欣欣向荣的一片混乱。
文｜白 鸽
编｜王一粟
9月22日，中国“云计算春晚”——云栖大会又来了。
在“无法计算的价值”背后，我们看到了AI行业一些新的风向标。
企业们不再问“要不要用AI”，而是带着具体的问题，来现场寻找答案。
“我们有很多财务数据，AI能帮我们基于数据做经营分析决策吗？”“之前用AI踩了好多次坑，你们怎么保证我们的数据安全？”“我们泛BI的能力能不能迁移到千问办公？一年的费用大概是多少？”“这个产品对我们原先的数据指标这些治理的要求是不是很高？”
显然，企业已经不再关注大模型具体的参数，而是转向自己的需求——数据、安全、成本等等。
对于这个企业级需求，AI办公产品或许是AI大模型爆发四年以来，目前为止给出的最完整的答案。
千问办公，也是这场竞争中不可忽视的一个。
诞生于8月初，千问办公由阿里旗下QoderWork、MuleRun、悟空三款产品整合而来。
作为科技大厂竞争最激烈的战场之一，阿里、字节、腾讯先后面向AI办公赛道开启了产品整合。
但整合只是起点，真正的分野在于方向。
“千问办公是业内首个企业级Agent产品，Agent要在企业真实场景落地，既要懂业务，也要像人一样在企业和组织内协同，且每一次任务执行要有边界、能追溯。”阿里巴巴集团副总裁、千问办公CEO陈宇森如此说道。
阿里巴巴集团副总裁、千问办公CEO陈宇森
云栖大会上，千问办公面向企业场景发布七大产品和功能，包括全新产品企业上下文（Enterprise Context），及托管平台Managed Agents、数字员工、QwenNote A2、协作功能、千问办公应用功能、安全中心等。
这套能力体系的本质，是把企业级Agent，从模型竞赛，拉回到组织工程。
上下文让它懂业务，身份让它进组织，协作让它融入团队，应用让它进入系统，安全让它被信任，这一系列产品构成了企业级Agent从理解业务到执行任务、组织协作和安全治理的完整体系。
如此庞大的完整体系，加上运转所需的应用生态，AI办公产品注定是一个大厂“神仙打架”的赛道。
那么，千问办公的这手牌，能经得起企业的检验吗？在拥挤的AI办公赛道中，又究竟能够打出多大的胜面？
先把数据接住 再谈Agent懂业务
数据，对于AI来说至关重要。
很多的通用大模型，训练数据主要来源于公共网络，所以它能够回答“茶饮市场现状规模有多大”，但是却回答不了“制冰机什么时候换滤芯？”“华东区上个季度毛利率是多少？”这些专属问题。
因为这些是属于企业专属知识数据，脱离了企业场景，大模型根本不懂这些问题的核心内容。但想要用好企业数据，却是整个行业的“老大难”。
“企业级Agent真正落地的前提，就是数据。”陈宇森如此说道。
一方面，企业数据有很多，但往往比较分散且杂乱。
就拿方达律师事务所来说，在其成立的20多年中，前后采购了十几个不同软件，这些软件上沉淀了他们上百万的法律文件，且每一份都极度复杂。
更为重要的一点是，他们每一个系统之间的数据，都不能够互通。律师的工作，往往又很具有延续性，从客户进门、签合同、计时、做利益冲突核查、收款，到整个项目流程，这本来是一条完整的上下文链，如今断在十几个互不相通的系统里。
另外，对于很多企业来说，它的核心知识数据往往掌握在少数核心员工手中，比如传化集团做黄磷采购，过去主要是靠人的经验判断，“我们也想买外部预测模型，但结果却是PoC周期非常长，要么成本就很高。”传化集团CIO杜海艳说道。
与此同时，对于企业而言，安全隐私问题，更是重中之重。“很多大型央国企，都有明确的私有化部署需求，重点考虑的就是模型安全问题。”现场一位展商如此对光锥智能说道。
这些难题，行业里不是没人解过，只是解法的定价决定了大多数企业够不着。而现在，千问办公把答案做成了标准产品——企业上下文（Enterprise Context）。
古茗通过 Enterprise Context 对原始资料进行结构化处理
所谓企业上下文，就是把企业多年积累的文档、会议数据、群聊，以及散落在各处的“隐性知识”连接起来，让每一个交给千问办公的任务，都按需从中提取执行所需的上下文。
而“决定一个Agent能不能够很好地理解一个人，理解一个行业，去完成这些任务的一个核心的点就在于在它推理的时候，给它多少上下文。”千问办公CTO、研发负责人束骏亮说道。
陈宇森把这套方法总结为三个关键词：连接、理解、复用。
对应前面的“不懂”，就要把数据连进来；一个人的经验不能共享给别人，就要强调复用。而在连接和复用之间，一个很关键的点是理解，这就需要对数据进行压缩。
把数据接进来，并不是说一股脑的直接把企业脏数据灌给大模型，“我们的目标并不仅仅是做一个新的结构化数据，这是不够的，而是这个结构化数据必须要AI友好，Agent能够开箱即用。”束骏亮说。
换句话说，进上下文的数据，进门之前先完成一次面向AI的翻译。
另外，据千问办公提供的数据显示，中大型企业内部数据规模平均约150PB，而当前最强模型上下文窗口只有100万tokens，塞进一个50MB以上的文档就可能把窗口打爆。
这意味着，做企业上下文，就不能只是一股脑地把企业内部的数据全部拉起来，存到一个地方，这样Agent是用不起来的。
针对此，千问办公给到的解决方案是将类似文件系统式地逐层压缩，数据先被结构化和抽象，配合图数据库在人、项目、文档、群聊之间建立关联。
而Agent的理解就发生在这一步，压缩不是删减，而是提炼出数据之间的关系。最终达到的效果就是，Agent干活时，只需要按需从上下文中提取执行任务所需的那部分数据，按企业的业务规范理解知识，然后把任务执行下去。
就像图书馆的系统一样，不需要背着整座图书馆，就知道哪本书在哪一格。
更重要的是，千问办公的Enterprise Context，并不锁在千问办公产品里。“上下文其实是跟着它的主体走的，它是企业的上下文，这个东西最终使用要跟Agent产品解耦。”束骏亮说道。
他直白地说道：“我们提供的是一个企业级上下文的基础设施，这个基础设施是属于企业自己的，它其实就跟数据库一样，只是还没有这么标准。”
数据的问题有了答案，新的问题随之而来，一个懂业务的Agent，怎么成为一个组织里的“同事”？
Agent进组织 既要协同又要安全
智能客服、销售助理、理财顾问......
Agent在企业的落地，往往会更多的以“数字员工”的形式切入，并率先替代重复性高的工作。
比如在物流行业中，中国仓储物流企业富立卡的销售，每天都需要做很多复杂的工作，不仅要面对客户，还要面对工厂、老板，跟财务、内部运营打交道，有时甚至要进入产品流程，跟设计同事沟通，跟物流、仓库的同事沟通，还要跟售后打交道。
所以，销售像企业的信息中枢，花了非常多的时间在沟通。但销售更有效、更应该花时间的沟通，应该是拜访客户、跟客户沟通。
那么，想要达成这样的效果，就需要把销售除面向客户外的其他工作场景，用Agent来干活。
这也是千问办公此次重点的产品功能之一，即帮助企业生产数字员工，不过区别于其他企业数字员工，这里的数字员工更多的是一个场景，也就是说它不拘泥于某种固定的形象，而是能够真正进入企业业务流、开始干活。
比如针对富立卡的销售团队，千问办公就为它配置了三个数字员工，包括查询员工，主要是匹配客户需求与产品，而报价员工，则结合客户信息和规则测算报价，最后是合同员工，它要承接前序信息生成合同并按企业规则发起审批。
三个数字员工各司其职，通过企业上下文共享当前业务所需信息。它们围绕同一笔业务分工协作，推动询盘、报价、合同持续流转。
这背后，是千问办公的三个核心能力，后台的Managed Agent，它能自定义数字员工、提供Runtime；其二就是企业上下文，让Agent懂企业；以及钉钉，改造了过去Bot类产品的进入通道，让Agent以员工身份进入组织，拿到对应的组织权限，和人在同一个场域沟通。
单个数字员工之外，还有一个更难啃的问题，项目一复杂、参与的人一多，人和人、人和Agent如何在同一个场域里协作？
为此，千问办公推出“协作”功能，把项目相关的群聊、文档、日程、人员进展汇聚到一个场域，让人和Agent在同一处闭环完成工作。
工作时，员工可直接与同事或Agent讨论，Agent之间也能相互沟通分工，完成任务。产出和进度统一沉淀在空间中，不必在多个群里反复查找转述。
对此，陈宇森的产品哲学很鲜明：“跳出和打断是非常影响人的，一定要让本来就应该在一个场域发生的事情，在一个场域发生。”
但协作功能解决的是“场域”问题，这里有一个无法回避的现实。
过往企业的协同办公，更多的是在钉钉里。那么，数字员工也好，协作功能也好，要真正进入一个组织，都必须要先回答与钉钉的关系，两者在企业组织里，到底要怎么协同？
“中短期是齐头并进，钉钉沉淀了大量数据资产和客户业务流程，强行让用户切换工作界面对客户不合理，客户也不会认可。”束骏亮如此说道。
但他也坦诚的说，现在钉钉和千问办公的融合是双向的，在钉钉里处理文档，可以用上千问办公的总结、润色能力，开会时可以把千问办公的机器人拉进钉钉会议做纪要、实时翻译；反过来，客户以千问办公为入口、业务流程留在钉钉上，也“非常欢迎”。
长期来看，束骏亮则给出了一个清晰的分工预判，传统软件不限于钉钉，还包括Salesforce、SAP等，可能会退守为数据底座和上下文底座，承接固化的、不能泛化的业务流程，而AI则负责泛化能力强、自然语言交互的部分。
据有关消息，千问办公正与SAP、Salesforce两大全球软件巨头推进合作，将成为两家公司在中国首个官方合作的企业级Agent伙伴。
至于终局形态，他没有给确定性答案：“最终可能变成一个产品，也可能就是两个产品相对独立发展，这要看整个行业的发展。”
当然，落实到实际的企业场景中，也并不是所有工作都适合在聊天框里完成。
为此，千问办公还推出“应用”功能。企业和SaaS厂商可将业务系统以应用的形式接入千问办公，在保留原有界面、数据的同时，加入Agent能力。完成任务后，用户可以修改和保存结果到业务系统中，无需在AI工具和业务系统之间反复切换。
而当AI从回答问题走向执行操作，安全问题也从内容风险延伸到数据访问和行为控制。陈宇森表示，企业不能只在系统外围增加防线，而要从架构设计之初，就把权限越界、数据泄露和误操作等Agent风险考虑进去。
此次发布的千问办公安全中心，可以统一管理Agent的数据访问、工具调用和任务执行。企业可以在执行前通过沙箱划定运行边界，在执行过程中审批和拦截高风险操作，并在发生异常后通过操作记录和恢复机制进行处理。
结合钉钉企业安全体系，千问办公还支持最小权限授予、敏感信息识别和全程审计，让企业可追溯任务由谁发起、Agent使用哪些数据、执行哪些操作。
至此，千问办公进组织的路铺完了，牌也亮出来了。但牌桌上不止它一家，而且这一局，谁都还没赢。
企业Agent 一场还没开始计分的竞赛
“欣欣向荣的一片混乱。”束骏亮的这句话，高度概括了当前AI行业的发展现状。
欣欣向荣，是真的。千问办公相关负责人给了一个数据，假设中国有3亿白领，现在个人通用Agent的渗透率都不到10%，甚至可能只有5%，而企业级的渗透率就更小了。
“千问办公、编程类AI两类核心业务，整体业务规模较去年实现40%的增长。”一位阿里云的渠道商销售负责人如此对光锥智能说道。不过，他也坦言，增长主要来自“很多人感兴趣”，愿意为尝鲜买单，但真正落到企业端的采购并不多。
也就是说，现在行业连普及都谈不上，一切关于格局已定的讨论都为时过早。盘子还足够大，大到每个玩家都能讲出增长故事。
但混乱也是真的，尤其是在供给侧，产品高度同质，入口之争刺刀见红，这个月发布的功能，下个月对手就有平替。
对此，束骏亮的竞争判断相当冷静：“这场竞争才刚刚开始，大家之间都谈不上有什么本质的差别。现在看不到任何一个赢家的出现。”
繁荣来自需求，混乱源于供给，而牌局刚开，所有人都在桌上，但没有人手里的牌足够赢。
也正因此，现阶段可以明显的看到，各路玩家的打法正高度趋同，把自身体系的长板放大。腾讯、字节、阿里先后收拢各自的AI产品线，WorkBuddy、豆包、千问办公相继立旗。
同时，此前各家更多是面对C端个人场景的提效，但现阶段，不管是WorkBuddy还是豆包工作，实际的产品能力也正在向企业Agent落地。
而千问办公，是首个在战略层面提出了要做企业Agent产品的玩家。
另外，各家也都在做同一件事，“基于自己的体系优势，放大长板、缩小短板。”束骏亮说道，而阿里的长板就是——全栈，芯片、模型、云、软件，自上而下串起来。
这也就意味着，千问办公能够给客户提供更全面的技术体系，比如中小客户要AI基础能力，千问办公可以让他们小成本启动；大型企业要能力，它可以给模型、Harness、云端Runtime，甚至全套私有化。
但长板只是入场券，不是胜负手，未来真正的赛点，“在企业客户的选择。”束骏亮说道。毕竟，C端的尝鲜撑得起增长，撑不起商业化。
而挑战的另一面同样清楚，企业需求模糊、FDE模式待收敛、按结果付费遥遥无期、上下文的开放承诺与商业闭环之间存在天然张力。
这场仗刚刚开始，但牌桌上真正值钱的筹码，已经开始易手了。
