阿里短期业绩波动不减AI投入决心，加码核心领域布局

尽管短期业绩出现波动且盈利能力有所下调，阿里巴巴在核心业务领域的加注决心依然坚定。

11月25日，阿里巴巴集团发布的2026财年第二季度财报显示，报告期内，公司经营利润同比大幅下滑85%至53.65亿元，经调整EBITA（非公认会计准则）同比下降78%至90.73亿元。

财报指出，这一业绩波动主要源自公司在即时零售赛道拓展、用户体验升级以及前沿科技研发三大领域的持续大规模投入。

阿里巴巴集团CEO吴泳铭在业绩会上表示，当前市场反馈显示，客户对阿里云AI服务器的需求极为旺盛，现阶段服务器上架节奏已明显落后于客户订单的增长速度。

“目前，我们手中的积压订单规模仍在不断扩大，数据需求表明未来市场增长潜力持续加速。”吴泳铭强调，从大方向看，此前提出的未来3800亿元投入计划可能偏于保守。

3800亿，可能不够

即时零售与AI基础设施的布局投入，已消耗阿里巴巴大量资金，导致其经营性现金流净额显著下降。

财报显示，本季度，阿里巴巴经营活动产生的现金流量净额为100.99亿元，较2024年同期的314.38亿元下降68%。

另一个关键数字是，同期自由现金流呈现净流出218.4亿元，而2024年同期为净流入137.35亿元，原因仍是对即时零售的投入及云基础设施支出增加。

财报披露，本季度阿里巴巴资本开支达315亿元；过去四个季度，在AI+云基础设施的资本开支约1200亿元。

阿里未经审计简明合并现金流量表截图

这一系列巨额投入背后，是阿里对AI产业前景的坚定看好。

财报显示，本季度阿里云营收同比增长34%至398.24亿元，AI相关产品收入连续九个季度实现三位数同比增长。

此前，阿里宣布将在未来3年向AI及相关云计算领域投入3800亿元。而当前公司暗示或进一步加码该领域资金。

吴泳铭坦言：“从大方向看，我们此前提出的3800亿元投入数字可能偏小。”他指出，尽管阿里已加速供应链保障、机房建设及服务器上架以响应需求，但若仍无法满足市场，公司可能提升投入。

内部赛马，角逐C端“超级入口”

近期，阿里将AI发展重心转向C端市场。

11月14日，阿里推出对标ChatGPT的个人AI助手“千问”；四天后，蚂蚁集团上线全模态通用AI助手“灵光”。

前者由阿里集团直接开发，依托Qwen系列大模型技术；后者基于蚂蚁集团自研百灵大模型。

在千问之前，阿里还有被寄予厚望的C端AI超级入口夸克。

千问团队对《晚点LatePost》表示，阿里曾希望通过夸克尝试AI时代入口。夸克拥有原有用户和产品基础，且受年轻人欢迎。随着AI能力提升，对话式AI助手被视为更好形式，阿里将重点发展千问并整合进夸克。

11月26日，阿里千问宣布与夸克AI浏览器融合，成为具备全局能力的桌面级智能助理。

从阿里和蚂蚁定义看，三者并不冲突。千问是“通用智能助手”，夸克聚焦“AI搜索+AI浏览器”，灵光则是“全模态的生产力工具”。

简单说，阿里希望千问以对话理解用户需求并提供初步框架；夸克承接精准信息检索；灵光将需求转化为可交互工具和可视化内容。

实际表现上，目前千问、夸克和灵光功能存在重叠。

《凤凰WEEKLY财经》以“规划崇礼滑雪三天两夜旅游”测试三款APP发现，内容呈现与功能特色各有差异。

夸克内容最简洁，但下滑后可查看真实用户攻略补充；千问内容最细致，可精确到小时单位规划；灵光可视化最突出，搭配滑雪场景图片和预算分布饼图等图表。

测试三款APP方案对比图

值得注意的是，三者推荐方案相似度高，反映AI大模型在消费级场景仍处“同质化输出”阶段。

“现在很多大模型底层逻辑相通，尤其是夸克和千问背后均为Qwen系列大模型，二者基于具体场景差异化落地，能力也愈发趋近。”互联网分析师丁道师告诉《凤凰WEEKLY财经》，这既是阿里内部赛马，也是差异化布局，即“不把鸡蛋放一个篮子”，哪怕仅一两款产品脱颖而出成为GPT、DeepSeek量级产品，也算成功。

阿里AI的下一步

在阿里规划中，做出成熟AI产品只是第一步，核心后续是生态协同。

例如，千问目标不限于给出旅游方案，而是实现滑雪场门票预订、饭店口碑查询、路线导航等全流程服务对接。

千问团队接受《晚点LatePost》采访称，“目前千问与高德、淘宝、支付宝、闪购等正联合开发，进展迅速，预计很快有大版本更新。”

淘宝8月推出的“AI万能搜”就是测试产品之一。

《凤凰WEEKLY财经》实测发现，在“AI万能搜”输入“父亲生日快到了，送什么礼物合适”，其会推荐智能手表、商务腰带、永生花礼盒等品类，并提供多个品牌产品链接支持直接下单。用户还可细化需求继续提问，获取更合适推荐。

淘宝“AI万能搜”页面截图

“这就是基于实际场景的串联，虽仍有优化空间，但阿里已具备此能力。”丁道师认为，阿里技术落地不同场景可发挥不同作用，AI大模型未来发展核心在于结合具体场景实现应用，而非单纯比拼模型技术和参数规模。

阿里体系内虽拥有丰富AI智能体资源，但如何根据实际使用场景高效协同不同智能体，仍是当前重要课题。

用户多元化需求往往无法由单个或两个智能体承接，由于各智能体能力和成熟度差异，实现它们顺畅联动，不仅是阿里面临的挑战，也是整个AI行业在场景化落地阶段的共同难题。