6月8日, 阿里巴巴宣告成立“Token Foundry”事业部, 该事业部由集团CEO吴泳铭直接进行负责。在两天后的6月10日, 千问推出高考志愿大模型, 此模型为千万的考生提供免费且权威的智能填报服务。
存在着两个时间点, 这两个时间点密集地释放出了同一个信号, 这个信号就是阿里AI正在加速地驶入快车道。
几乎在同一时期内, 通义千问Qwen3.7-Max在SWE-Bench Pro编程评测之中, 凭借60.6分的成绩而处在全球第三的位置, 同时在国内排名第一；阿里巴巴2026财年Q4财报首次面向外界进行披露, 表明阿里AI已经跨越了初期投入阶段, 正式踏入商业化回报周期。
将区区这几件事情放置于一块儿去细瞧, 一幅已然明晰些脉络脉络的更大视野慢慢浮现出来, 那便是全球范围内的人工智能产业此刻已然出现了明确清晰的路线分野。
于美国, AI所行的是“精英工具”这般的路线, 是以API接口作为核心, 是面向高净值付费用户的, 是依托开发者生态去构建商业闭环的。OpenAI、Anthropic等头部玩家的核心商业模式, 皆是售卖Token、售卖算力、售卖企业级服务的。
AI于中国正迈进一条别样路径, 即普惠基础设施路线, 到2025年末, 中国生成式AI用户数量达6.02亿, 普及率是42.8%, 在职场运用比例高达93%, 所以此般AI已非少数技术精良之人的独有工具情形, 而是恰似水电煤那般, 正转身成为平常人日常生活中的底层支柱。
阿里把AI提升至由CEO直接管理, 这恰恰是契合这条“普惠”主线的战略优先级得到提升。组织实现升级, 技术取得突破, 财务完成验证, 这三重信号一同构成了一面双面镜, 一面朝着内部照射, 反射出阿里为迎接AI时代所开展的深度组织调整；另一面朝着市场照射, 清楚地描绘出一家科技巨头从技术红利转变为商业红利的完整路线。
我们借助这面镜子, 可以系统地审视阿里 AI 战略实实在在的进展情况, 可以审视其所彰显的展现出一种可能性以及富有想象力的中国 AI 普惠路线。
Token Foundry成立，面向AI时代升级组织
想要理解阿里这一轮关于人工智能的动作, 就一定要先去了解一个背景情况, 那就是在此之前的人工智能力量, 它是处于一种“散”的状态下的。
处在当下这个AI竞争已然从单点突破迈向系统作战的阶段, 这般分散布局所引发的内耗, 正逐渐演变成最为巨大的隐形成本。所以呢, 在自2026年3月起始直至6月结束的这三个月期间, 阿里完成了一组将整合当作主线、把闭环协同作为目标的组合拳。
首先, 达成统一的技术决策标准以做决定, 接着组建成立Alibaba Token Hub（ATH）机构。
3月, 阿里把通义实验室、MaaS平台、千问、悟空智能体、AI创新这五大板块, 整合进一个统一的技术中台ATH, 此番举措终结了之前多头研发、分散布局的状况, 使得所有AI核心能力首次被放置于同一个“篮子”当中。
第二步，统一人才调度，设立集团技术委员会。
4月, 阿里于集团层面新设立技术委员会, 该委会组长由CEO吴泳铭担任, 其成员包含周靖人、吴泽明、李飞飞。通过这样的架构安排, 将AI技术决策权归入统一的领导框架内, 以此保证人才、算力以及项目优先级能够在集团层面进行统筹配置。同一时期, 通义实验室升级成为独立的大模型事业部, 其研发地位有了显著的提升, 资源调配权也得到了大幅增强。
第三步，统一产品落地，成立Token Foundry。
6月, 阿里宣告通义大模型事业部与未来生活实验室合并, 正式组建Token Foundry事业部, 该事业部由吴泳铭直接进行负责。周靖人转变成为阿里巴巴首席科学家, 牵头创立AI未来研究院, 致力于专注前沿探索；郑波带领Happy Horse、Happy Oyster等视频生成多模态产品团队加入Token Foundry, 着重聚焦应用落地。
对一家业务繁纷复杂的大型公司来讲, “拉直汇报”最能够表明AI业务的优先级程度相当高, 并且使得跨部门协同由层层审批转变成为了“一键直达”。模型能力越强大, 就越发需要一个统一的基座来予以承载, 不然的话每个业务线各自进行一次微调, 算力以及人才全都在做无用功；算力越匮乏，就越发需要一个统一的调度层来加以优化, 否则GPU时而处于闲置状态时而又在排队；人才越稀缺, 就越发需要一个统一的指挥体系来做好配置, 不然顶尖的算法工程师会被业务的繁杂琐碎需求给埋没。
目标仅存在一个, 即要使得芯片、模型、云以及应用, 能从单单的物理叠加状况, 朝着“化学反应”的方向转变, 进而最大程度地去减少内部所产生的摩擦。
实际上, 这并非单单是阿里一家所做的选择。把目光投向全球, 科技领域的巨头们都在开展类似的整合运作: Meta不断促使“AI原生”的扁平化管理得以推进贯彻；谷歌对DeepMind以及谷歌大脑进行整合；微软把消费端和企业端的Copilot工程团队合并为一个整体；亚马逊将AGI、自研发芯片线以及量子计算整合起来, 交给AWS的资深人员统一管理……
其相同的逻辑为, 一旦AI变为核心生产力, 那么分散便等同于内耗, 唯有整合方可凝聚力量。对于阿里来讲, 更为关键的难题是怎样施展其特有的“全栈”优势。平头哥自行研发过芯片, 阿里云具备算力基础设施, 通义千问有大模型以及上层应用, 阿里有着全球少见的完整技术拼图。
但是, 拥有这般情况并不等同于能够进行发挥, 要把这些能力从那种只是物理叠加的状态朝着化学反应的方向去推进, 这就需要一套与之相互匹配的组织架构。Token Foundry的成立, 还有CEO直接负责此事, 恰恰是为了使得芯片、模型、云以及应用它们之间的协同, 从战略倡导的情形转变成机制保障的状况。
Coding能力全球第三，智能渗透千行百业
打胜仗是组织变阵所追求达成的目的, 那么请问处在调整落地的这段时期里, 阿里AI在技术方面以及生态方面究竟交出了怎样的一份答卷呢?
先瞧一瞧硬指标, 在用于检验大模型生成代码及推理能力的国际权威评测SWE-Bench Pro也就是软件工程基准测试里, Qwen3.7-Max取得了60.6分, 在全球的排名是第三, 这个名次仅仅低于Claude Sonnet 4.5也就是77.8分以及Opus 4.6也就是64.3分, 不过稳稳地处于国内的首位, 排在Kimi K2.6也就是58.6分以及DeepSeek-V4-Pro也就是55.4分之前。
用来衡量大模型“智商”的核心标尺当中, 编程能力属于其中之一, 而这样的一份成绩, 表明阿里在AI底层能力方面, 已经进入了全球第一梯队。
再瞧瞧开源生态, 大模型之间的竞争, 早就不是单纯单一分数的那种比拼了, 而是生态方面的较量。在Hugging Face这个平台之上, 千问系列的衍生模型, 其数量达到了超过13万个, 在全球排列第一；开源版本在全球的下载量, 突破了1250万次。
这不但为生态规模的一种呈现, 更是“技术平权”得以落实。于美国而言, 顶尖能力往往被封闭于闭源API之后, 唯有付费用户方能够调用；然而千问所采取的开源策略, 使得全球范围内的开发者, 涵盖县域工厂的工程师、独立开发者以及高校实验室的研究生, 均能够以低成本获取一流的基座模型。这恰是“普惠”路线的技术根基。
随后去瞧落地服务。于B端而言, 阿里的AI能力已然深入到众多行业之中。就好比顶级赛事这一方面, 奥运会, NBA, 欧足联等国际顶级体育组织都已经与阿里云达成合作, 把AI能力运用在赛事转播, 数据分析以及观众体验优化上。
汽车、工业软件、零售等产业领域皆有头部企业, 像宝马、西门子、一汽红旗、肯德基等, 它们都在把千问的能力融入核心业务流程之中。在市场份额方面而言, 按照国际权威市场调研机构Omdia的数据来看, 到2025年的时候, 阿里云凭借38.1%的份额稳稳占据中国AI云市场首位, 此份额超过了排名第二到第四名公司份额的总和。在汽车、游戏、科研等垂直领域当中, 阿里云同样处于名列前茅的位置。
在C端, 千问正逐渐演变成国民级AI应用, 财报表明, 千问C端月活数量超过3亿, 稳稳占据国内AI原生应用的第一阵营位置。
值得予以关注的一个节点是高考, 在6月10日的时候, 千问发布了高考志愿大模型, 凭借夸克8年来为高考志愿填报所提供服务的深厚积累这点, 千问有着能够为考生以及家长给予可信、可靠的智能志愿填报服务的可能性。从通用对话朝着垂直场景的深度服务进行转变, 这是千问C端生态朝着落地迈进的非常重要的一步。
笼统地讲, 被阿里AI交出来的这份答卷能够从三个方面展开总体性的归纳, 那就是, 其基础大模型所具备的能力在全球范围内的排名挺进诸多同类型前列位置, 凭借开源生态成功搭建起强大坚劲、富有衍生性的模型矩阵框架, 而面向B端领域以及C端领域的应用落地点正在逐步形成具备规模范畴意义的突破性进展格局。
固然, 此份答卷绝非尽善尽美。同全球顶尖类型在编程能力之上相比较而言, 依旧存在进步的空间, C端应用的用户粘性以及付费转化仍旧有待去验证, 海外市场的拓展亦是面临着激烈的竞争。然而能够确定的是, 阿里AI已然走过了“证明自身能够做”的阶段, 步入了“证明自身能够用、好用、有人使用”的全新阶段。
全栈布局的纵深与张力，正在进入回报周期
那在上述成绩的背后, 并非只是近期组织变阵所带来的那种决策效率提升, 这儿还有阿里历经多年在算力方面、芯片方面、模型方面以及平台方面的持续投入。长久以来, 阿里一直都尽全力在构筑着那样一项稀缺能力, 即全栈自研。
当下于全球市场范围之内, 既可为技术壁垒又能作商业护城河的, 是那种在云计算、基础大模型、AI芯片这三大核心层面同时拥有顶级自研能力的科技企业, 而这样的企业仅有两家, 其中一家为谷歌, 另一家则是阿里, 再者, 由通义千问、阿里云以及平头哥共同构成的“铁三角”, 形成了自底层算力直至上层应用完整的闭环。
此时, 这条护城河所带来的红利正于财务报表之上呈现出来。2026财年Q4的财报乃是阿里首次面向外部披露AI业务的商业化转折点, 数据表明, 与AI相关的产品单季收入达到了89.71亿元, 在阿里云外部商业化收入里的占比首次冲破30%；年化经常性收入（ARR）已然达到358亿元, 连续11个季度达成三位数同比增长。
有更需予以关注的存在, 那便是增速情况。阿里云方面，就其外部商业化之收入增速而言, 将其提升至了40%, 此增速创下了接近9个季度以来的最为快速的增速记录。
电话会上, 分析师们将视线焦点放置于吴泳铭处, 他给出具备更为确切明晰特征的预期: 在6月那个季度时段里, 存在包含百炼MaaS平台于其中的AI模型和用以运转的应用服务。此二者所形成的ARR数额将会跨越100亿元这一较大数值门槛, 而抵达年末的时候, ARR数额又会进一步攀升突破300亿元之多。他着重予以特别强调, 声称“这一部分收入所展现出的高利润率优势呈现出逐渐显著突出的态势, 它必将成为支撑我们未来收入处于健康且高质量增长状态的关键支柱。”。
这表明, AI正从做着消耗资金实践探索的前沿领域, 转变为有着创造收益核心事务之称的业务范畴。那么全栈所具备的优势究竟是以怎样的方式转化为商业所获取的回报的? 答案可能隐匿于三个协同之中。
芯片跟云的协同, 平头哥自行研究制造的GPU芯片达成了规模化量产，到2026年4月的时候累计交付了56万片, 在阿里云实际的业务场景里, 超过60%的平头哥芯片为外部商业化客户服务, 涵盖互联网、金融、自动驾驶等核心场景, 自行研究制造的芯片带来的成本优势以及供给自主性, 在算力紧缺的背景之下特别珍贵。
模型跟平台之间的协同起来。百炼MaaS平台之上, 客户数量同比增长达到8倍之多, 模型服务的Token消耗规模逐季呈现大幅提升情况。企业客户从试用阶段迈向规模调用阶段, 直接促使AI收入占比出现结构性突破。
把应用跟生态予以协同, 从千问APP直至行业解决方案, 阿里正将AI能力往更多场景里进行嵌入, 有着高利润率的企业级服务跟大规模C端流量形成互补之势, 构建成了稳健之收入结构。
此外, 财务数据还对一个常见质疑作出了回应, 这个质疑是, 中国的“低价/免费”策略, 究竟是不是那种通过补贴来换取规模, 且无法持久的游戏呢?
正确的答复并非肯定的, 而是持否定态度的。当我们深入探究中美成本结构的底层差异时, 能发现美国的AI公司面临着电力成本接连飙升的局面, 同时在电网扩容方面存在诸多扯皮状况, 基于此, 它们不得不采取提价的方式, 以此来筛选出高净值用户。与之形成鲜明对比的是, 中国有着稳定的能源供给, 并且拥有庞大的用户基数, 这使得可负担与可持续这两个特性能够同时存在。
阿里云所提供的数据, 证实了, 中国AI实行的普惠路线, 并非基于“补贴用以换取规模”的那种虚假命题, 相反, 它是一条能够达成商业闭环的实在路径。
这一逻辑, 资本市场已然给出积极回应, 财报发布之后阿里股价随之应声上涨, 投资者逻辑不难理解, AI从投入阶段步入商业化回报周期时估值模型会发生根本性变化。
结语：迈入Token经济时代
先从组织方面进行变阵, 再实现技术上的突破。接着是生态的扩张, 最后达成财务的兑现。阿里的AI, 正在交出阶段性的验收报告。
美国AI产业当下正在得到验证的那个逻辑是, 技术精英会心甘情愿地为高能力支付费用, OpenAI的、每月200美元的费用, Anthropic的, 企业级的定价, 均是围绕着这个核心假设来进行运转的。
并且阿里正在对另一条逻辑予以验证: 十四亿人的日常所需, 能不能支撑起一桩具备可持续性的大买卖。不管是进行免费的高考志愿填报, 还是嵌入车企座舱的智能助手, 又好像是助力县域工厂降低成本、提高效率的AI工具, 千问的每一回落地, 都在予以回应: 当AI便宜到每一个人都能够使用的时候, 它的商业价值实际会有多大呢?
这条路经能够成为可能, 需依赖一个更深层次的社会底座, 依据毕马威与CNNIC的数据表明, 全球范围内中国民众对于AI的兴奋程度是最高的, 而紧张程度却是最低的, 这样一种呈现“全民拥抱”状态的社会土壤, 是促使AI原生经济生态得以孕育的关键基础所在, 要是几亿用户均愿意于日常工作环境、学习场景以及生活当中去使用AI, 那么一个朝着正向发展的“使用—反馈—迭代”飞轮便会开始加速运转起来。
未来, AI迟早会如同电那般“隐身”, 至于阿里展现了组织变辙之态, 构建了开源生态环境, 收获了财务回馈, 这一切共同表明: 技术并未要求一直高高在上, 它同样能够摇身一变成为水电煤这般的存在。
在Token便宜到能够让小工作室、特别专业的个人、一人公司都可以尽情去使用的时候, 技术方才真正使世界发生了改变, 阿里如今所下的局势, 正在对这个逻辑予以验证。
