文 | 舒书
8 月 20 日，阿里发布 2027 财年 Q1 财报。
营收 2689.53 亿元，同比增长 9%，略超预期。利润端全面承压——经调整净利润 207.15 亿元，同比下降 38%；经营利润 151.61 亿元，同比暴跌 57%。
财报披露，本季度资本开支 676.78 亿元，自由现金流净流出 446.7 亿元，是去年同期 188.15 亿元净流出的约 2.4 倍。
但这份财报的另一面同样值得关注：阿里云外部商业化收入同比增长 45%，创 22 个季度新高；AI 相关产品季度收入 123.76 亿元，连续第 12 个季度实现三位数同比增长。AI 云与算力分部经调整 EBITA 利润率从去年的 7% 提升至 12%（利润额同比大增 133%）。AI 收入已在云业务中占比升至 35%。
利润下滑并非只来自算力投入。AI 应用侧同样在 " 烧钱 " ——阿里 AI 实验室与应用分部经调整 EBITA 亏损 138.61 亿元，较上年同期 32.24 亿元的亏损扩大超 100 亿元。与此同时，传统电商业务仍面临宏观压力，客户管理收入报表口径同比下降 7%，主要受新营销发展计划会计处理变化影响（部分补贴从费用转为收入冲减项）；剔除该影响后，同口径 CMR 同比增长约 1%，显示电商基本盘低速增长但货币化率提升空间有限。
上游云算力开始盈利，下游 AI 应用仍在投入，电商基本盘低速增长—— " 用电商利润输血 AI" 的战略正在经历最紧张的阶段。
一、算力—模型— Token —应用：全栈 AI 的增长飞轮
阿里管理层将 AI 业务概括为一条完整的商业链路：" 算力—模型— Token —应用—收入 "。
吴泳铭在业绩会上强调：阿里 AI 产品经常性收入覆盖 AI 算力、模型服务、AI 应用等多个层面。" 客户在算力、模型、应用任何一层的需求增长，都会转化为我们的商业机会。"
这一结构性优势，是阿里与纯粹做算力租赁或纯粹做模型的竞争对手最大的不同。具体来说，这条链路在三个层面形成协同：
芯片层，平头哥已建成覆盖 GPU、CPU、网络芯片的全栈自研芯片组合，真武芯片已服务超 650 家外部客户，覆盖自动驾驶、互联网、金融等 20 多个行业。吴泳铭表示，新一代真武 M890 集成 144GB HBM 高带宽显存，片间互联带宽可达 800GB/s，综合性能达到前代真武 810E 的三倍，已上线阿里云规模化销售，可高效运行超 2 万亿参数的大模型推理。
待验证缺口：以上性能参数均为阿里官方披露，目前缺乏第三方基准测试（如 MLPerf）的独立验证，与国际主流芯片（H100/B200）的对比数据尚不完整。650 家客户的付费规模、复购率、是否依赖阿里生态补贴等关键信息同样未公开。
模型层，过去一个月阿里模型发布全面提速，大语言、图像、语音、视频、音乐五大类模型均完成重要版本迭代，性能位于国际第一梯队。Qwen 系列全球下载量超 30 亿次，衍生模型超 30 万个。
待验证缺口：30 亿次下载中，有多少转化为阿里云付费用户？160 亿 MaaS ARR 中有多少来自 Qwen 生态？开源拉动云服务的商业飞轮尚未有公开数据验证。
应用层，B 端推出旗舰 Agent 产品千问办公，C 端千问 App 已带动 2.5 亿用户体验 AI 购物（该数据为累计触达用户数，非月活或付费用户）。更关键的变化是：AI Agent 爆发不仅推高了 Token 和 GPU 算力需求，同时大幅拉动了 CPU 算力、存储、数据库、网络等传统云产品需求。
全栈 AI 的核心逻辑不是做加法，而是做乘法。每一层的需求增长，都会在下一层产生乘数效应。这是阿里区别于纯算力租赁或纯模型厂商的关键差异——但这一差异能否转化为财务回报，取决于每一层的待验证缺口能否被持续填满。
吴泳铭在业绩会上给出了三个关键判断：算力紧缺至少持续到 2030 年；按照目前 AI 产品的平均毛利水平，算力 Capex 可以在三年内回本；2020 年采购的 A100 到现在仍 " 近乎满载地被客户使用 "。
吴泳铭的原话是：假设目前 AI 产品的平均毛利水平可以维持，叠加自研芯片占比提升带来的毛利率改善，"CAPEX 可以实现在三年之内回本 "，未来有望缩短到 2.5 年甚至 2 年。
但三年回本不是一个确定性事实，而是一个高度依赖假设的测算结果。其核心假设链条是：AI 需求增速保持高位→算力租赁价格维持当前水平→自研芯片如期替换→ AI 产品毛利率持续改善。
阿里云毛利率的支撑点在于全栈协同——自研芯片降低采购成本、自研模型减少第三方 API 授权费、规模化数据中心将交付周期压缩至 100 天。
以下是一个简化的现金流回本测算框架：
677 亿 Capex 中，GPU 服务器为主（折旧年限 3-5 年），数据中心基础设施为辅（折旧年限 10-15 年）。按加权平均折旧年限约 4 年计算，年折旧约 170 亿元（会计成本，非现金流出）。年化 AI 相关收入约 495 亿元（基于 AI 相关产品季度收入 123.76 亿），假设毛利率提升至 45%-50%，对应年毛利约 220-250 亿元，扣除运营成本后，年增量自由现金流约 150-200 亿元，回收期约 3.4-4.5 年。
敏感性分析：
上述模型显示，基准情景下三年回本紧贴着可能实现，但任何单一变量恶化都可能将周期拉长至 4-5 年，多重因素叠加则可能超过 6 年。
同时需要警惕的是：当前不仅是阿里，腾讯、百度等所有大厂都在按 " 供不应求 " 的假设疯狂铺产能。当 2027 年这些算力集群集中交付时，下游需求能否持续跑赢供给洪峰，仍是未知数。
1. 财务风险：ROIC 侵蚀与现金消耗
据交银国际研报测算，按 2027 财年全年 Capex 2000-2400 亿元、折旧增长 350-400 亿元估算，阿里云经调整 EBITA 利润率可能被拉低 5-7 个百分点。花旗分析师指出，大规模 AI Capex 将拉低阿里整体 ROIC 约 2-3 个百分点。若 Capex 持续高企，ROIC 从当前约 12% 降至 10% 以下是大概率事件。
但现金消耗需动态看待：阿里当前现金储备约 4745 亿元，且拥有股权融资、债券发行等多种补充渠道，短期内不存在流动性风险。
2. 竞争与价格风险
当前国内 AI 算力尚未进入全面价格战，但字节火山引擎、华为云均在快速扩张 AI 算力产能。若 2027 年算力供给集中释放，价格战可能实质性爆发。
3. 技术风险：推理效率提升正在改变算力需求曲线
更现实的风险来自推理效率的持续优化。DeepSeek、MoE 架构、量化技术正在降低单位智能的算力消耗，部分模型推理成本较 2024 年已下降 50% 以上。如果下一代模型在同等智能水平下需要的算力持续下降，" 算力紧缺到 2030 年 " 的判断将受到挑战。
四、估值敏感性矩阵
当前阿里市值约 1.55 万亿人民币。以下基于 FY2027 业绩估算构建 SOTP 估值矩阵：
当前市值约 1.55 万亿人民币，处于估值矩阵中性偏乐观区间——市场已部分计价 AI 算力投资成功的预期，但尚未充分反映乐观情景。
五、综合判断
综合测算框架与风险维度，管理层三年回本的预测处于乐观情景的上沿。基准情景下，回收期更可能在 4 年左右；若算力价格下行或自研芯片延迟，回收期可能拉长至 5-6 年。
阿里这场 677 亿的投入，本质上是赌全栈 AI 的乘数效应能否跑赢算力资产的折旧速度——芯片自研降低采购成本，模型开源拉动云服务需求，AI 应用反过来推高算力消耗，三者形成正反馈循环。这个闭环越完整，677 亿的回本周期就越短。
但风险同样清晰：如果算力价格因供给过剩而下降，如果自研芯片量产不及预期，如果 AI 应用层的商业化慢于预想——任何一个环节出问题，三年回本都可能变成四到五年，甚至更长。
当前市值约 1.55 万亿人民币，处于估值矩阵中性附近区间——市场已部分计价 AI 算力投资成功的预期。若读者认为三年回本成功概率高于 50%，当前估值存在一定安全边际；若认为回本周期必然超过 5 年，则存在下行风险。
