阿里成立ATH并连发三款模型实现技术整合

全球AI竞赛如火如荼,所有技术投入的最终目标都高度一致:那就是切实提升社会生产力与商业效率。
直面竞争现实,不容丝毫松懈
2026年清明节期间,阿里通义千问Qwen3.6-Plus模型登顶全球AI平台OpenRouter日榜榜首并刷新调用记录的消息,引发了行业广泛关注。
如果将时间线拉长,观察阿里近期的系列动作,其战略意图与加速节奏则更为清晰。
3月16日,阿里巴巴集团正式宣布成立Alibaba Token Hub(ATH)事业群,全面整合AI资源。随后的半个月内,阿里大模型进展密集发布,速度惊人:
3月30日,通义千问Qwen3.5-Omni多模态模型发布,一举获得215项性能基准(SOTA)领先;
4月1日,通义万相Wan2.7-Image图像生成模型亮相,其综合表现被视为国产模型中与顶尖国际产品Nano Banana Pro最为接近的选手;
4月2日,Qwen3.6-Plus模型重磅登场。仅一天后,该模型便以单日高达1.4万亿的Token调用量,刷新了OpenRouter平台的历史记录。此后,其毫无悬念地蝉联了该平台的周榜冠军。一个值得注意的背景是,OpenRouter平台用户中,美国开发者占比高达47.17%,而中国开发者仅占6.01%。这一数据充分证明,Qwen模型所取得的成就并非局限于国内市场,而是获得了全球开发者的广泛认可与主动选择。

如此密集的发布节奏,不禁让人联想到2024年的“百模大战”。但时至今日,AI竞争的维度、技术难度与市场目标均已发生深刻变化。
此前,随着DeepSeek和Qwen等中国模型相继登顶全球开源榜单,国内AI产业一度弥漫着乐观情绪,认为中美模型差距正在迅速缩小。
然而,冷静审视全球竞争格局,现实可能比预想更为严峻。
以美国AI公司Anthropic为例。其估值在2025年初约为600亿美元,而到2026年已飙升至约3800亿美元,增长超过六倍。其年化收入也从2025年的约10亿美元,激增至2026年3月的约190亿美元,涨幅高达19倍。
在模型迭代方面,Anthropic同样保持着惊人的速度:从2025年2月发布Claude 3.7 Sonnet与Claude Code,到2026年3月推出Opus 4.6和Sonnet 4.6,几乎每个季度都有堪称当时SOTA的新模型问世。从MCP(模型上下文协议)到Skills(技能库),从编程智能到智能体(Agent)应用,Anthropic持续拓展着AI能力的想象边界。
更关键的是,当Claude系列的编程能力突破某个临界点后,其产品如Claude Code、Claude Cowork的市场接受度与规模开始呈现指数级增长,形成了强大的自我强化增长飞轮。
这好比一场太空竞赛:领先者的火箭已突破大气层,进入加速阶段;而追赶者若仍在大气层内艰难爬升,每一步都需克服巨大阻力,差距存在被进一步拉大的风险。
因此,这场AI马拉松竞赛,要求参与者必须直面现实,保持高度专注,不容有丝毫松懈。Qwen和DeepSeek的崛起确实提振了行业信心,但国产大模型面临的技术追赶与商业化压力并未减轻。与一些AI创业团队的交流中,也能深刻感受到那种全力追赶的紧绷状态。而阿里近期的系列动作表明,其推进AI战略的这口气,丝毫没有松懈。
客观评估,阿里在当前的AI竞争中确实占据着有利位置。这不仅体现在通义千问(Qwen)与通义万相(Wan)两大基座模型系列的性能均已达到世界顶尖水平。在市场层面,有迹象表明,亚马逊、Airbnb等国际企业已开始基于Qwen模型探索新业务;技术生态上,英伟达、微软、Meta等科技巨头基于Qwen开发衍生模型;前沿研究领域,斯坦福大学李飞飞团队、硅谷独角兽Thinking Machines Lab、艾伦人工智能研究所等顶尖机构也在基于Qwen推进前沿创新。可以说,在开发者社区与开源生态中,阿里系的模型不仅赢得了声誉,更在OpenRouter这类全球性竞技场上,证明了其与顶尖模型同台竞争的实力。
而此前ATH事业群的成立,无疑是阿里为进一步凝聚力量、展现其AI战略决心所走出的关键一步。
智能的终极价值在于转化为生产力
不知你是否思考过,为何互联网时代的云服务巨头,大多拥有AB两面业务?例如,亚马逊的A面是零售,B面是AWS;阿里的A面是电商,B面是阿里云。它们的共同路径往往是:先有极其成功的面向消费者(to C)的A面业务,而后才从中生长出面向企业(to B)的云服务B面业务。
这背后揭示了一个核心逻辑:前沿技术必须服务于真实业务场景的生产力提升,最优路径往往是从自身庞大的业务需求中自然孵化出来,经过验证与抽象后,再转化为对外服务的通用能力。这不仅是商业演进的合理路径,也通常意味着更高的效率与更优的成本结构。
一个卓越的AI模型公司,看起来也必须同时是一家卓越的业务公司,今天的Anthropic便是例证。因为所有智能技术的竞赛,最终都要回答一个根本性问题:谁能最有效地将智能转化为真实的商业与社会价值?毕竟,人工智能发展的终极体现,必然是转化为实实在在的生产力。
模型Token消耗量的背后,对应的是已被市场验证、正在持续创造价值的实际业务。这些真实业务会形成宝贵的反馈闭环,持续滋养模型进化:告诉研发团队哪些能力真正实用,哪些方向值得持续投入资源。
前些年,中文互联网曾流行“摸着日本过河”的讨论。日本的发展历程颇具启示:在所谓“失去的三十年”之前,凭借科技创新,日本在半导体、家电、汽车等多个领域全面领先;而“广场协议”后,其骤然失去面向全球市场的成本优势。随后我们看到,日本的诺贝尔奖获奖数量并未减少,在精细化工、半导体材料等技术路线相对稳定的底层行业,创新也未曾中断。然而,在手机、电视、电动车这些技术迭代快、面向大众的消费电子领域,日本企业却仿佛陷入了“加拉帕戈斯陷阱”,屡屡点错科技树:将功能机、显像管电视、氢燃料电池汽车做到极致后,一抬头却发现全球主流市场已是智能手机、液晶电视和纯电动汽车的天下。
缺乏真实、大规模市场需求的牵引,技术进步就容易成为无源之水、无本之木。因此,在亚马逊,贝索斯从一开始就用技术强力支撑电商主业,当业务规模与场景复杂度达到临界点,AWS便水到渠成地独立出来。在阿里,则是淘宝天猫的洪峰流量倒逼出“飞天”云计算操作系统,电商生态的海量交易与支付需求孕育了支付宝。
理解了这一底层逻辑,就能更深刻地看懂阿里为何选择在2026年3月16日成立Alibaba Token Hub(ATH)。
对阿里而言,这次组织变革的真正战略目标,是全力押注智能体(Agent)时代的“Token工业化”体系。
过去,AI的消耗逻辑是线性的:人类提问,AI回答,一问一答。未来,在智能体(Agent)时代,Token的消耗逻辑将是指数级的:人类提出一个复杂需求,智能体自动分解任务、调用工具、循环执行,一个需求可能触发几十次甚至上百次的链式Token消耗。这时,谁能更高效地创造(炼油)、输送(管网)并应用(消费)Token,谁就能在Agent时代占据价值链的核心位置。
为此,在ATH这个全新组织中,阿里不仅由集团CEO吴泳铭亲自挂帅,还对集团所有与大模型和AI应用相关的核心资产,进行了三大板块的流程化整合与梳理:
创造Token(炼油厂)——通义实验室,作为Qwen等基座模型的诞生地,负责最前沿的AI底层能力研发与输出;
输送Token(输油管网)——百炼平台(MaaS),作为模型即服务平台,帮助各行各业客户快速搭建、部署AI应用,将AI能力以多种产品形态高效输送到千行百业;
应用Token(汽车工业)——千问APP、悟空(钉钉旗下的企业级智能体)以及各种垂直场景的AI创新应用,直接覆盖最广泛的终端用户与具体业务场景。
在外界看来,这可能只是一次常规的业务整合。但在阿里内部,这背后意味着一次深刻的思维惯性与组织逻辑的转向。
电商时代的阿里,习惯于围绕具体产品线和流量运营来构建组织,这是过去二十年互联网竞争留下的管理惯性。各业务条线拥有相对独立的预算与KPI考核体系,围绕各自的日活跃用户(DAU)或商品交易总额(GMV)目标各自为战。
因此,此前阿里的整体AI布局虽以“通义”大模型为核心,从技术研发角度看实现了多点突破,但从技术研发到产品应用、再到商业化落地之间的“部门墙”依然存在,资源跨部门分配与协同的问题也因组织架构的相对分散而长期存在。
进入AI时代,核心生产要素从传统的“人头”转向了“Token”,组织的基本协作单元与资源调度逻辑也需要随之进行灵活切换。毕竟,如果我们认同Token是数字新世界的“石油”,那么ATH理应构建的,就是集原油开采冶炼(创造)、长途管道运输(输送)、下游精炼消费(应用)于一体的完整现代工业体系。
可以预见,整合后的ATH事业群,将更有可能从集团顶层推动AI资源的优化配置与研发、平台、应用各环节的深度协同。此前,ATH旗下的企业级智能体“悟空”,在Qwen3.6-Plus发布当天就迅速完成了接入与能力升级,便是一个积极的信号。而Qwen3.5-Omni支持用户对着简单草图口述需求,模型便能直接生成带复杂交互UI的产品原型,这种音视频“Vibe Coding”能力的重大突破,同样离不开阿里内部丰富业务场景的真实需求牵引。
模型技术在快速迭代进步,组织架构在主动变革调整,阿里依然在持续自我突破。而这种持续的“折腾”,在快速变化的AI时代,恰恰是正确的姿态。
AI竞赛的每一个里程碑,都只是新的起点。今天阿里在几天内连续发布三个达到SOTA水平的模型,不出三个月,OpenAI、Anthropic等竞争对手很可能也会推出性能更优的新版本。不同玩家轮流坐庄、不断刷新性能榜单,这将是未来相当长一段时间内大模型竞争的新常态。
因此,阿里确实需要继续保持战略定力与紧迫感。回顾从PC互联网时代到移动互联网时代的跨越,阿里之所以能在电商领域构筑起深厚的护城河,并非因为它比eBay拥有更多资金,或比亚马逊拥有更高智商,而是因为它做到了真正的战略聚焦、执行坚决,并以更快的创新节奏、更极致的客户服务赢得了中国数百万商家的信任。
今天,从ATH事业群的成立到三大模型“三连发”的密集技术动作,至少展现了阿里在AI时代相似的战略决心与执行意志。
*头图来源:阿里巴巴集团
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
同类文章
阿里成立ATH并连发三款模型实现技术整合
全球AI竞赛如火如荼,所有技术投入的最终目标都高度一致:那就是切实提升社会生产力与商业效率。 直面竞争现实,不容丝毫松懈 2026年清明节期间,阿里通义千问Qwen3 6-Plus模型登顶全球AI平台OpenRouter日榜榜首并刷新调用记录的消息,引发了行业广泛关注。 如果将时间线拉长,观察阿里近
犹他州试点AI开具精神类药物处方流程详解
美国医疗行业正迎来一项突破性尝试。据权威科技媒体PC Mag报道,犹他州监管部门正式批准了一项创新试点:允许人工智能系统为患者开具精神类药物处方。这标志着AI在临床医疗中的角色发生了关键转变,从辅助诊断工具迈入了拥有实际处方权的全新阶段。 当然,这项由Legion Health医疗机构主导、采用Do
通义万象如何生成角色一致的多角度图片
通义万相生成多角度角色图像时,常因角色锚点不稳或姿态与外观未解耦导致不一致。为此提供五种方案:单图扩展通过视频生成提取多角度帧;精准控制结合ControlNet与IP-Adapter分离姿态与身份;渐进演化利用图生图逐步调整重绘幅度;训练专属LoRA模型实现长期一致输出;轻量迭代通过固定种子并仅修改提。
Trae配置ESLint与Prettier联动提升代码质量
ESLint与Prettier在Vue项目中常因规则冲突导致协同失效。解决方案包括:通过安装eslint-plugin-prettier等依赖,在ESLint配置中集成Prettier规则;或创建独立Prettier配置文件并禁用ESLint格式规则。还可在VSCode工作区设置中绑定保存时自动修复与格式化,或利用husky与lint-staged在提交代码
AI视频生成新纪元 Seedance 2.0迎来最强竞争对手
Gemini Omni的正式亮相,证实了此前业内的广泛预测。然而,它远不止是一个视频生成模型。根据谷歌的官方定义,这是一个能够处理任意模态输入、并生成任意模态输出的“全能型”基础模型,视频创作仅仅是其当前能力版图中的一个重要组成部分。 在发布会上,DeepMind首席执行官Demis Hassabi
- 日榜
- 周榜
- 月榜
1
2
3
4
5
6
7
8
9
10
相关攻略
2015-03-10 11:25
2015-03-10 11:05
2021-08-04 13:30
2015-03-10 11:22
2015-03-10 12:39
2022-05-16 18:57
2025-05-23 13:43
2025-05-23 14:01
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程
热门话题

