行业观察 · 2026 云栖大会首日 演讲全文与首日公开信息的双重解读 9月21日，第七届AICC人工智能计算大会在北京闭幕，主题是智能体带来的计算产业变革，并发布了《2026中国人工智能计算力发展评估报告》。 一天之后，就是今天，2026云栖大会在杭州开幕，两场大会一北一南相继举行，议程中的共同词汇是Agentic。 这说明行业共识已经越过争论期，智能体不再只是应用层的产品形态，而正在成为重新定义算力供给、模型研发与商业计量的基础性变量。AICC从供给侧讨论了Token如何被高效生产，云栖大会则回答了一个更大的问题，即这些Token将由谁消耗，以及承载它们的基础设施要扩张到什么程度。 主论坛上，阿里巴巴集团CEO吴泳铭发表主旨演讲，提出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。本文基于演讲全文与首日公开信息，分析这届大会真正指向的行业变化。 吴泳铭的核心判断是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。他给出的参照是工业革命，蒸汽机与内燃机最初只是替代人和马的体力，但很快机器动力的深度、广度与密度让人类做到了从未做到过的事情，今天机器动力已经承担了99.9%的物理工作。 他据此推演，未来机器思考也将承担99.9%的思考工作，而今天机器思考的总量大概不到人类的3%。需要说明的是，这属于演讲层面的战略推演而非可量化的实测结论，其价值在于提供坐标系，而非给出预测。 这个判断的论证分供给与需求两侧展开。 供给侧，人类顶级思考的供给天然有限，培养一名顶级科学家需要数十年，很多领域因此长期缺少智力投入，他以每年全球新增仅几十例的新生儿早衰症为例，说明罕见病研究很难获得资源。 而当AI具备专业研究所需的智力水平后，只要算力足够多且便宜，每个细分领域都可以组织上百万个Agent持续研究与验证，顶级思考将从奢侈品变成可规模化供给的商品。 需求侧，工业时代的商品消费受人口数量约束，而思考的消耗量将不再与人口成正比，而是与机器智能的思考深度和供给规模成正比。 同时应当看到这一推演模型的约束。它建立在两个前置假设之上，即算力供给可以持续扩张，且Agent能够胜任绝大多数类型的智力任务。现实是，大量高价值科研工作高度依赖真实世界的实验反馈与实物验证，机器思考可以无限放大智力杠杆，却不能直接替代湿实验与实体测试环节。机器智能首先是智力供给的放大器，而非现实验证的替代品，这一点决定了基础设施叙事与科学发现叙事之间仍有距离。 演讲中第二个判断同样重要，却容易被速览式报道忽略。 吴泳铭明确指出，机器智能时代的代表性产品还没有出现。他回溯了电力史，1882年爱迪生建成珍珠街电站，最早卖灯泡送电，就像今天卖Agent送Token。 电最早的用途只是替代煤油灯，而空调要到1902年才出现，洗衣机、电冰箱更晚，第一台计算机则晚了六十多年。他还给出了一个令人印象深刻的数字，1900年前后电器已开始进入家庭，但当时全世界一整年的发电量放到今天只够用两个小时。今天的AI Coding类似机器智能时代早期的电灯，仅仅替代现有工作不可能创造一个新的时代。 这个类比的分量在于它重新定义了当下竞争的性质。 如果电灯不是电气时代的发明，那么今天所有的Agent产品和编程工具也都不是终局产品，眼下争夺的就不是应用入口，而是应用爆发之前的基础设施前置权。发电站与电网必须先行，这正是阿里巴巴将AI模型、AI芯片、AI云定义为机器智能时代三大基石并宣布坚定投入的逻辑起点。 如果说1000倍是推演，那么演讲中关于递归式自我改进的实证则是本届大会最硬的信息。 所谓RSI，指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。 阿里公布的Qwen3.8-Max三组数据已经把这一概念从叙事推进到工程演示阶段。 模型训练层面，在人类设定顶层目标的前提下，模型自主搭建训练流程、构造数据、设计实验并定位缺陷，去掉了中间人工调参与人工构造样本的环节，持续迭代超过一个月，完成33轮有效迭代。 推理层面，它在从未见过的平头哥新款GPU上，自主适配优化下一代架构模型的推理框架，实现单实例推理吞吐量提升96%。 最受关注的是芯片设计层面，Qwen3.8-Max仅凭一份真实的总线模块规范，自主完成该子模块前端、验证、后端的全链路自迭代，自主运行超过60小时、调用EDA工具超过万次，最终完成减少42%面积的物理实现优化。 这组数据的战略意义与它的边界同样值得说清。意义上，机器智能不再只是基础设施的消费者，它已经开始参与生产基础设施本身，模型优化芯片，芯片反哺模型，自我增强的回路正在形成，这与演讲开头机器承担99.9%思考工作的推演在逻辑上同构。边界上，三组演示各有局限，训练侧的基础架构与数据底座仍由人设计，推理侧是对既有硬件的算子级调优而非创造新架构，芯片侧停留在总线子模块的物理实现优化，并未完成一款芯片的完整设计与流片。三者均属于实验室原型演示，尚未迁移到线上生产系统，距离端到端脱离人类的全链路闭环RSI仍有距离。把它读作方向验证是准确的，读作强递归自我改进已经实现则是过度叙事。 沿着这条路径，基于下一代架构的Qwen4已投入训练，规划中的Qwen4.5与Qwen5才会迈向5至10万亿参数规模，目标是完成更复杂、更长程的任务。 阿里同时判断三年内将出现一个原生全模态统一模型，体验不再受限于模态边界。 配套亮相的还有图像生成模型Qwen-Image-3.1、音乐模型HappyShrimp 1.1、世界模型HappyOyster 2.0 Preview，全新的下一代视频生成模型定于11月发布。 参数规模继续上探的预告也意味着，关于Scaling是否失效的争论，头部玩家的回答是通过新一代架构持续压注，只是Scaling的对象从预训练扩展到了推理、智能体行为与自我改进的复合维度。 芯片叙事在今年大会上有两个层次。 产品层面，平头哥发布训推一体AI芯片真武V900，官方口径为迄今中国算力性能最强的自研AI芯片，性能达到真武M890的三倍，搭载216GB显存与1200GB每秒的片间互联带宽，原生支持FP8与FP4低精度计算，通过自研ICN Switch互联芯片实现千卡全带宽互联，基于它构建的单一集群可扩展至50万卡，2027年第一季度量产售卖。 需要厘清的是代际现状，M890超节点已成功支撑超过2万亿参数大模型的高效推理，本季度开始规模化上架，是当前大规模集群的主力供给，真武系列已服务超过650家企业客户，V900属于2027年之后的产能。 路线层面，平头哥首次公布倚天服务器CPU规划，2027年推出倚天720与倚天730，后者将首次基于全自研CPU微架构，再下一代倚天750支持自研ICN片间互联总线协议，实现CPU与AI芯片的总线级直连。 其直接动因在于Agent负载的特殊性，智能体工作流中的工具调用、沙箱执行与多智能体编排，对CPU单核性能与并发能力提出了远高于传统推理任务的要求。 至此，真武GPU、倚天CPU、磐脉智能网卡、ICN Switch互联芯片、镇岳SSD主控，数据中心五大核心芯片全部完成自研设计。 这里同样需要划清设计与制造的边界。 五芯全栈指的是芯片设计层面的自主，先进制程制造环节依然受制于全球供应链约束，这正是吴泳铭在演讲中坦承瓶颈的原因。 他明确表示，行业的中长期需求远超阿里的供给能力，当前AI数据中心相关供应链的全球性紧缺限制了算力的增长速度，为此目标到2032年，阿里云运营的全球数据中心总规模超过20GW，且这一数字包含通用算力与AI算力，并非全部用于模型训练与推理。 在各家竞相宣示投入规模的年份，承认供应链瓶颈比宣布资本开支更有信息量。它意味着未来三年的竞争关键不只是资金和意愿，而是电力、设备与交付能力的物理争夺，20GW这一可考核的物理指标，本质上是对供应链和能源布局的军令状，而设计自主与制造约束之间的落差，恰恰是这张军令状上最大的不确定性。 在吴泳铭的框架里，芯片负责生产Token，云负责把Token送到每一个需要它的地方。 模型需要持续训练与推理，Agent需要长时间执行任务，AI开发的软件会越来越多，它们都将成为云上的居民。这张超级网络越完善，用户与Agent的集聚就越强，规模效应与网络效应随之形成。 这与AICC上Token工厂议题构成精确呼应，那边讨论Token的产能与成本结构，这边给出需求侧的放大机制。 开源生态的数据也说明供给端的势能已经形成，目前Qwen家族共有460多个模型，ModelScope、HuggingFace等全平台累计下载超过30亿次，衍生模型超过30万个，位居全球开源模型家族首位。 但Token经济学还有两层未被演讲覆盖的现实矛盾。 Agent的多轮调用与长程任务会引发Token消耗的指数级增长，纸面单价下降并不等于真实业务账单下降，缓存命中计费与调用链优化正在决定企业的实际成本曲线。 Token计量只计量消耗，并不对应价值产出，平安集团CTO在主论坛上压轴讨论从Token到价值，指向的正是这一商业化最大缺口，只算Token数量无法衡量业务收益，价值核算标准的缺位会让基础设施的投资回报始终难以闭合。 端侧亦有边界，阿里本次正式发布面向手机场景的AI全栈解决方案Qwen Intelligence，语音与同传模型已接入AI眼镜、随身助理等硬件，但其定位是轻量化端侧能力，承担感知与前置推理，高端Agent的长程任务与自我迭代仍然高度依赖云端，端云协同而非端侧独立，才是可预见的稳态。 云栖大会正在从发布现场演变为承诺现场。 技术主论坛的信息进一步支撑了这一判断。 李飞飞在Agentic Cloud上指出，传统云产品交互体系面向人类设计，依靠控制台操作、人工编写API调用，而智能体负载具备无规律弹性、短生命周期、瞬时启停的特征，原有云架构难以适配。阿里云宣布全面进入Agentic Cloud阶段，发布至少32项相关新品与能力更新，覆盖运行时、编排、治理、安全、记忆、数据平面六大模块，同时对云产品做Skill化、MCP化、CLI化改造，让Agent可以像调用函数一样使用云资源。这组发布指向一个容易被数量掩盖的事实，云正在从为人类操作而建造的系统，改建为供智能体直接调用的生产设施。思考的规模化商品化，前提是一张为机器而非为人类铺设的电网。 本届云栖以"智以致用"为主题，五位主论坛演讲共同构成阿里对机器智能时代的系统性回应，大会背后的深意，值得越过发布清单本身去辨认。 去年Token是电的类比，如今已被拆解为三条战线上可以逐季核对的时间表。芯片侧有真武V900与倚天两代的量产节点，模型侧有Qwen4到5至10万亿参数的训练节奏，云侧有Agentic Cloud的32项改造等待落地。在一个习惯宣布革命的行业里，把革命翻译成排期表，恰恰是当下最稀缺的能力。 故事的另一半将由兑现书写。值得锚定的变量至少有四：Qwen4的训练进度与5至10万亿参数模型的落地节奏，V900量产之后的实际集群交付规模，RSI三组原型实验能否从演示迁移到生产训练流水线，以及20GW目标在电力与供应链约束下的爬坡曲线。MaaS年度经常性收入的最新口径与荣耀、平安的真实部署数据，也将在后续两日给出新的坐标。刻度已经钉下，我们且把掌声留给排期表，也把怀疑留给排期表。
从动力革命到思考商品，类比的战略含义与推演边界
RSI从叙事到工程演示，以及它的真实边界
五芯全栈与供给主权，以及一次坦承的瓶颈
云作为超级电网，与Token经济学未解的两层矛盾
写在最后
本文来源于DOIT传媒，文章内容仅供参考，不构成投资建议。
评论列表