互聯(lián)網(wǎng)的規(guī)模經(jīng)濟(jì)效應(yīng)在AI領(lǐng)域似乎并未奏效。即使智譜在收入增長過程中保持了 50% 的高毛利，但 2024 年其支出（成本與運營開支）仍是當(dāng)期收入的 10 倍上下；到了 2025 年上半年，這種“收入越大、虧損率越高”的規(guī)模不經(jīng)濟(jì)現(xiàn)象反而加劇了。
當(dāng)然，問題的癥結(jié)在于大模型對“投入密度”的無底洞需求——要給模型投喂更多數(shù)據(jù)，要么靠自身超快的落地速度去接入更多場景，要么只能比拼對私有數(shù)據(jù)的付費能力。而智譜為了 To B 落地，不僅要維持通用的高強(qiáng)度研發(fā)，還需要匹配龐大的銷售團(tuán)隊，這使得其在與擁有自有數(shù)據(jù)金礦的互聯(lián)網(wǎng)大廠競爭時，顯得捉襟見肘。
與此同時，創(chuàng)業(yè)公司的生存空間也在被重新定義。過去兩年，大量創(chuàng)業(yè)公司涌入所謂的“中間層”賽道，做 RAG（檢索增強(qiáng)生成）、Prompt Engineering（提示詞工程）平臺，或者是簡單的 Workflow 編排工具。
但隨著模型能力——尤其是長上下文（Long Context）和推理能力（Reasoning）的提升，這些“薄”中間層的價值正在被迅速稀釋。以前需要復(fù)雜 Prompt 鏈條解決的問題，現(xiàn)在直接把技術(shù)文檔扔進(jìn)長文本模型就能解決。
“修補(bǔ)匠”正在退出歷史舞臺，取而代之的是“厚”中間層。姚順雨認(rèn)為，這種“厚”除了是對特定領(lǐng)域 Know-how 的深度封裝。也是對“環(huán)境交互（Environment Interaction）”的構(gòu)建。Coding Agent 之所以能率先跑通，是因為代碼擁有一個最完美的反饋環(huán)境——編譯器。代碼寫錯了，編譯器報錯，Agent 知道錯了并自我修正。這是一個天然的強(qiáng)化學(xué)習(xí)（RL）閉環(huán)。
但這恰恰觸及了創(chuàng)業(yè)公司難以逾越的“數(shù)據(jù)墻”。以 Coding Agent 為例，即便強(qiáng)如Claude ，其母公司 Anthropic 想要優(yōu)化代碼能力，也不得不依賴數(shù)據(jù)廠商去雇傭工程師進(jìn)行標(biāo)注。這種“外包式”的數(shù)據(jù)生產(chǎn)，規(guī)模受限且?guī)в忻黠@的人工痕跡。
相比之下，大廠擁有截然不同的解題環(huán)境，因為它們自身就是 Coding Agent 最大的試驗場。
大廠內(nèi)部幾萬名工程師每一次代碼的提交、回滾、Review，都是在為模型提供最真實、最高頻的反饋。這種“在應(yīng)用中反哺模型”的數(shù)據(jù)閉環(huán)，便是姚順雨口中極為重要的、不依賴標(biāo)注商就能獲取的“真實世界數(shù)據(jù)”。
比如支付寶的金融風(fēng)控、飛書的實時通訊優(yōu)化、或是騰訊《三角洲行動》開發(fā)中的資產(chǎn)生成。這些場景需要的不是通用的 GPT-4，而是“通用底座 + 行業(yè)特化 + 實時反饋”的綜合體，這種從“薄”到“厚”的演進(jìn)，在過去一年進(jìn)一步鞏固了大廠的優(yōu)勢。
在 To C 領(lǐng)域，對于絕大多數(shù)普通用戶而言，模型寫抽象代數(shù)的能力變強(qiáng)了，但這在日常聊天中幾乎無法感知，大多數(shù)人使用 AI 的方式更像是搜索引擎的加強(qiáng)版。
阻礙體驗提升的不僅是模型的參數(shù)量，還有輸入的 Context 量。
正如姚順雨舉的例子：如果用戶輸入 “今天吃什么”，GPT3.5和Gemini3給出的答案其實并無太大差異。但如果它知道具體場景，如今天天氣很冷、或者你剛點贊了一家火鍋店，它就能給出一個相對合理的建議。只有輸入更多的Context，模型的活動范圍才能給用戶帶來價值。
在國內(nèi)互聯(lián)網(wǎng)特有的“圍墻花園”體系下，這場關(guān)于 Context 的戰(zhàn)爭，注定是一場巨頭內(nèi)部的“內(nèi)戰(zhàn)”，豆包、千問、元寶看似在AGI道路上并肩同行，實則已經(jīng)分道揚(yáng)鑣。
對于像月之暗面或MiniMax這樣的創(chuàng)業(yè)公司而言，它們擁有不輸于大廠的模型智商，但在獲取用戶“支付記錄”、“地理位置”或“社交關(guān)系鏈”這些關(guān)鍵 Context 時，卻面臨著難以逾越的生態(tài)高墻。
這意味著垂直整合在 To C 依然成立，但前提是需要像微信或豆包這樣擁有用戶入口的產(chǎn)品，才能順利獲取這些 Context，并將其喂給模型。
《新立場》則在此基礎(chǔ)上看到了阿里、騰訊、字節(jié)三家巨頭對“差異化”的詮釋：單純提升智商（學(xué)別人）走得快，但深度結(jié)合語境（做自己）上限才高。
從現(xiàn)有結(jié)果來看，豆包不僅起量快，在 AI 原生 APP 的心智上基本處于斷層領(lǐng)先。這種領(lǐng)先優(yōu)勢，直接來自于字節(jié)最擅長的內(nèi)容和算法，以及對用戶碎片時間的收割能力?；趦?nèi)容消費的 Context，也讓豆包在娛樂與陪伴場景下?lián)碛辛藰O高的粘性。
而阿里幾乎沒有理由把重心押在陪伴和社交上。它最值錢的資產(chǎn)，是交易、支付、履約體系?；ù罅庾鲆粋€情緒價值滿分、但不能幫你把事情辦完的 AI，這對阿里來說反而是資源錯配。
所以，通義千問的定位非常直接：辦事型 AI。前不久，千問App宣布全面接入淘寶、支付寶、飛豬、高德等阿里生態(tài)。吳嘉所言的“把辦事能力的邊界進(jìn)行拓展和做深”，其實就是做深 Context 的口語化表達(dá)。
這是一種典型的“全家桶”策略，通過中心化的 AI 入口，調(diào)用整個阿里經(jīng)濟(jì)體的服務(wù)能力。從變現(xiàn)角度分析，千問這條路徑，是最有業(yè)務(wù)確定性和收入預(yù)期的一條路。
與阿里大開大合的生態(tài)整合不同，騰訊選擇與前兩位保持“刻意”的距離。
1月26日，騰訊 2026 年員工大會。面對外界關(guān)于“騰訊 AI 掉隊”的焦慮，Pony給出的回應(yīng)頗具騰訊式的克制。他直言，“AI 全家桶未必是大家都喜歡的”；并定調(diào)未來騰訊將繼續(xù)堅持去中心化的戰(zhàn)略。
這與阿里將高頻服務(wù)接入一個 App 的邏輯截然不同。比起再造一個“AI版微信”，騰訊更傾向于讓AI能在不改變用戶習(xí)慣的前提下滲透進(jìn)各業(yè)務(wù)的具體場景中。
“去中心化”的思考，也直接決定了騰訊 AI 新品“元寶派”的產(chǎn)品形態(tài)。在Pony年會講話的同時，騰訊悄然啟動了這款新產(chǎn)品的內(nèi)測，并試圖用一種騰訊最熟悉的方式來定義它——“結(jié)合我們的優(yōu)勢，社交通信以及關(guān)系鏈”。
事實上，這也是騰訊AI戰(zhàn)略的某種“修正”與“回歸”?；煸鸩酵碛诎俣取⒗?、字節(jié)，且騰訊在 2022 年前后同時經(jīng)歷主營業(yè)務(wù)波動、中臺收縮與降本增效，大模型長期未能被公司整體戰(zhàn)略強(qiáng)力拉升，甚至到2024年，元寶和混元大模型才轉(zhuǎn)到CSIG。
想追豆包，最不該走的路就是再做一個更像豆包的元寶。 此前進(jìn)軍短視頻、電商上的失利已經(jīng)表明，在純粹的內(nèi)容分發(fā)和算法推薦上，騰訊確實沒有壓倒性的優(yōu)勢。其真正的護(hù)城河始終是社交。
在這種情況下，騰訊最合理的選擇，自然是在自己最擅長的社交上繼續(xù)加碼，用 AI 放大現(xiàn)有社交價值。
騰訊試圖將群聊總結(jié)作為一個起點，通過“派”把AI變成社交信息流的基礎(chǔ)設(shè)施。如果“派”最終能走向群聊化、協(xié)作化的AI入口，那才算是走進(jìn)了騰訊最擅長的戰(zhàn)場。
“目前唯一還值得持續(xù)投入的就是 AI。”
在這一判斷上，Pony 并未猶豫太久。選擇重新走到臺前，用組織重構(gòu)、人才密度去壓縮追趕周期。
但當(dāng)資源、配方逐步到位后，市場對交付的需求也會更急切?；蛟S姚順雨與騰訊之間的“蜜月期”，并不會被拉得太長?；煸南乱粋€版本被內(nèi)部定義為 Agent 模型，很可能正是 Pony 期待的第一份階段性答卷。
在 AGI 會談上，姚順雨的表達(dá)，也透露出一種并不完全站在“大廠立場”的思考。他反復(fù)提到，當(dāng)前國內(nèi)對榜單、指標(biāo)和數(shù)據(jù)的執(zhí)念，正在遮蔽一些更本質(zhì)的問題。DeepSeek也被他拿來作為引例，并非每一次能力躍遷，都需要通過榜單來完成自證。就像 Claude 在編程榜單上并非絕對第一，但其在真實工程場景中的價值，卻很少被真正質(zhì)疑。
真正重要的，或許只有兩點：什么是正確的事情，以及自己是否真的能體驗出好壞。誰能率先做到這一點，誰就有可能做出真正的 Social Agent——不只是寫文檔、查信息，最重要的是能夠介入復(fù)雜的人際互動與生活決策。
而這正是 AGI 時代最難被復(fù)制的護(hù)城河。如果說 To B 的 AI，追求的是把世界變得更高效；那么 To C 的 AI，真正要回答的，或許是如何在一個由關(guān)系、語境與默契構(gòu)成的社會中，學(xué)會“合適地行動”。
當(dāng) AI 開始分流，它所考驗的，就不只是算力與算法，還有每一家公司的世界觀。
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機(jī)號后發(fā)表評論