阿里巴巴集团联合创始人、董事长蔡崇信近日在香港大学陆佑堂发表了题为《前瞻十年：推动中国经济增长的科创引擎》的演讲。主办方透露，17年前马云曾在此舞台演讲，而此次蔡崇信的演讲报名速度创下纪录，邮件发出两小时内即吸引超过1200人报名。
演讲伊始，蔡崇信提出了一个颠覆传统认知的观点：美国人主导的AI竞赛规则存在根本性缺陷。他指出，美国评判AI优劣的标准主要聚焦于大语言模型的性能，如OpenAI、Anthropic等企业的模型排名。然而，他认为这种评价方式存在明显漏洞，真正的胜负关键不在于模型本身，而在于应用与渗透能力。AI的核心价值最终体现在渗透率上。蔡崇信强调，中国制定了极具前瞻性的AI发展规划，目标到2030年实现AI代理和AI设备90%的渗透率。那么，中国凭什么能实现更快的普及速度？蔡崇信给出的答案并非单一技术突破，而是一整套系统性优势。
首先，电力基础设施的领先优势。他指出，训练大模型和运行推理系统本质上需要消耗大量电力，而中国电力成本比美国低40%。这一优势并非偶然，而是15年前就开始布局的远见。15年前，中国启动了大规模电力传输基础设施建设，解决北方发电、南方用电的供需矛盾。由于新能源产地与用电中心分布不均，必须依靠强大的输电网络实现资源优化配置。国家电网每年的资本支出高达900亿美元，是美国的三倍，使得中国电力装机容量达到美国的2.6倍，新增装机容量更是美国的9倍，且这一差距仍在持续扩大。
数据中心成本优势同样显著。在中国建设数据中心，成本仅为美国的40%，且这还不包括芯片等核心硬件，仅指基础设施本身。这种成本优势为AI发展提供了坚实基础。
工程师红利则是中国AI领域的独特优势。蔡崇信分享了一组数据：全球近半AI科学家和研究人员拥有中国大学的学历背景，无论他们目前服务于美国公司、中国企业还是其他机构。他还讲述了一个生动案例：近期社交媒体上流传一个段子，一位Meta AI团队员工发现同事都在用中文交流技术问题，自己完全听不懂。蔡崇信认为，这是中文首次成为AI领域的优势。过去中国公司出海时，语言是明显短板，如在意大利设立办公室时，当地员工不会中文，中国员工必须使用第二语言沟通；但在AI领域，全球华人工程师用中文分享见解、交流思路，反而形成了信息优势。
资源匮乏反而催生了系统级创新。美国拥有大量GPU资源，而中国相对匮乏。但蔡崇信认为，这种”饥饿优势”反而促使中国团队在系统效率层面追求极致。他指出，如果系统效率不高，训练一个万亿参数的模型将消耗惊人的GPU资源。正是在这种限制下，中国团队被迫进行系统级优化，DeepSeek模型正是在这样的环境中诞生的。他对DeepSeek赞赏有加：”我们在杭州的邻居，他们取得的成就令人惊叹。”他还提到，阿里的通义千问（Qwen）模型最近赢得了一场为期两周的加密货币和股票交易AI竞赛，DeepSeek排名第二。
在全球AI发展路线选择上，蔡崇信提出了核心判断：开源模型终将战胜闭源模型。他解释道，这不是因为开源模型在技术上更先进，而是因为它更符合全球大多数用户的根本利益。他以沙特阿拉伯为例：假设该国想发展AI同时保持”AI主权”，但缺乏本土人才，此时只有两个选择：一是通过API调用OpenAI，需支付高昂费用且数据流向不透明；二是直接部署阿里开源模型，模型免费且数据完全可控。在成本和隐私两个维度，开源模型均占优。因此，无论是政府还是企业，只要进行成本效益分析，最终都会选择开源模型。
那么阿里如何盈利？蔡崇信坦言：”我们不靠AI赚钱。”阿里真正的利润来源是云计算。用户可以免费使用开源模型，但要运行模型，必须依赖云基础设施，包括存储、数据管理、安全、网络、容器等服务，这些正是阿里云的核心业务。”开源模型是流量入口，云服务才是利润来源。”这种模式与早期互联网公司类似，即免费产品获客，增值服务变现，只是规模和技术门槛完全不同。
谈及阿里从B2B电商公司转型为AI与云计算巨头的过程，蔡崇信的回答简洁有力：”没有秘诀，就是永远跟着客户需求走。”他回顾了阿里的创新历程：1999年阿里成立时，中国尚未加入WTO，国际贸易需通过国有外贸公司完成。2001年入世后，小企业首次可直接与全球做生意，阿里的B2B平台帮助这些小工厂对接买家，第一版网站就是英文的，直接面向海外市场。后来消费者电商爆发，诞生了淘宝；买卖双方互不信任时，发明了支付宝，最初仅是担保交易系统；物流跟不上时，开始投资物流。云计算的诞生同样遵循这一逻辑。16年前，云计算尚未成为热门话题，但阿里的消费平台每天需处理海量数据，若继续使用戴尔、EMC、Oracle等供应商的服务器、存储和数据库，利润将被分走。于是阿里的CTO提出：我们必须自己做。阿里云的起点是”自己先用自己的技术”，即先内部消化，再对外开放。
对年轻创业者，蔡崇信给出了明确建议：优先选择有机增长，而非并购。因为团队培养的能力DNA最纯正，文化也最匹配。他也坦言，阿里虽做过并购，但有些成功，有些失败得很惨。
在学生提问环节，蔡崇信强调了三项能力提升的关键：首先，要学会高效获取知识，在AI时代，知识获取效率的差距将被无限放大；其次，要建立自己的分析框架，不是死记硬背，而是能对信息作出判断；第三，要学会提问，他特别强调提出正确的问题比找到答案更重要。关于编程学习，他认为虽然AI时代可以用自然语言指挥机器，但学习编程依然重要，目的不是为了操作机器，而是训练完整的思维过程。他甚至建议学生认真学习电子表格，将复杂公式写对、让数字自动计算出来，本身就是一种高密度的逻辑训练。
在专业选择上，他推荐三个方向：第一是数据科学，本质上是统计学的新名称，未来数据将呈爆炸式增长，懂数据管理和分析的人才始终稀缺；第二是心理学和生物学，因为人脑仍是最高效的”机器”，AI很多设计灵感都来自对大脑的模拟；第三是材料科学，因为世界虽被比特主导，但真正让比特跑得更快的是原子，半导体的核心竞争力本质上就是材料。
谈及个人选择，蔡崇信分享了1999年放弃香港高薪律师工作，加入当时只有18人的阿里巴巴的经历。他说，他用的是金融人的逻辑，不对称的风险收益。”下行风险非常有限。为什么？因为我拥有良好的大学学历，我上过法学院。最坏的情况，我总是可以做律师。而上行空间无限。”更重要的是，他强调机会不是去寻找的，而是来找你的，你要做的只有一件事——让自己处于随时”准备好”的状态。
关于AI是否会成为下一个泡沫，他区分了两种概念：一种是金融市场泡沫，如估值过高、市盈率过高；另一种是真正的技术泡沫，即技术本身是否虚假。他的判断是，AI可能存在金融泡沫，但技术本身是真实存在的，就像2000年3月互联网泡沫破裂，但互联网本身不但没有消失，反而在今天变得更加强大。”所有投入AI基础设施的资源、模型研发的努力，都不会白费。”他说。
