华体会hth体育app:蔡崇信最新演讲：阿里不靠AI赚钱
来源：华体会hth体育app 发布时间：2025-12-08 05:16:50hth华体会全站app:
2025年11月5日，蔡崇信参加香港大学陆佑堂“陈坤耀杰出讲座系列”活动分享。
高级笔记达人天朗明月责编柒排版沐言第 9312篇深度好文：7001字 17 分钟阅读
两小时内超过1200人报名，百年讲厅座无虚席，这一切只因为阿里巴巴董事会主席蔡崇信。
在这场信息密度极高的对话中，蔡崇信不仅揭秘了阿里AI战略的底层逻辑，更指出了一个关键事实：中国技术的突围之路，靠的不仅是政策支持，更是能源成本、工程师红利和开源生态的“三重优势”。
当我1999年加入阿里巴巴时，中国的人均GDP是800美元，而今天是13，000美元，增长是巨大的。
我经常告诉我的朋友，我处在一个非常幸运的位置，因为我经历了中国作为制造业大国和经济崛起，与互联网浪潮兴起的交汇点。
从阿里巴巴的vantage point，我见证了这种双引擎增长，这是非常惊人的。
阿里巴巴最初的想法，如你所说，是一个B2B网站。因为马云想利用互联网为所有中小企业创造一个公平的竞争环境，包括中国的贸易公司和小制造商。
如果你还记得，在中国加入WTO（ 2001年 ）之前，国际贸易一定要通过国有贸易公司做。但一旦中国加入WTO，贸易就开放了，这正是中国作为制造业基地发展的开端。
所以阿里巴巴的初创期是一个企业对企业（ B2B ）的网站，我们帮助小企业批发商品。
顺便提一下，阿里巴巴的第一个网站是英文的，因为它面向的是全球的买家，是一个对外（ outside-facing ）的网站。
然后我们从B2B商务演进到消费的人商务（ C2C ），也就是今天的淘宝——最大的消费者购物平台。
我们还发展了支付业务，因为存在一个痛点：买卖双方互不信任，买家不想先付款，卖家不想先发货。
所以我们发明了“支付宝”，其最初形式是一个担保交易系统，使得交易得以进行。
我认为阿里巴巴的秘诀在于： 一家好的公司总是在遵循客户的真实需求和客户诉求的过程中发展起来的。 我们绝大多数都是跟着客户的需求走，一切都是有机地发展起来的。
我们进入云计算业务也是如此，是为满足我们自身的需求，而不是因为有人决定“云计算是个好行业，我们该进入”。
我们当时审视着我们管理的大量数据，消费者平台处理着海量交易，我们的CTO来找我们说，如果我们接着使用第三方软件和硬件（ 我们当时使用戴尔、IBM的服务器，EMC的存储设备，Oracle的数据库软件 ），那么将来我们会把所有的利润都交给这些技术供应商。
所以我们发展云计算，其实就是出于necessity（ 必要性 ），出于在技术上实现自力更生的需要，这一点我们稍后可以谈到，这某一些程度上也是一种国家层面的需求。
因此，我们组建了一个团队，专注于开发一种操作系统软件，不是指单台计算机的操作系统，而是一种能够跨数据中心、跨多台计算机工作的操作系统软件。
这就是我们云计算业务的起源。我们其实就是“自食其力”，自己先使用这项技术。
后来我们决定，这项技术这么好，为啥不把它开放给第三方客户呢？就这样，我们进入了云计算业务。
他们说：“哦，你知道，职业体育完全不同。你习惯于企业管理公司，但在职业体育中，有明星球员，需要一种不同的方法来管理职业运动队。蔡先生，你真的不了解它是如何运作的，所以你必须把它委托给懂行的人。”
然后我发现，体育界里的人，他们其实不懂什么，他们只知道有关系，有厚厚的名片夹，所以他们了解该给谁打电话，他们与球员经纪人有关系等等。
所以在我的布鲁克林篮网组织中，我有一个非常好的总经理管理篮球方面的事务，签哪些球员、交易、选秀权等等，这是篮球部分。
然后我有一个CEO管理业务部分——卖票、卖赞助、市场营销、粉丝基础发展等等。这和商业管理是一样的。
你知道，就像在商业中，你必须依赖人才，你需要找到比你更有技能、更有才华、更聪明的人，否则你就会成为组织成长的瓶颈。
优秀的人总是供不应求，总会有竞争对手打电话给他们。所以制定薪酬理念，并且当涉及到公司里非常资深的人才时，你必须定制很多薪酬方案。
我看到我的工作是……因为每次我们董事会都有一个薪酬委员会，是独立董事，但独立董事不太熟悉公司的运营和公司里的个人。
所以我的工作是向独立董事和薪酬委员会传达我们的团队有多重要，这样我才能说服他们支付高薪，因为他们值得。
中国国家科技规划中有哪些关键或有一定的影响力的特点，能确保在未来五年或十年内取得成功？我认为这是一个非常切合时宜的问题。
我认为对实体经济中的制造业经济的重视，是领导层精确指出的方向，这就是我们想的位置。
将中国与世界别的地方相比，消费占GDP的比重实际上非常小，不到40%，而在美国，消费占GDP的70%。
中国看待GDP增长，是从生产的角度，并在某些特定的程度上将这一些产品出口到世界别的地方。
因为我相信，无论是今天还是10年、20年后，中国将继续作为制造业基地，为世界其他地区供应产品。
我认为这既是领导层的远见，也是对当前地理政治学局势的一种反应，即美国和一些欧洲国家正在限制对中国的关键技术出口。
回顾中国的发展历史，人均GDP已经从800美元增长到今天的13000美元，并将在未来10年达到30000美元，而这一财富创造路径一直是通过制造业实现。通过生产和制造东西，并供应给世界别的地方。
基于此也有很多批评，他们说“中国有过剩产能”，他们正在将“过剩产能”出口到世界其他地区，仿佛这是一件可怕的事情。
但事实上，如果从定义上讲，“过剩产能”仅只是意味着你的国内经济无法吸收你的生产能力，因此你才选择出口。
但“过剩”这个词的使用似乎成了一个贬义词，但它不应该是，因为一个国家变得富裕的途径就是制造东西，并从世界另外的地方获取资金，使其本国公民变得富裕。
我坚信，继续走作为世界制造业中心，现在是高科技制造业，而不是制造鞋子和T恤的道路，中国将继续增长其经济，公民将继续获得财富和可支配收入，最终消费将会到来。
我给一个数据点：在我们的平台上，大约有5600万人每年在淘宝上消费超过6000美元。这远超于了中国公民的平均可支配收入。
但我认为中国的领导层理解， 健康的经济稳步的增长和财富创造的基础在于拥有强大的制造业基地， 而今天这是高科技制造业，所以中国在制造电动汽车、电池、太阳能电池板以及世界所需的所有这么多东西方面是世界上最好的。
显然，当谈到国家政策时，中国政府已经确定了需要投资的领域，例如半导体、半导体制造工艺、半导体设备等，我认为这些都很好。
但我真正关注并认为很有趣的一点是，几个月前，国务院发布了一个AI相关的规划，中国人非常务实，目标导向。
这个AI规划简单地指出，到2030年（ 也就是5年后 ），我们该看到AI智能体和设备的普及率达到90%，这是国务院说的。
所以他们基本上设定了目标，然后让市场去解决怎么来实现，无论是国有企业还是私营企业家，他们都会想办法在中国推广和实现AI的高普及率。
我认为这是一个非常好的政策，因为我们所有人都或多或少地参与了所谓的中美AI竞赛。
最终，计分方式不是看这些大型语言模型有多好，计分是看采用率。采用AI的人越多，社会受益就越大。
从能源开始，中国在发电方面有优势。这是因为15年前，政府有远见地大规模投资于能源传输。
当你在北方发电，需要以某种方式输送到南方，特别是清洁能源（ 有阳光、风、水的地方 ），并不一定是在需要电力的地方。
所以中国的国家电网（ 有两个电网，北方和南方 ）每年投入900亿美元的资本支出，而美国只有300亿美元。
美国在电力传输方面的投资严重不足，但中国在过去15年一直在这样做。结果是，中国的发电装机容量是美国的2.6倍。
更妙的是，中国新增的发电容量是美国的9倍。所以中国电力容量的增长比美国快得多，而且大部分净增容量来自清洁能源，比如太阳能。
所以中国在AI方面有能源优势，当你消耗所有这些GPU来训练大语言模型和进行推理时，你消耗的是大量的能源。
首先，我们看建造数据中心的成本。在中国建造数据中心的成本要便宜60%，这还不包括购买芯片、廉价GPU的成本。
中国拥有大量工程师，是每年产生最多STEM（ STEM是科学 （ Science ）、技术（ Technology ）、工程（ Engineering ）和数学（ Mathematics ）四门学科的英文首字母缩写，强调跨学科融合教育以培养综合实践能力）学生的国家。
训练AI和模型，你可能认为是非常高层次的研究型工作，但实际上很多工作在于工程方面，你必须优化系统，使系统在训练具有数百亿甚至万亿参数的模型时非常高效。
所以中国缺乏GPU实际上创造了一种“饥饿优势”，当你没有大量资源时，你被迫在系统层面进行创新，而这正是中国的强项，拥有大量工程师和全球人才。
还有一个很有趣的现象：全世界内，几乎近一半的AI科学家和研究人员拥有中国大学的学位，无论他们在美国公司、中国公司还是世界任何地方工作。
我最近刚看到一个社会化媒体帖子，一个在Meta（ Facebook ）工作的非华裔员工抱怨说，他所在的AI团队每个人都在说中文，用中文交流想法，他听不懂。
但他们非常聪明，能创造出所有这些AI工具，他们应该能实时将中文翻译成任何语言！但在茶水间闲聊时，你坐在食堂里，很难捕捉到所有内容，对吧？
所以，这在某种程度上预示着很多想法的分享和交流在全球AI领域正在用中文进行。这是第一次，中文成为一种优势！
它曾经是中国公司向海外扩张的一个劣势，因为当阿里巴巴在意大利、日本或美国开设办公室时，我们在当地雇佣的人不会说中文，他们说英语，所以我们坐在杭州的人不得不用我们的第二语言与他们交流。
这并不理想，我认为这是中国公司向海外扩张的一个巨大障碍。但现在，懂中文在AI世界变成了一个优势，这非常非常有趣。
我刚刚列举了中国拥有的一些优势，但最大的优势是，我相信中国公司对待大语言模型的方法，即开源——将加速AI的采用，并将真正的完成AI的普及，从而使更广泛的社会受益。
阿里巴巴发布了我们模型的许多版本到开源社区，它们在美国和世界各地的所有开源市场上都可以获取。
人们可以直接获取我们的模型，下载下来，放到他们的基础设施上，甚至放到他们的笔记本电脑上，就能开始运行AI，无需任何成本。
因此， 开源方法有助于AI的普及。 而在美国，如果你想使用AI，你必须向OpenAI支付很多钱。
所以我认为这最终是中国的优势，因为赢家不是谁拥有最好的模型，而是谁能最好地将其用于自己的行业和生活。
他们说我们想发展AI，我们大家都希望我们的AI是“主权AI”，意思是它是我们自主开发的AI。但当然，世界上大多数国家实际上没有人才来开发自己的主权AI。
所以，如果他们在通过API使用OpenAI，或者直接采用阿里巴巴的开源模型并在其上开发之间选择，我认为成本效益明显倾向于开源。
如果你使用OpenAI并对模型进行进一步训练，你正在将你的数据输入一个API，你完全不知道数据去了哪里，那是一个黑箱。
而如果你使用开源AI，你能更好地控制数据隐私，你可以建立自己的私有云来存储数据。
因此，全世界内，无论是政府还是私营企业，在考虑应该采用哪种AI时，我认为他们会倾向于开发开源AI，或在开源AI之上进行开发。
以阿里巴巴为例，我们如此慷慨地让人们使用开源AI，是因为我们不从在AI本身上赚钱，这就是答案。
我们运营云计算业务。当你运行模型时，你需要云基础设施，这是一个很复杂的基础设施，不是任何公司随便雇几个工程师就能构建的。
你需要运行AI基础设施的专业相关知识和规模，因为这是一个规模游戏，就像我们个人不自己建酒店，你去租酒店住一样，因为酒店运营商有专业技能。
数据中心业务、云计算业务也是如此，都是关于聚合基础设施。当你拥有许多客户时，你就拥有了运营杠杆来降低服务客户的单位成本。
因此，通过我们的云服务，如果人们运行AI，并且他们碰巧想使用阿里云，我们有一整套产品，从存储到数据管理，到安全，到网络，到容器。
所有这些成套产品将帮助你在我们的基础设施上更高效地运行你的AI，这就是我们变现的方式。
从技能组合的角度，我认为要学习2点：第一，如何获取知识；第二，培养分析信息的框架，从而得出自己的结论。
你可以做很多事情来帮助你提高分析能力，没有哪一门课或一件事能单独帮你提升分析能力。
你如何构建正确的指令来告诉机器做正确的事，这样的一个过程本身就是一个思考过程。
所以我依旧是建议孩子们学习编程，即使今天有了所有这些AI编程工具，你实际上不需要学习计算机代码，你只需用自然语言告诉工具怎么写。但目的不是为了操作机器，目的是经历那个思考过程。
我实际上告诉我孩子，你应该学习怎么样使用电子表格，因为在电子表格中构建公式并使其工作，你只需输入一个数字，它就会自动计算，公式进行计算然后得出结果。
关于学科专业。我一直告诉年轻有两个学科应该学习：一个是数据科学，这是统计学的时髦说法，以前叫统计学，现在人们叫数据科学。
因为在未来，我们将看到数据爆炸，世界越数字化，你或公司获取的数据就越多，理解如何管理和分析数据很重要。
现在，在做了数据方面之后，你还想触及人性的一面。所以心理学的研究很重要。
心理学和生物学帮助你理解人脑是如何工作的。我仍然认为，如我所说，它仍然是最高效、最节能的“机器”，理解大脑如何工作非常重要。
另外，这一点我刚刚想到：我认为现在很多孩子不学计算机科学，而是在学材料科学。
未来，你知道，世界正被比特（ 数字信息 ）主导，但未来，让比特移动更快的是原子（ 物理材料 ）。
理解原子如何工作将会非常重要，人们制造半导体，未来半导体领域将会有很多创新。
当年轻人，或者甚至像我这样的“老人”做决定时，我们实际上是在评估风险和上行空间。
如果你做了一个决定，但事情没有按照你希望的方向发展，那你就是在承担风险，要对下行风险进行评估；
当我加入阿里巴巴时，我认为下行风险非常有限。为什么？因为我有一个好的大学学位，我上过法学院，有法学学位，最坏的情况，我总可以当律师。
所以对我来说， 下行是有限的，但上行潜力无限。 这个决定对我来说很容易，我面对的是一个不对称的风险状况。
这里的金融系学生知道，这就像看涨期权，即不对称的风险回报。我们总是想找到那些不对称的风险回报情况。但我认为，如果你非常努力地去寻找，你可能找不到。
PS：各位笔记侠的朋友，跟大家同步一个消息——我的年度演讲，已确定进入最后冲刺阶段，距离正式登场只剩25天了！
我会把这一年沉淀下来的商业洞察、实战方法论和对行业趋势的判断，全部浓缩进4小时的演讲里，咱们一起寻找“看不见的新大陆”！
1.《蔡崇信香港大学演讲全记录：揭秘阿里AI战略与中国技术突围之路》，管理智慧。
