阿里巴巴发布《2026AI向善行动报告》，数据中心算力密度两年提升近5倍，绿电占比达73.6%

11月5日，阿里巴巴正式发布《2026 AI向善行动报告》，这是其连续第二年系统梳理AI技术的社会价值实践。报告以“全栈AI，协同向善”为框架，明确指出当前AI发展必须跨越三道边界：社会可接受、环境可承载、经济可持续。阿里巴巴集团首席技术官、科技伦理治理委员会主席吴泽明强调，行业正处于规则成型关键期，企业需主动将技术导向人类福祉，而非仅追求算力规模或模型参数。

报告共收录26个具体案例，覆盖健康、教育、科研、绿色发展、经济机会与安全包容社区六大领域。其中，AI基础设施的绿色化与医疗场景的深度落地成为两大焦点。

数据中心：从高耗能到高效率的系统性重构

随着全球AI算力需求激增，数据中心建设引发广泛社会关切。阿里云作为中国最大云与AI服务商，计划到2032年建成超20吉瓦全球数据中心规模。如何在扩张中兼顾资源约束，成为其核心命题。

阿里云智能集团全球数据中心总经理王朝阳介绍，过去两年，阿里云通过集约化设计将数据中心“土地功率密度”从0.8千瓦/平方米提升至4.5千瓦/平方米，预计2027年3月可达9千瓦/平方米——相当于单位面积IT承载能力增长近11倍。这一提升依赖于高层模块化架构与自研技术集成。

在能源侧，阿里云自建数据中心清洁电力使用比例已达73.6%，广东、江苏、四川等地实现100%绿电供应；通过风冷与液冷因地制宜组合，电源使用效率（PUE）降至1.187，显著优于行业平均值1.5以上。水资源方面，乌兰察布等园区年回收利用中水13.6万吨，全年自建数据中心平均水资源使用效率（WUE）为1.198升/度电，风冷主导园区低至0.205升/度电。

更值得关注的是其交付模式创新。传统大型数据中心建设周期国内需6–12个月，美国达12–18个月，而阿里云首创全模块化设计，将工期压缩至100天（30天设计生产+50天安装+20天调试），整体成本降低10%以上。其核心支撑之一是联合研发的“巴拿马电源”：跳过多级转换环节，实现供电一步到位，占地面积减少50%，组件数量下降40%，模块效率达98.5%，已成行业直流高压供电主流方案。

该路径不仅提升自身运营效率，也带动产业链升级。王朝阳指出，阿里云团队过去一年吸纳人才中，超70%来自制造、能源等非ICT传统行业，反映出算力基建正成为产业转型的就业承接器。内蒙古乌兰察布即为典型案例——这座曾以“薯都”闻名的城市，因数据中心集群落地，逐步形成“token之都”新名片，实现区域经济结构性跃迁。

医疗AI：从筛查辅助走向临床可信决策

在民生硬核领域，医疗AI进展尤为扎实。报告重点呈现三大方向：多癌种影像筛查、循证医学辅助诊断、认知障碍语音早筛。

达摩院“平扫CT+AI”项目始于2023年，初衷是解决癌症早期规模化初筛难题。其优势在于无需新增检查设备，仅利用患者常规CT影像即可二次分析。目前模型已从单一胰腺癌扩展至胃癌、肝癌、结直肠癌等消化系统高发癌种，并推进至通用影像诊断阶段。

达摩院多癌早筛项目负责人张灵披露，在一项结直肠癌前瞻性试验中，AI对29,783例CT影像进行筛查，识别出597例阳性样本；经临床复核75例，最终确诊17例病变。更关键的是，模型发现了部分原标准流程漏诊的病例，验证了其补充诊断价值。该项目目前已惠及11个国家和地区超2000万人次。

在诊疗环节，阿里健康推出的医学AI原生应用“氢离子”试图破解通用大模型在医疗场景中的可靠性瓶颈。其核心是构建“四层循证AI架构”，将医学文献、临床指南与证据分级体系嵌入推理流程，确保每项建议均可溯源、可验证。阿里健康CTO王祥志介绍，当前“氢离子”在医学场景中实现100%循证率与98%循证忠实性，已与国际医学顶刊机构及国内权威学术组织合作共建评价标准与数据集，并成立医学AI专家委员会。

此外，针对海岛交通信息不畅问题，阿里公益基于通义千问大模型为浙江嵊泗定制“AI出行助手”，实时整合航班、天气与路况数据，提升游客行程规划效率——体现AI向基层公共服务延伸的务实路径。

向善的本质：技术必须回归人本尺度

阿里巴巴集团公益总裁孙利军提出，“向善”必须“向众”，即AI只有真正触达大众、服务普通人，才能释放最大社会价值。这一定位呼应了ESG战略负责人刘伟的观点：当AI走出实验室，公众关注点已从“能否做到”转向“为何要做”与“为谁而做”。

报告隐含的深层逻辑是：技术成熟度曲线后期，决定AI长期生命力的不再是性能参数，而是其嵌入社会系统的兼容性与可持续性。数据中心的“碳中和”“水中和”策略，医疗AI的循证约束机制，乃至跨行业人才吸纳与地方经济赋能，共同构成一套可复制、可评估、可迭代的负责任AI实践框架。

值得注意的是，阿里未将“向善”简化为公益捐赠或单点技术演示，而是将其融入产品设计、基建标准与组织能力之中。例如，“巴拿马电源”的开源倾向、“氢离子”的证据透明机制、模块化数据中心的产业协同模式，均指向一种制度化的技术伦理嵌入路径。

在AI竞赛日益白热化的当下，这份报告提供了一个差异化视角：技术领先性不仅体现在模型大小或算力峰值，更体现在能否在复杂现实约束下持续创造普惠价值。当行业仍在争论“AI是否取代医生”时，阿里选择回答“AI如何让医生更可靠”；当多数企业聚焦训练成本压缩时，阿里同步推进PUE、WUE与人才结构的系统优化。

这种“基建—应用—治理”三位一体的实践，或许正是中国科技企业在AI时代探索可持续发展路径的一种具象表达。