过去两年，AI肉眼可见地变聪明了，也变便宜了——好用的那些工具，很多都能免费用。但很少有人问一句：这种普惠，靠什么撑着？ 答案不浪漫：靠砸钱，靠把房子、电和芯片堆出来。微软计划到2032年将全球数据中心容量扩充到现在的3倍多，实际上，全球头部科技公司几乎都在做同一件事：把成百亿上千亿美元投进机房和电网。 这背后的判断是一致的：AI的下一程，拼的不只是模型有多聪明，而是谁能以更低的成本、更稳定地把智能持续生产出来。竞争的焦点也正在下沉——从屏幕里的演示，转向电力、芯片、机房和工程交付的较量。 这件事离普通人其实也并不远：往小了说，它决定了你免费用着的AI工具，能不能一直便宜下去；往大了说，它决定了"智能"会不会像电一样，成为人人可用的公共品。 而这个月，阿里云刚刚定了一个目标：未来要通过巨量的数据中心建设，来承接未来近乎无限的需求。 他们在算什么账？ 9月22日，杭州云栖大会。阿里巴巴集团CEO吴泳铭在演讲中抛出了两个数字。 一个很小： 3% 。这是今天机器思考总量相对人类的比例。 一个很大： 20GW 。这是阿里云定的目标：到2032年，运营的全球数据中心规模超过20GW。 前一个数字讲需求有多大，后一个讲阿里准备建多大的"电厂"。两个数字中间，隔着一门还没人算清楚的生意：怎么把智能变成一种能持续生产、大规模交付、价格一路往下走的商品。 这门生意，不妨叫它 GW经济学 。 AI的市场，不止一张工资表 讨论AI市场有多大，最常见的算法是一笔替代账：全世界有多少程序员、设计师、客服和分析师，他们一年挣多少钱，AI能替掉几成。 这笔账没算错，但格局小了。 按世界银行和OECD的口径，全球知识工作者每年的劳动报酬在30万亿至40万亿美元量级。综合IDC、Gartner的预测，2026年全球AI产业收入还不到1万亿美元。就算只盯着工资表，AI的商业化也才刚起步。 阿里走的是另一条路。他不问AI能替代多少岗位，他问的是：当机器可以不眠不休地思考，一个人能调动的智力资源，会不会突破工时和人口的天花板？ 答案是会。今天机器思考的总量约为人类的3%，未来会达到人类的1000倍以上，中间约有3万倍的增长空间。 听起来像科幻，但工业革命已经演过一遍。蒸汽机最早只是替人抽水、织布、搬运，"马力"这个词就是这么来的。可机器动力真正改变世界，不是因为替代了多少人和马，而是造出了火车、飞机和火箭。这些事，再多的人和马也干不了。 所以阿里把今天的AI Coding比作电气时代的"电灯"。电灯很重要，但电气时代真正的大生意，比如空调、冰箱、计算机，都是电网铺开之后才长出来的。 变化其实已经在发生。客户最开始为代码补全付费。后来，编程Agent能读懂整个代码库、改多个文件、自己跑测试。再往后，企业买的可能不再是工具，而是从需求分析到上线运维的一整段结果。采购、销售、客服、财务、科研，都可能走上同一条路：客户买单的对象，从一次模型调用变成一个完成了的任务。 求增长的逻辑也就变了。不只是"更多人在用AI"，而是每个人能调动的机器工作量在成倍放大。 模型能力还在把这条边界往外推。Qwen团队正在探索递归式自我改进（RSI），让模型从真实反馈里找到自己的短板，自己设计实验、构造数据、验证结果，目前已取得一定进展。团队同时计划训练5—10T参数规模的新模型。 参数不是终点。关键在于模型能不能接住更复杂、更长程的任务，把今天还不存在的工作变成明天的需求。 需求无限，供给稀缺 需求的水龙头拧开了，下一个问题是：Token接得住吗？ 目前接不住。吴泳铭在演讲中坦言，客户AI需求非常强劲，但行业中长期需求远超供给能力，AI数据中心供应链的全球性紧缺，正在限制算力增长的速度。芯片、HBM、电力、网络、机房，每一环都有约束。 AI数据中心也不是往机房里多塞几台GPU这么简单。供电、制冷、互联、存储、调度、故障恢复，再加上模型和芯片的联合调优，共同决定一个集群最终能产出多少有效Token。 供给侧的胜负，取决于两个变量。 第一是规模。 20GW是什么概念？以仲量联行对全球和亚太数据中心容量的预测为参照，大致相当于全球的10%、亚太的三分之一。 第二是价格。 能不能把"思考"做到白菜价，像用电一样随取随用。 这里有个老故事。1884年，华盛顿纪念碑的塔尖用了铝，因为当时铝的价格和银相当，是体面的象征。直到电解铝工艺出现，成本断崖式下降，铝才从贵金属变成易拉罐。 智能正在走同一条路。只有"思考"的价格一路往下走，大量原本不划算的任务才会交给机器，企业才敢把Agent放进核心生产流程。 20GW回答的是规模问题，芯、模、云的协同优化回答的是价格问题。两个答案合起来，才是阿里对AI供给的完整押注。 三条业务线，一条生产线 单独看，Qwen、平头哥和AI云是三条业务线。拼在一起，阿里掌握的便是一