蔡崇信复盘阿里 AI：早做，不等于领先

全文 3,000字 | 阅读约 8 分钟

（蔡崇信在斯坦福谈阿里 AI 策略 ）

前不久，在斯坦福商学院的《View From The Top》讲座上，阿里巴巴董事会主席蔡崇信坐在台上，说：

我们在 2019 年就开始做 Transformer 模型了，但没有跟上。

2019年，阿里已经将 Transformer 用于推荐系统。那是 ChatGPT 发布的三年前。技术团队看到了方向，但大语言模型的研发没能获得足够资源。直到 2023 年，通义千问正式发布，阿里才算真正进入这场战役。

三年窗口期，就这样错过了。

蔡崇信的解释是：我们当时没有分配足够的资源，因为行业内部也没有共识这是不是对的方向。

这句话说的不只是阿里。它说的是所有大公司在面对 AI 时的共同处境：一项颠覆性技术在早期阶段，看不到短期 ROI。而组织的预算流程、人事考核、业务优先级，整套系统的惯性会告诉你：别在不确定的方向上押注太多。

所以即使技术团队看到了方向，资源也未必能跟上。

但蔡崇信在 2023 年复出担任董事会主席后，给出了自己的答案。他聚焦了三个关键词：

采用、规模、开源。

这篇文章，就是围绕这三个关键词，复盘他对 AI 这场仗的思考。

第一节｜采用：做出来不算，用起来才算

先说第一个关键词:采用。

蔡崇信在讲座里反复强调一个问题：AI 要在什么场景下被使用，才能真正产生价值。

1、从模型到应用：通义 App 不只是入口

在阿里的 AI 战略里，通义App是一个重要环节。蔡崇信认为：做 AI 不是只做模型就够了。消费者应用、大语言模型、基础设施，这三层都同等重要。每一层都要投入资本。

从这个角度看，通义 App 承担的不只是用户入口，更是验证整个 AI 能力能否在真实场景中落地的关键一环：

• C 端用户会不会频繁打开？

• B端系统能不能稳定接入？

• 教育、医疗、电商这些场景能不能真正用起来？

没有这一层的验证，模型再强也只是玩具。

2、国内消费市场的特殊性

蔡崇信还提到了中国市场的一个关键差异：企业级软件付费习惯在中国远不如美国成熟。在中国，让用户为 API 调用付费的接受度要低得多，推广难度也远高于美国。

这意味着：

• 美国 AI 公司可以靠 API 收入做模型闭环；

• 而中国模型厂商必须找到其他路径，靠云基础设施，或者靠应用层。

所以通义 App 是阿里探索如何让模型在中国市场真正被采用的一次关键尝试。只有模型被真实用起来，它才真正产生价值。

就在昨天（2月6日），通义千问启动“春节30亿免单”活动，上线 9 小时 AI 订单突破 1000 万单。巨大的流量让系统一度崩溃，30 多万家线下门店同时爆单。这场活动的火爆场面，恰恰验证了蔡崇信的核心观点：AI 的真正考验不在实验室，而在真实用户每一次提问、每一次下单的时候，基础设施撑不撑得住。

第二节｜规模：推理撑得住，才是真本事

如果说采用决定模型能不能走出实验室，规模决定它能不能真正进入社会。

蔡崇信在讲座中提到:

今天的 AI 投资，正在从训练转向推理。所有的超大型公司都在加倍投放资金。

此前，美国大型科技公司每家每年的资本支出在 600 到 800 亿美元，如今这个数字已经涨到 1200 到 1500 亿美元。这标志着行业共识的转变：推理才是 AI 成本的真正大头。

1、推理，才是AI成本的主战场

在 ChatGPT 刚火的 2022-2023年，大家都把注意力放在训练：模型参数有多少？训练成本多高？在 benchmark 上能不能超过 GPT-4？

但蔡崇信指出：训练只发生在少数公司内部，推理才是所有人每天都会用到的功能。

• 用户用通义 App 提问，是推理；

• 企业用 Qwen 模型处理客服，是推理；

• 内容生成、数据分析、客户服务场景用模型协助任务，还是推理。

这些都在不断消耗 GPU、消耗电力、消耗网络资源。而且不像训练只需要一次，推理是每天都要执行的。

2、大模型不是拼速度，是拼吞吐量

一个模型能不能接入亿级用户、千种任务，取决于几个实际问题：

• 能不能在高并发下保持稳定？

• 推理速度有没有卡顿？

• 成本会不会失控？

这才是规模的真实定义。不是做一个最强模型，而是做一个吞吐量最高、最稳定的模型体系。

阿里为此的选择是：把模型部署在自家云上，让推理性能、吞吐量、并发处理能力全部可控。通义开源模型全球下载量达数亿次，背后靠的不只是算法，还有基础设施。

但规模化的挑战不止于此。随着 AI 走向多模态时代，语音、图像、视频都要生成，算力压力只会越来越大。蔡崇信看到的趋势是：人们不会少看短视频，只会越来越多，对算力的需求也就没有天花板。

而当推理需求进入亿级用户时代，规模拼的不是性能，是钱:

• 你的基础设施能不能调度这么多 GPU？

• 能不能在高负载下不崩？

• 成本控不控得住？

这就是资本支出转向推理的原因：AI 的落地，拼的不是模型能力的突破，而是基础设施能不能支撑更多人用。

第三节｜开源：开源不是理想主义，是现实选择

要让更多人用得起、用得上，蔡崇信给出的答案是：开源。

开源在 2026 年已经不是新鲜概念。但中国模型公司走向开源的原因，不是技术理想主义，而是商业模式和市场环境共同作用的结果。

纯 API 订阅模式在中国难以规模化，这推动中国模型公司探索新路径。开源成为核心策略，但它的价值不只是解决盈利难题。

1、第一层价值：自主可控

蔡崇信明确表示，开源的最大价值不是便宜，而是主权。

• 对企业来说，能把模型部署在自家服务器上；

• 对政府来说，能本地运行、隔离数据；

• 对开发者来说，可以自定义微调、添加指令。

他在讲座中强调：

“使用开源模型，你可以部署在自己的基础设施上，可以在本地运行，也可以在私有云环境中运行。无论是后续训练还是推理，都不再依赖原模型开发者。实际上，你对这个模型拥有完全的控制权和主权。”

这句话背后，体现的是一个AI 竞争新原则：能力重要，但自主可控更重要。

2、第二层问题：开源之后，怎么盈利？

开源不能只靠下载量，也不能靠社区氛围。

真正的收入要靠模型在什么地方运行，谁掌握推理的基础设施，谁就掌握了盈利的入口。

正是基于这个逻辑，阿里的做法是：把通义千问开源，但引导用户在阿里云上训练和推理。模型免费，基础设施收费。

这个模式能成立，前提是阿里有云业务。因为有云业务托底，通义千问才能放心开源，成为全球下载量最高的中文模型之一。而用户在使用模型的过程中，自然会产生对云基础设施的需求，这就形成了商业闭环。

蔡崇信也坦言，这种路径对很多没有云基础设施的公司来说，是无法复制的。

所以，中国模型公司的开源路径，既是商业现实的选择，也是用开源模型占领市场、用云基础设施赚钱的策略。

结语｜胜负不在做得早，在于闭环通不通

从 2019 年将 Transformer 用于推荐系统，到通义千问成为全球下载量最高的开源中文模型之一，阿里在 AI 上起步不算晚。

但蔡崇信复盘时没有强调自己做得早，反而点出了一个更关键的现实：起步早不是优势，能用起来才是。

采用、规模、开源，这三个关键词都在回答同一个问题：AI 模型怎么才能真正落地？

• 做通义 App，因为没有应用场景模型就空转。

• 投云基础设施，因为推理才是变现的真正入口。

• 选开源，因为 API 订阅在中国难以规模化。

AI 不是发布出来的，是在真实业务里用出来的。谁能把这个闭环跑通，谁就掌握了主动权。

识自AI

本文由AI深度研究院出品，内容翻译整理自蔡崇信在斯坦福商学院View From The Top访谈及世界政府峰会对话等公开素材，属翻译分析性质。内容为观点提炼与合理引述，未逐字翻译原访谈材料。未经授权，不得转载。

星标公众号， 点这里 1. 点击右上角 2. 点击"设为星标" ← AI深度研究员 ⋮ ← 设为星标

https://www.youtube.com/watch?v=MEfO09kPf-w&t=598s

https://www.youtube.com/watch?v=dbV1sMfv9TQ&t=1s

https://www.alibabagroup.com/ir-financial-reports-quarterly-results?utm_source=chatgpt.com

https://www.businessinsider.com/alibaba-joe-tsai-ai-race-us-china-winner-adoption-integration-2025-10

来源：官方媒体/网络新闻，

排版：Atlas

编辑：深思

主编：图灵