應(yīng)用爆發(fā)之年：聊聊模型技術(shù)進(jìn)化與商業(yè)化

（點(diǎn)擊收聽(tīng)本期音頻）

采訪｜泓君

圖文｜泓君 朱婕

兩年前《硅谷101》在播客里聊大模型的時(shí)候，大家的普遍感受還是"有意思，但不好用"——幻覺(jué)、慢、貴，總覺(jué)得離真正的生產(chǎn)力還差那么幾步。

2026年，變化比想象中來(lái)得更快。阿里云千問(wèn)大模型業(yè)務(wù)總經(jīng)理徐棟告訴《硅谷101》，一個(gè)五六人的小團(tuán)隊(duì)現(xiàn)在用AI一天能生成6000條廣告視頻，成本壓到10元以下，低于市場(chǎng)售價(jià)20至50元——商業(yè)閉環(huán)已經(jīng)跑通了。AI漫劇也在爆發(fā)，國(guó)內(nèi)短劇市場(chǎng)規(guī)模已經(jīng)超過(guò)電影市場(chǎng)，視頻生成模型正從5秒進(jìn)化到15秒，年底有望突破1分鐘。

成本端的變化更加劇烈。徐棟分享了一組數(shù)字：千問(wèn)的推理成本正以每半年接近10倍的速度下降，推理速度從30-50 TPS飆升到80-100+，首包延遲從2秒降到500毫秒。他說(shuō)，今天端側(cè)4B的小模型，能力已經(jīng)超過(guò)兩年前最大的閉源模型，70%以上的通用任務(wù)可以在手機(jī)和車機(jī)上本地處理。

2025年被很多人稱為"AI應(yīng)用元年"。如果說(shuō)前兩年的關(guān)鍵詞是"模型能做什么"，那今年所有企業(yè)都在問(wèn)同一個(gè)問(wèn)題——用AI，到底劃不劃算？

本期播客，《硅谷101》邀請(qǐng)了阿里云千問(wèn)大模型業(yè)務(wù)總經(jīng)理徐棟、影石Insta360研究院總監(jiān)亓魯教授、語(yǔ)憶科技聯(lián)合創(chuàng)始人兼CEO呂瀛杰，一起拆解大模型在商業(yè)前線"開(kāi)荒"的邏輯、成本和隱藏關(guān)卡。

歡迎關(guān)注《硅谷101視頻號(hào)》的音頻欄目直接收聽(tīng)本期播客。如 果 你喜歡我們的 節(jié)目，更推 薦大家使用 音頻客戶端來(lái)收聽(tīng)，《硅谷101 》已覆蓋各大 主流音頻 平臺(tái)（渠道見(jiàn)文末），歡迎訂閱！

以下是這次對(duì)話內(nèi)容的精選：

01

模型的技術(shù)進(jìn)步與商業(yè)化

泓君：很開(kāi)心你能來(lái)做客我們的播客，因?yàn)樵?025年底到2026年初，大家討論最多的一個(gè)是AI Agent，還有一個(gè)就是AI應(yīng)用，真的開(kāi)始走進(jìn)大家的生活了。今天很開(kāi)心請(qǐng)你能跟大家聊一聊大模型在商業(yè)化方向的一些趨勢(shì)。在此之前，你要不要先簡(jiǎn)單介紹一下你在阿里的工作，以及你主要負(fù)責(zé)什么？

徐棟：阿里做大模型時(shí)間比較久了，最早的模型可以追溯到2021年左右。首先有一個(gè)在海外尤其有名的模型叫千問(wèn)，英文名叫Qwen。在開(kāi)源領(lǐng)域，它已經(jīng)是一個(gè)體量非常大的模型，很多北美公司也會(huì)用它作為基座模型。它代表的是我們的語(yǔ)言模型，我們會(huì)用它去挑戰(zhàn)AI的智慧，看看它能不能用更多工具、進(jìn)入更多生產(chǎn)環(huán)節(jié)。這是我們非常主力的一個(gè)模型。

第二個(gè)是視覺(jué)生成類的模型，叫萬(wàn)相，英文名叫Wan，它可以生成圖片、視頻，也能做圖片和視頻的編輯，同時(shí)也有成為未來(lái)世界模型的范式的可能性。最近三個(gè)月我們重點(diǎn)發(fā)布了2.5的preview版和2.6版，在視頻創(chuàng)作方面收到了很多新反饋。

第三個(gè)基礎(chǔ)模型是去年云棲大會(huì)發(fā)布的Fun，一個(gè)純音頻模型，它涵蓋ASR、TTS，也包括聲音克隆。我們?cè)谶@個(gè)模型上追求更擬真、支持多語(yǔ)言、不同方言和口音，讓它能更好地理解和表達(dá)。

我們的模型還是比較結(jié)構(gòu)化的。在這幾個(gè)基座模型基礎(chǔ)上，我們開(kāi)始與很多客戶交流合作，包括制造業(yè)、實(shí)體企業(yè)、品牌商，還有很多互聯(lián)網(wǎng)公司。但最近一年，我的感受是出現(xiàn)了大量AI Native公司，它們通過(guò)模型取得了不錯(cuò)的成果，在很多碎片化的市場(chǎng)里實(shí)現(xiàn)了非常好的ROI。

泓君：你剛剛提到了幾個(gè)大模型。你覺(jué)得過(guò)去2025年，模型技術(shù)最重要的進(jìn)化是在哪幾個(gè)方向？

徐棟：最近半年進(jìn)化特別多。以“萬(wàn)相Wan”為代表的視頻生成模型，如果類比GPT-3.5到4的狀態(tài)，我認(rèn)為它已經(jīng)達(dá)到了GPT-4的水平。過(guò)去視頻生成模型更多用于特效、娛樂(lè)，但現(xiàn)在它可以進(jìn)入生產(chǎn)領(lǐng)域，比如最近很火的AI漫劇，增長(zhǎng)速度非常快，還有自動(dòng)化生成廣告視頻。很多15秒的切片廣告已經(jīng)開(kāi)始自動(dòng)化生成，形成完整管線，可能五個(gè)人一天就能生成6000個(gè)視頻，這是一個(gè)非常明顯的趨勢(shì)。

從技術(shù)角度看，有幾個(gè)特點(diǎn)很有意思：

第一，生成時(shí)間變長(zhǎng)了。視頻生成從過(guò)去的5秒、10秒，進(jìn)入15秒時(shí)代，未來(lái)可能到一分鐘，這樣內(nèi)容連貫性會(huì)更好。

第二，鏡頭語(yǔ)言更豐富。模型可以切換不同鏡頭，調(diào)整光影效果，接近專業(yè)影視級(jí)能力，用戶通過(guò)簡(jiǎn)單提示詞就能實(shí)現(xiàn)。

第三，角色一致性保持

（Carry）

能力。這是受Sora2啟發(fā)，在角色扮演中，保持人物、物體、背景、音色的一致性，也就是“保ID”，讓后續(xù)創(chuàng)作有更好延展空間。

簡(jiǎn)單來(lái)說(shuō)，我們希望從15秒進(jìn)一步延長(zhǎng)生成時(shí)長(zhǎng)，目前我們已經(jīng)做到國(guó)內(nèi)最長(zhǎng)的視頻生成模型；讓鏡頭切換、光影變化這些原本需要專業(yè)導(dǎo)演、攝像、美術(shù)協(xié)作的能力，現(xiàn)在通過(guò)模型門(mén)檻大大降低；最后，角色扮演，保持一致的能力，我相信會(huì)成為未來(lái)所有視頻生成模型的標(biāo)配。

萬(wàn)相模型生成的AI動(dòng)漫 圖片來(lái)源：萬(wàn)相Wan

泓君：角色扮演具體是指什么？

徐棟：舉個(gè)例子：你可以用手機(jī)自拍一段5秒鐘視頻，抬頭或轉(zhuǎn)頭，說(shuō)幾句話，類似試鏡。模型輸入這段視頻后，可以對(duì)人物形象和聲音進(jìn)行“保ID”，后續(xù)創(chuàng)作中這個(gè)形象和聲音可以被復(fù)刻出來(lái)。

泓君：也就是說(shuō)以后只需要真人出鏡5秒，后面的內(nèi)容可以由AI生成、模型化運(yùn)作。

徐棟：對(duì)，這意味著生成內(nèi)容的可控性更高。以前可能依賴抽卡

（隨機(jī)生成）

，現(xiàn)在可以在輸入端提供更多參考維度，在動(dòng)漫創(chuàng)作領(lǐng)域其實(shí)挺多的，以前是參考圖，現(xiàn)在開(kāi)始參考視頻。

泓君：你剛剛提到，比如五個(gè)人一天可以生成6000個(gè)視頻，AI漫劇也比較火了，你覺(jué)得基于模型能力提升，你看到哪些比較好的商業(yè)化案例或應(yīng)用？

徐棟：國(guó)內(nèi)短劇市場(chǎng)已經(jīng)超過(guò)電影市場(chǎng)。在視頻宣傳方面，很明顯短劇從原來(lái)的真人拍攝或大量人工編輯，開(kāi)始有一定比例轉(zhuǎn)向AI生成。最近最火的是漫劇，它從動(dòng)態(tài)漫發(fā)展過(guò)來(lái)的，劇情連貫，商業(yè)化能力強(qiáng)，已經(jīng)成為與AI結(jié)合的一個(gè)典型。

泓君：像短劇市場(chǎng)、AI生成短劇、真人IP短劇，還有批量生成AI廣告，大家最關(guān)心的問(wèn)題是，用AI做的成本和用人做的成本分別是多少？廠商在考慮接入模型時(shí)看重什么？

徐棟：現(xiàn)在按品質(zhì)分為S級(jí)、A級(jí)、B級(jí)。一部短劇，如果成本合理，AI可能能做到2萬(wàn)元以下，加上投流和ROI計(jì)算，有可能打正或?qū)崿F(xiàn)不錯(cuò)收入。如果對(duì)精品要求更高，需要投入更多后期制作資源，成本會(huì)更高，但劇集品質(zhì)也會(huì)更好。

廣告方面，15秒視頻的AI成本可以控制在10元到15元以下，在市場(chǎng)上有比較好的商業(yè)空間。一般來(lái)說(shuō)，一個(gè)合格的15秒廣告市場(chǎng)價(jià)在25元到50元之間，這樣就形成了較好的商業(yè)循環(huán)。

萬(wàn)相模型生成的AI短片 圖片來(lái)源：萬(wàn)相Wan

泓君：這個(gè)成本確實(shí)挺低的。阿里有淘寶電商生態(tài)的，是這些電商賣家在用AI做廣告嗎？

徐棟：這個(gè)結(jié)構(gòu)是比較復(fù)雜的。現(xiàn)在每個(gè)流量平臺(tái)會(huì)給廣告主或代理公司一定的編輯能力，以匹配其平臺(tái)。廣告主自己也有大量素材，可能是自己做的，也可能是第三方代理公司做的。在廣告生成方面，有可能是代理公司做，也可能是代理公司分包給AI Native的創(chuàng)業(yè)公司做。這類創(chuàng)業(yè)公司越來(lái)越多，它們將萬(wàn)相和千問(wèn)模型結(jié)合成管線，形成剛才說(shuō)的五六個(gè)人一天生成6000個(gè)廣告的能力，再交給代理公司或流量平臺(tái)的廣告組。

泓君：挺有意思的。這是視頻生成模型方面。你們還有音頻生成模型和千問(wèn)模型，你覺(jué)得另外兩個(gè)模型在2025年有哪些進(jìn)步和突破？

徐棟：語(yǔ)言模型正在發(fā)生持續(xù)而深刻的變化，雖然我們很難再看到一個(gè)巨大的范式上的改變，我簡(jiǎn)單說(shuō)一下我們?cè)谧龅氖虑椤?/p>

第一，高質(zhì)量數(shù)據(jù)集越來(lái)越少，大家都在精耕細(xì)作，通過(guò)調(diào)整數(shù)據(jù)順序、角度，提升模型知識(shí)學(xué)習(xí)效率，使模型在一些corner case

（邊緣案例）

上表現(xiàn)越來(lái)越好。

第二，模型結(jié)構(gòu)會(huì)越來(lái)越稀疏，多Token預(yù)測(cè)

（MTP）

等技術(shù)在不同模型中實(shí)踐，速度會(huì)更快，甚至成倍提升。未來(lái)首包響應(yīng)可能從2秒縮短到500毫秒都是有可能的，TPS可能從30-50提升到80-100以上，在性能要求高的場(chǎng)景下表現(xiàn)就會(huì)變得非常棒。

其實(shí)大家也可以從機(jī)器吞吐角度來(lái)去理解，模型稀疏化后，推理成本也會(huì)下降，可能以一個(gè)量級(jí)下降。

此外，指令遵循能力、Agent能力（尤其是工具調(diào)用）、上下文長(zhǎng)度等都在持續(xù)迭代。疊加coding能力提升，未來(lái)可能會(huì)出現(xiàn)大量連續(xù)運(yùn)行的Agent，它不像今天的Chatbot那樣，馬上給我個(gè)結(jié)果，而是能利用閑時(shí)計(jì)算資源做AI for science研究或生成深度報(bào)告，這背后它可能調(diào)用檢索引擎、CRM、ERP等工具。如果它會(huì)用了這么多工具，我們相信輸出質(zhì)量一定會(huì)比純文本模型更好。

泓君：你講了很多基礎(chǔ)模型在細(xì)微點(diǎn)上的提升。去年我們追蹤大模型和Agent發(fā)展趨勢(shì)時(shí)，注意到2025年是AI從模型走向應(yīng)用的關(guān)鍵一年，Agent大爆發(fā)，中國(guó)應(yīng)用創(chuàng)新尤其活躍。為什么是去年這個(gè)時(shí)間點(diǎn)？是因?yàn)槟Ｐ突A(chǔ)能力提升，還是有其他關(guān)鍵點(diǎn)推動(dòng)？

徐棟：第一是推理能力。2024年底OpenAI推出o1后，模型不再依賴所謂的概率，開(kāi)始表現(xiàn)出邏輯偏好，這是我覺(jué)得是非常根本性的改變。

第二是模型規(guī)模變大，原本存在的挑戰(zhàn)是你訓(xùn)不動(dòng)它，但通過(guò)預(yù)訓(xùn)練改進(jìn)，模型變大的同時(shí)可控性也提高了，復(fù)雜指令能力越來(lái)越強(qiáng)。以前依賴確定性的workflow，但現(xiàn)在模型指令遵循和理解能力增強(qiáng)，只要有準(zhǔn)確上下文，就能在泛化性和準(zhǔn)確性之間找到平衡。

第三是工具調(diào)用

（Tool Use）

。隨著Claude Skills、MCP等標(biāo)準(zhǔn)逐漸被大家接受，越來(lái)越多工具顯性化，今天的模型開(kāi)始跳脫了輸入輸出窗口，開(kāi)始進(jìn)入更多生產(chǎn)環(huán)節(jié)。這個(gè)環(huán)節(jié)可能不是一個(gè)框，而是一個(gè)標(biāo)準(zhǔn)的SaaS流程或硬件交互方式。

泓君：我注意到剛剛結(jié)束的CES展上有一個(gè)趨勢(shì)，所有產(chǎn)品都想與AI搭上關(guān)系，比如耳機(jī)、智能眼鏡、剪輯拍攝工具等。今年有很多中國(guó)客戶參展，背后也有千問(wèn)大模型的影子。你能否聊聊，在AI硬件產(chǎn)品中，大模型扮演什么角色？

徐棟：模型與硬件結(jié)合不是新鮮事，早在十年前，ASR、CV模型都與硬件有關(guān)，但商業(yè)價(jià)值不大。這一次，我覺(jué)得最重要的是，模型變得更擬人，可以執(zhí)行更多任務(wù)了。以前只能識(shí)別，現(xiàn)在能聽(tīng)懂、看懂，給出你想要的結(jié)果。今天通過(guò)千問(wèn)App，你可以通過(guò)自然語(yǔ)言直接訂咖啡、訂座位等。如果是眼鏡，通過(guò)自然語(yǔ)言完成這些任務(wù)，就跟過(guò)去是很大的區(qū)別。這背后離不開(kāi)語(yǔ)音、視覺(jué)理解和文本模型。

泓君：通過(guò)眼鏡訂咖啡已經(jīng)實(shí)現(xiàn)了嗎？

徐棟：準(zhǔn)確說(shuō)，早就實(shí)現(xiàn)了。千問(wèn)App通過(guò)自然語(yǔ)言可以點(diǎn)咖啡、完成商業(yè)閉環(huán)，全部在一個(gè)基于大模型的架構(gòu)里面去完成。我剛剛試過(guò)，它會(huì)生成卡片，如果大模型操作界面和原來(lái)App一樣，可能會(huì)有挑戰(zhàn)，推薦咖啡時(shí)會(huì)考慮距離、偏好、歷史選擇，因?yàn)榇餮坨R時(shí)希望AI懂我、有記憶，這樣更方便。你可以切換，點(diǎn)開(kāi)就是完整菜單。

圖片來(lái)源：千問(wèn)APP發(fā)布會(huì)

泓君：我們可以看看未來(lái)這類應(yīng)用的發(fā)展情況。今天我們主題是大模型商業(yè)化，你能否整體介紹一下阿里千問(wèn)是如何商業(yè)化的？

徐棟：做大模型與做云的最大區(qū)別是，云的覆蓋是比較慢的，最早是手游，慢慢覆蓋到金融和制造業(yè)。大模型這一波的改變是全行業(yè)覆蓋，每個(gè)行業(yè)都在用，只是滲透率不同，我們從兩個(gè)方向看：

第一，模型與企業(yè)結(jié)合，提升企業(yè)生產(chǎn)力。企業(yè)內(nèi)部有很多流程和角色，大模型可以在設(shè)計(jì)、編程、研發(fā)、銷售等環(huán)節(jié)發(fā)揮作用。

第二，產(chǎn)品與大模型結(jié)合。很多互聯(lián)網(wǎng)公司和消費(fèi)電子硬件天然與用戶交互，經(jīng)過(guò)大模型改造后，交互體驗(yàn)發(fā)生很大變化，產(chǎn)品定位發(fā)生根本改變，所以我們與之有深入合作，不僅限于云上合作，像一些手機(jī)和車廠有低延時(shí)和本地化需求，我們發(fā)布了Omni模型（4B參數(shù)），他們對(duì)這類端側(cè)模型很感興趣。

泓君：這是類似賣端側(cè)模型嗎？

徐棟：是。這個(gè)場(chǎng)景更多針對(duì)算力較強(qiáng)的手機(jī)廠商和車廠，畢竟涉及功耗、發(fā)熱等問(wèn)題。經(jīng)過(guò)兩三年打磨，很多車廠和手機(jī)廠開(kāi)始考慮端云結(jié)合架構(gòu)。因?yàn)樾枨笤絹?lái)越旺盛，僅靠云模型不夠，我們今天已經(jīng)進(jìn)入到一個(gè)深水區(qū)了，端云模型結(jié)合，都成為大家關(guān)心的話題了。

泓君：從消費(fèi)者視角看，未來(lái)每部手機(jī)甚至每輛車都可能具備智能化交互能力，變得很智能，它是一開(kāi)始就嵌入到手機(jī)里的。

徐棟：對(duì)，智能設(shè)備是每個(gè)人的貼身入口，涉及隱私、高時(shí)效性任務(wù)，所以一些硬件廠商的規(guī)劃里就會(huì)考慮這些因素。

泓君：我們把比如Omni的這個(gè)模型，放到一個(gè)手機(jī)或者是一個(gè)車?yán)铮幸恍┤蝿?wù)是在云上處理的，會(huì)接入阿里云，還是客戶自己的云？

徐棟：絕大部分企業(yè)，基本上都在阿里云上面提供這樣的云服務(wù)，通過(guò)MaaS服務(wù)平臺(tái)“百煉”直接與設(shè)備交互。這個(gè)平臺(tái)的核心要求就是高并發(fā)、低延時(shí)、可觀測(cè)，支持鑒權(quán)管控，是一個(gè)相對(duì)完整的平臺(tái)。可以理解為絕大多數(shù)企業(yè)通過(guò)這個(gè)平臺(tái)連接業(yè)務(wù)。

泓君：什么場(chǎng)景可以直接在端側(cè)處理？什么場(chǎng)景移到云上？端側(cè)跟云，大概會(huì)占到一個(gè)什么樣的比例？

徐棟：這是動(dòng)態(tài)變化的。現(xiàn)在端側(cè)模型效果比兩年前的百B模型還好，現(xiàn)在只要一個(gè)4B的模型可能就效果發(fā)生改變。通用類任務(wù)、基本交互任務(wù)、語(yǔ)音和視覺(jué)理解，七成以上可以由端側(cè)模型較好地去解決了。

泓君：客戶與阿里合作時(shí)，最關(guān)心什么問(wèn)題？

徐棟：這是一個(gè)變化過(guò)程。最早關(guān)心的是效果，因?yàn)槟Ｐ托Ч€不夠好，客戶會(huì)提很多垂直任務(wù)，構(gòu)建評(píng)測(cè)集。最近半年到一年，客戶從效果轉(zhuǎn)向性能和成本。因?yàn)槲覀兊哪Ｐ腕w量增長(zhǎng)了幾十倍，客戶也進(jìn)入了嚴(yán)肅的生產(chǎn)環(huán)節(jié)，模型效果基本得到驗(yàn)證了。

客戶關(guān)心TPS、首包延時(shí)，甚至精細(xì)化到4K輸入和10萬(wàn)輸入，有分別不同的TPS跟首包的要求。

有些業(yè)務(wù)有高并發(fā)需求，比如智能外呼，半小時(shí)內(nèi)完成10萬(wàn)通電話，對(duì)并發(fā)要求很高。

最后是成本，當(dāng)使用量增長(zhǎng)幾十倍、上百倍后，成本勢(shì)必成為客戶非常關(guān)心的話題。像一開(kāi)始說(shuō)到的視頻生成模型，目前還比較貴，如果客戶要批量生成自動(dòng)化的廣告，他對(duì)成本訴求也會(huì)進(jìn)一步提高。

泓君：聽(tīng)起來(lái)客戶對(duì)行業(yè)理解已經(jīng)很深，知道什么場(chǎng)景用小模型，什么場(chǎng)景用大模型。我感覺(jué)行業(yè)商業(yè)化已經(jīng)不是起步階段，大家開(kāi)始提出具體需求，對(duì)垂直細(xì)分和精細(xì)化程度有了更多的考量。

徐棟：是的，最近小模型需求特別多，重復(fù)性的任務(wù)，用小模型會(huì)更有性價(jià)比。意圖理解、意圖抽取等場(chǎng)景，很多企業(yè)的Chatbot或Agent第一步就是對(duì)用戶的理解和判斷，這方面小模型需求也很多。中小模型的post-training

（后訓(xùn)練）

或fine-tuning

（微調(diào)）

需求最近三個(gè)月開(kāi)始越來(lái)越多，客戶希望基于閉源模型混合自己的數(shù)據(jù)，訓(xùn)練出適合他的小模型。

泓君：成本是大家非常關(guān)注的。從阿里角度看，推理成本降了多少？

徐棟：推理成本基本上每半年下降近一個(gè)量級(jí)（十倍）。成本下降受多個(gè)因素影響：

第一，模型結(jié)構(gòu)稀疏化、混合精度、MTP等技術(shù)的應(yīng)用。

第二，芯片與模型的垂直一體化設(shè)計(jì)帶來(lái)潛在紅利。

第三，調(diào)度優(yōu)化，提高利用率。我們通過(guò)不同模型切換、時(shí)間段任務(wù)切換、夜間跑批任務(wù)等，帶來(lái)了利用率的提升。利用率非常高的話，成本就會(huì)下降。

補(bǔ)充一個(gè)具體案例吧，2025年底我們發(fā)布了Qwen3-Next，一個(gè)80B參數(shù)、3B激活的模型，稀疏比很高，相信很多開(kāi)發(fā)者已經(jīng)試過(guò)了，它的推理效率、效果和速度都有很大提升。

泓君：除了模型結(jié)構(gòu)和算法，芯片設(shè)計(jì)和軟硬一體化對(duì)推理成本下降非常有幫助。谷歌TPU早期推理成本是OpenAI、Anthropic的十分之一，就是因?yàn)樗歉鶕?jù)模型算法專門(mén)去設(shè)計(jì)的。

徐棟：所以我們看阿里巴巴的科技板塊，有云、有模型，有芯片的投入，三位一體，聽(tīng)起來(lái)和谷歌有點(diǎn)接近。垂直一體化的好處很多，不僅是芯片和模型，還涉及到云，比如剛剛說(shuō)的調(diào)度優(yōu)化，就是跟云相關(guān)的。

泓君：我注意到你們是全球最全面的開(kāi)源大模型，當(dāng)時(shí)為什么決定開(kāi)源？

徐棟：2023年8月前后，我們的7B模型得到非常大的市場(chǎng)反饋，基于這個(gè)模型，我們打開(kāi)了全球格局。千問(wèn)和萬(wàn)相在海外社區(qū)活躍度很高。開(kāi)源有幾個(gè)好處：

第一，增強(qiáng)人才吸引力，很多頂尖科研工作者或?qū)W生在學(xué)校就開(kāi)始用千問(wèn)模型，對(duì)其特性很了解。

第二，社區(qū)反饋幫助我們快速迭代，早期的時(shí)候非常明顯，社區(qū)里面包括推理框架、推理引擎，甚至端側(cè)部署等開(kāi)發(fā)者圍繞生態(tài)幫我們做建設(shè)，提出的數(shù)據(jù)集和失敗案例問(wèn)題，對(duì)我們模型快速迭代的幫助非常多。

我們?cè)陂_(kāi)源這塊是投入非常大的，國(guó)內(nèi)外企業(yè)幾乎沒(méi)有開(kāi)發(fā)者不知道千問(wèn)，企業(yè)內(nèi)部或多或少都會(huì)用到千問(wèn)的一些能力。尤其是我們開(kāi)過(guò)小參數(shù)模型，如1.5B、3B以下，我們還有一個(gè)最“甜點(diǎn)”的模型是32B（單顯卡可運(yùn)行），在企業(yè)中有大量應(yīng)用。

圖片來(lái)源：Hugging Face

泓君：開(kāi)源和閉源，你們?cè)趺醋錾虡I(yè)化平衡？客戶拿到開(kāi)源模型就可以免費(fèi)用，閉源模型是有商業(yè)化收入在里面的。

徐棟：首先，阿里云是一家云公司，開(kāi)源對(duì)我們?cè)茦I(yè)務(wù)的帶動(dòng)非常明顯，形成了商業(yè)化的正循環(huán)。第二，開(kāi)源模型在發(fā)布時(shí)是離線版本，我們會(huì)在API版本（閉源）會(huì)進(jìn)行修正和能力提升。很多開(kāi)源生態(tài)用戶也希望使用更簡(jiǎn)單易用、并發(fā)更高的MaaS服務(wù)。另外，開(kāi)源模型考慮開(kāi)發(fā)者易用性，參數(shù)不會(huì)太大。我們最大的模型千問(wèn)3 Max沒(méi)有開(kāi)源，因?yàn)椴渴鸪杀竞芨撸行枨蟮目蛻魰?huì)選擇千問(wèn)3 Max。

泓君：2025年春節(jié)前后，DeepSeek發(fā)布開(kāi)源模型，讓中美眼前一亮。你覺(jué)得他們的發(fā)布對(duì)阿里有沖擊嗎？包括商業(yè)化方面。

徐棟：市場(chǎng)還處于中早期階段，更多模型公司推動(dòng)技術(shù)進(jìn)步是最重要的。他們的論文清晰有參考意義，對(duì)整個(gè)行業(yè)是很好的推動(dòng)。開(kāi)源后反而帶動(dòng)了開(kāi)源生態(tài)活躍，讓千問(wèn)開(kāi)源得到進(jìn)一步發(fā)展。千問(wèn)從0.5B到235B版本跨度大，企業(yè)不同場(chǎng)景都可以用到，更新節(jié)奏快，基本上我們一個(gè)月發(fā)三個(gè)小版本，三個(gè)月到半年發(fā)五個(gè)左右的大版本。這是一個(gè)相互促進(jìn)的過(guò)程。

泓君：今年大家討論如何衡量應(yīng)用是否火爆，行業(yè)常用方法是看用了多少Token。你覺(jué)得未來(lái)如何評(píng)價(jià)大客戶或火爆應(yīng)用？Token量是合理的評(píng)估指標(biāo)嗎？

徐棟：我認(rèn)為階段性有參考意義，很多公司用Tokens衡量創(chuàng)業(yè)估值，但長(zhǎng)期來(lái)看，一定會(huì)回歸到收入，不一定是Token直接帶來(lái)的收入，也可能是封裝成Agent的收入。我們內(nèi)部探討Model As Service

（模型即服務(wù)）

和Agent As Service

（智能體即服務(wù)）

。Tokens有一些弊端，比如最小模型和最大模型的成本、收入可能差1000倍，商業(yè)價(jià)值也會(huì)有很大不同。再比如說(shuō)多模態(tài)，語(yǔ)音模型和文本模型的Token度量衡也沒(méi)有清晰地統(tǒng)一起來(lái)。但Token依然是目前觀察業(yè)務(wù)使用量的較好指標(biāo)，我們比較關(guān)注。

泓君：Model As Service

（模型即服務(wù)）

和Agent As Service

（智能體即服務(wù)）

，有什么區(qū)別？

徐棟：Model As Service強(qiáng)調(diào)的是模型的服務(wù)能力，比如你能不能時(shí)刻推出最新的模型、你的API應(yīng)用性是否足夠高，包括實(shí)時(shí)API、跑批任務(wù)等，這些都是它衍生出的很多產(chǎn)品的用法。

Agent As Service可能按場(chǎng)景或行業(yè)劃分，它可能用到多個(gè)模型，最后封裝出標(biāo)準(zhǔn)的任務(wù)結(jié)果給客戶使用，比如Deep Research就是一種智能體即服務(wù)能力。

泓君：你覺(jué)得現(xiàn)在大家在大模型研發(fā)上的投入還多嗎？我指的是基礎(chǔ)大模型最前沿的、性能最高的、再把模型推向極限的模型研發(fā)。我的感受是，現(xiàn)在大家也關(guān)注模型進(jìn)化，但討論熱度不如商業(yè)化高。

徐棟：這可能是一個(gè)小的反共識(shí)，或誤區(qū)。從模型角度看，我覺(jué)得模型研發(fā)投入反而變大了。市場(chǎng)上每家公司、實(shí)驗(yàn)室都說(shuō)自己缺算力，這意味著他們的工作結(jié)果可以被定量衡量的，這是一個(gè)高度競(jìng)爭(zhēng)的過(guò)程。只是它可能不像過(guò)去那么顯性，比如突然推出o1模型，它具有推理能力了，或者突然有了Nano Banana，它可以做編輯了。現(xiàn)在模型進(jìn)入精耕細(xì)作階段，可能沒(méi)有太多極端的范式上的改變，但是有大量工程細(xì)節(jié)需要推敲。所以為什么成本在以量級(jí)下降？就是因?yàn)榭梢宰龅墓ぷ魈嗔耍热鐢?shù)據(jù)清洗、評(píng)價(jià)標(biāo)準(zhǔn)等，過(guò)去用規(guī)則，現(xiàn)在可以用模型，有大量細(xì)節(jié)工作可以做。

圖片生成質(zhì)量在4個(gè)月里的進(jìn)化 圖片來(lái)源：千問(wèn)Qwen

泓君：現(xiàn)在模型研發(fā)主要表現(xiàn)在哪些方向？剛才我們講到了多模態(tài)是大家關(guān)注的重點(diǎn)，去年Agent大爆發(fā)，比如在Coding Agent方面，Anthropic和硅谷幾家大的模型廠商在代碼提升方向放了更多數(shù)據(jù)配比和優(yōu)化。你覺(jué)得未來(lái)行業(yè)趨勢(shì)中，大家的模型研發(fā)在拼哪些方向？

徐棟：籠統(tǒng)講是Agentic能力。Agent或者Agentic這個(gè)詞，每個(gè)人定義都不一樣。從結(jié)果表現(xiàn)看，我期待的是一個(gè)模型能連續(xù)運(yùn)行兩個(gè)星期，并拿到好結(jié)果。在這個(gè)過(guò)程中，它需要與環(huán)境不斷交互，它需要自己做思考判斷和假設(shè)。這樣的模型結(jié)果一定會(huì)是非常棒的。回到一開(kāi)始講到的語(yǔ)言模型的投入方向：工具調(diào)用能力、上下文能力、復(fù)雜指令遵循能力、推理能力。這些能力不斷提升，組合起來(lái)會(huì)帶來(lái)實(shí)際業(yè)務(wù)落地的很大改變。

泓君：所以主要是精耕細(xì)作，而不是在模型智能上？

徐棟：對(duì)，這取決于智能的定義。如果智能可以打分，這些精耕細(xì)作都是讓智能分?jǐn)?shù)越來(lái)越高。

02

從全景理解到自動(dòng)剪輯

泓君：亓教授先來(lái)講一下，你們Insta360的產(chǎn)品是怎么樣跟AI結(jié)合的？

亓魯：我們是一家影像公司，使命是讓用戶更好地記錄和分享生活。所以與阿里的合作中，比較典型的是云端自動(dòng)剪輯。我們希望用戶拍了一天或一整年的素材，能夠智能地剪輯成一條拿得出手或愿意分享的視頻，這對(duì)我們公司的戰(zhàn)略非常關(guān)鍵。

泓君：影石是我非常喜歡的公司，亓教授您可不可以詳細(xì)講一講，你們是怎么用到AI工具在視頻剪輯中的？

圖片來(lái)源：Insta360

亓魯：自動(dòng)剪輯本身是一件特別主觀、玩法比較多的事情。難點(diǎn)不是把用戶片段拼起來(lái)，而是能命中用戶的剪輯意圖。不同人喜好不同：有的用戶在意故事延續(xù)性，希望視頻像一部小型紀(jì)錄片；有的用戶想要高光瞬間，讓影片節(jié)奏更快；還有的用戶注重氛圍和表達(dá)，比如配樂(lè)情緒、鏡頭語(yǔ)言、轉(zhuǎn)場(chǎng)風(fēng)格。

所以我們與阿里的合作主要集中在兩個(gè)方面：一個(gè)是千問(wèn)的多模態(tài)理解模型，另一個(gè)是萬(wàn)相的視頻生成模型。前者偏感知和理解，后者偏特效生成。

泓君：假設(shè)我給AI工具輸入指令：“剪輯我所有從雪山滑下來(lái)失敗的瞬間。”它首先要理解語(yǔ)義，其次要在視頻里分析哪些是失敗的瞬間。

亓魯：對(duì)。我們的多模態(tài)理解負(fù)責(zé)看懂用戶素材，理解每個(gè)片段發(fā)生了什么，進(jìn)一步做高光提取、人物與事件判斷，最后將片段以結(jié)構(gòu)化形式編排，讓素材成為有邏輯、有主線的內(nèi)容組合。

泓君：你覺(jué)得現(xiàn)在整個(gè)模型的能力，它能理解到哪一步？能剪輯到哪一步？

亓魯：現(xiàn)在多模態(tài)理解在語(yǔ)義層面能滿足一定需求，更大的問(wèn)題是如何進(jìn)行用戶意圖識(shí)別。用戶意圖可能與素材無(wú)關(guān)，更多是用戶行為或給出的指示詞。但很多時(shí)候用戶自己也不知道如何表達(dá)想剪輯成什么樣。這是一個(gè)比較大的難點(diǎn)：怎么讓剪輯算法理解用戶到底想要什么。

泓君：就像用戶是不是一個(gè)好甲方，能否讓乙方清楚理解意圖。比如“失敗的瞬間”可能不夠，要說(shuō)“從雪橇上飛出來(lái)的畫(huà)面”，給出更清晰客觀的定義，是這一步很難嗎？

亓魯：對(duì)。如果要求用戶給出清晰定義，那這個(gè)體驗(yàn)也會(huì)很差。我們更希望用戶用模糊語(yǔ)句，我們就能理解。這在模型層面還比較難。

泓君：在你們用AI做影片時(shí)，推出了哪些具體功能？如何用到多模態(tài)的？可以跟大家講一講嗎？

亓魯：影石最核心的產(chǎn)品是全景相機(jī)，秉承“先拍后剪”理念：拍攝時(shí)用360度全角度覆蓋記錄現(xiàn)場(chǎng)，剪輯時(shí)再挑選最佳視角、最合適節(jié)奏，把內(nèi)容講成故事。

全景素材與普通廣角相機(jī)不同，是360度全景圖。雖然通用大模型在預(yù)訓(xùn)練階段會(huì)用到360度素材，但在海量平面素材面前，全景數(shù)據(jù)量就顯得很少，導(dǎo)致模型對(duì)360度全景素材理解較差。

影石會(huì)分為自研和調(diào)用API兩部分。我們通過(guò)自研的全景理解模型，先對(duì)全景素材進(jìn)行高光提取，這是影石的核心技術(shù)壁壘，然后接入通用大模型進(jìn)行平面內(nèi)容編排。

泓君：哪部分自研，哪部分調(diào)用API？補(bǔ)充一句：從全景相機(jī)中提取可用素材，這個(gè)需求很硬核，因?yàn)槟阌幸粋€(gè)主方向，可能三分之二素材是沒(méi)用的。

亓魯：如果是360度素材，即使場(chǎng)景相對(duì)單一，加上各種運(yùn)鏡玩法，也可以讓素材更為生動(dòng)。我們自研的部分主要是基于全景的多模態(tài)理解模型，后面更傾向于用通用大模型幫助理解平面素材。

泓君：比如用戶拍一段三分鐘左右的360度視頻，AI把最有亮點(diǎn)的環(huán)節(jié)剪出來(lái)，大概消耗什么成本？卡在哪？成本下降的核心驅(qū)動(dòng)力是什么？

亓魯：用戶剪一段這樣的素材可能需要十幾塊錢(qián)成本，還是蠻貴的。我們希望在技術(shù)上解決，包括對(duì)模型輸入做更高的信息壓縮，因?yàn)槿八夭目蓧嚎s率較高。我們更希望結(jié)合全景特性，從技術(shù)手段上把Token數(shù)量壓下來(lái)。

03

不止是降本，更是增效

泓君：接下來(lái)聊第二個(gè)案例，語(yǔ)憶科技如何幫助大型零售公司用AI提升業(yè)務(wù)能力。呂總，我知道雀巢、寶潔、泡泡瑪特等都是你的客戶。可以先介紹一下你們主要做什么嗎？

呂瀛杰：我們是為國(guó)內(nèi)和跨境消費(fèi)品牌提供全域消費(fèi)者洞察分析的、AI ToB的一家SaaS公司。

泓君：可以分享一下你們?cè)趺醋鯝I，怎么與客戶合作嗎？

呂瀛杰：以前，中國(guó)消費(fèi)品電商企業(yè)主要運(yùn)營(yíng)方式是通過(guò)產(chǎn)品買(mǎi)流量直接轉(zhuǎn)化客戶，非常依賴流量紅利。2023年后，流量紅利見(jiàn)頂，很多頭部企業(yè)逐漸意識(shí)到要從流量思維進(jìn)化到“流量+消費(fèi)者思維”，這就誕生了大量消費(fèi)者調(diào)研需求。

企業(yè)在電商領(lǐng)域有很多消費(fèi)者與客服溝通的數(shù)據(jù)，很多客戶曾用大模型直接對(duì)原始數(shù)據(jù)進(jìn)行意圖理解和抽取，但他們自己做準(zhǔn)確率連70%都達(dá)不到。

我們想幫他們解決這個(gè)問(wèn)題。我們從2021、2022年開(kāi)始用GPU跑顯卡，做了一個(gè)非常垂直的、針對(duì)不同行業(yè)的消費(fèi)者意圖識(shí)別小模型。客戶希望我們對(duì)原始語(yǔ)料打標(biāo)，打出消費(fèi)者畫(huà)像，并且識(shí)別意圖，幫他們搭建意圖識(shí)別Agent。

這些畫(huà)像不同于傳統(tǒng)投流用的年齡、職業(yè)等，而是與產(chǎn)品興趣直接相關(guān)，比如一個(gè)頭部美妝品牌，希望了解消費(fèi)者膚質(zhì)情況、使用產(chǎn)品后的反饋、是否過(guò)敏等。

泓君：這些信息怎么收集？我覺(jué)得這些信息很有用，比如我買(mǎi)護(hù)膚品或化妝品時(shí)，覺(jué)得選擇太復(fù)雜，研究清楚要花很久。

呂瀛杰：比如您買(mǎi)東西時(shí)，我們會(huì)讓客戶在接待話術(shù)中做埋點(diǎn)改造。客戶進(jìn)線后，客服主動(dòng)說(shuō)：“我是您的護(hù)膚美妝顧問(wèn)，為了更好地推薦產(chǎn)品，希望了解您的膚質(zhì)情況。”這樣改造后，消費(fèi)者提及率會(huì)高很多。

這是一個(gè)方向。在處理過(guò)程中我們發(fā)現(xiàn)幾類意圖：第一類是消費(fèi)者畫(huà)像；第二類是消費(fèi)者對(duì)產(chǎn)品、服務(wù)、物流、營(yíng)銷的反饋（正面或負(fù)面）；第三類是歸因，舉個(gè)例子，一個(gè)國(guó)內(nèi)頂級(jí)日化品企業(yè)，原來(lái)有六個(gè)員工人工登記退貨原因，對(duì)應(yīng)責(zé)任部門(mén)，用于績(jī)效評(píng)定。我們幫他們搭建Agent歸因模型后，現(xiàn)在只有一個(gè)人復(fù)審。

泓君：你們與這些企業(yè)合作，他們用AI有好幾層動(dòng)力。我們可以一個(gè)一個(gè)分析，取代客服可能是最常用的AI功能，你覺(jué)得效果好嗎？

呂瀛杰：我們不覺(jué)得是完全替代客服。客服工作流分售前接待和售后處理。售前接待中，客戶問(wèn)產(chǎn)品問(wèn)題，大模型經(jīng)過(guò)知識(shí)庫(kù)訓(xùn)練校準(zhǔn)后，回答準(zhǔn)確率可能比人還要好，非常棒。但客戶的真實(shí)咨詢場(chǎng)景更復(fù)雜，比如客戶問(wèn)優(yōu)惠券，大模型可能直接回答金額，但客戶接著問(wèn)浙江地區(qū)能否參加國(guó)補(bǔ)，大模型再調(diào)取政策，如果再?gòu)?fù)雜到怎么湊單最能優(yōu)惠，這樣延展下去，AI的準(zhǔn)確率可能就不夠好。

泓君：在這些環(huán)節(jié)中，你們與基礎(chǔ)模型如何合作？以千問(wèn)大模型為例，它們提供哪部分能力？

呂瀛杰：基座模型能提供消費(fèi)者問(wèn)題的意圖識(shí)別。其次，普遍做法是為客戶搭建AI知識(shí)庫(kù)，通過(guò)大模型識(shí)別意圖后，進(jìn)入下一個(gè)工作流，用RAG方式獲取外掛知識(shí)庫(kù)。此外，大模型對(duì)知識(shí)庫(kù)清洗也有很大幫助，因?yàn)槠髽I(yè)內(nèi)部知識(shí)可能不是標(biāo)準(zhǔn)化文檔，可能有詳情頁(yè)圖片、Xmind工作流等。這么多復(fù)雜的知識(shí)源，都需要大模型梳理到知識(shí)庫(kù)中。這也是基座模型能力的重要體現(xiàn)。

泓君：你們選模型時(shí)最看重什么？是基座模型能力，還是調(diào)用接口？

呂瀛杰：我們的核心是幫品牌做消費(fèi)者意圖識(shí)別理解，所以非常看重基座模型在這方面的能力。我們也有一些跨境的客戶，也有一些多語(yǔ)言的數(shù)據(jù)，我們測(cè)試過(guò)國(guó)內(nèi)外模型，發(fā)現(xiàn)阿里的千問(wèn)在電商場(chǎng)景的消費(fèi)者意圖理解能力還是比較強(qiáng)的。

泓君：你們的位置很有意思：上游是基座模型，你們是中間層，下游連接想應(yīng)用AI的企業(yè)客戶。你覺(jué)得這些客戶用AI是為了省成本還是增銷量？是做存量還是增量市場(chǎng)？

呂瀛杰：這是個(gè)動(dòng)態(tài)發(fā)展的過(guò)程。2023年大家探索如何用AI幫助企業(yè)時(shí)，非常關(guān)注降本。但去年市場(chǎng)變化很大，很多企業(yè)發(fā)現(xiàn)用AI自動(dòng)化節(jié)省一些人工，雖然能打平用人成本，但也沒(méi)有帶來(lái)特別大的效益價(jià)值。2024年下半年開(kāi)始，越來(lái)越多企業(yè)想用AI增效，希望AI去幫他們發(fā)現(xiàn)深度的產(chǎn)品機(jī)會(huì)、消費(fèi)者需求點(diǎn)，或老產(chǎn)品的新場(chǎng)景。

舉個(gè)例子，一個(gè)國(guó)內(nèi)頂級(jí)家電品牌的高端產(chǎn)品線（客單價(jià)2萬(wàn)以上），通過(guò)我們提供的AI消費(fèi)者畫(huà)像識(shí)別和產(chǎn)品反饋分析，針對(duì)客戶功能需求設(shè)計(jì)營(yíng)銷賣點(diǎn)、主播話術(shù)、客服話術(shù)。合作一年半后，整體銷量漲幅23%，高端線產(chǎn)品客單價(jià)提高6%以上。因?yàn)槲覀兒瓦@一個(gè)事業(yè)部合作效果很好，2025年他們把我們推薦給整個(gè)集團(tuán)，每個(gè)事業(yè)部都接入了AI識(shí)別模型和SaaS產(chǎn)品、Agent能力。

泓君：像你們這樣一端連模型、一端連客戶的中間服務(wù)層，核心競(jìng)爭(zhēng)力是什么？是對(duì)業(yè)務(wù)的理解深度，還是技術(shù)能力？

呂瀛杰：我們兩方面都有。我們會(huì)訓(xùn)練針對(duì)不同行業(yè)意圖識(shí)別的模型，形成自己的數(shù)據(jù)飛輪。客戶看到的是意圖識(shí)別標(biāo)簽和成品Agent，但我們會(huì)留存數(shù)據(jù)訓(xùn)練垂直模型，在意圖識(shí)別場(chǎng)域越來(lái)越準(zhǔn)，尤其是對(duì)同類目的客戶。

更重要的是，客戶希望我們不僅是技術(shù)供應(yīng)商，還能以行業(yè)專家的身份提供行業(yè)know-how，比如頭部企業(yè)如何應(yīng)用AI產(chǎn)品，所以我們的客戶成功團(tuán)隊(duì)

（CSM）

也會(huì)配置不同行業(yè)的專家提供服務(wù)。

泓君：有個(gè)更未來(lái)的問(wèn)題：AI在意圖識(shí)別后匹配更精準(zhǔn)商品，確實(shí)能帶來(lái)銷量提升和轉(zhuǎn)化。那么隨著越來(lái)越多行業(yè)和大品牌把AI打入工作流和銷售環(huán)節(jié)，最終所有企業(yè)都用上AI后，效果會(huì)不會(huì)慢慢變?nèi)跎踔磷菲剑课覀儸F(xiàn)在是否還在紅利期？

呂瀛杰：這個(gè)問(wèn)題有意思。大家都升級(jí)軍火庫(kù)后，還有什么競(jìng)爭(zhēng)力？我認(rèn)為AI未來(lái)的價(jià)值核心還是掌握在人手里，看如何使用它。在意圖識(shí)別、方向匹配、Deep Research報(bào)告生成上，各企業(yè)可能大體一致。但最終決策者如何看待這些數(shù)據(jù)、挖掘AI處理后的洞察，非常看人的洞察能力。最后還是要人找到真正的機(jī)會(huì)點(diǎn)。

泓君：這個(gè)總結(jié)特別好。現(xiàn)在是在AI紅利期，越往后歸因，未來(lái)真正的好產(chǎn)品才最具競(jìng)爭(zhēng)力。

呂瀛杰：對(duì)。所以好的產(chǎn)品經(jīng)理、好的伙伴永遠(yuǎn)有機(jī)會(huì)。我再提個(gè)題外話：AI對(duì)To B SaaS行業(yè)在客戶收費(fèi)意識(shí)教育上起到了非常好的效果。以前中國(guó)To B企業(yè)客戶付費(fèi)意愿和金額不高，因?yàn)樗麄冋J(rèn)為誰(shuí)都可以做軟件，價(jià)值不大。但AI這波影響很大，客戶明確認(rèn)識(shí)到AI按Token計(jì)費(fèi)，用了多少數(shù)據(jù)量就有相應(yīng)成本，如果不付錢(qián)，就無(wú)法提供服務(wù)。在付費(fèi)意識(shí)這塊，我們也在朝著美國(guó)To B市場(chǎng)同步。

【音頻收聽(tīng)渠道】

公眾號(hào)：硅谷101

收聽(tīng)渠道：蘋(píng)果｜小宇宙｜喜馬拉雅｜蜻蜓FM｜網(wǎng)易云音樂(lè)｜QQ音樂(lè)｜荔枝播客｜嗶哩嗶哩

海外用戶：Apple Podcast｜Spotify｜TuneIn｜Amazon Music

聯(lián)系我們：podcast@sv101.net