阿里的 3800 亿大考，已经开始交卷了？

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。

写在最后

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。