两个“零估值”，一个新阿里

最新一季的阿里财报出炉，AI成为了绝对意义的主角。

与市场的焦虑情绪不同，投行正在重新琢磨阿里的估值逻辑。

三季报（按财年口径）发布后，摩根大通发布了一份题为《Two Zeroes That Should Not Be》的报告，中心思想可以概括为两点[1]：

其一，阿里目前的市值，仅为其国内电商业务盈利预期的10倍市盈率。这意味着，投资者只认可其单一业务的收益价值。

其二，两个“零估值”误区随之诞生，它们一个是计划冲刺万亿GMV目标的即时零售，另一个是要在五年后干出1000亿美元商业化年营收的云和AI。摩根大通认为，市场目前对这两个业务的估值隐含为零。

过去半年，科技的巨浪顶着地缘摩擦与黑天鹅事件在全球范围汹涌，中美巨头不计代价地押注AI，阿里的业务逻辑与资本叙事也在这个过程中发生了转变。

变革在交锋中悄然进行，旧的引擎尚在运转，新的引擎已经就位。

战场凶猛

摩根大通锐评阿里业绩的同一天，高盛也发布了最新一季简评，称其为“关键性的利润重置节点（key earning reset event）”[2]。

围绕AI与大模型的投入已经压缩、并将持续影响盈利能力，但由高资本支出引发的市场焦虑并非阿里一家独有。

事实上，全球最先进的科技公司都困在类似的怪圈里，微软、谷歌、Meta都曾因为高昂的AI基建支出（Capex）引发过华尔街的短期利润担忧。

今年以来，激进者如微软由于单季资本开支激增66%，股价一度较高点跌没了25%；Alphabet给出同比近乎翻倍的资本支出计划后，盘中股价一度闪崩七个点。

高昂的Capex是科技巨头穿越技术周期的入场券，其本质是在抢夺大模型时代的核心生产资料，以及制定规则的权力。

算力的稀缺性不言而喻。移动互联网时代的流量是喷涌的石油，但AI时代的算力是稀缺的金矿。全球算力需求短期暴涨，产能缓慢爬坡。

在需求侧，后端的大模型训练受到缩放定律驱动，算力消耗随着智力提升而指数级增加。GPT-4的参数量是GPT-3的10倍以上[3]，Llama 3的预训练数据量更是高达15 万亿个Token[4]。

从春节AI大战到全民养龙虾，前端的Agentic应用的落地也在带动算力需求的增长。

应用端的普及带动了市场对算力价值的重新理解。企业在消耗Token时，不再将其视为IT预算，而是成为生产资料的一部分。前者是纯粹的成本中心，老板的本能往往是越省越好，后者却是直接的生产力，本质是付给AI的计件工资。

但供给侧的产能远远跟不上需求的井喷。台积电的先进封装与HBM的内存产能爬坡周期极其漫长，强如英伟达也陷入有钱没地方花的烦恼，更别提万卡集群面临的电网负荷瓶颈，以及如影随形的地缘政治、出口管制与物理断供。

供需错配的结果诚如阿里在业绩会上所说：未来3到5年，全球AI算力都将处于高度紧缺的状态，中国市场尤为突出。

围绕算力的战争已经打响。马斯克宣布自建芯片制造工厂TeraFab；谷歌、微软、Meta们忙着自研芯片、建数据中心、绑定核电与清洁能源；活成算力军火商的黄仁勋数钱数到手软，不忘对外乐观预测[5]，到2030年，全球数据中心资本支出将达到3-4万亿美元。

隔岸战况焦灼，国内也不例外。过去两年，阿里的资本开支显著提速，最新一份财报中，阿里单季资本支出达到290亿人民币[6]。

去年2月，阿里曾宣布，将在未来三年投入3800亿用于云和AI硬件基础设施建设。

昂贵的投入与无尽的阵痛仍在继续，好消息是，巨头用天价换取的那张入场券，已经开始在业务侧逐步兑现。

阿里列阵

随三季度财报发布，阿里的全栈AI战略基石首次完整披露——

以自研芯片和亚太最大规模的云计算为AI基础设施层；以Alibaba Token Hub为主线，由全球最强开源模型千问、MaaS业务和“to B + to C”应用组成的AI模型及应用层。

至此，阿里已经围绕AI构建起四层垂直整合能力。

若按摩根士丹利的说法，完整的AI技术栈等同于一种结构性的竞争优势。考虑到谷歌母公司Alphabet在美国市场的表现，摩根士丹利将全栈能力同样完善的阿里巴巴也列为了“全球AI赢家（a global AI winner）”[7]。

赢家的桂冠来自一个严密的商业闭环。与谷歌类似，阿里的四层垂直整合架构遵循一个规则运行：底层控制成本、中层分发流量、顶层反哺数据的规律运行。

芯片是这个体系的物理基石，负责提供基础算力，据摩根士丹利估算，平头哥单独上市估值在280亿-860亿美元之间。

阿里自研的 AI 芯片与通用服务器芯片已规模化量产，在算力极度紧缺的背景下，很大程度上帮阿里对冲了外部断供的行业困境；同时，近期“真武”等算力卡产品价格上调 5%-34%的动作，也表明其自研芯片已经跳出内部消化的范畴，且具备充分的市场议价权。

底层硬件的极致成本控制，支撑着上层云基础设施与大模型的流血混战。作为物理算力的变现中枢，阿里云在过去一个季度营收同比增长36%，AI 相关产品收入已连续第十个季度实现三位数同比增长，采用量的提升直接带动了公共云业务收入。

低成本的算力变成高毛利的云服务收入，阿里还在这个过程中制造了一个堪称聪明的剪刀差：一边对紧缺的裸算力产品涨价，一边将算力资源全力倾斜给模型调用，变相倒逼企业从买服务器向买Token的商业模式转变。

量大管饱的算力资源，需要经过大模型的转换与解码才能流向终端用户。在阿里的垂直整合体系中，下接算力底座、上接应用场景的开源模型Qwen就起到这个作用。

平头哥+阿里云带来的成本优势在模型端尽数体现。Qwen用每百万Tokens低至0.8元的价格抢占开发者和企业，在去年下半年的中国企业级大模型日均调用量中，以32.1%的份额位列第一[8]。

模型的落地应用是商业闭环的最后一公里。今年的春节AI大战就是一个例子，豆包、千问App双雄并立，二月份结束，千问的月活用户已经超过三亿；而在更早的一月份，千问已经和淘宝闪购、高德等阿里生态业务深度打通。

阿里在C端有千问，B端有悟空。这个面向企业客户的Agent产品在上周发布，将直接内置到连接2000万企业组织的钉钉之中。

从底层算力供给到终端应用端口的垂直整合，重新构建了阿里AI“硬件压降成本-模型降维引流-应用消耗算力-云端收拢变现”的商业模式。其结果是：

成本被自下而上地摊薄。自研芯片压低了云服务的成本，两者的结合不仅让大模型得以快速跑马圈地，还支撑起应用层三亿月活量级带来的庞大算力开销。

价值则自上而下地兑现。海量用户的真实调用带来数据反哺模型，开源模型的繁荣锁定了全球开发者生态，流量的涌入与Token的消耗，都化作云服务的账面收入。

但这套系统有一个相当重要的前提，那就是天价的投入需要暴力的规模化变现，这也是资本市场审视这场豪赌的唯一指标。

阿里对此提出的目标是，未来五年云与AI商业化年收入要冲破1000亿美元。

这是一个相当激进的目标，约等于整个阿里云未来五年外部收入年复合增长率超40%。

打破围墙

三月中旬，阿里宣布成立ATH事业群（Alibaba Token Hub），吴泳铭亲自坐镇，除了有通义实验室与千问事业部加入其中，还包括MaaS业务线、悟空事业部以及AI创新事业部。

在内部信中，吴泳铭以“历史性机遇”总结大小模型遍地走、智能助理抢入口的现状。战略的落地需要组织的保障，ATH的作用，就是应对Agentic时代“模型与应用需要高度协同”的规则变化。

历史经验表明，越是大公司搞业务，越容易陷入“各干各的”的组织陷阱，在AI的拓荒期，硅谷的科技巨头同样深陷其中。

Meta的FAIR实验室在老板沉迷元宇宙的那些年里日渐沉寂；谷歌曾经坐拥两个阵容豪华的团队——写出了《Attention is all you need》的Google Brain，打造了AlphaGo的DeepMind，都没能防住ChatGPT的奇袭。

直到2023年，两者才合并为一个名为Google DeepMind的部门。

人工智能发展早期，大公司内部的研究院做模型，业务做应用，搞研究的不懂业务，搞业务的不懂研究，由于模型研发和前端应用分属不同部门，数据回流极度缓慢，AI研究更多依赖静态数据预训练。

但在Agentic时代，提升模型能力、改善应用效果的关键，越来越依赖模型与应用的紧密结合，以及在客户使用场景中形成的数据闭环。

模型与应用之间的紧密配合愈发受到巨头关注，阿里也在业绩会上提到，只有最强的模型，才能推动各行各业应用场景的拓展；而要打造最强的模型，又需要应用和MaaS来打通数据飞轮和业务闭环。

ATH就是为此而生。“创造Token、输送Token、激活Token应用”的理念背后，是一套完整的内部商业生态闭环。

如果将Token视为Agentic时代的货币，那么底层算力和大模型负责印钞，MaaS负责流通，千问和悟空负责把钱花掉的同时，将市场的水温反哺给印钞机。

今年3月开启邀测的企业级AI原生工作平台“悟空”

从投资角度看，这就是Token经济学的逻辑，阿里正在以Token为中心，转型为一家新型的基础设施公司，其商业模式正是以大模型驱动的MaaS业务作为核心增长引擎，从卖算力向卖智能能力升级。

资本密集的叙事中，敢于投入未来会被解读为一种魄力，敢于掀起内部变革、打破组织墙同样是一种魄力。很多时候，后者的真实难度远比前者要高出许多。

过去半年，阿里发生的巨变实际上由三个层面构成，它是资本的密集投入，是业务的全栈整合，更是组织的嬗变与适应。

激进的财务标靶，大刀阔斧的组织变革，盈利重置的财报，都不过是一座庞然大物调转行进方向时的匆匆一瞥。

上一个十年，阿里用电商与零售的故事实现了冲上过八千亿美元市值的巅峰，移动互联网流量红利衰竭的今天，资本市场依旧真切地认可核心电商业务的价值。

与此同时，被忽视的即时零售，高速增长的科技AI，仍在等待市场给予这些资产一个公允的定价。

经过业务整合与组织重构的阿里，已经想好了要怎么围绕科技与算力实现新的增长。尽管在可预见的未来里，围绕人工智能与算力基建的投入仍将是一场昂贵且超前的下注。

可既然筹码已经洒向了时代的转折点，谁又能拒绝在下一个十年里亲自坐庄的诱惑呢？

[1] Alibaba Group: Two Zeroes That Should Not Be, J.P. Morgan

[2] 华尔街点评阿里财报：短期的“利润重置”是为了长期的AI爆发，追风交易台

[3] GPT-4 Architecture, Infrastructure, Training Dataset, Costs, Vision, MoE, Semianalysis

[4] Meta releases Llama 3, claims it’s among the best open models available, TechCrunch

[5] 英伟达2026财年第四财季业绩会

[6] 阿里财报

[7] China's AI Path: Owning the Full AI Stack via In-house Chips, Morgan Stanley

[8] 中国GenAI市场洞察：企业级大模型调用全景研究（2025H2），Frost & Sullivan