吴泳铭的两年答卷：阿里AI的终局是ASI

出任阿里巴巴CEO满两年，吴泳铭为阿里的AI战略设定了新的锚点：将终极目标从AGI（通用人工智能）转向ASI（超级人工智能）。

这一战略选择颇具前瞻性，但也带来了几个关键问题：在行业共识仍是AGI的当下，阿里为何要进行这一超前布局？其通往ASI的路径规划是否清晰、自洽？以及，支撑这一宏大目标的底层能力与资源是否已经具备？本文旨在探讨这些问题。

——导语

01

AGI为什么变成了ASI？

9月24日，在杭州召开的云栖大会上，阿里巴巴集团CEO、阿里云智能集团董事长兼CEO吴泳铭发表主旨演讲指出——AI发展的终极目标，是发展出能自我迭代、全面超越人类的超级人工智能ASI。

这句话，对AI研究者心智的冲击十分巨大。诚然，一部分冲击力来自于ASI概念的高深玄远，但更重要的是——这是中国的世界级AI企业首次在全球AI赛场上，对于未来进行高度确定性的、定调式的研判。

一直以来，包括我在内的大部分AI研究者都认为，OpenAI的AGI五级台阶还需要长久的攀登，AI成为高阶AGI的道路并不完全明确，在很长的时间内突破AGI将是全球主要AI企业的主要工作。

吴泳铭提出ASI的技术意义，我们暂且后置。但这件事的影响力，某种程度上意味着，在全球AI赛道的超头部，中国赶上并超越美国成为AI全球创新策源地的历史性进程，正在前所未有的临近，令人振奋。

在云栖大会上，吴泳铭提出“AGI只是起点，终极目标应是ASI（超级人工智能）”，并给出了“三阶段路线”：智能涌现—自主行动—自我迭代。

讨论这一判断是否可靠，需要把“概念是否清晰、路径是否自洽、证据是否充分、风险是否可控”四件事讲透。我的分析，也据此而言。

为什么大部分时候，我们仍然认为AGI是重要的目标？原因就在于，AGI的概念深入人心，已经广泛被定义为——在多数认知任务上达到或逼近人类专家的通用智能。

而所谓ASI，则意味着AI在广泛领域稳定、系统地超越人类，具备自我改进与跨域迁移能力。

要让这个观点能够站住脚，就如同证明广义相对论前，必须先自洽狭义相对论。

而吴泳铭没有纠结于繁琐的概念，而是系统且鲜明的阐述了通往ASI的三阶段演进路线：

• 第一阶段：“智能涌现”，AI通过学习海量人类知识具备泛化智能。
• 第二阶段：“自主行动”，AI掌握工具使用和编程能力以“辅助人”，这是行业当前所处的阶段。
• 第三阶段：“自我迭代”，AI通过连接物理世界并实现自学习，最终实现“超越人”。

事实上只要通过简单的推理，就不难看着这个立论的扎实。

吴提出——ASI的阶段一的现实基础，是智能涌现并非神话。

这句话恰好切中要害，因为“智能涌现”虽在学界对其离散性仍有争论，但大模型在语言、代码、数学推理、多模态上的能力随规模与训练策略单调提升是事实；跨任务迁移和指令对齐带来的“通用问答—工具式解释—策略搜索”能力，也让AI在多数认知类基准上接近或超过专业群体均值。

换言之，就“学习人类知识、形成通用对话与推理能力”而言，吴的阶段一描述与业界经验基本一致，可信度高。

阶段二的产业蓝图，是AI从“会说”到“会做”。

事实上，AGI就有大量涉及“会做”的内容，事实上，现有的AI，已能在软件开发、运营、客服、实验设计等场景里完成从需求解析到执行闭环的人机协作；代码生成与自测让复杂任务被拆解并自动化推进，生产率提升可被企业侧指标量化不足也清晰……但我们同样要注意到，“准AGI”在长周期任务的稳定性、可追责性、环境变化上的鲁棒性仍弱，尤其涉物理世界的执行与边界控制尚未规模化达标，这可能是阿里云要长期创新的方向。

但极精彩的是，吴泳铭提出“自我迭代”的两要件：连接物理世界原始数据与Self-learning，并沿此逻辑再补了一把钥匙——即自动化AI工程。

三者不但可以共同构成走向ASI的必要条件，而且在逻辑上和工程上都完全站得住脚——一方面，仅学习人类归纳后的二手知识不够，AI需要来自传感器、设备与流程的第一性数据来训练更忠实的世界模型，避免规则化方法的天花板；另一方面，在非平稳、长尾分布的现实环境中，模型需能吸收新分布而不灾难遗忘，并在安全约束下自我修正。

而最终，自动化AI工程链路有决定意义——从数据治理、合成数据、评测—搜索—训练—部署到推理加速，必须能被Agent部分或大幅自驱，形成“模型在环”的闭环优化。这样才能在理论上自洽，在工程上可行，同时，也需要里程碑式证据落地。

所谓的“里程碑式的证据”，恰好源于实践之中，如吴所讲：未来的模型将通过与真实世界的持续交互，获取新的数据并接收实时反馈……每一次交互都是一次微调，每一次反馈都是一次参数优化。当经过无数次场景执行和结果反馈的循环，AI将自我迭代出超越人类的智能能力，一个早期的超级人工智能（ASI）便会成型。

当然，也可以说，吴泳铭给阿里，甚至给全球的AI发展立下了一个新的Flag，而这个Flag看上去是完全合理、自洽的，但这个目标究竟能否实现，又能在多大范围内实现呢？

这个问题的答案，最终取决于阿里能够给到的资源投入和阿里云的进化速度。

02

五力要素、四大能力和两条路径

吴泳铭特别强调了阿里实现ASI的两个基础——大模型是下一代的操作系统，在未来，几乎所有链接真实世界的工具接口都将与大模型进行链接；同时，新的AI计算范式需要更稠密的算力、更高效的网络、更大的集群规模，只有超级AI云才能够承载这样的海量需求。

吴泳铭表示：“未来这样的超级平台，全球可能只有5-6个。”

我想，吴泳铭已经认定，阿里的AI和云业务，必然将是亚太第一、全球TOP5之内。

这么说的底气之一，是2025年2月24日，吴泳铭对外宣布，未来三年，阿里将投入超过3800亿元，用于建设云和AI硬件基础设施，总额超过去十年总和（约3000亿人民币）。这也创下中国民营企业在云和AI硬件基础设施建设领域有史以来最大规模投资纪录。

但我们还是要脱离狭窄的财务视角，从实现ASI这个“超级目标”的角度，来研判“超级平台”的合理性和可能性。

我曾经在调研包括阿里在内的多家国内AI超头部企业后提出一个“五力要素”，意指只有满足这五力条件的企业才有可能是牌桌上最终留下的玩家，它们分别是：

——基础大模型的研发能力和研发团队

——反复拉锯战中抹平代差的高韧性

——亿级日活的toC应用作为试验场

——世界级领先的生态

——面向产业界的广泛落地

但我不得不承认，近期行业内对超级AI云的四个判断纬度，不仅是对五力要素的提炼和升维，也更直接和具有现实指标性，也即：

——每年千亿级的基础设施投入

——百万级的大规模计算集群和云计算调度能力

——顶级的大模型能力

——AI芯片算力布局

这个定义几乎是为阿里云度身打造的。

首先，早在在2024年世界互联网大会乌镇峰会主论坛上，吴泳铭就表示，面向AI时代的生产力革命，阿里巴巴将专注做好两件事：一是不断完善AI基础设施和相关支撑体系，二是坚持向全球开源开放，把AI能力转化为千行百业的生产力。截至目前，阿里已开源300余款通义大模型，覆盖全模态和全尺寸，千问系列衍生模型数量超17万个，是全球最大的开源模型家族。

我也很早就说过，阿里云的通义大模型，从一早期就开源的路走对了。截至目前，通义千问已经是是全球实际意义上的开源模型“市场占有率”的头名（尽管模型行业较少使用这种说法）。

开源模型能够提供前所未有的生态渗透率，这种渗透率最终决定了市场的供需格局，现在急着在这条路上想跟上来的AI企业多如过江之鲫，但毕竟出发晚了一步。

同时，也更重要的是，和很多科学界推出的大模型不同，阿里有能力、有资金、有意愿围绕开源生态提供一系列的工具——包括提供一站式模型服务平台百炼，支持模型定制化以及Agent快速开发，同时提供AgentBay这样的Agent运行环境、灵码/Qoder等一系列开发者套件，让开发者可以方便地使用模型能力和创建使用Agent。

我认为在很大程度上，这将决定了阿里“大模型就是ASI时代的操作系统”的愿景能否实现。

再提一点，阿里云运营着中国第一、全球领先的AI基础设施和云计算网络，是全球少数能做到软硬件垂直整合的超级AI云计算平台之一；阿里云也正在全力打造一台全新的AI超级计算机，内部有坚实的、端到端的、从软到硬的优化全闭环，有自研的核心存储系统、网络架构、计算芯片等基础技术栈，说的略微夸张一点，即使面临供应链震荡，阿里云仍有庞大的超级计算集群作为坚实底座，前进的道路不会被打破。

而这与吴泳铭就任阿里云CEO也不无关系，他首倡并坚持持续加大对“全栈AI”建设的投入，为客户提供从最底层的AI云基础设施，到中间层的AI开发平台、大模型，再到最上层的AI应用和解决方案的全链路、一站式解决方案，使得阿里云成为中国唯一具备软硬一体垂直整合能力的公司。

结语

综合来看，吴泳铭的“三阶段路线”在逻辑上完全自洽，其中，阶段一已基本实现，阶段二全面渗透中，阶段三的关键在于物理世界闭环、自动化AI工程与安全治理的协同突破，还有很长的路要走。

但是，我们从这次并不冗长的演讲中的高度条理性中不难梳理出——将“从AGI到ASI”视为强趋势，是有依据的，包括我们提到的四个关键支持；算力—算法—数据—生态正在形成自增强飞轮；阿里的“开源+超级AI云”能在ASI的超级工程上提供可信的保障，未来AI在C端的无所不在和B端端广泛生态繁衍等等，无不让我们抱有更大的信心。

但是，是否能够在当下就把把AGI称为“确定性事件”、把ASI视为“必然终局”，我认为并不是那么重要——远比之重要的是， 一家中国企业在涉及改变人类命运的前沿技术发展中，从台下走到了台上，从听讲者变成了演讲者，从跟随者变成了引领者……在这个超级周期（也可能是对人类的超级挑战）打开的时刻，中国的科技企业开始以引领者身份参与。