8月3日，阿里發布旗艦模型 Qwen3.8，「千問辦公」開啓公測。

模型與辦公產品同步落地，給阿里的AI敘事補上了關鍵一環：Qwen3.8 提供更先進、更便宜的模型供給，千問辦公把模型送進高頻工作流。

這輪交易的核心，在於AI投入能否轉化為收入。今日，阿里巴巴港股盤中上升逾6%，資本市場給出了積極回應。

阿里的估值一直受到兩套邏輯牽引，電商仍在提供現金流，卻受到消費增速、平台補貼和即時零售投入影響；AI與雲擁有更高的增長預期，資本開支何時轉化為利潤，仍需更多業績驗證。

千問辦公的出現，若能形成企業級使用量，阿里就能出現下一個讓token流動起來的產品。

巨頭爭奪辦公市場

過去兩年的辦公 Agent，大多先解決個人效率問題。一個員工可以用 Agent 搜資料、寫報告、做表格，縮短自己的交付時間。但企業效率取決於多個部門之間的交接：市場數據能否進入銷售系統，銷售承諾能否同步給法務和交付，財務口徑能否在不同團隊保持一致。

一個環節提速後，如果數據仍然分散、權限互不相通、下游需要重新覈驗，組織的總交付周期未必縮短。

企業辦公市場因此需要另一套產品形態。產品要理解組織架構和權限，連接數據庫、知識庫與業務系統，支持跨部門流程編排，還要保留審計、版本和責任記錄。個人Agent追求一次任務的完成質量，企業級產品還要處理數據治理、標準複用和多人協同。組織最終購買的是一套可管理、可複製的生產系統。

國內辦公市場的競爭也隨之擴展。

WPS 從文檔入口向 WPS 365 和原生辦公智能體「WPS 靈犀」推進，優勢是格式能力、文檔存量和政企客戶。騰訊從桌面 Agent 切入，WorkBuddy 可以讀寫本地文件、自主拆解任務並調用工具，企業版還能連接內部系統；企業微信、QQ、騰訊文檔和騰訊雲為它提供了分發與基礎設施。

字節正在整合豆包與飛書兩條產品線的能力，推出面向組織的豆包企業版。Seed 模型負責複雜任務、數據處理、多媒體生成以及電腦和瀏覽器操作，飛書提供企業知識、組織權限和協作環境。AI 產出的文檔、表格和其他成果可以直接進入飛書流轉，字節藉此把個人 AI 使用延伸到團隊協作。

阿里的路徑更接近一套完整的企業Agent架構。千問辦公由 QoderWork、MuleRun 和悟空整合而來，同時支持桌面端Agent、雲端Agent和企業協同Agent，後續還將連接釘釘IM、企業數據庫與工作流。Qwen決定智能上限，釘釘提供組織關係、權限和流程入口，阿里雲承接數據、算力與Token計費。

這套全棧組合是阿里相對清晰的優勢，也考驗三個體系能否形成統一體驗。

律師事務所可以把併購盡調流程沉澱為組織級 Skill，跨國團隊可以讓Agent在員工下班後繼續推進項目。此類場景把個人經驗轉化為企業資產，一旦進入生產環境，帶來的Token消耗也遠高於一次問答或一段文案生成。

從更強模型，到更多Token調用

Qwen3.8為這個入口提供了新的模型底座。按照阿里披露，Qwen3.8-Max總參數量達到2.4萬億，激活參數950億，支持100萬Token上下文，並重點提升Coding、Cowork和長周期Agent任務能力。國內API定價為每百萬Token輸入12元、輸出36元，緩存命中價格為1.5元。

模型能力決定Agent能否完成複雜任務，單位成本決定企業是否願意擴大使用量。兩者同時改善，會出現典型的需求彈性：單次調用價格下降，更多任務開始具備經濟性；Agent從生成一頁PPT，擴展到連續讀取數百份材料、調用多個系統並持續迭代，單個任務的總Token消耗反而上升。

辦公場景能提供比消費端問答更穩定、更高強度的調用量。

消費端問答常以短對話為主，用戶付費意願和留存容易波動；企業任務往往攜帶長文檔、圖片、視頻和歷史知識，還包含規劃、工具調用、結果校驗等多輪循環。一個盡調、審計或經營分析任務的調用強度，可能遠高於普通聊天。

企業一旦把Agent嵌入標準流程，遷移成本也會隨權限配置、知識庫和Skill沉澱而上升，收入質量通常優於單次流量轉化。

Agent對雲廠商的業績貢獻已逐步體現，截至2026年3月的季度，阿里雲收入按年增長38%，外部商業化收入增長40%；AI 相關產品收入連續第11個季度實現三位數增長，佔外部雲收入的30%，百鍊客戶數按年增長8倍。

券商對這一變化的判斷相當一致，花旗將阿里定義為中國 Token 經濟的主要受益者，並測算 MaaS 可能成為阿里雲最大的收入產品；摩根士丹利預計 2027 財年一季度雲收入增長 45%，雲 EBITA 利潤率由上一季度的 9% 升至 11%；滙豐則認為，MaaS 佔比提升、自研芯片擴大部署和雲產品提價，會共同改善雲利潤率。

這些變化體現了AI對阿里估值的核心影響：市場開始用 Token 調用量、MaaS收入和雲利潤率，衡量阿里AI投入的回報。

Qwen3.8以更低價格提供接近前沿模型的能力，短期可能壓低單個Token的收入；更低成本也會推動客戶把更多流程交給Agent。只要調用量增長快於價格下降，且自研芯片、緩存和稀疏架構持續降低推理成本，雲收入與利潤率可以同時改善。

市場需要AI場景擴張

隨着頭部模型能力繼續提升、推理價格持續下降，AI行業的競爭正在向場景端延伸。模型排行榜決定技術上限，真實場景決定調用頻率、客戶留存和付費規模。

場景擴張的難點集中在企業工作流。企業會追問Agent能否穩定完成長周期任務，能否繼承組織權限並保護數據，能否對接原有系統並保留審計記錄，還要覈算每項任務節省了多少人力和時間。

因此，行業都在尋找高頻、長上下文、可重複的任務。編程、辦公、客服、營銷和專業研究已經成為主要入口，其中辦公覆蓋的部門更多，數據關係也更復雜，廠商需要同時處理模型效果、系統集成和組織治理，產品形態會從單點助手逐步走向企業級執行平台。

市場判斷場景是否跑通，也需要一組更硬的指標：企業客戶數與付費率、單客戶Token消耗和留存、任務完成率、組織級Skill複用頻次，以及調用量帶來的收入和利潤。

對阿里而言，千問辦公承擔的是把Qwen帶進企業工作流，再把任務轉化為阿里雲調用量。對整個行業而言，下一階段的AI敘事將來自更多真實場景，以及這些場景讓 Token 持續流動的能力。