2026财年，阿里营收突破万亿，但经营利润下滑超六成。数字不好看，可仔细看细分业务，藏在财报里的AI相关收入已连续十一个季度保持三位数增长——单季89亿元，占云业务收入三成。
这已经不再是最开始的那一棵小树苗，而是已经开始挣钱的业务。
问题是：它能撑起阿里的未来吗？
一个窗口期的故事
阿里的思路和当年亚马逊建AWS如出一辙：先把基础设施砸出来，让别人离不开，再谈赚钱。
吴泳铭在业绩会上说：“本季度自由现金流是负数，是因为过去一年在AI方面的投入。但未来两年投入仍会坚定持续，因为这对于阿里是关键的窗口期。”
关键窗口期。这个判断有它的逻辑。
大模型的竞争，本质上是算力、算法和数据的综合竞争。在模型能力趋于同质化的趋势下，谁先用基础设施把价格打下来，谁就能吸引更多开发者。3800亿元，是阿里已公布的三年AI基建投入目标。业绩会上吴泳铭把时间表直接拉长到五年：投入会远远超过3800亿元。这意味着阿里判断：这场竞争不会在三年内结束，自己必须撑到对手先退场。
89亿元背后的三层自研
3800亿砸下去，最终要体现在具体的收入数字上。而这个数字的核心来源，就是阿里称为“三层自研”的技术栈。
第一层：模型。通义千问系列从最初的72B参数模型演进到MoE稀疏架构。MoE（混合专家）架构的核心逻辑是把计算资源只分配给真正需要激活的“专家”网络，而不是每次推理都动用全部参数——这是把推理成本从“豪华套餐”变成“按需点单”的关键。
第二层：推理成本。大模型商业化最难迈过的门槛不是训练，是推理——每一次用户调用都在烧钱。阿里在推理侧的优化有两个核心方向：量化（把高精度参数压缩成低精度，牺牲少量精度换取成本下降）和Continuous Batching（把不同请求打包处理，提高GPU利用率）。这两件事做好了，推理效率可以获得显著优化，直接影响AI应用能否真正商业化部署。
第三层：云基础设施。阿里云自研的CIPU是一块专用芯片，核心思路和亚马逊Nitro一致：将存储和网络I/O路径卸载到硬件，让CPU专心处理业务计算。对于AI推理场景来说，数据搬运的效率直接影响GPU等待时间，CIPU的价值在于减少这个等待，从而让整个推理管道更顺畅。
三层打通之后，才是阿里所说的“全栈AI”——每一层单独看都不稀奇，但串联起来，才能把从模型训练到用户落地的成本真正压下来。
经营利润下滑64%的真相
数字难看，但数字背后有讲究。
经营利润下滑64%，自由现金流转负——这些“亏钱”，是有意为之的战略性选择。阿里把利润换成了三样东西：即时零售的市场份额、AI基建的产能、和云业务的增长惯性。
即时零售的投入已经看到了回报：全年收入785亿元，同比增长47%，增速突破两位数。但AI基建的回报更值得关注——它不是线性增长，而是台阶式的。云业务收入增长34%至1581亿元，经调整EBITA增长35%至143亿元，云智能集团已经实现了营收和利润的同步增长。
这是关键信号。一个业务板块，如果收入在高速增长，同时利润也在增长，说明它不只是靠规模效应在跑，而是在技术优化和规模效应双重驱动下走向成熟。
推理成本，才是真正的胜负手
这场AI竞赛里，大部分人盯着训练端——谁家模型最强、谁家参数最多。但真正决定大模型能否商业化落地的，是推理成本。
逻辑很简单：训练是一次性成本，推理是每一次调用都要付的成本。当大模型的API调用价格降到足够低，大量AI原生应用才会真正爆发。就像当年云计算从贵得离谱到白菜价，中间经历了十几年的成本优化曲线，现在大模型推理也在走这条路。
阿里在推理侧的投入，本质上是在加速这条曲线。
89亿元单季收入、34%的云业务增速、三层自研的技术栈——这些数字拼在一起，指向同一个结论：阿里正在用基础设施换时间，用利润换市场份额，在推理成本降到临界点之前，提前把坑位占住。
万亿营收背后，净利还在下滑，但有一件事已经清晰了——AI业务的商业化逻辑，正在得到验证。
这场押注，筹码还在加码。而窗口期的大门，正在慢慢关上。
