用阿里云资深副总裁刘伟光的话说：" 我们正在建设中国最大的 AI 工厂。" 工厂这个比喻暗示了一套完整的生产逻辑，片是原材料，云是车间，模型是机器，推理平台是流水线，最终产出的商品是 Token。
而这次重构的本质，是把过去 17 年围绕 " 人使用云 " 搭建的整套体系，改造成 "Agent 消费 Token" 的新体系。
芯片这张牌，为什么现在打
阿里云过去很少在公开场合强调芯片。这次峰会，不仅发布了新一代训推一体 AI 芯片真武 M890，还破天荒地公布了未来两年的芯片路线图，真武 V900、真武 J900 两代产品逐年推进。
真武 M890 配备 144GB 显存，片间互联带宽 800GB/s，性能是上一代真武 810E 的 3 倍，搭配自研的 ICN Switch 互联芯片，128 张 AI 芯片可以组成一台机器，P2P 时延压到 150 纳秒以内
但参数之外，更关键的信息是规模，真武系列累计出货 56 万片，已经进入电信、一汽、浦发银行等 20 多个行业的 400 多家客户。
再加上倚天 CPU、磐脉智能网卡、镇岳存储主控芯片，平头哥的芯片版图已经从单点延伸到了算力、网络、存储的完整覆盖。当推理需求指数级膨胀的时候，只有把芯片握在自己手里，才能控制住每个 Token 的边际成本。
道理不复杂。模型公司可以比拼参数，云厂商最终比的是谁的 Token 更便宜、更稳定、更快。芯片是这场成本战的起点。
云本身也得重写
芯片解决的是 " 跑得动 " 的问题，但 Agent 对云的需求远不止算力。
传统云产品的交互逻辑是给人设计的，打开控制台，看菜单，配参数，点按钮。这套东西对 Agent 来说完全不可用，Agent 不看网页，不点按钮，它需要的是结构化的能力描述、标准化的调用协议和可预期的反馈。
阿里云 CTO 李飞飞用一组对比来说明问题：传统云的工作负载是稳态的，一台 ECS 开出来可能跑几个月甚至几年；但 Agent 的工作负载是 " 无规律弹性、短生命周期、瞬时起量即走 "，一个 Agent 执行完任务，沙箱就销毁了，下一个请求可能几毫秒后就来，也可能几小时后才来。
为此，阿里云做了三件事。
第一，把云产品 Skill 化、MCP 化和 CLI 化。简单说就是把每个云产品封装成 Agent 可以直接调用的标准化接口，像调函数一样调云。
第二，为 Agent 构建专属的运行环境——轻量沙箱、多 Agent 协同、跨任务记忆、数据流转通路。
第三，重建调度逻辑，从 " 资源调度 " 转向 " 任务调度 "，因为当海量 Agent 同时并发的时候，传统的资源编排方式扛不住。
刘伟光表示，一些 AI 应用上线后，会自动在后台开通云资源——虚拟机、数据库实例、沙箱环境，全程不需要人介入，一个客户一天内自动开通的资源量，相当于过去人工操作两周。
" 这已经等于说 Agent 在自己使用云了。" 刘伟光给出了一个内部测算的换算关系：Token 消耗可以按比例折算成 GPU 用量，而每一卡 GPU 的增长，大致带动一比一的 CPU 增长。也就是说，Token 收入的增长不是在蚕食传统云收入，而是在拉动它，前提是云平台能够接得住 Agent 的工作负载。
因此，阿里云不是在原来的体系上加一层 AI 能力，而是从交互方式、调度逻辑、计费模型到产品形态全部推翻重来。
模型不是用来聊天的
全栈重构的第三层是模型。Qwen3.7-Max 在 Arena 全球盲测总榜中排到了国产第一，超过 Kimi-K2.6、DeepSeek-v4-pro、GLM-5.1，这次发布的重点，是阿里对模型能力方向的重新定义。
阿里巴巴通义大模型负责人周靖人表示，" 过去我们追求模型 ' 说得好 '，现在要求模型 ' 做得到 '。"
这说明了模型在 Agent 场景下的核心能力，长程自主执行，接过一个任务，自己拆解、自己规划、自己写代码、自己调试，连续干 35 个小时不停。
为了支撑这种级别的推理需求，百炼平台也做了对应升级，并池调度提升 GPU 利用率，上下文缓存消除重复计算，吞吐弹性调度应对并发波峰。
在生态上，百炼保持开放接入，除了千问模型矩阵，还上线了智谱 GLM-5.1、MiniMax M2.7、月之暗面 Kimi K2.6 等第三方模型。
刘伟光提到，" 客户在实际使用中不会只用一个模型，是多模型组合。我们提供组合，客户在平台上找到最适合自己的搭配。" 峰会现场，六家国内头部模型公司的高管集体站台，场面颇有 " 国内 AI 联盟 " 的意味。
近三个月内，千问旗舰模型连续迭代了 3.5、3.6、3.7 三个版本。这个发布节奏本身就在传递信号，模型能力的竞赛远没有结束，而阿里打算用自研芯片 + 自研模型的纵向整合来建立长期优势。
这场重构的真正赌注
回过头来看，阿里云这次全栈重构的底层逻辑简单纯粹，当 AI 收入的增长速度远超传统云业务，当 Token 有可能取代 ECS 成为最大的产品线，当 Agent 开始自动开通云资源而不再需要人类登录控制台，整套为人设计的技术体系就到了不得不改的时候。
但执行层面的难度是另一回事。刘伟光自己也承认，转型 " 说起来容易，做起来非常难 "。过去销售团队跟客户的 IT 部门打交道，现在做 MaaS 要跟业务部门甚至 CEO 对话，
" 你的对话能力、阅历，完全是另一个层次的要求 "。阿里云已经在大客户上设立了专职的 MaaS 销售，与传统 IaaS 销售分开考核、独立作战。
考核指标也在变，不再只看调用量，而是看 " 高质量 Token"，解决实际问题的 Token，而不是灌水聊天的 Token。三个核心指标：付费客户数的日增长、核心业务系统接入模型的数量、Agent 自主完成任务闭环的效率。
这些组织和机制层面的调整，往往比技术发布更能说明一家公司的真实判断，阿里云要重建收入结构、客户关系和销售体系。刘伟光表示，" 以前我们做云的时候，客户的 IT 预算是能算出来的，线下多少台服务器，搬上来大概多少钱，能看到题目。但做 MaaS，这个题的答案你是不知道的，进去之后可能超乎你的想象。"
题目看不到了，答案也不确定，但阿里云还是决定把整套体系拆开重写，因为唯一确定的是，AI 是比以往大上十倍甚至百倍的机会。
这大概就是这次峰会最值得关注的信息：不是哪款芯片多出算力，哪个模型排名第几，而是中国最大的云厂商，正在用一种接近创业公司的激进姿态，赌一个它认定会到来的未来。（本文作者 | 张帅，编辑 | 杨林）
