范凯说 AI · 周日晚聊 第06期 - 10亿红包开打：国内大模型进入”拼多多式”战争
主题：10亿红包开打：国内大模型进入”拼多多式”战争
日期：2026年2月8日
开场
大家好，这里是《范凯说 AI · 周日晚聊》，我是范凯。每周日晚上10点，我都会在直播间跟大家一起回顾最近一周 AI 行业最重要的变化。
2026年的第六周实在太精彩了。今天主要聊三件事：
第一，SpaceX 合并 xAI：AI 的算力建设从地球转向太空；
第二，Claude Opus 4.6 和 GPT-5.3 Codex：模型竞争仍在如火如荼地进行；
第三，10亿红包补贴开打：国内大模型进入”拼多多式”战争（今天的重头戏）。
后半段我会分享这一周的个人体会——我是如何和智能管家 Friday 共同打造一个持续生长的工作系统 Workspace 的。
第一部分：本周 AI 新闻
新闻一：SpaceX 合并 xAI——AI 算力从地球走向太空
在解读这条新闻之前，我先提一个问题：当前 AI 行业最缺的东西是什么？是缺卡（英伟达的 GPU）？缺赚钱的 AI 应用？还是缺电？
答案是缺电。
如果你用过 Claude Code 或 OpenClaw，真正体验过最前沿的 AI 智能体之后，你就会明白 AI 对我们的改变有多大，也会明白你有多想烧更多的 Token。AI 大模型的 Token 就类似于10年前移动互联网时代的流量套餐——当流量从 2G 到 3G、4G 的时候，应用就会大规模爆发。我们现在只是前期一些极客在做尝试，而这些极客发现最缺的就是 Token。模型的应用在未来至少会有百倍甚至千倍的放大，因此当前最缺的就是电——而且电力的扩张速度远远跟不上 AI 的需求增长。
马斯克做出了一个超前的规划。SpaceX 过去有两块核心业务：一是太空运输（用星舰把载荷送入太空），二是星链（太空通信，2025年收入已经达到约150亿美元）。现在他要做第三件事——在未来五年于太空中建设数据中心。
太空数据中心的核心优势是能源问题：在太空中直接使用太阳能电池板，相当于一个乞丐版的地球戴森球。马斯克已经在 X 上宣布，SpaceX 计划在近地轨道申请发射100万颗卫星。每一颗卫星本质上就是一个数据中心，里面放置大量的算力芯片。100万个太空数据中心，在太空中直接使用太阳能，建成之后的算力可能是地球目前算力的100倍以上。
目前地球上建设一个数据中心也就是几个吉瓦的规模，最多到10吉瓦。而 SpaceX 的太空方案起步就是100吉瓦以上。如果展望未来五年，太空真的拥有了几百吉瓦的电力和能源来跑 AI，Token 便宜到像水一样，我们就真的会进入一个全智能的时代。
我认为这是从长远来看一个非常重要的趋势。
新闻二：Claude Opus 4.6 与 GPT-5.3 Codex——模型竞争如火如荼
Anthropic 发布了最新的 Claude Opus 4.6，智能水平比 Opus 4.5 又有提高。不管是编程还是智能体应用，大家都开始往 Opus 4.6 迁移。结果就在同一天，OpenAI 又发布了 GPT-5.3 Codex，再次与 Anthropic 形成正面竞争。
我做了一些调研，综合各个前沿极客的用法，目前的模型推荐是这样的：
智能体主控模型：首推 Claude Opus，其次是 GPT-5.2/5.3；
搜索和资料处理：推荐 Gemini，因为它有100万 Token 的超大上下文窗口，非常适合知识库和数据处理；
编程：GPT-5.3 Codex 的写代码能力被认为是最强的。
国内模型方面，推荐三个：Kimi 2.5（月之暗面最新发布）、智谱 GLM 4.7、MiniMax M2.1。如果你什么套餐都没买过，想试一个全新的，建议从 Kimi 2.5 开始，因为最新出来的通常功能最强。
国内外模型的差距确实还存在。打个比方：一个学生每次考99分，另一个每次考80分。如果是在成本可控的范围内，一个学生你一教就会、不用返工，另一个你教了还不会、反复修改——时间成本的差距就体现出来了。
这些模型还在拼最强，对于使用智能体的用户来说这是好事——基础模型越强大，智能体的基础能力就越强。
新闻三（重头戏）：10亿红包开打——国内大模型进入”拼多多式”战争
2026年春节期间，国内出现了一个戏剧化的场景：大模型厂商开始打”红包补贴战”。
腾讯方面，马化腾在腾讯年会上宣布拿出10亿红包推广 AI 应用”元宝”，通过社交分享链路、抽红包、打卡任务来拉新。阿里则更猛，通义千问投入30亿红包补贴，把优惠直接绑定到咖啡、外卖、奶茶、商超等高频消费场景，主打”一句话下单”，让 AI 直接帮用户完成消费动作。据说线下很多咖啡店已经人满为患，直接把千问 APP 的服务器打趴下了——这也侧面说明，如果 AI 真的大规模普及，连阿里的算力都不够用。
把三条新闻串起来看，你会发现一条清晰的线索：底层是算力之争（马斯克要到太空搞算力），中间是模型之争（谁的模型在智能体和编码方面最强，谁的 Token 最值钱），上层是AI 应用入口之争（国内三大巨头砸钱抢入口）。
但是，我有一个”但是”。
AI 应用不是纯娱乐应用，它需要用户改造思维、调整行为模式。如果不去影响用户的心智，而是赤裸裸地粗暴砸钱，想要培养用户心智，其实是培养不出来的。
先说阿里。AI 语音下单买咖啡、点外卖，这个逻辑本身不复杂——你现在拿出手机点一点就能完成，流程已经磨合得非常好了。在这种情况下再让 AI 替代人去干这件事，它只是锦上添花。一个锦上添花的事情不足以改变用户的使用习惯，因为你本来已经习惯了，AI 又没有额外带来巨大的价值，用户为什么要改变习惯？所以本质上它是一个噱头、一个炫技，但没有带来价值的改变。
AI 应该去解决那些传统软件一直解决不好的痛点问题。比如电子政务——你在支付宝里查社保、查公积金、办手续、提取信息，虽然比10年前好了很多，但依然很难用，想找的功能不知道在哪，特别费劲。包括医疗平台上填写资料、挂号。这些能不能用 AI 解决？AI 直接问我几个问题，我回答完，它就把电子政务系统的信息帮我办好了——这才是 AI 应该发挥价值的地方。知识管理也是如此，大家很痛但传统软件一直解决不好。
再说腾讯的社交关系链抢红包，那就更直接了——大家只是想薅点羊毛。你在元宝里解决了大家什么痛点问题？解决了什么现有 APP 解决不好的问题？如果没有，那10亿不就是让用户薅了一把羊毛，还能剩下什么？而且微信里各种群、朋友圈、个人号都在转发抢红包链接，除了骚扰用户，其实没有起到很好的价值。这个活动不是也很快被叫停了吗？
我的判断是：补贴大战有很大可能性只是一场闹剧。当然，巨头们这么焦虑，砸了几十亿下去抢 AI 入口，也说明 AI 时代确实到来了。
至于谁最终能占住 AI 入口？从目前来看，我稍微看好豆包（字节）一点。
AI 手机的真正形态
直播间有人提到 AI 手机。过去我们总说手机 AI 可能是等苹果让 Siri 变得更智能，或者安卓手机端侧集成大模型。但现在我发现，真正的 AI 手机形态是——在手机上跑一个 OpenClaw。
我已经在 X 平台上看到海外极客在安卓手机上（root 之后）直接安装了 OpenClaw 智能管家，通过 Telegram 或 WhatsApp 给智能体下达命令，让它点咖啡、发消息，直接操控本地手机去干活。
手机本质上也是一台 Linux 操作系统，安卓就是 Linux。目前还是用 hack 的方式把 OpenClaw 跑到安卓上，但我认为很快就会出现专门运行在安卓手机上的 OpenClaw 分支项目。想象一下：给手机插一张 SIM 卡，配上 Google Pay，智能体就可以自己支付、注册账号、收发手机验证码和邮箱验证码——完全控制一台手机。
其实就算不跑在手机上也可以控制手机。我已经验证过：把一台安卓手机打开 USB 调试，用 Type-C 线插到 Mac mini 上，OpenClaw 就能通过 ADB（Android Debug Bridge）操控安卓手机上的应用。我给 Friday 下命令说”打开微信”，它就打开了；我说”给微信好友范凯发一条消息”，它就发出去了；让它打电话，它搜到通讯录就拨出去了。那天晚上我太激动了，当场在淘宝下单了一台1200块钱的红米手机。
第二部分：本周个人分享——Workspace 让智能体真正”在场”
和智能管家共建工作系统
这周我大部分时间都在打造一个我和智能管家 Friday 共同协作的工作环境 Workspace。
核心思路很简单：AI 智能体的所有记忆系统都是保存到硬盘上的 Markdown 文件。我要做的就是把我和 Friday 协作的所有事情文档化、落地成一个个文档目录。
具体来说，我做了这几件事：
第一，在 Mac mini 上安装了 OpenClaw，让智能管家 Friday 在一个独立环境中运行。第二，在用户主目录下创建了 Workspace 目录，按项目分子目录。比如 Writing（写作）目录下包含写作风格指导、常用提示词、内容运营体系的规则、过去写过的内容和文章。每个目录都有一个 README 文件说明这个目录的用途。第三，通过文件同步，让我在 MacBook 上也能直接打开同一个目录、修改同一个文件。
这样一来就发生了一件关键的事：我和 Friday 开始用同一套文档系统协作。 大多数时候我不需要自己动手改内容，让 Friday 直接在 Mac mini 上写、改、整理；少数时候我想手工调整，在笔记本上打开同一个文件直接改就行。
举一个具体的例子。我跟 Friday 聊完运营策略之后，会让它把讨论结论总结下来，保存到 Workspace 的 Operation 目录。下一次再讨论运营问题，我就让它先读一遍 Operation 目录里之前保存的内容。这样它就有了上下文——不是每次都从零开始，而是在一个持续累积的系统里工作。
比如今天上午我和 Friday 讨论了一个多小时的 YouTube 长视频运营策略，它就帮我保存了”YouTube 爆款长视频复盘总结”这样的文件。过去我要自己去创建印象笔记、语雀笔记，现在只要跟它交流完了说”你帮我总结一下，给我保存下来”就行了。下次再讨论相关问题，我说”你到 Operation 目录下看看之前的记录，看好了咱们再接着讨论”，它所有的上下文马上就拉回来了。
这就是我这周最大的收获：当智能体能在你的系统里持续编辑、持续维护，你就真的多了一个长期协作的个人管家。
OpenClaw 为什么这么强——Unix 哲学
有人问：模型都是一样的，为什么 OpenClaw 这么强？
本质上是 Unix 哲学。我在 X 平台上发过一个帖子谈过这件事。Unix 哲学核心就三点：
第一，有很多小工具模块，但每个工具只做一件事情，而且把这件事做到极致。第二，这些小工具之间进行紧密的协作。第三，协作方式是统一的——Unix 把所有东西（程序、网络端口）全部看成文件，一个工具文件进文件出，第二个工具再文件进文件出，形成管道式操作。
OpenClaw 就是这样一个 Unix 哲学的产物。它里面有上百个小工具，每个小工具执行单一任务且做得很好，然后有一个总控 Agent 把这些工具连接起来，就能完成超乎想象的复杂任务。
本地部署 vs 云端部署
有人问 OpenClaw 连本地部署大模型有没有意义，或者能不能部署在云端。
云端当然可以部署，但体验会大打折扣——很多本地功能用不了，操控手机的功能也没有。如果你真想打造一个和你深度协作的智能管家，还是强烈建议在一台本地 Mac 电脑上安装全套，那个体验才真的像身边有一个数字管家。
安全注意事项
关于安全性，需要注意几点：第一，尽量保持最新版本，经常升级以修复安全漏洞。第二，不要在 Mac mini 上放密码文件或支付相关的信息。第三，登录的账号应该设置支付限额。第四，最重要的是不要随便安装第三方的 Skill——官方已经提供了52个 Skill，从中挑选安装即可。不要安装 Skill Hub 之类的第三方插件让它自动去安装大量 Skill，因为第三方 Skill 可能存在 Prompt Injection 或 Shell Injection 的风险。注意这些问题，安全基本上是能够得到保障的。
第三部分：观众互动
问：国外模型比如 GPT-5.2 和国内模型 MiniMax 差距有多大？
这取决于你做的任务。如果做简单的数据清洗、数据处理，你看不出太大的差距。但如果拿来驱动最前沿的智能体 OpenClaw，用个几天你就能感觉到聪明程度的差异。我一开始用 Gemini 驱动 OpenClaw，因为它有100万的上下文窗口，但后来发现 Gemini 写文章不太让我满意；切到 GPT-5.2 以后，才找到了用 ChatGPT 的那种熟悉的感觉。国内模型和海外顶级模型之间确实还有差距。
问：所有代码、分工、人力资源全都交给 AI，自己只负责思考方向，可以吗？
我现在就是这么干的。而且说实话，我觉得不仅仅是思考——我更多是抛出一个方向，然后 AI 告诉我要怎么做。我提供数据和权限，它来执行。执行过程中它会问我一些判断性的问题。所以不是说所有事情都交给 AI，而是你做任何事情都应该跟 AI 一起干，绝对不要自己单干了。
今天早上我发了一期 OpenClaw 新手入门教程视频，两天精心制作，结果第二天早上一看数据大大低于预期，挺郁闷的。然后我打开智能管家跟它说”我好郁闷”，它让我把视频口播稿和数据截图都发过去，一通分析之后告诉我：点击转化率说明视频质量很高，教程类内容互动本来就低，当前还有五个优化点——1、2、3、4、5 列出来，指导我一个个做优化。到下午晚上，数据确实有了比较明显的变化。
这就是我想说的：我们应该所有事情都跟 AI 协作。AI 真的是一个战略顾问，会指导我们做每件事。但学会跟 AI 协作，不仅仅是工具使用——不要只想着”小龙虾怎么装、用什么模型、怎么装 Skill”。那是在打造锤子，你不要买椟还珠。你拿这么强大的武器，是要提升自己的个人竞争力，让你在工作生活中更加强大，结合自己的特长，在所在的领域发挥到更大。
问：AI 时代是不是一定要做软件开发才有前途？
绝对不是。这是一个需要纠正的误区。
未来70%的软件项目可能会消失。在美国上市公司中，SaaS 软件公司现在正在经历 Software Meltdown——当智能体批量涌现后，过去很多 SaaS 软件的故事已经讲不下去了。因为客户最终想要交付的是”解决一个需求”，而不是”一个软件功能”。软件交付的是功能，而智能体在未来可以直接交付解决方案。
我在接触 OpenClaw 之前，已经规划好要开发好几个面向海外的 To C 软件。但现在我发现不需要做了——这些软件的功能用 OpenClaw 的 Skill 方式就可以实现，没必要再去开发 APP，而且开发出来在未来也会被淘汰。
每个人都有自己的路。有的人擅长做内容输出、表达能力强，适合做自媒体；有的人逻辑思维强、专业背景深，可以利用行业垂直知识在智能体上开发解决方案；有的人用户体验做得好，去做 AI 工具产品也可以；还有的人擅长给用户做培训和咨询。一定要打开思路，面向蓝海去解决问题。
问：AI Coding 对开源项目的影响？
开源项目一定会井喷，毫无疑问。AI 编程改变了整个编程的方法论。
一个最重要的变化是测试驱动开发（TDD）。过去虽然大家都推崇 TDD，但实际上没人搞——因为写测试相当于工作量翻倍。但在 AI Coding 时代，TDD 绝对是主流。让 AI 先把测试用例写好，再进行测试驱动开发。AI 发现测试通不过就快速修改，改了再测、改了再测，快速循环迭代。不管模型能力强不强，只要让 AI 试错的次数足够多，它一定能写出更好的代码。
这个道理和 AlphaGo Zero 一模一样——最早的 AlphaGo 学人类棋谱，智能水平超过人类但不够高。后来干脆把人类棋谱扔掉，两台 AlphaGo Zero 自己对弈，极短时间内下的棋谱远远超过有史以来所有人类围棋的棋谱总和，所以 AlphaGo Zero 完全吊打 AlphaGo 和全人类。
这也是一个教我们怎样用 AI 智能体的方法论：如果一件事是可以验证的，那么你把它交给 AI，它一定能做成。 因为它可以无穷多次试错，最终总有一次试出来。当然，现实中最难的是我们很难设定一个让 AI 可验证的验收标准，所以变成人来验收，人反而成了拖慢 AI 的瓶颈。
问：要坚持一个项目很多年才能赚大钱吗？
我分享一个亲身经历。2003年我做 Java 技术社区，做到2010年卖掉，七年磨一剑。但2003年的时候我根本没有”创业赚大钱”的想法——如果有的话，我不会选择去做一个推广开源软件的技术社区，那东西不赚钱。从03年到09年下半年，整整六年半都不赚钱，还动不动往里贴钱。最后半年才扭亏为盈，然后2010年卖掉。
你想赚大钱的前提是：你要在某个领域扎得很深，认知水平和执行能力超过绝大多数人。如果上来就奔着赚钱去做，急功近利想要立马成功，100%会失败。做任何事业最难的就是前面那段看不到希望的绝望之谷。创业这条路不好走，你要用一种非常敢于冒险、拥抱不确定性的心态，像疯子一样坚持做一件别人看来不赚钱、但你认为有希望的事，最终才能赚到钱。
收尾
今天差不多就聊到这里了。下周日大年二十九，晚上10点，《范凯说 AI · 周日晚聊》我们继续见面。在这里预祝大家新年快乐，阖家团圆。晚安。