> 公众号：CxO卓越圈 | 作者：CxO | 发布：2026年9月28日 00:00
> 原文链接：https://mp.weixin.qq.com/s/bdEsPVG2R66v_BbI3nqAZA
—
!图片
引言
2026年9月，中国企业级AI市场连续迎来了两场重量级大会。
9月17日至19日，华为全联接大会2026在上海举行，主题是“智启新未来”。华为把大会的核心主张概括为一句话：聚焦AI基础设施，打造智能世界的“硅基黑土地”。几天之后，9月22日至24日，阿里2026云栖大会在杭州举行，主题是“智以致用”。吴泳铭在大会上提出，未来“机器正在成为思考的主力”，智能将逐步成为一种可以规模化生产和消费的商品。
两场大会时间相近，讨论的都是AI、云、算力、模型和智能体，但背后却是两套并不相同的产业逻辑。
华为真正关心的是：当AI从办公场景进入银行核心系统、工业生产、电力调度、交通基础设施和政府业务以后，需要什么样的底层架构，才能让AI长期、稳定、安全地运行？
阿里更关注另一个问题：当模型能力不断提高、Token消费持续高速增长、越来越多智能体开始替企业工作之后，如何把机器智能像电力一样大规模生产、调度和消费？
一个从物理基础设施和行业现场向上推进，一个从模型、云和开发者生态向下延伸。过去几年，两条路线之间还有明显距离；到了2026年，它们第一次如此清晰地开始向同一个中心汇合：企业真正的核心生产系统。
这也是为什么今天再比较华为和阿里，已经不能停留在“谁的云更强”“谁的芯片更强”或者“谁的大模型更强”这样的单点问题上。真正值得讨论的是，在AI从技术试验进入规模化生产之后，谁能够掌握企业智能化最关键的控制点，谁又能够把AI从模型能力真正转化为业务价值。
IDC 2026 V2版《全球人工智能和生成式人工智能支出指南》显示，全球AI IT投资预计将从2025年的约6950亿美元增长到2030年的3.12万亿美元，2025—2030年复合增长率约35%；中国AI支出预计从2025年的约637亿美元增长到2030年的3034亿美元，复合增长率达到36.6%。与此同时，AI在全球ICT支出中的占比预计将从2025年的9.7%提升到2030年的27.8%。
这意味着未来五年并不是简单的“大模型增长周期”，而是一个AI逐渐重构整个ICT产业结构的超级周期。
华为HCC和阿里云栖大会，正是在这个背景下释放出了两条非常不同、但又高度互补的路线。
一、先看大会主题：四个字背后，是两种截然不同的产业叙事
华为全联接大会2026的主题是“智启新未来”。大会围绕全面智能化战略展开，重点讨论AI基础设施、“华为+伙伴”的体系化能力、开源开放生态以及行业智能化规模落地。华为把自己的定位说得非常明确：聚焦AI基础设施，打造智能世界的“硅基黑土地”。
阿里的主题则是“智以致用”。整个云栖大会设置了围绕战略、Agentic Cloud、MaaS与Agent以及社会价值展开的主论坛，120余场分论坛和5万平方米展区，核心问题可以归纳为一句话：AI怎样真正走向生产。
表面上，两家公司都在讲“落地”，区别却相当明显。
!图片
如果把两场大会压缩成两个画面，华为希望建设的是一片足够肥沃、稳定、可靠的“土地”，企业、模型和智能体可以在这片土地上生长；阿里更像是在建设一套“发电厂+电网”，芯片负责生产Token，云负责把智能输送到每一个需要智能的应用和终端。
吴泳铭在云栖大会上的表达非常典型。他提出，“机器正在成为思考的主力，智能正在成为一种规模化的商品”，并把机器智能时代的基础设施归纳为三大基石：AI模型、AI芯片和AI云 。在他的设想里，Token类似电力，芯片像发电机，而AI云承担电网的角色。阿里计划到2032年让其运营的全球数据中心容量超过20GW。
华为的逻辑则明显更“工程化”。华为认为AI战略的核心是算力，坚持硬件变现，通过“超节点+集群”建立系统架构竞争力，同时向上支持主流模型和行业智能体，向下延伸到网络、存储、终端、汽车和物联网。
所以，从战略语言就可以看出两家公司的基因差异。
华为首先问的是：如此巨大的智能需求，底座扛得住吗？
阿里首先问的是：如果智能将增长几万倍，怎样把它生产出来并卖出去？
前者更像基础设施公司的问题，后者更像云平台公司的问题。
但企业真正需要的，恰恰是两种能力的结合。
二、两场大会真正争夺的，不是云，而是AI时代新的企业技术底座
如果只看大会内容，会发现华为与阿里都在谈算力、芯片、云、数据、模型和智能体，因此很容易形成一种印象：两家公司越来越像。
但如果继续向下看，它们的战略中心其实并不相同。
华为此次进一步强化了“硅基黑土地”的定位。其底层逻辑是，AI进入企业以后，最终仍然必须运行在真实的数据中心、网络、存储、服务器、边缘节点和生产现场之上。因此，决定AI能否真正规模化的，不只是模型能力，而是算力、网络、存储、系统稳定性、工程能力、行业理解和长期服务能否形成一个整体。
阿里的逻辑则更接近“机器智能工业化”。吴泳铭在云栖大会中把未来机器智能的基础设施概括为AI模型、AI芯片和AI云。如果把AI芯片理解为“生产Token的发电机”，那么云就是把机器智能输送出去的“电网”。阿里的核心判断是：未来机器智能本身会成为一种规模化生产和消费的商品，而Token将逐步成为衡量机器工作量的重要单位。
因此，两家公司虽然都在建设AI基础设施，但定义并不完全相同。
华为更强调“算、存、网、云、端、边”构成的系统基础设施，希望通过系统工程把AI带入核心生产环境；阿里更强调“模型、芯片、云、Agent、Context”形成的智能供给体系，希望把机器智能变成企业可以随时调用的数字生产资料。
一个更接近工业体系中的基础设施逻辑，一个更接近互联网和云平台体系中的规模化平台逻辑。
这也是理解两家公司后续产品、行业策略和生态打法的关键。
!图片
三、从产品发布看：华为在造“一台超级计算机”，阿里在造“一座智能发电厂”
华为此次HCC最重要的技术关键词，不是某一颗单独芯片，而是“超节点”。
原因并不复杂。进入十万卡、几十万卡甚至百万卡时代之后，决定AI系统效率的已经不再只是单颗芯片峰值性能。网络互联、内存访问、KV Cache、调度系统、故障恢复、能源效率和系统可用性，都开始直接影响每瓦电最终能够生产多少Token、每一元算力投入最终能够完成多少真实任务。
IDC与中国信通院2026年联合调研显示，2025年中国AI IaaS市场规模已经达到约486.7亿元，同比增长128%。截至2026年2月，中国企业自建智算云推理算力已经超过350 EFlops，可支撑日均超过70万亿Token。市场关注点正在快速从“有没有算力”转向“算力利用率有多高、每单位算力能产生多少Token、单位Token成本还能否继续下降”。
所以，华为此次真正强调的是系统架构。
昇腾960、超节点、鲲鹏超节点、灵衢UnifiedBus、OceanStor M900 AI记忆存储等一系列发布，本质上都在回答同一个问题：能不能把原本分散的计算资源重新组织成一台逻辑意义上的巨型计算机。
在传统数据中心里，服务器之间更多是松耦合关系；在大模型训练和未来Agent大规模运行环境中，计算、存储和网络之间必须更加紧密。尤其当Agent连续工作几十分钟甚至几个小时以后，系统需要反复读取上下文、调用工具、访问数据库、共享记忆和保存任务状态，此时瓶颈早已不只是GPU，存储和网络会越来越重要。
这也是华为发布AI记忆存储的意义所在。
模型越强，智能体越多，企业越会发现“记忆”正在成为新的基础设施。谁能够低成本、高速、安全地保存和调用大规模上下文，谁就更有机会降低智能体长期运行的成本。
与此同时，华为云也在补齐上层能力。Agentic MaaS负责模型服务，AgentArts与openJiuwen负责智能体开发、运行和治理，行业AI梦工厂则进一步把行业知识、模型和项目资产沉淀成可以复制的能力。
因此，华为的技术体系正在从过去的“芯片—服务器—网络—存储”，进一步演化为“算力—数据—模型—智能体—行业生产系统”。
阿里的路线则从另一端出发。
2026云栖大会上，阿里公布了从真武AI芯片、Qwen大模型、云基础设施到Agentic Cloud的全栈体系。相比某个具体参数，更值得企业用户关注的是阿里对下一代云计算架构的重新定义。
阿里把Agentic Cloud概括成三个核心场景：Model、Harness和Context。
Model负责模型训练和推理，Harness负责Agent如何运行、协作、调用工具和管理权限，而Context则负责让智能体持续理解企业当前发生的事情，包括业务系统、文档、历史交互、多模态信息和长期记忆。
这比过去企业普遍采用的“模型+RAG+知识库”更进一步。
知识库主要解决“企业过去知道什么”，而Context解决的是“企业此时此刻正在发生什么”。当Agent真正进入企业以后，这种区别非常关键。
一个采购Agent如果不知道当前库存、未来生产计划、合同执行情况、供应商风险和实时价格，就无法真正完成采购任务；一个设备维修Agent如果不了解设备当前状态、历史检修记录、备件库存和异常工况，也只能停留在知识问答层面。
阿里披露，Agent Context在客服、AI Coding和数据分析等知识密集型场景中，最多可以降低约67%的Token使用量。背后的逻辑很简单：如果企业能够更精准地把上下文提供给模型，就可以减少重复推理和无效Token消耗。
因此，如果说华为是在努力把数十万甚至上百万颗芯片变成“一台计算机”，那么阿里是在努力把模型、Token、数据和Agent组织成“一座机器智能发电厂”。
两种路径最终都会进入企业，但入口并不相同。
!图片
四、金融：最早进入“Token经营”的行业，也最能体现两种路线的差异
金融很可能是未来三年华为和阿里正面竞争最激烈的行业之一。
IDC 2026年对中国金融行业生成式AI的研究显示，中国金融行业生成式AI市场规模正在快速扩大，预计将突破400亿元级别。与此同时，金融已经成为中国智能体和Token消费最活跃的行业之一。
原因并不难理解。
金融行业数字化程度高、数据量大、流程复杂，而且大量工作天然适合知识推理和智能体执行，例如客服、风险控制、投研、营销、反洗钱、信贷审批、内部运营以及软件研发。
华为在HCC提出Fintelligent AI体系，把金融AI进一步拆分为智能体工厂、Token工厂和数据知识工厂。这个架构非常符合大型金融机构的管理逻辑。
智能体工厂解决“怎么批量生产Agent”，Token工厂解决“怎么管理算力和成本”，数据知识工厂解决“如何把几十年积累的数据、规则、代码和专家经验变成AI可以持续利用的资产”。
截至2026年6月，华为已经服务80多个国家和地区超过7100家金融客户，其中包括全球Top 100银行中的54家。这种长期金融基础设施和系统工程经验，是华为非常重要的优势。
阿里在金融领域展示的另一条路线，则更加突出Token经济性。
平安在云栖大会上披露，过去不到一年时间，其日均Token消耗从约300亿增长到超过3000亿，算力规模从800PF提升至1500PF。通过模型、推理引擎和算力调度的全栈优化，单位算力Token产出提升368%，单位Token成本下降76%。
更值得关注的是业务侧结果。平安“一句话办事”已经覆盖300多项高频服务，上线4个月累计使用超过1亿人次，端到端解决率达到92%。
这个案例意味着银行AI已经从“有没有大模型”进入了新的阶段。
未来金融机构最核心的问题，不再是部署了多少模型、上线了多少场景，而是每一单位算力到底能生产多少有效Token，每百万Token最终创造了多少业务价值，一个Agent到底能够解决多少真实问题。
从这个角度看，华为强调的是金融机构掌握自己的AI基础设施和治理体系，阿里则更强调Token效率和智能消费规模。
未来成熟金融机构很可能两件事都要做。
!图片
五、电信：华为帮助运营商重构基础设施，阿里推动运营商成为AI服务入口
电信行业更能够体现两家公司基因的差异。
IDC 2026年最新研究显示，AI已经从运营商的试验性项目变成基础设施优先级。运营商一方面希望利用AI优化网络运营、客服和营销，另一方面又希望借助算力、云和智能体寻找传统连接业务之外的新收入来源。
华为在HCC提出“超越连接”，希望运营商把网络、IDC、算力和企业客户关系重新组织起来，从传统Connectivity Provider进一步演化为AI Infrastructure Service Provider。
这种逻辑非常符合运营商的资产结构。运营商最大的资源并不只是基站和光纤，而是遍布全国乃至全球的机房、网络、电力资源、本地节点、政企客户关系以及复杂的运维体系。
如果这些能力与AI基础设施结合，运营商未来卖的就不仅是带宽，还可以是智算、Token、Agent运行环境、安全服务、容灾和行业AI服务。
阿里则从模型和云平台侧进入。
中国移动MoMA大模型聚合平台已经接入数百款主流模型，包括九天、Qwen和DeepSeek等。运营商越来越像一个模型聚合和AI服务入口，底层可以使用自身网络与算力，中间聚合不同模型，上层再面向政府、金融、工业、教育和医疗等行业提供MaaS和Agent服务。
因此，两家公司在运营商市场实际上并不是简单替代关系。
华为更擅长帮助运营商把网络和IDC升级为AI基础设施，阿里更擅长把模型、MaaS和Agent装进这套基础设施。
对运营商而言，未来真正有价值的可能不是“卖GPU小时”，而是从连接服务进一步走向Token服务、Agent运行服务以及行业智能服务。
!图片
六、政府：华为优势在体系化工程，阿里优势在数据、云与Agent开发效率
政府市场与互联网和零售完全不同。
IDC 2026年对“数智政府”的研究指出，政府智能化已经不是在数字政府基础上简单增加一个大模型，而是围绕数据驱动、智能决策、人机协同 重新设计治理流程。
这意味着政府AI天然更加重视私有化部署、安全合规、异构基础设施、统一数据体系和长期运维。
华为在这一市场最大的优势，依然是长期积累的复杂系统工程能力。服务器、存储、网络、政务云、城市基础设施、数据中心和行业伙伴能够被组织成一套整体方案，对于数据不出域、系统可靠性和长期运维要求很高的项目具有明显优势。
华为云同时在向上补齐智能体能力，AgentArts、openJiuwen以及行业AI梦工厂能够为政务智能体提供开发、运行和治理底座。
阿里的路线更多从数据、云和模型平台进入。
百炼、Qwen以及Agent相关能力，可以用于政务咨询导办、12345热线分析、政策解读、城市风险研判和数据分析等场景。阿里的优势在于开发效率和数据处理能力，尤其适合大量以知识、文本、数据分析和流程自动化为主的场景。
过去智慧城市建设解决的是“系统之间如何连接”，而Agent时代进一步提出了新的问题：连接起来的数据和系统，能不能让AI代表政府工作人员完成一项完整任务。
例如，未来的12345智能体不只是对工单进行分类，而是需要理解诉求、查询政策、调用跨部门数据、生成建议甚至触发后续流程。
到了这一步，竞争已经不再只是云平台竞争，而是数据治理、业务Context、Agent治理和流程重构能力的综合竞争。
!图片
**
**
七、制造：华为向OT和Physical AI深入，阿里向企业流程和知识工作深入
制造业很可能是未来五年AI价值释放最大的行业之一。
IDC预计，到2028年，中国工业企业AI支出将接近900亿元，年复合增长率达到约38%。但制造业AI与办公AI最大的不同在于，它同时存在两个世界：一个是ERP、采购、供应链、研发、财务和知识管理构成的信息世界，另一个则是设备、产线、机器人、控制系统和实时数据构成的物理世界。
华为明显在向第二个世界深入。
HCC期间，华为发布了一批制造业全球样板点。例如与凌云光合作的工业AI质检和智算样板点，把光源、相机、AI视觉模型、昇腾算力和云平台连接起来；在人形机器人领域，则通过云、边、端协同建设训练与运行环境。
这些案例代表了华为非常明确的方向：IT继续向OT下沉，AI进一步向Physical AI和生产现场延伸。
阿里在制造业的路线则更多体现数字流程的重构。
松下数字上海使用阿里云百炼、Qwen、DataWorks、MaxCompute和Hologres建设企业AI能力，并把智能体引入合同审核、知识处理、库存分析和企业协作。官方披露，自动会议纪要使文档处理时间减少80%，Smart Compare合同审核效率提高10倍，同时非技术员工可以使用自然语言完成复杂库存分析。
两类案例非常有代表性。
华为首先解决的是机器怎么看、设备怎么连接、产线怎么优化、机器人怎么工作 ；阿里首先解决的是员工怎么获取知识、供应链怎么分析、合同怎么审核、Agent怎么跨系统执行任务 。
未来优秀的制造企业不会只选择其中一条路线，而是需要逐步把两端连接起来。
尤其对于化工、钢铁、制药、能源等流程工业，真正有价值的AI不会只是办公助手，也不会直接让通用大模型控制生产装置，而会形成“机理模型+时序模型+大模型+Agent+安全控制”的组合体系。
这也是工业AI未来最值得关注的方向。
八、能源：未来竞争已经不是“AI+能源”，而是AI和能源开始成为一个系统
能源是此次两场大会中非常值得长期关注的行业。
原因在于，AI和能源第一次形成了真正的双向依赖。
AI需要越来越多电力，而新能源比例不断提高以后，电力系统本身又需要AI做预测、调度和优化。
华为在HCC把这一逻辑概括为“AI与能源双向赋能”，并发布覆盖发电、输电、配电和用电的电力样板点，同时推出设备智能运维、新能源电站智慧运营、气象功率预测等AI能力。
这里最值得关注的是设备智能运维。
电力设备异常判断不能只依赖LLM，真正可靠的体系往往要同时使用时序模型、机理知识、本体推理和大模型Agent。工业AI真正成熟的形态，很可能不是“大模型取代传统模型”，而是多种模型协同。
阿里此次云栖大会也明显加强了能源议题。
随着全球数据中心持续扩张，能源已经不再只是云厂商的成本项，而是在逐步变成AI竞争力的一部分。什么时候训练、什么时候推理、在哪个Region运行任务、如何使用绿电和储能、如何跨区域调度Token，未来都会成为AI Cloud的核心优化问题。
因此，华为和阿里的能源路线出现了一个非常有意思的交叉。
华为正在从电力系统走向算力系统，阿里正在从算力系统走向电力系统。
双方最终会在“算电协同”汇合。
九、交通：华为更多改造真实基础设施，阿里更多重构物流和业务流
交通行业同样能够清楚体现两家公司的不同。
港口、机场、公路和铁路具有大量真实基础设施，生命周期长，对系统稳定性和现场网络要求很高，因此天然更适合华为的工程体系。
山东港口青岛港与华为联合建设人工智能应用中试基地，希望推动干散货码头从“人调”走向“智调”、从“人防”走向“智防”、从“人维”走向“智维”。
这个案例真正重要的不是港口用了一个大模型，而是AI开始进入调度、安全和维护这些真正影响生产效率和生产安全的核心环节。
阿里在交通和物流行业的案例，则更体现云端AI和流程自动化优势。
印度尼西亚物流企业Lion Parcel利用Qwen-VL和Model Studio自动处理财务与文档流程，将大量原本依赖人工录入的信息转变为自动识别、集中处理和智能分析。
两个案例放在一起，可以很清晰地看到两家公司的切入点不同。
华为改变的是港口怎么运行 ，阿里改变的是物流企业怎么工作 。
前者更偏Physical Operations，后者更偏Digital Operations。
而未来真正优秀的交通智能体，一定需要同时理解订单、车辆、港口、天气、库存、客户承诺和运输价格，并能够跨系统重新规划任务。到了那个阶段，交通行业就会成为云、网络、设备、模型和Agent真正融合的典型市场。
十、零售：阿里更接近消费者，华为更接近门店和实体基础设施
零售是又一个明显不同的行业。
IDC 2026年9月最新研究显示，中国零售云市场规模已经达到约135亿元，AI正在从营销等单点能力逐步向门店运营、供应链、商品和消费者经营全链路渗透。
在零售行业，阿里的优势非常明显。
淘宝、天猫、1688、高德以及支付宝生态，加上阿里云、Qwen和Accio，使阿里天然掌握大量商品、消费者、交易和营销相关能力。
因此，阿里的零售AI更容易向消费者意图理解、智能导购、搜索推荐、营销生成、直播电商和跨境贸易延伸。
AnyMind把Qwen接入直播电商平台，就是一个典型例子。未来的直播智能体不会只负责念脚本，而是要实时理解消费者问题、商品库存、促销政策和购买意图，再动态生成回应。
华为在零售行业的切入点则更偏实体门店和基础设施。
其智慧零售体系更多聚焦门店网络、供应链、数字基础设施和实体空间智能化。
因此，在零售行业很可能形成一种非常有意思的格局：
阿里更容易掌握消费者侧的Context，华为更容易进入门店和实体基础设施侧的Context。
未来真正有价值的零售智能体，则需要把两种Context连接起来。当一个智能体既知道消费者过去买过什么，又知道离他最近的门店库存、配送能力、促销政策和供应链成本时，它才有可能从“推荐商品”真正升级为“替消费者完成购物任务”。
十一、从七大行业看，华为与阿里的优势边界已经越来越清楚
把金融、电信、政府、制造、能源、交通和零售放在一起看，两家公司的边界就明显得多。
华为最大的优势并不是“硬件更多”，而是复杂系统工程能力。
大型银行不能停机，电网不能停电，化工装置不能因为模型升级重新启动，港口不能因为Agent幻觉暂停作业，政府核心系统也不能完全依赖公共模型。
这些行业真正需要的是计算、网络、存储、云、边缘、安全、容灾、服务和运维形成一个完整体系。
这正是华为几十年通信、计算和ICT工程经验最容易转化为竞争力的地方。
但华为也面临一个非常明显的问题：基础设施能力再强，也必须让更多软件公司、模型厂商、ISV和开发者愿意长期在这套体系上创新。如果上层应用繁荣度不足，全栈能力就很难完全转化为平台优势。
阿里的优势正好相反。
阿里真正难以复制的不是单独一个Qwen，而是“模型—云—数据—应用—开发者”之间形成的飞轮。
模型能力越强，开发者越愿意使用；应用越多，Token消费越高；Token消费越高，对阿里云和AI基础设施的需求越大；业务使用越多，又会产生更丰富的企业Context，继续推动模型、数据库和Agent平台优化。
但阿里的挑战同样明显。
公共云和模型平台很强，并不天然意味着能够进入那些“不能出错”的核心生产系统。金融核心、电力、化工、工业控制、交通基础设施等环境对可靠性、现场系统和长期服务的要求，远高于普通互联网应用。
因此，更准确地说，华为正在向上走，阿里正在向下走。
双方正在企业技术栈的中间相遇，而这个“中间”，正是未来最有价值的部分：企业核心业务流程。
十二、生态伙伴：最大的变化不是伙伴会变少，而是只卖人天的伙伴越来越危险
两场大会还有一个非常明显的共同信号：华为和阿里都越来越需要伙伴，但它们需要的已经不是过去那种伙伴。
华为HCC发布面向商业市场的15大全新解决方案和115款产品，覆盖10大行业、95个场景。华为已经与伙伴完成上万个数智化项目，并形成500多个全球数智化转型样板点。
这些数字说明，未来华为在行业市场不可能单独完成所有交付。
华为可以提供算力、网络、存储、云和Agent平台，但它不可能自己理解每一家银行的风险规则、每一家钢厂的工艺、每一家化工企业的生产流程以及每一个政府部门的业务逻辑。
因此，伙伴的价值正在越来越集中到行业知识、复杂流程和最后一公里交付 。
阿里同样如此。
云栖大会超过1000家企业参与展示，AgentCore也支持第三方模型、MCP、开源Harness和商业SaaS Agent纳入统一平台。阿里不可能自己把所有行业Agent都做完。
但未来伙伴工作的内容会明显变化。
过去SI的核心任务是系统集成，未来则必须进一步回答：人和Agent如何分工、多个Agent之间如何分工、哪些操作必须由人审批、一个Agent最多可以调用多少Token、失败以后如何回滚、AI输出错误之后责任如何界定。
所以，AI时代最危险的并不是规模较小的伙伴，而是那些仍然只依赖卖License、卖设备、做接口、派驻工程师和按人天收费的伙伴。
因为这些工作的价值本身正在被AI压缩。
真正有价值的生态伙伴会越来越向两个方向分化。
一类向下走，成为复杂AI基础设施、算力运营和Token治理专家；另一类向上走，成为行业智能体、业务流程和价值实现专家。
中间那一层纯粹依靠人力完成的集成工作，会越来越薄。
**
**
十三、出海：华为与阿里的下一场竞争，很可能发生在中国之外
如果说国内市场促使两家公司不断走向全栈，那么海外市场则会迫使两家公司更加依赖自己的长板。
IDC 2026 V2版全球ICT支出指南显示，全球ICT支出预计从2025年的7.10万亿美元增长到2030年的11.2万亿美元。与此同时，全球AI支出将在2030年达到3.12万亿美元，未来五年仍然保持高速增长。
更值得关注的是区域结构。
拉美、中东、东南亚等新兴市场的AI投资增速明显高于全球平均水平，而不同区域的投资结构并不相同。有些市场更多建设AI基础设施，有些市场则更愿意直接购买软件、云和服务。
这意味着华为与阿里在海外的竞争不会简单复制国内市场。
华为的优势首先在于其全球ICT基础设施、运营商、金融和大型政企客户基础。
截至2026年6月，华为已经服务80多个国家和地区超过7100家金融客户；此外，在电力、交通、制造、零售、政府和电信等行业，华为已经形成大量海外样板点。
因此，华为海外市场更容易从ICT基础设施切入，再逐步向AI算力、行业平台和智能体延伸。
它的海外逻辑更接近“基础设施+本地伙伴+行业项目”。
阿里的优势则来自另一种全球化路径。
截至2026云栖大会，阿里云已经拥有107个可用区，覆盖全球31个Region，并继续扩展欧洲、中东和东南亚数据中心能力。
阿里的全球化更接近Cloud-first。
先建设Region，再输出数据库、数据平台和AI云能力，随后把Qwen和Model Studio带入当地市场，最终让海外客户和开发者在这套基础设施上构建Agent。
印度尼西亚Lion Parcel、东南亚电商和直播平台等案例，都体现了这一特点。
因此，阿里的海外逻辑更接近“全球云+模型+开发者+AI应用”。
两种模式都存在明显优势，也都有自己的挑战。
华为在复杂基础设施和大型行业项目中更有优势，但要继续把这种优势向软件、Agent和持续服务延伸；阿里全球云覆盖和模型开发效率更强，但进入大型能源、政府、金融核心和重资产行业时，需要更深的本地行业交付能力。
从这个角度看，华为和阿里在海外市场未来真正的竞争，不会只是争夺中国企业出海客户，而是争夺本地企业的AI基础设施和AI平台入口。
**
**
十四、对行业用户而言，最大的启示不是“选择华为还是阿里”，而是重新设计自己的AI架构
把两场大会放在一起看，对企业CIO最重要的启示，并不是供应商选型，而是企业AI架构本身已经发生变化。
过去两年很多企业的AI架构非常简单：模型、RAG、知识库，再加几个Copilot。
到了2026年，这种架构已经越来越不够。
IDC最新数据显示，2025年中国AI应用公有云服务规模已经达到137.3亿元，明显超过大模型训推公有云约79.4亿元的规模。市场已经开始从“买模型能力”向“为AI应用和业务结果付费”转移。
与此同时，企业内活跃智能体数量会快速上升。
一旦一家大型企业未来拥有几千、几万甚至更多Agent，企业技术架构至少会出现几个新的基础层：底层是异构算力，其上是模型层，再往上是企业Context和记忆层，之后是Agent运行与治理层，最后才是业务场景。
华为开始谈超节点、AI记忆存储、Token工厂和openJiuwen，阿里开始谈Model、Harness、Context和AgentCore，本质上都在回答同一个问题：
当智能体成为企业新的数字劳动力以后，IT基础设施应该怎样重新设计？
因此，对于大型行业用户来说，未来最重要的战略原则不是“All in某一家”，而是建立一种可以长期演进的架构。
底层可以异构，模型可以多模型，云可以多云，Agent也可以来自不同供应商，但企业自己的数据、Context、权限体系、Agent治理、业务流程和价值评价体系必须掌握在自己手里。
否则，企业今天可能刚刚从ERP锁定和单一云锁定中走出来，明天又重新进入新的AI锁定。
十五、未来三年，华为与阿里的竞争会从“模型和算力”转向五个真正的控制点
把2026年的HCC和云栖大会放在一起看，未来三年企业AI竞争的焦点实际上已经比较清楚。
第一个控制点是有效Token成本 。
未来企业不会只问有多少GPU，而会越来越关心一度电、一块钱、一张卡最终能够生产多少完成真实业务任务的Token。峰值算力最终会让位于有效Token经济性。
第二个控制点是企业Context 。
模型会越来越强，也会越来越商品化，但是一家银行几十年的客户关系、一家化工企业几十年的工艺经验、一家制造企业数百万张图纸和设备记录不会商品化。
所以，真正长期稀缺的并不是模型本身，而是企业自己的高质量Context。
第三个控制点是Agent运行平台 。
Agent数量越来越多以后，身份、权限、预算、审计、工具调用、异常处理、记忆和协作能力都会成为新的企业基础设施。
今天大家把Agent平台当成一个新产品类别，未来它很可能像今天的中间件、数据库和操作系统一样成为企业IT基础能力。
第四个控制点是Physical AI 。
今天大多数Agent还停留在电脑屏幕里，但未来它们会进入机器人、车辆、设备、仓库、工厂、港口和能源系统。
一旦AI真正走入物理世界，对网络、边缘、实时性、可靠性和安全性的要求会迅速上升，这也是华为长期积累的优势最容易被放大的领域；与此同时，阿里也会通过模型、云和Agent平台不断向Physical AI延伸。
第五个，也是最终决定胜负的控制点，是业务价值证明 。
过去几年AI市场最容易犯的错误，是用模型参数、算力规模、Agent数量和Token消耗替代真正的业务价值。
但到了2026年，企业正在越来越明确地问：到底省了多少钱、增加了多少收入、降低了多少风险、提高了多少良率、缩短了多少周期。
这说明整个AI产业正在进入一个更加成熟的阶段。
2023年，企业问有没有大模型。
2024年，企业问模型能力怎么样。
2025年，企业开始问有多少Agent。
到了2026年，越来越多管理层终于开始问：
AI到底创造了多少钱？
当这个问题成为主流，AI产业才真正从技术周期走向经营周期。
结语：一个在建设“土地”，一个在建设“电网”，最终都要回答“亩产多少”
如果一定要用一句话概括2026年华为HCC和阿里云栖大会，可以这样理解：
华为正在努力成为智能世界的基础设施公司，阿里正在努力成为机器智能时代的平台公司。
华为认为，AI真正进入千行百业以后，需要一块稳定、可靠、长期可运营的“硅基黑土地”，所以它不断加厚芯片、超节点、网络、存储、数据中心、云、行业解决方案和服务。
阿里则认为，未来机器智能会像电力一样被规模化生产和消费，所以它正在同时建设Qwen、AI芯片、AI云、Agentic Cloud、Context、Agent生态和全球Region。
一个更像在解决“土地”的问题，一个更像在解决“电力”的问题。
但企业最终关心的既不是土地面积，也不是发电量，而是亩产。
华为拥有多少卡并不重要，阿里每天跑多少Token也不是终点。真正重要的是，这些算力和Token最终让一家银行少损失了多少钱，让一家工厂提高了多少良率，让一家运营商获得了多少新增收入，让一家零售企业降低了多少库存，让一家能源企业少消耗了多少电，又让一个港口提高了多少吞吐效率。
因此，如果说2024—2025年的AI产业还在“从模型竞赛走向应用竞赛”，那么2026年以后，市场正在进入一个更加残酷、也更加健康的阶段：
从应用竞赛走向价值竞赛。
这才是华为与阿里真正面对的新战场。
对于数智化厂商来说，未来最大的机会并不是站队华为或者阿里，而是找到自己在两套生态之间不可替代的位置，把行业知识、数据资产、服务能力和业务成果变成真正的护城河。
对于行业用户而言，真正的问题也不应该从“选华为还是选阿里”开始，而应该从三个更加根本的问题开始：
我们的AI最终要进入哪些核心业务？哪些能力必须掌握在企业自己手里？怎样建立一套跨模型、跨云、跨算力和跨Agent长期演进的架构？
因为AI大转型最终不是采购一个模型，也不是建设一个智算中心，而是在重新定义一家企业未来的生产方式：
哪些工作由人完成，哪些工作由机器完成，人和机器又如何共同创造新的业务价值。
华为HCC和阿里云栖大会，只是把这场更深层次的变化，第一次如此清晰地摆到了企业管理者面前。
!图片
**关于IDC CXO卓越圈**
IDC CXO卓越圈旨在为CXO会员提供一个跨界、融合、共享、交流、通向卓越的平台，针对企业在数字化转型过程中遇到的问题进行探讨， 受邀的CXO会员不仅可以听到来自于IDC资深分析师的独家洞察，更可以各抒己见，与来自不同行业的CXO跨界交流，共享卓越。
IDC CXO卓越圈通过三种方式与大家交流，一是“IDC CXO专属下午茶”线上/线下活动，二是“IDC CXO卓越圈”微信群，三是“CXO卓越圈”公众号。
CXO卓越圈微信公众号的内容覆盖4大方向：总体ICT技术与行业发展趋势，数智化转型的战略方法与实践，支持数智化转型的新技术趋势与应用，CXO角色与组织结构转型。
IDC与您一起在技术加速商业变革的智能经济时代携手同行！
!图片