阿里又發模型了。

昨晚，通義千問團隊在X上公布了Qwen3.5小模型系列，一共四個尺寸：0.8B、2B、4B、9B。

發完沒多久，馬斯克突然出現在評論區，毫不吝嗇地留下一句“Impressive intelligence density（令人印象深刻的智能密度）”。

圖源：X

消息傳回國內，很快就有了“馬斯克點贊中國AI”的話題。

可以理解。畢竟馬斯克這個名字，自帶流量。但說實話，如果把注意力全放在“馬斯克點贊”這件事上，反而可能錯過真正有意思的東西。

阿里掀桌，終結參數內卷游戲

先看一個數字。

Qwen3.5-9B，參數量90億，它在GPQA Diamond上的得分是81.7。作為對比，ChatGPT有一個開源模型，參數量1200億，得分差不多。

圖源：X

也就是說，90億參數的模型，和1200億參數的模型，在同一個測試里打成了平手。

十三分之一的體積，差不多的本事。這背后是這兩年AI圈一直在琢磨的一件事：參數規模，到底是不是越大越好？

過去兩年的邏輯很簡單粗暴——誰參數多誰厲害。萬億參數的模型一個接一個往外冒，像重型卡車，馬力確實足，但油耗也驚人。

訓練一次的成本動輒上千萬美元，推理一次的電費都能讓中小公司肉疼。最后變成只有巨頭玩得起的游戲，但這顯然違背了科技發展的初衷。

因此，Qwen3.5走了另一條路。

它在架構上做了個改動：把“門控增量網絡”和“稀疏混合專家”結合起來，前向傳播的時候只激活當前任務需要的部分，不是所有神經元都撲上去。

聽起來有點繞，那我們換一種說法：假設你有一個4000萬冊的圖書館，以前每次查資料，得把整個館翻一遍。但現在有個聰明的檢索系統，只需要調那170萬冊核心藏書，就能答出差不多的答案。

這就是馬斯克說的“智能密度”——不在參數規模上堆料，在有限資源里壓榨出盡可能多的智能。

而這還不是全部。多模態能力的整合方式，藏著另一層門道。

Qwen3.5用的是“早期融合”——文本、圖像、視頻在底層就一起處理了，不像很多模型那樣，先有個文本模型，再在外面掛個視覺編碼器當附件。

這種差別，直接讓0.8B這種迷你模型的表現同樣征服了一眾開發者——它在語言基準MMLU-Pro上只拿到了29.7分，但在視覺任務MathVista上沖到了62.2，OCRBench拿了74.5。

有開發者甚至已經想到了該模型的應用價值，直言：“本地人工智能終于開始變得實用了。”

圖源：X

跑分是起點，場景才是終局

跑分歸跑分。真正讓開發者興奮的，是另一件事。

有人算了一筆賬：現在3萬美元的硬件，就能跑出去年需要20萬美元GPU才有的推理能力。

圖源：X

還有人直接上手演示——在iPhone 17 Pro上，用針對Apple Silicon優化的MLX框架，本地跑Qwen3.5-2B的6-bit版本，實時視覺理解、實時問答，全都跑得動。

圖源：X

這意味著什么？意味著普通人終于能用得起AI了！

意味著你可以不用聯網，不用把需求上傳到誰的云端，就能在自己手機里，有一個能看、能聽、能琢磨事兒的AI。

這背后其實是一個正在發生的轉變。

智能手機時代本質上是“單向輸入”的范式——你對著屏幕戳戳點點，手機給你反饋。

但即將到來的AI硬件浪潮，路子不一樣了。AI廠商們想干的事，是用更碎、更粘的方式，滲透進你的記憶和生活。

比如你戴著一副AI眼鏡走在路上，隨口問一句前面有沒有障礙物。這時候如果AI延遲了五秒才回答，那這功能幾乎就廢了。

而這恰恰是云端大模型繞不過去的物理瓶頸——上傳、計算、返回，再快的網絡也有那點延遲。

端側小模型的價值就在這兒。遇到真需要深度推理的復雜問題，可以扔給云端；但日常的、實時的、隱私敏感的，本地搞定。

阿里已經把Qwen小模型塞進了AI眼鏡這類可穿戴設備里，能做到毫秒級的端側視覺解析。

聽說蘋果那邊也在搗鼓帶攝像頭的AirPods和新一代VR智能眼鏡——這些玩意兒，將來可能就是你的“第二雙眼睛和耳朵”。

工業方面，IoT設備、工廠傳感器、醫療監測終端，這些場景里數據隱私更敏感，本地推理同樣是硬需求。

阿里野心勃勃，模型與硬件并發

事實上，阿里的這一步，邁得比大多數人想象的要大。

3月2日，千問AI眼鏡開啟“0元預約”，G1系列疊加補貼后最低1997元，3月8日現貨發售。

同一天，巴塞羅那MWC展臺上，五米高的“Qwen”標志下，海外觀眾排著隊等試戴。

圖源：巴塞羅那MWC現場

據媒體爆料，有美國用戶試完后給出高度評價——換電設計“太妙了”，續航焦慮明顯降低，“基本可以全天開機使用智能服務”。

而這只是開始。內部人士透露，今年年內，AI指環、AI耳機也會陸續落地，面向全球發售。

你可能想問：阿里做硬件，圖什么？

表面看是跟風——Meta的Ray-Ban眼鏡吃掉了七成市場份額，OpenAI組了兩千人的硬件團隊，字節的眼鏡耳機也在路上。巨頭們都在搶同一個東西：下一個AI入口。

但阿里的打法，跟別人不太一樣。

1月底，平頭哥官網上線了一款叫“真武810E”的AI芯片。

參數上看，性能對標英偉達H20，已經在阿里云部署了多個萬卡集群，服務了國家電網、中科院、小鵬汽車等400多家客戶。更重要的是，它被大規模用于千問大模型的訓練和推理。

芯片亮相的同時，一個叫“通云哥”的黃金三角浮出水面——通義實驗室做模型，阿里云做算力，平頭哥做芯片。

三個東西捏在一起，意味著什么？意味著阿里可以在芯片架構、云平臺架構、模型架構三個層面協同優化，而不是像大多數玩家那樣，拿著英偉達的卡、跑別人的框架、調第三方的模型。

業內有一種說法：全球能做到“大模型+云+芯片”全棧自研的公司，目前只有兩家，一家是谷歌，另一家是阿里。

這個說法含金量高不高另說，但邏輯是通的——端側硬件對成本和功耗極其敏感，如果芯片、模型、云不能深度耦合，體驗上就永遠差一口氣。

千問3.5能把部署顯存占用降低60%、推理吞吐量提升19倍，靠的不只是算法，還有底層硬件的配合。

所以硬件本身，從來不是阿里的目的。

春節期間，用戶在千問APP上“一句話下單”接近2億次，Questmobile數據顯示，千問在春節期間日活沖到7352萬，以940%增幅居國內AI應用首位。

這說明：千問已經從一個聊天機器人，變成了一個能點外賣、訂酒店、打車的國民級AI助手。

現在的問題是，這個助手能不能走出手機屏幕？

當你戴著AI眼鏡路過一家餐廳，掃一眼招牌，說一句“這家評價怎么樣，幫我訂個位”，隨即眼鏡開始識別畫面，調高德的數據，用支付寶完成支付——全程不用掏手機；你在異國街頭看不懂菜單，眼鏡直接在你視野里疊上翻譯；你騎車想記錄路線，對著指環說句話就搞定。

這就是阿里想要的“所見即所得”。它依賴的不只是模型聰明，更是背后那個能觸達數百萬商家、打通支付和出行、覆蓋生活服務全場景的生態。

阿里集團CEO吳泳銘有句話說的很好：AI最大的想象力，不在手機屏幕，而在于如何接管數字世界。

從這個角度看，千問做硬件的邏輯就清晰了——它想做的，是用硬件把阿里的服務網絡，編織到現實世界的每一個節點上。

而讓這一切能夠成為可能的，正是Qwen3.5這批被馬斯克大贊的、幾十億參數的“小東西”。

作者 | 劉峰