图文原创：亲爱的数据

AI已经是一个彻底围绕Token的生意了，

或者说，Token经济学就是推理经济学,

我认为，今时今日的AI，

连这种基础设施层的东西（比如网络），

都和业务理念融为一体了，

这真是一个大趋势。

而TPN本身就是这个趋势的产物。

TPN架构的全称是：

Token Performance Network。

怎么描述我的感受呢？

一个网络架构用业务术语—

Token来命名自己，

这在以前是不可想象的。

只能说，阿里云的TPN，

是一个现象级的事件。

TPN 的命名本身就很有意思，

网络团队不再说\"我的带宽是多少\"，

开始说\"我的Token产能是多少\"。

文章开头那么只能解释这么多了，

赶紧上车吧。

为什么大神Jeff Dean在GTC 2026上，

会强调这样一句话？

『Agent一旦开始长时间自主运行，

超低时延的推理就会变得关键。』

这里有个技术术语，

超低时延是Ultra-low-latency inference。

这话啥意思？

作为写了AI基础设施九年的人，

我恨不得，

把Jeff Dean大神说的每一句技术评价，

都尽可能的理解了。

你问一个问题，模型想了想，总要花点时间。

只要别太磨蹭，都能接受。

现在换成Agent，

则是另一个游戏规则。

Agent一旦长时间自己跑起来，

每一步的\"思考速度\"就变得生死攸关。

比如，一个任务可能跑200轮。

中间都是它自己玩，

每一轮都有延迟，

直接叠加成总时间，

反正时间总是越加越长。

如果每一轮推理需要2秒，

200轮就是400秒。

7分钟光花在\"思考\"上。

真是太棒了，

这时候人类老板就会说，

你能不能干？

不能干有的是智能体能干。

再看\"超低时延（ultra-low-latency）\"这个词。

为什么他用这个词，

不是\"低延迟就行\"，而是\"必须超低延迟\"。

我赞成使劲卷AI，

以免来卷我。

看看英伟达的Bill哥（BillDally）怎么回应的，

Bill哥说，大部分延迟实际上来自通信。

Bill哥还说，\"推理不是刚刚开始变得重要。

推理现在就是核心任务。

数据中心里90%的机器都花在推理上了。

反正在AI市场上，

英伟达公司高管说啥都有几份道理。

你就凑合听一听，

观察和独立判断更重要。

比如，你看，英伟达的Groq 3 LPU芯片，

是专门为其中一个阶段（Decode）设计的，

而不是AI生产的全阶段。

于是，市场上有了\"为特定推理阶段定制的芯片\"。

所以，这个趋势不只发生在网络层，

其实整个AI全栈都在经历同样的融合。

为什么2026年突然冒出一个TPN？

因为游戏规则变了。

2022到2025年，行业的核心焦虑是：

\"模型能不能训出来\"。

所以以前（HPN）的哲学是，

\"不惜代价把性能拉满\"，

现在（TPN）的哲学是，

\"在保住Token产（性）能的前提下，

把成本压下来\"。

所以TPN不是HPN的升级版，

是另一个物种。

TPN是网络层的证据，

Groq LPU是芯片层的证据，

KV-Cache分层存储是存储层的证据。

整个AI Infra软件栈，

收敛成\"一切为Token服务\"。

这真是一场深刻的变化。

你不细看，确实会错过。

再看组织团队的KPI变化，

长久以来，

网络团队的KPI是带宽、时延、丢包率。

推理业务团队的KPI是三个新指标，

TPOT，是Token之间延迟

Goodput，有效Token吞吐

Cost perToken，每个Token成本。

在下一节会展开。

我看到，新指标把所有人的目标都统一了。

老掉牙的故事是，

两拨人目标不同，开不同的会，各干各的。

但是，有一天坐下来一起开会的时候，

发现一个问题：

网络团队说：\"我们把交换机升级了，

带宽翻倍了\"。

推理业务团队说：\"用户还是觉得慢\"。

两边看着对方，陷入沉默中。

这肯定是不行。

阿里云已经回应这种变化了，

TPN就是直接证据，

网络团队不再说\"我的带宽是多少\"，

而是开始说：\"我的Token产能是多少\"。

网络的度量单位从比特变成了Token。

这不是换个名词的问题，

是新故事的逻辑全部重写了，

逻辑包括优化目标、架构设计、资源调度。

以前网络优化一条链路，

不需要知道上面跑的是什么业务。

现在网络必须知道，

这条链路搬的是KV-Cache吗？

这是在推理prefill，还是在推理decoding？

回到讨论的主线，

为什么要看新指标？

第一，TPOT（Token之间延迟），

第二，Goodput（有效Token吞吐），

第三，Cost per Token（每个Token成本）

旧阵营要迈往新阵营，就是靠指标来导向。

这些指标并不是以前完全没有，

而是重要性今非昔比。

第一个指标：TPOT，是Token之间延迟。

一个Agent跑一个任务，

烧1000个Token，

每个Token之间隔一小段时间，

这就是TPOT。

TPOT长，任务就慢；

TPOT短，任务就快。

就这么简单。

原来跑完要一小时，TPOT压缩一半，半小时干完。

怎么搞呢？

其中一个关键就是KV-Cache搬得快。

PD分离之后，这些东西不在一起了，

要通过网络从另一台机器搬过来。

搬得慢，就等着。

第二个指标Goodput，

是有效Token吞吐。

\"有效\"这个词确实有两层含义，不能混在一起。

第1层：基础设施层面的\"有效\"

这个\"有效\"关注的是，

\"Token 吐得够不够快、够不够稳\"。

跟网络强相关，网络抖动一次，

Goodput就低一分。

第2层：业务层面的\"有效\"

你说的是另一个维度，

生成出来的Token 是不是用户真正需要的。

『喂妖妖零吗？

这个AI动不动给我1000个字的废话。

我要取消订阅』。

对于Agent来说，100个Agent 里面，

有15个跑得慢，

但要100个Agent全部跑完才能下一步，

这也拖慢了业务，

Goodput 对网络的要求不是『平均快』，

是『每一次都快』。

第三个指标Cost per Token，

就是每个Token成本。

和钱有关好理解，

就是直播间里的主播说的，把价格打下来。

就一句话：同样的电费、同样的卡，

能多吐几个Token，

每个Token就便宜几分钱。

GPU上电就烧钱，

不管它在算Token还是在等数据，

电表都在转。

所以Cost per Token的关键，

不是GPU贵不贵，

是GPU闲不闲。

单位产能高，成本就越低。

同样的时间下，总产能上不去，

单位产能不可能高。

三个指标的属性是啥？

1.TPOT（Token之间延迟）

是体验指标，度量用户感受。

2.Goodput（有效Token吞吐）是效率指标，

体验达标前提下的最大承载量。

3.Cost per Token是经济指标，商业可行性。

终极优化目标：

在Cost per Token最低的前提下，

最大化有效Token的吞吐（Goodput）。

旧思路是：

假设网络性能强了，用户体验就好了。

新思路是：

先定义用户需要什么体感，

反推网络需要做到什么。

比如，文本的TPOT小于50ms，

语音的TPOT小于10ms。

旧思路下网络团队可以自己猛猛优化。

新思路下必须跟推理业务坐在一起。

即便是以前老指标都上了新台阶，

并不代表推理业务部门，

也就是推理集群使用者的用户体验，

我们现在要和他们一起共同制定指标。

网络很牛逼，使用者无体感。

思路彻底转向关注于『体感』，

先做到体感优，再此基础上降低成本。

结论很清楚了，这是一个Token为中心的世界。

网络的技术考量都融进去了。

按这个趋势，

AI基础设施团队应该长这样：

不再有孤岛似的，

\"网络团队\"\"存储团队\"\"计算团队\"。

取而代之的是\"Token生产团队\"

你看，顺着我的逻辑，

是不是觉得阿里这次组织架构调整，

是如此的顺理成章。

这是一个在AI浪潮下激流勇进的团队。

26年3月16日，阿里巴巴正式成立ATH事业群，目标：创造Token（通义模型训练），输送Token（MaaS模型推理），应用Token（千问+悟空+创新），AI的基础设施是阿里云与平头哥。