大模型终于走下神坛，实用才是AI最好的归宿。
阿里又发模型了。
昨晚，通义千问团队在X上公布了Qwen3.5小模型系列，一共四个尺寸：0.8B、2B、4B、9B。
图源：X
消息传回国内，很快就有了“马斯克点赞中国AI”的话题。
可以理解。毕竟马斯克这个名字，自带流量。但说实话，如果把注意力全放在“马斯克点赞”这件事上，反而可能错过真正有意思的东西。
阿里掀桌，终结参数内卷游戏
先看一个数字。
Qwen3.5-9B，参数量90亿，它在GPQA Diamond上的得分是81.7。作为对比，ChatGPT有一个开源模型，参数量1200亿，得分差不多。
图源：X
也就是说，90亿参数的模型，和1200亿参数的模型，在同一个测试里打成了平手。
十三分之一的体积，差不多的本事。这背后是这两年AI圈一直在琢磨的一件事：参数规模，到底是不是越大越好？
过去两年的逻辑很简单粗暴——谁参数多谁厉害。万亿参数的模型一个接一个往外冒，像重型卡车，马力确实足，但油耗也惊人。
训练一次的成本动辄上千万美元，推理一次的电费都能让中小公司肉疼。最后变成只有巨头玩得起的游戏，但这显然违背了科技发展的初衷。
因此，Qwen3.5走了另一条路。
它在架构上做了个改动：把“门控增量网络”和“稀疏混合专家”结合起来，前向传播的时候只激活当前任务需要的部分，不是所有神经元都扑上去。
听起来有点绕，那我们换一种说法：假设你有一个4000万册的图书馆，以前每次查资料，得把整个馆翻一遍。但现在有个聪明的检索系统，只需要调那170万册核心藏书，就能答出差不多的答案。
这就是马斯克说的“智能密度”——不在参数规模上堆料，在有限资源里压榨出尽可能多的智能。
而这还不是全部。多模态能力的整合方式，藏着另一层门道。
Qwen3.5用的是“早期融合”——文本、图像、视频在底层就一起处理了，不像很多模型那样，先有个文本模型，再在外面挂个视觉编码器当附件。
这种差别，直接让0.8B这种迷你模型的表现同样征服了一众开发者——它在语言基准MMLU-Pro上只拿到了29.7分，但在视觉任务MathVista上冲到了62.2，OCRBench拿了74.5。
图源：X
跑分是起点，场景才是终局
跑分归跑分。真正让开发者兴奋的，是另一件事。
有人算了一笔账：现在3万美元的硬件，就能跑出去年需要20万美元GPU才有的推理能力。
还有人直接上手演示——在iPhone 17 Pro上，用针对Apple Silicon优化的MLX框架，本地跑Qwen3.5-2B的6-bit版本，实时视觉理解、实时问答，全都跑得动。
这意味着什么？意味着普通人终于能用得起AI了！
意味着你可以不用联网，不用把需求上传到谁的云端，就能在自己手机里，有一个能看、能听、能琢磨事儿的AI。
这背后其实是一个正在发生的转变。
智能手机时代本质上是“单向输入”的范式——你对着屏幕戳戳点点，手机给你反馈。
但即将到来的AI硬件浪潮，路子不一样了。AI厂商们想干的事，是用更碎、更粘的方式，渗透进你的记忆和生活。
比如你戴着一副AI眼镜走在路上，随口问一句前面有没有障碍物。这时候如果AI延迟了五秒才回答，那这功能几乎就废了。
而这恰恰是云端大模型绕不过去的物理瓶颈——上传、计算、返回，再快的网络也有那点延迟。
端侧小模型的价值就在这儿。遇到真需要深度推理的复杂问题，可以扔给云端；但日常的、实时的、隐私敏感的，本地搞定。
阿里已经把Qwen小模型塞进了AI眼镜这类可穿戴设备里，能做到毫秒级的端侧视觉解析。
听说苹果那边也在捣鼓带摄像头的AirPods和新一代VR智能眼镜——这些玩意儿，将来可能就是你的“第二双眼睛和耳朵”。
阿里野心勃勃，模型与硬件并发
事实上，阿里的这一步，迈得比大多数人想象的要大。
3月2日，千问AI眼镜开启“0元预约”，G1系列叠加补贴后最低1997元，3月8日现货发售。
同一天，巴塞罗那MWC展台上，五米高的“Qwen”标志下，海外观众排着队等试戴。
据媒体爆料，有美国用户试完后给出高度评价——换电设计“太妙了”，续航焦虑明显降低，“基本可以全天开机使用智能服务”。
而这只是开始。内部人士透露，今年年内，AI指环、AI耳机也会陆续落地，面向全球发售。
你可能想问：阿里做硬件，图什么？
表面看是跟风——Meta的Ray-Ban眼镜吃掉了七成市场份额，OpenAI组了两千人的硬件团队，字节的眼镜耳机也在路上。巨头们都在抢同一个东西：下一个AI入口。
但阿里的打法，跟别人不太一样。
1月底，平头哥官网上线了一款叫“真武810E”的AI芯片。
参数上看，性能对标英伟达H20，已经在阿里云部署了多个万卡集群，服务了国家电网、中科院、小鹏汽车等400多家客户。更重要的是，它被大规模用于千问大模型的训练和推理。
芯片亮相的同时，一个叫“通云哥”的黄金三角浮出水面——通义实验室做模型，阿里云做算力，平头哥做芯片。
三个东西捏在一起，意味着什么？意味着阿里可以在芯片架构、云平台架构、模型架构三个层面协同优化，而不是像大多数玩家那样，拿着英伟达的卡、跑别人的框架、调第三方的模型。
业内有一种说法：全球能做到“大模型+云+芯片”全栈自研的公司，目前只有两家，一家是谷歌，另一家是阿里。
这个说法含金量高不高另说，但逻辑是通的——端侧硬件对成本和功耗极其敏感，如果芯片、模型、云不能深度耦合，体验上就永远差一口气。
千问3.5能把部署显存占用降低60%、推理吞吐量提升19倍，靠的不只是算法，还有底层硬件的配合。
所以硬件本身，从来不是阿里的目的。
春节期间，用户在千问APP上“一句话下单”接近2亿次，Questmobile数据显示，千问在春节期间日活冲到7352万，以940%增幅居国内AI应用首位。
这说明：千问已经从一个聊天机器人，变成了一个能点外卖、订酒店、打车的国民级AI助手。
现在的问题是，这个助手能不能走出手机屏幕？
当你戴着AI眼镜路过一家餐厅，扫一眼招牌，说一句“这家评价怎么样，帮我订个位”，随即眼镜开始识别画面，调高德的数据，用支付宝完成支付——全程不用掏手机；你在异国街头看不懂菜单，眼镜直接在你视野里叠上翻译；你骑车想记录路线，对着指环说句话就搞定。
这就是阿里想要的“所见即所得”。它依赖的不只是模型聪明，更是背后那个能触达数百万商家、打通支付和出行、覆盖生活服务全场景的生态。
阿里集团CEO吴泳铭有句话说的很好：AI最大的想象力，不在手机屏幕，而在于如何接管数字世界。
从这个角度看，千问做硬件的逻辑就清晰了——它想做的，是用硬件把阿里的服务网络，编织到现实世界的每一个节点上。
而让这一切能够成为可能的，正是Qwen3.5这批被马斯克大赞的、几十亿参数的“小东西”。
