刘伟光：AI正在重构阿里巴巴

京东与美团在外卖市场激战正酣，拼多多通过TEMU拓展海外，阿里巴巴则在AI上发力，电商行业的三大巨头在不同的方向上发力，而不是在同一市场恶性竞争。

站在未来的某个时点会看2025年，可能是电商行业的转折之年：历经过去二十年的高速发展，包括创新、流量等在内的行业红利消失了，企业开始寻求的心得增长空间。基于各自的现实，他们做了不同的选择。

今天聊聊阿里巴巴。对与企业来说，最大的现实就是独特的资源与禀赋。阿里巴巴最大的资源是什么？是过去二十年来积累的IT能力。基于这样的现实，阿里巴巴选择的方向是云计算、AI，以及芯片。

4月9日，阿里云在北京开了一场会，名为“AI势能大会”。阿里云公共云事业部总裁刘伟光称，大模型的社会价值正在企业市场释放，阿里云将坚定投入，打造全栈领先的技术，持续开源开放，为AI应用提速。

刘伟光当日的演讲描绘了一幅“AI重构云计算、重构阿里巴巴、重构世界”的蓝图。下面是刘伟光的演讲全文，有删改。

1

3800亿投入AI

大家记得从2022年Chat GPT发布以后，到2023年到2024年这两年发生怎样的变化，从最初我们看待大语言模型人工智能是一个离我们生活工作甚至各行各业都是非常遥远的概念，到2024年我们才深深感觉到这是一个AI应用爆发非常不平凡的一年，我们更多看到不仅是大语言基础模型层面不断的高速迭代，同时看到大语言模型人工智能在各行各业无论是从个人助力方面以及个人产业赋能方面，我们看到这个社会在方方面面被AI渗透，被AI影响，非常坚信未来AI会和很多产业进行非常有机融合，爆发出更多崭新商业模式和生产路径。

在面临未来发展方向时候，在一路耕耘当中，我们已经看到一些非常清楚的面向未来大模型，无论从训练、推理、应用方面一些发展趋势。同时，今天想借这个场合把阿里云面向未来思考和计划想法跟大家做分享，下面开启今天分享。

过去一年跟大家分享几个非常令人兴奋的数字，这一年走遍中国很多城市，包括一线城市、二线城市，也走遍很多各行各业企业，这一年当中我看到很多企业在积极的拥抱大语言模型，无论从简单的文生图、文生视频、创作文档以及到数据应用很多方面我看到很多令人兴奋的应用，跟大家分享一个数字，仅仅在阿里云我们自身平台上在这一年当中，如果我们从第12个月跟第一个月相比的话，我们整个大语言模型API调用量增长接近100倍，接入大语言模型企业数量同样也是一个接近100倍的增长比例，这个背后我们看到这是AI应用落地非常好的前奏和序曲，我们相信未来AI应用还将在很多方面加速。

第一方面这一年当中，2024年当中基础模型能力在全世界以及在中国有非常大的进化，从深度推理模型到多模态能力都在大幅度提升，让很多产业有了强化学习新的想法，让更多AI应用落地可能性变得越来越高。同时在AI发展过程当中我们发现基模能力提升，AI应用爆发，同时在背后的训练和推理产生的资源成本在不断降低。

第二点看到各行各业尤其云计算，包括AI的创业公司都在大力投入，以阿里云为例，前两天宣布未来投入3800亿人民币面向未来人工智能和基础设施建设，在于我们对于未来整个人工智能和云计算前景无比相信。同时这一年看到模型在开源生态上有了非常大的加速度的提升，开源技术在不断推动技术创新和变革，今天开源模型和商业化模型已经并驾齐驱，今天我们看到经过市场的筛选，标准协议开始收敛，这将大大简化模型调用推动AI应用的生态繁荣。

社会层面，今天国家、地方政府对人工智能+已经给予足够重视，今年两会上人工智能+再次被写入到政府报告当中，春节期间DeepSeek在全世界的火爆出圈让公众对大语言模型能力的认知水平有了显著提升，也非常大的有助于社会各界各种各样企业生态能够基于基础大模型做更多的AI Agent、AI原生应用、推理应用等崭新的创新，所以我非常有理由坚信，2025年一定是中国AI应用爆发的元年。

2

AI重构云计算

AI应用爆发对模型的性能和模型之下的基础设施以及往上面看到AI应用开发工具都提出非常高要求，这三大要素模型、推理、开发工具正在全速演进过程当中，以大语言模型为例全世界几乎以每两周为一个时间单位在进行告诉演进，基础模型仍然是整个AI应用生态最核心的引擎，通过提供深度的推理能力，多模态理解和交互能力，支持多样化、高质量服务基于很多不同类型尺寸模型满足复杂、轻型以及更多探索型需求，这一年当中我们发现很多客户在探索AI应用过程当中不约而同发现，在大语言模型下边，支撑这一层面基础设施能力，特别是推理服务能力是保障AI应用服务顺畅、平滑、稳定、高效运行的重要基础设施，今天我们看到云计算也在慢慢的为AI所改变，无论从计算、存储、网络都为AI做非常多优化，让所有AI训练、推理、应用能够在云基础设施上进行更稳定平滑高效运行。

在过去两年很少去花时间去提及在模型之上所有开发工具，当模型能力足够强大，当AI应用呼之欲出的时候，更多客户需要更完整、更完备的工具链去基于模型进行AI应用开发，所以AI上面开发工具是连通大语言模型和真实应用最重要桥梁，他们需要更多是功能齐全、生态丰富、灵活部署的工具，加速应用开发。

基于这三个方向，我们对未来的推演，我们来分享一下阿里云从这三个方面要素出发，我们怎么样全力优化和升级体系为应用提速。

首先，我们来看看基础大模型的演进。大家知道DeepSeek是全世界非常火爆出圈的开源模型，阿里是更早的开源模型的贡献者，今天通义大模型家族是中国最早的基础大模型家族，在海外、国内拥有庞大的群众基础，2023年发布以来，我们模型在不断迭代加强，特别在最近五个月当中进行非常密集的快速迭代，越来越快的速度去开源更多不同类型的模型，包括推理模型、多模态模型和不同尺寸、不同形态模型，今天阿里云已经成为全世界唯一一家积极研发基础大模型并全方位开源、全方位贡献的云计算厂商。

今天，我们的开源模型总量达到超过200款，同时在开源社区衍生千问模型已经突破10万，全球最大大模型家族，超过同形态，同样开源所有其他大语言模型，在开源背后反映了我们对大语言模型技术发展的判断，大家知道开源是一个非常好开放，大家可以互相借鉴使用形态，同时方便于生态能够基于开源去开发更多应用，这是一个非常简单的逻辑，我们将足够优秀，能力突出的更多尺寸的模型开源之后，不断的去获得更广泛的开发者和企业级的用户支持和反馈，不断给我们提出更多需求，从而验证我们每一款开源模型的可行性和正确性，通过不断加速的正反馈我们能以更高速度进行快速迭代。

3

大模型进化的两个方向

对未来两个重要判断，基于大模型研发，同时推广客户使用大语言模型过程当中，非常坚定相信，未来我们即将发布新的模型，即将开发新的模型最重要的方向就是在两个重要领域，一个在Reasoning推理，一个在Omin全模态融合。

首先谈一谈Reasoning推理，大模型未来的方向一定是向越来越强的推理能力演化，尤其强化学习，不断提升思维链的能力，伴随着模型内生的任务规划、工具使用能力不断增强，大模型会越来越智慧，可以不断思考更难更高问题，完成更复杂任务，这是一个重要方向，其中特别想强调一下强化学习，今年2025年我们发现一个市场非常重要崭新趋势，很多客户都在利用今天更为强大的基础大模型做基于强化学习的后训练，同时强化学习后训练反过来为推理提供重要能力补充，所以我相信未来会有更多的客户基于强化学习后训练，基于更强大的基模会开发出更崭新的，更有价值的面向社会价值的客户应用和AI原生应用，以及AIAgent。

第二我们看Omni，Omni从全球看更意味着音频、视频、声音和文字全模态融合，这已经打破了单一的文生图，文生视频单项能力，实现全模态共同融合，Omni主要是跨越模态的界限，整合不同类型的要素，解决复杂问题提供强有力的支撑，并激发新的可能性。这里边Omni未来更多是让模型像人一样去识别图像、文字，对意图的理解，对视频理解，对声音的理解，通过这样理解方式能够创造更多的崭新的商业模式，这个就是未来一个重要的两个方向。

下面我们可以分别展开来做一些探索。

首先我们看一下Reasoning这个方向，在上个月6号我们开源了千问32B这个模型，这款模型在数字代码以及通用能力上有了非常重要的突破，尤其在小参数实现大参数模型的Sora能力上，展现非常高的水准，不仅应用原来的传统模型能力，同时看到今天已经广泛应用风险控制、风险审核等任务，集成了智能体能力之后，它对Agent智能体更加友好，特别32B参数模型非常有效降低客户部署和使用的成本，甚至在消费级的卡上也能够部署，我们正在沿着Reasoning推理能力更强，更智慧的方向去提升模型。

第一用强化学习进一步提升模型的泛化模型，例如把推理任务拆解成多个子任务，从而提升模型跨领域泛化能力；第二模型将自行判断用快思考还是慢思考解决问题，这样的话模型能够在快速响应的时候更快，该快的时候更快，该慢的时候思考的更深，这样情况下可以合理使用底层计算资源，降低资源的不必要的消耗；第三模型具备更强大的任务规划和工具调度能力，并且成为模型自身的原生能力，这些能力纳入到模型本身推理之后，从而加速Agent和AI的落地。

我们来看一下多模态方向，大家知道多模态领域2023年、2024年已经有广泛的提及，当时模型不足以商业模式上真正落地，多模态领域当中先介绍最近开源的两款模型，千问VL是一款视觉语言模型，今年1月份发布的时候13项权威当中都拿到最高奖项，最重要变化是对物品理解大大增强，不仅对花草、文物、植物这些东西识别，更多是Grounding能力上不断提升，同时能够理解视频内容，并且按照Jacent（音）方式返回坐标，对OCR扫描也有很好泛化能力，特别需要强调是增加了长达一小时复杂视频理解能力，能够按照要求返回事件，按照事件返回结果。

举个例子如果看一场大概1—2小时NBA比赛，我们就可以在这场比赛当中去节选某一个特定指定球星扣篮、抢断3分的所有的集锦，并且给予相应的数据分析，大家想想如果这个能力在更多领域提升的话，我们可以创造更大商业上想象空间，并且有更高效率提升。

同时我们看到万相是我们发布一款视频生成模型，今年2月份我们拿下权威评测VBench mark的榜首，对于物理规律反馈是非常逼真的，对于大幅度运动以及稳定的格式化输出都有很好的表现，大家从屏幕当中可以看到一些具体的效果。

4

Omni：多磨感知，跨域协同

3月27号发布首款端到端、全模态大模型千问2.5—Omni 7B，同时这款模型最大特点是同时可以处理文本、图像、音频、视频多种输入，并且实时的生成文本与自然语言进行合成输出。同样在权威的评测当中Omni刷新业界记录，能够以接近人类的感官方式更立体认知世界，并实现交互，通过音视频识别复杂的情绪，完成if的理解，更自然反馈角色。

当我们每一个人看到电影，看到图片，看到视频，看到对话的时候我们自然会产生一些反映，产生一些总结，但是人的记忆力是有限的，人的总结能力是有限的，今天大语言模型可以无死角、无疲劳的不断进行输出，给予更科学、更高效、更权威数字的反馈，这个对未来价值非常高的。人类对世界认知本身就是多模态的，多种模态模型必然相互融合，最终实现一定是全模态的输入和输出，模型会更加深入理解声音、语言、视频，理解情绪，理解意图，从而实现多模感知和跨越协同，所以模型反映速度将大幅度提升，并且大幅度降低模型反映的延迟，最终为我们带来更为逼真的交互理解一些崭新方式。

刚才我们从模型功能上讨论了Reasoning推理和Omni两大重要必然发展趋势。

另外维度上，2024年另外领域也在不断演进，这个领域就是模型工程领域，模型工程领域不断快速优化，加速扩展AI应用的边界，重要的架构就是MOE架构，今天看到MOE架构全球大家关注重点，这个架构能够降低模型推理的资源消耗，提升模型的技能表现，尤其垂直领域大大超越传统的小模型，这时候我们就非常关注小尺寸模型，不断训练、加强，或者通过蒸馏等技术手段，将大尺寸模型逐渐的生成垂直领域，垂直方向的小尺寸模型，这样更好满足各种终端侧需求，这样我们对模型应用上绝不仅仅限制在屏幕上、电脑上，更多从虚拟世界走向物理世界，我们看到这样小尺寸端侧模型对于消费电子、手机、汽车、终端各种交互设备都有巨大的利好。刚才介绍VL、Omni这些模型都推出小尺寸的版本，可以同时运行在手机这样的端侧模型上，实现多模态的感知，后面有案例跟大家进行分享。

去年大会上阿里云曾经提出一个论断，AI最大想象力是接管数字世界，并且改变物理世界，小尺寸模型在一定程度上今天正在让这个论断逐渐变成现实。

5

为AI应用者打通最后一公里

接下来我们看看第二个方向，在模型之下推理服务基础设施这个层面最新的进展。大家看这张图当中有非常多的数字，全新模型权重服务面向MOE推理引擎，流量感知的PD分离，企业级的模型的API服务，在AI推理训练应用不断爆发过程当中，AI基础设施也随之做了非常多优化，没有这些能力优化我们也感受不到今天AI应用爆发的层出不穷。

第一个数字模型的参数量持续扩大之后，模型的冷启动和规模化扩容就成为新的瓶颈都需要花费很长时间，尤其存储侧、网络侧带来巨大压力，所以基于此推出全新模型权重服务，将大模型从0—100节点冷启动速度提升21倍，将50—100节点扩容速度提升12倍，这就是大家看到21和12，在MOE架构本身对资源的利用率相对高，但调度和应用件失陪相对复杂，针对MOE优化阿里云推出分布式推理调度引擎Llumnix，提高了集群的资源利用率，降低了推理延迟，使得第一个首Token延迟下降92%，同时每一个Token生成时间降低15%。看第三组数字，阿里云今年实现流量感知的PD分离，也就是预填充和解码的分离，实现高性能的KV存储，通过技术优化端到端的服务吞吐提升接近91%，这样的话千万级的活跃用户场景KV Cache命中率就可以提升10倍，基于这些底层技术为大语言模型训练推理优化之后，我们最终能够为企业级客户企业级模型提供更好的API服务，更稳定高效API服务，满足多元化服务等级目标。

最后我们看一下开发工具。刚才我讲到是过去相对被忽略一环，今天当AI爆发的时候如何利用开发工具更高效快速开发应用是非常关键新的部分。

今天AI应用开发需要更强大好用易用的工具，让更多企业客户可以用更低门槛拥抱AI，在阿里云百炼平台上不断进行优化之后提供今天全链路应用构建工具，这也是相对于我们说给所有的企业AI应用开发者提供了最后一公里落地的技术保障。第一个就是记忆类工具，为客户提供高效智能上下文管理，解决碎片化问题，提供个性化长期记忆，提升模型的推理效率；第二点RAG工具，检索增强工具支持文本、表格、图片等跨模态的融合搜索，提升了搜索的精准度；第三模型的路由工具，相对复杂工作流程当中，模型路由工具可以根据客户任务需求自动的进行调度的智能化；第四工作流编排工具，通过拖拉拽方式实现多种智能体之间的混合编排，实现企业级的SLA保障；第五点工具调用能力，如何帮助企业用5—10分钟构建智能体，灌入企业的数据和业务逻辑，并提供丰富的插件，帮助客户解决快速构建技术应用，最后我们也提供了全链路的观测能力，能够让企业在一个生命周期内看到所有AI Agent，AI应用的运转情况和使用效果。

6

大模型正在成为创新的核心竞争力

下面我们把枯燥的概念变成几个真实的案例，我们看一看当天很多企业是如何利用大模型实现生产力提升，实现已有的变革。

我们来看第一个案例，我们很多讲到了多模态，这个案例就是一个非常典型的案例，大家看到荣耀手机，在座很多人也是荣耀手机客户，今天中国所有的手机品牌都在all inAI路上，大力发展基于手机，甚至说手机操作系统原生的AI新的创新，荣耀任意门，通过手的关节圈选屏幕上内容，实现全新指关节和屏幕的交互模式，这个不仅仅是截图，更多是通过AI识别意图和提供相应服务，我圈选的图片这里边是文字，是图片还是其他内容，能够识别出我们需要为这个图片文字所进行的下一步的操作，对AI的应用，AI的要求就包括了对图像文本、文字的精准识别，包括人物、景点、风景、食品、动物、植物等等场景越复杂用户意图越多样化，识别难度越高，产生延迟也比较高，所以实时互动仍然是很大挑战，阿里云和荣耀一起合作，在百炼平台上打造了一个VQA视觉问答的端到端解决方案，基于意图识别多模型协同实现了图片问答以及通过并行策略实现全链路的延迟优化，这样的话使得荣耀手机在图片细分场景的识别率提升接近40%，整体延迟率降低30%，实现客户在荣耀手机上对AI真实感知。

我们来看第二个案例库迪咖啡，是一个全球知名的连锁咖啡品牌，他有一个非常重要的工作如何对全球上万家门店进行每天的质检，质检不仅包括产品质量，包括每个店面当前实时的运行情况，所以库迪咖啡一直希望大模型替代人工抽样检测，规范店面环境，产品质量、人工服务，比如说筒是否盖好，显示器是否关闭，员工着装是否规范等等，那针对当前单独使用大模型无法达成客户对准确率和召回率要求的情况，库迪咖啡和阿里云合作，我们在百炼平台通过大模型和小模型相互结合以及多模态理解之后，实现了万家店铺的智能巡检，推动店铺规范化，视觉专家小模型负责业务目标理解，千问VL模型负责场景理解，大小模型协同之后，将整个模型对整个质检背后的准确率提升95%，事件准确率提升80%，这样的话显著提升运行效率，也间接提升客户满意度。

垃圾

我们再看国内案例，鱼泡招聘，是一家位于成都企业，是国内领先蓝领招聘平台，蓝领招聘跟白领招聘有非常大的不同，他的工作更换频率是比较高的，同时10倍的发布也相对具有一些口语化、工种复杂、描述复杂、招聘求职意愿快速变化的特点，鱼泡招聘基于百炼平台智能化编排能力构建了招工信息的加工、处理匹配智能化数据链路，包括近百个工作流节点，数十个业务逻辑分支，特别是基于全流程可视化编排，AI业务开发时长从以往一两周缩短到一两天，大幅度提升开发速度基础上显著提升了职位匹配成功率。今天看到鱼泡招聘只是阿里云今天用API，用大语言模型服务客户的沧海一粟，在更多原来PC端交互过程当中，很多基于交互业务流程的交互，包括数据交互，这样场景当中大语言模型对这样的场景替代率，包括整个效率提升是更为明显的，在蓝领招聘领域，大家知道谁是市场第一名，今天市场第一名绝对领导者也在此时此刻正在使用阿里通义模型进行内部效率提升，在教育、面试、招聘大语言模型无论多模态，意图理解，对数据标注，包括智能化服务方面都能够给予这些领域巨大提升，今年看到在教育领域，对整个教育领域AI巨大整个商业模式重构甚至改变，在教育领域当中题库设计、新题编排，包括解题思路过去大量基于人工，今天大语言模型在数学模型不断提升，为基础学科能力提升为整个教育领域带来崭新效率提升甚至行业变革。

看一下利用AI来实现多模态意图理解案例，听力熊，是专注于青少年市场随身智能体的创新企业，他的产品可以支持即拍即问，并且实现视频、音频、图片、图像多模态交互，用户利用听觉产品拍摄课本插图、设备，听力熊设备自动生成相应历史故事，并进行语音的讲解，通过哪吒等新的虚拟的数字人形象与用户进行交互和互动，所以说对听力熊对图像识别精度、信息查询准确性、交互延迟都提出非常高严格的需求，听力熊基于百炼智能化助力方案，通过大小模同协同实现语音视觉、文本多模态交互，并且支持50多款预制的技能，从而显著提升AI实物智能讲解、口语陪练等多个场景的客户体验。

今天我看到我们在很多场景当中看到，这些新的小型的终端型的面向C端设备，无论像听力熊这样的随身智能体还是智能演进、智能鼠标、智能耳机，这样设备不断发展过程当中我们发现大语言模型、基础模型就变成了这些崭新创业企业核心产品的核心竞争力。

7

全栈AI赋能客户

今天我们看到AI应用构建方式非常多样化，既可以在云上，公共云上进行开发部署，我们也支持本地化服务，为了更好服务本地服务，特别满足部分政企客户监管性要求，阿里云推出了百炼专署版，百炼专署版作为企业级大模型生产管理应用开发平台，包括了深入理解政企客户的场景需求，接入政企客户的长线工具，同时支持一云多芯，包括支持异构计算、多类CPU和GPU，并且在CPU和GPU之间实现高效调度和高效的异构算力的调度，充分满足客户在信创方面要求。第三在多模方面支持与第三方模型接入，为政企客户提供丰富多样模型选择；第四打造专署模型，专署部署和专署的安全体系，为政企客户提供高可用定制化方案，今天百炼专署版为匹配政企客户核心业务需求在政务、金融、能源、电力、科研、医疗很多方面深度应用。

做了前面一些总结分析，包括对推理应用方面整个案例分享，我们可以看到，总结起来从算力资源到组件调用直接影响AI实际应用的效果，要全面的优化AI技术栈，今天阿里云内部提出全栈AI，不仅是大模型，也不仅是云下技术架构层，包含底层的异构算力、模型服务平台、百炼平台，以及上面所有面向客户服务，技术架构层面计算资源需求日益增长，GPU需求增长速度远远高于传统CPU增长，遍布全球AI计算集群会成为未来新的刚需，这些集群支持大规模的训练任务，并且同时满足实时的推理应用的需求。

在数据服务层，大家知道所有大模型创新包括专署模型，包括AI应用AIAgent都离不开高质量数据灌入，这些数据导入需要先进、安全可信的数据管理技术，加速AI数据的生产周期。第三开发构建层，今天基于全球领先的基础大模型必须配套更为领先的应用构建的系列工具，帮助企业在最后一公里实现模型应用的落地，让企业能够快速的组合不同功能的Agent，从而高效的完成任务的执行。基础设施层面和数据服务层面阿里云已经耕耘多年，无论从阿里系内部，还是服务于很多的互联网企业客户、政企客户，他们业务需求、性能需求安全稳定高可用需求给很多技术挑战，同时帮助我们不断提升自己产品能力，在新型开发构建层和应用生态层我们未来发力重点，不断加大投入，让AI和云更好融合，为客户提供更加高效AI基础设施。

8

Agent Store构建生态

下面就谈一下未来我们两个重要的新的方向。刚才我们对行业趋势、技术发展趋势和应用的方向做了探索，下面我们来讲一下未来我们两个重要计划。大家知道从大语言模型开发以来接近不到3年时间，这个领域当中发展速度非常快，模型迭代速度非常快，新的模型层出不穷，开发构建层大语言模型和外部工具交互一直非常重要的一环，我们构建应用的时候我们无法逃避这样沟通重要桥梁。MCP是今天公认的业界标准，有望加速AI应用爆发的最后一公里的连接。在MCP之前有很多人尝试过函数调用、提示词工程、插件等方式，今天MCP通过统一标准接口，类似于今天电脑手机当中看到USB—C、TapC接口，这样一种标准接口降低大模型和外部系统的集成门槛，我们也正式宣布从今天2025年4月9日开始在百炼上全面支持MCP服务部署和调用。我们三种方式MCP广场预制20家云端服务、50家本地服务，并且支持RemoteAI服务。第二在MCP管理方面，我们提供自主开发注册的MCP服务，基于函数计算提供MCP弹性调度能力。第三在MCP调用上智能体和工作流当中配置MCP服务，全模型的MCP服务调用兼容，这样在百炼上兼容MCP亮点在于一键部署免运维，多类型服务的供给，以及全链路工具兼容和更低成本的托管，让客户能够在应用和大语言模型之间在百炼平台上实现最后一公里的落地。

最后我想谈一谈一个崭新的想法，这也是我们对未来即将发布新的业务策略的预告，大家知道我们谈了非常多的Agent，今天Agent已经从很小手机端电脑端功能插件，延伸到自动驾驶走进大家生活更为重要的大型AIAgent，我相信未来AI Agent不仅仅手机上应用程序，会遍布各种各样的终端，用各种各样的形式来服务大家的生活、工作，所以今年一定是AI Agent爆发一年，未来AI Agent会以各种各样形态存在手机、终端、电脑和各种各样的新型设备当中，为了加大AI Agent应用爆发，同时降低AI Agent开发的门槛，同时本着为市场提供更高质量的AI Agent，提供更高质量更便利的AI Agent开发工具环境平台，拓展崭新领域，开辟新的市场，阿里云的AI Agent Store打开AI生态繁星阁，推动企业进入人机协同的时代，帮助客户更好更快更高效的开发Agent。

我们首先从我做起从我们自身做起，推动阿里巴巴旗下所有服务，首先走向AI Agent，首先开放在AI Agent Store上，希望更多Agent Store开发部署发布有自己特点，可以被观众广泛接纳新型的AI Agent，无论开发者、内容创作者还是行业解决方案提供商，均可以在AI Agent Store贡献智慧，共享成果，不断迭代开发应用，我们相信阿里云AI Agent Store是AI时代的应用繁星阁，他将不断丰富功能和服务，并且加速在很大领域包括汽车、手机、零售、健康方方面面领域的智能化，为用户开发应用带来更好的体验，同时希望把我们自身当中有高价值的服务开放给全社会。

最后做一个总结，我们看到站在今天的AI技术革命的浪潮之巅，站在2025年AI Agent爆发元年，不仅属于技术突破，更属于开放、协作和共享生态，我们追求的一定不是单纯的模型强国，我们追求的一定是未来的更为丰富的AI应用强国，所以说我们以三个关键词为今天演讲划句号，坚定投入、全栈创新、开源开放。阿里把AI作为我们核心战略，不仅仅对阿里云，对阿里巴巴所有业务会不断投入研发，保持技术领先性为客户提供更高效无论从模型还是基础设施层面，同时我们也会坚持不断的AI的全栈创新，从底层基础设施到顶层的大语言模型的开发，构建全球的全栈技术能力，坚持技术创新；第三开源开放是我们始终坚定理念，阿里云始终倡导开源开放，我们相信只有通过更多、更开放的技术共享，才能够加速AI的普及、普惠和规模化应用，所以说我们经常讲未来已来，所以跟大家讲今天不是谈论未来已来，希望所有人提前进入未来，共同推动AI为社会进步。