什么值得买App下载 App ›
连续签到专享现金活动

360不卷大模型了,开始操心AI能不能活过三天?

你可能以为360又在搞什么大模型军备竞赛——毕竟现在谁不喊一句“自研大模型”都像没跟上时代。但周鸿祎这次真没想再造一个OpenClaw(别管是不是口误,反正不是OpenAI),他盯着的,是那个更扎心的问题:为什么那么多企业花了大价钱买AI、搭系统,最后却连个龙虾都养不活?
说白了,不是技术不行,是落地不行。
不是模型不够聪明,是根本没人用得起来。
01花几百万买的AI,怎么连个龙虾都养不活?
这事儿其实早有苗头。不少中小企业主吐槽:买了一堆AI工具,结果员工不会用、流程接不上、数据喂不进,最后只能当摆设。更有甚者,花几百万搞了个“智能客服”,结果用户一问“能不能退换货”,它回一句“正在学习中,请稍后再试”——这哪是降本增效?简直是花钱买尴尬。
而最近爆火的“龙虾”(即开源AI智能体OpenClaw)更是把这个问题推到了台前。表面上看,它能自动整理发票、操控浏览器、部署项目,甚至自己写代码装Docker——听起来像个全能数字员工。但现实是,第一批“养虾人”已经开始失眠:有人C盘被删光,有人账号被盗刷,还有人只是让AI合并文件,结果两个项目的main.py全混成一团,差点丢了饭碗。
02不是模型不够强,是“养法”不对
问题出在哪?不是AI不够聪明,而是我们把它当成了“学霸”,却忘了它其实是个需要手把手教的“实习生”。
周鸿祎自己也承认:“不是省心,是更操心。” 你得反复调教、持续检查、防范幻觉,还得给它划清权限边界——否则它真敢把你电脑当试验田,把C盘当草稿纸。

AI落地的两条路

拼参数、追通用、造概念
  • 认为只要模型够大、参数够多,就能通吃一切场景

  • 热衷于在榜单上刷分,强调“千亿级”“万亿级”参数

  • 产品设计以技术为中心,用户需适应工具

重安全、降门槛、求可用
  • 承认当前AI存在幻觉、失控、高成本等硬伤

  • 聚焦具体业务场景,如政策匹配、运维告警、文件归档

  • 产品设计以用户为中心,工具必须适配人

360显然站在了后者。他们不跟你比谁家模型能写诗,而是先确保你的AI别“淹死”在业务流程里。比如一家连锁超市想用AI预测库存,不用请算法工程师驻场,直接拖拽组件、接入POS数据,三天上线。这种“能用、敢用、用得起”的思路,恰恰戳中了当前AI落地的最大痛点:不是缺技术,是缺“活法”。
03“安全龙虾”:给AI装上氧气泵和围栏
  • 一键安装,告别命令行地狱
    原生OpenClaw部署需6小时以上,涉及Node.js、Python、API密钥、WSL等复杂配置;360将其压缩至10分钟,点几下鼠标就行。
    40
  • 沙箱隔离,防止“越狱”操作
    通过虚拟机或Docker隔离运行环境,即使AI产生幻觉误删文件,也仅限于沙箱内,不影响主机系统。
    35
  • 人在回路,关键操作需确认
    涉及文件删除、网络请求、系统设置等高危动作时,强制弹出确认框,避免AI“自作主张”。
    37
这套组合拳,本质上是在回答一个问题:如何让AI从“极客玩具”变成“职场数字员工”?答案不是让它更聪明,而是让它更可控、更可靠、更可预期。
当然,挑战也不小。企业AI的水太深,光靠一个平台就想打通所有环节,难免被质疑“理想丰满”。但至少360没在PPT里造火箭,而是蹲在泥塘边研究怎么给龙虾供氧。这比那些还在争论“千亿还是万亿参数”的玩家,更值得多看一眼。
说到底,AI的下半场,拼的不再是实验室里的峰值性能,而是田间地头的成活率。当整个行业还在为“有没有大模型”焦虑时,360已经悄悄把问题升级成了:“你的AI,今天活了吗?”
而这,或许才是决定谁能真正吃下企业AI这块蛋糕的关键。

评论

评论区空态插画

当前文章无评论,是时候发表评论了