中国AI的“Max时刻”！千问最强模型开启第二增长曲线

回顾2024年至2025年,资本市场对中国科技资产的定价逻辑经历了一场漫长的拉锯。

随着Qwen2.5和DeepSeek的惊艳表现,市场曾短暂掀起过一轮对中国AI的“重估浪潮”。那时候,投资者看到了中国大模型“追平”硅谷的希望,阿里巴巴的股价也曾因此出现修复性反弹。

然而,那轮行情的性质更多是“情绪修复”。

全球资金虽然承认中国科技企业“没有掉队”,但依然顽固地拒绝相信它们能够“领跑”。在华尔街的定价模型中,阿里电商基因依旧强大,其AI与云业务的潜在价值,仅仅被视为一种看涨期权,有潜力,但并非是进攻性的增长引擎。

想要改变这种惯性定价,中国大模型们只能不断用新产品逐渐改变市场看法。

2026年1月26日,阿里云正式发布旗舰推理模型Qwen3-Max-Thinking,性能爆表,甚至在多项全球权威评测中超越GPT-5.2、Gemini 3 Pro,成为首个真正意义上性能最接近国际顶尖模型的国产AI大模型。

值得注意的是,本次模型突破的关键在于模型推理机制的代际升级。

业界普遍的推理计算,往往只会简单增加并行推理路径,通过重复推导已知结论来撞大运,造成了巨大的算力冗余。千问新模型则采用了一种全新的“测试时扩展”(Test-time Scaling)机制。

它引入了“经验提取”式的提炼过程,模型可对此前的推理结果进行多轮自我迭代,在相同的上下文中实现更高效的计算,获得更智能的结果。这是一种让模型“慢思考”的策略,以计算换智能,同时保证了经济性。

基于这一创新,Qwen3-Max-Thinking的推理性能实现了质的飞跃。在启用工具的“人类最后的测试”HLE(Humanity's Last Exam)评测中,千问得分高达58.3。作为对比,OpenAI的GPT-5.2-Thinking得分为45.5,Google的Gemini 3 Pro为45.8。超过10分的差距,在AI评测领域意味着代际级的领先。

面向即将到来的智能体Agent时代,Qwen3-Max-Thinking还大幅增强了自主调用工具的原生能力。

当技术代差不断被抹平,资本市场对阿里巴巴的AI重定价便不再是一个“是否”的问题。

从“拼算力”到“拼智能”,国产AI找到了第二曲线

过去五年,AI行业的发展主线遵循Scaling Laws,即通过堆砌更多的卡、喂更多的数据来提升智能。

然而进入2025年后,这一路径遭遇了物理墙,高质量数据枯竭,训练成本指数级爆炸。

从训练转向推理,行业迫切需要第二条增长曲线。

Qwen3-Max-Thinking的核心突破之一便在于测试时扩展,这类似于人类心理学中的“系统2”思维,当面对高阶数学证明或复杂代码架构时,模型不会立即吐出第一个生成的Token,而是会在后台启动一个深思熟虑的思考过程。

这一过程包含思维链搜索、自我验证与多轮迭代。

千问团队引入了独特的经验提取机制,让模型在推理过程中“学习如何寻找答案”,识别并剪枝冗余的逻辑路径,这种机制确保了算力被用于探索最有价值的分支,从而在同等算力消耗下产出极高密度的智能。

作为目前阿里乃至中国科技界规模最大的模型,Qwen3-Max-Thinking总参数超万亿,预训练数据高达36T Tokens。其在HLE测试中的表现极具标志性意义,Qwen的高分证明了其技术不仅能解数学题,更能处理现实世界中模糊、多变的任务。

此外,模型实现了原生Agent能力的内化。

在以往,大模型只是“大脑”,需要外挂工具,常导致指令遵循不稳定。Qwen3-Max-Thinking则像专业人士一样,边用工具边思考,它可以自主判断何时搜索互联网、何时编写代码、何时查阅知识库,并根据反馈动态调整计划。

这种能力大幅降低了模型幻觉,为企业级应用提供了必要的可靠性保障,展现出了极高的面向Agent时代的规模化工程落地的可能性。

这也意味着,阿里不再是单纯“卖算力”,也不只是提供单个的大模型,而是通过真实可用的完整“智能化解决方案”,探索AI落地的更大可能,从以往的“成本叙事”迈向“价值叙事”。

开源的倒戈:西谷东阿与全球开发者的用脚投票

如果说Qwen3-Max-Thinking的技术突破是阿里的“里子”,那么Qwen系列在开源生态的统治力则是其光鲜的“面子”。这一领域的格局变化,正在重写全球AI的地缘政治版图。

Meta的Llama系列曾被视为开源大模型的默认标准,但在2026年1月,这一局面已被彻底打破。

Hugging Face数据显示,基于Qwen的衍生模型数量突破20万个,成为全球首个达成此目标的开源家族。其累计下载量突破10亿次,日均下载量高达110万次,已完全超越Llama,稳居全球第一。

MIT的研究指出,中国开源AI模型的全球采用份额已跃升至17.1%,首次超越美国的 15.8%。

Qwen的胜利源于其“全尺寸、全模态”的策略。从0.5B到480B的全参数段覆盖,以及对119种语言的支持,使其在东南亚、中东等新兴市场迅速成为首选。

更具戏剧性的信号来自硅谷内部。

据彭博社报道,Meta内部代号“牛油果”(Avocado)的秘密项目,不得不开始采用“蒸馏”技术向Qwen学习。扎克伯格亲自关注的新组建的TBD实验室团队,在训练其新模型时蒸馏了多方开源模型,其中就包括 Qwen。

这在技术层面间接承认了Qwen在特定能力上的领先。

英伟达CEO黄仁勋在2025 GTC大会上直言:“中国在开源领域遥遥领先。”这番话为这一趋势做了注脚。

硅谷工程师展现出了极度的实用主义:谁好用就用谁。

全栈的护城河:云、芯、应用与资本市场的估值重构

在分析中国科技巨头时,投资者常犯的一个错误是将阿里简单视为“电商公司+云服务商”。

事实上,AI时代,从底层的基础设施、中间的模型能力、再到上层的应用,综合到一起,才是一家公司AI能力的完整体现。而阿里巴巴正是目前中国唯一、全球唯三具备“算力、模型、应用”全栈闭环能力的科技公司,这种全栈优势正在转化为公司护城河。

AI竞争的尽头是能源与算力。

面对英伟达高端芯片的出口限制,阿里的硬件布局展现了极强的前瞻性。阿里平头哥研发的PPU在特定推理任务上的性能已与英伟达H20相当。配合倚天710服务器芯片,阿里构建了“一云多芯”的异构算力体系。

上周,更有市场消息指出,阿里巴巴已决定支持平头哥未来独立上市。这不仅意味着阿里手里多了一张可以在资本市场单独定价的王牌,更意味着国产大模型在底层算力支撑上,有了更充足的底气

但芯片只是起点。AI时代,真正决定企业长期竞争力的,是整套云计算架构能否完成从“通用计算”向“AI原生”的系统性重构,这涉及到计算、存储、网络、乃至MaaS平台的全栈升级。

在这方面,阿里云已构建起目前中国最完整的AI基础设施。摩根士丹利在最新报告中预测,阿里云的收入将在三年内翻倍,从2025财年的1180亿元增长至2028财年的2400亿元。其目标是在2026年拿下中国AI云市场增量的80%。

在应用层,千问APP正快速验证这一技术闭环的商业潜力。

上线首周下载量突破1000万,两个月月活(MAU)即突破1亿。更为关键的是,千问APP正在重新定义AI应用的形态,从一个单纯的聊天机器人,进化成全球首个“能办事”的AI。全面接入淘宝、支付宝、飞猪、高德等生态,用户只需一句语音指令,模型即可自主完成订机票、叫外卖、买东西的全流程。这种“AI+生活全场景闭环”,将AI的价值从信息层推向了交易层,打开了远超订阅制的商业化空间。

在AI竞赛中,Capex(资本开支)是通往未来的门票。阿里CEO吴泳铭去年宣布,未来三年将投入超过3800亿元用于建设云和AI硬件基础设施。

对比美股,谷歌、Meta和Amazon同样在疯狂烧钱,因为他们看清了AI带来的赢家通吃效应。阿里高达3000亿级别的投入,更应被视为对未来十年竞争资格的买断。

当Qwen3-Max-Thinking证明了中国在算法上的顶级实力,当阿里云证明了其在算力上的可控,当千问APP证明了AI在商业场景中的落地能力,阿里的AI估值便具备了重构的坚实基础。