蔡崇信港大演講深度復盤：中國AI的四張底牌，以及被誤讀的美國AI規則

Joe Tsai's HKU Speech: China's Four AI Assets and and the Misread U.S. "AI Winner Rule"

筆者注：11月5日，香港大學經管學院主辦“陳坤耀傑出學人講座”，以“前瞻十年：推動中國經濟增長的科創引擎”爲題進行對談，邀請了阿裏巴巴集團聯合創始人及主席蔡崇信先生分享創新，科技及人工智能如何重塑商業格局並驅動中國經濟長期增長。活動在港大陸佑堂舉行，據主辦方透露，這場演講報名史上最火爆，郵件發出兩小時內報名人數已經突破1200人。。。

從某種意義上來說，這也算是一種歷史的呼應。17年前，馬雲曾站在同一個舞臺上演講。。。而在這次與港大副校長鄧希煒教授的深度對談中，蔡崇信拋開客套，直擊中美AI競賽的核心，剖析了阿裏的商業進化論，並爲年輕人給出了極具穿透力的建議。。。


以下摘錄來源於至頂科技高飛。

一、重定義AI競賽：中國手握“四張底牌”

蔡崇信開場便拋出一個反直覺的觀點：美國人定義的AI競賽規則，可能是錯的。

目前的“美式計分板”只看誰的大語言模型（LLM）更強，今天是OpenAI，明天是Anthropic，後天是Gemini；但在蔡崇信看來，這種評價體系本身就有問題。

1，真正的贏家邏輯：滲透率 > 模型參數

The winner is not about who has the best model... The winner is about who could use it the best in their own industries, in their own lives... （贏家不是看誰模型最好，而是看誰在自己的行業和生活中用得最好。）

AI的真正價值在於滲透率（Penetration Rate）。相比於追求參數的無限堆疊，中國政府的AI規劃顯得更爲務實：目標到2030年，AI代理和設備的滲透率達到90%。不講玄學，只講普及。

2，中國爲何能普及更快？四張系統級底牌

爲了支撐這一普及率，蔡崇信列出了中國擁有的四項關鍵優勢：

底牌一：電力成本優勢（低40%）。訓練和推理本質上是能源消耗戰。得益於15年前啓動的特高壓輸電網路建設（“西電東送”等），中國國家電網每年的資本支出高達900億美元，是美國的3倍。這使得中國的電力裝機容量不僅是美國的2.6倍，新增容量更是美國的9倍。

底牌二：基建紅利（低60%）。在中國建設數據中心的成本比美國低60%。這僅僅是基礎設施的成本，尚未計算芯片等硬件。

底牌三：工程師紅利與語言優勢。全球約一半的AI科學家和研究人員擁有中國教育背景。蔡崇信分享了一個有趣的現象：Meta的AI團隊內部甚至常因大家都在說中文，讓非中文員工感到“懵圈”。

This is the first time Chinese language is an advantage... （這是中文第一次在科技領域成爲一種天然的溝通優勢。）

底牌四：算力受美國政府的極大限制反而逼出系統級創新。美國有充沛的GPU資源，而中國沒有。但這反而創造了一種“飢餓優勢”（Advantage of Starvation）。

When you don't have a lot of resources, you are forced to innovate at the systems level... （當你資源不足時，你被迫在系統層面進行創新。）

爲了在有限硬件下訓練萬億參數模型，中國團隊必須將系統效率優化到極致。DeepSeek（深度求索）就是典型的例子，而在最近的一次加密貨幣和股票交易的AI競賽中，阿裏的通義千問（Qwen）第一，DeepSeek排名第二。

蔡崇信對同城的DeepSeek評價極高：“他們在做令人難以置信的事情。”

二、開源爲什麼會贏：成本、主權、隱私的三重邏輯

關於“開源 vs 閉源”的路線之爭，蔡崇信給出了明確判斷：開源模型終將擊敗閉源。

這並非單純的技術優劣，而是因爲開源更符合全球大多數用戶的利益。他以“沙特阿拉伯，想發展AI，但又想保持AI主權（sovereign AI）”爲一個例子，闡述了其中的商業邏輯：

🔹 閉源路徑（如OpenAI）： 付費昂貴，且必須將數據輸入黑箱（Black Box），存在數據主權風險。

🔹 開源路徑（如阿裏Qwen）： 免費下載，部署在私有雲上。數據完全可控，成本極低。

只要政府和企業進行理性的成本效益分析（Cost-benefit Analysis），開源都是更優解。

那阿裏怎麼賺錢？

蔡崇信說得很坦白："我們不靠AI賺錢。"

阿裏的商業模式：“我們不靠賣模型賺錢，我們靠雲計算。”蔡崇信坦言，開源模型是流量入口，而隨之產生的存儲、安全、容器化等雲基礎設施需求，才是利潤來源。這正如早期的互聯網：產品免費獲客，增值服務變現。

三、阿裏進化論：技術自主是“逼”出來的

當被問及阿裏如何從電商公司進化爲雲計算巨頭時，蔡崇信的回答非常樸素：“沒有祕訣，只是跟着客戶需求走。”

🔹 B2B時代：爲解決入世後中小企業的出口需求。

🔹 淘寶/支付寶：爲解決C端交易中的信任問題。

🔹 阿裏雲：爲解決海量數據處理的成本問題。16年前，如果繼續使用Dell、EMC、Oracle的傳統IT設施，阿裏的利潤將被抽幹。

We developed cloud computing really out of necessity... out of the need to become self-reliant in technology...（我們發展雲計算完全是出於必要，出於對技術自主可控的渴望。）

所以阿裏雲的起點是“自己喫自己的狗糧”（eat our own dog food）：先內部用，用好了再開放給外部客戶。

給創業者的建議： 優先選擇有機增長（Organic Development）而非並購。自己團隊生長出的能力，DNA更純正，文化更契合。

四、給年輕人的錦囊：思維比技能更重要

在問答環節，蔡崇信針對個人成長給出了高密度的建議：

1，技能層面：學會提問

AI時代，獲取答案變得容易。因此提出正確的問題（Ask the right questions）比找到答案更重要。同時，要建立獨立的分析框架，而非死記硬背。

2，編程層面：重在邏輯

即使自然語言可以指揮機器，依然要學編程。哪怕是學好Excel公式，也是極佳的邏輯訓練。

The purpose is not to actually operate a machine. The purpose is going through that thinking process... （學編程的目的不是爲了操作機器，而是爲了訓練嚴謹的邏輯思維過程。）

3，專業選擇：三個潛力方向

🔹 數據科學（Data Science）：隨着數據爆炸，懂得管理和分析數據的人才永遠稀缺。

🔹 心理學/生物學：人腦是效能最高的機器，理解人腦是理解AI的捷徑。

🔹 材料科學：這是一個由比特（Bits）主導的世界，但限制比特速度的是原子（Atoms）。半導體未來會有大量創新和突破，其核心在於材料。

五、風險與泡沫：金融人的視角

1，職業選擇：不對稱風險

蔡崇信回顧1999年放棄百萬年薪加入阿裏的決定，將其形容爲“不對稱風險收益”（Asymmetric Risk-reward）： 下行風險有限（最差回去做律師），上行空間無限（像看漲期權）。

他強調：“機會是來找你的，你要做的是時刻準備好（Preparedness）。”


2，AI泡沫：區分金融與技術

現在的AI像2000年的互聯網嗎？蔡崇信建議區分兩種泡沫：

🔹 金融泡沫：估值可能過高，這很難評判。

🔹 技術泡沫：技術本身是真實的。就像2000年股市崩盤並未抹殺互聯網的存在一樣，今天投入的所有AI基礎設施和模型研發，都不會打水漂，它們是通向未來的基石。

六，三個最核心的洞察

Q1：中國AI的真正優勢是什麼？

不是模型本身，而是讓AI被廣泛使用的整個生態系統。電力成本低40%、數據中心建設成本低60%、全球一半AI人才有中國學歷、資源匱乏逼出系統級創新。這些加在一起，讓中國更有可能實現AI的大規模普及。而普及率才是真正的計分板。

Q2：爲什麼開源模式會贏？

因爲對全球大多數用戶來說，開源同時解決了成本、數據主權和隱私三個問題。閉源模型要付費，數據要喂進黑箱；開源模型免費，數據可以留在本地。這不是技術優劣之爭，是利益格局使然。

Q3：年輕人應該怎麼爲AI時代做準備？

學編程不是爲了寫代碼，而是訓練邏輯思維；學統計（數據科學）是因爲數據會爆炸；學心理學是因爲要理解人腦這個最高效的"機器"；學材料科學是因爲讓比特跑得更快的是原子。更重要的是，學會提出正確的問題，這比找到答案更有價值。