云栖大会2026：当AI开始“组队干活”

从芯片、模型到云，从智能体到超级个体，一场“智以致用”的产业总动员

九月的杭州，秋意渐浓。杭州国际博览中心再次成为全球科技从业者的焦点，2026杭州云栖大会在9月22日至24日举行，并联动云栖小镇设置第二会场。与往年不同，今年走进会场的人，不只是来听演讲、看展台的观众，许多人还带着自己的Agent入场。这个小小的变化，折射出云栖大会乃至整个AI产业正在发生的深层转向：AI不再只是被演示、被讨论的对象，它正在成为参会者、开发者和企业身边的“数字同事”。

本届云栖大会以“智以致用”为主题。这个主题并不抽象，它几乎贯穿了主论坛、展区、分论坛和产业对接的每一个环节。从算力基础设施到模型能力，从智能体平台到具身智能机器人，从电商工作台到汽车座舱，大会试图回答一个越来越紧迫的问题：当大模型走过“能聊天”的阶段之后，如何真正进入产业，替人干活，与人协作，并创造可衡量的价值？

一场“史上规模**”的云栖

从规模上看，2026云栖大会创下多项纪录。今年展馆由3个增至4个，分论坛扩容至140场，参展企业从500余家跃升至1000余家，展出总面积超过5万平方米，2000多位分享嘉宾到场。无论从参展企业数量、展览面积，还是从议题覆盖的广度来看，这都是云栖大会历史上规模**的一届。

规模增长的背后，是AI产业重心的迁移。过去，云栖大会的叙事更多围绕云计算、大数据、物联网展开；后来，大模型成为绝对主角；到了今年，关键词变成了“落地”“智能体”“产业共创”。新增的“产业共创馆”聚焦产业落地应用，成为参展企业数量和展览面积双增长的核心推动力。这里展示的不再只是实验室里的模型参数，而是制造、零售、物流、金融、医疗、教育等行业的真实场景方案。

今年大会还首创了原生智能体参会方式。每位参会者可携带自己的Agent入场，获得专属数字身份，实时读取议程并按偏好智能推荐。云栖大会由此成为全球首个Agent Native的科技盛会。参会者不再需要在海量议程中手动筛选，Agent可以根据兴趣、职业、历史行为自动规划路线，甚至提前预约展区体验、整理会议纪要、生成对接清单。这种体验本身，就是“智以致用”的一次现场示范。

三大基石：芯片、模型、云

阿里巴巴集团CEO吴泳铭在主论坛演讲中抛出一个判断：机器正在成为思考的主力，智能正在成为一种规模化的商品。他提到，未来机器思考总量将达到人类的1000倍以上，而今天这一比例不到3%。这个数字背后，是一整套从芯片到模型到云的产业布局。

吴泳铭明确，AI模型、AI芯片和AI云是机器智能时代的三大基石，阿里将坚定投入这三项基础设施建设。本届大会围绕三大基石集中展示了最新成果，也对外传递了一个清晰信号：AI竞争不再是单点模型的竞争，而是全栈能力的竞争。

芯片侧，算力底座继续加厚。 阿里平头哥发布国产AI芯片真武V900，算力提升至前代M890的3倍，配备216GB显存，片间互联带宽高达1200GB/s，单集群可扩展至50万卡，计划2027年**季度量产。对于大模型训练和推理而言，显存容量、互联带宽和集群规模决定了能否支撑更大参数、更长上下文和更高并发的任务。真武V900的发布，意味着国产AI芯片正在从“可用”向“好用”迈进，尤其是在超大规模集群场景中，互联能力往往比单卡峰值算力更关键。

平头哥还首次公布了倚天服务器CPU的规划路线。2027年将推出倚天720和730两代产品，未来倚天750将支持与真武AI芯片通过自研ICN总线直接互联，进一步提升CPU与AI芯片的协同效率。这一路线图的意义在于，云厂商不再只是采购通用芯片来搭建算力，而是通过自研CPU、AI芯片和互联总线，构建更紧密的软硬协同体系。CPU负责通用调度、数据预处理和部分推理任务，AI芯片负责大规模矩阵计算，两者之间的数据搬运效率，直接影响整个集群的利用率和成本。

模型侧，千问团队在递归式自我改进方面取得实质性进展。 所谓递归式自我改进，是指模型能够生成训练数据、评估结果、发现问题，并在此基础上继续迭代，形成一种“自我进化”的闭环。Qwen3.8-Max在人类完全“零参与”的情况下持续迭代超1个月，完成33轮有效迭代，在Artificial Analysis上的得分从40分涨至45分，与Claude、GPT最强模型同处**阵营。这个进展之所以引人关注，不仅因为分数提升，更因为迭代过程中人类参与度极低，说明模型正在获得一定程度的自主优化能力。

Qwen3.8-Flash提前开源了下一代千问大模型架构，训练成本骤降近90%。基于新一代架构的Qwen4已在训练中，Qwen4.5、Qwen5将扩展至5到10T参数规模。目前，阿里已开源460余个Qwen大模型，下载量突破30亿次，衍生模型数超30万个，稳居全球**开源模型家族。开源策略带来的生态飞轮效应正在显现：开发者越多，应用场景越丰富，反馈数据越多，模型迭代越快，进而吸引更多开发者。对于大量中小企业和创业者而言，开源模型大幅降低了AI应用的门槛，也让“模型即平台”的趋势更加明显。

云侧，阿里云推出AgentCore、Agent Sandbox、新一代高性能存储CPFS等系列新品。 CPFS实现百TB/s级吞吐、单文件系统提升至100PiB、AI存储成本最高降69%；模型弹性启动从1200秒压缩至70秒，首Token延迟降低38%，Prompt Caching成本最高省95%。这些指标看似技术细节，却直接决定AI应用的用户体验和商业可行性。模型启动慢、首Token延迟高、缓存成本贵，都会让智能体在实际业务中显得迟钝而昂贵。阿里云通过存储、调度、缓存和沙箱等基础设施的优化，试图把智能体从“演示品”变成“生产工具”。

吴泳铭宣布，阿里将与合作伙伴一起全力投入AI基础设施建设，目标是到2032年阿里云运营的全球数据中心规模超过20GW。20GW是什么概念？它意味着巨大的电力、土地、服务器和网络投入，也意味着AI云将成为类似电网、交通网一样的社会级基础设施。未来，云厂商之间的竞争，不只是模型能力的竞争，更是能源、供应链、数据中心布局和全球服务能力的竞争。

“能干活”的AI正在替代“能聊天”的AI

如果说首日主论坛描绘的是机器智能时代的远景，那么展馆里的景象则把话题落到了当下。今年大会的“创造馆”有11个主题分区，覆盖17大职业身份，汇集200余个可直接复用的Skill、套件与模板。所谓Skill，可以理解为智能体可以调用的技能模块；套件和模板则让开发者不必从零搭建，而是像搭积木一样组合出业务助手。这种“技能化”“模块化”的思路，正在让AI应用从定制项目走向规模化复制。

千问办公在现场发布了最新的AI Agent硬件产品。用户既可以通过语音交代任务，也可以开启设备听记并转写，由智能体进一步理解、处理和生成内容。它不再只是一个语音助手，而更像一个随身的工作台：会议中自动记录，会后整理纪要，提取待办，生成邮件，甚至根据上下文调用其他工具。硬件形态的出现，意味着智能体正在寻找更自然的入口。手机、耳机、眼镜、录音笔、桌面设备，都可能成为Agent的载体。

阿里旗下的全球电商AI工作台Accio则将真实的电商任务搬到了现场。从选品、市场调查到商品详情页设计、投流分析，一个工作台就能完成全链路操作。对中小商家而言，过去需要运营、设计、投手、数据分析师协作完成的工作，如今可以在AI辅助下由一两个人甚至一个人完成。这不是简单的效率提升，而是组织形态的变化。

一个值得注意的信号是“超级个体”的崛起。大会专门设置了“超级个体作战室”，依托大模型、智能体、云服务等工具，单人即可完成产品研发、设计、营销、客户服务的完整业务闭环，实现“单人成军”。过去，创业需要团队、资金和较长的启动周期；现在，一个具备行业认知、善用AI工具的人，可以快速验证想法、搭建产品、触达客户。AI并没有消灭岗位，但它正在重新定义岗位边界，也在逼迫组织重新思考协作方式。

在产业馆，具身智能机器人在模拟车间环境中演示组装生产，宇树科技的人形机器人上演拳击“争霸赛”，全球首个可变形机器人在双足与四足状态间自由切换。比亚迪展示了搭载AI超级智能体“迪迪虾”的车型，用户通过一次唤醒即可让智能体操作车机、点外卖、订酒店。汽车不再只是交通工具，而是一个移动的智能空间；机器人不再只是展台上的表演者，而是开始进入工厂、物流、巡检和家庭服务场景。

这些展示共同指向一个趋势：AI正在从“能生成”走向“能交付”。生成一段文字、一张图片、一段视频，只是**步；真正有价值的是理解任务、拆解步骤、调用工具、执行操作、检查结果，并在失败时重新规划。这就是智能体与聊天机器人的根本区别。聊天机器人等待提问，智能体主动干活；聊天机器人给出答案，智能体交付结果。

产业落地：从演示到生产

云栖大会的热闹，最终要回到产业效率上。今年新增的“产业共创馆”之所以重要，是因为它把AI从技术叙事拉回到业务现场。制造企业关心的是良率、排产、能耗和设备维护；零售企业关心的是库存、转化、客诉和复购；金融机构关心的是风控、合规、投研和客服；医疗机构关心的是诊断辅助、病历质控和科研效率。不同行业的痛点不同，AI落地的方式也完全不同。

在制造场景中，具身智能机器人和视觉质检系统正在尝试替代重复性劳动和高危作业。大模型可以读取设备手册、维修记录和传感器数据，帮助工程师快速定位故障；智能体可以协调多个机器人完成物料搬运、组装和检测。在零售场景中，AI工作台可以自动生成商品素材、分析竞品价格、优化投放策略，并根据实时数据调整预算。在金融场景中，智能体可以辅助分析师整理公告、生成摘要、跟踪舆情，但最终决策仍需人类把关。

产业落地的难点，从来不只是模型能力。数据是否可用、流程是否打通、权限是否清晰、结果是否可解释、投入产出是否合理，都是决定项目成败的关键。云栖大会上的许多分论坛，讨论的正是这些问题：如何把行业知识注入模型，如何构建企业专属知识库，如何让智能体安全访问内部系统，如何评估AI项目的ROI。这些议题没有炫酷的概念，却决定了AI能否真正进入生产系统。

安全、治理与开源：繁荣背后的冷静思考

在热闹的展区和激昂的演讲之外，今年云栖大会也有不少冷静的讨论。随着智能体开始拥有记忆、工具调用能力和一定自主性，安全与治理问题变得更加复杂。一个智能体如果能够读取邮件、操作数据库、调用支付接口，那么它的身份认证、权限边界、行为审计和失败回滚就变得至关重要。Agent Sandbox等产品的出现，正是为了在隔离环境中运行智能体，防止误操作和恶意调用。

开源与闭源的路线之争也仍在继续。千问家族坚持开源，带来了庞大的开发者生态；但开源也意味着模型能力扩散更快，安全对齐和滥用防范更具挑战。如何在开放创新与风险控制之间取得平衡，是行业必须面对的问题。与此同时，智能体之间的协作协议、工具调用标准、身份与权限管理，正在成为新的基础设施议题。未来，不同厂商的智能体能否互相“组队干活”，可能比单个智能体有多强更重要。

能耗同样是绕不开的话题。20GW的数据中心目标，意味着巨大的电力需求。绿色能源、液冷技术、芯片能效、算力调度优化，都会影响AI云的长期成本。AI的竞争，最终不仅是算法和芯片的竞争，也是能源和工程能力的竞争。

市场的回应

资本市场对本届云栖大会给出了积极反馈。高盛维持了高于市场一致预期的阿里云收入增速预测，预计2026年9月季度至2027年3月季度的同比增速分别为53%、55%和55%。瑞银测算，到2032年阿里云对外云收入有望达到约1700亿美元，对应约40%的年复合增速；花旗测算口径接近，认为20GW可对应约1600亿美元对外云收入。摩根士丹利维持阿里“增持”评级及180美元目标价，将其列为首选股，认为2032年全球云端产能逾20GW可提供通往约2400亿美元云端收入产能的路径。

这些预测是否过于乐观，仍需时间验证。但资本市场的逻辑并不难理解：如果AI成为新的生产力基础设施，那么算力、模型和云服务就会像水电煤一样，具备长期而稳定的需求。阿里云同时拥有芯片、模型、云平台和丰富业务场景，这种全栈布局在竞争中具备一定优势。当然，风险也同样存在：资本开支巨大、回报周期较长、芯片供应存在不确定性、模型能力可能商品化、国际竞争日益激烈。云栖大会展示的是方向，真正的考验在大会之后。

结语：智以致用，才是开始

从算力基础设施的工程化突破，到大模型走向自主进化，再到可穿戴设备和超级个体工作台在真实场景中落地生根，本届云栖大会勾勒出一条清晰的产业路径。AI正在从“能生成”走向“能交付”，不再局限于算法参数的比拼，而是向下扎根行业场景，向上延伸至算力底层的全栈协同。

“智以致用”四个字，既是对过去几年大模型热潮的回应，也是对未来产业竞争的判断。模型再强，如果不能替企业降本增效，不能替个人完成真实任务，就只是昂贵的玩具。智能体再聪明，如果不能安全、可靠、规模化地组队干活，就无法成为生产系统的一部分。

云栖大会2026让人看到，AI已经开始“组队干活”：芯片与模型组队，云与智能体组队，机器与机器人组队，人与数字同事组队。接下来的问题不再是“AI能不能做到”，而是“AI能以多低的成本、多高的可靠性、多快的速度做到”。这场从杭州出发的产业总动员，才刚刚拉开帷幕。