从抢夺“在场感”到日销两万亿Token：AI如何穿透日常生活？

什么样的AI是好用的AI？

第一，让普通人不词穷，一句话、一个动作也能让AI理解好意图，开展任务，哪怕用户对AI只有一个模糊的印象；第二，低启动门槛，和需要用户填各种配置甚至自建某些服务相比，最好即点即用；第三，能真正围绕用户需求，产出多元化、有效益的结果。

一切的一切，都可以解释成围绕两个关键词：“摩擦力”和“在场感”，前者对应更顺利的任务理解、执行，后者则对应精准度——只有了解用户及其所处的场景，才能给出合理的结果。

因此，AI想要真正走向数以亿计的普通人，不仅要抢占用户所处的真实“在场感”，还要跨过很多物理或者软件上的隔阂，最终把抽象的算力封装成免思考的消费品。

最近一段时间，围绕千问发生的几件事，就都体现了这种思考的影子。

10月31日，苹果宣布国行版Apple Intelligence接入千问，并在11月4日推送的iOS 27.3开发者测试版中正式开放体验；几天前发布的乐奇Rokid新一代AI眼镜，将“千问办公”作为首个深度适配的眼镜端办公应用；而在11月2日晚的李佳琦“双十一”直播间里，半小时内就卖出了近10万份千问办公个人会员月卡，累计售出约2万亿Token额度。

模型、终端入口、应用，AI正在以越来越有意思的形式穿透我们的日常生活。

一、智力富余时代，最稀缺的是“在场感”

全球主流基础大模型在代码编写、奥数推理等基准测试上的得分始终徘徊在一个相对接近的区间，单纯卷“题库智商”的边际收益已然递减。决定一个模型能否在大众消费端站稳脚跟的头号指标，已经变成了它是否具备敏锐的“在场感”——即处于用户真实的动作现场，看懂那些省略了前因后果的半截话。

在离我们生活最近的地方，尤其如此。

科技媒体The Information此前曾披露过一个耐人寻味的细节：苹果在为国行版Apple Intelligence挑选合作伙伴时，先后测试了多家中国头部模型，但大多未能过关，卡壳的地方高度一致——难以准确理解用户意图，且无法结合真实的手机使用场景生成自然回答。

手机上搭载的智能化功能在很长一段时间内只能扮演锦上添花的角色，因为它于内无法紧密连接手机执行的任务，于外难以获得准确的互联网公开信息。大模型出现后，情况得到了一些改善。不过，为什么即使在评测榜单上叱咤风云的大模型，放进手机系统底层却会略显笨拙（GPT也不例外）？

因为榜单考的是标准化考题，而一个普通iPhone用户在日常环境里发出的指令，往往是高度碎片化且浸透着本土世俗生活气息的。

比如用户长按相机控制键拍下一张路边餐馆的手写菜单，问一句“带老人吃点啥合适”；或者在备忘录里选中一段冗长的物业停水通知，随手点一下改写。此时，模型没有机会让用户补充几百字的背景说明，它必须瞬间调动对视觉画面、中文日常俚语以及中国本土生活服务生态的常识积累，直接给出恰当的结果。

对比之下，苹果最终拍板选择千问，或许就主要取决于其深入世俗烟火气的上下文理解力，以及能够支撑“在场感”的工程底座。

一方面，阿里深耕中国电商与本地生活二十余年，千问对中文语境下商品、服务与日常意图的捕捉有着天然的颗粒度优势；

另一方面，Apple Intelligence采用的是“端侧轻量模型感知现场、云端大模型处理复杂任务”的混合架构，而千问家族长期坚持“全尺寸、全模态、开源与闭源结合”的策略，其开源模型早已在苹果MLX社区中与Apple Silicon芯片深度磨合，云端又有2.4万亿参数的Qwen3.8-Max兜底，配合阿里云久经考验的基建，以及严守“用户数据不用于训练”的隐私边界，才让千问顺利嵌入Siri、全局写作工具和相机视觉智能。

模型进入操作系统及其功能，本身就进入了用户所处的第一现场，把“交代背景”的负担从人类肩上彻底卸下来。

二、进入终端，赢得“终端”

既然唯有贴近底层场景才能拿到第一手的“在场感”，大模型厂商显然就需要更多的权限。

就我们所见，在“模型如何联结硬件入口”这件事上，AI行业分化出了两种商业路线。

第一种是“垂直造船派”，代表作是今年在科技圈引发激辩的豆包手机，以及阶跃终端联合合作伙伴推出的3999元智能体手机STEPX Neo。

软件出身的模型厂商之所以甘愿冒着供应链风险、在竞争激烈的智能手机市场里亲自下场定制硬件，苦衷在于作为第三方App，它们在别人家的手机系统里处处受制——想要跨应用帮用户比价点外卖、读取屏幕信息或自动回复消息，极易被手机厂商的底层安全机制拦截。

为了打破权限围墙，它们选择了最重、最刚猛的打法：自己造一台拥有最高系统权限的手机。但这种模式目前还处于实验阶段，且不谈功能完善度，光是额外的硬件支出就会挡住用户。

相比之下，千问展现出的是另一种“水平合流派”的生存哲学：从模型到应用，适应“终端”的一切——这里的终端并非限定硬件终端，而是环境的“终端”。一款设备、一个软件、一种生态，都在此列。

在存量最大的智能手机端，千问顺理成章地嵌入iPhone系统级入口；在代表未来增量交互的可穿戴设备上，10月27日乐奇Rokid发布第二代AI眼镜Rokid Glasses 2与全彩眼镜Rokid Color时，千问办公成了首个完成深度适配的AI眼镜办公应用。此外，千问办公还进入了长安汽车、锐捷网络、沙钢集团等企业 的生产场景。

模型是桨，千问的应用是船，环境是河。人类的日常活动原本就是跨终端流动的。用眼镜可以实时翻译回忆内容，低头拿出iPhone处理事务时，藏在iOS 27.3底层的千问又随时接管邮件润色与视觉问答；回到办公桌前打开电脑，千问办公早已获得了工作电脑的上下文。

在人类仍需要海量终端、仍身处多元环境的时日里，保持全尺寸模型的底座价值与应用的开放性，让AI像水电一样顺着应用管道自由流淌，才能在用户每一次抬手与低头之间，保持不间断的“在场陪伴”。

和很多四面出击的大模型不同，你能感觉到“千问”似乎有着整体的价值观和应用观，在不同的应用方向上，它都散发着很强的落地感。千问的模型矩阵、终端应用和生态平台，以各种各样的方式，融入了生产生活。何处有“问”，何处就有千问。

三、“模型即服务”，Token即生活

当然，哪怕模型钻进了iPhone的系统底层、住进了智能眼镜的镜片里，AI的普及依然走不完“最后一公里”。这是由目前AI的发展程度所限制的。接触到AI的人也不一定理解AI的价值上限，而需要AI的人也不一定已经深入使用了AI。这里还需要一个契机。

技术平权的收官之战，永远是度量衡像快消品一样容易理解——流量是M，电费是千瓦时，AI是Token。交付物也会被封装起来，就像电网铺进千家万户之后，普通家庭交的电费购买“千瓦时”，但实际用上的是能煮熟米饭的电饭煲、能吹干头发的吹风机。

于是，我们就看到了11月2日晚李佳琦直播间里的带货，抢购Token。

当晚，阿里副总裁、千问办公CEO陈宇森坐进直播间，伴随着李佳琦将经典的“321上链接”改口喊成“321上Token”，近10万份千问办公个人会员月卡在半小时内被抢购一空，折算下来相当于半小时卖出了约2万亿Token的算力配额。

放在一年前，Token还是只存在于程序员API调用账单里的生僻技术术语；而在今年“双十一”的直播间里，它第一次和面霜、纸巾摆在了同一个购物车里。某种意义上，它已经是一类生活用品了。

为什么普通白领、学生家长和钓鱼爱好者愿意在直播间里抢购2万亿Token？核心原因在于，他们买走的不是抽象的算力，而是经由“千问办公”封装后的生活与工作成品。

在直播间的演示里，Token的底层吞吐是看不见的，但终端效果是看得见的：“钓鱼佬”可以输入一句话自动生成一份支持多人在线协作标记钓点的“全球钓鱼地图”；家长可以上传孩子的错题照片，一键生成带语音朗读的闯关复习小游戏。

在社交媒体上，早已有了大量类似的教程。或许下一步，我们就会看到包括千问在内的AI企业加速发力更具体的普通人推广——厨房爱好者可以自制每日菜单做成小程序，并联动淘天生态购买需要的产品；如果在学习一门语言或者技能，也可以自建学习卡片、浏览器插件和复盘考试产品，甚至进一步变成学习社群和知识付费的管理工具。

有一个事实，一些人还没发觉、一些人已经意识到，还有一些人不愿意承认：AI的智力已经到了临界点，即使是大量名字带“Flash”的模型（通常意味着更小参数、更低价格和更快速度），已经足够给未曾智能化的生活带去翻天覆地的改变，宛如原始人第一次在夜里见到雷击森林产生的火。追逐智力上限是AI产业的马拉松，但普通人已经可以拿出自己的“生活上下文”，和最有用的模型与应用同行。

此时，千问代表的应用层扮演了“电饭煲”的角色，负责把Token消耗，转化为普通人看得见、用得上的确定性成果。“模型即服务”，但不是MaaS，而是模型和技术会有千千万万条通道，让智能流入生活。

结语

2026年，AI行业有了更多灿烂的成果，尤其是应用方向上不断向普通人倾斜。在此趋势中，我们看到了几个方向：

第一，孤立对话App的“入口执念”加速瓦解，端侧标配成为探索的主要方向。像千问融入iPhone一样，无需跳出当前界面即可随手调用的系统级集成，将越发影响AI对用户的触达。

第二，模型、软件、硬件，合纵连横步入深处。那些既具备端侧极速响应能力、又拥有云端超大参数兜底的模型底座，将进一步成为手机、PC、眼镜与汽车厂商竞相采用的公共基础设施。明年，相关应用的爆发将更加引人注目。

第三，Token正式步入“日用快消品时代”，下半场的关键将从“模型吞吐量”转向“场景消耗力”。算力本身已经彻底告别了神秘感，尝鲜期过去，谁的应用套件能把办公、学习与生活场景打磨得足够顺手，让普通人在不知不觉中真正用掉那些Token，并在下个月心甘情愿地像续缴水电费一样留存下来？这将决定谁是真正的算力运营商。

技术革命成熟的标志，从来不是人们每天把技术挂在嘴边赞叹，而是当人们随手一句话完成任务时，早已忘了背后还有“大模型”的存在——我不知道大模型是什么，但我知道自己要什么，也能感受到它们带来了什么。