文章AI模型江湖 · 第 12 期

阿里：云上家底齐全，千问怎样把位置站稳？

云、芯片、模型和工作工具齐全之后，千问怎样在独立外部需求中反复被选中？

徐瀚勃2026-09-21

AI模型江湖12 / 公司研究 · 阿里／千问

普通人的红利：产业 × 投资 × 交易，寻找AI时代的Google、Amazon ｜于AI诸相中，普皆共证菩提

本系列纯属个人兴趣，仅为AI江湖的八卦交流，不构成任何投资建议！如有侵权，联系删稿！｜2026年9月

先看结论

当前定位：筑基中期，向后期验证。千问已有技术、供给与市场回应；关键是把阿里的资源组合，变成外部客户愿意持续选择的新AI业务。

产业视角｜AI Native：机会不只是多卖一些云资源，而是把模型、运行环境和工作工具接成可靠服务，让小团队也能承担过去做不起的工作。

投资视角｜金印五阶：先看千问为什么被选择，再看客户围绕哪一层持续建设。云留住客户、模型获得依赖和平台取得收益，须分别判断。

交易视角｜风控五环：计算服务、新AI业务与集团资金分账；投入能够支持探索，却不能替尚未取得的定价权保价，不拼造纯模型估值。

元婴观察：先让供给与外部采用站稳，再看千问能否组织新的交付分工，影响终端选择和合作规则，并持续留下合理收益。

一｜江湖开场：家底齐全，差的还是一套合击

看过Google，再看阿里，很容易产生熟悉感：云有了，模型有了，应用和商业场景也摆在桌上；炼器房、丹药铺、账房先生，一样不少。似乎只差掌门一拍桌子，全宗门便能合力出招。可客户不按组织图买单。几个部门挨得近，未必意味着一件工作能顺着做完。

阿里正在调整这套组合。2026年6月季度的业绩公告，将云与平头哥放进计算服务分部，把模型实验室、千问消费者业务与QwenWork归入另一分部。[1]这比揣测某种“公司基因”更值得看：基础设施与应用怎样分工，研究成果又怎样进入客户现场？牌匾可以当天换好，合击还要上场练。

经营活动已有分量：该季度AI Cloud and Compute Services收入484.37亿元，AI Labs and Applications收入33.38亿元。[1]前者是云与计算服务，后者包含模型和应用，都不是千问单一模型收入。数字说明有人购买能力与服务，下一步才是辨认：客户究竟为什么选千问，下一份预算又会留在哪里？

我的定位是：千问及相关新AI业务处于筑基中期，向后期验证。不是给阿里集团重发修为证，而是看新业务能否把资源优势变成可重复的技术与市场优势。阿里最值得研究的，也许并非“再多做一种能力”，而是让已有能力减少客户的拼装负担，从资源齐全走到真正交得成。

二｜产业视角·需求：让小团队也开得起新工坊

普通人看这门产业，不必先猜下一季云收入，先看哪些工作原来根本做不起。一个小团队能否持续整理客户资料、维护软件、提供跨语言服务？过去需要凑齐不同专业角色，预算只够处理最着急的那几件事。能力获取变便宜以后，原来被搁置的需求才可能走进市场。

这就是AI Native里的增能。官方对QwenWork的说明，是把模型与Agent能力接进企业工作，连接云、钉钉与第三方流程。[1]产业机会在于把分散的能力组织起来，让小团队不必自己先修一套运行底座。工具多了并不自动值钱，少搭一次系统、少交接一轮资料，才可能让一项服务开始有账可算。

承责则比“能力可用”更进一步。设想一项订单核对工作：系统整理材料、定位冲突，形成有依据的更正方案，异常留给有权处理的人。这是分析场景，不是已披露的客户案例。客户要获得的是连续处理与可靠结果；如果仍须逐次上传、反复催促、找回失败进度，省下的打字时间又交给了总值班。

需求也可以由正在运行的Agent发起。它发现一份资料不一致，继续请求核验，不必每步都由人点击；但预算、权限和验收仍然有效，不能自己改付款对象再给自己盖章。真正值得期待的，是更多小组织有能力提供持续服务，而不是把旧岗位一律换成数字弟子。

丰裕看合格结果是否更可负担：模型、工具、重试、运行与人工检查要合算。破界看新方法能否用于真实场景；创生看新工具能否被其他系统继续使用。云托管科研工具不等于千问已完成原创发现，生成代码也不等于自主进化。先让原来做不起的事做得起，再让它稳定交得成，产业空间才真正打开。

三｜产业视角·供给：炉子、功法与运行要接上

要接住这些需求，不能只有工作界面，后面还得有持续生产能力。CADEF从算力工程、算法、数据、经验与资本检查这座工厂。下表是26Q3的研究评分，不是实测产能；它先回答能否稳定提供能力，客户是否已经形成长期依赖，是另一道关。

维度与权重	评分／10	本篇最重要的判断
C 算力工程 · 30%	8.5	自研网络与云工程有实证；集团投入不是千问效率
A 算法效率 · 25%	8.0	长任务与训练迭代有材料；自评不等于统一外部实测
D 数据工厂 · 20%	7.0	训练环境与验证路径支持学习；规模和来源需分别核验
E 经验飞轮 · 15%	6.0	实际业务有反馈入口；不能把集团数据全计为模型经验
F 资本续航 · 10%	8.5	集团资源可托举投入；多业务需求与资本负担不能遗漏

C先看阿里真正练过的工程。团队2024年发表的HPN网络论文披露双层、双平面等设计，单个Pod可连接约1.5万张GPU，并称发表时已投入生产超过八个月。[3]大规模训练里，高手等传话也是浪费灵石；网络设计的价值，是让计算、传输与运行尽量协同。这是历史工程证据，不是2026年千问的现役卡数清单。

“算存光冷电”是芯片、存储、互联、冷却和供电，“编并调容服”是编译、并行、调度、容错与推理服务。财报还描述了包括自有芯片在内的异构集群编排能力。[1]阿里的优势在于有条件沿着系统解决问题，而不只是增加采购。能不能转成千问的优势，仍要看同质量任务下的成本、吞吐与稳定性。

A看功法如何在任务里反复改进。8月3日Qwen3.8-Max发布材料介绍了稀疏结构、长上下文与强化学习环境。公司还报告了oh-my-cli这一Agent框架的内部开发项目：模型围绕任务反馈与测试工作，历时16天。[2]这把“长任务”从窗口长度变成了具体工程过程，但它仍是特定工具、预算和环境下的公司实验，并非外部客户的16天无人值守保单。

“架训配评迭”看结构、学习方法、配方组合、问题诊断与下一轮有效实验。这个项目的研究意义，是训练目标开始贴近连续开发，而不只是交一次答案。若相关方法能够在可比条件下减少错误与返工，算法就可能扩大可服务的工作范围；具体收益还要扣清新增计算与验证，不能把项目做长直接当成效率提高。

D负责把练习做成值得学习的材料，E负责把真实工作带回来的教训用起来。“人合环验洗”看任务、合成内容、执行环境、验证与筛选；“量深轨果回”追任务规模、深度、过程、结果与改进。内部沙箱主要支持D，客户实际问题经许可进入诊断与训练，才支持E。一个练功房跑得很久，不能替外部经营补一份战报。

公司描述了实际应用反馈与模型改进的联系，[1]但有效轨迹量、授权范围和贡献仍缺完整量化。电商数据、云日志、工作产品反馈不是同一池水；接入资料的权限，也不是训练使用权。E暂按6分，是承认反馈入口，同时保留闭环深度的缺口。改进也可能来自工具和流程，不能把所有功劳都交给基础模型。

F看试错空间，也看每一炉的账。该季度集团资本支出约676.78亿元，公司口径自由现金流净流出446.70亿元。[1]它们反映整体投入，不等于千问训练花掉同样金额。资本能让研发继续，却不能取消供给成本与回款约束。炉火烧得旺，至少得知道是在提高成丹率，还是把同一张账单越烧越长。

五项连起来，阿里最有潜力的一步，是把模型更新、云运行、工作产品与实际反馈接得更顺：客户少反复求助，团队少跨系统返工，下一项服务更容易开始。全栈不是所有部门都写在海报上，而是客户办一件真事时，不必替各部门重新接一遍线。

四｜产业视角·交付：云留客，千问凭什么留心？

模型出炉之后，生意还没有结束。阿里同时有官方API、开放权重与云上工作产品，能力能从几扇门进入客户系统。选择多可以降低采用门槛，也意味着收入与依赖不必留在同一个地方。先把任务怎样流动写清楚，才能知道客户是在买算力、买模型，还是买少操心的工作服务。

交付路线	客户实际拿到什么	关系与收益要追到哪里
官方Qwen API	按服务接口调用模型，自行或借工具完成业务	模型收入、适配与验证投入能否持续；客户自身还承担哪些工作
开放权重自部署	在许可范围内运行、适配模型，自管部分基础设施	支持与升级依赖谁；广泛采用是否形成原厂可持续关系
云／工作平台集成	统一环境连接模型、资料、工具、权限与计量	云、应用、渠道与千问分别提供什么，客户预算归属哪一层

Qwen-Agent提供了具体线索：工具调用、规划与记忆可以连接云端服务，也可以连接自行部署的开放Qwen模型。[5]客户因此有机会保留资料和环境，在不同部署方式间组织工作。模型发布时的权重计划，与随后财报所述开放进展，也要按时间分别理解；同叫Qwen，不代表许可、版本和交付条件可以互换。[1][2]

另一边，Model Studio目录还提供第三方模型。[4]这对客户有吸引力：不同任务不必硬塞给同一位高手，平台可以组织合适的供给。但云上的负载越多，不必然意味着千问的份额越高。平台擅长招待各派弟子是本事，自家功法能否被指定，还要听客户为什么选择。

所以有两次有方向的检验。“留云换模”：保留资料、通用工具、账户和运行环境，只换Qwen，要重做哪些评测、行业适配和上线验证？“留模换云”：保留开放模型，换到其他环境，运行支持、计量和业务流程又要改多少？这不是已经完成的迁移实测，而是分辨两种价值的办法。

前者查千问的特定增量，后者查云与工作环境的作用。客户能把模型搬到别处，并不表示原厂毫无价值；稳定更新、可靠支持和可复用评测，仍可能让合作持续。客户留在阿里云也不自动归功于千问。模型能在别人的客栈受欢迎，云也能招待别派高手，两种生意都好，但不能把同一份学费收进两本成绩簿。

交付真正往承责走，还要明确谁接任务、谁保进度、谁恢复失败、谁验收并收款；走向丰裕，要把共享供给的节省传到成功结果的全成本。发现的新方法须封装、试点再部署，新工具的复用也要处理版本与权限。客户得到的不应是更长的产品菜单，而是一段能连续运行、出了问题有人接住的工作。

如果阿里把这些接缝处理好，小团队就能把更多精力花在自己的专业服务，而非反复搭底层系统。这是一条有产业想象力的路：不要求客户交出全部钥匙，却让每次合作更省事。至于这份省事最终属于云、千问还是工作平台，要在下一层投资判断里分别登记。

五｜投资视角：千问站稳，不能只靠云的地契

金印五阶看的是经营关系怎样长出来。炼气的两锚，在这里已有产品方向与市场回应；筑基的两定，则要求技术和供给重复有效，外部客户在可比市场里持续选择。阿里有资源支持这条路，却仍要由千问自己证明：客户为什么付钱，下一次为什么还来。

因此，筑基中期向后期，最有价值的不是又多了一个功能，而是同一批客户、相近任务和连续期间的变化：版本更新后结果更稳吗，完整成本更低吗，优惠结束后是否续用？内部负载和打包采购可以帮助验证服务，外部竞争中的持续选择则提供另一种证明。没有可靠的市场分母，就不从云份额反推千问的CR3。

金丹的门槛，是客户下一次建设不再从零开始。围绕Qwen做的行业评测还能用，工具适配和上线流程能够继承，服务商愿意继续维护，预算因此延续。这时客户留下，不只是当期价格合适，而是有效积累使下一轮合作更值得。反复替接口填坑不叫修城，升级后留下的才是城墙。

有趣的是，开放不必与这种积累冲突。客户能够控制部署，同时仍愿意购买更新、验证和运行支持，关系也可以变厚。阿里不必把所有环节圈进同一面墙，才能形成实权；但模型和平台哪一层已经出现持续投入，就要在哪一层举证，不能由集团统一代领金丹。

收益又是独立一关。该季度计算服务分部调整后EBITA为正56.28亿元，AI Labs and Applications为负138.61亿元。[1]这是两个分部的经营口径，不是千问的毛利或净利。前者说明已有业务能经营，后者提示新AI投入仍重；它们不能互相掩盖，也不能仅凭亏损就抹去研究价值。

元婴要把位置继续转成交付与合作规则，并在必要投入之后留下合理收益。化神再看新产品、新客户能否复用旧积累，团队与资本配置是否让优势继续生长。阿里的机会，是把已有家底炼成可重复的生产体系；今天仍在验证筑基，未来的神位却要靠这种体系在客户那里长出来。

六｜交易视角：云有账，模型也得有自己的账

模型、云、工作产品和集团现金流要分开。收入运行规模不能重复加进已确认收入，缺少独立利润与必要投入，就不拿集团市值拼出“纯千问估值”。[1]风控五环从准入、定仓、估值到共修、退出，始终要求价格与已经验证的判断相匹配。资源支持试错，不替未来保价；研究一家公司可能化元婴，也不能先把化神的学费付清。

七｜共修观察：从客户选中，走到客户继续建设

近期先盯两件事：千问的外部选择是否持续，交付的质量与成本是否站稳。把内部负载与外部付费分开，在同类任务中跟踪可靠性、成功结果成本和续用。一次繁忙说明需求来了，下一轮还能稳定接住，才更接近筑基后期。

下一道关再看客户投入。为Qwen建设的评测、工具、行业适配与支持关系，是否跨项目、跨版本留下？客户下一笔预算为什么仍投向这里？“留云换模”和“留模换云”不必每次都真搬家，但判断要落到可核验的重建范围、结果差异与资产归属。

远期元婴，也有阿里自己的考题。它既可能靠模型成为指定供给，也可能靠云和工作层组织新的服务；不同路径都能创造价值，关键是哪一层取得了规则与收益。

元婴观察主线	对阿里／千问具体看什么
重构生产	客户能否围绕新AI服务交付原来做不起的业务，组织方式确实改变
影响终端	终端企业或Agent是否主动指定千问能力，而不只是接受云套餐安排
穿透分配	云、模型、应用与渠道各留多少收益，重复计数和成本转移是否排除
取得规则权	接口、版本、交付与合作规则能否被伙伴持续采用，并支持伙伴经营
两高两稳兑现	对应新AI业务的客户质量、毛利、现金与资本回报，是否持续改善

需要收紧判断的信号也明确：外部采用主要靠捆绑，客户升级总要重来，模型被替换却不影响关键结果，或者新AI收益始终只能借旧云业务解释。反过来，若开放部署与托管服务中的客户持续选择千问，有效资产不断复用，就应承认关系正在变厚，而不是守着旧标签不动。

规则权不在于把伙伴的利润拿光。让服务商有能力做生意，让客户下一次少花冤枉功夫，原厂也能支持持续研发，协作才走得长。阿里真正值得期待的，不是“这里什么都有”，而是客户终于可以说：“下一门生意，也能从这里开起来。”

下一篇看腾讯。同样是老宗门，它更鲜明的问题是：WorkBuddy把各家高手组织起来，客户依赖究竟留给了工作平台，还是留给自家混元？