文章核心观点 - AI应用的发展趋势正从单一功能工具转向“团队化”和“深度集成”的智能服务体系，竞争核心在于如何巧妙调度多个智能单元并将其深度植入具体专业场景，用户角色正从功能“使用者”转变为智能团队“管理者”[18][20] 026周榜单总介绍 - 模力工场发布第026周AI应用榜，涵盖工作效率、数据分析、教育学习、AI Infra、生活服务等多个垂直领域[4] - 上榜应用包括Wino Studio（工作效率、数据分析、教育学习）、AI Ping（AI Infra类）、ChatGPT（工作效率、软件开发、设计创意）、咔皮记账（生活服务类）等[4] 榜首应用开发者Q&A (Wino Studio) - **开发者背景**：Wino Studio由杭州宇算科技开发，核心团队具有理论物理研究和大数据研发背景，致力于结合学术界与产业界力量打造新一代基础软件[6] - **产品定位**：Wino Studio是一款高性能桌面应用，以Wino文档为核心，将概率性大模型与确定性领域知识结合，服务于科研教育领域的内容创作、数据分析和科学计算三大场景[6] - **技术架构**：采用Rust高性能编程语言，借鉴Jupyter Notebook交互方式，通过引入Chat、Markdown、Command、Schema、SQL、JavaScript、Python等多种计算单元，融合大模型服务与编程技术，并使用自研的Zino开发框架[9] - **行业洞察**：AI应用开发最耗时的是早期的洞察挖掘及测试阶段，Wino Studio致力于提供系统化工具帮助用户进行早期探索及测试[10] - **获客与商业模式**：产品处于早期阶段，主要通过自媒体分享案例进行宣传，产品本身是ToC，但商业模式是ToB或面向超级个体（ToSi），并通过参加创业营寻求商业合作[12] - **未来目标**：未来12个月三大目标包括在金融数据量化分析等具体场景做深做专、借助AI Coding与人工优化实现科学计算基础算法并寻求科学发现突破、扩大产品知名度以触达百万级别潜在用户[13] 本周必试应用 - **AI Ping**：定位为大模型智能选型平台，提供模型性能实时评测与API智能路由服务，平台集成20余家供应商的400+模型服务，通过7x24小时实测输出实时性能排行榜，并通过智能路由为每次API请求自动匹配性能更优、价格更低的供应商[15] 上榜冷门但有趣的应用 - **咔皮记账**：定位为AI原生财务Agent工具，提供AI自动记账、智能预算规划、消费提醒及复盘洞察分析等功能，旨在以AI方式帮助用户管理财务[17] 本周上榜应用趋势解读 - **团队化趋势**：AI应用正从单打独斗转向“组团”解决问题，通过将不同AI能力、行业知识与用户工作流无缝衔接，形成自主运转、深度协作的智能服务体系[18] - **应用案例**： - Wino Studio被比喻为高度自由的“专家工作室”，提供工具和环境让用户将大模型、代码、规则和数据组装起来，定制解决复杂问题的“私人探索团队”[18] - AI Ping被比喻为精明的“调度中心”，通过实时测评和智能分配，自动为每次请求匹配最合适的模型API[18] - 咔皮记账是全自动的“财务管家”，包揽从识别消费凭证到预警预算超支的整个财务管理流程[20] - 绘蛙（电商专用AI设计工具）是专为电商卖家服务的“视觉设计团队”，能自主完成从找模特到出设计图的一系列动作[20] - **个性化与深度集成**：成为新亮点，例如Pi演示文档能学习用户品牌风格自动生成PPT，通义听悟深度嵌入会议流程自动产出纪要，讯飞绘镜能理解脚本并协调文案、画面和配音一键生成视频[20] 模力工场年度计划与资源 - 模力工场推出“2025年度15大分类Top ONE AI应用盘点”，从上架应用中精选十五个垂直领域的“榜单冠军”[2] - 极客邦科技将为在模力工场发布的AI应用提供传播支持，借助旗下品牌资源（如InfoQ、AI前线、极客时间、TGO鲲鹏会等全媒体矩阵）触达千万级技术决策者、开发者及AI用户[22][23] - InfoQ策划《2025年度盘点与趋势洞察》，覆盖大模型、Agent、具身智能、AI Native开发范式、AI工具链及AI+传统行业等方向，旨在以体系化视角解读技术演化逻辑与创新方向[22][24]

文章核心观点 - 国产算力正从“能用”走向“好用”，其利用率瓶颈主要在于软件生态与系统级优化能力，而非硬件本身[4][5] - 第三方AI Infra公司通过自研全栈软件（如推理引擎）和提供评测路由服务，在芯片多元化的市场中解决适配、优化和商业化问题，创造核心价值[5][12][26] - MaaS（模型即服务）市场增长迅猛且前景广阔，其发展核心在于通过技术优化降低成本和门槛，而第三方平台能有效消除供需信息差[15][30][33] 行业现状与挑战 - 国产算力面临“M×N”的碎片化挑战：底层有N款不同芯片，上层有M个不同大模型，需进行M×N次组合优化，工作量巨大[25] - 行业现状是各家芯片厂商自行适配推理引擎（如vLLM、SGLang），导致适配版本、功能和接口不一致，用户使用和维护难度大[21] - 市场长期存在重视硬件、轻视软件的惯性，但软件生态不完善是国产算力利用率低的核心症结[12][21] - 大模型正向低位宽浮点数（如FP8、FP4）演进，但大部分国产显卡目前不支持FP8，FP4适配更是缺乏，给客户带来成本与效果的两难选择[27] 公司解决方案与产品 - 公司自研“赤兔推理引擎”，旨在作为连接AI应用与底层芯片的核心桥梁，兼容海外及华为、沐曦、海光、燧原等主流国产芯片，降低客户使用门槛[21][22] - 选择全栈自研而非修改开源方案，是为了避免技术包袱，并实现从底层硬件、算子层、推理引擎到上层应用的全链路端到端联合优化，追求极致性价比[26] - 通过纯软件技术突破硬件限制，使FP4和FP8格式能在不支持该特性的国产显卡上运行，计算时转FP16保精度，存储时用FP8/FP4省显存，已在多平台完成适配[28][29] - 推出“AI Ping”平台，提供一站式大模型服务评测与API调用，以消除MaaS市场信息差，其单次API调用费用不到一分钱，成本和使用门槛极低[30] 市场机遇与趋势 - 中国MaaS市场增长远超预期，2025年上半年市场增长率已超过400%，头部云厂商甚至提前完成年度目标[33] - MaaS市场非常标准，未来将演变为卷性能和卷价格的竞争，而降低价格需要大规模优化技术[15] - 中国具备发展MaaS的优良土壤：供给侧拥有全球最繁荣的开源模型生态和爆发式增长的AI算力；需求侧因其低成本、低门槛优势，能吸引企业、个人、科研等多类开发者[35] - MaaS的盈利高度依赖技术，因为省去中间环节后利润损耗少，技术优势更为关键[16] 竞争定位与商业化 - 作为第三方AI Infra公司，其定位在于芯片厂商与云厂商之间，凭借软件优化积累与芯片厂商合作进行软硬件联合优化[12] - 第三方公司的存在具有必要性，例如采购多家芯片的国央企客户需要统一的软件进行管理和优化，否则将非常费劲[13] - 商业化路径已跑顺，尤其在MaaS领域，因为性能每通过推理引擎提升一点，厂商就能多挣一点钱，客户更愿意为能创造额外价值的技术付费[14] - 私有化部署利润可观，MaaS的商业化在过去较难，但现在已非常顺畅[14] 产品技术细节与成效 - 赤兔推理引擎0.5版本已发布，支持超大规模专家并行、PD分离、AF分离等能力，并已完成对华为384超节点方案的深度适配与性能优化[27] - 在DeepSeek-R1上的测试验证了技术方向：不同精度格式效果排序为FP8 > FP4 > INT8 > INT4，证明低位宽浮点数是大模型主流趋势[29] - AI Ping平台评测覆盖极广，已接入29家MaaS厂商，整合400余项MaaS服务，并执行7×24小时不间断评测[36] - 评测数据准确度高，与部分云厂商后台数据交叉验证显示，吞吐指标平均误差在0.2%以内，P90首次延迟稳定在0.8秒以内[38] - AI Ping的“路由”功能提供统一接口，可调用背后20多家供应商资源，根据数据最多能帮助用户降低50%的成本，同时优化延迟和吞吐指标[40][41]