作者｜苗正卿
在9月24日上午10点许，阿里巴巴CEO、阿里云董事长&CEO吴泳铭演讲结束后，阿里的股价开始明显增长，从9:30开盘的158.5港元/股，到11:11时已经上涨到了170.7港元/股，相当于在不到两个小时内市值增长了2200亿港元。
显然，对阿里股价而言，这是一场价值连城的演讲。笔者全程在现场听了吴泳铭的分享，我觉得他主要对AI未来的发展路线，以及阿里在这个未来中扮演什么角色，进行了“定义”和“定位”。而阿里在吴泳铭演讲后股价大涨，可以理解为外界对于吴泳铭给出的“定义”和“定位”给予了“正反馈”。
吴泳铭的“定义”和“定位”其实可以用他演讲中的一段话来很好地总结：“AI 将会替代能源的地位，成为最重要的商品，驱动千行百业每天的工作……Token 就是未来的电……阿里云的定位是全栈人工智能服务商，提供世界**的智能能力和遍布全球的 AI 云计算网络，向全球各地提供开发者生态友好的 AI 服务。”
简单来说，吴泳铭眼中的蓝图不只是互联网、电商也不只是某个技术，而是成为AI时代的“水、电、石油”。
吴泳铭对这次演讲应该是非常重视的。我了解到，在吴泳铭成为阿里巴巴CEO后，他参与的所有致辞、电话会议都没有使用过PPT，但这次吴泳铭用了PPT去详细描绘他眼中的未来。
他演讲中的**频词是“ASI（Artificial Superintelligence）”。“AGI 并非 AI 发展的终点，而是全新的起点。AI 不会止步于 AGI，它将迈向超越人类智能、能够自我迭代进化的超级人工智能（ASI）。”吴泳铭说。
对于科技圈的人而言，AGI（Artificial General Intelligence）是2024~2025年被讨论更多的词，但ASI的热议度确实在明显上升。在笔者看来，这二者的本质区别其实在于对于“AI与人”之间的协作边界和AI自我迭代（进化）的能力存在差异。ASI更像是科幻片中的超越人类的某种灵智生物（硅基或碳基），可以有超越人类的智力、想象力、甚至创造力。
但现实是，目前AGI尚未实现。在虎嗅2025年与几位头部AI公司创始人沟通过程中，大家普遍认为“我们目前距离实现AGI还比较遥远”。而其中最本质的挑战是，AI的“通用”性不足，或者说不具备足够的“泛化”能力。
在这样的背景下，吴泳铭提出“ASI”是存在挑战的：在AGI都没有实现的当下，更遥远的ASI到底能不能实现，没人可以知道。不过吴泳铭描绘了他眼中ASI实现的路径，以及阿里在这个路径之中目前的阶段。
吴泳铭认为，实现ASI需要三个阶段，而当下阿里处于第二阶段：
**阶段：“智能涌现”，特征是“学习人”。
第二个阶段：“自主行动”，特征是“辅助人”。
第三个阶段：“自我迭代”，特征是“超越人”。
那么在这条ASI之路上，阿里要怎么做呢？吴泳铭给出了两个“抓手”，这也就是他演讲中**描述的“两个判断”：
1.大模型是下一代的操作系统。
2.超级 AI 云是下一代的计算机。
笔者总结一下，吴泳铭的意思是，ASI可以实现，阿里目前进化到第二阶段了。在整个ASI实现的过程之中，AI对于人类社会的重要性不断升高，甚至可以成为新的“能源生态位”，而在如此重要的AI窗口里，大模型和云将像三十年前“个人PC和桌面系统”一样成为“人手一个的基础工具”。而阿里云将会继续发力大模型和AI云两个关键方向。
在吴泳铭演讲之后，阿里云CTO周靖人一口气宣布了十余款新品，涵盖了大模型、AI工具、云产品、Agent……基本上都是沿着吴泳铭所描述的“两个判断”而展开的：大模型 AI云。
总结来说，吴泳铭描述了阿里怎么想的，周靖人分享了阿里具体怎么做的。在这“一唱一和”的同时，阿里的股价开始暴增。
在笔者看来，吴泳铭演讲所描述的ASI之路，实际上可以视为未来相当长一段时间内，阿里整体的路线图。它其实不只是阿里云一个团队的方向，也会影响电商、本地生活等等业务。
从长远看，这条路需要持续投入并面临一个相对漫长的回报周期，在这个过程中，阿里需要让自己的基本盘业务够稳，以支撑其有足够的资源和空间去持续投入。但硬币的另一面是，目前全球范围内在大模型 云基础设施两端都具备规模影响力产品且加大投入的公司屈指可数，这意味着如果阿里穿越了漫长的“投入期”，后续可能会进入一个门槛很高、竞对有限的新周期。
9月24日，在吴泳铭演讲后，虎嗅和多个媒体还与阿里云CTO周靖人进行了交流，他进一步对吴泳铭的ASI之路、阿里云具体的打法进行了解答，为了方便读者更好地了解阿里核心层今天针对AI所分享的增量信息，下附吴泳铭演讲和周靖人交流内容：
吴泳铭演讲全文：
开始演讲之前，我想特别感谢一下支持整个**乃至全球科技行业的开发者朋友。今天是云栖大会的 10 周年，云栖大会起源于阿里云的开发者大会，是广大开发者推动了**乃至全球的云计算、AI 和科技行业的发展。所以，在演讲之前，我想特别向开发者们致以**的谢意。
当前的世界，一场由人工智能驱动的智能化革命刚刚开始。过去几百年，工业革命通过机械化放大了人类的体能，信息革命通过数字化放大了人类的信息处理能力。而这一次，智能化革命将远超我们的想象。通用人工智能 AGI 不仅会放大人类智力，还将解放人类的潜能，为超级人工智能 ASI 的到来铺平道路。
最近的三年，我们已经清晰地感受到它的速度。几年时间，AI 的智力从一个高中生迅速提升到博士生的水平，还能拿到** IMO 的金牌。AI Chatbot 是人类有史以来用户渗透率最快的功能。AI 的行业渗透速度超过历史上所有技术。Tokens 的消耗速度两三个月就翻一番。最近一年，全球 AI 行业的投资总额已经超过 4000 亿美元，未来 5 年全球 AI 的累计投入将超过 4 万亿美元，这是历史上**的算力和研发投入，必然将会加速催生更强大的模型，加速 AI 应用的渗透。
实现 AGI——一个具备人类通用认知能力的智能系统，现在看来已成为确定性事件。然而，AGI 并非 AI 发展的终点，而是全新的起点。AI 不会止步于 AGI，它将迈向超越人类智能、能够自我迭代进化的超级人工智能（ASI）。
AGI 的目标是将人类从 80%的日常工作中解放出来，让我们专注于创造与探索。而 ASI 作为**超越人类智能的系统，将可能创造出一批“超级科学家”和"全栈超级工程师"。ASI 将以难以想象的速度，解决现在未被解决的科学和工程问题，比如攻克医学难题、发明新材料、解决可持续能源和气候问题，甚至星际旅行等等。ASI 将以指数级的速度推动科技的飞跃，**我们进入一个前所未有的智能时代。
图片
我们认为，通往 ASI 之路将经历三个阶段：
**阶段是“智能涌现”，特征是“学习人”。过去几十年的互联网发展，为智能涌现提供了基础。互联网将人类历史上几乎所有的知识都数字化了。这些语言文字承载的信息，代表了人类知识的全集。基于此，大模型首先通过理解全世界的知识集合，具备了泛化的智能能力，涌现出通用对话能力，可以理解人类的意图，解答人类的问题，并逐渐发展出思考多步问题的推理能力。现在，我们看到 AI 已经逼近人类各学科测试的**水平，比如**数学奥赛的金牌水平。AI 逐渐具备了进入真实世界、解决真实问题、创造真实价值的可能性。这是过去几年的主线。
第二个阶段是“自主行动”，特征是“辅助人”。这个阶段，AI 不再局限于语言交流，而是具备了在真实世界中行动的能力。AI 可以在人类的目标设定下，拆解复杂任务，使用和制作工具，自主完成与数字世界和物理世界的交互，对真实世界产生巨大影响。这正是我们当下所处的阶段。
实现这一跨越的关键，首先是大模型具备了 Tool Use 能力，有能力连接所有数字化工具，完成真实世界任务。人类加速进化的起点是开始创造和使用工具，现在大模型也具备了使用工具的能力。通过 Tool Use，AI 可以像人一样调用外部软件、接口和物理设备，执行复杂的真实世界任务。这个阶段，由于 AI 能够辅助人类极大提高生产力，它将快速的渗透到物流、制造、软件、商业、生物医疗、金融、科研等几乎所有行业领域。
其次，大模型 Coding 能力的提升，可以帮助人类解决更复杂的问题，并将更多场景数字化。现在的 Agent 还比较早期，解决的主要是标准化和短周期的任务。要想让 Agent 能解决更复杂、更长周期任务，最关键的是大模型的 Coding 能力。因为 Agent 可以自主 Coding，理论上就能解决**复杂的问题，像工程师团队一样理解复杂需求并自主完成编码、测试。发展大模型 Coding 能力是通往 AGI 的必经之路。
未来，自然语言就是 AI 时代的源代码，**人用自然语言就能创造自己的 Agent。你只需要输入母语，告诉 AI 你的需求，AI 就能自己编写逻辑、调用工具、搭建系统，完成数字世界的几乎所有工作，并通过数字化接口来操作所有物理设备。 未来，也许会有超过全球人口数量的 Agent 和机器人与人类一起工作，对真实世界产生巨大影响。在这个过程中，AI 就能连接真实世界的绝大部分场景和数据，为未来的进化创造条件。
随后 AI 将进入第三个阶段——“自我迭代”，特征是“超越人”。这个阶段有两个关键要素：
· AI 连接了真实世界的全量原始数据
目前 AI 的进步最快的领域是内容创作、数学和 Coding 领域。我们看到这三个领域有明显的特征。这些领域的知识 100%是人类定义和创造的，都在文字里，AI 可以 100%理解原始数据。但是对于其他领域和更广泛的物理世界，今天的 AI 接触到的更多是人类归纳之后的知识，缺乏广泛的、与物理世界交互的原始数据。这些信息是有局限的。AI 要实现超越人类的突破，就需要直接从物理世界获取更**、更原始的数据。
举一个简单的例子，比如一家汽车公司的 CEO 要迭代明年的产品，大概率会通过无数次的用户调研或者内部的讨论来决定下一款汽车将要具备什么样的功能，与竞对相比要实现哪些方面的长板，保留什么方面的能力。现在 AI 要去做还是很难的，核心点在于它所获得的数据和信息，全都是调研来的二手数据。如果有一天 AI 有机会，能够连接这款汽车的所有的资料和数据，它创造出来的下一款汽车会远远超过通过无数次头脑风暴所创作出来的。这只是人类世界当中的一个例子，更何况更复杂的物理世界，远远不是通过人类知识归纳就能够让 AI 理解的。
所以 AI 要进入到一个更高的阶段，就需要直接从物理世界获取更**、更原始的数据，就像在自动驾驶的早期阶段，只靠人类的总结，Rule-based 的方法去实现自动驾驶，无法实现很好的效果。新一代的自动驾驶，大部分采用端到端的训练方法，直接从原始的车载摄像头数据中学习，实现了更高水平的自动驾驶能力。即便我们现在看起来相对简单的自动驾驶问题，仅依靠人类归纳的知识和规则，也无法解决，更何况整个复杂的物理世界。只是让 AI 学习人类归纳的规律，是远远不够的。只有让 AI 与真实世界持续互动，获取更**、更真实、更实时的数据，才能更好的理解和模拟世界，发现超越人类认知的深层规律，从而创造出比人更强大的智能能力。
·Self-learning 自主学习
随着 AI 渗透更多的物理世界场景，理解更多物理世界的数据，AI 模型和 agent 能力也会越来越强，有机会为自己模型的升级迭代搭建训练 infra、优化数据流程和升级模型架构，从而实现 Self learning。这会是 AI 发展的关键时刻。
随着能力的持续提升，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，借助强化学习与持续学习机制，自主优化、修正偏差、实现自我迭代与智能升级。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。
一旦跨过某个奇点，人类社会就像按下了加速键，科技进步的速度将超越我们的想象，新的生产力爆发将推动人类社会进入崭新的阶段。这条通往超级人工智能的道路，在我们的眼前正在日益清晰。随着 AI 技术的演进和各行各业需求爆发，AI 也将催生 IT 产业的巨大变革。
我们的**个判断是：大模型是下一代的操作系统。我们认为大模型代表的技术平台将会替代现在 OS 的地位，成为下一代的操作系统。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，所有用户需求和行业应用将会通过大模型相关工具执行任务，LLM 将会是承载用户、软件 与 AI 计算资源交互调度的中间层，成为 AI 时代的 OS。来做一些简单的类比：自然语言是 AI 时代的编程语言，Agent 就是新的软件，Context 是新的 Memory，大模型通过 MCP 这样的接口，连接各类 Tools 和 Agent 类似 PC 时代的总线接口，Agent 之间又通过 A2A 这样的协议完成多 Agent 协作类似软件之间的 API 接口。
大模型将会吞噬软件。大模型作为下一代的操作系统，将允许**人用自然语言，创造**多的应用。未来几乎所有与计算世界打交道的软件可能都是由大模型产生的 Agent，而不是现在的商业软件。潜在的开发者将从几千万变成数亿规模。以前由于软件开发的成本问题，只有少量高价值场景才会被工程师开发出来变成商业化的软件系统。未来所有终端用户都可以通过大模型这样的工具来满足自己的需求。
模型部署方式也会多样化，它将运行在所有设备上。现在主流的调用模型 API 的方式，来使用模型只是初级阶段，其实看起来非常原始。类似大型主机时代的分时复用阶段，每个人只有一个终端连接上大型主机分时复用。这种方式无法解决数据**化，缺乏长期记忆，实时性不够，隐私无法解决，可塑性也不够。未来模型将运行在所有计算设备中，并具备可**记忆，端云联动的运行状态，甚至可以随时更新参数，自我迭代，类似我们今天的 OS 运行在各种环境之中。
正是基于这个判断，我们做了一个战略选择：通义千问选择开放路线，打造 AI 时代的 Android。我们认为在 LLM 时代，开源模型创造的价值和能渗透的场景，会远远大于闭源模型。我们坚定选择开源，就是为了全力支持开发者生态，与全球所有开发者一起探索 AI 应用的**可能。
我们的第二个判断：超级 AI 云是下一代的计算机。
大模型是运行于 AI Cloud 之上新的 OS。这个 OS 可以满足**人的需求。每个人都将拥有几十甚至上百个 Agent，这些 Agent 24 小时不间断地工作和协同，需要海量的计算资源。
数据**内的计算范式也在发生革命性改变，从 CPU 为核心的传统计算，正在加速转变为以 GPU 为核心的 AI 计算。新的 AI 计算范式需要更稠密的算力、更**的网络、更大的集群规模。
这一切都需要充足的能源、全栈的技术、数百万计的 GPU 和 CPU，协同网络、芯片、存储、数据库**运作，并且 24 小时处理全世界各地的需求。这需要超大规模的基础设施和全栈的技术积累，只有超级 AI 云才能够承载这样的海量需求。未来，全世界可能只会有 5-6 个超级云计算平台。
在这个新时代，AI 将会替代能源的地位，成为最重要的商品，驱动千行百业每天的工作。绝大部分 AI 能力将以 Token 的形式在云计算网络上产生和输送。Token 就是未来的电。在这个崭新的时代，阿里云的定位是全栈人工智能服务商，提供世界**的智能能力和遍布全球的 AI 云计算网络，向全球各地提供开发者生态友好的 AI 服务。
首先，我们有全球**的大模型——通义千问。通义千问开源了 300 多款模型，覆盖了全模态、全尺寸，是最受全球开发者欢迎的开源模型。截至目前，通义千问全球下载量超 6 亿次，衍生模型超 17 万个，是全球**的开源模型矩阵，可以说是渗透计算设备最广泛的大模型。
同时，阿里云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。
其次，阿里云运营着****、全球**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。在硬件和网络层面，阿里云自研的核心存储系统、网络架构、计算芯片，构成了阿里云大型计算集群最坚实的底座。
阿里云正在全力打造一台全新的 AI 超级计算机，它同时拥有最**的 AI 基础设施和最**的模型，可以在基础架构设计和模型架构上协同创新，从而确保在阿里云上调用和训练大模型时，能达到**效率，成为开发者**用的 AI 云。
AI 行业发展的速度远超我们的预期，行业对 AI 基础设施的需求也远超我们的预期。我们正在积极推进三年 3800 亿的 AI 基础设施建设计划，并将会持续追加更大的投入。从现在我们看到的 AI 行业远期发展以及客户需求角度来看，为了迎接 ASI 时代的到来，对比 2022 年这个 GenAI 的元年，2032 年阿里云全球数据**的能耗规模将提升 10 倍。这是我们的一个远期规划，我们相信通过这样的饱和式投入，能够推动 AI 行业的发展，迎接 ASI 时代的到来。
超级人工智能到来之后，人类和 AI 会是怎么样的协作关系？
未来的 AI 越来越强，甚至超越人类智能能力的 ASI 诞生，那我们人类和 AI 将如何相处？我们对未来充满乐观，超级人工智能到来之后，人类和 AI 是一个崭新的协同方式。程序员可能已经感受到了，我们可以下一个指令，通过 Coding 这样的工具，让它晚上 12 个小时就能够创造出一个我们需要的系统，从这里我们看到了未来人和 AI 怎么样去共同协同的一种早期的雏形。所以我们觉得，从 Vibe Coding 到 Vibe Working。未来，每个家庭、工厂、公司，都会有众多的 Agent 和机器人 24 小时为我们服务。也许，未来每个人都需要使用 100 张 GPU 芯片为我们工作。
正如电曾经放大了人类物理力量的杠杆，ASI 将指数级放大人类的智力杠杆。过去我们消耗 10 个小时的时间，获得 10 小时的结果。未来，AI 可以让我们 10 小时的产出乘以十倍、百倍的杠杆。回顾历史，每次技术革命解锁更多生产力之后，都会创造出更多的新需求。人会变得比历史上**时候都强大。
**，我想强调，一切才刚刚开始。AI 将重构整个基础设施、软件和应用体系，成为真实世界的核心驱动力，掀起新一轮智能化革命。阿里巴巴将持续投入，与合作伙伴和客户一起，让 AI 深入产业、共创未来。祝大家度过一个充实愉快的云栖大会，谢谢大家！
周靖人交流内容：
提问：我想了解一下，你们内部对于通义大模型评估维度的优先级。因为之前沟通，你们似乎比较看重开源社区下载量，以及一些用户维度。现在这些维度会有新的思路吗。另外，百炼和万相这样的产品，你们会用什么维度去考量它呢？
周靖人：首先，我们所有技术工作直接的评价体系更多是能力，包括模型的能力。我们讲到通义千问、万相等模型，都是在各自领域对模型的能力有完整的评价，这是我们在通往ASI，吴泳铭先生讲到的ASI路径，技术路径、技术指标首先是最重要的。甚至在每一代模型的迭代里也需要非常多技术的评价，评价体系是模型发展的重要基础，这是我们非常重要的技术演进目标。
同时，社区的关注，社区广泛的喜爱，是模型效果的反映。因为我们做到更好的模型能力，同时也有些开源的策略。开发者更多是自主去完成评价，对模型有更好的反馈，这是自发的，并不是运营的工作，这是社区正常用实际模型效果给的评价。在这方面，我们和社区还会持续联动。最重要的是先要有技术上的突破，能力上的突破，能够真正朝着吴泳铭先生讲到的ASI方向有进一步的技术突破和进展。
提问：这一年来，我们看到阿里发了很多大模型，包括通义千问和万相，为什么我们会在今年出现一个这么高节奏的发布状态？是否会出现像Open AI GPT5一样，一个大一统的模型来终结他这么丰富的模型状态？
周靖人：首先，不光是我们，应该是全球整个AI模型的进展都在加速。也就是说，今天特别是我们整个通义模型家族，我们一直在跟全球在这个领域的**者来进行你追我赶。这个行业大家可能可以看到，像Open AI，像谷歌相关模型都在加速。AI今天进入到一个加速期。也就是说，今天大家比拼的不单单是几个模型的能力，或者是一个崭新的思考。更重要的是大家今天能够迭代，能够快速的创新，能够做出来。也就是说，无形之中大家都在加快今天模型迭代的效率。这是**个方面。
第二个方面，以前我们从单模态的模型到多模态的演进，这是一个必然的趋势。不管是今天从语言模型本身开始进一步的涉及到了多模态，还是说今天我们从视觉或者从听觉这个方面，能够慢慢的融合到多模态的能力，这跟我们人的智能很相关的，我们不太可能说有一个大老师处理文字，一个大老师处理其他的模态，其实都是需要把各个模态的知识体系相对融合、相互促进、相互的增强。这是一个大的趋势。
图片
提问：咱们在各个领域的模型快速迭代，在我们研发人员精力有限的情况下，这样的策略会影响我们做一些更底层的算法或者范式上的创新？快速的跟随迭代，这些底层的范式创新，还有应用场景的落地，我们会把优先级怎么排？
周靖人：首先我认为在模型整个创新这方面，不是分散的。今天我们讲到所有模型的发布，背后都是连在一起的。都是突破今天模型不管是单个模态、单个任务集，以及今天在多模态方面的能力。有的时候你需要在单模态有一个具体任务的场景里面能够做到**，然后才能提高一个整体模型的能力。这方面所有的模型的发展，**不是一个单一的项目。它是整体通义整个大模型演进联合优化的一部分。
所以在这方面，其实是融合在一起的。我们所有项目的规划，项目的优先级，都是有相关重要的一个联系。
另外，我们不单单是积极模型的创新和迭代，大家也可以看得到，从今年年初到现在已经突飞猛进，甚至已经有几代模型的发展。每一代模型的能力有大幅度的提升，同时我们也在积极做下一代模型的研发。包括今天讲到的通义千问的Next版，今天就在架构上面做了大量的创新。我们一旦推出来过后，整个社区都在围绕新的架构进行适配、进行相关的尝试。我们可以看到，像通义千问Next模型的推出，也在积极的推动整个模型社区的创新迭代。所以，在这方面这几个是相辅相成的。
模型的发展是一个循序渐进的，不是憋大招的逻辑。所有的海外厂商都会逐步的发展起来，今天在中间是需要加快模型迭代以及创新的速度。
提问：今年有一个新的技术趋势，就是Agent mode，有厂商他会把Agent能力做在mode里面，但是我们看到Qwen的模型还是在为Agent提供一个核心的引擎，他们还是相互独立的。您认为未来mode跟Agent的能力它们是一个怎样的关系，阿里的选择是什么？
周靖人：其实这没有一个明确的边界解。我们的模型服务本身也会具备Agent的能力，包括一些核心的工具的使用。简单来讲，从模型发展的**天，具备搜索的功能，它本身就是一个Agent。所以，今天我们讲到很多的模型服务，大模型本身也是一个Agent。所以，没有一个**非黑即白的逻辑。
我们今天讲到的智能体的开发，是面向行业的智能体开发。这部分因为它需要对当前每个行业的Know-how，行业的一些知识体系要能够有一个深度的认知。这部分还是需要有一些面向行业的智能体的开发，而这一部分会集成，今天讲到的百炼会提供一些核心的Agent的能力，这些Agent能力在通义千问、在万相里面也会慢慢的集成进去，也就是说底层的模型会越来越强大，也会集成相关的工具。但今天面向业务层工具的使用，业务层的调优，还是需要有业务层的智能体来做实现和解决。
提问：想请教一下靖人，像您说的现在大的技术路线没有大的分歧，但具体要看怎么做。像GPT-5发布之后，大家普遍会对模型创新上一些进展会有些沮丧，可能觉得现在模型演进路线有些碰壁。但阿里也提出一个蛮激进的路线，迈向ASI。如果说现在阿里想要在模型上保持**，您觉得最关键的要素是什么？是底层的算法创新，是数据还是什么其他的？
周靖人：我觉得这两个不在一个维度，我们不评价OpenAI这次发布，可能大家对它的发布期待比较大，并不代表整个行业。我们看到整个行业各家模型能力整个提升的速度仍然没有**减缓，不管是在工具使用、复杂的深度推理等等，各家模型都有长足的进步。
大家可以看到，我们在通义千问也有很强的进展。我不认为创新的速度有**减缓，全球在这方面投资也在加速，都在印证AI模型的上界，还没有看到，我们还在不断加速，不断创新过程中。至于要达到吴泳铭先生今天讲到的ASI，其实这中间有非常多难题需要解决。当然从目前看，模型整个复杂，包括处理能力，包括深度思考的能力，我们解决的有些好的地方，像数学、代码，还有其他的场景。真正做到各种工具快速的接入，模型训练的方式、模型创新的模式、模型的结构，都有可能发生很多一系列变化。**还要做到模型自主完成学习，自主通过反馈，利用跟世界的交互，能够收集反馈，能够用好反馈去做模型进一步进化和升级。这中间从我们当前一代代模型发展的路线，要慢慢营造成模型持续去学习、持续去自我完善的过程。这中间有架构上的挑战，有系统方面的挑战，有算法上面的挑战。
提问：今年你们有一个**规模的校招，我想知道你们对于新一波年轻人进来之后培养思路有什么变化？如果要做ASI的话，你们培养上或者模式上跟以前有什么区别？
周靖人：对于年轻的人才来说，整个阿里会提供**的环境。在这个时代的创新，一方面人才非常重要。另一方面，需要创新的土壤、创新的环境，这几个方面的融合是人才得到很好发展，做出更好成绩重要的基础。我们一方面有很好的模型发展，刚才讲到全栈与云计算的一系列联合，不管是系统侧还是模型侧，还是应用侧等，都有很好的一系列土壤，能够让更多人才加入进来。而且在AI时代的人才需要多面手，覆盖的不单单是算法方面，对工程、对很多应用也需要敏感的思路和思考。很幸运的是，今天我们提供的是全栈，让人才更好发展的土壤，也期待更多**的人才加入我们，能够和我们一起去突破ASI的创新。