阿里巴巴的 Qwen3.7-Max 自主運行 35 小時，人工智慧實驗室競相開發專有模型

阿里巴巴旗下通義千問團隊今日發布 Qwen3.7-Max，這是一款專有大型語言模型，可連續自主執行約 35 小時，標誌著這家中國科技巨頭徹底退出其早期工作所定義的開源人工智慧策略。該模型支援包括 Anthropic 的 Claude Code 在內的外部框架，是對 OpenAI 與 Anthropic 之間日益升溫的價格戰所做出的直接競爭回應。OpenAI 的 GPT-5.4 目前每百萬代幣收費 17.50 美元，而 Anthropic 的 Claude Opus 4.7 每百萬代幣收費 30.00 美元，阿里巴巴透過僅經由自家 API 端點提供 Qwen3.7-Max，以低於此溢價的價格切入市場。該模型 35 小時的自主執行時間，使其定位為長存續期間代理型工作流程的工具，而 OpenAI 與 Anthropic 均已透過各自的專有版本鎖定此一類別。然而，Qwen3.7-Max 僅能從中國境內端點存取，此一限制將嚴重削弱其對面臨資料主權與法遵要求的歐美企業的吸引力。此次發布距離今年稍早通義千問團隊多位關鍵領導人離職僅數月，引發外界對該團隊內部穩定性的質疑。從開源轉向專有授權的戰略轉變，顯示阿里巴巴押注於 API 營收而非生態系影響力，此舉將考驗中國最大雲端業者能否在日益由超大規模雲端業者運算資源交易與激進定價所定義的市場中競爭。

每百萬代幣 30 美元定價下限崩解之處

前沿人工智慧市場的定價動態已凝聚為三層結構，Qwen3.7-Max 現正切入此一格局。頂層為 Anthropic 的 Claude Opus 4.7，每百萬代幣收費 30.00 美元，此價格點反映該模型在指標領先的推理能力與企業級安全功能。OpenAI 的 GPT-5.4 則以每百萬代幣 17.50 美元佔據中層，此為刻意壓低的定價，已迫使 Anthropic 必須透過更優異的代理式表現與更長的上下文視窗來捍衛其溢價。Qwen3.7-Max 進入此一市場時並未公開揭露每代幣價格，但阿里巴巴在雲端定價上一向積極進取，加上該模型僅透過中國端點分發，顯示其定價水準將顯著偏低，旨在搶攻國內市占率，同時避免在西方市場直接進行價格競爭。35 小時的自主執行時間創造了與單純每代幣定價截然不同的成本計算邏輯。企業若部署 Claude Opus 4.7 進行連續 35 小時的代理式工作流程，其成本將隨該期間內產生的每一代幣持續累加；而 Qwen3.7-Max 的定價結構則可能將執行時間打包納入固定 API 費用。此一定價架構呼應了從按小時計費運算資源轉向按任務計費的轉變，此一轉變正是從地端資料中心過渡至雲端運算的關鍵驅動力。該模型支援 Claude Code 等外部工具框架，進一步使定價影像趨於複雜，因為企業如今可將阿里巴巴的推論引擎與 Anthropic 的編排層混合搭配使用，此一情境恐怕是兩家公司定價團隊皆未曾建模設想的。

重塑市場格局的每月 12.5 億美元運算資源交易

Anthropic 與 SpaceX 人工智慧基礎設施部門達成的每月 12.5 億美元運算資源協議，附帶 90 天取消條款，已成為衡量所有前沿人工智慧運算資源協議的指標。這筆交易引發了關於 SpaceX 人工智慧基礎設施業務價值 7,000 億美元還是 1.75 兆美元的辯論，並揭示了訓練和服務前沿模型所需的驚人資本密集度。阿里巴巴將 Qwen3.7-Max 轉為專有授權的決定，正是對這種資本算計的直接回應。開源模型不會產生直接營收來抵銷訓練和推論的運算成本，而專有模型即使定價激進，也能創造經常性營收流，可用於確保額外的運算產能。35 小時自主執行功能尤其資本密集，因為每次推論會話都需要持續的繪圖處理器配置，佔用了本可服務多個較短請求的運算資源。阿里巴巴實際上是在押注企業願意為有保障的、長存續期間的運算存取支付溢價，而非競逐即時推論產能。這一賭注呼應了推動 AWS EC2 預留實例業務的策略，但應用於推論層而非運算層。Anthropic 與 SpaceX 協議中的 90 天取消條款也表明，即使是最大的人工智慧公司也不願將自身鎖入長期運算承諾，而偏好隨著定價和效能演進而轉移工作負載的靈活性。

競爭版圖重組如何衝擊 OpenAI、Anthropic 與 Google

阿里巴巴的專有化轉向，從三個不同層面重塑了競爭格局。首先，它移除了少數幾個仍可與前沿模型匹敵的高品質開源替代方案之一，迫使依賴 Qwen 開源版本的企業，必須付費使用 Qwen3.7-Max 的 API 存取，或轉向其他競爭對手的專有模型。此一動態短期內有利於 OpenAI 與 Anthropic，因為正在評估替代方案的企業，將發現免費選項更少。其次，中國端點的限制造成市場一分為二，歐美企業在法規或實務上均無法將 Qwen3.7-Max 用於生產環境的工作負載，這實際上等於將西方企業市場拱手讓給 OpenAI、Anthropic 與 Google。此一地理限制不僅是法遵問題：它使阿里巴巴無法參與金融服務、醫療保健與國防領域中價值最高的企業合約競標，而這些領域的資料主權是無可妥協的。第三，該模型支援 Claude Code 作為外部框架，形成一種特殊的競爭動態：阿里巴巴一方面在模型效能上與 Anthropic 競爭，另一方面又與 Anthropic 的工具整合。此一整合策略顯示，阿里巴巴將編排層視為大宗商品，而將推論層視為競爭優勢的來源；此一押注與業界垂直整合的趨勢背道而馳——諸如 OpenAI 等公司將模型、工具與部署整合於單一平台。Google 的 Gemini 生態系整合了模型、搜尋與雲端服務，則代表了相反的戰略極端。

35 小時推論對超大規模雲端業者與供應鏈的影響

35 小時自主執行時間的要求，在人工智慧基礎設施供應鏈中產生了連鎖效應，其影響遠超阿里巴巴自身的資料中心。此等長時間的持續推論作業，需要具備保證可用性的繪圖處理器叢集，這意味著阿里巴巴必須在其自有雲端基礎設施上保留產能，或與輝達的雲端合作夥伴等超大規模雲端業者協商專屬運算資源協議。此類需求型態有利於能提供具備正常執行時間與延遲服務等級協議之保留繪圖處理器實例的超大規模雲端業者，而 AWS、微軟 Azure 與 Google 雲端目前在此市場居主導地位。該模型對輝達硬體的依賴——很可能是 GB300 Grace Blackwell Ultra Desktop Superchip 或同等級資料中心繪圖處理器——使阿里巴巴的 Qwen3.7-Max 產能與輝達的供應鏈及配額決策緊密相連。輝達生產或配額優先順序的任何中斷，都將直接影響阿里巴巴提供 35 小時執行時間功能的能力。該模型僅限中國端點的限制，也意味著阿里巴巴必須建置境內推論產能，考量到現行的出口管制，這可能使中國取得先進輝達繪圖處理器的管道更為吃緊。此供應鏈脆弱性為中國繪圖處理器替代方案創造了切入空間，儘管目前尚無任何產品能在長時間推論工作負載上匹敵輝達的效能。35 小時推論作業對封裝與高頻寬記憶體（HBM）的需求也比標準推論更為嚴苛，因為持續運算產生的熱能，必須透過先進散熱解決方案與能在長時間內維持吞吐量的高頻寬記憶體來管理。Corsair 憑藉其 CORSAIR PRO 投資組合（包括搭載輝達 GB300 Grace Blackwell Ultra Desktop Superchip 的系統）進軍人工智慧工作站市場，顯示硬體生態系正因應此類持續推論需求而調整。

阿里巴巴轉向自有技術，對市場軌跡傳達的訊號

阿里巴巴退出開源領域，是迄今最強烈的訊號，顯示開源人工智慧模型策略作為前沿 AI 開發的商業模式已然失敗。今年稍早 Qwen 團隊多位核心領導人離職，加上轉向專屬授權，顯示阿里巴巴高層已認定，免費提供前沿模型並未產生足夠的雲端營收或策略優勢，不足以合理化運算資源成本。此一結論驗證了 OpenAI 與 Anthropic 從一開始就採行的策略：透過 API 存取將專屬模型變現。OpenAI 每百萬代幣定價 17.50 美元、Anthropic 每百萬代幣定價 30.00 美元的價格戰，如今進入新階段，在硬體升級與模型優化帶動下，推論的邊際成本下降速度快於價格，為勝出者創造利潤率擴張空間。阿里巴巴以未定價格與地域限制切入市場，顯示其鎖定已具雲端關係的中國企業市場，而非試圖在全球競爭。此一區域策略呼應 AI 市場沿地緣政治線日益分裂的整體趨勢，美國與中國模型逐漸服務截然不同、重疊有限的客戶群。此外，35 小時自主執行時間的功能也顯示，AI 競爭的下一個前沿不僅是模型品質，更是持續性的代理式執行：部署能獨立運作數小時或數天的 AI 系統，而非僅回應個別提示詞。從對話式 AI 轉向自主式 AI，將帶動新基礎設施、定價模式與企業部署型態的需求，而現行一代的 API 定價尚未完全因應此一趨勢。

市場應預期未來數月中國人工智慧實驗室將推出更多專屬模型，每一款都附帶地理限制，進一步強化全球人工智慧市場的二元分化。人工智慧的開源時代正讓位於專屬階段，勝負將不再僅取決於模型品質，而在於能否確保運算資源產能、因應價格壓力，並在地緣政治限制中靈活應對。阿里巴巴押注 35 小時自主執行，是賭企業願意為存續期間付費，而非僅為智慧付費；此一論點將與 OpenAI 及 Anthropic 對自主人工智慧應如何定價與部署的競爭願景相互檢驗。Anthropic 與 SpaceX 協議中的 90 天取消條款提醒我們，即便是最大型的人工智慧公司也在避險，保留隨市場演進而轉換運算供應商的彈性。阿里巴巴推出 Qwen3.7-Max，搭配專屬授權與中國端點限制，是迄今最明確的訊號，顯示人工智慧產業正進入區域整合、專屬變現與持續資本部署的階段，此一階段將把超大規模雲端業者支持的參與者與其他業者區隔開來。