阿里巴巴开源用于视频和图像生成的 AI 模型

阿里巴巴集团控股有限公司宣布，其视频和图像生成 AI 模型 Wan 2.1 现已作为开源平台公开可用。此举预计将推动普及并加剧 AI 领域的竞争。

阿里巴巴的 这一决定与字节跳动和初创公司 DeepSeek 的类似战略一致。今年早些时候，DeepSeek 的平价开源模型引起了科技投资者的关注，其性能可与 OpenAI 等成熟玩家相媲美，令资本密集型行业感到惊讶。

阿里巴巴推出四种 Wan 2.1 变体以扩展 AI 产品

阿里巴巴发布了其 Wan 2.1 AI 模型的四种变体——T2V-1.3B、T2V-14B、I2V-14B-720P 和 I2V-14B-480P，这些模型可从文本和图像输入生成图像和视频。“14B” designation 表示这些变体处理 140 亿个参数，使它们能够处理更复杂的输入并产生更准确的结果。

这些模型在全球范围内的阿里云 ModelScope 和 HuggingFace 平台上提供，供学术、研究和商业用途使用。

阿里巴巴在 1 月推出了其最新的视频和图像生成 AI 模型，随后将其名称从 Wanx 缩短为 Wan。该公司称赞其生成高度逼真视觉效果的能力。此后，阿里巴巴强调其在 VBench（视频生成模型排行榜）上名列前茅，在多对象交互等功能方面表现出色。

周二，该公司发布了其推理模型 QwQ-Max 的预览版，并计划在全面发布时将其开源。

字节跳动推出 OmniHuman，一种能从单张图片生成全身视频的 AI

开源 AI 开发的激增伴随着竞争对手的重大进展。 字节跳动， TikTok 的母公司，最近宣布推出 OmniHuman, 一种先进的 AI 系统，能够从单张照片输入生成完整的全身视频。

OmniHuman 与类似 AI 系统的不同之处在于，它可以创建动态视频，其中主体可以自然地说话、做手势和移动。该系统在超过 19,000 小时的视频内容上进行了训练，并利用这些数据创建在动作和表情上模仿人类行为的视频。

使用 OmniHuman 的首批演示之一是一段阿尔伯特·爱因斯坦发表讲座的视频。该视频在互联网上分享后立即走红，这证明了这一功能带来的巨大差异。

虽然 OmniHuman 是首个声称仅用一张图片就能生成逼真视频的 AI 系统，但其他系统可以使用几张图片实现类似结果。

首先，有 Pollo AI，它允许用户上传图像来生成视频。它易于使用，只需图像和文本提示，它就可以根据用户定义的风格创建视频。

Canva 也有类似的 AI 视频生成器。其模板集和编辑功能使没有高级视频制作技能的用户也能轻松使用图像创建 AI 生成的视频。

Freepik 也有类似的 AI 视频生成器，提供多种生成模式和自定义选项，仅用图像和提示即可创建引人入胜的视频。

阿里巴巴承诺投入 52 十亿美元用于 AI 和云扩张

几天前，阿里巴巴宣布计划在未来三年内至少投资 380 亿元人民币 （520 亿美元），以加强其云计算和 AI 基础设施。

这家由马云联合创办的互联网巨头将在人工智能和云计算基础设施上投入比过去 10 年更多的资金。随着不断演变的模型变得更具计算密集型，该公司在其官方博客中表示，阿里巴巴计划成为在现实世界中构建和部署 AI 的公司的合作伙伴，以脱颖而出。

这是中国最大的 AI 基础设施投资之一，凸显了阿里巴巴在该领域日益增长的雄心。但这伴随着投资者的担忧，即一些大型科技公司是否会高估未来对 AI 服务的需求，或低估建设这些服务所需的资本成本。

TD Cowen 分析师周五指出， 微软公司 正在取消美国大量数据中心容量的租赁。这一举动可能反映出对其长期是否需要建设更多 AI 计算能力的担忧。阿里巴巴香港股价周一一度下跌 3%。

其他大型科技公司，如 Meta Platforms Inc. 和 Amazon.com Inc.，正承诺数十亿美元建设用于训练、开发和托管 AI 服务所需的数据中心。