2026 云栖大会今天开幕
阿里巴巴集团 CEO 吴泳铭发表主旨演讲
机器正在成为思考的主力
智能正在成为一种规模化的商品未来机器思考总量将达到人类的 1000 倍以上为此，我们正全力投入今日重磅合集如下
🔽🔽🔽
今天上午，阿里巴巴集团 CEO 吴泳铭发表最新演讲，阐述了对“机器智能”时代的思考。演讲全文如下——
大家好。欢迎来到 2026 云栖大会。一年前，我们判断，AGI 只是起点，AI 将继续走向能够自我迭代的超级智能 ASI。过去一年，大家已经习惯了从 Vibe Coding 到 Vibe Working，AI 在长程任务方面取得突破，自主进化的技术路径逐渐清晰。
随着 AI 逐步解锁更强的能力，加速渗透各类场景，我们看到一个深刻的变化：机器正在成为思考的主力，让智能成为一种规模化的商品。上一次这样的变化，是工业革命把「动力」变成了规模化的商品。人类先后发明了蒸汽机、内燃机和电，并围绕它们建立起了我们的现代产业。
这一次，轮到思考。过去，一个复杂问题能得到多少思考，受限于人类的智力总和与价值分配。今天，机器打破了这些限制。随着 ASI 逐步实现，AI 基础设施不断扩展，思考将像动力一样成为规模化供给的商品。未来，我们将进入「机器智能」时代。今天要讲的，就是我们对「机器智能」时代的思考，和阿里巴巴的战略选择。
首先，我想厘清一个概念。大家习惯把 AI 叫作「人工智能 Artificial Intelligence」，Artificial 这个词的意思是「人造的」，例如人造钻石、人造皮革。谈到 AI，我们也习惯用人的能力来理解它，希望造出像人一样思考的 AI。过去，我们都在问「它像不像人」、「能不能像人一样思考」，图灵测试也一度成为大家衡量 AI 的标准。
我们来回顾一下工业革命，蒸汽机、内燃机在早期是替代人和马能做的事情，比如矿井抽水、织布、搬运，「马力」这个词就是这么来的，但很快，机器动力能够做的事便远远超过体力劳动。再多的人和马，也无法让火车飞奔，更无法让飞机和火箭上天。机器动力不是简单的「人造体力」，而是创造了完全不同的物种。机器动力的深度、广度、密度，让人类做到了从未做到过的事情。
同样，今天的机器智能也不是人类智能的替代品，而是完全不同的物种。帮人编程、写报告，只是机器智能的初级阶段。当机器智能的供给变得无限充沛，它对人类社会的意义，将远远超出对现有脑力劳动的替代。这种变化将比工业革命更加深刻。对于未来的机器智能时代，我有两个判断。
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。这件事在物理世界已经发生过。今天，机器动力已经承担了 99.9%的物理工作。未来，人类的思考总量还会继续增长，但机器思考将以更快的速度扩张，预期将会承担 99.9%的思考工作。
我们可以从供给和需求两个方面来推演。首先是供给的变化。
人类顶级思考的供给十分有限。培养一名顶级科学家、专家，需要数十年的学习和实践，还需要天赋和运气。这让很多领域的研究，长期缺少足够的智力投入。例如新生儿的早衰症，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。这样的罕见病很难获得充足的研究资源。从现有医药产业的逻辑来看，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。
但当 AI 具备专业研究所需的智力水平后，只要算力足够多和便宜，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，探索不同的方案。过去这些资源投入不足的研究方向，将第一次获得大规模的智力供给。顶级思考，将从奢侈品变成可规模化供给的商品。想象一下，未来每个细分领域都有上百万量级的 AI 科学家和专家，持续创新、攻克难题，这会给人类社会带来多大的改变。
其次是需求的变化。工业时代，人类能消费多少商品，取决于人口数量。咖啡要有人喝，车要有人开，手机要有人用，一个人一生能消费的物理商品是有限的。但当 AI 能力越来越强，这个关系就会发生根本性的变化。设想一下未来的场景，当我们让 AI 造一艘飞船去火星，类似的超长复杂任务，AI 可以将它分解成上千万个子任务，由上百万个 Agent 不眠不休地持续工作，直到任务完成。
人只需要提出一个创意和目标，就能调动庞大的智力资源。每一个超级个体，都可以拥有上万倍的智力杠杆。思考的消耗量，将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。机器思考的总量将远远超过人类思考的总量。今天，机器思考的总量，大概不到人类的 3%。如果未来机器思考总量是人类的 1000 倍，简单推算一下，机器思考未来至少还有几万倍的增长空间。
第二个判断：机器智能时代的代表性产品，还没有出现。「电」最早的用途，是替代煤油灯和蜡烛，用来照明。1882 年，爱迪生建成珍珠街电站，点亮了附近街区大约 400 盏电灯。有意思的是，最早的时候，爱迪生卖灯泡就送电，就像今天卖 Agent 送 Token 一样。很多改变世界的东西，是后来才出现的。1902 年，空调出现了，后来洗衣机、电冰箱等陆续进入家庭。而第一台计算机要到 1946 年，距离珍珠街那 400 盏灯，已经过去了六十多年。当然，今天 AI 时代的进展，会比当年快得多。
今天的 AI Coding，可能类似机器智能时代早期的电灯，它替代的是人类社会现有的工作——古法编程。当下 AI 正在进入更广泛的办公市场，但仅仅替代现有工作，不可能创造一个新的时代。今天，我们很难预测，当机器智能爆发之后，会出现什么样的新产品、新发明。就像站在 1882 年的电灯下，人们很难想象出电气时代的完整图景。
但是，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。1900 年前后，很多电器已经开始进入家庭生活，但当时全世界一整年的发电量，放到今天，只够用两个小时。
机器智能时代，同样需要强大的基础设施建设。「机器智能」时代的三大基石，是 AI 模型、AI 芯片和 AI 云。它们是机器思考能够规模化供给的前提。只有 AI 基础设施足够完善、足够发达，各种应用层面的 AI 新产品、新发明才能层出不穷。如果从电的发展历史来看，未来机器智能对 AI 基础设施的需求，对比今天的规模，几乎是没有上限的。阿里巴巴将坚定投入 AI 模型、AI 芯片和 AI 云为代表的基础设施建设，这是我们的长期战略选择。
第一个基石，是 AI 模型。去年，我们谈到 AI 从自主行动走向自我迭代。今年，我们看到，通往 ASI 的技术路径变得更加清晰。从 Coding、办公到科学研究，模型正在承担越来越多的真实任务。这些真实任务和反馈，会让模型变得更强。
AI 研究员们也逐渐摸索出通往超级人工智能的具体技术路径——递归式自我改进，简称 RSI。模型从真实反馈中发现自己的短板，自己设计实验、构建数据、评价结果，循环推动模型自身的进化。目前，我们的 Qwen 团队正在进行 RSI 方面的探索，并取得一定的进展。Qwen 团队正在持续推进模型架构和数据优化的研究，计划训练 5-10T 参数规模的全新模型，目标是能够完成更复杂、更长程的任务，向 ASI 迈进。
如果说 LLM 基模的前进方向，是造顶级聪明、可自进化的大脑，多模态能力则是机器智能发展的另一个重要方向。我们认为，一个足够聪明的大脑还不够，AI 还需要掌握感知和交互能力。人类通过声音、图像、表情和动作交流，也通过这些方式表达意图和情绪。模型需要更强的多模态能力，像人一样理解和表达这些信息，对齐人类的文化、审美、价值观。未来，人们可以像跟人一样和 AI 交流，不必面对一个复杂的交互界面。这样，AI 才能更好地服务人类。因此，理解与生成一体化的多模态模型，是我们另一个重要研究方向。
第二基石是 AI 芯片。如果说 Token 是 AI 时代的电，芯片就是发电机。未来机器智能时代对 Token 的需求几乎没有上限，芯片要不断提高性能、扩大供给。今天，平头哥正在对数据中心芯片进行全面布局：「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，还有 ICN 互联芯片。组建超大规模 AI 集群的核心芯片已全面覆盖。
同时，我们正在对芯片、服务器、超节点、网络、模型和推理系统进行联合调优，不断提升整个 AI 集群的 Token 产能和效率。阿里自研的 M890 AI 超节点，已经成功支撑超过 2 万亿参数大模型的高效推理，是全球极少数具备这样能力的公司之一。本季度开始，阿里云已经规模化上架我们的 AI 超节点。
今天，我们将发布新一代 AI 芯片真武 V900。这是目前中国算力性能最强的 AI 芯片，性能达到 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。由于平头哥芯片产品线的成熟和客户的广泛应用，我们预计平头哥 AI 芯片的年出货量将大幅提升。
未来，智能应该是无处不在的，AI 还会进一步融入桌面端和移动端。在桌面端，我们开源的 Qwen27B 模型是全球最受开发者欢迎的模型。未来，我们还将持续优化这类模型，支持开发者和企业的本地化部署。在移动端，我们今天将正式发布 Qwen Intelligence，为合作伙伴提供 AI 解决方案，让移动设备能够完成各类复杂任务。
第三是 AI 云。芯片负责生产 Token，云负责把 Token 送到每一个需要它的地方。模型需要持续训练和推理，Agent 需要长时间执行任务，AI 开发的软件也会越来越多。它们都会成为云上的「居民」，持续调用算力。我们需要围绕这些新的工作负载，建设为模型和 Agent 持续运行而设计的 AI 云。
今天，我们很少注意到电网本身。在任何地方，只要插上插座，电就来了。如果没有电网和插座，这样的生活恐怕大家连一天都难以忍受。未来使用机器智能，也应该这样方便。所有设备只要接入云，就能随时随地使用机器智能。
要做到这一点，我们需要建设一张覆盖全球、高效运转的超级网络，对 GPU、CPU、网络、存储、数据库和各种工具进行联合优化。这张网越完善，就会有更多用户和 Agent 进来，形成规模和网络效应。
目前客户的 AI 需求非常强劲，我们在全力上架 AI 算力来满足客户需求。因此，阿里云收入也在持续加速增长。但是，我们看到行业的中长期需求，远超我们的供给能力。当前，AI 数据中心相关供应链的全球性紧缺，限制了我们算力的增长速度。为此，阿里巴巴将与所有合作伙伴一起，全力投入 AI 基础设施建设，打造一朵面向「机器智能」时代的 AI 云。我们的目标是到 2032 年，阿里云运营的全球数据中心规模超过 20GW，以满足快速增长的 AI 需求。
最后，当机器成为思考的主力，未来会有什么样的变化？我们可以回顾一下过往。工业革命让机器承担了越来越多的体力劳动，人类从繁重的体力劳动中解放出来后，发展出了足球、篮球等各类体育竞技运动。现代奥运会、世界杯、NBA，这些都是工业革命后的产物。
历史上，这样的事情一再发生。印刷术的兴起，让人类的文化创作爆发式增长；照相机出现后，绘画并没有消失，画家不再追求画得有多像，反而促进了印象派和抽象艺术的诞生；留声机的出现，并没有让歌手失业，反而让音乐成为最广泛的大众艺术。
当机器承担了更多不得不做的事，人便有时间去做真正想做的事。未来，机器智能将为人类的好奇心和创造力打开更大的空间。今天，我们很难具体描绘未来是什么样的。就像回到 300 年前，一个在田中劳作的农夫，很难想象未来会有人走进一个叫“健身房”的地方，付费进行体力劳动。
去年，我们说，AI 越强大，人类更强大。今天，我依旧这么认为。这也是我们全力迈向「机器智能」时代的意义：把繁重的任务留给机器，把时间、创造力以及对美好事物的感受留给人类。这一切，现在刚刚开始。祝大家度过一个充实愉快的云栖大会。谢谢大家。
AI 模型：迈向 RSI 自我迭代
在模型自我训练上，Qwen3.8-Max 通过自主搭建训练流程、构造训练数据，并自主设计实验、定位缺陷，在人类完全“零参与”的情况下持续迭代超 1 个月，完成 33 轮有效迭代。
在推理优化上，Qwen3.8-Max 在从未见过的平头哥新款 GPU 上，自主适配优化了下代架构的 Qwen3.8-Flash 新模型的推理框架，实现单实例推理吞吐量提升 96%。
在芯片模型协同设计上，Qwen3.8-Max 仅基于一份真实的总线模块规范，自主展开前端、验证、后端的全链路自迭代，在自主运行超 60 小时、调用 EDA 工具超万次后，完成了减少 42%面积的物理实现优化。
视听生成模型升级，全新视频生成模型拟 11 月发布
图像生成模型 Qwen-Image-3.1 亮相，它面向电商、创意、设计等真实商用场景全新优化升级，将原本数小时的视觉设计压缩至秒级交付，水准堪比专业设计师，还支持图像精准编辑。
音乐生成模型 Happy Shrimp1.1 版本发布，在音乐表现、人声质量、多语种演唱及指令理解四个专业维度进一步提升，支持百余种曲风与十余种主流语言，覆盖人声歌曲与纯音乐两大生成场景。
世界模型最新版本 HappyOyster 2.0 Preview 亮相，通过对模型架构、训练方法和数据体系的全面升级，显著提升了智能实时交互、记忆能力、实时响应、物理规律遵循等核心能力，让世界模型真正从实验室走向真实可用。
全新的下一代视频生成模型也将于 11 月发布，朝着更长、更可控、更完整、更智能的方向演进：在更长的时间里，新模型仍然能保持一致性，创作者可精准掌控人物、场景与镜头；同时，模型能具备导演级的创作思维，从生成单个镜头迈向理解完整叙事。
下代语音模型发布，Qwen 落地多款智能终端
语音模型家族 Qwen-Audio-3.1 全新升级，包含语音转写（ASR）、语音合成（TTS）和实时语音交互（Realtime）三大系列。
基于下代架构的音频理解模型 Qwen-Audio-3.1-ASR-Next 全新发布，它能够理解人物情绪、音乐、环境声与机械声，完成声音描述、事件定位、音频问答与推理，让“这段录音中人的情绪怎样”这样的问题能够被理解和准确回答。
同时，音频创作模型 Qwen-Audio-3.1-TTS-Next 全新亮相，它采用全新架构，可根据一段脚本，直接生成融合对白和环境声的完整音频，极大提高有声书、影视剧和播客等专业创作的效率。
Qwen-Audio-3.1-Realtime 实时交互能力再提升，能够边听、边想、边说，并进一步增强多语言交互、角色扮演和共情能力。目前，该系列模型已应用于千问办公和 Qoder，并接入 QwenNote A2 随身助理、QwenNote Eva 桌面机器人和千问 AI 眼镜等硬件产品。
此外，同声传译模型 Qwen3.8-LiveTranslate 首次登场，人类同传平均时延在 4 秒以上，但该模型可将时延压缩至不到 2.5 秒。据了解，新模型已接入千问 AI 眼镜、QwenNote A2、钉钉耳机等 AI 硬件。
阿里大模型加速走向终端。AI 手机全栈解决方案 Qwen Intelligence 发布，专为手机场景深度优化，为合作伙伴提供基于千问大模型的 Agent 技术平台，让手机能够更可靠地完成跨应用的复杂任务。
AI 芯片：升级训推性能并扩大供给
平头哥发布新一代训推一体 AI 芯片真武 V900，性能是真武 M890 的三倍，这是目前算力性能最强的中国自研 AI 芯片，可满足万亿级参数大模型的训练和推理需求。该芯片将于 2027 年第一季度量产售卖。
系统能力从单芯片延伸至超节点和大规模集群。V900 通过自研 ICN Switch 互联芯片，可实现千卡全带宽高速互联；新一代磐久超节点服务器集成 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，单一 AI 集群可扩展至 50 万卡。平头哥已覆盖 AI 芯片、服务器 CPU、互联、网络和存储等数据中心核心芯片。
商业应用方面，基于 M890 的超节点已大规模应用，跑通 Qwen3.8、Kimi K3 等超过 2 万亿参数的模型。截至 2026 年 6 月，真武系列已服务超过 650 家企业客户。
CPU 路线同步推进。平头哥计划 2027 年推出倚天 720 和倚天 730，其中倚天 730 首次采用全自研 CPU 微架构，单核 SPECint2017/GHz 性能最高达到倚天 710 的 1.4 倍。未来还将持续升级自研 CPU 微架构，基于第二代自研核的倚天 750，并支持通过 ICN 总线与真武 AI 芯片直接互联，进一步提升 CPU 与 AI 芯片的协同效率。
AI 云：扩大算力交付与全球数据中心布局
会上展示了全栈自研的算力底座，覆盖计算、存储、网络等多个产品线，应对 RSI 带来的挑战。以灵骏真武 M890 超节点为例，这是首个国产十万卡超节点集群，有力支撑了 Qwen3.8 Max、KIMI K3 等超 2T 参数大模型对外提供商业服务。即将在明年推出灵骏真武 V900 超节点，性能提升三倍，搭载业界首发 200Pbps 通信带宽，6us 时延集群架构，自研 SNPO 支持全光互联，支持千卡 Scale-Up 互连，单集群可扩展至 50 万卡规模，向广域超节点演进。
同时，阿里云还推出了新一代全栈自研高性能存储 CPFS，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，支撑大规模模型训练和多模态数据处理。在实际模型训练中，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%，使 GPU 从“等待数据”转向持续高效计算。
推理方面，面对容量激增的 KVCache 和多轮任务的普及，阿里云围绕 Token 生产和缓存调用进行极致的优化，推出大模型 KVCache 管理和调度系统 Tair KVCM，统一编排 Mempool、KVCacheStore 与远端共享存储等多级缓存，存有效命中率可达 99%，每 token 成本下降 50%；推出存储加速引擎 KV CacheStore，位于 G3.5 存储层，承接长上下文、多轮对话和复杂 Agent 任务产生的大量缓存，满足千亿级 KV 存储规模，在客户生产环境下实现缓存覆盖时间窗口扩大 900%，吞吐提升 20%，首 token 延迟降低 54%；全新的智算中心融合网络 TPN，采用 2 层网络设计，访问带宽增加 2.5 倍，网络规模增加 10 倍，延时降低 1/3。这些围绕“算网存”多方协同的技术创新，为模型推理提供了充沛的动力。
Agent Native Cloud：支撑 Agent 应用规模化落地
阿里云推出企业级 Agent 构建治理平台 AgentCore，将企业级 Agent 基础设施标准化、托管化，支持长任务、失败重试、断点恢复和异步执行；提供安全执行环境、资源隔离、身份权限和全链路审计，统一管理模型、MCP Server、Skill 等资产，可提升任务完成率 99%，TCO 成本降低 70%。
此外，阿里云还准备了一系列 Agent 相关产品，为企业级客户提供丰富的选择：包括 Agent Sandbox，为 Agent 提供开箱即用、极致弹性、安全可靠的执行环境，创建吞吐 10 万/分钟，深休眠唤醒＜600ms，兼容 E2B 和 K8s，满足从开发者到企业级 Agent 的规模化运行需求；Agentic OS，Agent 原生操作系统，可节省 Token 消耗 30%以上，沙箱部署密度提升 3 倍；Agentic Computer，为智能体提供统一、长期在线的专属云电脑工位，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。
Context Engine：让企业全域数据成为 Agent 的实时上下文
围绕这一变化，阿里云提出了“存储—计算处理—上下文工程”三位一体的引擎——Context Engine ，将企业全域数据转化为实时上下文，让 Agent 从“知道什么”进一步走向“此刻应该做什么”：底层以多模态数据存储承接对话、视频帧、点云、轨迹和 Agent 反馈；中间层覆盖数据集成、转换、治理、质量和建模；上层通过全域知识库、多模态语义整合、持续记忆管理和实时上下文装配，把分散数据组织成 Agent 可以按需调用、动态更新的上下文。
产品层面，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 提供统一全模态数据湖仓，通过一份数据支持多引擎计算，使总体拥有成本降低 38%；Apsara Lakebase 支持亚秒级、零拷贝创建数据分支，为 Agent 提供快速、隔离的数据空间；MC-MaxFrame 以自研分布式计算框架处理多模态数据，计算性能提升 12%；Flink Streaming Agent 提供 60 多种全模态算子，把实时数据流转化为可触发业务流程的实时行动。
从面向 Model 的模型生产，到面向 Harness 的自主运行与持续进化，再到面向 Context 的实时智能决策，阿里云正在把算力、网络、存储、运行环境、身份安全和企业数据组织成统一的 Agentic Cloud。“阿里云已形成从 AI 芯片、服务器 CPU，到互联、网卡、存储主控和 AI 软件栈的完整布局，可以从计算、网络到存储做全栈协同和联合调优，把智能生产效率做到更高。”李飞飞表示。
荣耀新机 Magic9 系列和荣耀 Robot Phone 将成为首批搭载 Qwen Intelligence 的正式机型
即将于 9 月 28 日发布的荣耀新机 Magic9 系列将成为首批搭载阿里 AI 手机解决方案 Qwen Intelligence 的正式机型。荣耀 Robot Phone 也同步支持。
双方携手以 Qwen Intelligence 和荣耀 MagicOS 为基础，共同打造了面向下一代 AI 手机的垂域模型和解决方案，铸就行业领先的手机 Agent 能力，让手机从被动响应走向主动服务。基于这套解决方案，综合任务准确率达到 91.8%，GUI 操作速度仅有 3.6s，对于复杂长程任务可实现 100+操作步数，端到端的服务闭环率超过 90%。
中国平安携手阿里巴巴：日均消耗超 3000 亿 Token，产业 AI 加速创造业务价值
过去不到一年，在阿里云 AI 全栈技术优化支持下，平安日均 Token 用量从约 300 亿增至超过 3000 亿，同期算力从 800PF 提升至 1500PF，以不到 2 倍的算力增长支撑了 10 倍的 Token 增长。通过模型、推理和算力调度等全栈优化，平安单位算力 Token 产出提升 368%，单位 Token 成本下降 76%。
目前，平安 AI 应用已覆盖客户服务、医疗和研发等场景。面向超过 2.5 亿客户，AI 快捷服务上线不到半年，累计服务量突破 1 亿；AI 医生连接线上线下医疗服务，目前 25%的到院服务、70%的到家服务由 AI 首接和分发；软件研发领域，约 80%新代码由 AI 生成，AI 测试占比达到 67%。
随着 AI 进入更复杂的专业场景，对模型能力的要求也在提高。平安与阿里云围绕千问系列模型开展合作，平安结合专业数据、专家知识和真实业务反馈，将千问的通用模型能力进一步转化为金融、医疗专业能力。平安金融大模型登顶 CNFinBench 大语言模型公开榜单；平安医疗大模型在 HealthBench Hard 取得最高分，刷新基准纪录，医疗质控显示问诊场景幻觉率低于 0.3%。
