大模型商业化的进化与突破

在《硅谷101》播客中探讨大模型时，两年前，大家的普遍感受是“有趣但难以应用”——存在幻觉、处理速度慢且成本高昂，似乎离真正的生产力还有一段距离。

到了2026年，变化的速度超乎想象。阿里云千问大模型业务总经理徐栋透露，一个小团队现在利用AI一天能生成6000条广告视频，成本控制在10元以下，远低于市场价20至50元——商业闭环已然成型。AI漫剧也在蓬勃爆发，国内短剧市场规模已超越电影市场，视频生成模型从5秒进化到15秒，年底有望达到1分钟。

成本端的降幅尤为显著。徐栋分享了一组数据：千问的推理成本正以每半年接近10倍的速度下降，推理速度从30-50 TPS飙升到80-100+，首包延迟从2秒降至500毫秒。他强调，如今端侧4B的小模型能力已超越两年前最大的闭源模型，70%以上的通用任务可在手机和车机上本地处理。

2025年被很多人称为“AI应用元年”。如果说前两年关键词是“模型潜力”，那么今年所有企业都在问同一个问题——使用AI，到底值不值得？

本期播客，《硅谷101》邀请了阿里云千问大模型业务总经理徐栋、影石Insta360研究院总监亓鲁教授、语忆科技联合创始人兼CEO吕瀛杰，共同剖析大模型在商业前线“开荒”的逻辑、成本和隐藏关卡。

以下是这次对话内容的精选：

01 模型的技术进步与商业化

泓君：很高兴你能做客我们的播客。因为在2025年底到2026年初，大家讨论最多的一个是AI Agent，另一个就是AI应用，真的开始走进大家的生活了。今天很高兴请你跟大家聊一聊大模型在商业化方向的一些趋势。在此之前，你要不要先简单介绍一下你在阿里的工作以及你主要负责什么？

徐栋：阿里在大模型领域已有较长时间布局，最早的模型可以追溯到2021年左右。其中有一个在海外尤其有名的模型叫千问，英文名叫Qwen。在开源领域，它已成为一个体量非常大的模型，许多北美公司也用它作为基座模型。它代表的是我们的语言模型，我们会用它来挑战AI的智慧，看看它能否利用更多工具、进入更多生产环节。这是我们非常主力的一个模型。

第二个是视觉生成类模型叫万相，英文名叫Wan。它可以生成图片、视频，也能做图片和视频的编辑，同时也有成为未来世界模型的范式的可能性。最近三个月我们重点发布了2.5的preview版和2.6版，在视频创作方面收到了很多新反馈。

第三个基础模型是去年云栖大会发布的Fun。它是一个纯音频模型，涵盖ASR、TTS，也包括声音克隆。我们在这个模型上追求更拟真、支持多语言、不同方言和口音，让它能更好地理解和表达。

我们的模型还是比较结构化的。在这几个基座模型基础上，我们开始与很多客户交流合作，包括制造业、实体企业、品牌商以及许多互联网公司。但最近一年，我的感受是出现了大量AI Native公司，它们通过模型取得了不错的成果，在许多碎片化的市场里实现了非常好的ROI。

泓君：你刚刚提到了几个大模型。你觉得过去2025年，模型技术最重要的进化是在哪几个方向？

徐栋：最近半年进化特别多。以“万相Wan”为代表的视频生成模型如果类比GPT-3.5到4的状态我认为它已经达到了GPT-4的水平。过去视频生成模型更多用于特效、娱乐但现在它可以进入生产领域比如最近很火的AI漫剧增长速度非常快还有自动化生成广告视频。很多15秒的切片广告已经开始自动化生成形成完整管线可能五个人一天就能生成6000个视频这是一个非常明显的趋势。

泓君：角色扮演具体是指什么？

徐栋：举个例子：你可以用手机自拍一段5秒钟视频抬头或转头说几句话类似试镜。模型输入这段视频后可以对人物形象和声音进行“保ID”后续创作中这个形象和声音可以被复刻出来。

泓君：也就是说以后只需要真人出镜5秒后面的内容可以由AI生成、模型化运作。

徐栋：对这意味着生成内容的可控性更高。以前可能依赖抽卡（随机生成）现在可以在输入端提供更多参考维度在动漫创作领域其实挺多的以前是参考图现在开始参考视频。

泓君：你刚刚提到比如五个人一天可以生成6000个视频AI漫剧也比较火了你觉得基于模型能力提升你看到了哪些比较好的商业化案例或应用？

徐栋：国内短剧市场已经超过电影市场。在视频宣传方面很明显短剧从原来的真人拍摄或大量人工编辑开始有一定比例转向AI生成。最近最火的是漫剧它从动态漫发展过来的剧情连贯商业化能力强已经成为与AI结合的一个典型。

02 从全景理解到自动剪辑

泓君：亓教授先来讲一下你们Insta360的产品是如何与AI结合的？

亓鲁：我们是一家影像公司使命是让用户更好地记录和分享生活。所以与阿里的合作中比较典型的是云端自动剪辑。我们希望用户拍了一天或一整年的素材能够智能地剪辑成一条拿得出手或愿意分享的视频这对我们公司的战略非常关键。

亓鲁：自动剪辑本身是一件特别主观、玩法比较多的事情。难点不是把用户片段拼起来而是能命中用户的剪辑意图。不同人喜好不同：有的用户在意故事延续性希望视频像一部小型纪录片；有的用户想要高光瞬间让影片节奏更快；还有的用户注重氛围和表达比如配乐情绪、镜头语言、转场风格。

03 不止是降本更是增效

泓君：接下来聊第二个案例语忆科技如何帮助大型零售公司用AI提升业务能力。吕总我知道雀巢、宝洁、泡泡玛特等都是你的客户。可以先介绍一下你们主要做什么吗？

吕瀛杰：我们是为国内和跨境消费品牌提供全域消费者洞察分析的AI ToB的一家SaaS公司。