在6億用戶的真實語境中，看AI如何重構輸入法對話搜狗輸入法團隊

沉寂多年的輸入法賽道，近來被AI一把點燃。

一邊是老牌玩家加速重構：年初，長期穩居頭部的騰訊搜狗輸入法推出20.0AI大版本，用大模型的生成能力重塑輸入法的底層邏輯；訊飛和百度作為國內主流輸入法產品，也在這兩年紛紛引入大模型能力，生怕掉隊。

另一邊是新起之秀動作頻出：剛發布1.0.0版本的Typeless據稱“開口即可成文”，這種“僅保留語音交互+生成結構化文本”的模式正在受到行業追捧，如去年風很大的Whisper Flow和智譜、豆包輸入法，都屬這類玩家。最近，微信輸入法在PC版上線了語音輸入功能，用一個fn鍵系統級觸達桌面端。

各大廠商一擁而上，輸入法被AI的巨浪重新推至臺前，這說明什么信號？回看輸入法的本質，答案并不復雜。穿越多個互聯網周期，輸入法始終是底層的人機交互橋梁，因其高頻、無感的使用體驗，加上能“連接一切”的入口價值，輸入法的站位在AI時代正在被重新放大。

但做一個AI輸入法并沒有想象中的簡單。在最理想狀態下，基于大語言模型的輸入法理應能理解語言規律，通過上下文感知推測你想輸入什么，變成“懂你”的表達智能體。誰都想這么干。

在模型的上下文能力未能達到精準個性化表達的當下，行業普遍面臨一個挑戰：意圖識別和預測的結果很難滿足每個個體對“輸出準確”的預期。如何讓生成式AI的“預測”，與數億用戶長期形成、分散多變的“個人習慣” 無縫對齊，很難單憑接入一個更先進的模型來解決，它更考驗團隊基于何種視角和方法訓練模型。

這種技術視角很難憑空產生，它依靠的是長期的用戶沉淀和工程基建。我們看到，盡管輸入法看似簡單、誰都能做，但在過去幾十年里，真正實現規模化的新產品其實很難跑出來，其一原因是，這些成熟產品無一不是在長期的詞庫積累和算法優化之上認識到用戶需要什么。

這些舊時代的“臟活累活”，反而可能在AI時代成為輸入法更好理解用戶意圖的關鍵所在，這些經驗正在轉化為一種新的技術勢能。

未來的可能性，或許并不取決于“新”與“舊”的標簽，而在于誰能將大模型的技術張力，真正嵌入到具體的、細微的用戶需求縫隙里。對于搜狗輸入法而言，過去二十年積累的對六億用戶真實交互的理解，成為了AI時代最稀缺的“上下文”資產，這既是讓模型更懂你的基礎，也讓對用戶意圖的精準建模變成了一項極為復雜的系統工程。

我們很好奇，這場全方位的AI底層重構，搜狗輸入法的解法是什么？按照什么方向訓練模型來匹配用戶需求？如何在承載數億用戶既有輸入習慣的同時進行AI化的交互創新？如何解決AI輸入法在不同場景（如弱網場景）下的時延性問題？當AI語音輸入變成技術競爭主賽道，搜狗輸入法找到的那個翹板是什么？最終，當這場重構進行得足夠徹底，它將如何定義未來輸入法的供需關系？

帶著這些問題，神經漫游記采訪到了騰訊搜狗輸入法的產品和技術團隊，他們分別是來自搜狗輸入法的AI打字產品負責人isla、AI打字算法負責人Kimi和AI語音算法負責人饒老師。以下是采訪的文字對話，為保證對話可讀性，對話經編輯整理：

“大模型也許是顛覆輸入法的核心武器”

問：在公眾的固有印象中，輸入法一直被視為一項傳統的互聯網業務。但是最近市場上涌現了很多AI輸入法的創業項目，大家都在討論輸入法可能成為AI時代核心交互入口。作為在該領域深耕多年的資深從業者，各位如何看待輸入法突然變得很“性感”這件事？

搜狗輸入法團隊：AI時代的到來對于輸入法這一工具的影響，我們整個團隊感受到的是一種興奮感。過去，我們可能遵循一些既定的框架和路線來解決已知的問題，比如我們知道用戶在什么樣的拼音串下容易犯錯，基于此我們去研究特定的糾錯能力。這種研究已知問題的策略優化，在一定程度上會限制產品的想象力。

原來的輸入法是什么樣的邏輯？最早期，輸入法是基于固定的鍵碼輸出一定的候選詞。再到后來互聯網詞庫的出現，2005年人們能第一次打出“李宇春”，這是因為把互聯網海量數據轉化成詞庫，我們在這件事上耕耘了很多年，解決了有些詞打不出來的問題。

大模型也許是顛覆輸入法的一個核心武器。從技術層面來講，大模型的本質是根據上文預測下一個詞，那么在輸入法的語境下，它也可以通過各種信號感知用戶的意圖，并判斷預測輸出內容。

當大模型時代來臨，輸入法不再僅僅依賴于從詞庫中調取內容或通過網頁搜索來提供回答。這次輸入法升級，思考的核心是必須從以詞庫為核心的邏輯，升級成以詞庫為基礎+以生成為核心的算法邏輯。前期，我們通過更多的詞庫和信息整合來服務用戶，滿足詞候選的能力，在未來，輸入法競爭的核心在于誰能更懂用戶，更準確地識別用戶語境和意圖，理解用戶的輸入習慣和風格，幫助用戶做一部分的表達，這就類似于為每個用戶做一個他自己的個人表達智能體。隨著交互時間越長，輸入法對用戶的理解就越深，以至于在某些場合，輸入法能夠結合上下文幫用戶進行表達。當然，這是對輸入法終局的想象。

問：語言構成了人的思維方式，或者看待問題的視角。那隨著我不斷輸入，輸入法是不是就會越像我？

搜狗輸入法團隊：理論上這個邏輯是存在的，無非就是能做到多么極致。包括用戶常說的人名、語氣詞、語言風格等，用得越久，輸入法會不斷積累這些表達，可以非常自然快速地幫助用戶完成輸入。這也是我認為長期使用下，個性化體驗能夠逐步顯現并真正產生價值的地方。當然，我們想做成這樣，但目前做得還不夠好。

目前我們還是在務實地解決用戶具體的問題。也就是在大模型能力的加持下，我們可以解決那些過去的難題。比如在過去以詞庫為核心的產品架構下，我們提供的詞庫雖然海量，但對部分用戶而言反而構成了一種“打擾”，因為詞庫的體量決定了其無法精準匹配每個人的個性化需求，未來我們有機會在這方面做得更好。

問：我感受到兩種思維在并存，一是以用戶為核心的底色，這是穿越任何時代都不變的底層邏輯；二是AI時代的“AI原生”解法，將二者結合蠻符合大家所說的思路。團隊在推進AI化的過程中，這種思維方式的碰撞是什么樣的？

搜狗輸入法團隊：在技術和產品團隊的“PK”中，技術可能會認為，對于一些用戶反饋的問題，可以等厲害的新技術、新引擎上線后直接解決，這是一種以技術為核心驅動的思考方式。但最后發現，在服務上線后，原先那些問題好像不是算法可以解決的，而是在技術框架之外增加一個新的指標體系才能cover住。

在產品看來，在AI重構的過程中，需要考慮的是如何在那么多的用戶需求里排出優先級。從分人群的需求滿足度上看，此刻我們還沒有做到那么精細化，這不是一個能一舉兼得的東西，需要考慮優先級的抉擇，比如這次就針對醫生和律師人群做了個性化定制。

問：具體到這次AI重構打字上，我理解有兩個方向，一類是讓輸入法更理解語境，另一個方向是改善弱網打字體驗。可以這么理解嗎？

搜狗輸入法團隊：這次升級是相對底層且全方位的。關于弱網打字這個話題，其實大多數友商都是以云側為主，那一旦在飛機上這種沒有云覆蓋的情況下，離線端側的準確率就是一個不可回避的問題。

離線的限制很多，包括內存小、沒有特別復雜的模型支持，對用戶來講，相當于把詞庫裸著放在那兒。那我們如何解決弱網時延性的問題？能否把端側打字的體驗提升到——起碼不讓用戶有這么強的感知？

我們在思考整個用戶痛點和需求的視角下，做出了一個端和云聯合的生成架構去針對性地解決這個問題。這次新的離線端側模型出來后，弱網場景的缺詞率下降了大概30%，首選準確率可以達到5%的提升，在主場景上，可以說端側和云側的差距已經變得很小了。

AI語音輸入，“聽懂”的前提是“聽準”

問：我關注到一組相關數據，當前搜狗輸入法語音大概日均有20億次的請求量。基于這樣的用戶需求，之前團隊有過怎樣的洞察？大概是什么時候開始決定投入做AI語音的？

搜狗輸入法團隊：大模型爆發給這個行業帶來了很多想象力。而語音識別很大程度上是種模型驅動能力，它在技術主賽道上的PK會更加直接，因為語音識別并不只服務于輸入法場景，還廣泛應用于機器人、云廠商等多個領域，幾乎所有相關玩家都在布局。

整體來看，語音識別大致經歷了三個技術階段：最早是以統計學方法為主的階段，核心模型是混合高斯模型，這一技術路徑從上世紀80年代中期一直延續到2007年左右。隨后隨著深度學習興起，語音識別開始進入新一輪演進，國內稍晚，大約從2011年開始逐步在各類場景中落地應用。

大概在2011年左右，搜狗輸入法就已經在手機端推出了語音輸入功能，當時才剛進入移動互聯網時代，團隊非常早就捕捉到在手機端打字可能不是那么方便的問題，語音輸入會是一個用戶需求點。只不過當時采用的還是傳統語音識別技術。后來語音識別技術不斷迭代，到了2013年，搜狗輸入法就在做深度學習了，這是國內比較早的一批。再往后演進到transformer模型，我們一直是以最快的速度緊跟最前沿的技術，把最好的體驗給到用戶。

姚順雨在關于“AI下半場”的文章中講到他對強化學習的未來展望，將大模型能力融入產品對所有技術團隊來說都是挑戰。對語音技術團隊而言，核心命題在于如何利用大模型本身或其訓練思路（如強化學習）來提升現有模型能力。

問：在大語言模型深度介入之后，自動語音識別技術本身會被重塑嗎，還是更多是一種能力層面的增強？它所解決的本質問題是什么？只是“聽得更準”，還是正在從“聽見”走向“聽懂”？

搜狗輸入法團隊：整體來看，如果仍然把討論限定在自動語音識別這個層面，大模型的介入更多是一種能力增強，而不是完全意義上的重塑，本質上是在推動語音從“聽見”走向“聽懂”。

語音識別一個非常核心的挑戰在于語義層面的模糊性。用戶的發音可能不標準，或者本身就存在大量同音詞、近音詞的情況，它并不是一一對應地記錄，而往往是從多個可能結果中選擇一個最合適的輸出。最終呈現哪個字、哪種表達，很大程度上依賴于當下的使用場景和語境。大語言模型在上下文理解、語義建模以及預測、補全和糾錯方面具備更強能力，因此可以讓整體識別結果在語義層面更加合理，輸出更接近用戶真正想表達的內容。

另外，語音輸入在交互層面也存在天然挑戰。它通常只有一次性輸出，不像鍵盤那樣可以給出多個候選供用戶選擇，而是直接將一句話上屏，這對準確率和語義判斷提出了更高要求。基于這些，其實在大模型能力加入后，我們第一要解決的是準確率的問題，讓識別結果在語義上更順暢、更符合語境，也更貼近用戶原本想說的話。

問：這次重新升級AI語音上，你們覺得還有什么難點嗎？

搜狗輸入法團隊：一個難點在于方向選擇。我們更希望聚焦具體場景，而不是做一個特別泛化、完全開放的語音能力升級，因為不同場景對語音識別的要求其實差異很大。

比如“輕聲”這個非常高頻的使用場景，我們觀察到，用戶更傾向于用非常輕的方式對著手機說話，這背后是非常真實的用戶心理和使用需求，在當前的社會環境中，很多人會擔心打擾他人，甚至在工位或公共場合大聲說話本身就會帶來壓力，這也是語音輸入被一部分人放棄的重要原因。

那在技術實現上，語音本質是由頻率構成的，輕聲并不是沒有信息，而是在基頻和響度都非常低的情況下，仍然存在可識別的頻率變化。這類聲音往往只能在很小范圍內傳播，幾米之外幾乎就聽不到，有時連自己都未必聽得清。

模型訓練的關鍵不在規模

而在于是否緊貼用戶

問：我覺得在輸入法這樣一個垂直領域可能有兩個事情很關鍵，第一是技術能做什么，技術的邊界和想象力；第二是對所謂用戶需求的理解，這也是很重要的。在過去一年，對打字來說，團隊怎么去做這二者的交匯？

搜狗輸入法團隊：相比起語音，打字不在技術的“主賽道”。我們在生成式探索中并沒有直接依賴一個外部通用的大模型，因為我們對用戶的理解、沉淀的數據是無法開放到外部大模型的。我們需要迅速把這些沉淀融入全鏈路的訓練體系里，包括基礎的預訓練、后訓練、強化學習、SFT（Supervised Fine-Tuning，即大模型的監督微調）等，基于我們的數據不斷強化，通過擴展數據的知識邊界來提升我們的模型能力。

目前，我們是基于自研模型訓練。但往前走，總有一天我們要實現“行業合流”，把行業的訓練方式融入自身訓練體系，否則單靠團隊力量難以對抗整個行業技術的發展。

另外，打字與語音場景存在差異：語音更多是單次輸出并可通過后鏈路輔助表達，而打字的觸點非常多——每次按鍵都有一個反饋，用戶可能在短時間內進行各種按鍵操作，他不僅在意“準不準”，還要看“快不快”。對于打字來說，時延性是需要重點考慮的事情。

那在云和端上要做多大模型？會不會造成卡頓？會不會耗電？這都必須去考慮。我們（打字）是在夾縫中不斷尋求自己位置的存在。

我們提到強化學習很重要，那打字的觸點和需求這么多，我們要怎么去建模？這里，reward model（獎勵模型）的設計非常關鍵，這不是一個“講規模”的邏輯，而是要看這個reward model是不是跟用戶貼得足夠緊密，要確保模型和用戶體驗高度對齊，這樣才能在強化學習模式下輔助我們的模型走得更快。也許一個規模小、但貼近用戶需求的模型，比規模大、但遠離用戶的模型更占優勢。

問：人們越來越適應語音成為一種很主要的交互方式，會給輸入法這個產品帶來什么不一樣的理解嗎？未來鍵盤會消失嗎？

搜狗輸入法團隊：這是一件值得期待的事情，回看小靈通時代，很難想象手機有一天會發展到完全沒有實體鍵盤的形態。所以當今天討論是否有一天輸入法可以不再依賴鍵盤，而是以語音交互為主時，確實讓人展開想象空間。

當然存在一些垂直人群，他們主要在用語音，不太需要鍵盤。比如在一些游戲場景中，實際上之前搜狗輸入法推出過一種游戲鍵盤，它就有一個大的語音輸入按鍵，這樣的交互形態對于特定群體就蠻清晰、干凈的。

但當產品面向所有用戶時，就會發現不同人群在輸入方式和表達習慣上的差異非常大。有些用戶以語音為主，但也有大量用戶因為工作需要或個人習慣，并不希望語音占據主導，讓鍵盤消失。

在這種意義上，“鍵盤的消失”或許并不是一個統一答案，而是一種可選的定制模式，對于那種只想用語音的用戶，他可以擁有完全屬于自己的形態。輸入法的演進一定是順勢而為的，它不會教育用戶應該怎么輸入，也不是把某種新潮理念強推給用戶，而是順著真實的使用習慣自然生長。

問：我最近有一次很直接的體驗，前一天晚上用語音輸入法寫提綱，我就嘗試一邊說一邊寫，但真正用下來會發現，寫到一定程度后還是會講不下去。當我回到打字狀態時，其實是一個自己跟自己交流的過程，我每打一個字，都會在大腦中形成一次信息輸入和緩存，從而不斷推動思路向前。我感覺打字本身還是有它的魅力的，這是一個更加復雜的思維過程。

搜狗輸入法團隊：這里面其實存在一個很大的差異：語音更多是一個直接輸出的過程，需要用戶在發送前再做一定加工；而打字本身包含了一個在腦中加工信息的過程。進一步說，打字和語音本質上對應了不同的腦與身體的配合模式——語音是腦與嘴的配合，打字是腦與手的配合。

另一方面，打字通常是一個邊想邊修改的過程，輸入法如果能理解用戶的每一次光標移動、退格和修改意圖，就能預測和優化輸出結果，例如用戶輸入“結婚”時實際想表達的是“結果”，在退格的過程中系統就可能預測到用戶選錯了，這需要基于整體語境去判斷意圖。

問：AI能夠幫忙糾錯和聯想，有些人覺得AI會過度理解、自作聰明，如果聯想過于豐富，用戶可能反而難以接受。這個度需要怎么去把握？

搜狗輸入法團隊：從技術原理上看，打字的拼音輸入和聯想存在一個很大的區別，那就是概率。假如打字的首選命中率達到80%左右，那絕大概率展現給用戶的候選對他們來講是合理的；但聯想天然的技術瓶頸在于，它遵循的是一個普適的概率邏輯，概率分布呈現為平緩的曲線，它可能出現一萬個候選，每個候選都分了一點點的概率，那在這種情況下，它必定很難滿足所有用戶。而未來的聯想，一定是把它的基礎條件概率增高，也就是得在更多信息的基礎上了解用戶、場景和上下文。

要想讓聯想達到輸入效率這條路徑上的質變點，那它一定要達到極高的準確率，盡管豐富性也很重要。但如果不準確的話，它就喪失了這個功能的天然定位。其實我們也看到，如果所有的輸入都要靠聯想預測幫你完成，那時間效率可能是更慢的。

這背后其實是一個關于個性化的問題。當我們接觸打字的邏輯時，會發現至少打字不是一個可以被激進個性化的工具，它不像內容推薦：當你在短視頻平臺搜一個美食教程時，你對內容推薦是可以沒有預期的；但打字的時候，你對要打什么字會有非常明確的預期，那只有在技術更有把握的情況下，才能做得更準，否則強調輸出內容的豐富性對打字用戶來說是沒有意義的。

在這一點上，產品在大模型時代是比較有預期的。過去以詞庫為核心構建輸入法時，很難做到個性化，因為詞庫本身是統一的公共詞庫。這就意味著，當用戶輸入一個自己從未輸入過的拼音時，大概率看到的是一組高度相似的候選結果，最多只是疊加一些場景上的不同。我們期待在大模型能力的加持下，輸入法至少能夠在個性化這條路徑上往前走幾步。

誰能用大模型定義泛化的供需關系

誰就掌握了輸入法的未來

問：當前業界對于“原生AI”與“產品AI化”存在一些固有印象。一種觀點認為，像OpenAI這樣的原生AI公司終將占據主導，他們認為一切要圍繞革命性技術來構建，傳統產品缺乏想象力，只能在原有架構上疊加AI功能。另一種觀點則認為，擁有成熟產品的公司更具優勢，只有回到用戶、回到場景，才能讓AI改造更直接、更高效地觸達用戶。對于輸入法而言，徹底的重構還是功能的疊加，是一個重大抉擇。當時內部經歷了怎樣的討論？

搜狗輸入法團隊：問題的本質不在于我們要選擇疊加還是重構，這不是站在“工具擁有者”的角度去自我定義，而是回歸用戶需求的本質，選擇最契合的解決方案。以此次推出的AI翻譯為例，它直接調用了公司內部成熟的大模型能力，我們可以認為這是一種疊加邏輯。

但落在打字業務上，我們如何把自身20年的沉淀和模型能力結合起來，為用戶提供更好的打字體驗，從這點出發它必然是用AI重構的邏輯，而不是一個AI疊加的邏輯。這是因為，單純搬運或者疊加（模型）是解決不了輸入這件事情的難題的。

反過來說，即便OpenAI擁有領先的技術，它也未必就能做好一個輸入法。這是因為用戶需求多元，場景也很復雜，想通過完全AI原生的模式來做輸入法難度非常大。就算我們做了很多AI重構，也很難說純AI零基思維出發能做到這件事。對輸入法來說，積累是非常重要的。

在打字這件事上，從上文預測下文的這種模式，其實并不是大模型來了之后大家才意識到的。之前國內外做神經網絡和語言模型的團隊也一直在推進研發，但實際上他們都沒有做起來。那為什么沒有做起來呢？我覺得是現在的技術沒有達到臨界點——足以讓業務的沉淀、用戶的需求在強大的技術能力上“不堪一擊”。

現在受到大模型時代的沖擊，輸入法的框架思考邏輯可能會有一些變化，但也不是說就能夠拋棄原來的詞庫檢索邏輯。除非未來出現這樣的技術拐點，即一個大模型輸入法可以短時間內把我們20年累積的經驗像核彈一樣瞬間秒掉，但到那個時代的話，被瞬秒的業務應該就不只是打字，而應該是各行各業都會被顛覆。

問：目前來看，這一重構的工程量和挑戰都極為艱巨，那么團隊現在究竟處于這一進程的哪個階段？

搜狗輸入法團隊：我覺得我們大概還處在長征路上大約剛走到貴州的階段。是否已完成徹底重構？其實沒有，我們距離精準建模還有差距。

另一個點在于，這不是一款新產品，用戶存在使用慣性。對于打字這個高頻使用場景，我們無法一夜之間徹底改變——不能自詡提供了更好的模式便強制推行，因為用戶未必買賬。

問：能舉個例子嗎？就是這個技術能夠做到，但最后考慮用戶可能覺得太超前而克制住的某個功能。

搜狗輸入法團隊：這種情況在打字場景中非常多。比如，輸入法可以按全拼或者混輸去理解，用戶按全拼輸入一個“晚上”的“wan”，系統也可以按混輸識別出“我愛你”。那要不要把“我愛你”提示給用戶？這究竟是驚喜，還是驚嚇？在這里，我們需要考慮用戶預期是什么？從模型的概率統計上來講，它可能會是怎樣的結果？

對每個個體來講，他其實一定程度上是在對抗統計學的。就像通用語音識別模型給出的“ta”都是男的“他”，那女的“她”誰來保障？如果把男的“他”做得不可撼動，用戶怎么都改不回來，那這種邏輯的技術增強對用戶是有損害的。我們對于預測這種能力，其實在這次AI升級上是非常克制的。

問：你會發現那些原生AI產品為什么那么大膽，可能也是因為用戶太少了，所以可以用很高的模型配置，反正也花不了多少錢。但對于我們這樣擁有龐大用戶體量的產品來說，面對這么大的難題，我們有什么解法？

搜狗輸入法團隊：確實，因為用戶體量可能相差數百倍，從AI的角度看，成本同樣會放大到數百倍。對我們來說，在面對很多看起來很fashion的新技術方案時，保持克制反而尤為重要，要在工程優化的前提下保證我們的成本是可以長期cover住的。那對一個擁有6億用戶的產品來說，上線一項能力，意味著要做好持續服務的準備——一年、兩年，甚至十年、二十年，而不是先試一試，不行再撤。這本身也是對用戶的尊重。

對于大模型的到來，團隊也曾有一些發散性的想象：既然輸入法擁有強大的入口價值，是否可以幫用戶打車、點外賣，甚至把大模型能力在各類場景中全面聯動？這些想法很有創意，但冷靜下來后，我們給自己制定了兩條核心產品原則，明確至少在當下這個階段，我們應該做什么、不做什么。

第一，我們不可以為了做AI而做AI，不要為了展示我有AI能力，就急于包裝和推出一些功能或產品，這是我們堅決避免的。第二，專注于輸入法的本職工作，用戶選擇你的產品，是希望在輸入法范疇內獲得價值，而不是在廣泛、無邊界的功能堆砌中尋找體驗。

問：這一次的新版本被我們定義為全面AI化的起點。如果從更長遠的視角來暢想，在未來三到五年內，你們認為輸入法的整體形態可能會發生哪些關鍵變化？

搜狗輸入法團隊：當下用戶對輸入法的感知并不是那么強烈，是相對隱形的存在，他可能清楚自己在刷短視頻、點外賣、用某個App，但并不會意識到我正在使用某一個輸入法。但從未來的角度看，輸入法作為一種工具的價值和屬性，會被持續放大。

比如這次我們面向醫生、律師等專業人群，打通專業數據庫所提供的能力，本質上是圍繞用戶場景展開的，借助輸入法這個工具拉通各個垂類應用，讓用戶在需要某類內容時能夠直接完成內容級的調用，而不必頻繁切換應用、反復查找。

類似的探索也在入口層持續推進，比如我們最近在內部進行的一些測試，通過整合公司級內網入口，讓用戶可以自定義自己的輸入鍵盤，把常用鏈接和入口統一收斂到輸入法中。這樣一來，無論用戶身處哪個應用、什么場景，都可以一鍵調起所需內容。

我們可以預期，會出現大量面向高度垂直場景的智能體用來解決日常生活的具體問題，但這些智能體無論能力多強，最終都需要一個被用戶高頻觸達、自然調起的承載入口。如果用戶需要在不同應用之間反復切換，去逐個打開和調用這些智能體，這個過程本身就會變得非常繁瑣。這也是為什么越來越多公司入局這一賽道。

問：雖然很多人入局搶奪入口，但從歷史發展來看，入口往往不是搶奪來的，而是自己長出來的，取決于用戶是不是需要你，你們怎么看這個問題？

搜狗輸入法團隊：一直以來，我們不會強調要去“做一個入口”。回看互聯網這么多年，很少有宣稱要做入口的產品最終是做成的，更多的情況是，把產品的能力和體驗做好，用戶愿意留在這里，到一定程度它自然變成一個入口。

最終回到我們如何定義輸入法的供需關系，需求是一個直接的需求，還是一個泛化的需求？未來，輸入法泛化的需求空間是更大的，這是我們的入口邏輯。這個供需的底層邏輯是更好地理解用戶場景和意圖，通過更自由地調用大模型，我們能先人一步地捕捉并滿足用戶個性化的意圖，強化這一供需關系。這是未來大模型和輸入法結合所帶來的機會。