9月22日，一年一度的云栖大会拉开序幕。从杭州萧山机场到展会现场，"AI放心交给阿里云"的广告牌一路可见，格外显眼；走进2026年云栖大会1号展馆，它依然挂在最醒目的位置。

广告语往往是最直白的战略说明书——它要传递的不是"我有多强"，而是"你可以把AI放心交给我"。

如果说"放心"是阿里云想亮出的态度，那么本届云栖大会真正要证明的，是它已经把这句话落到了工程上：通过全链路自研，把模型、芯片、云这三层能力牢牢握在自己手里。而这套体系背后的底层判断，阿里巴巴集团CEO吴泳铭在开幕演讲中给出了完整答案。

吴泳铭的两个判断：1000倍，与一件"还没有出现"的产品

去年的云栖大会上，吴泳铭曾提出，实现通用人工智能（AGI）已是确定性事件，但这只是起点，终极目标是发展出能自我迭代、全面超越人类的超级人工智能（ASI）。今年他顺着这一话题继续延伸，对机器智能时代作出阐述，并给出了两个最重要的判断。

未来机器供给的思考总量，将达到人类思考总量的1000倍以上。他给出一组对照：今天机器思考的规模大概不到人类的3%，"预期将会承担99.9%的思考工作"。这个结论从供需两端推导而来——供给端，顶级思考极其稀缺，培养一名顶级科学家要几十年，大量小众研究方向长期缺少智力投入；一旦AI具备研究能力，只要算力足够多、足够便宜，每个细分领域都可以组织上百万个Agent持续研究、模拟和验证。需求端，思考的消耗量将不再与人口数量成正比，而取决于机器智能的思考深度和供给规模。

第二，机器智能时代的代表性产品，还没有出现。吴泳铭把今天的AI Coding比作1882年的电灯——爱迪生在珍珠街建成电站，点亮附近街区约400盏电灯，但真正改变世界的空调、洗衣机、冰箱，都还要在几十年之后才出现。"帮人编程、写报告，只是机器智能的初级阶段。"

这两个判断落到行动上，就是吴泳铭所说的"三大基石"：AI模型、AI芯片、AI云——它们是机器思考能够规模化供给的前提。用他的话说，Token是AI时代的电，芯片是发电机，云是电网。今年云栖大会的重要发布，也基本都围绕这三层展开。

模型层：真正的拐点不是参数，是递归式自我改进（RSI）

在吴泳铭之后出场的是Qwen大模型业务负责人刘大一恒。他在演讲中透露，基于新一代架构的Qwen4已在训练中，未来Qwen4.5、Qwen5等版本将扩展至5-10T参数，这些发布无疑颇为吸睛。

但更值得注意的是"递归式自我改进"（RSI）——这也是阿里第一次把它摆上台面，并拿出了可查的成绩单：Qwen3.8-Max在人类基本"零参与"的情况下，自主搭建训练流程、构造训练数据、设计实验、定位缺陷，连续迭代超过1个月，完成33轮有效迭代，在Artificial Analysis榜单上的得分从40分提升到45分，跻身Claude、GPT所在的第一梯队。

不仅如此，它还能在一颗从未见过的平头哥新GPU上自主适配推理框架，单实例推理吞吐量提升96%；甚至在芯片协同设计场景中，仅凭一份真实的总线模块规范就自主调用EDA工具超过万次，将物理实现面积减少42%。

这件事的分量在于：过去大模型的迭代是一条单向流水线，研究员发现问题、准备数据、训练、发布，一轮一轮靠人推着走。RSI把这个循环闭了环——模型开始自己推动自己。也正因如此，吴泳铭才敢说"通往ASI的技术路径变得更加清晰"。

此外，Qwen在参数与架构上的进展同步推进。刘大一恒称，Qwen3.8-Flash提前开源下一代架构，通过注意力机制和模型内信息传递机制等创新，把训练成本降低近90%，将推理计算效率推到新的帕累托前沿；全模态模型Qwen3.8-Omni-Flash则将视频、音频、图片、文字纳入统一的理解框架。开源侧，阿里已开源460多个千问模型，整体下载量超30亿次，衍生模型超30万个。

芯片层：真武V900与磐久超节点服务器

如果说模型是大脑，芯片就是那台发电机。这一层主要由平头哥来完成。

平头哥的新一代AI芯片真武V900无疑是今年云栖大会最核心的发布之一。其性能达到上一代真武M890的3倍，基于它构建的单一集群可扩展至50万卡，支撑前沿模型的训练和推理。

而在它之前，基于M890的灵骏超节点已经在跑——这是首个国产十万卡超节点集群，支撑了Qwen3.8-Max、Kimi K3等超2万亿参数大模型对外提供商业服务。再往前一步，即将推出的新一代灵骏真武V900超节点，将搭载业界首发的200Pbps通信带宽、6微秒时延集群架构，向广域超节点演进。

平头哥的另一个让人兴奋的发布则是倚天系列。这款2021年上市的Arm架构CPU终于迎来升级，这就是2027年上市的倚天720、倚天730，以及更晚一些的倚天750。其中，倚天720主、倚天730各有侧重，一个主打性能、一个主打高并发，而倚天750再次全面升级，将支持平头哥自研的ICN片间互联总线协议，可与真武AI芯片通过ICN总线直接互联，进一步提升CPU与AI芯片的协同效率，满足Agentic时代的算力需求。

比单颗芯片更值得看的还有"全栈"能力。平头哥的数据中心芯片布局已全面覆盖真武系列GPU、倚天系列CPU、磐脉系列智能网卡以及ICN互联芯片——组建超大规模AI集群的核心芯片基本齐全。

当然，真正决定客户体验的往往不是单卡跑分，而是系统里还浪费了多少。芯片、服务器、超节点、网络、模型与推理系统联合调优，把峰值算力尽可能变成有效算力——这也是阿里反复强调"全栈协同"的原因。而最能体现协同效果的就是阿里云新一代磐久超节点服务器：它集成V900、ICN Switch、磐脉智能网卡及镇岳SSD主控芯片，结合阿里云新一代网络架构，实现了单一AI集群可扩展至50万卡。

生态这一关，阿里选择用开放来解。平头哥宣布SAIL软件栈全面开源，开发者无需改动代码即可覆盖GitHub上96%的主流AI仓库；同时开放部分芯片底层架构文档，模型厂商可以自行编写高性能算子。配合460多个开源Qwen模型，SAIL实际上成了开发者迁移到真武芯片的最短路径。

云这一层：Agentic Cloud是当下的生意，20GW是十年的承诺

阿里云CTO李飞飞的登场，把话说得更"工程"：围绕模型（Model）、执行框架（Harness）和上下文（Context）三个核心场景，构建"Agentic Cloud"。

这套体系对应一系列具体产品：企业级Agent构建治理平台AgentCore，支持长任务、失败重试、断点恢复和异步执行，官方称可提升任务完成率99%、降低TCO成本70%；Agent Sandbox提供开箱即用、极致弹性的执行环境；面向下一代AI训练集群的新一代高性能存储CPFS，则提供高达百TB/s级吞吐和亿级IOPS，单文件系统规模提升5倍至100PiB。

这些数字背后，是一个朴素的行业难题。随着数据集从文本扩展到图片、视频和语音，海量小文件的并发读取与Checkpoint突发写入成为新的瓶颈——存储跟不上，昂贵的GPU集群就会因数据供给不足而空转。据披露，在实际模型训练中，新一代CPFS可将模型启动平均耗时降低50%、峰值算力利用率提升30%、AI存储成本降低69%。存储成本降下来，意味着同样的钱能买到更多的有效算力。

在模型服务这一层，千问AI平台技术负责人文征披露了一组侧写数据：过去一年，阿里云MaaS平台服务的客户数增长了六倍；平台通过FlashBoot、UniScheduler等能力调度异构算力，把模型弹性启动时间从1200秒缩短到70秒。客户数和调用量的这种量级变化说明，Agent负载已经不再是PPT里的概念，而是真在云上跑着的工作负载。

Agent要真正落地，还缺平台和载体。平台侧，千问AI平台把它做成了产品：企业级全栈Agent服务平台Agent Studio可根据任务自动路由选择模型，提供24小时不间断的托管运行，并支持企业内部知识与外部软件服务接入；50多个原子API覆盖运行环境、长期记忆、工具服务等能力。

载体侧，阿里云则把"云电脑"重新定义成了Agent的工位——Agentic Computer为智能体提供统一、长期在线的专属云电脑，兼容主流Agent框架，具备Computer Use和GUI操作能力，权限可控、操作可审计；Agentic OS作为Agent原生操作系统，可节省Token消耗30%以上；云栖现场首秀的智能体电脑Qwen Book，则把"OS as Harness"的理念搬到了个人桌面，用全局AI按键和Skill键盘阵列一键唤起智能体，让AI从"普通专家"变成始终在线的"专属专家"。

三层之中最容易被低估的，其实是"上下文"。李飞飞提出了"存储—计算处理—上下文工程"三位一体的Context Engine，把企业的全域数据转化为Agent可实时调用的上下文，让Agent从"知道什么"走向"此刻应该做什么"。配套产品中，Agent Context面向复杂知识检索，将准确率提升50个百分点、Token使用效率提升3倍以上；OpenLake用一份数据支持多引擎计算，使总体拥有成本降低38%。

“决定Agent能力上限的，不再只是模型参数，而是能否持续理解企业知识与业务状态。”李飞飞说。

吴泳铭则给出了云这一层更长远的数字：到2032年，阿里云运营的全球数据中心规模要超过20GW。他同时坦承，当前客户的AI需求非常强劲，大家都在全力上架算力以跟上需求，但行业的中长期需求已远超供给能力，全球AI数据中心供应链的紧缺，正在限制算力的增长速度。

结束语

综合云栖大会的这些重磅发布来看，阿里想传递的信号很清楚：它是一家从芯片、云基础设施，到模型，再到Agent应用都自己做的公司。这一点在客户侧已经能看到案例——有企业披露的数据显示，其日均Token消耗量在一年内增长约十倍，而算力池规模扩大不到两倍，单位Token综合成本下降约76%。当模型、芯片、云出自同一家公司，效率红利会逐层叠加、彼此放大，客户拿到的不是三样东西相加，而是相乘。

吴泳铭在演讲最后回到了那个电气时代的对比："无论后来出现多少新发明，第一步都要建足够多的发电站、铺足够广的电网。"云栖大会上所有关于模型、芯片、云的声音，本质上都在做同一件事——先把发电站和电网建起来。而电网最终的价值，要靠后面那些"电器"来证明。

“AI模型、AI芯片和AI云是机器智能时代的三大基石，阿里巴巴将坚定投入这三项基础设施建设，这是阿里的长期战略选择。”吴泳铭说。