上任两年，吴泳铭为阿里 AI 定调：终局是 ASI

正值吴泳铭出任阿里巴巴 CEO 两年之际， 阿里在云栖大会上仅用几个小时就点燃了市场的热情，股价一度大涨超 7%，创下 2021 年 10 月以来新高。

在为阿里确立“AI 驱动”的核心战略、并完成一系列组织与业务聚焦后，这一次，技术出身的吴泳铭不再低调，一口气向行业丢下几个核弹级判断，并首次系统阐述 AI 的终极目标，超级人工智能 ASI。正如吴泳铭在去年云栖大会上的断言——AI 发展速度已经超过任何历史时期——一年后，我们就已从 AGI 变革的早期，站到了新的路口。

AGI 不再是遥不可及的 AI 梦，而是一件确定性事件。一个具备人类通用认知能力的智能系统，一个能将人类从 80% 的日常工作中解放出来，让人类更专注于创造与探索的智能系统，仍然不是 AI 的上限。AI 真正的上限，将迈向超越人类智能、能够自我迭代进化的超级人工智能 ASI。甚至人类还没有解决的科学和工程问题，比如医学难题、可持续能源、气候问题等，都能交给 ASI。这才是 AI 最令人振奋的想象空间，也是阿里等大型科技企业在这个时代下，需要定义的技术价值锚点。

在通向 ASI 的新阶段，阿里云也对其全栈 AI 体系进行了全面升级，从 AI 大模型到 AI 基础设施都做了一轮技术迭代。

C 位是“卷”到让行业内人士都直呼“丧心病狂”的模型层，通义一出手就是大模型 7 连发：通义千问家族中最大、最强的基础模型 Qwen3-Max，下一代基础模型架构 Qwen3-Next，全新升级的千问编程模型 Qwen3-Coder，宣布开源的视觉理解模型 Qwen3-VL，斩获 32 项开源 SOTA 的全模态模型 Qwen3-Omni，通义万相 Wan2.5-preview 系列模型，以及新成员语音大模型通义百聆。

在 AI 基础设施层，阿里云清晰地展示了面向 Agent 的全栈技术体系应该如何构建：一站式模型服务和 Agent 开发平台阿里云百炼在框架、模型、组件等层面均进行了更新，底层基础设施面对 Agent 也进行了针对性调整，比如新一代磐久 128 超节点 AI 服务器，分布式存储层面的表格存储 Tablestore 为 Agent 提供高性能记忆库和知识库等。这一系统化的技术布局，标志着阿里云正在走向以 Agent 为中心的全栈智能服务新范式。

吴泳铭上任两年，如果“AI 驱动”为阿里确立战略锚点，ASI 的提出则设定了终极技术目标，也让其长期演进路线图清晰地呈现在外界眼前。

ASI，才是 AI 的终极目标

正如前文所言，阿里对 AI 终局的判断不是大家在过去更常听到的 AGI，而是 ASI。从 G 到 S，从 General 到 Super，意味着 AI 在速度与智慧上将经历双重飞跃。

根据阿里巴巴集团董事兼首席执行官，阿里云智能集团董事长兼首席执行官吴泳铭的判断，通往 ASI 之路将经历三个阶段。第一阶段是“智能涌现”，AI 通过学习海量人类知识具备泛化智能。这也是过去几年里，整个行业的核心叙事。

从 2022 年 ChatGPT 首次向全人类展现 AI 通用能力，到一年后全球范围内的“千模大战”，基于海量数据训练的大模型越来越能理解人类的意图，解答人类的问题。也是从这时起，AI 摆脱了过去饱受诟病的“人工智障”之称，成为真正意义的人工智能。

当大模型具备了 Tool Use 能力，有能力连接所有数字化工具，完成真实世界任务，并且编程能力得到提升后，就进入了第二个阶段，“自主行动”，AI 掌握工具使用和编程能力以“辅助人”。这也是行业当前所处的阶段。

在这一阶段，AI 不再局限于语言交流，而是具备了在真实世界中行动的能力。比如，可以在人类的目标设定下，拆解复杂任务，使用和制作工具，自主完成与数字世界和物理世界的交互。如果说第一阶段的 AI 还处于玩具级别，那第二阶段的 AI，就是真正意义上的生产力工具，能在各种应用场景中，为企业带来实实在在的价值。

进入自主行动阶段的 AI，典型的应用场景包括智能驾驶和智能座舱、千行百业融入核心生产与业务流程的 Agents、AI Coding，以及智能终端。

其中，Agent 作为 AI 最有想象力的应用，是当下从开发者到企业都在关注的焦点，包括在本次云栖大会上，阿里云还专门展示了如何构建面向 Agent 的全栈技术体系。

随着 AI 进入 Agentic 阶段，企业正从“调用模型”迈向“构建可执行任务的 AI Agent”。在金融、医疗、制造、零售等多个领域，Agent 已经深度融入到业务核心流程，并从“试点探索”全面迈向“规模化落地”阶段，帮助企业实现降本提效、流程重构与创新跃迁。比如，西门子通过“小西”的智能体实现问题解决时间缩短 50% 以上，工程决策和运维精准度显著提高；平安知鸟的 AIGC 智能体产品矩阵，能够助力 3000+ 企业降低培训成本，提升组织效能；微医打造的“4+1”AI 智能体体系，能显著提升基层医疗服务能力。

为这些投入实际应用的企业级 Agent 提供技术支撑的，是一站式模型服务和 Agent 开发平台阿里云百炼。

在今年的云栖大会上，阿里云百炼在框架、模型、组件等层面均进行了更新。在框架层面，发布了全新 Agent 开发框架 ModelStudio-ADK，该框架突破以预定义编排方式开发 Agent 的局限，能帮助企业高效开发具备自主决策、多轮反思和循环执行能力的 Agent。在模型层面，阿里云百炼持续上线全新通义千问家族旗舰模型，目前，用户可一键调用 Qwen、Wan、DeepSeek 等 200 多款业界领先的模型。在组件层面，面向 Agent 开发和部署所需的各类组件，阿里云百炼集成了工具连接 MCP Server、多模数据融合 RAG Server、沙箱工具 Sandbox Server、智能记忆存取 Memory Server 以及支付订阅服务 Pay Server 等 7 大企业级能力。

数据显示，在百炼平台，企业级 Agent 月均创建量近 8.4 万个，单月最高突破 9.8 万，创下历史新高。越来越多企业和个人开发者尝试在阿里云百炼上构建 Agent，整体注册用户规模实现跨越式增长，2025 年内的新增注册用户数，单月同比最高增速超 1000%。

“自主行动”阶段的 AI 典型应用场景还包括 AI Coding。进一步来说，大模型 Coding 能力的提升，才是 AI 得以处理更复杂任务的关键。背后原因在于，Agent 可以自主 Coding，理论上就能解决无限复杂的问题，像工程师团队一样理解复杂需求并自主完成编码、测试。

从早期的代码补全，到如今的智能编程，大模型 Coding 能力越来越强，也在不断改变开发者的生产力范式。在前年云栖大会上发布的通义灵码，仅用了两年时间，就覆盖了 90% 的中国上市商业银行，以及超过 70% 的中国车企。AI Coding 带来的人机协作新模式，也还将继续。

第三个阶段是“自我迭代”，AI 通过连接物理世界并实现自学习，最终实现“超越人”。这是阿里对于 AI 的未来构想。这个阶段有两个关键要素：其一，AI 连接了真实世界的全量原始数据；其二，Self-learning 自主学习。前者需要 AI 直接从物理世界获取更全面、更原始的数据，这样才能更好的理解和模拟世界，发现超越人类认知的深层规律，从而创造出比人更强大的智能能力。后者需要 AI 通过与真实世界的持续交互，获取新的数据并接收实时反馈，借助强化学习与持续学习机制，自主优化、修正偏差、实现自我迭代与智能升级。

ASI 带来的关于未来的美好畅想，是一个可以实现的诗和远方。随着 AI 行业发展的速度不断加快，行业对 AI 基础设施的需求也将提速。为了迎接 ASI 时代的到来，可能需要企业在战略和资源上持续倾斜。毕竟，这是一个“烧钱”不眨眼的赛道。根据 Gartner 最新发布的预测报告，全球在 AI 领域的支出预计将在 2025 年达到近 1.5 万亿美元，预计到 2026 年，全球 AI 总支出将进一步突破 2 万亿美元大关。

吴泳铭表示，为了迎接 ASI 时代的到来，阿里云正在积极推进三年 3800 亿的 AI 基础设施建设计划，并将会持续追加更大的投入。此外，阿里云的战略路径也将围绕这一目标进行深化：第一，通义千问坚定开源开放路线，致力于打造“AI 时代的 Android”；第二，构建作为“下一代计算机”的超级 AI 云，为全球提供智能算力网络。

阿里的 AI 叙事，是一场“豪赌”

事实上，吴泳铭上任的这两年，也正是阿里围绕 AI 全面调整战略、重兵投入的两年。

在 2023 年吴泳铭宣布出任阿里巴巴集团董事兼首席执行官，阿里云智能集团董事长兼首席执行官的两个月后，吴泳铭在某次财报分析师电话会上首次提出了“AI 驱动、公共云优先”的战略：一是 AI 驱动，打造一朵“AI 时代最开放的云”，为全行业提供稳定高效的 AI 基础设施，创建开放繁荣的 AI 生态；二是公共云优先，坚持对阿里云所有产品和业务模式作取舍, 减少项目制的销售订单，加大公共云核心产品投入，持续提升阿里云的收入质量。

外界看到最明显的一个信号是，阿里在自研大模型上的持续投入，并且坚定开源开放——刷榜的通义，很难不吸引外界关注。比如，2023 年 10 月发布的通义千问 2.0，在 10 个权威测评中，综合性能超过当时海外顶尖模型 GPT-3.5。在 2025 年开年 DeepSeek-R1 发布前，通义就曾带头开“卷”，进行包括支持 100 万 Tokens 上下文的 Qwen2.5-1M、视觉模型 Qwen2.5-VL、旗舰版模型 Qwen2.5-Max 在内的三连发。

在今年的云栖大会上，通义“卷”到了 7 连发。

其中，全新亮相的通义旗舰模型 Qwen3-Max 性能超过 GPT-5、Claude Opus 4 等，跻身全球前三，也是通义千问家族中最大、最强的基础模型。其预训练数据量达 36T tokens，总参数超过万亿，拥有极强的 Coding 编程能力和 Agent 工具调用能力。下一代基础模型架构 Qwen3-Next 及系列模型总参数 80B 仅激活 3B ，性能即可媲美千问 3 旗舰版 235B 模型，实现模型计算效率的重大突破。

在专项模型方面，千问编程模型 Qwen3-Coder 重磅升级。新的 Qwen3-Coder 与 Qwen Code、Claude Code 系统联合训练，应用效果显著提升，推理速度更快，代码安全性也显著提升。在多模态模型中，视觉理解模型 Qwen3-VL 重磅开源，在视觉感知和多模态推理方面实现重大突破，在 32 项核心能力测评中超过 Gemini-2.5-Pro 和 GPT-5。

全模态模型 Qwen3-Omni 音视频能力收获 32 项开源最佳性能 SOTA，可像人类一样听说写，应用场景广泛，未来可部署于车载、智能眼镜和手机等。通义大模型家族中的视觉基础模型通义万相，推出 Wan2.5-preview 系列模型，涵盖文生视频、图生视频、文生图和图像编辑四大模型。全新发布的语音大模型通义百聆包括语音识别大模型 Fun-ASR、语音合成大模型 Fun-CosyVoice。

读懂了阿里云对于大模型的判断——大模型是下一代的操作系统——也就读懂了通义为什么一直这么“卷”。

按照阿里关于 AI 未来的构思，几乎所有链接真实世界的工具接口都将与大模型进行链接，所有用户需求和行业应用将会通过大模型相关工具执行任务，大模型将会是承载用户、软件与 AI 计算资源交互调度的中间层，成为 AI 时代的操作系统。

开源吞噬软件，大模型吞噬一切。这也是通义千问选择开放路线的根因。开源模型创造的价值和能渗透的场景，会远远大于闭源模型。而选择开源，就是为了全力支持开发者生态，与全球所有开发者一起探索 AI 应用的无限可能。

数据显示，截至目前，阿里通义开源 300 余个模型，覆盖不同大小的“全尺寸”及 LLM、编程、图像、语音、视频等“全模态”，全球下载量突破 6 亿次，全球衍生模型 17 万个，稳居全球第一。超 100 万家客户接入通义大模型，权威调研机构沙利文 2025 上半年报告显示，在中国企业级大模型调用市场中，阿里通义占比第一。

阿里云对于 AI 时代的另一个判断是，超级 AI 云是下一代的计算机。

这一判断的基础是，过去几年，AI 算力增长是指数级的，数据中心内的计算范式也在发生革命性改变，从 CPU 为核心的传统计算，正在加速转变为以 GPU 为核心的 AI 计算。新的 AI 计算范式需要更稠密的算力、更高效的网络、更大的集群规模。这一切都需要充足的能源、全栈的技术、数百万计的 GPU 和 CPU，协同网络、芯片、存储、数据库高效运作，并且 24 小时处理全世界各地的需求。

这需要超大规模的基础设施和全栈的技术积累，只有超级 AI 云才能够承载这样的海量需求。

在今年的云栖大会上，阿里云 AI 基础设施也全面升级。从底层芯片、超节点服务器、高性能网络、分布式存储、智算集群到人工智能平台、模型训练推理服务，阿里云向外界秀了一次全栈 AI 技术能力肌肉。

在服务器层面，阿里云发布全新一代磐久 128 超节点 AI 服务器；在网络层面，阿里云新一代高性能网络 HPN 8.0 全新亮相；在存储层面，阿里云分布式存储面向 AI 需求全面升级；在 AI 智算集群层面，智能计算灵骏集群通过多级亲和性与拓扑感知调度设计，基于 HPN 网络支持 10 万卡稳定互联，多级可扩展的架构让每张卡间互联路径更短、带宽更优。

本次大会主论坛的一个彩蛋是，阿里云正在全力打造一台全新的 AI 超级计算机，它同时拥有最领先的 AI 基础设施和最领先的模型，两者可以在产品设计和运行架构上高度协同，从而确保在阿里云上调用和训练通义千问模型时，能达到最高效率。

如此宏大的 AI 叙事，三年 3800 亿的 AI 基础设施建设计划显然还只是个开始。根据远期规划，为了迎接 ASI 时代的到来，对比 2022 年这个 GenAI 的元年，2032 年阿里云全球数据中心的能耗规模将提升 10 倍。阿里云也将持续追加更大的投入。

在 AI 的宏大版图中，阿里的落子展现了一条清晰的演进路径，从工具应用到智能重构，每一步都让 AI 真正融入产业应用，指向最终到来的 ASI 星辰大海。或许，这才是科技发展为人类带来的意义。