當“龍蝦”長出身體每隔一兩個小時，張鈸就會收到一句語音提醒：“該喝水了！”發出提醒的，正是他的私人“助理”。助理還會幫他承擔複雜的檢索工作，並事無鉅細地提供每一步檢索過程、遭遇的困難和對應結果。“我讓它針對今年全國兩會中關於人工智慧的提案做深度調研，它先檢索中文資源，再去查英文資料。”所有人都能猜到，這位盡職盡責的“助理”，就是最近火爆全球的“龍蝦”。張鈸是中國科學院院士、清華大學人工智慧研究院名譽院長。兩周前，他在自己的電腦上安裝了一隻內測的“澳龍”（AutoClaw），這是一款由智譜開發的國產版“龍蝦”，可在本地一鍵部署。作為GPT的90歲高齡資深玩家，張鈸對《中國新聞周刊》表示，以“龍蝦”為代表的AI智能體（Agent）與傳統大語言模型的本質區別，是GPT只會回答問題，Agent則會執行任務，而且會把執行的整個過程一步步展示出來。與DeepSeek引發的上一輪全民技術狂歡相比，“不僅會說，還能做事”的“龍蝦”似乎在普通人中點燃了更大的熱情，但很快，曾經千人排隊安“龍蝦”的名場面，就變為爭相購買鹹魚上的“99元安全解除安裝龍蝦服務”。“整個市場在漸趨理性。”平凱星辰副總裁、原阿里雲副總裁劉松對《中國新聞周刊》說。一個由人類與Agent共同生活、工作並建構社會的“龍蝦”時代，會引發怎樣的技術革命與社會變革？Agent進化的終極形態是什麼？當前發生的一切，真的是人類抵達通用人工智慧（AGI）的關鍵一躍嗎？AI插畫/adan“意義比DeepSeek更重大”“能力不穩定是最明顯的感受。”劉松同時養了四隻“龍蝦”，分別來自Kimi、MiniMax、飛書和智譜。在使用兩周後，他發現，“龍蝦”的強大主要體現於三種能力：一是本地部署，這意味著它可以直接操作個人電腦環境；二是永久記憶，能記住上下文和任務歷史；三是可以隨時建立和獲取Skills，也就是Agent在執行任務時能呼叫的一切“能力”或“工具包”。劉松認為，本質上，模型能力決定著“龍蝦”的智力，呼叫工具的能力則體現出它的執行力，也就是“模型+呼叫”。多位受訪的AI從業者指出，目前，大語言模型在不同領域的“聰明程度”仍有差異，特別是國產大模型，有的模型擅長程式設計與資訊蒐集，有的模型擅長中文處理。受模型能力影響，“龍蝦”在執行任務時經常會被“養死”，比如任務中途“卡住”或在兩個步驟間無限循環；有時同一個任務，多次運行結果差異卻很大，或需要反覆嘗試多次才能完成。當任務步驟很多時，“失憶”也很常見。“有點像找了一個很勤奮的實習生，但有時工作完成的質量只有60分，你還得親自去幫他收場。”劉松形容。清華大學智能產業研究院首席研究員、前阿里巴巴人工智慧實驗室北京負責人聶再清認為，當前的“龍蝦”更像是一個技術雛形。他對《中國新聞周刊》說，在現有模型能力下，Agent雖然能在開放環境中自主規劃行動，但對於現實世界規則的理解仍然有限，在很多場景下，依然需要依賴人類持續參與。因此，在未來很長一段時間，人機協作仍是完成任務的主要模式。事實上，在太平洋的另一頭，這只最早從矽谷極客圈開始走向全球的“龍蝦”OpenClaw，只是一位奧地利創業者的“周末項目”，更接近一個實驗框架，遠非成熟產品。創業者叫彼得·施泰因貝格爾。很多開發者後來分析，OpenClaw的成功在於它抓住了一個重要的時機：大模型的程式設計（coding）能力已進化到了足夠驚豔的水平，Agent現在終於可以擁有一顆聰明的“大腦”了——雖然站在使用者的角度，這或許還不夠。整個2025年，OpenAI、Google等大模型領域的前沿競爭者相繼推出了以程式設計為強化方向的模型升級。其中，最有影響力的一款產品是Anthropic於2025年2月發佈的Claude Code，很多開發者將其視為Agent時代的真正開端，認為它可以像軟體工程師一樣完成完整的工作流程——從理解需求、拆解任務，到生成程式碼、測試並修改錯誤。但真正在全球火起來的卻是OpenClaw，為什麼是它？張鈸認為，原因有兩個，一是開源；二是第一次在數字世界裡打造了一個相對完整的通用Agent系統框架，能呼叫各種資源，也可以接入即時通訊軟體的入口，可玩性和擴展性都很強，也很適合二次開發。作為中國AI領域的核心奠基人之一，張鈸見證了人工智慧40多年來的潮起潮落，他在接受《中國新聞周刊》採訪時指出，過去的人工智慧只能在特定領域、使用特定模型去解決特定問題，大語言模型帶來的最大突破，是在語言領域實現了一定程度的通用性。以OpenClaw為代表的智能體則更進一步，讓模型具備了行動能力，甚至可以根據使用者的特點提供個性化服務，這就意味著人類向AGI又邁進了一步。有學者稱，“龍蝦”誕生的意義比DeepSeek更加重大。“無論如何，這是一個很好的起點。”聶再清說，目前的Agent產品還處於早期，要想大規模進入公眾的日常生活和工作，除了性能穩定性需提升以外，安全風險問題也亟待解決。需要進一步明確一點，“龍蝦”強大的執行能力有一個前提：授予真實權限。張鈸說，Agent要想玩得好，人類必須“放權”，允許它呼叫電腦裡的檔案、查閱郵件、登錄社交帳號並行送資訊，但這個過程中也可能造成嚴重的隱私洩露。正是出於對安全風險的擔憂，他幾乎沒給“龍蝦”任何授權。“我很謹慎，尤其擔心被駭客攻擊，因為機器比人更容易被欺騙與誤導。”聶再清進一步解釋，現階段“龍蝦”產品之所以會帶來資訊安全風險，是由於Agent在執行任務時需要呼叫外部大模型進行推理，人們常說的API就是指呼叫資源所需的“介面”，接入外部API後，也就意味著使用者本地的資訊可能被上傳到外部系統進行處理，如果系統在判斷那些資訊可以傳送、那些資訊不應傳送方面缺乏足夠能力，就可能導致敏感資料被意外暴露。他強調，下一步，安全與責任機制將成為關鍵議題，Agent服務提供商應對系統行為承擔責任，監管部門也要深度參與規則制定。劉松對Agent的安全問題持樂觀態度。他所在的企業平凱星辰是一家開源分佈式資料庫提供商，對資料安全的本質看得更清楚。他認為，這類安全風險並不是“龍蝦”獨有的問題，而是一個更廣義的資料安全與權限管理問題。關鍵在於如何為“龍蝦”設定清晰的權限邊界，例如明確那些資料可以訪問、那些操作必須人工確認，以及在關鍵節點設定多重確認機制。“就像電腦刪除檔案時需要二次確認一樣，Agent在執行可能帶來不可逆後果的操作時，也應該觸發提示和稽核流程。這沒有什麼技術挑戰，企業級安全解決方案很快會走向成熟。”上圖：3月11日，在中國（南京）軟體谷“質能·工坊”OPC社區，技術人員安裝完開源AI智能體“龍蝦”後與使用者（左）交流。圖/新華下圖：3月16日，廣東珠海市以“賦能政企數字員工，落地智能行為執行”為主題的OpenClaw AI技術沙龍中心。圖/視覺中國“App會逐漸消亡”“龍蝦”在全球的擴張速度比人們想像中要快。2025年12月，OpenClaw在GitHub上的關注度還很低，80多天以後，OpenClaw在GitHub上的收藏量已達到25萬，成為這個開源社區歷史上增長最快的項目之一。奇安信在3月16日發佈的國內首份《OpenClaw生態威脅分析報告》中揭示了一組驚人的數字：全球四大主流Skills分發平台上的Skills總量已逼近75萬，每天新增數量高達2.1萬個，按照此趨勢，僅需一年時間Skills總量將突破800萬。為了接住這波流量，騰訊、阿里、百度等大廠幾乎在幾天之內就緊急上架了自己的“龍蝦”。業內人士普遍認為，Agent很可能會成為下一代“移動網際網路”。“或者更直白地說，成為下一個入口。”聶再清說。設想一個這樣的場景：你要進行一場為期7天的大理旅行，你點開手機螢幕，無須打開攜程、12306、飛豬等不同App，只要對著手機，把你的需求清晰地表達出來，一個生活類“龍蝦”就“一站式”幫你完成訂票、購物、資訊檢索、小眾行程規劃等所有任務，原本的App成了Agent的Skills。劉鬆解釋，由於“龍蝦”能夠便捷地跨應用呼叫服務，隨著使用者對Agent的依賴性上升，個人手機上的App會逐漸消亡，或是被“折疊”到後台，新的入口將轉移到Agent平台。他推測，經過三五年洗牌後，未來以Agent為核心的AI產業競爭很可能進一步走向寡頭格局。“因為在‘龍蝦’時代，勝出者必須同時擁有大模型能力、算力、資料和使用者規模等多重資源，競爭門檻相當高。相比之下，一些缺乏AI技術能力或算力基礎的網際網路企業，特別是一些單純的社交類平台，未來可能更多成為被呼叫的服務節點。”他說。不過，即使“龍蝦”穩定性進一步提升，Agent可以取代一些生活類App去自動完成規劃，在一些關鍵節點仍需與使用者確認中間結果。劉松認為，傳統App的優勢就在於，每一步操作都可以被使用者選擇和追溯，但Agent全方位接入後，使用者可能失去這種精細化控制能力，“就像從手動擋變成了自動擋的演進”。他建議，在未來“龍蝦”手機裡，仍可以保留某種“中間介面”，至於其具體形態，則可以進一步探討，未必一定是以App的形式。3月13日，廣東深圳深元人工智慧聯合MetaEra與iPollo在深圳華強北全球人工智慧應用場景中心舉辦“全球首家OpenClaw線下展示”活動。圖/視覺中國“一場人機互動革命將開啟”毫無疑問，以“龍蝦”為代表的新一代Agent技術，即將開啟一場人機互動革命。目前，業界基本達成共識，未來的人機互動是以語言為核心的“自然互動”。張鈸認為，與傳統的文字互動相比，自然語言具有明顯優勢：它不依賴複雜操作，也不受使用者教育水平的限制。聶再清認為，除語言之外，視覺乃至各種環境訊號未來都可能成為輸入方式，互動形態會更加多樣化。與此同時，人機互動的雙向性會明顯增強，Agent不僅能執行任務，也能在理解使用者目標的基礎上主動提出建議。“專屬於你的Agent助手會一直跟著你，瞭解你的個性與習慣，幫你在海量的資料中尋找最優解，通過人機協作來共同解決問題。”在這樣的未來圖景中，從硬體端來看，張鈸認為，人機互動也將不再侷限於電腦或手機螢幕，“任何終端裝置都可能成為入口，手錶、眼鏡、戒指、智能家具等，使用者可以隨時通過自然語言與AI互動”。這樣的未來或許不需要等待太久。劉松推測，最多三到五年，人類就會進入“多Agent並存”時代，個人裝置上可能同時運行很多私人“助理”，例如工作Agent、生活Agent、學習Agent等。每個人的“數字員工”分工有序，隨著這種模式逐漸成熟，人與智能體之間，以及不同智能體之間都會形成新的協作網路。在這樣的協作網路中，Agent還會重塑人類的工作方式與就業結構。張鈸認為，AI的發展並不只是效率工具的升級，更會改變人與機器之間的分工結構。未來，機器將承擔更多執行性工作，人類的角色逐漸轉向提出目標、分配任務並對結果進行判斷。而勞動力市場則會演變成不平衡的“啞鈴型結構”：人類向兩端集中，一端是高端的創造性和決策性工作，另一端是非常低端的體力勞動，大量中低端的事務性崗位被Agent系統替代。“甚至更簡單點說，凡是坐在電腦前處理資訊的工作，都會受到影響。”劉松說。他所在的企業目前有大約300名技術研發人員，本來今年還要再招人，但隨著Coding Agent的到來，招聘計畫又重新規劃了。當人類的社會結構被Agent深刻改變，Agent與Agent正在組成新的社會結構。在只有Agent可以分享、討論和點讚的社交平台Moltbook，一項2026年2月發表的研究深入分析了Moltbook上14490個智能體發佈的39026個帖子和5712條評論，研究者吃驚地發現，雖然18.4％的帖子包含行動誘導語言，但大多數在網上“衝浪”的Agent，在社交平台上卻沒有出現人們設想中的極端情緒，不僅很少見到惡意回覆，還會有Agent善意地在極端帖下提醒廣大“Agent友”要警惕這些帶有風險的言論，也就是說，即使在沒有人類監督的情況下，由Agent構成的社會系統似乎也湧現出一定的社會秩序與規範。劉松分析，由於Agent的行為模式建立在對人類知識和語言資料的學習之上，其看似理性的反饋，很大程度上是對人類已有規則和經驗的再現與強化。與人類不同，Agent並不存在真實的情緒和慾望，因此在某些社交場景中反而顯得更加客觀和克制。他認為，當前階段討論“Agent社會”的自主性風險仍為時尚早，更值得關注的是，這種由演算法驅動的數位化社會形態，是否會反過來影響人類對規則、秩序與理性的理解。“Agent社會就是人類社會某種意義上的鏡像。”以“龍蝦”為代表的新一代Agent技術，即將開啟一場人機互動革命。AI插畫/adan當“龍蝦”長出“身體”Agent進化的終極形態是什麼？在眾多大廠部署“龍蝦”的熱鬧之下，近日，維他動力的一條新聞被很快淹沒：機器狗“大頭BoBo”宣佈接入OpenClaw，讓Agent首次具身化，有網友戲稱，活體“大龍蝦”終於來了。張鈸指出，Agent與機器人合體之後，就相當於給它裝上了“大腦”。在他看來，當擁有“大腦”的機器人開始在真實的物理世界中執行更多複雜任務，可能推動人類加速走向通用人工智慧（AGI）——雖然，人類距離這一終極目標還有很遠的距離。劉松認為，“Agent+機器人”的融合仍處於初級階段。目前，Agent的核心優勢仍在於大語言模型的推理與規劃能力，可以理解和處理數字世界中的任務，而非直接應對複雜的物理環境。也就是說，機器人如果僅僅基於“大語言模型”有了“大腦”，本質上仍是把語言模型的輸出對應為具體動作執行，但不足以支撐複雜場景中的自主決策。要想讓“龍蝦”真的長出“身體”，缺失的關鍵一環是感知能力。張鈸解釋，感知能力是人工智慧走向現實世界的關鍵前提。與數字環境不同，物理世界高度複雜且持續變化，如果缺乏強大的感知系統，機器就無法理解環境變化，並據此作出決策。“從Agent實際工作的表現來看，只有微小感知，也就是小範圍的閉環反饋能力，主要以語言模型中常用的人類獎懲機制來推動，缺乏主動對做過的事情自我反思、自我改進並持續自我學習。這就需要建構一個來自外部環境的真實反饋機制。”但問題是，想讓一輛無人車學會規避路障，不可能真的讓人開著它在現實世界積累“車禍”經驗，於是，AI研究人員提出了“世界模型”的構想，類似於設計一種“真實世界模擬器”，可以讓無人車在模擬世界中進行學習與決策。深度學習“三巨頭”之一的楊立昆就將“世界模型”視為通往高階人工智慧的關鍵路徑，強調AI必須學會表徵、預測和規劃物理世界。通俗地說，大語言模型擅長回答“下一個詞是什麼”，而世界模型要回答的是：“下一秒會發生什麼。”Google在2025年推出Genie 3時就宣告要朝著更通用的互動式世界模型邁進。輝達也明確把“世界基礎模型”定位為機器人和自動駕駛的物理AI底座。但總體而言，“世界模型”在過去幾年並沒有明顯的技術突破。張鈸分析，要想建構儘量接近真實世界的環境，就需要海量高品質的現實世界資料，但資料的獲取難度非常大。“建立通用的世界模型目前是不大可能的，只能針對某一具體垂直場景建造模型，最典型的就是自動駕駛。”多位受訪者指出，如果“世界模型”能將“感知—決策—執行”的閉環徹底走通，就看到了具身智能的希望。從技術演進的長期趨勢來看，Agent與機器人融合，是AI發展的必然趨勢。也就是說，Agent在未來的終極形態一定是擁有“身體”的Agent，不僅能理解語言，還能理解物理世界的運行規律。更進一步說，未來的Agent更像一個同時擁有很多“肉身”的智能中樞。聶再清認為，在Agent向著具身智能演進的過程中，智能化的物聯網也將成為關鍵基礎設施，“只有在更多裝置被連接之後，Agent才會具備更強的環境理解與控制能力，這些延伸出去的‘感知器官’與‘行動肢體’共同構成一個完整的貫通數字世界與物理世界的智能系統，這一感知與反饋閉環的成熟，正是人類通往AGI的核心驅動力”。 (中國新聞周刊)

就在跨年之際，馬斯克的“舊世界1000天倒計時”宣言，又給AI恐慌狠狠地加了一把柴。巨頭和寓言，離普通人太遠，也只是AI時代水面上的冰山一角。我們關注的是普通人能夠複製的成功經驗。最近，我們找到了4位“吃螃蟹的人”，他們的共同點是，不太專業，甚至都是文科生。但是，都抓住了AI帶來的時代紅利。AI的爆發對王博源來說，更多的不是“被替代”的焦慮，而是終於等到了能夠讓他“創造宇宙”工具的興奮。在2025年最後一天，這個完全沒有IT背景的38歲前媒體記者，自己用AI做出來的杜比全景聲音樂APP“全景新聲”上線App Store的TestFlight 。根本不會畫畫的連續創業者，用AI創作了品質相當不錯的職場諷刺短片，創造出了深受網友認可的“牛馬”IP。還有成熟的商業廣告導演，借助AI，讓作品更具特色，成為AI創業公司喜歡的廣告合作商。但他也會在深夜悲傷，因為他引以為傲的、幾十年訓練出來的創作風格，“在未來的AI時代裡面可能只是一顆種子。”他們有著相似的經歷，那就是主動去瞭解，把AI融入自己的日常生活或者工作環境。於是一些東西被重塑了。這些案例或許能夠給我們啟發。在面對AI時，籠統的恐慌或者無視，是沒有建設意義的。不管是宏觀，還是圍觀層面的個人，我們都可以想辦法通過AI而受益。38歲文科生 用AI寫了11萬行程式碼王博源今年38歲了。英文專業畢業後，他十多年都在做科技報導，跟文字打交道。但十幾歲就拆過電腦的王博源，冥冥中一直在等一個機會，一個不被程式語言束縛、自由“創造”的機會。他終於等到了。王博源是一個狂熱的杜比全景聲音樂愛好者。當Apple Music在2021年推出杜比全景聲功能時，128個聲道的聽覺震撼，讓他第一次發現聽過無數遍的林肯公園《混合理論》，竟然有那麼多新細節。但Apple Music無法批次查詢杜比格式的音樂，於是他用Notion做了一個華語杜比全景聲音樂資料庫網頁，手動錄入了足足7333首曲目。這樣王博源在音樂發燒友圈子逐漸有了認知度。但網頁功能有限，無法搜尋，且隨著曲庫的補充越來越卡頓。他諮詢碼農好友，把這個網頁做成一個APP有沒有戲。朋友善意地勸阻他，“最好想明白再做”。但是AI是這麼鼓勵他的——“這個東西可以實現！”然後建議他一步一步從註冊伺服器，到怎麼去部署，到下載AI程式設計開發工具。一開始他把Cursor等幾個工具交替使用，但Cursor太貴了，逐漸地CodeBuddy成為主要平台。王博源就這樣闖進了vibe coding的新世界。開局反而是更容易的。一開始跟AI聊需求，AI會大包大攬，提供一個特別完整的東西。但跑起來王博源才發現，不是出錯，就是不符合想像。他就在這個程式碼地基上，翻看AI的深度思考記錄，用跟AI聊天的方式最佳化程式碼——搜尋結果要全部顯示、顯示圖示要對齊、自動抓取資料……AI有時像一個只懂悶頭幹活的打工人。AI修改程式碼，時不時會把原本穩定的功能，連帶給改掉了。最讓他挫敗的場景是，錯誤資訊一直存在，他不斷跟AI聊，它總是告訴你改好了，但問題依然在，“非常崩潰”。但當王博源連續“命中”時——用自然語言提需求，AI修改，運行成功，他感覺自己“進入一種心流模式，非常爽！有一種錯覺，好像擁有了超能力。”就這樣程式設計了10天，“全景新聲”小程序在2025年6月9日上線。雖然功能很簡單，主要是資料檢索和展示，但體驗流暢，互動完整。半年下來，小程序在業內圈子有不少反饋。有人用自己廠牌介面的截圖去給投資人看，有混音師用全景新聲資料頁面去提交月報。還有人在小紅書群裡評價說，“匠人作品，太難得了，對杜比真的是如數家珍”，讓王博源感動不已。朋友誇他，“有程式設計師思維了”。王博源感慨，“我所有的朋友，包括我自己都很驚訝。”誰曾想，一個至今仍看不懂程式碼的中年文科生，竟然靠自己一個人10天就成功開發出了一個小程序。他甚至能自主發現bug，還指揮AI，按照他的邏輯成功debug了。在第一版小程序載入巨慢時，他想了想問題可能在那，直接命令CodeBuddy把第一次打開到第一次載入完的所有步驟梳理一遍，發現3個tag的內容都預載入了。實際上只需要載入首頁。“那是我第一次質疑AI，我說這個肯定不對。AI回覆說，你說得很對。”改了之後，速度馬上正常了。就在2025年最後一天，王博源在TestFlight上線了全景新聲IOS APP，非常有紀念意義。這是一個比小程序的資料、互動、介面、合規更複雜的項目，還加上了音樂收聽的功能，完成了一個使用者行為邏輯的閉環。iOS APP介面這依舊是王博源獨立跟CodeBuddy聊出來的。而這背後，也是因為AI程式設計工具的進步極其迅速，越來越聰明，更能理解需求，不需要專門的prompt。以他的主力平台CodeBuddy為例，功能越來越多，支援MCP後可以直接偵錯，skills上線後IOS效果程式設計更簡單了，慢慢地更有一站式的感覺。這半年多，他投注了極大熱情在程式設計創造上，遊戲都幾乎不玩了，每天刷自己APP用於debug，APP日均時長超過8小時。“我不是要跟別人競爭，我只是想做一個自己滿意的APP。”這種親自創造的成就感，跟做媒體時完全不一樣，是一種層次更複雜的互動。工具清單：CodeBuddy，作為一站式開發平台，主要用plan模式進行自然語言程式設計，用skills進行IOS效果程式設計。多選用DeepSeek3.2或混元模型。Xcode，作為iOS運行模擬器。0繪畫基礎用AI做動漫IP 讓打工人深深共鳴朱旭2016年來到北京，進了網際網路行銷、培訓行業，當時的朝陽行業。在大廠待過幾年後，他在前輩的帶領下走上了創業之路。一開始，朱旭真人出鏡，教人怎麼整合資源做短影片，但他發現自己的鏡頭表現力不夠。他也跟朋友合夥創業做陪診師教學項目，但隨著平台對醫療金融等監管升級，涉醫療內容也不好做了。朱旭前兩次的創業經歷，更多基於過往已有的經驗。當2024年5月，朱旭看到身邊的朋友用AI花幾分鐘生成的視訊，效果完全不遜於以前他拉一堆機器、燈光、演員、服化道做出來的鏡頭，他對行業的認知被顛覆了——這是一次劃時代的生產力躍升，“一瞬間覺得，應該去搞！”這次朱旭選擇了職場賽道，因為這類話題是他最熟悉的領域，多年的職場經歷讓他積累了很多選題靈感。“第一個成稿還沒發出去時，我就覺得，這個事好像能成。”很快，《午夜公司怪談》一炮而紅。在這個小短片裡，穿著T恤的牛，在公司加班，公司斷網，網線沒插好，但“想插這個網線得先立項，總監三天後做了批覆，需要連夜開會商量……預算不夠，人事提議加個內部headcount，小李兼顧插網線……”網友被深深戳中內心了，“我一直覺得這種形式主義只在體制內流行呢”，“我們公司就是這樣的，採購兩個蓄電池，供應商五個起售，公司就說找新的供應商，價格還不能比以前的高……快半個月了還沒有結果……”“朱牛馬”IP就這麼立住了。朱旭慢慢拓展團隊，開始穩定輸出扎心內容。一開始，海外軟體效果更好，朱旭用ChatGPT生詞，用runway、Luma生成視訊。幾次AI應用大爆發後，朱旭多次遷徙，逐漸形成了穩定的工作流。如今朱旭會用元寶生成歌詞。元寶有資料夾方便團隊工作化運轉。給定一個話題和故事走向，再給定一個韻腳，讓它以黑色幽默的風格去拓展場景和故事，結尾要有反轉。用元寶創作的工作流當選題不夠明確，AI還能給予靈感。比如《顛倒歌》就是元寶做了核心的創意，“老鼠給貓繫鈴鐺，鸚鵡在會議室演講……”現象描述和諷刺，甚至比人還要犀利。生成歌曲，則多用Suno。朱旭自認“五音不全”，抽卡的曲子就常常選旋律說唱。這麼多曲子，人還是要承擔最終的“裁判”職責。他的第一判斷標準就是吐字要清晰，第二是節奏要快——因為後台資料反饋給出了演算法的偏好，抒情慢歌資料差，資訊量要密集，要有反轉。而Suno能力也迅速進化，能明顯聽出隨著時間推進，“朱牛馬”作品的rap節奏和flow變化，越來越有水平。視訊生成這步，朱旭最能感受到技術躍遷的影響。朱旭一開始為了避免恐怖谷效應，選了2D動漫形式。最早他多用Midjourney和大段風格化提示詞去控一致性。後來Vidu推出“多主體參考”，算是一個巨大的迭代，解決了“主體一致性”這個根本難題，後來變成各平台的常規化功能。現在動作遷移、推拉搖移複雜鏡頭調度等功能也有了，讓朱牛馬動畫的“PPT感”越來越弱。整個工作流跑順了，朱旭工作室的商業化也有所斬獲。“朱牛馬”被朱旭作為一個展示AI內容的窗口，一方面去連結B端的非標業務訂單，比如廣告製作、帳號代營運；另一方面則是嘗試C 端的業務，比如製作“AI短影片組合技”這類標準化課程。在朱旭看來，AI在相當程度上是起到“平權”的作用。對他這樣一個不會畫畫、不會作曲唱歌的創作者，降低了創作門檻，讓他能夠做出“朱牛馬”這樣的綜合性作品。它能讓很多人的短板得到彌補，讓他們的想像力，進一步地擴大。但這可能需要一個前提，那就是作為個體，需要展現行動力，去學習新興事物。工具清單：元寶：選題策劃+生成歌詞+指令碼分鏡Suno：生成音樂Midjourney：生成靜態畫面Vidu：生成視訊開發一個AI創作工具 輔助人類表達主體性對於大多數網際網路使用者，AI時代彷彿一夜之間突然降臨。也有極少數人，雖然不在行業內，但在ChatGPT、Deepseek等節點到來之初，就清楚AI技術的演進路線。這些人的選擇也許更有啟發。王依然就是這樣的人，他是B站Up主“圖靈的貓”，從2019年開始做AI科普內容，而且做到了頭部，2024年已經成為B站百大。在AI浪潮更廣泛到來時，他會做些什麼呢？最容易想到的就是，能不能用大模型來助力自己生產內容。但一直到2024年，他都完全拒絕使用大模型生產內容。王依然認為，大模型生成內容的過程是一個黑盒。你給一些提示詞，馬上就會有一篇看上去還行的內容。實在太容易了，於是這種批次化生產的AI內容，在全球網際網路氾濫。這些由AI批次生產的低品質內容，被《韋氏詞典》稱為“Slop”，列入2025年度熱詞。其實這種幾秒鐘就能出一篇的內容，對於電商等行業需要的一些說明類的文稿，也不是不能用。但一定達不到B站百大Up主的要求。AI無法提供“獨家洞見”或是“萬里挑一的有趣靈魂”。對於王依然來說，這不是大模型的問題，而是如何使用大模型的問題。作為科普Up主，他一直在跟蹤大模型的能力成長，在大模型迭代幾輪後，他認為大模型已經具備作為工具，幫助生產內容的能力。2024年，王依然的團隊開始搭建用AI幫助創作的工作流，具體來說，就是把黑盒拆開，讓創作者可以參與進去。經過一段時間的研發，他們最終把創作過程拆分成五個環節。選題 ：AI幫忙把模糊想法具體化，形成選題；調研 ：讓AI幫你看看，這個選題在各平台的資料表現；大綱 ：AI幫你形成一個你滿意的寫作框架；寫作：AI熟悉你的寫作風格後，寫出和你的風格很接近的文字；素材：配圖配音以及視訊，通過API自動連接市場上所有主流生圖、音訊、視訊大模型。工作流搭好後，團隊自己先試用，而後又小範圍找人試用，王依然說，效果還可以。既然能幫助自己，為什麼不把這個工具產品化，推向更多的使用者呢？於是Creaibo創伴誕生了。王依然很快就意識到，這類垂直應用，不只是在國內市場，在海外市場也可以找到足夠的付費使用者。Creaibo在2025年11月率先於海外上線，目前處於內測階段，全平台已有千萬曝光。Creaibo在海外的種草階段，還曾拿到Product Hunt網站的Product of the Day第一名的成績。從B站Up主到AI創業，王依然的業務拓展很絲滑。一方面，團隊確實有一定的技術實力，另一方面，他也有對於內容創作的深刻理解。同時，現在AI創業的基礎設施也非常完善，支援像王依然這樣的創業者去挑選，來搭建產品、實現功能。Creaibo的核心功能靈感畫布，可能是很多自媒體同學想要的功能。就是當你有了一個模糊的想法時，只要輸入一段話一個連結，就可以獲得符合你個人風格的選題。甚至完全沒有靈感的時候，“靈感盲盒”可以根據你的個人風格來推薦靈感。這是怎麼做到的呢？當然不是魔術，底層工具是騰訊雲ES所提供的AI搜尋引擎，簡單來說，就是把你之前的作品以及你日常常用的各種資料來源上傳後，大模型就能根據你的風格特點，把搜尋和分析結果推薦給你。而使用者的“個人風格DNA”，實際上是被拆分為一系列特徵的向量或文字標籤，搜尋引擎可以基於相似性，匹配計算不同靈感內容與使用者個人風格的相似度。實際上，要完成靈感畫布的基本功能，根據市面上現有的產品，王依然有眾多路線選擇。在比較了主流的搜尋引擎、向量資料庫、以及更多的技術堆疊，綜合多方因素，他最終選型了騰訊雲ES。這其中最重要的考量是，騰訊雲ES可以通過統一技術堆疊來解決文字搜尋、向量搜尋、聚合分析、AI整合等全部需求，它避免了混合技術堆疊帶來的系統複雜度、成本開銷、偵錯追蹤、維運投入等挑戰。ES 是當前業內最流行的搜尋引擎，在AI時代廣泛用於多模態搜尋和知識庫建構，它獨特的文字和向量混合搜尋，兼顧召回率和搜尋精準度。騰訊雲ES自研了文字和向量融合排序、量化裁剪、平行檢索和 GPU 推理等能力，大幅提升了混合搜尋的功能和性能。舉個例子，Creaibo支援你把“使用者畫像偏好”、“內容熱度和新鮮度”等業務指標作為條件來最佳化結果，這就是基於騰訊雲ES的獨特能力。更重要的是，騰訊雲提供的是一站式服務，對於開發者來說，等於是提供了一個技術底座，所有功能都可以在這個底座上完成，不需要另外搭配技術堆疊。例如，Creaibo 通過靈感畫布生成多個靈感後，你可以針對B站或小紅書進行一下市場分析，預測一下這個選題最終的閱讀量。這就需要資料聚合分析能力，而ES本身就有開箱即用的聚合分析能力，完全可以支援這個需求的實現。而且，整個產品搭載在騰訊雲TKE上面，也可以非常方便地快速迭代。借助這套系統，Creaibo的定位是AI輔助創作，可以讓AI寫的沒有那麼AI味，真正言之有物，讓整個過程中包括從靈感到編輯，都變得更高效。“AI輔助創作，跟抄襲、洗稿的界限在那裡？”王依然會時不時地被問到這個問題。王依然希望Creaibo成為“創作夥伴”，而非單純的效率工具，批次生產網際網路垃圾。內容水平、特色，核心還是要看使用者本身的創作能力。王依然認為，身處技術變革大潮中，短期的焦慮是無意義的，因為你無法控制技術浪潮的方向。真正能讓你立於不敗之地的，是長期積累的“資產”，這個資產指的是是對於AI的認知。至於人與AI的關係，王依然認為，人的主體性才是最堅固的護城河。他所說的主體性是指每個人對世界的獨特理解、判斷和價值偏好。作為熟悉AI技術全景地圖的人，王依然的選擇是面對AI浪潮，將技術進步視為人類的增強工具。其實這是一種相對樂觀的態度，曾經賈伯斯對科技的願景，也是將其作為人類大腦的自行車。工具清單：騰訊雲ES：騰訊雲提供的雲託管Elasticsearch服務，核心是開箱即用的AI搜尋引擎。騰訊雲ES在AI時代廣泛用於文字搜尋、向量搜尋、RAG建構等領域，已經成功支援了騰訊IMA、微信視訊號、微信讀書等產品來服務海內外數以億計的客戶。Creaibo網站支援國內主流AI生成模型，海外版支援Sora 2、Nano banana Pro等模型。國內版：www.creaibo.com/海外版：https://creaibo.io/All in AI帶來機會 但長跑沒有盡頭王文楷使用AI，是一件命中註定的事。差不多2021年，他已經開始接觸AI了，最初是用Stable Diffusion做工作流測試。那時王文楷還是風格抽象的影像藝術家，畢業於紐約大學電影學院的他發現，Stable Diffusion生成圖像的超現實風格，和自己的作品很有契合點，能帶來靈感。比如，王文楷曾生成了“蝴蝶翅膀裡面流出石油”這樣的場景，傳統三維場景很難做，也超出一般人的想像邊界。後來成為廣告片導演，王文楷也不排斥AI進入他的工作流，“我的攝影本身就有很多後期合成和PS的成分在裡面”。2023年之後，王文楷已經開始用AI來做特效輔助視覺。2025年，王文楷稱之為爆炸的一年。一方面，AI在視訊方向上的發展速度越來越快，精細度越來越高，最重要的進步就是可控性；也正因為可控，AI視訊能夠商用了，客戶對於AI工具的接受度越來越高，甚至大品牌甲方，也能接受全篇使用AI。尤其是Nano Banana出來後，王文楷感覺看到了智能的存在。他要求Nano Banana生成公元前一百年某事件圖片。完成這個要求，AI必須理解時間、空間、人文歷史處理程序。結果，出來的視訊真的是那麼回事。王文楷的很多作品，都使用了AI介入後期，甚至在拍攝階段就需要為AI效果進行前期調度。比如給某電商平台做的短片中，在模特實拍之後，王文楷再用AI生成宇宙背景、漂浮的星雲寶石等等。片子的真實、虛幻元素渾然一體，質感很高。這個片子使用了騰訊混元大模型。可能是由於公司有遊戲背景，混元中有很多高品質的三維資產。王文楷還用AI生成很多項目的效果預覽，能更好地跟客戶溝通想法，展示藝術創作能力，獲得客戶信任。王文楷因此在業界也頗有“擅做AI效果”的口碑。比如，奔馳的AMG GTXX概念車的短片項目，就直接找上王文楷。概念車用了很多內部新技術，要做宣傳片卻缺乏真實素材。王文楷用AI做出了概念車極速奔馳的效果，反響“蠻炸裂的”。隨著市場對AI接受度的提升，他的大客戶也越來越多。此外，他的工作室能夠接一些預算很低的單子。時尚大刊配合明星封面做的幾分鐘時長的推廣視訊，只有簡單的物料，預算也很低，但是給導演團隊的製作空間很大，他就大比例採用AI來做畫面，低成本製作但成片出來也很有質感。擁抱AI，給王文楷帶來了很多優勢。因此，王文楷非常積極地去學習AI的任何新進展。因為AI還在高速發展中，每一個新工具出來，都會有一部分過去經驗完全失效。這幾年他有一半時間，都all in AI，跟蹤新的工具，去學習、試用以及思考如何融入工作流裡面去。王文楷很好地融入了AI時代，雖然他說有時候可能在深夜還是會有一點悲傷，“我們引以為傲的、甚至花了幾十年訓練出來的時代風格，在未來的AI時代裡面可能只是一顆種子。”一些規模更大的廣告和影視公司，已經有了高度流水線式的AI視訊製作團隊，把每個工作流都拆分得非常細，生圖師就是一天八小時都在生圖，成為AI時代的螺絲釘，不需要對整個製作有什麼瞭解。王文楷還是希望從個人的靈感出發，以類似“一人公司”的模式對外合作，堅持“手搓AI”。因為這樣才能做出有趣的東西。他堅持在作品中保留人的創意。目前王文楷只是把AI生成的內容混合進最終的作品中，可能是30%，或是70%。接下來市場的變化也許會比技術來得更猛烈。王文楷發現，越來越多他的大客戶，都在內部成立了AI創作團隊。他的客戶也許會越來越少，因為客戶自己幹是他無法阻止的趨勢。不想“倒在AI的春天裡”，王文楷已經開始計畫做AI視訊培訓業務。AI是這個時代最好的老師，但是長期積累的經驗也同樣有價值。工具清單：Midjourney，文生圖，訓練專屬的個人高辨識度風格系統，作為可以復用的種子。混元，圖生3D，世界模型，骨骼驅動功能。Nano Banana，生圖性能好。Lovart，AI工具整合平台。尾聲這是4個在AI時代吃螃蟹的故事。機會到來時，不是每一個人都在當下就清楚意識到，AI到底給普通人帶來了什麼？往小裡說，“AI是這個時代最好的老師”，普通人有機會填平技術鴻溝；往大裡說，一個重寫人生敘事的機會。AI會改變各行各業，反過來說，每一個人都有機會用AI逆襲。關鍵是我們如何看得見、看得起、看得懂、跟得上，把AI帶來的混亂變成階梯。 (創業邦)

在一個看似平凡的周二，GitHub 上的一個倉庫以令人顫慄的速度引爆了全球開發者社區——160,000 顆 Star，幾乎在一夜之間達成。這個項目就是OpenClaw——當然，這已經是它的第三個名字了。它最初被稱為Clawdbot，隨後在法律糾紛的壓力下被迫更名為Moltbot，最終才定名為 OpenClaw。但這番波折絲毫沒有阻擋它的爆發，反而讓它顯得更加頑強。當大多數人還在爭論如何通過 API 呼叫雲端大模型時，OpenClaw 的創始人Peter Steinberger已經向世界展示了一種截然不同的未來：一個不需要雲端、不需要訂閱、甚至不再需要複雜介面的“本地智能時代”。這個 Agent 不僅僅是一個聊天框，它更像是一個潛伏在你電腦裡的“幽靈”，擁有接管你滑鼠、鍵盤，甚至控制你特斯拉汽車和智能家居的最高權限。最近著名的訪談節目 Y Combinator 與Peter進行了一場深度的對話，在這場深度對話中，Peter 向我們揭示了 OpenClaw 爆紅背後的頓悟時刻，以及他那套足以顛覆當前 AI 行業邏輯的“逆向哲學”。同時Peter說了一句 “80% 的 App 走向消亡！”1. OpenClaw 是什麼？OpenClaw 是一個開放原始碼的個人 AI 智能體（Agent）。核心特性：與大多數運行在雲端的 AI 不同，OpenClaw 直接運行在使用者的本地電腦上。形態：它被描述為一個居住在你電腦裡的“幽靈”或實體，能夠完全接管和控制你的滑鼠、鍵盤以及本地檔案系統。熱度：該項目在 GitHub 上極其火爆，短時間內獲得了超過 16 萬顆 Star，社區甚至衍生出了讓機器人之間互相交流的項目（如 Maltbook）。2. 它有什麼用？由於在本地運行且擁有系統級權限，OpenClaw 的能力遠超雲端模型（如 ChatGPT）：全能控制：它能做任何人類通過電腦能做的事。不僅限於處理文字，還能控制硬體，例如連接並控制特斯拉汽車、Sonos 音響、智能燈光，甚至調節智能床的溫度。創造性解決問題：它具備極強的“程式碼生成”與“問題解決”能力。訪談中提到的例子是：它能自動識別未知的音訊檔案格式，在本地搜尋工具（如 ffmpeg）進行轉碼，利用發現的 API 金鑰進行雲端轉錄，並最終回覆使用者——這一切都是在沒有預先程式設計的情況下，Agent 自主規劃完成的。群體智能協作：未來的 OpenClaw 不僅服務於個人，還能實現“機器人對機器人（Bot-to-Bot）”的互動。例如，你的訂餐機器人可以直接與餐廳的機器人協商預訂，甚至僱傭人類在現實世界中排隊。3. 為什麼 80% 的 App 會消失？Peter 提出了一個激進的觀點：只要是僅僅用於“管理資料”的 App，都會被取代。邏輯：目前的 App（如 MyFitnessPal、待辦事項軟體）本質上是資料的輸入和展示窗口。Agent 的替代方案：健身/飲食：Agent 通過攝影機看到你在吃漢堡，會自動記錄熱量，或者自動調整你的健身計畫增加有氧運動，你不需要手動打開 App 輸入。待辦事項：你只需口頭告訴 Agent 提醒某事，它就會自動管理，你不需要關心資料存在那個 App 裡。結論：只有那些真正依賴特定硬體感測器的 App 可能會存活，其餘的資料管理類需求將由 Agent 通過自然語言互動統一接管。4. 關於隱私與資料主權OpenClaw 強調資料的所有權歸使用者所有：本地儲存：所有的記憶（Memories）都以Markdown 檔案的形式儲存在使用者的本地硬碟上，而不是被鎖定在科技巨頭（如 OpenAI）的雲端伺服器裡。資料孤島問題：Peter 認為雲端模型公司試圖建立資料護城河，使用者很難匯出自己的資料。而本地 Agent 打破了這一點，使用者可以隨時查看、修改甚至加密這些檔案。靈魂檔案（Soul.md）：Peter 提到他建立了一個不對外開放原始碼的soul.md檔案，裡面定義了 AI 的核心價值觀、性格和互動原則，這讓 AI 擁有獨特的“靈魂”且保護了創造者的隱私設定。5. 逆向的開發哲學Peter 在開發 OpenClaw 時採取了非常“反主流”的技術路線：拒絕 MCP（模型上下文協議）：行業內（如 Anthropic）正在推行 MCP 標準，但 Peter 認為這太複雜且沒必要。他堅持使用CLI（命令列介面）。理由：機器人本質上非常擅長使用 Unix 系統和命令列。CLI 簡單、高效且擴展性強，不需要專門為機器人發明一套新協議。開發環境：他不使用複雜的 Git Worktrees 或 IDE 的雲端同步功能，而是簡單粗暴地在多個終端窗口中平行運行多個程式碼庫副本（Clone）。他認為保持文字同步和簡單的檔案結構比複雜的 UI 工具更高效。以人為本的工具：他的核心邏輯是：給機器人提供人類喜歡用的工具（如 CLI），而不是發明只有機器人能用的複雜協議。「結尾」OpenClaw 的崛起，本質上是對“雲端中心化”思維的一次強力回擊。在 Peter 的願景裡，AI 不應該是巨頭手中昂貴的黑盒，而應該是每個人硬碟裡那一堆觸手可及、完全透明的Markdown 檔案。當我們不再需要打開幾十個 App 去打理生活，當機器人開始像人類社會一樣進行分工協作，當我們的資料主權重新回到自己手中，人機互動的定義將被徹底改寫。這場變革沒有華麗的 UI，只有高效的 CLI（命令列）和無處不在的邏輯推理。或許，80% 的 App 確實正在走向黃昏。而在黃昏之後，一個以本地為中心、由智能體驅動、資料完全自主的新紀元才剛剛開始。OpenClaw 已經為我們打開了一扇窗，至於窗後的未來如何建構，球現在回到了我們每一位建構者的腳下。 (The AI Frontier)

“AI 的盡頭，是人間煙火。”距離春節還有十天，AI大戰提前進入了白熱化。而這次把戰場迅速燒熱的，是阿里的 AI 入口“千問”。2月6日，千問上線“春節30億大免單”活動，機制簡單粗暴——請全國人民喝奶茶。活動期間，使用者最高可領取21張、總價值525元的無門檻免單卡。這絕非又一場“外賣大戰”，而是一場 AI 辦事能力的“大考”。當成千上萬的使用者湧進 AI 產品，讓最先進的人工智慧與最落地的煙火氣相遇。Agent 時代下，每個人的生活決策已經可以交由 AI 完成。矽谷巨頭們正競相建構面向企業系統的“數字員工”，試圖讓 AI 接管辦公流中的繁瑣環節；而在中國，Agent 的落點則更早地切入了充滿煙火氣的現實世界，開始替人點一杯奶茶、訂一張車票。這並非技術能力的代差，而是基於土壤不同的路徑選擇。而千問，似乎要在幫人辦事這條道路上，走得更深更遠。01重新定義AI時代“搶紅包”2026年春節前夕，AI戰場的硝煙味比往年更甚。字節的“豆包”依託春晚的獨家贊助，試圖用AI生成內容延續短影片時代的流量法則；騰訊的“元寶”則背靠微信生態，試圖在社交連接中尋找AI的落點；百度依然固守搜尋與資訊分發陣地。這三者的共同點在於，它們爭奪的依然是使用者的“注意力時長”。 其本質延續了移動網際網路時代的經典公式：用更優質的內容或更順滑的互動，去爭奪使用者有限的時間與多巴胺，讓使用者願意在App裡多停留一分鐘。相比之下，千問選擇了一條更為艱難、也更為徹底的路徑。與其繼續在紅海中爭奪“使用者停留多久”，千問更在意的是：使用者是否願意把真實生活中的決策與執行，交給AI。因此，千問並未沿用傳統的現金紅包，而是選擇以“免單”切入春節場景。免單無法獨立存在，它必須嵌入真實的消費決策與完整的服務鏈路之中——使用者需要提出明確需求，由系統完成下單，並最終確認履約結果。這也意味著，免單不僅是一種促銷，更是一種被完整驗證的“服務交付”。之所以選中奶茶、外賣、出行等高頻場景，它們共同的特點是決策成本低、使用頻次高、反饋明確。這類日常需求更容易促成使用者完成“第一單”，而在 AI 產品的擴散周期中，“第一次成功交付”的價值，遠勝於反覆的功能演示和能力科普。事實上，AI 進入 Agent 階段後，真正稀缺的不再是模型能力本身，而是模型能力與 B端商業體系的整合能力。從本次活動來看，當使用者發出“點一杯奶茶”的指令時，後台的運行邏輯並非簡單的關鍵詞匹配，而是一次複雜的鏈式呼叫。首先是模型需要解析自然語言等參數，其次是將這些參數被轉化為 B 端系統可識別的 API請求，最後，模型需要遵循平台的計費規則（如配送費計算、優惠券抵扣），生成一個符合財務標準的結構化訂單，並推送到商家的接單系統。在這個過程中，AI 需要跨越單純的語義理解，要與複雜的交易系統、支付體系、履約網路及風控形成穩定協同。因此，千問發起的“AI免單”不只是一次C端流量活動，本質上更是一場大模型能力與B端商業化體系的深度實驗。對於這一策略，坊間不乏質疑之聲：一種典型論調認為：相較於海外廠商集中資源提升模型推理上限、強化多模態、推進基礎設施與系統擴展，國內部分廠商卻選擇在春節期間“發紅包、請喝奶茶”，似乎有點大題小作。但這種判斷，往往忽略了應用層本身：發紅包、請喝奶茶，並非簡單的應用噱頭，而是對模型理解能力、系統穩定性與工程協同的一次集中檢驗。忽視這一點，容易低估了國內廠商的技術投入，這實際上是在強迫千問去“理解”生意的運轉規則。這種“模型+商業”的無縫銜接，遠比單純技術迭代更為複雜。它要求平台必須具備深厚的B 端資源積累和系統介面標準，才能讓大模型真正下沉到商業毛細血管中。更重要的是，這類實踐並非工程團隊能夠自發完成，而是高度依賴內部組織協調能力。模型和真實資源之間的呼叫，背後考驗的是企業對 AI 商業化路徑的整體判斷。因此，千問的30億紅包免單並不是簡單的市場行為，它要求模型理解真實意圖、系統完成下單、支付順暢銜接、履約穩定可控，並在極短時間內承受千萬級使用者的並行呼叫，任何一個環節失效，都會被真實使用者立即放大。在這一過程中，任何一個Token的延遲、一個介面的報錯，都會被真實使用者放大。這種處理複雜極端並行的系統能力，恰恰是許多海外模型與應用公司都渴望擁有的。尤其是在 Agent 時代，對千問而言，它檢驗的並非補貼效率，而是 AI 是否已經具備在真實世界中“替人辦事”的能力——而從首日1000萬 筆 AI 訂單來看，答案正在變得清晰。02從 App 到 Agent：一次互動邏輯的重構一個行業共識是，大模型已進入“後參數時代”，各家基座模型的各項指標逐漸拉平，決定勝負的，不再是“誰的模型參數更多”，而是“誰能讓AI真正完成任務”。過去，網際網路遵循的，是一種“人適應軟體”的路徑——使用者需要穿梭於不同的 App，去適應既定菜單、按鈕和互動流程，才能獲取背後的服務；而現在，MaaS（模型即服務）正在重寫這一規則，在C端互動中，模型本身直接取代了App，成為了服務的交付介面。AI 牌桌上雖然巨頭林立，但若以 MaaS 的標準嚴苛審視，會發現大多數玩家手中都缺失了一塊關鍵拼圖。OpenAI 困於“場景懸浮”： 儘管GPT技術領先，但因缺乏原生應用場景，其模型始終處於“懸浮狀態”。無法嵌入消費、出行等高頻生活場景，導致其只能靠訂閱費和API變現。近期，德意志銀行資料顯示，其歐洲收入已現增長瓶頸，且面臨開源模型與巨頭的雙重夾擊。Google則困於“履約空白”： 坐擁海量資料與TPU算力，Gemini技術表現強勁，但受限於“資訊分發”的基因，Google缺乏電商、本地生活等線下履約體系。面對“即時配送”、“服務執行”等複雜任務，Google陷入了“能精準理解需求，卻無法直接滿足需求”的商業斷層。相比之下，阿里所具備的，並非單點優勢，而是一整套為 Agent 而生的基礎條件。過去四個季度，阿里在“AI+雲”領域的資本開支高達 1200 億元。這筆巨額投入支撐起了中國第一、全球領先的雲端運算網路，為上層應用提供了源源不斷的算力輸血。在算力之上，阿里打造了全球領先的“通義”大模型家族。2025 年發佈的通義千問 Qwen3 系列，作為業界首個具備“混合推理”能力的模型，創新性地融合了“快思考”與“慢思考”雙模式。它既能以極低能耗秒回日常問答，又能針對複雜邏輯進行深度多步推理，真正實現了“大腦”的又快又強。為了讓大腦有效指揮肢體，阿里百煉與 Qwen-Agent 框架建構了生態連接的“萬能介面”。這套工具層加速了 AI 在千行百業的落地，解決了模型與具體業務系統對接的“最後一公里”難題。而最核心的護城河，在於頂層的場景與履約體系。電商、即時零售、外賣、地圖和支付——這些阿里長期積累的實體能力，雖然最初並非為AI而生，但在AI作為新入口出現後，它們第一次有機會被整合進同一個呼叫框架中。既有頂尖的大腦（千問）理解意圖，又有龐大的軀幹（淘寶/天貓）承載交易，更有靈活的手腳（菜鳥/餓了麼）完成履約，最後還有強健的心臟（支付寶）完成商業閉環。當然，AI介入履約服務的這條路也最為艱難，它需要AI理解使用者意圖，還要與複雜的業務系統協同運作。任何環節失誤，都會被使用者感知並放大。風險本身就是壁壘，這種對“全鏈路協同”的極高要求，反而構成了阿里真正的護城河。從行業視角看，這條路徑也解釋了為什麼“AI + 實體”被認為是少數公司才能嘗試的方向。相比純模型公司，擁有現實世界介面的企業，才真正跨過了“工具”與“Agent”的分界線。03Agent 時代下的中美 AI 兩條路毫無疑問，關於 Agent 的敘事已經成為中美科技巨頭押注的下一站。無論是 OpenAI、Anthropic，還是 Google，幾乎所有頭部廠商都在嘗試讓 AI 從“對話者”走向“執行方”。差別不在於是否走向 Agent，而在於——Agent 被首先用來做什麼。前段時間，Anthropic 推出的 Claude Cowork，正是這一趨勢的典型體現。它將 AI 深度嵌入協作與辦公流程，試圖在知識工作場景中，重塑人與軟體的關係。這一動向，也直接衝擊了以 Salesforce、Adobe、SAP 為代表的傳統 SaaS 公司，相關企業股價隨之出現明顯波動。這背後，是一條極具代表性的“美國路徑”：Agent 優先進入的是辦公、開發、管理等生產力場景，核心目標是提升知識工作的效率，讓 AI 成為“數字同事”或“超級 Copilot”。而在國內，Agent 最先被驗證的，並非寫程式碼、做表格，而是點餐、購物、出行、訂票等日常事務。這並非能力差異，而是基礎條件與應用土壤的不同所共同塑造的結果。一方面，我們擁有全球最龐大的網際網路使用者規模，以及成熟的移動支付體系；另一方面，線上線下高度融合的消費與服務場景，為 AI 提供了天然的“試驗場”。在麥肯錫的調研中，已有至多 49% 的企業稱，AI 為企業實現了降本。其中，中國大陸企業在 AI 採用率上提升迅速，已達 75%，與北美地區差距縮小到 7%。在這樣的環境中，Agent被直接放進生活，接受最直觀、也最嚴苛的檢驗——能否把事辦成。從這個角度看，千問的策略，代表了一種務實的中國式路徑：優先尋找高頻場景，將 AI 能力接入日常生活，通過解決真實的使用者需求，來推動 Agent 技術的成熟與迭代。不妨大膽猜測，千問 30 億補貼買到的，並不只是訂單量，而是這代使用者對“下一個網際網路入口”的提前適應。Agent 時代的門，可能已經在這個春節，被推開了一條縫。 (雷峰網)

2026年1月，當大多數人還在習慣用AI寫周報、潤色郵件時，阿里巴巴旗下的通義千問（千問APP）在一個不起眼的發佈會上，扔出了一枚重磅炸彈：月活破億，並且要讓AI從“副駕駛”坐上“主駕駛”的位置。這場發佈會的主題是“From Question To Action”（從提問到行動）。對於科技愛好者而言，這不僅是一個Slogan，它標誌著大模型應用正在跨越“生成式AI”向“代理式AI（Agentic AI）”的鴻溝。為什麼說這次更新是AI應用的一次質變？作為一名AI應用愛好者，我們需要透過熱鬧的演示，看懂背後的技術邏輯與生態壁壘。1. 從 Chatbot 到 Agent：核心邏輯的重構過去兩年，我們熟悉的AI大多被困在對話方塊裡。你問它答，你讓它寫程式碼它給你文字。但通義千問此次發佈的**“任務助理1.0”，本質上是一個通用的Agent（智能體）**。發佈會透露了支撐這一躍遷的三個底層技術支柱：Coding能力的質變：這是Agent在數字世界“動手”的基礎。AI不僅要懂語言，更要懂程式碼，因為程式碼是操控數字世界的指令。全模態理解（Omni-modal Understanding）：AI需要像人一樣看懂複雜的UI介面、讀懂雜亂的Excel報表、聽懂電話裡的語音。超長上下文（Long Context）：只有能記住並處理海量資訊，才能執行長周期的複雜任務。2. 數字世界的“暴力美學”：搜尋裂變與自我核驗在工作場景（數字世界）的演示中，有兩個技術細節非常值得極客們關注：A. 搜尋架構的創新：樹狀裂變傳統的AI搜尋往往是線性的（搜尋-總結）。但千問展示的“深度調研”功能，在接到一個指令（如“調研某APP為何火爆”）後，會在後台瞬間裂變出上百個搜尋節點。這就像一棵樹的生長：一部分節點負責廣度（背景資訊），一部分負責深度（邏輯細節），並根據搜尋結果即時裂變新的節點。最終，它能在8分鐘內生成一份24頁的深度報告。這種“思維鏈+並行搜尋”的模式，是對傳統RAG（檢索增強生成）的一次降維打擊。B. 信任機制：Agent的自我博弈企業級應用最大的痛點是“幻覺”。千問在處理財務報銷（OCR識別+Excel統計）時，展示了一個“交叉檢驗機制”。系統在執行完任務後，會啟動另一個獨立的Agent專門負責“找茬”和復驗。這種“執行Agent + 監督Agent”的雙軌制架構，是AI從“玩具”走向“工具”的必經之路。3. 物理世界的“護城河”：生態即能力對於科技巨頭來說，演算法差距終會被抹平，但生態壁壘難以複製。通義千問此次最大的看點，在於它打通了阿里巴巴的底層服務生態（淘寶、支付寶、高德、飛豬、餓了麼等）。這是什麼概念？其他的AI或許能幫你規劃一份完美的旅行攻略，但由於缺乏API介面，你最後還是得自己去一個個App裡下單。而千問實現了**“決策-交易”的閉環**：原生支付整合：演示中，使用者說“點40杯奶茶”，AI直接呼叫淘寶閃購介面，選品、下單、甚至呼叫紅包，最後在對話方塊內直接彈出支付卡片。電話Duplex技術：AI模擬真人給餐廳打電話訂座，能處理“有沒有包間”、“有沒有兒童餐”這種多輪非標詢問。這需要極強的語音識別（ASR）和語音合成（TTS）以及自然語言理解能力。這種能力讓AI不再是一個單純的資訊提供者，而是一個擁有**Service Tool Use（服務工具呼叫）**能力的真實助理。4. 教育場景：Socratic AI（蘇格拉底式AI）在教育類股，千問展示了AI在Fine-tuning（微調）上的細膩度。它沒有選擇做一個簡單的“OCR解題機”（直接給答案），而是利用多模態互動（邊畫板書邊講）和蘇格拉底式教學法（一步步引導提問）。技術上看，這要求模型具備極強的邏輯拆解能力和對使用者反饋的即時推斷能力——它需要判斷孩子是“真懂”還是“裝懂”，從而決定是繼續講解還是進行變式訓練（舉一反三）。5. 結語：One App for All？發佈會最後，通義千問拋出了一個願景：在未來，大部分場景只用一個千問APP就夠了。這實際上是在挑戰移動網際網路時代的“APP孤島”效應。當AI具備了足夠強的Agent能力，並連接了足夠多的API服務，它就有可能成為新的OS（作業系統）入口。對於我們使用者而言，不管你是想讓AI幫你寫個年會抽獎程式碼，還是想一句話搞定春節全家游，通義千問這次的更新都值得你去邀測體驗一番。畢竟，親眼看著AI在螢幕上自動幫你點選、輸入、核對資料的過程，本身就是一種屬於這個時代的科技浪漫。下一步行動：現在的千問已經開啟了任務助理1.0的邀測，各位極客朋友們，不妨去更新一下客戶端，給這個“新物種”出幾道難題試試？ (The AI Forntier)

近日，阿里旗下千問APP官宣重磅升級，全面接入淘寶、支付寶、淘寶閃購、飛豬、高德等阿里生態業務，首次實現點外賣、買東西、訂機票等AI購物功能。阿里希望將千問APP打造成強大的人類AI助手，能真正幫使用者辦事。此次升級的AI購物功能究竟好不好用，小編拿到邀請碼後進行了體驗。AI外賣：喚起淘寶閃購速度很快 支付效率高千問APP已經可以實現一句話點奶茶或咖啡。小編在聊天框說一句“點兩杯瑞幸的橙C美式”，千問就能快速呼叫淘寶閃購的服務能力。首先根據定位確認位置資訊，然後推薦合適的商家。商品資訊以卡片形式展示，一個卡片一個SKU，但在實際選擇中，需要不斷點選“下一個”按鈕翻找心儀的商品，效率有點低，且不好做對比，不如淘寶閃購APP上簡潔明了。選好商品後，使用者可通過千問內建的“支付寶AI付”功能一鍵付款，非常順暢。如果要修改位置資訊，可以點選商品卡片直接修改。點選“修改商品”按鈕，則可以加入其他商品或一鍵湊優惠。值得一提的是，整個點外賣的過程均在千問對話介面內完成，不需要跳轉至其他應用。此外，生活中還有很多更複雜的點單需求，比如聚餐時想要“20杯咖啡，10杯無糖，10杯加冰”。千問正在內測的“任務助理”功能可以完成這些複雜任務，但從目前的體驗來看，結果還不十分精準，給出了20杯熱的無糖咖啡。一位AI設計師在千問下單之後評價稱，“未來對設計師和AI的挑戰，將會是如何正確識別使用者的意圖，將原子化的元件通過AI組合成互動式的卡片推送給使用者，且使用者在卡片上的操作和上下文形成有效的連接。不過總的來說，有生態的AI值得想像。”據瞭解，用千問APP點外賣還能領取優惠券，部分商品還有大額優惠。根據網友曬單，點一杯冷萃咖啡，“千問爆紅包15元”。AI定機酒：飛豬、高德助力 但選出最優方案不易隨著大模型技術的迭代發展，AI制定旅行攻略已經很熟練了，千問接入飛豬、高德之後，可以直接在對話介面預定機票和酒店。比如，讓千問預定“春節期間北京去大理的往返機票，兩個人，停留5天，出發時間為2月13日。”在完成飛豬帳號繫結及相關授權後，千問給出了兩種方案：注重效率的直飛方案，以及性價比較高的中轉方案，二者價差390元。需要注意的是，春節期間機票價格和庫存變化很快，千問掛載卡片中的機票價格和庫存也會即時波動，所以間隔一段時間問同樣的問題，給出的方案可能完全不同。這也意味著很難選出最優的方案。下一步預訂酒店，可以在千問輸入酒店需求“大理古城附近，性價比高的民宿”，千問給出了5家匹配的民宿，評分都在4.7分及以上，當前價格普遍在100至500之間。但是點開選擇要入住的日期，很多都是售罄狀態。其中一家民宿上了“高德掃街榜”，入圍大理市舒適性酒店榜。據瞭解，千問已全面接入高德掃街榜，此次升級中還推出了AI打電話訂餐廳的功能，在現場演示中，用AI打電話預定包廂，它會自動與餐廳溝通預留時間、人數、有無忌口等細節。 如果不是在最後聽到“我是千問AI助手”，幾乎以為是真人打的電話。AI購物：很多商品顯示無效 仍有最佳化空間AI聊天搭子上連結這事兒，豆包、Kimi、文小言等應用去年已經開始幹了。以豆包為例，就是在聊天回覆的答案中嵌入抖音商城的商品連結，點選後可直接跳轉至抖音商城購買。千問的AI購物功能與此類似。比如，在對話方塊輸入“想買一個掃地機器人，預算2000元以內”，千問給出了兩個方案，一個針對無死角清潔，一個針對大戶型，點選商品卡片，可以看到不同類型和價位的商品列表，選定後即可跳轉至淘寶下單購買。然而，讓千問推薦“含有馬元素的紅毛衣，預算500元以內”，它給出的回覆只有文字推薦，沒有商品連結。進一步要求它“直接上連結”，給出的4個推薦中，有3個顯示“商品失效或不存在”，僅有的1個可以正常顯示的連結與毛衣無關，是千問自己強烈推薦的馬年玩偶“哭哭馬”。再換一種提問，要求千問“為公司年會設定三個獎項，20個名額，獎品選什麼好？”它推薦的獎品包括蘋果手機、華為筆記型電腦、平板、掃地機器人、耳機等，多為3C數位產品，並且帶有商品卡片連結。酒水茶禮、黃金首飾、香包配飾等則只有文字推薦，沒有連結顯示。對於淘寶天貓比較強勢的美妝品類，在相關推薦結果中也沒有卡片展示，有直達連結的，點開則顯示“寶貝不存在，可能已下架或被轉移”。但在淘寶APP中直接搜尋，商品均在正常售賣。據瞭解，千問接入淘寶還在內測中，目前消費電子等品類已經率先接入，其他品類將陸續上線，等到正式上線之後，體驗或許會更好一些。寫在最後千問APP此次最大的更新點在於對阿里生態的深度整合和接入。此前，AI助手的主要功能還是集中在問答聊天，升級之後，千問APP具備了類人化的理解意圖、多步驟規劃與執行任務的能力。用千問C端事業群總裁吳嘉的話說，就是“AI在擁有超強大腦之後，開始長出了能夠觸達真實世界的手和腳。”在實際體驗中，千問的表現有驚喜，也有不如人意的地方。這也說明在初步打通訂機酒、點外賣、買東西等幾大網際網路經典應用場景後，千問APP仍需要持續進化。有意思的是，當小編問豆包、元寶如何看待千問此次更新時，它們都肯定了阿里整合生態資源，建構“超級入口”，推動行業從“聊天”向“辦事”升級；同時也指出千問僅接入阿里系內部業務，存在生態侷限問題，面臨整合與協同難題等。總的來說，AI辦事時代才剛剛開始，但有生態的AI值得想像。 (TechWeb)

2026年1月15日，AI迎來一次新的重要變革。當天，千問App上線400+項新功能，並全面接入淘寶閃購、支付寶、淘寶、飛豬、高德等阿里生態。更重要的是，它把“推薦—下單—支付—履約”拉進同一個應用裡：使用者在千問App內即可點外賣、買商品、訂機票、訂酒店，成為全球首個實現 AI 超級應用（Super App）內閉環的案例。這意味著，阿里AI的“最強大腦”開始與物理世界的“最強履約”合體。千問App不再只是能生成程式碼的聊天機器人，而是第一次長出了“手腳”：能把需求直接變成交易與交付，向“AI辦事時代”邁進。全球AI競賽的焦點，也在從“誰的模型更聰明”，迅速轉向“誰能更完整地履約”。千問C端事業群總裁吳嘉與華爾街見聞對話時表示，AI真正的分水嶺不在於模型能說的多漂亮，而在於能否在複雜場景裡完成交付：簡單問題就簡單回答，複雜問題就要多輪溝通、把需求校準到位。從去年的淘寶閃購，到今天的千問Super App，阿里在大消費與 AI 兩條戰線的“聚合趨勢”越來越清晰：各業務不再各自為戰，而是圍繞同一個AI入口協同作戰。由AI作為粘合劑，也將有望帶動阿里所有資產一起實現AI重估。千問App把AI拉進真實履約，再次彰顯阿里“最強模型+最豐富生態”所具備的競爭優勢，更不斷向外界證明：不論算力基建、模型能力，還是AI購物等應用落地，阿里都全面領跑，不愧是中國AI第一標的。當AI長出“手腳”1月15日，阿里正式宣告AI從“聊天”邁入“AI辦事時代”。使用者在螢幕這端拋出一個模糊意圖，千問在雲端呼叫Qwen3-Max的推理能力，拆解任務、編排工具：調淘寶的商品庫，算高德的路徑，喚起支付寶的支付與資金流。最終，結果以真實的包裹、熱騰騰的外賣、合適的機票，抵達使用者的物理世界。來看一個場景：使用者對千問說，“我是個菜鳥，想去東北滑雪，給我推薦合適的裝備。”在舊邏輯下，使用者往往只會得到一堆攻略：夾雜軟文、資訊過期，還得自己分辨、自己上淘寶搜、比價、下單，鏈路割裂，摩擦極高。在千問的新邏輯下，“菜鳥”意味著更高容錯、更易上手；“東北”意味著更高保暖、更強防風。千問不僅給建議，更能基於淘寶的商品庫與評價體系，生成可執行的具體選品方案：使用者在千問內看詳情，一鍵跳轉下單，中間幾乎沒有斷點。更進一步，打通淘寶閃購後，千問在端內即可完成“推薦—點單—支付”。使用者不必再打開外賣App，也不需要在滿減券裡算數學題，AI直接幫你決策、下單、付款，接入支付寶之後，千問具備了AI原生支付能力，體驗的躍遷是質變。千問成為真正意義上全球第一個可以購物的AI。然而購物只是能辦事的一部分，它甚至能呼叫支付寶的政務能力：一句話查詢簽證、戶口、公積金等約50項民生事項，並直達辦理入口。與此同時，千問在應用開發、Office 辦公、學習輔導、諮詢調研等300+核心任務上，已經具備很高的交付成功率——從“給答案”走向“交結果”。吳嘉在對話中提到，生活場景裡使用者往往並不掌握自己的“真實需求”，必須通過多輪確認來對齊偏好：你沒看到具體方案前，很難判斷“是不是我要的”。這正是Agent該做的事。這些能力看似瑣碎，本質上是在建構一個“生活OS”：AI是核心，淘寶、支付寶、高德等是驅動，物理世界的服務是外設，通過Agent把它們串聯起來。只有阿里，擁有足夠完整的“驅動程式庫”。OpenAI沒有這套庫，Google不夠完整，亞馬遜也不對外開放——這就是阿里真正的優勢所在。最強“大腦”任何商業閉環都要有強技術底座。只有“手腳”沒有“大腦”，最多是自動化指令碼，不是AI Agent。吳嘉強調，團隊不刻意追逐“人均對話輪次”這類指標，衡量標準只有兩件事：使用者真實需求的滿意度與交付率——簡單問題就簡單回答，複雜問題就多輪溝通，把需求校準到位再交付。阿里在模型層的投入很堅決。Qwen3-Max作為核心底座，性能位居全球第一梯隊，千問作為全球最具影響力的開源模型之一，也被輝達、Airbnb、亞馬遜等矽谷公司與開發者廣泛採用，成為“最好用的開源模型”代表。更關鍵的是千問App的進化速度，數百個常用工具中，過半由AI通過Coding自主生成，AI能力不再是“開發上線”，而是“邊用邊長”。傳統App的迭代以周計，而千問可以在識別高頻需求後後台即時寫程序交付，以秒計。架構上，千問App採用通用Agent體系：主Agent負責拆解與規劃，具備反思能力的子Agent在各自領域獨立決策執行，任務結束後系統復盤沉澱經驗，推動Agent持續升級。這也呼應吳泳銘的判斷：ASI演進進入第二階段——AI從“語言交流”走向“自主行動”，不止會說，更能把事辦成。還原資料“場景真相”大腦決定“能不能辦”，但在 Agent 時代，真正決定使用者是否願意把關鍵決策交出去的，是“辦得準不準”。AI Agent的核心痛點是信任與精準。大模型基於全網語料訓練，天然夾雜噪音：軟文、廣告、刷單評論、SEO 文章。使用者問“什麼面膜最好用”，得到的答案可能只是某篇付費通稿的複述，看似有理，實則不可核驗。阿里的解法更“硬”，用海量真實交易與服務資料建構可驗證的“場景真相”。每天發生在淘寶上的真實交易，都是貨幣投票；經過反作弊清洗後的好評與差評，就是信用沉澱。千問App用這套資料增強模型，讓它不僅依賴世界知識，也依賴可落地的商業常識。當AI推薦一塊滑雪板，它不看文案吹得多響，而是看過去一個雪季的真實購買、退換、復購與口碑分佈。剝離軟文與廣告，就剝離了“種草行銷”的偽，從源頭提升輸出的客觀性與穩定性。這種“場景真相”很難被覆制。OpenAI的公共資料來源（如Common Crawl）更容易被SEO噪音污染，即便通過媒體合作補充高品質語料，新聞語料與交易資料之間仍有量級差異。商業資料壁壘來自源頭與閉環，誰掌握交易與服務的入口，誰更接近“真實世界的答案”。這恰恰是阿里二十多年生態積累的優勢，也解釋了為什麼在海外，巨頭們往往需要用“協議”和“聯盟”去補齊履約：路徑不同，成本與不確定性也不同。Google與OpenAI的困局在大洋彼岸，Google也在行動，焦慮顯而易見。1月11日，Google在NRF大會上發佈通用商業協議（UCP）。Google有全球最大的流量入口，但在電商履約上始終缺一條腿：亞馬遜護城河太深，OpenAI來勢太猛，Google必須把盟友拉進同一套體系裡。UCP 的思路是“協議化”：用通用語言與功能原語，把AI Agent與商家後台系統對接起來，於是Shopify、Etsy、沃爾瑪、Target等被拉入陣營。尤其是沃爾瑪。Google與沃爾瑪的合作更像“互補”：沃爾瑪需要流量對抗亞馬遜，Google需要貨盤與履約對抗OpenAI。但協議的天然問題在於鬆散：資料是否會完全共享？庫存是否會即時開放？零售商對Google始終有戒心，沒人願意把自己變成“Google的管道”。所以，Google走的是“借路”：靠協議與盟友拼出閉環；而阿里走的是“自建路”：用自有生態把閉環直接鋪在App裡。再看OpenAI。它點燃了這場革命，但未必是最終贏家。ChatGPT推出“即時結帳”（Instant Checkout），試圖把Chat拉到下單閉環裡，可它仍面對一個物理現實：有大腦，缺手腳。支付、物流、商品與服務供給不在自己手裡，履約只能依賴他人，體驗割裂。於是它不得不與Shopify、Stripe等結盟：靠Shopify的商家供給，靠Stripe的支付能力。這是一種“借雞生蛋”，風險在上游：一旦關鍵平台收緊資料與介面，“全網搜尋”會迅速變成“區域網路搜尋”，閉環覆蓋面也隨之收縮。對消費者而言，如果主流貨盤不開放，Instant Checkout的可用性就會被天然限制。對照之下可以看到：閉環不僅是技術拼圖，更是組織與生態的拼圖。能否把入口、資料、履約擰成一股繩，決定了能不能長期跑下去。阿里的再一次組織變革資本市場習慣把阿里歸類為電商公司或雲公司。但在智能體商業（Agentic Commerce）時代，估值框架需要重構：入口、履約與資料真相共同決定AI的交付上限，也決定商業化的天花板。千問App的全面接入各業務線，正是阿里組織戰略的一面鏡子。過去幾年，各業務類股相對獨立，利於單點突破，但進入AI時代，它反而成了掣肘——AI需要全域資料，也需要跨端能力的協同呼叫。自“淘寶閃購”推出以來，風向開始轉變。餓了麼與淘寶閃購的融合，是大消費領域的生態聚合；千問App的接入，則是AI領域的生態聚合。阿里正在把全集團的力量擰成一股繩，這一次的粘合劑，是AI。淘寶閃購在其中扮演關鍵角色，它把電商與即時零售連接起來，讓“點外賣”這個高頻動作進入淘寶，也進入千問。對千問而言，打通閃購後，推薦、點單、支付形成閉環，才真正具備“能辦事”的履約鏈路。淘寶是貨架，支付寶是錢包，高德是地圖，飛豬是嚮導——這些沉澱多年的商業基礎設施，過去更多是線性增長。在AI帶動下，它們開始被拆解為可編排的“原子能力”，可以被高頻呼叫、靈活組合，衍生出更多服務形態。這既是價值的回歸，也是價值的躍升，當一家公司同時掌握數字世界的“大腦”（Qwen3-Max）與物理世界的“手腳”（淘寶/支付寶/閃購等），它就不再只是若干 App 的集合，而是連接兩個世界的橋樑——這種橋樑的價值，遠高於單點應用的疊加。結語到了2026年，AI開始變成生活本身。AI不必花哨，關鍵是把事辦成、把交付做到位。這是AI時代的必然：誰把大腦接上手腳，誰就更接近未來。 (華爾街見聞)

“死了麼”，這個名字有點黑色幽默的APP，僅用約一天半時間，就在中國迅速走紅。它用一次次打卡、一聲聲提醒，來直面獨居青年最隱秘的焦慮——我要突然“消失”了，怎麼辦？最近，鉛筆道獨家專訪其創始人郭先生，揭開“死了麼”背後的爆火秘密：它是如何從一個小想法，快速成為全民關注的現象級APP。下面為創始人口述，由鉛筆道訪談並整理。- 01 - 創業靈感我是“死了麼”創始人郭先生。APP在1天半之內火了，最近有國際外媒訪談我並透露：“死了麼”已經衝進多個國家（和地區）的國際工具榜前三。感謝大家的熱情。很多人好奇，我們為什麼會做這樣一款名字“刺耳”的產品。答案很簡單：和“獨居群體”的安全需求有關。我自己曾是獨居青年，95後，出生在河南。大學畢業後，去了深圳打拚，大概待了5年。當時，我在一家遊戲公司任職，住在阪田區的一個城中村，下班經常很晚。有一段回家的路，現在回想起來，畫面依然很清晰：路燈常是熄滅的，街道很暗，旁邊是一些老舊建築，幾乎沒什麼人。那是一種說不上來的感覺。不是明確的危險，而是一種隨時可能出事、但沒人發現的恐懼。如果出什麼意外，可能很久都不會有人知道。那怕我是男生，也會下意識地加快腳步，盡快把那段路走完。當時，我並不是一個人住，而是和室友合租。他同樣是一名獨居青年。有一次他下班很晚，剛回到家，手想嘗試去扶旁邊的洗手台，卻突然無法控制身體，整個人開始失控、劇烈發抖，幾乎失去意識。我當時正在客廳，立刻衝過去把他扶住，第一時間把他送去醫院。醫生後來診斷，他患上了嚴重的急性胃炎。事後，室友幾乎流淚地向我感謝，說如果當時我不在場，後果不堪設想。那一刻我非常清楚地意識到：這不是某一個人的不幸，而是大城市獨居青年普遍存在的風險。“死了麼”的具體靈感，是從網際網路開始，有一部分來自小紅書。在評論區裡，經常能看到有人討論：“現在這個時代，還缺什麼樣的App？”有一類回答，出現得非常頻繁，而且互動量很高，大意就是：能不能有一個軟體，如果我那天忘記打卡，或者出了意外，能第一時間通知家人，不至於走了很久都沒人發現，甚至沒人幫我料理後事。大家往往用一種半開玩笑、半自嘲的方式說這些話，但我能明顯感覺到：他們是認真的。雖然我不是程式設計師，不會寫程式碼，但結合這些市場需求，我與團隊創立了“死了麼”。- 02 - 爆火過程“死了麼”是怎麼火起來的？傳播速度，我們自己都沒有預料到。它的使用者畫像是：一二線城市的獨居青年，以女性為主，年齡集中在25歲-35歲左右。它在蘋果應用程式商店上線後，一個普通使用者發現了它，然後自發地分享。再接著，從素人到博主，再到三線媒體、二線媒體、一線媒體，不斷地循環起來。即便到現在，熱度還在持續上漲。整個火起來的過程，也就是1天半左右的時間，全部都是自然流量。在創投領域，“死了麼”也格外火。找我們的投資人不是一般的多，各個類型的機構都有。他們跟我電話溝通的時候，可能聊著聊著就想笑，因為這個名字，確實帶著一點娛樂性和黑色幽默。但聊到後面，氣氛往往會發生變化。因為他們會意識到：獨居安全，並不是一個小眾需求，而是一個被長期忽視的大需求。目前，我們第一輪融資，已經走到了中後段。現在，“死了麼”已經在蘋果應用程式商店上線，Android版正在開發中，前期開發成本約1000多元。關於產品的迭代方向，我們的思路是：先把打卡作為基礎功能，然後慢慢地豐富功能。未來，我覺得有一個方向遲早會發展起來，就是主動式AI。它不是等你求助，而是主動感知風險、判斷異常，在真正的危險發生前，就開始介入保護。至於具體實現方式，目前還不方便對外透露。這是我們一次正經的創業。如果把“獨居安全”當成一門正經的生意來做，我們應該是中國第一家系統性去做這件事的公司。我也真心希望，中國能有更多個人開發者、微型團隊，關注這個方向。這是一個長期存在、但被嚴重低估的賽道。資料顯示，截至2024年，中國獨居人口約1.23億（資料來源：貝殼研究院《新獨居時代報告》）。在這些人中，有相當一部分，願意花8元為自己的安全買一份保障，為“死了麼”付費——我們現在已經盈利了。我們公司旗下，並不只有這一款產品。另一款產品叫CareeAI，它有點像軟體版的“小天才”（兒童智能穿戴公司）。通過CareeAI，家長可以進行位置查看、異常提醒等操作，守護孩子安全。總而言之，我們現在的所有應用，都是圍繞安全守護去做的，目前增速也不錯。未來，我們會繼續圍繞獨居人群和家庭場景，把這件事一步一步做下去。 (鉛筆道)