阿里云

在全部参赛者中，高校及研究人员占比超七成（74.7％），其中硕博研究生比例高达 67.4％；同时，来自企业和一线实战领域的开发者占比达到 25.2％，高学历、强实战成为本届选手的显著标签。

大模型很火，但Token不是一门只要有流量就能赚钱的生意。

公有云基础设施市场里，火山已经升至第二，阿里与火山合计超过六成。在座舱解决方案市场，两家的顺序反过来，火山第一，阿里巴巴第二。

随着大模型在智能座舱、智能辅助驾驶等场景中加速落地，汽车行业对算力资源与AI技术的需求持续增长。

分歧的本质并非AI云的长期价值存疑，而是在云计算从售卖资源的上半场，转向输出智能的Agentic Cloud下半场的范式迁移之下，云厂商押上了史无前例的资本开支，但没有人真正知道这笔钱什么时候、以什么路径收回来。

容器平台的价值，已经不只是“把应用运行起来”，而是让AI业务在复杂环境中高效、稳定地规模化运行。

可灵营收的高增长源于B端企业客户的API调用和P端付费会员订阅的双轮驱动。

金融行业的 AI 改造，并不是接入一个大模型接口就能交差，而是要从底层数据治理到上层交互逻辑，完成一场由内而外的重构。

真正的智能化不是”买几套AI系统”这么简单，只有把技术能力、业务知识和组织机制一起沉淀下来，AI才可能从外部工具变成企业自身的能力。

真正的门槛，从来不是把模型做大，而是让模型替你把成本做小。

真正拦住AI的并不是模型本身。模型是现成的，花钱就能用，难的是模型够不着的部分：数据需要人一条条理出来，客户需要人逐个去教会，而错综复杂的跨部门流程，更需要老板亲自拍板才能调动。

阿里下一阶段的Scaling并不只是把模型做得更大，而是要用更低的成本，支撑更大的模型继续向前。

模型一旦长成 Agent，它就不再是一个躺在那里等你调用的接口，而更像一个会自己找数据、自己拆任务、自己并发试错、自己一直跑下去的数字员工。

Flash 模型的价值，已经从“更便宜地回答问题”转向“以更低成本进入真实高频工作流”，两款模型都能胜任基础办公应用开发，但 GLM 胜在系统完整度和工程感，Qwen 胜在对个人办公节奏的捕捉。

活动期间，Qwen3.8-Flash 计费系数由 0.1× 降至 0.0×，调用不消耗 Credits，自动生效，无需领取。

企业正处在 “换了电机，却尚未重新设计工厂” 的阶段。

从智能座舱到自动驾驶，从端侧小模型到云端万亿参数推理集群，再到车企内部组织效能的提升，阿里云正在构建一套覆盖中国智能汽车全产业链的 AI 基础设施。

对于一直苦于寻找 AI 技术落地场景的创业者来说，这无疑也是发现真实需求、解决真实需求的好时机。