阿里巴巴在AI模型领域的布局正全面提速。过去一个月，其在大语言、图像、语音、视频、音乐五大类模型上密集完成重要版本迭代，性能均跻身国际第一梯队。这一节奏远超市场感知，多模态正成为阿里AI进展的一条重要暗线。

在大语言模型方面，8月发布的Qwen3.8-Max总参数达到2.4万亿，当时在编程竞技场CodeArena排名全球第三，在Artificial Analysis Agentic榜单登顶全球第一。Qwen3.8-27B开源仅两天，下载量突破100万次。截至8月，阿里累计开源模型超过460个，Qwen系列全球下载总量突破30亿次。芯片厂商和推理框架快速跟进，平头哥、英伟达、AMD、沐曦、联发科、摩尔线程等实现Day0适配，vLLM、SGlang、Ollama等开源社区第一时间优化推理框架，Qwen已成为全球AI产业链的基础件之一。

多模态模型的迭代更为密集。6月22日，视频生成模型HappyHorse 1.1发布，重点升级动态表现力、主体一致性、指令遵循、视觉质感和音频能力。7月21日，Qwen-Image-3.0发布，支持最长4.5k Token输入，可生成包含公式、几何图形、逻辑推导的知识图解和复杂UI，同时支持12种语言、20多款字体原生渲染，8月5日登上Arena.ai文生图榜单国内第一。语音方向，7月连续发布实时语音识别模型Fun-ASR-Realtime、实时语音交互对话模型Qwen-Audio-3.0-Realtime，以及语音识别模型Qwen-Audio-3.0-ASR-Flash，其ASR、TTS、Realtime三类模型在Artificial Analysis今年7月的相应语音榜单中均拿下全球第一。8月6日，Wan3.0公测，单次视频生成时长达30秒，并首次支持doc、xls、ppt、pdf、md等文档输入。8月17日，AI音乐模型HappyShrimp上线，可完成从作词、作曲、编曲到演唱的端到端整曲生成。此外，阿里还推出世界模型HappyOyster 1.0，能根据一句话或一张图生成可互动、可探索、可实时改变的数字世界。

模型能力的扩张正体现在收入端。财报电话会上，阿里透露本季度AI相关产品ARR突破495亿元，包括MaaS在内的模型与应用服务收入（ARR）突破160亿元人民币。模型已从技术投入逐渐变成规模化收入来源。

多模态已跨过模型炫技阶段，进入一线商业化场景。语音模型正重新成为人机交互入口，Qwen-Audio进入会议纪要、智能客服、车载助手、智能硬件、教育等高频场景；Fun-ASR-Realtime支持16种方言和30种语言，首字延迟在百毫秒级别，具备大规模商用条件。图像和视频模型贴近内容生产产业链，Qwen-Image-3.0将复杂UI设计、多语言海报制作、知识图解作为重点能力；Wan 3.0覆盖广告创意、影视制作、短视频生成、电商素材生产等环节；HappyShrimp则推向音乐创作市场。科技媒体Semafor报道，Pinterest的AI购物助手和聊天机器人采用阿里Qwen大模型，其CEO表示使用开源模型的成本不到Anthropic、OpenAI等同类闭源模型的8%，并直言任何不用开源模型的CEO几乎都在浪费股东资金。AI对阿里核心业务的反哺也在加速，千问App深度集成淘宝天猫、淘宝闪购等生态，上线以来已有2.5亿用户通过其智能体功能实现AI驱动的购物体验。

多模态布局对阿里的价值在于覆盖更多需求、消耗更多云资源、带动更多配套服务。多一个模态往往对应一类新需求和一批新客户，如汽车公司既需要语言理解也需要实时语音交互，影视、游戏、广告行业的需求横跨文字、图片、声音和视频。多模态任务产生更重的计算需求，高清图片、长视频、实时语音对GPU、存储和网络要求更高，直接带动通用云资源需求增长。当客户同时使用多种模态模型后，需求链条延伸到数据处理、模型微调、数据库、对象存储、安全等环节，原本的一次模型调用可能变成一整条AI生产链，提升客户黏性和综合客单价。

支撑这套模型体系的是阿里全栈AI底座。组织层面，今年3月成立Alibaba Token Hub事业群，由吴泳铭直接负责，以“创造Token、输送Token、应用Token”为核心目标重新整合AI业务。芯片层面，阿里自研真武AI芯片已通过阿里云服务进入20多个行业、超过650家外部客户，覆盖训练、微调和推理等AI工作负载；吴泳铭在财报会议中提及，阿里正在数据中心大规模部署自研倚天/真武体系芯片，并希望逐步替换外购商业芯片以提高AI云毛利率。基础设施层面，阿里云持续扩张全球AI数据中心布局，扩建完成后将覆盖30个地域、104个可用区；新一代CUBE 5.0架构已将大型AIDC数据中心交付周期压缩至100天，建设成本较上一代降低约10%，今年计划将模块化数据中心全球产能提升两倍以上。

过去两年，Qwen的纯文本语言模型是外界观察阿里AI的第一窗口，但这只是冰山一角。随着AI从聊天走向内容生产、办公、电商和真实世界交互，多模态的重要性将继续上升。对阿里而言，这既是模型能力的补齐，也是一条进入产业深水区的新主线。被低估的多模态，正在走到台前。