摘要：当阿里巴巴首席执行官吴咏铭在2025年云栖大会上宣布公司要成为"世界领先的全栈人工智能服务提供商"时，这不仅仅是一家中国科技巨头的战略转型宣言。这一表态揭示了一个更深刻的趋势：人工智能竞争的本质正在从芯片制造能力的较量，转向软件、硬件和应用的全栈整合能力的比拼

Scmp报道，当阿里巴巴首席执行官吴咏铭在2025年云栖大会上宣布公司要成为"世界领先的全栈人工智能服务提供商"时，这不仅仅是一家中国科技巨头的战略转型宣言。这一表态揭示了一个更深刻的趋势：人工智能竞争的本质正在从芯片制造能力的较量，转向软件、硬件和应用的全栈整合能力的比拼。美国通过出口管制限制中国获取先进芯片的策略，虽然在短期内造成了技术壁垒，但也在无意中催化了中国科技企业向垂直整合方向发展，而这种发展路径可能重塑全球人工智能产业的竞争格局。

吴咏铭在23分钟的演讲中描绘了阿里巴巴通往人工超级智能的路线图：Qwen开源模型将作为软件基础，云服务将提供计算基础设施，两者结合构建未来的技术栈。这一愿景在资本市场获得了立即响应，阿里巴巴股价在香港市场飙升至四年高位，多家投资银行随即上调了其目标价。更值得关注的是，英伟达联合创始人兼首席执行官黄仁勋在随后的播客访谈中特别提到了吴咏铭的讲话，强调了在人工智能领域大规模投资的重要性。这一互动表明，中美科技巨头之间的竞争已经进入了一个新阶段，双方都认识到单一技术优势不再足以确保胜利。

"超大规模企业"这一术语原本用来描述拥有庞大数据中心基础设施的云计算提供商，但在人工智能时代，这一概念已经扩展为指那些具备从底层硬件到上层应用的全栈能力的公司。在美国，这一类别包括微软、亚马逊、谷歌、Meta和甲骨文等巨头。2025年，这五家公司的资本支出预计将接近4000亿美元，其中相当大的比例投向了人工智能基础设施。微软单独一家就计划在2025年投入800亿美元建设专门用于人工智能工作负载的数据中心。

这些投资反映了一个清晰的战略判断：未来的人工智能市场将由那些能够提供端到端解决方案的公司主导。微软通过Azure云服务、GitHub Copilot开发工具和与OpenAI的深度合作，构建了覆盖基础设施、开发平台和应用层的完整生态系统。亚马逊通过AWS提供云计算服务，同时开发自己的Trainium和Inferentia芯片，减少对英伟达的依赖。谷歌则拥有从TPU芯片到Gemini大模型再到各种应用的完整技术栈。

这种垂直整合趋势在中国表现得更为明显，部分原因是外部压力。美国对先进芯片的出口管制迫使中国科技公司寻求替代方案，而最直接的路径就是自主开发整个技术栈。阿里巴巴的案例具有典型性：公司不仅开发Qwen大语言模型，还投资云计算基础设施，甚至通过其半导体子公司平头哥开发自研芯片。吴咏铭宣布，公司将在原计划3800亿元人民币的基础上进一步增加人工智能基础设施的资本支出，显示出追赶美国同行的决心。

根据美国银行分析师的估计，中国在人工智能领域的资本支出预计在2025年达到6000亿至7000亿元人民币，约合980亿美元。相比之下，仅美国前五大超大规模企业的预计支出就接近4000亿美元。这一数字差距部分反映了两国经济规模和技术成熟度的不同，但更重要的是，它揭示了资源配置效率的问题。中国企业在芯片制造和某些底层技术上仍面临瓶颈，这意味着同样的资金投入可能产生较低的回报。

然而，资金投入只是竞争的一个维度。全栈能力的核心在于各个层级之间的协同效应。当一家公司同时控制硬件设计、模型训练、应用开发和云服务分发时，它可以在每个层级进行优化，并确保它们无缝协作。这种垂直整合带来的效率提升，可能部分抵消技术代差带来的劣势。中国企业在人工智能应用层的创新——特别是在电子商务、社交媒体和移动支付等领域——为其全栈战略提供了独特的优势。

美国的出口管制政策主要集中在半导体领域，特别是限制英伟达等公司向中国出口最先进的人工智能芯片。这一策略基于一个假设：芯片是人工智能发展的关键瓶颈，控制芯片就能控制人工智能的发展速度。然而，现实证明这一假设过于简化了人工智能生态系统的复杂性。

黄仁勋在最近的采访中坦率地承认，美国在人工智能方面并没有大幅领先中国。这一评估与特朗普政府关于美国在人工智能领域遥遥领先的说法形成对比，也引发了关于当前战略是否有效的讨论。黄仁勋认为，限制芯片销售最终会促使中国开发者创建自己的替代方案，这可能削弱美国的长期竞争优势。

事实上，中国在某些人工智能领域已经展现出强大的竞争力。在大语言模型开发方面，阿里巴巴的Qwen、百度的文心一言和字节跳动的豆包等模型在性能上正在缩小与美国领先模型的差距。特别是在特定领域和中文处理方面，这些模型已经显示出独特优势。中国企业在模型训练效率和推理优化方面的进展，使得它们能够用较少的计算资源实现类似的效果，这在一定程度上缓解了芯片短缺的影响。

软件和算法创新成为了弥补硬件差距的关键路径。中国研究人员在模型压缩、量化技术和高效训练算法方面投入大量资源，目标是让较低性能的硬件也能运行先进的人工智能模型。这种"软件补硬件"的策略在移动设备和边缘计算场景中尤其重要，因为这些场景对功耗和成本有严格限制。

应用层的创新是另一个重要维度。中国拥有庞大的用户基础和高度数字化的消费市场，为人工智能应用提供了丰富的测试场景和快速迭代机会。从短视频推荐到智能客服，从自动驾驶到工业质检，中国企业在将人工智能技术转化为实际产品方面积累了丰富经验。这种应用导向的发展模式可能在某些方面比纯粹的技术追赶更具优势，因为它直接对接市场需求并产生商业价值。

数据是人工智能发展的另一个关键要素。中国的互联网用户规模和数据生成速度为训练大规模模型提供了充足的"燃料"。虽然数据隐私保护的加强对数据收集和使用施加了限制，但与美国相比，中国在某些领域仍然拥有数据优势。特别是在与中国市场和语言相关的应用中，本土数据的价值难以被外国竞争对手复制。

人才竞争同样至关重要。尽管美国在人工智能研究的顶尖人才方面仍然领先，但中国在培养和吸引人工智能人才方面正在迅速进步。中国每年培养的STEM毕业生数量远超美国，越来越多的海外留学人员选择回国发展，科技公司提供的薪酬和职业发展机会也日益具有吸引力。人才的本地化对于开发符合本地市场需求的人工智能产品至关重要。

全栈能力争夺战正在重构全球人工智能产业的竞争格局。传统的线性价值链——从芯片设计到制造，从云服务到应用开发——正在被垂直整合的生态系统所取代。在这个新格局中，竞争优势不再单纯来自某个环节的技术领先，而是来自整个系统的协调和优化能力。

这种转变对政策制定者提出了新的挑战。针对单一环节的出口管制可能不足以达到预期效果，因为目标国家可以通过加强其他环节来补偿。例如，即使无法获得最先进的芯片，中国企业仍然可以通过更高效的算法、更大规模的数据和更贴近市场的应用来保持竞争力。相反，过于严格的限制可能促使中国加快建立完全独立的技术生态系统，最终导致全球人工智能产业的分裂。

美国联邦储备委员会2025年的研究报告指出，中国在人工智能研究产出和应用采纳方面取得了快速进展，尽管在基础设施方面的地位尚不清晰。这一评估承认了中国在人工智能生态系统中多个层面的实力，而不仅仅是硬件制造能力。报告也指出，人工智能竞争的多维性使得简单的排名变得困难，不同国家在不同维度上各有优势。

对于全球人工智能产业的未来走向，有几种可能的情景。最乐观的情景是技术标准和接口的部分互通，允许不同生态系统之间的有限交互，从而避免完全的市场割裂。中间情景是形成两个相对独立但偶有重叠的技术生态系统，类似于当前的互联网格局。最悲观的情景是完全的技术脱钩，导致资源的重复投入和创新速度的整体放缓。

从企业战略的角度看，全栈能力的构建需要巨额投资和长期承诺。不是所有公司都有资源和能力成为超大规模企业。对于中小型企业和初创公司，在特定细分领域深耕并与大型平台合作可能是更现实的选择。开源社区在这个过程中扮演着重要角色，它提供了一个相对中立的技术共享平台，有助于降低小企业的技术门槛。

阿里巴巴将Qwen作为开源模型发布的决策具有战略意义。通过开源，公司可以吸引开发者社区的参与，加速模型的改进和应用拓展，同时建立事实上的行业标准。这一策略类似于谷歌推出Android操作系统的逻辑：通过免费提供底层技术来建立生态系统，然后在上层服务和应用中获利。开源也有助于提升公司在全球人工智能社区中的影响力和话语权。

从更宏观的视角看，人工智能竞争反映了更深层次的经济和地缘政治角力。人工智能被视为下一代通用技术，可能像电力和互联网一样深刻改变经济结构和社会组织方式。在这个领域取得领先地位不仅关乎商业利益，还涉及国家安全、产业竞争力和国际影响力。这解释了为什么中美两国都将人工智能发展提升到战略高度，并投入前所未有的资源。

然而，过度的竞争也带来风险。在追求技术优势的过程中，安全和伦理考量可能被忽视。人工智能的快速发展已经引发了关于就业替代、隐私保护、算法偏见和自主武器等一系列社会问题。如果中美两国陷入纯粹的技术军备竞赛，可能导致这些问题被边缘化，直到造成不可逆转的后果。

国际合作在某些领域仍然是必要和可能的。在人工智能安全研究、伦理标准制定和风险治理方面，各国有共同利益。学术交流和人才流动对于科学进步至关重要，过度的限制可能损害全球创新生态系统。寻找竞争与合作的平衡点，是当前人工智能治理面临的核心挑战。

阿里巴巴首席执行官的演讲和随后的市场反应传递了一个清晰的信号：中国科技企业不会因为外部限制而放弃在人工智能领域的雄心。相反，这些限制正在催化一种更加自主和整合的发展路径。美国的政策制定者需要认识到，芯片管制只是延缓而非阻止中国人工智能发展的手段，而且可能产生意想不到的副作用。真正的竞争优势将来自持续的创新能力、人才培养、市场环境和制度质量，而这些都不是短期政策能够轻易改变的。

在这场全栈能力争夺战中，没有简单的赢家和输家。技术进步是累积性的，今天的领先不保证明天的优势。更重要的是，人工智能的发展最终应该服务于人类福祉的提升，而不仅仅是国家间的权力竞争。如何在保护国家利益的同时促进全球合作，在追求技术突破的同时确保负责任的发展，这些问题的答案将决定人工智能时代的面貌。

来源：人工智能学家