核心内容总结
阿里在视频生成模型赛道同时推进两个功能高度重合的模型——HappyHorse和Wan 3.0：前者出身淘天实验室，主打商业场景；后者来自通义体系，侧重基础能力。尽管两者最初路线不同，但随着Wan 3.0迭代，功能（文生/图生视频、编辑等）和用户群体逐渐重叠，甚至在同一平台用不同价格竞争。目前团队已合并到同一事业部，却仍各自更新模型，造成资源浪费。文章认为，视频生成模型烧钱且商业模式未稳定，阿里应尽早合并两者，集中资源突破核心能力，而非继续无意义的内部赛马。
一、内部赛马：从“合理尝试”到“资源内耗”
一开始，阿里让两个团队走不同路线是有道理的：
- Wan 属于通义大模型体系，像“通用工具箱”，强调技术底层能力和开发者生态，适合做基础研究；
- HappyHorse 来自淘天实验室，像“场景专用工具”，主打广告、短剧等商业场景，更贴近用户需求。
但现在情况变了：
- 功能重合：Wan 3.0把HappyHorse的核心能力（如原生音频、人物一致性）都吸收了，甚至价格更便宜（720P每秒0.6元 vs HappyHorse的0.9元）；
- 团队合并：今年6月，两个团队已被整合到吴泳铭负责的Token Foundry事业部，组织上早该协同；
- 客户重叠：都在阿里的百炼平台上抢同一批企业和创作者客户。
继续赛马就像“家里有两台洗衣机，功能差不多，却要分开买洗衣液、占地方，还互相抢插座”——不仅浪费钱和人力，还让用户 confusion（不知道选哪个）。
二、视频模型赛道：天生不适合“长期赛马”
视频生成模型和互联网产品不一样，它有两个特点决定了不能一直内部竞争：
1. 烧钱烧资源：训练视频模型需要海量数据、超算算力，每一次迭代都是真金白银砸出来的。两个模型分开训练，等于双倍成本做同一件事；
2. 技术路线趋同：现在视频模型的核心能力（时长、画质、多模态输入）大家都在追，HappyHorse和Wan 3.0已经处在同一水平，差异只是“口味偏好”（比如这个擅长人物，那个擅长镜头），不是“代际差距”（比如智能手机 vs 功能机）。
就像两个人一起爬山，一开始走不同路，但到了半山腰发现路越来越近，再分开走就是浪费体力——不如合并路线，一起冲顶。
三、没有“长板”的全能和低价，都是“伪优势”
不管是Wan 3.0还是HappyHorse，都没有一项“让用户非用不可”的核心能力：
- Wan 3.0 说自己能生成30秒视频、支持PPT输入，但用户真正需要的是“生成的内容一次能用”——如果人物动作僵硬、场景跳帧，即使功能再多，用户还是要反复生成，总成本反而更高；
- HappyHorse 主打广告和短剧，但如果人物一致性不够（比如前一秒穿红衣服后一秒变蓝），商品还原不准（比如口红颜色不对），商家根本不敢用；
- 低价陷阱：Wan 3.0的720P更便宜，但如果生成10次才得到一条可用视频，总费用反而比HappyHorse更高。用户要的是“性价比”，不是“单价低”。
举个例子：你去剪头发，一个理发师说“我什么发型都能剪，还便宜”，但剪出来的效果每次都不一样；另一个理发师只擅长剪短发，但剪得又快又好——你会选哪个？视频模型也是一样，没有长板，全能和低价都是空的。
四、合并最优解：底层统一，上层分工
文章建议阿里这么做：
- 底层合并：把Wan作为统一的基础模型，吸收HappyHorse在商业场景（如广告、短剧）和人物表现上的经验，集中资源把核心能力（比如人物一致性、动作自然度）做到行业顶尖；
- 上层保留品牌：HappyHorse继续作为面向创作者的产品品牌，负责做模板、工作流（比如一键生成广告脚本），让用户用起来更方便。
这样既避免了重复造轮子，又能兼顾技术深度和用户体验——就像手机厂商，底层芯片统一研发，上层可以做不同系列的手机（比如华为的Mate和P系列），各有侧重但共享核心技术。
五、阿里的“思维惯性”：前AI时代的赛马不适用了
阿里以前做互联网产品（比如电商、社交）时，喜欢用内部赛马（比如多个团队做类似APP）来快速试错，赢者通吃。但AI模型不一样：
- 互联网产品试错成本低（写个APP代码花不了多少钱），但AI模型试错成本极高（训练一次可能要几百万）；
- 互联网产品靠“快速迭代功能”取胜，AI模型靠“核心技术突破”取胜——你得先把“地基”打牢（比如模型的生成质量），才能盖高楼（拓展场景）。
所以阿里现在的问题，是还没从“互联网产品思维”切换到“AI模型思维”——继续赛马，只会分散资源，错过在视频模型赛道建立优势的机会。
最后一句话总结
阿里与其让两个模型互相抢客户，不如把它们拧成一股绳，集中力量做一件“别人做不到的事”——这才是在AI时代胜出的关键。