FengLika: 实测智能助手「黑马」海螺 AI：人人上手即用的 AI 产品长这样子

2024年5月15日星期三

实测智能助手「黑马」海螺 AI：人人上手即用的 AI 产品长这样子

距离 ChatGPT 上线已经过了 16 个月，几乎所有人都知道 LLM 大模型会深刻地改变世界，就像水和电一样。

但对普通用户来说，大模型用起来并没有想象中来得酷。更多的人并不知道能用 AI 干点什么，或者只是追个时髦跟 AI 浅尝辄止地交流一番，然后就把它们抛诸脑后。

人们对 AI 产品的预期很高，希望它既能解决效率问题，又能提供情绪价值。但当我们使用了市面上各种 AI 原生应用后发现，用户必须要表述清晰、擅长提问，甚至是进行大量提问测试，才能得到相对理想的结果。对于普通用户来说，它们的使用门槛显然太高了。

这解释了为什么在 AI 话题热火朝天的同时，日常生活中人们遇到了难题，却很少想得起来用 AI 去解决。

注意到这个问题的 OpenAI ，如今也在尝试降低 AI 的门槛。比如，5 月 14 号凌晨推出的 GPT-4o 打通了文本、音频和图像的输入，让人机交互更接近人与人的交流。

但在 GPT-4o 的语音交互功能尚未实装的今天，我们已经听说有国产 AI 产品先行一步：AI 独角兽企业 MiniMax 最近正式发布了一款「小白向」智能产品「海螺 AI」，同样支持文本、音频和图像的自由交流。

第一时间装在主力机上体验之后，我们意识到，海螺 AI 正是理想中那个上手即可用、能够帮助普通人解决各种问题的 AI「人生搭子」。

有问题，就打给神奇海螺

GPT-4o 的功能设计，体现出了 OpenAI 对 AI 智能产品形态的预判——必须要支持多模态。

目前国内市场上大部分 AI 产品主要依靠文本输入，但海螺 AI 已经率先支持多模态互动，简单来说就是：

能打字输入，能拍照识图，还能语音通话。

就拿语音通话来说吧，使用海螺 AI 的第一天，我已经习惯了在不方便腾出手或者脑瓜卡壳不知道敲什么字的时候，直接给海螺 AI「打语音」。

比如做饭的时候，就像在请教我妈一样，让 AI 教我具体的菜式做法，这个「适量」真是深得中文精髓：

我和海螺 AI 语音对话的文本记录

或是洗脸的时候灵光一闪，用小拇指随手一点、一问，就能收获一个冷知识：

打语音问问题很方便，但要说最实用的场景，还得是靠它练口语。

对于难以启齿的 i 人而言，对着真人外教说话需要莫大的勇气，但如果是跟 AI 打语音就毫无心理负担，还能 724 小时随手练习，妥妥的是「金牌陪练」。

和海螺 AI 口语讨论穿搭

任何时候，打开通话界面告诉它想要练口语，它就会马上用英语向我口头询问一些简单的问题，或是模仿在外国咖啡店买咖啡的场景，引导我一步步习惯说英语，方便又靠谱。

我给最近还在看机会的朋友推荐了海螺 AI，他最受用的场景则是语音模拟面试，AI 面试官的问题确实能深入到业务当中。

朋友与海螺 AI 之间的面试对话练习

和 AI 对练最棒的是，永远不需要担心笨嘴笨舌而出糗。事实上，海螺 AI 可能是我见过最温柔的老师，总是在用「别担心，慢慢来，我在这里陪你」「别害羞，随便说说看」这样的话鼓励人大胆地说下去。

有这么个温柔、耐心和聪明的话搭子，哪还用担心练不好日常对话呢？

小海螺的「温柔」还体现在，背靠强大的语音大模型和文本大模型，它能够发出自然且带有丰富感情起伏的声音，反过来，也能捕捉你话语背后潜藏的情绪。在某些时候，你甚至会觉得屏幕后的它要比真人更会聊天。

「这都半夜 4 点了，我还是睡不着，真的很恼火！」

某个失眠的夜晚，我随手抓起枕头边的手机，给小海螺说了句话。

话音刚落，海螺 AI 就在语音电话里回应我了：

感情真挚、语气到位，这个 AI 说话让人心暖。

为了进一步测试海螺 AI 对语义的理解能力，我想到了「弱智吧」里那些充满歧义的语言游戏：

你好，一个人吃三斤健胃消食片，结果会是撑死还是饿死？

即使面对着这种很考验理解能力的问题，海螺 AI 也瞬间明白了我是在开一个语言玩笑。

看上面的对话记录时你可能注意到了，小海螺尤其擅长接话，总是会顺着聊天主题不时问一些开放式的小问题，几乎从不会「把天聊死」。

哪怕我故意表现得对聊天毫无兴趣，小海螺依然轻松接住话茬，并将话题延伸到了烹饪与个人娱乐兴趣层面。至少在这一层面上，海螺 AI 完全称得上是一个「高情商」的亲密好友。

现实生活中，还有一些话题我们找不到合适且能保守隐私的倾诉对象，这时候，海螺 AI 就提供了一个很好的备选方案：它不仅有温度、会聊天，还擅长保守秘密。我想，它很有潜力成为大家的「小树洞」。

什么样的 AI 产品能成为国民级应用？

纵观所有能成为国民级产品的 App，都有 3 个共性：使用门槛低、成本低、解决了用户在某个刚需场景下的痛点。

AI 产品要在普通人中普及，最关键的是降低门槛，让人一看就能看懂怎么上手使用、能用来做什么。

在这方面，海螺 AI 做得相当好。它的产品首页一目了然，帮我写作、帮我识图、帮我搜索信息、和我语音通话几大功能模块清晰地排列起来。

这既是一份极简的产品说明书，也是一份高频 AI 应用场景索引，一看即懂，上手就会，能快速了解 AI 究竟能为自己解决哪些问题。

当然，AI 可以解决的需求远远不是这份清单就能囊括的，但海螺 AI 最有趣的地方正在于此：不同于移动互联网时代的应用，AI 原生应用的通用性更强，用户能自行探索产品用法的空间成倍增长，完全不排除用户能摸索出来什么产品经理开脑洞都想不到的玩法。

比如说，微博上已经有博主学会了用海螺 AI 写小说大纲，还会设定人物性格，让 AI 根据性格推演可能会发展出的剧情，诠释了什么叫性格决定命运。有了 AI，每个作者都等于掌握了一整支编剧团队。

除了功能全面、直观外，能够担当国民级应用的 app 还必须兼容不同的交互方式。普通人在工作生活中，总是通过语音聊天、文字、图像，以及各种形式的文件来获取和交换信息。如果 AI 要成为能帮普通人解决问题的「人生搭子」，支持不同的互动方式就成了必选项。

拍一张照，就能识别解答问题

这种要求对海螺 AI 来说不在话下。因为接入了万亿参数的文本大模型 abab 6.5，海螺 AI 配备了国内卷得飞起的长文本能力，支持输入 200k tokens 上下文长度，还支持上传 PDF、DOC、XLS、PPT 和 JPG 等多达 11 种格式的文件。

有什么问题，发一句语音或者直接把文件甩给海螺 AI，马上就能得到回答。

我试着将一份长篇大论的白皮书文档扔给海螺 AI，要求它总结内容要点。不过几秒钟时间，它就给我返还了清晰和结构化的总结，让我 1 分钟就能理解文档的核心内容。要是用过往肉眼阅读的方式，这起码要耗费我一个小时。

另外值得一提的是，我在海螺 AI 平台上找到了大量其他用户创建的智能体。相对于首页的几大通用功能板块，这些用户原生智能体的场景需求更加细致，也更能满足一些个性化需求。

比如我把苹果新 iPad 发布会的官网信息投喂给一款名为 “表格生成器” 的智能体，让它整理成表格模式，一拉一拽马上生成，我可以直接粘贴下来用在媒体稿件中。

一位经常深夜做 PPT 到 2、3 点的公关朋友，让一款名为「PPT 大纲」的智能体替他做个发布会媒体计划 PPT 大纲。几秒钟后，海螺 AI 从发布会目标、媒体策略、媒体渠道、渠道与预算、时间线、评估与反馈等各个维度组织了一份大纲。按我朋友的原话，就这系统性的市场公关的思维框架，普通人没个几年工作经验都做不出来。

让海螺 AI 做传播规划，至少能省去一半的案头工作量。

还有一个被当代大学生玩到飞起的 AI 刚需场景——用 AI 辅助写论文。

无论是写论文大纲、搜集整理写论文需要的各种资料，海螺 AI 都能一并包办。一位医学生朋友使用「论文写作助理」生成了论文大纲，几秒钟就生成了完整的逻辑框架：

从以上场景就能看出来，生成式 AI 最重要的价值在于帮我们更快地搜集和整理各项信息。但就像我们在日常生活中所感觉到的，最有价值的信息往往需要追问深挖才能得到。

在某次拜托海螺 AI 给我提炼文档信息时，我意外发现了它的「追问」功能。

海螺 AI 总会鼓励我围绕一个主题探索更多信息，相当于我撒下了一颗问题的种子，而 AI 则以此为起点为我编织了一张知识网络，让我可以尽性更多的无限探索。这种启发式的信息推送，相比传统阅读单线获取信息的方式，已经有了质的飞跃。

办公的好助理，上班的好搭子

试用半天之后，我开始放心让海螺 AI 参与到我的工作之中，然后发现容易上手又全能的它，堪称是职场人的「金手指」。

身为一名媒体编辑，我时常需要从各类文章、文献中提取信息。如今，我尝试用 AI 来分担这部分基础的工作。一篇技术性文章的链接甩给海螺 AI，不一会儿它就给出了文章的清晰分点总结：

让 AI 帮忙多看几篇，我只挑有用的部分精读，工作量随之大大减少。

我们的文章里还经常涉及具体行业专业数据的搜集和分析。在尝试了解手机出货量形势变化时，我以「查询 2024Q1 全球主要智能手机厂商出货量市场份额」为题询问海螺 AI，很快得到了答案。

为了避免大模型常有的「幻觉」，我特意找来原数据核对了一遍，结果分毫不差：

脑洞再大一点，还可以让 AI 根据以上数据用 HTML 代码画一个饼图。想不到它写出来的代码有头有尾有注释，最后绘制出来的图表甚至可以互动：

既然图已经让 AI 帮我做好了，要不……顺便给爱范儿即将举办的「inG 游戏艺术节」写个小红书文案？

为了测试海螺 AI 对不同职业的适应性，我专门找来几位专业小伙伴，给海螺 AI 出题——

码农朋友提出的问题，海螺 AI 秒懂了：

律师朋友则问了一个我每个字都认识但就是看不懂的问题，也没有难倒海螺 AI：

和各行各业的朋友深度体验之后，我们达成了一致共识——海螺 AI 专业性足够，准确度达标，幻觉还很少，是个上班的好搭子。

做人人日常可用的 AI 产品

你肯定也像我一样好奇：为什么海螺 AI 不仅可以能看能说能写，而且还这么快？

答案在于，海螺 AI 接入了 MiniMax 周级迭代的文本、语音和图像多模态大模型。

模型能力决定了 AI 产品的上限，而大模型的能力又在很大程度上与参数量相关。在行业内模型参数量逼近算力上限之时，MiniMax 选择另辟蹊径，全力布局算力效率更高的 MoE（Mixture of Experts，混合专家模型）架构，也因此率先发布了国内首个万亿参数 MoE 大模型 abab 6.5 ，最新测试表现足以媲美 GPT-4。

如前文所述，有了万亿参数高效大模型的支持，海螺 AI 覆盖最高 245k tokens 上下文长度，1 秒钟能处理 3 万字信息。因此，它「阅读理解」迅捷如风车雨马，全然没有使用其他 AI 产品时那种一字一吐的滞涩感。

另一方面，MiniMax 创立之初就确立了多模态的技术方向，坚持让 AI 产品尽可能支持多种交互方式。比如在海螺 AI 的语音能力上，MiniMax 不断优化其语音大模型，追求在语气、情感和理解能力上无限接近真人。毕竟像真人、懂真人，才能融入普通人的生活，做真正的通用人工智能产品。