蔡崇信港大演讲：2030年，AI代理与设备要达到90%渗透

阿里的发展逻辑与护城河

蔡崇信在开场复盘了阿里的“有机生长”。

“A good company always develops when they follow customer needs and demands; we basically follow what our customers wanted and we’ve developed everything organically.”

阿里最早做的是一个B2B跨境贸易网站，1999年上线时是全英文的，主要为了帮助中国中小企业“走出去”。

后来，随着国内市场崛起、消费者行为转变，他们顺势延伸到C端，从阿里巴巴到淘宝，从企业到个人，业务自然生长。

随后支付宝的诞生，也是为了解决买卖双方的信任危机：买家不敢先付钱，卖家不敢先发货。阿里则提出一个托管机制，先由第三方保管资金，再根据交易结果释放。

这个简单的机制，为当时互联网的商业体系补上了一环：信任基础设施。

“If you want to found companies later on, you would always want to favor organic development over acquisitions. […] because you are developing through your team, and your team has the best DNA in terms of the Alibaba culture and innovation.”

“好的公司不是靠收购堆出来的，而是有机长出来的。” 

这其实点透了阿里的成长逻辑：靠团队的内生进化，而不是靠资本的拼装扩张。

收购能补短板，却容易失去灵魂；而有机发展意味着团队通过自己的问题解决循环，不断沉淀文化和创新DNA。

技术自研，算经济账

阿里进入云计算，实则是被利润结构倒逼的技术自救。

那时，阿里的电商系统已经处理海量数据。每笔交易背后都有几十个数据库调用、支付、搜索、推荐。

而服务器来自戴尔、存储来自EMC、数据库靠Oracle。

当时，阿里的CTO警告：

“If we continue to use third-party software and hardware, we will later on hand over all our profits to these technology vendors.”

也就是说，如果延续这种依赖第三方服务的方式，上游一加价，利润全蒸发。

所以，他们决定做自己的云。

这不是简单的“租服务器”，而是做一个“跨数据中心的分布式操作系统”，支撑亿级用户的并行计算。

阿里云最早的客户，就是阿里自己，也就是所谓的dogfooding（软件公司自己用自己的产品），再推向外部。

这套逻辑，十几年后被国家战略验证。

蔡崇信提到，“技术自主可控”如今已是政策共识。

阿里当年的选择，或许在某种意义上，也是中国数字基础设施自主化的缩影。

“十五五”规划的关键词：制造业

这次讲座的主题是，《Technological Drivers for China’s Economic Growthin the Next 10 Years；前瞻十年:推動中國經濟增長的科創引擎》

演讲进入宏观层面后，蔡崇信谈到了中国的增长底座，以及十五五规划。

“China wants to continue to be a manufaturing powrehouse, I think the empasis on the manufacturing economy, which is part of the real economy is right there.”

他认为，十五五规划的第一个关键词，就是制造业强国。

中国的消费占GDP比重不到40%，而美国是70%。

这说明中国的经济仍然以生产和出口为核心。

蔡崇信还指出：“中国在未来的十到二十年内，仍会是全球制造中心。”

制造业带来就业、工资、出口和技术外溢，是最稳定的、最具复利效应的增长引擎。

回顾中国经济崛起的路径，从人均800美元提升到1.3万美元（并有望在未来十年达到3万美元），真正推动这一跃升力量的，就是生产制造以及全球供应体系。

“They say, China is exporting excessive capacity for the rest of the world. […] The definition simply means that you have producation capacity that your domestic economy cannot absorb, therefore you resort to exports.”

谈及有人批评中国“产能过剩”，他反驳道：“过剩产能只是国内消化不了的产能。[…] 通过出口，把产能转化为价值，本身就是国家致富的合理路径。”

他类比到德国汽车产业的出口模式。德国长期依靠汽车出口支撑经济，却从未被指责为‘产能过剩’。那么，中国制造业的外向型增长也不应被污名化，而应被视为一种经济体的自然演化。

他认为，成为“世界制造中心”，是中国选择的正确路径，但这条路需要不断升级。

过去我们出口的是鞋子和衣服，未来出口的将是电动车、电池和光伏。

这三样，正好对应全球能源转型的刚性需求。

制造业的升级，直接牵引了AI的落地方向。因为AI真正的规模效应，就体现在工业环节的降本增效上。

中国AI战略和竞争逻辑

蔡崇信提到，十五五规划的第二个关键词，尤其在当前地缘政治的背景下，是技术自主。

“We want to become technology self reliant. […] The AI plan simply said that in 2030, we should see 90% penetration of AI agents and devices.”

到2030年，AI代理与设备要达到90%渗透，落地机制是市场化。这是一个应用导向的目标。

与之相比，美国的AI政策关注技术前沿，例如模型参数、算法突破；而中国的政策，更像是一场普惠运动，要让AI变成电力一样，成为基础设施，被更广泛使用。

“You don’t keep score by looking at you know how good these large language models are; the score is being kept by the adoption rate”

这种差异是结构性的。

蔡崇信认为，中美AI竞赛的关键不在技术指标，而在adoption rate（采用率）。

AI的社会红利，并不来自一两个SOTA模型，而在于全社会的普及曲线。

当农民、制造业工人、教师、小商户等等各行各业都能用AI时，这项技术才真正进入经济血液。

因此，中国的AI发展策略，本质上是“普惠型AI”：

中国AI的底层优势：能源、工程与人才

首先是能源红利。AI是能源密集型产业。

中国在这一层早就布局，十五年前就开始大规模投资输电网络和配套基础设施。

蔡崇信提到，中国的国家电网的年资本支出约900亿美元，而美国只有约300亿美元。

中国电力装机容量是美国的2.6倍，电力产能净增量是美国的9倍。另外，新增能源部分中，太阳能和风电占主导，能够为AI提供绿色能源基础。

然后是成本红利。

他提到，建设一座GW量级的数据中心，中国是4亿美元，美国则是10亿美元。

这有着结构性的成本差距。

最后是工程红利和人才优势。

“Chinese models are not very far behind the US, because China has a lot of engineers and it’s the country that produced the most standard students every year. […] Lacking in GPU actually creates an advantage of starvation.”

他认为，中国的AI团队在系统工程能力上已经非常突出。长期的GPU短缺，反而逼出了更高的优化效率。在分布式训练、调度优化、功耗控制等方面，中国工程师展现出较强的实践能力。

而在人才供给上，“全球有超过一半的AI科学家和研究者，在中国大学有过学位。”

有Meta的员工调侃：“我们的AI团队里，几乎全员讲中文。”

这很有意思，“过去中文是出海的障碍，如今在AI时代，它反倒成了优势。”

另外，中文互联网的内容密度、语义复杂度，也可以为AI模型提供了丰富的语料。

这种语言层面的优势还在放大。

开源还是闭源？

谈到AI的全球竞争格局以及中美的差异，蔡崇信重点提到开源和闭源之争。

总的来看，国家主要在两种模式种做选择：

一种是依赖OpenAI等公司的闭源API：性能强大；但是价格高，数据进黑箱，用户几乎无法掌握隐私和使用边界；

另一种是采用阿里等企业推出的开源模型：可自部署、低成本、数据可控，在安全性和灵活性上更具优势。

在美国，企业若要接入OpenAI等的服务，往往需要承担高额的订阅和调用费用，这使得AI的使用门槛居高不下。

而在中国，阿里的多个开源模型，用户已经可以自由的下载，并部署在自有的基础设施（例如自己的笔记本或者企业服务器上），成本极低。

他认为，长期来看，开源是一种更加经济、更加安全的路径，并且这也与他之前提到的普惠逻辑一致。

既然是开源模型，那公司如何赚钱？

“We don’t make money from AI.”

他谈到，阿里不是靠AI模型本身盈利，而是通过支撑AI运行的云基础设施实现商业化。

阿里提供一整套底层能力，例如算力、存储、安全、数据管理、网络服务，让用户能在其云平台上稳定、高效的运行AI应用。

这一完整的云产品矩阵，是AI落地的核心支撑，也逐渐形成了阿里生态的护城河。

这就像酒店业，真正决定收益的，不是每个房间的装潢，而是专业化和规模化的运营效率。

AI越普及，算力需求越大，云基础设施的商业价值就越高。

这也是为什么蔡崇信在讲座里多次提到“基础设施的壁垒”。

模型可以迭代，底座的能力才是复利。

个人成长的底层框架

“You should learn how to acquire knowledge and develop analytical framework for analyzing information coming to your conclusions.”

个人成长有两大核心能力：知识获取能力和建立分析框架的能力。

在信息爆炸时代，懂得筛选、提炼和建模，把信息处理为自己的理解系统，是真正的竞争力。

另外，他推荐了三种思维训练方法：

编程：虽然已经有vibe coding（自然语言编程），他仍然建议像学习机器逻辑，主要培养结构化思考；

电子表格：看似简单，是不错的逻辑推演工具；

数据科学：理解数字化时代的底层语言，学习检索和分析数据。

在学科方面，他建议年轻人学习心理学和生物学，去理解人脑、信息处理与决策机制；

还可以关注材料科学，从比特（数字信息）到原子（物理载体)，他认为下一轮技术革命将发生在物理世界，材料科学是突破一些技术瓶颈的关键领域，特别是在半导体等核心硬件领域的创新。

会有AI泡沫吗？

这是Q&A中的问题。“AI会不会像互联网一样，成为泡沫？”

“There is a real model and then there is a financial market model.”

蔡崇信的解释是，“AI是真实存在的技术，只是金融市场会泡沫化。”

互联网当年也经历了破裂，但留下的基础设施，例如服务器、协议、带宽等等，都变成了今天的生产力。

AI也是一样：它的模型、算力、基础设施，都是真实可见的资产。

泡沫，是金融估值的问题，不是技术的问题。

谈及通向AGI之路，他认为，AI能够像朋友一样给出答案、交往的时候，将是一个重要的发展节点。目前，AI更多的是一种效率工具；未来，AI有望成为人类的朋友，有更好的交互。

总结：三个最核心的洞察

Q1：中国AI的真正优势是什么？

不是模型本身，而是让AI被广泛使用的整个生态系统。电力成本低40%、数据中心建设成本低60%、全球一半AI人才有中国学历、资源匮乏逼出系统级创新——这些加在一起，让中国更有可能实现AI的大规模普及。而普及率才是真正的计分板。

Q2：为什么开源模式会赢？

因为对全球大多数用户来说，开源同时解决了成本、数据主权和隐私三个问题。闭源模型要付费，数据要喂进黑箱；开源模型免费，数据可以留在本地。这不是技术优劣之争，是利益格局使然。

Q3：年轻人应该怎么为AI时代做准备？

学编程不是为了写代码，而是训练逻辑思维；学统计（数据科学）是因为数据会爆炸；学心理学是因为要理解人脑这个最高效的”机器”；学材料科学是因为让比特跑得更快的是原子。更重要的是，学会提出正确的问题——这比找到答案更有价值。