吴泳铭：机器思考总量将达人类的千倍以上，阿里把战略押在 AI 模型、芯片与云

AI芯片AI芯片自研数据中心算力基建递归自建长上下文推理多模态生成模型架构优化模型训练

2026-09-22 13:29

31 浏览

0 点赞

AI 速览

阿里巴巴CEO吴泳铭在2026云栖大会阐述机器智能时代判断，并宣布阿里聚焦AI模型、芯片与云三大战略方向，对关注中国AI基础设施进展的开发者和企业有参考价值。核心事实 - 战略方向：阿里将AI模型、AI芯片、AI云定为三大基石 - 技术路径：Qwen团队采用递归式自我改进（RSI）训练5–10万亿参数新模型 - 芯片进展：平头哥发布训推一体AI芯片真武V900，性能达M890三倍，2027年Q1量产 - 算力目标：计划到2032年阿里云全球数据中心规模超20GW - 端侧布局：移动端推Qwen Intelligence，桌面端开源Qwen 27B支持本地部署关键数据 - 当前机器思考总量不足人类3%，目标未来达1000倍以上 - 真武V900单集群可扩展至50万卡 - M890已支撑超2万亿参数大模型推理价值点帮助开发者和企业理解阿里在AI底层技术上的长期投入节奏与能力边界，便于评估合作或技术选型。

9月22日消息，阿里巴巴集团CEO吴泳铭在2026杭州云栖大会开幕式暨云栖主论坛发表演讲，给出对「机器智能」时代的两个判断，并把公司的战略选择定为 AI 模型、AI 芯片、AI 云三大基石。这场演讲公布的落地项是平头哥新一代训推一体 AI 芯片真武 V900；吴泳铭给出的长周期目标是，到 2032 年阿里云运营的全球数据中心规模超过 20GW。

两个判断：思考成为可以规模化供给的商品

第一个判断关于规模。吴泳铭称，未来机器供给的思考总量将达到人类思考总量的 1000 倍以上。他给出的推算是：人类顶级思考的供给受限于专家数量与培养周期。新生儿早衰症每年全球新增病例只有几十例，这类研究缺少足够的智力投入。当 AI 具备专业研究所需的智力水平、算力足够便宜，每个细分领域都可以组织上百万个 Agent 研究、模拟和验证不同方案。需求侧的变化在于，超长任务可以被拆成上千万个子任务执行，思考的消耗量不再与人口数量成正比，而与机器智能的思考深度和供给规模成正比。

按他的说法，目前机器思考的总量不到人类的 3%。如果未来是 1000 倍，中间还有上万倍的增长空间。

第二个判断关于产品。吴泳铭认为，机器智能时代的代表性产品还没有出现，今天的 AI Coding 类似 1882 年的电灯。他以电气化的时间线举例：爱迪生建成珍珠街电站，点亮街区约 400 盏电灯；空调要等到 1902 年，第一台计算机要等到 1946 年。他的判断是，「仅仅替代现有工作，不可能创造一个新的时代」。他补充说，「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」。

三大基石与今年给出的口径

在 AI 模型一侧，吴泳铭称通往 ASI 的技术路径是递归式自我改进（RSI）：模型从真实反馈中发现自身短板，自己设计实验、构建数据、评价结果，循环推动自身进化。Qwen 团队在这一方向上取得进展，计划训练 5 至 10 万亿参数规模的新模型，目标是完成更复杂、更长程的任务。理解与生成一体化的多模态模型是阿里的另一个研究方向。

在 AI 芯片一侧，平头哥发布训推一体 AI 芯片真武 V900。阿里称其性能达到上一代 M890 的 3 倍，基于它构建的单一集群可扩展至 50 万卡。真武 V900 计划于 2027 年第一季度量产售卖。平头哥的数据中心芯片有四条线，分别是真武系列 GPU、倚天系列 CPU、磐脉系列智能网卡和 ICN 互联芯片，组建超大规模 AI 集群所需的核心环节均已覆盖。吴泳铭称，自研的 M890 AI 超节点已支撑超 2 万亿参数的大模型推理，在阿里云实现规模化供给，今年第四季度将新增服务节点。

在 AI 云一侧，吴泳铭给出的目标是到 2032 年阿里云运营的全球数据中心规模超过 20GW。他给出当下的约束条件：客户 AI 需求强劲，行业中长期需求远超供给能力，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。

演讲提到两个端侧安排。移动端发布 Qwen Intelligence，为合作伙伴提供 AI 解决方案；桌面端开源的 Qwen 27B 支持开发者和企业的本地化部署。

这场开幕演讲把重点放在供给能力上

吴泳铭没有以产品清单为主线。演讲的顺序是判断、投入方向、跨年度的规模目标。判断回答的是这门生意为什么值得长期投入，供给紧张的表述回答的是为什么现在投入，两者落在同一件事上：投入的规模与节奏。

这场演讲给出的是供给能力的信息。对阿里云的客户与开发者，是算力供给的规模与节奏；对平头哥的芯片客户，是新芯片的量产与售卖时间。演讲没有给出价格、交付周期或可用性上的变化，无法据此判断这些投入对上述对象是好是坏。

这几项数字属于目标或产能口径，不是已经建成的规模：20GW 是 2032 年的目标，5 至 10 万亿参数与 50 万卡是计划与上限，真武 V900 的三倍性能由平头哥公布。吴泳铭在结尾说的是，「把繁重的任务留给机器，把时间、创造力以及对美好事物的感受留给人类」。

好文章，需要你的鼓励

# 报错信息分析与调试指南 ## 任务说明请分析用户提供的报错信息，推测可能的错误原因，并提供系统性的调试步骤。 ## 分析要求 1. **错误类型识别** - 确定是语法错误、运行时错误、逻辑错误还是环境配置错误 - 识别具体的错误类别（如空指针、数组越界、类型不匹配等） 2. **原因推测** - 基于错误信息中的关键线索进行合理推断 - 考虑常见的导致此类错误的编程场景 - 分析可能的代码问题或环境问题 3. **调试步骤** - 提供从简单到复杂的逐步调试方法 - 包括代码检查、日志添加、环境验证等具体操作 - 给出预防类似错误的最佳实践建议 ## 输出格式 - **错误类型**：[具体的错误分类] - **可能原因**： 1. [原因1] 2. [原因2] 3. [原因3] - **调试步骤**： 1. [步骤1] 2. [步骤2] 3. [步骤3] 4. [步骤4] - **解决方案**：[具体的修复建议] ## 示例 **输入**：【报错信息】 ``` TypeError: Cannot read property 'length' of undefined at processData (app.js:25:18) at main (app.js:10:5) ``` **输出**： - **错误类型**：运行时错误 - TypeError - **可能原因**： 1. 变量未正确初始化就被访问其 length 属性 2. 函数参数传递了 undefined 值 3. 异步操作中数据还未加载完成就尝试访问 - **调试步骤**： 1. 检查 app.js 第25行附近的变量声明和赋值 2. 在访问 length 属性前添加类型检查：`if (variable && variable.length)` 3. 使用 console.log() 输出相关变量的值确认其状态 4. 检查函数调用时传入的参数是否正确 - **解决方案**：在访问对象属性前先验证对象是否存在，或确保变量在使用前已被正确初始化。