阿里CEO吴泳铭：多模态模型需融合理解、生成与感知交互能力

2026年9月22日，阿里巴巴集团CEO吴泳铭在云栖大会主论坛发表讲话，提出理解与生成一体化的多模态模型是AI领域的重要研究方向。他认为，AI不仅需要强大的“大脑”，还需具备感知与交互能力，未来用户有望通过自然对话与AI交流，摆脱复杂交互界面的限制。

吴泳铭这一研判在现场已落地为具体方案。斑马智能在云栖大会上展示了全模态端侧大模型AutoOmni 2.0-23B-A3B，该模型采用MoE混合专家架构，在智能座舱场景下，普通任务处理能力可比肩10倍参数量的云模型，复杂任务处理能力则达到同等云模型的90%。现场还展出了基于端云一体Agent架构的实车方案，可执行模糊意图、多任务复杂导航、车控、多媒体及跨域任务，并具备低时延、隐私保护和稳定流畅的运行特性。

据斑马智能首席技术官司罗介绍，23B端侧模型已完成主流车载大算力芯片适配，支持8路以上多任务稳定并发，大模型推理速度提升5至6倍。他指出，端侧AI正在开启交互新范式，推动汽车及更多终端迈向原生智能阶段。目前，已有超过六成车企的端模型上车方案选择斑马智能。现场还亮相了全球首款基于高通8397平台搭载AutoOmni的实车Freelander神行者8。