夜雨聆风——从奥特曼200万美元算力换股权，到阿里云修AI工厂：模型协同时代开启了？
一｜模型时代，可能真的快结束了
历史的改变，经常不是轰的一声，而是某一天，几个看似无关的新闻，同时发生。
大多数人刷过去了，少数人后来才意识到：哦，时代拐弯了。
2026年5月20日，AI行业同时发生了两件事。一件在美国，据《The Information》报道，OpenAI CEO萨姆奥特曼开始向YC（Y Combinator）体系的一批创业公司提出一个新方案，提供约200万美元OpenAI算力额度，用以交换公司股权。
你没看错，不是美元，不是融资，是算力。
另一件发生在中国。同一天。在2026阿里云峰会上，阿里云一口气发布了芯片、云、模型、推理平台，再到千问云。
官方给出的名字很长：“面向Agentic时代，芯—云—模型—推理全面升级。”
很多人看到这里，第一反应可能是，阿里开发布会——大厂常规动作。
但这两件事其实都和一个问题相关：
如果未来AI开始24小时自己工作，谁来养它？
这个问题很重要。今天AI行业最大的变化，可能不是模型变聪明了，而是AI开始从“回答问题”，变成“持续工作”。
这是一个被很多人低估的转折点。
过去这两年，我们对AI的理解还停留在：问问题、写文案、做PPT、生成图片......仿佛它只是一个高级搜索引擎，或者是一个更聪明的实习生。
但今天，事情已经开始变了。阿里云峰会上有一句话，其实特别值得注意。
阿里云资深副总裁刘伟光说：Agent突破临界点之后，可以24小时不间断工作。
这句话的意思可以这么理解：过去，AI像助手；未来，AI开始像员工，而且是不用下班的员工。
你给它任务，它自己规划，自己调用工具，自己协作，自己执行，甚至自己修正错误。
官方提供了一个案例，特别夸张。
这次发布的新模型，通义千问Qwen3.7-Max，在训练时从没见过的新芯片环境下，它只靠任务说明，自主连续工作35小时，从零写出一个生产级AI计算内核，最终性能比官方版本提高了10倍。
这已经不是“帮我写一段话。”而是“帮我完成一项工作。”
很多人还在争，GPT厉害还是DeepSeek厉害，但产业真正的问题已经变了。
AI开始越来越像基础设施，就像电、云和网络。这意味着真正的竞争逻辑也在发生变化。
过去两年，整个AI行业拼的是什么？
谁模型更强，谁参数更大，谁排行榜第一。
大家像在刷奥运积分榜：今天GPT第一，明天Claude反超，后天DeepSeek炸场......
而现在，一个巨大的变化是，模型正在迅速地“商品化”。
听起来可能有点反直觉。毕竟过去两年，大家一直把大模型看作类似某种“核武器”一般的存在。就在今天凌晨，谷歌还宣布推出了Gemini 3.5系列模型，重点展示了Gemini 3.5 Flash，并称其是迄今为止最强的编程模型。
直至今日，AI界的炸场模型和踢馆速度也是令人瞠目的。
但是，回望历史，几乎所有技术都会经历这样同一个过程，从奇迹，到商品。
来看19世纪。蒸汽机先是国运，后来是工厂标配。
到了20世纪。电力先是高科技。后来变成水电煤。
回想互联网刚出来时，有网站是能力。后来变成了默认配置。
还有云计算。刚出现时，企业还在争：要不要上云？今天已经没人讨论这个问题了，因为，云已经是基础设施了。
AI模型也在走在同一条路上。
一个最明显的变化是，去年很多公司还在说，我们有自己的大模型。今年问题开始变成了：“我们怎么用模型？”甚至可能更进一步：“我们怎么组织模型？”
这是完全不同的问题。
未来的企业，很可能不是一个模型打天下，而是多个模型协同工作。
这也是OpenAI和以阿里云为代表的国内AI厂商押注的不一样的道路。
如果这个问题有点抽象，我们可以设想一下B端客户的现实场景。
一家企业通常拥有包括但不限于如下岗位：客服、法务、营销和财务。
不同岗位需要的是完全不同的能力。
客服问答的重点是便宜，那么轻量模型足够。
合同审核的重点是准确率，那么，需要上更强推理模型。
市场创意的重点则是创造力，那么相应的，可能另一类模型更强。
所以，未来企业真正的问题，已经不再是用哪个模型？而是如下这些问题：谁来组织模型？谁负责自动切换模型？谁控制token成本？谁分配推理资源？谁来协调多个Agent？谁去管理调用日志？
这也是产业逻辑开始突然转向的时候。
因为真正贵的已经不再只是训练，而是推理，也就是AI被使用的成本。
这是今天最容易被忽略的一件事。
过去很多不少人有一种错觉，以为模型做出来就完了。其实恰恰相反。真正烧钱的部分才刚刚开始。
二 奥特曼“圈地”，阿里云建“AI工厂”
要真正理解今天的AI行业，是无法绕开一件事的：推理成本（Inference Cost）。
如前所述，今天AI行业最贵的已经不只是训练模型，而是让模型持续工作。这也是为什么再过去一年，整个行业似乎开始突然改口了。
以前大家喜欢说：“大模型军备竞赛。”抢人才，抢资源，都归结于这个标签之下。
现在越来越多公司开始讨论的是，怎么把推理成本打下来？
原因很简单。用户规模上来以后，账单会突然变得非常恐怖，而中国市场已经给出了一个非常明确的信号。
根据QuestMobile等公开行业数据，豆包月活用户已经达到3亿级。而通义千问也已经进入1亿级规模。
很多普通用户看到的是，增长真猛。
但工程师看到的是另一句话：GPU开始不够烧了......
如果一个用户每天问10次问题，一次几百甚至上千tokens，那么上亿用户意味着什么？意味着背后是数百亿tokens的级别调用。
以前互联网公司喜欢比服务器，今天，AI公司拼的是谁养得起“发电厂”。
这才是奥特曼突然开始用算力换股权的真正背景。
关于这条新闻，有评论表示，OpenAI开始圈养创业公司了。这种说法有一点道理，可惜只说了一半。
因为，如果站在创业公司的角度，今天最大的压力，确实已经不是工资，不是办公室，不是市场预算，而是算力成本。
今天，只要是一个不算太傻的Agent产品，尤其是处理复杂推理、代码和长任务场景的时候，烧GPU的速度远比多数人想象得快。
于是，OpenAI提供算力换股权，本质上其实是一种资源换生态的做法。
可以这么理解：我帮你先活下来，你以后长大了，就留在我体系里。
看到这一幕，有没有眼熟的感觉？
是的，特别像互联网早期云计算刚起来的时候。
很多创业公司为什么选亚马逊云服务？因为人家省钱、省事、跑得快。
只是后来慢慢发现，迁移成本越来越高，于是只好留下来了。国内的云计算厂商，也是提供各种服务，让你长大，并提高迁移成本。
OpenAI其实也一样。今天它真正想绑定的可能已经不是创业公司，而是未来的Agent生态。
未来，这些创业公司，将会默认使用OpenAI模型，用OpenAI推理，用OpenAI工作，用OpenAI Agent......
久而久之，他们确实获得了增长，也能够长大，但也开始越来越难离开。
这就是平台战争的经典逻辑。看起来是扶持，实际考量是抢入口。
所以，今天OpenAI真正争的，可能不是谁的模型最强，而是未来智能运行在哪里。
有意思的是，就在同一天，阿里云给出了完全不同的一套答案。
如果说，OpenAI更像先占生态，那么今天的阿里，更像是先建工厂，而且是一整座AI工厂。
今天的千问云确实独领风骚，但值得关注的是，今天阿里真正发布的，其实是“芯—云—模型—推理”的一一套完整链路。
先看真武M890芯片。这是今天第一次亮相的新一代AI芯片。
官方信息显示：单芯片144GB显存，性能是真武810E的3倍，片间互联带宽800GB/s。更重要的是，阿里直接做了128卡超节点服务器。
过去，GPU像单机作战，而现在开始集群打仗了。
而且官方明确说了，目标就是Agent时代的大规模并发推理。
我们可以继续以前述公司现实场景为例。
未来，你让一个Agent做这些事：调研市场、写方案、做预算、生成PPT。
它可能在毫秒之间就连续调用几十次模型，同时还会调CPU、GPU、网络和存储。
所以，今天真正难的，已经不只是模型聪不聪明，而是整个系统能不能扛住。
这也是为什么，阿里今天提出了一个词：Agentic Cloud，这也许是第二个特别容易被低估的地方。
过去的云，是给人用的。你打开控制台，点按钮，调API......但未来，Agent不会点按钮，它直接给你调函数。
所以阿里今天做的一件事，是把云产品Skill化、MCP化和CLI化。也就是把云改造成Agent能自己调用的环境。
以前，是人调云。以后，是AI调云。
三｜千问云的价值：不是模型，而是调度
如果说，OpenAI是在抢未来Agent跑在哪，那么阿里今天真正想解决的问题，可能是未来Agent怎么跑的问题。
这是两个完全不同的问题。
理解千问云，不要将其简单看作是又一个模型平台。阿里今天真正发布的可能根本不是一个模型时长，而是Agent时代的入口层。
关于千问云，有一个特别容易被忽略的细节，是Skills + CLI。
官方原话，是把模型服务能力封装成Skills和CLI工具，为开发者和Agent提供更友好的体验。
我们可以这么理解：AI开始自己调用AI。
假设未来你对一个Agent说，帮我调研一个行业，写一份分析报告，审一份合同，最后做一个PPT。过去需要人类自己切模型。
此时的你恐怕恨不得化身千手观音，查资料用一个模型，数据分析换另一个，写作换一个，做图再换一个......中间还要，自己复制、粘贴、切窗口。
而当AI开始自己调用AI，逻辑就开始变了。
Agent会自己判断。
第一步，搜集信息，它自动选更快、更便宜的模型，因为该阶段的关键词是成本；第二步，合同审核，它自动切换至推理更强的模型，因为该项目的重点是准确率；第三步，要写方案了，再换成创造力更强的模型，因为该项目的重点，已经变成了表达与创意；最后再自动生成PPT。
整个过程，你甚至不用知道它到底切了几个模型，因为，AI会替你选模型。
这件事非常重要。
它意味着企业真正开始进入“多模型时代”。
今天很多人还在争，GPT厉害还是DeepSeek厉害。这个问题越来越像当初人们讨论Windows更好还是Mac更优。
这个问题的确有意义，但也没那么重要了。因为，未来多数企业的现实是，都要用到。
那时的重点，已经不是谁会赢，而是谁来组织：谁帮企业自动选模型，控制token成本，优化推理路径，调度Agent协作，以及做统一治理。
竞争逻辑彻底改变的时候也将到来。
以前比的是谁发动机更强，现在比的是，谁在修高速公路。
因此，今天阿里发布会上，最容易被低估的，其实不是千问模型，而是Agentic Cloud +百炼推理平台。
阿里做了一件特别现实的事——他们开始解决“养不起AI”的问题。
关于百炼推理平台，官方今天重点强调的有，上下文缓存，并池调度，吞吐弹性，Agentic RL和安全治理。
这些词听起来很技术，其实就是怎么让AI更省钱、更稳定、更不掉链子，尤其是推理成本。
未来真正可怕的地方，是Agent不是问一次问题，而是连续工作24小时。
这意味着不停调用、不停协作、不停地执行任务。
所以，未来最大的成本，很可能不是训练一个GPT，而是“养一万个Agent。”
再回看阿里今天的全栈升级，其实就在解决一如前所述的那件事：
如果未来AI开始像员工一样工作，谁来养它？
OpenAI和阿里，看起来打法完全不同，但其实都在抢同一个东西。
OpenAI更像苹果，先占生态，让未来创业公司，默认跑在自己系统里；阿里更像亚马逊云 + Windows，先修路，先建工厂。
阿里默认的是，未来一定是多模型和多Agent世界。
还有一个真正值得注意的变化。过去互联网争夺的是时间，后来移动互联网争夺的是流量入口，而AI时代，巨头们开始争夺的是决策入口。
我们可以再大胆一点想象，如果未来你的方案、商业分析、工作流甚至公司运营都越来越依赖Agent，那么最后真正重要的问题，可能不再是谁模型最强，而是，谁来定义未来智能世界的运行规则。
从今天开始，AI行业，已经开始从“模型竞争”，进入“操作系统竞争”。
模型会越来越便宜，而真正昂贵的，可能不再是智能，而是组织智能的能力。
