昨晚阿里巴巴成立 Alibaba Token HubATH由吴泳铭直接带队。很多人看的是“AI 战略”。但如果你用架构师视角看这件事其实更像在重做一套“AI 原生操作系统”而且这次不是概念是已经开始“工程化落地”了。一、先给结论这套东西像不像 Kubernetes如果你是后端/架构师我建议用一个类比理解整件事AI体系类比 KubernetesToken资源配额CPU/内存AgentPodSkillServiceCLIkubectlRealdocConfigMap / 数据层你会发现一件很有意思的事AI 正在重复云原生那一套抽象路径也就是说AI 不是新东西而是在“软件工程体系”里重走一遍抽象升级。二、Token AI 世界的“资源调度单位”过去我们写系统CPU、内存、IO 是资源Kubernetes 负责调度现在变成推理能力上下文长度数据调用统一抽象成Token关键点在于Token 让 AI 能力第一次可以被“调度”和“计价”这意味着什么 AI 可以被纳入“资源管理体系”以后很可能会出现agent deploy report-generator --token5000本质上等价于kubectl run xxx --cpu2 --mem4G三、Agent从“脚本工具”到“执行单元”很多人现在理解 Agent还停留在自动点按钮自动写代码但从系统角度看它更像执行单元Execution Unit类似Linux进程KubernetesPod对比一下两类 Agent1️⃣ UI驱动型例如 OpenClaw依赖界面不稳定不可控 更像“黑盒脚本”2️⃣ 系统集成型悟空API/CLI 驱动有权限模型可审计 更像“系统级进程”所以真正的分水岭不是❌ 能不能用✅ 能不能进生产环境四、CLI 化为什么这是最关键的一步很多人忽略了一个点CLI 才是操作系统的“第一接口”为什么悟空一定要 CLI 化因为GUI 是给人用的CLI 是给系统用的如果 AI 要成为系统的一部分就必须 放弃 GUI拥抱 CLI举个工程上的差异❌ UI驱动截图 → OCR → 找按钮 → 点击✅ CLI驱动get_schedule query_crm --user123 generate_report submit_approval这带来三个质变可编排Workflow可回放Replay可审计Audit 这才是“企业可用”的前提五、Realdoc本质是在做“AI 可读的数据层”传统文件系统的问题本质不是“文件不好用”而是对 AI 来说不可计算你可以类比数据库发展史阶段特点文件系统人能读数据库程序能读RealdocAI 能理解核心变化是数据从“文本”变成“语义结构”这意味着AI 可以引用AI 可以推理AI 可以参与协作一句话总结Realdoc 面向 Agent 的数据基础设施六、Skill这才是未来最值钱的东西很多人还在卷模型但其实真正值钱的在另一层Skill能力模块它本质上是输入 → 执行逻辑 → 输出但和传统 API 的区别在于它是“可组合的生产力单元”举个例子生成周报 Skill 拉数据 分析 写总结 排版未来会变成公司能力 Skill 集合 个人能力 Skill 编排能力这和Sam Altman提的“一人公司”完全一致。七、一个更本质的变化软件正在“去人类化”过去软件设计是 面向人未来软件设计是 面向 Agent这会带来一系列变化1️⃣ API First → Agent First2️⃣ UI 驱动 → Workflow 驱动3️⃣ 人操作 → AI 执行最终你会得到一个新架构人 → 指令 Agent → 编排 Skill → 执行 Token → 计费/资源八、最终形态AI 操作系统不是比喻是现实路径把所有东西拼起来其实已经很清晰了层级组件资源层Token调度层Agent能力层Skill接口层CLI数据层Realdoc 这就是一套完整的 OS 分层结构所以“悟空”的本质是一个 AI Native OS 的雏形九、给技术人的一个判断很关键未来 23 年最值钱的工程能力可能不是❌ 写业务 CRUD❌ 调模型参数而是设计 Skill 构建 Agent 编排 Workflow简单说就是“会写工具的人”会越来越值钱这一波不是 AI 工具升级而是软件范式迁移很多人还在讨论哪个模型更强哪个 Agent 更聪明但真正的变化已经发生了软件正在从“人用系统” → “AI 用系统”而这一次阿里巴巴押的不是模型而是整个系统范式
AI 的终局不是大模型，而是操作系统（阿里已经动手了）
发布时间：2026/5/19 17:45:27
昨晚阿里巴巴成立 Alibaba Token HubATH由吴泳铭直接带队。很多人看的是“AI 战略”。但如果你用架构师视角看这件事其实更像在重做一套“AI 原生操作系统”而且这次不是概念是已经开始“工程化落地”了。一、先给结论这套东西像不像 Kubernetes如果你是后端/架构师我建议用一个类比理解整件事AI体系类比 KubernetesToken资源配额CPU/内存AgentPodSkillServiceCLIkubectlRealdocConfigMap / 数据层你会发现一件很有意思的事AI 正在重复云原生那一套抽象路径也就是说AI 不是新东西而是在“软件工程体系”里重走一遍抽象升级。二、Token AI 世界的“资源调度单位”过去我们写系统CPU、内存、IO 是资源Kubernetes 负责调度现在变成推理能力上下文长度数据调用统一抽象成Token关键点在于Token 让 AI 能力第一次可以被“调度”和“计价”这意味着什么 AI 可以被纳入“资源管理体系”以后很可能会出现agent deploy report-generator --token5000本质上等价于kubectl run xxx --cpu2 --mem4G三、Agent从“脚本工具”到“执行单元”很多人现在理解 Agent还停留在自动点按钮自动写代码但从系统角度看它更像执行单元Execution Unit类似Linux进程KubernetesPod对比一下两类 Agent1️⃣ UI驱动型例如 OpenClaw依赖界面不稳定不可控 更像“黑盒脚本”2️⃣ 系统集成型悟空API/CLI 驱动有权限模型可审计 更像“系统级进程”所以真正的分水岭不是❌ 能不能用✅ 能不能进生产环境四、CLI 化为什么这是最关键的一步很多人忽略了一个点CLI 才是操作系统的“第一接口”为什么悟空一定要 CLI 化因为GUI 是给人用的CLI 是给系统用的如果 AI 要成为系统的一部分就必须 放弃 GUI拥抱 CLI举个工程上的差异❌ UI驱动截图 → OCR → 找按钮 → 点击✅ CLI驱动get_schedule query_crm --user123 generate_report submit_approval这带来三个质变可编排Workflow可回放Replay可审计Audit 这才是“企业可用”的前提五、Realdoc本质是在做“AI 可读的数据层”传统文件系统的问题本质不是“文件不好用”而是对 AI 来说不可计算你可以类比数据库发展史阶段特点文件系统人能读数据库程序能读RealdocAI 能理解核心变化是数据从“文本”变成“语义结构”这意味着AI 可以引用AI 可以推理AI 可以参与协作一句话总结Realdoc 面向 Agent 的数据基础设施六、Skill这才是未来最值钱的东西很多人还在卷模型但其实真正值钱的在另一层Skill能力模块它本质上是输入 → 执行逻辑 → 输出但和传统 API 的区别在于它是“可组合的生产力单元”举个例子生成周报 Skill 拉数据 分析 写总结 排版未来会变成公司能力 Skill 集合 个人能力 Skill 编排能力这和Sam Altman提的“一人公司”完全一致。七、一个更本质的变化软件正在“去人类化”过去软件设计是 面向人未来软件设计是 面向 Agent这会带来一系列变化1️⃣ API First → Agent First2️⃣ UI 驱动 → Workflow 驱动3️⃣ 人操作 → AI 执行最终你会得到一个新架构人 → 指令 Agent → 编排 Skill → 执行 Token → 计费/资源八、最终形态AI 操作系统不是比喻是现实路径把所有东西拼起来其实已经很清晰了层级组件资源层Token调度层Agent能力层Skill接口层CLI数据层Realdoc 这就是一套完整的 OS 分层结构所以“悟空”的本质是一个 AI Native OS 的雏形九、给技术人的一个判断很关键未来 23 年最值钱的工程能力可能不是❌ 写业务 CRUD❌ 调模型参数而是设计 Skill 构建 Agent 编排 Workflow简单说就是“会写工具的人”会越来越值钱这一波不是 AI 工具升级而是软件范式迁移很多人还在讨论哪个模型更强哪个 Agent 更聪明但真正的变化已经发生了软件正在从“人用系统” → “AI 用系统”而这一次阿里巴巴押的不是模型而是整个系统范式
