阿里巴巴的上市让马云成功登上中国财富状元,但他却称“连自己小区的首富都不想当”。马云表示,阿里上市后服务中小企业的初衷不会改变,会和千千万万个“小人物”共同成长。
经历过上市喜悦的马云已经在思考阿里的下一个15年,追求健康和快乐成为围绕这个生态的下一个目标,而这些梦想的实现离不开未来最核心的东西——数据。

大与小、分与合的绝妙
上市当日,马云亲手将一个景泰蓝版本的淘公仔送给纽交所,他想向外界表达的意思是,powerofsmallguys,即小企业(小人物)的力量。这些 小企业、中小卖家是15年来支撑阿里巴巴发展壮大的基石。这或许正契合了马云所谓的“小而美”理念,不起眼的小人物,未来可能会成长为改变世界的人。
值得关注的是,阿里巴巴在上市后动作频频,这些动作背后又蕴藏着分与合的逻辑。
比如淘宝旅行分拆,以“去啊”品牌独立深耕在线旅游市场,互联网金融业务以蚂蚁金服独立运营,这是品牌和架构上的“分”;而阿里无线启动开放战略,通过 开放旗下的电商生态和云计算平台聚揽移动开发者,通过移动操作系统YunOS3.0打通产业链上下游,这又是生态系统上的“合”。
马云此前用了15年构建阿里巴巴的生态系统,站在今天回顾这个过程,其中蕴藏着自身裂变和生态聚变的哲学。
马云之所以喜欢称阿里为生态,是因为生态的演变是一个自然的过程,水、空气、土壤等无机环境,生产者、消费者、分解者相互协同,生态一旦成型,物种便在自然规律下繁衍,生生不息。
下一个15年
马云在今年年初说,以控制为出发点的IT时代正在走向以激活生产力为目的的DT(datatechnology)数据时代。从眼下互联网对各类传统行业的改造步伐中不难看出,数据无疑是其中的核心基础。
进入11月份,他在公司内部讲话中的最新说法是,“未来几年内,要把一切业务数据化,一切数据业务化。”
后边这句话可以理解为,让阿里巴巴各项业务所产生、积累的大数据来丰富阿里的生态,同时让生态蕴含的数据产生新的价值,再反哺生态,这是一个相辅相成的循环逻辑。
在云计算领域的预判和布局,让阿里巴巴在下一代IT变革的浪潮中与世界顶级的互联网公司站到了一起。如果换一个角度理解,那么阿里巴巴现在已经成为一家全球最大的商业数据公司。
最近在阿里巴巴内部流传着一张图,可以视为上市后对未来公司架构的一次重新定位。图片最中央的三角形是“数据”,围绕着数据,“电商”、“金融”、“物流”呈品字形排列,这个大三角形的外围是一个圆,圆内左边是“健康”,右边是“快乐”,圆圈内的最下方是“全球化”。
从这张图看,阿里的未来再清晰不过。依托于云计算的大数据是未来阿里巴巴一切业务的核心,金融和物流好比左膀右臂,辅佐塔尖上的电商生态,这个三角形区 域再向外延伸,形成一个象征和美的圆,健康(比如投资中信21等医疗领域布局)和快乐(阿里的数字娱乐、影视文化)将是阿里未来投资和布局的两个方向与诉 求,而这一切都是放在全球化的视野下通盘考虑的。
在未来的投资方向中,马云说:“在中国,环境问题、污染的水和空气、不安全的食物,会让我们在十年后付出代价,我们应该投资这些。我也不希望我们有个浅薄的脑袋,所以我们要投资文化产品。如果不做这些,十年后我们会陷入麻烦。”
“今天很残酷,明天更残酷,但是后天很美好。”马云一直用这句话鼓励自己,他把此前15年的成功归结于坚持,并将上市视为一个新的起点,阿里的下一个15年,正带着“小人物”们的梦想起航。
好文章,需要你的鼓励
随着人工智能和高性能计算持续推动需求增长,数据中心设计正以同样惊人的速度演进。曾经的高密度机架已成为标准配置,冷却系统在数月而非数年内完成重新设计,项目在各地区的规模和复杂性不断提升。全球工程设计咨询公司Black & White Engineering指出,液冷成为标准配置、极端机架密度管理、工业化规模交付、电网约束下的电力创新、AI驱动运营设计以及可持续性成为核心设计原则,将成为2026年塑造数据中心设计、建设和运营的六大关键趋势。
这项由ByteDance Seed、香港科技大学等机构联合完成的研究提出了"轨迹场"这一创新的4D视频表示方法。研究团队开发的Trace Anything系统能够在单次前向传递中为视频中的每个像素预测连续的三维轨迹,无需光流估计或迭代优化。通过构建大规模合成数据平台和精心设计的训练方案,该方法在轨迹估计基准上实现了最先进性能,同时推理速度比竞争方法快10倍以上,并展现了运动预测、时空融合等多种涌现能力。
Snowflake本周推送的一次更新导致全球范围内的"重大故障",用户长达13小时无法查询数据、文件导入失败并收到错误信息。初步调查显示,最新版本引入了不向后兼容的数据库架构更新,导致版本不匹配错误。此次故障影响了全球23个区域中的10个,包括美国、欧洲和亚洲多个数据中心。这是Snowflake一周内第二次发生事故。
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。