计算机行业深度报告

阿里AI战略完成顶层重构，目标指向下一代商业操作系统。在AI产业由技术验证迈向规模化商业落地的阶段，阿里巴巴将人工智能确立为未来十年最核心增长引擎，战略定位由“技术赋能”升级为“战略核心”。其AI布局深度锚定电商、本地生活、出行、支付、企业协作和云服务等商业基本盘，形成“AI重构自有商业生态、AI云成为商业化主轴、全栈自主可控技术构建护城河”三大核心锚点。阿里最终目标指向超级人工智能（ASI），并规划“智能涌现一自主行动一自我迭代”三阶段路径，当前正处于AI自主行动规模化落地阶段。

千问开源生态与超级AI云构成战略双支点，云业务成为AI商业化核心主轴。阿里提出两大核心判断：大模型是下一代操作系统，超级AI云是下一代AI超级计算机。千问坚定开源路线，致力于成为“AI时代的 Android”；阿里云则整合芯片、网络、存储、数据库、容器、模型服务和Agent平台，打造面向AI时代的基础设施体系。随着大模型训练、推理、Agent开发和行业应用部署需求持续增长，阿里云正从传统云计算服务商升级为模型服务、算力服务和企业智能化基础设施提供商，AI相关产品收入连续十个季度实现三位数增长，MaaS平台成新增长引擎。

高强度Capex与组织架构调整，为AI战略落地提供核心支撑。阿里计划2026-2028年投入至少3800亿元用于云计算和AI基础设施建设，规模超过2015~2025年云和AI相关投入总和；2024年9月至2025年9月已投入约1200亿元，主要投向AI服务器与智算数据中心、云基础设施、自研芯片、模型服务平台和行业解决方案。组织层面，阿里形成“通义实验室+阿里云智能+平头哥半导体”的“通云哥”协同架构，实现“芯片研发一大模型训练一云服务商业化一应用场景落地”的全链路闭环。

AI商业化形成ToB为核心、ToC为增量的双线推进格局：ToB是阿里 AI商业化核心基本盘，阿里云、百炼、钉钉和悟空共同构成企业级AI落地体系。悟空定位于企业级AI原生执行平台，能够基于千问大模型理解任务、拆解流程、调用钉钉与阿里生态skills，并在权限控制和沙箱机制下完成企业工作流。ToC，千问App深度连接淘宝天猫、淘宝闪购、高德、飞猪、支付宝等生态业务，使自然语言交互直接转化为购物、出行、票务、本地生活等订单履约，具备成为AI时代新消费入口的潜力。

AI专题研究一一阿里：从千问开源生态到超级AI云，或将重构商业基础设施

投资建议：建议关注阿里AI生态四大受益方向。（1）阿里AI应用：阿里巴巴-SW、恒生电子、石基信息、千方科技、朗新科技、分众传媒、大麦娱乐；（2）阿里系算力基础设施：数据港、杭钢股份、润建股份；（3）算力租赁：宏景科技、协创数据；（4）阿福健康大模型相关医疗 AI：阿里健康、卫宁健康、美年健康、华人健康。

风险提示：市场竞争加剧风险、供应链波动风险、核心业务波动风险、监管合规风险、技术迭代不及预期风险

增持（维持）

投资要点

全栈式AI生态能力稀缺，阿里形成从芯片、云、模型到应用的完整闭环。底层算力方面，平头哥已构建覆盖训练、推理、云端和端侧的芯片矩阵，真武810E通用GPU进入规模化生产，并已在阿里云实现多个万卡集群部署。模型层方面，千问体系覆盖通用语言、多模态、代码、智能体和开源模型，形成多层次矩阵。平台层方面，魔搭ModelScope服务个人开发者，阿里云百炼面向企业客户提供模型调用、智能体编排、知识库构建、训练部署等能力。相较单一模型厂商，阿里的核心优势在于具备“底层算力+基座模型+开发平台+商业场景”的端到端交付能力。

2026年05月14日

证券分析师 王紫敬

执业证书：S0600521080005

021-60199781

wangzj@dwzq.com.cn

行业走势


相关研究

《磷化铟有望成为AI算力时代的 “光之基石”》

2026-05-13

《商业航天：产业进入催化密集期》

2026-05-10


内容目录

1. 阿里巴巴 AI 战略顶层定位与终极目标...4

1.1. 战略底层逻辑...4

1.2. 终极目标与三阶段演进路径...5

1.3. 大模型与 AI 云：未来的 AI 操作系统与超级计算机...6

1. 发展路径：Capex 规划与研发架构...6

2.1. AI 专项 Capex 整体规划与投向结构...6

2.2. “通云哥”战略...7

1. 阿里的全栈式 AI 生态布局...7

3.1. 底层硬件与算力基础设施：自主可控的全链条算力体系...8

3.1.1. 全谱系自研芯片矩阵...8

3.1.2. 智算中心基础设施布局...9

3.2. 基座大模型与开发平台：通义千问的全矩阵布局...10

3.2.1. 千问大模型全矩阵布局...10

3.2.2. AI 开发与开源平台体系...12

1. 阿里 AI 商业化落地情况...13

4.1. ToB 端：核心商业化基本盘，全行业深度落地...13

4.1.1. 阿里云 AI 云服务...14

4.1.2. 钉钉：国内最大的企业级办公平台&阿里巴巴 To B 端 AI 落地的标杆场景...14

4.1.3. 悟空：企业级 AI Agent 落地...14

4.2. ToC 端：千问 App 聚合自有核心商业场景，AI 重构全链路商业生态...17

1. 国内 AI 头部玩家竞争格局...19

5.1. 阿里当前核心发展短板...19

5.2. 国内 AI 产业竞争格局对比...20

1. 阿里 AI 产业链相关上市公司全景...21

6.1. 阿里系 AI 应用赛道标的...22

6.2. 阿里系算力基础设施赛道标...22

6.3. 算力租赁赛道标的...23

6.4. 阿福健康大模型相关医疗 AI 赛道标的...23

1. 风险提示...24


图表目录

图 1: 阿里 AI 战略顶层设计：三大阶段 ...5

图 2: 阿里巴巴 2023 年 1 月至 2025 年 12 月逐季度 CapEx（单位：十亿美元） ...7

图 3: 阿里 AI 生态布局架构图 ...8

图 4: 魔搭首页展示 ...12

图 5: 阿里集团 AI 商业化模式示意图 ...13

图 6: 高德地图可以通过自然语言表达自身的出行诉求并转化为实际订单 ...15

图 7: 悟空官网展示的 ToB 办事流程示意，能直接根据自然语言输出长任务链结果 ...15

图 8: 悟空四层能力架构示意图 ...16

图 9: RealDoc 示意 ...17

图 10: 阿里应用生态一览 ...18

图 11: 购物者可以超越简单的关键词搜索，使用对话式搜索提出非常具体的问题 ...18

图 12: 高德地图可以通过自然语言表达自身的出行诉求并转化为实际订单 ...19

图 13: 2026 年一季度 AI 原生 App 发展核心数据概览 ...20

图 14: 2025Q1 阿里云在中国大陆云基础设施市场份额达 33% ...21

图 15: 2025H1，阿里云以 27%的份额位列中国公有云市场第二 ...21

表 1: 真武 810E 与 H20 性能参数对比 ...9

表1：真武810E与H20性能参数对比 ...9

表2：千问大模型矩阵一览...11


1. 阿里巴巴AI战略顶层定位与终极目标

在全球人工智能产业从技术验证期全面迈入规模化商业落地期的关键节点，阿里巴巴集团将人工智能确立为未来十年最核心的增长引擎，完成了从“技术赋能”到“战略核心”的定位跃迁。自2023年9月吴泳铭执掌集团并兼任云智能集团CEO以来，阿里巴巴重构了AI战略的顶层设计，打破了此前技术研发与商业场景割裂的布局模式，形成了以“产业AGI为核心路径、高性能云基础设施为坚实底座、全栈技术能力为支撑、商业生态闭环为壁垒”的完整战略体系。其最终目标是打造由AI驱动、依托于全球领先云基础设施的下一代商业操作系统。

阿里的AI战略聚焦两大核心路径：一是通过千问的开源生态，致力于将其打造成 “AI时代的Android”；二是持续构建“超级AI云”，将其作为支撑AI时代算力需求的下一代计算平台。

1.1. 战略底层逻辑

阿里巴巴AI战略的核心底层逻辑，始终锚定集团深耕二十余年的商业基本盘，以 “用户为先、AI驱动”为核心纲领，区别于纯技术导向的通用AGI布局，形成了三大维度清晰、层层递进的核心战略锚点：

第一，AI重构阿里自有商业生态，提升核心业务的运营效率和用户体验。阿里的商业场景覆盖电商、本地生活、出行、支付、企业协作和云服务等多个高频场景，AI能力可以贯穿商家运营、供应链管理、商品生成、客服服务、交易履约和企业办公等环节。 2026年3月，阿里发布企业级AI原生工作平台“悟空”，并推动淘宝、天猫、1688、支付宝、阿里云等业务能力以skills形式接入，使AI能够在权限控制下直接调用阿里生态能力，完成店铺设计、供应商管理、支付处理、云资源编排等任务。

第二，AI云成为阿里AI商业化的主轴，并推动云业务重新进入高增长阶段。2026财年第三季度，阿里云智能集团收入同比增长 36%至人民币432.84亿元，外部商业化收入同比增长 35%；AI相关产品收入连续第十个季度实现三位数同比增长，MaaS平台也成为云业务的新增长引擎。随着大模型训练、推理、智能体开发和行业应用部署需求持续增长，阿里云正在从传统云计算服务商升级为面向AI时代的模型服务、算力服务和企业智能化基础设施提供商。

第三，以全栈自主可控AI技术体系构建底层战略护城河，夯实长期竞争壁垒。（1）模型层：千问持续迭代并形成开源生态；（2）云层：阿里云承担大模型训练、推理和MaaS服务；（3）芯片层：平头哥自研GPU已进入规模化生产，并开始服务内部业务和外部企业客户；（4）应用层：千问App和悟空分别面向C端和B端承接Agent落地。四层能力的纵向整合使阿里能够在模型性能、推理成本、算力调度和场景转化之间形成协同。


1.2. 终极目标与三阶段演进路径

2025年云栖大会上，阿里巴巴集团董事长兼CEO吴泳铭首次系统披露了阿里巴巴 AI战略的终极目标与演进路线，明确提出“AGI只是确定性的起点，阿里巴巴AI的终极目标是实现超级人工智能（ASI）”，并规划了清晰的三阶段落地路径：

第一阶段：智能涌现期。核心目标是实现AI的基础能力突破，通过学习海量人类知识与行业数据，让AI具备通用泛化的智能能力。该阶段的核心成果是千问基础大模型的多轮迭代与能力验证，截至2024年末，千问大模型已完成核心能力对标国际顶尖水平，实现了多模态、代码、数学、行业知识等核心维度的能力突破。

第二阶段：自主行动期，当前核心推进阶段。目标是让AI掌握工具使用、自主规划与编程能力，通过可落地、可执行的Agent实现代替人完成标准化工作。该阶段的核心任务是实现AI技术在全场景的规模化商业落地，打通从技术能力到商业价值的转化链路，构建覆盖消费端、产业端的AI应用生态。截至2026年初，阿里巴巴已完成Agent在电商、金融、物流、企业服务等20余个核心行业的落地验证，进入规模化推广阶段。

第三阶段：自我迭代期，长期战略目标。核心目标是让AI通过连接物理世界实现自主学习与自我迭代，最终实现超越人类决策能力的超级人工智能，打造能够自主完成商业全链路决策、深度适配产业运行规则的超级智能系统。该阶段的核心任务是实现AI与物理世界的深度融合，突破通用人工智能的能力边界，最终完成AI驱动的商业操作系统的全面构建。

图1：阿里AI战略顶层设计：三大阶段


数据来源：阿里2025云栖大会，东吴证券研究所


1.3. 大模型与AI云：未来的AI操作系统与超级计算机

吴泳铭在云栖大会上，明确阐述了AI时代阿里云的两大核心判断。

核心判断1：大模型是下一代的操作系统。吴泳铭认为，大模型将取代传统OS，成为连接用户、软件与AI计算资源的中间层。基于这一判断，阿里云宣布通义千问将坚定走开放路线，致力于成为“AI时代的Android”，与全球开发者共建繁荣的AI应用生态。吴泳铭表示，开源模型的场景渗透力与价值创造能力远超闭源模型。阿里围绕Qwen持续推进开源路线，截至2025年云栖大会，Qwen和Wan系列模型累计下载量超过6亿次、衍生模型超过17万个；到2026年初，Qwen在Hugging Face上的累计下载量已超过10亿次，开源生态影响力继续扩大。

核心判断2：超级AI云就是下一代AI超级计算机。大模型负责生产智能能力，云计算负责承载、调度和分发这种能力，企业和消费者则通过应用场景完成使用和变现。阿里云正在把芯片、网络、存储、数据库、容器、模型服务和Agent平台整合为面向AI的基础设施体系，使企业客户能够以API、MaaS平台或行业解决方案的方式调用大模型能力。

2. 发展路径：Capex规划与研发架构

阿里巴巴AI战略的落地，以持续、高强度的资本开支与研发投入为核心支撑，形成了“资本开支筑牢算力基建、研发投入突破技术壁垒、组织架构保障协同落地”的完整资源保障体系。

2.1. AI专项Capex整体规划与投向结构

阿里AI战略的落地依赖持续高强度的资本开支。2025年2月，阿里宣布未来三年 （2026-2028）将至少投入人民币3800亿元用于云计算和AI基础设施建设，投入规模超过其2015-2025年云和AI相关投入总和。2025年11月业绩披露后，据阿里财报披露，阿里自2024年9月至2025年9月已在AI和云基础设施方面投入约人民币1200亿元。随着AI训练、推理和智能体应用带来的算力需求持续上升，云和AI基础设施将继续是阿里资本开支的核心方向。


图2：阿里巴巴2023年1月至2025年12月逐季度CapEx（单位：十亿美元）


数据来源：Finance Charts，东吴证券研究所

阿里当前处于AI基础设施投入扩张期。从功能看，阿里云和AI基础设施投入主要覆盖四类方向：第一，AI服务器、GPU集群和智算数据中心，用于支撑大模型训练和高并发推理；第二，网络、存储、数据库和容器等云基础设施，用于提升大模型服务的吞吐能力和稳定性；第三，自研芯片和软硬件协同优化，用于降低长期算力成本并提升供应链韧性；第四，模型服务平台、开发者生态和行业解决方案，用于推动AI能力从基础设施层转化为企业客户可直接使用的产品。

2.2. “通云哥”战略

2024年，阿里巴巴完成了AI核心组织架构的重大调整，将达摩院大模型核心研发团队整体并入阿里云智能集团，打破了此前技术研发与商业化落地割裂的组织壁垒，形成了“通义实验室（大模型研发）+阿里云智能（基建与商业化）+平头哥半导体（芯片研发）”的黄金三角协同架构（内部简称“通云哥”战略），三大核心板块由集团董事长吴泳铭直接统筹，实现了“芯片研发-大模型训练-场景商业化落地”的全链路闭环协同。

同时，集团在各业务板块设立了AI专项委员会，实现集团核心AI能力与淘宝、天猫、本地生活、菜鸟、蚂蚁集团等业务板块的深度打通，保障AI技术在全业务场景的快速落地。

3. 阿里的全栈式AI生态布局

阿里巴巴是国内少数具备AI全链条自主可控能力的科技企业，构建了从底层硬件算力、基座大模型与开发平台，到全场景应用落地的完整AI生态体系。阿里的AI生态布局层次：底层包括平头哥芯片和阿里云AI基础设施，中间层包括Qwen基础模型、


Model Studio、百炼和魔搭等模型开发平台，上层包括千问App、悟空、钉钉以及电商、本地生活、出行和支付等应用场景。相较于单一模型厂商，阿里具备从模型训练、推理部署、企业开发到消费场景转化的端到端交付能力。

图3：阿里AI生态布局架构图


数据来源：阿里云，阿里巴巴官网，千问官网，东吴证券研究所绘制

3.1. 底层硬件与算力基础设施：自主可控的全链条算力体系

算力是AI时代的核心生产资料。阿里巴巴以平头哥半导体为核心，构建了覆盖训练、推理、端侧的完整芯片矩阵，同时布局了全国性的智算中心基础设施，初步打造了自主可控、低成本、高性能的算力底座，破解了AI发展的核心算力瓶颈。

3.1.1. 全谱系自研芯片矩阵

平头哥半导体已完成了从训练级到推理级、从云端到端侧的全谱系芯片布局，初步实现了AI算力核心硬件的全链条自主可控。核心产品矩阵如下：

训练级AI芯片：真武810E通用GPU芯片。

真武810E是阿里巴巴旗下平头哥半导体推出的自研AI算力芯片，性能部分对标 H20。据阿里巴巴2025年12月季度业绩材料，平头哥自研GPU已进入规模化生产，支


持从训练、微调到推理的端到端AI工作负载，并与阿里云和通义/Qwen模型体系协同，为外部客户提供AI算力服务。据IT之家报道，真武810E采用自研并行计算架构和ICN片间互联技术，配备最高96GB HBM2e内存，支持7个独立ICN链路，片间互联带宽最高达700GB/s，已在阿里云实现多个万卡集群部署，可应用于AI训练、推理、自动驾驶及多模态模型等场景。截至2026年5月，真武810E芯片已在中国联通三江源智算中心完成16384张规模的集群部署，同时该芯片已在阿里云多个智算中心完成规模化部署。

表1：真武810E与H20性能参数对比

指标

平头哥真武810E

NVIDIA H20

对比

芯片定位

自研AI芯片/训推一体AI加速芯片；硬件架构与软件栈全栈自研

面向中国市场的Hopper架构GPU

两者都面向AI训练/推理

架构

自研并行计算架构+ICN片间互联

NVIDIA Hopper

H20架构、软件生态信息更完整

制程

未公开

台积电4nm

显存容量

最高96GB

96GB

持平

显存类型

HBM2e

HBM3

H20代际更高

显存带宽

未公开

4.0TB/s

片间/卡间互联

7个ICN链路，700GB/s

NVLink，900GB/s

H20公开互联带宽更高

PCIe

PCIe5.0x16

PCIeGen5x16，128GB/s

大体同级

FP16/BF16峰值算力

未公开

BF16/FP16TensorCore148TFLOPS

FP8/INT8峰值算力

未公开

FP8/INT8TensorCore296TFLOPS

TF32算力

未公开

74TFLOPS

FP32算力

未公开

44TFLOPS

FP64算力

未公开

1TFLOPS

功耗/TDP

行业报道称400W以内

400W

功耗接近

集群部署

已在阿里云实现多个万卡集群部署

HGX/生态成熟

应用场景

训推全链路

训推全链路

数据来源：腾讯云，IT之家，东吴证券研究所

含光、倚天、玄铁系列：含光800代表阿里早期AI推理芯片能力，倚天710面向云服务器CPU场景，玄铁系列面向RISC-V处理器生态，真武/PPU则面向AI训练和推理加速。上述产品共同构成阿里云软硬协同的芯片基础，使其能够在通用计算、AI推理、模型训练和端侧计算之间形成多层次布局。

3.1.2. 智算中心基础设施布局

阿里云正在围绕AI大模型升级全球基础设施。2025年云栖大会披露，阿里云计划在巴西、法国、荷兰开设首批数据中心，并在墨西哥、日本、韩国、马来西亚和迪拜等地推进后续设施建设；同时，阿里云升级HPN8.0网络，最高吞吐能力达到800Gbps，并围绕存储、数据库、容器和AI平台进行系统性升级。全球化数据中心和高性能网络布局，将支撑阿里云在模型训练、推理服务和企业AI应用部署中的交付能力。


3.2. 基座大模型与开发平台：通义千问的全矩阵布局

大模型是AI生态的核心基座，阿里巴巴以通义千问大模型为核心，构建了全尺寸、全模态、全场景的大模型矩阵，同时打造了国内领先的AI开发与开源平台，形成了“基座能力+开发者生态”的双轮驱动模式。

3.2.1. 千问大模型全矩阵布局

千问/Qwen是阿里巴巴Qwen团队研发的大模型体系。自2023年首次发布以来， Qwen已完成多轮重大版本迭代，形成覆盖通用语言模型、多模态/全模态模型、代码模型、智能体模型以及不同参数规模开源模型的产品与技术矩阵。其能力体系已从早期文本生成和问答，扩展到长上下文推理、智能体编程、工具调用、视觉理解、音视频理解与实时语音交互等场景。

通用基础大模型体系方面，截至2026年5月，Qwen主线已演进至Qwen3.6系列。阿里云百炼当前稳定商用旗舰模型为 qwen3-max，其中中国内地部署模式下的 qwen3-max当前与 qwen3-max-2026-01-23能力相同，支持思考与非思考模式，稳定版上下文长度最高为262,144 tokens。

在前沿能力探索方面，阿里云于2026年4月上线Qwen3.6-Max-Preview，可视为千问下一代旗舰模型的早期预览版。该模型相较Qwen3.6-Plus，在世界知识、指令遵循以及智能体编程能力上进一步提升，面向复杂代码任务、长程智能体任务和高阶知识推理等场景，但仍属于预览版，后续能力和产品形态仍在持续迭代。

Qwen3.6-Plus是面向企业和开发者API使用的高性能托管模型。Qwen3.6-Plus于 2026年4月发布，默认支持1M上下文窗口，并显著增强了智能体编程、多模态感知与推理能力，可用于代码开发、复杂任务规划、工具调用、视觉理解和企业级智能体应用。

开源/开放权重模型方面，Qwen3.6系列已发布Qwen3.6-35B-A3B与Qwen3.6- 27B等模型。其中Qwen3.6-27B是270亿参数稠密模型，官方介绍称其在主要智能体编程基准上超过更大规模的Qwen3.5-397B-A17B；Qwen3.6-35B-A3B则采用MoE路线，面向更高效的本地部署和推理场景。

多模态与全模态方面，千问体系已从传统文本模型扩展到视觉、音频、视频和实时语音交互。2026年发布的Qwen3.5-Omni技术报告显示，该系列支持256K上下文长度，使用文本-视觉数据和超过1亿小时音视频数据训练，面向音频、视频、语音交互和音视频理解等全模态任务。


表2：千问大模型矩阵一览

模型/体系

定位

版本状态

主要能力

适用场景

千问/Qwen整体体系

Qwen团队研发的大模型体系

自2023年首次发布以来，已完成多轮重大版本迭代

覆盖通用语言、多模态/全模态、代码、智能体、开源/开放权重模型

文本生成、问答、复杂推理、代码、工具调用、视觉理解、音视频理解、实时语音交互

qwen3-max

当前稳定商用旗舰模型

阿里云百炼稳定商用旗舰；中国内地部署模式下与qwen3-max-2026-01-23能力相同

支持思考与非思考模式；上下文长度最高26万tokens

企业级通用推理、复杂问答、长文本处理、生产环境调用

Qwen3.6-Max-Preview

下一代旗舰模型的前沿预览版

2026年4月上线，仍处于预览迭代阶段

相较Qwen3.6-Plus，在世界知识、指令遵循、智能体编程能力上进一步提升

复杂代码任务、长程智能体任务、高阶知识推理

Qwen3.6-Plus

面向企业和开发者API的高性能托管模型

2026年4月发布

默认支持1M上下文窗口；增强智能体编程、多模态感知与推理能力

代码开发、复杂任务规划、工具调用、视觉理解、企业级智能体应用

Qwen3.6-27B

开源/开放权重稠密模型

Qwen3.6系列开放模型之一

270亿参数稠密模型；在主要智能体编程基准上超过更大规模的Qwen3.5-397B-A17B

本地部署、代码任务、智能体编程、边际成本敏感场景

Qwen3.6-35B-A3B

开源/开放权重MoE模型

Qwen3.6系列开放模型之一

采用MoE路线，强调推理效率和部署灵活性

本地化部署、高效推理、开发者和企业私有化场景

Qwen3.5-Omni

多模态/全模态模型

2026年发布技术报告

支持256K上下文；使用文本-视觉数据和超过1亿小时音视频数据训练

音频、视频、语音交互、音视频理解、实时多模态应用

千问模型矩阵整体结论

多层次大模型矩阵

形成稳定商用、前沿预览、企业API、开源模型、全模态模型组合

覆盖复杂推理、智能体编程、长上下文、多模态理解、实时语音交互

企业应用、开发者生态、云服务、本地化部署、AIAgent

数据来源：阿里云，千问官网，arxiv，东吴证券研究所

垂直行业大模型体系

Qwen和Wan模型已进入医疗、金融、营销、内容生产等行业场景，例如阿斯利康中国基于Qwen构建不良事件识别和总结能力，使相关工作准确率达到 95% 、效率提升 3倍。行业模型的核心价值在于把通用模型能力与企业数据、流程和合规要求结合，形成可交付的行业AI解决方案。

端侧轻量化大模型体系：针对端侧AI应用需求，Qwen3系列包含0.6B、1.7B、 4B、8B、14B、32B六款Dense模型，以及30B-A3B、235B-A22B两款MoE模型，可用于移动设备、智能眼镜、自动驾驶汽车、机器人等场景。截至2025年末，通义千问端侧大模型已与OPPO、vivo、小米、荣耀等国内头部手机厂商达成深度合作。

开源生态布局：截至2025年，阿里已开源超过300个基于Qwen和Wan的AI模型，Qwen家族全球下载量超过6亿次，衍生模型超过17万个，是全球最活跃的开源大


模型体系之一。到2026年1月，Qwen在Hugging Face平台累计下载量已达7亿次，衍生版本超过18万个，并已在累计下载量上超过Meta Llama。

3.2.2. AI开发与开源平台体系

阿里巴巴打造了国内领先的AI开发与开源平台体系，为开发者与企业客户提供一站式的大模型开发与应用落地服务，核心平台包括魔搭Model Scope与阿里云百炼平台。

魔搭 Model Scope 开源社区

魔搭Model Scope是阿里巴巴针对个人推出的国内最大的AI模型开源社区，该平台由中国计算机学会开源发展委员会和阿里巴巴共同发起，面向全球开发者、研究者和企业提供模型、数据集、工具链和应用开发资源，推动开源模型的共享、训练、评测、部署和二次开发。2025年魔搭开发者大会页面披露，魔搭社区已汇聚7万多个开源模型，服务1600万以上开发者，成为国内重要的开源AI模型社区和大模型生态入口。

图4：魔搭首页展示


数据来源：魔搭官网，东吴证券研究所


阿里云百炼平台

阿里云百炼平台是面向企业与开发者的一站式大模型应用开发平台，核心定位是面向企业客户提供模型调用、应用开发、智能体编排、知识库构建、模型训练和部署等能力，帮助企业将通义千问、万相等大模型能力嵌入真实业务流程。百炼更强调企业级应用落地、私有数据接入、业务流程集成、安全合规和规模化交付，是阿里云推动大模型产业化落地的重要平台。

4. 阿里AI商业化落地情况

阿里AI商业化已经形成以云业务为主轴、B端和C端双线推进的格局。B端方面，阿里云AI相关产品收入连续十个季度实现三位数同比增长，MaaS平台正在成为云业务增长的新引擎；悟空则面向企业工作流，承接Agent在办公、协同、流程执行和生态skills调用中的落地。C端方面，千问App与阿里消费生态深度连接，正在把AI问答入口升级为可执行真实世界任务的AI助手。整体看，阿里AI收入目前最明确的体现仍在云业务增长中，未来增量将来自MaaS、企业Agent、生态交易转化和AI应用服务。

图5：阿里集团AI商业化模式示意图


数据来源：阿里云，阿里巴巴官网，东吴证券研究所绘制

4.1. ToB端：核心商业化基本盘，全行业深度落地

阿里巴巴AI战略的核心优势在于拥有国内最丰富的商业场景，形成了以自有应用场景为核心壁垒、ToB+ToC双轮驱动的全场景应用落地体系，实现了AI技术从能力到商业价值的快速转化。

ToB端是阿里巴巴AI商业化的核心基本盘，依托阿里云的企业服务能力与千问的


大模型能力，阿里巴巴为千行百业提供了全栈式AI解决方案，实现了规模化商业变现。

4.1.1. 阿里云AI云服务

阿里云提供从AI算力、模型调用、MaaS平台、模型训练部署到企业级解决方案的完整服务链条。2026财年第三季度，阿里云智能集团收入同比增长 36%，AI相关产品收入连续第十个季度实现三位数增长，MaaS平台成为云业务增长的新引擎。随着企业客户从“试用大模型”走向“部署智能体和行业应用”，阿里云的商业化重心正在从基础算力服务扩展到模型服务和AI应用平台。

4.1.2. 钉钉：国内最大的企业级办公平台&阿里巴巴 To B端AI落地的标杆场景

钉钉是阿里AI进入企业办公场景的核心入口。悟空发布后，阿里将钉钉能力进行 CLI化和API化改造，使 Agent能够原生调用钉钉中的沟通、审批、文档、表格、会议纪要和企业知识库等能力。悟空既可以作为独立应用使用，也将内置到钉钉中，依托钉钉超过2000万企业组织的基础，推动企业办公从“人操作系统”转向“AI执行流程”。

全行业解决方案落地：依托千问垂直行业大模型，阿里巴巴针对制造、金融、零售、能源、交通、政务等核心行业，打造了全链路AI解决方案，帮助企业实现数字化转型与效率升级。工业领域，已有攀钢“钢铁大脑”等案例，可用于炼钢工艺优化和质量判定；金融领域，招商银行与阿里云通义大模型合作推出“招银智库AI小研”，应用于智能投研、智能客服、通用办公、全行级知识库等场景；电力能源领域，国网信通公司云运营中心联合阿里云构建国家电网智能运维大模型“国网云智”，实现运维知识智能问答、线上问题定位和检修方案生成等能力，其中异常定位效率提升 40%、标准化检修方案编写效率提升 40%。

4.1.3. 悟空：企业级AI Agent落地

悟空是为企业打造的面向企业工作流的AI原生执行平台。从市场定位看，悟空处于“协同办公软件”和“通用AI Agent”之间：钉钉解决的是人和组织如何沟通、审批、协作，悟空解决的是AI如何在企业系统里理解任务、调用工具并完成执行。阿里官方将悟空定义为面向企业的AI-native agentic platform，定位于把高级智能体能力直接带入业务工作流；钉钉官网则用“你说，悟空干”概括其产品目标，即用户用自然语言下达目标，悟空在钉钉企业数据和应用权限范围内完成文档、表格、审批、日程、调研等具体任务。与个人AI助手相比，悟空的关键差异在于它面向组织环境设计：一方面可作为独立桌


面应用使用，另一方面将嵌入钉钉，依托钉钉超过2000万企业组织的基础进入真实办公场景。

图6：高德地图可以通过自然语言表达自身的出行诉求并转化为实际订单


数据来源：阿里巴巴官网，东吴证券研究所

图7：悟空官网展示的 ToB办事流程示意，能直接根据自然语言输出长任务链结果


数据来源：钉钉悟空官网，东吴证券研究所

悟空的核心能力架构包括任务理解、企业工具、安全治理、生态扩展。第一层是任务理解与规划能力，基于千问大模型理解用户目标，将复杂任务拆解为可执行步骤；第二层是企业工具层，悟空可以操作本地电脑、浏览器和云端系统，完成编辑文档、更新表格、填写审批、转写会议音频、开展深度研究等流程；第三层是安全治理层，通过身份认证、细粒度权限控制和企业专属沙箱，把AI执行行为限定在企业授权范围内；第


四层是生态扩展层，阿里将淘宝、天猫、1688、支付宝、阿里云等能力逐步封装为模块化agent skills，并支持第三方技能集成。其底层关键变化，是钉钉界面被重构为CLI和开放API层，使AI不再模拟人点击软件，而是原生调用钉钉的企业功能并编排工作流。

图8：悟空四层能力架构示意图


数据来源：钉钉悟空官网，东吴证券研究所绘制

以OpenClaw为例的AI Agent的核心难点在于安全和可控，尤其在ToB场景。通用Agent一旦获得邮箱、文件系统或企业系统权限，可能因误判指令或权限边界不清而造成数据误删、越权访问或业务流程错误。悟空采用企业身份认证、权限继承、沙箱隔离和操作审计机制，将AI执行行为限定在企业可管理、可追踪、可回滚的环境中。对企业客户而言，AI Agent能够实现可靠执行任务，是从个人效率工具升级为企业生产力平台的关键。

REALDOC（真金系统）全新文件系统从底层重构了存储逻辑，打造了完全适配AI作业模式的原生存储体系。传统文件系统的核心短板，在于其是为人的操作设计、以最终结果为导向的存储模式，无法满足AI高频读写、边推理边调整的作业需求。而 REALDOC全新系统，核心采用过程导向的存储模式，将文件操作主体从人切换为AI，完整记录AI执行任务的全流程操作轨迹。核心有三大特性：

(1) 支持原子层面操作与快照保存，全面兼容命令行批量操作：可对文件进行最小单元的精准修改，每一步操作都支持高性能快照留存，既能帮助AI快速回退操作，也能基于操作记录复盘优化作业方法；

(2) 可构建企业级知识图谱：系统能完整保存AI推理、会话、决策的全流程上下文，梳理业务中的实体关联与逻辑关系，形成企业专属的知识图谱，反哺AI模型迭代，让AI越用越适配企业业务；

(3) 具备全链路存储管理能力：可按不同层级做分级存储，同时将各层级的权限


精准映射到AI智能体与文件系统中，每一次操作都有快照留存，确保AI行为全程透明、可审计，符合企业合规要求。

图9：RealDoc示意


数据来源：悟空发布会，东吴证券研究所

悟空的战略意义在于，它使阿里的AI能力从“模型和云服务”进一步下沉到企业真实工作界面，成为阿里ToBAI商业化的重要入口。在阿里AI战略中，千问提供模型能力，阿里云提供算力和MaaS服务，钉钉提供企业组织入口，悟空则把这些能力转化为可执行的企业生产力。它的价值不只在于提升单个员工效率，更在于把企业中大量分散的经验、流程和工具沉淀为可复用的skills，逐步形成企业级AI应用生态。长期看，悟空有可能成为阿里AI ToB体系中的“任务执行层”：上接通义大模型和阿里云，下接钉钉组织关系、企业应用和阿里商业生态，使AI从内容生成工具升级为企业经营流程的参与者和执行者。对于阿里而言，这既强化了钉钉的企业入口价值，也为阿里云AI产品提供了更高频、更贴近业务的落地场景。

4.2. ToC端：千问App聚合自有核心商业场景，AI重构全链路商业生态

自有核心商业场景是阿里巴巴AI区别于其他厂商的核心壁垒，阿里巴巴已实现AI技术对电商零售、本地生活、智慧物流、金融科技等核心业务的全链路渗透，通过AI技术重构商业流程，巩固核心业务的竞争壁垒。


图10：阿里应用生态一览


数据来源：阿里巴巴官网，东吴证券研究所

千问 App 成为阿里应用生态的流量入口。基于嵌入千问大模型的能力，各大应用已经能将用户的自然语言需求转化为实际订单和服务交付。C端，千问 App 已与淘宝天猫、淘宝闪购、高德、飞猪、支付宝等生态业务深度打通，使用户可以通过自然语言完成购物、出行、票务和本地生活服务。春节期间，千问披露用户通过“千问帮我”一句话下单近2亿次，覆盖餐饮奶茶、机票酒店、电影票和景点门票等场景。B端，悟空接入淘宝、天猫、1688等 skills后，可以服务店铺设计、供应商管理、选品比价、上架和经营分析等商家运营流程。

图11：购物者可以超越简单的关键词搜索，使用对话式搜索提出非常具体的问题


数据来源：阿里巴巴官网，东吴证券研究所


图12：高德地图可以通过自然语言表达自身的出行诉求并转化为实际订单


数据来源：阿里巴巴官网，东吴证券研究所

千问App是阿里面向C端市场的重要AI入口，也是阿里把模型能力转化为消费生态交易能力的关键载体。与阿里云和B端AI业务相比，千问当前的直接收入贡献仍处于早期阶段，但其战略价值在于把自然语言交互、智能体任务执行和阿里生态履约能力连接起来。如果千问能够持续提升用户活跃、留存和交易转化，其有机会成为淘宝、支付宝、高德之外的又一个AI时代消费入口。

5. 国内AI头部玩家竞争格局

5.1. 阿里当前核心发展短板

尽管阿里巴巴在AI领域具备全栈布局与商业化领先优势，但仍存在一定发展短板，制约了AI战略的长期推进：

C端独立AI入口用户粘性不足：C端AI入口方面，千问已经进入国内第一梯队，但用户活跃深度仍落后于豆包。Quest Mobile数据显示，截至2026年3月，AI原生App月活用户规模达到4.4亿，其中豆包、千问、DeepSeek分别以3.45亿、1.66亿和1.27亿月活位居前三。春节高峰后，豆包DAU维持在约1.4亿，千问DAU约3000万。由此看，千问的阶段性优势在于增长速度和阿里生态履约能力，短板在于高频使用习惯、


用户粘性仍需继续培育。

图13：2026年一季度AI原生App发展核心数据概览


数据来源：QuestMobile，东吴证券研究所

底层训练芯片规模化进度偏慢：芯片层面，阿里的短板在于高端AI训练生态仍需持续验证。平头哥自研GPU已进入规模化生产，并开始支持内部业务和外部企业客户，但大模型训练不仅依赖单卡性能，还依赖软件生态、集群互联、训练稳定性、开发工具链和客户迁移成本。相较英伟达成熟的CUDA生态，国产AI芯片仍需要在大规模训练、推理成本、开发者适配和供应链稳定性方面持续补齐能力。

跨业务组织协同难度大：组织协同方面，阿里的优势来自场景丰富，挑战也来自生态复杂。淘宝、天猫、1688、支付宝、高德、飞猪、钉钉、阿里云等业务拥有不同的用户群、数据结构和商业目标，AI能力要真正形成统一入口，需要在账号、权限、数据、交易履约和开发者生态之间建立更强协同。千问App和悟空的共同意义，正是把原本分散在各业务中的能力重新封装为AI可调用的skills，从而提升集团级AI能力复用效率。

5.2. 国内AI产业竞争格局对比

国内AI竞争已经从单一大模型竞争，演变为云基础设施、MaaS调用量、开源生态、C端入口和行业场景的分层竞争。云基础设施层，Omdia数据显示，2025年一季度阿里云在中国大陆云基础设施市场份额为 33% ，保持领先；MaaS调用量层，IDC相关报告显示，2025年上半年火山引擎以 49.2%份额位居中国公有云大模型调用量市场第一，阿里云以 27%位居第二；C端AIApp层，QuestMobile数据显示，豆包、千问、


DeepSeek在2026年3月月活规模位居前三。阿里的差异化优势在于云基础设施、开源模型和商业生态协同，短板则集中在C端高频心智和高端芯片生态。

图14：2025Q1阿里云在中国大陆云基础设施市场份额达 33%



数据来源：Omdia，东吴证券研究所

图15：2025H1，阿里云以 $27\%$ 的份额位列中国公有云市场第二


数据来源：IDC，东吴证券研究所

6. 阿里AI产业链相关上市公司全景


阿里巴巴AI战略的全面推进，将带动全产业链的发展机遇，核心受益标的主要分为四大赛道：一是阿里系AI应用赛道标的，依托千问大模型实现垂直行业的AI化转型与场景落地；二是阿里系算力基础设施赛道标的，为阿里AI大模型训练与推理提供底层算力、机柜与数据中心基础设施支撑；三是算力租赁相关标的，同样受益阿里大模型训推算力需求持续增加；四是阿福健康大模型相关医疗AI赛道标的，围绕阿里健康阿福大模型，打通医疗健康全链路服务。

6.1. 阿里系AI应用赛道标的

本赛道标的均为阿里巴巴生态内的核心合作伙伴，基于通义千问大模型的核心能力，在各自垂直行业实现AI化转型与场景落地，深度受益于阿里巴巴AI战略的全面推进，建议关注：

阿里巴巴-SW：阿里巴巴是AI生态闭环的母体，是全栈大模型研发与商业化的核心主体，也是阿里AI产业链的核心受益标的。集团拥有千问大模型、阿里云、平头哥半导体等核心资产，是国内AI全栈布局最完善、商业化规模最大的科技企业，AI业务已成为集团未来十年的核心增长引擎，将持续受益于AI产业的规模化发展。

恒生电子（HK）：公司是国内金融科技龙头企业，与阿里巴巴存在深度股权与业务合作。在金融机构核心系统、风控、投研、财富管理等环节使用AI赋能智能化升级。

石基信息：公司是酒店及大消费信息化龙头，是通义千问首批合作伙伴之一，并与阿里云探索酒旅行业大模型应用，在酒店运营数据分析、预订、入住、结账等流程优化场景具备落地基础。

千方科技：公司是智慧交通和智能物联领域核心企业，为通义千问首批行业合作伙伴之一，逻辑在交通数据治理、城市交通管理、车路协同和交通行业大模型应用。

朗新科技：公司聚焦电力能源数智化与能源互联网，是通义千问首批伙伴之一，已基于通义千问探索电力行业大模型，场景包括电费账单解读、用电服务、虚拟电厂和电力交易智能体等。

分众传媒：公司是生活圈线下媒体龙头，与阿里云签署框架服务协议；AI逻辑主要在广告创意生成、人群洞察、点位匹配和线下流量数字化闭环。

大麦娱乐：公司系阿里集团控股孙公司，业务覆盖电影、演出、IP衍生、剧集、艺人经纪与票务平台；阿里AI生态发展有利于公司在票务推荐、内容宣发、用户运营和线下娱乐消费入口升级。

6.2. 阿里系算力基础设施赛道标


本赛道围绕阿里云和AI基础设施扩张展开。阿里巴巴已宣布未来三年投入至少 3800亿元用于云计算和AI基础设施建设，数据中心、机柜、运维和区域算力节点有望受益。建议关注：

数据港：公司是第三方数据中心运营商，核心业务为IDC服务与数据中心运营，客户结构中大型互联网客户占比较高；在阿里等云厂商AI资本开支扩张下，高等级IDC、运维和能耗管理需求有望提升。

杭钢股份：公司依托杭钢半山基地布局数字经济，浙江云计算数据中心由杭钢集团与阿里巴巴集团联合建设，是浙江区域云计算和算力基础设施的重要节点。

润建股份：公司控股子公司五象云谷与阿里云围绕“中国-东盟智算云”和数字经济创新中心开展合作，润建侧重算力服务器投入、数据中心承载与运维服务，逻辑在区域智算、东盟出海和行业模型算力服务。

6.3. 算力租赁赛道标的

本赛道标的均为算力租赁核心供应商，随着未来大模型训推需求加剧，算力租赁行业依然是训练与推理算力的重要来源。建议关注：

宏景科技：公司以智慧城市、智能建筑数字化为基础，近年拓展算力服务；公开公告显示公司已签署多项智算项目服务合同，提供硬件资源设备、组网配套、服务器改配和算力服务，在城市级AI云底座和行业应用中提供算力支撑。

协创数据：公司围绕AI算力、智能终端和存储等方向布局，开展包括服务器、存储硬件、算力服务和云边端智能物联需求在内等多项业务。

6.4. 阿福健康大模型相关医疗AI赛道标的

本赛道围绕蚂蚁阿福AI健康应用和阿里、蚂蚁医疗健康生态展开，关注健康问答、报告解读、医院AI、体检、药品零售和线下履约等场景。蚂蚁集团已将AQ升级为“蚂蚁阿福”，定位AI健康应用，覆盖健康陪伴、健康问答和健康服务。建议关注：

阿里健康：公司是阿里巴巴集团整合线上线下医药和健康资源的旗舰平台，覆盖医药电商、互联网医疗与数字健康服务，可在AI健康问答后的问诊、购药、配送和用药服务环节承接生态流量。

卫宁健康：公司是国内医疗信息化龙头，阿里云与卫宁健康发布医疗大模型智算解决方案，在医院数据、医疗应用系统中与大模型能力结合，推动医院端AI应用落地。

美年健康：公司是国内体检和健康管理龙头，已与蚂蚁阿福达成战略合作，首期上


线“健康小美”，支持用户授权查询近三年体检报告并进行AI解读，后续可延伸至检前推荐、检中陪同、检后问诊和用药服务。

华人健康：公司以医药零售、代理及终端集采为核心，阿里健康为其股东；线下药店网络、DTP和院边店等终端能力，可在AI健康咨询向购药、慢病管理和线下服务转化过程中承接履约。

7. 风险提示

市场竞争加剧风险：当前国内AI产业已进入白热化竞争阶段，头部厂商均持续加大资本开支与研发投入，大模型服务价格战持续升级，阿里云AI服务的毛利率面临持续下行压力。同时，百度、华为在企业级AI服务市场的持续发力，可能挤压阿里巴巴的市场份额；字节跳动在C端AI市场的领先优势持续扩大，可能进一步拉开与阿里巴巴的差距，集团AI业务面临市场竞争加剧的风险。

供应链波动风险：中美科技博弈持续升级，美国对中国高端AI芯片、半导体设备的出口管制持续收紧，阿里巴巴高端GPU采购面临严格限制，若自研芯片无法及时实现规模化替代，可能面临算力供给不足的风险，影响大模型的持续迭代与商业化交付，集团AI战略的推进进度可能不及预期。

核心业务波动风险：阿里巴巴核心电商业务面临抖音、拼多多等平台的持续竞争，若核心电商业务增长放缓，可能影响集团整体的营收与利润水平，进而影响AI战略的长期资源投入，导致AI专项Capex与研发投入不及预期。

监管合规风险：国内生成式人工智能监管政策日趋严格，《生成式人工智能服务管理暂行办法》等相关法规持续完善，对数据安全、隐私保护、内容合规、算法备案等方面的要求持续提升，增加了AI业务的合规成本与运营风险。若集团AI业务无法满足监管合规要求，可能面临业务整改、暂停服务等处罚，影响AI业务的正常推进。

技术迭代不及预期风险：全球AI技术迭代速度持续加快，若阿里巴巴在大模型、 AI芯片、AI Agent等核心技术领域的迭代进度不及预期，可能导致技术优势丧失，无法跟上行业发展节奏，进而影响AI业务的市场竞争力与商业化落地进度。


免责声明

东吴证券股份有限公司经中国证券监督管理委员会批准，已具备证券投资咨询业务资格。

本研究报告仅供东吴证券股份有限公司（以下简称“本公司”）的客户使用。本公司不会因接收人收到本报告而视其为客户。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议，本公司及作者不对任何人因使用本报告中的内容所导致的任何后果负任何责任。任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。

在法律许可的情况下，东吴证券及其所属关联机构可能会持有报告中提到的公司所发行的证券并进行交易，还可能为这些公司提供投资银行服务或其他服务。

市场有风险，投资需谨慎。本报告是基于本公司分析师认为可靠且已公开的信息，本公司力求但不保证这些信息的准确性和完整性，也不保证文中观点或陈述不会发生任何变更，在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。

本报告的版权归本公司所有，未经书面许可，任何机构和个人不得以任何形式翻版、复制和发布。经授权刊载、转发本报告或者摘要的，应当注明出处为东吴证券研究所，并注明本报告发布人和发布日期，提示使用本报告的风险，且不得对本报告进行有悖原意的引用、删节和修改。未经授权或未按要求刊载、转发本报告的，应当承担相应的法律责任。本公司将保留向其追究法律责任的权利。

东吴证券投资评级标准

投资评级基于分析师对报告发布日后6至12个月内行业或公司回报潜力相对基准表现的预期（A股市场基准为沪深300指数，香港市场基准为恒生指数，美国市场基准为标普 500指数，新三板基准指数为三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的），北交所基准指数为北证50指数），具体如下：

公司投资评级：

买入：预期未来6个月个股涨跌幅相对基准在 15%以上；

增持：预期未来6个月个股涨跌幅相对基准介于 5%与 15%之间；

中性：预期未来6个月个股涨跌幅相对基准介于-5%与 5%之间；

减持：预期未来6个月个股涨跌幅相对基准介于-15%与-5%之间；

卖出：预期未来6个月个股涨跌幅相对基准在-15%以下。

行业投资评级：

增持：预期未来6个月内，行业指数相对强于基准 5%以上；

中性：预期未来6个月内，行业指数相对基准-5%与 5%；

减持：预期未来6个月内，行业指数相对弱于基准 5%以上。

我们在此提醒您，不同证券研究机构采用不同的评级术语及评级标准。我们采用的是相对评级体系，表示投资的相对比重建议。投资者买入或者卖出证券的决定应当充分考虑自身特定状况，如具体投资目的、财务状况以及特定需求等，并完整理解和使用本报告内容，不应视本报告为做出投资决策的唯一因素。

东吴证券研究所

苏州工业园区星阳街5号

邮政编码：215021

传真： （0512）62938527

公司网址： http://www.dwzq.com.cn