AI 占阿里云外部收入三成，Qwen 如何走向现金回报？

阿里云已经拿出了 AI 带来收入的证据。2026 年三月季度，云智能集团收入为 416.26 亿元，同比增长 38%；外部客户收入增长 40%，AI 相关产品收入 89.71 亿元，占外部收入约 30%。模型能力进入商业化之后，投资问题也随之改变：新增调用能留下多少利润，回收这些收入需要投入多少资本？^[1]

7 月 19 日，阿里云通过 Token Plan 推出 Qwen3.8-Max-Preview，为后续付费使用提供了新入口。^[5] 但该版本发布于六月季度结束之后，不能用于解释六月季度收入。本文保持 8 月 3 日的观察时点，以此前财务数据和公司目标讨论下一阶段的回报条件。

AI 收入三成：分母决定数字的含义

89.71 亿元是三月季度 AI 相关产品收入，30% 的分母是外部云收入；416.26 亿元则是云智能集团分部收入。^[1] 将前者除以后者约为 21.6%，并不与 30% 矛盾，因为分母不同。也不能把 AI 收入加到云分部收入上，它已经属于相关业务收入的一部分。

公司没有在这些材料中完整拆出 GPU 实例、模型 API、训练服务、推理服务及其配套网络和存储的收入。它们对客户都属于 AI 支出，却可能具有不同资本强度和利润率。出售持续的模型调用，与向大客户交付一批云资源，收入增长和现金回收节奏未必相同。

这使得“AI 相关产品连续十一个季度三位数增长”成为重要趋势，而非足够的估值公式。增长可以来自客户数量、使用量、单价和产品组合，也可能受到较低基数影响。下一份财报最有价值的信息，是持续付费使用能否扩大，以及非 AI 公有云是否同时保持稳健。

外部收入增长比内部资源使用更接近市场付费检验，但仍需要看客户质量。长期企业客户、短期训练任务、个人开发者与集团关联业务的支付能力和续费行为不同。只有把客户结构与产品结构结合起来，才能判断增长是可重复的平台收入，还是集中项目交付带来的阶段性跃升。

云利润在改善，集团现金仍承担转型成本

云业务经调整 EBITA 为 37.96 亿元，同比增长 57%，对应分部收入利润率约 9.12%。这是积极变化：利润增长快于收入，说明当季收入扩张没有被成本完全抵消。但经调整 EBITA 是非 GAAP 分部指标，不能等同于净利润或自由现金流。^[1]

集团三月季度资本开支为 268.87 亿元，自由现金流流出 173 亿元；FY2026 全年资本开支为 1260.63 亿元，自由现金流从上年流入 738.70 亿元变为流出 466.09 亿元。^[1] 公司将现金流下降归因于即时零售投入和云基础设施等因素，季度还包含 Qwen 应用获客投入。不能把集团全部现金消耗记在阿里云名下。

这种区分直接影响投资判断。云分部可以在利润改善的同时，集团现金流承压；集团的其他业务也可能为云建设提供资金。若要计算云业务的独立回报，需要分配相关资产、折旧、租赁、营运资金与现金投入，现有披露不足以完成这套分拆。

一个静态敏感度仍有帮助。以 416.26 亿元季度云收入为基数，经调整 EBITA 利润率每提高 1 个百分点，对应增加约 4.16 亿元该口径利润。若提升至 12%，则约为 49.95 亿元，比本期多约 11.99 亿元；这是假设收入不变的情景，未考虑税项、资本开支或总部费用，不能称作新增现金。

模型发布之后，需要的是付费使用与留存

公司称，Model Studio 客户数截至 2026 年 3 月增至上年同期约八倍，并提出包含 Model Studio 在内的 AI 模型与应用服务 ARR 在六月季度超过 100 亿元、年末超过 300 亿元的目标。^[2] 客户数增长可以扩大潜在付费基础，ARR 目标则描述年化规模；二者都不能替代一段时期已经确认的收入。

例如，即使某项服务在季度末达到 100 亿元年化收入速度，也不能据此认定该季度已收入 25 亿元。只有整个季度始终保持该速度、且口径一致，简单除以四才近似成立。快速爬坡的业务，期末速度通常与全季平均不同。这里是在解释指标，未判断公司是否已达到目标。

Qwen3.8 的预览和开发者套餐降低了尝试门槛，模型目录与兼容接口也有助于开发者接入。旧稿记录的正式目录状态属于当时观察；持续更新的产品页面不能独立证明历史每一天的可用状态。能够判断商业效果的后续指标，是企业付费调用、续费、实际支出和高峰并发，而非发布时的注意力。

个人订阅也有独立的经济约束。固定费用可以减少用户对每次调用的顾虑，却使平台承担重度用户消耗的成本风险。若用户用量提升快于套餐收入，活跃度增加未必改善毛利；若试用者转为长期企业客户，获客投入又可能产生后续回报。需要把用户增长与付费队列的留存和贡献一起看。

降价后，调用量要增长多少才有意义

一个明确的情景可以检验模型服务增长。假设单位调用的实际收入下降 20%，产品组合和计费口径不变，则调用量至少需要增长 25%，才能保持总收入不变，因为 0.8 乘以 1.25 等于 1。如果调用量只增长 20%，收入反而减少 4%。这不是对 Qwen 定价或用量的预测。

收入持平也不代表利润持平。假设原来每单位收入为 1 元，可变服务成本为 0.4 元；价格降到 0.8 元、单位成本不变，单位贡献从 0.6 元降到 0.4 元。此时需要增加 50% 的用量，才能保持相同总贡献。固定研发费用、设备更新和获客支出尚未包含在这个简化模型中。

若系统优化同时把单位成本降低，所需的用量增幅就会减少。模型压缩、缓存、调度与自研芯片可能改善成本，但各自效果需要在相同质量和时延要求下比较。只给出每 token 成本下降，仍可能遗漏更长输出、更多重试或人工复核所造成的完整任务成本。

这也解释了阿里云为何需要同时经营模型与基础设施。更低成本可以支持更有竞争力的价格，更多应用又可能提高设备使用。但良性循环是否形成，取决于客户愿意支付的业务价值能否快于成本压力增长；如果行业竞争把大部分效率收益让给客户，平台规模会扩大，利润率却未必明显提高。

3800 亿元投资与自研芯片，最终要落到资产收益

至少 3800 亿元的三年云与 AI 基础设施投资计划，宣布于 2025 年 2 月。^[3] 这是一项从当时起计算的多年计划，不能在每次财报时重新理解为未来又新增三年投入，也不能与已经发生的年度资本开支不加区分地相加。

计划没有为每座机房、每类芯片、网络和租赁提供完整分配。设备付款、送电、系统调试与客户使用还存在时间差。若需求真实但供给受限，建设加快可以释放收入；若设备提前部署而客户迁移缓慢，折旧和现金占用可能先增加。项目可用时间与客户付款条款，是投资计划之外必须补上的变量。

公司披露，平头哥半导体的超过 10 万颗真武 PPU 已部署于阿里云公有云，服务超过 30 家汽车和自动驾驶客户，并称超过 60% 的相关算力服务外部客户。^[2] 这说明自研芯片已有使用场景，但没有给出它占全部 AI 算力的比例，也没有完整披露相对外购加速器的性能、成本和利润桥接。

自研的回报还包括研发、软件适配和规模不足时的单位成本。芯片采购价降低，若被软件迁移成本或低利用率抵消，整体优势就会收窄；若能稳定供给并在适合的工作负载上达到更低任务成本，则可以同时改善交付和盈利。芯片数量不是终点，付费负载与完整资产成本才决定结果。

什么结果值得重新评估阿里云的价值

乐观情形是企业 AI 使用持续扩大，外部云客户愿意为模型、数据和基础设施组合付费；投入完成后，成熟容量带来更多收入，利润增长快于新增成本。已有外部收入和云 EBITA 表现为这一路径提供基础，但尚未足以证明整个投资计划的回报率。

最有力的反方，是激烈竞争使调用量增长主要依靠低价，或者客户需求集中在少数训练项目，无法形成稳定续费。同时，设备更新、模型研发和用户获取可能持续要求投入，使收入增长不易变成可供股东分配的现金。集团其他业务的资金需求，也会影响 AI 盈利最终如何进入整体价值。

未来应观察三组相互关联的结果：AI 与非 AI 外部收入的结构，云 EBITA 与资本投入的关系，以及 Model Studio 从客户增长到持续支出的转化。行业客户更分散通常有助于降低单一客户波动，但需要额外销售和服务能力，不能被当成没有成本的改善。

Qwen 的产品进展提高了商业化的可能性，投资分析则要继续追问谁付钱、付多久、单位成本怎样变化。若后续收入、利润与现金能够同时改善，阿里云的增长会更有价值；若主要改善的仍是模型能力与使用热度，就还需要更多财务证据。本文不以模型发布直接推导目标价或供应链订单。