晨光漫入杭州国际博览中心的落地窗，排队的人影被拉得格外长。今年云栖大会最火热的人流，不再簇拥在大模型展台或跳舞机器人前，而是涌向千问办公的各个应用场景。

AI大模型今年组团出圈（毛卫星/摄）

跟以往的AI炫技不同，今年的云栖大会，AI真的已经走入人们的生活。往届云栖，C位属于底层技术、硬核模型、开源生态与开发者。而今，AI已逐渐站在了时代的核心C位。

AI与各行各业产生联动（毛卫星/摄）

一号智能馆里，阿里Happy Horse视听生成模型展台，文本生图、图文成片、智能剪辑、AI配乐，10秒短视频十分钟成型，BGM由AI自主匹配，全程半小时。深圳慧明眼镜的“李白”智能近视管理眼镜，依托千问大模型，实时采集用眼习惯、坐姿体态、眼部健康数据，化身贴身健康管家。同花顺FinWork金融AI终端，打通千问生态，一句话智能投研，报告定时推送至微信、飞书、邮箱。九维图灵的AI数字员工，以自研垂直大模型深度适配企业组织架构与业务流程，定制专属数字员工。

大模型让智能硬件有了新灵魂（毛卫星/摄）

这是现场看到的热闹。但热闹背后，有一个问题值得多想一层：为什么这些AI搭子，偏偏在今年集中出现？

AI时代，阿里要发力模型、芯片和云

1882年，爱迪生在纽约曼哈顿建成珍珠街电站，点亮了附近大约400盏灯。当时人们无法想象后来的空调、洗衣机、电冰箱，更无法想象计算机。但无论后来出现多少新发明，第一步都要建足够多的发电站、铺足够广的电网。

阿里巴巴CEO吴泳铭（官方供图）

阿里巴巴CEO吴泳铭在云栖大会主论坛上抛出的，正是这张“电网”。他把机器智能时代的基础设施拆成三块：AI模型、AI芯片、AI云。

现场那些让普通人“看饱”的AI搭子——写歌的、拍剧的、管理视力的、帮你投研的——就像当年的电灯、空调、洗衣机。它们是电器，是应用，是终端。而阿里要做的，是发电站、电网和电费结算系统。

这是一个容易被忽略的因果关系。我们习惯为前台的应用鼓掌，却很少追问：为什么这些应用偏偏在这一年变得可用、便宜、普及？答案不在应用本身，而在底层供给的成本曲线。

三大发力点，本质是一件事

吴泳铭给出两个判断。第一，未来机器思考总量将是人类的1000倍以上，今天机器思考只相当于人类思考的约3%，前方至少还有数万倍增长空间。第二，机器智能时代的代表性产品还没有出现。帮人编程、写报告，只是机器智能的初级阶段。

机器智能时代的三大基石（官方供图）

需求近乎无限，但终极产品不可知。因此，在终极产品出现之前，最确定的事，是先把发电站和电网建起来。

在大模型侧，Qwen3.8已达2.4T参数。但比参数更值得关注的，是递归式自我改进RSI。研究团队只给Qwen3.8-Max一份片上网络模块规格，没有参考代码，也没有测试样例。接下来60多个小时，模型自己调用EDA工具，完成从编写电路描述、验证到后端物理实现的全流程。最终芯片物理面积减少42%，功耗估算下降59.5%。模型竞争不再只是比谁发布了一个更强的版本，而是比谁能让模型更深地进入研发环节，把下一代模型更快做出来。

原生全模态统一模型在路上（受访者供图）

在芯片侧，平头哥发布真武V900，算力提升至M890的3倍，单一集群可扩展至50万卡。但国产芯片真正的难点，不只在硬件能不能造出来，也在软件生态能不能快速迁移。阿里给出的新解法是：让模型自己补生态。面对一款此前从未适配过的平头哥新AI芯片，Qwen3.8-Max自己修改和优化SGLang推理框架，56小时完成部署，单实例吞吐量提高96%。过去，国产芯片的软件生态要靠工程师一点点补；现在，模型开始亲自参与这项工作。

真武V900芯片亮相（受访者供图）

在云侧，阿里给出一个此前未披露的长期刻度：到2032年，阿里云运营的全球数据中心规模超过20GW。GW正在成为全球云大厂共同的计量单位。微软计划到2032年扩至38GW，AWS此前披露过一年新增3.8GW的节奏。当行业开始用发电站的单位描述自己，竞争的核心变量就已经不只是模型跑分，而是电力、芯片、土地、网络、资本和工程交付能力。

到2032年，阿里云运营的全球数据中心规模超过20GW（官方供图）

三者不是并列的三块业务，而是一台生产智能的机器。模型决定机器智能能做什么，芯片和系统决定生产同等智能需要多少成本，云决定智能可以供给到多大规模。归结起来，未来的竞争就看谁能以更大的规模、更低的价格生产智能。

普通人的未来生活，离不开超级AI网

在云栖大会现场，记者看到的是普通人的AI搭子，吴泳铭关注的是20GW的超级电网。这两者并不矛盾，反而互为因果。

基础大模型展示（官方供图）

AI写歌拍剧、智能眼镜管理视力、数字员工定制、一句话智能投研——这些应用之所以能在2026年云栖集中爆发，前提是模型能力足够强、推理成本足够低、云供给足够广。没有5T-10T参数的模型，AI无法理解复杂创作意图；没有自研芯片摊薄算力成本，智能眼镜和数字员工就无法大规模普及；没有20GW的数据中心，上百万个Agent不眠不休地持续工作就只是一句空话。

吴泳铭说，当机器承担了更多不得不做的事情，人便有时间去做真正想做的事情。工业革命让机器承担体力劳动，人类反而发展出足球、篮球、现代奥运会；照相机没有让绘画消失，反而催生印象派和抽象艺术。

现场产品经理体验区里，展台工作人员说：“AI承接标准化、流程化、重复性工作，人专注深度研判、复杂决策与人文创造。”这句话道破了AI赋能的核心本质：AI淘汰的是低效的工作模式，最终实现“机器做事、成人成事”的最优分工。

但也要看到，阿里的赌注很大，风险也同样明显。重资产、长周期、电力与芯片供给、国产生态迁移、AI需求能否兑现，都是变量。20GW不是一个小目标，它考验的不只是技术，还有资本、工程交付和产业协同能力。阿里没有披露20GW的资本开支、芯片制程、客户名单和盈利路径，这些留白说明，“超级电网”仍是一张长期蓝图，而不是一张已经算清账的短期财务报表。

阿里不赌爆款，赌长期船票

当市场还在争论下一个爆款应用属于谁时，阿里争夺的是所有应用都绕不开的底层位置。

它要抢的不是AI时代某一张短期船票，而是那张让模型持续进化、让算力规模供给、让智能越来越便宜的超级电网。现场普通人的AI搭子越热闹，越说明这张电网的必要性。每一个AI搭子，都是电网上的一个电器。电器可以千变万化，但电网必须足够宽、足够便宜、足够稳定。

算力中心模型展示（官方供图）

云栖大会现场，普通职场人站上AI时代的核心C位。但C位不是凭空得来的。它建立在芯片、云和模型的规模效应之上，建立在以更低成本、更大规模生产和交付智能的能力之上。

把繁重留给机器，把创造力留给人。这句话听起来像愿景，但它的前提是：电网得先建好。阿里接下来的三大发力重点，正是为这张电网打地基。

不赌爆款，赌电网。这恰恰也是阿里最擅长的。