企業數據太多，AI知道得太少：千問辦公的上下文生意
TechPulse2026.09.23 19:34 · 來自浙江全文2432字00:00 / 07:01一家中大型企業內部的數據規模平均約為150PB，而目前最強模型的上下文窗口多為 100 萬token左右。AI辦公之爭的下一個基點，是上下文。理論上，企業數據越多，AI 就會越懂企業，數據裡有客戶需求、業務規則，也有員工處理問題時積累的經驗，但實際上，這些數據距離模型能直接使用的上下文，還差得遠。比如，信息散落在文檔、會議、群聊和業務系統中，有些彼此矛盾，有些早已過時；再說，模型即使能接觸到更多數據，也未必知道完成眼前這項任務該用哪一條。
雲棲大會期間，阿里巴巴集團副總裁、千問辦公 CEO 陳宇森給了一組數據，一家中大型企業內部的數據規模平均約為150PB，而目前最強模型的上下文窗口多為 100 萬token左右，企業保存了大量信息，AI 每次工作時卻只能看到其中的一小部分。陳宇森表示，在一個 AI Agent 的時代，模型能力飛速發展，Harness 技術不斷迭代，企業把 Agent 到底什麼才是企業把 Agent 真正用起來的核心？我們的答案是——Context is All You Need。
本次大會上，千問辦公發佈面向企業的全新產品：企業上下文（Enterprise Context），基於企業上下文這個產品和千問辦公的 Agent 託管能力，千問辦公可以幫助企業構建懂業務的數字員工，讓他們在釘釘等各類 IM 上和人類員工進行協同，重塑業務流程，大幅提升組織效率。模型已經具備處理許多通用工作的能力，進入具體公司後，怎樣才能知道這家公司的業務究竟如何運轉？個人效率已經提上去了，組織沒有跟上企業有數據，Agent卻未必有答案，陳宇森總結了三大問題，第一條是AI不懂業務，日常工作和生活裡的大多數通用任務，丟給任何一個足夠好的Chatbot都能搞定，換成一個具體企業的問題，它就難以回答。
第二，單個員工的效率確實提高了，業務卻沒有因此跑得更快。一個把八小時工作壓縮到一小時完成的人，他的經驗既沒有機制分享給同事，也沒有機制沉澱給組織。第三是想用但不敢用，企業要在省成本的同時守住數據安全的底線。“一個不懂業務的 AI Agent，是無法進入企業級真實業務流的。”陳宇森說。信息分散是其中一層困難，以千問辦公介紹的古茗案例為例，門店新品的操作標準可能出現在培訓視頻裡，設備維修方法可能留在知識庫或答疑群裡，海報張貼規範又可能寫在另一份門店文件中。店員問一個具體問題時，Agent 需要找到適用的那條規定，而非羅列所有相關資料。
千問辦公副總裁、產研負責人束駿亮也表示，AI Agent行業發展到現在，很多技術已經慢慢趨同，決定一個Agent能不能很好地理解一個人、理解一個行業去完成任務的，核心在於推理時給它多少上下文。分水嶺於是從Agent聰不聰明，變成了Agent懂不懂這家企業。束駿亮對個人Agent與企業Agent的關係還有一個判斷，兩者在技術上不會有太大差別，真正的邊界在於知識產權的歸屬和工作界面的歸屬。上下文屬於個人還是屬於公司，連接的是個人賬號還是企業賬號，這大概解釋了一批個人Agent產品體驗很好，卻很難直接平移進企業的原因。
而懂業務是有門檻的，企業積累多年的數據分散在群聊、文檔、會議記錄和業務系統裡，其中大量是過去被稱作隱性知識的非結構化內容。業界長期缺少一套把海量信息結構化、並且能夠被Agent按需調用的基礎設施。把上下文做成基建，而不是某個產品的功能千問辦公的企業上下文核心，是把企業內部的數據連起來，再壓縮成Agent能按需取用的形態。首先是壓縮，上下文窗口如果是100萬token，一個50MB的文檔就可能打爆，陳宇森的判斷是，做企業上下文不能把數據一股腦拉起來存到一個地方，那樣Agent反而用不起來，窗口被佔用，信息密度不夠，寶貴的執行空間被浪費。
所以企業上下文采用類似文件系統的組織方式，讓每一個層級儘可能壓縮下一個層級的信息，Agent需要時逐級展開，技術上的說法是漸進式暴露。同時用圖數據庫把實體之間的關係連起來，一個項目關聯了哪些人，關聯了哪些群聊，關聯了哪些文檔，只有這些信息匯聚到一起，Agent才能判斷項目當前的執行狀態。類似的還有美國公司Palantir，它靠幫企業梳理業務實體及其關係，構建本體數據爆火，但成本也比較高，現在，大模型讓整理企業內部知識的成本降了下來。束駿亮舉例表示，假設一套算法抽象一個企業的上下文要10天、花100萬，對企業來說不可行；如果能做到5000元、3天，這就是一個好方案。
處理海量非結構化數據時，有沒有足夠好用、足夠適配場景、足夠快且便宜的模型，直接決定了抽象的質量和成本。這也是阿里全棧能力主打的價值，以奶茶品牌古茗為例，企業上下文裡有大量視頻需要處理，成千上萬甚至上十萬個視頻段落，必須依靠多模態理解能力足夠強的模型，比如Qwen3.8-Omni-Flash。古茗有一萬多家線下門店，新品上市時總部的運營標準需要及時下發，通過企業上下文，飛書文檔、知識庫、答疑群和培訓日程裡的內容被整理成門店運營知識空間，幫助近萬名一線員工快速掌握新品新標準。當店員通過Agent詢問海報張貼規範時，企業上下文不會返回全部運營知識，而是提供當前任務所需的那部分。
圖片來自AI生成束駿亮強調，上下文跟著主體走，跟最終使用的Agent是解耦的。企業上下文屬於企業自己，可以拿到任何一個Agent裡使用，無論千問辦公，還是Codex、WorkBuddy。他把這套東西定義為新一代的數據基建，跟數據庫一樣，只是還沒有像數據庫那樣被標準化。“無論是千問辦公還是企業上下文，我們要做到：開放，還是開放”，陳宇森明確表示，千問辦公服務的客戶既有釘釘用戶，也有使用其他產品的企業。“我們服務了大量使用飛書和企業微信的客戶，這會是未來千問辦公一個特別重要的核心。”（本文首發於APP，文 | TechPulse，作者 | 張帥，編輯 | 楊林）
Related
相關文章
4.7 萬條假名人內容被清：網信辦給 AI 換臉帶貨踩剎車
通報點名的四類典型，幾乎都奔著"變現"去：一是未經授權用 AI 仿名人肖像聲音、甚至盜用其家屬照片帶貨引流；二是盜肖像配 AI 特效編造"患病"等謠言誤導公眾；三是以第一人稱冒充名人發表觀點、情感話術誘人關注；四是生成名人跳低俗舞蹈、親密互動的畫面吸粉牟利，涉及微信、抖音、小紅書、B 站、快手等多平臺。
申通快遞和千問辦公達成戰略合作，推動物流服務智能化升級
今日消息，申通快遞與千問辦公正式達成戰略合作。雙方將圍繞快遞核心場景打造 AI 辦公體系，以Agent能力支撐申通快遞全國網點的增長戰略落地，推動AI從總部管理向末端網點規模化輸出，加速物流服務智能化升級。申通快遞總裁韓永彥與千問辦公CEO陳宇森等共同見證簽約。 圖示 申通快遞和千問辦公戰略合作簽約現場 申通快遞作為中國頭部快遞企業，擁有覆蓋全國的轉運、網點及末端派送網絡，聚焦快遞主業，為超過40個行業提供定製化解決方案，搭建一體化倉配供應鏈服務體系，網絡覆蓋廣、區域佈局縱深、網點多級協同運營，沉澱了深厚的快遞場景經驗與運營積澱。 面對鏈路長、協同要求高的物流場景，申通快遞對高效率、可落地、安全可控的企業級 AI 生產力工具存在深層次需求。千問辦公本次和申通快遞合作，將把 Agent 套件能力與申通快遞的行業經驗深度融合，共同打造快遞行業 Agent 規模化落地標杆，沉澱出可供整個物流行業持續複用的數字資產。 此前，千問辦公已在申通快遞安全管理、人力資源、行政運營等場景率先落地。以安全管理為例，過去員工的安全諮詢與預警動態均依賴人工處理；如今依託千問辦公，常見安全問題能由Agent自動響應，預警信息每日定時推送。此外，安全團隊還藉助千問辦公搭建管理後臺，將事件監控、實時臺賬與趨勢分析匯成統一視圖，推動安全管理從“被動響應”轉向“主動管理”。這一變化，也與申通快遞推動網點運營從“經驗驅動”向“數據驅動”轉型的方向一致。 未來，申通快遞將在全國網點推進千問辦公落地，重點提升網點管理與運營效率，並在電商場景共同打造智慧物流，幫助商家增強運營和服務能力，提升消費者購物體驗。 據公開資料，千問辦公是阿里旗下企業級通用Agent產品，是AI辦公賽道增長最快的產品之一，目前行業頭部企業均已接入千問辦公。
Thinking Machines Releases Inkling 2 Small, a 594B MoE With 17B Active
Thinking Machines Lab has released Inkling 2 Small, the first model of its second Inkling generation.The Inkling 2 Small model is a sparse Mixture-of-Experts (MoE) with 594B total and 17B active parameters.
月之暗面放大招！Kimi Hosted Agents 正式發佈
Kimi Hosted Agents 正式發佈發布於AI新閒資訊時間 :Nov 6, 2026閱讀 :1分鐘11月5日，人工智能前沿企業月之暗面（Moonshot AI）官方正式宣佈推出全新的 Kimi Hosted Agents(託管智能體) 服務。
解讀丨王騰創業一年，正把小米模式搬進臥室
手機行業過去的最強“話題製造機”，這次沒聊手機。作者丨陳玘凡編輯丨吳優2026年10月29日，北京嘉瑞文化中心二樓。王騰站在臺上，手裡拿著一枚戒指。這一天，距離他正式離開小米，剛過去一年零五十天。手機行業曾經最會製造話題的市場操盤手之一，這次沒有講手機，而是以今日宜休之名發佈了兩個最"安靜"的產品：一枚智能戒指，一張以床笠形態加裝在床上的溫控系統。但問題是：在智能戒指已經殺成紅海、智能床罩由Eight Sleep佔據先機的賽道里，這兩款售價1799元起的戒指和9999元起的床笠，到底有什麼不一樣？
獨家解讀 | 大疆老兵研發運動硬件，如何一年做出兩款產品？
成立兩年發佈兩款產品，累計融資千萬美元。作者丨陳玘凡 編輯丨吳優侯昊翔、曹曦、張津劍，三位 85 後頂流投資人的名字，出現在同一份股東名單上，本身就是一件值得琢磨的事。侯昊翔，厚雪資本創始合夥人兼總裁，福布斯 2024 創投人 100 榜上榜者，主導過壁仞科技等明星項目；曹曦創辦礪思資本（Monolith），投出了月之暗面、DeepSeek；張津劍與綠洲資本投出過MiniMax、逐際動力。把三位聯繫在一起的，是一家成立僅兩年半的運動科技公司皓翊星辰（LUMISTAR）。01造過 200 萬臺無人機的人，來造網球機皓翊星辰由厚雪資本孵化，日常經營交給專業團隊獨立運轉，核心成員來自大疆、字節、小紅書等公司。公司目前約80人，產研人員超過一半。網球發球機看似只是"一臺會發球的機器"，實際是一門重結構的硬件生意。高速發球對機身強度、供球機構的可靠性、整機重量都提出了苛刻要求，任何一塊短板都有可能變成用戶手裡的故障。行業從業者告訴雷峰網·鯨犀，發球機殼體壁厚低於 2mm、被 70-80 公里/小時的球速擊打，很容易損壞，有網球發球機器人產品為追求便攜犧牲了結構強度，曾在體驗活動中被用戶打出的球擊破外殼。（想了解更多網球機器人行業內幕，歡迎添加作者微信 IvarQFC 交流）做網球發球機，需要一個結構能力過硬的研發負責人。皓翊星辰的硬件負責人正是結構工程師出身，擁有多年消費電子經驗。他曾參與研發 Mavic Mini 一代，這是大疆首個銷量破 200 萬臺的產品；還參與Insta360 GO系列拇指相機、雲鯨掃地機等產品。懂硬件的人來做網球機，落在產品上是一連串明確的取捨。公司此前有面向B端測試機，系統複雜且不可靠。團隊覆盤後轉向C端，核心洞察是“物理阻力”的問題。個人用戶買網球機，除去價格，最大的障礙就是把幾十公斤的機器從家搬到球場。誰把機器做得便攜、可靠、好用，誰就能打開C端市場。