Краткое содержание анализа
Компания Alibaba одновременно развивает две модели для генерации видео с высокой степенью пересечения функций — HappyHorse и Wan 3.0: первая была создана в лаборатории Taotian и ориентирована на коммерческие сценарии, вторая — в рамках системы Tongyi и акцентирует внимание на базовых возможностях. Хотя изначально у моделей были разные подходы, по мере обновлений Wan 3.0 их функции (генерация текста/изображений в видео, редактирование и т. д.) и целевая аудитория начали совпадать; они даже конкурируют друг с другом на одной платформе по разным ценам. В настоящее время команды объединены в одно подразделение, но продолжают обновлять отдельные модели, что приводит к расточительству ресурсов. Автор статьи считает, что разработка моделей для генерации видео требует значительных инвестиций, а бизнес-модель ещё не устоялась, поэтому Alibaba должно как можно скорее объединить эти проекты и сосредоточить ресурсы на развитии ключевых компетенций, а не продолжать бессмысленную внутреннюю конкуренцию.
I. Внутренняя конкуренция: от «разумных попыток» к «расточительству ресурсов»
Изначально было разумно, что Alibaba направило две команды по разным путям:
- Wan является частью большой модели Tongyi и представляет собой своего рода «универсальный набор инструментов», акцентирующий внимание на технологических основах и экосистеме разработчиков, что подходит для базовых исследований;
- HappyHorse, созданная в лаборатории Taotian, ориентирована на коммерческие сценарии (реклама, короткометражные фильмы) и ближе к потребностям пользователей.
Однако ситуация изменилась:
- Пересечение функций: Wan 3.0 включил в себя ключевые возможности HappyHorse (нативный звук, согласованность персонажей) и стал дешевле (0,6 юаня за секунду 720P против 0,9 юаня у HappyHorse);
- Объединение команд: В июне этого года обе команды были интегрированы в подразделение Token Foundry под руководством У Йонгминя;
- Совпадающая клиентская аудитория: Обе модели используются на платформе Alibaba для работы с теми же компаниями и создателями.
Продолжение конкуренции похоже на ситуацию, когда дома у вас две стиральные машины с похожими функциями, но вы покупаете отдельное средство для стирки и боретесь за один розетку — это не только трата денег и ресурсов, но и вызывает путаницу у пользователей (они не знают, что выбрать).
II. Неудачный подход к развитию моделей для генерации видео
Модели для генерации видео отличаются от других интернет-продуктов по двум особенностям, которые делают внутреннюю конкуренцию невозможной:
1. Высокие затраты и ресурсоемкость: Обучение таких моделей требует огромного количества данных и мощных вычислительных ресурсов; каждое обновление стоит дорого. Раздельное обучение двух моделей приводит к удвоению затрат на одну и ту же задачу;
2. Сходные технологические направления: Современные модели для генерации видео схожи по основным параметрам (длительность, качество изображения, мультимодальный ввод); различия между ними незначительны (например, одна модель лучше справляется с работой с персонажами, другая — с камерой), это не «поколенческие различия» (как между смартфонами и функциональными телефонами).
Это похоже на ситуацию, когда два человека вместе поднимаются на гору: если они идут разными путями, но на полпути пути обнаруживают, что они сближаются, то разделение ресурсов приведёт к трате сил — лучше объединить усилия и вместе добраться до вершины.
III. «Универсальность» без ярко выраженных преимуществ и низкие цены как пустые аргументы
Ни Wan 3.0, ни HappyHorse не обладают уникальными функциями, которые были бы обязательны для пользователей:
- Wan 3.0 заявляет о возможности генерации видео длительностью до 30 секунд и поддержке работы с PPT, но пользователям нужно, чтобы готовое видео было пригодным для использования сразу; если движения персонажей неестественны или кадры пропускаются, даже множество функций не помогут;
- HappyHorse ориентирована на рекламу и короткометражные фильмы, но если согласованность персонажей недостаточна (например, персонаж меняет одежду между кадрами) или цвета товаров не соответствуют реальности, продавцы не захотят использовать эту модель;
- Ловушка низких цен: Wan 3.0 дешевле, но если для получения одного пригодного видео потребуется множество попыток, общая стоимость может оказаться выше, чем у HappyHorse. Пользователи ценят соотношение цены и качества, а не саму низкую цену.
Пример: если вы идёте на стрижку, один мастер говорит, что может сделать любой вид стрижки за низкую цену, но результат каждый раз разный; другой специализируется на коротких стрижках и делает это быстро и качественно — кого вы выберёте? То же самое и с моделями для генерации видео: без ярко выраженных преимуществ универсальность и низкие цены бесполезны.
IV. Оптимальное решение: объединение на базовом уровне с разделением функций на верхнем
Автор предлагает Alibaba следующее:
- Объединить модели на базовом уровне: использовать Wan в качестве единой основы и применить опыт HappyHorse в коммерческих сценариях (реклама, короткометражные фильмы) для развития ключевых функций (согласованность персонажей, естественность движений) до лидирующих стандартов;
- Сохранить бренд HappyHorse: продолжить использовать его как бренд для создателей с функциями автоматического формирования рекламных сценариев и упрощения рабочих процессов.
Таким образом можно избежать повторного создания одних и тех же решений, а также добиться глубокого технологического развития и улучшения пользовательского опыта — как у производителей смартфонов, которые используют единые чипы для создания разных серий (например, Mate и P-серии от Huawei).
V. «Инерция мышления» Alibaba: подходы эпохи ИИ уже не актуальны
Раньше, при разработке интернет-продуктов (электронная коммерция, социальные сети), Alibaba использовало внутреннюю конкуренцию для быстрого тестирования идей; победитель забирал всё. Однако с ИИ-моделями ситуация иная:
- Тестирование интернет-продуктов обходится дешево (написание кода для приложения не требует больших затрат), но разработка ИИ-моделей стоит миллионов;
- Для успеха с интернет-продуктами важно быстрое обновление функций, для ИИ-моделей — прорывы в ключевых технологиях. Сначала необходимо укрепить «основу» (качество генерации модели), а затем уже можно расширять возможности продукта.
Проблема Alibaba заключается в том, что компания ещё не перешла от подходов, характерных для интернет-продуктов, к подходам, соответствующим особенностям разработки ИИ-моделей; продолжение внутренней конкуренции только приведёт к расточительству ресурсов и упущению возможностей для создания преимуществ на рынке моделей для генерации видео.
Вывод
Вместо того чтобы позволять двум моделям конкурировать друг с другом за клиентов, Alibaba следует объединить их усилия для решения сложных задач, которые невозможно выполнить другими компаниями — в этом ключ к успеху в эпоху ИИ.