阿里巴巴截至 2026 年 6 月 30 日的季度業績，清楚呈現一項戰略取捨：公司願意犧牲短期獲利與現金流，換取 AI 平台的長期規模與競爭力。

目前，AI 雲端與模型服務的需求確實正在增加；但這一季的數字也提醒市場，阿里巴巴尚未把這股需求完全轉化為集團層面的獲利。換句話說，AI 生意正在長大，投資回報卻仍在等待驗證。

營收成長，獲利大幅收縮

阿里巴巴 2026 年 4 至 6 月營收為人民幣 2,689.5 億元，年增 9%；淨利則下跌 75% 至人民幣 104.4 億元，調整後 EBITA 下跌 30% 至人民幣 273.3 億元。67

這次業績落差主要出現在獲利端，而非銷售端。由於 AI 相關成本與資本支出上升，公司調整後美國存託憑證（ADR）每股收益低於分析師預期。910

本季幾項關鍵數字如下：

• **集團營收：**人民幣 2,689.5 億元，年增 9%。211
• **淨利：**人民幣 104.4 億元，年減 75%。67
• **AI 雲端與運算服務收入：**人民幣 484.4 億元，年增 45%。48
• **資本支出：**人民幣 676.8 億元，年增 75%。68
• **模型與應用服務年化經常性收入（ARR）：**超過人民幣 160 億元。8

這組數據的意義在於：阿里巴巴已看到客戶對 AI 服務的實際需求，同時也必須先投入伺服器、晶片、資料中心與運算容量，才能供應這項需求。短期結果便是 AI 收入動能增強，但集團整體獲利與現金創造能力受到壓力。36

AI 雲端是最明確的商業化證據

AI 雲端與運算服務是本季表現最亮眼的業務，收入年增 45% 至人民幣 484.4 億元，成長受到 AI 產品及「模型即服務」（Model-as-a-Service，MaaS）業務帶動。48

模型與應用服務的 ARR 已超過人民幣 160 億元，這一點尤其重要，因為它顯示客戶需求具有持續性，而不是一次性的基礎設施採購。然而，這仍不足以證明阿里巴巴整體 AI 投資已經產生理想報酬。公司仍須負擔模型訓練、推理運算、晶片採購以及擴充運算容量等成本。8

公司披露的資料也顯示，AI 相關產品已成為外部雲端收入的重要來源。有一份財報電話會議摘要指出，AI 相關產品收入為人民幣 124 億元，約占阿里雲外部收入的 35%；不過，不同來源對分部與產品的定義並不完全一致，因此這項比例需要審慎解讀。10

較一致的結論是：AI 正逐漸成為阿里雲最重要的成長引擎之一，但相關會計範圍仍需區分清楚。

為什麼淨利會跌得這麼深？

淨利下跌 75%，不代表 AI 需求突然消失。根據目前資料，獲利壓力主要來自加速建設 AI 基礎設施的成本，以及其他費用與一次性項目。單是資本支出，本季就增加 75% 至人民幣 676.8 億元。68

阿里巴巴表示，相關支出部分受到 CPU 運算容量增加、客戶採購時程，以及多種晶片元件價格上升影響。 其他報導則指出，監管及減值相關費用也進一步拖累獲利。717

這正是本季業績的核心財務矛盾：

1. **需求先到位：**AI 雲端及模型服務收入快速成長。
2. **容量必須先建好：**公司要先花錢購買伺服器、晶片與資料中心資源。
3. **回報稍後才會出現：**管理層以目前平均毛利率估算，AI 相關資本支出約可在三年內達到損益平衡。4

不過，三年內損益平衡仍是管理層的預期，而非已經證明的結果。投資邏輯最終取決於收入成長、設備利用率及利潤率能否足夠快速改善，從而支撐如此龐大的支出規模。

從晶片、雲端到模型的「全棧 AI」策略

阿里巴巴正嘗試掌握更多 AI 技術堆疊，而不是完全依賴商業採購的晶片與第三方基礎設施。公司規劃在 2026 至 2029 年投入人民幣 3,800 億元於 AI 與雲端相關建設。4

公司也計畫逐步在資料中心部署自研的含光（T-Head）晶片，取代部分外購晶片。阿里巴巴表示，自研晶片已在大型伺服器系統中大規模部署，用於模型訓練與推理。

若這些晶片在效能與穩定性上具備競爭力，阿里巴巴將有機會更掌握供應鏈、降低對外部處理器的依賴，並改善基礎設施的經濟效益。但這些好處仍取決於實際執行：晶片效能、軟體相容性、生產規模及客戶需求，都會決定自研硬體究竟能成為毛利優勢，還是另一項昂貴投資。

這項策略也具有更廣泛的產業背景。在美國出口管制限制先進外國處理器取得的環境下，中國科技公司正積極發展國產替代方案。阿里巴巴在 2026 年 5 月發布新的 T-Head AI 晶片，也是這項布局的一部分。

模型不能一直只是成本中心

阿里巴巴持續投入前沿模型與通用人工智慧（AGI），但目前仍缺乏足夠證據顯示，最先進的模型開發已帶來相應的利潤。這些支出一方面是進攻性的產品投資，另一方面也是防守性的必要行動，因為中國 AI 市場的模型能力與推理價格正在快速變化。

8 月，阿里巴巴發布迄今最大、能力最強的 AI 模型。這次發布正值 DeepSeek 等競爭者帶來強烈價格壓力之際；路透社引述一項研究估算，DeepSeek 的定價比 Anthropic 的模型便宜超過 100 倍。

阿里巴巴也在探索開源模型的變現方式。路透社報導，公司計畫在未來版本的通義千問（Qwen）模型被大型用戶商業化使用時，尋求分取部分收入。 這反映出一項關鍵難題：開源模型有助於擴大採用，但模型提供者仍須找到能從下游使用中持續取得價值的商業模式。

公司進軍機器人模型，則代表另一條可能的變現路徑。阿里巴巴不再只把 AI 限定在聊天機器人，而是希望讓模型支援代理程式與機器執行更複雜的任務。 這類應用未來或許能支撐更高價值的企業服務，但本季財報尚未證明其商業成果。

組織重整也是商業化的一環

阿里巴巴已將多個 AI 團隊與產品整合至專責的 Alibaba Token Hub（ATH）事業群，涵蓋模型開發、模型即服務、Qwen 及相關 AI 業務。

這項組織安排的目的，是讓研究、模型服務、基礎設施與客戶分發更緊密地連結。理論上，這有助於縮短從模型突破到企業付費產品的距離，也能讓產品責任更清晰、商業執行更快。

但這並不代表支出會立即下降。現階段的重點是提升協同效率與商業化速度，而不是停止投資。

快速商務再度考驗利潤紀律

AI 並不是阿里巴巴唯一需要大量投資的業務。中國快速商務業務同樣在快速擴張，本季收入年增 45% 至人民幣 533 億元；管理層預計該業務在 2029 財政年度實現整體獲利。3

這意味著，阿里巴巴未來幾年可能同時推進兩項大型戰略計畫：建設 AI 基礎設施，以及擴大本地生活與快速商務。即使兩項業務都在成長，合計投資需求仍可能在它們達到管理層設定的獲利里程碑前，持續壓低集團利潤率。

投資人接下來應觀察什麼？

這季業績並未回答阿里巴巴的 AI 策略是否一定會成功，但已經提出幾項可在未來數季追蹤的測試：

• **AI 收入成長：**雲端與模型服務的成長，能否隨客戶數增加而延續？
• **AI 利潤率：**更高的設備利用率，能否改善推理與基礎設施的經濟效益？
• **資本密集度：**資本支出何時開始放緩，還是需求會再引發新一輪大規模投資？
• **T-Head 執行力：**自研晶片能否穩定地大規模運作，並降低對商業晶片的依賴？
• **模型變現：**在開源競爭與推理價格下滑的環境下，Qwen 及相關服務能否創造持久收入？
• **快速商務的成本控制：**該業務能否在不進一步拖累集團利潤的情況下，朝 2029 財政年度獲利目標前進？

因此，解讀這季財報最恰當的方式，既不是宣稱阿里巴巴的 AI 策略已經獲利，也不是認為淨利暴跌就代表策略失敗。現有證據顯示，公司確實擁有強勁的 AI 需求與快速擴大的基礎設施業務，但也在有意把成本提前、把回報延後。

接下來，市場真正要看的不只是 AI 收入能否繼續成長，而是這些支出能否在管理層所說的時間表內，轉化為可持續的利潤。

阿里巴巴截至 2026 年 6 月 30 日的季度業績，清楚呈現一項戰略取捨：公司願意犧牲短期獲利與現金流，換取 AI 平台的長期規模與競爭力。

目前，AI 雲端與模型服務的需求確實正在增加；但這一季的數字也提醒市場，阿里巴巴尚未把這股需求完全轉化為集團層面的獲利。換句話說，AI 生意正在長大，投資回報卻仍在等待驗證。

營收成長，獲利大幅收縮

阿里巴巴 2026 年 4 至 6 月營收為人民幣 2,689.5 億元，年增 9%；淨利則下跌 75% 至人民幣 104.4 億元，調整後 EBITA 下跌 30% 至人民幣 273.3 億元。67

這次業績落差主要出現在獲利端，而非銷售端。由於 AI 相關成本與資本支出上升，公司調整後美國存託憑證（ADR）每股收益低於分析師預期。910

本季幾項關鍵數字如下：

• **集團營收：**人民幣 2,689.5 億元，年增 9%。211
• **淨利：**人民幣 104.4 億元，年減 75%。67
• **AI 雲端與運算服務收入：**人民幣 484.4 億元，年增 45%。48
• **資本支出：**人民幣 676.8 億元，年增 75%。68
• **模型與應用服務年化經常性收入（ARR）：**超過人民幣 160 億元。8

這組數據的意義在於：阿里巴巴已看到客戶對 AI 服務的實際需求，同時也必須先投入伺服器、晶片、資料中心與運算容量，才能供應這項需求。短期結果便是 AI 收入動能增強，但集團整體獲利與現金創造能力受到壓力。36

AI 雲端是最明確的商業化證據

AI 雲端與運算服務是本季表現最亮眼的業務，收入年增 45% 至人民幣 484.4 億元，成長受到 AI 產品及「模型即服務」（Model-as-a-Service，MaaS）業務帶動。48

模型與應用服務的 ARR 已超過人民幣 160 億元，這一點尤其重要，因為它顯示客戶需求具有持續性，而不是一次性的基礎設施採購。然而，這仍不足以證明阿里巴巴整體 AI 投資已經產生理想報酬。公司仍須負擔模型訓練、推理運算、晶片採購以及擴充運算容量等成本。8

公司披露的資料也顯示，AI 相關產品已成為外部雲端收入的重要來源。有一份財報電話會議摘要指出，AI 相關產品收入為人民幣 124 億元，約占阿里雲外部收入的 35%；不過，不同來源對分部與產品的定義並不完全一致，因此這項比例需要審慎解讀。10

較一致的結論是：AI 正逐漸成為阿里雲最重要的成長引擎之一，但相關會計範圍仍需區分清楚。

為什麼淨利會跌得這麼深？

淨利下跌 75%，不代表 AI 需求突然消失。根據目前資料，獲利壓力主要來自加速建設 AI 基礎設施的成本，以及其他費用與一次性項目。單是資本支出，本季就增加 75% 至人民幣 676.8 億元。68

阿里巴巴表示，相關支出部分受到 CPU 運算容量增加、客戶採購時程，以及多種晶片元件價格上升影響。 其他報導則指出，監管及減值相關費用也進一步拖累獲利。717

這正是本季業績的核心財務矛盾：

1. **需求先到位：**AI 雲端及模型服務收入快速成長。
2. **容量必須先建好：**公司要先花錢購買伺服器、晶片與資料中心資源。
3. **回報稍後才會出現：**管理層以目前平均毛利率估算，AI 相關資本支出約可在三年內達到損益平衡。4

不過，三年內損益平衡仍是管理層的預期，而非已經證明的結果。投資邏輯最終取決於收入成長、設備利用率及利潤率能否足夠快速改善，從而支撐如此龐大的支出規模。

從晶片、雲端到模型的「全棧 AI」策略

阿里巴巴正嘗試掌握更多 AI 技術堆疊，而不是完全依賴商業採購的晶片與第三方基礎設施。公司規劃在 2026 至 2029 年投入人民幣 3,800 億元於 AI 與雲端相關建設。4

公司也計畫逐步在資料中心部署自研的含光（T-Head）晶片，取代部分外購晶片。阿里巴巴表示，自研晶片已在大型伺服器系統中大規模部署，用於模型訓練與推理。

若這些晶片在效能與穩定性上具備競爭力，阿里巴巴將有機會更掌握供應鏈、降低對外部處理器的依賴，並改善基礎設施的經濟效益。但這些好處仍取決於實際執行：晶片效能、軟體相容性、生產規模及客戶需求，都會決定自研硬體究竟能成為毛利優勢，還是另一項昂貴投資。

這項策略也具有更廣泛的產業背景。在美國出口管制限制先進外國處理器取得的環境下，中國科技公司正積極發展國產替代方案。阿里巴巴在 2026 年 5 月發布新的 T-Head AI 晶片，也是這項布局的一部分。

模型不能一直只是成本中心

阿里巴巴持續投入前沿模型與通用人工智慧（AGI），但目前仍缺乏足夠證據顯示，最先進的模型開發已帶來相應的利潤。這些支出一方面是進攻性的產品投資，另一方面也是防守性的必要行動，因為中國 AI 市場的模型能力與推理價格正在快速變化。

8 月，阿里巴巴發布迄今最大、能力最強的 AI 模型。這次發布正值 DeepSeek 等競爭者帶來強烈價格壓力之際；路透社引述一項研究估算，DeepSeek 的定價比 Anthropic 的模型便宜超過 100 倍。

阿里巴巴也在探索開源模型的變現方式。路透社報導，公司計畫在未來版本的通義千問（Qwen）模型被大型用戶商業化使用時，尋求分取部分收入。 這反映出一項關鍵難題：開源模型有助於擴大採用，但模型提供者仍須找到能從下游使用中持續取得價值的商業模式。

公司進軍機器人模型，則代表另一條可能的變現路徑。阿里巴巴不再只把 AI 限定在聊天機器人，而是希望讓模型支援代理程式與機器執行更複雜的任務。 這類應用未來或許能支撐更高價值的企業服務，但本季財報尚未證明其商業成果。

組織重整也是商業化的一環

阿里巴巴已將多個 AI 團隊與產品整合至專責的 Alibaba Token Hub（ATH）事業群，涵蓋模型開發、模型即服務、Qwen 及相關 AI 業務。

這項組織安排的目的，是讓研究、模型服務、基礎設施與客戶分發更緊密地連結。理論上，這有助於縮短從模型突破到企業付費產品的距離，也能讓產品責任更清晰、商業執行更快。

但這並不代表支出會立即下降。現階段的重點是提升協同效率與商業化速度，而不是停止投資。

快速商務再度考驗利潤紀律

AI 並不是阿里巴巴唯一需要大量投資的業務。中國快速商務業務同樣在快速擴張，本季收入年增 45% 至人民幣 533 億元；管理層預計該業務在 2029 財政年度實現整體獲利。3

這意味著，阿里巴巴未來幾年可能同時推進兩項大型戰略計畫：建設 AI 基礎設施，以及擴大本地生活與快速商務。即使兩項業務都在成長，合計投資需求仍可能在它們達到管理層設定的獲利里程碑前，持續壓低集團利潤率。

投資人接下來應觀察什麼？

這季業績並未回答阿里巴巴的 AI 策略是否一定會成功，但已經提出幾項可在未來數季追蹤的測試：

• **AI 收入成長：**雲端與模型服務的成長，能否隨客戶數增加而延續？
• **AI 利潤率：**更高的設備利用率，能否改善推理與基礎設施的經濟效益？
• **資本密集度：**資本支出何時開始放緩，還是需求會再引發新一輪大規模投資？
• **T-Head 執行力：**自研晶片能否穩定地大規模運作，並降低對商業晶片的依賴？
• **模型變現：**在開源競爭與推理價格下滑的環境下，Qwen 及相關服務能否創造持久收入？
• **快速商務的成本控制：**該業務能否在不進一步拖累集團利潤的情況下，朝 2029 財政年度獲利目標前進？

因此，解讀這季財報最恰當的方式，既不是宣稱阿里巴巴的 AI 策略已經獲利，也不是認為淨利暴跌就代表策略失敗。現有證據顯示，公司確實擁有強勁的 AI 需求與快速擴大的基礎設施業務，但也在有意把成本提前、把回報延後。

接下來，市場真正要看的不只是 AI 收入能否繼續成長，而是這些支出能否在管理層所說的時間表內，轉化為可持續的利潤。