记者 宋笛

随着大模型智能水平的云端不断提升，云天畅想创始人兼董事长茅晓东指出，云天决定AI能否真正渗透至日常终端的畅想关键，并非仅在于模型本身的茅晓智力上限，更在于落地的战场正用户体验。

“对于C端市场而言，下沉用户体验才是云端决定AI普及的核心要素。”茅晓东在接受《经济观察报》采访时强调。云天他以智能眼镜翻译需耗时三秒、畅想或机器人需将传感器数据上传至远端云中心处理再返回为例，茅晓指出这种高延迟会导致“智能”难以转化为真实的战场正流畅体验。

解决这一痛点，下沉正是云端云天畅想当前的战略重心。6月17日，云天云天畅想宣布完成超10亿元人民币的畅想E轮融资，由中国互联网投资基金领投，中金资本等机构联合参投。加上近两轮融资，公司累计融资额已接近20亿元。

茅晓东表示，这笔资金将主要用于构建一张“实时智算网络”。他将大模型的中心云比作“炼油厂”，负责集中生产智能；而云天畅想打造的网络则如同“加油站”，旨在将智能高效输送至用户身边。

在内部，这套架构被称为Real-time Intelligence Fabric（实时智算织网）。茅晓东解释，选用“Fabric（织网）”而非普通“网络”一词，意在强调其像布料一样由经纬线交织而成的特性：节点越密集、网格越细密，网络就越贴近用户，实时交互能力也就越强。

回顾过去十年，通信行业呈现两大趋势：一是终端设备趋向轻量化、低功耗和高性价比；二是通信网络从3G演进至6G，带宽不断提升，时延持续降低。这使得原本需在终端本地完成的计算任务，具备了向云侧和边缘侧迁移的技术条件。

基于此洞察，云天畅想早在2016年便着手将GPU算力、服务器与5G及宽带网络结合，为游戏、视频及电竞行业提供低时延服务。彼时大模型尚未兴起，相关业务主要聚焦于实时渲染与互动体验。

而在AI时代，端侧设备受限于功耗，难以持续搭载高算力芯片，但AI应用对GPU推理的需求日益增长，这进一步催生了对边缘计算的需求。特别是当AI大规模进入物理世界时，实时互动已成为关键约束条件。

茅晓东分析，在机器人、智能硬件、可穿戴设备、智能座舱、低空经济及无人机等场景中，完全依赖远端中心云或仅靠终端自身算力均不可行。例如，在机器人内部安装多张千瓦级的大算力显卡，在功耗、续航、体积和重量上均存在巨大瓶颈。因此，一种物理距离贴近用户、且具备集约化运算能力的边缘算力，已成为刚需。

这正是云天畅想“实时智算织网”的核心使命。云天畅想并不执着于从零训练基础大模型，而是致力于在模型、硬件、网络与应用场景之间实现深度适配：明确哪些任务由中心云处理，哪些由边缘节点承担，哪些利用终端算力，以及如何在有限能耗下更高效地生成低时延Token。这些看似“不显眼”的基础设施工作，直接决定了用户最终感知到的AI流畅度。

云天畅想首席科学家张霖涛指出，边缘场景的硬件异构性远高于云端，因此需要进行模型适配、硬件优化、网络协同及动态负载均衡，以提升资源利用率。由于边缘节点数量多、规模小，系统必须在“离用户最近”与“节点拥堵状况”之间进行动态最优选择，这与少数大型云节点的模式截然不同。

在茅晓东的愿景中，未来的智能终端无需成为昂贵且算力过剩的设备，而是可以将AI能力“外包”给实时智算织网。

然而，这仍是一门需要时间验证的生意。尽管游戏、直播、智能硬件等场景已出现少量对低时延敏感的需求，但具身智能、AI手机、Agent应用商店等大规模C端应用尚未真正普及。茅晓东预测，Agentic AI的C端渠道可能要到明年才开始涌现，而机器人等物理AI场景的发展则更为滞后。

他预计，要实现像水电一样“无延迟”随取随用的智能体验，仍需5至10年的大规模基础设施建设期。