阿里巴巴

中國AI公司開始自己蓋資料中心，不再只是跟雲端業者租算力，這代表AI競賽進入重資本階段，也讓烏蘭察布這個原本只是備份儲存的地方變成亞洲成長最快的算力聚落。高盛報告點出12.5吉瓦的承諾容量，超過OpenAI星際之門的10吉瓦，但水資源短缺已經讓當地夜間停水，環境限制可能反過來卡住擴張。接下來要看這些資料中心實際落地的進度、電力與水的供給能否跟上，以及中國AI公司自建基礎設施會不會排擠對阿里雲、華為雲等雲端服務的採購。

中國 AI 應用戰場從聊天機器人轉向能實際執行任務的數位員工，這代表巨頭開始把 AI 當成生產力工具賣，而不是只當流量入口。騰訊、字節、百度、阿里同時把 AI 代理併入辦公產品線，等於承認辦公場景是變現最快的路。對台灣投資人來說，這條新聞的意義不在中國軟體股，而在於它透露中國 AI 需求正從模型競賽轉向應用落地，未來對算力、雲端和企業服務的消耗會更實際。接下來要看這些辦公 AI 代理的付費用戶數和續約率，如果只是月活高但沒人付錢，那對上游晶片和伺服器的拉貨就還是虛的。

阿里這份財報真正暴露的是，AI 競爭已經從單一模型比拼，變成整條模型矩陣加雲端算力的體系戰。阿里雲 AI 收入年增 45%、AI 相關產品收入連續 12 季三位數增長，代表模型能力正在直接兌現成營收，不是只有下載量。更關鍵的是，Qwen 系列開源模型下載破 30 億次、衍生模型 30 萬個，這讓阿里在開發者生態上卡住位置，競爭對手要搶客戶得先過 Qwen 這條斬殺線。

支付寶這次把智慧體商業化的底牌攤開了：平台不再靠賣廣告位賺錢，而是靠理解用戶意圖、替用戶挑服務來收中介費。這直接改寫了商家獲客的遊戲規則，過去砸錢買曝光、堆 SEO 就能拿到訂單，現在得讓自己的服務被 AI 看懂、被選中。對投資人來說，這代表支付寶的營收結構可能從廣告抽成轉向交易撮合，但短期內支付寶不抽佣、還倒貼激勵，商業化節奏比市場預期慢。真正要盯的是阿寶的滲透率和商家增量生意，如果商家發現接了智慧體訂單沒變多，這個故事就撐不久。

中國AI晶片自研路線出現新進展，阿里玄鐵C950用RISC-V架構跑自家Qwen模型，解碼速度30 tokens/s，雖然是供應商自己公布的數據，但已比3月只談相容性更具體。這告訴我們，中國在輝達高階晶片受限下，正試圖用RISC-V加自有模型走出一條路，直接影響的是中國AI算力自主化，以及台積電、聯發科等與中國市場相關的供應鏈。接下來要看C950何時量產、用哪家晶圓代工，以及實際產品效能是否經得起第三方驗證。

阿里把自研RISC-V處理器、自家Qwen模型和台積電先進製程串成一條完整AI運算鏈，這不只是單一產品消息，而是中國雲端巨頭降低對x86、Arm和輝達GPU依賴的具體動作。C950原生跑270億參數模型，代表RISC-V在AI推論上開始有實戰能力，不再只是物聯網小晶片。對台積電來說，多一個先進製程客戶是好事，但更值得看的是阿里未來會不會把C950大量部署到自家資料中心，取代部分通用伺服器CPU。

阿里把 AI 音樂生成從工具推向平台化，直接綁定太合音樂這種版權與發行方，代表中國大廠開始用 AI 模型搶音樂產業的創作與分發環節。HappyShrimp 強調端到端整曲生成，不是只做片段或伴奏，這對現有 AI 音樂工具是直接競爭，也讓阿里在 AI 應用層多了一塊能變現的場景。接下來要看的是它能不能真的讓音樂人買單、產生付費或版權收入，以及騰訊、網易會不會跟進推出類似模型，把戰場從聊天機器人擴大到內容創作。

阿里把自家 Agent 推進企業微信，代表中國企業級 AI 應用開始搶占騰訊的辦公生態入口。這不只是產品更新，而是阿里在企業協同場景直接對上騰訊，用對話式 Agent 取代傳統 SaaS 操作。對投資人來說，重點是看這類 Agent 能否真正帶動企業付費意願，以及騰訊會不會反制。目前沒有營收數字，但若企業微信用戶大量採用，阿里雲的企業服務收入可能出現新動能，騰訊的企業微信商業化節奏也會被逼著加快。

阿里把企業數據加工層開源，直接補上 Agent 落地最缺的那塊：模型再強，讀不到真實工作上下文就只是個工具。MyContext 把釘釘、文檔、會議記錄變成可追溯、可更新的上下文，等於把企業數據治理的門檻打低，讓中小企業也有機會把 Agent 接進核心流程。這對 Palantir、微軟、Glean 這類靠企業數據平台收費的廠商是直接壓力，因為阿里用開源免費的方式搶同一塊地盤。接下來要看 MyContext 能不能真的被企業採用、跟釘釘以外的數據源整合，以及阿里會不會把它綁進雲端收費。

阿里巴巴賣掉遊戲業務不是新聞，重點是它把資源往AI和電商集中，這等於承認遊戲不是它的核心戰場。過去一年阿里已經賣掉銀泰、高鑫零售，現在輪到靈犀互娛，套現至少15億美元，這筆錢很可能繼續灌進AI模型和雲端算力。更關鍵的是，阿里開源模型下載量已經超過Meta和Google，蘋果在中國也先用它的模型，這代表中國AI勢力正在用開源策略搶全球開發者。

阿里把 27B 參數的開源模型做到 17GB 就能在消費級硬體跑，而且長上下文、工具調用、視覺能力都給齊，這直接壓縮了閉源模型在邊緣場景的溢價空間。Qwen 3.8 27B 的基準分數還超過自家五月才發布的閉源 Qwen 3.7-Plus，代表開源模型迭代速度已經追上甚至反超閉源。對台灣投資人來說，這條新聞的真正訊號是：模型能力不再被少數實驗室壟斷，AI 應用的成本曲線會繼續下移，硬體需求可能從高階雲端訓練轉向更多本地推論。

美國兩大 AI 實驗室營收數字很漂亮，但這則新聞真正重要的是中國開源模型的追趕速度。阿里 Qwen 下載量已破 30 億次，超過 Meta 和 Google，DeepSeek V4 Flash 效能逼近 Claude，價格卻便宜很多。這對 Anthropic 和 OpenAI 的企業客戶定價能力是直接壓力，如果企業開始用便宜的中國模型做內部應用，兩家公司的高毛利訂閱模式會受到侵蝕。接下來要看的是企業客戶續約率、平均合約金額有沒有下滑，以及中國模型在歐美企業市場的實際採用率。

蘋果在中國的 AI 策略終於有具體動作，找上阿里巴巴合作開發中國專用模型，這代表蘋果在中國市場必須繞過自家模型與雲端服務的限制，改用本地合作夥伴來落地 Apple Intelligence。這對阿里巴巴是直接利多，等於拿到蘋果在中國的 AI 入口，但對蘋果來說，中國市場的 AI 體驗可能與全球版有落差，而且華為在中國高階手機的競爭壓力已經很明顯。接下來要看 iOS 更新後 Apple Intelligence 在中國的實際使用數據，以及阿里巴巴的模型能否撐起蘋果要求的隱私與效能標準。

蘋果在中國市場的 AI 布局終於有明確夥伴，阿里巴巴的模型能力與在地資料合規經驗，是蘋果繞過監管障礙的關鍵。這不只影響 iPhone 在中國的銷售，也代表中國雲端廠商在 AI 模型輸出上開始被西方大廠認可。輝達 Feynman 平台加速，直接牽動台積電先進製程與 CoWoS 擴產節奏，設備商科林研發的投資支出也跟著加碼，整個 AI 硬體供應鏈的投資循環還在升溫。

開源模型用消費級顯卡就能跑出超越頂級閉源模型的成績，這直接壓縮了高階 AI 服務的溢價空間。阿里把 270 億參數的模型做到本地可部署，代表企業與個人開發者不必再綁定雲端 API，對 OpenAI、Anthropic 的訂閱收入是長期壓力。更關鍵的是，這類模型會推升消費級 GPU 與記憶體需求，但同時也讓雲端算力的稀缺性敘事出現裂縫。接下來要看企業客戶是否真的從閉源轉向開源，以及輝達消費級顯卡銷量是否因此出現結構性變化。

中國AI公司開始自己蓋資料中心，不再只是跟雲端業者租算力，這代表AI競賽進入重資本階段，也讓烏蘭察布這個原本只是備份儲存的地方變成亞洲成長最快的算力聚落。高盛報告點出12.5吉瓦的承諾容量，超過OpenAI星際之門的10吉瓦，但水資源短缺已經讓當地夜間停水，環境限制可能反過來卡住擴張。接下來要看這些資料中心實際落地的進度、電力與水的供給能否跟上，以及中國AI公司自建基礎設施會不會排擠對阿里雲、華為雲等雲端服務的採購。

中國 AI 應用戰場從聊天機器人轉向能實際執行任務的數位員工，這代表巨頭開始把 AI 當成生產力工具賣，而不是只當流量入口。騰訊、字節、百度、阿里同時把 AI 代理併入辦公產品線，等於承認辦公場景是變現最快的路。對台灣投資人來說，這條新聞的意義不在中國軟體股，而在於它透露中國 AI 需求正從模型競賽轉向應用落地，未來對算力、雲端和企業服務的消耗會更實際。接下來要看這些辦公 AI 代理的付費用戶數和續約率，如果只是月活高但沒人付錢，那對上游晶片和伺服器的拉貨就還是虛的。

阿里這份財報真正暴露的是，AI 競爭已經從單一模型比拼，變成整條模型矩陣加雲端算力的體系戰。阿里雲 AI 收入年增 45%、AI 相關產品收入連續 12 季三位數增長，代表模型能力正在直接兌現成營收，不是只有下載量。更關鍵的是，Qwen 系列開源模型下載破 30 億次、衍生模型 30 萬個，這讓阿里在開發者生態上卡住位置，競爭對手要搶客戶得先過 Qwen 這條斬殺線。

支付寶這次把智慧體商業化的底牌攤開了：平台不再靠賣廣告位賺錢，而是靠理解用戶意圖、替用戶挑服務來收中介費。這直接改寫了商家獲客的遊戲規則，過去砸錢買曝光、堆 SEO 就能拿到訂單，現在得讓自己的服務被 AI 看懂、被選中。對投資人來說，這代表支付寶的營收結構可能從廣告抽成轉向交易撮合，但短期內支付寶不抽佣、還倒貼激勵，商業化節奏比市場預期慢。真正要盯的是阿寶的滲透率和商家增量生意，如果商家發現接了智慧體訂單沒變多，這個故事就撐不久。

中國AI晶片自研路線出現新進展，阿里玄鐵C950用RISC-V架構跑自家Qwen模型，解碼速度30 tokens/s，雖然是供應商自己公布的數據，但已比3月只談相容性更具體。這告訴我們，中國在輝達高階晶片受限下，正試圖用RISC-V加自有模型走出一條路，直接影響的是中國AI算力自主化，以及台積電、聯發科等與中國市場相關的供應鏈。接下來要看C950何時量產、用哪家晶圓代工，以及實際產品效能是否經得起第三方驗證。

阿里把自研RISC-V處理器、自家Qwen模型和台積電先進製程串成一條完整AI運算鏈，這不只是單一產品消息，而是中國雲端巨頭降低對x86、Arm和輝達GPU依賴的具體動作。C950原生跑270億參數模型，代表RISC-V在AI推論上開始有實戰能力，不再只是物聯網小晶片。對台積電來說，多一個先進製程客戶是好事，但更值得看的是阿里未來會不會把C950大量部署到自家資料中心，取代部分通用伺服器CPU。

阿里把 AI 音樂生成從工具推向平台化，直接綁定太合音樂這種版權與發行方，代表中國大廠開始用 AI 模型搶音樂產業的創作與分發環節。HappyShrimp 強調端到端整曲生成，不是只做片段或伴奏，這對現有 AI 音樂工具是直接競爭，也讓阿里在 AI 應用層多了一塊能變現的場景。接下來要看的是它能不能真的讓音樂人買單、產生付費或版權收入，以及騰訊、網易會不會跟進推出類似模型，把戰場從聊天機器人擴大到內容創作。

阿里把自家 Agent 推進企業微信，代表中國企業級 AI 應用開始搶占騰訊的辦公生態入口。這不只是產品更新，而是阿里在企業協同場景直接對上騰訊，用對話式 Agent 取代傳統 SaaS 操作。對投資人來說，重點是看這類 Agent 能否真正帶動企業付費意願，以及騰訊會不會反制。目前沒有營收數字，但若企業微信用戶大量採用，阿里雲的企業服務收入可能出現新動能，騰訊的企業微信商業化節奏也會被逼著加快。

阿里把企業數據加工層開源，直接補上 Agent 落地最缺的那塊：模型再強，讀不到真實工作上下文就只是個工具。MyContext 把釘釘、文檔、會議記錄變成可追溯、可更新的上下文，等於把企業數據治理的門檻打低，讓中小企業也有機會把 Agent 接進核心流程。這對 Palantir、微軟、Glean 這類靠企業數據平台收費的廠商是直接壓力，因為阿里用開源免費的方式搶同一塊地盤。接下來要看 MyContext 能不能真的被企業採用、跟釘釘以外的數據源整合，以及阿里會不會把它綁進雲端收費。

阿里巴巴賣掉遊戲業務不是新聞，重點是它把資源往AI和電商集中，這等於承認遊戲不是它的核心戰場。過去一年阿里已經賣掉銀泰、高鑫零售，現在輪到靈犀互娛，套現至少15億美元，這筆錢很可能繼續灌進AI模型和雲端算力。更關鍵的是，阿里開源模型下載量已經超過Meta和Google，蘋果在中國也先用它的模型，這代表中國AI勢力正在用開源策略搶全球開發者。

阿里把 27B 參數的開源模型做到 17GB 就能在消費級硬體跑，而且長上下文、工具調用、視覺能力都給齊，這直接壓縮了閉源模型在邊緣場景的溢價空間。Qwen 3.8 27B 的基準分數還超過自家五月才發布的閉源 Qwen 3.7-Plus，代表開源模型迭代速度已經追上甚至反超閉源。對台灣投資人來說，這條新聞的真正訊號是：模型能力不再被少數實驗室壟斷，AI 應用的成本曲線會繼續下移，硬體需求可能從高階雲端訓練轉向更多本地推論。

美國兩大 AI 實驗室營收數字很漂亮，但這則新聞真正重要的是中國開源模型的追趕速度。阿里 Qwen 下載量已破 30 億次，超過 Meta 和 Google，DeepSeek V4 Flash 效能逼近 Claude，價格卻便宜很多。這對 Anthropic 和 OpenAI 的企業客戶定價能力是直接壓力，如果企業開始用便宜的中國模型做內部應用，兩家公司的高毛利訂閱模式會受到侵蝕。接下來要看的是企業客戶續約率、平均合約金額有沒有下滑，以及中國模型在歐美企業市場的實際採用率。

蘋果在中國的 AI 策略終於有具體動作，找上阿里巴巴合作開發中國專用模型，這代表蘋果在中國市場必須繞過自家模型與雲端服務的限制，改用本地合作夥伴來落地 Apple Intelligence。這對阿里巴巴是直接利多，等於拿到蘋果在中國的 AI 入口，但對蘋果來說，中國市場的 AI 體驗可能與全球版有落差，而且華為在中國高階手機的競爭壓力已經很明顯。接下來要看 iOS 更新後 Apple Intelligence 在中國的實際使用數據，以及阿里巴巴的模型能否撐起蘋果要求的隱私與效能標準。

蘋果在中國市場的 AI 布局終於有明確夥伴，阿里巴巴的模型能力與在地資料合規經驗，是蘋果繞過監管障礙的關鍵。這不只影響 iPhone 在中國的銷售，也代表中國雲端廠商在 AI 模型輸出上開始被西方大廠認可。輝達 Feynman 平台加速，直接牽動台積電先進製程與 CoWoS 擴產節奏，設備商科林研發的投資支出也跟著加碼，整個 AI 硬體供應鏈的投資循環還在升溫。

開源模型用消費級顯卡就能跑出超越頂級閉源模型的成績，這直接壓縮了高階 AI 服務的溢價空間。阿里把 270 億參數的模型做到本地可部署，代表企業與個人開發者不必再綁定雲端 API，對 OpenAI、Anthropic 的訂閱收入是長期壓力。更關鍵的是，這類模型會推升消費級 GPU 與記憶體需求，但同時也讓雲端算力的稀缺性敘事出現裂縫。接下來要看企業客戶是否真的從閉源轉向開源，以及輝達消費級顯卡銷量是否因此出現結構性變化。