阿里的蒸汽机时代：重金押注机器思考量

很多人可能不知道，工业革命早期投入实用的蒸汽机与火车毫无关系。

1712年，纽可门制造的大气式蒸汽机长年守在煤矿口抽水。它的热效率仅约1%，能持续运转主要依靠煤矿廉价的燃料，替人类和马匹承担最基础的繁重劳力。这台昂贵的矿井设备，在当时距离织布机、蒸汽轮船和铁路网还极其遥远。

数百年后，阿里巴巴首席执行官吴泳铭在云栖大会上，将当下的 AI Coding 类比为 1882 年的电灯：机器能写代码、做汇报、整理会议纪要，承担的仍是既有人力工作，机器智能时代的标志性产品尚未真正诞生。

他给这种潜在的生产力算了一笔账：目前全球机器思考总量不及人类的3%，未来可能达到人类的1000倍以上。“机器思考量”不仅是一个统计指标，更是阿里重构全盘业务的战略基准点。

寻找智能时代的“马力”

18世纪中后期，瓦特改进冷凝器并解决旋转运动问题后，蒸汽机开始有能力驱动纺织机与冶金设备。为了让工厂主理解其商业价值，瓦特创造了“马力”（Horsepower）这一单位，用旧世界的经验度量新时代的做功能力。

吴泳铭提出的“机器思考量”，本质上是瓦特“马力”概念的重现。它以人类智力劳动为参照系，为尚未完全爆发的机器生产力标定市场需求。在阿里内部实验中，Qwen3.8-Max 在无人干预下持续自主运行一个多月，完成33轮有效迭代；在芯片设计测试中，模型调用 EDA 工具超一万次，使总线模块物理面积缩减42%。

从单次 Prompt 问答到自主调用工具、多轮迭代的长程任务，机器的工作模式正从单点辅助走向长流程接管。Token 记录了既有的调用，“机器思考量”则指引着基础设施的扩容空间。

动力先行：基建与调度系统的重塑

长程自主任务持续运行数天甚至数月，对系统容错、权限控制、算力协同提出了严苛要求。平头哥公布的真武 V900 训推一体芯片，配合服务器 CPU、互联芯片与存储主控，可通过超节点架构连接至50万卡规模的单一集群。

硬件底座之上，阿里云推出了 Agentic Cloud。其核心组件 AgentCore 专职负责长任务的断点恢复、异常重试、身份鉴权与操作审计，Agent Sandbox 则为复杂工具调用提供隔离沙箱环境。

2025年，阿里宣布未来三年至少投入3800亿元建设云计算与 AI 基础设施，并将2032年的数据中心供电目标锚定在20GW。模型、算力和系统框架的整合，正是为了消化未来海量的自主运算需求。

从“点亮电灯”到“重构车间”

1882年爱迪生在纽约点亮珍珠街电站时，仅服务数十位客户与数百盏电灯。真正带来生产率飞跃的，并非把蒸汽机换成中央电动机，而是将微型电机嵌入每台机床后，整个厂房流水线按工艺流程重新布局。

企业引入 AI 正面临类似门槛。大部分企业将模型用于辅助起草文稿，却不敢放权给核心业务系统，根源在于数据上下文、权限边界和责任链路未被打通。如果缺乏系统级授权，AI 只能长期停留在工作流边缘。

让 AI 真正接管复杂流程，需要“业务上下文、可用工具、操作权限”三者齐备。中国平安的数据印证了这一趋势：在算力提升不到一倍的情况下，日均 Token 消耗量在一年内由300亿飙升至3000亿以上，承接了超过1亿次自主业务服务。

模型能力解决“能不能做”，企业上下文解决“做什么”，工具权限解决“怎么推进”。当这三者贯通，企业才能给机器排出一张真正意义上的“工时表”。

组织重构与资本账本

底层生产力的转换，必然倒逼企业组织架构的剧变。阿里通过设立 Alibaba Token Hub（ATH），将通义大模型、MaaS 服务与千问应用串联在同一闭环内，围绕“生产 Token、输送 Token、消耗 Token”重构业务界面。

在财务报表层面，阿里进一步将云智能与平头哥合并为“AI 云与算力服务”，与应用层拆开结算，让 AI 拥有独立的资产负债表与收入成本模型。伴随算力建设加速，资本开支的大幅攀升与自由现金流的收紧，直观反映了阿里提前备战基础设施的激进态度。

传统互联网业务在交易完成后确认营收，而机器智能时代的基础设施，则必须在需求完全成型前将计算产能准备就绪。阿里赌注的核心，在于全球市场能否在未来产生足够密集的机器工作需求。

当年瓦特测算“马力”时，世人尚不知工业革命将走向何方；如今重新度量“机器思考量”，正是用新生产力的标尺，为下一班工业列车铺设轨道。