几年前，我去沙特参加某一个通信技术展。那是我第一次直观地感受到，一个国家可以有钱到什么样子。而支撑当地财富的，来自得天独厚的资源——石油。

而最近，我有了一个越来越强烈的感受：大模型，或许就是智能时代的石油。而国产大模型向全球输出，一定可以带来丰沛的经济收益。

之所以这么说，是因为 token 出现之后，越来越多的人开始使用电力度数、石油吨数、网络流量等计量单位，来为大模型的消耗定价。

而一位开发者告诉我，到了真用起来的时候，大模型更像石油。因为电，哪个发电厂发的都一样。但石油得看品类，汽油、柴油、航空煤油、沥青，各干各的活。大模型也一样，旗舰推理的、轻量快跑的、专攻代码和多模态的，你得知道自己要炼出来的是哪一款。你还得挑标号，加 92 还是 95，用大模型还是小模型，选错了要么白花钱要么直接趴窝。

从这个角度看，大模型经济，与石油这门生意，是十分相似的。阿里巴巴的最新财报，就验证了这一点。

8 月 20 日晚间，阿里巴巴集团发布新季度业绩，阿里云外部商业化收入增速提升至 45%，创 22 个季度新高。增长的一个关键原因是，向全球供给 AI 界的石油——模型矩阵。

工业时代，谁掌握了石油的供给，谁就掌握了全球战略资源，打开了财富的阀门。而今天，大模型被全球需要，谁能把最新最好的大模型，源源不断地输送给全球开发者、社区、企业，价值自然也水涨船高。

截至目前，阿里累计开源模型超 460 个，Qwen 系列全球下载量超 30 亿次。过去一个月，阿里巴巴模型发布全面提速，大语言、图像、语音、视频、音乐五大类模型密集完成重要版本迭代，发布之后，海外社区热度猛增。

在模型大规模爆发的同时，阿里的 AI 投入也已经转化为营收回报，这一点与许多持续失血的 AI 科技巨头尤为不同。

如何打造模型的富矿并让商业价值井喷？阿里就是一个很好的样板。

靠石油赚钱，首先得有油田。阿里云的增长，正是因为满足了全球社区对先进 AI 模型的需求。

从品类上看，阿里把市面上最重要的模型种类，一口气都端上来了。大语言模型、视频生成模型、图像生成模型、语音模型、音乐模型……阿里的模型矩阵用一套完整的模型体系，覆盖了从个人设备、创业团队到大型企业的不同需求。也就是说，当开发者的 AI 任务跑起来，它的底层模型无论是想要什么品类、什么标号，阿里都能满足。

从性能上看，阿里的模型质量，也都保持在全球一流水平。过去一个月，阿里巴巴的大语言、图像、语音、视频、音乐五大类模型密集完成重要版本迭代。旗舰模型 Qwen3.8-Max，在编程竞技场 CodeArena 中排名全球第三；Qwen-Image-3.0 在 Image Arena 上排名中国第一；Qwen-Audio-3.0-TTS 在 Speech Arena 中排名全球第一；Wan3.0 在 Artificial Analysis 视频编辑等榜单位列第一，进入视频模型第一阵营；此外还推出了全新的音乐模型 HappyShrimp。在 Artificial Analysis 综合智能榜上，Qwen3.8-Max 与 Claude Opus 5、GPT-5.6 同席而坐。

这样一套覆盖全面、整体水平高的模型体系，组成了一个极具竞争力的模型矩阵。非但在中国绝无仅有，在全球也是相当令人震撼的。

而在模型市场上，这一 AI 富矿也创造了显著的经济效益，具体体现在量价齐升。数据显示，阿里云的 AI 云及算力服务收入 484.37 亿元，经调整 EBITA 为 56.28 亿元，同比暴增 133%，利润率升至 12%，其中 AI 相关产品收入达 123.76 亿元，连续第 12 个季度实现三位数同比增长。

可以说，阿里已经成为一座模型的富矿，供给 AI 产业所需要的战略资源。

丹尼尔 · 耶金（Daniel Yergin）的《石油、金钱与权力的史诗征程》（The Prize: The Epic Quest for Oil, Money, and Power）中写道，石油从来不只是能源。它贯穿 20 世纪的工业化、战争、国家崛起和全球经济，深刻塑造了现代人的生活方式，也塑造了世界财富和权力的分配方式。

AI 的价值，与石油相比也不逊色，大模型兴起之初，就成为各国科技竞赛的焦点。这说明全球经济体达成了一种共识，当模型变成一种全球产业链都需要的资源，会带来巨大的经济效益和战略价值。

能不能撬动全世界的产业链一起用，成为 AI 下半场的胜负手。

所以看到阿里云的增长，不只要看到模型的产出，更要看到模型的输出方向，Qwen 已经融入了全球开发者的日常使用，打开了全球的通路。

Qwen3.8-27B 一开源，就引发全球 AI 社区狂潮。网络安全公司联合创始人 Paul Seekamp 表示，几乎完全信服 Qwen 3.8 27B，计划用它替换 Claude Code。

有的个人开发者横测几大模型，认为 Qwen 的效果优于 GLM、Grok，与 Gemini。

不少海外开发者都发文，称 Qwen3.8-27B 是他第一个真正感觉可以每天使用的模型。

开源不到 12 小时，27B 便登上 Hugging Face 有史以来最受欢迎模型榜单 TOP4；开源仅 4 天，平台上冒出了 700 多个量化版本、100 多个微调版本；同样在 4 天内，它成为知名开源 AI 编程代理平台 Cline 上开发者选择最多的本地模型。Cline 在转发榜单时写下了一句分量极重的评价：这是本地模型第一次达到前沿模型水平。一些海外开发者甚至将这次开源称为 "Game Changer"，有望改变模型领域的游戏规则。

不难发现，阿里的模型矩阵撬动全球产业链，得益于两个条件：

一是模型质量。由于模型的迭代速度很快，所以全球开发者越来越倾向于在多个模型、多种供应商之间迁移，来寻找最优解。而阿里已经把 Qwen 从单点突破，推进到了全数 SOTA。整个矩阵的模型质量都处于第一梯队，意味着开发者在寻找更优模型，或者切换到其他 AI 任务时，仍然可以留在 Qwen 生态之内。

二是开源策略。Qwen 一发布，全产业链的人都来适配、量化、接入、支持，Qwen 成为全球开源基座，依靠全球 AI 生态联动极大加速了模型产业化落地进程。

开源并不是商业化的对立面，恰恰相反，这是打开全球通路的敲门砖。模型开放得越广，围绕模型产生的训练、微调、部署和推理需求越多，阿里越有机会在云计算和模型服务层承接价值。财报上 AI 收入带动的亮眼表现，也证明了这条路走得通、走得宽。

有人可能会问：石油会枯竭，模型会不会也有枯竭的一天？如果模型能力停滞了，它还能持续产生经济收益吗？

确实，AI 不像传统软件，一套产品可以吃很多年。今天的 SOTA，可能三个月后就被新的模型取代；今天最先进的能力，明天可能就变成行业标配。评价一家 AI 企业的竞争力，只看它现在有没有一群 SOTA 模型还不够，能不能持续生产下一代更强的模型，更为关键。

从这个角度看，阿里正在发生的变化就非常值得关注。

今天的阿里，形成了一个覆盖多尺寸、多模态、不同应用场景的庞大模型矩阵：从旗舰级推理模型，到轻量模型；从语言、代码，到图像、视频、语音、音乐；从开源模型，到面向企业服务的模型体系。

这意味着，阿里已经具有了一套可以持续复制的、打造先进模型的工业化能力。这种能力是怎么来的呢？是阿里，正在把自己变成一座前沿智能工厂。

今年以来，阿里成功变阵，ATH 卓有成效，从训练基础设施、数据飞轮到生态产业链的高度协同，体系加速融合，从而实现了从单个模型到多模态的所有模型全面 SOTA。进一步拆解这个工厂的生产模式：

最底层，是算力和基础设施。芯片、服务器、云计算等基础设施彼此协同，支撑阿里模型的训练和推理，成为一个更可持续、更具成本优势的智能生产基地。

往上一层，是模型。如果把模型比作石油，那么阿里可以针对不同任务，持续生产不同规格的智能能力，为各类 AI 任务提供燃料。

再往上，模型服务和开发平台。MaaS、模型开发、部署和调用工具，把模型从实验室里的能力变成开发者和企业可以直接使用的服务。它们就像石油的运输管网和加油站，让阿里的模型能够真正抵达最末端的市场。正如开车不需要去沙特加油，做 AI 开发者也可以经由阿里的平台，轻松获取并部署 SOTA 模型。

最外层则是应用。企业 Agent、消费产品、行业解决方案，以及越来越多真实的生产场景，把模型能力转化为生产效率和商业价值。这就像，一辆加满油的车本身是没有价值的，让加满油的货车载着货物通往各个城市的各大商超，整个环节都会产生经济效益。

ATH 战略的推进，把原本分散的能力紧密地协同起来，让阿里成为一座能够持续生产智能的工厂。

它一边追逐最前沿的 AGI，一边不断把新的模型能力加工成不同规格的智能燃油，再通过云和模型服务输送到更广阔的市场，让 AI 真正进入企业、开发者和消费者的生产与生活。今天的阿里，是一片持续输出智能资源的 AI 产区，完全可以以 " 前沿智能工厂 " 去重新估值。

未来的应用、Agent 与企业，需要从模型中持续获取智能。谁能够稳定、低成本地向全球提供高质量的模型，谁就有机会成为智能经济的底层资源提供者。

在这场争夺产业话语权的竞争中，阿里依托 AI 模型生态，展现出了三种能力：

一是广覆盖的供给能力。从单点突破到全数 SOTA，使它能够覆盖不同种类的用户群体。

二是可持续的生产能力。通过分层的前沿智能工厂，阿里能够源源不断地向全球 AI 社区提供更先进的模型，当这一认知形成，不仅能延长模型的生命周期，也会赢得全球用户的信任，使其愿意持续地跟它绑定，避免频繁切换带来的成本，有望进一步增厚回报。

三是成本可控的规模化能力。一方面，阿里正在通过算力、芯片、云基础设施、模型研发和部署体系的协同，不断降低训练和推理成本；另一方面，通过开源来降低开发者的成本，去扩大需求，需求越大，又进一步推动模型和基础设施的迭代。

由此，一套新的智能经济飞轮开始形成。

正如石油创造了工业时代的财富，而能够持续生产智能的前沿智能工厂，也许正在创造下一轮智能经济的财富。这或许是一份阿里财报，带给业界最大的启发。