去他的龙虾，千问有自己的节奏

文 ｜ 阑夕

在全民「养猪」龙虾的热潮尾声，千问宣布实装了「AI打车」的skill，对比起来，有种未来主义向现实主义回归的基本常识。

从排队安装到付费卸载，短短十来天的时间，OpenClaw在中文互联网就走过了从入门到入土的全生命周期，着实抽象。

除了铺天盖地的FOMO之外，缺少使用场景其实是被广泛忽略的最大问题，在费尽心力的完成配置完之后，对着命令框，大多数人可能依然处于脑子一片空白的状态，不知道让它做什么好。

最后只好安排龙虾给自己做个新闻简报之类，姑且不论这个活儿其实主流AI助手都能办到，烧掉几十万Tokens就为了证明自己用上了龙虾，代价未免也太高了。

这就是我反复说过的，如果你不是已经把AI助手的能力榨取到了极限，极限到它已经无法满足你的需求——要知道，连顶级数学家陶哲轩也都还在使用网页版的ChatGPT——否则其实就用不上那些工程化的新品。

何况AI助手本身也在工程化，打个不恰当的比方，在撒腿跑步之前，先学会好好走路，可能才是AI连接普通用户的最好路径。

怎么说呢，看多了拔苗助长的行业躁动，千问继续扩大办事能力半径的做法，反而更加显得眉清目秀起来了⋯⋯

打车当然是办事的，但它和点奶茶、买东西不太一样的是，带有更大的非标性，和更低的容错率。

AI帮买奶茶，如果点错了或者买少了，对于用户来说固然糟心，但也不是完全不能接受，但AI帮忙打车，把目的地选错了，甚至耽误了航班，必然引起「天塌了」级别的暴怒。

而且，打车的变量不止是起点和目的地，千问能做的事情，还有「不要臭车」「30块以内」「定时预约」这些个性化需求的满足，确保言出法随的体验。

我自己就模拟出了一整套通勤流程，由于平时就是高德地图的高频用户，有了家和公司的预设地址，可以说不存在任何迁移成本，甚至半路想起来要买东西的临场需求，千问都能一一实现。

下班也是一样，对用户意图的识别和匹配相当精准，包括付款在内的整个流程都不需要跳转其他APP。

工程学的难度及其原理在于，流程可以做加法，结果却是做乘法，每个步骤的成功率是95%，看起来很高，十个步骤连在一起，成功率就连60%都不到了。

这也是为什么我对千问死磕办事的评价一直很高，因为它是真的在以一己之力推动AI在真实世界赢得用户信任这件事情。

当AI变得越来越油——在指出它犯了错误之后，「你说得对」成了它屡教不改的开场白——这反而强化了AI在通用场景里只适合完成开放性任务的刻板印象，但凡对准确度有所要求，AI的可信度就急剧下降。

所以才有「人工智能不如能工智人」的段子⋯⋯

而千问正式上线以来的每一步，都是在把AI从近乎无限的免责区拉出来，拒绝延续「它还是个孩子」的宠溺。

重要的是，千问想做成的事情，向下有多扎实，往上就有多壮丽。

ChatGPT也能调用Uber，但是只有用了之后，才知道距离「一句话打车」的理想体验有多遥远：

必须指名Uber的应用，必须完整写出明确指令——少一个字都不行——必须跳转到Uber的App里完成下单，整个过程充满了「脱裤子放屁」的多余感。

这当然不是模型不中用，ChatGPT再怎么强大，它也无法去管理Uber的运行数据，两款产品通过有限的接口互通，博弈下来的成果就是，AI依然只能在它的「一亩三分地」里行动，只要涉及到第三方应用的，就还是要把流量和履约都挪过去。

也确实是难为AI了，模型的智商再高，也处理不了这些复杂的人情世故啊⋯⋯

而千问能够摆平同样的问题，原因还是在于阿里的自有生态足以支持服务供给，而且不光是客观上「有」，更得是主观上「能」。

无论是用千问点奶茶也好、打车也好，响应的都是阿里自家生态产品，此时发挥出来的体制优势，或者说「集中力量办大事」的战略高度，让阿里不必重复OpenAI的窘迫。

从千问已经能够支持的混合任务来看，阿里是真的把入口做了「AI优先」的重新设计，可以一句话打车，不代表只能一句话打车，事实上，用稍微复杂的表达，让千问先订电影票、然后以规划时间为前提去帮打车、最后在电影结束后预约一辆回家的车，都是可以实现的。

而在这个过程中，检验的不只有模型自身的能力，还有千问对于工具的使用，它能像人一样，去地图里查看路线，去计算合理的日程，去预判网约车的接送时间。

还是那句话，但凡错一项，给用户体验的损伤，都是毁灭级的。

这才是随着千问的一次次升级，创造出来的开创性价值，它在做的事情，同行要么避而远之，要么举步维艰，对阿里来说也不可能立刻带来特别突出的经济效益，但千问偏要把这块硬骨头给啃了，不为别的，就是任性。

这会让人想到1923年「纽约时报」追问登山家乔治·马洛里为什么坚持要冒着生命危险去爬珠穆朗玛峰时，后者甩出来的那句言简意赅的回答：

「因为山在那里。」

是啊，山就在那里，作为一个职业的登山者，是不可能骗自己没看到的。

如果阿里真的相信AI是当代正在发生的工业革命这个叙事，真的相信千问模型是开源之光、是能和顶级模型打得有来有回的资质，那么承担为整个AI行业向前探路的使命，也就是一种必然，而不是选择。

从买一杯奶茶，到打一辆车，千问在逐渐打出产品心智的同时，还在落实着AI之于主流用户的安全性。

这里的安全性，在于放心委托AI替自己办事，第一次可以是尝鲜，第十次、第一百次就是习以为常的生活方式了。

所有的技术进步，迟早都要迈过这一步，现在的年轻人可能不知道，当计算器和电子秤最初被应用到菜市场等场景后，很长一段时间里，消费者不会轻信机器上显示的数字，一定要自己心算过一遍才踏实。

也许，当下看过去有多滑稽，未来看当下就有多着急。

就像「阿玛拉定律」所说的：「我们总是高估一项科技所带来的短期效益，却又低估它的长期影响。」

AI是一个过度炒作的行业吗？很难否认。

诚实的说，正是因为许诺的太多，实现的太少，以致于前沿与大众之间的割裂感过于严重。

但也有千问这样，一步一个脚印的，把吹过的牛逼挨个实现的产品，并在长期的尺度上，对齐AI的智力和行动力，这就够了。

凡是过往，皆为序章。