行业欣欣向荣的一片混乱中，要先出发。

从 6 月 11 日官宣接任钉钉 CEO，到 9 月 22 日云栖大会公开演讲，1992 年的陈宇森度过了「临危受命」的 100 天。

这 100 天的改变紧锣密鼓，先是 6 月钉钉的组织调整；接着是 7 月阿里内部赛马结束，QoderWork、悟空、MuleRun 三条产品线合并为千问办公，陈宇森统一负责；之后 8 月千问办公正式公测，深度嵌入钉钉之中，与腾讯 WorkBuddy 和字节豆包工作展开竞争。

9 月 22 日云栖大会的千问办公专场，关注度极高，这是陈宇森上任 100 天后的首次公开亮相。他自带松弛感，手中的话筒挂着千问办公的吉祥物——绿色的小章鱼，他说，希望未来我们在工作里面，也有该有的放松时刻。

陈宇森演讲的题目是《Context is All You Need》，「Context」在办公场景下特指企业日常海量的文档、邮件、会议记录和聊天历史，所以翻译成大白话：上下文就是一切。

「千问办公是一款企业级的Agent产品」，陈宇森说，希望千问办公在大家眼里，是一个懂业务、能协同、信得过的企业级 Agent 产品。

陈宇森发布的核心之一，是面向企业的上下文数据管理的产品「企业上下文」，将企业文档、会议、群聊等过去被称为「隐性知识」的数据结构化连接，并逐层压缩，按需提取给 Agent 使用。基于企业上下文产品和千问办公的 Agent 托管能力，千问办公可以帮助企业构建懂业务的数字员工。

另外一个亮点是 AI 走进物理世界，陈宇森发布了 Agent 硬件 QwenNote A2。相比之前的钉钉录音卡 A1 ，A2 核心是通过语音转写随时随地记录各类场景中的信息，也可通过语音调用千问办公执行任务。为了保护用户隐私，A2 不保留原始音频，转写内容仅保留文字和纪要。

「我们服务了大量使用飞书和企业微信的客户，这会是未来千问办公一个特别重要的核心。无论是千问办公还是企业上下文，我们要做到：开放，还是开放。」陈宇森的演讲赢得了现场的掌声。

云栖大会中，千问办公副总裁束骏亮接受了媒体采访，束骏亮是阿里原MuleRun CTO，跟随陈宇森接管钉钉后，负责新的悟空团队，如今也是千问办公产研负责人。

以下内容为对话精选，经过编辑：

蓝洞商业：千问办公上线两个月，回想起来有什么节点变化？ Agent 办公真正的赛点是什么？

束骏亮：我们之前内部也讨论过，有一个非常有意思的词可以形容现在整个 AI Agent 的行业发展状态——「欣欣向荣的一片混乱」。

大家都觉得很有干劲，这场仗非常有打头，AI Agent 非常新鲜有意思。很多企业很愿意拥抱 AI Agent，但是他对于自己需要什么样的 AI 也没有想得很清楚。

在这样一个市场竞争状态下面，有一些混乱肯定是存在的。这跟以前创业一样，不管船能开多远，你要先开出去，哪怕它是个破船，你可以一边开一边修，但是重要的是要先出发。

从这个角度上来讲，过去两个月（我们）做的还是很不错的，出发的也比较快，是几个大厂里面整合的相对比较早的，也在第一时间拿出产品，也在市场上获得了第一波的口碑，并且今天我们仍然能够以一个非常高的频率去掏出新的东西来。从这个视角上来说，我还是挺满意的。

大厂竞争我觉得还没有看到真正的赛点，包括底层技术和用户需求的变化还是比较快的，如果说现在一定要找一个赛点的话，可能就是企业客户的选择，到底有多少头部大客户选择了你，以及多少的小商户范围内选择了你，客户的选择永远是第一位的，而不是说我今天有多少声量。

1、谈硬件：硬件是连接数字世界和物理世界的桥梁

提问：今天发布了 QwenNote A2 这样的硬件，行业里做 AI 办公产品和硬件联动，大家有什么共识？

束骏亮：这件事的共识，就像今天宇森演讲时我们反复强调的那句话——「Context is All You Need」。AI Agent 行业发展到现在，很多技术已经慢慢趋同，决定一个Agent 能不能很好地理解一个人、理解一个行业去完成任务的核心点，就在于你给它推理时，给它多少上下文。

从这个角度出发，我们认为硬件是一个非常好的上下文增量收集入口。我们过去做这一类产品，是在电脑、在软件层面去解决上下文，比如文档。事实上，现在的AI 硬件发展得越来越成熟，硬件是我们连接数字世界和物理世界的桥梁。通过这样的硬件，比如今天发布的 Qwen A2，它能够把日常对话转化成 Agent 能够理解、能够沉淀下来的文本上下文。

未来我们还会有更多跟硬件的联合，比如眼镜和其他一系列硬件，能够把更多物理世界的信息变成 Agent 可利用的上下文。

提问：除了 Note 以外，还发了一款桌面机器人 Eva。做桌面机器人这件事上又有什么共识？

束骏亮：硬件一方面解决上下文的来源；另一方面不仅仅是桌面机器人，Qwen A2 还有一个功能——能从硬件上唤起 Agent。我觉得这可能是另一个共识，至少我们是这么认为的：我能在什么样的场景下唤起这个Agent，对用户体验是非常重要的一件事。

平常我们要用 Agent，得打开电脑、手机，不是那么顺畅、那么随心所欲。假设我手头有一个硬件，就放在电脑面前，我只要跟它说「嗨，Eva」，它就能得到我的指令。

我们又打通了跟千问办公的整体数据链路，它就能在千问办公上帮我做一件事。这对用户来说是体感非常好、也非常有想象力的事情。

提问：硬件方面的布局和规划是怎样的，之后还有哪些硬件产品推出？会不会和外部厂商形成竞争？

束骏亮：目前来看，倒没有什么太多的竞争。我们内部硬件发展的方向比较收敛，有自己明确的目标。但像 A2 这样的产品，在市场上是有竞争对手的。

但你不可能把所有硬件都做了，对我们来说一定是自研+生态拓展的方向。硬件我们有两个比较大的探索方向：一个方向是，硬件会是我们收集更多上下文、呈现更多交互界面的入口，只要一个硬件能给我们不一样的上下文、能给用户呈现不一样的交互界面，我们都很愿意跟它合作；另一个方向是探索端侧模型落地的可能性，这也是今年下半年到明年上半年可能出现比较大亮点的地方。

比如现在千问办公里日常使用的 Qwen3.8 Flash 这样的模型，尺寸已经比较小了，小到我们已经能够在 128G 统一内存的硬件上把它跑起来。

2、谈与钉钉的关系：传统软件和 AI 软件会找到各自的位置

提问：千问办公和钉钉这两个产品的长期关系？

束骏亮：传统软件仍然有它存在的价值，并且在中短期内的存在价值非常大。比如钉钉，它上面沉淀了大量的业务信息资产、客户逻辑。如果我今天因为有了新的产品，就强行要求所有钉钉用户把工作界面切换到千问办公，对客户来说不合理，客户也不会认可。对我们来说，无论钉钉还是千问办公，第一要素就是服务好客户。

从长远来看，传统的各种各样的软件，可能会变成数据底座、变成上下文底座——它们沉淀数据，沉淀一些固化的、不能泛化的业务流程，我们都会在传统软件的范畴里把它解决掉，这也是有好处的。因为企业内部所有流程都靠 AI 解决，其实也不是很经济——我们知道 AI 有幻觉、AI 需要消耗 Token。

这样的话，传统软件跟 AI 软件都能够找到各自的位置，各自展现有优势的一面：你是流程跑得快、比较便宜、很稳定；我这边是泛化能力比较强，能够用自然语言交互。大家会是这样一种配合的关系。

提问：千问办公跟钉钉怎样协作？千问办公会不会成为新的入口？如何让企业组织能够像钉钉、飞书那样，真正长在千问办公里面？

束骏亮：从软件层面来说，哪个是入口，完全看这个时代怎么发展、看客户的需求。我们今天之所以在千问办公里做类似协作的能力，也是因为听到了客户有这样的诉求——他希望在千问办公这个 AI 产品里也有一定程度的协作能力。这完全是从用户视角出发的。

我们也在钉钉内部做大量跟千问办公能力的融合：在钉钉处理文档时，我们会在后面提供基于千问办公的总结能力、润色能力；在钉钉开会时，拉一个千问办公的机器人进来，帮我做听记、做实时翻译等一系列事情。

我们目前看到的趋势是大家在互相做双向融合：一边是传统软件里要增加 AI 能力，一边是 AI 软件里要增加传统 SaaS 那种跟业务贴得更近的能力。这并不冲突，因为我们本身是一个团队，只是有两个产品——一个是过去的产品，一个是新的产品。它最终可能会在用户需求的推动下变成一个产品，也有可能两个产品继续发展、找到自身的段位，都有可能。

今天发布的所有功能，我们不再强调自己是一个个人 Agent。个人 Agent 做提效这件事已经解决得差不多了，模型能力提升的话可能会有进一步提升，但功能上我觉得差异不大。大家认同的一点是：真正的AI 能力要发挥价值、产生生产力的价值，还是在企业内部。

提问：你们对这个 AI 办公场景里的用户需求有哪些新的认知和洞察？

束骏亮：我的整个方法论还是从客户这边来。首先识别哪些是共性的需求，其次识别哪些东西能做成共性的功能。

客户是分层的。中小型客户更多关注这个东西是不是足够有性价比、是不是足够好用；但中大型客户关心足不足够安全、能不能被我所控、能不能做深度定制化。这其实是两条完全不同的路径。

对于大型企业客户，我们会把能力直接交到客户手里，甚至交到客户自己的部门或员工手里，因为他们有技术储备，可以为自己的企业做场景定制化；但更多时候面对中小客户，我们会选择跟生态合作伙伴一起做定制化的千问办公。并不是要说服所有客户迁到千问办公上面来，这不是我们的目标。

我们现在观察到，客户非常愿意停留在老的协作场域里——没有问题，用户有需求，我们就去满足它。

3、谈上下文打通：上下文属于企业主体，不属于某个Agent

提问：上下文会是之后 AI 办公产品的核心竞争点吗？

束骏亮：我觉得肯定是。不仅仅是对于办公，对于任何 Agent 来说，上下文都是后面至关重要的一部分。

我们现在很明显地感受到两个矛盾点：第一个是数据来源的问题。数据来源在个人领域相对更困难一点：个人的数据目前分散在各种各样的 APP 里——你的微信、淘宝、美团，这里面有很多跟你个人相关的数据。这些地方的数据我能不能拿到，取决于这些公司向不向个人开放。目前我们还没有看到这个开放的趋势出现。

但反过来讲，企业内部是不一样的。企业里难的是数据量太多，而且数据之间的性质和前后的矛盾也非常多。在企业界，我们怎样去处理这些数据、怎样去抽象它，尤其是我的抽象算法到底能覆盖多少范畴——今天只能覆盖钉钉，还是又能覆盖钉钉又能覆盖飞书，还是能覆盖其他各种各样的软件——这其实是决定性的。这一块又会涉及很多技术细节：底层的计算能力、模型的能力。这也是个困难问题，但它看上去有解。

提问：企业上下文有没有一个机制，能帮助企业从非结构化数据里把这些主体属性提取出来？未来规划是什么？

束骏亮：我们真正要做的是：这个结构化数据必须是 AI 友好的，是 Agent 能够开箱即用的。假设它是个图——当然今天说的肯定不是图这么简单——你是在图上去探索的，图之间会有边，两个实体之间会有边。我们真正要做的是这样一种抽象，这个抽象不仅能把结构化数据抽象过来，也能把非结构化数据抽象过来。

假设一个企业今天过来，有一套算法抽象企业上下文要 10 天、花 100 万；但我现在有一个方案，只要 5000 元、3 天就可以做到。对企业来说，前者肯定不可行，后者就是一个非常好的方案。

从这个角度出发，又体现了整个阿里集团在全栈 AI 布局上的优势——不仅有芯片，还有模型。比如一个做奶茶的客户，他的企业上下文里有大量视频要处理，处理成千上万甚至上十万个视频段落时，标准的语言大模型是处理不了的，一定要多模态、理解能力非常强的模型，比如我们的Qwen3.8 Omni Flash，才能够快速、低成本地处理。这样一个模型的存在，就把这个场景从不可能变成可能。

随着底层模型的供给和能力越来越多，我们就能处理企业内部越来越多的非标、非结构化数据。处理的数据越多、覆盖度越广，企业上下文就越来越完整。我觉得这是这个过程中我们目前看到的、比较困难并且能够做出壁垒的东西。

提问：今天一直谈到上下文，千问办公也拓展了它的上下文程度。但我们在使用千问办公和千问的时候，两个产品仍然不在统一的上下文里？

束骏亮：维度不应该是打通千问、飞书和千问办公这些软件之间的上下文，因为上下文其实是跟着它的主体走的——是我个人的上下文，还是这个企业的上下文——这个东西跟你最终使用的 Agent 是解耦的。一个企业的上下文一定属于这个企业，它不是跟着千问办公这个正在使用的Agent 产品走的。

我们提供的是企业级上下文的基础设施，是属于企业自己的。获取企业的信任，才符合业务逻辑：我的企业上下文肯定沉淀在自己这里，我有一个基础设施。大企业不会使用一个AI 产品，他一定也会自研一些AI 产品。这些AI 产品就不能从我的上下文里获取好处吗？这个东西就是新时代的数据基建，它跟数据库是一样的，只是它还没有像数据库那样标准化。

提问：AI 办公行业会不会出现智能驾驶领域的 L2、L3 这种级别，到什么级别之后可以让 AI 担责？

束骏亮：我们倒没有觉得现在一定要有 L2、L3、L4 这样一个约束去评价 AI 发展的等级——当然会有人去做，但我们对这个不是很感兴趣，我们更多还是希望能够解决问题。

安全问题一旦进入企业组织里，就是一个原则性问题。它不是说我删掉的这个东西、做的这个操作重不重要，而是这个操作本身有没有人为它负责，能不能追索，能不能判定。

所以我们今天做了大量安全性的功能：企业的管理员可以约束所有员工用  Agent  时能够访问哪些数据，让员工用  Agent  更安全；员工在自己的办公电脑上使用桌面级  Agent  时，也有一系列措施去约束。这在我们企业内部还是非常重要的。