騰訊 ima：把搜尋、閱讀與寫作裝進一個 AI 工作台

騰訊最近把一款叫 ima 的產品推到了台前。官方的說法是「智慧工作台」，拆開來看其實很樸素：把搜尋、閱讀和寫作這三件本來分散在不同軟體裡的事，收進同一個視窗。底層跑的是混元加 DeepSeek 的雙引擎，表面上則是 Windows 和 Mac 客戶端，外加一個微信小程式，資料在幾端之間同步。

這類產品的價值很難靠一句宣傳標語講清楚，得看它把哪個動作變短了。以前查一份資料、讀一篇長文、再寫一段總結，要在瀏覽器、閱讀器、筆記軟體之間來回跳。ima 想做的，是讓人別再跳。

國產 AI 工作台在搶同一個位置

把這個品類攤開來看，會發現大家都在往「入口」上擠。誰能讓使用者第一件事就開啟自己，誰就拿到了後面的留存。搜尋起家的想把問答做進結果頁，筆記起家的想把 AI 塞進編輯器，公眾號生態裡的產品則想借微信把使用頻率拉起來。

ima 的選擇是把重心放在「知識」上：一邊是公開資訊的檢索，一邊是個人資料的沉澱，中間用 copilot 串起來。騰訊給新使用者的額度是註冊送 500 點算力，之後每天補 100 點，這個設計透露出一個訊號，它希望這是一款被日常開啟的產品，而不是偶爾用一次的玩具。

真正拉開差距的，往往不是單點能力，而是鏈路是否完整。想法進來，資料出去；資料進來，草稿出去；草稿進來，成稿出去。任何一環斷掉，使用者都得自己接上，所謂「工作台」就退化成又一個對話框。

ima 把搜尋、閱讀、寫作放進一個介面，本質上是在賭一件事：使用者願意為「少切換一次」買單。這個賭注在行動端尤其明顯。小程式版本讓手機上也能隨手記下靈感、隨手追問一句，桌面端負責需要大螢幕的重活，兩端同步，這套組合更接近國內使用者真實的使用習慣。

第一是信任邊界。當搜尋、個人文件和生成內容混在一起，使用者很難分清一句結論是從哪來的。來源標註做得再細，一旦模型開始改寫和拼接，追溯仍然費力。第二是遷移成本。個人知識庫最怕鎖定，資料匯不進來也匯不出去，使用者就不敢把真正重要的東西放進去。

第三是同類競爭。這個賽道已經很擠，從辦公套件到大模型廠商，再到做筆記的老牌工具，誰都不想讓出入口。ima 目前更像一個把現有能力重新組裝的產品，而不是一個非它不可的理由。能不能成，要看 copilot 那套「學習使用者習慣」的機制是否真的讓使用變順，而不是多一層需要調教的黑箱。

把模型能力做到最強，是實驗室的題目；把產品做到順手，是產品團隊的題目。這兩件事的難點完全不同。前者靠算力和資料，後者靠對具體使用場景的理解。一個工作台要真正被用起來，得回答很多瑣碎但致命的問題：開啟速度夠不夠快，輸入框會不會擋住內容，歷史記錄能不能一眼找到，寫了一半的東西會不會丟。

這類問題沒有任何一個能靠「更強的模型」解決。它們考驗的是對工作流的體貼程度。國產 AI 產品過去一兩年最大的轉折點就在這裡，從比誰的模型分數高，轉向比誰的體驗縫得更密。使用者的遷移成本很高，但只要有一個工具真的省了他們每天半小時，他們就會留下來，並且把資料交給它。

這也是為什麼「工作台」這個詞值得較真。工作台不是功能的堆疊，而是把一串動作焊成一條路徑。功能可以複製，路徑很難。誰能把從找資料到成稿這條鏈走得最順，誰就守住了入口。ima 站在這條線上，它不追求驚豔，追求的是被用起來。

國產 AI 應用這兩年的一個明顯變化，是從「秀能力」轉向「拼順手」。比誰的模型跑分高，使用者其實感知不強；但少點幾次滑鼠、少複製貼上幾段，是當天就能感覺到的。

另一個訊號是雙引擎。混元加 DeepSeek 的組合，說明騰訊並不執著於只用自家模型。對使用者來說，誰家的模型不重要，能穩定、便宜、快速地完成任務才重要。這種務實在國內產品裡越來越常見，某種程度上也解釋了為什麼應用層的競爭，最終會回到體驗而不是參數上。

要不要用，取決於你平時是不是「資訊密集型」的工作方式。如果你的日常就是在資料堆裡找線索、再把線索寫成東西，那這類工具能省下的時間是可以量化的。如果你只是偶爾問一句，那它和任何一個聊天入口沒有本質區別。工具本身的邊界，往往就是使用者需求的邊界。