“小暑不足畏，深居如退藏。”这是金代诗人庞铸写的一首意境唯美的小暑诗《喜夏》。对于古人来说，由于科技还不够发达，他们的避暑方式相对匮乏。作为现代人，我们的消暑和娱乐方式比古人要多得多。比如，傍晚邀三五好友来到夜市大排档，享受啤酒花生小龙虾带来的畅爽滋味；带家人遍游新疆，感受天山天池山水间的自然之美；携密友前往呼伦贝尔大草原，一品风吹草地见牛羊的壮美景观。

但在真正动身之前，我们不妨先用“通义万相”大模型生成包含上述内容的图片，来饱饱眼福。

图丨左：油画风格的花生；右：插画风格的花生（来源：通义万相生成）

图丨左：3D卡通风格的啤酒；右：油画风格的啤酒（来源：通义万相生成）

图丨左：油画风格的小龙虾；右：水彩画风格的小龙虾（来源：通义万相生成）

图丨左：水彩画风格的新疆天山天池；右：油画风格的新疆天山天池（来源：通义万相生成）

图丨左：油画风格的呼伦贝尔大草原；右：默认风格的呼伦贝尔大草原（来源：通义万相生成）

上面所展示的图片正是由通义万相的“文本生成图像”功能完成的。目前，该模型已经开启定向邀测（网址：https://wanxiang.aliyun.com/）。

7月7日，是二十四节气中的小暑节气。同样在这一天，阿里云正式宣布通义万相大模型开启邀测。该模型拥有文生图和图生图的能力，能够帮助我们更好地完成图片创作。

推出AI绘画创作大模型通义万相，首批上线三大功能

据介绍，通义万相首批上线三大功能，除前述“文本生成图像”功能以外，还包括“相似图生成”和“风格迁移”的功能。

具体来说，在文生图功能中，用户输入文字描述画面，选定水彩、油画、3D卡通等创作风格，即可得到由AI生成的、以四张为一组的图片。

在相似图生成功能中，用户提供一张参考图像，即可获取与该图内容和风格相似的图片。在风格迁移功能中，只需要上传原图和风格图，该模型就可以自动将原图处理为指定风格的图片。（注：下图是对后两种功能的测评。）

图丨相似图生成功能测评（来源：通义万相生成）

图丨风格迁移功能测评（来源：通义万相生成）

那么，这些功能的背后，究竟基于怎样的技术？

据了解，通义万相主要基于阿里近期研发的组合式生成模型Composer，后者在扩散模型的基础上采用了“组合式生成”框架。

简单来说，就是通过对包括配色、布局、风格等在内的图像设计元素进行拆解和组合，来提供具有高度可控性和强大自由度的图像生成效果。

图丨合成图像的概念（来源：ICML 2023）

这之中包含了拆解-组合与组合爆炸两种思想。前者先将图像拆解为不同的设计元素，再通过AI模型重新组合新图像，由于过程中用到的元素都可以自由修改和编辑，因此能够在设计元素层面实现可控性。后者则能为定制化图片提供强大的自由度和定制化能力，比如有10张图片，每张图片拆解成8种元素，就可生成10的8次方种组合方式的新图像。

图丨图像重构（来源：ICML 2023）

因此，基于Composer模型，通义万相在保持图像语义内容不变的同时，通过改变图像中局部细节，就能实现相似图生成的功能；在保留原始图片基本形态、结构的同时，迁移风格图片的色彩、笔触、风格等个性化信息，就能实现风格迁移的功能。

此前，相关论文已经以《Composer：具有可组合条件的创造性和可控图像合成》（Composer: Creative and Controllable Image Synthesis with Composable Conditions）为题，发表在机器学习国际顶级会议ICML 2023上。

研发大模型五年之久，深度布局通义系列大模型

作为最早投入大模型研发的企业之一，阿里云于2018年底正式开始研发大模型，但此前其已经在自然语言处理、计算机视觉等领域有着多年的研究积淀。

据介绍，2021年，阿里通义大模型先后发布超百亿参数的多模态大模型及语言大模型；2021年10月，阿里通义大模型以较低能耗训练出10万亿参数大模型；2023年4月7日，通义千问大模型开启邀测，来自油气、电力、交通、金融等行业的七家数字化服务商成为首批合作伙伴，迄今已有超30万企业用户申请；2023年6月，通义听悟正式上线。

其中，通义千问作为大语言模型，能够响应人类用自然语言提出的各种指令，具有问题回答、文字创作、代码编写等能力。通义听悟作为接入通义千问能力的应用型产品，能够帮助用户完成音视频内容的转写、整理、检索和摘要。通义万相作为聚焦图片创作的大模型，可在文创、电商、艺术设计、游戏等领域获得应用，帮助人类大幅降低图片设计门槛。

阿里云CTO周靖人在会上表示：“阿里云将把促进中国大模型生态的繁荣作为首要目标，向大模型创业公司提供全方位的服务，包括最强大的智能算力和开发工具，并在资金和商业化探索方面提供充分支持。”

大模型研发，不只涉及单一的算法问题，也不可能凭靠简单堆积GPU来实现，其是一个包含底层算力、网络、存储、大数据、AI框架等复杂技术在内的系统性工程。

因此，要想迎上大模型的发展浪潮，降低大模型的研发门槛并真正实现落地应用，必须重视全方位的产业生态建设。

对于阿里云来说，其搭建了一套以AI模型为核心的云计算技术和服务架构，能为大模型初创企业和开发者提供全方位服务，比如模型训练、推理、部署、精调、测评、产业化落地等。

在基础设施层，阿里云拥有国内最强的智能算力储备，其智算集群可支持最大十万卡GPU规模，并能承载多个万亿参数大模型同时在线训练，能为大规模AI集群提供无拥塞通讯的自研RDMA网络架构，以及低成本、高可靠的高性能存储CPFS。

在AI平台层，基于飞天智算的阿里云深度学习平台PAI，可支持万卡的单任务分布式训练规模，将计算资源利用率提高3倍以上，AI训练效率提升11倍，推理效率提升6倍，覆盖了全链路AI开发工具与大数据服务。

同时，在开发者生态层，阿里达摩院提出MaaS（Model as a Service，模型即服务）理念，并牵头建设了国内规模最大的AI模型服务社区“魔搭”。

目前，该社区已经集聚了180多万AI开发者和900多个优质AI模型，模型贡献者包括百川智能、哔哩哔哩、IDEA研究院、兰丁股份、澜舟科技、openBMB社区、启智社区等。其中，值得一提的是，他们贡献了30多个10亿参数规模以上的大模型。

（来源：资料图）

“找大模型上魔搭，我们将努力把魔搭社区培育成中国最大的‘大模型自由市场’。”周靖人这样说。

那么，到底该如何理解魔搭社区是中国最大的“大模型自由市场”呢？

如上所述，该社区目前已经成为国内规模最大的AI模型服务社区。在这个平台上，所有的模型生产者都能上传模型、验证能力、探索其应用场景和商业化模式。从这个角度来看，可以认为其是一个充分开放的大模型自由市场。

另外，最近该社区新推出了一款大模型调用工具魔搭GPT（ModelScopeGPT）（网址：https://modelscope.cn/studios/damo/ModelScopeGPT/summary）。该工具可以在接收用户以自然语言发出的指令之后，通过“中枢模型”通义千问调用魔搭社区其他的AI模型，以大小模型协同的形式完成人类布置的复杂任务。目前，其具备完成单一任务、复合任务、多API 规划调用、多轮对话API调用等能力。

魔搭GPT的出现，弥补了现阶段大语言模型应用的短板，其能够充分发挥不同模型的优势之处，辅助人类完成复杂的多模态任务。比如，用户在该工具的对话框输入任务，魔搭GPT会调用多个模型，展示整个任务规划过程。

在阿里云全球商业副总裁黄海清看来，当下正在朝着智能化时代迈进，而云计算凭借高效与多元的算力、创新与普惠的技术和无所不在的智能，将成为智能化时代的创新引擎。

在此发展背景下，阿里云也将不断推进云计算技术创新，依托公共云＋AI的优势，服务好大模型创业公司和千行百业，推动产业新生态的共建。