中国AI平台高管面临压力，需要为现有20GW计算产能开发生产用途（'找工作'），因为利用率挑战浮现。

阿里巴巴集团CEO吴永明在9月22日的云计算峰会上宣布了一个目标：到2032年，阿里云将运营全球数据中心规模超过20GW。平头哥的下一代AI芯片乾玉V900将提供其前代M890三倍的单芯片算力，量产时间定于2027年第一季度。通义千问的后续模型参数规模将扩展到50万亿至100万亿之间。

参数规模决定了一个模型能做什么；集群规模决定了阿里能供应多少；这两个因素共同决定了谁来付电费和折旧费。

根据高盛等机构的预测，阿里云目前运营约4-6GW的算力。彭博社报道微软计划到2032年将其数据中心容量扩展至38GW，而AWS之前披露了每年新增3.8GW的节奏。

阿里需要在六年内将算力四倍增长，需要年增长率接近全球两大云计算提供商的步伐。吴永明在同一演讲中自己承认，全球AI数据中心的供应链短缺继续制约着算力增长。

规模只是故事的一半。芯片购入、数据中心建成、电力和网络接通之后，折旧、维护和能源成本每一秒都在积累，无论这些算力是否被使用。真正重要的是这些服务器机架为外部客户运行的时间有多长。

吴永明把未来的机器智能比作电力——插上就用。这个比喻完美地抓住了这个生意的另一个侧面：电网的价值从来不取决于电网有多先进，而在于有多少人愿意为电付钱。

这个计算对阿里来说并非独有。一周早些时候，华为的Connect大会发布了昇腾960超节点，技术答案高度一致：受限于制造工艺，他们不追求单芯片性能，而是依靠互联协议和系统级创新把集群变成"一台计算机"。

差别在于销售策略。华为明确追求"硬件变现"——超节点本身是客户购买的商品，利用率是客户的责任。平头哥不追求独立的芯片利润；算力是阿里自己拥有的资产，利用率成为阿里自己的利损问题。

**20GW首次进入现金流**

2025年2月，阿里巴巴宣布将在未来三年投入至少3800亿元用于AI和云基础设施。到2027财年第一季度（截至2026年6月30日），已投入1900亿元。时间还未过半，预算已花了一半。

3800亿元可能只是第一张支票。瑞银计算，每增加一吉瓦的AI数据中心，仅IT设备资本支出就需要约1000亿元。从现有规模到20GW代表大约15GW的新增，对应数万亿级的投资。

投资银行根据这个目标反向推演出了收入目标。花旗认为20GW对应到2033财年约1600亿美元的外部云收入，瑞银估计约1700亿美元到2032年——两种方法论都暗示约40%的年复合增长。基于阿里云当前季度营收年化约270亿美元，这意味着云收入必须在六年内增长近六倍。

季度数据显示趋势更陡。阿里今年第二季度资本支出为676.78亿元，同比增长75%，远超市场预期的360亿元。同一季度，AI云和计算力服务收入共484.37亿元。资本支出是该业务部门收入的1.4倍。

压力已经在现金流上显现。本季度自由现金流净流出为446.7亿元，相比前年同期的188.15亿元。集团营业利润同比下降57%至151.61亿元。

8月，阿里巴巴完成了800亿港元的配股，折价率为8.4%，是其2019年香港上市以来首次折价。公告后，港股跌幅8.54%。蔡崇信和吴永明随后分别增持约8000万港元和4000万港元。

资金支出比计划更快的原因既在于需求确实在增长，也因为芯片在升价。管理层将本季度资本支出升高归因于硬件交付日程、CPU需求增加以及芯片价格上升。

阿里对这笔支出的回报有自己的计算。

吴永明在财报电话会上的判断是：行业共识认为2030年前看不到AI算力需求的天花板；基于AI产品当前平均毛利率，算力投资可在三年内收回，毛利率改善的情况下有望缩短到2.5年甚至2年。

这个表述把20GW从愿景变成了时限明确的财务承诺。三年收回需要两个前提：AI产品毛利率保持当前水平，算力保持充分利用。但问题是这两个前提都不完全在阿里的控制范围内。

**平头哥必须降低单位算力成本**

乾玉V900在这个系统中的角色比"中国最强AI芯片"的头衔更加具体。

根据阿里巴巴披露的数据，V900配置216GB显存，芯片间互联带宽达1200GB/s，基于该芯片构建的单个集群可扩展至50万卡。

216GB显存已经超过英伟达B200的192GB和华为昇腾910C的128GB，远高于寒武纪MLU590的64GB和英伟达H20的96GB。国产AI芯片首次在这个核心指标上超过英伟达当代产品。

但显存不等于算力。发布会没有披露完整的绝对算力、功耗、制造工艺、良率或第三方测试——"最强"暂时还是阿里自己的评估。

迭代步伐透露出另一层信息。M890刚刚在5月亮相，四个月后V900就登台。前代还没有足够的市场验证时间，后代已经就位。这个步伐在某种意义上是被竞争对手逼出来的。

五天之前，在华为的Connect大会上，昇腾960超节点发布——每个节点4096个NPU通过自研凌曲协议互联。华为昇腾芯片遵循明确的"一年一代"节奏；960DT提前三个季度在2027年第一季度亮相，几乎与V900的量产时间重合。两者都绕过了制造工艺的约束，押注互联协议——华为叫凌曲，阿里叫ICN。接下来是围绕哪个协议的生态之争。

一个部分可验证的信号是：基于M890的灵讯超节点已经成为首个国产10万卡云集群，成功运行过包括通义3.8和Kimi K3在内的超2万亿参数模型的训练和推理。将在今年第四季度在宁夏中卫上线新的服务。乾玉系列累计服务650多家企业客户，但"能用"不等于"划算"。

在同一场发布会上，另一组数字更贴近"利用率"。新一代高性能存储CPFS将平均模型启动延迟降低50%，提升峰值算力利用率30%，在实际模型训练中降低AI存储成本69%。在推理端，Tair KVCM缓存调度系统实现99%的缓存命中率，降低单token成本50%。GPU等数据的时间越短，单位算力的有效输出就越高：芯片峰值算力设定天花板，利用率决定成本线。

吴永明本人在财报电话会上说阿里云服务器基本没有闲卡。那个表述的另一面是：他必须这样说，也必须做到这一点。

组织边界按照这个逻辑被重新划分。

今年6月，阿里巴巴把云智能集团和平头哥合并为"AI云和计算力服务"板块，同时把模型实验室、通义千问消费者业务团队和QwenWork划入单独的"AI实验室和应用"板块。

这个安排让平头哥的价值更直接地流向云业务：一个自研芯片，即使不通过外部销售获得独立利润，只要能降低单小时计算成本、提升阿里云的毛利率，就创造了价值。管理层在财报电话会上提到，不含AI芯片并表影响时，云业务实际利润率更高。

高盛在云峰会后的研究报告中给出了量化的参考点：平头哥供应的算力目前代表阿里云约10%，中期目标是50%。如果这个比例实现，阿里云的成本结构将被改写——一半的算力按内部成本定价，一半按市场价采购，云业务毛利率对外部芯片价格上升的敏感度将显著下降。这是"自研芯片降成本"第一次有了可追踪的进度指标。

V900成功与否，芯片市场占有率是次要指标。阿里云的单token成本下降多少才是会更快进入利润表的。

有个有趣的细节：云峰会算力馆的参展商名单里包括英伟达、英特尔和AMD。阿里在同一场大会上展示全栈自研成就的同时，仍然邀请了它正在替代的供应商进馆。全栈不等于全闭。自研和外采会并行相当长的时间。

**AgentCore把调用变成长账单**

阿里在大会上推出的智能云和AgentCore，商业意义可能超过又一次大模型发布。

阿里云CTO李飞飞系统阐述了这个策略。她把智能云分解为三层：模型、底座和上下文——模型提供能力，底座让智能体在生产环境稳定运行，上下文让智能体维持持续更新的全域认知。阿里不计划只在模型能力上竞争，而是要把从智能体调用到执行的整条链都变成自己的产品。

传统聊天机器人接收问题、生成答案，计费主要围绕token。智能体接到一个任务后，可能连续运行数分钟甚至数小时，需要维持上下文、调用外部工具、访问数据库、执行代码、管理身份和权限、失败后重试。单次调用就此扩展为算力、内存、存储、网关、网络和数据库的组合消费。

计费结构直接反映了这个变化：除了模型费用，阿里云另外收取计算CU、网关调用、存储、独占控制面和公网流量，流式响应、MCP长连接和智能体长会话按连接时长作为调用次数计费。阿里所求的收入超越了模型推理，延伸到智能体每一次运行、等待、占用内存和工具调用。

阿里的官方表述是AgentCore可以把任务完成率提升到99%，总拥有成本降低70%。配套的Agent沙箱能每分钟创建10万个沙箱，从深度休眠中唤醒耗时不超过600毫秒。

但和乾玉芯片的"最强"说法一样，这些数字目前代表阿里自己的评估，没有独立客户案例或第三方测试可供交叉验证。

资本支出披露已经反映了这个变化：本季度资本支出大幅增长的一个原因是公司预期客户将更多采用AI智能体，因此提前增加CPU算力。大模型主要消耗GPU，智能体必须运行除了调用模型之外的大量工具和业务逻辑，CPU重新进入了AI基础设施采购清单。

AgentCore让企业可以连接多个模型供应商。阿里没有让通义成为唯一选项，因为模型建立不了最持久的客户关系。企业可以换模型，但把整个身份、权限、凭证、工具、内存和监控的生态迁移出去就难得多。

在云计算时代，厂商通过计算、存储和数据库留住客户。在智能体时代，谁掌控智能体能看什么数据、能调什么工具、以谁的身份行动，就掌控了企业AI里最难迁移的那一层。

通义把客户带进来，AgentCore把账单留下来。

**通义的亏损是云的客户获取成本**

阿里最新的板块数据说明了这个策略的成本配置。

本季度AI云和计算力服务收入484.37亿元，调整后EBITA为56.28亿元，同比增长133%，利润率升至约12%。AI实验室和应用收入为33.38亿元，调整后EBITA亏损为138.61亿元——亏损大约是云和计算力板块利润的2.5倍。两个板块相抵，阿里AI板块本季度净亏损约82亿元，年化约329亿元，相当于集团营业利润的一半以上。

阿里的AI机器当前运行在三套账上：电商生成现金，通义烧钱，云业务扩大生产并实现利润。通义目前像是对阿里云的需求补贴，用集团利润去购买用户习惯和推理调用，为预建的算力寻求负载。

吴永明在演讲中给出了一个历史类比：1882年，爱迪生的珍珠街电站照亮了周边大约400盏灯——初期是卖灯泡送电，就像今天卖Agent软件送token。

一边建算力、实现利润；另一边部署应用、消耗算力、承担客户获取成本，组成了阿里当前的AI循环。通义App与淘宝、天猫和即时零售打通；QwenWork与钉钉和企业工作流打通；通义智能进入9月28日发布的荣耀Magic9。对于应用团队这是用户竞争，对阿里云这些是持续生成推理、存储和工具调用的入口。

可测量的消费已经在客户端出现。太平洋保险披露与阿里合作后日均token消耗超过3000亿。但把视角拉回全国层面就能看出此阶段的渗透度：根据国家数据局，截至今年3月，国内日均字token调用超过1.4万亿，王涛在华为Connect9月份的数字约5万亿。太保的3000亿仅占全国的约0.006%。20GW不对应现有需求，而是对应尚未创造出来的需求。

阿里自己在云峰会主论坛提供了需求端的斜率：Token基地负责人刘大一恒披露，通义3.8-Max发布两个月后，真实用户收入增速8.5倍，token消耗增加12倍。斜率足够陡，但底数没有披露。

阿里管理层披露上季度AI相关产品年度经常性收入（ARR）破49.5亿元（约73亿美元），预期下季度接近10亿美元。这是目前最接近"持续外部客户付款"的公开指标。

但把它放回账本里，比例仍然很不对称。49.5亿元ARR只等于本季度年化资本支出2707亿元的约18%。单季AI相关产品收入123.76亿元仅约占AI云和计算力服务收入的四分之一。

阿里的AI已经能驱动云业务增长，但现有AI收入远不足以消化2032年20GW的供应。内部调用能改进服务器利用率，却产生实质性的推理成本。只有当外部企业持续付款，或消费者智能体生成可追溯的交易和服务收入，这些成本才会从集团内部循环变成新增收入。

**20GW等待外部客户来付钱**

云峰会讨论的是通向超级人工智能的技术路径；财报讨论的是折旧和现金流。阿里集团董事长蔡崇信在同一场大会上给出了更宏观的判断：AI行业正从前沿技术的孤立突破向规模化应用技术创造价值的实际场景过渡。他还说"我们比以往更需要开放合作"，把这个表述和五层的全栈自研系统放在一起读，张力就显现出来了。它把阿里放在了必须交付的位置。

交付的难点在于时间错配。互联网公司过去可以根据流量增长调整服务器采购；20GW把阿里推向了不同的运营纪律：先建容量，再改利用率，最后通过规模实现成本吸收。容量越大，阿里越是承不起服务器闲置的时间。

最令人担忧的情景不是AI需求不足，而是需求增速低于容量扩张。一旦计算供应出现周期性过剩，云厂商必须降价来改进利用率。价格下跌随后延长了资本收回周期，把吴永明所说的三年回本推得更远。

阿里有牌。它同时拥有云、模型、办公软件、电商交易和众多消费者触点——内部需求可以先填满一部分服务器机架，AgentCore可以把运营层打造成难以迁移的基础，平头哥可以把单位算力成本向下推。

外部云收入同比增速45%和AI相关产品ARR接近50亿元说明需求不是假想的。138.61亿元的应用亏损则表明模型和应用的投资成本目前远超云板块利润。

只要应用亏损增速快于云利润和电商增量，所谓全栈优势就只不过是集团内部的成本挪移。

这也把这轮AI投资和阿里此前任何一次补贴区分开来。当年淘宝烧的是流量成本——活动结束支出也结束。这次烧的是折旧；服务器一旦通电，成本每一秒都在积累，无可挽回。20GW首次进入资本支出和现金流；它是否成为AI收入，取决于有多少企业愿意让智能体长期持续在自己的运营中运行。