文章核心观点 - Token是未来的电 类比AI计算资源如同电力系统般的基础设施角色[1][4] - 阿里巴巴全面转型为AI公司 以AI驱动为核心战略 聚焦电商和AI+云两大方向[13][14][18] - AI演进路径分为三阶段 最终目标是实现自我迭代的超级人工智能(ASI)[7][9][23] AI演进路径与终极愿景 - AI发展分为三阶段：学习人(过去) 辅助人(现在) 自我迭代超越人(未来)[7] - 当前关键在工具使用能力(Tool Use) 连接数字与物理世界[7] - 未来自然语言成为AI时代源代码 每个人可创造Agent 数量超全球人口[8] - ASI需突破两门槛：连接真实世界全量原始数据 实现自主学习(Self-learning)[9] - 2032年阿里云数据中心能耗规模较2022年提升10倍 为ASI时代做准备[4][23] 阿里巴巴战略选择与投入 - 通义千问选择开源路线 目标成为下一代操作系统[4][11] - 阿里云定位"超级AI云" 全球仅5-6家能承载海量计算需求[11] - 三年投入3800亿元建设AI基础设施 超过去十年总和[4][16] - 推动"公共云优先"战略 收缩项目制订单 聚焦可规模化AI电网模式[15] - 全栈自研垂直整合 覆盖AI芯片 云计算平台 基础大模型三大核心层[20] 技术成果与市场表现 - 通义开源300余个模型 覆盖全尺寸全模态 全球下载量突破6亿次[17] - 衍生模型17万个 服务超100万家客户 中国企业级大模型调用市场占比第一[17] - 服务中国90%国家级及大型国有银行 全球前十手机品牌中九家深度合作[17] - 阿里云收入增速从2%提升至26% 股价最高涨幅超75%达148美元[16][17] - 支撑中国95%车企智能座舱与自动驾驶 通义灵码服务70%中国车企[22] 行业竞争格局 - 全球超级AI云仅AWS 微软云 谷歌云 阿里云四家拥有入场券[20] - 竞争焦点从模型智能转向全栈技术体系 比拼迭代速度与成本效率[20] - 阿里选择与谷歌类似的垂直整合路径 实现底层算力到上层应用全面赋能[20][22]

超级智能发展路径 - 超级智能是超越AGI和人类通用能力的更高维度AI发展方向，Meta等头部公司正投入巨资追求这一目标 [1][3] - OpenAI CEO认为构建超级智能是工程问题而非科学问题，暗示已有可行路径 [1][3] - Meta研究员质疑当前主流LLM+RL路径的有效性，认为无法实现超级智能 [1][2] 技术实现争议 - 构建超级智能的三种可能路径：纯监督学习(SL)、人类验证的强化学习(RL)、自动验证器的RL [2] - 当前LLM在训练分布内任务表现持续提升，但难以发展为单一超级智能模型 [2][34] - 文本数据具有特殊价值，非文本数据(图像/视频等)尚未证明能提升模型整体性能 [6][7] 数据与规模挑战 - 互联网文本数据面临枯竭风险，行业正全力挖掘剩余数据(如转录YouTube视频) [8][19] - 模型规模扩展遭遇硬件和电力瓶颈，部分公司尝试分布式训练甚至收购核电站 [18][19] - 参数规模突破10^19的假设难以实现，当前最大模型约千亿参数级别 [17][18][19] 学习方法比较 - 监督学习(SL)面临规模扩展极限，未来3-4年可能仅能扩展10倍 [19][20] - 强化学习(RL)存在冷启动问题，需结合SL解决 [22][23] - RLVR(可验证奖励强化学习)成为新方向，OpenAI已展示在数学题上的成功案例 [32][33] 行业竞争格局 - Meta建立秘密"超级智能"实验室，投入数十亿美元资金 [3] - OpenAI、Anthropic和Google DeepMind均公开超级智能研发目标 [3] - 行业可能进入RL任务集军备竞赛，争夺最优训练环境设计 [33]