CNET

编者按： 11 月 4 日，Apple Intelligence 在中国启动 Beta 测试， 阿里巴巴的通义千问（Qwen）已应用于 部分 Siri、写作工具和视觉智能体验中。这项合作标志着一个于 2023 年推出的模型家族非同寻常的快速崛起。 Hugging Face 统计显示，在 2026 年前七个月，其 Hub 上的通义千问下载量超过 20 亿次，远超谷歌和 Meta。 但通义千问的崛起绝非一帆风顺：内部质疑、激烈竞争和高层离职在其成为全球知名品牌之前就深刻塑造了该模型的发展轨迹。

首先，通义千问必须在本土市场胜出

通义千问通往苹果的道路，并非始于一个注定冠军的故事。

2023 年 4 月，在 ChatGPT 震撼中国科技行业并引发大语言模型构建竞赛数月后，阿里巴巴推出了通义千问。随后，它开始公开发布模型权重，逐渐使开源成为通义千问战略的核心。

团队 ID 卡

即使在阿里巴巴内部，通义千问也不是自动的首选。一些团队直到 2024 年仍在使用 Meta 的 Llama，而飞猪和阿里巴巴国际站后来也尝试了深度求索的 R1 模型。在赢得更广泛的市场之前，该模型必须先赢得自己公司的认可。

开源成为答案的一部分。开发者对通义千问进行微调，构建衍生模型，并将改进反馈给团队，团队在通义千问 2.5 于语言、编程和数学领域的扩展中归功于这些反馈。

到 2024 年底，通义千问 2.5 已开始赢得中国和美国的开发者——以及阿里巴巴内部更多团队的青睐。

随后，深度求索（DeepSeek）登场。其 R1 推理模型提高了中国 AI 行业的门槛，给竞争对手带来了以更低成本提供更强大推理能力的新压力。

据《The Information》报道，阿里巴巴创始人马云多次向高管询问开发进展。在最后冲刺阶段，办公桌下出现了供员工小憩的床垫；在最后一周，一些员工每天仅睡几个小时。

2025 年 4 月发布的通义千问 3（Qwen3）携八个开源模型和混合推理能力进入这一新战场，能够在处理复杂任务时切换至较慢的 “思考” 模式，而在无需深度推理时提供更快的响应。

其最大的开源模型采用了混合专家（Mixture-of-Experts）架构，每次仅激活 2350 亿参数中的 220 亿，以降低推理成本。路透社将此次发布视为继深度求索（DeepSeek）崛起后，中国 AI 竞赛加剧的一部分。

通义千问的下一个挑战来自团队内部

在接下来的的一年里，通义千问不断扩展其模型家族和开发者覆盖范围。但到了 2026 年初，团队面临的压力已不再仅仅是技术层面的。

3 月，技术负责人林俊阳（Junyang Lin）突然宣布离职，只留下了三个字：“再见，我挚爱的通义千问。” 训练后优化负责人余博文（Bowen Yu）也随后离职，此前高级研究员惠彬源（Binyuan Hui）已于年初离开。

阿里巴巴未公开详细说明林俊阳离职的原因。36 氪报道称，紧张局势围绕拟议的组织重组、团队边界、招聘和计算资源展开。

在一次紧急全员会议上，研究人员质疑为何付费的阿里云客户能够获得计算容量，而通义千问团队自身却资源短缺。

照片由 GR Stocks 拍摄，来源 Unsplash

管理层承认存在沟通问题，同时表示这些变革旨在强化而非削弱通义千问。

这一事件揭示了前沿 AI 实验室面临的一个更广泛的紧张关系：尖端模型需要集中的资本和庞大的计算资源，而顶级研究团队往往依赖自主权和快速决策。

阿里巴巴通过加强协调来应对这一挑战。6 月，它成立了 Token Foundry，在 CEO 吴泳铭的带领下整合关键的模型开发团队。

到了 9 月，资深通义千问研究员刘地恒（Dayiheng Liu）被任命为通义千问大语言模型项目负责人，在几轮重组后带来了更清晰的架构。

超越模型竞赛

通义千问已从单一的模型家族发展为更广泛的技术栈：包括用于语言、编程和多模态任务的基础模型；面向开发者和企业的阿里云模型工作室（Model Studio）；以及通义千问 App 等消费级产品。

这种广度对苹果至关重要。在评估了包括百度、腾讯、字节跳动、阿里巴巴和深度求索在内的中国 AI 供应商后，苹果选择阿里巴巴作为中国地区 Apple Intelligence 的合作伙伴。

截至 2026 年 8 月，苹果还在阿里巴巴的支持下训练了一款专为中国市场设计的模型，而获批的配置中整合了通义千问。

阿里巴巴正在集团层面支持这一举措。2025 年 2 月，它承诺在三年内至少投入 3800 亿元人民币（530 亿美元）专门用于 AI 和云基础设施——这超过了其在过去十年中在这两个领域的总支出。

其更广泛的 AI 投资策略还涵盖基础模型和 AI 原生应用，以及在现有业务中整合 AI。截至 2026 年 5 月，阿里巴巴表示其支出将超过最初的 3800 亿元计划。

与苹果的交易标志着一个新阶段。随着周围机制变得庞大，更难的部分可能是保持通义千问的速度、专注力和创新能力。

DragonLab 透过噪音，发掘可能塑造未来的中国初创公司、创始人和技术。

有我们应该了解的初创公司吗？ 请通过 dragonlab@technode.com 联系我们。