阿里云栖大会：吴泳铭为何用经济学讲AI未来

9月22日，杭州云栖大会，阿里巴巴集团CEO吴泳铭发表开场主旨演讲。过去几年，云栖大会演讲常被视为技术风向标，但这次吴泳铭花了很多时间讲工业革命、电和经济学，重心不在AI会变成什么样，而在AI会让世界变成什么样。他提出核心观点：上一次类似变化是工业革命把动力变成规模化商品，人类发明蒸汽机、内燃机和电，并围绕它们建立现代产业，这一次轮到思考。当一个CEO用经济学语言描述未来，说明他思考的已不仅是产品技术路线，而是整个经济流转结构——谁生产、谁输送、谁消费、怎么计价。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，其世界观正变得空前明确。

吴泳铭有两个核心判断。第一，未来机器供给的思考总量将是人类思考总量的1000倍以上。今天机器动力已承担99.9%的物理工作，未来机器会承担99.9%的思考工作。第二，他从供需两端推演1000倍。供给侧，人类顶级思考极其稀缺，培养顶级科学家需几十年学习和实践，还要天赋和运气。比如新生儿早衰症全球每年新增几十例，有记录患者总共几百人，按现有医药商业逻辑，没有公司愿花十几年、砸巨资为几百人研发新药。但AI正改写这笔账：只要算力足够多、足够便宜，每个细分领域都可组织上百万个Agent，不眠不休研究、模拟、验证，探索不同方案。顶级思考第一次可从奢侈品变成可规模化供给的商品。需求侧也在变化。工业时代人能消费多少商品取决于人口，一个人一生能消费的物理商品有限。但AI时代，让AI造一艘飞船去火星，这样超长复杂任务可分解成上千万个子任务，由上百万个Agent甚至机器人不眠不休干，直到任务完成。人只需提出创意和目标，就能调动庞大智力资源。思考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。吴泳铭原话是，每一个超级个体都可以拥有上万倍的智力杠杆。供需两端一合，1000倍就出来了。

真正值得在意的是吴泳铭没说出口的问题：如果思考像电力一样商品化，定价权在谁手里？计量单位是什么？谁控制把思考送出去的网？这三个问题其实是一个问题——在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面没有点破，但阿里最近和接下来的动作已替他把答案勾勒出来。

吴泳铭提出机器智能时代三大基石：AI模型、AI芯片和AI云，称之为机器思考能够规模化供给的前提。从思考力商品化命题反向推导：工业革命把动力变成商品，靠蒸汽机生产动力、电网输送动力、工厂铁路家电消费动力。思考要变成商品，同样需要生产—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，思考供给无法规模化。平头哥的真武V900、倚天CPU、磐脉智能网卡、ICN互联芯片，解决的是思考力生产效率问题。思考质量靠模型，芯片生产Token，模型决定Token智能水平。Qwen团队在RSI上的探索以及5-10T参数规模目标，本质是提升Token的思考深度。吴泳铭还强调多模态能力，说明阿里模型层面策略是双线并进：基座模型决定思考上限，多模态决定思考交互广度。思考的流通靠云，芯片负责生产Token，云负责把Token送到每个需要它的地方。吴泳铭说，到2032年阿里云运营的全球数据中心规模超过20GW，本质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，而是一条完整生产链条：芯片是生产端，模型是产品端，云是流通端，缺一不可。

从商业逻辑再推导：芯片是定价权核心，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。模型是差异化关键，如果所有公司都用同样芯片、同样云，模型就是唯一差异化变量。云是规模效应载体，思考力商品化前提是供给无限充沛，而无限充沛前提是规模效应。因此芯片、模型、云都是形成差异化、争夺定价权的关键环节。阿里云20GW目标是在构建足够大、足够高效的流通网络，三者形成正循环。当阿里把自己定位成机器智能时代的经济基础设施，这个战略野心比下一代操作系统大得多。

讲完战略，落到企业身上怎么变成生产力？阿里的答案是一套全栈优化，全部冲着Agent去。Agent要真正进入业务、进入生产，需解决算力效率、长任务可靠性、成本三件事。云栖大会上，阿里AI各业务集中公布系列进展，从芯片、服务器、超节点、网络、模型和推理系统到MaaS，全部进行全线联合调优。在AI芯片层，CPU承接Agent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、高并发任务算力供给；云资源方面发布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