过去两年，AI 的热词换了好几轮。先是参数规模，再是 Agent，然后是算力。虽然每一场发布会都在讲能力上限，但真正决定这一轮竞赛能跑多远的，常常是 PPT 里没有的东西：电、、产能。

9 月 22 日，在 2026 杭州云栖大会上，阿里巴巴集团 CEO 吴泳铭把话题重新拉回了这一层。他没有先讲模型跑分，而是给了两个判断：未来机器供给的思考总量将达到人类的 1000 倍以上；而机器智能时代的代表性产品，到现在还没有出现。

随后给出的三块基石，是 AI 模型、AI 芯片和 AI 云。" 这是我们的长期战略选择 "，吴泳铭说。

机器思考的 1000 倍：需求上限打开，供给成唯一约束

速途网在现场注意到，吴泳铭的第一个判断是从 " 智能成为规模化的商品 " 推出来的。他的类比是工业革命：蒸汽机、内燃机把 " 动力 " 变成了可以批量供给的商品，到今天机器动力已承担 99.9% 的物理工作。

推演分成供给和需求两端。供给端，人类顶级思考的数量极其有限。他以罕见病为例，新生儿早衰症全球每年新增病例仅几十例，有记录的患者只有几百人，按现有产业的商业逻辑，很少有公司愿意为几百人花十几年、投入巨资研发一款新药。而当 AI 具备专业研究所需的智力水平后，只要算力足够多、足够便宜，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。" 顶级思考，将从奢侈品变成可规模化供给的商品 "。

需求端的变化更彻底。工业时代，人能消费多少商品取决于人口数量。在吴泳铭的设想里，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。在他看来，今天机器思考的总量，大概不到人类的 3%，如果未来达到 1000 倍，那至少还有几万倍的增长空间。

更加值得注意的是第二个判断：机器智能时代的代表性产品还没有出现。他把今天的 AI Coding 比作 1882 年的电灯，替代的是古法编程、写报告这类现有工作，而 " 仅仅替代现有工作，不可能创造一个新的时代 "。参照物是电气时代，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；1902 年空调出现，而第一台计算机要等到 1946 年，距离那 400 盏灯已过去六十多年。

在速途网看来，这两个判断其实是同一个判断的两面：需求侧的上限被打开了，剩下的问题全部落在供给上。所以阿里这次给出的不是一份产品清单，而是一张供给侧图纸。吴泳铭把落脚点说得很直白，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。

三块基石之外，真正的新东西是 " 反向流动 "

按阿里的划分，机器智能时代的三块基石是 AI 模型、AI 芯片和 AI 云。这三个词不新鲜，但这次披露的进展里，有一部分过去很少被放在一起讲。

模型侧，吴泳铭称通往 ASI 的路径正变得更清晰，核心是递归式自我改进，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，循环推动自身进化。Qwen 团队正在做这方面的探索，并计划训练 5 到 10 万亿参数规模的新模型。多模态与终端侧也在推进，开源的 Qwen27B 面向本地化部署，移动端发布了 Qwen Intelligence。

芯片侧的进展更具体。平头哥已经完成数据中心芯片的全线布局，真武系列做 GPU、倚天系列做 CPU、磐脉系列做智能网卡，加上 ICN 互联芯片和镇岳 SSD 主控。云栖大会上发布的真武 V900，单芯片性能是真武 M890 的 3 倍，搭载 216GB 显存，片间互联带宽 1200GB/s，原生支持 FP8、FP4 低精度计算，计划 2027 年第一季度量产，基于它构建的单一集群可扩展至 50 万卡。

在速途网看来，" 全栈自研 " 这个词过去讲的是纵向一体化，是不必看别人脸色，而阿里这次讲的是另一件事：模型在链条里的位置变了，它从被芯片和云服务的对象，变成了给硬件提效的一方。这个位置变化，比任何一项跑分都更接近 " 机器智能 " 这个说法的字面意思。

吴泳铭说的限制条件，比 1000 倍更重要

速途网在听完吴泳铭的演讲后感受到，这场演讲里信息密度最高的部分其实是他主动说出的约束。吴泳铭提到客户的 AI 需求非常强劲，阿里云在全力上架 AI 算力，但同时，行业的中长期需求也远超阿里云的供给能力。当前，AI 数据中心相关供应链的全球性紧缺，限制了阿里云算力的增长速度。

于是有了两个具体动作：2026 年第四季度新增服务节点，扩大云上超节点供给；以及一个更远的目标，到 2032 年阿里云运营的全球数据中心规模超过 20GW。

在速途网看来，阿里这一次标出了风险的边界。如果我们把排期表纵向读一遍会发现，真武 V900 要等到 2027 年第一季度，倚天 750 要等到 2029 年，20GW 是 2032 年的目标。这意味着在相当长一段时间里，" 机器思考 1000 倍 " 的上限不由模型决定，而由制造、供电和交付能力决定。

另一个值得关注的点是，阿里已开源 460 余个 Qwen 模型，累计下载量突破 30 亿次，衍生模型超过 30 万个；而商业侧被明确摆上台面的数字，是真武系列截至 2026 年 6 月服务超过 650 家企业客户。开源把使用者的盘子做大，回报则要靠云和芯片来接。国内同时在自研芯片、大模型和云的公司不多，海外头部模型公司的算力多数依赖外部供应商，阿里选的是另一条更重、也更长的路。

写在最后

在速途网看来，吴泳铭这场演讲真正的分量，不在于 1000 倍这个数字，而在于他把竞争坐标从 " 谁的模型更强 " 挪到了 " 谁的电更便宜 "。

电气类比行业用过很多次，但这一次类比却开始有可检验的先后关系：发电站和电网必须先建，电器才谈得上普及。阿里把云从 " 卖算力的生意 " 重新描述成机器智能时代的电网，意图很清楚，它希望外界按基础设施、而不是按软件来理解这家公司的接下来几年。

当然，重资产的预期在科技行业从来不好讲，因为要先花钱后收钱，中间还要穿过供应链和能源两道关。吴泳铭自己承认供应链紧缺正在拖慢算力增长，等于把这条线的风险提前摊开。而目前这套表述里最扎实的部分，恰恰是那些能被复现的工程数据：模型参与芯片设计让模块面积减少 42%，模型自行优化推理框架让单实例吞吐提升 96%。如果这类案例能持续出现，全栈自研就从讲给资本市场听的话，变成了可以被第三方核对的产出。

1000 倍会不会来，最终由时间回答。但 20GW、2027 年第一季度、2029 年这些日期回答不了别的问题，它们只能回答一件事：阿里愿不愿意为这个判断先付钱。截至目前，它的答案是愿意。