0
距離春節(jié)還有十天，AI大戰(zhàn)提前進入了白熱化。
而這次把戰(zhàn)場迅速燒熱的，是阿里的 AI 入口“千問”。
2月6日，千問上線“春節(jié)30億大免單”活動，機制簡單粗暴——請全國人民喝奶茶。活動期間，用戶最高可領(lǐng)取21張、總價值525元的無門檻免單卡。
這絕非又一場“外賣大戰(zhàn)”，而是一場 AI 辦事能力的“大考”。當成千上萬的用戶涌進 AI 產(chǎn)品，讓最先進的人工智能與最落地的煙火氣相遇。
Agent 時代下，每個人的生活決策已經(jīng)可以交由 AI 完成。硅谷巨頭們正競相構(gòu)建面向企業(yè)系統(tǒng)的“數(shù)字員工”，試圖讓 AI 接管辦公流中的繁瑣環(huán)節(jié)；而在中國，Agent 的落點則更早地切入了充滿煙火氣的現(xiàn)實世界，開始替人點一杯奶茶、訂一張車票。
這并非技術(shù)能力的代差，而是基于土壤不同的路徑選擇。
而千問，似乎要在幫人辦事這條道路上，走得更深更遠。
01 重新定義AI時代的搶紅包
2026年春節(jié)前夕，AI戰(zhàn)場的硝煙味比往年更甚。
字節(jié)的“豆包”依托春晚的獨家贊助，試圖用AI生成內(nèi)容延續(xù)短視頻時代的流量法則；騰訊的“元寶”則背靠微信生態(tài)，試圖在社交連接中尋找AI的落點；百度依然固守搜索與信息分發(fā)陣地。
這三者的共同點在于，它們爭奪的依然是用戶的“注意力時長”。 其本質(zhì)延續(xù)了移動互聯(lián)網(wǎng)時代的經(jīng)典公式：用更優(yōu)質(zhì)的內(nèi)容或更順滑的交互，去爭奪用戶有限的時間與多巴胺，讓用戶愿意在App里多停留一分鐘。
相比之下，千問選擇了一條更為艱難、也更為徹底的路徑。
與其繼續(xù)在紅海中爭奪“用戶停留多久”，千問更在意的是：用戶是否愿意把真實生活中的決策與執(zhí)行，交給AI。
因此，千問并未沿用傳統(tǒng)的現(xiàn)金紅包，而是選擇以“免單”切入春節(jié)場景。免單無法獨立存在，它必須嵌入真實的消費決策與完整的服務(wù)鏈路之中——用戶需要提出明確需求，由系統(tǒng)完成下單，并最終確認履約結(jié)果。
這也意味著，免單不僅是一種促銷，更是一種被完整驗證的“服務(wù)交付”。
之所以選中奶茶、外賣、出行等高頻場景，它們共同的特點是決策成本低、使用頻次高、反饋明確。這類日常需求更容易促成用戶完成“第一單”，而在 AI 產(chǎn)品的擴散周期中，“第一次成功交付”的價值，遠勝于反復的功能演示和能力科普。
事實上，AI 進入 Agent 階段后，真正稀缺的不再是模型能力本身，而是模型能力與 B端商業(yè)體系的整合能力。
從本次活動來看，當用戶發(fā)出“點一杯奶茶”的指令時，后臺的運行邏輯并非簡單的關(guān)鍵詞匹配，而是一次復雜的鏈式調(diào)用。
首先是模型需要解析自然語言等參數(shù)，其次是將這些參數(shù)被轉(zhuǎn)化為 B 端系統(tǒng)可識別的 API請求，最后，模型需要遵循平臺的計費規(guī)則（如配送費計算、優(yōu)惠券抵扣），生成一個符合財務(wù)標準的結(jié)構(gòu)化訂單，并推送到商家的接單系統(tǒng)。
在這個過程中，AI 需要跨越單純的語義理解，要與復雜的交易系統(tǒng)、支付體系、履約網(wǎng)絡(luò)及風控形成穩(wěn)定協(xié)同。
因此，千問發(fā)起的“AI免單”不只是一次C端流量活動，本質(zhì)上更是一場大模型能力與B端商業(yè)化體系的深度實驗。
對于這一策略，坊間不乏質(zhì)疑之聲：
一種典型論調(diào)認為：相較于海外廠商集中資源提升模型推理上限、強化多模態(tài)、推進基礎(chǔ)設(shè)施與系統(tǒng)擴展，國內(nèi)部分廠商卻選擇在春節(jié)期間“發(fā)紅包、請喝奶茶”，似乎有點大題小作。
但這種判斷，往往忽略了應(yīng)用層本身：發(fā)紅包、請喝奶茶，并非簡單的應(yīng)用噱頭，而是對模型理解能力、系統(tǒng)穩(wěn)定性與工程協(xié)同的一次集中檢驗。
忽視這一點，容易低估了國內(nèi)廠商的技術(shù)投入，這實際上是在強迫千問去“理解”生意的運轉(zhuǎn)規(guī)則。這種“模型+商業(yè)”的無縫銜接，遠比單純技術(shù)迭代更為復雜。
它要求平臺必須具備深厚的B 端資源積累和系統(tǒng)接口標準，才能讓大模型真正下沉到商業(yè)毛細血管中。
更重要的是，這類實踐并非工程團隊能夠自發(fā)完成，而是高度依賴內(nèi)部組織協(xié)調(diào)能力。模型和真實資源之間的調(diào)用，背后考驗的是企業(yè)對 AI 商業(yè)化路徑的整體判斷。
因此，千問的30億紅包免單并不是簡單的市場行為，它要求模型理解真實意圖、系統(tǒng)完成下單、支付順暢銜接、履約穩(wěn)定可控，并在極短時間內(nèi)承受千萬級用戶的并發(fā)調(diào)用，任何一個環(huán)節(jié)失效，都會被真實用戶立即放大。
在這一過程中，任何一個Token的延遲、一個接口的報錯，都會被真實用戶放大。
這種處理復雜極端并發(fā)的系統(tǒng)能力，恰恰是許多海外模型與應(yīng)用公司都渴望擁有的。
尤其是在 Agent 時代，對千問而言，它檢驗的并非補貼效率，而是 AI 是否已經(jīng)具備在真實世界中“替人辦事”的能力——而從首日1000萬 筆 AI 訂單來看，答案正在變得清晰。
02 從 App 到 Agent：一次交互邏輯的重構(gòu)
一個行業(yè)共識是，大模型已進入“后參數(shù)時代”，各家基座模型的各項指標逐漸拉平，決定勝負的，不再是“誰的模型參數(shù)更多”，而是“誰能讓AI真正完成任務(wù)”。
過去，互聯(lián)網(wǎng)遵循的，是一種“人適應(yīng)軟件”的路徑——用戶需要穿梭于不同的 App，去適應(yīng)既定菜單、按鈕和交互流程，才能獲取背后的服務(wù)；而現(xiàn)在，MaaS（模型即服務(wù)）正在重寫這一規(guī)則，在C端交互中，模型本身直接取代了App，成為了服務(wù)的交付界面。
AI 牌桌上雖然巨頭林立，但若以 MaaS 的標準嚴苛審視，會發(fā)現(xiàn)大多數(shù)玩家手中都缺失了一塊關(guān)鍵拼圖。
OpenAI 困于“場景懸浮”： 盡管GPT技術(shù)領(lǐng)先，但因缺乏原生應(yīng)用場景，其模型始終處于“懸浮狀態(tài)”。
無法嵌入消費、出行等高頻生活場景，導致其只能靠訂閱費和API變現(xiàn)。近期，德意志銀行數(shù)據(jù)顯示，其歐洲收入已現(xiàn)增長瓶頸，且面臨開源模型與巨頭的雙重夾擊。
Google則困于“履約空白”： 坐擁海量數(shù)據(jù)與TPU算力，Gemini技術(shù)表現(xiàn)強勁，但受限于“信息分發(fā)”的基因，Google缺乏電商、本地生活等線下履約體系。
面對“即時配送”、“服務(wù)執(zhí)行”等復雜任務(wù)，Google陷入了“能精準理解需求，卻無法直接滿足需求”的商業(yè)斷層。
相比之下，阿里所具備的，并非單點優(yōu)勢，而是一整套為 Agent 而生的基礎(chǔ)條件。
過去四個季度，阿里在“AI+云”領(lǐng)域的資本開支高達 1200 億元。這筆巨額投入支撐起了中國第一、全球領(lǐng)先的云計算網(wǎng)絡(luò)，為上層應(yīng)用提供了源源不斷的算力輸血。
在算力之上，阿里打造了全球領(lǐng)先的“通義”大模型家族。2025 年發(fā)布的通義千問 Qwen3 系列，作為業(yè)界首個具備“混合推理”能力的模型，創(chuàng)新性地融合了“快思考”與“慢思考”雙模式。它既能以極低能耗秒回日常問答，又能針對復雜邏輯進行深度多步推理，真正實現(xiàn)了“大腦”的又快又強。
為了讓大腦有效指揮肢體，阿里百煉與 Qwen-Agent 框架構(gòu)建了生態(tài)連接的“萬能接口”。這套工具層加速了 AI 在千行百業(yè)的落地，解決了模型與具體業(yè)務(wù)系統(tǒng)對接的“最后一公里”難題。
而最核心的護城河，在于頂層的場景與履約體系。電商、即時零售、外賣、地圖和支付——這些阿里長期積累的實體能力，雖然最初并非為AI而生，但在AI作為新入口出現(xiàn)后，它們第一次有機會被整合進同一個調(diào)用框架中。
既有頂尖的大腦（千問）理解意圖，又有龐大的軀干（淘寶/天貓）承載交易，更有靈活的手腳（菜鳥/餓了么）完成履約，最后還有強健的心臟（支付寶）完成商業(yè)閉環(huán)。
當然，AI介入履約服務(wù)的這條路也最為艱難，它需要AI理解用戶意圖，還要與復雜的業(yè)務(wù)系統(tǒng)協(xié)同運作。任何環(huán)節(jié)失誤，都會被用戶感知并放大。
風險本身就是壁壘，這種對“全鏈路協(xié)同”的極高要求，反而構(gòu)成了阿里真正的護城河。
從行業(yè)視角看，這條路徑也解釋了為什么“AI + 實體”被認為是少數(shù)公司才能嘗試的方向。相比純模型公司，擁有現(xiàn)實世界接口的企業(yè)，才真正跨過了“工具”與“Agent”的分界線。
03Agent 時代下的中美 AI 兩條路
毫無疑問，關(guān)于 Agent 的敘事已經(jīng)成為中美科技巨頭押注的下一站。
無論是 OpenAI、Anthropic，還是 Google，幾乎所有頭部廠商都在嘗試讓 AI 從“對話者”走向“執(zhí)行方”。差別不在于是否走向 Agent，而在于——Agent 被首先用來做什么。
前段時間，Anthropic 推出的 Claude Cowork，正是這一趨勢的典型體現(xiàn)。它將 AI 深度嵌入?yún)f(xié)作與辦公流程，試圖在知識工作場景中，重塑人與軟件的關(guān)系。這一動向，也直接沖擊了以 Salesforce、Adobe、SAP 為代表的傳統(tǒng) SaaS 公司，相關(guān)企業(yè)股價隨之出現(xiàn)明顯波動。
這背后，是一條極具代表性的“美國路徑”：Agent 優(yōu)先進入的是辦公、開發(fā)、管理等生產(chǎn)力場景，核心目標是提升知識工作的效率，讓 AI 成為“數(shù)字同事”或“超級 Copilot”。
而在國內(nèi)，Agent 最先被驗證的，并非寫代碼、做表格，而是點餐、購物、出行、訂票等日常事務(wù)。這并非能力差異，而是基礎(chǔ)條件與應(yīng)用土壤的不同所共同塑造的結(jié)果。
一方面，我們擁有全球最龐大的互聯(lián)網(wǎng)用戶規(guī)模，以及成熟的移動支付體系；另一方面，線上線下高度融合的消費與服務(wù)場景，為 AI 提供了天然的“試驗場”。
在麥肯錫的調(diào)研中，已有至多 49% 的企業(yè)稱，AI 為企業(yè)實現(xiàn)了降本。其中，中國大陸企業(yè)在 AI 采用率上提升迅速，已達 75%，與北美地區(qū)差距縮小到 7%。
在這樣的環(huán)境中，Agent被直接放進生活，接受最直觀、也最嚴苛的檢驗——能否把事辦成。
從這個角度看，千問的策略，代表了一種務(wù)實的中國式路徑：優(yōu)先尋找高頻場景，將 AI 能力接入日常生活，通過解決真實的用戶需求，來推動 Agent 技術(shù)的成熟與迭代。
不妨大膽猜測，千問 30 億補貼買到的，并不只是訂單量，而是這代用戶對“下一個互聯(lián)網(wǎng)入口”的提前適應(yīng)。
Agent 時代的門，可能已經(jīng)在這個春節(jié)，被推開了一條縫。（雷峰網(wǎng)雷峰網(wǎng)雷峰網(wǎng)(公眾號：雷峰網(wǎng))）
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
