文 ｜ 闌夕

在全民「養(yǎng)豬」龍蝦的熱潮尾聲，千問宣布實裝了「AI打車」的skill，對比起來，有種未來主義向現(xiàn)實主義回歸的基本常識。

從排隊安裝到付費卸載，短短十來天的時間，OpenClaw在中文互聯(lián)網(wǎng)就走過了從入門到入土的全生命周期，著實抽象。

除了鋪天蓋地的FOMO之外，缺少使用場景其實是被廣泛忽略的最大問題，在費盡心力的完成配置完之后，對著命令框，大多數(shù)人可能依然處于腦子一片空白的狀態(tài)，不知道讓它做什么好。

最后只好安排龍蝦給自己做個新聞簡報之類，姑且不論這個活兒其實主流AI助手都能辦到，燒掉幾十萬Tokens就為了證明自己用上了龍蝦，代價未免也太高了。

這就是我反復(fù)說過的，如果你不是已經(jīng)把AI助手的能力榨取到了極限，極限到它已經(jīng)無法滿足你的需求——要知道，連頂級數(shù)學(xué)家陶哲軒也都還在使用網(wǎng)頁版的ChatGPT——否則其實就用不上那些工程化的新品。

何況AI助手本身也在工程化，打個不恰當(dāng)?shù)谋确剑谌鐾扰懿街�，先學(xué)會好好走路，可能才是AI連接普通用戶的最好路徑。

怎么說呢，看多了拔苗助長的行業(yè)躁動，千問繼續(xù)擴大辦事能力半徑的做法，反而更加顯得眉清目秀起來了??

打車當(dāng)然是辦事的，但它和點奶茶、買東西不太一樣的是，帶有更大的非標(biāo)性，和更低的容錯率。

AI幫買奶茶，如果點錯了或者買少了，對于用戶來說固然糟心，但也不是完全不能接受，但AI幫忙打車，把目的地選錯了，甚至耽誤了航班，必然引起「天塌了」級別的暴怒。

而且，打車的變量不止是起點和目的地，千問能做的事情，還有「不要臭車」「30塊以內(nèi)」「定時預(yù)約」這些個性化需求的滿足，確保言出法隨的體驗。

我自己就模擬出了一整套通勤流程，由于平時就是高德地圖的高頻用戶，有了家和公司的預(yù)設(shè)地址，可以說不存在任何遷移成本，甚至半路想起來要買東西的臨場需求，千問都能一一實現(xiàn)。

下班也是一樣，對用戶意圖的識別和匹配相當(dāng)精準(zhǔn)，包括付款在內(nèi)的整個流程都不需要跳轉(zhuǎn)其他APP。

工程學(xué)的難度及其原理在于，流程可以做加法，結(jié)果卻是做乘法，每個步驟的成功率是95%，看起來很高，十個步驟連在一起，成功率就連60%都不到了。

這也是為什么我對千問死磕辦事的評價一直很高，因為它是真的在以一己之力推動AI在真實世界贏得用戶信任這件事情。

當(dāng)AI變得越來越油——在指出它犯了錯誤之后，「你說得對」成了它屢教不改的開場白——這反而強化了AI在通用場景里只適合完成開放性任務(wù)的刻板印象，但凡對準(zhǔn)確度有所要求，AI的可信度就急劇下降。

所以才有「人工智能不如能工智人」的段子??

而千問正式上線以來的每一步，都是在把AI從近乎無限的免責(zé)區(qū)拉出來，拒絕延續(xù)「它還是個孩子」的寵溺。

重要的是，千問想做成的事情，向下有多扎實，往上就有多壯麗。

ChatGPT也能調(diào)用Uber，但是只有用了之后，才知道距離「一句話打車」的理想體驗有多遙遠(yuǎn)：

必須指名Uber的應(yīng)用，必須完整寫出明確指令——少一個字都不行——必須跳轉(zhuǎn)到Uber的App里完成下單，整個過程充滿了「脫褲子放屁」的多余感。

這當(dāng)然不是模型不中用，ChatGPT再怎么強大，它也無法去管理Uber的運行數(shù)據(jù)，兩款產(chǎn)品通過有限的接口互通，博弈下來的成果就是，AI依然只能在它的「一畝三分地」里行動，只要涉及到第三方應(yīng)用的，就還是要把流量和履約都挪過去。

也確實是難為AI了，模型的智商再高，也處理不了這些復(fù)雜的人情世故啊??

而千問能夠擺平同樣的問題，原因還是在于阿里的自有生態(tài)足以支持服務(wù)供給，而且不光是客觀上「有」，更得是主觀上「能」。

無論是用千問點奶茶也好、打車也好，響應(yīng)的都是阿里自家生態(tài)產(chǎn)品，此時發(fā)揮出來的體制優(yōu)勢，或者說「集中力量辦大事」的戰(zhàn)略高度，讓阿里不必重復(fù)OpenAI的窘迫。

從千問已經(jīng)能夠支持的混合任務(wù)來看，阿里是真的把入口做了「AI優(yōu)先」的重新設(shè)計，可以一句話打車，不代表只能一句話打車，事實上，用稍微復(fù)雜的表達(dá)，讓千問先訂電影票、然后以規(guī)劃時間為前提去幫打車、最后在電影結(jié)束后預(yù)約一輛回家的車，都是可以實現(xiàn)的。

而在這個過程中，檢驗的不只有模型自身的能力，還有千問對于工具的使用，它能像人一樣，去地圖里查看路線，去計算合理的日程，去預(yù)判網(wǎng)約車的接送時間。

還是那句話，但凡錯一項，給用戶體驗的損傷，都是毀滅級的。

這才是隨著千問的一次次升級，創(chuàng)造出來的開創(chuàng)性價值，它在做的事情，同行要么避而遠(yuǎn)之，要么舉步維艱，對阿里來說也不可能立刻帶來特別突出的經(jīng)濟效益，但千問偏要把這塊硬骨頭給啃了，不為別的，就是任性。

這會讓人想到1923年「紐約時報」追問登山家喬治·馬洛里為什么堅持要冒著生命危險去爬珠穆朗瑪峰時，后者甩出來的那句言簡意賅的回答：

「因為山在那里。」

是啊，山就在那里，作為一個職業(yè)的登山者，是不可能騙自己沒看到的。

如果阿里真的相信AI是當(dāng)代正在發(fā)生的工業(yè)革命這個敘事，真的相信千問模型是開源之光、是能和頂級模型打得有來有回的資質(zhì)，那么承擔(dān)為整個AI行業(yè)向前探路的使命，也就是一種必然，而不是選擇。

從買一杯奶茶，到打一輛車，千問在逐漸打出產(chǎn)品心智的同時，還在落實著AI之于主流用戶的安全性。

這里的安全性，在于放心委托AI替自己辦事，第一次可以是嘗鮮，第十次、第一百次就是習(xí)以為常的生活方式了。

所有的技術(shù)進(jìn)步，遲早都要邁過這一步，現(xiàn)在的年輕人可能不知道，當(dāng)計算器和電子秤最初被應(yīng)用到菜市場等場景后，很長一段時間里，消費者不會輕信機器上顯示的數(shù)字，一定要自己心算過一遍才踏實。

也許，當(dāng)下看過去有多滑稽，未來看當(dāng)下就有多著急。

就像「阿瑪拉定律」所說的：「我們總是高估一項科技所帶來的短期效益，卻又低估它的長期影響�！�

AI是一個過度炒作的行業(yè)嗎？很難否認(rèn)。

誠實的說，正是因為許諾的太多，實現(xiàn)的太少，以致于前沿與大眾之間的割裂感過于嚴(yán)重。

但也有千問這樣，一步一個腳印的，把吹過的牛逼挨個實現(xiàn)的產(chǎn)品，并在長期的尺度上，對齊AI的智力和行動力，這就夠了。

凡是過往，皆為序章。