阿里发布全模态模型矩阵：从单模态生成走向原生统一

不用搭景，也不用等演员，导演陆川团队仅用 5 天时间，就用 AI 复原了 400 年前明代大爆炸的历史现场。按照传统影视工业流程，这往往需要耗费数月与千万级预算。通过四轮提示词迭代与真实物理校验，阿里视频生成模型对复杂烟尘与碎片的还原准确率达到 95% 以上。

这不仅是单点素材的生成，AI 正深入影视创作的完整链条。在云栖大会上，阿里集中展示了其多模态技术的完整底牌，展现出将多模态能力沉淀为工业生产力的清晰路径。

全模态拼图全面展开

文字与基础认知层面，通义千问 Qwen3.8 系列持续推进，包括具备自训练机制的 Qwen3.8-Max 与整合跨模态思考分区的 Qwen3.8-Omni；下一代 Qwen4 已投入训练，未来参数规模直接瞄准 5 万亿至 10 万亿。

在生成与物理世界感知层面，阿里同步推出了图像生成模型 Qwen-Image-3.1、音乐模型 Happy Shrimp 1.1、世界模型 HappyOyster 2.0 Preview、语音交互家族 Qwen-Audio-3.1，以及计划于 11 月上线的下一代视频模型。配合端侧智能体 Qwen Intelligence，形成了覆盖图、文、音、视频与物理环境感知的立体网络。

现实任务天然具有混合模态的特征。无论是广告制作还是电影摄制，输入与输出往往同时交织着语言、画面与音效。大语言模型如同机器的大脑，而多模态模型则正在演变为感知世界、创造内容并与物理环境互动的枢纽。

深入工作流的真实考验

从技术展示走向工业流水线，多模态模型正面临三层现实检验：

1. 工业级内容交付：视频模型 Wan 3.0 已支持单次 30 秒生成与结构化输入，在保持商品外观、人物面部与口播不形变的前提下，满足商业广告的苛刻交付标准。
2. 专业级意图理解：在影视与音乐创作中，模型需要吃透专业史料与导演意图。太合音乐与阿里展开合作，探索版权机制与 AI 音乐共创；小旭音乐工作室则通过将音乐、视频与大语言模型串联成工作流，实现 6 人团队运营十余个 AI 歌手 IP。
3. 进入终端与物理世界：端到端全双工语音模型 Qwen-Audio-3.1-Realtime 正式嵌入办公软件与随身硬件，实现边听边想边说；世界模型 HappyOyster 2.0 则着重攻克环境时序一致性与物理交互规律。

迈向原生全模态与连续叙事

演员王珞丹在分享创作体验时提到，当前 AI 创作仍充斥着“抽卡”的随机性，模型很难在长周期中稳定维持人物性格与情绪状态。各模态各自为战的拼接方式，经常导致任务上下文的丢失。

为此，阿里提出了从拼装走向“原生全模态统一模型”的演进方向。阿里巴巴 ATH 事业群副总裁郑波预测，三年之内将出现原生的全模态统一生成模型，从底层共享同一个任务上下文与世界常识。

在这一路径下，阿里的视频生成技术正转向“Agentic Video”理念，让模型主动理解长剧本的叙事意图，自主进行分镜、调度角色与维持设定一致性，推动 AI 真正从单镜头生成迈向端到端完成复杂工程。