文｜HAL

春節(jié)期間，千問、豆包、元寶幾乎同時(shí)進(jìn)入高強(qiáng)度競(jìng)爭(zhēng)階段。春晚、紅包、補(bǔ)貼、熱搜、聯(lián)動(dòng)活動(dòng)密集出現(xiàn)，AI應(yīng)用被推成了一場(chǎng)節(jié)日流量事件。

這些日活數(shù)字很亮眼，但數(shù)字本身并不能說明問題。節(jié)日期間用戶更愿意嘗鮮、分享和傳播，很多增長(zhǎng)來自情緒和激勵(lì)，而不是長(zhǎng)期需求。

真正的考驗(yàn)發(fā)生在節(jié)后——當(dāng)用戶回到日常生活與工作流時(shí)，AI是否還會(huì)被持續(xù)使用。

根據(jù)QuestMobile統(tǒng)計(jì)，豆包、千問、元寶在春節(jié)營(yíng)銷的猛烈進(jìn)擊之下，紛紛達(dá)到了自身的日活峰值，其中千問在某一日幾乎接近于豆包，而豆包的春晚效應(yīng)則一騎絕塵，但是，“撒幣”效應(yīng)結(jié)束之后，三家回落趨勢(shì)明顯。

圖源：QuestMobile

與此同時(shí)，隨著春節(jié)大戰(zhàn)結(jié)束，AI應(yīng)用制造的更大關(guān)注，居然在于向用戶道歉，亦或者核心管理團(tuán)隊(duì)離職，這無疑讓市場(chǎng)感到疑惑：不顧一切撒幣沖刺日活之后，它們真的想好了接下來該怎么走嗎？

下一個(gè)賽段的問題，其實(shí)不是留存率本身，而是留存背后的結(jié)構(gòu)。

其中最先顯露出來的是成本問題。

如果每一次對(duì)話都需要高成本算力支撐，規(guī)模越大虧損越大。誰能把單位推理成本持續(xù)壓低，誰才有資格談長(zhǎng)期增長(zhǎng)。

接下來會(huì)拉開差距的是場(chǎng)景構(gòu)建。

對(duì)國(guó)內(nèi)市場(chǎng)而言，或許獨(dú)立的AI chatbot競(jìng)爭(zhēng)很難成為終局。真正穩(wěn)定的使用頻率，可能反而會(huì)來自真實(shí)工作流——辦公、搜索、社交、電商、客服等系統(tǒng)入口。

國(guó)內(nèi)部分AI chatbot

而新的變量正在出現(xiàn)在終端形態(tài)上。

春節(jié)剛過，千問就開始推動(dòng)獨(dú)立的AI硬件，也帶出了一個(gè)明顯信號(hào)：AI競(jìng)爭(zhēng)正在從應(yīng)用層走向終端層。語音、視覺、多模態(tài)設(shè)備，可能成為新的默認(rèn)入口。

換句話說：春節(jié)解決其實(shí)還是認(rèn)知度問題。

下一階段各家既要比拼Token成本，也要盡快找到一個(gè)無可替代的使用場(chǎng)景，而布局次世代的AI硬件已經(jīng)不能再停留在紙面上。

Token成本曲線，誰先把“量大管飽”做成護(hù)城河

春節(jié)的短期活躍增長(zhǎng)可以用補(bǔ)貼換來，但補(bǔ)貼買不到長(zhǎng)期優(yōu)勢(shì)。

AI應(yīng)用的規(guī)模化，本質(zhì)上受制于單位推理成本：每一次生成、每一次多輪對(duì)話、每一次多模態(tài)理解，背后都是算力、帶寬、電力與調(diào)度成本。

最近一波圍繞OpenClaw等框架掀起的“自建AI代理”潮，也把這個(gè)問題迅速放大。

越來越多公司和開發(fā)者開始搭建自己的Agent、自動(dòng)化流程和多步推理系統(tǒng)，AI不再只是一次對(duì)話，而是連續(xù)調(diào)用、長(zhǎng)鏈路執(zhí)行。

圖源：unsplash

這種變化直接體現(xiàn)在Token使用量上。

一些開發(fā)者平臺(tái)統(tǒng)計(jì)顯示，2026年初全球AI推理Token使用量在短短一個(gè)月內(nèi)從約6.4萬億/周增長(zhǎng)到13萬億/周，幾乎翻倍，其中很大一部分增長(zhǎng)來自Agent 系統(tǒng)的自動(dòng)調(diào)用。

與此同時(shí)，Token消耗不再是線性增長(zhǎng)，而是隨著任務(wù)復(fù)雜度呈指數(shù)放大。

這意味著，成本問題正在從“單次對(duì)話成本”變成“系統(tǒng)級(jí)調(diào)用成本”。如果每一步都依賴高成本模型，AI代理越復(fù)雜，費(fèi)用增長(zhǎng)越快。

過去一年行業(yè)最容易犯的錯(cuò)，是把“模型更強(qiáng)”當(dāng)作唯一方向，把“參數(shù)更大”當(dāng)作唯一指標(biāo)，卻忽略了一個(gè)更現(xiàn)實(shí)的問題：當(dāng)調(diào)用規(guī)模擴(kuò)大十倍，成本也會(huì)按比例擴(kuò)大嗎？如果答案是“會(huì)”，那增長(zhǎng)就變成了財(cái)務(wù)壓力測(cè)試。

圖源：IDC咨詢

下一個(gè)賽段，誰能把Token成本曲線做得更陡、更快下降，誰就擁有更大的戰(zhàn)略空間。

所謂Token成本曲線，至少包含三層——

其一是推理側(cè)優(yōu)化，能否通過量化、蒸餾、編譯加速、KV緩存、并行策略等手段，把同樣質(zhì)量的輸出做得更��；

其二是模型路由能力，能否在不同任務(wù)中自動(dòng)選擇“足夠好”的輕量模型，而不是每次都用最高配；

其三是算力與供應(yīng)鏈的組織能力，能否在自有算力、云算力、國(guó)產(chǎn)芯片適配、跨地域調(diào)度之間找到最優(yōu)解。

當(dāng)然單純是這條曲線對(duì)千問、豆包、元寶三家的意義也各不相同。

圖源：網(wǎng)絡(luò)

千問背靠阿里云與電商體系，理論上更容易把算力與業(yè)務(wù)結(jié)合起來做“規(guī)模采購+分級(jí)調(diào)用”，把成本控制轉(zhuǎn)化為平臺(tái)優(yōu)勢(shì)；

豆包依托字節(jié)的內(nèi)容與分發(fā)體系，優(yōu)勢(shì)在于訓(xùn)練數(shù)據(jù)與場(chǎng)景豐富，但也意味著調(diào)用頻率會(huì)更高、更碎片化，對(duì)成本優(yōu)化的要求更苛刻；

元寶處在騰訊生態(tài)里，天然靠近社交與內(nèi)容，但社交場(chǎng)景對(duì)延遲、穩(wěn)定性和安全合規(guī)更敏感，成本優(yōu)化必須和體驗(yàn)、風(fēng)控同步推進(jìn)。

Token成本曲線之所以會(huì)很快成為競(jìng)爭(zhēng)瓶頸，是因?yàn)樗鼪Q定了競(jìng)爭(zhēng)方式：當(dāng)成本足夠低，你可以用更激進(jìn)的定價(jià)策略去擴(kuò)張；當(dāng)成本不夠低，你只能依賴補(bǔ)貼或“限制功能”去控制消耗，最終把用戶體驗(yàn)做窄。

像是元寶即便如今還需要頻繁切換deepseek去代替自己的渾元大模型，背后顯然也是算力瓶頸的問題。

元寶APP截圖

或是像一時(shí)火爆的seedance 2.0，如今即便是付費(fèi)用戶動(dòng)輒也要排隊(duì)幾個(gè)小時(shí)才能完成一次生成，這其實(shí)也都是過高的算力成本之下，平臺(tái)試圖平衡成本的無奈之舉。

更好的Token成本曲線會(huì)決定“AI是否能從C端走向B端與交易鏈條”。企業(yè)客戶不會(huì)為一次好玩的對(duì)話付費(fèi)，但會(huì)為可預(yù)期的效率提升付費(fèi)。前提是價(jià)格透明、質(zhì)量穩(wěn)定。

在這個(gè)意義上，下一賽段的核心其實(shí)與DAU、MAU這些傳統(tǒng)的互聯(lián)網(wǎng)產(chǎn)品指標(biāo)無關(guān)，核心還是更小的單位成本以及TPD（每日Token消耗量）。

從場(chǎng)景到入口，軟硬一體或成默認(rèn)能力

春節(jié)之后，各家的AI應(yīng)用競(jìng)爭(zhēng)會(huì)越來越像“階段性戰(zhàn)役”：榜單可以沖，DAU可以拉，但它很難成為終局。

真正的戰(zhàn)場(chǎng)其實(shí)更多在于場(chǎng)景——AI能否嵌進(jìn)用戶已經(jīng)每天在用的路徑里，成為默認(rèn)的底層能力。

這就是為什么“場(chǎng)景嵌入度”甚至比“留存率”更關(guān)鍵，即便用戶沒有打開這個(gè)應(yīng)用，但其日常使用中依然能夠調(diào)用到其模型能力。

圖源：unsplash

場(chǎng)景嵌入通常有三種層級(jí)。

第一層是工具層，把AI當(dāng)作寫作、翻譯、總結(jié)、檢索的初級(jí)工具；

第二層是流程層，把AI放進(jìn)辦公套件、客服系統(tǒng)、內(nèi)容生產(chǎn)鏈條，讓它參與決策與協(xié)作；

第三層是交易與執(zhí)行層，讓AI不止回答，還能直接調(diào)用服務(wù)、完成下單、預(yù)約、支付、售后。

而硬件在這里的作用，是把入口從眾多應(yīng)用的選項(xiàng)變成終端“默認(rèn)”。

千問近期發(fā)力AI硬件，背后的邏輯并不復(fù)雜：手機(jī)屏幕里的AI入口太擁擠，分發(fā)權(quán)被操作系統(tǒng)、超級(jí)應(yīng)用與內(nèi)容平臺(tái)層層分割；而可穿戴設(shè)備、耳機(jī)、眼鏡等終端，可能提供一種更自然的交互方式——語音喚起、隨手拍攝、實(shí)時(shí)翻譯、導(dǎo)航與信息提示。

千問AI眼鏡G1

這些場(chǎng)景一旦成立，用戶就不需要“打開某一AI產(chǎn)品”，AI會(huì)在場(chǎng)景里自動(dòng)出現(xiàn)。

但硬件不是只要做出來就能贏。

它會(huì)把競(jìng)爭(zhēng)推向物理層面——

一是本地化能力，設(shè)備要“隨時(shí)可用”，就必須依賴一定程度的端側(cè)推理與低延遲架構(gòu)；

第二是服務(wù)編排能力；

第三是長(zhǎng)期運(yùn)營(yíng)能力，硬件一旦出貨，就進(jìn)入了供應(yīng)鏈、售后、系統(tǒng)更新、隱私安全與合規(guī)的長(zhǎng)周期戰(zhàn)場(chǎng)，遠(yuǎn)比軟件更重。

對(duì)豆包和元寶來說，做硬件宜早不宜遲，畢竟去年豆包手機(jī)已經(jīng)遭遇過一波激烈抵抗。對(duì)字節(jié)而言，大量傳說中的硬件如今也有更好的理由端出來了。

豆包手機(jī)助手

除了成本、場(chǎng)景與硬件入口之外，AI產(chǎn)業(yè)還有一個(gè)更直接的變量：人才競(jìng)爭(zhēng)。

就在3月4日凌晨，千問團(tuán)隊(duì)核心技術(shù)負(fù)責(zé)人林俊旸宣布離職，而同時(shí)期團(tuán)隊(duì)中多位關(guān)鍵研究人員也相繼離開。

當(dāng)然，“一號(hào)位”的變動(dòng)在AI行業(yè)并不罕見，但在大模型競(jìng)爭(zhēng)進(jìn)入關(guān)鍵階段時(shí)，它的象征意義被明顯放大。

大模型畢竟不是傳統(tǒng)意義上的工程流水線。真正決定模型能力的，除了幾萬張GPU，還有便是幾十到幾百名核心研究員——他們負(fù)責(zé)模型架構(gòu)、訓(xùn)練策略、推理優(yōu)化和數(shù)據(jù)體系。

圖源：X

一個(gè)核心研究員的離開，往往意味著整條技術(shù)路徑的調(diào)整甚至遷移。

因此，AI公司之間的競(jìng)爭(zhēng)表面上看是產(chǎn)品戰(zhàn)、算力戰(zhàn)和入口戰(zhàn)，但底層其實(shí)是一場(chǎng)持續(xù)的人才密度競(jìng)爭(zhēng)。

這也是為什么最近幾年國(guó)內(nèi)AI公司之間的挖角頻繁發(fā)生。從阿里到字節(jié)、從騰訊到創(chuàng)業(yè)公司，頂級(jí)研究員的流動(dòng)幾乎都伴隨著團(tuán)隊(duì)遷移與技術(shù)路線變化。

當(dāng)模型能力逐漸趨同、開源生態(tài)不斷擴(kuò)大之后，真正能夠拉開差距的，往往不是參數(shù)規(guī)模，而是研究團(tuán)隊(duì)的穩(wěn)定性與創(chuàng)新能力。

圖源：網(wǎng)絡(luò)

最終，這一賽段拼的，不再只是春節(jié)式的峰值增長(zhǎng)，而是三種能力能否同時(shí)成立：

Token成本曲線持續(xù)下降、AI能力深入真實(shí)場(chǎng)景、終端入口形成軟硬協(xié)同，同時(shí)還能維持足夠高的人才密度。

只有同時(shí)滿足這幾條條件，AI產(chǎn)品才可能從“節(jié)日里的熱點(diǎn)應(yīng)用”變成長(zhǎng)期存在的基礎(chǔ)設(shè)施。

2026年的春節(jié)只是開場(chǎng)，長(zhǎng)期的泥沼戰(zhàn)還會(huì)持續(xù)下去。

       原文標(biāo)題 : 千問豆包元寶，下一個(gè)賽段該拼什么