阿里AI商业模式双轮驱动，算力收入484.37亿增长45%，但利润跌38%到底值不值？

阿里AI商业模式靠什么赚钱？算力云和AI应用谁在贡献真金白银？

　　阿里巴巴AI商业模式的赚钱路径已明确分为两层：第一层是算力云与MaaS服务，第二层是AI应用产品，前者已盈利，后者处于战略投入期。

　　算力云业务是当前阿里的“现金奶牛”。本季度阿里AI云与算力服务收入484.37亿元，同比增长45%，外部商业化收入增速创22个季度新高，同时云业务经调整EBITA利润率提升至12%。这一盈利能力的跃升意味着，阿里云不再是单纯靠规模换收入的“管道型”业务，而是开始具备自我造血能力的利润中心。

　　AI应用产品则是阿里押注未来的“第二增长曲线”。以千问模型、千问办公、千问App等为代表的应用层产品，用户增长可观但暂未实现盈利。财报显示，AI相关产品收入达123.76亿元，连续第12个季度保持三位数同比增长。这些产品整合了钉钉生态，打通企业数据库与工作流，正在成为企业级AI入口的争夺者。

　　从收入贡献度看，AI云与算力服务占总营收比例已从上年同期的约13%提升至18%，AI应用产品则约占4.6%。算力是当下主力贡献者，应用是未来想象空间所在，二者共同构成阿里AI商业模式的收入组合。

核心数据一览：总营收2689.53亿元（+9%），AI云与算力服务收入484.37亿元（+45%），AI相关产品收入123.76亿元（连续12季度三位数增长），云业务EBITA利润率12%，资本支出676.78亿元（+75%）。

阿里AI利润为什么下滑？资本开支暴增75%背后是什么逻辑？

　　阿里AI利润下滑的直接原因是资本开支大幅增加，但深层逻辑是商业模式从“轻资产平台”向“重资产算力基础设施+智能服务”的主动切换。

　　财报显示，本季度资本支出676.78亿元，同比增长75%，主要用于云基础设施建设（如数据中心、GPU集群）与模型研发。这笔大规模投入直接导致自由现金流净流出扩大至446.7亿元，也成为市场争议的焦点：支持者认为这是在建立“算力护城河”，质疑者则认为回报路径不够清晰。

　　阿里管理层在业绩会上强调了“有纪律性地投入全栈AI”的战略，并指出算力正从“成本项”变为“收入项”。这一表述的潜台词是：阿里不再将GPU、数据中心视为纯折旧费用，而是将其定位为可对外出租、按调用量计费、甚至按创造经济价值定价的“数字生产力工具”。

　　对比腾讯、百度等同期动作可以发现，AI资本开支压力是行业普遍现象。腾讯同样因AI投入导致利润承压。阿里选择在这条路上更大力度投入，意味着它押注的是全球白领劳动和专业服务将被AI大规模替代的市场前景——算力不是成本，而是替代脑力劳动的生产资料。

　　从利润表看，阿里是“用今天的利润换AI时代的入场券”。净利润同比减少75.6%的数字确实扎眼，但构成利润下滑的因素中，AI相关投入是最核心的部分，且这笔投入已经转化为45%增速的云收入和三位数增长的AI产品收入，而非打了水漂。

阿里AI双轮驱动如何形成飞轮？算力和应用的闭环是怎么转起来的？

　　阿里AI商业模式的飞轮效应在于：算力业务提供现金流与基础设施，应用产品扩大算力需求、降低推理成本，二者形成正向循环。

　　这个飞轮的运转链条清晰可见：阿里云对外输出算力与MaaS服务获得收入，支持算力基础设施的持续扩容；千问办公等AI应用整合钉钉生态、企业数据库和工作流，带动API调用量和Token消耗量快速增长；应用层调用规模的扩大进一步摊薄算力单位成本，让云服务以更有竞争力的价格吸引更多开发者与企业客户。微博大V“茶健身”认为，API调用量的暴涨说明应用层已跑通，算力规模化又进一步压低单位成本。

　　从中游模型层面看，阿里自研的Qwen（千问）大模型已形成产品矩阵，包括千问App（2.5亿用户体验AI购物）和千问办公（企业级AI助理），并被整合进淘宝、钉钉、高德等场景。模型下载量超30亿次的数据侧面佐证了其开放生态策略的有效性。

　　从底层硬件看，阿里自研芯片和AI基础设施正在降低对单一硬件供应商的依赖，并为大规模推理任务提供成本优势。全栈AI（芯片-模型-应用）的布局让阿里能够控制从训练到推理的完整成本链条，这在中国云计算厂商中具有稀缺性。

　　这一飞轮能否持续转动，取决于两个关键变量：一是模型能力能否保持领先以吸引高质量客户，二是算力基础设施利用率能否持续提升以巩固利润率。本季度云业务EBITA利润率提升至12%，说明规模效应初步显现，但距离海外云巨头30%以上的成熟利润率仍有较大提升空间。

阿里AI商业化成败的关键指标是什么？怎么判断这条路是否跑通？

　　判断阿里AI商业模式是否跑通，不能只看净利润，应重点跟踪云业务外部收入增速、AI产品年化收入、资本开支转化为收入的比例、以及EBITA利润率趋势四项指标。

　　首先，云业务外部收入增速达45%，创22个季度新高，且AI相关产品年化收入已逼近500亿元。这是衡量商业化兑现程度最直接的指标——说明企业客户愿意为阿里AI算力与模型服务付费，而非阿里内部自产自销。有观点指出，这一增速已超过亚马逊AWS和微软Azure的同期增速，表明AI正在推动中国云市场重新洗牌。

　　其次，增量利润表现值得关注。云业务经调整EBITA利润率从上年同期的约8%提升至12%，同比增幅达133%。这意味着收入增长并非靠牺牲利润率换取的“虚假繁荣”，而是规模效应真正在起作用。只要这一趋势持续，市场对阿里云的估值逻辑便会从PS估值切换至PE估值，打开新的市值空间。

　　第三，资本开支的“转化率”有待跟踪。676.78亿元的季度资本支出能否转化为持续性的算力收入，存在时间滞后，通常需要2-3个季度才能看到回报。市场上也有声音指出，AI投入若持续侵蚀利润而商业化进度不及预期，估值修复逻辑将面临挑战。

　　因此，接下来关注重点应为：即将到来的季度中，阿里云增速是否继续保持在40%以上，AI应用层何时从“用户增长”转向“收入确认”，以及管理层是否调整全年资本支出指引。

阿里AI商业模式对行业有什么影响？企业客户又该如何应对？

　　阿里AI商业模式已经超越单家公司层面，成为中国AI产业商业化路径的重要参照系。其影响主要体现在三个层面：对云市场竞争、对AI应用生态、对估值体系的重塑。

　　在云市场层面，阿里云以45%的增速挑战传统云计算增长天花板，证明AI是可以激活存量云市场的新动能。过去市场给阿里的定价锚点在电商零售，看的是GMV和消费频次；现在这套逻辑正在失效，取而代之的是算力基础设施的硬实力。市场开始重新定义阿里的估值框架——由“电商公司”逐步切换至“中国AI云基础设施核心资产”。

　　在应用生态层面，千问以“模型+应用+生态”的组合打法，带动了国内AI应用层的繁荣。千问办公等产品降低了企业使用大模型的门槛，使得中小企业可以通过API调用快速构建AI能力。此外，阿里云推出的一系列MaaS服务，也为中小模型厂商提供了算力支持，推动整个AI产业链的协同发展。

　　对企业客户而言，阿里AI商业模式的启示在于：算力的定价逻辑正在从“按资源消耗”转向“按创造价值”。如果一美元算力能够替客户节省两美元人工或创造三美元收入，它就不是成本，而是一项有ROI的生产资料。因此建议企业用户在评估AI采购时，不再单纯比较GPU和Token价格，而是综合衡量“模型能力、数据安全、生态集成、单位产出”四大维度。尤其对于SaaS公司、数据分析公司和客服系统服务商，应关注千问办公与钉钉生态的整合进度，因为它可能改变企业AI服务市场的分发规则。

　　不过也需要理性看待。阿里AI应用层商业化尚未跑通，电商主业也面临竞争压力，国际局势对算力采购和AI出口也存在政策不确定性，这些都是后续需要重点观察的风险因素。

　　舆论场中对此也存在分歧：部分投资者认为，阿里正处于战略性“以利润换未来”的深度转型期，短期盈利能力被即时零售扩张和AI基础设施投入双重压制，但云业务的ARR突破和AI商业化加速正在为市场提供重新定义估值框架的新叙事。另有观点提醒，大厂可能因为控制AI投入利润变好，而AI硬件公司会因此业绩增速变慢。两类声音指向的其实是同一问题：AI投入节奏与商业化回报之间的时间差，正是当前阿里估值争议的核心。

　　综合来看，阿里AI双轮驱动的商业模式，本质是用算力的规模盈利为应用的未来探索供血，再用应用层的规模增长反哺算力成本降低。能否跑通这一闭环，不仅要看下一季度财报数据，还要看AI应用产品能否在2026年下半年迎来商业化拐点。对行业观察者而言，阿里AI的商业化进展为理解中国AI产业的价值链拆解提供了清晰样本；对投资者而言，需要区分“账面利润噪声”与“核心业务质变”；对使用者和开发者来说，则意味着AI基础设施和模型服务正在变得更容易获取，但更需要擦亮眼睛，选择真正能落地、可量化的产品。

问：阿里AI到底靠什么赚钱？

　　答：主要靠阿里云的算力与MaaS服务赚钱，本季度AI云与算力服务收入484.37亿元，同比增长45%，已实现盈利，EBITA利润率12%。AI应用产品（千问）收入123.76亿元，连续12个季度三位数增长，但暂未盈利。据公开财报数据，双轮驱动下，算力支撑当下，应用布局未来。

问：阿里AI资本开支为什么这么高？

　　答：单季度资本支出达676.78亿元，同比增长75%，主要用于云基础设施建设（数据中心、GPU集群）和大模型研发。据公开财报，这是阿里以利润换未来的主动选择——短期财务承压，但目标是将算力转化为可对外收费的基础设施，而非纯粹的折旧成本。具体回报周期需以阿里官方实时信息为准。

问：阿里AI商业模式对国内大厂有什么参考意义？

　　答：阿里走的“算力+应用”双轮驱动路径，是中国大厂AI商业化的典型样本。其参考意义在于：先用算力云业务实现盈利建立现金流，再通过AI应用扩大调用规模、降低单位成本，形成飞轮。据公开报道，腾讯等大厂也在同步提升AI投入，但各家的关键差异在于：能否从“烧钱换规模”转向“规模换利润”。