蔡崇信港大演讲深度复盘：中国AI的四张底牌，以及被误读的美国AI规则Joe Tsai's HKU Speech: China's Four AI Assets and and the Misread U.S. "AI Winner Rule"笔者注：11月5日，香港大学经管学院主办“陈坤耀杰出学人讲座”，以“前瞻十年：推动中国经济增长的科创引擎”为题进行对谈，邀请了阿里巴巴集团联合创始人及主席蔡崇信先生分享创新，科技及人工智能如何重塑商业格局并驱动中国经济长期增长。活动在港大陆佑堂举行，据主办方透露，这场演讲报名史上最火爆，邮件发出两小时内报名人数已经突破1200人。。。从某种意义上来说，这也算是一种历史的呼应。17年前，马云曾站在同一个舞台上演讲。。。而在这次与港大副校长邓希炜教授的深度对谈中，蔡崇信抛开客套，直击中美AI竞赛的核心，剖析了阿里的商业进化论，并为年轻人给出了极具穿透力的建议。。。以下摘录来源于至顶科技高飞。一、重定义AI竞赛：中国手握“四张底牌”蔡崇信开场便抛出一个反直觉的观点：美国人定义的AI竞赛规则，可能是错的。目前的“美式计分板”只看谁的大语言模型（LLM）更强，今天是OpenAI，明天是Anthropic，后天是Gemini；但在蔡崇信看来，这种评价体系本身就有问题。1，真正的赢家逻辑：渗透率 > 模型参数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... （赢家不是看谁模型最好，而是看谁在自己的行业和生活中用得最好。）AI的真正价值在于渗透率（Penetration Rate）。相比于追求参数的无限堆叠，中国政府的AI规划显得更为务实：目标到2030年，AI代理和设备的渗透率达到90%。不讲玄学，只讲普及。2，中国为何能普及更快？四张系统级底牌为了支撑这一普及率，蔡崇信列出了中国拥有的四项关键优势：底牌一：电力成本优势（低40%）。训练和推理本质上是能源消耗战。得益于15年前启动的特高压输电网络建设（“西电东送”等），中国国家电网每年的资本支出高达900亿美元，是美国的3倍。这使得中国的电力装机容量不仅是美国的2.6倍，新增容量更是美国的9倍。底牌二：基建红利（低60%）。在中国建设数据中心的成本比美国低60%。这仅仅是基础设施的成本，尚未计算芯片等硬件。底牌三：工程师红利与语言优势。全球约一半的AI科学家和研究人员拥有中国教育背景。蔡崇信分享了一个有趣的现象：Meta的AI团队内部甚至常因大家都在说中文，让非中文员工感到“懵圈”。This is the first time Chinese language is an advantage... （这是中文第一次在科技领域成为一种天然的沟通优势。）底牌四：算力受美国政府的极大限制反而逼出系统级创新。美国有充沛的GPU资源，而中国没有。但这反而创造了一种“饥饿优势”（Advantage of Starvation）。When you don't have a lot of resources, you are forced to innovate at the systems level... （当你资源不足时，你被迫在系统层面进行创新。）为了在有限硬件下训练万亿参数模型，中国团队必须将系统效率优化到极致。DeepSeek（深度求索）就是典型的例子，而在最近的一次加密货币和股票交易的AI竞赛中，阿里的通义千问（Qwen）第一，DeepSeek排名第二。蔡崇信对同城的DeepSeek评价极高：“他们在做令人难以置信的事情。”二、开源为什么会赢：成本、主权、隐私的三重逻辑关于“开源 vs 闭源”的路线之争，蔡崇信给出了明确判断：开源模型终将击败闭源。这并非单纯的技术优劣，而是因为开源更符合全球大多数用户的利益。他以“沙特阿拉伯，想发展AI，但又想保持AI主权（sovereign AI）”为一个例子，阐述了其中的商业逻辑：🔹 闭源路径（如OpenAI）： 付费昂贵，且必须将数据输入黑箱（Black Box），存在数据主权风险。🔹 开源路径（如阿里Qwen）： 免费下载，部署在私有云上。数据完全可控，成本极低。只要政府和企业进行理性的成本效益分析（Cost-benefit Analysis），开源都是更优解。那阿里怎么赚钱？蔡崇信说得很坦白："我们不靠AI赚钱。"阿里的商业模式：“我们不靠卖模型赚钱，我们靠云计算。”蔡崇信坦言，开源模型是流量入口，而随之产生的存储、安全、容器化等云基础设施需求，才是利润来源。这正如早期的互联网：产品免费获客，增值服务变现。三、阿里进化论：技术自主是“逼”出来的当被问及阿里如何从电商公司进化为云计算巨头时，蔡崇信的回答非常朴素：“没有秘诀，只是跟着客户需求走。”🔹 B2B时代：为解决入世后中小企业的出口需求。🔹 淘宝/支付宝：为解决C端交易中的信任问题。🔹 阿里云：为解决海量数据处理的成本问题。16年前，如果继续使用Dell、EMC、Oracle的传统IT设施，阿里的利润将被抽干。We developed cloud computing really out of necessity... out of the need to become self-reliant in technology...（我们发展云计算完全是出于必要，出于对技术自主可控的渴望。）所以阿里云的起点是“自己吃自己的狗粮”（eat our own dog food）：先内部用，用好了再开放给外部客户。给创业者的建议： 优先选择有机增长（Organic Development）而非并购。自己团队生长出的能力，DNA更纯正，文化更契合。四、给年轻人的锦囊：思维比技能更重要在问答环节，蔡崇信针对个人成长给出了高密度的建议：1，技能层面：学会提问AI时代，获取答案变得容易。因此提出正确的问题（Ask the right questions）比找到答案更重要。同时，要建立独立的分析框架，而非死记硬背。2，编程层面：重在逻辑即使自然语言可以指挥机器，依然要学编程。哪怕是学好Excel公式，也是极佳的逻辑训练。The purpose is not to actually operate a machine. The purpose is going through that thinking process... （学编程的目的不是为了操作机器，而是为了训练严谨的逻辑思维过程。）3，专业选择：三个潜力方向🔹 数据科学（Data Science）：随着数据爆炸，懂得管理和分析数据的人才永远稀缺。🔹 心理学/生物学：人脑是效能最高的机器，理解人脑是理解AI的捷径。🔹 材料科学：这是一个由比特（Bits）主导的世界，但限制比特速度的是原子（Atoms）。半导体未来会有大量创新和突破，其核心在于材料。五、风险与泡沫：金融人的视角1，职业选择：不对称风险蔡崇信回顾1999年放弃百万年薪加入阿里的决定，将其形容为“不对称风险收益”（Asymmetric Risk-reward）： 下行风险有限（最差回去做律师），上行空间无限（像看涨期权）。他强调：“机会是来找你的，你要做的是时刻准备好（Preparedness）。”2，AI泡沫：区分金融与技术现在的AI像2000年的互联网吗？蔡崇信建议区分两种泡沫：🔹 金融泡沫：估值可能过高，这很难评判。🔹 技术泡沫：技术本身是真实的。就像2000年股市崩盘并未抹杀互联网的存在一样，今天投入的所有AI基础设施和模型研发，都不会打水漂，它们是通向未来的基石。六，三个最核心的洞察Q1：中国AI的真正优势是什么？不是模型本身，而是让AI被广泛使用的整个生态系统。电力成本低40%、数据中心建设成本低60%、全球一半AI人才有中国学历、资源匮乏逼出系统级创新。这些加在一起，让中国更有可能实现AI的大规模普及。而普及率才是真正的计分板。Q2：为什么开源模式会赢？因为对全球大多数用户来说，开源同时解决了成本、数据主权和隐私三个问题。闭源模型要付费，数据要喂进黑箱；开源模型免费，数据可以留在本地。这不是技术优劣之争，是利益格局使然。Q3：年轻人应该怎么为AI时代做准备？学编程不是为了写代码，而是训练逻辑思维；学统计（数据科学）是因为数据会爆炸；学心理学是因为要理解人脑这个最高效的"机器"；学材料科学是因为让比特跑得更快的是原子。更重要的是，学会提出正确的问题，这比找到答案更有价值。
