阿里AI大整合：圍繞Token打一場新仗

作者：高恒（中國科技新聞學會科幻傳播與未來產業專委會會員專家）

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

在移動互聯網時代，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商業規模的，不只是模型參數和技術指標，而是 Token的生產與消耗能力。

在筆者看來，阿里這次成立ATH，看起來是一次AI部門整合，本質上卻是在重構一條新的AI生產體系：從模型研發到平臺分發，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開始進入真實業務流程，這種圍繞Token運轉的體系，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、模型生成的內容，本質上都會被拆分成Token進行計算。

行業里有一個比較通行的估算方式：1個漢字≈1個Token。

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

原因很簡單：每一次模型調用、每一次內容生成、每一次推理計算，都會消耗Token。調用次數越多，Token消耗越大，對應的算力需求和商業收入也就越高。

過去一年，這個需求正在明顯加速。

在阿里內部，春節期間推出的Coding Plan Tokens，一度成為阿里云歷史上銷量增長最快的產品之一。由于購買需求過于集中，原本設計的“首購優惠”在上線兩周后就被迫停止。這一現象在一定程度上反映出，企業和開發者對AI算力和模型調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務流程。業內普遍把這種能夠自主執行任務的系統稱為AI Agent。

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

如果這一趨勢成立，AI行業的商業邏輯也會隨之發生變化。

過去，大模型公司的競爭重點是模型能力，比如參數規模、訓練數據和評測成績。但隨著應用規模不斷擴大，真正決定商業規模的，將是模型被調用多少次、消耗多少Token。

知名科技產業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，誰能夠生產更多Token、分發更多Token、消耗更多Token，誰就更有可能在AI產業中占據優勢。

也正因為如此，阿里把新事業群命名為Alibaba Token Hub。

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

02：ATH本質是一條“AI生產力供應鏈”

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

從內部信介紹來看：ATH目前由五個核心部門組成：通義實驗室：（Qwen大模型的整體研發工作）創造領先的多模態模型，不斷追求基礎模型能力上限，為集團和業界提供最領先模型；MaaS業務線：（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AI生態；千問事業部：打造最好的個人AI助手；悟空事業部：（將是釘釘未來最重要的業務）打造B端AI原生工作平臺，將模型能力深度融入企業工作流；AI創新事業部：探索各類AI創新應用，快速驗證新模式、新市場。

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

這套體系可以拆成三個環節。

第一步，是創造Token。

這一環節主要由通義實驗室負責。通義實驗室承擔Qwen系列大模型的研發工作，包括多模態模型能力的持續升級。模型能力越強，能夠生成和處理的Token規模就越大，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業務線承擔。MaaS本質上是阿里面向企業和開發者提供的大模型服務平臺。通過API接口、開發工具和平臺服務，它把Qwen模型能力開放給企業客戶。企業可以在這個平臺上快速開發AI應用，而模型能力也通過平臺被分發到不同的行業場景中。

第三步，是應用Token。

應用層主要包括千問、悟空以及AI創新事業部。這些產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、創作等功能積累用戶規模。

而悟空事業部則更偏向企業市場，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辦公系統和業務流程中，讓AI可以直接參與企業日常工作。

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“發電廠”，負責生產能源；MaaS平臺像是“電網”，負責把能源輸送到各個地方；千問和悟空則像是“用電設備”，把這些能源轉化為具體的應用場景。

而在這套系統中流動的“能源”，就是 Token。

通過這樣的結構，阿里把原本分散在不同部門的大模型研發、平臺能力和應用產品重新串聯起來，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體系的方式來組織AI業務，不再只是單獨做模型或做產品，而是圍繞Token構建一整條可以持續運轉的生產和分發體系。

03：這次調整真正要解決的是“AI太分散”

如果只看技術實力，阿里在國內大模型行業一直處于第一梯隊。

過去兩年，Qwen系列模型在開源社區持續保持較高熱度。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對標甚至超過部分同規模的海外模型。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；阿里云負責算力和模型服務平臺；釘釘探索企業級AI應用；淘天等業務線也在各自開發AI工具。

這些團隊分別推進產品和技術，在AI剛爆發的階段，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。

對內來看，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類似功能，協同成本也不斷增加。

對外來看，產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，卻出現多種不同的產品形態，對普通用戶來說很難形成清晰認知。

隨著行業進入新的階段，這種問題開始變得更加明顯。

過去，大模型行業主要處于技術探索階段，公司更關注模型能力，比如參數規模、訓練數據和評測成績。但隨著算力投入持續增加，大模型研發成本不斷提高，AI競爭也逐漸從單純的技術競爭，變成 算力、數據和應用規模的綜合競爭。

在這樣的環境下，資源過于分散就意味著效率下降，也意味著戰略資源難以集中。

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部資源分散，讓研究、產品和技術路線形成更加統一的方向。

阿里這次成立ATH，從邏輯上看也有類似考慮。

通過新的事業群結構，原本分散在不同部門的大模型研發、云平臺能力和應用產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、平臺分發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整，也代表著阿里在AI時代的一次戰略轉向：ATH將模型研發、平臺能力和應用產品串聯成閉環，讓Token在體系內流動、被消耗。

子彈已經裝進槍里，接下來真正考驗的，是：API調用量、用戶規模和企業落地速度。在AI時代，Token就是驅動整套系統的“電力”，誰掌握Token流動，誰就掌握未來競爭主動權。