大模子正堕入一场“武备竞赛”式的狂欢。参数鸿沟从千亿到万亿，凹凸文窗口从1万到100万，各家厂商你追我赶，仿佛谁投更多算力、堆更大参数，谁就能赢下这场AI竞赛。但盘考标明，单纯增多参数带来的性能提高正在急剧递减。

斯坦福大学发布的《大模子鸿沟定律》指出，当参数进步5000亿后，模子在推理才略、知识表现等中枢思议上的提高幅度从早期的30%以上降至不及5%，而覆按资本和能耗却呈指数级增长。

企业信得过需要的，是一个参数天文数字的“万能选手”，照旧一个敷裕明智、敷裕低廉、能实确实在干活的“专科搭档”？

6月8日，云知声发布自主研发的下一代原生智能体模子U2，一款有近3000亿参数的MoE稀薄模子，声称能在多半任务上并列万亿参数模子。更关键的是，其推理资本显耀低于同尺寸鸿沟大小模子。

当大多半玩家还在比谁的模子“更大更强”，云知声选拔了一条“强而小、强而省、强而能落地”的相反化旅途。这条旅途的逻辑是什么？底气从哪来？能否撑起“国产第一梯队”的标的？

1

大模子界的

“反内卷选手”

现在主流的万亿参数级别大模子，动辄需要上千张GPU卡智力跑起来，单次推理的电力资本和算力资本高到让大部分企业老套三舍。而U2的近3000亿总参数，激活参数目惟一百亿级别，按照MoE架构的稀薄特色，每次推理只调用约十分之一的大家参数。

这背后的底层公式，是云知声独创东说念主黄伟建议的一个成见：AI公司行业价值=智能密度×Token价值。

什么叫“智能密度”？黄伟的评释是：不是单纯强调模子小，而是在模子性能达到群众第一梯队水平后，进一步算计每单元参数里承载了几许知识、推理才略和任务处理着力。

用一句更直白的话说：你用十个参数颖慧别东说念主一百个参数的活儿，你的智能密度就更高。

而“Token价值”则是另一个被行业冷落的维度。当年两年，大模子厂商可爱比“生成多快”“生成几许”，黄伟把这个逻辑反过来问：如果生成的Token莫得业务价值，那它不是收入，是资本。Token价值不是看数目，是看每次调用能否信得过升沉为业务驱逐。

U2是云知声自研、基于快慢想考和会的稀薄羼杂大家（MoE）架构通用大语言模子，从遐想之初就锚定“为施行而生”，而非“为生成而生”。

其领有许多本事亮点，举例在高智能密度方面，通过知识精粹编码、语义压缩优化，近3000亿参数的U2在多半纯文本任务接近致使超过国内万亿参数模子，参数着力接近后者约5倍。用更少参数承载更高密度知识与推理才略，告别无效参数堆砌。

“Agent+Harness协同演进”是U2的另一个关键标签。

传统大模子骨子上是“嘴强王者”，能修起问题、能写著述，但真要让它去完成一个复杂的多秩序任务，比如自主调用器用、谋划旅途、施行操作并验收驱逐，就得在外面包上一层厚厚的“应用壳”。

U2的器用调用、现象治理、多步谋划均为模子原生才略，可自主表现标的、拆奉命务、调用器用、施行验收，适配复杂长程任务，而非靠外挂达成智能体效果。主如果依赖旅途谋划施行与harness协同演进，改进遐想原生推理旅途蒸馏机制，构建缠绵-环境探索-施行-验收全链路闭环才略，高效附近复杂长程任务。

具体而言，U2将模子原生Agent才略的提高与Harness（任务施行脚手架）的迭代优化纳入兼并覆按闭环，酿成双向强化的协同演进机制。一方面，Harness左证刻下模子才略领域与特色抓续迭代，为模子提供更精确的任务环境与响应接口；另一方面，模子欺诈优化后的Harness复返的高质地轨迹数据，抓续强化多步谋划、器用调用、经过纠错与驱逐验收才略。

这种底层覆按机制的换骨夺胎，在直不雅的应用层带来了全新的使用体验。哪怕是在纯当然语言的交互场景下，它的原生施行力也体现得长篇大论。以我最近测试的一个前端开荒任务为例，笔者动作别称文科生，从来不会写任何代码，我只需要在U2对话框里输入一段指示：帮我写一个单文献的网页小游戏，模拟烟花飞到空中然后开放。条件画面罕见炫酷，五颜六色的线条轨迹，况兼我不错用鼠标去互动。

令东说念主惊喜的不仅是它在不到2分钟内一次性委派了无Bug的制品代码，更在于它在生成经过中展现出的“原生涯议感”——它无需外部指示，便自主完成了从底层canvas逻辑构建、五彩线条轨迹的物理模拟，到鼠标交互事件的精确挂载。全程单次交互便达到验收法度，直不雅考证了其内化的任务分解与施行才略。

个东说念主的惊艳体验并非孤例，鸿沟化的评测数据也为这种“高施行力”提供了严谨的佐证。U2在最新的综合评测中展现了罕见求实、面向真实企业级落地场景优化的浩大实力。评测深度遮盖了智能体才略（AgenticCapacity）、实战化智能体专项（ClawSpecific）、长文本才略（LongContext）、知识与推理（Knowledge&Reasoning）以及指示死守（InstructionFollowing）五大中枢维度，遮盖范围与U2的中枢遐想取向高度契合。

让东说念主惊喜的是，在6月10日国际巨擘AI模子评测平台LLMStats更新的榜单中，云知声U2登上两项关键评测：在LLMStatsScore综合才略榜单中参加模子总榜前30，按厂商最好模子收获位列群众模子厂商第九。此外，LongBench-V2评测名次中，U2的长文本才略以54.4%的准确率超过ClaudeOpus4.7（53.9%），仅过期GPT-5.4（55.6%）1.2个百分点，名次群众第二。意味着其中枢的凹凸文信息索取、跨段落推理才略已达到群众第一梯队水平。

此外，评测驱逐全面印证了U2“双高+原生智能体”的中枢主义，建造了其动作新一代高效Agent模子的行业地位。最初是三大基础才略全面夺魁，印证“高智能密度”；其次是代码工程与Agent实战稳居第一梯队，彰显“原生智能体”本色；临了是极致能效带来压倒性降本上风，践行“低资本高产出”策略。

「枪弹财经」发现，U2的底层逻辑，是先达到一流智能水平，再把资本打到最低。如同造车不是马力越大越好，而是在保证速率与安全前提下作念到最省油。

黄伟的譬如直白又精确：“我不需要一个中国科学院院士来开滴滴。许多任务场景不需要最高智能，硕士博士水平就够了。”

2

十几年的“长征路”

许多东说念主对云知声的印象还停留在“作念语音识别”，这个判辨偏差其实不小。

在AI1.0时间，它的有名度远不如商汤、旷视那批“AI四小龙”。但黄伟有一个很特事理的不雅点：云知声不是从语音走向大模子，滚球app全新入口而是从智能交互走向大模子。

翻开期间轴，不错看到云知声的一条发展干线：语音仅仅进口，背后是意图表现，再背后是任务施行。

2012年创立，同庚攻克“5米远讲”本事；

2013年发布业内首款语音电子病历，走进协和病院；

2014年推出语义云，业内首提“云表芯”一体化策略；

2018年自研AI芯片“雨燕”面世；

2023年发布山海通用大模子；

2024年山海医疗大模子登顶MMDU、MedBench等群众榜首；

2025年6月，云知声在港交所挂牌上市，被誉为“AGI第一股”。

这十多年里，云知声险些在每个本事周期齐提前下了注，只不外“踩早”是有代价的。黄伟我方说得坦率：“踩早总比踩晚好。踩早了你付出的是期间资本，踩晚了你连入场的契机齐莫得。”

上市近一周年，首份年报交出的数据颇有看头。2025年全年，云知声总营收12.11亿元，同比增长29.0%。其中大模子探究业求达成收入6.1亿元，同比增长逾10倍，占合座营收比重攀升至50%以上。大模子业务从早期的本事探索阶段，转移为因循云知声发展的中枢驱能源。

还有一个值得留情的数字，2026年5月，云知声Token调用收入的ARR环比暴涨600%，瞻望6月将无间保抓高增长。这意味着公司收入与客户AI使用强度已深度绑定，业务的鸿沟天花板全面掀开。

生意落地的案例最能阐明问题。云知声业务聚焦奢睿医疗和奢睿生活两大中枢领域：在医疗端，其AI缓助病历生成系统已在北京友谊病院等多家三甲病院鸿沟化应用，昨年仅顺义院区就生成进步45万份病历，径直援用率超90%；在金融端，其车险理赔AI处理决策匡助头部保障公司控费率提高3%，每年省俭保费约一二十亿元。这些落地恶果充分考证了云知声本事的生意价值。

站在更大的视角看，云知声在AI医疗领域的探索也曾有近十年。死心2025年末，公司已累计与寰宇近450家病院息争，寰宇综合名次A++及以上病院遮盖率接近35%。

这些数字背后是一个真实的生意逻辑：模子不是靠参数堆出来的，是靠场景喂出来的。

黄伟将其空洞为“模数共振”，模子的性能离不开高质地数据，而好的模子如果不落地，既无法创造价值，也难以在真实场景中赢得高质地数据来鼓动本事迭代。如今，云知声的奢睿医疗业务已世俗应用于智能电子病历、临床缓助会诊等中枢场景，恰是“模数共振”的典型案例。

这个正响应一朝驱动，就很难停驻来。

3

大模子第一梯队，

凭什么有云知声？

大模子下半场的竞争焦点，也曾从“谁更强”转向“谁能以更低资本、更牢固方式委派敷裕强的才略”。在这个新维度上，云知声正凭借多年积蓄的数据壁垒、工程化才略和生意化考证，置身大模子第一梯队。

行业形状远不决型——这是黄伟反复强调的判断。他说：“2018年东说念主们也觉得形状已定，然后许多公司就死掉了。”AI2.0时间留在牌桌上的公司比1.0时间少得多，但阛阓空间比以前大多了。

黄伟把当年三年界说为“热身赛”：2023到2025年，国内企业和OpenAI的差距从3—5年减轻到3—6个月，但Agent仅能完成单步简便任务。2026年才是“正赛”的起始，AI从生成式升级为“坐蓐力AI”，Agent能寂然完成复杂任务，生意化窗口信得过掀开。

开源模子能处理70%—80%的平素问题，但剩下20%专科用户的20%专科问题，才是信得过的护城河。高价值行业的“临了一公里”，一定是通用模子加上行业know-how来共同处理。

云知声可能是少数几家信得过有履历这样说，也稀有据这样作念的公司之一。

最初是数据壁垒。云知声在医疗领域深耕了十三年，积蓄了超10亿条合规脱敏的医疗病历数据，这些数据在互联网上搜不到，是跑过真实业务、经过医师施行使用千里淀下来的。在物联网领域，息争伙伴进步2万家，端侧AI芯片出货量冲破1亿颗。十几年的场景数据不是想买就能买、想抄就能抄的。

其次信任壁垒通常遑急。云知声管事了进步400家三甲病院，息争病院中85%为三级病院，三分之一息争年限进步3年。在B端阛阓，替换资本极高，一朝切入就锁定了后续收入。这酿成了一种飞轮效应：越多的行业数据，带来越好的模子效果；越好的模子效果，带来越多的客户信任；越多的客户信任，又千里淀越多的行业数据。

临了是工程化壁垒。云知声能把大模子压缩到零点几B的大小跑在离线终局芯片里，车载场景下，大模子蒸馏至0.5B参数即可达成端侧无损交互。复杂声学环境下的定向识别、多东说念主话语分裂本事，国内能作念到的公司仅两三家。

有了U2，云知声的生意模式正在发生质变。ToB端，兽牙智能体平台正在加快落地，中标遮盖医疗、医保、交通、客服、工牌等多个领域；ToC端，公有云MaaS的OPC生态抓续产生Token收入。一个形状委派周期从3个月裁汰到1周，资本驳倒80%。

4

收尾

回看云知声走过的十几年，从语音识别到智能交互，从AI芯片到大模子，每一次本事波澜莅临前，它齐在牌桌上。但“踩早”的代价也很现实。

从U2的“智能密度”阶梯，到年报里大模子收入暴增10倍的考证，再到400多家三甲病院的信任托底，云知声用一种不太“互联网”的方式，走到了大模子第一梯队的门口。它莫得选最吵杂的路，但选了一条最难被复制的路。

正赛哨声已响。问题不再是云知声能不成坐上这张桌子滚球app2026世界杯中国官网下载，而是当大模子的竞争从“写得好”变成“干得好”，这张桌子上的规则，会不会被改写？