阿里云能否重寫自己？

過去五個月，阿里云的MaaS收入增長了15倍，這只是阿里云重構自己的一個側面。阿里云在峰會上宣布完成"芯片-云-模型-推理"全棧Agent化升級，同步推出全新AI產品官網"千問云"、搭載自研AI芯片真武M890的超節點服務器，以及最新旗艦模型Qwen3.7-Max。

用阿里云資深副總裁劉偉光的話說："我們正在建設中國最大的AI工廠。"工廠這個比喻暗示了一套完整的生產邏輯，片是原材料，云是車間，模型是機器，推理平臺是流水線，最終產出的商品是Token。

而這次重構的本質，是把過去17年圍繞"人使用云"搭建的整套體系，改造成"Agent消費Token"的新體系。

芯片這張牌，為什么現在打

阿里云過去很少在公開場合強調芯片。這次峰會，不僅發布了新一代訓推一體AI芯片真武M890，還破天荒地公布了未來兩年的芯片路線圖，真武V900、真武J900兩代產品逐年推進。

真武M890配備144GB顯存，片間互聯帶寬800GB/s，性能是上一代真武810E的3倍，搭配自研的ICN Switch互聯芯片，128張AI芯片可以組成一臺機器，P2P時延壓到150納秒以內

但參數之外，更關鍵的信息是規模，真武系列累計出貨56萬片，已經進入電信、一汽、浦發銀行等20多個行業的400多家客戶。

劉偉光反復用谷歌做類比，谷歌TPU和Gemini的深度綁定，讓谷歌在自家框架里跑出了最優的性價比。阿里云當然想走同樣的路，他把競爭邏輯歸結為一句話："如果未來拼的是每一塊芯片都能跑出比競爭對手更多的高質量Token，那我們就勝利了。"

再加上倚天CPU、磐脈智能網卡、鎮岳存儲主控芯片，平頭哥的芯片版圖已經從單點延伸到了算力、網絡、存儲的完整覆蓋。當推理需求指數級膨脹的時候，只有把芯片握在自己手里，才能控制住每個Token的邊際成本。

道理不復雜。模型公司可以比拼參數，云廠商最終比的是誰的Token更便宜、更穩定、更快。芯片是這場成本戰的起點。

云本身也得重寫

芯片解決的是"跑得動"的問題，但Agent對云的需求遠不止算力。

傳統云產品的交互邏輯是給人設計的，打開控制臺，看菜單，配參數，點按鈕。這套東西對Agent來說完全不可用，Agent不看網頁，不點按鈕，它需要的是結構化的能力描述、標準化的調用協議和可預期的反饋。

阿里云CTO李飛飛用一組對比來說明問題：傳統云的工作負載是穩態的，一臺ECS開出來可能跑幾個月甚至幾年；但Agent的工作負載是"無規律彈性、短生命周期、瞬時起量即走"，一個Agent執行完任務，沙箱就銷毀了，下一個請求可能幾毫秒后就來，也可能幾小時后才來。

為此，阿里云做了三件事。

第一，把云產品Skill化、MCP化和CLI化。簡單說就是把每個云產品封裝成Agent可以直接調用的標準化接口，像調函數一樣調云。

第二，為Agent構建專屬的運行環境——輕量沙箱、多Agent協同、跨任務記憶、數據流轉通路。

第三，重建調度邏輯，從"資源調度"轉向"任務調度"，因為當海量Agent同時并發的時候，傳統的資源編排方式扛不住。

劉偉光表示，一些AI應用上線后，會自動在后臺開通云資源——虛擬機、數據庫實例、沙箱環境，全程不需要人介入，一個客戶一天內自動開通的資源量，相當于過去人工操作兩周。

"這已經等于說Agent在自己使用云了。"劉偉光給出了一個內部測算的換算關系：Token消耗可以按比例折算成GPU用量，而每一卡GPU的增長，大致帶動一比一的CPU增長。也就是說，Token收入的增長不是在蠶食傳統云收入，而是在拉動它，前提是云平臺能夠接得住Agent的工作負載。

因此，阿里云不是在原來的體系上加一層AI能力，而是從交互方式、調度邏輯、計費模型到產品形態全部推翻重來。

模型不是用來聊天的

全棧重構的第三層是模型。Qwen3.7-Max在Arena全球盲測總榜中排到了國產第一，超過Kimi-K2.6、DeepSeek-v4-pro、GLM-5.1，這次發布的重點，是阿里對模型能力方向的重新定義。

阿里巴巴通義大模型負責人周靖人表示，"過去我們追求模型'說得好'，現在要求模型'做得到'。"

以阿里云在芯片的實踐來看，在訓練時從未接觸過的真武M890芯片上，Qwen3.7-Max僅憑一份任務說明，從零開始自主工作了35個小時，獨立完成了一個生產級AI計算內核的編寫和調優，最終性能比官方版本提升了10倍，整個過程沒有人類干預，沒有中間指導。

這說明了模型在Agent場景下的核心能力，長程自主執行，接過一個任務，自己拆解、自己規劃、自己寫代碼、自己調試，連續干35個小時不停。

為了支撐這種級別的推理需求，百煉平臺也做了對應升級，并池調度提升GPU利用率，上下文緩存消除重復計算，吞吐彈性調度應對并發波峰。

在生態上，百煉保持開放接入，除了千問模型矩陣，還上線了智譜GLM-5.1、MiniMax M2.7、月之暗面Kimi K2.6等第三方模型。

劉偉光提到，"客戶在實際使用中不會只用一個模型，是多模型組合。我們提供組合，客戶在平臺上找到最適合自己的搭配。"峰會現場，六家國內頭部模型公司的高管集體站臺，場面頗有"國內AI聯盟"的意味。

近三個月內，千問旗艦模型連續迭代了3.5、3.6、3.7三個版本。這個發布節奏本身就在傳遞信號，模型能力的競賽遠沒有結束，而阿里打算用自研芯片+自研模型的縱向整合來建立長期優勢。

這場重構的真正賭注

回過頭來看，阿里云這次全棧重構的底層邏輯簡單純粹，當AI收入的增長速度遠超傳統云業務，當Token有可能取代ECS成為最大的產品線，當Agent開始自動開通云資源而不再需要人類登錄控制臺，整套為人設計的技術體系就到了不得不改的時候。

但執行層面的難度是另一回事。劉偉光自己也承認，轉型"說起來容易，做起來非常難"。過去銷售團隊跟客戶的IT部門打交道，現在做MaaS要跟業務部門甚至CEO對話，

"你的對話能力、閱歷，完全是另一個層次的要求"。阿里云已經在大客戶上設立了專職的MaaS銷售，與傳統IaaS銷售分開考核、獨立作戰。

考核指標也在變，不再只看調用量，而是看"高質量Token"，解決實際問題的Token，而不是灌水聊天的Token。三個核心指標：付費客戶數的日增長、核心業務系統接入模型的數量、Agent自主完成任務閉環的效率。

這些組織和機制層面的調整，往往比技術發布更能說明一家公司的真實判斷，阿里云要重建收入結構、客戶關系和銷售體系。劉偉光表示，"以前我們做云的時候，客戶的IT預算是能算出來的，線下多少臺服務器，搬上來大概多少錢，能看到題目。但做MaaS，這個題的答案你是不知道的，進去之后可能超乎你的想象。"

題目看不到了，答案也不確定，但阿里云還是決定把整套體系拆開重寫，因為唯一確定的是，AI是比以往大上十倍甚至百倍的機會。

這大概就是這次峰會最值得關注的信息：不是哪款芯片多出算力，哪個模型排名第幾，而是中國最大的云廠商，正在用一種接近創業公司的激進姿態，賭一個它認定會到來的未來。（本文作者 | 張帥，編輯 | 楊林）