全文约 650 字，阅读约需 3 分钟。
写于 2026.02.04 。
我在实际使用 AI 的过程中，获得了非常好的体验。AI 帮助我提高了处理各种事务的效率，实现了许多此前无法完成的任务。例如：对文件批量编码与分类；音视频转文字稿；对各类文本总结摘要；翻译外文文章和社区内容；快速学习新知识；完成个人项目从开发到部署的全流程等。
相比之下，为何许多用户在几次使用后，觉得效果不佳，与自己对 AI 的预期存在差距，从而不再尝试？究其原因，我认为主要有三个层面：
- 一是当前模型能力和产品设计无法满足用户在完成任务时，只需"一步到位"的预期；
- 二是用户对模型和产品的认识不够，不了解模型的能力边界在哪里，不清楚哪些任务可以完成得很好，哪些任务能起到辅助作用，哪些任务效果较差，如何向 AI 更好的提问；
- 三是某些复杂任务必须通过编排工作流才能解决。
以上第二、三点对用户要求过高，具有自发学习意愿和能力的用户占比并不高。
只能从模型端和产品端进行设计和优化：一是提升模型能力；二是通过工程优化或产品设计，将复杂工作流预制好，挖掘用户使用 AI 的场景，针对场景进行功能封装，最终为用户提供直接可用的产品，无需用户了解其中的设计和原理。
综合以上分析，豆包表现优秀。从国内情况来看，其模型能力不错，多模态能力全面，产品设计优秀。仅从输入框上预设的一系列使用场景，就能体会到这一点。
豆包能够拥有当前的用户量和巨大的月均 Token 消耗量，虽然拥有抖音这样海量活跃用户的平台推流很重要，但更重要的仍是产品本身的质量——打铁还须自身硬。
相比此前的 Kimi 和元宝，豆包在花钱买量上很克制，真正能留住用户的仍是用户在使用产品过程中获得的良好体验。