大模型正在变得越来越聪明，但在云天畅想创始人、董事长茅晓东看来，真正决定 AI ( 人工智能 ) 能否进入日常终端的，并不只是模型的智能能力本身。

" 对 C 端市场，真正决定 AI 使用的，还是用户体验。" 茅晓东在接受经济观察报采访时表示。他举例说，如果一副智能眼镜翻译一句话要等三秒，或者一个机器人每次反应都要把传感器数据传到远端云中心再返回，所谓智能就很难变成真实体验。

这也是云天畅想接下来想解决的问题之一。6 月 17 日，云天畅想宣布完成超 10 亿元人民币的 E 轮融资，本轮融资由中国互联网投资基金领投，中金资本等机构联合投资，近两轮合计融资接近 20 亿元。

这些资金中很大一部分将用来编织一张网。茅晓东说，云天畅想希望在大模型和终端设备之间，搭一张更靠近用户的实时智算网络，" 大模型的中心云类似‘炼油厂’，云天畅想要做的网络类似‘加油站’，前者集中炼出智能，后者负责把智能送到用户身边。"

在云天畅想内部，这张网络被称为 Real-time Intelligence Fabric（实时智算织网）。茅晓东解释，之所以不用一般的 " 网络 " 一词，是因为 Fabric 更像一块由经纬线织成的布。点越多、线越密、网格越小，网络离用户越近，实时交互的能力就越强。

过去十年，通信行业存在两个趋势：一个是终端设备越来越轻、越来越省电、越来越具性价比，另一个是通信网络从 3G、4G、5G 到 6G，不断提高带宽、降低时延。这意味着，一些原本需要放在终端本地完成的计算，开始有条件向云侧、边缘侧迁移。

正是看到了这一趋势，在 2016 年，云天畅想就开始将 GPU 算力、服务器和 5G、宽带网络结合，为游戏、视频、电竞等行业提供低时延服务。彼时大模型尚未出现，这些服务主要集中在实时渲染和互动体验。

在 AI 场景下，端侧设备无法持续塞入高功耗的大算力芯片，而 AI 应用又越来越依赖 GPU 和模型推理，这进一步激发了对边缘侧计算的需求。特别是 AI 真正大规模进入物理世界后，实时互动会成为关键约束。

茅晓东说，机器人、智能硬件、可穿戴设备、智能座舱、低空经济、无人机等场景，都不可能完全依赖远端中心云，也不能依赖设备本身的计算能力，因为不可能在机器人里面 " 放两张几千瓦的大卡 "，功耗、续航、体积重量等方面有很大瓶颈。在这种状态下，一种物理距离贴近用户、又具有集约运算能力的边缘端算力就是刚需。

在茅晓东看来，这就是云天畅想 " 实时智算织网 " 要做的事情。云天畅想不一定要从零训练基础大模型，而是要在模型、硬件、网络和场景之间做适配：什么任务放在中心云，什么任务放在边缘节点，什么任务可以利用终端算力，如何在有限能耗下更快地产生更多低时延 Token。这些问题不够 " 显眼 "，却直接决定用户最终感受到的 AI 是否顺畅。

云天畅想并不只是把服务器放得更近。云天畅想首席科学家张霖涛表示，边缘场景中的硬件能力差异更大，需要做模型适配、硬件优化、网络结合、动态负载平衡，并提升利用率。因为节点数量多、规模小，不像云仓只有少数大节点，系统必须在 " 离用户最近 " 和 " 节点是否拥堵 " 之间动态选择。

在茅晓东的设想中，未来，智能终端不一定需要成为一个昂贵且拥有充足算力的设备，而是可以把 AI 能力外包给实时智算织网。

这仍是一门需要时间验证的生意。一方面，实时 AI 的需求正在出现，游戏、直播、智能硬件等场景已经出现少量对低时延敏感的需求；另一方面，具身智能、AI 手机、Agent 应用商店等更大规模的 C 端应用还没有真正普及。茅晓东也说，Agentic AI 的 C 端渠道可能要到明年才开始涌现，机器人等物理 AI 场景则更靠后。

他预测，" 智能 " 要达到像水电一样几乎 " 无延迟 " 地随取随用，还需要 5 至 10 年的大规模建设期。

（作者 宋笛）

免责声明：本文观点仅代表作者本人，供参考、交流，不构成任何建议。