公司产品发布与性能 - 平头哥官网悄然推出名为“真武810E”的高端AI芯片 [2] - “真武”系列处理器（PPU）采用自研并行计算架构与片间互联技术，结合全栈自研软件系统，实现从硬件到软件的全面自主研发 [2] - 该芯片搭载96GB HBM2e内存，片间互联带宽高达700GB/s，可广泛应用于AI训练、AI推理及自动驾驶等领域 [2] - 阿里巴巴已将“真武”PPU大规模应用于“通义千问”大模型的训练与推理，并通过阿里云AI软件栈深度融合优化，为客户提供一体化解决方案 [2] 产品市场定位与竞争力 - 业内人士透露，“真武”PPU整体性能已超越英伟达A800及多数国产GPU，与英伟达H20处于同等水平 [2] - 外媒报道指出，其升级版本性能甚至优于英伟达A100 [2] - 多位行业从业者表示，“真武”PPU性能稳定、性价比突出，在业界积累了良好口碑，目前市场呈现供不应求态势 [2] 业务部署与客户基础 - “真武”PPU已在阿里云完成多个万卡级集群的规模化部署 [3] - 该芯片累计服务于国家电网、中国科学院、小鹏汽车、新浪微博等超过400家企业与机构客户 [3] 公司背景与产品线 - 平头哥半导体有限公司于2018年9月正式成立，是阿里巴巴集团旗下专注于半导体芯片业务的全资子公司 [3] - 公司构建了覆盖端侧与云端的一体化全栈产品体系，产品范围包括数据中心芯片、物联网芯片等，实现了从芯片设计到应用的全链路闭环 [3] - 目前平头哥的产品包括倚天处理器芯片、镇岳SSD主控芯片、含光人工智能芯片及羽阵RFID芯片 [4]

全球央行与宏观政策 - 美联储以10比2的投票结果维持联邦基金利率目标区间在3.5%-3.75%不变，符合市场预期[13] - 日本央行决策者一致认为未来有必要继续加息，此前已将政策利率上调至0.75%（30年来最高）[13] - 美国财长否认入市干预日元汇率，重申长期奉行强势美元政策，导致日元汇率重挫，美元大涨[13] 全球市场表现概览 - 1月28日港股三大指数集体强势收涨，恒生指数涨2.58%，恒生科技指数涨2.53%，恒生国企指数涨2.89%[3][9] - 同日美股三大指数收盘涨跌不一，标普500指数微跌0.01%，纳斯达克指数涨0.17%，道琼斯工业指数涨0.02%[3][9] - 日经225指数1月28日微涨0.05%，东京证券交易所股价指数下跌0.79%，日元大幅升值压制出口类股票[13] 行业与板块动态 - 黄金现货价格突破每盎司5280美元再创历史新高，本月累计涨幅已超过22%，美元指数暴跌至95.51创2022年2月以来新低[9] - 半导体/芯片股表现强劲，费城半导体指数收涨2.34%续创历史新高，英特尔大涨11.04%，德州仪器涨9.94%[9] - 受地缘局势紧张推动，国际油价盘中涨幅扩大至3%，带动石油股上涨，上海石油化工股份涨超5%[9] - Meta公布强劲财报及指引，预计2026年资本支出最高将达1350亿美元，接近去年的两倍，推动其股价盘后大涨逾7%[12][14] - 特斯拉2025年第四季度营收同比由增转降3%，但毛利率升破20%，储能部署增29%至新高14.2GWh[14] - 高盛在亚太区内“超配”中国股票，预计不计外资将有3.6万亿规模的增量资金流入中国股市[13]

文章核心观点 - 中国互联网巨头（腾讯、阿里巴巴、字节跳动）之间的AI竞争已进入“中途岛时刻”，这是一场关乎未来格局的全局性转折点战役，输掉可能会失去整个未来 [8] - 2025年初DeepSeek推理模型的崛起，为行业重新划定了起跑线，彻底激活了巨头的竞争，2026年春节成为这场战争的引爆点 [6] - 竞争焦点正从单纯的算力和模型能力，迅速转向对“超级入口”的争夺，AI正演变为一种新的基础设施 [15] - 巨头凭借在算力储备（10万张GPU以上）、数据积累（尤其是私有数据）和现有生态（如微信小程序）方面的巨大优势，相比创业公司建立了比移动互联网早期更大的领先优势 [39][40] - 技术变革可能不会推翻旧秩序，反而可能巩固并放大现有巨头的统治力，AI有可能让世界走向更封闭而非更开放 [38][42] 巨头AI战略与竞争态势 腾讯 - 2025年前在AI上节奏相对谨慎，投入和组织推进落后于阿里与字节，2025年开始改变，高薪招揽人才并重组团队 [3] - 以重金招揽OpenAI前研究员姚顺雨，其成为腾讯大语言模型一号位，发现混元模型因过度追逐榜单导致数据污染、真实场景表现不稳的问题 [2][3] - 2025年底，元宝日活仅几十万，远落后于豆包的2000万，促使腾讯紧张并立下军令状要在半年内赶超豆包 [12] - 成为最积极拥抱DeepSeek的大公司，马化腾亲自推动所有业务接入，元宝接入后日活一周增长十倍，逼近260万，后攀升至破千万，进入国内前三 [13] - 改组AI Lab，形成以“研究者”为核心的模式，探索长周期、不确定性高的AGI/ASI课题，没有硬性考核指标 [36][37] - 2025年成为最大的人才捕手，从微软、阿里、字节、月之暗面、OpenAI、DeepSeek等引进十余位技术人才 [35] 阿里巴巴 - 提出“通云哥”概念，即通义实验室、阿里云与平头哥三位一体发展，自认是中国少数拥有从芯片、大模型、云服务到产品全栈AI能力的公司 [4] - 主业赚钱效率在三大巨头中最低，今年前三季度净利润约100亿美元（字节约400亿，腾讯约300亿），但不影响投入决心 [4] - 正考虑将未来三年AI基建与云计算的投入从3800亿元提升至4800亿元，在海外大量采购GPU，甚至曾大量买入RTX 4090消费级显卡搭建推理集群 [4] - 2025年底，千问App、灵光、阿福每天的拉新投放费用超1000万元，千问App单日投放峰值达1500万元 [4] - 自研芯片真武810E在2025年获得首个外部大客户订单，2026年1月决定支持平头哥未来独立上市 [15] - 2025年高层定调不再把电商GMV增长作为第一目标，策略性收缩薄利润品类，集中资源投入AI [15] - 千问大模型在开源社区长期处于全球第一梯队，受DeepSeek影响看似最小，其增长被视为阿里云业务的底牌 [14] 字节跳动 - 视AI为“能影响整个世界的机会”，公司一直在寻找越接近世界中心的事情 [5] - 能力较为综合，豆包在2025年底成为中国首个日活破亿的AI产品，豆包大模型日均Token处理量达63万亿，半年增长超200% [5] - 目标是至少成为全球大模型第三，豆包海外版Dola全球日活于2025年底突破1000万，2026年将全面加速AI业务全球化（除美国） [6] - 起步较晚，通过饱和式投入补齐短板，2025年1月DeepSeek-R1反超豆包后，模型与产品团队紧急讨论对策，最初尝试快速追赶效果不佳 [9][10] - 2025年2月初，原Google DeepMind副总裁吴永辉加入，负责Seed部门大模型理论基础研究，打破部门藩篱，强调长期研究 [10] - 公司认为其工程化能力已比国内任何公司都强，但缺少OpenAI那种能提出方向、做前沿探索的人才 [11] - 为AI业务设计独立组织与薪酬体系，如“豆包股”虚拟股激励，Seed部门应届生可能获更高职级与薪酬 [33][34] 产品竞争与超级入口争夺 豆包（字节跳动） - 从相对克制的投放策略起步，因早期模型能力不强且AI产品商业化路径不明确 [16] - 策略多次转变，曾尝试打造Bot宇宙，后聚焦效率工具，在Kimi走红后加速，将模型迭代周期压缩至三天一版 [17][18] - 负责人朱骏（Alex）对AI有浪漫想象，强调“拟人化”，团队在情绪、方言（细化到区县级）、音色（“桃子”）上重点打磨 [19] - 2025年初，用户“语音调教”豆包视频在抖音出圈，随后P图、合照等玩法在小红书走红，每天带来数百万新用户，过程并非计划内，被形容“太像抖音当年的样子” [20] - 采用“打矩阵”策略，广泛尝试各种场景、玩法和功能，以积累用户心智 [20] - 日活破亿后，非核心用户占比提升，团队开始调整节奏，注重承接新用户和梳理需求，意识到用户质量的重要性 [21] - 依赖抖音的流量和高效的内部买量体系，但抖音对其产品入口的开放保持克制和复杂态度 [30] 元宝（腾讯） - 最初定位是检验混元大模型技术的产品，上线比豆包晚一年，早期需在公司内部求合作 [12] - 2025年春节借助DeepSeek和推广实现爆发，后由腾讯会议负责人吴祖榕接手，其推动团队扩编和高强度外部挖人（薪酬翻倍），并明确先对标补短板 [22] - 面临历史遗留的“工程债”，如数据清洗标注不规范导致模型误判率高，新团队从最基础的工程工作做起 [23] - 接入DeepSeek后能力提升，但外部模型无法做专门训练，自有混元模型能力较弱且目标不一致，导致很多产品功能设想无法落地 [23] - 搜索准确率曾内部评测低于豆包，字节在算法推荐上有常年积累优势 [24] - 2025年底，腾讯调整组织，将模型应用中心、搜索算法中心划归元宝所在的CSIG，以加强协作减少内耗 [24] - 采用从明确垂类场景（教育、生图、办公、购物）切入的克制打法，气质像“理工男”，重体验但可能抑制AI所需的想象力试错 [25] - 优势在于腾讯流量焦虑低，拥有微信、QQ等多赛道头部产品，可进行生态联动，如与《王者荣耀》合作后活跃度明显上扬 [25][26] 千问App/其他产品转型（阿里巴巴等） - 千问App在2025年11月迎来转折点，取代夸克成为阿里争夺超级入口的核心，开始高速迭代（每周2-3次更新，需求1-3天上线） [27][28] - 夸克浏览器转型艰难，其用户心智固化为网盘、搜题等，AI功能主要吸引尝鲜新用户而非老用户 [26] - QQ浏览器用户更高龄下沉，其AI网页助手因网页端高质量内容极少而需求不足，最终与AI笔记等能力融合成新智能办公平台ima [26][27] - 千问团队早期像技术试验田，更关注魔搭开源社区，to C产品尝试得不到支持，地位一度不如夸克 [27] 组织、协作与人才竞争 组织协作与内部博弈 - 巨头AI战争胜负也取决于内部其他业务部门的支援与配合 [29] - 腾讯元宝需要从微信等业务借力，合作也能反哺业务（如腾讯新闻接入后用户活跃度提升），但部门间存在利益不一致 [29][30] - 字节内部存在复杂竞合关系，抖音希望掌握AI能力与关键入口，对向豆包开放入口持克制态度 [30] - 阿里千问团队早期在角落中成长，少被打断，有越界探索动力，但infra上与阿里云PAI协作存在各追指标、难以拧成一股绳的问题 [31] - 腾讯混元推行Co-design研发模式，打通基础设施、算法到产品端协作，并将AI Infra部门划归姚顺雨管理以减少内耗 [32] 人才军备竞赛 - 字节在招聘上极致化，制作应届生人才地图，要求对重点院校重点专业学生高触达率（本科80%、硕士90%以上） [32] - 早期批量发放offer以码齐基础能力，后期聚焦全球顶尖人才（每年招10-20个最优秀毕业生），标准是“有机会挤进OpenAI前40” [33] - 发起“收编创业者计划”，判断绝大多数AI创业会失败，持续劝优秀创业者加入 [33] - 腾讯过去AI人才密度不足，缺少原生研究团队，2025年大力引进人才，总裁刘炽平亲自出面游说，成功招揽姚顺雨的关键在于“有位子” [35][36][37] - 人才流动受组织氛围影响，字节高强度、赛马文化导致部分对组织敏感的技术科学家离开，这给对手创造了挖角机会 [34][35]

平头哥发布“真武810E”AI芯片 - 平头哥正式发布自研PPU“真武810E”高端AI芯片，标志着其自研芯片正式对外亮相[1] - 该芯片并非停留在概念阶段，已实现大规模应用，在阿里云部署了多个万卡集群，并服务了国家电网、中科院、小鹏汽车、新浪微博等超过400家客户[1] - 下一代产品的研发工作已在积极进行中[3] “真武”芯片的技术水平与特点 - 芯片具备96GB显存和700GB/s的片间互联能力，被认为与英伟达H20产品有类似竞争力[2] - 已大规模应用于通义千问大模型的训练和推理流程[2] - 其ICN片间互联技术及AI产品软件栈均为平头哥自主研发，拥有独立知识产权[2] - 在AI推理任务上已具备较强性价比，在训练任务上的全面应用被认为是时间问题[3] 事件对行业与公司的战略意义 - 在美国实施“算力封锁”、国内算力紧缺的背景下，平头哥自研PPU的发布具有重要战略意义，增加了中国AI产业对算力的选择与回旋空间[3] - 此举是平头哥成立八年来坚持自主研发路线的成果[3] - 平头哥在国产AI芯片厂商中处于第一梯队，其领先地位通过此次发布得到确认[8] 阿里巴巴的“三位一体”全栈AI布局 - 阿里巴巴与谷歌是全球少数在AI产业链上游算力硬件、中游云服务、下游基础大模型三个环节均有深度自研布局的科技公司[3] - 阿里巴巴的AI布局由通义实验室、阿里云和平头哥构成，被称为“通云哥”AI大三角，追求全栈自研能力[5] - 这种模式投入大、周期长、风险集中，但成功后可构建强大的竞争壁垒，谷歌在2023至2025年的成功转型被视为全栈自研能力的体现[5] 阿里巴巴各业务环节的实力 - **云计算**：阿里云是全球四大公有云平台之一，基础设施覆盖全球29个地域，服务超过500万客户，其“飞天”系统是国内唯一自研的云计算操作系统[7] - **基座大模型**：通义千问大模型在2025年上半年中国企业级大模型调用市场占比名列第一，其开源版本在海外广受欢迎，新加坡国家人工智能计划已转向千问开源架构[7] - **芯片**：随着“真武”芯片的发布和未来更多信息披露，平头哥PPU在国产芯片中的领先位置得以明确[8] 全栈自研生态的协同效应与前景 - 谷歌的全栈自研生态已形成协同效应：TPU降低了Gemini的成本，Gemini与谷歌云构成“AI+云”生态，云和模型的成功又推广了TPU，助力其2025年市值突破4万亿美元[4] - 亚马逊与微软的AI战略主要聚焦云平台环节，在自研芯片和基座大模型上更多依赖投资与合作，对全产业链的掌控力相对不足[4] - 阿里巴巴有望复制谷歌的协同路径：通义千问大模型越先进、使用PPU的比例越高，将越有利于“真武”及后续PPU产品的销售[8] - PPU的长期需求将通过阿里云算力租赁和客户直接采购“两条腿走路”，规模效应将降低每token的边际成本，形成生态正循环[8] - 阿里巴巴是国内唯一构建了完整全面自研AI生态的公司，其“通云哥”黄金三角已成型，未来将对全球AI产业产生巨大而深远的影响[9]

商业模式价值分析 - 创业做产品最有价值的模式是“两头长尾” 即买方是中小企业 卖方是长尾供应商[1] - 服务对象也应是中小企业 此类公司若成功则价值最大 例如阿里巴巴[1] - 最没有价值的公司模式是“两头大” 即服务的买方和卖方都是大客户 仅服务于大客户[1]

报告核心观点 - 旋律已从营销的“背景音”升级为品牌叙事的“主基调”，成为跨越文化与代际、捕捉用户情绪、适配多元场景的通用语言[1] - 抖音平台是旋律营销的核心阵地，通过“抖汽联动”生态、精准算法、创作扶持与AI赋能，构建了“可视可玩可互动”的旋律文化，日均音乐视频播放量超千亿次[1][22] - 报告提出“MELO旋律影响力模型”，为品牌提供了从旋律定调、创造、全域链接到资产沉淀的系统化营销方法论[1] - 旋律营销能显著提升品牌声量与转化，例如某冲饮品牌借势热梗实现77%拉新转化，某手机品牌通过怀旧旋律营销获得超14亿声量[2] - 未来旋律营销趋势将更注重情绪共鸣与价值认同，AI创作、场景化体验、文化融合成为核心方向[2] 旋律营销的崛起逻辑与媒介价值 - 旋律凭借听觉记忆留存久、能激发多巴胺分泌的特质，精准捕捉用户情绪，适配多元生活场景[1] - 在电视时代，极具辨识度的旋律通过长期重复触达，成为一代人心中难以磨灭的品牌声音Logo，例如动感地带的《我的地盘》和英特尔的经典声音Logo[17][18][19] - 在短视频时代，旋律借由对用户情绪与生活的敏锐洞察，通过热梗借势、经典新编、文化融合等多元创意玩法，实现与目标用户的深度同频[21] - 抖音自带“有声”基因，是旋律的“第一发声地”，平台日均音乐视频播放量超千亿次，全年助力超520万首新歌，流媒体播放量TOP 1.5万歌曲中有40%因抖音传播而流行[22] 抖音平台的旋律生态与核心优势 - **抖汽联动生态**：汽水音乐作为深度音乐消费端，与抖音的泛音乐消费内容实现双向生态融合，全面打通“音视”协同链路，汽水音乐MAU超9000万[22] - **精准算法推荐**：抖音算法能根据用户不同时段场景（如7:00-9:00通勤、22:00-24:00夜间）推荐匹配的旋律类型，实现“对的时间遇见对的旋律”[23]；算法也能为歌曲匹配涨粉策略，例如“音乐卡”等DOU+工具曾助力刀郎单曲引流涨粉55万[23] - **深厚创作土壤**：平台通过全周期扶持（经营、版权、商业化、演出），让从素人到专业歌手的创作者获得成长机会，例如素人歌手@猫咪很猫 penny创作的《打火机》引发现象级传播，相关图文突破百万点赞[25] - **AI赋能创作与传播**：AI音乐创作“低技能门槛+高效率产出”的模式契合抖音生态需求，极大释放大众创作势能，例如头部AI音乐博主@大头针月更可达30首歌曲；AI也加速爆梗传播，如赋能哈基米二创歌曲以更广范围渗透全网[27][28] 爆款旋律图谱与易感人群 - 报告梳理出七大爆款旋律类型及对应核心人群与需求[1]： - **治愈系赫兹**：抚慰松弛需求 - **颅内复读机**：主打搞怪洗脑 - **多巴胺和弦**：传递甜蜜元气 - **锐舞炸场调**：引领潮流律动 - **岁月金唱片**：唤醒怀旧情怀 - **新腔唱古韵**：融合国风创新 - **燃感最强音**：激活热血能量 - 这些爆款旋律通过“记忆点 - 情绪值 - 传播性”三大核心要素，实现病毒式扩散[1] - 旋律精准映照消费者情绪与生活方式，例如治愈旋律回应“慢生活”向往，魔性节拍呼应解构现实的表达，金曲新唱则顺应日渐升温的“怀旧情绪”[7] 旋律营销方法论（MELO模型）与行业实践 - **MELO旋律影响力模型**涵盖四大环节[1]： - **Map旋律定调**：锚定品牌心智与目标人群 - **Execute创造旋律**：通过原创、改编、AI生成等路径打造听觉钩子 - **Link链接全域**：实现线上线下分层传播 - **Own沉淀资产**：将流量转化为长效品牌资产 - **不同行业的差异化适配策略**[2]： - **快消品**：借助魔性旋律实现即时裂变 - **耐消品**：以情感旋律构建品牌信任 - **奢侈品**：通过文化旋律彰显品牌格调 - **具体案例**：某冲饮品牌借势热梗实现77%拉新转化；某手机品牌通过怀旧旋律营销获得超14亿声量[2]；流行民谣《去远方》借助抖音“找准人”算法策略，宣推后实现日播超500万，晋升热歌榜第4位[24] 未来旋律营销趋势 - 旋律营销将更注重情绪共鸣与价值认同，品牌需把握旋律从感官刺激到情绪催化再到价值认同的递进逻辑[2] - **AI创作**、**场景化体验**、**文化融合**成为核心趋势[2] - 品牌需构建专属“声命力”，通过旋律实现与用户的深度共情共振，将文化共鸣转为心灵对话[2][7]

文章核心观点 - 文章旨在通过一套“商业适配度”评估体系，对主流AI企业服务商进行排名，为企业选择AI解决方案提供实战参考，而非单纯比较技术高低[1][4] - 评估认为，没有绝对的第一名，最佳选择取决于企业的核心赛道和首要目标，例如追求快速落地增长、构建技术底座、垂直行业智能或后台决策优化[22] - 对于大多数寻求增长的成长型企业，建议优先关注能提供低门槛试水、快速验证效果的垂直服务商，并重视服务商的“陪跑”能力以确保转型成功[25][26] 评估方法论 - 评估设定了三个核心维度并赋予不同权重：实战落地能力（权重40%）、技术架构与前瞻性（权重35%）、全链路赋能深度（权重25%）[4][5][6][8][10] - 实战落地能力考察产品是否“开箱即用”、解决方案是否源自真实场景、是否有可验证的成功案例[5] - 技术架构与前瞻性关注是否具备自主研发的核心引擎、技术是否前沿（如GEO优化）、以及是否支持私有化部署等[8] - 全链路赋能深度评估产品能否提供覆盖“营、销、管、服”的一站式解决方案，打破部门墙[10] 温州字节魔方分析 - 核心优势为“AI超级员工+GEO优化引擎”双轮驱动，GEO引擎专门解决在豆包、DeepSeek等AI助手里的品牌曝光问题，理念超前[11] - AI超级员工系统强调1:1复刻企业顶尖员工的商业思维，覆盖从获客到销售再到管理风控的全链路[11][12] - 创始人兼具AI工程与运营背景，产品避免了“技术自嗨”，客户案例包括政务场景，适配性和稳定性经过多元场景考验[12] - 短板在于品牌声量相较于互联网大厂较低，更多依靠口碑传播[12] - 画像定位为最适合追求“投入必有回报”、希望AI直接解决增长与效率痛点，且对GEO新流量赛道敏感的成长型企业和实体行业[12] 百度智能云分析 - 亮点在于背靠文心大模型，技术底蕴和生态能力强大，产品矩阵丰富，从底层算力到行业解决方案几乎无所不包，与百度系生态结合有天然优势[13] - 短板在于方案对中小企业可能过重，部署定制周期较长，在GEO优化等前沿细分场景上不如垂直服务商灵活深入[13] - 画像定位为适合需要构建完整AI能力底座、且技术团队实力较强的大型企业或集团[13] 阿里云分析 - 亮点在于作为云计算市场领导者，在企业级服务经验、全球基础设施和安全合规方面有绝对优势，通义千问大模型接入使其AI能力触手可及[14] - 短板在于核心优势是“云”和“平台”，缺乏开箱即用的垂直业务解决方案，企业需较强业务梳理和开发能力或进行二次开发[14] - 画像定位为适合将AI作为长期战略、拥有或计划自建技术团队、希望从云基础设施开始全面数字化转型的企业[15] 科大讯飞分析 - 亮点在于在语音识别、自然语言处理等认知智能领域深耕多年，技术护城河深，在教育、医疗、司法等垂直行业解决方案成熟权威[16] - 短板在于优势领域相对垂直，在需要全链路运营的泛企业服务场景中可能不够“接地气”和“体系化”[16] - 画像定位为对语音交互、专业行业知识库有强需求的特定行业客户，如教育、医疗、政务、客服等[17] 第四范式分析 - 亮点在于专注于决策型AI，在金融风控、供应链优化等复杂决策场景下表现突出，其平台降低了AI应用开发门槛[18] - 短板在于更侧重于后台决策与优化，在前端获客、销售自动化等直接面向市场的场景上并非首要发力点[18] - 画像定位为适合核心诉求是通过AI优化高风险决策、提升供应链效率等后台运营环节的企业，如金融、零售、制造行业[19] 分赛道适配排名 - 「AI快速落地与增长驱动」赛道适配首选：温州字节魔方，因其“实战派”基因和双引擎设计能快速在获客、销售、提效上产生效果，并布局GEO未来流量入口[22] - 「构建全面AI技术底座」赛道适配首选：百度智能云或阿里云，适合将AI作为长期战略、需要构建自主可控AI能力并拥有强大技术团队的大型企业[22] - 「垂直行业深度智能」赛道适配首选：科大讯飞，适合需求高度集中在语音交互、特定行业知识处理（如教育、医疗）的客户[23] - 「后台决策与运营优化」赛道适配首选：第四范式，适合核心痛点在于金融风控、供应链成本等复杂决策优化的企业[24]

文章核心观点 - 中国云计算行业在经历长期增长失速、价格内卷和利润黑洞后，于2025年因AI带来的GPU算力需求迎来拐点，行业营收和利润开始修复 [5][19][49] - 2026年，行业竞争焦点将从GPU算力转向MaaS（模型即服务）和AI SaaS工具，预计将爆发激烈的商业化大战，并可能重塑市场格局 [25][39] - AI不仅为云厂商带来短期业绩增长，更通过推动高价值负载回归公有云，从长期结构上改善行业盈利模式，资本市场估值逻辑面临转变 [32][36][38] 上半场：云巨头为何被资本市场抛弃 - **增长失速与存量绞杀**：互联网流量红利见顶、企业上云主干迁移完成后，市场自然增长放缓，但云厂商仍维持高增长目标，导致竞争演变为残酷的存量客户争夺，典型案例是T3出行在阿里云、华为云、腾讯云之间多次迁移，单次搬迁量级达大几千万 [7] - **第一重扭曲：恶性价格战**：竞争简化为原始价格战，从天翼云等运营商云加入后，折扣从5折以上拉低至1-2折，导致行业集体陷入利润黑洞，阿里云利润率不到9%，腾讯云2025年才实现盈亏平衡，华为云仍在调整中 [8][10] - **第二重扭曲：生态关系恶化**：健康的“热带雨林”生态退化为“猎场”，平台与合作伙伴关系经历三步曲：1) 伙伴沦为销售工具（如ISV需完成数百万至上千万业绩才能进入目录）[11]；2) 伙伴成为复制对象，云巨头在方案成熟后推出自研竞品进行挤压 [13]；3) 伙伴遭遇清洗出局，渠道政策调整导致核心客户对接权收归直销 [14] - **第三重扭曲：底线失守与系统性乱象**：为完成业绩出现“刷流水”（有团队规模达百亿级别）以及直销与渠道合谋套取高额返点的现象，侵蚀行业根基 [16][17] 2025：云巨头集体因GPU业绩暴涨 - **GPU算力成为关键增长引擎**：2025年，市场掀起DeepSeek等大模型部署热潮，H20等推理资源变成抢手货，为云厂商带来“久旱逢甘霖”的营收增量 [19][20] - **火山引擎表现凶猛**：因手握大量算力卡（如H20卡估计有48万张）且主动对外出租以引流，2025年上半年GPU收入估计近35亿，增速超200% [21][24] - **其他厂商同样受益**：阿里云2025年上半年GPU收入估计约55亿，增速超100%；腾讯云GPU增速在所有产品中几乎最高；华为云的昇腾算力因市场需求大也出租良好，主要客户为运营商；百度云、金山云等也获得大量生意 [24] - **2026年增速预计只增不减**：随着大模型加速落地应用，云厂商GPU增速将持续 [24] 2026：MaaS与AI SaaS大战将打响 - **战场转移**：2026年真正的竞争将聚焦MaaS及上层的AI SaaS工具，争夺的是未来AI云时代的核心客户 [25][26] - **厂商设定激进目标**：火山引擎2026年MaaS营收目标为5-6倍增长，即从2025年的20-30亿增至100-180亿，并调整销售考核，要求必须销售大模型及AI工具，单个销售任务底数达1000万 [27]；阿里云销售2026年的tokens日调用目标预计更为激进 [28] - **商业化路径探索**：初期推广大语言模型（LLM）营收起量慢，天花板低（月消费1万客户仅相当于传统公有云年消费千万客户体量）[28]；后转向语音模型（如智能催收、客服外呼），但受监管风险限制 [29]；当前重点押注文生图、文生视频等“高消耗”场景，如AI短剧、教育内容生成等，需求明确且付费意愿强，已有客户月消费达几十万 [30] - **火山引擎的独特优势**：在AI短剧等场景，可通过旗下红果短剧提供流量扶持乃至投资，形成差异化竞争力 [30] 云厂商的“利润翻身仗”怎么打 - **短期：AI算力涨价直接“止血”**：2025年底，全球云厂商启动AI服务涨价，如AWS对部分GPU实例涨价15%，阿里云跟进AI算力涨价，这打破了持续二十年的“云服务价格只降不升”的行业铁律，高增长、高毛利业务的提价将直接改善2026年利润表 [33][36] - **长期：AI推动回归公有云，修复利润模式**：大模型快速迭代使得私有化部署不经济，推动高价值AI工作负载不可逆地锁定在公有云上，云厂商未来销售边际成本极低的模型调用和智能工具，商业模式健康度将有质的飞跃 [36][37] - **盈利故事清晰**：短期靠AI算力涨价快速“回血”，长期靠公有云产品模式彻底“新生” [37] AI云之战对市场格局的影响 - **火山引擎强势崛起**：凭借极具性价比的模型能力（尤其在图像、视频生成）和算力资源，以“尖刀”角色切入AI短剧等新场景，成为阿里云的头号目标对手 [41][42][43] - **阿里云地位稳固**：坐拥约400万企业客户，能最早感知市场；是国内唯一完成“芯片-模型-云”全栈自研的巨头，并通过战略投资（如月之暗面、智谱）构建生态闭环，2025财年被投企业贡献超45亿收入 [44] - **百度云可能缩小差距**：主攻大型AI数据中心和行业大模型项目，这类重资产、长周期项目是其发挥技术积淀的领域 [44] - **腾讯云与华为云面临压力**： - 腾讯云为守住盈利目标在传统云产品上放弃价格战，导致市场份额有所丢失；其混元大模型通用能力未领先，未来翻盘关键可能在于利用“产品生态”做出好的AI SaaS产品 [46] - 华为云处于调整阵痛期，将“盈利”作为铁律，限制市场费用投入；在大模型实力上与字节、阿里有差距，且云业务与兄弟部门昇腾存在内部竞合关系；未来可能通过云产品与硬件打包销售寻求突围 [46][47]

阿里“通云哥”全栈AI战略拼图成型 - 公司自研高端AI芯片“真武810E”PPU正式上线，标志着其筹谋已久的AI战略拼图“通云哥”完整亮相，该体系由通义实验室、阿里云、平头哥三者组成，形成“算力+算法+基础设施”的软硬件深度咬合系统 [2][4][5][10][11] - 该“三位一体”结构旨在将算力效率榨取到极致，以应对摩尔定律放缓与高端芯片供应链受限的挑战，从而构建公司在AI时代的系统级优势和定价权 [11][12][13] 核心拼图一：通义实验室（算法/模型） - 通义千问已成为全球第一开源模型家族，衍生模型突破20万个，下载量破10亿次，平均每天110万次下载，截至2025年10月下载量已超越美国Llama [16] - 全球开发者每天基于千问新增超200个模型，在多个领域成为事实标准；2025年12月，仅凭5款小尺寸模型，单月下载量超过Mistral、OpenAI、英伟达等6家国际头部AI厂商总和 [18] - 沙利文报告显示，2025年上半年中国企业级大模型调用市场，千问占比第一，服务客户超100万家，包括OPPO、vivo、国家电网、中科院，Meta的新模型项目也选择蒸馏千问的开源版本 [18] 核心拼图二：阿里云（基础设施） - 2025年，阿里云在Gartner IaaS基础设施能力报告中拿下全球第一，计算、存储、网络、安全四项核心指标全部获得最高分 [20] - 阿里云运营着亚太第一的云计算网络，Omdia数据显示，已采用生成式AI的财富中国500强企业中，超53%选择了阿里云 [21] - 为承载AI计算，公司重构底层架构：自研HPN 8.0高性能网络支持GPU互联带宽高达6.4Tbps，可实现单集群10万卡GPU高效互联；自研CPFS并行文件存储系统将单客户端吞吐提升至40GB/s，解决海量小文件读取瓶颈 [21] 核心拼图三：平头哥（算力/芯片） - 公司自研的“真武810E”PPU芯片参数激进，具备96GB HBM2e显存，片间互联带宽700GB/s，功耗400W，在显存容量和互联带宽上能与英伟达主流产品正面交锋 [24] - 该芯片已精准命中大模型训练的显存瓶颈，单张芯片可承载更大模型权重，提升推理吞吐量，并已在阿里云内部实现多个万卡集群部署，服务了国家电网、中科院、小鹏汽车等400多家客户 [24][25] “三位一体”结构的协同效应与价值 - 对平头哥：自研芯片可直接在阿里云万卡集群中验证迭代，压缩研发周期；真武芯片针对Qwen3等MoE架构模型优化，让千问运行更快 [33] - 对通义：拥有底层硬件定义权，模型可针对芯片特性原生优化；实测在阿里云PAI平台上，大模型训练端到端加速比提升3倍以上，推理吞吐量增加71%，时延降低70.6% [33] - 对阿里云：自研芯片摆脱对外部算力的绝对依赖，形成护城河；能为企业客户提供差异化算力选择，提升市场竞争力 [33] - 阿里云AI相关产品收入已连续9个季度实现三位数增长，AI已成为驱动公司增长的核心引擎 [34] 全球AI竞争格局与阿里的战略路径 - 全球云市场进入寡头时代，亚马逊、微软、谷歌、阿里巴巴“四强”占据全球超过80%的云平台市场份额 [39] - 竞争路径分化：亚马逊、微软代表“资本绑定外部模型”路径，需支付高昂的“算力税”给英伟达，且核心模型能力依赖外部IP [43][44][46][48] - 谷歌和阿里代表“全栈自研”路径，同时自研芯片、云和模型，好处在于极致成本控制、供应链安全和服务差异化 [49][50][51][58] - 高盛报告指出，谷歌TPU从v6到v7迭代，每百万token的推理成本下降约70%，通过软硬一体化优化可将单位算力成本压到最低 [52] - 公司实现了“阿里云-通义-平头哥”的内部循环，算力成本内部化，随着规模扩大边际成本递减，最终将转化为定价权 [56][57] 战略意义与市场影响 - “通云哥”的出现打破了市场将公司仅视为电商平台的刻板印象，其同时握有全球领先的云、自研高端芯片及第一梯队开源模型，硬科技属性需要被重新定价 [28][29] - 公司通过全栈自研掌握了AI时代最重要的底层技术，未来将成为为AI时代铺设“水电煤”的科技航母 [32] - 随着“真武”亮相和“通云哥”成型，公司已拿到通往AI决赛圈的门票，将在全球计算版图上占据不可替代的位置，成为美国体系之外极具竞争力的AI基础设施选择 [61][62] - 该战略不仅重塑了公司的估值逻辑，也将对全球AI技术版图产生深远影响 [63]

核心观点 - 阿里巴巴未来生活实验室的研究团队发现，在视频推理任务中，简单地套用文本思维链（如“一步一步思考”）会因模型产生“脑补”和幻觉而导致效果不佳，甚至不如“直接回答”[1] - 团队认为，模型“思考”的效果取决于是否教会它“如何思考”，并为此提出了一套完整的解决方案，包括高质量数据集ReWatch和SOTA模型ReWatch-R1，论文已中稿ICLR 2026[1] 数据集ReWatch - 为解决现有训练数据视频描述粗糙、问答过于简单、思维链严重依赖文本常识而非视频内容三大痛点，团队构建了包含1万视频、17万问答对和13.5万思维链的ReWatch数据集[2] - 数据集具备三大核心优势：1) 高保真时序字幕，为长视频生成带精确时间戳的详细事件描述；2) 高难度视频问答，确保问题必须依赖视频细节解答；3) 视频接地的思维链，通过多智能体ReAct框架生成与视频内容紧密绑定的推理轨迹[2] - 整个数据集的构建过程包含分层字幕生成、高难度问答对生成以及多智能体思维链合成三个阶段，确保了数据的高质量和高难度[4] 模型ReWatch-R1 - 研究团队采用SFT+RL的范式训练模型，并通过一个创新的奖励机制让模型掌握思考的精髓，其核心是带过程奖励的强化学习[6] - 过程奖励具体拆解为观察奖励和推理奖励：观察奖励评估模型生成的“观察”是否与高保真字幕相符；推理奖励评估模型仅凭其生成的“观察”信息能否推导出正确答案[8] - 该方法使模型不仅学会得出正确答案，更学会了如何通过真实、有效的步骤进行思考，基于证据链进行推理[8] 实验结果与洞察 - 实验结果表明，ReWatch-R1在五个主流视频推理基准上，平均性能显著超越了所有同量级的开源模型，取得了SOTA的成绩[9] - 关键洞察发现，在监督微调阶段，“思考模式”性能无法超越“直接回答”模式，说明SFT只能教会模型思考的“形”；而经过强化学习阶段后，“思考模式”性能实现惊人飞跃，最终大幅超越“直接回答”模式[11] - 这证明了显式的、一步步的、有证据支撑的推理过程对解决复杂视频任务至关重要，而强化学习是激发这种能力的关键[11] 总结与贡献 - 该工作通过创新的“智能体合成数据”方法，解决了高质量视频推理数据稀缺的核心瓶颈[13] - 通过“过程奖励”强化学习，成功教会了模型如何基于视频证据进行“深度思考”，而不是空想[13] - 研究表明，让模型学会“如何思考”是通往更高阶视频智能的关键一步[13]