9小時1000萬，千問“請客”或因失敗率令用戶投“反對票”

文丨辰聰

出品丨師天浩觀察（shitianhao01）

節前，AI應用的C端推廣進入集中兌現期，千問App（以下稱千問）的春節營銷是迄今投入最大的一筆。阿里的30億元補貼金額，超過了騰訊元寶（10億元）與抖音（預估15-20億元）的春節營銷預算總和。

圖片來源：千問

2月6日，千問上線“春節請客計劃”，覆蓋奶茶、電影票、機票等本地生活場景。活動采用“贈一得一”裂變機制：用戶獲得免單資格后，每邀請一位新用戶注冊，雙方各得額外免單額度。

官方數據顯示，活動增長曲線呈典型的裂變特征：上線3小時訂單量突破100萬，5小時飆升至500萬單，9小時直接沖破1000萬單，累計觸發3000萬次“幫我買”AI語音指令。

2月7日，千問緊急宣布活動延期至2月28日，并將適用范圍擴大至盒馬、餓了么等阿里系消費場景，試圖以時間換空間，緩解系統承壓。

隨之而來的免單權益延遲到賬、騎手運力告急導致的配送延誤、部分線下門店因訂單過載被迫暫停接單，直接影響了用戶體驗。

2月7日晚10點，在某大排檔里，幾個年輕人想喝點什么，看到對面有一個爺爺不泡茶，于是提議參加千問的免單活動。其中一位第一次下載千問，對著手機第n次點擊確認“幫我點”，依然無法履約。無奈之下，只能從店里拿了一瓶可樂。

他說：“省22塊錢，還不如省這點時間。”

一邊是App Store免費榜登頂的下載數據，9小時內千萬級訂單的爆發式增長；一邊是系統崩潰、用戶投訴激增與功能不可用。

這種數據增長與體驗崩塌的并行，暴露出AI應用在C端規模化落地時的基建缺口。

當AI從對話框走向交易閉環，現有的云基礎設施尚未做好應對脈沖式消費洪峰的準備。

一、AI Agent特殊所在

問題在于，打遍天下無敵手的阿里云，怎么會點幾杯奶茶就波動了？

圖為千問請客頁面

這個悖論的背后，是傳統電商峰值與AI Agent峰值的本質差異。

要想使用好AI，就要了解AI的基本運行邏輯。

此前我們運用AI時，用戶行為高度可預測，是一個要求一個答案。

傳統電商是確定性的交易流水。用戶行為高度標準化，瀏覽商品→點擊購買→支付→等待發貨。系統需要處理的是標準化的訂單流水，核心壓力集中在支付網關與庫存扣減，鏈路相對固定。阿里云為此沉淀了多年的分庫分表、緩存預熱、流量削峰能力。

但AI Agent是不確定性的推理風暴，是一個要求一個鏈條，復雜度呈指數級上升。

二.理解AI運行

以此次免單奶茶場景為例，其技術鏈條可拆解為三個關鍵環節。

圖為千問免單奶茶成功頁面

首先是意圖解析。

系統需通過ASR（自動語音識別）或NLP（自然語言處理）理解“幫我買一杯去冰的伯牙絕弦，15分鐘內送到公司”這一指令，提取出商品（伯牙絕弦）、規格（去冰）、時效（15分鐘）、地點（公司）四個維度。

這就要求模型具備強多模態理解能力，而非簡單的關鍵詞匹配。

其次是工具調用。

AI需實時查詢淘寶閃購/盒馬API（應用程序編程接口）獲取庫存，調用LBS（基于位置的服務）確認配送范圍，計算免單資格，生成訂單，最后調度騎手運力。

在這過程中，每一次對話可能觸發5-8次外部API請求，且這些請求存在強依賴性。如庫存查詢失敗，后續支付無從談起。

最后是狀態同步。

免單權益的實時計算涉及復雜的分布式事務，用戶賬戶余額檢查、優惠券核銷、商家結算、平臺補貼分攤，需在秒級內完成一致性校驗。

因此，當80萬QPS同時觸發這類長鏈路事務，數據庫連接池與分布式鎖的競爭迅速達到臨界狀態。可見當AI從對話工具進化為辦事入口，現有的云基礎設施尚未做好應對脈沖式智能流量的準備。

三.真實感受難容忍“不行”

QuestMobile數據顯示，2025年上半年，通義App（千問前身）的月活長期在300萬左右徘徊。直至2025年11月品牌更名為"千問"并全面轉向C端，Q4月活才迎來900%的爆發式增長，但基建能力并未同步擴容。

這意味著阿里云從未在C端驗證過百萬級并發的AI Agent架構。當30億補貼突然將流量拉升至千萬級訂單，系統遭遇的是架構能力的斷層。

不是服務器不夠，而是AI推理層與交易層的協同設計從未經歷過實戰檢驗。

技術故障在復雜系統中難以完全避免，但出現BUG是避免不了的。這種“不行”的感受，或許適得其反。

先砸錢買量，再優化轉化。

但AI推廣的核心不是交易轉化，而是任務完成的可靠性。

圖為千問未履約和崩盤頁面

根據行業數據，AI原生應用的次日留存率平均僅為35%-45%，而傳統電商App可達60%以上。一旦首次任務失敗，用戶流失速度遠快于傳統電商。

用戶點開免單時，阿里的補貼誠意用戶已經感受到。用戶作為被服務的指令發出者，點擊“幫我買”的那一刻，預期是“AI會搞定一切”，而非我需要在App里完成一系列操作。

傳統電商允許先下單后補庫存，用戶可接受售罄提醒。但千問場景中，“幫我買”的指令一旦發出，不論AI如何幽默的回復系統無法履約，都會影響體驗甚至信任。

嚴重懷疑千問的開發者是不是給千問添加了奇怪的因素～

圖為要求千問履約頁面

據應用商店監測數據，千問的App Store評分從4.8驟降至3.2，差評關鍵詞集中于系統卡頓、免單不到賬。

圖為千問APP Store評分為3.2頁面

這種首因效應的殺傷力在于AI的承諾本質是我幫你搞定，而非你自己操作。當系統崩潰，用戶意識到這個AI連一杯奶茶都搞不定，30億補貼買來的不是留存，而是負面口碑的病毒式傳播。

同期騰訊元寶發放10億元紅包，因采用優惠券發放+線下核銷的弱耦合架構，未出現大規模系統故障。

因此相較于將千問波動的核心歸結于算力不足，更認同是產品哲學與基建能力的錯位。

用流量邏輯做AI的冷啟動，忽視了AI Agent對零容錯和確定性履約的剛性要求。

用戶不期望活動延長，而是希望切實參與到“春節請客計劃”。

結語：

第57次《中國互聯網絡發展狀況統計報告》顯示，截至2025年12月，中國生成式人工智能用戶規模已達6.02億人，普及率42.8%。

這意味著AI已經從極客玩具變為全民基礎設施，從嘗鮮階段進入運行階段。

千問的“春節請客計劃”，無論成敗，都標志著AI應用正在從對話框里的聊天對象進化為真實世界的辦事代理。

大廠們的春節營銷致力于培養用戶習慣，對AI說幫我訂一杯奶茶而非手動打開外賣軟件，進而重構整個移動互聯網的入口。

紅包獲客流量固然轟轟烈烈，可是技術的落實終究歸結于智能和普惠性。

AI對生活的影響程度才剛剛開始，彎路也許是必然經歷的波折。