不做AI的一环，阿里想做机器智能时代的“发电站”

21世纪经济报道记者董静怡 杭州报道

阿里已经把AI定义为一场比工业革命更深刻的变化，而且它不打算只做其中一环。

“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。”在云栖大会上，阿里巴巴CEO吴泳铭提出了这一判断。

上一次类似的变化，是工业革命把动力变成了商品——蒸汽机、内燃机、电，一步步把“动力”变成便宜、稳定、无处不在的基础设施，然后才有了现代产业体系。

阿里想做的，是机器智能时代的发电站和电网。

吴泳铭在演讲中明确提出了“AI模型、AI芯片、AI云”三大基石的框架，将阿里的投入方向从模糊的“All in AI”收敛为一条清晰的路线。

吴泳铭给出的目标是，到2032年，阿里云全球数据中心规模超过20GW，较2022年增长10倍。而这20GW目标下的实际投入，将远超此前3800亿元的三年计划。

AI技术变化之快，即便立于潮头也很难看清局势走向。阿里希望的，是抓住长期变化中的确定性机遇——用今天的利润，赌十年后的基础设施。

吴泳铭表示，机器智能时代的三大基石是AI模型、AI芯片和AI云，这是机器思考能够规模化供给的前提。

“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。”吴泳铭表示，“阿里巴巴将坚定投入以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。”

阿里全栈AI的叙事讲了不止一年。在今年云栖大会上，阿里首次集中展示了“芯片—模型—云”的协同优化成果。

在云栖大会上，平头哥发布了真武V900 AI芯片。从纸面参数看，这是一次肌肉的展示：算力是上一代M890的3倍，配备216GB显存，片间互联带宽高达1200GB/s，单集群可扩展至50万卡，并计划在2027年第一季度量产。

平头哥对阿里的价值在两方面：一是成本，自研芯片与阿里云基础设施、千问模型深度协同设计，提高性价比；二是供给保障，在全球AI算力紧缺的背景下，阿里云作为具备自研芯片能力的云计算公司，这是竞争对手难以复制的壁垒。

上一代真武M890，已经在产业端跑出了实绩。据阿里披露，基于真武M890打造的阿里云灵骏超节点实例，已稳定运行Qwen3.8-Max、Kimi K3等超2万亿参数模型，并实现规模化供给。截至2026年6月，真武系列已服务超过650家企业客户。

再看模型层。截至2026年8月，Qwen系列累计开源超过460个模型，全球下载量突破20亿次，在Hugging Face上的下载量是Google模型的近5倍、Meta模型的9倍。衍生模型数超过30万个，是全尺寸、全模态的全面开源。

目前，基于新一代架构的Qwen4已投入训练，后续版本计划将模型总参数扩展至5万亿至10万亿，向能够完成更复杂、更长程任务的超级人工智能（ASI）迈进。

模型也开始反过来探索自主设计芯片，为基础设施提效。仅基于一份真实的芯片模块规范，Qwen3.8-Max就能自主运行超过60小时、调用EDA工具超过万次，完成从功能架构设计、验证到物理实现的完整流程，实现物理面积下降42%的优化指标。

更关键的是，Qwen正逐步迈向训练自我进化。云栖大会上，阿里介绍称，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。

阿里云则围绕模型持续训练与推理、Agent长时间执行任务等需求，建设覆盖全球的AI基础设施，对GPU、CPU、网络、存储、数据库和工具进行联合优化。基于M890的超节点已支持超过2万亿参数模型的高效推理，并在阿里云实现规模化供给。今年第四季度，阿里云还将新增服务节点，进一步扩大云上超节点供给。

模型需求进入芯片设计，软硬件优化进入云上服务，模型自身又参与下一轮技术改进。随着这一反馈机制持续运转，单个环节的技术进步有望通过整个体系放大，进一步提升复杂AI任务的运行效率与规模化服务能力。

当阿里把自己定位成机器智能时代的基础设施，我们已能看到它的野心。

阿里真正在赌的，是机器智能时代的算力消耗模式将发生根本性变化。

吴泳铭的判断是：未来机器思考总量将达到人类的1000倍以上，而今天这一比例不到3%。工业时代，人类能消费多少商品取决于人口数量，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，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。

因此，扩大供给是阿里AI协同体系继续发展的一项重点。

吴泳铭表示，目前客户的AI需求非常强劲，阿里云在全力上架AI算力来满足客户需求，阿里云收入也在持续加速增长。但行业的中长期需求远超供给能力。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。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。

20GW是什么量级？一个大型数据中心园区的功率大约是几十到上百MW，20GW相当于两百多个大型园区。对比2022年生成式AI爆发前的规模，这意味着能耗提升10倍。

放到全球坐标系里看，微软计划到2032年将数据中心容量扩至38GW，AWS的节奏是一年新增约3.8GW——阿里这个目标，直接将自己放进了全球超大规模云厂商的第一梯队。

叙事是清晰的，但财务压力也是真实的。

财报显示，阿里在本季度资本支出达676.78亿元，同比增长75%。2025年初，阿里宣布未来三年投入超3800亿元用于云与AI硬件建设，截至2026年中，该投入目标已半数兑现。如果20GW的目标要在2032年前完成，后续资本开支只会更大。

对于阿里来说，真正的挑战或许不只在于能不能扛住短期的财务压力，还在于需求曲线是否真的会按照预期那样陡峭地上升。

吴泳铭在演讲中说：“今天的AI Coding就像1882年的电灯，它替代的是现有工作，古法编程、写报告等。但仅仅替代现有工作，不可能创造一个新的时代。”

这句话可以反过来理解：阿里做的所有事情——芯片、模型、云——都不是为了替代现有的IT工作负载。它们是在为一个还看不清全貌的新时代，提前铺路。

从技术逻辑上看，阿里的全栈布局在全球范围内确实少见。能够同时自研芯片、大模型和AI云的科技公司，一只手数得过来。

但全栈的价值最终取决于需求的增长速度和组织的执行效率，前者由市场决定，后者由阿里自己决定。