先说结论

9月23日云栖大会「智涌全球：AI出海增长峰会」（国博一期新闻发布厅B）几乎是一份中国企业AI出海的中期答卷：阿里云智能集团资深副总裁、公共云事业部总裁刘伟光在开场致辞中说，出海的不再只是产品与供应链，而是模型、Agent与AI原生应用，“中国最聪明的一帮人在出海”（0-120s、360-480s）。传音CIO毕尊禹交出了一张最具体的账本——内部Agent平台T Cloud上线一百天，周token消耗涨了十倍、单位成本降了89%，用AI把合同审核从半小时压到三分钟；霸王茶姬全球CTO汤海涛、影石云存业务负责人林思远、万帮数字能源CTO王迪则分别从消费品牌、智能硬件和能源制造，展示了同一枚硬币的三面。这场论坛真正的矛盾不在"要不要用AI"，而在AI的算力、模型与工具都在快速商品化之后，企业的差异化究竟沉淀在哪里——四家的答案高度趋同：数据主权、组织能力，以及一个能长期托付的技术伙伴。论坛议程中万磊（公共云事业部出海解决方案总经理）的「阿里云AI出海解决方案发布」与《中国企业出海云服务市场报告》发布环节未出现在本次回放转写中，以下论述均不含该环节内容。

从"卖服务器"到"AI的一部分"：云的立场反转

理解这场论坛，先要理解刘伟光对云与AI关系的重新叙述。他回顾了三次认知迭代：2023年云栖时很多人还认为"AI是AI、云是云"；2024年发现云和AI在融合，云为AI的训练推理提供基础设施；到2025年，当AI coding高速发展，他判断"AI吞噬了应用"——云计算原本支撑的是人编出来的应用，而未来一两年"应用全部是AI写的"（120-360s）。

这不是修辞。他给了一个来自项目的证据：阿里云在迁云时发现，老代码如果不解构就没法容器化、无法上云，“必须用AI把几百行代码重写一遍”（120-240s）。也就是说，AI coding的价值不止于生成新应用，更在于对存量IT的强制重写——这直接改变了云的边界：如果云支撑的都是AI生成的应用，“云就自然而然变成了AI的一个组成部分”，今天的AI infer（推理）实际上等于今天的云计算（240-360s）。

这个判断的另一半是对"云=服务器租赁"的清算。刘伟光讲了一次投标经历：客户的项目名称写的是"服务器租赁项目"，“云计算干成了租赁行业”（240-360s）。他的结论是，围绕AI模型的工具会像当年的计算、存储、网络一样成为云的一部分，云会包含越来越多的AI工具，而不是停留在资源出租。

落到出海，这个立场反转的物理形态是数据中心。刘伟光说，几年前海外数据中心按正常投资回报率要三到七年回本，“这生意可能选择不做”；现在不再考虑这个问题，“提前投入永远有回报”（480-600s）。从2024年开始，阿里云在沙特、墨西哥、法国、荷兰以及即将落地的芬兰、爱尔兰、都柏林、巴西圣保罗，两年间新建了六到七个三AZ（可用区）数据中心——他特别提到，五六年前在某亚洲国家先建单AZ数据中心的决策"回头看是有问题的，单AZ没有办法使用"，现在起步就是三AZ，且每个新数据中心都叫"AI云数据中心"（600-720s）。这个基建节奏在他看来有了外部背书：9月10日，阿里云历史上第一次进入Gartner云计算魔力象限的领导者象限——据阿里云官网与多家媒体报道，这是《战略云平台服务魔力象限》报告中唯一进入领导者阵营的中国厂商。他在台上强调的是另一层含义：这是"一家非美国的云计算公司，在美国人主导的评选体系中进入领导者"，从八十年代以来的IT发展史里没有中国公司做到过（720-840s）。

值得注意的是论坛的叙事框架本身：刘伟光明确说"出海这个词永远有一种把东西卖给海外的感觉"，他更愿意称之为"中国企业全球化"——因为大量AI创业公司从Day One就原生在全球市场（360-480s）。他还引用了一个观察：科隆世界游戏展前五名全部是中国公司，且都以AI为核心创作（嘉宾称，480-600s）。这构成后续所有嘉宾发言的共同前提。

组织账本：AI落地最难的不是算力，是"能力绑在人身上"

四家企业里，传音的分享数据最密、也最接近一份可审计的账本。毕尊禹的副标题是"从人人可用到组织可托付"，他先交代了传音的全球化底盘：2025年手机销量1.69亿部、全球份额12%、排名第三，非洲每卖出十部手机约有四部是传音（嘉宾称；传音2025年年报确认全年出货约1.69亿部），三个手机品牌TECNO、Infinix、itel加上智能硬件与移动互联网产品，覆盖一百多个国家和地区、十万余家门店、七亿多活跃用户（840-1080s）。他提出的核心痛点很朴素：信息化建设这么多年，“缺的根本不是系统，也不缺数据，我们缺的是如何让正确的人在正确的业务场景里，及时快速获取到正确的信息，并做出正确的行动”（1080-1200s）。

T Cloud是这个问题的第一层答案。这个面向员工的Agent平台五月中旬上线，一百天的数据是：内部月活一万多、日活五千多、覆盖二十多个国家约六十个部门，跑出一千七百个自动化流程、两万多个智能体、一点二万个Skills——关键在于，这些Skills不是技术团队写的，而是七千多名业务一线人员自己贡献的（1200-1320s）。成本侧同样有一条硬曲线：累计消耗token三亿多，每周消耗量涨了十倍，但百万token单价降了89%，总成本几乎不变；期间主力大模型从GPT切换到了千问，阿里云团队在放量次日系统扛不住时驻场三天三夜调优（1320-1440s）。

但毕尊禹真正的论点在于对"规模"的警惕。他直言个人提效有三个局限：能力还是绑在人身上，人调岗能力就跟着走；人提效了，业务有没有提升算不清楚；跨部门协作对稳定、安全、可追溯的要求不是个人agent能满足的（1560-1680s）。他给出的判据相当反直觉：“一个企业AI能不能带来收益，只有两个层面，要么增收，要么降本，没有其他的。token使用量、调用量、月活、智能体数量，这些其实都是过程，都算不成业务收益”（1680-1800s）。为此传音立了一条铁律：任何场景想上企业级Agent平台，立项时必须讲清是增收还是降本、用什么指标衡量、基线是多少、责任人是谁（1800-1920s）。

这条铁律下跑出来的案例构成了整场论坛最有说服力的一组数字：供应链部门五十多人面对一千多家供应商，采购负责人亲自搭了六个agent，把问题跟进时长从半天压缩到二十分钟内，十几二十轮的方案拉扯变成两轮（1440-1560s）；财务合同审核涉及七十多国、一百多主体、四十多语言、三十多币种，六十多名财务人员的经验蒸馏成四十多个Skills后，审核时间从半小时降到三分钟，标准合同准确率百分之百、非标合同八成以上（1560-1680s）；oraimo吸尘器营销视频从实拍的三到五天一条、两百美元成本，变成AI日产五条、二十美元以内，整体投放ROI提升两到三倍（1920-2040s）；孟加拉手机预订到线下提机的转化率从34%提升到51%，约75%的用户进线由agent承担（2040-2160s）；五万多导购员用培训agent Echo把新品卖点掌握周期从十四天缩到三天，一点八万人每天自发学习（2160-2280s）；巴基斯坦分货agent把货分到机型和颜色粒度，同期货量带来约13%收入增收，正在推广到尼日利亚（2280-2400s）。

机制上看，这是一条完整的"经验蒸馏"链条：把个人对业务的理解拆成AI可复用的Skills（T Cloud），把流程变成可稳定运行的企业级agent（四层平台：meta agent问清需求、编辑器、编译器、运行时），再靠FDE前线部署工程师把方案推进一百多个国情各异的市场。毕尊禹的总结是：“AI时代，一个人牛不是牛在更加勤奋，而是在于会不会配置AI”（1440-1560s）。对读者的启发也在这里：AI落地最小的有效单位不是工具采购，而是"能力从人身上剥离、沉淀进组织"的完整闭环——没有基线和责任人的AI项目，本质上还在刷过程指标。

藤壶、底线与第二曲线：三种商业形态的AI代价

如果说传音讲的是"怎么把AI做成账本"，霸王茶姬的汤海涛讲的则是"不守底线的AI会变成什么"。他先给出体量：全球七千六百多家门店、海外八国近四百家店、二季度GMV同比增长114%（2520-2640s）——这组数据与财报口径吻合（据新浪财经，霸王茶姬二季度海外GMV为5.04亿元、同比增长114.3%，海外门店399家、进入8个市场）。他描述的三重不确定性颇有代表性：茶饮口味十年一直在变、地缘政治带来各国监管与支付数据合规差异、AI技术演进与技术存量负债的冲突（2520-2760s）。

他用的意象是"藤壶"：公司的经营者在各种场合遇到大量AI服务提供者，他们在产品上疯狂叠加AI功能，“船好像高级了、东西多了，但行驶起来的阻力变大了”（2760-2880s）。藤壶背后是四个具体病症：用AI的团队觉得别人都不行导致的信任下降、工具入口切换的成本、各说各话的重复建设、以及成本不透明——他有一句和毕尊禹呼应的判断：“token使用量并不一定代表生产力的提升，它唯一能反映的只是成本的加剧”（2760-2880s）。

霸王茶姬的解法是把IT角色从"系统交付的人"改造成"确定性供给的人"：先守住三条底线，再释放创造力。第一条管数据，敏感字段的分类分级、脱敏由数据安全中心统一执行，agent和人在数据网关走同一道门，agent不直连业务库、也不为AI专门建读副本（3120-3360s）；第二条管token，所有模型调用经AI网关统一走千问平台，哪个部门哪个员工在什么事情上用了哪个模型、用量多少，全程可审计——未经网关的模型调用在他看来"基本判断是不安全的"（3360-3480s）；第三条管agent，正式采购的agent要通过安全认证才能进准入清单，自研工具收敛到沙箱级统一运行底座（3480-3600s）。在这套治理框架内，东南亚几百 家门店的订货分析、排班等小工具由门店伙伴、业务和IT自行开发，完成"个人迭代到组织迭代"（3720-3840s）。汤海涛坦言曾忌惮被一朵云绑定，但"在一个快速敏捷的行业、规模不大的组织里要把IT提速"，2025年还是全面转向了云原生（3840-3960s）。

影石Insta360的林思远提供了硬件公司视角，核心洞察是数据被系统性低估。影石2025年营收九十七亿元以上、同比增长约75%，全景相机连续八年市占率第一（嘉宾称；影石2025年年报为营收97.41亿元、增长74.76%，全景相机全球份额66%）——但真正的新故事是云存业务从"买相机送存储"升级为订阅制的"AI私人剪辑师"：2025年底上线后短时间已有数十万订阅用户（3960-4200s）。他给出的是一个三步飞轮：数据资产化（用户影像安全、低成本自动上云）、资产智能化（多模态模型把素材变成可检索、可理解、可重组的知识）、智能收入化（用单位模型成本管控毛利，让AI成为可预测的经常性收入，再反哺数据规模与模型投入）（4800-5040s）。支撑它的是一套五层Agentic架构——从Agent层、百炼编排服务、OSS加向量检索的数据知识层、千问旗舰模型组到AI基础设施（4200-4320s），以及四个AI场景：自然语言搜素材、AI剪辑、AI相册、AI配文模板（4320-4440s）。8月，拇指相机Go上线了以千问全模态为中枢的语音助手Kiri，支持八语种面对面翻译，他称之为"消费级智能硬件里首个规模商用"（4440-4560s，嘉宾称）。他对选云逻辑的概括值得所有出海团队抄录：全球稳定性"这个是一，其他都是零"；其次是模型成本与推理优化，因为"AI业务的规模取决于单位推理的成本"；再次是本土化服务；最后是生态一站式，因为"跨云的拼装成本和故障排查会极大消耗工程团队"（4680-4920s）。

万帮数字能源的王迪把场景拉到了最重的实体经济。这家星星充电的母公司（据智通财经，万帮数字能源2026年1月递表港交所，为全球最大智能充电设备供货商）在中国服务五千万注册用户、覆盖两千八百多个县域，每天充电量六千万度、一年近两百亿度，约相当于三峡水电站全年发电量的十分之一（嘉宾称，5400-5520s）。他把中国制造企业出海归纳为三阶段——卖货、供应链出海、生态与资本出海（在当地合资、成为当地企业），并称星星充电三个阶段已全部走过（5280-5400s）。其AI体系是"三张网、两个大脑、N个智能体"：充电网、微电网、虚拟电厂网之上，跑着能源规划调度的AI大脑和做数字孪生的物理AI大脑（5400s段）。最有信息量的是出海姿态的转变：海外客户问"充电站建在哪里、建多大"，他的回答是中国已把这些决策"沉淀到智能运营体系中，不依赖人做决策"，直接打开系统给对方看（5520-5640s）；在新加坡，“一半以上的充电基础设施系统和运营由我们合作完成”（嘉宾称），再向土耳其、非洲和一带一路输出，管理的硬件甚至包括欧洲当地制造（5640-5760s）。他判断"服务贸易是中国下一阶段最重要的新兴贸易"——硬件卖得好，但让海外客户真正为你的软件和服务买单，难度依然很大（5640s段）。四月底他在某非洲国家亲眼看到中东冲突导致的加油站排队两百米、司机推车加油，这让他认为中国能源企业出海"有时是在解决他们关键基础设施的问题"（5760-5880s）。

三家的机制差异可以并排放着看：霸王茶姬用治理换创新空间（底线是入口、身份、数据边界、调用记录四件公共能力），影石用数据资产换第二曲线（硬件毛利之外长出订阅收入），万帮用体系输出换服务贸易（从卖桩到卖国家级充电网络规划）。二阶影响是同构的：AI成本结构（token单价、单位推理成本）正在取代人力成本，成为这三类公司全球化扩张速度的真实约束；而对读者最直接的启发，或许是把"数据主权、成本可审计、agent可控"当作比模型选型更优先的工程问题——三家公司的共同点是先画边界、再谈创新，而非相反。

圆桌：能力趋同之后，拼的是数据、审美和朋友

下午的圆桌「扎根与进化：出海企业的竞争力锤炼」由36氪CEO冯大刚主持，嘉宾为龙腾集团联合创始人CEO朱江南、海艺AI CEO马飞、安克影音软件与AI总经理刘京鑫与阿里云中企出海业务技术服务负责人周翰。冯大刚的定调是：出海是"整个国家、整个时代正在向外走的过程"，像一个实验室，每次出现新变量都要重新讨论，而这次的新变量是AI与云；他自问AI对深水区里的出海者"是救生衣，还是游艇，或者送来一瓶啤酒"（6240-6360s）。

四位嘉宾各自的"过去一年最深感受"勾勒出了不同生态位的温差。朱江南的龙腾出行是隐形的会员权益服务商——“翻翻你的银行卡、美团、滴滴，你其实就是龙腾的会员”——十几年前借移动端创新出海，现在发现很多地区仍在数字化进程中、AI冲击又至，纠结在于怎么与用户连接更深（6360-6480s、7800-7920s）。马飞的海艺AI有十三年出海手游加上2023年第一批AIGC出海的双重经历，他给出的两个判断是全场最锋利的：当生产平民化之后，“分发的能力和分发端的潜力将被极其放大”；当供给量极大之后，“最重要的东西是品味、审美”（6600-6720s）。他还有一个具体观察——开源社区视觉模型已累计超过三百万个（多为微调版本），而"模型是有审美的"：阿里系从千问-Image到万相的模型在他看来比较global，能生成欧美人像，而一些中国视觉模型带强亚洲风，各有各的服务市场（6960-7080s）。刘京鑫代表安克（海外营收占比约九成）给出了节奏判断：AI对C端产品的影响阶段性仍在可预期范围，但企业级AI变革正处于转换节点，“踩得上和踩不上这个节点，可能是未来比较长线的分水岭”；安克内部的口径是"激进式拥抱、批判式变革"——使用上激进，认知上约束（6720-6840s）。他关于AI硬件的观点也与直觉相反：不是用户需求变了，而是体验认知被抬高了；趋势是"从软件的需求反向去定义硬件"，硬件成了AI能力的载体和端口（7320-7440s、7440-7560s）。周翰则从服务侧看到一个朴素的变化：客户找阿里云的理由，从"某地有没有资源"变成了"我的业务场景该用什么模型、AI应用怎么稳定跑、数据合规怎么解决、半夜出问题谁兜底"（6840-6960s）。

关于"企业出海需要一个什么样的技术伙伴"，周翰的回答直白：不是多一个资源供应商，而是"能帮他在当地把业务跑起来的长期合作伙伴"，并给出阿里云口径的数据——全球三十一个地域（海外十六个），服务全球五百万家客户、其中中企出海近三十万家，且能直接调动后端产研团队与客户攻坚（8040-8520s）。他还点出企业构建agent的真正卡点不在缺算力或缺模型，而在"怎么把模型能力变成业务能力"——从会用到好用、从demo跑到线上跑稳（8520-8640s）。

圆桌收尾的"胜负手之问"（今天不做、五年后公司就不存在的事）恰好构成一组对照：朱江南说是找到志同道合的伙伴，尤其出海时；马飞说是积累私域数据——先用开源SOTA模型做SFT和RL，随数据积累往预训练走，因为"没有数据、没有模型，最终就没有定价权"；刘京鑫说周期已经不是五年而是几个月，且当大模型能力趋同后，“选择谁一起往前走，回归到交朋友的逻辑”；周翰说是让客户业务在云上跑得更稳、一起成长（8640-8760s）。冯大刚的总结把整场论坛的暗线挑明了：阿里做AI这件事外界有争议，但"可能最重要的还不一定是技术好不好，而是伙伴好不好"，阿里拥有可能是全球最大的五百万企业合作伙伴网络，“几年以后评价AI公司谁转型最好时，这可能是非常关键的胜负手”（8760-8877s）。

这组回答拼在一起，指向的本届论坛核心判断：模型与算力在快速商品化，能力差距会趋同；不可商品化的是三样东西——自己场景里沉淀的私域数据、组织把个人经验变成可复用能力的机制、以及长期可托付的协作关系。对读者而言，观察一家出海公司的AI成色，与其看它发布了什么模型榜单成绩，不如看三个更慢的指标：它的数据是否在变成资产（影石的飞轮）、它的AI项目是否有基线和责任人（传音的铁律）、它的成本与边界是否可审计（霸王茶姬的三条底线）。AI出海的上半场比的是谁用得快，下半场比的大概是谁能把"用AI"变成"可托付"——这也是毕尊禹那句话的完整含义：从人人可用，到组织可托付。至于那条最快的路径是否适用于所有人，论坛没有给出答案；万帮在新加坡用几年打磨合规与运营的经验至少说明，在基础设施行业，慢本身可能是护城河。