一張硬件卡片，一場上下文之爭：千問辦公押注企業Agent

一場兩小時的客戶拜訪，雙方說的話加起來上萬字。但回到工位，銷售能憑記憶敲進CRM的，通常不到三百字。剩下的去哪了？跟著出租車一起走了。這樣的對話在企業裡每天都在發生。會議室裡的爭論、客戶辦公室裡隨口的一句提醒、老師傅肚裡的經驗，信息密度最高的這些話，幾乎都發生在電腦屏幕之外，從來沒有進入過任何一套企業系統。另一邊，已經沉澱在文檔、群聊和系統裡的數據，也常常因為沒做結構化，或者體量太大，塞不進上下文窗口，Agent根本調用不了。

9月22日雲棲大會，千問辦公把兩件事放到了一起解決：發佈了面向企業級Agent的基礎設施“企業上下文”（Enterprise Context），以及Agent硬件QwenNote A2。簡單說，Enterprise Context把散落在群聊、文檔、知識庫和業務系統裡的企業信息壓縮、結構化，隨業務變化持續更新，變成Agent能隨時調用的知識。難的地方在“給多少”。一家公司積累多年的資料動輒幾十萬條，但員工開始一項具體任務時，需要的從來不是全部，而是跟眼下這件事最相關的那一小塊。企業上下文要做的就是這件事，每次只把最相關的那一小塊遞過去，再用內置的專屬模型把Token成本壓到極低。

而QwenNote A2是一款名片大小的AI硬件，它能把線下說的的話錄下來、轉成文字餵給Agent去分析，推動後續任務。它補上的，是千問辦公的外部上下文來源。千問辦公下的判斷是，模型能力已不再是瓶頸，Agent能不能在企業裡幹活，取決於它有沒有拿到這家公司自己的上下文。01Agent的瓶頸，早就不是模型了過去一年多，模型能力一路狂飆。但一個反直覺的現象是，模型越強，企業越覺得不夠用。道理不復雜。同樣一句“幫我寫個方案”，問一個剛打開的對話框，得到的是泛泛而談；但如果Agent手邊有過去三個月的群聊、文檔、會議記錄和客戶檔案，回答質量能上好幾個臺階。

基座模型決定Agent的“下限”，上下文工程決定它的“上限”。沒有上下文的Agent，就像一個智商很高卻失憶、失明的實習生，幹不了任何有價值的活。去年6月，做企業上下文的Glean完成了1.5億美元的F輪融資，估值72億美元；到今年，其ARR已突破3億美元。市場願意給一家“整理上下文”的公司72億美元估值，說明大家都看明白了，企業Agent缺的不是模型，是企業自己的信息。企業Agent能拿到的上下文，一直只有線上那部分，會議室、車裡、客戶辦公室裡的對話始終缺失。QwenNote A2就是來補這一環的。

02不僅是Agent入口，更是上下文入口QwenNote A2由釘釘2025年推出的錄音卡A1升級而來，外形和Plaud這類錄音卡產品十分相似。但兩者有本質區別。QwenNote A2打通了千問辦公，不單純是一款錄音卡，更是一個Agent入口。長按AI鍵，使用語音就能直接給千問辦公派活，還能實時語音聊天，比解鎖手機、打開App更快，也更自然。QwenNote A2佔了一個很獨特的硬件生態位。但光佔位沒用，市場認不認，還得看實際表現。作為一個Agent的外部上下文來源，要求是“耳聰目明”，不漏關鍵信息。A2配了6個麥克風，最遠8米拾音，轉寫準確率98%，能自動識別120種語言、41種方言。

這套規格是衝著大會議室去的，距離一拉遠、發言人數一多，普通錄音設備就會失手，麥克風陣列的價值恰恰在這裡。QwenNote A2還內置了4G物聯網卡，免插SIM，不連手機也能獨立使用。但作為幹問辦公的上下文入口，光把聲音錄下來還不夠，錄到之後做了什麼，才更重要。這正是A2和錄音卡產品最本質的區別，錄音硬件的終點是一份轉寫稿，而QwenNote A2卻是一個接活的Agent，話音落地，活已經有人接了。舉個身邊的場景。業務負責人面完試，走出會議室，長按AI鍵說一句“幫我分析一下剛才那位候選人的優缺點，評估他適不適合這個崗位，並同步給HR”。

千問辦公會調用剛才的面試轉寫內容做分析，再把候選人的評估結果推到釘釘上，給協作方發消息、約日程。再比如開車去見客戶，路上才發現沒準備資料，也可以長按AI鍵說一句“幫我準備一份客戶背景和產品方案材料，並給出行動建議”。等你到目的地，資料和建議已經躺在千問辦公里了。市面上大部分產品交給你的只是一份逐字稿，而QwenNote A2想交給你一個辦好的結果，差距就在這裡。它還有“長期記憶”，跟著千問辦公的雲端信息一起進化，越用越懂你的習慣和做事方式。數據安全上，A2的轉寫內容只保留文字和紀要，不留原始音頻，等於把錄音場景裡最敏感的那部分風險直接從產品設計裡拿掉了。

續航上，A2能連續轉寫40小時，待機最長18天。從這些特性看，A2適合三類人，靠專業吃飯的人，律師、醫生、投研分析師、諮詢顧問，他們的話本身就是資產；靠協作辦事的人，管理者、銷售、項目負責人，說完就希望有人去辦；還有一類人想把線下溝通內容直接沉澱進工作流，錄完的紀要自動進到對應的AI流程裡。03個人助手和企業級Agent，隔著一條分水嶺千問辦公從誕生起就打通了釘釘、飛書、企業微信這些主流IM，國內最大規模的企業客戶都在上面，群聊、文檔這些業務信息天然沉澱在這裡；QwenNote A2又把線下采集這一環補上了。上下文信息是有了，然後呢？現實要棘手得多。

阿里巴巴集團副總裁、千問辦公CEO陳宇森在演講中給過一組對比，據釘釘統計，一家中大型企業內部註冊的數據規模約在150PB量級，而當前最強的上下文窗口只有百萬Token級，差了好幾個數量級。這就像家裡有一千件東西要搬，行李箱卻只能裝十件。所以問題從來不是要不要把數據餵給Agent，而是喂哪一部分、怎麼喂。怎麼解這個矛盾？官方給的是三步，連接、理解、複用。第一步是連接。企業知識散落在各個角落，AI根本夠不著，所以先要把它們匯聚到一起，一個項目關聯的是誰，走的哪條渠道，彙報線怎麼走。信息連上了，Agent才能看清一件事的來龍去脈、一個任務的狀態。

不只是文字，過去沒被梳理過的圖片和視頻，現在也能通過多模態模型識別、歸類，進入上下文。第二步是理解，也就是結構化。光連上來還不夠，數據量太大。千問辦公用大模型把企業內部知識提煉成可調用的實體，人的屬性、項目的進展、流程的規則，分層梳理，上一層概括下一層。第三步是複用。任務來了按需提取，只加載跟當前任務相關的那部分，不浪費上下文窗口，也不浪費模型的注意力。業務變了，上下文跟著更新，Agent每次判斷都基於企業最新的真實情況。權限也長在這套體系裡。

上下文不是對所有人和所有Agent敞開的，它繼承企業在IM裡的組織、身份和權限體系，誰能看什麼、哪個崗位不該看什麼，邊界在數據進入Agent之前就劃好了。古茗茶飲的例子很典型。這家公司上新頻繁，運營標準要及時更新下發到門店，飛書文檔、知識庫、答疑群、培訓日程裡的內容被打包成一個“門店運營知識空間”，服務近萬名一線員工。配方、設備巡檢、開臺打烊這些內容被拆成一個個實體和關係，店長、訓練員、大店長各有各的權限。店員問一句海報張貼規範，Agent不會把整套運營手冊倒出來，而是隻給當前任務需要的那一段。這些東西網上查不到，公司自己門兒清。連上了、歸納好了，AI才能按企業自己的規矩辦事。

在這套上下文基礎設施之上，人類員工和數字員工可以無縫協作。協作空間把群聊、文檔、知識庫裡散落的信息匯到一處，人和Agent在同一個地方推進任務。企業還可以把ERP、CRM這類業務系統接進來，Agent看得見你正做到哪一步，結果還能存回原系統。安全中心則給數據訪問和操作劃邊界。幾個產品合在一起，構成企業級Agent的連接底座。接入的業務系統越多、沉澱的上下文越豐富、參與協作的員工和數字員工越多，平臺能承載的業務就越複雜，生態價值也越大。當Agent從單點工具變成連接數字系統、組織關係與真實世界的平臺型產品，它就會產生獨立AI應用不具備的網絡效應。

這裡正是“個人助手”和“企業級Agent”的分水嶺。豆包、ChatGPT這類個人Agent服務一個人，上下文也只來自這一個人的輸入。而一家公司要的是一個能理解組織、也能被組織管理的系統，一萬個各幹各的個人助手，拼不出這個系統。陳宇森說，“Agent要在企業真實場景落地，既要懂業務，也要像人一樣在企業和組織內協同，且每一次任務執行要有邊界、能追溯。”04結語AI辦公一直有個爭論，到底是to B還是to C？從名字看，Al辦公妥妥是to B生意，但眼下用這類產品的主要還是個人用戶，企業推廣用的也是toC那套，送積分、簽到領額度。

反差的原因不難找，這些玩家過去沒打通企業內部的上下文,企業用Agent收益不明顯，自然不願意按B端的方式買單。海外的谷歌和微軟雖然是to B打法，但更傾向於基於自家辦公套件打造“閉環生態”。千問辦公選的是另一條路，所有更新都面向組織提效,聚焦企業級上下文、業務應用、協作功能和數據安全。同時它與釘釘生態以及企業原有系統(ERP、CRM)的深度打通，這個優勢是其他辦公Agent短期內補不齊的。企業Agent拼到最後，拼的是誰手裡本來就有企業的組織關係和數據入口。千問辦公背後站著釘釘的8億用戶、2700萬企業組織，以及阿里雲的500萬客戶。這就是它最堅固的護城河。

千問辦公的這些動作最終都指向同一個目標，做成最好的企業級辦公Agent平臺，實現這個目標的前提是它足夠懂業務、足夠開放、足夠高頻。企業Agent的競賽遠未到終局，模型能力的比拼已成過去，真實業務場景的落地能力才是決勝關鍵。未來的企業Agent長什麼樣、會怎麼演化，現在還沒有答案。但從各家大廠已經亮出的動作看，千問辦公應該是想得最深的那個。今天看，QwenNote和Enterprise Context只是一次常規的新品發佈。但很多年後回看，企業級Agent這場變革的種子，也許就是在這一天埋下的。▼推薦閱讀▼3000萬用戶、過半是企業，千問辦公靠什麼拿下B端？

2026-09-04Anthropic像國企，OpenAI像VC2026-09-17