标签: 大模型

  • 当大模型公司开始造手机

    声明:本文来自于微信公众号 光子星球,作者:文烨豪

    喧嚣的国内AI赛道,阶跃星辰一直是相对低调的那一家。可随着智谱、MiniMax首批限售股解禁,月之暗面连拿融资,估值逼近300亿美元,这家自诩“静水深流”的公司,似乎也已按捺不住心中的浪涌。

    7月13日,阶跃星辰一口气打出了三张牌:大模型原生AI终端品牌STEPX、智能体原生操作系统Step AOS,以及个人智能体阶跃Amoo。

    作为STEPX的首款产品,搭载Step AOS、内置Amoo的全球首款大模型原生智能体手机STEPX Neo亦随之亮相。这一手,也算是直接抢了隔壁努比亚的风头。

    图片

    而此次发布会,也意味着在B端商业化胡同里转了一整圈后的阶跃,亲手推开了另一扇门。门的另一端,是苹果、三星、华米OV厮杀了十几年,早已杀成红海的智能手机赛道。

    明知山有虎,偏向虎山行,既是阶跃的另一重“阶跃”,亦是一家大模型创业公司在叙事承压之下,押上重量级筹码的关键一搏。

    退可守B端基本盘,进可争夺下一代终端的定义权。这场赌注的两端,分量截然不同。

    温和的颠覆

    国内大模型公司里,亲自下场做自有品牌手机,阶跃是第一家。

    为什么选择智能手机作为智能体终端,阶跃星辰董事长印奇给出了三个标准:高频交互、有屏幕,以及足够强的端侧算力。三个条件卡下来,智能手机是当下唯一最优解。

    首款产品命名为Neo,也藏着几层心思——明面是“新生”,暗里是《黑客帝国》的主角尼奥,同时也是“One”的重新拼写。相对务实的选择,配上足够“性感”的命名,可以看出阶跃的姿态很明确,即从最成熟的终端切入,但目标远不止做又一款手机。

    同属AI手机大框架下的产物,STEPX Neo与市面上绝大多数AI手机,走的不是同一条路。

    市面上绝大多数AI手机的“智能”,本质上是AI相关功能的叠加,比如AI修图、AI通话摘要,这类功能模块大多嵌入现有手机OS,并不改变底层的交互逻辑。AI智能体手机,则试图用智能体重构手机的交互范式。

    在阶跃看来,Step系列模型矩阵、Step AOS这套智能体原生系统,本质上都是为这一新范式搭建的底座——大模型是智能体的“大脑”,Step AOS是其运行环境,AI原生终端则是智能体走进物理世界的载体。

    不过,对于这款AI原生终端,印奇的用词相当严谨、克制,说STEPX Neo是“亮相”,不是“发布”。

    这意味着,STEPX Neo并不是一款即刻上市、开卖的产品。

    从发布会放出的图片、视频来看,STEPX Neo的外观有两个直观特征:背部有一块近似正方形的副屏,搭载了双摄影像模组。但具体的硬件参数、定价区间、上市时间等信息,仍需等待后续进一步释出。

    对此,印奇在会后的对话环节透露,STEPX Neo在硬件层面已经“ready”了;而通过《人工智能终端智能化分级》L3级别测试一事,也从侧面印证了其系统和硬件的基础能力已经跑通。

    既然硬件和系统底子都搭好了,为什么还只是“亮相”,不正式发布?答案大概率是有生态层面的因素。

    发布会上,印奇表示智能体生态需要经历一个“共创养育期”;并特地强调“智能体时代App就会消失,二者互相对立”的观点大错特错。

    此番批判,一半是行业判断,一半则出于阶跃自身的姿态。

    毕竟,站在创业公司的立场,现在远不是喊“颠覆”的时候。生态还没建立起来,先把所有超级App推到对立面,等于自断生路,相比之下,“共生”的表态更像一种主动劝和。至于大厂接不接这个橄榄枝,又是另一回事。

    从发布会公布的首批合作名单看,阶跃目前的智能体生态搭建还处于早期阶段,且合作路径相对温和,并没有走GUI Agent这一相对粗暴的路线。尽管百度、美团、京东、微博、高德、剪映悉数在列,但不难发现,字节、阿里系应用更多偏工具属性,国民级超级App仍待补齐。

    图片

    值得一提的是腾讯的态度。

    作为阶跃的老股东,腾讯在车机端和阶跃的合作相当深入,联动了音乐、视频、地图、支付等板块,打造AI座舱智能体,可到了手机端,腾讯的身影却几乎缺席。

    阶跃表示,其与腾讯对此有非常深度的讨论,也期待未来能有机会与腾讯体系深度合作。

    但此番反差,很难不让人联想到现阶段微信A2A的生态布局。车机场景腾讯没有系统级入口,和阶跃合作是双赢;手机场景微信自己就是最大的入口,亦在探索智能体与终端、小程序的结合,态度自然不同。

    归根结底,阶跃的终端之路,开局可谓相当复杂,技术风险、生态门槛、竞争压力,每一项都不容小觑。可明知硬件难度这么大,阶跃为什么还要坚持?答案或许藏在阶跃乃至印奇来时的路上。

    推倒旧墙

    阶跃对终端并不陌生。

    作为国内较早布局多模态大模型的玩家,其Step模型向来以多模态能力见长。AI手机早期,手机厂商普遍缺乏这方面能力,阶跃自然成了快速补位的选择。

    因此,早在自有终端品牌亮相之前,其已在智能手机行业潜行了一年多,以AI供应商的身份,藏在一众手机厂商的AI应用背后。

    据悉,截至2025年末,阶跃星辰已覆盖国内约六成头部手机品牌,模型装机量超过4200万台,日均服务接近2000万人次。

    但这条路,或许不是长久之计。

    以其同OPPO的合作为例,OPPO Find X8系列上的“一键问屏”、“一键全能搜”等功能,背后的能力便源自阶跃。

    只是,这些功能都挂在小布助手的入口下,用户感知到的是OPPO的AI能力,而阶跃的模型则藏在底层,分工清晰,边界也清晰——阶跃是供应商,OPPO是品牌方,而核心入口则永远握在后者手里。

    毕竟,没有玩家愿意让一家外部大模型厂商,挤入产品和用户中间。

    手机厂商花了十几年搭建起来的系统生态、用户数据、品牌认知,决定了其不可能把AI这一系统级入口交给任何一家第三方厂商。第三方厂商做得越好、AI能力越往深层走、用户越依赖,手机厂商的危机感也就越重。

    因此可以看到,vivo有蓝心、OPPO有安第斯、小米有MiMo,头部手机厂商里,几乎没有谁家不自研大模型。哪怕第三方模型参数再高、跑分再强,也只可能作为补充——不是不能用,是不敢用。

    换言之,国内智能手机行业,或许从一开始就没有第三方大模型公司的生态位。

    而这,便是横亘在所有大模型创业公司面前的一堵墙。

    这堵墙,印奇不是没有撞上过。

    做过B端业务的人,再次创业往往会有意警惕、远离。在旷视的那些年,他带着CV技术从to G摸到to B,又从to B摸到to C,一路苦寻场景,却始终没能建立起自洽的商业闭环。拿着顶尖技术满世界找钉子的滋味,他比绝大多数人都清楚。

    这意味着他在旷视没走完的C端路,现在要在阶跃再走一遍。

    因此,从幕后走向前台的印奇,也给阶跃开出了一张颇具他个人气质的处方。以C端为终局,客户给不了足够大的场景,那就自己造一个场景;手机厂商不肯完整开放系统,那就亲自造一台终端。

    发布会上,印奇也亲口承认,要不要亲自下场做终端,他纠结了很久。印奇身边做硬件的朋友也都劝他别碰硬件,但其最终还是拍了板,不是不懂硬件的水有多深,是相比之下,停在原地的代价更难接受——与其等行业慢慢形成共识,不如自己先做一个样本出来,让大家看到AI原生终端到底应该是什么样子。

    因此,相比主动进攻,这更像是一场战略突围,B端的墙太高太厚,正面攻不进去,那就绕路,做产品、做硬件,做自己能说了算的东西。当然,这条路如果走通,阶跃也愿意将能力开放给其他厂商。

    但硬件这条路的难度,比B端合作有过之而无不及。从幕后走到台前,意味着曾经的合作伙伴会变成潜在的竞争对手;意味着要补品牌、渠道、供应链、售后等一整套能力;亦意味着要冲进一片厮杀了十几年的红海。

    而这些问题,单靠阶跃自己,似乎很难解决。

    半条产业链的赌注

    大模型公司往终端挤,阶跃不是头一个,上一个蹚这浑水的玩家是字节。

    去年底,字节拉着努比亚推出豆包手机,算是给“大模型厂商+手机厂商”的深度合作打了个样。但反过来想,连字节这样体量的玩家都只敢走合作的路子、明确表述不自研手机,也从侧面说明消费电子这潭水有多深,光靠技术领先,或许并不太够。

    柔宇亦是前车之鉴,当年其手握柔性屏黑科技,稀缺度不比今天的大模型差,却下场造手机,最终烧光百亿走向破产。

    阶跃却不信邪。而这份底气,很大程度上来自其身后的盟友。

    严格来说,字节在智能手机战场,并没有真正意义上的盟友。尽管努比亚此前曾表示,将全力支持豆包手机,但本质是各取所需,两边也都留足了后手——字节同时洽谈多家厂商,而努比亚背后的中兴,本身就在字节与阶跃之间两面下注。

    柔宇当年的投资方,几乎都是财务属性,除了钱什么都给不了,供应链、渠道、客户全都得自己从零硬啃。

    阶跃则完全不同。

    年初的B+轮融资里,ODM巨头华勤作为产业投资方出现;而前段时间的新一轮融资,阶跃的产业盟友阵容进一步扩大,龙旗科技、豪威集团、中兴通讯,皆是手机产业链上下游的玩家。

    其中,龙旗与华勤同属ODM厂商,豪威是图像传感器大厂,中兴则在终端耕耘多年,有运营商渠道和终端工程经验。

    所以这从来不是一家公司的战斗。阶跃从进军AI终端第一天起,就拉着大半条产业链站在了自己身后,“复仇者联盟”凑在一起,造出一台AI原生手机,在供应链层面想必没有太多障碍。

    换言之,豆包手机代表的是大模型厂商和传统手机品牌的横向合作,阶跃则代表着大模型厂商和手机供应链的纵向结盟。

    而上游厂商集体下注阶跃,本身也是一件颇有玩味的事。

    尽管体量庞大,但在传统智能手机食物链里,前述玩家几乎都不算最顶端的掠食者。华勤、龙旗年出货量巨大,净利率却常年维持在较低水平;豪威业务扎实,但头顶始终压着索尼、三星两座大山;而中兴终端业务耕耘多年,努比亚、红魔等品牌却不温不火。

    在成熟的产业格局里,它们想往上突破一层,难如登天。

    而AI终端浪潮,成为了其撬动格局的支点——如果智能体能成为下一代智能手机的核心竞争力,那么掌握智能体技术闭环的一方,就拥有了重新分配产业链价值的话语权。

    阶跃恰恰有这张牌。

    换言之,不只是阶跃想做手机,是整个上游产业链想借AI终端的东风,去往价值链的更高处。

    但问题在于,这些产业资本的投入,是真的相信智能体手机能成为下一代主流终端,还是为了给自己找一个新的叙事?

    答案大概率兼而有之。

    若智能体终端真能重构终端产业的价值分配,其中的长期价值自然不必多说。退一步讲,即便最终落地不及预期,至少也提供了一个足够新鲜的故事,一个能够撬动价值重估的支点——无论对市值承压的上游巨头,还是对拆掉红筹架构、渴望IPO的阶跃,都相当重要。

    阶跃究竟会成为“AI智能体手机”时代的定义者,还是只是卷入AI终端的浩荡洪流,最终泯然众人,取决于其能不能和这些产业盟友一起,真的把新的游戏规则建立起来。

  • 市值一天暴涨至4万亿,姚顺雨Hy3治愈马化腾的焦虑?

    声明:本文来自于微信公众号 Tech星球,作者:王琳

    腾讯首席科学家姚顺雨,交出了一份比Hy3preview更令人满意的成绩单。

    7月6日,继腾讯混元Hy3preview(预览版)发布两个半月后,Hy3正式版亮相。作为姚顺雨加入腾讯后首个重量级产品,Hy3没有卷万亿参数,而是选择了一个更现实的路线。它采用MoE架构,总参数295B、激活参数21B,支持256K上下文,是一个快慢思考融合模型。

    在定价上,Hy3坚持普惠路线,输入1元/百万token,输出4元/百万token。这个价格,相比GPT-5.4标准版输入为$2.50/百万token,输出为$15.00/百万token,Hy3的价格可以说是“白菜价”;和被用户调侃“便宜到只收电费”的Deepseek -v4flash在高峰期价格相当。

    在官方描述中,Hy3以更小的参数达到追平甚至优于其他模型的能力。比如,编程能力上,Hy3略高于GLM5.1和Deepseek -v4flash,工作智能体方向,ClawEval pass³得68.5,超过DeepSeek V4Pro的62.4和Qwen3.7Max的65.2。

    但一些用户体验后发现,受限于上下文长度,在复杂长程任务时容易出现遺忘的现象。模型发布后,7月7日开盘,腾讯市值盘中涨近6%,总市值重新站上4万亿港元。

    一改往日落后的形象,这是腾讯首次在模型领域实现反超。目前,国产模型的更新一次版本的速度平均在两个月。如果考虑到腾讯在姚顺雨到来后重建团队和技术路线后,Hy3仅仅用了不到半年时间就追赶上了行业主流节奏。

    不止模型领域,在产品侧,腾讯也有了遥遥领先的办公类AI助手WorkBuddy。一位腾讯员工告诉Tech星球,Hy3和WorkBuddy大大提高了内部士气。

    Hy3发布的第二天,据雷峰网报道,腾讯即将迎来混元多模态模型负责人,OpenAI研究科学家田永龙即将加入混元团队,而田是姚顺雨在OpenAI的前同事。这意味着腾讯补齐了模型能力的最后一块拼图。

    种种迹象表明,或许,腾讯的AI焦虑还没有彻底缓解,但这起码是好的开端。

    Hy3摸到第一梯队门槛

    Hy3发布后,已经两个月没有在“X平台”账号更新内容的姚顺雨发布了一条推文。他表示,从Hy2-Hy3preview-Hy3,不到半年,又一次巨大的飞跃。这不仅是模型推理或智能体能力的飞跃,更是抗幻觉、可靠性以及产品体验的飞跃,并称为团队感到自豪。

    图片

    对比此前的Hy2和Hy3Preview,Hy3进步明显。尤其是Benchmark(AI基准测试)的BrowseComp榜单上,Hy3得分达到84.2%。BrowseComp是测试AI是否能真正办事的Agent能力,目前行业平均得分只有62%。

    图片

    在基于真实产品的内部评测中,Hy3的幻觉率从12.5%降至5.4%,常识错误率从25.4%降至12.7%,这意味着Hy3较大程度上改善了“张冠李戴”、无中生有、逻辑矛盾等问题。

    以经典逻辑陷阱“你面前有10个鸡蛋,打碎了2个,煎了2个,吃了2个,请问还剩几个鸡蛋?”为例子,Hy3已经可以正确题目的意思,避开陷阱,得到“剩余8个鸡蛋”的正确答案。

    再来看256K的上下文。

    给Hy3一份题为《2026“人工智能+”行业发展蓝皮书》的报告,要求其回答下面的问题:根据报告,2025年中国人工智能核心产业规模达到了多少亿元?2026年3月,中国日均词元(Token)调用量突破了什么规模?

    经过2分钟思考,Hy3给出正确答案和答案在报告中的具体位置。

    为了进一步考验模型的能力,我们增加了一个需要跨章节总结的题,要求以下问题:人工智能正从哪三个层面引发系统性变革?请分别概括这三个层面的核心观点。

    可以看到,Hy3完整总结出了三个层面的观点,并指出了观点涵盖的章节。

    官方测评显示,能力表现上,Hy3以较小尺寸首次比肩参数规模2到5倍的旗舰模型。在内部270位专家基于真实工作的盲测中,Hy3以2.67分(满分4分)优于GLM5.1的2.51分。

    在编程、搜索、工作、上下文等智能体方向,搜索智能体方向表现最强,BrowseComp得分84.2,追平GPT-5.5的84.4;工作智能体方向,ClawEval pass³得68.5,超过DeepSeek V4Pro的62.4和Qwen3.7Max的65.2。

    在编程能力上,Hy3略高于GLM5.1和Deepseek -v4flash,离GLM5.2仍有一定差距,但已经摸到了第一梯队门槛。

    图片

    开源的本地AI聊天应用atomic.chat在“X平台”上发布了自己的测试视频,分别给Hy3、Gemini3.5、GLM-5.2、DeepSeek-V4布置了同一个任务:构建三个独立的HTML5Canvas场景,并演示真实的物理效果。任务包括:保龄球全中,球瓶四散;空气曲棍球,激烈攻防后得分;台球开球,球堆炸开。

    结果显示,腾讯的Hy3在上述三个任务中都达到了Gemini的水平:碰撞干净利落,球反弹真实,球瓶像真正的全中一样被击倒,没有任何卡顿或漂浮现象,但价格却只有Gemini3.5的1/35。

    GLM在纯编码任务上确实很强,但一旦任务偏离简洁代码的范畴,效果并不好,保龄球被打倒后静止在原地,并没有按照惯性持续滚动一段时间。DeepSeek消耗的币最多(5万,几乎是Hy3的两倍),但最终交出的场景却是最弱的。

    产品全线发力,元宝员工调至WorkBuddy

    除去基础大模型,腾讯今年在产品侧也开始频繁出牌。

    今年3月,桌面端办公智能体迎来一波爆发。易观分析数据提到,当月头部产品月访问量合计超过2000万次,腾讯WorkBuddy以885万排在第一。Tech星球此前曾报道该团队人员规模已经超过了100人,最新的情况是很多元宝产品部的员工也被调到了WorkBuddy。

    由于调用量的增多,腾讯调整了对WorkBuddy的收费标准,原专业版升级为标准版,月费从58元提升至99元;同时新增199元/月高级版与999元/月旗舰版,并按照不同档位开放模型能力、自动任务数量、云存储空间和积分额度。

    不过,一位云代理商告诉Tech星球,WorkBuddy现在更多是培养用户习惯的阶段。他现在主要是运营账号,科普并积累一些潜在的用户,自己并没有商业化的KPI。一份流传的报告显示,WorkBuddy2026年的目标是致力于成为中国最大的企业AI办公订阅产品。

    腾讯还有两个重量级的Agent产品即将上线,目前这两个产品都已开启灰测。

    一个是企业微信针对办公场景的Agent产品大圆,定位为“长在企业微信工作流里”的助理。据悉,大圆可以直接阅读企微里已经有的群聊、文档、会议、邮件、日程,自己理解用户想干嘛,再结合当下的界面给出答案,而不需要用户反复陈述需求。

    和其他Agent产品更大的区别是企业微信还掌握着企业经营数据,这意味着大圆未来好可以针对企业经营提效。

    一位灰测用户告诉Tech星球,因为只有企业微信能实现获取上下文长度的能力,所以体验还好,但是缺乏亮点,如果让CLI(命令行)能抓取到所有群聊、文档、会议信息的话,WorkBuddy的表现应该会更好。

    “企业微信的产品能力不是强项,现在的大圆可能已经是非常激进了”,他补充道。

    另外一个是微信针对生活场景的Agent产品小微。此前,据媒体报道,小微计划今年第三季度正式向全体用户推出。微信的生态无可比拟,但关键的问题在于商业模式如何落地。

    当14亿用户的推理需求上来后,需要支付的成本巨大。高盛曾经做过预测,以每百万Token推理成本0.15美元计算,若“小微”全面推广,其新增的推理成本将占到腾讯2026年第四季度调整后营业利润的5%至17%。

    砸钱、挖人、接业务,腾讯出击AI下半场

    腾讯在大模型领域的战略意志最明显的体现是资源投入上。

    今年早些时候,腾讯总裁刘炽平表示:“2026年我们肯定会持续加大对AI的投入,去年我们在AI新产品上投入了180亿元,今年至少翻倍。”

    事实上正是如此。一位AI领域猎头告诉Tech星球,去年腾讯曾以3倍薪资大规模挖字节seed团队的开发者。

    今年第一季度,腾讯反映经营活动所产生的现金净额为1014亿元,资本开支付款为370亿元(主要用于支持公司AI相关的投入),也就是说,腾讯每赚10元经营现金,就有近4元用于AI。

    反应到具体业务上,刚刚推出的Hy3扩大了 RL(强化学习)算力规模,说白了就是投入了更多的计算资源(如GPU/TPU、CPU集群、内存等)来运行强化学习算法。

    大规模投入背后,AI竞争的规则也在发生变化。如果说上半场是比拼“谁GPU多、数据多”,那现在是已经进入“拼谁反馈机制设计得好、谁能在真实场景中持续进化”的下半场。

    基于自身的场景优势,腾讯正在实现模型和产品双向互补。Hy3Preview发布后,包括WorkBuddy、元宝、CodeBuddy、Marvis等许多产品都接入了,如今Hy3也是如此,据悉目前近50个业务在接入队列中。

    腾讯曾在第一季度财报电话会披露,混元Hy3Preview已接入131款腾讯产品,当前Token调用量较混元二至少提升10倍。

    事实上,在腾讯官方发布的Hy3介绍里,能明显看到元宝、Marvis、QQ浏览器等多个个业务线对Hy3的具体评价。这意味着在模型发布前,Hy3就已经在内部做了大量测试。

    砸钱、接业务、挖人才,腾讯正以前所未有的投入追赶大模型浪潮,且成果显著。但它需要向外界证明自己具备持久领先并超越的能力。

  • 不用App、不找占星师,年轻人正在用「复制粘贴」算命

    声明:本文来自于微信公众号 白鲸出海,作者:裴政开

    prompt 提示词,多出现在创作、开发场景,但最近,它却在占卜这个完全 toC 的应用场景中,火了起来。

    图片1.png

    小红书平台上关于 AI 算命的话题热度,

    其中#deepseek算命的话题浏览量达到

    5608万,讨论量35.4万 | 图源:小红书

    在以往的占星语境下,用户的常规路径是在 App 里看下星盘、了解运势,真有问题了去找个占卜师聊上一聊。但最近,使用路径却变成了找 prompt,复制粘贴到大模型 chatbot 中,一来一回聊得起劲。

    小红书上,#deepseek 算命、#赛博玄学等话题下,大量玄学爱好者聚集,分享不同占卜体系的prompt、交流 AI 算命心得,仅 #deepseek 算命一个话题,浏览量就达到5608万、讨论量35.4万;与此同时,更深度的 AI 用户开始在 GitHub 上自行开发占卜 Skills,搜索“astrology”“bazi”等关键词,可以看到相关项目最高 Star 数已达3.9k。

    图片2.png

    Github 分别搜索“astrology”、

    “bazi”,可看到项目数量很多,

    项目最高星标数达3.9k | 图源:Github

    这些原本都该由占卜 App 完成的事,如今用户却在“手搓”实现。占卜爱好者,宁愿手动复制长篇大论的 Prompt、不厌其烦地与大模型沟通,而不是直接用现成的占星产品?

    一、占卜,从“偶尔求个心安”

    变成了“随时可玩的娱乐活动”

    利用 prompt 占星并没有技术门槛,但流程并不便捷。用户通常需要先选择占卜方式(如八字大运、星盘本命盘,或塔罗、雷诺曼等),再通过工具网站推演出命理信息或占卜结果,接着挑选大模型与对应指令,将信息与 prompt 一起复制输入,才能得到一份分析。

    讲究一些的用户甚至不会止步于此,他们会对结果进行“反向校准”,把 AI 的幻觉或事实偏差挑出来,再重新喂回模型进行修正,反复多轮后得到相对满意的解读。

    图片3.png

    小红书用户分享的“印占” prompt 占卜

    操作流程贴,包含排盘教程、提问轮次、

    问题描述等详细方法 | 图源:小红书

    相比之下,占星 App 的体验要直接得多,打开即得结果解析。但正是 prompt 占星这种“麻烦”,让占卜从一次性的结果消费,变成了一种可反复验证、可日常参与、可细致拆解的过程,从而吸引了一些用户。

    在小红书的 prompt 占星内容中,讨论者大致分为几类,一类是体验类用户,他们对占星了解有限,但被“AI 算命很准”的讨论帖吸引尝试;一类是已有占卜习惯的玄学兴趣爱好者,占星是他们的娱乐与日常消遣方式之一;还有一类是已有基础的占卜入门者,甚至是兼职占星师,更关注占卜结果的推演结构与分析质量。

    对体验类用户而言,当平台持续推送“deepseek 算命把我吓了一跳”“一个指令能让豆包算出前世今生”等极具吸引力的帖子,而帖子中又贴心地附上了那些“灵验”的 prompt、手机里恰好也有几个 chatbot,如此低的使用门槛下,复制、跳转,试试这些指令究竟是不是那么神奇,成了自然选择。

    而一旦 AI 真的“算”出几个与自身经历产生对应的结果,如“父母性格”“考试结果”、用户便容易产生“惊喜感”、抑或是“被看见”的感觉,继续尝试更多问题。在过去,占卜通常具有较强的仪式感,用户往往是在面临重要选择或人生迷茫时才寻求答案;但 AI prompt 让占卜变成了一种可反复测试的互动游戏。

    图片4.png

    用户对于 AI 算命准确性的真实分享,

    热度一般都很高,引起了用户共鸣的同时,

    吸引了更多用户用 prompt 占星 | 图源:小红书

    这种低门槛性,也解释了有占星习惯用户的使用逻辑,过去他们可能是“大事不决算一卦”,在占星 prompt 出现后,变成了高频率事件。

    图片5.png

    用户用 prompt 占卜日常小事(考试、offer、

    感情)的分享贴,prompt 五花八门 | 图源:小红书

    而对于具备占星基础、甚至兼职从事占星行业的用户,prompt 则成为一种“生产力工具”。结构化提示词可以补足分析框架、降低提问成本,甚至提升解读一致性。他们也会主动设计更复杂的 prompt,测试不同模型的输出差异,并将这些模板反向分享给普通用户,进一步降低整体使用门槛。

    图片6.png

    许多有玄学知识基础的用户,无偿分享不同占卜

    的 prompt,并提供大模型测评 | 图源:小红书

    几类用户的路径不同,一类在“玩游戏”,一类作为“日常使用工具”,一类在“做工具化改造”,但共同结果是,占卜从郑重其事、偶尔为之的仪式,变得随手可得,满足的是用户可以随时进入、随时退出、能不断追问的“低门槛高参与感”占卜体验。

    二、 Prompt 补上了占星App的缺口

    回溯前文,不难发现,prompt 占星的流行,是因为门槛更低、也更具“可玩性”了。

    目前市面上三种形态的占星 App ,都还停留在“给答案”,而不是“陪用户解释自己”,而当用户想要获得后者的体验时,服务通常被锁在付费墙后。

    第一类,报告型 App,以 Co-Star、Nebula、The Pattern 为代表,本质是基于算法生成的模板化解读。用户打开即可获得完整报告、运势解析;但媒体 ASAP 实测发现,「Co-star」连续几天的运势文案、结构大体不变、只替换个别句子,模板痕迹明显。

    模板解读,也意味着「Co-star」这类应用缺乏上下文能力、无法承接具体情境下的追问。例如,它可以告诉你“本月白羊座事业运上升”,但无法回答“我上个月刚和老板产生冲突,这个月适合提涨薪吗”这样的具体问题。一旦脱离预设模板,它就失去了回应能力;接入“问 AI”的功能也无济于事。缺少长期上下文记忆,也缺少对用户个体处境的持续建模,使得对话看似开放,实则仍然是碎片化生成。

    图片7.png

    「Co-star」中对于用户个人的解析、

    每日运势的推送,分为家庭、朋友、

    感情等几大模块 | 图源:产品截图

    第二类,真人咨询平台,以 AstroTalk、Hint、CHANI 为代表,用户可以直接与占星师互动,理论上具备最强的个性化与追问能力,但问题在于门槛。如「AstroTalk」的收费约为每分钟0.99–5美元,在这种付费聊天中,用户很难畅所欲言;另外也有用户面对真人时,会产生表达障碍,同时也存在匹配到不专业占星师、白花钱的风险。

    第三类是 AI 原生占星 App,我们在上一篇选题中曾经做过「Moonly」创始人的分享,其理念其实与 Prompt 流行的根本逻辑相符,将占星从“结果解释工具”转变为“日常对话伙伴”,让用户在持续互动中理解并调整自身状态。甚至在商业模式上也对准了用户行为,AI 聊天完全免费,仅对深度解读、高级课程等收费。但「Moonly」的月流水长期在10万美元上下徘徊。(可阅读《AI占星应用,不想再靠“算命”赚钱了》)

    图片9.png

    「Moonly」月流水,在10万美元上下徘徊(统计区间

    为2024年1月~2026年6月)|图源:点点数据

    经我们测试,「Moonly」虽然在设计上回应了用户更高频、更个性化占卜的需求,但在效果上不尽人意,与粘贴 prompt 到大模型没太大差异,并不会比大模型更了解自己,削弱了 App 的“封装优势”。

    三种 App 形态各缺一角,报告型 App 缺乏记忆与可追问空间;真人咨询平台受限于成本与社交压力;AI 原生占星产品思路对,但体验一般。而 prompt 占星,填补了目前的占星 App 没有很好满足用户的场景,即低成本、随时发生、无需付费的小型占卜需求。

    从 prompt 占星的流行来看,“用户应该如何使用占卜”的产品设计,是时候该向“用户真正如何理解自己”理念去转变。

    [CHANI、Co、The Pattern等 7 个App] 2025 年 12 月 01 日- 2026 年 05 月 31 日全部商店总收入.png

    CHANI、Co-star、The Pattern 等7款美国

    主流占星应用近期月流水(统计区间为2025年

    12月2026年6月)。整体来看,占星 App

    收入仍保持一定规模,但收入走势或多或少

    都在呈下降趋势,增长有限 | 图源:点点数据

    三、当“怎么问”也能变成一门生意

    我们如果更仔细去看 prompt,用户会直接把出生信息、现实处境、情绪状态乃至当下焦虑写入指令,并且可以随时调整补充,换句话说,用户正在自己帮助大模型维护上下文去满足更个性化的占卜需求,并能够随时追问、甚至可跨事业、情感甚至健康方面,形成连续的、更全方位与自己相关的占卜体验。

    但新的门槛同时出现,即如何写优质的 prompt。在小红书等平台上,已经能看到占星 Prompt 的售卖与传播;同时,在部分提示词交易平台中,占卜被单独归类为一种内容类型,一个打包好的文档通常包含完整 prompt 结构,用户购买后即可直接复制使用,但其成本远低于传统占星 App 动辄数十美元的订阅费用。

    图片11.png

    小红书平台上一份“AI 运势”教程,

    售价1.99元,已售数千份 | 图源:小红书

    此外,还出现了「Waitcle」这类纯生成占星提示词的产品。它不提供解读结果,而是直接生成占星 prompt,本质上是把“如何提问”这件事产品化。「Waitcle」的逻辑非常清晰:占星解释能力已经被大模型部分免费供给,因此不再是稀缺资源;真正稀缺的,是如何组织问题。一个经过设计的 prompt,和随意输入的几个问题,在模型输出质量上可能存在显著差异。

    图片12.png

    「Waitcle」 产品信息 | 图源:App Store

    占星 App 卖的是“答案”,「Waitcle」卖的是“怎么问”。当“怎么问”都能独立成为生意,恰恰说明用户对现有 App 给的“答案”,已经不满意到某种程度。

    写在最后

    这股 prompt 占卜热,恰好说明了这不是占星 App 的终点。用户手动复制指令、来回纠错、反复追问,拼出的是一套临时工作流,而不是一个理想的产品,大多数人并不享受折腾 prompt,只是暂时没有更趁手的产品可用。

    这套工作流,替下一代占星产品趟出了方向。用户想要的,是一个能反复追问、记得住来龙去脉的“随身占星师”,大模型的迭代,已经粗糙实现了这一能力,谁能把用户手搓 prompt 的这份体验,原生地做进产品里,谁就能接住这波被 prompt 点燃、却还没被满足的需求。

    而后续的商业化,则需要再做探索,还好,用户愿意为占星付费这个大前提,一直都在。

  • 原生AI入口分流:付费之外,文心走向普惠

    声明:本文来自于微信公众号 字母榜,作者:李峰

    原生AI入口正在进入分流时刻。

    过去两年,大模型产品的竞争焦点主要是模型能力。但进入2026年,问题开始变化。

    Agentic能力不断进化,AI从“会聊天”走向“能办事”。任务能力越强,产品分层越明显。复杂办公、深度研究、代码生成、长链路Agent,都意味着更长上下文、更多工具调用和更高推理成本。

    在这些背景下,一些AI厂商开始将高阶能力单独定价。

    近日,豆包推出专业版。公开信息显示,豆包专业版基于豆包2.1系列大模型,标准套餐连续包月68元,加强套餐连续包月200元,高级套餐连续包月500元。

    AI生产力正在被重新定价,但另一件事也在同时发生。百度文心宣布网站整合升级,把另一条路推到台前:通过统一入口和模型升级,继续维持免费,降低普通用户使用AI的第一道门槛。

    中国生成式人工智能用户已经进入6亿级市场。AI助手面对的不只是程序员、研究员和企业用户,也包括学生、家长、普通职场人、自由职业者这样的普通受众群体。

    于是,国产AI的商业化路径正在走向分化:AI到底该先服务少数专业用户,还是先让更多普通用户用起来、用得懂?

    A

    当前,智能体等AI应用的竞争正在加速。

    从办公助手到代码助手,从研究助手到营销助手,从个人助理到企业智能体,AI产品都在把“回答问题”升级为“完成任务”。

    普通聊天通常只需要模型给出一次答案;复杂智能体任务往往要经历多轮推理、信息检索、工具调用、文件处理和结果校验。

    在这个过程中,AI使用账单已经先一步变化。

    近期公开报道显示,亚马逊等公司开始限制员工使用AI工具。原因并不复杂:高级模型和智能体工具的计算成本,明显高于普通聊天机器人。

    一些学术研究也在指向同一个问题。

    今年4月,斯坦福大学数字经济实验室发布工作论文《How Do AI Agents Spend Your Money?》(《AI智能体如何花掉你的钱》),分析了8个前沿大模型在SWE-bench Verified上的任务轨迹。

    SWE-bench Verified是用于评估模型解决真实软件工程问题能力的基准。论文称,智能体编码任务的Token消耗可达代码推理和代码聊天任务的1000倍;同一任务不同运行之间,Token消耗最高相差30倍。更高Token消耗也不必然带来更高准确率。

    对专业B端用户来说,只要AI能够减少人力投入、缩短交付周期、提高工作质量,企业就会把它放进生产力账本。

    然而,C端用户面对的是另一套问题。

    普通用户未必理解智能体是什么,也未必知道不同模型之间有什么差异。面对Agent生态的加速迭代,很多人首先遇到的不是能力上限问题,而是使用门槛。

    这个门槛正在变成行业共识。

    中国互联网络信息中心(CNNIC)第57次《中国互联网络发展状况统计报告》显示,截至2025年12月,中国生成式人工智能用户规模达到6.02亿,普及率为42.8%。生成式AI应用场景正在向生活、生产领域渗透。

    6亿用户之后,AI助手面对的已经是大众市场。

    学生、家长、普通职场人都在加速使用AI产品。对他们来说,AI助手的关键价值,不在参数大小,也不在概念新旧,而在能不能更容易地完成一项任务。

    去年8月,国务院发布《关于深入实施“人工智能+”行动的意见》,明确提出“推动人工智能普惠共享”,推动技术开源可及,帮助更多国家和人群参与智能化发展进程。

    高阶能力需要商业闭环,基础能力也需要亲民入口。前者决定AI生产力能否持续供给,后者决定AI能否进入数亿普通人的日常任务。

    在这条分流线上,百度选择了升级产品入口。

    今日,百度宣布对文心旗下多个网站入口进行合并升级,统一整合为全新的百度文心网站,打造一站式AI服务入口。用户可在一个平台内便捷使用全部AI功能,大幅降低使用门槛,提升交互效率。

    这意味着,百度把更先进的模型能力和AI服务,被整合进了一个更大众和统一的入口里。

    B

    目前,升级后的百度文心网站已经形成多元能力矩阵:多模态搜索、中文写作、图片问答、AI PPT、视频生成和跨端协同等能力,被放进同一个入口,覆盖生活、学习、工作和娱乐。

    统一入口的价值,是减少用户选择成本。

    过去,用户要完成一个任务,常常要在多个工具之间切换。写报告要找资料,找资料要搜索,做PPT要整理大纲,生成图片视频又要打开另一个创作工具。

    百度文心网站把这些能力集中起来,用户面对的不是多个工具菜单,而是一个可以承接任务的AI入口。

    哪怕是一个职场用户提出“我要做一份汇报”,背后也可能涉及一套复杂的Agent调用链路。

    整合后的文心,承接的正是这类普通用户高频、真实、跨工具的任务。

    以生活服务场景为例,本月10日,百度发布今年高考服务升级方案,推出AI志愿报告,并引入真人专家背书机制。

    据了解,AI志愿报告通过文心助手多轮对话采集考生信息,结合历年投档分数线、高校及专业数据、专业就业前景等数据库,为考生输出个性化志愿填报方案,并向考生免费开放。

    高考志愿填报牵涉分数、院校、专业和就业预期。文心助手通过多轮对话和数据库生成方案,AI入口开始进入更重的生活决策场景。

    用户不必先学习专业软件,也不必在多个入口之间来回跳转。复杂模型和智能体能力,被整合到一个普通人可以便捷使用的入口里。

    图片

    文心和豆包专业版的路径分化,也由此拉开。

    豆包专业版把高阶任务能力做成更清晰的付费层级,以付费订阅验证产品价值并反哺研发。

    文心网站则把基础模型、智能体能力和高频任务入口打包给用户,让更多人先用起来、用得懂、用得上。

    百度的普惠路线,也有更早的用户基础。

    QuestMobile研究院今年3月发布的《2025年AI应用层发展核心报告》显示,2025年PC端AI应用月活跃用户规模达到2.05亿;在月活跃用户规模TOP10的PC网页版应用榜单中,百度旗下文心助手、百度文库、百度翻译占据三席,且均位于前五。

    报告还提到,AI搜索引擎、AI综合助手和AI效率办公正在构成PC端主力赛道。

    今年春节期间,文心助手增长也提供了一个侧面样本。春节红包活动启动以来,文心助手MAU同比增长4倍;生图功能调用量同比增长50倍,生视频功能同比增长40倍,AI打电话功能增长近4倍。

    用户被入口带进来之后,增长落到生图、生视频、AI打电话等具体功能调用上。文心网站这次整合,承接的正是百度已经跑出的网页端和应用端AI需求。

    对C端用户来说,普惠不能只是一句口号。

    它要求入口简单,也要求覆盖高频使用场景。复杂模型和智能体能力只有被打造成普通人能理解的服务,才可能真正穿过6亿AI用户的使用门槛。

    C

    文心网站这一轮升级背后,是百度对AI应用价值的长期判断。

    上个月,在Create2026百度AI开发者大会上,百度集团创始人李彦宏在开幕式上提出,AI时代的度量衡可能是“日活智能体数(DAA,Daily Active Agents)”。

    移动互联网时代,平台关注日活用户数。智能体时代,平台需要关注有多少智能体在为用户干活,并交付结果。

    Token可以衡量模型调用和算力消耗,但DAA显然更接近任务完成和用户价值。

    当前,文心网站的升级方向,与这个判断高度一致。

    真正的智能体生态,需要大量用户不断提出真实任务。只有足够多的任务被执行、被验证、被复用,智能体才能从概念走向日常服务。

    而这需要更完整的生态布局。

    百度过去的基础盘,来自中国互联网时代最重要的信息入口之一。用户查资料、搜地图、看百科、找文档,绝大多数需求都曾通过搜索完成。

    进入AI时代,这些入口能力没有消失,而是在文心里转化为任务场景。

    搜索时代,用户要的是找到信息。AI时代,用户要的是拿到结果。文心网站把AI能力和服务继续向一个入口集中,实际是在把信息入口改造成任务入口。

    与此同时,在基座模型能力上,百度也在持续升级补强。

    上月,文心5.1正式上线。公开信息显示,文心5.1继承文心5.0知识能力,在总参数、激活参数和预训练成本上做了压缩,并通过智能体后训练强化了Agent、知识、推理和深度搜索能力。

    图片

    该模型迅速登上LMArena搜索榜国内第一,在智能体、知识、推理和深度搜索等方面表现出色,创意写作能力与Gemini3.1Pro相当。

    AI能力越强,越需要面向更广泛的人群开放。只服务少数专业用户,AI很难成为基础服务;只有让普通人低门槛使用,AI入口才有真正的规模价值。

    这也是头部大厂在AI时代需要承担的角色。

    从互联网时代的搜索框到今天AI应用的任务框,百度一直在承接国民级用户需求。QuestMobile数据显示,百度文心助手月活跃用户规模3.6亿。

    AI需要应用场景不断扩展,需要用户在真实任务中反复使用。在这一点上,中国的AI厂商正在走向不同路线。

    豆包分层付费在证明AI生产力需要被定价。百度文心要证明的,是AI生产力也需要被普惠化。再强大的模型能力,也需要在更多用户的日常结果中得到验证。

    今年1月,李彦宏在接受《时代》杂志专访时谈到,百度的基础模型采取应用驱动路线,训练会围绕搜索、数字人等具体应用展开;他还提到,开放模型能让更多人尝试效果,带来更多关注。

    这两件事,恰好发生在这次文心网站升级的延长线上。

    入口合并让文心继续承接普通用户的高频任务;自去年文心4.5系列以来,百度模型团队持续开源,把能力交给更多开发者和企业继续改造。

    用户的使用入口不断降低门槛,开源模型不断扩大覆盖面,Agent在真实场景里验证结果,百度文心的生态才会越滚越厚,为下一轮AI产业竞争筑牢根基。

    目前,AI生产力固然进入了定价周期,但只有穿过足够多的任务、组织和人,AI才会变成下一代入口的底座。

    百度文心押注的,正是这条更长期、也更考验耐心的路。

  • 面壁智能BitCPM-CANN:端侧AI的内存革命

    声明:本文来自于微信公众号 光子星球,作者:郝鑫

    大模型决定了“脑容量”,定义了模型的知识上限与智能天花板

    低比特技术,则是让大模型“小而强”的魔法,它重新排列了每一个“脑细胞”的密度。这条路指向两个明确的方向:要么在有限的内存与显存资源下,塞进参数规模更大的模型;要么让同样大小的模型,跑得更快、更省电。

    低比特模型一直处于小众赛道,直到今年内存价格一年涨了5倍,倒逼整个大模型行业寻求性价比更高的落地解决方案。

    而早在2024年下半年,面壁智能就开始押注2-bit及以下的技术路线。彼时,面壁智能AI Infra团队在训练时观察到,从BF16到INT4(从高精度到底精度),模型能力损失极小,说明“甜蜜点”一定在更低处。

    基于此,他们在当时形成了两个“反共识”:更低比特的模型,能获得更高的知识密度;内存是模型行业最稀缺的资源,未来一定会变得越来越值钱。

    带着这样的判断,面壁智能在GPU上率先验证了BitCPM系列。到今年,他们将这套方法论完整迁移到了华为昇腾,端到端跑通了国产算力平台的1.58-bit训练。

    图片

    测试数据显示,相比传统BF16精度,BitCPM-CANN在推理阶段释放约6倍显存空间,同时将模型能力保留率维持在90%–97.2%。这意味着,同等模型能力在终端运行,只需过去1/6的内存。

    1.58-bit的极限挑战

    “1.58-bit是技术极限验证的探针”。

    面壁智能AI Infra技术负责人、清华大学计算机系高性能所的水木学者博士后李宇轩向光子星球解释,开源发布最极端的1.58-bit,目的是为了验证极低位宽量化感知训练之路能否走通。

    “1.58-bit是保证训练稳定、模型能力不崩塌的最低位宽要求。如果这都能成功训练并保持高能力,那么2-bit、4-bit、8-bit等更宽松的低比特方案自然更容易实现,且效果更好”,这是一种取法乎上,仅得乎中的技术策略,即先攻克最难的点,然后再向下兼容。

    如何获得参数更小却更强的模型?行业中传统的解法是PTQ(后训练量化),即先用高精度如BF16完成模型训练,再将其权重压缩至INT8或INT4。

    INT4是一种4位整数精度,相比BF16节省4倍内存,是目前低比特量化的“实用基准线”,而1.58-bit则是突破这条线,向极限压缩进一步逼近的探索。

    这本质是一种以精度换内存的做法,压缩越狠,性能损失越大。就好比把一本写好的名著,压缩成口袋书,每个字只能用原来4/1的墨水写,结果是字迹模糊、内容丢失,有的地方甚至看不懂。

    正是看到了PTQ的弊端,面壁智能在训练上采用了先做QAT(量化感知训练)、再蒸馏的方案。李宇轩表示,这个方案的核心是既能稳定收敛,又能保留全精度能力。这相当于作者最初就知道要被制作成口袋书,直接用更简洁的语言表达相同的内容,所以压缩后依然清晰可读。

    以前我们认为,位宽越大、精度越高,模型就越聪明。但面壁智能的实践证明,重要的不是每个参数占多大地方,而是占的每一寸地方装了多少知识。低比特训练不再是,为了省内存而牺牲精度的妥协,而是一种全新的思路:用最少的资源,承载最高的知识密度。

    根据BitCPM-CANN与同尺寸MiniCPM-4全精度模型家族在常识、阅读理解、学科知识、数学与推理等11项任务上的1:1性能对照。

    图片

    BitCPM-CANN三个尺寸模型的能力保留率达到95.7%-97.2%,即使是能力保留最弱的0.5B,保留率也达到了90%以上,几乎保留下来原本大模型的能力。

    我们来简单算笔账,同样一个8B大小的模型,用传统BF16格式存,光权重就要吃掉16GB空间,普通手机根本装不下。但用1.58-bit格式存,释放6倍显存占有空间,所占大小手机差不多相当于一部完整的高清电影。

    李宇轩告诉我们,未来他们将进行更精细化的数据处理,将0.5B档的模型能力保留率提升至95%。同时结合MoE架构,利用稀疏专家扩展容量上限,60B参数的超大模型有望装入手机。

    跑出一条国产低比特之路

    内存价格暴涨,正在倒逼行业算清楚经济账。

    公开信息显示,2026年DDR5内存价格暴涨数倍,32G条从年初的500元涨至超4000元,HBM更是天价。

    这让本身就对价格敏感的端侧厂商陷入了两难境地。有手机厂商告诉我们,用户期待更强的AI能力,但内存涨价3-5倍后,若维持原内存升级节奏,价格翻倍;不涨配置则体验倒退,用户不买单;涨价又怕丢失市场,部分旗舰机型已经被迫原地踏步。

    要解决上面的难题,国产替代是一个解决思路。国产厂商长鑫存储已率先破局,DDR5实现量产,其价格比国际同类产品低15%-20%。换用国产内存,同样容量立省两成,从源头上缓解了成本压力。

    低比特技术则指向另一条路径,不在“买内存”上省钱,而是在“用内存”上极致压缩。厂商无需堆砌更多内存,就能让手机跑起参数量翻倍的模型。结果是,用户既能感知AI体验升级,厂商又能实现降本。这正是今年行业突然重视低比特模型的根本原因,跳出学术探索范围,低比特模型未来可能成为化解端侧AI商业焦虑的那把钥匙。

    在此基础上,面壁智能填补了国产低比特大模型市场的空白。其BitCPM-CANN是首个在昇腾上端到端,原生完成训练的1.58-bit极低比特大模型,从算子、算法到训练框架全是国产。这证明了国产算力平台不仅能训,还能训出世界领先的极低比特模型。

    国产NPU阵营也第一次拥有自己的1.58-Bit低比特训练栈,无需再绕道CUDA验证、迁移。一旦做完,就是基础设施级的沉淀。之后所有面向昇腾的低比特训练,都将建立在同一套底座之上。最终结果显示,整体显存节能约6倍,推理速度快了2到4倍。

    李宇轩介绍,在适配华为昇腾、推进低比特训练过程中,核心卡点主要集中在软件生态与工程调优层面。

    在软件生态上,华为昇腾的编程门槛较高、熟悉其工具链的开发者较少,尤其在长上下文支持方面有欠缺,面壁智能团队为此花费了大量调试时间。

    低比特训练本身也存在诸多工程难点。如果量化器选错,模型效果会断崖式下降。训练流程需要精细调优,必须先做量化感知训练让模型进入稳定收敛态,再引入蒸馏,这个“甜蜜点”需要大量实验才能找到。低位宽模型在某些基础能力上容易退化,需要针对性补数据,用更耐心的方式准备训练集。

    参考面壁智能AI Infra团队的经验,在既有GPU经验积累的前提下,跑通昇腾全链路仍需三周到一个多月,更大模型适配时间会更长。

    此次BitCPM-CANN将多种数据以可复现的方式开源。

    “像OpenAI和DeepSeek,推动全行业做强化学习一样,我们也希望向行业证明,在国产芯片做极低比特训练一样可行。”

    生态议价权

    过去,模型厂商、芯片厂商与终端厂商各自为战。

    模型在英伟达上训练,芯片厂商只管卖算力,终端厂商负责集成。但在端侧AI时代,这条清晰的链条正在模糊,而低比特技术,正成为连接三方的核心纽带。

    对模型厂商而言,低比特技术是核心竞争力。谁能拿出更小、更快、能力保留率更高的模型,谁就能赢得终端厂商的订单。面壁智能开源BitCPM-CANN模型,本质上就是试图建立“低比特模型的标准”,以吸引芯片和终端厂商主动围绕其生态进行适配。

    对芯片厂商来说,硬件已先行一步。高通骁龙8Gen4等旗舰芯片已原生支持2-bit推理。但硬件跑起来,缺的是高质量的低比特模型。面壁智能这样的模型厂商恰好补上了供给侧的空档,让芯片厂商的硬件能力真正有了用武之地。双方深度合作,如面壁智能与华为昇腾,共同优化算子、校准量化参数,形成软硬一体的护城河。

    站在终端厂商角度,低比特模型直接决定了产品的AI体验与成本结构。手机厂商不再只是采购芯片、预装模型,而是需要与模型厂商联合调优,甚至定制专属模型。这种深度绑定,使得终端厂商一旦选定合作方,就难以轻易切换,生态锁定自然形成。

    模型公司与终端厂商的协作,甚至深入到了训练阶段。面壁智能对低比特模型能力损失的商业化处理,就是一个很好的例证。

    用户在手机、汽车上真正高频使用的,是文本总结、语音助手、信息检索这些功能,而不是写代码或解高等数学题。那些冷门能力,绝大多数用户一年也未必用上一次。

    面壁智能正是抓住了这一点,通过后训练,把低比特模型那3%-5%的能力损失,集中到了这些低频功能上。结果就是核心场景的精度近乎完整保留,用户完全感觉不到体验下降,而厂商的成本却实实在在地降了下来。

    现阶段,能够提供稳定、高效、易部署的低比特模型的公司,将在端侧AI生态中占据核心生态位。因为它既是算法提供者,也是芯片优化伙伴,还是终端厂商的AI能力外包方。这种多重身份带来的议价能力和生态影响力,远超传统“卖模型授权”的商业模式。

    关于未来更大的想象来自于,当60B大模型封装进手机,会发生什么?

    目前端侧主流的3B-8B模型,能力大致相当于小学生或初中生,能回答常识问题、做简单推理,但面对复杂逻辑、长上下文、专业领域知识时容易出错。60B模型则完全不同,端侧AI将具备解数学竞赛题、分析法律文书、解读金融报表等专业能力。

    当60B模型完全运行在手机本地时,许多原本必须依赖云端的重任务将变得即时、私密与永远可用。从原来设定闹钟、查天气升级为规划旅行路线、比价购物;从简单补全函数,到生成完整模块、调试bug;从写标题、文案,到能写完整报告等。并且上述所有行为,不联网、不上传数据、零延迟。

    这背后是低比特技术、国产算力与端侧芯片的交汇。算法让模型变小,芯片让模型跑快,内存让它装得下。当这三条曲线同时越过临界点,端侧AI的基建就搭建完成了。

    一旦端侧AI基建就位,超级应用或许也不就再遥远了。

  • AI叙事拐点,中国AI公司要押上更多筹码

    声明:本文来自于微信公众号 窄播,作者:李威

    这是《窄播Weekly》的第90期,本期我们关注的商业动态是:中国AI公司在继续扩大资本投入。

    5月13日下午,腾讯召开股东大会。被问及AI业务进展时,马化腾说了这样一番话:「一年前我们以为上了船,后来发现那个船漏水了,现在感觉站上去了,还坐不下去,还是希望船速能快一点。」

    同一天,腾讯和阿里巴巴发布最新季度财报,AI业务进展成为两家财报电话会的核心议题。

    再往前,快手公告称正在评估可灵独立融资及分拆方案。更早一些,月之暗面、DeepSeek都有了更新的融资进展。其中DeepSeek首轮融资估值几度提升。

    图片

    大模型公司估值攀升,到互联网巨头财报中的AI加码,再到可灵的分拆自救,一条清晰的线索正在浮现:随着AI日渐成为驱动经济发展的主流叙事,中国的AI公司都在重估接下来这场AI竞争所需的弹药补给量,并以此为目标开始积极进行资源储备。

    阿里巴巴CEO吴泳铭在财报电话会上表示,2026年第一季度对阿里巴巴而言,是一个「播种」远多于「收获」的季度。在AI重塑一切的时代,今天的投入将决定明天的高度。

    特别是当下AI视频和Agent的发展,已经初步验证了AI在生产力场景中可以产生巨大的商业价值——这也进一步坚定了中国AI企业进行更大规模投入的信心。

    现在的投入之所以能决定明天的高度,一方面是因为投入越大,领先的概率就越大;另一方面则是因为,接下来为AI的全民化应用寻找更多场景,会是一段更煎熬的探索期,模型能力的提升、算力基础设施的增长、商业模式的成熟,都需要有充足投入作底气。

    AI成为驱动发展的主流叙事

    过去两年,ChatBot的发展让用户熟悉了与AI对话的交互方式,但提出问题并获得答案,并不能直接交付结果,贡献生产力。随着视频模型的进化和Agent的发展相继在今年初取得突破性进展,AI才真正展现出了贡献确定性、大规模商业价值的可能性。

    一个直接例证来自AI视频。可灵2025年全年收入达到10.4亿元,ARR从年初的3亿美元攀升至5亿美元,2025年1月付费用户环比增速350%。字节Seedance2.0春节期间月活快速达到约4500万,增长速度超过可灵。倒卖Seedance2.0的API额度,都一度成为了好生意。

    另一方面,OpenClaw引发的龙虾热,带来了Token调用量的暴涨。豆包大模型日均Token消耗量,从2025年12月的50万亿增长到120万亿;2026年一季度,智谱经历多次涨价,调用量仍增长400%;Kimi K2.5上线20天的收入,超过了月之暗面2025年的全年收入。智谱MaaS平台的ARR达到17亿元,MiniMax的ARR突破1.5亿美元。

    AI消耗Token来驱动发展,正在成为新一阶段的主流叙事。

    这种叙事的变化,已经在影响资本和市场对AI企业的预期和定价。DeepSeek首轮融资估值从100亿美元四度改写至515亿美元;月之暗面半年内累计融资超39亿美元;智谱和MiniMax快速摆脱1月初刚上市时的波动,在过去3个月内股价分别上涨了近700%和475%。

    同时,腾讯、阿里、百度、快手等互联网企业,市场预期远不如这些「纯血」的AI公司。这种差异产生的根源就在于,「纯血」AI公司只有一种AI叙事,大家只能陪他们赌未来;腾讯、阿里、百度,甚至快手,还有一种转型叙事,大家往往会选择先观望、求稳。

    对于这类互联网企业而言,传统业务不再是拉高市值预期的主体,而是成为衡量企业能否为AI叙事和转型叙事提供稳定资源、资本支撑的参照物。阿里管理层在电话会上强调现金储备约590亿美元,腾讯一季度自由现金流567亿元。这些数字是在告诉大家,「我们还有多少弹药可以继续打」。

    这让我们在这周看到:阿里经调整EBITA同比下降56%,自由现金流净流出466亿元,经营利润由盈转亏,但财报发布后,阿里美股当日还是涨了超7%;而快手可灵营收一路超预期增长,却受限于快手传统业务的体量,无法支撑可灵的未来估值和AI叙事而选择拆分。

    Sora的撤退和可灵的拆分,都是各自母公司做出的最贴合AI叙事的选择。Sora App运营五个半月,累计收入仅约210万美元,每日峰值Token消耗约1500万美元,模式「完全不可持续」,因此,OpenAI选择撤退,将资源集中到更符合自身AI叙事的高生产力场景中。

    独立拆分对可灵来说,可能是一个最好的选择。快手CFO金秉在描述投入状态时表示「超出预期」。快手2026年的资本支出计划为260亿元,比2025年经调整净利润多出50亿元。有消息显示,字节2026年资本支出计划约2000亿元,不拆分的话,可灵很难拿到与Seedance2.0对等的资源。

    但对快手而言,拆分可灵意味着剥离自身AI叙事的核心。可灵一旦独立,快手的财报上将不再有AI视频的收入和增速,剩下的只有增长见缓的短视频DAU和电商数据。而过去一年,快手股价的每一次跳涨,几乎都与可灵的技术突破或商业化进展直接相关。这是一笔不小的赌注,但快手没得选。

    转型AI公司需要下重注

    与快手一样,其他互联网公司想要继续推进AI转型,将主线固定在AI叙事上,就需要下重注。

    对比2025年的净利润和2026年的计划投入来看,美国互联网公司要比中国互联网公司下注更狠。Google2025年净利润1322亿美元,2026年计划投入1800-1900亿美元;微软净利润1018亿美元,计划投入1900亿美元;Meta净利润605亿美元,计划投入1250-1450亿美元。

    中国的互联网巨头中,字节和阿里相对激进,腾讯也开始上强度。

    字节在2025年下半年就在追加AI投入,外界流传的字节2025年资本开支超1500亿元,大部分流向了AI业务。据说,2026年的2000亿投入中,也会有超一半用于AI芯片采购与基础设施。

    阿里的投资也相当坚决。吴泳铭在电话会上把AI比作制造业——要获得收入,必须先建两个核心工厂:一个AI训练工厂,一个AI推理工厂。这两个工厂的规模,决定了未来收入的规模。阿里认为,未来8年需要的基础设施容量是2022年的10倍,围绕算力中心的投入将远超原先计划的3800亿元。

    财报数据验证了这种投入强度。阿里2026财年资本支出约1260亿元,主要用于GPU服务器采购、数据中心建设和自研芯片投入;经营利润同比下降64%;自由现金流转负。

    阿里巴巴CFO徐宏直言:「往未来再看两年,我们的投入还是会继续十分坚定。因为这个窗口期对我们来讲可能就是几年的时间。」他在电话会上多次强调:「当前的高强度投入,是公司主动的战略选择,而非被动应对。」

    图片

    腾讯的投入也在加速,但节奏会更克制。财报显示,腾讯一季度资本开支319亿元,AI新业务对经营利润的影响约-88亿元。管理层认为,随着中国自研AI芯片逐月增加供应,下半年资本开支将大幅提升。如果保持一季度的投入节奏,腾讯2026年与阿里会处于同一规模。

    图片

    在AI视频领域,资本运作也在持续进行。今年以来,爱诗科技完成3亿美元C轮融资,生数科技完成近20亿元B轮融资。《晚点LatePost》获得的消息显示,快手计划以200亿美元估值给可灵做Pre-IPO融资,本轮融资约20亿美元,潜在投资方中包括腾讯。

    本质上,阿里、腾讯、可灵「高筑墙、广积粮」的目的,都是在等一个时间节点的到来。在那个节点上,Token需求能够得到极大满足,AI能力足以支撑全新的商业模式运作。在此之前,所有投入都是在为这个节点储备弹药。

    正如腾讯总裁刘炽平所说,AI服务无法以极低边际成本无限扩张,每一次模型调用都会带来实际成本,行业不能再沿用互联网时代追求「规模与DAU最大化」的逻辑。识别高价值场景的重要性,至少与用户规模同等,甚至更为关键。

    在此之前,大家都会处于一个投入远超产出的阶段。腾讯的AI原生应用仍在探索变现路径,阿里的自由现金流转负,快手要分拆可灵。就像马化腾说的那样——站上去了,还坐不下去,还是希望船速能快一点。

    在这场航行中,中国互联网企业需要「利用旧的木板和漂流物,一边维持船只漂浮,一边一片片地更换木板,甚至还要防备风浪的袭击。而在重构的过程中,整艘船必须保持漂浮。」

  • 豆包开启付费模式:AI搞订阅,行得通吗?

    声明:本文来自于微信公众号 TopKlout克劳锐,作者:苏门

    五一假期,国内AI圈来了一记惊雷。

    豆包App Store页面悄然上线付费版本服务声明:“为更好地服务专业用户,豆包将在免费版基础上,推出包含更多增值服务的付费版本。”

    标准版68元/月、加强版200元/月、专业版500元/月——三档价格清晰明了,并同步给出了包年优惠。

    图片

    图源豆包App Store页面

    虽然官方口径颇为克制,强调“仍提供免费服务,付费仅为增值探索,细节尚在测试中”,但在社交媒体上,却掀起了巨大的波澜,大量网友涌入豆包抖音号评论区留言。

    图片

    图源豆包抖音评论区

    坐拥3.45亿月活,用户断层式领先的豆包,已经通过免费模式积累的海量用户,为付费转化提供了庞大基本盘。

    虽然大家都在吐槽收费这一行为,但热议也印证了豆包的火热。毕竟,大量职场人、创作者、学生已形成使用习惯,只要付费能解决更多难题,自然存在“免费转付费”的潜在空间。

    但是,豆包的这一行为,也直接将国内AI行业的核心争议摆上了台面——AI订阅,在国内真行得通吗?

    从“抢用户”到“赚利润”

    AI行业不得不走的一步

    过去两三年,国内AI大模型与应用深陷“跑马圈地”的逻辑:

    • 谁免费、谁好用、谁更新快,用户就流向谁;

    • 拼算力、拼参数、拼功能,主流AI大厂鲜少谈及盈利;

    • 普通用户习惯“白嫖”,认为AI理应像搜索、社交工具一样永久免费。

    然而,AI与其他互联网产品有着本质区别。

    算力与Token消耗是真金白银的成本,且各大AI产品短期内很难像搜索引擎或短视频APP那样,通过广告、电商等靠流量变现。

    复杂的文案、PPT、数据分析、视频生成,背后都是海量计算与推理开销。用户越多、场景越重,成本便呈指数级攀升。

    就算字节跳动体量再大,也难以长期“用爱发电”。

    据接近豆包人士透露,此次付费功能将集中在PPT生成、数据分析、影视制作等高算力消耗场景,本质上是将成本与价值重新挂钩。

    • 免费版:守住基本盘,满足日常轻量需求。

    • 付费版:聚焦高算力消耗的“重度生产力”场景。

    逻辑很直白:用免费守住基本盘,用付费提供高价值能力。

    收费的合理性

    先算三笔账

    尽管舆论场上有质疑声,但抛开情绪看,豆包的付费探索在商业逻辑上是成立的。

    成本账:AI不是慈善,算力每一秒都在烧钱

    大模型运行至少要付出算力、研发、服务,还需要线上线下营销推广的费用。

    价值账:既然成了生产力工具,用户就该为效率买单

    十年前,视频会员、音乐会员、网盘会员曾被骂“吃相难看”;可现在年轻人几乎人手数个订阅。

    这是为啥呢?

    一方面,版权收紧使得免费内容获取愈发困难;但更重要的是,大家想通了,省时间、提效率、保体验,就值得花钱

    如今AI已成为新一代生产力底座,虽然很多AI内容仍有问题,但在你我身边,AI的重度使用者比比皆是。

    当AI可以产生实际价值,收费是必然的趋势。

    竞争账:不收费,是对行业不负责任

    国内AI尚处同质化阶段,用户迁移成本极低。一旦某家率先大规模收费,但体验未形成显著优势,用户便极易流失。

    豆包敢在此时先行试水,确实需要很大的勇气,但也恰恰说明:

    1. 豆包的模型能力已能支撑一定的可感知的付费价值;

    2. 平台判断用户付费意愿已跨过临界点,愿意为确定性的效率提升买单。

    尽管「克劳锐」不知道正式付费后,豆包将收获多少收入或流失多少用户,但国外的GhatGPT、Gemini,国内早期的文心一言、现在的Kimi都有会员模式,更不要说更垂直的MiniMax、可灵AI、即梦AI等。

    从这个逻辑来看,豆包收费也是理所应当。

    图片

    图源Kimi官网

    困难与挑战

    虽然收费有很强的合理性,但执行起来未必顺利。

    豆包要面临的,是用户心智、价值匹配、成本倒挂、竞争挤压等核心困境,短期必然难以取得成效。

    而且对绝大部分豆包用户而言,本次收费虽然并不会涉及到他们的使用,但依旧会有相当一部分人,因为这件事对豆包产生负面评价。

    毕竟,很多用户听到“付费”就抗拒,他们会坚定的认为,就算今天不收钱、明天也会收钱。

    再有,收费还要面临是差异化不足、替代成本低的问题。

    当前,国内AI市场同质化严重,主流AI产品提供的功能都类似。深度使用者或许已有自己的喜好,但很多刚入坑的AI探索者还没有那么懂。也许,这其中的一部分在付费后,会对AI提供的能力失望。

    这自然就引入到了下一个问题。

    收费本身并不可怕,可怕的是收费却不提质。

    豆包的付费模式成功的核心只有一条——付费用户能否明显感受到“更值”。

    如果付费版本能力更强、速度更快、服务更稳,自然会有用户心甘情愿买单。可如果没有达到这个效果,还可能对品牌口碑产生巨大的影响。

    不过,「克劳锐」还是希望大家能以正向视角看待这件事,不要一味唱衰。

    对于AI产业而言,我们的眼光需要放长远一些。

    如果豆包这类巨头产品一直免费,对这个行业的所有玩家、用户来说,一定不是好事。

    结语

    不管我们愿不愿意承认,AI付费,本质是行业走向成熟的开端。

    回归常识,好服务有价,高能力有价,高效率有价,本就是顺理成章之事。

  • 面壁智能,大模型“另类”生存法则

    声明:本文来自于微信公众号 光子星球,作者:郝鑫

    面壁智能,是中国大模型行业中的“另类”。

    在国内外大肆流行Scaling Law(规模定律),即奉行参数越大、数据越多、算力越强,模型能力就越强的时候。

    面壁智能则反其道行之,遵循“知识密度”,即用更少的参数实现更强的能力;以及“密度法则”,即在有限算力下,持续提升模型能力密度。

    一个是“大力出奇迹”,一个是“以小博大”,这注定一开始面壁就与主流的“AI六小龙”走上了不同的道路。

    有趣的是,面壁智能与“AI六小龙”的命运,在无形中形成了一个大写的“X”。交汇点是大模型洗牌期,早期风头无两的零一万物和百川智能,出现了明显掉队的迹象,智谱、MiniMax成功“上岸”,月之暗面和阶跃星辰只差临门一脚。

    在这过程中,面壁智能的处境可以用“夹缝生存”和“逆流而上”来形容。没有打在身上的聚光灯、没有超高金额的融资,面壁智能咬紧“端侧”方向,接连躲过了算力战、价格战和C端流量战。

    保存实力的打法,不仅让面壁智能活了下来,而且也成为了一股不可忽视的力量。

    自2023年4月至今,约三年时间,面壁智能完成了7轮融资,几乎每半年一轮,频率高于多数同期创业公司。

    经过多轮融资后,截至今年4月最近的新一轮融资,面壁智能正式迈入大模型独角兽门槛(10亿美元级别),位列当前中国大模型第二梯队前列。

    大脑 大模型  AI

    “错位”的市场预期

    2023年,Agent对大多数人来说,仍是一个模糊的概念,构成其认知的主要来源来自于学术论文。那一年,关于Agent最热门的话题是“斯坦福小镇”。

    当时,行业对Agent认知到什么程度呢?一个例子或许能说明些问题,有归国的创业者在小型论坛上介绍其Agent创业项目,至少得花一个小时的时间科普Agent的概念,只因为太过于抽象。

    就是在这样的环境下,面壁智能在2023年末,一口气发布了AI智能体应用框架“XAgent”、智能体通用平台“AgentVerse”、多智能体协作开发框架“ChatDev”以及一款AI开发软件。

    在对媒体的闭门交流会上,面壁智能也不得不以,大家更为熟悉的“Copilot”“SaaS”等概念,来解释Agent。以现在的眼光来看,当时面壁智能已经有了Vibe Coding的想法。

    面壁智能相关负责人告诉光子星球,他们判断,“AI Agent是大模型落地场景的重要路径,未来会是Agent的世界,万物都是Agent”。

    电饭锅可以是Agent,放入食材后,根据熬粥的逻辑,自动加热;冰箱也是Agent,如果出现冷却剂故障情况,会通过对话提醒,待确认后预约维修师傅上门。

    电饭锅和冰箱的比喻,核心不是让家电“会说话”,而是赋予它们自主感知、自主决策、自主执行的主体地位。

    这也为后面押注端侧埋下了伏笔,因为“万物Agent”与“硬件端侧”,是灵魂与肉体的关系。没有端侧模型这个肉体,Agent的灵魂只能是游荡在云端,无法干预物理世界的幽灵。没有Agent这个灵魂,端侧模型就只是一个更小的模型文件,缺乏明确的应用指向。

    理想很丰满,现实却很骨感。时间线拉回到2023年,百度文心、阿里通义、腾讯混元大模型在上半年才刚刚发布,下半年月之暗面的Kimi助手也才刚开启内测。

    2024年初,面壁智能开始把重心转移到端侧上,以小钢炮MiniCPM拉开了序幕。用面壁智能CEO李大海的话来说,“以小博大”“以大博聚”构成了面壁智能的核心能力。其核心要义就是要用最少的资源、最小的规模达到最佳的性能。

    截至目前,MiniCPM模型已经更新到了3.0系列,模型参数始终控制在10B以下,且逐步从通用语言模型扩展至多模态、全模态和垂直场景专用模型。

    大模型和小模型是一组相对的概念,如果把“AI六小龙”的战场视为大模型,那面壁智能的主战场始终就在“小模型”上。

    有AI创业者认为,比起参数规模超大的模型,规模在几十亿到百亿的中小模型,更具实用价值。“开源百亿参数的模型,便利中小企业,几十亿规模的模型,几乎开发者都能上手”。而国内模型生态,最缺乏的就是中小模型这块“拼图”。

    两者各有所长,在需要复杂知识推理、长文档分析、专业内容生成的生产力或创作场景中,“AI六小龙”的云端模型不可或缺。但在需要实时交互、隐私保护、稳定可靠的汽车、手机、IoT设备中,面壁的端侧模型则更有优势。

    两者共同构成了,“云端训练大脑,端侧执行小脑”的完整AI产业拼图。

    避开正面战场

    巨头下场,加快了大模型行业的洗牌速度。“AI六小龙”被迫卷进了地狱级的消耗战。

    面壁智能不仅没有被这波浪潮拍打到,反而因为浪潮拍打了别人,凸显了自身的价值。

    不碰千亿、万亿参数模型,相当于主动放弃进入算力黑洞的入场券。其模型运行在客户的手机、汽车和终端芯片上,根本不走云端API计费,因此避免了陷入价格战的漩涡。不做需要日活、月活、留存率的超级APP,既不用花费高昂的市场营销费用,又避开了与互联网大厂的流量碾压战。

    以面壁智能为代表的端侧模型厂商,直击了企业的数据隐私痛点,这成为其核心竞争力之一。对企业而言,涉及关键性和敏感性的数据,不可能直接喂给大模型,特别是大型国有企业。

    还有需要及时反馈的场景,端侧模型的作用远大于通用大模型。拿具身智能领域的场景举例,当人形机器人试图跨过路障时,需要其立即判断该路障的高度、硬度以及应对姿势。此时,模型调用不会发生在公有云上,因为有网络延时,而是通过内置蒸馏的本地小模型,完成及时响应。

    “AI六小龙”的战场是算力密集型,既谁的GPU多、谁的参数大,谁就有话语权。这是互联网大厂和美元基金的主场。

    而面壁智能的逻辑是,端侧战场是能效密集型,即谁能在10亿参数内、50毫秒延迟、100毫瓦功耗的极限约束下,做出接近云端模型的效果,谁就能领跑。这是一个被巨头忽视的技术角落。

    选定战场后,面壁智能开始做巨头不愿做的“脏活累活”。

    有行业人士告诉我们,“芯片和手机大厂在自研端侧模型或模型时,多数只会针对自身产品做优化,这一点上大家是垂直封闭的。”

    面壁智能作为中立的第三方,则可以为所有主流平台提供统一的模型接口和最优适配。对于车企和Tier1来说,这意味着“一次集成,多平台部署,极大降低了开发成本”。

    这一步的核心是用工程苦力构建兼容性壁垒。面壁的护城河不是一行精妙的算法,而是几万行适配代码和对几十种芯片的深刻理解。这种壁垒,巨头不愿意建,小公司建不起。

    成立初期,面壁智能就瞄准了B端客户,从最早的金融和营销领域,逐步扩展至现在的汽车、具身智能、教育等领域。

    值得一提的是,面壁智能的客户多来自于被巨头挤压,但又不想完全依附于巨头的二线玩家。这里面有对抗ARM、英特尔生态,需要独立AI软件栈的龙芯;不愿被华为、小米等智能座舱生态绑定的保时捷;在AI云服务上不想完全依赖于阿里等大厂的中国电信等。

    以上提到的客户名字,均出现在了面壁智能B轮到C轮的融资名单中。通过股权与业务绑定,面壁智能试图把自己变成了硬件产品的一个组件。

    这意味着,只要搭载面壁模型的汽车、手机在出货,它就有持续收入。这就像英伟达的显卡驱动,用户感觉不到,但不可或缺。

    另外,面壁智能还在开拓信创领域。在泛司法、政务、金融等场景,数据不出终端是法律红线。面壁智能的端侧私有化部署能力,使其成为这些领域的合法选项。这不是技术竞争,是合规准入竞争。

    等风来

    技术创新扩散理论提到,一项技术从实验室到产业化中间,存在“概念先行,条件滞后”的经典时间差。

    面壁智能在Agent方面的主张恰好印证了上述观点。2023年的Agent,更像是面壁智能的超前技术宣言,向外界展示了目的地,但缺少了通往终点的路和车。

    2023年的Agent土壤面临着先天性不足,彼时最强的开源模型是LLaMA2,闭源模型是GPT-3.5/GPT-4初代。这些模型虽然在生成文本上惊艳,但在逻辑规划、任务拆解、工具调用、长程记忆这四个Agent核心能力上极不稳定。当时的Agent是“玩具”,不是“工具”。

    彼时,大多数企业还在消化“什么是大模型”。而面壁智能提出的“一句话开发软件”和“多智能体协作”,对应的是高度数字化、流程标准化的理想组织。当时绝大多数企业的数字化基座根本不支持Agent去执行操作。Agent反倒成了空中楼阁。

    现在的面壁智能,能被关注是因为它主动放弃了以Agent为卖点,转而把Agent能力压缩进了端侧模型的“地基”里。

    2026年初,“龙虾”OpenClaw在全球爆发,成为了面壁智能等待的一股东风。

    OpenClaw让市场第一次直观感受到,AI能动手干活了。但用户很快发现,云端Agent存在隐私裸奔、网络依赖、成本高昂三大痛点。

    市场自然产生了一个追问,有没有一种Agent,能断网运行、数据本地处理、还不按次收费?这个问题的标准答案,恰好指向面壁智能深耕三年的端侧Agent方案。

    行业中有专家就指出,未来发展的方向就是端云协同。

    云端大脑利用其强大的全局规划和复杂推理能力,负责长程任务的战略分解、意图理解和最终结果的校验;端侧是手脚,利用其低延迟、高隐私、低成本的特性,在手机、PC、汽车等设备上,负责执行被拆解好的、具体的、短周期的子任务。

    即使这样,面壁智能的头上依然笼罩着估值的阴影。面壁的估值绝对数值并不低,但与六小龙中靠前的几家相比,确实存在明显估值差。

    大模型和端侧模型的想象力固然有差别,但面壁智能所面临的核心问题最终都要归结于:到底是硬件定义软件,还是软件定义硬件?

    面壁智能的端侧模型,在市场上逃不开高通、华为、苹果这些厂商,它们都有自研端侧AI能力,且拥有底层的芯片控制权。关于未来的担忧是,面壁智能是否会重走当年输入法的老路,最终被手机厂商自研方案替代或边缘化。

    这种“被包饺子”的风险,会压制其长期估值倍数。

    面壁智能必须不断证明,自己的算法优势能持续领先芯片厂的内部团队一代以上,才能消除这一折价。

  • 桌面龙虾来了?阶跃星辰的本地Agent战事

    声明:本文来自于微信公众号 光锥智能,作者:魏琳华

    OpenClaw爆火后,一场“分吃龙虾肉”的战斗,贯穿了整个三月。

    面对这一机遇,各路玩家蜂拥而至。百度、腾讯、阿里等云服务巨头相继推出OpenClaw一键部署服务,在这场“淘金热”中扮演起“卖铲人”的角色——锁定算力消耗与Token调用,收取基础设施费用。与此同时,MiniMax、月之暗面、智谱等大模型独角兽则直接受益于Agent带来的海量Token消耗。据悉,月之暗面目前已经实现了ARR(年度经常性收入)1亿美金的突破。

    从大厂到大模型创企,从云端版本到本地部署,谁都想靠自家的龙虾平替,捧出一个国内爆款。

    作为其中有点姗姗来迟的一家,阶跃星辰在龙虾的生态部署上,算得上是相对完整的一家。从云端、本地两种部署的StepClaw,到为龙虾专研的模型Step3.5Flash限时免费,再到自建的Skill商店“水产市场”。

    追溯回阶跃C端产品在去年的进程,不难发现,阶跃星辰其实是有备而来,但叠加产品和龙虾热跟进的缓慢,当前的阶跃AI还没有把StepClaw捧成爆款。

    对于仍在基础模型赛道竞逐的阶跃星辰而言,Agent的战略价值远超产品本身——它是验证技术能力、打磨用户体验、积累行业洞察的实验场,也是这家押注终端智能化的公司的必经之路。

    实测StepClaw

    一个更能主动解决问题的小龙虾

    从为小龙虾量身定制的模型Step3.5flash限时免费开始,到Agent限时一月的免费试用,在吃到这口龙虾肉上,阶跃星辰可以说是AI六小虎中最能下血本的一家。

    实际体验下来,StepClaw算得上是一个在设计上对小白用户更友好的小龙虾。

    先从界面说起,StepClaw是市面上小龙虾“平替”产品中,少数选择做悬浮窗的设计。不用的时候是个悬浮球,使用时也只占据1/4的屏幕界面,对于笔者这种只需要偶尔叫它办事的用户来说,比全屏抢占界面的方式更友好。不过,对于需要日常监测进度、开发产品的极客来说,这个强制半屏的界面,可能有些太小了。

    一开始的配置阶段,StepClaw支持用户给它设定性格,用拟人的方式回应,这也是一些厂商目前跟进的个性化设计。

    我给他设定了一个“靠谱又有点爱吐槽”的性格。它确实做到了,一边干任务,一边吐槽任务难办并抓狂。不过在30多轮对话后,AI就回到了正常风格,在记忆上的问题仍然需要改进。

    图片

    AI在线吐槽

    印象最深的,是笔者测评各类任务时,StepClaw在摸索的过程中能给靠谱的多条备选方式,帮你达成目标。你能看到它为了解决任务,帮你写命令、做网页,迂回地帮你处理问题。

    从任务执行的效果来看,通过寻找替代方案、自主编写工具等方式,StepClaw实测上能够解决很多意料之外的问题,执行能力相对突出。

    比如在接入Gmail邮箱API、让它帮我读取未读邮件内容并做总结,这样一个简单的任务,也会遇到环境部署不稳定导致无法接受验证信息的情况。

    为此,StepClaw甚至自己写了个网页给我,让我通过网页直接看信息再给到它。通过我和Agent的配合,终于让它接上了我的Google邮箱。

    图片

    通过调用Skills,我用StepClaw做了每天汇报的AI日报,让它帮我整理邮箱。实现这些基础的功能之外,如果用户想进阶一下,拿AI做些不一样的事情,可以从阶跃星辰自建的Skills商店网址“水产市场”中找更多技能解锁,比如让它帮你处理财报信息、写个小红书文案、做个“一图讲解xx”之类的AI图片等。

    作为本地部署的小龙虾,你还可以要求StepClaw帮你从电脑里找文件、整理文件。我要求它帮我整理下桌面,然后再还原回原来的样子。阶跃确实帮我把杂乱的文档和游戏图标都收进了对应的文件夹,且后续也做到了完美还原,表现处在及格偏上的水平。美中不足之处是,StepClaw没有根据我桌面上已有的文件夹分类做规划,而是自己新建了类似的文件夹储存。

    StepClaw的调用,需要用户下载阶跃此前的桌面端产品“阶跃AI桌面伙伴”。这个产品的首次上线是在去年9月。可以说,在OpenClaw爆火前,阶跃星辰自己对Agent的重度规划中,就有做相关产品的布局。

    由此,StepClaw的一部分功能设计,其实就继承了“阶跃AI桌面伙伴”。比如目前其宣传的“全局记忆”功能,会让AI在每15分钟截图一次桌面,并记录用户的行动轨迹,相当于自己给AI补充了更多的上下文。在桌面助手产品中,这个功能更像是历史记录,用来查找遗忘的信息。StepClaw的“悬浮球”设计,也是继承自阶跃桌面助手的设定。

    跑通任务的能力,一部分还是具体看模型能力。阶跃对问题的一些灵活处理,还是得益于Step3.5flash的能力,和上一代模型相比,新模型做了更适配Agent的设计,比如更适合工程化的上下文结构,和更快的token吞吐速度。

    总体来说,靠着之前在C端产品的基础,阶跃交卷的时间不算早,但交出了一个不错的答卷。

    不过,目前阶跃的产品还处在内测阶段,第一批5万的邀请码放空后,阶跃星辰仍然在通过内测邀请码的方式来接入,获取难度并不高。3月29日夜晚,阶跃星辰还邀请了李雪琴作为测试官来体验产品。

    从模型上,阶跃星辰靠免费策略确实吃上了红利,一段时间内位列OpenRouter消耗榜单第一。但从产品上,StepClaw想靠产品从“龙虾们”中杀出重围,还需要时间。

    自建Skill生态,阶跃的野心

    可以看到,四家大模型创企月之暗面、MiniMax、阶跃星辰和智谱都做了OpenClaw平替品。对于分吃龙虾肉,每一家都有热情。

    对于将自研大模型作为核心竞争力的上述企业来说,OpenClaw是一个Agent爆款产品,它的意义不仅仅是对产品流量、生态的押注,而更关键的是靠巨额的token消耗,讲好自家B端的API生意经。

    以笔者测试为例,比如让龙虾做一个定时日报的任务,一般单次对话就要消耗百万个tokens,如果一天调用十几次,一个月的tokens消耗量也能到几亿次。厂家只靠免费是不可能撑起这么大的消耗量的,这也是为什么最近从云厂商到大模型创企,都在给tokens提价的原因。

    怎么让用户“尝口龙虾肉”后,还愿意继续尝试?这就是阶跃星辰在搭建龙虾之前,先发布了自家Skill商店“水产市场”的原因。

    据阶跃星辰StepClaw、水产市场负责人钟经纬判断,春节期间做“水产市场”的判断有二:第一,OpenClaw在春节前后的爆发让他预判,春节期间会有更多人去尝试使用,这些人一定会遇到"不知道用来干嘛"的问题;第二,OpenClaw带来的资产类型更丰富了,技能、经验、插件、频道、触发器都需要一个地方来承载和分发。

    可以说,Skills是当下帮用户真正找到场景做事的触手。在2025年,我们还需要在各家大厂的Agent开发平台,看不同开发者贡献的各类Agent,比如字节扣子空间上划分好的种类,不同的任务,需要调用不同的Agent。

    而在MCP和Skills普及的当下,一个Agent可以自己组装多种技能,就相当于给龙虾装上了手和脚,也就成了龙虾们的必需品。从2月龙虾热到现在,一个多月的时间里,厂商们也已经开始在产品中预装好Find Skill(帮用户寻找合适Skill并下载)、Skill Vetter(确保安装Skill的安全性)等Skill,提升用户初始体验,解决用户“到底用龙虾做什么”的疑问。

    正如你买到的每家手机都有自己的应用商店,现在市面上的小龙虾们,也基本自带类似“水产市场”的自家Skill商店,通过开发者生态共创,更多能够应用在办公、代码等场景的技能出现在商店给用户调用。

    不过,目前在初级阶段,Skills市场也难以形成壁垒,它只能算是龙虾的“标配项目”。

    目前从数量来看,阶跃星辰的水产市场中一共有5500个Skills,比起目前海外市场的ClawHub来说,后者当前Skills数量已经更新到40000以上。虽然国内生态的完善还有待改进,但国内Skill生态的搭建势在必行,比如一些国内用户用得更多的产品(微信、B站)等相关技能的接入,还是靠国内开发者上传。

    简单来说,Skills是Agent的能力模块,包含提示词+脚本组合,可以实现具体能力(如SEO内容写作、PPT生成、周报撰写等)。

    但Skill的能力取决于两个东西:调用的API和写的提示词。提示词本身就是迁移成本很低的方式——一个写好的Skill,上传到ClawHub、扣子空间、阶跃的"水产市场",几乎不需要额外改动。这意味着,Skill市场很难形成像App Store那样的垄断格局。

    短期来看,对于想吃龙虾肉的厂商们来说,做Skill市场更像是产品生态的完整。跟随行业趋势,完善产品矩阵,满足开发者需求。不做Skill市场,产品在功能完整性上就会落后竞品。

    龙虾本身真正的竞争在两点:基座模型能力——决定Agent能做什么,工程化能力——龙虾对任务的执行程度。

    对于意在终端Agent的阶跃星辰来说,Agent是生态中的一块关键拼图。如何让Agent能力赋能在接下来的手机、汽车和电脑等一系列终端产品上,才是阶跃星辰的重点。

    从桌面助手到龙虾

    阶跃星辰押注本地Agent

    从阶跃AI桌面伙伴,到StepClaw,两个本地Agent产品的重合和相似的设想,已经说明了阶跃星辰在OpenClaw爆火之前,已经对这个赛道有了初步想法。

    据钟经纬回忆,阶跃本地Agent项目立项是在去年7月。在Manus后,团队内部从需求出发,看到了本地Agent机遇的存在。

    “本地最大的价值,是在技术探索早期,给了用户更大的自由度。”钟经纬写道。

    对比云端,本地能够帮助AI更方便地获取到所需的上下文信息,并让Agent拿到更多本地权限,才能解锁一些没有被实现的玩法。

    阶跃星辰押注本地Agent的速度,实际上够快。

    从去年九月的Mac版本后,今年1月19日,Window版本的阶跃AI桌面伙伴也正式上线。这个时间其实也是OpenClaw爆火的日子。不过,在当时的宣传版本中,MCP还占据着功能宣传的首位,Skill反倒没有被放到官方的宣传中。

    没有被提及的原因,或许是官方认为,当时Skills的教育成本还不够,市场对其的认知还不足。

    “最早我们在10月份是想打 Skills 这个东西来做增长,当时找了很多电商社群、做培训的机构一起协作来搞 Skills,当时他们是不愿意的。”钟经纬在一档播客中提及。

    而且,对比OpenClaw,阶跃AI桌面伙伴没做到的一点,是把它和各大IM产品的生态打通。

    但在蹭OpenClaw的热点速度上,阶跃星辰没有跟上后续的节奏,这或许也是错失流量和更多用户的原因。可以看到,阶跃星辰无论是云端还是本地版本的StepClaw两款产品,均上线在今年3月,而月之暗面们最早从除夕就发布了相关产品,早期的这些产品多是云端版本,虽然不够快,但确实分走了一部分注意力。

    谈及为什么不用阶跃AI直接接入飞书,而是又做了个StepClaw,钟经纬表示,由于Agent Harness 有一些差异,团队后续在上面再重复跟迭代,其实比套一下的成本还要更高。另外,OpenClaw确实太热了。

    在热度上,阶跃星辰或许没能赶上这波流量。不过对于这家押注终端Agent的公司来说,开发本地Agent,本身对于他们来说,也是一件持续要做的事情。

    阶跃星辰本身的商业化模式,就是在手机、车等智能终端上搭载Agent,靠前期产品的打磨和搭建,后续的经验和反馈,对于团队未来大方向的研发是匹配的。

    无论StepClaw最终能否在"龙虾大战"中脱颖而出,前期产品的打磨都将转化为面向手机、汽车、电脑等终端生态的实战经验。对于这家押注终端智能化的公司而言,这或许才是这场竞逐背后更值得关注的叙事。