核心内容の要約
アリババはビデオ生成モデルの分野で、HappyHorseとWan 3.0という2つの機能が高度に重複するモデルを同時に推進している。HappyHorseは淘宝天实验室（Taobao Tian Laboratory）から生まれ、ビジネスシナリオ向けに特化しており、Wan 3.0は通義体系（Tongyi System）から派生し、基本的な機能に重点を置いている。当初は異なるアプローチを取っていたが、Wan 3.0の改良に伴い、提供される機能（テキストや画像からのビデオ生成、編集など）やユーザー層が徐々に重なり始め、同じプラットフォーム上で異なる価格で競争するようになった。現在、両チームは同一の事業部門に統合されているが、それぞれが別々にモデルを更新しており、リソースの無駄遣いが発生している。記事では、ビデオ生成モデルは資金を消費しやすく、ビジネスモデルも安定していないため、アリババは早急にこれら2つのモデルを統合し、リソースを集中して核心的な能力を向上させるべきだと指摘している。無意味な内部競争を続けるよりも、この方が効果的だ。
一、内部競争：「合理的な試み」から「リソースの浪費」へ
当初、アリババが2つのチームに異なるアプローチを取らせたのは理にかなっていた：
- Wan は通義の大規模モデルシステムに属し、「汎用ツールボックス」のようなもので、技術的な基盤能力や開発者エコシステムを重視しており、基本的な研究に適している。
- HappyHorse は淘宝天实验室から生まれた「シナリオ専用ツール」で、広告や短編動画などのビジネスシナリオに特化しており、ユーザーのニーズに密接に対応している。
しかし現在は状況が変わっている：
- 機能の重複：Wan 3.0はHappyHorseの核心的な機能（オリジナル音声の生成やキャラクターの一致性など）を取り入れ、さらに価格も安く（720Pで毎秒0.6元対HappyHorseの0.9元）。
- チームの統合：今年の6月には、2つのチームは吴泳铭（Wu Yongming）が責任を持つToken Foundry事業部門に統合された。組織的には早くから協力すべきだった。
- 顧客層の重複：両方ともアリババの百炼プラットフォームで同じ企業やクリエイターを競争相手としている。
このような状況では、まるで「家に似たような洗濯機が2台あり、機能はほぼ同じなのに別々に洗剤を購入し、電源コンセントを奪い合っている」ようなものだ。資金と人的リソースの無駄遣いであり、ユーザーも混乱する（どちらを選べばいいかわからない）。
二、ビデオモデル分野：「長期的な競争」には向いていない
ビデオ生成モデルはインターネット製品とは異なり、以下の2つの特徴から内部競争を続けることができない：
1. 資金とリソースの消費：ビデオモデルのトレーニングには大量のデータと高性能なコンピューターが必要で、毎回の改良には多額の費用がかかる。2つのモデルを別々にトレーニングすると、同じ目的のために二重のコストが発生する。
2. 技術的なアプローチの収束：現在、ビデオモデルの核心的な能力（再生時間、画質、マルチモーダル入力など）はすべての企業が追求しており、HappyHorseとWan 3.0もほぼ同等の水準に達している。違いは「好み」の問題であり（例えば、あちらはキャラクター生成に強く、こちらはカメラワークに強い）、技術的な世代差ではない。
まるで2人が山を登るようなもので、最初は別々の道を歩いていたが、途中で道が近づいていることに気づき、それぞれ別々に進むと体力の無駄になる。統合して一緒に頂上を目指した方が効率的だ。
三、「長所」も「低価格」もない全能型モデルは「偽の優位性」に過ぎない
Wan 3.0であれHappyHorseであれ、ユーザーが必ず使いたくなるような核心的な機能はない：
- Wan 3.0 は30秒のビデオ生成やPPT入力をサポートすると主張しているが、ユーザーが本当に求めているのは「一度で使えるコンテンツ」だ。キャラクターの動きが不自然だったり、シーンのフレーム落ちがあったりすると、機能が多くてもユーザーは何度も再生成を繰り返さなければならず、結果的にコストが高くなる。
- HappyHorse は広告や短編動画に強いが、キャラクターの一致性が不足していたり（例えば1秒前に赤い服を着ていて次の瞬間に青い服に変わったり）、商品の再現が不正確だったりすると、企業は使用をためらう。
- 低価格の罠：Wan 3.0の720Pは安いが、10回生成してようやく使えるビデオが得られる場合、総費用はHappyHorseよりも高くなる。ユーザーが求めているのは「コストパフォーマンス」であり、「単価の低さ」ではない。
例えば、散髪に行ったとき、ある理髪師は「何でも切れますし、安いです」と言うが、毎回の仕上がりが異なる。もう一方の理髪師は短髪に特化しており、迅速かつ丁寧に切ってくれる。どちらを選ぶだろうか？ビデオモデルも同じであり、全能型や低価格は意味がない。
四、統合の最善策：基盤の統一と上層の分業
記事ではアリババに以下のような対応を提案している：
- 基盤の統合：Wanを統一された基本モデルとし、HappyHorseが持つビジネスシナリオ（広告や短編動画）やキャラクター表現に関する知識を取り入れ、核心的な能力（キャラクターの一致性や動きの自然さなど）を業界トップレベルに引き上げる。
- ブランドの維持：HappyHorseはクリエイター向けの製品ブランドとして存続し、テンプレートやワークフロー（例えばワンクリックで広告スクリプトを生成する機能）を提供し、ユーザーの利便性を高める。
これにより、無駄な重複を避けつつ、技術的な深さとユーザー体験の両方を実現できる。まるでスマートフォンメーカーが基盤となるチップを統一して開発し、異なるシリーズ（例えばHuaweiのMateシリーズやPシリーズ）を提供するように、それぞれに特化しながらも共通の技術を共有するのだ。
五、アリババの「思考の慣性」：AI時代以前の競争手法はもはや適していない
アリババは過去にインターネット製品（例えばeコマースやソーシャルネットワーク）を開発する際に、内部での競争（複数のチームが似たようなアプリを開発する）を通じて迅速に試行錯誤を行い、勝者がすべてを独占するという手法を好んでいた。しかしAIモデルは異なる：
- インターネット製品の試行錯誤のコストは低い（アプリのコードを書くのにそれほど費用はかからないが、AIモデルのトレーニングには数百万円もかかることがある）。
- インターネット製品は「機能の迅速な改良」で勝利するが、AIモデルは「核心技術の突破」で勝利する。まずは「基盤」をしっかり築く必要がある（例えばモデルの生成品質）。
したがって、アリババが直面している問題は、「インターネット製品の思考」から「AIモデルの思考」へと切り替わっていないことだ。競争を続けるだけでは、ビデオモデル分野での優位性を築く機会を逃すことになる。
最後のまとめ
アリババは2つのモデルが顧客を奪い合うよりも、それらを統合して「他社にはできないこと」を実現するために力を集中すべきだ。それこそがAI時代に勝利する鍵だ。