2026年计算机行业：从能力领先到入口级产品，阿里押注模型、生态与AI基础设施

2022 年以前：以“云+数据智能”为底座，从业务实战走向云上输出

战略主线：业务驱动的“实用型 AI”，把 AI 做成可量化的生产力

在大模型尚未成为产业领域的焦点之前，阿里对 AI 的定位，更偏向于服务 真实产业场景的系统性生产力工具。 电商平台的核心诉求在于“帮助用户更高效地找到并选购心仪商品”，因此 智能推荐、精准搜索与智能客服，成为 AI 技术率先深度渗透的关键业务链 路。 物流网络的核心目标是“在订单波峰波谷交替与多重约束条件下，保障履约 服务的稳定性”，于是需求预测、智能调度和最优路径规划，便成为技术落 地的核心方向。 金融科技的核心命题则是“在极短时间内完成风险识别与判断，并持续对抗 黑灰产侵袭”，故而实时风控与智能信用评估，成为技术应用的重中之重。 我们认为，正是得益于这些场景自带的海量数据储备、高效的业务反馈闭环， 以及转化率、履约时效、资损率、人工成本等可量化的考核指标，阿里得以 将 AI 从一项单纯的“技术能力”，成功转化为驱动业务增长的“核心经营 能力”。 更关键的是，这种“实用型 AI”的策略并不止步于内部提效：当某类能力 在内部经受住“双 11”级别的极限压力、并形成可复用的方法论后，阿里 会把它产品化、平台化，并通过阿里云对外提供标准化服务，从而把内部效 率优势转化为外部商业化与生态优势。

底层技术与算力：飞天（Apsara）统一算力与数据处理，为后续 AI 全栈打 地基

要让“实用型 AI”真正跑在生产系统里，仅有算法远远不够，最难的部分 反而是算力、数据与工程体系。阿里在这方面的核心底座是“飞天（Apsara）” 大规模分布式计算系统。 这条“先云化、再智能化”的路线，带来两点长期收益：统一调度与资源池 化：使得训练与推理、离线与在线、数据治理与特征计算能够在同一套云基 础设施之上协同演进。飞天的核心任务是把海量服务器的计算、存储、网络 做资源池化与统一调度，并通过 API 输出一致服务。软硬协同的自主可控： 逐步补齐。阿里还通过平头哥自研芯片来增强云服务全流程自主可控，以降 低外部不确定性与地缘政治风险。

平台化产品：PAI 与城市大脑，把“内部能力”打包成“可复制产品”

当业务线里出现越来越多模型与算法之后，真正的规模化不是“多做几个模 型”，而是把能力标准化，让更多团队、更多客户能用起来。阿里在 2022 年 以前较具代表性的两类平台化输出是 PAI 与城市大脑。

PAI：让机器学习从“手工活”变成“流水线”

PAI 作为面向企业与开发者的一站式机器学习平台，将阿里内部多年积累的 算法、框架与工具整合输出，甚至提供“拖拉拽”式操作以训练模型并开发 AI 应用。根据阿里云官方产品文档介绍，PAI 定位为端到端的 AI 开发平台， 覆盖从数据标注与建模、分布式训练到在线部署的全流程能力。PAI 使“AI 应用开发”不再局限于少数算法专家，转变为可规模化、工程化复制的标准 化流程，显著降低了企业应用 AI 的门槛。与此同时，这也帮助阿里将内部 技术积累转化为云上的产品竞争力与商业收益，进一步增强生态粘性。

城市大脑：以视频分析与城市数据融合，输出城市治理方案

“城市大脑”项目于 2016 年在杭州诞生，旨在通过人工智能解决交通拥堵 问题，并迅速发展为综合性的城市智能管理平台。其核心是将城市数据（如 交通流量、视频监控）转化为可计算资源，利用 AI 算法进行实时分析和自 动调度，优化城市运行。截至 2021 年底，阿里城市大脑已从单一应用演变 为覆盖数百场景的城市级智能基础设施。它通过降低城市治理门槛，将“经 验决策”转向“数据智能决策”，已为阿里云在智慧城市领域构筑了深厚的 产品、案例与生态壁垒，为其后续融入“云钉一体”战略并向“全域数字治 理”升级奠定了坚实基础。

核心业务 AI 化：电商、物流、金融三大“实战场”沉淀出可复用能力资产

如果说飞天是“底座”，PAI/城市大脑是“输出形态”，那么淘天、菜鸟、支 付宝就是阿里 AI 能力最重要的“训练场”和“压力测试场”。

淘天（电商）：推荐、客服、视觉检索构成交易效率引擎

在 2022 年之前，阿里已通过深度整合自研 AI 技术，全面重塑了其电商核 心业务链路，将效率优势系统性地固化为了平台的核心竞争力。这一布局的 核心逻辑在于利用人工智能技术，全面优化并缩短用户“发现-咨询-决策-下 单”的每一个环节。 在“发现”与“决策”环节，推荐算法构成了 AI 应用的核心。阿里电商基 于海量用户行为数据（浏览、点击、收藏、加购），利用其自研的深度兴趣 网络（DIN）等先进模型，实现了对用户动态兴趣的精准捕捉与预测。这一 能力被广泛应用于“猜你喜欢”等信息流产品中，特别是 2018 年推荐系统 全面升级后，“猜你喜欢”已融入搜索、购物车、支付成功页等几乎所有购 物环节，实现了从“人找货”到“货找人”的智能匹配，极大提升了流量分 发效率和用户沉浸体验。 在“咨询”环节，智能客服系统“阿里小蜜”扮演了关键角色。作为面向消 费者和商家的统一智能助理，它在 2017 年“双 11”期间就实现了智能服务 占比超过 95%的突破，每日处理平台数亿次咨询。这不仅大幅降低了人工 客服成本，更通过 7x24 小时的即时响应，解决了用户购物过程中的绝大多 数前置疑问，是保障交易顺畅、提升服务确定性的关键基础设施。 在连接“发现”与“决策”的搜索场景，阿里则展现了其在计算机视觉（CV） 领域的深厚积累。以“拍立淘”为代表的图像搜索技术，允许用户通过拍照 直接寻找同款或相似商品，创造了一种全新的、直觉式的商品发现路径，有 效补充了传统关键词搜索的不足。

菜鸟（物流）：用“智慧物流大脑”对抗极端峰值与多约束调度

菜鸟的 AI 布局聚焦于前端“人货匹配”不同，其核心价值在于作为庞大物 流复杂系统的“智慧大脑”，通过运筹优化与精准预测，为整个电商履约网 络实现系统性降本增效，特别是在“双 11”这类极限峰值场景下保障稳定 运行。 其 AI 应用贯穿物流全链路：在仓储环节，算法调度数百台 AGV 机器人协 同作业，实现高效自动化的分拣与搬运，在末端配送环节，路径优化算法综 合实时路况、包裹位置与预约时间，动态规划最优派送路线，在至关重要的 预测与规划环节，机器学习模型结合历史数据与营销活动，提前精准预测包 裹洪峰，指导全国仓库、分拨中心及运力资源的前置性配置，从源头上规避“爆仓”风险。 这些能力的深远意义在于，它们不仅提升了物流速度与运营效率，更重要的 是构筑了整个电商交易的确定性底盘。对消费者而言，稳定、可预期的履约 体验是建立购物信任的关键一环，对平台和商家而言，可靠的物流服务能力 本身就是促进交易转化、提升用户忠诚度的核心基础设施。因此，截至 2022 年，菜鸟 AI 已成为将阿里电商的效率优势，从线上虚拟交易延伸至线下实 体交付、并最终固化为全平台核心竞争力不可或缺的一环。

支付宝（金融）：实时风控、信用评估与理赔自动化

在金融领域的 AI 应用，核心挑战在于平衡极致安全与无感体验。这一要求 催生了以支付宝为中心、贯穿风险、信用、服务三大核心维度的 AI 技术体 系，其目标是在毫秒级的决策中，将风控转化为一种无形的信任基石，进而 创造新的商业价值。 在最为核心的风控领域，以“Alpha Risk”为代表的智能风控引擎构成了金 融交易的底层神经系统。它能在用户支付的 0.1 秒内，综合设备、行为、关 系网络等数千维度特征进行实时图计算与异常检测，将资金损失率控制在 亿分之一的量级。这种近乎实时的、高精度的风险拦截能力，是支撑大规模 电子支付与信贷业务得以安全运行的前提。 这一风控能力又进一步转化为正向的信用资产。通过“芝麻信用”这一机器 学习信用评估模型，将个人复杂的履约历史与行为数据量化为直观的信用 分。这不仅是风险识别的副产品，更成为了开拓“信用即服务”新场景的关 键：从免押金租赁到“先享后付”，信用分降低了无数小额交易的门槛与摩 擦，创造了全新的商业模式。 同时，AI 也在重塑金融服务的效率与体验。例如，面向保险行业的“定损 宝”，利用计算机视觉技术自动识别车辆损伤并完成定损，将理赔流程从数 小时缩短至分钟级。这不仅是对传统人力密集型流程的颠覆，更将理赔从一 项成本中心，转变为提升客户满意度和留存的关键服务触点。

我们认为，把阿里在 2022 年以前的 AI 发展放到更长周期里看，会发现它 并非走“概念先行”的实验室路线，而是一条典型的“业务驱动—工程沉淀 —平台化输出”路径：先在电商、物流、金融等高频刚需场景中把算法跑 通、把系统扛住，围绕交易流转效率提升、物流运营成本压降与金融风险管 控等核心目标持续迭代，待能力稳定成熟后，再将其产品化、标准化，依托 阿里云封装为云产品与行业解决方案对外复制扩张，最终形成“内部场景 实践—技术沉淀—生态赋能”的商业价值闭环。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）