移动通信网 林知远
9月22日，2026云栖大会主论坛上，阿里巴巴集团CEO吴泳铭提出，AI模型、AI芯片和AI云构成机器智能时代的三大基石，阿里将这三项基础设施的投入定位为长期战略选择。在模型层面，基于新一代架构的Qwen4已正式启动训练，后续版本计划将模型总参数规模扩展至5万亿至10万亿量级，向能够处理更复杂、更长程任务的超级人工智能（ASI）演进。与之配套的是一套完整的效率体系：已提前开源下一代架构的Qwen3.8-Flash通过注意力机制与模型内信息传递机制的核心创新，将训练成本压降90%，仅需激活6B参数即可获得前沿性能。更关键的是，递归式自我改进（RSI）已经初步进入训练、推理与芯模协同三个环节，这意味着模型迭代的部分工作正从人类工程师手中转移给模型自身，行业竞争的焦点正在从参数堆叠转向自我进化能力。
【关键数据】
[1] 后续版本计划将模型总参数扩展至5万亿至10万亿
[2] Qwen3.8-Flash训练成本骤降90%，激活6B参数即获前沿性能
[3] Qwen3.8-Max自主迭代33轮，Artificial Analysis得分由40分升至45分
[4] 自主优化推理框架使单实例推理吞吐量提升96%
[5] 芯模协同自主运行超60小时、调用EDA工具超万次，芯片模块面积减少42%
RSI的技术含义在于模型能够自主完成原本由人类研发团队承担的工作闭环。吴泳铭披露的细节显示，Qwen3.8-Max在完全无人参与的情况下，自主搭建训练流程、构造数据、设计实验并定位缺陷，持续迭代超过1个月，完成33轮有效迭代；通过RSI与后训练的联合优化，该模型在Artificial Analysis基准上的得分从40分提升至45分，提升幅度达12.5%。在计算效率方向，自我改进同样产生实效：面对此前从未接触过的平头哥新款GPU，Qwen3.8-Max自主优化Qwen3.8-Flash的推理框架，使单实例推理吞吐量提升96%。而Qwen3.8-Flash本身的架构创新——通过稀疏激活方式在庞大参数总量中仅调用6B参数——是训练成本下降90%的直接原因，这验证了MoE类架构在超大规模模型上的经济可行性。
芯模协同是此次披露中最具产业冲击力的部分。Qwen3.8-Max在芯片与模型的协同设计流程中，自主运行超过60小时、调用EDA工具超过1万次，完成了生产级芯片模块的物理实现优化，最终将模块面积减少42%。在先进制程成本高企的当下，42%的面积缩减直接转化为同口径下接近翻倍的晶体管密度收益，这对平头哥自研GPU的产品竞争力是实质性增益。对照行业格局，谷歌的TPU体系长期依靠内部协同设计维持效率优势，英伟达则以CUDA生态构筑壁垒，而阿里此次展示了第三条路径：让AI模型本身成为芯片设计流程中的优化引擎。若RSI在EDA环节的能力持续验证，芯片设计的人力瓶颈与周期瓶颈都可能被重新定义，设计成本的下降将进一步传导至AI算力的供给价格。
从产业链视角看，阿里押注的是模型—芯片—云三位一体的垂直整合模式。上游，平头哥新款GPU承担自研算力供给，RSI驱动的物理实现优化降低单位算力成本；中游，Qwen系列模型以开源策略扩张生态——阿里迄今已开源460余个Qwen模型，累计下载量突破30亿次，衍生模型超过30万个，这一衍生规模在开源社区中已形成对Llama系列的规模优势；下游，AI云将模型能力转化为按量计费的服务收入。训练成本骤降90%改变了成本结构中占比最大的训练支出项，而推理吞吐量96%的提升则压缩了单token服务成本，两者叠加使阿里云在价格竞争中的缓冲空间显著扩大。多模态布局同步推进：Qwen3.8-Omni将视频、音频、图片和文字纳入统一理解框架，语音、图像、音乐和世界模型均推出新版本。
商业化落地的路径在本次大会披露中已经清晰可见。RSI已在三个生产环节产生可量化的收益：模型研发环节的33轮自主迭代、推理环节96%的吞吐量提升、芯片设计环节42%的面积优化——这些均非实验室演示，而是发生在生产级流程中。应用场景层面，Qwen3.8-Omni的统一多模态框架指向客服、内容审核、视频理解等企业级需求；理解与生成一体化研究持续推进，全新一代视频生成模型定于11月发布，届时将直接与Sora、Veo等竞品在视频生成市场正面交锋。开源生态的商业转化路径上，30万个衍生模型意味着庞大的开发者基数，这部分群体向阿里云算力和API服务的转化构成模型业务的间接收入来源。5万亿至10万亿参数规模的规划，则预设了对更长上下文、更复杂推理任务的企业级付费需求。
行业层面的连锁反应已经开始。第一，RSI进入芯模协同环节，预示AI辅助芯片设计从工具级辅助走向流程级自主，60小时万次EDA调用的工程纪录为后续自动化设计流水线提供了模板；第二，训练成本90%的降幅若被同行复现，大模型训练的入场门槛将实质下移，中小机构训练前沿模型的经济性改善，行业参与主体可能扩容；第三，30亿次下载与30万衍生模型构成的生态基数，正在使模型标准的争夺从单一性能比拼转向生态规模竞争。吴泳铭将AI模型、AI芯片、AI云并列为长期战略投入，配合Qwen4训练启动与10万亿参数规划，阿里已将其技术路线图与资本开支方向绑定。对竞争者而言，RSI带来的自我进化速度差异，可能比任何单代模型的分数差距都更具决定性。
