阿里推AI生成视频模型Happy Horse,算力消耗与商业价值不匹配,打法或需调整

news2026/4/30 11:39:53
01 跑分第一名月月有不必过于上心欲拒还迎的阿里把AI生成视频模型Happy Horse正式推上了台面。Happy Horse 1.0开启灰度测试专业创作者和企业客户走阿里云百炼大众用户在千问首页就能用上新加的胶囊入口。刊例价720P每秒0.9元、1080P每秒1.6元会员折扣后能打到0.44元和0.78元。叙事上支持15秒多镜头多画幅适配1080P超分输出文生视频、图生视频、多图参考生视频三种模式都能用。三周前的4月7日Happy Horse以匿名身份空降Artificial Analysis的视频竞技场榜单文生视频和图生视频双榜第一把字节Seedance 2.0挤到第二把快手可灵3.0、谷歌Veo 3.1甩在身后。三天后阿里ATH事业群正式认领股价当日涨超3%。十几天之后API开放、千问App接入、价格公开。但看完整套动作反而会让人觉得阿里这次有点用力过猛。视频模型这条线技术上跟住完全合理。多模态是大模型绕不开的方向张迪从外面回来五个月就能做出登顶榜单的产品证明阿里的工程能力没问题。问题在于视频生成在现阶段的算力消耗和它能换回来的商业价值严重不匹配更要命的是这个赛道根本不存在独占门槛。视频模型这两年最显眼的特点是“天下第一”的保鲜期越来越短。Sora刚出来时大家感叹OpenAI的代差优势结果一年不到就被国产模型集体追平。可灵2024年靠着先发优势在跑分榜上跑了大半年2025年初Seedance 1.0发布、字节即梦上线可灵的领先就开始松动。2026年2月Seedance 2.0接入豆包冯骥一句“地表最强”让字节独占头部三个月现在4月Happy Horse又把Seedance挤到第二。从可灵到Seedance再到欢乐马每一次换庄间隔都不超过一个季度。可灵是个典型例子。张迪带队做出可灵1.0、2.0时快手在视频模型这条线上几乎是国内独一档但这种领先并没有转化成任何意义上的护城河。Seedance 2.0一出来可灵的跑分优势马上消失。3月底快手只能推出会员模型限时8折部分图片功能甚至直接免费靠价格战守用户。再看张迪本人的去向2025年9月先去了B站11月又回归阿里。技术负责人都能这样流动所谓的“团队壁垒”自然也撑不住。今年3月OpenAI宣布关停Sora服务理由是算力成本高、商业化路径不清晰、安全风险叠加。砍掉之后OpenAI在编程和生图这两条线上的迭代速度明显加快 算力从视频生成腾出来之后被用在了商业化路径更清晰的方向上。这个选择对Anthropic、谷歌的策略也产生了连锁影响大家开始重新审视视频生成的资源占用比。回头看Artificial Analysis这个榜单它的Elo分数本质上是用户盲测投票的累计结果。用户在意的是单条视频好不好看、口型对不对、动作崩不崩这些都是感知敏感项稍微做点针对性优化就能提分。换句话说跑分领先和实际可用之间存在一个被低估的差距。即便Happy Horse在文生视频赛道领先Seedance 2.0将近100分到了带音频的赛道差距就缩到只有几分。Seedance 2.0支持9张图、3段视频、3段音频联合输入的“导演台”能力Happy Horse目前还没有跟上。跑分能赢不等于体验能赢体验赢一阵子也不等于商业上守得住。02 阿里要打的仗太多视频不该是其中一场把视野从国内拉到全球会发现视频模型的牌桌上不止三家。谷歌Veo 3.1守在头部原生4K加原生音频始终在专注打造“电影感”。Runway Gen - 4.5和Adobe Firefly守着专业工作流前者拿了狮门影业的合作后者把生成模型缝进了Premiere和Frame.io的整套生产链路。开源那一档由阿里自家的Wan系列守着主打自部署和成本控制。国内这边字节、快手、阿里三家挤在中间梯队技术指标互有胜负但商业价值密度差得很远。视频模型的真实战场可以拆成四个象限。第一象限是好莱坞和广告制作客户是迪士尼、华纳、奥美等大公司单条视频价值动辄几千上万美元。但这个位置Runway、Adobe、Veo守着Happy Horse初出茅庐就连Seedance的知名度都还没到达难以竞争。第二象限是企业内容生产客户是品牌方、电商商家、跨境卖家以及国内的漫剧公司。Adobe靠Premiere的捆绑和“商业安全”的卖点占住了高端这是阿里手里牌最好的象限淘天几十亿的商品池、阿里云渠道、速卖通和Lazada的跨境需求都在这里。第三象限是C端娱乐生成用户极不忠诚、付费意愿低、算力消耗大。Sora关停后可灵全球周活立刻涨4%到260万Veo 3.1 Lite每秒0.05美元开源LTX - 2.0每秒0.04美元价格战已经打到地板上。第四象限是开发者和开源生态主流玩家是Wan、LTX、Hunyuan。当然Happy Horse已经从“开源”改口为闭源主动让出了这个位置。Happy Horse现在的姿态是同时去抢第三象限的C端和第二象限的企业第一象限够不着第四象限主动让出。但真正要追问的是阿里有必要打这一仗吗阿里现在同时在四条线上消耗资源。Qwen要在开发者生态里继续守住开源大模型的口碑阿里云要在企业市场和华为云、火山引擎正面竞争千问App要追赶豆包的C端用户基数电商主业还在跟拼多多和抖音电商缠斗。每一条战线都需要投入算力、人力、市场预算每一条都还没有取得决定性的领先。千问和豆包的差距事实上也并没有明显缩小。豆包目前月活在国产大模型助手里稳居第一DAU、用户时长、内容生态都比千问厚一截。这条战线上阿里要补的课一大堆Agent能力、推理速度、内容生态、入口分发每一项都需要算力倾斜。在这种情况下把视频生成抬到千问首页或是跟字节即梦打价格战等于把宝贵的算力从主战场切了一块走去打一个第一名按月轮换、用户随时倒戈的战场。更何况这个次要战场上Happy Horse就算赢了短期排名也很难转化成对千问App的粘性提升C端用户用完免费视频额度就走不会顺手留在千问里继续对话。阿里在AI上真正的资产是Qwen系列在开发者生态里的口碑是阿里云在企业服务市场的渠道是淘天和速卖通的需求池。这些资产对应的战场都不在C端视频生成这个象限里。Happy Horse的研发要继续投入张迪的团队自然也可以继续养着跑分榜单也可以继续上这些都是技术储备和面子工程的合理范畴。但把它包装成阿里AI的旗舰故事、推到千问首页、跟即梦正面打价格战就是另一回事了。技术上对标商业上克制。视频模型留在百炼的企业API里安静服务C端的算力优先喂给千问的核心能力。各种刷分的榜单可以登顶实际的token调用量不必硬冲。这套打法或许不够热闹但比“动手”更适合现在的视频生成赛道。毕竟在一个第一名按月轮换、用户随时倒戈、算力账还算不过来的赛道里跑得最快的马不一定是赢家知道什么时候该慢下来的马才是。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2568662.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…