" 机器正在成为思考的主力，智能正在成为一种规模化的商品。"
在 2026 年云栖大会上，阿里巴巴集团 CEO 吴泳铭的这句话，值得从经济发展的角度理解。
工业革命把动力变成可以大规模供给的资源，并由此建立起现代产业。吴泳铭认为，类似的变化正在发生，这一次轮到了思考。
当智力能够大规模供给，企业怎样创造财富，人又将怎样工作和生活？这也是理解阿里战略的一个重要视角。
当智能从稀缺资源变成规模化商品
吴泳铭对未来经济的判断，始于一个基本变化：人类正在获得一种可以大规模扩展的智力供给。
过去，智力是一种稀缺资源。培养一名优秀的科学家、工程师或医生，需要多年学习和实践。而一个人的时间和精力始终有限，再出色的专家，也只能处理有限的问题。
因此，一个问题能够获得多少研究和思考，既取决于社会拥有多少人才，也取决于资源如何分配。有些需求虽然真实存在，却因为涉及的人太少、回报周期太长，难以获得足够投入。
吴泳铭举了罕见病研究的例子。患者数量很少的疾病，往往难以吸引充分的研究资源。他设想，当 AI 具备专业研究所需要的能力，而且算力足够便宜时，人们就可以组织大量 Agent，持续探索不同路径。
研究仍然需要实验和现实验证，但智力供给的扩大，可能使过去投入不足的领域获得新的机会。那些因为成本太高而长期搁置的问题，也可能重新进入人们的视野。
这正是智能规模化供给的经济意义：解决问题的成本发生变化，许多事情的可行性也随之改变。
吴泳铭还从需求一侧推演了这种变化。在他的设想中，一项复杂任务可以被拆分为大量子任务，由众多 Agent 持续协作。人提出一个目标，就可能调动远超个人能力的智力资源。
他以建造前往火星的飞船为例，描述机器智能怎样围绕一个目标，展开庞大而持续的工作。这样的设想，指向一种新的生产组织方式：人的创意和目标，可以带动大量机器智能投入。
在这种情况下，智能的消耗量就不再简单取决于有多少人在使用，而会随着任务的复杂程度、研究的深入程度和可调用的资源不断扩大。
沿着这一思路，我倾向于把未来的经济称为 Token 经济，或者 Agent 经济。前者着眼于智能的生产和消耗，后者着眼于智能体怎样执行任务。它们共同指向吴泳铭强调的变化：智力成为能够规模化供给、广泛调用的生产资源。
当这种资源更加充足，更多需求便有机会得到满足，更多想法也有机会进入实践。经济增长由此获得新的空间。
从电力革命理解阿里的选择
吴泳铭反复引用工业革命和电气时代，是为了帮助人们理解超出既有经验的变化。
早期机器用于抽水、织布、搬运，承担人和牲畜已经在做的事情。随着动力越来越充足，人类逐渐建立起铁路、航空和庞大的工业体系。新的生产能力，让新的设想成为可能。
电力的发展更容易说明这个道理。人们最初看到电灯，容易理解的是照明方式变了。后来出现的电器，以及围绕电力形成的生产和生活方式，却远远超出了照明。
吴泳铭把今天的 AI 编程比作早期的电灯，并判断：" 机器智能时代的代表性产品，还没有出现。"
今天，熟悉的 AI 应用大多从现有工作出发：写报告、编程、制作图片。人们容易用它们衡量 AI 的价值，因为它们对应着已经存在的岗位、流程和价格。
但当智力供给的规模和成本发生巨大变化，企业可能重新设计流程，人们也可能提出过去不会提出的需求。未来的产品，将在这些变化中逐渐形成。
站在早期电灯下面，很难完整想象后来的电气社会。吴泳铭的这个判断，也是在提醒人们，给未来留下足够的想象空间。
他的判断同时有企业实践作为背景。阿里参与模型研发、芯片设计、云服务和应用落地，既能接触智能供给的成本，也能观察客户需求。他在演讲中提到，客户 AI 需求强劲，中长期需求远超供给能力。
这些变化提供了一个观察经济增长的窗口：AI 带动芯片、数据中心等领域的投入，而更深远的影响，将取决于这些能力进入各行各业之后，能否提高效率、扩大服务范围、创造新需求。
吴泳铭强调，机器智能时代有三大基石：AI 模型、AI 芯片和 AI 云。放在智能供给的框架里，逻辑就很清楚。
模型提升解决问题的能力，芯片提供计算资源，云把计算、存储、网络和工具组织起来，方便企业和个人调用。它们共同影响智能的质量、成本和可获得性。
越来越多的经济活动需要机器智能，就要求供给足够强、足够便宜、足够方便。阿里的投入，是在为其判断中的未来经济建设基础设施。
如同电气时代需要发电站和电网，智能经济也需要持续生产和提供智能的体系。企业实践让吴泳铭看到需求，历史经验帮助他理解需求可能走向的规模。两者结合，构成了阿里战略背后的经济判断。
机器承担更多工作之后，人做什么
普通人关注未来经济，最终还是会回到自己的生活：AI 能做的事情越来越多，我的工作会怎样？经验还值不值钱？效率提高之后，我能否分享到收益？
这些担忧完全可以理解。社会将来可能出现什么新行业，未必能立即回答一个人眼下的收入问题。
吴泳铭试图借助历史，为这种不安提供另一种观察角度。他提到工业革命之后发展起来的现代体育和大型赛事，还讲到一个生动的场景：一个 300 年前在田间劳作的农夫，很难想象未来的人会走进健身房，花钱进行体力活动。
同样是消耗体力，在不同经济条件下，可以对应完全不同的需求。人们获得更多闲暇之后，会追求健康、竞技、娱乐，以及活动本身的快乐。围绕这些追求，又形成新的职业和产业。
机器智能也可能为脑力活动带来类似变化。吴泳铭认为，当机器承担更多不得不做的事情，人就有时间去做真正想做的事情，好奇心和创造力也将获得更大空间。
这一点，我也认同。许多职业本来就包含对人的理解、对问题的判断和对新方案的探索，只是日常事务占用了太多时间。
如果 AI 能够可靠地承担资料整理、重复沟通和初步分析，教师就可能有更多精力理解学生，工程师可以试验更多设计，创作者可以把更多时间用于观察生活。工作中那些重要、却常常被挤压的部分，有机会重新得到重视。
吴泳铭还用摄影与绘画的关系说明，技术变化可以为创造打开空间。摄影出现之后，绘画继续发展，画家继续探索新的表达方式。既有技能的价值会变化，人们对艺术和表达的追求仍然存在。
当然，AI 本身也会参与创作。人的价值，需要在具体生活中寻找：什么问题值得解决，什么产品令人满意，怎样建立信任，谁来对结果负责。
创造也不必被理解得过于宏大。发现一个未被满足的需求，改进一项服务，组织一次有意义的活动，都可能构成创造。智能供给增加，让更多人有能力把想法做出来。
但从生产率提高到生活改善，还有一段需要社会共同完成的路。新岗位可能需要不同技能，企业节省的成本也不会自动成为每个人的收入和闲暇。
教育、职业转换支持、社会保障，以及使用技术的机会，都会影响人们能否分享收益。人们需要看到更强的机器，也需要看到自己参与未来经济的可能。
结语
吴泳铭描绘的未来，是智力大规模供给之后，更多问题得到解决，更多需求获得满足，更多想法变成现实。阿里对模型、芯片和云的投入，就嵌在这一判断之中。
三百年前的农夫无法想象健身房，今天的我们也未必能想象智力充沛之后的生活。值得期待的是，人们有更多能力实现自己的设想，也有更多时间决定，自己想过怎样的生活。
