蔡崇信港大演講：中國AI有四張底牌，美國人定義的AI規則是錯的

阿里巴巴集團聯合創始人、董事長蔡崇信本月在香港大學陸佑堂做了一次演講。這是港大經管學院"陳坤耀杰出學人講座"的系列活動。據說，17年前，馬云曾站在同一個舞臺上。主辦方稱，這次演講的報名速度創下紀錄：郵件發出兩小時內，超過1200人報名。

以下摘錄來源于至頂科技高飛。

蔡崇信與港大協理副校長、港大經管學院副院長鄧希煒教授對談

一、中國AI的真正優勢：不是模型，是整個生態

蔡崇信開場就拋出一個反直覺的觀點：美國人定義的AI競賽規則是錯的。

美國人怎么算誰贏？看誰的大語言模型（Large Language Model）更強。今天是OpenAI領先，明天是Anthropic，后天可能是別人。但蔡崇信說，這個計分方式本身就有問題。

真正的贏家不是誰有最好的模型，而是誰用得最好。

"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." （贏家不是看誰模型最好，而是看誰在自己的行業和生活中用得最好。）

這個判斷的底層邏輯是：AI的價值在于滲透率（penetration rate）。中國國務院的AI規劃就很務實——到2030年，AI代理和設備的滲透率要達到90%。不講玄學，只講普及。

那中國憑什么能普及得更快？蔡崇信列了一張完整的底牌清單。

1、電力：15年前埋下的伏筆

訓練大模型、跑推理（inference），本質上都是在燒電。中國的電力成本比美國低40%。

為什么？因為15年前中國就開始大規模投資電力傳輸基礎設施。北方發的電要送到南方，新能源產地和用電需求地往往不重合，必須靠輸電網絡打通。中國國家電網每年資本支出900億美元，美國只有300億——三倍的差距。

結果是什么？中國的電力裝機容量是美國的2.6倍，而且新增裝機容量是美國的9倍。這個差距還在拉大。

2、數據中心：成本碾壓

在中國建一個數據中心，成本比美國低60%。這還沒算芯片，只是基建。

3、工程師紅利：全球一半的AI人才有中國學歷背景

蔡崇信提到一個有趣的數據：全球幾乎一半的AI科學家和研究人員，都有中國大學的學位——無論他們現在在美國公司、中國公司，還是世界任何地方工作。

他還講了個段子。最近社交媒體上有人吐槽，說自己在Meta（Facebook）的AI團隊里，同事們都在用中文交流想法，他完全聽不懂。

"This is the first time Chinese language is an advantage." （這是中文第一次成為一種優勢。）

以前中國公司出海，語言是劣勢——在意大利開辦公室，當地人不會說中文，中國員工得用第二語言溝通。但在AI領域，全球的華人工程師用中文分享想法、交換思路，這反而成了信息優勢。

4、資源匱乏逼出來的系統級創新

美國有大量GPU，中國沒有。但蔡崇信說，匱乏反而創造了優勢。

"China being lacking in GPUs actually creates an advantage of starvation. When you don't have a lot of resources, you are forced to innovate at the systems level." （GPU的缺乏反而創造了'饑餓優勢'。當你沒有足夠資源時，你被迫在系統層面創新。）

訓練一個萬億參數的模型，如果系統效率不高，GPU消耗會非常恐怖。中國團隊因為硬件受限，必須把系統優化做到極致。DeepSeek就是這么逼出來的——阿里的通義千問（Qwen）模型剛剛贏得了一場為期兩周的加密貨幣和股票交易AI競賽，DeepSeek排名第二。

蔡崇信對DeepSeek毫不吝惜贊美："我們在杭州的鄰居，他們做的事情令人難以置信。"

二、開源為什么會贏：成本、主權、隱私的三重邏輯

這可能是整場演講最核心的判斷。

蔡崇信的觀點很直接：開源模型會擊敗閉源模型，不是因為開源更先進，而是因為開源更符合全球大多數用戶的利益。

他舉了個例子。假設你是沙特阿拉伯，想發展AI，又想保持“AI主權”（sovereign AI）——意思是AI不受外國控制。但你沒有人才自己開發模型。

這時候你有兩個選擇：
選擇一：通過API使用OpenAI。付很多錢，而且數據要喂進去——你不知道數據去了哪里，那是個黑箱（black box）。
選擇二：直接下載阿里的開源模型，部署在自己的私有云上。免費，而且數據完全可控。

成本和隱私，兩邊都贏。所以無論是政府還是企業，只要認真做成本效益分析，都會傾向于開源。

那阿里怎么賺錢？

蔡崇信說得很坦白："我們不靠AI賺錢。"

阿里靠的是云計算。你用開源模型沒問題，但你要跑模型，需要云基礎設施——存儲、數據管理、安全、網絡、容器（containers，他說這個詞他自己也不太懂）。這些阿里都能提供。開源模型是流量入口，云服務才是利潤來源。

這個模式其實很像早年的互聯網公司：免費產品獲客，增值服務變現。只不過規模和技術門檻完全不同。

三、阿里巴巴的進化邏輯：永遠跟著客戶需求走

港大教授鄧希煒問了一個好問題：阿里從B2B電商變成AI云計算公司，秘訣是什么？

蔡崇信的答案很樸素：沒有秘訣，就是跟著客戶需求走。

阿里1999年成立時，中國還沒加入WTO，國際貿易必須通過國有貿易公司。2001年入世之后，小企業可以直接和全球做生意了。阿里的B2B平臺就是幫這些小廠找買家——第一版網站是英文的，面向海外。

后來消費者電商起來了，就有了淘寶。買家和賣家互不信任，就發明了支付寶（最初是個擔保交易系統）。物流跟不上，就投資物流。

云計算也是一樣的邏輯。16年前，沒人討論云。但阿里的消費平臺要處理海量數據，如果繼續用Dell的服務器、EMC的存儲、Oracle的數據庫，所有利潤都會交給這些供應商。

阿里的CTO說：我們得自己搞。

"We developed cloud computing really out of necessity, out of the need to become self-reliant in technology." （我們發展云計算完全是出于必要，出于對技術自主可控的需求。）

所以阿里云的起點是"自己吃自己的狗糧"（eat our own dog food）——先內部用，用好了再開放給外部客戶。

蔡崇信對年輕創業者的建議也很明確：優先選擇有機增長（organic development），而不是并購。因為自己團隊培養出來的能力，DNA純正，文化匹配。阿里也做過并購，"有些成功，有些失敗得很慘"。

四、給年輕人的建議：學會提問，比學會回答更重要

演講最后有學生問答環節。蔡崇信關于技能和專業選擇的回答，信息密度很高。

1、技能層面：三件事

第一，學會獲取知識。聽起來是廢話，但在AI時代，知識獲取的效率差異會被放大。

第二，建立分析框架。不是死記硬背，而是能對信息做出自己的判斷。

第三，學會提問。蔡崇信特別強調這一點——提出正確的問題（ask the right questions），比找到答案更重要。

2、要不要學編程？要，但理由變了

很多人說AI時代不用學編程了，用自然語言（natural language）就能指揮機器。蔡崇信不同意。

他說學編程的目的不是為了操作機器，而是訓練思維過程。

"The purpose is not to actually operate a machine. The purpose is going through that thinking process." （目的不是操作機器，而是經歷那個思考過程。）

他甚至建議學電子表格——能把一個復雜公式寫對，讓數字自動計算出來，這本身就是邏輯訓練。

3、專業選擇：三個方向

數據科學（data science）：其實就是統計學的新名字，但未來數據會爆炸式增長，懂得管理和分析數據的人永遠稀缺。

心理學和生物學：理解人腦怎么運作。人腦仍然是最高能效的"機器"，AI的很多設計思路都來自對大腦的模擬。

材料科學（material science）：世界現在被比特（bits）主導，但讓比特跑得更快的，是原子（atoms）。半導體領域會有大量創新，而半導體的核心就是材料。

五、一個關于風險的故事：為什么加入創業公司

1999年，蔡崇信放棄香港的律師高薪，跑去杭州加入一個18人的小公司。為什么？

他的回答是金融人的思維：不對稱風險收益（asymmetric risk-reward）

"The downside risk was very limited. Why? Because I have a good university degree. I went to law school. Worst comes to worst, I can always work as a lawyer. The upside is unlimited." （下行風險非常有限。為什么？因為我有好的學歷，讀過法學院，最壞情況我還能當律師。但上行空間是無限的）

這就像一個看漲期權（call option）——最多虧掉權利金，但收益沒有上限。

但他補充了一句更重要的話：機會是來找你的，不是你去找它的。你要做的是"準備好"（preparedness），這樣機會來的時候才能抓住。

六、AI會是泡沫嗎？兩個概念要分清

有學生問：AI會不會像2000年互聯網泡沫一樣破裂？

蔡崇信說，要區分兩種泡沫：

金融市場泡沫（financial market bubble）：股票估值是不是太高？50倍市盈率合不合理？"這是一門藝術，我不知道。"

技術泡沫（real bubble）：技術本身是不是虛假的？

他的判斷是：AI可能存在金融泡沫，但技術本身是真實的。就像2000年3月互聯網泡沫破裂，但互聯網并沒有消失——今天互聯網比那時候強大得多。

所有投入AI基礎設施的資源、模型開發的努力，不會打水漂。

七、關于體育投資：一個關于文化交流的彩蛋

蔡崇信擁有NBA布魯克林籃網隊（Brooklyn Nets）、WNBA紐約自由人隊（New York Liberty）、NLL圣地亞哥隊（San Diego Seals）和拉斯維加斯沙漠之犬隊（Las Vegas Desert Dogs）等多家美國職業運動隊。今年籃網時隔六年重返中國（澳門），這是他主動推動的。

但他做體育投資最有意思的部分，是一個教育項目：每年選6-8個中國初中生，送去美國讀高中、打籃球。

"The biggest beneficiaries are the high school kids in the US. They see these kids coming from China. They've read about China but they haven't interacted with individuals." （最大的受益者是美國的高中生。他們看到這些中國孩子來了，他們讀過關于中國的東西，但從沒和個體互動過）

他說這是在"復制自己的經歷"——13歲離開臺灣去美國讀書。人與人的交流（people-to-people exchange），比任何官方渠道都重要。

三個最核心的洞察

Q1：中國AI的真正優勢是什么？

不是模型本身，而是讓AI被廣泛使用的整個生態系統。電力成本低40%、數據中心建設成本低60%、全球一半AI人才有中國學歷、資源匱乏逼出系統級創新——這些加在一起，讓中國更有可能實現AI的大規模普及。而普及率才是真正的計分板。

Q2：為什么開源模式會贏？

因為對全球大多數用戶來說，開源同時解決了成本、數據主權和隱私三個問題。閉源模型要付費，數據要喂進黑箱；開源模型免費，數據可以留在本地。這不是技術優劣之爭，是利益格局使然。

Q3：年輕人應該怎么為AI時代做準備？

學編程不是為了寫代碼，而是訓練邏輯思維；學統計（數據科學）是因為數據會爆炸；學心理學是因為要理解人腦這個最高效的"機器"；學材料科學是因為讓比特跑得更快的是原子。更重要的是，學會提出正確的問題——這比找到答案更有價值。*