AI超级应用还没有出现，阿里巴巴已经开始为下一轮算力基础设施铺路。
9月22日的2026杭州云栖大会上 ，阿里巴巴集团CEO吴泳铭给出激进判断：未来 ，机器思考的总量将达到人类的1000倍以上 。今天，机器思考的总量 ，大概不到人类的3% 。
在吴泳铭看来 ，今天的AI Coding，可能类似机器智能时代早期的电灯，替代的是人类社会现有的工作 ，古法编程、写报告等。当下 ，AI正进入更广泛的办公市场，但仅替代现有工作不可能创造一个新的时代 。
“我们很难预测 ，当机器智能爆发之后会出现什么样的新产品 、新发明 。就像站在1882年的电灯下 ，人们很难想象出电气时代的完整图景。 ”吴泳铭说。
真正的AI时代还没到来，阿里为什么要大举建设基础设施？答案藏在吴泳铭对未来AI需求的判断里 。
过去人类能投入多少思考 ，受限于人的数量 、时间和能力 。未来 ，一个复杂任务可以被拆成数百万个子任务，由大量Agent持续执行。机器思考的需求因此不再受人口数量约束 ，而是取决于机器智能的供给规模 。
吴泳铭据此推算 ，未来，机器思考的总量至少有几万倍的增长空间 。
这大概能解释阿里为什么把AI模型、AI芯片和AI云放到同一张战略图。
先建基础设施
当下 ，AI最热闹的是应用 。从聊天机器人到AI Coding ，再到Work Agent，创业公司和大厂都在寻找下一个超级应用 。
吴泳铭认为，这些可能只是机器智能的早期形态。他以电气时代 ，类比——1882年 ，爱迪生建成珍珠街电站，最初只点亮约400盏电灯 。之后几十年 ，空调 、洗衣机 、冰箱乃至计算机陆续出现 ，这些产品的诞生都建立在更大规模的电力基础设施之上 。
某种程度上，阿里现在做的事也是先把“电站 ”建起来。
吴泳铭在大会现场提出 ，AI模型、AI芯片和AI云 ，是机器智能时代的三大基石 。围绕这三条线，阿里同时公布了新的模型、芯片和数据中心计划 。
在模型端 ，Qwen团队正推进递归式自我改进（RSI） ，计划训练5万亿至10万亿参数规模的新模型，承担更复杂 、更长程的任务 ，并向ASI迈进。
云端则是更大规模的投入。吴泳铭称 ，近来 客户AI需求非常强劲，但行业中长期需求已远超供给能力，AI数据中心供应链的紧缺正在限制算力增长 。阿里因此提出 ，到2032年 ，阿里云运营的全球数据中心规模超过20GW 。
20GW已经不是普通意义上的云计算扩容。
作为参照，Meta今年7月宣布在加拿大阿尔伯塔省建设一座1GW数据中心 ，投资超130亿加元（约合人民币619亿元） 。询问 机构麦肯锡预计 ，到2030年，全球数据中心容量需求将达约220GW 。其中 ，AI负载约156GW。美国数据中心的电力需求则可能从2024年的25GW增至2030年的80GW以上 。
因此 ，20GW不是一个单纯的“云规模”数字，它背后对应的是电力 、机房、网络 、芯片和服务器等一整套基础设施投入 。
芯片开始成为核心
数据中心规模越大 ，芯片的重要性就越高。
过去 ，阿里的芯片业务更多被视作云业务背后的基础设施 。现在，随着AI算力需求快速增长 ，芯片开始成为阿里整个AI体系中的关键一环 。
近来 ，平头哥已形成包括真武AI芯片 、倚天服务器CPU、ICN Switch互联芯片 、磐脉智能网卡和镇岳存储主控芯片在内的数据中心芯片布局。
时代周报记者摄
此次云栖大会，平头哥又发布新一代AI芯片真武V900 。按阿里披露数据，V900单芯片性能是上一代真武M890的3倍 ，搭载216GB显存 ，片间互联带宽达到1200GB/s，并支持千卡规模超节点 。
这里真正值得注意的 ，并不只是“3倍算力 ”。当模型从单轮问答走向多轮推理 、Agent编排和长时间运行后 ，算力需求已经不再只是简单增加几张卡。
一个复杂任务背后，可能同时发生推理、检索 、代码执行和多步调用 。算力的瓶颈因此逐渐从单卡性能 ，转向芯片之间如何高速协同 ，以及整个集群能否以更低成本持续提供算力 。
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 。
三条线开始合流
如果说过去阿里分别在做芯片 、大模型和云 ，那么这次云栖大会释放出的另一个信号是：三者开始被放进同一个体系里 。
这不是简单的“业务协同 ”，而是模型和Agent的真实需求牵引芯片与系统设计 ，云平台将硬件能力组织成可规模化交付的服务 ，模型再反向优化推理软件和芯片设计。芯片、模型与云由此围绕任务效果 、响应速度 、吞吐和成本共同迭代，形成协同飞轮 。
最终，模型、芯片和云围绕同一组指标迭代：任务效果、响应速度 、吞吐量和单位成本 。这比单独做一款模型或者一颗AI芯片 ，要重得多。
阿里真正想建立的 ，是从芯片 、服务器、网络和数据中心，到模型 ，再到云服务的一条完整链路 。
这种从芯片 、模型到云平台的全栈布局 ，在国内并不常见 。华为 、百度也在补齐这条链路，但各自的重心不同：华为更偏向芯片和算力基础设施 ，百度则在加快昆仑芯出货和规模化部署 ，而在云计算市场，阿里的规模优势仍较明显。
国信证券研报指出 ，阿里不只是IaaS资源供给 ，而是覆盖自研芯片、云基础设施 、模型服务平台 、通义模型与企业应用的全栈体系 。全栈的价值在于降低异构算力调度和模型部署成本，并通过MaaS把基础设施、模型和应用收入连接起来 ，构建起垂直一体化的竞争能力 。
（文章来源：时代周报）
