在数字化时代，视觉信息在知识传递和决策支持中的重要性日益凸显。然而，传统的检索增强型生成（RAG）方法在处理视觉丰富信息时面临着诸多挑战。一方面，传统的基于文本的方法无法处理视觉相关数据；另一方面，现有的视觉 RAG 方法受限于定义的固定流程，难以有效激活模型的推理能力。
腾讯的CodeBuddy、字节的Trea、现在阿里的通义灵码，中国互联网的三大巨头在AI编程领域集结完毕，明显就是要从老美的Cursor手中抢回中国客户。
为提升大模型“推理+搜索”能力，阿里通义实验室出手了。
既能提升模型能力，又不显著增加内存和时间成本，LLM第三种Scaling Law被提出了。
最近阿里通义实验室应用视觉团队负责人薄列峰被曝离职，引起了一轮热议。而这已是继2月语音团队负责人鄢志杰、2024年8月大模型技术负责人周畅之后，阿里AI核心部门第三次失去关键人物了。
近日，阿里通义实验室推出了全新数字人视频生成大模型 OmniTalker，只需上传一段参考视频，不仅能学会视频中人物的表情和声音，还能模仿说话风格。相比传统的数字人生产流程，该方法能够有效降低制作成本，提高生成内容的真实感和互动体验，满足更广泛的应用需求。目前该项目已在魔搭社区、HuggingFace 开放体验入口，并提供了十多个模板，所有人可以直接免费使用。
3 月 27 日凌晨，阿里通义千问团队发布 Qwen2.5-Omni。
据传宝马将与阿里达成全面AI合作，阿里通义大模型将应用于中国市场的宝马新世代系列车型。近年来，大模型正加速汽车行业AI化，尤其是与用户直接交互的智能车载领域。
就在DeepSeek-V3更新的同一夜，阿里通义千问Qwen又双叒叕一次梦幻联动了——
阿里全面转向“AI化”
