导读：10 年磨一剑。

李彦丨作者

薛向丨编辑

壹览商业丨出品

阿里巴巴最新财报出来了，" 血条 " 依然很厚。

2026 财年第二季度，阿里巴巴实现营收   2478   亿元人民币，同比增长   5%；经调整净利润   464.7   亿元，整体经营保持稳定。

分板块来看，本季度中国电商事业集团实现营收 1325.8   亿元；其中核心零售业务收入   1029.33   亿元，同比增长   9%。客户管理收入（CMR）达到   789.27   亿元，同比增长   10%。外卖大战确实拉动了即时零售业务增长，收入同比提升   60%，带动订单规模和用户留存改善。

尤为引人注目的是云计算业务——云智能集团当季收入达到 398.24 亿元，同比大增 34%，成为所有板块中增速最高的业务。

曾几何时，阿里云是阿里体系里 " 最烧钱 " 的部门：连续十年亏损，烧掉万亿资金。但当 AI 浪潮汹涌而至，阿里云又成了支撑集团战略转型的最大底座。

  1

  当年都看不起的崽

在时间里挺过亏损，在亏损中换到时间——这套铁律在中美两家最大的电商体系中都成立，但走向却完全不同。

2006 年底，全球最大电商亚马逊在解决了管理超大型数据中心和复杂软件系统的问题之后，开始酝酿将这些能力和经验输出。AWS（Amazon Web Services）应运而生。

随后的十年里，AWS   从内部工具成长为亚马逊最重要的利润引擎。自   2015   年起，它的运营利润长期占到亚马逊整体的一半以上，让这家公司在零售毛利偏低、物流成本沉重的情况下仍能持续扩张。

但在中国，这套模式却反了过来。亚马逊用云反哺电商，而阿里巴巴则在十余年间用电商的利润反哺云计算。

2009 年，时任阿里巴巴   CTO   王坚正式创立阿里云，其对标亚马逊的   AWS，卖最基础的计算资源（IaaS），并自研底层技术（如飞天）。一年后，在中国 IT 领袖峰会上，阿里巴巴创始人马云这样评价这项业务，" 如果我们不做云计算，将来会死掉。"

为什么？

第一，电商流量的增长速度远超传统架构的承载能力。2009   年淘宝年交易额刚破   2000   亿，用户与商品数量呈指数级增长，但背后的架构仍主要依赖   IOE（IBM   小型机、Oracle   数据库、EMC   存储）。这种传统架构不具备弹性扩容能力，一旦遇到高峰就只能 " 硬扛 "。2009   年、2010   年连续两年的双   11，系统都被冲击到濒临崩溃。

第二，传统 IT   架构成本极高，却无法支持未来规模。那几年，阿里每扩一倍流量、就要扩一倍硬件；每扩一倍商品，就要扩一倍数据库。钱花得极快，但系统性能并不会成倍提升。

对一个 GMV   增速常年超过   70%   的公司来说，这意味着：不改造底层架构，电商业务会被自己的规模拖垮。

第三，电商不是阿里的终点，支付、物流、本地生活都需要同一套底座。如果没有分布式计算，没有云化底座，支付宝无法支撑亿级交易、菜鸟无法做智能路由、淘系无法实时推荐。云计算是阿里未来所有业务的地基。

于是，阿里云开启了长达十余年的亏损之路。

2021 年底：成立 11 年的阿里云终于首次实现季度盈利。这一年，阿里云的收入规模已突破   600   亿，客户结构也不再仅依赖淘系，金融、政务、制造、物流等领域的大规模上云，让云业务拥有稳定可持续的外部需求。数据库、存储、数据中台等高毛利产品成熟落地，多重条件叠加，使阿里云首次跨过盈亏临界点。

盈利的喜悦并没有陪伴阿里云太久。从 2021 年开始，阿里云的增长速度开始放缓，从 2018 财年的 101% 大幅下降至 2023 财年的 3.53%，2023 财年 Q4 甚至出现了负增长。

一方面，中国公有云市场在经历了上一轮 " 互联网业务全面上云 " 的红利期后，互联网客户需求趋于饱和；另一方面，阿里云主动调整收入结构，压缩毛利率较低的项目制与定制化业务，转向更标准化、更具规模效应的公共云产品。

在这一时期，起步虽迟，但也蛰伏的足够久的同行们开始快速发展，阿里云在国内云计算市场的份额逐步被火山引擎等竞争对手侵蚀，行业竞争加剧，也拉高了整体市场的价格敏感度。

直到 AI 时刻来临，中国的云计算市场再次迎来巨大机会。

  2

  AI 的转折点

2022 年，ChatGPT   横空出世，把生成式   AI   从实验室推向了大众视野，也把全球云计算行业推入了全新周期。

好在阿里云已在深度学习基础设施上投入多年：2014   年推出   PAI   平台降低算法开发门槛；2017   年的   PAI 2.0   兼容主流框架；在   PLUG、M6   等早期模型中积累了多模态和大规模预训练经验。因此，当大模型时代到来时，它得以及时响应。

2023   年   4   月，阿里发布自研大模型通义千问；同年   8   月开源   7B、14B   系列，10   月在云栖大会亮相千亿级别的通义千问   2.0，在多项评测中追平甚至逼近国际领先模型。

2023 — 2024   年，中国正式进入 " 大模型百模大战 " 周期：百度的文心一言、腾讯的混元、华为的盘古、科大讯飞的星火等厂商相继推出自研大模型，互联网公司、科研机构和硬件厂商纷纷入局。

大量模型的出现，一方面提升了行业对算力、训练工具链和推理成本的敏感度，推动企业加速评估 " 上云训练 " 与 " 云上推理 " 的可行性；另一方面也使得大模型从实验阶段进入密集应用期，企业开始真正将   AI   作为业务系统的一部分来构建。竞争的加剧反而使需求外溢：企业倾向选择拥有稳定算力、成熟工具链与较低综合使用成本的云厂商，以便在快速变化的模型周期中保持可控性。

2024 年底，DeepSeek 以   GPT-4o 二十分之一的训练成本训练出了在多项基准测试和世界顶尖闭源模型不分伯仲的 DeepSeekV3，彻底搅动了中国算力价格体系，进一步加速了行业对 "AI   云成本结构 " 的关注。

面对外部压力，阿里云下调了多款模型的调用价格，最高降幅达 97%。价格战只是表象，深层逻辑是：云服务的竞争走向比拼规模化分发能力、算力供给稳定性以及企业上云的综合成本。大模型从研发走向应用后，只有当   API   调用成本下降、训练与推理工具链成熟，企业才可能真正大规模采用   AI   服务。

阿里云还在持续补齐生态侧能力：一方面通过魔搭社区吸引模型开发者与第三方开源模型，另一方面通过 PAI- 灵骏和灵积平台，为企业提供训练、推理、微调、部署和评测的一站式工具链，使开发者可以在统一平台中完成大模型从实验到上线的全过程。

在模型侧，阿里云则持续扩张多模态能力，推出通义听悟（语音）、通义万相（图像生成）等工具，覆盖文本、图像、语音、视频的 AI   组成能力；在应用侧，一条面向   C   端、一条面向   B   端同时铺开。

2025   年初，阿里将夸克升级为 "AI   超级入口 "，希望在中国市场率先抢占原生使用场景；就在最近，阿里还推出千问 APP，全面对标 Chatgpt。

企业侧，钉钉在 2023   年引入大模型能力，上线会议纪要生成、文档生成、识别分析等能力，并开放插件体系。阿里云还向各行各业提供模型 API 服务。例如，今年上半年，NVIDIA、Arm、AMD、联发科技等多家头部芯片厂商成功适配 Qwen3，满足移动终端和数据中心场景的 AI 推理需求；华为官方也宣布昇腾支持 Qwen3 全系列模型部署，等等。

这些动作共同构成了阿里云在 " 技术—模型—平台—生态 " 四层结构的补全。

从结果看，AI 革命为云计算业务注入了前所未有的生机。加上最新财季，阿里云 AI 相关产品收入已连续九个季度实现三位数增长，非阿里系客户收入占比持续提升，AI   推动的算力需求正在明显改变阿里云的收入结构。

  3

未来的阿里云，面对的确定与不确定

" 之前提出的 3800 亿数字可能偏小了。"

即将步入 2026 年，阿里管理层明确了未来对阿里云的坚定投入。最新财报会上，吴泳铭表示将继续加强全栈 AI 能力，涵盖高性能 AI 基础设施、基础模型和 AI 开发框架。并提到，此前披露的 3800 亿资本开支投资是一个为期三年的规划数字。但从目前情况来说，阿里云服务器上架速度仍然远远跟不上客户订单的增长速度。在这种情况下，不排除会进一步增加投资。

过去工业时代的水电是基础设施，而未来数字智能时代，算力就是新的水电。一个共识是，算力芯片的供应增长是线性的，厂家无论怎么投产扩产，增加的速度都有极限，但 token 消耗却在指数级增长。尤其在今年，文升图、文生视频进入竞争主场，这两者的 token 消耗量远超文本类模型。对于头部客户来说，上云已不是 " 是否上 " 的问题，而是 " 能不能抢到资源 "。

这种 " 资源被抢购一空 " 的局面，构成了阿里云未来增长的第一重确定性：AI 对高质量云基础设施的需求，是长期存在的、且供不应求的。AI 模型训练和推理的任务日益复杂化，同样使得具备全栈能力、调度能力强的头部云厂商更具黏性。

第二层确定性来自于生态客户的示范效应。与财报一并披露的，还有阿里云的 " 数个大单 "：与万豪国际共建智能客服和个性化推荐系统；与惠普合作在 PC 端部署通义模型；为银联提供金融行业的模型底座；与欧莱雅中国联合推进 " 美妆科技 " 智能化转型。各垂直行业数字化程度领先的客户很容易在行业内形成示范，带动供应链或竞争圈的跟进。

但也需要看到，不确定性同样真实存在：

首先，是行业格局的不确定性。国内包括百度、华为、腾讯在内的科技公司均在发力 AI   云业务，而像   DeepSeek   这样的新势力也可能持续搅动供需结构。全球层面，微软、谷歌、亚马逊继续在芯片、模型、开发框架等多端投放资源。竞争不会停止，边界也在不断变化。

其次，是 AI 应用的真实落地速度。虽然趋势乐观，但 AI 要深度嵌入各行各业，仍需时间磨合。在金融、政务等行业，安全与合规的考量仍需克服；而对中小企业而言，API   成本与集成复杂度也是关键考量。这些都决定了   AI   云是一个被拉长的技术周期，需要企业服务能力与行业理解力持续跟进。

最后，AI   云属于重资产业务，需要不断建设数据中心、升级芯片、迭代平台，也需要人力资源密集支撑交付。这对阿里云提出新课题：如何在维持技术领先的同时控制节奏，让增长曲线不至于过早背负资本的疑虑。

END

推荐阅读