距離春節(jié)還有十天，AI大戰(zhàn)提前進(jìn)入了白熱化。

而這次把戰(zhàn)場(chǎng)迅速燒熱的，是阿里的 AI 入口“千問(wèn)”。

2月6日，千問(wèn)上線“春節(jié)30億大免單”活動(dòng)，機(jī)制簡(jiǎn)單粗暴——請(qǐng)全國(guó)人民喝奶茶?；顒?dòng)期間，用戶最高可領(lǐng)取21張、總價(jià)值525元的無(wú)門檻免單卡。

這絕非又一場(chǎng)“外賣大戰(zhàn)”，而是一場(chǎng) AI 辦事能力的“大考”。當(dāng)成千上萬(wàn)的用戶涌進(jìn) AI 產(chǎn)品，讓最先進(jìn)的人工智能與最落地的煙火氣相遇。

Agent 時(shí)代下，每個(gè)人的生活決策已經(jīng)可以交由 AI 完成。硅谷巨頭們正競(jìng)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(guó)，Agent 的落點(diǎn)則更早地切入了充滿煙火氣的現(xiàn)實(shí)世界，開始替人點(diǎn)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(wèn)，似乎要在幫人辦事這條道路上，走得更深更遠(yuǎn)。

01 重新定義AI時(shí)代的搶紅包

2026年春節(jié)前夕，AI戰(zhàn)場(chǎng)的硝煙味比往年更甚。

字節(jié)的“豆包”依托春晚的獨(dú)家贊助，試圖用AI生成內(nèi)容延續(xù)短視頻時(shí)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(diǎn)；百度依然固守搜索與信息分發(fā)陣地。

這三者的共同點(diǎn)在于，它們爭(zhēng)奪的依然是用戶的“注意力時(shí)長(zhǎng)”。 其本質(zhì)延續(xù)了移動(dòng)互聯(lián)網(wǎng)時(shí)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(zhēng)奪用戶有限的時(shí)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(wèn)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(zhēng)奪“用戶停留多久”，千問(wèn)更在意的是：用戶是否愿意把真實(shí)生活中的決策與執(zhí)行，交給AI。

因此，千問(wèn)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(chǎng)景。免單無(wú)法獨(dú)立存在，它必須嵌入真實(shí)的消費(fèi)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(rèn)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(yàn)證的“服務(wù)交付”。

之所以選中奶茶、外賣、出行等高頻場(chǎng)景，它們共同的特點(diǎn)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(kuò)散周期中，“第一次成功交付”的價(jià)值，遠(yuǎn)勝于反復(fù)的功能演示和能力科普。

事實(shí)上，AI 進(jìn)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(dòng)來(lái)看，當(dāng)用戶發(fā)出“點(diǎn)一杯奶茶”的指令時(shí)，后臺(tái)的運(yùn)行邏輯并非簡(jiǎn)單的關(guān)鍵詞匹配，而是一次復(fù)雜的鏈?zhǔn)秸{(diào)用。

首先是模型需要解析自然語(yǔ)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(shí)別的 API請(qǐng)求，最后，模型需要遵循平臺(tái)的計(jì)費(fèi)規(guī)則（如配送費(fèi)計(jì)算、優(yōu)惠券抵扣），生成一個(gè)符合財(cái)務(wù)標(biāo)準(zhǔn)的結(jié)構(gòu)化訂單，并推送到商家的接單系統(tǒng)。

在這個(gè)過(guò)程中，AI 需要跨越單純的語(yǔ)義理解，要與復(fù)雜的交易系統(tǒng)、支付體系、履約網(wǎng)絡(luò)及風(fēng)控形成穩(wěn)定協(xié)同。

因此，千問(wèn)發(fā)起的“AI免單”不只是一次C端流量活動(dòng)，本質(zhì)上更是一場(chǎng)大模型能力與B端商業(yè)化體系的深度實(shí)驗(yàn)。

對(duì)于這一策略，坊間不乏質(zhì)疑之聲：

一種典型論調(diào)認(rèn)為：相較于海外廠商集中資源提升模型推理上限、強(qiáng)化多模態(tài)、推進(jìn)基礎(chǔ)設(shè)施與系統(tǒng)擴(kuò)展，國(guó)內(nèi)部分廠商卻選擇在春節(jié)期間“發(fā)紅包、請(qǐng)喝奶茶”，似乎有點(diǎn)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(qǐng)喝奶茶，并非簡(jiǎn)單的應(yīng)用噱頭，而是對(duì)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(yàn)。

忽視這一點(diǎn)，容易低估了國(guó)內(nèi)廠商的技術(shù)投入，這實(shí)際上是在強(qiáng)迫千問(wèn)去“理解”生意的運(yùn)轉(zhuǎn)規(guī)則。這種“模型+商業(yè)”的無(wú)縫銜接，遠(yuǎn)比單純技術(shù)迭代更為復(fù)雜。

它要求平臺(tái)必須具備深厚的B 端資源積累和系統(tǒng)接口標(biāo)準(zhǔn)，才能讓大模型真正下沉到商業(yè)毛細(xì)血管中。

更重要的是，這類實(shí)踐并非工程團(tuán)隊(duì)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(shí)資源之間的調(diào)用，背后考驗(yàn)的是企業(yè)對(duì) AI 商業(yè)化路徑的整體判斷。

因此，千問(wèn)的30億紅包免單并不是簡(jiǎn)單的市場(chǎng)行為，它要求模型理解真實(shí)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(shí)間內(nèi)承受千萬(wàn)級(jí)用戶的并發(fā)調(diào)用，任何一個(gè)環(huán)節(jié)失效，都會(huì)被真實(shí)用戶立即放大。

在這一過(guò)程中，任何一個(gè)Token的延遲、一個(gè)接口的報(bào)錯(cuò)，都會(huì)被真實(shí)用戶放大。

這種處理復(fù)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(shí)代，對(duì)千問(wèn)而言，它檢驗(yàn)的并非補(bǔ)貼效率，而是 AI 是否已經(jīng)具備在真實(shí)世界中“替人辦事”的能力——而從首日1000萬(wàn) 筆 AI 訂單來(lái)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(gè)行業(yè)共識(shí)是，大模型已進(jìn)入“后參數(shù)時(shí)代”，各家基座模型的各項(xiàng)指標(biāo)逐漸拉平，決定勝負(fù)的，不再是“誰(shuí)的模型參數(shù)更多”，而是“誰(shuí)能讓AI真正完成任務(wù)”。

過(guò)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(biāo)準(zhǔn)嚴(yán)苛審視，會(huì)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(chǎng)景懸浮”： 盡管GPT技術(shù)領(lǐng)先，但因缺乏原生應(yīng)用場(chǎng)景，其模型始終處于“懸浮狀態(tài)”。

無(wú)法嵌入消費(fèi)、出行等高頻生活場(chǎng)景，導(dǎo)致其只能靠訂閱費(fèi)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(zhǎng)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(qiáng)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(duì)“即時(shí)配送”、“服務(wù)執(zhí)行”等復(fù)雜任務(wù)，Google陷入了“能精準(zhǔn)理解需求，卻無(wú)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(diǎn)優(yōu)勢(shì)，而是一整套為 Agent 而生的基礎(chǔ)條件。

過(guò)去四個(gè)季度，阿里在“AI+云”領(lǐng)域的資本開支高達(dá) 1200 億元。這筆巨額投入支撐起了中國(guó)第一、全球領(lǐng)先的云計(jì)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(wèn) Qwen3 系列，作為業(yè)界首個(gè)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(wèn)答，又能針對(duì)復(fù)雜邏輯進(jìn)行深度多步推理，真正實(shí)現(xiàn)了“大腦”的又快又強(qiáng)。

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(wàn)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(duì)接的“最后一公里”難題。

而最核心的護(hù)城河，在于頂層的場(chǎng)景與履約體系。電商、即時(shí)零售、外賣、地圖和支付——這些阿里長(zhǎng)期積累的實(shí)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(jī)會(huì)被整合進(jìn)同一個(gè)調(diào)用框架中。

既有頂尖的大腦（千問(wèn)）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(qiáng)健的心臟（支付寶）完成商業(yè)閉環(huán)。

當(dāng)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(fù)雜的業(yè)務(wù)系統(tǒng)協(xié)同運(yùn)作。任何環(huán)節(jié)失誤，都會(huì)被用戶感知并放大。

風(fēng)險(xiǎn)本身就是壁壘，這種對(duì)“全鏈路協(xié)同”的極高要求，反而構(gòu)成了阿里真正的護(hù)城河。

從行業(yè)視角看，這條路徑也解釋了為什么“AI + 實(shí)體”被認(rèn)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(shí)世界接口的企業(yè)，才真正跨過(guò)了“工具”與“Agent”的分界線。

03Agent 時(shí)代下的中美 AI 兩條路

毫無(wú)疑問(wèn)，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(wú)論是 OpenAI、Anthropic，還是 Google，幾乎所有頭部廠商都在嘗試讓 AI 從“對(duì)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(lái)做什么。

前段時(shí)間，Anthropic 推出的 Claude Cowork，正是這一趨勢(shì)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(shí)工作場(chǎng)景中，重塑人與軟件的關(guān)系。這一動(dòng)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(jià)隨之出現(xiàn)明顯波動(dòng)。

這背后，是一條極具代表性的“美國(guó)路徑”：Agent 優(yōu)先進(jìn)入的是辦公、開發(fā)、管理等生產(chǎn)力場(chǎng)景，核心目標(biāo)是提升知識(shí)工作的效率，讓 AI 成為“數(shù)字同事”或“超級(jí) Copilot”。

而在國(guó)內(nèi)，Agent 最先被驗(yàn)證的，并非寫代碼、做表格，而是點(diǎn)餐、購(gòu)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(dòng)支付體系；另一方面，線上線下高度融合的消費(fèi)與服務(wù)場(chǎng)景，為 AI 提供了天然的“試驗(yàn)場(chǎng)”。

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(shí)現(xiàn)了降本。其中，中國(guó)大陸企業(yè)在 AI 采用率上提升迅速，已達(dá) 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(jìn)生活，接受最直觀、也最嚴(yán)苛的檢驗(yàn)——能否把事辦成。

從這個(gè)角度看，千問(wèn)的策略，代表了一種務(wù)實(shí)的中國(guó)式路徑：優(yōu)先尋找高頻場(chǎng)景，將 AI 能力接入日常生活，通過(guò)解決真實(shí)的用戶需求，來(lái)推動(dòng) Agent 技術(shù)的成熟與迭代。

不妨大膽猜測(cè)，千問(wèn) 30 億補(bǔ)貼買到的，并不只是訂單量，而是這代用戶對(duì)“下一個(gè)互聯(lián)網(wǎng)入口”的提前適應(yīng)。

Agent 時(shí)代的門，可能已經(jīng)在這個(gè)春節(jié)，被推開了一條縫。（雷峰網(wǎng)雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))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。