萬相 2.6 系列模型的發布，再度印證了一件事，只要阿里云提提速，全球大模型產業就會上一個強度。
阿里云將大模型戰火燒到了多模態領域，這在行業預期之內。今年以來，多模態模型的調用量大規模增長，因為隨著大模型的加速落地，行業很快發現，文本能解決的問題有限，現實世界天然就是多模態的輸入輸出形態，多模態模型預計成為未來一段時間產業競爭的主線。
行業預期之外的是，阿里云在多模態領域的追趕和落地效率。以往阿里云并不以多模態模型見長，不過就像谷歌聯合創始人謝爾蓋布林所言，真正解決問題的是算法改進，過去十年里，算法層面的進步，其實跑得比算力提升還快。
阿里目前沒有披露整體算法的技術細節，有據可查的是，通義萬相在模型結構上集成了多項創新技術，可對輸入參考視頻進行多模態聯合建模與學習，參考具有時序信息的主體情緒、姿態和多角度全面視覺特征，同時提取音色、語速等聲學特征，在生成階段作為參考條件控制，實現從畫面到聲音的全感官全維度一致性保持與遷移。
在 AI 軍備競賽中，新模型往往只是阿里云的沖鋒號，更值得關注的，是阿里云三位一體的 " 打擊 " 能力：首先拿出世界第一梯隊級別的閉源模型，掌握技術和商業的主動權，然后做該領域的全開源，應用門檻大幅降低，應用生態加速繁榮，最后是讓 AI 落地到產業，阿里云提供體系化的工程能力。
大模型，阿里云為何這么 " 卷 "
在所有關于 AI 的敘事邏輯中，模型都是原點，但是，對于要不要自研模型，縱使頭部廠商也有分歧。
例如早期 OpenAI 和微軟的合作，憑借對 OpenAI 的前瞻性投資，微軟拿到了 GPT 大模型的優先使用權，但 OpenAI 并不滿足于成為微軟體系內的模型供應商，雙方早期緊密的綁定關系早已出現裂痕。
AWS 信奉模型自由，" 沒有一個大模型能滿足所有客戶 "，于是 AWS 引入各大模型托管到自家平臺，然而，頂級模型具有稀缺性，要么在競爭對手那，要么模型企業傾向于自己提供服務，用戶無法獲得最好的模型體驗。
和微軟、AWS 不同，阿里云堅定地走上了另一條路，堅定自研大模型，尋根究底的話，在于不同廠商對模型的認知不同。如果把模型視作最根本的核心競爭力，那么就必然要掌握在自己手中，反之則可以通過合作等方式來補足。
阿里云的觀點是，未來模型將運行在所有計算設備中，并具備可持久記憶，端云聯動的運行狀態，甚至可以隨時更新參數，自我迭代，類似今天的 OS 運行在各種環境之中。
對于一個操作系統級別的新技術，阿里巴巴理所當然地選擇舉全公司之力投入。隨著時間的推移，微軟和亞馬遜也紛紛加大自研模型的投入，不再過度依賴其他模型廠商的供應，這也從側面印證了阿里云早期戰略預判的正確性。
回到模型本身，自研領先的閉源模型，對云廠商而言不僅是技術的象征，更是一種戰略級資源。通義千問旗艦模型 Qwen3-Max 性能超過 GPT5、Claude Opus 4 等，躋身全球前三，頂尖閉源模型吸引了大量開發者、企業和合作伙伴在其上構建應用，形成高粘性網絡效應，阿里云得以在產業鏈上占據主動權。
再以萬相 2.6 系列為例，國內用戶也能使用到 Sora2 級別的能力，其不僅是全球功能最全的視頻生成模型，該系列模型面向專業影視制作和圖像創作場景進行了全面升級，也是國內首個支持角色扮演功能的視頻模型，同時支持音畫同步、多鏡頭生成及聲音驅動等功能。
模型領域有突出的馬太效應，一步領先，步步領先。萬相模型家族已支持文生圖、圖像編輯、文生視頻、圖生視頻、人聲生視頻、動作生成、角色扮演及通用視頻編輯等 10 多種視覺創作能力，已廣泛應用于 AI 漫劇、廣告設計和短視頻創作等領域。
自研領先閉源模型，是云廠商從技術能力到商業生態、從競爭壁壘到戰略主動權的核心引擎，也是未來競爭格局中最關鍵的籌碼。
阿里開源的意義，還是被低估了
中國廠商素來在開源技術圈聲量不大，拿得多貢獻得少，到了大模型時代，阿里云成為國內最早開源自研大模型的 " 大廠 "，也是全球唯一一家積極研發先進 AI 模型并且全方位開源的云計算廠商，業界率先實現 " 全尺寸、全模態 " 的全面開源。
阿里內部達成共識，通義千問選擇開放路線，是為了打造 AI 時代的 Android。在 LLM 時代，開源模型創造的價值和能滲透的場景，會遠遠大于閉源模型。
海外企業反而開始秘而不宣，不論是 OpenAI、Anthropic 這些大模型廠商，還是谷歌等巨頭，甚至一開始走開源路線的 Meta，都走上了閉源路線。
從 2023 年至今，阿里通義團隊已開源 300 多款模型，包含大語言模型千問 Qwen 及視覺生成模型萬相 Wan 等兩大基模系列。
「全模態」指的是開源文本生成模型、視覺理解 / 生成模型、語音理解 / 生成模型、文生圖及視頻模型等；「全尺寸」指的是開源模型覆蓋 0.5B、0.6B、1.5B、1.7B、3B、4B、7B、8B、14B、30B、32B、72B、110B、235B、480B 等參數，同時 Qwen 支持中、英、法、德、西、俄、日、韓、越、阿拉伯等 119 種語言及方言。
阿里提供了各種場景下的更好模型，這是由市場決定的，客戶需求分散，行業場景千差萬別，預算、時延、部署要求完全不同，某種程度上和 AWS" 沒有一個大模型能滿足所有客戶 " 的理念類似，但是阿里云優先由自己來提供大語言模型、多模態模型，以及不同尺寸、不同成本、不同部署形態的模型組合。
對于全球開發者而言，Qwen 開源模型已經成為依賴，美國 AI 專家 Nathan Lambert 發出 " 硅谷建立在 Qwen 之上 " 的驚嘆，谷歌前 CEO 施密特甚至表示擔心這將削弱美國技術領導力，因為大多數國家和公司會選擇開源的中國開源大模型。
截至目前，通義千問 Qwen 衍生模型數量已突破 18 萬，遠超 Meta Llama 系列模型；通義千問 Qwen 在全球下載量超 7 億，據彭博統計，截至 2025 年 10 月，千問 Qwen 下載量也已超越 Llama 模型，通義成為事實意義上的全球第一 AI 開源模型。
開源對于阿里云也大有裨益，作為 AI 和云計算市場的追趕者，開源模型讓更多企業和開發者參與，也讓阿里云成為底層規范和實踐的參考，吸引更多的用戶使用阿里云生態，這是一個雙贏局面。
在一個高度依賴算力、數據和資本的賽道里，大模型天然有走向 " 寡頭化 " 的風險。少數公司掌握最強模型、最先進算力，其余玩家只能圍繞 API 做應用，行業創新的天花板被提前鎖死。
阿里的開源，在某種程度上拉低了這條門檻。它讓更多開發者、中小企業和行業玩家，有機會直接參與到底層模型與工程體系中，而不是永遠停留在調用者的位置。
體系化 AI 工程，大模型深入產業場景
過去一年，阿里云 AI 算力增長超 5 倍，AI 存力增長 4 倍多，頭部車企正在基于 Qwen-VL 定制了自己的 VLA 和世界模型，數十家具身智能企業在和通義進行合作，甚至連競爭對手在進行具身領域的技術探索中，也使用了 Qwen 系列模型。
這說明，阿里云的能力邊界早已超出模型之外，有了頂級閉源模型作標桿，開源模型實現能力下沉和生態繁榮，阿里云讓前沿模型轉化為產業價值的關鍵，就在于體系化的 AI 服務。
過去兩年中，產業鏈廠商都在加速推出各類工具和服務，以支持生成式 AI 的完整工程化流水線，不再局限于對生成式 AI 模型進行簡單的提示（prompt）調用，而是蔓延到數據準備、模型訓練 / 精調、模型管理、評估、觀測等模型全生命周期工具。
以時下火熱的自動駕駛和具身智能為例，需要多模態模型端到端的服務。其中，汽車自動駕駛需處理采集車與量產車回傳的海量圖像數據，傳統 CV 小模型的語義理解弱、泛化差、準確率低。
采用通義千問多模態大模型 Qwen3-VL 后，可一次性為圖像打上數百個語義標簽，泛化能力與檢索準確率較傳統方案提升 50% 以上，車企既可直接調用其云端服務處理難例場景，又可依托其開源開放特性自主微調模型，大幅降低標注與迭代成本。該方案已落地比亞迪、卓馭、元戎等廠商。
在具身智能研發中，Qwen-VL 在云端數據標注階段，可顯著提升標注效率與數據質量，在端側，面向 Vision-Language-Action（VLA）架構的具身智能企業基于 Qwen-VL 開展后訓練，加速了具身智能系統的工程化落地與高效迭代。
工程化能力的優勢就在于它將模型的能力轉化為可復用、可擴展、可落地的業務工具，極大降低了標注成本、訓練成本和迭代時間，同時保證了系統的穩定性與可控性。
智能硬件也是多模態模型一個充滿想象空間的市場，雷鳥 V3 AI 眼鏡融合 Qwen-VL、Qwen-Audio，AI 識別準確率達 98%；創維電視和閨蜜機依托 Qwen-VL 與 CosyVoice，實現 99% 意圖識別精度的深度內容搜索；聽力熊 V8 基于 Qwen-Omni 和 Qwen-VL 能力，通過拍照觸發 AI 講解，交互頻次翻倍。多模態能力正讓 AI 深度融入物理世界，重塑終端體驗。
此外，在金融場景非結構化數據的處理階段，Qwen-VL 可實現材料解析效率提升 70% 以上，定損、投研等流程從小時級壓縮至分鐘級。
來源：鈦媒體
結合如上實踐來看，體系化 AI 工程的核心，就是把大模型的能力從實驗室搬到產業場景，其中涉及到復雜的場景拆解和能力重組，它不僅包括模型本身的訓練和優化，還涵蓋數據采集與標注、算力調度、分布式訓練、推理加速、微調與定制化部署等全鏈路能力，這也是阿里云作為云廠商的先天優勢。
三位一體的全棧 AI 體系，使得阿里云有能力完成 AI 價值傳導的閉環，真正把大模型從實驗室推向現實世界，把能力優勢轉化為產業競爭力，也讓整個行業的格局隨之重塑。
