萬相 2.6 系列模型的發(fā)布，再度印證了一件事，只要阿里云提提速，全球大模型產(chǎn)業(yè)就會上一個強(qiáng)度。

阿里云將大模型戰(zhàn)火燒到了多模態(tài)領(lǐng)域，這在行業(yè)預(yù)期之內(nèi)。今年以來，多模態(tài)模型的調(diào)用量大規(guī)模增長，因?yàn)殡S著大模型的加速落地，行業(yè)很快發(fā)現(xiàn)，文本能解決的問題有限，現(xiàn)實(shí)世界天然就是多模態(tài)的輸入輸出形態(tài)，多模態(tài)模型預(yù)計(jì)成為未來一段時間產(chǎn)業(yè)競爭的主線。

行業(yè)預(yù)期之外的是，阿里云在多模態(tài)領(lǐng)域的追趕和落地效率。以往阿里云并不以多模態(tài)模型見長，不過就像谷歌聯(lián)合創(chuàng)始人謝爾蓋布林所言，真正解決問題的是算法改進(jìn)，過去十年里，算法層面的進(jìn)步，其實(shí)跑得比算力提升還快。

阿里目前沒有披露整體算法的技術(shù)細(xì)節(jié)，有據(jù)可查的是，通義萬相在模型結(jié)構(gòu)上集成了多項(xiàng)創(chuàng)新技術(shù)，可對輸入?yún)⒖家曨l進(jìn)行多模態(tài)聯(lián)合建模與學(xué)習(xí)，參考具有時序信息的主體情緒、姿態(tài)和多角度全面視覺特征，同時提取音色、語速等聲學(xué)特征，在生成階段作為參考條件控制，實(shí)現(xiàn)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(guān)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(duì)級別的閉源模型，掌握技術(shù)和商業(yè)的主動權(quán)，然后做該領(lǐng)域的全開源，應(yīng)用門檻大幅降低，應(yīng)用生態(tài)加速繁榮，最后是讓 AI 落地到產(chǎn)業(yè)，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(guān)于 AI 的敘事邏輯中，模型都是原點(diǎn)，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(yōu)先使用權(quán)，但 OpenAI 并不滿足于成為微軟體系內(nèi)的模型供應(yīng)商，雙方早期緊密的綁定關(guān)系早已出現(xiàn)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(yè)傾向于自己提供服務(wù)，用戶無法獲得最好的模型體驗(yàn)。

和微軟、AWS 不同，阿里云堅(jiān)定地走上了另一條路，堅(jiān)定自研大模型，尋根究底的話，在于不同廠商對模型的認(rèn)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(bǔ)足。

阿里云的觀點(diǎn)是，未來模型將運(yùn)行在所有計(jì)算設(shè)備中，并具備可持久記憶，端云聯(lián)動的運(yùn)行狀態(tài)，甚至可以隨時更新參數(shù)，自我迭代，類似今天的 OS 運(yùn)行在各種環(huán)境之中。

對于一個操作系統(tǒng)級別的新技術(shù)，阿里巴巴理所當(dāng)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(yīng)，這也從側(cè)面印證了阿里云早期戰(zhàn)略預(yù)判的正確性。

回到模型本身，自研領(lǐng)先的閉源模型，對云廠商而言不僅是技術(shù)的象征，更是一種戰(zhàn)略級資源。通義千問旗艦?zāi)Ｐ?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(fā)者、企業(yè)和合作伙伴在其上構(gòu)建應(yīng)用，形成高粘性網(wǎng)絡(luò)效應(yīng)，阿里云得以在產(chǎn)業(yè)鏈上占據(jù)主動權(quán)。

再以萬相 2.6 系列為例，國內(nèi)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?qū)I(yè)影視制作和圖像創(chuàng)作場景進(jìn)行了全面升級，也是國內(nèi)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(qū)動等功能。

模型領(lǐng)域有突出的馬太效應(yīng)，一步領(lǐng)先，步步領(lǐng)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(chuàng)作能力，已廣泛應(yīng)用于 AI 漫劇、廣告設(shè)計(jì)和短視頻創(chuàng)作等領(lǐng)域。

自研領(lǐng)先閉源模型，是云廠商從技術(shù)能力到商業(yè)生態(tài)、從競爭壁壘到戰(zhàn)略主動權(quán)的核心引擎，也是未來競爭格局中最關(guān)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(shù)圈聲量不大，拿得多貢獻(xiàn)得少，到了大模型時代，阿里云成為國內(nèi)最早開源自研大模型的 " 大廠 "，也是全球唯一一家積極研發(fā)先進(jìn) AI 模型并且全方位開源的云計(jì)算廠商，業(yè)界率先實(shí)現(xiàn) " 全尺寸、全模態(tài) " 的全面開源。

阿里內(nèi)部達(dá)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(chuàng)造的價值和能滲透的場景，會遠(yuǎn)遠(yuǎn)大于閉源模型。

海外企業(yè)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(tuán)隊(duì)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(tài)」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(shù)，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(yè)場景千差萬別，預(yù)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(yōu)先由自己來提供大語言模型、多模態(tài)模型，以及不同尺寸、不同成本、不同部署形態(tài)的模型組合。

對于全球開發(fā)者而言，Qwen 開源模型已經(jīng)成為依賴，美國 AI 專家 Nathan Lambert 發(fā)出 " 硅谷建立在 Qwen 之上 " 的驚嘆，谷歌前 CEO 施密特甚至表示擔(dān)心這將削弱美國技術(shù)領(lǐng)導(dǎo)力，因?yàn)榇蠖鄶?shù)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(shù)量已突破 18 萬，遠(yuǎn)超 Meta Llama 系列模型；通義千問 Qwen 在全球下載量超 7 億，據(jù)彭博統(tǒng)計(jì)，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(shí)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(jì)算市場的追趕者，開源模型讓更多企業(yè)和開發(fā)者參與，也讓阿里云成為底層規(guī)范和實(shí)踐的參考，吸引更多的用戶使用阿里云生態(tài)，這是一個雙贏局面。

在一個高度依賴算力、數(shù)據(jù)和資本的賽道里，大模型天然有走向 " 寡頭化 " 的風(fēng)險。少數(shù)公司掌握最強(qiáng)模型、最先進(jìn)算力，其余玩家只能圍繞 API 做應(yīng)用，行業(yè)創(chuàng)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(fā)者、中小企業(yè)和行業(yè)玩家，有機(jī)會直接參與到底層模型與工程體系中，而不是永遠(yuǎn)停留在調(diào)用者的位置。

體系化 AI 工程，大模型深入產(chǎn)業(yè)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(shù)十家具身智能企業(yè)在和通義進(jìn)行合作，甚至連競爭對手在進(jìn)行具身領(lǐng)域的技術(shù)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(biāo)桿，開源模型實(shí)現(xiàn)能力下沉和生態(tài)繁榮，阿里云讓前沿模型轉(zhuǎn)化為產(chǎn)業(yè)價值的關(guān)鍵，就在于體系化的 AI 服務(wù)。

過去兩年中，產(chǎn)業(yè)鏈廠商都在加速推出各類工具和服務(wù)，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(jìn)行簡單的提示（prompt）調(diào)用，而是蔓延到數(shù)據(jù)準(zhǔn)備、模型訓(xùn)練 / 精調(diào)、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(tài)模型端到端的服務(wù)。其中，汽車自動駕駛需處理采集車與量產(chǎn)車回傳的海量圖像數(shù)據(jù)，傳統(tǒng) CV 小模型的語義理解弱、泛化差、準(zhǔn)確率低。

采用通義千問多模態(tài)大模型 Qwen3-VL 后，可一次性為圖像打上數(shù)百個語義標(biāo)簽，泛化能力與檢索準(zhǔn)確率較傳統(tǒng)方案提升 50% 以上，車企既可直接調(diào)用其云端服務(wù)處理難例場景，又可依托其開源開放特性自主微調(diào)模型，大幅降低標(biāo)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(fā)中，Qwen-VL 在云端數(shù)據(jù)標(biāo)注階段，可顯著提升標(biāo)注效率與數(shù)據(jù)質(zhì)量，在端側(cè)，面向 Vision-Language-Action（VLA）架構(gòu)的具身智能企業(yè)基于 Qwen-VL 開展后訓(xùn)練，加速了具身智能系統(tǒng)的工程化落地與高效迭代。

工程化能力的優(yōu)勢就在于它將模型的能力轉(zhuǎn)化為可復(fù)用、可擴(kuò)展、可落地的業(yè)務(wù)工具，極大降低了標(biāo)注成本、訓(xùn)練成本和迭代時間，同時保證了系統(tǒng)的穩(wěn)定性與可控性。

智能硬件也是多模態(tài)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(zhǔn)確率達(dá) 98%；創(chuàng)維電視和閨蜜機(jī)依托 Qwen-VL 與 CosyVoice，實(shí)現(xiàn) 99% 意圖識別精度的深度內(nèi)容搜索；聽力熊 V8 基于 Qwen-Omni 和 Qwen-VL 能力，通過拍照觸發(fā) AI 講解，交互頻次翻倍。多模態(tài)能力正讓 AI 深度融入物理世界，重塑終端體驗(yàn)。

此外，在金融場景非結(jié)構(gòu)化數(shù)據(jù)的處理階段，Qwen-VL 可實(shí)現(xiàn)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(jié)合如上實(shí)踐來看，體系化 AI 工程的核心，就是把大模型的能力從實(shí)驗(yàn)室搬到產(chǎn)業(yè)場景，其中涉及到復(fù)雜的場景拆解和能力重組，它不僅包括模型本身的訓(xùn)練和優(yōu)化，還涵蓋數(shù)據(jù)采集與標(biāo)注、算力調(diào)度、分布式訓(xùn)練、推理加速、微調(diào)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(yōu)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(dǎo)的閉環(huán)，真正把大模型從實(shí)驗(yàn)室推向現(xiàn)實(shí)世界，把能力優(yōu)勢轉(zhuǎn)化為產(chǎn)業(yè)競爭力，也讓整個行業(yè)的格局隨之重塑。