人工智能大模型竞争正在从能力排行榜进入使用成本与企业生产力的较量。11月16日,阿里巴巴(09988.HK)旗下阿里云正式推出Qwen4-Max,披露模型总参数达2.4万亿、支持100万个Token上下文窗口,并具备原生视觉理解能力。公司提供的Work360内部测评显示,在覆盖721个专业领域的复杂任务中,新模型相较前代Qwen3.8-Max总体能力提升,高强度推理模式使用的Token减少35%,平均单任务成本下降约60%。从资本市场角度看,参数规模本身不直接决定云业务收入,企业真正愿意付费的是完成工作任务所需的综合成本、稳定性和准确性。对阿里云而言,这次发布试图把模型能力与商业化效率联系起来。
公司介绍,Qwen4-Max采用稀疏混合专家架构,在2.4万亿总参数规模下,每个Token激活约710亿参数,较前代相同规模模型减少约25%。架构设计的意义在于,将不同任务分配给部分专家模块,减少不必要的计算投入,并让高性能推理在单位成本上具有更大优化空间。但实际企业使用成本并不只由Token定价决定,还包含工具调用、任务重试、人工校验、存储、数据安全以及系统集成费用。公司所谓单任务成本下降约60%,来自其指定基准测试条件,不能直接推广为所有客户实际账单下降同等幅度。尤其复杂智能体任务的工具链、失败率和人工复核成本差异较大,市场需要更多真实客户案例验证。
模型价格与云计算收入之间存在微妙关系。降价可以扩大需求、降低企业试用门槛,也可能在短期内减少单位调用收入;只有调用量和高价值服务同步增加,才有机会带来更大的整体收入规模。阿里云若把基础模型、模型调用平台、GPU计算、数据库和企业工具整合为一套服务,客户便可能从单纯购买Token升级为购买稳定的生产流程。与一次性模型API调用相比,企业工作流的集成度更高、迁移成本也可能更大,从而形成更好的客户留存。但这种商业模式仍需接受毛利率检验,算力投入、推理优化和价格竞争之间的平衡,是决定AI云服务能否持续盈利的关键。
阿里巴巴同时强调,Qwen4-Max已通过QwenCloud等平台提供Token套餐和API,并延伸至工作协作和开发者工具。公司披露模型在代码、智能体和视觉推理评测中表现较强,但技术榜单的价值需要与企业任务通过率和商业使用场景结合观察。面向开发者的开放生态有助于扩大试用规模,商业化则要依赖订阅转化、企业合同期限和实际使用频率。更重要的是,企业客户通常要求数据隔离、权限管理、合规审计和服务可用性保障,尤其在金融、医疗及大型企业市场,价格更低并不是唯一采购条件。若阿里能够通过云平台提供完善的治理和运营工具,就更有机会从模型竞争走向软件与基础设施服务竞争。
对港股估值而言,Qwen4-Max是新的产品催化,但不能脱离阿里巴巴整体现金流和电商业务竞争来评估。模型研发和云数据中心建设需要持续投资,短期成本可能领先收入兑现。11月19日公司将进入新一轮财报发布窗口,投资者应重点核对云业务收入增速、AI相关订单、资本开支、云利润率和管理层对商业化需求的判断。若技术效率提升能够推动企业客户使用量增长,并逐步改善单位算力的盈利能力,大模型竞争才可能对阿里形成可持续收益;若市场仍以价格战扩大调用规模,收入增长与利润率可能出现新的分化。此次发布最值得关注的,是企业任务完成成本的下降如何最终进入财务报表。模型的商业竞争还有一个经常被低估的维度,即完成任务所需的人工干预程度。即使单次推理价格下降,若模型出现错误、反复调用工具或难以与企业内部系统连接,实际生产成本仍可能居高不下。反过来,若模型可以稳定处理长文档分析、代码开发和跨系统操作,客户或愿意为可靠性和服务保障支付溢价。阿里云需要从基准测试成绩进一步走向客户案例、合同规模及工作流部署数量,用真实商业指标解释技术投入带来的收益。