今年，AI玩家紛紛扎進AI辦公賽道，它們要革命的可不止你的Office軟件，盯上的是一個萬億美元級別的大市場。阿里的「小章魚」在這場爭奪裏，正快速伸出觸手。

一個月前，阿里把QoderWork、悟空、MuleRun等產品整合為千問辦公，隨後用「小章魚」作了logo。一手接釘釘、企業微信，一手抓CRM、ERP，一手調模型、查數據、跑流程....千問辦公要讓AI逐漸長進企業工作的每條毛細血管。

9月4日，這隻剛滿月的「小章魚」已入住3000多萬人的電腦，其中有一半是企業用戶。汽車、金融、醫藥、供應鏈、餐飲龍頭們，借「小章魚」之手把阿里的AI基座Qwen，接進研發、財務、供應鏈、門店運營等真實業務流程。

這件事發生在AI行業最焦慮的當下。大模型競爭激烈到只能「各領風騷幾個月」，新模型、Benchmark和產品能力幾周一輪刷新；為了不掉隊，AI大廠不斷孖展、買卡、擴數據中心，Capex軍備競賽越打越貴，投資者們想知道，這些投入什麼時候能真正賺回錢？

近三十年的toB基因，讓阿里早早參透了故事的走向。

隨着今年Qwen跨過「自主化Agent」的能力臨界點，千問辦公一頭扎進這塊最肥美的B端市場——全球軟件與IT服務對應超過3萬億美元支出，知識勞動背後則是約30萬億美元的價值池。沙利文預計，中國AI Agent市場將從2025年的2.6萬億元增長至2030年的20.1萬億元，其中企業端長期貢獻約九成收入。

也就是說，只要千問辦公這類Agent替代其中一定比例，企業就能提速增效，享受到AI Native的紅利；「小章魚」們則能沿着一項項真實工作，解鎖數千億、萬億美元的新市場。

01. 萬億美元的「誘惑」

過去兩年，大模型行業很容易陷入一種「單點領先焦慮」：今天誰登頂Benchmark，明天誰把上下文再拉長一倍，後天又有人把Coding分數刷到新高。模型能力持續躍升，但領先窗口越來越短，格局始終在洗牌。

如果把視角從模型排行榜拉到商業化，焦慮感反而輕很多。

Chatbot訂閱先證明，人願意直接為智能買單；Coding工具再向前一步，AI開始交付可以真正運行的代碼，客戶願意為其節省的工程師時間付費；Agent和Coworker則把商業化繼續向工作結果推進，模型能夠自己規劃步驟、調用工具、處理錯誤，把一件事情從頭做到尾。

能力每往前一級，客戶購買的東西都會離最終經濟結果更近。這個變化，會改寫AI玩家的收入天花板。

一家企業願意花多少錢買Office、CRM、ERP，大致有數；但為了完成研發、財務、法務、採購、銷售、客服等知識工作，一家公司每年的投入可能高出一個數量級。

一個直觀的例子是財務場景。紅杉資本在一篇研報指出，一家公司可能每年只花1萬美元購買財務軟件，卻願意花12萬美元請會計完成結賬。工具預算只是很小的一塊，真正肥沃的市場一直藏在工作本身。

也就是說，AI最容易滲透的並非是大家印象裏的低技能勞動，而是那些規則複雜、但規則明確的白領工作。未來，當AI交付結果，就有機會進入專業服務預算。要知道，全球知識工作者工資支出約30萬億美元，ARK Invest預計，這一數字到2030年可超過45萬億美元。

Agent的商業化空間，就是沿着這條縫隙打開的。

理論上，只要AI創造的價值高於完成任務所消耗的Token成本，企業就有繼續增加調用的動力。這裏出現了「傑文斯悖論」的苗頭：Token越便宜，企業反而越有動力讓AI給組織提效；單位智能成本下降，最終可能換來更大的總調用量。

千問辦公押B端，就是這條曲線。

02. 「小章魚」搶到入場券

千問辦公滿月數據裏，3000萬用戶很搶眼，企業用戶佔比過半更加重要。後者決定它有沒有機會觸碰那塊數十萬億美元的市場。

眼下，長安汽車已經將千問辦公放進「研產供銷服」全鏈路。研發端，資深工程師過去需要兩天完成的線束選型計算被壓縮到5分鐘；生產端，隨車文件覈查從單車十幾分鍾縮短到一兩分鐘；供應鏈包裝評審自動化以後，工作量降低九成以上；兩三萬份用戶調研的分析周期，也從數天壓縮到半天。

這幾組數字很接近企業關心的ROI。

兩天縮短到5分鐘，可以換算資深工程師工時；工作量降低九成，可以計算組織成本；幾萬份調研從數天變成半天，對應的則是決策周期。企業開始幫阿里回答一個過去很難答的話題：用AI到底能省多少錢？

更多行業也在跑類似的賬。

傳化集團把千問辦公放進供應鏈排程、實時監盤和輔助決策；科倫藥業讓AI參與財務報表生成、賬務覈查和數據分析；匯付天下圍繞知識庫、數據治理和支付場景共建，將內部知識和銷售流程沉澱為可以複用的AI能力；老鄉雞則把Agent帶進門店運營、供應鏈協同。

從製造到金融、醫藥、餐飲，這些行業的共通點很清楚：先找到一段規則相對明確、結果可驗證、過去需要大量人工完成的工作，讓Agent接走一部分。

企業Agent的市場就是這樣一點點從流程裏長出來的。

傳統SaaS的收入往往隨着人頭數增長，一家1000人的企業通常只需要1000套左右辦公賬號；Agent對應的是Task，一個員工每天可以產生幾十個任務，一家公司一天可能產生幾萬甚至幾十萬個任務。

AI承擔的工作越多，Token消耗越大，市場規模也就越接近企業實際付出的勞動成本。這也是為什麼沙利文預計，未來中國Agent市場約九成收入會來自B端。

上線一個月，千問辦公先一步站到了Agent商業化最肥的一側。而它需要繼續驗證的，是這些企業用戶能不能把千問辦公從「接入」用到「深入」，最終讓更多流程持續跑在Agent上。

03. 扎進企業的工作流

企業Agent的難點也從這裏開始。

讓一個員工用AI報告寫快一點很容易，讓一家企業整體效率提升要複雜得多。銷售需要同時訪問客戶記錄、庫存和報價權限；研發需要理解歷史項目、產品文檔和供應鏈信息；財務工作又涉及規則、審批和數據權限。一項工作往往橫跨多人、多個系統和大量歷史上下文。

千問辦公過去一個月的產品迭代，正明顯向企業內部繼續深入。

第一步是連接。千問辦公已打通釘釘、飛書和企業微信，可直接處理消息、會議、文檔和日程，也能接管桌面操作文件和程序。「小章魚」由此真正擁有了進入用戶工作環境的「手和腳」。

企業真正用起來之後，這些「手腳」會繼續伸向CRM、ERP和內部系統。

銷售人員可以在釘釘中發起需求，千問辦公跨系統查詢客戶、庫存和訂單，再整理成業務建議。AI不需要讓員工換掉熟悉的工作界面，而是直接鑽進企業原有的工作流。

第二步是上下文。千問辦公通過開源MyContext，把企業數據、流程和員工經驗沉澱為Agent可持續理解的上下文，讓它知道「誰在做什麼、事情做到哪一步」。這是Agent從工具走向Coworker的關鍵能力。

第三步是Skill。千問辦公正在把個人經驗進一步沉澱為組織能力。個人可以將工作流程和專業Know-how封裝成Skill，企業則形成可複用的技能庫，實現「一人創建，全公司調用」。例如，北京德恒杭州所已將十餘年的遺囑與婚姻家事實務經驗做成Skill。

可以說，過去難以進入軟件系統的經驗，通過Context和Skill變成可被Agent反覆調用的企業數字資產。

產品還在繼續往多人協作走。

過去一個月，千問辦公進行了120次版本的高頻迭代，上線了很多針對企業場景設計的功能，比如「多人工作台」，用戶可以通過一句話生成並發布一個多人協作網頁，最多支持百人同時在線，並提供角色權限、雲端數據庫、管理後台和在線發布等能力。

這也意味着，千問辦公開始從服務一個人，向服務一個團隊、甚至一套業務流程延伸。這纔是企業AI化的第二階段。

04. 企業與「小章魚」互相托舉

萬億美元市場能不能真正落地，最後還要回到一件事：模型和Agent能不能持續把更長、更完整、更專業的工作接下來。加碼B端，就是千問辦公的「陽謀」。

進入企業之後，千問辦公一端連接企業數據、工具和業務系統，進入採購、財務、客服、研發和IT運維等真實流程；另一端，這些流程又會不斷提出新的能力要求。模型要理解需求、拆解任務、調用工具、處理失敗，最後交付一個可驗證的結果。企業工作流由此提供了大量真實的任務環境、評測信號和優化方向。

這套能力牽引機制，已經先在Coding上跑起來。代碼天然擁有高密度、可驗證的反饋：能不能運行、測試是否通過、Bug有沒有修掉，都有明確答案。模型在這些環境裏練出來的，也不只是寫代碼，而是長程規劃、工具調用、錯誤恢復和持續執行等更通用的Agent能力。

METR的最新研究也顯示，前沿AI Agent能夠可靠完成的任務時長仍在快速增長。2024年以來，50%成功率對應的任務時長約每89天翻倍；其任務集主要用於衡量研究和軟件工程所需能力。

當這一套能力成熟，就可以繼續向更復雜、更高價值的專業工作遷移。今天模型可以連續幾個小時理解代碼庫、調用工具、發現錯誤再重新規劃，下一步同類能力就有機會被泛化到安全、財務分析、IT運維、供應鏈等場景。每一代Qwen能承擔的工作更完整，千問辦公就能繼續向企業流程深處走。

企業場景又會繼續把這條能力曲線往前拉。

從整理信息到調用業務系統，從單點任務到跨系統流程，從幾分鐘的工作到數小時甚至更長周期的執行，真實任務會不斷暴露模型在規劃、可靠性、上下文理解和錯誤恢復上的短板，再牽引模型、Harness和工具體系繼續優化。

最終形成一套長期機制：先在可驗證的任務中把Agent能力練出來，再把能力遷移到新的專業場景；新場景提出更復雜的任務，再繼續推動下一代能力升級。

對企業來說，模型能力和Harness協同每提升一級，就意味着更多完整工作可以交給千問辦公，ROI隨之不斷提高；對千問辦公來說，進入越多真實場景，就越清楚下一代能力應該往哪裏長。模型一時領先並不難，難的是持續把能力遷移到新的高價值任務。

這種能力遷移和解鎖新場景的速度，纔是千問辦公更長期的壁壘。

05. 阿里深築AI時代護城河

千問辦公還有一個更重要的角色：把阿里此前分散的AI投入，串成一條完整的商業鏈路。

Qwen負責生產智能，千問辦公進入企業，把模型能力變成研發、財務、供應鏈等具體任務；釘釘擁有超過2600萬企業組織，提供組織和協同入口，阿里雲承接背後的Token調用和算力需求。

這些環節開始形成一條完整的商業閉環。

Qwen的Max版本能力越強，千問辦公能夠承接的任務價值越高；Qwen的Flash版本越便宜，可自動化的任務數量越多；千問辦公在企業裏跑出的任務越多，Token需求和阿里雲收入越大；這些收入與算力需求再支撐下一輪研發投入。

AI的「回頭錢」，開始沿着這條飛輪迴來。更重要的是，這套閉環也會沉澱出另一層系統壁壘。

Benchmark冠軍可以幾周換一次，一個新Agent功能也可能迅速被複制；但千問辦公進入企業後，客戶會逐步圍繞它積累Context、Skill、權限體系、工作流、評測標準和系統接口。這些系統沉澱會形成遷移成本，競爭很難再靠單次模型發布完成追趕。

時間越長，千問辦公越理解這家公司，企業也會把更多流程圍繞Agent重新組織，而變得愈發離不開阿里AI「全家桶」。

這可能纔是「小章魚」最值得看的地方。它一頭抓着Qwen，一頭連接阿里雲，再把觸手伸進企業的數據、工具、組織和流程。過去看起來分散的模型、雲、釘釘和AI應用，圍繞「把工作做完」形成一套自增強閉環。

模型會繼續卷，Capex也會繼續增長，但企業真實需求已經開始把阿里的AI投入變成收入。面向更廣闊的知識勞動價值池，AI只要逐漸接走其中一部分工作，就能打開新的市場空間。

一隻剛滿月的「小章魚」，已經先替阿里伸進去了幾隻觸手。