阿里巴巴AI加速：从组织升级到商业兑现

（文/观察者网 刘媛媛 编辑/周远方）

6月8日，阿里巴巴宣布成立“Token Foundry”事业部，由集团CEO吴泳铭直接负责。两天后的6月10日，千问发布高考志愿大模型，为千万考生提供免费、权威的智能填报服务。

两个时间点，密集释放了同一个信号：阿里AI正在加速驶入快车道。

而几乎同一时期，通义千问Qwen3.7-Max在SWE-Bench Pro编程评测中以60.6分的成绩位列全球第三、国内第一；阿里巴巴2026财年Q4财报首次对外披露，阿里AI已跨越初期投入阶段，正式迈入商业化回报周期。

把这几件事放在一起看，一个更大的背景浮出水面：全球AI产业正在出现清晰的路线分野。

在美国，AI走的是“精英工具”路线，以API接口为核心，面向高净值付费用户，依托开发者生态构建商业闭环。OpenAI、Anthropic等头部玩家的核心商业模式，都是卖Token、卖算力、卖企业级服务。

在中国，AI正在走一条不同的路——普惠基础设施路线。截至2025年底，中国生成式AI用户规模已达6.02亿，普及率42.8%，职场使用率高达93%。AI不再是少数技术精英的专属工具，而是像水电煤一样，正在成为普通人日常生活的底层支撑。

阿里将AI升至CEO直管，正是适配这条“普惠”主线的战略优先级升级。组织升级、技术突破、财务验证——三重信号共同构成了一面双面镜：一面照向内部，折射出阿里为迎接AI时代而进行的深度组织变阵；另一面则照向市场，清晰地勾勒出一家科技巨头从技术红利转向商业红利的完整路径。

透过这面镜子，我们得以系统审视阿里AI战略的真实进展，以及它所代表的中国AI普惠路线的可行性与想象力。

Token Foundry成立，面向AI时代升级组织

要理解阿里这轮AI动作，必须先了解一个背景：此前的AI力量，是“散”的。

在AI竞争已经从单点突破进入系统作战的今天，这种分散布局带来的内耗，正在成为最大的隐形成本。于是，从2026年3月到6月，阿里在三个月内完成了一套以整合为主线、以闭环协同为目标的组合拳。

第一步，统一技术决策，成立Alibaba Token Hub（ATH）。

3月，阿里将通义实验室、MaaS平台、千问、悟空智能体、AI创新五大板块整合进一个统一的技术中台ATH。这一步结束了此前多头研发、分散布局的局面，让所有AI核心能力第一次被装进了同一个“篮子”里。

第二步，统一人才调度，设立集团技术委员会。

4月，阿里在集团层面新设技术委员会，由CEO吴泳铭任组长，成员包括周靖人、吴泽明、李飞飞。这一架构将AI技术决策权纳入统一的领导框架，确保人才、算力、项目优先级可以在集团层面统筹配置。同期，通义实验室升级为独立的大模型事业部，研发地位显著提升，资源调配权大幅增强。

第三步，统一产品落地，成立Token Foundry。

6月，阿里宣布合并通义大模型事业部和未来生活实验室，正式成立Token Foundry事业部，由吴泳铭直接负责。周靖人转任阿里巴巴首席科学家，牵头成立AI未来研究院，专注前沿探索；郑波则带领Happy Horse、Happy Oyster等视频生成多模态产品团队加入Token Foundry，聚焦应用落地。

对一家业务庞杂的大公司而言，“拉直汇报”最能说明AI业务的优先级之高，也让跨部门协同从层层审批变成了“一键直达”。 模型能力越强，越需要一个统一的基座来承载，否则每个业务线各自微调一遍，算力和人才都在空转；算力越稀缺，越需要一个统一的调度层来优化，不然GPU时而闲置时而排队；人才越紧缺，越需要一个统一的指挥体系来配置，否则顶级算法工程师被淹没在业务的琐碎需求里。

目标只有一个：让芯片、模型、云、应用从物理叠加走向“化学反应”，最大程度减少内部摩擦。

实际上，这也不是阿里一家的选择。放眼全球，科技巨头都在进行类似的整合：Meta持续推动“AI原生”扁平化管理；谷歌整合DeepMind与谷歌大脑；微软将消费端与企业端Copilot工程团队合二为一；亚马逊整合AGI、自研芯片线与量子计算，交由AWS老将统管……

他们的共同逻辑是：当AI成为核心生产力，分散就意味着内耗，整合才能形成合力。 对于阿里而言，更关键的问题是如何发挥其独特的“全栈”优势。从平头哥的自研芯片，到阿里云的算力基础设施，再到通义千问大模型及其上层应用，阿里拥有全球少有的完整技术拼图。

但拥有不等于发挥，将这些能力从物理叠加推向化学反应，需要一套与之匹配的组织架构。Token Foundry的成立，以及CEO的直接负责，正是为了让芯片、模型、云与应用之间的协同，从战略倡导变为机制保障。

Coding能力全球第三，智能渗透千行百业

组织变阵的目的是为了打胜仗。那么，在调整落地的期间，阿里AI在技术、生态上究竟交出了怎样一份答卷？

先看硬指标。在衡量大模型代码与推理能力的国际权威评测SWE-Bench Pro（软件工程基准测试）中，Qwen3.7-Max拿下60.6分，排名全球第三，仅次于Claude Sonnet 4.5（77.8分）和Opus 4.6（64.3分），但稳居国内第一，领先Kimi K2.6（58.6分）和DeepSeek-V4-Pro（55.4分）。

编程能力被视为大模型“智商”的核心标尺之一，这一成绩意味着阿里在AI底层能力上已跻身全球第一梯队。

再看开源生态。大模型的竞争，早已不是单一分数的比拼，而是生态的较量。Hugging Face平台上，千问系列衍生模型数量已超过13万个，位居全球第一；开源版本全球下载量突破1250万次。

这不仅是生态规模的体现，更是“技术平权”的落地。在美国，顶尖能力常常被锁在闭源API之后，只有付费用户才能调用；而千问的开源策略，让全球开发者，包括县域工厂的工程师、独立开发者、高校实验室的研究生，都能以低成本获得一流的基座模型。这正是“普惠”路线的技术底座。

接着看落地服务。在B端，阿里的AI能力已深入千行百业。比如顶级赛事层面，奥运会、NBA、欧足联等国际顶级体育组织均已牵手阿里云，将AI能力应用于赛事转播、数据分析与观众体验优化。

产业层面，宝马、西门子、一汽红旗、肯德基等横跨汽车、工业软件、零售的头部企业，都在将千问的能力嵌入核心业务流程。反映在市场份额上，根据国际权威市场调研机构Omdia数据，2025年阿里云以38.1%的份额稳居中国AI云市场第一，超过第二到四名的总和。在汽车、游戏、科研等垂直领域，阿里云同样位居前列。

在C端，千问则正在成为国民级AI应用。财报显示，千问C端月活超3亿，稳居国内AI原生应用的第一阵营。

一个值得关注的节点是高考，6月10日，千问发布高考志愿大模型，基于夸克8年来服务高考志愿填报的深厚积累，千问有望为考生和家长提供可信、可靠的智能志愿填报服务。从通用对话走向垂直场景的深度服务，这是千问C端生态迈向落地的一大步。

综合来看，阿里AI交出的这份答卷可以从三个维度概括：基础大模型能力跑进了全球前列，开源生态构建了强劲的衍生模型矩阵，B端与C端的落地正在形成规模化突破。

当然，这份答卷远非完美。与全球顶尖模型在编程能力上相比仍有进步空间，C端应用的用户粘性与付费转化仍需验证，海外市场的拓展也面临激烈竞争。但可以肯定的是，阿里AI已经走过了“证明自己能做”的阶段，进入了“证明自己能用、好用、有人用”的新阶段。

全栈布局的纵深与张力，正在进入回报周期

上述成绩的背后，不仅是近期组织变阵带来的决策效率提升，还有阿里多年来在算力、芯片、模型、平台上的持续投入。长期以来，阿里都在努力构筑的一项稀缺能力：全栈自研。

目前在全球市场，能够在云计算、基础大模型、AI芯片三大核心层同时具备顶级自研能力的科技企业，只有两家：一家是谷歌，另一家就是阿里。通义千问、阿里云、平头哥，三者构成的“铁三角”，形成了从底层算力到上层应用的完整闭环。这种纵深，既是技术壁垒，也是商业护城河。

眼下，这条护城河的红利正在财务报表上显现。2026财年Q4财报是阿里首次对外披露AI业务的商业化拐点，数据显示，AI相关产品单季收入达到89.71亿元，在阿里云外部商业化收入中的占比首次突破30%；年化经常性收入（ARR）已达358亿元，连续11个季度实现三位数同比增长。

更值得关注的是增速。阿里云外部商业化收入增速已提升至40%，创下近9个季度以来的最快增速。

在分析师电话会上，吴泳铭给出了更加明确的预期：6月份季度，包含百炼MaaS平台在内的AI模型与应用服务ARR将突破100亿元，年底将突破300亿元。他特别强调，“这部分收入的高利润率优势逐渐凸显，将是我们未来收入健康、高质量的增长支柱。”

这意味着，AI正在从“烧钱”的前沿探索，变成“造血”的核心业务。至于全栈优势如何转化为商业回报的？答案或藏在三个协同里。

芯片与云的协同。平头哥自研GPU芯片已实现规模化量产，截至2026年4月累计交付56万片。在阿里云的实际业务场景中，60%以上的平头哥芯片服务于外部商业化客户，覆盖互联网、金融、自动驾驶等核心场景。自研芯片带来的成本优势和供给自主性，在算力紧缺的背景下尤为珍贵。

模型与平台的协同。百炼MaaS平台客户数量同比增长8倍，模型服务的Token消耗规模逐季大幅提升。企业客户从试用走向规模调用，直接推动了AI收入占比的结构性突破。

应用与生态的协同。从千问APP到行业解决方案，阿里正在将AI能力嵌入更多场景。高利润率的企业级服务与大规模C端流量形成互补，构成了稳健的收入结构。

另外，财务数据也回应了一个常见质疑：中国的“低价/免费”策略，是否只是“补贴换规模”的不可持续游戏？

答案是否定的。来看中美成本结构的底层差异，美国AI公司正面临电力成本飙升、电网扩容扯皮的困境，被迫通过提价来筛选高净值用户。而中国稳定的能源供给和庞大的用户基数，让可负担与可持续得以并存。

阿里云的数据证明，中国AI普惠路线不是“补贴换规模”的伪命题，而是一条可以跑通商业闭环的真实路径。

资本市场对这一逻辑已经给出了积极回应。财报发布后，阿里股价应声上涨。投资者的逻辑不难理解，当AI从投入阶段进入商业化回报周期，估值模型将发生根本性变化。

结语：迈入Token经济时代

从组织变阵到技术突破，从生态扩张到财务兑现，阿里AI正在交出阶段性验收报告。

美国AI产业正在验证的逻辑是：“技术精英愿意为高能力付费”。OpenAI的200美元月费、Anthropic的企业级定价，都在围绕这个核心假设运转。

而阿里正在验证另一条逻辑：十四亿人的日常需求，能否支撑起一门可持续的大生意。不管是免费的高考志愿填报，还是嵌入车企座舱的智能助手，或是帮助县域工厂降本增效的AI工具，千问的每一次落地，都在回答：当AI便宜到人人可用，它的商业价值究竟有多大？

这条路径之所以可能，离不开一个更深层的社会底座。毕马威和CNNIC的数据显示，中国民众对AI的兴奋程度全球最高，紧张程度全球最低。这种“全民拥抱”的社会土壤，是孕育AI原生经济生态的关键基础。如果几亿用户都愿意在日常工作、学习、生活中使用AI，一个正向的“使用—反馈—迭代”飞轮便开始加速转动。

AI终将像电一样“隐身”，阿里的组织变阵、开源生态和财务回报，共同说明了：技术不必高高在上，也可以成为水电煤。

当Token便宜到让小工作室、专业个人、一人公司都能尽情使用时，技术才真正改变了世界。阿里这盘棋，正在验证这个逻辑。