新芒xAI 9月22日消息，阿里巴巴在2026云栖大会上明确AI模型、AI芯片和AI云三项长期投入方向：千问将探索递归式自我改进并规划5万亿至10万亿参数模型，平头哥推出真武V900芯片，阿里云则提出到2032年运营全球数据中心规模超过20GW。
关键要点
AI模型：阿里巴巴CEO吴泳铭提出，机器智能正在成为新的生产力，千问将继续向多模态和更复杂的长周期任务演进。公司正在探索递归式自我改进，并规划参数规模为5万亿至10万亿的新模型，以寻求进一步提升推理、规划和任务执行能力。该模型目前属于规划方向，参数规模不等同于最终能力，也不代表产品已经发布。
千问还在推进端侧与移动端布局，包括面向桌面设备的千问27B模型以及面向移动设备的千问智能。端云协同有望降低部分任务的响应延迟和云端成本，但实际可用性仍取决于终端算力、内存占用、功耗和应用适配。
AI芯片：平头哥发布真武V900，官方称其算力为上一代真武M890的三倍，单一集群可扩展至50万张卡。阿里自研芯片组合还包括倚天CPU、磐久网卡及ICN互联技术，试图覆盖计算、网络和集群互联。公司同时披露，基于M890的AI超节点可支持2万亿参数以上模型推理，并计划在第四季度继续增加云端节点。
真武V900的性能倍数、集群上限与模型承载能力均为厂商口径。它们描述的是产品设计和系统扩展目标，尚不能替代真实负载下的吞吐、稳定性、能耗、良率和软件兼容性验证。
AI云：阿里云提出，到2032年运营的全球数据中心规模将超过20GW，以承接持续增长的AI训练与推理需求。20GW是面向未来的运营规模目标，不是当前已经投入使用的AI算力；供电、机房、芯片供应和区域合规都可能影响建设节奏。
新芒xAI评论
三项投入放在一起看，阿里的核心判断并非单点追逐最大模型或最快芯片，而是通过模型、芯片和云的联合优化掌握Token生产成本。对开发者和企业客户而言，全栈能力的价值在于减少模型适配、集群部署和算力调度之间的损耗，并获得从端侧到超大规模云集群的一体化选择。
这一路线也带来新的取舍。软硬件深度协同有机会改善吞吐与成本，但客户需要评估接口开放程度、第三方模型兼容性、跨云迁移成本和供应稳定性，避免效率优势同时转化为过高的平台锁定成本。
5万亿至10万亿参数和20GW数据中心都是雄心明确的规模指标，却不会自动转化为模型效果或商业回报。后续更值得观察的是单位Token成本、集群利用率、能效、外部基准测试、开发者生态及企业付费需求。只有这些指标同步改善，模型、芯片与云的三层协同才会从战略叙事变成可持续竞争力。
