今天机器产生的思考总量，还不到人类的 3%。而阿里巴巴集团 CEO 吴泳铭给出的判断是：未来这个数字可能达到人类的 1,000 倍以上。在 2026 云栖大会上，他围绕 AI 的下一阶段发展作出了一系列判断，并抛出了一个推算——如果 1,000 倍成立，机器智能仍存在数万倍的增长空间。
这不是一句口号式的预测。吴泳铭把它拆成了供给端和需求端两条线，并给出了阿里自己的投入清单：模型、芯片、云。
机器智能不是人类智能的替代品
吴泳铭首先重新解释了他所理解的 AI。“Artificial Intelligence”通常被翻译为“人工智能”，但他认为“Artificial”更接近“人造”的含义。长期以来，人们习惯用人的智能作为参照物衡量 AI，比如关注它能不能像人一样思考、能否通过图灵测试。在他看来，这种思路可能低估了机器智能最终能够达到的范围。
他拿工业革命作类比。早期的蒸汽机和内燃机，最初也是为了替代人和动物完成抽水、织布、搬运等体力劳动，“马力”这个概念本身就来自这种比较。但随着技术发展，机器动力最终做到了单纯依靠人力和畜力无法完成的事情，例如高速铁路、飞机和火箭。
机器智能也可能经历类似的过程。吴泳铭的表述是：“今天的机器智能也不是人类智能的替代品，而是完全不同的物种。”现在 AI 帮人编程、写报告、做 PPT，只是机器智能发展的初级阶段。
顶级思考从奢侈品变成可规模化供给的商品
1,000 倍这个判断，首先来自供给端的变化。
今天，顶尖科学家和资深专家始终是稀缺资源。培养一名专业人才需要长期学习、实践，也受到天赋、时间和经济回报等因素限制。结果是，大量细分领域长期无法获得足够的智力投入。
吴泳铭以罕见病研究为例。一些患者人数极少的疾病，由于市场规模有限，很难按照传统医药产业逻辑获得与常见病同等规模的研发资源。但如果未来 AI 达到专业科研所需要的能力，只要算力足够丰富、成本足够低，一个细分领域就可能同时拥有上百万个 AI 持续进行研究、模拟和验证。
这意味着，过去极度稀缺的高水平智力资源，有可能第一次实现规模化供给。用他的话说，“顶级思考将从奢侈品变成可规模化供给的商品”。
需求端也会随之变化。工业时代，大部分商品最终受制于人口规模和人的消费上限——一个人能喝多少咖啡、开多少辆车、使用多少部手机，都存在物理边界。机器智能并不完全遵循这样的逻辑。
吴泳铭设想，如果未来要让 AI 完成造一艘飞船去火星这样的复杂任务，AI 可以将目标拆解为成千上万个子任务，再调动上百万个 AI 持续工作。人提供目标和创意，机器提供大规模的智力资源。在这种模式下，一个人能够调用的智力杠杆可能远远超过今天，智能的消耗量也不再简单与人口数量挂钩，而更多取决于任务复杂度和机器智能的供给规模。
真正的 AI 时代产品还没有出现
尽管生成式 AI 已经催生大量产品，吴泳铭的第二个判断是：机器智能时代真正具有代表性的产品，目前可能还没有出现。
他再次用电气化时代作比较。1882 年，爱迪生建成珍珠街电站，最初最直接的用途是用电灯替代煤油灯和蜡烛。但电真正改变社会，并不是因为人们获得了一个更方便的照明工具。此后数十年，空调、洗衣机、电冰箱、计算机等产品陆续出现，一个建立在电力基础设施之上的新产业体系才逐渐形成。
吴泳铭认为，今天的 AI Coding 很像机器智能时代的“早期电灯”。无论是编程、写报告，还是 AI 正在进入的更多办公场景，本质上仍然主要是在替代或者增强人类原本就在做的工作。但如果机器智能真的可以大规模供给，未来更重要的变化可能来自今天还没有被发明出来的产品。“仅仅替代现有的工作，我们觉得不可能创造一个真正的新的时代。”
问题在于，没有人能够准确预测这些产品会是什么。就像站在 1882 年的电灯下面，很难提前想象几十年后的现代电器一样，今天的人们同样很难从 Chatbot、Coding 等现有形态出发，推演出机器智能时代最终会出现哪些新产品。
但吴泳铭认为，有一件事情可以提前确定：无论未来出现什么应用，都需要先建设足够强大的基础设施。电气化时代首先需要建设发电站和电网，机器智能时代同样如此。在阿里的判断中，AI 模型、AI 芯片和 AI 云，就是机器智能时代最重要的三块基础设施，也是机器智能实现规模化供给的前提。
模型、芯片、云：阿里的三块基础设施
围绕这三个方向，吴泳铭公布了阿里的最新进展。
模型方面，一年前阿里提出 AI 将从自主行动进一步走向自我迭代。吴泳铭表示，过去一年，这条技术路径正在变得更加清晰。随着模型进入编程、办公和科学研究等真实任务，它能够获得越来越多来自真实世界的反馈，并利用这些反馈进一步提升自身能力。他特别提到了“递归式自我改进”：模型从真实任务反馈中发现自身短板，再自行设计实验、构建数据、评价结果，并通过循环不断改进自身。
目前，千问团队也在进行 ASI（超级人工智能）方向的探索，并持续推进模型架构和数据优化。按照吴泳铭公布的计划，千问团队计划训练 5T 至 10T 规模的全新模型，目标是完成更加复杂、更长程的任务。多模态也是重点方向——一个足够聪明的“大脑”还不够，AI 还需要理解声音、图像、表情和动作等人类表达信息的方式，并进一步理解人的意图、情绪、文化和审美。
芯片方面，吴泳铭将 token 比作 AI 时代的“电”，芯片则相当于“发电机”。目前，平头哥已经围绕数据中心建立起包括 AI 芯片、CPU、智能网卡和互联芯片在内的产品布局，并通过芯片、服务器、超节点、网络、模型和推理系统的联合优化，提高 AI 集群整体的 token 产出效率。
吴泳铭透露，阿里自研 M890 AI 超节点已经支撑过 2 万亿参数以上大模型的推理，基于 M890 的阿里云超节点也从本季度开始规模化上架。大会上，阿里还发布了新一代 AI 芯片真武 V900。按照他的介绍，其性能达到 M890 的 3 倍，基于真武 V900 构建的单一集群可以扩展至 50 万卡，用于支撑前沿模型训练和推理。随着平头哥芯片产品线逐渐成熟，阿里预计未来几年相关芯片的年出货量将明显增长。
除了数据中心，阿里还希望将机器智能延伸到桌面端和移动端。桌面端将继续优化千问 27B 等模型，支持开发者和企业进行本地部署；移动端则将推出相应的 AI 解决方案，让移动设备能够执行更加复杂的任务。
云方面，如果说芯片负责生产 token，那么按照吴泳铭的比喻，云的作用就是把 token 送到每一个需要它的地方。随着模型持续训练和推理，以及 AI Agent 长时间执行任务，未来越来越多的软件和智能体都需要持续调用算力、存储、数据库和其他资源。这意味着，传统面向互联网应用建设的云基础设施，也需要进一步转向为模型和 Agent 持续运行而设计的 AI 云。
吴泳铭将其类比为今天的电网：人们平时很少注意电网本身，但只要把设备接入插座就可以获得电力。未来使用机器智能也应该达到类似的便利程度——设备只要接入云，就能够随时调用机器智能。为此，阿里计划围绕计算、网络、存储、数据库和各种 AI 工具进行联合优化，并建设覆盖全球的基础设施网络。
吴泳铭表示，目前客户对 AI 算力的需求仍然非常强劲，阿里云正在加快上架相关算力，但行业中长期需求已经超过现阶段的供给能力，全球 AI 数据中心相关供应链的紧缺也在限制算力扩张速度。阿里由此给出了一个更长期的目标：到 2032 年，阿里云运营的全球数据中心规模超过 20GW。
把繁重的任务留给机器
演讲的最后，吴泳铭再次回到机器智能与人的关系。
他认为，工业革命让机器承担越来越多体力劳动，并没有让人的活动变少。相反，人类在摆脱大量不得不进行的体力劳动后，发展出了现代体育等新的活动；照相机没有让绘画消失，留声机也没有让歌手消失，新的技术反而拓展了人的创造空间。
类似的变化也可能发生在机器智能时代。当越来越多繁重的脑力任务由机器承担，人类可以把更多时间用于好奇心、创造力和真正希望从事的事情。“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。”
在吴泳铭看来，机器智能时代的这一切，现在才刚刚开始。
热门跟贴