AI模型商业化的快速进展与未来展望

两年前，《硅谷101》在播客里聊大模型时，大家普遍认为这些模型“有意思，但不好用”——存在幻觉、速度慢、价格贵等问题，离真正的生产力似乎还有一段距离。

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告诉《硅谷101》，一个小团队现在每天能利用AI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——商业闭环已经实现。AI漫剧也在爆发，国内短剧市场规模已经超过电影市场，视频生成模型从5秒进化到15秒，年底有望突破1分钟。

成本端的变化尤为剧烈。徐栋分享了一组数字：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秒降到500毫秒。他说，今天端侧4B的小模型，能力已经超过两年前最大的闭源模型，70%以上的通用任务可以在手机和车机上本地处理。

2025年被很多人称为“AI应用元年”。如果说前两年的关键词是“模型能做什么”，那今年所有企业都在问同一个问题——用AI，到底划不划算？

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，共同探讨大模型在商业前线“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，还有一个就是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，你能不能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：阿里做大模型的时间比较久了，最早的模型可以追溯到2021年左右。首先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，它已经是一个体量非常大的模型，很多北美公司也会用它作为基座模型。它代表的是我们的语言模型，我们会用它去挑战AI的智慧，看看它能不能用更多工具、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的模型，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，一个纯音频模型，它涵盖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，还有很多互联网公司。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，在很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。

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。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。

泓君：你觉得基于模型能力提升，有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，明显短剧从原来的真人拍摄或大量人工编辑开始转向AI生成。最近最火的是漫剧。

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。

03 不止是降本，更是增效

泓君：接下来聊第二个案例。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。