AI三部曲之二：阿里，AI“無冕之王”的重估敘事

昨日晚間，阿里巴巴集團公布新季度業績，阿里云收入同比增長18%，達到301.27億元，創下三年來的最快增速。其中最值得關注的一組數據是：AI相關產品收入連續第七個季度保持三位數的同比增長。

從我個人的角度，我更傾向于以AI公司的模式重估阿里的價值，因為它具有頭部AI公司典型的“五力要素”，即分別具有：

——基礎大模型的研發能力和研發團隊

——反復拉鋸戰中抹平代差的高韌性

——億級日活的toC應用作為試驗場

——世界級領先的生態

——面向產業界的廣泛落地

在我們考察的頭部AI公司中，阿里不僅“五力”俱全，而且幾乎都是長板，再加上極其具有規模效應和成本優勢的云基礎設施，我們似乎可以看到，“云+AI”的滾雪球式增長，將進一步推高“AI敘事”帶來的價值重估，與未來更高的發展天花板。

——導語

01

無冕之王

評價一個企業的大模型競爭力，除了跑分屠榜以外，還應該看看它在實際中的市場影響力。

一組數據是，自2023年8月開源以來，通義千問的衍生模型數量已突破10萬大關，將Meta的Llama系列遠遠甩在身后。而Qwen2.5-1.5B-Instruct模型更是達到26.6%的全球下載量占比，第二名LLama 3.1-8B僅占比6.44%。

另一組數據則是，截至2025年4月，阿里通義已開源200余個模型，全球下載量超過3億次。

這不僅是數字意義上的優勝，某種程度來講，這組數據更能說明阿里的AI業務已經在某種意義上成為全球AI的“無冕之王”。

這也從某種意義上證明，當年的開源選擇是非常正確的決定。在彼時，開源派和閉源派可謂各執一詞，討論哪種模式更有助于企業的發展。而以上這些數據也說明，這一爭議暫可告一段落。

在筆者看來，下載量和衍生模型數量，也可以看作另一種意義上的“市場占有率”，它可以反映某個模型得到市場認可、被二次開發和應用的實際情況。

大模型賽道仍在極早期，讓用戶“用起來”就贏在了起跑線上，這個樸素的道理誰都懂。但是，越是國際性、開放性的社區，就越依賴模型本身的特點和質量來贏得青睞，它很難采取類似于toC賽道的補貼、引流等策略，故而其反映出的規模和選擇傾向，也更接近于全球AI開發者的真實選擇。

并不是只有下游開發者才是通義的用戶，高端玩家同樣是——李飛飛團隊以千問Qwen2.5-32B-Instruct開源模型為底座，訓練出新模型s1，取得了與Open AI的o1和DeepSeek的R1等尖端推理模型數學及編碼能力相當的效果；DeepSeek官方曾透露，其將DeepSeek-R1的推理能力蒸餾 6個模型開源給社區，這當中4個模型是基于Qwen-32B蒸餾的模型；伯克利Tiny Zero及上海交大LIMO也都在通義系列模型底座基礎上激活其更強的推理性能。

在這個意義上，阿里不但是“無冕之王”，甚至在中美爭奪全球AI第一創新策源地的反復拉鋸中，極大的擴充了中國陣營的“站隊”比例，它更體現的是這種國運級別的PK中，中國力量的崛起。

02

高韌性，抹平代際差異

被吳國打敗后，勾踐臥薪嘗膽，暗中實施"十年生聚，十年教訓"計劃，不但主動引進強敵吳國的冶煉術以改良越國兵器，還推行"勸農桑"政策使國庫收入增長300%，最終于公元前473年滅吳，成為春秋最后一位霸主。

大模型賽道亦如是，我們在“頭部玩家”這一系列文章的“五力要素”中曾特別指出，大模型的競爭就是一個你追我趕，不斷接受失敗和總結創新的過程。它需要極高的韌性，在巨大的壓力下反復抹平代價差異，最終在一個二十年級別的賽道中取得終局勝利。

DeepSeek橫空出世的時候，曾經引發其它AI公司和相關概念股的大跌。于是，很多人就提出一個問題，如果一家百人規模的公司就可以搞出如此世界級的跨越式創新，那大廠們的巨額投資和龐大規模，是否意味著資源的錯配和極大的浪費？

對于大模型賽道來說，有兩種打法，平推式和跳躍式，DeepSeek就是典型的跳躍式，但跳躍式的出現是不可預估的。

說100來人的深度求索可以搞出劃時代的產品，進而推論大廠的路徑是高開銷、低效益的，這恰恰不正確。對于大廠來說，重要的不是搞出一兩款爆款模型（有當然更好），而是無論外部如何變化，一方面按自己的節奏推進，另一方面在業界前沿方向上進行研究和跟進，這是一個反復拉鋸的過程，最終比拼的是耐心和韌性。

最鮮明的一個案例是，深度求索在1月20日同步推出了R1系列模型，一時間譽滿天下；然后就在整整三個月之后的4月29日凌晨，阿里巴巴開源新一代通義千問模型Qwen3（簡稱千問3），參數量僅為DeepSeek-R1的1/3，成本大幅下降，性能全面超越R1、OpenAI-o1等全球頂尖模型，登頂全球最強開源模型。

什么叫抹平代際差異，這就是！如果要一定給出一個時限，那么應該是在90天以內。

比R1更進一步的是，千問3是國內首個“混合推理模型”，相當于把R1+V3融合在一起。千問3把“快思考”與“慢思考”集成進同一個模型，對簡單需求可低算力“秒回”答案，對復雜問題可多步驟“深度思考”，大大節省算力消耗。

在模型的整體性能方面，千問3更是“強到飛起”——在奧數水平的AIME25測評中，千問3斬獲81.5分，刷新開源紀錄；在考察代碼能力的LiveCodeBench評測中，千問3突破70分大關，表現甚至超過Grok3；在評估模型人類偏好對齊的ArenaHard測評中，千問3以95.6分超越OpenAI-o1及DeepSeek-R1。

這個成果浸透了阿里AI工程師們的汗水，但究其根本，之所以能夠迎頭趕上，是“五力要素”中的另一個能力——端到端的基礎大模型研發能力。

一個幾乎可以稱為定理的觀點是——企業的AI全棧能力最終決定響應速度，以千問3為例，因為擁有底層研發能力，可以沒有限制條件的自主進行優化模型架構、訓練策略和推理效率。

這種底層能力甚至要滲透到硬件層，通過軟硬一體全棧優化，阿里云打造出一套全新的穩定高效的AI Infra，連續訓練有效時長大于99%，模型算力利用率提升20%以上——同時也印證了一個道理——越有規模的企業并非越肆無忌憚的燒錢，而是利用規模優勢做到更省。

前面我們提到了跳躍式進步，但大廠更多的是采取平推模式——不刻意追求單點突破，而是發揮規模優勢和超級韌性，按照“你打你的，我打我的”的邏輯來操作。

總而言之，底氣渾厚的大廠與做出跨越級創新的小廠，更多的是競合多于競爭。如果說R1打開了深度推理這扇門，那它堪比發明了汽車的本茨；而阿里在其中的作用類似福特，福特是真正意義上的汽車工業之父，他并沒有推翻本茨的優勢，但洞察了本茨的劣勢。并利用自己的流水線模式，將汽車的成本降到了一個非常低的水平，同時大幅度的提升了可靠性，最終成就了“每個人都買得起，用得起”的汽車產業之王。

回望千問3，其技術突破、成本優勢、生態勢能共同構成"馬拉松式競爭"的三重推力，正如阿里CTO周靖人所言："大模型不是算法單點突破，而是從芯片到框架的全棧戰爭”。

03

億級應用，頂級玩家的標配

之前我們曾反復談到過，一個頭部玩家至少得有一個億級用戶規模的APP作為自家AI能力的試驗場，阿里亦然。但有所不同的是，阿里不但在自己的主流業務場景如淘寶、釘釘中融入AI能力，更創造了依靠AI加持，創下最快打造全新億級應用的記錄之一。

作為一個長期觀察搜索行業的業者，夸克在最初問世的時候，并沒有得到我的太多看好。原因也很簡單，谷歌、百度所代表的第三代基于超鏈分析的搜索已經非常成熟，市場集中度也非常高。搜索這個行業有個特點，就是在沒有發生代際更替的情況下，后發者很難趕上領跑者。

除了在第三代搜索技術的框架內創新點已經不多之外，成本也是重要的考量——“全面”是衡量搜索引擎的核心指標，但“全面”也意味著需要向前追溯很多年，建立相應的索引庫。但這件事對后發者是一件很難算過來賬的事情——越是早期的索引，其被檢索的概率就越低，而如果從當下做起往前去索引，其邊際成本就會無限高，而效果則相當低。

但如果不做，又意味著在全面、相關度體驗上很難超過頭部搜索企業，這也是為何搜索行業的格局很難變動的原因——故此，當夸克問世時，我并不太看好這個產品。

但是在今年我開始對夸克刮目相看，今年1月15日，夸克升級品牌Slogan—“2億人的AI全能助手”，亮出加速探索AI To C應用的全新業務態勢，第三方數據顯示，夸克用戶規模持續保持高速增長，并領跑AI應用賽道，其中00后年輕用戶占比超過一半。

如果單獨PK搜索體驗，夸克仍很難說就“超越”了傳統搜索。但令人稱許的是，夸克也沒有停留在這一階段，而是依賴AI的加持，走了一條差異化搜索的路徑——夸克具備多模態和深度思考能力，不僅能處理簡單的搜索任務，個性化指令也能輕松拿捏。

同時，在處理用戶指令的過程中，隨著“深度搜索”這樣的差異化功能的上線，可以更為精準的從語義層面辨識用戶的問題，實現了從“理解問了什么”到“理解并判斷應該給用戶什么樣的答案”的飛躍；而在提供答案的過程中，夸克的深度搜索，也從“懂得要搜什么”、“懂得去哪里搜”和“懂得該怎么搜”。

這種與傳統搜索“非對抗式競爭”的方法，讓夸克得到了前所未有的增長，而其背后正是千問的不斷進化——如我們前面提到的快思考和慢思考、優化調用算力、提升回復效率等，依靠的已經不完全是大力出奇跡，而真正意義上是一種體系性的演化。

和很多大廠“魔改”自己的經典產品相比，夸克從一個嘗試性的業務，被明確為其成為阿里的AI旗級業務，真正發生質變的時間就在這一年甚至半年內。除了阿里在云服務、基礎模型能力上有深厚的積累以外，我覺得阿里的一個思路是非常正確的，那就是給夸克定義為“讓用戶用最低的成本接觸到AI的魅力”的toC導向。

在ChatGPT代表的生成式AI的能力逐漸成為行業主流后，大量的企業都試圖讓用戶感受到大模型的魅力，但觀察其產品路徑，要么是無感的集成在原有的億級應用中，用穩步滲透的方式改善用戶體驗，要么直接做成對話式的APP，給用戶提供直接和模型對話的機會。

但從產品角度來講，前者不容易被感知；后者的門檻則較高——除了重度知識工作者，一般用戶打開這類應用的頻次偏低……而夸克的聰明之處就在于，它“改良”了一個超高頻應用——搜索，又針對的全都是傳統搜索核心能力區之外的價值增量，這樣在用戶感知和用戶活躍度上都有保證，這充分說明了阿里對于“AI就是要讓用戶去用”有深入的認知。

目前來看，阿里擁有的億級日活產品可能是大廠里最多的，除了夸克還有釘釘、淘寶、通義等，這在大廠中也算是優勢明顯。

04

在產業化方向上做工

一個新的觀察維度日益受到重視，那就是大模型在產業端的應用和落地情況。

幾乎所有頭部玩家都在這樣幾個方向上發力——代碼、內容生成和智能體。

但千問3的打法不僅于此。

首先，千問善用、用足自己了的資源優勢，以千問3為例，它同步推出的矩陣包含2款30B、235B的MoE模型，以及0.6B、1.7B、4B、8B、14B、32B等6款密集模型，每款模型均斬獲同尺寸開源模型SOTA（最佳性能）。

這樣的好處，是快速鋪開應用面，如4B模型是手機端的絕佳尺寸；8B可在電腦和汽車端側絲滑部署應用；32B最受企業大規模部署歡迎，有條件的開發者也可輕松上手……這種能力則非創業企業可以具備。

借助于不同尺寸的模型矩陣，千問3對手機、智能眼鏡、智能駕駛、人形機器人等智能設備和場景的部署更為友好，所有企業都可免費下載和商用千問3系列模型，將大大加速AI大模型在終端上的應用落地。

當然，尺寸僅僅解決了部署問題，讓應用跑起來的核心要素是成本——千問3在部署成本不到DeepSeek R1四成的情況下，性能全面超越國內領先模型。

而隨著進一步拉低模型普及成本，高性能、高性價比的模型將加速中國AI應用的寒武紀大爆發。

當然，僅有推理模型是不夠的，許多智能體以工具的形態出現，而有數據估算，一款百萬級DAU的AI產品，倘若Agent化，消耗的tokens要翻30萬倍。

對此， 千問3 在工具調用能力（function call）方面表現出色，在伯克利函數調用BFCL評測榜中，千問3創下70.76的新高，將大幅降低Agent調用工具的門檻。

在國際權威研究機構Omdia發布的《2025年度中國商用大模型》廠商評估報告中，阿里第二年獲評領導者，通義大模型性能及商用能力蟬聯中國第一。

各行各業正在加速接入通義系列大模型。近期，寶馬宣布基于通義系列模型聯合開發AI引擎，應用于中國市場的寶馬新世代系列車型。目前，通義大模型已經服務了OPPO、vivo、榮耀、小鵬、蔚來、極氪、建行、招行、中國人壽、海爾、美的、創維、微博、攜程、國家電網、數字重慶、中國科學院等大型企業和機構。

通義靈碼成為中國最受歡迎的AI編程助手。目前，通義靈碼插件下載量超1500萬，累計生成超30億行代碼，服務上萬家企業。

結語

一分耕耘 一分收獲

多年以前，在云計算還是一個概念的時候，阿里就開始探索這一領域，期間遭遇過無數的挫折，但最終成為了亞太地區最頂尖的云計算服務商。

這也是第二代互聯網巨頭中，目前唯一一個穩定形成toC和toB雙引擎驅動的企業。

當人們知道云計算是AI的搖籃和抓手的時候，阿里云已經在賽道上遙遙領先。

阿里的“無冕之王”地位不是輕易得到的，阿里云AI是目前中國互聯網公司里，在 AI 上投入最堅決、布局最全的。未來 3 年在 AI 上的 3800 億資本開支史無前例，從基礎設施、大模型、應用上都有完整布局，且阿里云和通義大模型家族都位列全球第一梯隊。

我們不得不深思，如今的阿里，到底是一家互聯網電商公司，還是一家AI企業？