千问办公要把企业连起来

「连接上下文」 最近和咸鱼去逛了云栖，最大的发现是怎么全世界都在爆阿里金币，有的项目纯靠阿里开源模型后训练，硬生生蹭成了模型公司，也有的数据公司纯靠阿里给订单。

为了表达对阿里开源精神的赞赏，我们接下来会发布一系列云栖见闻，更详细的可以看我们视频号。

众所周知，我们昨天在云栖会场办了千问办公乱搓小赛。

现场参赛选手做啥的都有，有哥们把桌面精灵复活在了2026，也有哥们整了个万物宝可梦，把冕神和闫圣凑到一起对战。

最疯狂的一个兄弟整了个投资人版探探，现场连续扇了50个投资人。

最终夺得Mac Mini 的选手做了个复古的Windows XP。里面有Windows经典开机音乐蓝天白云壁纸、金山打字、开心农场，熊猫烧香、蜘蛛纸牌、暴风影音，应有尽有。

这活动办完我的感想是，Agent评测道阻且长，因为长时间做任务不可避免地遇到了一些Bug；

另一个感想是，一个人在几天的时间里搓个相对完善的App已经不是不可能的事儿了。

那如果组织里所有人都用上这玩意呢？

由此我想到了千问办公刚发布的新产品，「企业上下文」。

在解释前，我还是要吐槽下这个名字，一眼看上去不像产品，有点像专业术语。

「企业上下文」，顾名思义，就是帮企业把分散在群聊、文档、知识库等位置的信息整理成结构化的上下文。

这样每个给千问办公的任务，可以让Agent从「企业上下文」中去提取。

我很喜欢他们对这个产品的定义，连接与压缩——连接尽可能多的上下文，压缩连接过的上下文。

有了B端客户的上下文，以当前模型的能力，大部分的办公难题都会迎刃而解。

我之前在《主观评价字节阿里腾讯之Agent大战》中还预演过办公Agent的若干路径，软硬一体是我认为最需要的一步。

因为我一直相信硬件（这个阶段是录音卡）是办公Agent一个重要的入口。

千问办公显然也是这么想的，他们在昨天发布了QwenNote A2，由此前的钉钉A1录音卡片升级而来，很听劝地把钉钉统一成了Qwen。

加油啊阿里云销售，卖千问办公得打包QwenNote A2一起卖，争取让续费率翻倍。

对组织来说，人手QwenNote A2的好处有两个，一个自然是会议录音，起到沉淀文档的作用；

另一个更重要的，是让大伙更高频率地打开千问办公。

因为对着这个录音卡说话就能发到千问办公里，比麦克风带派多了。属于是强制 AI Native。

至于录音卡的隐私问题，QwenNote的解法非常大胆，大概意思是在默认状态下，QwenNote不录音，让音频在云端完成一次到文字的 ASR 转写，然后再永久删除。

这思路确实创新。

我拿去问了一个曾在Plaud工作的朋友，他最先想到的问题是，把音频删了之后，如果用户后续来标注你的说话人信息，那就没有办法对应特定的声纹特征来存储，也没法做到跨音频识别说话人。

如他之前跟我说的，「目前的录音卡市场，可能更需要解决佩戴者本身的顾虑，而不是佩戴者周围人的顾虑。」

也许更应该想办法降低对方识别戒备，而不是告诉对方「我在录制啦，但只是在做笔记，你不要怕。」

不过也都还太早了，现在还都属于录音卡大基建时代。

也是因为QwenNote A2的发布，我意识到其实千问办公和Plaud要切的完全是同一波人。

就像Plaud老板许高自己总结Plaud的人群是「三高人群」：高知识密度、高对话依赖、高决策杠杆，国内典型如法律、金融和医生。

千问办公也在B端猛打这群人啊。我甚至建议他们试着反向切入，意思是先半买半送这群人录音卡，再让他们习惯千问办公。

原来千问办公才是Plaud的破壁人。QwenNote A2的质感再提升点，Plaud在国内的日子真到头了。

除了用硬件普及办公Agent，AI协作办公也得提上日程。

因为未来总不可能是人人是OPC，总归还是有组织存在，一个人拿办公Agent干活快了，其他人用不上那这哥们就纯摸鱼了。

千问办公之前整的多人工作台就这个意思，今天更进一步推出了协作功能。

完全可以先在千问办公里整个数字员工，当然数字员工成立的前提是他知道企业上下文，这和上面那部分是串起来的。

员工可以直接在 IM里@数字员工来解决问题，在有协作场景时，拉个群聊，大伙同时都用同样的数字员工，有共同的上下文。这tm才是真协作。

这意图已经很明显了。千问办公就是要把企业内部连接起来。

从医药、物流到家居，还有这个国家天文台，属于是要在 To B的路上越走越远了。我看这意思是千问办公协助国家天文台搭了科研级望远镜数字化仿真系统，直接模拟系统给Agent监测。

期待早点发现UFO。

哦对，差点忘了提模型。我们已经提过好几次千问办公和模型团队定制了Qwen 3.8 Flash，这款模型也专门针对千问办公的场景训练调优过。属于是模型应用一体的典型案例。

这次要发布的企业上下文也仰赖于新模型Qwen3.8-Omni-Flash。因为企业掌握大量多模态数据，文本模型要分析会把推理卡累晕，Qwen3.8-Omni-Flash这样的全模态理解模型就有了很大价值。

对面WorkBuddy和混元互相促进的故事我已经听了八百遍，千问办公在这块显然会做得更好——当然首功还是模型给力。

（本文封面由ChatGPT生成，纯人工写作）

⬇️

欢迎订阅我们的Substack funeralai.substack.com