鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

阿里深夜大涨13%!3个月净赚423亿,云和AI杀疯了,700天重造自己

编程导航
编程导航
2025-08-30 12:30
阅读 123
编程导航
2025-08-30 12:30
阅读 123

智东西(公众号:zhidxcom)
作者 | 李水青
编辑 | 心缘

四年前,阿里巴巴的名字几乎成为“落魄巨头”的代名词:反垄断重罚、蚂蚁上市搁浅、频繁的组织调整,让这家互联网巨头股价从超300美元一路跌到60美元,被外界视为“失速的大船”。

对比之下,腾讯稳坐社交和游戏护城河,字节靠抖音和豆包破圈爆发,百度因文心一言率先“蹭上”AI热点,阿里则被批评“掉队”,深陷与拼多多的低价竞争,缺乏新的增长故事。

然而,700天过去,局面已彻底改写。蔡崇信与吴泳铭接手后,阿里以“重新创业”的姿态押注AI。

阿里深夜大涨13%!3个月净赚423亿,云和AI杀疯了,700天重造自己

▲蔡崇信(左)与吴泳铭(右)

它不是靠单一的爆款应用,而是以模型、云、应用三条战线全面突围:通义千问在开源模型中登顶,视频生成模型万相2.2跻身全球第一梯队,AI编程模型Qwen3-Coder以低价打爆市场,最近3个月超20款亮眼新模型“井喷”,拿下众多SOTA(最佳表现);淘宝、钉钉、夸克、高德、闲鱼、优酷等业务全面AI化,隔几天就“颠覆一个行业”,逐步把AI变成阿里业务的新底色。

阿里在被唱衰的低谷里,重构了属于自己的新叙事。

8月29日晚间,阿里发布2026财年第一季度(对应自然年2025年第二季度)财报,财报显示,阿里实现营收2476.52亿元,同比增长2%;净利润为423.82亿元,同比增长76%。其中,阿里云收入同比增长26%,创三年新高,AI相关产品收入连续八个季度实现三位数同比增长。

如下图所示,在过去八个季度里,阿里云收入增速已去寒回暖,走出一个“U型”大逆转。其本季度营收增速水平重回巨头行列,接近谷歌云,超过AWS和微软智能云。

阿里深夜大涨13%!3个月净赚423亿,云和AI杀疯了,700天重造自己

▲阿里云在吴泳铭接手后近两年里营收增长率一路上扬(智东西制图)

今天的阿里,股价已在AI热潮中反弹。市场重新审视这家公司:它不再是电商巨头,而是一家正用AI重塑商业版图的科技公司。

截至8月29日美股收盘,阿里股价上涨近13%,报135美元(约合人民币963元)/股;市值达3218亿美元(约合人民币22949亿元),再破3000亿美元大关。

阿里深夜大涨13%!3个月净赚423亿,云和AI杀疯了,700天重造自己

▲阿里昨日美股股价走势(图源:百度股市通)

在腾讯还在默默推进“应用落地”、百度仍为文心一言的产品化苦苦探索时,阿里凭借更坚决的投入和更庞大的战略执行力,率先完成了从理念到商业化的全方位跃迁,借AI铺就了一条重造自我之路。

一、千问大模型登顶,业务全面AI化,AI收入八连跳

重造自我,阿里AI转型的第一张王牌,是模型层的突破。

2023年8月,阿里首次开源通义千问(Qwen),到2025年已迭代至第三代Qwen3,累计推出200余款模型,覆盖从0.5B到百亿级参数,横跨语言、多模态、数学、代码等领域:

– Qwen3发布仅一个月下载量突破1250万,多个版本在权威榜单上超越Meta Llama 4和DeepSeek R1。Qwen3不断衍生出至少20款新模型,这一数字超过月之暗面、智谱、字节跳动、腾讯、百度、阶跃星辰等其他企业或研究机构在期间的开源模型总和。

– Qwen3-Coder引爆开发者社区,性能可比肩GPT-4.1,却以Claude 4三分之一的价格横扫市场。Qwen Code每天可享2000次免费调用,免费政策拉爆使用门槛。

– 万相Wan2.1视频生成模型在VBench测试夺冠,首创视频生成与编辑统一解决方案。而后推出的Wan2.2可节省约50%的计算资源消耗,在复杂运动生成、人物交互、美学表达等维度上取得了显著提升。

-通义千问系列中的首个图像生成基础模型Qwen-Image,共获得通用图像生成测试GenEval等12项SOTA(最佳表现),能准确生成不同语种的文字,编辑版本Qwen-Image-Edit更是让人直呼“干掉PS”。

– QwQ-32B推理模型和Qwen3-235B-A22B混合专家模型,让阿里在AI推理这一新战场与OpenAI、DeepSeek正面竞争。

……

这些动作不仅让阿里在学术和开发者社区声名鹊起,还直接推动其被《时代》评为“开源AI领导者”。截至2025年4月底,基于Qwen的衍生模型已超过10万个,成为全球最大的开源模型家族。

如果说模型是阿里的底座,那么应用就是让AI真正跑起来的战场。

淘天、钉钉、夸克等阿里的核心拳头业务,正在塑造全面AI化的“新阿里”。

在核心业务淘天电商线,AI早已不只是“推荐商品”。淘天集团算法技术负责人、阿里妈妈CTO郑波带领的技术团队提出了完整的AIGX体系,涵盖索引、推荐、出价、拍卖、创意和数据的全面AI化。春节高管会上,阿里电商事业群 CEO蒋凡直言:“AI现阶段的目标,是先帮商家降本。”从智能客服到个性化视频种草,再到跨境电商的自动翻译与合规检测,AI正一点点改造电商的基本面。

在C端业务方面,阿里副总裁吴嘉带队的夸克,是阿里冲击C端AI的“快艇”。全面升级后的“AI超级框”,集合了对话、搜索、写作、健康、教育等功能,并相继推出了AI相机、深度研究等应用。其目标是成为首个DAU过亿的AI应用,直接对标百度搜索。吴嘉直言:“我们要做的不只是聪明助手,而是全民第一的AI入口。”

在B端业务方面,曾一度沉寂的钉钉,如今借AI重新崛起。阿里重组后,钉钉核心骨干回归,结合通义模型推出智能会议、自动纪要、AI助理,直面飞书和企业微信。钉钉的复兴,被视为阿里B端业务AI化的关键节点。其于8月25刚刚甩出的钉钉AI“全家桶”,软硬件“组合拳”一起上向腾讯、字节发起了猛攻。

在出行与本地生活方面,全民级应用高德地图也已全面AI化。高德地图于今年8月推出全球首个AI Native地图应用,“小高老师”能对话式推荐路线、预测路况、甚至协助驾驶。AI不再是附加功能,而成为应用的核心体验。

除此之外,1688、优酷、闲鱼等都在其应用场景中加速AI化,覆盖电商、二手交易、内容推荐等多个场景。

从电商到地图,从办公到搜索,阿里在C端、B端和本地生活多线出击,几乎形成了“全域AI化”的版图。

资本市场最关心的问题是:AI能否转化为真金白银?阿里的答案是肯定的。

2024年12月季报显示,阿里云收入重回13%高增速。到2025年6月季报时,这一趋势继续,阿里云单季收入增长26%,AI相关产品收入已连续八个季度三位数增长,广泛渗透到互联网、零售、制造和传媒等多个行业。

阿里深夜大涨13%!3个月净赚423亿,云和AI杀疯了,700天重造自己

▲阿里云在吴泳铭接手后近两年里营收及增长率一路上扬(智东西制表)

阿里云也是全球少有、国内唯一(公开盈利情况)已持续盈利且不断增长的云厂商,2025年6月财季经调整EBITA‌逼近30亿元,同比增长26%。

阿里深夜大涨13%!3个月净赚423亿,云和AI杀疯了,700天重造自己

▲阿里云在吴泳铭接手后近两年里的利润及增长率也稳定在高水平(智东西制表)

尽管阿里云收入占阿里整体收入的比例仍然有限,但阿里云及AI的技术产品正全面接入阿里各条业务线,试图成为整个阿里集团的业绩增长一大新引擎。阿里本季度实现营收2476.52亿元,同比增长2%(若不考虑高鑫零售和银泰的已处置业务收入同比增长将为10%)。

净利润为人民币423.82亿元,同比增长76%;经调整EBITA(一项非公认会计准则财务指标)为388.44 亿元,同比下降 14%,这一变化主要归因于对 “淘宝闪购” 业务的投入,以及在用户体验、用户获取和科技研发方面的支出;不过,阿里中国电商集团实现的两位数收入增长,以及多项业务运营效率的提升,在一定程度上抵消了上述投入带来的影响。

阿里深夜大涨13%!3个月净赚423亿,云和AI杀疯了,700天重造自己

收入增长之外,AI还让阿里的资本开支迅速放大:本季度阿里对AI+云的资本性投入达386亿元人民币,同比增长220%。

这正是吴泳铭口中“未来三年的3800亿元人民币AI投资”的缩影。

二、吴泳铭的豪赌:3800亿押注、KPI重构与人才攻坚

阿里AI化的背后,是战略的彻底倾斜。

吴泳铭2023年上任不久,就提出“用户为先,AI驱动”。此后的一系列动作清晰表明:阿里几乎把全部筹码押在这两件事上。

阿里深夜大涨13%!3个月净赚423亿,云和AI杀疯了,700天重造自己

▲吴泳铭

2025年2月,阿里宣布未来三年投入3800亿元用于AI和云计算基础设施,超过过去十年总和。蔡崇信则在2月的《南华早报》撰文指出,AI竞赛的重点应从“极致智能”转向“实用应用”,强调开源与小参数模型的普惠价值。

未来三年阿里AI在以下三大领域加大投资力度:AI和云计算的基础设施建设,预期将超越过去十年的总和;大幅提升AI基础模型的研发投入,并推动AI原生应用的发展;现有业务的AI转型升级,运用AI深度改造升级各业务。

在组织层面,为了让通义千问团队更加专注于模型研发,阿里将通义App剥离阿里云,进入智能信息事业群,确保模型研发与应用推广两条腿走路。

为了加速AI创新,阿里还简化汇报流程并强调快速决策。据晚点报道,阿里业务高管带领团队开会时有疑问,现场当即打电话联系吴泳铭,得到答复后立刻做出了决策。

此外,阿里KPI全面转向AI,从电商降本到应用创新,几乎所有业务考核都指向AI化。人才方面,阿里引入了顶尖科学家许主洪等人加盟,通义实验室也实现普涨职级,全面加薪。

马云多次内部现身强调AI的重要性:“AI时代刚刚到来,一切才刚开始。”

2025年2月,当DeepSeek凭借推理模型震动全球时,阿里巴巴内部正经历着一场压力测试。据外媒The Information报道,就连退隐的马云也开始频繁过问通义千问大模型的进展。马云的关注提醒Qwen3团队成员,Qwen3不仅是阿里云的当务之急,也是整个阿里巴巴的当务之急。

阿里深夜大涨13%!3个月净赚423亿,云和AI杀疯了,700天重造自己

▲马云

压力往往是最好的催化剂,AI叙事让阿里股价应声而涨。过去一年,阿里股价已上涨近67%,远高于一年前的83美元(约人民币合594元)/股,期间最高涨幅达83%。反垄断罚款、被拼多多赶超担忧等阴霾逐渐散去,AI巨头阿里逐渐被认可。

阿里深夜大涨13%!3个月净赚423亿,云和AI杀疯了,700天重造自己

三、深水区的挑战:人才暗战与竞争焦虑

AI的核心是人才,阿里AI转型面临的一大挑战是人才争夺。

随着字节、腾讯等巨头全面入局AI,阿里通义实验室遭遇挖角风波。为了稳住队伍,阿里不仅给研究员加薪晋升,还强调“长期投入”的战略信号。但在行业普遍缺人、全球顶尖人才稀缺的背景下,这场暗战远未结束。高薪并非唯一手段,如何保持团队初心与技术凝聚力成为关键。

DeepSeek、微软与OpenAI等对手的压迫,依然是阿里通义千问面临的挑战。

2025年初,DeepSeek凭借R1推理模型震惊业界,一度让Qwen2.5的声量黯淡。阿里旗下的飞猪甚至短暂使用R1作为AI旅行助手。虽然Qwen3发布后重新追赶,但阿里深知,竞争对手的速度可能随时改变格局。模型竞争“各领风骚30天”,阿里需持续保持技术领先性与发布节奏感。

应用落地与商业闭环的平衡,是阿里业务部门在AI化时的另一大挑战。

淘天集团蒋凡提出“AI先帮助商家确定性降本”,反映出AI在核心电商场景仍处于工具赋能阶段,而非彻底重构业务。如何实现从“降本”到“增值”的跨越,是阿里能否真正成为AI公司的关键。

结语:技术—商业—生态的飞轮已起,但护城河在人才

经过700天的全面AI化,阿里已初步构建起“技术-商业-生态”的三角飞轮:通义千问代表了全球开源模型技术高度,淘天、钉钉、夸克等业务成为商业落地抓手,开源生态则形成广泛开发者护城河。3800亿的投入、坚决的组织调整与战略定力,使其成为中国互联网巨头中AI布局最全、最先赚到钱的玩家。

这不仅是技术的胜利,更是蔡崇信与吴泳铭掌舵700天以来,阿里全面AI化战略的一次集中爆发:从模型开源、业务重构到生态布局,一场由AI驱动的深刻变革正在这家巨头的血脉中奔涌。然而,模型和资本都可以被复制,人才与长期创新文化才是阿里真正的护城河。AI不是短期竞争,而是长期创新。

对于阿里而言,700天只是起点。未来,它要在技术的前沿、商业的落地和生态的开放之间,持续保持动态平衡;让AI不再只是“后验股价的指标”,而是成为驱动增长的核心引擎。能否守住人才高地,将决定这家中国最典型的互联网巨头,能否真正完成向AI公司的转身。

原文链接: 阿里深夜大涨13%!3个月净赚423亿,云和AI杀疯了,700天重造自己
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230