作者：周源 / 華爾街見聞
阿里云在中國生成式 AI 基礎設施登頂。
據 IDC 剛剛發布的最新報告顯示，2024 年中國 AI 基礎設施（AI IaaS）市場份額，阿里云占比 23%，位列中國市場第一，超過第二名和第三名總和；在生成式 AI 基礎設施領域，阿里云取得模型訓練和模型推理市場的雙項冠軍。
阿里云的生成式推理模型迭代頻繁，動作很多。
6 月 27 日，阿里云通義千問推出多模態統一理解與生成模型 Qwen VLo，用戶可通過 Qwen Chat（chat.qwen.ai）體驗。
這一模型在人工智能領域傳承與創新，為多模態人工智能發展帶來新探索，具備理解和基于理解進行再創造的能力。
Qwen VLo 采用漸進式生成方式，在生成圖像時從左到右、從上到下逐步構建畫面。
在這個過程中，模型不斷對預測內容調整優化，比如生成風景圖時，先勾勒山川河流輪廓，再細化樹木、花草等細節，確保畫面在結構、色彩、語義等方面和諧統一。
這種生成機制給用戶更靈活、可控的創作體驗，設計師創作海報時，可實時觀察生成過程，及時調整不協調部分，讓創作更貼合預期。
據官方介紹，Qwen VLo 運用動態分辨率訓練技術，在圖像生成的輸入和輸出端，都支持任意分辨率和長寬比。
以往模型受限于固定尺寸和比例，而 Qwen VLo 打破這一限制。無論是制作長寬比為 4:1 的橫幅廣告，還是 1:3 的社交媒體豎版封面，用戶都能按需生成。
Qwen VLo 通過技術創新，創造了圖像生成在分辨率和長寬比方面的更多資源，電商商家可根據不同平臺要求，快速生成適配的商品展示圖，無需繁瑣的后期裁剪調整。
過往多模態模型生成時易出現語義不一致問題，如將汽車圖片錯誤生成其他物體，或改變原圖關鍵結構特征。
Qwen VLo 通過提升細節捕捉能力，在生成中保持較高語義一致性。
當用戶輸入汽車照片并要求 " 將顏色換成藍色 "，模型精準識別車型，保留車身結構、線條等特征，自然地完成顏色替換，生成結果既符合指令預期，又不失真實感。
這種能力恰似達爾文進化論中物種對環境的精準適應，模型在復雜的圖像生成環境中，不斷進化以滿足多樣且精細的用戶需求。
用戶能用自然語言對圖像提出創意指令，Qwen VLo 能靈活響應。輸入 " 把這張照片風格變成梵高的畫風 "" 給圖片中的天空加上彩虹 "，模型即可完成藝術風格遷移、場景元素添加等操作。
面對 " 把人物換成卡通形象，背景改為森林，同時添加宣傳語 " 這類復雜指令，也能嘗試執行。此外，傳統視覺感知任務如預測深度圖、分割圖等，通過編輯指令也能實現。
這一特性體現了 " 不創新，就死亡 " 的理念，Qwen VLo 打破傳統模型指令響應的局限，賦予用戶更自由的操作空間，使其在開放指令編輯修改中不斷進化，適應快速發展的 AI 市場。
Qwen VLo 支持包括中文、英文等多種語言指令。全球用戶無論使用何種語言，只要簡潔描述需求，模型就能理解并生成結果。
中國用戶用中文輸入 " 生成一張美麗的花朵圖片 "，國外用戶用英文輸入 "Generate a picture of beautiful flowers"，都能得到符合要求的圖片。
這符合美國理性預期學派的領袖、諾貝爾經濟學獎獲得者托馬斯薩金特（Thomas J. Sargent）提出的開放和自由貿易理念，通過技術手段打破語言壁壘，促進全球用戶在圖像生成領域的 " 交流貿易 "。
在廣告設計行業，設計師常需為不同客戶和項目快速產出多種風格設計方案。
借助 Qwen VLo，輸入 " 時尚運動品牌夏季促銷海報 "，模型迅速生成多版不同構圖、配色的海報草圖，設計師在此基礎上完善，大大縮短設計周期。
在包裝設計方面，輸入產品特點、目標受眾等信息，模型生成相應設計圖，提供創意靈感。Qwen VLo 為設計師提供創意裂變的契機，幫助其用創新設計在市場競爭中贏得商業利潤。
在教育領域，教師可利用 Qwen VLo 將抽象知識具象化。
地理課講解地貌時，輸入 " 生成一張丹霞地貌的圖片 "，模型展示相關圖片，幫助學生直觀理解；語文教學中，講解古詩詞時，輸入詩詞內容，模型生成詩意場景圖，加深學生對詩詞意境的體會。
自媒體創作者、博主等創作內容時，需優質配圖吸引受眾。通過 Qwen VLo，輸入文章主題如 " 旅游攻略之海邊度假 "，模型生成海灘、海景等相關圖片；在視頻制作中，輸入視頻腳本關鍵信息，模型生成視頻分鏡草圖，為拍攝和后期剪輯提供參考，提升內容創作質量和效率。
在游戲開發中，Qwen VLo 能助力游戲美術資源制作。游戲設計師輸入游戲風格、場景設定等指令，模型生成游戲場景、角色、道具等美術素材，降低開發成本，加速開發進程。
玩家也可利用模型生成個性化游戲場景、角色形象，增加游戲趣味性。影視制作中，在前期概念設計階段，輸入故事背景、角色特點等信息，模型生成影視場景概念圖、角色概念圖，為后續拍攝和特效制作提供方向。
