9 月 22 日，来杭州参加一年一度的云栖大会。
出了杭州火车站，满目都是嫩绿的千问办公的宣传——专业人士，用千问办公。
看到这句口号时，是有点不以为然。
在我看来，口号改两个字，“专业企业，用千问办公”，那才是正道。作为在一家两三百人的企业参与过信息系统采购决策，又听过许多机构 AI 部署需求和实践的人，我自认对企业 AI 用户与个人用户的不同是有点了解的，所以我始终觉得 AI 办公软件，核心是企业，而非个体用户。AI 办公软件，绝不是将个人类 AI 软件按照坐席收费卖给企业那么简单。
不过，没想到回旋镖回来得那么快，下午在千问办公的论坛上，听了 CEO 陈宇森的“布道”，受益匪浅。毫无疑问，陈宇森将千问办公，或者说将企业级 Agent 的核心，想透了，也讲透了。
连接·理解·复用
陈宇森的这次演讲，在千问办公 QwenWork 的官微上，以《千问办公陈宇森：Context is All You Need》为题，已经全文发布了，有兴趣的不妨一读。
虽然 Context 无疑是理解千问办公的核心，但我更喜欢陈宇森用来概括千问办公到底是什么的一行小字——帮企业“连接·理解·复用”数据的 Agent 平台。
谈及 AI，或者说大语言模型时，我们往往会聚焦于创造——从无到有，无中生有。
所以一旦有大模型发布，各类评测往往是做个网站、做个 PPT、做个游戏乃至各种整活，怎么炫怎么来。
但对于需要推动 AI 落地的企业，这些整活，其实并无太大意义。
相反，如何用好企业现成的数据，并方便企业连接更多新的外部数据，才是至关重要的。这也是将千问办公定义为帮企业“连接·理解·复用”数据的 Agent 平台的思路所在。
对于前者，陈宇森给了一个很直观的统计数据：
钉钉是一个有众多用户的产品，覆盖了非常广泛的企业人群。从我们的数据来看，中大型企业内部的数据规模，平均大概在 150PB 左右。
然而，目前的大模型，上下文不过 1M，如何将庞大的企业数据与大模型有限的上下文对接，让大模型知晓它应该知晓的企业内部信息，才是模型能够正确决策、正确行动的核心。
在这块，千问办公当日发布了名为**企业上下文（Enterprise Context）**的产品，**可以让企业的所有知识和千问办公无缝打通。**企业过去积累的文档、会议数据、群聊，以及沉淀在企业每一个角落、过去被称为“隐性知识”的东西，都可以被连接起来，进入企业上下文。
这意味着，当你向千问办公提出需求时，千问办公会根据你的权限许可，按需从企业上下文中提取执行这个任务所需要的上下文，然后按照企业的业务规范和要求，理解企业的业务知识，把任务执行下去。
相比自行寻找相应的规范、基本信息喂给大模型，这种自动上下文，无疑是巨大的进步。尤其是当企业的数据足够多、多到员工都无法完全掌握时。
请注意，这个过程中，数据量不仅可能很大，而且往往有图片、视频各种形态，就需要 Qwen3.8-Omni-Flash 这类高效全模态模型去支持。
在现场，陈宇森用古茗奶茶举例，大量培训资料是视频，但视频不经过大模型处理，在后续查询中就不利于检索和理解；而利用大模型，就能更好地将企业的数据结构化。下图是现场展示的虚拟版古茗奶茶知识图谱。左边的图展示了结构化形成的概念和实体，右边的图把这些概念和实体形成的知识图谱可视化呈现出来。
千问办公还在加快接入全球主流企业软件生态。与SAP、Salesforce展开合作，将成为两家公司在中国率先官方合作的企业级Agent伙伴。借助这些平台积累的行业能力，Agent可以调用企业已有的业务数据和流程规则，真正看懂业务、进入系统，把任务执行下去。
QwenNote A2 的小绿灯
企业数据，是一个动态生成的过程。
对于千问办公而言，除了有效利用现有的数据之外，协助企业积累更多的新数字资产，同样重要。
在本次云栖大会上，千问办公发布了 QwenNote A2，一款陈宇森称为“真 AI，不录音”的随身助理。
Plaud 开创了录音卡片这个赛道，而随着录音成为大模型上下文的重要来源，这里也成了兵家必争之地。钉钉此前推出的 A1 录音卡片，也属于同类中的佼佼者。
但这一次，陈宇森却花了许多功夫，强调这款卡片，默认情况下“音频会在云端完成一次语音到文字的 ASR 转写，然后被永久删除”。为了突出这种差别，QwenNote A2 特别增加了“小绿灯”指示，意味着不录音；而上一代的小红灯，则代表会录音保存。
录音，在职场交流中，从来是一件敏感的事情。尤其是与外部客户交流时。如果说早年录音卡片因为知晓度低、侵入性低，足够隐蔽，那么伴随这类产品的大卖，隐私保护就是一个问题。
如何让外部客户接受录音？让相关现场成为企业新的上下文？
陈宇森的思考是让 AI 不录音，只做笔记：
录音对大家来讲，很多时候稍微有些敏感。但假如两个人开会，其中一个人拿出电脑记一些笔记，我们觉得没有任何冒犯性。
当然，QwenNote A2 只是帮助企业拓展获取外部数据的一种思路。其实对企业级 AI 软件而言，当给员工提供 AI 工具之时，本身就是一种外部数据的固化——在以往，企业往往只能获得员工工作的最终产物，许多中间过程的素材往往只停留在员工的本地电脑中，但是有了 AI 作为处理中枢，企业可以获得更多的外部信息，从过程到结果，这本身也是一种数据资产的扩容。
复用，而非蒸馏
企业数据，在连接和理解之后，陈宇森用了“复用”来作为动词。
在 2026 年初，职场关于 AI 应用的热门话题是“蒸馏”，老板希望员工蒸馏自己的工作技能，员工担心蒸馏后工作不保，甚至导致企业 AI 的推进，带来劳资双方的矛盾。
当然，这种矛盾某种程度上更像 AI KOL 们的整活和媒体报道推波助澜下的一厢情愿，绝大多数岗位就不是简单一份 AI 蒸馏出来的 SOP 所能覆盖的。
正因此，陈宇森用了“复用”来形容这种数据的使用方式。
如何复用，陈宇森给出了两条迥异的路径。
第一条，是 AI 化的内训。
陈宇森举了一个例子：
假设我是一个很好的销售，去拜访了我们可爱的客户古茗。我可以按下这个最大的按钮，发送一段话：“刚刚我在古茗跟客户交流了很多，能不能把刚才的交流形成一份新的 PPT？”这句话，就可以把指令直接发送到云端的千问办公里。所以，拜访完客户，作为销售，你还要赶下一个客户的场子，不管打车还是开车，只用发刚刚那一句话，客户拜访经验就马上成为公司其他人可以使用的知识。
其实，这套流程，在传统企业的销售环节并不少见，优秀的金牌销售，往往会整理出许多话术，与其他销售共享。只不过传统上，这个过程往往要经历层层审核批准制作下发，效率非常低下。但是在有了千问办公之后，AI 可以完成从整理纪要到沉淀为可复用话术的全过程，大大加快整个流程。
更重要的是，对金牌销售而言，强项在于客户沟通和对客户的把握，而不是简单的几句话，他们并不担心话术能取代一切，反而能省下复盘撰写话术的时间，更多聚焦销售本业，对企业、对销售个人，属于双赢。
第二个例子，或许更有意思。
千问办公即将推出协同功能，这个协同功能不是我们常见的共享文档编辑等，而是将企业中一个项目分散在许多群聊和知识库中的相关信息汇总到一起，并由 PMO Agent 这样的数字员工来上情下达。
传统上，企业中大量中层存在的重要意义，就是确保信息在上层和下层之间，能够有限但又准确地流动，所谓“拉通”、“对齐”不过是对这种信息流动行为的“黑化”。
但不可否认，信息能否依赖人力真正顺畅流动，从来就是企业管理上的一大难题。而某种程度上，这恰恰是 Agent 最合适做的事情，不知疲倦，又客观中立。陈宇森在谈及这个问题时，用了一段含蓄但坚定的描述：
对业务复杂度高的企业来讲，一个优秀的 PM 或者 PMO 都非常难得。但我们希望通过千问办公、通过 AI 能力，让每一个企业在项目这件事情上都拥有一个强大的助手。
当然，无论是金牌销售经验的即时沉淀，还是 PMO Agent 的跨群协同，要让企业真正敢用，还有一个绕不开的前提：信得过。
陈宇森是网络安全出身，他显然比很多只谈 AI 智商的人更清楚企业的顾虑所在。今年 2 月海外就发生过 AI 助手误删高管邮件的事故，在真实的企业场景里，AI 越权或误操作的代价往往是灾难性的。因此，千问办公花大力气做了沙箱隔离、操作审批、文件防误删机制，以及严格的数据访问权限控制。
只有把安全边界划清楚，企业才敢放心地把真实的业务上下文交出去。
为什么是专业人士
走出云栖大会的会场，在坐地铁时，再次看到那句口号——“专业人士，用千问办公”。
此时，我终于有点明白了。
传统企业数字化的最大误区，往往是试图从顶层设计出发，买一套庞大笨重的系统，把员工当成标准化流水线上的零件。结果往往是系统买了、流程卡了，但真正鲜活的业务经验依然锁在员工的脑子里，散落在无数个群聊和私下沟通中。
是的，企业从来不是一个抽象的概念，企业是由一个又一个具体的专业人士构成的。
金牌销售在前线捕捉到的客户痛点，PM 在复杂协作中协调的各方利益，甚至古茗店员处理一杯茶汤时的细节把控……这些散落在企业角角落落的“隐性知识”与业务上下文，才是驱动一家公司奔跑的真正血液。
千问办公做的事情，恰恰是把视线从宏观的“系统管控”，拉回到了每一个具体的“专业人士”身上。
当每一个专业人士手里的工具变得敏捷，当他们的经验能以最低的门槛被连接与复用，企业的 150PB 数据才不再是沉睡的负担。
陈宇森在演讲最后提到了“杰文斯悖论”：当蒸汽机让煤炭的利用效率大幅提升，煤炭消耗反而因应用场景的爆发式增长而激增。今天，依托阿里从自研芯片算力到千问开源模型的全栈底座，企业使用 AI 的门槛和推理成本正在以惊人的速度下降。
当成本不再是阻碍，当每一个岗位上的专业人士都能随时调动强大的上下文与 Agent 能力时，企业所获得的，就不再是某个单点的效率提升，而是整个组织的复利生长。
这大概就是“Context is All You Need”的真正含义。
陈宇森今天把企业 Agent 讲得很透，或许根本上在于他找到了企业智能化的真正起点——把最懂业务的上下文，交还给每一个在业务前线奔跑的专业人士。