在科技浪潮席卷全球之际，生成式AI无疑成为了焦点。然而，阿里巴巴的吴泳铭却提出了一个更为深远的洞见:生成式AI的真正价值并非仅限于创造炫目的应用，而是在于彻底改变我们与物理世界的互动方式。吴泳铭敏锐地指出，人们在面对新技术革命时往往陷入"高估短期，低估长期"的思维误区。在当前生成式AI的热潮中，这种现象尤为明显。大众普遍关注短期内AI能带来哪些立竿见影的效果，却容易忽视技术在长远未来可能产生的深刻影响。图源备注：图片由AI生成，图片授权服务商Midjour

​2024年云栖大会在杭州盛大开幕，阿里巴巴集团CEO、阿里云智能集团董事长兼CEO吴泳铭在会上发表了主题演讲。大会期间，阿里巴巴宣布了一系列重磅硬核发布，包括通义千问新一代开源模型Qwen2.5的推出，该模型在性能上超越了Llama405B，稳居“最强开源大模型”的位置。

在2024杭州云栖大会上，阿里云发布了全新升级的通义灵码，升级后的通义灵码已经能够通过几句话快速完成需求理解、任务拆解、代码编写、BUG 修复和测试等多项开发任务。升级前，通义灵码仅能执行一些基础的辅助编程任务，现在这一进步将利好开发者，最快只需几分钟就能从零开始开发出一款应用，开发效率提升数十倍!据了解，自通义灵码推出以来，它已经成功入驻多家知名企业，包括中华财险、哈啰集团和长安汽车等，并且累计生成的代码已经超过了10亿行。另外，它不再局限于

阿里巴巴集团旗下的通义宣布，其最新研发的AI视频生成大模型——通义万相AI生视频，已正式上线。该技术凭借其强大的画面视觉动态生成能力，能够根据文本提示词快速生成具有多种艺术风格和影视级质感的视频内容。

在今日举行的2024云栖大会开幕式上，阿里巴巴集团董事兼CEO、阿里云智能集团董事长兼CEO吴泳铭发表演讲，分享了对人工智能（AI）发展的深刻见解。他透露，过去一年中，通义千问API在阿里云百炼上的调用价格大幅下降97%，现在调用百万tokens的费用最低仅需0.5元，且阿里云将继续努力降低成本。

通义千问团队宣布，继Qwen2发布三个月后，Qwen家族的最新成员——Qwen2.5系列语言模型正式开源。这标志着可能是历史上最大规模的开源发布之一，包括了通用语言模型Qwen2.5，以及专门针对编程和数学领域的Qwen2.5-Coder和Qwen2.5-Math模型。

阿里通义将在即将举行的云栖大会上发布视频生成大模型，引发业界高度关注。目前，通义App频道和通义万相PC端已悄然上线了“视频生成”入口，但功能尚未开放，用户仅可进行预约。据页面信息显示，这一全新视频生成大模型是由阿里旗下通义实验室自主研发，包含“文生视频”和“图生视频”两种主要创作模式，用户可通过文字或图像生成相应的视频内容。此次发布无疑将为内容创作者带来全新的视频制作体验，也标志着阿里在AI生成内容领域迈出了重要一步。预约地址:https://tongyi.

Connectly.ai，一家利用AI技术协助零售商和电商在各类消息平台上销售商品的服务公司，宣布获得阿里巴巴领投的2000万美元B轮融资。此轮融资旨在扩大Connectly的平台规模，并计划于今年年底前将旧金山员工数量增加至近80人。公司创始人Stefanos Loukakos，曾担任Meta Messenger部门和区块链组织主管，注意到在线零售商难以有效联系潜在客户的问题，因此开发了此平台。Connectly.ai集成了多种消息服务，如WhatsApp、Instagram、SMS和在线聊天机器人，允许品牌进行广告活动并自动与客户互动。其AI技术基于品牌产品目录和偏好进行个性化定制，向客户提供价格变动、库存和优惠等信息。目前，Connectly.ai拥有300多名付费客户，预计2024年收入将增长100%，去年收入增长了5倍。阿里巴巴对Connectly.ai的投资旨在支持其在AI对话式商务领域的创新。

在阿里巴巴成立25周年之际，公司创始人马云在内部网站上发表了感人肺腑的讲话。马云强调，阿里巴巴之所以能够成为今天的阿里巴巴，是因为它始终坚持理想主义精神，相信市场的力量和创新的价值，并坚信只有为社会创造真正价值的公司才能长久生存。

阿里巴巴集团的通义千问QwenLM项目遭遇了Github页面意外下线，用户访问时收到404错误。项目负责人林俊旸在朋友圈回应表示团队并未消失，正与官方沟通解决页面下线问题。尽管团队努力，页面仍无法访问。值得一提的是，该团队近期发布了Qwen2-VL模型，此模型在处理长达20分钟的视频内容方面表现出色，刷新了多模态模型的多项权威评测指标，部分指标超越了GPT-4o和Claude3.5-Sonnet等先进模型。

​9月2日，通义千问宣布开源其第二代视觉语言模型Qwen2-VL，并在阿里云百炼平台上推出2B、7B两个尺寸及其量化版本模型的API，供用户直接调用。Qwen2-VL模型在多个方面实现了性能的全面提升。它能够理解不同分辨率和不同长宽比的图片，在DocVQA、RealWorldQA、MTVQA等基准测试中创下全球领先的表现。

阿里云通义大模型平台推出免费的"PPT创作"功能，通过自主研发，简化PPT制作流程，支持智能内容生成、精美设计与智能编排。用户只需输入文本或上传文档，系统即可自动生成大纲并创作内容，设计方面依托通义万相视觉大模型，确保配图与主题高度契合。该功能提供多种模板，满足工作汇报、学术演讲、日常分享等需求。此外，通义网页版还升级了"实时记录"与"阅读助手"功能，与"PPT创作"共同构成通义效率板块，提供从信息搜集整理、内容理解到内容创作的完整流程。未来，通义将继续创新，围绕工作学习场景提升用户效率。

阿里巴巴云计算部门发布全新AI模型Qwen2-VL，具备理解视觉内容的强大功能，能实时分析长达20分钟的视频，并总结视频内容、回答相关问题，提供在线聊天支持。在第三方基准测试中，Qwen2-VL部分指标超越了包括Meta的Llama3.1、OpenAI的GPT-4o、Anthropic的Claude3Haiku和Google的Gemini-1.5Flash在内的领先模型。支持英语、中文及多种欧洲、亚洲语言，适配全球用户。模型提供三个参数版本，7B和2B版本在Apache2.0许可证下开源，允许商业使用。Qwen2-VL还引入了Naive Dynamic Resolution和Multimodal Rotary Position Embedding技术，提升模型在不同分辨率图像处理和跨模态信息整合的能力。该模型旨在提升对视觉数据的理解和处理能力，是视觉语言模型技术的突破，阿里巴巴将继续探索其更多应用场景。

​阿里巴巴达摩院的通义千问团队在2024年8月30日宣布了其最新成果——Qwen2-VL模型的重大更新。Qwen2-VL模型在图像理解、视频处理和多语言支持方面均实现了显著提升，为关键性能指标设定了新的基准。

中国科学院地球化学研究所与阿里云合作，在2024数博会上发布了全球首个“月球科学多模态专业大模型”。该模型基于阿里云通义系列，采用RAG检索增强技术，在阿里云百炼专属版上进行微调与训练，专门用于提高月球撞击坑年代与形态的判别准确率，目前已达80%以上。这一创新模型结合了视觉、多模态及自然语言处理技术，其最佳应用是识别月球上的撞击坑，对于研究月球地质演化具有重要意义。通过该模型，科研人员能更高效地分析月球数据，只需输入撞击坑图像及相关问题，模型即可判定图像类型并提供答案。未来，该模型将嵌入“数字月球云平台”，与FAST等大科学装置一起，作为科研基础设施，推动我国月球与行星科研创新加速。

2023年，中国人工智能公有云服务市场呈现强劲增长，规模达到126.1亿元人民币，同比增长58.2%。大模型在推动生成式AI应用创新与传统AI应用落地中扮演关键角色。百度智能云与阿里云并列市场第一，腾讯云紧随其后，华为云位列第三，显示市场竞争激烈。报告特别关注计算机视觉、对话式AI、智能语音等服务市场，其中腾讯云、百度智能云和阿里云占据主导地位。此外，自然语言处理和机器学习平台市场也持续发展，阿里云在自然语言处理市场领先，华为云和腾讯云紧随其后。IDC分析师指出，随着大模型和生成式AI的落地，公有云服务将迎来巨大机遇，云服务商将通过投资与生态扩张成为AI领域的关键推动力。

通义千问启用新域名“tongyi.ai”，推出包括深度搜索能力在内的新功能，提升用户体验。新增的网页版对话功能支持深度搜索，提供专业、结构化的搜索结果，并通过数字角标显示来源网页及一键跳转链接。App升级后新增图片微动效功能，支持多尺寸图片上传，并优化了自定义唱演功能，解决长音频上传问题，将上传时长从120秒提升至300秒，同时新增3:4画幅支持，回应用户需求。

阿里团队最新发布的mPLUG-Owl3是一个通用多模态大模型，其核心能力是对长图像序列的理解。通过引入超注意力模块，mPLUG-Owl3能够高效处理视觉和语言信息，实现对图片、视频等多模态数据的深入理解和交流。该模型在推理效率、图像处理能力、以及多模态知识应用上均取得了显著突破，尤其是在视频理解领域，能够在4秒内“看”完一部2小时的电影，并准确回答与之相关的问题。mPLUG-Owl3采用了轻量化的Hyper Attention模块，优化了模型训练和推理效率，使其在多个多模态基准测试中达到或超越了当前最优水平。这一技术的发布不仅标志着多模态大模型领域的重要进展，也为未来在图像、视频处理及人机交互领域提供了新的可能性。

阿里巴巴集团近日公布了2025财年第一季度的业绩报告，其中阿里云表现尤为突出。财报显示，阿里云营收同比增长6%，达到265.49亿元，AI相关产品收入实现了三位数的增长，公共云业务也实现了两位数的增长。经调整EBITA利润同比增长155%，达到23.37亿元。

阿里巴巴集团的研究团队发布了一种名为 UniPortrait 的全新框架，专注于实现人像图像的个性化处理，包括单角色一致性、多角色一致性和风格参考。UniPortrait 特别设计了 ID 嵌入和 ID 路由两个模块，能够保持面部特征的高度逼真，支持广泛的面部编辑功能，甚至允许用户使用自由形式的文本描述生成图像，无需固定布局。通过两阶段的训练方案，UniPortrait 在单一和多重身份的定制上表现出色，实验结果显示其良好的可扩展性，能够与现有生成控制工具兼容。此框架为人像图像的个性化定制提供了新可能性，特别是在自由文本提示和多样化布局生成方面，展现了在实际应用中的巨大潜力。