腾讯 ima：把搜索、阅读与写作装进一个 AI 工作台

腾讯最近把一款叫 ima 的产品推到了台前。官方的说法是"智能工作台",拆开看其实很朴素:把搜索、阅读和写作这三件本来分散在不同软件里的事,收进同一个窗口。底层跑的是混元加 DeepSeek 的双引擎,面子上是 Windows 和 Mac 客户端,外加一个微信小程序,数据在几端之间同步。

这类产品的价值很难靠一句宣传语讲清,得看它把哪个动作变短了。以前查一份资料、读一篇长文、再写一段总结,要在浏览器、阅读器、笔记软件之间来回跳。ima 想做的,是让人别再跳。

国产 AI 工作台在抢同一个位置

把这个品类摊开看,会发现大家都在往"入口"上挤。谁能让用户第一件事就打开自己,谁就拿到了后面的留存。搜索起家的想把问答做进结果页,笔记起家的想把 AI 塞进编辑器,公众号生态里的产品则想借微信把使用频率拉起来。

ima 的选择是把重心放在"知识"上:一边是公开信息的检索,一边是个人资料的沉淀,中间用 copilot 串起来。腾讯给新用户的额度是注册送 500 点算力,之后每天补 100 点,这个设计透露出一个信号,它希望这是一款被日常打开的产品,而不是偶尔用一次的玩具。

真正拉开差距的,往往不是单点能力,而是链路是否完整。想法进来,资料出去;资料进来,草稿出去;草稿进来,成稿出去。任何一环断掉,用户都得自己接上,所谓"工作台"就退化成又一个对话框。

ima 把搜索、阅读、写作放进一个界面,本质上是在赌一件事:用户愿意为"少切换一次"买单。这个赌注在移动端尤其明显。小程序版本让手机上也能随手记下灵感、随手追问一句,桌面端负责需要大屏的重活,两端同步,这套组合更接近国内用户真实的使用习惯。

第一是信任边界。当搜索、个人文档和生成内容混在一起,用户很难分清一句结论是从哪来的。来源标注做得再细,一旦模型开始改写和拼接,追溯仍然费力。第二是迁移成本。个人知识库最怕锁定,数据导不进导不出,用户就不敢把真正重要的东西放进去。

第三是同类竞争。这个赛道已经很挤,从办公套件到大模型厂商,再到做笔记的老牌工具,谁都不想让出入口。ima 目前更像一个把现有能力重新组装的产品,而不是一个非它不可的理由。能不能成,要看 copilot 那套"学习用户习惯"的机制是否真的让使用变顺,而不是多一层需要调教的黑箱。

把模型能力做到最强,是实验室的题目;把产品做到顺手,是产品团队的题目。这两件事的难点完全不同。前者靠算力和数据,后者靠对具体使用场景的理解。一个工作台要真正被用起来,得回答很多琐碎但致命的问题:打开速度够不够快,输入框会不会挡住内容,历史记录能不能一眼找到,写了一半的东西会不会丢。

这类问题没有任何一个能靠"更强的模型"解决。它们考验的是对工作流的体贴程度。国产 AI 产品过去一两年最大的转折点就在这里,从比谁的模型分数高,转向比谁的体验缝得更密。用户的迁移成本很高,但只要有一个工具真的省了他们每天半小时,他们就会留下来,并且把数据交给它。

这也是为什么"工作台"这个词值得较真。工作台不是功能的堆叠,而是把一串动作焊成一条路径。功能可以复制,路径很难。谁能把从找资料到成稿这条链走得最顺,谁就守住了入口。ima 站在这条线上,它不追求惊艳,追求的是被用起来。

国产 AI 应用这两年的一个明显变化,是从"秀能力"转向"拼顺手"。比谁的模型跑分高,用户其实感知不强;但少点几次鼠标、少复制粘贴几段,是当天就能感觉到的。

另一个信号是双引擎。混元加 DeepSeek 的组合,说明腾讯并不执着于只用自家模型。对用户来说,谁家的模型不重要,能稳定、便宜、快速地完成任务才重要。这种务实在国内产品里越来越常见,某种程度上也解释了为什么应用层的竞争,最终会回到体验而不是参数上。

要不要用,取决于你平时是不是"信息密集型"的工作方式。如果你的日常就是在资料堆里找线索、再把线索写成东西,那这类工具能省下的时间是可以量化的。如果你只是偶尔问一句,那它和任何一个聊天入口没有本质区别。工具本身的边界,往往就是使用者需求的边界。