阿里AI迎来兑现时刻

美东时间5月13日，阿里巴巴公布了2026财年第四季度（即2026年第一季度）的业绩。财报发布当日，其美股股价应声大涨，全天涨幅达到8.18%，市场反应积极。

敏锐的投资者已经察觉到，阿里的叙事逻辑正在发生深刻变化。这一点在当天的财报电话会上表现得尤为明显：分析师们提问的焦点，几乎全部集中在模型、MaaS（模型即服务）和芯片上。

而阿里CEO吴泳铭反复强调的核心战略，只有一个——“全栈AI”。

对于其他公司而言，这可能只是一个技术概念，但对阿里来说，这更像是一场战略宣誓。它意味着从底层的芯片、到中层的模型与平台、再到上层的应用，阿里决心在AI价值链的每一个关键环节都完成自主布局。

过去两年，这种全栈式的重投入，客观上形成了一个巨大的“成本黑洞”。这与物理学中的黑洞有些类似：在外部观察者，尤其是投资者看来，穿越黑洞是一场充满不确定性的“无限游戏”。他们认可领航者或许天命如此，但耐心正在被持续消耗。

然而，资本市场的指标如同史瓦西坐标，终究是数学结果。无论是天体还是企业，穿越事件视界（黑洞边缘）的过程虽然艰难，但总会在有限时间内抵达奇点。

种种迹象表明，这个有限时间的节点，可能就是现在。因为关键的信号灯已经亮起。

在本季度财报中，阿里首次披露，包括MaaS在内的AI模型与应用服务的年化经常性收入（ARR）已突破80亿元软妹币，预计很快将跨越百亿门槛，并在今年底达到300亿元。

这标志着，AI对阿里而言，不再只是一个关于未来的“故事”，它正在迅速转化为财报上清晰可见的收入。用管理层的话说：“阿里全栈AI技术投入已正式跨越初期培育阶段，进入正向的规模商业化回报周期。”

这是一个至关重要的拐点。它既是阿里自身增长引擎切换的转折，也暗合了中国乃至全球经济向AI转型的宏观脉搏。

回顾1999年，阿里在杭州湖畔花园创立之时，中国刚刚结束加入世贸组织（WTO）最关键的一轮谈判。那一年，中国外贸进出口总额3.6万亿元，制造业增加值占GDP比重约35%，“世界工厂”的轮廓初显。但工厂需要渠道，商品需要流通，数以百万计的中小企业空有产能，却难以触及全国乃至全球市场。

阿里做了一件开创性的事：用互联网这根“网线”，将中国的工厂与全球的买家连接起来。从1688到淘宝，再到速卖通，阿里本质上构建了一套“商品经济”的基础设施，让商品的流动更快、更远、更高效。

二十五年后的今天，阿里正在做一件逻辑相似但维度全新的事：它试图用AI技术，将中国的智力与算力转化为一种新的、可流通、可定价、可交易的经济要素。我们或许可以称之为“Token经济”。

这意味着，阿里正从“商品交易平台”向“Token经济基础设施”转型。如果说1999年的阿里抓住了中国制造业崛起的红利，那么2026年的阿里，瞄准的则是中国智力经济崛起的下一个时代机遇。

“没有一张卡是闲置的”

要理解这个拐点的分量，需要先看几组关键数据。

财报显示，2025年阿里云在中国市场继续保持领先，份额显著提升至32.8%。本季度，云智能集团的外部商业化收入同比增长加速至40%，这一增速在全球主要云厂商中处于领先位置——同期亚马逊AWS增速约28%，微软Azure约39-40%。

然而，真正让资本市场确认“拐点叙事”的，是AI的贡献度。除了首次披露AI模型与应用的ARR数据，当季阿里云AI相关产品收入达89.71亿元，连续第十一个季度实现三位数同比增长。AI在云外部收入中的占比已突破30%，它不再是云的“增长贡献者之一”，而是名副其实的“增长主引擎”。

这个引擎还在持续加速。吴泳铭在电话会上给出了更具野心的指引：预计未来一年内，AI相关产品收入占比将突破50%。

若此目标实现，阿里云的收入结构将完成从“以计算存储为主”到“以AI驱动为主”的历史性转型。

一个值得玩味的细节是阿里选择在此刻披露AI模型与应用的ARR数据。全球科技公司的通行惯例是，当一项新业务开始贡献稳定、可预测的经常性收入时，才会将其作为独立指标拆解公布。这个动作本身，就被市场普遍解读为商业化步入成熟阶段的明确信号。

传统IaaS业务销售的是算力资源，如虚拟机、存储和带宽，本质是数字化的“水电煤”，按硬件资源的占用时间计费。而MaaS销售的是模型服务能力，企业无需自行部署和调优模型，通过调用API即可获得智能推理结果，其计费单位是消耗的Token。

Token的定价取决于模型服务能力的强弱，企业愿意为最终效果付费。这种商业模式具备显著的规模效应，利润率也通常更高。同样一台服务器，通过MaaS平台“百炼”所能创造的营收和毛利水平，远高于传统云计算提供的单纯算力租赁。

MaaS收入主要来自API调用和订阅服务。今年3月，百炼平台上的客户数量同比增长了八倍。吴泳铭透露，目前阿里MaaS的ARR已达80亿元，预计在本财年第二季度（即6月季度）实现100亿元，其中大部分收入来自调用自研千问大模型API的外部客户。

电话会上，管理层更是展望年底ARR将超过300亿元，并补充道“应该说会比年底更早超过300亿”。

以此测算，MaaS业务有望成为继淘天电商之后，阿里估值体系中的一个新锚点，也是AI时代“Token经济”的直观体现。

吴泳铭用一个朴素的逻辑阐述了Token经济的核心原理：“只要帮助客户完成的工作任务，在企业内部创造的价值大于Token的成本，那么对API Token的需求就将是无限的。”

需求之旺盛，以至于吴泳铭表示：“无论是云IaaS的商业化服务，还是通过MaaS平台以及AI原生软件创造更多模型之上的营收，我们几乎在服务期内没有一张（算力）卡是闲置的。客户的需求无法完全满足，排队的还很多。”

全栈AI的两大核心优势：时间与成本

国际数据公司（IDC）预计，到2031年全球云AI市场规模将达5730亿美元，复合年增长率超过32%。另据估算，全球九大云厂商2026年在AI领域的资本开支合计将高达约8300亿美元。每一家都在用真金白银确认，AI是未来十年最确定的投资方向。

当前，中国企业的AI渗透率远低于美国，但大量传统行业的智能化改造需求正在释放，这与十几年前的数字化浪潮颇为相似。当政策持续推动、供给侧能力快速提升、需求端使用成本持续下降这三个条件同时具备时，规模化普及往往会发生得比预期更快。

Token经济正在迅速成型，这已是行业共识。真正的分歧在于企业自身的选择：如何定位，并为此匹配相应的战略与商业模式。至于阿里，它的选择清晰而坚定——成为Token经济的核心基础设施提供商。

今年3月，阿里成立“Alibaba Token Hub”事业群，旨在强化模型、MaaS与AI应用之间的战略协同。这个命名为“Token Hub”（令牌枢纽）的组织本身，就意味深长地揭示了阿里的野心：构建Token经济的核心交换枢纽。

事实上，为建造这座经济枢纽，阿里已打下多年地基。早在2008年9月，阿里便确立了云计算与大数据战略，五年后阿里云成为中国首家拥有完整云计算能力的平台；2018年组建平头哥半导体公司，三年后发布自研云芯片倚天710；2019年大模型项目立项，四年后正式发布，同年MaaS平台“百炼”上线，将模型能力封装为标准化服务。

至此，从芯片（平头哥自研GPU已规模化量产，累计交付47万片）到云平台（中国最大的AI云服务商，份额32.8%），从模型（千问系列模型全球领先）到应用（B端的“悟空”、C端的“千问App”），阿里新的Token生态覆盖了AI全链路，构造了一个“全栈AI”的增长飞轮。

目前，千问系列模型在推理和编程能力上已跻身全球第一梯队。在多模态领域，其视觉理解、文生图、视频生成等模型矩阵也已初见成果。“百炼”平台则已成为中国最大的AI应用开发入口之一，大量中小企业和传统行业客户正通过它完成“AI化”转型。

在应用层面，阿里在办公、编程、电商等领域推出了多个企业级智能体产品，消费端的千问App也在全面整合电商能力，试图打通“AI+消费”的闭环。

模型能力的提升吸引更多开发者进入平台，平台生态的繁荣孵化出更丰富的应用场景，应用场景中沉淀的数据又反过来哺育模型迭代。基于全栈布局，模型、平台、应用三层之间的飞轮效应正在加速转动。一旦每一层的转速超过临界点，它们将相互放大动能，形成强大的协同网络效应。

全栈布局还为阿里带来了两大关键的成本优势：时间成本和财务成本。

自研芯片的最大价值，不仅在于节省采购费用，更在于摆脱了外部供货周期的束缚。自2022年底生成式AI爆发以来，高端GPU长期供不应求。而阿里平头哥自研的“真武”PPU推理芯片在2023年即完成研发并开始规模化量产，上个季度披露已量产47万片。当竞争对手还在为构建算力矩阵而奔走时，阿里已有超过60%的平头哥芯片服务于外部商业化客户。

时至今日，大模型在理论层面已无秘密，但在工程实现上却充满了“技术诀窍”（know-how）的鸿沟，需要在“研发-部署-使用-反馈-优化”的循环中不断迭代打磨。在这个过程中，时间成本往往是最大的成本。

千问模型之所以能跻身第一梯队，正是得益于其全年无休的线上运行、持续积累的海量用户反馈，以及全链路自主可控带来的极低试错成本。在这条赛道上，先行者的每一天都在积累后来者难以跳跃式跨越的经验密度。

全栈布局还让阿里实现了内部消化多层级的中间成本。在模型层，千问系列模型运行在自研芯片和自建云平台之上，省去了对外采购算力服务的加价部分。阿里云作为中国最大的公有云，其32.8%的市场份额带来了巨大的资源复用和调度效率，进一步摊薄了单位算力成本。

阿里CFO徐宏明确表示，平头哥自研芯片已在AI推理中实现规模化应用，“带来显著的成本效益”。这使得阿里在模型服务的商业报价上获得了更大的弹性，既能以更具竞争力的价格吸引海量开发者，又能在MaaS服务中维持较高的毛利率。

横向比较来看，谷歌虽有自研模型Gemini和自研芯片TPU，但其云生态相对封闭；亚马逊虽有自研芯片，但其自研模型性能尚存不足；微软则既无自研模型也无自研芯片，其传统的SaaS业务还正受到MaaS模式的冲击。

巨额的早期投入，让阿里既构建了新的增长飞轮，也挖出了一道又宽又深的护城河。任何竞争对手想要追赶，都必须补上同样庞大的资本投入以及更长的研发时间。

重新定义阿里

全球AI产业正同步进入商业化收获期。IDC预计，到2031年全球云AI市场规模将达到5730亿美元，AI云服务正成为继IaaS之后最大的云收入品类。这是一个刚刚起跑的万亿级赛道。

更关键的趋势在于Agentic AI（智能体AI）的落地。企业AI应用正从“单次调用”进化到“持续运行”——智能体可以自主规划任务、调用工具、循环执行，不再只是被动的问答机器。

这种范式升级意味着底层模型的Token消耗量将呈指数级跃升，而每一次消耗，对云厂商而言都是实实在在的收入。

在供给端，行业共识已然形成。全球九大云厂商2026年预计8300亿美元的AI资本开支，就是最有力的证明。每一家都在用真金白银投票，押注AI基础设施是未来十年最确定的投资方向。这种集体性的基础设施投入，将在未来几年转化为服务能力的提升和成本的下降，进一步加速AI应用的普及。

当前，中国企业的AI渗透率远低于美国，但这差距，也正是未来的增长空间。作为中国最大的公有云平台，阿里云正站在一个巨大的结构性迁移机会面前。当大量企业从“观望AI”转向“必须用AI”时，阿里云的客户池和收入池都将迎来系统性的扩容。

最直接的意义在于，阿里的增长引擎正在切换。电商业务仍是其绝对的基本盘，但随着社会零售总额增速趋于平稳，这份财报给出了一个明确的指引：未来一年，AI收入占比将突破50%。AI正在成为驱动增长的主要引擎。

尤其是MaaS业务的商业模式与传统SaaS有着本质不同：按Token计费的模型服务，其边际成本随规模扩大而持续递减，理论上利润率会越跑越高。

吴泳铭在电话会上反复强调MaaS业务的利润率优势，这背后是一个结构性的逻辑。当AI服务的规模突破某个临界点，利润率的改善将不是线性的，而是加速的。这对于长期被高昂资本开支拖累利润的云业务而言，是一个根本性的改善信号。

另一个容易被忽视的价值是生态协同。AI能力正在全面反哺阿里体系内的其他业务：电商的智能推荐和AI客服、本地生活的智能调度、国际业务的跨语言AI服务……这些场景既是AI的“应用试验场”，也是AI模型的“高质量数据源”。

当一个商业体系内同时拥有强大的AI基础设施和丰富的应用场景时，就会形成“AI投入—效率提升—数据反哺—模型迭代—更强的AI能力—更广的场景渗透”的集团级飞轮。这种飞轮一旦跑通，其构筑的护城河深度将远超任何单一业务线。

最终，这一切将指向阿里集团价值的根本性重估。过去，市场对阿里的估值逻辑根植于“电商平台”这一坐标。但当“AI+云”成为增长主引擎，当阿里完成从“互联网平台公司”到“AI基础设施公司”的身份转型，其估值坐标系也必须随之重置。

管理层对此显然有清醒的认知。从“全栈AI”的战略表述，到本次财报首次披露AI年化收入这一动作本身，都在向市场传递一个清晰的信号：阿里正在重新定义自己。

从更宏观的视角看，阿里正站在一个历史性的交汇点上：全球AI产业集体迈入商业化兑现期，而阿里凭借提前数年的全栈布局和持续投入，已经占据了有利身位。

1999年的阿里，所做的是让“商品”在平台上自由流通。它建立了一套包含支付、物流、信用在内的商业基础设施，让中国的制造业产能找到了市场出口，也让自己成为了全球最大的商品交易平台。

2026年的阿里，所做的是让“Token”在平台上被定价、被交易、被消耗。它正在建立一套包含算力供给、模型能力、应用生态在内的AI基础设施，让中国的智力资源找到了规模化变&现的通道，而它自己，也正在成为全球最重要的Token经济基础设施之一。

这两次阿里与时代的共振，背后的经济逻辑一脉相承。中国经济的第一次腾飞依靠制造业，阿里做的是让制成品更高效地流通。中国经济的第二次升级依靠创新与技术，阿里做的是让智力更规模化地供给。

正如吴泳铭在电话会上所言：“阿里AI已正式跨越初期投入阶段，进入商业化回报周期。”拐点已至，新的故事刚刚开始。