阿里把视频模型塞进电商流水线，5个月干到全球第一

AI视频赛道最近有点凉。Seedance 2.0陷在版权纠纷里，OpenAI干脆把Sora关了，整个行业上空飘着一层灰。

但2026年4月，一匹叫HappyHorse-1.0的黑马突然杀上Artificial Analysis榜首，文生视频和图生视频两条线同时压过字节、快手。带队的人叫张迪，2025年11月才回归阿里，满打满算也就5个月。

更关键的是，HappyHorse跟千问一样，开源，可商用。

千问现在什么地位？阿里集团级的核心底座，AI战略的绝对C位。阿里这几年所有动作，本质上都是围着千问转。HappyHorse的权重，恐怕不止"刷榜秀肌肉"这么简单。

不过在拆解阿里的算盘之前，得先搞清楚张迪是谁。

上海交大计算机本硕，2010年进阿里，在阿里妈妈干了十年。阿里妈妈做的是广告、推荐、搜索和转化——听着没有大模型性感，但这套东西后来成了中国互联网公司的AI黄埔军校。

真正能把模型落地的人，往往不是在实验室泡出来的。他们更早经历过搜索、推荐、广告、内容分发这些系统的毒打。

随便举两个例子：谷歌CEO桑达尔·皮查伊，最早做搜索栏和YouTube推荐；微软CEO萨提亚·纳德拉，起手就是必应搜索和微软广告。这些系统每天吞吐海量用户行为，逼你在延迟、成本、效果、反馈之间反复取舍，不允许你只做一个好看的demo。

张迪在阿里的十年，就是这么过来的。那时候外界还没把所有事都叫大模型，但阿里内部早有一套围绕数据、算法和工程化的训练场。

后来他去了快手，从技术副总裁干到大模型与多媒体负责人，主导了可灵的底层架构。可灵让快手从"内容分发平台"升级成"内容生产基础设施"，搭起"创意生成-视频制作-一键分发-流量变现-数据迭代"的完整闭环。2025年4月，可灵AI事业部升格为一级部门，跟短视频主业务平级。

所以当他2025年9月短暂加入B站、两个月后又回阿里时，这事就很难看成普通跳槽。B站要视频技术，阿里也要，但阿里的需求复杂得多——电商、广告、直播、云服务、海外商家，全扯在一起。

张迪回归后的职位是淘天集团"未来生活实验室"负责人，P11，直接向阿里妈妈CTO郑波汇报。没把视频模型塞进纯研究部门，而是放在离交易现场更近的地方。HappyHorse从第一天起，就是绑着阿里生态长的。

他的职业路径像一根绕出去又绕回来的线：先在阿里学会大规模商业系统怎么运转，再去快手把视频生成做成产品，最后回来把这套能力塞进更大的机器里。

很多公司抢大模型人才，但真正稀缺的，是能同时理解模型、业务和组织的人。单纯会训模型的人很多，单纯会讲战略的也很多，难的是有人知道从技术路线到架构设计，到训练推理，到产品出口，再到被商家和用户用起来，中间每一步会在哪里卡住。

HappyHorse把张迪推到台前，也让阿里过去几年相对分散的AI叙事，有了一个具体的人物入口。

它真正让人意外的，是赢得太突然。

视频生成赛道，海外有Runway、Pika、Luma、Google Veo，国内有字节Seedance、快手可灵。阿里原本排不上号。HappyHorse屠榜时，大家宁愿相信这是某创业公司做的，也不信是阿里。

但它确实在文本转视频（Elo 1333）和图像转视频（Elo 1392）两条线都进了第一梯队。Artificial Analysis的榜单随用户盲测波动，后续分数也有更新，但它确实在用户偏好测试里压过一批更早成名的闭源模型。

这事反常。视频生成是最吃钱、吃数据、吃算力的方向之一。闭源大厂可以把数据、模型细节、推理系统藏在自己平台里，持续内部迭代。开源模型要公开参数、能跑起来、社区能复现、效果经得起横向比较——限制多得多。

HappyHorse之前，开源视频模型大多是玩具，输出不稳定，人物漂移是常态。

HappyHorse有150亿参数、40层统一自注意力Transformer，把文本、视频、音频三种模态的token塞进同一个序列联合建模。这跟千问的路数很像，也解释了为什么张迪5个月就能做出来——大概率沿用了千问的高质量原生多模态训练方法。

非多模态原生的模型，比如Sora，经常嘴在动、声音慢半拍，或者表情丰富但语气不对，甚至人还没说话就先动了。HappyHorse评分高，是因为它用原生多模态解决了同步问题。

它还原生支持英语、普通话、粤语、日语、韩语、德语、法语的唇形同步，词错误率也被拿来跟同类开源模型比较。

张迪为什么这么做？我的理解是，如果阿里想让视频生成进广告、电商、短剧、教育、直播，就不能只靠画面漂亮。它得能说话、能配音、让声音和画面同时成立。

生成效率上，单张H100跑5秒1080p视频约38秒，用DMD-2蒸馏把去噪步骤压到8步。这是商业化绕不开的坎——模型再好，生成一条视频等半天、成本太高，就进不了商家日常工作流。商家不会为每个商品干等，也不会为几十个测试素材付高价。

所以HappyHorse的意义不止"能生成"，还在于它试图把速度和成本压到可用区间。

对开发者，开源意味着自托管、微调、接入自己的产品。对平台，开源带来更多社区反馈。闭源模型的进步靠内部团队，开源模型会被开发者拿去做各种奇怪测试，问题暴露快，改进方向也多。

Artificial Analysis的视频竞技场采用用户偏好投票，很多时候不只看技术指标，更看用户在两段视频之间更喜欢哪个。

当然，张迪还不能太飘。一次榜单登顶不等于永远领先，竞争对手不会原地踏步。HappyHorse现在赢下的只是公开测试，不是整场战争。

如果它只是一个能刷榜的模型，意义有限。但如果能成为阿里云、淘天共同使用的视频生成底座，就会变成入口。

击败闭源巨头最有意思的地方，不只是分数领先。真正值得关注的是，它让阿里找到了重新进入牌桌的方式——没先做C端APP，也没只在内网演示，而是直接拿开源模型接受全行业检验。

这场胜利未必持续很久，但张迪让外界改变了对阿里视频生成能力的判断。新的问题是：阿里准备把这项能力用到哪？

最直接的落点，是电商。

谈AI视频，大家容易想到影视、短剧、广告大片、创作者工具。这些市场确实大，但离阿里主业务有距离。阿里的优势不在自建视频社区，也不在让用户每天打开AI视频APP消磨时间。它真正的筹码，是中国最密集的商品、商家、交易和广告系统。

HappyHorse诞生于淘天"未来生活实验室"，这个位置本身就说明问题。淘天每天面对的是商家怎么卖货、商品怎么被看见、用户为什么点进来又为什么下单。HappyHorse放在这里，大家自然会问：它能不能提高商品内容生产效率？能不能提高转化？能不能帮平台多做生意？

对普通商家，视频内容一直是麻烦事。拍30秒商品视频，要找场景、找模特、打光、剪辑、配音。大品牌能请团队，中小商家只能自己凑。很多商品卖点不复杂，问题是没人把卖点拍出来——白底图里都很普通，放进具体场景，用户才意识到能用来做什么。

前一阵海外有个例子：太阳能喷泉泵，原本是庭院小件，被AI视频包装成鸟浴盆、鱼池、儿童浴缸里的酷炫玩具后，直接卖爆。AI没改变商品本身，但改变了用户理解商品的方式，把"功能说明"变成了"使用场景"。

商品页写满参数，用户未必看；主播讲半天，用户未必信。但一条十几秒的视频，如果把场景讲清楚，转化效率可能高很多。更重要的是，AI视频可以批量生成——同一商品，儿童版、家庭版、节日版、户外版；不同国家，不同语言、不同人物、不同场景。

这对阿里的意义，比单纯做视频生成工具大。淘宝、天猫上有大量商家，也有大量商品数据和交易反馈。一个AI视频工具如果只知道生成漂亮画面，很快会变成素材软件；如果它能知道什么场景更容易被点击、什么文案更容易加购、什么视频前几秒更容易留住用户，就会接近电商操作系统的一部分。

阿里比其他视频生成公司多出来的，正是这个反馈闭环。商品图、详情页、评价、问答、搜索词、点击率、加购率、退款原因、直播间停留时间——看起来零碎，都是训练电商内容能力的燃料。HappyHorse如果接入这些反馈，就能从"帮商家生成一条视频"，进化到"帮商家生成更可能卖货的视频"。

面向淘天，它可以做主图视频、商品场景短片、直播切片、虚拟主播、营销素材。过去商家上新，传几张图，最多再拍条粗糙短视频。以后可以把商品图、卖点、评价、人群标签交给系统，生成多条不同版本，再用真实投放和成交数据筛选更有效的。跑顺了，平台内容供给增加，中小商家内容门槛下降。

但AI视频带货也有风险。它能放大卖点，也能放大幻觉。喷泉泵在AI视频里喷得很高，现实里达不到。阿里的机会不是纵容商家用AI造梦，重点应该放在商品参数、实拍素材、买家评价、平台审核上，让生成内容有边界。

3月下旬，OpenAI关停Sora独立应用和API。原因很现实：视频生成太烧钱，用户留存撑不起成本，算力要放回编码、企业服务和机器人方向。字节也在另一头麻烦——Seedance 2.0效果猛，但版权问题导致全球发布暂停。模型越强，越容易踩进版权、肖像权、训练数据的泥潭。

这时再看HappyHorse，它有清晰的商业场景。阿里手里的商品图、商家素材、实拍视频、交易反馈，天然比影视IP更适合可控生成。

所以它的价值不只在榜单。它给AI视频找了一个更稳的落点。