阿里巴巴的AI战略反思与核心框架 - 公司早在2019年已将Transformer模型用于推荐系统，但未能在大语言模型研发上投入足够资源，错过了三年的窗口期[1] - 公司董事会主席在2023年复出后将AI战略聚焦于三个关键词：采用、规模、开源[5] 采用：AI价值的实现关键 - AI战略的核心在于找到能被真实使用的场景，产生价值，而不仅仅是做出模型[7] - 公司的AI战略包含消费者应用、大语言模型和基础设施三个同等重要的层次，均需资本投入[8] - 通义App是验证AI能力在真实场景落地的关键环节，需考察C端使用频率、B端接入稳定性及在具体行业的应用效果[8] - 中国市场企业级软件付费习惯薄弱，用户为API调用付费的接受度低，推广难度远高于美国[9] - 因此，中国模型厂商需通过云基础设施或应用层寻找盈利路径，而非依赖纯API收入模式[11] - 通义千问在“春节30亿免单”活动中，上线9小时AI订单突破1000万单，验证了真实用户流量对基础设施的考验[11] 规模：推理成为成本与能力的焦点 - 行业投资正从模型训练转向推理，推理是AI成本的真正大头[12] - 美国大型科技公司年资本支出已从此前的600到800亿美元，上涨至1200到1500亿美元[12] - 训练只发生在少数公司内部，而用户每日使用的功能（如提问、客服处理、内容生成）均为推理，持续消耗算力资源[13][14] - 模型规模化的关键在于高并发下的稳定性、推理速度及成本控制，即吞吐量，而非单纯追求最强性能[15] - 公司将模型部署在自家云上，以全面控制推理性能、吞吐量和并发处理能力[15] - 随着AI多模态化，对算力的需求将持续增长且无天花板，规模化比拼的是基础设施调度GPU的能力、高负载稳定性及成本控制[16] 开源：基于市场现实的商业策略 - 中国模型公司选择开源，主要源于纯API订阅模式在中国难以规模化的商业现实[17] - 开源的首要价值在于赋予用户“主权”，即企业、政府、开发者可将模型部署在自有服务器或私有云，实现完全的数据控制与自主可控[18][19][20] - 开源后的盈利关键在于掌握模型运行所依赖的基础设施，公司通过开源通义千问模型，引导用户在阿里云上进行训练和推理，以基础设施收费实现商业闭环[22] - 这一路径依赖公司自身的云业务，对于没有云基础设施的公司而言难以复制[23]