就在9月22日至24日举行的以“智以致用”为主题的云栖大会中，会发现：阿里正在同时回答，未来的智能从哪里来，又怎样被企业和普通人用起来。

大会上，吴泳铭用“机器智能”概括他对下一阶段AI的判断，并明确了AI模型、AI芯片和AI云三大长期投入方向。

围绕这条主线，阿里公布模型研发进展、发布真武V900、升级面向Agent的云与平台服务，也把Personal Agent和新一代AI终端推向台前。

这次云栖大会值得关注的，是阿里开始把智能供给、任务执行和用户入口放在同一张图上。

吴泳铭谈机器智能的两个判断

9月22日，阿里巴巴集团CEO吴泳铭在云栖大会上提出：

“未来，机器供给的思考总量，将是人类思考总量的1000倍以上。”

这是他对未来的预测。相比数字本身，演讲中关于供给和需求的解释，更能说明阿里为什么继续加大AI投入。

供给端，培养一名专家需要多年积累，许多细分领域也很难获得充足的研究资源。

吴泳铭在演讲中以罕见病研究为例，设想当AI具备专业能力、算力足够便宜时，大量Agent可以持续参与研究、模拟和验证，让过去投入不足的问题获得更多智力支持。

需求端，人提出一个复杂目标，就可能带动大量任务。AI将目标拆解后持续推进，对计算和推理的需求，也可能远远超过一次问答。

吴泳铭在演讲中说：

“人只需要提出一个创意和目标，就能调动庞大的智力资源。每一个超级个体，都可以拥有上万倍的智力杠杆。”

这套判断，实际上扩大了AI需求的想象空间。一个人能够消费多少智能服务，将越来越取决于他想完成什么，以及机器能够把这件事推进到什么程度。

他的另一个判断是：

“机器智能时代的代表性产品，还没有出现。”

对此，吴泳铭用了一个很形象的比喻：

“今天的 AI Coding，可能类似机器智能时代早期的电灯，它替代的是人类社会现有的工作，古法编程、写报告等。”

放到产业发展中理解，今天已经看得见的效率提升，只呈现了一部分可能性。随着智能变得更充足、更容易获得，还可能出现新的产品和工作方式。

这也是阿里这次大会的战略起点：在更多应用形态逐渐清晰之前，先持续建设能够支撑它们的模型、芯片和云。

模型、芯片和云

都有了更具体的进展

这条长期投入路线，在云栖大会上对应着一组相互关联的发布。

模型方面，阿里披露，基于下一代架构的Qwen4已经投入训练，后续Qwen4.5、Qwen5等版本计划向5万亿至10万亿参数规模扩展。这些信息分别对应当前研发进度与未来路线，10万亿参数仍属于后续规划。

除了参数规模，阿里还在推进递归式自我改进，也就是RSI。按演讲中的描述，Qwen团队正在探索让模型从真实反馈中发现短板，再通过设计实验、构建数据和评价结果，循环推动能力提升。

这条路线最终需要落实到模型能否承担更复杂、更长程的任务。对于用户，任务做到一半能不能发现问题、调整方法，往往比单次回答是否漂亮更影响体验。

多模态也是本届大会的重要内容。阿里公布了Qwen-Image-3.1、Qwen-Audio-3.1等模型进展，世界模型HappyOyster-2.0-Preview亮相；视频生成方面，Wan3.0支持单次30秒视频生成及多模态参考，下一代视频模型也在训练中。

这些能力分别面向图像、声音、视频和世界交互。它们共同推动模型更好地理解现实信息，并通过更自然的方式表达和创作。

模型向前走，算力供给也需要跟上。真武V900，是这次大会芯片层面的重点发布。

据阿里披露，这款平头哥新一代AI芯片的算力为真武M890的3倍，基于它构建的单一集群可扩展至50万卡，面向前沿模型的训练和推理。这里的50万卡指集群扩展能力。

阿里同时披露，自研M890 AI超节点已经支撑超过2万亿参数大模型的高效推理，并在阿里云实现规模化供给；今年第四季度还将增加服务节点。

比单颗芯片性能更值得追踪的，是整套系统的效率。阿里正在联合优化芯片、服务器、超节点、网络、模型和推理系统，希望提高集群的Token产能。

对于企业客户，这最终要体现为相同预算能完成更多任务，以及业务高峰时依然能够稳定运行。

再往上，是云的建设目标。吴泳铭在演讲中明确表示：

“我们的目标是到2032年，阿里云运营的全球数据中心规模超过20GW，以满足快速增长的AI需求。”

这一目标对应未来投入。与此同时，大会也给出了面向当下应用的产品变化。

阿里云阐述了Agentic Cloud布局，推出AgentCore、Agent Sandbox、新一代高性能存储CPFS等产品。

其中，面向企业的AgentCore支持长任务、失败重试、断点恢复和异步执行。它们要处理的，是Agent进入业务流程之后那些具体的运行问题。

千问AI平台也宣布升级，在模型服务基础上扩展Agent服务和行业AI解决方案。此次发布的Agent Studio，提供模型选择、托管运行，以及企业知识和外部服务接入等能力。

模型、芯片、云与平台服务，由此形成了一条更完整的交付路径。企业调用AI之后，还需要有地方让任务持续运行、有工具可以执行操作、有机制管理过程。

吴泳铭说的原话，刚好解释了这种需求：

“模型需要持续训练和推理，Agent需要长时间执行任务，AI开发的软件也会越来越多。它们都会成为云上的「居民」，持续调用算力。”

从这些发布动态来看，阿里正在把AI的竞争推进到系统层面：模型能力、计算效率和实际交付，需要一起提升。

从企业工作流到个人助理

AI开始进入具体生活

基础设施与模型之外，今年云栖大会还在展示一个更贴近用户的方向：这些能力，怎样进入日常工作和生活。

Personal Agent，是其中一个重要看点。

9月22日，千问宣布加速打造Personal Agent，并公布健康、理财及工作等领域的阶段性进展。

千问产品负责人郑嗣寿介绍，产品正在围绕个人AI助理的目标，提供更持续、更个性化的服务。

这次的变化，可以从两个方面理解。

一方面，服务连接继续扩大。千问开放平台已覆盖20多个领域，申请入驻的伙伴超过1000家。智能体、Skill、专业数据和硬件，都可以成为伙伴接入的方式。

另一方面，千问开始深入需要长期理解用户的场景。例如，在运动健康场景中，用户设置目标后，千问可以结合持续记录的状态，以及授权接入的运动健康等数据，提供相应建议。

在理财场景中，它结合专业信息，并支持部分用户授权连接持仓数据，提供更贴近个人情况的分析。

工作场景也给出了具体案例。教师可以利用批改、组卷等Skill，完成作业批改、梳理学生薄弱点，再生成对应的练习卷，让前一步的结果成为后一步工作的依据。

Personal Agent的价值，在于把可调用的服务与对个人的持续理解结合起来。它既要知道一件事怎么做，也要知道这件事是在为谁做。

这仍是一项需要不断完善的产品探索。开放平台覆盖了某个领域，并不等于其中所有事务都能自动完成；长期服务的体验，还要看具体任务能否可靠地推进。

海外市场最近也在出现类似的变化。Meta于9月8日推出个人Agent Muse，目前先在美国提供。

它运行在专属的安全虚拟机中，可以连接用户授权的应用，完成发邮件、填表、购物、预订行程等多步骤任务；涉及付款等敏感操作时，则需要用户确认。

而千问更强调接入本地生活、健康、理财等服务，以及通过领域级Agent持续理解个人；Muse更像运行在云端电脑里的个人执行层，依靠浏览器和应用连接跨网页、跨服务完成任务。

但两者共同指向同一变化：Personal Agent的竞争，已经从“会回答”转向“能否获得授权、调用服务，并把事情办完”。

当然，与之配套的，还有更丰富的终端入口。

此次集中亮相的千问AI眼镜N1、N1 Pro，以及千问AI耳夹式耳机，已于9月22日开启线上预约，计划10月13日现货发售。

N1系列支持第一视角拍摄，N1 Pro加入眼动追踪和虹膜支付；耳夹式耳机则支持面对面翻译、AI听记和语音办事。

其中一个值得留意的场景是，用户看着展品提问时，AI可以借助视线信息判断“这个”指的是什么。硬件在这里帮助AI获取现场信息，减少用户重新描述背景的负担。

千问也提出，在用户授权前提下，通过穿戴设备构建以个人为中心的多终端Context，也就是让不同设备上的相关信息，为理解用户需求提供背景。

手机和电脑同样是这一轮布局的一部分。阿里发布Qwen Intelligence，为手机合作伙伴提供AI解决方案。

9月23日亮相的Qwen Book，则通过全局AI按键、Skill键盘阵列等入口，以及可持续执行任务的操作空间，探索智能体与电脑的结合。

从企业工作流，到个人助理，再到手机、眼镜和电脑，大会呈现了AI落地的不同路径。它们所需的交互方式不同，但都要解决同一个实际问题：用户交代了一件事之后，系统能否理解背景、调动能力，并给出可使用的结果。

把大会的几条线索放在一起，阿里的AI布局就更清楚了：模型继续探索能力上限，芯片和云扩大智能供给，平台服务降低应用门槛，Personal Agent与终端产品则把这些能力带到具体的人面前。

吴泳铭在演讲结尾说：

“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。”

这也是观察后续进展最直接的尺度：大会上的能力和投入，能否变成企业交得出的成果，以及普通用户省得下的时间。