阿里大动作

news2026/3/20 3:01:13
3月16日晚阿里一则内部通知在科技圈里掀起了不小的波澜——正式成立Alibaba Token HubATH事业群由CEO吴泳铭亲自挂帅。如果你只把它当成一次普通的组织架构调整那就有点低估这件事的分量了。更准确地说这是阿里在AI时代的一次“重新排兵布阵”。先看一个背景目前阿里内部已经形成四大事业群格局。包括以淘宝、天猫为核心的中国电商集团以AliExpress、Lazada为代表的国际商业集团以及云智能集团还有包括钉钉、高德、菜鸟等在内的“其他业务板块”。这些基本覆盖了阿里的传统优势领域。而ATH的出现相当于在这套体系之外单独开辟了一条“AI主线”。它整合了通义实验室、MaaS业务线、千问事业部、悟空事业部以及AI创新业务本质上做了一件事把原本分散在各条线的AI能力全部收拢集中管理。为什么要这么做答案其实写在内部信里——“AGI爆发前夜”。这句话不是口号而是阿里对未来的判断未来的数字世界不再是“人软件”的模式而是“人AI Agent”的模式。而这些AI Agent的运行本质上依赖一种核心资源——Token。你可以把Token理解为AI世界里的“燃料”。模型生成内容要消耗TokenAgent执行任务要消耗Token所有智能交互的底层其实都是Token的生产、分发和消耗。所以阿里这次做的事情本质上就是围绕Token搭建一条完整的产业链从“创造Token”模型能力到“输送Token”平台能力再到“应用Token”产品和场景。这也是ATH名字的由来——Token Hub。如果拆开来看这套布局其实非常清晰通义实验室负责底层模型相当于“造发动机”MaaS业务线提供模型服务是“卖算力、卖能力的平台”千问事业部做C端是面向个人用户的AI助手悟空事业部做B端把AI嵌入企业工作流AI创新业务则负责不断试错寻找新的增长点。换句话说从技术底座到平台能力再到用户产品阿里这次是一次性打通了整个AI闭环。这和过去最大的不同在于——不再是“各自为战”而是“统一作战”。在此前阿里的AI能力其实并不弱但问题在于分散。不同业务线各自推进AI项目资源重复、协同成本高难以形成合力。而现在吴泳铭直接下场把这些资源统一收拢等于是在组织层面做了一次“去内耗”。这背后释放出的信号很明确AI优先级已经提升到了集团战略级。再往深一层看这次调整还有一个关键点——“云AI”的再绑定。过去几年阿里云面临的压力不小尤其是在增长和竞争层面。而AI的出现其实给云业务带来了新的变量Token消耗本质上就是算力消耗而算力正是云厂商的核心资产。也就是说只要AI应用跑起来云的需求就会自然增长。所以阿里这步棋其实是一箭双雕一方面用AI提升自身竞争力另一方面用AI反哺云业务。这也是为什么ATH的核心之一是MaaSModel as a Service。它不仅是技术平台更是商业化入口——谁掌握了Token分发能力谁就掌握了未来AI生态的话语权。从行业角度来看阿里这次动作也有很强的“防守进攻”意味。一边是国外巨头比如OpenAI、Google不断推进AI Agent生态另一边国内大厂也在加速布局大模型和应用。在这样的背景下如果还停留在分散试探阶段很容易错失窗口期。而ATH的成立本质上是一次“集中火力”的战略升级——不再试探而是直接压上核心资源。可以说这一步阿里是奔着“AI时代的基础设施提供者”去的。当然问题也很现实战略有了组织也到位了但最终能不能跑出来还要看两件事——技术突破和应用落地。模型能力能不能持续逼近头部AI产品能不能真正跑出规模用户企业端场景能不能形成刚需这些都会决定ATH最终的成败。但不管结果如何有一点可以确定阿里已经下定决心All in AI。推荐阅读字节跳动将阿里和腾讯逼入绝境此外我建立了AI产品交流群想进群小伙伴加微信chanpin626我拉你进群。加过微信chanpin628或yw5201a1的别加分享内容一样有一个号就行关注微信公众号产品刘可领取大礼包一份。RECOMMEND推荐阅读315晚会曝光“AI投毒产业链揭秘GEO操控真相AI产品经理面试题如何通过A/B测试验证推荐算法效果AI产品经理面试题如何定义AI产品的核心功能需考虑哪些维度手把手教你做AI产品经理点击“阅读原文”查看更多干货

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2428495.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…