扔个 PPT 进去，30 秒吐出一条视频：拆解阿里 Wan3.0

01 发生了什么：一个能"读文档"的视频模型

Wan3.0 是阿里通义实验室的视频生成模型，8 月 6 日开启公测，8 月 24 日正式上线。和前代 Wan2.7 相比，它最大的变化有两处：

一是时长翻倍：单次原生生成从 15 秒提升到 30 秒，而且最高支持 1080p。二是输入变"重"：除了文本、图片、音频、视频这些常见素材，它首次把 doc、xls、ppt、pdf、md 等办公文档也当成输入。一份 PPT 可以直接塞进去，模型自己读结构、找重点、生成画面和旁白。用行业里的话说，这叫"文档即视频"。

你可以把它理解为：以前的 AI 视频是"你给它一句话，它给你画一段"；Wan3.0 更像"你给它一沓资料，它读完之后给你拍一段短片"。

02 为什么特别：它戳中了两个行业痛点

AI 视频赛道现在很热闹，可灵、Sora、Runway、Veo 各家都在做。但 Wan3.0 切了两条别人没切到的线。

第一，时长。 目前主流闭源模型的单次生成普遍在 8-20 秒之间，Wan3.0 一次 30 秒，意味着它能承载更完整的一镜到底和叙事节奏，而不只是几秒钟的"氛围片段"。

第二，文档直转。 这是它真正独一份的能力。竞品目前主要接受文本、图片或参考帧，没有一个把 PPT、PDF、Excel 直接当成标准输入。对营销、培训、企业汇报这些场景，"文档即视频"能省掉大量脚本和分镜的人工。

打个比方：早期的翻译软件只能帮你翻句子，后来进化为直接翻译整份 PDF 还保留排版。Wan3.0 在视频领域做的，就是类似的事。

*数据整理自公开评测与厂商信息，截至 2026 年 8 月，具体以各平台实时定价为准*

03 阿里为什么敢这么玩：从"开源招牌"到"闭源变现"

这里要先讲一个反转：万相系列此前已有部分模型在 GitHub 上以 Apache 2.0（一种常见的开源协议）开放权重。但 Wan3.0 的完整权重这次没有开源，只通过阿里云百炼、千问 AI 平台和 wan.video 提供 API 与体验入口。

换句话说，阿里把这块最诱人的新模型"关"在了自家云里，变成了一个商业产品。值得一提的是，同一天阿里云 PAI 团队倒是开源了三个 SearchQwen 搜索智能体小模型（8B/7B/3B）——阿里并非不做开源，只是把视频模型的王牌先留在了云端。

同一天，阿里还在香港完成了约 102 亿美元的配股融资，明确投向 AI。而 6 月季度的财报显示：阿里云和 AI 收入同比增长 45%，达到 484.4 亿元；但净利润同比下滑 75%，单季资本开支高达 676.8 亿元。阿里此前承诺三年 3800 亿元（约 530 亿美元）砸向 AI 基建，近期还有传闻要把这个数字提到 4800 亿元。

Wan3.0 的"闭源"不是偶然。当模型训练越来越烧钱、视频生成又是最吃算力的赛道之一时，把顶尖模型变成按秒计费的云服务，是阿里回收 AI 投入最自然的路线。

04 别被宣传带节奏：稳定归稳定，问题还在

企业用户给 Wan3.0 的高频评价是三个词：稳定、真实、有质感。阿里也强调它在角色、道具、声音、空间关系等细粒度上能保持一致。但需要注意两点：

一是独立验证仍然缺失。 阿里目前并没有公布 Wan3.0 在公开基准上的完整评测，"稳定真实"主要来自企业用户反馈和官方样片。第三方测评还需要时间。

二是成本并不低。 按官方定价，1080P 档 1.2 元/秒，一条 30 秒视频就是 36 元。限时 7 折后也要 25 元左右。如果是高频量产的内容团队，这笔账必须仔细算。30 秒的上限对长片来说也仍然不够，想拍完整的短片还得拼接。

值得玩味的是，阿里把"稳定"当成核心卖点，恰恰说明稳定一直是 AI 视频最大的短板——进步最快的地方，往往也是还要追赶的地方。

05 这意味着什么

Wan3.0 的出现，把 AI 视频竞争从"谁的画面更炫"推进到了"谁能接住真实工作流"。文档直转 30 秒视频，瞄准的不是短视频创作者，而是企业里的培训、营销、汇报场景。

但阿里的选择也释放了一个信号：中国大厂在视频生成领域，开始把最前沿的模型当作云服务变现，而不是像以前那样先把权重开源出去换生态。对创作者来说，体验入口会越来越多；但对希望本地部署、自主可控的团队来说，选择反而变少了。

未来几个月，关键要看两件事：一是 Wan3.0 的独立测评能不能支撑起"稳定真实"的口碑；二是 Sora、可灵、Runway 会不会跟进文档直转。如果后者也卷进来，视频生产的门槛才会真正塌掉。