阿里云栖大会发布全模态模型矩阵，涵盖千问基座、图像、视频、语音、音乐及世界模型。导演陆川借助AI仅用5天复原明代爆炸场景，准确率超95%。阿里判断三年内将出现原生全模态统一生成模型，AI正从单项生成走向理解完整叙事、协同完成复杂任务。