舉個例子，盡管市面上不少 AI 應用都具備拍照識圖等多模態(tài)功能，但大多數(shù)產(chǎn)品仍停留在 " 識別 - 展示信息 " 的淺層交互階段。
夸克于近期上線了 " 拍照問夸克 "，基于通義與夸克的多模態(tài)能力，AI 不僅能看，還能理解物理世界并采取行動，調(diào)用對應的智能體來完成后續(xù)服務，實現(xiàn)了從 " 看見物理世界 " 到 " 理解并行動 " 的質(zhì)變。
當前，AI 超級應用將各家技術(shù)能力轉(zhuǎn)化為用戶可感知的消費級產(chǎn)品，成為這一輪大模型技術(shù)浪潮中的風口，也是互聯(lián)網(wǎng)巨頭們都在搶奪的入口。阿里將 "AI 原生應用 " 列為未來三年的核心投入方向。" 拍照問夸克 " 不僅讓夸克打開了數(shù)字世界與物理世界的觸點，也進一步打開了阿里 AI To C 業(yè)務的想象空間。
所以，這一功能的上線，值得放在更加縱深的阿里 AI 戰(zhàn)略中來解讀。我們首先要解答的問題是，夸克究竟對 AI 相機做了什么？
所以，滿足用戶探索物理世界的需求，AI 搜索必須看清、看懂物理世界。但透過搜索引擎，探索豐富的物理世界，為什么一直沒能實現(xiàn)？
原因是傳統(tǒng)搜索，眼（視覺感知）、腦（圖像理解推理決策）、手（執(zhí)行服務）的脫節(jié)：
看不懂。用戶的搜索意圖有模糊性，NLP 模型已經(jīng)可以較好地理解意圖和智能匹配，但很多基座大模型在跨模態(tài)理解上仍有局限，一旦涉及圖片等多模態(tài)交互，無法從圖片中準確理解用戶意圖，檢索準確性不足，十分依賴用戶的提示詞，普通用戶難以掌握，又進一步限制了多模態(tài)功能的使用意愿和頻率。
動不了。夸克 AI 相機產(chǎn)品經(jīng)理認為，" 當用戶面向一個客觀物理世界，既想讓你告訴他這是什么，當然是什么背后有一些原因原理、趨勢判斷等，還有一些是面向面前畫面或者已有的自己圖像里相冊的內(nèi)容，希望進行一些處理 "。但傳統(tǒng)搜索止步于單向信息輸出，無法觸發(fā)場景化服務，缺乏行動能力。
進入大模型時代，許多應用或多或少都上線了 AI 拍照能力，但大多是碎片化場景，或者垂域場景（如購物、美顏修圖、植物識別），通用全能的一體化產(chǎn)品幾乎沒有。直到 " 拍照問夸克 " 的上線。
" 拍照問夸克 " 以幾乎 " 滿配 " 的 AI 能力，" 眼腦手 " 的聯(lián)動，賦予了搜索全新的 " 視界觀 "。
夸克是如何提高 AI 搜索的 " 視力 " 的？AI 相機的眼、通義基模 + 夸克后訓練的腦、智能體的手，整合起來，重新打造圖像搜索。
接下來，教 AI 理解圖片，理解用戶 " 為什么問 "。基于多模態(tài)視覺理解能力與深度思考的復雜推理能力，相當于調(diào)動大模型的 " 大腦 " 去思索視覺信息，自動識別用戶提問意圖，先理解用戶想干什么、這道題是什么，理解完之后再去檢索，想一些對應的解決思路。一些用戶 " 沒見過、說不清、問不出口 " 的問題（如外語標志、沒見過的植物），也能秒懂用戶需求。同時，" 拍照問夸克 " 還支持多輪圖片對話、以圖追問和深度對話，幫用戶解析復雜問題。
眼（感知）腦（推理）手（智能體）的聯(lián)動，大幅提升了多模態(tài)搜索的產(chǎn)品體驗。" 拍照問夸克 " 讓搜索從單一模態(tài)到多模態(tài)，提升了視覺搜索處理復雜查詢的能力，可能成為行業(yè)的新標準。
從這兩個爆款 AI 功能來看，夸克做 AI 具備幾個特點：
一是以前的基礎。夸克憑借極簡、科技感在搜索領(lǐng)域快速占據(jù)一席之地，成為 2 億人都在用的 AI 應用，自身在 AI 產(chǎn)品化上的積累，鍛煉出了產(chǎn)品感覺和技術(shù)積累，這為其在產(chǎn)品中融入大模型的最新能力如多模態(tài)，打好了基礎。
三是始終在線的戰(zhàn)斗力。再好的基礎和資源，都要靠行動來發(fā)揮出最大效果。公允地說，夸克的創(chuàng)新競爭力是業(yè)內(nèi)首屈一指的，比如去年第一時間整合大模型能力，把 AI 搜索融入夸克高考等功能。敏銳的需求洞察，快速反應不斷迭代，夸克的 AI 產(chǎn)品化在這一年多里進展飛快，成為行業(yè)標桿。
值得一提的是，阿里 2024 年明確 AI To C（AI to Consumer）業(yè)務，其中夸克其中的代表性 AI 應用，是 C 端超級入口。由此可以推斷，夸克未來集中資源的能力進一步加強，其 AI 能力未來或?qū)⒋钶d到智能消費硬件（如 AI 眼鏡）中，進一步打通物理世界入口。
從這個角度說，" 拍照問夸克 " 多模態(tài)搜索功能的上線，只是夸克的一小步，卻進一步證明了夸克 AI 產(chǎn)品范式的有效性，指向了更寬廣的未來。
具體來看，" 拍照問夸克 " 功能的上線，至少對阿里 AI to C 業(yè)務帶來幾重影響。
首先，多模態(tài)落地搜索的實際效果、整合速度，是阿里 AI 能力的佐證。AI 相機作為多模態(tài)入口已是標配，但夸克上線即滿配，說明其技術(shù)整合能力強，通過通義基模 + 后訓練，使得功能上線即具備高成熟度，直接滿足用戶多樣需求，減少迭代周期，快速占領(lǐng)市場。
這無疑是阿里通義大模型為應用賦能的有力佐證。
此外，夸克結(jié)合其已有的 AI 能力，如多模態(tài)推理、圖像生成等，讓用戶通過拍照直接獲取信息或服務，比如掃描物體識別、文檔處理等，增強實用性，進而提高用戶粘性和活躍度。
從數(shù)據(jù)來看，夸克 00 后用戶占比超 50%，該群體對物理世界探索（如學習、旅行）需求強烈，且更習慣多模態(tài)交互。通過滿足其高頻剛需，比如購物（掃描商品）、教育（拍照解題）、健康（醫(yī)療報告解讀）等，夸克快速建立 AI 服務心智，形成 " 入口即服務 " 的強綁定。
以拍照為例，當你拍了一個東西并 " 拍照問夸克 " 多少錢，它會首先描述一下你拍的東西，并給出相應的淘寶參考鏈接。并且夸克并不是直勾勾的引導購買，更多是作為一個信息提供給用戶。一個直接觸達用戶的鏈路，就被打通了。
透過夸克的拍照入口，我們不只能進一步看清、看懂物理世界，也看見了阿里與 AI 的無限可能性。
