編輯｜云昭

出品 | 51CTO技術棧（微信號：blog51cto）

“我們判斷，大模型將是下一代OS；通義要做AI時代的安卓系統！”

“未來全球可能只會有5～6家超級AI云計算平臺。”

9月24日，云棲大會如期而至。在主論壇上，阿里CEO吳泳銘發表了《超級人工智能》的主題演講。演講中，“吳媽”終于不藏了，堅定宣布了阿里在開放大模型上的決心與野心。

當然，做AI時代的安卓，只是阿里在大模型領域的戰略。吳泳銘緊接著亮出了第二個野心 。作為自己親自執掌的阿里云智能集團，吳泳銘也給了阿里云一個全新的身份：

阿里云要做全球領先的全棧人工智能服務商。

這兩個野心背后都暗含著阿里近三年來對于生成式AI發展規律的判斷。

吳泳銘在會場給出了兩個重要的判斷。

其一，大模型是下一代的操作系統。其二，超級AI云是下一代的計算機。

此外，生成式AI以互聯網3倍甚至4倍的速度狂奔，阿里又是怎樣規劃未來世界的？吳泳銘在開場也給出了答案。有意思的是吳泳銘沒有太多提及“AGI”這個詞匯，而是采用了“ASI”這一說法。

ps：Meta CEO 扎克伯克非常愛用這個詞，包括近兩個月他瘋狂挖人組建的團隊也是用“ASI”來命名。

吳泳銘提出這樣一種觀點，非常值得關注：

實現通用人工智能AGI已是確定性事件，但這只是起點，終極目標是發展出能自我迭代、全面超越人類的超級人工智能ASI。

當然，除了吳泳銘的精彩判斷以外，另一位老熟人，阿里CTO周靖人也再次帶來非常豐富扎實且創新滿滿的阿里新品。

全程約2小時，料十足，這里重點整理了兩位演講的精彩部分。

吳泳銘的“ASI”定義

眾所周知，“AGI”與“ASI”是自ChatGPT爆火以來就誕生的兩個“野望”。但兩者究竟如何理解呢？區別又在哪里？

吳泳銘在keynote上給出了自己的定義：實現通用人工智能（AGI）已經是確定性事件。而超級人工智能（ASI）則是最終目標則是要發展出自我迭代、全面超越人類的AI。

而且AGI不是終點，而是實現ASI的起點。

那具體來看，吳泳銘是如何規劃“通往ASI的路徑”的？

圖片

吳泳銘闡述了通往ASI的三階段演進路線：

第一階段：“智能涌現”，AI通過學習海量人類知識具備泛化智能。

第二階段：“自主行動”，AI掌握工具使用和編程能力以“輔助人”，這是行業當前所處的階段。

第三階段：“自我迭代”，AI通過連接物理世界并實現自學習，最終實現“超越人”。

圖片

其中第一階段：“智能涌現”，特征是“學習人”。代表事件是：AI已經逼近人類各學科測試的頂級水平，比如國際數學奧賽的金牌水平。AI逐漸具備了進入真實世界、解決真實問題、創造真實價值的可能性。

吳泳銘表示，這是過去幾年AI圈發展的主線。

第二個階段是“自主行動”，特征是“輔助人”。這個階段，AI不再局限于語言交流，而是具備了在真實世界中行動的能力。AI可以在人類的目標設定下，拆解復雜任務，使用和制作工具，自主完成與數字世界和物理世界的交互，對真實世界產生巨大影響。這正是我們當下所處的階段。

對于這個階段，吳泳銘認為，實現這一跨越的關鍵，有兩點能力的躍遷。

首先是大模型具備了Tool Use能力，有能力連接所有數字化工具，完成真實世界任務。

“通過Tool Use，AI可以像人一樣調用外部軟件、接口和物理設備，執行復雜的真實世界任務。這個階段，由于AI能夠輔助人類極大提高生產力，它將快速的滲透到物流、制造、軟件、商業、生物醫療、金融、科研等幾乎所有行業領域。”

其次，大模型Coding能力的提升，可以幫助人類解決更復雜的問題，并將更多場景數字化。現在的Agent還比較早期，解決的主要是標準化和短周期的任務。要想讓Agent能解決更復雜、更長周期任務，最關鍵的是大模型的Coding能力。因為Agent可以自主Coding，理論上就能解決無限復雜的問題，像工程師團隊一樣理解復雜需求并自主完成編碼、測試。發展大模型Coding能力是通往AGI的必經之路。

未來，自然語言就是AI時代的源代碼，任何人用自然語言就能創造自己的Agent。你只需要輸入母語，告訴AI你的需求，AI就能自己編寫邏輯、調用工具、搭建系統，完成數字世界的幾乎所有工作，并通過數字化接口來操作所有物理設備。

吳泳銘進一步指出，在未來，也許會有超過全球人口數量的Agent和機器人與人類一起工作，對真實世界產生巨大影響。在這個過程中，AI就能連接真實世界的絕大部分場景和數據，為未來的進化創造條件。

而第三個階段，“自我迭代”，特征是“超越人”。

吳泳銘特別強調了兩個關鍵要素：真實世界的全量原始數據、self learning。

第一、AI連接了真實世界的全量原始數據。吳泳銘認為，現在大模型所獲的數據幾乎全部是人類定義和創造的“二手信息”，如果要實現超越人類的AI，就需要從真實物理世界中獲得更原始更全面的數據。

對于其他領域和更廣泛的物理世界，今天的AI接觸到的更多是人類歸納之后的知識，缺乏廣泛的、與物理世界交互的原始數據。這些信息是有局限的。AI要實現超越人類的突破，就需要直接從物理世界獲取更全面、更原始的數據。 

吳泳銘還舉了一個自動駕駛方面的例子。“就像在自動駕駛的早期階段，只靠人類的總結，Rule-based的方法去實現自動駕駛，無法實現很好的效果。新一代的自動駕駛，大部分采用端到端的訓練方法，直接從原始的車載攝像頭數據中學習，實現了更高水平的自動駕駛能力。”

只是讓AI學習人類歸納的規律，是遠遠不夠的。只有讓AI與真實世界持續互動，獲取更全面、更真實、更實時的數據，才能更好的理解和模擬世界，發現超越人類認知的深層規律，從而創造出比人更強大的智能能力。

第二、Self-learning自主學習。吳泳銘將其視為AI發展的關鍵時刻。他是這樣形容這個階段的：

隨著AI滲透更多的物理世界場景，理解更多物理世界的數據，AI 模型和agent能力也會越來越強，有機會為自己模型的升級迭代搭建訓練infra、優化數據流程和升級模型架構，從而實現 Self learning。

有了數據和自主學習能力之后，一個早期的ASI便會成型。

未來的模型將通過與真實世界的持續交互，獲取新的數據并接收實時反饋，借助強化學習與持續學習機制，自主優化、修正偏差、實現自我迭代與智能升級。每一次交互都是一次微調，每一次反饋都是一次參數優化。當經過無數次場景執行和結果反饋的循環，AI將自我迭代出超越人類的智能能力，一個早期的超級人工智能（ASI）便會成型。

兩個判斷：阿里的兩個AI野心

正如文章開頭所提到的。吳泳銘在會場公開對外押了兩個“寶”。

第一個“寶”則是關于下一代OS的變化。“我們認為大模型代表的技術平臺將會替代現在OS的地位，成為下一代的操作系統。”

這是吳給出的第一個判斷。雖然業界很早就有這樣的說法，但這是阿里第一次在如此重要的場合闡明自己的立論依據。

圖片

在“LLM OS時代”，幾乎所有鏈接真實世界的工具接口都將與大模型進行鏈接，所有用戶需求和行業應用將會通過大模型相關工具執行任務，LLM將會是承載用戶、軟件 與 AI計算資源交互調度的中間層，成為AI時代的OS。

可以做一些簡單的類比：

自然語言是AI時代的編程語言，Agent就是新的軟件，Context是新的Memory，大模型通過MCP這樣的接口，連接各類Tools和Agent類似PC時代的總線接口，Agent之間又通過A2A這樣的協議完成多Agent協作類似軟件之間的API接口。

此外，大模型還將吞噬軟件。吳泳銘認為，大模型作為下一代的操作系統，將允許任何人用自然語言，創造無限多的應用。未來幾乎所有與計算世界打交道的軟件可能都是由大模型產生的Agent，而不是現在的商業軟件。潛在的開發者將從幾千萬變成數億規模。

以前由于軟件開發的成本問題，導致只有少量高價值場景才會被工程師開發出來變成商業化的軟件系統。而在未來，所有終端用戶都可以通過大模型這樣的工具來滿足自己的需求。

此外，模型部署方式也會多樣化，它將運行在所有設備上。現在主流的調用模型API的方式，來使用模型只是初級階段，其實看起來非常原始，有點像過去大型主機時代的分時復用階段，每個人只有一個終端連接上大型主機分時復用。

這種方式的問題在于：無法解決數據持久化，缺乏長期記憶，實時性不夠，隱私無法解決，可塑性也不夠。未來模型將運行在所有計算設備中，并具備可持久記憶，端云聯動的運行狀態，甚至可以隨時更新參數，自我迭代，類似我們今天的OS運行在各種環境之中。

正是基于這個判斷，我們做了一個戰略選擇：通義千問選擇開放路線，打造AI時代的Android。“我們認為在LLM時代，開源模型創造的價值和能滲透的場景，會遠遠大于閉源模型。我們堅定選擇開源，就是為了全力支持開發者生態，與全球所有開發者一起探索AI應用的無限可能。”

阿里的第二個押寶則是：超級AI云。吳泳銘認為，AI Cloud是下一代的計算機。

這一點不難理解。因為，大模型是運行于AI Cloud之上新的OS。這個OS可以滿足任何人的需求。每個人都將擁有幾十甚至上百個Agent，這些Agent 24小時不間斷地工作和協同，需要海量的計算資源。

所以，絕大部分AI能力將以Token的形式在云計算網絡上產生和輸送。吳指出，Token就是未來的電。

此外，數據中心內的計算范式也在發生革命性改變，從CPU為核心的傳統計算，正在加速轉變為以 GPU為核心的 AI 計算。新的AI計算范式需要更稠密的算力、更高效的網絡、更大的集群規模。

在這個新時代，AI將會替代能源的地位，成為最重要的商品，驅動千行百業每天的工作。

因此，這一切都需要充足的能源、全棧的技術、數百萬計的GPU和CPU，協同網絡、芯片、存儲、數據庫高效運作，并且24 小時處理全世界各地的需求。這需要超大規模的基礎設施和全棧的技術積累，只有超級AI云才能夠承載這樣的海量需求。未來，全世界可能只會有5-6個超級云計算平臺。

“在這個嶄新的時代，阿里云的定位是全棧人工智能服務商，提供世界領先的智能能力和遍布全球的AI云計算網絡，向全球各地提供開發者生態友好的AI服務。”

圖片

瘋狂的阿里AI

那么野心亮出來了，阿里的底氣如何呢？

在keynote的下半場，那張熟悉的面孔再一次向我們秀出阿里的肌肉。

圖片

這一次的云棲大會上的發布，可以說是多到爆炸。阿里CTO周靖人花了近一個小時的篇幅為我們展示了一個AI巨無霸的全系版圖。

圖片

周靖人的演講主要分為兩部分，大模型和與云基礎設施。

這里因為篇幅關系，不再一一介紹每一款模型。（Ps：實在是多到眼花繚亂。）

比如昨天凌晨發布的Qwen3-next的語言模型以及Qwen3-Omni全模態模型。

編程模型方面，Qwen3-Coder已經成為了全球開發者非常認可的模型。

而就在今天凌晨，Qwen3-Max正式版也一早引起了圈內的試用和好評。

這里值得注意的是，這款阿里最新的通義旗艦模型Qwen3-Max，據介紹，其性能已經超過GPT5、Claude Opus 4等，躋身全球前三。Qwen3-Max包括指令(Iinstruct)和推理(Thinking)兩大版本，其預覽版已在 ChatbotArena 排行榜上位居并列第三，正式版性能可望再度實現突破。

Qwen3-Max也是通義千問家族中最大、最強的基礎模型，預訓練數據量達36Ttokens，總參數超過萬億，擁有極強的Coding編程能力和Agent工具調用能力。有一點非常厲害，Qwen3-Max結合工具調用和并行推理技術，其推理能力創下新高，尤其在聚焦數學推理的AIME 25和HMMT測試中，均達到突破性的滿分100分，為國內首次。

圖片

多模態模型方面，通義萬相家族也上新了。首先是Wan2.5-preview系列模型，涵蓋文生視頻、圖生視頻、文生圖和圖像編輯四大模型。通義萬相2.5視頻生成模型能生成和畫面匹配的人聲、音效和音樂BGM，首次實現音畫同步的視頻生成能力，進一步降低電影級視頻創作的門檻。此外，通義萬相2.5視頻生成時長從5秒提升至10秒，支持24幀每秒的1080P高清視頻生成，并進一步提升模型指令遵循能力。

其次，萬相迎來了一位特殊的成員：語音大模型通義百聆，包括語音識別大模型Fun-ASR、語音合成大模型Fun-CosyVoice。Fun-ASR基于數千萬小時真實語音數據訓練而成，具備強大的上下文理解能力與行業適應性；Fun-CosyVoice可提供上百種預制音色，可以用于客服、銷售、直播電商、消費電子、有聲書、兒童娛樂等場景。

圖片

會上，周靖人還透露了一組數據，Qwen模型已經成為了全球最大的開源模型。

截至目前，阿里通義開源300余個模型，覆蓋不同大小的“全尺寸”及LLM、編程、圖像、語音、視頻等“全模態”，全球下載量突破6億次，全球衍生模型17萬個，穩居全球第一。

此外，周還透露，目前已經超100萬家客戶接入通義大模型，權威調研機構沙利文2025上半年報告顯示，在中國企業級大模型調用市場中，阿里通義占比第一。

阿里如何定義AI時代的“計算機”

如此大的調用規模，面向未來，我們需要怎樣的AI基礎設施呢？

周靖人給出了阿里云的答案。

在網絡層面，阿里云新一代高性能網絡HPN 8.0全新亮相。為應對大模型時代對海量數據傳輸的需求，HPN8.0采用訓推一體化架構，存儲網絡帶寬拉升至800Gbps，GPU互聯網絡帶寬達到6.4Tbps，可支持單集群10萬卡GPU高效互聯，為萬卡大集群提供高性能、確定性的云上基礎網絡，助力AI訓推提效。

在存儲層面，阿里云分布式存儲面向AI需求全面升級。高性能并行文件存儲CPFS單客戶端吞吐提升至40GB/s， 可滿足AI訓練對快速讀取數據的極致需求；表格存儲Tablestore為Agent提供高性能記憶庫和知識庫；對象存儲OSS推出 Vector Bucket，為向量數據提供高性價比的海量存儲，相比自建開源向量數據庫，成本驟降95%，結合OSS MetaQuery 語義檢索和內容感知能力，可快速構建RAG等AI應用。

在AI智算集群層面，智能計算靈駿集群通過多級親和性與拓撲感知調度設計，基于HPN 網絡支持10萬卡穩定互聯，多級可擴展的架構讓每張卡間互聯路徑更短、帶寬更優。靈駿集群面向任務的穩定性設計、故障分鐘級恢復能力，有效提高了模型訓練任務的集群穩定性。

當然除了這些基礎設施之外，阿里的“肌肉實力”遠不止這些。

大家都知道，今年是Agent爆發的一年，面向agent開發這一領域。阿里也有了很多重磅發布和開源。

大會現場，阿里云發布全新Agent開發框架ModelStudio-ADK，該框架突破以預定義編排方式開發Agent的局限，可幫助企業高效開發具備自主決策、多輪反思和循環執行能力的Agent。使用ModelStudio-ADK，1個小時就能輕松開發一個能生成深度報告的Deep Research項目。

據了解，過去一年，阿里云百煉平臺的模型日均調用量增長了15倍。

而在框架層面，阿里云ModelStudio-ADK基于通義開源的AgentScope打造，可開發深度研究、硬件代理智能體、復雜檢索智能體等應用。該框架還全面支持云端部署和云端組件調用，提供企業級、服務穩定、靈活部署和運行的高代碼開發模式。　　

在模型層面，阿里云百煉持續上線全新通義千問家族旗艦模型。目前，用戶可一鍵調用Qwen、Wan、DeepSeek等200多款業界領先的模型。

在組件層面，面向Agent開發和部署所需的各類組件，阿里云百煉集成了工具連接MCP Server、多模數據融合RAG Server、沙箱工具Sandbox Server、智能記憶存取Memory Server以及支付訂閱服務 Pay Server等7大企業級能力。

寫在最后

GenAI時代的到來，讓幾年前增速減緩的技術、市場再一次呈現出爆發的景象。正如今天阿里的股價，一路狂漲逾7%。

我想這次云棲大會跟去年相比，有兩點非常的不同：一個是“吳媽”變得更加從容了，對于AI這件事，阿里的路線愈來愈清晰，步子越來越堅實了。這說明阿里的戰略方向與戰略定力已經取得了世界級的成果，由此帶動了國內乃至世界對于開源人工智能的信心。

第二點，則是阿里找到了大模型時代的增長敘事的脈絡。

阿里要打造AI時代的安卓系統，阿里云要做全球領先的全棧超級AI云服務商，而后者，世界上大概也不過5、6家。

當然，這篇文章肯定描述不了一個完整的阿里野望。昨天，小編在打車趕往會場的路上，跟通行的人聊起了前不久爆火的“高德掃街榜”、聊起了夸克……

我想那又是AI時代之下，阿里的另外一個驚喜故事了。

本文轉載自??51CTO技術棧??，作者：云昭