多数情况下，Agent无法完成交易。

包括OpenAI和Perplexity在内的人工智能巨头，以及电商巨头亚马逊，正在描绘人工智能工具作为个人购物助手的愿景，这些工具可以无缝地在整个互联网购买商品。

不过，投资者和创始人表示，迄今为止发布的少量AI Agent在在线购物方面遇到了困难，因为它们很容易被零售商产品列表和结账流程中的差异所困扰。零售商还难以区分Agent和恶意机器人，因此一些商家更倾向于阻止人工智能工具进行结账，而不是让自己的网站更适合人工智能浏览。

同时，一些旨在简化用户日常任务的初创公司甚至没有尝试使用人工智能工具来真正完成许多在线交易。

“还有很多情况下，人工智能无法完成交易，也无法从网站上抓取信息，或者你正在试图与一家小企业或没有针对人工智能优化的夫妻店打交道，”Duckbill的创始人兼首席执行官Meghan Joyce表示。这是一家个人助理初创公司，部分通过使用人工智能来帮助用户。

鸭嘴兽公司于2023年年中从包括Forerunner Ventures和General Catalyst在内的投资者那里筹集了3300万美元，该公司利用人工智能来提出创意和购物清单，而不是直接下订单。例如，鸭嘴兽的聊天机器人可以帮助用户规划一场晚宴的菜单，但实际的食品采购是由鸭嘴兽的员工在Instacart上寻找商品并下单完成的。

乔伊斯说：“鉴于这个世界尚未为AI Agent优化，而且可能还需要一段时间才能实现这一点，我们有灵活性在人工智能和人类之间传递接力棒。”

近几个月来，自动化购物和预订服务已成为一些人工智能和科技巨头之间的新战场。购物是线上活动的重要组成部分，也是人工智能公司潜在的收入来源——包括向消费者收取费用或从导流到零售商的销售中抽成。如果AI Agent获得广泛应用，可能会颠覆传统的电子商务网站和应用程序。

但AI Agent和购物领域尚处于早期阶段。去年年底，Perplexity推出了“Buy With Pro”功能，可以通过其高级人工智能搜索浏览器购买某些商品。

今年1月，OpenAI推出了“Operator”工具，这是一种AI Agent，为ChatGPT Pro订阅用户处理包括购物在内的任务，订阅费用为每月200美元。本月早些时候，亚马逊推出了“Buy For Me”功能，这是一项测试服务，允许用户通过亚马逊应用购买公司自己平台之外的一些商品。

一些尝试未能起步。例如，据《The Information》此前报道，谷歌取消了开发一个可以预订票务的旅行规划Agent的计划，转而推出了一个更简单的行程规划工具。

01 导航挑战

Chris Andrew是Scrunch AI的联合创始人兼CEO，他正在帮助像Skims这样的零售商了解AI搜索引擎和智能Agent在访问其网站时的行为。他是新一批初创公司和顾问的一员，致力于帮助在线零售商优化AI工具的使用。

据安德鲁所说，很少有零售商在考虑如何激励Agent进行购买。他表示：“现阶段存在的第一批Agent已经出现，这只是爬虫在试图理解内容。”

例如，安德鲁表示，他曾看到OpenAI的Operator在金融产品的比价购物上存在困难——他说，当他让这个助手比较利率时，它在处理包含不同利率的长表格产品时遇到了问题。一位OpenAI的发言人提到了公司关于Operator和计算机使用Agent模型的公开文章。

Agent也可能被弹窗或登录界面难住，或者遇到要求提供电子邮件地址和电话号码用于营销目的的提示。OpenAI在其服务条款中表示，如果遇到密码请求或验证码字段这样的挑战，会将操作控制权交还给用户以完成操作。

AI购物工具在理解关键的产品信息方面也可能遇到困难，例如价格和尺寸。Andrew说：“如果价格被埋藏在 JavaScript 的下拉菜单中，[智能Agent]可能会编造一个价格并返回错误的价格。”

品牌也可能频繁调整价格，尤其是在促销期间，更近期还需要应对更高关税带来的额外成本，因此即使AI工具从网站上获取定价信息，这些信息可能也不是最新的。

一些Agent正在建立缓冲机制，以在定价方面给自己更多的回旋余地。例如，亚马逊会从品牌网站上抓取价格并显示一个预估总价，但使用其购物Agent的消费者必须同意支付比预估金额高出最多10美元的费用。

一位亚马逊发言人表示，除了Buy For Me公共常见问题页面上所述的内容外，没有其他评论。

02 被屏蔽

即使一个Agent可以浏览网站，商家也可能会在结账时将其阻止。一些零售商和市场会使用防欺诈软件来识别那些购买热门演唱会门票后转售的机器人或执行其他大规模计划的行为。

QED Investors是一家专注于金融科技的风险投资公司，其合伙人Amias Gerety表示，AI Agent的一个根本挑战在于它们与网站试图阻止的机器人过于相似。

“自从互联网支付出现以来，如果你是一个机器人，那么几乎可以确定你是犯罪分子，因此整个体系都被构建用来阻止机器人进入，”Gerety说道。“互联网支付领域的每个人都基于机器人是坏的这一假设进行构建。”

Soups Ranjan是Sardine的创始人兼首席执行官，这是一项为包括Square 和Checkout.com在内的零售商和支付公司提供诈骗和风险检测服务的工具。他表示，其软件会根据一些迹象（如有限的鼠标移动或全新信用卡号码）拦截可疑的结账交易。但最近，这也意味着一些 AI 工具也会被拦截。

“AI 浏览器——在我们看来就像是机器人，”兰詹说道。

一个可能的解决方案是让AI Agent相互合作，协调它们如何访问网站和结账页面，并制定一种标准信号，让零售商知道它们已获得终端用户的授权可以进行购买。“目前，这项技术还没有达到这个水平，”他说。

相反，一些最知名的AI Agent正在直接与零售商和市场平台达成合作，以简化操作。例如，OpenAI表示，他们正在与包括Priceline和Stubhub在内的公司合作，确保Operator遵守这些公司的服务条款。

Perplexity的结账功能仅适用于某些与Agent结账“兼容”的商家产品，根据其公开的细节信息。Perplexity还推出了一项计划，允许商家与公司共享产品列表数据，以换取在搜索中获得更高的可见性。Perplexity未对此置评。

与此同时，亚马逊表示，其新的购物功能仍处于实验阶段，目前仅适用于部分品牌，商家可以选择退出该功能。

2025 年已经过去 1/3，如果用关键词来概括 AI 领域的发展你会想到什么？这是我想到的：开源、创新加速加速加速。

2 月是「DeepSeek」的，R1 以所有人意想不到的方式，让全球执牛耳的 AI 开发者、创业者、投资人把目光锁定在「DeepSeek」「中国」「开源」上。

4 月是「开源模型」的，发令枪是 Meta 喊的。被 DeepSeek 盖过风头后，2025 年 2 月 19 日，坐不住的 Meta 率先官宣——首个生成式 AI 开发者大会 LlamaCon 将于当地 4 月 29 日（北京时间 4 月 30 日）举行，颇有重新夺回「AI 开源界老大」江湖地位的意欲。

但 AI 领域的产品发布节奏就是很微妙，什么时候发布似乎取决于对手的动作，作为一种心照不宣的默契，Meta 一声枪响让 4 月底成为开源模型的主场。

整个 4 月甚至更早，AI 开发者们都在各大社交平台「蹲」开源领域「三大头牌」的新发布：DeepSeek-R2、Qwen3 以及 Llama4。Llama4 由于本月初的发布低于预期，似乎少了一些热度。

目前看起来，4 月底最受关注的还是中国队，R2 呼之欲出，Qwen3 终于来了。

4 月 29 日凌晨 5 点，阿里巴巴开源新一代通义千问模型 Qwen3，参数量仅为 DeepSeek-R1 的 1/3，成本大幅下降，性能全面超越 R1、OpenAI-o1 等全球顶尖模型，登顶全球最强开源模型。X 平台的开发者网友甚至把今天定义为「Happy Qwen3 Day」，不仅因为 Qwen3 全面超越 R1，更因为 Qwen3 家族的多尺寸、内置 MCP 支持、支持混合推理等实用性的功能点。

官方技术报告进一步给出了 Qwen3 的几大亮点：

「探索智能上限」再突破：通过扩大预训练和强化学习的规模，实现了更高层次的智能；

国内首个「混合推理模型」：无缝集成了思考模式与非思考模式，为用户提供了灵活控制思考预算的能力；

增强了 Agent 能力：正从专注于训练模型的时代过渡到以训练 Agent 为中心的时代。

对于 Qwen3，个人用户现在就可以在「通义」APP 或 chat.qwen.ai 网页直接体验，夸克也即将全线接入 Qwen3。开发者和企业则可以免费在魔搭社区、HuggingFace 等平台下载模型并商用，或通过阿里云百炼调用 Qwen3 的 API 服务。

憋了这么久的 Qwen3 到底怎么样？又代表哪些模型发展的趋势？

01 Qwen3，登顶全球最强开源模型

Qwen3 包含 2 个 MoE 和 6 个密集模型，阿里云开源了两个 MoE 模型的权重，六个 Dense 模型也已开源，包括 Qwen3-32B、Qwen3-14B、Qwen3-8B、Qwen3-4B、Qwen3-1.7B 和 Qwen3-0.6B，均在 Apache 2.0 许可下开源。

Qwen3 开源模型家族

其中，旗舰型号 Qwen3-235B-A22B 参数量仅为 DeepSeek-R1 的 1/3，成本大幅下降，性能全面超越 R1、OpenAI-o1 等全球顶尖模型，登顶全球最强开源模型。

此外，据阿里云官方介绍，Qwen3 是国内首个「混合推理模型」。「快思考」与「慢思考」集成进同一个模型，对简单需求可低算力「秒回」答案，对复杂问题可多步骤「深度思考」，大大节省算力消耗。

Qwen3 在推理、指令遵循、工具调用、多语言能力等方面均大幅增强，创下所有国产模型及全球开源模型的性能新高：在奥数水平的 AIME25 测评中，Qwen3 斩获 81.5 分，刷新开源纪录；在考察代码能力的 LiveCodeBench 评测中，Qwen3 突破 70 分大关，表现甚至超过 Grok3；在评估模型人类偏好对齐的 ArenaHard 测评中，Qwen3 以 95.6 分超越 OpenAI-o1 及 DeepSeek-R1。

性能大幅提升的同时，Qwen3 的部署成本还大幅下降，仅需 4 张 H20 即可部署千问 3 满血版，显存占用仅为性能相近模型的三分之一。

Qwen3 性能｜图片来源：阿里云

此外，小型 MoE 模型Qwen3-30B-A3B 的激活参数数量是 QwQ-32B 的 10%，表现更胜一筹，甚至像 Qwen3-4B 这样的小模型也能匹敌 Qwen2.5-72B-Instruct 的性能。

据介绍，Qwen3-235B-A22B 是一个拥有 2350 多亿总参数和 220 多亿激活参数的大模型；Qwen3-30B-A3B 则是一个拥有约 300 亿总参数和 30 亿激活参数的小型 MoE 模型。

得益于在预训练、大规模强化学习和推理模式整合方面取得的显著进展，Qwen3 主打「思考更深、行动更快」，更好地构建 AI 应用。Qwen3 预训练数据量达 36T，并在后训练阶段多轮强化学习，将非思考模式无缝整合到思考模型中。

值得注意的是，这次 Qwen3 的发布，主打混合推理，但是需要思考的长度最短也是 1024tokens，否则如果问题所需要的推理预算用不满 1024tokens，根本感受不到可以调节精度的混合推理模型的好。也就无法发挥用 Qwen3 不同程度的思考，灵活满足 AI 应用和不同场景对性能和成本的多样需求。

截图来源：X

02 大模型全面转向「混合推理模型」和「Agent」

在 Qwen3 发布的前一天，X 平台已有「行业人士」——日本的大模型厂商 SakanaAI 的一位工程师敏锐地捕捉到了 Qwen3 的重点。当天，在 AI 领域最重要的学术会议之一 ICLR 2025 的一个工作坊上，阿里云通义实验室通义千问负责人林俊旸透露了 Qwen 的下一步方向：推理模型和非推理模型的统一，以及面向 agent 的大模型。

这正是今天发布的 Qwen3 最大的两个特点，同时也是大模型厂商们正在集体发生的转向。

2025 年 2 月 25 日，Anthropic 发布了最新的旗舰模型 Claude 3.7 Sonnet，同时也称作是市场上首个混合推理模型。这意味着 Claude 3.7 Sonnet 能够生成即时的响应（快思考），也可以进行延展的、逐步的思考（慢思考）。API 用户还可以细粒度地控制模型的思考时长；当给定更长的思考时间，理论上会有更高质量的答案。

Anthropic 表示，混合推理模型的架构代表下一代前沿模型，可以让模型像人类用同一个大脑一样，既能快速反应又能深度思考，这既能为用户创造更无缝的体验，也能让用户通过 API 使用 Claude 3.7 Sonnet 时，可以控制思考的预算。比如：可以告诉 Claude 最多思考 N 个 token，N 的取值可以达到其输出限制的 128K token，从而在回答质量与速度（及成本）之间进行权衡。

「混合推理架构」也得到了 OpenAI 的青睐。Sam Altman 在更早的时间看到，当前的模型和产品供应已经变得非常复杂，希望 AI 能「开箱即用」、简化产品供应，「我们和你一样讨厌模型选择器，想要回归神奇的统一智能，之后，我们的一个重要目标是通过创建能够使用我们所有工具、知道何时需要长时间思考或不需要的系统，统一 o 系列模型和 GPT 系列模型，整体上能广泛适用于各种任务。」

就像在 DeepSeek-R1 里一样，点选「深度思考」背后调用的是推理模型 R1 做的长推理，不选则调用的是基座模型 V3 即时生成的答案。现在，模型厂商把「思考的颗粒度」这个选择权更灵活、广泛地交给用户来控制推理预算。

在 Qwen3 中，可以滑动「思考预算」的按钮，来控制思考的最大长度，从而匹配合适的推理质量和成本。

在思考模式下，Qwen3 模型会逐步推理，经过深思熟虑后给出最终答案，适合需要深入思考的复杂问题。在非思考模式下，模型提供快速、近乎即时的响应，适用于那些对速度要求高于深度的简单问题。这种灵活性使用户能够根据具体任务控制模型进行「思考」的程度。这两种模式的结合大大增强了模型实现稳定且高效的「思考预算」控制能力，在成本效益和推理质量之间实现更优的平衡。

另一个模型厂商的转向则是 Agent。随着 Manus 验证了 Claude 3.5 Sonnet 达到了通用 agent 的一些能力，加上模型调用工具、实现 agent 能力的统一协议——MCP 在越来越大的范围内被拥抱，下一代模型要面向 agent、面向实际场景来优化。

就 Qwen3 来说，正在迈向以训练 Agent 为中心的阶段，当前 Qwen3 优化了 Agent 和 代码能力，同时也加强了对 MCP 的支持。据称，Qwen3 原生支持 MCP 协议，并具备强大的工具调用（function calling）能力，结合封装了工具调用模板和工具调用解析器的 Qwen-Agent 框架，将大大降低编码复杂性，实现高效的手机及电脑 Agent 操作等任务。

在该示例中，Qwen3 思考并自主调用工具到 Github 数开源模型获得的 star，继续思考并调用绘图工具制作图片，并调用工具保存。｜视频来源：阿里云

03 开源模型新一轮竞赛开启

Qwen3 的发布，意味着开源模型领域新一轮「三国杀」已然开始。

事实上，随着 DeepSeek 的横空出世，加上 OpenAI、字节等大厂调整对开源的态度，开源已然成为大模型赛道的大势所趋。而 Llama、Qwen 和 DeepSeek，正是目前开源领域最有竞争力的玩家。

Hugging Face 联合创始人、CEO Clement Delangue 发推暗示 DeepSeek 即将带来新发布。｜截图来源：X

而此前 OpenAI 和 DeepSeek 的成功已经证明，互联网时代的生态、用户和产品壁垒，今天在 AI 时代并没有互联网时代那样牢不可摧，模型能力才是基础大模型公司的核心竞争力。而 Llama、Qwen 和 DeepSeek 的胜者，有可能在下一个发布周期到来前（至少在 OpenAI 的开源模型发布前），成为整个 AI 行业的引领者。

虽然新一代模型能力的强弱，还要等待 Llama 和 DeepSeek 的发布，但值得关注的是，这三家开源模型厂商的生态策略亦有差异，这点从模型的侧重点就能看出端倪。

DeepSeek 和 Meta 的侧重点也有不同，但一个共同点都是不太重视 ToB，至少是在服务生态的建设上并不成功。而这点也是 Qwen 和其背后的阿里云最重视的部分。

极客公园曾在此前的文章里写过，脱胎于阿里云 Qwen，是最有以开源模型技术领先性、广泛全面开源的策略，追求生态建设的架势。阿里的 AI 战略里除了追求 AGI，也同样重视 AI 基础设施建设，以及更上层的与阿里的电商、钉钉、夸克等 AI 应用的结合。

此前，阿里云智能集团资深副总裁、公共云事业部总裁刘伟光表示，「阿里云是全世界唯一一家积极研发基础大模型并全方位开源、全方位贡献的云计算厂商。」

而 Qwen 模型下载量和衍生模型数量这两个衡量的生态的指标也同样领先。根据阿里云官方的最新数据，阿里通义已开源 200 余个模型，全球下载量超 3 亿次，千问衍生模型数超 10 万个，已经超越 Llama 位居全球开源模型的第一。

而新模型选择在进一步优化推理成本、混合推理和 Agent 上发力，显然 Qwen 瞄准的是开发者和 B 端用户的部署需求。这也将成为 Qwen 与 DeepSeek、Llama、OpenAI 等竞争对手最大的不同，也是阿里能否赢得 AI 时代的一张船票的关键所在。

作者：宛辰

来源：极客公园

2025年第一季度，AI应用赛道迎来爆发式增长。

第三方机构QuestMobile显示，截至2025年2月，AI原生App活跃用户数达2.4亿，比1月规模几近翻倍。这场热潮的引爆点，源自人工智能公司深度求索年初发布的DeepSeek-R1推理模型引发的现象级传播。

到了3月初，被称为全球首款通用型AI Agent产品的Manus亮相，再次引发市场期待。虽然Manus还处在内测阶段，但由于用户过于热情，邀请码在二手平台上炒到了上万元。

这场狂欢，不仅点燃资本市场热情，更催生出“AI应用元年”的行业共识。那么问题来了，到底谁是今年Q1全球最火AI应用？一定程度上，这一答案不仅代表着AI应用领域的未来发展方向，也影响着大公司格局，甚至还藏着下一个AI独角兽。

对此，「定焦One」选取了市面上几家热门的AI榜单，分别是AI产品榜、Xsignal、AIGCRank、新榜，综合了月活（MAU）、日活（DAU）、下载量三个比较重要的维度，以及从业者的观点，梳理出1-3月全球AI应用的前二十及国内前十，有了以下发现：

目前市面上的AI应用榜单比较杂乱，各家的数据来源、排名维度、统计结果有很大不同，需要综合多个榜单才能得出较为全面的结论；

整体来看，AI头部应用相对稳定，前四位被ChatGPT、夸克、豆包、DeepSeek占据；

国内AI应用的影响力越来越大，全球AI应用的前二十里，中外应用占比基本各一半；

AI应用的市场欢迎度有着明显的类型划分：聊天机器人>AI伴侣>AI修图>AI办公>AI视频；

AI应用排名并不仅仅关乎技术，和营销能力、功能集成等也有关。

1.五花八门的AI榜单，想要看懂不容易

想给AI应用排名，参考哪些维度、各维度的重要性如何，是需要事先明确的问题。但我们参考多份榜单后发现了一个令人困惑的现象：同一款应用在不同榜单中的排名可能天差地别。

这种混乱主要源于两个核心问题。

首先，各榜单的排名逻辑很不一样。

「定焦One」发现，一部分榜单会选择将同一应用的APP端和Web端数据放在一起，从而得出排名，有的则分成APP榜、Web榜两个榜单进行统计；排名的参考维度也各不相同，主要分月活（AI产品榜、Xsignal）、日活（AIGCRank）、下载量（新榜）等等，有的榜单会选取其中两三个参考维度，有的只采用某一个。

其次，即便是同一款APP的同一维度，各榜单给出的数据也差别很大。

比如AI产品榜和Xsignal都主要参考月活数量给AI应用排名，但两家关于每一APP的数据都不相同。以DeepSeek的APP端为例，AI产品榜显示其2月MAU为6181万，而Xsignal为14550.77万。

一位资深数据从业者告诉「定焦One」，这主要是因为各家的数据来源存在差异。他介绍，市面上的AI榜单数据来源可大致分为两种，一种是自己监测，这类公司自身多为数据监测公司，AI火了后便开发出了AI应用的相关榜单，另一种则是自身没有数据基因，通过第三方平台购买数据，然后自己总结出榜单。

第三方购买便导致很多数据来源并非一手，也无法评估数据的可靠性。这位从业者还表示，AI行业很新，不同数据监测公司对AI应用的测算也没摸索出一套比较成熟的计算体系，会导致数据出现差异。

另一位榜单从业者也坦言，他们是从第三方数据公司购买AI应用的相关数据，在整理过程中发现各家的数据差异很大，导致挑选数据维度纠结了很久。综合考量后，他们最终没有依据市面上常用的月活维度，而是换成了以日活维度来排名。

不过，尽管存在一些差异，综合多位数据从业者的说法，行业内部已形成基本共识：在众多数据维度中，重要性排名为月活>日活>下载量>其他。

“如果某一应用在不同榜单中的排名都十分靠前，基本可以判断其表现不错。”一位从业者表示。至于具体数据的差异，从业者建议不必过度深究，更应关注整体趋势。

基于这些认知，「定焦One」本次主要依据各榜单的月活数据进行排名，当不同榜单数据冲突时取平均值。还需要说明的是，很多应用分为APP端和Web端，但APP端往往代表着更高的用户粘性和主动使用意愿，所以主要统计APP端数据。此外我们也会呈现一些APP变化比较大的数据维度，希望提供相对全面的参考坐标。

2.全球PK：五大应用类型受欢迎，教育工具成黑马

先来看看全球单月AI应用榜的前二十。

在1月全球AI应用排行榜中，ChatGPT保持绝对领先优势，其优势在于起步早、技术先进，是全球第一款炸场子的AI应用，如今在MAU、月下载量上都与其他家拉开了明显差距，分别为34941万、69500万，远超第二名夸克的14340万、593.74万。

紧随其后的是国内大厂的AI应用，字节的豆包和新晋黑马DeepSeek，分列第三、四名。相比于其他AI应用一直是榜单上的常客，DeepSeek属于出场即爆款，之前一直默默无闻，春节前凭借深度思考模型DeepSeek-R1，直接升至榜单前列。

“AI六小龙”里，月之暗面的Kimi排在第八，智谱的智谱清言排在第十八。百度的文小言、360的纳米搜索、科大讯飞的讯飞星火等均排在十名开外。

2月的AI应用市场发生了两件大事，一是国内各大AI应用陆续接入DeepSeek，二是国外为了应对DeepSeek的冲击，陆续更新产品，这些变动都影响到了当月的榜单排名。

变化最大的是，腾讯的AI聊天机器人应用元宝、美国AI明星公司Anthropic的Claude从二十名开外分别冲到第十名、第十六名。元宝得益于2月13日宣布接入DeepSeek，AI产品榜显示其当月MAU为1312万。Claude则在2月上线了一个大动作，添加了其“迄今为止最智能的模型”——Claude 3.7 Sonnet，并首次引入混合推理功能，一把赚足了市场的期待值。

到了3月，市场上虽然出现了一款被称为“比肩DeepSeek、震撼硅谷”的AI Agent应用——Manus，同样由国内创业团队打造，但由于产品仅支持邀请码使用，大部分用户无法体验，也未能登上榜单前二十。因此，3月的AI应用排名变化不大，只是元宝进一步从第十冲到前五。文小言也在3月接入了DeepSeek，排名从2月的第十七提升至第十三。

值得注意的是，还有一些垂直领域的APP登上了各大榜单前列。比如Xsignal榜单显示，AI写作类工具AI创作狮，2月MAU为372.37万，环比增长20011.43%；AIGCRank榜单显示，作业帮的快对AI、猿辅导的小猿AI，这类AI教育工具凭借高日活，都首次上榜国内应用榜单前二十。

总体来说，ChatGPT、夸克、豆包、DeepSeek这四款产品“霸榜”几乎所有的榜单。除此之外，我们还能得出一些结论：

一是应用类型，纵观1-3月的整体排名，AI应用的受欢迎度为：聊天机器人>AI伴侣>AI修图>AI办公>AI视频。

榜单前四都属于聊天机器人领域，其次是以Talkie AI、星野为代表的AI伴侣（AI情感陪伴）和Remini这类AI修图工具，而DeepL、Notion AI这类AI办公工具排名相对靠后。

一位从业者表示，聊天机器人定位为通用型AI工具，天然具备高普及度，各大厂主要也在卷这一方向。AI伴侣则满足了当下年轻人对于情感陪伴、社交的需求。至于修图、办公类AI应用，与人们的日常生活工作息息相关。

相比之下，尽管字节、快手、MiniMax等厂商在AI视频赛道重兵投入，但C端接受度不如其他类型，主要因为有一定的上手门槛。至于AI问诊、AI编程等垂类App，更是尚处市场培育期，接受度有待提升。

在热门的五大AI领域，都跑出了至少一款代表性产品。

比如在聊天机器人领域，ChatGPT最强，且增速稳定，3月的下载量远超1月。一位从业者表示，按照ChatGPT现在的技术迭代水平来看，MAU和下载量还会继续增长。国内这一赛道的竞争更加激烈，夸克、豆包、DeepSeek三者没有拉开明显差距。AI伴侣赛道中，Talkie AI月活最高，由国内公司MiniMax专门针对海外市场开发。

二是中外竞争格局。

不止一位从业者认为，国内AI应用的发展速度很快，中外差距正在缩小。整个Q1排名前二十的应用中，国内外数量基本持平，前五名里中国App占据四席，增速最快的也为国内的腾讯元宝。

这一方面源于越来越多人积极主动地拥抱AI，另一方面得益于各大厂商持续加大AI应用的研发和营销力度，以及一些如Deepseek的创业团队突围。这场全球AI竞速赛的悬念还在持续升级。

3.国内混战：营销战打响，元宝、即梦是最大变量

再来看看国内的情况。

1月AI应用排行榜前十名基本被三大阵营占据，包括“大厂系”的阿里夸克、字节豆包、百度文小言、360纳米AI搜索、科大讯飞的讯飞星火；“AI六小龙”的月之暗面Kimi、智谱的智谱清言；以及“新晋黑马”深度求索的DeepSeek。

它们的主战场集中在聊天机器人领域，大厂系表现最为突出，夸克、豆包霸占前两名；DeepSeek排在第三。

前十名中还有两位选手不属于聊天机器人赛道，为字节的猫箱和Mini Max的星野，它们都属于AI伴侣产品，在各个维度上的数据十分接近，目前还没有分出绝对胜负。

2月的格局发生了明显变化，字节系的AI视频生成工具即梦和腾讯元宝大步前进，分别排在第九和第五，讯飞星火和智谱清言消失在榜单前十。

不难看出，国内聊天机器人赛道还缺乏独特性，其能否上榜与营销力度有着强相关。

到了3月，即梦更进一步，从2月的第九升至第六，但其竞争对手快手的AI视频工具可灵则一直没有进入前十。

这或许和许多圈内人的感知背道而驰。不止一位从业者认为，可灵的文生视频、图生视频效果超过了国外的Sora。今年3月，全球知名AI基准测试机构Artificial Analysis发布了最新的全球视频生成大模型榜单，可灵1.6pro（高品质模式）排在图生视频（Image to Video）赛道榜首。

有从业者分析，一方面，AI视频生成工具存在一定门槛，天然比其他工具用户量少，另一方面，很多用户主要在Web端而非APP端使用，因此对两者比较时，还需要参考Web端数据。

Xsignal榜单显示，近三个月可灵和即梦的Web端排名紧挨，即梦略领先可灵一位。全球著名投资基金、咨询公司Andreessen Horowitz（简称a16z）发布的2025年全球100生成式AI应用排行榜显示，可灵网页端的月独立访客量排名20，超过了Sora、Midjourney、Runway等海外知名产品，即梦则没有上榜。

可灵、即梦谁的市场认可度更高，或许要等这类应用的用户数量更多时，才能得出一个比较准确的结论。

从排名变化可以看出，竞争最激烈的当属聊天机器人赛道。今年前三个月，夸克、豆包、DeepSeek都稳居国内AI应用榜第一梯队。元宝是最大变量，1月还未出现在榜单中，2月超过文小言、纳米AI搜索升到第五，3月又超过了Kimi排名第四。剩下几家要么原地踏步，要么排名逐月下降。

需要指出的是，元宝的快速爬升与接入DeepSeek有很大关系，夸克虽然也接入了DeepSeek，但受欢迎的主要原因在于功能丰富便捷，汇集了AI搜索、AI对话以及AI PPT、AI翻译、AI生图等不同需求。

纵观季度战局，三条关键脉络逐渐清晰：其一，多线布局已成头部玩家标配，例如字节同时押注豆包、即梦、猫箱三类不同方向的AI应用，MiniMax涉足AI视频与AI伴侣。

其二，营销战愈演愈烈。

腾讯元宝能在2月崛起，除了吃到DeepSeek的红利之外，还利用站内外平台大量投放广告，最终大力出奇迹。App Growing数据显示，其在整个Q1的预估投放金额达到了17亿，1月还仅为千万级，2月投放金额直接达到3亿元，到了3月更是逼近14亿（投放金额主要是结合APP在相应媒体的投放广告创意数和刊例价来计算，由于元宝投放的大多数是腾迅系渠道，真实花费可能低于此金额）。在大厂的烧钱战略之下，曾经大举投放的Kimi，逐渐缩小了投放力度，导致排名下滑。

App Growing数据显示，国内MAU最活跃的前十家AI应用（其中DeepSeek和夸克暂无相关数据）也都保持着高投放，它们在1-3月的单月投放金额总和分别达到了4亿、5亿、16亿，也就是说，国内靠前的热门AI应用一个季度就花了25亿打广告。

其三，技术优势与市场表现并不完全正相关，可灵和即梦在从业者端的认可度与用户端月活、下载量呈相反状态。

AI应用还没完全分出胜负，在这个竞技场，昨天的颠覆者可能成为明天的守擂人，能否平衡技术创新与市场洞察，考验着每一个玩家。

自从春节期间的deepseek出圈后，各家大模型就开始疯狂内卷，真应了那句话，AI一天，人间一年。尤其是到了近一个月，AI圈更是打的火热，各大AI大厂都在玩命更新，那在这些更新里到底哪个更好用呢？不知道大家能不能清楚，反正我是有点分不清，所以这个假期花了几天时间，实验对比了一圈，最终发现谷歌最新的模型Gemini 2.5 Pro成了最好用的。

先简单介绍下这个模型，Gemini 2.5 Pro是谷歌在3月25号发布的一个多模态模型，它能接受输入音频、图片、视频和文本，是谷歌当前最先进的思考型模型，能够解决各种复杂问题。

它在各种专业评分上几乎都是第一，比如在LMArena排行榜（衡量人类偏好）上就遥遥领先，几乎是全模态第一。

Gemini  2.5 Pro 还在常见的编码、数学和科学基准测试上也表现抢眼。

当然，只看评分其实没啥概念，只知道很强，但我们普通用户其实更关注的是到底能用在哪些地方，好不好用？怎么用上它？

和上次我写的教程《谷歌新出的生图模型，没想到把comfyUI的学习难度瞬间降低了》一样，它的使用同样简单，最近谷歌确实有点猛啊，快速出了很多好用的模型，而且都给咱们免费用。

先打开官方这个链接（需要科学上网） ：

https://aistudio.google.com/prompts/new_chat

然后选择Gemini 2.5Pro Preview 03-25这个模型

到这，你就已经可以免费使用上这个目前地表最强的AI思考模型了。

可以用它做啥？

它的优势有很多：超长记忆能力，目前能记住100万个token，地表最强；它能看懂视频，图片，听懂音频等等，几乎全能。

1、能读懂记住超长文本文件

看下最新的测试结果，谷歌最新的这个模型目前在长文本理解方面，完全没有对手。

它现在能记住100万个Token长度，什么概念呢？

想象一下，传统的 AI 模型像一个记忆力有限的学生，一次只能记住几页书的内容、而 Gemini 2.5 Pro 就像一位博学的智者，能够一口气“读”完并深刻理解一部巨著，比如《战争与和平》全集（约 70 万 Token），甚至还有余力。

这不仅仅是能“装下”更多信息，关键在于理解和关联。

在日常工作中，经常需要同时读懂大量文档，并且每个文档相互之间还需要关联上，这种长文本的能力就非常需要。我们在实际工作中的对话往往是非常长的，聊到后面忘记前面是现在很多AI的通病。

假如你是一个项目经理，接手了一个历史悠久、文档堆积如山的大型软件项目。里面有需求文档、设计稿、会议纪要、邮件往来、甚至几万行历史代码。你想快速了解项目的来龙去脉、关键决策点和潜在风险。

你可以将这些文档（总计可能几十万 Token）一次性“喂”给 Gemini 2.5 Pro。然后你可以直接提问：

“总结一下项目初期最重要的 3 个技术选型决策及其原因。”

“根据所有会议纪要，用户反馈最集中的功能模块是哪个？相关的讨论出现在哪些文档的哪部分？”

它马上就能给你来个总结，我这里就不放示例了，你可以自己去试试看，非常有效。

再比如我把我过往写的部分文章，一次性都丢给Gemini 2.5 Pro，里面有图有文字，希望它帮我分析出我最喜欢用的词语频次，并由此推测我的文风是什么样的？适合写什么类型的内容。

这是它给出的结果，可以说非常准确了。

对比GPT4.5，效果立马高下立判。

2、听懂音频文件，总结录音内容成文字

Gemini 2.5 Pro 不仅擅长处理文本，还能看图，看视频，听声音，并且得益于能记住超长的上下文，这种能力被提升到了新的高度。

我之前就经常苦恼于录了一段长录音，然后找音频转换文本的软件，发现大多数收费都非常贵。现在用谷歌Gemini，不仅免费还能直接帮我总结形成文字给我，非常实用。

上传音频文件，然后直接写提示词：“帮我把这一段录音文件转换为文字稿，并总结出其中的关键内容”

它能基于录音的内容分析出的每一句文字内容，最后还帮我做了总结，整个过程大概就花了3分钟就搞定了，非常效率。

3、看懂视频，找出视频中的关键信息

可以上传一段本地拍的视频，也可以直接用网上的一个视频链接（目前仅支持youtube），它就能直接分析出视频里的所有内容，甚至理解视频中每一帧的画面内容，这个能力真的太有用了。尤其像我习惯看长视频教程的人，对我来说非常实用。

分析完成后，它会告诉我总结之后的结果

对于能解析本地拍的视频，这个能力其实非常有用，比如在平时自己拍的一段视频，希望能分析出视频中自己的情绪变化。

比如还可以把B站的视频下载下来，通过分析弹幕上的文本了解观众对哪个功能的讨论最热烈？主要观点有哪些？针对视频中的哪部分内容，什么画面带来的情绪变化等等。

比如还可以问“发布会上的老板是在哪个时间点开始介绍新产品？他强调了哪些核心卖点？” ，顺便还让它“总结一下 35 分钟到 45 分钟这段 Q&A 环节的主要问题和回答。” ，甚至还能让它总结出视频中人物一共鼓掌了多少次。

它能像人一样“看”视频，理解画面内容、识别语音、定位关键帧，甚至进行一定的情感分析，我们不需要再手动拉进度条或单独做文字记录了。

它还强在哪些地方？

如果以上这些多模态能力，还不足以震撼到你我的话。更强悍的是当你实际用的时候，你就会发现，它真的比其他模型更厉害，没有对比就没有伤害。

比如就单纯在问答这块的能力，我们来对比下试试。

我以一位朋友的提问为例

这是deepseek的回答：

这是谷歌Gemini 2.0Pro的回答。对比看的话，Gemini更能抓住问题的重点，它似乎就是能读懂你想问的。

我们在用其他像GPT和deepseek之类的AI，你可能会发现，它们往往会顺着你的意思去回答，但Gemini会有自己的明确见解，能告诉你就要怎么做才好，能给出明确的建议，这是一个很好用的地方。因为我们通常是要找建议，还不只是看它帮我们分析，然后又不给结论。

比如再举一个朋友的提问，也是比较常见的问题。

先看下deepseek的回答

再看下Gemini的回答

对比看下来，我发现Gemini的回答是更有人味的，更像是我自己的在回答，和朋友聊天一样。

对于这一点来说，其实如果你自己不去真正用下的话，估计很难体会到，但我自己近段时间在用的时候是真切的体会到它的聪明、理性，对比其他工具来说，更加顺畅好用，关键还免费。

所以，有了一个这样能识别多模态，好用实用的AI工具，赶紧用起来吧。

我在想，在如今的AI时代，最核心的不是去关注到这些AI的发展，关注到它每天的更新变化，更重要的是要真的去把它们用起来，只有真正用到实际生产中，才能让AI给自己带来真正的能量。

“DeepSeek-R1如同当年苏联抢发的第一颗卫星，成为AI开启新时代的斯普特尼克时刻。”

2025年春节前，DeepSeek比除夕那天的烟花先一步在世界上空绽放。

离年夜饭仅剩几个小时，国内某家云服务器的工程师突然被拉入工作群，接到紧急任务，要求其快速调优芯片，以适配最新的DeepSeek-R1模型。该工程师告诉我们，“从接入到完成，整个过程不到一周”。

大年初二，一家从事Agent To B业务的厂商负责人电话被打爆，客户的要求简单粗暴：第一时间验证模型真实性能，尽快把部署提上日程。

节前大模型，节后只有DeepSeek。DeepSeek-R1就像一道分水岭，重新书写了中国大模型的叙事逻辑。

以2022年11月，OpenAI发布基于GPT-3.5的ChatGPT应用为起点，国内自此走上了追赶OpenAI的道路。2023年，大模型如雨后春笋般冒出头，无大模型不AI，各厂商你追我赶，百模大战初见端倪。

你方唱罢我登场，2024年的主人公变成了“AI六小虎”，AI创业成为新的故事脚本。仅一年的时间，智谱累计完成40亿元人民币融资，月之暗面融资总额超13亿美元。在资本抛出橄榄枝后，他们站到了聚光灯下，一跃成为明星独角兽公司。

新的转折点发生在DeepSeek-R1爆火后，曾有一段时间内行业陷入了“一半火焰，一半海水”的境地，即一边积极拥抱学习R1，一边陷入了深深的自省。

徘徊是短暂的，随着百度、阿里、字节、腾讯、科大讯飞等厂商纷纷发布最新的推理模型，2025年的AI叙事主题呼之欲出：“六大推理模型迎战OpenAI”。

推理模型的当打之年

回看OpenAI的模型发布时间线，在基础模型方向，可以分为GPT系列和o系列，2024年OpenAI所发布的o1是一个里程碑式的转向。

（光子星球制图）

GPT系列是OpenAI最早构建的模型体系，聚焦自然语言处理、对话系统与文本生成，强调语言流畅性与上下文理解能力。o系列是OpenAI于2023年新设立的模型家族，核心聚焦“结构化推理”能力，强调模型的逻辑、分析、工具调用能力，是对GPT系列“语言偏重”路线的补充与扩展。

未来GPT系列或将逐渐退出历史舞台。OpenAI在更新日志中宣布，自2025年4月30日起，GPT4将在ChatGPT中退役，将完全被GPT4o取代。

如果只是OpenAI自身技术选择，o系列和DeepSeek-R1并不会带来如此强大的影响。以底层模型架构举例，有公司选择传统的Transformer架构，也有公司选择自研架构。

o系列崛起有一个大背景，即大模型范式的改变，从传统预训练阶段模型参数的Scaling Law，转移到强化学习推理计算带来新Scaling Law。这一点在OpenAI的o3开发过程中得到了验证，OpenAI观察到大规模强化学习表现出与GPT系列预训练中观察到的趋势相同，计算量越大，性能越好。

简而言之，就是让AI自己规划、学习、反馈和完成任务，这与如今大热的Agent所需具备的能力一致。

有技术人员告诉光子星球，o1以后所发布的“Deep Research”Agent，完全基于模型从头训练，且未公开思维链推理过程。“这意味着底座模型能力直接决定了Agent的落地效果”，想要在大模型第二程变得有竞争力，推理模型几乎成为了必选。

站在公司和技术一号位角度，第一时间跟进o1和DeepSeek-R1是一种判断和眼光，但同时也代表着重投入与高风险。

我们了解到国内的很多公司，名义上有自研大模型，但实则是“套壳”。o系列站在GPT的肩膀上诞生，这导致地基不牢的公司只能望而却步。另一方面，融资和商业化变现的压力，又淘汰了一批公司。

（光子星球制图）

于是，我们发现去年星光暗淡的大厂们，成为了反应最快，跟进最及时的代表。

以DeepSeek-R1（2025年1月20日发布）为时间基准线，当月科大讯飞就发布了深度推理大模型——讯飞星火X1；3月，百度发布文心大模型X1，阿里发布通义千问Qwen-QwQ-32B推理模型，腾讯发布混元T1深度思考模型；4月，字节豆包1.5深度思考模型上线，同时讯飞星火X1迎来升级，发布“快思考、慢思考统一模型”。

上述厂商有一些共同之处，跟上了每一次的模型能力升级进度，在转向推理方向前，其基础模型能力基本都达到了GPT-4的水平。以此作为参照，这可能是迈入大模型第二阶段的基本条件。

六大推理模型混战o3

o3目前是OpenAI最强大的推理模型。网上流传的一张大模型IQ图显示，人类平均IQ为100，o3智商达到了惊人的136。

测试数据显示，o3在多项基准测试中超越了o1的性能，特别在分析图像、图表和图形等视觉任务中表现尤为出色。

在外部专家的评估中，o3在困难的现实任务中比o1犯的重大错误减少20%，在编程、商业、咨询和创意构思等领域都有不错的表现。

需要承认的是，OpenAI存货确实有两把刷子，继o1之后，o3又成为了新的大模型性能攀登高峰。但国内各大模型厂商的跟进速度并不慢，若以DeepSeek-R1为参考标准，百度、阿里、科大讯飞、字节、腾讯后面所发布的推理模型水平相差不大，部分在一些测试指标上甚至有超越。

截至目前，国产六大推理模型各有千秋。

DeepSeek-R1的意义不言而喻，完整的技术报告和开源部署，给予了行业推理大模型训练思路。打开了OpenAI闭源的“黑匣子”，成功复刻出了性能相差无几的o1。R1突出的特点是“花小钱办大事”，高效且追求极致性价比。在非常有限的算力、数据等资源投入的情况下，训练成本却仅为560万美元，远低于美国AI公司的数千万美元乃至数亿美元投入。

一位知情人士告诉我们，DeepSeek-R1和一些国产推理大模型不构成直接竞争对手。在B端业务中，目前阿里开源的千问系列模型占比更重。“全尺寸和全模型，就像一个全家桶，可以供客户选择。32B的模型大小，跑起来成本也不是很高”。

百度在这波中从生态层面接入了DeepSeek，这给了用户更多选择权，开源和免费的策略或将能吸引更多用户。文心大模型X1采用“思维链-行动链”协同训练，在复杂任务中自动拆解为二十多个推理步骤，同时可以调用十几种的工具链，以此来增强Agent的能力。

有参与过与百度合作的人士告诉光子星球，在金融、医疗、政务等一些垂类领域，百度会“牵线搭桥”，把一些相关业务的公司攒到一个局。“百度提供基础模型，我们提供另一方所需的技术，最后直接跟百度核算”。通过这种方式，百度正不断缩小To B大模型市场与科大讯飞之间的差距。

科大讯飞的星火X1，是当前业界唯一基于全国产算力训练的深度推理大模型。

正是基于全栈国产、自主可控的优势，科大讯飞的星火大模型倍受央国企和政府客户的青睐，保持行业端领先。4月21日，星火X1升级提升了通用能力，也同步增强了面向行业的解决方案能力。在重点行业，如教育、医疗、司法等领域的测试中，都获得了超过OpenAI和DeepSeek的分数，这些能力无疑会在今年大模型订单中有所体现。

星火X1一个模型同时支持两种思考模式，提升了模型处理不同复杂度任务的能力，满血版星火X1仅需4张卡（华为910B）即可部署。与华为的深度合作，以及不断迭代的底座大模型能力和强大的行业大模型落地体系，已经成为科大讯飞在一众大厂围剿中突出重围的三大利器。

国内闭源大模型中，豆包模型被评价为“有一定价格竞争力”。一位做AI玩具的厂商告诉我们，他的产品接入了多家大模型，在用户使用过程中，优先使用各家的免费Token额度，“一旦超过后，优先切换豆包，价格能控制在比较低的成本”。

去年，豆包参与主导了价格战，豆包大模型价格降至0.0008元/千Tokens，豆包视觉理解模型定价0.003元/千Tokens，均低于当时行业平均水平。此外，豆包大模型是技术落地AI应用产品值得借鉴的案例，端到端的实时语音技术、多模态、Agent技术都能在第一时间介入豆包应用端，这也是支撑其快速迭代更新的原因之一。

腾讯混元入场较晚。有员工曾向我们表示，混元团队成员大部分以前是搜索推荐广告出身，跟通义、字节或许有一定差距，“赶鸭子上架，好像也没什么明确方向，东一下西一下”，“一群外行人指导内行人”。加之人员的流逝，导致了混元曾一度处于停滞状态。

借着DeepSeek崛起的东风，元宝已经悄然实现了逆袭。至少从数据层面看，已经取得阶段性成果。一位内部人士告诉我们，2025年春节以来的这几个月，腾讯倾注了整个集团资源对元宝进行推广，无论线下活动资源，还是微信导流或者预算投入，对于元宝都是重点倾斜，通过这种大力出奇迹的方式，逆转了此前完全被动的局面。

从目前各公司的市场反馈来看，云端多模调用已经逐渐被认可，各家模型并存，用户按需调取才是未来。在现实情况中，客户最终是否选用一款大模型，模型性能只是一项衡量标准，背后可能还涉及数据、生态等多方面的考量。

大模型将全面国产化？

自DeepSeek-R1开始，国产推理大模型成为了各榜单的常客，AI开源社区的用户以真实的下载量和Star数来支持中国AI的发展。

即便如此，当前大模型仍面临着或多或少的“卡脖子”的问题。

近期，有消息称，英伟达已通过非正式渠道通知其AIC合作伙伴（如七彩虹、影驰、同德等），暂停GeForce RTX 5090D的销售和出货。这一举措被认为是英伟达在应对国际环境变化的预防性措施。

尽管英伟达尚未发布正式公告，但业内普遍认为，RTX 5090D的供应已进入“暂停状态”，这仅仅才只是开始。

若从源头上被限制，英伟达必将遭遇更加巨额的损失，而美国之外国家的大模型发展将遭遇不确定性，追赶OpenAI的步伐也将受到一定的阻碍。

在此背景下，全国产化技术路径将越来越成为大家的备选项。这其中，科大讯飞做了较为充分的准备。据了解，科大讯飞与合作伙伴联合通过四大核心技术优化，实现MoE模型集群推理性能翻倍提升。

根据最新测试集评测结果，星火X1在通用任务效果评测中全面对标OpenAI o1和DeepSeek R1，在数学、知识问答等方面表现突出，这表明在技术自主可控的道路上，中国AI已具备与国际顶尖模型同台竞技的实力。

去年风光无限的AI六小虎，如今早已各奔东西，境遇迥然。被DeepSeek击碎“AGI理想”“学术天才创业”和“明星AI产品”的月之暗面，回归到低调的技术研发中；将底层技术和产品解绑后的MiniMax，加大了对技术的投入，方向同样为Agent和推理模型；六小虎中的智谱终于盼来了即将IPO的好消息，不过其整体营收、估值以及能否顺利实现IPO，仍充满变数。

去年，Kimi、海螺AI等AI应用的出圈，短暂地迎来了AI公司的高光时刻。但今年，推理模型已经成为了国内各大厂商角逐的重要方向，AI六小虎的方向与大厂高度重合，而决定他们能否生存下去的“口粮”则握在大厂们的手上。

如今，随着六大推理大模型的全面崛起，以及国际环境的不确定性加剧，全栈国产化大模型有望将成为一种新的主流。

从半导体、工业软件与信创再到今天的AI芯片，历史的经验告诉我们，想要摆脱被制约的现状就得实现独立自主，将命运牢牢掌握在自己手中。或许在不久的将来，越来越多的国产大模型将走上全栈国产化对抗OpenAI们的道路。

作者：郝鑫，编辑：王潘

来源：guangzi0088（ID：TMTweb）

2025开年伊始， 从1月DeepSeek R1发布引发新一轮国产大模型技术爆发，到3月Manus横空出世启动内测打开AI智能体话题热度，从底层基础设施到终端产品应用，从产业深耕提升纵深能力到产品创新形成差异化竞争优势，无论是技术能力还是商业模式，国产AI都处于全球领先水平。海外无论是政策环境还是供需关系，均从内外部双轮驱动国产AI出海蓄势待发。

01. 中国AI出海背景概况

（一）中国AI出海产业图谱

AI产业链自下而上主要包括底层基础设施、中间技术层以及终端应用层，涵盖各类软硬件以及产品应用，同时由支付、营销、云等服务生态提供全方位赋能加持。终端应用层主要包括AIGC等软件应用以及智能硬件产品。

（二）中国AI出海驱动因素

1.政策法规

近年来，全球主要国家和地区相继出台了一系列人工智能相关战略和规划文件，将政策重点聚焦在加强投资和人才培养、促进合作开放以及完善监管和标准建设上，全球人工智能正进入战略布局加快、产业应用加速发展落地阶段。

2.技术能力

2024年，新增生成式AI专利数中，6家中国科技企业上榜Top10，专利总量处于领先地位，国产大模型在部分测试维度中已赶超国外大模型。大模型技术水平的进步进一步提升了效率，从而推动API调用价格的下降，也让AI出海企业在实际应用中降低了使用成本。

（三）中国AI出海历程阶段

根据当前中国AI出海现状，同时结合AI技术的发展，中国AI出海大致可分为三个阶段：第一阶段为通用工具及模型时代，第二阶段为AI应用和解决方案本地化时代，第三阶段为资源整合后的生态创新时代。

中国AI出海是开源社区里一次次更新的国产大模型，是云服务商在海外新建的数据中心，是全球AI独角兽榜单上不断涌现的中国创业公司。

02. 中国AI出海现状分析

（一）AI海外用户画像

海外人口大国印度、东南亚、拉美等地区有大量AI用户；而北美和欧洲的用户付费习惯更为成熟，贡献了整体68%的收入占比。以ChatGPT为例：男女比例相对平衡，18-34岁的青年群体是AI用户的主力军。

（二）AIGC海外盈利模式

AIGC海外盈利模式主要包括订阅制、按量收费/单次收费和广告收入，三者各有特点，可以针对不同用户的消费意愿和消费能力满足其使用需求；

以Hailuo和Kling为例，两大视频赛道顶流产品，通过用户自主订阅来提供视频生成等服务，套餐价格按量和周期进行梯度划分，满足不同用户的购买需求。除此之外，两大产品还允许通过API调用的方式根据使用量来计费，向企业和开发者提供视频生成服务。

（三）AI硬件海外销售渠道

线上销售渠道：主要包括自建独立站以及上架当地主流跨境电商平台进行销售，例如AI耳机等智能可穿戴设备多通过该方式售卖。部分初创企业也会选择通过众筹平台来销售早期产品，例如Ropet、Loona等产品。

线下销售渠道：主要包括开设直营门店、入驻大型连锁商超打响品牌知名度，以及与当地经销商、分销商等合作拓宽销售渠道。该类销售模式多具备本地售后服务能力。

03. 中国AI出海趋势总结

（一）市场趋势

东南亚、中美、西亚等地区凭借高于全球平均水平的互联网渗透率，同时具备大量年轻人口的年龄优势，随着未来经济发展以及基础设施完善，将是中国AI出海企业的核心潜力市场。

（二）行业趋势

用户对通用助手类产品和图像及视频编辑类产品有更高的付费意愿和使用习惯，这两类产品均能在工作或生活场景中帮助使用者实现效率提升。助手类产品的下载量增速远高于AI图像类产品，海外Top6区域市场的增长率都达到双位数，获客空间和增长潜力更加可观。

（三）技术趋势

基于多模态大模型，AI产品的交互方式已经逐渐从文生文，拓展至文生图、文生视频、图生图、图生视频等多元混合模式。在出海AI搜索类产品和以Cici等为代表的通用助手类产品中，Agent形式的出现能够让用户通过简单的自然语言进行复杂的任务处理。

（四）产品趋势

用户对产品应用的需求越来越垂直细分，对产品功能和场景切换能力要求也逐步提高，而AI技术的进步恰好让复杂的功能得以实现，从而推动硬件产品形态的突破和迭代，进而满足不同用户的多元化及个性化需求。与此同时，用户需求也推动了AI技术在硬件产品中的应用和融合，帮助AI出海企业找到全新的应用切入视角。

04. 中国AI出海代表玩家

（一）字节跳动：丰富的产品矩阵

（二）昆仑万维：扎实的纵深能力

（三）蝴蝶效应：技术卡位到技术原创

（四）科大讯飞：软硬结合双向赋能

（五）科沃斯：线上线下双管齐下

05. 中国AI出海解决方案

（一）支付解决方案：Airwallex 空中云汇

Airwallex 空中云汇是领先的全球支付及金融平台，面向现代化企业提供创新性的全球支付、财务管理、费控管理以及嵌入式金融解决方案。空中云汇运用自建的全球金融服务设施，解决了跨境支付和财务运营中的各种痛点，赋能全球超15万家企业实现无界增长，包括迈凯伦车队、SHEIN、澳洲航空、Canva以及一系列AI科技类企业。

（二）营销解决方案：科大讯飞

科大迅飞L4级智能营销解决方案，通过覆盖红人营销、精准投放和独立站电商三大营销场景，为品牌实现从红人种草、广告投放到站内运营收割的完整流程。

（三）云解决方案：阿里云

阿里云创立于 2009 年，是全球领先的云计算和人工智能公司，已有 10年服务企业全球化的丰富经验，帮助超过 25万中国企业出海，在计算、存储、网络、数据库、大数据、云原生解决方案和安全等产品方面全球领先。

作者：霞光智库

来源：霞光社

当身高1.27米的宇树科技人形机器人G1在直播间用机械臂指向屏幕，字正腔圆地喊出“三、二、一，上链接！”时，这场由“硅基生命”主导的带货实验，瞬间点燃了电商行业的未来想象。

3月31日晚，淘宝“交个朋友”直播间上演人机历史性同框：宇树科技人形机器人G1以实体主播身份，与罗永浩共同推介四足机器狗GO2。开场仅1分钟，售价9997元起的GO2即被抢购超百只，总成交额突破190万元，效率堪比头部主播大促专场。

“宇树科技机器人带货机器狗”话题登上淘宝热搜（图源：淘宝）

镜头前，G1的表现颠覆了公众对机器人的刻板印象： 它不仅流畅讲解产品参数，还能在罗永浩突袭提问“如何证明直播间品质”时，秒回“交个朋友直播间专业品质有保障”， 直播间弹幕瞬间被网友“高情商AI”“这波接梗比真人还丝滑”“赛博打工人觉醒”等留言刷屏。

这场直播的另一个主角——四足机器狗GO2，将技术参数转化为硬核“才艺”：同步展示了握手、拜年、后空翻、越障攀爬等高难度动作……其搭载的自研4D激光雷达技术，更在直播中实时演示自主导航避障，甚至能通过摄像头识别主播手势指令，完成“递送商品”等互动环节。

淘宝“交个朋友”直播间截图（图源：淘宝）

一、行业震荡：机器人主播会抢走人类饭碗吗？

直播间的狂欢背后，争议随之而来。有网友担忧“人类主播会不会被机器人取代”，但行业观察家指出，当前机器人仅能替代标准化口播或简单的人机互动，而创意策划、情感共鸣仍需人类主导。纵观直播行业的发展轨迹，其主体形态正经历从真人实体到智能实体的渐进式演变：

（一）真人主播：个人魅力与局限并存

早期直播生态完全依赖于真人主播的个人表现力， 这种模式虽然具有较强的情感共鸣优势，但在持续运营能力和规模化复制方面存在明显短板。 以早期淘宝头部主播李佳琦为例，其标志性的“OMG！买它！”不仅成为流行语，更创造了5分钟售空15万支口红的神话。尽管李佳琦在电商直播领域取得了巨大成功，但也因多次在直播间情绪失控或不当言论引发消费者不满。

李佳琦就不当言论公开道歉（图源：网络）

同样，抖音直播间“与辉同行”负责人董宇辉，这位由英语老师跨界转型的带货主播，凭借深厚的知识储备与人文情怀，开创了“文化带货”“文旅直播”的新范式。即便是董宇辉这样的顶级主播，也同样面临真人模式的天然局限。例如，在今年一次外场带货促期间，董宇辉因连续7小时高强度输出突发低血糖，直观反映了真人主播的生理极限。

（二）虚拟数字人：技术初期的双刃剑

随着技术的突破，虚拟数字人开始进入直播领域，实现了全天候不间断的内容输出，但在交互深度和情感传递上仍显不足。例如，早期虚拟主播如洛天依，凭借二次元形象吸引年轻群体。其核心优势在于可控性与可复制性——同一数字人可同时登陆多个直播间。 但技术局限显著，如预设话术库难以应对复杂提问，情感表达扁平化；同时动作与语音合成的细微卡顿也削弱真实感。

华凌空调与洛天依联名合作（图源：广州虚拟动力）

去年4月，京东创始人刘强东以AI数字人“采销东哥”形象亮相京东直播间，因其高度仿真的外观、真实的语音和动作，引发了广泛关注。在30分钟内吸引了超过1000万的观看者，40分钟内订单量突破10万，整场直播的累计成交额超过了5000万元。尽管刘强东的数字人直播取得了成功，但观众也提出了如数字人有时显得生硬，语音和口型不够自然等不同意见。

刘强东AI数字人“采销东哥”直播首播（图源：京东）

（三）中之人：虚实融合的过渡形态

为了弥补虚拟人物缺乏真实感和深度交互能力的不足，中之人（通过真人操控虚拟形象）应运而生。 在直播过程中，中之人通过自己的声音、动作和情感赋予了虚拟形象生命，有效地提升了直播的情感表达和互动性。 比如，当观众在弹幕中表达出开心或者感动的情绪时，中之人可以让虚拟形象做出相应的表情和动作，与观众产生情感共鸣。

“中直人”直播间截图（图源：广州虚拟动力）

然而，这种模式仍然存在一定的局限性。 虽然中之人可以操控虚拟形象，但本质上还是需要真人参与其中，这就意味着仍然无法完全脱离人力成本。 中之人需要经过专业的培训和长期的实践，才能熟练地操控虚拟形象进行直播。而且，中之人的工作强度也比较大，长时间的操控可能会导致身体疲劳和精神压力。此外，由于中之人是隐藏在虚拟形象背后的，观众对“皮套下是谁”的窥探欲常引发隐私纠纷。

（四）机器人主播：具身智能的颠覆性突破

随着科技的不断进步，人形机器人主播逐渐成为直播技术的前沿探索方向。 机器人主播以实体机器人或具身智能为载体，兼具自动化、稳定性和物理交互能力，可以通过各种动作和表情与观众进行更加直观的互动。 例如，开头提到的宇树机器人主播不仅能够亲自展示产品的功能和使用方法，还可以根据不同的直播场景和观众需求，做出相应的反应和调整。

机器人主播突破了以往直播主体的各种限制，为直播行业的发展带来全新可能。 但是，目前机器人主播的发展还处于初级阶段，仍然面临着诸多技术和应用方面的挑战。 例如，机器人的语音识别和自然语言处理能力还不够完善，在与观众进行复杂对话时可能会出现理解偏差和回答不准确的情况。而且，机器人的动作灵活性和表情丰富度也有待提高。

宇树机器人淘宝带货机器狗直播现场截图（图源：淘宝）

值得关注的是， 这种技术演进不是简单的替代关系，而是重新定义了行业分工。机器人主播在标准化、重复性工作场景中展现优势，而人类则更专注于创意策划、情感连接等高阶价值创造。 这种分工的优化不是零和博弈，而是通过技术赋能，共同拓展行业可能性的新机遇。

二、演进趋势：机器人直播能否成为未来电商新赛道？

在人工智能技术持续迭代的背景下，中国电商直播行业正迎来新一轮变革。近期，主流直播平台密集调整政策，强化对虚拟主播的监管力度。与此同时，以淘宝、京东为代表的电商巨头正积极布局实体机器人直播这一新兴领域。 行业观察家普遍认为，这一创新模式有望形成差异化竞争赛道，或将重新定义电商直播的商业逻辑。

（一）监管政策收紧，虚拟主播遭遇发展瓶颈

三川汇文化科技研究院调研发现，目前，抖音、快手等头部平台已对虚拟主播实施严格的管控措施。其中，微信视频号率先将虚拟直播纳入违规范畴。其2024年修订的平台直播运营规范明确指出， 采用AI技术生成的虚拟形象进行直播属于“非真实直播行为”，无论是完全虚构的数字人还是真人数字分身，均被列入禁止范围。

快手平台的政策转向尤为明显。该平台曾高调推出“女娲数字人”培育计划，但近期已调整策略，明确表示不再为AI生成的直播内容提供流量倾斜。其2024年最新发布的《虚拟直播管理规范》要求： 所有虚拟主播必须绑定真实运营者信息，且禁止纯AI驱动的直播带货行为。 平台数据显示，新规实施后已有近40个违规账号被清退。

抖音在监管政策上采取了相对折中的立场。作为首个对AIGC内容制定专门规范的平台，抖音承认虚拟直播的“合法性”，但设置了严格的前提条件： 必须进行显著标识以区分虚实，且要求背后的运营者完成实名认证。值得注意的是，平台严禁完全无人值守的AI直播，违规者将面临流量限制乃至封号处罚。

相较之下，淘宝和京东在虚拟直播领域仍保持开放态度。两大电商平台不仅允许虚拟主播开展业务，更在技术创新方面持续投入。 典型案例包括淘宝引入AI数字人YOOKI并开放技术接口；京东云言犀数字人在去年618大促期间创造了超40万小时的直播记录。 这种差异化政策取向，反映出平台方对新兴技术应用的不同战略考量。

（二）竞争优势凸显，实体机器人主播崭露头角

从宇树机器人试水淘宝直播间的创新实验可见， 与虚拟人直播遇冷形成鲜明对比的是，实体机器人直播最大差异化优势在于其物理实体带来的真实感。 第三方机构监测数据显示，相比虚拟直播，机器人直播的转化效能提升超40%，用户粘性增长35%，特别在家电、3C、智能硬件等实物演示的品类中表现尤为突出。核心优势主要体现在三个方面：

一是实体展示与智能交互的完美结合。 机器人能够精准执行标准化演示动作，确保产品参数、性能特点等关键信息传递的准确性，避免了人为操作可能带来的失误。以宇树科技G1机器人为例，其在直播中可精确阐释机器狗GO2搭载的4D激光雷达等专业技术参数。这种基于事实的客观呈现，有效规避了传统直播中常见的夸大宣传、臆测功效等问题，为行业诚信建设提供了新思路。

二是人机协同所产生出的倍增效应。 伴随数字经济的发展，“技术赋能而非替代”已成为行业共识。淘宝直播业务负责人强调，人类主播的情感共鸣与机器人的精准输出相结合，正在创造新的行业标准， 采用人机协作模式的直播间，其用户停留时长达到行业均值的2.3倍，转化效率提升超60个百分点。 为此，淘宝已启动“星火计划”，旨在培养具备人机协作能力的新生代主播。

三是政策红利与场景创新的双重驱动。 与虚拟直播面临的监管压力不同， 实体机器人直播既规避了虚拟形象的政策风险，又符合国家智能制造发展战略和扩大消费政策导向。 中办国办公印发的《提振消费专项行动方案》等政策文件明确支持“人工智能+消费场景”模式创新，地方政府也相继出台专项扶持政策。如杭州市对人形机器人示范性应用场景给予最高200万元的资金奖励，为行业发展注入了强劲动力。

需要正视的是， 尽管机器人直播具备成为独立赛道的潜力，但目前仍面临诸多挑战： 市场端存在B2B向B2C转型的瓶颈；成本方面，动辄数十万元的机器人设备投入超出普通商家的承受范围；技术层面，机器人主播在自然交互、情感表达等方面尚需突破。这些因素共同制约着该赛道的快速发展，需要产业链各环节协同破解。

三、未来路径：实体机器人直播能否突出重围？

4月10日晚间，宇树科技官方微博发布了人形机器人G1拳击视频并透露，将会在近一个月左右开启机器人格斗直播。在技术与市场的双重驱动下，机器人直播已经站在变革的十字路口。尽管面临成本高企、技术瓶颈等挑战，但其发展潜力已得到多方验证，未来或通过以下路径实现突围：

宇树科技展示G1机器人拳击比赛（图源：宇树科技）

（一）深化技术研发，提升智能交互体验

实体机器人直播须具备更为强大的自然语言处理能力， 既要能够和观众进行流畅、自然的对话，还要能精准理解观众的问题并提供详尽、专业的解答。 比如，在直播中能够实时回应观众有关产品特点、使用方法、售后保障等方面的疑问。同时，增强情感识别与表达能力，通过观众的情绪反馈做出相应的互动和回应，营造更具亲和力的直播氛围。这些能力的升级和突破，离不开人工智能技术的持续迭代。

（二）优化成本结构，推动C端市场普及

当前，高端人形机器人动辄数十万元，远超普通商家的承受能力，限制了C端市场的发展。 打开更广阔的市场，需要进一步优化单体成本结构，根据电商用户需求推出基础版或高阶版直播机器人，降低初始投入成本。 以人机协同方案为例，可以结合功能需求开发轻量级辅助机器人，承担产品展示、商品讲解等部分直播工作，而非完全替代真人主播。同时，电商平台可与机器人厂商合作提供按需租赁服务，降低中小商家使用门槛，加速市场渗透。

带货直播中人机协同工作的场景图（图源：AI制作）

（三）创新内容形式，突破传统直播框架

机器人直播若想真正吸引用户，必须在内容形式上寻求差异化： 除了产品展示和互动，还可以融入更多娱乐元素，如让机器人表演才艺、讲故事等，增加直播的趣味性和吸引力。 同时，也要注重跨界IP合作，比如与知名品牌、明星或虚拟偶像联动，借助其流量优势提高机器人直播的用户转化率等。此外，还可以利用机器人主播在夜间非黄金时段填补真人主播空缺等优势，采用更加温馨、舒缓的讲解方式重点推荐一些适合放松的商品，为电商平台带来了更多销售额。

机器人表演直播示意图（图源：AI制作）

（四）构建规范体系，促进行业有序发展

机器人直播电商的终极目标不应局限于“替代人力”，而是构建全新的数字化营销生态。 建议：国家相关行业主管部门加快制定智能直播技术标准，明确设备性能、内容审核及隐私保护等规范要求，明确机器人与自然人主播伦理准则或红线条款，防范法律风险。 同时，鼓励探索人机协同的最佳实践方案，既要发挥机器人在信息传递、流程执行方面的稳定性优势，也要保留真人主播的创意发挥空间，形成优势互补的直播新范式。

结语

机器人直播电商的破冰突围，本质是商业效率与人性化服务的再平衡。伴随淘宝、京东等头部电商平台的成功试水，这场始于带货实验的技术革命，或将催生中国电商转型升级的新范式——既非机器取代人，亦非人抗拒机器，而是重新构建“人类创造产品，机器放大价值”的共生生态。尽管前路仍有挑战，但这一赛道衍生出的想象空间已不容忽视！

作者：无花果

来源：文化产业评论

最近ChatGPT 4o确实超级好玩，玩法不要太多，我有很多想法但无奈最近服务器一天到晚崩溃个没完，（建议只为了生图功能准备买会员还没买的再考虑考虑），暂时没法做多玩法汇总的详细教程，今天单讲生成表情包的流程。

今天的内容顺序如下：

1.使用4o生成趣味表情包的流程2.上传表情到微信表情开放平台的方法

2.1 图片裁剪与压缩的操作方法

1.使用4o生成趣味表情包的流程

我有个很经常用的高糊魔改表情：

这里我延续这个表情的气质构思一套新的表情。先看看我做的毛毛小狗最终效果：

内容长度关系动图今天就不讲了，主要讲静态表情包的制作。输入提示词并加上最初的狗狗表情，提示词如下：

创建图片：

一个戴着深蓝色蝴蝶结领结的柴犬，表情参考我上传的图片，3D风格，毛绒绒质感，不要太逼真，比例为1:1

得到的第一个表情有点呆，我重新输入“让它看起来得意一点”得到了第二张图。

一次生成九宫格表情包的快捷方法灵感来自@歸藏的AI工具箱，我这里也用了类似的比较粗暴的办法。

我们现在继续基于第二个柴犬的形象开始继续延展表情。有一个简单的方式，就是先去收集很多自己喜欢的表情包，给到AI作为参考。比如我收集了下面这些表情包，把每组拼图为9个：

然后将先前做好的狗狗原图和一张九宫格拼图一起上传到4o对话框：

创建图片：

参考图二的动作和道具制作表情包九宫格，每个图案都替换为图一为主角，保持风格为图一的质感，整整齐齐无留白排列，颜色明亮不偏黄，文字内容仔细核对不要出错

我们等一段时间后，就会看到生成好的图片。最近真的很难等，我的也是一样。或者觉得不满意的，还可以微调下。

另外有的地方是需要上传一个封面图的，这张横幅的图片也可以由4o生成。但是4o无法精确到这个尺寸，可以先要求它做一个比例约3:2的（16:9我试过，没有成功）。

创建图片：

以这个图片中的狗狗为主体，制作一个横版的海报，海报背景是黄色格纹，左边是大字“Hello”下一行是一样的大字“It’s me”，文字采用了和狗狗毛材质一样的材质，明度更深一点饱和度更高一点

还有一点，如果有个你很喜欢的表情，使用九宫格出的效果一直不好，也可以单个一个个去生成，只是这样比较费时间一点，加上隔段时间会被限制出图，会等待更久一点。

然后将之前所有图片都下载下来，挑选出需要的表情图片，准备进行第二步。

2.上传表情到微信表情开放平台的方法

你可以使用电脑浏览器前往（https://sticker.weixin.qq.com）注册账号，注册后即可上传你的作品。

注册指引请参考：https://sticker.weixin.qq.com/cgi-bin/mmemoticon-bin/readtemplate?t=guide/main#section1

首先进行注册，查看上面的注册指引链接↑，注册指引的地方会告诉你需要准备哪些：

注册好之后，会看见这个界面：

点击我画了红框的位置开始提交作品。不要选【创建形象】，因为那个是针对已上传的表情作品的。

选择【表情专辑】：

开始上传表情：

2.1 图片裁剪与压缩的操作方法

这里有个尺寸的要求，对于会PS或者Figma的朋友很好解决，如果是完全不会的，可以使用下面这个免费好用的在线工具：

在线裁剪修改图像大小工具：https://www.gaitubao.com/

我简单演示一下操作方法：

1.打开网页，点击绿色按钮上传图片：

这里有【修改大小】和【改变尺寸】，比如我们看见前面尺寸写了240×240像素，是1比1的正方形，我们图片也是正方形，但是尺寸太大上传失败，那么选择【修改大小】。然后注意！点击【确定】开始修改，不要点击【开始上传并修改】。

然后看到图片已经缩小了，右键【图片另存为】保存图片。

如果是像这样填写【艺术家资料】的页面，尺寸是750×400像素，但是我们图片尺寸不同，那么选择【改变尺寸】。

操作方式如下图：

但接下来可能还会遇到一个问题：

要求尺寸不超过80k。那我们回到网页的主页，点击上方【PNG压缩】然后上传图片，下载压缩后50.2KB的图片即可。

2.2 继续操作填写

但是注意，开通赞赏需要条件，大家也可以看看是否符合：

按照要求填写艺术家信息：

最后我们填写完毕提交内容，就可以看到这个界面：

回到首页可以看见表情包在审核中了，点击【详情】可以看见作品详情页：

另外，之前无法接受赞赏，可以在↑右上方【撤回编辑】，重新编辑的时候接受赞赏。

好了，今天的AI表情包制作+上架教程就到这里，学了的话就去尝试吧！欢迎大家评论区交流分享自己制作的表情包！

本教程内容涉及AI相关。

AI的应用，走过了智能办公、智慧搜索时期，已经到了“深度赋能”的阶段。

以往AI更多地像一个工具，做一些信息搜索和分析的工作。如今，AI能渗透到更复杂的场景，实现深度赋能。在2025年磁力大会上，快手向外界分享了其AI深度赋能营销经营的成果。

财报数据显示，2024年全年，快手线上营销服务收入同比增长20.1%至724亿元，其中Q4线上营销收入首次突破200亿元达206亿元，这样的增长背后主要由于智能营销方案的持续优化和AI技术的应用，推动营销客户投放消耗增加。从广告内容生产、智能化投放，到大模型用户理解、内容和商品匹配等，快手把AI技术深度融合到营销经营的各个环节，提升经营效率，为品牌和商家带来从“曝光转化”到“价值共生”的商业回报，也加速了把“磁力引擎”打造成为下一代AI智能商业引擎。

另外，快手的图生视频产品可灵AI自上线及商业化以来到2025年2月，已累计营业收入超1亿元。

可以说，快手已实现让AI从“辅助者”变成“核心驱动力”。那么，快手到底如何用AI重构营销商业？

01 底层基座：一套完整的多模态大模型技术矩阵

上层的应用架构和能力，是基于底座的实力。

与行业普遍聚焦单一通用大模型不同，快手选择了一条差异化路径——围绕商业要素构建垂直领域模型集群，通过多模型协同实现跨域增强。本质上，是一套完整的多模态大模型技术矩阵。

首先，快手的垂直领域模型集群，包括快意（语言）、可图（图像）、可灵（视频）三大生成模型。其中，可灵AI视频大模型是这一技术矩阵中的明星产品。自2024年6月上线以来，可灵AI已迭代二十多个版本。3月27日，全球知名AI基准测试机构Artificial Analysis发布了最新的全球视频生成大模型榜单，快手可灵1.6pro（高品质模式）以1000分的Arena ELO基准测试评分登陆图生视频（Image to Video）赛道榜首。

除可灵外，快手的快意语言大模型和可图图像生成大模型共同构成了AIGC能力的三驾马车。这些模型不是孤立运作，而是通过“思维链决策学习”等技术协同工作，使系统能像人类一样拆解复杂问题。

而且，在营销方面，快手有营销推荐、出价推理等决策模型的组合，从而重构了“内容生产-需求洞察-交易决策”的商业闭环。

这种多模态协同带来的直接效果，突破了传统推荐系统的信息茧房，实现了更精准的“生成式匹配”。数据显示，快手营销推荐大模型带来快手平台内商品订单量提升10%，新品消耗提升20%。

此外，快手还通过引入DeepSeek等外部认知智能强化决策链路。

02 上层应用：“技术-商业”双螺旋结构，内外循环结合

说完底座，Morketing带你从上层应用架构来理解快手的AI布局。概括来讲，快手是“技术-商业”的双螺旋结构，内部和外部的循环结合。

首先，如何理解“技术-商业”双螺旋结构？

一方面，技术驱动商业进化，AI能力渗透到营销全流程；另一方面，丰富的商业场景又反哺技术迭代，形成正向循环。

正如快手高级副总裁、电商事业部负责人兼商业化事业部负责人王剑伟所言：“快手AI布局是全面和全链路的，有大语言模型、文生图文生视频等能力，同时是脚踏实地的，每天思考怎么样把AI能力赋给商家和客户，让他们能够把AI能力真实地变成经营效率。”

如开篇所言，快手2024年第四季度，收入达到了人民币206亿元，同比增长13.3%。快手如何用AI促进营销收入提升？主要驱动来自于：“客户营销服务出价(eCPM)实现高单位数的同比提升”。

从规模上，快手抓住了包括商业化短剧在内的线上营销服务“增量”机会，并通过AI大模型技术优化营销服务推荐模型预估能力，带来营销素材投放转化效率的提升。

此外，包括全自动投放解决方案UniversalAutoX（简称UAX）在内的智能营销解决方案大幅提升客户的转化精准度，从而让单个cpm（前次曝光）价值最大化。

那么，又怎么理解内外循环结合？

内循环营销服务，表现在电商商家在快手平台探索优质流量，提高经营效率。

在数字营销日益复杂的今天，中小商家往往因技术能力不足而处于劣势。快手通过AI将原本需要专业团队操作的复杂营销流程标准化、自动化，大幅降低了经营门槛。数据显示，在2024年双十一期间，快手中小商家GMV同比增长156%，月动销商家数同比增长25%。与此同时，快手积极提升了中小商家在平台的营销意愿和效果，推动中小商家2024年第四季度的营销消耗同比提升超30.0%，这也印证了AI普惠战略的有效性。

外循环营销服务，依然是线上营销服务收入增长的主要驱动因素，特别是包括短剧、小游戏和小说等在内的内容消费行业取得了更快的增长。其中，商业化短剧的营销消耗在2024年第四季度同比增长超300.0%。

产品层面，UAX全自动投放解决方案完成了由规则决策到模型化决策的升级，带来2024年第四季度UAX的营销消耗占外循环总消耗的比例提升至超55.0%。

03 内容革命：AIGC重构生产范式与成本结构

在营销圈，大家有个共识：“内容是品牌的上限”。在营销领域，内容既是起点也是瓶颈。在超级个性化时代的今天，对于“大规模、好内容”的需求暴涨。

而传统内容生产，往往面临三大痛点：

1. 依赖人工创意导致成本高企；
2. 真人出镜限制规模化；
3. 质量参差不齐影响转化效率。

那么，AI如何解决“规模”和“好”的问题？快手通过AIGC技术对内容生产进行了工业化改造，实现了“质效”双升。

首先，在短视频素材领域，快手磁力开创实现了从创意到成品的全流程智能化。

品牌只需输入脚本诉求，即可获得主题、分镜、台词等完整方案，并自动生成视频内容。更突破性的是，系统能基于用户洞察生成“千人千面”的个性化素材。例如推广洗发水时，针对偏好国风的用户，自动将模特“重制”为汉服装扮，提升点击概率。这种“千人千面”的素材生成能力，结合算法推荐的“千人千面”内容分发，构成了完整的个性化营销闭环。

“大家知道客户非常关心的是素材掉量的问题，我们根据多模态AIGC生成能力，根据全网优质素材分析为客户素材进行微调，使得客户素材有更强的跑样能力，全周期内客户ARPU值有质的提升。通过多模态大模型分析素材为客户解锁更多跑样素材，使得客户转化率有大幅度提升”，快手团队分享。

其次，直播方面，数字人直播是AIGC应用的典型场景。

数字人直播解决了传统直播的3个核心问题：

第一，时长限制：实现24小时不间断直播，抓住不同时段流量；

第二，成本优化：相比真人主播，数字人无需休息，边际成本趋近于零；

第三，一致性保障：避免真人主播状态波动对转化的影响。

快手“女娲数字人”通过大模型增强情感表达能力，能根据直播间用户问题持续互动。

数据显示，2024年Q4快手AIGC短视频营销素材和虚拟数字人直播解决方案的日均消耗突破3000万，数字人直播日消耗峰值已突破2000万。

然后，智能客服层面。据 Gartner 预测，到 2027 年，85%的客户数据将来自自动化互动或由 AI 智能体主导的交互。

在快手，每天平台里面几十亿消息，消费者与消费者，消费者与客户，几十亿消息的背后可以洞察到各种消费诉求、意愿等。但商家不可能24小时守着快手平台回答消费者的问题，那用AI来解决。

快手磁力引擎内容与线索广告产品、基础产品与联盟业务负责人刘逍透露，2024年快手内容与线索广告消耗同比增长31%，引入DeepSeek调优和行业调优让智能客服π在对话相关性、客观性、流畅性等方面得到显著提升，截至目前，π带来的私信经营能力让本地生活服务商家的留资率提升了20%以上。

值得一提的是，AI客服能力除了对消费者需求进行有效回答，还让消费者私信转化成本减少71%，私信活跃客户数增长17倍，这促进了品牌的经营成本变得更低。

最后，AIGC对内容行业的改造。短剧、小说等内容商品具有“创作即经营”的特性，与AIGC天然契合。快手已跑通从AI生成剧本到制作短剧再到投流变现的完整闭环。

“前两天团队给我看了AI写出的小说，再用AI做成短剧。从那以后，我们现在已经感觉AI可以自己导一个剧本，自己把一个剧本变成一个素材，投流之后把钱赚回来，完全感觉全闭环了”，快手团队分享。

典型案例《山海奇镜之劈波斩浪》，作为可灵AI提供深度技术支持国内首部AIGC原创奇幻微短剧，上线15天播放量超5200万，全网话题曝光4.3亿。

总结来讲，AIGC带来的最直接价值是成本重构。一些典型客户已用AIGC降低70%素材生产成本。快手的目标是到2026年将这一比例转化为绝对值，帮助客户节省“几亿甚至大几十亿”的素材成本。

这种成本重构不仅提升了存量客户的经营效率，更重要的意义在于降低了市场准入门槛，让更多中小商家能够参与数字营销，从而扩大整个生态的规模和活力。

04 智能投放：从人工微操到AI Agent自主决策

数字营销的复杂性日益提升，一个投放计划可能涉及数百个素材内容、数十个投放目标以及多元出价工具的排列组合，决策复杂度远超人工极限。

AI如何重构这一环节？

在智能投放方面，快手为商家打造专属个性化AI营销Agent管家，其效率和效果都超越人工极限。

“在投放Agent上，目前快手UAX全自动投放Agent的渗透率已接近60%，此外，营销推荐大模型的思维链决策学习能够让模型像人类一样逐步拆解和归纳复杂问题，推理出用户的购买意图、商品的营销点，更精准的人货匹配带来商品订单量提升10%，新品消耗提升20%；而在营销竞价关键模块，快手第四代智能调价系统已进化成具备战略思维的‘智慧大脑’，在冷启、分时成本稳定性、跑量等方面均有明显改善”，快手商业化算法负责人江鹏谈到。

快手UAX系统的突破在于它不再是简单的“保下限”工具，而是能够“提上限”的决策主体。

其技术原理是：

1、受众推理：基于大模型评估广告潜在受众；

2、素材优选：分析每个素材跑量能力，筛选最优组合；

3、动态调优：结合图文反馈和竞价反应调整策略。

数据显示，UAX使广告投放冷启动成功率提升25%，在短剧、小说等内容消费行业的渗透率更高达96%。这是因为内容投放往往需要从正片中截取大量高光时刻进行海投，传统方式依赖“人工堆砌”，而AI能不知疲倦地处理这一过程，且更懂数据规律。

05 全域智能化：重新定义电商营销的未来

在过去的两年当中，各个电商平台或多或少都在提出一个新的概念，叫做全域智能化。

而快手全站推广4.0的进化，正是这一趋势的最佳诠释——它不再只是一个流量工具，而是真正打通广告与自然经营的一体化智能引擎，让商家的每一次投放都能撬动全域增长。

在传统模式下，广告流量和自然流量泾渭分明，商家往往需要分别优化，难以形成协同效应。而全站推广4.0的关键突破，在于让两种流量真正“对话”。通过商业化流量与自然流量的智能互通，客户的投放不再局限于单次曝光或转化，而是能带动整体生意的增长。数据显示，这一升级让商家的自然GMV平均提升60%以上，广告不再是“付费买量”，而成为全域经营的杠杆。

这种协同效应的背后，是快手在智能技术上的深度探索。

全站推广4.0首次将独立调价Agent嵌入电商链路，每一次竞价调整都会直接影响商品排序，确保广告投放与自然流量相互促进。这种动态优化能力，让商家在日播稳定性和大促爆发力上都有了质的飞跃。例如，高客单品牌小猿辅导学习机，不仅在日常投放中实现稳定增长，更在大促期间借助全站推广的人群破圈能力，带动全店GMV增长超3倍。

值得关注的是，全域智能化正在重塑电商营销的竞争格局。过去，头部商家依靠专业团队优化ROI，而中小商家往往处于劣势。如今，快手的AI Agent相当于为每个商家配备了智能营销专家，让中小商家也能获得接近头部玩家的投放能力。2024年，全站推广的商家渗透率增长近5倍，其中中小商家的增长尤为显著，渗透率提升17个百分点。这意味着，全域智能化不是少数品牌的“特权”，而是所有商家的增长机会。

在匹配效率上，多模态大模型的应用让推荐系统更懂用户。它不仅能理解用户的显性需求，还能通过行为数据推理潜在兴趣，使冷启动转化率提升20%。同时，第四代智能调价系统引入战略思维，像一位经验丰富的操盘手，能动态调整投放策略，确保长期ROI最优。这套系统甚至在2024年全球出价算法大赛中击败1400多个对手，验证了其技术领先性。

未来，随着AIGC和DeepSeek等技术的深度融合，全域智能化还将进一步进化。

大模型的思维链能力将帮助系统像人类一样思考：为什么用户会点击这个广告？为什么商品能激发购买欲望？这些认知层面的优化，将让投放从“精准”走向“智能”，从“流量运营”升级为“全域经营”。

在全域智能时代，电商广告与自然流量的界限正在消失。商家不再需要纠结于“投广告还是做内容”，而是可以通过全站推广这样的智能引擎，让每一分预算都撬动更大的生意增长。这不仅是工具升级，更是一场经营范式的变革——当流量、数据、算法真正协同，电商的未来，属于全域智能。

06 AI 渗透品牌营销“TIE方法论”，“流程导向”升级为“关系导向”

在2025年品牌营销新环境下，快手推出“TIE品牌营销方法论”，通过Touch（内容破圈）、Involve（精准种草）、Elevate（深度经营）三大核心环节，构建品牌与用户的高效联结，打造品效合一的营销新范式。

第一，Touch：以优质内容实现有温度的破圈传播。

快手基于平台用户高粘性、强互动、消费力强的特征，聚焦群众体育、短剧、非遗、三农、旅游等垂类内容，通过精品IP矩阵为品牌提供差异化传播路径。

例如地缘文化IP：《村游中国·徽州季》《潮人庙会》《三亚有条东北gai》等，结合地域特色强化品牌本土化沟通；短剧营销：星芒短剧、剧星计划等项目，以剧情化内容自然植入品牌；群众体育IP：《村口农趣运动会》《快手村BA》等，激活全民参与热情；CNY整合营销：通过年俗、短剧、体育、年货等多元玩法，打造“年味江湖”。

快手磁力引擎指出，内容质量与丰富度直接决定品牌“开口效应”，优质IP能帮助品牌触达更广泛的用户群体。

第二，Involve：以精准种草推动用户深度互动

快手通过商业产品矩阵提升种草效率，实现从内容曝光到用户转化的无缝衔接：品牌创新产品，聚焦热点内容与短剧流量运营；内容联动产品，通过达人/UGC种草强化用户信任；电商导流产品，结合直播与互动玩法，缩短转化路径。

第三，Elevate：以科学经营实现长效增长。

快手升级营销科学体系，通过投前洞察、投放优化、投后度量全链路赋能品牌决策。

随着大模型技术的突破，快手正以AI重构内容创作、用户体验与商业生态。而“TIE方法论”的持续迭代，核心在于“AI”对于用户的识别和分层，以及用户的5R流转，从“流程导向”升级为“关系导向”。

蛇年春节，vivo就携手快手可灵AI推出“原来照片还能这么玩”AIGC元春贺岁短片。

春节，作为阖家团圆的时刻，是品牌与用户深度对话的珍贵契机，为此，vivo巧妙利用“用户用手机记录生活中美好时刻的习惯”，同时借助快手可灵AI将AIGC图生视频技术深度耦合影像产品力传播，通过AI科技的想象力，把vivo影像的魅力转化用户可感知的“惊喜时刻”视觉体验，从而拉近品牌与用户之间的距离。

除了创意内容助力，快手还打造了“一超+多强+N跟风”的立体化传播矩阵，以AI元春大片为高点内容主线，配合快手站内26位AIGC超级创作者进行优质内容创作，并基于新春主题和AIGC技术发起话题挑战赛，吸引更多快手用户参与的同时，完成了大众用户破圈。

数据显示，快手站内视频话题播放量达10.2亿，AI大片播放量超5900万，用户自发发布作品数超50万，挑战赛互动量超2500万。此外，元春大片上线两天内就曾3次登上快手各大热点榜单，相关话题播放量也累计超10亿。

07 生态重塑：从流量分配到价值共生的商业操作系统

综上，快手AI营销的终极目标不是单点效率提升，而是重构整个商业生态的运行规则。

这种重构体现在三个维度：

1、匹配逻辑的重构：传统营销是概率游戏，依赖A/B测试和试错；而快手通过构建用户-商品-场景的数字化孪生体，使广告投放成为基于虚拟市场仿真的精确推演。

营销推荐大模型通过思维链技术像人类一样逐步拆解和归纳复杂问题，推理用户购买意图和商品卖点，实现更精准的人货匹配。

2、权力结构的重构：商业生态的运行规则从人工主导的流量分配，转向机器决策下的实时调配。AI成为连接商家、用户、内容的新中介，基于实时数据动态优化资源分配。

3、价值逻辑的重构：从追求短期曝光转化转向构建长期用户价值。快手AI营销工具不只帮助品牌获取流量，更助力构建忠诚用户群体。例如在电商场域，通过“人货匹配”优化和全域流量调控，既提升即时GMV，也增强用户复购率和LTV（生命周期价值）。

这种生态级重构的典型案例是快手内容消费业务（短剧、小游戏、小说等）。这些业务具有“广告即内容，创作即经营”的特性，边际成本几乎为零，在AI加持下展现出爆发式增长：2024年Q4短剧商业化消耗同比增长超300%，单日消耗峰值突破3000万；小游戏日消耗峰值突破1200万。AI不仅优化了内容生产效率，更通过动态出价等技术实现了付费用户的规模化扩张，创造出全新的商业增量空间。

生态重塑的另一个维度是线上线下的融合。快手AI正在消弭数字与物理世界的边界，例如在本地生活领域，通过智能客服π提升留资率20%以上，使线上流量更高效转化为线下到店行为。2024年Q4本地生活服务月均支付用户数同比增长52%，显示出AI赋能的O2O闭环已初见成效。

08 未来展望：AI商业操作系统的临界点

快手AI营销实践，揭示了一个更宏大的趋势：AI正从单点工具进化为整个商业生态的“操作系统”。

这一转变带来了三个根本性变革：

1. 竞争维度的升级：从企业间竞争转向生态系统间竞争。快手的真正护城河不在于单项技术领先，而在于构建了“技术驱动商业进化，商业反哺技术迭代”的双螺旋结构。这种生态级优势更难被复制，也更具持久性。
2. 专业知识的民主化：AI将原本只有专家掌握的营销知识编码为可大规模复用的智能服务。如思维链技术能分析优质素材成功原因（是画面形式抢眼还是题词吸引人），总结规律后指导内容生产，使专业Know-how不再是稀缺资源。
3. 商业创新的加速：当内容生产、流量分配、用户运营全面被AI重构，企业的创新周期将大幅缩短。例如AIGC使创意测试成本趋近于零，企业可以快速验证多种营销概念，加速创新迭代。

那么，快手AI未来还可以从哪些层面深化呢？这里提出3个方面：

1. 全链路自主化：从创意生成到投放优化再到效果评估，实现端到端AI驱动；
2. 跨场景协同：打通内容消费、电商交易、本地生活等不同场景，构建统一的行为理解与价值评估体系；
3. 生态共创：通过开放平台让更多开发者参与AI营销工具的创新，丰富生态能力。

当AI成为商业基础设施，快手的“生成新商业”实践不仅关乎一家公司的成败，更代表着一种新型商业范式的崛起。在这种范式中，数据、算法与商业价值形成增强回路，人类创意与机器智能协同共生，最终实现商业效率与用户体验的双重跃迁。

这场变革才刚刚开始，但其影响将远超营销领域本身，重塑整个数字经济的运行方式。

“AIGC（生成式人工智能）将彻底改变游戏开发行业，对于其他普通到专业级的开发者，建议可以考虑转行了”，这是米哈游创始人蔡浩宇在去年夏季的论断。

事实上，用AI技术来重塑游戏开发，这也确实是这两年游戏圈的一大热点。

01

那么，普通的游戏开发者真的要趁早转行吗？

最近微软亲自上阵为AI游戏祛魅，给这些开发者吃下了一颗定心丸。4月5日，微软方面发布了用AIGC技术打造的《雷神之锤2》DEMO，试图向外界展示自家世界与人类行动模型“Muse”的强大。

可遗憾的是，微软这次不仅没能实现秀肌肉的目的，反而诠释了何为丢人现眼。海外科技媒体lifehacker在体验过AI版《雷神之锤2》的DEMO后发布了一篇报告，并认为AI版《雷神之锤2》不像游戏，反而类似于“不断崩塌的梦境”。

lifehacker方面指出，抛开640×360分辨率所带来的模糊画面，以及超低FPS引发的操作延迟，AI版《雷神之锤2》的DEMO中存在敌人会凭空闪现，且无攻击逻辑、角色生命值归零也不会死亡、转身可能导致房间变电梯，以及加载界面卡死、敌人会在平移时消失等一系列BUG。

然而微软在宣传Muse模型的时候，将其定位为可以帮助游戏开发者制作游戏原型的产品，称其能够生成游戏视觉效果、控制器动作。在微软方面发表于《Nature》的论文中就表示，Muse最大的亮点是对3D游戏世界的深度理解，并称它不仅仅是一个简单视频生成工具，而是能够精准模拟游戏中的物理规则和玩家行为。

简单来说，Muse并不是一个优化游戏开发过程的工具，与当下许多游戏厂商流行的用AI绘画工具Midjourney生成图形资产、用AI驱动额度3D模型工具Cube完成角色和场景构建，以及用ChatGPT完成剧情编写等优化游戏开发管线的AI工具截然不同。

由于Muse能够直接生成游戏画面，这也是为什么微软方面会宣称，传统游戏开发需要数月甚至数年，进行角色设计、动画制作和游戏测试，如今Muse能够将这一周期从几个月缩短至几分钟。按照他们的说法，当玩家按下手柄上的按键，Muse就可以预测游戏世界的动态变化，并生成与之匹配的连贯画面。

想要跳过建模、光栅化等传统渲染管线，直接一步到位给出画面，Muse终究还是心急吃不下热豆腐。其实Muse翻车的原因很简单，在当下AI模型“幻觉”问题无法妥善解决的情况下，直接用其生成游戏画面还不可控，这也就注定了所生成的DEMO只能是机械地拼凑各种元素，还很难被称为游戏。

02

事实上，立足于当下的AI技术打造纯粹AI游戏这件事，米哈游创始人蔡浩宇的Anuttacon公司在不久前低调测试的《Whispers from the Star》，才是更有现实意义的一款作品。《Whispers from the Star》的故事很简单，讲述的是一名意外迫降在外星的宇航员，而玩家则将作为她唯一能联系上的人，需要通过实时语音了来引导她离开外星。

不同于FPS游戏《雷神之锤2》，《Whispers from the Star》其实更类似于《完蛋！我被美女包围了！》 这种视觉小说(visual novel)。而且《Whispers from the Star》的设计也相当取巧，它的游戏结构类似于数年前曾爆火的文字冒险手游《Lifeline》，只不过增加了玩家通过实时互动调动女主角的动作和情绪。

即便《Whispers from the Star》被一些网友调侃为“聊天模拟器”，但它也是一个正经的、能运行起来的游戏。可反观看起来与传统游戏类似的微软AI版《雷神之锤2》DEMO，则完全称得上是“金玉其外败絮其中”，Xbox方面最好还是搁置在多款游戏中使用Muse模型的计划。

尽管AI游戏确实可能是未来，但是当下AI模型的水平还不足以支撑AI直接生成游戏，一步一个脚印才是正道。

作者：三易菌

来源：三易生活（ID：IT-3eLife）