文 | 版面之外，作者｜画画
很少有公司，会把一个技术词写进组织结构。
但 3 月 16 日，阿里巴巴做了一件这样的事情。
公司宣布成立一个新的事业群：Alibaba Token Hub（ATH）。
这个事业群将由阿里巴巴 CEO 吴泳铭直接负责。在内部信里，他给这个新组织定义了三个任务：
创造 Token、输送 Token、应用 Token。
如果只看这封信，这似乎是一场普通的 AI 业务整合。
但真正值得注意的不是组织结构，而是这个词：Token。
过去一年，AI 行业讨论最多的，是三个问题：模型能力、算力规模、AGI 的可能性。
很少有公司把 Token 当成战略核心。
但有一个例外。
过去两年，字节旗下火山引擎几乎在所有 AI 发布会上，都在强调一个概念：AI 的商业模式是 Token 消耗。
2025 年底，火山引擎总裁谭待在年度大会上公布了一组数字：
这些数字背后，是字节用两年时间建立起来的一套 Token 经济逻辑。
如今，阿里似乎也开始用同样的语言描述 AI。
问题是：为什么是现在？
以及一个更大的问题：为什么是阿里？
如果回看过去两年的 AI 竞争格局，这家公司既不是最早进入大模型赛道的一批，也不是最激进的一批。
但它却做出了一个非常像 " 平台公司 " 的动作：围绕 Token 重组组织。
这背后其实指向一个更大的问题，阿里可能正在尝试完成它历史上的第三次平台化。
1、第三次平台化，阿里不想再迟到
如果把阿里 26 年的发展史拉开来看，会发现这家公司经历过三次关键跃迁。
每一次跃迁，本质上都是一次平台化。
第一次平台化：交易平台
1999 年，马云在杭州创立阿里巴巴。
最初的想法非常简单，让中国的中小企业可以在互联网上做生意。
后来，淘宝和天猫逐渐形成一个庞大的电商体系。
阿里在那一阶段做的事情，是把分散的商家和消费者组织在同一个市场里。
这个平台的核心资源是：商家。
只要有足够多商家，消费者就会出现，只要有足够多消费者，商家就会继续进入。这种网络效应构成了阿里的第一次平台化。
但这背后有一个更深层的逻辑，阿里并不真正 " 卖东西 "，它卖的是交易发生的场所。它的价值不在于库存，而在于连接。这个认知，在后来深刻影响了阿里的每一次战略选择。
第二次平台化：算力平台
第二次平台化发生在云计算时代。
2009 年，阿里成立阿里云。当时中国互联网企业大多仍在自建机房，云计算看起来像一个遥远概念。
但阿里判断，未来互联网公司不会自己搭服务器。
于是阿里云开始提供一种新的基础设施：计算能力。
企业不再购买服务器，而是按需购买算力。
随着移动互联网和数字化企业增长，阿里云逐渐成为中国最大的云计算平台之一。
在这一阶段，阿里的核心资源从商家变成了：算力。
有意思的是，这两次平台化有着相似的结构，都是从"我卖什么"转变为 " 我提供什么基础能力 "。
商家不用自建渠道，只需入驻淘宝，企业不用自建机房，只需调用阿里云。
每一次，阿里都在做同一件事：把原本分散的、需要大量自建的能力，集中化、基础设施化，然后对外开放。
第三次平台化：AI 平台
而现在，阿里似乎正在尝试第三次平台化。
这一次，它选择围绕一个新资源：Token。
在 AI 模型中，Token 是模型处理信息的基本单位。
一次问答、一次生成、一次推理，本质上都是 Token 的消耗。
如果未来世界真的会出现数十亿 AI Agent，正如吴泳铭在内部信中所描述的那样，那么 Token 就可能成为一种新的生产资料。
但问题在于，这次平台化发生在一个阿里并不领先的时代。
2、阿里的焦虑
在 AI 竞赛里，阿里并不是最早的一家公司。
2022 年 OpenAI 发布 ChatGPT 之后，大模型竞赛迅速升温。
中国公司中，最早掀起模型讨论的是百度的文心系列。随后，字节跳动迅速推进 AI 产品和模型生态。
阿里虽然推出了通义系列模型，但整体节奏相对谨慎。
这家公司长期以来更擅长的平台建设，而不是技术竞速。
与此同时，阿里内部的 AI 组织也存在复杂结构。
不同业务线都有自己的 AI 团队，电商、云、企业服务、内容 …… 这些团队之间的协同并不总是顺畅。
今年 3 月初，阿里通义千问负责人林俊旸突然在社交媒体宣布卸任，一句 "me stepping down. bye my beloved qwen."
这个消息引发外界震动。
随后，多位千问技术团队核心成员相继宣布离职，包括 Qwen 后训练负责人、Qwen 核心贡献者。这场人员震荡，暴露出阿里 AI 内部的深层矛盾：
不只是人才流失，更是组织与技术路线之间的张力。AI 业务的分散，使得阿里很难形成统一生态。
这也是 ATH 成立的一个直接背景。
与其让不同团队各自发展 AI，不如把核心能力集中到一个平台中。
这次整合的范围相当完整，ATH 事业群涵盖五个核心板块：
换句话说，ATH 并不只是一次组织合并，阿里是要把 AI 从各自为战的分散状态，重新拉到同一条链路上来。
3、Token 为什么是一场平台战争
Token 本身并不是一个新概念，但它正在成为 AI 产业的商业单位。
在海外，这种趋势已经非常明显。
例如 Microsoft 与 OpenAI 的合作，本质上就是围绕 Token 构建商业模式。企业通过 API 调用模型，每一次调用都会产生 Token 消耗。
于是 Token 成为新的计费方式。
另一边，Google 也在做类似事情。它的 Gemini 模型通过 Google Cloud 向企业开放，同样以 Token 为计费基础。
换句话说，AI 服务的核心单位，正在从算力转向 Token。
这也是为什么字节过去两年不断强调这个概念。
火山引擎的逻辑非常简单，企业不需要购买软件。企业只需要调用模型。调用越多，Token 消耗越多。
这就像云计算时代按算力付费。但颗粒度更细。
更重要的是，Token 背后隐含的是一种新的竞争维度，不是比谁的模型更强，而是比谁能让更多人、更高频地消耗 Token。
这是一场关于使用密度的战争。
从这个角度看，Token 平台的核心护城河不是模型能力，而是生态黏性。
就像当年淘宝的护城河不是某件商品，而是那个让无数商家和买家反复回来的场域。
4、它不是在做AI，是想抢地基
如果只看表面，这次调整似乎是 AI 组织整合。
但更深层的目标可能是：
重新成为平台。
阿里的历史经验告诉它一件事，在互联网产业里，真正长期的优势来自平台。电商平台、云计算平台，它们都具有一个共同特征：控制关键资源。
电商平台控制商家资源。云平台控制算力资源。而在 AI 时代，新的关键资源可能是：Token 流量。
谁能让更多企业在自己的平台上调用 AI，谁就能掌握 Token。
但这并不是一条轻松的路。阿里要打赢这场平台战争，至少需要跨过三道门槛：
第一，模型能力必须足够可信
没有人会在一个二流模型上构建核心业务。通义千问的开源策略给阿里积累了开发者生态，但与 OpenAI、Google 的差距仍然存在。ATH 能否持续推进模型能力的提升，是平台成立的前提。
第二，To B 的路径必须跑通
ATH 里最值得关注的，其实是那个低调出场的 " 悟空事业部 "。这是阿里第一次把 B 端 AI 原生平台单独立出来，独立运营。
企业级 AI 应用的商业化，历来是中国互联网巨头最难啃的一块骨头。悟空能走多远，直接决定了 Token 消耗的上限。
第三，开放生态必须真正开放
平台的价值来自网络效应，而网络效应来自第三方的参与。阿里云的 MaaS 业务线如果能真正成为行业的模型服务基础设施，ATH 就有可能复制当年阿里云的成功路径。但这需要阿里克制住 " 什么都自己做 " 的冲动。
5、下一个十年，赢家先控制Token
如果把视角再拉远一点，会发现 AI 产业正在进入一个新的阶段。
最初的竞争是模型能力。后来变成算力投入。而现在，越来越像一场平台战争。
未来的企业软件，可能不再是传统 SaaS。而是 AI Agent。
每一个 Agent 在运行时，都需要消耗 Token。
于是平台公司最重要的任务变成：创造 Token 消耗场景。
个人助手、企业自动化、智能客服、代码生成 ... 这些应用都会消耗 Token。而平台的价值，就来自这些持续发生的消耗。
这个逻辑，其实和当年互联网的流量非常相似。
当年的平台竞争，本质上是在争夺用户的注意力时间。而现在，AI 平台争夺的是一种新的 " 使用时间 "，Agent 的运行时间，也就是 Token 的消耗量。
不同的是，AI Agent 的 Token 消耗不依赖人类的情绪、兴趣、或习惯，它是程序化的、持续性的、可扩展的。
一旦企业把工作流建立在某个 Token 平台之上，切换成本极高。这种锁定效应，比当年的流量平台更深、更持久。
当然，这条路并不只有阿里在走。腾讯云、百度智能云、华为云都在构建自己的 AI 服务层。国际上，AWS、Azure、Google Cloud 的竞争更是已经进入白热化阶段。平台战争的终局，未必只有一个赢家。
但可以确定的是，这场战争会在未来 3-5 年内，决定下一代互联网基础设施的格局。
【版面之外】的话：
阿里围绕 Token 重组组织，可能只是一个开始。它真正的目标，是构建一个新的平台。
在阿里的历史上，CEO 直接负责某个新事业群的情况并不常见。这种安排，意味着 ATH 不只是一次技术整合，而是一次集团级的战略压注。
但这场平台战争仍然刚刚开始。
AI 产业仍在快速变化，没有人能够确定 Token 是否真的会成为未来的核心资源。
唯一可以确定的是，阿里已经押注在这个方向上。
如果 AI Agent 真如很多人预测的那样，成为下一代软件形态。
那么未来互联网最重要的资源，可能不再是流量，也不再是算力。
而是另一种东西：Token。
高亿配资提示：文章来自网络，不代表本站观点。
