討論多年，驟然火熱。 5月28日，21世紀經濟報導記者梳理髮現，近兩個月全球巨頭已發佈多款AI眼鏡新品。 這包括：4月華為AI眼鏡官宣發佈，5月Google在I/O大會上宣佈其首款AI眼鏡將於秋季上市，緊接著雷鳥創新、XREAL、VITURE、阿里千問等廠商密集發佈或預告新品。幾乎每周都有重磅消息落地。 市場一致看好AI眼鏡出貨量前景。IDC預測，2026年全球智能眼鏡市場出貨量將突破2368.7萬台，其中中國智能眼鏡市場出貨量將突破491.5萬台，正式迎來規模化增長拐點。Omdia則預估，目前中國大陸市場佔全球AI眼鏡市場10.9%的份額，出貨量接近100萬台，成為僅次於美國的全球第二大市場。

很多讀者常問：“豆包、元寶、千問、Kimi、DeepSeek這麼多AI，我該用那個？” 這其實是一個誤區——以為應該只用“最強最順手的那個”。 正確的思路是：什麼場景，丟給什麼AI。 因為它們各有所長，這才是效率爆炸的關鍵。下面，我們來具體分析它們各自擅長什麼，我們在什麼情況下用那個AI會更有效。 01｜分場景使用指南

離開阿里兩個月後，千問前負責人林俊暘被曝出已開啟創業。 林俊暘。圖片來源：社交媒體截圖 5月13日，據36氪旗下《智能湧現》報導，林俊暘近期開啟創業，方向包括世界模型和具身大腦。目前，林俊暘已經招募數名字節、騰訊和海外背景的成員，並以約20億美元（約合136億元人民幣）的估值開啟融資，接觸基金包括紅杉中國、高榕創投等。 有分析認為，此次林俊暘開啟自主創業，在無營收、無產品的情況下，純靠團隊和創業方向，便被估值百億元，這在國內非常罕見，反映出資本對中國AI頂尖人才的極度樂觀。

5月11日，千問與淘寶宣佈全面打通，開啟AI購物全新體驗。使用者打開千問App，與AI對話，即可完成淘寶上的商品挑選、對比及下單購買；打開淘寶App，點選“千問AI購物助手”，即可使用AI試穿、AI算優惠、AI低價幫搶等AI購物功能。 “千問此前已陸續接入淘寶閃購、飛豬、高德、支付寶等阿里生態內的消費服務能力。此次和淘寶全面打通，進一步補齊了千問在消費場景中的關鍵一環，也為AI成為下一代超級入口打開了更大想像空間。”阿里方面對《證券日報》記者表示。 在業內看來，這是全球超大規模電商平台與頂級大模型應用的首次深度融合。阿里率先在行業內打通AI購物全鏈路，首次實現AI購物從商品推薦到下單、履約、售後的全流程閉環，標誌著阿里AI電商的重要一步。 在千問對話中輕鬆“逛淘寶”

山雨欲來風滿樓。二十多年前，網際網路的普及打破了線下交易的空間限制。電商從無到有，徹底改變了“買與賣”的方式，也重塑了整個商業格局。如今，AI時代的到來，也讓AI站在與當年網際網路同等重要的歷史坐標上。當資料能夠即時推演消費需求，演算法可以精準模擬交易決策，模型能夠深度理解使用者潛在意圖，電商的全鏈路：從商品發現、需求匹配，到交易達成、履約交付，都將被重新定義。正因如此，阿里、抖音、京東三大巨頭幾乎同時加碼佈局AI，是對行業趨勢的共同判斷：電商競爭的核心已悄然轉移，誰能率先將AI從單純的輔助工具，升級為驅動業務增長的核心引擎，誰就能在下一代電商格局中，牢牢掌握行業定義權。一個全新的電商時代，正隨AI的深度滲透，緩緩拉開序幕。近期，阿里千問正式發佈生態級AI助手數字人形象“千問小酒窩”。圖源：阿里巴巴據官方介紹，使用者可以在千問App中找到“小酒窩”。無論是做規劃、解難題，還是訂餐、買票、打車，都只需在簡單的對話中即可輕鬆完成。更重要的是，“小酒窩”會逐步融入阿里生態內的各類應用，為使用者提供統一、連貫、便捷的智能體驗。圖源：阿里巴巴換句話說，這個數字人並非單純的形象展示，而是具備全鏈路服務能力的生態級AI助手。依託阿里生態，它既能解答使用者各類疑問，也能協助完成購物、出行等全流程操作。未來，它還將接入淘寶、飛豬等場景，實現“能談心、更能辦事”的體驗。這標誌著阿里AI生態融合進入了加速階段。看到千問“小酒窩”的甜美外形，想必不少人會自然聯想到抖音的“豆包”。兩者均採用擬人化、可互動的數字人形態，核心意圖都是在使用者側搭建更具親和力的AI入口，搶佔AI電商的使用者觸達先機，拉近與使用者的距離。圖源：阿里巴巴幾乎在同一時間，抖音豆包上線了“豆包幫你選”功能。它以對話式互動為核心，使用者可以通過語音或文字提出購物需求。豆包會梳理需求、對比商品的優缺點與價格，並結合使用者偏好給出個性化推薦。圖源：微博值得一提的是，該功能已與抖音電商深度打通。使用者點選商品連結，即可在豆包App內完成加購、支付、售後等全流程操作，無需跳轉，真正實現了“問購一體”的輕量閉環體驗。圖源：微博除了阿里和抖音，京東在電商領域的AI佈局也極具自身特色。京東AI購在2025年12月底正式上線，定位為購物和生活服務的超級入口。使用者不僅能和京東AI購進行深度對話，更能在對話中直接滿足購物、點外賣等生活需求。圖源：App Store據瞭解，京東AI購的定位是“會思考、能購物、關心你的生活服務助手”。它打破了傳統“你問我答”的模式，主動推送購物攻略、優惠消息、穿搭靈感與生活服務。使用者在輸入框中輸入“我想要”，即可召喚私人買手智能體，獲取消費決策參考與商品匹配。除此之外，在2026京贏未來行銷盛典上，京東還推出了全新升級的一站式AI智能經營助手“京小通”，進一步完善了AI在商家端的佈局。圖源：中國商界雜誌社“京小通”依託京准通的海量行銷資料、資深投手的實戰經驗與前沿大模型技術，打造出“可進化、會思考、能執行”的行銷智能體，能夠為商家提供從選品、定價、推廣到復盤的全流程智能服務，幫助商家降本增效、提升經營業績，夯實京東在商家端的核心競爭力。可以看出，京東的打法是C端與B端雙線平行：C端用“京東AI購”搶佔使用者心智，B端用“京小通”鞏固商家生態。巨頭紮堆佈局的背後，是AI使用者基礎已全面成熟。之所以三巨頭敢於把AI助手深度嵌入交易閉環，正是因為使用者已經養成了與AI互動的習慣。QuestMobile發佈的2026年一季度AI應用洞察報告顯示，AI技術的普及速度遠超預期，截至2026年3月，AI原生APP月活使用者規模已達到4.4億，較上一季度實現大幅增長，這也意味著AI已全面滲透到使用者的日常生活中，為AI電商的發展奠定了堅實的使用者基礎。圖源：QuestMobile其中，抖音豆包以3.45億月活使用者領跑AI原生APP賽道，佔據絕對的使用者優勢；阿里千問和DeepSeek緊隨其後，月活使用者分別達到1.66億和1.27億，形成了三足鼎立的格局。當使用者開始習慣向AI提問“我該買什麼”而非自己搜尋比價時，購物決策的核心就從“主動檢索”轉向了“對話即服務”。而這，或許就是電商巨頭集體加碼AI的核心原因。總的來看，阿里、抖音、京東三大巨頭的佈局雖各有側重、路徑不同，但核心方向高度一致，均在全力發力AI與電商的深度融合，試圖通過AI技術重構電商全鏈路，搶佔下一代電商的競爭制高點。過去大家聊AI電商，更多是試水。比如：做個智能客服、上個推薦演算法，只能算是小打小鬧。但現在不一樣了，阿里拿出能跑全流程的數字人，抖音做出“問購一體”的閉環體驗，京東則完成了C端使用者入口與B端商家經營的雙端AI佈局。這意味著，AI已經從“可選項”變成了“必選項”，誰落後半步，誰就可能在下個周期的起跑線上被甩開。更有意思的是，這場AI電商大戰，並不是簡單的“誰家技術更強”的硬碰硬，也不是單一維度的競爭，而是一場基於自身優勢、差異化路徑的“錯位競爭”。阿里靠的是自身深厚的生態厚度，把AI當作一根“串聯線”，將淘寶、飛豬、支付寶、本地生活等分散的業務類股緊密串聯起來，實現資料互通、服務互通，讓使用者在不知不覺中被“一站式服務”黏住，形成強大的使用者粘性。今年1月，千問就已宣佈全面接入淘寶、支付寶、飛豬等阿里核心生態，加速了AI與各業務的融合處理程序，進一步鞏固了自身的生態壁壘。圖源：千問抖音靠的是自身的流量優勢和互動優勢，依託龐大的使用者基數和高頻的使用者互動，用對話式推薦替代傳統的搜尋瀏覽模式，把過去“刷著刷著就買了”的種草模式，升級為“聊著聊著就買了”的精準轉化模式，進一步縮短了從種草到成交的距離，提升了轉化效率。京東則走了一條穩紮穩打的路線，專注於C端體驗與B端基建的協同發力。通過“京小通”等AI工具幫助商家降低經營成本、提升經營效率，讓商家願意留在京東、深耕京東。不過，當阿里的“小酒窩”試圖讓使用者在聊天中完成購物和出行，抖音的“豆包”也在加速補課後端的供應鏈和履約體系，京東的AI購同樣在強化前端的對話互動體驗。屆時，這場大戰比拚的將不再是各自的傳統優勢，而是AI對全鏈路的整合深度。目前，這場AI電商大戰才剛剛開打。三大巨頭雖亮出了各自的底牌，走出了差異化的佈局路徑，但真正的較量遠未結束，未來仍充滿不確定性與挑戰。技術層面，大模型的迭代速度、AI互動的精準度與安全性，仍是需要持續突破的瓶頸。使用者層面，如何平衡個性化推薦與隱私保護、避免過度行銷引發使用者反感，考驗著每一家平台的營運智慧。行業層面，AI工具的同質化風險逐漸顯現，如何持續打造不可複製的核心競爭力，避免陷入低水平內卷，成為巨頭們必須面對的課題。但不可否認的是，AI已經徹底融入電商的血脈，成為驅動行業向前的核心引擎，其重構電商全鏈路的趨勢已不可逆轉。未來，電商行業的每一次迭代、每一場競爭，都將圍繞AI展開，一個由AI重構的、更高效、更智能的電商新時代，已然在路上。 (電商派Pro)

2025年，杭州策劃了個“六小龍”概念火遍全國；到了年底，我們預判，以杭州的網紅性格，今年初她肯定會再搗鼓出個產業概念，吸一把眼球，這是典型的產業發展品牌策劃。果然，新年伊始，新概念就來了！杭州在人工智慧產業領域擲出新口號，喊出打造“人工智慧創新發展第一城”的目標，擺出ALL IN人工智慧的姿態全力衝刺。平心而論，杭州喊出這個目標並非空穴來風，底氣是有的——DeepSeek、阿里千問、宇樹機器人、阿里達摩院等一眾明星企業與科研機構齊齊亮相，構成了杭州人工智慧產業的核心陣容。一時間外界普遍相信，這座依託數字經濟崛起的城市，大機率能將“第一城”的目標落地成真，甚至不少人在輿論引導下覺得“對哦，杭州就是人工智慧第一城”。宇樹科技機器人春晚武術表演 @網路果然心理暗示的力量遠比想像中強大。你拚命告訴自己能做成一件事，那怕當下差距明顯，憑藉這份執念與自驅力，最終大機率能得償所願。馬雲在創辦阿里巴巴之初，面對網際網路行業的一片空白，始終堅信自己能搭建起連接世界的電商平台。這種邏輯，同樣適用於城市的產業發展——“喊出目標”從來都不是無用功。對城市而言，這是給自己的心理暗示（天天喊自己是第一，不按第一的標準去做不好意思吧！），更是打造產業品牌、吸引資源聚集，一句擲地有聲的口號，讓全球的人才、資本、技術都將目光聚焦於此——想著AI創業的人，怎麼也會想著去杭州看看。相信相信的力量，杭州人深知其理。01 “大腦” 是產業的核心話語權但回歸產業本身，我們釐清一個核心問題：在當下最火熱的具身智能賽道，誰才是真正斷代領先的“第一城”？要回答這個問題，我們回望智慧型手機時代的產業格局，能找到清晰的答案。智慧型手機浪潮席捲全球時，誰是移動網際網路的第一城？答案顯然不是重慶、鄭州、崑山、東莞這些手機本體製造領先的城市——它們能實現千萬台級的手機組裝，卻無法掌握移動網際網路年代的核心價值。真正的第一城，是聚集了大量網際網路應用軟體企業的深圳、杭州和上海。在美國也是如此，軟體企業扎堆的舊金山，遠比那些專注於硬體製造的城市更具話語權。其中的邏輯再簡單不過：隨著產業鏈成熟，攢一台智慧型手機的門檻會越來越低，決定手機價值的，從來不是外殼和硬體堆砌，而是其“大腦”——作業系統和各類應用軟體，我們早已領教了每天離不開微信但能隨時換一個手機牌子的日子。位於美國舊金山的蘋果總部 @網路這個道理，放在如今的具身智能產業上，同樣適用，甚至更為關鍵。宇樹心裡比誰都清楚，機器人本體製造的壁壘會越來越低，未來大機率會像當年的智慧型手機組裝一樣，越來越多的城市、越來越多的企業都能掌握這項技術。真正能決定具身智能產業格局、建構不可踰越壁壘的，從來不是機器人本體，而是其“大腦”——也就是大腦控制、世界模型、資料開發等核心技術。而從現在的資料看，這些領域的頂尖企業，絕大部分都集中在北京，或是由北京孵化成長起來。可以這麼說，人形機器人的核心技術密度，放到全世界也是北京第一。02 北京的硬實力就在杭州全力喊出“第一城”口號的同時，北京的極佳視界宣佈完成近10億元Pre-B輪融資，估值穩步逼近百億，成為國內具身智能領域的後起之秀。作為國內首家佈局世界模型的企業，極佳視界的核心競爭力不是機器人本體製造，而是建構了一套完整的“具身基模-世界模型-原生本體-泛化場景”四位一體的產品矩陣，其自研的GigaBrain系列具身基模在真機評測中拿下全球第一，複雜長時程任務（如摺紙盒、疊衣）的成功率接近100%；而世界模型平台GigaWorld，更是實現了10-100倍的訓練效率提升，通過“模擬+真機”雙輪驅動，解決了真實資料採集成本高、泛化難的行業痛點，被業界稱為“物理世界的OpenAI”。極佳視界從一開始就聚焦於具身智能的“大腦”和“認知能力”，這種佈局讓其在同質化競爭中脫穎而出，也成為北京具身智能產業核心競爭力的縮影。極佳視界產品在多種場景中執行任務 @極佳視界官網在北京，像極佳視界這樣手握核心技術、建構起技術壁壘的具身智能企業，還有很多，它們共同構成了北京具身智能產業的“大腦矩陣”。帕西尼感知科技（北京）是其中的典型代表，它擁有全球唯一的百億級實采全模態資料集，徹底解決了行業內感知資料稀缺、精度不足的痛點。銀河通用機器人則在具身大模型和資料訓練領域做到了全球領先。作為目前國內具身智能領域估值最高的未上市企業（200億），銀河通用的核心優勢，在於自研的銀河星腦（AstraBrain）——這是全球首個整合“大腦-小腦-神經控制”於一體的全身全手端到端具身大模型。同時，銀河通用還建構了百億級具身智能資料集“銀河星坊”，首創虛實融合訓練範式，這種訓練模式讓機器人的訓練效率位元斯拉高出1000倍，泛化抓取成功率達到95%以上。頤和園內工作的銀河通用機器人Galbot @北京海淀類似的領先企業還有很多，比如星海圖在開發者生態和資料閉環領域形成了絕對領先優勢，它的輪式雙臂機器人R1 Pro/R1 Lite，覆蓋了90%以上的全球頂級開發者，其中就包括史丹佛大學李飛飛團隊——要知道，李飛飛作為人工智慧領域的頂尖學者，曾力排眾議建立ImageNet大型圖像資料庫，發起的ImageNet視覺識別挑戰賽，成功發現了辛頓教授的神經網路價值，推動了深度學習革命的爆發，其團隊選擇星海圖的產品作為研發工具，足以印證其技術的先進性。李飛飛團隊用星海圖機器人推出BRS機器人套件 @網路從核心技術佈局來看，北京在大腦控制（VLA/具身大模型/運控）、世界模型（模擬+物理推演）、資料開發（實采/合成/工具鏈）三大核心領域，形成了完整的產業生態，核心企業數量和百億估值企業數量，遠超上海、杭州、深圳。根據最新統計，北京在大腦控制領域有18家核心企業，其中6家達到百億估值；世界模型領域有8家核心企業，2家實現百億估值；資料開發領域有10家核心企業，3家突破百億估值。而上海、杭州、深圳三地在這三大領域的核心企業總和為31家，百億估值企業總和僅為3家，北京的領先優勢堪稱斷代級。可以說，在具身智能領域，北京的領先不是微弱的優勢，而是全方位、斷代式的領先，是名副其實的中國具身智能第一城。北京與上深杭具身智能核心領域企業對比情況 @網路03 喊出來與做出來可能有人問：既然北京已經是毫無爭議的具身智能第一城，像杭州那樣天天喊“第一城”、搞各種賽事和宣傳，有必要嗎？我們的答案是：非常有必要。這不是虛頭八腦的噱頭，而是產業品牌建設的核心動作，是對未來所有優秀企業、人才植入的心智認知。你是第一城，和你能讓所有人都知道你是第一城，是完全不同的兩回事。大聲喊出“第一城”的口號，對內，不斷給自己施加心理暗示，時刻提醒自己：要做第一城該做的事，不能有絲毫懈怠；對外，讓全球的人才、資本、技術都形成“要做具身智能，就去北京”的認知，從而吸引更多優質資源聚集，進一步鞏固領先優勢。這個和踢球就去英超淘金、打籃球就去NBA，是一個道理。就像我們常說的：一個餐廳人多，是因為人多。杭州把產業品牌敢喊出來，這做法其實值得北京學。杭州喊出“人工智慧第一城”的口號後，並沒有停留在口頭宣傳，而是快速落地了一系列實際動作。2026年新年伊始，杭州就籌備組織具身機器人場景應用大賽，邀請阿里、綠城等龍頭企業出題，這些題目都源自企業的真實業務痛點，確保比賽的實用性；同時邀請國家機器人檢測與評定中心等權威機構打分，保證比賽的專業性，面向全球邀請優秀團隊參賽，旨在破解具身智能技術從實驗室走向市場的“最後一公里”難題.杭州2026國際具身智慧型手機器人場景應用大賽 @杭州經信很多人可能覺得這場比賽只是一場普通的賽事，但懂的人都懂，這樣的動作蘊含巨大的價值——當年李飛飛在史丹佛大學發起的ImageNet視覺識別挑戰賽，看似只是一場學術比賽，卻成功發現了辛頓教授的神經網路價值，印證了Scaling Law的正確，直接推動了深度學習革命的爆發，改變了全球人工智慧的發展格局。杭州的這場賽事，本質上就是在複製這種模式——通過賽事挖掘優質團隊、推動技術落地，同時強化自身的產業品牌形象。這種“喊得出、做得到”的態度，是不是該學學。李飛飛的推動下，史丹佛大學成立以人為本人工智慧研究院@網路04 第一城的格局與擔當客觀來說，北京在具身智能產業發展中，還有很多需要提升：城市創新魅力空間營造不如上海，產業主理人專業服務不如杭州、供應鏈快速響應不如深圳、而在產業品牌營造方面，北京與美國奧斯汀等國際科技城市相比，還有不小的差距。這就是第一城該有的思考：敢於正視差距、診斷問題、補齊短板，努力打造具身智能第一城的“六邊形戰士”。奧斯汀西南偏南 @網路我們之所以寫下這篇文章，不僅僅是為了釐清“中國具身智能第一城”的真實格局，更想向所有關注具身智能產業的讀者傳遞一個信念：我們深知北京在具身智能領域的領先優勢，更清楚短板和不足。具身智能是未來十年、二十年最具發展潛力的未來產業。我們願與所有深耕具身智能領域的企業、人才、投資者並肩前行，堅守初心、用十年、二十年的時間，做一件極其有意義的事——我們共同努力，讓北京成為全球公認的具身智能第一城，讓中國具身智能技術引領和造福世界。 (TOP創新區研究院)

事件概述4 月 4 日，發佈僅 2 天的阿里千問新模型 Qwen3.6-Plus，沖上全球知名大模型 API 呼叫平台 OpenRouter 的日榜榜首，成為當下最受企業和開發者熱捧的大模型。OpenRouter 官方資料顯示，Qwen3.6-Plus 的日呼叫量突破 1.4 兆 Token，打破了該平台的單日單模型呼叫量的全球紀錄。OpenRouter 官方在社交媒體上宣稱，這是"有史以來最強勁的新模型表現"。這意味著什麼？OpenRouter 是全球最大的 AI 大模型 API 聚合平台，Claude、GPT、千問、DeepSeek、GLM 等海內外知名大模型，都在這個第三方平台上對外提供模型 API 呼叫服務。通過統計開發者和企業對大模型"真金白銀"的 Token 消耗，OpenRouter 形成了大模型呼叫量排行榜。這一榜單通常被視為全球大模型的實戰戰場，反映大模型的真實市場歡迎度。技術突破：程式設計能力中國第一4 月 2 日上午，阿里發佈國產最強程式設計模型 Qwen3.6-Plus，程式設計和智能體能力實現突破。在國際知名大模型競技場 Arena 的程式設計能力子榜中，Qwen3.6-Plus 預覽版排名中國第一，阿里也因此成為程式設計能力全球排名第二的 AI 機構。大模型程式設計能力排行榜（Arena 程式設計子榜）排名機構模型地區1OpenAIGPT-4.x 系列美國2阿里Qwen3.6-Plus中國3AnthropicClaude-3.x 系列美國4深度求索DeepSeek-V3中國5GoogleGemini-2.x 系列美國市場反響：開發者用腳投票憑藉強勁性能，千問 3.6 在全球掀起應用接入熱潮。4 月 2 日當晚，Qwen3.6-Plus 正式版上線 OpenRouter，呼叫量直線拉升，激增 711%，單日呼叫量突破 1.4 兆 token，登頂日榜榜首。同時還刷新了此前單日呼叫的紀錄，大幅拉高了上限。在全球 AI 社區，開發者分享將 Qwen3.6-Plus 接入自己的項目，實現"氛圍程式設計"——一句話呼叫千問 3.6 實現複雜任務，讓千問直接生成可用的網站、遊戲、小程序，一次直出效果讓人驚豔。OpenRouter 呼叫量對比資料來源：OpenRouter 官方資料（2026 年 4 月 4 日）技術細節：為什麼是 Qwen3.6-Plus？🔍 技術亮點架構最佳化：採用混合注意力機制，推理速度提升 40%程式碼理解：支援 100+ 程式語言，程式碼生成精準率 92.3%智能體能力：原生支援工具呼叫、多輪規劃、自主執行上下文窗口：256K tokens，可處理超長程式碼庫訓練資料：截止 2026 年 3 月，包含 GitHub 高星項目程式碼阿里"千問旋風"：一周三連發過去一周，阿里接連發佈三款重磅模型，覆蓋多模態、視覺生成、程式設計和智能體等多領域，掀起"千問旋風"。阿里千問系列發佈節奏消息稱，千問很快還將發佈 3.6 系列的旗艦模型 Qwen-3.6-Max，預計將整合全模態理解、視覺生成、程式設計和智能體能力，成為阿里最強的通用大模型。社區反應在全球 AI 社區，開發者對 Qwen3.6-Plus 的反響熱烈："Qwen3.6-Plus 的程式碼生成能力太強了，我用它直接生成了一個完整的 React 項目，幾乎不需要修改。"—— GitHub 開發者 @CodeMaster2026"呼叫量破紀錄是實至名歸，這個模型在智能體任務上的表現確實驚豔。"—— AI 研究員 @AIObserver"阿里這次真的站起來了，程式設計能力中國第一，全球第二，期待 Max 版本！"—— 知乎使用者"AI 前沿觀察"隱私與安全提示在使用 Qwen3.6-Plus 時，需要注意以下幾點：程式碼隱私：不要上傳敏感程式碼或商業機密API Key 安全：妥善保管 API Key，避免洩露輸出稽核：生成的程式碼需要經過人工稽核和測試合規使用：遵守相關法律法規和平台使用條款結語回到開頭的問題：1.4 兆 Token 的日呼叫量意味著什麼？這意味著國產大模型已經具備了與國際頂尖模型正面競爭的實力，意味著開發者用腳投票選擇了千問，意味著中國 AI 正在從"跟隨"走向"並跑"甚至"領跑"。Qwen3.6-Plus 的破紀錄表現，不是終點，而是起點。隨著 Qwen-3.6-Max 等更多旗艦模型的發佈，阿里千問系列能否繼續保持領先？國產大模型能否在國際市場上佔據更大份額？讓我們拭目以待。 (aicoolwork)

在上月底舉辦的三星 Galaxy S26 發佈會上，三星和Google官宣將在 Galaxy S26 上首發基於 Gemini 的 Screen Automation（螢幕自動化）的能力。簡單來說，就是 Gemini 可以直接在手機螢幕上操作應用：打開 APP、識別螢幕、點選滑動、輸入文字……完成一連串 UI 操作，最後再把確認步驟交給使用者。圖片來源：三星沒錯，聽起來就和努比亞 M153（坊間俗稱「豆包手機」）上的豆包手機助手一樣，都是能替代人類在手機上進行「代理」操作，實現一句話點外賣、叫車、網購等需求。從海外媒體和論壇的反饋來看，這項功能終於在最近的測試版更新中上線了。不過我們也發現，Google並沒有全盤學習豆包手機助手的做法。雖然在技術實現路徑上同樣基於 GUI 的 Agent，但 Gemini 會基於 Android 開啟一個本地的虛擬沙盒，同時還主動限制了首批開放 Gemini「操作」的 APP，僅限少數一批應用。這種處理方式與國內廠商顯然不太一樣。甚至可以對比字節的豆包手機助手和阿里的千問，Google選擇了一條看起來既激進、又保守的路線。讓 AI 作業系統，而不是接管手機只看功能表面，Gemini 的「螢幕自動化」很容易被理解為另一種「豆包手機助手」。它同樣可以替你點外賣、叫車、下單，看起來也像一個能替人操作手機的 AI 代理。但如果把視角往下再挖一層，就會發現Google的方案其實完全不是一回事。豆包手機助手的邏輯很簡單：AI 讀取螢幕像素，像人眼一樣識別按鈕和輸入框，然後模擬手指點選。這種方式最大的優點就是通用——理論上任何 APP 都能操作，因為 AI 看到的只是螢幕。Gemini 明顯更「保守」。在實際執行任務時，Gemini 並不會直接在你的手機桌面上操作應用，而是會在 Android 系統裡開啟一個本地的虛擬沙盒窗口，讓 AI 在這個環境裡運行目標 APP。整個過程是可見的，使用者可以隨時終止任務，也可以在任何一步接管操作。圖片來源：Android Central簡單來說，Gemini「螢幕自動化」在產品定位上並不是一個可以隨意操控手機的萬能代理，而是一個被系統嚴格約束的自動化能力。Google還主動限制了第一批支援自動化的應用數量。目前開放的主要是打車、外賣和餐飲類服務，僅支援 Lyft、Uber、GrubHub、DoorDash、Uber Eats 和星巴克。也限制了「使用者範圍」。目前除了三星 Galaxy S26 系列已經可以在測試版中體驗，Google也僅規劃了 Pixel 10 系列支援，同時 Gemini 免費使用者每天僅有 5 次使用額度、Plus 會員 12 次、Pro 會員 20 次、Ultra 會員 120 次。這裡既有算力的考量，也在於使用者對 AI「亂動手機」的擔憂，尤其是在歐美市場。所以Google做了權限隔離、關鍵步驟必須要使用者手動操作、可以即時中斷 AI 操作等。但說到底，這只是過渡階段，Google的野心絕不止是讓 Gemini 僅僅能夠操作幾個特定 APP。圖片來源：Google很多人注意到 Gemini 的 GUI 操作能力，卻忽略了 Android 在系統層面正在發生的一件事情。就在三星 Galaxy S26 系列發佈會前夕，Google官方發佈了一篇博文名為《智能作業系統：讓 AI 代理對Android應用更有幫助》，並正式推出了一套新的應用能力介面體系——AppFunctions，允許 APP 主動向系統聲明自己可以被 AI 呼叫的功能。舉個例子，一個外賣 APP 可以告訴系統：支援搜尋餐廳、加入商品、提交訂單這些能力。當使用者對 Gemini 說「幫我點一份披薩」時，AI 並不一定需要逐步點選介面，它可以直接呼叫這些能力完成任務。如果把這套機制理解成 AI 的「函數呼叫」，事情就變得非常清晰了。在Google的設計裡，AI 代理其實有兩條路徑可以執行任務，一種是通過系統介面直接呼叫應用能力，另一種才是通過識別螢幕介面來進行 GUI 自動化。前者效率更高、穩定性更好；後者則是為了相容那些沒有適配新介面的應用。這意味著 Gemini 未來的裝置自動化能力，本質上並不是單純的「AI 看螢幕操作手機」，而是一種系統 API 與 GUI 混合的架構。AppFunctions 的應用示例，圖片來源：雷科技這個差異聽起來有點技術化，但它背後的產品邏輯其實非常簡單。相比豆包手機助手讓 AI 像人一樣使用手機，Google想做的事情是讓 AI 像系統一樣調度應用。當 AI 只是讀取螢幕像素時，它始終站在系統之外，只能模仿人的操作邏輯；但一旦 AI 被放進作業系統內部，它就可以直接協調應用之間的能力。從這個角度看，Gemini Screen Automation 的真正目標或許並不是點外賣、叫車這些場景。Google真正想建立的，是一種新的 Android 運行邏輯和生態。從這裡出發，我們也能在一定程度上明白，為什麼Google要和高通聯手推動「Android電腦」（非 Chromebook）。也解釋了為什麼 Gemini 的方案看起來既激進又保守。激進的地方在於，它試圖把 AI 變成 Android 的調度中心；保守在於，Google並不打算讓 AI 隨意接管整個手機，而是通過系統介面、權限控制和應用白名單，一步一步推進這種變化。相比「萬能 AI 代理」的想像，這種路線顯然更慢，也更克制。但對於一個擁有數十億裝置的作業系統來說，Google可能也沒有太多激進試錯的空間。豆包向左，千問向右，Gemini 走中間相比Google在手機上的做法，去年底亮相的豆包手機助手選擇了最簡單、也最激進的一種方式：讓 AI 像人一樣使用手機。在這套方案裡，AI 讀取螢幕像素，識別按鈕、輸入框和頁面結構，然後模擬手指點選完成操作。無論是點外賣、比價購物還是下單支付，AI 都是在手機介面上一步步執行。這種方式最大的優勢就是通用。因為 AI 看到的只是螢幕，它不需要任何 APP 的介面支援，也不需要平台授權。理論上，只要是人能操作的應用，AI 都可以完成同樣的操作。這也是為什麼很多人第一次體驗豆包手機助手時，會覺得它像一種「真正的 AI 手機」。圖片來源：豆包但問題也同樣明顯。當 AI 可以讀取整個螢幕並操作所有應用時，權限和安全問題就不可避免。同時，很多網際網路平台也並不歡迎這種自動化行為，因為它繞過了平台自身的入口和推薦體系。簡單說，豆包的路線技術上非常直接，但也天然會和應用生態產生摩擦。相比之下，阿里的千問走的是另一條思路，利用阿里自己的服務生態，讓 AI 成為一個調度中心。在這套體系裡，使用者的一句話會被拆解成具體任務，然後分別呼叫淘寶、支付寶、高德、飛豬等服務來完成。比如搜尋商品、下單支付、規劃路線，都是直接呼叫真實業務能力，而不是模擬介面操作。因為所有操作都發生在生態內部，AI 不需要繞過應用權限，也不會觸發平颱風控，又因為直接呼叫服務介面，執行效率往往也更高。圖片來源：雷科技但問題同樣清晰：生態邊界。千問能夠調度的服務，本質上還是阿里系應用。一旦使用者需求涉及其他平台，能力就會明顯下降。從這個角度看，豆包和千問其實代表了兩種非常典型的 AI 代理路徑。前者試圖讓 AI 接管手機本身，追求的是通用能力；後者則通過生態整合，讓 AI 接管服務流程，追求的是業務深度。而Google的 Gemini，某種程度上站在二者之間。在當前階段，Gemini 依然保留了 GUI 自動化能力，這意味著它在必要時也可以像豆包一樣，通過識別介面來操作應用。但與此同時，Google又在 Android 系統裡引入了新的應用能力介面，讓 APP 主動向系統開放可以被 AI 呼叫的功能。如果應用支援這些介面，Gemini 就不需要再逐步點選介面，而是可以直接呼叫應用能力完成任務。換句話說，Google的方案其實是一種混合路徑：系統介面優先，GUI 自動化兜底。從短期來看，這種方式顯然沒有豆包那樣驚豔，也不像千問那樣能夠迅速整合成熟生態。但它的好處在於，既避免了和應用生態的正面衝突，又保留了足夠的通用性。寫在最後把視角再拉遠一點，其實不難理解三種路線為什麼會分化成現在這樣。字節沒有作業系統，也沒有本地生活生態，所以只能讓 AI 直接接管手機；阿里擁有龐大的服務體系，於是讓 AI 去調度自己的業務網路；而Google真正擁有的，則是 Android 這個覆蓋數十億裝置的作業系統。因此，Gemini 的目標從一開始就不是做一個更強的手機助手，而是把 AI 變成系統的一部分，讓 Android 從「運行應用的平台」慢慢變成「調度應用的智能系統」。從這個角度看，Gemini 的克制並不是保守，而更像是一種平台級公司的必然選擇。 (雷科技)