qos服务模型包括哪些

当你在排队的时候，一个对长一个对短，你就会跑到最短的那一队继续排。但是数据又没有思维，企业的网络流量如果没有调控，可能就会网络拥堵，于是就有了 qs 服务质量的概念。传统情况下，我们在设备上通过配置开启 qs， 进行豹纹的分类，进行流量的监管。但是问题来了，手动配置就算了， 传统 qs 还是基于终端的静态配置，打个比方，就像给你的车底盘进行的调教，让它更加的舒适，但你今天突然想要去越野，就需要重新的调教。无限智能的 qs 就是基于空口测评、信息终端协商、数据终端实时贷款等综合情况， 五秒一个周期动态调整，充分利用空口支援，提升整体的性能体验。就像给你的车随时随地负担了一个调教的师傅，自动识别你是要去越野还是要舒适随时调整。目前瑞杰的主流 ap 最新的版本都有配置智能 qs 技术，兄弟们可以进我粉丝群向我提问。

好，同学们，大家下午好啊，我是西门教育的康四啊，这两天有点感冒啊，所以本来计划前两天的时候就给大家录制几期新的视频啊，来，现在你看我这对吧？ 好，但是啊，对我是正常的感冒啊。今天分享一个主题是关于 qs 是什么 qs 啊，首先请大家注意一下， qs 的话呢，叫 quality of surveys， 就是要服务质量啊，服务质量怎么一个理解呢？有的同学可能听说过啊，就是说 做什么？做网络优化，我给大家解释下什么叫优化好。打个简单的比方，比如说我们现在在一个网络已经逐渐好了，所有的人都可以上网了， ok， 没有问题，那么这样说的话，由于有人下载东西，导致公司网络特别卡，对吧？那这个说怎么办？ 就质量不好，所以我们要做服务质量的优化，这个时候的话，其中这个技术叫 qs， 那其中这个 qs 是个大的技术体系，它是一套解决方案，里边包含的细节的东西呢，是非常的多的。 举几个位子，比如说大家最常用的限速，限速就是 qs 给的一种啊，你比如说你每天下的东西，每秒好几招，大家都这样，公司的网就卡死了，对不对？所以我们就要限速好每一个人，比如限到一兆内，两兆内，这也是 qs 给的技术好。那再复杂一点点的，打个简单的比方， 比如说在我们这个公司里边，我们也限速了，但是有些东西的话呢，可能是限不住的哈，这什么限不住的？比如说这个迅速没下载是吧？或者说原先的时候我们用的这个，呃， bt 啊啊，或者说我们用的这个电驴啊啊，这东西限不住，限不住怎么办呢？这个时候你会发现这个网络可能还是会比较卡顿， 那我们怎么保障这个业务的正常呢？比如说你们公司每一次一开视频会议的时候，都会感觉有卡顿的情况，你们老板都会骂你，对不对啊？你很糟糕对不对？你是工程师吗？啊？那我们就可以做一个什么呢？做个对列技术，这个对列技术什么怎么做呢？就是说我们可以把数据做细分， 所有的网络数据在传输的过程中，一旦任何的数据只要遇到了视频会议的数据，就让视频会议先走，这到底相当于什么样？我给大家举个例子，相当于你到火车站给你 不管有多少人买票，旁边的时候有一个什么，比如说有一个军人优先窗口，对吧？就是意味着那个窗口的话，永远是，比如说我们是军人吧，我们就可以优先。 啊。好，那这样一种方式能理解吧？好，那相当于什么呢？我可以在原有的数据转发过程中呢创建一个优先对比，那你会发现不管你的网络再卡，视频会议永远不会卡。好，那我们讲这一 也是属于什么呢？我们的这个 qs 给的技术，所以 qs 我们讲服务质量，所表达的意思就是保障当前网络的这个传输质量啊，那是这么一套技术体系架构，这是我们的。呃，也是学习过程中的，目前在华为里边也算是比较重要的啊， 命令不多啊，但是理论还是比较复杂的啊。好，那给大家做一个起帮，让大家了解这个点的一个具体的含义就可以了。呃，行，那咱们本期就分享到这，如果大家有其他的问题可以私信我或者联系我的小助理，我们下一期继续分享，拜拜，同学们，再见。

单体认证课程二级第二版 qos 假设我们有一个端口非常繁忙，多个设备可能同时向它传输数据，那么接下来会发生什么呢？ 通常情况下，数据包会按照先到先得的原则被排队传输。这里的关键字是，通常我们可以使用服务质量或者 qos 对 某些流量进行优先排序。 qos 的 工作原理有点像机场的优先登机口，当乘客到来时，他们会被安排到不同的登机口。头等舱旅客、长旅客和其他的经济舱旅客会被安排到不同的通道中。 当交换机准备发送数据包时，他将首先从优先级最高的队列中取数据包，这样他们就几乎不用等待所有其他数据包。 如果在处理过程中有更多的包进入队列，然后新的数据包也会按照他们的最高优先级队列进行排序。同样，我们将继续优先服务于最高优先级队列。 单体的传输机制中有三个优先级，以确保我们得到稳定的可预测的时钟交付时间。单体的设备大约每秒检查四次同步，所以这是一个相对较低的数据量。接下来是媒体包，音频和视频流。 媒体包将是我们的主要流量，但是只要他们在播放时间之前到达，我们就不会有问题。 除此之外，还有控制数据，包括创建和中断订阅，更改名称的命令，诸如此类的事情等等。当然，最后一类是其他的数据，我们通常称之为尽最大可能类别。如果你的邮件晚收到了几毫秒，你是不会在意的，对吗？ 注意，单体将使用三个队列，但交换机应该有第四个队列用于近最大可能类别。 如今，许多的交换机可以支持多达八个队列。 qos 优先级是在交换机上进行设置的， 单体包将被一个 dscp 值来标记，交换机可以在此基础上采取行动。 在看到这个后，很多人很容易认为 dscp 值越高，他们的优先级就会越高。但事实并非如此， 单体包将被标记上 dscp 值，交换机将决定将其放到哪个队列中。现在，如果你按照我们建议的方式来设置交换机值五十六，将被赋予最高的优先级，那是我们的时钟包， 这是另外一个值为五十九的包裹。在我们的例子中，他不会进入一个优先级更高的队列，该队列会进入尽最大可能类别。当每个数据包进到交换机时，他们会被分配到特定的队列中。 当然，当交换机有贷宽时，他会清空队列。先清空最高优先级。下面是一个管理型交换机的屏幕视力，你可以在其中设置优先级。 需要注意的是，大多数值都分配给了优先级一。当我们在想到优先级时，我们很多时候会认为一级是最高的。在大多数的网络交换机上，更高的数值代表更高的优先级。队列一是最低的值，是最低的优先级。 现在这个特定的交换机有四个队列，所以在这里 dscp 值五十六。在队列四优先级最高 之后，我们会有媒体包和队列三控制数据在队列二，其他的都归为努力一类，排在第一个队列。那么我们什么时候需要用到 qos 呢？ 在这里我们列出三种情况。首先，如果单体在一个聚合网络上，那就意味着这个网络上有单体以外的东西。这是考虑 qos 的 好时机。 qos 是 通过对一些流量进行优先排序来实现的，这本质上意味着你不会优先考虑其他的事情。所以你可能会说，我想优先考虑我的单体流量，但我的电子邮件和我的网页浏览可以退去二线，这没有问题。 另外一个考虑 qos 的 好时机是当流量接近饱和的时候，比如说百分之七十左右，即使你的网络上只有单体，在流量接近饱和时，您仍然可以通过提高您的时钟包高于您的媒体包的优先级来获得好处。 如果你有一些单体网络设备上只有一百兆的端口，这是另外一个使用 qos 的 好时机。 就像我们在一级课程中所讲的，千兆设备通常比百兆设备具有更好的时钟分辨率。开启 qos 服务可以缩小这种差距。 最后，值得一提的是，当你设置 qos 时，有些交换机将会提供一些其他的模式，会为不同的数据创建加权平均值的轮询。但我们不希望这样， 我们要使用严格优先级。我们总是希望优先级最高的队列首先得到服务。现在我们来看一个例子，它可以解释 q s 到底可以给我们提供什么样的帮助。我们来看看一个体育场项目， 一般情况下，这种类型的项目需要数年时间才能交付完工，所以这个体育场是在二零零四年就开始了设计。显然，这是 cobra 正流行的时候， 当他们在二零零八年投入使用时，工程师们没有多长时间就意识到啊，我真的希望这是一个全单体的系统。为了给他们提供帮助，厂商指出，音频设备本身并没有内置。 cobra net 只是安装了一个扩展卡而已。 体育场馆里已经到处是六类网络线了，所以实际情况是，他们需要做的只是换掉扩展卡就行。就这样，他们拥有了一个单体系统。 到二零一四年，该场馆变成了完全是单体系统的体育场。当他们这么做的时候，他们也更换了网络机柜中的一些交换机。当然，因为 coburnet 是 百兆解决方案，但是单体可以给你更大的容量。 尽管如此，他们还是遇到了一些问题。他们说，你知道我们这里并不是有特别多的单体设备，我们已经有一个交换机来处理，比如说，呃，整个体育场的电视转播。你介不介意让我们把单体设备加到现有的系统中？ 设计师同意了。 qs 是 保证单体和电视节目分发部门在同一个网络上合作的工具之一。有一次，在一个顾问活动上，我们正在讨论这个案例， 结果有一个人走过来对我们说，你知道吗？我真的很高兴能够看到整个系统工作的非常好。但是你说的也不全对。除了单体和电视节目在同一个分发网络上，包括产品促销、礼品店、门票销售、前台监控，摄像头，客人、 wifi 等，所有这些都在一个网络上， 所有的东西都在一个聚合网络上协同工作。这些系统并没有自己单独的网络。然后就这样跟单体系统以及电视节目分发系统完全融合在一起，从那里开始，这一切就工作的很好。 总而言之， qos 是 一种协议，它帮助我们对网络上的某些流量进行优先排序。单体优化使用了三个队列交换机，需要至少支持四个，这样你就可以为所有的其他流量提供尽最大可能服务。 最后，当涉及 qos 时，确保您的交换机设置为严格的优先级，而不是轮询或其他的加权性能模式。

好嘞，那我们讲 q s 啊 q s 的话呢，这个二点五的这个 ppt， 呃，以前呢是这个， 这个一点零，一点零的时候呢，我就在讲到现在的话呢，基本上变化呢，不是太大啊，变化不是太大，我们大概可以过一下。呃， 他让你这个首先回顾一下这个 convergency 的啊，就是汇聚的收敛的这么一个网络，是个什么情况？来看一下啊？他说这种网络呢，有一有一些关键的这个参数。呃， 这个是什么名词？ constant， 我以前那个，然后呢？ small packet， voice flow 和 burst， 说白了和 data flow， 那说白了什么呢？就是在你的这个网上面， 在你的这个网上面，你的这种流量的类型呢是比较多的，不是你一张网上面只有一种流量类型，你这种汇聚的这种网络，对吧？啊？ 对，不？不， convergency 汇聚的收敛的，那说白了就是有很多的这种流量呢，都在这上面跑。那那每种流量呢？它特点是不一样的，那你在做这个操作的时候呢？你应该，对，嗯，就是不一样的这种流量呢，做一 不一样的这个服务，对吧？比如说他这边给你写了什么 time 啊， sensitive， 就是呢，对这个时间比较敏感的啊，不能有这个太长，一般建议呢是一百五十毫秒吧， 就是端到端的这个 voice， 端到端的 video， 他们的时间不能超过一百五十毫秒，如果超过一百五十毫秒呢？那人呢？在看听的时候就能感觉到有明显的啊卡顿啊，感觉到有明显的卡顿， 然后呢？对于这种关键的业务啊，对于这种关键业务，那什么叫关键业务？就是说我这个公司主要跑的就是这个业务 啊，那这些业务呢？能给我公司呢带来效益，对吧？比较重要的这种。那我可以呢，对，他有优秀 天的传输，无限的传输，这个是在这种汇聚的，或者说这种网络上面的啊，他有一种这种流量的这个需求啊，每种不同类型的流量他有不同的这个需求。 好，那在这种网络上面我们一般要做这个啊， qs 或者说呢它的质量问题包含哪哪几种？一般呢就是四个，一个是带宽，一个是延迟，一个是抖动，一个是丢包， 一共是四种，对吧？带宽延迟抖动，六包带宽不够啊，比如说你的这个是四 g 的，或者说这个高清的这种视频啊，你这个和。呃低清的 啊，还有什么四 g 的啊？不是四 g 哦，那叫什么来着？四 k 对吧？除了四 k 呢，还有更高的八 k。 现在还有这种视频啊，他们的这个要求贷款是不一样的。端到端延迟 啊，多种端延迟有什么固定延迟和可变延迟，这个呢？特别讨论。 geter 抖动，呃，还有丢包，这个这个你们应该都都学过 q s 吧？你学过 q s 吗？学过 q s 敲个一。 那那那好多都可以一笔带过了吧？或者讨论讨论。好嘞，那 getter 叫做不恒定的延迟，叫做积碳啊， pack 它丢包丢包呢？就是质量不好啊。第一个就是这个可用贷款，可用贷款呢？实际上是端到端沿路它的最小贷款 啊，最小贷款。比如说那你在本地局域网的话呢？你是实照，当然了，这个已经很小了，对吧？但是他这个图一直都没变，对吧？比如说现在也是一季的，但是他图呢？现在还是按照实照这个来算 啊，这个万联路呢，二百五十六 k， 五百一十二 k， 那这边这个烂呢？是一百兆，那这样的话呢，你的可用的带宽只有二百五十六 k， 那实际上呢就是一个最小的啊，最小的这个沿路的这个最小的这个带宽值， 这这个东西，那可用贷款，呃呃，这，呃不是，不是不能说最小，应该应该端到端，就是最大可用贷款啊？不是不能叫可用，就是最大贷款是 这个值，因为你超过这个值的话呢，在这个条链路上面就丢包，那可用带宽那就更小了，是最大带宽。除以什么？除以这个留的这个数量，如果说按照平分的话，就是按照除以这个留的这个数量，就没什么问题，对吧？ 这个 ok， 都能理解啊。除了这个，呃以外呢，我们来讲这个延迟啊，延迟，延迟呢，说白了就是等待时间呗，对吧？那延迟呢？包括 好几个啊？包括好几个，一个呢叫做这个处理延迟，一个呢叫做 q 的等待的这个延迟， 还有一个呢叫做传输的延迟啊，传输延迟 purp propagation delay， q delay， 还有 pro process delay， 那什么叫这个 processing delay 呢？那说白了就是一个数据包到了这个入口以后， 那我这个路由器有好几个出口，那到底是往哪个出口走呢？对吧？那你这时候要查表， 不管你是查 r r b 还是查这个 f i b， 那这个查表的这个过程，那这个呢？就是所谓的叫做 process delay 啊， process delay， 那那这个延迟呢？一般是 可变的，对吧？一般的话呢我们这个根据你的这个 cpu 呀，或者说根据你的这个，呃录像的这个 input q 这个到底有多少包在里面啊？你你你处理的时候是 这个，那这个延迟呢？嗯是有一点变化的，有一点变化通常的话呢，如果说，呃限速的话那是没有变化。来了就走，来了就走，对吧？好，那到了出口以后呢？你出口有对列，那就是对列延迟，对列延迟的话呢？呃， 一种是软件队列，一种是硬件队列，对吧？啊？软件队列的话呢？嗯就是我们可以分什么多少多少个队列，然后的话呢？每一个包在哪个队列里面去除了 这个队列以外呢？还有一个调度，对吧？哪个队列的这个包怎么走？哪个队列的包先走，哪个队列的包后走哪个队列走。呃贷款的百分之多少这个东西呢是队列延迟。 第三个呢就是传输延迟，传输延迟的话呢就跟你这个线的长度以及你这个线的这个速率是有关系， 对吧？现在这个数率有关系。那整个的这个端到端延迟呢？啊？就应该是这些值的这个相加啊，这些就是值的相加，等于端到端延迟。 动能原原值等于 p 一加 q， 一加 p 二加 q， 二加 p 三加 q， 三加 p 四啊？ 处理延迟加上对立延迟叫做 q， 然后呢传输延迟和串形化延迟，说白了就是在这个线缆上面传输传输的时候 时间，那整个的这个端到端加起来就是你的端到端延迟。 geter 要抖动，那什么是抖动呢啊？抖动叫做不恒定的 啊？延迟要抖动，那什么叫恒定的延迟啊？什么叫恒定的延迟？那比方说我们有一个在美国的一个啊，就是篮球比赛啊，篮球比赛现在呢？我们都可以。就是啊，什么直播了？ 那比方说我们之前呢没有直播啊，我放了这个篮球比赛，然后的话呢？呃，是，呃，比方说啊，比方说是咱们夜里面几点到几点， 几点到几点的一个或者世界杯啊？几点到几点的一个比赛。这时候的话呢？ 呃，我们中国人在看那个比赛的时候啊，啊，看比赛的时候就就是时间太晚了，就不容易看，那时候怎么办呢？我们到第二天早上重播，第二天早上比如说十点钟重播。 好，那这是晚上十点，比如说晚上十点吧，十 pm 到了重播的时候呢？是早上的这个十点 十 a m。 那中间呢？隔了多少呢？隔了这个十二个小时。那这十二个小时呢？就是每一个针我们在放放的那个画面，每一个针每一个画面它的颜值都是十二个小时。 那这种呢就是横定的延迟，我第一个针在这放到你这边的时候，我第一个针中间隔了十二个小时，第二个针到你这边第二个针放的时候也是中间隔了十二个。类似啊类，我我的意思就是类似这种情况，这种叫横定的延迟，横定的延迟对我们来说 那就是碗听到了或者碗看到了，但是的话呢对于我们来说这个针还是连续的啊，针还是连续的。那什么叫 抖动呢？抖动的意思叫做不恒定的延迟，比如说你看这两个豹纹之间，他的这个，呃就是延迟和这两个豹纹中间的延迟和这两个豹纹中间延迟，这两个豹纹中间延迟都不一样， 对吧？恒定延迟呢？他是每个报每两个报完之间的，这个啊，这个延迟呢是一模一样的，这叫做恒定的延迟，恒定的延迟对于我们来说是可以完全没问题的，可以接受的，对吧？你只不过就是比如说慢了几秒钟， 甚至于你慢了十二小时，那我的这个画面呢，或者说听的这个音频全部都是连续的啊，对我们实际上没有什么太大的影响，对吧？只不过我就是延迟看呗，对吧？或者录下来延迟看呗。但是这种呢就是抖动，抖动的话呢，就是你能 看到就是画面的一会快一会慢，说话声音一会快一会慢，有时候花瓶什么什么的，这个呢就是所谓的抖动，这个能听明白吧？ 都能听明白，听麦敲个二啊， 没问题。 packet， loss， 丢包，丢包的话呢？那如果说你不做任何操作，那就是所谓的叫做伪 duty， 对吧？ take a job 就是所谓的 reduce， 那 reduce 的话呢？那就是，嗯，这个算是公平的，对吧？嗯， 那你只要来晚了，那你就就是排不上队，比如说我这个排队呢，最多十个人，那你这边排了十个人了，那第十一个人就站不到队列里面去，这，这是很容易的，很容易理解，是吧？ 但是的话呢，你没有那种，没有那种就是区分，有些是关键应用，有些是，呃，小包优先的应用，那这时候的话呢，我们希望呢能够怎么办？能够让他优先的传输啊，不丢包啊，甚至于不丢包， 那这个呢你做不到，那有其他的机制可以做到，对吧？比如说 w i e d 啊，对吧？优先转发的，那那种情况呀？那这个呢？在后面会提到。好，那以上的这四个呢啊，就是我们汇聚网络或是收敛网络 恒定，你，呃，一个流量它的质量的一个标准，对吧？一般呢就是这四个值，哪四个值？再来一个带宽， 对吧？延迟、抖动或丢包 啊？一共就四个值。这四个值呢就是我们将来要为之奋斗的，咱们四个，好了呗？那第一段。

好，下一个，下一个呢？就是 qs 的一个机制， 后面有没有一张图啊？专门讲这个？没有没有这个，没有这个图，没有这个图。 那这边 qs 机制呢？有这个克拉斯菲 k 选 maxplesendshapping 啊，拥塞管理机制、拥塞避免机制以及练录效率的这么一个机制。 那这个图呢？他用这个表上面来画这个呢？是 端倒端上面，哪个设备上面，哪个链路上面有什么样的操作啊？哪个链路上面有什么样的操作？但是呢这个呢？跟 跟那个后面的这个东西呢？该怎么说呢？呃，这个在一点零的那个，就 qs 一点零的那个花灯片 有张图。听好了，那张图呢？是什么呢？他是在设备内部，设备内部的一张图 就是在入向什么什么地方做，克拉斯菲可以选什么地方做马挺，什么地方做什么东西。这个呢？然后呢？在这个一点零里面呢？好像还有一个就是叫做，呃， 低辐射啊，就是区分服务的这么一个动脉。那有什么呢？这个在这个，这个在后面应该有的啊，这个在后面应该有。呃，有什么呢？有这个边界行为， 边界行为还有每一条行为。 psp， 这个叫做，这个叫什么？坎坎坷啊？ ctrl 这个有一个边界行为，一个 psp 还有一个链路行为，链路行为说白了就是这个，对吧？边界行为呢？说白了就是克拉斯菲 k 审马挺和和和，这个 psp 呢？说白了就是用筛管理和用筛避免，他呢？说白了就是这三块东西。这这个了解不？这个了不了解这个了不了解。 哈喽，如果说呢这个 ok 的话呢？那你对 qs 实际上应该是比较 ok 的，那你知道每种应用应啊，每每种工具到底应该放在哪个设备上面做，哪个 位置去做，对吧？啊？那我们一点零的里面呢，有一张图，那张图呢是画的很好的，在克拉斯菲 k 神里面 啊，我看看后面好像到底有没有啊？ 没有，这没有领导图，没有领导图 啊，没有那张图。呃，那张图呢？我们可以打开看一下，那是专门讲克拉斯菲跟上的时候，有一个，有一个这个图， 不知道你们看没看过，有可能看过，有可能没看过，好像是这样， 好像是这，这一点零的 啊，这不对，这是 q 的继续 啊，就这个克拉斯菲菲的 mokey。 有一张什么图呢？有一张这个图，对，就是这张图。嗯，要把这个去了啊，要把这张去了。这，这张图的意思呢就是在一个路由器， 你一个路由器的话呢，入向出向，入向接口，出向接口，以及在这边有一个佛位顶，这边有个佛位顶，从入向到出向这边有个佛位顶，对吧？ 你看，在录像的时候，我们可以做卡尔斯菲克森啊，做一个 mite 啊， mate 呢，实际上是全啊， 和不类似于里面的东西，对吧？然后呢，可以对数据包呢打一个 max 啊，就是 remax 或 mark 都可以。 然后呢在入项呢，可以对数据包呢进行丢包。那如果说你是做这个普雷神的话，那你入项超过数率的就丢包好，入项的话呢，说白了就是一个 clus fexcex， 还有一个就是 啊，全非抗抗敌性，就是说白了就是啊普雷神或者是射频啊，射频不行，射频只能是初夏克拉斯菲克神，普雷神做什么？做 克拉斯菲克选马克和丢包，然后呢就是佛沃的，佛沃的的话呢，有几种？一个是呃进程转发，一个是啊， cef 快转发的，现在已经没有了，对吧？ 到了出项以后又有分类，分类以后呢？呃，标记啊，然后呢给他做这个啊，出项的这个数率 帅品或者是 plus， 或者是那个丢包，然后的话呢？嗯，再给他做一个对列，对列呢，实际上是在出口最后最后的地方做的啊，最后的地方做的 你，你看你有了这这张图以后，说白了你就对一个路由器里面他是怎么样的这个操作的就是很清楚了，对吧？你知道哪个是先做的，哪个是后做的啊？去了解一下。 这个就是，这跟皮皮亚没关系啊，这个皮皮亚，这是一个路由器里面的这张图，他这个拿皮皮亚来讲，皮皮亚呢是说是只能 做这个事，只能做卡斯菲菲森和 morking， 对吧？他其他的事情做不了，所以说这两个是绿色的。 这张图能看明白不？这张图以前见过吧？对，这张图还是比较好的。这张图 好，这个呢就是 qs 机制，比如说可以有的 qs 工具，可以让你去干事，对吧？那我们这个 qs 部署方法 两种，一种是 m q c， 一种呢是奥特 qs 啊，奥特 q s 呢，一般就是专门直接给语音流量去做的这么一个东西啊。 m q c， 那你自己去配啊，模块化的配置 啊， modet 的 macrt 有一些机制呢，可以检测你的 qs 啊，可以检测 sonp， nba 啊， n flow 性能。 monet， 这个好像没见过， 这个好像是语音里面专门用到的东西啊？ midis 这个是好像是语，呃，就是协作里面专门用到的东西啊？ ipslv 这些呢？ 可以去监控，然后回头呢？再说了，这个是 qs， d 三， midirwy， suv nilowit。 这个东西好少，比较少见啊，这个东西以前你们见过吗？ midi 一点点这一根端到端的架构。嗯，然后呢？康普拉智能优化丰富，有丰富的这种就是你的 这种媒体，多媒体媒体的话呢？这个丰富的这种经验， qs 是关键的。这个这个，这个我们以前都是 比较少见，这个东西比较少见。这个简单介绍的 qs 工具啊， qs 工具。

今天呢，我们来探讨一下智普这家公司是如何通过不断的技术创新去推动人工智能大模型的发展，并且在各个行业落地应用的。 嗯，是的是的，这个也是最近大家非常关注的一个话题，那我们就开始吧，首先要探讨的主题是智普的核心观点以及投资要点。说到这，我就想问问智普的模型产品布局到底是怎么帮他们打开商业化大门的？ 是这样的，智普其实是以自研的这个 g l m 基座大模型为核心啊，然后打造了多模态 agent 和 coding 这样一个非常完整的模型矩阵，那它的这个布局其实是可以很全面地去满足不同企业的需求的。听起来这个布局还挺全面的， 那他们具体是怎么给企业提供服务的呢？他们主要是通过 api 服务、本地化部署和行业解决方案这三个方式啊。然后他的这个收入也是从二零二二年的零点六亿元增长到了二零二四年的三点一亿元，年均复合增长率超过了百分之一百三。 然后二零二五年上半年也实现了一点九亿元的这样的一个收入啊，就持续的在印证他们的这个商业化能力。了解了那智普在模型的商业化落地这块到底是一个什么样的收入结构，然后客户主要是分布在哪家行业？智普的这个收入大头其实是来自于本地化部署的啊，占比是超过八成的。 然后在本地化部署这一块呢，又以互联网和科技行业的客户为主，就这两个行业的客户占比是一直稳定在百分之五十以上的。好的，那我们下面要聊的一个话题就是智普的这个研发投入和盈利预测。 我也很好奇啊，就是说智普这几年在研发上面到底花了多少钱？然后主要的钱都花在了哪些地方？智普的这个研发投入是逐年大幅提升的啊，你看他从二零二二年上半年的十六亿元， 然后其中算力服务费是大头啊，就同时从零点二亿元涨到了十一点五亿元。那随着他的这个模型产品的成熟度越来越高啊，预计他的这个研发费用率也会快速的下降。那智普未来几年的这个收入和盈利会有一个什么样的变化？ 然后他的这个估值是怎么得出来的？公司这边的话是预计他二零二五到二零二七年的收入分别是七十四点四亿元、一百五十三点四亿元和二百八十八点二亿元，然后对应的增速分别是百分之一百三十八点一，百分之一百零六点二和百分之八十七点九。 那 e p s。 的 话是预计二零二五年到二零二七年分别为负七点七九元每股，负八点一四元每股和负七点二六元每股，增速还挺快的。那估值呢？估值的话是参考了商汤和 mini max 的 这个估值水平，然后再综合考虑了智谱的这个 ai 基础能力、 技术优势和行业地位，最后是给予了芝普二零二六年七十倍的 ps， 那 算下来的话，合理总价值是一千零七十三点六三亿元人民币，对应美股是二百七十三点二二港元，然后投资评级是增持。明白了， 那智普在发展的过程当中会遇到哪些比较重要的风险？首先就是下游的企业客户可能会出现对 ai 大 模型付费意愿和能力不高的情况。然后第二个就是巨额的研发投入，未必能够顺利的转化成实际成果。最后一个就是这个行业内的科技巨头不断加大投入，导致竞争加具的风险。懂了。 然后紧接着我们就要来谈一谈智普这家公司的具体情况了，就是它的发展历程，技术积累和商业化的进展。对， 那我也特别想知道，就是智普在成立之后，它在大模型技术上面以及商业化上面都有哪些关键的动作？然后现在在行业里是一个什么样的地位？智普是二零一九年成立的，是一家以通用大模型 a g i 研发为核心的这样的一个人工智能公司。然后它的业务呢，是覆盖了机构和个人的， 那它在二零二一年的时候发布了中国第一个专有的预训练大模型框架 g l m， 同时呢还推出了 max 产品开发和商业化的平台。 二零二二年的时候他又开源了这个千亿参数的 g l m 幺三零 b， 那 这个也大大加速了整个行业的技术交流和生态的建设。这么看技术动作还挺密集的，对， 他们这个模型服务的客户和设备的规模有多大？截至到二零二五年六月三十号啊，智普的这个模型已经服务了超过八千家机构客户，然后覆盖了差不多八千万台设备。然后按收入来算的话，他在二零二四年中国的独立通用大模型的开发商里面是排第一的， 在所有的通用大模型开发商里面是排第二的，市场份额大约是百分之六点六。我还想知道就是智普现在的股权结构是一个什么样的情况？然后主要的股东都有谁？ 智普的这个股权结构还是比较多元的啊。其中呢，北京链派是由创始人刘博士控制的一个持股 平台，他的持股比例是百分之八点九七和百分之六点一八。 看来核心团队的持股还挺集中的哈。对，然后刘博士、唐博士、李博士、许博士和张博士他们这些核心创始人也都直接持股，然后他们这些一致行动人总共加起来是持有百分之三十点二二的股份。 另外就是军联资本、美团、启明创投这些外部的投资方也都有比较大的持股。然后公众股东是有百分之八点五的股份，其他的一些股东加起来是持有百分之四十八点七四。好的，那智普到底是怎么通过技术平台和产品体系把这些 ai 的 能力变成实际的商业价值的？ 其实智普的做法是搭建了一个一站式的 mark 平台呢，是一个三层的架构，最底下那层是算力，他是跟合作伙伴一起共建的， 然后他能够支持从十五亿到两千三百亿参数的模型在不同的云和芯片组之间的灵活部署。 甚至他还可以把这些 ai 的 能力延伸到手机、电脑和智能汽车这些终端上面，相当于说他们把 ai 的 这个能力扑的特别广啊。对，没错，在这个算力的基础之上呢，智谱还构建了包括语言、多模态、智能体和代码在内的非常完整的模型矩阵， 然后它再针对科技、金融、互联网、医疗、零售等等这些行业的具体需求去提供解决方案。甚至它还有智能体的工作区，让企业可以很容易地去定制属于自己的 ai 工具。 所以它整个的这个体系就是让 ai 真正的可以帮各个行业去提升效率，落地业务创新。那智普在这个本地化部署和云端部署这两块的业务具体是怎么收费的？然后客户都是什么类型？本地化部署的话呢？它主要是面对机构客户，然后它的收费是根据客户的需求， 比如说模型的规格，要赔多少算力还有项目实施的复杂程度来制定一个套餐。那这个套餐呢，可以是一次性付费，也可以是按年付费，比较灵活。听起来确实很灵活，那这种模式有没有什么比较有代表性的客户案例？有的， 比如说有一个中国的综合型企业，他们用我们的大模型做了一个财务资本管理的应用，然后在金融新规问答这个场景下面，实现了百分之五十以上的自动化率。 还有一个企业客户是用我们的 coco 企业级智能体，把知识库和办公流程都做了一个整合，然后办公效率提升非常明显。 到二零二五年六月三十号，我们本地化部署的客户有九十五家。云端部署这块呢，是怎么收费的？客户有什么不一样吗？云端部署的话，就是无论是机构还是个人都可以用，然后机构的话可以按 token 来付费，也可以像手机套餐一样，就是包时长、包模型的规格， 包算力，这样来付费。个人的话就是我们有一些基础的功能是免费的，但是像一些高级的功能就需要订阅。明白了，那云端部署这块有什么比较突出的业务表现，或者说客户案例吗？比如说我们的 glm coding plan， 它上线了四个月，全球的付费用户就超过了十五万， 然后我们的这个青岩平台上面用户创建的自定义的 ai agent 也超过了八十万。还有智联招聘，他们用我们的模型开发了一个 ai 招聘助手，帮他们整个招聘的流程做了一个全面的提升。 到二零二五年六月三十号云端部署这块，我们一共服务了三千零六十一个机构客户。哎， 那智普在整个业务的运作流程当中，是怎么去跟基础设施的供应商合作，然后来满足不同客户对算力的需求的？智普其实是建立了一条非常完整的从上游到下游的这样的一个业务链条。 那在上游的话，我们跟基础设施的供应商紧密合作，一方面呢是可以提供这种高弹性的云计算的资源，就是你需要多少就用多少。然后另外一方面呢，是我们也支持这种高性能的本地化的算力， 就是你可以在本地去做一些模型的增量训练和推理。那在服务交付这个环节，智普是怎么去给客户量身定制 ai 解决方案的？在交付环节的话，我们会先跟客户一起去梳理它的数据是一个什么情况，它的应用场景是一个什么情况？比如说它的数据是多大规模的，是什么类型的？ 然后他在安全合规上面有什么要求？他是想要一个单场景的方案，还是说多场景统一管理？我们会根据这些东西来帮他选择模型的规格，然后设计整个技术方案， 所以就是说每一步都是紧扣着客户的实际需求来的。没错没错，方案确定了之后，我们会进行模型的微调增量训练和提示工程的优化， 然后我们也会让客户来参与测试和反馈，就是我们在部署上线之后，也会持续的去根据客户的使用情况来做一些模型的优化和服务的改进，就确保它是真的可以解决客户的问题。我还想问一下，就是 智普是怎么通过这个 z 计划来推动自己的业务增长和生态扩张的？ z 计划其实就是我们会把我们的大模型和基础设施开放给我们的行业合作伙伴，然后帮他们去定制开发一些技术方案，这样的话就可以帮助他们快速地去拓展业务， 同时呢也会让我们的 ai 能力渗透到更多的行业和应用场景当中，最终实现一种双赢的生态上的扩张。了解了，那我们接下来的这个主题啊，就聚焦在公司的营收结构增长和客户分布， 就是想看一看智普这几年的收入的增长主要是靠什么来驱动的？然后这个业务结构又发生了什么样的变化？就是智普的这个收入啊，从二零二二年的零点六亿元涨到了二零二四年的三点一亿元，然后年均复合增速是超过百分之一百三的， 然后二零二五年上半年也实现了一点九亿元的这样的一个收入。这个增长的主要动力就是因为我们的本地化部署和云端部署的销量都在快速的上升，然后商业化的能力也在不断的加强。那本地化部署和云端部署这两块的收入占比有什么变化吗？本地化部署一直都是我们的一个主要的收入来源， 就他的占比始终是在百分之八十以上，主要是因为政企和大型的企业，他们对数据安全和定制化的要求比较高。 但是呢，随着大模型的更新越来越快，云端部署的这个灵活性的优势就出来了，所以云端的收入占比也是从二零二二年的不到百分之五涨到了二零二五年上半年的百分之十五。好的， 那智普的这个本地化部署业务客户主要是集中在哪些行业呢？然后这个分布又发生了什么样的变化？ 这个的话，其实互联网和科技行业一直都是我们的这个大头，就从二零二二年到二零二四年，这两个行业的占比都是超过百分之五十的， 然后到了二零二五年上半年稍微降到了百分之四十左右，这主要的原因就是因为这些行业对 ai 的 接受程度很高，然后付费的意愿也很强。最近公共服务类的客户是不是也有一个比较明显的提升？没错没错， 服务类的客户就是在二零二四年和二零二五年上半年有一个提升，然后到二零二五年上半年已经占到了差不多百分之三十，那这里面呢，其实主要就是一些，比如说电网啊，低空经济啊，还有一些就是出海的主权大模型项目，比如说我们在马来西亚做的国家级的 mas 平台。 那这种项目呢？它的特点就是人力投入比较少，然后回款也很快，那随着我们继续出海，这个板块的占比也会继续的提升。那智普的这个本地化部署业务在地域上面是怎么分布的？然后海外市场的拓展有什么新的进展？其实我们绝大部分的本地化部署的收入还是来自于中国内地啊。 但是呢，从二零二四年开始，我们已经把我们的大模型的本地化服务拓展到了东南亚，然后也有少量的美国的客户，那我们也在积极的参与中国以及东南亚等地的国家和城市级的基座模型平台的建设。懂了，那我们现在想要关注的就是公司的财务表现，盈利能力和费用分析。 我想知道智普这几年的毛利率的变化趋势是怎么样的？然后不同的业务在盈利上面有什么样的表现？从二零二二年到二零二五年上半年，我们的整体毛利率其实还是比较高的啊，分别是百分之五十四点六，百分之六十四点六、百分之五十、六点三，百分之五十六点三， 百分之五十六点三，百分之五十。那这个整体的毛利润呢？有一点点小幅的下滑，主要的原因就是因为云端部署的业务的占比在逐步的提升，然后同时云端的毛利率下滑的比较厉害，所以说 本地化部署和云端部署这两块业务在毛利率上面的走势是完全不一样的。对的，本地化部署这一块的毛利率一直都是很稳定而且很高的。那云端这一块呢？因为我们这几年是在主动的降价去抢市场，所以导致它的毛利率是逐年在下滑的。 那我们预计就是随着我们的规模上来之后，我们的溢价能力也会提升，那云端的毛利率也会慢慢的回升。最近几年智普的这个研发费用和销售费用是怎么变化的？其实我们的研发投入一直都是非常高的，你看我们从二零二二年的零点八亿元涨到了二零二五年上半年的十六亿元， 然后它占收入的比例甚至一度达到了百分之八百三十五。那这个主要的原因就是因为我们在 ai 大 模型这个非常激烈的竞争环境下，我们必须要不断的投入去提升我们的产品的竞争力。那这里面呢，其实大部分的钱都是花在了算力服务上面， 就是我们的算力服务费从二零二二年的零点二亿元涨到了二零二五年上半年的十一点五亿元，看来这个大模型的训练真的是非常的烧钱啊。是啊， 那除了研发费用之外呢，其实我们的销售费用率也是在这几年有一个明显的上升的，从二零二二年的百分之二十六点四上升到了二零二五年上半年的百分之一百零九点三。 那未来的话，我们可能还会保持一个比较高的研发投入，但是呢，我们会通过一些精细化的管理啊，然后包括一些优化我们的销售策略，我们还是希望能够把我们的整体的费用率逐步的降下来。明白了，那智普的这个研发团队的构成最近几年有什么样的变化？ 然后这个研发的投入的结构有什么样的变化？到二零二五年六月三十号，我们的研发人员已经有六百五十七人了，占公司总人数的百分之七十四点四，那这个占比其实是非常高的，就可以看出来我们对技术的重视。 那另外呢，就是我们的这个研发费用的结构也发生了很大的变化。早期的时候我们的研发费用主要都是花在人工上面，但是这几年随着我们的模型越做越大， 训练的越来越频繁，我们的这个算力的服务费就变成了最大的一块支出。那这个也反映了我们的这个研发的重心已经从人力投入为主转变成了算力驱动。好的，那我们下面要聊的这个话题呢，是关于公司的资产流动性、长债能力和营运能力分析。 智普的这个流动资产和现金储备这几年是一个什么样的情况？我们的这个流动资产占总资产的比例其实一直都是非常高的啊。你看从二零二二年到二零二五年上半年，这个比例分别是百分之八十二点八、百分之六十五点二、百分之六十八点九和百分之七十三点三。 那这个就说明我们公司的这个资产的流动性是非常强的，然后我们一直都是一个轻资产的运营，现金这块是不是也是占比很高？对的，我们的银行存款和现金占总资产的比例也一直都很高啊，分别是百分之六十点五、百分之四十三点七、百分之五十一点九和百分之五十点一。 那这个就说明我们的这个资金的安全性是非常有保障。智普的这个短期和长期的长债能力这几年有什么样的变化？我们的这个流动比例其实是这几年是逐年在下降的啊，从二零二二年的零点六下降到了二零二五年上半年的零点三。 那这个主要的原因就是因为我们的这个流动负债里面因金融工具产生的净额增加了，所以我们的短期长债压力其实是有所上升的。那长期来看呢？这个资产负债率的走势是怎么样的？资产负债率的话，就是我们从二零二二年的百分之七点一上升到了二零二三年的百分之二十七点六， 然后又回落到了二零二五年上半年的百分之十二。整体来看的话，我们的这个长期的长债压力其实是不大的，而且我们的这个杠杆水平也是在一个合理的可控的范围里面。我还想知道就是智普的这个应收账款 这几年的变化情况怎么样？然后公司在管理这些应收账款上面有没有遇到什么挑战？我们的这个应收账款的余额是随着我们的收入增长而上升的啊？你看我们从二零二二二五年上半年的一点五亿元， 那这个周转率呢？其实在二零二二年和二零二三年还是比较稳定的，但是到了二零二四年和二零二五年上半年就有一个明显的下降，主要的原因就是因为我们的新客户的占比提升了，然后我们的这个本地化部署的项目也增加了，那这两个都是会导致我们的回款周期被拉长的， 所以说这个客户结构的变化和业务模式的变化是影响回款速度的主要原因。没错，但是我们的这个应收账款的质量还是非常好的，就是我们一年以内的应收账款占比始终都是在百分之八十七以上的，然后到了二零二五年上半年已经高达百分之九十八点八了， 所以整体来看的话，我们的这个管理还是非常有效的，发生坏账的风险也是非常低的。好的，那我们接下来的这个主题呢，就是聚焦在公司的亏损情况和现金流分析。 我也很好奇，就是智普这几年的净亏损是一个什么样的走势，然后主要的原因是什么？我们的净亏损是从二零二二年的负一点四亿元，然后一路扩大到了二零二五年上半年的负二十三点六亿元。 那这个主要的原因呢，就是因为我们在快速的扩张我们的研发团队，然后我们在算力服务上面的投入也是在持续的加大，所以我们的研发费用是增长的非常快的。 同时呢，我们为了去抢占市场，我们也在销售和营销上面投入了很多，再加上我们现在还处于商业化的初期，所以我们的收入还没有办法覆盖我们的这些大规模的支出。最近几年质朴的这个经营活动现金流是什么样的情况？ 然后公司在资金上面主要是靠什么来支撑？其实我们的这个经营活动现金流净额和净亏损的趋势是差不多的，就是一直都是负数，然后金额也是在逐年的扩大，那这个就说明我们的业务本身创造现金的能力还是很弱的， 所以我们现在还是主要依靠外部融资和之前的现金储备来维持我们的日常运营和我们的这个大规模的投入。明白了， 那未来随着这个业务的推进，现金流的情况会有改善的可能吗？随着我们的收入的增长，然后技术的进步以及我们的这个商业化的加深，我们是有机会逐步地缩小我们的亏损的， 然后也争取早日实现经营活动现金流的转正。好的，那下面我们要聊的是这个 ai 大 模型技术的升级带来的应用场景的拓展。 我想先问一下，就是这个大语言模型和传统的判别式的 ai 相比，在技术和应用上面到底有哪些本质的区别？最根本的区别就是传统的判别式 ai 它主要是做一些识别和判断的任务， 就是它通过学习一些输入和标签之间的映涉关系来做分类，或者说做预测。但是大语言模型呢？是一个基于神经网络的超大模型，它可以在海量的数据上面进行训练， 然后它可以理解和生成自然语言甚至其他的一些内容，所以它可以完成很多更复杂的甚至是一些跨领域的任务，这个是传统的 ai 没有办法做到的， 也就是说大语言模型能够突破传统 ai 的 那种单一的应用的边界。对，没错，因为大语言模型它不光可以做文本的生成，还可以做图像的生成，语音的生成，代码的生成， 然后它还可以做一些内容的总结，翻译风格的转换，甚至是一些 ai agent 的 应用，所以它是大大扩展了人工智能的一个应用的空间。 大语言模型是怎么推动人工智能从现在这种比较单一的能力往通用的智能去发展的？就是现在这个大语言模型，它是通过不断的去增加模型的参数，然后去提升它的语义的理解能力，多模态的融合能力以及自我进化的能力。 所以它是可以把原来很多那种分散的单一的任务整合起来，然后它是作为一个核心的驱动力 去推动人工智能，从这种只能做一件事情的 a n i 阶段，往这种可以像人一样去思考，去适应各种复杂环境的 ag i 阶段去迈进。这样的话是不是意味着 大语言模型的出现，让更多的行业能够参与到这个 ai 的 生态里面来？没错，因为大语言模型它是打破了这种传统的 ai 系统之间的壁垒， 然后它是让这个行业的价值链也变得更加的丰富。就是无论是上游的这种算力和数据的提供方， 还是中游的这种独立的大模型的厂商，或者说这种背靠大公司的大模型厂商，还是下游的这种企业级的用户，或者说个人用户，大家都被紧密的联系在了一起，形成了一个全新的 ai 的 生态体系。 好的，那我们接下来的这个主题呢，就聚焦在这个 ai 大 模型的市场规模增长和商业化路径。我想先问一下，就是人工智能这个行业现在发展到什么程度了？ 然后它未来还会有哪些新的增长点？现在人工智能它已经不仅仅是一个技术的突破了，它更是一种赋能其他数字技术，推动自动化和智能化，以及催生全新的商业模式的一个关键的力量。 他正在深刻的改变我们的经济，企业的运营方式，甚至我们的日常生活。听起来人工智能好像会渗透到我们生活的方方面面，那他具体会带来多大的经济价值呢？这个根据一些行业的分析啊，到二零三零年，人工智能预计会影响全球超过百分之二十的商业决策， 然后会为全球超过百分之八十的主流的智能设备提供支持，然后他所带来的经济影响可能会超过二十万亿美元。这么看的话，中国的人工智能市场这几年的增速有多快？ 然后大语言模型在这个市场里面是一个什么样的角色？中国的人工智能市场规模是从二零二二年的九百三十七亿元增长到了二零二四年的一千六百零七亿元，然后年均复合率是百分之三十一点零， 预计到二零三零年的话会达到九千九百三十亿元，年均复合增长率是百分之三十五点五。 那大语言模型呢？它其实是在企业级的市场里面是主要的一个增长引擎，虽然说面向消费者的应用也在不断的增加，但是企业级的这种付费的意愿和付费的能力都是更强的，所以企业级的市场是我们现在最主要的一个商业化的阵地。大语言模型在企业级的场景里面主要是用在哪些地方？ 其实大语言模型在企业里面的应用是非常广的，比如说它可以用来做智能客服，然后做基于用户画像的这种个性化的沟通， 还有就是在营销和销售环节自动的去生成内容，去推送一些个性化的信息，它也可以直接嵌入到你的日常办公的软件里面，帮你自动的去写邮件，生成会议纪要，甚至是自动的去处理一些文档， 就是他可以极大的去提升你的工作效率。企业级的大语言模型在落地的时候，一般会有哪些部署的方式？企业级的大语言模型的话，其实主要有两种部署方式，一种是云端部署，一种是本地化部署。那云端部署的话，就是所有的这些模型的服务工具链都是通过云平台来提供的， 然后企业呢是按需来付费使用的。这种方式的话比较适合那种中小型的企业，或者说那种软件服务商，因为他部署起来很快，然后也比较灵活。 那本地化部署的话，就是把整套的系统安装在企业自己的数据中心里面，这种方式的话安全性和定制化程度会更高，所以他一般是更适合那种对数据隐私要求特别高的，或者说有一些特殊合规要求的这种大型的企业。 哎，那你觉得未来三到五年中国的大元模型市场，尤其是企业级的市场会有哪些新的变化？根据行业的一些数据预测啊，就是中国的大元模型市场在二零二四年是五十三亿元的市场规模，然后预计到二零三零年是会增长到一千零一十一亿元， 年均复合率是百分之六十三点五。那其中呢，企业级的市场是主导，就是企业级市场在二零二四年是四十七亿元，然后到二零三零年是会增长到九百零四亿元，增速还挺快的。 那企业级市场里面，云端和本地这两种部署方式增长的速度会有什么不一样吗？这个的话就是云端部署的市场规模是会扩张的更快的，就是他的年均复合率是百分之六十九点四，然后到二零三零年是会达到二百一十三亿元， 但是呢，本地化部署依然是占大头，就是到二零三零年是会达到六百九十一亿元， 这两种模式是会长期共存的，然后各自去满足不同企业的需求。明白了，那我们下面要聊的是这个 ai 大 模型行业的竞争格局，以及质朴的核心竞争力到底在哪里？ 我也特别想知道，就是中国的大元模型市场里面，独立的大模型厂商和非独立的大模型厂商，它们到底有哪些本质的区别？独立的大模型厂商呢？它从一开始就是专注于大元模型的技术和产品， 然后他本身是没有其他的业务线跟他的客户去竞争的，所以他的这个商业模式是完全围绕着大圆模型展开的。那非独立的大模型厂商呢？他一般都是有自己的主业， 然后他是把大圆模型作为他原有业务的一个延伸，或者说一个赋能的工具。哦，那从市场份额来看的话，这两类厂商的表现有什么不一样吗？如果是按照二零二四年的大模型厂商， 然后只有智普是独立的大模型厂商，排名第二，占有百分之六点六的市场份额。智普在 mas 和 p s 这两个平台的服务能力上面，和国内的这些头部的厂商相比， 到底有哪些强项，哪些差异化的地方？在服务平台这一块的话，现在主流的就是 p s 和 mas 这两种模式。 那 ps 的 话，它主要是提供一些开发的环境，中间件、数据库、 api 等等，它主要是给开发者或者说企业的 it 团队去使用的。那 mas 的 话，它是更加专注于提供这种预训练好的大模型以及相关的工具链， 它的目标是让企业和开发者可以更高效地去调用定制和集成 ai 的 能力。这么说的话， mas 这种模式对于想要快速应用 ai 的 企业来讲是不是更友好？是的是的。 然后现在国内的大部分的头部厂商其实都只支持单模态的 ms 服务，就是他们可能只支持文本或者只支持图像。 那像智普公司 e 和公司 f 是 可以做到全模态的 ms 的 平台服务，但是呢，只有智普是把 ms 平台深度地嵌入到了多模态模型训练 g u i 智能体、手机 app 和电脑应用的推广里面的 就是它是在产品化和生态的建设上面是明显领先的。好的，那我们接下来的这个主题呢，就聚焦在公司的模型布局、基作模型和各项 ai 能力。 就是我也特别想知道，就是智普到底是怎么通过这五大类的模型去打造出这么一个既全面又有深度的产品矩阵的？然后每一类模型到底在这个体系里面扮演一个什么样的角色？智普的话其实是围绕着深度思考、认知世界和工具，使用这三大能力去搭建了五大类的模型。 那首先第一个就是基座模型，它其实是整个体系的一个核心，就是我们的 g i m 四点七，它不光是一个全能的选手，它也是其他的专业模型的一个基础，所以说这个基座模型相当于是所有的 ai 能力的一个底座。然后在这个底座之上呢， 我们有这个反思及沉思模型，它其实就是让 ai 能够在回答你之前先深度的思考一下，所以他特别擅长去处理一些推理啊，一些复杂的问题。 然后我们有多模态模型，就是它能够同时的去理解和整合文本、图片、音频、视频等等这些信息，那这个就大大拓展了 ai 的 一个认知的范围。听起来确实是这样，那其他的还有哪些类型的模型？ 还有就是 ai agent， 那 这个的话就是以 auto g l m 为代表的，它是能够把推理、规划和工具的调用结合在一起，然后可以不用人去管，自己去完成多部的任务。那这个也是我们把它应用到了企业级的智能体 coco 里面。 最后一个就是我们的代码模型 code g x， 它是能够帮开发者自动地去生成代码，然后极大地去提升开发的效率。懂了， 那我们下面就重点来看看这个 glm 系列的基座模型，它在业界到底是一个什么样的水平？然后它在实际的商业应用当中到底有哪些亮眼的表现？ glm 系列的基座模型的话，它一直都是处于行业的领先地位的。比如说我们的 glm 四点七，它不光是在各项能力上面都非常的均衡， 它也是很多专业模型的一个基础，然后在全球的各种语言模型的排行榜上面，它也都是名列前茅的。 然后在实际的商业应用当中的话，它的表现也是非常亮眼的，比如说它的推理能力和生成能力都是受到了非常多的企业客户的认可的。这么说的话， g l m 系列在实际使用当中，有没有一些特别能说明它技术优势的例子？有的 比如说我们的 glm coding plan， 它是一个针对开发者的产品，然后它上线了之后，短短几个月的时间，全球的付费用户就超过了十万，然后它的用户的留存率也是非常高的。还有我们的这个 glm api， 它的定价也是非常有竞争力的， 就是它比很多同行业的产品都要低，所以它的性价比是非常高的，然后也受到了很多企业的欢迎。好的，那我们接下来的这个主题呢，就聚焦在多模态大模型，然后我也特别想知道就是智普在多模态大模型上面到底有哪些具体的能力， 然后它跟同类的产品相比到底强在哪里？智普的多模态大模型其实是能够支持文本、图片、音频、视频等多种输入的。那我们的这个 g l m 四点六 v， 它是一个视觉的大模型， 它在很多的这个视觉相关的任务上面，比如说图文的匹配、视觉问答、视觉推理，都是要领先于其他的同类的模型的。然后我们的这个 g l m image， 它是一个专门用来生成图片的模型， 它在图片的生成的多样化以及图片的细节的丰富度上面也是非常强的。所以说质朴的这个多模态大模型在实际的应用场景当中到底有哪些特别出彩的表现？比如说我们的这个 g r m 四点六 v， 它是可以做到界面的像素级的复刻， 就是它可以把小红书的这个页面非常精准的去还原，然后它也可以做到电商的以图搜款以及自动的去生成导购的清单。 然后我们的这个 g l m image， 它是可以根据导演的名字自动地去生成这个导演的电影作品年表的海报， 那这个是我们在同类的产品当中是处于一个非常领先的地位的，听起来确实很厉害，那智普的多模态大模型和市面上的其他的产品相比，在价格上面有什么不一样的地方呢？我们的这个 g l m image， 它其实是在性能上面是要优于 nano banana pro 的， 但是我们的定价是要比它低很多的，那这个也是让我们在市场上面有非常强的竞争力，然后也让我们的客户能够以更低的成本享受到更好的 ai 的 服务。明白了那多模态大模型在不同的行业里面到底是怎么落地的？有没有什么特别典型的案例？ 有啊，比如说在这个内容创作领域，我们的多模态大模型可以用来自动的生成一些配图的文章。然后在这个智能教育领域，我们的多模态大模型可以用来打造一些互动性更强的学习的课间。 然后在这个智能医疗领域，我们的多肽大模型可以用来帮助医生去做一些医学影像的分析。然后在这个智能客服领域，我们的多肽大模型可以用来实现一些图文并茂的自动回复， 就它是在各个行业都有非常多的实际的落地的案例的。好的，那我们接下来的这个主题呢，就聚焦在 ai agent， 那 智谱在这个领域到底有哪些产品？然后这些产品到底是用在哪些场景呢？我们的 ai agent 其实是有好几个产品的，那其中最有代表性的就是我们的 autolm， 然后还有就是我们的企业级的智能体 coco， 那 auto g l m 它其实是一个通用的智能体的平台，它可以自己去规划，自己去推理，然后自己去调用不同的工具来完成一些非常复杂的任务。那它比较典型的场景就是比如说它可以自动地帮你点外卖， 然后它可以自动的帮你预定酒店，它也可以自动的帮你安排你的行程。听起来就像是一个全自动化的助手啊，那这个 coco 呢？它主要是做什么呢？ coco 它其实是专门为企业打造的一个智能体，然后它是可以和企业现有的一些系统知识库去打通的， 它可以帮助企业去自动的去分发任务，然后它可以帮你自动的去整理会议纪要， 它也可以帮你自动地去回答一些常见的内部的问题，它其实是可以极大地去提升企业的办公的效率的。懂了， 那智普的这个 ai agent 跟市面上的其他的产品相比，到底有哪些核心的优势？我们的 ai agent 它是有三大核心的能力的，第一个就是它可以理解和整合多种类型的数据， 第二个就是它可以自己去规划和推理下一步的动作。第三个就是它可以灵活地去调用各种外部的工具， 所以它是可以完成一些非常复杂的多步骤的任务的。听起来确实很厉害，那能不能举一些具体的例子说一下，它的优势到底体现在哪些地方？比如说我们的这个 auto g m， 它可以在手机上面自动地帮你点外卖，然后它是可以自己去操作外卖 app 的， 然后包括千万 app， 它其实也是可以实现一些独立的点单的流程的。那这个就是我们的这个智能体，它是可以在不同的平台上面，不同的场景下面去模仿人的一些操作，然后自动的帮你完成一些任务。 那这个也是我们的这个智能体，它是在行业里面比较领先的。好的，那我们接下来的这个主题呢，就聚焦在 ai 辅助编程， 然后我也特别想知道就是智普在这个领域到底有哪些核心的产品，然后它到底有哪些核心的能力？我们在这个 ai 辅助编程领域的话，主要的产品是叫 code g x four o 九 b， 然后它是一个专门为开发者打造的一个 ai 的 工具，它的核心的能力的话，包括代码的生成、代码的补全，然后还有一些智能的重构以及单元测试的自动生成，它是可以覆盖从编码到测试的多个环节的，听起来就像是一个全流程的开发助手啊， 那这个工具在实际的使用当中，到底能给开发者带来哪些效率上的提升呢？比如说我们的这个插件，在 vs code 里面，它是可以一键帮你生成单元测试用力的，然后包括我们的这个 zcode， 它是可以直接帮你生成贪吃蛇这样的一个小游戏的代码的， 然后我们的这个插件的下载量和我们的这个 github star 都是增长的非常快的，然后我们的这个用户的满意度也是非常高的。明白了， 那智谱的这个 ai 辅助编程工具跟市面上的其他的主流的工具相比，到底有哪些优势？我们的这个 code j 四 o 九 b， 它是在代码的生成、代码的补全、智能重构、单元测试的生成，这四个方面都是非常强的。 然后它的这个整体的性能的话也是要优于其他的同类的产品的，然后它是可以支持多种编程语言和多种 ide 的， 然后它也是能够很好的去满足不同的开发团队的需求的。行，那我们今天聊了智谱的这个技术的布局，产品的创新以及在各个行业的落地的情况， 然后也看到了这家公司是如何一步一步地成为这个 ai 大 模型领域的领军者的。好了，那这期节目咱们就到这里了啊，感谢大家的收听，咱们下次再见，拜拜！拜拜。

大多数人愚蠢的思考其实是源于从单一象限去看待问题啊，刚才我讲了这个 a q a l 这个模型思维模型，其实它主要就是想破除大家从单一象限去看问题的这个习惯 啊。很多时候我们跟天才的差距并不是智商高低的差距，而是看问题的一个呃，全面性， 或者一个啊深度。你包括 a q a l 模型，它的这个英文的全称就是啊，我不念英文名了，它全称的意思就是全象限、全层次， 从四个、四个维度、四个象限去考虑问题。每个象限又包括了所谓的这种，比如说情绪啊、价值呀啊信念啊这种主观的啊，包括行为啊这种客观的一些这个这个要素，就我们全链条的 全方面的去进行了一个盘点，这样你得到的这个思维结果就是一个全面的啊，不带客观的啊，这样的一个一一个结果。其实 这个模型不光是用于比方说是开公司啊，比方说是自己做定些计划啊，比如说健身啊，比方说是我们跟人去沟通 啊，很多时候双方不理解，可能都是因为各自站在自己的这个角度上啊，只考虑了所谓个体内部的这样的一个情感， 但是却没有考虑到别的，比如说个体外部的这种行为，对象行为动作对别人产生的影响啊，整个集体外部的一个大环境的一些客观的一些制度呀，啊约束呀，包括集体内部大家的一个共同价值观啊。所以上结论，如果你能 面对任何事情，不管是个人的这种职业规划也好，学习也好，思考问题也好，或者是对于你的一些生活上的，比如说健身也好呀， 社交啊啊这种对与人沟通啊，这种所有的问题，你如果遇到了困难，有遇到了这种平静，你都可以用这个 a q a l 这个模型去全面的去复盘一下啊， 针对于每个象限、每一个点逐字逐句的去写下来，然后复盘之后你就拥有了所谓的这种天才的这种思维的一个结论，然后你依照这个去执行。为什么客观 所谓的外部个就是个体外部和集体外部非常重要，这其实也是说明整个思维中客观的外界环境的这个质约和表达也是非常关键的。