阿里巴巴的AI生意进入深水区：自研芯片、云收入与成本效率的较量

英国《金融时报》10月13日报道，援引产业人士估算称，2026年中国本土AI芯片产量预计达到350万颗，而市场需求可能超过500万颗。数字属于媒体援引的产业估算，并非企业正式披露的采购或产能数据，但也揭示了一个值得持续跟踪的行业问题：国产算力建设正在加速，供给与需求之间仍存在缺口，云厂商需要在自研芯片、外部采购和异构算力调度之间寻找更有效的组合。

这也给了阿里机会。

据天眼查，2026年8月公布的最新季度财报显示，阿里云与算力服务收入达到484.37亿元，同比增长45%；AI相关产品收入达到123.76亿元，连续第十二个季度实现三位数同比增长。与此同时，阿里巴巴持续推进平头哥自研芯片商业化，并将芯片、服务器、网络、模型和推理系统纳入全栈AI战略。

AI需求增长已经在阿里云的收入端得到体现，接下来需要观察的是，算力投入能否进一步转化为客户留存、资源利用率和经营利润率的改善。对阿里巴巴而言，自研芯片的价值不仅在于提高供应链自主能力，也在于优化AI服务的单位成本；对于投资者而言，云业务的增长质量、资本开支的回报周期以及自研芯片的商业化进度，将共同影响市场对阿里AI业务的长期判断。

国产算力供给仍有缺口，云厂商必须同时解决“有算力”和“用好算力”

AI基础设施正在进入供需双向扩张阶段。一端是大模型训练、企业级推理和AI智能体应用不断增加算力需求，另一端是先进芯片供应、集群建设和软件适配仍然存在约束。国产芯片出货增长，并不意味着所有类型的算力都已实现充分替代，训练、推理、通用计算以及高速互联，对芯片架构和系统配置有不同要求，云厂商需要根据实际工作负载配置资源。

《金融时报》援引的供需估算提供了一个观察窗口：如果本土芯片产量与市场需求之间仍存在明显差距，云厂商在相当一段时间内就需要组合使用不同来源、不同架构的芯片。外部采购能够缓解短期供给压力，自研芯片则有机会提高长期资源调配能力，但两者之间不存在简单的替代关系。芯片能否稳定交付、软件能否顺利迁移、集群能否保持高利用率，都会影响实际可用算力。

这也是为什么阿里巴巴持续强调全栈AI能力。公司在2026年6月季度业绩披露中表示，真武系列最新一代AI处理器M890已通过阿里云服务，在自动驾驶、互联网、金融服务等20多个行业的超过650家外部客户中实现商业化应用，覆盖训练、微调和推理等工作负载。

当自研芯片已经有了外部客户应用的验证，就不再只是一项内部研发能力。不过，外部客户数量并不能直接说明芯片贡献了多少收入，也无法单独证明其成本优势。后续仍需要观察实际部署规模、客户使用深度、产品迭代速度，以及芯片在不同业务场景中的适配效果。

对阿里云来说，竞争重点正在延伸到系统层面。单颗芯片的性能固然重要，但如果服务器、网络、存储和软件调度没有协同优化，局部性能优势就未必能转化为整套系统的效率优势。尤其在推理需求快速增长的背景下，算力资源能否按需分配、不同芯片能否共同承担任务，将影响云厂商服务客户的成本与交付能力。

国产芯片供给缺口对阿里巴巴也具有两面性：短期内，供应约束可能增加采购和资源调度难度；中长期看，能够将自研芯片与云平台、模型和应用结合的厂商，有机会形成更完整的基础设施能力。真正值得跟踪的，是这种能力能否持续转化为商业化收入与经营效率。

阿里云收入加速增长，下一步要看资本开支如何转化为经营回报

阿里巴巴最新季度财报已经给出了需求端的明确数据。截至2026年6月30日止季度，阿里云与算力服务收入达到484.37亿元，同比增长45%；其中AI相关产品收入为123.76亿元，连续第十二个季度实现三位数同比增长。公司披露，AI相关产品采用量的提升，是云业务增长加速的重要驱动力。

这意味着AI已经成为阿里云增长的重要组成部分，客户对AI模型、算力基础设施和相关云服务的需求，正在逐步反映到收入中。对企业客户而言，采购云服务能够减少自建基础设施的复杂度，并根据实际业务需求调整资源配置；对阿里巴巴而言，AI需求增长则提供了扩大云业务规模、拓展客户关系和推动产品升级的机会。

但收入增长只是经营链条的前半段。AI基础设施具有较强的资本密集属性，芯片、服务器和数据中心建设需要提前投入，收入却要随着客户部署、实际使用和持续续费逐步兑现。资本开支增长得越快，越需要观察新增资产能否形成足够的收入与现金流，否则高增长也可能伴随较长的投资回收周期。

阿里巴巴2026年6月季度的资本开支达到676.78亿元，较上年同期的386.76亿元增长75%。公司解释，相关支出增长受到持续投入AI基础设施、客户对AI智能体的采用带动CPU算力需求增加，以及芯片组件价格上涨等因素影响。

从经营表现看，阿里云已经呈现出增长与利润改善并行的迹象。公司披露，云分部经调整EBITA同比增长133%，利润率提升至约12%。

为阿里巴巴的AI基础设施投资提供了积极信号：云业务的规模扩大与盈利能力改善正在同时发生。不过，单个季度的利润表现仍需结合后续资本开支、折旧摊销、产品价格和客户结构持续判断。尤其当公司继续扩建算力基础设施时，新增投资对利润率的影响可能存在时间差，短期利润改善不应直接等同于长期回报已经完全兑现。

阿里巴巴的优势，在于拥有云平台、模型和自研芯片等多个环节，可以尝试通过系统协同降低服务成本；其经营挑战，则是需要持续证明这些投入能够带来可重复的商业回报。未来几个季度，云业务收入增速能否保持、利润率能否在持续投入下维持，以及现金流能否逐步改善，将是判断AI业务质量的重要依据。

自研芯片的价值，要由外部客户和每单位算力的经济性来验证

阿里巴巴的另一项优势，是自研芯片并非孤立存在。平头哥可以提供底层硬件，阿里云负责算力资源调度，千问等模型和企业级AI应用则能够形成上层需求。不同环节之间的协同，有机会减少软硬件适配成本，提高算力利用率，并让客户在同一套技术体系内完成模型部署与应用开发。

这套体系的商业价值，最终取决于客户为什么愿意持续付费。

如果客户选择阿里云只是为了获得可用算力，业务仍容易受到价格竞争和硬件供给的影响；如果阿里云能够同时提供模型服务、开发工具、部署环境和企业级解决方案，客户迁移成本与服务黏性就可能提高，云厂商也更有机会获得持续性的服务收入。

阿里巴巴在最新财报中披露，真武M890已通过云服务面向外部客户商业化，异构芯片集群管理能力也已成为其全栈AI服务的一部分。

这为公司继续拓展自研芯片应用提供了现实基础，但还需要更充分的经营数据，才能判断商业化规模与经济效益。

对于自研芯片，后续最值得观察的指标包括外部客户收入贡献、实际部署规模、芯片与整机系统的利用率，以及同类工作负载下的综合服务成本。对于AI云业务，还需要关注客户续费、推理调用量、AI产品收入占比和云分部利润率。只有这些指标持续改善，自研芯片才可能从技术储备进一步转化为经营优势。

行业竞争也在向这个方向发展。云厂商研发专用芯片，主要目的是针对自身业务特点优化性能、功耗和成本，但专用架构通常需要配套的软件生态、开发工具和客户迁移能力。外部芯片拥有成熟的软件生态与广泛的开发者基础，自研芯片则有机会在特定任务中获得更好的系统适配。未来相当长一段时间，两种路线可能并行存在，企业需要根据不同工作负载配置算力，而不是单纯追求某一种芯片的使用比例。

阿里巴巴的长期机会，来自全栈技术能力与云服务商业化之间的协同；其经营表现能否进一步改善，则需要由后续收入、利润率、资本开支效率和现金流数据持续验证。对关注中国AI产业的投资者而言，这条主线值得长期跟踪：算力建设决定业务能够扩张多快，商业化效率决定增长最终能够留下多少价值。