阿里CEO吴泳铭：生成式AI让世界有了一个统一的语言——Token

笔者参加了几届阿里云栖大会，每一届都有不同的主题。但近两届，有一个越来越明晰的主线，那就是云与AI的融合。

这一届的阿里云栖大会，无论是从主题演讲还是展览设置，这种云+AI的感觉都很强。在阿里巴巴的高层中，吴泳铭作为技术派，对AI更是情有独钟。他主导阿里之后，从各条业务线，都能明显的看到AI化的痕迹。

其中，阿里云是承担整个阿里集团AI梦想的基石和载体。吴泳铭在担任阿里巴巴集团CEO的同时，还兼任阿里云智能集团董事长、CEO，可见其对于云业务的重视。

我一直以为，决定一个公司发展高度的，不在于在某个技术或者产品上的一时领先，而在于高层尤其是“话事人”的认知，他如何看待这件事情，才是决定事情走向的最关键变量。一旦认知和决心到位了，就会有一系列的行动，那资源、人才、资金自然会聚集，随之而来的技术产品创新，就是水到渠成的事情。回想当初，阿里巴巴在几家头部互联网公司中，也不是技术基因最强的，为什么云计算做的最好？马云当初的决绝和坚持，起到了关键作用。

所以，这一届阿里云栖大会，我最关心的不是阿里云又发布了什么产品，而是其“话事人”如何看待云和AI这件事情。

在上午的主论坛上，关于AI和云，吴泳铭说了不少很新颖的观点。其中，有一个观点挺有趣：生成式AI让世界有了一个统一的语言——Token。AI模型可以通过对物理世界数据的Token化，理解真实世界的方方面面。理解之后，AI就可以模仿人类去执行物理世界的任务，这将带来新的产业革命。

接下来，我们试图就这一观点来进行分析探讨。

信息世界的“巴别塔”，为什么AI至今无法通晓万物？

语言，是信息传递的基础。它不仅是人与人之间沟通的桥梁，更是技术世界中信息流通的核心。在人类社会中，语言承载了思想、文化和知识的传递。在技术领域，语言的作用更为关键——它是指令、数据、算法的表达形式，是所有信息交互的根本。

尤其在AI领域，语言的重要性愈发凸显。AI通过自然语言处理来理解和生成文本，通过代码语言来执行任务，通过视觉语言来识别和处理图像。这些不同的“语言”构成了AI理解世界的多种维度。然而，这些语言之间的割裂，成为了AI发展的最大障碍。

当前的数字化世界，信息以多种模态存在——自然语言、程序代码、图像、视频、音频、3D模型、数学符号……这些信息形式各自独立，彼此之间的“对话”几乎不存在。AI虽然能够在单一模态下表现出色，但面对多模态信息时，却往往显得力不从心。

这种割裂，不仅增加了技术开发的复杂性，也极大限制了AI的智能表现。我们可以想象，一个AI能够精通各自独立的“语言”，但当这些语言需要被整合时，AI就如同陷入了信息的“巴别塔”，难以将所有信息串联起来，形成全面的理解。

这种多模态割裂直接导致了技术发展的瓶颈。以自动驾驶为例，自动驾驶汽车需要整合多种传感器的数据，如摄像头捕捉的视觉信息、雷达提供的距离测量、GPS带来的定位数据等。这些数据形式各不相同，处理它们的难度非常大。尽管每一种传感器的单独表现都很优异，但当所有数据需要整合成一个统一的驾驶决策时，AI常常会出现延迟、误判，甚至失效的情况。

在医疗领域，医生常常需要结合影像数据、化验报告、病历记录等多模态信息来做出诊断决策。AI在这些单一领域内表现优异，但在将这些多模态数据整合为一个全面的诊断模型时，依旧存在巨大挑战。多模态数据之间缺乏统一的表达方式，导致AI难以在复杂的诊疗场景中发挥出应有的智能水平。

要让AI突破这些限制，实现从“聪明”到“通晓”的进化，就必须有一种能够跨越各种信息形式的通用语言。这样的语言可以将不同模态的信息标准化、统一化，使AI能够在处理多模态信息时不再受制于割裂，而是能够像人类一样，自由地整合和应用各种信息。

这个通用语言的出现，不仅将为AI带来更强的理解力和适应力，也将为技术开发者带来更大的自由度和创造力。AI将不再被困在“巴别塔”中，而是能够在一个统一的语言环境中，真正展现出全面的智能。

这一切，都为Token的出现提供了广阔的舞台。那么，Token，作为信息世界的通用语言，将如何打破这些壁垒，成为AI的全新“语言”工具？

Token来了：AI终于找到了一种语言，它能“听懂”一切！

Token是信息世界的基本单位，类似于语言中的单词或语法结构，但其功能远超普通符号。它不仅是信息的最小表达单元，更是多模态信息处理的核心工具，能够将文字、图片、视频、语音等不同形式的信息标准化为统一的符号系统。这一标准化过程使得AI能够跨越模态边界，实现统一处理，进而在更复杂的任务中表现出色。

技术上，Token的生成过程包括将原始数据分割成最小的信息片段，这些片段可以是单词、图像的像素块、音频的片段等。这些片段通过编码过程被转化为固定长度的向量，代表了信息在AI模型中的特征。解码过程则将这些向量重新转换为可供人类理解的形式，比如文字、图片或声音。通过Token的编码和解码，AI可以在不同信息模态之间进行流畅的转换和整合。

以阿里巴巴的最新多模态大模型通义千问为例。在此次云栖大会上，阿里云的通义千问展示了最新的文生视频功能。至此，通义千问进化为一个集成了文本、图像、视频和语音处理能力的大模型，它展示了Token技术在跨模态信息处理中的应用。

举个具体的例子，假设你输入“中国风的小兔子，身着精致的唐装”，通义千问能够生成一段包含这些元素的视频。在这个过程中，通义千问将输入的文本内容首先分解为文本Token，然后将这些Token映射到一个语义空间中，生成相应的视觉。

可以说，Token的出现，为信息处理带来了革命性变化。它如同中国古代的“书同文、车同轨”，通过统一标准，使得原本各自为营的信息模态可以在同一个语义层次上互相交流。过去，AI只能在单一模态中发挥作用，而通过Token，AI实现了跨模态的信息整合，打破了原有的技术壁垒。

这种跨模态能力，使得AI在信息融合、理解和生成上的表现大幅提升，推动了人工智能从单一智能向全面智能的进化。

Token的商用化路径，云计算如何成为关键推手？

Token技术，虽然在理论和实验室环境中展现了巨大的潜力，但将其推向大规模商用并非易事。一个显著的挑战就是其高昂的计算和处理成本。

Token的处理，涉及海量的数据分割、编码、解码以及跨模态的信息融合。这些操作需要强大的计算能力和极高的资源消耗。特别是在面对复杂的多模态任务时，AI模型需要处理数以百万计的Token，这对计算资源提出了严苛的要求。传统的计算架构在应对这种大规模需求时，往往捉襟见肘，无法提供足够的计算能力和处理效率。

此外，Token的实际部署还涉及数据的实时处理和大规模分布式计算。无论是在自然语言处理、图像识别，还是在视频生成等应用中，Token化的过程都需要高速且稳定的计算资源。然而，现有的计算资源体系结构，尤其是在面临大规模并行任务时，常常无法高效应对。这导致了Token技术在商用化过程中遇到的瓶颈，严重制约了其在更广泛领域的应用。

解决Token商用化挑战的关键，正是在于云计算的技术推动。云计算通过其独特的优势，为Token的广泛应用提供了强有力的支撑。

例如，阿里云的分布式计算架构允许AI模型在多个节点上并行处理Token任务，极大地提高了计算效率。在数据存储方面，阿里云通过优化存储架构，使得Token化过程中产生的大量数据能够被快速读写和存取，减少了数据处理的延迟。此外，阿里云还通过智能调度算法优化了计算资源的分配，使得计算任务能够在最短时间内完成，同时最大限度地降低资源浪费。

阿里云在降低AI成本方面取得了卓越的成绩，尤其体现在通义千问推荐模型的价格调整上。最新数据显示，通义千问系列模型的价格降幅高达85%，这是一个极具竞争力的调整。具体来看，QwenPlus模型的价格降至0.0008元/千Token，QwenTurbo的价格则为0.0003元/千Token。

此外，阿里云还推出了新用户福利——5000万免费试用Token和4500张图像生成权限。这些优惠措施不仅降低了企业在AI应用中的前期投入，还显著提升了用户的体验和接触AI技术的机会。结合阿里云在推理输入方面的优化，这些降价和优惠策略大大减轻了企业在AI应用中的成本压力，使得高性能AI模型的普及成为可能。

通过云计算的支持，Token技术不再局限于实验室或小规模应用，而是能够在更大范围内进行推广和部署。这种协同效应不仅解决了Token商用中的瓶颈问题，还带来了更高效、更经济的AI部署模式。企业能够以更低的成本、更高的效率，利用Token技术实现智能化转型，从而在市场竞争中占据优势。

技术突破之后，如何让Token走向商用前线？

展望未来，随着大模型与云计算的深度融合，AI的应用前景变得更加广阔，潜力无穷。正如阿里巴巴CEO吴泳铭在2024年云栖大会上指出，AI的最大想象力并非局限于创造新的移动应用，而在于彻底重塑物理世界。

这一变革的核心驱动力正是生成式AI与Token技术的结合，Token作为信息世界的“通用语言”，能够将文字、图像、视频、声音等多模态信息统一处理，使AI不仅能够理解复杂的数据，还能够模仿人类行为，执行各种任务。这种能力将为AI在各行业中的应用开辟广阔的空间。

同时，随着先进AI模型的开发成本不断攀升，达到数十亿甚至数百亿美元，云计算的重要性愈发突出。阿里云这样的云厂商，凭借其强大的算力基础设施，正在为这一趋势提供必要的支持。

未来，云计算架构将从以CPU为主转向以GPU为主的AI计算体系，满足AI日益增长的算力需求。这种计算体系的转变，不仅将大幅降低AI应用的成本，还将加速AI在各行业的广泛渗透。

例如，在AI大模型的支持下，未来所有能够移动的物体都可能成为智能机器人——从工厂中的机械臂到家庭中的助理机器人，AI将无处不在。工厂将由智能机器人主导，生产效率将大幅提升；家庭生活也将因智能机器人的加入变得更加便利和高效。

当然，这种变革的影响不仅局限于机器人领域。随着AI驱动的数字世界与具备AI能力的物理世界的深度融合，全球生产力将迎来一次革命性的提升。无论是自动驾驶、智能医疗设备，还是金融风险管理系统，AI将成为推动各行业发展的核心力量。