云栖大会｜一个模型搞定图文音视频，原生全模态模型3年内或将到来
潮新闻 记者 祝瑶 张云山 毛卫星 俞叶波 张鑫
9月22日，2026云栖大会在杭州举办。阿里巴巴ATH事业群技术副总裁、淘天集团首席科学家郑波现场判断，3年内有望诞生原生全模态统一生成模型。
潮新闻记者 俞叶波/摄
郑波表示，未来这一单一模型，可同时完成图像、视频、音乐生成，还具备对真实世界的理解能力。区别于现在拼接式的多模态方案，原生统一模型是一套底层架构，打通感知与生成，也是AI走向世界模型的关键一步。
“转载请注明出处”
责任编辑：杨业