昨晚，阿里巴巴突然宣布成立 Alibaba Token Hub（ATH）事业群，CEO 吴泳铭直接负责，这可能是阿里在 AI 时代最重要的一次组织架构调整。

Token ，AI 时代的通用货币。

吴泳铭的逻辑是：未来大量数字化工作将由「数以百亿计的 AI Agent」支撑运行，而这些 Agent 的运行，由模型产生的 Token 驱动。

创造 Token、输送 Token、应用 Token，这将是阿里新的的主线。

其中内部信中还有一个首次出现在公众视野里的名字：悟空事业部。官方对悟空事业部的定位是：「打造 B 端 AI 原生工作平台，将模型能力深度融入企业工作流。」

也就是说原来的钉钉，被提到了一个更核心的战略位置，和千问一起分别在 B 端和 C 端承载阿里 AI 的目标。

这次发布会，悟空事业部交出了成立以来的第一份作业—— AI toB 旗舰应用「悟空 WuKong」，这也是首个以企业智能体为核心的 AI 原生工作平台。

这是ATH 事业群成立第二天，阿里巴巴集团 CEO 吴泳铭也出现在今天的「悟空」发布会现场。

最近在「养龙虾」席卷社交媒体后，每个人或多或少都感受到发现 AI 真的能操控电脑、帮你干活。

然而也便随这混乱，龙虾删邮件停不下来，敏感数据被 AI 随意读取，公司 IT 部门一句「这东西不合规」，大多数企业用户就此止步。

AI Agent 走到了哪一步，能不能广泛使用，还只是个技术问题。企业组织敢不敢用，才是真正的问题。

APPSO 在现场给大家快速梳理了这场发布会的要点：

• 悟空 WuKong：全球首个以企业智能体为核心、更安全、商业可交付的 AI 原生工作平台
• 首创 AI 原生文件系统 Real Doc：每一步操作可追溯可回退
• 钉钉全面 CLI 化：重写底层代码，给 AI 造了一套原生操作语言，可以 CLI 原生安全地访问钉钉应用和数据
• 十大 OPT 行业方案：一人电商、一人门店、一人知识博主……Skill 即生产力
• AI 能力市场：企业级 Skill 生态完整体系上线，全部纳入统一的安全扫描和分级管控体系
• AI 硬件：A1 Pro 录音卡 + Cleer H1 AI 耳机首亮相
• 原生级企业安全架构：底层沙箱隔离与全链路审计，让企业真正敢用 AI

钉钉为 AI 打造钉钉

在理解悟空之前，先要消除一个刻板印象，它绝对不是「钉钉加了一个 AI 对话框」。这句话值得重复一遍——悟空不是钉钉加了一个 AI 功能。

过去两年，我们见过太多「产品加 AI」的案例：Word 加了 Copilot，微信加了元宝，网页端加了摘要按钮。这类产品的逻辑是：原有功能不动，AI 作为辅助层叠加在上面，帮你写写文字、润色润色、总结一下。

悟空的逻辑完全不同。

悟空是一个以企业智能体为核心的 AI 原生工作平台。 它能操作我们的电脑、编辑本地文件、调用桌面应用程序、连接钉钉文档 / 审批 / 日程 / 听记等全系产品。

当你对悟空说：「帮我把上周所有客户拜访的记录整理成周报，发给张总确认一下」。

悟空不会给你写一份模板然后让你自己填，它会直接打开你电脑上的拜访记录文件夹，读取每一份记录，生成周报，保存到指定位置，然后在钉钉里发给张总发起审批。

全程，你只说了一句话。

更关键的是：手机可以远程指挥悟空唤起本地环境完成工作。不需要坐在电脑前。出门见客户的路上，发一条消息，悟空在家帮你把活干完。

这是「本地执行 + 远程可控」的 Agent 工作架构，也是悟空正在定义的新工作方式——说一句话，就能干活。

悟空与 OpenClaw：解同一道题，用的是不同答卷

很多人的第一反应：这不就是「中国版 OpenClaw」吗？

表面看都在让 AI 操作电脑，但两者的关系，更接近「Linux 的开源社区」和「Red Hat 企业版」，底层技术同源兼容，但面向的战场完全不同。

OpenClaw 证明了 AI Agent 可以操控电脑这个概念，它依赖「视觉模拟」和操作系统原生命令行，让 AI 像人一样看屏幕、点鼠标。这套方案很酷，但也很脆弱，毕竟界面一更新，命令一修改，整个流程就可能崩掉。

更要命的是，OpenClaw 在本地运行时，几乎拥有与用户完全相同的系统权限。理论上，一台实习生电脑上的 OpenClaw，可以读取他不该看到的任何数据。安全机构已发现其技能市场存在数百个恶意程序，Gartner 将其企业部署评级为「不可接受的网络安全风险」。

OpenClaw 是 Agent 的「Linux 时刻」——开源、自由、极客驱动、生态繁荣，但没有企业敢直接用。

悟空要解的题不一样：兼容开源生态的全部 Skill 能力，同时从架构层面把安全内建进去，而非事后打补丁。

统一企业身份认证、专属沙箱隔离、网络代理管控、全链路审计日志——每一层安全都在回答同一个问题：让 IT 部门敢拍板，让 CEO 敢买单。

这是 Enterprise Agent 和「开源 Agent 框架」的本质差距。

钉钉 CEO 无招在发布会现场表示，「今天，我们把钉钉打碎，用 AI 重建，炼出悟空。过去是人用钉钉来工作，未来是 AI 用钉钉来工作。和市面上所有的龙虾 Agent 不一样，悟空天然就长在企业组织中，可以在真实的企业环境中安全使用。」

CLI 化：给 AI 造一套原生操作语言

要理解悟空为什么「真的能干活」，关键是它有一套让 AI 能「听懂」软件的语言。

过去，几乎所有的 AI Agent 都在试图模拟人类的键鼠操作。这就像是蒙着眼睛，靠别人在旁边喊「往左一点，点击」来用电脑，不仅极度低效，而且极其容易出错。

为了让悟空真正能「干活」，钉钉做了一个相当疯狂的决定：所有底层代码重写了一遍。

他们将整个钉钉的既有能力体系全面 CLI 化（Command-line Interface，命令行界面），所谓 CLI 化，就是把钉钉从一个「给人用的图形界面」，变成一个「给 AI 用的命令行接口」。

AI 不再需要「看懂」按钮在哪里，而是直接通过标准化指令调用能力，这相当于给 AI 装上了神经末梢。

其中，包括文档、日程、审批、会议甚至 AI 表格，所有的钉钉产品，全部重写为标准的 CLI 指令。

这意味着，悟空不再需要像人类一样去「点击」按钮，而是通过原生指令，直接调用钉钉的一切能力和数据。

不仅是钉钉应用，阿里集团旗下的淘宝、天猫、支付宝、阿里云等核心业务能力，也将逐步作为 Skill 接入悟空。悟空，正在成为整个阿里巴巴 AI 能力在企业工作场景的统一出口。

当用户说「帮我整理下周的客户拜访记录并生成周报」，悟空不是「看懂」这句话，而是直接触发一系列 CLI 指令：调取日程 API → 抓取 CRM 数据 → 运行听记解析 → 写入文档 → 发起审批流。全程没有模拟点击，没有视觉识别，只有机器对机器的精准调用。

这个逻辑，在行业报告「未来属于智能体：万亿 AI 正在重新定义软件」里有一段话说得非常准确：

你构建的一切都必须是 API 优先的。如果一个功能没有 API，它就相当于不存在。如果不能通过 CLI 或 MCP 服务器暴露，你就是处于劣势。

换言之：在 AI 智能体成为软件「主要用户」的时代，不能被 AI 原生调用的软件，等于不存在。

钉钉理解了这个逻辑，所以选择了极其昂贵的方式——重写服务全球 8 亿用户、2700 万家企业的产品底层。钉钉全面 CLI 化之后，Agent 才能从「能聊天」变成「能干活」。

Realdoc，AI 终于有了原生的文件操作语言

但 CLI 化只解决了「AI 能不能调用钉钉」的问题。还有一个更底层、常被忽视的问题——AI 怎么操作文件？

目前市面上几乎没有 AI Agent 产品专门为 AI 设计过文件系统。所有人都在用传统文件系统凑合，结果是什么？

AI 要改一份文档里的一个词，必须先把整篇文档读进内存，改完再整篇写回去。就像改一本书里的一个错别字，却要把整本书重新抄一遍——荒诞，但这就是现实。

这带来三个连锁问题。

第一是 Token 爆炸，每次操作都吞进整篇文档，成本直线飙升，有用户实测用 AI 制作一个 PPT，消耗了 2.7 亿 Token，约合 500 美元。

第二是无法回退，AI 覆盖写入即生效，改坏了没有存档可以回溯，只能从头再来；

最后是文件失控，Agent 随机创建文件，企业根本不知道 AI 在哪里生成了什么，散落的结果是既找不到，也管不住。

悟空为此专门从零搭建了一套 AI 原生文件系统 Realdoc，这是行业首次，有人专门为 AI 重新设计一套文件操作语言。

在 Real Doc 里，悟空可以像外科医生一样，按行号、按关键词定位，只动需要动的地方，其他内容一字不碰。Token 消耗大幅压缩，不再因为改一个词而把整篇文档走一遍。

更关键的是版本管理。AI 每执行一步操作，Realdoc 自动保存完整快照——就像游戏里的自动存档点，每一步操作都有记录，可随时退回任意版本，还能自动对比两个快照之间的 Diff，精确到每一行的变动。

还有文件归宿的问题。Realdoc 为每个 AI Agent 分配独立的云端工作空间，AI 产出的每一份文件都有「户口」——存在哪里、谁创建的、哪个 Agent 在什么时候改过，企业管理者一目了然。

到这里，悟空做出了大多数企业级产品还没意识到的改变：不再让 AI 套用到现有工具中，要为 AI 重新造一套工具。

悟空首发 十个 OPT Skills 套件，钉钉原生协同

如果说 CLI 化解决了「AI 如何干活」，那么接下来的问题是：AI 该干哪些活，谁来告诉它怎么干？

答案是：Skill。

Skill 是悟空的最小生产力单元——一个封装了行业专家 SOP、可直接调用的能力模块。我们不需要懂 AI，不需要写 Prompt，一键启用，AI 团队立刻就位。

这不是一个新概念，但悟空把它推向了一个全新的量级。

悟空首批推出十大行业 OPT（One Person Team，一人团队）技能套件，覆盖一人电商、跨境电商、知识类博主、开发、门店、设计、制造、法律、财税、猎头十大场景。每个行业包预置了若干串联 Skill，把过去需要团队协作才能完成的工作流，压缩成一个人可以独立驾驭的操作序列。

以跨境电商为例。过去，一个店主每天要在亚马逊上找爆款，去 1688 上比价，跟供应商确认库存，再想破头优化商品描述，一个人能管三个品就是极限。

现在接入悟空 OPT 方案后，「选品雷达」每天定时抓取亚马逊热榜数据写入 AI 表格；发现爆款后，「AI 找同款」瞬间完成国内供应链匹配；直接确认样品、生成产品描述、输出视频脚本，都有行业级的 Skills 辅助。从发现需求到供应链跟进，一个人用一个下午，干完了一个小团队一周的活。

「一人门店」的场景更让人感慨。街边的汽修店、美甲店老板，白天忙服务，晚上还要强打精神刷小红书学竞品写文案。现在，同样是多个 Skill 串联，AI 自动监控同行爆款，提炼出可复用的创作模板，自动生成原生网感文案并发布，甚至能 7×24 小时智能回复客户私信。

「当一个店主用 AI 运营账号的质量，比竞争对手请的代运营公司还好时——这件事就不只是效率提升了。这是小微门店生存逻辑的重写。」

这正是 Skill 即生产力的核心逻辑：把行业专家的隐性经验，变成人人可调用的标准化能力。Skill 不只是提高效率，它在重新分配能力——让不具备专业背景的人，也能获得专业级的产出。

这个逻辑的更大野心，体现在钉钉同步上线的 AI 能力市场。

Anthropic 推出 Claude Skills 开放标准后，微软、OpenAI、Cursor 等巨头迅速跟进。行业共识正在形成：下一阶段的竞争，不是「谁的模型更强」，而是「谁的 Skill 生态更完整」。

钉钉 AI 能力市场覆盖 Skill、Agent、Service 完整体系，从开发、审核、上架、分发到管理，全链路打通。

企业可以把资深员工的方法论固化成私有 Skill，彻底摆脱人才流失的阵痛；开源社区里数千个现成的能力，也能在企业级安全架构下被随时调用。

这是悟空最有想象力的部分，它在搭建 AI 时代的生产力基础设施——Skill 是这套基础设施里流通的「货币」，谁掌握更多高质量的 Skill，谁就掌握了 AI 时代更大的生产力。

AI 新硬件

除了软件，在这场发布会上，钉钉还发布了多款 AI 硬件。

DingTalk A1 Pro：录音卡形态，专为会议和工作场景设计，支持多麦克风阵列拾音，AI 实时转录、翻译、摘要，把「开完会还要整理纪要」的低效循环彻底斩断。

Cleer H1 AI 耳机：钉钉与 Cleer 联名推出，首款与悟空深度联动的 AI 耳机。戴上耳机，语音即可直接与悟空对话下达指令，无需打开屏幕，从而实现真正的「所想即所达」。

更值得关注的是 Real AI 硬件（Realbox）：搭载 1 台 PC 环境 + 5 台手机环境，支持多人共用、多并发任务处理。企业部署一台 Realbox，可以同时为多个员工运行多个悟空实例；部署多台 Realbox，可构建 AI 计算机集群，任务并行处理，弹性扩展。

不难看出，钉钉这些 AI 硬件并不是独立存在市面上的同类产品抢夺市场，核心都是为了更好地打通 AI 工作流，成为软硬一体的 AI 原生工作平台。

OpenClaw 跑在一台电脑上，做一台电脑能做的事；悟空搭载 Realbox 集群，正式宣告：AI 算力，可以像水电一样，以基础设施的形式在企业内部流通了。

AI 时代的组织生产力

在观看这场发布会时， 我想起前段时间 Sam Altman 在采访中提到的观点：「历史上第一家由一个人独立运营的十亿美元公司，即将出现。」

彼时龙虾还没火爆，一人团队（OPT）的概念也只是在 AI 圈子里。他没有解释这个人会用什么工具，会在哪里，会干哪个行业。但看完这场发布会，这句话变得具体了一些。

这个人，大概率会有一套像悟空这样的东西在身边。过去十一年，钉钉一直在让人学会用工具。悟空想做的，是逐渐让工具真正学会理解人。

当工具开始理解人，一件以前不可能的事情正在变得可能：组织生产力，第一次可以真正被数字化封装、分发和扩展。当 Skill 把行业专家的经验变成人人可调用的能力货币，当 AI 原生平台成为个体接入组织能力的操作系统，一个人或组织能做的事情的边界，将被彻底重新定义。

Sam Altman 看到的是「一人公司」这个终点，悟空要做的，是让更多普通人有机会走到那条路上。它不是专门为天才准备的工具，而是为所有「想做更多但苦于一个人精力有限」的人，提供一套 AI 时代的组织生产力基础设施。

AI 原生工作平台，正在成为这个时代最关键的组织变量。 谁先跑通它，谁就先拿到了超级个体时代的入场券。

之前有一个观点，燃烧 Token 的速度，决定了人的进化速度。而悟空的 1.0 版本，指向的就是人和组织进化的下一个版本。

文｜李超凡

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

「按照原来安排继续干」

离职的消息最沸沸扬扬的时候，在 Qwen 团队的核心负责人林俊旸在朋友圈发了两句话：

「Qwen 的兄弟们，按照原来安排继续干，没问题的。」

「安排好的」？这是什么？

林俊旸离开前夕，Qwen 团队刚刚发布了一件被全球开发者社区刷屏的东西。Qwen 3.5 Small 系列，参数量从 0.8B 到 9B，专为端侧设备设计，可以在普通笔记本电脑上运行。

不是一个更大的模型——而是一组更小的模型。要知道，过去三年里，AI 行业最强大的共识是「越大越好」。OpenAI 的 Sam Altman 四处筹措万亿美金建设算力基础设施，各家实验室军备竞赛般地烧钱烧卡，底层假设只有一个：模型越大，就越聪明。

这套逻辑被称为 Scaling Law，它不仅仅是一条技术规律，更像一种信仰——整个行业的融资叙事、人才分配、硬件投资都建立在这个前提之上。

但 Qwen 3.5 Small 的发布，和林俊旸的离开，同时发生。一个技术信号和一个人事信号，交织出一个更复杂的故事：小模型到底在发生什么？它为什么重要？

当 9B 打赢 120B

即便不是开发者，也可以跑分上一窥 Qwen 3.5 的战绩：

Qwen 3.5 Small 系列中，9B 参数的模型在多项基准测试中全面超越了 OpenAI 的 gpt-oss-120B——一个参数量是它 13 倍的模型。

这些不是边缘指标上的微弱优势，而是在核心推理任务上的系统性领先。一个可以装进笔记本的模型，在数学、科学、视觉推理上全面击败了一个需要数据中心级硬件才能运行的对手。

当然了，摸着良心说，gpt-oss-120B 不是 OpenAI 的旗舰产品，而是其开放权重的中端线。而且它采用 MoE 架构，标称 120B 参数，但每个 token 实际只激活约 5.1B 参数——所以参数量的对比，在工程层面并不像字面数字那么悬殊。

但这不影响趋势本身的成立。因为 Qwen 3.5 Small 并不是孤例。

同一时期，Nature 报道了一个微型递归模型（TRM），在 ARC-AGI 逻辑测试中击败了多个顶级大语言模型。Google Research 在 2026 年初发表论文，证明小模型在意图提取任务上的表现优于显著更大的模型。PNAS 上的一项研究更直接——模型规模与说服力之间呈急剧递减收益，大到一定程度之后，更大几乎不带来更好。

《华尔街日报》早在 2025 年 10 月就已经敢说，「大模型拿走了所有的关注，但小模型才真正干活的那个。」

这些信号共同指向一个判断：以小博大不是偶发事件，而是大势所趋。

那么问题来了——小模型凭什么？

才不是大模型的替身文学

直觉上，人们容易把小模型理解为「大模型的平替」，同样的方法，只是规模小一些，性能差一点，胜在便宜。

但事实恰恰相反：今天的小模型之所以能以小博大，是因为它们在技术方法论上，走了一条和大模型完全不同的路。

第一，数据质量压倒数据规模。 大模型的路线是「尽可能多地吞入互联网数据」，而小模型路线的代表——比如微软的 Phi-4 系列——走的是精筛路线：用高质量的合成数据加上严格筛选的公开数据集，让模型在更少的数据上学到更精确的能力。这背后的逻辑转变是根本性的：不是「喂得越多越聪明」，而是「吃得精才学得好」。

第二，原生多模态设计取代了适配器拼接。 传统做法是先训练一个纯文本大模型，再通过适配器模块接入图像、视频、音频等能力。Qwen 3.5 采用了完全不同的架构：将视觉 token 和文本 token 在同一个潜空间中联合训练，从底层就是多模态的。这意味着它是一个天生就同时理解文字和图像的模型。这种架构在小参数量下反而更有优势，因为不需要额外的适配器开销。

第三，量化技术带来的不只是压缩。 4-bit 量化常常被理解为「把模型压小 4 倍以节省存储」，但它真正的意义在于减少 4 倍的内存吞吐量。在端侧设备上，瓶颈往往不是存储空间，而是内存带宽，也就是数据从内存搬运到处理器的速度。量化技术让小模型在带宽受限的手机和笔记本上，获得了决定性的速度优势。

这些方法论上的突破已经开始转化为产品。3 月第一周，苹果发布了 M5 全线芯片，每颗 GPU 核心内置 Neural Accelerator，AI 性能较 M1 提升最高 8 倍。与此同时，苹果研究院公开了 Ferret-UI Lite——一个仅 3B 参数的端侧 GUI 代理，可以本地操控手机和桌面应用。加上 Apple Intelligence 约 3B 参数的端侧基础模型，苹果正在将「on-device AI」从概念推进到芯片、模型、交互三位一体的产品形态。

微软的 Phi-4 multimodal 也开始尝试商用上线 Azure，3.8B 参数，接受文本、音频和图像输入。开源社区的反馈更加直接——Reddit 上的开发者实测后认为 Qwen 3.5 的 4B 版本是「甜点级」模型：跨任务稳定、无崩溃、远快于 9B 版本。

技术路线已经被验证，产品化拐点已经到来，天边泛起鱼肚白，曙光乍现。

而就在此刻，林俊旸选择离开。

最会做小模型的公司，最没有动力让它成功

Qwen 3.5 Small 在发布后获得了开发者社区的广泛认可，开源社区的评测结果甚至超出了官方发布时的宣传。

但是，他所在的公司是阿里巴巴，阿里巴巴的商业引擎是阿里云。

大模型和云计算之间存在天然的正向循环：模型越大，推理所需的算力越多，客户就越需要购买云计算服务。对阿里云来说，大模型是完美的商业叙事——它同时推高了客户的算力需求和对云平台的依赖。

而小模型的逻辑恰恰相反。小模型的核心价值在于可以在端侧设备上运行——手机、笔记本、边缘服务器。这意味着客户可以绕开云，在本地完成推理。对用户来说，这意味着更低的成本、更好的隐私和更低的延迟。但对阿里云来说，这意味着收入被侵蚀。

Qwen 3.5 Small 做得越好，对阿里云的商业叙事就越尴尬。

这不是阿里一家的问题。放眼中国的科技巨头，几乎所有 AI 领先的公司都面临同样的结构性矛盾。百度和腾讯的处境与阿里类似——商业模式建立在云服务和平台抽成之上，小模型的端侧化趋势直接削弱了它们的价值主张。

字节跳动的豆包手机是一个有趣的例外，但字节做硬件才刚起步，远没有建立起「芯片+操作系统+模型」的垂直整合能力。

华为理论上最有条件，既有芯片，又有终端设备。但在制裁的影响下，它的算力上限本身就逼着它走小模型路线，这更多是被动的求生策略，而非主动的战略选择。至于小米、OPPO、vivo，它们有设备，却不是 AI-first 的公司，缺乏自研模型的基因和持续投入的动力。

全球范围内，真正打通端侧 AI 全栈的公司，可能只有一家：苹果。芯片、设备、操作系统、自研模型，全部自有。苹果的动力来自复合型的商业模式，这驱动它把一切计算尽可能留在设备上，因为每一次端侧 AI 体验的提升，都会转化为硬件的溢价和生态的黏性。

不过，这里需要诚实地处理一个可能的反驳：云厂商难道不能走「端云协同」的路线吗？用小模型做端侧入口，复杂的推理任务回调云端处理，两边都不耽误。

理论上可以。但这恰恰说明了问题——在端云协同的框架下，小模型对云厂商来说是「引流工具」，而不是「独立产品」。云厂商没有动力把小模型做到好到不需要云。

还有一个绕不开的反例：微软也是云厂商，但它在认真做 Phi-4 系列小模型，而且已经商用上线。这是否说明「左右互搏」的论点站不住脚？

非也。微软之所以能两条腿走路，是因为它同时拥有 Windows 和 Surface 的硬件生态、Azure 的云平台以及 Copilot 的端侧产品线。做 Phi-4 对微软来说是防御性布局：如果端侧 AI 的趋势不可逆转，为了大局，宁可壮士断腕，自折一臂，也不能把端侧市场拱手让给开源社区和苹果。

但阿里没有这个选项——没有消费级操作系统、没有主流终端硬件、没有面向个人用户的 AI 产品矩阵。Qwen 做得再好，也没有自家的「最后一公里」可以落地。

动力不同，产品的天花板就不同。

这就形成了一个令人不安的画面： 小模型从实验室走向产品的真正瓶颈，不是技术能力，而是供需错位；最擅长做小模型的公司（云厂商），最没有动力让它真正成功；最需要小模型的公司（设备厂商），又缺乏独立研发的能力。

「没问题的」

回到林俊旸的那条朋友圈，「继续按照安排好的干，没问题的」。

也许技术路线确实没有问题，一切都在朝着正确的方向走。但在一家以云为重的公司里，就算做出世界级的小模型，团队的处境注定不会舒适。

这不是对阿里的批评——任何一家以云收入为生命线的公司，面对一项可能侵蚀自身收入的技术路线，都会陷入同样的两难。这是一个结构性矛盾，不是个人或管理层的选择问题。

比人事更值得关注的，是 Scaling Law 本身正在发生的变化。

过去三年，「越大越好」不仅仅是一条技术规律，它是整个 AI 行业的信条。融资叙事围绕它建立——投资人相信更大的模型意味着更强的能力，所以万亿美金涌向算力基础设施。人才分配围绕它运转——最顶尖的研究者被吸引到训练最大模型的团队。硬件投资围绕它定价——英伟达的估值建立在一个前提之上：对算力的需求会永远增长。

现在，这个前提正在松动。MIT 的研究估计，效率提升将使中等硬件上的模型在 5 到 10 年内逐步追平最大最贵的模型。芝加哥大学的研究表示，数据质量正在取代数据规模成为核心竞争维度。

产品化的方向不再只有云端，而是同时向端侧扩散。Scaling Law 正在从一条单调递增的曲线，变成一张需要在多个维度上寻找最优解的地图。

不再是「越大越好」，而是「在对的地方，用对的大小」。

林俊旸大概比大多数人更早地感受到了这个变化。他用 Qwen 3.5 Small 证明了一件事：在对的方法论下，9B 参数可以击败 120B。但他同时也撞上了另一堵墙——技术上的正确，不等于商业上的可行，更不等于组织上的舒适。

他说，没问题的。确实，技术路线已经铺好了，而剩下的问题不在实验室里，而在实验室外面。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

me stepping down. bye my beloved qwen.（我将卸任。再见了，我深爱的 qwen。）

3 月 4 日凌晨，阿里通义千问（Qwen）技术负责人林俊旸在 X 突然发文，向自己一手带大的开源模型项目告别。

这条推文瞬间引爆了整个在全球 AI 开源社区。就在前一天，他还和团队并肩发布了 Qwen3.5 小尺寸模型系列，马斯克亲自点赞，林俊旸在 X 上礼貌致谢。

没想到，这竟然成了林俊旸在千问的最后一次营业。

多位 Qwen 骨干同时离职，同事留言：我真的心碎了

林俊旸并没透露离职的原因和之后的去向，在他的的推文发出后，同为 Qwen 成员的 Chen Cheng（@cherry_cc12）转发并留下了一段意味深长的评论：

我真的心碎了。我知道离开并非你的选择。就在昨晚，我们还并肩发布 Qwen3.5 小模型。说实话，我无法想象没有你的 Qwen。

这条留言迅速引发外界猜测——「离开并非你的选择」，暗示林俊旸的卸任或许并非出于个人意愿。

与此同时，更多 Qwen 核心团队成员宣布离开：

Kaixin Li（@kxli_2000），新加坡国立大学毕业，Qwen3.5、Qwen-VL（视觉语言模型）、Qwen-Coder 的核心贡献者。

他在 X 上发文告别：「Signing off from @Alibaba_Qwen. Grateful for the chance to work with such brilliant minds. Proud of our impact. Onwards and upwards!」

Binyuan Hui（@huybery），阿里高级研究员，OpenDevin 开源项目发起人，Qwen-Coder 系列模型的主要技术负责人。其 X 个人简介已改为 「former MTS at Qwen」。

他在代码生成、自然语言转 SQL 等领域有深厚积累，曾主导推出 Qwen Chat 网页界面，让 Qwen 模型更易用。

Wenting Zhao。Qwen 团队研究科学家，在 X 上称林俊旸的离开是 「the end of an era」（一个时代的结束），感谢他推动 Qwen 在开源 AI 和工程领域的进步。

一夜之间，阿里最核心的开源大模型团队就经历了一场人事地震，而林俊旸的离开也引发了全球 AI 社区的关注。

Hyperbolic Labs 的 CTO Yuchen Jin 回忆与 Qwen 团队在模型发布时的深夜协作，称林俊旸帮助 Qwen 与全球开发者社区建立了紧密联系。

Hugging Face 亚太生态系统负责人 Tiezhen Wang 则 称林俊旸的离开是对 Qwen 来说是「an immense loss」（巨大损失。）

从北大语言学硕士到阿里最年轻 P10

林俊旸的履历，堪称中国 AI 新生代技术人才的典型样本。

1993 年出生的他，本科就读于北京大学计算机科学专业，硕士却选择了外国语学院的语言学与应用语言学——这段「跨界」经历，为他后来在多模态大模型领域的突破埋下了伏笔。

2019 年硕士毕业后，林俊旸以应届生身份加入阿里巴巴达摩院智能计算实验室，成为 M6 多模态预训练模型团队的一员。

2022 年，他主导研发了通用统一多模态预训练模型 OFA 和中文预训练模型 Chinese CLIP，同年被任命为通义千问技术负责人。

2025 年，32 岁的林俊旸晋升为阿里史上最年轻的 P10 级技术专家。

而在林俊旸的带领下，Qwen 系列模型创造了令业界瞩目的成绩。

• 2023 年 8 月，Qwen 首次开源
• 2024 年，开源 Qwen2 系列，72B 模型登顶 LMSYS Chatbot Arena 开源榜首
• 2025 年，推出万亿参数旗舰模型 Qwen3-Max，跻身全球前三
• 2026 年 3 月，Qwen3.5 小模型获马斯克点赞

截至目前，Qwen 系列模型全球下载量突破 6 亿次，衍生模型超过 17 万个，超越 Meta 的 Llama 成为全球第一大开源模型家族。这是中国开源 AI 模型在全球影响力版图中的一次关键扩张。

模型即产品

林俊旸不仅是一位技术专家，更是 Qwen 在全球开发者社区的「代言人」。

在 X 上，他定期发布模型更新、分享 benchmark 结果、与全球开发者互动——在 AI 实验室争夺开发者心智的今天，这种活跃的公共形象让 Qwen 在国际舞台上拥有了罕见的「人情味」。

今年 1 月的 AGI-Next 前沿峰会上，他提出了一个颇具前瞻性的观点：

「模型即产品。今天做基础模型本身，其实也就是在做产品，研究人员也需要像产品经理一样，把研究成果做成真实世界可用的系统。」

2025 年 10 月，他还宣布在 Qwen 内部亲手组建机器人和具身智能小组，试图让模型「从虚拟世界走向现实世界」。

千问站到了新的十字路口

林俊旸的离职，只是阿里通义实验室人才流失的冰山一角。

过去两年，通义实验室经历了多轮核心人员离职：

• 周畅（原通义千问大模型技术负责人）：2024 年被字节跳动以千万年薪挖走，阿里随后提起竞业诉讼
• 鄢志杰（原语音团队负责人）：达摩院「扫地僧」之一，2025 年离职
• 薄列峰（原多模态、视觉负责人）：2025 年离职

也难怪有人调侃，阿里在 AI 领域已逐渐成为培养高端人才的’黄埔军校。

而就前两天，阿里刚刚宣布将大模型 B 端品牌和 C 端应用品牌统一为「千问」，「通义千问」的名称将不再使用。

千问在刚刚过去的春节 AI 大战，也刚刚打了一场胜仗。

AI 产品榜发布的全球 AI 应用最新数据显示，MAU(月活用户数) 排名前三的 AI 应用分别为 ChatGPT、豆包和千问，其中，千问以 2.03 亿 MAU 成为全球第三大 AI 应用，并以 552% 的增速居全球第一。

今年春节，千问发起「请客活动」，上线买奶茶、点外卖、订票等「办事」功能，吸引 1.3 亿用户在千问「一句话下单」累计超 2 亿次，相当于全国平均每 10 人就有 1 人在千问下单。

QuestMobile 数据披露，该活动前两日即吸引超 3000 万用户参与，将千问 DAU 从 707 万推高至 7352 万，增速高达 940%。春节结束后，千问与豆包 DAU 差距大幅缩小，稳定至 4000 万上下。

对于阿里来说，如何在人才流失与组织调整的双重压力下，继续保持 Qwen 的技术领先和开源影响力，将是一个严峻的考验。

阿里千问正站在一个关键的十字路口。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

谁能想到，2026 年第一个爆火出圈的 AI 互动装置，居然出现在米兰冬奥村？

事情是这样的，自从前几天米兰-科尔蒂纳冬奥会开幕之后，热搜就被冬奥新闻给包圆了：又是波切利开幕式献唱《今夜无人入睡》，又是单板滑雪大跳台上的神仙打架，但最吸引我注意的其实是一条场外「八卦」——

听闻各国运动员在紧张的比赛和训练之余，又㕛叒开启了每届奥运必备的保留节目：集 Pin 大战。这股风潮有多猛，看我们的短道速滑名将林孝埈证件挂绳上叮叮当当挂了 11 枚徽章就知道了。

莫非，这些战利品都是他靠着「社牛」一个个换回来的？

很快，前线 vlog 就拍到了「案发现场」：林孝埈本人，正专注地……在一台机器前参与猜拳互动。不只是他，各国运动员都跟约好了一样往那里凑，一个个探头探脑，充满好奇。

这种神秘仪式，一下子给我整不会了。直到我顺着网线爬到冬奥村一看，好家伙，我悟了。

原来，这台机器是阿里云官方基于千问大模型，结合咱们的过年求好运风俗，专门给冬奥村打造的「智能徽章交换站」。

但在我看来，它真正的名字应该叫——「米兰冬奥村 AI 盲盒机暨好运许愿池」。

这就来看看，这台机器，是怎么把中国 AI 、新年风俗和奥运传统结合起来，搞出一场连奥运冠军都上头的「文化输出」的？

当「换 Pin」变成「抽盲盒」 ，这很上头

要想搞懂这活动为什么如此上头，得先了解一下冬奥村的「社交规则」。

在运动员们居住的奥运村，有着百年历史的交换徽章（Pin）传统，约等于我们小时候交换干脆面卡片、二次元去漫展换谷子，是最高级别的社交礼仪。小小一枚徽章，就是参赛选手最好的伴手礼。

但换 Pin 这事吧，以前完全是社牛的天下，对社恐来说就不太友好了。你想想，揣着一枚徽章，看着一个两米高的外国猛男，语言又不通，想换又不敢开口，脚趾能把米兰大教堂都抠出来。

于是，阿里云 AI「冬奥许愿池」应运而生。

它的玩法突出一个简单公正，又仪式感满满，社牛社恐都能玩。

首先，把自己的徽章放入一个空球，交给机器汇入「公共卡池」，就算是正式加入了这场「奥运版抽盲盒」游戏。接下来，就看你想怎么玩了：

想体验一把「隔空取物」？那就站在屏幕前抬手，玻璃后的机械手会准确 copy 你的每一个手部动作，你指哪，它去哪；看准了，手一握，就伸入徽章球池给你捞一个新徽章球回来。

训练了一天累得不想动手？也行，直接用母语对 AI 下达指令，机器就会乖乖跑到你指定的区域抓取徽章球。

别看面板上为了简洁只标示四种语言，AI 实际上能听懂 119+ 种语言，连多邻国都要甘拜下风。什么小众语言或「塑料英语」，都可以放心大胆说。

当然，最上头的还得是和 AI 玩上一把猜拳，押上徽章决胜负。别以为运动员就能凭反应胜出——机器凭借敏锐感知力与灵巧手，几乎总能和运动员同时出手。好在，赢了可以获得大概率藏着珍稀徽章的红球，输了也有普通徽章当「安慰奖」，妥妥的稳赚不赔！

最后拿到新球，拧开就能得到一枚未知的徽章+一张祝福小福签，实现「人人都能换徽章」的愿望。怎么样，是不是有内味了？这不就是我们熟悉的抽盲盒吗？

怪不得，连见惯了大场面的运动员都玩得不亦乐乎，出现了人传人现象：前几天玩开了的老手，甚至主动当起了「志愿者」，呼朋引伴地带队友来玩，还自信满满地给初来乍到的队友介绍各种玩法和夺宝秘诀，活脱脱一个「场外指导教练」。

在「以老带新」的风潮下，交换站迅速人气爆棚。开放近一周，只住着 1500 人的冬奥村，就来了4000+ 打卡人次；各国国家队更是时常来「团建」，硬生生把智能徽章交换站变成了社区活动中心，「你和 AI 换 Pin 了吗？」也成了运动员们新的问候语。

说到底，谁能拒绝开盲盒的快乐呢？

在冬奥村的人还会发现，每天傍晚前后，徽章交换站所在的 Plaza 区特别热闹。原来是下午 4 点到 8 点的「Pin of the Day」特别活动开张了——

活动期间，官方会把放有特别徽章的透明球放入池子，谁能抓到，就能兑换全套徽章套盒在内的惊喜礼物。意大利代表团此前集体出动，围着机器轮番挑战，颇有下副本打 BOSS 的架势。

游戏的尽头，是硬核科学

前方工作人员透露，运动员们最爱的玩法是猜拳，这点倒是在意料之中，因为猜拳的体验恐怕是最「颠覆常识」的。据说每个和机器猜过拳的运动员都惊了:

——这 AI 咋回事，反应这么快？

那是因为，它背后藏着阿里云 Qwen3-Omni 多模态大模型。

以前的机器人反应慢，是因为摄像头、麦克风、图像识别模型、机械控制系统各自为政，信息要一步步流经每个系统，光内部「开会」就要等上半天。

而阿里云这套方案，玩的是「端到端一体化」，也就是说机器的眼、耳、手全都归同一个「部门」管。

凭借千问大模型的强大能力，它可以同时处理看到的画面、听到的声音，几乎没有内部沟通成本；另外，内置的「感知 – 思考 – 推理 – 行动」能力让它可以将运动员的命令实时快速转化成动作输出，由此实现了「所见即所得，所听即所动」。

这就是为什么，它能做到极低延迟，就像我们的「第二双手」一样自然，连即时的猜拳游戏都能跟上。

更重要的是，这套系统不是实验室里的 demo，即使在冬奥村这种人声鼎沸、多国语言混杂的地狱级真实环境中，也能实现长期稳定运行。能在这样的大规模真实场景中稳定落地，本身就体现了阿里云的工程实力。

谁也想不到，冬奥村里的 AI 机器，同样能「更高、更快、更强」。

连国际奥委会主席考文垂也高度评价说，“这是奥运史上最受喜爱的传统之一与前沿科技的一次精彩融合”。她和团队亲自体验后认为：“这是一项充满乐趣的活动，能通过 AI 技术实实在在提升冬奥体验，让运动员在比赛期间感到被支持、被关照，也再次证明了阿里云 AI 能力在奥运场景中的价值。”

赛前来「集福」，成了运动员的仪式感

更绝的是，阿里云这次把「中国式浪漫」植入到了这场游戏里。

国内每逢春节，人人都爱贴福字、抢红包、到支付宝集福卡，花式为自己新年攒一点「好运气」。祈福求运的动作，在万里之外的米兰冬奥村产生了共振——在智能徽章交换站，每个徽章球里都塞了一张双语「好运签文」：

● 「当你站在起点，你已经踩在好运区间」
● 「一件你在意的事会朝好处发展」

想想明天就要参加决赛的运动员，抱着开盲盒的心情打开小球，意外地收到一句来自东方的神秘祝福，这心理按摩效果，怕是比队医的马杀鸡都管用。

这种「福气」文化还蔓延到了机器旁边的「好运墙」上。当运动员们手写祝福语挂在墙上祝福其他选手时，总会顺手摸一下墙上那个年味十足的「福」字，祈求自己比赛「马力全开」。来的人多了，福字都成了「指定打卡点」。

「赛前沾沾好福气」，一个充满东方浪漫的互动就这样在运动员间流传。赛前沾福气能不能让比赛叠满 buff 我不知道，但我严重怀疑，阿里云这次在冬奥村实际上是在下一盘大棋：将「集福」这一国民级 IP，成功反向输出到全世界。

AI 新「岗位」，是冬奥村的「快乐搭子」

说实话，以前的奥运科技，大多隐身于幕后：精确到万分之一秒的计时、复杂的动作捕捉量化分析、转播画面背后的云端调度……它们是赛事运转不可或缺的「基础设施」，但对运动员和观众来说，感知并不直接。

而阿里云这次在冬奥村做的智能徽章交换站，给了我们一个新的视角：

AI 不只适合担当精密、中立的后台角色，它也可以站到前台，成为那个陪你玩游戏、听你碎碎念、帮你接好运的「赛场搭子」。

它把千问大模型复杂的分析决策能力，封装进了一个简单的游戏里。让来自全世界不同国家、说着不同语言的运动员，在这一刻，都被同样的向往连接在了一起——想带走一枚徽章，想留住当下一刻，想为自己创造一点好运气。

在这里，技术不再局限于服务高精尖的比赛分析需求，还能成为社交「破冰器」，创造更多小而温暖的时刻，从而让我们的世界更有趣，也更紧密相连。

试想一下，如果这套能够跨越上百种语言、在嘈杂环境中精准理解人类意图的具身智能系统走出冬奥村，继续进化，所能做到的事情恐怕远不止于此。

在科切拉音乐节，它可以帮你读懂热梗、结识异国乐迷，顺便换个限定款荧光棒；到外国旅游，它也许能当上向导，带着你和别国游客组团漫步菜市场；在某个商业街口，它能充当「中转站」让陌生人不开口就彼此换到心仪好物。

总之，无数原本因为语言或胆怯而错过的相遇，都能在 AI 的协助下成为现实。

我相信，这会成为未来 AI 发展的某种「终极形态」。就像这届冬奥会的口号「意韵由你」（IT’s Your Vibe）所传递的感觉一样，冬奥会乃至所有体育赛事，想要带给大家的，从来不只有紧张激烈、精妙绝伦的对决，还有一种气氛——人人都能参与其中，并在同一场活动里找到各自快乐的热烈氛围。

冬奥会终将谢幕，但科技带来的快乐才刚刚开始。阿里云这次在冬奥村的「打样」，让我们看到了 AI 解锁乐趣、传递福气的潜能。也许，我们很快就能在某个街头拉上路人和 AI 玩一场游戏、换一份礼物，让每个「打开徽章球」的瞬间，成为你我「打开心扉」的契机。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博