你懂的视频

电脑版下载

35043
3

你懂的视频截图Q8X2R7L1T4J5M9B6W3

内容详情

你懂的视频

万相2.6系列模子的宣布，再度印证了一件事，只要阿里云提提速，全球大模子工业就会上一个强度。

阿里云将大模子战火烧到了多模态领域，这在行业预期之内。今年以来，多模态模子的挪用量大规模增添，由于随着大模子的加速落地，行业很快发明，文本能解决的问题有限，现实天下自然就是多模态的输入输出形态，多模态模子预计成为未来一段时间工业竞争的主线。

行业预期之外的是，阿里云在多模态领域的追赶和落地效率。以往阿里云并不以多模态模子见长，不过就像谷歌联合首创人谢尔盖?布林所言，真正解决问题的是算法刷新，已往十年里，算法层面的前进，着实跑得比算力提升还快。

阿里现在没有披露整体算法的手艺细节，有据可查的是，通义万相在模子结构上集成了多项立异手艺，可对输入参考视频举行多模态联合建模与学习，参考具有时序信息的主体情绪、姿态和多角度周全视觉特征，同时提取音色、语速等声学特征，在天生阶段作为参考条件控制，实现从画面到声音的全感官全维度一致性坚持与迁徙。

在AI军备竞赛中，新模子往往只是阿里云的冲锋号，更值得关注的，是阿里云三位一体的“攻击”能力：首先拿出天下第一梯队级别的闭源模子，掌握手艺和商业的自动权，然后做该领域的全开源，应用门槛大幅降低，应用生态加速昌盛，最后是让AI落地到工业，阿里云提供系统化的工程能力。

大模子，阿里云为何这么“卷”

在所有关于AI的叙事逻辑中，模子都是原点，可是，关于要不要自研模子，纵使头部厂商也有不同。

例如早期OpenAI和微软的相助，依附对OpenAI的前瞻性投资，微软拿到了GPT大模子的优先使用权，但OpenAI并不知足于成为微软系统内的模子供应商，双方早期细密的绑定关系早已泛起裂痕。

AWS信仰模子自由，“没有一个大模子能知足所有客户”，于是AWS引入各大模子托管到自家平台，然而，顶级模子具有稀缺性，要么在竞争敌手那，要么模子企业倾向于自己提供效劳，用户无法获得最好的模子体验。

和微软、AWS差别，阿里云坚定地走上了另一条路，坚定自研大模子，寻根究底的话，在于差别厂商对模子的认知差别。若是把模子视作最基础的焦点竞争力，那么就必定要掌握在自己手中，反之则可以通过相助等方法来补足。

阿里云的看法是，未来模子将运行在所有盘算装备中，并具备可长期影象，端云联动的运行状态，甚至可以随时更新参数，自我迭代，类似今天的OS运行在种种情形之中。

关于一个操作系统级别的新手艺，阿里巴巴理所虽然地选择举全公司之力投入。随着时间的推移，微软和亚马逊也纷纷加大自研模子的投入，不再太过依赖其他模子厂商的供应，这也从侧面印证了阿里云早期战略预判的准确性。

回到模子自己，自研领先的闭源模子，对云厂商而言不但是手艺的象征，更是一种战略级资源。通义千问旗舰模子Qwen3-Max性能凌驾GPT5、Claude Opus 4等，跻身全球前三，顶尖闭源模子吸引了大宗开发者、企业和相助同伴在其上构建应用，形成高粘性网络效应，阿里云得以在工业链上占有自动权。

再以万相2.6系列为例，海内用户也能使用到Sora2级别的能力，其不但是全球功效最全的视频天生模子，该系列模子面向专业影视制作和图像创作场景举行了周全升级，也是海内首个支持角色饰演功效的视频模子，同时支持音画同步、多镜头天生及声音驱动等功效。

模子领域有突出的马太效应，一步领先，步步领先。万相模子家族已支持文生图、图像编辑、文生视频、图生视频、人声生视频、行动天生、角色饰演及通用视频编辑等10多种视觉创作能力，已普遍应用于AI漫剧、广告设计和短视频创作等领域。

自研领先闭源模子，是云厂商从手艺能力到商业生态、从竞争壁垒到战略自动权的焦点引擎，也是未来竞争名堂中最要害的筹码。

阿里开源的意义，照旧被低估了

中国厂商向来在开源手艺圈声量不大，拿得多孝顺得少，到了大模子时代，阿里云成为海内最早开源自研大模子的“大厂”，也是全球唯逐一家起劲研发先进AI模子并且全方位开源的云盘算厂商，业界率先实现“全尺寸、全模态”的周全开源。

阿里内部告竣共识，通义千问选择开放蹊径，是为了打造AI时代的Android。在LLM时代，开源模子创立的价值和能渗透的场景，会远远大于闭源模子。

外洋企业反而最先秘而不宣，岂论是OpenAI、Anthropic这些大模子厂商，照旧谷歌等巨头，甚至一最先走开源蹊径的Meta，都走上了闭源蹊径。

从2023年至今，阿里通义团队已开源300多款模子，包括大语言模子千问Qwen及视觉天生模子万相Wan等两大基模系列。

「全模态」指的是开源文本天生模子、视觉明确/天生模子、语音明确/天生模子、文生图及视频模子等；「全尺寸」指的是开源模子笼罩0.5B、0.6B、1.5B、1.7B、3B、4B、7B、8B、14B、30B、32B、72B、110B、235B、480B等参数，同时Qwen支持中、英、法、德、西、俄、日、韩、越、阿拉伯等119种语言及方言。

阿里提供了种种场景下的更好模子，这是由市场决议的，客户需求疏散，行业场景千差万别，预算、时延、安排要求完全差别，某种水平上和AWS“没有一个大模子能知足所有客户”的理念类似，可是阿里云优先由自己来提供大语言模子、多模态模子，以及差别尺寸、差别本钱、差别安排形态的模子组合。

关于全球开发者而言，Qwen开源模子已经成为依赖，美国AI专家Nathan Lambert发出“硅谷建设在Qwen之上”的赞叹，谷歌前CEO施密特甚至体现担心这将削弱美国手艺向导力，由于大大都国家和公司会选择开源的中国开源大模子。

阻止现在，通义千问Qwen衍生模子数目已突破18万，远超Meta Llama系列模子；通义千问Qwen在全球下载量超7亿，据彭博统计，阻止2025年10月，千问Qwen下载量也已逾越Llama模子，通义成为事实意义上的全球第一AI开源模子。

开源关于阿里云也大有裨益，作为AI和云盘算市场的追赶者，开源模子让更多企业和开发者加入，也让阿里云成为底层规范和实践的参考，吸引更多的用户使用阿里云生态，这是一个双赢时势。

在一个高度依赖算力、数据和资源的赛道里，大模子自然有走向“寡头化”的危害。少数公司掌握最强模子、最先进算力，其余玩家只能围绕API做应用，行业立异的天花板被提前锁死。

阿里的开源，在某种水平上拉低了这条门槛。它让更多开发者、中小企业和行业玩家，有时机直接加入究竟层模子与工程系统中，而不是永远停留在挪用者的位置。

系统化AI工程，大模子深入工业场景

已往一年，阿里云AI算力增添超5倍，AI存力增添4倍多，头部车企正在基于Qwen-VL定制了自己的VLA和天下模子，数十家具身智能企业在和通义举行相助，甚至连竞争敌手在举行具身领域的手艺探索中，也使用了Qwen系列模子。

这说明，阿里云的能力界线早已凌驾模子之外，有了顶级闭源模子作标杆，开源模子实现能力下沉和生态昌盛，阿里云让前沿模子转化为工业价值的要害，就在于系统化的AI效劳。

已往两年中，工业链厂商都在加速推出种种工具和效劳，以支持天生式AI的完整工程化流水线，不再局限于对天生式AI模子举行简朴的提醒（prompt）挪用，而是伸张到数据准备、模子训练/精调、模子治理、评估、视察等模子全生命周期工具。

以时下火热的自动驾驶和具身智能为例，需要多模态模子端到端的效劳。其中，汽车自动驾驶需处置惩罚收罗车与量产车回传的海量图像数据，古板CV小模子的语义明确弱、泛化差、准确率低。

接纳通义千问多模态大模子Qwen3-VL后，可一次性为图像打上数百个语义标签，泛化能力与检索准确率较古板计划提升50%以上，车企既可直接挪用其云端效劳处置惩罚难例场景，又可依托其开源开放特征自主微调模子，大幅降低标注与迭代本钱。该计划已落地比亚迪、卓驭、元戎等厂商。

在具身智能研发中，Qwen-VL在云端数据标注阶段，可显著提升标注效率与数据质量，在端侧，面向Vision-Language-Action（VLA）架构的具身智能企业基于Qwen-VL开展后训练，加速了具身智能系统的工程化落地与高效迭代。

工程化能力的优势就在于它将模子的能力转化为可复用、可扩展、可落地的营业工具，极大降低了标注本钱、训练本钱和迭代时间，同时包管了系统的稳固性与可控性。

智能硬件也是多模态模子一个充满想象空间的市场，雷鸟V3 AI眼镜融合Qwen-VL、Qwen-Audio，AI识别准确率达98%；创维电视和闺蜜机依托Qwen-VL与CosyVoice，实现99%意图识别精度的深度内容搜索；听力熊V8基于Qwen-Omni和Qwen-VL能力，通过照相触发AI解说，交互频次翻倍。多模态能力正让AI深度融入物理天下，重塑终端体验。

别的，在金融场景非结构化数据的处置惩罚阶段，Qwen-VL可实现质料剖析效率提升70%以上，定损、投研等流程从小时级压缩至分钟级。

连系如上实践来看，系统化AI工程的焦点，就是把大模子的能力从实验室搬到工业场景，其中涉及到重大的场景拆解和能力重组，它不但包括模子自己的训练和优化，还涵盖数据收罗与标注、算力调理、漫衍式训练、推理加速、微调与定制化安排等全链路能力，这也是阿里云作为云厂商的先天优势。

三位一体的全栈AI系统，使得阿里云有能力完成AI价值传导的闭环，真正把大模子从实验室推向现实天下，把能力优势转化为工业竞争力，也让整个行业的名堂随之重塑。（作者｜张帅，编辑｜盖虹达）