2月12日零点，千问App内领取25元无门槛抵扣券的活动就已经彻底结束。许多人手里仅有21张卡，远远不够用，所以只好向官方团队反映情况。昨晚2月13日的下午，千问团队回复称，大家的意见他们都收到了，虽然发了一周的免单卡已经让人手抽筋，但还是会连夜研究新方案，明天给大家答复。今晚千问还有第二轮“春节请客 瓜分30亿”的重头戏要展开。虽然还在敲定最终细节，但官方已经通过记者透露了一些新玩法。相比千问的直接发钱，豆包在2月13日晚启动了新春活动的第一阶段。用户只要打开豆包App，体验一下AI生成拜年祝福、新春写真等功能就能参与抽奖。大家晒出的红包金额主要集中在0.1元到8.88元之间，像1.66元和1.88元是比较常见的，只有极少数人能拿到66.6元甚至88.8元。除夕夜还有一波大动作，当晚春晚直播时会有三轮互动抽奖，向全国观众送出超过10万份科技好礼和最高8888元的现金红包。值得注意的是，就在这个关键时刻，豆包大模型2.0正式发布了。它同步升级了Seedance 2.0和Seedream 5.0 Preview，构建起了全模态AI矩阵。春节一直是互联网产品争抢用户的好时机。从2015年微信红包的“摇一摇”到2022年短视频红包集卡，今年站在聚光灯下的就是各类AI产品。根据公开数据显示，阿里、腾讯、百度这三家头部企业在春节营销上的投入超过了45亿元。字节跳动旗下的豆包大模型这次也宣布要送出科技好礼和现金红包。四家公司都把自己最核心的生态优势变成了新年福利送给全国用户。 这次红包大战的背后其实是中国人工智能产业过去一年的整体进步。自从2025年DeepSeek等标志性模型涌现后，国产大模型在对话理解、逻辑推理等方面有了很大突破。有关机构测算显示，2025年我国人工智能企业数量超过了6000家，核心产业规模预计能突破1.2万亿元。产品形态也从单一工具变成了覆盖算法、平台和行业解决方案的全链条生态。随着主流模型变得好用起来，国内头部企业竞争的焦点也变了。阿里打算把千问接入淘宝闪购、支付宝、高德等核心场景里，引导大家用一句话就能完成消费全流程。腾讯靠微信、QQ的社交关系链来让AI和社交场景更好地结合。百度选择了更直接的方式把红包活动和AI互动都放在百度App里。与前三家的补贴策略不同，字节跳动借助春晚这个大流量入口给观众送科技好礼和现金红包。虽然四家公司的方法不一样，但目标都是一样的：在技术成熟后把用户留下来，把生态建起来。 不过不管大家玩得多热闹、钱发得有多少（比如千问的30亿），新春热度总是会过去的。真正能留下来的才是关键。产品体验能不能一直变好、用户隐私和数据安全能不能保障、服务能不能真的帮到人这些问题才是决定这场竞赛长期价值的重要标准（例如那最高的8888元、那平均1.66元或者1.88元）。不管是千问2月14日的第二轮活动、还是豆包2月16日的除夕夜抽奖、还是阿里、腾讯、百度、字节跳动四家加起来投入的45亿元、还是2025年的产业规模突破1.2万亿元、还是2015年的微信红包到2022年的短视频集卡再到今年的AI红包大战、亦或是除夕夜的10万份科技好礼或者说那过去一年国产大模型的突破（比如豆包大模型2.0）、还是2025年超过6000家的人工智能企业数量或者说那四年来互联网产品的变化趋势甚至是那几句简单的AI拜年祝福或者说那张截图里的66.6元或者88.8元亦或是那最高的8888元甚至是那平均的0.1元到8.88元的金额或者说那30亿的瓜分金额或者说那几个重要的日期比如2月12日零点结束领券的时间或者是2月13日下午千问的回复时间或者是2月14日晚上千问的重头戏时间还有2月16日的除夕夜时间以及30亿这个数字还有45亿元这个数字还有1.2万亿元这个数字还有10万这个数字还有25元这个数字还有8888元这个数字还有1.66元这个数字还有1.88元这个数字还有0.1元这个数字还有2015年这个年份还有2022年这个年份还有2025年这个年份还有阿里、腾讯、百度、字节跳动这四家公司的名字甚至是那几个关键的功能点比如AI生成拜年祝福、新春写真、头像、祝福卡片、拜年视频还有那个用一句话完成消费全流程的使用习惯还有那个依托社交关系链的有效衔接还有那个内嵌于百度App里的互动抽奖甚至是那个从技术更强转向产品被更多人使用的竞争焦点这些东西都会在历史长河中逐渐被淡忘（比如大家可能很快就会忘掉千问的30亿）。 只有那些真正能解决问题、能持续优化体验、能保障安全的数据才会留下来成为行业发展的基石（比如那四家公司都在努力把用户留下来并把生态建起来）。 所以不管这场AI红包大战打得有多激烈、不管大家玩得有多开心（比如豆包话题冲上热搜）、不管那最高的8888元有没有人拿到（概率极低）、不管那些平均的0.1元到8.88元是不是大家想要的（很多人晒出的截图显示实际金额较低）， 最重要的还是要回归到产品本身的好坏和对用户的实际帮助上来（比如那个能否真的解决用户实际需求）。