U2 正式亮相：原生可執行Agent大模型，雲知聲跳出參數競賽

2026年6月8日，港股上市AI企業雲知聲（9678.HK）正式發佈新一代通用基座模型U2。

在國內大模型賽道已經擁擠到“百模大戰”變成“百模洗牌”的當下，這條消息本身不算稀奇。但仔細看過U2的技術底牌和商業打法之後，會發現它傳遞的信號有些不同：這不是又一個萬億參數的軍備競賽選手，而是一個反過來質疑“參數越大越好”這條底層邏輯的挑戰者。

一、近3000億參數打萬億：什麼叫“智能密度”

U2採用近3000億總參數的MoE（混合專家）架構。這個數字的放在2026年的大模型陣營里，看起來並不算大。

但云知聲創始人黃偉提出了一個不同的衡量維度：智能密度。

他的公式是：AI商業價值 = 智能密度 × Token價值。

“智能密度”的意思是，用更少的計算資源實現更高的智能產出——不追求參數絕對值，而追求每一個參數的投入產出比。

過去三年，大模型的敘事一直被“參數軍備競賽”綁架——誰大誰就強，這幾乎成了一種不需要論證的信仰。但現實中的買單方——企業客戶，看的從來不是“你的模型有多大”，而是“我花一塊錢的算力能換回多少實際產出”。黃偉的這個公式把問題重新拉回了商業的基本面：不是誰的模型最聰明，而是誰的智能性價比最高。這個思路是否成立，取決於U2在真實場景中的持續表現，但至少它提供了一種不同於“無限堆參數”的思考方式。

黃偉在一次媒體專訪中提到一個比喻：“我不需要一個中科院院士來開滴滴。很多任務場景不需要最高智能，碩士博士水平就夠了。”

這個邏輯和DeepSeek在2025年走通的路徑有相似之處：更小的模型、更低的成本、但單位Token的價值更高。一些外部看法，也確實把U2視為雲知聲的“DeepSeek時刻”。、

二、“為執行而設計”：原生Agent不是外掛

大模型行業有一個廣泛存在的尷尬——模型“一看全會，一用就廢”。能寫詩能聊天，但真讓它獨立去完成一個跨步驟的複雜任務，比如自動處理一份保險理賠，它就開始掉鏈子。

U2想解決的正是這個問題。它的核心定位是“原生通用Agent大模型”——工具調用、狀態管理、多步規劃、任務拆解這些能力，從模型訓練的第一天就是原生集成的，不是靠後期外掛插件來補。

用黃偉的話說：“傳統大模型是‘為生成而設計’，U2從第一天起就是‘為執行而設計’。”

這種設計範式的區別在實際場景中的差距是巨大的。在IFBench指令遵循評測中，U2表現位居行業前列；在Claw評測（Agent能力評估）中展現出突出的智能體與工具調用能力。

具體來說，U2不只是“回答你的問題”，而是能夠自己規劃步驟：接到一個“生成客戶季度投資報告”的指令後，它會自主調研持倉數據、分析行業風險、計算回撤表現，最後生成一份可直接使用的結構化報告。

“為執行而設計”這句話，意味著大模型賽道的競爭維度正在發生根本性的分叉。過去兩年，幾乎所有模型都在比“誰能回答的更好”。但企業客戶真正需要的不是一個更會聊天的AI，而是一個能接手具體工作流、獨立完成任務鏈的數字員工。U2能在這個方向上跑出明確的體驗差距，它的競爭對手就不是其他大模型，而是企業現有的外包團隊和流程型軟件——這是一個完全不同的市場。

三、不止於通用能力，更強在高價值場景里的可信執行

在醫療和金融這種高風險行業，AI 最大的敵人不是 “不夠聰明”，而是 “瞎說八道”—— 業內稱之為 “幻覺”。

U2 用一個關鍵的工程策略來解決這個問題：將 “駕馭工程”（Harness Engineering）從應用層下沉至模型層。傳統做法是模型本身不管準不準，靠上層應用去做校驗和糾錯；U2 的做法是直接在模型訓練階段就嵌入約束和驗證機制，從模型根源優化內容生成準確度，大幅削減不合理的虛構信息。

這個落地思路已有實際商業價值支撐，今年 1 月，人民日報曾報導，在北京友誼醫院順義院區肝病門診室，當主治醫生完成問診，醫療門診 “智能體” 便自動生成了電子病曆，主訴、現病史、既往史、檢查建議等一應俱全。醫生只需輕點鼠標，系統直接歸檔。 

真正亮眼的是背後的工程思路：不是等出了事再兜底，而是從源頭減少出錯的概率。在醫療和金融這種 “錯一次就可能出人命或丟大錢” 的場景里，這種思路可能比單純刷評測高分更有實際價值。

另外，依託全新 U2 基座能力，雲知聲同步完成自有 OPC 公有雲 MaaS 平台全面上線，打通模型能力對外商業化的關鍵通道。平台整合 U2 原生 Agent、高精度內容生成等核心能力，面向全行業開發者、中小企業開放標準化 API 接口，企業可按需按需調用模型能力、按 Token 實際消耗量結算成本，降低各類行業落地大模型的研發與算力門檻，加速 AI 能力在政務、金融、醫療等實體場景落地落地。

當通用能力逐漸成為大模型競爭的入場券，真正拉開差距的，可能是模型能否在高風險、高責任、高複雜度的高價值場景中持續穩定地“靠譜”。國內 AI 公司的發佈會慣於用評測榜單說話，但云知聲這次的敘事重心明顯不同——它並不是放棄通用能力競爭，而是在通用能力進入第一梯隊之後，進一步強調“工程思路”和“可信執行”。換句話說，U2 不是只想證明自己“會做題”，更想證明自己能在醫療、金融、政務等嚴肅場景里穩定完成任務、可靠交付結果。

這在當前市場上其實是一個相對清醒的定位選擇。當 大模型的能力區分度越來越依賴垂直場景的真實落地，“在醫院門診跑通了”比“評測第一”更有說服力。人民日報案例的引用也並非偶然——它恰好是“可信賴、可落地”這一品牌敘事的最佳註腳。

OPC MaaS平台的同步上線，則讓這次發佈多了一層商業邏輯的完整性：有模型、有場景、有對外開放的API通道，收入從項目製走向按量計費。對資本市場而言，這個商業模式的切換信號，可能比任何一個技術參數都更值得關注。

四、U2背後的的商業閉環：從模型到收入的完整鏈路

技術再強，最終要看商業化能否成立。黃偉對U2的業務定位非常清晰：U2是底座，上面長出兩條收入線——

ToB端：依託“獸牙”智能體平台（Shouya Agent Platform），將U2的能力封裝為行業解決方案，面向醫療、醫保、交通、客服、智慧工牌等場景輸出。雲知聲近期已在多個領域連續中標，訂單管線持續擴大。

ToC端（公有雲MaaS）：通過OPC（Open Platform Cloud）生態開放API，讓第三方開發者和企業按Token調用付費，持續產生收入。

這意味著，U2不僅是一次技術發佈，更是雲知聲從“賣項目”轉向“賣Token”的商業模式轉軌的關鍵節點——收入不再僅僅依賴一單一單的合同交付，而是與客戶的AI使用強度直接掛鉤，理論上不存在規模天花板。

五、一個被低估的增長信號：Token調用收入ARR環比暴漲600%

在所有關於U2的技術參數和評測數據之外，有一個數字或許更值得資本市場關註：

受益於高質量場景Token的需求激增，雲知聲5月Token調用收入的ARR（年化經常性收入）環比漲600%，預計6月ARR將繼續保持高增長，達到1500w美金。

這個數字的含義是：不是偶發性的大單貢獻，而是來自持續調用的API收入——客戶用得越多，收入越高。當醫院每天在跑數百份病曆生成、保險公司每天在跑數千份理賠審核、政務窗口每天在跑方言轉寫服務時，Token就在源源不斷地產生。

換句話說，雲知聲的收入結構正在從“簽合同-交付-回款”的傳統項目製，切換為“按使用量持續計費”的SaaS/MaaS模式。從5月份的ARR數字已經看到，這種模式已經跑通，其收入的可預測性和天花板都正在發生質變。

六、從“語音公司”到“大模型第一梯隊”的身份轉變

回到這家公司本身，從時間線來看一下雲知聲的發展曆程：

– 2012年成立，做語音雲平台起家

– 2018年發佈業界首款車規級全棧語音AI芯片

– 2020年啟動預訓練大模型研發

– 2023年發佈“山海”通用大模型

– 2024年港股上市，成為“港交所AGI第一股”

– 2025年大模型業務收入6.1億元，同比增長10倍，占總收入超50%^[7]^

– 2026年發佈U2，上市一週年，對標國產大模型第一梯隊

2025年財報數據：總營收12.1億元，同比增長29%；下半年經調整淨利潤僅虧損400萬元，接近盈虧平衡；研發投入3.8億元，占經調整三費75%，研發人員占比69%。人均產值252萬元，在AI頭部企業中排名靠前。

黃偉把2023-2025年定義為大模型的“熱身賽”，而2026年行業正式進入“生產力AI”的正賽。 U2是雲知聲手中那張證明自己有資格上場的門票。

雲知聲在品牌和C端的存在感不算最強。但如果換一把尺子——看誰的模型真正在幫企業省了錢、提了效，看誰的Token收入在真實地增長，看誰在醫療和金融這種高門檻場景里站住了腳——U2確實提供了一份有說服力的成績單。

大模型行業在2026年的一個重要分水嶺是：光會“說”的模型正在快速貶值，能“幹活”的模型才有定價權。雲知聲押注的正是後者。這條路似乎不性感，也似乎不會在社交媒體上引發狂歡轉發——但可能回頭看才會發現，這才是AI商業化最不繞彎的路徑。