
【AI硬件选择之问】
“工具在使用者手中时才成为工具。”海德格尔的这段话,今天用来理解AI硬件同样贴切。问题在于,大模型这只“手”伸出来时,用户究竟愿意把它握在掌心里(手机),还是架在鼻梁上(眼镜),亦或是让它一直贴耳倾听(耳机)?据《Z Finance》独家报道,字节跳动内部决定暂停豆包AI眼镜项目。要理解这场选择,需先回答更基础的问题:大模型公司为何要做硬件?
【Token消耗背后的问题】
据《晚点LatePost》报道,火山引擎豆包大模型日均调用量已超过120万亿Token,半年增长4倍。国家数据局的数据显示,中国日均Token消耗量在一年半内增长约300倍。黄仁勋在GTC 2026的舞台上说,Token将是未来数字世界最核心的大宗商品。然而,Token消耗的暴涨,掩盖了更根本的问题,即这些Token从哪里被触发,通过什么界面进入用户的生活?过去两年,答案是手机屏幕和对话框。OpenClaw的爆火将Agent从开发者工具推向大众用户,推高了对“随时随地触发AI执行”能力的需求密度。当大模型竞争从生成式问答转向执行任务,执行链路需要更靠近用户身体的物理锚点。
【豆包与千问的不同路径】
豆包选择的落点是操作系统,以“操作系统级合作”模式切入AI手机赛道,通过与手机厂商在系统层面合作,获得识别屏幕UI元素、模拟人工操作的核心权限;千问选择的是眼镜,千问AI眼镜上线首批“AI办事”能力后,支持话费充值、扫码骑车、停车缴费、语音点外卖。这两条路径本质上是两家公司对同一问题给出的不同工程答案:究竟改由谁来做Agent执行链路的物理接口。
【大模型公司做硬件的原因】
大模型公司做硬件,实则在回答从Token经济学中衍生出的问题。过去两年的AI竞争,核心战场在模型能力和价格。价格战把Token单价从三年前的高点压低了约300倍,但单价崩塌未让AI支出可预测,因为Agent类应用让单次任务的Token消耗从普通对话的几十倍起跳。据腾讯科技报道,亚太区电商技术公司Branch8的6人团队,启用Claude Code第一个月花了2400美元,经过八周密集优化才勉强降到680美元。Token支出管理成了需专门技能的工作。这种成本结构改写了AI产品竞争逻辑,谁掌握Agent触发入口,谁就掌握Token消耗源头,而触发入口密度取决于设备离用户远近和启动摩擦力高低。这是豆包和千问转向硬件的真实驱动力:在Token消耗链路最前端建立物理节点。
【千问AI眼镜优势】
千问AI眼镜团队跟踪的用户交互轮次指标显示,夸克眼镜S1上线后,用户交互数对比第三方手机AI助手应用提升了约6倍。戴在脸上的AI被调用更频繁,是因为感知始终在线、启动摩擦力趋近于零。对于Agent而言,这种持续在场的交互密度意味着更丰富的上下文积累和更多执行任务的触发机会。2026年4月,千问AI眼镜首次OTA升级后上线“AI办事”能力,通过接入淘宝闪购、支付宝,支持话费充值、扫码骑车、停车缴费、语音点外卖,产品定义从AI回答问题变成把事情办完。
【豆包AI手机助手优势】
豆包确定的路径同样深入,只是方向不同。去年12月,豆包AI手机助手以“操作系统级合作”模式进入AI手机赛道,通过与手机厂商在系统层面合作,获得识别屏幕UI元素、模拟人工操作的核心权限。实测显示,“比价肯德基套餐并下单发送截图”这一涉及三个应用、十二步手动操作的任务,豆包可在后台自动完成,仅支付环节需人工介入,全程耗时较人工操作缩短72%。
【提前卡位与平台逻辑】
目前,Agent在大众用户中形成使用习惯还需时间。豆包和千问现在的硬件投入,是为未到来的需求峰值提前卡位,这是典型的平台逻辑,先占住感知节点,等Agent成熟后,数据流和调用量会从节点涌入。但平台逻辑有前提,设备必须在需求到来前就在用户身上,这解释了千问为何在眼镜之外布局指环和耳机,因为单一形态覆盖不了全天候感知需求,矩阵才能。
【不同优势延伸】
豆包与千问的硬件路径,都是从自身核心优势出发延伸的结果,只是各自优势对应的最优形态不同。豆包AI眼镜项目暂停,内部核心判断合理,大框、拍摄、语音、翻译,主流范式已被Ray - Ban Meta统一。2025年,Meta智能眼镜全年销量超过700万副,全球市场份额达85.2%。在这个格局下,“能不能做”已不是问题。千问的选择出发点清晰,阿里应用生态中,话费充值、外卖点单、停车缴费等淘宝、支付宝既有能力可直接接入Agent执行链路,通过眼镜重新封装成AI原生交互形态。对没有该生态底座的公司,眼镜只是戴在脸上的语音助手;对阿里来说,眼镜是打通已有应用、建立新型触点的现实节点。豆包深入手机操作系统,是在自己的流量分发能力地带建立Agent入口。千问押注可穿戴设备矩阵,是在把阿里的应用生态重新封装成AI原生交互形态。
【端侧推理改变成本结构】
硬件入口竞争最终会回到基础问题:Token从哪里来,到哪里去,谁来付账。Token价格透明,但Token里“智力”含量用户无从得知。4月,AMD AI战略总监Stella Laurenzo基于6852个Claude Code会话的分析显示,从今年2月下旬开始,Claude Opus 4.6的推理深度大幅下降,腾讯科技也报道,“每次代码编辑前的文件阅读次数”从6.6骤降至2.0,降幅约70%。这些改变未显著通知用户,大量开发者在代码质量下降后才怀疑“模型是不是变笨了”。更隐蔽的是缓存命中率对实际成本的影响。一位开发者对Claude Code一周数据的追踪显示,正常情况下91%的Token来自缓存命中,缓存命中价格只有标准输入价格的十分之一。如果缓存全部失效,Input成本会暴涨到原来的5.7倍。这种成本结构是端侧模型价值主张的核心依据之一。端侧推理一次性部署后,边际成本趋近于零,没有缓存命中率的不确定性,也没有云端峰值定价的波动。对于频繁触发Agent任务的硬件设备,这个优势会随使用密度增加而放大。谷歌DeepMind 4月发布的Gemma 4,重新划定端侧模型能力边界。其E2B和E4B模型推理时激活的有效参数量分别仅为20亿和40亿,在LiteRT - LM框架下,可在3秒内处理跨越两个独立技能的4000个输入Token;E2B与E4B原生支持函数调用,覆盖Agent工作流所需的核心推理路径。上下文窗口达128K Token,在不足1.5GB的内存占用下可完成运行。这意味着可调用外部工具、执行多步骤规划的端侧Agent,其硬件门槛已降至现代中端手机的内存余量之内。千问目前采用云端大模型加本地轻量智能体的混合架构,是当前端侧算力约束下不错的解。据36氪报道,千问在2026年规划的硬件形态除AI眼镜还包括AI指环、AI耳机,三种形态覆盖视觉交互、无感佩戴和音频交互三个不同维度,形成全天候的感知矩阵。这个矩阵核心价值在于眼镜捕获第一视角的行为数据流,这些数据反哺千问大模型迭代,模型能力提升后又优化硬件体验,形成闭环。但Gemma 4这类模型出现,正在缩短这个“当前”的有效期。当端侧模型可在本地独立完成越来越多的Agent任务,云端兜底在高频轻量场景中的必要性会下降,Token的消耗路径也会改变。这会对当前AI硬件主流云端模式产生影响,其一,端侧能力提升会降低硬件设备对云端的依赖,让设备端AI从成本结构上更具竞争力;其二,当用户的Agent任务更多在本地完成,依赖数据回流云端驱动模型迭代的商业闭环,需重新设计数据获取路径。有多少增量留在云端、有多少转移至本地,将成为整个MaaS商业模式需提前应对的结构性问题。
【Token消耗结构影响MaaS业务】
当Token消耗从对话层迁移到执行层,Agent开始代替人操作应用,这些任务在云端计费还是在端侧本地完成,答案将决定Token消耗结构,进而影响MaaS业务收入模型。火山引擎超百亿元的MaaS业务收入目标已随Seed 2.0、Seedance 2.0等模型发布、OpenClaw爆火上调。阿里成立了ATH事业群,两家公司在云端的Token战争和在硬件端的入口争夺,是同一场竞争的两个战场。谁能在硬件侧建立高频Agent使用习惯,谁就在云端MaaS下一轮增长中占据需求端主动权。2026年的AI硬件竞争,表面上是眼镜和手机的形态之争,实质上是对Agent时代Token消耗入口的提前卡位。这场竞争无快速结论,因为Agent在大众用户中的真实使用习惯在形成,端侧模型能力边界被Gemma 4这类模型推进,云端Token成本结构被缓存命中率、推理深度和定价策略改变。《新立场》认为,决定胜负的是谁拥有足够密度和高频的应用场景,能让Agent在真实使用中持续积累上下文、优化执行能力,形成对用户的理解深度。这个变量更多由生态底座决定。千问和豆包的硬件分歧,是两个不同生态底座在同一技术拐点上的不同押注,各自在最擅长处寻找答案。
249



被折叠的 条评论
为什么被折叠?



