Tsais huvudargument är att AI inte bör utvärderas som en ny mjukvarumarknad. ”AI skapar värdeenheter som motsvarar mänsklig intelligens och mänsklig produktivitet”, sade han under en paneldiskussion. Han noterade att mer än hälften av världens cirka 100 biljoner dollar i BNP är kopplad till mänsklig intelligens och produktivitet, vilket skapar en enorm adresserbar möjlighet som han uppskattade till cirka 50 biljoner dollar .
Denna inramning motiverar de hundratals miljarder dollar i infrastrukturinvesteringar som pågår globalt. Även om många vd:ar ännu inte sett dramatiska produktivitetsvinster från AI, menade Tsai att branschen är ”på gränsen till verkliga produktivitetsvinster”. Han hänvisade till Alibabas egna ingenjörer som använder AI-kodningsverktyg för att gå bortom traditionella roller och påskynda innovation .
Tsai betonade att Alibaba är verksamt inom alla fem lagren i AI-stacken, medan många västerländska företag bara fokuserar på ett . Denna vertikala integration – från egenutvecklade chip, molninfrastruktur, frontmodeller och applikationsplattformar – erkänns alltmer som en strukturell fördel .
Energi (elnät): Kinas ihållande investering på cirka 90 miljarder dollar per år i kraftöverföring – högst i världen – stöder direkt AI:s enorma energibehov. Tsai noterade att detta innebär riklig energitillgång och lägre kostnader för AI-verksamhet .
Infrastruktur (chip och moln): Alibaba började bygga sitt moln för 17 år sedan av nödvändighet för sin e-handelsdata. Detta utvecklades till en av Kinas största molnverksamheter, med egenutvecklade chip och molninfrastruktur .
Grundmodeller: Qwen-familjen av stora språkmodeller har blivit en av världens mest använda AI-modeller med öppen källkod. Alibabas AI-verksamhet har gått bortom den initiala investeringsfasen och inlett en period med kommersiell avkastning, där tillväxtmomentumet har flyttats till modeller, beräkningskraft och intelligenta agenttjänster .
Applikationer: Alibabas djupa integration med sin e-handelsekosystem – som genererar cirka 25 miljarder dollar i årligt fritt kassaflöde – finansierar fortsatta investeringar och ger ett inbyggt applikationslager för AI-distribution .
Strategisk flexibilitet: Tsai noterade att även om modellföretag är ”mycket heta” idag, så garderar fullstack-strategin mot osäkerhet om var det största värdet i AI slutligen kommer att hamna – i infrastruktur, modeller eller applikationer .
Tsai positionerade modeller med öppen källkod som en central pelare i Alibabas strategi. En anledning till att Alibaba har valt att öppna källkoden för sina Qwen-modeller, förklarade han, är att det demokratiserar användningen av AI och sprider applikationer, vilket i sin tur driver efterfrågan på Alibabas molntjänster . ”Sättet vi drar nytta av öppen källkod är att det kommer att driva efterfrågan på AI, det kommer att driva träningsbehov, och vi ser i framtiden ett stort behov av inferens”, sade han .
Han menade att öppen källkod river barriärer och säkerställer att AI ”inte längre är ett privilegium för ett fåtal jättar” och att en bred spridning skulle ”driva delad global ekonomisk tillväxt och förbättrade levnadsstandarder” .
När det gäller digital suveränitet identifierade Tsai två viktiga drivkrafter: tekniskt oberoende och dataintegritet. Modeller med öppen källkod som Qwen gör det möjligt för organisationer att ladda ner, finjustera och köra dem på sin egen infrastruktur, vilket minskar beroendet av externa leverantörer och håller känslig data bakom företagets egna brandväggar .
Utöver öppen källkod tillskrev Tsai Kinas AI-genombrott strategiska investeringar inom tre områden: elnätet, en komplett tillverkningskedja och en snabbrörlig ingenjörskultur . Han noterade att Kinas ”applikationsrika ekosystem” tvingar företag att anpassa sig snabbt, vilket gör det till en idealisk miljö för AI-distribution .
Tsai beskrev den amerikansk-kinesiska konkurrensen inom AI inte som ett nollsummespel utan som ett långdistanslopp där framgång bör mätas i ”vem som kan implementera det snabbare” snarare än ”vem som skapar den mest kraftfulla AI-modellen” . Detta perspektiv positionerar kinesiska företag inte som hot, utan som viktiga bidragsgivare till det globala AI-ekosystemet med öppen källkod, tillsammans med europeiska och amerikanska motsvarigheter.
Tsais huvudargument är att AI inte bör utvärderas som en ny mjukvarumarknad. ”AI skapar värdeenheter som motsvarar mänsklig intelligens och mänsklig produktivitet”, sade han under en paneldiskussion. Han noterade att mer än hälften av världens cirka 100 biljoner dollar i BNP är kopplad till mänsklig intelligens och produktivitet, vilket skapar en enorm adresserbar möjlighet som han uppskattade till cirka 50 biljoner dollar .
Denna inramning motiverar de hundratals miljarder dollar i infrastrukturinvesteringar som pågår globalt. Även om många vd:ar ännu inte sett dramatiska produktivitetsvinster från AI, menade Tsai att branschen är ”på gränsen till verkliga produktivitetsvinster”. Han hänvisade till Alibabas egna ingenjörer som använder AI-kodningsverktyg för att gå bortom traditionella roller och påskynda innovation .
Tsai betonade att Alibaba är verksamt inom alla fem lagren i AI-stacken, medan många västerländska företag bara fokuserar på ett . Denna vertikala integration – från egenutvecklade chip, molninfrastruktur, frontmodeller och applikationsplattformar – erkänns alltmer som en strukturell fördel .
Energi (elnät): Kinas ihållande investering på cirka 90 miljarder dollar per år i kraftöverföring – högst i världen – stöder direkt AI:s enorma energibehov. Tsai noterade att detta innebär riklig energitillgång och lägre kostnader för AI-verksamhet .
Infrastruktur (chip och moln): Alibaba började bygga sitt moln för 17 år sedan av nödvändighet för sin e-handelsdata. Detta utvecklades till en av Kinas största molnverksamheter, med egenutvecklade chip och molninfrastruktur .
Grundmodeller: Qwen-familjen av stora språkmodeller har blivit en av världens mest använda AI-modeller med öppen källkod. Alibabas AI-verksamhet har gått bortom den initiala investeringsfasen och inlett en period med kommersiell avkastning, där tillväxtmomentumet har flyttats till modeller, beräkningskraft och intelligenta agenttjänster .
Applikationer: Alibabas djupa integration med sin e-handelsekosystem – som genererar cirka 25 miljarder dollar i årligt fritt kassaflöde – finansierar fortsatta investeringar och ger ett inbyggt applikationslager för AI-distribution .
Strategisk flexibilitet: Tsai noterade att även om modellföretag är ”mycket heta” idag, så garderar fullstack-strategin mot osäkerhet om var det största värdet i AI slutligen kommer att hamna – i infrastruktur, modeller eller applikationer .
Tsai positionerade modeller med öppen källkod som en central pelare i Alibabas strategi. En anledning till att Alibaba har valt att öppna källkoden för sina Qwen-modeller, förklarade han, är att det demokratiserar användningen av AI och sprider applikationer, vilket i sin tur driver efterfrågan på Alibabas molntjänster . ”Sättet vi drar nytta av öppen källkod är att det kommer att driva efterfrågan på AI, det kommer att driva träningsbehov, och vi ser i framtiden ett stort behov av inferens”, sade han .
Han menade att öppen källkod river barriärer och säkerställer att AI ”inte längre är ett privilegium för ett fåtal jättar” och att en bred spridning skulle ”driva delad global ekonomisk tillväxt och förbättrade levnadsstandarder” .
När det gäller digital suveränitet identifierade Tsai två viktiga drivkrafter: tekniskt oberoende och dataintegritet. Modeller med öppen källkod som Qwen gör det möjligt för organisationer att ladda ner, finjustera och köra dem på sin egen infrastruktur, vilket minskar beroendet av externa leverantörer och håller känslig data bakom företagets egna brandväggar .
Utöver öppen källkod tillskrev Tsai Kinas AI-genombrott strategiska investeringar inom tre områden: elnätet, en komplett tillverkningskedja och en snabbrörlig ingenjörskultur . Han noterade att Kinas ”applikationsrika ekosystem” tvingar företag att anpassa sig snabbt, vilket gör det till en idealisk miljö för AI-distribution .
Tsai beskrev den amerikansk-kinesiska konkurrensen inom AI inte som ett nollsummespel utan som ett långdistanslopp där framgång bör mätas i ”vem som kan implementera det snabbare” snarare än ”vem som skapar den mest kraftfulla AI-modellen” . Detta perspektiv positionerar kinesiska företag inte som hot, utan som viktiga bidragsgivare till det globala AI-ekosystemet med öppen källkod, tillsammans med europeiska och amerikanska motsvarigheter.