阿里巴巴同騰訊狂投AI，但打法完全唔同

阿里的思路很清晰：把AI基建視為長期戰略資產，而不是短期盈利工具。

近年阿里雲已成為公司未來增長的重要引擎，AI相關雲服務需求快速上升，推動雲業務收入增長。

不過，這種「先投資再回報」的策略也帶來短期壓力。由於AI與雲基建投入巨大，公司盈利能力受到拖累，近期財報亦顯示盈利顯著下滑。

簡單講，阿里巴巴正嘗試把自己打造成中國版AI基建平台——角色有點類似美國的Amazon AWS或Microsoft Azure，在雲計算層建立長期優勢。

騰訊：以產品與生態為中心的AI策略

相比之下，騰訊的AI投資節奏明顯更克制。

騰訊沒有一開始就把大量資金砸在算力基建上，而是先將AI整合進自己已有的產品生態，例如：

• 廣告系統
• 遊戲與內容平台
• 企業雲服務
• 社交與數碼內容產品

同時逐步增加算力與數據中心投資。

2026年第一季，騰訊收入達1964.6億元人民幣，同比增長9%；資本開支達319.4億元人民幣，同比增加16%，其中一部分正是用於AI相關服務需求的增長。

管理層亦表示，2026年AI投資仍會持續增加，特別是下半年將進入更高的投資周期，以應對雲端AI工作負載的需求。

與阿里「基建先行」不同，騰訊更傾向把AI投入直接連結到產品變現與生態效率提升。

為何收入未達預期仍然加碼投資？

表面看來，兩家公司在收入未達預期時仍增加投資似乎有點矛盾。

例如：

• 阿里巴巴盈利因AI與雲投資而大幅受壓
• 騰訊收入增長仍然穩定，但資本開支持續提升

不過在管理層眼中，算力不是可有可無的成本，而是戰略瓶頸。

目前AI需求——包括模型訓練、推理（inference）以及企業AI服務——增長速度遠遠快過GPU與數據中心供應。

換句話說，如果算力跟不上，公司未來就算有產品需求也未必接得到。

因此，AI基建投資更像是一場先佔資源的競賽：一旦在算力規模上落後，可能會在雲計算與AI市場長期處於劣勢。

中國AI晶片的重要角色

另一個推動投資加速的因素，是中國本土晶片供應的增加。

由於中國企業取得Nvidia最先進AI晶片仍存在限制與不確定性，科技巨頭開始轉向本地方案，例如：

• 華為AI晶片
• 阿里半導體部門（如T‑Head）開發的處理器

這些晶片正逐步量產，幫助科技公司擴建AI運算集群與數據中心。

雖然在某些領域——特別是超大模型訓練——性能仍未必追上最頂級國際GPU，但在以下場景已經相當實用：

• AI推理運算
• 企業AI服務
• 雲平台AI應用

因此，即使沒有完全依賴海外晶片供應，中國科技公司仍能逐步擴張AI算力基礎設施。

中國AI基建競賽的兩條路

阿里巴巴與騰訊的分歧，其實反映AI經濟的兩種不同打法：

• 基建優先模式：阿里巴巴大規模投資算力與雲平台，目標成為AI基礎設施核心供應商。
• 應用帶動模式：騰訊先把AI嵌入產品與服務，再逐步擴大算力投入。

不論哪一條路，背後的共同現實都是：AI發展正在被算力供應限制。

隨著中國本土晶片產能提升，以及數據中心架構逐步圍繞本地硬件重新設計，中國AI基建的擴張速度可能會進一步加快，即使無法完全依賴海外晶片供應。

真正的問題只剩一個：這些龐大投資，最終能否轉化為可持續盈利，仍要看企業能否把AI算力成功變成大規模商業服務。