代币即产品，阿里巴巴Token Hub

开篇

订阅者朋友们，大家好。上个月3月3日凌晨，中国AI社区因一条简短的英文消息而躁动。

“me stepping down. bye my beloved qwen.”

这是阿里巴巴Qwen¹​模型总负责人林俊旸在社交媒体上留下的告别语。他是阿里巴巴历史上最年轻的P10²​高管，也是实际上将Qwen打造成全球瞩目的开源AI生态系统的核心人物。就在他道别仅13天后，阿里巴巴正式宣布成立新事业部Alibaba Token Hub（ATH）。

若将其解读为一次普通的组织架构调整，这个时机未免太过意味深长。在今天的新闻简报中，我们将探讨ATH并非单纯的组织架构变更，而是阿里巴巴AI变现战略的一次宣言，并一起审视其背后的结构性张力。

Alibaba Token Hub，究竟是什么

ATH是将阿里巴巴此前分散的AI相关组织整合为一体的事业部。它于今天（2026年3月16日）正式启动，由CEO吴泳铭（Eddie Wu）亲自挂帅。看看被并入的组织，就能感受到其规模。

• 通义（Tongyi）实验室：阿里巴巴的基础模型³​研究组织
• MaaS（Model-as-a-Service）事业部：基于云的AI模型服务
• Qwen事业部：面向消费者的Qwen应用及开源模型
• 悟空（Wukong）事业部：图像、多模态AI品牌
• AI创新事业部：新AI产品孵化组织

此外，企业协作平台钉钉（DingTalk）以及包括智能眼镜在内的设备品牌夸克（Quark）也被并入ATH旗下。研究、产品、设计、销售由此被纳入同一指挥体系。

CEO吴泳铭在员工备忘录中如此定义ATH的设立原则：

“ATH的构建围绕一个组织原则展开：创造代币（create tokens）、交付代币（deliver tokens）、应用代币（apply tokens）。”

这短短三句话，正是今天这期新闻简报的核心。

名为“代币”的战略宣言

在事业部名称中嵌入“代币（Token）”⁴​二字，绝非偶然。在AI服务中，代币是计费的基本单位。OpenAI、Anthropic、Google在为AI服务定价时所使用的尺度，正是“每代币价格”。

阿里巴巴将新事业部命名为“Token Hub”，是一条面向外部的明确信息：“我们如今不再是一个AI研究组织，而是一门销售代币的生意。”这一宣言之所以耐人寻味，是因为中国AI市场眼下正朝着恰好相反的方向发展。

自DeepSeek点燃价格战以来，阿里巴巴已将Qwen API价格从每百万代币1.1美元下调至0.07美元，降幅达93%。就在中国AI企业纷纷有意将代币价格收敛至“零”的战略之下，阿里巴巴却成立了Token Hub。这看似矛盾，实则自有其内在逻辑。

中国AI企业真正的盈利模式，并非代币销售本身。它们的结构是：以近乎免费的价格提供代币，再从云基础设施、电子商务、企业软件中获利。以阿里巴巴为例，据其内部统计，使用Qwen副驾（Copilot）的淘宝卖家转化率提升了16%至22%。代币是工具，钱是从别处赚来的。

由此看来，ATH的真正目的可以这样解读：将从代币生产到生态系统变现的整条链路整合为一体。将钉钉（企业协作）与夸克（设备）纳入同一屋檐下，也应从这个脉络来理解。打造模型（通义实验室）→ 以API出售（MaaS）→ 用应用留住消费者（Qwen App）→ 嵌入企业工作流（钉钉）→ 以设备锁定用户（夸克），这是一整套全栈生态系统的构建。

中国AI的变现困境——一个难以出售代币的市场

要理解ATH成立的语境，需要了解中国AI市场的结构性特殊之处。

西方AI企业可以通过订阅费或API计费直接获利。ChatGPT Plus每月20美元，Anthropic的Claude Pro也是类似结构。相比之下，中国消费者对软件订阅费相当吝啬。大多数中国AI应用要么免费，要么依赖广告。结果是，中国AI企业的盈利模式相当间接。

字节跳动的做法是，让豆包将抖音的会话时长延长约11%，以此最大化广告收入。同时也利用各地方政府的算力补贴（以上海、深圳为例，补贴比例为20%至40%）来降低基础设施成本。

在这样的环境下，阿里巴巴将Qwen API价格下调93%是一个合理的选择。相较于直接计费，吸引开发者加入、扩大生态系统更为重要。事实上，Qwen模型家族在Hugging Face上的累计下载量已突破10亿次，超过200万名开发者正在使用。仅基于开源Qwen模型微调⁵​而来的衍生模型就超过18万个。就连Airbnb的CEO也公开表示“我们用Qwen，又快又便宜”，全球企业的采用也在增加。

问题在于，这些亮眼的数字并未直接转化为收益。开源模型任何人都可以下载使用，而且免费。阿里巴巴以Qwen品牌构建了全球最大的开源AI生态系统，却尚未建立起直接收获果实的结构。ATH的成立，正是阿里巴巴对这一问题的回应。

Qwen人才流失暴露的冲突——研究者与经营者

理解ATH的另一把钥匙，是Qwen团队的连锁辞职。

2026年1月，Qwen Code负责人Hui Binyuan跳槽至Meta。3月3日，技术总负责人林俊旸辞职，同一天，后训练⁶​总负责人Yu Bowen也离开了团队。仅在今年，Qwen高级领导层就已流失三人。

多位了解内情的相关人士共同指出的原因，是组织架构变化与战略方向的冲突。林俊旸主导下的Qwen，曾是由一个团队将语言、图像、代码、视频等模态⁷​垂直整合在一起的创业式运作方式。然而阿里巴巴管理层试图将其转变为按预训练、后训练、多模态等功能划分的横向分工结构。林俊旸所追求的理念，与管理层所期望的方向正面相撞。

这种冲突的结构其实并不陌生。**OpenAI、Google、Meta都经历过类似的裂痕。研究者看重技术的完成度和开源生态系统，管理层则专注于DAU（日活跃用户）和云收入。这一冲突之所以在阿里巴巴显得尤为明显，是因为Qwen团队的规模不成比例地偏小。**字节跳动Seed团队仅为基础模型训练就投入约1,000人规模，而Qwen团队却以约100人处理相似的工作。在这样的环境下，关于资源分配和组织方向的不满不断积累，是结构性上可以预见的结果。

ATH的成立既是这场冲突的产物，也是其解决方案。CEO亲自领导AI组织，并发出“将加强AI业务整体的战略协同，同时保持快速行动的敏捷性”的信息，这同时也是一个面向内部的稳定信号。

Oswarld视角

坦白说，在ATH成立的消息中，我看到的与其说是技术新闻，不如说是一份经营战略转向的宣言。

吴泳铭“创造代币、交付代币、应用代币”这一表述，可以这样解读：创造（产品）→ 交付（分销/平台）→ 应用（客户成功/内化）。这是一条经典的全栈GTM（go-to-market）流水线。阿里巴巴终于决定，不再将AI当作“研究项目”，而是当作“在市场上出售的产品”来对待。

其中有一个有趣的张力。Qwen的全球影响力，正是来自其开源战略。Airbnb之所以能将Qwen用于客服代理，正是因为该模型可以自由下载。然而，随着ATH越来越专注于变现，其开源承诺也有可能随之减弱。有分析指出，正如Meta在Llama 4之后调整了开源战略一样，未来Qwen的旗舰模型也可能被锁在付费API之后。

在我看来，核心风险在于开发者的信任。Qwen之所以能孕育出18万个衍生模型，是因为开发者相信“这个模型会一直保持开放”。林俊旸正是这份信任的象征人物。在ATH体制下，这份信任能否得以维系，我目前仍持保留判断。

**中国AI的结构性困境归根结底就是这样：消费者不愿付费，开源没有收益，云端变现的竞争又异常激烈。**我希望Token Hub这个名字能够蕴含答案，但名字终究无法替代战略本身。

结语

用三句话总结今天的新闻简报的话，是这样的。

第一，ATH是阿里巴巴公开宣告将AI从研究资产转变为盈利事业的宣言。第二，其背后存在着由Qwen人才流失所暴露出的“研究者的逻辑vs.经营的逻辑”之间的冲突。第三，真正的试金石在于，能否在维系开源生态系统信任的同时，推进变现。

给大家留一个思考题：**如果把“创造代币、交付代币、应用代币”这条流水线，套用到你们自己的业务或组织中，会是怎样？**建议大家检视一下，瓶颈究竟出现在哪个环节，此刻投入力量的地方，是否真的是创造价值之处。

参考资料与延伸阅读

• Reuters，“Alibaba CEO takes helm of new AI-focused business group,” Reuters，2026年3月16日。：ATH正式启动的内容以及CEO吴泳铭备忘录原文的一手报道。
• Bloomberg，“Alibaba Plans Major Revamp to Heighten Focus on AI Profits，” Bloomberg，2026年3月16日。：对ATH变现战略脉络报道最为深入的一篇。
• TechCrunch，“Alibaba’s Qwen tech lead steps down after major AI push，” TechCrunch，2026年3月3日。：报道林俊旸辞职后社区反应及内部情况。
• Recode China AI，“Alibaba’s Qwen Lead Just Stepped Down. Is China’s Open-Source Moment at Risk?”，2026年3月。：最详细追踪林俊旸辞职内部经过及Qwen团队连锁离职情况的文章。如果想进一步深挖这个主题，建议从这篇开始读。
• VentureBeat，“Did Alibaba just kneecap its powerful Qwen AI team?”，2026年3月。：较好地整理了业界分析师对开源战略未来的担忧。
• ABHS，“China AI Model War 2026: Doubao, Qwen, DeepSeek，” 2026年3月。：可一览中国AI市场竞争格局及价格战现状的整理资料。
• Hello China Tech，“Qwen 3.5-Plus: Open Source, Aggressive Pricing, and a Vertical Lock，” 2026年2月。：深入分析Qwen定价策略与MoE架构的文章，推荐给想了解代币定价结构的读者。

作者安光涉是世宗大学经营学教授，也是 OBF（Oswarld Boutique Consulting Firm）首席顾问。他在大学教授经营数据管理、商业分析等统计与数据分析课程，同时在产业现场负责 GTM 与人工智能战略咨询，设计技术与商业的连接方式。他曾发表关于 AI 对话系统记忆架构（HEMA）的学术论文，并运营每日策展全球 AI 论文的 Daily Arxiv 项目。他毕业于高丽大学技术经营专业研究生院与 KMBA，著有《把思考交出去的人：Homo Brainless》。

注释

1. Qwen（千问）：阿里巴巴云开发的大型语言模型系列。以开源形式公开的模型尤其在全球开发者社区中广受欢迎，累计下载量已突破10亿次。 ↩

2. P10：阿里巴巴内部职级体系中最高级别的资深技术专家等级，相当于高管级别，仅授予少数获得技术专业性认可的人员。 ↩

3. 基础模型（Foundation Model）：如GPT或Qwen这样，以大规模数据预先训练而成的通用AI模型。可以将其理解为在针对特定任务进行额外训练之前的原型模型。 ↩

4. 代币（Token）：AI语言模型处理文本的基本单位。一个英文单词约合1至1.5个代币，韩文一个字约合1至2个代币。AI API通常以“每百万代币多少钱”计费。一张A4纸的内容大致相当于500至700个代币。 ↩

5. 微调（Fine-tuning）：在已经训练完成的基础AI模型之上，再用特定领域的数据进行额外训练。这是将通用模型转变为针对医疗、法律、编程等特定用途优化的专业模型的过程。 ↩

6. 后训练（Post-training）：基础模型训练完成之后进行的追加训练过程，用于按人类偏好改进回答，或调整模型以遵循特定格式和安全标准。 ↩

7. 模态（Modality）：AI能够处理的数据类型，文本、图像、语音、视频等各自为一种模态。能够同时处理多种类型的AI，被称为“多模态（multimodal）AI”。 ↩