配资合作平台是新一代的“中枢神经”

“面向AI时代，阿里云怎么看，怎么办？

2025年9月，杭州，云栖大会。

这片中国云计算最具象征意义的土地，再一次站上了产业叙事的聚光灯中心。阿里巴巴集团CEO吴泳铭在云栖大会上抛出一个判断：“AGI只是起点，ASI才是终极目标。”

这是他首次系统性提出“AI三阶段演进路径”——智能涌现、自主行动、最终抵达自我进化的超级人工智能（ASI）。这一判断不仅刷新了市场对阿里云AI战略的理解，也隐约指向整个AI产业正在到来的下一阶段：从“通用智能”迈向“超级智能”。

但吴泳铭的这场演讲远不止理念输出。在他站台的背后，是阿里一整套呼应未来趋势的技术、产品与基础设施体系：Qwen3-Max横空出世、七款模型重磅发布，全栈AI基础架构全面升级，企业级Agent生态走向规模化落地……

这场大会，不再只是一个“云厂商”的技术更新会，而像是一场带有基础设施宣言性质的智能化革命前夜会议。如果说ChatGPT引爆的是语言理解的奇点，那云栖大会上释放的，是一场更大范畴、系统性智能重构的前奏。

这一切让人不得不重新思考：AI这条看似“模型竞速”的赛道，正在变成什么？

阿里又为何选择在AGI浪潮中，率先转向看似更遥远却更关键的ASI方向？

如果说过去十年，云计算是一场基础设施的重建，那么现在，一场关于智能系统的重构正在拉开帷幕。

从虚拟化到智能化，

云计算的“基础设施使命”正在被改写

回看过去二十年，云计算的核心使命可以用一句话概括：让算力成为像水电一样的基础设施。

2006年，AWS发布EC2服务，首次把计算资源做成了“租用式商品”，企业不再需要自建数据中心，公有云时代由此开启。此后的十年，IaaS、PaaS、SaaS三层模型在全球快速铺开，云计算成为每一家科技公司的底座，也成为数字经济的“用电网”。

在中国，从阿里云、腾讯云、华为云，到众多垂直SaaS厂商，一场“用软件定义硬件、用平台标准化服务”的基础设施革命持续进行。

可以说，云计算的第一个时代，是计算能力的商品化，它解决的是“部署效率”和“成本结构”的问题。

2022年底，ChatGPT的诞生改变了一切。

算力，不再只是运算逻辑的承载工具，而成为“训练智能”的燃料。大模型训练对TPU/GPU的依赖极其重度，推理服务需要更高的响应能力与吞吐率；同时，模型调度、参数存储、向量检索、记忆存取……每一项智能服务背后，都绑定着云的调度能力与资源设计。

云，正在被AI重新定义。

它不再仅仅是“资源优化器”，而正在变为“智能生成的孵化器”。AI模型以Token为单位消耗云资源，推理就是计算，计算就是价值。今天的AI，正在重写“计算-智能”的产业结构。

于是，我们看到全球云巨头纷纷开始转型：Microsoft将Azure全面与OpenAI整合，形成“智能云”战略联盟；Google Cloud变成Gemini模型落地平台，推出Vertex AI平台；阿里、华为等中国云厂商，则逐步提出“全栈AI基础设施”的系统化转型。

尽管AI方兴未艾，但市场对于“如何走出同质化”已有集体焦虑。

1.模型能力趋同：主流语言大模型的对话能力、生成文本质量已高度接近，差异难以持续放大。

2.落地路径复杂：从模型能力到业务应用，中间隔着工具链、数据流、安全性等现实阻力。

3.算力与生态碎片化：GPU调度难、推理成本高、Agent生态不成熟，导致“可用性”和“效率”拉不开天花板。

4.缺乏“闭环反馈系统”：模型缺乏自主迭代能力，仍依赖人类提供更新、微调、测试反馈。

这些问题共同构成了一个核心问题：在大模型之后，AI的下一阶段增长来自哪里？

是继续“卷模型参数”？还是构建一个能自我进化的系统？

这，正是阿里在2025云栖大会上，试图给出回答的问题。

要观察阿里云，

吴泳铭是最好的“窗口”

在2025年云栖大会的主旨演讲中，阿里巴巴集团CEO吴泳铭讲的，是一条更加宏大而具进化视角的路线图：“AGI是起点，ASI才是终极目标。”

一句话，重构了阿里对AI未来的战略叙事方式。

那么，怎么来理解阿里云，并预测其未来的布局呢？我想，可以从吴泳铭所阐述的体系中，寻找到未来的方向。

“智能三段论”：从理解人到超越人

吴泳铭提出，AI的发展将经历三个阶段：

1.智能涌现（学习人）

AI通过学习人类所有公开的语言知识，获得基础推理与泛化能力。这是ChatGPT所代表的阶段：AI能“听懂人话”，但只能停留在语言层面的协作。

2.自主行动（辅助人）

AI不仅能说，更能“做”。具备工具使用（Tool Use）和自主编程（Coding）能力，开始介入现实任务，成为真实世界的“任务执行者”与“系统建设者”。这正是我们所处的阶段。

3.自我迭代（超越人）

真正的ASI时代，AI将通过连接真实世界、获取原始数据、进行持续学习，实现智能闭环进化。从依赖人类输入的静态智能，变为能够感知→决策→行动→再学习的动态智能系统。

这条路径，是阿里对AI的“物种级进化论”，也是从“工具视角”迈向“生态系统视角”的认知转变。

大模型=操作系统，超级云=智能引擎

在演讲中，吴泳铭还提出了两个颇具“重建范式”意味的判断：

1. 大模型将成为下一代操作系统

在他看来，自然语言将成为AI时代的源代码；Agent将取代传统软件，成为任务处理的基本单元；大模型将负责调度用户输入、调用工具、分发算力，是新一代的“中枢神经”。

我们可以通过下面的表格，来对这一类别进行分析：

这意味着未来的软件开发将不再依赖工程师从零编写代码，而是通过用自然语言“调度智能”来构建系统，开发门槛极大下降，场景实现效率大幅提升。

2. 超级AI云是下一代“计算机”

吴泳铭认为，Token将成为未来智能社会的“电”，以单位成本在算力网络中流通；大模型在超级云中运行，将像操作系统+应用一样与芯片、存储、接口协同演化；超大规模AI基础设施将成为未来国家与企业的“数字主权”。

阿里云正基于这一逻辑，构建下一代AI计算底座：从硬件到调度网络，从模型到编译器，打造“模型训练+推理+工具调用”的全链闭环。

战略底色：从参数竞赛，迈入“系统构建”的时代

吴泳铭的核心判断，其实在于一个底层逻辑的切换：AI行业的下一步突破，不只在单点性能，而在系统闭环。

过去，我们习惯于从模型规模、上下文长度、跑分排行榜上判断AI进化。但阿里认为，这种模式已经逼近“天花板”，真正的跃迁要来自“自我进化能力”——即AI不再依赖人类更新，而能在场景中不断反馈、优化、自修复。

要实现这一点，必须三者协同：

1.强大的大模型（理解与生成能力）

2.连接世界的Agent系统（行动与感知能力）

3.持续运行的云基础设施（迭代与训练能力）

而这些，阿里试图用一整套从模型、Agent到AI基础设施的系统化方案来解决。

吴泳铭画的路线图，

阿里云正在一点点实现

在提出“从AGI迈向ASI”的战略愿景后，阿里在2025云栖大会上同步发布了一系列覆盖大模型、Agent平台、AI基础设施以及产业落地场景的核心产品，意图构建一个从“模型”到“工具”再到“平台”的完整技术闭环。

如果说吴泳铭的演讲是一张面向未来的“智能路线图”，那么这部分发布，就是这张图的“工程蓝图”。

大模型：七连发，不是模型堆叠，而是“能力架构重构”

阿里在此次大会上一口气发布了七款重磅大模型，覆盖语言、多模态、音视频、图像生成等关键能力层——但这场“七连发”，其战略意义远不止模型数量本身。

Qwen3-Max：在多项权威评测中名列前茅

Qwen3-Max 在多项权威评测中名列前茅，跻身全球前三；其预览版已在Chatbot Arena排行榜位列第三；Instruct版本在SWE-Bench Verified斩获69.6分，Tau2-Bench取得 74.8 分；推理增强版在AIME25与HMMT两项数学测试中均获满分100（国内首次）。

Qwen3-Next：效率革命者

创新“参数激活技术”，3B模型激活后能力媲美235B模型，极大降低推理成本。展示了“边缘智能”与“低成本智能普惠”的潜力。

Qwen3-VL、Qwen3-Omni、通义万相、通义百聆：全感知多模态矩阵

这次云栖大会，阿里云还一口气发布或者更新了一系列模型：

·Qwen3-VL：视觉语言理解，支持图文内容识别；

·Qwen3-Omni：多模态输入输出，文本+图像+音频协同；

·通义万相：图像生成模型，支持风格化与控制参数生成。

·通义百聆：音视频转写与理解；

此外，开源模型的累计下载已超6亿次，衍生模型数量达17万个，建立起全球范围内影响力最广泛的大模型矩阵。

Agent系统：从助手到开发者，从流程引擎到智能交互体

Agent被视为通向ASI的关键中间态，也是大模型“自主行动能力”的具体体现。阿里此次发布的通义百炼平台，就是一个围绕企业应用打造的全生命周期Agent开发系统。

百炼面向企业提供ModelStudio-ADK（高代码）与ModelStudio-ADP（低代码）双路径：前者1小时即可产出Deep Research等复杂Agent，平台日均调用量一年增长15倍；后者已被20万+开发者用来构建80万+Agent；组件侧集成MCP/RAG/Sandbox/Memory/Pay Server等七大企业级能力（Pay Server与支付宝联合首发）。

此外，阿里的通义灵码，作为AI for Coding的国产领跑者，也取得诸多成绩：下载量超2000万，生成代码超60亿行；已与用友、平安、小鹏、国防科工系统实现深度集成；不再只是“代码建议工具”，而是“团队AI开发助手”。

AI基础设施：打造属于智能时代的“电网”

任何AI系统的进化都绕不开算力、网络、存储的强力支撑。本届云栖大会上，阿里云升级了全栈AI底座，从芯片到调度网络，打造出一个“Token级别”的智能运行平台。

在基础设施方面，阿里云颇具诚意，例如：

·磐久128超节点：新一代磐久128超节点AI服务器单柜支持128枚AI芯片，Pb/s级 Scale-Up带宽、百ns级延迟，同等算力下推理性能提升约50%；

·灵骏智算集群：灵骏智算集群通过模型感知智能路由、网络拓扑感知调度等优化，面向AI/Agent负载提供稳定高并发与弹性，并支撑10万卡大规模GPU集群高效互联与调度；

·对象存储OSS Vector Bucket：OSS Vector Bucket提供海量向量的高性价比存储，相较自建开源向量数据库成本下降约95%，结合OSS MetaQuery可更快构建RAG等应用；

·HPN 8.0网络架构：新一代HPN 8.0采用训推一体化架构，存储网络带宽800Gbps、GPU互联6.4Tbps，可支撑单集群10万卡高效互联；

磐久AI Infra2.0 128超节点服务器

而且，阿里云在加快全球布局，新增法国、荷兰、巴西数据中心，在全球91个可用区部署云原生智能平台。

产业落地：AI走进“真实世界的场景闭环”

如果说模型与平台是“思维系统”，那么真正连接ASI的最后一步，是AI开始“进入世界”，形成闭环。阿里云的一系列新技术、新产品，已经在多个行业实现了规模化应用落地。

例如，在游戏领域，网易接入百炼，自动测试Agent覆盖测试工作流，效率提升50%+；在制造领域，三一重工部署维修Agent，实现工单识别、备件调度、语音交互闭环；在金融领域，工商银行通过通义灵码构建审计流程AI助手，日均节省150人力时；在工业领域，西门子正式与阿里云共建工业AI Copilot，智能控制系统已部署在浙江产线；在汽车领域，吉利在R&D与流程ERP系统中，引入AI多Agent交互系统。

这些案例表明，AI已从“样机”进入“产品”，从“实验”进入“流程”。

我们站在一个新时代的门口

在这场以“通往ASI”为叙事主线的云栖大会之后，我们或许应当重新理解这三个字母所代表的意义。

它不是一个“GPT-6级别”的下一站更新，也不是模型参数再翻倍后的竞赛终点，而是：一场关于智能系统能否持续自主进化、能否接入世界反馈、能否成为“有生命的操作系统”的技术文明试验。

“智能基础设施化”，是通往ASI的真正底层革命

在这个过程中，大模型不再只是一个技术产物，它是“新语言”；Agent不再只是辅助工具，它是“新角色”；云平台不再只是服务承载体，它是“新地理”与“新主权”。

阿里试图构建的，正是这样一种跨越三个维度的体系：