本文为蔡崇信11月在香港大学分享观点整理，主题涉及了从体育投资看文化交流的深层价值，阿里AI战略与中国技术突围之路，以及给年轻人在AI时代的建议。希望本文对您有所帮助。
核心观点整理：
· “中国拥有全球规模最大的STEM毕业生和工程师群体。虽然我们在GPU资源上相对匮乏，但这反而催生了一种‘饥饿式’的优势——这迫使我们在系统层面上进行极致的优化与创新。”
· “所谓‘产能过剩’（Overcapacity），本质上是一个国家将本国无法消化的生产能力转化为出口的能力。这不应是一个贬义词，而是一个国家致富的途径。”
· “中美AI竞赛的记分牌不应仅仅看谁的大模型更强，而应看谁的采用率（Adoption Rate）更高。采用人工智能的人越多，社会受益就越大。”
· “开源之所以重要，不仅因为成本低廉，更关乎数据隐私。如果你使用闭源API，那是将数据输入黑洞；而开源允许企业构建私有云，真正掌控自己的数据。”
· “未来的世界由比特（Bits）主导，但让比特移动得更快的将是原子（Atoms）。因此，理解原子运作方式的材料科学将是下一个创新的爆发点。”
· 阿里巴巴的成功秘诀：始终顺应客户需求进行有机发展（Organic Growth），通过解决信任、物流等痛点衍生出支付宝、淘宝等业务；云计算的诞生源于技术自立和处理海量数据的内部需求。
· 中国经济增长动力：未来十年将依赖高科技制造业（如电动车、电池）和技术自立。产能过剩本质上是出口能力的体现，是国家致富的途径。
· 中国AI的竞争优势：
1）能源优势：国家电网的长期投资使得电力传输高效且成本低廉。
2）基础设施成本：数据中心建设成本显著低于美国。
3）人才储备：拥有全球规模最大的STEM毕业生和工程师群体，擅长系统级优化。
4）开源策略：通过开源模型促进AI普及和应用，相比美国的闭源模式，更能兼顾成本效益与数据隐私。
· 给青年的建议：应掌握获取知识的方法、分析框架及编程逻辑；推荐关注数据科学、心理学/生物学（理解大脑）以及材料科学（原子层面的创新）。
· 管理哲学：无论是商业巨头还是职业球队，核心都在于雇佣比自己更优秀的人才并给予信任。
01.
高科技制造业：中国经济增长的真正引擎
面对关于中国经济放缓的讨论，蔡崇信展现出了基于历史纵深的乐观。他指出，中国经济的韧性在于其明确的“双引擎”战略：保持制造业强国地位与实现技术自立。
针对西方舆论中常被提及的“产能过剩”问题，蔡崇信给出了极具洞察力的反驳。他认为，将强大的制造能力视为负面因素在逻辑上是站不住脚的。“如果德国出口了他们所有的汽车，有人会指责他们产能过剩吗？” 蔡崇信反问道。他强调，“产能过剩本质上是出口能力的体现，是一个国家通过向世界提供产品来积累财富的必经之路。”
未来的关键在于制造标的之变。中国正从T恤和鞋子的制造基地，极速转型为高科技产品的全球工厂。从电动汽车、电池技术到太阳能面板，中国不仅拥有完备的供应链，更在成本控制和规模化生产上建立了难以逾越的护城河。蔡崇信预判，未来十年，这种“高科技制造业+出口”的模式，仍将是中国人均GDP迈向3万美元大关的核心动力。
02.
能源、成本与人才：中国在AI竞赛中的“隐藏牌”
当话题转向当下最炙手可热的人工智能时，蔡崇信并未回避中美之间的差距，但他提供了一个不同于硅谷的评估框架。他认为，美国往往通过“大语言模型（LLM）的性能”来定义比赛结果，但中国在基础设施和应用落地层面拥有独特的非对称优势。
首先是能源优势。AI训练与推理本质上是能源密集型产业。蔡崇信指出，得益于国家电网过去15年在特高压输电领域的超前投资（每年约900亿美元，远超美国的300亿美元），中国能够高效地将西部的清洁能源输送到东部的计算中心。“这意味着，中国每千瓦时的电力价格比美国便宜约40%。”
其次是算力基础设施的成本优势。在中国建设数据中心的成本比美国低约60%。这种结构性的成本差异，将直接转化为AI服务价格的竞争力。
第三是工程化人才的红利。蔡崇信特别区分了“科学家”与“工程师”。尽管顶级AI科学家全球稀缺，但中国拥有全球最庞大的工程师队伍。“许多工作并非纯粹的科研，而是工程问题。” 他解释道，在算力受限（GPU短缺）的客观环境下，中国工程师更擅长在系统架构层面进行优化，这种“被逼出来的创新”让中国模型在效率上往往表现得更为出色。
03.
开源策略：普及率与应用场景的胜利
在AI的发展路径上，蔡崇信明确指出了中美两国的策略分岔：美国走向闭源与高价，而中国则拥抱开源与普及。
他提到了近期备受关注的DeepSeek（深度求索）以及阿里巴巴自己的“通义千问”模型，这些中国模型在各类测评中已展现出与顶尖美国模型并驾齐驱的能力。但更重要的是商业逻辑的差异。
“我们不从模型本身赚钱，我们通过云基础设施盈利。” 蔡崇信一语道破了阿里巴巴的AI战略。通过将高性能模型开源，阿里降低了全社会使用AI的门槛。对于中东、东南亚等希望拥有“主权AI”但缺乏研发能力的国家和地区而言，基于开源模型进行微调是比直接购买OpenAI API更具吸引力的选择。
“这其中还有一个关键因素：数据隐私。” 蔡崇信强调，使用闭源API意味着将核心数据交给“黑箱”，而开源模式允许企业在私有云环境中运行模型，从而确保了数据的绝对安全。这种对成本效益与数据主权的兼顾，将是中国AI在全球市场突围的关键。
04.
阿里巴巴的进化论：从顺应需求到技术自立
回顾阿里巴巴26年的发展史，蔡崇信将其总结为一种“有机的进化”。从最初帮助中小企业出口的B2B平台，到解决信任问题的支付宝，再到因内部数据处理需求而诞生的阿里云，阿里的每一步转型都是为了解决具体的客户痛点或自身瓶颈。
“云计算的诞生并非因为我们觉得这是一门好生意，而是出于技术自立的必要性。” 他回忆道，16年前，如果继续依赖传统的IT架构（IOE），高昂的成本将吞噬掉公司所有的利润。这种“自身痛点即市场痛点”的逻辑，如今也延续到了AI时代。
蔡崇信坦言，管理一家像阿里巴巴这样的巨头，核心在于“雇佣比自己更优秀的人才”。无论是在商业帝国还是在他拥有的布鲁克林篮网队（Brooklyn Nets），领导者的职责是制定愿景并给予专业人士充分的信任。
05.
AI作为“伙伴”的未来与给年轻人的通识建议
在访谈的最后，蔡崇信展望了AI技术的终极形态。他认为，当AI从单纯的效率工具进化为能够提供情感价值的“伙伴”时，人类社会将迎来真正的变革。“当人们开始像对待另一个人一样对待AI时，那既令人兴奋，也有点可怕。”
面对台下众多的年轻学子，蔡崇信给出的建议跨越了学科的界限。他并没有建议所有人都去钻研算法，而是强调了三种核心能力的培养：
1. 数据科学：在数字化世界中，理解和分析数据的能力是基础语言。
2. 心理学与生物学：要构建更好的人工智能，首先需要理解人类大脑这一“最高效机器”的运作机制。
3. 材料科学：“未来属于比特，但限制比特速度的是原子。” 无论是芯片制造还是能源存储，物理世界的底层创新将是突破算力瓶颈的关键。
在这个充满不确定性的时代，蔡崇信的这番对话不仅是对阿里巴巴战略的剖析，更是一份关于中国如何在技术封锁中突围、在变革中寻找新增长点的深度观察报告。正如爱德华教授在结语中所总结的：“国家战略的定力、能源基建的远见、庞大的工程师红利以及开放的生态系统，这四者构成了中国AI发展的独特飞轮。”
