AI 的競爭成為模型公司全端能力和創新的博弈。2000 年，美國網際網路泡沫破滅時，Google 面臨巨大的商業化壓力。當時他們搜尋引擎的流量暴漲，但離盈利還有一段距離。Google 曾嘗試把自己的技術授權給友商，以賺取微薄的 “經費”。但還是無法支撐公司的長遠發展。公司作為商業組織本質是逐利的。但有技術信仰的企業，往往會在短期利益與長期投入之間，選擇那條更難、更慢、也更燒錢的路徑。Google 沒有放棄技術。2002 年，Google 的工程師們發現，使用者在搜尋框中輸入關鍵詞，不只是為了搜尋資訊，也是在表達購買意圖。Google 將 “使用者搜尋意圖” 與 “商業廣告” 通過競價排名結合，在行業中找到了一個獨特的身位，將技術和商業化真正連接了起來。偉大的技術突破往往能帶企業打開新的市場。蘋果未止步於個人電腦，而締造出了劃時代的 iPhone；字節跳動抓住推薦演算法，才完成對資訊流的重構；OpenAI 固執地進行大模型訓練，讓演算法湧現出了智能。但過去兩年，AI 技術受困於找不到落地場景，商業化受阻。2025 年，DeepSeek 在保持成本優勢的同時，展現出接近人類的思考能力，讓 C 端使用者對 AI 的價值有了新的認知。不久後，OpenAI 的原生多模態模型 GPT-4o，展現了其對圖片內容的理解能力，讓 AI 生成 “吉卜力” 畫風的圖片引爆社交網路。AI 技術的進展帶來瞭解決以下兩大難題的可能性，讓市場重新評估 AI 的商業潛力。物理： AI 對真實世界的理解和執行能力不足。商業： 推理成本過高，限制了 AI 的大規模應用。2025 年底，百度發佈文心大模型 5.0，Google 發佈 Gemini 3，模型實現在統一原生架構下能理解圖片、看懂視訊，大模型統一原生多模態的潛力被逐步看到。技術進步也帶來商業化的可能。目前，大模型有望通過演算法層、架構層、系統層，乃至晶片側的全端最佳化，降低推理成本，提高模型效能，如 Anthropic 的 Claude 系列、Google 的 Gemini 系列、百度文心繫列。AI 行業的競爭不止在於算力、資料，也成為一個公司全端工程能力和基礎創新的綜合博弈。AI 能力正從文字生成走向原生多模態大模型還無法做到完全理解使用者的意圖，但語言模型正在進入 “收益平台期”——儘管算力、資料投入指數級增加，但大模型在預測下一個 Token 的任務上，所表現出的泛化性曲線已明顯放緩。單一文字維度的縮放路徑，無法滿足大模型智能繼續進化的目標。業界一個廣泛流傳的觀點是，大模型要理解世界。“現在的大模型達不到 AGI”，大模型理解世界，需要視覺、聽覺、語言等多種感官資訊的融合。兩點陣圖靈獎得主，楊立昆、Geoffrey Hinton 都曾提出類似的觀點。目前，多數多模態模型就像 “傳話筒”，圖像、語音等訊號需經過獨立模型解碼後再轉譯給語言模型，最終實現理解、生成。建構原生多模態大模型，可以讓模型從訓練階段起，就具備理解圖片、語音等各種模態資訊的能力。原生多模態模型就是能像人一樣，“端到端” 理解各種模態的資訊——前者訓練時只需專注處理單一模態資訊，難在保持 “傳話” 過程中不出現資訊失真的現象；後者則是在訓練時就要讓模型理解圖片、視訊、語音等資訊，但難在讓各種類型資料的意義互通。但原生多模態模型在訓推中需要處理大量多模態的資料，給架構設計、訓練過程和推理等多個層面都帶來了指數級的壓力。Google 從開始訓練 Gemini 系列，便確定原生多模態的技術路徑。但訓練資料較難統一，剛開始 Google 的模型在應用側的效果並算不突出。直到 2025 年末，Gemini 3.0 展現的多模態理解能力，讓業界重新相信了 “原生多模態”。2025 年，國內企業發佈的模型開始呈現原生多模態轉向，發佈的模型有各自的特點。階躍星辰的 Step-3 針對國產晶片頻寬進行了最佳化，降低了企業的商用成本；智譜的 GLM-4.6V 和字節的豆包大模型 1.8，都是將工具呼叫能力原生融入大模型，讓 AI 可以行動；阿里發佈的 Qwen 3-Omni 主要通過最佳化使用者互動與開源，擴大生態。百度文心大模型 5.0 則專注於模型本身，發佈了參數量達 2.4 兆的原生全模態大模型。在國內為數不多的全模態模型中，參數量最大，並在底層架構實現了文字、圖像、音訊、視訊多模態的統一。真實世界本質是跨模態的訊號流，大模型要理解世界，原生多模態是技術上的趨勢。以百度文心大模型 5.0 為例，其文字與視覺理解能力體現出的泛化性，均在 LMArena 大模型競技場相應領域的全球排行榜中，佔據前列。通過原生多模態架構，模型能捕捉到更多非語言資訊，AI 能夠像人類一樣感知現實，並通過 Agent 建立與世界更深層的連接。這也讓大模型切入具身智能、智能座艙、消費硬體等兆美金級賽道的商業場景成為可能。推理成本定義 AI 商業化拐點2024 年底，行業從 “快思考” 轉向 “慢思考”。慢思考是讓模型在回答問題之前，先模仿人類思考路徑，在後台列出完整思維鏈條，自我修正後再生成回答。慢思考模式下使用者每提一個問題，單次消耗的 token 數量都激增。OpenRouter 發佈的年度報告指出，2025 年推理任務消耗 token 的佔比不斷升高，模型專用於推理類任務的呼叫量，佔 token 消耗總額的超 50% 。使用者規模擴大後，模型廠商需為使用者消耗的 token 支付高額的成本。能否降低推理成本，成為 AI 走向商業化的關鍵。2025 年初，DeepSeek 憑藉 MLA 架構和精細化的 MoE 設計，顯著降低大模型計算消耗的同時，提高了模型的性能，被行業視為 “效率標竿”。但 DeepSeek 只是語言模型。語言模型的降本經驗並不能直接平移到多模態領域。GPT-5、Gemini 3、豆包 1.8、文心 5.0 等原生多模態模型，需要處理視覺和音訊流，其對訓練算力的需求是純文字模型的 5 到 10 倍，推理過程也更加複雜。GPT-4o 訓練投入超 1000 PFlop/s-day，大約相當於數千台頂級 GPU 滿負荷運行數周。原生多模態模型若要實現 DeepSeek 式的降本，僅靠模型層面的演算法創新是不夠的。以文心 5.0 為例，依託飛槳深度學習框架進行大規模 MoE 模型訓練，模型預訓練性能較基線提速 230%，啟動參數比低至 3%。在國產晶片替代的大背景下，大模型降本需要同時掌握晶片、框架、模型和應用四個層面的自主權，對企業全端系統工程能力提出了更高的要求。目前國內具備這種閉環能力的只有百度和華為。當推理成本降低，模型可以在後台持續完成自我博弈、工具呼叫和邏輯反思，以 Manus 為代表的通用 Agent 就能實現在網頁間穿梭，完成報表分析。這不光重塑了軟體，也驅動模型能力從 “雲端” 向 “端側” 下沉。原本昂貴的 AI 被嘗試融合進 AI 眼鏡、智能座艙和手機 OS 中。顯然，AI 的下半場不再只是比拚模型規模，而是比 “誰能以更低的成本提供更深的智能”。在這場效率革命中，降本不是目的，而是手段。誰是 AI 時代下一個 “超級入口”？2000 年，百度也憑藉自身技術，為搜狐、新浪、網易等入口網站提供搜尋方面的支援。彼時，這些入口網站雖然擁有龐大的搜尋流量，但 “搜尋” 卻僅被其視為一個附屬的功能模組，沒進行深度最佳化。2001 年，李彥宏力排眾議要推出自己的入口網站，以搜尋引擎為核心的入口 “百度”（Baidu.com）應運而生。百度憑藉超鏈分析技術和精準的中文分詞，從入口網站的索引中脫穎而出。那時，百度的成功在於解決了 “搜得準” 的問題。百度成為了最初的 “平台級入口”。時間回到 2025 年，AI 技術讓 “超級入口” 的邏輯發生了質變，下一代超級入口正從 “匯聚流量的 app” 轉向 “多模態的智能助手”。在 “超級入口” 之爭上，國內能與大廠競爭的創業公司屈指可數。大廠不會放棄任何一種擴張的可能。字節跳動、阿里、騰訊與百度正依託各自的生態，搶佔 “平台級入口” 這一高地。12 月 1 日，字節發佈和中興努比亞合作開發的豆包手機助手，試圖重塑人機互動的底層邏輯。使用者僅通過語音互動，就可以讓豆包手機助手直接接管使用者螢幕。同期，阿里調動整個集團資源，打造 AI 時代的超級助手。阿里成立千問 C 端事業群，將之前阿里雲事業部下通義千問 APP 改名 “千問 APP” 發佈，以 “一周一更新” 的速度迭代。近日，千問 APP 已接入高德地圖，未來阿里或把夸克、UC、天貓精靈等功能也整合進千問 APP。百度基於搜尋，也上線了百度文心助手，對標 Gemini 3，競爭超級入口。百度搜尋全面升級文心助手 AIGC 創作能力，支援 AI 圖片、AI 視訊、AI 音樂、AI 播客等多種模態創作。從硬體佈局的演進趨勢來看，百度可以依託文心 5.0 大模型的技術底座，通過蘿蔔快跑接管物理空間，用小度佔據家庭互動入口，讓資訊實現從虛擬空間向真實空間的滲透。幾周前，Google 將 Gemini 3 嵌入核心搜尋業務，通過跨應用的資料調取，即時生成能與使用者互動的 UI 頁面，向使用者直接交付搜尋結果。Google 通過自研 AI 晶片和 Google Cloud 支援大模型訓練、推理，訓練出的先進的模型又能與自身搜尋、雲盤、Android 生態等入口融合，繼續產生相應領域的高品質資料，持續推動智能升級。有行業人士認為，Google 已形成 “算力-模型-資料-應用” 的系統級飛輪，而百度是中國為數不多能與 Google 對標的 “AI 六邊形戰士”。因為下個時代的 AI 競爭的不止是模型能力，而是演進為全端式的系統競爭，比拚的是誰能完成 “算力—系統—模型—入口—資源—行動能力” 六個層面的閉環。他們認為，百度依託崑崙芯、智能雲作為算力與系統底座，以文心大模型作為能力中樞，連結搜尋、網盤、小度等流量入口，並通過搜尋、地圖與自動駕駛等業務將能力落地到現實世界，形成了六大要素閉環，是國內最接近 “AI 六邊形戰士” 形態的公司之一，具備長期演進的系統飛輪能力。圖源網路水面之下，騰訊同樣暗流湧動。12 月下旬，騰訊新成立 AI Infra 部、AI Data 部、資料計算平台部，27 歲的前 OpenAI 研究員姚順雨出任 “CEO / 總裁辦公室” 首席 AI 科學家。過去數月裡，騰訊也以加倍薪資挖角 AI 人才，強化研發體系。在生成式人工智慧的第一波流量交鋒中，有的公司水漲船高，有的公司陷入沉靜。但在喧囂之下，堅守 “技術信仰” 的企業，正在等待那個規則被重新定義的時刻。 (晚點LatePost)

AI應用進入下半場：從模型的入口到真正的超級入口1AI應用的戰爭正在進入下半場。在最近密集的模型更新中，無論是逆天的 Google Gemini3，還是 OpenAI 的“小更新”GPT-5.1，都在發佈模型的時候重點強調了模型在應用裡的整合。與此同時，一直以開源模型打天下的阿里，也以千問之名集合了全部資源，開始發力 C 端應用，而已經悄悄建立起了全端能力的螞蟻，也扔出獨立的靈光 App——一款基於程式碼能力的全模態通用AI助手，它瞄準C端市場，提供全程式碼生成多模態內容的能力，可以用自然語言在30秒內就生成一個小應用。最新的資料顯示，靈光上線一天下載量就破了20萬。所有人來勢洶洶，都要搶奪一個入口的位置。於是一個很有趣的問題出現：明明 AI 應用已經被講了很久，各家也都一直有動作，甚至明星應用創業公司也不停出現，但怎麼最近才有了入口之爭的味道？其實，過去雖然也曾討論“入口”，實則有很大不同。上一個階段，其實一切 AI 應用的起點和源頭一直是ChatGPT。但要知道，ChatGPT 是一個歪打正著的“應用”，它從第一天就是模型的出口，而不是一整個新的使用者市場的需求入口。DeepSeek 和 Kimi也是如此，一個從來就是弱化應用建設，一個則在權衡後把重心移回模型。最直接的體現，就是這些使用者不少的產品，至今都沒有多模態。而使用者？使用者顯然是非常需要多模態的。這些產品還有另一個共同點，就是他們一定會主打深度思考。這是因為這是體現模型能力最好的方式。但它其實並不是最普遍的大眾需要的功能。說到底，這些應用都是在給模型提供出口，而不是給使用者的需求提供入口。2於是，在應用已經層出不窮很久後，今天最大的落差居然還是在於 AI 應用產品和使用者需求之間。這些被巨額投資供養的 token，能不能被用在普通使用者一直存在的真實需求上，是今天最重要的主題。而這才是今天 AI 入口的爭奪點。這也是為什麼那些已經有大量使用者的國民級平台產品，紛紛在此刻出手的原因之一。顯然他們的思路和做法都和模型廠商完全不同。一個最值得研究的產品就是新鮮出爐的螞蟻靈光。它已經展現出和支付寶龐大生態聯動的巨大潛質，而這背後所蘊藏的想像空間，有可能重塑使用者與AI、使用者與網際網路入口的連接形態，開啟服務互動的新方式，這背後想像力巨大。而更有意思的是，它與 Gemini3 對 Gemini 和 Google 此次帶來的最大改造居然有點不謀而合——主打一個把程式碼生成藏在後面，利用程式碼和多模態能力一起給使用者交付他們需要的可互動的結果，甚至靈光的兩個主要功能，靈光對話，對應 Gemini 的視覺佈局（Visual layout），閃應用對應動態檢視（Dynamic View），一個是“像雜誌一樣”的富媒體加可互動結果，另一個是快速給你建構 App。本質上它們都在面向普通使用者提供“功能生成”級通用 AI 能力。這個路線也迅速得到了正向反饋。作為首個全程式碼生成AI助手，30秒生成可互動應用的獨特功能的確夠新鮮也夠搶手，上線後快速達到20萬的下載量就是一個印證。大量使用者碎片化的工具需求在這種模式裡找到瞭解決方案。在此前一個階段的AI應用產品熱潮裡，諸多產品因為更多在扮演“模型能力出口”的角色，導致它們很多時候陷入了“演示級應用”的陷阱。如何讓普通使用者也能通過AI形成自己的生產力，是這一波爭搶入口的應用的共性。千問的產品裡已經看到整合淘寶天貓等阿里系產品的雛形，想要用AI解決實際需求，而靈光的策略也很明顯，它在往“日常實用化”的方向傾斜。當你使用靈光時，它給人的第一感覺就很不同。它的首頁上寫著它的目標，讓複雜資訊變簡單。它不強調幫你做長篇報告，也不是把 coding 能力做成開發工具，而是把最複雜的 coding 能力用在了提供最簡單結果上，使用者不需要看那些程式碼，但使用者需要程式碼帶來的新體驗。這是解決普通使用者需求的思路。比如，經常出差的我一直希望有一個應用可以提醒我在要飛的航線上能夠看到的風景，我用靈光一句話做了一個閃應用，30秒不到，就有了這個功能。在這個過程裡，可以看出來它非常強調互動。無論在對話方塊裡，還是閃應用的功能裡，你的問題有互動，你的應用也必然可互動。這種思路顯然有很大部分來自於螞蟻在服務上的基因，支付寶的服務是系統化和複雜的，各種各樣的需求必須通過多模態的互動來解決，螞蟻通過靈光，正在嘗試建構起“需求-工具-服務”的閉環，而這對於下一階段AI入口競爭來說，會尤為關鍵。3在這種閉環背後，服務分發邏輯也重構了。過去，只有高頻、標準化的頭部需求值得被做成獨立的 App；而海量的長尾需求因為開發維護成本過高，只能被摺疊在複雜的菜單深處。但當通用大模型的能力介入後，這些曾經因為過於瑣碎而被視為“累贅”的需求，突然擁有了被低成本、即時生成解決的可能。在經典的“長尾理論”裡，絕大多數超級平台其實佔據的是曲線左側高高聳立的頭部——比如搜尋、比如社交，它們用標準化的產品滿足了人類最共性的需求。而螞蟻所在的領域，恰恰是曲線右側那條漫長而平緩的尾巴：交水電費、查社保、買票、分帳……這些需求極其碎片、非標準化，難以像搜尋那樣用一個簡單的框就解決所有問題。因此，過去二十年，網際網路解決長尾的方式只能是“堆砌”：用成百上千個入口去覆蓋，導致 App 越來越重。因為需求是平鋪的，平台不得不把戰線拉得無限長。但 AI 的出現，尤其是大模型帶來的通用性，提供了一種全新的解法：它把這張平鋪的長尾圖表，“立”了起來。當模型的能力足夠通用，它就能用一套邏輯去動態生成千萬種解決方案。原本分散在右側、被認為無法形成“超級入口”的瑣碎需求，現在可以通過“功能生成”的方式被集中滿足。這就好比把右側漫長的尾巴摺疊、累積，在 AI 的賦能下，變成了一座和左側頭部需求一樣高聳的新塔。滿足這些需求的新方式，就是“靈光”這類產品在嘗試的“功能生成”。當使用者在靈光裡提出一個諸如“做一個家庭出遊分攤帳本”這種極度個性化的長尾需求時，系統不再是去長尾裡翻找一個現成的 App 推薦給你，而是利用“閃應用”的能力，即時生成一個可互動的工具。當長尾需求被技術“立”起來成為新的高地，入口的定義也就此被改寫。如果說上半場大家是在給模型配一個對話方塊，爭奪的是通往模型的“流量入口”；那麼下半場，大家爭奪的則是通往真實生活的“需求入口”。在這樣的下半場裡，當那些深諳需求的平台也擁有了模型能力，或許他們比任何人都更接近那個真正的超級入口。 (矽星人Pro)

AI時代的超級入口。馬上又到我司的年度峰會了，這段時間我照例密集地訪談了一批知名投資人。閒聊中，除了客套話，主題可能圍繞從以下幾個比較“小”關鍵詞開始：DeepSeek、中概股、宇樹……也可能會從當下的資本市場，是不是真正進入了“東昇西落”周期的大角度敘事開始。而無論如何開始和結束，一個避不開的公司是——阿里。如果你仔細觀察資本市場的走勢，會發現春節前後DeepSeek、那吒堪稱國運等級的敘事，自然是現象級的催化劑之一，但為何資本市場將中國AI發展的前景，錨定在阿里身上，依然是個值得探討的話題。一個顯而易見的結論是，阿里是目前中國網際網路公司對AI投入最大、最堅定的公司，甚至可以說沒有之一，在阿里業績溝通會上，阿里巴巴CEO吳泳銘提到未來3年3800億的AI資本開支，堪稱是對AI超預期的“飽和式”投入。相比之下，上周剛公佈年報的騰訊提到，2025年的資本開支指引為營收佔比的low teens（10-14%，約1000億），雖然一貫符合騰訊的務實風格，但也被市場認為相對保守。阿里肯拋出史無前例的資本支出，顯然是看好AI即將更大範圍的落地中國，並開啟正式規模化商業應用的前景，背後的邏輯除了世界範圍內越來越清晰的AI敘事，與中國經濟逐漸復甦顯示出的強大韌性外，阿里顯然認為，自己有能力成為這波AI浪潮中的積極推動者，並從中受益。因為確定，所以投入越大，收穫越大嘛。阿里最新財報顯示，AI相關產品收入實現連續六個季度三位數的同比增長。一直以來，人們對阿里AI的期待都集中在低調卻梯隊完整，絕對一線的開源模型層能力，以及由此帶來的雲業務高增速預期。但隨著最近阿里的一個大動作，投資者發現，從底層基建基礎設施，到B端雲業務、模型層外，阿里將AI業務的最後一塊拼圖——應用——也補上了。前一段時間，阿里宣佈推出AI旗艦應用“新夸克”，用一個“AI超級框”來替代傳統的搜尋。對於使用者生活、工作、學習的各種需求，都能被夸克這個“AI超級框”滿足。而在更早的2023年11月阿里季報電話會上，吳泳銘公佈了阿里的第一批戰略級創新業務——1688、閒魚、釘釘以及夸克。今年2月份，馬雲現身阿里杭州西溪園區，先後去了閒魚和夸克所在阿里智能資訊事業群辦公區，其中夸克更是由阿里巴巴集團CEO吳泳銘親自陪同的。可見，阿里早就開始給夸克加碼了。估計也沒多少人想到，就是這樣一款阿里內部孵化的產品，經過六七年時間的持續生長和進化，今天已經蛻變成了承載阿里AI戰略C端入口級應用旗艦。用一句“黑話”來講，以後夸克的這個“AI超級框”，就是阿里AI在C端的“抓手”了。沒有年輕使用者就沒有未來夸克正式以搜尋引擎出圈，是在2018年。或許是國內使用者受夠了令人眼花繚亂的UI介面，又或許是矽谷奉行的極簡主義終於在國內開枝散葉，夸克智能搜尋無廣告、極簡的設計理念一上線便引發諸多關注。夸克給其智能搜尋的定位是“以AI為基礎的智能搜尋引擎”。2020年，夸克推出4.0版本，主要升級了諸如拍照搜題、拍照翻譯、拍照轉文件等AI學習工具。借助線上課堂的東風，使用者數量也開始爆發，根據當年的資料顯示，夸克2020年DAU增長超過5倍，搜尋量增長6倍，AI相機識別的搜尋量更提升了超過10倍。這可能要得益於當時夸克差異化競爭策略。2020年，阿里創新業務事業群成立智能搜尋業務部，由當時的UC事業部總經理、書旗事業部總經理吳嘉出任負責人，首次明確了夸克 “搜尋框+AI工具”的定位。講真，這個定位效果不錯，不僅避開與百度、微信等App正面競爭，在聚焦教育、醫療等垂直場景的戰略下，整合了淘寶、支付寶、阿里健康等生態資源，提供類似志願填報、證件照拍攝、食譜搜尋這類差異化服務。尤其是介面簡潔、審美線上、沒有廣告這些特點，真是實打實地擊中了很多在家上網課的年輕人。也正是因此，從誕生之初，夸克的使用者年齡結構的特點就是年輕。易觀分析發佈的《2025年AI產業發展十大趨勢》報告顯示，夸克位居中國AI應用活躍使用者榜單第一，同時成為唯一一款00後年輕使用者，也就是24歲以下使用者數量佔比超過50%的AI應用。年輕對於一款應用來說代表著什麼，恐怕不用多說了。想當年B站主打一個Z時代使用者佔比最高，雖然屢屢被質疑商業化能力，但今天只要做年輕人品牌的，恐怕沒人會沒有放棄這個陣地。有年輕使用者，不代表一定有未來，但沒有年輕使用者，一定沒有未來。再捲Chatbot還有意義嗎然後再來談談AI。自ChatGPT推出以來，大模型正在史無前例地速度迭代，不提Scaling Law到底會不會撞不撞牆這類技術性問題，我先旗幟鮮明提一個觀點，Chatbot類的大模型對話產品，沒有任何的使用者忠誠度。國外方面最直觀的例子，當屬DeepSeek R1過年前後，7天下載量破億，登頂全球140多個國家的應用下載排行榜，成為全球使用者增速最快的應用。比如印度，18天貢獻了1600萬次下載，幾乎是同期ChatGPT下載量的兩倍。當然事情的另一面是，DeepSeek爆火對AI整體滲透率的促進作用，加上ChatGPT憑藉一手緊急免費加大範圍投放和PR，後來ChatGPT的下載量、使用者量增速也相當超預期。但你不可否認，如果再有一款創新產品出現，以ChatGPT為代表的的Chatbot類產品依然還會受到C端暴擊。國內的情況就更加清晰了。首先在此之前，C端並沒有ChatGPT這類絕對領先的Chatbot。自2023年文心一言推出以來，國內大模型產品從主推長文字的kimi大規模投流，再到豆包憑藉越來越好的模型表現，以及借助抖音的強大宣發管道後來居上，再到DeepSeek春節前後登頂APP下載排行榜，再到騰訊元寶接入DeepSeek後，DAU單月增長20倍，一躍成為中國DAU排名第三的AI應用。有任何忠誠度可言嗎？就連DeepSeek，因為完全開源，也是那家快用那家的。另外一個明顯的現像是，去年還炙手可熱的“AI六小龍”，到了今天，除了被地方政府看中的智譜，如今有那一個還能拿到新一輪融資的？所以我認為，大模型，尤其是Chatbot類產品，在C端卷使用者量是最沒有意義的事情。當然，除了騰訊。因為騰訊有微信，所以不用更多解釋。那麼，什麼是有意義的事情？在我看來，一是阿里、字節等在AI有持續性投入和理解，同時又有像夸克這樣有大規模使用者基礎產品的公司，他們不卷也不行；二是像快手可靈這樣在多模態表現可圈可點的模型；三是像MiniMax海螺AI這種能在海外快速變現的模型。AI時代的超級入口細分的方向可能還有不少，這裡就不一一列舉了。當下最令人關注的，無論是當下已經形成的佈局，還是未來的想像力，當屬已經建構起“基礎設施-雲-模型-應用”的AI生態，又有強大電商壁壘的阿里巴巴。阿里巴巴在基礎設施層面的佈局，也不多贅述了，看看如杭鋼股份等“阿里概念股”的表現就知道，資本市場對阿里資本巨幅開支帶來的國內算力投資熱潮，進而替代房地產成為新的大規模投資方向寄予厚望。另外，阿里在算力基礎設施升級、智能調度、儲存等方面，建立起了全球領先的AI底座。並且別忘了，阿里還有平頭哥呢。阿里雲在國內的雲市場佔有率也一直領先，據公開資訊顯示，截至2024年第三季度，阿里雲在中國大陸雲服務市場中的佔有率為36%，特別是阿里最新財報中，雲業務表現優異，營收同比增長13%，結合AI相關產品收入實現連續六個季度三位數的同比增長來看，AI產品和服務是阿里雲增長的重要引擎。模型層，阿里一直以來都比較低調，不過實力毋庸置疑，比如前段時間爆火的Manus，正是“使用了不同的基於阿里千問大模型（Qwen）的微調模型”。此外，基於阿里在醫療、電商、物流等場景的優勢，阿里的大模型已經在不少場景都落地了。今天，夸克已經成了國內第一大AI應用。據七麥資料統計，在AI產品中，夸克2024年的累計下載量“斷層式領先”，達到3.7億+。量子位資料庫則顯示，在使用者粘性上，第一名的夸克三日留存率超過40%，七日留存率接近30%，均遠遠高於行業對優秀產品留存率的要求。華創證券研究人員實測了夸克最新版本的 All in One“AI超級框”，嘗試利用夸克來完成日常工作、學習、生活的各類需求，比如搜尋微博網址、撰寫深度文章、撰寫PPT、尋醫問診、AI生圖、AI程式設計等案例。最終華創證券認為，夸克實現了“實現高品質交付。”因此，華創證券認為，夸克“具備高性能底層模型(Super Model)+極簡All in One 互動形態+ Agent 架構設計&革新&落地(SuperAgent)亮點，邁向 AI超級應用”。夸克作為阿里巴巴旗下核心AI應用，近年來在阿里體系中的定位發生了顯著變化，從最初的智能搜尋，逐步升級為AI時代的“超級入口”，重要性顯著提升，這在組織層面也是有跡可循的，未來預計也將得到阿里更多資源支援。因此，資本市場對以阿里、小米為代表的中概股資產重估，實際上是預先看到了阿里已經逐漸建構起“基礎設施-雲-模型-應用”的AI生態，小米建構起“晶片-OS-模型-場景”的人車家生態。而夸克，則代表阿里在AI應用方向的全新進擊和嘗試，這也是阿里力推夸克成為集團AI應用旗艦的原因。最後再留兩個小問題以供討論：一是，夸克認為AI時代的超級應用會是“超級框”的形態，你認為未來的AI應用的核心互動入口是什麼？二是，吳嘉之前說未來的使用場景是“人用AI，AI用工具”，而不是單純模仿人的操作，你認為最大的阻礙是技術嗎？這天多久會來？ (投中網)