阿里巴巴：重押AI基礎設施

在中國大型科技公司中，阿里巴巴採取了最激進的「基礎設施優先」策略。

公司已承諾在三年內投入約3800億元人民幣（約560億美元），主要用於AI資料中心、雲端運算能力，以及大型模型訓練基礎設施。阿里巴巴CEO吳泳銘也表示，如果AI需求持續快速成長，實際投資金額可能超過這一目標。

這種策略的核心邏輯是：把AI算力與雲端平台視為長期戰略資產，而不是短期獲利工具。近年阿里巴巴的雲端業務已成為未來成長的關鍵板塊，其中AI相關雲服務需求正快速上升，推動雲端收入增長。

但這條路的代價也很明顯。龐大的AI與資料中心投資正在壓縮公司短期獲利能力，並導致財報中的盈利表現受到影響。

從長遠來看，阿里巴巴的目標其實相當清晰：成為中國AI與雲端算力的主要基礎設施提供者，某種程度上類似Amazon與Microsoft在全球雲端市場建立的地位。

騰訊：以產品與生態系帶動AI

相比之下，騰訊的AI投資節奏更為審慎。

騰訊並沒有把重點放在一開始就大規模建設基礎設施，而是先將AI技術嵌入其既有產品與平台，例如：

• 廣告系統
• 遊戲
• 內容平台
• 企業雲服務

在這些應用場景逐步擴大後，再同步增加算力投資。

騰訊2026年第一季財報顯示，公司營收達1964.6億元人民幣，年增9%；同期資本支出達319.4億元人民幣，年增16%，其中部分增長來自AI相關需求。

管理層也表示，AI相關投資將在2026年持續增加，尤其下半年可能出現投資高峰，因為企業客戶對雲端AI運算的需求仍在快速上升。

因此，與阿里巴巴的「基礎設施優先」不同，騰訊更像是採取應用與變現導向的AI策略——先在產品中創造價值，再逐步擴張算力基礎。

為何營收未達預期仍大幅投資

從財務角度看，兩家公司同時加大投資其實有些反直覺。

近期財報顯示，兩家公司的營收增長都低於市場預期，而阿里巴巴的盈利更因AI投資而明顯下滑。

但在管理層眼中，AI算力並不是可以隨時削減的成本，而是決定未來市場地位的戰略資源。

目前AI市場的一個核心問題是：

• 模型訓練需求暴增
• 雲端AI推論（inference）工作負載快速增加
• GPU與資料中心供應仍然有限

在這種情況下，如果雲端服務商沒有提前建好算力基礎設施，就可能在未來AI需求爆發時失去市場份額。

換句話說，這更像是一場算力軍備競賽。

中國本土AI晶片的重要性

另一個推動投資加速的因素，是中國本土AI晶片的成熟。

由於中國企業取得Nvidia最先進AI晶片的管道存在不確定性，科技公司正逐步轉向本土替代方案，包括：

• 華為的AI處理器
• 阿里巴巴半導體部門研發的晶片

這些晶片已開始逐步量產，並被用於擴建資料中心與運算集群。

雖然在某些領域——特別是大型模型訓練——它們的性能仍可能落後於最先進的國際GPU，但在以下場景仍具有重要價值：

• AI推論服務
• 企業AI應用
• 雲端平台算力擴展

這意味著中國科技公司可以在不完全依賴國外晶片的情況下，持續擴張AI資料中心容量。

中國AI競賽的兩條路

從整體來看，阿里巴巴與騰訊代表了中國AI產業的兩種典型策略：

• 基礎設施型策略：阿里巴巴優先投入大量算力與雲端資源，希望掌握AI底層平台。
• 應用導向策略：騰訊則將AI融入既有產品生態系，再逐步擴大算力投資。

但兩條路背後的核心共識是一樣的：AI的成長速度正在被算力供應限制。

隨著國產晶片供應增加、資料中心架構逐步適應本土硬體，中國的AI基礎設施建設可能會持續加速，即使無法完全取得全球最先進的GPU技術。

未來真正的關鍵問題，將是企業能否把這些龐大的算力投資轉化為可持續的商業服務與企業級AI需求。

阿里巴巴：重押AI基礎設施

在中國大型科技公司中，阿里巴巴採取了最激進的「基礎設施優先」策略。

公司已承諾在三年內投入約3800億元人民幣（約560億美元），主要用於AI資料中心、雲端運算能力，以及大型模型訓練基礎設施。阿里巴巴CEO吳泳銘也表示，如果AI需求持續快速成長，實際投資金額可能超過這一目標。

這種策略的核心邏輯是：把AI算力與雲端平台視為長期戰略資產，而不是短期獲利工具。近年阿里巴巴的雲端業務已成為未來成長的關鍵板塊，其中AI相關雲服務需求正快速上升，推動雲端收入增長。

但這條路的代價也很明顯。龐大的AI與資料中心投資正在壓縮公司短期獲利能力，並導致財報中的盈利表現受到影響。

從長遠來看，阿里巴巴的目標其實相當清晰：成為中國AI與雲端算力的主要基礎設施提供者，某種程度上類似Amazon與Microsoft在全球雲端市場建立的地位。

騰訊：以產品與生態系帶動AI

相比之下，騰訊的AI投資節奏更為審慎。

騰訊並沒有把重點放在一開始就大規模建設基礎設施，而是先將AI技術嵌入其既有產品與平台，例如：

• 廣告系統
• 遊戲
• 內容平台
• 企業雲服務

在這些應用場景逐步擴大後，再同步增加算力投資。

騰訊2026年第一季財報顯示，公司營收達1964.6億元人民幣，年增9%；同期資本支出達319.4億元人民幣，年增16%，其中部分增長來自AI相關需求。

管理層也表示，AI相關投資將在2026年持續增加，尤其下半年可能出現投資高峰，因為企業客戶對雲端AI運算的需求仍在快速上升。

因此，與阿里巴巴的「基礎設施優先」不同，騰訊更像是採取應用與變現導向的AI策略——先在產品中創造價值，再逐步擴張算力基礎。

為何營收未達預期仍大幅投資

從財務角度看，兩家公司同時加大投資其實有些反直覺。

近期財報顯示，兩家公司的營收增長都低於市場預期，而阿里巴巴的盈利更因AI投資而明顯下滑。

但在管理層眼中，AI算力並不是可以隨時削減的成本，而是決定未來市場地位的戰略資源。

目前AI市場的一個核心問題是：

• 模型訓練需求暴增
• 雲端AI推論（inference）工作負載快速增加
• GPU與資料中心供應仍然有限

在這種情況下，如果雲端服務商沒有提前建好算力基礎設施，就可能在未來AI需求爆發時失去市場份額。

換句話說，這更像是一場算力軍備競賽。

中國本土AI晶片的重要性

另一個推動投資加速的因素，是中國本土AI晶片的成熟。

由於中國企業取得Nvidia最先進AI晶片的管道存在不確定性，科技公司正逐步轉向本土替代方案，包括：

• 華為的AI處理器
• 阿里巴巴半導體部門研發的晶片

這些晶片已開始逐步量產，並被用於擴建資料中心與運算集群。

雖然在某些領域——特別是大型模型訓練——它們的性能仍可能落後於最先進的國際GPU，但在以下場景仍具有重要價值：

• AI推論服務
• 企業AI應用
• 雲端平台算力擴展

這意味著中國科技公司可以在不完全依賴國外晶片的情況下，持續擴張AI資料中心容量。

中國AI競賽的兩條路

從整體來看，阿里巴巴與騰訊代表了中國AI產業的兩種典型策略：

• 基礎設施型策略：阿里巴巴優先投入大量算力與雲端資源，希望掌握AI底層平台。
• 應用導向策略：騰訊則將AI融入既有產品生態系，再逐步擴大算力投資。

但兩條路背後的核心共識是一樣的：AI的成長速度正在被算力供應限制。

隨著國產晶片供應增加、資料中心架構逐步適應本土硬體，中國的AI基礎設施建設可能會持續加速，即使無法完全取得全球最先進的GPU技術。

未來真正的關鍵問題，將是企業能否把這些龐大的算力投資轉化為可持續的商業服務與企業級AI需求。