科技圈的打法突然变了。9月8日,Meta的AI助理Muse悄悄上线,短短十天时间直接冲到了北美应用商店免费榜单的头把交椅,把老牌霸主ChatGPT拉下了马,资本市场也直接给出了最直接的反应。

紧接着,国内科技大厂就在云栖大会上给出了自己的答案。整个行业的比拼重心,已经从谁的模型参数更大,全面转移到谁能帮大众处理现实生活里的繁琐事务。

打开网易新闻 查看精彩图片

9月8日,Meta正式推出了自家的独立AI应用Muse。这款产品没有在前期开展大规模的铺天盖地宣发,但上线后的扩散速度极快。在不到10天的时间里,它就拿下了美国App Store免费下载榜第一名。

这种下载量上的压制,直接影响了二级市场的走势。在产品冲顶之后,Meta的股票价格在单日内直接拉升了11.43%。华尔街各大金融机构随即调整了预期,富国银行直接把Meta的目标价格从640美元上调到了796美元。

过去很长一段时间里,大家对人工智能技术的认知,基本停留在做测试题、生成长篇大论或者写代码上。各大科技公司发布的报告,全都在展示自己的参数有多大,在公开基准测试里的得分有多高。

打开网易新闻 查看精彩图片

不少普通用户据此认为,大模型已经进入了纯粹的技术内卷阶段,离真正走进日常生活还有很远的距离。但这种认知并没有跟上产品形态的最新迭代,因为Muse在底层架构上选择了一条完全不同的落地路线。

Muse并没有搭载业内测试分数最高的模型底盘,它采用的是自研的Spark 1.3版本。但它的核心逻辑非常明确,就是把一套完整的云端虚拟环境和网页检索机制直接交给了模型,让模型能够像一个真实的人一样去操作具体界面。

这种设计让它在处理实际任务时表现出了极强的执行力。有用户的商业航班遇到了长达7小时的严重延误,该用户把退改签和争取权益的事情全权交给了Muse处理,系统在5分钟之内就办妥了所有登记,帮助用户拿到了250美元的赔偿款。

打开网易新闻 查看精彩图片

还有一些重度办公用户,电子邮箱里面长期堆积了16万封未读的各类营销邮件。传统应用受限于单次操作频次无法快速清理,而Muse在云端持续执行了3天,把所有的无效订阅和垃圾邮件全部清理完毕。

这些客观落地的实际表现说明,大众在日常场景中根本不在乎模型考试考了多少分,大家只看重这套工具能不能帮自己省下宝贵的时间成本。这种从动嘴到动手的转变,迅速点燃了个人助理的市场需求。

当大洋彼岸用亮眼的股价和榜单成绩证明了这条路的可行性之后,国内的头部科技巨头又会拿出什么样的方案来应对这场变革呢?

打开网易新闻 查看精彩图片

在海外产品引发市场关注的同时,国内科技大厂也在以极快的节奏跟进。在9月22日举行的云栖大会现场,千问团队正式公布了在个人AI助理领域的全新动作,整体战略直接对标大众级的高频落地。

这次发布的底层技术依托的是最新迭代的Qwen 3.8大模型,但官方公布的战略聚焦点并没有放在学术打榜上,而是明确宣布要打造面向3亿用户的常态化个人助理,让普通人能随时用上连续的服务。

打开网易新闻 查看精彩图片

为了解决这个问题,千问开放平台在生态接入上推进得很迅速。到目前为止,该平台已经覆盖了20多个核心服务领域,同时有1000多家不同行业的商家排队等待接入,涵盖了外卖点餐、火车买票、家政保洁、招聘求职以及基础理财等场景。

打开网易新闻 查看精彩图片

在这一套架构里,大模型负责对用户的复杂指令做拆解和意图研判,各个领域的外部商家则负责具体的线下履约与线上交付。用户只要在屏幕前表达一个意图,后台的工具链条就会自动完成对接,这让AI真正走入了实体经济的运行链条。

千问的这套打法,本质上是想把过往分散在各个手机软件里的高频生活需求,全部集中收口到一个统一的助理形态之中。这种依托庞大本土商业生态的布局,显然具备很强的针对性和可落地性。

但要让数以亿计的普通人每天都使唤AI去干复杂的实操琐事,后台需要消耗的巨大算力开销和财务成本,究竟该怎么降下来呢?

任何一款面向全社会的通用型服务,如果无法解决背后的资源消耗难题,就绝对不可能实现真正的大规模普及。任务型个人助理之所以在过去很难推开,根源就在于它每执行一步都要在后台做多次循环计算。

打开网易新闻 查看精彩图片

千问在这次大会上给出的具体工程数据显示,他们针对推理环节进行了深度定制。通过算法上的动态调节和定向瘦身,系统在让最终回复效果提升20%的同时,让人均Token的计算资源消耗整整下降了40%。

这个数据的变化具有非常现实的商业意义。人均调用成本的大幅压缩,意味着大厂有能力把过去昂贵的高阶功能免费或者低门槛开放给大众使用,这也正式宣告了人工智能的下半场竞争不再是谁最会展示技术概念。

打开网易新闻 查看精彩图片

这种变化正在推动整个科技行业进行价值重构。以往依靠各种学术测评榜单来证明技术先进性的模式,正在逐步失去投资人和大众的盲目信任,大家审视技术的尺子变得极其现实。

未来的行业门槛,不仅取决于技术团队在实验室里把底层模型训练得多聪明,更取决于这套系统能在这个社会的具体运转中承担多少事务。谁能帮大众省下更多时间,谁才能在接下来的平台竞争中站稳脚跟。

从Meta在海外掀起的用户下载热潮,再到国内大厂在基础生态和工程成本上的全面交卷,个人助理的普及路径已经越来越清晰。人工智能的技术长跑,最终必须要接受普通人每天真实生活的全面检验。