跟着 AI 竞争加重，消耗市集成为各大科技公司的必争之地。在文心一言、豆包、Kimi 等产物肆意争夺 C 端用户确当下，若何翻开 AI 消耗市集，成为阿里巴巴的紧要课题。

2 月 6 日，多家媒体音问称，东说念主工智能科学家许主洪教育（Steven Hoi）安妥加入阿里巴巴，将出任集团副总裁。据里面东说念主士表露，许主洪教育将专注于 AI To C 业务的多模态基础模子及 Agents 规划基础计划与愚弄护士决策，栽种阿里巴巴 AI 愚弄 C 端产物在模子连络愚弄上的端到端闭环才调。

稍后，许主洪在 X 上证明了这一音问，并提到"改日十年，为消耗市集开发基础模子和 AI Agents 愚弄存在广泛契机！"

这位时间大牛的加入，意味着阿里在 AI To C 的又一尝试。

自客岁底阿里巴巴"新秀派"吴嘉执掌智能信息奇迹群以来，阿里的 AI C 端产物开动加快整合：先是将通义系列 C 端产物从阿里云剥离，随后又整合了天猫精灵所属的智能互联奇迹群；在产物层面，阿里选拔了用户量已达 2 亿的夸克看成主攻主义，将其再行定位为 "AI 万能助手 "，并开动与天猫精灵张开联动。据悉，双耿直在规划包括 AI 眼镜在内的 AI 新产物。

如今时间东说念主才的引入仅仅一个开动，参加 2025 年，阿里 AI 急需一风景向消耗市集的反击。

从 Salesforce 到阿里，专注多模态预纯属

看成一位深耕 AI 范围 20 余年的计划者，许主洪的学术资格颇为丰富。2002 年获清华大学预计机系学士学位后，他在香港汉文大学完成了硕士和博士学位。在学术界，他于 2019 年当选 IEEE Fellow（电气和电子工程师协会会士），入选斯坦福 " 宇宙前 1%AI 科学家 " 榜单。

许主洪的计划范围粉饰机器学习基础表面及多个愚弄主义，包括多媒体信息检索、预计机视觉、大数据分析等。其中，他在多模态预纯属方面的使命获取了最多温文，相称是 BLIP 模子系列的计划戒指，发布在了多个开源社区。

BLIP 系列有多篇论文，计划聚焦于视觉 - 讲话多模态预纯属（Vision-Language Pre-training, VLP），旨在通过补救模子架构和高效数据增强计谋，完了视觉讲话相识与生成任务的协同优化，不错愚弄于图像 - 文本检索、图像标题生成、视觉问答、视觉推理和视觉对话等多种任务。

在 Github 社区，BLIP 获取了 5000 颗星，而 BLIP2 则是径直点爆了当年的图文模子圈，获取业界高度评价，并被以为是多模态启发性使命，对开源社区作念出了显赫孝顺。此外，据许主洪在 X 称，BLIP-2 还被排活动 the 5 top AI Research paper of 2023，仅次于 GPT-4。

《BLIP-2: Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large Language Models》亦然许主洪参与的援用量最高的使命，具体来看，通过立异的 " 冻结模子 + 轻量桥接 " 计谋，以 Q-Former 架构对王人了图像和文本，在保合手高性能的同期大幅裁汰了预计资本。

这些计划大多完成于他在 Salesforce 期间。在 Salesforce，许主洪参与了多个 AI 计划步地，并尝试将计划戒指调遣为愚弄产物。

在离开 Salesforce，加入阿里巴巴之前，许主洪还有一段创业经历，于 2023 年创立了一家多模态生成式 AI 初创公司 HyperGAI 并担任 CEO，发布了三款开源多模态大模子。其中，开源多模态模子 Hyper-Pretrained Transformers （HPT） 1.5 Edge 大略完了文本和视觉输入的多模态相识，专为角落和挪动开导量身定制，参数小于 5B。

不外，在竞争热烈的 AI 创业市鸠集，HyperGAI 的产物未能获取市集反响，其开源模子在 Huggingface 平台上少有东说念主温文。

从总体来看，多模态计划和横跨学术、产业、创业，是许主洪两个重要词。

重组、交融、立异，阿里 AI to C 需要新牌

在多模态 AI 成为时间竞争焦点确当下，咱们不难相识：在发力 To C 的重要时刻，阿里适值需要这么一位既能打破算法领域、又能激动产物立异的科学家。

在已往一段时辰里，阿里 AI To C 产物中，除夸克除外，其他 AI 产物包括通义 APP 自己在 C 端的弘扬并不凸起。也恰是因此，咫尺的阿里正在通过整合通义、夸克等产物力量，配以顶尖东说念主才加合手，打造一个更具竞争力的 AI To C 重生态。

最初是在模子与愚弄的关联上，阿里进程一年多的探索后逐步明确了 " 分而治之 " 的计谋，让基础模子研发和消耗级愚弄各自颓靡发展，以顺应不同的立异节拍。

2024 年底，阿里将原属阿里云的"通义"愚弄剥离出来，并入智能信息奇迹群由吴嘉统管，而此前通义千问更多是举座打包的想路，模子和愚弄系结发展。但在现实中发现，大模子研发和消耗级愚弄分属不同赛说念，各自面对的挑战和节拍都不尽交流，为两边松捆后通义千问团队不错专注时间打破，而 C 端产物团队则能更无邪地进行颐养。

尔后更多的 AI to C 整合开动了。相称是天猫精灵所属的智能互联奇迹群并入之后，加上原有的夸克、书旗演义、UC 浏览器等业务，一条从搜索到实质，从文本到语音交互，从软件到硬件的立异链条正在造成。在这条链条上，多模态时间成为承接各个场景的重要。

许主洪的加入，也适值印证了阿里的这一时间布局。看成 BLIP 系列的参与者，他在多模态预纯属和效劳优化方面的积聚恰是阿里所需要的。从夸克的图文相识到天猫精灵的视觉交互，再到改日可能推出的 AI 眼镜，多模态交互将成为阿里 AI 产物的标配。

不外，在 AI 消耗市集，先进时间仅仅来源，已往一年的市集竞争也曾讲明注解，竟然的难点在于找准用户和场景。

对 All in AI 的阿里巴巴而言，这既是机遇亦然挑战。一方面，阿里领有远大的用户基础、丰富的愚弄场景和强盛的时间储备；但另一方面，在 To C 战场上，无论是百度的文心一言、百度文库，如故字节的豆包，都已造成了一定的用户心智。

当今的阿里不仅需要崭新血液，也需要一场成功体育游戏app平台，通过 AI 再行界说我方在消耗互联网期间的中枢竞争力。