吳泳銘23分鍾演講，讓阿裏巴巴股價漲了2200億

在9月24日上午10點許，阿裏巴巴集團CEO、阿裏雲智能集團董事長兼CEO吳泳銘演講結束後，阿裏的股價開始明顯增長，從9:30開盤的158.5港元/股，到11:11時已經上漲到了170.7港元/股，相當於在不到兩個小時內市值增長了2200億港元。



顯然，對阿裏股價而言，這是一場價值連城的演講。筆者全程在現場聽了吳泳銘的分享，我覺得他主要對AI未來的發展路線，以及阿裏在這個未來中扮演什麽角色，進行了“定義”和“定位”。而阿裏在吳泳銘演講後股價大漲，可以理解為外界對於吳泳銘給出的“定義”和“定位”給予了“正反饋”。

吳泳銘的“定義”和“定位”其實可以用他演講中的一段話來很好地總結：“AI 將會替代能源的地位，成為最重要的商品，驅動千行百業每天的工作……Token 就是未來的電……阿裏雲的定位是全棧人工智能服務商，提供世界領先的智能能力和遍布全球的 AI 雲計算網絡，向全球各地提供開發者生態友好的 AI 服務。”

簡單來說，吳泳銘眼中的藍圖不隻是互聯網、電商也不隻是某個技術，而是成為AI時代的“水、電、石油”。

吳泳銘對這次演講應該是非常重視的。我了解到，在吳泳銘成為阿裏巴巴CEO後，他參與的所有致辭、電話會議都沒有使用過PPT，但這次吳泳銘用了PPT去詳細描繪他眼中的未來。

他演講中的最高頻詞是“ASI（Artificial Superintelligence）”。“AGI 並非 AI 發展的終點，而是全新的起點。AI 不會止步於 AGI

，它將邁向超越人類智能、能夠自我迭代進化的超級人工智能（ASI）。”吳泳銘說。

對於科技圈的人而言，AGI（Artificial General Intelligence）是2024~2025年被討論更多的詞，但ASI的熱議度確實在明顯上升。在筆者看來，這二者的本質區別其實在於對於“AI與人”之間的協作邊界和AI自我迭代（進化）的能力存在差異。ASI更像是科幻片中的超越人類的某種靈智生物（矽基或碳基），可以有超越人類的智力、想象力、甚至創造力。

但現實是，目前AGI尚未實現。在虎嗅2025年與幾位頭部AI公司創始人溝通過程中，大家普遍認為“我們目前距離實現AGI還比較遙遠”。而其中最本質的挑戰是，AI的“通用”性不足，或者說不具備足夠的“泛化”能力。

在這樣的背景下，吳泳銘提出“ASI”是存在挑戰的：在AGI都沒有實現的當下，更遙遠的ASI到底能不能實現，沒人可以知道。不過吳泳銘描繪了他眼中ASI實現的路徑，以及阿裏在這個路徑之中目前的階段。

吳泳銘認為，實現ASI需要三個階段，而當下阿裏處於第二階段：

第一階段：“智能湧現”，特征是“學習人”。

第二個階段：“自主行動”，特征是“輔助人”。

第三個階段：“自我迭代”，特征是“超越人”。

那麽在這條ASI之路上，阿裏要怎麽做呢？吳泳銘給出了兩個“抓手”，這也就是他演講中重點描述的“兩個判斷”：

1.大模型是下一代的操作係統。

2.超級 AI 雲是下一代的計算機。

筆者總結一下，吳泳銘的意思是，ASI可以實現，阿裏目前進化到第二階段了。在整個ASI實現的過程之中，AI對於人類社會的重要性不斷升高，甚至可以成為新的“能源生態位”，而在如此重要的AI窗口裏，大模型和雲將像三十年前“個人PC和桌麵係統”一樣成為“人手一個的基礎工具”。而阿裏雲將會繼續發力大模型和AI雲兩個關鍵方向。

在吳泳銘演講之後，阿裏雲CTO周靖人一口氣宣布了十餘款新品，涵蓋了大模型、AI工具、雲產品、Agent……基本上都是沿著吳泳銘所描述的“兩個判斷”而展開的：大模型+AI雲。

總結來說，吳泳銘描述了阿裏怎麽想的，周靖人分享了阿裏具體怎麽做的。在這“一唱一和”的同時，阿裏的股價開始暴增。

在筆者看來，吳泳銘演講所描述的ASI之路，實際上可以視為未來相當長一段時間內，阿裏整體的路線圖。它其實不隻是阿裏雲一個團隊的方向，也會影響電商、本地生活等等業務。

從長遠看，這條路需要持續投入並麵臨一個相對漫長的回報周期，在這個過程中，阿裏需要讓自己的基本盤業務夠穩，以支撐其有足夠的資源和空間去持續投入。但硬幣的另一麵是，目前全球範圍內在大模型+雲基礎設施兩端都具備規模影響力產品且加大投入的公司屈指可數，這意味著如果阿裏穿越了漫長的“投入期”，後續可能會進入一個門檻很高、競對有限的新周期。

9月24日，在吳泳銘演講後，虎嗅和多個媒體還與阿裏雲CTO周靖人進行了交流，他進一步對吳泳銘的ASI之路、阿裏雲具體的打法進行了解答，為了方便讀者更好地了解阿裏核心層今天針對AI所分享的增量信息，下附吳泳銘演講和周靖人交流內容：

吳泳銘演講全文：

開始演講之前，我想特別感謝一下支持整個中國乃至全球科技行業的開發者朋友。今天是雲棲大會的 10 周年，雲棲大會起源於阿裏雲的開發者大會，是廣大開發者推動了中國乃至全球的雲計算、AI 和科技行業的發展。所以，在演講之前，我想特別向開發者們致以最高的謝意。

當前的世界，一場由人工智能驅動的智能化革命剛剛開始。過去幾百年，工業革命通過機械化放大了人類的體能，信息革命通過數字化放大了人類的信息處理能力。而這一次，智能化革命將遠超我們的想象。通用人工智能 AGI 不僅會放大人類智力，還將解放人類的潛能，為超級人工智能 ASI 的到來鋪平道路。

最近的三年，我們已經清晰地感受到它的速度。幾年時間，AI 的智力從一個高中生迅速提升到博士生的水平，還能拿到國際 IMO 的金牌。AI Chatbot 是人類有史以來用戶滲透率最快的功能。AI 的行業滲透速度超過曆史上所有技術。Tokens 的消耗速度兩三個月就翻一番。最近一年，全球 AI 行業的投資總額已經超過 4000 億美元，未來 5 年全球 AI 的累計投入將超過 4 萬億美元，這是曆史上最大的算力和研發投入，必然將會加速催生更強大的模型，加速 AI 應用的滲透。

實現 AGI——一個具備人類通用認知能力的智能係統，現在看來已成為確定性事件。然而，AGI 並非 AI 發展的終點，而是全新的起點。AI 不會止步於 AGI，它將邁向超越人類智能、能夠自我迭代進化的超級人工智能（ASI）。

AGI 的目標是將人類從 80%的日常工作中解放出來，讓我們專注於創造與探索。而 ASI 作為全麵超越人類智能的係統，將可能創造出一批“超級科學家”和"全棧超級工程師"。ASI 將以難以想象的速度，解決現在未被解決的科學和工程問題，比如攻克醫學難題、發明新材料、解決可持續能源和氣候問題，甚至星際旅行等等。ASI 將以指數級的速度推動科技的飛躍，引領我們進入一個前所未有的智能時代。



我們認為，通往 ASI 之路將經曆三個階段：

第一階段是“智能湧現”，特征是“學習人”。過去幾十年的互聯網發展，為智能湧現提供了基礎。互聯網將人類曆史上幾乎所有的知識都數字化了。這些語言文字承載的信息，代表了人類知識的全集。基於此，大模型首先通過理解全世界的知識集合，具備了泛化的智能能力，湧現出通用對話能力，可以理解人類的意圖，解答人類的問題，並逐漸發展出思考多步問題的推理能力。現在，我們看到 AI 已經逼近人類各學科測試的頂級水平，比如國際數學奧賽的金牌水平。AI 逐漸具備了進入真實世界、解決真實問題、創造真實價值的可能性。這是過去幾年的主線。

第二個階段是“自主行動”，特征是“輔助人”。這個階段，AI 不再局限於語言交流，而是具備了在真實世界中行動的能力。AI 可以在人類的目標設定下，拆解複雜任務，使用和製作工具，自主完成與數字世界和物理世界的交互，對真實世界產生巨大影響。這正是我們當下所處的階段。

實現這一跨越的關鍵，首先是大模型具備了 Tool Use 能力，有能力連接所有數字化工具，完成真實世界任務。人類加速進化的起點是開始創造和使用工具，現在大模型也具備了使用工具的能力。通過 Tool Use，AI 可以像人一樣調用外部軟件、接口和物理設備，執行複雜的真實世界任務。這個階段，由於 AI 能夠輔助人類極大提高生產力，它將快速的滲透到物流、製造、軟件、商業、生物醫療、金融、科研等幾乎所有行業領域。

其次，大模型 Coding 能力的提升，可以幫助人類解決更複雜的問題，並將更多場景數字化。現在的 Agent 還比較早期，解決的主要是標準化和短周期的任務。要想讓 Agent 能解決更複雜、更長周期任務，最關鍵的是大模型的 Coding 能力。因為 Agent 可以自主 Coding，理論上就能解決無限複雜的問題，像工程師團隊一樣理解複雜需求並自主完成編碼、測試。發展大模型 Coding 能力是通往 AGI 的必經之路。

未來，自然語言就是 AI 時代的源代碼，任何人用自然語言就能創造自己的 Agent。你隻需要輸入母語，告訴 AI 你的需求，AI 就能自己編寫邏輯、調用工具、搭建係統，完成數字世界的幾乎所有工作，並通過數字化接口來操作所有物理設備。 未來，也許會有超過全球人口數量的 Agent 和機器人與人類一起工作，對真實世界產生巨大影響。在這個過程中，AI 就能連接真實世界的絕大部分場景和數據，為未來的進化創造條件。

隨後 AI 將進入第三個階段——“自我迭代”，特征是“超越人”。這個階段有兩個關鍵要素：

· AI 連接了真實世界的全量原始數據

目前 AI 的進步最快的領域是內容創作、數學和 Coding 領域。我們看到這三個領域有明顯的特征。這些領域的知識 100%是人類定義和創造的，都在文字裏，AI 可以 100%理解原始數據。但是對於其他領域和更廣泛的物理世界，今天的 AI 接觸到的更多是人類歸納之後的知識，缺乏廣泛的、與物理世界交互的原始數據。這些信息是有局限的。AI 要實現超越人類的突破，就需要直接從物理世界獲取更全麵、更原始的數據。

舉一個簡單的例子，比如一家汽車公司的 CEO 要迭代明年的產品，大概率會通過無數次的用戶調研或者內部的討論來決定下一款汽車將要具備什麽樣的功能，與競對相比要實現哪些方麵的長板，保留什麽方麵的能力。現在 AI 要去做還是很難的，核心點在於它所獲得的數據和信息，全都是調研來的二手數據。如果有一天 AI 有機會，能夠連接這款汽車的所有的資料和數據，它創造出來的下一款汽車會遠遠超過通過無數次頭腦風暴所創作出來的。這隻是人類世界當中的一個例子，更何況更複雜的物理世界，遠遠不是通過人類知識歸納就能夠讓 AI 理解的。

所以 AI 要進入到一個更高的階段，就需要直接從物理世界獲取更全麵、更原始的數據，就像在自動駕駛的早期階段，隻靠人類的總結，Rule-based 的方法去實現自動駕駛，無法實現很好的效果。新一代的自動駕駛，大部分采用端到端的訓練方法，直接從原始的車載攝像頭數據中學習，實現了更高水平的自動駕駛能力。即便我們現在看起來相對簡單的自動駕駛問題，僅依靠人類歸納的知識和規則，也無法解決，更何況整個複雜的物理世界。隻是讓 AI 學習人類歸納的規律，是遠遠不夠的。隻有讓 AI 與真實世界持續互動，獲取更全麵、更真實、更實時的數據，才能更好的理解和模擬世界，發現超越人類認知的深層規律，從而創造出比人更強大的智能能力。

·Self-learning 自主學習

隨著 AI 滲透更多的物理世界場景，理解更多物理世界的數據，AI 模型和 agent 能力也會越來越強，有機會為自己模型的升級迭代搭建訓練 infra、優化數據流程和升級模型架構，從而實現 Self learning。這會是 AI 發展的關鍵時刻。

隨著能力的持續提升，未來的模型將通過與真實世界的持續交互，獲取新的數據並接收實時反饋，借助強化學習與持續學習機製，自主優化、修正偏差、實現自我迭代與智能升級。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。

一旦跨過某個奇點，人類社會就像按下了加速鍵，科技進步的速度將超越我們的想象，新的生產力爆發將推動人類社會進入嶄新的階段。這條通往超級人工智能的道路，在我們的眼前正在日益清晰。隨著 AI 技術的演進和各行各業需求爆發，AI 也將催生 IT 產業的巨大變革。

我們的第一個判斷是：大模型是下一代的操作係統。我們認為大模型代表的技術平台將會替代現在 OS 的地位，成為下一代的操作係統。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，所有用戶需求和行業應用將會通過大模型相關工具執行任務，LLM 將會是承載用戶、軟件 與 AI 計算資源交互調度的中間層，成為 AI 時代的 OS。來做一些簡單的類比：自然語言是 AI 時代的編程語言，Agent 就是新的軟件，Context 是新的 Memory，大模型通過 MCP 這樣的接口，連接各類 Tools 和 Agent 類似 PC 時代的總線接口，Agent 之間又通過 A2A 這樣的協議完成多 Agent 協作類似軟件之間的 API 接口。

大模型將會吞噬軟件。大模型作為下一代的操作係統，將允許任何人用自然語言，創造無限多的應用。未來幾乎所有與計算世界打交道的軟件可能都是由大模型產生的 Agent，而不是現在的商業軟件。潛在的開發者將從幾千萬變成數億規模。以前由於軟件開發的成本問題，隻有少量高價值場景才會被工程師開發出來變成商業化的軟件係統。未來所有終端用戶都可以通過大模型這樣的工具來滿足自己的需求。

模型部署方式也會多樣化，它將運行在所有設備上。現在主流的調用模型 API 的方式，來使用模型隻是初級階段，其實看起來非常原始。類似大型主機時代的分時複用階段，每個人隻有一個終端連接上大型主機分時複用。這種方式無法解決數據持久化，缺乏長期記憶，實時性不夠，隱私無法解決，可塑性也不夠。未來模型將運行在所有計算設備中，並具備可持久記憶，端雲聯動的運行狀態，甚至可以隨時更新參數，自我迭代，類似我們今天的 OS 運行在各種環境之中。

正是基於這個判斷，我們做了一個戰略選擇：通義千問選擇開放路線，打造 AI 時代的 Android。我們認為在 LLM 時代，開源模型創造的價值和能滲透的場景，會遠遠大於閉源模型。我們堅定選擇開源，就是為了全力支持開發者生態，與全球所有開發者一起探索 AI 應用的無限可能。

我們的第二個判斷：超級 AI 雲是下一代的計算機。

大模型是運行於 AI Cloud 之上新的 OS。這個 OS 可以滿足任何人的需求。每個人都將擁有幾十甚至上百個 Agent，這些 Agent 24 小時不間斷地工作和協同，需要海量的計算資源。

數據中心內的計算範式也在發生革命性改變，從 CPU 為核心的傳統計算，正在加速轉變為以 GPU 為核心的 AI 計算。新的 AI 計算範式需要更稠密的算力、更高效的網絡、更大的集群規模。

這一切都需要充足的能源、全棧的技術、數百萬計的 GPU 和 CPU，協同網絡、芯片、存儲、數據庫高效運作，並且 24 小時處理全世界各地的需求。這需要超大規模的基礎設施和全棧的技術積累，隻有超級 AI 雲才能夠承載這樣的海量需求。未來，全世界可能隻會有 5-6 個超級雲計算平台。

在這個新時代，AI 將會替代能源的地位，成為最重要的商品，驅動千行百業每天的工作。絕大部分 AI 能力將以 Token 的形式在雲計算網絡上產生和輸送。Token 就是未來的電。在這個嶄新的時代，阿裏雲的定位是全棧人工智能服務商，提供世界領先的智能能力和遍布全球的 AI 雲計算網絡，向全球各地提供開發者生態友好的 AI 服務。

首先，我們有全球領先的大模型——通義千問。通義千問開源了 300 多款模型，覆蓋了全模態、全尺寸，是最受全球開發者歡迎的開源模型。截至目前，通義千問全球下載量超 6 億次，衍生模型超 17 萬個，是全球第一的開源模型矩陣，可以說是滲透計算設備最廣泛的大模型。

同時，阿裏雲提供一站式模型服務平台百煉，支持模型定製化以及 Agent 快速開發，同時提供 AgentBay 這樣的 Agent 運行環境、靈碼/Qoder 等一係列開發者套件，讓開發者可以方便地使用模型能力和創建使用 Agent。

其次，阿裏雲運營著中國第一、全球領先的 AI 基礎設施和雲計算網絡，是全球少數能做到軟硬件垂直整合的超級 AI 雲計算平台之一。在硬件和網絡層麵，阿裏雲自研的核心存儲係統、網絡架構、計算芯片，構成了阿裏雲大型計算集群最堅實的底座。

阿裏雲正在全力打造一台全新的 AI 超級計算機，它同時擁有最領先的 AI 基礎設施和最領先的模型，可以在基礎架構設計和模型架構上協同創新，從而確保在阿裏雲上調用和訓練大模型時，能達到最高效率，成為開發者最好用的 AI 雲。

AI 行業發展的速度遠超我們的預期，行業對 AI 基礎設施的需求也遠超我們的預期。我們正在積極推進三年 3800 億的 AI 基礎設施建設計劃，並將會持續追加更大的投入。從現在我們看到的 AI 行業遠期發展以及客戶需求角度來看，為了迎接 ASI 時代的到來，對比 2022 年這個 GenAI 的元年，2032 年阿裏雲全球數據中心的能耗規模將提升 10 倍。這是我們的一個遠期規劃，我們相信通過這樣的飽和式投入，能夠推動 AI 行業的發展，迎接 ASI 時代的到來。

超級人工智能到來之後，人類和 AI 會是怎麽樣的協作關係？

未來的 AI 越來越強，甚至超越人類智能能力的 ASI 誕生，那我們人類和 AI 將如何相處？我們對未來充滿樂觀，超級人工智能到來之後，人類和 AI 是一個嶄新的協同方式。程序員可能已經感受到了，我們可以下一個指令，通過 Coding 這樣的工具，讓它晚上 12 個小時就能夠創造出一個我們需要的係統，從這裏我們看到了未來人和 AI 怎麽樣去共同協同的一種早期的雛形。所以我們覺得，從 Vibe Coding 到 Vibe Working。未來，每個家庭、工廠、公司，都會有眾多的 Agent 和機器人 24 小時為我們服務。也許，未來每個人都需要使用 100 張 GPU 芯片為我們工作。

正如電曾經放大了人類物理力量的杠杆，ASI 將指數級放大人類的智力杠杆。過去我們消耗 10 個小時的時間，獲得 10 小時的結果。未來，AI 可以讓我們 10 小時的產出乘以十倍、百倍的杠杆。回顧曆史，每次技術革命解鎖更多生產力之後，都會創造出更多的新需求。人會變得比曆史上任何時候都強大。

最後，我想強調，一切才剛剛開始。AI 將重構整個基礎設施、軟件和應用體係，成為真實世界的核心驅動力，掀起新一輪智能化革命。阿裏巴巴將持續投入，與合作夥伴和客戶一起，讓 AI 深入產業、共創未來。祝大家度過一個充實愉快的雲棲大會，謝謝大家！

周靖人交流內容：

提問：我想了解一下，你們內部對於通義大模型評估維度的優先級。因為之前溝通，你們似乎比較看重開源社區下載量，以及一些用戶維度。現在這些維度會有新的思路嗎。另外，百煉和萬相這樣的產品，你們會用什麽維度去考量它呢？

周靖人：首先，我們所有技術工作直接的評價體係更多是能力，包括模型的能力。我們講到通義千問、萬相等模型，都是在各自領域對模型的能力有完整的評價，這是我們在通往ASI，吳泳銘先生講到的ASI路徑，技術路徑、技術指標首先是最重要的。甚至在每一代模型的迭代裏也需要非常多技術的評價，評價體係是模型發展的重要基礎，這是我們非常重要的技術演進目標。

同時，社區的關注，社區廣泛的喜愛，是模型效果的反映。因為我們做到更好的模型能力，同時也有些開源的策略。開發者更多是自主去完成評價，對模型有更好的反饋，這是自發的，並不是運營的工作，這是社區正常用實際模型效果給的評價。在這方麵，我們和社區還會持續聯動。最重要的是先要有技術上的突破，能力上的突破，能夠真正朝著吳泳銘先生講到的ASI方向有進一步的技術突破和進展。

提問：這一年來，我們看到阿裏發了很多大模型，包括通義千問和萬相，為什麽我們會在今年出現一個這麽高節奏的發布狀態？是否會出現像Open AI GPT5一樣，一個大一統的模型來終結他這麽豐富的模型狀態？

周靖人：首先，不光是我們，應該是全球整個AI模型的進展都在加速。也就是說，今天特別是我們整個通義模型家族，我們一直在跟全球在這個領域的領先者來進行你追我趕。這個行業大家可能可以看到，像Open AI，像穀歌相關模型都在加速。AI今天進入到一個加速期。也就是說，今天大家比拚的不單單是幾個模型的能力，或者是一個嶄新的思考。更重要的是大家今天能夠迭代，能夠快速的創新，能夠做出來。也就是說，無形之中大家都在加快今天模型迭代的效率。這是第一個方麵。

第二個方麵，以前我們從單模態的模型到多模態的演進，這是一個必然的趨勢。不管是今天從語言模型本身開始進一步的涉及到了多模態，還是說今天我們從視覺或者從聽覺這個方麵，能夠慢慢的融合到多模態的能力，這跟我們人的智能很相關的，我們不太可能說有一個大老師處理文字，一個大老師處理其他的模態，其實都是需要把各個模態的知識體係相對融合、相互促進、相互的增強。這是一個大的趨勢。



提問：咱們在各個領域的模型快速迭代，在我們研發人員精力有限的情況下，這樣的策略會影響我們做一些更底層的算法或者範式上的創新？快速的跟隨迭代，這些底層的範式創新，還有應用場景的落地，我們會把優先級怎麽排？

周靖人：首先我認為在模型整個創新這方麵，不是分散的。今天我們講到所有模型的發布，背後都是連在一起的。都是突破今天模型不管是單個模態、單個任務集，以及今天在多模態方麵的能力。有的時候你需要在單模態有一個具體任務的場景裏麵能夠做到最優，然後才能提高一個整體模型的能力。這方麵所有的模型的發展，一定不是一個單一的項目。它是整體通義整個大模型演進聯合優化的一部分。

所以在這方麵，其實是融合在一起的。我們所有項目的規劃，項目的優先級，都是有相關重要的一個聯係。

另外，我們不單單是積極模型的創新和迭代，大家也可以看得到，從今年年初到現在已經突飛猛進，甚至已經有幾代模型的發展。每一代模型的能力有大幅度的提升，同時我們也在積極做下一代模型的研發。包括今天講到的通義千問的Next版，今天就在架構上麵做了大量的創新。我們一旦推出來過後，整個社區都在圍繞新的架構進行適配、進行相關的嚐試。我們可以看到，像通義千問Next模型的推出，也在積極的推動整個模型社區的創新迭代。所以，在這方麵這幾個是相輔相成的。

模型的發展是一個循序漸進的，不是憋大招的邏輯。所有的海外廠商都會逐步的發展起來，今天在中間是需要加快模型迭代以及創新的速度。

提問：今年有一個新的技術趨勢，就是Agent mode，有廠商他會把Agent能力做在mode裏麵，但是我們看到Qwen的模型還是在為Agent提供一個核心的引擎，他們還是相互獨立的。您認為未來mode跟Agent的能力它們是一個怎樣的關係，阿裏的選擇是什麽？

周靖人：其實這沒有一個明確的邊界解。我們的模型服務本身也會具備Agent的能力，包括一些核心的工具的使用。簡單來講，從模型發展的第一天，具備搜索的功能，它本身就是一個Agent。所以，今天我們講到很多的模型服務，大模型本身也是一個Agent。所以，沒有一個完全非黑即白的邏輯。

我們今天講到的智能體的開發，是麵向行業的智能體開發。這部分因為它需要對當前每個行業的Know-how，行業的一些知識體係要能夠有一個深度的認知。這部分還是需要有一些麵向行業的智能體的開發，而這一部分會集成，今天講到的百煉會提供一些核心的Agent的能力，這些Agent能力在通義千問、在萬相裏麵也會慢慢的集成進去，也就是說底層的模型會越來越強大，也會集成相關的工具。但今天麵向業務層工具的使用，業務層的調優，還是需要有業務層的智能體來做實現和解決。

提問：想請教一下靖人，像您說的現在大的技術路線沒有大的分歧，但具體要看怎麽做。像GPT-5發布之後，大家普遍會對模型創新上一些進展會有些沮喪，可能覺得現在模型演進路線有些碰壁。但阿裏也提出一個蠻激進的路線，邁向ASI。如果說現在阿裏想要在模型上保持領先，您覺得最關鍵的要素是什麽？是底層的算法創新，是數據還是什麽其他的？

周靖人：我覺得這兩個不在一個維度，我們不評價OpenAI這次發布，可能大家對它的發布期待比較大，並不代表整個行業。我們看到整個行業各家模型能力整個提升的速度仍然沒有任何減緩，不管是在工具使用、複雜的深度推理等等，各家模型都有長足的進步。

大家可以看到，我們在通義千問也有很強的進展。我不認為創新的速度有任何減緩，全球在這方麵投資也在加速，都在印證AI模型的上界，還沒有看到，我們還在不斷加速，不斷創新過程中。至於要達到吳泳銘先生今天講到的ASI，其實這中間有非常多難題需要解決。當然從目前看，模型整個複雜，包括處理能力，包括深度思考的能力，我們解決的有些好的地方，像數學、代碼，還有其他的場景。真正做到各種工具快速的接入，模型訓練的方式、模型創新的模式、模型的結構，都有可能發生很多一係列變化。最終還要做到模型自主完成學習，自主通過反饋，利用跟世界的交互，能夠收集反饋，能夠用好反饋去做模型進一步進化和升級。這中間從我們當前一代代模型發展的路線，要慢慢營造成模型持續去學習、持續去自我完善的過程。這中間有架構上的挑戰，有係統方麵的挑戰，有算法上麵的挑戰。

提問：今年你們有一個最大規模的校招，我想知道你們對於新一波年輕人進來之後培養思路有什麽變化？如果要做ASI的話，你們培養上或者模式上跟以前有什麽區別？

周靖人：對於年輕的人才來說，整個阿裏會提供最好的環境。在這個時代的創新，一方麵人才非常重要。另一方麵，需要創新的土壤、創新的環境，這幾個方麵的融合是人才得到很好發展，做出更好成績重要的基礎。我們一方麵有很好的模型發展，剛才講到全棧與雲計算的一係列聯合，不管是係統側還是模型側，還是應用側等，都有很好的一係列土壤，能夠讓更多人才加入進來。而且在AI時代的人才需要多麵手，覆蓋的不單單是算法方麵，對工程、對很多應用也需要敏感的思路和思考。很幸運的是，今天我們提供的是全棧，讓人才更好發展的土壤，也期待更多優秀的人才加入我們，能夠和我們一起去突破ASI的創新。