「1 亿 TOKEN 俱乐部」挤爆了，AI 的燃料不够了｜对谈于文渊：阿里云百炼技术负责人

十字路口播客关注新一代 AI 技术浪潮带来的行业变化和创业机会，寓意科技与人文的交汇。本期嘉宾是阿里云百炼的研发负责人于文渊，介绍阿里云百炼是中国最大的 MaaS 服务商之一。于文渊向听众问好，并表达了对 Koji 邀请的感谢。

云计算格局面临重新洗牌的趋势，好用的云的标准也在变化。阿里云作为中国最大的云计算厂商，关注用户是否会转变为 agent，以及 agent 对计算、存储、网络和算力的需求。阿里云关注安全，用户量、操控量和算力需求都在快速增长。千问 3.5 周期发布后，峰值迅速达到历史新高，对算力的需求依然很高。OpenClaw 和 Claude Code 加速了增长，尤其是在 Agent 场景下。

在快速增长的背景下，阿里云面临着追求稳定性的挑战，尤其是在 GPU 供给有限的情况下，需要让每个 GPU 发挥最大作用。阿里云希望用户能享受到极致的弹性和稳定性，通过 API 调用中国最大的算力集群。Token 数量并非唯一关注点，Token 的质量也很重要，不同模型的 Token 价值不等同。每天消耗一亿 Token 的用户数量正在增加，可能需要提高 “一亿 Token 俱乐部” 的门槛。

大模型正在替代人工，未来许多行业角色可能受到影响。各云服务厂商都推出了 MaaS 服务，但存在差异化。阿里云的技术设施、产品线广泛、技术厚度以及达摩院提供的模型是其优势。这些模型不是黑盒模型，而是与阿里云背靠背一起开发。此外，阿里云还有自研芯片团队平头哥，提供良好的开发体验和效率。阿里云可以端到端地做大模型。

在百炼上调用千问模型与其他平台相比具有独特优势，客户反馈千问模型的效果、质量和速度更好。阿里云积累了较多的精度体系和稳定性体系的推理服务框架，可以保证千问所有模型的 model card 上的分数都能通过百炼的 API 实现。于文渊认为，没有任何情况下企业需要自建模型，专业的人应该做专业的事。

于文渊建议大家继续学习计算机专业，并引用 “要么被计算机使用，要么使用计算机” 的观点。他建议计算机专业的学生不要过度依赖 AI 写代码，要避免与 AI 高度重合，而要成为能识别 AI 做不到的 1% 的人。他用医生使用 AI 的例子说明，实习医生直接依赖 AI 会找不到 AI 的问题，缺乏经验积累和判断力。

AI 生成的代码在 Code Review 中常被发现问题，Vibe Coding 在生产环境中的应用仍有差距。在压力下，AI 代码容易暴露问题。生产可用的代码需要保证每一行都能完成预期功能，且副作用可接受。AI 对上下文和深度理解不足，Mission Critical 的代码暂时不能依赖 AI。

Spec coding 是较好的方式，需要编写清晰的需求文档或规范。通过清晰的 spec，AI 可以高质量地完成文件系统等底层代码的编写。人需要用形式化的逻辑描述清楚想要的东西，AI 才能做好填空。于文渊不鼓励企业将 AI 生成代码比例作为目标，因为这很危险。人和人之间的合作交流中有很多隐性知识，AI 难以干涉。

于文渊认为 MaaS 系统工程师是一个开放问题，因为 AI 变化太快，需要的是人的潜力，而不是知识。英伟达断供对中国 AI 发展影响很大。算力像石油，关键在于供给是否匹配需求。中国能做自主可控，但油田没开采的情况下，下游高速工厂的车已经跑起来了，算力供给缺口会影响中国 AI 发展。

于文渊预测 Agent 和 AI 生成将是未来 Token 消耗的主要场景。阿里云百炼的价值在于提供好的体验、低的成本、好的模型效果和容量，将算力高效地转化为 Token。千问的 API 就是百炼的 API，谁能更高效地转换算力，谁就更有优势。

百炼作为一个娱乐平台，服务客户的需求，可以使用千问之外的其他模型。百炼托管部署中国的开源模型，用户可以使用百炼的 API 享受 minimax, akimi 和轨迹流动的 DeepSeek 的 API。于文渊不看好资源转售类的 Neocloud，更看好 AI 原生的，屏蔽硬件和复杂性的 MaaS，以及围绕 AI Agent 的公司或产品。