AI 相关业务深度拆解

本文把 阿里巴巴 的 AI 暴露分成三层。第一层是已经在产品或分部中明确存在的业务，例如 阿里云、通义/Qwen、Model Studio、PAI机器学习平台、淘宝天猫商业化工具、钉钉AI；第二层是下游 AI 资本开支带来的需求 proxy，例如数据中心、智能汽车、工业自动化、边缘推理、电网扩容或能源负荷；第三层是市场叙事。只有第一层和可被财报验证的第二层可以进入经营判断，第三层不能作为收入事实。12

真实卡位：把 AI 需求落到车规/工业/数据中心芯片、接口 IP、功率器件或制程设备的供给节点。这意味着公司价值不在于“讲 AI”，而在于是否处在客户系统不可轻易替换的位置。对于硬件、能源和工业公司，真实卡位通常表现为认证、长协、规格、可靠性和交付；对于软件和云平台，真实卡位通常表现为客户留存、数据闭环、工作流嵌入和用量增长。

单平台价值量：company-rich 未披露 阿里巴巴 的 AI 单平台价值量，因此本文只给公式，不给伪精确数字：

AI proxy revenue
  = 平台/项目数量
  × 单平台价值量（单车/单机器人/单服务器/单芯片平台的 attach rate、接口数量、带宽等级、功率等级、授权费率和量产周期）
  × 公司份额或 attach rate
  × 价格、良率、利用率或续约率
  - 替代、降价、延期和成本爬坡

产业链传导表：

环节	依赖	上行情景	下行情景
芯片架构与IP	Arm授权、RISC-V生态、自研NPU架构和片上互连设计能力。	倚天、玄铁、含光/镇武等路线形成可复用IP，阿里云服务器和AI推理芯片迭代成本下降。	架构生态碎片化或编译器、驱动、算子库跟不上，导致硬件性能难以转化为可用吞吐。
晶圆代工	先进制程产能、良率、出口管制边界和国内替代制程成熟度。	可获得稳定先进制程窗口，AI推理芯片能效改善，并支撑阿里云规模化部署。	先进制程受限或良率不稳，芯片只能转向成熟制程，性能功耗和单位成本承压。
高带宽存储与封装	HBM、DDR、先进封装、基板和高速互连供应链。	封装和存储供给改善，推理加速器可支持更大模型、更高并发和更低延迟。	HBM或先进封装受限，产品更适合中低端推理，难以与高端GPU训练集群正面竞争。
阿里云数据中心	服务器整机、散热、电力、网络和云调度系统。	自研芯片与磐久服务器、飞天云操作系统协同优化，形成内部规模经济。	机柜功耗、散热或供应节奏不匹配，导致芯片即使可用也难以快速上量。
AI软件栈	Pytorch、ONNX、推理引擎、算子库、编译器和模型适配工具。	Qwen和主流开源模型在阿里芯片上形成稳定适配，降低客户迁移成本。	CUDA生态锁定继续强化，第三方开发者不愿为少数芯片维护专用适配。
外部商业化	运营商、政企、云客户对国产算力的采购意愿和性能验证。	中国联通等外部客户案例扩大，平头哥从内部降本工具变成可商业化算力资产。	外部客户只把它视为阿里云内部组件，芯片业务估值和生态外溢受限。

增长天花板：天花板不等于全球 AI 市场规模，而等于公司能覆盖的系统边界。阿里巴巴 的边界由产品适用范围、客户认证、资本开支、渠道、工程资源、监管许可和竞争路线共同决定。若公司只是间接受益，天花板还要乘以下游项目落地概率；若公司直接卖平台或关键部件，天花板则更接近平台渗透率和单机价值量。

替代风险：客户自研、竞品平台集成、标准迁移、成熟节点价格竞争、替代工艺或客户双供应商导入。如果替代路线降低公司产品在客户 BOM、项目预算或工作流中的必要性，AI 需求即使增长，也可能绕过公司。因此每次更新都应问三个问题：第一，公司是否被更多平台采用；第二，单位价值量是否上升；第三，毛利率和现金流是否证明公司没有用价格换增长。

与下游的关系要谨慎解释。company-rich 列出的下游包括 淘天集团、钉钉、菜鸟、LVMH；这些对象代表产业接口或生态依赖，不等于全部为已披露直接客户。本文不写“某客户贡献 X% 收入”，除非 company-rich 或官方披露给出硬证据。1

AI 业务结论：阿里巴巴 的研究重点是从“主题相关”推进到“财务可验证”。如果后续出现产品导入、订单、收入、毛利率、现金流和客户采用的同向改善，AI 权重才应上调；若只有新闻热度，仍应按原有主业估值和周期分析。

产业链位置

阿里巴巴 在 company-rich 中的产业链问题是：阿里巴巴在AI产业链依赖谁、被谁依赖、和谁竞争？ 结论是，公司位于 AI产业链，上游依赖 NVIDIA、Intel、台积电、新华三，下游接口包括 淘天集团、钉钉、菜鸟、LVMH，竞品集合包括 腾讯、百度、华为云、字节跳动、Amazon Web Services。1

上游：

对象	域名	产业作用
NVIDIA	nvidia.com	训练和推理GPU、网络与CUDA生态，是云AI算力供给能力的重要上游。
Intel	intel.com	通用服务器CPU、网络和部分AI加速硬件，支撑云资源池。
台积电	tsmc.com	先进制程代工间接决定AI芯片供给节奏和成本。
新华三	h3c.com	服务器、交换机和数据中心基础设施供应商。
中国电信	chinatelecom.com.cn	网络、IDC、专线与云边协同资源，是部分企业云交付的基础设施伙伴。

上游对利润率的影响通常先于收入表现。若上游是晶圆、封测、能源、矿山、工程服务或云基础设施，任何价格、交期、许可或产能变化都会传导到毛利率、存货和交付周期。本文不补造采购占比；若 company-rich 未给单一供应商比例，就只写“依赖关系”而不写百分比。

下游：

对象	域名	产业作用
淘天集团	taobao.com	搜索推荐、广告投放、客服、商家工具和内容生成是阿里AI落地的核心内部场景。
钉钉	dingtalk.com	企业协同入口，承接通义能力的办公、知识库、流程自动化和智能助理需求。
菜鸟	cainiao.com	物流预测、仓配调度、客服和跨境履约智能化场景。
LVMH	lvmh.com	品牌零售数字化客户，采用阿里云、数据智能和生成式AI能力服务中国消费场景。
小米	mi.com	终端和智能设备企业客户，可使用Qwen等模型能力构建助手和内容交互。

下游对公司最重要的不是名字，而是需求形态：AI 训练和推理带来算力、网络、电力、散热、自动化、边缘安全和工业数据闭环的增量需求。对于 阿里巴巴，应观察下游是否把需求转化为可确认收入、订单、长协、项目进度、用量或续约，而不是停留在客户愿景。

竞品/替代：

对象	域名	产业作用
腾讯	tencent.com	在云、混元大模型、企业微信、游戏和内容生态中竞争。
百度	baidu.com	在文心大模型、智能云、搜索和自动驾驶AI场景中竞争。
华为云	huaweicloud.com	在政企云、昇腾算力、盘古大模型和国产化基础设施中竞争。
字节跳动	bytedance.com	在豆包模型、火山引擎、广告推荐和内容AI应用中竞争。
Amazon Web Services	aws.amazon.com	在海外云、模型托管、企业AI平台和基础设施生态中竞争。

产业链地图可以写成：

上游资源/技术/产能/工具
  -> 阿里巴巴 的产品与交付能力
  -> 下游平台、项目、设备、云服务或终端客户
  -> AI 训练、推理、自动化、电力或企业效率场景

该位置的优点是能分享 AI 基础设施扩张带来的需求；限制是公司并不一定拥有终端 AI 预算的定价权。真正的议价力来自认证难度、供给稀缺、客户切换成本、资产质量和产品路线，而不是简单的链条距离。

竞争格局与市场份额

竞争格局必须分层，不宜用单一“全球市场份额”概括。不能用宽口径半导体份额解释 AI 位置，应分成车规平台、工业边缘、存储接口、功率器件和专用设备渗透率。company-rich 没有给出 阿里巴巴 的可审计细分份额数字，因此本文不写具体份额，只拆竞争维度。1

层级	竞争焦点	对 阿里巴巴 的含义
技术/产品层	性能、可靠性、能效、带宽、认证、软件/服务深度	决定是否能进入客户平台或项目短名单
交付层	产能、项目管理、供应链韧性、售后、全球覆盖	决定订单能否按期转化为收入
成本层	良率、利用率、材料/能源、人工、云成本、资本开支	决定收入增长是否能留下利润
客户层	设计导入、长协、续约、渠道、生态绑定	决定份额是否稳定
替代层	客户自研、路线迁移、竞品降价、监管变化	决定护城河是否可持续

同业定位对比：

公司/类型	定位	相对差异
阿里巴巴	云基础设施、大模型平台和电商生态一体化。	最大差异是电商、支付、物流、办公和云客户场景闭环丰富，适合把AI从模型调用推向业务工具。
腾讯	社交、游戏、内容和企业协同驱动的AI平台。	微信生态和内容分发强，阿里相对更偏交易、商家和云原生企业客户。
百度	搜索、文心大模型、智能云和自动驾驶AI。	百度在搜索问答和自动驾驶数据上更集中，阿里在商业交易和云客户广度上更强。
华为云	国产化基础设施、政企云、昇腾算力和盘古模型。	华为更强在硬件和政企国产替代，阿里更强在互联网场景、开发者生态和商业化工具链。
字节跳动	内容推荐、广告算法、豆包模型和火山引擎。	字节在内容与C端AI应用增长快，阿里在B端云基础设施和电商履约场景更完整。

谁是真对手：真对手不是所有同名行业公司，而是在同一客户预算、同一设计位、同一项目接口或同一供应资质中竞争的公司。对 阿里巴巴 来说，腾讯、百度、华为云、字节跳动、Amazon Web Services 是 company-rich 给出的主要参照；但如果公司业务跨多个分部，每个分部的竞品都不同，不能把某一分部的强势外推到全集团。

竞争态势判断：如果行业需求上行但竞争者同步扩产，价格和毛利率未必改善；如果需求平稳但高端供给受限，公司反而可能通过 mix 和良率获得利润弹性。因此观察竞争格局要看四个同步指标：订单/收入是否增长，毛利率是否改善，存货/应收是否健康，客户或项目采用是否更广。

市场份额的保守写法：本文只承认三类份额证据，第一是公司或监管文件明确披露的份额；第二是客户项目中可验证的中标/认证；第三是行业权威报告给出的口径。除此之外，所有“份额提升”都只能写成行业估算或跟踪假设。当前 company-rich 未给可直接引用的份额数字，所以不补造。

护城河

1. 技术/产品护城河：阿里巴巴 的第一层壁垒来自 阿里云、通义/Qwen、Model Studio、PAI机器学习平台、淘宝天猫商业化工具、钉钉AI 背后的性能、可靠性、认证和工程支持。证据不是宣传语，而是产品是否处于量产/交付状态、是否进入关键平台、是否能在客户系统中承担不可缺失功能。2

2. 规模与交付护城河：规模本身不等于利润，但能带来采购、制造、项目管理、渠道、售后和客户响应能力。财务锚点显示：FY2026 FY 收入 US$148.4B；毛利率 GM 39.8%；营业利润率 OPM 4.9%。若公司收入规模扩大但现金流恶化，需要判断是正常扩产、项目周期，还是低质量增长。3

3. 客户认证护城河：AI 产业链的多数关键环节都有认证和切换成本。硬件/能源/工业项目需要可靠性、合规、现场交付和长期维护；软件/云平台需要安全、数据接入、工作流迁移和续约。客户一旦导入，公司通常拥有一段可见窗口，但这不是永久垄断。

4. 成本护城河：晶圆代工、封测、EDA/IP、设备折旧、良率、长生命周期库存、车规测试和现场应用工程 决定公司能否把需求上行转化为利润。若成本曲线低于同业，需求上行时毛利率和经营利润率更容易扩张；若成本高或项目执行不稳，收入增长会被折旧、返工、质保、云成本或融资成本吞噬。

5. 生态护城河：company-rich 显示公司上游连接 NVIDIA、Intel、台积电、新华三，下游连接 淘天集团、钉钉、菜鸟、LVMH。能同时理解上游约束和下游产品路线的公司，通常更早看到平台迁移；但生态位置必须通过订单、设计导入、项目进度或客户留存验证。1

6. 财务护城河：FY2026 FY 毛利率 39.8%，毛利 US$59.1B；FY2026 FY 营业利润率 4.9%，营业利润 US$7.3B；FY2026 FY 净利率 10.1%，净利润 US$15.0B；FY2026 FY FCF —。财务质量强的公司可以在周期低点维持研发和客户支持，也能承受新项目爬坡；财务质量弱的公司即使处在好赛道，也可能被融资成本、现金消耗或项目延期削弱。3

7. 组织护城河：跨区域客户、复杂供应链、车规/军规/监管/安全合规和售后网络，都是难以用单一产品参数复制的组织能力。它的反面是组织复杂度：若业务过宽、项目过多或整合不顺，护城河会变成成本负担。

护城河结论：阿里巴巴 的护城河不是“AI 标签”，而是产品性能、客户认证、规模交付、成本曲线、财务韧性和生态位置能否形成闭环。后续若看到收入增长、毛利率稳定或提升、现金流不恶化、客户采用扩散四项同时成立，护城河判断才更扎实。

误读纠偏 / 风险与证伪

• 误读一：把 阿里巴巴 等同于纯 AI 公司。纠偏：公司真实位置是 把 AI 需求落到车规/工业/数据中心芯片、接口 IP、功率器件或制程设备的供给节点，AI 暴露需要通过产品、项目和财报验证。
• 误读二：把行业需求直接等同于公司收入。纠偏：行业增长还要经过客户采用、份额、价格、交付和收入确认，缺任何一环都不能写成确定业绩。
• 误读三：只看收入，不看质量。纠偏：收入增长若伴随毛利率下降、应收和存货恶化、FCF 转弱，可能是低质量扩张或项目爬坡，而不是护城河增强。
• 误读四：把同业份额、客户名或项目名写成确定事实。纠偏：company-rich 未披露的份额和客户占比不补造，只能用“产业接口/行业估算/待核实”表述。
• 误读五：忽略披露边界。纠偏：阿里巴巴不是纯AI芯片公司，芯片价值多数通过云成本、模型服务和内部业务效率体现，难以从财报中单独拆分。

风险框架：

风险	传导路径	证伪/观察指标
需求弱于预期	下游项目延期、客户预算收缩、平台节奏放慢	订单、收入、用量、项目进度或客户采用连续走弱
价格与毛利率压力	同业扩产、客户议价、低端 mix 上升、材料/能源/云成本上行	毛利率和经营利润率弱于收入，或 FCF 明显背离净利润
技术路线替代	客户自研、竞品平台集成、标准迁移、成熟节点价格竞争、替代工艺或客户双供应商导入	竞品进入关键平台，公司新品或认证减少
财务与执行风险	库存、应收、资本开支、债务、项目延期、整合问题	存货/应收快于收入，FCF 转弱，管理层下修指引
披露误读风险	公司未单列 AI 收入或客户占比	任何 AI 收入、份额、客户占比都必须回到官方或 company-rich 证据

Thesis breakers：

类型	信号	处理方式
证伪信号 1	阿里云连续多个季度披露AI相关需求强但云收入和利润率没有同步改善，说明AI未转化为可变现工作负载。	若连续出现，应下调 AI 产业链权重或重新定义公司位置
证伪信号 2	Qwen/通义在主流中文、代码、多模态评测和开发者采用中明显落后于百度、腾讯、字节或开源海外模型。	若连续出现，应下调 AI 产业链权重或重新定义公司位置
证伪信号 3	核心电商广告和商家工具中AI功能上线后，平台未披露转化率、投放效率或商家付费意愿改善的任何证据。	若连续出现，应下调 AI 产业链权重或重新定义公司位置
证伪信号 4	GPU出口限制或关键硬件供应受阻导致阿里云公开下调AI算力交付、模型训练或大客户服务节奏。	若连续出现，应下调 AI 产业链权重或重新定义公司位置
证伪信号 5	企业客户大规模转向多云、私有化或本地开源模型，阿里Model Studio和PAI生态活跃度下降。	若连续出现，应下调 AI 产业链权重或重新定义公司位置
证伪信号 6	监管对生成式AI、数据跨境、推荐广告或平台经营模式新增约束，使模型训练数据和商业化场景显著收缩。	若连续出现，应下调 AI 产业链权重或重新定义公司位置

跟踪指标：

频率	指标	为什么重要
季度	收入、毛利率、经营利润率、FCF	验证 AI 需求是否转化为高质量财务
季度	订单、backlog、项目进度、客户采用或用量	比收入更早反映需求真实性
季度	存货、应收、递延收入/合同负债、资本开支	判断增长是否透支现金流
半年/年度	产品路线、认证、监管许可、供应链变化	判断护城河是否强化或被替代
持续	同业价格、扩产、客户自研和技术标准迁移	判断份额和利润率是否可持续

来源索引

[1] 公开年报/产业公开资料 [2] ARK日频 holdings via holdings.db — fund_holdings — as of 2026-06-24 — https://ark-funds.com/ [3] SEC Form 4 via holdings.db — official — as of 2026-06-24 — https://www.sec.gov/edgar/search/ [4] SEC 13F holdings via holdings.db — official — as of 2026-06-24 — https://www.sec.gov/edgar/search/ [5] SEC XBRL companyfacts via holdings.db — official — as of 2026-06-24 — https://data.sec.gov/

合规声明：本文只做产业链研究和公开资料整理，不构成买入、卖出、持有、目标价、收益预测或任何个性化投资建议。