出品 | 子弹财经
作者 | 白华
编辑 | 闪电
美编 | 邢静
审核 | 颂文
大模型正陷入场“军备竞赛”式的狂欢。参数规模从千亿到万亿，上下文窗口从1万到100万，各厂商你追我赶，仿佛谁投多力、堆大参数，谁就能赢下这场AI竞赛。但研究表明，单纯增加参数带来的能提升正在急剧递减。
斯坦福大学发布的《大模型规模定律》指出，当参数过5000亿后，模型在理能力、常识理解等核心指标上的提升幅度从早期的30以上降至不足5，而训练成本和能耗却呈指数增长。
企业真正需要的，是个参数天文数字的“全能选手”，还是个足够聪明、足够便宜、能实实在在干活的“业搭档”？
6月8日，云知声发布自主研发的下代原生智能体模型U2，款有近3000亿参数的MoE稀疏模型，宣称能在多数任务上比肩万亿参数模型。关键的是，其理成本显著低于同尺寸规模大小模型。
当大多数玩还在比谁的模型“大强”，云知声选择了条“强而小、强而省、强而能落地”的差异化路径。这条路径的逻辑是什么？底气从哪来？能否撑起“国产梯队”的目标？1、大模型界的“反内卷选手”
目前主流的万亿参数别大模型，动辄需要上千张GPU卡才能跑起来，单次理的电力成本和力成本到让大部分企业望而却步。而U2的近3000亿总参数，激活参数量只有百亿别，按照MoE架构的稀疏特，每次理只调用约十分之的参数。
这背后的底层公式朝阳海绵胶，是云知声创始人黄伟提出的个概念：AI公司行业价值=智能密度×Token价值。
什么叫“智能密度”？黄伟的解释是：不是单纯强调模型小，而是在模型能达到全球梯队水平后，进步衡量每单位参数里承载了多少知识、理能力和任务解决率。
用句直白的话说：你用十个参数能干别人百个参数的活儿，你的智能密度就。
而“Token价值”则是另个被行业忽视的维度。过去两年，大模型厂商喜欢比“生成多快”“生成多少”，黄伟把这个逻辑反过来问：如果生成的Token没有业务价值，那它不是收入，是成本。Token价值不是看数量，是看每次调用能否真正转化为业务结果。
U2是云知声自研、基于快慢思考融的稀疏混（MoE）架构通用大语言模型，从设计之初就锚定“为执行而生”，而非“为生成而生”。
其拥有许多技术亮点，例如在智能密度面，通过知识精炼编码、语义压缩优化，近3000亿参数的U2在多数纯文本任务接近甚至越国内万亿参数模型，参数率接近后者约5倍。用少参数承载密度知识与理能力，告别参数堆砌。
“Agent+Harness协同演进”是U2的另个关键标签。
传统大模型本质上是“嘴强者”，能回答问题、能写文章，但真要让它去完成个复杂的多步骤任务，比如自主调用工具、规划路径、执行操作并验收结果，就得在外面包上层厚厚的“应用壳”。
U2的工具调用、状态管理、多步规划均为模型原生能力，可自主理解目标、拆解任务、调用工具、执行验收，适配复杂长程任务，而非靠外挂实现智能体果。主要是依赖路径规划执行与harness协同演进，创新设计原生理路径蒸馏机制，构建计划-环境探索-执行-验收全链路闭环能力，驾驭复杂长程任务。
具体而言，U2将模型原生Agent能力的提升与Harness（任务执行脚手架）的迭代优化纳入同训练闭环，形成双向强化的协同演进机制。面，Harness根据当前模型能力边界与特持续迭代，为模型提供的任务环境与反馈接口；另面，模型利用优化后的Harness返回的质量轨迹数据，持续强化多步规划、工具调用、过程纠错与结果验收能力。
这种底层训练机制的脱胎换骨，在直观的应用层带来了全新的使用体验。哪怕是在纯自然语言的交互场景下，它的原生执行力也体现得淋漓尽致。以我近测试的个前端开发任务为例，笔者作为名文科生，从来不会写任何代码，我只需要在U2对话框里输入段指令：帮我写个单文件的网页小游戏，模拟烟花飞到空中然后绽放。要求画面特别炫酷，五颜六的线条轨迹，而且我可以用鼠标去互动。
令人惊喜的不仅是它在不到2分钟内次交付了Bug的成品代码，在于它在生成过程中展现出的“原生规划感”——它需外部提示，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朝阳海绵胶，到鼠标交互事件的精确挂载。全程单次交互便达到验收标准，直观验证了其内化的任务分解与执行能力。
个人的惊艳体验并非孤例，规模化的评测数据也为这种“执行力”提供了严谨的佐证。U2在新的综评测中展现了度务实、面向真实企业落地场景优化的强大实力。评测度覆盖了智能体能力（Agentic Capacity）、实战化智能体项（Claw Specific）、长文本能力（Long Context）、知识与理（Knowledge & Reasoning）以及指令遵循（Instruction Following）五大核心维度，覆盖范围与U2的核心设计取向度契。
让人惊喜的是，在6月10日海外AI模型评测平台LLM Stats新的榜单中，云知声U2登上两项关键评测：在LLM Stats Score综能力榜单中进入模型总榜前30，按厂商佳模型成绩位列全球模型厂商九。此外，LongBench-V2评测排名中，U2的长文本能力以54.4的准确率越Claude Opus 4.7（53.9），仅落后GPT-5.4（55.6）1.2个百分点，排名全球二。意味着其核心的上下文信息提取、跨段落理能力已达到全球梯队水平。
此外，评测结果印证了U2“双+原生智能体”的核心主张，确立了其作为新代Agent模型的行业地位。先是三大基础能力夺魁，印证“智能密度”；其次是代码工程与Agent实战稳居梯队，彰显“原生智能体”本；后是致能带来压倒降本优势，践行“低成本产出”战略。
「子弹财经」发现，U2的底层逻辑，是先达到智能水平，再把成本到低。如同造车不是马力越大越好，而是在保证速度与安全前提下做到省油。
黄伟的比喻直白又：“我不需要个科学院院士来开滴滴。很多任务场景不需要智能，硕士博士水平就够了。”2、十几年的“长征路”
很多人对云知声的印象还停留在“做语音识别”，这个认知偏差其实不小。
在AI 1.0时代，它的知名度远不如商汤、旷视那批“AI四小龙”。但黄伟有个很有意思的观点：云知声不是从语音走向大模型，而是从智能交互走向大模型。
翻开时间轴，可以看到云知声的条发展主线：语音只是入口，PVC管道管件粘结胶背后是意图理解，再背后是任务执行。2012年创立，同年攻克“5米远讲”技术；2013年发布业内款语音电子病历，走进协和医院；2014年出语义云，业内提“云端芯”体化战略；2018年自研AI芯片“雨燕”面世；2023年发布山海通用大模型；2024年山海医疗大模型登顶MMDU、MedBench等全球榜；2025年6月，云知声在港交所挂上市朝阳海绵胶，被誉为“AGI股”。
这十多年里，云知声几乎在每个技术周期都提前下了注，只不过“踩早”是有代价的。黄伟自己说得坦率：“踩早总比踩晚好。踩早了你付出的是时间成本，踩晚了你连入场的机会都没有。”
上市近周年，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。其中大模型相关业务实现收入6.1亿元，同比增长逾10倍，占整体营收比重攀升至50以上。大模型业务从早期的技术探索阶段，蜕变为支撑云知声发展的核心驱动力。
还有个值得关注的数字，2026年5月，云知声Token调用收入的ARR环比暴涨600，预计6月将继续保持增长。这意味着公司收入与客户AI使用强度已度绑定，业务的规模天花板开。
商业落地的案例能说明问题。云知声业务聚焦智慧医疗和智慧生活两大核心域：在医疗端，其AI辅助病历生成系统已在北京友谊医院等多三甲医院规模化应用，去年仅顺义院区就生成过45万份病历，直接引用率90；在金融端，其车险理赔AI解决案帮助头部保险公司控费率提升3，每年节省保费约二十亿元。这些落地成果充分验证了云知声技术的商业价值。
站在大的视角看，云知声在AI医疗域的探索已经有近十年。截至2025年末，公司已累计与全国近450医院作，全国综排名A++及以上医院覆盖率接近35。
这些数字背后是个真实的商业逻辑：模型不是靠参数堆出来的，是靠场景喂出来的。
黄伟将其概括为“模数共振”，模型的能离不开质量数据，而好的模型如果不落地，既法创造价值，也难以在真实场景中获取质量数据来动技术迭代。如今，云知声的智慧医疗业务已广泛应用于智能电子病历、临床辅助诊断等核心场景，正是“模数共振”的典型案例。
这个正反馈旦启动，就很难停下来。3、大模型梯队，凭什么有云知声？
大模型下半场的竞争焦点，已经从“谁强”转向“谁能以低成本、稳定式交付足够强的能力”。在这个新维度上，云知声正凭借多年积累的数据壁垒、工程化能力和商业化验证，跻身大模型梯队。
行业格局远未定型——这是黄伟反复强调的判断。他说：“2018年人们也认为格局已定，然后很多公司就死掉了。”AI 2.0时代留在桌上的公司比1.0时代少得多，但市场空间比以前大多了。
黄伟把过去三年定义为“热身赛”：2023到2025年，国内企业和OpenAI的差距从3—5年缩小到3—6个月，但Agent仅能完成单步简单任务。2026年才是“正赛”的开端，AI从生成式升为“生产力AI”，Agent能立完成复杂任务，商业化窗口真正开。
开源模型能解决70—80的普通问题，但剩下20业用户的20业问题，才是真正的护城河。价值行业的“后公里”，定是通用模型加上行业know-how来共同解决。
云知声可能是少数几真正有资格这么说，也有数据这么做的公司之。
先是数据壁垒。云知声在医疗域耕了十三年，积累了10亿条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、经过医生实际使用沉淀下来的。在物联网域，作伙伴过2万，端侧AI芯片出货量突破1亿颗。十几年的场景数据不是想买就能买、想抄就能抄的。
其次信任壁垒同样重要。云知声服务了过400三甲医院，作医院中85为三医院，三分之作年限过3年。在B端市场，替换成本，旦切入就锁定了后续收入。这形成了种飞轮应：越多的行业数据，带来越好的模型果；越好的模型果，带来越多的客户信任；越多的客户信任，又沉淀越多的行业数据。
后是工程化壁垒。云知声能把大模型压缩到点几B的大小跑在离线终端芯片里，车载场景下，大模型蒸馏至0.5B参数即可实现端侧损交互。复杂声学环境下的定向识别、多人说话分离技术，国内能做到的公司仅两三。
有了U2，云知声的商业模式正在发生质变。To B端，兽牙智能体平台正在加速落地，中标覆盖医疗、医保、交通、客服、工等多个域；To C端，公有云MaaS的OPC生态持续产生Token收入。个项目交付周期从3个月缩短到1周，成本降低80。4、结尾
回看云知声走过的十几年，从语音识别到智能交互，从AI芯片到大模型，每次技术浪潮来临前，它都在桌上。但“踩早”的代价也很现实。
从U2的“智能密度”路线，到年报里大模型收入暴增10倍的验证，再到400多三甲医院的信任托底，云知声用种不太“互联网”的式，走到了大模型梯队的门口。它没有选热闹的路，但选了条难被复制的路。
正赛哨声已响。问题不再是云知声能不能坐上这张桌子，而是当大模型的竞争从“写得好”变成“干得好”，这张桌子上的规则，会不会被改写？相关词条:管道保温施工 塑料挤出设备 预应力钢绞线 玻璃棉厂家 保温护角专用胶
奥力斯 万能胶生产厂家 联系人：王经理 手机：13903175735（微信同号） 地址：河北省任丘市北辛庄乡南代河工业区
1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定朝阳海绵胶，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。