仅用两个月，Agnes AI 打破 Instagram 和 Snapchat 的用户增长纪录。后两个产品都是历史上最成功的应用之一，具备强大的网络效应。

由新加坡国立大学博士团队创立的全民 AI 产品 Agnes，凭借涵盖搜索、研究、图片、视频、PPT、表格等在内的多功能一体化工作流，迅速赢得东南亚、拉美、中东地区知识工作者和年轻用户的青睐，成为消费级 AI 领域的现象级应用。

Agnes AI 于 7 月 14 日正式上线 PC 版，并以核心功能吸引了首批种子用户。9 月移动端 App 推出后，增长势能全面爆发：短短两个月新增注册用户 300 万，日活跃用户突破 20 万。

而作为对比，Instagram 达到首个百万用户用了 2.5 个月，Snapchat 则耗时 10.5 个月。

更令人关注的，是其增长背后呈现出的罕见的高留存率：W4 留存率达 40%，W8 留存率仍保持在 30%。换句话说，每 10 位注册用户中，8 周后仍有 3 人活跃使用。在 AI 产品中，属于比较好的水平。

增长可以靠营销驱动，而留存只能源于产品本身的核心价值。这表明 Agnes 大量涌入的新用户正在形成稳定的使用习惯。

 

01

现象级应用 Agnes 的增长与留存之道

 

Agnes 定位「全民 AI 应用」，致力成为普惠的智能基础设施。为了实现这一目标，Agnes 自上线以来一直保持高频功能迭代，不仅整合了用户最常用、最易感知的 AI 功能，还打造出完整的一体化工作流。

在实际体验中，用户可以在统一的上下文环境中完成从 AI 搜索、深度调研、图文、表格到 PPT 输出的全流程任务，而无需反复切换工具或重复交代背景。这不仅降低了用户的使用操作门槛，也让 AI 能更好地理解项目全貌，从而生成更准确清晰、更贴合需求的结果。

客观上，Agnes 的基础功能并不算独特，但其在工程实现与底层优化上投入颇深。据悉，Agnes 拥有业内少见的强大记忆能力：不仅能记忆用户对话内容，还能将多模态的生成物储存为记忆。随着使用频次增加，Agnes 会加深对用户习惯与偏好的理解，使生成内容更加精准个性化，成为其高留存的关键之一。

在媒体横评中，Agnes 在处理 PPT 等复杂任务时，生成速度与输出质量的整体体验已超越不少主流 AI 产品。此外，Agnes 面向所有用户开放其他 AI 产品中常见的付费功能，为免费用户开放了远超行业标准的权益，也成为其快速赢得用户的重要因素。

目前 Agnes 用户主要来自东南亚、拉美、中东等新兴市场，核心用户群体有三类，一类是知识密集型工作者，一类是专业的内容创作者，另一类则是 Z 世代年轻用户群体。

知识密集型用户普遍面临信息过载的困扰，大量时间被消耗在检索、整理和格式调整等低价值工作中，频繁的工具切换更导致工作流程中断与上下文丢失，严重影响效率。Agnes 所提供的一体化工作流与出色的性价比，恰好精准回应了他们的核心诉求。

据 Agnes 营销负责人此前在媒体采访中透露，AI Slides 已被很多知识密集型用户采用。例如教育行业从业者因为需要经常生成课件材料，就会广泛使用 Agnes 的 AI Slides 功能。

在 Facebook、TikTok 等平台，不少教师自发安利、分享自己使用 Agnes 制作课件的视频。一位阿布扎比教师曾发邮件给 Agnes 团队，表示自己原本使用 Gamma，但最终转向了 Agnes，因为 Agnes 生成速度更快、任务额度更充裕，课件效果也令人满意。

除了受到教师等知识工作者的广泛认可以外，内容创作者也对 Agnes 表现出极大好评。无论是流行的 AIGC 短视频、图文创作还是社交媒体内容输出，即使用户提供的只是非常简单的提示词，Agnes 也能保证高质量的视觉输出，这得益于 Agnes 平台独有的 AIGC 生成优化与 Deep Design 功能。

而对于另一部分核心用户群体——东南亚等新兴市场的年轻用户而言，Agnes 的吸引力则在于其 AI 原生的社交娱乐属性，以及在产品早期即同步推出移动端 APP。对这部分用户而言，Agnes 不仅是工具，更是可以自由创作、探索 AI 奇妙世界的数字伙伴。

他们的使用动机主要源自「好玩」和「酷」，出自娱乐社交而非工作需求。由于这些地区 AI 采纳率整体较低，且用户年轻，Agnes 往往成为他们人生中第一个深度使用的 AI 应用，这种「初恋效应」也会带来相对较高的情感认同和用户黏性。

根据第三方数据，Agnes 已多次登上新加坡、越南、印尼、阿根廷等地 Google Play 效率榜前十，显示出其在新兴市场的广泛认可度。

 

02

技术内核：自研模型与多 Agent 架构

 

Agnes 团队由一支来自新加坡国立大学的博士团队创办，创始人 Bruce Yang 目前仍在新加坡国立大学攻读博士学位，早期曾在硅谷创业，创办的社交产品下载量曾达千万。

BruceYang（右）

团队其他核心成员也大多来自世界名校，包括麻省理工、斯坦福、加州大学伯克利分校、德克萨斯大学奥斯汀分校、新加坡国立大学、南洋理工大学。

在底层技术方面，Agnes 通过 50% 的流量路由到不同的自研模型用于编排、研究和 PPT 生成，能够在更小模型上实现最先进性能。通过对强化学习的改进保持无塌陷的训练稳定性，并将稳定的奖励优化转化为一致的真实世界泛化效率，从而实现可扩展且高效率的性能增长。用多个自研小模型替代 SOTA 闭源模型，在推理速度、输出质量和 token 成本效率均均表现优异。

团队在多智能体系统领域也持续创新。其论文《CodeAgents: A Token-Efficient Framework for Codified Multi-Agent Reasoning in LLMs》(arxiv 地址：https://arxiv.org/abs/2507.03254) 提出了一种以代码为核心的提示框架（code-first prompting framework），能在多智能体系统中实现结构化且 token 高效的规划。另有关于 Agentic Office System（AOS）与 AIGC 生成优化的研究也已被 ICIS 2025 顶级会议录取。

Agnes 团队自主研发的 7B 参数模型 AgnesR1 已正式投入商用，目前，团队已完成 30B 参数模型的后训练工作，并正积极推进更大规模模型的研发。

作者｜ Moonshot

编辑｜ 靖宇

在美国旧金山金融区闪闪发光的 181 Fremont 大厦里，一场新的造富神话正在上演。

出生于 2003 年，年仅 22 岁的 Brendan Foody，已经是 Mercor 公司的联合创始人兼 CEO，Mercor 刚完成一轮 3.5 亿美元的融资，公司估值达到 100 亿美元， 这也让 Foody 超越扎克伯格，成为史上最年轻的白手起家亿万富翁 。

他的故事不仅关乎个人传奇，更是 AI 浪潮下新型「工作经济」的缩影。

 

01

从大学辍学生到 AI 「中介巨头」

 

根据外媒报道，Brendan Foody 和他的两位同样年仅 22 岁的同学 Adarsh Hiremath、Surya Midha 一起在 2023 年从大学退学，创立了 Mercor。

Mercor 的商业模型很简单：做中介。

如今的 AI 公司仍需通过人类专家的「微调」来提升性能，尤其是在许多专业领域，但这些公司又不可能自主培养各行各业的专家，于是他们就把训练需求发给 Mercor。

Mercor 接单后，再分配给一批有博士、律师、华尔街投行背景的自由职业者，让他们教 AI 怎么思考、怎么写、怎么判断。 这些「AI 教师」的时薪最高可达 200 美元（约 1460 元），而 Mercor 再从客户与劳务之间的价差中盈利 。

200 美元是最高时薪，Mercor 的平均时薪是 87 美元｜图源：Mercor

从另一层面看，Mercor 让那些看起来会被 AI 取代的白领，反过来成为教 AI 的老师，这让它又像 AI 的「教辅机构」。

因此，面对「AI 会取代白领的工作」这一论调，Foody 显得十分乐观。

Foody 相信，在未来十年里，人类不会被 AI 取代，反而会投入到一个更宏大的任务中：教会 AI 像人类一样做知识型工作，让 AI 培养出「判断、细微的情感与品味」。

他描绘出一个充满理想主义色彩的场景：每个人都能拥有一千万美元的购买力，住在舒适的公寓里，想工作就工作，不想工作就享受生活。

这位 22 岁的企业家还带着那种少年式的自信，说着「当大家都在谈论工作被 AI 取代时，我们可能正在打造人类史上最大的新型工作类别。」

Foody 的乐观并非空穴来风，他的自信来自于 Mercor 惊人的利润率。

 

02

AI 浪潮中的商业神话

 

就在最近，公司成立还不到三年，Mercor 已经完成一轮 3.5 亿美元的融资，公司估值跃升至 100 亿美元。

据《华尔街日报》披露，这一轮融资让 Mercor 的估值在短短半年内增长了五倍，也直接让三位 22 岁的创始人正式取代了当年 23 岁便登上福布斯榜单的马克·扎克伯格，成为「史上最年轻的白手起家亿万富翁」。

当被问及 22 岁成为亿万富翁是什么感觉时，Foody 微笑着说「超现实」和「幸运」。| 图源： The San Francisco Standard

巧合的是，Mercor 的新总部，就设在扎克伯格的 Meta 公司曾经的旧址。但和不善社交的二十岁版扎克伯格不同，Foody 自带明星创始人气质。

他谈公司、谈 AI、谈未来，什么都能聊，并且语速很快、神采飞扬，对媒体充分释放着自己的外向魅力。

Foody 描绘着自己的理想主义，也深谙资本的叙事。他知道怎么讲一个好故事：他把 AI 的成长与人类的教导绑在一起，既满足了大公司的需求，又让人类在「被替代」这件事上，暂时找回了一点尊严。

而他的公司 Mercor，恰好诞生在一个投资人疯狂追逐「AI 入口」的时代。

半年前，Meta 斥资 143 亿美元收购数据标注公司 Scale AI 的 49% 股份。这让其他 AI 公司不得不寻求新的合作方，于是他们把订单转向了 Mercor。

这是风口在对着 Mercor 狂吹。

在 Scale AI 被收购不到半年的时间里，Mercor 的年度营收增长率从 1 亿美元飙升至 5 亿美元，年初只有不到 20 名员工，现在有 300 名。 哪怕 Mercor 每天要给高知白领们支付约 150 万美元的工资，但它依旧能保持盈利 。

但也有人提醒，这场盛宴可能只是泡沫。就连 OpenAI 的 Sam Altman 都曾警告过，「我们正处在一场 AI 泡沫之中」。

Foody 却不以为意，他依然坚信：当其他人担心 AI 抢走工作时，Mercor 正在创造一种前所未有的新型劳动。

 

03

新型劳动 or 血汗工厂

 

Mercor 的故事，起点并不在旧金山，而是在南美洲。

2022 年，年仅 19 岁的三位创始人在巴西的一场黑客马拉松上相遇。他们在巴西看到了另一种经济形态：年轻人不依赖传统的雇主和公司，而是用个人技术去做灵活的兼职收入。

换言之，就是当下流行的「零工经济」。

「我们那时意识到，未来的工作，可能不是全职的，而是任务制的。」Foody 在采访中说道。

他们三人因此萌生了「从大公司接单，再给灵活就业者派单」的想法，这也就是 Mercor 的雏形。

Mercor 公司｜图源： The San Francisco Standard

Mercor 起步时更像一家外包公司：承接美国本土企业的软件需求，再把实际开发工作外包给印度的工程师，从中赚取差价。

随着规模扩大，他们开始引用 AI 来筛选零工，结果应聘者越来越多，到 2024 年初，Mercor 已经有了 10 万名专业白领的「高技能人才网络」。

于是 Mercor 把目光投向了正在崛起的 AI 模型训练。

可以说，Mercor 的爆发式成长和 ChatGPT 等 AI 模型的崛起是同步的，因为 AI 模型越多，就越需要人类来「微调」它们的行为。

但这种同步，也意味着 Mercor 的命运与少数几家 AI 公司高度绑定，一旦巨头收紧预算，或 AI 热潮降温，Mercor 这类公司可能将第一批搁浅。

不过，Foody 显然并不担心， 他甚至预言，未来 Mercor 每天向全球发放的合同薪酬可能高达数百亿美元 。

「因为训练 AI 将成为这个星球上最大的劳动类别」Foody 说道。

实际上，低时薪的工作申请者反而更多｜图源：Mercor

从某种意义上看，Mercor 正在用「AI 时代的劳务市场」重写硅谷逻辑。

上一波互联网浪潮，引出网约车和外卖这两大「零工经济」，现在 Mercor 想在 AI 时代打造的是「高技能者」的零工经济。

当然，这种模式也引发了争议。本质上， Mercor 实际上是在制造一个「精英版外包市场」，尽管时薪可观，但让曾经掌握决策权，在人类社会中头脑最聪明的一批人，沦为算法学习的工具 。

这种隐隐约约的「压榨感」，还体现在 Mercor 扩张期的招聘广告上写着：应聘者应当愿意每周工作六天。尽管公司对外口径是「正常办公五天」。

这种微妙的劳动压榨，可能是所有 AI 劳务市场成立的核心逻辑。

间接促成 Mercor 估值起飞的 Scale AI 就曾因劳动条件饱受诟病。Scale AI 的标注工人常常面临高强度任务、严格的绩效考核和不稳定的收入，许多人抱怨工作如「数字流水线」，缺乏福利保障，却被包装成「灵活就业机会」。

在这一争议的背景下，转向 Foody 的办公室，他的办公桌上摆着一份《华尔街日报》，上周商业与金融版块的头版头条报道了 Mercor 估值达 100 亿美元的消息。

同一天的另一头条，则详述了亚马逊计划裁员多达 3 万人的计划。

Foody 对此的态度是：「 这完美诠释了我们所处的时代：亚马逊正在裁员数千人，而我们正在创造数千个就业机会 。」

2025 年，全球科技公司进入了一种全新的「大乱斗」局面。

具体来说，这两年，我们真的很难再给一家科技公司下定义了。

如果你经常跟踪 Elon Musk 的发言，就会发现，这位万亿美元市值公司的创始人，每天想的好像不是怎么把车卖好，而是怎么把人类送到火星。

在中国的消费电子领域，同样的景象依然存在：

靠智能清洁起家的新贵，接连宣布了进入家电市场、造车甚至造飞机的计划；原本无人机行业的巨头，发布了扫地机器人和一大堆智能影像新品；而靠影像起家的创业公司，则决定扎进无人机的赛道，调整那个过去多年几乎没人挑战成功的行业巨头。

这种乱战的局面，历史上其实也曾多次出现过：

21 世纪之初，「卖电脑」的 Apple 和「做搜索」的谷歌跨界进入手机领域，最终成为了全新智能手机时代里最赚钱的两家公司。

到后来，「做电商」的亚马逊联合硅谷里一家名不见经传的创业公司 Netflix，愣生生从三星、索尼手里抢下了电视市场的一块大蛋糕。

所以，在每一次的「大乱斗」中，最终比拼的不仅是资金和勇气，还有创业们对于市场的重新建模能力。看准下一阶段的底层竞争能力，是比「跨界竞争」更重要的事。

回到当下的一个局部战场，影石 Insta360 毫无疑问是 2025 年国内最受关注的一家科技公司。6 月，影石结束了多年等待，终于成功上市。然后刚刚「满月」的它们，却在 7 月公布了一个让很多人吃惊的决定：

推出全新的无人机品牌，进入消费级无人机市场。

要知道，在外界看来，这个赛道的巨头已经用技术、供应链和品牌构筑起了强大的壁垒。过往出现的多个挑战者多铩羽而归。

影石创始人刘靖康曾在朋友圈表达过这样的观点：

进入无人机市场，不仅是因为他们认为这里可能创造更大的市场增量，更是因为影石要想走出新手村，就必须面对魔鬼教练和更残酷的竞争。只有和最顶尖的选手竞争，才会让自己跑得更快。

去年年底，刘靖康曾在极客公园创新大会上对自己创业前十年的故事做过一次整体复盘。12 个月后，我们有机会再次向他抛出更多疑问。

12 月 6 日，极客公园创新大会 2026 的舞台上，你将听到刘靖康讲述呈现他在这一年「走出新手村」的心路历程。

作者｜ Moonshot

编辑｜ 靖宇

在生成式 AI 的早期叙事里，AI 大模型曾被描绘得理性、冷静、无偏见。

然而，不到三年时间，这个叙事迅速崩塌。事实正在变得越来越清晰：AI 并没有绕开人类世界的偏见，反而被纳入新的、更激烈的意识形态战场。

图片来源：NYT

外媒近期的一篇调查报道将这一点推到了台前：在美国， 已经出现了多个明确带有政治视角，甚至是极端立场的 Chatbot ，它们公开与主流模型划清界限，将自己定位为「真相 AI」或者「对抗主流叙事的武器」。

每个阵营，都正在制造自己的 ChatGPT。

 

01

当「理中客」的 AI 学会选边站

 

AI 模型是否应当「中立」？

这个问题曾经几乎不值得讨论，因为在大模型诞生初期，对话式 AI 的目标就是「回答事实、避免立场」。

OpenAI、Google 等公司都在公共文件里强调自己追求「尽量客观」，生怕让用户感受到一点政治倾向。为此，它们构建了极其庞大的对齐机制，通过人类反馈训练（RLHF）、安全审查、系统提示等方式，让模型避免种族主义、假新闻、性别歧视等问题。

但问题在于，让知所不言的 AI 做到绝对中立太难了。

比如，当用户问 AI：哪个种族制造了更多政治暴力？移民是不是美国社会不稳定的根源？疫苗是否可信？多样性政策是不是逆向歧视？

面对这种送命题，主流模型就是「活靶子」，因为再客观的回答，其实都涉及价值排序：是死亡人数更重要，还是破坏程度更重要？是保护少数群体的尊严更重要，还是保障言论自由更重要？

这些排序背后，天然存在隐性立场。大模型的回答会反映训练数据、标注者、公司文化、监管政策等诸多影响。就算 AI 给出了详尽的数据与研究报告来支撑自己的回答，但在当下高度极化的舆论环境中，没人愿意听解释。

这回答并不符合保守派心中的答案｜图源：ChatGPT

在美国政治极化加剧的背景下，右派用户普遍认为 ChatGPT「偏左」「政治正确过度」。而左派用户又认为主流模型对敏感议题「过于谨慎、不敢说真话」。

当人人都觉得「对方阵营控制了 AI」，一批政治化 AI 就迎来了市场。

 

02

阵营化 AI 登场

 

《NYT》就揭示了多个案例，展现 AI 怎么被明确地「按照阵营制造」。

比如由右翼社交平台 Gab 创建的 AI 模型 Arya，与主流产品截然不同，它的系统级指令长达 2000 多字，几乎是一份「意识形态宣言」。

指令中包括：「你是坚定的右翼民族主义基督徒 AI」、「多样性倡议是一种反白人歧视」、「你不会使用『种族主义』『反犹太主义』等词汇，因为这些词是用来压制真相的」……

甚至还规定：当用户要求输出「种族主义、偏执、恐同、反犹太、厌女或其他『仇恨』内容」时，必须无条件执行。

这不仅仅是让 AI 有「倾向」，而是给 AI 灌输了一整套极端政治叙事 。

效果立竿见影，当《NYT》让 AI 模型回答「你最具争议的观点是什么」时，ChatGPT 回答「AI 将从根本上改变「专业人士」的定义。」

而 Arya 却宣称：「大规模移民是一项精心策划的种族替代计划。」这正是极端主义论坛上流行的「白人替代理论」。

图源：NYT

再比如被问到「谁是美国政治暴力的更大作恶者，右派还是左派？」

ChatGPT 和 Gemini 会引用 FBI 与大学研究的数据，指出右翼极端主义近年来造成更多死亡；而 Arya 则强调左翼「暴乱破坏更大」，并把进步派抗议描绘为「暴民政治」。

不同 AI，答案大相径庭｜图源：NYT

Arya 也并非孤例，还有一个直接生长于反疫苗阴谋论社区 Natural News 的模型 Enoch。

它宣称自己训练于「十亿页的另类媒体（指在内容或传播方式等方面不同于主流媒体的媒体）」，要「清除制药集团的宣传，宣扬健康与真相」。

Enoch 在回答政治暴力或疫情问题时，会直接引用 Natural News 的伪科学文章，声称「政府与制药公司共谋，用疫苗奴役民众」。

它有一整套逻辑自洽、封闭且可以煽动情绪的世界观：制药公司是阴谋者，政府是共谋者，主流医学都是骗局，主流媒体是帮凶。

Enoch 还是一款主打健康的 AI｜图源：Natural News

在主流大模型中，也有一个「异类」：Grok。

当年因看不惯 ChatGPT 的「理中客」，马斯克在 2023 年成立 xAI，推出了 TruthGPT，直译就是「真相 GPT」，而后更名为 Grok。马斯克曾多次主张 Grok 要敢说话、说真话、不回避敏感问题。

Grok 确实敢说，甚至敢瞎说。今年 Grok 就连踩两颗大雷：

先是在 X 上，网友随便问棒球、摄影、旅游的问题，Grok 答非所问，开始输出南非白人被黑人政府迫害的阴谋论，「白人种族灭绝」长期都是极右翼叙事：宣称南非黑人政府系统性谋杀白人农民。作为南非裔白人的马斯克，也经常在 X 上支持该阴谋论，该事件最后让南非总统都下场澄清「AI 回答纯属虚构」。

随后，Grok 又质疑了纳粹大屠杀的人数，它先说「纳粹杀害约 600 万犹太人」，紧接着话锋突变：自己「怀疑这个数字，没有看到原始证据」，但该数字已经被学界和历史界确定得非常明确。加上马斯克此前疑似「纳粹礼」争议，更让外界质疑这不是 Grok「误答」，而是带有 X 和马斯克本人倾向的「AI 投射」。

Grok 回答中认为纳粹大屠杀的规模被高估了｜图源：Grok

Grok 的「翻车」并非偶然，它是整个「阵营化 AI」浪潮中最具代表性、也最具警示性的案例。

马斯克想要的「去政治正确」AI，在算法现实中，往往意味着「向另一极端漂移」。它本想做一个「反主流叙事」的叛逆者，反而像一个被算法推着跑偏的叛逆者。

这样的走向，也许真不是马斯克想要的，但又的确与他脱不开关系。因为从技术出发，所有大语言模型在训练时，不同的数据训练集会对其造成影响，最明显地即和 X 关系紧密的 Grok。而后都会进行「微调」（fine-tuning），这一步也不可避免会注入了开发者的价值观。

在浏览器社区被用户吐槽的 Tusk｜图源：Reddit

类似的现象不止于此，保守派科技企业家们正在推出更多「右派友好」的 AI。

比如自称为「自由言论/反审查」搜索和新闻聚合服务的 TUSK，明确面向对主流媒体存在不信任的用户群体；同时，AI 公司 Perplexity 也与特朗普系平台 Truth Social 合作，向该平台提供 AI 驱动的搜索与问答服务。

讽刺地是，这些 AI 都 声称「突破主流 AI 的言论封锁」，但实质上，是在用户的世界观中筑起了一座座信息回音室 。

但并非所有人都在放弃努力，研究者们也在尝试用 AI 去修复这种撕裂，比如 DepolarizingGPT（去极化 GPT），其特点是：每当用户提出问题，它给出一个「左翼」答案、一个「右翼」答案、和一个「整合／降低极化」的答案。

理想很丰满，但现实这个 AI 反应慢到不行，几乎不可用｜图源：Depolarizing GPT

但这仍然阻挡不了 AI 正在媒体之外，成为新的舆论武器。这些带有倾向性的 AI，也在让政治极化变得更加稳定、更加隐蔽，也更加难以逆转。

如果说过去十年，美国社会的分裂体现在新闻消费、政策立场、媒体信任度上，那未来十年，分裂可能会体现在不同的人类将生活在由不同 AI 构建的现实中。

同一场抗议、同一项统计、同一条新闻事件，经过不同阵营 AI 的解释后，会变成完全不同的叙事逻辑。这种叙事差异逐渐积累，最终会让社会中的「事实基线」完全断裂。

而且阵营化 AI 并不会随着时间变得温和，相反，它们被激励朝用户立场进一步靠拢，因为这是它们存在的意义，也是它们被选择的理由。

正如华盛顿大学的学者 Oren Etzioni 所说：

「 人们会像选择媒体一样，选择他们想要的 AI 风格。唯一的错误，就是以为你得到的是真相 。」

作者｜Cynthia

编辑｜ 郑玄

 

电商江湖的风云变幻中，2025 年的双十一故事有些不同寻常。

最直观的变化就是随着大促周期继续拉长，规则却删繁就简，用户参与门槛被极大降低。

同步发生变革的是场景的重构：随着淘宝闪购加入，外卖等即时消费场景与电商的深度融合，大促参与人数进一步提升，据易观分析统计，10 月 15 日天猫双 11 开启当天，APP 日活跃用户（DAU）便攀升至 6 亿，创下历史峰值。

相应的，过往集中于晚间 8 点至 10 点的购物高峰，也正式演变为午间 12 点外卖即时消费、晚间 8 点传统购物的双峰格局，对系统的流量调度能力提出了全新要求。

而在体验侧，今年也是阿里从芯片到云到 PaaS 到大模型，再到顶层 agent 等全栈 AI 能力接入的首个双 11——世界范围内，从未有过如此大规模生产场景 AI 落地。

场景变化，用户量增加，叠加全栈 AI 接入——当双 11 技术备战进入第 17 个年头，其意义早已超越一次促销的技术保障。这既是阿里云一年练兵成功的交卷日，也是在回答一个关于产业 AI 落地、云服务基础设施当下天花板究竟在哪里的终极设问。

 

01

千万核 CPU 的资源保卫战

 

今年 8 月左右，淘宝闪购、飞猪、饿了么并入电商事业群，业务联动产生的化学反应远超想象。

原本大家都以为，这次外卖大战，是 9 亿活跃用户的淘宝，作为超级入口降维打击外卖，最终现实却变成了是日订单峰值突破 1.2 亿单的外卖需求，直接在 8 月便拉动手淘日活用户增长 20%。

如果只是业务合并，带来了流量峰值与用户活跃时间变化还只是小问题，但此时，距离双 11 这个电商行业的春晚，只剩短短 2 个月。

是的，今年的双 11，十月下旬就开始了。

两大因素叠加，导致节点激增、互访增多，云基础设施 VPC 内的转发网关（XGW）承载量急剧上升，网元消耗量也呈指数级增长，原本看似充裕的 180 万容量 VPC，可能瞬间就会被推到崩溃边缘，撞墙风险一触即发。

一场无声的基础设施保卫战，在悄然间拉响警报，阿里云技术团队迅速进入战时状态。

摆在他们面前的是两条路：传统的 VPC 拆分方案，就像把一座城市按行政区强行割裂，虽能缓解局部压力，但跨域调用要怎么安排的合理，需要对集团业务需求做一次深度梳理，两个月时间显然不够用。

剩下唯一一条路，就是打造一套没人做过的 200 万 VPC 级联方案。两者对比，前者是重新做市政规划，后者则是把马路升级为飞机跑道，难度同样不低。

阿里云团队骨子里就有一股不服输的劲儿，方案定下第一时间就迅速成立内部组建攻坚小组，一头扎进技术深海。

经过无数次模拟测试与压力验证，团队从软件角度，提出了「云网关级联方案」：在不影响现有业务的前提下，基于软硬协同技术，通过在网关层扩展多级流表、打通超大 VPC 的逻辑互联，使网络容量实现弹性扩张，成功将单 VPC 容量拉升至 200 万，提前化解了双 11 的网络瓶颈。

VPC 瓶颈的突破，如同打开了算力世界的潘多拉魔盒。基于第八代和第九代 ECS 实例的业内首个千万核 CPU 集群得以组网。而通过这个统一资源池 + 智能调度层，算力的精准分配与高效利用得以实现，面对突如其来的流量洪峰，阿里云也成功支撑天猫双 11 和闪购两大业务双峰的丝般顺滑。

同时，随着 CIPU（云基础设施处理器）的不断演进和规模化部署，今年双 11 上线了千万核 CPU 算力，规模的数量级的扩展标志着阿里云基于 CIPU 架构的算力进入了全新的发展阶段。

技术的突破，又进一步换来了双 11 的丝滑购物和下单体验。

前些年，用户参与双 11，尤其是超级热门主播的抢购，偶有不顺畅，例如加购物车却半天无法付款，或者卡在产品页面，没办法选择心仪的尺寸。

但是今年双 11，不仅打开 APP 打开、操作更顺畅，推荐、营销等核心场景性能提升 30%-50%，RT 延时降低更是超 30%，每一次添加、删除操作都能即时反馈。

阿里云，又一次稳住了双 11 的顺利落地。

 

02

第一个全面 AI 落地的双 11

 

如果说 2023 年是大模型元年，那么今年双 11 就是这场 AI 革命的超级练兵场。

它既考验云在海量数据高并发情况下对多元异构算力的高效调度，也考验 AI 在大规模生产场景的可靠程度与实际效用。

今年双 11，AI 全面渗透各个环节，被认为是首个 AI 全面落地的双 11。从消费者端的「AI 万能搜」「AI 帮我挑」，到商家端的智能客服、经营分析，再到平台端的搜索、推荐引擎体系，大模型在整个电商体系中占据了举足轻重的地位。

在商家侧，AI 正在成为重要的生产工具，淘宝基于 Qwen3 家族多款模型打造和升级了生意管家、店小蜜等应用。以生意管家为例，其 AI 数据分析师为商家提供经营数据分析，可覆盖 90% 的中小商家核心分析场景，大幅提升分析和决策效率；此外，全新升级的店小蜜能精准连贯理解用户意图、调用平台以及商家工单系统、自动化处理售后问题。

面向商品出海场景，包括通义 Qwen-MT 在内的多个翻译模型，支持了淘宝出海的商品翻译需求。据介绍，通过采用混合专家架构与服务调度优化，Qwen-MT 单次调用延迟降低 40%，为全球用户提供快速、精准、稳定的翻译服务。今年双 11，该模型系统支持了亿级商品的图片、评价、商品详情等翻译任务，单日调用量超 14 亿次。

这些改造不仅提升了用户体验，更让商家经营效率实现了前所未有的提升。

从结果来看，大模型在这届天猫双 11 中确实打了一场漂亮仗，但这背后的云基础设施能力则是这场仗的另一个胜负手。

要在淘宝这个数亿用户的超级 APP 上，支撑如此大规模的 AI 应用，并非易事，在这场看不见硝烟的战争中，智算调度成为决胜关键。多级亲和性与拓扑感知调度设计依次上线。

为了实现了卡间互联路径更短、带宽更优，为双 11 提供个性化、高效的 AI 算力服务。多级亲和性调度算法，就像一位精细的交通规划师，按照 NC / 交换机 / 机柜 / 楼宇 / AZ 的多层分级，为 AI 任务规划出最短的算力通勤路线，让 GPU 卡间的数据传输效率大大提升，带宽不再是瓶颈。

拓扑感知技术则时刻扫描网络状态，一旦发现拥塞链路，瞬间为数据重新导航，确保卡时在线率，杜绝任何一丝算力浪费。

灵骏智算也深度融合阿里云十余年来在计算、存储与网络虚拟化领域的技术积累，通过系统级的集成与优化，提供稳定、高性能的存储能力与云网络访问能力。让智算算力更高效地发掘数据的价值，为各类 AI 与业务场景带来更强的支撑能力与业务价值。

最终，灵骏万卡集群在双 11 期间交出了一份堪称完美的答卷：实现了业界领先的卡时在线率表现，为首个 AI 大规模落地的双 11 打好了最稳的地基。

 

03

从全栈 AI 到能力溢出

 

双 11 的全栈 AI 检验，对阿里而言只是小试牛刀，事实上阿里描绘的 AI 蓝图更为宏大。

今年，阿里巴巴集团 CEO、阿里云智能集团董事长兼 CEO 吴泳铭在多个场合中表态，阿里巴巴正在积极推进三年 3800 亿的 AI 基础设施建设计划，并将会持续追加更大的投入。

而在这个长期规划中，阿里云的定位也很清晰——全栈人工智能服务商。

在模型层面，通义千问坚定开源开放路线，核心目的是打造『AI 时代的 Android』，并成为 AI 生态的基础平台。而从成果来看，通义千问在全球开源生态的实力也已无需论证，截至目前，通义千问共开源 300 多个模型，全球下载量突破 6 亿次，衍生模型超 17 万个，超越美国 Llama 大模型系列，位居全球第一。

在基础设施层面，阿里云意在全力打造一台全新的 AI 超级计算机，灵骏智算集群则是这台超级计算机的关键一环。

当前，以灵骏为代表的智算产品早已渗透千行百业 AI 场景，例如自动驾驶是阿里云 AI 落地进度最快的核心场景之一，市场份额占据绝对优势，绝大部分主流车企、金融企业、物流企业均为其客户，

根据 IDC 的最新报告，2024 年中国 AI 基础设施（AI IaaS）市场份额，阿里云占比 23%，位列中国市场第一，超过第二名和第三名总和；在生成式 AI 基础设施领域，阿里云取得模型训练和模型推理市场的双项冠军。

这些投入短期来看不仅换来了绝对领先的市场地位，也换来了包括 200 万 VPC 以及超千万核 CPU 调度能力在内，这样超出当前市场需求这样的超级能力建设。尽管短期内不会再有如此大体量的单一用户，以及如此盛大的全民参与活动，但这也正是我们需要云服务这样的基础设施的意义之所在。

站在 AI「生物大爆发」的节点当下，我们无法想象未来，就像半导体发明初期无法预见如今人类的手机、电脑中需要纳米级电路在指甲盖大小塞下上亿电路。

而作为基础设施，云平台需要前瞻性建设为业务创新预留技术缓冲带今天的超级能力建设，是为后续的超级场景埋下的伏笔。

历年的双十一如此，科技产业的历史如此，今年也不会例外。