全球AI云竞赛，阿里靠什么打？

纵观商业史，依靠成功的自我革命来摆脱困境、重返巅峰的企业屈指可数。90年代IBM的“大象跳舞”和2014年后微软的“云转型”，便是两个标志性事件，它们证明了一家巨头在增长失速后，依然有能力完成自我重塑。

今天，类似的故事似乎正在中国市场重演——主角是阿里巴巴。

资本市场的反应最为直接。在经历了漫长的调整期后，阿里股价近期再度拉升，创下自2021年8月以来的新高。这轮上涨背后，是市场对其AI战略价值的重新定价——从持续超预期的云业务财报，到通义大模型的高频迭代，再到关于其自研AI芯片的最新风声，一系列信号正共同支撑起一个新的估值叙事。

但在这轮估值重塑中，一个更底层的核心事实远未被市场充分认知：

阿里巴巴不仅是全球四朵“超级AI云”中唯一的中国公司，更是其中少数采取“全栈自研”路径的公司——即在AI芯片、云计算平台和基础大模型三个核心层面均追求顶尖自研能力，与谷歌形成了战略上的跨洋呼应。

要理解这一定位的含金量，必须先看清AI竞赛范式的剧变。

ChatGPT引爆的AGI浪潮，起初被误解为一场“模型竞赛”。移动互联网时代“一个App引爆市场”的经验，催生了2023年喧嚣的“百模大战”。但战局迅速收敛，因为一个残酷的现实浮出水面：模型能力本身，正在快速“平台化”。

大模型性能趋同的“平台化”现象，不仅源于Transformer架构等技术的公开，更关键的是，高质量开源模型正将顶尖AI能力从少数公司的专利，加速转变为人人可用的普惠基础设施，加上顶级玩家在算力上的饱和投入，共同导致了各家模型在能力上的迅速拉平。

这场竞赛的终局形态，并非决出最聪明的单一模型，而是看谁能构建起最强大的AI全栈技术体系——一套集模型、云平台、芯片、生态于一体，并能协同演进的系统性能力。

模型只是入场券

决定AI竞赛胜负的，不是某一刻的领先，而是两个核心变量：迭代速度和成本效率。

要同时优化这两个变量，企业必须构建起一个垂直整合的AI全栈技术体系。这并非一个模糊的概念，而是由四个具体且相互关联的要素构成的系统性能力：

第一，千亿级的资本投入。这是构建大规模AI基础设施、招募顶尖人才并支撑长期研发的必要前提。 第二，百万级集群的云计算能力。这是为大规模并行训练提供所必需的计算环境，直接决定了模型迭代的速度上限。 第三，世界级的基础大模型。这是进行软硬件协同优化的核心对象，是连接上层应用与底层算力的关键环节。 第四，自主的AI芯片布局。这是实现成本控制的关键手段，通过为自研模型定制硬件，从根本上降低推理成本，以构筑长期成本优势。

谷歌的案例，印证了这一全栈体系的有效性。在ChatGPT发布后的一年里，这家AI巨头一度显得被动。但当其发布Gemini系列模型时，外界发现，它在极短时间内就抹平了与领先者的差距。这场快速追赶的实现，并非仅仅依靠模型算法的突破，而是其完整的全栈能力——即上述四大要素协同作用的结果。

这一体系从两个层面决定了竞争的成败：

首先，它决定了模型迭代的速度。AI技术栈的耦合程度极高，在一个非全栈的体系中，定位和解决软硬件协同瓶颈的周期可能长达数周。而在一个全栈自研的公司里，谷歌的AI科学家可以与TPU硬件团队（核心算力）和数据中心网络工程师（云计算能力）紧密协作，将技术反馈的闭环速度提升到极致，从而加速了Gemini的追赶进程。

其次，它从根本上决定了成本效率。AI的成本分为训练成本和更为庞大的推理成本。非全栈玩家面临“多重溢价”，需向芯片、云平台等供应商支付利润。而拥有自主硬件能力的全栈玩家，可以通过“软硬件协同设计”来优化成本结构。正如OpenAI CEO萨姆·奥尔特曼所言，谁能将推理成本降到足够低，谁就能在商业化中占据主动。

因此，能否同时集齐这四大要素，构建起完整的“超级AI云”体系，成为了衡量一个玩家长期竞争力的核心标尺。

以这套标准扫描全球科技版图，结果清晰明了：

在美国，谷歌、微软和亚马逊三家巨头，均已在四个维度上完成了关键布局。而在中国，市场呈现出更多元的战略分化。不同的云和AI公司基于自身的核心能力与历史路径，选择了不同的AI演进模式。

当以“超级AI云”四个标准为观察对象时，阿里巴巴是当前唯一一家与此定义完全重叠的中国公司。

首先，在全球IaaS市场，亚马逊AWS、微软Azure、阿里云和谷歌云构成了合计份额近80%的第一梯队。阿里云作为其中唯一的中国公司，其规模与技术积累是参与这场全球竞赛的先决条件。

同时，阿里一方面通过将通义Qwen系列大模型大规模开源，形成全球最大的AI开发者生态；另一方面则在核心算力上自主布局，实现硬件与模型的深度协同，构筑长期成本优势。这种“模型开源吸引生态，硬件自研控制成本”的策略，与谷歌形成了跨洋呼应。

支撑这一切的是史无前例的激进投入。早在今年2月，阿里就宣布未来三年投入3800亿元用于建设云和AI基础设施，超过去十年总和。其CEO吴泳铭在2026财年第一季度财报会上透露，过去四个季度已在AI基础设施及AI产品研发上累计投入超过1000亿元。

至此，全球“超级AI云”的牌桌格局已经形成：美国三家，中国一家。这四家公司，正在成为定义下一代技术基础设施的核心力量，并深远地影响未来的全球产业格局。

两种路径

拿到“超级AI云”的入场券后，四家公司的战略路径出现了明显分化，主要体现在如何解决“模型”这一核心环节上，并由此形成了两种不同的模式。

第一种是微软和亚马逊所代表的“云+生态”模式。其核心是通过巨额资本注入和深度业务绑定，与市场上最顶尖的AI创业公司形成战略同盟。微软选择了OpenAI，亚马逊则向Anthropic注资。此举能快速将最先进的AI能力打包提供给其庞大的企业客户群，在商业化初期抢占市场。

但这种模式的协同效率和战略稳定性也面临挑战。为避免科技巨头过度干预，OpenAI和Anthropic都采取了特殊的治理架构，微软和亚马逊均无董事会席位和投票权。这种法律上的“防火墙”意味着同盟关系并非绝对绑定。2025年以来，有信息显示OpenAI正与甲骨文（Oracle）和软银接触，寻求新的算力和资本支持，以降低对单一伙伴的依赖。

与此相对，谷歌和阿里巴巴选择了第二条路——“全栈自研”。

这一模式的价值，在苹果公司身上得到了验证：它通过自研M系列芯片、macOS系统和Mac硬件的全栈整合，实现了出色的性能和体验。如今，谷歌和阿里正将这一范式应用到AI云领域，通过对AI芯片、云计算平台和基础大模型三个核心层面的端到端自研，实现“软硬件协同设计”。

这条路径更考验综合实力和长期投入，但对整个技术栈的端到端控制力，意味着能实现更快的创新迭代和更优的成本结构。这种深度的技术整合，正在转化为业绩增长。

最新的财报季，这一趋势尤为明显。谷歌云业务收入增速从28%加速至32%，而阿里云收入增速也从18%大幅攀升至26%。两家公司业绩的强劲增长，都与其全栈AI能力的释放直接相关。

巨额投入正迅速转化为技术成果。7月以来，阿里接连发布并开源了Qwen3推理模型、Qwen3-Coder编程模型等多个重量级模型。目前，通义千问Qwen衍生模型数量已突破17万，超越美国Llama模型，通义成为全球第一AI开源模型。

在AI这场终将回归成本和效率的持久战中，对整个技术栈拥有端到端控制力的“全栈玩家”，在战略后劲和成本结构上拥有更清晰的优势。

追赶之后

2025年8月，长期坚持闭源路线的OpenAI做出了一个重大的战略调整，宣布开源两款核心模型。业内普遍认为，此举是对日益增长的中国开源力量的直接回应。以DeepSeek和阿里通义千问Qwen为代表的中国模型，不仅在技术榜单上表现出色，更通过庞大的开发者生态，开始影响全球AI的技术范式。

开源模型的领先，是中国AI产业在应用和生态层面取得的显著成果。在此基础上，能否将这一成果转化为长期的、系统性的产业优势，则取决于一个更深层的问题：是否具备完整的“全栈AI能力”。

这背后的产业逻辑十分清晰：一个开源模型，相当于一张公开的、先进的设计图纸。但真正的壁垒在于能否拥有将这张图纸大规模、低成本、高效率地转化为成品的完整工业体系。在AI领域，这个“工业体系”就是集自研芯片、大规模云计算平台和基础大模型于一体的垂直整合能力。它直接决定了技术迭代的速度和商业化部署的成本结构。

在云计算时代，阿里云为代表的中国公司，第一次在底层技术设施领域进入全球第一梯队，与亚马逊、微软形成了新的竞争格局。

今天，云计算作为上一个时代的终点，已经成为AI这个新时代的起点。在这块由中美共同主导的基础设施之上，一场围绕“全栈能力”的更深层次的产业竞赛已经开始。

本内容为作者独立观点，不代表虎嗅立场。未经允许不得转载，授权事宜请联系 hezuo@huxiu.com

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4782676.html?f=wyxwapp