阿里这次业绩会里有一句话我觉得非常重要：**算力正在从“成本项”变成“收入项”。**

很多人现在看AI Capex，还是习惯用传统互联网公司的思路：今年多买了几万张GPU、建了几个数据中心，折旧这么高，到底什么时候产生现金流？

我觉得换一个角度，就很容易理解了。

过去制造业提高劳动生产率，靠的是什么？机械臂、自动化产线、24小时运行的黑灯工厂。本质上，是用资本设备去替代一部分体力劳动。

那么今天办公室里这么多白领，怎么提高劳动生产率？

答案就是**算力+模型。**

如果说机械臂是体力劳动的生产工具，那么算力就是脑力劳动的生产工具。机械臂可以让一条生产线少用几十个人、24小时不停工；模型同样可以让程序员、分析师、客服、设计师、律师、投行、咨询顾问用更少的人完成更多工作。

所以算力真正应该对标的，未必是“服务器成本”，而是**全球每年几万亿美元甚至更大的白领工资和专业服务支出。**

只要一美元算力能够替客户节省两美元人工，或者创造三美元新增收入，它就不是成本，而是一项有ROI的生产资料。

这也是为什么未来AI算力的定价逻辑，很可能越来越不像传统云计算单纯卖CPU、存储和流量，而越来越接近**按创造的经济价值定价。**

进一步说，我认为未来的AI服务一定会出现非常明显的分层。

最前沿的模型，如果智力水平、专业能力已经接近顶级高校毕业生甚至优秀的投行、咨询、程序员，可以独立完成高价值任务，那么企业完全有可能愿意为这样的“数字员工”支付每个月几千甚至1万美元以上。

因为客户比较的不是“这次推理用了多少钱GPU”，而是：

**我以前是不是需要一个年薪20万美元的人来完成这项工作？**

如果一个普通模型只能完成基础文员、客服、资料整理工作，那么它的价格自然对应另一档人力成本。

于是最终会出现一个非常庞大的“数字劳动力市场”：

顶级模型卖高端脑力劳动，中端模型卖一般专业劳动，开源模型承接大量标准化工作。

价格不再只是按照token或者GPU小时决定，而是最终锚定这个模型能够替代多少劳动、创造多少收入。

而不管是哪一个层级的数字劳动力，底层都需要跑在算力平台上。

所以今天的大厂为什么如此疯狂地建设AI基础设施？

因为他们争夺的根本不是今天这几百亿美元的GPU市场，而是未来全球白领劳动和专业服务的一部分价值池。

要抢这个市场，至少需要两样东西：

**第一是算力基础设施。** 没有足够的GPU、网络、数据中心，你连“数字员工”都养不起。

**第二是模型能力。** 同样100美元的算力，有的模型只能做文员，有的模型却可以做程序员、分析师甚至高级专业人士。模型能力决定了这份算力最后能够卖出什么价格。

所以阿里今天说“算力不是成本项，而是收入项”，背后的逻辑其实非常深。

AI真正走到商业化阶段以后，算力不是互联网时代单纯的IT开支，而更像工业时代的机器设备——只不过机械设备替代的是肌肉，**AI算力替代和增强的是脑力。**

从这个角度看，现在讨论AI最大的误区之一，可能就是天天问：

**“是不是基础设施投得太多了？”**

真正应该问的是：

**如果未来全球几亿白领每天都要调用几十个、几百个AI Agent帮助工作，需要多少算力？**

一旦数字劳动力开始真正进入企业生产体系，今天我们看到的算力需求，可能还只是这个市场非常早期的阶段。