在云栖大会期间，阿里巴巴集团副总裁、千问办公CEO陈宇森披露了一组数据：一家中大型企业内部的数据规模平均约为150PB，而当前最强模型的上下文窗口多在100万token左右。这意味着企业保存了大量信息，AI每次工作时却只能看到其中极小一部分。陈宇森表示，在AI Agent时代，模型能力飞速发展，Harness技术不断迭代，企业把Agent真正用起来的核心在于上下文，千问办公给出的答案是”Context is All You Need”。
基于这一判断，千问办公在本次大会上发布了面向企业的全新产品——企业上下文（Enterprise Context）。该产品结合千问办公的Agent托管能力，帮助企业构建懂业务的数字员工，使其能够在钉钉等各类IM上与人类员工协同，重塑业务流程。陈宇森将当前企业应用Agent的困境总结为三个问题：第一，AI不懂业务，通用任务交给任何足够好的Chatbot都能完成，但换成具体企业的问题就难以回答；第二，单个员工效率提高，业务却没有因此跑得更快，个人经验既没有机制分享给同事，也没有机制沉淀给组织；第三，企业想用但不敢用，需要在省成本的同时守住数据安全的底线。
千问办公副总裁、产研负责人束骏亮进一步指出，AI Agent行业发展至今，许多技术已经逐渐趋同，决定一个Agent能否很好地理解一个人、理解一个行业去完成任务的核心，在于推理时给它多少上下文。分水岭从Agent聪不聪明，变成了Agent懂不懂这家企业。束骏亮对个人Agent与企业Agent的关系也做出了判断：两者在技术上不会有太大差别，真正的边界在于知识产权的归属和工作界面的归属——上下文属于个人还是属于公司，连接的是个人账号还是企业账号。这解释了一批个人Agent产品体验良好却难以直接平移进企业的原因。
企业上下文产品的核心思路，是把企业内部的数据连起来，再压缩成Agent能按需取用的形态。陈宇森指出，做企业上下文不能把数据一股脑拉起来存到一个地方，否则窗口被占用，信息密度不够，宝贵的执行空间被浪费。该产品采用类似文件系统的组织方式，让每一个层级尽可能压缩下一个层级的信息，Agent需要时逐级展开，技术上称为渐进式暴露。同时使用图数据库将实体之间的关系连接起来，使Agent能够判断项目当前的执行状态。束骏亮举例说明成本问题：假设一套算法抽象一个企业的上下文需要10天、花费100万元，对企业来说不可行；如果能做到5000元、3天，就是好方案。处理海量非结构化数据时，模型的质量和成本直接决定了抽象的质量和成本。
以奶茶品牌古茗为例，其企业上下文中有大量视频需要处理，成千上万甚至上十万个视频段落，必须依靠多模态理解能力足够强的模型，如Qwen3.8-Omni-Flash。古茗拥有一万多家线下门店，新品上市时总部的运营标准需要及时下发。通过企业上下文，飞书文档、知识库、答疑群和培训日程里的内容被整理成门店运营知识空间，帮助近万名一线员工快速掌握新品新标准。当店员通过Agent询问海报张贴规范时，企业上下文不会返回全部运营知识，而是提供当前任务所需的那部分内容。
束骏亮强调，上下文跟着主体走，与最终使用的Agent是解耦的。企业上下文属于企业自己，可以拿到任何一个Agent里使用，无论千问办公，还是Codex、WorkBuddy。他将这套东西定义为新一代的数据基建，与数据库类似，只是尚未像数据库那样被标准化。陈宇森明确表示，千问办公服务的客户既有钉钉用户，也有使用其他产品的企业，其中包括大量使用飞书和企业微信的客户，这将是未来千问办公一个特别重要的核心方向。
从行业视角来看，千问办公此次发布的企业上下文产品，试图解决的是企业数据与AI可用上下文之间的结构性落差。在大模型能力逐渐趋同的背景下，如何将企业内部散落于群聊、文档、会议记录和业务系统中的非结构化信息，转化为Agent可理解、可调用的上下文，正在成为企业服务领域竞争的新焦点。这一方向能否像数据库一样形成标准化基础设施，仍有待市场验证。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
