阿里巴巴公布了其2025财年第四季度及全年业绩，再度将这家科技巨头推向市场关注的焦点。

此前，得益于AI浪潮的席卷以及核心业务的稳健调整，阿里巴巴的股价一度走出了令人瞩目的上扬曲线，从被市场反复与拼多多对比的电商概念股，一跃成为许多分析师口中的“AI中国行情主力”。我也在谈及中国A股 AI行情时聊起过。

财报发布后，关于阿里未来走向的讨论也随之升温。

然而，若我们仅仅将目光局限于财报数字，或许会错失真正定义未来的关键脉搏。诚然，财报中不乏亮点，例如提及阿里云季度收入加速增长至18%，对外商业化收入同比增长17%。

但从我个人视角：如果你真正相信AI的无穷潜力，并在日常工作与生活中已然感受到这股力量的涌动，那么对于这份截止于2025年3月31日的财报，或许不必赋予过重的解读。原因很简单：这波AI 浪潮太多真正的颠覆性创新，发生在财报数据统计周期的“此时此刻”之后。

熟悉科技前沿的人们都能感受到，自2025年4月以来，全球AI领域的创新可谓接连不断，高潮迭起。这其中包括了阿里自身“Qwen 3.0”的发布，也涵盖了诸如MCP（Model Communication Protocol，模型通信协议）理念的兴起、谷歌Gemini 2.5 Pro 对 OpenAI 的挑战。

毫不夸张地说，4月至今的AI应用环境，其丰富度和可能性，与第一季度相比已然不可同日而语。如果说第一季度DeepSeek的异军突起让世界看到了AI领域的“中国力量”，那么4月份开始，我们才真正迎来应用层面大规模尝试和落地的便捷化时代。

因此，本文更希望从一个B端用户的微观视角，结合我个人近段时间对AI大模型，特别是与阿里巴巴相关的产品和服务的深度体验，来探讨这股浪潮之下更深层的逻辑与趋势。

两大支柱的分野：DeepSeek与通义千问的基因差异

在当前的中国大模型领域，有人将阿里的“通义千问”系列与深度求索（DeepSeek）并称为两大技术支柱。但只要你实际使用过两者的模型或服务，便会发现它们在基因与禀赋上，代表着截然不同的发展路径。

在此需要声明，我本人从2024年8月起便是DeepSeek开发者平台的注册用户，11月开始持续付费使用其模型，早在 Deepseek V3 发布前，我已是其API服务的拥趸。

但不可否认，站在一个B端用户的角度，DeepSeek在追求AGI（通用人工智能）的极致理想与商业化服务之间，似乎更侧重前者。许多报道都显示，创始人梁文锋将主要精力倾注于实现更高远的技术目标。

这种理念反映在产品层面，一个微观细节便是：DeepSeek官方在发布新版本模型后，往往不再保留旧版本服务。

例如，我曾非常喜欢其2.5版本模型，价格低廉，虽速度不算顶级，但对于一些需要模型“老老实实”处理文字工作的场景，性价比极高。然而，随着去年末DeepSeek V3模型的发布，用户固然获得了更强的性能和更快的处理速度，但API价格也随之上涨。对于我原先的应用场景，性能提升的边际效益有限，却需承担更高的成本——官方平台已不再提供V2.5版本的调用。这对B端开发者而言，无疑增加了适配和成本控制的复杂度。

相比之下，阿里云的“百炼”大模型平台以及“Qwen”系列，则是钟摆的另一端——高度关注开发者和用户的实际需求。我曾戏言，“Qwen”在国内的知名度之所以未达顶峰，除了“Qwen”这个英文发音对国人略有门槛外，其层出不穷、令人眼花缭乱的模型版本号也构成了一定的认知障碍。但恰恰是这种“模型矩阵”策略，从B端应用的角度看，却对开发者极为友好。

举个简单的例子：不久前，我需要构建一个反应速度极快的智能体（Agent）。这意味着，像DeepSeek V3这样每分钟实际输出大约20个token的模型，是无法满足需求的。而Qwen的上一代2.5版本，就细分出了Turbo、Plus、Max等多个版本。其中，入门级的Turbo模型虽然在智能性上并非最强，但输出速度极快，每分钟可达100个token以上，完美匹配了我对“快速返回结果，智能要求不高”的需求场景。

这种为开发者提供丰富选择的特性，正是通义千问在B端领域的核心竞争力之一。此次阿里财报中也提到，众多企业选择了通义大模型，甚至包括一些汽车的智能座舱功能。我想，这与Qwen模型版本的多样性，尤其是在“Qwen 3.0”升级后对端侧应用（本地化运行，不依赖网络接口）支持的持续优化，有着密不可分的关系。

这种“既追求诗和远方，也兼顾脚下需求”的平衡感，是我作为B端用户非常欣赏通义千问的地方。

在聊到新模型时，吴妈(吴泳铭)也聊到这种时间窗口的影响：

这些新客户的需求大部分是推理应用或者推理场景可以用的这些需求。而实际上他们的真正的大规模的上线，可能是在后面这几个月逐渐上线，也许是2月份、3月份甚至4月份、5月份。所以我觉得应该后面几个月的增速可能看上去会更接近于我们可以预测的正常的工作计划。

加速的创新：MCP、Agent与成本革命

聊完了模型本身的特性差异，我们再将视线投向财报期之后，即2025年4月、5月以来，我在阿里云百炼平台上所观察到的一些深刻变化，以及这些变化背后可能预示的行业趋势。

首先，一个有趣的亲身经历是，阿里云百炼的整套大模型架构，让我服务的公司实实在在节省了约20万元的初期投入。

众所周知，自2024年起，越来越多的企业开始试水大模型应用。我们当时也希望构建一个基于特定领域知识的智能问答服务。在2024年下半年，我们接触和评估了多家方案商，包括某科技巨头的产品和一些专注于AI的中型公司。对于这类“喂养”一批资料、然后基于这些内容进行问答的智能服务，当时的普遍市场行情是20万元左右的“入门费”，无论后续使用量多少，这笔费用是最低门槛。

然而，时至今日，在阿里云百炼平台上，你会发现这一切都已拥有现成的、模块化的架构。

你只需将用于问答的文本资料上传至相关的文本库，然后搭建一个智能体，选择一个合适的模型，再配以简单的系统提示词（System Prompt），一个基于特定文本的智能问答服务便可轻松上线。

事实上，就在今年4月，我们针对上海F1大奖赛构建的一个类似问答服务，整个开发周期仅两三天，其中大部分时间还花在了H5前端的完善上，智能体本身的搭建可能只需几小时。更关键的是，由于只需按照实际使用的模型token数量付费，门槛几乎为零，实际消耗成本也极低。

短短数月，一个曾经“高大上”的智能问答应用，就从20万元的门槛费降低到了人人触手可及的程度。这正是整个大模型领域在过去一段时间发生天翻地覆变化的一个缩影——AI能力的快速普及与成本的急剧下降。

另一个值得关注的重大变化，源于MCP（Model Communication Protocol）这类数据通信协议理念的兴起。MCP的出现，使得大模型不再仅仅局限于处理内部文本或已有知识，而是能够更便捷地与外部信息平台和服务打通，其能力边界大大拓展，某种程度上正变得“无所不能”。

这里可以分享一个大模型界的小插曲。如今知名的AI自媒体人“卡兹克”老师，我其实在2023年初便认识他。那时他在一家基金数据公司任职，牵头负责一个名为“Chat Fund”的基金智能问答项目，希望让基民能以更自然、语义化的方式了解基金产品，我也是当时体验用户群成员之一。

但受限于当时模型的综合能力，这个项目的功能并不完善，体验也差强人意。然而，就在今年4月，随着MCP理念的推广和相关工具的出现，情况发生了质变。例如，我尝试在阿里云百炼平台上，通过配置一个由“且慢基金”提供的MCP接口，便能非常轻松地实现用自然语言查询基金的各类详细信息。

我将这个成果发给卡兹克老师，回首当年，感慨万分。此时距离他当年艰难探索“Chat Fund”，不过两年光景，但技术的进步已让曾经的开发难题变得唾手可及。

MCP的广泛应用，对阿里云百炼这类以token消耗来计费的算力平台而言，更意味着商业模式上的重大利好。如果你观察过MCP的token消耗机制，会发现由于每个MCP都需要将其对应的使用方式、参数等预先“植入”到模型的上下文中，因此每次调用MCP进行查询，往往会额外消耗数千甚至上万的token。相比之下，以往一次简单的语义交互，可能仅消耗几百token。这种数量级的跃升，无疑将极大提升平台的营收潜力。

再叠加AI Agent（智能体）的爆发趋势——正如Manus 的创始人肖弘此前预言的，2025年token的消耗量可能是成百上千倍的提升。单从MCP的调用，我们已能窥见这种十倍级、甚至未来可能是百倍级的增长潜力。随着越来越多复杂Agent应用的出现，token消耗的速度确实可能达到普通人难以想象的程度。

光缝下的未来：全行业的水电煤

正是这种加速，也是让我觉得对一季度的财报，不用太纠结的原因——对于一日三秋的大模型产业，2025 年的一季度与二季度，甚至可以视为两个时代。

哪怕以数据不俗的阿里云增长为例，下图是我请 GPT o3 帮我绘制的最近四个季度的同比增速图，就一句指令就能自动搜索自动绘图，足可见智能体的厉害和前景。

更有意思的是，在绘制完这条曲线后，GPT o3 还写了这么一段诗意点评：

这一条上扬的折线图并不只是数字的轨迹，更像一条在厚云层上劈出光缝的航迹。它告诉我们：当宏观消费略显迟缓，云计算却因AI的燠热而加速蒸腾；当电商主业固守，算力与算法已成新的水脉。若想预判下一季节拍，关注两个变量——大模型落地能否持续放量、以及国企与制造业数字化改造的订单能否接力——它们就是河流上游可能汇入的雪融。

的确，目前还只是“光缝”，还有太多的未来需要憧憬。

在这样的背景下，投入，甚至成为比产出更重要的观察变量。

在阿里巴巴2025 财年最后一个季度，资本开支达到 246.12 亿元；整财年合计 859.72 亿元，比上一年多出近三成，几乎全部投向云计算与 AI 基础设施，但似乎市场的胃口更大，毕竟两个月前，吴妈(吴泳铭)宣布未来三年再砸 3800 亿元。

不过，一季度有春节，本就是一个特别的季度，再加上全行业对 Deepseek R1 的热情，使得这应该是一个更多思考战略而不是盲目下手的季度。

当我询问阿里巴巴的资本开支时，GPT o3 又给出了一个极为诗意的点评，这里放出来与诸位共享。

这场豪赌短期必然挤压利润与现金流，但在生成式 AI 的前夜，算力就是土地，模型是种子，应用是作物。阿里握有国内最大商业流量场景与开放源模型 Qwen 生态，若能把自家电商、物流、金融与公共云的算力池打通，让 AI 从“写代码”走向“写订单”，这些资本开支就会像提前铺设的水管，等雨季来临时，最先灌满。而真正的风险，不在投入本身，而在执行：能否以开放生态换取外部开发者的流水，能否用精细化运营把高耗电的 GPU 集群转化为高毛利的 SaaS 服务。这需要阿里像今天铺设钢轨一样，把组织与商业模型也升级为 AI 原生；否则，再宽的跑道也只是成本表上的一条深沟。

一句话收束：资本开支让现金暂时瘦身，却为 AI 时代预埋了骨架；骨架能否长肉，取决于阿里是否真的把“AI+云”做成全行业的水电煤，而不仅是自己的花园。

不得不说，GPT o3 这个带有 Agent 的模型，的确是厉害，“最大商业流量场景”的赋能，恰恰也是我后面想聊的话题。

B端掘金：通义灵码与电商协同的想象空间

在AI应用落地的诸多方向中，AI编程辅助领域（常被戏称为“Vibe Coding”）在过去一两个季度热度惊人。除了OpenAI收购 Windsurf 之外，我们也看到国内外众多新产品涌现。

大家普遍认为，AI编程的崛起，全球最大的受益者之一是Anthropic的Claude系列模型。放眼国内，则无疑是阿里通义团队推出的“通义灵码”。

早在通义千问2.5时代，我就已开始使用通义灵码辅助编写Python代码，其效率提升显著。从此次财报透露的信息（或行业数据）来看，通义灵码插件的下载量已超过1300万次，累计生成了20亿行代码，并服务了包括建行、中信、平安、中国人寿在内的上万家企业。这揭示了另一个非常值得关注的趋势：B端市场的巨大潜力。

作为一个AI 的长期观察者和付费用户，我始终认为，至少在中国的市场环境下，针对C端用户的AI应用收费是一件颇具挑战的事情。毕竟，有太多互联网巨头愿意以“获客思维”提供免费服务，导致用户付费意愿培养困难，市场竞争也更侧重于抢占份额而非直接盈利。

但B端市场则截然不同。B端用户更关注效率提升和生产力赋能，他们往往本身就具备较强的付费意愿。只要AI应用能切实证明其价值，帮助企业降本增效，其通过收费实现商业模式闭环的可能性，远大于纯C端产品。

谈及阿里的B端战略，我们更不能忽视其与核心电商业务的天然协同效应。

2025年，许多从业者对中国AI Agent领域的一个共识是：中国商家往往不单纯为“效率”买单，但一定会为明确的“收益”或“成本节约”买单。

要说收益或者成本节约，文生图或者文生视频，或许是更重要的领域。毕竟文字，许多人觉得人人能写，但对于设计师、摄影师、视频拍摄剪辑的高昂成本，则往往“咬牙切齿”，但又无力自行完成。

放眼全球，中国在文生图、文生视频等多模态AI领域，显然比传统文字大模型领域有更多的强手。快手的“可灵”、字节跳动的“即梦”、MiniMax的“海螺”（HaiLuo）等产品，在行业内均声名显赫，甚至在国际上也备受好评。这几家，从路径来看，B 端目标用户更多依附于传统的短视频平台生态。

但除此以外，其实商家才是重大的用户群。去年，通义千问曾经演示过一些AI换装、商品图智能生成等模型，对商家而言，这意味着可以直接省去模特聘请、摄影棚搭建等高昂成本，实现“降本”；同时，通过更精美、更多样化的视觉素材提升商品吸引力，达成“增效”。

这批对AI视觉技术需求最迫切、付费意愿也可能最强的用户，绝大多数都沉淀在淘宝、天猫等阿里系的电商生态之内。从这个角度看，这正是阿里系通义大模型得天独厚的应用土壤。

我们也可以从不同公司的AI研发路径中看到这种“路径依赖”或“优势聚焦”：快手、字节作为视频平台，在文生视频领域表现突出；而阿里作为电商平台，其模型在商品图生成、智能换装等与电商强相关的应用上，自然会投入更多研发资源，也更容易形成专业壁垒。这两条道路没有绝对的孰优孰劣，更多是基于自身核心业务和资源禀赋的战略选择。

未来已来，但现在才刚刚开始

在此，通过诸多微观细节的分享，希望能为大家呈现一个混沌而又充满无限生机的AI未来。毫不夸张地说，在过去的两三个月里，人工智能产业几乎每一周都在发生天翻地覆的变化，这种演进速度，是此前数年都难以想象的。

人们常说“未来已来”，但审视当下AI技术的发展阶段，或许“现在才刚刚开始”更为贴切。大模型作为一种颠覆性的生产力工具，其巨大价值才刚刚开始被越来越多的人所认识和发掘。而伴随着阿里云百炼、扣子这类“傻瓜化”、低门槛的AI开发与应用平台的出现，使得这种强大的能力能够被越来越多的普通开发者、普通商家所掌握和应用，从而真正渗透到千行百业。

因此，回到最初的话题，我认为刚刚公布的这份阿里财报，其数字本身固然重要，但它更多反映的是过去一个季度的经营状况，是一个相对滞后的信息。它可能还未能充分体现近几个月AI浪潮所带来的天翻地覆般的变革。

想要真正洞察阿里巴巴乃至整个科技行业的前景，与其解读财报数字，不如亲身去体验一下阿里云百炼这样的平台，多关注AI领域的最新动态和一线开发者的实践分享。

或许，只有这样，我们才能更清晰地触摸到那个正在加速到来的、由AI驱动的真实未来。

PS:本文基于笔者口述、通义千问转文字，Gemini 2.5 Pro 辅助撰写生成。