淘天集团首席科学家郑波：三年之内会诞生原生全模态统一生成模型

专题：2026云栖大会

　　“2026云栖大会 ”于9月22日-24日在杭州举行 。阿里巴巴ATH事业群技术副总裁 ，淘天集团首席科学家郑波出席并演讲。　

　　郑波表示，文本、图像 、视频、声音
、空间能力正在加速协同
，从单模态能力走向多模态融合

　　有数据显示，63%的视频营销人员已经在使用AI视频工具；预计到2030年 ，AI图像与视频生成市场规模将达到608亿美元
。

　　他指出
，无论技术还是市场，全模态生成都在加速演进。人类感知世界 ，一直依靠图像、视频 、声音与交互 。过去
，从想法到可视化结果，中间隔着一整条漫长生产链条
。而全模态生成正在改变这一切 ，大幅降低想象落地的成本
，让想法直接变成看得见
、听得见、可交互的体验。未来，体验的供给会指数级增长 ，体验的边际成本将趋近于零 。

　　郑波在发言中预告
，全新视频模型将于 11 月正式发布
。“我们相信视频生成持续迭代，能够更高效自主地把创作想法落地 ，让每个人拥有更自由的创作表达。”他说 。

　　他判断：三年之内，会诞生原生全模态统一生成模型
。一个模型同时完成图像 、视频
、音乐生成
，同时具备世界理解能力。不是多个模型简单拼接能力，而是原生一体化能力 。届时体验生产将打破模态边界 ，创作门槛进一步降低
。

　　“从生成走向理解
，从分散走向统一，从内容走向体验 ，从想象走向可见
，这就是 AI 的下一步。
”他说 。

　　新浪声明：所有会议实录均为现场速记总结 ，未经演讲者审阅 ，新浪网登载此文出于传递更多信息之目的
，并不意味着赞同其观点或证实其描述。