因为在中国，真正还在认真做 Chatbot 的公司，可能只剩豆包了。

如果非要加一个，我会选腾讯元宝——它有流量、有场景、有决心。

DeepSeek 会做 API，可能会做 Agent APP，会做 CLI 工具——这很“DeepSeek”：一家偏工程、重技术的公司，擅长做“开发者友好型”产品。

但做面向大众的 Chatbot？这不是它的最优路径，甚至可能是个陷阱。

Chatbot 的未来，就是流量游戏，确切的说是免费用户的流量变现。ChatGPT也必然如此。

市场调研、产品策划、流量投放、商务对接……这需要一套庞大、成熟的商业系统支撑，而 DeepSeek 明显缺乏这套基础建设。OpenAI能建，不代表DeepSeek也能建。

字节本身就有完备的流量变现系统，即使你无法在豆包APP里变现，也可以把你导流到抖音，抖商，完成在线购物或到店消费…

DeepSeek缺乏“必须做”的决心。

第二点，是字节 Seed 的“自我奋斗”

DeepSeek 的爆发，很大程度上是“时代的进程”——中美对抗叙事、开源闭源之争、国产大模型情绪高涨……

而豆包的增长，靠的是日复一日的投流、调优、迭代，是实打实的运营。

在日用体验上，豆包确实更胜一筹。

主流 Chatbot APP 中，豆包的搜索能力目前是最好的——支持深度思考、多轮反思搜索，响应自然流畅。

50% 的用户提问本质是“搜索型问题”（参考 ChatGPT 数据），而这块的体验，已经投射到“AI 搜索”上。我认为在中国，这个搜索比例还会更高。

DeepSeek搜索功能还要手动“点击联网”——这在大众认知里太“反直觉”了。（对于深度玩家来说是好事）

你去百度搜索，不会先点“联网”；你问手机助理天气，也不会先确认网络开关。

“联网/不联网”本应是系统智能判断的事，而不是用户的手动选择。

联网不一定更好——有时模型会陷入“总结改写”模式，失去深度推理能力，回答变得死板。

但豆包在“搜与不搜”的平衡上，下了大功夫。

它要判断：用户是想“知道答案”（what/when/where/how），还是想“深入讨论”（why/how）——后者更复杂，因为“why和how”有时是搜索，有时是思辨。

目前豆包仍有“过度搜索”的问题，但好在——大多数用户本来就是要答案的。

所以，对普通用户来说，豆包的回答往往比不联网的 DeepSeek 更有用。况且还有搜索源的问题，豆包能访问的有公信力的媒体源比DeepSeek更多。

不止搜索，豆包在“模式化写作”上也打磨得很细：

学生作文、公文模板、广告文案……都做过专项微调，直击用户痛点。

模式化写作是Chatbot业务量非常大的活。

豆包还有很多“花活儿”——丰富的语音包，生图能力国际先进，AI 播客、AI 音乐、AI 视频……

这些“花哨”的功能，是Chatbot覆盖更广人群、提升用户粘性的必要装备。

（还有一点，豆包可以玩Role Play，除了窗口有点短，逻辑上并不会崩坏，而且有时候很惊艳，这对年轻一代是个很好的"诱捕器"。DeepSeek完全不会这个花活。）

而 DeepSeek？目前几乎“啥都没有”。

它现在最大的优势，可能是“二级梯队”的编程能力，以及那种独特的“DeepSeek 味儿”

现在就连“深度讨论”这个曾经的强项，现在也被 Qwen 3 Max 追上甚至超越了。

我现在基本上是豆包的重度用户，基本上上从上班用到下班，再用到副业！可以说是无处不在！

作为一个在企业里还搞点儿科研的人来说，时不时还要写点儿论文之类的东西，原来没有AI的时候，写篇论文比较费劲，精力不够，基本都是把思路安排给下面的人，让他们写好了我再改！现在有了AI，我发现我自己也能很快的独立水一篇EI会议！

我用的工具就是豆包，下面我实操给大家看看！

首先我们看SCI中最容易写的部分就是材料与方法（Materials and Methods）部分，基本上就是交代一下研究用了哪些设备？试验对象是哪些？具体的试验步骤是如何？都属于描述性的话语，完全没有难度！你要说你不会写，那咱就让AI写呗，我一般就会找我之前写过的论文，因为我的研究方法一般是固定的，或者找几篇相近的的论文，一股脑喂给AI，让它帮你写！

你就说这能用你多长时间，我觉得连写再改顶多1天时间吧？

如果用AI的话，我觉得SCI中第二容易的部分就是引言（Introduction），因为引言完全是研究现状的综述，不需要你做任何试验，分析任何数据，就是对其他研究人员文献的总结，只要你把文献中的摘要及结论进行缩写，现在有AI之后，直接把论文喂给AI，你让AI帮你写成：“xxx用什么方法研究了什么，得出了什么结论”的格式，AI瞬间帮你写完！

你要是说不知道如何不知道Introduction的结构，那你就选一篇你觉得结构最合适的，然后让AI帮你把结构提取出来！

这不是就是Introduction的结构嘛！给人以环环相扣的感觉！而你在自己写Introduction的时候只需要按照这个环环相扣的逻辑把你的内容填进去就可以了！

所以写Introduction就剩下下载论文了，你一天还不能下载50篇论文吗？就算你效率再低，Introduction三天就能搞定吧！

把这两部分写完，那大概SCI也写了有三分之一了！

紧接着你手里的试验数据做成图，你要说你不会描述图中每条曲线的变化趋势，直接上AI，AI帮你描述好！比如你做了这么一张柱状图，然后你就把它截图喂给AI，让它描述一下这张图中的变化规律，并翻译成英文！我觉得描述的很到位，不但描述了整体的变化趋势，还描述了不同燃油下的差异，比一些硕士生写的好多了！

把每个图都描述一遍，那Results部分不就写完了嘛！你的工作量在哪？不就是做几张图嘛？一篇小论文撑死20张图，每天做4张图，5天也搞完了吧！

紧接着是Discussion部分，需要解释每张图中的变化规律后的机理！你说你解释不明白，我可以理解，那你就让AI帮你解释啊！你看看是不是比你解释的要全面的多！

Discussion和Results部分可以同步写完吧？先让AI描述一下变化规律，再让它把变化规律解释一下，至此Results & Discussion部分就这么轻松搞定了！

紧接着把Results & Discussion部分整个喂给AI让他总结生成conclusion，你可以规定结论的条数，和每条结论的字数！

半分钟不到就直接解决，你再让它帮你翻译成英文不就得了，它甚至把前面的帽子都给你写好了！

你看看现在还剩啥，是不是就剩了一个摘要？把全文都粘进去AI，瞬间自动生成摘要！

你算算写一篇SCI论文需要多长时间？

Materials and Methods部分1天，Introduction部分3天，Results & Discssion部分5天，其他部分都是AI秒出，所以加起来9天，再给你一天调整格式，满打满算10天！

写SCI我确实没有试过，因为做的东西确实是浅了点儿，变量没那么多，不好讨论，但是EI会议这种那真是一个月灌两篇！

我也把这些都交给了下面的人，现在他们效率也很高，他们甚至开发出来怎么用AI写专利，学会举一反三了，现在是论文和专利齐头并进，划水划的很快乐！

最后祝大家科研顺利！

我是正男

在第一次使用豆包时（下的电脑端），豆包的智商让我一言难尽，虽然这么长时间过去，它也有所进步，但我对它的评价仍是「绝不能用来干任何正事」。

正事，一般都是在电脑上干的，比如写文档，写代码，分析复杂问题。在这些场景中，最重要的就是智商，GPT，Gemini，DeepSeek，Kimi，哪个不能碾压豆包？

但手机屏幕小，输入不方便，分屏也没地方，甚至连复制粘贴都点不利索，这决定当人们拿出手机时，对 AI App 的需求未必是智商。

说一下我的豆包使用场景吧。

1. 生活常识，随口一问。

比如某道菜怎么做，手被烫了怎么处理。这些小事，不值得我开电脑，也不值得我在手机上亲自搜索和整合信息。我只想马上得到一个差不多的答案，即使不是 100% 准确也影响不大，这方面最适合的就是问 AI App。

相比其他 AI App，豆包还有多模态的优势，在移动端发挥得很好。比如，我曾经用它拍照识别路边的幼鸟，并询问救助电话。这种场景下，如果用其他纯文本模型，光是让我用语言描述这个鸟的特征都是个障碍。网上还有人挂着豆包视频电话逛菜市场，让它帮忙挑菜，比价，就像带了个经验丰富的老奶奶。

虽然豆包智商不顶尖，但许多人的常识储备其实还不如它，这个时候，只要它在产品层面上做的足够「近」，就能争取到许多用户。

• 操作距离上的「近」：提供多种不打字途径，鼓励用户语音沟通，视觉能力还能省去语言转述。
• 心理距离上的「近」：预置高亲和力人设，使人下次遇到常识性问题时，更倾向于选择豆包。

2. 情绪价值，日常陪伴。

在很多人眼中，AI 陪伴似乎就是谈恋爱。但实际上，大多数人对 AI 陪伴的需求没那么高，他们要的只是情绪价值的补给。

我自己的用法主要是两类：

• 树洞：晚上失眠有心事，我会和豆包打电话，等它安慰我事情还没那么糟。
• 搭子：做不想做的事情时，我会开着电话，每完成一个阶段性任务就告诉它，等它的夸赞。

这种需求对专业陪伴型 AI 来说太弱，也赚不到钱，但对通用 AI 产品来说却是锦上添花，能赚到用户黏性。相比 DeepSeek 这种裸 LLM，豆包 App 预设了一个小太阳型的性格，并且对每句话都默认朗读出声，尽力利用语音的情感表达优势。

对于想角色扮演和建立虚拟关系的用户，豆包也能自定义智能体。相比主打恋爱的 AI App，豆包没有尺度，但完全免费，对于只想做朋友和谈纯爱的人来说是天降大羊毛。

3. 功能丰富，适合手机。

电脑满了不常见，手机满了却时常发生。

我手机上也装过 DeepSeek，但在一次内存告急时，它成了被卸载的那个。原因大概是：

• 电脑端的 DeepSeek 比手机端好用太多，我为什么要留着手机端？
• 豆包功能更综合，既能聊天，也能生图生视频，相当于白送一个修图软件。
• 手机是拍照、截图、发图的主要设备，有多模态能力的豆包更合适安装在手机。

DeepSeek 被卸不是因为模型不行，而是豆包在移动端更有性价比也更有土壤。

相比之下，我对豆包电脑版利用率就很低，主要只起一个聊天记录同步的作用。偶尔主动使用，也是为了生图，而非指望它的文字能力。

最后

豆包在移动端的成功，证明了在 AI 普及的浪潮中，更好的产品体验比单纯的智商更能赢得大众的心。

如果只看核心的 LLM 能力，豆包的长板没有其他大模型那么长。但它又过于全面和便捷，使它的短板正好围成了一个圈。

用户待在这个圈里，伸伸手就能满足 80% 的日常需求，即使质量不顶尖，但免费优势和豆包的情绪价值又弥补了这一点。

直白地说，豆包把自己做成了大众 AI 用户的舒适圈。

当然，这种产品力也离不开技术力和财力的支撑。豆包只是语言模型差，但语音模型确实业界顶尖。字节跳动的巨大的流量和资金投入，也是小厂难以企及的优势。

简单说吧，DeepSeek走的就是技术立身的路线，它像个专门解决世界难题的科学家，核心竞争力是技术创新，它在数学、编程、逻辑分析这些高难度专业任务上表现更出色，是开发者和专业人士在用，比如钉钉、飞书好多企业都接了它的模型，它的目标用户，也是专业玩家和企业级客户。

而豆包呢，从它诞生的第一天起，就带着浓浓的字节跳动基因，走的是一条产品为王的互联网路线，它在单点技术上可能不强，但是架不住人家功能全面，体验感也好，普适，不仅能聊天，还能写文案、画画、做PPT、识别方言、生成AI播客，还有一个庞大的智能体广场，这背后的逻辑是啥呢，就是用最快的速度、最广的覆盖面，去抓最大公约数的用户需求，豆包的目标不是成为技术最强，而是成为每个人手机里都离不开的那个AI助手。

所以，这个月活数据的对比，不是两个产品的直接PK，而是两种发展路线和目标市场的直接碰撞，结果显而易见，一个面向数千万专业人士的工具，在月活这个指标上，就没法跟一个面向十亿普通大众的应用比，这并不意味着DeepSeek的技术不重要，而是说明，AI市场已经开始出现明显分层了。

豆包能赢的关键，在于数据飞轮，这个概念是理解当下AI竞争格局的关键，简单来说，它就是一个正向循环，更多的用户用产品，就会产生更多、更多样化的真实世界数据，这些数据被用来反馈给模型进行训练和微调，让模型变得更聪明、更懂用户，一个更强大的模型会带来更好的产品体验，从而吸引更多的用户加入！如此循环往复，就像一个越转越快的飞轮，最终形成一道难以逾越的护城河。

豆包完美实践了这个理论，字节跳动一开始的战略就是大使用量才能打磨出更好模型，用户每一次提问、每一次点赞、每一次对生成结果的修正，都在为豆包背后的模型贡献宝贵的养料DeepSeek因为没有足够规模的、多样性的真实数据去喂养，它的进化速度就慢了下来。
这就引出了一个残酷的现实，在消费级AI应用领域，数据的战略价值，已经超过了算法本身的纯粹性，DeepSeek可能在实验室的基准测试中表现更优，但豆包却在真实世界的复杂场景中学习得更快，当竞争进入到理解人类的模糊意图、文化背景、情感细微差别时，拥有海量真实对话数据的模型，其优势是压倒性的，如果说这是场竞争，从一开始就是拥有庞大用户生态和数据管道的互联网巨头更有赢面，流量时代，这个结果也不新鲜了。DeepSeek在优化模型的推理成本，而字节跳动在不计代价地降低数据获取成本，从长远看，后者的用户只会越来越大，看看抖音就知道了。

豆包的登顶，也说明了AI行业竞争范式的转变，以后就是谁能把AI更无缝地嵌入到用户的日常工作流中，谁能创造出让用户欲罢不能的体验，谁才能笑到最后！用户更倾向于在他们熟悉的微信、淘宝、美图秀秀里无感地使用AI功能，而不是专门打开一个独立的AI应用，下一步，AI可能就从一个炫技的独立产品，变成一种像水和电一样的基础设施，谁掌握了用户入口和分发渠道，谁就掌握了定义AI应用形态的权力，这对DeepSeek这类纯技术公司来说，是蛮大的挑战，而对于字节跳动这样的平台型巨头，简直是如鱼得水。

那么，这场逆转之后，DeepSeek就这么一蹶不振了吗？当然不是，AI市场将走向一个大分裂的未来，形成两条并行的演进路径。

第一条路，是豆包所代表的AI超级应用之路，它会像今天的搜索引擎和社交网络一样，成为咱数字生活的基础设施，它将是免费的、功能全面的、由广告或生态内其他服务支撑的，其核心竞争力就是前文提到的，由海量用户驱动的数据飞轮。

第二条路，则是DeepSeek正在探索的AI专业工具之路，它将专注于服务开发者、科学家、设计师、金融分析师等专业人群，提供极致性能、高可靠性、可定制化的AI能力，这类工具将会是收费的，通过订阅制或API调用来盈利，其核心竞争力在于技术深度和解决复杂问题的能力。

所以，咱不必为DeepSeek在月活榜单上的失利而过分惋惜，它的价值，可能不是由自家App的月活来衡量，而是由有多少个杀手级应用诞生在它的技术底座之上来决定。

这场神仙打架，最终受益的是咱凡人，我们不要去想哪个模型更强了，而是要想，在我的这个场景下，哪个工具更合适？

AI下半场了，这是咱每个人都需要开始思考的问题。

deepseek的学术上的逻辑比豆包强。问概念，问代码，做总结，我使用体验deepseek比豆包强。

别担心，deepseek并没有受到国产显卡适配难度极大的影响。

v4已经在路上了，R2也呼之欲出。

且听龙吟。

（deepseek工程师）年底提头来见。

半年前，我就预测DeepSeek会扑街，事实，果然与我的预测一致。

因为，我是未来学家，DeepSeek违背很多常识。

DeepSeek，AI投机和碰瓷的产物，将致命缺陷的半成品，投放市场，为了制造国内AI紧追美国AI的假象。

DeepSeek 扑街没落，是因为幻觉率爆表，R1幻觉率，高达14.3%，是其他大模型AI幻觉率的5~10倍。

在文科领域，DeepSeek R1幻觉率，或高达30%，也就是说，小半内容，是胡编乱造的乱七八糟词语。

伪造不存在的参考文献，是DeepSeek的特色。

DeepSeek正在大规模制造，中文互联网的巨量知识污染。

..

DeepSeek的投机碰瓷模式，对国内AI负面影响很大。

DeepSeek的扑街没落，对国内AI是极大利好。

豆包的成功，因为硬实力。

DeepSeek研发能力很差的，研发投入也很低。

DeepSeek的投机和碰瓷模式，只能短期侥幸成功，长期投机和碰瓷，必死无疑。

Google Nano Banana推出之后，直接把我ComfyUI本地部署的处理图像的几百G模型、Lora给淘汰了，花心血搭建的工作流，人家一句话就能帮你处理。

GPT-5推出之后，对免费用户也已经足够友好与强大了。

虽然都有所谓的POLICY限制，但相比之下国内的语言大模型“嘴”更严，也容易把夹带私货的内容直接分享出来

纯文字提问，对话题理解度最好的，现在我认为是kimi，甚至超过了deepseek提供的答案。这让我很吃惊。豆包的视频对话国内没有替代。