（问题）随着大模型加速从技术验证走向产业落地，算力供给、模型服务能力与应用转化效率，成为云计算厂商能否持续获得增量的关键。当前产业竞争的焦点，已从单一模型性能比拼，延伸至“算力—平台—应用—生态”的系统能力建设；此背景下，如何把快速增长的模型需求转化为可持续、可规模化的商业收入，成为行业共同面临的现实课题。 （原因）吴泳铭在电话会上披露的目标与路径，指向了企业端需求变化与供给体系重构的叠加效应。一上，企业数字化正从“上云”转向“用智”，对推理算力、数据安全、行业适配、工程化交付提出更高要求；另一方面，模型调用的成本结构与交付链条正发生变化，推动云厂商必须在基础设施层与模型服务层同步投入，以形成成本、效率与稳定性的综合优势。阿里上提出的全栈布局包括：基础设施层，以芯片与云计算构建算力底座；在模型与应用层，围绕Token的生产、输送与应用，形成由大模型、模型即服务及“面向企业与消费者的应用”共同构成的能力闭环。 （影响）从披露的数据看，企业侧需求的强劲增长已对业绩形成支撑。本季度阿里云外部商业化收入增速提升至35%；人工智能涉及的产品收入连续第十个季度实现三位数同比增长。模型即服务上，过去三个月，百炼平台公共模型服务市场的Token消耗规模提升6倍。吴泳铭判断，商业化模型即服务收入有望成为阿里云最大的收入产品之一。业内人士认为，这一趋势意味着云服务的价值结构正重塑：从以存储、计算等基础资源为主，转向以“算力+模型服务+行业应用”协同驱动，云厂商的竞争将更强调平台黏性与生态扩展能力。 （对策）在“供给侧”建设上，阿里披露自研图形处理器芯片已实现规模化量产，截至2026年2月累计交付47万片；在实际业务场景中，超过60%的相关芯片服务于外部商业化客户，并完成面向外部客户的人工智能任务适配，已支持400多家企业客户在互联网、金融服务、自动驾驶等领域开展任务。组织与产品侧，阿里成立新的TokenHub事业群，整合通义实验室、模型即服务业务线以及面向不同场景的产品团队，旨在以更高协同效率推动模型能力工程化、平台化与产品化。模型迭代上，企业披露春节期间推出新一代大模型，并计划在现有基础上推出面向编程与智能体场景优化的后续版本，以满足应用从对话工具向可执行复杂任务的智能体形态演进需求。同时，阿里推出面向企业的人工智能平台，并计划推动集团生态的B端商业能力接入，与面向消费者的应用形成双线推进。 （前景）从行业发展看，人工智能正加速融入千行百业，推理侧需求增长、企业级交付标准化以及智能体应用扩散，预计将共同拉动云侧算力与平台服务的长期需求。未来一段时期，决定企业能否在新周期中取得优势的关键变量，主要包括：算力供给的规模与成本控制、模型服务的稳定性与可用性、行业场景的落地速度，以及在合规、安全与数据治理上的体系化能力。随着各方持续加码投入，云与人工智能的竞争或将更从“单点能力”转向“体系效率”，并促使产业链上下游在芯片、平台、应用与服务交付层面形成更紧密协同。
阿里巴巴的AI战略不仅是一次技术升级，更是其对未来数字经济格局的前瞻性布局。在全球科技竞争日益激烈的今天，中国企业如何通过技术创新与商业化实践赢得先机，将成为观察数字经济发展的重要窗口。阿里的探索或将为行业提供宝贵经验，同时也需在快速变化的市场中持续调整步伐。