一句话结论
阿里巴巴集团CEO吴泳铭宣布，机器思考总量将达人类1000倍以上，阿里押注AI模型、AI芯片与AI云三大基石。
关键要点
- 2026年9月22日，阿里巴巴集团（Alibaba Group）首席执行官吴泳铭在2026杭州云栖大会上发表演讲，提出“机器智能”时代的两个判断和三大基石。
- 吴泳铭给出的量化坐标是：今天机器思考的总量不到人类的3%，未来机器思考总量将是人类的1000倍以上，据此推算至少还有几万倍增长空间。
- 通义千问（Qwen）团队正在探索递归式自我改进（RSI），计划训练参数规模5-10T的全新模型，目标是完成更复杂、更长程的任务，向超级智能（ASI）迈进。
- 平头哥（T-Head）发布新一代AI芯片真武（Zhenwu）V900，算力达到真武M890的3倍，基于该芯片构建的单一集群可扩展至50万卡。
- 阿里云（Alibaba Cloud）目标是到2032年运营的全球数据中心规模超过20GW，移动端同期发布Qwen Intelligence，桌面端继续优化开源的Qwen27B模型。
背景与事实
吴泳铭把这次变化的坐标系放在工业革命上。他的核心类比是：上一次“动力”从人的体力变成可规模化供给的商品，人类相继发明蒸汽机、内燃机和电，并围绕它们建立了现代产业；这一次被规模化的是“思考”。按照演讲中的说法，机器动力到今天已承担了99.9%的物理工作，人类的思考总量还会继续增长，但机器思考的规模会以更快速度扩张，预期将承担99.9%的思考工作。他据此提出第一个判断：未来机器供给的思考总量将是人类思考总量的1000倍以上，而当前这个比例还不到3%。
为了让“顶级思考从奢侈品变成可规模化供给的商品”这一说法更具体，吴泳铭举了罕见病的例子：新生儿早衰症每年全球新增病例仅几十例，全球有记录的患者只有几百人，从现有医药产业的商业逻辑看，很少有公司愿意花十几年时间、耗费巨资为几百人研发一种新药。而当AI具备专业研究所需的智力水平后，只要算力足够多和足够便宜，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。需求侧也被重新定义：工业时代一个人一生能消费的物理商品有限，而在机器智能条件下，让AI造一艘飞船去火星这样的超长复杂任务，可以被分解成上千万个子任务，由上百万个Agent不眠不休地持续推进，思考的消耗量不再与人口数量成正比，而是与机器智能的思考深度和供给规模成正比。
第二个判断是：机器智能时代的代表性产品还没有出现。吴泳铭用电气化早期的历史作对照——1882年爱迪生建成珍珠街电站，点亮附近街区大约400盏电灯，最早爱迪生卖灯泡就送电，就像今天Agent送Token；1902年空调出现，此后洗衣机、电冰箱陆续进入家庭，而第一台计算机要到1946年，距离珍珠街那400盏灯已经过去六十多年。他还给出一个反差极强的数据：1900年前后很多电器已开始进入家庭生活，但当时全世界一整年的发电量，放到今天只够用两个小时。在这个框架下，今天的AI Coding被定位为机器智能时代早期的电灯，替代的是古法编程、写报告等现有工作，还不足以创造一个新的时代。
围绕三大基石，阿里公布了最新进展与目标。AI模型方面，Qwen团队正在推进RSI方向的探索并取得一定进展，同时持续研究模型架构和数据优化，计划训练5-10T参数规模的全新模型；多模态被列为另一重要方向，目标是做理解与生成一体化的模型，对齐人类的文化、审美和价值观。AI芯片方面，平头哥已在数据中心芯片上完成布局：真武系列是GPU芯片、倚天系列是CPU芯片、磐脉系列是智能网卡，另有ICN互联芯片；自研的M890 AI超节点已成功支撑超过2万亿参数大模型的高效推理，本季度开始在阿里云规模化上架，新发布的真武V900被表述为目前中国算力性能最强的AI芯片，性能为M890的3倍，单一集群可扩展至50万卡，平头哥AI芯片的年出货量预计将大幅提升。AI云方面，吴泳铭称客户AI需求非常强劲，中长期需求远超供给能力，全球AI数据中心相关供应链紧缺限制了算力增长速度，阿里将与合作伙伴全力投入AI基础设施建设，目标是到2032年阿里云运营的全球数据中心规模超过20GW。端侧则包括面向开发者和企业本地化部署的开源Qwen27B模型，以及在移动端发布的Qwen Intelligence。
影响分析
这是一项判断：对中文开发者而言，这场演讲里最可落地的信息不是1000倍这个远景数字，而是几条被明确写进产品路线的约束条件。5-10T参数规模的模型训练计划，意味着训练与推理算力需求将继续上探，而“中长期需求远超供给能力”“供应链全球性紧缺限制算力增长速度”的表述，实际说明短期内云上算力仍是稀缺资源，API价格、配额、排队时长等体验指标在供需缓解前难有根本改善。真武V900把国产芯片的竞争焦点从单卡指标推向50万卡级集群，这对做大规模推理和长程Agent任务的团队是利好信号，但芯片可用性、集群真实交付节奏与推理框架适配度仍需观察。
另一条值得注意的线索是端侧与Agent。桌面端继续优化开源Qwen27B并支持本地化部署，移动端发布Qwen Intelligence，两者合起来指向一个趋势：模型的交付形态正在从“调用一个远程API”扩展为“端侧可部署、云上可长期运行”。对从业者来说，这意味着应用架构需要同时考虑端侧算力预算、模型授权方式与云端长任务的成本结构。同时，吴泳铭把AI Coding定义为“初级阶段”而非终局，这个判断若成立，今天以代码补全、文档生成为主要收入来源的工具，其商业模式的天花板可能比市场预期更早显现。
适用边界
上述判断建立在若干未验证的前提上。1000倍与99.9%的思考占比是基于供给与需求推演的预期，而非实测统计，若RSI路径进展不及预期、模型能力提升出现平台期，这一外推不成立；20GW数据中心目标与50万卡集群目标受电力、土地、供应链交付能力约束，若全球AI数据中心供应链紧缺长期延续，算力增长与收入增长都会低于规划；真武V900“中国算力性能最强”是阿里在发布会上的自述，不同测试口径与工作负载下的横向排名可能不同；Qwen27B“全球最受开发者欢迎”同样属于企业表述，在不同统计维度下会有差异。此外，本文涉及的进展与目标均为阿里巴巴单方披露，尚无第三方独立验证。
孤本观察
这场演讲最有信息量的部分，其实是把“缺算力”从抱怨变成了公开的战略前提：一边说需求远超供给，一边给出20GW和50万卡的数字。对中国开发者来说，值得记住的不是1000倍，而是“算力仍是瓶颈”这句话在被反复确认。
来源：量子位