文 | 强调 Next
今天，高考进入到第二天。
考场内，1290 万考生奋笔疾书。考场外，四家大厂的 AI 产品团队正在进行另一场考试。
近日，腾讯元宝与 QQ 浏览器联合发布 " 元宝高考通 "，自称 " 行业首个高考咨询师 Agent"。夸克宣布推出全流程免费高考频道，连广告都没有。百度则悄悄用文心助手全面替换了去年接入的 DeepSeek 等第三方大模型上线高考服务。字节豆包暂未单独上线高考入口，但按去年节奏，志愿填报季一到，大概率如期而至。
一场夏季流量战已经全面蓄势待发。
01. 持续了十多年的流量战
每年六月到八月，是中国互联网最确定的暑期流量高峰。大概十年前开始，百度、夸克、QQ 浏览器靠搜索吃高考流量，各类教育平台靠信息差收割家长焦虑，逐渐形成了这个中等体量的流量大战。
AI 时代换了工具，没换逻辑。大家争的还是同一批人在同一个时间窗口的注意力。
2026 年高考报名人数 1290 万，较 2024 年历史峰值 1342 万已减少 52 万，但 AI 志愿工具的使用量在同期高速增长。
据各方披露数据显示，2025 年，夸克生成了超过 1200 万份志愿报告，回答志愿填报问题超 3.3 亿个。百度 AI 志愿助手在 2024 年就覆盖超千万用户，占当年考生总数的八成以上。考生数量在收缩，工具使用量在膨胀，使用 AI 报志愿，正在从 " 一种选项 " 变成 " 默认行为 "。
高考流量之所以值得争夺，还因为它有一个特殊性。高考是一个人生节点，不是一次普通的内容消费。人在高强度焦虑、面临重大决策时使用的工具，形成的习惯粘性远高于日常场景。
因此，大厂争的不只是六月这两周的流量峰值，更有接下来的更多年的使用习惯。考生用某个 AI 报完志愿进了大学，这四年大概率还会用它写论文、做PPT、找工作。大厂免费帮你报志愿，算的是用户生命周期价值，不是当下的付费转化。
02.AI 时代的路线分岔
互联网时代的高考流量战，大厂拿到的是行为数据，包括用户在我的平台待了多久，点了哪些链接，搜了哪些关键词等。这些数据是行为的投影，是间接的。
AI 时代不一样。用户在用 AI 填志愿时，会主动告诉 AI 助手考了多少分、在哪个省、选了什么科目、想去哪个城市、偏好什么专业、家里有什么期望、能不能接受去外省等等。这是互联网时代靠行为追踪很难精准还原的个人画像，而且是用户主动、认真输入的高质量数据。
四家大厂里，阿里的 " 夸克 + 千问 " 是把这件事做得最彻底的。目前市场上唯一宣称自研高考志愿大模型的厂商，覆盖考前错题整理到考后志愿报告的全流程，全部免费。
高考季是夸克采集考生决策数据的节点，千问是消化这些数据的模型端。这不是一个简单的流量合并，而是阿里在 "AI to C" 战略里的一条数据管道：这批结构化的高意图用户数据，对模型训练和后续精准服务的价值，远超志愿填报本身能收到的那点 VIP 费用。
高考志愿场景是腾讯在日常工作流之外为数不多的 C 端高频刚需，也是验证元宝 Agent 能力是否成立的真实压测。它争的是 "AI 顾问 " 这个心智位置：在用户最焦虑的时刻成为他信任的那个声音。
但百度的产品设计里有一个细节与其他家不同：在 AI 志愿报告的开头和最后一屏都有明显的付费咨询入口，点击跳转掌上高考平台，购买 " 专家一对一志愿填报 " 服务，定价 2980 元。这意味着百度有更明确的付费转化需求，AI 报告也是付费转化漏斗的顶端。
03. 但这个入口有个烫手的地方
大厂想要的是入口价值，但这个场景里有个它们都不想接的东西：决策责任。
高考是少数几个 " 结果可以被清晰验证 " 的 AI 应用场景。推荐的餐厅不好吃，用户最多吐槽一句。志愿填错了，滑档、复读、人生轨迹改变，后果是实实在在的，舆论追责也是严重的。
这两年产品的迭代速度没有消除这个风险，反而让它更难被识别。国家教育考试指导委员会专家陈志文表示：" 目前市面上流行的这类软件，只是 AI 的初级产品，它只是根据历史的录取数据做了一个未来录取的预测预判，无法精准预测，仅供参考。" 关键在于，大模型的表达方式改变了，底层逻辑没有改变。
第一代产品给出一张数据表，用户知道这只是历史数据；第三代产品用流畅的自然语言给出 " 建议 "，用户感受到的是 " 专家在和我对话 "。信息密度没有实质提升，但信任背书悄悄升级了。
据媒体报道，往年有考生按夸克推荐逐条填报，最终所有志愿全部滑档。此外，不同平台对同一考生的 " 稳 " 档推荐差异巨大，但没有人能说清差异从何而来。各平台的预测模型和数据来源从未对外公开。
这类错误往往不发生在系统最熟悉的领域，而是发生在规则边界，比如新高考政策变化、平行志愿的操作细节、省份差异带来的特殊情形。越是用户最需要判断的地方，AI 越容易给出听起来合理、但实际出错的答案。
大厂比谁都清楚这个场景里 AI 的局限，但清楚归清楚，流量还是要争的。
04. 数据同质化，以及一个更难解的问题
竞争越激烈，同质化越难被掩盖。
据报道，夸克、百度、腾讯三家的核心数据库，均对接中国教育在线、省级招考院、高校官网等信息源，覆盖的都是一分一段表、批次线、历年录取位次、招生计划等 " 硬指标 "。在数据底层，三家并没有实质差异，用户体验到的差别主要来自界面逻辑和对话交互，不是信息本身。
真正的差距在 " 软指标 "，包括就业率、薪资水平、考研去向、行业景气度等。这恰恰是志愿决策中权重最高的变量，选择一个专业本质上是在押注四年后的就业市场。
但三家的软指标能力都有盲区。因为高校的就业数据披露质量参差不齐，部分高校的就业率统计口径存在失真，薪酬数据的样本量和时效性缺乏标准。这是供给侧的普遍性问题，AI 无法凭借更好的算法来弥补。
这个缺口直接解释了为什么 " 张雪峰们 " 的服务在 AI 大规模普及的背景下，不仅没有被替代，定价还在上涨。他们卖的是对专业就业前景的判断，恰恰是 AI 工具最薄弱的环节。
05. 结语
大厂每年都会做高考报志愿。流量峰值是确定的、绑定用户的逻辑是确定的、数据价值是确定的。这场仗，大厂没有理由不打。
但在一个没有人愿意为错误决策负责的场景里。没有任何平台公布过自己的建议准确率，没有任何机构做过独立测评，更没有任何赔偿机制。如果 AI 工具存在 1% 的系统性错误率，1290 万考生里意味着超过 12 万次被错误建议影响的决策。
高考志愿填报对个体的影响长期且不可逆，用户在判断建议质量上几乎没有专业能力。但这个场景目前完全处于规则真空里。
