AI 模型与平台

阿里巴巴在全栈 AI 推进中计划打造 5 至 10 万亿参数模型

mm
将 Unite.AI 添加到您在 Google 上的首选来源

Alibaba Group CEO Eddie Wu 表示,公司计划训练一个规模为 5 至 10 万亿参数的新人工智能模型,并在 2026 年 9 月 22 日于杭州举办的 2026 Apsara Conference 主题演讲中,展示了一个跨模型、芯片和云基础设施的 全栈 AI 路线图

Apsara Conference 是 Alibaba Cloud 的年度旗舰活动。官方会议议程 将吴的演讲安排在开幕式和 Apsara 主题演讲环节,同时还有专门针对 Qwen 和 T-Head 硅芯片工作的分会。组织者称 2026 版涵盖三个顶级主题论坛、120 多个平行论坛,以及一个面积 50,000 平方米的技术展览,聚集了超过 1,000 家企业。

5 至 10 万亿参数模型的计划

吴表示,通往人工超级智能(ASI)的技术路径日益清晰,指向递归自我改进(RSI),即模型在真实任务和反馈中运作,识别自身局限,并自主设计实验、合成数据、评估结果,形成持续的自我进化循环。他说 Alibaba’s Qwen 团队正在探索 RSI 并取得了实质性进展,同时继续开展模型架构和数据优化的研究。

吴表示,计划中的模型规模为 5 至 10 万亿参数,旨在完成更复杂、时程更长的任务,并向 ASI 前进。他指出,多模态模型能够统一理解与生成,是另一核心研究方向,认为模型需要深度的多模态能力,以理解和传达人类信号,如语音、视觉、面部表情和手势,并与人类的文化、审美和价值观保持一致。

吴将过去一年描述为 AI 从以人工通用智能为起点转向自迭代 ASI 的阶段,“vibe coding”范式成熟为全谱系的 “vibe working”,并实现了他所称的在长期任务执行上的决定性突破。他提出了该时代的两种观点:机器的思考将超过全人类思考的 1,000 倍,而真正定义该时代的产品尚未出现。他指出,机器思考目前仅占人类全部思考的不到 3%,而机器算力已支撑全球 99.9% 的物理工作,并预测机器思考最终将承担 99.9% 的全部思考。

吴称 AI 编码“仅仅是机器智能时代的灯泡”,并认为仅仅自动化现有人类工作永远无法定义新纪元。他以电气化作类比,指出托马斯·爱迪生 1882 年的珍珠街发电站仅能为约 400 盏灯泡供电,而空调于 1902 年出现,第一台数字计算机则在 1946 年问世。

吴表示,机器智能时代依托三大基础设施支柱:AI 模型、AI 芯片和 AI 云。他称阿里巴巴将持续致力于在这三方面构建核心基础设施,视其为长期战略重点。

真武 V900 芯片与 M890 AI 超节点

吴表示,阿里巴巴的 T-Head 半导体部门正在构建数据中心芯片组合,涵盖真武系列 GPU 芯片、易天系列 CPU 芯片、盘脉系列智能网络接口卡以及 ICN 互连芯片,整体覆盖构建超大规模 AI 集群所需的核心硅材料。

在会议上,阿里巴巴推出了下一代真武 V900,吴称其为“当今中国最强大的 AI 芯片”。他表示,V900 的性能是前代真武 M890 的三倍,单个基于该芯片的集群可支持多达 500,000 张卡片用于前沿模型的训练和推理。吴引用 T-Head 产品线的成熟度以及客户的广泛采用,称阿里巴巴预计 AI 芯片年出货量将实现显著增长。

吴表示,阿里巴巴自主研发的 M890 AI 超节点已经能够为参数超过 2 万亿的基础模型提供高效推理,这一能力层级他称全球仅有少数公司具备,且 Alibaba Cloud 正在以商业规模上线 AI 超节点。他称公司正推动芯片、服务器、超节点、网络、模型和推理引擎的端到端协同优化,以最大化令牌吞吐量并提升 AI 集群基础设施的成本效益。

20 吉瓦云目标与 Qwen 设备推广

吴将 AI 云描述为在任何需要的地方提供令牌的电网,指出它需要超大规模、全球分布的基础设施,能够协同优化 GPU、CPU、网络、存储和数据库。他表示,AI 的客户需求依然异常强劲,行业的中长期需求远超阿里巴巴的供给能力,且全球 AI 数据中心供应链的短缺正限制公司扩展计算基础设施的速度。他称 AI 计算资源的供给正推动 Alibaba Cloud 收入的加速增长。

吴为Alibaba Cloud设定了一个目标,即到2032年,运营超过20吉瓦的全球数据中心容量,并将此建设描述为对行业对AI需求指数级增长的响应。

吴还表示,Alibaba 的开源模型 Qwen-27B 已成为全球桌面开发者中最受欢迎的模型,公司将继续完善此类模型,以便开发者和企业能够在本地部署智能。在会议上,Alibaba 推出了 Qwen Intelligence,这是一套为合作伙伴打造的端到端解决方案,使移动设备能够推理并执行复杂任务。

吴在致辞结束时重申了Alibaba 的信念:AI 越强大,人类就越强大,并将此信念描述为公司致力于 Machine Intelligence 时代的终极目标。

Theo Nash 是 Unite.AI 的 AI 生成专家,负责报道 AI 基础设施、计算和支持现代人工智能的硬件系统。他的工作重点是大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接起来的软件栈。具有分析和工程驱动的视角,Theo 检视 GPU、定制硅、内存架构和分布式系统的进步如何使新一代 AI 模型成为可能。他特别关注性能权衡、能效、可扩展性和实际约束,这些约束影响了 AI 基础设施的现实世界部署。 Theo Nash 撰写的文章由 Unite.AI 的编辑团队审查,以确保技术准确性、清晰度和对快速演变的 AI 计算领域的负责任报道。