出任阿里巴巴CEO滿兩年，吳泳銘為阿里的AI戰略設定了新的錨點：將終極目標從AGI（通用人工智能）轉向ASI（超級人工智能）。

這一戰略選擇頗具前瞻性，但也帶來了幾個關鍵問題：在行業共識仍是AGI的當下，阿里為何要進行這一超前布局？其通往ASI的路徑規劃是否清晰、自洽？以及，支撐這一宏大目標的底層能力與資源是否已經具備？本文旨在探討這些問題。

——導語

01

AGI為什么變成了ASI？

9月24日，在杭州召開的云棲大會上，阿里巴巴集團CEO、阿里云智能集團董事長兼CEO吳泳銘發表主旨演講指出——AI發展的終極目標，是發展出能自我迭代、全面超越人類的超級人工智能ASI。

這句話，對AI研究者心智的沖擊十分巨大。誠然，一部分沖擊力來自于ASI概念的高深玄遠，但更重要的是——這是中國的世界級AI企業首次在全球AI賽場上，對于未來進行高度確定性的、定調式的研判。

一直以來，包括我在內的大部分AI研究者都認為，OpenAI的AGI五級臺階還需要長久的攀登，AI成為高階AGI的道路并不完全明確，在很長的時間內突破AGI將是全球主要AI企業的主要工作。

吳泳銘提出ASI的技術意義，我們暫且后置。但這件事的影響力，某種程度上意味著，在全球AI賽道的超頭部，中國趕上并超越美國成為AI全球創新策源地的歷史性進程，正在前所未有的臨近，令人振奮。

在云棲大會上，吳泳銘提出“AGI只是起點，終極目標應是ASI（超級人工智能）”，并給出了“三階段路線”：智能涌現—自主行動—自我迭代。

討論這一判斷是否可靠，需要把“概念是否清晰、路徑是否自洽、證據是否充分、風險是否可控”四件事講透。我的分析，也據此而言。

為什么大部分時候，我們仍然認為AGI是重要的目標？原因就在于，AGI的概念深入人心，已經廣泛被定義為——在多數認知任務上達到或逼近人類專家的通用智能。

而所謂ASI，則意味著AI在廣泛領域穩定、系統地超越人類，具備自我改進與跨域遷移能力。

要讓這個觀點能夠站住腳，就如同證明廣義相對論前，必須先自洽狹義相對論。

而吳泳銘沒有糾結于繁瑣的概念，而是系統且鮮明的闡述了通往ASI的三階段演進路線：

• 第一階段：“智能涌現”，AI通過學習海量人類知識具備泛化智能。
• 第二階段：“自主行動”，AI掌握工具使用和編程能力以“輔助人”，這是行業當前所處的階段。
• 第三階段：“自我迭代”，AI通過連接物理世界并實現自學習，最終實現“超越人”。

事實上只要通過簡單的推理，就不難看著這個立論的扎實。

吳提出——ASI的階段一的現實基礎，是智能涌現并非神話。

這句話恰好切中要害，因為“智能涌現”雖在學界對其離散性仍有爭論，但大模型在語言、代碼、數學推理、多模態上的能力隨規模與訓練策略單調提升是事實；跨任務遷移和指令對齊帶來的“通用問答—工具式解釋—策略搜索”能力，也讓AI在多數認知類基準上接近或超過專業群體均值。

換言之，就“學習人類知識、形成通用對話與推理能力”而言，吳的階段一描述與業界經驗基本一致，可信度高。

階段二的產業藍圖，是AI從“會說”到“會做”。

事實上，AGI就有大量涉及“會做”的內容，事實上，現有的AI，已能在軟件開發、運營、客服、實驗設計等場景里完成從需求解析到執行閉環的人機協作；代碼生成與自測讓復雜任務被拆解并自動化推進，生產率提升可被企業側指標量化不足也清晰……但我們同樣要注意到，“準AGI”在長周期任務的穩定性、可追責性、環境變化上的魯棒性仍弱，尤其涉物理世界的執行與邊界控制尚未規模化達標，這可能是阿里云要長期創新的方向。

但極精彩的是，吳泳銘提出“自我迭代”的兩要件：連接物理世界原始數據與Self-learning，并沿此邏輯再補了一把鑰匙——即自動化AI工程。

三者不但可以共同構成走向ASI的必要條件，而且在邏輯上和工程上都完全站得住腳——一方面，僅學習人類歸納后的二手知識不夠，AI需要來自傳感器、設備與流程的第一性數據來訓練更忠實的世界模型，避免規則化方法的天花板；另一方面，在非平穩、長尾分布的現實環境中，模型需能吸收新分布而不災難遺忘，并在安全約束下自我修正。

而最終，自動化AI工程鏈路有決定意義——從數據治理、合成數據、評測—搜索—訓練—部署到推理加速，必須能被Agent部分或大幅自驅，形成“模型在環”的閉環優化。這樣才能在理論上自洽，在工程上可行，同時，也需要里程碑式證據落地。

所謂的“里程碑式的證據”，恰好源于實踐之中，如吳所講：未來的模型將通過與真實世界的持續交互，獲取新的數據并接收實時反饋……每一次交互都是一次微調，每一次反饋都是一次參數優化。當經過無數次場景執行和結果反饋的循環，AI將自我迭代出超越人類的智能能力，一個早期的超級人工智能（ASI）便會成型。

當然，也可以說，吳泳銘給阿里，甚至給全球的AI發展立下了一個新的Flag，而這個Flag看上去是完全合理、自洽的，但這個目標究竟能否實現，又能在多大范圍內實現呢？

這個問題的答案，最終取決于阿里能夠給到的資源投入和阿里云的進化速度。

02

五力要素、四大能力和兩條路徑

吳泳銘特別強調了阿里實現ASI的兩個基礎——大模型是下一代的操作系統，在未來，幾乎所有鏈接真實世界的工具接口都將與大模型進行鏈接；同時，新的AI計算范式需要更稠密的算力、更高效的網絡、更大的集群規模，只有超級AI云才能夠承載這樣的海量需求。

吳泳銘表示：“未來這樣的超級平臺，全球可能只有5-6個。”

我想，吳泳銘已經認定，阿里的AI和云業務，必然將是亞太第一、全球TOP5之內。

這么說的底氣之一，是2025年2月24日，吳泳銘對外宣布，未來三年，阿里將投入超過3800億元，用于建設云和AI硬件基礎設施，總額超過去十年總和（約3000億人民幣）。這也創下中國民營企業在云和AI硬件基礎設施建設領域有史以來最大規模投資紀錄。

但我們還是要脫離狹窄的財務視角，從實現ASI這個“超級目標”的角度，來研判“超級平臺”的合理性和可能性。

我曾經在調研包括阿里在內的多家國內AI超頭部企業后提出一個“五力要素”，意指只有滿足這五力條件的企業才有可能是牌桌上最終留下的玩家，它們分別是：

——基礎大模型的研發能力和研發團隊

——反復拉鋸戰中抹平代差的高韌性

——億級日活的toC應用作為試驗場

——世界級領先的生態

——面向產業界的廣泛落地

但我不得不承認，近期行業內對超級AI云的四個判斷緯度，不僅是對五力要素的提煉和升維，也更直接和具有現實指標性，也即：

——每年千億級的基礎設施投入

——百萬級的大規模計算集群和云計算調度能力

——頂級的大模型能力

——AI芯片算力布局

這個定義幾乎是為阿里云度身打造的。

首先，早在在2024年世界互聯網大會烏鎮峰會主論壇上，吳泳銘就表示，面向AI時代的生產力革命，阿里巴巴將專注做好兩件事：一是不斷完善AI基礎設施和相關支撐體系，二是堅持向全球開源開放，把AI能力轉化為千行百業的生產力。截至目前，阿里已開源300余款通義大模型，覆蓋全模態和全尺寸，千問系列衍生模型數量超17萬個，是全球最大的開源模型家族。

我也很早就說過，阿里云的通義大模型，從一早期就開源的路走對了。截至目前，通義千問已經是是全球實際意義上的開源模型“市場占有率”的頭名（盡管模型行業較少使用這種說法）。

開源模型能夠提供前所未有的生態滲透率，這種滲透率最終決定了市場的供需格局，現在急著在這條路上想跟上來的AI企業多如過江之鯽，但畢竟出發晚了一步。

同時，也更重要的是，和很多科學界推出的大模型不同，阿里有能力、有資金、有意愿圍繞開源生態提供一系列的工具——包括提供一站式模型服務平臺百煉，支持模型定制化以及Agent快速開發，同時提供AgentBay這樣的Agent運行環境、靈碼/Qoder等一系列開發者套件，讓開發者可以方便地使用模型能力和創建使用Agent。

我認為在很大程度上，這將決定了阿里“大模型就是ASI時代的操作系統”的愿景能否實現。

再提一點，阿里云運營著中國第一、全球領先的AI基礎設施和云計算網絡，是全球少數能做到軟硬件垂直整合的超級AI云計算平臺之一；阿里云也正在全力打造一臺全新的AI超級計算機，內部有堅實的、端到端的、從軟到硬的優化全閉環，有自研的核心存儲系統、網絡架構、計算芯片等基礎技術棧，說的略微夸張一點，即使面臨供應鏈震蕩，阿里云仍有龐大的超級計算集群作為堅實底座，前進的道路不會被打破。

而這與吳泳銘就任阿里云CEO也不無關系，他首倡并堅持持續加大對“全棧AI”建設的投入，為客戶提供從最底層的AI云基礎設施，到中間層的AI開發平臺、大模型，再到最上層的AI應用和解決方案的全鏈路、一站式解決方案，使得阿里云成為中國唯一具備軟硬一體垂直整合能力的公司。

結語

綜合來看，吳泳銘的“三階段路線”在邏輯上完全自洽，其中，階段一已基本實現，階段二全面滲透中，階段三的關鍵在于物理世界閉環、自動化AI工程與安全治理的協同突破，還有很長的路要走。

但是，我們從這次并不冗長的演講中的高度條理性中不難梳理出——將“從AGI到ASI”視為強趨勢，是有依據的，包括我們提到的四個關鍵支持；算力—算法—數據—生態正在形成自增強飛輪；阿里的“開源+超級AI云”能在ASI的超級工程上提供可信的保障，未來AI在C端的無所不在和B端端廣泛生態繁衍等等，無不讓我們抱有更大的信心。

但是，是否能夠在當下就把把AGI稱為“確定性事件”、把ASI視為“必然終局”，我認為并不是那么重要——遠比之重要的是， 一家中國企業在涉及改變人類命運的前沿技術發展中，從臺下走到了臺上，從聽講者變成了演講者，從跟隨者變成了引領者……在這個超級周期（也可能是對人類的超級挑戰）打開的時刻，中國的科技企業開始以引領者身份參與。