2026 年 6 月，中国科技圈发生了一件耐人寻味的事 —— 阿里和美团，在相隔仅 24 小时内，先后宣布了重磅组织调整。阿里合并通义大模型事业部和未来生活实验室，成立Token Foundry 事业部，由 CEO 吴泳铭直接挂帅；美团成立AI Transformation 一级部门，与外卖事业部平级，直接向核心本地商业 CEO 王莆中汇报。一东一西，一电商一本地生活，两家巨头几乎同时 "All in AI"。这不是巧合，而是一场蓄谋已久的战略总攻，背后折射的是整个中国科技行业对 AI 认知的根本性转变。

一、阿里 Token Foundry：三个月三级跳，一场 "手术刀式" 重组

6 月 8 日的内部邮件只是最终结果，真正的布局早在三个月前就开始了。3 月 16 日，阿里成立 Alibaba Token Hub（ATH）事业群，把通义实验室、MaaS 平台、千问、悟空智能体、AI 创新五大板块全部整合进去，确立 "创造 Token、输送 Token、应用 Token" 的核心目标，这是统一技术中台的第一步。4 月 8 日，集团层面新设技术委员会，CEO 吴泳铭亲任组长，周靖人、吴泽明、李飞飞悉数入局，AI 技术决策权从此纳入最高层统一框架，解决的是 "谁来拍板、怎么拍板" 的治理问题。6 月 8 日，Token Foundry 事业部正式成立，通义大模型与未来生活实验室合二为一，周靖人升任首席科学家牵头 AI 未来研究院，郑波带着视频生成多模态团队加入，这是统一商业落地的第三步。

三个月，从技术中台到技术委员会再到商业化事业部，阿里完成了 AI 战略的 "三级跳"。这套 "技术中台→决策机制→商业化组织" 的推进路径，不是简单的机构调整，而是一套完整的组织变革方法论 —— 先解决 "力量分散" 的问题，再解决 "决策混乱" 的问题，最后解决 "商业落地" 的问题。信号再清晰不过：AI 不再是阿里的 "副业"，而是未来十年的 "主业"。

二、命名与架构的双重玄机：为什么是 "Token Foundry"？

"Token Foundry" 这个名字本身就大有深意。在 AI 语境中，Token 是模型处理的基本单元，是智能的 "原子货币"；Foundry 是铸造厂。阿里要做的，不只是生产 Token，而是铸造一整套 AI 价值体系。有接近阿里的行业人士说得直白："过去是各自为战，现在要攥指成拳，目标是让 AI 从 ' 实验室成果 ' 变成 ' 流水线产品 '。"

更值得玩味的是汇报关系。Token Foundry 由 CEO 吴泳铭直接负责，打破了 "技术部门向 CTO 汇报、业务部门向 BU 负责人汇报" 的传统架构。这种 "顶层直接穿透" 的模式在互联网巨头中并不常见 —— 腾讯 AI Lab 此前是副总裁管理，百度文心一言隶属智能云事业群，而阿里选择让最高决策者亲自下场。对于一家业务庞杂的超级公司来说，"拉直汇报" 本身就是最强的优先级宣言，它让跨部门协同从层层审批变成了 "一键直达"。

背后的深层逻辑是 "效率革命"：通义大模型的技术能力可以快速复用到未来生活实验室孵化的各类场景中，而场景化数据又能反过来反哺模型迭代，形成 "技术 — 场景 — 数据" 的正向循环。这才是阿里从 "物理叠加" 走向 "化学反应" 的关键一步 —— 不是简单的 1+1，而是通过组织架构的重构，催生出新的增长飞轮。

三、硬数据支撑：AI 真的从 "烧钱" 变成 "造血" 了

Token Foundry 的底气不是画饼画出来的，是真金白银堆出来的。产品侧，通义千问 Qwen-3.7-Max 在 SWE-Bench Pro 编程评测中拿了 60.6 分，全球第三、国内第一，超过 Kimi K2.6 和 DeepSeek-V4-Pro。开源生态方面，Hugging Face 上千问系列衍生模型超 13 万个，全球第一；开源版本下载量突破 1250 万次。

但真正有说服力的是商业化数据。阿里 2026 财年 Q4 财报首次披露，AI 相关产品单季收入89.71 亿元，在阿里云外部商业化收入中的占比首次突破 30%。年化经常性收入（ARR）达到358 亿元，连续 11 个季度三位数同比增长。阿里云外部商业化收入增速提升至 40%，创下近 9 个季度最快增速。这些数字意味着什么？意味着 AI 已经走完了 "烧钱投入 — 技术验证 — 商业兑现" 的完整闭环。当一个业务板块能自己造血时，它就配得上一个独立的事业部架构。

更重要的是，阿里拥有全球科技行业极为稀缺的全栈自研能力—— 从平头哥自研 GPU 芯片（累计交付 56 万片，60% 以上服务外部客户），到阿里云算力基础设施，再到通义千问大模型及上层应用。这套 "铁三角" 组合，放眼全球能匹敌的只有谷歌。吴泳铭在分析师电话会上给出了更激进的预期：6 月季度 AI 模型与应用服务 ARR 将突破 100 亿元，年底突破 300 亿元。他特别强调："这部分收入的高利润率优势逐渐凸显，将是我们未来收入健康、高质量的增长支柱。" 说白了，阿里成立 Token Foundry 不是一次防御性调整，而是一次进攻性出击。

四、美团 AI Transformation：外卖巨头的焦虑与野心

就在阿里宣布调整的第二天，6 月 9 日，美团也放出了大消息。核心本地商业（CLC）正式成立一级部门 "AI Transformation"，聚焦 "AI to B" 和全业务链 AI 驱动变革。负责人是前大众点评总经理牧遥，直接向 CLC CEO 王莆中汇报。这个安排的含金量在于汇报层级 —— 新部门和外卖事业部、闪购事业部平级，属于 CLC 体系内的一级业务部门。牧遥的汇报关系从原来向李树斌汇报调整为直接向王莆中汇报，这是一个典型的 "升格" 动作。对于一家以 "送外卖" 为核心命脉的公司来说，把 AI 部门提升到和外卖事业部平级，本身就是最好的战略宣言。

牧遥的履历也很有意思。他此前主导点评的产品升级、内容生态建设和国际化拓展，4 月陶雪璇接任点评负责人后，牧遥实际上 "待命" 了一两个月。现在看来，那就是在为 AI Transformation 做前期准备。这种 "先调人、后挂牌" 的操作，和阿里三个月的布局异曲同工 —— 都不是临时起意，而是蓄谋已久。

美团的 AI 布局其实早已全面铺开。B 端，上线 "商家 AI 守护" 系列工具，超 80 万商家启用恶意用户限制功能；推出 AI 原生社区公测版，有商家用 "AI 养虾" 方案把养殖效率提升了 30% 以上。C 端与生态层面，和微信深度协同，联合开发测试微信 AI 生态接入，未来用户可以通过微信智能体直接调用美团外卖、到店餐饮等服务。内部工具方面，推出全新 IM 软件 "飞象"，布局类似飞书，但工具栏突出 Agent 功能，可集成 Codex 等 AI 工具，支持在 IM 内直接完成 AI 对话交互。此外，6 月还发布了 AI 浏览器 Tabbit 1.0，一个可以自动执行各类任务的 AI 浏览器。从商家工具到微信生态，从内部协作到浏览器，美团的 AI 布局正在形成一张覆盖 B 端、C 端、内部协同的全景网络。

五、美团为什么着急？三重压力下的战略选择

理解美团的 AI 焦虑，要回到它的核心处境。作为中国最大的本地生活平台，美团的护城河是 "最后一公里" 的履约体系 —— 每天千万级配送订单，构成了无与伦比的物理网络。但三重压力正在倒逼美团加速：

第一重是抖音的正面冲击。 抖音用 "内容 + 推荐" 切入本地生活，到店团购、酒旅领域的市场份额持续攀升。在内容驱动的消费决策面前，传统 "搜索 + 比价" 模式正在失去效率优势。美团如果不能用 AI 重构推荐和决策链路，就可能在新一代用户交互方式中掉队。

第二重是 AI 对服务模式的根本重塑。 当用户越来越多地通过 AI 助手完成消费决策 —— 让 AI 推荐餐厅、比较价格、甚至直接下单 —— 传统平台的 "中间商" 角色，有被 AI 逐步替代的风险。这正是美团接入微信 AI 生态的深层逻辑：不主动嵌入，就会被排除在外。这不是要不要做的问题，是生存问题。

第三重是基础能力的追赶压力。 阿里有通义千问 + 阿里云双轮驱动，字节有豆包 + Seed/Flow 体系全面作战，美团在基础模型能力上并无积累。成立 AI Transformation，本质上是把散落在各业务线的 AI 能力集中管理，同时探索 AI 原生的新商业模式。牧遥在内部沟通中说，这个部门的使命是 "让 AI 成为美团所有业务的底层操作系统"。当美团拥有数百万商户、数亿消费者、日千万级配送单量的庞大商业网络，把 AI 嵌入每一个决策环节，带来的效率提升将是不可估量的。

六、三种模式，三条路径：大厂组织 AI 化的全景图

2026 年上半年，中国科技巨头掀起了一场组织架构调整的浪潮。阿里 Token Foundry、美团 AI Transformation、字节 Seed/Flow/Stone、腾讯撤销 AI Lab 收拢至混元…… 看似独立的动作背后，隐藏着三种不同的战略路径。

模式一：CEO 直管的 "独立事业部" 模式，代表是阿里、字节、美团。核心理念是把 AI 业务从传统组织体系中剥离，赋予顶级战略地位和资源配置权。三者的共性在于 "升格"：AI 不再是一个实验室或技术中台，而是独立的业务部门，享有与其他核心业务同等的资源调配权和战略自主权。这种模式的优势是决策链条最短、资源倾斜最大、执行力最强，在 AI 技术快速演进的窗口期，可以让企业以最快的速度进行战略收缩和资源聚焦。但缺点也很明显：独立的 AI 部门可能与传统业务产生摩擦，甚至引发资源争夺。字节内部就出现了 "所有人节衣缩食补贴 Seed" 的抱怨 —— 当公司整体削减福利而 AI 部门获得额外期权时，内部公平性便成为了管理挑战。

模式二：技术中台 "收拢" 模式，代表是腾讯。2026 年 3 月 20 日，腾讯 TEG 技术工程事业群进行了一次标志性调整：成立近十年的 AI Lab 正式被撤销，部分人员并入混元团队，向从 OpenAI 挖来的首席 AI 科学家姚顺雨汇报。这种模式的核心逻辑是 "集中力量办大事"。在移动互联网时代，腾讯的 "技术中台 + 业务联邦" 架构曾发挥了巨大作用，但在大模型时代，分散布局的问题逐渐暴露 —— 业务数据分散在 20 多个系统，团队 60% 以上的时间花在找数据和清洗数据上；不同业务线重复 "造轮子"；缺乏统一的模型研发指挥体系。撤销 AI Lab，是腾讯 "迟到三年的组织纠偏"。姚顺雨的加入是点睛之笔，这位 27 岁的前 OpenAI 研究员赋予了混元团队此前缺乏的 "权威话事人" 角色。

模式三：全栈一体化 "协同" 模式，代表是百度。百度的 AI 布局算不上 "新调整"，而是多年全栈自研体系的自然延伸。李彦宏明确了 "昆仑芯 — 智能云 — 文心大模型 — 智能体" 的核心战略框架。百度的独特之处在于，它拥有中国科技企业中最完整的 AI 技术栈 —— 从自研 AI 芯片到云计算，从文心大模型到各类 AI 应用和智能体。和阿里、字节不同，百度的 AI 战略不依赖大规模组织架构调整，而是在现有体系中做 "生态内嵌"，将 AI 主战场放在月活超 7 亿的百度 App 内部，用户无需下载新应用即可无缝切换到文心助手。这种 "无感迁移" 的路线，使文心助手月活在 2026 年 1 月就突破了 2 亿。

三种模式没有绝对的优劣之分。阿里的独立事业部模式适合需要 "全力冲刺" 的场景，腾讯的中台收拢模式适合解决历史遗留的 "内耗" 问题，百度的一体化模式适合技术基因深厚的公司。关键在于，每种模式都必须与企业的历史积累、业务特征和竞争环境相匹配。

七、六大底层逻辑：看懂这场组织变革的本质

阿里和美团几乎同一周宣布调整，绝非巧合。拆解这些动作背后的战略逻辑，才能看懂整个行业的底牌。

逻辑一：AI 从 "赋能工具" 升级为 "核心业务单元"。 过去两年，大多数企业的 AI 策略是 "赋能"—— 帮助现有业务提效降本。AI 部门隶属于 CTO 线，KPI 是 "服务了多少业务方"，而非 "创造了多少收入"。但 2026 年的标志性变化是：AI 正在从 "成本中心" 变为 "利润中心"。当 AI 能自己造血时，它就配得上一个独立的事业部架构。这种转变的逻辑链条非常清晰：AI 能力足够强→产生了可量化的商业收入→需要独立核算和自主决策→需要一个匹配的商业化组织来承载。

逻辑二：组织架构的 "三位一体" 升级路径。 阿里三个月的变革路径，提炼出一个极具参考价值的 "升级三部曲"：统一技术中台→统一决策体系→统一商业落地。这套三级推进，是任何想要深度 AI 化的企业都可以借鉴的底层框架。它回答了一个核心问题：AI 化不是一步到位的事，而需要分阶段、有节奏地推进。跳过任何一步，都可能导致 "技术和业务两张皮" 的困境。

逻辑三：技术竞争进入 "系统作战" 阶段。 2023 年比拼的是 "谁的模型参数更大、谁的评测分数更高"。到了 2026 年，竞争已经从 "单点突破" 进入 "系统作战"—— 芯片 + 云 + 模型 + 应用 + 生态的全栈竞争。阿里的 "通义云哥" 三大支柱、字节的 "Seed+Flow+Stone + 抖音 + 火山引擎" 五层体系、百度的 "芯 - 云 - 模 - 体" 全栈布局，都在构建一套完整的、可以自我强化的 AI 系统。在这种格局下，组织架构不再只是管理问题，而是竞争壁垒本身。一个设计得当的 AI 组织，能够驱动 "算力→模型→数据→场景→收入→更多算力" 的正向飞轮；而一个设计不当的组织，则会让资源在内部摩擦中消耗殆尽。

逻辑四：人才争夺从 "点状猎取" 升级为 "体系化重建"。 阿里将周靖人升任首席科学家、字节挖来吴永辉、腾讯请来姚顺雨 —— 这些顶级 AI 人才的引入，绝不仅是填补某个高管空缺，而是通过对 "关键人" 的布局来重建整个 AI 研发体系。阿里让周靖人牵头 AI 未来研究院，实际上是将 "技术探索" 和 "商业落地" 做了清晰的切割，借鉴了谷歌 DeepMind 与 Google Brain 的分工模式。字节让吴永辉全面接管 Seed 后，将团队重新拆分为 Edge、Focus、Base 三层，每一层都有明确的目标和考核机制，这是字节从 "App 工厂" 向 "研究型组织" 升级的关键一步。AI 竞争的本质，不是 "谁有更多的工程师"，而是 "谁有更好的组织能力来配置这些工程师"。

逻辑五：算力供应链的 "自主可控" 压力。 2026 年，中美科技博弈持续升级，全球 AI 芯片供应链面临前所未有的波动。对于投入千亿级别的中国科技巨头来说，算力的 "自主可控" 已从战略选项上升为生存刚需。阿里平头哥累计交付 56 万片 GPU、腾讯在韶关投建 50 亿智算中心、百度昆仑芯启动独立上市 —— 这些动作表明，大厂们正在将算力基建提升至与模型研发同等重要的战略优先级。Token Foundry 将 "创造 Token、输送 Token、应用 Token" 作为核心使命，而算力的自主供给能力直接决定了 "Token" 的创造效率和成本结构。这正是为什么阿里将芯片、云、模型整合进统一战略框架的内在逻辑。

逻辑六：AI 收入从 "隐性贡献" 走向 "显性披露"。 阿里 Q4 财报首次对外披露 AI 业务具体收入数据，这是一个被很多人忽略的重要信号。在此之前，AI 对阿里营收的贡献是 "隐性" 的 —— 包含在阿里云收入中，或作为电商推荐的效率增益存在。从 "隐性" 到 "显性"，AI 业务获得了独立的 "法人格"：它不再需要借助云计算的报表来传达价值，而是可以以独立的身份争取资源、设定目标、接受考核。独立核算使 AI 部门可以自主决定研发投入方向，不再受制于传统业务的预算周期；独立考核使 AI 团队可以建立适配 AI 业务的 KPI 体系，而非沿用成熟业务的收入 / 利润指标；独立组织身份也使 AI 人才有了更清晰的职业通道和归属感。当一家公司愿意让一个尚未产生规模化收入的部门与自己的核心利润中心平起平坐，它传达的信号是非常清晰的。

八、中小企业的生存法则：不模仿大象，找对生态位

大厂的组织调整，对中小企业和创业者来说，同样蕴含着宝贵的战略信号。在大象跳舞的时代，蚂蚁需要的不是模仿大象的步伐，而是找到适合自己的生态位。

第一，模型层的机会正在快速收窄。 基础大模型的门槛急剧升高，训练成本动辄数亿美元。在中国，能支撑基础模型研发的玩家已经收敛到个位数。"做自己的大模型" 已经不是可行选项。更现实的选择是：利用开源模型和商业 API，把精力放在应用层创新上。大厂的 Model-as-a-Service 竞争正在将底层模型成本推向历史新低，这意味着中小企业可以以极低的成本获得世界一流的基础 AI 能力，这是一个前所未有的 "技术红利期"。

第二，垂直场景仍是创业的 "安全区"。 巨头们的 AI 战略虽然全面，但注定无法覆盖所有场景。阿里 Token Foundry 聚焦的是 "通用 AI 能力 + 电商 / 云场景"，美团 AI Transformation 锚定的是 "本地生活服务 AI 化"，字节的庞大产品矩阵更多面向 C 端通用场景。那些 "大厂看不上、做不好、或者做起来性价比太低" 的垂直场景，恰好是中小企业的黄金机会 —— 垂直行业的 AI 知识库、AI + 本地化服务、AI 安全与治理…… 这些都是蓝海赛道。

第三，组织架构的 "灵活性" 本身就是竞争力。 大厂为了解决 "组织内耗" 需要大规模重构，恰恰证明了 "船大难掉头" 的问题有多严重。中小企业的天然优势是：决策链条短、试错成本低、可以快速调整方向。借鉴大厂经验时，不需要照搬 "CEO 直管 AI 事业部" 之类的组织模式，核心原则只有一条：让 AI 负责人直接向最高决策者汇报。即使公司只有几十号人，也应该让主导 AI 战略的人有权直接参与最高决策 —— 只有这样，AI 才能从 "边缘创新" 转变为 "核心驱动"。

第四，建立 "AI 原生" 的思维方式。 大厂的组织重构本质上是一次 "AI 原生" 转型：他们不再将 AI 视为附加在现有业务上的 "补丁"，而是用 AI 的底层逻辑重新思考业务的组织方式。对中小企业而言，这意味着三类思维转变：从 "AI 辅助人" 到 "AI 替代流程"—— 如果 AI 可以完成这个流程中 50%、70% 甚至 90%，业务应该怎么重新设计？从 "一次性项目" 到 "持续迭代"——AI 产品需要持续的反馈、标注、微调、再部署，需要建立从数据采集到模型优化的闭环。从 "技术驱动" 到 "数据驱动"—— 大厂的竞争优势很大程度上来自数据量，但一组高质量的行业标注数据，往往比参数量大一倍的通用模型更有商业价值。

第五，拥抱 "小模型 + 精准场景" 的务实策略。 国泰金控的实践很有说服力：对开源小型语言模型进行针对性微调，在银行 APP 智能搜索场景中，准确度和超大闭源模型只差 6%，但单次推理成本降低了380 倍。"用 1/380 的成本换取 94% 的准确度"，对绝大多数中小企业来说显然更划算。这一案例揭示了 AI 部署的重要原则："数据质量大于数据规模大于模型参数"。与其花大价钱调用最强模型，不如先用中等参数量的开源模型加上高质量的行业数据进行精调。

第六，拥抱 AI 生态：不做孤岛，做大树的枝干。 阿里百炼平台服务超 98 万家企业客户，字节火山方舟对接数百万开发者 —— 这些平台的本质是 "AI 能力批发市场"。中小企业不应试图建设独立的 AI 基础设施，而应主动嵌入大厂构建的 AI 生态中，成为这些 "AI 大树" 上的枝干。美团接入微信 AI 生态就是最好的参照：即使是市值千亿美元的公司，也在选择 "嵌入更大的生态" 而非 "自建封闭生态"。"搭便车" 不是缺乏志气，而是理性务实的选择。

结语

2026 年上半年的这场组织变革，本质上是中国科技企业从 "流量经济" 时代向 "智力经济" 时代迁移过程中，一次绕不过去的管理大考。

阿里的激进、腾讯的纠偏、百度的沉稳、美团的追赶 —— 每家企业都在用自己的方式回应同一个核心命题：AI 在组织中的位置应该是什么？

没有一种 "最优" 的 AI 组织模式。重要的不是照搬哪一家的做法，而是理解自身的战略目标后，做出 "自洽" 的选择。

对全行业而言，这场变革才刚刚开始。当 AI 从 "成本中心" 变成 "利润中心"，当组织架构从 "管理问题" 变成 "竞争壁垒"，当人才争夺从 "点状猎取" 变成 "体系化重建"—— 我们正在见证一个新时代的开启。

那么问题来了：你所在的公司，AI 部门现在向谁汇报？你觉得哪种模式最适合中国企业？欢迎在评论区聊聊你的观察。