DMRC

編者按： 11 月 4 日，Apple Intelligence 在中國啓動 Beta 測試， 阿里巴巴的通義千問（Qwen）已應用於 部分 Siri、寫作工具和視覺智能體驗中。這項合作標誌着一個於 2023 年推出的模型家族非同尋常的快速崛起。 Hugging Face 統計顯示，在 2026 年前七個月，其 Hub 上的通義千問下載量超過 20 億次，遠超谷歌和 Meta。 但通義千問的崛起絕非一帆風順：內部質疑、激烈競爭和高層離職在其成為全球知名品牌之前就深刻塑造了該模型的發展軌跡。

首先，通義千問必須在本土市場勝出

通義千問通往蘋果的道路，並非始於一個註定冠軍的故事。

2023 年 4 月，在 ChatGPT 震撼中國科技行業並引發大語言模型構建競賽數月後，阿里巴巴推出了通義千問。隨後，它開始公開發布模型權重，逐漸使開源成為通義千問戰略的核心。

團隊 ID 卡

即使在阿里巴巴內部，通義千問也不是自動的首選。一些團隊直到 2024 年仍在使用 Meta 的 Llama，而飛豬和阿里巴巴國際站後來也嘗試了深度求索的 R1 模型。在贏得更廣泛的市場之前，該模型必須先贏得自己公司的認可。

開源成為答案的一部分。開發者對通義千問進行微調，構建衍生模型，並將改進反饋給團隊，團隊在通義千問 2.5 於語言、編程和數學領域的擴展中歸功於這些反饋。

到 2024 年底，通義千問 2.5 已開始贏得中國和美國的開發者——以及阿里巴巴內部更多團隊的青睞。

隨後，深度求索（DeepSeek）登場。其 R1 推理模型提高了中國 AI 行業的門檻，給競爭對手帶來了以更低成本提供更強大推理能力的新壓力。

據《The Information》報道，阿里巴巴創始人馬雲多次向高管詢問開發進展。在最後衝刺階段，辦公桌下出現了供員工小憩的牀墊；在最後一週，一些員工每天僅睡幾個小時。

2025 年 4 月發佈的通義千問 3（Qwen3）攜八個開源模型和混合推理能力進入這一新戰場，能夠在處理複雜任務時切換至較慢的 “思考” 模式，而在無需深度推理時提供更快的響應。

其最大的開源模型採用了混合專家（Mixture-of-Experts）架構，每次僅激活 2350 億參數中的 220 億，以降低推理成本。路透社將此次發佈視為繼深度求索（DeepSeek）崛起後，中國 AI 競賽加劇的一部分。

通義千問的下一個挑戰來自團隊內部

在接下來的的一年裏，通義千問不斷擴展其模型家族和開發者覆蓋範圍。但到了 2026 年初，團隊面臨的壓力已不再僅僅是技術層面的。

3 月，技術負責人林俊陽（Junyang Lin）突然宣佈離職，只留下了三個字：“再見，我摯愛的通義千問。” 訓練後優化負責人餘博文（Bowen Yu）也隨後離職，此前高級研究員惠彬源（Binyuan Hui）已於年初離開。

阿里巴巴未公開詳細説明林俊陽離職的原因。36 氪報道稱，緊張局勢圍繞擬議的組織重組、團隊邊界、招聘和計算資源展開。

在一次緊急全員會議上，研究人員質疑為何付費的阿里雲客户能夠獲得計算容量，而通義千問團隊自身卻資源短缺。

照片由 GR Stocks 拍攝，來源 Unsplash

管理層承認存在溝通問題，同時表示這些變革旨在強化而非削弱通義千問。

這一事件揭示了前沿 AI 實驗室面臨的一個更廣泛的緊張關係：尖端模型需要集中的資本和龐大的計算資源，而頂級研究團隊往往依賴自主權和快速決策。

阿里巴巴通過加強協調來應對這一挑戰。6 月，它成立了 Token Foundry，在 CEO 吳泳銘的帶領下整合關鍵的模型開發團隊。

到了 9 月，資深通義千問研究員劉地恆（Dayiheng Liu）被任命為通義千問大語言模型項目負責人，在幾輪重組後帶來了更清晰的架構。

超越模型競賽

通義千問已從單一的模型家族發展為更廣泛的技術棧：包括用於語言、編程和多模態任務的基礎模型；面向開發者和企業的阿里雲模型工作室（Model Studio）；以及通義千問 App 等消費級產品。

這種廣度對蘋果至關重要。在評估了包括百度、騰訊、字節跳動、阿里巴巴和深度求索在內的中國 AI 供應商後，蘋果選擇阿里巴巴作為中國地區 Apple Intelligence 的合作伙伴。

截至 2026 年 8 月，蘋果還在阿里巴巴的支持下訓練了一款專為中國市場設計的模型，而獲批的配置中整合了通義千問。

阿里巴巴正在集團層面支持這一舉措。2025 年 2 月，它承諾在三年內至少投入 3800 億元人民幣（530 億美元）專門用於 AI 和雲基礎設施——這超過了其在過去十年中在這兩個領域的總支出。

其更廣泛的 AI 投資策略還涵蓋基礎模型和 AI 原生應用，以及在現有業務中整合 AI。截至 2026 年 5 月，阿里巴巴表示其支出將超過最初的 3800 億元計劃。

與蘋果的交易標誌着一個新階段。隨着周圍機制變得龐大，更難的部分可能是保持通義千問的速度、專注力和創新能力。

DragonLab 透過噪音，發掘可能塑造未來的中國初創公司、創始人和技術。

有我們應該瞭解的初創公司嗎？ 請通過 dragonlab@technode.com 聯繫我們。