蔡崇信：AI转向隐性基础设施，知识工作者TAM达50万亿美元

蔡崇信在意大利科技盛会Wave by Vento 2026上给出了一个明确的信号：AI正在从”人人都要谈论的热点”变成”悄无声息渗进每个业务流程的底层能力”，未来五年这一转变将全面加速。这位阿里巴巴集团主席的判断之所以值得关注，不仅因为他是中国最大电商平台的掌舵者，更因为他给出的数字——知识工作者生产力提升这一AI应用场景，潜在市场规模高达50万亿美元——触及了本轮AI浪潮最核心的商业逻辑。

知识工作者TAM：50万亿美元的确定性机会

蔡崇信在演讲中给出了整场最具体的一个数字：知识工作者生产力提升这项AI应用场景，潜在市场规模（TAM）高达50万亿美元。他分析，当前AI更擅长”省时间”（帮人快速完成信息检索、文案撰写、数据整理等任务），而在”花时间”（帮人做出更好决策、创作更优质内容、解决更复杂问题）上的潜力才刚刚打开。

与传统IT投资不同，AI对知识工作的渗透不依赖大规模硬件更换——一个API调用、一个Copilot插件，就能让白领的工作方式发生质变。这种低门槛、高复利的渗透路径，正是蔡崇信判断TAM”确定性”高的核心依据。医疗与科研创新是他提到的另一大加速方向：AI辅助药物发现、影像诊断、科研文献挖掘的场景已经进入规模化验证阶段。

阿里巴巴的”公元前”与”公元后”：电商+全栈AI双核心

蔡崇信将阿里巴巴的发展以2023年为界划分为两个阶段。2023年之前，电商是绝对核心，阿里巴巴的AI能力主要服务于淘宝推荐、蚂蚁风控、阿里云企业服务等内部场景；2023年之后，阿里巴巴明确将电商与全栈AI定为双核心方向，从底层算力、模型研发到上层应用全面推进。

全栈AI战略在阿里的落地路径已初具轮廓：底层自研芯片（如真武V900）为模型训练提供算力，自研模型（通义Qwen系列）覆盖从千亿参数到万亿参数的多层次需求，上层应用则通过阿里云百炼平台、钉钉AI助理、淘宝AI购物助手等触达企业和消费者用户。蔡崇信表示，这一垂直整合的模式让阿里巴巴能够在模型能力上不依赖第三方，同时让应用层获得差异化优势。

中国AI优势：30%工业产出+完整硬件供应链

被问及中国AI竞争势能时，蔡崇信给出了一组支撑数据：中国拥有全球约30%的工业生产总量，工厂积累了大量高价值制造数据，同时在电动汽车、机器人、无人机等领域的完整硬件供应链，为AI与物理世界深度融合提供了独特优势。

他认为，AI与物理世界融合将经历三个阶段：第一阶段是数字世界里的AI（ChatGPT类应用），第二阶段是AI辅助物理操作（自动驾驶、智能仓储），第三阶段是AI与物理世界深度共舞（具身智能、机器人进入家庭和工厂）。中国在前两个阶段已有领先企业，在第三阶段的数据积累和硬件基础上同样具有优势。他判断，这一阶段的数据密度和硬件整合能力将成为竞争的关键变量。

开源哲学：欧洲”新云”企业的机会窗口

蔡崇信在演讲中重申了开源的战略价值。他认为开源模型路径正在为欧洲”新云”（Neo Cloud）企业带来发展契机——欧洲工业界可结合本地算力基础设施与开源模型，在数据主权和成本控制之间找到更优平衡。相较于将数据送至美国云服务商，使用开源模型意味着企业数据和模型交互不必离开欧洲边界，这对制造业、汽车工业等数据敏感行业尤其有吸引力。

对阿里巴巴而言，开源同样贯穿了其模型路线。Qwen系列自2023年起持续开源，参数规模从Qwen-72B覆盖到Qwen-Turbo，并衍生出众多垂直领域微调模型。蔡崇信称这一选择是”让生态伙伴用得起、用得好”的核心策略——当合作伙伴能自由部署和微调模型时，阿里云的模型调用量和云资源消耗自然会随之增长。

核心数据对比

维度	数据	说明
知识工作者TAM	50万亿美元	蔡崇信估算，AI提升生产力最确定场景
中国工业产出占比	全球约30%	制造业高价值数据基础
阿里战略分界	2023年	此前电商为核心，此后”电商+全栈AI”双核心
开源模型	Qwen系列	阿里模型核心路线，参数覆盖72B到Turbo
芯片自研	真武V900	阿里自研AI训练芯片，提供3倍算力

FAQ

50万亿美元TAM是怎么算出来的？

蔡崇信没有给出详细计算过程，但他的逻辑是：全球知识工作者人数庞大（白领、研发人员、专业人士），若AI能将每个人的产出效率提升一定比例（保守估计5%-10%），即使幅度不大，绝对经济增量也极其可观。这与高盛、麦肯锡等机构此前估算的”AI对全球经济产出贡献数万亿美元”方向一致，只是蔡崇信用了更具体的场景聚焦——知识工作者生产力，而非泛指所有行业。

“AI转向隐性基础设施”对普通人意味着什么？

意味着AI不再需要被刻意提及才会被使用——就像电和互联网一样，未来的业务流程中AI会自然嵌入。用户不会感知到”我在用AI”，只会发现”这件事比以前更快、更准、更便宜”。对知识工作者而言，这意味着写报告、查数据、做分析的工作方式正在被AI系统性改造，而这种改造不会因为某款AI产品下架而消失——它已经成为工作流的一部分。

中国AI的全栈优势能持续多久？

蔡崇信指出，数据和硬件供应链是中国当前最具差异化的资产。但他也提到，算力和模型能力仍存在竞争门槛——美国企业在基础模型研发上的投入规模和顶尖人才密度仍然领先。数据优势能否转化为模型优势，取决于算力投入和算法创新的持续性，这是一场长跑而非短程冲刺。蔡崇信的判断是：中国有自己的长板（数据和硬件生态），但全栈竞争需要持续的高强度投入。

延伸阅读

AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。