阿里巴巴喺九月二十二日雲棲大會公布真武 V九零零，聲稱性能係上一代 M八九零嘅三倍，計劃二零二七年首季量產同商用。阿里仲提出訓練五萬億至十萬億參數嘅模型，到二零三二年將阿里雲全球資料中心容量擴至超過二十吉瓦。三個數字擺埋一齊，表面係一場產品發布，實際上係中國參加全球人工智能競賽嘅縮影：晶片、模型、雲端，三條戰線要同時投資。阿里嘅特別之處，係通義千問負責做模型，平頭哥負責設計晶片，阿里雲又將算力賣畀客戶。世界上最相似嘅大型上市企業係 Google：有 Gemini、有 TPU、有 Google Cloud。不過全球唔止兩間企業有類似布局；Amazon 有自家 Trainium 晶片、Nova 模型同 AWS，Microsoft 亦有自家晶片、模型同 Azure。各家公司自主研發嘅深度、產品成熟度，同對外銷售規模唔同。垂直整合有機會減低對外部供應商嘅依賴，但亦意味住晶片、模型同資料中心，同時向同一個資金池攞錢。

先睇晶片。根據 IDC 對二零二五年中國人工智能加速卡出貨量嘅統計，市場總數約四百萬張。NVIDIA 出貨約二百二十萬張，佔百分之五十五；國產品牌合共約一百六十五萬張，佔百分之四十一。喺國產供應商之中，華為約八十一萬二千張，平頭哥約二十六萬五千張，百度昆侖芯同寒武紀各約十一萬六千張。所以，阿里嘅平頭哥係國產供應商第二，唔係中國整體市場第二。呢個數字仲要睇清楚口徑：統計嘅係出貨張數，唔係銷售額，亦唔代表每張卡有相同算力。假如只係將卡數加埋，而唔問每張卡實際做到幾多訓練或者推理工作，就會高估追趕進度。

阿里話真武 V九零零嘅性能係 M八九零三倍，呢個當然值得留意。不過最重要嘅比較基準仍然未清楚：M八九零喺同一種訓練或者推理工作之下，同 NVIDIA 嘅 H 系列、Blackwell、Rubin 相比，究竟做到幾多？如果冇相同運算精度、記憶體配置、模型、叢集規模同功耗嘅獨立測試，我哋無法由「比自己上一代快咗三倍」，推算佢追近 NVIDIA 幾多，更加唔可以憑空話落後幾代。時間亦係競爭嘅一部分。NVIDIA 已經公布 Rubin 平台，並強調每年推出新一代系統；AMD 亦排咗二零二七年 MI五零零、二零二八年 MI六零零嘅路線圖。到阿里計劃喺二零二七年首季交付 V九零零，對手唔會停喺今日等佢。所以我哋要睇嘅唔止係一次升級有幾大，仲要睇阿里可唔可以持續迭代，同埋新一代晶片實際交貨嗰陣，世界前沿已經行到邊度。

晶片設計同晶片製造，係兩件唔同嘅事。NVIDIA 同 AMD 都唔自己開晶圓廠，但可以向台積電取得先進製程同封裝產能。阿里就算設計到一張好晶片，仍然要喺受出口管制影響嘅供應鏈入面，取得可用製程、HBM 記憶體、先進封裝、網絡設備，同足夠高嘅生產良率。晶片整得出一批樣本，同低成本、大批量、穩定交貨，中間仍有一段距離。中國有中芯國際等晶片製造能力，但呢件事唔等於所有先進設計都可以無限制量產。我哋亦冇可靠公開數據，可以將先進晶片製造簡化成「得兩間廠做到」。講返阿里，真正可以驗收嘅問題係：二零二七年交到幾多張 V九零零？每張成本幾多？又有幾多張可以穩定接成叢集，供客戶長期使用？如果製造、記憶體或者封裝其中一關跟唔上，設計成績就未必可以變成雲端收入。

第二條戰線係大模型。阿里而家公布嘅 Qwen三點八 Max，有二萬四千億參數；五萬億至十萬億係下一步計劃，未有公開確定交付日期，唔應講成明年一定做到。參數規模可以顯示研發野心，但唔能夠單靠總參數決定模型能力。尤其係唔同模型架構之下，每次處理問題實際啟動幾多參數、用咗咩訓練資料、回答有幾準確，同每次運算成本幾高，都會影響結果。中國市場之內，豆包有龐大消費者使用規模，DeepSeek 靠效率同開放模型建立影響力，百度亦有文心。「最多用戶」、「最大模型」同「最好模型」，係三張唔同成績表。阿里真正嘅商業優勢，係模型可以同雲服務連接。公司公布今年六月季度人工智能雲及算力服務收入約四百八十四億元人民幣，其中人工智能相關產品收入約一百二十四億元。呢啲係真實生意，但要判斷賺唔賺錢，仲要扣返設備折舊、電力同營運成本。

第三條戰線最花錢：資料中心。阿里喺二零二五年承諾，三年投入至少三千八百億元人民幣，擴建人工智能同雲基建。平均落嚟每年約一千二百六十七億元，折合約一百八十多億美元；但呢個只係算術平均，唔係公司每年實際開支。今年六月單季，阿里資本開支已達六百七十七億元人民幣，比上年同期增加百分之七十五；自由現金流流出約四百四十七億元。不過截至六月底，佢仍持有約四千七百四十五億元現金及其他可動用流動投資。準確講法係擴張令現金流受壓，未足以話阿里冇錢；亦冇證據支持將三年投資固定拆成「三成用於某一類模型訓練」。同美國比較，資金動員能力嘅差距的確大。Amazon 預計二零二六年全集團資本開支約二千億美元，Alphabet 預計約一千九百五十億至二千零五十億美元。但 Amazon 嘅預算亦包括人工智能以外嘅零售、物流同其他業務；Alphabet 嘅資本開支亦唔係全數用嚟買人工智能晶片。因此，可以比較兩邊嘅資金池有幾大，唔可以將每一美元都當成同口徑嘅人工智能投資。中國之內，華為二零二五年全公司研發支出已達一千九百二十三億元人民幣；但研發開支同阿里嘅資本開支係兩個會計科目。字節跳動亦有龐大模型同雲端投資，冇完整、同口徑數據，就唔應硬排阿里係全中國使錢最多嗰間。

最後睇吉瓦。OpenAI 嘅 Stargate 曾提出，到二零二九年取得十吉瓦人工智能基建，之後宣布已取得超過十吉瓦規劃容量。阿里提出二零三二年全球資料中心容量超過二十吉瓦。馬斯克亦講過，計劃到二零二七年底，讓涉及二十吉瓦電力同冷卻配套嘅項目逐步到位，但佢自己承認未必全部可以如期做到。三間公司講嘅，有啲係規劃，有啲係取得項目，有啲係電力同冷卻配套；呢啲同已接通電網、裝好晶片、正式運作，係唔同階段，絕對唔可以直接用「二十比十」排算力名次。吉瓦衡量嘅係電力容量，唔係晶片運算速度。有電、有機房，仲要有晶片、散熱、網絡同肯付錢嘅客戶，先可以變成收入。我嘅判斷係，阿里已經係中國最有條件同時打晶片、模型、雲三場仗嘅企業之一，亦開始有真實外部客戶。但中國要追趕，約束唔止係資金，仲有製程、記憶體、封裝、軟件生態，同每代產品可唔可以按時交付。美國巨企有更大資金池同先進製造供應鏈；中國仍然可以用較低成本模型、專用晶片同本土市場搶到生意。