产品中心

　　2025年2月24日，阿里巴巴集团CEO吴泳铭公开宣布，未来三年将投入超过3800亿元人民币用于建设云计算和人工智能硬件基础设施。他还明确表态，阿里AI战略的首要目标是实现通用人工智能（

　　第一，也是最主要的方向，就是AI与云计算基础设施，包括扩建数据中心，部署高性能算力集群和研发新一代AI服务器，直指万亿参数级大模型的训练。第二，加速AI基础模型平台及AI原生应用的开发和商业化落地。第三，通过AI技术重构电商、物流、本地生活等阿里巴巴的核心业务。

　　虽然这3800亿元约合500多亿美元，大概只相当于微软、Meta、亚马逊等硅谷巨头的年均资本开支。但阿里巴巴要在AI领域进行这样的大举投入，无疑是对未来的一次大胆押注。同时对于中国科技产业而言，也有很大的积极意义。

　　在我看来，阿里巴巴这样高调宣布，说明这些钱应该不只是为了简单地购买外部芯片，特别是不会用于大量采购英伟达的GPU。毕竟，仅依赖采购，难以形成持续的技术优势和创造新兴事物的能力，而且在美国出口管制的大背景下，阿里巴巴的采购成本也会大幅提升。

　　不过，我们也建议阿里巴巴不要仅仅是自研芯片，而是要采取“自主研发+生态合作”双轮驱动的策略，在不断的提高自身技术水平的同时，加强产业协作，促进中国芯片产业的协同创新。

　　我们想强调的是，芯片产业生态的构建和壮大，绝不是靠资金堆砌或单点技术的突破就能够实现的，更需要产业链的协同创新、标准的共建和长期的努力，耐心等待花开。

　　观察欧美的芯片产业高质量发展历程，显而易见，他们的技术壁垒源于技术能力和生态规模的复合效应。

　　以英伟达为例，其重要的护城河之一便是CUDA生态。但是，CUDA生态并不仅仅来自芯片的高性能和英伟达自身的技术水平，而是经过19年的不懈努力，积累了400万开发者和3000多个优化库，才形成了如今的网络。英伟达甚至因为每年要投入数亿美元维护更新CUDA、培训开发者而差点破产。

　　美欧日韩通过数十年的发展，才逐步构建起完整的芯片产业生态：一个从基础科研到应用技术开发，从研发设计到芯片生产到风险投资，从高度专业化的半导体设计到全球协同的供应链的体系。

　　1950年代初，美国半导体产业通过“硅谷模式”实现产学研协同，孕育了仙童半导体和后来的英特尔、AMD、德州仪器等一众芯片巨头。后来，美国半导体产业又组成SEMATECH联盟和EUV LLC联盟等组织，一同推动半导体制造技术标准化和工艺优化，为后来的技术发展奠定了基础。

　　欧洲的光刻机巨头阿斯麦ASML，更是全球协作的产物。其独步江湖的EUV光刻机，由10万个零部件组成，但其中九成以上来自荷兰本土之外的供应商。光源由美国Cymer公司（2012年被ASML收购，但受美国政府管制）独家供应，高精度反射镜则由德国蔡司（Carl Zeiss）提供。

　　这个产业生态，是欧美各国公司经过数十年共同协作才逐渐形成的。虽然阿斯麦因此要受到美国政府的管制，不能向中国厂商供应先进制程的光刻机，但这个产业生态也让他们始终处于创新的第一线。

　　在2019年，也就是美国还没有开始对中国芯片产业做全面封锁的时候，阿里巴巴便发布了“含光800”AI推理芯片，其性能甚至超过同期的英伟达T4芯片。

　　然而，由于缺乏配套的编译器、推理框架和行业标准，第三方开发者难以对含光800进行使用和适配，导致其应用场景极为有限，最终仅用于淘宝图片搜索等少数场景。

　　背后的深层原因主要在于，打造一款拥有超凡性能的“爆款产品”或许不难，但单纯追求技术参数，只会让产品沦为实验室成果。

　　而作为领军者，还有必要进行长期投入来搭平台和建立机制，甚至要倒贴钱、投入人力物力，助力合作伙伴进行创新，促进产业生态的形成。

　　但从长期的角度，培育生态的事情又是必须做的，一旦生态形成，就会有更多创新者自发进入，在生态中贡献力量，领军者将因此构建起坚固的竞争壁垒，获得长期且巨大的回报。

　　根据我们创新地图的观察，当前中国芯片产业已经围绕AI芯片领域出现了一个初具规模的产业生态。其中，华为可能占据了核心位置，周围还聚集了壁仞科技、燧原科技等一批芯片企业。据统计，GPU国产化率也从2020年的2%提升至了2025年的15%，显示出中国AI芯片产业不错的发展势头。

　　我们期待看到阿里巴巴不仅仅可以在云和AI硬件领域取得长足发展，还能利用自身长板，积极融入这个处于萌芽期的芯片产业生态，带动整个产业的共同进步和繁荣，因为这才是中国芯片产业突围的正确方向。而这次3800亿的大投入或许就是他们能给这个生态的“投名状”。

　　我们有理由相信，如果做出这一决定，阿里自己也将会得到丰厚回报。反之，若阿里巴巴延续封闭自研模式，就可能重蹈“含光800”的覆辙，错失参与生态发展的良机。