千问今日宣布，将向第三方Agent、Skill全面开放，所有企业均可在千问中运营自己的品牌Agent。

据悉，企业可以在千问APP中自定义Agent人设、服务能力与边界，并通过对话形式向用户提供各类产品和服务。

与传统App、小程序或客服入口不同，品牌Agent将以自然语言交互为核心，用户无需反复切换应用或查找功能入口，只需直接表达需求，即可由Agent理解意图并完成相应操作。

这意味着，企业在千问中拥有的不只是一个智能客服，而是一个可以持续运营、理解用户偏好并主动服务的品牌智能体。

据悉，瑞幸咖啡、肯德基、蜜雪冰城、东方航空等首批企业目前正在千问进行Agent服务测试，并将陆续上线。

根据规划，瑞幸咖啡Agent可结合用户习惯和消费场景，主动提醒用户“中午排队时间长，建议提前半小时点单”，帮助用户更高效地完成消费决策。

东方航空Agent未来可在深入理解用户出行计划和旅行偏好的基础上，针对旅客需求智能推荐行程方案，并一站式解决出行服务。

随着第三方Agent全面接入，千问也将进一步强化“超级Agent”的定位。

用户只需用自然语言表达需求，即可在千问中完成各类任务和服务。

千问将不再只是回答问题的AI工具，而是一个能够调度不同品牌Agent和Skill、帮助用户完成真实任务的个人助手。

对企业而言，千问开放第三方Agent也意味着一个新的AI运营阵地正在形成。

过去，品牌主要通过App、公众号、小程序、电商平台、外卖平台等渠道触达用户；

进入AI Agent时代后，品牌还需要运营一个能够代表自己与用户对话、提供服务并完成转化的智能体。

企业可通过千问自定义Agent人设与服务边界，在保持品牌表达一致性的同时，提升客服、导购、会员运营、复购转化和用户服务效率。

从首批接入企业来看，瑞幸咖啡、肯德基、蜜雪冰城和东方航空均属于高频消费与生活服务场景，用户需求明确、服务链路清晰，也更适合通过AI Agent提升效率。

餐饮茶饮品牌可围绕点单、优惠、排队提醒、会员权益和复购推荐提供服务；

航空公司则可围绕行程规划、航班提醒、出行偏好和旅客服务进行智能化升级。

千问向第三方Agent、Skill全面开放，标志着AI应用竞争转向生态服务能力的比拼，谁能接入更多高频服务，谁能让用户以更自然的方式完成更多真实任务，谁就更可能成为AI时代的重要入口。

随着更多企业加入，千问有望成为用户连接品牌服务的新入口。

过去二十年，电商平台争的是“在哪里买”。下一场仗，争的是“谁替你决定买什么”。

这听起来像是用户的福利，但仔细想想，把购物决策交给一个由平台训练、为平台服务的AI。这到底是更好的购物体验，还是一套更隐蔽的流量收割？

豆包、千问赶在618前密集上线购物功能，这个问题开始有了真实的测试场。

强调Next用同一批问题测了豆包和千问，希望通过一系列问题看看真实的AI到底会不会改变我们的购物习惯？

需要提前说明的是，以下都是个案测试，样本有限，结论只能作为观察这个行业的一个窗口，不代表两款产品的全面表现。

01.实测：四组问题，两套逻辑

1、基础推荐：预算3000以内买笔记本

豆包的回答像做过功课的朋友，先给需求过滤（“不适合大型游戏，优先8G+256GSSD”），再推具体商品卡，附价格、配置、适用场景。底部“选购提醒”主动警告“i7独显低价机”多为老款改装陷阱，给出配置底线。最后追问用途，引导对话继续。

点开商品卡可以直接进入下单页面、付费，闭环流程比较顺畅，但不知道这个商家的推荐逻辑，以及是否是推广的结果。点击“查看更多商品”可以选择更多店铺购买，排在首位的是一个直播间。随机测试了几个其他的产品，也基本都是把直播间放在首位，说明在豆包的流量分发逻辑里，直播间的权重高于普通商品列表。

千问识别了需求，按使用场景做了分类推荐，但是信息的结构化呈现不如豆包。而且千问没有直接给产品购买链接，而是进入一个商品结果页，需要用户自己筛选，给的产品差别也比较大，需求匹配不是很准确，比较像用几个关键词搜出来的淘宝结果页。

千问比较人性化的推荐了一个性价比选项：买一个二手的苹果MacBook，但标注售价6237元，明显超出3000元预算，属于明显的预算匹配失控。

小结：豆包把决策做完再给你，但最终购买的落点突出直播间；千问把商城入口打开让你自己决策，整体感觉智能程度相对差一些，同时在多个测试中，千问都推荐了“二手产品”，这倒是体现了阿里的电商生态丰富性优势。

2、反向纠偏：戴森吸尘器比米家贵，但效果一样，对不对？

两家都没有顺着错误前提走。

豆包直接亮出“不对”，回答很明确，且分场景说清楚差异，附实时商品卡，追问是否需要按预算推具体型号。这里有明显的商品推销动作，但还算可接受。

千问用三列对比表格拆解各维度差异，给出分场景结论，纯信息输出，没有挂商品。

小结：两家都合格。但显然豆包的推销意识更强，会主动发现机会卖货。千问的回答更像纯工具，不过也带出了一点AI的通病，过于谨慎，显得不够果断、专业。

3、高客单价复杂决策：预算8000买相机，拍娃

豆包先提炼核心需求，“对焦快、追焦稳、直出好看，优先APS-C微单”，给三套预算方案，每套都有机身价+剩余预算配镜头的建议。商品卡来自官方旗舰店，数据可查。

千问的文字推荐框架完整，品牌推荐（索尼A6400、富士X-T30II）都是专业判断。

但商品卡完全错位，推荐“全新微单方案”挂的是53元的库洛米儿童玩具相机，“二手全画幅方案”挂的是7.78元的玩具相机。其他商品也都价格差异巨大，不太符合8000元预算的需求。

8000元预算，千问推荐了7块8的玩具。语言理解层做对了，商品匹配层断了线。

小结：豆包在高客单价场景下表现相对稳定，推荐逻辑清晰；千问的文字判断没问题，但商品卡匹配出现严重错误，语言层和商品层之间明显没有打通。

4、跨平台比价：同款AirPods4在京东、淘宝、拼多多哪里最划算

这是本次测试最有意思的一组。

千问直接坦白：作为淘宝AI购物助手，没办法帮你查京东和拼多多的实时价格。然后老实地给出淘宝内部的省钱攻略，价格是真实拉取的数据。商品推荐上也比较克制，不是上来就直接推商品链接，而是问过用户之后再推。

豆包给出了一套完整的三平台比价，结论清晰，各平台价格详细，还附上三条差异化购买建议。看起来很专业。

但可能都是骗你的：

第一，豆包既没有接入京东，也没有接入拼多多，这套比价数据是搜索相关资料后由模型生成的，不是实时拉取的。以“淘宝普通版636元（88VIP+券+国补）”为例，这是叠加多重优惠后的理论最低价，普通用户实际上拿不到。

第二，它又开始主动卖货了，答案底部挂的商品卡是自家抖音商城的AirPods 4，和需求里让它分析的三个平台没有任何关系。再次体现了强推销逻辑。

千问说“比不了”，诚实的说出了局限。豆包给了答案，但用户看到一套完整的比价表，会自然地以为这是实时真实数据，而实际上可能是一个幻觉。在购物决策这件事上，一个编出来的答案比没有答案更危险。

小结：这组测试最能看出两家的底层策略差异，也明显的反映了生态的局限性。这种移动互联网时代的“花园围墙”在AI时代依然无解。有意思的是，豆包推销抖音电商产品的意识更激进，有机会就往购买路径上引；千问反而更克制，更多时候是给信息、给方向，而不是直接递商品卡。

02.这届AI购物，差在哪里

1、推荐的底层，未必是用户利益

这是所有平台型AI购物共同面临的矛盾，不是技术能解决的问题。

淘宝天猫的核心商业模式是广告和竞价排名。如果千问的推荐真的完全按“最适合用户”排序，大量付费商家的广告投入就失去了意义，整个生态的商业逻辑就断了。已有媒体实测发现，千问推荐的商品高度集中在付费权重更高的商家范围里，销量上万的高性价比平价款被压到了数十位之后。

豆包同样如此。它的推荐池是抖音商城，商品卡点进去首先出现的是直播间，这不是巧合，而是字节电商流量分发逻辑的体现。AI推荐的背后，是平台希望你进入哪个消费场景。

传统搜索结果里，广告和自然结果之间还有一个“广告”标签。AI推荐说的是“根据你的需求为你精选”，用户几乎无法分辨推荐背后是算法还是商业。包装越自然，越值得警惕。

2、AI做了决策，但没有管住全程

豆包在推荐卡片这一层做了不错的过滤，但点开“查看更多商品”之后，预算约束消失了，3000元预算的笔记本测试里，¥3739的新款和¥4499的高配版照样出现。千问在预算匹配上同样失控，MacBook Air那张价格高达6237元的商品卡就是例证。

这暴露了当前AI购物产品共同的工程短板：AI的决策层和平台的商品召回层之间，没有打通。AI理解了用户需求，给出了有判断的推荐，但一旦用户离开这个推荐卡片，就切换回了传统电商的逻辑，按销量、按广告权重、按平台利益来排序。AI只影响了购物链路的第一步，没有影响后面的每一步。

更根本的问题是：商品数据的标准化和实时同步本身就是一个巨大的工程难题。豆包的比价数据依赖模型生成而非实时拉取，千问的商品卡偶尔错误匹配到儿童玩具，本质上都指向同一件事。在电商这个高度依赖实时库存、实时价格、实时促销信息的场景里，大模型的知识更新速度还跟不上商品世界的变化速度。

3、对话购物的效率，还没有超过搜索

AI购物的核心承诺是用自然语言表达需求，比输入关键词更高效。但从测试结果来看，这个承诺主要在“需求明确+标品+决策简单”的场景下成立。

问“预算3000的笔记本”，AI能给出不错的回答。但真实的购物决策往往不是这样的，用户的需求是模糊的，比较的维度是多维的，信任的建立需要时间。当豆包给你推荐一台相机但你不知道商品卡的来源是否可信，当千问的比价只覆盖淘宝一个平台，用户会本能地打开另一个App去交叉验证，这时候AI购物不但没有提升效率，反而多了一个确认步骤。

03.618：入口之争，但主战场不在这里

回到最初的问题：这届AI购物，会改变618的格局吗？

答案大概率是：不会，至少今年不会。

功能层面，无论是豆包还是千问，目前跑得比较顺滑的还是外卖、标品这类低决策成本的品类。618的主战场，家电、手机、电脑、服装等这些高决策成本、强比价需求、重信任背书的品类，AI推荐的可靠性和用户的信任度，还远没到可以“代劳”的程度。

用户习惯层面，从搜索式购物切换到对话式购物，是一次认知方式的迁移，不是一次App更新能完成的事。大多数用户今年618，依然会打开熟悉的购物App，按熟悉的方式比价下单。AI购物的尝鲜者，还是少数。

一些潜在的需求可能在对话的过程中被激发，但是用户是直接在豆包、千问里完成闭环，还是再去购物App比价，还不好说。

所以今年618的AI购物，更准确的定位是：一次公开的压测，一个象征意义的节点。各家用这个窗口验证技术路线、测试用户接受度、跑通支付闭环，为真正意义上的AI购物时代做准备。

真正的AI购物，要解决的问题还很多：推荐数据的实时性和准确性、跨平台比价的可能性及可信度、个性化推荐和商业利益之间的透明边界、高决策成本品类的信任机制……这些问题，靠功能迭代能解决一部分，但更多的是需要整个行业重建用户和平台之间的信任契约。

那个时刻，还没到来。

作者：新见，编辑：小白

来源：强调Next

憋了两周，终于写完了。这将会是我目前写过的最完整的一篇AI产品深度分析报告。

从2025年11月千问上线公测至今，我一直在密切关注这款产品的每一次更新和动向，期间和行业内多位AI从业者朋友反复交流和讨论，也花了大量时间梳理公开信息、对比竞品、拆解产品逻辑，最终把这些积累整理成你现在看到的这篇报告。

全篇内容预计逼近两万字，我将从产品演进、赛道格局、战略背景、产品定位、信息架构、功能矩阵、核心差异化、用户口碑、SWOT与机会点等多个维度，系统分析千问这款产品。

需要说明的是，以下全部内容仅代表个人观点，不代表任何机构立场，若有分析不当之处，欢迎和我交流讨论哈。并且内容过长，所以我做了一个一文总览的思维导图，可以先看下：

为什么是千问？

因为它做了一件在AI赛道几乎前所未见的事，用不到两个月时间，月活从306万冲到1亿。更关键的是，它走的不是任何一条已有的路：不是靠大厂流量砸出来的，不是靠模型能力口碑自然增长的，而是做了一件其他AI助手都还没做成的事，让AI真的替你把事情办完。

这背后的产品逻辑是值得认真拆解一下的

一、产品演进：从通义到千问的战略转身

1.1 通义时代：一个长达三年的战略模糊期

理解千问，必须先理解通义为什么失败。

通义大模型早在2022年就已横空出世，同步推出了通义千问、通义万相、通义听悟等众多产品。但这恰恰埋下了后来最大的问题：产品名称混乱，让用户完全搞不清楚这到底是AI助手、云计算服务，还是大模型。

这种认知困境直接体现在数据上。截至2025年第三季度，通义App的月活用户仅有306万，而同期豆包、DeepSeek的月活已经达到数亿级，差距断层。

更早的2024年上半年，通义App的活跃率（DAU/MAU）只有14.3%，月人均使用天数4.3天，两项指标都明显落后于竞争对手。

这是一个典型的技术驱动型组织做C端产品的困局：模型能力在技术层面已经不弱，但产品逻辑从来没有真正以用户为出发点建立起来

1.2 改名节点：一个名字背后的战略信号

2025年11月14日，阿里巴巴通义App版本号从3.60.0直接升级至5.0.0，软件名正式变为千问。

版本号跳过4直接到5，这个细节本身就在表态：这不是迭代，是重启。

阿里对这次更名的官方解释是：更名不是简单换名字，而是把通义从一个技术模型推向全民级AI产品的关键一步。

技术模型和全民级AI产品，是两种完全不同的产品逻辑。前者的核心用户是开发者和企业，评判标准是模型能力的强弱；后者的核心用户是普通人，评判标准是能不能解决真实生活里的具体问题。

阿里用这次改名，完成了一个明确的站队：从B端技术展示窗口，转向C端生活服务入口。

1.3 关键版本时间线

从更名到月活破亿，千问走过了一条极其密集的演进路径：公测23天月活突破3000万；12月25日月活破4000万；2026年1月15日月活破亿。同日，千问举办产品发布会，正式宣布全面接入阿里生态，开启AI办事时代。

这条时间线有一个值得注意的细节：从MAU 306万到破亿，只用了两个月。但从通义诞生到千问上线，阿里花了整整三年。

这三年不是在浪费时间，而是在完成两件必要的前置工作：

一是把Qwen大模型做到全球开源第一，建立模型底座的绝对优势；

二是把阿里生态里的各类服务标准化成可被AI调用的接口。

没有这三年，千问的两个月爆发不可能发生。

1.4 一个被忽视的关键：夸克的引流作用

千问冷启动并不是从零开始的。2025年11月26日，千问宣布与夸克AI浏览器深度整合，而夸克在电脑端的安装量高达1.1亿。这批存量用户直接变成了千问的第一波导入流量。

理解这一点很重要：千问的增长数据里，有一部分是存量迁移，而不是纯粹的新用户获取。真正考验千问的，是这批迁移过来的用户留下来之后，有多少愿意高频使用。

二、赛道格局：2026年AI助手市场的结构性分化

2.1 四强格局确立，第二集团持续分化

先看数据。根据QuestMobile 2026年3月数据，千问移动端月活1.65亿，同比增长4241%，单季度新增月活1.26亿，是同期其他AI产品新增量的数倍。阿里2026财年Q3财报同期披露，2月千问全端（App+Web+PC）月活已超3亿。

需要做一个口径说明：1.65亿是移动端App口径，3亿是全端合计口径，两个数都真实，但不能混用对比。

2.2 三条路径，本质是三种不同的留存逻辑

看完数据，更重要的是理解这三家为什么走了完全不同的路。

豆包的路：字节把豆包嵌入抖音、今日头条、剪映等50余个自家应用，内容消费、AI辅助、创作输出形成闭环。用户在刷视频、做剪辑的过程中自然触达豆包，留存建立在内容消费习惯上。优势是流量天然、获客成本低；劣势是脱离字节系场景后，豆包的独立价值就会被削弱。

DeepSeek的路：靠2025年初R1模型的现象级能力出圈，在开发者和专业用户里建立了极高的品牌认知。但C端产品力不足是它的硬伤，没有具体的高频生活场景承接用户，尝鲜之后就流失了。月活负增长已经证明了这一点。

千问的路：把AI帮你把事情办完做成闭环。接入淘宝、支付宝、淘宝闪购、飞猪、高德，上线400+项AI办事功能。这条路最重，但壁垒也最高，它需要阿里十几年积累的商业基础设施来支撑，不是靠堆模型能力就能复制的。

2.3 千问增速背后的一个隐患

4241%的增速很好看，但有一个数据需要人证分析一下。

春节免单活动首日，千问日活暴增5100万，增幅727.7%。活动驱动的日活峰值和真实留存是两回事。活动结束后，能有多少用户把千问变成日常习惯，才是真正的考验。

三、战略背景：阿里为何将千问定为集团AI入口

3.1 吴泳铭上任后的战略转向

理解千问，必须先理解吴泳铭。

2023年9月，吴泳铭出任阿里CEO，上任第三天就发了全员信，确立用户为先、AI驱动两大战略。这是阿里集团层面第一次把AI提到和电商、云计算同等重要的位置。

但真正的战略加速，发生在2025年。2025年9月的云栖大会上，吴泳铭抛出了一个比AI驱动更激进的目标：AGI是确定性事件，但AGI只是起点，阿里的终极目标是ASI。

他把路径分为三个阶段：智能涌现、自主行动、自我迭代。

当前阶段是自主行动，也就是AI要从能回答进化到能执行。千问的产品逻辑，正是这个战略阶段的直接产物。

3.2 3800亿投入的逻辑

阿里在AI上的投入规模，是理解千问战略地位的重要背景。

2025年2月，阿里宣布三年3800亿元的AI基础设施建设计划。这个数字相当于阿里2025财年营收的近40%，是一个需要集团最高层直接拍板的决策量级。随后，阿里2026财年Q1财报披露，过去4个季度AI基础设施和研发累计投入已超1000亿元。

这种量级的投入，意味着阿里不允许AI基础设施很强、C端产品很弱的错位继续存在。千问的出现，就是要把模型能力和C端用户规模这两件事真正连起来。

3.3 千问在阿里AI版图中的位置

千问在这个版图里的定位很清晰：它不是一个产品，它是一个调度层。

模型能力在底层，生态服务在末端，千问站在中间，负责把用户的自然语言意图转化成对具体服务的调用。阿里内部把这个定位描述为出门带一个千问App就能解决所有问题。

3.4 与夸克的分工逻辑

很多人搞不清楚千问和夸克的关系，因为两者在功能上有大量重叠。

拆开来看，分工其实是这样的：夸克回归到它最核心的能力（AI搜索和浏览器），服务的是我想找信息、我想搜索的需求；千问承接的是我想把一件事办完的需求。前者是信息获取，后者是任务执行。

这个分工的问题在于，随着千问的AI搜索能力不断增强，两者的边界会越来越模糊，内部竞争压力是客观存在的。这是阿里未来需要持续解决的产品管理问题。

四、产品定位：AI超级助手还是生活服务调度台

4.1 官方定位与差异化思考

千问官方给自己的定位是个人AI助手，口号是会聊天、能办事。

阿里需要把生态服务的调用能力快速展示出来，所以功能密度很高；但高密度功能对新用户来说，认知成本也相应变高。

从产品经理的视角来看，会聊天、能办事这个口号里，办事才是真正的差异化。

4.2 目标用户画像

根据公开数据和产品功能设计，千问当前的用户群体大致可以拆成三类：

学生群体：千问破亿月活的公告里明确提到在学生和白领人群中增长迅猛。学习辅导模块（千问小讲堂、整页批改、5亿资料库）是针对这一群体的核心功能，也是差异化最明显的地方。这批用户的特点是使用频次高、场景固定、但付费意愿相对偏低。

白领/职场人群：智能办公模块（AI写作、AI PPT、文档解析、实时记录）针对的就是这批人。这一群体的付费意愿更高，但竞争也最激烈，豆包、Kimi都在同一战场。

生活消费用户：靠AI办事功能拉新的那批用户，主要是被春节免单活动吸引进来的。这批用户的留存最难，因为他们进来是为了薅羊毛，能否在活动结束后继续留住，取决于千问的日常使用价值是否足够高。

4.3 千问最大的不同在哪里

和其他AI助手相比，千问最本质的差异只有一个：它是唯一一个真正打通了商业服务履约闭环的AI助手。

其他AI助手告诉你你可以去哪里买，千问直接帮你买完。这一步的跨越，看起来只是产品能力的差异，但背后需要的是整套商业基础设施的支撑。这是它的核心壁垒，也是它在2026年最值得被认真对待的原因。

五、信息架构：首页结构与核心导航逻辑拆解

5.1 整体信息架构概览

实际打开App，迎面是一个极简的对话欢迎界面：AI助手头像、个性化问候”你好，小普”、三条场景化快捷提示词，仅此而已。

这个设计选择本身就值得分析。千问没有把所有功能平铺在首页，而是选择用”对话框”作为唯一核心入口。这意味着它在传递一个明确的产品主张：不管你想做什么，说一句话就行。

5.2 首页信息架构拆解

千问首页的设计逻辑，可以用一句话概括：大对话框 + 功能快捷入口矩阵。

顶部是一个全宽的对话输入框，这是千问最核心的交互入口。无论你想做什么（点外卖、写文章、问问题）理论上都从这里开始。这个设计是对的，因为它在告诉用户：千问的核心是说一句话，事情就开始了。

5.3 顶部导航栏：两个独立入口的设计逻辑

顶部导航栏藏着两个值得拆解的设计决策。

左侧千问办事独立入口

千问没有把AI办事能力混在首页功能栏里，而是单独提升到顶部导航栏的左上角位置。这是一个明确的产品表态：办事能力是独立于对话能力的另一条路径，用户可以直接进入，不需要通过对话框来触达。

这个设计逻辑上是对的，我要问问题和我要办一件事是两种完全不同的用户意图，分开入口减少了认知混淆。

居中模型切换

顶部居中放的是模型切换入口，默认Qwen3.5，可手动切换到Qwen3-Max。

对普通用户来说，模型版本的差异是很难认清的，因此千问选择默认展示最新的模型。并且不在首页展示模型版本，而是仅保留 千问 。

右上角AI创作入口

右上角图标进入AI创作模块，这是一个独立的内容创作空间，区别于主对话界面。

5.4 输入框上方功能快捷栏：15个功能的取舍逻辑

输入框上方横向排列了15个功能快捷入口，按照截图里的顺序依次是：任务助理、HappyHorse、拍题答疑、AI生图、作业批改、AI写作、PPT创作、实时记录、小讲堂、AI生视频、翻译、打电话、深度研究、文档阅读、AI修图。

这里有几个值得注意的设计信息：

首先，功能密度高但不显眼。这15个入口是横向滚动排列在输入框上方的小图标，不是占据大面积的功能卡片。视觉上不会让首页显得臃肿，但对新用户来说，能不能发现这个区域、能不能看懂每个图标的含义，是一个门槛。

其次，前三位的优先级选择很有意思：任务助理、HappyHorse、拍题答疑。任务助理代表”办事”，HappyHorse是情感陪伴类功能，拍题答疑代表”学习”。这三个场景的前置，揭示了千问对自己核心用户群的判断：办事用户、情感用户、学生用户，这三类是它最想优先服务的人群。

第三，打电话功能单独拎出来值得说一说。这是千问独有的能力：AI代替用户拨打电话完成预约、询问等任务。这个功能出现在功能栏里，但位置排在第12位，优先级偏低。如果这个功能真的成熟，应该有更高的展示权重，因为它的差异化程度远超AI写作、翻译这类标配功能。

5.5 左侧抽屉：被低估的导航空间

左上角展开后可以看到我的空间、智能体、对话历史。

智能体在这里，是一个值得关注的信号。千问把智能体入口放在抽屉里而不是首页主导航，说明当前版本对智能体的定位是进阶用户功能，而不是面向大众的核心场景。这和豆包把Bot广场做成主导航Tab的策略形成了明显差异。

哪种策略更好，取决于千问对智能体的判断：它认为普通用户还没准备好高频使用智能体，对话框才是当前阶段最低门槛的入口。这个判断未必错，但随着用户熟悉度提升，智能体的入口层级应该适时上调。

六、功能矩阵：六大能力模块的边界与评估

6.1 先说清楚一件事：千问的功能比大多数人以为的要复杂得多

在正式拆解之前，我想先纠正一个我自己之前的误判。

在没有真正深入研究这款产品之前，我对千问的认知是一个能办事的AI助手，功能堆砌。但当你真的把它的功能矩阵铺开来看，会发现它走的其实是两条完全不同的产品线：

一条是AI办事超级入口，对标的是你的生活方式；另一条是AI创作平台，对标的是你的内容需求。

这两条线共享一个对话框入口，但背后的能力体系和目标用户几乎是两个独立的世界。这既是千问的产品野心，也是它最难解决的定位模糊问题。

把功能矩阵拆成六个模块来看：

6.2 模块一：AI生活办事

这是千问六个模块里唯一一个能让人停下来说”这件事只有它能做到”的功能。

但有一点必须说清楚：所谓的400+AI办事功能，并不是400个全部实现了无缝闭环。按照实际接入程度，可以分成三个层级：

这个区分很重要。如果把400+全部等同于真闭环，是在夸大千问的实际能力，也会让读者产生预期落差。

打电话订餐这个功能值得单独说一说。千问会自动拨打商家电话，用AI语音（实时情绪识别，100ms内识别50+种情绪）完成预订沟通，之后给你生成文字纪要和录音回放。

这件事本身技术含量相当高，而且真的解决了一个真实痛点：很多人不喜欢打电话，尤其是用中文和餐厅沟通这类相对复杂的任务。但它也带来了一个意想不到的问题：商家经常以为是真人在打，千问不得不在通话结尾主动声明：我是千问AI助手。这个细节透露出一件事：AI代替人类打电话这件事，在伦理和商业规则层面，还有很多没有被厘清的问题。

6.3 模块二：AI创作

如果说办事是千问的理性壁垒，那AI创作就是它正在建立的感性壁垒。

这里必须纠正一个误解：HappyHorse不是情感陪伴功能，而是阿里自研的视频生成模型。

HappyHorse 1.0的技术规格是：150亿参数、40层单流Transformer架构、原生音视频联合生成、支持7种语言唇形同步，单H100卡38秒出片。2026年4月以匿名身份登顶Artificial Analysis文生视频和图生视频双榜，随后阿里ATH创新事业部认领。4月27日开始在千问App首页以”胶囊入口”形式灰测，普通用户免费体验。

AI小剧场是另一个值得重点提的功能。它是国内第一个真正做出角色合拍玩法的AI产品——你上传照片创建数字分身，然后和近百个公开IP（甄嬛、林黛玉、孙悟空、马斯克等）同框出演AI短片，还可以把结果保存成Live实况图发朋友圈。

这个玩法的战略意图很清晰：从娱乐社交场景切入，解决千问日活不够高的问题。用户为了看自己和马斯克合拍，会反复打开App——这是一种完全不依赖阿里电商生态的留存路径。

6.4 模块三：任务助理

任务助理1.0是2026年1月15日以邀测形式上线的，初期邀请码一度在闲鱼炒到500元，足以说明用户的期待程度。

它的能力定位是类人多步骤规划Agent：你描述一个复杂任务，它自动拆解步骤、调用工具、完成执行、输出结果。Web端最多可并行处理100个文件，App端是10个，平均8到10分钟完成一份研报或小工具的生成。它还引入了双重核查机制，关键数据可由第三方Agent复核，降低幻觉风险。

这个模块和打电话订餐背后是同一套Agent基础设施，只是一个面向信息处理，一个面向物理世界执行。两者合在一起，才是千问真正意义上的AI Agent能力边界。

目前的问题是：任务助理还在邀测阶段，普通用户还没有全量覆盖。一旦全量开放，加上功能继续打磨，这会是千问最有可能建立长期用户习惯的模块。

6.5 模块四到六：学习辅导、智能办公、对话问答

学习辅导：这是千问在学生群体渗透最深的功能。千问小讲堂把AI辅导做成了可视化板书加1对1语音互动的形式，整页拍题批改直接解决家长和孩子的核心场景，5亿资料库配合千万真人老师讲题视频是真实的差异化。和猿辅导、作业帮这类垂直产品相比，千问的优势是免费、通用；劣势是系统化课程体系和深度内容还有明显差距。

智能办公：AI写作、PPT、文档解析、实时记录，这些是AI助手的标配功能，千问在这个赛道是跟随者，差异化程度不高。值得一提的是实时记录支持录制系统内部音频，可以录小宇宙、B站、播客，这比大多数竞品多了一个使用场景。

对话与问答：底层是Qwen3 Max（默认模式，非推理）和Qwen3-Max-Thinking（推理模式），默认版本是Qwen3.5，用户可以手动切换到Max。能力上和ChatGPT、Gemini处于同一水平，且完全免费，这一点在当前AI产品普遍商业化的背景下是真实的优势。但问题和信息架构章节说过的一样——模型能力的感知化不够，用户很难在对话过程中感受到”这是Qwen3 Max在帮我”的具体体验。

6.6 功能矩阵的结构性判断

把六个模块放在一起，有一个很清晰的格局：

千问有两个真正有差异化的核心能力——AI生活办事（是护城河）和AI创作（特别是HappyHorse+AI小剧场，是增长飞轮）。任务助理是第三个有潜力的支柱，但还在建设中。

其余三个模块（学习辅导、智能办公、对话问答）有实力但不独特，面对豆包和Kimi的竞争没有明显优势。

这个结构告诉我们一件事：千问真正需要打透的是前两个，而不是把资源平摊在六个方向上同时追求完美。

七、核心差异化：AI办事闭环的链路与壁垒分析

7.1 为什么这个模块值得单独拎出来讲

第六章功能矩阵里，AI生活办事是唯一一个拿到五星差异化的模块。

这不是因为其他功能不好，而是因为这个模块做到了一件事：在AI助手这个赛道里，它是全球第一个真正打通了搜索、决策、支付、履约完整链路的产品。不是宣传意义上的第一，是产品形态意义上的第一。

豆包会告诉你附近有什么好吃的。千问帮你把外卖下好了。

这一步的跨越，听起来不大，但背后需要的东西完全不同。

7.2 一句话下单的完整链路

先从最典型的场景说起。2026年1月15日的发布会现场，千问C端事业群总裁吴嘉说了一句话：帮我点40杯霸王茶姬的伯牙绝弦。

千问随后完成了这些事：识别商品品牌和产品名、定位附近门店、查询库存和可用优惠券、生成订单卡片、调用支付宝AI付完成支付、骑手接单配送。

全程没有跳转，没有手动操作，8分钟后奶茶送到了现场。

为了验证这个链路，刚好我准备买一些零食，顺便买一个挖耳勺。

把这个链路拆开来看，有三个技术节点：

第一个是意图理解。Qwen3-Max需要从一句自然语言里解析出品牌、产品名、数量、位置信息，同时推断出隐含需求，比如优先选近的门店、自动匹配可用优惠券。这依赖的是大模型的全模态理解能力。

第二个是服务调用。解析完意图之后，千问需要实时调用淘宝闪购的商品库、门店库和优惠券系统，完成商家匹配和订单生成。这依赖淘宝闪购多年积累的本地生活数据库和API接口体系。

第三个是支付闭环。传统流程里，AI推荐完商品还需要用户跳转到支付App付款。千问通过和支付宝共同开发的AI付能力，把支付授权内嵌到对话流程里，第一次授权后后续无需重复操作。

7.3 办事闭环的能力边界：不能一刀切说全部闭环

这里有一个必须说清楚的问题。

千问官方宣传的400+AI办事功能，并不意味着400项全部实现了无缝端内闭环。按照实际接入程度，大致分成三个层级：

真正实现完整闭环的是外卖、打车、电影票、演出票这几项。用户在千问界面内完成从下单到支付的全流程，不需要跳出去。这是最核心的差异化能力所在。

基本闭环的是酒店、机票、火车票。支付步骤在端内完成，但部分确认流程会跳转到飞猪页面。体验上有一定断点，但整体还算流畅。

引导型的是政务服务、充话费等。主要以入口卡片和引导链接为主，不是真正意义上的自动执行闭环。

这个分层很重要。在评估千问的办事能力时，要区分这三类，而不是把所有服务混为一谈。

7.4 打电话订餐：一个技术上领先但伦理上模糊的功能

打电话这个能力值得单独说一段。

千问会自动拨打商家电话，用AI语音完成预订沟通。背后的技术是实时情绪与意图识别引擎，100毫秒内识别50多种情绪，拟人化程度相当高。完成后生成文字纪要和录音回放，整个过程用户不需要开口说一个字。

这解决了一个真实痛点：很多人不喜欢打电话，尤其是在嘈杂环境里或者不确定对方态度的时候。AI代劳电话这件事，在效率上是实实在在的提升。

但它也带来了一个意想不到的问题：商家经常以为在跟真人对话，千问团队为此不得不在通话结尾主动声明是AI助手。这个细节暴露了一个还没被行业充分讨论的问题：AI冒充人类发起交互，在商业和伦理层面边界在哪里？这不是千问一家的问题，但作为第一个把这个能力做出来的产品，它首先要面对这个追问。

7.5 这个闭环，别家为什么复制不了

这是整个分析里最关键的问题：为什么豆包、DeepSeek、元宝做不到同样的事？

豆包也在做类似方向。它走的是系统级权限路线，通过获取手机底层权限，代替用户操作微信、淘宝、美团等第三方App。这个路线技术上更激进，但遭遇了严重阻力：上线72小时内，部分用户微信账号因登录异常被封，淘宝比价触发平台风控，多家银行App启动限制措施。

千问走的路完全不同。它不去操控别人的App，而是让所有服务主动接入千问的调度接口。这两种路线的本质差异在于：

豆包路线：我控制你的App，需要对方允许，摩擦极大。 千问路线：你主动接入我的平台，需要自家生态配合，阿里恰好有这个条件。

淘宝闪购、支付宝、飞猪、高德、大麦、盒马全都是阿里系产品，接口打通不需要任何外部谈判授权。这个壁垒在短期内其他任何玩家都复制不了，因为他们没有一家公司同时拥有这些商业基础设施。

美团有外卖和打车，但没有机票和政务。腾讯有微信支付，但没有电商履约体系。字节有内容分发，但没有本地生活闭环。只有阿里，在电商、支付、本地生活、出行这几条线上同时有成熟的商业基础设施，而且全部归属同一家公司。

这是千问真正意义上的战略护城河，而不只是一个产品功能。

7.6 春节免单活动：一次压力测试，两种解读

2026年2月6日，千问启动春节30亿免单活动，9小时内订单量突破1000万单，服务器全面过载，随后连续崩溃两天。

从负面角度看，这是一次工程化能力的集体暴露：服务器宕机、配送延迟、支付失败、客服失联，黑猫投诉半天上百条，App Store中文区差评集中出现。千问在用户体验上欠了一笔不小的账。

但从产品视角来看，这次活动实际上证明了一件极为重要的事：当价格门槛足够低（25元无门槛券），用户真的愿意用AI来完成真实的生活消费。1000万单不是假数据，是真实下单，真实配送，真实送到用户手里。

这验证了AI办事闭环作为产品方向的根本可行性。在此之前，这件事还停留在理论层面。

另一个加分项：千问团队的危机公关处理意外赢得了口碑。崩溃后官方发出接地气的致歉，承诺所有已领取福利全部兑现并延长有效期。这种姿态和以往互联网大厂的冷漠式回应不同，让不少用户感受到了人情味。

这个细节说明千问的团队文化和产品调性上有一些值得肯定的东西，不应该被单纯的技术失误遮蔽。

7.7 办事能力的下一步在哪里

当前版本的千问办事，本质上还是阿里生态内的闭环。美团外卖、滴滴打车、京东购物这些生态外的服务，目前还做不到。这个边界不是技术问题，是商业生态的边界。

下一步的关键问题是：千问能否推动更多非阿里系服务接入调度层？

这个问题的答案，决定了千问能否从一个阿里生活服务超级入口，进化成一个真正意义上的AI生活操作系统。

目前来看，阿里的策略是先把自家生态内的服务做扎实，建立用户习惯和信任，再逐步向外延伸。这个路径是稳健的，但也意味着在相当一段时间里，千问的办事能力会受限于阿里生态的边界。对于一个定位是全民AI助手的产品，这是一个需要正视的天花板。

八、用户口碑：真实评价的分布与产品信号解读

8.1 先说方法论：怎么看用户口碑才不会被带偏

在拆解千问的用户口碑之前，有一件事值得先说清楚。

千问上线以来，围绕它的声音极度两极化。一边是大量格式高度雷同的好评，以”千问App：从能聊到能干”开头，结尾固定问”需要我帮你整理吗”——这类评论疑似AI批量生成或营销稿件，可信度存疑。另一边是部分自媒体言辞激烈的唱衰文，把春节崩溃事件和MAU数据争议混在一起，结论跑偏到”千问要完”。

真实的用户口碑在这两端之间。我在分析时优先采用三类来源：App Store一星差评、知乎实名用户的具体使用反馈、以及界面新闻、财新、36氪等独立媒体的实测内容。这三类来源有明确的利益无关性，更能反映产品的真实状态。

8.2 正面声音：打动用户的三个核心点

第一个是真的能把事情办完。

这是千问和其他AI助手最本质的区别，也是最高频被提及的正面评价。以前用AI点外卖，AI会告诉你可以去美团或饿了么下单。千问直接帮你下单完。

这个体验上的跨越，对第一次感受到的用户来说冲击力很强。知乎上有实测帖记录了用千问点外卖的全过程，评论区统一的感受是：它好像真的长了手。这种评价背后反映的是用户对AI能力边界预期的根本改变。

8.3 负面声音：集中在产品体验层，而不是模型能力层

这是一个很重要的观察。

千问的负面评价几乎不是在说模型能力差，而是在说产品体验上的各种细节问题。这两件事是完全不同的性质：前者是技术底座问题，后者是产品打磨问题。

基础交互流畅度：有用户明确指出，输入键盘弹出不丝滑这个问题只在千问上出现，豆包、Kimi、元宝、DeepSeek都没有。这种细节级别的卡顿，往往比功能缺失更让用户产生负面情绪，因为它是每次使用都会遇到的摩擦。

交互设计不直觉：右上角按钮不是开启新对话的入口，新对话需要从侧边栏操作，导致很多用户不小心让上下文污染了后续对话。历史记录页面里复制和分享按钮消失。这些是设计层面的取舍，但对用户来说是迷惑。

功能稳定性：联网搜索的识别失败是被反复提及的槽点。用户描述的典型场景是：明明是需要联网的问题，千问没有触发联网，直接用知识库里的信息回答，导致结果过时或错误。这个问题在内容时效性要求高的场景下特别明显。

活动体验管理失控：春节免单活动的负面口碑相当集中。App Store中文区出现格式相似度极高的大段好评，疑似批量营销，但真实差评也同样密集，典型内容是：领取页面反复失败，第二天发现券被使用，客服仅以活动火爆为由敷衍，无补偿方案。这类体验对用户信任的伤害远超一次功能Bug。

把所有正负面声音放在一起看，有一个很清晰的结构。

正面评价几乎全部来自功能层面：AI把事情办完了、模型能力够强、某个具体功能超出预期。这些评价指向的是千问的产品能力上限。

负面评价则几乎全部来自体验层面：键盘卡顿、交互反直觉、宣传和实际有落差、活动崩溃客服不给力。这些评价指向的是千问的产品体验下限。

这个分裂说明千问目前的状态是：能力过关，体验欠打磨。

对于一个已经有1.66亿月活的产品，这个状态下的优先级选择很关键。继续堆新功能，还是把现有能力的体验层做扎实？从口碑数据来看，答案相当明显：用户已经认可了千问能做什么，现在更大的流失风险来自体验层的摩擦，而不是功能的缺失。

8.4 一个值得关注的用户结构信号

春节免单活动期间有两组数据值得放在一起看：156万60岁以上长辈首次通过千问体验外卖下单，156万下沉市场和县城用户被首次激活。

这两组数字说明千问在下沉用户和银发用户群体里有真实的渗透能力，而且这批用户的触达路径靠的是活动，不是口碑传播。

这对产品的长期留存意味着什么？活动拉进来的用户，如果后续产品体验不够顺滑，是最容易流失的一批人。对于识字率低、操作习惯不够稳定的银发用户来说，一次键盘弹出卡顿或者对话历史找不到，就可能意味着永久流失。

千问如果真的把”普通人可以随时用”当成产品使命，这两批用户的留存质量，是比MAU数字更值得关注的指标。

九、产品诊断：SWOT分析与AI协同时代的机会点

9.1 SWOT分析

先把四个象限铺开来，再做交叉分析。

9.2 SWOT交叉分析：策略方向判断

SWOT不是列清单，是要把四个象限交叉起来看，才能得出有用的策略判断。

SO策略（用优势抓机会）

千问最大的机会窗口，是在AI硬件爆发期之前，用AI办事闭环这个独特能力把用户习惯建立起来。眼镜、车机、PC端是下一个入口战场，而千问已经具备了调度层的基础架构。如果能在移动端先把19.8次的月人均使用次数提升到30次以上，多端扩张的用户迁移成本会大幅降低。

银发和下沉用户是另一个值得重点投入的方向。这批人156万的规模是春节活动一次性激活的，他们对AI办事的需求是真实的，但对产品流畅度的容忍度更低。如果产品体验能跟上，这批用户的渗透空间比城市白领更大，因为他们没有使用替代产品的习惯。

WO策略（用机会补劣势）

海外国际版是一个绕开国内问题的机会。在国际市场里，千问没有微信封禁的干扰，没有春节崩溃的负面记忆，可以用一个更干净的产品形态重新起步。Qwen模型在海外开发者里已经建立了良好口碑，这是C端国际版最好的背书。

ST策略（用优势抵抗威胁）

对抗微信封禁最有效的方式不是和微信博弈，而是让用户在千问内形成足够深的行为闭环，使他们不需要通过微信来分享和传播千问。当一个用户在千问里完成外卖、机票、电影票的日常消费闭环，他对千问的依赖就不再需要通过社交分享来维持。

WT策略（规避劣势与威胁叠加）

月人均使用次数低加上活动退潮，是最危险的组合。千问必须在2026年Q2里把至少一个高频场景的用户习惯固化。从现有数据来看，学习辅导（K12用户高频且规律）和日常餐饮消费（外卖高频且刚需）是最有可能做到的两个方向，比智能办公更适合作为留存抓手。

9.3 AI 协同新范式：“白纸心态”为什么在千问上特别成立

我在研究千问的过程中，反复想到一段话。

罗福莉在播客里，说她现在招人更偏爱大二大三的本科生，因为他们对AI没有先入为主的偏见。她用了一个词：污染。年轻人是一张白纸，没有被旧范式污染。以前经验是护城河，现在反而成了枷锁。

Boris Cherny也有一个类似的观察：最能发挥大模型潜力的，往往是对技术边界一无所知的新同事或者应届生。他们不会人为给AI设限，反而更能用好AI。

这两个观察，我认为在千问这个产品上有非常具体的体现。

千问不是一个面向有经验用户设计的产品。它的核心用户画像里，学生、家庭用户、年轻人占了相当比例。这些用户没有搜索引擎的使用习惯，没有要分多个App完成不同任务的路径依赖，他们第一次接触AI就是千问：一句话说需求，等结果。这种“白纸式”的使用方式，反而和千问的产品逻辑高度契合。

再往远处看。猎豹移动首届黑客松冠军姜睦然，14岁，做了一个叫Claw Founder的项目，让AI自动化完成整个创业流程：从想法到白皮书，到开发文档，到写代码，到测试，到发布GitHub，全程6小时AI跑完，人只聊了半小时。Christine Zhang，19岁，哈佛gap year，和室友创立Intera，做AI加临床试验，融了100万美元。Aidan Guo，19岁，做了个AI桌面助手Attention Engineering，拿了125万美元pre-seed。

这群人没有一个靠积累了十年行业经验起家。一个想法，加上会用AI，一个人能干以前一个团队的活。

这不是偶然现象，这是AI时代的结构性机会重分配。

但我想说的不是年纪大了就完蛋了。白纸心态跟年龄无关，跟的是你愿不愿意放下已有的经验框架，重新以AI为起点想问题。AI面前我们都是小学生，没有资历这回事，只有愿不愿意重新学。

这和千问有什么关系？

千问是目前所有国内AI助手里，最接近”让普通人以AI为起点完成真实任务”这个产品理想的产品。它把点外卖、叫出行、找攻略、订酒店这些日常事务，压缩成了一句话的交互。这种设计逻辑，天然对白纸用户友好——不需要你懂什么叫Agent，不需要你懂什么叫工作流，只需要你说出你的需求。

从这个角度看，千问最大的机会不是在存量的AI重度用户里和豆包、DeepSeek抢份额，而是在那些从来没有被AI助手真正服务到的普通人里，建立第一次认知。这批人数量足够大，习惯还没固化，而且一旦在千问里形成了”说一句话就能办成事”的心智，这种习惯会非常稳固。

9.4 机会点优先级：PM视角的判断

把前面所有的分析收拢，作为PM，我会把千问接下来的机会点按优先级这样排列：

优先级一：新用户引导体验重构（高价值，低难度）

这是目前千问最容易拿到但还没拿到的分。现有的新用户第一次打开App，面对的是一个充满功能入口的首页，和一个不知道该说什么的对话框。千问需要一个有引导感的冷启动流程，告诉用户”你可以这样开始用我”——三个场景，三句话，让用户的第一次交互就能成功。第一次成功的体验，是留存的根基。

优先级二：办事场景覆盖密度（高价值，中低难度）

AI办事闭环是千问最大的护城河，但目前支持的场景还相对集中在外卖、出行等少数高频场景。接下来需要把场景密度做高——挂号、买药、机票预订、演出票务、政务服务……每增加一个场景，就多一批对应场景的用户被激活。阿里的生态纵深是支撑这件事的最大优势，这也是其他竞品最难复制的部分。

优先级三：学习辅导场景的纵深扩展（高价值，中等难度）

学习辅导是千问目前在功能差异化上最有竞争力的模块之一，但还停留在”解题、批改”这个层次。往上走一层是”个性化学习路径”，往下走一层是”家长端的数据洞察”。这个方向足够深，用户黏性极高，而且变现路径比通用对话清晰得多。

优先级四：信息架构和功能入口的整合收敛（中等价值，中等难度）

这是一道必做的”减法题”。目前千问首页的信息密度还是偏高，很多功能的触达路径不够清晰。需要在产品层面做一次系统性的信息架构梳理，把用户最高频的三到五个场景放到最显眼的位置，其余功能做好分层收纳，而不是全部堆在首页等用户自己发现。

优先级五：模型能力的感知化设计（中等价值，中等难度）

千问底层用的是Qwen3-Max，这个能力是真实存在的，但用户感知不到。需要在产品层面设计更多”让用户感受到AI在帮我思考”的交互时刻——思考过程的可视化、回答质量的主动标注、和上下文强相关的追问引导。把模型能力翻译成用户可感知的体验，是这个阶段的重要课题。

结尾

我做产品这几年，见过太多产品死在什么都想做这件事上。

功能越堆越多，首页越来越满，用户越来越困惑，留存越来越差。最后团队复盘，结论往往是”我们的功能不够好”——然后继续堆。这个循环，在国内AI助手赛道正在密集上演。

千问是一个异类。不是因为它做得有多完美，而是因为它至少做对了一件事：它找到了一条别人没走过的路，并且在这条路上跑出了真实的数据。

月活从306万到1亿，用了不到两个月。这个数字放在任何赛道都是异常值。背后是淘宝闪购的履约体系、支付宝的支付闭环、阿里云的模型底座——这些资源不是任何一家创业公司能复制的，也不是豆包、Kimi这样的产品能在短期内追上的。

但我也说了我的担忧。

1.3亿用户、2亿次下单，这组数据里有多少是春节红包活动带来的冲量，有多少是真正沉淀下来的日活，千问自己比谁都清楚。活动退潮之后，DAU的长期曲线才是真正的考卷。

千问真正的挑战不在于能不能做更多功能，而在于能不能让用户在没有补贴的普通日子里，还是习惯性地打开它说一句话。这件事，任何一个月活数字都证明不了，只有时间能证明。

我倾向于相信它能做到。但前提是，它得先学会做减法。

把最有价值的那一两个场景做到极致，比把所有功能都堆在首页等用户自己发现，要难得多，也有效得多。这不是AI时代的新道理，这是产品永远的第一原则。

“工具在使用者手中时才成为工具。”海德格尔的这段话，今天用来理解AI硬件同样贴切。

问题在于，大模型这只“手”伸出来的时候，用户究竟愿意把它握在掌心里（手机），还是架在鼻梁上（眼镜），亦或是让它一直贴耳倾听（耳机）？

据《Z Finance》独家报道，字节跳动内部决定暂停豆包AI眼镜项目。想要理解这场选择，需要先回答一个更基础的问题：大模型公司为什么要做硬件？

据《晚点LatePost》的报道，火山引擎豆包大模型日均调用量已超过120万亿Token，半年增长4倍。国家数据局的数据显示，中国日均Token消耗量在一年半内增长约300倍。黄仁勋在GTC 2026的舞台上说，Token将是未来数字世界最核心的大宗商品。

但Token消耗的暴涨，反而掩盖了一个更根本的问题，即这些Token从哪里被触发，通过什么界面进入用户的生活？

过去两年，这个问题的答案是手机屏幕和对话框。OpenClaw的爆火将Agent从开发者工具推向大众用户，直接推高了对“随时随地触发AI执行”这一能力的需求密度。当大模型的竞争从生成式问答转向执行任务，执行链路就需要一个更靠近用户身体的物理锚点。

豆包选择的落点是操作系统，以“操作系统级合作”模式切入AI手机赛道，通过与手机厂商在系统层面合作，获得识别屏幕UI元素、模拟人工操作的核心权限；千问选择的是眼镜，千问AI眼镜上线首批“AI办事”能力后，支持话费充值、扫码骑车、停车缴费、语音点外卖。这些功能的共同特征是，AI开始在真实世界里把事情做完。

两条路径的本质，是两家公司对同一个问题给出的不同工程答案：究竟改由谁来做Agent执行链路的物理接口。

两种优势的两种延伸

大模型公司做硬件，实际上是在回答一个从Token经济学中衍生出来的问题。

过去两年的AI竞争，核心战场在模型能力和价格。价格战把Token单价从三年前的高点压低了约300倍。但单价的崩塌没有让AI支出变得可预测，原因很简单：Agent类应用让单次任务的Token消耗从普通对话的几十倍起跳。据腾讯科技报道，亚太区电商技术公司Branch8的6人团队，启用Claude Code第一个月花了2400美元，经过八周密集优化才勉强降到680美元。Token支出管理本身已经变成了一项需要专门技能的工作。

这个成本结构，在源头上改写了很多AI产品的竞争逻辑。谁掌握了Agent的触发入口，谁就掌握了Token消耗的源头。而触发入口的密度，取决于设备离用户有多近、启动摩擦力有多低。这是豆包和千问同时转向硬件的真实驱动力：在Token消耗链路的最前端建立一个物理节点。

千问AI眼镜的团队跟踪了一个指标——用户交互轮次，即AI帮助用户完成事项的频率。夸克眼镜S1上线后，用户交互数对比第三方手机AI助手应用提升了约6倍。戴在脸上的AI之所以被调用得更频繁，原因在于感知始终在线、启动摩擦力趋近于零。

对于Agent而言，这种持续在场的交互密度，意味着更丰富的上下文积累，也意味着更多执行任务的触发机会。

2026年4月，千问AI眼镜首次OTA升级后上线了“AI办事”能力，通过接入淘宝闪购、支付宝，支持话费充值、扫码骑车、停车缴费、语音点外卖。产品定义由此发生转移：AI从回答问题，变成了把事情办完。

豆包确定的路径同样深入，只是方向不同。去年12月，豆包AI手机助手以“操作系统级合作”模式进入AI手机赛道，通过与手机厂商在系统层面合作，获得识别屏幕UI元素、模拟人工操作的核心权限。

实测显示，“比价肯德基套餐并下单发送截图”这一涉及三个应用、十二步手动操作的任务，豆包可在后台自动完成，仅支付环节需人工介入，全程耗时较人工操作缩短72%。

目前，Agent在大众用户中真正形成使用习惯还需要一段时间。豆包和千问现在的硬件投入，是在为一个尚未到来的需求峰值提前卡位。这是典型的平台逻辑：先占住感知节点，等Agent成熟之后，数据流和调用量自然会从这个节点涌入。

但平台逻辑有一个前提，设备必须在需求到来之前就已经在用户身上。这也解释了为什么千问要在眼镜之外再布局指环和耳机，毕竟单一形态覆盖不了全天候的感知需求，矩阵才能。

豆包与千问的硬件路径，都是从自身核心优势出发延伸的结果，只是各自优势所对应的最优形态不同。

豆包AI眼镜的项目暂停，内部给出的核心判断也很合理，大框、拍摄、语音、翻译，主流范式已被Ray-Ban Meta统一。2025年，Meta智能眼镜全年销量超过700万副，全球市场份额达85.2%。在这个格局下，“能不能做”早已不是问题。

千问的选择，出发点同样清晰。阿里的应用生态中，话费充值、外卖点单、停车缴费，这些淘宝、支付宝的既有能力可以直接接入Agent执行链路，通过眼镜重新封装成AI原生交互形态。对于没有这套生态底座的公司，眼镜只是一个戴在脸上的语音助手；对阿里来说，眼镜是打通已有应用、建立新型触点的现实节点。

豆包深入手机操作系统，是在自己的流量分发能力地带建立Agent入口。千问押注可穿戴设备矩阵，是在把阿里的应用生态重新封装成AI原生交互形态。

把时间线拉长来看，今天产品发得多惊艳、销量跑得多猛，其实都决定不了终局。两年后，当Agent像网络一样融进工作流，唯一的护城河只有一条：用户习惯了从哪个入口触发它。

端侧推理如何改变成本结构

硬件入口的竞争，最终会回到一个更基础的问题上：Token从哪里来，到哪里去，谁来付账。

Token的价格是透明的，但Token里装了多少“智力”，用户无从得知。4月，AMD AI战略总监Stella Laurenzo基于6852个Claude Code会话的分析显示，从今年2月下旬开始，Claude Opus 4.6的推理深度大幅下降，腾讯科技也报道，“每次代码编辑前的文件阅读次数”从6.6骤降至2.0，降幅约70%。

这些改变没有在任何显著位置通知用户，大量开发者是在代码质量明显下降之后才开始怀疑“模型是不是变笨了”。

更隐蔽的是缓存命中率对实际成本的影响。一位开发者对Claude Code一周数据的追踪显示，正常情况下91%的Token来自缓存命中，缓存命中价格只有标准输入价格的十分之一。如果缓存全部失效，Input成本会暴涨到原来的5.7倍。

这个成本结构，是端侧模型价值主张的核心依据之一。端侧推理一次性部署后，边际成本趋近于零，没有缓存命中率的不确定性，也没有云端峰值定价的波动。对于频繁触发Agent任务的硬件设备，这个优势会随使用密度的增加而持续放大。

谷歌DeepMind 4月发布的Gemma 4，重新划定了端侧模型的能力边界。其E2B和E4B模型推理时激活的有效参数量分别仅为20亿和40亿，在LiteRT-LM框架下，可在3秒内处理跨越两个独立技能的4000个输入Token；E2B与E4B原生支持函数调用，覆盖Agent工作流所需的核心推理路径。上下文窗口达128K Token，在不足1.5GB的内存占用下可以完成运行。

这意味着一个可以调用外部工具、执行多步骤规划的端侧Agent，其硬件门槛已降至现代中端手机的内存余量之内。

千问目前采用的云端大模型加本地轻量智能体的混合架构，是在当前端侧算力约束下的一个不错的解。据36氪报道，千问在2026年规划的硬件形态除AI眼镜还包括AI指环、AI耳机，三种形态覆盖视觉交互、无感佩戴和音频交互三个不同维度，形成全天候的感知矩阵。

这个矩阵的核心价值在于眼镜捕获第一视角的行为数据流，这些数据反哺千问大模型迭代，模型能力提升后又优化硬件体验，形成闭环。

但Gemma 4这类模型的出现，正在缩短这个“当前”的有效期。当端侧模型可以在本地独立完成越来越多的Agent任务，云端兜底的必要性在高频轻量场景中会持续下降，Token的消耗路径也会随之改变。

这会对当前AI硬件的主流云端模式，其一，端侧能力的提升会降低硬件设备对云端的依赖，让设备端AI从成本结构上更具竞争力；其二，当用户的Agent任务越来越多地在本地完成，依赖数据回流云端来驱动模型迭代的商业闭环，也需要重新设计数据获取路径。

有多少增量留在云端、有多少转移至本地，将成为整个MaaS商业模式需要提前应对的结构性问题。

写在最后

当Token消耗从对话层迁移到执行层，Agent开始代替人操作应用，这些任务是在云端计费还是在端侧本地完成？这个问题的答案，会决定Token的消耗结构，进而影响MaaS业务的收入模型。

火山引擎超百亿元的MaaS业务收入目标已随着Seed 2.0、Seedance 2.0等模型发布、OpenClaw爆火上调被提高。阿里成立了ATH事业群，两家公司在云端的Token战争和在硬件端的入口争夺，是同一场竞争的两个战场。谁能在硬件侧建立足够高频的Agent使用习惯，谁就在云端MaaS的下一轮增长中占据了需求端的主动权。

2026年的AI硬件竞争，表面上看是眼镜和手机的形态之争，实质上是对Agent时代Token消耗入口的提前卡位。这场竞争没有快速的结论，因为Agent在大众用户中的真实使用习惯还在形成，端侧模型的能力边界还在被Gemma 4这类模型持续推进，云端Token的成本结构还在被缓存命中率、推理深度和定价策略悄悄改变。

《新立场》认为，决定胜负的是谁拥有足够密度和足够高频的应用场景，能让Agent在真实使用中持续积累上下文、优化执行能力，形成对用户的理解深度。

这个变量，更多由生态底座决定。千问和豆包的硬件分歧，是两个不同生态底座在同一个技术拐点上做出的不同押注，各自都在最擅长的地方寻找答案。

作者：新立场

来源：新立场Pro

作为一名资深的千问用户，我深知一个有趣的真相：你得到的答案质量，90%取决于你提出的问题质量。

千问不是一个简单的问答机器，它是一个拥有庞大多维知识的“智慧体”。如何唤醒并精准调用它的智慧，完全取决于你的“咒语”——也就是提示词（Prompt）。

这篇文章将带你超越基础问答，掌握与千问高效协作的核心艺术。

一、 核心心法，忘记“提问”，学会“下达指令”

普通用户和“牛逼用户”最根本的区别在于思维模式：

普通用户：“千问，什么是黑洞？” （这是一个典型的“考试题”式提问）

牛逼用户：“千问，请用一个小学生能听懂的精炼比喻，解释黑洞的形成和特性，并对比一下宇宙中的‘下水道漩涡’这个比喻是否恰当。” （这是一个清晰的“指令”）

精髓就是为千问设定角色（Role）、背景（Context）、任务（Task）和格式（Format）。

二、 万能公式：CRISPE 框架（牛逼用户的秘密武器）

这是一个在全球AI爱好者中流行的顶级Prompt框架，熟练掌握它，你的提示词水平将立刻提升数个等级。

1.C – Capacity & Role (能力与角色)： 你希望千问扮演谁？

例子： “假设你是一位拥有20年经验的资深网络安全专家…” / “请你扮演一位苛刻的文学评论家…” / “你现在是擅长编写结构化代码的Python大师…”

2.R – Result (结果)： 你最终想要什么？定义清晰的目标。

例子： “…目标是生成一份关于‘零信任安全模型’的评估报告。” / “…分析和批判这篇短文的核心论点。”

3.I – Input (输入)： 提供必要的背景信息、原始数据或文本。

例子： “这是我要你分析的短文：[粘贴短文内容]” / “这是公司的基本业务数据：[粘贴数据]”

4.S – Steps (步骤)： 拆解任务，引导千问的思考过程。（这是最关键的一步！）

例子：“请你按以下步骤操作：第一步，总结短文主旨。第二步，找出其论证中的逻辑漏洞。第三步，提出两个反例。第四步，给出修改建议。”

5.P – Parameters (参数)： 设定输出的格式、风格、长度等限制条件。

例子：“请用Markdown格式输出。” / “字数控制在500字以内，语言风格需专业且简洁。” / “请以表格形式呈现。”

6.E – Examples (范例)： 提供一个例子，让千问模仿风格和格式。（效果极佳！）

例子： “请模仿下面这首诗的风格和意境，创作一首关于‘秋天’的新诗：[粘贴示例诗]”

综合案例：

普通提问： “帮我写个招聘启事。”

CRISPE框架提问：

【Role】 假设你是一家顶尖科技公司的人力资源总监。

【Result】 为公司招聘一名高级前端开发工程师，起草一份能吸引顶尖人才的招聘启事。

【Input】 公司业务是人工智能SaaS平台，技术栈主要涉及React, TypeScript, WebGL。

【Steps】 启事需包含：

1. 吸引人的开场白

2. 职位要求（分点列出）

3. 公司福利

4. 申请方式。

【Parameters】 语言风格要年轻、有活力、专业，避免死板。

使用emoji调节气氛。

输出为HTML代码，方便直接发布。

【Example】 参考（但不照抄）Apple公司招聘页面的简洁高级感。

三、 高阶技巧，让千问成为你的“超级外脑”

1.思维链（Chain-of-Thought） prompting：

在复杂问题前，加上 “让我们一步步思考” 或 “请详细阐述你的推理过程”。这会迫使千问展示其逻辑，结果更准确、更有深度。

无限迭代与追问：

不要接受第一个答案。把它作为起点。

“很好，现在请从反对者的角度，批判你刚才提出的第三个观点。”

“将这个方案中的关键点用更视觉化的方式呈现，比如做一个思维导图的大纲。”

“根据以上讨论，为我们生成一个可执行的项目计划表。”

创意生成与头脑风暴：

“为我的新咖啡品牌想10个名字，要求朗朗上口，暗示‘清晨’和‘活力’，并检查域名是否可用。”“给我5个关于‘时间循环’主题的短篇小说创意，要求结局出人意料。”

代码与逻辑处理：

“审查以下Python代码，找出潜在bug并优化其性能：[粘贴代码]”

“为这个MySQL数据库设计一个规范化的表结构：[描述需求]”

四、 避坑指南：常见错误与补救措施

错误：提示词过于模糊。→ 补救： 增加具体参数和限制条件。

错误： 一次问太多问题。→ 补救： 使用“步骤（Steps）”拆解，或一次只问一个核心问题。

错误：得到不满意的答案后放弃。→ 补救： 追问！ “为什么你得出这个结论？”、“忽略你之前的回答，从XX角度重新思考。

错误：认为千问总是对的。→ 补救： 始终保持批判性思维，对关键信息进行事实核查。

结语

与千问的交互，是一场思维的共舞。你不再是被动的提问者，而是主动的导演、策划者和质量把控官。

你的提示词就是你的指挥棒，指挥着这个庞大的交响乐团奏出你想要的乐章。

现在，停止提出简单的问题。开始下达清晰的指令，定义复杂的角色，拆解艰难的任务。

你会发现，千问的能力边界，远远超乎你的想象。

记住，牛逼的用户，造就牛逼的AI。

刚进入 2026年，国内AI竞争明显进入了白热化阶段。

当然讨论的重心也不再只是模型参数、推理能力等技术细项，而是快速转向“被谁记住”“被谁常用”“被谁当作默认入口”。

千问、豆包、元宝、文心等国内大厂的AI产品几乎在同一时间密集出招： 剧综 冠名、代言人、现金红包、UGC内容、赞助春晚、生态联动 ……

百招齐出，大厂们 试图围绕用户心智和入口位置展开的集中博弈。

图源：网络

从结果导向来看，这是一场高度营销化的竞争。AI助手本身仍处在能力持续演进阶段，真正稳定、高频、不可替代的使用场景尚未完全固化。

在这样的阶段， 尽可能辐射到最多的用户，往往比“谁理论上更强”更重要。 竞争的激烈化可想而知。

甚至在腾讯刚刚撒出10亿红包取得一定效果之后，坐不住的千问立马在第二天宣布联动“阿里全家桶”要撒30亿。

当然， “肉搏战”也并非简单的巨头烧钱游戏。

每一家在营销层面的选择，背后都对应着其对AI助手定位的理解：是作为一个通用工具，还是一个生态入口；是效率提升工具，还是社交娱乐中枢。

营销只是外在呈现，各家大厂对于AI助手长期的服务定位依然没有太多明确共识。

在这样的背景下，即便再高端的AI产品最终也需要回到移动互联网早期的朴素营销肉搏， 背后则是一场提前展开的路线之争。 它既暴露了AI助手在留存与黏性上的共同难题，也让不同平台的结构性差异被进一步放大。

不同的营销路径，追求的目标一致

千问、元宝、豆包三者初始营销路径的侧重点各有不同， 三家都不约而同地选择了各自最熟悉、也最擅长的方式，把AI助手推向更大众化的传播语境。

千问的前期重点放在了娱乐营销。

在这一阶段的动作， 千问最显著的变化，是开始有意识地把一个偏技术取向的产品，推向更具大众识别度的品牌形态。

选择郑钦文作为代言人， 一方面，顺应 “ 听劝式 ” 营销，让网友呼喊的谐音梗落实，另一方面，也在意图解决 产品认知度的问题：在大量AI助手名称和功能高度相似的情况下，通过公众人物建立快速识别点，降低用户首次接触时的理解和记忆成本。

图源：千问APP

为此，千问还加大了如剧综营销与晚会赞助等娱乐内容合作，增强公众记忆。娱乐营销的弊端也在于沉默成本的过高，正因如此，千问没有出现爆发式冲顶。

与此同时，千问并没有放弃其一贯强调的代理生态叙事。围绕电商、外卖、办公、内容生产、学习等场景的联动，持续被放在对外沟通的核心位置。

营销层面的意义在于， 它不断向用户暗示一个判断：使用千问，在其叙事中被描绘为进入一个已经搭建好的阿里生态系统，而非简单地多装一个AI工具。 至于用户是否愿意为这种“生态”买单，仍需要时间验证。

元宝的路径更为直接，“红包+社交”打法，也更符合腾讯过往的增长经验。

图源：元宝APP

春节红包几乎是一种无需解释的营销语言，它将AI助手与高频社交行为强行绑定，通过现金激励完成快速裂变。

对用户而言，下载和尝试的门槛被压到最低；对平台而言，短期活跃数据极具吸引力。

当然能够使用这种打法的前提，还是腾讯对自身流量体系的高度自信。 元宝并未急于在营销中反复强调技术细节，而是把重点放在让更多人“先用起来”。

从目前的进展来看，最朴实无华的打法往往也是最行之有效的。2月1日元宝的春节现金红包正式启动，在各大下载与榜单排名在短时间内获得明显提升。

元宝在多个应用商城排名上升

尤其是在有微信这种国民级平台为其护航的情况下， 这种单点爆破式的现金激励对于验证“拉新能力”极为有效，但也同步放大了另一个问题：在强刺激退场之后，究竟有多少用户会把元宝保留为日常入口，仍有待观察。

同时不得不提的是，相比于当年拼多多的“砍一刀”凶猛的下沉攻势， 这一次元宝的现金红包似乎并没有真的拓展到低线城市或更广泛的下沉群体。 一个最直观的观察便是，如果你的家人群里到现在都还没出现一个红包分享链接，那么其增量范围或许远比想象中来的更小。

豆包的营销路径则明显建立在短视频平台逻辑之上，UGC营销唱起了绝对主角。

相比千问和元宝采用的“会战”模式，豆包更依赖持续、分散、可复制的用户UGC内容扩散。

像是让豆包帮忙看宠物 、 问豆包服装搭配是否得体 、 让豆包帮忙监管孩子写作业等 各种整活玩法 层出不穷 ， 应用场景不断登场，被各路 UGC 达人拍成段子让人为之一笑，因此， 相比效率工具 ， 豆包展现出更多 娱乐属性。

社交媒体截图

当然对字节来说， 豆包目前的UGC营销也是一种铺垫，长期来看还是要让其与抖音的消费、交易、生活服务逐步衔接。 营销不只是让用户知道它 存在，而是反复强调它可以直接参与决策。 这种方式决定了豆包的传播节奏可能不如红包或代言人集中，但在长期积累上更具韧性。

不过 ， 从百度的5亿 、 腾讯的10亿，以及2月2日阿里又要让千问发30亿红包的层层加码来看， 在高烈度的竞争环境之中，谈长远的毅力都是一件过于虚幻的事情。

营销升温之后，真正的分水岭在哪里

这一轮“乱战”最值得警惕的地方，是它把AI助手拉回了前AI时代的产品增长逻辑：先用高强度的曝光与补贴把用户拽进来，再期待产品在使用中自然完成留存。

这套方法在移动互联网时代曾经屡试不爽，但放到AI助手上，效果并不必然成立。

原因很直接。

AI助手的留存不是“用过就会习惯”。

就目前国内用户的使用习惯，对它的容错率或许很高，但同时迁移成本也更低。

当下的AI助手在基础功能上其实已经高度同质化，只要换一个入口就能得到近似体验。越是在这种条件下，靠红包、代言或投流带来的新增，越容易变成一次性下载。

AI助手的红包大战

尤其是如果更多停留在日常生活或娱乐层面，AI助手很难建立其明显的门槛。反而 若 长期使用AI作为生产力工具，在经过漫长的提示词调教、磨合以及AI对整体工作流有了明确记忆之后， 才 会形成一定程度的迁移困难。

把视线放到海外，会发现Gemini、ChatGPT、Claude同样在进行品牌传播，但很少出现现金补贴式的集中对抗。

更常见的做法，是在大型节点投放品牌广告，用案例叙事解释产品价值，或将能力嵌入既有产品线，让用户在日常工作流中自然使用。 这种差异，源于它们更早将竞争重心放在产品能力与渠道结构上。

Google Workspace接入Gemini

第一，渠道结构决定了它们不需要用现金去买一次性新增。

Google可以把Gemini放进搜索、Android与Workspace的办公链路；OpenAI则依靠ChatGPT自身早期积累的用户规模、订阅与API生态扩散；Anthropic更偏企业侧，通过企业级合作与B2B落地获得稳定收入。

在这些公司看来， 真正稀缺的要素集中在信任、可控的体验，以及将AI嵌入高频场景的能力上，而非单纯的用户规模。

最典型的便是Anthropic，Claude在用户体量上自然无法和Gemini、ChatGPT相提并论，但这并不妨碍Claude Code的领先，以及Anthropic自身财务回报上的健康发展。

Anthropic官宣Slack等工具可以在Claude中交互

第二，AI产品的营销边界其实相较传统互联网产品更窄。越是强调“无处不在”的助手，越会触碰隐私、安全与可靠性问题。

马化腾最近在年会上对豆包手机的“一番批判”，之所以会频繁被引用，其实也是抓住了AI产品如何去重新定义用户隐私边界的不确定性， 尤其是在国内市场，用户的数据安全和隐私往往会被巨头当作一种排他性的借口。 但如果真的到了要让AI接管你的物理设备替你完成各种大事小事时，能够让它获取你的个人隐私到什么程度，或许用户才会开始仔细掂量。

第三，AI营销强度越大，越容易把产品带到一个不利的位置：用户预期被过度拉满，但模型能力和算力其实并没有准备好。

AI产品的问题在于，其不是简单靠过去服务器扩容就能满足的“无限需求”的产品类型。 一旦token消耗量太大，大多数AI产品的第一选择都是“降智”，如若使用体验和模型能力跟不上，负反馈会更快扩散。 像是元宝的 红包拉新仅仅才过了一天，2日中午就遭遇流量激增服务不稳的问题，这还是仅仅 只是一个开始。

微博截图

这还是海外的成熟AI产品需要付费订阅的前提下都会出现的情况。而国内的AI助手们短期内显然还无法直接面向用户收费，那么靠暴力营销换来越多用户， 除开营销成本之外，其实也带来了更高的算力成本。

因此， 真正的分水岭更多体现在，谁能够将营销动作转化为稳定、可持续的使用理由 ，传言中各家要在春节前后发布的新款大模型可能会是理由之一。

更重要的是，国内的to C AI产品到底有什么明确的商业化路径，在经过一番刺刀见红的折腾之后，或许总需要有一家能够给出一个相对明晰的答案。

作者：壹叔团队

来源：壹番YIFA

最新消息是，千问因为很多用户无法完成下单，而将免单活动延长5天至2月28号。

2月6日，千问APP的“免单”活动用半天时间挤下元宝，成为App Store免费下载榜单的新首位。这个位置过去5天都是元宝用红包活动换来的。

就在业界一天时间都惊叹于镜头转换之快——从9小时就突破了1000万单、千问超越元宝成下载榜首，到口令一并被禁、许多用户无法下单、部分门店承压被迫提前打烊等等变动中，也有行业人士开始留意到：

合计40亿（元宝10亿、千问30亿）投入背后，两家产品其实打出了一个非常好的获客样板。其实，算完部分细账后，压力反而给到了更早之前的榜单第一位——豆包，不知道它会如何破局和重夺第一。

01 算账：超值的下单用户成本

千问的活动设计中有一个数字基础：25元一杯的奶茶，每邀请一个用户就双方各获一个免单机会，类似“赠一得一”机制。为了简单计算，我们可以理解为25元一个用户获取和活跃成本。

当天下午，见实从七麦数据了解到：目前外卖类或工具类APP在iOS端下载成本（从下载到安装）平均一人约为15元。如果是AI类APP，海外的下载成本已升至3-10美元一个，折合人民币20-70元左右。

从激活来看，行业平均激活转化率约为60%，从下载到打开并激活APP，中间存在约40%的流失率——也就是说，从激活到首次下单、再绑定其他平台账号（如社媒或支付）等，每新增一个环节，会再有5成左右的流失。

但就千问当前的强激励活动环境来看，品牌词的激活转化率约在80%-90% 左右。其通过“奶茶免单”、“分享一次双方都多喝一杯”的强利益驱动，让“下载-激活”的链路变得极短且坚固。

当天下午，千问公开的数据中显示：当千问APP订单量超过1000万时，APP内的“帮我买”指令被触发了3000多万次。这意味着，平均每个成功下单的用户背后，都有至少3次高频交互尝试。

以此倒推（15元÷60%÷50%），千问一个下载到点单的用户成本，约50元左右。正好是赠一得一的合计成本。即便这样，也比上限的70元要便宜许多。

如果不是千问团队低估了市场热情，而没有准备足够服务器与资源，导致许多用户纷纷喊到“崩掉了”。这场活动的实际激活、订单转化规模会更加惊人。

可以说，即使用最简单的下载来核算，这场活动的KPI也足够亮眼。用低成本获得了比传统投放质量更高、流失更低的用户。

同时我们还从七麦数据了解到：活动期间，千问在App Store的关键词覆盖量激增至3万左右。在 App Store 搜索 “AI 生图”，第三名就能看到千问。

这类关键词很精准，很多自然搜索 “AI 生图” 的用户，看到千问的功能描述与自己的需求相符，就会选择下载。这一链路被官方通过Apple Ads投放进一步放大，共同达成了下载榜的登顶。

元宝当时也是如此。根据七麦数据监测，元宝在2月1日上线“瓜分十亿”活动后，排名从免费应用榜Top4开始攀升，在当日下午 15 点左右，上升到了Top1位置，并一直霸榜至2月6日中午。

而且，元宝的逻辑同样简单：抽奖可直接提现到微信零钱，还在活动设计中增加了做任务可得抽奖次数，数据上，元宝AI生图日均调用增长了30倍。

两家AI产品在活动设计上，都兼顾了下载和激活、使用、迅速巩固用户的行为习惯。

02 压力：用户的社交货币门槛更高了

元宝千问的活动，在一开始就遭遇了另一个大神的另类约束：

5日，微信限制复制元宝和通义千问的文字口令。更早几天，元宝的红包分享则提前刷了微信无数群的屏，并先惹得了封禁分享的待遇。

但这不是微信“狠起来连自己人都打”的戏谑。相反，两家活动刷屏的同时，不仅是重新强化“微信裂变六字诀”的威力，也释放另一个强烈信号：

用户的社交货币越来越珍贵，简单粗暴的活动会越来越激发用户逆反。

某种程度上，千问和元宝的活动设计，都是一个“送”字：千问送奶茶、元宝送红包。这本是在社交场景中最具裂变价值的“动作”，将社交货币属性内置到了产品特性和活动规则中。

见实过去有多篇文章提及（延展阅读1：微信裂变六字诀）（延展阅读2：独家：“羊了个羊”引爆内幕）。每一个引起裂变的“字”，其实都是引发用户之间亲密互动的介质或者动作，增强社交货币。

但如果活动过于简单粗暴的话，社交货币就开始贬值，甚至会变成骚扰、负分，大家开始反感这种低质分享和刷屏。今天的用户，每年都见过无数刷屏级活动，也在推动着发起方追求情绪共鸣和精巧的活动设计。

这对后来者来说，难度提升了不少。

作为对比的是，百度文心也在做类似活动，数据肯定也远超日常。不过，在刷屏和讨论热度上，几乎无法和元宝、千问相提并论。

另一个不得不提的事情是：

微信连这些红包活动的分享、口令等一齐封杀，也在明示着用户的要求已经非常高了。

发起大手笔的活动，让千问和元宝各自成为下载榜第一。也在推高着这个“AI入口之争”的参与难度。

现在，三大领先的AI产品中，只有豆包还没出手了。作为字节跳动旗下的AI王牌，豆包其实从去年3月起就长期稳居应用榜Top 1。不同于元宝和千问在春节前夕的发力，豆包将战场挪到了春晚前后。目前，豆包已锁定央视春晚的独家云合作席位。

甚至有着更大用户基数的豆包面临更难的课题：它需要在春晚这个巨大的流量池中，不仅让用户活跃，更要让用户理解“豆包在社交中能能干什么”、“豆包的最大优势是什么”。

挑战在于：这些活动，能否成为人们在社交网络（包括微信，也包括抖音）中，变成大家讨论的话题焦点、成为和好友之间亲密互动的开始，成为那个增强亲密关系的加分项？

以及，是否能保持豆包一贯的“拟人化”和“网感”优势，探索出“过年社交”与其自身产品特性的最大契合点。

毕竟在使用体验各有优劣的情况下，用户无疑会偏向选择习惯使用的产品。

作者：见实

来源：见实

豆包、元宝、文心们还在沿用“发红包”的老套路吸引用户时，2月6日，阿里的千问抛下重磅炸弹——“春节30亿大免单”正式上线，所有人打开千问APP立刻就能领一张25元“免单卡”，用来买奶茶咖啡，1分钱就能到手。不少人也是喝上了第一杯“AI奶茶”。

30亿的规模，不仅创下阿里春节活动的历史纪录，也位居今年大厂AI大战中的投入榜首。

在玩法上，千问也是目前AI大厂中最有新意的，整合了阿里生态的服务能力，用“免单”的方式请全国人民吃喝玩乐。活动期间，每个人通过邀请朋友，最多能拿到21张免单卡，总价值525元。理论上，每个用户可以免费喝84杯蜜雪冰城。唯一前提是，这笔钱，需要通过千问App“用AI下单”才能拿到。

这一步，就把竞争逻辑彻底改写了。

不同于其他家“用红包换下载”，千问是用“请客”的方式，直接让把AI放到实际的生活场景中干活儿。

这场仗，也只有阿里打得了。一方面，千问接入了超过400项功能，覆盖外卖、酒店机票预订、在线购物等生活场景。另一方面，通义千问大模型属于全球第一梯队，能精准理解用户意图、做出合理推荐。组合起来，就相当于既有足够聪明的“AI大脑”，也有深入“衣食住行玩”全场景的“商业手脚”。

强调AI的“办事”能力，并不只是阿里的专属，美国AI圈也不约而同地在强化自家AI的agentic能力，不过，更多的还是在将AI作为一个自动化工具来打造的。中国的AI，一方面在基础大模型上与美国你追我赶，另一方面也在引领着AI在生活应用场景上的落地。

一位长期关注TMT的投资人对「定焦One」分析：千问的30亿，能否在AI时代复制当年移动支付的奇迹，核心在于“AI办事”的体验能否超越现有的App。

如果答案是肯定的，那么2026年的春节，会成为一个分水岭——让用户第一次规模化地养成“有事找AI”的习惯。这个春节过后，中国的“AI大战”将暴力普及“AI购物”乃至“AI生活消费”的使用习惯，就像移动互联网时代中国的应用能力一样，一跃成为AI应用领域的超级强国。

01 红包买“下载”，免单换“习惯”

千问的第一波“请客”，选择了奶茶。

这个选择很有讲究。作为当代年轻人的“社交货币”，奶茶有三个天然优势：高频、刚需、决策成本低。25元的免单金额，也精准地覆盖了多数奶茶的平均价格，让用户的试错成本几乎为零。

更关键的是，点一杯奶茶，用户需要走完选店、选品、下单、支付、取货的一整套流程。这就像游戏里精心设计的“新手村任务”，方式虽然简单，但可以“带着”玩家完成一次全新的体验。

这也是它比直接发25元现金红包更高明的地方。

一位互联网产品经理对「定焦One」总结了红包和免单的本质区别：传统的红包补贴，用户的动作是被动的，领完红包，和平台的关系几乎就结束了，平台换回的是一个下载量；

而“免单”玩法中，用户的动作是主动的，需要完成一次完整的“AI办事”流程。

换句话说，红包买的是“流量”，免单换来的是“行为”。千问不是在为用户的“点击”付费，而是在为用户的“习惯迁移”付费。

图源 / 千问APP截图

当一个用户已经习惯了用A应用点外卖、用B应用买电影票，要让他换一个工具，成本远不止一次下载，还包括学习成本、信任成本、路径依赖。千问的30亿，就是用来抹平这个成本的。

这套设计，实际上也回答了一个更大的问题：当红包不再万能时，AI应用该如何留住用户？

过去十年，互联网公司靠“春节红包”这把万能钥匙，打开了移动支付、社交电商等一扇又一扇大门。但到了AI时代，这把钥匙开始失效了。

原因很简单，AI产品不同于传统意义上“即开即用”的工具，它更像一个需要学习和磨合的助理。用户下载了一个AI应用，需要学会怎么和它对话，需要知道它能帮自己做什么，更重要的是，在真实生活场景中想得起来用它。这个过程，比“点一下领红包”复杂得多。

更何况，在经历了过去一年AI浪潮的洗礼后，用户早已不是看到“AI”两个字就兴奋的小白。如果一个产品只是靠红包吸引眼球，体验下来却“不过如此”，用户切换到下一个产品的成本几乎为零。

但当用户发现，用千问不仅薅羊毛、抢红包，还能切切实实帮我“办事”，省去在不同App之间来回切换的麻烦时，新的习惯有可能慢慢养成。

只不过，要让AI“办事”，难度极高。

想想你平时点咖啡的过程，从打开哪个App、选哪家店，到加不加糖，每一步都是自己决策，App只是一个执行工具。现在，你只需要说一句“我想喝杯咖啡”，AI就能理解需求，并代替你完成找店、选品、下单、甚至完成支付等所有后续步骤。任何一个环节出问题，你可能都会退回到熟悉的App。

所以，这对AI的能力是极大的考验，这也是过去一年，绝大多数AI应用还停留在“陪聊”阶段的根本原因。

放眼望去，这场硬仗，似乎也只有阿里能打。

02 让AI说话不难，难的是把事办成

为什么这么说？

上述投资人总结，让“AI办事”，需要AI在极短时间内，完成三件过去由用户亲自完成的事：精准理解一个模糊的意图；在复杂场景中做出最优选择；把结果稳定、顺畅地落地到真实世界。这需要三层能力的协同：

一个聪明的“大脑”——顶尖的模型能力，理解用户意图，做出合理推荐；

一副连接真实世界的“身体”——能直接调用电商、支付、出行、本地生活等真实服务；

以及一套高效的“神经网络”——海量的真实交易数据反馈，让AI在每一次服务中不断学习、优化。

经过一年多的“百模大战”，国内第一梯队的大模型都能很好地理解用户的意图。AI的竞争，也正在从“谁更聪明”，转向“谁真正能把事办成”。差距，在“身体”和“神经网络”上。

放眼全球，这恰恰是大多数AI玩家的短板。OpenAI有顶尖模型，但没有自有实体服务生态；谷歌强于搜索与广告，但缺乏电商交易和本地生活履约体系。腾讯强于社交和内容，但交易闭环相对薄弱；字节坐拥流量，交易链路在品类丰富度、供应链深度、物流体验等方面还有待提升；百度以搜索和信息服务见长，生态更偏工具属性。

而阿里在“模型+生态+数据”的完整性和协同性上，在国内几乎是独一份的存在。

先看“大脑”。阿里的通义千问大模型家族，技术性能属于全球第一梯队。根据沙利文报告，2025年上半年，阿里通义大模型在国内企业级市场的日均Tokens调用量达1.81万亿，市场份额17.7%，位列第一。这保证了千问在理解、推理与复杂任务拆解上，具备足够坚实的底座。

再来看“身体”，这是阿里最具差异化的优势。

它的商业生态几乎覆盖了中国用户数字生活的所有高频刚需场景。其他厂商或许能通过API“连接”第三方服务，但在稳定性和流畅度上，显然不如“原生”生态系统。

比如，当用户对千问说“帮我订一张明天最早去上海的机票”，千问的“大脑”迅速理解指令，然后调动飞猪的航班数据、高德的路线规划、支付宝的支付能力等，一气呵成完成任务。用户需要做的，只是确认支付。

而“神经网络”，则让这套系统形成了自我强化的能力。

阿里的生态每天产生海量的、真实的用户行为数据，带有真实的用户意图和交易结果，比公开网页语料质量更高，可以用来不断优化模型。

用户用得越多，数据反馈越多，模型就越懂真实世界；而AI越好用，用户就越愿意把更多“决策主权”交给它，形成一个正向循环。

截至1月15日，千问已经接入了超过400项“AI办事”功能，C端月活突破1亿。这个“1亿”的含金量，不在于数字本身，更在于它代表了1亿次从“聊天”到“办事”的跨越。每一个完成真实交易的用户，都是对阿里“AI+交易”模式的一次验证，其价值远高于一个只问问题的“游客型”用户。

这条路虽然最难走，但也最符合阿里的基因和商业直觉。

03 AI大战的终局，是终结APP逻辑

如果把阿里这条“办事”的路径，放到全球坐标系里，会发现一个更值得思考的现象：中美AI，正在走向不同的路。

美国的AI主攻工作场景，核心是降本提效。2月初，Anthropic推出Claude Cowork，一款能直接操作电脑、代替用户完成软件操作的AI工具。消息一出，美股SaaS公司如Salesforce、Adobe、SAP等股价大幅下跌。投资者担心，这类工具可能会抢占传统软件的使用场景和收入来源。它的逻辑本质上是让AI替代那些复杂、昂贵的专业软件。

中国的AI则在“进入生活”，为用户提供便利。千问这样的应用，正在把模型能力嵌入外卖、出行、购物等日常场景。用户无需切换多个App，就能通过一句话完成一系列复杂操作。

这背后，是中国独特的互联网基础设施，包括全球最大的互联网用户基数、最成熟的移动支付体系、最丰富的线上线下融合消费场景。这些生态优势，让中国AI应用可以同时打通决策、执行和支付闭环，是美国AI公司难以复制的。

因此，以千问为代表的中国AI应用，实际上在探索一条连OpenAI都羡慕，却又难以复制的道路——让AI从“聊天框”里走出来，走进人们的衣食住行。这条路足以成为新的商业操作系统底座。

图源 / 千问官方微博

再回到国内，纵观这场AI春节战事，腾讯、百度、字节同样重金入局，但每一家，打的仍然是自己最熟悉的一张牌。

字节的豆包，打法最简单直接：流量闪电战。春晚这个中国互联网史上最大的流量放大器，曾先后造就了微信支付的崛起和抖音的逆袭。豆包赌的是规模效应，只要用户基数足够大，哪怕大多数人只是短暂停留，也能筛选出一批高频使用的核心用户。

腾讯的元宝，打出了“社交防御牌”。10亿现金红包，加上在微信群聊中内测的“元宝派”功能，腾讯想复刻2014年微信红包的辉煌，将AI植入社交关系链中，在最强势的场景里完成防守与渗透，守住自己的基本盘。

百度的文心，打法比较“务实”。它没有另起炉灶，而是将5亿红包投给百度App的用户，加速从“搜索”到“问AI”的用户习惯转化。

看到这里，你会发现，这三家的本质，还是“流量思维”的延续。

而阿里，选择了一条最“重”的路，直接构建“AI+交易”的闭环。这意味着需要打通支付、物流、客服等大量后台系统，风险最高，执行最难。上述投资人指出，判断AI入口真正价值的核心指标，不在于会话量，而在于从“决策”到“执行”闭环的完成度与频次。

那么，这场超过50亿豪赌的成败，最终该如何检验？

短期看的是用户留存量，日活（DAU）回落幅度是第一个检验标准。春节期间，各家的用户量都会因为红包和免单冲上一个高峰，但节后第一周，当补贴力度减弱，用户会用脚投票。

中期看的是，是否形成复用。比如，用户是否会在非补贴场景下，再次使用AI点奶茶、查行程？这才是决定胜负的关键。

长期看的是，习惯是否被改写。当用户开始默认“有事先问AI”，而不是“先想打开哪个App”，才算是这场战争的终局。

最终的赢家，未必是模型参数最多的那一个，但一定是那个能用AI把最多、最核心的生活服务串联起来的生态。

从这个角度看，千问的30亿投入，换来的不仅是自己的市场份额，更可能是一个“新时代的开端”。

据官方介绍，千问APP免单卡可在全国30多万家奶茶店使用，蜜雪冰城、瑞幸咖啡、霸王茶姬、奈雪的茶（02150.HK）、沪上阿姨（02589.HK）、茶百道（02555.HK）、库迪咖啡等茶饮咖啡品牌支持使用。活动期间，每位用户可领取21张无门槛的25元免单卡，相当于525元钱，还有机会抽取价值10000元的千问AI生活卡。活动页面还显示，第二波福利将于2月13日开启，用户可领取现金红包，最高可得2888元。

今日上午，多位用户在社交媒体晒出用千问APP下单的“第一杯AI奶茶”。根据用户对比，在各家AI应用的红包活动中，千问的玩法简单直接且门槛低。

不过，点奶茶免单活动的火爆导致千问APP一度“崩了”，部分用户打开活动页面，发现页面无法点击或者出现卡顿，并显示 “系统开小差了，稍后再试吧”。

不过有体验点奶茶的用户告诉财联社记者，千问APP的体验并不如想象中“丝滑”，例如系统无法匹配到距离用户最近的门店，并回应称“您指定的门店暂时未匹配到，建议打开淘宝APP确认一下。”

图片来源：上述用户供图

对此阿里方面称，“我们正在紧急加资源，全力保障顺畅。”

另据今日媒体报道，继微信封杀自家腾讯元宝、百度文心助手后，千问的红包分享链接也被微信屏蔽，页面显示网页存在诱导或误导下载/跳转的内容，需要跳转第三方浏览器访问。同时，部分用户在千问APP点击分享活动至微信好友时，已自动改为复制口令形式。

对于这一情况，阿里方面暂无回应。

阿里方面表示，今天的奶茶攻势只是一个开始。千问APP突破了传统AI Agent只会聊天、娱乐和发红包的局限，接入淘宝闪购、支付宝、淘宝、飞猪、高德等阿里生态场景，希望通过真金白银的投入，培养用户“有事找AI”的习惯，推动AI融入到真实的生活消费之中，率先打响全民AI生活与AI购物的普及之战。

值得关注的是，近几日千问方面动作颇为密集。

2月2日，千问APP首先宣布投入30亿启动“春节请客计划”，以免单形式请全国人民在春节期间吃喝玩乐，感受AI时代的全新生活方式。淘宝闪购、飞猪、大麦、盒马、天猫超市、支付宝等阿里生态业务也将加入千问春节攻势。

次日，千问官方称将独家冠名东方卫视、浙江卫视、江苏卫视、河南卫视四大马年春节晚会，并以AI形式参演节目。晚会播出期间，观众可同步在千问App参与互动、抢大额红包。

2月4日当晚，有阿里员工在社交媒体分享自己在园区偶遇马云的经历，并拍下一张照片。图片显示，马云所在位置是位于阿里全球总部的千问项目组区域。

2月5日，阿里巴巴集团内部将AI的总称和核心品牌统一为千问。

据称，此举是为避免之前千问、通义千问、Qwen等多个名称导致的混淆问题。

眼下，大厂春节AI流量战的战况正在升级。此次千问春节30亿大免单，在阿里历史上的春节活动中投入最大。

而除了阿里，字节跳动、腾讯、百度也先后官宣春节期间的AI应用营销计划。截至目前，今年春节大厂已为用户准备了45亿元红包。

此番大战后续战况如何，财联社记者将保持关注。

作者：财联社