文 | 最话 FunTalk，作者 | 王芳洁，编辑 | 刘宇翔
美东时间 5 月 13 日早，阿里公布了 2026 财年第四季度（2026 年一季度）财报，当日，阿里巴巴美股大涨，全天涨幅达到了 8.18%，数字还挺讨喜。
拿钱押注未来的投资人们清晰意识到，阿里 " 变了 "，这一点从 13 日的电话会上就能直观感知。所有分析师感兴趣的都是模型、MaaS，和芯片。
而阿里 CEO 吴泳铭反复强调的关键词有且只有一个—— " 全栈 AI"。
也许对于其他公司，这是一个技术术语，但在阿里，它更接近于一种战略宣誓，从芯片、模型、平台到应用，阿里决心在 AI 的每一个关键节点都完成自主布局。
这种全栈式的投入，在过去两年里像一个巨大的 " 成本黑洞 "。这在客观上造成了一种矛盾，和物理学类似，在投资者眼里，穿越黑洞是一场 " 无限游戏 "，也许 AI 的领航者天命如此，但他们的耐心要耗完了。
但这仅仅是外部观察者的视角。你知道，那些资本市场的指标和史瓦西坐标一样，无非是数学结果。实际上，无论是天体还是企业，总会在有限时间里穿过事件视界（黑洞边缘），然后到达奇点。
很有可能，这个有限时间的结点正是当下，因为关键信号已经出现。
在 2026 财年第四财季（即 2026 年 Q1））财报中，阿里首次披露，包括 MaaS 在内的 AI 模型与应用服务的年化经常性收入（ARR）已突破 80 亿元，预计很快破百亿，今年底将达到 300 亿元。
这意味着，AI 不再仅仅是一个 " 前景可期 " 的故事，它正在变成财报上实实在在的收入。用管理层的话说：" 阿里全栈 AI 技术投入已正式跨越初期培育阶段，进入正向的规模商业化回报周期。"
这是一个拐点。它既是阿里自身的转折，也暗合了中国经济乃至全球经济向 AI 转型的宏观脉搏。
1999 年，当阿里在杭州湖畔花园成立时，中国刚刚结束世贸谈判最关键的一轮博弈。那一年，中国外贸进出口总额 3.6 万亿元，制造业增加值占 GDP 比重约 35%，一个 " 世界工厂 " 的轮廓正在成形。但工厂需要渠道，商品需要流通，数以百万计的中小制造企业空有产能，却够不着全国乃至全球的市场。
阿里做了一件事：用一根网线，把中国的工厂和全世界的买家连在了一起。从 1688 到淘宝再到速卖通，从国内批发到跨境零售，阿里本质上是做了一门 " 商品经济 " 的基础设施生意，它让商品流动得更快、更远、更有效率。
二十五年后的今天，阿里正在做一件逻辑类似但维度完全不同的事：用 AI，把中国的智力和算力变成一种新的可流通、可定价、可交易的经济要素，可以谓之于 "Token 经济 "。
这意味着，阿里正在从 " 商品交易平台 " 向 "Token 经济基础设施 " 转型。如果说 1999 年的阿里抓住的是中国制造业崛起的红利，那么 2026 年的阿里，正在抓住中国智力经济崛起的下一个时代红利。
01 " 没有一张卡是闲置的 "
要理解阿里的这个拐点的分量，需要先看几组数据。
根据财报，2025 年阿里云在中国市场继续保持第一，份额显著提升至 32.8%。本季度云智能集团外部商业化收入同比加速增长 40%，这一增速在全球主要云厂商中处于领先集团——同期亚马逊 AWS 增速约 28%，微软 Azure 约 39-40%。
但让资本市场确认 " 拐点叙事 " 的，是 AI 的贡献度。除首次披露 AI 模型与应用服务的年化经常性收入外，当季阿里云 AI 相关产品收入达 89.71 亿元，连续第十一个季度实现三位数同比增长。AI 在云外部收入中的占比突破 30%，AI 已经不再是云的 " 增长贡献者 "，而是 " 增长主引擎 "。
这个引擎还在加速。吴泳铭在电话会上给出了一个更具野心的指引：预计未来一年内，AI 相关产品收入占比将突破 50%。
如果这一目标实现，阿里云的收入结构将完成从 " 计算存储为主 " 到 "AI 驱动为主 " 的历史性转型。
一个值得注意的细节是，阿里在此刻披露 AI 模型与应用的年化经常性收入数据。全球科技公司的通行做法是：当一项新业务开始贡献稳定、可预测的经常性收入时，才会将其从整体收入中拆解出来，作为独立指标进行披露。这个动作本身，被市场普遍解读为商业化兑现的信号。
传统 IaaS 业务卖的是算力，即虚拟机、存储、带宽，本质上是数字化的 " 水电煤 "，计费单位是硬件资源的占用时间。而 MaaS 卖的是模型服务能力，企业不需要自己部署和调优模型，调用 API 即可获得推理服务，计费单位是 Token 消耗。
而 Token 的定价取决于模型服务能力的强弱，企业愿意为结果买单，商业模式具有规模效应，利润率也更高。
一台同样的服务器交给 MaaS 平台百炼所创造的营收和毛利水平，高于传统云计算简单的算力服务。
MaaS 收入主要分为 API 收入、订阅收入。3 月百炼的客户数量同比增长了八倍，吴泳铭透露目前阿里 MaaS ARR 已达 80 亿元，6 月季度实现 100 亿元，大部分来调用自研千问大模型 API 的收入，并都是对外收入。
电话会上，管理层更是展望年底要超过 300 亿元，还补充了句 " 应该说会比年底更早超过 300 亿 ARR。"
以此测算，这将会是淘天电商之外，阿里估值的新锚定业务，也是 AI 时代 "Token 经济 " 的体现。
在电话会上，吴泳铭用一个朴素的逻辑描述了 Token 经济的基本原理：" 只要帮助客户完成的工作任务在企业内创造的价值大于 Token 成本，对 API Token 的需求就会是无限的。"
旺盛的需求，以至于吴泳铭表示："" 无论是云 IaaS 的商业化服务，还是通过 Maas 平台以及 AI 原生软件创造更多模型之上的营收，我们几乎在服务期内没有一张卡是闲置的。客户的需求无法完全满足，排队的还很多。"
02 全栈 AI 两大优势：时间成本、财务成本
国际数据公司 IDC 预计，全球云 AI 市场到 2031 年将达 5730 亿美元，复合年增长率超过 32%。全球九大云厂商 2026 年 AI 资本开支合计约 8300 亿美元，每一家都在用真金白银确认，AI 是未来十年最确定的投资方向。
当前中国企业的 AI 渗透率远低于美国，但大量传统行业的 AI 改造需求正在释放，一如十几年前的数字化改造需求。政策持续推动，供给侧能力快速提升，需求端成本持续下降，三个条件同时具备时，规模化普及往往会发生得比预期更快。
Token 经济正在迅速成型，这是共识，非共识的是企业自身的选择，即如何定位，并为此匹配战略和商业模式。至于阿里，它的选择当然是成为 Token 经济的核心基础设施提供商。
今年 3 月，阿里成立 Alibaba Token Hub 事业群，强化模型、MaaS、AI 应用之间的战略协同。这个组织的命名 "Token Hub" 本身就意味深长：阿里正在构建一个 Token 经济的枢纽。
其实，为此建造这个经济枢纽，阿里已经打了多年地基。早在 2008 年 9 月，阿里就确定云计算和大数据战略，5 年后阿里云成为中国第一家拥有完整云计算能力的平台；2018 年组建平头哥半导体，3 年后发布自研云芯片倚天 710；2019 年立项大模型，4 年后正式发布，同年 MaaS 平台百炼上线，将模型能力封装为标准化服务。
自此，从芯片（平头哥自研 GPU 已规模化量产，累计交付 47 万片）到云平台（中国最大的 AI 云服务商，份额 32.8%），从模型（千问系列模型全球领先）到应用（B 端悟空 C 端千问 App），阿里新 Token 生态覆盖了 AI 的全链路，构造了一个 " 全栈 AI" 的新增长飞轮。
目前，千问系列模型在推理和编程能力上已进入全球第一梯队。在多模态领域，其视觉理解、文生图、视频生成等模型矩阵初见成果。百炼已成为中国最大的 AI 应用开发入口，大量中小企业和传统行业客户正在通过百炼完成 "AI 化 "。
在应用层面，阿里在办公、编程、电商等领域推出了多个企业级智能体产品，消费端的千问 App 也在全面整合电商能力，打通 "AI+ 消费 " 的闭环。
模型能力的提升吸引更多开发者进入平台层，平台生态的繁荣孵化出更丰富的应用场景，应用场景中沉淀的数据又反哺模型迭代。基于全栈 AI，模型、平台、应用三层之间的飞轮效应正在加速转动，一旦每一层的转动速度超过临界点，它们就会相互放大动能。
全栈 AI 还给阿里带来了两个成本优势，即时间成本、财务成本。
自研芯片最大的价值不仅是省下了采购费，而在于摆脱了供货周期的束缚。自 2022 年底生成式 AI 爆发以来，高端 GPU 长期处于供不应求状态，而阿里平头哥自研的 " 真武 "PPU 推理芯片在 2023 年即完成研发并开始规模化量产，上个季度披露已规模化量产 47 万片。当竞争对手回过神试图构建算力矩阵时，阿里已有超过 60% 的平头哥芯片服务于外部商业化客户。
到今天，大模型在理论层面已经没有秘密，但在工程实现上却充满了 "know-how" 的鸿沟，需要在 " 研发 - 部署—使用—反馈—优化 " 的循环中不断迭代、打磨，时间成本是最大的成本。
千问模型之所以能跻身第一梯队，就是全年无休的线上运行、持续积累的海量反馈、以及全链路自主可控带来的极低试错成本。在这条赛道上，先行者的每一天都在积累后来者无法跳跃式跨越的经验密度。
全栈布局还让阿里实现了内部消化多层级的中间成本。
在模型层，千问系列模型运行在自研芯片和自建云平台之上，省去了对外采购算力服务的加价部分。阿里云作为中国最大的公有云，其 32.8% 的市场份额带来了巨大的资源复用和调度效率，进一步摊薄了单位算力成本。
阿里 CFO 徐宏明确表示，平头哥自研芯片已在 AI 推理中实现规模化应用，" 带来显著的成本效益 "。这使得阿里在模型推理的商业报价上获得了更大的弹性，既能以更低的价格吸引海量开发者，又能在 MaaS 服务中维持较高的毛利率。
横向比较来看，谷歌有自研模型 Gemini 也自研芯 TPU，亚马逊虽有自研芯片也自研模型性能不足，微软则既没有自研模型也没有自研芯片，SaaS 业务还被 MaaS 威胁。
巨额的投入让阿里既构建了新飞轮，也挖了一道宽又深的护城河，任何竞争对手想追赶都必须补上庞大的投入以及更长的时间。
03 重新定义阿里
全球 AI 产业正在同步进入一个商业化的收获期。
国际数据公司 IDC 预计，全球云 AI 市场到 2031 年将达到 5730 亿美元，复合年增长率超过 32%。AI 云服务正成为继 IaaS 之后最大的云收入品类。这是一个万亿级的赛道，而且刚刚开始起跑。
更关键的趋势是 Agentic AI 的落地。企业 AI 应用正在从 " 单次调用 " 进化到 " 持续运行 " ——智能体可以自主规划任务、调用工具、循环执行，不再只是被动的问答机器。
这种范式升级意味着底层模型的消耗量将呈指数级跃升，而每一次消耗，对云厂商而言都是收入。
在供给端，行业共识已经形成。全球九大云厂商 2026 年 AI 资本开支合计约 8300 亿美元。每一家都在用真金白银投票，押注 AI 基础设施是未来十年最确定的投资方向。
这种集体性的基础设施投入，将在未来几年转化为服务能力的提升和成本的下降，进一步加速 AI 应用的普及。
当前中国企业的 AI 渗透率是远低于美国，但差距，也是空间。作为中国最大的公有云平台，阿里云正站在一个巨大的结构性迁移机会面前，当大量企业从 " 观望 AI" 转向 " 必须用 AI"，阿里云的客户池和收入池都将迎来系统性的扩容。
最直接的意义在于阿里的增长引擎正在切换。阿里的电商业务仍是绝对的基本盘，并随着整个社会零售大盘趋于增速平稳，而这份财报给出了一个明确指引——
未来一年，AI 收入占比突破 50%。AI 正在成为驱动增长主要引擎。
尤其是 MaaS 业务的商业模型与传统 SaaS 有着本质不同：按 Token 计费的模型服务，其边际成本随规模扩大而持续递减，理论上利润率会越跑越高。
吴泳铭在电话会上反复强调 MaaS 业务的利润率优势，这背后是一个结构性的逻辑，当 AI 服务的规模突破某个临界点，利润率的改善将不是线性的，而是加速的。这对于长期被资本开支拖累利润的云业务而言，是一个根本性的改善信号。
还有一个容易被忽视的价值是生态协同。AI 能力正在全面反哺阿里体系内的其他业务，电商的智能推荐和 AI 客服、本地生活的智能调度、国际业务的跨语言 AI 服务。这些场景既是 AI 的 " 应用场 "，也是 AI 的 " 数据源 "。
当一个体系内同时拥有 AI 基础设施和丰富的应用场景时，就会形成 "AI 投入—效率提升—数据反哺—模型迭代—更强的 AI 能力—更广的场景渗透 " 的集团级飞轮。这种飞轮一旦跑通，护城河的深度将远超单一业务线条。
最终，这一切将指向阿里集团价值的根本性重估。过去，市场对阿里的估值逻辑根植于 " 电商平台 " 这一坐标。但当 AI+ 云成为增长主引擎、当阿里完成从 " 互联网平台 " 到 "AI 基础设施公司 " 的身份转型，估值坐标系也必须重置。
管理层对此显然有清醒的认知。从 " 全栈 AI" 的战略表述，到本次财报首次披露 AI 年化收入这一动作本身，都在向市场传递一个清晰的信号：阿里正在重新定义自己。
从更宏观的视角看，阿里正站在一个历史性的交汇点上：全球 AI 产业集体迈入商业化兑现期，而阿里凭借提前数年的全栈布局和持续投入，已经占据了有利身位。
1999 年的阿里，做的事是让 " 商品 " 在平台上自由流通。它建立了一套包含支付、物流、信用评价在内的商业基础设施，让中国的制造业产能找到了市场出口，也让自己成为了全球最大的商品交易平台。
2026 年的阿里，做的事是让 "Token" 在平台上被定价、被交易、被消耗。它正在建立一套包含算力供给、模型能力、应用生态在内的 AI 基础设施，让中国的智力资源找到了变现通道，而它自己，也在成为全球最重要的 Token 经济基础设施之一。
这两次阿里与时代的共振，背后的经济逻辑是一脉相承的。中国经济第一次腾飞靠的是制造业，阿里做的是让制成品更高效地流通。中国经济第二次升级靠的是创新和技术，阿里做的是让智力更规模化地供给。
吴泳铭在电话会上说了一句颇具意味的话：" 阿里 AI 已正式跨越初期投入阶段，进入商业化回报周期。"
