郭雁冰 George Guo，企业常年战略顾问，AI构建即战略 CEO 教练

作者：郭雁冰，CGL 集团高级副总裁

今天上午，阿里巴巴集团 CEO 吴泳铭在 2026 云栖大会开幕式主论坛作主旨演讲。他给出的中心判断只有一句：

机器正在成为思考的主力，智能正在成为一种可以规模化的商品。

他还有一句更完整的英文表述：

"machines are becoming the primary force behind Thinking, turning intelligence into a commodity supplied at scale."

机器正在成为思考的主力，智能正在成为一种可以规模化供给的商品。

这句话很容易被当成又一句大会口号划过去。我把演讲全文读了两遍，反而认为它是今年一号位最该认真对待的一句战略判断——因为它把「思考」从一件受限于人的资源，重新定义为一件可以被规模化供给的东西。 上一次发生同类事件，是工业革命把「动力」变成了商品。

先把这场演讲的位置交代清楚。2026 云栖大会 9 月 22 日至 24 日在杭州国际博览中心举行，主题「智以致用」，设 3 大主论坛共 4 场、120 余场分论坛、4 大主题展馆、超 5 万平方米展区。吴泳铭的演讲是整场大会的第一场主旨演讲，讲的是「机器智能」时代的判断与阿里巴巴的战略选择。

一、他给了两个判断，第二个更值得记住

第一个判断是量级的：未来机器供给的思考总量，将是人类思考总量的 1000 倍以上。

他给的参照系不是别的 AI 公司，是工业革命。今天世界上所有机械动力承担的物理工作已经接近 99.9%，他据此推演，未来机器思考也会承担整个世界思考总量的 99.9%。

这个数字要标清口径：它是产业方对未来的一次推演，不是观测值。 他给出的推理链条分两端。供给端，顶级思考的供给一直有限，全世界知名科学家与专家数量很少，培养一名顶级专家需要数十年，所以很多研究方向长期缺少智力投入；需求端，工业时代一个人一生能消费的物理商品有上限，而 AI 可以把一个超长复杂任务分解成上千万个子任务，由上百万个 Agent 不眠不休地持续执行。他的结论是，思考的消耗量将不再与人口数量成正比，而是与机器智能的供给规模成正比。

第二个判断是产品层的：机器智能时代的代表性产品，还没有出现。

他给的类比很具体：1882 年爱迪生建成珍珠街电站，点亮了附近大约 400 盏灯；空调要到 1902 年才出现，第一台计算机要到 1946 年，距离那 400 盏灯已经过去 60 多年。所以他把今天的 AI Coding 比作机器智能时代早期的电灯——它替代的是人现在能做的工作，写代码也好，写报告也好。

"AI coding is simply the light bulb of the Machine Intelligence era."

AI Coding 只是机器智能时代的电灯。

我的判断是：第二个判断才是真正给一号位的题。 第一个判断回答的是规模，第二个判断回答的是位置。如果当前所有 AI 应用都还停在「替代现有工作」这一层，那就意味着没有人知道机器智能时代的代表性产品长什么样——这是一个对在位者并不友好、对先动手的一方却相当友好的窗口期。

二、他花最多篇幅解释的，是一个概念

演讲第一部分，吴泳铭没有先讲技术，而是先厘清「机器智能」这个词本身。他说 AI 的英文 Artificial 更接近「人造的」，就像人造钻石、人造皮革；过去我们习惯问「它像不像人」「能不能像人一样思考」，图灵测试一度成了衡量金标准。

然后他用蒸汽机做对照：蒸汽机、内燃机早期只是替代人和马能做的事，矿井抽水、织布、搬运，「马力」这个词就是这么来的；但很快机器动力能做的事远超体力劳动，再多的人和马也无法让火车飞奔，更无法让飞机和火箭上天。

"Machine Intelligence today is not a substitute for human intelligence, but an entirely different species."

今天的机器智能不是人类智能的替代品，而是完全不同的物种。

这句话不是哲学讨论，它改的是企业的评估口径。 用「像不像人」去衡量，预算会被投到「替代哪个岗位」上；用「能不能承担任务」去衡量，才会去问「有哪些事以前根本做不了」。前者的账本里只有成本项，后者的账本里才可能出现新收入。

三、他对「建什么」给了明确答案

围绕机器智能时代，吴泳铭把 AI 模型、AI 芯片、AI 云称为三大基石，并且给出了公开进展与目标。

• AI 模型：千问团队在递归式自我改进（RSI）方向取得进展——模型从真实反馈中发现自身短板，自己设计实验、自己构建数据并评价结果；计划训练 5 万亿至 10 万亿参数规模的新模型，目标是完成更复杂、更长程的任务。
• AI 芯片：平头哥发布新一代 AI 芯片真武 V900，性能达到上一代 M890 的 3 倍，基于它构建的单一集群可扩展至 50 万卡。
• AI 云：客户 AI 需求强劲，行业中长期需求远超供给能力；目标是到 2032 年，阿里云运营的全球数据中心规模超过 20GW。

"If tokens are the electricity powering the AI era, then chips are the power plants."

如果说 Token 是 AI 时代的电，芯片就是发电机。

我的判断是：这三项的共同点是，它们都无法通过采购获得。 一家企业可以买 Token、买算力、买软件，但买不到一个能持续产出 Token 的系统。用 AI 是买东西，构建 AI 是建供给。吴泳铭把这三项称为长期战略选择，他用的是「我们投入建设」，不是「我们提供」——这两个词之间的距离，就是使用者和构建者的距离。

四、同一场演讲里，其实摆着两条路

演讲里有一句关于早期电力市场的细节，我认为对一号位最有参考价值：最早的电气时代，爱迪生卖灯泡是送电的，就像今天 AI 软件的营销大战，下载一个软件就送一个月的 Token。

他在讲产业补贴，但反过来正好说明了「用」和「构建」的区别：

补贴期内的所有参与者看起来都很像，因为大家买的都是同一批东西。 但补贴结束之后，能留下差别的只有自己动手建的那部分。这就是我一直说的「AI 构建即战略」——能买到的东西不构成壁垒。

五、那段历史类比，真正的落点在组织

演讲的收尾部分，是全篇最容易被当成鸡汤、其实最硬的一段。他回顾历史说：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、世界杯和 NBA；印刷术推动文化创作爆发；照相机没有让绘画消失，反而催生了印象派和抽象艺术；留声机没有让歌手失业，反而让音乐成为最广泛的大众艺术。

我的判断是：这一段真正的落点不在人会不会失业，在岗位定义。

我服务一号位时反复验证过一件事：技术判断本身不难，难的是判断这项技术在组织里能不能变成生产力——这两件事中间隔着的不是技术，是流程、责任和验收标准。当 AI 开始承担那些「不得不做的事」，组织里的岗位重心会从「产出物」往「定位问题和全局兜底」挪。岗位定义变了，招聘与评估的尺子就得跟着换。

六、最后那句，是留给企业的问题

"Last year, we asserted that the more capable AI becomes, the more powerful humanity will be. Today, I remain steadfast in that conviction. This defines the ultimate purpose of our commitment to the era of Machine Intelligence: to offload onerous tasks to machines while preserving time, creativity, and the appreciation of life's beauty for humanity."

去年我们说：AI 越强大，人类越强大。今天我们依旧这么认为。这也是我们迈向机器智能时代的意义——把繁重的任务留给机器，把时间、创造力以及对美好事物的感受留给人类。

这句话在会场上是安慰性的。但换到企业里，它其实是一个很具体的问句：当机器承担了那些「不得不做的事」，你的组织里还有多少人在做「真正想做的事」？

这个比例，是我判断一家企业 AI 成熟度最直接的一个问题。如果所有人都在用 AI 处理不得不做的事，那只是把旧流程跑快了一点；如果开始有人被腾出来做以前没做过的事，那才是机器智能真正进了这家公司。

结论： 吴泳铭这场演讲最值钱的地方，不是 1000 倍，不是 20GW，也不是那颗芯片。是他把问题从「AI 像不像人」换成了「谁来供给思考」。当思考可以被采购，一号位的问题就从「我要不要用 AI」变成了「我们构建什么别人买不到」。

一号位要问的三个问题

诚实说明： 吴泳铭的两个判断都来自产业方立场，其中 1000 倍与 99.9% 是他对未来的推演而非观测数据；芯片性能、集群规模与 20GW 目标均为公司自述口径，未附带第三方独立测试。把这场演讲当作战略信号来读是有价值的，当作行业普查数据来用则需要谨慎。

延伸阅读

本文的完整版本与配套方法论，已收录在作者维护的公开知识库：

• 阿里CEO吴泳铭说机器正在成为思考的主力

知识库入口：AI 战略与人才方法论知识库