阿里亮出全栈 AI 牌：Qwen 4 训练中，镇武 V900 芯片明年量产

9 月 22 日，阿里在杭州云栖大会上公布了它的全栈 AI 战略。

芯片、云基础设施、模型和智能体，四条线一次讲完。这是阿里第一次把“全栈”摆到台面上讲。

模型：Qwen 4 训练中，Qwen 5 规划 5 到 10 万亿参数

这次最受关注的是模型路线图。阿里确认，Qwen 4 正在训练中。同时给出了更远的规划：Qwen 4.5 和 Qwen 5，参数规模预计达到 5 万亿到 10 万亿。

作为参照，据公开资料，当前旗舰 Qwen3.8-Max 是 2.4 万亿参数的稀疏 MoE 模型，单 token 激活 95B 参数，支持 100 万 token 上下文。

要注意区分：5 到 10 万亿目前只是路线图上的数字，不是已发布规格。参数多了不等于更强，稀疏架构下总参数数更不能直接换算成能力。

阿里还披露了“递归自我改进”（RSI）的进展。Qwen3.8-Max 在一个多月的时间里完成了 33 轮自动迭代，覆盖流程设计、数据验证、实验迭代和错误诊断，Artificial Analysis 评分从 40 升到 45。

多模态产品线也有更新：Qwen3.8-LiveTranslate 同声传译模型，延迟（LAAL 指标）从 2.8 秒降到 2.3 秒；Qwen-Audio-3.1-TTS-Next 可以从一段脚本同时生成对白和环境音，主打有声书、影视、播客和游戏场景；语音识别、文字转语音、实时语音三个工具同步更新；图像生成 Qwen-Image 3.1 计划今年晚些时候发布，支持透明背景生成和图像编辑。

芯片：镇武 V900，性能是上一代的 3 倍

阿里旗下芯片设计公司平头哥（T-Head）发布了镇武 V900 AI 处理器。

阿里给出的数据：性能是 5 月发布的镇武 M890 的 3 倍；配备 216 GB 显存，芯片间互联带宽 1200 GB/s；支持 FP8 和 FP4 等低精度格式，训练和低精度推理都能跑。

量产和商用计划在 2027 年第一季度。目前公开的都是官方规格，独立第三方测试还没有。价格、功耗、制程工艺这些信息，也都没公布。

云：2032 年数据中心容量超过 20GW

阿里 CEO 吴泳铭在大会上立了一个长期目标：到 2032 年，阿里云在全球运营的数据中心容量超过 20GW。

他给出的理由是算力需求还会大幅增长。原话是：“今天机器思考的总量还不到人类思考总量的 3%。如果未来扩大到人类能力的 1000 倍，简单的数学告诉我们：机器思考还有巨大的增长空间。”

云战略上，阿里提出了“智能体云”概念，分成三层：模型层（AI Native Cloud，做训练和推理）、智能体层（Agent Native Cloud，做智能体的部署和运行）、上下文层（Context Engine，做实时数据和长期记忆）。

据报道，阿里云还计划未来 12 个月在土耳其、芬兰和荷兰新增云区域，并在多个市场扩建数据中心。

怎么看这场发布

把这次发布的信息分三类看，会清楚很多。

已经确认的：V900 的规格、Qwen 4 在训练中、多模态产品线更新、大会议程本身。

路线图上的：V900 在 2027 年一季度量产、Qwen 4.5 和 Qwen 5 的 5 到 10 万亿参数、2032 年 20GW 目标。

厂商说法的：V900 的 3 倍性能、33 轮自我迭代带来的评分提升。

还没公布的：V900 的独立测试、价格、功耗、制程；Qwen 4、4.5、5 的确切发布时间。

整体看，阿里这次赌的是垂直整合：自己设计芯片、自己做集群和存储、自己训练模型、自己运营云，最后把整套东西卖出去。如果路线图能落地，它卖的就不是某一个模型，而是模型运行在其上的基础设施。

下一阶段的 AI 竞争，不会只看谁的参数多，要看谁能把训练、运行、分发、集成、变现整条链条打通。阿里这场发布，就是朝这个方向下的注。