先说结论

2026 年 9 月 22 日上午，杭州国际博览中心（据东方财富 2026-09-23，主会场今年从云栖小镇迁至此），云栖大会开幕式主论坛用约两个半小时给出了一条完整叙事：AI 正从"参数竞赛"转入"干活竞赛"，而支撑干活的算力、模型与云，成了阿里定义的长期战场。阿里巴巴 CEO 吴泳铭的核心判断有两个——未来机器供给的思考总量将是人类的一千倍以上，以及机器智能时代的代表性产品还没有出现（据 IT 之家、红星新闻 2026-09-22 现场报道交叉核验，与转写一致）。前者解释了为什么阿里把 2032 年全球数据中心规模目标定在 20GW 以上，后者解释了为什么全场最大的篇幅给了基础设施而非应用。真正的矛盾藏在口号底下：需求端的 token 消耗以每年十倍量级增长（平安案例），供给端却受全球供应链紧缺制约——这场大会几乎所有发布，都是这对矛盾的注脚。

一、定调：政府与集团层面各自要什么

开幕式前半段是政策与平台的相互背书。杭州市方面（转写识别书记为"刘飞"、市长为"杜旭亮"，姓名未能独立核验，存疑保留）给出的成绩单是：今年 1–7 月杭州人工智能核心产业营收 3160 亿元、同比增长 26.5%，四个国家人工智能应用中心基地落地、数量居全国城市第一，智算规模居副省级城市首位，并出台了全国首部具身智能领域地方性法规；全年目标是核心产业营收超 5500 亿元（以上均为致辞口径）。值得注意的机制信号是地方政府把"Token 生产、交易、应用、出海"写进了产业规划——算力与 token 本身被当作服务业赛道来培育，这是"智能成为商品"在政策端的映射。

会场口径有一处需要标注的分歧：致辞称大会设"四大主论坛、四大主题馆、一百二十余场分论坛"，而会前宣传稿（甲子光年，2026-09-16）写的是"3 大主论坛共四场"。大会主题转写作"自以之用"，官方口径为"智以致用"（ASR 同音错误，已按外部来源校正）。

蔡崇信的致辞很短，但信息明确：阿里正在投入从芯片、云、模型到模型服务、智能体应用的"五层全栈体系"。这五层栈是理解后面所有发布的骨架——单点产品都在为这条栈服务。

二、吴泳铭：思考如何变成一种"电"

主论坛分量最重的是吴泳铭的演讲，它的论证结构值得拆开看，因为这决定了后面几千亿投入的方向。

**第一步是把 AI 重新定义为"机器智能"而非"人造的人"。**他刻意区分 Artificial Intelligence 的"人造"含义，类比工业革命：蒸汽机早期替代人和马，但机器动力最终不是"人造体力"，而是一个新物种——火车和飞机不是再多的人和马能造出来的。同理，今天的 AI 编程、写报告只是机器智能替代现有工作的初级阶段，“就像 1882 年的电灯”。他的原话判断是：机器动力今天承担了全世界约 99.9% 的物理工作，未来机器思考也会承担约 99.9%——而今天机器思考总量"从一个简单的算术看，大概不到人类的 3%"。这意味着需求侧还有几万倍增长空间（以上为演讲推断，非实证数据）。

**第二步是供需两条推演。**供给侧，顶级人类智力是极稀缺商品：他举新生儿早衰症为例——全球有记录患者可能只有几百人，商业药企逻辑下几乎不可能有人为几百人花几十年研发新药；而当 AI 具备专业研究智力、算力足够便宜后，每个细分领域都可能部署上百万个 agent 持续研究。需求侧，人口决定的消费上限（咖啡一天最多几杯）会被打破：让 AI 造一艘火星飞船，它可以拆成成千上万子任务由上百万 agent 不眠不休执行，“每个超级个体都可以拥有上万倍的智力杠杆”。

**第三步落到基础设施。**他引用的电力史细节是：1900 年前后全世界一整年的发电量，放到今天只够全球用两个小时；第一台计算机距珍珠街电站隔了六十多年。所以"建电站、铺电网"先于代表性产品——对应到 AI，就是模型、芯片、AI 云三大基石。这是阿里把 2032 年数据中心规模目标定在 20GW 的逻辑起点（IT之家、新浪科技 2026-09-22 均确认该数字）。他也坦承了约束：AI 数据中心相关供应链全球性紧缺，限制了阿里云算力增长速度。

从这些信息可以提炼第一条机制链：“思考商品化"判断 → 推理优先 + token 无上限需求 → 供给被供应链与能耗卡住 → 基建军备竞赛（20GW/2032）。对读者的启发是：评估任何 AI 基建投资（或阿里自身资本开支的回报），不该看 GPU 数量或收入增速单边，而要看"单位任务成本"曲线是否在陡降——下文平安的案例正是这条曲线的一个真实样本。

三、模型侧：千问的"两条腿"与自我进化闭环

千问团队负责人刘大一恒（据 IT 之家议程报道；转写头衔含多处专名错误，按外部来源校正）把大模型分成三段：Chatbot（人问 AI 答）→ Reasoning（用更多 token 思考验证）→ Agent（自主规划、调用工具、闭环完成任务）。千问的"北极星"是两条腿：Max 系列冲智能上限，Flash Plus 与 27B 冲极致性价比——理由很直白：token 需求指数级增长，“成本降不下来，agent 就无法规模化落地”。

自报数据里最硬的三组：其一，千问 3.8 Max 发布两个月，真实用户收入增长 8.5 倍、token 消耗涨 12 倍；其二，进入工业级 EDA 环境参与达摩院 3D 创新架构研究，连续运行六十多小时、数万次 EDA 工具调用，最终芯片面积缩减 42%；其三，自我进化系统（转写作"RSS”，按上下文应为 RSI，递归式自我改进）从真实内测日志定位能力缺陷、自动构造训练数据，已持续运行一个多月、完成 33 轮有效数据迭代，30 天内把 Artificial Analysis 智能指数从 40 分推到 45 分、“国内第一”（以上均为演讲自报，评测口径未独立核验）。参数规模轨迹：千问 2.5 旗舰 72B → 3.8 的 2.4T，两年 33 倍；下一代 4.5 与 5 计划迈向 5–10T 参数（开源计划已由新京报财报报道与 Hugging Face 官方模型卡佐证：Qwen3.8-2.4T-A95B 总参数 2.4T、激活 95B）。生态数据经外部核验成立：全球下载超 30 亿次、衍生模型超 30 万个、累计开源 460 多款官方模型，Qwen3.8-27B 发布两个月成为 Hugging Face 历史上点赞最多的模型。

架构层面值得非专业读者留意的是千问 3.8 Flash Next 的四个变化——稀疏注意力 + 混合线性注意力（对长上下文更友好）、自研 Gate Residual（稳定训练、利于扩展）、n-gram embedding 外接记忆（低成本扩容量）、架构与优化协同设计。效果按演讲口径：激活参数降到上一代的三分之一、训练成本降到九分之一、百万 token 输入价格降到四分之一、百万级上下文预填充吞吐提升 8.6 倍。这些数字是理解"token 经济学"的钥匙：智能不降而成本陡降，agent 规模化才在经济上成立。

多模态生成负责人郑波（据腾讯新闻 2026-09-21 预告稿，其身份为世界模型 Happy Oyster 负责人）的演讲可归纳为"从生成内容到生成体验"。他引用的两个外部数字属于演讲转述，未能回溯原始出处，按引用处理：ACM Communications 研究称人类识别 AI 生成内容的准确率平均仅 52.5%（约等于抛硬币）；有数据显示 63% 的视频营销人员已在用 AI 视频工具，2030 年 AI 图像与视频生成市场规模预计 608 亿美元。产品侧发布：千问 Image 3.1（生产力级图像生成）、音乐生成模型 1.1 版（转写作"Happy Stream"，网易复盘稿写作"Happy Sleep"，名称待官方确认）、Happy Oyster 2.0 Preview 世界模型（3D 增强时空记忆、AR Diffusion 与 On-Policy 训练逼近实时交互）。他的收尾判断很大胆：三年之内会出现原生全模态统一生成模型——一个模型原生生成图像、视频、音乐并理解世界，而不是多模型拼接；新一代视频模型 11 月见面（厂商预告）。

四、算力侧：当负载从"问答"变成"干活"，整个计算栈被重写

平头哥半导体副总裁高慧（姓名据腾讯新闻预告稿）给出了本场技术密度最高的一段。她的框架是 Agent 负载的三个不可逆变化：算力重心从训练优先转向推理优先；负载形态从单轮请求转向多步编排（长上下文、状态保持、计算与行动频繁切换）；竞争维度从单芯片指标转向系统级协同（算、存、网任何一环瓶颈都会让昂贵算力空等）。

两个已交付事实经外部核验：其一，基于真武 M890 的阿里云灵骏超节点实例 GP9A 已对外提供服务，是国内首个成功运行超 2 万亿参数大模型的超节点形态算力，Qwen3.8 Max、Kimi K3 已在其上稳定运行（凤凰科技、新浪科技 2026-09-22）；其二，真武系列芯片已服务 20 多个行业、超 650 家外部客户（新京报财报报道与演讲一致）。本场发布的新一代训推一体芯片真武 V900：单芯片算力为 M890 的 3 倍、216GB 显存、1200GB/s 片间互联、原生 FP8/FP4（演讲称"精度每降一档，一度电换来的 token 数量基本翻倍"），2027 年 Q1 量产，基于它的单一集群可扩展至 50 万卡（新浪科技、凤凰科技、上证报多源一致）。节奏承诺是"一年一代"：明年 Q1 V900，2028 年推出跨越式架构的 J900（转写作 2028 年 Q3，凤凰科技写作 2028 年 3 月，口径不一，存疑）。软件生态侧，7 月 WAIC 开源的 Seal 软件栈自报三个"不用"：GitHub 上 Star 超过 1 的主流 AI 仓库共 15218 个、Seal 覆盖超 96%；vLLM、SGLang 等主流框架上游发版到 Seal 完成全量适配平均不超一周；已支撑 260 多个训练推理框架（转写将 vLLM 识别为"VLM"，已校正；三项数字为厂商自报）。

CPU 部分是全场最反直觉的产品逻辑：Chatbot 时代 CPU 是配角，而 Agent 时代每一次工具调用、代码沙箱拉起、中间状态保存都落在 CPU 上，“每一件都卡在用户体验上”。于是倚天产品线一分为二：2027 年推出面向吞吐并发的倚天 720（192 核、12 通道 DDR、96 lane PCIe）与面向延迟敏感的倚天 730（首代自研高性能核、两路同步多线程、单核性能最高 1.4 倍），未来还有原生支持 ICN Link 的倚天 750（节奏经证券时报 2026-09-22 佐证）。承载这一切的磐久超节点服务器集成四颗自研芯片——真武（计算）、镇岳（存储主控）、磐脉（智能网卡）、ICN Switch（互联），倚天入柜后将成第五颗。

阿里云 CTO 李飞飞把云侧总结为"生产智能 + 创造价值"两个挑战、模型/Context/Harness 三要素。可核验的硬承诺是：结合 V900 构建第一个 50 万卡广域超节点集群（对应算力规模演讲称"一个 T 瓦"，该数字疑似口误或转写误差，存疑），支撑十万亿参数级 MoE 模型训练。工程指标均为自报但具体可用：Agent 沙箱冷启动 180 毫秒以内、热启动 20 毫秒以内、深度休眠唤醒 600 毫秒以内、单 Region 每分钟可拉起十万级沙箱；KV Cache 远端池化后容量成本降到三十分之一、IOPS 亿级、首 token 时间优化 50% 以上；五天完成一个 SOTA 模型的后训练。治理层的新提法值得记住：Agent Identity 统一认证打通 300 多个云产品，智能体安全中心对标当年拦截 SQL 注入的思路去拦截 skill 里的风险——安全的攻击面从代码转移到了"经验封装"。

这是第二条机制链：Agent 负载特性（多步、长上下文、高并发）→ 计算栈各层重构（超节点、CPU 分化、KV Cache 池化、沙箱毫秒化）→ 新的治理与安全层出现 → 云的竞争维度从资源规模转向"单位任务成本 + 可靠性"。对采购者/开发者的启发：评估 AI 云别再只看卡数和 vCPU，要看 TTFT、KV 命中率（阿里自报 99% 以上）、沙箱冷启动这类 agentic 指标，以及 skill 安全能力。

五、产业侧：终端入口与金融样本

荣耀产品线总裁方飞（身份经新华网 2025-10 报道佐证）给出了终端视角的三个变化：GUI 到 Agentic UI、APP 到上下文生态、To C 到 To Agent。她判断"下一个十年的终端不再是 APP 的容器，而是智能体的舞台"，操作系统迎来第三次跃迁（指令型 → 图形 → 伙伴型 Agentic OS，转写作"Argentek OS"，按语义校正）。落地方式是与阿里共创五大垂域模型（端侧 Omni、端侧 VLM、GUI Agent、Agentic Fast / Pro），YOYO 智能体的自报指标：综合任务准确率 91.8%、GUI 平均操作时长 3.6 秒、可操作步数超 100 步、端到端任务闭环率 90%；Robo Phone 与 Magic 系列首批搭载千问 Intelligence，Magic9 定于 9 月 28 日发布。现场演示（购票闹钟 + 歌单练习计划、车内多意图编排）无法从转写核验画面，按演讲描述处理。开放问题她自己也承认：编程与办公之后，“下一个超级 agent 是什么"仍是开放命题。

中国平安 CTO 王小航（头衔与姓名未找到独立核验，标注待核验）是全场唯一的大客户视角，也是对吴泳铭"token 经济学"最有力的实证注脚：平安日均 token 消耗从去年底约 300 亿增长到 3000 亿以上（演讲口述一度提及"三千七百”，口径不清，取约数），以不到 2 倍的算力规模增长支撑了 10 倍以上的 token 供给；单位算力 token 产出提高 368%、单位 token 成本下降 76%（自报）。这条曲线的构成正是李飞飞讲的全栈优化：KV Cache、PD 分离、混合云纳管英伟达与平头哥国产算力按任务动态调度。应用侧自报数据：2.5 亿客户、每年 10 多亿次互动请求向 AI 服务迁移；AI 编码覆盖约 80% 的代码、67% 以上的测试，多交付约 20% 的需求，且基于千问后训练的医疗大模型在 HealthBench Hard 排名第一、金融大模型在 CN FinBench 榜首（评测口径未独立核验）。他的收尾把大会主题翻译成了产业语言：“以 token 生智能，以智能创价值，再用规模化的价值支撑智能和算力的持续投入。”

这是第三条机制链：开源基座（千问 460+ 模型、30 亿下载）→ 企业后训练与终端共创（平安垂域模型、荣耀五大垂域）→ 模型厂商以开源占领产业工作负载、再以云回收价值 → 闭源 API 与开源基座并行成双轨。对企业的启发：选基座时生态衍生量、工具链兼容度（如 Seal 的 96% 兼容自报）与"不用绑"的迁移自由，比榜单名次更能决定两年后的总成本。

六、反方视角、缺口与不确定性

按本场信息推演，至少有四点不该被发布会的密度淹没：

  • **“千倍思考"是推断不是数据。**吴泳铭自己标注了"从一个简单的算术”——机器思考不足人类 3%、未来千倍，都是类比工业革命的推演。同样，“每个领域上百万 AI 科学家"的图景依赖算力成本持续陡降这一前提，而供应链紧缺恰是演讲承认的反向约束。
  • 代表性产品缺位是双刃剑。“电灯类比"既能论证基建先行，也意味着当前所有 AI 应用的商业形态都可能是过渡形态——包括演讲中反复引用的 AI coding。观察指标应该换成 token 消耗增速与单位任务成本，而非应用层的用户数。
  • **厂商自报指标占绝对多数。**91.8% 的终端任务准确率、368% 的算力效率提升、96% 的生态兼容、EDM 面积缩减 42%，均无第三方评测佐证；榜单（Code Arena、Vision Arena、Artificial Analysis）口径也未经独立复核。
  • **人名与专名的转写风险。**回放 ASR 将吴泳铭识别为"吴永明”、主题识别为"自以之用”、磐久识别为"盘九"等，本文均已按外部来源校正；但"刘飞"“杜旭亮"“王小航"及音乐模型名称等仍待官方资料确认，请读者引用时留意。

结语：这场大会在赌什么，下一步看什么

把两个半小时压成一句话：阿里在赌"思考会像电一样成为规模化商品”，并把赌注全部押在电站侧——模型（5–10T 参数与 RSI）、芯片（一年一代与 50 万卡集群）、云（20GW/2032）。政府押生态与政策，终端厂商押入口重构，金融客户押成本曲线——四方在下同一张牌桌的不同位置。

接下来值得跟踪的观察点：真武 V900 能否在 2027 年 Q1 如期量产并跑通 50 万卡集群（芯片口径的"兑现路线图”）；千问 4/4.5 的 5–10T 参数与 RSI 自我进化是否兑现为可复现的评测提升；平安式客户的 token 成本曲线（-76%）能否在其他行业复制；以及荣耀们追问的"下一个超级 agent"率先出现在哪个垂域。开幕论坛以陆川与阿里视频模型合作的 AIGC 短片收尾——用 AI 重现 1626 年王恭厂大爆炸的历史现场。这个选择本身是个隐喻：当史料的碎片足以重建现场时，缺的从来不是想象力，而是把电力铺设到现场的能力。

信源与核验说明（转写来源：2026 云栖大会开幕式主论坛官方回放，本地 ASR 全量转写 9314 秒，78/78 时间段无缺失；外部核验于 2026-09-23）：

  • 大会时间/地点/议程：阿里云云栖大会官网；东方财富 2026-09-23；甲子光年（财富号）2026-09-16
  • 吴泳铭演讲（1000 倍、99.9%、20GW/2032、V900、5–10T）：IT之家 2026-09-22；红星新闻（新浪转载）2026-09-22；新华网 2025-09-24（去年 ASI 表态的连续性）
  • 真武 V900 规格与量产、磐久超节点、GP9A 跑通 2 万亿参数模型：新浪科技 2026-09-22；凤凰科技 2026-09-22；上证报（搜狐转载）2026-09-22
  • 真武 650+ 客户、Qwen3.8 2.4T 开源、30 亿下载、30 万衍生模型：新京报 2026-08-21（阿里财报报道）；Hugging Face 官方模型卡；GitHub QwenLM/Qwen3.8
  • 倚天 720/730/750 节奏：证券时报 2026-09-22
  • 讲者身份（刘大一恒、高慧、李飞飞、郑波、方飞）：IT之家议程报道；腾讯新闻 2026-09-21 预告稿；新华网 2025-10-16
  • 待核验项：杭州市领导姓名（转写"刘飞"“杜旭亮”）、平安 CTO"王小航"、音乐模型名称（Happy Stream/Happy Sleep 口径不一）、真武 J900 发布时间（Q3 vs 3 月）、平安 3000 亿/3700 亿 token 口径、李飞飞"一个 T 瓦"表述