Alibaba CEO Wu Yongming: Thinking will become a commodity in the machine intelligence era

作者：张鹏 编辑：苏子华

9 月 22 日，杭州云栖大会。阿里巴巴集团 CEO 吴泳铭按惯例发表了开场主旨演讲。

过去几年，云栖大会的主旨演讲常被视为“技术风向标”，曾抛出“大模型是下一代操作系统”“超级 AI 云是下一代计算机”等重磅判断。但这一次，吴泳铭的演讲重心发生了明显转变：他花了大量时间谈论工业革命、电力和经济学，核心不再是 AI 本身会变成什么样，而是 AI 会让世界变成什么样。

他提出的一个核心观点是：“上一次这样的变化，是工业革命把动力变成了规模化的商品。人类先后发明了蒸汽机、内燃机和电，并围绕它们建立起了现代产业。这一次，轮到思考。”

当一个 CEO 开始用经济学的语言描述未来，说明他思考的已不仅是产品和技术路线，而是整个经济的流转结构——谁生产、谁输送、谁消费、如何计价。

这背后，是阿里对“下一个时代如何定位自己”的更高维战略思考：不是如何跟上这个时代，而是在过去几年“积极参与并有效跟上”之后，逐渐形成面向未来的世界观，并将其转化为明确的下注——公司架构、未来投入的大战略结构和阵型，已变得空前清晰。

简而言之，吴泳铭这次讲的不是技术观，也不是产品观，而是世界观：“世界会变成什么样，阿里要站在哪。”

01 供需机制：思考力商品化的经济学含义

吴泳铭的演讲中，有两个值得深入研究的核心判断。

第一个判断：未来，机器供给的思考总量将是人类思考总量的 1000 倍以上。他指出，这在物理世界已经发生过——今天，机器动力承担了 99.9% 的物理工作；未来，机器将承担 99.9% 的思考工作。

第二个判断：他对“1000 倍”这一数字进行了供需两端的推演。

• 供给端：人类的顶级思考极其稀缺。培养一名顶级科学家需要几十年的学习和实践，还需天赋和运气。例如，新生儿早衰症全球每年新增病例仅几十例，有记录的患者总共只有几百人。按现有医药产业的商业逻辑，没有公司愿意花十几年、砸巨资为几百人研发新药。但 AI 正在改写这一账本——只要算力足够多、足够便宜，每个细分领域都可以组织上百万个 Agent，不眠不休地研究、模拟、验证，探索不同方案。顶级思考，第一次从奢侈品变为可规模化供给的商品。

• 需求端：工业时代，人能消费多少商品取决于人口——咖啡要有人喝，车要有人开，手机要有人用，一个人一生能消费的物理商品是有限的。但 AI 时代，这一关系彻底改变。例如，让 AI 造一艘飞船去火星，这样一个超长复杂任务，AI 可将其分解成上千万个子任务，只要有足够资源，由上百万个 Agent 甚至机器人不眠不休地执行，直到任务完成。人只需提出一个创意和目标，就能调动庞大的智力资源。思考的消耗量，不再与人口数量成正比，而是与机器智能的思考深度和供给规模成正比。

吴泳铭的原话是：“每一个超级个体，都可以拥有上万倍的智力杠杆。”

当思考的消耗量不再与人口成正比，而是与机器智能的思考深度和供给规模成正比，供需两端一合，1000 倍便出现了。

真正值得深思的，是吴泳铭没有说出口的问题：如果思考像电力一样商品化了，那么定价权在谁手里？计量的单位是什么？谁控制那张把“思考”送出去的网？

这三个问题，其实是一个问题：在一个“思考”能被规模生产的时代，谁掌握了生产、计量和分发，谁就掌握了这个时代最值钱的东西。

吴泳铭停在这个问题前，没有点破。但阿里最近和接下来的动作，已经替他把答案勾勒了出来。

02 三大基石：一条完整的生产链

吴泳铭在演讲中提出了机器智能时代的三大基石：AI 模型、AI 芯片和 AI 云。他称之为“机器思考能够规模化供给的前提”。

为什么要在这三样上坚定投入？我们可以从“思考力商品化”这一经济学命题出发，做一层反向推导。

吴泳铭将“思考”类比为工业革命中的“动力”。工业革命把动力变成商品，靠的是蒸汽机负责生产动力，电网负责输送动力，而工厂、铁路、家电则是动力的消费场景。那么，如果“思考”要变成商品，它同样需要一套完整的生产—流通—消费体系。

• 思考的生产靠芯片：没有足够强、足够便宜的芯片，思考的供给就无法规模化。因此，平头哥的真武 V900、倚天 CPU、磐脉智能网卡、ICN 互联芯片，解决的是“思考力”的生产效率问题。

• 思考的质量靠模型：芯片生产的是“Token”，模型决定 Token 的智能水平。Qwen 团队在 RSI（递归式自我改进）上的探索，以及 5-10T 参数规模的目标，本质上是在提升 Token 的“思考深度”。吴泳铭还特别强调多模态能力——“一个足够聪明的大脑还不够，AI 还需要掌握感知和交互能力”。这说明阿里在模型层面的策略是双线并进：基座模型决定思考的上限，多模态决定思考的交互广度。

• 思考的流通靠云：芯片负责生产 Token，云负责把 Token 送到每一个需要它的地方。吴泳铭提出，到 2032 年，阿里云运营的全球数据中心规模将超过 20GW，本质上是在建一张覆盖全球的“思考力电网”。这张网越完善，就会有更多用户和 Agent 进来，形成规模和网络效应。

因此，三大基石不是并列关系，而是一条完整的生产链条：芯片是生产端，模型是产品端，云是流通端。缺了任何一个，“思考力商品化”就无法成立。

从商业逻辑再做一层推导：

• 芯片是定价权的核心：如果思考是商品，谁掌握芯片，谁就掌握定价权。当前全球 AI 芯片供应紧张，吴泳铭坦言供应链紧缺限制了算力增长速度，这意味着如果阿里不自己做芯片，思考力供给就会受制于人。

• 模型是差异化的关键：如果所有公司都用同样的芯片、同样的云，那么模型就是唯一的差异化变量。

• 云是规模效应的载体：思考力商品化的前提是供给无限充沛，而无限充沛的前提是规模效应。

芯片、模型、云，三者形成正循环。当阿里把自己定位为机器智能时代的经济基础设施，这一战略的野心，比“下一代操作系统”大得多。

03 当 AI Coding 还是“电灯”：企业 Agent 落地的答案

讲完战略，剩下的问题很实在：这些判断落到企业身上，如何变成生产力？

阿里的答案是一套全栈优化，且全部冲着 Agent 而去。

Agent 要真正进入业务、进入生产，需要解决什么问题？云栖大会上，阿里 AI 各业务集中公布了一系列进展，从芯片、服务器、超节点、网络、模型和推理系统到 MaaS，全部在进行全线联合调优，解决 Agent 落地最头疼的三件事：算力效率、长任务可靠性、成本。

• AI 芯片层：CPU 承接 Agent 的任务规划、状态管理和工具调用，AI 芯片、超节点、网络与存储共同保障长时间、高并发任务的算力供给。

• 云资源层：发布的 AgentCore、新一代 CPFS，面向 Model、Harness 和 Context 构建 Agentic Cloud。

• 模型层：Qwen 持续强化规划、工具使用和长程任务执行能力。

最终，这些底层优化通过千问 AI 平台输出给开发者和企业客户：一端升级 MaaS 模型服务，提升推理效率、弹性和成本表现；另一端推出 Agent Studio，将模型、工具、记忆、运行环境和企业治理整合为一套 Agent 服务。

换句话说，阿里不是在技术栈上零散地增加几个 Agent 功能，而是按照 Agent 进入生产的需求，重新改造“思考力”从生产、输送到消费的整条链路。

背后的逻辑也很清晰：Agent 不是单一模型的能力展示，而是一个长程任务执行系统。它需要持续调用算力，需要稳定的网络和存储，需要在长时间运行中保持可靠性，还需要控制成本。任何一个环节出问题，Agent 就无法真正落地。因此，阿里做的不是单点优化，而是从芯片到云平台、Agent 的全栈改造。

阿里的动作可归纳为两条线并行：

• 第一条线：面向未来中长期，持续投入 AI 模型、AI 芯片和 AI 云三大技术基石，为更高阶智能构建底层能力。吴泳铭称，这是阿里的长期战略选择。

• 第二条线：面向当下 Agent 爆发增长的需求，全栈优化，让 Agent 真实进入业务、进入生产。包括 CPU、AI 芯片、超节点、存储、云运行时到 MaaS 平台的全栈优化，系统解决算力效率、长任务可靠性、成本与企业治理问题。

两条线最终指向同一个目标：为市场需求、生产需求、业务需求准备充足的技术底座，让智能真正走进业务、投入生产。

有一个细节特别能说明阿里的心态。吴泳铭说，机器智能时代的代表性产品还没出现，今天的 AI Coding 就像 1882 年的电灯——它能替代现有工作，但还不足以创造新时代。“最早的时候，爱迪生卖灯泡就送电，就像今天 Agent 送 Token 一样。”

这表达了一种对产品形态的“还不确定”：今天可见的所有 AI 产品，可能都处于“电灯阶段”——它们证明了电力可用，但没有定义电力时代的生活方式。真正的原生 AI 应用形态，可能不是聊天框，不是 Copilot，而是一种尚未被命名、尚在演化的交互范式。

这种对智能需求的确定和对产品范式的不确定，某种程度上也闭环了阿里下注的核心逻辑。

回到 1900 年前后，很多电器已开始进入家庭生活，但当时全世界一整年的发电量，放到今天只够用两个小时。这意味着，机器智能时代对 AI 基础设施的需求，对比今天的规模，几乎是没有上限的。阿里全力投入 AI 基础设施建设，就是在为那个“还没有出现的代表性产品”准备土壤。

对于阿里这样的巨头，这种思考是务实的：探索产品新范式的进程不必太早笃定，敢为天下后也无妨；但在下一个时代必然被需要的“修路架桥”，要尽早出发并当仁不让。

头图来源：阿里云 本文为极客公园原创文章，转载请联系极客君微信 geekparkGO