深度 | 阿里的 3800 亿大考，已经开始交卷了？

文：王

编辑：周易

如果用一个词去形容阿里的AI战略，应该是激进。尤其是在2025年2月，当阿里CEO吴泳铭宣布高达3800亿元的云和AI硬件基础设施投资计划的时候，这种激进引发了全行业的关注和讨论，而AI也由此成为阿里最重要的标签之一。

此后，关于阿里AI，外界一直在追问：这笔3800亿的投资，究竟该如何落地？

一年半后，这一问题的答案，终于在9月22日的云栖大会上得到了初步解答。在本次云栖大会的主题演讲中，与去年大谈ASI不同，吴泳铭强调了「机器智能」时代的概念，他表示，「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。

吴泳铭之所以这样讲，一方面是着眼于AI发展的宏大叙事。用他的话说：机器正在成为思考的主力，「思考」将像工业革命中的「动力」一样，成为规模化供给的商品，而未来机器思考总量将是人类的1000倍，而今天这一比例不到3%，至少还有几万倍的增长空间。

但另一方面，这场宏大叙事的支撑，其实对应的正是阿里的AI业务实践。

实际上，无论是AI模型、AI芯片还是AI云计算，这些都是阿里一直在努力深耕的领域，也是阿里全栈AI战略的核心支撑。在某种程度上，它们也是阿里3800亿AI基建投资计划的落地载体——所以，本次云栖大会，阿里也是给外界、也给自己一个相对明晰的交代。

模型的下一步：参数将走向 5-10 T

本次云栖大会上，关于阿里的大模型业务进展，最引人关注的并不是模型本身，而是阿里千问大模型正式亮相了一个新的技术负责人，也就是刘大一恒。

他的title全称是「阿里巴巴ATH事业群Token Foundry Qwen LLM项目负责人」。

刘大一恒的亮相之所以备受关注，是因为阿里之前的Qwen技术负责人林俊旸在3月份宣布卸任后，千问团队经历了阶段性代管与组织重组——而刘大一恒的新角色，意味着千问团队在经历了半年多的调整之后，终于确认最新的技术一号位，也意味着阿里的基础大模型研发管理架构已经重组完成。

而对于阿里大模型的长期进展来说，技术一号位的确认，是有着决定性好处的。

实际上，作为阿里大模型的技术一号位，刘大一恒在本地云栖大会的角色得到了重点强调，其主题演讲排在吴泳铭之后，由此也见到阿里对于大模型研发的高度重视。

在演讲中，刘大一恒重点强调了千问大模型自我进化的最新探索成果，其中的核心是Qwen对大模型递归自我改进（RSI）的拥抱。他表示，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。

不仅如此，在推理优化方面，Qwen3.8-Max在平头哥新款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。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，自主完成了减少42%面积的物理实现优化。

那么，面向未来，Qwen模型在技术层面将如何进化？

在演讲中，刘大一恒主要从架构优化、模态扩充、参数扩展三个方面谈到了阿里的思考。

在架构优化方面，Qwen3.8-Flash提前开源下一代千问大模型架构，通过注意力机制和模型内信息传递机制等核心技术创新，大幅度降低训练成本并提升推理效率。在模态扩充方面，全模态模型Qwen3.8-Omni正式亮相，将音视频等不同模态高效纳入统一理解框架中。

不过，最让外界关注的是参数扩展。刘大一恒表示参数越大依然能带来更强的性能，未来千问大模型总参数量将扩展至5万亿甚至10万亿的规模——刘大一恒还介绍称，Qwen4模型正采用全新架构展开训练，Qwen4.5、Qwen5均在稳步推进中。

除了大语言模型本身，阿里还在本次云栖大会上亮相了图像生成模型Qwen-Image-3.1、音乐生成模型HappyShrimp 1.1、世界模型最新版本HappyOyster 2.0 Preview等，而阿里也表示，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。

与此同时，阿里的语音模型家族Qwen-Audio-3.1也迎来全新升级，包含语音转写（ASR）、语音合成（TTS）和实时语音交互（Realtime）三大系列；而阿里的同声传译模型Qwen3.8-LiveTranslate也首次登场，新模型已接入千问AI眼镜、QwenNoteA2、钉钉耳机等AI硬件。

值得一提的是，为了推进阿里大模型加速走向终端，AI手机全栈解决方案Qwen Intelligence也正式发布，它专为手机场景深度优化——其中，即将于9月28日发布的荣耀新机Magic9将成为搭载Qwen Intelligence的首款正式机型。

平头哥亮出「中国最强 AI 芯片」

在本次云栖大会上，千问大模型的一系列动态，更像是一场「预告」；对比来看，在AI芯片领域，阿里则是妥妥的「亮剑」了。

这次亮剑的主角，是新一代训推一体AI芯片真武V900。

在谈到真武V900之前，一个无法忽略的细节是，在2025年的云栖大会上，关于阿里平头哥芯片业务的一系列动态，是由周靖人发布的；而今年，平头哥副总裁高慧登上了云栖大会的舞台——某种程度上，这也体现出了阿里对自研AI芯片的重视。

之所以如此，是因为这次发布的真武V900确实比较硬核，阿里称之为「中国最强AI芯片」。

从参数的角度，阿里真武V900基于自研并行计算架构设计，搭载216GB大容量显存，片间互联带宽达1200GB/s，其单芯片性能是真武M890的3倍。它原生支持FP8、FP4低精度计算，在大幅提升算力密度的同时，显著降低推理成本，可应用于高精度训练、低精度和超低精度推理的全场景。

除了芯片本身的强大，真武V900还能够与平头哥自研网络、存储芯片可实现系统级优化。

其中，真武V900通过自研ICN Switch互联芯片连接后的超节点，具备原生内存语义和内存统一编址能力，可实现千卡全带宽高速互联——这意味着上千颗真武V900能像一颗「超级芯片」一样协同工作，为超大参数模型的训练和推理提供高吞吐、低延迟、高并发的算力。

而这样的系统级优化，就是为了「万亿级参数大模型的训练和推理场景」而专门准备的。

在大会现场，阿里还发布升级的超节点服务器，内置真武V900、ICN Switch、磐脉智能网卡及镇岳SSD主控芯片，可以实现算、存、网全栈系统级协同，通过阿里云全新设计的智算中心网络架构，单一集群可扩展至50万卡规模。

阿里还表示，真武V900芯片将于2027年第一季度量产售卖。

实际上，阿里的真武系列芯片，早已经进入到大规模落地阶段。

基于真武M890的超节点已大规模应用，并跑通了Qwen3.8、Kimi K3等超2万亿参数规模模型。除此之外，真武系列芯片已服务超650家企业客户，覆盖智驾、金融、大模型、具身智能、能源、制造等千行百业，是场景应用最广的中国自研AI芯片之一。

而阿里巴巴集团CEO吴泳铭也明确表示：「由于平头哥芯片产品线的成熟和客户的广泛应用，平头哥AI芯片的年出货量将大幅提升。」

除了真武V900的发布，阿里还首次公布了倚天服务器CPU的规划，2027年将推出倚天720和倚天730两代服务器CPU。未来几年，平头哥将持续升级自研CPU微架构，基于第二代自研核的倚天750，将支持平头哥自研ICN片间互联总线协议。

届时，倚天CPU与真武AI芯片之间可通过ICN总线直接互联，进一步提升CPU与AI芯片的协同效率。

值得一提的是，到目前为止，平头哥已推出真武系列AI芯片、倚天系列服务器CPU、ICN Switch互联芯片、磐脉系列智能网卡、镇岳系列存储主控芯片等一系列数据中心核心芯片，实现了算力、网力和存力的全栈自研，并实现全栈高效协同。

可以说，这一系列布局，为阿里当前和未来的庞大AI场景，提供了强大而又坚固的硬件算力支撑——某种程度上，这也是阿里AI最核心的竞争力之所在。

2032 年，数据中心规模将超 20GW

对于阿里来说，无论是大模型，还是AI芯片，它们都有一个共同的业务整合和落地载体：那就是阿里云。

那么，在AI时代，阿里云将发展到什么规模？

早在2025年9月，阿里CEO吴泳铭在云栖大会的演讲中表示，对比2022年这个GenAI的元年，2032年阿里云全球数据中心的能耗规模将提升10倍。到了2026年，吴泳铭又在演讲中明确表示，2032年阿里云运营的全球数据中心规模超过20GW。

对比当下，这确实是一个相当宏大的目标。

而在这样一个宏大目标的指引之下，阿里云也在不断面向AI时代的客户需求而不断进化，其进化方向就是Agentic Cloud。

于是，在云栖大会的主论坛环节，阿里云CTO李飞飞系统性阐释了Agentic Cloud的战略布局。具体来说，阿里云将Model、Harness、Context作为核心构建场景，推出全新的云上算力底座和一系列Agent相关新品，其目的就是让AI真正进入到生产流程。

其中，针对当下模型尺寸从万亿到十万亿参数的跃迁和训练方式面向RSI的进化，阿里云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；同时，阿里云还推出了新一代全栈自研高性能存储CPFS、大模型KVCache管理和调度系统Tair KVCM等。

在推动Agent融入业务流程方面，阿里云推出了一系列Agent相关产品。

比如，企业级Agent构建治理平台AgentCore，来促进企业级客户与Harness深度协同；Agent Sandbox，为Agent提供开箱即用、极致弹性、安全可靠的执行环境；Agentic OS，Agent原生操作系统，可节省Token消耗30 %以上；Agentic Computer，为智能体提供统一、长期在线的专属云电脑工位。

以上这些，本质上就是推进大模型在企业的真实业务流程中，更好地通过Agent实现价值兑现。

另外，为了让Agent持续理解企业知识、业务状态和执行反馈，阿里云还提出了「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」。

总体来看，面向大模型和Agent领域的最新趋势，阿里云的动作确实很快。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。

而这一系列动作的最终目的，就是让AI真正进入生产流程、走向规模化价值创造。

值得一提的，除了推动阿里云面向AI持续进化，阿里云也在全球范围内不断扩展其数据中心的覆盖范围。

目前，阿里云已在全球31个地域运营107个可用区，并拥有3200多个边缘节点，是中国最大、亚太第一的云服务商。面向持续增长的AI需求，阿里云正同步提升数据中心的建设速度和计算密度，新一代AI数据中心最快可实现100天交付，单机柜计算密度能够达到传统数据中心的5到10倍。

另外，阿里云还宣布了新一轮全球基础设施扩建计划：未来12个月，将于土耳其、芬兰和荷兰首次设立云计算地域节点（Region），并扩建马来西亚、德国、阿联酋、法国和中国香港的数据中心，进一步提升全球算力供给和本地化云与AI服务能力。

这一切，都是在为阿里在2032年实现超过20GW的全球数据中心规模而做准备。

对于阿里来说，2026的云栖大会，早已不是一场面向阿里云开发者的盛会，它更像是阿里巴巴面面向AI时代的全范围布局的一次集体「阅兵」。

其中，本次大会最为值得业务关注的是，在多年的布局之后，阿里已经成为全球少数同时具备自研芯片、大模型和AI云全栈能力的科技公司，并且有机会第一次集中展示「芯片—模型—云」的协同优化成果。三者之间围绕任务效果、响应速度、吞吐和成本共同迭代，形成了一个协同飞轮。

而这个飞轮，毫无疑问是阿里在AI时代最宝贵的资产。

不过，需要明确的是，除了AI大模型、AI芯片和AI云这三大板块的最新突破，阿里也在本次云栖大会上公布了一系列关于AI面向端侧落地的最新业务动态。

比如，陈宇森以千问办公CEO的身份首次亮相云栖大会，发布了「企业上下文」产品，并发布了全新的AI硬件产品QwenNote A2；再比如，阿里云研发副总裁、终端智能计算事业部总裁张献涛发布了阿里云旗下AI智能体电脑Qwen Book，这是一款能自主理解用户意图并能不断进化的AI智能体电脑……

凡此种种，也都构成了阿里庞大AI生态的一部分。

回头来看，阿里CEO吴泳铭为什么要在今年的云栖大会上大谈特谈「机器智能」？

其本质在于，从2026年的情况来看，AI确确实实在能力的提升中，正在渗入到更多的生产和生活场景，今年大火的AI办公场景，就是其中的一个。吴泳铭认为，在这个过程中，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。

但很明显，当前AI的落地过程只是一个开始，这是一个无法改变的趋势。因建设一张覆盖全球、高效运转的超级网络此，在吴泳铭的视野中，未来，人们要使用机器智能，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——因此，需要建设一张覆盖全球、高效运转的超级网络。

这无疑是宏大的愿景。

而这个愿景，也构成了阿里决定投资3800亿元甚至更多来打造一个足够强大的AI基础设施和庞大AI生态的底层逻辑。当然，要实现这个愿景，阿里需要的不仅仅是硬核技术和全方位布局，也需要一个以AI为核心支点的商业正循环。

这并不容易，也绝非能一蹴而就——但以本次云栖大会为窗口，外界可以清晰地看到：阿里已经选择全力以赴，并且决心在一步步的艰难跋涉中把愿景转化为现实。