文 |杨珏
编辑 | 严方
视觉设计：星船知造
正文共计：6380字
预计阅读时间：6分钟
阿里Qwen3.6 Plus的上线，意味着中国AI率先引爆了现实世界的“生产力燃料”。
这么说，基于几个观察：
AI企业有两大高光时刻——技术金榜题名时，用户市场落地日。通常这样的高光不会打在一家企业身上，而这次，阿里用不到48小时就做到了。
先是4月3日早上，Qwen3.6-Plus冲入知名大模型编程盲测榜单Code Arena全球前二，坐实了最强国产模型的宝座。要知道，Arena是全球开发者对两个匿名模型捉对PK，根据结果选择优胜，进而累积成最终榜单。
作为全球公认的“技术测评”基准之一，Arena是对模型性能最严苛的考验，Qwen被全球开发者认证盖戳编程性能Top2。
4月4日早晨，发布仅1天的千问新模型Qwen3.6-Plus，冲上了OpenRouter的日榜榜首，单日调用量超过1万亿Token，OpenRouter官方认证这是“第一次有模型达此成就”，Qwen3.6-Plus奉献了新模型发布最强劲的表现。
和Arena等偏“技术向”排行不同，OpenRouter是一个以实际调用量为排行依据的平台，不妨理解为其排名更偏“市场向”。
从这个角度看，阿里千问正成为当下同时拥有技术金榜题名和全球开发者用脚投票的大模型。
不过，《星船知造》更关注的不是Qwen3.6-Plus在OpenRouter击败了哪个大模型，而是另一些细节：
一是大模型正式撕掉“聊天工具”的标签，以“现实世界智能体（Agent）”的形态，开启了对物理世界的接管。
Qwen3.6 Plus发布会中最耐人寻味的一个用词，就是把Qwen 3.6-Plus定位成了“走向现实世界智能体”。
二是阿里为Qwen3.6-Plus的执行力，同步了一整套供应链。
最近三天，阿里密集发布了三个模型👇（点击下图可放大）
再把时间线拉长，3月23日，西门子在中国举办的首届科技峰会RXD大会上，两个意料之外的人物出现了。
一个是阿里巴巴集团主席蔡崇信，一个是宇树科技创始人王兴兴。互联网科技企业、人形机器人企业、和老牌制造企业站在一起，推广基于AI的工业仿真产品。
上述动作严丝合缝地咬合在一起，指向了一个结论：
如果说过去两年的 AI 竞赛，大家还停留在卷参数和对话流畅度的温室里，那么2026年 Qwen 3.6-Plus的发布，AI赛点彻底转向了现实世界。
三箭齐发的阿里，正在让Token加速流向现实世界。
01 新时代使命，剑指“Token工业化”
历代工业革命的火种，一开始都没几个人能看懂。爱迪生宣布自己在研发电灯时，英国议会还对此专门开了个会——“电灯只适合给美国人看，完全不可能商用”。
阿里三连发之前，也有一个让人“看不透”的动作。2026年3月16日，阿里巴巴正式成立 Alibaba Token Hub (ATH) 事业群，由集团 CEO 吴泳铭直接统帅，誓把Token“做大”。
Token即“词元”，是AI处理信息的最小单位。它可以是一个完整的单词“hello”，也可以是标点符号和数字，或一段音频。
这些碎片化的信息，每一个都是数个Token。
为什么阿里要大费周章，把通义实验室、MaaS、千问APP、悟空等部门全拉到一起，只为做好Token这一个东西？
因为一条淌在AI产业发展里的暗线已经渐渐明显：Token，是新时代的石油。
source：pexels
如果没有Token，AI连一句完整的话都听不明白。
今年1月，国家电网宣布“十五五”期间，固定资产投资额预计4万亿，较“十四五”同比增长40%，创下历史新高。这笔投资核心落点在构建更智能、更绿色的电网体系。
没有电，就没有Token；没有Token，就没有AI。
美国就吃了“缺电”的大亏。《星船知造》此前也写过，因变压器、开关设备和电池等设备严重短缺，今年美国近半数的新建数据中心，可能会延期或取消。
中国是电力大国，但与庞大的体量相比，我们的跨境电能贸易规模却不算大。
症结在于电力是最难跨境交易的商品之一。特高压只能送电到邻国，液化天然气需要昂贵的接收站，电池储能运一箱电的成本比电本身还贵。
但AI对Token的渴求，带来了新的变量。
电虽然不容易运到大西洋彼岸，但经由电力产生的Token，可以流向全球。谁能够从电力大国变成“Token”大国，就能掌握AI时代的石油。
这一构想正在一点点实现。
OpenRouter数据显示，2026年3月16日至3月22日，全球调用量最高的十大AI大模型中，中国AI大模型的周调用量为7.359万亿Token，连续三周超过了美国。
要知道，OpenRouter的美国用户占比高达47.17%，中国开发者仅占6.01%。这更加客观反映出了中国AI模型在全球范围内的真实吸引力。
海外开发者热衷调用国产大模型的原因只有一个——物美价廉，量大管饱。
依托内蒙、贵州等东数西算节点普遍0.4元/度以下的电价，中国用最实惠的能源，炼出了最具性价比的Token。以每百万Token算，MiniMax M2.5和智谱GLM-5仅需0.3美元，Claude则高达5美元，价差接近17倍。
而当中国凭借领先的电力基建和有优势的算力成本，把电力转化为Token出口后，我们将从两个方面改变全球产业格局——
第一，中国电力基建会成为全球AI产业的新基建。硅谷创业公司要靠AI Agent拉投资，就会用国产Token、消耗中国电力。
第二，国产Token将成为全球通用的生产力。无论是跨境电商的AI客服、外贸企业的营销文案，还是工厂端的工业视觉检测，一切皆可调用成熟模型，按Token数付费。
但《星船知造》注意到，要实现这一愿景，这条链条上存在一个断层。
电力只是 Token 的原始能源，从“电厂”到“用户终端”，谁来负责生产高纯度的 Token？谁来建设高效的传输网络？谁来教大家如何把 Token 用在刀刃上？
也就是说，从云端到物理世界，Token要创造真正的价值，少了“Token超级工厂”。
这次阿里组织变革的内核，是阿里在押注“Token工业化”。通过ATH，阿里打通了Token的全链路闭环：
创造Token（通义实验室）：负责将算力提炼为高质量、高智能的模型能力。
输送Token（百炼 MaaS 平台）：通过标准化的接口，将 Token 高速、稳定、低门槛地分发给开发者。
应用Token（千问APP/悟空/创新应用）： 将Token转化为具体的出行服务，解决实际场景问题。
最新发布的Qwen3.5-Omni、Wan2.7-Image以及Qwen3.6-Plus大模型，就是这个闭环交出的第一份亮眼成绩单。有了更好的模型，就有更强的Token处理能力，以及更具潜力的价值空间。
我们以新发布的Qwen 3.6-Plus编程能力为例：
Qwen3.6-Plus定义了当下国产编程能力的最高水平。其编程能力已经超越了简单的写代码。它能独立拆解任务、规划路径、全程自测迭代。更“平易近人”的表现是，只用一句大白话，就能指挥它做出一个兼具视觉设计、交互逻辑和页面跳转的网站，把技术彻底下放。
为什么我们要特地强调编程能力？
从整条AI产业链上，编程能力是AI技术的“元能力”。它既是制约AI技术的瓶颈，也是撬动生态主导权的杠杆。作为技术上游，属于“AI的AI”。
从技术层面上来说，人工智能编程能自主生成更优的代码，实现AI设计AI的进化。从应用层面上来说，人工智能编程也是AI Agent爆发的基础。
而 Qwen3.6-Plus强大的编程能力，意味着我们掌握了数字世界的万能扳手。在复杂的现实场景中，这种能力可以被极限放大——
在智能制造领域，工程师不需要再手写成千上万行复杂的 PLC 控制逻辑，只需描述生产流程，Qwen3.6能一键生成精准的机械控制代码并完成模拟自检；
在企业数字化转型中，过去需要半年的ERP系统定制，通过AI对业务逻辑的深度理解，可以在几天内通过Token自动“编织”出一套适配的数字化管理工具。
通过ATH把Token工业化，再用Qwen3.6-Plus 模型给开发者下放最强的 Token 处理能力，这是阿里撬动新工业革命的起点。
电力化作Token，Token重塑工业。未来，当最好的模型提炼出智商最高的Token处理能力，物理世界就将迎来一场效率奇迹。
今天，中国正凭借强大电力基础设施，将电力优势转化为Token优势——而ATH对Token工业化的坚定押注表明，一家企业再次接起了自己的时代使命。
02 为什么是阿里？
上个月的英伟达GTC大会上，黄仁勋抛出了一个构想，未来要给工程师额外发放相当于薪资一半的Token配额，让他们实现10倍的效率提升。
黄仁勋的逻辑很直接。算力即权力，Token即薪水。
理想很丰满，但构想和落地之间，也有一个银河系的距离。
当全球科技巨头还在讨论如何“分配Token”时，为什么第一个把Token真正做成有价值、能落地产品的，是阿里？
一方面，跨越十年的长线布局，让阿里在训练出更强Token处理能力的大模型上，具备了先发优势。
很多人觉得大模型是近两年的风口，但阿里巴巴其实是中国最早播下这颗种子的企业之一。早在2017年，阿里就成立了达摩院，在视觉、语言等前沿领域默默扎根；次年，平头哥成立；2019年，大模型的研发同步启动。
到了2021年，阿里已经跑出了全球首个10万亿参数的大模型M6，并在此后迅速形成了“通义”系列的完整矩阵。
长达数年技术深耕熬出来的底蕴，让千问有了厚实的家底。正因于此，才能保持如此高频、高质量的迭代。
最新的Qwen3.6-Plus，就在图像、视觉等关键领域超过或逼近了Gemini和Claude海外顶尖大模型。这意味着，由无数Token组成的一张图片、一段视频，Qwen3.6-Plus有更出色的理解和处理能力，为千问落地物理世界奠定了技术优势。
而全栈自研底座，撑起了阿里的Token工业化。
表面上看，阿里ATH跑通了“创造Token（通义）→ 输送Token（百炼）→ 消费Token（应用）”的商业闭环。但水面之下，真正支撑起这座工业大厦的，是“芯片-云-模型-应用”的技术闭环。
芯片，为大模型提供算力。没有自主可控的算力，Token工业化就是无源之水。
据美媒《The Information》报道，阿里平头哥首代PPU的整体性能已经能对标英伟达H20，升级版甚至部分指标超过A100。这意味着在Token的最上游，阿里真正握住了不受制于人的生产资料。
截至今年2月，平头哥的AI芯片累计出货47万颗，营收达百亿级。
source：unsplash
云，是大模型训练的底座。阿里对“云”的耕耘，始于2008年。
从2008年到2021年的十几个春秋里，阿里巴巴不仅是靠自家利润在喂养阿里云，更是用一种近乎偏执的战略定力对前沿技术持续加码。
在阿里云这片丰饶的技术“黑土地”上，先后长出了“飞天”（Apsara）、神龙云服务器、大数据计算平台MaxCompute、PolarDB云数据库等足以改变行业的产品。
如今，这朵长成世界前三的阿里云，让千万并发的 Token 洪流，能像自来水一样低成本地输送到全球开发者手中。
source：giphy
模型调用量，则证明了Token处理能力强不强。
2026年2月，国际市场调研机构沙利文发布的报告显示，2025年下半年，中国企业级大模型日均调用量飙升至37万亿Tokens，环比增长263%。激烈的百模大战中，阿里千问不仅稳居第一，份额从上半年的17.7%，几乎翻倍增长至了32.1%
视野拉远一点，刻上千问烙印的“Token”已经成为全球硬通货。《星船知造》下图（点击可放大）大致梳理了亚马逊、Airbnb、英伟达、微软、Meta和李飞飞团队，从硅谷独角兽到数十个国家和地区的开发者，都用千问模型来构建新模型、新技术和新应用。
从硅谷到东南亚都认Qwen，以千问为核心，一整套AI大模型技术体系生态正逐步发育成熟，这也是有史以来第一次有中国公司能做到。阿里通过全尺寸、全模态的千问Qwen系列大模型，正撬动起整个Token产业👇
最后，Token在现实世界里照样大有可为，最新发布的几款Qwen模型，可以说就将Token的想象力砸向了制造与生产场景中。
比如，传统的工业场景就是个数据孤岛。机器的运行日志是代码，摄像头的监控是画面，设备的异响是声音，过去很难有一种技术能把它们无缝融合。 而Qwen3.5-Omni的全模态能力，就是打破这堵无形之墙的第一把钥匙。
想象一下未来的工厂——工程师再也不用死磕枯燥的工控代码，他们只需在平板上画个产线草图，对着麦克风说一句：“这里加个视觉检测位，看到瑕疵就把机械臂移走。”Qwen3.5-Omni就能“听懂”人话、“看懂”图纸，直接自动生成复杂的机器控制代码。
这一原生的多模态理解能力，也正用极低的Token成本，强势拉平数字孪生的技术门槛。
过去，构建西门子这些工业巨头的数字孪生模型，需要耗费巨大的专业人力去一点点采集数据和建模。但未来，通过解析音视频，Qwen3.5-Omni可以直接“看懂”正在运转的产线视频，自动抽取出数字孪生初版参数。
相当于用AI自主的Token消耗，就干完了过去几个月才能熬出来的工业仿真工作。
所以，阿里打造ATH事业部的野心，从来都不是再造一个只会聊天的ChatGPT。真正打磨的，是一套“工业互联网 AI 操作系统”。
Qwen，就是这套系统中最核心的智能引擎。
03 打破“BU墙”，ATH让AI加速长出手脚
《星船知造》此前在调研工业AI企业时有一个感受：想做好工业AI，必须要有强大的内部整合能力。
因为身躯庞大、业务繁多的企业，大多在漫长的发展过程中成立了一个个独立的业务单元（BU）。BU的优势很明显：术业有专攻，单点突破。但每到新技术浪潮来临，它的劣势也很明显：
一是协调低效。各BU平日各司其职，面对AI这一全新领域，要把分散的经验、长板、痛点合成一股合力，是一项极其复杂的系统工程。
二是力量分散。考核指标不一，战略优先级不同，就容易在长期投入上缺乏定力。
再回到阿里巴巴。此次ATH事业群由CEO吴泳铭直接统帅，体现了阿里押注“Token 工业化”的决心：打破BU墙，在最高维度上实现了资源最优调配。
当通义实验室、百炼MaaS、千问、悟空等全部统一到ATH麾下，强大的整合能力与高效的协作机制已然启动。
一个有力的证明是，阿里的AI正在这种高效协同下，加速长出手脚。比如，ATH旗下悟空，就在模型发布当天接入了Qwen3.6-Plus。
千问强，强在两点。
一是技术进化——
Qwen3.6-Plus在系列编程权威评测中，其表现超越了2 倍乃至 3 倍参数量的 GLM-5、Kimi-K2.5 等模型，接近全球最强编程模型 Claude 系列。
在Code Arena榜单中，千问从Qwen3.5-Plus的1386分，大幅提升至新一代Qwen3.6-Plus的1454分，从第26位跃升至全球第8、中国第一，同样印证了Qwen3.6编程性能的巨幅提升。
二是市场落地——
阿里巴巴的价值观中有一条是“客户第一”。这意味着，其每一次战略投入都要和客户需求绑定在一起。
在面向广大C端用户上，千问是全球首个能完成真实生活复杂任务的AI助手。更多阅读《谷歌想象的未来，千问已率先抵达》
现在，ATH将Token全链路打通，产研一体化协同能力下，AI也在加速进入真实的B端战场。
如果把Qwen3.6-Plus放进工厂的语境里，它的几项核心能力升级，恰好对应了工业场景中的一个痛点👇
工厂里的老师傅脑海中有着宝贵的经验，但那些“手感”和“直觉”无法被固化。传统做法依赖“工业软件+老师傅调优”，但每一次参数调整的理由都因现场情况而变——经验无法成为可立马复用的固定答案。
但Qwen3.6-Plus有几个技术亮点：首先是“一目十行”。Qwen3.6-Plus默认支持100万token的上下文窗口。大致相当于可在一次对话中，一次读完《三体》系列的全部内容。
同时可以保留每一轮推理的完整思维链。
基于原生多模态数据训练，Qwen3.6-Plus原生多模态能力打开了视觉智能体编程的想象空间，能基于界面截图或设计稿完成从“看懂界面”到“生成代码”再到“调用工具完成修改”的完整链路。
放在工厂里，这意味着什么？一条中等规模的某零部件产线，一天下来产生的质检数据、人工操作记录、老师傅调优……过去，要分析这些数据，需要先分段导出、清洗、整理，再喂给AI。但有了“一目十行”和完整思维链保留的能力，AI将可以自己“看”日志、对比历史数据、调用设备手册，最后给出结论。
Qwen3.6-Plus这种能助力真实制造场景的能力，正是阿里巴巴成立ATH后，产研一体化协同能力的体现。
ATH事业群打破了研发、云基础设施与应用端之间的部门墙，使通义实验室能够基于百炼MaaS平台和悟空等应用端的真实场景，进行更具针对性的模型训练。
source：unsplash
阿里云与西门子、宇树科技等硬件厂商的合作，也在加速构成从“大脑”到“肢体”的闭环👇
西门子近日宣布将虚拟仿真设备等核心工业仿真软件搬上阿里云。
宇树的人形机器人也可接入通义千问，获取语音交互和环境感知能力。
要知道，全球许多工业产业的工艺参数都沉淀在西门子的工业软件体系里。过去，这些知识是“封闭”的，但一旦更多工业知识和阿里云的算力打通，AI就能更好理解现实世界的工厂逻辑，能在复杂的现场做出毫秒级判断。
同样的，工业AI所有的思考、决策与训练，最终都需要一个出口。人形机器人是这个出口的最佳载体——不同于只能完成单一任务的专用机械臂，通用人形机器人能走、能抓，还能适应非结构化的复杂工厂环境。
它是AI在现实世界中真正长出的“手”和“脚”。
以前，机器人训练靠真实世界试错，成本高昂。现在，搭载了Qwen的机器人可以在数字孪生工厂里进行虚拟训练，当模型在虚拟世界里“身经百战”后，AI再将最优指令下发给实体机器人执行。
“Sim2Real”（从仿真到现实）的闭环就此形成，机器人的“养成”成本被降至前所未有的水平。
ATH正在加速让Token进入真实世界：电力变成了 Token、Token变成了训练、训练再次带来精准的工业赋能。
尾声
Qwen3.6-Plus的发布，如果只被当作一次模型版本的更新，那就太可惜了。它真正的意义在于：第一次让“大模型走出对话框”、让Token流向物理世界这件事，有了可感知的样本。
在OpenRouter这样的全球真实交易场里登顶，也是国产AI引爆现实世界“生产力燃料”的新起点。它证明了中国大模型从技术金榜题名，走向了下一个高光时刻——在全球开发者的业务流水线上拿到了真金白银的投票权。
AI不再只是聊天、写诗、画图的“书房工具”，它的手和脚，可以是人形机器人；它的眼睛和耳朵，可以是工业企业数字孪生里的传感器；它的血管里，流淌着中国西部数据中心用绿电生产出的Token。
而中国工业底牌，将不只是完整的产业链和庞大的市场。在Qwen3.6-Plus的强势登顶背后，我们又多了一张牌——Token工业化。
当一个中部省份的中小工厂主，可以用千问模型优化自己的生产线时，工业智能也成为和今天的“水电煤”一样普惠的基础设施。
电力变成Token，Token变成知识，知识变成精准的工业动作——当最先进的AI模型与最完整的工业产业链深度咬合，中国新型工业的巨轮，就开进了一片前所未有的广阔海域。
主要参考资料：
[1] 4万亿元投资发力！国家电网“十五五”锚定新型电力系统建设.新华网
[2] 推动绿色电力与算力协同布局.人民日报
[3] 西门子搬上阿里云，工业仿真软件接入千问.钱江晚报
本文基于访谈及公开资料写作，不构成任何投资建议
原创内容
未经授权，禁止转载