AI視頻這條賽道，最近有點(diǎn)冷，Seedance 2.0陷入版權(quán)爭(zhēng)議，OpenAI關(guān)停Sora ，讓這條賽道上空陰霾密布。

就在這個(gè)時(shí)候，阿里牽出來(lái)了一匹黑馬。

2026年4月，HappyHorse-1.0沖上Artificial Analysis榜首，在文生視頻和圖生視頻（無(wú)音頻）兩個(gè)賽道同時(shí)壓過(guò)字節(jié)、快手等對(duì)手。

張迪在2025年11月回歸阿里巴巴，接任淘天集團(tuán)未來(lái)生活實(shí)驗(yàn)室負(fù)責(zé)人一職，并直接向阿里媽媽CTO鄭波匯報(bào)工作。

也就是說(shuō)，張迪從回歸到闖出名堂，中間也就隔了5個(gè)月左右。

關(guān)鍵在于，HappyHorse和阿里的千問(wèn)一樣，開放了可商用的開源版本。

現(xiàn)在千問(wèn)在阿里什么地位？它是阿里集團(tuán)級(jí)的核心通用大模型底座、AI戰(zhàn)略的絕對(duì)核心載體。阿里現(xiàn)如今的一切，都是在圍繞千問(wèn)進(jìn)行布局。

所以HappyHorse對(duì)阿里的意義，可能也遠(yuǎn)不止是一個(gè)刷榜秀技術(shù)的模型那么簡(jiǎn)單。

不過(guò)在理解阿里的想法之前，我們應(yīng)該先來(lái)聊聊，張迪是誰(shuí)。

01

從阿里到快手再回阿里

張迪畢業(yè)于上海交通大學(xué)計(jì)算機(jī)專業(yè)，本碩連讀，2010年畢業(yè)后加入阿里巴巴，長(zhǎng)期負(fù)責(zé)阿里媽媽的大數(shù)據(jù)和機(jī)器學(xué)習(xí)工程架構(gòu)。

阿里媽媽做的是廣告、推薦、搜索和轉(zhuǎn)化，背后是大規(guī)模數(shù)據(jù)、大規(guī)模分發(fā)和復(fù)雜工程系統(tǒng)。這些東西聽(tīng)起來(lái)沒(méi)有大模型那么熱鬧，但它們正是后來(lái)中國(guó)互聯(lián)網(wǎng)公司訓(xùn)練AI人才的地方。

很多真正能把模型做成產(chǎn)品的人，并不是純粹從實(shí)驗(yàn)室里出來(lái)的。他們更早經(jīng)歷過(guò)搜索、推薦、廣告、內(nèi)容分發(fā)這些系統(tǒng)的歷練。

這我隨便舉幾個(gè)例子你就懂了。谷歌CEO桑達(dá)爾·皮查伊，他就是做搜索欄和Youtube內(nèi)容推薦出身的，微軟的CEO薩提亞·納德拉，他在微軟一開始開發(fā)的就是必應(yīng)搜索引擎和微軟廣告體系。

因?yàn)檫@些系統(tǒng)每天都在處理海量用戶行為，也要求模型能在真實(shí)業(yè)務(wù)里穩(wěn)定運(yùn)行。它不允許工程師只做一個(gè)好看的demo，它強(qiáng)迫你做出真正有用的東西出來(lái)，還必須在延遲、成本、效果、反饋之間反復(fù)取舍。

張迪在阿里的十年，大致就是在這樣的環(huán)境里度過(guò)的。那時(shí)候外界還沒(méi)有把所有事情都叫作大模型，但阿里內(nèi)部早就有一套圍繞數(shù)據(jù)、算法和工程化的訓(xùn)練場(chǎng)。

2020年，張迪離開阿里去了快手。

當(dāng)時(shí)的短視頻平臺(tái)，已經(jīng)從流量競(jìng)爭(zhēng)進(jìn)入技術(shù)競(jìng)爭(zhēng)階段。張迪在快手歷任技術(shù)副總裁、大模型與多媒體技術(shù)團(tuán)隊(duì)負(fù)責(zé)人，后來(lái)主導(dǎo)了可靈大模型的底層架構(gòu)研發(fā)和應(yīng)用落地。

可靈對(duì)快手的意義是非常重大的。

可靈讓快手從過(guò)去的 “內(nèi)容分發(fā)平臺(tái)”，升級(jí)為 “內(nèi)容生產(chǎn)基礎(chǔ)設(shè)施提供商”，構(gòu)建了 “創(chuàng)意生成-視頻制作-一鍵分發(fā)-流量變現(xiàn)-數(shù)據(jù)迭代” 的完整閉環(huán)

2025年4月，快手成立可靈AI事業(yè)部，并升級(jí)為公司一級(jí)部門，直接向 CEO 程一笑匯報(bào)，與短視頻主業(yè)務(wù)平起平坐。

所以當(dāng)他在2025年9月短暫加入B站，又在兩個(gè)月后回到阿里時(shí)，這個(gè)動(dòng)作就很難只看成一次普通的人才流動(dòng)。

B站需要視頻技術(shù)，阿里同樣需要視頻技術(shù)，只是阿里的需求更復(fù)雜。

快手做視頻生成，無(wú)非就是分發(fā)。但阿里要是做視頻生成，那背后牽連的環(huán)節(jié)就多了去了。有電商、廣告、直播、云服務(wù)和海外商家。

前文提到，張迪2025年11月回歸阿里后，出任淘天集團(tuán)“未來(lái)生活實(shí)驗(yàn)室”負(fù)責(zé)人，職級(jí)P11。

如此安排下來(lái)，阿里味還是很濃的。它沒(méi)有把視頻模型簡(jiǎn)單放在一個(gè)純研究部門里，其位置反而更靠近淘天這樣一個(gè)交易現(xiàn)場(chǎng)。

換句話說(shuō)，HappyHorse從構(gòu)思開始，就是一個(gè)強(qiáng)調(diào)落地，和阿里現(xiàn)有生態(tài)綁定的產(chǎn)品。

五個(gè)月后，HappyHorse出現(xiàn)了。

這個(gè)速度確實(shí)快，阿里給了張迪一個(gè)新的業(yè)務(wù)場(chǎng)景和團(tuán)隊(duì)，他把視頻模型這條路線再次打通。

他既不是從零開始進(jìn)入AI視頻，也不是單純從外部空降到阿里。

他的職業(yè)路徑像一條繞出去又繞回來(lái)的線。先在阿里學(xué)會(huì)大規(guī)模商業(yè)系統(tǒng)怎么運(yùn)轉(zhuǎn)，再去快手把視頻生成做成產(chǎn)品，然后又回到阿里，把這套能力放進(jìn)更大的商業(yè)機(jī)器里。

很多公司都在搶大模型人才，但真正稀缺的人，往往是能同時(shí)理解模型、業(yè)務(wù)和組織的人。

單純會(huì)訓(xùn)練模型的人很多，單純會(huì)講戰(zhàn)略的人也很多，難的是有人知道一個(gè)模型從技術(shù)路線開始，到架構(gòu)設(shè)計(jì)，到訓(xùn)練推理，到產(chǎn)品出口，到最后被商家和用戶用起來(lái)，中間每一步會(huì)在哪里卡住。

HappyHorse把張迪重新推到臺(tái)前，也讓阿里過(guò)去幾年相對(duì)分散的AI敘事有了一個(gè)更具體的人物入口。

02

開源模型如何擊敗閉源巨頭

HappyHorse真正引起關(guān)注的點(diǎn)，在于它贏得太突然了。

在視頻生成這條賽道上，海外有Runway、Pika、Luma、Google的Veo，國(guó)內(nèi)有字節(jié)的Seedance、快手的可靈。阿里排不上號(hào)。

所以當(dāng)HappyHorse剛屠榜的時(shí)候，大家甚至更愿意相信說(shuō)這是某創(chuàng)業(yè)公司開發(fā)的模型，也不愿意相信這是阿里的模型。

HappyHorse在文本轉(zhuǎn)視頻和圖像轉(zhuǎn)視頻兩個(gè)賽道都處在第一梯隊(duì)，文本轉(zhuǎn)視頻Elo分?jǐn)?shù)為1333，圖像轉(zhuǎn)視頻Elo分?jǐn)?shù)為1392。

Artificial Analysis的榜單本身會(huì)隨用戶盲測(cè)不斷變化，后續(xù)頁(yè)面分?jǐn)?shù)也有更新，但是它確實(shí)在用戶偏好測(cè)試中壓過(guò)了一批更早出名的閉源模型。

這事其實(shí)挺反常的。通常來(lái)說(shuō)，視頻生成是最吃錢、吃數(shù)據(jù)、吃算力的方向之一。

閉源大廠可以把數(shù)據(jù)、模型細(xì)節(jié)、推理系統(tǒng)和產(chǎn)品體驗(yàn)藏在自己平臺(tái)里，持續(xù)做內(nèi)部迭代。

開源模型則要面對(duì)更多現(xiàn)實(shí)限制，它的參數(shù)要能公開，推理要能跑起來(lái)，社區(qū)要能復(fù)現(xiàn)，效果還要經(jīng)得起橫向比較。

所以在HappyHorse出現(xiàn)之前，開源視頻模型大多數(shù)都是玩具，輸出的視頻不夠穩(wěn)定，人物還經(jīng)常會(huì)出現(xiàn)漂移。

HappyHorse有150億參數(shù)、40層統(tǒng)一自注意力Transformer架構(gòu)，把文本、視頻、音頻三種模態(tài)的token放進(jìn)同一個(gè)序列里聯(lián)合建模。

這個(gè)路數(shù)和千問(wèn)非常像，這也就解釋了為什么張迪僅用5個(gè)月就把HappyHorse弄出來(lái)了，很可能是沿用千問(wèn)留下來(lái)的高質(zhì)量原生多模態(tài)訓(xùn)練方法。

像Sora這種非多模態(tài)原生的視頻生成模型，經(jīng)常會(huì)出現(xiàn)人物嘴在動(dòng)，聲音慢半拍的情況。并且有時(shí)候人物表情很豐富，但語(yǔ)氣不對(duì)。人物還有可能在聲音發(fā)出之前就行動(dòng)了。

HappyHorse評(píng)分高的原因就在于，它通過(guò)原生多模態(tài)解決了這個(gè)問(wèn)題。

HappyHorse原生支持英語(yǔ)、普通話、粵語(yǔ)、日語(yǔ)、韓語(yǔ)、德語(yǔ)、法語(yǔ)等多種語(yǔ)言的唇形同步，詞錯(cuò)誤率也被拿來(lái)和同類開源模型比較。

張迪為什么要這樣做？我的理解是，如果阿里想讓視頻生這項(xiàng)技術(shù)進(jìn)入廣告、電商、短劇、教育和直播，就不能只靠畫面漂亮。

它要能說(shuō)話，要能配音，要讓聲音和畫面同時(shí)成立。

另一個(gè)關(guān)鍵點(diǎn)是成本和速度。

HappyHorse在單張H100 GPU上生成5秒1080p視頻約需38秒，并采用DMD-2蒸餾技術(shù)把去噪步驟壓到8步。

這是視頻生成商業(yè)化繞不開的一道坎。模型效果再好，如果生成一條短視頻成本太高、等待太久，就很難進(jìn)入商家日常工作流。

商家不會(huì)為每個(gè)商品等半天，也不會(huì)為幾十個(gè)測(cè)試素材支付過(guò)高成本。

所以HappyHorse的意義不只是“能生成”，還在于它試圖把生成速度和推理成本壓到可用區(qū)間。

對(duì)開發(fā)者來(lái)說(shuō)，開源意味著可以自托管、微調(diào)、接入自己的產(chǎn)品。對(duì)平臺(tái)來(lái)說(shuō)，開源也會(huì)帶來(lái)更多社區(qū)反饋

一個(gè)閉源模型的進(jìn)步主要依靠公司內(nèi)部團(tuán)隊(duì)，一個(gè)開源模型會(huì)被開發(fā)者拿去做各種奇怪測(cè)試，問(wèn)題暴露得快，改進(jìn)方向也會(huì)變多。

Artificial Analysis的視頻競(jìng)技場(chǎng)采用用戶偏好投票，很多時(shí)候不只看某一個(gè)技術(shù)指標(biāo)，更看用戶在兩段視頻之間更喜歡哪一個(gè)。

當(dāng)然，張迪還不能太驕傲，一次榜單登頂不等于永遠(yuǎn)領(lǐng)先。

競(jìng)爭(zhēng)對(duì)手不會(huì)停在原地。HappyHorse現(xiàn)在贏下的只是一場(chǎng)公開測(cè)試，還不是整個(gè)戰(zhàn)爭(zhēng)。

HappyHorse如果只是一個(gè)能刷榜的模型，它的意義有限?？扇绻艹蔀榘⒗镌?、淘天業(yè)務(wù)共同使用的視頻生成底座，它就會(huì)變成一個(gè)入口。

所以說(shuō)HappyHorse擊敗閉源巨頭，最有意思的地方并不只是分?jǐn)?shù)領(lǐng)先。真正值得關(guān)注的是，它讓阿里找到了一種重新進(jìn)入視頻生成牌桌的方式。

它沒(méi)有先做一個(gè)面向C端用戶的APP，也沒(méi)有只在內(nèi)部做演示，而是直接拿開源模型接受全行業(yè)檢驗(yàn)。

這場(chǎng)勝利未必會(huì)持續(xù)很久，但張迪讓外界改變了對(duì)阿里在視頻生成模型上的判斷。

新的問(wèn)題變成了，阿里準(zhǔn)備把這項(xiàng)能力用到哪里？

03

HappyHorse對(duì)阿里的意義

HappyHorse最直接的落點(diǎn)，是電商。

過(guò)去大家談AI視頻，最容易想到影視、短劇、廣告大片、創(chuàng)作者工具。誠(chéng)然，這些都是實(shí)打?qū)嵉拇笫袌?chǎng)，不過(guò)它們離阿里的主業(yè)務(wù)還有一段距離。

阿里的優(yōu)勢(shì)不在于自己做一個(gè)視頻社區(qū)，也不在于讓普通用戶每天打開一個(gè)AI視頻APP消磨時(shí)間。阿里真正有優(yōu)勢(shì)的地方，是它手里有中國(guó)最密集的商品、商家、交易和廣告系統(tǒng)。

這也是為什么很多人都在意說(shuō)HappyHorse誕生于淘天集團(tuán)的“未來(lái)生活實(shí)驗(yàn)室”。

淘天每天面對(duì)的是商家怎么賣貨，商品怎么被看見(jiàn)，用戶為什么點(diǎn)進(jìn)來(lái)，又為什么下單。HappyHorse放在這里，大家自然就會(huì)想到它能不能提高商品內(nèi)容生產(chǎn)效率，能不能提高轉(zhuǎn)化，能不能幫平臺(tái)多做生意？

對(duì)一個(gè)普通商家來(lái)說(shuō)，視頻內(nèi)容一直是個(gè)麻煩事。

拍一條30秒的商品視頻，你要找場(chǎng)景、找模特、打光、剪輯、配音。大品牌可以請(qǐng)團(tuán)隊(duì)，中小商家更多時(shí)候只能自己湊。

很多商品賣點(diǎn)并不復(fù)雜，問(wèn)題在于沒(méi)人把賣點(diǎn)拍出來(lái)。它們放在白底圖里都很普通，一旦進(jìn)入具體場(chǎng)景，用戶才會(huì)意識(shí)到它能用來(lái)做什么。

前一陣在海外，太陽(yáng)能噴泉泵這個(gè)產(chǎn)品賣爆了，它原本只是庭院小件，效果也就那么回事。但是被AI視頻包裝成鳥浴盆、魚池和兒童浴缸里，酷炫的噴水玩具后，所有人都在瘋搶。

AI沒(méi)有改變商品本身，卻改變了用戶理解商品的方式。它把“功能說(shuō)明”變成了“使用場(chǎng)景”。

這正好擊中電商內(nèi)容的痛點(diǎn)。

商品頁(yè)里寫滿參數(shù)，用戶未必有耐心看；主播講半天，用戶也未必相信。但一條十幾秒的視頻，如果能把場(chǎng)景講清楚，轉(zhuǎn)化效率可能會(huì)高很多。

更重要的是，AI視頻可以批量生成。商家可以為同一個(gè)商品生成兒童版、家庭版、節(jié)日版、戶外版，也可以為不同國(guó)家生成不同語(yǔ)言、不同人物、不同場(chǎng)景。

這對(duì)阿里的意義，比單純做一個(gè)視頻生成工具要大。無(wú)論是淘寶，還是天貓，上面都有大量商家，也都有大量商品數(shù)據(jù)和交易反饋。

一個(gè)AI視頻工具如果只知道生成漂亮畫面，它很快會(huì)變成素材軟件；如果它能知道這個(gè)商品在什么場(chǎng)景下更容易被點(diǎn)擊，什么文案更容易帶來(lái)加購(gòu)，什么視頻前幾秒更容易留住用戶，它就會(huì)接近電商操作系統(tǒng)的一部分。

阿里比其他視頻生成模型公司多出來(lái)的，正是這個(gè)反饋閉環(huán)。

商品圖、詳情頁(yè)、評(píng)價(jià)、問(wèn)答、搜索詞、點(diǎn)擊率、加購(gòu)率、退款原因、直播間停留時(shí)間，這些東西看起來(lái)零碎，卻都是訓(xùn)練電商內(nèi)容能力的燃料。

HappyHorse如果接入這些反饋，就可以從“幫商家生成一條視頻”，進(jìn)化到“幫商家生成更可能賣貨的視頻”。

面向淘天，它可以做主圖視頻、商品場(chǎng)景短片、直播切片、虛擬主播和營(yíng)銷素材。

過(guò)去一個(gè)商家上新，可能只上傳幾張圖，最多再拍一條粗糙短視頻。以后它可以把商品圖、賣點(diǎn)、評(píng)價(jià)和人群標(biāo)簽交給系統(tǒng)，讓系統(tǒng)生成多條不同版本的視頻，再用真實(shí)投放和成交數(shù)據(jù)篩選出更有效的那一條。

這個(gè)過(guò)程如果跑順了，平臺(tái)內(nèi)容供給會(huì)明顯增加，中小商家的內(nèi)容門檻也會(huì)下降。

不過(guò)，AI視頻帶貨也有風(fēng)險(xiǎn)。它可以放大賣點(diǎn)，也可能放大幻覺(jué)。一個(gè)噴泉泵在AI視頻里噴得很高，現(xiàn)實(shí)里達(dá)不到那樣的效果。

阿里的機(jī)會(huì)不該是縱容商家用AI造夢(mèng)，重點(diǎn)應(yīng)該放在商品參數(shù)、實(shí)拍素材、買家評(píng)價(jià)和平臺(tái)審核上，讓生成內(nèi)容有邊界。

3月下旬，OpenAI宣布關(guān)停Sora獨(dú)立應(yīng)用和相關(guān)API。原因很現(xiàn)實(shí)，視頻生成太燒錢，用戶留存撐不起成本，OpenAI要把算力放回編碼、企業(yè)服務(wù)和機(jī)器人方向。

Sora倒在了商業(yè)賬上。

字節(jié)也在另一頭遇到麻煩。Seedance 2.0雖然效果也很猛，但是因?yàn)榘鏅?quán)問(wèn)題，字節(jié)暫停了Seedance 2.0的全球發(fā)布。

模型訓(xùn)練得越強(qiáng)，就越容易踩進(jìn)版權(quán)、肖像權(quán)和訓(xùn)練數(shù)據(jù)的泥潭。

這時(shí)再看張迪帶隊(duì)做出的HappyHorse，它有清晰的商業(yè)場(chǎng)景。而且阿里手里的商品圖、商家素材、實(shí)拍視頻和交易反饋，天然比影視IP更適合可控生成。

所以HappyHorse的價(jià)值，不只在榜單。它給AI視頻找了一個(gè)更穩(wěn)的落點(diǎn)。