2026 年 6 月 8 日，港股上市 AI 企业云知声（9678.HK）正式发布新一代通用基座模型 U2。

在国内大模型赛道已经拥挤到 " 百模大战 " 变成 " 百模洗牌 " 的当下，这条消息本身不算稀奇。但仔细看过 U2 的技术底牌和商业打法之后，会发现它传递的信号有些不同：这不是又一个万亿参数的军备竞赛选手，而是一个反过来质疑 " 参数越大越好 " 这条底层逻辑的挑战者。

一、近 3000 亿参数打万亿：什么叫 " 智能密度 "

U2 采用近 3000 亿总参数的 MoE（混合专家）架构。这个数字的放在 2026 年的大模型阵营里，看起来并不算大。

但云知声创始人黄伟提出了一个不同的衡量维度：智能密度。

他的公式是：AI 商业价值 = 智能密度 × Token 价值。

" 智能密度 " 的意思是，用更少的计算资源实现更高的智能产出——不追求参数绝对值，而追求每一个参数的投入产出比。

过去三年，大模型的叙事一直被 " 参数军备竞赛 " 绑架——谁大谁就强，这几乎成了一种不需要论证的信仰。但现实中的买单方——企业客户，看的从来不是 " 你的模型有多大 "，而是 " 我花一块钱的算力能换回多少实际产出 "。黄伟的这个公式把问题重新拉回了商业的基本面：不是谁的模型最聪明，而是谁的智能性价比最高。这个思路是否成立，取决于 U2 在真实场景中的持续表现，但至少它提供了一种不同于 " 无限堆参数 " 的思考方式。

黄伟在一次媒体专访中提到一个比喻：" 我不需要一个中科院院士来开滴滴。很多任务场景不需要最高智能，硕士博士水平就够了。"

这个逻辑和 DeepSeek 在 2025 年走通的路径有相似之处：更小的模型、更低的成本、但单位 Token 的价值更高。一些外部看法，也确实把 U2 视为云知声的 "DeepSeek 时刻 "。、

二、" 为执行而设计 "：原生 Agent 不是外挂

大模型行业有一个广泛存在的尴尬——模型 " 一看全会，一用就废 "。能写诗能聊天，但真让它独立去完成一个跨步骤的复杂任务，比如自动处理一份保险理赔，它就开始掉链子。

U2 想解决的正是这个问题。它的核心定位是 " 原生通用 Agent 大模型 " ——工具调用、状态管理、多步规划、任务拆解这些能力，从模型训练的第一天就是原生集成的，不是靠后期外挂插件来补。

用黄伟的话说：" 传统大模型是‘为生成而设计’，U2 从第一天起就是‘为执行而设计’。"

这种设计范式的区别在实际场景中的差距是巨大的。在 IFBench 指令遵循评测中，U2 表现位居行业前列；在 Claw 评测（Agent 能力评估）中展现出突出的智能体与工具调用能力。

具体来说，U2 不只是 " 回答你的问题 "，而是能够自己规划步骤：接到一个 " 生成客户季度投资报告 " 的指令后，它会自主调研持仓数据、分析行业风险、计算回撤表现，最后生成一份可直接使用的结构化报告。

" 为执行而设计 " 这句话，意味着大模型赛道的竞争维度正在发生根本性的分叉。过去两年，几乎所有模型都在比 " 谁能回答的更好 "。但企业客户真正需要的不是一个更会聊天的 AI，而是一个能接手具体工作流、独立完成任务链的数字员工。U2 能在这个方向上跑出明确的体验差距，它的竞争对手就不是其他大模型，而是企业现有的外包团队和流程型软件——这是一个完全不同的市场。

三、不止于通用能力，更强在高价值场景里的可信执行

在医疗和金融这种高风险行业，AI 最大的敌人不是 " 不够聪明 "，而是 " 瞎说八道 " —— 业内称之为 " 幻觉 "。

U2 用一个关键的工程策略来解决这个问题：将 " 驾驭工程 "（Harness Engineering）从应用层下沉至模型层。传统做法是模型本身不管准不准，靠上层应用去做校验和纠错；U2 的做法是直接在模型训练阶段就嵌入约束和验证机制，从模型根源优化内容生成准确度，大幅削减不合理的虚构信息。

这个落地思路已有实际商业价值支撑，今年 1 月，人民日报曾报道，在北京友谊医院顺义院区肝病门诊室，当主治医生完成问诊，医疗门诊 " 智能体 " 便自动生成了电子病历，主诉、现病史、既往史、检查建议等一应俱全。医生只需轻点鼠标，系统直接归档。 

真正亮眼的是背后的工程思路：不是等出了事再兜底，而是从源头减少出错的概率。在医疗和金融这种 " 错一次就可能出人命或丢大钱 " 的场景里，这种思路可能比单纯刷评测高分更有实际价值。

另外，依托全新 U2 基座能力，云知声同步完成自有 OPC 公有云 MaaS 平台全面上线，打通模型能力对外商业化的关键通道。平台整合 U2 原生 Agent、高精度内容生成等核心能力，面向全行业开发者、中小企业开放标准化 API 接口，企业可按需按需调用模型能力、按 Token 实际消耗量结算成本，降低各类行业落地大模型的研发与算力门槛，加速 AI 能力在政务、金融、医疗等实体场景落地落地。

当通用能力逐渐成为大模型竞争的入场券，真正拉开差距的，可能是模型能否在高风险、高责任、高复杂度的高价值场景中持续稳定地 " 靠谱 "。国内 AI 公司的发布会惯于用评测榜单说话，但云知声这次的叙事重心明显不同——它并不是放弃通用能力竞争，而是在通用能力进入第一梯队之后，进一步强调 " 工程思路 " 和 " 可信执行 "。换句话说，U2 不是只想证明自己 " 会做题 "，更想证明自己能在医疗、金融、政务等严肃场景里稳定完成任务、可靠交付结果。

这在当前市场上其实是一个相对清醒的定位选择。当 大模型的能力区分度越来越依赖垂直场景的真实落地，" 在医院门诊跑通了 " 比 " 评测第一 " 更有说服力。人民日报案例的引用也并非偶然——它恰好是 " 可信赖、可落地 " 这一品牌叙事的最佳注脚。

OPC MaaS 平台的同步上线，则让这次发布多了一层商业逻辑的完整性：有模型、有场景、有对外开放的 API 通道，收入从项目制走向按量计费。对资本市场而言，这个商业模式的切换信号，可能比任何一个技术参数都更值得关注。

四、U2 背后的的商业闭环：从模型到收入的完整链路

技术再强，最终要看商业化能否成立。黄伟对 U2 的业务定位非常清晰：U2 是底座，上面长出两条收入线——

ToB 端：依托 " 兽牙 " 智能体平台（Shouya Agent Platform），将 U2 的能力封装为行业解决方案，面向医疗、医保、交通、客服、智慧工牌等场景输出。云知声近期已在多个领域连续中标，订单管线持续扩大。

ToC 端（公有云 MaaS）：通过 OPC（Open Platform Cloud）生态开放 API，让第三方开发者和企业按 Token 调用付费，持续产生收入。

这意味着，U2 不仅是一次技术发布，更是云知声从 " 卖项目 " 转向 " 卖 Token" 的商业模式转轨的关键节点——收入不再仅仅依赖一单一单的合同交付，而是与客户的 AI 使用强度直接挂钩，理论上不存在规模天花板。

五、一个被低估的增长信号：Token 调用收入 ARR 环比暴涨 600%

在所有关于 U2 的技术参数和评测数据之外，有一个数字或许更值得资本市场关注：

受益于高质量场景 Token 的需求激增，云知声 5 月 Token 调用收入的 ARR（年化经常性收入）环比涨 600%，预计 6 月 ARR 将继续保持高增长，达到 1500w 美金。

这个数字的含义是：不是偶发性的大单贡献，而是来自持续调用的 API 收入——客户用得越多，收入越高。当医院每天在跑数百份病历生成、保险公司每天在跑数千份理赔审核、政务窗口每天在跑方言转写服务时，Token 就在源源不断地产生。

换句话说，云知声的收入结构正在从 " 签合同 - 交付 - 回款 " 的传统项目制，切换为 " 按使用量持续计费 " 的 SaaS/MaaS 模式。从 5 月份的 ARR 数字已经看到，这种模式已经跑通，其收入的可预测性和天花板都正在发生质变。

六、从 " 语音公司 " 到 " 大模型第一梯队 " 的身份转变

回到这家公司本身，从时间线来看一下云知声的发展历程：

- 2012 年成立，做语音云平台起家

- 2018 年发布业界首款车规级全栈语音 AI 芯片

- 2020 年启动预训练大模型研发

- 2023 年发布 " 山海 " 通用大模型

- 2024 年港股上市，成为 " 港交所 AGI 第一股 "

- 2025 年大模型业务收入 6.1 亿元，同比增长 10 倍，占总收入超 50%^ [ 7 ] ^

- 2026 年发布 U2，上市一周年，对标国产大模型第一梯队

2025 年财报数据：总营收 12.1 亿元，同比增长 29%；下半年经调整净利润仅亏损 400 万元，接近盈亏平衡；研发投入 3.8 亿元，占经调整三费 75%，研发人员占比 69%。人均产值 252 万元，在 AI 头部企业中排名靠前。

黄伟把 2023-2025 年定义为大模型的 " 热身赛 "，而 2026 年行业正式进入 " 生产力 AI" 的正赛。 U2 是云知声手中那张证明自己有资格上场的门票。

云知声在品牌和 C 端的存在感不算最强。但如果换一把尺子——看谁的模型真正在帮企业省了钱、提了效，看谁的 Token 收入在真实地增长，看谁在医疗和金融这种高门槛场景里站住了脚—— U2 确实提供了一份有说服力的成绩单。

大模型行业在 2026 年的一个重要分水岭是：光会 " 说 " 的模型正在快速贬值，能 " 干活 " 的模型才有定价权。云知声押注的正是后者。这条路似乎不性感，也似乎不会在社交媒体上引发狂欢转发——但可能回头看才会发现，这才是 AI 商业化最不绕弯的路径。