Le pied avant a encore établi un record dans le marketing du Nouvel An, tandis que le noyau des fondateurs a commencé à partir en série : récemment, Alibaba Qianwen a connu un retournement de situation un peu rapide.
Le 4 mars, Lin Junyang, le plus jeune P10 d'Alibaba et responsable de la technologie du modèle Qianwen, a annoncé son départ sur les réseaux sociaux, suscitant une large discussion dans le cercle de l'IA. Plus curieusement, juste deux jours auparavant, Alibaba venait de rendre open source Qwen3.5, et le nouveau modèle avait reçu une évaluation publique de Musk, mais le responsable technique part à ce moment-là, ce qui rend le timing particulièrement délicat.
Actuellement, deux principales hypothèses circulent dans la communauté.
L'une est le désaccord sur la voie technique et la structure organisationnelle. L'équipe de Lin Junyang a précédemment dirigé un modèle de recherche en "intégration verticale", essayant de relier la pré-formation, le multimédia et les infrastructures, ce qui est aussi une des raisons pour lesquelles Qianwen a une vitesse d'itération extrêmement rapide. Mais en 2026, le laboratoire Tongyi a procédé à une réorganisation, commençant à se diviser en plusieurs équipes modulaires, se rapprochant ainsi d'un système de recherche en chaîne d'une grande entreprise, ce qui pourrait amplifier progressivement les conflits de concepts.
Une autre explication concerne la pression des indicateurs de produit. Des informations indiquent que l'équipe de Qianwen a été invitée à assumer davantage d'objectifs d'utilisateurs actifs quotidiens sur le côté consommateur, tandis que l'équipe de modèles de base était initialement plus encline vers la technologie et l'open source, la tension entre ces deux objectifs se manifestant progressivement.
En fait, ce type de contradiction devient de plus en plus courant dans le secteur de l'IA :
Il est difficile de maintenir un équilibre à long terme entre les idéaux techniques, la mise en œuvre commerciale et l'efficacité organisationnelle.
Et lorsque les systèmes d'IA, les appareils automatisés et même les robots commencent à participer de plus en plus à la production du monde réel, un problème plus fondamental commence également à émerger :
Comment la valeur créée par les machines doit-elle être enregistrée et répartie ?
C'est précisément la raison pour laquelle je m'intéresse récemment à la Fabric Foundation.
Fabric essaie d'établir un système économique sur la chaîne pour le travail des machines, permettant aux appareils ou aux robots d'avoir une identité sur la chaîne, à travers un mécanisme de validation de tâches et de règlement par jetons, intégrant le travail des machines du monde réel dans un système de réseau vérifiable.
Compris simplement :
Lorsque de plus en plus de "travail" sera réalisé par des machines à l'avenir, Fabric espère construire une nouvelle infrastructure de distribution de valeur.
La compétition en IA s'accélère, mais à long terme, ce qui détermine réellement le paysage, ce ne sont souvent pas les modèles eux-mêmes, mais les règles économiques et les infrastructures qui les sous-tendent. @Fabric Foundation $ROBO #ROBO #robo