【阿里视频模型“赛马”现状】在视频生成模型赛道阿里投入颇多不仅采用“骑马找驴”策略还持续进行“内部赛马”。今年4月HappyHorse以匿名模型身份登上Artificial Analysis榜单拿下文生视频、图生视频等多个榜单第一。几天后阿里正式认领。然而HappyHorse风头未久阿里另一条视频模型路线又活跃起来。8月6日通义万相正式推出Wan 3.0相比Wan 2.7新模型将单次生成时长从15秒提升到30秒还把文生视频、图生视频、参考生视频和视频编辑整合进同一模型。从产品定位到目标用户Wan 3.0几乎覆盖了HappyHorse现有的全部能力且价格更低。这意味着阿里在同时维护两套功能高度重合的视频模型还让它们在同一百炼平台上以不同价格争夺同一批客户。【“赛马”是否必要之问】这让原本看似“内部赛马”的故事开始显得有些没必要。不过内部竞争并非坏事HappyHorse的出现证明阿里内部不同技术团队能绕开既有路线迅速做出进入行业第一梯队的产品。据相关人士透露阿里内部在统一千问办公体系时也将Wan和HappyHorse合并事宜提上日程且大概率未来会以HappyHorse为主但没想到在此之前仍要“赛赛马”。毕竟赛马的目的是跑出结果而非让两匹马一直并排跑。特别是在视频生成这个仍烧钱、难赚钱且未找到稳定商业模式的生意里阿里越早让Wan和HappyHorse合流越符合现实。【两款模型的路线差异】某种程度上Wan和HappyHorse一开始是不同路线。Wan来自通义体系更像标准基础模型强调通用技术能力、开发者生态和云端API承接了阿里在开源社区的品牌认知。HappyHorse则来自原淘天未来生活实验室更贴近创作者和商业内容生产突出原生音频、人物表现、多图参考以及广告、短剧等具体场景。原本这种差异化足以支撑两支团队同时存在基础模型团队拓展能力上限产品团队寻找商业化路径若HappyHorse是基于Wan的创作者工具两者可形成上下游关系。但实际情况并非如此HappyHorse是独立的视频生成模型有自己的各项能力、官网、版本、API和价格体系。Wan 2.7能做的事HappyHorse 1.1大多能做而HappyHorse的优势又逐渐被Wan吸收。从Artificial Analysis榜单看两者仍处于相近梯队能力差异更像路线偏好而非代际差距用户很难区分使用场景。到了Wan 3.0边界进一步模糊它甚至用更低的720P价格削弱了HappyHorse“高性价比商业模型”的地位。【组织架构调整后的问题】今年6月阿里将通义大模型事业部和未来生活实验室合并成立Token Foundry事业部HappyHorse团队也进入新部门。这说明阿里意识到基础模型研发与商业场景探索各自为战的问题需集中能力。但组织架构合并后两套模型仍按各自节奏更新6月下旬HappyHorse 1.1发布一个多月后Wan 3.0公测。这意味着两套模型要分别完成数据准备、训练等工作产品端还要分别维护各项内容这不是多路线探索而是重复“造轮子”。当两款模型功能趋同、团队合并、客户重合继续赛马的边际收益只会越来越低。【未撼动市场格局的困境】更关键的是无论HappyHorse还是Wan 3.0都未撼动当前视频生成市场格局。HappyHorse登顶时虽有声量但未转化为稳定市场位置随着其他模型迭代它又回到追赶者位置。Wan 3.0虽补齐能力但也未建立决定性优势。如今阿里维护的两个模型功能重合、能力互有长短却都未摆脱追赶者身份。在视频生成领域用户记住一个模型通常是因为它有明显优势。Wan 3.0看似全能却未证明在某件事上不可替代新增功能只是拉长产品清单一些需求也未经验证。HappyHorse强调的场景也一样使用场景多元化不能替代基础能力突破。价格也不是独立优势视频生成真实成本是得到可用视频的尝试次数对专业用户来说提高可用率比降价更重要。【合理整合的建议】因此同时维护Wan和HappyHorse越来越没意义。更合理的方式是让Wan成为统一的视频基础模型吸收HappyHorse在人物表现等方面的积累HappyHorse保留为面向创作者的产品品牌负责工作流等。底层集中训练一套模型上层仍可有不同入口。HappyHorse已完成任务它证明阿里能快速做出优秀模型也促使Wan加快迭代。但如果内部赛马选不出主线就会从激励机制变成组织惯性。阿里需要集中资源做出改变市场格局的核心能力先把一件事做到不可替代再谈价格和场景扩张。归根结底产品赛马思维还是前AI时代的互联网产品思维或许阿里还未适应新的AI时代。
