云栖重磅合集 | 吴泳铭：未来机器思考的总量将达到人类的1000倍以上

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%。