创 业 者 视 角

当 AI 变成水电煤

一场都灵演讲与创业者剩下的位置

2026 年 10 月 8 日，意大利都灵，Wave by Vento 峰会。

这一天，距离阿里巴巴宣布那笔 800 亿港元的配售，过去不到两个月。这笔钱只有一个用途：全栈 AI。

一个中国人站上台。他没有讲产品，没有报业绩，先抛出一个判断——五年之后，人们可能不会再单独讨论 AI 了。

他叫蔡崇信。

这句话听起来像一句恭维，像是在夸 AI 终于不需要被解释了。

但如果你是一个创业者，它更像一句判决。

因为过去三年，很多公司的商业模式压缩到极致，只剩下一句话：我在做 AI。

这一篇，我想把这句话拆开看看：它到底对谁说，说了什么，以及——它给创业者留下了什么位置。

01

一句话的杀伤力

先把那句话再读一遍：五年之后，人们可能不会再单独讨论 AI 了。

它的意思是，AI 会像今天的互联网一样，融进每一项业务、每一个环节，变成大家习以为常的东西。

蔡崇信还补了一句更重的：AI 不是某一个产品、某一个功能，它更像是下一代的基础能力。它会慢慢沉到各行各业的底层，变成像水电煤一样的存在——看不见，但离不了。

这是全场最狠的一句话。

但它狠的不是 AI。是那些把 AI 当卖点的人。

回头看二十年，这个规律其实演过一遍了。

2000 年前后，一家公司说自己「触网了」，是能上新闻的。到了 2010 年，没有一家公司会把这三个字写进简介——因为所有人都有了。

当一样能力成为标配，它就不再是竞争优势，而是准入门槛。

AI 正在走同一条路。今天你做一个产品，说一句「我用了大模型」，还能吸引人。五年后，这句话会变得像「我用了电」一样多余。

其实这件事已经演过一个小版本了。

2023 年，「百模大战」是最热的词，人人都在数参数；到 2026 年，已经很少有创业者主动提参数了——提了也没人惊讶，因为谁都能拿到。

热词的寿命在缩短。而商业模式的寿命，比热词更短。

所以真正需要警惕的，不是同行太多，是卖点本身会到期。

而基础设施还有一个更残酷的特征：它的利润是被压住的。

电很伟大，但很少有人靠卖电成为首富。因为基础设施的定价，最终会被公众、被监管、被竞争者，一起压到一个薄薄的区间里。

AI 会走上同一条路：当它变成水电煤，卖 AI 会越来越不赚钱，用 AI 才会。

顺便说，这也是为什么那句话，对创业者比对大公司更重。

大公司可以把 AI 变成自己的业务能力——灌进电商和物流，效果直接体现在成本表上。

而如果你的产品里只有 AI，那么当 AI 变便宜、变普及，你的产品也跟着变便宜。

「不是因为 AI 不灵了。是因为 AI 变成了空气。」

于是，AI 从「行业」退化成「能力」的过程，就是一批公司无声消失的过程。

但这句话还有另一面，很少有人讲。

能力会消失，问题不会。

蔡崇信把阿里的历史切成两段：1999 年到 2023 年是 BC 时期，任务是不断把业务规模做大；2023 年之后进入 AD 时期，核心只剩两件事——电商，和全栈 AI。

阿 里 的 两 个 时 代

2023

转折之年。此前做规模，此后只做电商与全栈 AI

这个分法本身就是一个信号：连一家已经足够大的公司，都要重新给自己划定边界，只留下两件必须亲自做的事。

那么创业者呢？我们先把巨头那条路看清楚，再回来看自己。

02

全栈的账本

蔡崇信在台上系统讲了一层阿里的架构。

最底下是算力，靠阿里云十几年的积累托着；中间是模型，就是千问，也是全球应用最广的开源大模型之一；最上面是应用，把 AI 灌进电商、云服务、物流这些具体场景。

他给这套结构的评价只有两个字：可控。

自己的模型跑在自己的算力上，再在自己的业务里反复打磨。这一圈一旦转起来，外面的人很难插进去。

这一圈里最值钱的，其实是那条回路：业务产生数据，数据喂给模型，模型再反过来提升业务。

有回路的人，越跑越快；没有回路的人，只能租能力。

而租来的能力，定价权不在你手里。

但我想给创业者看的，不是这三层，是这三层的账单。

2025 年 2 月，阿里宣布未来三年投入 3800 亿元，建设云和 AI 硬件基础设施。

到 2026 年 6 月底，这笔计划累计投入约 1900 亿元——刚过半。

其中 2026 年二季度单季的资本开支是 677 亿元，同比增长 75%，创下近三年单季新高。

2026 年 8 月，阿里又配售新股募资 800 亿港元，净额全部投向全栈 AI 能力建设。

这不是阿里一家的选择。

2026 年二季度，腾讯单季资本开支 527.84 亿元，同比增长 176%。同一个季度，几家大厂都在做同一件事：把钱变成算力。

换句话说，全栈不是一条被谁验证过的路，而是一场正在同时开打的军备竞赛。谁先停下，谁就先出局。

这些钱不是利润，是现金。

代价写在报表的另一栏：阿里的自由现金流，从 2024 财年的 1562 亿元，变成了 2026 财年的负 466 亿元。

数据中心外景。算力不是概念，是钢筋、电力和现金流。

单 季 资 本 开 支

677 亿元

2026 年二季度，同比 +75%。平均每天花掉七个亿

所以，全栈到底是一张什么样的门票？

它是一张要求你先掏出几千亿、把算力造出来、再等两三年才可能回本的门票。

阿里管理层自己算过这笔账：按现有 AI 产品的毛利率水平，如果资本开支的回收周期是三年，把业务增速控制在 33% 以内，理论上就能保持正向现金流。

但他们选择继续把增长放在前面。理由也简单：AI 还在非常早期，现在收缩，等于把位置让出去。

这句话翻译过来就是：这门生意眼下拼的，是谁敢在还没赚钱的时候，先把钱花出去。

再往里看一层，有一个数字很有意思。

同一个季度，阿里的 AI 云与算力服务收入 484.37 亿元，同比增长 45%，利润同比翻了一倍多。

而「AI 实验室与应用」这一块——也就是模型和消费级应用——收入 33.38 亿元，经营亏损 138.61 亿元。

云在赚钱，应用在烧钱。

这说明即便对阿里，越靠上的那一层，越难做出利润。

而这恰恰给创业者留了一道缝：最难的那一层，也意味着胜负未定。已经分出胜负的地方，才轮不到你。

创业者做不了这件事。

不是说你不能有雄心。是说这张门票的形状，从一开始就是为巨头设计的——它比的是资产负债表，不是聪明程度。

「全栈是一种资格。而资格，是要用钱买的。」

既然如此，创业者的位置在哪里？

03

开源，是唯一的杠杆

蔡崇信在演讲里讲了一段关于开源的判断。我认为那是全场对创业者最有用的部分。

他说，现在美国头部 AI 公司越来越封闭，前沿研究不再公开；而中国企业普遍走开源路线，就像顶尖大学开放教育资源一样，推动技术普惠。

这段话听起来像价值观表达。

但对创业者来说，它是生存条件。

因为没有开源，你连入场券都拿不到。

看一组数字。

千问系列自 2023 年开源至今，已经累计开源 460 余个模型，衍生模型超过 30 万个，全球累计下载量突破 30 亿次。

Hugging Face 的报告给出了更细的切面。

2026 年前七个月，千问在单一平台上的下载量达到 20.45 亿次。

同一个口径下，Google 是 4.18 亿次，Meta 是 2.27 亿次。

基于千问的衍生模型超过 15 万个，是 Meta 的 2.6 倍、Llama 系列的 4.7 倍，而且还在以每天约 200 个的速度往上加。

还有一个容易被忽略的细节：许可协议的宽松程度。

有统计显示，中国 200 亿参数以上的模型里，八成以上采用可商用的宽松许可；而美国同量级的模型，这个比例不到三成。

对创业者来说，这一条比参数重要得多。因为它决定了你做出来的东西，能不能名正言顺地拿去卖。

千 问 全 球 累 计 下 载 量

30 亿次

开源 460 余个模型，衍生模型超 30 万个

这些数字，对创业者意味着什么？

意味着模型这一层的成本，从「自研」变成了「集成」。

你不需要再花几十亿去训一个基础模型。地基是免费的，而且是全球最好的那几块之一。十年前想做一个 AI 公司，你得先有钱买算力；今天，你需要的是一台电脑和一个好问题。

但开源那一方的算盘，也要看懂。

开源从来不是慈善，是分发。谁的模型被用得越多，谁就定义了默认标准——开发者习惯了它的接口、它的工具链、它的踩坑经验，就很难再换。

所以开源，本质上是一场关于「默认」的争夺。

还有一层更实际的意义。

开源把「技术能力」变成了公共品，于是竞争的重心整体后移了——从「谁能做出来」，变成「谁更懂行」。

这对小团队是好消息。因为懂行不需要上市公司的预算，它只需要你真的在那个行业里待过。

但这里有一个反直觉的推论，也是我最想强调的一点。

当地基免费、人人都能盖房子的时候，房子就不值钱了。

「模型会越来越便宜。位置会越来越贵。」

所以创业者的创新，不该发生在模型那一层。那里是全球最不缺钱、也不缺聪明人的战场。

它该发生在哪儿？发生在模型做不了的最后一公里——那个需要行业知识、需要现场经验、需要有人愿意干脏活的地方。

04

真正的富矿，在物理世界

蔡崇信在演讲里点出了中国 AI 的两个别人比不了的优势。这两点，我认为是给创业者划的重点。

第一个是制造数据。

他说，中国占了全球差不多 30% 的工业生产，工厂里积累的海量生产数据，用来训练 AI，可以直接帮企业提升良率、优化设计。

这个数字站得住。中国制造业增加值占全球的比重已接近 30%，连续十六年保持全球第一。

但关键不在比例，在性质。

互联网上的数据，巨头也有。而一条产线上、一台设备里、一道工序中长出来的数据，只有扎进那家工厂的人拿得到。

深夜的精密制造车间。这里长出来的数据，不在任何一家大模型的训练集里。

这类数据有一个特征，我把它叫「独占数据」：它不公开、不可爬、不可买。你要么在里面，要么拿不到。

而这类数据的载体，还在快速增加。

截至目前，中国已累计建成三万余家基础级智能工厂、八千余家先进级、五百余家卓越级。

每一座，都是一台不停生产数据、却还没有被充分开采的矿。

而这恰恰是巨头最难受的地方——它有钱、有算力、有全世界最好的模型，但它进不去每一个人的车间。

第二个优势，是硬件供应链。

蔡崇信说，从电动车到机器人，中国有最完整的产业链。未来 AI 要和物理世界深度融合，这就是硬实力。

这句话可以落到具体的产业上。

中国的具身智能市场规模，从 2018 年的约 2133 亿元，预计到 2026 年达到 1.09 万亿元，年均复合增速在两成以上。

这个行业里，中国拥有全球唯一、也最完整的全链条产业配套——从核心传感器、伺服电机、谐波减速器，到整机组装、算法适配。整体制造成本比国外低 30% 到 50%。

拆开看这个市场：工业机器人占了约 45%，服务机器人约 25%，特种机器人约 15%，人形机器人目前只占 5%——但增速最快。

这个结构说明了一件事：真正在赚钱的，往往是那些不酷的场景。

电力巡检、应急消防、仓储搬运、产线上料。它们不上新闻，但它们在付款。

中 国 制 造 业 增 加 值

近 30%

占全球比重，连续十六年保持全球第一

再往下看，人形机器人的变化更快。

2025 年，全球人形机器人出货 1.3 万台，出货量前五名全部是中国企业；美国那两家最有名的公司，分列第七和第九。

摩根士丹利在 2026 年内两次上调中国出货预期——从年初的 1.4 万台，到年中的 2.8 万台，再到 5 万台，预测值几乎翻倍。

不过这里要泼一盆冷水。

人形机器人的出货涨得快，落地却很慢。一年五万台的量，摊到具体的工厂里，仍然是一个很小的数字。

所以真正的机会，往往不在整机，而在那些同样「不酷」的环节：关节、传感器、减速器、控制系统。

产线上的机械臂。数字世界的 AI 已经挤满了人，物理世界的 AI 才刚刚开场。

把这两点合起来说，就是一句话。

数字世界的 AI，已经卷成了红海；物理世界的 AI，才刚刚开场。

而在这条新赛道上，中国的创业者手里拿着的，是全球最好的一副牌。

所以，创业者现在最该问自己的问题，不是「我要不要用 AI」。

而是——我手里有没有别人拿不到的数据？

05

欧洲：一个被低估的窗口

演讲在都灵，蔡崇信自然也谈了欧洲。

他给欧洲开了一个方子：欧洲不必在中美之间选边站，开源就是最优解。

但他紧接着补了一句狠话：只掌握模型远远不够，必须建设本土的算力基础设施，否则数字主权终究会受制于人。

他还点了欧洲的两个优势：全球顶尖 AI 实验室里，有两三成研发人员是欧洲人；深厚的工业家底，能产出海量高价值的行业数据。他同时看好欧洲本土崛起的新型云服务商。

这段话对做出海的人，信息量很大。

因为欧洲的现状可以概括成六个字：人才够，数据够，算力不够。

不够到什么程度？看两组数字。

按 Gartner 的口径，2026 年美国几家超大规模云厂商的资本开支合计约 7250 亿美元；而欧洲的主权云支出，只有约 126 亿美元。

差了将近六十倍。

2 0 2 6 年 算 力 投 入

7250 亿 : 126 亿

美国超大规模厂商资本开支 : 欧洲主权云支出（美元）

现实也印证了这个缺口。

欧洲最有名的 AI 公司，2026 年 3 月用债务融资了 8.3 亿美元，在巴黎南郊建起一座 44 兆瓦的数据中心——里面装的是 13800 张美国芯片。

欧洲的人工智能，跑在美国的硬件上。这句话不是调侃，是招股书里会写的事实。

所以欧洲才要补课。2026 年 1 月，欧盟批准了 370 亿欧元，在七个国家建设 AI 超级工厂；Gartner 的调查显示，六成西欧企业的首席信息官想增加本地云的使用。

而这一连串动作，对创业者意味着什么？

意味着一个结构错配的市场。

哪里缺什么，哪里就有生意。

欧洲缺的甚至不只是芯片，是「能合规地用起来的算力」。欧盟人工智能法案在 2026 年 8 月开始执行，数据放在哪里、由谁运营、受哪国法律管辖，全都变成了硬约束。

而这些约束，对巨头是麻烦，对熟悉规则的人是机会。

具体到生意上，至少有三个方向是现成的。

一是合规算力：把本地的数据中心做成「能过审计」的产品，而不只是卖机器。

二是行业数据服务：欧洲的工业家底还在那儿，但把机器里的数据变成模型能力，中间需要一整套工艺，这活儿没人干完过。

三是本地化交付：欧洲客户要的往往不只是模型，是一份能用母语解释清楚、能对上监管条款的部署方案。

顺带说一句，蔡崇信之所以劝欧洲走开源，也是因为开源最贴合欧洲的现实。

它不需要一次性砸出几千亿，却能让本土企业以更低的成本获得能力。对一个算力落后、但人才和数据都不缺的地区来说，这几乎是唯一的解法。

「出海不是去更大的市场，是去结构错配的市场。」

06

创业者该押什么

回到那句判断：五年之后，人们可能不会再单独讨论 AI。

报道这场演讲的媒体在最后写了一句总结：AI 竞赛是一场长跑，比的不是一时的热度，而是谁的基础更牢、谁和现实生活结合得更深。

这句话换个说法，就是给创业者的三条纪律。

深夜的白板。全栈是巨头的答案，创业者的答案只能是「窄」。

第一，不要押参数，要押纵深。

参数是全球最不缺的东西。缺的是有人愿意花三年，把某一个行业的某一个环节，摸到别人摸不透。巨头比的是广度，你只能比深度。

第二，不要做通用工具，要做行业里的脏活。

通用工具的门槛是零——今天搭一个套壳应用，可能只需要一个下午。但你要去一家工厂蹲三个月，把它的良率问题搞清楚，就没有人跟你抢。

第三，不要追概念，要攒独占的数据。

风口会换，词汇会过期。但一条产线上跑出来的数据，只会越攒越厚，越来越值钱。

还有一条，是反向的纪律。

不要一上来就想做平台。

平台是结果，不是起点。所有活下来的平台，一开始都只解决了一个非常窄的问题。你先把那一个问题解决到别人绕不过去，平台才可能成为你的下一个身份。

最后说一句关于心态的话。

既然是长跑，那么最昂贵的东西就不是速度，是耐心。

过去三年，我们见过太多项目在半年里融资、估值翻十倍、然后悄无声息。它们大多不是败给了技术，是败给了节奏——把一件本需要三年的事，当成三个月来做。

「工具会消失。问题不会。」

五年后，没有人再单独讨论 AI。

那不是因为它退场了，恰恰是因为它无处不在——像电一样，像水一样，像今天的互联网一样。

而真正的问题，从来都是同一个：当所有人都能拿到同样的能力时，你手里还剩下什么？

这个问题，巨头用几千亿来回答。

创业者，只能用减法来回答。