2026云栖大会释放阿里AI全栈信号： 从机器思考到生产级智能应用

文｜蓝鲸观察

9月22日，2026云栖大会在杭州举行。围绕机器智能时代的到来，阿里巴巴集中发布并展示其在AI模型、AI芯片、AI云和企业级Agent应用等方面的最新进展。

阿里巴巴集团首席执行官吴泳铭在主旨演讲中表示，机器正在成为思考的主力，智能将成为可规模化供给的商品。他判断，未来机器产生的思考总量可能达到人类的1000倍以上，目前这一比例还不到人类思考总量的3%。

从本届云栖大会释放的信息来看，人工智能正在进入新的发展阶段。模型除了回答问题，还需要理解真实业务、调用工具、接入组织流程，并持续完成复杂任务。

吴泳铭表示，随着推理成本持续下降，智能能力有望像电力和云计算一样，成为可以大规模调用的基础资源。他同时指出，AI模型、AI芯片和AI云将构成机器智能时代的三大基石。

模型方面，阿里Qwen团队正在探索递归式自我改进，并计划训练5万亿至10万亿参数规模的新模型，以支持更复杂、更长程的任务。芯片方面，平头哥发布真武V900，算力达到上一代真武M890的3倍，相关集群架构可支撑更大规模的模型训练和推理。云基础设施方面，阿里云提出，到2032年，其全球数据中心运营规模将超过20GW，为模型和智能体持续运行提供算力。

上述投入反映出阿里在模型、算力、云和应用等环节的协同布局。

如果说AI模型、芯片和云构成了机器智能的底座，那么本届云栖大会上更值得关注的，是这些能力如何进入真实业务和内容生产场景。从计算底座、模型能力，到Agent应用和产业实践，AI的竞争焦点正在从参数规模转向真实生产价值。

千问办公补齐企业上下，QwenNote将线下沟通带入Agent

千问办公在大会上发布了"企业上下文"。

通用大模型具备知识和推理能力，但进入企业后，仍需理解企业内部的组织关系、业务规则、历史项目、客户资料、岗位权限和工作流程。

千问办公通过结构化整理和动态更新企业信息，为不同任务提供与业务相关的上下文。借助这些信息，Agent可以在明确的职责和权限范围内承担具体工作，逐步成为理解岗位职责、权限边界和业务目标的"数字员工"。

企业信息也大量产生于会议、客户拜访、面试、访谈和现场沟通，过去往往难以被完整记录并直接提供给Agent使用。

为补充这部分"外部上下文"，千问办公发布AI Agent硬件QwenNote，并推出首款产品QwenNote A2。该设备可转写和整理会议及线下沟通内容，并将其沉淀为千问办公能够调用的信息，供Agent进一步理解、处理并推进后续任务。

用户可以通过语音向QwenNote A2交代任务，也可以在听记结束后唤起千问办公。根据现场介绍，面试结束后，用户可要求Agent分析候选人的优缺点、评估岗位匹配度并将结果同步给HR；律师完成当事人会谈后，也可让Agent整理案情备忘、生成证据清单，并通过钉钉创建待办和预约会议。

大会公开资料显示，QwenNote A2重67克，配备6个麦克风，最远拾音距离为8米，连续转写时长为40小时，并可通过内置4G独立使用。

从企业上下文到QwenNote，千问办公一端连接企业已有的文档、系统和组织知识，另一端获取会议、拜访和现场沟通中的信息，再由Agent完成理解、整理和执行。

Wan 3.0推动视频生成向长时复杂多模态演进

在多模态生成领域，Wan 3.0是现场技术论坛的重点内容之一。论坛资料显示，视频生成正在从5秒左右的单镜头、单一动作或商品展示，向长时、多镜头和复杂叙事演进。

Wan 3.0采用原生多模态架构，可理解文本、图片、视频和音频等输入。阿里云官方技术文档显示，该模型可生成最长30秒的视频，支持多镜头、智能时长、参考音频等功能，输出分辨率覆盖480P、720P和1080P，也可读取参考文件和公开网页内容。

长时视频对人物、服装、场景、镜头运动和视觉风格的一致性提出了更高要求。现场演示展示了Wan 3.0在复杂运镜、跨镜头人物一致性、状态延续和风格稳定性方面的进展。论坛资料还显示，模型通过人类反馈强化学习进行偏好对齐，并围绕画面质量、运动表现、音频效果和镜头一致性等维度进行优化。

相关能力可应用于专业影视、互动短剧、广告、电商视频、游戏创作、音乐MV和创意设计等场景。现场展示的专业影视方向重点呈现工业质感、完整叙事和成片稳定性，并探索AI在脚本理解、镜头设计、角色保持、素材生产和连续叙事中的应用。

图片生成方面，现场论坛还介绍了Qwen-Image-2.1的更新方向，包括原生透明图像生成与编辑、多图和多层编辑等能力。图片、视频和音频能力的协同，可进一步支持广告设计、品牌内容、电商素材和互动内容生产。

芒测AI 3.0互动平台参展，探索心理测试与短视频融合

据项目方介绍，二期3层展区展示了基于阿里千问技术集成的视频生成平台"芒测AI 3.0"。

该平台定位为心理测试短视频Agent，尝试把心理测试中的情境设置、互动选择、内容生成和结果反馈转化为短视频体验。平台通过人物、情节和关键选择，将静态文字题目重组为互动内容，并根据用户的不同选择生成相应剧情或反馈。

据项目方介绍，"芒测3.0互动平台"是国内首个将心理咨询思路与短视频Agent相结合的应用尝试。

该项目还探索了大模型如何将专业知识、内容创作和用户互动组织为完整产品，为心理科普、情绪陪伴、关系教育和互动内容提供新的应用方式。

阿里AI布局进一步延伸至生产环节

从千问办公的企业上下文、Wan 3.0的长时视频生成，到"芒测3.0"等垂直Agent应用，本届云栖大会呈现了从底层算力到行业应用的技术落地路径。

底层由AI芯片和AI云提供算力，模型负责理解、推理和生成，Agent连接企业数据、工具和业务流程，并在办公、内容生产、客户服务及垂直行业中形成具体应用。

吴泳铭关于"机器思考"的判断，也对应着上述布局。机器智能要形成规模，既需要更大的模型，也需要稳定的计算基础设施、可管理的企业上下文、明确的权限体系，以及能够进入真实工作场景的Agent。

从大会发布的产品方向看，AI正在从回答问题转向执行任务。用户提出目标后，模型需要理解环境、调用工具并完成任务，并在过程中持续学习和改进。

2026云栖大会展示的重点，正由单项产品和模型能力，进一步转向面向生产环节的机器智能体系。