聯手進軍實體 AI 前沿
美國市場仍聚焦於 Anthropic 和 OpenAI 的最新公告之際，中國科技巨頭本週同步推出一系列先進人工智慧系統，顯示全球 AI 格局正出現重大轉變。阿里巴巴、字節跳動和快手發表涵蓋機器人、電影級影片生成及自主代理系統的可投入生產模型，展現中國企業已將與西方競爭對手的技術差距縮小至數月之內。
發布時機顯然經過策略安排。這些產品恰逢中國最重要的消費旺季農曆新年期間推出，科技公司歷來會在央視春節聯歡晚會期間，向數以億計的觀眾展示創新成果。字節跳動與中央電視台達成獨家 AI 雲端合作，阿里巴巴則推出價值 4.34 億美元的促銷活動，騰訊也承諾投入 10 億元人民幣舉辦新春抽獎。技術實力與文化行銷在此交會，凸顯北京力圖主導業界人士所稱的「實體 AI 前沿」：這類系統不只會聊天，還能操作物件、生成擬真媒體，並自主執行複雜工作流程。
機器也會記憶：阿里巴巴押注具身智慧
阿里巴巴達摩院推出開源機器人模型 RynnBrain，代表機器感知並與物理世界互動的方式迎來根本性躍進。傳統視覺系統會獨立處理個別畫面，RynnBrain 則內建時間與空間感知能力，讓機器人能記住事件發生的時間和地點、追蹤多步驟任務的進度，並在活動中斷後接續執行。
示範影片中，配備簡易夾爪的機器人完成了看似簡單、實則複雜的任務：計算橘子數量、從一堆水果中挑出特定水果，以及從冰箱取出牛奶。這些對人類而言輕而易舉的活動，卻需要相當的運算能力，包括物件辨識、空間建模、軌跡規劃和順序記憶。Hugging Face 研究員 Adina Yakefu 說明了這項架構創新的重要性。
機器人不再只是對眼前輸入做出反應，而是能記住事件發生的時間和地點、追蹤任務進度，並跨越多個步驟持續執行。這讓它在複雜的真實環境中更可靠，行為也更連貫。
該模型採用混合專家架構，在推論時僅啟用 30 億個參數，讓運算成本維持在可控範圍內；據稱，它在多項基準測試中的表現優於 Google 的 Gemini Robotics-ER 1.5 和輝達的 Cosmos-Reason2。阿里巴巴將 RynnBrain 開源至 GitHub 和 Hugging Face，藉此以低於競爭對手的價格提供相近的雲端能力，同時展現其建立基礎智慧層的企圖，目標應用涵蓋工業自動化、物流和醫療保健。
好萊塢面臨變局：字節跳動與快手改寫影片製作
字節跳動的 Seedance 2.0 和快手的 Kling 3.0，已將文字生成影片從新奇技術轉變為專業製作工具，直接挑戰 OpenAI 的 Sora，並打造出分析人士所稱、符合產業標準的創意內容平台。
Seedance 2.0 可同時處理文字、圖片、音訊和影片輸入，生成最長 15 秒的電影感片段，具備角色一致性、逼真物理效果，以及同步的多語言音訊。這套系統整合至字節跳動的 Dreamina 套件，並在 CapCut 中提供，定位為廣告商、社群媒體創作者和電影製作人的易用工具。常駐斯德哥爾摩、製作 AI 生成內容的創意總監 Billy Boman，形容這項技術的發展軌跡帶來了變革。
回到 2023 年，要讓某個人跑步或走路都很困難。寫實效果只能維持在很短的片段，一切都很慢、材質很差，沒有皮膚紋理，也缺乏細節。現在情勢完全翻轉了。我什麼都做得到。技術進步可說非比尋常。
然而，這項技術迅速推出，也暴露出治理方面的漏洞。字節跳動暫停了一項備受爭議的「聲音轉換」功能，該功能能僅憑單張照片、在沒有音訊樣本或當事人同意的情況下，重建特定人士的聲音和說話風格。中國科技評論者 Tim Pan 於 2 月 10 日示範這項功能，系統只憑一張圖片就複製了他的聲音，他形容這段經歷令人恐懼。此事件凸顯技術能力與倫理防護措施之間的衝突；與此同時，一段描繪湯姆．克魯斯和布萊德．彼特虛構打鬥的影片在網路瘋傳，也引來美國電影協會正式投訴，指其涉及大規模侵權。
快手的 Kling 3.0 則提供互補優勢，著重專業敘事能力，包括提升多鏡頭片段中的主體一致性、複雜場景的物理寫實度，以及多種語言和方言的原生音訊生成。此模型支援批次輸出分鏡圖片，並將單次生成影片的時長延長至 15 秒，同時允許精確設定各鏡頭的時長、構圖和攝影機移動方式。Kling 目前提供給付費訂戶使用，預計即將公開推出；過去一年來，其帶動快手股價上漲逾 50%，反映投資人看好 AI 增強型內容工具將提升用戶黏著度，並為短影音生態系創造新的營收來源。
讓智慧普及：開源浪潮
除了面向消費者的應用，中國實驗室也加快大型語言模型和代理系統的開源步伐。智譜 AI 發布 GLM-5，聲稱該模型在程式編寫基準測試中的表現已接近 Anthropic 的 Claude Opus 4.5，並在特定測試中超越 Google 的 Gemini 3 Pro。MiniMax 則推出更新版開源模型 M2.5，強化對自主代理的工具支援。自主代理是能以極少人工介入，執行排程、研究或軟體部署等多步驟工作流程的 AI 系統。
這項開源策略與部分西方 AI 領導企業封閉的商業模式形成鮮明對比。中國企業透過公開模型權重、訓練程式碼和資料集，加快生態系採用速度、迅速取得回饋並帶動下游創新，同時避開美國對先進半導體出口管制所造成的運算限制。2025 年，阿里巴巴的 Qwen 系列在 Hugging Face 上的下載量超越 Meta 的 Llama，成為下載量最高的模型系列；目前該平台趨勢榜前十名中，有八個席次由中國團隊占據。
阿里巴巴也以專為代理式 AI 時代打造的 Qwen 3.5 擴大產品陣容，該模型具備視覺代理能力，可在行動裝置和桌面應用程式中自主行動。公司表示，與前代相比，該模型的營運成本降低 60%，處理大型工作負載的能力提升八倍。與此同時，字節跳動推出 Doubao 2.0，升級中國使用最廣泛的聊天機器人應用程式，用戶數接近 2 億。
三條稱霸之路：效率、敘事與商務
華創證券的市場分析指出，三大科技巨頭各自採取不同的策略定位。字節跳動正打造效率基礎設施，提供門檻低、成本低且通用性強的工具，類似進階版 CapCut，目標是降低網路內容製作成本，並透過龐大產出量培養自身生態系。
快手著重專業敘事，鎖定物理模擬、複雜場景寫實度和角色一致性，適用於電影示範、電影式敘事，以及需要維持敘事連貫性的高品質內容。阿里巴巴則聚焦垂直電商整合，旗下 Qwen-Image-2.0 強化商品數位化和商業工作流程能力；配合促銷活動，透過 AI 優惠券發放和外送整合，六天內創造超過 1.2 億筆訂單。
這種差異化反映了內容創作領域更廣泛的供給端變革。隨著可控性提升，創作者反覆生成內容、碰運氣取得可用成果的「抽卡式」流程，逐漸讓位給可預期的工業化生產，影片創作的邊際成本正趨近純粹的運算支出。分析人士預期，這將對行銷代理商、電商服務業者，以及漫畫和短劇產業造成重大影響；隨著製作門檻降低，智慧財產權的價值可能集中於頂尖內容。
差距縮小，世界走向多極化
Google DeepMind 執行長 Demis Hassabis 近期評估，中國 AI 模型僅落後西方競爭對手數月。隨著中國實驗室針對本地可取得的硬體最佳化模型，並發展國產晶片能力，差距正持續縮小。中國目前占全球 AI 專利申請量逾 70%，但美國企業在基礎架構和論文引用影響力方面仍居領先地位。
競爭格局愈來愈取決於推論效率和生態系整合，而非單純的基準測試成績。DeepSeek 於 2025 年底迅速走紅，證明中國實驗室能以遠低於西方的運算成本，達到相當的模型效能，進而帶動整個產業加速發展。美國對高頻寬記憶體晶片和先進製造設備實施出口管制，雖增加了發展難度，卻未能阻止進展；華為等企業正推進自主半導體生產線。
與此同時，美國科技公司也收緊中國開發者的使用權限。OpenAI 於 2024 年 7 月封鎖 API 存取，微軟終止向中國大陸個人開發者提供 Azure OpenAI 服務，另有報導指出 Anthropic 的 Claude 帳號遭到停權。這些限制反而加強了中國國內的開發力度，促使 AI 格局走向多極化，領先地位將依領域而異，而非僅由地理位置決定。
重點整理
- 阿里巴巴、字節跳動和快手在農曆新年期間同步推出 AI 模型，鎖定機器人、影片生成和代理系統
- 阿里巴巴開源機器人模型 RynnBrain 具備時間和空間感知能力，能追蹤多步驟任務並記住與物件的互動
- 字節跳動的 Seedance 2.0 能根據文字提示生成電影感影片；一名評論者展示其令人恐懼的能力後，該公司因同意疑慮暫停聲音複製功能
- 快手的 Kling 3.0 著重專業敘事，支援生成最長 15 秒的影片、多語言音訊和更高的角色一致性，帶動過去一年股價上漲 50%
- 中國 AI 企業積極推行開源策略，阿里巴巴 Qwen 系列的 Hugging Face 下載量已超越 Meta 的 Llama
- 策略定位各有不同：字節跳動聚焦效率基礎設施，快手著重電影級寫實效果，阿里巴巴則專注電商垂直整合
- Google DeepMind 評估，中國模型僅落後西方同業數月，推論效率和多模態應用領域的差距縮小最快
