4月8日，Artificial Analysis Video Arena榜单迎来一位新晋“黑马”——匿名发布的视频大模型HappyHorse 1.0。这款模型在短短48小时内，同时登顶文生视频和图生视频两大核心赛道，引发行业震动。就在外界猜测其背景时，阿里巴巴正式宣布，该模型由旗下未来生活实验室团队研发，团队负责人正是快手前副总裁、Kling AI技术负责人张迪。
长期以来，视频大模型领域呈现“双雄争霸”格局：字节跳动的Seedance稳居榜首，快手的可灵紧随其后。阿里的突然入局并迅速登顶，打破了这一固有格局。更值得关注的是，HappyHorse并非阿里在视频领域的唯一布局——其公开的主力模型通义万相，刚刚在4月7日发布Wan2.7-Video版本，新增复杂动作生成、音画同步、长视频编辑等核心功能。这表明，阿里在视频赛道已形成“双线并进”的战略布局。
据内部人士透露，阿里最新架构调整中，通义万相团队划归通义大模型事业部，专注底层模型研发；HappyHorse团队则隶属AI创新事业部，更贴近场景应用。这种“内部赛马”机制，既保证了技术探索的广度，又通过竞争加速模型迭代。更令人意外的是，阿里方面还透露，另一款与HappyHorse定位不同的多模态模型即将上线，显示其正在全面重构视频与多模态的战略优先级。
在内部“双线突围”的同时，阿里也在外部生态展开“双保险”布局。同一时期，阿里领投生数科技B轮20亿元融资，这家清华系独角兽的Vidu模型长期位居视频榜单前十；此前，阿里还领投了AI视频生成领军企业爱诗科技。通过内部研发与外部投资结合，阿里既确保技术话语权，又抢占生态关键节点。这种“内外兼修”的策略，被业内视为对视频大模型赛道的“全面押注”。
视频大模型为何成为阿里战略重心？行业分析指出，相比文本模型，视频模型需同时解决时序一致性、物理运动、镜头调度等复杂问题，是多模态能力的“终极考验”。掌握视频技术，意味着在视频理解、多模态Agent、新交互方式等前沿领域占据先机。例如，阿里正将AI重点转向Agent与业务体系的连接，而生数科技本轮融资明确指向“世界模型”研发，显示其野心不止于视频生成，更在布局下一代交互范式。
这一战略转向与阿里的资源投入密不可分。今年初，阿里宣布未来三年投入至少3800亿元用于AI和云基础设施建设。视频大模型因其对算力和云资源的巨大消耗，自然成为重点方向。通过组织架构调整、双模型研发、生态投资三管齐下，阿里正将视频赛道从“边缘功能”升级为“能力制高点”。这场突如其来的“黑马逆袭”，或许只是阿里多模态战争的序幕。
