作者：高恒（中國科技新聞學會科幻傳播與未來產(chǎn)業(yè)專委會會員專家）

3月16日，阿里巴巴內(nèi)部宣布成立 Alibaba Token Hub（ATH）事業(yè)群，由阿里巴巴CEO吳泳銘直接負責。新事業(yè)群整合了通義實驗室、MaaS業(yè)務線、千問事業(yè)部、悟空事業(yè)部以及AI創(chuàng)新事業(yè)部，并提出一個核心目標：圍繞 “創(chuàng)造Token、輸送Token、應用Token”，重新搭建阿里的AI業(yè)務體系。

在移動互聯(lián)網(wǎng)時代，平臺競爭的核心是流量入口。但在大模型時代，越來越多公司開始意識到，真正決定AI商業(yè)規(guī)模的，不只是模型參數(shù)和技術指標，而是 Token的生產(chǎn)與消耗能力。

在筆者看來，阿里這次成立ATH，看起來是一次AI部門整合，本質(zhì)上卻是在重構一條新的AI生產(chǎn)體系：從模型研發(fā)到平臺分發(fā)，再到應用落地，讓Token在體系中不斷生成、流動和消耗。隨著AI Agent開始進入真實業(yè)務流程，這種圍繞Token運轉(zhuǎn)的體系，很可能會成為AI時代新的基礎設施。

01：AI競爭正在從“模型能力”變成“Token消耗”

在大模型體系中，Token是模型處理信息的最小單位。用戶輸入的文字、模型生成的內(nèi)容，本質(zhì)上都會被拆分成Token進行計算。

行業(yè)里有一個比較通行的估算方式：1個漢字≈1個Token。

無論是API調(diào)用價格、模型推理成本，還是算力消耗，大多數(shù)AI產(chǎn)品幾乎都以Token作為計量單位。換句話說，大模型表面上在比拼參數(shù)規(guī)模、模型能力和技術指標，但真正落到商業(yè)層面，決定收入規(guī)模的往往只有一個指標，Token消耗量。

原因很簡單：每一次模型調(diào)用、每一次內(nèi)容生成、每一次推理計算，都會消耗Token。調(diào)用次數(shù)越多，Token消耗越大，對應的算力需求和商業(yè)收入也就越高。

過去一年，這個需求正在明顯加速。

在阿里內(nèi)部，春節(jié)期間推出的Coding Plan Tokens，一度成為阿里云歷史上銷量增長最快的產(chǎn)品之一。由于購買需求過于集中，原本設計的“首購優(yōu)惠”在上線兩周后就被迫停止。這一現(xiàn)象在一定程度上反映出，企業(yè)和開發(fā)者對AI算力和模型調(diào)用的需求正在迅速上升。

更大的變化來自AI Agent。

隨著大模型能力不斷提升，越來越多AI應用不再只是回答問題，而是開始直接執(zhí)行任務，比如寫代碼、整理文檔、處理客服咨詢，甚至自動完成部分業(yè)務流程。業(yè)內(nèi)普遍把這種能夠自主執(zhí)行任務的系統(tǒng)稱為AI Agent。

吳泳銘在此次內(nèi)部信中直言：大量數(shù)字化工作將由數(shù)以百億計的AI Agent來支撐，而這些AI Agent將由模型產(chǎn)生的Token支撐運行，成為人類與數(shù)字世界交互的主要載體。

如果這一趨勢成立，AI行業(yè)的商業(yè)邏輯也會隨之發(fā)生變化。

過去，大模型公司的競爭重點是模型能力，比如參數(shù)規(guī)模、訓練數(shù)據(jù)和評測成績。但隨著應用規(guī)模不斷擴大，真正決定商業(yè)規(guī)模的，將是模型被調(diào)用多少次、消耗多少Token。

知名科技產(chǎn)業(yè)時評人彭德宇與筆者交流分析指出，從這個角度看，Token不再只是一個技術指標，而會逐漸變成AI時代的基礎生產(chǎn)要素。就像云計算時代的算力、電力時代的能源一樣，誰能夠生產(chǎn)更多Token、分發(fā)更多Token、消耗更多Token，誰就更有可能在AI產(chǎn)業(yè)中占據(jù)優(yōu)勢。

也正因為如此，阿里把新事業(yè)群命名為Alibaba Token Hub。

這個名字本身已經(jīng)說明了公司的判斷：在AI時代，真正重要的不只是模型，而是圍繞Token形成的一整套生產(chǎn)和分發(fā)體系。Token，很可能會成為AI產(chǎn)業(yè)里的“水電煤”。

02：ATH本質(zhì)是一條“AI生產(chǎn)力供應鏈”

圍繞Token這個核心概念，阿里重新設計了自己的AI組織結(jié)構。新成立的 Alibaba Token Hub（ATH）事業(yè)群，整合了阿里內(nèi)部幾乎所有關鍵的AI能力，形成了一套新的業(yè)務體系。

從內(nèi)部信介紹來看：ATH目前由五個核心部門組成：通義實驗室：（Qwen大模型的整體研發(fā)工作）創(chuàng)造領先的多模態(tài)模型，不斷追求基礎模型能力上限，為集團和業(yè)界提供最領先模型；MaaS業(yè)務線：（由MaaS升級而成）構建高效開放的模型服務平臺和技術體系，支撐全行業(yè)AI生態(tài)；千問事業(yè)部：打造最好的個人AI助手；悟空事業(yè)部：（將是釘釘未來最重要的業(yè)務）打造B端AI原生工作平臺，將模型能力深度融入企業(yè)工作流；AI創(chuàng)新事業(yè)部：探索各類AI創(chuàng)新應用，快速驗證新模式、新市場。

從表面看，這只是一次部門整合。但如果從產(chǎn)業(yè)鏈的角度來看，阿里實際上是在搭建一條完整的AI生產(chǎn)體系。

這套體系可以拆成三個環(huán)節(jié)。

第一步，是創(chuàng)造Token。

這一環(huán)節(jié)主要由通義實驗室負責。通義實驗室承擔Qwen系列大模型的研發(fā)工作，包括多模態(tài)模型能力的持續(xù)升級。模型能力越強，能夠生成和處理的Token規(guī)模就越大，也就決定了整個AI體系的技術上限。換句話說，通義實驗室就是整條體系的源頭。

第二步，是輸送Token。

這一部分主要由MaaS業(yè)務線承擔。MaaS本質(zhì)上是阿里面向企業(yè)和開發(fā)者提供的大模型服務平臺。通過API接口、開發(fā)工具和平臺服務，它把Qwen模型能力開放給企業(yè)客戶。企業(yè)可以在這個平臺上快速開發(fā)AI應用，而模型能力也通過平臺被分發(fā)到不同的行業(yè)場景中。

第三步，是應用Token。

應用層主要包括千問、悟空以及AI創(chuàng)新事業(yè)部。這些產(chǎn)品是真正面向用戶的AI應用，也是Token被大量消耗的地方。其中，千問事業(yè)部主要面向C端用戶，目標是打造個人AI助手，通過聊天、搜索、創(chuàng)作等功能積累用戶規(guī)模。

而悟空事業(yè)部則更偏向企業(yè)市場，其定位是B端AI原生工作平臺，核心任務是把模型能力嵌入企業(yè)辦公系統(tǒng)和業(yè)務流程中，讓AI可以直接參與企業(yè)日常工作。

如果用一個更直觀的比喻來理解這套體系：通義實驗室像是“發(fā)電廠”，負責生產(chǎn)能源；MaaS平臺像是“電網(wǎng)”，負責把能源輸送到各個地方；千問和悟空則像是“用電設備”，把這些能源轉(zhuǎn)化為具體的應用場景。

而在這套系統(tǒng)中流動的“能源”，就是 Token。

通過這樣的結(jié)構，阿里把原本分散在不同部門的大模型研發(fā)、平臺能力和應用產(chǎn)品重新串聯(lián)起來，形成一條從技術源頭到應用落地的完整鏈條。

某種程度上，這也是阿里第一次用一種更接近工業(yè)體系的方式來組織AI業(yè)務，不再只是單獨做模型或做產(chǎn)品，而是圍繞Token構建一整條可以持續(xù)運轉(zhuǎn)的生產(chǎn)和分發(fā)體系。

03：這次調(diào)整真正要解決的是“AI太分散”

如果只看技術實力，阿里在國內(nèi)大模型行業(yè)一直處于第一梯隊。

過去兩年，Qwen系列模型在開源社區(qū)持續(xù)保持較高熱度。在HuggingFace等平臺上，Qwen模型長期位列下載榜前列，在多個評測基準中也能夠?qū)松踔脸^部分同規(guī)模的海外模型。這意味著，在基礎模型能力上，阿里并不缺技術積累。

但問題并不在技術，而在組織結(jié)構。

過去幾年，阿里的AI能力實際上分散在多個體系之中。例如：通義實驗室負責大模型研發(fā)；阿里云負責算力和模型服務平臺；釘釘探索企業(yè)級AI應用；淘天等業(yè)務線也在各自開發(fā)AI工具。

這些團隊分別推進產(chǎn)品和技術，在AI剛爆發(fā)的階段，這種模式并不是壞事。多條技術路線同時探索，可以幫助公司更快找到潛在機會。

但隨著AI競爭不斷升級，這種分散模式的問題也逐漸顯現(xiàn)。

對內(nèi)來看，分散意味著資源容易重復投入。不同團隊可能在同一個問題上反復開發(fā)類似功能，協(xié)同成本也不斷增加。

對外來看，產(chǎn)品認知則變得越來越模糊。

如果用戶被問到“你用什么AI”，很多人會直接回答：豆包、Kimi或者DeepSeek。但如果說到阿里的AI，情況往往會變得復雜。

是通義千問？
還是千問App？
還是夸克里的AI助手？

同一家公司、同一套技術，卻出現(xiàn)多種不同的產(chǎn)品形態(tài)，對普通用戶來說很難形成清晰認知。

隨著行業(yè)進入新的階段，這種問題開始變得更加明顯。

過去，大模型行業(yè)主要處于技術探索階段，公司更關注模型能力，比如參數(shù)規(guī)模、訓練數(shù)據(jù)和評測成績。但隨著算力投入持續(xù)增加，大模型研發(fā)成本不斷提高，AI競爭也逐漸從單純的技術競爭，變成 算力、數(shù)據(jù)和應用規(guī)模的綜合競爭。

在這樣的環(huán)境下，資源過于分散就意味著效率下降，也意味著戰(zhàn)略資源難以集中。

類似的問題，其實谷歌也曾遇到。

2023年，谷歌將 Google Brain與 DeepMind合并為新的Google DeepMind，核心目的就是減少內(nèi)部資源分散，讓研究、產(chǎn)品和技術路線形成更加統(tǒng)一的方向。

阿里這次成立ATH，從邏輯上看也有類似考慮。

通過新的事業(yè)群結(jié)構，原本分散在不同部門的大模型研發(fā)、云平臺能力和應用產(chǎn)品被重新整合進同一個體系，并由集團CEO直接負責。這種方式可以減少跨部門協(xié)同成本，讓資源配置更加集中。

彭德宇指出：換句話說，阿里不再只是同時推進多個AI產(chǎn)品，而是試圖把這些能力重新組織起來，形成一套從模型研發(fā)、平臺分發(fā)到應用落地的完整體系。

所以筆者認為：從這個角度看，ATH不僅是一次組織架構調(diào)整，也代表著阿里在AI時代的一次戰(zhàn)略轉(zhuǎn)向：ATH將模型研發(fā)、平臺能力和應用產(chǎn)品串聯(lián)成閉環(huán)，讓Token在體系內(nèi)流動、被消耗。

子彈已經(jīng)裝進槍里，接下來真正考驗的，是：API調(diào)用量、用戶規(guī)模和企業(yè)落地速度。在AI時代，Token就是驅(qū)動整套系統(tǒng)的“電力”，誰掌握Token流動，誰就掌握未來競爭主動權。