云栖观察：一个超级云计算周期正在到来
作者 林易
编辑 重点君
自2015年由阿里云开发者大会更名以来，云栖大会一直是观察中国乃至全球云计算与AI技术的风向标。
今年的大会现场，气氛尤为炽热。从议程、嘉宾到展区，阿里云全方位展示了作为国内公有云第一大厂的生态号召力，场景很容易让人联想到英伟达GTC。与往年讨论数字化转型、产业上云的议题不同，今年几乎所有的内容都指向同一个焦点：AI。
全球云计算行业正在经历一场深刻的范式转移。从以CPU为核心的计算，加速转向以GPU为核心的AI计算，传统云的计算、存储、网络到容器都需要彻底重构。云厂商增长的核心驱动力也不再是传统的计算、存储和网络，而是为训练和推理大模型服务的AI算力。
新技术范式，正在催生一个超级云计算周期。在北美，亚马逊、微软、谷歌的资本开支竞赛不断刷新纪录。其中，微软通过深度绑定OpenAI，将GPT系列模型整合进Azure，抢占企业级市场先机；亚马逊AWS则凭借其市场领导者地位和自研的Trainium、Inferentia芯片，发力构建更高性价比的AI基础设施；谷歌则依托Gemini模型，推动云业务与AI能力的深度融合；Oracle也凭借与OpenAI的合作迅速崛起。
在中国，经历了数年的高速增长与市场调整后，云厂商们同样找到了新的、更为强劲的增长引擎。从中国公有云市场大盘来看，2024下半年，市场增速17.7%，创新高，进入2025年，增速进一步提升。上一次中国云计算大爆发，还是2014到2020年；但2021到2023年，移动互联网红利见顶，云市场增速一路下滑；直到2023年，伴随着大模型浪潮，才重启增长。
阿里云在此次大会上，展示了其对未来的判断和战略布局。这即是一次技术产品的集中发布，更是一场阿里云关于未来计算形态的系统性思考。
战略：吴泳铭的一个定义和两个判断
阿里巴巴集团CEO吴泳铭在其主旨演讲中，将目光投向了通用人工智能（AGI）之后的终极目标——超级人工智能（ASI），即能自我迭代并全面超越人类的智能系统。他认为，这条通往ASI的道路将经历三个清晰的阶段：
第一阶段：智能涌现（学习人）。基于互联网数字化的海量人类知识，大模型涌现出通用对话和初步的推理能力，开始理解世界。目前，AI在各学科学术测试中已能逼近人类顶级水平。
第二阶段：自主行动（辅助人）。这是我们正处的阶段。AI的关键突破在于具备了使用工具（Tool Use）和编程（Coding）的能力。通过调用软件、接口和设备，AI开始在真实世界中辅助人类完成复杂任务，极大地提高生产力。
第三阶段：自我迭代（超越人）。这是通往ASI的终局。吴泳铭认为，此阶段有两个关键要素。第一，AI必须连接并直接从物理世界获取全量的原始数据，而非仅仅学习人类归纳后的二手知识。第二，基于海量真实世界数据，AI将具备自主学习（Self-learning）的能力，可以为自身升级搭建训练环境、优化数据流，最终实现智能的自我迭代。
这套三阶段理论，清晰地勾勒了阿里的技术路线图。展示了阿里对标OpenAI、谷歌等全球科技巨头，同台竞技、共同探索智能终极形态的雄心。
为此，吴泳铭提出了两个核心判断，这构成了阿里云当前战略的基石：
判断一：大模型是下一代的操作系统。在这个新范式中，自然语言成为新的编程语言，Agent是新的软件形态，Context（上下文）则是新的内存。大模型将成为用户、软件与计算资源之间交互调度的中间层。基于此判断，阿里云做出战略选择，推动通义千问模型开源，致力于打造AI时代的“Android”生态 。
判断二：超级AI云是下一代的计算机。未来的世界，每个人都可能拥有成百上千个Agent不间断地协同工作，这将需要海量的计算资源。数据中心的计算范式正从以CPU为核心，转变为以GPU为核心。只有具备超大规模基础设施和全栈技术能力的“超级AI云”，才能承载这样的需求。
阿里云的目标，正是要构建这样的“超级AI云”，为全球提供智能算力网络。为此，阿里正在进行饱和式投入。今年2月，公司提出了为期三年的3800亿AI基础设施建设计划，并且还会持续增加投入。吴泳铭在本次大会上进一步补充：为迎接ASI时代的到来，对比2022年，阿里云计划到2032年将其全球数据中心的能耗规模提升10倍。
技术：最领先的模型和基础设施
如果说“超级AI云”是下一代的计算机，那么它必须同时拥有最领先的AI模型（大脑）和最领先的AI基础设施（躯干）。此次云栖大会，阿里云围绕这两点进行了全栈体系的升级。
一、最领先的模型
阿里云本次连续发布了7款通义大模型，在智能水平、多模态和Agent能力等方面实现多项突破。
旗舰模型：通义旗舰模型Qwen3-Max，参数超过万亿，性能跻身全球前三，超过了GPT5和Claude Opus 4。其在解决真实世界问题的SWE-Bench测试中位列全球第一梯队，在Agent工具调用能力的Tau2-Bench测试中也取得了突破性成绩。
下一代架构：Qwen3-Next及系列模型，采用了高稀疏度MoE结构等创新技术，实现了模型计算效率的重大突破，训练成本较密集模型大幅下降超过90%，长文本推理吞吐量提升10倍以上。
专项与多模态模型：
编程模型Qwen3-Coder，推理速度和代码安全性显著提升。
视觉理解模型Qwen3-VL，在32项核心能力测评中超越Gemini-2.5-Pro和GPT-5。
全模态模型Qwen3-Omni，音视频能力在32项开源测试中达到最佳性能（SOTA）。
通义万相推出Wan2.5-preview系列，视频生成时长提升至10秒，并首次实现音画同步的视频生成能力。
全新的语音大模型“通义百聆”，包含语音识别和语音合成两大模型。
模型能力的提升直接催生了应用的爆发。过去一年，阿里云百炼平台的模型日均调用量增长了15倍。同时，阿里云发布了全新的Agent开发框架ModelStudio-ADK和低代码平台ModelStudio-ADP，目前已有超20万开发者在百炼平台开发了超过80万个Agent。
二、最领先的基础设施
强大的模型需要坚实的基础设施支撑。阿里云CTO周靖人接受采访时表达了阿里云的判断：当下，整个行业对于技术路线而言，大方向的分歧已经很少。全球几乎所有公司，都在激进投入到AI竞争，快速发布模型。但问题在于，各个厂商具体怎么去做。
“现在的模型竞争，已经是系统和系统之间的竞争。模型的发展创新不存在憋大招的说法，这和底层的基础设施、云都是相辅相成的。”
过去一年，阿里云的AI算力增长超过5倍，AI存力增长超过4倍。本次大会，阿里云对其AI基础设施进行了全面升级，展示了从芯片到智算集群的全栈技术能力。
服务器：AI大模型训练是典型的高性能计算场景，对算力密度、散热能力和芯片兼容性提出了苛刻要求。传统通用服务器机柜显然无法胜任。为此，阿里云发布全新自研的磐久128超节点AI服务器，单柜可支持128个AI计算芯片，密度刷新业界纪录，同等算力下推理性能可提升50%。
网络：在大规模分布式训练中，网络延迟和带宽直接决定了“木桶”的短板。阿里云新一代高性能网络HPN 8.0，GPU互联网络带宽达到6.4Tbps，可支持单集群10万卡GPU的高效互联。
存储：AI工作负载对存储的需求极为分裂。分布式存储升级，其中对象存储OSS推出Vector Bucket，可使构建RAG等AI应用的存储成本骤降95%。
AI智算集群：智能计算灵骏集群能力升级，通过拓扑感知调度设计支持10万卡稳定互联，并具备故障分钟级恢复能力。
平台与服务：容器服务ACK和人工智能平台PAI也针对AI场景进行了深度优化。PAI与通义大模型联合优化后，模型训练端到端加速比提升3倍以上，推理吞吐TPS增加71%，时延TPOT降低70.6%。
组织：那个能打的阿里回来了
从定义通往ASI的清晰路径，到构建“模型+基础设施”协同创新的AI超级计算机，阿里云正在以系统性的方式，做好准备，迎接并塑造这个由AI驱动的超级云计算周期。行业的未来图景已经日益清晰：算力即权力，而承载这股力量的，唯有超级AI云。
此次云栖大会，恰逢吴泳铭掌舵阿里云，确立“AI驱动”战略两周年。从结果来看，无疑是成功的，资本市场的积极反馈也侧面印证了这一点。
如果我们把视角放到阿里这家公司，经历了前几年的蛰伏，随着创始团队回归，那个以敏锐战略远见和强大组织执行力著称的阿里，又回来了。
(来源：新浪科技)
