阿里云说AI投入三年回本，对运营商有什么启示？

前不久，阿里巴巴发布2027 财年第一季度财报，CEO 吴泳铭在分析师电话会议上直言，AI 算力资本开支可以做到两到三年回本，预计下季度 AI 相关产品年化收入接近 100 亿美元。

这个结论迅速在算力行业引发讨论。很多人直接理解成阿里全部AI 业务两到三年就能盈利，但实际存在明确的口径边界。它核算的对象，仅仅是 AI 云算力硬件资本开支，并不包含大模型研发、训练相关的巨额亏损。财报拆分数据可以看到，阿里 AI 云与算力服务实现盈利，而 AI 实验室及应用板块单季度收入 33 亿，亏损却达到 138 亿，大模型研发训练成本持续吞噬利润。

简单来讲，卖算力硬件租赁可以算得出回本周期，自研大模型与AI 应用目前仍处在大额烧钱阶段。

我认为，这其中的算账逻辑，对于正在大举投入智算中心、谋求智能服务市场的三大运营商，是很具参考意义的。

- 01 -阿里算力回本的底层逻辑

按照市场流传的测算，一台8 卡 H800 整机，硬件整体投入大约 345 万元，每年运维成本 46 万元，在 40% 的资源利用率、合理的 token 收费水平下，静态测算回本周期接近 1.93 年，和管理层给出的两到三年区间基本吻合。但这个结果建立在几个不能忽略的前提之上。

第一，算力资产要有足够高的实际利用率。只有算力资源持续跑起来，产生稳定的token 调用收入，硬件投入的回本才有基础。阿里云既对外承接外部客户，自身通义千问大模型的推理、训练也会消耗大量内部算力，相当于自带一部分稳定负载，能够把 GPU 资源的利用率托举到比较理想的水平。如果只是单纯把算力租给外部大模型公司，还需要给下游留出利润空间，回本周期会拉长到三至四年。

第二，回本测算剥离了大模型研发的巨额成本。上面的测算只算硬件、机房、电费运维，千问大模型持续迭代的训练、人力投入没有计入算力资产的回本账目中。阿里把业务拆成两块，AI 云算力负责赚钱，AI 实验室负责持续投入研发，两块账本分开看待。如果把大模型研发亏损合并计算，整体 AI 业务距离盈利还有很远距离。

第三，毛利率存在向上改善的预期。阿里把希望寄托在自研芯片规模化落地，平头哥芯片逐步替代外购GPU，降低硬件采购成本，进一步压缩投资回报周期。同时 AI 产品本身毛利率高于传统云业务，随着高毛利 AI 收入占比提升，也会改善整体回报水平。

市场同样存在质疑声音。AI 行业价格战、硬件迭代、客户需求波动，都会扰动实际的回本时间。两到三年属于管理层乐观预期，并不是业绩承诺。

- 02 -运营商算力业务和阿里云的现实差距

国内三大运营商最近两年正在大规模加码智算基础设施，总资本开支盘子有所收缩，但算力板块的投入逆势大幅增长，部分企业算力投资占总资本开支比重已经超过三成。运营商手握全国机房、光纤网络，政企客户资源充足，天然具备做算力底座的条件，但想要实现阿里云两到三年算力回本，我认为，是有难度的。

首先是业务模式的差异。阿里云是算力加模型一体化闭环，自研大模型既可以对外输出MaaS 服务带来高毛利收入，也能内部消化算力，拉高硬件资源利用率。运营商目前大多是算力供给方，自研大模型实力有限，更多是引入第三方开源模型部署，缺少自有大规模业务来消耗算力资源，算力负载高度依赖外部客户订单。一旦外部订单不及预期，GPU 利用率上不去，回本周期就会显著拉长。

其次是盈利结构的不同。阿里云AI 云板块已经实现不错的盈利水平，而运营商很多算力相关项目来自政企 DICT 项目，项目制交付模式下整体毛利率并不高。部分地方实践中，自建智算单元的单位 token 成本高于市场化云厂商，在市场竞争中很难打出价格优势，容易出现收入增长但利润很难同步改善的局面。

还有研发成本的两难选择。如果运营商选择重投入自研通用大模型，就要面对持续的高额研发与训练开销，很容易出现和阿里AI 实验室板块一样的大额亏损。如果不做自研大模型，只做算力出租，又缺少上层产品抓手，只能停留在底层资源竞争，业务附加值很难做高。

运营商的优势并不在通用大模型的产品迭代，而是网络调度、全国节点布局、政企安全合规，这是互联网云厂商很难完全替代的能力，但这套能力，不会自动转化为算力资产的快速回本。

- 03 -给运营商带来的几点行业启示

阿里云两到三年回本，不代表运营商也实现两到三年回本，运营商需要认真审视算力投入的节奏与定位。

第一，要区分算力硬件投资和上层模型应用投资，做好账本隔离。硬件基础设施可以单独测算资本开支回报，但是大模型研发、AI 应用创新，要接受中长期亏损的现实，不要把两者的回报周期混为一谈。硬件可以追求合理的资产回报，模型研发更多属于战略卡位，不能简单用短期回本去考核。在规划投资的时候，不能被行业乐观叙事裹挟，要分开设定两套考核标尺。

第二，算力建设要从重建设转向重运营，把资源利用率放在核心位置。很多地方建设智算中心，优先追求机柜规模，对后续客户承接、算力调度、负载运营考虑不足。阿里云回本的核心前提是高利用率，运营商同样如此。与其一次性大规模采购硬件，不如建立以需定投的弹性机制，订单、客户储备匹配硬件扩容节奏，避免出现大量算力长期闲置，折旧持续侵蚀利润的情况。

第三，不需要强行对标互联网云厂商，盲目去做通用大模型全栈竞争。运营商不必追求通义千问这类通用基础大模型，更适合聚焦行业场景，依托自身网络和政企资源，做行业微调模型、算力调度、安全可信的AI 基础设施。把上层通用模型交给生态合作伙伴，自己聚焦擅长的底座、网络、行业落地，减少不必要的巨额研发消耗。

第四，理性看待算力业务的增长与盈利的关系。算力业务收入增速亮眼，不等于能够快速赚钱。运营商需要警惕只看营收规模，忽略毛利水平的倾向。部分政企项目，即便订单规模大，如果项目成本过高，会出现增收不增利。要把算力资产的利用率、单位算力毛利纳入业务考核，而不是只考核收入指标。

我认为，未来运营商的机会，不在于和互联网云厂商比拼模型能力、token价格，而是发挥网络、安全、属地服务优势，把算力网络真正落地到政企、工业、政务等垂直场景。硬件投入要精打细算，上层 AI 应用更多走生态合作路线，在战略卡位和投资回报之间找到平衡点，才是更务实的发展路径。