问题——大模型走向产业深水区，协同与落地成为竞争焦点。 随着大模型能力迭代加快，行业竞争正从“拼参数、拼能力”转向“拼供给体系、拼场景渗透”。一方面，模型训练、算力供给、数据治理、推理服务等链条长、投入高，任何一环出现短板都可能拖慢整体效率；另一方面，应用侧正从“工具化问答”走向“可执行、可编排”的智能体形态，要求模型能力与业务流程更紧密地结合。如何集团内部打通研发、平台与应用，形成稳定、可复用的能力输出，成为企业必须回答的现实问题。 原因——以“Token”作为统一度量与生产要素，推动能力供给体系化。 阿里巴巴此次调整以“创造Token、输送Token、应用Token”为主线，提出成立ATH事业群并由CEO直接负责，背后指向两点：其一，围绕模型生成与推理消耗这个关键要素，建立更统一的资源组织方式，以集中管理提升研发与工程效率，减少重复投入；其二，在应用侧把模型能力更深地嵌入个人助手与企业工作流，推动从“可用”走向“好用、能用、常用”。从组织分工看，通义实验室负责多模态基础模型能力突破；MaaS业务线聚焦模型服务平台与技术体系，为外部生态与行业客户提供稳定、开放的调用能力；“千问”面向个人助手体验；首次公开的“悟空”定位为面向企业的AI原生工作平台；AI创新事业部承担新模式、新市场的快速验证。这种“底座—平台—应用—创新”的组合，意在缩短从技术到产品、从试点到规模化的路径。 影响——C端与B端双线推进，产业化落地信号更为明确。 在应用层面，“悟空”事业部的设立被视为阿里加码B端的重要信号。相比消费者应用，企业级场景更看重安全合规、数据隔离、权限体系、工具链集成以及成本可控，也更强调与业务流程融合后的可衡量收益。若能把模型能力与办公协同、客户服务、研发管理、供应链运营等环节打通，企业侧有望更快形成可复制的“智能体+工作流”方案，推动大模型从概念展示进入生产场景的规模应用。同时，MaaS平台能力的增强，有助于以标准化接口对外输出模型能力，带动开发者与行业伙伴共同完善生态，提升平台黏性与行业覆盖。 对策——以直管机制与平台化能力建设应对竞争与不确定性。 从治理结构看，由CEO直接负责意味着该事业群将获得更强的统筹力度，有利于在算力预算、研发节奏、产品路线与商业化策略上形成更一致的推进，降低部门壁垒带来的沟通成本。要实现预期效果，关键在三上：一是持续抬升基础模型与多模态能力上限，形成可验证的技术领先；二是把平台能力做“厚”，包括推理效率、工具调用、评测体系、可观测与安全能力，降低企业接入门槛；三是把应用做“深”，在重点行业与关键岗位沉淀可复用组件，通过标杆案例推动规模复制。同时，围绕数据安全、合规治理与成本可控建立更严格的制度与技术护栏，也将成为企业客户选择平台时的重要考量。 前景——智能体规模化或将重塑软件形态，组织整合成为必选项。 业内普遍认为，随着推理成本下降、工具链完善以及企业数字化底座成熟，智能体将从局部试点走向更大范围部署，软件形态也可能从“功能模块”转向“任务执行”。在这一过程中，AI能力供给的稳定性与场景落地速度，将成为平台型企业的关键竞争力。因此，阿里通过ATH将研发、平台与应用纳入一体化链条，既是顺应行业趋势的提前布局，也体现出在窗口期集中资源、加快商业模式验证的意图。未来，能否在B端形成可持续的付费能力与行业解决方案矩阵，并在生态层面建立开发者正循环，将决定这次组织调整能否转化为长期优势。
从组织形态看，产业技术竞赛的下半场更考验“把能力变成生产力”的速度与质量。以Token为牵引整合模型研发、平台服务与应用矩阵，体现出企业对智能体时代规模化落地的提前准备。随着企业端进入深水区，谁能在真实业务流程中实现稳定交付、降本增效与持续迭代，谁就更可能在新一轮产业变革中占据主动。