AI 摘要
- 阿里巴巴確認下一代基礎模型 Qwen 4 現正進行訓練。
- 旗下芯片業務平頭哥發佈新一代自研 AI 處理器真武V900。
- 阿里雲推出圍繞智能體應用設計的 Agentic Cloud 雲端架構升級。
阿里巴巴集團於2026年阿里雲年度旗艦科技盛會「雲棲大會」上，正式公佈涵蓋底層芯片、雲端基礎設施、基礎大模型及終端智能體的全棧式人工智慧（AI）更新。本次發佈的核心重點包括正在訓練中的下一代基礎模型 Qwen 4、平頭哥自研的新一代真武V900 AI處理器與倚天CPU路線圖，以及阿里雲針對企業級智能體應用所打造的 Agentic Cloud 架構與智能手機AI智能體平台。
管理層展望機器智能時代與2032年算力目標
在雲棲大會的主題演講中，阿里巴巴高層闡述了集團對AI產業規模化落地的評估與基礎設施擴張計劃。阿里巴巴集團主席蔡崇信指出，AI具備廣闊的發展空間，能夠在真實場景落地並實現規模化應用，從而提升各行各業的生產力。
阿里巴巴集團首席執行官吳泳銘則從「機器思考（Machine Thinking）」的角度分析算力需求。他指出，目前機器思考的總量大約不到人類思考總量（Human Thinking）的3%；若未來機器思考總量達到人類的1,000倍，推算機器思考未來至少仍有數萬倍的增長空間。吳泳銘表示，隨着機器成為思考的主要驅動力量，智能正成為可規模化供應的商品，而機器智能時代的代表性產品尚未出現。為應對快速增長的AI算力需求，吳泳銘宣佈阿里雲的目標是在2032年將其運營的全球數據中心規模擴展至超過20GW。
Qwen 4 啟動訓練與遞迴式自我改進（RSI）技術驗證
在大語言模型研發方面，阿里巴巴確認下一代基礎模型 Qwen 4 現正進行訓練，並同步公開後續的 Qwen 4.5 及 Qwen 5 模型系列路線圖。根據官方規劃，未來模型的參數規模預計將擴展至5萬億至10萬億（5 Trillion to 10 Trillion）級別。
此外，阿里巴巴披露了在實證反饋驅動的「遞迴式自我改進（Recursive Self-Improvement，簡稱 RSI）」領域的實驗數據：
- 全自動迭代優化：現有的 Qwen3.8-Max 模型進行了為期超過一個月的全自動運行，期間自動執行流程設計、數據驗證、反覆實驗及錯誤診斷，累計完成33個迭代週期。透過自主訓練優化及後訓練技術，更新後的 Qwen3.8-Max 在評測機構 Artificial Analysis 的評分由40分提升至45分。
- 自動化芯片設計實驗：在一項針對硬體研發的芯片設計實驗中，Qwen3.8-Max 在超過60小時內持續自我改進，涵蓋整個設計週期，期間自動調用電子設計自動化（EDA）工具超過10,000次，最終生成可投入生產的芯片總線模組（Chip Bus Modules）。實驗結果顯示，在性能不受影響的前提下，該模組的芯片面積縮減了42%。
多模態模型全面升級與終端智能體平台
除基礎文本模型外，阿里巴巴針對語音、音頻、視覺及跨應用智能體推出了一系列多模態更新與評測標準：
語音、音頻與視覺生成模型
- Qwen3.8-LiveTranslate：全新同聲傳譯模型，提升翻譯的忠實度、流暢度及精簡度，並將字均延遲（LAAL）由2.8秒降低20%至2.3秒，改善即時語音翻譯的反應速度。
- Qwen-Audio-3.1 系列：下一代音頻生成模型 Qwen-Audio-3.1-TTS-Next 能夠根據文字腳本，將對白與環境聲一次融合並生成電影級聲景，適用於有聲書、影視、播客及遊戲製作。同系列升級亦涵蓋自動語音識別（Qwen-Audio-3.1-ASR）、文字轉語音（Qwen-Audio-3.1-TTS）及即時語音互動模型（Qwen-Audio-3.1-Realtime）。
- Qwen-Image 3.1：專為創意設計及電商營銷優化的圖像生成模型，計劃於今年稍後推出。官方數據指出，該模型可將視覺設計製作時間由數小時縮短至數秒，並原生支持透明背景生成與多元圖像編輯功能。
世界模型評測基準與手機端智能體方案
為統一世界模型（World Models）的評測標準，Alibaba Token Hub（ATH）聯同學術及業界夥伴提出「六級能力框架」，並推出 HappyWorld Arena 基準評測平台，評測範疇涵蓋視頻生成、具身智能（Embodied AI）及空間重建。
在終端與企業應用層面，阿里巴巴推出面向智能手機的全棧式 Agentic 解決方案 Qwen Intelligence，讓手機製造商能夠接入基於 Qwen 模型的智能體平台，支援新一代AI手機在不同應用程式之間執行跨應用複雜任務。同時，針對公營機構與企業級AI應用，阿里雲亦提供企業級AI代理就緒基礎設施平台 Apsara Stack。
平頭哥硬體路線圖：真武V900 AI處理器與倚天CPU
阿里巴巴旗下芯片設計業務「平頭哥（T-Head）」於大會上發佈了新一代自研AI訓練及推理處理器 真武V900，並公開了超節點伺服器配置與下一代倚天CPU的量產時間表。目前，平頭哥的真武系列AI芯片已服務超過650家客戶，應用於汽車、金融、大語言模型、具身智能、能源及製造等產業。
| 硬體產品 / 系統 | 核心規格與技術指標 | 效能提升幅度 | 預計推出 / 量產時間 |
|---|---|---|---|
| 真武V900（AI訓練及推理處理器） | 配備 216 GB GPU 記憶體、1,200 GB/s 芯片間頻寬；原生支持 FP8 及 FP4 等數據精度格式 | 整體性能較今年5月發佈的上一代真武M890提升至3倍 | 2027年第一季量產並面向市場推出 |
| 升級版超節點伺服器 | 內置真武V900處理器、ICN Switch、磐脈智能網卡及鎮岳SSD控制器芯片；實現計算、存儲及網絡系統級協同 | 單一集群可擴展支持最多 50萬卡 規模 | 配合真武V900部署 |
| 倚天720（自研伺服器CPU） | 面向AI智能體任務設計，強化核心密度與能源效率 | 單核效能、核心密度及能效較倚天710提升 | 2027年 |
| 倚天730（自研伺服器CPU） | 首款採用平頭哥自研微架構的CPU，專攻AI智能體工作負載 | SPECint2017/GHz 效能較倚天710提升最多 40% | 2027年 |
阿里雲 Agentic Cloud 三層架構升級
配合硬體與模型更新，阿里雲圍繞「Agentic Cloud」戰略對雲端基礎設施進行了重構，聚焦於模型（Model）、運行框架（Harness）及上下文（Context）三大核心場景，分別對應三個技術層級：
1. AI Native Cloud（面向大規模模型訓練與推理）
- 人工智能平台 PAI：透過整合推理服務、異步緩存、樣本重播及訓練服務實現協同優化。在 Qwen 模型的實際後訓練中，PAI 僅耗時5天即完成達到 SOTA（State-of-the-Art）水準的模型訓練，推動平台由傳統預訓練邁向智能體強化學習（Agentic RL）。
- 檔案儲存體（CPFS）：專為AI模型訓練設計的新一代儲存系統，提供高達百 TB/s 級別的吞吐量及億級每秒輸入輸出操作次數（IOPS），可協助企業將AI存儲成本降低69%。
- HPN 8.0 Pro 網絡架構：阿里雲最新自研AI網絡架構，提供 100 Pb 頻寬與超低延遲。單一集群可支持超過13萬個速率為 800G 的網絡端口，並內置冗餘設計以確保光收發器或鏈路故障不會導致服務中斷。與上一代架構相比，網絡升級及故障所造成的影響由50%降至25%。
2. Agent Native Cloud（面向企業級智能體部署與安全）
- AgentCore 平台：全新的企業級智能體全生命週期管理平台，支援構建、運行及監察AI工具，並管控人類與智能體之間的協作，協助機構將各類AI智能體整合至關鍵業務系統。
- 智能體安全中心：提供覆蓋智能體全生命週期的安全防護及合規管理，透過實時威脅偵測與智能分析建立多層防禦系統，確保智能體在可控邊界內運行。
3. Context Engine（面向實時情境數據與長期記憶）
- Agent Context 服務：企業級情境數據服務，將企業文件、業務系統、聊天紀錄及多模態數據整合至統一基礎，為AI智能體提供實時情境與長期記憶，支援跨團隊知識共享與持續學習。在客戶服務、AI編程及數據分析等知識密集型場景中，該引擎可將 Token 使用量減少最多67%。
- OpenLake 湖倉平台：升級為統一的多模態開放湖倉平台，透過單一數據副本支持結構化、半結構化、非結構化、向量及串流等格式，並兼容多個運算引擎進行處理、搜尋、分析與訓練。與傳統架構相比，OpenLake 可將總成本降低38%，並將響應延時優化40%。
Reference Link : itpromag.com
