记者从阿里巴巴获悉,该公司近期发布的千问Qwen3.5-Plus大模型已面向全球开发者开源。
这一举措反映出当前人工智能产业竞争焦点正从单纯追求模型规模转向注重实际应用效能,我国科技企业正探索具有自身特色的技术发展路径。
技术层面的突破体现在效率优化上。
千问3.5采用稀疏混合专家架构,在保持3970亿总参数规模的同时,将实际运行时的激活参数控制在170亿,显著降低了计算资源消耗。
据技术人员介绍,这种设计使推理效率提升最高达19倍,部署所需显存减少60%,应用程序接口调用成本大幅下降。
业内专家认为,成本的降低为大模型技术的规模化商业应用创造了条件。
在技术路线上,千问3.5实现了多模态能力的原生集成。
不同于此前在文本模型基础上附加视觉模块的做法,新模型在预训练阶段即将视觉与文本信息深度融合,增强了对图像、视频等非文本信息的理解能力。
这一改进使模型在空间推理、视觉编程等应用场景中表现出更强的实用性。
与技术发布同步,阿里巴巴在春节期间开展了大规模应用测试。
数据显示,测试首日订单量达1500万单,6天累计完成订单1.2亿笔。
企业相关负责人表示,此次测试旨在验证人工智能技术在真实商业场景中的运行能力,特别是在理解用户需求、执行复杂任务、完成交易闭环等方面的表现。
从应用场景看,测试涵盖了餐饮外卖、出行预订、票务购买等多个生活服务领域。
技术人员介绍,系统能够处理包含多重约束条件的复杂指令,例如根据用户的时间、地点、偏好等要求,自动筛选并生成符合条件的服务方案。
这种能力的实现依托于企业内部多个业务平台的数据与服务接口整合。
业内人士指出,此次测试展示了人工智能技术与现有商业生态结合的一种模式。
通过将大模型的理解决策能力与具体业务系统的执行能力相连接,形成了从需求识别到服务交付的完整链路。
这种"技术中枢加业务终端"的架构,为人工智能技术的产业化应用提供了参考样本。
从产业发展角度观察,当前人工智能领域呈现出从技术竞赛向应用竞争转变的趋势。
单纯的模型参数规模已不再是衡量技术水平的唯一标准,运行效率、部署成本、应用效果等综合指标日益受到重视。
我国科技企业在这一转型过程中,正尝试发挥本土市场规模大、应用场景丰富、产业生态完整等优势,探索差异化的发展路径。
技术开源是此次发布的另一重要特征。
开源模式有助于降低技术使用门槛,促进开发者社区的形成,加速技术迭代与应用创新。
对于我国人工智能产业而言,通过开源建立技术生态,既是参与国际竞争的策略选择,也是推动产业协同发展的现实需要。
不过,大规模应用也带来新的挑战。
如何确保系统在高并发场景下的稳定性,如何保护用户数据安全与隐私,如何建立合理的商业模式以支撑技术持续投入,这些问题仍需在实践中不断探索解决。
专家认为,人工智能技术的成熟需要经历从实验室到市场的反复验证。
大规模应用测试为技术改进提供了真实反馈,也为行业积累了宝贵经验。
未来,随着技术不断完善和应用场景持续拓展,人工智能有望在更多领域发挥作用,成为推动经济社会发展的重要力量。
当人工智能技术突破"参数崇拜"的桎梏，转向"效能优先"的务实发展，其产业价值正在发生根本性重构。
从实验室的单项冠军到实体经济的全能选手，中国科技企业正在探索一条兼顾技术创新与商业可持续的发展道路。
这场静悄悄的效率革命，或许将重新定义全球人工智能竞赛的下一赛段。