快的，从而令旧算力的经济寿命也被拉长。
所以目前的商业模式是：新算力负责最前沿的工作负载，旧算力逐步下沉到成本更敏感、性能要求更低的推理任务，整个算力池不断分层复用。
即使是高端显卡不设防的美国云厂商，例如亚马逊等，也认可提高旧算力的经济价值。
目前，阿里云收入增长持续加速，盈利质量与经营杠杆推动EBITA利润率提升至了11.6%。对照谷歌云的曾长曲线来看，阿里目前的12%，大致相当于谷歌2023年底到 2024年的位置，也就是首次盈利之后的利润率爬坡初期。
对于未来，阿里管理层表示，"20%以上有很强可见性"。我觉得，和海外云厂商的竞争格局相比，国内竞争更加激烈，下游客户付费能力也不如海外，所以，国内云服务的利润率天花板会更低，达不到谷歌的30%+。
但是，如果实现从12%到20%的改善，也依然很香了。实现路径包括：等待新增的服务器折旧摊销完成（近期依然有增加压力）、规模效应、学习效应的体现，以及很重要的千问AI等业务的发力。
全栈的完善和收获
自研芯片是全栈AI的硬实力。
阿里自研芯片平头哥，最初被大家认识是因为平头哥这只动物，生性凶猛，不畏挑战。这一次，则是被作为阿里全栈AI的重要亮点被展示。
阿里高管表示，平头哥的上一代芯片已经出货超过50万片，同时能够非常好地支持训练和推理的工作负载。而且阿里云真武M890超节点，可以高效运行超过2万亿参数的大模型推理，Kimi K3和千问3.8-Max均已通过该超节点实例对外提供MaaS服务。
竞争对手的旗舰模型，跑在阿里的国产自研芯片上，对外提供服务。这句话同时验证了三件事：真武M890不是内部自用的样品；月之暗面愿意把旗舰模型的商业推理托管在阿里的国产算力上；以及阿里在扮演中立基础设施，而不只是自家模型的载体。
截止8月初，真武芯片已经服务了超过650家客户，覆盖20多个行业。而且第二代芯片今年下半年开始会逐渐流片和产出。终于，自研芯片开始直接贡献收入了。
模型也是全栈体系的重要一环。
这个领域最重要的一个信息是“托管开源免费的三方模型和托管自研模型毛利是相差不大的”。这反映了阿里云开放、生态的战略。
因为客户要的是把事情做好、以及成本控制好，必然会有多模型的需求。靠单一大厂，也很难把所有领域的模型都做到最强，也把所有模型的成本都控到最低。所以，非常有必要提供第三方模型。
可是，如果托管别人的免费开源模型和托管千问一样赚钱，那千问的巨额训练投入，在 MaaS业务上的商业回报是什么？
吴泳铭的回答是：自研模型更多是为了长期追求在模型智能水平上的提升和AGI突破。这是比较实诚的回答，模型的价值在于算力定价的锚，以及一个长期的AGI期权。
最后聊下千问AI。
2025年9月，千问App上线公测；一年后，千问办公（QwenWork）正式发布，并在华尔街投行杰富瑞分析师的评测中获得综合得分第一；至此，覆盖C、B端的AI应用布局成型。
谷歌云的高利润率里，就有一块来自于Workspace这个纯SaaS层。我觉得千问办公就是阿里试图补上这一层的产品。
AI办公也已经是显学了，有需求、有付费力，场景清晰、模型能力也更容易规划。
当年谷歌靠Gmail的免费用户向企业版转化，走了十年；但阿里的路径可以更短。因为千问办公在分发上，与阿里云和钉钉生态深度集成，成为触达阿里巴巴庞大企业用户群和既有办公工作流的天然入口。速度更快、营销成本也更低。
同时，千问APP用户规模持续保持稳定增长，并正在增加多元化的付费增值服务。
从财务角度看，AI实验室与应用分部收入为34亿，经调整EBITA亏损138.61 亿，去年同期亏32.24亿。虽然亏损在加大，但这是为了补足战略板块必须付出的投资，而不是代价。
更大视角看，目前包括MaaS在内的模型与应用服务ARR已突破160亿元人民币。AI相关产品，已经连续十二个季度三位数同比增长。而且，下个季度AI产品年化收入"将接近100亿美元"。这是阿里首次为单项业务给出下季度指引，其信心和决心也可见一斑。
结尾
整体来看，阿里财报可以看作是一次公开的自我重新分类。支撑它的，是三件已经发生的事：
云的收入增速和利润率第一次同时抬升；自研芯片开始承载包括竞争对手在内的商业推理负载；以及AI产品年化收入不断增加，管理层第一次为单项业务给出了下个季度的指引。
这就是全栈AI的部分果实；而接下来还会看到更多。回顾我2013年参会、以及看到这份财报的感受就是，这一次阿里押注的力度，比2013年大得多。
---全文完
理工/金融 复合背景
畅销书《英伟达之道》译者
百亿私募/头部自媒体 双重经历
看清科技、商业本质，讲出精彩故事
热门跟贴