芯耀
347
团队中几个分析师都参加了今年的云栖大会，国庆期间开了两场内部分享会，同时我也看了云栖大会的大部分演讲材料和视频，一个很直观的感觉——阿里云的商业模式已经变了，曾经以“卖算力”为主的阿里云，如今已悄然转型为全栈人工智能服务商，这场变革远比我们想象的更为彻底。
——是为序
2025年云栖大会上，阿里云宣布在巴西、法国和荷兰首次设立云计算地域节点，并扩建墨西哥、日本、韩国、马来西亚和迪拜的数据中心。这是阿里云全球基础设施扩建计划的一部分，旨在满足全球客户日益增长的AI和云计算需求。
与此同时，阿里云发布了其万亿参数的旗舰模型Qwen3-Max及一系列AI模型，彰显了其在AI领域的雄心。
这些举措背后，是阿里云从传统云服务商向全栈AI服务商的根本性转型。
1、战略重构：从“卖算力”到“全栈AI服务”
阿里云的商业模式转型在2025财年年报中体现得淋漓尽致。阿里巴巴集团CEO吴泳铭明确表示，“用户为先、AI驱动”是集团的核心战略。在“AI驱动”战略指引下，阿里云不再满足于仅仅提供基础的云计算服务，而是要打造全球领先的AI模型，建设具备AI技术服务能力的云计算网络，用AI升级现有互联网业务，将“AI+云”塑造成阿里巴巴面向未来的新增长引擎。
这一战略已初见成效。2025财年，阿里云收入突破双位数增长，其中AI相关产品收入连续七个季度实现三位数同比增长。在2025财年第四季度，阿里云收入同比增长加速至18%，显示出强劲的增长势头，增速重新比肩国际三大云厂商（亚马逊AWS、微软Azure、谷歌云）。
在2025云栖大会上，吴泳铭首次明确了阿里云的两大战略路径：坚定开源开放的通义大模型路线，目标是打造“AI时代的安卓”；构建作为“下一代计算机”的超级AI云，为全球提供智能算力网络。
这两大战略彼此协同，构成了阿里云新商业模式的核心。开源模型吸引开发者生态，形成广泛的应用场景和调用需求，而超级AI云则为这种需求提供底层算力支撑。这种“模型+算力”的闭环，正是阿里云“全栈AI”能力的关键体现。
2、技术布局：全栈AI体系的三重突破
阿里云转型为全栈AI服务商的实力，源自其在技术层面的三重突破。
模型层的全面领先是阿里云的第一重突破。在2025年云栖大会上，阿里云发布了Qwen3全栈AI体系，七大模型同步升级。
旗舰模型Qwen3-Max以万亿参数规模和36T tokens的预训练数据，在多项性能测试中跻身全球前三。
Qwen3-Next则采用混合注意力机制与高稀疏度MoE结构，实现了参数效率的突破——80B总参数仅激活3B即可媲美235B模型，训练成本较Qwen3-32B下降90%。
开源生态的构建是阿里云的第二重突破。截至2025年4月，阿里通义已开源200余款模型，全球下载量超过3亿次。
到9月，这一数字更是刷新为300余个开源模型累计下载量突破6亿次，衍生模型达17万个，稳居全球第一。通过开源战略，阿里云正在构建全球最大的AI开发生态。
基础设施的全面升级是阿里云的第三重突破。阿里云宣布未来三年将投入超过3800亿元用于建设云和AI硬件基础设施。
2025年云栖大会现场，全面升级的阿里云AI基础设施重磅亮相，全面展示了阿里云从底层芯片、超节点服务器、高性能网络、分布式存储、智算集群到人工智能平台、模型训练推理服务的全栈AI技术能力。
在服务器层面，阿里云发布全新一代磐久128超节点AI服务器。新一代磐久超节点服务器由阿里云自主研发设计，具备高密度、高性能和高可用的核心优势，可高效支持多种AI芯片，单柜支持128个AI计算芯片，密度刷新业界纪录。磐久超节点集成阿里自研CIPU 2.0芯片和EIC/MOC高性能网卡，采用开放架构，扩展能力极强，可实现高达Pb/s级别Scale-Up带宽和百ns极低延迟，相对于传统架构，同等AI算力下推理性能还可提升50%。
在网络层面，阿里云新一代高性能网络HPN 8.0全新亮相。为应对大模型时代对海量数据传输的需求，HPN8.0采用训推一体化架构，存储网络带宽拉升至800Gbps，GPU互联网络带宽达到6.4Tbps，可支持单集群10万卡GPU高效互联，为万卡大集群提供高性能、确定性的云上基础网络，助力AI训推提效。
在存储层面，阿里云分布式存储面向AI需求全面升级。高性能并行文件存储CPFS单客户端吞吐提升至40GB/s， 可满足AI训练对快速读取数据的极致需求；表格存储Tablestore为Agent提供高性能记忆库和知识库；对象存储OSS推出 Vector Bucket，为向量数据提供高性价比的海量存储，相比自建开源向量数据库，成本骤降95%，结合OSS MetaQuery 语义检索和内容感知能力，可快速构建RAG等AI应用。
在AI智算集群层面，智能计算灵骏集群通过多级亲和性与拓扑感知调度设计，基于HPN 网络支持10万卡稳定互联，多级可扩展的架构让每张卡间互联路径更短、带宽更优。灵骏集群面向任务的稳定性设计、故障分钟级恢复能力，有效提高了模型训练任务的集群稳定性。
3、开源模型：技术影响力与生态号召力
阿里云将通义大模型定位为开源模型，与Meta的Llama形成对标。截至2025年9月，通义系列开源模型超过300个，全球下载量突破6亿次，衍生模型数量达到17万个，接入客户超100万。这一数据表明，通义已成为全球开发者社群中的重要力量。
更值得关注的是，亚马逊AWS在其模型平台Bedrock上架了阿里的Qwen3系列模型。这一举动具有标志性意义——云计算厂商通常主推自家模型，很少主动引入竞争对手的模型。亚马逊AWS打破惯例，恰恰证明了通义模型的技术实力和生态价值。
在国际开放平台LMArena的测试中，通义模型性能位居全球第三；在中国市场，2025年上半年企业级大模型日均调用量占比17.7%，位居首位。这些市场表现说明，开源策略不仅没有削弱阿里云的技术竞争力，反而通过广泛的开发者采用巩固了其行业地位。
4、超级AI云：下一代计算基础设施?
吴泳铭提出的另一个重要判断是：“超级AI云是下一代的计算机”。这一判断基于对AI算力需求的深刻洞察。
Token消耗量正以惊人速度增长——据国家数据局2024年8月数据，中国日均Token消耗量从2024年初的1000亿增长到2025年6月的30万亿，一年半时间增长300多倍。
面对这一趋势，阿里宣布未来三年投入3800亿元建设AI基础设施，超过去十年总和。近一年（2024年三季度-2025年二季度）资本支出达1200亿元，同比增长227%，增速远超国际同行。据披露，到2032年，阿里云全球数据中心能耗规模将比2022年提升10倍，预计达到20GW-30GW。
这种投入规模背后是对未来算力竞争的前瞻判断。全球科技巨头的算力竞赛正朝着10GW、100万卡集群的方向发展，阿里云以十倍规模扩建算力基础设施，旨在抢占未来5-6个超级云计算平台之一的席位。
5、全栈AI：阿里云的差异化优势?
阿里云与中国乃至全球其他云厂商的一个重要战略差异在于“全栈AI”能力，即覆盖芯片、算力、模型、应用等各个技术栈的能力。 从技术架构看，阿里云的“全栈AI”包括：IaaS层的GPU资源和自研AI芯片；PaaS层的智算服务PAI-灵骏、PAI-EAS推理服务；MaaS层的Qwen系列大模型、百炼模型开发平台；以及应用层的通义灵码、Qcoder、瓴瓴羊等工具。
这种全栈能力满足了客户的多样化需求。根据阿里云高管的介绍，企业使用Token至少有三种方式：通过MaaS服务平台API调用、在公共云上在线部署(On-premise)、在客户线下环境或私有云中部署(Off-premise)。阿里云能为不同类型客户提供不同方案，覆盖了更广泛的市场。
IDC的2025年多份报告显示，阿里云在中国AI云市场的多个细分领域位居首位，包括智算基础设施、生成式AI基础设施、AI公有云服务等。这一定位使得阿里云能够满足客户不同层次、不同形态的多样化需求，在市场变化中保持竞争优势。
6、商业模式变革的背后是AI范式转变?
阿里云商业模式的变革，本质上是对AI发展范式的响应。吴泳铭在演讲中指出，实现AGI已是确定性事件，但只是起点，终极方向是发展出能自我迭代、全面超越人类的ASI（超级人工智能）。只有让AI与真实世界持续互动，获取更全面、更真实、更实时的数据，才能更好地理解和模拟世界。
这一判断揭示了阿里云战略背后的深层逻辑：未来的竞争不再是简单的云服务或算力竞争，而是整个AI生态系统的竞争。大模型正在成为下一代的操作系统，替代传统OS的地位。几乎所有链接真实世界的工具接口都将与大模型进行链接，这将带来全新的计算范式。
在这个背景下，阿里云的商业模式转变可以理解为从“提供计算资源”到“提供智能能力”的升级。其盈利模式也将从传统的云服务收费，转变为多元化的模型服务、算力服务、应用服务的组合。这种转变不仅扩大了市场空间，也增强了客户黏性和生态价值。
当然，阿里云的新商业模式也面临挑战。巨额投入带来的财务压力、国际竞争的加剧、技术路线的不断变化，都是阿里云必须应对的问题。一位阿里云管理层坦言：“不投入就永远不可能增长。在今天，过度投资的风险，远远少于投资不足的风险。”这种态度反映了阿里云对AI时代的战略决心。
资本市场对阿里云的转型给予了积极回应。云栖大会当日，阿里集团港股收盘价大幅上涨9.16%，纽交所收盘价大幅上涨8.19%。市场认可的背后，是对阿里云全栈AI能力和商业模式转型的期待。
阿里云的商业模式变革代表了中国云计算产业的整体转型方向。从卖云、卖算力到提供全栈人工智能服务，这一转变不仅关乎一家企业的竞争策略，更反映了整个行业对AI时代的响应和布局。
阿里云的探索，为中国科技企业参与全球AI竞争提供了重要参考。
