千问办公，划下第一道分水岭

图源：千问办公

文 |杨珏

编辑 |唐晓园

视觉设计：星船知造

正文共计：6580字

预计阅读时间：7分钟

不出意外的话，本年度硅谷最短命新词，非“Tokenmaxxing”莫属。翻译过来就是：猛灌词元，刷满为止。

引爆它的是26年初Meta、亚马逊等企业内部上线的各种词元消耗排行榜。

Meta的非官方榜单Claudeonomics会追踪全公司8万多名员工消耗的词元数量，高频使用者被加冕为“词元传奇（Token Legend）”，低频使用者或惨遭裁员。

高压之下，画风很快跑偏。

由于这些榜单不看效果只看词元消耗量，为了不垫底，打工人各显神通：让几个Agent互相挑刺再翻译成八种语言、把几页就能说清楚的报告扩写成几百页的白皮书——主打上有政策，下有对策。

但这场轰轰烈烈的Tokenmaxxing运动很快草草收场。

Meta在今年7月关闭了Claudeonomics榜单（该人气榜单仅存活四个月）。亚马逊在五月底下线了其AI使用排行榜Kirorank。

原因无他——这种推动员工用AI办公的方式：贵，且低效。

在Claudeonomics排行榜的刺激下，Meta员工一度在30天内消耗了高达73.7万亿个Token，账单接近9亿美元。其中榜一大哥单月消耗2810亿Token，烧掉超140万美元。

Meta内部人士指出：排行榜顶端的那些人，产出的更多是一次性垃圾。比如让AI把周报用莎士比亚风格重写。亚马逊高级副总裁Dave Treadwell更痛心疾首，呼吁不要再为了用AI而用AI。

source：X

这类“为了AI而AI”的形式主义表演不会在中国成气候——

《星船知造》看到，我国企业打开AI办公的方式，正呈现出一幅截然不同的景象。

中国，河北。

2013年，郭子雅应聘进长安汽车的河北工厂。该工厂生产过长安星光4500、长安星卡和神骐一众销量大户，不少一线工人的工龄都超过15年。

入职后，作为质量体系管理工程师，郭子雅每天必须处理大量随车文件：

一台车交付前，合格证、环保清单上的几十项参数，需要逐一核对，确保和国家监管网站上的公告一致。任何差异，都可能影响车辆上牌。

今年，郭子雅“解放”了自己。

她把平时核查文件的步骤，上传到一款Agent产品——千问办公。

之后，AI负责写代码，她负责判断结果，一步一步搭出了一个随车文件核查小程序。

有了这款应用，员工只需拍照上传，AI就会自动提取参数、查询公告、标出差异。

郭子雅今年才开始接触AI，但现在，河北工厂的相关产线员工都在用她搭出来的这款小程序。原本十几分钟的人工核查，被压缩到了一两分钟。

不仅生产环节——目前长安汽车已在“研产供销服”等多个场景接入千问办公。仅河北工厂，长安员工自主开发的各类AI小工具就超过了100个。

它意味着，AI办公已自然嵌入了实体制造的长链条工作流程。

中国AI办公正走在一条脚踏实地的新路上：

1） AI办公工具不是用来替代人的，而正被用来放大个人本身的能力。

在Meta，词元低频使用者可能面临绩效打折甚至裁员。

但在长安汽车，55岁的物流老员工正通过千问办公将原本繁琐的包装评审流程拆解为自动化脚本，工作量减轻九成以上。有中国车企高管说，“未来每个碳基员工都配一个硅基员工”。

2）AI不仅是员工个人的外挂工具，它正不断进化为组织的原生能力——嵌入更长业务流程、嵌入更多组织能力建设，为企业沉淀可复用的经验。

长安汽车公司总裁助理梁光忠说，办公类Agent能把AI能力嵌入到业务流程本身，使得AI成为企业基础设施的一部分。

做到这一切的，是刚刚“满月”的千问办公。

而它首先终结的，是AI浪潮下，企业最容易陷入的一个普遍误区。

“烧词元”陷阱

今年4月，曾以美利奴羊毛跑鞋风靡硅谷的环保鞋品牌Allbirds，做了一个违背祖宗的决定——不卖鞋了，卖算力。并更名为NewBird AI。

Allbirds转型的手法也很粗暴。3000多万美元甩卖鞋履业务，转头就宣布用5000万美元可转债融资购买高性能GPU。决心可见一斑。不过，公司当时的高管团队几乎全是服装行业背景。

但市场不管这些。

公告发布当天，Allbirds股价从3美元起飞，盘中暴涨582%，市值从2100万美元膨胀到1.48亿美元。做鞋做到快破产，改个名字却比过去十年赚的都多。羡煞扎克伯格。

紧接着，生物技术公司Hoth Therapeutics重演旧戏，更名为Rocket One Inc.，宣布进军AI半导体和太空计算领域。改名首日，股价上涨近40%，触及八个多月来的高点。

蹭热点也好，真布局也好——资本的狂热至少肯定了一点：

各行各业都陷入了普遍的AI焦虑。

AI像一张登上未来的船票，不管三七二十一，抢了再说。

source：Allbirds

大部分企业不会像Allbirds们这样激进，而是普遍选择了另一条路：烧词元。先让员工把AI用起来再说。

上文提到的硅谷企业“词元消耗排行榜”，就是这一焦虑情绪下的产物。

Meta：全体员工30天累计消耗60.2万亿个词元，按API公开价格折算，单月账单约9亿美元，折合人民币约65亿元。

Uber：将AI编程工具部署给约5000名工程师后，仅4个月就用光了全年的AI预算。

Slash：一名高管为了一款简单的射击游戏，在一周内烧掉了8万多美元的token额度。

高盛数据显示，截至2026年5月，美国企业AI应用比例从2025年的10%升为20.6%。

麦肯锡的调研也表明，83%的中国企业已在至少一个职能中常态化使用生成式AI，45%已实现规模化或全面部署。

企业通常有几种“烧词元”的做法——

一种是统一采购，分配额度。

由企业统一采购词元，分配给员工。比如国内某科技公司，每月给每位研发人员的账户里充700块额度的词元，想用哪个模型自己挑，用完为止。

另一种是员工先自己垫钱买词元，再交给公司报销。《星船知造》看到，不少企业还把“无限词元”打包成福利奖给优秀员工，鼓励大家使用。

但钱花了，效果呢？

美团曾在这种AI狂热里交过一笔昂贵的学费。

2026年初，美团发起了一场覆盖10万员工的“养虾运动”，向全员开放顶级大模型权限，鼓励大家调模型、攒工具。短短两周，内部涌现出10万个AI应用技能。

看上去，一场AI生产力革命已经发生。但不多久，AI制造的各种幻觉开始严重干扰真实业务，并且单日算力账单飙升至1000万元。更痛心的是，那些最昂贵的算力，绝大多数没有流向研发或创新，而是消耗在写邮件、做PPT等事务上。

谷歌同样栽过跟头。

2026年初，谷歌CEO桑达尔·皮查伊公布了一个数据——公司75%的新代码都是由AI生成，而这一数字，两年前还只是15%。

管理层将之视为AI战略的巨大成功，一线工程师却有另一套账本：AI压缩了程序员敲代码的工作量，但代码自动生成之后，繁重的逻辑检验、修改和测试的时间与日俱增——最终项目的交付周期并未缩短。

而就在前两天，Meta喊停了原定的裁员计划。

今年初，Meta本打算大干一场，用AI Agent替代数千名员工，将部分团队规模削减60%。

结果，AI生成的代码量大幅增加，但真正转化为用户新功能的只有36%。同时，AI导致的重大技术和安全事故同比增加40%。

也就是说，本想让AI替人干活，最后却变成了人围着AI收拾残局。扎克伯格不得不紧急叫停第二轮裁员。

海内外企业在AI提效上的一致翻船，反映的是整个行业对AI办公的一个普遍误判。

AI是神兵利器，但无脑“烧词元”是为焦虑而买单，因为它忽视了两个问题：

一是并非每个员工都能迅速通过AI提效。

全球最大自由人才市场平台Upwork相关调研数据显示，77%的员工表示，有了AI之后，他们反而需要花额外时间学习AI，更耽误工作。

背后原因在于个体的能力差异——员工驾驭AI的能力参差不齐。用得好的人如虎添翼，用得差的人漏洞百出。

二是员工的个人提效，并不总是等于企业提效。

个人提效与企业提效之间，隔着“经验流失”、“流程断裂”等好几道坎。

如果员工使用AI所形成的数字资产无法沉淀并进化在企业层，就意味着一旦老员工离职，提示词和经验也将随之流失，新员工又得从头开始驯化模型，经验始终在原地打转。

流程断裂则如同一个个“智能孤岛”—— 销售用一套AI工具、HR用另一套、研发又用第三套，数据互不相通。流程的提效依然受制于人与人、人与智能体、智能体与智能体之间割裂的协作。

麻省理工发布的《生成式AI鸿沟：2025年企业人工智能现状》报告指出：约95%的企业级生成式AI试点没能换来实际回报，核心瓶颈就是AI无法融入工作流。

所以回过头看，如果企业用AI的程度仅仅停留在烧词元的浅水区，组织提效这道题就依然无解。

企业用AI，正确的打开方式究竟是什么？

神兵利器的正确答案

8月3日，阿里旗下企业级通用Agent产品千问办公正式开启公测。一个月后，千问办公用户规模突破了3000万，其中企业用户占比过半。成为AI办公赛道增长最快的产品之一。

点击下图放大

迅速增长的背后，是千问办公在企业级智能体领域给出的一套新解法——把AI从单纯的员工个人外挂工具，“种”进企业的组织土壤。

模型可以被追平、功能可以被复制，但真正难以复制的，其实是一款AI产品理解企业、融入组织的能力与方式。

这一点，Palantir证明了二十年。

这家长期服务美国军方、FBI和NSA的人工智能企业，并没有把自己的核心能力押注在模型参数上，而是更专注一件事——把AI嵌入企业工作流里。

AI嵌入越深，企业转移成本就越高。Palantir最特殊之处就在于，它卖的不是一个可以随时替换的办公软件，而是一套嵌入工作流的原生系统。正因于此，美国政府四年一换届，Palantir的合同却从来没断过。

source：pexels

相比Palantir，千问办公又更进了一步。

企业内部琳琅满目的AI工具就像铲子，谁都能造。但千问办公不卖铲子，它做的其实是让AI在企业的地里不断种庄稼——通过摸清这块地的土质、气候和作物周期，最终让AI自己学会怎么用铲子。

千问办公首先要保证的，是员工的“个人提效”。

假设一家家电企业，在暑期旺季想用AI优化空调排产。一些企业的做法，是给员工配一个对话窗口（铲子），让他自己去输入、挖掘信息。

而千问办公的定位是“交付型AI”和“企业级Agent”，它强调的是能够深入企业的真实业务流——会先由员工提出指令，然后AI抓取订单与库存等数据，自动生成排产分析报表与调整建议，并将待确认事项一键同步给相关人员确认。

不需要消耗太多词元，就把问题解决了。

在长安汽车内部，员工对此早已形成了默契共识。

郭子雅用千问办公核查数据、核对文件，把人工比对的时长从十几分钟压缩到一两分钟。

研发中心的工程师把线束选型计算交给千问办公，原本手工要忙两天的活儿，缩短到了五分钟。

销售服务侧用千问办公做报告，两三万份用户调研的分析周期压到了半天以内。

但个人提效只是起点。

千问办公上线仅一个月就获得了3000万用户——其中，企业用户占比过半。

这一结构标志着中国的AI办公产品正在从员工的个人提效工具进化为企业的原生能力。

千问办公正在跨越三道门槛。

首先，抹平员工与员工之间用AI的能力差。

今年7月，德州大学奥斯汀分校与KPMG公布了一项研究：

研究者让523名资历尚浅的工作者使用同一套AI完成任务，并与AI单独完成的结果进行比较。结论显示，50.1%的人做得比AI更好，是“AI放大者”；25.8%的人与AI打成平手；24.1%的人，做出来的东西不如AI，是“AI学徒”。

相比后两者，“AI放大者”更善于框定问题、设定标准，并不断追问和修正。

这意味着，企业要想拉平员工使用AI的能力鸿沟，就必须把最准确的经验和思路移植到所有人的头脑里。

但瓶颈也恰恰在这里，经验和思路是最难复制的生产资料。

对此，千问办公做的是——将这部分“只可意会”的经验，变成组织“可以言传”的工作流

北京德恒（杭州）律师事务所的多位律师，把数年执业经验交给千问办公，变成可复用的工作流。

有十余年遗嘱服务经历的蔡慧娟、许妍两位律师，将工作经验做成了“遗嘱起草与实操指引”Skill。擅长处理婚姻家庭琐事的连银迪律师团队，则上线了“婚姻家事AI专家套件”。

当老师傅的经验被千问办公沉淀为标准化的Skill，新人接手一个遗嘱起草任务，就不必等着资深律师从头带教——打开千问办公，调用对应的Skill，就能拿到一套验证过的工作思路。

不过，Skill能留下的，终究只是单个老师傅的工作方法。

一家企业难以复制的，还有藏在方法背后的那套东西——做过什么项目、服务过什么客户、流程为什么这么走、遇到问题又该找谁。

这些东西会散落在数据库、文档、流程、规章制度，甚至某个老员工的脑子里。

假设老员工A对老员工B说，“周四下午别打电话给王总”。老员工B一听，会心一笑。但一旁新来的员工C却像在听密电。

原因就在于，C不了解关于王总的“上下文”。

上下文，即每家企业自己的历史、业务数据、流程、组织架构和规章制度，以及一套只有内部人才懂的“潜规则”。

基于此，千问解决的第二个问题，是进一步开源上下文基础设施“MyContext”。

过去，员工每次调用AI，都要自己把这些前情重新交代一遍。而MyContext做的，是把这些散落在企业各处的信息组织起来，让AI学会一家企业的语言和规矩。

换句话说，先让AI把公司认识一遍。

打通了上下文——Agent才能知己知彼，指哪儿打哪儿。

汇丰天下，将千问办公接入斗拱平台后，双方围绕知识库、数据治理与支付场景深度共建，把内部知识与销售流程沉淀为了企业可以持续复用的无形资产。

最后，企业要用好AI，还要打破一道无形的高墙。

因为AI本身，也在不断制造新的智能孤岛——销售有销售的AI，HR有HR的AI，研发又有研发的AI，各自读取不同的数据，服务不同的目标，在不同的系统里独立运转。

每个部门都在自己的小世界里提效，但组织提效不是几个部门效率的简单相加。

更极端的情况是，当不同AI各自为政，还会互相打架。澳大利亚银行Western Pacific就陷入过这一尴尬——同一群客户，风险管理AI将其判定为高风险，营销AI却列为了重点营销对象。

两个AI都在兢兢业业，只是它们站在不同立场，得出了相反的答案。

AI要让组织提效，就必须拆高墙。这是千问办公正在跨越的第三道坎。

作为企业级通用Agent，千问办公选择进入企业原有的工作流：通过接入钉钉的数据与协同体系，让财务、销售、供应链各自跑了几年的数据在同一个对话里被同时调取。企业各环节再次联动，高墙也随着信息的打通被一并拆掉。

在此基础上，千问办公把数字员工纳入了组织架构，给予它们工号、职责，以及对应的权限和KPI。日常工作中，数字员工明确知道自己该向谁汇报、该在什么时候把任务交给下一个人、另一个部门，或者另一个Agent。

AI从员工手里的工具，变成了连接组织的一个节点。

而组织效率的上限，不在于个人能把AI用的多熟练，更在于分散的AI能力能否连成一张覆盖全组织、全流程的网。

千问办公打破三道门槛后，点亮了这张网络。

它正在走通的是一条与“买词元”“给补贴”完全不同的路——把AI种进企业土壤、嵌入超长工作流，AI将从员工的提效工具，进化为组织的原生能力。

新路

当更多企业经验被AI系统性沉淀、当更多业务流程被AI赋能——历史数据、项目复盘、客户反馈、专家经验，这一切就可以成为能随时调用、持续进化的企业资产。

一套新的企业运转基础设施正显出雏形。

从这个角度看，以千问办公为代表的中国AI办公企业已经走在了全球前列。

目前美国主流AI办公产品也在不断嵌入企业组织内部，但鲜少像千问办公这样——同时具备“生产力工具”和“组织能力建设”的双重属性

微软的Microsoft 365 Copilot：长在Word、Excel、PowerPoint、Teams这些微软原有工具里，可以帮员工润色文档、生成公式、优化PPT。Copilot Cowork也能自动调用office各种软件来进行数据分析。但比起打通了企业微信、钉钉等不同平台的千问办公，Copilot局限在微软生态中，暂时还无法直接读取和理解组织的更多上下文。

谷歌的Gemini Enterprise：通过在Gmail、Google Docs等谷歌生态内提供统一AI入口，Gemini Enterprise支持访问内部数据。虽然能通过连接器对接各类SaaS，但缺少一个类似于千问办公数字员工的角色，能将员工个人能力转化为组织的标准化资产。

Anthropic的Claude Cowork：更像一个电脑桌面上的AI助手。

它可以通过连接器调用本地文件、浏览器以及Google Workspace、Slack等各类SaaS工具。但也仅限于此。其活动范围局限在电脑桌面上，每次发出指令都需要给它喂一遍上下文，进不去千问办公深耕的组织关系和业务流程。

千问办公走在全球同行们的前列，很大一个原因在于：AI产品的护城河不仅仅在于当下技术本身，也在于它扎根的土壤有多深。

技术本身的护城河在变浅。

AI大模型的技术差距在缩小。2023年，GPT-4发布时，全球追赶了一年多才出现竞品。但随着更多算法论文公开、模型权重开源、训练框架成熟——到了2026年，一个开源模型的发布，可能几周内就有好几个竞品追上。

真实的落地土壤更能决定一款产品可以跑多远。

往小了说，千问办公生长在钉钉和阿里云的企业级土壤上——钉钉服务超2600万企业组织，阿里云服务全球500多万客户。这些企业在真实业务场景中产生的需求、流程、协作模式，不是任何技术团队在实验室里能复现的。

所以，虽然千问办公仅上线一个月，但它实际上天然就拥有了信任与合规的长期积累——

企业用户信任千问办公的生态：信任钉钉对工作流的理解，也信任阿里云对数据安全和合规的长期保障。

往大了说，千问办公进化于全球最丰饶的产业土壤上。中国拥有全世界最完整的产业链、最丰富的应用场景，也就拥有最复杂的企业需求——不同行业的流程、不同规模的协作、不同阶段的管理痛点——这些数据越多元，AI就越懂企业、越懂产业。这些都构成了千问办公独一无二的进化场。

技术会趋同，算法会被复现，但一个产品与真实业务场景的咬合深度，是写不进代码、也无法被轻易复制的。

中国AI正在一条新路上加速前进：嵌入更多实体经济、嵌入企业业务流程、深入组织能力建设。

而千问办公划下了AI办公领域的第一道分水岭——

过去两年，竞赛的规则很简单：谁先让员工用上AI，谁就是领先者。买词元、给补贴——不管烧了多少钱，只要“用上”就是胜利。

但今天，千问办公让这条赛道的终点线挪了位置。重要的不是谁用上了AI，而是谁把AI从员工的生产力工具加速进化为企业内功。

它的终点应该是一套嵌入企业流程、架构和管理方式的底层装置——像电力，像网络，像操作系统一样。

2026云栖大会在即，更多的企业级能力即将亮相，新的AI趋势正在成形。每一个人，每一家企业，都会在和它的生产关系里，找到自己的位置。

主要参考资料：

[1]Reuters.Allbirds shares jump over 400% on plans to pivot to AI from sneakers

[2]Reuters.From biotech to orbit: Rocket One's AI and space rebrand sends shares flying

[3]MarketWatch.One in five U.S. companies is now using AI, but the impact on the job market remains narrow, say Goldman analysts

[4]麦肯锡.《2025 AI应用现状调研》

[5]The Information.Meta Employees Vie for ‘AI Token Legend’ Status

[6]科创板日报.曾日耗千万元“养虾”交学费，王莆中首次公开复盘美团AI转型之路

[7]Reuters.Mark Zuckerberg had a bold plan to replace Meta staff with AI. Here‘s how it imploded.

[8]Edgen.tech.Palantir's Ontology platform gives it a 2-step edge in enterprise AI

[9]Harvard Business Review.Research: Why Some Junior Employees Work Well with AI—and Others Don‘t

[10]U.S. GAO.Securities And Exchange Commission:Recent Workforce Reductions and Other Personnel Management Changes

[11]Microsoft. Microsoft 365 Copilot Transparency Note

[12]Reuters.Google puts AI agents at heart of its enterprise money-making push

[13]eWEEK.Anthropic Upgrades Claude Cowork to Supercharge Everyday Office Productivity

[14]《2026年中国工业智能体市场白皮书》沙利文

本文基于访谈及公开资料写作，不构成任何投资建议

星船知造原创内容

未经授权，禁止转载