每經記者|張韻    

　　模型在迭代，下点从到语Harness（調度框架）在演進，个赛企業級Agent（智能體）好用的模型核心是什麽？千問辦公CEO陳宇森的回答是“Context is All You Need（上下文即一切）”。

　　過去兩年，争争AI行業的下点从到语焦點曾是“誰的模型更強”。但到了2026年，个赛隨著模型能力趨同，模型真正決定AI能否進入企業核心業務的争争，不再僅是下点从到语模型本身，而是个赛由調度框架、工具鏈以及用戶語境共同構成的模型使用慣性。

　　AI辦公的争争下一個賽點，到底是下点从到语什麽？

　　在“2026雲棲大會”千問辦公專場，阿裏正試圖回答這個問題。个赛“企業上下文”本質是模型把企業散落在各處的數據、流程和經驗，連接、壓縮成AI能直接調用的知識圖譜。而那些能夠被理解、被複用的數據便是企業級Agent落地的前提，千問辦公押注的是一個行業內逐步趨同的判斷：AI辦公的下一個賽點，不是比誰更聰明，而是比誰更懂你的業務。

　　AI辦公的戰場變了

　　千問辦公副總裁、產研負責人束駿亮在接受媒體采訪時坦率指出：“Agent行業發展到現在，很多技術已經在趨同。決定一個Agent能走多遠的核心，是推理時給它多少上下文。”

　　這句話指向的是一個結構性變化。過去半年，騰訊、阿裏、字節幾乎同時結束了AI辦公領域的內部賽馬，集中兵力衝向同一個戰場。

　　字節的飛書團隊並入豆包，GTM團隊並入火山引擎，TRAE和扣子也一並收編，邏輯很清楚，用豆包數億月活的C端流量倒灌B端，文檔、日程、群聊原生，搶的是“協同場”。

　　騰訊的路徑則是將QClaw並入WorkBuddy，所有AI辦公能力收攏到一個產品。WorkBuddy打通企業微信、騰訊文檔、騰訊會議、QQ郵箱，支持微信遠程下達指令，搶的是“生態鏈”。

　　而阿裏在三個月內做了多次組織調整，三條Agent產品線（QoderWork、悟空、MuleRun）並入千問辦公事業部，由“90後”陳宇森統一帶隊。

　　陳宇森在演講中強調，阿裏的優勢在於擁有國內唯一的全棧AI能力。當企業有極高的安全需求，需要全套私有化部署時，從硬件、模型、基礎設施雲到軟件，阿裏能提供從上到下串聯的解決方案，這在當前市場上具備競爭力。

　　三家企業路徑雖不同，但一個共識已經形成：模型可以換，記憶不能丟。中國互聯網下一階段的競爭，正在從“模型智能”向“模型+Harness+用戶語境”遷移。誰能把AI真正嵌入用戶的工作流，誰就能拿走下一輪價值。

　　企業AI落地的實際瓶頸

　　問題隨之而來，企業級Agent應該怎麽做？

　　9月4日，千問辦公交出了第一份成績單：上線首月用戶突破3000萬，企業用戶占比過半，完成120次版本更新，平均一天迭代4次。

　　現階段行業普遍按Token（詞元）收費，束駿亮指出了這種模式的兩麵性。

　　“大家都知道模型貴，客戶願意為模型買單，但為什麽不願意為軟件買單？因為軟件沒有稀缺性，同質化嚴重。”束駿亮認為，目前行業基於Token收費，是因為產品在軟件層麵尚未做出足夠的差異化。

　　《每日經濟新聞》記者近期走訪了長安汽車，這家車企將千問辦公引入“研產供銷服”全鏈路。現在，線束選型計算從兩天縮短至5分鍾，隨車文件核查從單車十幾分鍾降至一兩分鍾。

　　麵對企業AI轉型的實際代價，長安汽車變革與效率部副總經理景笑飛說，現階段首要任務是讓員工了解AI、學習AI，形成使用AI的習慣，暫未把Token消耗設為限製因素，因為一些場景已實現數倍甚至數十倍的效率提升，獲得的價值遠高於Token成本。

　　束駿亮認為，Token付費更像是AI產品發展階段的必然選擇，未來隨著軟件差異化的提升，客戶也會願意為軟件價值和雲資源買單。

　　陳宇森在演講中引用“傑文斯悖論”回應成本焦慮：“模型價格正在被中國廠商打到地板價，基於合適的模型可以把大量自動化任務以極高性價比完成。”Qwen3.8-Flash將Token消耗平均壓低75%，企業上下文的“壓縮”機製本身也在降低推理成本。

　　國家天文台向記者展示了AI未來的另一種可能性。超新星爆發、伽馬暴等瞬變事件稍縱即逝，真實望遠鏡經不起反複試錯，10米級地麵光學望遠鏡每小時觀測成本達數萬元。

　　過去搭建一套望遠鏡仿真係統要花費數月、費用萬元級，千問辦公協助科研團隊，用3天、不到千元搭建了一套大口徑科研級望遠鏡仿真係統。Agent在虛擬環境中反複預演觀測策略，已預警8顆極早期超新星候選。國家天文台人工智能推進委員會專家李瑀暘博士說，科研範式正在改變，AI不再隻是輔助分析，而已進入科研執行流程。

　　硬件：上下文的增量入口

　　那麽，企業願不願意把上下文交給一家AI公司？這是語境競爭中最核心的信任問題。

　　企業上下文一旦建立，就形成了飛輪，用越久越懂你。但這也意味著遷移成本越來越高，企業被鎖定的風險越來越大。

　　對此，束駿亮提出了一個關鍵觀點：上下文不應跟著任何一款特定的Agent產品走，而應屬於企業自身。

　　“我們希望的狀態是，每一個人、每一個企業都有自己的上下文基礎設施。這個基礎設施可以從日常使用的各種軟件中提取沉澱上下文，並能在任何Agent中使用。”束駿亮表示，千問辦公提供的是企業級上下文的基礎設施，它類似於新時代的“數據庫”，獨立於具體的應用入口。

　　在傳統軟件與AI的關係上，束駿亮認為，傳統軟件（如釘釘、Salesforce）將退守為“數據底座”，沉澱固化的業務流程和數據；而AI則發揮其泛化能力，通過自然語言交互解決靈活多變的問題。兩者將是配合而非替代的關係。

　　除了軟件層麵的布局，千問辦公也在通過硬件拓展上下文的邊界。

　　千問辦公推出的QwenNote A2和桌麵機器人B1，被視為收集物理世界上下文的重要入口。束駿亮解釋說，硬件是連接數字世界與物理世界的橋梁，能將日常對話、物理環境信息轉化為Agent可理解的文本上下文。

　　未來，千問辦公還將探索端側模型的落地，讓更小尺寸的模型在本地硬件上運行，進一步降低延遲和成本，拓展更多即時響應的場景。

　　回顧過去兩個月，束駿亮用“欣欣向榮的一片混亂”來形容當前的AI行業。

　　“大家都很有幹勁，覺得這場仗非常有打頭。但很多企業對於自己需要什麽樣的AI，想得還不夠清楚。”束駿亮表示，現在的狀態就像百年前電剛被發現時，大家隻知道點亮燈泡，但還沒想到洗衣機和空調。

　　真正的賽點尚未到來，束駿亮認為，賽點可能是企業客戶的滲透率。千問辦公希望做懂業務、能協同、信得過的企業級Agent產品，讓一個員工摸索出的經驗能被整個組織快速複製。

　　華爾街投行伯恩斯坦報告指出，AI產業正在形成一個新的價值分層結構：模型層負責推理和生成，Harness層負責記憶、工具和任務編排，語境層負責用戶數據和曆史經驗的積累，生態層負責執行和交易。過去大家最關注的是第一層，但未來真正決定商業價值的，是後麵這幾層。

(责任编辑：熱點)